의료 분야에서의 인공 기능 기술과 머신 비전
인공 지능(AI)의 등장으로 의료 기기는 특정 상황을 인지, 분석 및 판단하여 보다 지능적으로 작동합니다. AI는 소프트웨어가 거의 인간과 같이 지능적으로 작동하여, 하드웨어 자율성을 높이는 것을 목표로합니다. 컴퓨터 비전은 관련된 특정 형태의 AI입니다. 컴퓨터 비전 시스템은 인간의 시각적 인식과 마찬가지로 광학 센서가 제공하는 데이터를 기반으로 능동적인 의사 결정을 제공하려고 합니다. 의료 영상 내에서 인공 지능은 방사선 및 전체 심장 동작 추적 분야에서 빠르게 침투하고 있지만, 가시 및 근적외선 감도를 가진 광학 센서가 환자 모니터링, 진단, 디지털 병리학 동안 임상의를 지원하는 다른 응용 의학 분야가 있습니다. 예를 들어, 광학 일관성 단층 촬영, 수술 등이 있습니다. 많은 기계 학습 방법이 다른 목적으로 개발되었지만, 모두 기계가 특정 목표를 향해 개선하고 학습하도록 돕는 동일한 목표를 가지고 있습니다. 컴퓨터 비전 인공 지능에 적용되는 가장 인기 있고 눈에 띄는 기계 학습 방법은 의료 전문가의 범위를 벗어난 데이터의 구조와 패턴을 찾을 수 있는 딥 러닝입니다. 딥 러닝 알고리즘이 제대로 작동하려면 엄청난 양의 데이터가 필요합니다. 대부분의 의료 이미징 응용 프로그램에서 많은 이미지 데이터가 생성되어 특정 문제 해결 작업을위한 매우 정교한 알고리즘을 훈련하기에 충분합니다. 이러한 알고리즘은 실시간 비침습적 애플리케이션을 위해 훈련 될 수 있습니다. 의료 이미지 데이터에 딥 러닝을 적용하여 이점을 얻을 수 있는 응용 프로그램의 몇 가지 예는, 인간 조직의 이미징과 조직 내 빛의 전파입니다. 후자는 새로운 진단 방법을 개발하려고 할 때 의료 영상에서 중요한 문제입니다. 생물학적 조직은 구성이 이질적이며 광학적 특성에서 여러 가지 공간적 변화가 있습니다. 생물학적 조직에 들어오는 빛은 다양한 정도의 산란을 겪습니다. 조직이 흡수할 수있는 파장은 분자 구성에 따라 다릅니다. 스펙트럼 치료 창 내부와 외부 모두에서 빛의 흡수는 특정 조직 층의 스펙트럼 지문 역할을 합니다. 멀티 스펙트럼 카메라는 딥 러닝 방법을 적용 할 수 있도록 조직의 중첩되고 복잡한 구조를 캡처하는데 사용할 수 있습니다. 이를 통해보다 효율적이고 지능적인 패턴 일치 접근 방식을 사용하여 올바른 조직 물질을 식별하고 인공 지능 의사 결정 프로세스의 견고성을 테스트 할 수 있습니다. 인공 지능과 컴퓨터 비전의 또 다른 유망한 적용은 외과적 지도입니다. 여기에는 다중 스펙트럼 이미징 또는 단일 센서 카메라가 포함될 수 있습니다. 오늘날의 외과의는 일반적으로 현미경 및 카메라와 같은 다양한 광학 시스템의 조합으로 지원됩니다. 운영 분야의 이미지가 AI 엔진에 입력되면 혈관이나 종양과 같은 이미지의 특정 영역이 자동으로 강조 표시될 수 있습니다. 올바른 광학 및 추적 물질(예 : ICG)을 사용함으로써 수술 안내 작업을 위해 특별히 설계된 다중 스펙트럼 카메라와 AI 기반의 기존 RGB 카메라는 표적 조직을 지적하여 형광 보조 수술에서 효율적으로 작동 할 수 있습니다. 수술에 사용되는 카메라는 높은 프레임 속도와 적절한 해상도에서 우수한 대비 및 연색성으로 고품질 이미지를 제공해야합니다. 이러한 카메라는 최소한 초당 30 프레임 (fps) 이상에서 1280 x 720 픽셀의 HD 해상도를 지원해야합니다. 