• 한국컴퓨터그래픽스학회논문지
• /
• 제28권2호
• /
• pp.11-19
• /
• 2022

최근 의료영상의 발전에 따라 의료 영상 생성에 대한 다양한 연구가 제안되고 있는데, 이와 관련하여 생성된 의료 영상의 품질과 다양성을 정확하게 평가하는 것이 중요해지고 있다. 생성된 의료 영상을 평가하는 방법으로는 전문가의 시각적 튜링 테스트(visual turing test), 특징 분포 시각화, IS, FID를 통한 정량적 평가를 통해 평가하고 있으나 의료 영상을 품질(fidelity)과 다양성(diversity) 측면에서 정량적으로 평가 하는 방법은 거의 이루어지고 있지 않다. 본 논문에서는 DCGAN과 PGGAN 생성 모델을 통해 비소세포폐암 환자의 흉부 CT 데이터 셋을 학습하여 영상을 생성하고, 이를 품질(fidelity)과 다양성(diversity) 측면에서 두 생성 모델의 성능을 평가한다. 1차원 점수 기반 평가방법인 IS, FID와 2차원 점수 기반 평가방법인 Precision 및 Recall, 개선된 Precision 및 Recall을 통해 성능을 정량적으로 평가하고, 의료영상에서의 각 평가방법들의 특징과 한계점에 대해서도 분석한다.

• 한국방사선학회논문지
• /
• 제17권4호
• /
• pp.565-572
• /
• 2023

본 연구에서는 국내 공공 부문에서 실시하고 있는 의료기관 평가 중 영상검사와 관련된 현황을 살펴보고 개선 방향을 제시하고자 하였다. 의료기관 평가 중 영상검사와 관련된 주요 평가는 의료기관 인증평가와 영상검사 적정성 평가가 있으며, 의료기관 인증평가에서는 영상검사 운영과정, 정확한 결과 제공, 안전관리 절차 준수 등을 평가하고 있다. 영상검사 적정성 평가에서는 인력, 장비와 관련된 구조 지표, 환자평가 실시율, 피폭 저감 프로그램 등이 포함되어 있었다. 하지만 좀 더 안전하고 질 높은 영상검사를 위해서는 의료기관의 인증평가 참여율을 높이는 방안 마련이 필요하며, 영상검사 적정성 평가의 인력지표 개선과 인센티브 지급에 대한 고려도 필요하다. 마지막으로 국가 차원의 방사선 노출 통합관리도 함께 병행되어야 할 것이다.

• 한국전자통신학회논문지
• /
• 제10권6호
• /
• pp.713-720
• /
• 2015

모바일 환경이 널리 확산되면서 최근 의료진단시스템은 기존 시스템의 지역적 한계를 넘어 시공간의 제약을 받지 않고 제공되고 있다. 또한 무선 인터넷 기술과 모바일 이동 통신 기술이 의료 기술과 융합하며 빠르게 보급되어 발전하고 있다. 의료 서비스 이용자는 다양한 종류의 무선 단말기를 이용하여 이동 중 무선망을 통해 의료 서비스를 제공 받을 수 있다. 본 논문에서는 병원 의료영상 진단 정보를 병원내의 시공간을 벗어나 전송, 검색 및 갱신할 수 있는 의료 진단 정보 시스템을 구현하고 평가하였다. DICOM CT영상과 JPEG 2000 CT압축영상의 비교를 통하여 임상적으로 적합한 영상인지를 t-test를 실시하여 통계적으로 평가한 결과 DICOM CT영상의 경우 평균 평가 값이 비교적 임상적 진단에 적합한 영상임을 확인하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 추계학술발표대회
• /
• pp.903-906
• /
• 2021

인공지능 기술 발전으로, 의료영상 분야에서도 딥러닝 기반 질병 진단 연구가 활발히 진행되고 있다. 딥러닝 모델 개발 시, 학습 데이터 품질은 모델의 성능과 신뢰성에 매우 큰 영향을 미친다. 그러나 의료 분야의 경우 도메인 지식에 대한 진입 장벽이 높아 개발자가 학습에 사용되는 의료영상 데이터의 품질을 평가하기 어렵다. 이로 인해, 많은 의료영상 분야에서는 각 분야의 특성(질병의 종류, 관찰 아나토미 등)에 따른 영상 품질 평가 방법을 제시해왔다. 그러나 기존의 방법은 특정 질병에 초점이 맞춰져, 일반화된 품질 평가 기준을 제시하고 있지 않다. 따라서 본 논문에서는 대부분의 흉부 질환을 진단하기 위한 흉부 X선 영상의 품질을 평가할 수 있는 기준을 제안한다. 우선, 흉부 X선 영상을 대상으로 관찰된 영역인 심장, 횡격막, 견갑골, 폐 등을 분할하여, 3D 히스토그램을 기반으로 각 영역별 통계적인 정밀 품질 평가 기준을 제안한다. 본 연구에서는 JSRT, Chest 14의 오픈 데이터셋을 활용하여 적용 실험을 수행하였으며, 민감도는 97.6%, 특이도는 92.8%의 우수한 성능을 확인하였다.

• 한국전기전자재료학회:학술대회논문집
• /
• 한국전기전자재료학회 2007년도 하계학술대회 논문집 Vol.8
• /
• pp.369-369
• /
• 2007

본 연구에서는 CD-RAD Phantom을 이용하여 의료영상의 명세성 (image clarity)분석을 위하여 동일한 X선 영상을 대상으로 물리적 평가와 시각적 평가를 비교분석 하였다. 측정방법은 CD-RAD Phantom을 X선 조사하여 CR 영상처리장치를 통해 영상을 획득하였으며, 영상분석은 CD-RAD analyser program을 통한 통계학적 방법으로 물리적 평가를 시행하고, 동일한 영상의 시각적 평가는 관찰자 20명을 대상으로 blind test를 시행하였다. 분석결과는 Contrast-detail curve의 물리적 평가 IQF값은 25, 시각적 평가 IQF값은 30으로 분석되어 물리적 평가가 시각적 평가에 비해 우수하게 나타났다. 의료영상의 특성은 영상 판독자에게 영상의 정보 전달능력이 매우 중요하므로 객관적인 물리적 분석법과 시각적 분석법이 병행되어야 한다고 판단된다.

