이 논문은 LiDAR 스캔 또는 사진측량 기술에 의해 재구성된 3D 디지털 모델을 기반으로 터널 벽면의 불연속면을 자동으로 매핑하는 새로운 접근 방식을 제안한다. 본 제안에서는 U-Net이라 불리는 딥러닝 시맨틱 영역분할 모델을 사용하며, 터널 막장면의 3D 지형 모델에서 불연속면 영역을 식별해 낸다. 제안된 딥러닝 모델은 투영된 RGB 이미지, 면의 깊이 이미지 및 국부적인 면의 표면 속성 이미지(즉, 법선 벡터 및 곡률 이미지)를 포함한 다양한 정보를 종합 학습하여 기본 3차원 이미지에서 불연속면 영역을 효과적으로 분할한다. 이후 영역분할 결과는 면의 깊이 맵과 투영 행렬을 사용하여 3D 모델로 다시 투영시키고, 3D 공간 내에서 불연속면의 위치 및 범위를 정확하게 표현한다. 영역분할 모델의 성능은 영역 분할된 결과를 해당 지면 실측 값과 비교함으로써 평가하였으며, IoU(intersection-over-union) 값이 약 0.8 정도로 나타나 영역분할 결과의 높은 정확성을 확인하였다. 여전히 학습데이터가 제한적 이었음에도 불구하고, 제안 기법은 3D 모델의 점군 데이터를 불연속면의 유사군으로 그룹화하기 위해 전 막장면의 법선 벡터와 클러스터링과 같은 비지도 학습기반 알고리즘에만 의존하던 기존 접근 방식의 한계의 극복 가능성을 보여주었다.
Hyunjung Yeoh;Sung Hwan Hong;Chulkyun Ahn;Ja-Young Choi;Hee-Dong Chae;Hye Jin Yoo;Jong Hyo Kim
Korean Journal of Radiology
/
제22권11호
/
pp.1850-1857
/
2021
Objective: The purpose of this study was to assess whether a deep learning (DL) algorithm could enable simultaneous noise reduction and edge sharpening in low-dose lumbar spine CT. Materials and Methods: This retrospective study included 52 patients (26 male and 26 female; median age, 60.5 years) who had undergone CT-guided lumbar bone biopsy between October 2015 and April 2020. Initial 100-mAs survey images and 50-mAs intraprocedural images were reconstructed by filtered back projection. Denoising was performed using a vendor-agnostic DL model (ClariCT.AITM, ClariPI) for the 50-mAS images, and the 50-mAs, denoised 50-mAs, and 100-mAs CT images were compared. Noise, signal-to-noise ratio (SNR), and edge rise distance (ERD) for image sharpness were measured. The data were summarized as the mean ± standard deviation for these parameters. Two musculoskeletal radiologists assessed the visibility of the normal anatomical structures. Results: Noise was lower in the denoised 50-mAs images (36.38 ± 7.03 Hounsfield unit [HU]) than the 50-mAs (93.33 ± 25.36 HU) and 100-mAs (63.33 ± 16.09 HU) images (p < 0.001). The SNRs for the images in descending order were as follows: denoised 50-mAs (1.46 ± 0.54), 100-mAs (0.99 ± 0.34), and 50-mAs (0.58 ± 0.18) images (p < 0.001). The denoised 50-mAs images had better edge sharpness than the 100-mAs images at the vertebral body (ERD; 0.94 ± 0.2 mm vs. 1.05 ± 0.24 mm, p = 0.036) and the psoas (ERD; 0.42 ± 0.09 mm vs. 0.50 ± 0.12 mm, p = 0.002). The denoised 50-mAs images significantly improved the visualization of the normal anatomical structures (p < 0.001). Conclusion: DL-based reconstruction may enable simultaneous noise reduction and improvement in image quality with the preservation of edge sharpness on low-dose lumbar spine CT. Investigations on further radiation dose reduction and the clinical applicability of this technique are warranted.
