• 한국의학물리학회지:의학물리
• /
• 제24권1호
• /
• pp.76-83
• /
• 2013

진단 및 치료분야에서 호흡 움직임이 미치는 영향에 대한 연구는 외부 움직임을 관찰하여 실시되었으나, 이러한 외부 움직임은 내부 장기의 실제 움직임을 반영하지 못한다. 이에 본 연구에서는 개의 흉부 내 비침습적 이식이 가능한 인공 폐결절을 제작하여 동물실험에 대한 적용가능성을 확인하고 PET 영상 획득 및 방사선조사 시 움직임의 영향을 평가하고자하였다. 인공폐결절은 8 Fr 일회용 위장용 영양공급튜브를 개조하여 제작하였다. 제작된 결절모델은 마취된 개 4마리에 기관을 경유하여 기관지에 삽입한 뒤 방사선투시장치를 이용하여 위치를 확인하였다. PET 촬영용 인공폐결절은 내강에 $^{18}F$-FDG를 주입한 뒤 호흡운동 모사체에 장착하여 정지 상태, 10 rpm과 15 rpm의 종축 왕복운동간 PET 촬영을 실시하였다. 방사선조사용 인공폐결절은 유리선량계를 이식한 뒤 PET 촬영 시와 동일한 호흡운동 모사체에 장착하여 정지 상태, 10 rpm과 15 rpm의 종축 왕복운동간 1 Gy 선량을 조사하였다. 인공폐결절은 방사선투시장치 영상에서 실험동물의 후엽 근위부 세기관지에 이식되며 호흡에 따라 결절의 위치가 변화함을 확인하였다. PET 영상에서의 인공폐결절은 모사된 호흡 움직임에 따라 움직임에 의한 인공산물을 나타내었으며, 호흡동조게이트 시 SNR은 7.21로 기준영상의 SNR 10.15에 비해 감소하였으나 프로파일상 게이트영상의 영상계수는 정적영상에 비해 기준영상과 유사하여 PET 영상의 질을 개선함을 확인하였다. 방사선조사 실험간 인공폐결절 내 삽입된 유리선량계에 조사된 조사선량은 정지 상태와 10 rpm의 종축 왕복운동에서 0.91 Gy로 차이를 보이지 않았으나, 15 rpm의 종축 왕복운동에서 0.90 Gy로 오차범위 내 감소를 나타내었으며, 이온 전리함을 통한 조사선량 검출에서도 근소한 감소를 나타내었다. 본 실험에서 제작된 인공폐결절은 실험동물의 후엽 근위부 세기관지에 높은 재현성을 보이며 방사선투시 영상에서 폐의 내부 움직임을 반영하였다. PET 영상 내 움직임에 의한 인공산물이 관찰되며, 방사선 조사연구에서는 호흡운동이 미약한 영상 흐림을 일으킴을 확인하였다. 따라서 본 인공폐결절은 진단 및 치료분야에서 실험동물을 이용한 움직임 기반 진단 및 치료 평가에 유용한 도구로 사용될 것으로 기대된다.

• 한국멀티미디어학회논문지
• /
• 제23권3호
• /
• pp.468-475
• /
• 2020

In this paper, we proposed a three-dimensional visualization system for medical images in augmented reality based on deep learning. In the proposed system, the artificial neural network model performed fully automatic segmentation of the region of lung and pulmonary nodule from chest CT images. After applying the three-dimensional volume rendering method to the segmented images, it was visualized in augmented reality devices. As a result of the experiment, when nodules were present in the region of lung, it could be easily distinguished with the naked eye. Also, the location and shape of the lesions were intuitively confirmed. The evaluation was accomplished by comparing automated segmentation results of the test dataset to the manual segmented image. Through the evaluation of the segmentation model, we obtained the region of lung DSC (Dice Similarity Coefficient) of 98.77%, precision of 98.45%, recall of 99.10%. And the region of pulmonary nodule DSC of 91.88%, precision of 93.05%, recall of 90.94%. If this proposed system will be applied in medical fields such as medical practice and medical education, it is expected that it can contribute to custom organ modeling, lesion analysis, and surgical education and training of patients.

• Korean Journal of Radiology
• /
• 제24권2호
• /
• pp.155-165
• /
• 2023

Objective: Little is known about the effects of using different expert-determined reference standards when evaluating the performance of deep learning-based automatic detection (DLAD) models and their added value to radiologists. We assessed the concordance of expert-determined standards with a clinical gold standard (herein, pathological confirmation) and the effects of different expert-determined reference standards on the estimates of radiologists' diagnostic performance to detect malignant pulmonary nodules on chest radiographs with and without the assistance of a DLAD model. Materials and Methods: This study included chest radiographs from 50 patients with pathologically proven lung cancer and 50 controls. Five expert-determined standards were constructed using the interpretations of 10 experts: individual judgment by the most experienced expert, majority vote, consensus judgments of two and three experts, and a latent class analysis (LCA) model. In separate reader tests, additional 10 radiologists independently interpreted the radiographs and then assisted with the DLAD model. Their diagnostic performance was estimated using the clinical gold standard and various expert-determined standards as the reference standard, and the results were compared using the t test with Bonferroni correction. Results: The LCA model (sensitivity, 72.6%; specificity, 100%) was most similar to the clinical gold standard. When expert-determined standards were used, the sensitivities of radiologists and DLAD model alone were overestimated, and their specificities were underestimated (all p-values < 0.05). DLAD assistance diminished the overestimation of sensitivity but exaggerated the underestimation of specificity (all p-values < 0.001). The DLAD model improved sensitivity and specificity to a greater extent when using the clinical gold standard than when using the expert-determined standards (all p-values < 0.001), except for sensitivity with the LCA model (p = 0.094). Conclusion: The LCA model was most similar to the clinical gold standard for malignant pulmonary nodule detection on chest radiographs. Expert-determined standards caused bias in measuring the diagnostic performance of the artificial intelligence model.