• 대한영상의학회지
• /
• 제83권6호
• /
• pp.1327-1341
• /
• 2022

목적 국내 디지털 유방 토모신테시스(digital breast tomosynthesis; 이하 DBT) 사용 현황 및 영상의학과 의사들의 DBT에 대한 인식 및 사용자 요구조건에 관해 알아보고자 하였다. 대상과 방법 2021년 3월 대한 유방영상의학회 회원들을 대상으로 DBT와 관련한 26개의 객관식 문항과 1개의 주관식 문항이 포함된 온라인 설문조사를 시행하였다. 설문 문항은 기본 정보, 유방촬영술 및 DBT에 대한 진료 현황, DBT 인식, 관련 연구 경험 및 관심도를 포함하였다. 결과는 로지스틱 회귀분석을 이용하여 분석하였다. 결과 총 257명의 회원 중 120명이 응답하여, 응답률은 46.7%였다. 응답자 중 67명(55.8%)이 현재 DBT를 사용하고 있는 것으로 나타났다. DBT의 전반적인 만족도는 5점 척도를 사용하여 평균 3.31점이었다. DBT 검사의 장점으로 가장 많이 응답한 것은 소환율 감소(55.8%), 병변의 명확도 향상(48.3%), 유방암 발견율 향상(45.8%)이었고, 단점으로 많이 응답한 것은 환자의 추가비용 부담46.7%), 불충분한 미세석회화 검출(43.3%), 불충분한 진단능 향상 효과(39.2%), 방사선량 증가(35.8%)였다. DBT가 더 널리 사용되지 못하는 원인으로는 영상의 저장 용량, 판독 시간 증가를 주요 요인으로 응답하였다. 결론 DBT 사용이 보다 보편화되기 위해서는 사용자 불편사항과 피드백을 반영한 향후 기술개발이 필요하겠다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.1-23
• /
• 2018

E-commerce 환경의 발전으로 소비자들은 다양한 상품들을 한 자리에서 폭 넓게 비교할 수 있게 되었다. 하지만 온라인 쇼핑몰에 올라와있는 상당량의 주요 상품 정보들이 이미지 형태이기 때문에 컴퓨터가 인지할 수 있는 텍스트 기반 검색 시스템에 반영될 수 없다는 한계가 존재한다. 이러한 한계점은 일반적으로 기존 기계학습 기술 및 OCR(Optical Character Recognition) 기술을 활용해, 이미지 형태로 된 키워드를 인식함으로써 개선할 수 있다. 그러나 기존 OCR 기술은 이미지 안에 글자가 아닌 그림이 많고 글자 크기가 작으면 낮은 인식률을 보인다는 문제가 있다. 이에 본 연구에서는 기존 기술들의 한계점을 해결하기 위하여, 딥러닝 기반 사물인식 모형 중 하나인 SSD(Single Shot MultiBox Detector)를 개조하여 이미지 형태의 상품 카탈로그 내의 텍스트 인식모형을 설계하였다. 하지만 이를 학습시키기 위한 데이터를 구축하는 데 상당한 시간과 비용이 필요했는데, 이는 지도학습의 방법론을 따르는 SSD 모형은 훈련 데이터마다 직접 정답 라벨링을 해줘야 하기 때문이다. 본 연구는 이러한 문제점을 해결하기 위해 '훈련 데이터 자동 생성 프로그램'을 함께 개발하였다. 훈련 데이터 자동 생성 프로그램을 통해 수작업으로 데이터를 만드는 것에 비하여 시간과 비용을 대폭 절감할 수 있었으며, 생성된 훈련용 데이터를 통해 모형의 인식 성능을 높일 수 있었다. 더 나아가 실험연구를 통해 자동으로 생성된 훈련 데이터의 특징별로 인식기 모형의 성능에 얼마나 큰 영향을 끼치는지 알아보고, 성능 향상에 효과적인 데이터의 특징을 분석하였다. 본 연구를 통해서 개발된 상품 카탈로그 내 텍스트 인식모형과 훈련 데이터 자동 생성 프로그램은 온라인 쇼핑몰 판매자들의 상품 정보 등록 수고를 줄여줄 수 있으며, 구매자들의 상품 검색 시 결과의 정확성을 향상시키는 데 기여할 수 있을 것으로 기대한다.

