신경변성 바이오마커 기반 정량 뇌영상 AI 및 임상 적용 연구
AI-Driven Neurodegeneration Biomarker Quantification and Clinical Imaging Research
연구 내용
신경변성 및 임상 의사결정과 연결되는 정량 영상 지표를 생성하고, 스캔 기반 제약과 예측 불확실성을 고려해 진단 신뢰도를 높이는 연구
신경변성 질환에서 임상적으로 유의미한 영상 지표를 빠르게 획득·추정하는 접근을 수행합니다. Neuromelanin의 경우 EP-vfMT 기반 variable flip-angle magnetization transfer 획득을 통해 제한된 시간 내 대조를 최적화하며, 조기 질환에서의 바이오마커 활용 가능성을 다룹니다. glymphatic system 평가를 위해 T2 기반 입력으로 T2map 및 CSF fraction map을 예측하는 딥러닝 방법을 제안해, 추가 다중 에코 획득 요구를 줄이는 방향을 수행합니다. 또한 뇌종양 분할에서는 딥러닝 불확실성을 정량화해 작은 병변에서의 오분할 위험을 낮추는 프레임워크를 연구하며, 딥브레인 자극 수술 맥락에서는 운동에 강한 STN 가시화 프로토콜을 검증합니다.
관련 연구 성과
관련 논문
4편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기에는 병렬 MRI 재구성과 같은 기술 축적 위에서, 의료영상 분석에서 예측 오류가 임상적으로 미치는 영향을 줄이기 위해 불확실성 정량화 기반 분할 프레임워크를 제시했습니다. 이후에는 신경변성 관련 조직 표지자를 겨냥해 neuromelanin과 CSF fraction 같은 정량 지표를 빠른 획득 또는 딥러닝 추정으로 연결하는 연구로 확장했습니다. 최근에는 EP-vfMT 최적화와 glymphatic dysfunction 평가를 동시에 고려하는 흐름을 강화하고, 임상 시술을 직접 지원하는 STN 영상화에서 운동 조건 하 가시화를 검증하며 적용 범위를 넓히고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
- 조기 신경변성 조기진단 보조
- Neuromelanin 정량 바이오마커
- Glymphatic dysfunction 평가 지표
- CSF fraction 기반 질환 추적
- 불확실성 기반 종양 분할 신뢰도 향상
- 작은 병변 중심 영상 판독 보조
- 딥브레인 자극(DBS) 수술 계획 지원
- 환자 운동 조건 하 표적 구조 가시화
- 추가 다중 에코 획득 부담 감소
- 임상 워크플로우용 영상 처리 파이프라인
관련 논문
구분
제목
Method to Minimize the Errors of AI: Quantifying and Exploiting Uncertainty of Deep Learning in Brain Tumor Segmentation
Fast Imaging of the Subthalamic Nucleus (STN) at 7T
Fast neuromelanin imaging using the EP-vfMT technique
Synthesis of CSF fraction map using deep neural networks and exploration of its potential application in assessing glymphatic dysfunction