• 한국방사선학회논문지
• /
• 제12권4호
• /
• pp.459-466
• /
• 2018

방사선작업종사자 및 방사선작업장의 위험성은 주로 피폭선량 값으로 평가되고 있다. 하지만, 방사선작업장은 사용하는 방사선 및 작업환경이 상이하다. 특히, 방사선투과검사작업장은 작업대상물, 차폐체 사용가능 유무 등에 따라 작업환경이 다양하다. 따라서 효율적인 방사선 방호를 위해서는 여러 가지 인자들을 검토하는 것이 필요하다. 이에 전문가 및 조장 방사선작업종사자들 대상으로 설문조사를 수행하였으며, 그 결과, 방사선원, 방사선피폭선량, 작업장관리현황, 판독특이자, 정기검사현황이 주요인자로 선정되었다. 또한, 설문조사 중요도를 바탕으로 1차 가중치(안)을 설정한 후 2차적으로 전문가 자문을 통해 인자 내 세부항목별 가중치를 선정하였다. 따라서 본 연구를 통해 선정된 주요인자를 바탕으로 하여 방사선투과검사작업장 위해도 지수 모델 개발이 가능할 것으로 판단된다.

• 한국방사선학회논문지
• /
• 제16권3호
• /
• pp.295-302
• /
• 2022

희박뷰 전산화단층촬영(computed tomography; CT) 영상화 기술은 피폭 방사선량을 감소시킬 수 있을 뿐만 아니라 획득한 투영상의 균일성을 유지하고 잡음을 감소시킬 수 있는 장점이 있다. 하지만 재구성 영상 내 인공물 발생으로 인하여 화질 및 피사체 구조가 왜곡되는 단점이 있다. 본 연구에서는 희박뷰 CT 영상의 인공물 감소를 위해 wavelet 변환과 잔차 학습(residual learning)을 적용한 콘볼루션 신경망(convolutional neural network; CNN) 기반 영상화 모델을 개발하고, 개발한 모델을 통한 희박뷰 CT 영상의 인공물 감소 정도를 정량적으로 분석하였다. CNN은 wavelet 변환 층, 콘볼루션 층 및 역 wavelet 변환 층으로 구성하였으며, 희박뷰 CT 영상과 잔차 영상을 각각 입출력 영상으로 설정하여 영상화 모델 학습을 진행하였다. 영상화 모델 학습을 위해 평균제곱오차(mean squared error; MSE)를 손실함수로, Adam 함수를 최적화 함수로 사용하였다. 학습된 모델을 통해 입력 희박뷰 CT 영상에 대한 예측 잔차 영상을 획득하고, 두 영상간의 감산을 통해 최종 결과 영상을 획득하였다. 또한 최종 결과 영상에 대한 시각적 특성, 최대신호대잡음비(peak signal-to- noise ratio; PSNR) 및 구조적유사성지수(structural similarity; SSIM)를 측정하였다. 연구결과 본 연구에서 개발한 영상화 모델을 통해 희박뷰 CT 영상의 인공물이 효과적으로 제거되며, 공간분해능이 향상되는 결과를 확인하였다. 또한 wavelet 변환과 잔차 학습을 미적용한 영상화 모델에 비해 본 연구에서 개발한 영상화 모델은 결과 영상의 PSNR 및 SSIM을 각각 8.18% 및 19.71% 향상시킬 수 있음을 확인하였다. 따라서 본 연구에서 개발한 영상화 모델을 이용하여 희박뷰 CT 영상의 인공물 제거는 물론 공간분해능 향상 및 정량적 정확도 향상 효과를 획득할 수 있다.

• 한국방사선학회논문지
• /
• 제14권3호
• /
• pp.211-220
• /
• 2020

고화질의 전산화단층촬영상을 통해 정확한 병변 검출과 진단을 할 수 있다. 이와 같은 장점 때문에 전산화단층촬영 시 방사선량을 줄이면서 영상 화질을 개선하기 위해 많은 연구가 수행되었다. 최근 전산화단층촬영상 화질을 향상시키기 위한 딥러닝 기반 기술이 개발되었고, 기존의 기술에 비해 우수한 성능을 보이고 있다. 본 연구에서는 전산화단층촬영상의 공간분해능을 향상시키기 위해 초고해상도 합성곱 신경망 모델을 사용하였으며, 초고해상도 합성곱 신경망 모델의 성능을 결정하는 초 매개 변수 변화에 따른 영상 화질을 평가하여 초고해상도 합성곱 신경망 모델에 대한 초 매개 변수의 효과를 검증하였다. Profile, 구조적 유사성 지수, 최대신호 대 잡음비 및 반치폭을 측정하여 초 매개 변수 변화에 따른 초고해상도 합성곱 신경망 모델의 성능을 평가하였다. 연구결과, 초고해상도 합성곱 신경망 모델의 성능은 epoch와 training set이 증가함에 따라 향상되었으며, 전산화단층촬영상 화질을 향상시키기 위해 learning rate 최적화가 필요하다는 사실을 확인하였다. 따라서 최적의 초 매개 변수와 함께 구현된 초고해상도 합성곱 신경망 모델은 전산화단층촬영상의 품질을 향상시킬 수 있다.

