Earticle

금속 인공물이 삽입된 환자에 대한 자기공명영상(MRI) 검사는 금속성 물질의 자화율 차이로 인해 발생하는 심각한 영상 왜곡으로 진단적 한계가 존재한다. 본 연구는 금속 인공물로 인한 MRI 영상 왜곡을 정량적으로 분석하고, 이를 감소시키기 위한 인공지능(AI) 기반 T2 터보 스핀 에코(TSE)의 유용성을 평가하고자 하였다. 연구는 1.5테슬라(T) 및 3.0T 환경에서 T2 TSE, AI 기반 T2 TSE, 그리고 SEMAC 기법을 사용하여 금속성 팬텀에 대한 시상 및 축 방향의 왜곡 면적을 비교하였다. 각 영상은 역치값 55를 적용한 ImageJ 분석을 통해 픽셀 면적을 수치화하였고, Kruskal- Wallis 검정 및 Bonferroni 사후 검정을 통해 통계적 유의성을 확보하였다. 결과적으로, 3.0T 환경에서 AI 기반 T2 TSE는 시상 면에서 SEMAC과 유사한 왜곡 보정 효과를 보이면서도 검사 시간을 366초 단축했으며, 1.5T TSE는 모든 시퀀스 대비 가장 낮은 왜곡 면적을 나타냈다. 이러한 결과는 AI 기반 T2 TSE가 진단적 영상 품질을 유지하면서도 임상적 효율성을 높일 수 있을 것이라 사료된다.

Metallic implants frequently cause image distortion in magnetic resonance imaging (MRI), impairing diagnostic accuracy. In particular, signal loss and geometric distortion occur due to magnetic susceptibility differences between the metallic implant and surrounding tissue. This study aimed to evaluate the effectiveness of an artificial intelligence (AI)-based turbo spin echo (T2 TSE) sequence for reducing metal-induced image distortion. We compared 1.5-tesla (1.5T) T2 TSE and 3.0T MRI correction methods, including conventional T2 TSE, AI-based T2 TSE, and slice encoding for metal artifact correction (SEMAC). A titanium-alloy rod phantom was scanned using each method, and distortion areas were analyzed using ImageJ software through threshold-based segmentation. Quantitative pixel area measurements were performed, and statistical analysis was conducted using the Kruskal-Wallis test with Bonferroni correction. In sagittal images, AI-based T2 TSE at 3.0T demonstrated distortion reduction comparable to SEMAC while reducing scan time by 366 seconds. In axial images, SEMAC achieved the highest artifact reduction. Among all sequences, the 1.5T T2 TSE demonstrated the lowest degree of metal-induced distortion in both sagittal and axial planes. These results suggest that the AI-based T2 TSE may serve as a clinically viable alternative to SEMAC for reducing metal artifacts in high-field MRI.

The conventional types of X-ray generators were bulky in physical size and heavy in weight, and the control accuracies of the output voltages were not always satisfactory. The high frequency switching inverter and converter technology on power conversion and control systems have been greatly closed up introducing power semiconductor devices. To decreasing the volume and the weight of high voltage transformer, and to stabilize ripple. In this paper, the newly developed x-ray generator in a low cost using duty modulation PWM inverter. This system verify improved performance by stabilize ripple of X-ray tube voltage and compared the reproducibility, linearity and dose in single phase, three phase and PSU.

환자의 체온을 이용한 의료장비 중의 하나로 적외선 체열촬영기가 있다. 적외선 체열촬영술을 이용하여 근골격계 질환, 신경계 질환, 혈관 질환, 통증 질환, 스포츠 손상 등 임상적 응용범위가 넓다. 아울러 한의학에서도 적외선 체열진 단기를 이용하여 열 진단의 객관성을 부여하기 위하여 사용한다. 하지만 적외선 체열촬영기는 비급여 의료장비이기 때문에 정도관리는 이루어지고 있지 않다. 이에 적외선 체열촬영기를 이용하여 자체 제작한 열제어장치의 열을 측정하여 정확도를 평가하였다. 그 결과 열제어장치의 설정온도와 거의 비슷한 범위 내에서 측정되었다. 하지만 38.5℃에서 더 이상 측정이 불가하였다. 향후 열제어장치로 적외선체열촬영기 정도관리의 일부 항목으로 사용한다면 기기의 정확도를 유지할 수 있을 것이다.