Seul Bi Lee;Youngtaek Hong;Yeon Jin Cho;Dawun Jeong;Jina Lee;Soon Ho Yoon;Seunghyun Lee;Young Hun Choi;Jung-Eun Cheon
Korean Journal of Radiology
/
제24권4호
/
pp.294-304
/
2023
Objective: We aimed to investigate whether image standardization using deep learning-based computed tomography (CT) image conversion would improve the performance of deep learning-based automated hepatic segmentation across various reconstruction methods. Materials and Methods: We collected contrast-enhanced dual-energy CT of the abdomen that was obtained using various reconstruction methods, including filtered back projection, iterative reconstruction, optimum contrast, and monoenergetic images with 40, 60, and 80 keV. A deep learning based image conversion algorithm was developed to standardize the CT images using 142 CT examinations (128 for training and 14 for tuning). A separate set of 43 CT examinations from 42 patients (mean age, 10.1 years) was used as the test data. A commercial software program (MEDIP PRO v2.0.0.0, MEDICALIP Co. Ltd.) based on 2D U-NET was used to create liver segmentation masks with liver volume. The original 80 keV images were used as the ground truth. We used the paired t-test to compare the segmentation performance in the Dice similarity coefficient (DSC) and difference ratio of the liver volume relative to the ground truth volume before and after image standardization. The concordance correlation coefficient (CCC) was used to assess the agreement between the segmented liver volume and ground-truth volume. Results: The original CT images showed variable and poor segmentation performances. The standardized images achieved significantly higher DSCs for liver segmentation than the original images (DSC [original, 5.40%-91.27%] vs. [standardized, 93.16%-96.74%], all P < 0.001). The difference ratio of liver volume also decreased significantly after image conversion (original, 9.84%-91.37% vs. standardized, 1.99%-4.41%). In all protocols, CCCs improved after image conversion (original, -0.006-0.964 vs. standardized, 0.990-0.998). Conclusion: Deep learning-based CT image standardization can improve the performance of automated hepatic segmentation using CT images reconstructed using various methods. Deep learning-based CT image conversion may have the potential to improve the generalizability of the segmentation network.
목적 소아 환자에서 두부 컴퓨터단층촬영(이하 CT)에 대한 딥러닝 이미지 재구성(deep learning image reconstruction; 이하 DLIR; TrueFidelity; GE Healthcare, Milwaukee, WI, USA)의 효과를 평가하고자 한다. 대상과 방법 총 126개의 소아 두부 CT 이미지를 수집했으며, adaptive statistical iterative reconstruction (이하 ASiR)-V를 사용한 반복적 재구성 및 세 가지 수준의 DLIR을 사용한 재구성을 시행하였다. 각 이미지 세트 그룹은 환자의 연령에 따라 4개의 그룹으로 구분하였으며 각 연령군의 임상 및 방사선량 관련 데이터를 검토하였다. 양적 매개 변수에는 signal to noise ratio (이하 SNR) 및 contrast to noise ratio (이하 CNR)가 포함되었으며 질적 매개 변수로 영상의 잡음(noise), 회백질의 구분 정도, 선명도, 인공물 및 수용 가능성(acceptability), 영상의 질감이 포함되었고 이에 대한 평가와 비교를 시행하였다. 결과 모든 연령 그룹의 모든 수준의 SNR 및 CNR은 높은 수준의 DLIR 사용 시 증가하였다. ASiR-V와 비교했을 때 높은 수준의 DLIR은 SNR 및 CNR이 개선되었다(p < 0.05). 그리고 DLIR의 수준이 증가될수록 순차적인 잡음 감소, 회백질 구분 개선, 선명도 개선이 나타났다. 이러한 변수들에서 높은 수준의 DLIR 사용 시 ASiR-V와 유사한 정도의 수치가 측정되었다. 인공물과 수용 가능성의 경우에 적용된 DLIR 수준 간에 큰 차이를 보이지 않았다. 결론 소아 두부 CT에 고수준 DLIR을 적용하면 영상의 노이즈를 줄일 수 있으나 인공물 처리에 대한 개선이 필요하다.
