Automatic Neural Tissue Detection in Spinal Endoscopy Using U-Net Deep Learning Algorithm = 딥러닝 알고리즘 U-Net을 활용한 척추 내시경에서의 신경 조직 식별

국문 초록 (Abstract)

양방향 척추 내시경 수술(Biportal Endoscopic Spine Surgery, BESS) 은 최소침습적 접근법으로, 수술의 안전성과 효율성을 높이며 환자와 술 자 모두에게 이점을 제공한다. 그러나 경막 파열 및 신경 조직 손상과 같은 합병증의 발생 가능성은 여전히 임상적 우려 사항으로 남아 있다. 본 연구에서는 수술의 안전성과 정밀성을 향상시키고자 척추 내시경 영 상에서 신경 조직을 식별(segmentation)하여, 딥러닝 기반의 신경 조직 분할 모델을 개발하였다. 총 28건의 척추 내시경 수술 영상에서 프레임 을 추출하였으며, 이 중 2,307장은 학습에, 635장은 검증에 사용하였다. U-Net 기반의 모델을 활용하여 신경 조직 분할을 수행하였고, 정량적 평가지표로는 Dice-Sørensen 계수, Jaccard index, 정밀도(precision), 재현율(recall), 평균 정밀도(average precision), 이미지 처리 속도 등 을 사용하였다.
최적 성능을 보인 모델은 Dice 계수 0.824, Jaccard index 0.701, 정밀 도 0.810, 재현율 0.839, 평균 정밀도 0.890을 기록하였으며, 프레임당 43ms의 처리 속도(초당 23.3프레임)를 보였다. 정성적 분석에서도 모 델은 신경 조직의 특성을 효과적으로 인식하는 것으로 확인되었다. 본 연구에서 제안한 U-Net 기반 딥러닝 모델은 신경 조직 분할에 있어 훌 륭한 결과를 보였으며, 특히 경험이 적은 척추 외과의에게 유용한 보조 도구로 활용될 수 있는 가능성을 제시하였다.

다국어 초록 (Multilingual Abstract)

Biportal endoscopic spine surgery (BESS) is minimally invasive and therefore benefits both surgeons and patients. However, concerning complications include dura tears and neural tissue injuries. In this study, we aimed to develop a deep learning model for neural tissue segmentation to enhance the safety and efficacy of endoscopic spinal surgery. We used frames extracted from videos of 28 endoscopic spine surgeries, comprising 2307 images for training and 635 images for validation. A U-Net-like architecture is employed for neural tissue segmentation. Quantitative assessments include the Dice-Sorensen coefficient, Jaccard index, precision, recall, average precision, and image processing time. Our findings revealed that the best performing model achieved a Dice-Sorensen coefficient of 0.824 and a Jaccard index of 0.701. The precision and recall values were 0.810 and 0.839, respectively, with an average precision of 0.890. The model processed images at 43 ms per frame, equating to 23.3 frames per second. Qualitative evaluations indicated the effective identification of neural tissue features. Our U-Net-based model robustly performed neural tissue segmentation, indicating its potential to support spine surgeons, especially those with less experience, and improve surgical outcomes with endoscopic procedures.

목차 (Table of Contents)

• Chapter 1. Introduction 1
• Chapter 2. Materials and Methods 4
• Chapter 3. Results 10
• Chapter 4. Discussion 12
• Chapter 5. Conclusion 18
• Bibliography 19
• Figure legends 22
• Table 23
• Figures 27
• Abstract in Korean 32