• 제목/요약/키워드: 이중에너지 유방촬영

검색결과 3건 처리시간 0.019초

몬테카를로 시뮬레이션을 이용한 광자계수검출기 기반 이중에너지 스펙트럼 유방촬영에서 가중 영상 감산법을 통한 물질분리 (Material Decomposition through Weighted Image Subtraction in Dual-energy Spectral Mammography with an Energy-resolved Photon-counting Detector using Monte Carlo Simulation)

  • 엄지수;강순철;이승완
    • 대한방사선기술학회지:방사선기술과학
    • /
    • 제40권3호
    • /
    • pp.443-451
    • /
    • 2017
  • 유방촬영술은 유방암의 조기검진을 위해 시행되는 대표적인 검사이다. 하지만 유방 구성물질의 물리적 특성에 의존하는 유방촬영상은 병변의 악성 또는 양성 여부에 대한 정보 제공이 불가능하다. 이중에너지 영상 감산법을 시행하는 경우 유방촬영상에서 특정 물질에 대한 정보를 추출할 수 있지만 피폭선량을 증가시킬 뿐만 아니라 물질분리의 정확도를 감소시키는 단점이 있다. 본 연구에서는 물질의 선감약계수를 적용한 유방팬텀을 모사하여 광자계수검출기 기반 이중에너지 유방촬영에서 특정 물질에 대한 가중함수를 적용하여 분리의 정확도를 향상시킬 수 있는 기술을 제안하였다. 그리고 유방팬텀영상으로부터 물질분리의 정확도를 평가하기 위해 대조도 및 잡음 특성을 분석하였다. 분석 결과 이중에너지 가중 영상 감산법의 악성종양에 대한 대조도는 일반적인 유방촬영과 이중에너지 영상 감산법에 비해 각각 0.98, 1.06배로 큰 차이가 없다. 그렇지만 이중에너지 가중 영상 감산법 적용 시 양성종양에 대한 대조도가 0에 근사하기 때문에 양성종양에 대한 악성종양의 상대적인 대조도가 13.54배로 크게 향상된 것으로 확인되었다. 따라서 본 연구에서 제안하는 이중에너지 가중 영상 감산법은 유방촬영 진단의 정확도 향상에 기여할 수 있을 것이다.

머신러닝을 이용한 에너지 선택적 유방촬영의 진단 정확도 향상에 관한 연구 (A Feasibility Study on the Improvement of Diagnostic Accuracy for Energy-selective Digital Mammography using Machine Learning)

  • 엄지수;이승완;김번영
    • 대한방사선기술학회지:방사선기술과학
    • /
    • 제42권1호
    • /
    • pp.9-17
    • /
    • 2019
  • Although digital mammography is a representative method for breast cancer detection. It has a limitation in detecting and classifying breast tumor due to superimposed structures. Machine learning, which is a part of artificial intelligence fields, is a method for analysing a large amount of data using complex algorithms, recognizing patterns and making prediction. In this study, we proposed a technique to improve the diagnostic accuracy of energy-selective mammography by training data using the machine learning algorithm and using dual-energy measurements. A dual-energy images obtained from a photon-counting detector were used for the input data of machine learning algorithms, and we analyzed the accuracy of predicted tumor thickness for verifying the machine learning algorithms. The results showed that the classification accuracy of tumor thickness was above 95% and was improved with an increase of imput data. Therefore, we expect that the diagnostic accuracy of energy-selective mammography can be improved by using machine learning.

의료방사선 피폭선량 저감을 위한 맞춤형 차폐재 설계에 관한 연구 (The Study on Design of Customized Radiation Protective Layer for Medical Radiation Dose Reduction)

  • 강상식;김교태;노시철;정봉재;박지군
    • 한국방사선학회논문지
    • /
    • 제8권6호
    • /
    • pp.333-338
    • /
    • 2014
  • 최근 의료 분야에서의 불필요한 피폭을 체계적으로 관리해야 한다는 사회적 요구 증가와 더불어 차폐의 중요성이 대두되고 있는 실정이다. 하지만 현재 상용화된 제품은 다양한 의료방사선 분야보다 세분되어 있지 않다. 이에 본 연구에서는 최적화된 차폐재의 구조를 몬테카를로 시뮬레이션을 활용하여 제시하고자 하였다. 모의 추정 결과, 유방촬영 에너지(30 kVp) 스펙트럼에 대하여 단일 차폐재의 경우 $30{\mu}mPb$, 2 mmAl에서 90% 이상의 차폐율을 확인하였고, 이중차폐 구조에서는 0.03 mmPb와 1 mmAl의 설계 시 효율적인 것으로 판단되었다. 또한, 일반촬영 에너지(80 kVp) 스펙트럼에 대해서는 $340{\mu}mPb$, 30 mmAl에서 90% 이상의 차폐율을 확인하였으며, 이중차폐 구조에서는 0.3 mmPb와 1 mmAl의 설계가 유용할 것으로 사료된다. 이러한 결과는 향후 피폭저감을 위한 맞춤형 상용화 제품 개발에 대한 기초자료로 활용될 수 있을 것으로 기대된다.