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 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...