• Korean Journal of Radiology
• /
• 제21권1호
• /
• pp.88-100
• /
• 2020

Objective: We aimed to develop and validate a deep learning system for fully automated segmentation of abdominal muscle and fat areas on computed tomography (CT) images. Materials and Methods: A fully convolutional network-based segmentation system was developed using a training dataset of 883 CT scans from 467 subjects. Axial CT images obtained at the inferior endplate level of the 3rd lumbar vertebra were used for the analysis. Manually drawn segmentation maps of the skeletal muscle, visceral fat, and subcutaneous fat were created to serve as ground truth data. The performance of the fully convolutional network-based segmentation system was evaluated using the Dice similarity coefficient and cross-sectional area error, for both a separate internal validation dataset (426 CT scans from 308 subjects) and an external validation dataset (171 CT scans from 171 subjects from two outside hospitals). Results: The mean Dice similarity coefficients for muscle, subcutaneous fat, and visceral fat were high for both the internal (0.96, 0.97, and 0.97, respectively) and external (0.97, 0.97, and 0.97, respectively) validation datasets, while the mean cross-sectional area errors for muscle, subcutaneous fat, and visceral fat were low for both internal (2.1%, 3.8%, and 1.8%, respectively) and external (2.7%, 4.6%, and 2.3%, respectively) validation datasets. Conclusion: The fully convolutional network-based segmentation system exhibited high performance and accuracy in the automatic segmentation of abdominal muscle and fat on CT images.

• 한국컴퓨터정보학회논문지
• /
• 제29권2호
• /
• pp.137-144
• /
• 2024

본 연구의 목적은 노인의 디지털 정보화 자기효능감이 삶의 만족도에 미치는 영향관계에서 사회자본의 매개효과를 검증하여 노인의 사회적 고립예방과 삶의 만족도 향상을 위한 실천 방향을 제시하는 것이다. 이를 위해 2022년 디지털정보격차 실태조사 자료를 SPSS 26.0, AMOS 24.0을 활용하여 디지털 정보화 자기효능감과 사회자본, 노인의 삶의 만족도 관계를 분석하였다. 그 결과, 첫째, 노인의 디지털 정보화 자기효능감은 삶의 만족도에 정(+)적 영향을 미치는 것으로 나타났다. 둘째, 노인의 디지털 정보화 자기효능감은 사회자본에 정(+)적 영향을 미치는 것으로 나타났다. 셋째, 노인의 사회자본은 삶의 만족도에 정(+)적 영향을 미치는 것으로 나타났다. 넷째, 노인의 사회자본은 디지털 정보화 자기효능감과 삶의 만족도에 미치는 영향 관계에서 간접매개 효과가 있는 것으로 나타났다. 이를 바탕으로 노인이 실생활에서 적용할 수 있는 디지털 정보화 교육의 활성화, 온라인 기반 사회자본 형성을 위한 디지털 플랫폼 개발, 노인의 디지털 정보화 역량에 맞는 커뮤니티, 정보화 모임 활성화를 위한 실천적·정책적 방안 등을 제시하였다.

• 스마트미디어저널
• /
• 제13권2호
• /
• pp.52-61
• /
• 2024

조선소에서는 사외 적치장의 관리를 위해 일정 주기로 Unmanned Aerial Vehicle (UAV)을 이용해 항공영상을 획득하고, 이를 사람이 판독하여 적치장 현황을 파악한다. 이러한 방법은 넓은 면적의 사외 적치장 현황을 파악하는 데 상당한 시간과 인력을 요구한다. 본 논문에서는 이러한 문제점을 해결하고 정확한 사외 적치장 현황을 파악하기 위해 사전 학습된 의미론적 분할 기반 모델(Foundation Model)을 활용한 자동 관리 기술을 제안한다. 또한, 조선소 사외 적치장의 경우 관련 부품이나 장비를 포함한 공개 데이터셋이 충분하지 않기 때문에, 의미론적 분할 기반 모델에 필요한 객체 프롬프트(Prompt)를 생성하기 위한 소규모 사외 적치장 객체 데이터셋을 직접 구축하였다. 이를 이용해 객체 검출기를 소규모 데이터셋에 추가 학습하여 초기 객체 후보를 추출하고, 의미론적 분할 기반 모델인 Segment Anything Model (SAM)의 프롬프트로 활용해 정확한 의미론적 분할 결과를 얻는다. 더 나아가, 지속적인 적치장 데이터셋 수집을 위해 SAM을 활용한 훈련 데이터 생성 파이프라인을 제안한다. 본 연구에서 제안한 방법은 기존의 의미론적 분할 방법과 비교하여 평균적 4.00%p, SegFormer에 비해 5.08%p 높은 성능을 달성하였다.

