• 핵의학기술
• /
• 제18권1호
• /
• pp.127-133
• /
• 2014

PET/CT에서 환자피폭 문제로 인해 저 선량의 중요성이 강조되고 있다. 본 연구에서는 기존에 사용되던 CT 데이터를 이용한 감쇠보정법인 CTAC와 새롭게 적용된 Q.AC를 환자실험과 팬텀 실험을 통해 저 선량으로 촬영 시 PET 영상에 미치는 영향에 대해 알아보고자 한다. 실험장비는 GE사의 PET/CT Discovery 710 (GE Healthcare, USA)를 사용하였으며 팬텀실험으로 감쇠보정의 정량적 평가를 위한 NEMA IEC body phantom과 균일성 평가를 위한 Uniform NU2-94 phantom을 사용하였다. 각각의 팬텀 내부에 동위원소 18-F FDG를 70.78 MBq, 22.2 MBq 주입하고 CT조건은 저 선량조건으로 80 kVp, 10 mA로부터 일반선량 조건으로 140 kVp, 120 mA 조건까지 스캔 후 CTAC와 Q.AC 두 감쇠보정법을 적용하여 재구성하였다. PET 영상에서 일반선량 조건을 기준값으로 정하고 horizomtal profile과 vertical profile을 통해 정량평가를 시행하고 기준값과의 상대적 오차를 평가하였다. 또한 환자실험으로 정상체중 환자와 과체중 환자를 구분하여 저 선량과 일반선량으로 비교 촬영한 뒤 CTAC와 Q.AC로 재구성된 PET영상에서 주요장기별 SUV에 대한 상대적 오차와 신호 대 잡음비를 비교분석하였다. 팬텀실험 결과 저선량 조건에서 CTAC와 Q.AC로 각각 재구성한 PET 영상의 profile과 상대적 오차에서 CTAC보다 Q.AC가 기준값과의 오차가 적은 그래프를 얻었다. 환자실험의 경우 일반선량 조건에서는 정상체중 환자와 과체중 환자 모두 감쇠보정법에 따른 상대적 오차값의 변화가 적었으나 저 선량 조건에서는 정상체중 환자보다 과체중 환자에서 감쇠보정법의 변경에 의한 상대적 오차의 감소폭이 커짐으로 기준값과 차이가 감소하였다. 기존의 감쇠보정법인 CTAC는 80 kVp, 10 mA의 저선량 CT를 사용하는데 있어 PET 영상의 선속경화현상이 발생한다. 이로 인해 CTAC를 이용하여 재구성된 PET 데이터는 정량화하는데 문제가 될 수 있음을 확인했다. 반면에 새로운 알고리즘이 적용된 Q.AC는 과체중 환자의 경우 80 kVp, 10 mA 정도까지는 140 kVp, 120 mA 조건으로 촬영하여 재구성한 PET 데이터 결과와 차이가 적음을 확인할 수 있었다. Q.AC를 이용한 경우 기존보다 저 선량의 CT를 이용해 PET의 재구성에 이용할 수 있으므로 환자의 피폭을 줄이는 데 큰 역할을 할 것으로 기대한다.

• Investigative Magnetic Resonance Imaging
• /
• 제2권1호
• /
• pp.113-119
• /
• 1998

