Medical imaging has become an important technique to visualize the internal body for clinical analysis and medical intervention. A broad study of diseases diagnosis using medical imaging has been conducted in various medical fields. As an automatic diseases diagnosis of medical image, many researchers have suggested learning-based algorithms. Since deep learning approaches can achieve impressive performance on most computer vision fields, many methods applying convolutional neural network (CNN) have also been proposed in medical imaging. However, medical images are insufficient due to the scarcity of disease and the protection of personal information. It is also difficult to obtain images with labels because the professional annotation is expensive. Although many studies utilize transfer learning to deal with these problems, the domain gap between natural images used for the source database and medical images has been regarded as an another problem. In this thesis, we propose cyst classification system with bridge transfer learning with sparse labelled medical images. For bridge transfer learning, we construct a bridge database with the images acquired from the same medical domain but different purposes with the target database. This bridge database is used to learn the projection function once trained by the source database and apply the function to the target database for feature representation. For the experiments of cyst classification using dental panoramic X-ray database, we utilize JSRT database (containing chest X-ray images) as the bridge database. The results show that the proposed method using bridge transfer learning helps to achieve higher cyst classification rate by reducing the domain difference between the source database and the target database. Our approach casts a light on medical imaging commonly deemed as a barrier which could not find the breakthrough in sparse labelled images.
의료 영상은 임상 분석 및 의학적인 개입을 위해 신체 내부를 시각화하는 중요한 기술이자 과정이 되었다. 다양한 의료 분야에서 의료 영상에 대한 광범위한 연구가 수행되어왔다. 많은 연구자들이 질병을 진단하고 예방하기 위해 의료 영상을 다루는 학습 기반의 알고리즘들을 제안하였다. 최근에는 딥러닝을 이용한 방법이 많은 컴퓨터 비전 분야에서 우수한 성능을 보이면서 의료 영상에 있어서도 컨볼루션 신경망을 적용한 많은 방법들이 등장하고 있다. 그러나 의료 영상은 질병 자체의 희귀함이나 개인 정보 보호와 같은 이유로 많은 영상을 얻기가 힘들다. 또한 얻어진 영상으로부터 레이블을 얻는 것 역시 전문적인 지식을 필요로 하기 때문에 많은 비용이 들어 학습 기반의 알고리즘을 다루는데 있어 문제가 발생하게 된다. 이러한 문제를 해결하기 위해 많은 연구가 전이학습 방법을 활용하고 있지만 원시 데이터베이스에서 사용되는 일반적인 영상과 의료 영상 사이의 도메인 차이는 또 다른 문제로 여겨진다. 본 연구에서는 희소 레이블 의료영상에서 브리지 전이학습을 통한 치아낭종 분류 시스템을 제안한다. 브리지 전이학습을 위해 목적은 다르지만 같은 의료 도메인으로부터 얻은 영상들로 브리지 데이터베이스를 구성한다. 이 브리지 데이터베이스를 통해 원시 데이터베이스에 의해 학습된 전이함수를 다시 한 번 학습하고 표적 데이터베이스에 적용하여 특징을 표현한다. 치아 파노라마 X선 데이터베이스를 이용한 치아낭종 분류 실험을 위해 가슴 X선 영상을 포함하는 JSRT 데이터베이스를 브리지 데이터베이스로 활용한다. 결과로부터 제안하는 방법이 치아낭종 분류에 있어 우수한 성능을 보인다. 본 연구의 접근법은 의료 영상 분야에 있어 레이블이 있는 영상이 희소한 기존의 문제에 대해 새로운 방법을 제시하고 있다.
