• 대한영상의학회지
• /
• 제81권2호
• /
• pp.351-364
• /
• 2020

흉부 X선은 폐와 종격동 질환을 평가하는 데 있어 매우 중요한 일차 영상 검사이다. 초기 흉부 X선에서 놓친 폐암은 환자의 진단을 지연시키고 예후에 중요한 영향을 줄 수 있다. 저자들은 초기 흉부 X선에서 폐암의 중요한 진단적 오류를 피하기 위하여 비교적 흔히 접하게 되는 영상 진단의 함정에 대하여 다양한 증례를 통하여 검토하고 또한 폐암의 다양한 영상 소견의 중요성에 대하여 중점적으로 살펴보고자 한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 1999년도 가을 학술발표논문집 Vol.26 No.2 (2)
• /
• pp.425-427
• /
• 1999

본 논문에서는 시간 간격을 두고 활영한 흉부의 단순 x선 영상의 차영상을 이용하여 컴퓨터 도움 진단에 활용할 수 있는 방법에 대해 연구하였다. 시간 간격을 두고 촬영한 흉부 단순 x선 영상의 차영상은 시간에 따른 변화를 명확히 보여줌으로써 질병의 조기진단 및 질병의 전개과정 등을 알아보는데 유용하게 쓰일 수 있다. 특히, 이 방법은 폐암과 같이 조기진단이 매우 어려운 질병에 대하여 정기검진 등에서 정기적으로 촬영한 단순 x선 영상을 이용하여 조기진단을 할 수 있는 방법으로 활용될 수 있다. 그러나, 촬영시의 여러 가지 조건들, x선의 세기와 조영시간, 환자의 촬영 자세 및 호흡 상태 등에 따라 단순 x선 영상이 크게 달라져 단순한 뺄셈에 의한 차영상은 진단에 도움이 되지 못한다. 진단에 도움을 주기 위해서는 두 영상 사이의 전체적인 밝기와 대조도를 맞추고 늑골, 쇄골 등 해부학적 구조물의 위치와 크기를 서로 맞추어 차영상을 얻는 영상처리 방법이 필요하다. 또한, 폐의 크기와 위치도 서로 맞추어 차영상을 얻어야 한다. 그러나, 이러한 방법도 늑골과 폐의 크기와 위치 변화가 서로 일치하지 않는 문제점을 가지고 있다. 본 논문에서는 이러한 영상처리를 통하여 차영상을 얻는 방법에 대하여 논하고 방법상의 문제점과 해결 방법을 제시한다.

• 재활복지공학회논문지
• /
• 제9권1호
• /
• pp.61-66
• /
• 2015

심폐기능 재활환자에 있어서 흉부 X선 화상은 임상적 소견 중 가장 일반적이고 널리 사용되는 의학정보로서 질환의 예후에 대한 다양한 해부학적 정보를 제공한다. 흉부 X선 영상에서의 영역분할 및 영상해석에 관한 많은 연구에 의해 다양한 해석 알고리즘이 개발되어 왔으나, 영상의 복잡성과 다양성에 의한 해석 차이가 존재한다. 본 논문에서는 X선 영상에서의 질환 여부를 진단하기 위해 영상처리 및 분석방법에 기반한 흉부 X선 영상의 진단지원시스템이 제안되었다. 흉부 X선 영상에서 폐 영역을 검출하기 위하여 임계값 및 형태학적 방법이 적용되었으며, 형태학적 측정 및 질감 분석은 분할된 영역에서 수행되었다. 실제 흉부 X선 영상에 적용한 실험결과와 임상 전문가의 진단 결과를 비교하여 제시하였으며, 제안한 방법이 충분히 의사결정지원시스템에 활용될 수 있음을 보였다.

