인증현황
MFDS
대한민국
CE
유럽
TGA
호주
HSA
싱가포르
ANVISA
브라질
HC
캐나다
01
Multi-Layout
02
03
CSV 분석 결과값
리포트
Publications
아래 내용은 의료기기 광고 심의와 무관하며,
각 논문의 Abstract를 요약한 자료입니다.
이 연구는 코어라인소프트의 aview Lung Texture를 사용하여 특발성 폐섬유화(IPF)에서 딥 러닝 구동 CT 섬유화 정량화의 예후 값을 조사했습니다.
총 161명의 환자가 평가되었으며, CT-Norm%와 CT-Fib%는 강제 활력소 용량(FVC) 및 일산화탄소 확산 용량(DLCO)과 유의한 상관관계를 보여주었습니다.
이 연구는 흉부 CT 기반 딥 러닝 소프트웨어를 사용하여 계산된 CT-Norm%와 CT-Fib%가 IPF 환자에게 신뢰할 수 있는 예후 인자로 작용할 수 있다고 결론 내렸습니다.
Nam JG, Choi Y, Lee SM, Yoon SH, Goo JM, Kim H. Prognostic value of deep learning-based fibrosis quantification on chest CT in idiopathic pulmonary fibrosis. Eur Radiol. 2023 May;33(5):3144-3155.
이 연구는 딥 러닝을 활용한 콘텐츠 기반 이미지 검색 시스템이 흉부 CT 이미지에서 간질성 폐질환(ILD)의 진단 정확도에 미치는 영향을 평가합니다.
코어라인소프트의 aview Lung Texture 를 활용한 이 시스템은 288명의 ILD 확진 환자와 4개의 다른 질병 클래스를 대상으로 테스트되었습니다.
조사 결과 특히 일반적인 간질성 폐렴과 비특이적 간질성 폐렴의 경우 전반적인 진단 정확도가 46.1%에서 60.9%로 크게 향상된 것으로 나타났습니다. 또한, 판독기 간 일치도 현저하게 향상되었습니다.
이 연구는 딥 러닝 강화 CBIR 시스템이 ILD 사례에서 진단 정확도와 판독기 간 합의를 현저하게 향상시켜 aview Lung Texture 의 잠재적인 유용성을 강조합니다.
Choe J, Hwang HJ, Seo JB, Lee SM, Yun J, Kim MJ, Jeong J, Lee Y, Jin K, Park R, Kim J, Jeon H, Kim N, Yi J, Yu D, Kim B. Content-based Image Retrieval by Using Deep Learning for Interstitial Lung Disease Diagnosis by Chest CT. Radiology. 2022 Jan;302(1):187-197.