목적: 새로운 PET 추적자와 약물 개발, 유전자 및 줄기세포치료 연구 등에 소동물 전용 PET이 유용하게 쓰이고 있으며, 국내에도 최근에 microPET R4 소동물 전용 PET이 설치되어 각종 기초연구에 활발히 이용될 전망이다. 이 연구에서는 국내에 최초로 설치된 microPET R4 스캐너의 물리적 특성(공간분해능, 균일도, 민감도, 산란분획, NECR)을 측정하였다. 대상 및 방법: 내경 0.5 mm의 가는 모세관을 F-18으로 채워 만든 선선원을 이용하여 공간분해능 및 민감도를 측정하였다. 반경방향(radial) 및 접선방향(tangential) 분해능을 측정하기 위하여 60 mm의 선선원(65 ${\mu}Ci$)을 축방향과 나란하게 놓은 후 횡단면상 중앙에서부터 1 mm 간격으로 중심에서 4 cm 벗어난 지점까지 옮겨가며 각 2분간 PET 영상을 얻었다. 축방향(axial) 공간분해능 측정을 위하여서는 선선원을 축방향과 수직으로 놓고 동일한 실험을 반복하였다. PET 영상은 FBP 방법과 OSEM 방법으로 각각 재구성하였으며 가우시안 함수로 곡선정합하여 반치폭값을 구하였다. 축방향 위치에 따른 민감도 측정을 위하여 축방향 시야 길이와 동일한(78 mm) 선선원(16.5 ${\mu}Ci$)을 횡단면 중심에 축방향과 나란하게 위치시키고 불응시간이 1%이하가 됨을 확인한 후 축방향 중심에서 바깥방향으로 39 mm까지 (0.5 mm간격) 이동시키면서 각 4분간 PET 영상을 얻었다. 총동시계수에서 지연계수를 빼고 방사선 붕괴를 보정한 후 민감도를 계산하였다. 지름 60 mm, 길이 150 mm의 원통형 팬텀을 제작하여 NECR과 산란분획을 7반감기 동안 각 20분씩 얻은 데이터로부터 계산하였다. 결과: FBP로 재구성한 영상의 공간분해능은 횡단면 중심에서 각각 1.86 mm(반경 방향), 1.95 mm(접선방향), 1.95 mm(축방향)이었으며 중심에서 2 cm 벗어난 지점에서 각각 2.54 mm, 2.8 mm, 1.61 mm이었다. OSEM 영상의 공간분해능은 중심에서 각각 1.44 mm, 1.36 mm, 1.61 mm이었으며 중심에서 2 cm 벗어난 지점에서 각각 1.86 mm, 2.29 mm, 2.88 mm이었다. 민감도는 축방향 중심에서 2.36%, 축방향 시야길이의 1/4인 18.5 mm 지점에서 2.09%이었다. 산란분획은 20%이었으며, 최대 NECR은 242 kBq/mL에서 66.4 kcps이었다. 생쥐와 백서, 그리고 고양이의 뇌영상을 획득하여 영상의 품질을 확인하였다. 결론: 국내에 설치된 microPET R4의 공간분해능 및 민감도는 기존에 알려진 값들과 거의 유사하였으며, 소동물 PET 영상을 위하여 적합한 것으로 보인다.
