Earticle

고령화 사회가 속화 됨에 따라 노인성 질환도 격하게 증가하고 있는 추세이다. 특히 치매는 나이가 들어감에 따 라 발병률이 높아지고 있는 질병이기 때문에 치매에 한 심이 높아지고 있다. 최근 치매증상을 조기 발견함으로 서 치료가 가능하다는 연구에 의하여 조기진단의 요성이 높아지고 있다. 치매 진단을 해 자기공명상(MRI)데 이터를 가지고 실험하다. 본 논문에서는 MRI의 특정 정보 데이터를 가지고 패턴인식 분야에서 자주 쓰이는 알고 리즘에 해 비교 평가해 보았다. 패턴인식 알고리즘인 주성분분석, 선형별분석, 서포트 벡터 머신, 딥러닝을 활 용하여 치매조기진단을 해 정상, 경도인지장애, 치매환자를 구분한다. 각 알고리즘에 한 특징을 알아보고 한 알고리즘을 선택하여 치매조기진단에 기여하도록 알고리즘을 비교 분석하다.

As the trend of aging in Korea grows rapidly, age-related diseases are also becoming more serious. In particular, dementia, especially, Alzheimer’s disease (AD), is one of the increasing concerns because the incidence rate is increasing with age. Depending on the recent researches that AD can be cured if it can be early diagnosed, the importance of early diagnosis of AD are getting more attention. For this purpose, we compared several classification algorithms in the field of pattern recognition using MRI-specific information. More specifically, for the classification of cognitively normal (CN), late mild cognitive impairment (LMCI), and AD subjects, we used Principal Component Analysis (PCA), Linear Discriminant Analysis (LDA), Support Vector Machine (SVM), Neural Networks (NNs), and Deep Learning. We briefly analyzed the characteristics of each algorithm, and compared them in the classification problem to find the suitable algorithm for assisting the diagnosis of AD progression.

이 글에서는 fMRI 데이터로 뇌 영역 간의 연결을 인과관계로 분석하여 뇌기능을 탐구하는 방법에 대해 세 가지를 논의한다. 첫째, 뇌 영역 간의 연결을 인 과관계로 분석하는 데에 인과 모형 이론이 어떻게 기여할 수 있는지를 본다. 둘 째, 그 분석에서 직면할 문제가 무엇인지를 논의한다. 셋째, 그 문제가 잠재(은 닉) 변수에 따른 인과 연결의 복잡성에서 나온 것이고, 그 복잡성의 해결에 인과 모형에서 오컴의 면도날, 다시 말해, 단순성 원리가 어떤 역할을 하는지를 논의 한다. 이 글의 구조는 다음과 같다. 2장에서는 자기 공명 영상(fMRI) 데이터에 토대한 뇌의 복셀을 통계적 관점에서 어떻게 추론하는지를 소개하고, 어떤 한계 가 있는지를 주목한다. 3장에서는 그 한계에 주목하며 인과 모형 이론이 대안이 될 수 있음을 본다. 인과 모형은 뇌의 복셀 간의 (인과) 효과적 연결 구조를 판명 하는 알고리즘의 역할을 한다. 4장에서는 인과 모형의 핵심 조건인 마코프 조건 과 충실성 조건에 대해 소개한다. 5장에서는 뇌 기능의 인과적 연결성에서 인과 구조의 해명이 어떻게 이루어지는지를 논의한다. 6장에서는 최적화 인과 구조를 판명하는 데에 단순성 원리인 오컴의 면도날이 어떤 역할을 하는지를 보여준다.

In this paper, I show how causal model theory leads us to infer causal structure among brain regions from f-MRI data. I notice the difficulty with the causal analysis of f-MRI data that is due to the complexity of causal connections with latent (hidden) variables. I show that Ockham's (Occam’s) razor, or the simplicity principle in causal model meets the difficulty. The structure of the paper is as follows. In Chapter 2, I show what difficulty we are confronting while making statistical inferences from f-MRI data to connections among brain voxels. In Chapter 3, I notice that causal model theory leads us to identify the causal structure best fitted to the data of f-MRI. In Chapter 4, I introduce two core conditions for causal models, the Markov condition and the Faithfulness condition. In Chapter 5, I show how we are able to explicate the effective (causal) connectivity of brain functions in terms of the two conditions and DAG in causal model. In Chapter 6, I show how Ockham's Razor, the simplicity principle, leads us to identify the causal structure best fitted to f-MRI data.

