• 대한방사선기술학회지:방사선기술과학
• /
• 제23권1호
• /
• pp.13-19
• /
• 2000

We have presented with the "A study on overexposure rate according to over-density in chest X-ray radiography(I)" last year. In this report, We could calculate the entrance skin dose from chest X-ray film density the formula $I_0=Ix/e^{-{\mu}x}{\times}mG$, (mG is Bucky factor) was used to deliver the skin dose. At that time, There was two problems that the Bucky factor from maker was not equal to field experience and the field size influenced on the Attenuation Rate. The experiment of Bucky factor was done from film method and retried the Attenuation Rate of Acryle phantom according to Good & Poor geometry. As the results, The Bucky factor from maker higher than in this experiments $30{\sim}40%$. The Attenuation Rate in good geometric condition brings about a little alteration compare with poor geometric condition. In the field experiment, we could get the chest image with very low entrance skin radiation dose $29.3{\mu}Sv$, especially with air gap methode, the entrance skin dose was detected $10{\mu}Sv$.

• 방사선산업학회지
• /
• 제10권4호
• /
• pp.249-255
• /
• 2016

This study, Seoul City shelter, you are trying to seek medical cooperation and cure rate increase proposal Yu findings's current situation and tuberculosis of homeless tuberculosis. Inspector, and has a total 591 people is targeted to implement an interview after acquiring utilization agreement in studies conducted chest X-ray photography. Of the interview questions, three or more protons, it is determined that the TB symptomatic conducted sputum examination, chest X-ray examination confirms the physician radiology, when sputum examination primarily chromatic findings the double implemented and conducted by requesting the ship inspection also said inspection sputum acid-fast bacteria if it is true one, respectively. confirmed case result of checking whether there is a difference due to risk factors(Jb) at the chi square black, it was found that there is no statistically significant difference at 95% confidence level. (${\chi}^2=0.276$, p>0.05), suspected case (Ac, Ae) results of examining whether there is a difference due to risk factors in chi square black, that there is a statistically significant difference at 99% confidence level is I found (${\chi}^2=9.414$, p<0.01). The nature of the homeless tuberculosis screening and directed to the distance homeless specific location are likely to evaluate the actual incidence low and aggressive or management needs, the rationale is allowed insufficient reality is. Through this research, future, for tuberculosis high risk tuberculosis patient, such as homeless to expand the tuberculosis screening of infectious tuberculosis patients in private medical institutions, and one-stop service that chest X-ray examination and sputum examination is carried out at the same time introduced immediately to prevent the inspection and examination, cure, and should establish a foundation that can be up to post administration.

• 한국방사선학회논문지
• /
• 제17권6호
• /
• pp.873-879
• /
• 2023

본 연구는 인공지능(AI)을 사용하여 흉부 엑스레이 이미지에서 이물질을 탐지하는 방법을 탐구하였다. 의료영상학, 특히 흉부 엑스레이는 폐렴이나 폐암과 같은 질병을 진단하는 데 매우 중요한 역할을 한다. 영상의학 검사가 증가함에 따라 AI는 효율적이고 빠른 진단을 위한 중요한 도구가 되었다. 하지만 이미지에는 단추나 브래지어 와이어와 같은 일상적인 장신구를 포함한 이물질이 포함될 수 있어 정확한 판독을 방해할 수 있다. 본 연구에서는 이러한 이물질을 정확하게 식별하는 AI 알고리즘을 개발하였고, 미국 국립보건원 흉부 엑스레이 데이터셋을 가공하여 YOLOv8 모델을 기반으로 처리하였다. 그 결과 정확도, 정밀도, 리콜, F1-score가 모두 0.91에 가까울 정도로 높은 탐지 성능을 보였다. 이번 연구는 AI의 뛰어난 성능에도 불구하고 이미지 내 이물질로 인해 판독 결과가 왜곡될 수 있는 문제점을 해결함으로써 영상의학 분야에서 AI의 혁신적인 역할과 함께, 임상 구현에 필수적인 정확성에 기반하여 신뢰성을 강조하였다.

