심장초음파 영상에서 박출계수를 자동으로 추정합니다
AVI · DICOM 파일을 드래그하면
ED/ES 프레임 자동 검출 → AI EF 추론 → PDF 리포트까지
연구자의 반복 작업을 줄여줍니다
EF는 Simpson's biplane 방법으로 수동 측정합니다. 측정자의 숙련도와 집중도에 따라 결과가 달라지며, 동일 환자·동일 영상이어도 판독자 간 편차(inter-observer variability)가 존재합니다.
연구 프로젝트에서 수십~수백 건의 echo 영상을 분석할 때, 각 케이스마다 ED/ES 프레임을 직접 찾고 경계를 그리고 계산해야 합니다. 반복적인 수동 분석은 연구 속도를 제한하는 병목이 됩니다.
분석 결과가 개인 파일이나 메모 형태로 남으면 추후 재현 검증이 어렵고, 연구 협력 시 데이터 공유가 번거롭습니다.
복잡한 설치 없이, 영상 파일 하나로 시작합니다
AVI, MP4, DICOM (.dcm) 파일을 앱에 드래그하거나 파일 선택 버튼으로 불러옵니다. 영상 뷰어에서 프레임을 미리 확인할 수 있습니다.
Space 키 또는 버튼 한 번으로 분석이 시작됩니다. 영상에서 ED(이완기 말) · ES(수축기 말) 프레임을 자동으로 검출합니다. 두 프레임을 쌍으로 입력받는 ONNX 경량 모델이 EF를 추론합니다. 분석은 수 초 내에 완료됩니다.
EF 수치, 임상 참고 범위 시각화, 예측 안정성 지표를 즉시 확인합니다. PDF 리포트를 생성하면 EF 범위 바, 프레임 통계, 품질 경고가 포함됩니다. 케이스 히스토리는 앱 내에 자동 저장되어 이력 관리가 가능합니다.
외부 서버에 데이터를 전송하지 않습니다. 모든 추론은 로컬 CPU에서 실행되는 ONNX 경량 모델(~60KB)로 처리됩니다. ED/ES 쌍 입력 방식으로 EchoNet 테스트셋 기준 MAE 8.01%, r=0.614를 달성했습니다. 환자 영상 데이터가 기기 밖으로 나가지 않습니다.
결과 화면과 PDF 리포트 모두에서 EF 수치가 임상 참고 범위 위에 표시됩니다. Reduced (<40%) / Mildly Reduced (40–54%) / Normal (≥55%) 구역을 색상으로 구분합니다.
AI가 검출한 ED·ES 프레임 위치와 EF 추론값을 함께 표시합니다. 영상 품질·프레임 수·검출 신뢰도 기반의 품질 경고(High / Moderate / Info)가 제공되며, 문제 발생 시 수동 검토를 권고합니다.
분석 완료 즉시 PDF 리포트를 생성할 수 있습니다. EF 범위 바, 프레임 통계 테이블, 품질 경고, 분석 메타데이터가 포함된 라이트 테마 문서입니다.
입력 영상의 프레임 수, 밝기 분포, EF 변동성을 분석해 품질 경고를 HIGH / MODERATE / INFO 심각도로 분류합니다. 각 경고에는 조치 방향이 함께 제시됩니다.
모든 분석 결과는 자동으로 히스토리에 저장됩니다. 날짜, EF, 파일명으로 검색하고, 이전 케이스의 PDF를 바로 열거나 CSV로 내보낼 수 있습니다.
LVSegEngine (lvseg_fp32.onnx · 1.8 MB)
SonoCubeV2b (sonocube_v2b_fp32.onnx · 60 KB)
파일 처리
뷰어
수동 보정
결과 패널
EF Curve
자동 생성 라이트 테마 PDF (A4)
현재 버전에 포함되지 않은 기능입니다. 코드 구조 또는 UI 필드가 존재하더라도 실제 동작은 제공되지 않습니다.
| 항목 | 상태 | 비고 |
|---|---|---|
| 3D LV 재구성 | 코드 구조만 존재 | 모델 미탑재 |
| EDV/ESV 절대값 (mL) | 근사치만 제공 | 픽셀 캘리브레이션(mm/pixel) 없음 |
| 병변(Tumor) 감지 | 미구현 | UI 필드 없음 |
| Windows 배포 | spec 파일만 존재 | 빌드 미진행 (Coming Soon) |
AVI 파일 드래그부터 PDF 리포트 생성까지 전체 분석 흐름을 확인합니다.