현대 사회의 급격한 고령화는 치매 환자의 폭발적인 증가를 초래하고 있으며, 이는 심각한 사회적 비용과 공중 보건 문제를 야기하고 있다. 특히 알츠하이머병(Alzheimer's Disease, AD)은 치매의 가장 주요한 원인으로, 완치 법이 부재한 현 상황에서는 조기 진단을 통한 진행 지연이 필수적이다. 본 연구는 뇌 MRI 영상 데이터를 활용하여 알츠하이머 질환을 정밀하게 예측할 수 있는 딥러닝 최적 모델을 제안하는 것을 목적으로 한다. 이를 위해 대표적인 합성곱 신경망(CNN) 모델인 VGG-19와 Inception ResNet V2를 선정하고, 의료 영상의 특성을 극대화할 수 있는 다양한 전처리 기법의 조합이 모델 성능에 미치는 영향을 심층 분석하였다. Kaggle의 알츠하이머 MRI 데이터 셋 6,400장을 활용한 실험 결과, VGG-19 모델에 ‘Overlap’ 전처리 기법을 단독으로 적용했을 때 검증 정확도 (Validation Accuracy) 0.98, F1 Score 0.98을 기록하여 가장 우수한 성능을 보였다.이는 임상적 진단 도구로서의 신뢰성을 높이는 데 더욱 효과적임을 시사한다.

The rapid aging of modern society has led to a sharp rise in dementia cases, creating significant social and public health burdens. Alzheimer’s Disease (AD), the leading cause of dementia, requires early diagnosis due to the absence of a cure. This study proposes an optimal deep learning model for precise AD prediction using brain MRI data. Utilizing 6,400 images from the Kaggle Alzheimer dataset, we comparatively evaluated VGG-19 and Inception-ResNet-V2 and analyzed the impact of various preprocessing strategies. Experimental results show that VGG-19 with the standalone ‘Overlap’ preprocessing technique achieved the best performance with a validation accuracy of 0.98 and an F1-score of 0.98, indicating strong potential as a reliable clinical diagnostic tool.

Errors in the scanning procedures lead to uncertainties when trying to segment the scanned images. Fuzzy c-means is a clustering method that can be applied to segment images with uncertainty estimates. Bias-corrected fuzzy c-means (BCFCM) clustering compensates for two sources of uncertainty by modeling noise and bias fields during the segmentation process. In this paper, we present an approach to improve BCFCM clustering and apply it to magnetic resonance imaging (MRI) data of the human brain. Our approach is based on two variants of BCFCM clustering, the classical one and the one with distance-based weights. We improve both variants by slightly modifying their main algorithms for better bias field estimation. To evaluate the improved algorithms, we apply the algorithms to synthetic data, simulated MRI brain data, and real MRI brain data with ground truth in form of manual segmentation. All experiment results show that our improved methods outperform the original methods in both the segmentation accuracy and efficiency (the number of iterations).

A post-processing program based on the OOP(Object-Oriented Programming) concept has been developed for visualization of MRI. User-friendly GUl(Graphic User Interface) has been built on the base of MFC(Microsoft Foundation Class). The program is organized as modules by classes based on VTK-library, and these classes are made to function through inheritance and cooperation which are an important and valuable concept of object-oriented programming. The major functions of this post-processor program are introduced and demonstrated, which include contour plot, surface plots, cut plot and clip plot as well as view manipulation (translation, rotation, scaling etc).

