• Journal of Korean Neurosurgical Society
• /
• 제66권1호
• /
• pp.53-62
• /
• 2023

Objective : Deep learning is a machine learning approach based on artificial neural network training, and object detection algorithm using deep learning is used as the most powerful tool in image analysis. We analyzed and evaluated the diagnostic performance of a deep learning algorithm to identify skull fractures in plain radiographic images and investigated its clinical applicability. Methods : A total of 2026 plain radiographic images of the skull (fracture, 991; normal, 1035) were obtained from 741 patients. The RetinaNet architecture was used as a deep learning model. Precision, recall, and average precision were measured to evaluate the deep learning algorithm's diagnostic performance. Results : In ResNet-152, the average precision for intersection over union (IOU) 0.1, 0.3, and 0.5, were 0.7240, 0.6698, and 0.3687, respectively. When the intersection over union (IOU) and confidence threshold were 0.1, the precision was 0.7292, and the recall was 0.7650. When the IOU threshold was 0.1, and the confidence threshold was 0.6, the true and false rates were 82.9% and 17.1%, respectively. There were significant differences in the true/false and false-positive/false-negative ratios between the anterior-posterior, towne, and both lateral views (p=0.032 and p=0.003). Objects detected in false positives had vascular grooves and suture lines. In false negatives, the detection performance of the diastatic fractures, fractures crossing the suture line, and fractures around the vascular grooves and orbit was poor. Conclusion : The object detection algorithm applied with deep learning is expected to be a valuable tool in diagnosing skull fractures.

• 한국방사선학회논문지
• /
• 제18권3호
• /
• pp.187-201
• /
• 2024

골다공증은 전 세계적으로 주요한 건강 문제임에도 불구하고, 골절 발생 전까지 쉽게 발견되지 않는 단점을 가지고 있습니다. 본 연구에서는 골다공증 조기 발견 능력 향상을 위해, 복부 컴퓨터 단층 촬영(Computed Tomography, CT) 영상을 활용하여 정상-골감소증-골다공증으로 구분되는 골다공증 단계를 체계적으로 분류할 수 있는 딥러닝(Deep learning, DL) 시스템을 개발하였습니다. 총 3,012개의 조영제 향상 복부 CT 영상과 개별 환자의 이중 에너지 X선 흡수 계측법(Dual-Energy X-ray Absorptiometry, DXA)으로 얻은 T-점수를 활용하여 딥러닝 모델 개발을 수행하였습니다. 모든 딥러닝 모델은 비정형 이미지 데이터, 정형 인구 통계 정보 및 비정형 영상 데이터와 정형 데이터를 동시에 활용하는 다중 모달 방법에 각각 모델 구현을 실현하였으며, 모든 환자들은 T-점수를 통해 정상, 골감소증 및 골다공증 그룹으로 분류되었습니다. 가장 높은 정확도를 갖는 모델 우수성은 비정형-정형 결합 데이터 모델이 가장 우수하였으며, 수신자 조작 특성 곡선 아래 면적이 0.94와 정확도가 0.80를 제시하였습니다. 구현된 딥러닝 모델은 그라디언트 가중치 클래스 활성화 매핑(Gradient-weighted Class Activation Mapping, Grad-CAM)을 통해 해석되어 이미지 내에서 임상적으로 관련된 특징을 강조했고, 대퇴 경부가 골다공증을 통해 골절 발생이 높은 위험 부위임을 밝혔습니다. 이 연구는 DL이 임상 데이터에서 골다공증 단계를 정확하게 식별할 수 있음을 보여주며, 조기에 골다공증을 탐지하고 적절한 치료로 골절 위험을 줄일 수 있는 복부 컴퓨터 단층 촬영 영상의 잠재력을 제시할 수 있습니다.