• Radiation Oncology Journal
• /
• 제28권3호
• /
• pp.155-165
• /
• 2010

목 적: 4-dimensional computed tomography (4DCT) 영상과 on board imaging (OBI) 및 real time position management (RPM) 장치로 매 회 치료 시마다 얻은 호흡연동 직각 kilovolt (KV) 준비 영상(gated orthogonal kilovolt setup image)을 이용해 간암 환자를 치료하는 동안 발생하는 종양 위치의 불확실성을 평가하고자 했다. 대상 및 방법: 3차원입체조형치료가 예정된 20명의 간암 환자를 대상으로 RPM과 전산화단층촬영모의치료기를 이용해 치료계획용 4DCT를 시행했다. 표적 근처에 위치한 간동맥화학색전술 후 집적된 리피오돌(lipiodol) 혹은 횡격막을 종양의 위치 변이를 측정하는 표지자로 선택했다. 표지자의 위치 차이를 이용해 온라인 분할간 및 분할중 내부 장기 변이와 움직임 진폭을 측정했다. 측정된 자료의 정량적 평가를 위해 통계 분석을 실시했다. 결 과: 20명 환자로부터 측정된 표지자의 분할간변이의 중앙값은 X (transaxial), Y (superior-inferior), Z (anterior-posterior) 축에서 각각 0.00 cm (범위, -0.50~0.90 cm), 0.00 cm (범위, -2.4~1.60 cm), 0.00 cm (범위, -1.10~0.50 cm) 였다. 4명의 환자에서 X, Y, Z축 중 하나 이상에서 0.5 cm를 초과하는 변이가 관찰되었다. 4DCT와 호흡연동 직각 준비 영상으로부터 얻은 표적의 움직임 진폭의 차이는 X, Y, Z 축에서 각각 중앙값이 -0.05 cm (범위, -0.83~0.60 cm), -0.15 cm (범위, -2.58~1.18 cm), -0.02 cm (범위, -1.37~0.59 cm) 였다. 두 영상간 표적의 움직임 진폭 차이가 1 cm를 초과하는 환자가 Y축 방향으로 3명 관찰되었으며, 0.5 cm 초과 1 cm 미만의 차이를 보이는 환자도 Y축과 Z축 방향을 합쳐 5명 관찰되었다. 분할중 표지자 위치 변이의 중앙값은 X, Y, Z축에서 각각 0.00 cm (범위, -0.30~0.40 cm), -0.03 cm (범위, -1.14~0.50 cm), 0.05 cm (범위, -0.30~0.50 cm)였으며 2명의 환자에서 1 cm를 초과하는 변이가 Y축 방향으로 관찰되었다. 결 론: 4DCT와 호흡연동 직각 KV 준비 영상으로 얻은 표지자의 분할간, 분할중 및 움직임 진폭에서 큰 변이가 관찰되었다.

• 지능정보연구
• /
• 제20권2호
• /
• pp.109-122
• /
• 2014

현재 우리는 소셜 네트워크 서비스(Social Network Service, 이하 SNS) 상에서 수많은 데이터를 만들어 내고 있다. 특히, 모바일 기기와 SNS의 결합은 과거와는 비교할 수 없는 대량의 데이터를 생성하면서 사회적으로도 큰 영향을 미치고 있다. 이렇게 방대한 SNS 데이터 안에서 사람들이 많이 이야기하는 이슈를 찾아낼 수 있다면 이 정보는 사회 전반에 걸쳐 새로운 가치 창출을 위한 중요한 원천으로 활용될 수 있다. 본 연구는 이러한 SNS 빅데이터 분석에 대한 요구에 부응하기 위해, 트위터 데이터를 활용하여 트위터 상에서 어떤 이슈가 있었는지 추출하고 이를 웹 상에서 시각화 하는 트위터이슈 트래킹 시스템 TITS(Twitter Issue Tracking System)를 설계하고 구축 하였다. TITS는 1) 일별 순위에 따른 토픽 키워드 집합 제공 2) 토픽의 한달 간 일별 시계열 그래프 시각화 3) 토픽으로서의 중요도를 점수와 빈도수에 따라 Treemap으로 제공 4) 키워드 검색을 통한 키워드의 한달 간 일별 시계열 그래프 시각화의 기능을 갖는다. 본 연구는 SNS 상에서 실시간으로 발생하는 빅데이터를 Open Source인 Hadoop과 MongoDB를 활용하여 분석하였고, 이는 빅데이터의 실시간 처리가 점점 중요해지고 있는 현재 매우 주요한 방법론을 제시한다. 둘째, 문헌정보학 분야뿐만 아니라 다양한 연구 영역에서 사용하고 있는 토픽 모델링 기법을 실제 트위터 데이터에 적용하여 스토리텔링과 시계열 분석 측면에서 유용성을 확인할 수 있었다. 셋째, 연구 실험을 바탕으로 시각화와 웹 시스템 구축을 통해 실제 사용 가능한 시스템으로 구현하였다. 이를 통해 소셜미디어에서 생성되는 사회적 트렌드를 마이닝하여 데이터 분석을 통한 의미 있는 정보를 제공하는 실제적인 방법을 제시할 수 있었다는 점에서 주요한 의의를 갖는다. 본 연구는 JSON(JavaScript Object Notation) 파일 포맷의 1억 5천만개 가량의 2013년 3월 한국어 트위터 데이터를 실험 대상으로 한다.