The hippocampal volume atrophy is known to be linked with neuro-degenerative disorders and it is also one of the most important early biomarkers for Alzheimer's disease detection. The measurements of hippocampal pure volumes from Magnetic Resonance Imaging (MRI) is a crucial task and state-of-the-art methods require a large amount of time. In addition, the structural brain development is investigated using MRI data, where brain morphometry (e.g. cortical thickness, volume, surface area etc.) study is one of the significant parts of the analysis. In this study, we have proposed a patch-based ensemble model of 3-D convolutional neural network (CNN) to measure the hippocampal pure volume from MRI data. The 3-D patches were extracted from the volumetric MRI scans to train the proposed 3-D CNN models. The trained models are used to construct the ensemble 3-D CNN model and the aggregated model predicts the pure volume in one-step in the test phase. Our approach takes only 5 seconds to estimate the volumes from an MRI scan. The average errors for the proposed ensemble 3-D CNN model are 11.7±8.8 (error%±STD) and 12.5±12.8 (error%±STD) for the left and right hippocampi of 65 test MRI scans, respectively. The quantitative study on the predicted volumes over the ground truth volumes shows that the proposed approach can be used as a proxy.

We have performed EEG current source imaging on the cortical surface using visual evoked potentials (VEPs) recorded inside a 3.0 T MRI magnet. In order to remove ballistocardiogram (BCG) artifacts in the VEPs, an improved BCG template subtraction technique is devised. Using the cortically constrained current source imaging technique and pattern-reversal visual stimulations, we have obtained current source maps from 10 subjects. To validate the EEG current source imaging inside the magnet, we have compared the current source maps to the ones obtained outside the magnet. The experimental results demonstrate that there is a strong correspondence between the current source maps, proving that current source imaging is feasible with the evoked potentials recorded inside a 3.0 T MRI magnet.

목적 본 연구는 방광암 환자에서 전립선 Prostate Imaging Reporting and Data System version 2 (이하 PI-RADS v2)가, 우연히 발견된 전립선암 또는 요로상피세포암종의 전립선침범을 예측하는데 도움이 되는지 분석하였다. 대상과 방법 3 Tesla 다중 매개 자기공명영상에서 수술 전 영상을 촬영한 후, 근치적 방광전립 선절제술을 시행한 72명의 방광암 환자가 연구에 포함되었다. 수술 전 영상 소견은 두 명의 영상의학과 의사가 분석하였고, 수술 검체는 한 명의 병리과 의사가 평가하였다. 그 후, 전립선 PI-RADS v2의 결과와 병리 소견을 비교 분석하였다. 결과 72명의 방광암 환자 중 29명이 전립선암(40.3%)이 있었고, 20명이 요로상피세포암종(27.8%)이 있었다. 스코어 4를 기준값으로 설정하였을 때, 전립선암을 예측하는 진단 정확도는 65.3%, 특이도는 90.7%, 양성 예측도는 66.7%였다. 또한 전립선암 또는 요로상피세포암종을 예측하는 진단 정확도는 47.2%, 특이도는 92.3%, 양성 예측도는 83.3%였다. 결론 정확도는 낮은 편이었지만, 양성 예측도와 특이도는 높은 편이었다. 따라서 전립선 PI-RADS v2에서 스코어 1, 2 또는 3에 해당되면 우연히 발견된 전립선암과 요로상피세포암종의 침범을 배제하는데 도움이 될 수 있다.

Purpose The study aimed to investigate the role of Prostate Imaging Reporting and Data System version 2 (PI-RADS v2) in predicting incidental prostate cancer (PCa) or urothelial carcinoma (UCa) extension in urinary bladder (UB) cancer patients. Materials and Methods A total of 72 UB cancer patients who underwent radical cystoprostatectomy and 3 Tesla multiparametric MRI before surgery were enrolled. PI-RADS v2 ratings were assigned by two independent radiologists. All prostate specimens were examined by a single pathologist. We compared the multiparametric MRI findings rated using PI-RADS v2 with the pathologic data. Results Of the 72 UB cancer patients, 29 had incidental PCa (40.3%) and 20 showed UCa extension (27.8%), with an overlap for 3 patients. With a score of 4 as the cut-off value for predicting incidental PCa, the diagnostic accuracy was 65.3%, specificity was 90.7%, and positive predictive value (PPV) was 66.7%. The diagnostic accuracy for incidental UCa extension was 47.2%, specificity was 92.3%, and PPV was 83.3%. Conclusion Despite the low diagnostic accuracy, the PPV and specificity were relatively high. Therefore, PI-RADS v2 scores of 1, 2, or 3 may help exclude the probability of incidental PCa or UCa extension.

