복부 CT·간 MRI 병변 자동 분류 및 딥러닝 기반 재구성 연구

Automated abdominal CT classification and deep-learning-based liver MRI reconstruction

연구 내용

EfficientNet 및 딥러닝 재구성을 활용해 복부 CT와 간 MRI를 자동 분류·재구성함으로써 급성 복부 질환과 간의 고형 병변을 판별하는 연구

본 분야는 방사선 영상에서 병변의 유무와 범주를 자동화하는 데 목적을 둡니다. 대조증강 복부 CT 입력을 활용해 급성 충수염, 우측 게실염, 정상 충수를 구분하는 분류 모델을 구축하고, 영상 구성 방식에 따른 성능 차이를 비교합니다. 또한 간 MRI에서는 비조영 약식(brief) 프로토콜과 자유호흡 DWI를 딥러닝 재구성으로 구현하여 병변의 가시성 및 확산 제한 기반 평가를 수행합니다. 이를 통해 임상 판독 흐름에서 반복되는 영상 획득·해석 과정을 보조하는 차별성이 있습니다.

관련 프로젝트

0건

연구 흐름

초기에는 복부 CT에서 질환 범주를 자동으로 구분하는 분류 접근을 확립하고, 단일 프레임과 연속(시리얼) 입력 구성의 효과를 비교하는 방식으로 모델 설계를 구체화했습니다. 이후 간 MRI로 확장하여 비조영 약식 영상에서 악성 병변 검출 성능을 검증하고, 영상 획득 중 움직임 영향을 줄이기 위해 자유호흡 DWI의 딥러닝 재구성을 적용했습니다. 최근에는 병변 경계 선명도와 확산 제한 판독 가능성을 중심으로 재구성 결과의 임상 활용성을 평가하는 방향으로 심화하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

급성 충수염 자동 감별 보조
우측 게실염 판별 모델
정상 충수 인식 기반 선별
비조영 약식 간 MRI 워크플로우
악성 고형 간 병변 검출 보조
자유호흡 DWI 재구성 적용
확산 제한 기반 병변 평가
병변 경계 선명도 개선 지표
영상판독 보조용 사전 분류
영상 획득-해석 시간 단축 도구