디지털 방사선 검출기의 주된 연구동향은 영상의 해상도 향상, 대면적화, 동영상 구현 등… 이라 할 수 있다. 이런 연구는 방사선 변환과정에 따라 크게 직접변환 방식과 간접 변환 방식으로 나눌 수 있으며 각각 고유한 장단점을 내포 하고 있다. 간접변환 방식의 경우 형광체의 사용으로 인한 Light scattering 문제로 해상력의 저하 그리고 직접방식의 경우는 낮은 system 안정성과 동영상 구현의 어려움 등이 대표적이라 할 수 있다. 이런 문제를 해결하기 위한 연구로 써 액정을 이용한 엑스선 검출기 연구가 진행되었으나 그 구조의 특성상 균일한 액정의 주입이 어려워 제작에 있어 많 은 어려움이 있다. 따라서 본 논문에서는 기존의 문제점을 해결할 수 있는 구조를 제안하고 이를 Simulation 통해 제안 된 구조의 가능성을 검토해 보았다.
본 연구에서는 헤테로 접합을 이용하여 누설전류를 저감 시키는 기술을 적용하여 Particle-In -Binder을 이용한 방 사선 영상 센서의 변환 물질을 개발하였다. 이는 디지털 방사선 영상 검출기의 두 가지 방식 중 하나인 직접방식에 사 용되는 핵심 소자로 기존의 비정질 셀레늄(Amorphous Selenium)을 대체하여 더욱 효율이 높은 후보 물질들이 연구되 어지는 가운데 태양전지와 반도체 분야에서 이미 많이 사용되어온 이종접합(Hetero junction)을 이용해 누설 전류를 저감 시키는데 그 목적이 있다. 본 연구에서 사용되는 Particle-In -Binder 제작 방법은 검출 물질 제작이 용이하고 높은 수율과 대면적의 검출기 제작에 적합하나 높은 누설 전류가 의료 영상 시스템에 있어서 문제가 되어 오고 있다. 이러한 단점을 보완하기 위해 다층 구조를 이용하여 누설 전류를 저감시킨다면 Particle-In -Binder을 이용하여 간편 하게 향상된 효율의 디지털 방사선 검출기를 제작 할 수 있다고 사료 되어 진다. 본 연구에서는 누설전류 및 민감도, 그리고 선형성에 대한 전기적 신호를 측정하여 제작된 다층 구조의 방사선 검출 물질의 특성 평가가 이루어 졌다.
최근 의료진단 분야와 다른 적용분야를 위해 대면적 매트릭스 구조의 엑스선 영상이 활발하게 연구되어 오고 있다. 본 연구에서는, 의료진단을 위한 새로운 평판형 디지털 엑스선 가스 검출기를 제안하고 그에 따른 특성을 검증하고자 한다. 대기압에 반해 가스를 주입하는 어려움 때문에 챔버 형태의 구조로 만들어 질 뿐, 평판형 디지털 엑스선 가스 검 출기는 아직 어디에서도 연구된 바 없다. 이에 본 연구에서는 디스플레이 패널 제작 기술을 이용하여 샘플제작을 성공 하였다. 실험적인 측정을 위해 만들어진 샘플은 상판에는 유리기판위에 전극, 절연층, 산화마그네슘 보호막을 형성하 였으며, 하판에는 엑스선 형광층과 전극을 형성하였다. 누설전류와 엑스선 민감도를 측정하였으며, 전기장에 대한 민 감도의 선형성 측정 등의 전기적 특성평가를 실시하였다. 이에 대한 결과로 안정된 누설전류와 엑스선 민감도를 얻었 다. 그리고 조사 선량에 따라 좋은 선형성을 보이는 등 넓은 진단 동적영역을 확인할 수 있었다. 이러한 결과로 평판형 엑스선 가스 검출기의 디지털 엑스선 영상 검출기로의 적용 가능성을 확인 할 수 있었다.
방사선동위원소 I-131을 이용한 질병의 치료는 핵의학 분야의 아주 중요한 부분을 차지하고 있다. 환자피폭에서 주의사항으로는 첫째 진료목적상 필요로 하는 선량을 초과하지 말아야 한다. 둘째 불필요한 피폭을 억제하여야 한다. 셋째 방사선을 사용하지 않고 동일한 진료목적을 달성할 수 있는지 면밀히 검토해봐야 한다. 이러한 목적을 달성하기 위해서는 환자에 대한 피폭선량의 평가가 필요하다. 본 연구에서는 치료병실 환자의 안전관리를 도모하고자 에어샘플 러를 이용하여 공기를 채집하고, 채집한 시료의 방사선을 HPGe 감마카운터로 측정하였다. 치료병실에서 채집한 시료 의 I-131 측정결과의 최고값은 404.11 Bq/m3 , 평균값은 228.27 Bq/m3 , 최저값은 126.17 Bq/m3 이었다.
본 논문에서는 신경회로망을 이용한 의료영상의 질환부위 인식방법을 제안하였다. 질환부위 인식을 위한 신경회로 망은 입력층, 은닉층, 출력층으로 구성하여 적응 오차 역전파 알고리즘으로 학습하였다. 신경회로망에 입력된 의료영 상의 특징 파라미터는 웨이브릿 변환에 의하여 분해된 저주파 영역을 행렬식으로 표현하여 특성 다항식의 계수값 (n+1)개로 하였다. 추출된 특징 파라미터는 탄젠트시그모이드 전달함수의 범위로 정규화하여 신경회로망의 입력 벡 터로 이용하였다. 제안된 방법의 타당성을 입증하기 위해서 실험에 사용된 입력 의료영상을 가지고 모사실험을 통해 질환부위의 인식 률을 평가하였다. 실험 결과 4레벨 DWT로 변환된 저주파영역 행렬의 특성 다항식 계수를 탄젠트시그모이드 전달함수의 범위로 정규 화하여 신경회로망의 입력 벡터로 이용했을 때 최적의 학습 횟수를 보였다. 신경회로망의 학습은 적응 오차 역전파 알 고리즘을 사용하였고, 학습계수를 0.01, 모우멘텀을 0.95로 하였을 때, 위영상에 대해서는 55회, 가슴영상은 55회, CT 영상은 46회, 초음파영상은 55회 그리고 혈관영상에 대해서는 157회 등의 최적의 학습 횟수를 보이며 100%의 인식률 을 보였다