One of the medical equipment that uses the patient's body temperature is a digital infrared thermograph. Digital infrared thermography imaging has a wide range of clinical applications such as musculoskeletal disorders, nervous system diseases, vascular diseases, pain diseases, and sports injuries. In addition, in oriental medicine, a digital infrared thermograph is used to give objectivity to thermal diagnosis. However, since digital infrared thermograph is a non-insured medical device, quality control is not conducted. Therefore, the heat of the self-manufactured thermal control device was measured using a digital infrared thermograph, and the accuracy was evaluated. As a result, it was measured within a range almost similar to the set temperature of the thermal control device. However, it was no longer possible to measure at 38.5 ° C. In the future, if used as a thermal control device as part of the quality control of digital infrared thermograph, the accuracy of the equipment will be maintained.

본 연구의 목적은 전자기파 방사선과 입자방사선에 따른 전립선암 방사선 치료계획을 비교하고자 한다. MATLAD를 이용하여 전자기파 방사선, 양성자, 카본을 이용하여 각각 전립선암 치료계획을 수립하였다. 전자기파 방사선을 이용한 IMRT 치료계획을 기준으로 선량체적히스토그램을 이용하여 분석하고, PTV 최대선량 평균선량, D95와 정상장기 평균 선량, D5를 비교하고, 선량균질지수와 처방선량지수를 비교하였다. 전자기파 방사선과 양성자, 카본의 PTV 최대선량 은 각각 74.61, 73.65, 73.54 Gy, 평균선량은 66.69, 69.79, 69.89 Gy, D95는 66.24, 67.29, 67.32 Gy 였다. 정상장기는 양성자와 카본이 전자기파보다 적은 선량이 흡수되었지만, 직장의 경우 D5가 높게 흡수되었다. 또한 선량균 질지수는 각각 7.5, 5.44, 3.84로 카본이 가장 적었으며, 처방선량지수는 0.76, 0.89, 0.88로 전자기파 방사선이 가장 적었다. 전립선암 방사선 치료계획 별 처방선량지수는 유사하였지만 선량균질지수가 낮고 정상조직에 선량흡수가 적은 양성자와 카본을 이용한 치료가 유용할 것으로 사료된다.

In this study, compared to the treatment plan according to the electromagnetic and particle radiation of the radiation planning for prostate cancer. For this purpose, treatment plan of the electromagnetic, proton, and carbon radiation were established for prostate cancer patients using the MATRAD. Based on the IMRT treatment plan using electromagnetic radiation, the dose volume bar graph, the average dose of the maximum dose of PTV, the average dose of D95 and normal organs were measured, and the values of D5, dose homogeneity index and fitness index were compared. The maximum doses of PTV for electromagnetic radiation, proton, and carbon were 74.61, 73.65, and 73.54 Gy, the average doses were 66.69, 69.79, 69.89 Gy, and the D95 were 66.24, 67.29, and 67.32 Gy, respectively. In addition, the D5 was absorbed more in the rectum, although in normal organs the amount of protons and carbon were absorbed less than electromagnetic waves. Futhermore, In addition, the dose homogeneity index values were 7.5, 5.44, and 3.84, and the compatibility index was measured to be 0.76, 0.89, and 0.88, respectively, and carbon and electromagnetic radiation showed the lowest values at each index. In conclusion, treatment with proton and carbon with low dose homogeneity and low dose absorption in normal tissues is considered useful although the prescribed dose index for each prostate cancer radiation treatment plan was similar.

최근 방사선차폐시트는 제조공정에서 제품의 유연성 확보와 경도를 방지하기 위해 고분자 수지와의 배합을 많이 선 택한다. 배합과정은 기존의 납과 고무의 배합과정에서 벗어난 고분자 수지의 선택은 차폐물질의 분산에 문제점을 안고 있다. 텅스텐과 같은 금속물질인 경우는 더 어려운 과정이 다. 따라서 본 연구과정은 나노화과정이 아닌 첨가제를 이용 하여 이 문제를 해결하고자 한다. 가소제를 사용하여 차폐물질인 텅스텐을 고분자 수지 내의 혼합성을 높여 분산력에 영향을 주고 그 결과 차폐능의 변화가 있는지 조사하였다. 그 결과 작은 차이이지만, 분산력에 영향을 주어 차폐능의 변화를 보였다. 따라서 본 실험결과 가소제는 방사선차폐시트의 유연성과 수지내의 분산력을 확보하는 동시에 충전률 을 높여 차폐능을 개선하였다.