Traumatic loading during car accidents or sports activities can lead to cervical spinal cord injury. Experiments in spinal cord injury research are mainly carried out on rabbit or rat. Finite element models that include the rat cervical spinal cord and adjacent soft tissues should be developed for efficient studies of mechanisms of spinal cord injury. Images of a rat were obtained from high resolution MRI scanner. Polygonal surfaces were extracted structure by structure from the MRI data using the ITK-SNAP volume segmentation software. These surfaces were converted to Non-uniform Rational B-spline surfaces by the INUS Rapidform rapid prototyping software. Rapidform was also used to generate a thin shell surface model for the dura mater which sheathes the spinal cord. Altair's Hypermesh pre-processor was used to generate finite element meshes for each structure. These processes in this study can be utilized in modeling of other biomedical tissues and can be one of examples for reverse engineering on biomechanics.

In this paper, we propose a method to fabricate a patient-specific breast implant using MRI images and 3D scan data. Existing breast implants for breast reconstruction surgery are primarily fabricated products for shaping, and among the limited types of implants, products similar to the patient's breast have been used. In fact, the larger the difference between the shape of the breast and the implant, the more frequent the postoperative side effects and the lower the satisfaction. Previous researches on the fabrication of patient-specific breast implants have used limited information based on only MRI images or on only 3D scan data. In this paper, we propose an algorithm for the fabrication of patient-specific breast implants that combines MRI images with 3D scan data, considering anatomical suitability for external shape, volume, and pectoral muscle. Experimental results show that we can produce precise breast implants using the proposed algorithm.

본 연구는 최근 문제가 되고 있는 비알콜성 간 질환에 대한 빅 데이터의 사전 데이터를 만들기 위해 마우스에서 고지방 식이와 Streptozotocin ((STZ)로 모델을 제작하였고, 당뇨와 비만 정도를 측정하여 질환발생 정도를 확인하였다. 또한, MR영상의 지속적인 촬용으로 질환발생과정에 대해 3D분석 소프트웨어로 평가되었다.

본 연구는 최근 문제가 되고 있는 비알콜성 간 질환에 대한 빅 데이터의 사전 데이터를 만들기 위해 마우스에서 고지방 식이와 Streptozotocin ((STZ)로 모델을 제작하였고, 당뇨와 비만 정도를 측정하여 질환발생 정도를 확인하였다. 또한, MR영상의 지속적인 촬용으로 질환발생과정에 대해 3D분석 소프트웨어로 평가되었다.

목적 : MRI를 촬영하면서 동시에 측정한 뇌전도 신호에 가장 크게 영향을 미치는 것은 경사자계 유발 잡음이다. MRI와 동시에 측정한 뇌전도 신호에서 전류원 국지화를 수행할 때, 경사자계 유발 잡음이 미치는 영향을 분석하고자 한다. 대상 및 방법 : 사람의 머리와 유사하게 만든 뇌전도 팬텀과 MR compatible 뇌전도 측정시스템, 그리고 3.0 Tesla MRI 시스템을 실험에 사용하였다. 3.0 Tesla MRI 시스템 안에 전류원이 설치되어 있는 뇌전도 팬텀을 놓고, EPI 촬영을 하는 동안 뇌전도 신호를 측정하였다. 경사자계의 세기와 전류원의 위치를 조절하면서 뇌전도 신호 측정을 하였고, 측정된 뇌전도 신호에 대하여 전류원 국지화를 수행할 때 나타나는 국지화 오차를 평가하였다. 결과 : 경사자계 유발잡음에 의한 국지화 오차는 경사자계의 세기와 전류원의 위치에 따라 변화하는 것을 관찰하였다. 또한 경사자계 유발잡음이 Gaussian 잡음보다 전류원 국지화에 미치는 영향이 큰 것을 관찰하였으며, 경사자계 유발 잡음의 전력이 뇌전도 신호 전력의 $10\%$ 이하일 때는 전류원 국지화에 미치는 영향이 미미함을 관찰하였다. 결론 : 경사자계 유발 잡음 전력을 뇌전도 신호 전력의 $10\%$ 이하로 줄인다면 MRI를 하면서 동시에 측정한 뇌전도 신호로도 전류원 국지화를 할 수 있음을 알 수 있었다.

