Deep learning prediction of Parkinson’s disease using dual-phase [18F] FP-CIT PET
연구 내용
dual-phase [18F] FP-CIT PET 영상의 특징을 딥러닝으로 학습해 파킨슨병을 예측하는 연구입니다.
파킨슨병은 뇌의 도파민성 신경계 변화를 기반으로 하므로, [18F] FP-CIT PET의 dual-phase 영상에서 질환 관련 공간 패턴을 학습할 수 있습니다. 본 연구는 deep learning 알고리즘으로 영상 입력과 질환 상태 간의 비선형 관계를 모델링하여 예측 성능을 확보하는 방향으로 설계되었습니다. 영상 전처리와 특징 학습을 결합해 임상 의사결정의 보조 도구로 적용 가능성을 검토하며, 영상 기반 접근의 재현성과 확장성을 함께 고려합니다.
관련 연구 성과
관련 논문
1편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
연구는 먼저 dual-phase [18F] FP-CIT PET 영상에서 파킨슨병 상태를 구분하는 정보가 존재하는지 탐색하는 단계에서 출발했습니다. 이후 deep learning 기반 분류·예측 알고리즘을 구성하고, 입력 표현과 학습 전략을 조정하며 모델의 일반화 가능성을 평가하는 흐름으로 진행되었습니다. 최근에는 영상 기반 조기 예측으로 연결되는 임상 활용성을 염두에 두고, 영상 특징 학습의 안정성과 재현성 측면을 강화하는 방향으로 확장되었습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Prediction of Parkinson’s disease with dual-phase [18F] FP-CIT PET image through deep learning algorithm