• Korean Journal of Radiology
• /
• 제22권3호
• /
• pp.344-353
• /
• 2021

Objective: The mitotic count of gastrointestinal stromal tumors (GIST) is closely associated with the risk of planting and metastasis. The purpose of this study was to develop a predictive model for the mitotic index of local primary GIST, based on deep learning algorithm. Materials and Methods: Abdominal contrast-enhanced CT images of 148 pathologically confirmed GIST cases were retrospectively collected for the development of a deep learning classification algorithm. The areas of GIST masses on the CT images were retrospectively labelled by an experienced radiologist. The postoperative pathological mitotic count was considered as the gold standard (high mitotic count, > 5/50 high-power fields [HPFs]; low mitotic count, ≤ 5/50 HPFs). A binary classification model was trained on the basis of the VGG16 convolutional neural network, using the CT images with the training set (n = 108), validation set (n = 20), and the test set (n = 20). The sensitivity, specificity, positive predictive value (PPV), and negative predictive value (NPV) were calculated at both, the image level and the patient level. The receiver operating characteristic curves were generated on the basis of the model prediction results and the area under curves (AUCs) were calculated. The risk categories of the tumors were predicted according to the Armed Forces Institute of Pathology criteria. Results: At the image level, the classification prediction results of the mitotic counts in the test cohort were as follows: sensitivity 85.7% (95% confidence interval [CI]: 0.834-0.877), specificity 67.5% (95% CI: 0.636-0.712), PPV 82.1% (95% CI: 0.797-0.843), NPV 73.0% (95% CI: 0.691-0.766), and AUC 0.771 (95% CI: 0.750-0.791). At the patient level, the classification prediction results in the test cohort were as follows: sensitivity 90.0% (95% CI: 0.541-0.995), specificity 70.0% (95% CI: 0.354-0.919), PPV 75.0% (95% CI: 0.428-0.933), NPV 87.5% (95% CI: 0.467-0.993), and AUC 0.800 (95% CI: 0.563-0.943). Conclusion: We developed and preliminarily verified the GIST mitotic count binary prediction model, based on the VGG convolutional neural network. The model displayed a good predictive performance.

• 한국멀티미디어학회논문지
• /
• 제23권6호
• /
• pp.729-737
• /
• 2020

Screening with low-dose spiral computed tomography (LDCT) has been shown to reduce lung cancer mortality by about 20% when compared to standard chest radiography. One of the problems arising from screening programs is that large amounts of CT image data must be interpreted by radiologists. To solve this problem, automated detection of pulmonary nodules is necessary; however, this is a challenging task because of the high number of false positive results. Here we demonstrate detection of pulmonary nodules using six off-the-shelf convolutional neural network (CNN) models after modification of the input/output layers and end-to-end training based on publicly databases for comparative evaluation. We used the well-known CNN models, LeNet-5, VGG-16, GoogLeNet Inception V3, ResNet-152, DensNet-201, and NASNet. Most of the CNN models provided superior results to those of obtained using customized CNN models. It is more desirable to modify the proven off-the-shelf network model than to customize the network model to detect the pulmonary nodules.

• 한국콘텐츠학회논문지
• /
• 제15권3호
• /
• pp.40-47
• /
• 2015

ICT(정보통신: Information and Communication Technologies)에서 주요 분야로 각광받고 있는 가상현실(VR: Virtual Reality)영역은 이미 엔터테인먼트, 디자인 및 시뮬레이션 교육 등 다양한 분야에서 활용되고 있다. 특히, 문화관광분야를 비롯하여 사회 전반적인 영역에 더욱 확산 되고 있는 추세이다. 따라서, 본 논문에서는 문화관광 분야에서 가상현실 콘텐츠의 시장 선점 가능성 및 경쟁력 확보를 위하여 개선된 VR 콘텐츠를 기획 및 제작하였다. HMD(Head Mounted Display)에서 발생하는 인지부조화로 인한 시뮬레이션 멀미(simulation sickness) 현상을 개선시키기 위해 아웃포커스, 렌즈더스트, 모션블러 효과, 흔들림 효과를 최소화 하였다. 또한, 제작된 콘텐츠는 사용자의 몰입도 향상을 위해 효과적인 UI 디자인을 고려하여 설계하였다.

