CT(Computerized Tomography)
CT(Computerized Tomography)
Embedded Files
CT(Computerized Tomography)는 컴퓨터 처리가 만들어내는 단층촬영을 이용하여 한 개체의 특정영역을 잘라내지 않고도 개체 내부를 의학 화상 처리하는 하나의 방식입니다.
CT(Computerized Tomography)는 컴퓨터 처리가 만들어내는 단층촬영을 이용하여 한 개체의 특정영역을 잘라내지 않고도 개체 내부를 의학 화상 처리하는 하나의 방식입니다.
원리: X선 방출장치와 X선 검출장치가 검사대상을 마주보며 회전합니다. 검사대상 조직은 X선 방출장치로부터 X선을 받아 일부는 흡수, 일부는 투과합니다. 이 때, 투과된 X선이 반대쪽에 위치한 X선 검출장치에 도달, 기록됩니다. 이후 컴퓨터로부터 얻어진 1차원의 영상 이미지를 역 변환을 통해 2차원의 인체 영상으로 재구성합니다.
원리: X선 방출장치와 X선 검출장치가 검사대상을 마주보며 회전합니다. 검사대상 조직은 X선 방출장치로부터 X선을 받아 일부는 흡수, 일부는 투과합니다. 이 때, 투과된 X선이 반대쪽에 위치한 X선 검출장치에 도달, 기록됩니다. 이후 컴퓨터로부터 얻어진 1차원의 영상 이미지를 역 변환을 통해 2차원의 인체 영상으로 재구성합니다.
출처:https://www.itnonline.com/content/fda-clears-siemens-healthineers-somatom-xcite-ct-scanner
CT는 여러가지 형태가 있으며, 그 예시로 PAT, SPECT등이 있습니다.
CT는 여러가지 형태가 있으며, 그 예시로 PAT, SPECT등이 있습니다.
PAT(PhotoAcoustic Tomography)
PAT(PhotoAcoustic Tomography)
PAT(PhotoAcoustic Tomography)는 광 음향을 사용한 단층촬영 기술입니다. 검사 대상에 비 이온화 레이저 펄스를 쏘고 방출되는 초음파를 이용하여 고해상도의 이미지를 얻을 수 있는 장점이 있습니다.
PAT(PhotoAcoustic Tomography)는 광 음향을 사용한 단층촬영 기술입니다. 검사 대상에 비 이온화 레이저 펄스를 쏘고 방출되는 초음파를 이용하여 고해상도의 이미지를 얻을 수 있는 장점이 있습니다.
원리: 비 이온화 레이저 펄스를 우리가 촬영하고자 하는 물체에 쏩니다. 그 물체에 전달된 에너지 중 일부는 흡수되고 일부는 초음파로 변환되어 방출될 것입니다. 이를 초음파 탐지기로 감지하고, 이 감지된 영상 이미지를 역 변환을 통해 인체 영상으로 재구성합니다.
원리: 비 이온화 레이저 펄스를 우리가 촬영하고자 하는 물체에 쏩니다. 그 물체에 전달된 에너지 중 일부는 흡수되고 일부는 초음파로 변환되어 방출될 것입니다. 이를 초음파 탐지기로 감지하고, 이 감지된 영상 이미지를 역 변환을 통해 인체 영상으로 재구성합니다.
SPECT(Single-Photon Emission Computed Tomography)
SPECT(Single-Photon Emission Computed Tomography)
SPECT는 감마선을 이용한 핵 의학 단층촬영 기술입니다. 감마 카메라를 사용하는 기존의 핵 의학 평면 이미징과 비슷하지만 3차원의 정보를 제공할 수 있다는 점에서 장점을 가지고 있습니다.
SPECT는 감마선을 이용한 핵 의학 단층촬영 기술입니다. 감마 카메라를 사용하는 기존의 핵 의학 평면 이미징과 비슷하지만 3차원의 정보를 제공할 수 있다는 점에서 장점을 가지고 있습니다.
원리: 혈류로의 주입을 통해 환자에게 방사성 동위 원소를 주입합니다. 리간드와 방사성 의약품의 결합이 신체의 관심있는 장소로 운반이 됩니다. 이 때, 리간드의 농도가 감마카메라에 의해 보여집니다.
원리: 혈류로의 주입을 통해 환자에게 방사성 동위 원소를 주입합니다. 리간드와 방사성 의약품의 결합이 신체의 관심있는 장소로 운반이 됩니다. 이 때, 리간드의 농도가 감마카메라에 의해 보여집니다.
출처:https://livepast100well.com/largest-brain-study-identifies-factors-that-lead-to-premature-aging/
Universal approximation theory(Deep learning)
Universal approximation theory(Deep learning)
최근 딥 뉴럴 네트워크가 이미지 인식을 비롯한 번역 등 많은 분야에서 뛰어난 성과를 보이고 있다. 딥러닝의 뛰어난 성과에도 불구하고 이유에 대해서는 아직까지 밝혀지지 않고 있고 대부분의 딥 러닝 결과들은 새로운 알고리듬 개발 및 해석에만 치중되어 있습니다.
최근 딥 뉴럴 네트워크가 이미지 인식을 비롯한 번역 등 많은 분야에서 뛰어난 성과를 보이고 있다. 딥러닝의 뛰어난 성과에도 불구하고 이유에 대해서는 아직까지 밝혀지지 않고 있고 대부분의 딥 러닝 결과들은 새로운 알고리듬 개발 및 해석에만 치중되어 있습니다.
Universal Approximation theory은 딥러닝의 기초가 되는 이론으로써 하나의 은닉층을 갖는 인공신경망은 임의의 연속인 다변수 함수를 원하는 정도의 정확도로 근사할 수 있음을 말합니다.
Universal Approximation theory은 딥러닝의 기초가 되는 이론으로써 하나의 은닉층을 갖는 인공신경망은 임의의 연속인 다변수 함수를 원하는 정도의 정확도로 근사할 수 있음을 말합니다.
1989년 Cybenko가 처음 보인 모든 연속 함수는 무한한 node를 가지고 있는 단 하나의 hidden layer를 가진 네트워크로 표현이 가능하다는 논문을 시작으로 Universial approxiamtion theory의 시대를 열었고 이는 딥러닝의 분석에 시초가 되었습니다.
1989년 Cybenko가 처음 보인 모든 연속 함수는 무한한 node를 가지고 있는 단 하나의 hidden layer를 가진 네트워크로 표현이 가능하다는 논문을 시작으로 Universial approxiamtion theory의 시대를 열었고 이는 딥러닝의 분석에 시초가 되었습니다.
Page updated
Google Sites
Report abuse