MediWave

  http://dx.doi.org/10.9718/JBER.2023.44.2.139 최근 고령화 사회로 접어들면서 골밀도 감소로 인해 골절 위험이 증가하는 골다공증 (Osteoporosis) 이 심각한 보건 문제로 대두되고 있습니다 .  특히 요추 (Lumbar spine) 의 정확한 골밀도 측정은 골다공증의 조기 진단과 예방에 필수적입니다 .  본 칼럼에서는 최첨단 인공지능 기술인 딥러닝 (Deep Learning) , 그중에서도 Modified U-Net 과 척추의 중심점 정보를 결합하여 척추 영역을 정밀하게 추출하는 혁신적인 자동 분할 기술인 CM-Net 에 대해 심도 있게 다루어 보겠습니다 . 1. 척추 자동 분할 기술의 필요성 및 배경 인간의 척추는 신체를 지탱하고 척수를 보호하는 핵심 골격으로 , 나이가 들면 퇴행성 변화를 겪게 됩니다 .  골다공증 진단을 위해서는 대퇴골 및 요추의 골밀도를 측정해야 하는데 , 요추 X-ray 영상에서 척추 마디를 정확히 분할 (Segmentation) 하는 작업이 선행되어야 합니다 . 기존의 수작업 방식은 전문가의 숙련도에 따라 결과의 일관성이 떨어질 수 있고 , 방대한 양의 데이터를 처리하는 데 한계가 있습니다 .  하지만 딥러닝 기반 자동 분할 을 도입하면 다음과 같은 이점이 있습니다 : ·          분석적 측면 : 구조물의 위치 , 크기 , 형태를 일관된 기준에 따라 정확하고 빠르게 추출할 수 있습니다 . ·          임상적 측면 : 병변을 정확히 분석하여 환자 맞춤형 치료 계획을 수립하고 압박 골절 위험을 조기에 방지할 수 있습니다 . 2. 데이터셋 및 전처리 과정 본 연구에서는 서울 세브란스 병원에서 수집된 VERTEX 데이터셋 을 활용하였습니다 . 이 데이터셋은 2007 년부터 2020 년까지 촬영된...

https://dx.doi.org/10.9718/JBER.2023.44.1.11 직장암은 전 세계적으로 남녀 모두에게서 세 번째로 높은 발병 빈도를 보이는 암종입니다 . 특히 직장이 좁은 골반강 내에 위치하여 수술 난이도가 매우 높아 , 수술 전 해부학적 구조와 종양의 특성을 정확히 이해하는 것이 환자의 치료 방침 결정에 필수적입니다 . 이러한 이유로 자기공명영상 (MRI) 검사는 직장암의 병기 결정 및 수술 난이도 예측에 핵심적인 역할을 수행하고 있습니다 . 그러나 기존의 직장암 수술 위험도 예측 연구는 외과 전문의의 임상적 경험에 크게 의존하여 MRI 영상 슬라이스를 수동으로 선택하는 방식이었으며 , 이는 많은 시간과 노력을 필요로 할 뿐만 아니라 , 전문가의 주관적 판단에 따른 재현성 문제와 한계를 내포하고 있었습니다 . 본 컬럼에서는 이러한 한계를 극복하고 직장암 수술 위험도 예측 연구의 효율성을 높일 수 있는 라디오믹스 기반 MRI 반자동 선택 바이오마커 검증 연구에 대해 세계적인 전문가 수준의 지식으로 심층 분석하고자 합니다 . 특히 , 인공지능 (AI) 과 디지털 영상처리 기법을 활용하여 외과 전문의가 선택한 MRI 영상 슬라이스와 그 외 슬라이스의 정량적 특징 차이를 분석하고 , 수술 위험도 예측에 유의미한 새로운 바이오마커를 발굴하는 혁신적인 접근법을 소개합니다 . 라디오믹스 (Radiomics) 와 인공지능 (AI) 기반 정량적 분석의 중요성 라디오믹스 (Radiomics) 는 의료 영상 , 특히 MRI 와 같은 디지털 영상에서 사람의 눈으로 감지하기 어려운 다양한 정량적 특징 (Quantitative Features) 을 통계적 , 수학적 추출을 통해...