자기공명영상(MRI)은 신경계 질환의 진단, 특성 분석 및 경과 관찰에 있어 핵심적인 역할을 합니다. 최근 인공지능(AI), 특히 딥러닝(DL) 기술은 자동 분할(segmentation), 분류, 예후 예측 및 의사결정 지원을 가능하게 함으로써 뇌 MRI 분석 분야에 혁신적인 변화를 가져왔습니다. 본 종설 논문은 뇌종양 분석, 자동 종양 진단 모델, AI 보조 급성 뇌졸중 영상 분석 등 딥러닝을 활용한 최근의 대표적이고 영향력 있는 연구 10건을 종합적으로 다룹니다. 또한 방법론적 프레임워크(CNN, 3D 아키텍처, 파운데이션 모델), 임상적 적용(종양 등급 분류, 분자적 특성 예측, 뇌졸중 환자 분류), 벤치마크 데이터셋(BraTS 등), 성능 검증, 해석 가능성, 규제 관련 과제 및 임상 도입의 장벽 등을 체계적으로 검토합니다. 아울러 멀티모달 융합, 연합 학습(federated learning), 파운데이션 모델과 같은 새로운 패러다임에 대해서도 논의합니다. AI 기반 MRI 분석은 혁신적인 잠재력을 보여주고 있으나, 이를 일상적인 신경 영상 진료에 통합하기 위해서는 엄격한 검증, 해석 가능성 확보, 워크플로 조화 및 윤리적 거버넌스 확립이 필수적입니다

Magnetic resonance imaging (MRI) plays a central role in the diagnosis, characterization, and monitoring of neurological disorders. In recent years, artificial intelligence (AI)—particularly deep learning (DL)—has transformed brain MRI analysis by enabling automated segmentation, classification, prognostication, and decision support. This review synthesizes ten representative and influential studies, including recent work in deep learning for brain tumor analysis, automated tumor diagnosis models, and AI-assisted acute stroke imaging. We systematically examine methodological frameworks (CNNs, 3D architectures, foundation models), clinical applications (tumor grading, molecular prediction, stroke triage), benchmarking datasets (BraTS and others), performance validation, interpretability, regulatory challenges, and translational barriers. We also discuss emerging paradigms such as multimodal fusion, federated learning, and foundation models. AI-driven MRI analysis demonstrates transformative potential, but its integration into routine neuroimaging requires rigorous validation, interpretability assurance, workflow harmonization, and ethical governance.

본 연구는 장애아동의 부모 56명을 대상으로 올바른 양육을 위해 온라인 부모교육을 실시할 때 디지털 시대의 언어발 달 및 언어치료에 대한 부모의 인식, 교육 내용 선호도, 교육 참여 의사 및 요구를 조사하였다. 본 연구 결과는 디지털 네트워크를 활용한 부모 교육의 기초 자료로 활용될 수 있기를 기대한다. 장애아동의 언어발달과 언어치료에 대한 부모 의 인식에 대한 질문에서 디지털 시대에 다양한 매체를 통한 언어발달과 언어치료의 필요성이 가장 높게 나타났으며, 그 이유는 언어발달을 촉진하고 돕기 위함이었다. 언어발달 분야 중 가장 관심 있는 주제는 언어발달 촉진 프로그램에 대하여 가장 관심을 보였다. 장애아동의 부모들이 주로 언어발달 관련 정보를 얻는 매체는 유튜브, 맘 카페, 포털사이트 순이다. 장애아동에 대한 교육내용 선호도, 교육 참여 의사, 온라인 학부모 교육 수요를 조사한 결과 부모의 절반 이상이 장애에 대해 대체로 잘 알고 있다고 응답하였다. 그럼에도 불구하고 장애아동의 언어발달에 대해 확신이 없다는 응답이 많기 때문에 언어치료의 효과를 높이기 위한 부모교육이 절실히 필요하다는 것을 알 수 있었다. 온라인 교육 참여 의사를 묻는 질문에 무조건 참여하겠다고 응답한 부모가 가장 많았는데 이는 온라인 교육의 편리함이 교육정보 확산에 기여한 것으로 판단된다. 온라인 부모교육에서는 교육내용에 대한 선호도 중 언어발달촉진 프로그램에 대한 선호도가 가장 높아 언어치료에 대한 수요와 필요성에 대한 인식이 높은 것으로 나타났다.

