의료이미지 진단 보조 서비스 프로토타입
(닥터헬퍼_Doctor Helper)

---

해당 프로젝트는 (주)씨에스리가 주관한 실용 중심의 인공지능 개발자 양성과정에서 진행한 산학프로젝트로, 프레임워크 모나이(Monai), Yolo v5, kaggle 등의 오픈소스를 활용하여 진행했음을 밝힙니다.

- 프로젝트 개요

• 약 3개월 간 진행된 산학프로젝트로, 의료 이미지의 1차적인 진단을 통해 의사의 업무를 보조하기 위한 목적으로 기획되었습니다.
• 흉부 X-ray, 뇌 CT, 피부암 이미지 총 3종류의 이미지에 대한 진단 서비스를 제공합니다.
• 외에도 메모, 북마크, 다국어 등의 부가 기능을 지원합니다.
• Quasar를 이용해 개발한 웹앱으로, 로컬 호스팅을 통한 기능 구현까지만 개발하였습니다.
• MongoDB에 저장된 이미지들에 대해 진단할 수 있도록 개발되었습니다.

- 폴더 구조

│
├── quasar_app/ - 
│   ├── 
│   ├── 
│   └── 
│
├── server/ - 
│   ├── 
│   ├── 
│   └── 
│  
├── server_flask/ - 
│   ├── 
│   ├── 
│   └── 

- 기술 스택

• 언어
  • Python 3.8
  • Javascript
• 그 외
  • Node.js
  • Vue.js
  • Quasar
  • Git
  • Flask
  • MongoDB
  • Postman

- 주요 기능

1. 흉부 X-ray 진단
   흉부 X-ray를 14가지 질병에 대해 진단하고, 그 의심 부위를 박스로 표시합니다. 의심되는 모든 질병에 대해 확률과 함께 질병 명을 보여줍니다.
   
   [분류 가능 질병]
   "대동맥확장", "무기폐", "석회화", "심장비대", "폐경결", "간질성폐질환", "침윤", "폐불투명도", "결정/덩어리", "기타병변", "흉막삼출", "흉막비후", "기흉", "폐섬유증"
   
   

2. 뇌종양 여부 진단
   뇌 CT를 보고 뇌종양인지 여부를 판단하고, 뇌종양으로 판단되면 그 의심 부위를 박스로 표시합니다.
   
   [분류 가능 질병]
   "뇌종양"
   
   

3. 피부암 진단
   피부 이미지를 7가지 종류의 암 중 하나로 진단하고, 그 의심 부위를 박스로 표시합니다.
   
   [분류 가능 질병]
   "광선각화증", "기저세포암", "지루각화증", "피부섬유종", "비정형색소모반", "혈관종", "악성흑색종"
   
   

- 부가 기능

• 진단에 대한 메모를 기록하고 DB에 저장할 수 있습니다.
• 이미지를 북마크해 북마크 페이지에서 모아볼 수 있습니다.
• 영어, 일본어, 에스페란토어의 다국어를 지원합니다.
• 테마 색상을 지정할 수 있습니다.

- Backend

1. Flask (API server) Flask를 이용해 질병 진단을 위한 3개의 API 서버를 구축했습니다. 각 서버는 기능에 맞는 진단을 위한 모델을 내부적으로 포함하고 있으며, Frontend에서 전달된 요청에 따른 진단 결과를 output으로 제공합니다. 관련된 코드는 server_flask 폴더를 참고하시기 바랍니다.
   
   

• 흉부 X-ray

  • Yolo.v5를 사용했습니다.
  • ./server_flask/chest-api/webapp.py를 실행해 서버를 열 수 있습니다.
  • 이미지와(file) 파일명(fileName)을 input으로 받아, 진단된 이미지와 진단명, 의심되는 질병의 확률을 output으로 내보냅니다.

• 뇌 CT

  • 프레임워크 Monai를 사용했습니다.
  • ./server_flask/brain_tumor-api/api_v01.py를 실행해 서버를 열 수 있습니다.
  • 이미지와(file) 파일명(fileName)을 input으로 받아, 진단된 이미지와 진단명, 원본 이미지를 output으로 내보냅니다. (뇌종양이 아닌 것으로 판단된다면 진단된 이미지는 없습니다.)

• 피부 이미지

  • Densenet121을 사용했습니다.
  • ./server_flask/brain_tumor-api/api_v10.py를 실행해 서버를 열 수 있습니다.
  • 이미지와(file) 파일명(fileName)을 input으로 받아, 진단된 이미지와 진단명, 원본 이미지를 output으로 내보냅니다.

2. MongoDB
   환자 정보를 저장하고 불러와 사용하기 위해 NoSQL DB인 MongoDB를 사용했습니다. Frontend에서의 요청에 따라 필요한 데이터들을 저장하고 불러옵니다. 관련된 코드는 server 폴더에 있으며, 환경 구축은 여기를 참고하시기 바랍니다.

   • ./server에서 node.js prompt 명령어($npm start)를 통해 서버를 열 수 있습니다.
   • 이미지, 환자 정보, 진단 여부, 메모, 북마크 여부 등을 저장합니다.
   • 특정 이미지에 대해 진단을 실시한 경우, 그 진단한 결과 역시 DB에 저장됩니다.

- Frontend

프레임워크 Quasar를 통해 개발하였습니다. 총 11개의 페이지로 구성되어 있습니다. 관련된 코드는 quasar_app 폴더에 있으며, Quasar 활용을 위한 환경 구축은 여기를 참고하시기 바랍니다.

• ./quasar_app에서 node.js prompt 명령어($quasar dev)를 통해 서버를 열 수 있습니다.
  
  

- 기능 흐름도

- Frontend 화면/앱 사용 예시

• https://youtu.be/9V1ag5AmZTE

- References

• 프레임워크 Monai: https://monai.io/
• 뇌종양 데이터 & 모델:
  • https://www.kaggle.com/ahmedhamada0/brain-tumor-detection?select=pred
  • https://www.kaggle.com/navoneel/brain-mri-images-for-brain-tumor-detection
• Yolo v5 모델: https://www.kaggle.com/awsaf49/vinbigdata-cxr-ad-yolov5-14-class-train/notebook
• 피부암 데이터: https://www.kaggle.com/kmader/skin-cancer-mnist-ham10000
• 피부암 진단 모델: https://www.kaggle.com/xinruizhuang/skin-lesion-classification-acc-90-pytorch
• Quasar: https://quasar.dev/