논문 리뷰62 Soongsathitanon et al., 2012, A new standard uptake values (SUV) calculation based on pixel intensity values # 세줄요약 # PET(Positron Emission Tomography) 영상은 암을 진단하고 분석하는 주로 사용되는 의료 영상으로, 이러한 PET 영상분석에 사용하는 중요한 파라미터가 SUV(Standard Uptake Value)이다. 이 논문에서는 이러한 SUV를 pixel intensity를 기반으로 프로그래밍(Matlab)하여 구하는, 기존의 'Xeleris' 같은 제품을 이용하지 않는 새로운 방법을 소개한다. SUV를 구하는 식은 다음과 같다. # 상세리뷰 # * Author: SOMPHOB SOONGSATHITANON, PAWITRA MASA-AH and MALULEE TUNTAWIROON 1. DICOM file 이 새로운 SUV를 구하는 방법은 DICOM(Digital imaging .. 2020. 7. 30. Marcus et al., 2014, Brain PET in the Diagnosis of Alzheimer’s Disease # 세줄요약 # 알츠하이머 치매를 진단하는데 Brain PET 영상이 중요한 역할을 하며, 주로 FDG-PET 영상과 Amyloid PET 영상이 영상 판독에 사용된다. FDG-PET 영상을 통해 뇌 안에서 glucose metabolism(포도당 신진대사) 분포를 보고 AD(alzheimer disease)로 인한 치매와 그 외의 다른 치매들(frontotemporal dementia & Lewy body dementia)을 구별할 수 있다. Amyloid PET 영상이 중요한 이유는 치매가 아닌 정상 환자들도 나이가 들면서 생기는 Amyloid deposition(아밀로이드 퇴적) 현상을 배제하여, 알츠하이머 병 진단에만 적절한 임상 환경(Clinical setting)을 만들어주기 때문이다. # 상.. 2020. 7. 28. Cho et al., 2016, The Globular Cluster System of the Coma cD Galaxy NGC 4874 from Hubble Space Telescope ACS and WFC3/IR Imaging # 세줄요약 # Coma 은하단의 cD 타입 은하인 NGC 4874의 구상성단계를 연구한 논문으로 가시광선(Optical) 영역에서는 HST/ACS를 사용하여 g, I 파장대에서 관측하였고, 근적외선(Near-IR) 영역에서는 HST/WFC3를 사용하여 H 파장대에서 관측하였다. Optical color인 (g-I)에서는 구상성단(GC: Globular Cluster)들의 Bimodality가 나타나나, Optical-NIR color인 (I-H)에서는 GC들의 Bimodality가 약화되는 것으로 보인다. Metallicity에 더 민감한 Optical-NIR color에서는 Bimodality가 약화된 것으로 보아 Nonlinear Color-Metallicity Relation을 가지는 것으로 유추.. 2020. 7. 28. Yoon et al., 2006, Explaining the Color Distributions of Globular Cluster Systems in Elliptical Galaxies # 세줄 요약 # The globular clusters(GC) in most large elliptical galaxies have color-bimodal distribution that means the presence of two cluster subpopulations that have different geneses(ex. Milky Way). But Horizontal-Branch(HB) stars can make nonlinear nature of the metallicity-to-color transformation, a coeval group of old clusters with a unimodal metallicity spread can exhibit color bimodality. .. 2020. 7. 24. Wang et al., 2019, Lung Cancer Detection using Co-learning from Chest CT Images and Clinical Demographics # 세줄요약 # 폐암진단에 있어 위양성(False Postive)를 줄이기 위해 저자 그룹은 CT 영상과 함께 진단 통계 자료(Clinical Demographics)를 동시에 학습시켰으며, 사용한 데이터셋은 "Molecular and Cellular Characterization of Screen-Detected Lesions (MCL)"이다. 3D CT 영상 학습에는 3D Attention-Based CNN(Convolutional Neural Network)을 사용하였고, 이미지 특성(image features)과 진단 정보(Clinical Information) 학습에는 Random Foreset Classifier를 사용하였다. 