This study surveyed 56 parents of children with disabilities to examine parents' awareness of language development and language therapy in the digital age, their preference for educational content, and their willingness and demand to participate in education when conducting online parenting education for proper parenting. The results of this study are expected to be used as basic data for parent education using digital networks. In the question about parents' perception of language development and language therapy for children with disabilities, the need for language development and language therapy through various media in the digital age was the highest, and the reason was to promote and help language development. When asked what subject they were most interested in among language development fields, they showed the most interest in language development promotion programs. The media that parents of children with disabilities usually obtain information related to language development are YouTube, Mom-cafes, and portal sites in the order of search. As a result of a survey on the preference for educational content of children with disabilities, willingness to participate in education, and demand for online parent education, more than half of the respondents answered that their parents are generally well aware of their disabilities. Nevertheless, since there are many responses that they are not sure about the language development of children with disabilities, parental education is urgently needed to increase the effectiveness of language therapy. Parents' willingness to participate in online education was the highest among respondents who responded that they would participate unconditionally, suggesting that the convenience of online education contributed to the spread of educational information. In online parent education, the preference for language development promotion education was the highest among the preferences for educational contents, indicating a high awareness of the demand and necessity for language therapy.

간세포암 환자에서 TACE 치료 반응은 환자의 개별적인 특성에 따라 달라지므로, 치료 효과를 정확히 예측하는 것은 여전히 중요한 도전 과제로 남아 있다. 이에 본 연구에서는 다양한 머신러닝 알고리즘(Logistic Regression, Linear Support Vector Machine, Random Forest, XGBoost)을 활용하여 TACE 치료 반응을 예측하는 모델을 개발하고, 이들의 성능을 비교하여 가장 우수한 모델을 도출하고자 하였다. 나이, 성별, BMI, 간염 바이러스, 간경변증, 문맥 고혈 압, 생체표지자, CBCT, DAP을 독립변수로, 치료 완전반응을 종속변수로 설정하여 예측 모델을 개발하였다. 성능 평가 결과, 선형 모델 중에서는 Logistic Regression이 가장 높은 성능을 보였으며, 비선형 모델에서는 Random Forest가 재현율(82.12%)에서 높은 값을 나타냈다. 그러나 XGBoost는 정확도(78.57%), 정밀도(81.43%), F1 점수(81.71%)에서 더 높은 성능을 보여 종합적으로 가장 우수한 예측력을 보였다. 이러한 결과는 XGBoost 모델이 복잡한 임상 데이터를 효과적으로 처리할 수 있으며, 향후 TACE 치료 계획 수립에 유용하게 활용될 것으로 사료된다.

Treatment response to TACE (Transarterial chemoembolization) in patients with HCC (Hepatocellular carcinoma) varies depending on individual patient variables, making accurate prediction of treatment outcomes a significant challenge. Therefore, this study aimed to develop Prediction models for treatment response using various machine learning algorithms, including Logistic Regression, Linear Support Vector Machine, Random Forest, and XGBoost, and to compare their performance to identify the most effective model. The Prediction models were developed using independent variables such as age, sex, BMI (Body Mass Index), hepatitis virus, liver cirrhosis, portal hypertension, biomarker, CBCT (Cone Beam Computed Tomography), and DAP (Dose Area Product), with complete treatment response set as the dependent variable. Performance evaluation showed that Logistic Regression had the highest performance among linear models, while Random Forest demonstrated superior recall (82.12%) among nonlinear models. However, XGBoost outperformed other models in terms of accuracy (78.57%), precision (81.43%), and F1 score (81.71%), demonstrating the best overall predictive performance. These results suggest that the XGBoost model can effectively handle complex clinical data and may be useful in supporting future TACE treatment planning.