• 한국지구과학회지
• /
• 제27권4호
• /
• pp.390-400
• /
• 2006

본 연구에서는 사범대학의 현행 지구과학 교사 양성 교육 과정을 크게 교직 이론, 교육 실습, 교과 교육학, 교과 내용학으로 나누어 분석하여 그 개선 방안을 탐색해 보았다. 교직이론의 경우는 교육학 이론 학습에 치중하고 있어 실제성이 떨어지며, 교과 교육학 선수 학습 교과로서 이수 시기에 문제가 있는 것으로 분석되었다. 그러므로 과목간 연계성 유지를 위해 교직 이론을 교과 교육학 이전에 이수하도록 하며, 되도록이면 현장성이 강한 교직 이론 과목을 이수하도록 권장하여야 할 것이다. 교육 실습의 경우는 교육실습 기간이 외국에 비해 짧으며, 신규 교사를 위한 별도의 업무 외 연수과정이 없고 인턴제도나 직무 연수 프로그램이 미흡한 현재의 교사 양성 교육과정 체제에서는 교육 실습이 이런 역할을 대신할 수밖에 없을 것으로 판단된다. 그러므로 학교 시스템의 전반적인 흐름을 이해하기 위해서 교육 실습 기간을 최소$3{\sim}6$개월 이상으로 늘려야 할 필요가 있다. 교과 교육학의 경우는 우선 교과 내용학에 비해 할당된 과목의 비율이 매우 낮았다. 그러므로 교과 교육학 과목의 양적인 증가가 우선되어야 할 것이며, 지구과학 교과 교육 전공 교수의 확보가 필요하다. 교과 내용학의 경우, 다루는 내용이 중등학교 교육 과정과 동떨어진 면이 있으며 대학별로 개설 강좌의 영역별비율에서 상당한 차이가 있는 것으로 나타났다. 이런 문제를 해소하기 위해서는 교과 교육학 강좌와 교과 내용학 강좌를 연계시켜 개설하고, 각 영역별 기본 이수 학점을 적정 비율로 할당하는 방법을 고려해 보아야 할 것이다.는 것을 알 수 있다.충분한 해상도로 인한 경우가 3예(12%), 이전 바륨 검사에 의한 잔존 바륨의 beam harding artifact로 복막파종을 놓친 경우가 2예(8%), 경구 조영제가 미충만된 위장관과 인접 전이성 결절을 오인한 경우가 1예(4%)였다. 판독인자로는 인접 장기와의 지방면 소실을 간과한 경우가 10예(40%), 경미한 복막비 후나 파종을 간과한 경우가 6예(24%), 장간막의 림프절 종대를 간과한 경우가 3예(12%)였다. 결론: 복강 내 지방 조직의 결핍, 불충분한 해상도의 CT, 판독 과정에서 경미한 복막파종이나 인접 장기와의 지방면 소실의 간과 때문에 CT에 의한 수술 전 병기결정의 정확도가 떨어지며 그 중 판독인자에 의한 것이 가장 많은 원인이 되므로 적절한 영상 관리와 함께 세심한 판독이 매우 중요하겠다. 수술적 절제의 적절한 범위를 결정하기 위한 조기 위암의 술 전 위치 결정에 이용될 수 있을 것으로 보인다.^{Waf1/Cip1}(+)/p27^{kip1}(+)$인 경우에 T1-2 (87.5%)가 많았고 $p21^{Waf1/Cip1}(-)/p27^{kip1}(-)$인 경우에는 T3-4(58.1%)가 많았다(P<0.05). 또한 Lauren 분류에서는 $p21^{Waf1/Cip1}(+)/p27^{kip1}$인 경우가 장형 (100%)에서만 나타났으며(P<0.05), $p21^{Waf1/Cip1}(-)/p27^{kip1}(-)$인 경우는 미만형인 경우(87.0%)가 장형(54.9%)의 경우보다 많은

