피부사상균증의 아티팩트를 고려한 진균 검출: KOH 현미경 검사를 위한 실시간 트랜스포머 기반 접근법

Artefact-Aware Fungal Detection in Dermatophytosis: A Real-Time Transformer-Based Approach for KOH Microscopy

피부사상균증은 일반적으로 수산화칼륨(KOH) 현미경 검사를 통해 평가되지만, 진균 균사의 정확한 인식은 아티팩트, 불균일한 각질 제거 및 관찰자 간의 상당한 변이에 의해 방해를 받는다. 본 연구는 고해상도 KOH 이미지에서 진균 구조의 정밀한 쿼리 기반 국소화를 달성하기 위해 RT-DETR 모델 아키텍처를 사용한 트랜스포머 기반 검출 프레임워크를 제시한다. 혼동을 유발하는 아티팩트로부터 진균 요소를 명시적으로 구별하기 위해, 일상적으로 획득된 2,540장의 현미경 이미지 데이터셋에 다중 클래스 전략을 사용하여 수동으로 주석을 달았다. 이 모델은 얇은 균사의 구조적 무결성을 유지하기 위해 형태 보존 증강 기법을 적용하여 훈련되었다. 독립적인 테스트 세트에서 평가한 결과, 재현율 0.9737, 정밀도 0.8043, AP@0.50 93.56%의 강력한 객체 수준 성능을 입증했다. 이미지 수준의 진단으로 통합했을 때, 이 모델은 단 하나의 진단도 놓치지 않고 모든 양성 사례를 정확하게 식별하여 100%의 민감도와 98.8%의 정확도를 달성했다. 정성적 결과는 아티팩트가 많은 시야에서도 저대조도 균사의 안정적인 국소화가 이루어짐을 확인해주었다. 이러한 결과는 인공지능(AI) 시스템이 피부진균학에서 이미지 수준 분석과 임상적 의사결정 간의 격차를 효과적으로 해소하는, 매우 신뢰할 수 있는 자동 선별 도구 역할을 할 수 있음을 강조한다.

Dermatophytosis is commonly assessed using potassium hydroxide (KOH) microscopy, yet accurate recognition of fungal hyphae is hindered by artefacts, heterogeneous keratin clearance, and notable inter-observer variability. This study presents a transformer-based detection framework using the RT-DETR model architecture to achieve precise, query-driven localization of fungal structures in high-resolution KOH images. A dataset of 2,540 routinely acquired microscopy images was manually annotated using a multi-class strategy to explicitly distinguish fungal elements from confounding artefacts. The model was trained with morphology-preserving augmentations to maintain the structural integrity of thin hyphae. Evaluation on an independent test set demonstrated robust object-level performance, with a recall of 0.9737, precision of 0.8043, and an AP@0.50 of 93.56%. When aggregated for image-level diagnosis, the model achieved 100% sensitivity and 98.8% accuracy, correctly identifying all positive cases without missing a single diagnosis. Qualitative outputs confirmed the robust localization of low-contrast hyphae even in artefact-rich fields. These results highlight that an artificial intelligence (AI) system can serve as a highly reliable, automated screening tool, effectively bridging the gap between image-level analysis and clinical decision-making in dermatomycology.