Deep Learning–Based Quantitative Bone Age Assessment for Pediatrics
연구 내용
소아 손 골 방사선 영상에서 Greulich-Pyle 기준의 적용 한계를 확인하고, 한국 소아에 최적화된 딥러닝 골연령 예측 모델을 학습·검증하는 연구
본 분야는 손 방사선 영상에서 골성숙도를 정량적으로 평가하는 기술을 목표로 합니다. 합성곱신경망 기반 딥러닝 모델을 한국 소아·청소년의 연대 나이 라벨로 학습하고, 외부 자료로 성능을 검증합니다. 또한 Greulich-Pyle 기반 골연령의 집단 편향을 수동 판독 및 딥러닝 자동화 방식으로 재평가하여 임상 적용 시 필요한 보정 방향을 제시합니다. 이를 통해 성장 평가·치료 계획의 정합성을 높이는 데 기여하는 차별성이 있습니다.
관련 연구 성과
관련 논문
2편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기 연구는 한국 소아에서 연대 나이를 라벨로 활용하여 골연령 예측 모델을 학습하고, 외부 기관 자료로 일반화 가능성을 확인하는 방향으로 진행되었습니다. 이후 Greulich-Pyle 기준 라벨을 사용하는 모델과의 성능 비교를 통해 집단 차이에 따른 오차 양상을 분석했습니다. 최근에는 수동 판독과 딥러닝 자동 판독을 함께 사용하여 Greulich-Pyle 기준의 적용 적합성 및 체계적 편향을 점검하고, 임상 의사결정에서 고려해야 할 조건을 도출하는 연구를 수행합니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
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
Re-Assessment of Applicability of Greulich and Pyle-Based Bone Age to Korean Children Using Manual and Deep Learning-Based Automated Method