Professional Documents
Culture Documents
인공지능 (AI) 기반 치매 조기진단 방법론에 관한 연구
인공지능 (AI) 기반 치매 조기진단 방법론에 관한 연구
인공지능(AI) 기반 치매
조기진단 방법론에 관한 연구*
A Study on the Methodology of Early Diagnosis of
Dementia Based on AI (Artificial Intelligence)
오성훈1⋅전영준2⋅권영우3⋅정석찬4†
동의대학교 대학원 인공지능학과, 부산IT융합부품연구소1, 동의대학교 부산IT융합부품연구소2,
동의대학교 대학원 인공지능학과, 한국건설생활환경시험연구원3,
동의대학교 e비즈니스학과, 인공지능그랜드ICT연구센터, 부산IT융합부품연구소4
요 약
한국의 치매 환자 수는 80만명 이상으로 추정되고 있으며, 치매의 심각성은 사회적 문제로 되고 있다.
하지만 전 세계적으로 치매를 완치할 수 있는 치료법도 약물도 아직 개발되지 못하고 있으며, 향후 급격한
고령화 추세로 인해 치매 환자 수는 더욱 증가할 전망이다. 현재로서는 치매를 조기에 발견하여 치매 증상의
경과를 늦추는 것이 최적의 대안이라 할 수 있다. 본 연구에서는 망막 내 치매를 가장 명확하게 조기
진단할 수 있는 중요 단백질인 아밀로이드 플라크를 AI 기반의 영상분석을 통해 측정하고 분석하여 치매를
조기에 진단하는 방법론을 제시하였다. 망막 데이터를 CNN을 기반으로 이진분류 학습 및 다중분류 학습을
수행하였으며, 전처리 된 망막 데이터를 기반으로 치매를 조기 진단할 수 있는 딥러닝 알고리즘을 개발하였다.
딥러닝 모델에 대한 정확도와 재현율을 검증하였으며, 검증 결과 재현율과 정확도 모두 충족하는 결과를
도출하였다. 향후에는 실제 치매 환자의 임상데이터를 기반으로 연구를 지속해 나갈 계획이며, 본 연구의
결과는 치매 문제를 해결하는 방안으로 활용될 수 있다.
Abstract
The number of dementia patients in Korea is estimated to be over 800,000, and the severity of dementia is becoming
a social problem. However, no treatment or drug has yet been developed to cure dementia worldwide. The number
of dementia patients is expected to increase further due to the rapid aging of the population. Currently, early detection
of dementia and delaying the course of dementia symptoms is the best alternative. This study presented a methodology
for early diagnosis of dementia by measuring and analyzing amyloid plaques. This vital protein can most clearly and
early diagnose dementia in the retina through AI-based image analysis. We performed binary classification and multi-clas-
sification learning based on CNN on retina data. We also developed a deep learning algorithm that can diagnose dementia
early based on pre-processed retinal data. Accuracy and recall of the deep learning model were verified, and as a result
2021년 07월 03일 접수; 2021년 08월 17일 수정본 접수; 2021년 08월 23일 게재 확정.
* 본 연구는 과학기술정보통신부 및 정보통신기획평가원의 지역지능화혁신인재양성(Grand ICT연구센터)사업 (IITP-2021-
2020-0-01791)과 과학기술정보통신부 및 정보통신산업진흥원의 지역SW서비스사업화지원사업 (ITAS0837210110240001000
300200)의 연구결과로 수행되었습니다.
†교신저자 (scjeong@deu.ac.kr)
38 한국빅데이터논문지 제6권 제1호
of the verification, and derived results that satisfy both recall and accuracy. In the future, we plan to continue the
study based on clinical data of actual dementia patients, and the results of this study are expected to solve the dementia
problem.
치매 의심 검사 비용
발현 시험방식
흔적 방법 (만원)
일상생활 CDR, 문답 〮
치매 10
능력 평가 ADL 지필고사
<그림 1> 국내 치매 관리비용 및 신경심리 경도 문답 〮
인지기능 20
치매환자 증가 추이 검사 인지장애 지필고사
자료 : 보험 비교 플랫폼 누잘 매거진(2021)[4] 뇌 구조 5년 전부터 MRI
MRI 50
변화 관찰 가능 촬영검사
타우 10년 전부터 PET
전 세계적으로 치매를 완치할 수 있는 치료법 Tau PET 200
단백질 관찰 가능 촬영검사
이나 약물은 아직 개발되지 못하고 있으며, 치 아밀로이 아밀로이 20년 전부터 PET
200
매를 조기에 발견하여 치매 증상의 경과를 늦추 드 침착 드 PET 관찰 가능 촬영검사
는 것이 현재 최선책이라 할 수 있다. 실제를 치 자료 : 매일경제(2018)[8]
인공지능(AI) 기반 치매 조기진단 방법론에 관한 연구 39
<그림 8> YoloV3 Object Detection 테스팅 <그림 9> MobileNetV2 모델의 학습결과
인공지능(AI) 기반 치매 조기진단 방법론에 관한 연구 43
3.3.2 주요기능
치매 조기진단 서비스 모바일 애플리케이션
은 로그인 및 회원가입, 진단정보, 인근 병원안
내, 치매정보 제공 등 4개 메뉴로 구성된다.