• 대한방사선치료학회지
• /
• 제24권2호
• /
• pp.123-135
• /
• 2012

목 적: 비소세포성 폐암 환자의 호흡 조절 방사선 치료 시 호흡에 의한 종양의 움직임을 최소화하는 것이 필수적이다. 이에 본 연구에서는 자유호흡 주기와 제한호흡 주기를 각각 적용한 치료 계획을 비교, 분석하여 제한 호흡 주기의 유용성을 평가하고자 한다. 대상 및 방법: 2011년 4월부터 12월까지 비소세포성 폐암 환자 9명(tumor n=10)을 대상으로 환자에게 평소의 호흡주기를 바탕으로 측정한 '자유호흡 주기'와 의도적으로 줄인 '제한호흡 주기'를 '신호모니터-호흡(guided-breathing)'법을 사용하여 각각 훈련을 실시한 후 RPM과 4차원 전산화 단층촬영 모의치료기를 이용해 치료계획용 4D CT를 실시하여 총 10개의 호흡 위상(respiration phase)별 CT 영상을 획득하였다. 각 호흡 주기의 CT 영상에 관측자 두 명이 각각 설정한 육안적 종양체적(Gross Tumor Volume, GTV)과 내부표적체적(Internal Target Volume, ITV)부피를 측정, 비교하였고 들숨(end-inspiration, EI)인 0%와 날숨(end-exhalation, EE)인 50% 위상에서의 center of mass (COM)를 측정하여 종양 움직임의 진폭을 측정했다. 또한 관측자 두명이 각각 두 호흡 주기를 적용한 치료계획을 수립하였고 정상 폐 평균선량(mean dose to normal lung, MDTNL)과 정상 폐 용적의 정상조직합병증확률(normal tissue complication probability, NTCP)을 비교, 분석하였으며 측정된 자료의 정량적 평가를 위해 통계 분석을 실시했다. 결 과: 관측자 두 명의 '제한호흡 주기'를 적용한 치료 계획을 분석한 결과 '자유호흡 주기'에 비해 종양의 3D 방향 움직임이 관측자 1의 경우 38.75%, 관측자 2의 경우 41.10%의 감소율을 보였고 GTV와 ITV의 부피를 측정, 비교한 결과 GTV의 부피는 관측자 1의 경우 $14.96{\pm}9.44%$, 관측자 2의 경우 $19.86{\pm}10.62%$, ITV의 부피는 관측자 1의 경우 $8.91{\pm}5.91%$, 관측자 2의 경우 $15.52{\pm}9.01%$의 감소율을 보였으며 MDTNL과 NTCP를 분석, 비교한 결과 MDTNL은 관측자 1의 경우 $3.98{\pm}5.62%$, 관측자 2의 경우 $7.62{\pm}10.29%$의 감소율을, NTCP의 경우 관측자 1의 결과 $21.70{\pm}28.27%$, 관측자 2의 결과 $37.83{\pm}49.93%$의 감소율을 나타냈다. 또한 두 관측자의 결과 값의 상관관계를 분석한 결과 '자유호흡 주기'에서는 관측자간의 유의한 차이를 보이는 데 비해 '제한호흡 주기'에서는 관측자간의 차이가 없는 감소율을 보였다. 결 론: '자유호흡 주기'에 비해 '제한호흡 주기'를 적용한 치료 계획에서 평가인자들의 상대적인 감소를 나타내어 비소세포성 폐암 환자의 호흡 조절 방사선 치료 시 '제한호흡 주기'의 유용성 및 타당성을 확인할 수 있었다.

• 시큐리티연구
• /
• 제20호
• /
• pp.71-93
• /
• 2009

이 연구는 만성요통을 가진 민간 경호 경비원들을 대상으로 척추안정화 운동을 실시하여, 허리통증, 일상생활제한, 척추심부근육의 근단면적 변화에 미치는 영향을 비교 분석하고자 실시하였다. 연구 대상자는 서울 경기 지역 경호 경비업체에 종사하는 직원 중 만성요통(3개월 이상)을 호소하는 42명을 대상으로 일반적인 척추강화운동그룹, 척추안정화 운동 그룹으로 21명씩 무선 할당하여, 주 3회, 10주간 운동을 실시하였다. 실험 전 후 설문지를 이용하여 허리통증과 요통장애지수를 조사하였으며, 컴퓨터 단층촬영(CT)을 실시하여 다열근과 대요근의 근단면적을 측정하였으며, 실험 전 후 변화된 값을 비교 측정하여 다음과 같은 결과를 얻었다. 1. 통증강도와 요통장애지수는 두 그룹 모두 통계학적으로 유의하게 감소한 것으로 나타났다(p<0.01). 그룹 간 비교에서는 척추안정화 운동그룹이 일반적인 척추강화 운동그룹에 비하여 통증 및 일상생활제한의 감소폭이 더 큰 것으로 나타났다(p<0.05). 2. 두 그룹 간 다열근과 대요근의 근단면적 변화는 척추안정화 운동그룹이 일반적인 척추강화 운동그룹 보다 통계학적으로 유의하게 증가하였다(p<0.05). 이 연구 결과를 볼 때, 만성요통을 호소하는 민간 경호 경비원들을 대상으로 다열근과 대요근과 같은 심부근육 강화에 초점을 둔 척추안정화 운동프로그램이 일반적인 척추강화 운동프로그램 보다 통증 및 요통장애지수 감소와 심부근육의 근력 증가(근단면적)에 더 효과적인 것으로 나타났다. 따라서 척추안정화 운동이 만성요통 민간 경호 경비원들의 요통감소와 기능 회복에 효과적이라고 할 수 있겠다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제35권2호
• /
• pp.118-127
• /
• 2008