더 일반적인 것은 60fps의 풀 HD 해상도 (1920 x 1080)로 외과의에게 가정의 표준 평면 TV와 비슷한 이미지를 제공합니다. 일부 수술용 베이는 작은 세부 사항을 더욱 명확하게하기 위해 4K 디스플레이 해상도를 채택했습니다. 수평 해상도가 최소 3840~4096 픽셀인 카메라 해상도는 4K 화면에 표시할 이미지를 생성하는 데 사용됩니다. 8MP, 12MP, 20MP 및 25MP를 포함한 여러 카메라 해상도는 많은 사람들이 60fps 속도를 달성 할 수 있는 수준의 디스플레이를 달성할 수 있으며, 이는 최소 시각 인식 주파수보다 훨씬 높은 부드러운 비디오 샘플링을 제공합니다. 가까운 장래에 일부 라이브 수술 용 디스플레이가 60fps에서 8K 해상도를 제공하는시기가 올 수 있습니다. 이를 위해서는 프레임 속도를 유지하기 위해 45MP 이상의 해상도와 초고속 인터페이스가 있는 카메라가 필요합니다. 그러나 오늘날의 풀 HD 및 4K 옵션에서도 고해상도 실시간 비디오 시스템은 처리 및 디스플레이 장치로 전송되어야 하는 엄청난 양의 데이터를 의미합니다. AI 엔진을 통과하는 이미지 데이터의 경우 관련된 인텔리전스 프로세스에 따라 이미지 데이터를 애플리케이션에 맞게 축소, 수정, 선택 및 변환 할 수 있습니다. 어쨌든 원시 데이터는 10GigE Vision (구리 또는 광섬유 케이블 사용) 또는 동축 케이블을 통한 CoaXPress와 같은 고속 인터페이스를 사용하여 비교적 먼 거리에 걸쳐 중단없이 전송할 수 있습니다. 유사한 접근 방식은 디지털 병리학, 슬라이드 스캐닝 및 컴퓨터 지원 병리학의 경우에 적합합니다. 디지털 WSI (전체 슬라이드 이미징)는 디지털화 된 이미지의 감지, 분할, 진단 및 분석을 위해 인공 지능과 결합 된 고속 머신 비전 카메라를 포함합니다. 의학 분야의 초기 이미징 시스템은 대부분 RGB 센서를 사용했지만 오늘날 우리는 다중 스펙트럼 카메라를 사용하는 더 많은 시스템을 보고 있습니다. 이러한 시스템은 가시 스펙트럼에만 국한되지 않습니다. 그들은 가시 영역 내부와 외부 모두에서 개별적으로 배치 된 여러 스펙트럼 대역에서 정보를 캡처 할 수 있습니다. 이것은 가시 스펙트럼에서 볼 수없는 특성을 나타낼 수 있으며 다양한 NIR 형광 기술과 함께 사용하여 외과의가 관심을 갖는 종양, 혈관 또는 기타 특징을 가시적으로 "태그"또는 강조 표시 할 수 있습니다. 멀티 스펙트럼 이미징은 분광기와 머신 비전의 세계를 결합하여 새로운 이미징 기회를 창출합니다. 다중 스펙트럼 이미징 시스템에 AI를 추가하여 가시 스펙트럼을 넘어 이미지 데이터를 추출하고 해석하는 것은 강력한 도구입니다. 새로운 프리즘 기반 다중 스펙트럼 카메라는 이제 다중 스펙트럼 대역의 크기와 위치를 사용자 정의 할 수 있는 유연성을 제공합니다. 이는 특정 애플리케이션을 지원하기 위해 다양한 스펙트럼 구성의 생성을 단순화합니다. RGB, 단색 또는 다중 스펙트럼 이미징 시스템이든 인공 지능 엔진과 결합하면 인간의 인식을 넘어서는 상황을 관찰하고 평가하여 임상의의 능력을 확장 및 향상시킬 수 있습니다. AI 엔진은 머신 비전 카메라를 Nvidia Jetson, Nvidia Xavier 등과 같은 임베디드 플랫폼과 결합하여 머신 비전 하드웨어의 일부가 될 수 있습니다.