• 한국방사선학회논문지
• /
• 제16권5호
• /
• pp.595-602
• /
• 2022

본 연구는 딥러닝을 이용한 흉부 X선 폐렴 영상에 대하여 정확하고 효율적인 의료영상의 자동진단을 위해서 가장 효율적인 학습률을 제시하고자 하였다. Inception V3 딥러닝 모델에 학습률을 0.1, 0.01, 0.001, 0.0001로 각각 설정한 후 3회 딥러닝 모델링을 수행하였다. 그리고 검증 모델링의 평균 정확도 및 손실 함수 값, Test 모델링의 Metric을 성능평가 지표로 설정하여 딥러닝 모델링의 수행 결과로 획득한 결과값의 3회 평균값으로 성능을 비교 평가하였다. 딥러닝 검증 모델링 성능평가 및 Test 모델링 Metric에 대한 성능평가의 결과, 학습률 0.001을 적용한 모델링이 가장 높은 정확도와 우수한 성능을 나타내었다. 이러한 이유로 본 논문에서는 딥러닝 모델을 이용한 흉부 X선 영상에 대한 폐렴 유무 분류 시 학습률을 0.001로 적용할 것을 권고한다. 그리고 본 논문에서 제시하는 학습률의 적용을 통한 딥러닝 모델링 시 흉부 X선 영상에 대한 폐렴 유무 분류에 대한 인력의 보조적인 역할을 수행할 수 있을 거라고 판단하였다. 향후 딥러닝을 이용한 폐렴 유무 진단 분류 연구가 계속해서 진행될 시, 본 논문의 논문 연구 내용은 기초자료로 활용될 수 있다고 여겨지며 나아가 인공지능을 활용한 의료영상 분류에 있어 효율적인 학습률 선택에 도움이 될 것으로 기대된다.

• Imaging Science in Dentistry
• /
• 제46권3호
• /
• pp.179-184
• /
• 2016

Purpose: In the present study, we coined the term 'alveolar dome' and aimed to demonstrate the prevalence of alveolar domes through digital periapical radiographs. Materials and Methods: This study examined 800 digital periapical radiographs in regard to the presence of alveolar domes. The periapical radiographs were acquired by a digital system using a photostimulable phosphor (PSP) plate. The ${\chi}^2$ test, with a significance level of 5%, was used to compare the prevalence of alveolar domes in the maxillary posterior teeth and, considering the same teeth, to verify the difference in the prevalence of dome-shaped phenomena between the roots. Results: The prevalence of alveolar domes present in the first pre-molars was statistically lower as compared to the other maxillary posterior teeth (p<0.05). No statistically significant difference was observed in the prevalence of alveolar domes between the maxillary first and second molars. Considering the maxillary first and second molars, it was observed that the palatal root presented a lower prevalence of alveolar domes when compared to the distobuccal and mesiobuccal roots (p<0.05). Conclusion: The present study coined the term 'alveolar dome', referring to the anatomical projection of the root into the floor of the maxillary sinus. The maxillary first and second molars presented a greater prevalence of alveolar domes, especially in the buccal roots, followed by the third molars and second pre-molars. Although the periapical radiograph is a two-dimensional method, it can provide dentists with the auxiliary information necessary to identify alveolar domes, thus improving diagnosis, planning, and treatment.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2010년도 추계학술대회
• /
• pp.773-775
• /
• 2010

의료용 X-선 고전압발생장치는 작동 시 높은 용량의 입력전원이 필요하며, 만약 전원환경이 적합하지 않을 경우 X-선 고전압발생장치를 사용하지 못하거나 불안정한 작동으로 인해 원활한 작동이 불가능해 진다. 전원환경에 따라 제품이 불안정 할 경우 환자 진료에 지장이 생길 수 있는 것을 감안하여 상용전원을 사용하지 않고 의료용 X-선 고전압발생장치를 작동 할 수 있는 전원장치를 배터리를 활용하도록 하였다. 전원회로를 설계한 후 시제품을 제작하여 본 논문에 제시된 방법에 따라 상용전원과 배터리 전원을 각각 비교하여 의료용 X-선 고전압발생장치가 입력전원방식에 따라 어떤 특성과 효율을 가지고 있는지 확인하였다.

• 한국방사선학회논문지
• /
• 제15권1호
• /
• pp.15-20
• /
• 2021

전산화단층촬영은 질병 진단 등 의료분야에 중요한 역할을 담당하고 있지만, 검사 건수 및 검사 별 영상 증가가 지속되고 있다. 최근 의료분야에 딥러닝 이용이 활발히 이루어지고 있으며, 의료영상을 이용한 딥러닝 중 객체 검출을 통해 보조적 질병 진단에 활용되고 있다. 본 연구는 객체 검출 딥러닝 중 YOLOv3 모델을 이용하여 복부 CT 중 콩팥과 척추를 검출하여 정확도를 평가하고자 한다. 연구 결과 콩팥과 척추의 검출 정확도는 83.00%와 82.45% 였으며, 이를 통해 딥러닝을 이용한 의료영상 객체 검출에 대한 기초자료로 활용될 수 있을 것이라 사료된다.

