01

기존 신경내분비 종양(NET) 판독의 한계점을 극복

한 해 배출되는 병리전문가의 수는 한정적이며, 기존 진단업무는 반복적이고 다양한 질환의
종류와 원인의 복잡성 등으로 인해, 정확한 진단 결과 도출에 한계가 있었습니다.
Xpathology는 AI 기반 병리조직학적 소견 생성 및 딥러닝 기반 디지털 이미지 분석기술을
활용한 자동화 솔루션을 통해, 보다 빠르고 정확한 진단 결과를 기대할 수 있게 되었습니다.

02

전이학습 기반 디지털병리 이미지
분석기술 개발 및 고도화

대량의 일반 이미지 데이터에서 학습된 심층 신경망을 디지털 병리 이미지 분류 심층 신경망으로 전환하는 기술인 전이학습을 활용한 Xpathology는 적은 수의 디지털 병리 이미지 데이터만으로도 높은 성능에 도달이 가능합니다.

핵심기술 : CNN based Image Classification

특정 이미지가 주어졌을 때, 이미지가 어떤 클래스 라벨에 속하는지 정확히 구분하는 것을 목표로 하는 컴퓨터비전의 연구분야 중 하나입니다.
이미지 분류에서 매우 높은 성능을 나타내는 CNN(Convolutional Neural Network) 모델을 활용
한다면 병리 이미지에서 암조직 판독 및 암등급을 보다 정확하게 알아낼 수 있습니다.

03

AI 기술을 활용한 병리 이미지
판독의 객관적 근거 제시

AucureX는 딥러닝 모델이 도출한 결과의 이유를 병리 이미지 내의 특정영역으로 지역화하여 객관적인 자료를 제공함으로써 병리 전문가의 의사결정 과정에 신뢰성을 부여할 수 있도록 설명 가능한 인공지능 기술인 'eXplainable AI' 기술을 활용합니다.
이로써 판독결과의 일치성을 증가시켜 더욱 정확한 진단을 기대할 수 있게 되었습니다.

핵심기술 : eXplainable

eXplainable는 사용자가 인공지능 시스템의 동작과 최종 분석결과를 이해하고 올바르게 해석하여 결과물이 생성되는 과정을 설명 가능하도록 해주는 기술입니다.