본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색

결과 내 검색

동의어 포함

고급검색

인명/단체명

저자정보 상세정보
인명/단체명을 입력하세요.

키워드

  • 대표어

  • 외국어

-

권호기사

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 목차
가공제품에 대한 생활주변방사선 실태조사 자료를 활용한 통계분석 = Statistical analysis using living radiation survey data on processed products 최경호, 조정근 p. 123-128

흉부 방사선영상의 좌, 우 반전 발생 여부 컨벌루션 신경망 기반 정확도 평가 = An accuracy evaluation on convolutional neural network assessment of orientation reversal of chest X-ray image 이현우, 오주영, 이주영, 이태수, 박훈희 p. 65-70

핵의학과에서 99mTc를 이용한 방사성의약품의 투여율 측정 비교 = Comparison of the measurement of the injection rate of radioactive drugs using 99mTc in nuclear medicine 손상준, 박정규, 정동경, 박명환 p. 97-103

디지털 방사선 영상의 편차지수를 이용한 의료영상 품질관리에 관한 연구 = A study on quality control for medical image by using deviation index of digital radiology 정회원, 민정환 p. 115-121

코로나바이러스감염증-19 상황에서 일개 국가지정 의료기관의 이동형 병원 CT 활용 사례 = Application of mobile hospital computed tomography in a state-designated medical institution under the coronavirus disease 2019 (COVID-19) situation by example 신형호, 이정호, 김광훈, 김병진, 진성찬, 박현미 p. 71-77

초음파 탐촉자의 위생관리에 관한 연구 = A study on the hygiene management of ultrasound probe 하명진, 김정구 p. 87-96

Standard와 MAR 알고리즘에서 CT 검사조건 변화에 따른 인공물과 노이즈 평가 = Evaluation of artifact and noise in the standard and MAR algorithms with variation of examination conditions of CT 김영근, 양숙, 왕태욱 p. 79-85

Evaluation of beam-matching accuracy for 8 MV photon beam between the same model linear accelerator = 동일 기종 선형가속기간 8 MV 광자선에 대한 빔 매칭 정확도 평가 Yon-Lae Kim, Jin-Beom Chung, Seong-Hee Kang p. 105-114

참고문헌 (15건) : 자료제공( 네이버학술정보 )

참고문헌 목록에 대한 테이블로 번호, 참고문헌, 국회도서관 소장유무로 구성되어 있습니다.
번호 참고문헌 국회도서관 소장유무
1 Choi KT. Real-time Artificial Neural Network for High-dimensional Medical Image. Journal of the Korean Society of Radiology [Internet]. 2016 Dec;10(8):637-43. Available from: https://doi.org/ 10.7742/JKSR.2016.10.8.637. 미소장
2 Szegedy C, et al. Going deeper with convolutions. IEEE Conference on Computer Vision and Pattern Recognition [Internet]. 2015:1-9. Available from:https://ieeexplore.ieee.org/document/7298594. 미소장
3 Simonyan K, Zisserman A. Very deep convolutional networks for large-scale image recognition [Internet]. arXiv. 2014. Avialable from: https://arxiv.org/abs/1409.1556. 미소장
4 Abiyev RH, Ma'aitah MKS. Deep convolutional neural networks for chest diseases detection [Internet]. Journal of Healthcare Engineering. 2018. Available from: https://www.hindawi.com/journals/jhe/2018/4168538/. 미소장
5 Xu S, Wu H, Bie R. Anomaly Detection on Chest X-Rays With Image-Based Deep Learning. IEEE Access. 2019;7:4466-77. 미소장
6 Dunnmon JA, Yi D, Langlotz CP, et al. Assessment of Convolutional Neural Networks for Automated Classification of Chest Radiographs. Radiology. 2019;290(2):537-44. 미소장
7 Baltruschat IM, Nickisch H, Grass M. Comparison of Deep Learning Approaches for Multi-Label Chest X-Ray Classification. Sci Rep. 2019;9(1):6381. 미소장
8 Gil JW, Park JH, Park MH, Park CY, Kim SY, Shin DW, et al. Estimated Exposure Dose and Usage of Radiological Examination of the National Health Screening. Journal of Radiation Protection. 2014Sep;39(3):142-9. 미소장
9 Nahm KB. Automatic detection of the lung orientation in digital PA chest radiographs. Journal of the Optical Society of Korea. 1997;1(1):60-4. 미소장
10 Strickland NH. PACS (picture archiving and communication systems) filmless radiology. Arch dis Child. 2000;83:82-6. 미소장
11 Boone JM, Seshagiri S, Steiner RM. Recognition of chest radiograph orientation for picture archiving and communications systems display using neural networks. Journal of digital imaging. 1992;5(3):190-3. 미소장
12 Sakai Y, Takahashi K, Shimizu Y, et al. Clinical application of biological fingerprints extracted from averaged chest radiographs and template-matching technique for preventing left–right flipping mistakes in chest radiography. Radiol Phys Technol. 2019;12(2):216–23. 미소장
13 Shmizu Y, Matsunobu Y, Morishita J. Evaluation of the usefulness of modified biological fingerprints in chest radiographs for patient recognition and identification. Raiol Phys Technol. 2016;9(2):240-4. 미소장
14 Shimizu Y, Morishita J. Development of a method of automated extraction of biological fingerprints from chest radiographs as preprocessing of patient recognition and identification. Radiol Phys Technol. 2017;10(3):376-81. 미소장
15 Morishita J, Katsragawa S, Ssaki Y, Doi K. Potential Usefulness of Biological Fingerprints in Chest Radiographs for Automated Patient Recognition and Identification. Acad Radiol. 2004;11(3):309-15. 미소장

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차

권호

기사명 원문보기 기사목차
닫기