66 편의 논문
영상의학은 인체 내부 구조를 비침습적으로 관찰하여 질병을 진단하고 치료 방향을 설정하는 핵심 분야입니다. Gist.Science 의 방사선학 및 영상 카테고리에서는 X 선, MRI, CT 등 다양한 이미징 기술을 활용한 최신 연구 동향을 만나보실 수 있습니다.
이 페이지에 게재된 모든 논문은 의학적 예비 연구 논문 저장소인 medRxiv 에서 직접 수집된 것입니다. 우리는 medRxiv 에 새로운 논문이 등록될 때마다 이를 즉시 분석하여, 전문 용어 없이 핵심 내용을 쉽게 이해할 수 있는 일반인용 요약과 함께 기술적 세부사항이 담긴 전문 요약도 함께 제공합니다.
아래에는 방사선학 및 영상 분야에서 최근 업데이트된 최신 연구 논문들이 정리되어 있습니다.
이 체계적 검토는 소아 뇌종양 수술의 정밀도를 높이기 위해 대사체학 기반, 형광 유도, 그리고 인공지능 통합 다중 모달 영상 플랫폼의 현황과 잠재력을 평가하고, 소아 특화 플랫폼 개발 및 표준화된 프로토콜 수립의 필요성을 강조합니다.
이 논문은 SAM2 프레임워크를 기반으로 구축되어 Hiera 인코더와 UNETR에서 영감을 받은 디코더를 통해 3D 뇌 MRI 데이터에 적응하는 특화된 모델인 Brain-SAM을 소개하며, 이는 다양한 뇌 병변을 분할하는 데 있어 nnU-Net과 같은 최첨단 방법들보다 우수한 성능을 달성한다.
본 논문은 157명의 피험자를 대상으로 시간적 창(temporal window)을 통한 동적 집속 초음파 신경 조절의 음향 시뮬레이션 및 안전성 평가 정확도를 향상시키기 위해, 축대칭 투영과 희소 샘플링을 사용하여 두개골 감쇠 계수를 최적화하는 보정 프레임워크를 제시한다.
본 연구는 다각도 초음파 영상을 효과적으로 통합하여 기존의 단일 이미지 분석 방식보다 유방 종양의 양성과 악성을 구분하는 데 있어 우수한 정확도를 달성하는 강력한 하이브리드 CNN-Transformer 딥러닝 모델을 제시한다.
이 연구는 흉부 엑스레이 AI를 위한 파운데이션 모델들이 촬영 방식과 같은 획득 파라미터에 대해 다양한 수준의 강건성을 보여줌에도 불구하고, 이들의 성능 우위는 흔히 데이터셋 특정적이며 외부 검증 전반에 걸쳐 일반화되는 데 실패하며, 이는 모델 구조나 학습 규모와 관계없이 기술적 편향이 지속된다는 점을 드러낸다.
2022년부터 2025년까지의 31개 연구를 대상으로 한 이 체계적 문헌고찰은, 특히 세분화를 위한 고급 U-Net 구조와 진단을 위한 특징 기반 분류기를 사용하는 딥러닝 모델이 다중 파라미터 MRI를 이용한 신경교종 분석에서 높은 정확도를 달정하지만, 임상적 신뢰와 도입을 보장하기 위해 이 분야에 더 많은 설명 가능한 AI가 필요함을 입증한다.