MediWave

 https://doi.org/10.1016/j.acra.2025.12.028 Portable Brain CT, Motion Artifact Correction, Diffusion Model, AI Medical Imaging, Brain CT Image Quality 1. 서론: Portable Brain CT와 Motion Artifact의 근본적 한계 Portable Brain CT 는 중환자실(ICU), 응급실, 수술 직후 병상(bedside), 재난 현장 등에서 환자를 이동시키지 않고 뇌 영상을 획득할 수 있는 혁신적 영상 기술이다. 그러나 이러한 Portable CT 는 구조적·물리적 제약으로 인해 motion artifact 가 빈번하게 발생하며, 이는 영상 판독 정확도와 진단 신뢰도를 심각하게 저하시킨다. 특히 중증 환자, 의식 저하 환자, 인공호흡기 착용 환자는 자발적 두부 고정이 불가능 하며, 기존의 고정 장치 역시 임상적으로 적용이 어렵다. 이로 인해 brain CT motion artifact , streak artifact , double skull artifact 등이 빈번히 관찰된다. 최근 이러한 문제를 해결하기 위해 Diffusion Model 기반 AI motion correction 알고리즘 이 제안되었으며, 본 컬럼에서는 *Academic Radiology (2025)*에 게재된 최신 연구를 바탕으로 Portable Brain CT 영상 품질 개선과 영상 판독 관점에서의 임상적 의미 를 심층적으로 분석한다. 2. Diffusion Model 기반 Motion Correction의 원리 2.1 Diffusion Model이란 무엇인가? Diffusion model 은 노이즈가 포함된 영상으로부터 점진적으로 원본 이미지를 복원하는 확률 기반 생성 모델이다. 의료 영상 분야에서는 low-dose CT reconstruction , MRI denoising , motion correction 등에서 탁월한 ...

    doi:10.31916/sjm 2020-01-03 서론 유방암은 전 세계 여성에서 가장 흔히 발생하는 암이자 주요 사망 원인으로 꼽히며 , 조기 진단이 생존율을 높이는 핵심 요인으로 알려져 있습니다 .  디지털 유방촬영술 (Digital Mammography) 은 저에너지 X 선을 사용하여 유방 내부의 미세석회화 (microcalcifications), 종괴 (masses), 구조 왜곡 (architectural distortion) 등을 탐지하는 영상의학적 방법으로 , 조기 발견을 위한 핵심 기술입니다 .  그러나 육안 판독은 주관적 오류 가능성이 있으며 , 이 한계를 보완하기 위해   인공지능 (AI) 딥러닝 기반 자동 판독 시스템 이 빠르게 발전하고 있습니다 . 본 칼럼에서는   AI 기반 디지털 유방촬영 영상 분석 기술 의 최신 연구 결과를 정리하고 , 실제 임상 적용 가능성과 향후 전망을 살펴보겠습니다 . 1. 디지털 유방촬영술의 원리와 임상적 중요성 디지털 유방촬영술은 약 30kVp 의 저에너지 X 선을 사용하여 유방 영상을 획득합니다 .  다른 뼈 X 선과 달리 , 상대적으로 낮은 에너지를 사용해 미세한 병변을 탐지할 수 있습니다 . 미세석회화 : 직경 0.05~1 mm 크기의 밝은 점 형태 병변으로 , 군집 (cluster) 형태일 경우 악성 가능성이 높습니다 . 종괴 (Mass) : 원형 , 타원형 , 엽상형 (lobulated), 불규칙형 , 방사상 (spiculated) 등 다양한 형태를 가지며 , 경계가 불명확할수록 악성 가능성이 큽니다 . 구조 왜곡 : 유방 내 조직 배열이 정상과 달리 당겨지거나 휘어진 형태로 보이는 현상으로 , 암의 주요 지표가 될 수 있습니다 . 2. 인공지능 기반 영상 판독의 필요성 영상의학 전문의는 수많은 판독 경험을 바탕으로 병...