핵의학 연구실
계명대학교 핵의학과
송봉일 교수
의료영상 라디오믹스
인공지능 기반 예측모델
비만 매개 질환
송봉일 교수 연구실
홈
핵의학 연구실
계명대학교 핵의학과 송봉일 교수
송봉일 교수님의 핵의학 연구실은 영상의학과 의공학, 인공지능 기술을 융합하여 질병의 진단·예측·치료 반응 분석을 위한 정밀의료 플랫폼을 개발하고 있습니다. 연구실은 F-18 FDG PET/CT, CT, MRI 등 다양한 의료영상 데이터를 활용한 라디오믹스와 딥러닝 기반 예측모델 연구를 중심으로, 암(유방암, 위암, 간암, 폐암 등)뿐 아니라 대사성·심혈관 질환 등 다양한 질병 영역에서 영상 바이오마커를 발굴하고 있습니다. PET/CT 영상의 정량적 대사정보를 분석하여 라디오믹스와 머신러닝을 결합한 질병 예측 알고리즘을 개발하고, 이를 임상 데이터와 통합해 림프절 전이, 예후, 치료 반응성을 예측하는 딥러닝 정밀의료 모델로 확장하고 있습니다. 이러한 연구 성과는 웹 기반 분석 도구와 임상 응용 소프트웨어로 구현되어 의료 현장에서 활용 가능한 인공지능 의사결정지원시스템(CDSS)으로 발전하고 있습니다. 더불어 AI·로봇 융합 헬스케어 실증, PET/CT 영상 표준화, 스마트병원 시스템 개발 등 다학제적 연구를 수행하며, 미래형 개인맞춤 의료와 예측의학의 실현을 선도하고 있습니다.
의료영상 라디오믹스인공지능 기반 예측모델비만 매개 질환분자영상 및 정밀의료진단 예측 의료기술 플랫폼
대표 연구 분야
연구 영역 전체보기
FDG PET/CT 기반 라디오믹스 전이·예후 예측 연구
FDG PET/CT Radiomics for Metastasis and Prognosis Prediction
연구 분야 상세보기
FDG PET/CT 기반 라디오믹스 전이·예후 예측 연구
FDG PET/CT Radiomics for Metastasis and Prognosis Prediction
연구 분야 상세보기
FDG PET/CT 라디오믹스 기반 갑상선 결절 악성 감별 연구
FDG PET/CT Radiomics for Differential Diagnosis of Thyroid Nodules
연구 분야 상세보기
3D 세그멘테이션 기반 요로결석 요산석 분류·예측 연구
3D Segmentation and VCSD for Uric Acid Stone Prediction and Classification
연구 분야 상세보기
연구 성과 추이
표시된 성과는 수집된 데이터 기준으로 산출되며, 일부 차이가 있을 수 있습니다.
5개년 연도별 논문 게재 수
9총합
5개년 연도별 피인용 수
171총합
주요 논문
3
논문 전체보기
1
article
|
인용수 4
·
2025A Machine Learning-Based Radiomics Model for the Differential Diagnosis of Benign and Malignant Thyroid Nodules in F-18 FDG PET/CT: External Validation in the Different Scanner
J.W. Lee, Jinny Lee, Bong‐Il Song
Cancers
배경/목적: 갑상선 우연종(THYROID INCIDENTALOMAS, TIs)에 대해 불필요한 시술을 피하기 위해서는 정확한 진단이 필수적이다. 의학 영상에 적용된 방사믹스(radiomics) 및 머신러닝(machine learning)의 발전은 갑상선 결절을 평가하는 데 유망한 가능성을 제시한다. 본 연구는 TIs의 수술 전 감별 진단을 개선하기 위해 F-18 FDG PET/CT를 이용한 방사믹스 분석을 수행하였다. 방법: 총 152명의 환자 사례를 후향적으로 분석하고 층화 및 무작위화를 통해 훈련 집합과 검증 집합으로 7:3의 비율로 분할하였다. 결과: = 0.043), 각각. 결론: 이러한 결과는 선별된 9개의 방사믹스 특징이 악성 갑상선 결절을 효과적으로 구별함을 보여준다. 종합하면, 방사믹스 모델은 TIs 환자에서 갑상선암을 예측하는 유용한 도구로서의 잠재력을 가지며, 수술 전 의사결정을 개선하는 데 기여할 수 있다.