목적 : 자궁경부 선암종은 자궁경부 편평 세포 암종보다 림프절 전이와 국소적인 파급이 빨리 일어나고 5년 생존율이 낮으므로 임상적으로 선암종이 진단되었거나 의심될 경우에는 방바선학적 검사로 종양의 림프절 전이와 국소적인 파급을 세심하게 평가할 필요가 있다. 본 연구의 목적은 자궁경부 선암조의 자기공명영상(MRI) 소견을 분석하려 편평 세포암종과 다른 특징이 있는지 알아보는 데에 있다. 대상 및 방법 : 병리학적으로 확진된 자궁경부 선암종 환자 21명 중 MRI에서 종양이 관찰되는 18명(조직학적 병기 : Ib 10예, IIa 4예, IIb 2예, IIIa 1예, IIIb 1예)을 대상으로 그 MRI 소견을 후향적으로 분석한 후, 최근에 연속적으로 입원하여 편평 세포 암종으로 확진된 40명의 환자로 구성된 대조군과 비교하였다. 1.5T의 MRI기기로 조영 전후의 T1강조 및 급속 스핀 에코 T2 강조 영상을 축상 및 시상면에서 얻었다. MRI에 나타난 종양의 최대직경, 위치, 신호강도 및 조영증강정도, 윤곽, 형태, 상하 침범 범위, 동반 질환 유무 등을 분석하였다. 결과 : 자궁경부 선암종의 최대 직경은 0.8-4.1cm(평균 2.2cm)이었고, 이 종양이 경관내막을 따라 위치한 경우가 9예이었다. 모든 선암종의 신호 강도는 T1 강조 영상에서 주위 자궁경부 간질과 비슷하였고 급속 스핀 에코 T2 강조 영상에서는 높았다(균질성 10, 비균질성 8). 모든 선암종은 gadolinium 정맥 주입시 모두 조영 증강되었다(균질성 6, 비균질성 12 : 높은 신호강도의 고리 2). 선암종의 윤곽이 매끈한 경우가 8예이었고, 불규칙한 경우가 10예이었다. 선암종의 모든 예에서 자궁경부의 하부가 침범되었는데, 이중에서도 상부까지 침범된 경우는 6예이었다. 선암종 2예에서는 MRI상 직경 1.5cm 이상의 골반강 림프절들이 관찰되었고, 1예의 MRI에서는 림프절이 관찰되지 않았는데, 병리 검사상 모두 악성으로 판명되었다. 2예의 선암종에서 자궁 유수증이, 1예에서 자궁 유혈증이 동반되었다. 이상의 소견을 편평 세포 암종의 대조군과 비교하였을 대 선암종에서 경관내막형과 술통형이 더 많은 것이 통계학적으로 유의하였다. 결론 : 자궁경부 선암종은 편평 세포 암종에 비해 경과내막형, 술통형이 많은 MRI 소견을 보였다. MRI에서 자궁경부암의 모양이 경관내막을 따라 술통형이거나 병기가 낮은데도 주위 림프절로 파급되는 경향을 보이면, 자궁경부 선암종을 의심할 수 있을 것이다.

• 지구물리와물리탐사
• /
• 제6권3호
• /
• pp.126-133
• /
• 2003

고해상 해저 탄성파탐사는 자원, 엔지니어링 탐사 그리고 제4기 해저지질조사에 활용되어 왔다. 해저지층영상의 해상도를 높이기 위하여 다중채널 디지털 탐사가 시도되었다. 해저지층영상의 품질은 수직 및 수평해상도, 신호대잡음비 등에 좌우되며 이는 현장자료취득 시 자료추출간격, 공통중간점(CMP)간격, 중합수 등과 같은 자료취득변수에 관계된다. 자료취득변수에 따른 해상도의 효과를 알아보기 위하여 여수근해에서 시험탐사를 수행하고 취득된 자료를 분석하였다. 음원은 30 $in^3$의 소형 에어건을 사용하였고 수신장치로 그룹간격 5m의 8채널 스트리머를 사용하였다. 2s의 등시간 발파간격으로, 0.1 ms 자료추출간격의 디지털자료를 취득하였다. 취득된 자료로부터 여러가지의 자료추출간격, CMP간격과 중합수에 대한 탄성파 단면도를 제작하고 그 해상도를 비교하였다. 탐사지역에서 나타난 두께 ${\~}1m$, 경사 ${\~}6^{\circ}$의 미세한 퇴적상의 재현을 위한 자료취득 변수를 분석한 결과, 0.2 ms보다 작은 자료추출간격, 2.5 m 보다 작은 CMP간격, 그리고 4 이상의 중합수를 사용하였을 때, 지층구분 해상도가 높고, 연속성이 좋으며 잡음이 적은 단면기록을 제작할 수 있었다. 천부 해저지층영상의 해상도는 현장자료취득변수에 관계되므로 탐사심도, 탐사지역의 범위 등 탐사목적에 따라 적절한 자료취득변수를 사용함으로써 목적에 부합하는 해저지층영상을 재현시킬 수 있다.

