• 제목/요약/키워드: set-up accuracy

검색결과 382건 처리시간 0.02초

호흡연동 용적변조 회전방사선치료에서 호흡주기에 따른 선량전달 정확성 검증 (Dose verification for Gated Volumetric Modulated Arc Therapy according to Respiratory period)

  • 전수동;배선명;윤인하;강태영;백금문
    • 대한방사선치료학회지
    • /
    • 제26권1호
    • /
    • pp.137-147
    • /
    • 2014
  • 목 적 : 호흡연동 용적변조 회전방사선치료(Gated Volumetric Modulated Arc Therapy)에서 환자의 호흡주기 변화에 따른 선량전달의 정확성을 검증하고자 한다. 대상 및 방법 : 실험에는 TrueBeam STxTM(Varian Medical Systems, Palo Alto, CA)치료기를 사용하였다. 인체모형등가팬텀(Rando Phantom, Alderson Resarch Laboratories Inc. Stamford. CT, USA)의 전산화단층영상에 전산화치료계획시스템(Eclipse 10.0, Varian, USA)을 이용하여 10 MV FFF(Flatenning Filter Free), 선량률 1200 MU/min으로 1500 cGy/fx(Case1, 2, 3)과 220 cGy/fx(Case4, 5, 6)의 치료계획을 수립하였다. $QUASAR^{TM}$ Respiratory Motion Phantom(Modus Medical Devices Inc)을 이용하여 1.5, 2.5, 3.5, 4.5 sec의 일정한 호흡주기와 평균호흡주기가 2.2, 3.5 sec인 환자의 호흡주기를 재현하였고 위상모드 30~70% 구간에서 방사선이 조사되도록 설정하였다. 각각의 호흡 조건에서 2차원 이온전리함 배열 검출기(I'mRT Matrixx, IBA Dosimetry, Germany)와 MultiCube Phantom(IBA Dosimetry, Germany)을 이용하여 측정하였고 세기변조 방사선치료 분석 프로그램(OmniPro I'mRT, IBA Dosimetry, Germany)을 이용하여 Gamma pass rate(3 mm, 3%)을 비교하였다. 결 과 : Case 1, 2, 3, 4, 5, 6의 Gamma pass rate은 일정한 호흡주기 1.5 sec에서 100.0, 97.6, 98.1, 96.3, 93.0, 94.8%, 2.5 sec에서 98.8, 99.5, 97.5, 99.5, 98.3, 99.6%, 3.5 sec에서 99.6, 96.6, 97.5, 99.2, 97.8, 99.1%, 4.5 sec에서 99.4, 96.3, 97.2, 99.0, 98.0, 99.3%의 결과를 보였다. 환자의 호흡을 재현한 경우 평균 호흡주기 2.2 sec에서는 97.7, 95.4, 96.2, 98.9, 96.2, 98.4%, 3.5 sec에서는 97.3, 97.5, 96.8, 100.0, 99.3 99.8%의 결과를 보였다. 결 론 : 2.5 sec이상의 일정한 호흡주기와 환자의 호흡을 재현한 실험에서 Gamma pass rate 95%이상의 임상적으로 신뢰할 만한 결과를 보였다. 일정한 호흡주기 1.5 sec의 Case 5, 6 에서 93.0, 94.8%의 결과를 보였으나 100명의 환자 호흡주기 분석 결과 1.5 sec의 호흡을 지속했던 경우는 없었던 점으로 보아 대부분의 호흡조건에서 정확한 선량전달이 가능함을 확인 하였다. 다만 극히 짧은 호흡주기로 인한 오차발생 가능성을 배제할 수 없기 때문에 치료전 선량전달 정확성 검증이 선행되어야 하며 모의치료시 환자 교육으로 안정된 호흡을 유지하고 정확한 모니터링을 통해 치료중 환자 호흡변화에 대처한다면 더욱 안정적이고 정확한 치료가 이루어질 것으로 사료된다.

소셜 네트워크 분석 기법을 활용한 협업필터링의 특이취향 사용자(Gray Sheep) 문제 해결 (Resolving the 'Gray sheep' Problem Using Social Network Analysis (SNA) in Collaborative Filtering (CF) Recommender Systems)

  • 김민성;임일
    • 지능정보연구
    • /
    • 제20권2호
    • /
    • pp.137-148
    • /
    • 2014
  • 상품 검색시간의 단축과 쇼핑에 투입되는 노력의 감소 등, 온라인 쇼핑이 주는 장점에 대한 긍정적인 인식이 확산되면서 전자상거래(e-commerce)의 중요성이 부각되는 추세이다. 전자상거래 기업들은 고객확보를 위해 다양한 인터넷 고객관계 관리(eCRM) 활동을 전개하고 있는데, 개인화된 추천 서비스의 제공은 그 중 하나이다. 정확한 추천 시스템의 구축은 전자상거래 기업의 성과를 좌우하는 중요한 요소이기 때문에, 추천 서비스의 정확도를 높이기 위한 다양한 알고리즘들이 연구되어 왔다. 특히 협업필터링(collaborative filtering: CF)은 가장 성공적인 추천기법으로 알려져 있다. 그러나 고객이 상품을 구매한 과거의 전자상거래 기록을 바탕으로 미래의 추천을 하기 때문에 많은 단점들이 존재한다. 신규 고객의 경우 유사한 구매 성향을 가진 고객들을 찾기 어렵고 (Cold-Start problem), 상품 수에 비해 구매기록이 부족할 경우 상관관계를 도출할 데이터가 희박하게 되어(Sparsity) 추천성능이 떨어지게 된다. 취향이 독특한 사용자를 뜻하는 'Gray Sheep'에 의한 추천성능의 저하도 그 중 하나이다. 이러한 문제인식을 토대로, 본 연구에서는 소셜 네트워크 분석기법 (Social Network Analysis: SNA)과 협업필터링을 결합하여 데이터셋의 특이 취향 사용자 (Gray Sheep) 문제를 해소하는 방법을 제시한다. 취향이 독특한 고객들의 구매데이터를 소셜 네트워크 분석지표를 활용하여 전체 데이터에서 분리해낸다. 그리고 분리한 데이터와 나머지 데이터인 두 가지 데이터셋에 대하여 각기 다른 유사도 기법과 트레이닝 셋을 적용한다. 이러한 방법을 사용한 추천성능의 향상을 검증하기 위하여 미국 미네소타 대학 GroupLens 연구팀에 의해 수집된 무비렌즈 데이터(http://movielens.org)를 활용하였다. 검증결과, 일반적인 협업필터링 추천시스템에 비하여 이 기법을 활용한 협업필터링의 추천성능이 향상됨을 확인하였다.