• 한국정보통신학회논문지
• /
• 제24권2호
• /
• pp.212-218
• /
• 2020

흉부 영상을 통해 진단 가능한 병변은 무기폐, 심비대, 덩어리, 기흉, 삼출 등 그 종류가 수십 가지에 이른다. 흉부 병변의 정확한 진단과 위치 및 크기를 판단하기 위해 일반적으로 전산화단층촬영(CT) 검사가 필요하지만, 전산화단층촬영은 검사 비용과 방사선 피폭 등의 단점이 있다. 따라서 본 논문에서는 흉부 병변 진단의 일차적 선별도구로서 방사선검사(X-ray) 영상에서 병변 유무 판단을 위한 딥러닝 알고리즘을 제안한다. 제안하는 알고리즘은 병변의 유무 판단에 최적화하기 위해 다양한 구성 방법들을 비교하여 설계하였다. 실험 결과, 기존 알고리즘보다 병변 유무 판단률이 약 1% 정도 향상되었다.

• 대한핵의학회지
• /
• 제33권4호
• /
• pp.381-387
• /
• 1999

목적: 직업성 질병은 원인 규명과 함께 병의 진행정도를 정확히 평가하는 것이 중요하여 ILO에서 흉부 X-선 소견을 기준으로 국제표준화를 시행하여 왔으나 사진의 질에 영향을 받을 수 있고, 초기 병변을 발견하기에는 어려움이 많다. 본 연구자들은 Ga-67의 섭취정도를 규폐증의 진행 정도를 나타내는 지표로 이용하기 위하여 폐기능검사 및 흉부 X-선 소견에 의한 임상적 병기 분류와의 상관관계를 보고자하였다. 대상 및 방법: 25명의 규폐증 환자를 대상으로 Ga-67 신티그라피를 분석하였으며 10명의 정상인을 대조군으로 하였다. 검사방법은 Ga-67 citrate, 5 mCi를 정맥 주사한 후 48시간 후 전신 스캔 및 흉부, 복부 스캔 영상을 얻어 후면상에서 간과 폐병변의 최대 섭취 부위의 관심영역을 설정하여 픽셀당 방사능 섭취 정도의 비를 구하여 임상적 병기 분류와의 상관관계를 비교 분석하였다. 결과: L/L Ratio 값은 정상군 0형(n=10): $0.3948{\pm}.0692$0, 1형(n=10): $0.5763{\pm}$0.1837, 2형(n= 11): $0.6849{\pm}0.1459$, 3형(n=4): $0.9913{\pm}0.0712$였으며 흉부 X-선의 분류형과 서로 유의한 상관관계를 보였다(r=0.618, p<0.05). 그러나 L/L Ratio 값과 폐기능검사 지표와는 통계적으로 유의하지 않았다. 결론: 저자들의 연구에 따르면 규폐증의 진행과정을 평가하여 환자의 병기를 결정하는 데 Ga-67 신티그라피의 정량적인 분석이 도움을 주었다. 그러나 폐기능과는 상관관계가 없어 폐기능을 평가하는 지표가 되지 못하였다.

• 한국방사선학회논문지
• /
• 제15권2호
• /
• pp.139-145
• /
• 2021

본 연구는 흉부 X-ray 검사 시 디지털 영상의 적절한 유효 Detector exposure index (DEI) 범위 내의 영상의 Dose area product (DAP)값과 유효선량을 비교함으로써 적절한 관전압의 범위를 확인하고자 하였다. GE Definium 8000을 사용하여 흉부팬텀을 이용한 Chest PA 검사를 재현하였다. kVp range는 60~130 kVp, mAs range는 2.5 ~ 40 mAs로 설정하였다. 획득한 영상을 유효한 DEI 범위의 영상으로 분류하고 측정한 DAP을 이용하여 PC-Based Monte Carlo Program을 통해 유효선량을 계산하였다. 영상의 정량적 평가를 하기 위해 Picture archiving and communication system을 이용하여 흉추, 갈비뼈가 포함된 폐야부위, 갈비뼈가 포함되지 않은 폐야부위, 간 등 총 네 부분의 Signal to noise ratio (SNR)를 측정하였다. 관전압 별 그룹의 유의성은 Kruskal-wallis test와 사후검정으로 Mann-whitney test를 시행하여 검증하였으며 검증에 사용된 신뢰구간은 95%이다. 총 13개의 관전압 중 적정한 유효 DEI 범위안에 포함된 네개의 관전압 (60~90 kVp)을 각각 비교하였을 때, DAP는 60 kVp를 기준으로 80 kVp, 90 kVp를 비교한 결과에서만 유의한 차이를 보였다 (p= 0.034, 0.021). 유효선량은 모든 관전압 그룹에서 유의한 차이를 보이지 않았다 (p>0.05). SNR은 간 부위에서 80 kVp와 90 kVp를 제외한 모든 그룹에서 유의한 차이를 보였다 (p<0.05). 그러므로 디지털 환경에서 적정한 흉부 X-ray 영상의 농도를 나타내기 위해 100 kVp 이상의 고관전압은 환자 선량 및 영상 측면에서 재고할 필요성이 있다고 사료된다.

• Journal of Chest Surgery
• /
• 제19권2호
• /
• pp.347-351
• /
• 1986

Soft-tissue chondroma was very rare in incidence and thought to be benign. Recently, we operated upon a 13 year-old female with a chondroma of the middle mediastinum, which was incidentally detected in chest X-ray as mediastinal mass, measured about 10x8x7 cm in size and completely resected via thoracotomy.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2002년도 가을 학술발표논문집 Vol.29 No.2 (2)
• /
• pp.553-555
• /
• 2002

컴퓨터지원진단(Computer Aided Diagnosis; CAD) 시스템은 방사선 의사들이 흉부 X-ray 영상에서 결절을 탐지하는데 있어 실제적으로 발생할 수 있는 오진율을 줄이고, 폐 결절이 존재하는 폐야에서 결절의 존재 유무를 판단하여 검출을 표시함으로써 진단율을 개선시킬 수 있도록 하였다. 본 논문은 흉부 X-ray 영상에서의 폐 결절을 추출하는데 유전자 알고리즘(Genetic Algorithm)을 이용한 템플릿 매칭(Template Matching) 방법을 제안한다. 제안한 방법은 흉부 X-ray 영상에 존재하는 결절과 레퍼런스 이미지를 매칭시켜 적합도를 계산한 후, 그 값을 통하여 수치가 낮은 개체를 선택하여 높은 개체와 교차시킨다. 그리고 레퍼런스 이미지는 결절이 존재하는 환자 X-ray 영상에서 샘플 노듈을 추출한 후 가우시안 분포를 갖는 512개의 레퍼런스 이미지를 생성하였다. 본 논문에서 사용된 영상은 결절 50개, 비결절 30개와 흉부 X-ray 영상에서 육안으로 판별이 가능한 결절 영상을 20개를 포함하여 총 100개 영상을 사용하였다. 실험 결과 83%의 결절을 자동 추출 하였으며, 가장 적절한 레퍼런스 이미지를 발견하고 이를 흉부영상에 매칭시켜 정확한 결절의 위치를 확인하였다.

• 한국멀티미디어학회논문지
• /
• 제13권7호
• /
• pp.1062-1075
• /
• 2010

의료 영상 분야에서 영상의 분할 및 특성의 추출을 위하여 명암도 차이를 이용하는 방법이 널리 사용되고 있으며, 임계값을 결정한 뒤 이를 기준으로 영상을 이진화하는 임계값 방식이 잘 알려져 있다. 임계값 방식 중 자주 사용되는 방식이 임계값을 선택하는 데 효율적이면서, 효과적인 선정 기준을 제시하고 있는 Otsu 알고리즘이다. 하지만 흉부 X-ray 영상에 대해서는 Otsu 알고리즘의 적용으로 좋은 영상 분할 결과를 얻을 수 없다. 이는 폐 영역 주변에는 갈비뼈나 혈관과 같은 다양한 기관이 존재하여 따라서 명암도 레벨의 분포가 불명확하기 때문이다. 이러한 불명료성을 개선하기 위하여, 본 논문에서는 X-ray 영상의 배경을 배제한 후 Otsu 알고리즘을 적용하고, 명암 레벨 지도를 생성한 후, 이를 이용하여 X-ray 영상을 분할하는 효과적인 폐 영역 추출 알고리즘을 제시한다. 제안한 방법의 효과를 검증하기 위해 제안한 방법과 기존의 1차원 및 2차원 Otsu 알고리즘, 그리고 전문가의 육안 분할 결과와 비교하였다. 실험 결과, 제안한 방법이 기존 Otsu 방법에 비해 더 정확하게 폐 영역을 추출하였으며, 육안 분할 결과와 거의 비슷한 결과를 보여 주었다.

• 한국방사선학회논문지
• /
• 제14권6호
• /
• pp.773-780
• /
• 2020

4차 산업의 발전으로 의학·보건·바이오 등 여러 과학기술 분야에서는 질병을 예방하고 질병에 대한 피해를 줄이기 위한 연구가 이루어지고 있으며, 최근에는 ICT 기술의 발전과 더불어 인공지능 기술이 급부상하고 그 효용성이 입증되면서 영상의학 검사의 영상 분석에 인공지능 기술이 도입되어 연구되고 있다. 본 논문에서는 흉부 X선 영상을 이용하여 폐렴의 분류와 검출에 대한 딥러닝 모델을 직접 적용해보고 실제로 Inception 계열의 딥러닝 모델이 폐렴 검출에 있어 유용한 모델인지 평가하고자 한다. 실험재료는 캐글(Kaggle)에서 무료로 제공 및 공유하는 흉부 X선 영상 데이터 세트를 사용하였으며 전체 3,470개의 흉부 X선 영상 데이터 중 학습 데이터 세트 1,870개, 검증 데이터 세트 1,100개, 테스트 데이터 세트 500개로 분류하였다. 실험결과 Inception V3 딥러닝 모델의 Metric 평가에 대한 결과값은 정확도는 94.80%, 정밀도는 97.24%, 재현율은 94.00%, F1 스코어는 95.59의 결과값을 나타내었다. 그리고 흉부 X선 영상의 페렴 검출 및 분류에 대하여 Inception V3 딥러닝 모델링에 대한 최종 에포크의 정확도는 학습 모델링의 경우 94.91%, 검증 모델링은 89.68%의 정확도를 나타내었다. 손실함수 값의 평가는 학습 모델링은 1.127%, 검증 모델링은 4.603%의 손실함수 값을 나타내었다. 이러한 결과로 Inception V3 딥러닝 모델은 흉부영상 데이터의 특징 추출 및 분류에 있어 매우 우수한 딥러닝 모델이며 학습상태 또한 매우 우수하다고 평가하였다. 테스트 모델링에 대한 매트릭스 정확도 평가 결과 정상 흉부 X선 영상 데이터의 경우 96%, 폐렴 흉부 X선 영상데이터의 경우 97%의 정확도가 입증되었다. Inception 계열의 딥러닝 모델의 경우 흉부 질환의 분류에 있어 유용한 딥러닝 모델이 될 것이라고 판단되며 인력의 보조적인 역할 또한 수행할 수 있을 것이라고 기대되어 부족한 의료인력 문제에도 해결점이 될 것이라고 사료된다. 향후 딥러닝을 이용한 폐렴의 진단에 대한 유사 연구 시 본 연구는 유사 연구의 기초자료로 제시될 것이라고 기대된다.