• Journal of Chest Surgery
• /
• 제35권3호
• /
• pp.209-216
• /
• 2002

배경: 심장 판막증은 국내에서 아직까지 가장 많은 유병률을 보이는 중요 심장질환이다. 1958년 이후 1999년까지 한국에서는 총 94,586례의 개심술이 시행되었으며 그중 36,247례가 성인심장질환이었고 그중 20,704례는 판막질환이었다. 그러나 제대로 된 데이터베이스가 구축되어 있지 않아 많은 자료들을 효과적으로 활용하지 못하고 있어 저자들은 판막레지스트리를 확립하고 활용할 수 있는 시스템을 구축하고자 하였다. 대상 및 방법: 마이크로소프트 악세스를 이용하여 데이터베이스 프로그램을 개발하였다. 이는 관계형 구조를 갖는 비교적 작고 간결한 프로그램으로 그 사용자환경이 쉽고 효율적으로 구성되어 있으며 각종 질의와 보고서 기능 등을 이용하여 사용자가 원하는 자료를 쉽고 빠르게 추출해 낼 수 있는 장점이 있다. 결과: 서울대학교병원 흉부외과에서는 1968년부터 1999년까지 약 3000여명의 환자에 대하여 판막치환술을 시행하였으며 여기에 사용된 총 판막의 수는 약 3700 개였다. 삽입된 판막을 부위별로 살펴보면 승모판막 1600명, 대동맥판막 584명, 삼첨판막 76명 등이었으며, 700여명에서 2개이상의 판막을 치환하였다 전체 판막환자의 약 46%인 1280여명이 조직판막을 치환 받았으며, 54%인 약 1500여명이 금속판막을 치환 받았다. 약 16%인 460여명이 판막재치환술을 시행받았으며 해마다 약 40여명 전후에서 시행되고 있다. 결론: 저자들은 판막레지스트리를 확립하기 위한 데이터베이스 프로그램을 성공적으로 개발하였으며 이는 향후 연구활동과 보건의료분야의 발전에 효과적으로 활용될 수 있다.

• Advances in nano research
• /
• 제12권2호
• /
• pp.185-195
• /
• 2022

Deep learning is another field of artificial intelligence (AI) utilized for computer aided diagnosis (CAD) and image processing in scientific research. Considering numerous mechanical repetitive tasks, reading image slices need time and improper with geographical limits, so the counting of image information is hard due to its strong subjectivity that raise the error ratio in misdiagnosis. Regarding the highest mortality rate of Lung cancer, there is a need for biopsy for determining its class for additional treatment. Deep learning has recently given strong tools in diagnose of lung cancer and making therapeutic regimen. However, identifying the pathological lung cancer's class by CT images in beginning phase because of the absence of powerful AI models and public training data set is difficult. Convolutional Neural Network (CNN) was proposed with its essential function in recognizing the pathological CT images. 472 patients subjected to staging FDG-PET/CT were selected in 2 months prior to surgery or biopsy. CNN was developed and showed the accuracy of 87%, 69%, and 69% in training, validation, and test sets, respectively, for T1-T2 and T3-T4 lung cancer classification. Subsequently, CNN (or deep learning) could improve the CT images' data set, indicating that the application of classifiers is adequate to accomplish better exactness in distinguishing pathological CT images that performs better than few deep learning models, such as ResNet-34, Alex Net, and Dense Net with or without Soft max weights.

