요로 결정 형태의 해석에 기계 학습을 적용합니다.

신장 결석은 주로 소변 내 이온의 과포화로 인해 형성되어 결정이 형성됩니다. 신장 결석 위험에 대한 평가는 환자의 병력, 생화학적 소변 검사 및 다양한 실험실 검사를 기반으로 합니다. 이를 CT 스캔, 초음파, X선과 같은 영상 연구와 결합하면 신장 결석의 유형을 진단하는 데 도움이 되지만, 작은 결석에 대한 영상 결과는 덜 정확할 수 있습니다. 결석 형성은 재발률이 높고 소변 결정과 결석 구성 사이에는 강한 상관관계가 있습니다. 따라서 소변 결정 분석은 신장결석 질환의 진단, 치료 전략 평가, 결석 재발 예방에 의미가 있습니다.

소변 결정의 현미경 분석을 통해 더 작은 결정을 관찰할 수 있습니다. 그러나 수동 소변 현미경 검사는 느리고 시간이 많이 걸립니다. 이를 해결하기 위해 우리는 소변 결정의 해석을 지원하고 더 빠른 분석을 제공하는 인공 지능 소프트웨어를 개발하는 것을 목표로 합니다. 기존 연구(장궁기념병원 내부과제 연구번호 107123-E)에서 저장된 소변결정 영상을 후향적으로 분석하여 결정의 종류를 파악하고자 한다. 기계 소프트웨어를 훈련하고 추론하기 위해 후속 이미지 전처리 및 카테고리 라벨링이 수행됩니다. 결과는 소프트웨어의 정확성을 확립하기 위해 수동 해석과 비교됩니다.