주요 논문
3
*2026년 기준 최근 6년 이내 논문에 한해 Impact Factor가 표기됩니다.
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