MediWave

  http://dx.doi.org/10.9718/JBER.2023.44.3.182 전산화 단층촬영(CT)은 현대 의료 진단에서 결코 빼놓을 수 없는 필수 장비입니다 .  하지만 장비의 노후화와 높은 방사선 피폭량 문제로 인해 엄격한 CT 품질관리(Quality Control, QC)가 요구되고 있습니다 .  오늘은 최신 연구 결과를 바탕으로, 기존의 주관적인 육안 검사를 넘어 인공지능(AI)을 통해 CT 영상의 신뢰도를 획기적으로 높이는 방법에 대해 심도 있게 다루어 보겠습니다. 1. CT 품질관리의 현재와 한계: 정성적 평가의 딜레마 우리나라 의료법에 따르면 CT는 특수의료장비로 분류되어 정기적인 품질관리 검사를 받아야 합니다 . 현재 실시되는 팬텀(Phantom) 검사 항목 중 공간분해능(Spatial Resolution)과 대조도분해능(Contrast Resolution)은 영상의학 전문가가 육안으로 합격 여부를 판단하는 '정성적 평가'에 의존하고 있습니다 . 문제점 : 전문가의 주관이 개입될 수 있어 객관성이 떨어지고, 이는 곧 장비의 신뢰도 저하로 이어질 수 있습니다 . 해결책 : 이를 극복하기 위해 딥러닝 기반의 인공지능 분류 모델 을 도입하여 정량적인 평가 기준을 마련하는 연구가 활발히 진행되고 있습니다 . 2. 연구 방법: AI 모델 구축 및 데이터 전처리 본 연구에서는 AAPM CT Performance Phantom(Model 76-410)을 사용하여 데이터를 획득하였습니다 . 2.1 사용 장비 및 팬텀 검사항목 연구에는 SOMATOM Definition, Optima CT660 등 다양한 최신 CT 장비가 사용되었습니다 . 팬텀을 통해 측정하는 주요 항목은 다음과 같습니다.   그림 1. CT 팬텀을 이용한 주요 검사항목 및 영상 판독   (a) 물의 CT 감약계수, 노이즈, 균일도: 중앙의 점과 전체적인 밀도 균일성을 측정하여 장비의 기초 성능을 확인합니다. (b) 절편두께(Slice ...

  http://dx.doi.org/10.9718/JBER.2023.44.2.139 키워드: 척추 자동 분할 , 딥러닝 의료 영상 , 골다공증 진단 AI, CM-Net, Modified U-Net, 요추 X-ray 분석 , 인공지능 척추 모델 , 척추 중심점 알고리즘 , 스마트 의료 솔루션 최근 전 세계적으로 고령화 사회가 가속화됨에 따라 , 뼈의 밀도가 낮아져 골절 위험이 급증하는 골다공증 (Osteoporosis) 관리가 현대 의료계의 핵심 과제로 부상하고 있습니다 .  골다공증 진단을 위한 가장 중요한 지표 중 하나는 요추 (Lumbar spine) 의 골밀도 (Bone Mineral Density, BMD) 측정입니다 .  이를 위해 의료 영상에서 척추 영역을 정확하게 분리해내는 척추 자동 분할 (Vertebra Segmentation) 기술이 필수적인데 , 최근 딥러닝 기술의 비약적인 발전으로 그 정확도가 혁신적으로 개선되었습니다 . 본 컬럼에서는 최신 연구 데이터인 Modified U-Net 과 척추 중심점 을 결합한 새로운 모델 'CM-Net' 을 중심으로 , 인공지능이 어떻게 의료 현장에서의 진단 효율성과 정확성을 극대화하고 있는지 심층적으로 분석해보겠습니다 . 1. 척추 자동 분할 기술의 필요성과 임상적 가치 의료 현장에서 요추 X-ray 영상을 수작업으로 분석하는 것은 전문가의 막대한 시간과 노력을 필요로 합니다 . 또한 , 판독자의 경험과 지식에 따라 일관성이 떨어지거나 미세한 오류가 발생할 가능성도 배제할 수 없습니다 . 딥러닝 기반의 척추 자동 분할 은 다음과 같은 측면에서 강력한 장점을 가집니다 : 정확한 분석 자동화 : 척추의 위치 , 크기 , 형태를...