RnDCircle Logo
이진성 연구실
울산대학교 의학과 이진성 교수
골연령 평가
딥러닝 의료영상
소아영상의학
|이진성 교수 연구실
홈
연구 영역
기본 정보
논문·특허
과제
구성원
홈

이진성 연구실

울산대학교 의학과 이진성 교수

이진성 연구실은 의학과 기반의 영상의학·소아내분비·소아외과 영역에서 진단 근거와 정량 평가 방법을 구축하는 연구를 수행합니다. 손 방사선 영상에서 딥러닝 기반 골연령 예측 모델을 개발하고 Greulich-Pyle 기준의 집단 편향을 재평가하여 임상 적용 조건을 정리합니다. 또한 뇌하수체 줄기 비후의 원인 분포와 자연경과를 문헌 메타분석으로 통합하고, 피부 표지를 가진 영아에서 잠재성 척수이형성증의 발생률과 처치 비율을 체계적으로 추정합니다.

골연령 평가딥러닝 의료영상소아영상의학손부위 방사선영상체계적 문헌고찰
대표 연구 분야
연구 영역 전체보기
소아 골연령 평가용 딥러닝 기반 정량 영상 분석 thumbnail
소아 골연령 평가용 딥러닝 기반 정량 영상 분석
Deep Learning–Based Quantitative Bone Age Assessment for Pediatrics
연구 분야 상세보기
연구 성과 추이
표시된 성과는 수집된 데이터 기준으로 산출되며, 일부 차이가 있을 수 있습니다.
주요 논문
4
논문 전체보기
1
Article
|
인용수 25
·
2023
Bone Age Assessment Using Artificial Intelligence in Korean Pediatric Population: A Comparison of Deep-Learning Models Trained With Healthy Chronological and Greulich-Pyle Ages as Labels
Pyeong Hwa Kim, Hee Mang Yoon, Jeong Rye Kim, Jae‐Yeon Hwang, Jin‐Ho Choi, Jisun Hwang, Jae-Won Lee, Jinkyeong Sung, Kyu-Hwan Jung, Byeonguk Bae, Ah Young Jung, Young Ah Cho, Woo Hyun Shim, Boram Bak, Jin Seong Lee
IF 4.4 (2023)
Korean Journal of Radiology
목적: 한국 어린이와 청소년에 최적화된 딥러닝 기반 골연령(뼈나이) 예측 모델을 개발하고, Greulich-Pyle 기반 딥러닝 모델과 비교하여 그 실행 가능성을 평가하고자 한다. 재료 및 방법: 손 X선 영상(골연령)이 나타내는 뼈 발달에 따라 나이를 예측하기 위해, 1998년부터 2019년 사이에 획득된 한국 어린이와 청소년의 손 X선 21,036장을 사용하여 합성곱 신경망을 학습하였으며, 뼈 발달에 영향을 미치는 질환/상태가 알려지지 않은 대상에 한정하였다(중앙 연령[사분위범위, IQR], 9[7-12]세; 남:여, 11,794:9,242). 라벨로는 연대기적 나이를 사용하였다(한국 모델). 모델 성능을 평가하기 위해, 건강한 뼈 발달을 보이는 한국 어린이와 청소년으로 구성된 2개의 별도 외부 데이터셋을 구축하였다(기관 1: n=343; 중앙 연령[IQR], 10[4-15]세; 남:여, 183:160, 기관 2: n=321; 중앙 연령[IQR], 9[5-14]세; 남:여, 164:157). 평균 절대오차(MAE), 평균제곱근오차(RMSE), 기준 연령(연대기적 나이) 대비 골연령 예측이 각각 6, 12, 18, 24개월 이내에 포함되는 비율을 한국 모델과 상용 모델(VUNO Med-BoneAge version 1.1; VUNO) 간에 비교하였다. 이 상용 모델은 Greulich-Pyle 기반 나이를 라벨로 학습한 모델이다(GP 기반 모델). 결과: = 0.044) for Institution 2. 결론: 뼈 발달에 영향을 미치는 질환/상태가 알려지지 않은 한국 어린이와 청소년의 연대기적 나이를 라벨로 사용하여 학습한 한국 모델은 한국 소아 집단에서 GP 기반 모델보다 골연령 평가에서 더 나은 성능을 보였다. 정확성을 확인하기 위해 추가적인 검증이 필요하다.
