• 한국방사선학회논문지
• /
• 제18권3호
• /
• pp.267-273
• /
• 2024

본 연구에서는 코딩없이 인공지능 학습 모델을 개발할 수 있는 클라우드 기반의 버텍스 AI 플렛폼을 이용하여 비전문가인 일반인들이 손쉽게 인공지능 학습 모델을 개발하였고 임상적 적용가능성을 확인하였다. 학습용 데이터는 캐글 사이트에 공개된 총9개 치과 질환, 2,999장 치근병 X선 영상을 사용하였고, 무작위로 학습, 검증 및 테스트 데이터 이미지를 분류하였다. 버텍스 AI의 기본 학습모델 워크플로우에서 학습 파이프라인을 사용하여 하이퍼 파라미터 조정작업을 통해 영상분류, 멀티레이블 학습을 수행하였다. Auto ML을 수행한 결과 AUC가 0.967, 정밀도는 95.6%, 재현율은 95.2%로 나타났으며, 학습된 인공지능 모델이 임상적 진단에 충분한 의미가 있음을 확인하였다.

• 한국방사선학회논문지
• /
• 제17권4호
• /
• pp.515-521
• /
• 2023

치과 구내 촬영 시 사용하는 관전류 및 시간에 따라 환자가 받는 피폭선량은 달라진다. 영상의 질을 위해서는 많은 양의 관전류가 필요하지만, 환자에게 부여되는 방사선량은 그만큼 높아진다. 이에 본 연구에서는 시뮬레이션을 통한 치과 구내 촬영 시 사용하는 관전류에 따른 영상의 질 평가를 통해 영상의 질을 확보하면서 환자가 받는 피폭선량은 감소시킬 수 있는 최적의 관전류 양을 산출하였다. 치과 구내 촬영의 진단참고수준 가이드라인에 제시된 평균 관전류와 시간 및 관전압을 기본 촬영 조건으로 사용하고, 관전류만 변화시켰을 때 영상을 획득한 후 기본 영상과의 영상의 질 비교·분석을 통해 최적의 관전류 양을 산출하였다. 기본 조건은 63 kV, 6 mA, 0.29 s로 하고 관전류를 0.1, 0.5, 1, 2, 3, 4, 5 mA로 변경시켜 영상을 획득하였다. 획득한 영상은 ICY 프로그램을 사용하여 6 mA의 조건으로 촬영한 영상과 구조적 유사지수를 평가하였다. 그 결과 0.5 mA의 관전류 조건에서도 6 mA의 영상과 구조적 유사지수가 높은 것으로 평가되었다. 이러한 결과를 바탕으로 치과 구내 촬영 시 6 mA가 아닌 0.5 mA로 촬영한다면 환자에게 부여되는 피폭선량을 매우 감소시킬 수 있을 것으로 판단된다.