• 한국융합학회논문지
• /
• 제9권5호
• /
• pp.91-97
• /
• 2018

본 연구는 25% 에탄올에 손상된 간조직에서 $TGF-{\beta}_1$와 c-Myc, Erb-B2, $Thymosin-{\beta}_4$ 유전자의 발현을 알아 보고자 실시 하였다. 실험군은 2군으로 나누어 25% 에탄올로 간 손상을 유발한 실험군과 정제수를 투여한 대조군으로 나누어 실험하였다. 검사 결과는 25% 에탄올를 투여 했던 실험군은 대조군에 비하여 $TGF-{\beta}_1$, c-Myc 및 $Thymosin-{\beta}_4$ 유전자의 발현 증가를 알 수 있었으며 Erb-B2 유전자는 뚜렷한 발현을 알 수 없었다. 또한 손상된 간 조직에서 헤마톡실린 에오진 염색을 통한 세포 손상을 관찰 할 수 있었다. 결론적으로 기존 임상에서 간 기능 관련 질병 예방과 질환 판정 시 혈청학적, 조직학적 검사 외에 $TGF-{\beta}_1$, c-Myc 및 $Thymosin-{\beta}_4$의 분자 진단 기법에 의한 유전자 발현 상태를 융합 검사함으로써 간 질환 판정의 보조 자료로 활용 될 수 있을 것으로 사료 된다.

• 치위생과학회지
• /
• 제16권5호
• /
• pp.349-354
• /
• 2016

2015년 실시한 국민구강실태조사에 따르면 우리나라 만 12세 아동들의 우식경험영구치지수(DMFT index)는 1.9로 주요 OECD 국가들의 평균인 1.6에 거의 근접한 것으로 조사되었다. 본 연구의 목적은 인접면 우식증의 진단에 있어 새로 개발된 $Qraypen^{TM}$의 효능을 기존의 방법인 시진 및 구내 치근단 방사선 사진과 비교 평가하고, 임상 적용 시의 문제점을 파악하여 차후 $Qraypen^{TM}$에 필요한 개선안을 제시함과 아울러 치아우식증의 예방 및 초기 우식증 재광화 방법에 대한 기초 연구자료를 마련하고자 하였다. 학교 구강검진을 목적으로 내원한 학령기의 혼합치열을 가진 32명의 어린이들을 대상으로 구강검진 2회, 구치부 치근단 방사선 필름 판독 2회 그리고 구치부 인접면 $Qraypen^{TM}$ 이미지 판독 2회를 실시하고 비교한 결과 $Qraypen^{TM}$ 영상은 변연융선이 파괴되지 않은 유구치의 인접면 우식증의 탐지에 효과적이었다. 또한 방사선 촬영 결과와 비교해 보니 차이가 없음을 확인하였다. 그러나 인접면 우식증이 상아질까지 진행되어 병소가 성숙하여야 뚜렷한 붉은색 형광을 관찰할 수 있었기에 우식 병소의 진행 정도와 붉은색 형광 발생의 관련성을 확인하기 위해서는 향후 발치된 치아를 사용하여 조직학적 검사를 병행한 추가적인 연구가 필요할 것으로 생각된다. 본 연구 결과 $Qraypen^{TM}$은 유구치의 육안으로 보이지 않은 인접면 우식증을 탐지하는 데 도움을 줄 수 있는 유용하고 간편한 보조장비가 될 수 있을 것으로 기대된다.

• 한국콘텐츠학회논문지
• /
• 제15권3호
• /
• pp.168-173
• /
• 2015

본 연구는 아래팔과 엉덩관절의 골밀도 검사를 이용해 어느 한 부위를 다쳤을 경우 보정계수를 통해 아래팔 또는 고관절 부위 중 한쪽 부위의 결과로서 다른 부위의 결과를 유추할 수 있는 임상적 유용성을 찾고자 한다. 환자 60명은 연령별로 10명씩 20대에서 70대까지 환자들로 구성하였고 측정된 아래팔과와 엉덩관절의 골밀도와 T-score와 Z-score를 조사하여 세가지 사항들에 대해 각각 보정계수값을 산출하였다. 골밀도의 상관계수는 R=0.8 이고 보정계수 식은 Y=1.341X + 0.146 이다. T-score의 상관계수는 R=0.804 이고 보정계수식은 Y=0.565X - 0.327 이다. Z-score의 상관계수는 R=0.637 보정계수식은 Y=0.539X - 0.225 이다. 보정계수식를 통해 어느 한 부위의 결과로서 다른 부위의 결과를 유추하고 임상적 진단에 보조적 역할을 할 수 있을 것이라 판단한다. 보정계수 식은 Y=1.341X + 0.146 으로 추천하는 바이다.