회원가입은 보호자 및 치매환자가 가입하고
정보를 상호 연동될 수 있도록 구현하였으며, 1
<그림 12> Inception_resnet_v2 모델의 회에 한해 자신의 생체정보를 저장하면 다음 로
학습결과 그인부터는 생체정보를 이용해 로그인할 수 있
도록 편의성을 더했다.
<그림 9>∼<그림 12>에 나타낸 딥러닝 모델 진단정보 메뉴에서는 정기적인 망막 촬영을
의 학습결과를 통해 가장 높은 정확도를 보이는 통해 치매 조기진단 정보를 그래프를 통해 한눈
모델이 Inception_resnet_v2로 판명되어, 본 연구 에 확인할 수 있도록 제공하며, 해당 일자를 선
에서는 Inception_resnet_v2를 적용하여 망막 이 택하면 촬영한 망막 이미지를 확인할 수 있다.
44 한국빅데이터논문지 제6권 제1호
3.4 검증
구분 내용
1) Web 서버 PC에서 웹 브라우저(Chrome)
를 실행 후 이미지 업로드 및 결과 도출
프로그램에 접속함.
1회 2회 3회 4회 5회
망막
이미지 f73e8ec fcea00d9 fd297839 ffa7346 dfcde9
파일명 73179 f33 8705 5b705 f583c0
(.png) <그림 18> 결과도출 프로그램 결과값
질병 Prolife
분석결과 No DR Mild Moderate Severe rative
(Result 값) DR AI 기반 치매 조기진단시스템 서버의 트래픽
‘알고리즘 수준을 시험하기 위해 동시접속자 수를 측정하
_데이터정 Prolife 였다. 달성목표치는 50명을 기준으로 설정하였
보.xlsx’ No DR Mild Moderate Severe rative 으며, HP Load Runner를 사용하여 동시접속자
파일의 DR
질병명
수를 확인하기 위한 시나리오를 생성하여 반복
일치 여부 일치 일치 일치 일치 일치 시험으로 진행하였다.
6회 7회 8회 9회 10회
망막 <표 7> 동시 접속자수(트래픽) 시험 절차
이미지 ff2fd94 f96fecb1 fd4d81b4 fdde61 fe84ad
구분 내용
파일명 448de 6957 3e84 dd1bde 1df04b
(.png) 1) 시험용 PC에서 HP LoadRunner를 사용하
여 동시접속자 수를 확인하기 위한 시나
질병 Prolife
리오를 생성함.
분석결과 No DR Moderate Moderate Severe rative
- 시나리오 구성 : 50명의 사용자가
(Result 값) DR
300s 동안(Wating time : 500ms) 치
‘알고리즘 매 조기진단 서버 프로그램에 진단
_데이터정 Prolife 이력 조회를 수행하는 시나리오
보.xlsx’ No DR Moderate Moderate Severe rative
파일의 DR 시험 2) 생성한 시나리오를 수행함.
질병명 절차
일치 여부 일치 일치 일치 일치 일치 3) LoadRunner Report에서 Concurrent
분석결과 속성 Vusers와 Errors 값을 확인함.
- No DR : 무증상(1단계)
- Mild : 경증(2단계) 4) 절차 2)∼3)를 5 회 반복하여 평균 동시
- Moderate : 중증도(3단계) 접속자 수를 구함.
- Severe : 중증(4단계)
- Proliferative : 증식성(5단계) ※ 동시접속자 수를 확인하기 위한 시
나리오
인공지능(AI) 기반 치매 조기진단 방법론에 관한 연구 47
Ⅳ. 결 론
본 논문에서는 알츠하이머 치매 환자 망막 내
<그림 19> 동시 접속자수 확인을 위한 시나리오 아밀로이드 플라크 검출에 대한 이론을 바탕으
로 치매 환자의 망막 데이터를 인공지능 기술을