초록 ▼

1) 당초계획
저 선량 전산화 단층촬영(CT)은 방사선에 의한 환자의 위험성을 감소시키기 위해 널리 연구되는 분야이며, 이를 위한 영상 재구성 방법이 모든 CT 시스템 제조사에서 개발되고 있음. 기존의 영상 재구성 방법은 계산양이 많아 복원시간이 오래 걸린다는 단점이 있음. 딥러닝 기반의 저 선량 CT 영상 화질개선 알고리즘을 개발하여 기존의 반복적 복원 기법을 대체하고자 함. 특히,의료영상의 경우 임상적 평가가 동시에 진행되어야 함. 본 연구에서는 KAIST와 분당 서울대 병원이 공동으로 연구를 진행하여 개발하는 알고리즘에

1) 당초계획
저 선량 전산화 단층촬영(CT)은 방사선에 의한 환자의 위험성을 감소시키기 위해 널리 연구되는 분야이며, 이를 위한 영상 재구성 방법이 모든 CT 시스템 제조사에서 개발되고 있음. 기존의 영상 재구성 방법은 계산양이 많아 복원시간이 오래 걸린다는 단점이 있음. 딥러닝 기반의 저 선량 CT 영상 화질개선 알고리즘을 개발하여 기존의 반복적 복원 기법을 대체하고자 함. 특히,의료영상의 경우 임상적 평가가 동시에 진행되어야 함. 본 연구에서는 KAIST와 분당 서울대 병원이 공동으로 연구를 진행하여 개발하는 알고리즘에 대하여 정량적, 정성적 평가를 통해 그 성능을 증명하고자 함.

[목표]
- 다양한 noise level의 저 선량 CT 영상 데이터 구축
- 네트워크 학습 시, 데이터의 종류 및 수에 따른 성능 분석
- 학습된 네트워크의 성능 검증

2) 주요성과
분당 서울대 병원을 통해 다양한 케이스의 CT 영상을 확보하고, Siemens의 검증된 시뮬레이션을 통해 다양한 잡음 level의 저 선량 CT 영상 데이터를 구축함. 딥러닝 기반의 네트워크를 제안하고, 여러 상황에서의 지도학습을 통해 네트워크의 성능을 검증함. 본 연구를 통해 그 성능을 객관적 지표와 임상의들의 평가를 받아 정성적, 정량적으로 입증함.

[정량적 성과]
- SCI 논문 1편 게재
- 국외학회 논문 2편 발표

(출처 : 요약 3p)

목차 Contents

• 표지 ... 1
• 요약 ... 3
• 목차 ... 4
• 1. 주요 추진계획 대비 수행성과 ... 5
• 1) 과제개발 달성도 ... 5
• 2. 과제수행 성과 ... 5
• 1) 정성적 성과내용 ... 5
• 2) 정량적 성과 ... 10
• 끝페이지 ... 11