https://doi.org/10.3390/cancers17020331
Radiomics
Medicine
Receiver operating characteristic
Thyroid nodules
Radiology
Differential diagnosis
Malignancy
Lasso (programming language)
Thyroid cancer
Thyroid
2
article
|
·
인용수 4
·
2023Pure uric acid stone prediction model using the variant coefficient of stone density measured by thresholding 3D segmentation-based methods: A multicenter study
Bong‐Il Song, Jinny Lee, Wonho Jung, Bum Soo Kim
IF 4.9 (2023)
Computer Methods and Programs in Biomedicine
https://doi.org/10.1016/j.cmpb.2023.107691
Thresholding
Uric acid
Medicine
Segmentation
Urinary system
Urinary stone
Hounsfield scale
Nuclear medicine
Radiology
Urology
3
article
|
인용수 2
·
2022Prognostic value of the metabolic score obtained via [18F]FDG PET/CT and a new prognostic staging system for gastric cancer
Sung Hoon Kim, Bong‐Il Song, Hae Won Kim, Kyoung Sook Won, Young‐Gil Son, Seung Wan Ryu, Yoo Na Kang
IF 4.6 (2022)
Scientific Reports
F]FDG PET/CT가 연구에 포함되어 훈련 코호트(n = 543)와 검증 코호트(n = 188)로 분류되었다. 대사 점수(MS)는 원발 종양의 최대 표준섭취계수(SUVmax) (T_SUVmax)와 전이 림프절의 SUVmax (N_SUVmax)를 결합하여 개발하였다. MS와 종양-림프절-전이(tumor-node-metastasis, TNM) 단계를 통합한 새로운 병기 체계를 조건부 추론 트리 분석을 이용하여 개발하였다. MS는 다음과 같이 계층화하였다: 점수 1 (T_SUVmax ≤ 4.5 및 N_SUVmax ≤ 1.9), 점수 2 (T_SUVmax > 4.5 및 N_SUVmax ≤ 1.9), 점수 3 (T_SUVmax ≤ 4.5 및 N_SUVmax > 1.9), 그리고 점수 4 (T_SUVmax > 4.5 및 N_SUVmax > 1.9)로, 훈련 코호트에서 적용되었다. 새로운 병기 체계는 훈련 코호트에서 다섯 가지 위험 범주를 산출하였다: 범주 I (TNM I, II 및 MS 1), 범주 II (TNM I, II 및 MS 2), 범주 III (TNM I, II 및 MS ≥ 3), 범주 IV (TNM III, IV 및 MS ≤ 3), 그리고 범주 V (TNM III, IV 및 MS 4). 두 병기 체계 간의 DSS는 유의미한 차이를 보였으며, 새로운 병기 체계는 훈련 및 검증 코호트 모두에서 더 나은 예후 예측 성능을 나타냈다. MS는 DSS에 대한 독립적인 예후 인자였고, DSS에 대한 새로운 병기 체계의 판별력은 기존 TNM 병기 체계 단독의 판별력보다 더 우수하였다.
https://doi.org/10.1038/s41598-022-24877-0
Medicine
PET-CT
Cancer
Positron emission tomography
Standardized uptake value
Neoplasm staging
Radiology
Nuclear medicine
Oncology
Internal medicine
최신 정부 과제
1
과제 전체보기
1
주관|
2017년 8월-2020년 8월
|15,000,000원유방암 환자의 수술 전 선행항암치료 반응 예측 모델
1차년도
① 국내 다기관 코호트 연구기반 유방암 환자의 임상정보 및 선행항암치료 반응 결과 수집을 통한 예측 후보인자 발굴
② 선행논문 분석을 통한 유방암 환자의 수술 전 선행항암치료 반응 예측 후보 인자 수집
2차년도
① 국내 다기관 코호트 연구기반 유방암 환자의 선행항암치료 이전 임상지표 중 항암치료 결과 예측에 통계적으로 유의한 지표를 분석
② 유방암의 포도당 대사 반영 지표인 F-18 FDG PET/CT에서 원발암과 전이 병소의 대사변수를 이용한 선행항암치료 결과 예측 인자로써의 유의성 분석
3차년도
① 유방암 환자의 분자 유형에 따른 선행항암치료 치료반응 예측의 상이성 분석
② 전향적 연구에 있어 선행항암치료 반응 예측 모델의 적용을 통한 모델의 정확도 검증
4차년도
① 유방암 환자의 수술 전 선행항암치료의 치료반응 예측 모델 최종 확립
② 확립된 수술 전 선행항암치료의 반응 예측 모델의 웹기반 계산 프로그램 개발
유방암
항암치료
예측모델
최신 특허
특허 전체보기
전체 특허
요로결석 환자 결석 분석 방법 및 분석 장치
상태
등록출원연도
2022출원번호
1020220115868간내 담관암 환자의 양전자 방출 단층 촬영 영상 기반의 라디오믹스를 이용한 예후 예측 방법 및 분석 장치
상태
등록출원연도
2022출원번호
1020220028243컴퓨터 단층 촬영 영상의 라디오믹스 파라미터를 이용한 요로결석의 요산석 분류 방법 및 분석장치
상태
등록출원연도
2022출원번호
1020220022002연구실 하이라이트
연구실의 정보를 AI가 요약해서 키워드 중심으로 정리해두었어요
기술파급력
AI 기반 유방암 항암치료 반응 예측 솔루션
AI 요약 확인하기
SCIE논문
AI 라디오믹스 기반 암 전이·예후 정밀 예측
AI 요약 확인하기
글로벌특허
CT 영상 AI 분석 기반 요산석 예측 기술
AI 요약 확인하기
기업협력
국가 R&D 주도, 첨단 진단·예측 의료 플랫폼 구축
AI 요약 확인하기
기술파급력
비만 매개 만성질환 진단 및 치료 원천기술
AI 요약 확인하기
연구자역량
핵의학 AI 융합 연구를 선도하는 연구 책임자
AI 요약 확인하기
맞춤형 인사이트 리포트
연구실의 전체 데이터를 활용한 맞춤형 인사이트 리포트
연구 트렌드부터 공동 연구 방향성 기획까지
연구실과 같이 할 수 있는게 무엇인지,
지금 바로 확인해보세요
지금 바로 확인해보세요
무료 리포트 확인하기