근래의 심근 관류 SPECT를 위한 검사 장비는 진단의 정확도가 높아졌을 뿐만 아니라 검사 시간을 단축함으로써 환자의 편의성을 높이고 움직임에 대한 artifact를 줄이는 방향으로 발전되고 있다. 본 연구에서는 기존의 심근 관류 SPECT와 비교하여 IQ SPECT에 맞는 protocol을 design 하고 IQ SPECT의 특성과 유용성에 대하여 알아 보고자 하였다. Simens사의 Symbia T6 SPECT/CT를 이용하여 LEHR collimator와 Multiple confocal collimator에 대하여 acrylic dish에 $^{99m}Tc$ 37MBq을 넣고 5 cm, 10 cm, 20 cm, 30 cm, 40 cm 거리에서 각각 sensitivity ($cpm/{\mu}Ci$)를 측정 하였다. 그리고 Sensitivity 측정 결과를 바탕으로 기존의 일반적인 심근관류 SPECT를 기준으로 IQ SPECT protocol을 design 후 Anthropomorphic torso phantom을 사용하여 심근 관류 SPECT를 시행하여 비교하고, LEHR collimator의 영상 재구성에 따른 FWHM 비교를 위해 $^{99m}Tc$ Line source를 이용하여 기존의 심근 관류 SPECT의 재구성법인 FBP법과 IQ SPECT의 3D OSEM법에 대하여 알고리즘만 변화시켜 FWHM을 측정 비교하였다. Collimator senstivity 측정 결과 IQ SPECT의 multiple confocal collimator의 sensitivity가 LEHR collimator와 비교하여 30 cm 거리에서 sensitivity가 약 4배 정도 더 많아짐을 알 수 있었다. Sensitivity 결과를 바탕으로 IQ SPECT의 기하학적 특성에 맞게 심근 관류 SPECT protocol을 design 하여 phantom 실험을 시행한 결과 기존에 비해 검사시간을 1/4로 단축할 수 있었으며, LEHR collimator를 사용하여 SPECT 검사 후 FBP법과 3D OSEM 법의 재구성 알고리즘에 따른 FWHM 비교에서는 3D OSEM법에서 FWHM이 2배 정도 향상된 결과를 얻었다. 본 연구를 통해 IQ SPECT는 심근관류 SPECT에서 Multiple confocal collimator를 사용하여 감도를 향상시키고 심장에 특화된 기하학적인 영상 획득 방식과 영상 재구성 방법을 통하여 검사 시간을 단축하고 영상의 화질 개선에 도움을 준다. 이로 인해 환자는 전보다 더욱 편안하고 정확한 검사를 수행 할 수 있을 것이며, 추가적으로 더 많은 임상 자료를 통한 연구가 필요할 것이다.
서론: 종래의 PET 영상 재구성에 있어서 FBP 등에 비해 3차원 반복 재구성 방법이 일반적으로 대체하고 있으며, 이것은 검출기 기하학적 특성과 완벽한 3차원 산란 평가 및 저잡음 randoms 평가 등의 더 진보된 재구성 알고리즘을 제공하고 활용되고 있다. 최근에 SharpIR알고리즘은 3차원 반복 재구성 알고리즘으로 PET 검출기 응답 정보를 통합하여 PET 영상의 잡음을 효과적으로 감소시켜 대조도를 향상 시키기 위한 것으로 알려지고 있다. 본 연구에서는 새로운 반복 시스템 모델인 SharpIR에 대한 성능 평가와 임상에서의 적용 가능성에 대해 알아보고자 한다. 실험재료 및 방법: 검출기 응답에 대한 분해능을 측정하기 위해 유리관(내경 1.1 mm, 두께 0.2 mm)에 $^{18}F$-FDG (250 MBq/mL)을 주입하여 축 방향 시야의 중심과 축 방향으로 5, 10, 15, 20 cm만큼 떨어진 지점에서 획득하였고 VUE point HD와 VUE point HD-SharpIR로 재구성하여 각각의 영상에서 반치폭을 구하였다. 또한 영상품질평가로 image quality phantom (NU2-2001)을 이용하여, 여러 개의 각각 다른 반지름을 가지는 원형구에 cold (직경 28, 37 mm)와 ho (직경 10, 13, 17, 22 mm)부분을 나누어 배경잡음을 주고 영상의 대조도를 평가하였다. 획득된 영상은 VUE point HD와 VUE point HD-SharpIR로 재구성을 하였다. 임상실험에서는 전신검사를 시행받은 환자 중 병소가 있는 환자 10명을 대상으로 VUE point HD와 VUE point HD-SharpIR로 재구성하였다. 이때 iterations을 1~10까지 변경하여 병소 부위와 간 부위에 관심영역을 설정하여 대조도를 평가하였다. 결과: VUE point HD로 재구성한 영상에서는 시야 중심으로부터 축방향 거리 증가와 함께 반치폭이 함께 증가하였지만 VUE point HD-SharpIR로 재구성한 영상에서는 거리가 증가하여도 일정한 반치폭을 나타냈다. 대조도는 팬텀 실험과 임상 실험에서 VUE point HD-SharpIR이 VUE point HD보다 대조도의 향상을 나타냈다. 결론: 검출기 시스템 응답에 대한 더 많은 정보를 포함시킴으로써 SharpIR 알고리즘은 VUE point HD에서 사용되는 기본 모델의 정확성을 향상시켰다. 또한 SharpIR은 VUE point HD보다 각각의 복셀에 관련된 더 많은 측정 위치를 가지는 시스템 모델이기 때문에 더욱 정교한 재구성 모델의 결과를 나타내기 위해 더 많은 반복이 걸린다. 결론적으로 SharpIR은 PET 영상에서 대조도를 향상시켰고 임상에서 적용할 수 있는 최적화된 재구성 조건을 알아보기 위해 종단적 연구를 통해 적용한다면 임상에서 유용하게 사용될 것이다.
