01
02
03
Radiomics feature
pyradiomics 기반으로 구현된 feature 값들을 자동으로 계산하여 추출하며, 작업을 진행한 case들에 대해 Worklist에서 한 번에 결과를 추출할 수 있습니다.
AI 학습을 위한 Labeling
AI 연구를 위한 파일 포맷(JSON, NIfTI, NRRD)을 지원하여 AI 연구용 데이터 생성에 편리합니다.
다목적 연구 활용
AI 학습용 데이터를 Radiomics 연구에도 활용할 수 있으며, 타사 제품에서 Labeling한 결과물도 AVIEW에 업로드하여 활용 가능합니다.
Raw data 영상으로 다양한 Render type의 영상을 생성할 수 있습니다.
Publications
연구 논문을 확인하세요.
아래 내용은 의료기기 광고심의와 무관하며,
각 논문의 Abstract 를 요약한 자료입니다.
이 연구는 비심전도 흉부 CT 영상(non-ECG gated chest CT)에서 관상동맥 칼슘(CAC)의 심각도를 평가하기 위해 수정된 길이 기반 등급이라고 하는 단순화된 순서 채점 방법을 검증합니다.
방사선 전문의 6명의 두가지 채점 방법(시각적 평가 및 수정된 길이 기반 등급)을 사용하여 CAC 중증도를 독립적으로 평가/분류 하였고 Agatston 점수를 사용하여 평가한 심장 CT의 CAC 범주를 참조표준으로 사용하였습니다.
수정된 길이 기반 등급은 시각적 평가보다 관찰자 간 일치도 및 심장 CT와의 일치도가 더 높았으며 비심전도 흉부 CT에서 CAC를 평가하는데 효과적임을 보여주었습니다.
Kim SY, Suh YJ, Kim NY, Lee S, Nam K, Kim J, Kim H, Lee H, Han K, Yong HS. A Modified Length-Based Grading Method for Assessing Coronary Artery Calcium Severity on Non-Electrocardiogram-Gated Chest Computed Tomography: A Multiple-Observer Study. Korean J Radiol. 2023 Apr;24(4):284-293. doi: 10.3348/kjr.2022.0826. PMID: 36996903; PMCID: PMC10067688.
하악과두의 원뿔형 컴퓨터 단층촬영 이미지를 기반으로 법적 연령 분류를 위한 방사선학 접근 방식을 소개합니다.
이 연구는 연령 관련 방사성 특징을 식별하고 연령 분류 모델을 개발하는 것을 목표로 합니다. 85명의 피험자로부터 CBCT 이미지를 분석하고, AVIEW Research를 사용하여 127개의 방사선학 특징을 추출하였습니다.
91세 연령 분류 모델은 가장 높은 정확도를 달성하여 연령 추정을 위한 이미징 바이오마커로서의 방사성 특징의 잠재력을 입증했습니다.
Jeon KJ, Kim YH, Choi H, Ha EG, Jeong H, Han SS. Radiomics approach to the condylar head for legal age classification using cone-beam computed tomography: A pilot study. PLoS One. 2023 Jan 19;18(1):e0280523. doi: 10.1371/journal.pone.0280523. PMID: 36656878; PMCID: PMC9851527.