Musculoskeletal Quantification from Imaging (Deep Learning MRI Segmentation & Ultrasound Elastography)
연구 내용
Deep Learning 기반 MRI 분할로 회전근개 관련 근육 변화를 정량화하고, Ultrasound elastography의 신뢰도와 측정 조건을 표준화하는 연구
근골격 영상에서 구조 변화를 정량화하기 위해 Deep Learning 기반 분할과 탄성 영상 촬영을 결합하는 연구를 수행합니다. shoulder muscle MRI에서 region과 edge 정보를 반영한 deep auto-encoder 기반 분할로 근육 영역을 일관되게 추출합니다. 또한 subscapularis tendon tear의 분류 체계와 연계하여 수술 전후 SSC 근육 용적 변화를 MRI 기반 semi-automatic 분석으로 평가합니다. 더 나아가 strain elastography와 shear wave elastography에서 경험 수준 및 해부학적 위치가 측정 신뢰도에 미치는 영향을 분석하고, 조직 탄성 평가의 재현성 확보를 위한 조건을 정립합니다.
관련 연구 성과
관련 논문
4편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기에는 어깨 부위 MRI에서 근육 분할의 자동화를 목표로 심층 모델을 설계하고, 입력 특징을 반영한 학습 방식으로 정합성을 높였습니다. 이후 회전근개 수술 환자군으로 확장하여 subscapularis tear 분류와 근육 용적 변화의 상관을 영상 정량 지표로 검증했습니다. 병행하여 초음파 탄성 측정의 재현성을 점검하고, SWE가 조직 탄성 평가에서 활용될 수 있는 측정 환경과 한계를 분석했습니다. 최근에는 임상 해석에 필요한 영상 기반 정량 프레임을 다중 모달로 확장하는 흐름을 유지하고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Segmentation of shoulder muscle MRI using a new Region and Edge based Deep Auto-Encoder
Effect of Tear Classification on Subscapularis Muscle Volume: A Deep Learning-based Semi-automatic Analysis of Pre- and Postoperative Changes in 246 Rotator Cuff Repair Patients With and Without First Facet Subscapularis Tears
Reliability of Ultrasound Elastography According to Experience Level and Anatomic Location
Shear wave elastography ultrasound assessment of the ulnar collateral ligament in the elbow of college baseball players