• 지구물리와물리탐사
• /
• 제19권1호
• /
• pp.1-10
• /
• 2016

셰일가스 개발 과정에서 수압 파쇄에 의해 발생하는 미소지진의 진원 분포는 균열대의 특성을 파악하는 데 필요한 중요한 정보를 제공한다. 본 연구에서는 가상의 진원에 대하여 부정확한 속도 구조 모델이 선형 역산법을 이용한 진원 결정 프로그램인 hypoellipse와 hypoDD의 결과에 어떠한 영향을 미치는 지에 대해서 알아보았다. 총 98개의 가상 관측소를 반경 4 km의 원내에 배치하였고, 25개의 지진들이 판상으로 분포한 가상 지진 세트를 관측망의 중심부에서부터 남쪽으로 1 km 간격으로 5곳에 배치하였다(S0 ~ S4). 역산 결과의 정확성을 정량적으로 평가하기 위해 진원들의 평균 위치의 차이를 의미하는 $d_1$, 가정한 진원에 대한 면적비 r, 근사 평면과 실제 평면의 경사 차이 ${\theta}$, 근사 평면과 실제 평면의 주향 차이 ${\phi}$, 근사 평면으로부터 진원들이 떨어진 거리의 제곱평균제곱근 $d_2$, 평면상에서의 진원들의 패턴의 정확성 $d_3$의 6가지 파라미터를 정의하였다. 층상 구조를 가정한 기준 속도 구조를 만들어 합성 주시자료를 계산하였으며, 속도 구조의 부정확성을 고려하기 위하여 진원 역산에 사용한 속도 구조 모델은 각 층의 기준 속도를 중심으로 0.1 km/s, 0.2 km/s, 및 0.3 km/s의 표준편차를 가지는 정규분포를 이용하여 구성하였다. 속도의 부정확성에 비례하여 오차가 커지는 파라미터에는 $d_1$, r, ${\theta}$, 및 $d_3$가 있으며, 나머지 두 파라미터는 S4의 경우를 제외하면 속도 부정확성의 정도와 관계없이 일정한 오차를 보여준다. S0, S1, S2, S3의 경우, hypoellipse와 hypoDD 모두 비슷한 $d_1$ 값을 나타낸다. 하지만 다른 파라미터의 경우 hypoDD가 훨씬 나은 결과를 보여주며, 진원의 상대적 오차는 속도 구조의 부정확도와 관계없이 수 미터 이하이다. 수압 파쇄의 부피 양상을 알기 위한 목적으로 상대적 진원 위치 부정확성을 수 미터 이내로 제한시키기 위해서 hypoellipse에서는 0.2 km/s 이내의 속도 오차의 표준편차를 가져야하며, hypoDD에서는 속도 오차의 표준편차 값이 0.3 km/s일 때에도 상대적 진원 위치 오차를 수 미터 이내로 제한시킬 수 있다.

• 터널과지하공간
• /
• 제17권2호
• /
• pp.109-118
• /
• 2007

굴착손상영역(EDZ)은 굴착으로 인해 현지 암반이 역학적으로 손상을 입게 되어 응력상태, 변위상태, 암반의 안정성, 지하수의 흐름상태 등에 변화가 일어나는 영역을 의미한다. EDZ의 역학적 특성과 관련한 많은 연구들이 수행되었지만, EDZ에서의 지하수 유동 특성에 관한 연구는 아직 부족한 수준이다. 본 연구에서는 굴착으로 인한 수리-역학 상호작용(coupling)에 의해 굴착면 주변의 수리적 간극값이 변하는 영역을 수리적 굴착 thstkdduddudr이라 정의하고, 이를 3차원 분리단열망(DFN)에 적용시켜 보았다. 이를 통해 수리적 간극변화가 3차원 불연속 망에서의 전반적인 지하수 유동에 미치는 영향을 파악하였다. 또한 3차원 DFN 지하수 유동 해석 시 주로 이용되는 수두 조건과 유량 조건의 적용성을 고찰하였다. 해석 결과 수리-역학적 상호거동에 의해 발생하는 굴착면 주변의 수리적 간극변화는 터널 내부로 유입되는 유량에 큰 영향을 미치는 것으로 나타났다. 또한 DFN 해석 시 다양한 경계조건에 따른 상이한 결과를 토대로 보다 합리적인 경계조건 설정에 대한 방향을 제시하였다. 마지막으로 실제 현장에서 수리해석을 실시한 자료를 바탕으로 수리적 간극 값의 변화를 고려할 때와 고려하지 않을 때의 유입유량 차이를 통해, 3차원 지하공동의 지하수 유동해석 시 수리적 간극 값의 변화를 고려하는 것이 보다 더 보수적인 결과를 나타내는 것을 확인하였다.