• Asian Pacific Journal of Cancer Prevention
• /
• 제14권10호
• /
• pp.6019-6023
• /
• 2013

Lung cancer, one of the leading causes of cancer-related deaths, usually appears as solitary pulmonary nodules (SPNs) which are hard to diagnose using the naked eye. In this paper, curvelet-based textural features and clinical parameters are used with three prediction models [a multilevel model, a least absolute shrinkage and selection operator (LASSO) regression method, and a support vector machine (SVM)] to improve the diagnosis of benign and malignant SPNs. Dimensionality reduction of the original curvelet-based textural features was achieved using principal component analysis. In addition, non-conditional logistical regression was used to find clinical predictors among demographic parameters and morphological features. The results showed that, combined with 11 clinical predictors, the accuracy rates using 12 principal components were higher than those using the original curvelet-based textural features. To evaluate the models, 10-fold cross validation and back substitution were applied. The results obtained, respectively, were 0.8549 and 0.9221 for the LASSO method, 0.9443 and 0.9831 for SVM, and 0.8722 and 0.9722 for the multilevel model. All in all, it was found that using curvelet-based textural features after dimensionality reduction and using clinical predictors, the highest accuracy rate was achieved with SVM. The method may be used as an auxiliary tool to differentiate between benign and malignant SPNs in CT images.

• 한국재난정보학회 논문집
• /
• 제20권2호
• /
• pp.351-368
• /
• 2024

연구목적: 일반적으로 교통사고는 산발적으로 발생하기 때문에 예방 및 방지대책 마련을 위한 현장조사 시 시간적·비용적으로 다양한 한계가 있다. 특히, 코로나 사태 이후 비대면 사회로의 전환으로 현장조사를 대체할 방안 마련이 더욱 필요한 실정이며, 이에 본 연구에서는 부산광역시 사상구를 대상으로 다양한 웹사이트에서 제공하고 있는 로드뷰에 대한 현장조사 대체 활용 가능성을 평가하였다. 연구방법: 연구방법은 '16~'22년간 발생한 교통사고 취약지점을 추출하여 교통안전법 ｢교통안전진단지침｣에서 제공하고 있는 현장조사 평가항목을 기반하여 로드뷰를 분석하였다. 연구결과: 주요 결과 사상구는 사상로, 대동로, 학장로 지점에서 고령 보행자 사고가 가장 취약하였다. 로드뷰를 통해 취약지점을 상세분석한 결과 사상로는 영업용 차량의 통제, 시장 상권에 대한 교통약자 보호 등이 필요하였다. 대동로는 불법 노상 주정차, 경사로 합류 구간 등이 취약하였고, 학장로는 과속이 쉬운 도로 등이 취약하였다. 이러한 분석 결과를 토대로 로드뷰의 현장조사 대체 가능성을 평가하였을 때, 로드뷰는 보·차도 분리성, 안전 시설물의 위치 및 간격 등 대부분 항목을 효과적으로 평가할 수 있었다. 하지만, 실측 수행 등 항목에서는 한계가 있었다. 결론: 즉, 로드뷰는 대부분의 현장조사를 대체할 수 있고, 실측 평가항목은 보조자료로 활용성을 높여 시간적·비용적 절감효과와 동시에 높은 효율성을 나타내는 것으로 판단할 수 있다.

• 한국방사선학회논문지
• /
• 제18권4호
• /
• pp.317-325
• /
• 2024

본 연구는 갑상샘 초음파 영상에서 정상영상과 결절영상을 GLCM과 머신러닝을 이용하여 분류하고자 하였다. 부산 소재 S병원에 내원하여 갑상샘 초음파를 이용하여 갑상선 결절 진단받은 600명을 대상으로 연구를 진행하였다. 갑상샘 초음파 영상에서 ROI 50 X 50 픽셀 크기로 설정 하고 GLCM을 이용하여 21개의 파라메터와 4가지 각도를 사용하여 갑상샘 정상 패턴과 갑상샘 결절 패턴을 분석하였다. 분석된 자료는 MATLAB 모델 중 SVM모델과 KNN모델을 이용하여 진단 결과가 정상과 결절을 구별할 수 있도록 하였다. 그 결과 갑상샘 결절 분류율의 정확도는 SVM모델은 94%, KNN모델은 91%으로 나타났다. 두 모델 모두 90% 이상의 정확도를 나타내었는데 이는 갑상샘 정상과 갑상샘 결절의 분류를 위해 머신러닝을 이용할 경우 분류율이 우수하다는 것을 알 수 있다. ROC곡선에서도 SVM 모델에 대한 ROC 곡선은 전반적으로 KNN모델과 비교해 ROC곡선이 높으며, 이는 KNN모델보다 표본 내 성능이 높다는 결과가 나타났다. 이러한 결과를 바탕으로 SVM 모델이 갑상샘 결절 진단에서 높은 정확도를 보여주었다. 이 결과는 향후 의료 진단보조 도구로서의 연구에 기초자료로 활용될 수 있으며, 머신러닝 기술이 의료 서비스의 질적 개선에 기여할 것으로 기대된다.