Purpose : To evaluate the effect of the gradient switching noise on the ECD source localization with the EEG data recorded during the MRI scan. Materials and Methods : We have fabricated a spherical EEG phantom that emulates a human head on which multiple electrodes are attached. Inside the phantom, electric current dipole(ECD) sources are located to evaluate the source localization error. The EEG phantom was placed in the center of the whole-body 3.0 Tesla MRI magnet, and a sinusoidal current was fed to the ECD sources. With an MRI-compatible EEG measurement system, we recorded the multi channel electric potential signals during gradient echo single-shot EPI scans. To evaluate the effect of the gradient switching noise on the ECD source localization, we controlled the gradient noise level by changing the FOV of the EPI scan. With the measured potential signals, we have performed the ECD source localization. Results : The source localization error depends on the gradient switching noise level and the ECD source position. The gradient switching noise has much bigger negative effects on the source localization than the Gaussian noise. We have found that the ECD source localization works reasonably when the gradient switching noise power is smaller than $10\%$ of the EEG signal power. Conclusion : We think that the results of the present study can be used as a guideline to determine the degree of gradient switching noise suppression in EEG when the EEG data are to be used to enhance the performance of fMRI.

미국방사선의학회(American College of Radiology)의 유방영상 판독과 자료체계(Breast Imaging Reporting and Data System; 이하 BI-RADS^®)는 유방 MRI 해석을 위한 표준화된 용어와 보고 체계를 제공한다. 최근 개정된 BI-RADS^® v2025는 진단 원칙의 근본적인 변화보다는 명확화, 표준화, 그리고 구조적 재구성을 통해 유방 MRI 보고 체계를 정비하였다. 주요 변화로는 MRI 획득과 보고에 대한 보다 체계적인 지침 제시, 일부 기술어(descriptor)의 통합 및 삭제, 종괴 평가에서 T2 신호 강도의 반영, 림프절 평가의 독립된 섹션으로의 재구성, 그리고 종양 주위 부종과 같은 동반 소견의 추가가 포함된다. 또한, 개정판에서는 보다 구조화된 임상 적응증 체계를 바탕으로 MRI 평가에 대한 지침이 보완되었다. 본 종설에서는 BI-RADS^® v2025에서 도입된 유방 MRI 관련 주요 업데이트를 정리하였다.

The American College of Radiology Breast Imaging Reporting and Data System (BI-RADS^®) provides a standardized lexicon and reporting framework for breast MRI interpretation. The recently released BI-RADS^® v2025 introduces refinements to breast MRI reporting, focusing primarily on clarification, standardization, and structural reorganization rather than fundamental changes to diagnostic principles. Key updates include more structured guidance on MRI acquisition and reporting; harmonization and removal of selected descriptors; incorporation of T2 signal intensity into mass characterization; reorganization of lymph node evaluation into a dedicated section; and clarification of associated features, such as peritumoral edema. Additionally, the updated Manual provides refined guidance for MRI assessment within a more structured clinical indication framework. This article provides an overview of the key updates introduced in BI-RADS^® v2025 for breast MRI.

동물실험을 위한 영상의 개선작업도 인체내 구성물질들과 흡사하고 유동성을 지니고 있으므로 영상의 평가는 기본적으로 일차적 관계의 생화학적 테두리에 있다. 그리고 선구자들이 밝혀준 임상에의 응용에 있어서 아주 작거나 존재하지 않는 것처럼 충분히 작은 미소체적공간으로 가정을 한다. 비선형Marquardt 알고리듬을 응용하여 수학적인 모델링을 도입하고 전개하였다. 본 연구의 목적은 인체와 매우 비슷한 생화학적 구조와 밀도를 가진 동물실험에서 영상을 획득한 후 수학적 모델링을 통한 입체적 체적을 분석하는데 있어서 기준을 제시하고자 한다.

MRI analysis and weights of molecular differences of Volume of Interest(VOI) was studied in animal. The appearance of tiny voxels significant objects for evaluate of disease or irregular function of cells is simplified remodeling before making image. The method of Marquardt, A method of Non-linear mathematical approach can be used to get a quick calculations in arbitrary space. Results shows the relationships between accurate vivo signal and biochemical molecular solutions,