FedTensor

STONE-09. DICOM 파일 형식과 구조

CT 이미지와 의료용 디지털 영상 표준인 DICOM(Digital Imaging and Communications in Medicine)은 단순히 이미지만 담고 있는 파일이 아니라, 환자 정보, 촬영 장비 설정, 3D 공간 좌표 등 방대한 메타데이터가 포함된 복합 데이터 구조체입니다. 인공지능 모델 개발에 필요한 핵심적인 파일 형식과 내부 구조를 정리합니다.1. DICOM 파일 구조 (The Anatomy of a DICOM File)DICOM 파일은 크게 Preamble(서문), Prefix(접두사), 그리고 수많은 Data Element(데이터 요소)들의 집합으로 구성됩니다.구성 요소설명Preamble (128 bytes)파일의 시작을 알리는 공간 (주로 0으로 채워짐).Prefix (4 bytes)..

STONE-08. CT 이미지에서 개인 식별 정보 제거

의료 데이터, 특히 CT 이미지에서 개인 식별 정보(PII: Personally Identifiable Information)를 제거하는 것은 데이터 활용과 보호 사이의 균형을 맞추는 핵심 작업입니다. 인공지능 학습에서 이 과정은 데이터 비식별화(De-identification) 및 익명화(Anonymization)의 필수 단계가 됩니다. CT 이미지의 비식별화는 크게 두 가지 영역에서 이루어집니다.1. DICOM 메타데이터 비식별화 (Header Cleaning)대부분의 CT 이미지는 DICOM(Digital Imaging and Communications in Medicine) 형식으로 저장됩니다. 이 파일의 헤더에는 수많은 태그 정보가 포함되어 있습니다.직접 식별자 제거: 환자 성명(Patient ..

STONE-07. 요로결석 CT 데이터셋: KSSD2025 & Mendeley Data

두 데이터셋은 2025년에 공개된 최신 의료 영상 데이터로, 각각 정밀한 픽셀 단위 추출(Segmentation)과 대규모 특징 학습(Detection/Classification)이라는 뚜렷한 강점을 가지고 있습니다. 두 데이터셋의 상세 스펙과 기술적 활용 방안을 정리합니다.1. KSSD2025 (Kidney Stone Segmentation Dataset)이 데이터셋은 결석의 정확한 형태, 크기, 위치를 픽셀 단위로 발라내는 '세그멘테이션' 기술 고도화에 완벽하게 맞춰진 고품질 데이터입니다.데이터 구성: 838장의 Axial(가로 단면) CT 이미지와 이에 1:1로 매칭되는 정답지인 이진 마스크(Binary Mask) 파일로 구성되어 있습니다.주요 특징:엄선된 고품질 정답지: 기존의 대규모 신장 질환 ..

STONE-06. CT 이미지로부터 결석을 추출하는 기술 및 모델 소개

CT 이미지에서 결석(Urolithiasis)을 추출하고 정량화하는 기술은 최근 딥러닝 기반의 세그멘테이션(Segmentation) 모델을 중심으로 비약적으로 발전했습니다. 특히 결석은 주변 조직(신장, 요관)에 비해 크기가 매우 작고 비정형적인 경우가 많아, 이를 해결하기 위한 특화된 아키텍처들이 주목받고 있습니다. CT 데이터 전처리에 활용 가능한 기술 및 모델을 소개합니다.1. 추천 인공지능 모델 및 아키텍처① 3D U-Net 및 변형 모델 (표준 아키텍처)의료 영상 분할의 표준인 U-Net은 결석 추출에서도 가장 널리 쓰입니다. 특히 CT의 입체적 정보를 활용하기 위해 3D 버전이 주로 사용됩니다.3D U-Net: 슬라이스 간의 연속성을 학습하여 작은 결석의 위치를 3차원적으로 파악하는 데 탁월합..

지난 포스팅에서 AI가 요로결석의 미세한 텍스처를 분석해 치료 성공률을 예측한다는 내용을 다뤘습니다. 이때 핵심이 되는 기술이 바로 '라디오믹스(Radiomics)'입니다. 오늘은 의료 영상(Radiology)과 유전체학(Genomics)의 접미사가 만나 탄생한 이 혁신적인 기술이 무엇인지, 어떤 과정을 거쳐 눈에 보이지 않는 데이터를 캐내는지, 그리고 이것이 요로결석 치료(ESWL)를 어떻게 바꾸고 있는지 물리학과 데이터 과학의 관점에서 깊이 있게 파헤쳐 보겠습니다.1. 라디오믹스란 무엇인가?"이미지는 그림이 아니라, 데이터다." 라디오믹스는 CT, MRI, PET 등의 의료 영상 데이터에서 대량의 정량적 특징(Quantitative Features)을 추출하여, 이를 질병의 진단, 예후 예측, 치료 ..