• Tuberculosis and Respiratory Diseases
• /
• 제42권6호
• /
• pp.862-870
• /
• 1995

연구배경: 산소기의 작용은 과거에는 세포독성이 주로 알려져 있었던 반면, 최근 들어 산소기의 세포내 신호전달체계에서의 역할에 많은 사람의 관심이 모이고 있다. 여러 cytokine의 전사인자(transcription factor)로 작용하는 $NF{\kappa}B$는 기저상태에서는 세포질에 존재하는데 $I{\kappa}B$와 결합되어 핵내로의 이동이 억제되고 있다. 여러 연구에 의해 $NF{\kappa}B$의 $I{\kappa}B$로부터의 분리는 외부자극에 의해 생성된 산소기에 의한 것으로 알려졌는데, 이렇게 하여 분리된 $NF{\kappa}B$가 핵내로 이동하면 핵내에서 전사인자로 작용하여 여러 유전자의 전사를 증가시키는 것이 보고되었다. IL-8 유전자는 5'flanking promotor region에 $NF{\kappa}B$-like motif가 있어 핵내 $NF{\kappa}B$ activity의 증가로 IL-8 유전자의 전사가 증가되는 것으로 알려졌고, 또한 내독소는 핵내의 $NF{\kappa}B$ activity의 증가와 함께 호중구에서의 산소기의 분비를 가져온다. 이러한 사실로부터 내독소에 의한 IL-8 유전자의 발현은 세포내에서 생성된 산소기에 의해 $NF{\kappa}B$가 $I{\kappa}B$로부터 분리되어 핵내로 이동하고 이로 인해 IL-8 유전자의 전사가 증가되는 가설을 생각할 수 있다. 저자들은 이러한 가설 검정의 첫번째 단계로써 체내 염증반응에서 중요한 역할을 하는 말초혈액 단핵구의 IL-8 및 IL-$1{\beta}$ 유전자 발현에 세포내의 산소기가 관여하는지의 여부를 평가하고자 본 연구를 시행하였다. 방법: Ficoll-Hypaque density gradient 법과 plastic 부착법을 이용하여 말초혈액 단핵구를 분리하였다. 외부에서 투여한 산소기의 농도에 따른 IL-8 및 IL-$1{\beta}$ mRNA 발현의 유무를 관찰하기 위하여 $H_2O_2$를 0, 10, 100, $300{\mu}M/L$, 1mM/L의 농도로 투여하고 6시간이 경과한후 IL-8 및 IL-$1{\beta}$에 대한 Northern blot analysis를 시행하였다. 시간에 따른 IL-8 및 IL-$1{\beta}$ mRNA 변화를 관찰하고자 $H_2O_2$를 $100{\mu}M/L$의 농도로 투여하고 0, 2, 4, 6, 8, 24시간이 경과한 후 Northern blot analysis를 시행하였다. 항산화제가 내독소에 의한 IL-8과 IL-$1{\beta}$ mRNA 발현에 미치는 영향을 평가하기 위하여 TMTU(10 mM/L) 1시간; PDTC($100{\mu}M/L$) 1시간, NAC(10 mM/L) 2.5시간, ME(10mM/(L) 2.5시간, Desferrioxamine(100mM/L) 15시간 동안 전처치 한 디음 내독소를 투여허여 4시간이 경과한 후 IL-8 및 IL-$1{\beta}$ mRNA에 대한 Northern blot analysis를 시행하였다. 결과: $H_2O_2$농도 및 시간에 따른 말초혈액 단핵구에서의 IL-8 및 IL-$1{\beta}$ mRNA의 발현에는 유의한 차이가 관찰되지 않았지만 항산화제로 전처치하였을 때 내독소에 의한 말초혈액 단핵구에서의 IL-8 및 IL-$1{\beta}$ mRNA의 발현이 억제되었고 그 억제정도는 TMTU에서 가장 현저하였다. 결론: 이상의 결과에서 말초혈액 단핵구에서의 IL-8 및 IL-$1{\beta}$ mRNA 발현에 $H_2O_2$가 아닌 다른 산소기가 일부 관여할 것으로 생각된다.