SonoCube는 임상 연구 현장에서 반복적인 echo 분석 작업을 줄이기 위해 연구팀이 직접 설계하고 개발한 연구용 소프트웨어입니다.
상용 echo 워크스테이션은 병원 PACS 시스템에 종속되어 있어 외부 연구 환경이나 멀티센터 연구에서 동일한 분석 파이프라인을 유지하기 어렵습니다. SonoCube는 표준 영상 파일(AVI/DICOM)만 있으면 어떤 환경에서도 동일한 AI 파이프라인으로 분석 결과를 재현할 수 있도록 설계되었습니다.
v1.4에서는 SonoCubeV2b 모델이 탑재되어 예측 정확도와 편향이 개선되었습니다. LV 분할 모델(LVSegEngine)이 수동 프레임 선택 없이 ED/ES를 자동 검출하며, 분할 마스크 기반의 Simpson EF 근사값도 참고용으로 함께 제공됩니다.
| 버전 | 목표 |
|---|---|
| v1.2 | EF 자동 추정, PDF 리포트, 케이스 히스토리 |
| v1.3 | LVSeg 통합 (Dice=0.930) + SonoCubeV2 — LV 마스크 기반 ED/ES 자동 검출, Simpson EF 근사 |
| v1.4 (현재) | SonoCubeV2b 탑재 — MAE 8.01%, r=0.614, Bias 보정 (+0.49%) |
| v1.5 (예정) | EDV/ESV 정량 지원, 멀티케이스 배치 분석 |
| v2.0 (예정) | EF 추이 시각화, DICOM SR 내보내기, 멀티센터 연구 지원 |
이 소프트웨어는 학술 및 연구 목적으로만 개발되었습니다. 임상 진단, 치료 결정, 또는 의료 행위의 근거로 사용해서는 안 됩니다.
본 소프트웨어는 의료기기가 아니며, 식품의약품안전처(MFDS) 또는 미국 FDA의 허가·인증을 받지 않았습니다. 의료기기로 간주하거나 그에 준하여 사용해서는 안 됩니다.
표시되는 EF 수치는 AI 모델의 추론 결과이며, 공인 의료기기의 측정값과 동일하지 않습니다. 모델 성능 지표(MAE 8.01%, r=0.614)는 EchoNet-Dynamic 테스트셋 기준이며, 다른 기관·기기·환자군에서의 성능은 별도로 검증되지 않았습니다.
본 소프트웨어의 사용 또는 사용 불능으로 인해 발생하는 어떠한 직·간접적 손해에 대해서도 개발팀은 법적 책임을 지지 않습니다. 사용자는 자신의 판단과 책임 하에 본 소프트웨어를 사용합니다.
모든 영상 분석은 사용자의 기기 내에서만 처리됩니다. 입력 영상 및 분석 결과는 외부 서버로 전송되지 않습니다. 단, DICOM 파일에 포함된 환자 식별 정보는 사용자가 직접 관리해야 합니다.
Prediction stability(예측 안정성)는 프레임별 추론의 일관성을 나타내는 내부 지표로, 임상적 신뢰도(clinical confidence)와는 다른 개념입니다. 안정성 수치가 높더라도 임상적 정확성을 보장하지 않습니다.
This software is intended for research use only. It is not a medical device and has not been approved or cleared by the Ministry of Food and Drug Safety (MFDS) or the U.S. FDA. Performance metrics are based on the EchoNet-Dynamic dataset and may not generalize to other patient populations or imaging equipment. The development team assumes no legal liability for any damages arising from the use of this software.
Apple Silicon (M1/M2/M3) 및 Intel Mac 지원 · Universal Binary
macOS에서 처음 실행 시 보안 경고가 표시될 수 있습니다.
시스템 환경설정 → 개인 정보 보호 및 보안에서 허용하거나 터미널에서 아래 명령어를 실행하세요: