• Proceedings of the Korea Information Processing Society Conference
• /
• 2019.10a
• /
• pp.713-714
• /
• 2019

간 질환은 다양한 원인에 의해서 이환되며 초기에는 이상증세가 나타나지 않아 조기 진단이 어려운 질병이다. 특히, 간 질환이 진행될수록 이상증세가 빈번히 나타날 뿐만 아니라 다양한 합병증을 동반할 수 있어 조기진단이 반드시 필요하다. 간 질환이 진행이 될수록 중증도가 높아지며 간조직 내에서는 결절(nodule) 생성 빈도가 높아진다. 간 질환을 비침습적으로 진단하기 위한 검사 방법 중 하나인 의료영상 진단에서도 간 결절과 간질환 중증도에 따라 판별이 어려운 경우가 빈번하게 발생하고 있다. 본 연구에서는 간 결절에 대한 점수를 산출하여 간 질환에 대한 중증도를 판단할 수 있는 정량분석 소프트웨어를 개발하였으며 임상 간 질환 환자의 의료 영상을 분석하여 임상적 의의를 찾고자 한다.

• Journal of the Korean Society of Radiology
• /
• v.85 no.4
• /
• pp.693-704
• /
• 2024

Artificial intelligence (AI) technology is actively being applied for the interpretation of medical imaging, such as chest X-rays. AI-based software medical devices, which automatically detect various types of abnormal findings in chest X-ray images to assist physicians in their interpretation, are actively being commercialized and clinically implemented in Korea. Several important issues need to be considered for AI-based detection assistant tools to be applied in clinical practice: the evaluation of performance and efficacy prior to implementation; the determination of the target application, range, and method of delivering results; and monitoring after implementation and legal liability issues. Appropriate decision making regarding these devices based on the situation in each institution is necessary. Radiologists must be engaged as medical assessment experts using the software for these devices as well as in medical image interpretation to ensure the safe and efficient implementation and operation of AI-based detection assistant tools.

• Journal of KIISE:Software and Applications
• /
• v.27 no.6
• /
• pp.651-659
• /
• 2000

It is very important to extract the heart region in the medical images. In this paper, we present the automatic heart region extraction in the EBT (electron beam tomography) images. We use contrast thresholding, anatomic knowledge, and mathematical morphology to extract the heart region. Using these results, we applied the active contour models (snakes) to search the exact region. We analyzed the experimental results by comparing the results with the results made by medical experts.

• Electronics and Telecommunications Trends
• /
• v.29 no.5
• /
• pp.96-104
• /
• 2014

1895년 독일 과학자 Wilhelm Roentgen 박사가 X-ray를 발견하고 미국의 Herman Carr가 MRI(Magnetic Resonance Imaging)의 기본 원리를 개발하여 발표한 이후 전자기장을 이용한 비침습적 의료영상 이미지 시스템은 놀라운 발전을 계속하여 왔다. 하지만, X-ray, CT(Computed Tomography), PET(Positron Emission Tomography)의 경우는 방사능의 사용과 조영제의 독성이라는 문제로 인하여 안전성에 대한 계속적인 문제를 야기해왔고 상대적으로 안전성이 입증된 MRI의 경우는 장비 자체 및 운용비가 일반화되기에는 고가여서 우리나라를 포함한 선진국에서도 아주 제한적으로 운영되고 있는 실정이다. 따라서, 세계적으로도 이러한 문제를 해결하기 위하여 안전하면서도 상대적으로 저렴한 비용으로 운용이 가능한 의료영상장비를 개발하기 위하여 많은 노력들이 경주되고 있어 관련 연구동향 및 산업화 동향을 소개하고자 한다.

• Journal of the Korean Society of Radiology
• /
• v.16 no.4
• /
• pp.453-462
• /
• 2022

In this paper, the artificial intelligence (AI) technology used in the medical image analysis field was analyzed through a literature review. Literature searches were conducted on PubMed, ResearchGate, Google and Cochrane Review using the key word. Through literature search, 114 abstracts were searched, and 98 abstracts were reviewed, excluding 16 duplicates. In the reviewed literature, AI is applied in classification, localization, disease detection, disease segmentation, and fit degree of registration images. In machine learning (ML), prior feature extraction and inputting the extracted feature values into the neural network have disappeared. Instead, it appears that the neural network is changing to a deep learning (DL) method with multiple hidden layers. The reason is thought to be that feature extraction is processed in the DL process due to the increase in the amount of memory of the computer, the improvement of the calculation speed, and the construction of big data. In order to apply the analysis of medical images using AI to medical care, the role of physicians is important. Physicians must be able to interpret and analyze the predictions of AI algorithms. Additional medical education and professional development for existing physicians is needed to understand AI. Also, it seems that a revised curriculum for learners in medical school is needed.

