AI End-to-End Radiation Treatment Planning Under One Second
이 논문은 CT 이미지와 구조 컨투어로부터 단일 아크 VMAT 전립선 치료 계획을 1 초 미만으로 직접 추론하여 기존 자동화 방식보다 획기적으로 속도를 높이고 임상 워크플로우를 간소화하는 종단간 딥러닝 프레임워크인 AIRT 를 제안합니다.
32 편의 논문
이 논문은 CT 이미지와 구조 컨투어로부터 단일 아크 VMAT 전립선 치료 계획을 1 초 미만으로 직접 추론하여 기존 자동화 방식보다 획기적으로 속도를 높이고 임상 워크플로우를 간소화하는 종단간 딥러닝 프레임워크인 AIRT 를 제안합니다.
이 논문은 물리 법칙과 대칭성을 반영한 회전 불변 그래프 메시지 전달 방식을 도입하여, 다양한 획득 프로토콜에 재학습 없이도 뇌 미세구조를 정확하게 추정할 수 있는 범용 학습 기반 모델을 제시합니다.
이 논문은 임상에서 흔히 사용되는 가중 MRI 데이터로 사전 학습된 딥러닝 기반 잡음 제거 모델을 활용하여, 정량적 MRI 데이터의 부족 문제를 해결하고 압축 샘플링 아티팩트를 효과적으로 보정하는 새로운 재구성 프레임워크 'MRI2Qmap'을 제안합니다.
본 연구는 구강 보호대에 장착된 센서를 통해 측정한 데이터를 분석하여 회전 가속도보다 선형 가속도가 뇌진탕의 더 정확한 예측 인자임을 입증하고, 이를 바탕으로 뇌척수액의 보호 메커니즘을 모방한 액체 충격 흡수 기술을 개발해 기존 헬멧 대비 뇌진탕 위험을 최대 73% 감소시킬 수 있음을 제시했습니다.
이 논문은 의료 영상 복원 시 딥러닝 모델이 생성할 수 있는 환각 (hallucination) 을 탐지하기 위해 작은 패치 단위의 푸리에 링 상관관계 (FRC) 를 스캔하는 sFRC 기법을 제안하고, 이를 다양한 의료 영상 복원 문제에서 효과적으로 검증합니다.
이 논문은 HUPA-UCM 데이터셋을 기반으로 LSTM, GRU, Transformer 아키텍처와 몬테카를로 드롭아웃 및 증거 기반 회귀를 결합한 불확실성 정량화 모델을 비교 분석한 결과, 증거 기반 출력 헤드를 갖춘 Transformer 모델이 가장 높은 예측 정확도와 잘 보정된 불확실성 추정을 제공하여 제 1 형 당뇨병의 혈당 예측 및 위험 평가에 효과적임을 입증했습니다.
이 논문은 다양한 사이트와 프로토콜에 걸쳐 방대한 ASL CBF 데이터를 기반으로 3D 마스킹 오토인코더를 활용한 자기지도 학습 프레임워크인 ICHOR 을 제안하여, 하류 진단 및 품질 예측 작업에서 기존 방법들보다 우수한 성능을 입증했습니다.
이 연구는 에티오피아 4 개 병원에서 방사선 보호 시스템의 실행 현황을 조사한 결과, 측정된 선량률과 관행이 미흡하여 불필요한 피폭 위험이 존재하므로 지속적인 교육과 현대적 장비 도입 및 전문 인력 확보가 시급함을 강조합니다.
이 논문은 측정 가능한 변형 데이터를 기반으로 물리 정보 신경망 (PINN) 을 활용하여 심장 활성화 패턴, 활성 장력 전파, 변형장 및 정수압을 비침습적으로 재구성하는 프레임워크를 제안하고, 이를 통해 다양한 노이즈와 해상도 조건에서도 정확한 심장 활성화 역학을 복원할 수 있음을 입증합니다.
본 논문은 몬테카를로 시뮬레이션 수준의 정확도로 프로톤 치료 중 발생하는 중성자의 비등방성 운동량 분포를 수초 내에 예측할 수 있는 푸리에 신경 연산자 (FNO) 기반의 대리 모델을 제안하여 실시간 적응형 프로톤 범위 검증 시스템 구현의 가능성을 제시합니다.
이 논문은 복부 벽의 생체역학적 특성을 정량적으로 분석하여 탈장 발생 기전을 이해하고, 메쉬 선택 및 봉합 기술 등 수술적 개입을 최적화함으로써 재발률을 낮추고 환자별 맞춤형 치료 전략을 수립할 수 있음을 강조합니다.
이 논문은 불규칙한 부정맥 환자에게서 기존 심전도 동기화 방식의 한계를 극복하고, 실시간 3D CMR-MOTUS 기술을 통해 부정맥의 혈역학적 영향을 포착할 수 있는 연속적인 심실 용적 및 박동별 박출률 정량화를 가능하게 함을 보여줍니다.