• 한국방사선학회논문지
• /
• 제18권1호
• /
• pp.53-63
• /
• 2024

본 연구의 목적은 방사선사의 조영제 정맥확보 및 주입에 대한 직무 인식도를 분석하여 미래인력 대응안의 기초자료로 활용하고자 하였다. 임상의 방사선사 총 172명을 대상으로 인구학적 특성, 직무 우선 순위, 방사선사의 조영제 정맥확보 및 주입에 대한 인식도로 구성된 측정도구로 설문조사하였다. 통계분석은 기술통계, 빈도 분석, 독립표본 T-test 검정, ANOVA 분석으로 실시하였다. 그 결과, 첫째 현재 임상 방사선사는 방사선사의 미래인력 대응안으로 정맥확보 및 조영제 주입 행위에 대한 필요성을 높게 인지하고 있었으며, 이로 인한 업무 가중성은 낮게 평가하였다. 둘째, 정맥확보 및 조영제 주입 행위에 대한 두려움은 유의한 차이를 보여 모든 방사선사의 직무보다는 선택적인 직무 행위로 수행하는 것이 유용할 것으로 판단된다. 셋째, 방사선사의 정맥확보 및 조영제 주입 행위에 대한 교육과정 및 면허증 필요성이 제기되고 있어 이에 대한 구체적인 추가 연구가 요구된다. 넷째, 방사선사의 정맥확보 및 주입에 대한 긍정적 인식은 국민 의료서비스 향상과 방사선사 전문성 강화 및 직무 확장의 토대로 기대할 수 있다.

• 한국문헌정보학회지
• /
• 제58권1호
• /
• pp.99-122
• /
• 2024

본 연구는 사서학습공동체 운영 가능성과 성공적인 도입을 위해 사서학습공동체에 대한 사서의 인식 및 수요를 조사한 것이다. 이를 위해 도서관 현직 사서를 대상으로 온라인 설문조사를 실시하였고 총 474건의 응답을 수집하였다. 주요 분석 결과는 다음과 같다. 첫째, 사서학습공동체에 대해 사서는 매우 낮은 인식을 지니고 있었지만 사서학습공동체 운영의 취지와 의미에 대해서는 높이 평가하였다. 둘째, 사서학습공동체의 참여동기는 전문성 신장, 동료들과의 연대, 지적 호기심 충족 등의 순으로 나타났다. 셋째, 사서는 사서학습공동체의 궁극적 가치로 도서관 서비스 개선, 전문성 함양, 협력적 집단 탐구, 가치와 비전 공유의 순으로 응답했다. 넷째, 사서학습공동체의 성공요인은 구성원의 자발성, 구성원 간의 협력 문화, 일과시간 확보(주 1회), 지원 환경(예산, 공간 등) 등 순으로 나타났고, 실패 요인은 사서 업무 과중으로 인한 시간 부족, 구성원의 자발성 부족, 기관장의 무관심, 지원 환경(예산, 공간 등)의 부족으로 나타났다. 마지막으로 사서의 사서학습공동체 참여의지는 매우 높은 것으로 나타났으며, 관심있는 주제 또한 매우 다양하게 나타났다. 본 연구의 결과는 향후 사서학습공동체 운영 시, 실질적인 운영 방식의 결정이나 주제 선정 등의 기초자료로 활용할 수 있을 것이다.