• 정보처리학회 논문지
• /
• 제13권6호
• /
• pp.260-268
• /
• 2024

자궁경부암은 전 세계적으로 여성에게 발생하는 암 중 네 번째로 흔한 암이며, 2020년 한 해 동안 60만 4천 건 이상의 신규 케이스가 보고되었고 이로 인한 사망자 수는 약 34만 1천 831명에 달했다. 콕스 회귀 모델은 암 연구에서 널리 채택되고 있는 주요 모델이지만, 비선형 연관성의 존재를 고려하면 선형 가정으로 인해 한계에 부딪힌다. 이러한 문제를 해결하기 위해, 본 논문에서는 ResNet의 잔여 학습 프레임워크를 활용하여 자궁경부암 사망률 예측의 정확성을 개선한 새로운 모델인 ResSurvNet을 제안한다. 이 모델은 본 연구에서 비교한 DNN, CPH, CoxLasso, Cox Gradient Boost, RSF 모델들을 능가하는 정확도를 보여주었기에 이러한 우수한 예측 성능은 자궁경부암 환자 관리에 있어 조기 진단 및 치료 전략 수립에 기여할 수 있고 임상적으로 적용할 때 큰 가치가 있음을 입증하며, 생존 분석 분야에서도 의미 있는 진전을 나타낸다.

• 한국방사선학회논문지
• /
• 제6권2호
• /
• pp.93-98
• /
• 2012

미세단층촬영기법은 전임상 동물실험 분석시 고해상도의 혈관 영상화를 위한 중요한 수단이다. 이는 조직 분석과 같이 샘플 훼손이 예상되는 분석 작업 이전에 비파괴적인 방법으로 2차원 또는 3차원 이미지 재구성할 수 있는 장점이 있다. 본 연구에서는 생체 이식용 의료기기인 스텐트를 동물모델에서 전임상 분석을 하는데 있어 미세단층촬영기법의 활용방법을 제시하고 금속 스텐트(BMS)와 약물(paclitaxel)이 코팅된 스텐트(DES)의 스텐트 내 재협착정도(ISR)를 토끼 모델을 이용하여 평가하고자 하였다. BMS와 DES를 무작위적으로 토끼의 장골동맥에 식립하고 4주 후에 스텐트가 식립된 주위 혈관을 적출한 다음 스텐트 내강에 조영제를 투여하였다. 미세단층촬영기를 이용하여 50kV/200${\mu}A$의 X-ray 조사량으로 샘플을 스캔하였다. 정량적 분석을 위해 CTAN 소프트웨어를 이용하여 관심영역을 지정하여 정량적 분석을 수행하였다. 피폭 대상에 따라 각기 다른 CT값(Hounsfied Unit)을 획득할 수 있었으며(스텐트 영역; 약 1.2, 조영제 영역; 0.12~0.17, X-ray 비흡수 영역; 0~0.06), 이를 이용하여 2차원, 3차원적 영상을 획득하고 스텐트내 재협착 면적을 산출하였다. 조직병리학적 분석의 염증지수에 해당할 수 있는 확장된 스텐트의 크기를 측정하였을 때 BMS와 DES간의 유의한 차이가 나타나지 않았다. 또한 BMS 그룹의 ISR($1.52{\pm}0.48mm2$)이 DES의 ISR($0.94{\pm}0.42mm2$)에 비해 약 1.6배 높은 것으로 확인되었다. 이는 DES에 코팅된 paclitaxel이 세포 증식을 억제하여 스텐트 내강으로 증식하는 것을 저해하였기 때문으로 판단된다. 2차원적 분석 결과 BMS의 재협착 분포는 스텐트 중간 영역에서 전면부와 후면부에 비해 비교적 높은 것으로 확인되었다. 이러한 연구 결과로 볼 때 미세단층촬영기법은 비파괴적인 방법으로 분석이 가능하며 정량적 분석을 위한 기존의 복잡한 조직병리학적 분석법의 보조적인 수단으로 활용될 수 있을 것이다.