https://doi.org/10.3348/kjr.2023.0092
Medicine
Bone age
Interquartile range
Korean population
Radiography
Mean absolute error
Orthodontics
Demography
Mean squared error
Surgery
2
Article
|
인용수 12
·
2022
Re-Assessment of Applicability of Greulich and Pyle-Based Bone Age to Korean Children Using Manual and Deep Learning-Based Automated Method
Jisun Hwang, Hee Mang Yoon, Jae‐Yeon Hwang, Pyeong Hwa Kim, Boram Bak, Byeonguk Bae, Jinkyeong Sung, Hwa Jung Kim, Ah Young Jung, Young Ah Cho, Jin Seong Lee
IF 2.4 (2022)
Yonsei Medical Journal
목적: 수기 방법과 딥러닝 기반 방법을 이용하여 건강한 한국 아동에서 골연령(BA) 평가에 Greulich-Pyle(GP) 표준의 적용 가능성을 평가하고자 한다. 대상 및 방법: 2008년부터 2017년까지 2–17세(남아 262명)의 건강한 아동 485명에서 손 방사선 영상을 수집하였다. GP 방법에 따라 BA는 두 명의 방사선의학과 전문의가 수기로 평가하였고, 두 개의 딥러닝 기반 BA 평가(DLBAA)로는 GP가 부여한(원래 모델) BA와 최적화된(수정 모델) BA를 자동으로 추정하였다. 추정된 BA는 급년 연령(CA)과 비교하여 급내상관계수(ICC), Bland-Altman 분석, 선형 회귀, 평균절대오차(mean absolute error), 평균제곱근오차(root mean square error)를 이용해 평가하였다. 추정된 BA와 CA 간 차이가 12개월을 초과하는 아동의 비율을 산출하였다. 결과: <0.001). 방사선의학과 전문의 1, 방사선의학과 전문의 2, 원래 DLBAA, 수정 DLBAA 모델의 평균절대오차는 각각 13.09, 13.12, 11.52, 11.31개월이었다. 추정된 BA와 CA의 차이가 12개월을 초과한 경우는 방사선의학과 전문의 1, 방사선의학과 전문의 2, 원래 DLBAA, 수정 DLBAA 모델에서 각각 44.3%, 44.5%, 39.2%, 36.1%였다. 결론: 최근의 건강한 한국 아동에서는 GP 표준-BA와 골격 발달 속도가 서로 다른 양상을 보였으며, 아동의 골격 성숙도를 결정할 때 체계적 편향을 고려해야 한다.
https://doi.org/10.3349/ymj.2022.63.7.683
Bone age
Artificial intelligence
Computer science
Orthodontics
Medicine
Anatomy
3
Review
|
·
인용수 12
·
2021
Neoplastic Etiology and Natural Course of Pituitary Stalk Thickening
D. Kim, Pyeong Hwa Kim, Ah Young Jung, Jin‐Ho Choi, Young Ah Cho, Hee Mang Yoon, Jin Seong Lee
IF 6.134 (2021)
The Journal of Clinical Endocrinology & Metabolism
CONTEXT: 뇌하수체 간부(줄기) 비후(PST)는 자기공명영상(MRI)에서 우연히 발견되거나 저하수체기능저하증(hypopituitarism)의 진단적 평가 과정에서 확인되는 경우가 흔하다. 그러나 PST의 종양성(neoplastic) 원인과 자연 경과는 충분히 이해되지 않았으며, 진단 및 감시 전략을 수립하기 위해서는 이러한 지식이 필요하다. OBJECTIVE: 본 연구는 PST의 종양성 원인과 자연 경과를 규명하고자 하였다. METHODS: MEDLINE/PubMed 및 EMBASE 데이터베이스에서 2021년 2월까지 검색하여 PST의 원인을 조사한 원저 연구를 확인하였다. PST 환자에서 종양성 원인의 비율을 메타분석적으로 통합하였다. 또한 종양을 시사하는 요인을 탐색하는 부가 분석도 수행하였다. 진단이 확인되지 않은 초기의 불명확한 사례에서는 추적 관찰 중 PST의 진행을 보인 환자의 비율을 평가하였다. RESULTS: PST 환자 1,368명을 포함하는 18편의 연구가 포함되었다. 종양성의 통합 비율은 45.2%(95% CI, 33.3%-57.8%)였으며, 연구 간 상당한 이질성이 관찰되었다(I2 = 93%). 가장 흔한 종양은 생식세포 종양(germ cell tumor)으로 연구 집단의 14.0%를 차지하였고, 그 다음으로 랑게르한스 세포 조직구증(Langerhans cell histiocytosis)이 10.2%, 전이가 4.7%였다. 소아 집단을 대상으로 한 연구와, 전체 환자의 50% 이상에서 적어도 하나의 뇌하수체 호르몬 결핍이 있는 경우는 종양성의 비율이 더 높게 나타나는 경향이 있었다. 뇌하수체 간부는 종양에서 더 두꺼웠으나, 그 차이는 유의하지 않았다(통합 평균차, 2.08 mm; P = .08). 초기 불명확한 사례에서는 18.5%(95% CI, 7.6%-38.3%)가 추적 관찰 중 PST의 진행을 보였다. CONCLUSION: PST는 특히 소아 집단에서 종양성으로 흔히 확인되었다. 단독 PST는 자주 진행하므로, 초기 불명확한 사례에서는 추적 영상 검사가 필수적이다.