$^{201}Tl$을 이용한 심근관류 SPECT 검사는 좌심실의 생존능 및 심장 기능의 정량적 평가를 함에 있어 중요한 방법으로서 현재 영상의 질을 향상시키기 위해 다양한 재구성 방법들이 이용 되고 있다. 하지만 작은 용적 심장에서는 부분용적효과로 인해 재구성 단계에서 정량 지표 값의 오류를 야기 할 수 있으므로 항상 주의 해야 한다. 이에 본 연구는 심근관류 SPECT 검사의 재구성 방법에 따른 좌심실의 정량적 지표 값을 심장 초음파와 서로 비교 함으로써 그 차이의 정도를 확인 한다. 2012년 2월부터 9월까지 본원에 내원하여 심근관류 SPECT 및 심장 초음파 검사를 실시한 278명의 환자(남자 90명, 여자 188명, 평균$65.5{\pm}11.1$세)를 심장 초음파의 ESV 30 mL를 기준으로 삼아 그 이하를 작은 용적 심장, 그 이상을 보통 또는 큰 용적심장으로 구분하였다. 각각 여과 후 FBP 및 OSEM의 방법을 적용하여 EDV, ESV 그리고 LVEF를 산출하였으며, 이를 심장 초음파에서 측정된 지표들과 함께 반복측정 분산분석 방법(Repeated Measures ANOVA)으로 분석하였다. 남녀 간의 EDV는 FBP, OSEM 간 유의한 차이가 없었으나 (p=0.053, p=0.098), 심장 초음파와의 비교에서는 유의한 차이를 보였다(p<0.001). ESV의 변화는 특히 작은 용적 심장을 가진 여성에서 FBP, OSEM, 심장 초음파 모두 유의한 차이(p<0.001)를 보였다. 또한 LVEF에서도 보통 용적 심장을 가진 남녀 모두 FBP, OSEM, 심장 초음파 간 유의한 차이는 보이지 않았으나(p=0.375, p=0.969), 작은 용적 심장을 가진 여성에서 모두 유의한 차이(p<0.001)를 보였다. 핵의학 영상 재구성 방법 간 좌심실의 정량적 지표 값의 변화는 보통 용적 심장을 가진 환자에서는 유의한 차이를 발견 할수 없었으나, ESV를 기준으로 30 mL 이하의 작은 용적 심장, 특히 여성에서는 FBP, IR_OSEM, 심장 초음파 간 유사한 차이를 확인 할 수 있었다. 하지만 이러한 차이는 분석에 사용된 3종류의 모든 감마 카메라에서 OSEM 적용 시FBP 보다 평균적으로 심장 초음파와의 오차가 적은 LVEF값이 산출됨을 확인 할 수 있었다.
Siemens사의 CT 선량 감소 소프트웨어인 IRIS의 적용을 통하여 CT 선량 감소 시 노이즈 감소 효과와 해상력의 보존 그리고 ACCT에 IRIS 각 kernel의 적용 시 SUV 변화를 확인하는데 목적을 두었다. Biograph mCT 40 slice 스캐너를 이용하여 AAPM CT performance phantom, Anthropomorphic chest phantom을 관전압 120 kVp로 고정하고 100-10 mAs까지 15%감소하여 스캔 후 FBP, IRIS 각 kernel을 적용하여 재구성 하여 영상의 노이즈, 해상력, 영상 평가를 시행하였다. NEMA IEC body phantom을 이용하여 55.5 MBq를 background에 주입하고 열소와 배후 방사의 비를 8:1이 되도록 모형을 제작하였다. 120 kVp, 50 mAs 조건으로 1분, 2분, 3분, 4분 스캔하여 영상을 획득한 후 ACCT에 IRIS 각 kernel을 적용하여 기존 FBP 방식을 적용한 SUV와의 평가를 시행하였다. IRIS의 적용 시 기존 FBP 방식에 비하여 45% 선량을 감소하였음에도 불구하고 해상력 저하 없는 노이즈 감소 효과가 확인 되었으며 SUV 평가 실험에서 IRIS의 I70f kernel을 제외하고는 기존 FBP 방식을 통하여 획득된 SUV와 유의한 차이가 나타나지 않았다. 본 연구를 통하여 IRIS 적용 시 기존 FBP 방식에 비하여 CT 피폭선량 감소와 해상력 저하 없는 노이즈 감소 효과를 입증하였으며 IRIS kernel의 적절한 적용을 통하여 PET/CT 검사 시 환자 피폭선량 감소는 물론 FBP 방식에 비하여 우수한 영상의 획득이 가능할 것이라 사료된다.
1-day protocol method는 DIAMOX 영상에서 basal 영상을 감산시키는 방법으로 혈관 예비능을 평가하는데 있어서 매우 유용한 검사지만, 검사시간이 길기 때문에 움직임에 의한 불가피한 재검사율이 높다. 기하학적으로 차이가 있는 fan-beam 콜리메이터와 parallel 콜리메이터 중 임상적으로 1-day protocol method에 가장 효율적인 콜리메이터가 무엇인지 알아보았다. 삼중 헤드 감마카메라인 triad XLT 9 (TRIONIX)와 세 가지 콜리메이터(low energy high resolution-parallel beam: LEHR-par, ultra resolution-fan beam: LEUR-fan, super fine-fan beam: LESR-fan)를 사용하였다. PET/SPECT performance phantom, Hoffman 3D phantom, volunteer 실험을 실시하여 세 가지 콜리메이터의 감도, 대조도, 해상력, 영상의 질을 비교 측정하였다. Pixel size를 fan-beam 콜리메이터와 동일하게 하기 위하여 parallel 콜리메이터 실험 시 zoom factor를 2.0으로 변경하였다. Scan time은 50 kcounts/frame을 만족하게 하였으며 filtered back projection (FBP)의 재구성 방법을 사용하였고 각 콜리메이터 별 최적의 영상을 위하여 cut off 값을 변화하면서 비교 측정하였다. 총 획득 계수가 동일한 조건에서 해상력과 percent background variability는 LESR과 LEUR이 LEHR보다 우수한 결과를 나타내었고, 영상의 육안평가에서 선호도는 LESR, LEUR, LEHR 순이었다. 영상 획득 시간은 LESR이 낮은 감도로 인하여 LEUR과 LEHR보다 약 2배 더 길게 소요됐다. Volunteer 실험의 결과 LESR을 사용할 때보다 LEUR 또는 LEHR을 사용 할 때 약 10-14분 정도 시간이 감소했다. 1-day protocol method는 단 한 번의 움직임에도 재검사가 불가피하기 때문에 적절한 분해능뿐만 아니라 높은 감도의 유지를 위해 적절한 검사 방법의 확립이 중요하다 할 수 있다. 본 연구에서 동일한 계수를 획득할 경우 LEUR은 LESR보다 2배의 시간을 감소시킬 수 있었고 영상의 육안평가나 해상력도 LESR과 임상적으로 큰 차이를 보이지 않았으므로 Brain SPECT의 1-day protocol method에 가장 적합할 것으로 사료된다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.