영상 정보와 진단 정보를 함께 학습시킨 결과(AUC = 0.787).. 2020. 3. 10. Choi & Jin, 2018, Predicting Cognitive Decline with Deep Learning of Brain Metabolism and Amyloid Imaging # 세줄요약 # 인간에게 치명적인 인지기능 장애를 가져오는 알츠하이머 질병을 진단하기 위하여 CNN 기반의 진단 알고리즘을 개발하였으며, 먼저 AD(Alzheimer Disease)와 NC(Normal Control)을 분류하는 모델을 먼저 학습시킨 후, MCI(Mild Cognitive Inpairment) 환자들이 치매로 전환(Converter or Nonconverter)되는지를 학습시켰다. 학습 데이터로는 ADNI 오픈 데이터셋의 FDG와 AV-45 PET 영상들을 사용하였으며, 이때 딥러닝은 특성 추출을 자동으로 하기에 Spatial Normalization 같이 뇌영상에서 전통적으로 사용되던 영상처리 기법들은 적용하지 않았다. 학습 결과 AD vs NC 환자 분류와 MCI 환자들 중 AD 환자.. 2020. 2. 24. 김한웅 외., 2017, 폐 결절 검출을 위한 합성곱 신경망의 성능 개선 # 세줄요약 # 폐 영상 CAD(Computer Aided Detection) 시스템에서 결절과 비 결절(3mm 이상 결절, 3mm 이하 결절, 결절이 아닌 병변)로 구성된 ROI 영상을 분류하는 합성곱 신경망을 제안. LIDC 데이터셋을 사용하였으며, Hounsfiled Unit으로 변환하여 Window Setting으로 전처리한 이미지에서 방사선 전문의들의 판독결과를 바탕으로 ROI 영상 61404(Train Set: 52623, Test Set: 8781) 장을 추출. 총 14개의 레이어로 이루어진 합성곱 신경망(Convolution Layer = 8, Fully Connected Layer = 4)에 L1, L2 Nomalization, Data Augmentation 등을 사용하여 과적합을 완화.. 2020. 2. 5. 박해정, 2007, 뇌기능 양전자방출단층촬영영상 분석 기법의 방법론적 고찰 # 세줄요약 # 뇌기능을 측정할 수 있는 대표적 영상기법은 PET(Positron Emission Tomography; 양전자방출단층촬영영상)과 MRI(Magnetic Resonance Imaging; 자기공명영상)이다. PET 영상은 MRI와 같은 다른 영상 기법들과 정합(Registration)이 되어 다면적 영상 분석으로 진행되어 뇌 기능과 관련된 많은 정보를 얻을 수 있기에 뇌신경 과학 연구에서 중요한 역할을 하고 있다. PET 영상처리에서 주로 사용되는 방식은 복셀(Voxel) 단위의 통계적 모수지도화 기법(Statistical Parametric Mapping; SPM)을 이용한 영상 공간 정규화(Spatial normalization)와 영상 강도 정규화(Count Normalization).. 2020. 2. 4. Ardila et al., 2019, End-to-end lung cancer screening with three-dimensional deep learning on low-dose chest computed tomography # 세줄요약 # We propose a deep learning algorithm that uses a patient’s current and prior computed tomography volumes to predict the risk of lung cancer. Our model achieves a state-of-the-art performance (94.4% area under the curve) on 6,716 National Lung Cancer Screening Trial cases, and performs similarly on an independent clinical validation set of 1,139 cases. We conducted two reader studies: Fi.. 2019. 11. 11. Liao et al., 2017, Evaluate the Malignancy of Pulmonary Nodules Using the 3D Deep Leaky Noisy-or Network # 세줄요약 # Automatic diagnosing lung cancer from Computed Tomography (CT) scans involves two steps: detect all suspicious lesions (pulmonary nodules) and evaluate the whole-lung/pulmonary malignancy. The model consists of two modules, the first one is a 3D region proposal network for nodule detection, which outputs all suspicious nodules for a subject, then the second one selects the top five nodu.. 2019. 11. 11. 이전 1 ··· 3 4 5 6 7 다음