• 지능정보연구
• /
• 제26권2호
• /
• pp.1-25
• /
• 2020

본 연구에서는 모바일 기기를 이용하여 획득한 가스계량기 사진을 서버로 전송하고, 이를 분석하여 가스 사용량 및 계량기 기물 번호를 인식함으로써 가스 사용량에 대한 과금을 자동으로 처리할 수 있는 응용 시스템 구조를 제안하고자 한다. 모바일 기기는 일반인들이 사용하는 스마트 폰에 준하는 기기를 사용하였으며, 획득한 이미지는 가스 공급사의 사설 LTE 망을 통해 서버로 전송된다. 서버에서는 전송받은 이미지를 분석하여 가스계량기 기물 번호 및 가스 사용량 정보를 추출하고, 사설 LTE 망을 통해 분석 결과를 모바일 기기로 회신한다. 일반적으로 이미지 내에는 많은 종류의 문자 정보가 포함되어 있으나, 본 연구의 응용분야인 가스계량기 자동 검침과 같이 많은 종류의 문자 정보 중 특정 형태의 문자 정보만이 유용한 분야가 존재한다. 본 연구의 응용분야 적용을 위해서는 가스계량기 사진 내의 많은 문자 정보 중에서 관심 대상인 기물 번호 및 가스 사용량 정보만을 선별적으로 검출하고 인식하는 관심 문자열 인식 기술이 필요하다. 관심 문자열 인식을 위해 CNN (Convolutional Neural Network) 심층 신경망 기반의 객체 검출 기술을 적용하여 이미지 내에서 가스 사용량 및 계량기 기물번호의 영역 정보를 추출하고, 추출된 문자열 영역 각각에 CRNN (Convolutional Recurrent Neural Network) 심층 신경망 기술을 적용하여 문자열 전체를 한 번에 인식하였다. 본 연구에서 제안하는 관심문자열 기술 구조는 총 3개의 심층 신경망으로 구성되어 있다. 첫 번째는 관심 문자열 영역을 검출하는 합성곱신경망이고, 두 번째는 관심 문자열 영역 내의 문자열 인식을 위해 영역 내의 이미지를 세로 열 별로 특징 추출하는 합성곱 신경망이며, 마지막 세 번째는 세로 열 별로 추출된 특징 벡터 나열을 문자열로 변환하는 시계열 분석 신경망이다. 관심 문자열은 12자리 기물번호 및 4 ~ 5 자리 사용량이며, 인식 정확도는 각각 0.960, 0.864 이다. 전체 시스템은 Amazon Web Service 에서 제공하는 클라우드 환경에서 구현하였으며 인텔 제온 E5-2686 v4 CPU 및 Nvidia TESLA V100 GPU를 사용하였다. 1일 70만 건의 검침 요청을 고속 병렬 처리하기 위해 마스터-슬레이브 처리 구조를 채용하였다. 마스터 프로세스는 CPU 에서 구동되며, 모바일 기기로 부터의 검침 요청을 입력 큐에 저장한다. 슬레이브 프로세스는 문자열 인식을 수행하는 심층 신경망으로써, GPU에서 구동된다. 슬레이브 프로세스는 입력 큐에 저장된 이미지를 기물번호 문자열, 기물번호 위치, 사용량 문자열, 사용량 위치 등으로 변환하여 출력 큐에 저장한다. 마스터 프로세스는 출력 큐에 저장된 검침 정보를 모바일 기기로 전달한다.