MRI는 연부조직에 대한 고해상도의 영상을 제공하며 진단적 가치가 매우 높은 영상 검사이며, 디지털 데이터를 이용하여 딥러닝 기술을 통해 컴퓨터 보조 진단 역할을 수행할 수 있다. 본 연구는 딥러닝 기반 YOLOv3를 이용하여 뇌종양 분류 성능을 확인해 보고자 한다. 253장의 오픈 MRI 영상을 이용하여 딥러닝 학습을 진행하고 학습 평가지표는 평균손실(average loss)와 region 82와 region 94를 사용하였으며, 뇌종양 분류 모델 검증을 위해 학습에 사용되지 않은 영상을 이용하여 검출 성능을 평가하였다. 평균손실은 2248 epochs 시 0.1107, region 82와 region 94의 24079 반복학습 시 average IoU, class, .5R, .75R은 각각 0.89와 0.81, 1.00과 1.00, 1.00과 1.00, 1.00과 1.00의 결과값을 도출하였다. 뇌종양 분류 모델 검증 결과 정상 뇌와 뇌종양 각각 95.00%, 75.36%의 정확도로 분류할 수 있었다. 본 연구 결과를 통해 MRI 영상을 활용한 딥러닝 연구 및 임상에 기초자료로 사용될 것이라 사료된다.

본 연구는 고밀도폴리에틸렌 코편을 마스크에 적용 후 MRI 검사에 사용하여 SNR의 변화를 측정하고 만족도를 평가하였다. 연구 방법은 팬텀을 이용하여 HDPE 마스크 적용 전 후의 SNR 측정과 KF 94 마스크 적용 전 후의 SNR 측정을 하였고, 사용한 기법은 T1WI, T2WI, DWI였다. 또한 HDPE 마스크 착용군의 T2 mDixon, 3D T1영상 획득 후 안와와 교뇌의 SNR을 측정하였고, 설문을 통하여 MRI 검사 시 답답함 정도와 호흡의 용이성, HDPE 마스크의 선호도 평가를 하였다. 팬텀 실험 결과 HDPE 마스크 사용 전과 후의 SNR은 유의한 차이가 없었으며(p>0.05), KF 94 마스크는 적용 전 값과 유의한 차이가 있었다(p<0.05). HDPE 마스크 착용군의 SNR 측정 결과에서는 미착용군과 유의한 차이는 없었다(p>0.05). 마스크 착용 후 답답한 정도 측정 결과 착용군은 3.53 ± 0.73, 미착용군은 3.83 ± 0.75이었고, 호흡의 용이성 측정 결과 HDPE 마스크 착용군은 3.1 ± 0.89, 미착용군은 3.27 ± 0.91으로 나타났고, 두 조사 결과 모두 유의한 차이는 없었다(p>0.05). HDPE 마스크의 선호도는 4.48 ± 0.54으로 선호도가 높은 것으로 나타났다. 본 연구 결과 HDPE 마스크는 착용 후에도 MRI 영상의 신호 변화 없이 정확한 검사가 가능하고 환자의 만족도 또한 높게 평가되었기에 검사 중 호흡기 감염 예방을 위해 적극적으로 사용되어야 할 것으로 사료된다.

본 논문에서는 게임 입력 영상을 일러스트 스케치로 변환하는 GAN 기반의 프레임워크를 제시한다. 이 프레임 워크는 HED(Holistically-Nested Edge Detection) 기법을 통해 게임 입력 영상의 윤곽선과 일러스트 스케치의 윤곽선을 추출하고, 추출한 윤곽선 간의 차이를 LPIPS(Learned Perceptual Image Patch Similarity) 기법으로 추정하는 완화된 순환 일치 손실 모듈을 적용한다. 이 모듈을 통해 게임 입력 영상과 일러스트 스케치의 윤곽선 을 비교하여 명확한 선 표현에 집중한다. 또한 집중적으로 변환해야 하는 영역을 식별하기 위해 의미론적인 영 역에 초점을 맞춘 어텐션 맵을 사용한다. 본 논문이 제시한 프레임워크는 스타일 추출 모듈, 생성자 모듈, 판별 자 모듈 및 완화된 순환 일치 손실 모듈로 구성된다. 먼저 스타일 추출 모듈을 사용하여 일러스트 스케치 영상의 스타일을 추출한다. 다음으로 생성자 모듈을 사용하여 게임 입력 영상에서 추출한 스타일 어텐션 맵을 통해 일러스트 스케치를 생성한다. 생성된 일러스트 스케치 영상을 판별자 모듈을 통해 처리하여 생성된 일러스트 스케치의 품질을 측정한다. 또한 생성된 일러스트 스케치에서 게임 입력 영상의 구조 유지 및 명확한 선 표현을 위해 완화된 순환 일치 손실을 적용한다. 다양한 게임 입력 영상의 스케치를 통해 프레임워크의 우수성을 입증한다.