• 대한영상의학회지
• /
• 제81권6호
• /
• pp.1334-1347
• /
• 2020

코로나바이러스감염증-19 (coronavirus disease 2019; 이하 COVID-19)는 전 세계적 대유행 질환으로 인류 보건을 위협하고 있다. 흉부 CT 및 흉부X선사진은 COVID-19의 표준 진단검사인 역전사 중합효소 연쇄반응에 더하여 COVID-19 진단 및 중증도 평가에서 중요한 역할을 하고 있다. 본 종설에서는 흉부 CT 및 흉부X선사진의 COVID-19 폐렴에 대한 현재 역할에 대하여 살펴보고 인공지능을 적용한 대표적 초기 연구들과 저자들의 경험을 소개함으로써 향후 활용가치에 대해 살펴보고자 한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 추계학술발표대회
• /
• pp.903-906
• /
• 2021

인공지능 기술 발전으로, 의료영상 분야에서도 딥러닝 기반 질병 진단 연구가 활발히 진행되고 있다. 딥러닝 모델 개발 시, 학습 데이터 품질은 모델의 성능과 신뢰성에 매우 큰 영향을 미친다. 그러나 의료 분야의 경우 도메인 지식에 대한 진입 장벽이 높아 개발자가 학습에 사용되는 의료영상 데이터의 품질을 평가하기 어렵다. 이로 인해, 많은 의료영상 분야에서는 각 분야의 특성(질병의 종류, 관찰 아나토미 등)에 따른 영상 품질 평가 방법을 제시해왔다. 그러나 기존의 방법은 특정 질병에 초점이 맞춰져, 일반화된 품질 평가 기준을 제시하고 있지 않다. 따라서 본 논문에서는 대부분의 흉부 질환을 진단하기 위한 흉부 X선 영상의 품질을 평가할 수 있는 기준을 제안한다. 우선, 흉부 X선 영상을 대상으로 관찰된 영역인 심장, 횡격막, 견갑골, 폐 등을 분할하여, 3D 히스토그램을 기반으로 각 영역별 통계적인 정밀 품질 평가 기준을 제안한다. 본 연구에서는 JSRT, Chest 14의 오픈 데이터셋을 활용하여 적용 실험을 수행하였으며, 민감도는 97.6%, 특이도는 92.8%의 우수한 성능을 확인하였다.

• 대한영상의학회지
• /
• 제83권6호
• /
• pp.1298-1311
• /
• 2022

목적 흉부 X선 사진에서 척추측만증을 조기진단 할 수 있는 딥러닝 기반의 스크리닝 소프트웨어를 준지도학습(semi-supervised generative adversarial network; 이하 GAN) 방법을 이용하여 개발하고자 하였다. 대상과 방법 두 곳의 상급종합병원에서 촬영된 흉부 X선 사진에서 척추측만증을 조기진단할 수 있는 스크리닝 소프트웨어를 개발하기 위하여 GAN 방법이 이용되었다. GAN의 훈련과정에서 경증에서 중증의 척추측만증을 보이는 흉부 X선 사진들을 사용하였으며 upstream task에서 척추측만증의 특징을 학습하고, downstream task에서 정상과 척추측만증을 분류하도록 훈련하였다. 결과 수신자 조작 특성 곡선의 곡선하면적(area under the receiver operating characteristic curve), 음성예측도, 양성예측도, 민감도 및 특이도는 각각 0.856, 0.950, 0.579, 0.985, 0.285이었다. 결론 우리가 GAN 방법을 이용하여 개발한 딥러닝 기반의 스크리닝 소프트웨어는 청소년의 흉부 X선에서 척추측만증을 진단하는데 있어서 높은 음성예측도와 민감도를 보였다. 이 소프트웨어가 건강검진을 목적으로 촬영한 청소년의 흉부 X선 사진에 진단 스크리닝 도구로써 이용된다면 영상의학과 의사의 부담을 덜어주며, 척추측만증의 조기진단에 기여할 것으로 생각된다.

