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...

  Introduction Fractures of the distal radius are among the most common orthopedic injuries, particularly in two high-risk populations: children under 16 years and postmenopausal women between 60 and 70 years of age. According to national health data, over 175,000 cases of distal radius fractures were treated in Korea in 2018 alone , reflecting the growing burden of wrist injuries in aging societies. While Computed Tomography (CT) and Magnetic Resonance Imaging (MRI) can provide detailed information on fracture patterns and associated soft tissue injuries, plain radiographs (anteroposterior and lateral views) remain the first-line diagnostic tool due to their accessibility, cost-effectiveness, and speed. However, interpretation accuracy varies widely depending on the physician’s experience. Studies have shown that junior emergency physicians achieve only around 72% diagnostic accuracy when interpreting wrist radiographs. To address this gap, recent advances in Artificial In...