• Korean Journal of Radiology
• /
• 제24권5호
• /
• pp.454-464
• /
• 2023

Objective: We aimed to investigate current expectations and clinical adoption of artificial intelligence (AI) software among neuroradiologists in Korea. Materials and Methods: In April 2022, a 30-item online survey was conducted by neuroradiologists from the Korean Society of Neuroradiology (KSNR) to assess current user experiences, perceptions, attitudes, and future expectations regarding AI for neuro-applications. Respondents with experience in AI software were further investigated in terms of the number and type of software used, period of use, clinical usefulness, and future scope. Results were compared between respondents with and without experience with AI software through multivariable logistic regression and mediation analyses. Results: The survey was completed by 73 respondents, accounting for 21.9% (73/334) of the KSNR members; 72.6% (53/73) were familiar with AI and 58.9% (43/73) had used AI software, with approximately 86% (37/43) using 1-3 AI software programs and 51.2% (22/43) having up to one year of experience with AI software. Among AI software types, brain volumetry software was the most common (62.8% [27/43]). Although 52.1% (38/73) assumed that AI is currently useful in practice, 86.3% (63/73) expected it to be useful for clinical practice within 10 years. The main expected benefits were reducing the time spent on repetitive tasks (91.8% [67/73]) and improving reading accuracy and reducing errors (72.6% [53/73]). Those who experienced AI software were more familiar with AI (adjusted odds ratio, 7.1 [95% confidence interval, 1.81-27.81]; P = 0.005). More than half of the respondents with AI software experience (55.8% [24/43]) agreed that AI should be included in training curriculums, while almost all (95.3% [41/43]) believed that radiologists should coordinate to improve its performance. Conclusion: A majority of respondents experienced AI software and showed a proactive attitude toward adopting AI in clinical practice, suggesting that AI should be incorporated into training and active participation in AI development should be encouraged.

• 핵의학기술
• /
• 제22권1호
• /
• pp.98-102
• /
• 2018

소화기계 Leakage환자 검사 시 Planar 영상만으로 담즙누출 및 출혈여부와 위치감별이 쉽지 않다. SPECT-CT를 이용하여 담즙누출 및 위장관출혈 확인과 위치 감별을 통한 유용성을 평가하고자 한다. 본원에 내원한 환자 중 담즙누출 의심 환자 8명 및 위장관출혈이 의심되는 환자 5명, 총 13명을 대상으로 Planar영상 획득 후 판독실요청에 따라 SPECT-CT를 진행했다. 장비는 SIEMENS사의 Symbia T16과 GE사의 Discovery 670을 사용했다. Planar 및 SPECT-CT 영상은 4명의 경험 있는 핵의학 의사에 의해 1~10점의 점수로 평가했다. 민감도 및 특이도를 이용하여 ROC 곡선에 의한 검사 평가를 시행했다. 최종 진단은 재수술 결과 및 추적 관찰을 통해 확인했다. SPECT-CT의 민감도, 특이도 및 정확도는 각각 91.7%, 100% 및 94.2%였다. Planar영상은 각 각 83.3%, 68.8% 및 78.8%였다. Planar영상은 SPECT-CT와 비교하여 낮은 진단 정확도를 보였다(78.8%, 94.2%, p<0.05). 또한 ROC곡선 분석에서 SPECT-CT의 진단 신뢰도는 Planar영상보다 유용한 결과를 나타냈다(p<0.05). SPECT-CT는 담즙누출 및 위장관출혈 진단과 위치 감별에 민감도와 특이도가 높게 나타났다. Planar영상과 함께 SPECT-CT를 추가로 시행한다면 담즙누출 및 위장관출혈 환자의 진단과 위치 감별평가를 향상 시킬 것으로 사료된다. SPECT-CT는 다른 장기와의 중첩으로 진단이 어려울 경우 유용성이 있지만 추가적인 CT피폭에 대한 고려는 충분히 이루어져야 할 것이다.