• 한국방사선학회논문지
• /
• 제7권3호
• /
• pp.165-173
• /
• 2013

이 연구의 목적은 흉부, 복부 X선 검사 시 호흡, 위치 잡이, 촬영 중 움직임 등이 있을 때 영상에 어느 정도의 영향이 있는지를 알아보고 가능한 많은 양의 정보를 포함하고 있는 영상을 만들기 위함이다. 연구방법은 병원에서 가장 많이 촬영되어지고 있는 검사 중 선 자세 흉부 후전방향 X선 검사 와 누운 자세 복부 전후방향 X선 검사에서 호흡을 들이 마신상태, 내 쉰 상태, 움직임이 있는 상태에서 각 각 X선 촬영을 한 후 각 부위 별 영상평가기준을 적용하여 평가하였다. 연구 결과 선 자세 흉부 후전방향 X선 검사는 숨을 내 쉰 상태, 조사 중 미세한 움직임이 있는 경우 보다 숨을 들이 마신상태에서 촬영한 영상에서 가장 많은 정보가 포함되어있는 것을 확인 할 수 있었다. 누운 자세 복부 전후방향 X선 검사는 숨을 들이 마신상태, 움직임이 있는 경우 보다 숨을 내 쉰 상태 에서 촬영한 영상에서 가장 많은 정보가 포함되어있는 것을 알 수 있었다. 이와 같은 연구결과에서와 같이 일반 X선 검사의 경우 검사부위, 검사목적에 따라서 호흡 또는 검사 중 움직임 등에 따라 영상에서 발견할 수 있는 정보에 많은 차이가 있음을 알 수 있었다.

• 한국방사선학회논문지
• /
• 제15권4호
• /
• pp.455-461
• /
• 2021

심장비대증은 흉부 X선 영상에서 흔히 보이는 질병 중 하나이지만 조기에 발견을 하지 못하면 심각한 합병증을 유발할 수도 있다. 이러한 점을 고려하여 최근에는 여러 과학기술 분야의 발전으로 인공지능을 이용한 딥러닝 알고리즘을 의료에 접목시키는 영상 분석 연구들이 많이 진행되고 있다. 본 논문에서는 Inception V3 딥러닝 모델을 흉부 X선 영상을 이용하여 심장비대증의 분류에 유용한 모델인지 평가하고자 한다. 사용된 영상의 경우 총 1026장의 경북대학교병원 내 정상 심장 진단을 받은 환자와 심장비대증 진단을 받은 환자의 흉부 X선 영상을 사용하였다. 실험결과 Inception V3 딥러닝 모델의 심장비대증 유무에 따른 분류 정확도와 손실도 결과값은 각각 96.0%, 0.22%의 결과값을 나타내었다. 연구결과를 통해 Inception V3 딥러닝 모델은 흉부 영상 데이터의 특징 추출 및 분류에 있어 우수한 딥러닝 모델인 것을 알 수 있었다. Inception V3 딥러닝 모델의 경우 흉부 질환의 분류에 있어 유용한 딥러닝 모델이 될 것으로 판단되며 조금 더 다양한 의료 영상 데이터를 이용한 연구를 진행하여 이와 같은 우수한 연구결과를 얻게 된다면 향후 임상의의 진단 시 많은 도움을 줄 수 있을 것으로 사료된다.