https://doi.org/10.1210/clinem/dgab732
Etiology
Medicine
Pituitary stalk
Neoplasm
Hypopituitarism
Population
Natural history
Pathology
Internal medicine
Gastroenterology
최신 정부 과제
3
과제 전체보기
1
주관|
2008년 6월-2013년 4월
|202,500,000원
암 지향성 면역세포를 이용한 방사선 치료효과 증진 및 예측 기술 개발
본 과제는 방사선 치료에 잘 반응하지 않는 저산소 환경의 암조직을 더 정확히 공격하기 위해 면역세포를 약물 운반체로 활용하는 기술을 개발하는 연구임. 이를 통해 기존 치료로는 효과가 낮았던 암조직에 방사선 효과를 높이기 위한 새로운 접근을 마련하는 데 목적이 있음. 연구 목표는 암조직을 표적화하는 면역세포에 다양한 방사선 민감제를 탑재하여 치료효율을 극대화하는 기술 확립에 있음. 핵심 연구 내용은 LP-Dox, LP-CDDP, PNP 등 다양한 약물전달체 개발, 면역세포를 이용한 in vivo 전달효율 검증, 영상기술 기반 면역세포 이동성 모니터링 기술 확립, 방사선 민감성 증진 인자 탐색 등이 포함됨. 기대 효과는 면역세포 기반 약물전달체 개발을 통한 방사선 치료효율 향상, 분자영상 기반 치료예측 기술 확보, 환자 맞춤형 방사선 치료기술 기반 마련 및 관련 기술의 산업화 가능성 제고임.
방산선 치료
방사선 민감제
암 지향성
면역세포
분자영상
암치료
약물 전달체
효과 예측인자
2
2006년 4월-2008년 2월
|60,000,000원
쥐의 장기이식 모델에서 대식세포를 이용한 장기이식 거부반응의 MR 분자영상 진단
현재 신장 이식 거부반응의 진단에 사용되는 임상 지표에는 혈청 크레아티니치를 측정하는 장기기능 검사법과 좀 더 invasive한 조직검사법이 있으나거부반응을 조기에 진단하고 적절한 치료를 하는데는 많은 문제점을 가지고 있음. 이에 거부반응을 좀 더 조기에 진단할 수 있으며, 거부반응의 유형에 특이적인 검사법이 필요함.본 연구에서는 macrophage의 내부...
동종이식
거부반응
조기진단
분자영상
대식세포
3
2005년 3월-2006년 2월
|150,000,000원
Molecular and Cellular MR Imging 및 Spectroscopy에 관한 연구 (In vivo Molecular and Cellular MR Imaging and MRS)
본 과제에서는 설치류(rodent)를 대상으로 자기공명 Molecular/ Cellular Imaging 기술을 국내 연구기관에 최초로 확립하려한다. 또한 생체 자기공명 분광기술(in vivo MR Spectroscopy)과 분자영상기술의 동시사용을 가능케 하는 기술을 개발하여 신약개발과 세포치료기술 등의 의․약학관련 연구분야에 핵심기반기술화 하려 한다. ...
자기공명영상
분광
분자영상