HWP문서[ETRI 보도자료] ETRI, AI와 의료3D프린팅 융합해 국제표준화 주도한다 - 200128.hwp

닫기

Embargo

없음

배포일자 : 1월 28일(화)

배포번호 : 2020-8호

표준연구본부

지능정보산업표준연구실장

이강찬(042-860-6659)

E-mail : chan@etri.re.kr

지능정보산업표준연구실

책임연구원

전종홍(042-860-5333)

E-mail : hollobit@etri.re.kr

홍보실

실장

정길호(042-860-0670)

E-mail : khchong@etri.re.kr

홍보실

담당

정이찬(042-860-0812)

E-mail : echanzug@etri.re.kr

매수 : 보도자료 3매(사진 5매, 참고자료 3매)

배포처 : ETRI 홍보실

ETRI, AI와 의료3D프린팅 융합해 국제표준화 주도한다

- 환자별 맞춤형 의료 장비 개발 위한 국제 표준안 2건 승인

- AI로 자동으로 영상 정밀 분할 분석, 설계 시간 대폭 감축

국내 연구진이 인공지능(AI)과 3D 프린팅 기술을 활용해 환자별 맞춤형 의료기구를 만들 수 있는 내용을 담은 국제 표준 개발에 나선다. 본 표준이 개발되면 국민건강 증진은 물론 관련 의료장비 산업 활성화에도 큰 도움이 될 전망이다.

한국전자통신연구원(ETRI)은 지난달 25일, 의료 영상 기반 의료 3D 프린팅 모델링에 관해 신규 제안한 국제 표준화 2건이 최종 승인되었다고 밝혔다.

채택된 표준화 항목에는 CT영상과 안와(眼窩) 영상을 기반으로 의료용 3D 프린터 보형물 제작에 필요한 요구사항제작 과정에서 필요한 인체조직별 분할 절차에 관한 내용이 담겼다.

의료 3D 프린팅은 환자의 의료 영상 정보를 이용하여 수술용 의료기기와 인체삽입형 의료기기, 사전 시뮬레이션 기구 등을 환자 맞춤형으로 제작하는 기술이다.

지금까지는 환자 상태에 맞는 의료 장비를 마련하기 위해서는 수작업을 통해 프린팅 모델을 만들어야 했다. 영상 속 조직 부위를 명확히 구분해내는 작업이 쉽지 않기 때문이다. 제작 시간도 오래 걸려 급한 상황에서 제약이 많았고 표준안이 없어 타 의료진의 데이터를 활용하기도 어려웠다.

이에 연구진은 3D 프린팅 모델을 만드는 과정을 딥러닝으로 자동화하는 방안에 관한 표준 개발에 나섰다. 특히 의료 영상으로부터 특정 인체조직 모델을 만드는데 가장 중요한분할(Segmentation)과정을 인공지능 기반으로 자동화하는 기술도 포함하고 있다.<참고 1, 2>

연구진이 제안해 개발에 나서는 표준화 작업에는 미국 FDA와 북미영상의학회(RSNA), DICOM 등의 전문가들도 참여할 예정이기에 의료 및 관련 산업계에 큰 파급력을 끼칠 것으로 예상된다.

ETRI는 2018년부터 ETRI 전종홍 책임연구원을 중심으로 연세대 심규원 교수, 서울여대 홍헬렌 교수 등과 협력하며 본 성과를 낼 수 있었다고 밝혔다.

특히, 공동 연구팀은 표준 개발과 검증을 위해 안와 뼈 영역 500세트 이상의 CT 의료 영상 학습/실험용 데이터를 개발하고, 인공지능 기반의 분할 실험 결과를 5편 이상의 국제 학회 논문으로 발표를 하기도 하였다. <참고 3>

또한, ETRI3D 스캐닝 및 3D 프린팅용 저작/편집 도구 개발, 바이오/전자 소자 3D 프린팅 기술 개발 등의 연구 경험을 바탕으로 2015년부터 3D 프린팅과 스캐닝 국제 표준화를 선도할 수 있는 위원회 신설을 위해 노력해왔다. 이를 통해 본 표준화 항목을 승인한 워킹그룹(WG)12를 2018년 8월 신설하고 국내·외 전문가들과 협력하며 의료 분야 국제 표준화를 선도하고 있다.

ETRI 강신각 표준연구본부장은우리나라 주도로 인공지능 기술을 결합한 융합 의료 3D 프린팅 국제 표준 개발을 선도하는 사례를 만들었다는데 매우 큰 의미가 있다라고 말했다.

국제 표준 워킹그룹(WG12) 의장인 ETRI 이병남 박사는의료 3D 프린팅 국제표준 개발을 가속화시키기 위해 WG12를 중심으로 치과, 정형외과, 의료 인공지능, 의료 영상 등 관련 국제표준화 기구와의 협력도 더욱 강화시켜 나가겠다고 말했다.

공동연구팀은 향후3D 재구성(Reconstruction)’,‘3D 포맷 변환(Conversion)등에도 딥러닝 기술을 적용하여 왜곡과 손실 없는 정밀 자동 모델링이 가능하도록 추가 국제표준을 만들겠다는 계획을 가지고 있다.

ETRI는 이번 성과를 통해 국내 의료 인공지능 및 의료 3D프린팅 관련 산학연의 추가 의견들을 수렴해 기술적 문제들을 해결할 방안을 반영할 예정이라고 설명했다. <보도자료 본문 끝>

참고1

의료3D프린팅 과정 및 기존 방식과 표준화 이후 비교

주요 기능 지표

종전

표준화 이후

1) 자동화 가능 여부

불가능

가능

2) 설계 시간의 단축

24시간 이상

3시간 이내

3) 타병원 의료영상 데이터 활용

불가능

가능

4) 상호호환성 확보

불가능

가능

참고2

인공지능 기술을 사용한 자동분할 성능 향상 개념도

<기술적으로 어려웠던 얇은 뼈 조직 분할 문제>

<인공지능 기술로 정밀하게 자동으로 분할하는 성능을 향상>

참고3

의료용 3D 프린팅 관련 연관 성과들

<국제 표준>

표준화 기구

표준명

투표 번호

프로젝트 리더

ISO/IEC/JTC1 WG12

Information technology - 3D Printing and Scanning - Medical Image-Based Modelling - Part 1: General Requirement

NP 3531

심규원(연세대)

Information technology - 3D Printing and Scanning - Medical Image-Based Modelling - Part 2: Part 2: Segmentation

NP 3532-2

전종홍(ETRI)

<국제 논문>

번호

발표년월

학술대회명

발표 논문제목

학술대회구분

개최

국가명

1

2019. 01

IFMIA 2019

Automatic segmentation of the Orbital Bone in 3D maxillofacial CT images with Double-Bone-Segmentation Network

국제학술대회

싱가포르

2

2019. 02

SPIE MI 2019

Orbital bone segmentation in head and neck CT images using multi-graylevel fully convolutional networks

국제학술대회

미국

3

2019. 04

ISBI

2019

Orbital Thin Bonse Segmentation using Ensemble 2D and 3D Deep Convolutional Neural Networks in Head and Neck CT Images

국제학술대회

이탈리아

4

2019. 04

ISBI

2019

MGB-Net: Orbital Bone Segmentation from Head and Neck CT Images using Multi-Graylevel-Bone Convolutional Networks

국제학술대회

이탈리아

5

2020. 01

(예정)

IWAIT 2020

Super-resolution Image Generation for Improvement of Orbital Thin Bone Segmentation

국제학술대회

인도네시아