• 지적과 국토정보
• /
• 제54권1호
• /
• pp.19-32
• /
• 2024

본 연구에서는 드론영상을 기반으로 YOLO 알고리즘을 통해 시설물과 농경지를 대상으로 객체탐지를 실시하고, 이를 법정지목과 비교를 수행하여 영상기반의 조사 가능성을 검토하였다. YOLO 알고리즘을 통해 객체를 탐지한 결과 건축물의 경우에는 기존 수치지형도에서 제공하고 있는 건축물 중 96.3%에 해당하는 객체를 탐지하는 것으로 분석되었다. 또한 수치지형도에서는 건축물이 위치하지 않지만, 영상에서 건축물이 존재하는 136개의 건축물을 추가로 탐지하는 것으로 나타나 정확도가 높은 것으로 나타났다. 비닐하우스의 경우에는 총 297개를 탐지했으나, 일부 과수형 비닐하우스의 경우에 탐지율이 낮은 것으로 분석되었다. 마지막으로 농경지는 가장 낮은 탐지율을 보였다. 농경지는 시설물 대비 넓은 면적과 불규칙한 형상으로 학습데이터의 일관성이 낮아 정확도가 시설물에 비해 작은 것으로 판단된다. 따라서 농경지의 경우에는 박스형태의 탐지가 아닌 Segmentation 탐지가 더욱 효과적으로 활용될 것으로 보인다. 마지막으로 탐지된 객체를 법정지목과 비교를 수행하였다. 그 결과 건축물이 입지가 어려운 농경지 및 임야에서 건축물이 존재하는 것으로 분석되었다. 그러나 이 건축물이 불법으로 활용됨을 파악하기 위해선 행정정보와 연계가 필요할 것으로 보여진다. 따라서 현재 수준에서는 건축물이 입지하기 어려운 필지에 건축물의 존재유무를 객관적으로 판단할 수 있는 수준까지 조사가 가능한 것으로 볼 수 있다.

• Korean Journal of Radiology
• /
• 제24권6호
• /
• pp.498-511
• /
• 2023

Objective: To evaluate the diagnostic performance of chest computed tomography (CT)-based qualitative and radiomics models for predicting residual axillary nodal metastasis after neoadjuvant chemotherapy (NAC) for patients with clinically node-positive breast cancer. Materials and Methods: This retrospective study included 226 women (mean age, 51.4 years) with clinically node-positive breast cancer treated with NAC followed by surgery between January 2015 and July 2021. Patients were randomly divided into the training and test sets (4:1 ratio). The following predictive models were built: a qualitative CT feature model using logistic regression based on qualitative imaging features of axillary nodes from the pooled data obtained using the visual interpretations of three radiologists; three radiomics models using radiomics features from three (intranodal, perinodal, and combined) different regions of interest (ROIs) delineated on pre-NAC CT and post-NAC CT using a gradient-boosting classifier; and fusion models integrating clinicopathologic factors with the qualitative CT feature model (referred to as clinical-qualitative CT feature models) or with the combined ROI radiomics model (referred to as clinical-radiomics models). The area under the curve (AUC) was used to assess and compare the model performance. Results: Clinical N stage, biological subtype, and primary tumor response indicated by imaging were associated with residual nodal metastasis during the multivariable analysis (all P < 0.05). The AUCs of the qualitative CT feature model and radiomics models (intranodal, perinodal, and combined ROI models) according to post-NAC CT were 0.642, 0.812, 0.762, and 0.832, respectively. The AUCs of the clinical-qualitative CT feature model and clinical-radiomics model according to post-NAC CT were 0.740 and 0.866, respectively. Conclusion: CT-based predictive models showed good diagnostic performance for predicting residual nodal metastasis after NAC. Quantitative radiomics analysis may provide a higher level of performance than qualitative CT features models. Larger multicenter studies should be conducted to confirm their performance.

• Korean Journal of Radiology
• /
• 제24권4호
• /
• pp.294-304
• /
• 2023

Objective: We aimed to investigate whether image standardization using deep learning-based computed tomography (CT) image conversion would improve the performance of deep learning-based automated hepatic segmentation across various reconstruction methods. Materials and Methods: We collected contrast-enhanced dual-energy CT of the abdomen that was obtained using various reconstruction methods, including filtered back projection, iterative reconstruction, optimum contrast, and monoenergetic images with 40, 60, and 80 keV. A deep learning based image conversion algorithm was developed to standardize the CT images using 142 CT examinations (128 for training and 14 for tuning). A separate set of 43 CT examinations from 42 patients (mean age, 10.1 years) was used as the test data. A commercial software program (MEDIP PRO v2.0.0.0, MEDICALIP Co. Ltd.) based on 2D U-NET was used to create liver segmentation masks with liver volume. The original 80 keV images were used as the ground truth. We used the paired t-test to compare the segmentation performance in the Dice similarity coefficient (DSC) and difference ratio of the liver volume relative to the ground truth volume before and after image standardization. The concordance correlation coefficient (CCC) was used to assess the agreement between the segmented liver volume and ground-truth volume. Results: The original CT images showed variable and poor segmentation performances. The standardized images achieved significantly higher DSCs for liver segmentation than the original images (DSC [original, 5.40%-91.27%] vs. [standardized, 93.16%-96.74%], all P < 0.001). The difference ratio of liver volume also decreased significantly after image conversion (original, 9.84%-91.37% vs. standardized, 1.99%-4.41%). In all protocols, CCCs improved after image conversion (original, -0.006-0.964 vs. standardized, 0.990-0.998). Conclusion: Deep learning-based CT image standardization can improve the performance of automated hepatic segmentation using CT images reconstructed using various methods. Deep learning-based CT image conversion may have the potential to improve the generalizability of the segmentation network.