체외충격파 쇄석술(ESWL)의 성공률이 '조건부 확률'에 따라 40%에서 95%까지 널뛴다고 알려져 있습니다. 그렇다면, 치료를 시작하기 전에 "나의 성공 확률"을 정확하게 계산해낼 수는 없을까요? 최근 학계에서 뜨겁게 논의되고 있는 '머신러닝(ML)과 딥러닝(DL)을 활용한 ESWL 예후 예측' 관련 핵심 논문들을 분석하고 물리학적 변수들이 AI 알고리즘 안에서 어떻게 처리되는지 살펴보겠습니다.1. 기존의 한계: 단순 통계의 벽과거 의학계는 ESWL 성공 여부를 예측하기 위해 단순한 선형 점수 시스템을 사용했습니다. 대표적인 것이 'Triple D Score'입니다.Density (밀도): Distace (거리): Skin-to-Stone Distance Dimensions (크기): Stone Siz..

요로결석 치료의 패러다임을 바꾼 혁신적인 기술, 체외충격파 쇄석술(ESWL, Extracorporeal Shock Wave Lithotripsy)을 심층 분석해보려 합니다.1. ESWL의 물리학: 생성과 전달ESWL의 핵심은 '에너지의 집광(Focusing)'과 '선택적 파괴'입니다. 이 과정은 크게 충격파를 만드는 '생성부'와 이를 전달하는 '전파부'로 나뉩니다.1) 충격파 생성 방식: 기계는 어떻게 파동을 만드는가?충격파를 발생시키는 원리는 에너지 변환 방식에 따라 크게 세 가지로 나뉩니다.전기수압식 (Electrohydraulic):원리: 물속에 있는 전극(Spark Gap)에 고전압을 방전시켜 순간적으로 물을 기화시킵니다. 이때 발생한 플라즈마 거품이 터지면서 구형(Spherical)의 충격파가 ..

CT 이미지는 단순한 사진이 아니라, X-선의 '감쇠(Attenuation)' 데이터를 수학적으로 재구성한 결과물입니다.1. 감쇠 모델 (Beer-Lambert Law)X-선(Photon)이 물질을 통과할 때 강도가 줄어드는 현상은 지수 함수적 감쇠 모델을 따릅니다.$$I = I_0 e^{-\mu x}$$($I$: 통과 후 강도, $I_0$: 초기 강도, $x$: 물체의 두께, $\mu$: 선형 감쇠 계수)2. 선형 감쇠 계수 (Linear Attenuation Coefficient, $\mu$)여기서 $\mu$는 물질의 밀도와 원자 번호에 따라 고유한 값을 가집니다. 결석처럼 밀도가 높은 물질은 $\mu$ 값이 크고(X-선 흡수 많음), 공기는 거의 0에 가깝습니다. CT 스캐너는 여러 각도에서 투과된..

살면서 겪을 수 있는 가장 극심한 고통 중 하나인 '요로결석(Urinary Stone)'. 오늘은 이 질환의 본질적인 정의와 현대 의학이 이를 어떻게 찾아내고(진단), 해결하는지(치료) 그 메커니즘을 심층적으로 다뤄보겠습니다.1. 요로결석이란 무엇인가?"흐름이 막힌 시스템의 과부하" 우리 몸의 비뇨기계(신장, 요관, 방광, 요도)는 소변이라는 액체 데이터를 배출하는 파이프라인과 같습니다. 요로결석은 소변 속에 녹아있는 물질들이 어떤 원인에 의해 과포화(Supersaturation) 상태가 되면서, 결정(Crystal)으로 뭉쳐 돌처럼 단단해지는 현상입니다. 쉽게 말해 수도관에 석회질이 쌓여 흐름을 막는 것과 유사합니다. 결석이 신장에 가만히 있을 때는 증상이 없다가, 좁은 파이프인 '요관'으로 내려와 흐..