FedTensor

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 ..

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..

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..

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..