신경내분비종양은 소마토스타틴 수용체의 발현이 증가되어 있다. 소마토스타틴 수용체를 표적으로 하는 소마토스타틴 유사체 옥트레오티드는 오랫동안 신경내분비종양의 기능을 억제하는 치료제로 사용되어 왔다. 옥트레오티드에 핵의학 영상용 방사성동위원소 In-111을 표지하여 환자에 주사한 후 감마카메라로 전신을 촬영하는 기능적 핵의학 영상 또한 오래전부터 사용되었다. 최근에는 옥트레오티드 유사체에 양전자단층촬영(positron emission tomography, PET)용 방사성동위원소를 표지하여 PET/CT를 촬영하게 되었는데 기존 In-111 옥트레오스캔보다 더 선명한 영상을 얻을 수 있다. 나아가 옥트레오티드 유사체에 치료용 방사성핵종을 표지하여 주사하면 신경내분비종양의 전이된 병소를 찾아가서 방사선 치료를 하는 일명 방사선 미사일 치료가 개발되었다. 이는 펩타이드 수용체를 표적으로 하는 핵의학 치료의 일종으로 펩타이드 수용체 방사성핵종 치료(peptide receptor radionuclide therapy, PRRT)라고 한다. 같은 소마토스타틴 수용체 표적 펩타이드를 이용하여 치료 전 기능 영상을 얻어서 PRRT의 대상 환자를 선별할 수 있어 환자 개인맞춤 정밀치료가 가능하다. 또한 Lu-177과 같은 영상용 감마선과 치료용 베타선을 동시에 방출하는 방사성동위원소를 표지하면 치료와 동시에 감마카메라 영상을 얻을 수 있어 주사한 표적치료제의 분포를 매 치료마다 평가할 수 있어 진단과 치료의 합성어인 테라노스틱스가 가능하다.

저해상도 하수관거의 균열을 탐지하기 위해서 웨이블릿 기법을 이용하여 연구를 수행하였다. 변수 4개를 설정하여 파라미터 연구를 수행하였으며 기존 CNN 기법의 연구와 비교를 통해 타당성을 검증하였다. 연구 결과 본 연구에 제시된 파라미터 변수들의 기본값만 사용하더라도 97.2%의 높은 정확도를 나타내었으며, 정확도가 들쭉날쭉하지 않고 안정성을 나타내었다. 따라서, 웨이블릿 기법을 활용하여 구조물의 균열 등 결함 인식 등의 문제를 잘 해결할 것으로 판단되며 향후 연구로 딥러닝 기법과의 상호 보완적인 방법을 모색하고자 한다.

금강 수계의 대형보가 2017년 6월부터 수문을 개방하기 시작하면서, 보의 상·하류에 다양한 모래톱이 드러나거나 새롭게 만들어지면서, 하천사주 지형의 생태계 가치를 파악하는 연구가 요구되었다. 본 연구는 세종보, 공주보, 백제보 구간을 대상으로, 광학 위성영상 공간분석을 통하여 보 건설 전, 보 건설 이후, 보 수문개방 후의 하천의 수변 서식처 지형 변화를 분석하였다. 위성영상은 물의 난반사로 인하여 수중공간을 구분할 수 없는 한계로 인하여, 수역은 단일 분류하고, 육상역인 하안사주와 하중도를 나지 부, 초본부, 목본부, 웅덩이 등으로 세분류하여 총 9개의 서식처로 분류하였다. 그리고 이러한 분류 기준을 적용하여 위성영상을 공간분석하여 단위서식처를 추출하고 그 면적비를 산출하였다. 보 건설 전·후를 비교한 결과, 보 건설 전에는 3개보 모두에서 전구간에서 사주가 폭넓게 발생하였지만, 보 건설 후에는 대부분의 사주면적이 급감하였으며, 특히 나지형 사주는 거의 사라졌다. 이러한 효과는 하류 공주보와 백제보로 갈수록 더욱 두드러진 경향을 보였다. 그러나, 수문개방 이후에는 다시 사주의 면적비는 증가하였고, 이 가운데 나지형 사주가 높은 비율을 차지하였다. 이는 상류 세종보에서 가장 효과가 크게 나타났다. 이러한 연구결과를 통해서 우리는 금강수계에서 보 건설에 의한 서식처 감소효과는 수계의 하류로 갈수록 크고, 보 개방에 따른 서식처 회복은 수계의 상류로 갈수록 효과가 크게 나타난 것을 발견하였다. 앞으로 서식처다양성과 생물다양성 간의 관계 연구를 통하여 조절하천의 자연성 회복과정을 체계적으로 규명할 수 있기를 기대한다.