• Korean Journal of Radiology
• /
• 제24권8호
• /
• pp.772-783
• /
• 2023

Objective: Imaging-based survival stratification of patients with gliomas is important for their management, and the 2021 WHO classification system must be clinically tested. The aim of this study was to compare integrative imaging- and pathology-based methods for survival stratification of patients with diffuse glioma. Materials and Methods: This study included diffuse glioma cases from The Cancer Genome Atlas (training set: 141 patients) and Asan Medical Center (validation set: 131 patients). Two neuroradiologists analyzed presurgical CT and MRI to assign gliomas to five imaging-based risk subgroups (1 to 5) according to well-known imaging phenotypes (e.g., T2/FLAIR mismatch) and recategorized them into three imaging-based risk groups, according to the 2021 WHO classification: group 1 (corresponding to risk subgroup 1, indicating oligodendroglioma, isocitrate dehydrogenase [IDH]-mutant, and 1p19q-codeleted), group 2 (risk subgroups 2 and 3, indicating astrocytoma, IDH-mutant), and group 3 (risk subgroups 4 and 5, indicating glioblastoma, IDHwt). The progression-free survival (PFS) and overall survival (OS) were estimated for each imaging risk group, subgroup, and pathological diagnosis. Time-dependent area-under-the receiver operating characteristic analysis (AUC) was used to compare the performance between imaging-based and pathology-based survival model. Results: Both OS and PFS were stratified according to the five imaging-based risk subgroups (P < 0.001) and three imaging-based risk groups (P < 0.001). The three imaging-based groups showed high performance in predicting PFS at one-year (AUC, 0.787) and five-years (AUC, 0.823), which was similar to that of the pathology-based prediction of PFS (AUC of 0.785 and 0.837). Combined with clinical predictors, the performance of the imaging-based survival model for 1- and 3-year PFS (AUC 0.813 and 0.921) was similar to that of the pathology-based survival model (AUC 0.839 and 0.889). Conclusion: Imaging-based survival stratification according to the 2021 WHO classification demonstrated a performance similar to that of pathology-based survival stratification, especially in predicting PFS.

• Korean Journal of Radiology
• /
• 제23권4호
• /
• pp.413-425
• /
• 2022

Objective: We compared appendiceal visualization on 2-mSv CT vs. conventional-dose CT (median 7 mSv) in adolescents and young adults and analyzed the undesirable clinical and diagnostic outcomes that followed appendiceal nonvisualization. Materials and Methods: A total of 3074 patients aged 15-44 years (mean ± standard deviation, 28 ± 9 years; 1672 female) from 20 hospitals were randomized to the 2-mSv CT or conventional-dose CT group (1535 vs. 1539) from December 2013 through August 2016. A total of 161 radiologists from 20 institutions prospectively rated appendiceal visualization (grade 0, not identified; grade 1, unsure or partly visualized; and grade 2, clearly and entirely visualized) and the presence of appendicitis in these patients. The final diagnosis was based on CT imaging and surgical, pathologic, and clinical findings. We analyzed undesirable clinical or diagnostic outcomes, such as negative appendectomy, perforated appendicitis, more extensive than simple appendectomy, delay in patient management, or incorrect CT diagnosis, which followed appendiceal nonvisualization (defined as grade 0 or 1) and compared the outcomes between the two groups. Results: In the 2-mSv CT and conventional-dose CT groups, appendiceal visualization was rated as grade 0 in 41 (2.7%) and 18 (1.2%) patients, respectively; grade 1 in 181 (11.8%) and 81 (5.3%) patients, respectively; and grade 2 in 1304 (85.0%) and 1421 (92.3%) patients, respectively (p < 0.001). Overall, undesirable outcomes were rare in both groups. Compared to the conventional-dose CT group, the 2-mSv CT group had slightly higher rates of perforated appendicitis (1.1% [17] vs. 0.5% [7], p = 0.06) and false-negative diagnoses (0.4% [6] vs. 0.0% [0], p = 0.01) following appendiceal nonvisualization. Otherwise, these two groups were comparable. Conclusion: The use of 2-mSv CT instead of conventional-dose CT impairs appendiceal visualization in more patients. However, appendiceal nonvisualization on 2-mSv CT rarely leads to undesirable clinical or diagnostic outcomes.