• 대한영상의학회지
• /
• 제83권1호
• /
• pp.149-161
• /
• 2022

목적 3-tesla (이하 T) 자기공명영상에서 비특이 침윤성 유방암의 컴퓨터보조진단 인자들과 병리적 면역조직화학 표지자들과의 상관성을 알아보고자 하였다. 대상과 방법 2018년 1월부터 2019년 4월까지 비특이 침윤성 유방암으로 진단받은 총 94명의 3T 자기공명영상에서 컴퓨터보조진단 시스템을 통해 얻은 혈관조영부피, 최대 조영증강, 조기 및 지연 조영증강 양상과 면역화학인자와 유방암의 분자형 아형과의 상관성을 Dwass, Steel, Critchlow-Fligner 비교 분석과 이분형 로지스틱 회귀 분석을 이용하여 후향적으로 연구하였다. 결과 혈관조영부피가 큰 비특이 침윤성 유방암이 핵등급과 조직학적 등급이 높고, 림프절 전이가 있고, 에스트로겐 수용체/프로게스테론 수용체 음성, 인간 표피성장인자수용체 2/Ki-67 양성이 많았다. Ki-67 양성인 비특이 침윤성 유방암에서 지연기 소실 성분 비율이 높고 지연기 지속 조영증강 비율이 낮았다. 이항회귀분석에서는 컴퓨터보조진단 시스템의 요소 중 혈관조영부피 인자가 독립적으로 핵등급, 조직학적 등급, 림프절 전이, 에스트로겐/프로게스테론 수용체, 인간 표피성장인자수용체 2와 Ki-67과 상관성이 있고, 지연기 소실 및 지속 조영증강 인자가 Ki-67과 상관성이 있었다. 결론 조영증강 유방 MRI 컴퓨터보조진단 시스템 인자 중 혈관조영부피 요소와 지연기 소실/지속 조영증강 비율이 예후 예측 인자로 알려진 면역화학인자들과 연관성이 높아 임상적 예후 예측 인자로서 이용될 수 있을 것으로 사료된다.

• 대한치과보철학회지
• /
• 제50권4호
• /
• pp.271-278
• /
• 2012

연구 목적: 최근 정확하면서도 외상이 적은 임플란트 식립을 위해 임플란트 수술용 가이드가 많이 쓰이고 있다. 그 중 대표적인 방식이 stereolithography 방식과 positioning device로 제작한 방식이다. 본 연구는 이 두 가지 방식의 정확성을 비교하기 위하여 4 가지 형태의 치아상실 모델에서 실험 후 정확성에 관하여 분석하였다. 연구 재료 및 방법: 4가지 형태 치아 결손 모델 각각에 대하여 stereolithography 방법과 positioning device를 이용한 방법으로 수술 가이드를 제작하였다. 제작된 수술 가이드를 제작에 사용되었던 치아모델에 장착하여 수술 가이드의 내면과 모델의 치아표면 사이 공간크기를 측정하여 가이드의 적합도를 평가하였다. 또한 이 수술 가이드를 이용하여 총 40개 모델에서 임플란트 시술을 진행하고, 시술 후 모델을 다시 cone-beam computed tomography촬영 하여 수술 전후 영상을 중첩시켜 계획 상의 임플란트와 실제 시술한 임플란트의 위치를 비교하였다. 통계학적인 검증을 위하여 PASW Statistics$^{(R)}$ 18.0을 이용하여서 Mann-Whitney U 검정을 사용하였다. 결과: 수술 가이드 내면과 모델 사이 공간크기가 stereolithography는 $1.4{\pm}0.3mm$이고, positioning device는 $0.4{\pm}0.3mm$로 통계학적으로 유의한 차이를 보였다(P<.05). Stereolithography는 오차가 근원심 측에서 $3.9{\pm}1.6^{\circ}$, 협설 측에서 $2.7{\pm}1.5^{\circ}$, 깊이에서 $1.9{\pm}0.9mm$였다. 반면 positioning device는 오차가 근원심 측에서 $0.7{\pm}0.3^{\circ}$였고, 협설측에서 $0.3{\pm}0.2^{\circ}$, 깊이에서 $0.4{\pm}0.2mm$였다. 두 수술 가이드 제작방법은 모든 방향에서의 오차에서 통계학적으로 유의한 차이를 보였다(P<.05). 결론: 본 연구의 결과는stereolithography방법보다 positioning device를 이용하여 수술 가이드를 제작할 때 C.T.와 임플란트 치료 계획 프로그램을 이용하여 미리 계획한 임플란트 식립 위치와 방향으로 더 정확하게 식립 할 수 있음을 보여 주었다.