• 대한영상의학회지
• /
• 제85권1호
• /
• pp.138-146
• /
• 2024

목적 카메라형 휴대형 X선 장치를 이용하여 촬영한 흉부 X선 사진의 영상품질을 기존 이동형 디지털 X선 장치로 촬영한 영상과 비교하여 임상에서 사용 가능한지 평가하고자 하였다. 대상과 방법 2020년 9월부터 2021년 5월까지 응급실에 내원한 환자 중 기관내 삽관, 중심정맥관, 비위관 등을 삽입한 86명의 환자를 대상으로 하였다. 환자들은 기구 삽입 전 기존 이동형 디지털 X선 장치, 기구 삽입 후 카메라형 휴대형 X선 장치를 이용하여 각각 흉부 영상을 촬영하였다. 두 명의 영상의학과 의사가 얻어진 두 영상을 삽입기구의 식별에 대하여 5점 척도, 전반적인 영상 품질에 대하여 20점 만점으로 평가하였다. 결과 카메라형 휴대형 X선 장치로 삽입한 기구의 식별에 대한 평가는 4.67 ± 0.71점이었다. 전반적인 영상품질에 대한 평가는 기존 이동형 디지털 X선 장치와 카메라형 휴대형 X선 장치가 각각 19.70 ± 0.72점과 15.02 ± 3.31점(p < 0.001)이었고, 호흡 및 움직임 관련 인공물, 기관 및 기관지, 폐혈관, 심장 뒤 혈관, 흉추 추간판 공간, 횡격막 하 혈관, 횡격막 관찰의 세부항목에서 카메라형 X선 장치의 점수가 통계적으로 유의하게 점수가 낮았다(횡격막 관찰 세부항목 p = 0.013, 그 외 세부항목 p < 0.001). 결론 카메라형 휴대형 X선 장치는 흉부X선 사진에서 삽입 기구의 평가를 목적으로 사용하는 것은 가능하나 영상의 품질 저하가 있으므로 일반적인 진단 목적의 사용에는 주의를 요한다.

• 한국방사선학회논문지
• /
• 제14권6호
• /
• pp.773-780
• /
• 2020

4차 산업의 발전으로 의학·보건·바이오 등 여러 과학기술 분야에서는 질병을 예방하고 질병에 대한 피해를 줄이기 위한 연구가 이루어지고 있으며, 최근에는 ICT 기술의 발전과 더불어 인공지능 기술이 급부상하고 그 효용성이 입증되면서 영상의학 검사의 영상 분석에 인공지능 기술이 도입되어 연구되고 있다. 본 논문에서는 흉부 X선 영상을 이용하여 폐렴의 분류와 검출에 대한 딥러닝 모델을 직접 적용해보고 실제로 Inception 계열의 딥러닝 모델이 폐렴 검출에 있어 유용한 모델인지 평가하고자 한다. 실험재료는 캐글(Kaggle)에서 무료로 제공 및 공유하는 흉부 X선 영상 데이터 세트를 사용하였으며 전체 3,470개의 흉부 X선 영상 데이터 중 학습 데이터 세트 1,870개, 검증 데이터 세트 1,100개, 테스트 데이터 세트 500개로 분류하였다. 실험결과 Inception V3 딥러닝 모델의 Metric 평가에 대한 결과값은 정확도는 94.80%, 정밀도는 97.24%, 재현율은 94.00%, F1 스코어는 95.59의 결과값을 나타내었다. 그리고 흉부 X선 영상의 페렴 검출 및 분류에 대하여 Inception V3 딥러닝 모델링에 대한 최종 에포크의 정확도는 학습 모델링의 경우 94.91%, 검증 모델링은 89.68%의 정확도를 나타내었다. 손실함수 값의 평가는 학습 모델링은 1.127%, 검증 모델링은 4.603%의 손실함수 값을 나타내었다. 이러한 결과로 Inception V3 딥러닝 모델은 흉부영상 데이터의 특징 추출 및 분류에 있어 매우 우수한 딥러닝 모델이며 학습상태 또한 매우 우수하다고 평가하였다. 테스트 모델링에 대한 매트릭스 정확도 평가 결과 정상 흉부 X선 영상 데이터의 경우 96%, 폐렴 흉부 X선 영상데이터의 경우 97%의 정확도가 입증되었다. Inception 계열의 딥러닝 모델의 경우 흉부 질환의 분류에 있어 유용한 딥러닝 모델이 될 것이라고 판단되며 인력의 보조적인 역할 또한 수행할 수 있을 것이라고 기대되어 부족한 의료인력 문제에도 해결점이 될 것이라고 사료된다. 향후 딥러닝을 이용한 폐렴의 진단에 대한 유사 연구 시 본 연구는 유사 연구의 기초자료로 제시될 것이라고 기대된다.