296 0

Full metadata record

DC FieldValueLanguage
dc.contributor.advisor오재훈-
dc.contributor.author배준원-
dc.date.accessioned2021-02-24T16:15:53Z-
dc.date.available2021-02-24T16:15:53Z-
dc.date.issued2021. 2-
dc.identifier.urihttps://repository.hanyang.ac.kr/handle/20.500.11754/159241-
dc.identifier.urihttp://hanyang.dcollection.net/common/orgView/200000486136en_US
dc.description.abstract배경 대퇴경부골절은 노인에서 흔한 골절로 단순 골반 방사선촬영술(plain pelvic radiography, pelvic X-ray) 검사를 통한 대퇴경부골절 진단의 민감도는 90-98%로 알려져 있다. 대퇴경부골절의 진단이 늦어지게 되면 환자의 합병증 발생과 사망률은 수상 후 시간이 지남에 따라 증가한다. 대체 방법을 찾기 위해 심층신경망 학습을 수행한 인공 지능에 의한 골절 감지를 평가하고자 하였다. 이 연구는 골반 및 고관절 전후면 X-ray 영상을 학습한 합성곱신경망 (convolutional neural network, CNN)을 사용하여 전위 및 비 전위성 골절을 포함한 대퇴경부골절을 판단하는 알고리즘을 개발하는 것을 목표로 하고 실제 임상에서 적용 가능성을 확인하기 위하여 외부 검증을 시행했다. 연구방법 이 연구는 후향적 연구로 CBAM++ (convolutional block attention module ++)을 적용한 ResNet18 (residual neural network 18)을 골반 및 고관절 X-ray 영상으로 학습시키고 이를 통해 X-ray 상의 대퇴경부골절을 탐지하였다. 이 연구는 2020년 2월부터 2020년 5월까지 두 곳의 상급종합병원에서 수행되었으며 2005년 1월부터 2018년 12월까지의 데이터를 사용했다. 본 연구는 대퇴경부골절 X-ray를 학습한 심층신경망의 판독이 진단적 가치를 가질 수 있을 것이라는 가설 하 진행되었다. 이에 따른 결과를 수신자 동작특성 곡선 하 면적 (AUC, area under the receiver operating characteristic curve), 정확도, 유덴(Youden)지수 ([(민감도+특이도)-1]), 민감도 및 특이도로 설명하였다. 연구결과 두 개의 병원에서 1,109개의 골절 이미지 (비 전위성 골절 332개 및 전위성 골절 777개) 와 3,080개의 비 골절 이미지로 총 4,189개의 이미지를 수집하였다. 단일 병원 데이터로 학습한 후 수행한 심층신경망의 내부 테스트 결과는 AUC 0.999, 정확도 0.986, 유덴(Youden)지수 0.960, 민감도 0.966 및 특이도 0.993으로 나타났다. 전위 골절 영상에서 민감도는 1.000 이었으며, 비 전위 골절 영상에서의 민감도는 0.933 이었다. 동일한 알고리즘을 통해 외부 병원 데이터를 사용하여 외부 검증에서는 각각 0.977, 0.971, 0.920, 0.939 및 0.982로 확인되었다. 전위 골절 영상과 비전위 골절에서 나누어 본 민감도는 각각 0.985, 0.861로 감소하였다. 내부 테스트와 외부 검증의 AUC를 비교하였을 때 AUC의 차이는 0.023 (표준오차 차이 0.005) 였다 (p-value <0.001).   결론 이 연구에서 골반 X-ray 이미지를 사용한 전위 및 비전위 대퇴경부골절을 판독할 수 있는 합성곱신경망 알고리즘을 구성하고 검증하였다. 기존 연구와 비교하여 우수한 정확도를 보이고 특히 비전위 골절에서 높은 민감도를 보였다. 이를 기반으로 전향적 연구를 수행하고, 임상에서 이 연구의 신경망 알고리즘을 적용할 수 있을 것이다.-
dc.publisher한양대학교-
dc.title심층신경망을 이용한 골반 단순 방사선 촬영 상 전위 및 비전위 대퇴경부골절의 검출-
dc.title.alternativeDetection of Displaced and Non-displaced Femoral Neck Fracture on Plain Pelvic Radiography Using Deep Neural Network-
dc.typeTheses-
dc.contributor.googleauthor배준원-
dc.contributor.alternativeauthorBae, Junwon-
dc.sector.campusS-
dc.sector.daehak대학원-
dc.sector.department의학과-
dc.description.degreeMaster-
dc.contributor.affiliation응급의학-
Appears in Collections:
GRADUATE SCHOOL[S](대학원) > MEDICINE(의학과) > Theses (Master)
Files in This Item:
There are no files associated with this item.
Export
RIS (EndNote)
XLS (Excel)
XML


qrcode

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

BROWSE