• Journal of Internet Computing and Services
• /
• v.23 no.3
• /
• pp.35-45
• /
• 2022

Even in recent years, treatment of first-aid patients is still often delayed due to a shortage of medical resources in marginalized areas. Research on automating the analysis of medical data to solve the problems of inaccessibility for medical services and shortage of medical personnel is ongoing. Computer vision-based medical inspection automation requires a lot of cost in data collection and labeling for training purposes. These problems stand out in the works of classifying lesion that are rare, or pathological features and pathogenesis that are difficult to clearly define visually. Anomaly detection is attracting as a method that can significantly reduce the cost of data collection by adopting an unsupervised learning strategy. In this paper, we propose methods for detecting abnormal images on chest X-RAY images as follows based on existing anomaly detection techniques. (1) Normalize the brightness range of medical images resampled as optimal resolution. (2) Some feature vectors with high representative power are selected in set of patch features extracted as intermediate-level from lesion-free images. (3) Measure the difference from the feature vectors of lesion-free data selected based on the nearest neighbor search algorithm. The proposed system can simultaneously perform anomaly classification and localization for each image. In this paper, the anomaly detection performance of the proposed system for chest X-RAY images of PA projection is measured and presented by detailed conditions. We demonstrate effect of anomaly detection for medical images by showing 0.705 classification AUROC for random subset extracted from the PadChest dataset. The proposed system can be usefully used to improve the clinical diagnosis workflow of medical institutions, and can effectively support early diagnosis in medically poor area.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.424-425
• /
• 2023

AI 의료 영상 분석 기술은 의료 분야의 인력 부족 문제를 해결하는 방법으로 주목받고 있다. 이전 연구들은 세그멘테이션 라벨링과 질병 유무를 결합하여 판단하는데, 이 방법은 큰 비용과 시간이 소요된다. 본 논문은 의료 전문가의 세그멘테이션 라벨링 없이 병명 라벨만의 학습으로 질병을 어느 정도 진단할 수 있음을 보인다. 실험에 따르면 의미있는 결과를 확인할 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.05a
• /
• pp.614-617
• /
• 2022

인공지능의 발전으로 의료영상 분야에서 딥러닝 기반 질병 진단 연구가 활발하다. 그러나 모델 개발 시 학습 데이터의 개수와 품질은 매우 중요한데, 의료 분야 특성상 접근 가능한 데이터셋이 적으며 오픈 데이터셋은 서로 다른 기관에서 배포되거나 웹상에서 수집된 것으로 진단에 적합한 품질을 기대하기 어렵다. 또한, 기존 연구는 데이터셋이 학습에 적합한지에 대한 품질검증 없이 사용한다. 따라서 본 논문에서는 임상에서 사용하는 화질 평가 요소에 근거를 두고 영역별 화소값 분석을 통한 흉부 X선 영상 품질 평가 기법을 제안한다. 오픈 데이터셋 JSRT, Chest14와 국내 A 병원 데이터셋 AUH에 제안한 기법을 적용한 결과 민감도 91.5%, 특이도 96.1%의 우수한 성능을 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2003.05b
• /
• pp.787-790
• /
• 2003

통신기술과 의료장비의 발달은 환자에 대한 의료혜택의 기회를 확대하고, 최상의 의료서비스를 제공하려는 병원들에 있어서 전산 시스템은 빼놓을 수 없는 병원내 주요 기반시설로서 등장하게 되었다. 멀티미디어 기술과 정보통신의 발달은 의료분야의 정보화 및 자동화 기술 발전에 커다란 영향을 주어 의료 영상 및 각종 의료정보를 고속의 네트워킹 올 통해 전송할 수 있는 PACS(Picture Archiving and Communications System)의 개발을 가능하게 하였다. 본 논문에서는 무선네트워크의 발달과 PDA(Personal Digital Assistants)의 보편화에 따라 PDA를 이용하여 HIS(Hospital Information System)/RIS(Radiology Information System)/PACS의 자료를 검색 및 갱신할 수 있도록 설계하고, 현재 병원의 데이터베이스와 PDA의 연동이 가능하도록 병원관리 에이전트를 분석 및 설계하였다.

• KIPS Transactions on Computer and Communication Systems
• /
• v.10 no.11
• /
• pp.305-310
• /
• 2021

Artificial intelligence technology in the medical field initially focused on analysis and algorithm development, but it is gradually changing to web application development for service as a product. This paper describes a Urinary Stone segmentation model in abdominal CT images and an artificial intelligence web application based on it. To implement this, a model was developed using U-Net, a fully-convolutional network-based model of the end-to-end method proposed for the purpose of image segmentation in the medical imaging field. And for web service development, it was developed based on AWS cloud using a Python-based micro web framework called Flask. Finally, the result predicted by the urolithiasis segmentation model by model serving is shown as the result of performing the AI web application service. We expect that our proposed AI web application service will be utilized for screening test.