• Radiation Oncology Journal
• /
• 제26권3호
• /
• pp.189-194
• /
• 2008

목 적: 본 연구팀은 사지에 발병한 카포시육종의 방사선치료를 위하여, 물볼루스를 사용할 수 있는 기구를 고안하였고, 쌀볼루스 사용시와 비교하여 유용성을 평가하고자 하였다. 대상 및 방법: 환자가 앙와위 자세에서 하지를 삽입 할 수 있는 폴리스틸렌 상자를 만들고 비닐 재질의 진공비닐을 집어 넣어 물이 누수 되지 않도록 결합하였으며, 진공비닐안에 하지와 물 사이의 공기를 없애기 위해 진공 밸브와 진공 펌프를 연결하여 공기를 제거하였다. 본 연구에서 제작한 물기반 볼루스의 선량 균질도를 비교 평가하기 위해 진공비닐에 하지 팬텀을 삽입한 후 폴리스틸렌 상자에 직접 쌀을 채운 경우, 비닐봉지에 쌀을 담아서 넣은 경우, 그리고 물을 직접 채운 경우에 대해 전산화단층촬영을 시행하였다. 방사선치료계획시스템을 사용하여 공기층의 부피에 의한 밀도의 변화를 분석하였다. 또한 선형가속기를 사용하여 전산화단층 모의치료기와 동일한 셋업에서 하지 팬텀에 필름을 감고, 열형광선량계 6개를 조사야 안에 균등하게 붙여서, 대향이문 조사하여 선량의 균질도 및 선량 값을 측정하였다. 결 과: 각 세 종류 실험의 밀도 측정결과 물볼루스를 기준으로 쌀을 직접 넣은 경우는 14% 감소했으며, 쌀을 비닐 봉지에 나누어 넣은 경우는 18% 감소하였다. 필름의 분석 결과 물볼루스가 쌀볼루스보다 균질도가 $4{\sim}4.4%$ 정도 우수한 것으로 나타났다. 열형광선량계 측정 평균값 분석결과 물볼루스를 기준으로 쌀을 직접 넣은 경우는 3.4% 증가했으며, 쌀을 비닐봉지에 나누어 넣은 경우는 4.3% 증가하였다. 결 론: 자체 제작한 물볼루스 기구는 육안으로 치료 조사야를 확인할 수 있어 셋업의 정확성을 높였으며, 진공 밸브와 진공 펌프를 사용하여 공기층을 감소시켜 치료의 정확성을 높이는 동시에 목적 종양에 균질도가 높은 선량을 부여 할 수 있는 좋은 방안이라 할 수 있다.

• 대한방사선기술학회지:방사선기술과학
• /
• 제31권3호
• /
• pp.223-228
• /
• 2008

의학적으로 방사선을 사용 시 가장 중요한 점은 환자의 병을 진단 가능하되 피폭선량을 최소화시켜야 한다는 점이다. 진단용 X-선 중 장파장부분은 대부분 흡수에 관여하게 되어 환자의 피폭선량을 증가시키므로 불필요하다. 이러한 장파장영역을 제거하기 위한 방법으로 가장 효과적인 방법은 여과 판의 사용이다. 이에 부가여과가 없는 경우와 0.3mmCu filter 사용 시의 화질과 피부입사선량에 대해 실험을 해 보았다. ROC 신호용 지름 4mm, 두께 3mm의 아크릴 디스크를 chest phantom에 랜덤하게 위치시키면서 non filter 및 Cu filter시 각 각 20매씩 총 40매의 신호+잡음영상을 촬영하고, 또한 신호가 없는 영상(잡음만의 영상)을 각 각 20매씩 40매 촬영하여 총 80매의 영상을 준비한 후 5명의 방사선종사자가 판독 후 P(S/s), P(S/n) 구하여, ROC곡선을 그리고, 감도와 특이도 및 곡선하면적을 구해 평가하였다. 또한 AAPM(American Association of Physicists in Medicine by the American Institute of Physics)권고에 따른 ANSI chest phantom과 Contrast-detail phantom을 이용하여 non filter 또는 Cu filter사용 시 시각적으로 관찰 가능한 병소의 갯수를 파악하였으며, 또한 두 경우에서 피부입사선량을 측정하였다. 그 결과 Cu filter사용 시에 ROC곡선이 좌상방향에 위치하고, 감도, 곡선하면적 및 CD phantom 병소의 갯수에서 모두 좋은 결과를 나타내었다. 또한 피부입사선량은 감소가 되어 여러 측면에서 부가필터의 사용을 검토해 볼 필요가 있으리라 사료된다.

• Journal of Radiation Protection and Research
• /
• 제27권3호
• /
• pp.147-154
• /
• 2002

연구 목적 : 각종 암 환자의 방사선치료시 환자에 조사되는 방사선량을 매 치료시마다 간편하게 확인하기 위한 생체내(in vivo) 선량측정의 한 방법으로 투과선량을 이용하는 새로운 시스템에 필요한 알고리즘을 개발하고자 하였다. 이를 위하여 본 교실에서 이미 개발한 바 있는 알고리즘을 개선하고자 하였다. 연구 재료 및 방법 : 알고리즘은 투과선량의 기본 측정치를 A/P (area-perimeter ratio)의 4차 함수로 회귀한 후에 각 계수들을 PCD (phantom-chamber distance)의 3차 함수로 회귀하여 구성하였다. 또한 기본 측정조건들의 감소 가능성을 확인하기 위하여 각각의 PCD 및 Tp (phantom thickness)당 조사야를 8개만 사용한 경우와 15개를 사용한 경우에서 측정치와 계산치를 비교하였다. 임의의 방사선조사조건에서의 알고리즘의 정확도를 확인하기 위하여 기본 측정 조건에 포함되지 않은 장방형의 방사선조사야, 기본 측정에 포함되지 않은 임의의 팬톰 두께, 임의의 PCD 조건에서 측정을 시행하고 알고리즘을 이용한 계산치와 비교하였다. 연구 결과 : 기본 측정치와 알고리즘을 이용한 계산치 간의 오차를 분석한 곁과 기존의 알고리즘에 비하여 정확도가 크게 향상되었으며 정방형 개방 조사야의 경우 오차의 범위를 ${\pm}0.5%$ 이내로 제한할 수 있었다. 또한 기돈 측정조건을 약 2분의 1로 감소시킬 수 있었다. 임의의 개방조사야의 방사선조사조건에서 측정을 시행하고 알고리즘을 이용한 계산치와 비교한 경우도 대부분의 경우 ${\pm}1.0%$ 이하의 오차를 나타내었다. 결론 : 악성종양환자의 방사선치료시 투과선량을 이용하여 환자에 조사되는 방사선량을 실시간으로 측정하기 위한 생체내 선량측정시스템이 필요한 개선된 알고리즘은 기본 측정자료를 약2분의 1로 축소한 경우에도 정방형 개방 조사야의 경우 ${\pm}0.5%$ 이하의 오차 범위, 장방형의 개방 조사야에서는 ${\pm}1.0%$ 이하의 오차 범위로 정확히 투과선량을 계산할 수 있음을 확인하였다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.157-173
• /
• 2021

소비자의 욕구와 관심에 맞추어 개인화된 제품을 추천하는 추천 시스템은 비즈니스에 필수적인 기술로서의 그 중요성이 증가하고 있다. 추천 시스템의 대표적인 모형 중 협업 필터링은 우수한 성능으로 다양한 분야에서 활용되고 있다. 그러나 협업필터링은 사용자-아이템의 선호도 정보가 충분하지 않을 경우 성능이 저하되는 희소성의 문제가 있다. 또한 실제 평점 데이터의 경우 대부분 높은 점수에 데이터가 편향되어 있어 심한 불균형을 갖는다. 불균형 데이터에 협업 필터링을 적용할 경우 편향된 클래스에 과도하게 학습되어 추천 성능이 저하된다. 이러한 문제를 해결하기 위해 많은 선행연구들이 진행되어 왔지만 추가적인 외부 데이터 또는 기존의 전통적인 오버샘플링 기법에 의존한 추천을 시도하였기에 유용성이 떨어지고 추천 성능 측면에서 한계점이 있었다. 본 연구에서는 CGAN을 기반으로 협업 필터링 구현 시 발생하는 희소성 문제를 해결함과 동시에 실제 데이터에서 발생하는 데이터 불균형을 완화하여 추천의 성능을 높이는 것을 목표로 한다. CGAN을 이용하여 비어있는 사용자-아이템 매트릭스에 실제와 흡사한 가상의 데이터를 생성하여, 희소성을 가지고 있는 기존의 매트릭스로만 학습한 것과 비교했을 때 높은 정확도가 예상된다. 이 과정에서 Condition vector y를 이용하여 소수 클래스에 대한 분포를 파악하고 그 특징을 반영하여 데이터를 생성하였다. 이후 협업 필터링을 적용하고, 하이퍼파라미터 튜닝을 통해 추천 시스템의 성능을 최대화하는데 기여하였다. 비교 대상으로는 전통적인 오버샘플링 기법인 SMOTE, BorderlineSMOTE, SVM-SMOTE, ADASYN와 GAN을 사용하였다. 결과적으로 데이터 희소성을 가지고 있는 기존의 실제 데이터뿐만 아니라 기존 오버샘플링 기법들보다 제안 모형의 추천 성능이 우수함을 확인하였으며, RMSE, MAE 평가 척도에서 가장 높은 예측 정확도를 나타낸다는 사실을 증명하였다.

• 지능정보연구
• /
• 제26권2호
• /
• pp.57-78
• /
• 2020

인터넷의 발달로, 소비자들은 이커머스에서 손쉽게 상품 정보를 확인한다. 이때 활용되는 상품 리뷰는 사용자 경험을 토대로 작성되어 구매의사결정의 효율성을 높일 뿐만 아니라 상품 개발에 도움을 주기도 한다. 하지만, 방대한 양의 상품 리뷰에서 관심있는 평가차원의 세부내용을 파악하는 데에는 많은 시간과 노력이 소비된다. 예를 들어, 노트북을 구매하려는 소비자들은 성능, 무게, 디자인과 같은 평가차원에 대해 각 차원별로 비교 상품의 평가를 확인하고자 한다. 따라서 본 논문에서는 상품 리뷰에서 다차원 상품평가 점수를 자동적으로 생성하는 방안을 제안하고자 한다. 본 연구에서 제시하는 방안은 크게 2단계로 구성된다. 사전준비 단계와 개별상품평가 단계로, 대분류 상품군 리뷰를 토대로 사전에 생성된 차원분류모델과 감성분석모델이 개별상품의 리뷰를 분석하게 된다. 차원분류모델은 워드임베딩과 연관분석을 결합함으로써 기존 연구에서 차원과 단어들의 관련성을 찾기 위한 워드임베딩 방식이 문장 내 단어의 위치만을 본다는 한계를 보완한다. 감성분석모델은 정확한 극성 판단을 위해 구(phrase) 단위로 긍부정이 태깅된 학습데이터를 구성하여 CNN 모델을 생성한다. 이를 통해, 개별상품평가 단계에서는 구 단위의 리뷰에 준비된 모델들을 적용하고 평가차원별로 종합함으로써 다차원 평가점수를 얻을 수 있다. 본 논문의 실험에서는 대분류 상품군 리뷰 약 260,000건으로 평가모델을 구성하고, S사와 L사의 노트북 리뷰 각 1,011건과 1,062건을 실험데이터로 활용한다. 차원분류모델은 구로 분해한 개별상품 리뷰를 6개 평가차원으로 분류했고, 기존 워드임베딩 방식보다 연관분석을 결합한 모델의 정확도가 13.7% 증가했음을 볼 수 있었다. 감성분석모델은 문장보다 구 단위로 학습한 모델이 평가차원을 면밀히 분석함으로써 29.4% 더 높은 정확도를 보임을 확인했다. 본 연구를 통해 판매자, 소비자 모두가 상품의 다차원적 비교가 가능하다는 점에서 구매 및 상품 개발에 효율적인 의사결정을 기대할 수 있다.

• 지능정보연구
• /
• 제22권3호
• /
• pp.129-142
• /
• 2016

전자상거래에서 소비자들의 구매 의사결정에 판매 제품을 이미 구매하여 사용한 고객의 리뷰가 중요한 영향을 미치고 있다. 전자상거래 업체들은 고객들이 제품 리뷰를 남기도록 유도하고 있으며, 구매고객들도 적극적으로 자신의 경험을 공유하고 있다. 한 제품에 대한 고객 리뷰가 너무 많아져서 구매하려는 제품의 모든 리뷰를 읽고 제품의 장단점을 파악하는 것은 무척 힘든 일이 되었다. 전자상거래 업체들과 연구자들은 텍스트 마이닝을 활용하여 리뷰들 중에서 유용한 리뷰들의 속성을 파악하거나 유용한 리뷰와 유용하지 않은 리뷰를 미리 분류하는 노력을 수행하고 있다. 고객들에게 유용한 리뷰를 필터링하여 전달하는 방안이다. 본 연구에서는 문서-단어 매트릭스에서 단어의 제거 기준으로 온라인 고객 리뷰가 유용한 지, 그렇지 않은지를 구분하는 문제에서 단어들이 유용 리뷰 집합과 유용하지 않은 리뷰집합에 중복하여 등장하는 정도를 측정한 중립도를 제시한다. 제시한 중립도를 희소성과 함께 분석에 활용하여 제거할 단어를 선정한 후에 각 분류 알고리즘의 성과를 비교하였다. 최적의 성과를 보이는 중립도를 찾았으며, 희소성과 중립도에 따라 단어를 선택적으로 제거하였다. 실험은 Amazon.com의 'Cellphones & Accessories', 'Movies & TV program', 'Automotive', 'CDs & Vinyl', 'Clothing, Shoes & Jewelry' 제품 분야 고객 리뷰와 사용자들의 리뷰에 대한 평가를 활용하였다. 전체 득표의 수가 4개 이상인 리뷰 중에서 제품 카테고리 별로 유용하다고 판단되는 1,500개의 리뷰와 유용하지 않다고 판단되는 1,500개의 리뷰를 무작위로 추출하여 연구에 사용하였다. 데이터 집합에 따라 정확도 개선 정도가 상이하며, F-measure 기준으로는 두 알고리즘에서 모두 희소성과 중립도에 기반하여 단어를 제거하는 방안이 더 성과가 높았다. 하지만 Information Gain 알고리즘에서는 Recall 기준으로는 5개 제품 카테고리 데이터에서 언제나 희소성만을 기준으로 단어를 제거하는 방안의 성과가 높았으며, SVM에서는 전체 단어를 활용하는 방안이 Precision 기준으로 성과가 더 높았다. 따라서, 활용하는 알고리즘과 분석 목적에 따라서 단어 제거 방안을 고려하는 것이 필요하다.