• 융합신호처리학회논문지
• /
• 제18권2호
• /
• pp.76-83
• /
• 2017

본 연구에서는 원본 의료영상인 DICOM 파일을 TIFF, BITMAP, GIF, JPEG 이미지 파일로 변환한 후 Origin pro와 ICY 영상분석 프로그램을 이용하여 영상의 압축 및 변환과정에 따른 변환 손실율을 정량적으로 평가를 하고자 하였다. 평가 방법으로는 50% MTF, 구조적 유사지수, MSE, RMSE, 최대 신호대 잡음비 등을 실험을 통하여 평가하였으며, TIFF 이미지 파일의 경우 모든 실험군에서 DICOM 영상과 동일한 결과 값을 나타내어 DICOM 영상과 동일 하거나 가장 유사한 이미지 파일 형식이라고 판단하였다. 그리고 JPEG 이미지 파일의 화질의 손실 및 왜곡의 정도가 가장 심한 결과로 나타났다, 본 연구는 Origin pro나 ICY 의료영상 분석 프로그램과 같은 독창적인 평가 프로그램을 적용하여 이후의 디지털 의료영상 기초 연구분야에서 본 논문의 평가 방법이 의료 영상 처리 분야의 연구 자료로 활용될 것으로 기대되며, DICOM 파일을 지원하지 않는 디지털 의료영상 및 평가 프로그램을 이용한 기초 연구분야에서 DICOM 영상과 동일한 결과를 나타내는 TIFF 이미지 파일을 기준으로 제시하여, 이미지 파일을 이용한 디지털 의료영상처리 연구 분야에서 신뢰성을 확보하는데 도움이 될 것으로 추론된다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.904-905
• /
• 2023

본 논문에서는 의료 영상 생성을 위한 Med-StyleGAN2를 제안한다. 생성적 적대 신경망은 이미지 생성에는 효과적이지만, 의료 영상 생성에는 한계점을 가지고 있다. 따라서 본 연구에서는 의료 영상 생성에 특화된 StyleGAN 기반 학습 모델을 제안한다. 이는 다양한 의료 영상 어플리케이션에 활용할 수 있으며, 생성된 의료 영상에 대한 정량적, 정성적 평가를 수행함으로써 의료 영상 생성 분야의 발전 가능성에 대해 연구한다.

• 대한디지털의료영상학회논문지
• /
• 제2권1호
• /
• pp.150-157
• /
• 1996

• 융합신호처리학회논문지
• /
• 제20권3호
• /
• pp.132-137
• /
• 2019

의료영상으로 생성된 데이터의 양은 전문적인 시각적 분석 한계를 점점 초과하여, 자동화된 의료영상 분석의 필요성이 증가되고 있는 실정이다. 이러한 이유 등으로 인하여 본 논문에서는 정상소견과 종양소견을 보이는 각각의 뇌 실질 MRI 의료영상을 이용하여 Inception V3 딥러닝 모델을 이용한 종양 유무에 따른 분류 및 정확도를 평가하였다. 연구 결과, 딥러닝 모델의 정확도 평가는 학습 데이터 세트의 경우 90%, 검증 데이터 세트의 경우 86%의 정확도를 나타내었다. 손실률 평가에서는 학습 데이터 세트의 경우 0.56, 검증 데이터 세트의 경우 1.28의 손실률을 나타내었다. 향 후 연구에서는 딥러닝 모델의 성능 향상 및 평가의 신뢰성 확보를 위하여 공개된 의료영상의 데이터를 충분히 확보하고, 라벨링 분류 작업을 통한 라벨링의 정확도를 개선하여 모델링을 구현해 볼 필요가 있다고 사료된다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2003년도 춘계학술발표논문집 (상)
• /
• pp.595-598
• /
• 2003

본 논문에서는 방사선투영영상을 기존 압축방법인 JPEG 압축과 새로운 표준으로 채택중인 JPEG2000을 적용하여 압축율 및 영상의 품질을 비교 실험하였다. 기존의 의료영상압축 표준의 하나인 JPEG 압축은 압축비율이 높아짐에 따라 블륵킹 현상의 발생으로 원 영상이 회손되는 압축의 한계를 인식하고 있다. 따라서 원 영상의 보호와 압축율 증가의 두 가지 면을 만족시키기 위해 Wavelet 을 사용하는 JPEG2000을 실험 평가하여 의료영상압축에 적용하고자 한다. 실험대상으로 환자 10명 정상인 10명의 투영영상을 사용하였으며, 영상의 품질, 손상도 등을 평가하기 위해 PSNR( Peak Signal to Noise Ratio )과 판독의에 의한 ROC( Receiver Operating Characteristic )분석을 실행하였다. 실험결과, 영상의 품질, 손상도를 평가하기 위한 PSNR 은 15:1 압축에서 $46.05{\pm}1.1dB$의 값을 얻었으며, JPEG의 같은 압축비율에 비해 $1.78{\pm}0.1dB$의 값이 높음을 알 수 있었다. 종합적으로 3명의 판독의에 의해 ROC 분석을 실행한 결과 15:1의 압축비율에서 압축비율과 품질을 종합하였을 때 진단에 적합한 최적 압축비율임을 보였다.