본 연구는 VFSS 시행 전, 환자의 기초 임상 정보와 기저 질환을 활용하여 Aspiration 발생 위험을 예측하는 머신러닝 모델을 개발하고, 설명 가능한 인공지능(XAI)인 SHAP을 통해 모델의 판단 근거를 정량적으로 분석하고자 하였다. 연하곤란으로 VFSS를 시행한 환자 500명의 후향적 데이터를 대상으로 성별, 연령, BMI, 뇌졸중, 파킨슨병, 식도암, 두경부암을 예측 변수로 설정하였으며, Logistic Regression, Random Forest, XGBoost 모델의 성능을 비교하였다. 분석 결과, XGBoost 모델이 정확도 0.824, 민감도 0.845, 특이도 0.810, F1 점수 0.798로 가장 우수한 성능을 보였다. 변수 중요도 분석에서는 뇌졸중, 파킨슨병, 두경부암 순으로 나타났으나, SHAP 분석에서는 뇌졸중에 이어 두경부암이 두 번째 주요 위험 요인으로 확인되었고, BMI 또한 낮은 중요도에도 불구하고 임상적으로 유의한 변수로 나타났다. 특히 저체중 상태에서 흡인 위험이 증가하는 비선형적 경향이 확인되었다. 이러한 결과는 XGBoost 기반 모델이 흡인 고위험군 선별에 효과적임을 시사하며, XAI를 통한 해석 가능성 확보로 영상 장비가 제한된 임상 환경에서도 신뢰할 수 있는 의사결정 지원 도구로 활용될 수 있음을 보여준다.

This study developed a machine learning model to predict aspiration risk prior to Video fluoroscopic Swallowing Study (VFSS) using basic clinical data and underlying disease information, and applied SHAP-based Explainable artificial intelligence (XAI) to interpret model decisions. A retrospective dataset of 500 patients with dysphagia was analyzed using Logistic Regression, Random Forest, and XGBoost models. XGBoost showed the best performance (accuracy 0.824, sensitivity 0.845, specificity 0.810, F1 score 0.798). Stroke was identified as the most influential predictor, followed by head and neck cancer and Parkinson’s disease. SHAP analysis further revealed that head and neck cancer had a greater impact than Parkinson’s disease, and that low BMI was a clinically meaningful factor. In particular, underweight status (BMI <18.5 kg/m²) was associated with a marked increase in aspiration risk. These findings suggest that the proposed model can effectively identify high-risk patients using non-imaging clinical data. The integration of XAI enhances interpretability, supporting its potential as a practical clinical decision support tool for early risk assessment and intervention.

AI(Artificial Intelligence) 기술은 의료영상 분야에도 미치는 영향이 크다. 하지만 알고리즘에 대한 정확한 이해 없이 의료분야에 인공지능(AI)를 적용하는 과정은 여전히 복잡한 과제이다. 따라서, 본 리뷰 논문에서는 의료영상 분석 알고리즘을 철저하게 분석하고, OCT(Optical Coherence Tomography)를 포함한 의료영상 분석 과정에 대한 깊은 이해를 추구하며, 의료분야에서 인공지능 기술을 효과적으로 접목시키는 것을 목표로 했다. 대표적인 황반변성과 관련된 OCT 데이터를 분석하는 AI 알고리즘은 Drusen, ONL(Outer Nuclear Layer), ORB(Outer Retinal Boundary)와 같은 바이오마커의 특징을 추출하는 것으로 조사됐다. 이러한 특징을 이해하기 위해 사용된 알고리즘은 딥러닝 모델을 활용하여 황반의 해부학적 구조에서 경계를 3D 형식으로 정량화하고 시각화하는 작업을 수행한다. 결과적으로 AI 알고 리즘의 의료 영상분석의 정확도는 전문가 수준 이상이며, 이는 AI 알고리즘과 의료 분야를 접목시켜 사람들에게 더 정확한 의료 서비스를 제공할 수 있을 것으로 기대된다.

Artificial Intelligence(AI) technology has a significant impact on the field of medical imaging. Even if a thorough understanding of exact algorithms is the current technology, there are still challenges in applying to use AI to healthcare. Therefore, this review aims to deeply analyze medical image analysis algorithms, enhance the comprehension of the imaging process in medical imaging for Optical Coherence Tomography(OCT), and foster the effective integration of AI technology in medical applications. For example, biomarkers such as Drusen, Outer Nuclear Layer, and Outer Retinal Boundary have been provided by AI algorithms for OCT data associated with macular degeneration. The algorithm employed to comprehend these markers involved quantifying and visualizing the boundaries in the anatomical structure of the macula in a 3D manner, utilizing a deep learning model. In conclusion, a comprehensive understanding of the algorithms required for AI's ability to learn will contribute to how experts interpret medical images.