본 논문에서는 하악골 데이타에서 견고한 통계 형상 모델을 생성하기 위한 방법을 제안한다. 본 제안 방법은 다음과 같은 네 단계로 구성된다. 첫째, 3차원 입력 형상에 대해 패치 분할을 수행한다. 둘째, 부동 형상에 대한 대응 형상 생성을 위하여 훈련 집합의 모든 형상들을 패치의 형태와 비슷한 도형인 원에 매개화 과정을 수행한다. 셋째, 기준 형상과 각 부동 형상 간 일대일 매핑을 통해 대응 형상을 생성한다. 이때, 패치 경계 부분에서 대응 정점 생성이 불가능한 문제를 해결한다. 마지막으로 대응 형상들을 기준 형상으로 정렬하고, 주성분 분석 기법을 사용하여 통계 형상 모델을 생성한다. 제안 방법을 적용하여 생성한 3차원 하악골 통계 형상 모델의 정확성을 평가하기 위해 육안 평가와 부동 형상과 대응 형상 간 평균 거리 차이를 이용한 유사성 측정을 수행한다. 또한 형상 변화를 표현하는 모드를 이용하여 통계 형상 모델의 밀집도를 측정한다. 실험 결과 다양한 특성을 갖는 하악골 데이타로 생성된 3차원 통계 형상 모델은 부동 형상과 대응 형상 간 높은 유사성을 가지며 적은 수의 모드로 통계 형상 모델 표현됨을 보여 준다.

• 한국방사선학회논문지
• /
• 제17권3호
• /
• pp.423-431
• /
• 2023

본 연구의 목적은 환자의 신체정보와 인공지능 기법을 활용하여 부작용에 영향을 미치는 인자들을 분석하고 조영제 부작용의 정도를 예측하여 이를 완화하는 기초자료로 활용되고자 한다. 연구에 사용한 데이터는 서울 소재 종합병원의 검진을 시행한 CT 검사 58,000건 중 조영제 부작용이 발생한 1,235건 중 과거력 조사에서 조영제 부작용이 없었던 606명의 검사자를 대상자로 하였다. 606개 샘플 중 70%는 훈련 셋으로 사용하고 나머지 30%는 검증을 위한 테스트 셋으로 사용하였다. 나이, BMI(Body Mass Index), GFR(Glomerular Filtration Rate), BUN(Blood Urea Nitrogen), GGT(Gamma Glutamyl Transgerase), AST(Aspartate Amino Transferase,), and ALT(Alanine Amiono Transferase)의 feature를 독립변수로 조영제 중증도를 목표변수로 사용하였다. AdaBoost, Tree, Neural network, SVM, Random foest 알고리즘을 통해 AUC(Area under curve), CA(Classification Accuracy), F1, Precision, Recall을 파악하였다. 분류 예측에 사용된 알고리즘 중 가장 높은 평가지표를 나타내 것은 AdaBoost와 Random Forest이다. 모든 모델의 예측에서 가장 큰 요인은 GFR, BMI, GGT 이였다. 이는 신장 여과 기능, 비만에 따라 주입되는 조영제 양의 차이와 대사증후군의 여부에 따라 조영제 부작용 중증도에 영향을 미치는 것을 알 수 있었다.

• Korean Journal of Radiology
• /
• 제23권3호
• /
• pp.343-354
• /
• 2022

Objective: To develop and evaluate a deep learning-based artificial intelligence (AI) model for detecting skull fractures on plain radiographs in children. Materials and Methods: This retrospective multi-center study consisted of a development dataset acquired from two hospitals (n = 149 and 264) and an external test set (n = 95) from a third hospital. Datasets included children with head trauma who underwent both skull radiography and cranial computed tomography (CT). The development dataset was split into training, tuning, and internal test sets in a ratio of 7:1:2. The reference standard for skull fracture was cranial CT. Two radiology residents, a pediatric radiologist, and two emergency physicians participated in a two-session observer study on an external test set with and without AI assistance. We obtained the area under the receiver operating characteristic curve (AUROC), sensitivity, and specificity along with their 95% confidence intervals (CIs). Results: The AI model showed an AUROC of 0.922 (95% CI, 0.842-0.969) in the internal test set and 0.870 (95% CI, 0.785-0.930) in the external test set. The model had a sensitivity of 81.1% (95% CI, 64.8%-92.0%) and specificity of 91.3% (95% CI, 79.2%-97.6%) for the internal test set and 78.9% (95% CI, 54.4%-93.9%) and 88.2% (95% CI, 78.7%-94.4%), respectively, for the external test set. With the model's assistance, significant AUROC improvement was observed in radiology residents (pooled results) and emergency physicians (pooled results) with the difference from reading without AI assistance of 0.094 (95% CI, 0.020-0.168; p = 0.012) and 0.069 (95% CI, 0.002-0.136; p = 0.043), respectively, but not in the pediatric radiologist with the difference of 0.008 (95% CI, -0.074-0.090; p = 0.850). Conclusion: A deep learning-based AI model improved the performance of inexperienced radiologists and emergency physicians in diagnosing pediatric skull fractures on plain radiographs.

• 핵의학기술
• /
• 제14권2호
• /
• pp.9-16
• /
• 2010

본 연구는 방사성동위원소의 의학적 이용도가 증가함에 따라 의료기관 핵의학과 방사선 관계종사자의 직무 별 방사선 이용에 대한 개인 방사선 피폭선량의 실태를 파악하여, 방사선 위험에 대해 경각심을 고취시키고, 방사선 관계종사자들에게 안전관리와 합리적인 피폭선량 관리에 도움을 주고자 분석하였다. 2007년 1월 1일부터 2009년 12월 31일까지 의료기관에서 근무하는 핵의학 방사선 관계종사자로 분류되어 개인 방사선피폭선량 측정을 정기적, 연속적으로 3년 간 조사 관리된 40명의 종사자를 대상으로 직종 별, 영상실 별, 연령 별, 선량구간 별, 직무 별 관련업무를 파악하여 심부선량에 대하여 연간평균피폭선량을 각각 분석하였다. 분석법으로는 빈도분석과 ANOVA를 시행하였다. 3년 간 영상실 별 연간피폭선량은 PET 및 PET/CT 영상실이 11.06~12.62 mSv로 가장 높은 피폭선량을 보였고, 감마카메라 주사실이 11.72 mSv로 높았으며, 직종 별 연간평균피폭선량은 임상병리사가 8.92 mSv로 가장 높았고, 방사선사 7.50 mSv, 간호사 2.61 mSv, 연구원 0.69 mSv, 접수 0.48 mSv, 의사 0.35 mSv 순으로 나타났으며, 세부업무에 따른 직무별 연간평균피폭선량은 PET 및 PET/CT 업무가 12.09 mSv로 가장 높은 피폭선량을 보였으며, 감마카메라 주사실이 11.72 mSv, 싸이크로트론 관련 합성 업무 8.92 mSv, 감마카메라 영상업무 4.92 mSv, 치료 및 안전관리 2.98 mSv, 간호사 업무 2.96 mSv, 관리 업무 1.72 mSv, 영상분석 업무 0.92 mSv, 판독업무 0.54 mSv, 접수업무 0.51 mSv, 연구업무 0.29 mSv 순으로 나타났다. 선량구간 별 연간평균피폭선량은 연구대상자의 15명(37.5%)이 1 mSv이하의 선량분포와 5명(12.5%)이 1.01~5.0 mSv이하의 선량분포를 가지고 있었고, 5.01~10.0mSv에서 14명(35.0%), 10.01~20.0 mSv에서 6명(15.0%)의 분포로 분석되었다. 연령에 따른 연간평균피폭선량은 방사선사 직종에서는 25~34세 종사자가 8.69 mSv로 가장 높은 평균선량을 보였고, 근무기간에 따른 연간평균피폭선량은 방사선사 직종에서 5~9년 종사자가 9.5 mSv로 가장 높은 평균선량을 나타냈다. 고용형태에 따른 연간평균피폭선량은 정규직 임상병리사 8.92 mSv, 방사선사 7.82 mSv, 계약직 방사선사 7.55 mSv, 인턴직 방사선사 5.62 mSv, 계약직 간호사 2.61 mSv, 정규직 연구원 0.69 mSv, 접수 0.55 mSv, 의사 0.35mSv 순으로 피폭을 받는 것으로 나타났다. 이와 같은 결과로 볼 때 의료기관에서 근무하는 핵의학 방사선 관계종사자의 대부분이 현재의 방사선 안전관리가 실효성 있게 이루어지고 있었으며, 직무특성에 따라 많은 차이가 있는 것을 알게 되었다. 그러나 방사선 피폭을 최소화시키는 노력이 필요하며, 이를 위해서 체계적 교육과 합리적 피폭량 관리를 위한 체계가 필요하다고 사료된다.