MICCAI는 의료영상 처리 및 컴퓨터 보조 중재 분야의 대표적인 국제학술대회로, 임상 문제 해결을 위한 별도의 챌린지 프로그램을 운영한다.
TREAT-MMTB 2026 Challenge의 Task 1은 흉부 X선 영상에서 폐결핵의 주요 소견인 폐 공동(pulmonary cavity)을 탐지하고 병변 영역을 구분하는 과제다. 박선유 박사과정생은 7개의 딥러닝 모델을 결합한 앙상블 모델 ‘CaviFusionNet-T1’을 개발해 폐 공동 존재 여부와 병변의 위치 및 범위를 식별했다. 이 모델은 공식 외부 평가에서 폐 공동 탐지 정확도 81.64%를 기록하여 우수한 결과를 인정받았다.
또한 프랑스 스트라스부르에서 열린 MICCAI 2026 TREAT-MMTB 세션에서 챌린지 수행 방법과 연구 결과를 정리한 논문 'CaviFusionNet-T1: A Multi-Branch Ensemble for Pulmonary Cavity Detection and Segmentation in the TREAT-MMTB 2026 Challenge'를 발표하고, 연구 성과를 공유했다.
강병전 교수는 “이번 성과는 의료영상 분석 분야의 실제 문제를 해결하기 위해 인공지능 기술을 적용하고 연구 역량을 발전시켰다는 점에서 의미가 있다”며 “앞으로도 데이터사이언스 기반의 융합 연구를 통해 의료 분야의 문제 해결에 기여할 수 있도록 지원하겠다”고 말했다.
[저작권자ⓒ 포커스N전남. 무단전재-재배포 금지]
