이 쿠키는 웹사이트가 정상적으로 작동하는 데 필요하며 시스템에서 꺼질 수 없습니다. 주로 사용자가 요청한 서비스(개인정보 설정, 로그인, 양식 작성 등)를 제공하기 위해 설정됩니다. 브라우저에서 이 쿠키를 차단하거나 알림을 받을 수 있도록 설정할 수 있지만, 이 경우 사이트 일부 기능이 정상적으로 작동하지 않을 수 있습니다. 이 쿠키는 개인 식별 정보를 저장하지 않습니다.
+타겟팅 쿠키
이 쿠키는 광고 파트너를 통해 설정되며, 귀하의 관심사에 기반한 광고를 다른 사이트에 표시하는 데 사용됩니다. 이 쿠키는 직접적으로 개인정보를 저장하지 않으며, 브라우저와 인터넷 기기 식별을 기반으로 작동합니다. 이 쿠키를 허용하지 않으면 타겟팅 광고를 덜 경험하게 됩니다.
+성능 쿠키
이 쿠키는 웹사이트 방문자 수 및 트래픽 소스를 집계하여, 사이트의 성능을 측정하고 개선하는 데 사용됩니다. 어떤 페이지가 인기가 많은지, 방문자가 사이트를 어떻게 이동하는지를 파악하는 데 도움이 됩니다. 모든 정보는 익명으로 수집되며, 이 쿠키를 허용하지 않을 경우 방문 및 활동 기록을 알 수 없어 사이트 성능 모니터링에 제약이 생깁니다.
Evaluation of retrieval accuracy and visual similarity in content-based image retrieval of chest CT for obstructive lung disease
Authors
Jooae Choe, Hye Young Choi, Sang Min Lee, Sang Young Oh, Hye Jeon Hwang, Namkug Kim, Jihye Yun, Jae Seung Lee, Yeon-Mok Oh, Donghoon Yu, Byeongsoo Kim & Joon Beom Seo
The study by Choe et al. evaluated a content-based image retrieval (CBIR) system designed to identify visually similar chest CT scans for patients with obstructive lung disease, using quantitative data. The system was built on a database of 600 volumetric chest CT scans from 541 patients, with follow-up scans from 50 patients used as query cases. Quantitative CT features, such as emphysema extent and airway wall thickness, were analyzed using Aview, a fully automated segmentation software developed by Coreline Soft. The CBIR system achieved a retrieval accuracy of 68% when considering the top five similar scans. Radiologists rated 64.8% of retrieved images with high visual similarity scores. This technology shows promise for aiding clinical decision-making in chronic obstructive pulmonary disease (COPD) by facilitating the identification of patients with similar imaging phenotypes. Future work should link these findings with clinical outcomes and refine the system with larger datasets and more advanced features.
목록으로
