• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2006년도 한국컴퓨터종합학술대회 논문집 Vol.33 No.1 (A)
• /
• pp.10-12
• /
• 2006

U-Health에 대한 연구는 환자, 의료장비에 대한 위치 추적을 통한 의료업무 지원관리 분야로 집중되고 있다. 본 논문에서는 RFID Tag를 의료 측정에 적용한다. 즉, RFID Tag를 이용하여 방사선치료에서 사용되는 결손조직 보상체의 체표 윤곽을 모델링하는 방법을 제안한다. 기존의 모델링 방법은 환자의 체표 윤곽을 컴퓨터단층촬영이나 자기공명촬영을 사용한 의료영상을 이용해왔다. 이러한 방법은 고가의 비용이 소요되고 방사선치료에 따른 체표윤곽의 변화에 대응하지 못한다. 본 연구에서는 U-Health에서 기본적으로 사용하는 RFID Tag를 환자의 체표윤각에 고정하여 3차원 위치정보를 획득한다. 체표윤곽에 위치한 RFID의 상대적 위치를 통해 결손조직 보상체를 제작하고 이의 유용성 평가를 위해 기하학적, 선량학적 평가를 수행하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2019년도 제59차 동계학술대회논문집 27권1호
• /
• pp.465-467
• /
• 2019

본 논문에서는 영상생성이 가능한 딥러닝 네트워크를 이용하여 조영증강 CT 영상을 획득하는 연구를 수행하였다. CT는 고해상도 영상을 바탕으로 환자의 질병 및 암 세포 진단에 사용되는 의료영상 기법 중 하나이다. 특히, 조영제를 투여한 다음 CT 영상을 획득되는 영상을 조영증강 CT 영상이라 한다. 조영증강된 CT 영상은 물질의 구성 성분의 영상대비를 강조하여 임상의로 하여금 진단 및 치료반응 평가의 정확성을 향상시켜준다. 하지많은 수의 환자들이 조영제 부작용을 갖기 때문에 이에 해당되는 환자의 경우 조영증강 CT 영상 획득이 불가능해진다. 따라서 본 연구에서는 조영증강 영상을 얻지 못하는 환자 및 일반 환자의 불필요한 방사선의 노출을 최소화 하기 위하여 영상생성 딥러닝 기법을 이용하여 CT 영상에서 조영증강 CT 영상을 생성하는 연구를 진행하였다. 영상생성 딥러닝 네트워크는 generative adversarial network (GAN) 모델을 사용하였다. 연구결과 아무런 전처리도 거치지 않은 CT 영상을 이용하여 영상을 생성하는 것 보다 히스토그램 균일화 과정을 거친 영상이 더 좋은 결과를 나타냈으며 생성영상이 기존의 실제 영상과 영상의 구조적 유사도가 높음을 확인할 수 있다. 본 연구결과 딥러닝 영상생성 모델을 이용하여 조영증강 CT 영상을 생성할 수 있었으며, 이를 통하여 환자의 불필요한 방사선 피폭을 최소하며, 생성된 조영증강 CT 영상을 바탕으로 정확한 진단 및 치료반응 평가에 기여할 수 있을거라 기대된다.

• 한국방사선학회논문지
• /
• 제3권4호
• /
• pp.13-21
• /
• 2009

MRI System은 각종 여러 가지 Parameter들로 구성되어 있다. 그중 MRI 영상의 화질을 빼놓고 MRI를 논한다는 것은 어려운 일이다. 각종 Parameter들이 개발되고 발전되어오면서 MRI영상에서도 예전 System에서 보여지는 영상과는 비교 할 수 없을 정도의 고화질을 출력하고 있다. 그리고 방사선 영상 System이 고식적인 Film방식에서 digital방식으로 전환되어가고 있고 그에 따른 병원의 모든 시스템이 전산화가 되어가고 있다. 방사선 영상의 관리에 있어서 저장 이라는 부분이 아주 중요한 ��을 차지하고 있다. 그 방대한 자료를 Server에 저장하는 방법으로는 압축을 이용 하여 저장하는 방법을 사용하게 된다. 이 때 발생한 문제점은 원본 영상에 비해 압축시 영상의 화질 저하가 발생한다는 것이다. 의료 영상에서는 조그마한 화질저하도 오진의 우려가 있으므로 각별히 주의해야할 사항이다. 본 논문에서는 병원에서 진료중인 영상을 대상으로 각각의 파일 변환과 원본과의 비교, 원본 영상과 진료에 사용되어지는 모니터에서의 MRI 영상의 화질을 PSNR을 이용한 평가와 영상 평가방법에 의한 평가를 하였다. 실험결과 원본과 각종 영상 압축방법을 이용하여 압축한 영상을 비교 분석 하였는데 화질저하가 거의 나타나지 않았다. 하지만 원본영상을 display하는 모니터의 화질 에서 상당한 문제점이 드러났다. 판독용 모니터 와 의료용 모니터에서는 손색없는 고해상도의 영상을 출력해 냈는가 반면 일반 CRT, LCD 모니터에서는 각종 노이즈, 영상왜곡등 많은 문제점들이 나타났다.

• 융합신호처리학회논문지
• /
• 제16권3호
• /
• pp.96-101
• /
• 2015

본 논문에서는 한방 의료의 설진에 있어서 객관적인 진단 지표의 생성을 위해 자외선 혀 영상 채널 분석과 설태 검출에 의한 WTCI(Winkel Tongue Coating Index) 설태 평가 방법을 제안한다. 제안한 방법은 설태 영역 검출을 위하여 자외선 광원에 의해 생성된 혀 영상의 칼라 모델별 각 색상 채널의 히스토그램을 분석한다. 그리고 선택된 혀 영상 채널을 이용하여 설태 검출에서의 성능 검증 실험을 수행한다. 또한 WTCI 설태 지표 생성을 위한 테스트 샘플과 실영상 검증 실험을 실시하여 설진 지표의 객관성을 검증한다. 제안한 컴퓨터 지원 WTCI 설태 평가 방법의 성능 평가를 위해서 샘플 영상을 이용하여 계산의 정확성을 검증하고, 다양한 실제 피실험자의 혀 영상에 적용한 결과 성공적인 결과를 보였다.

• 한국방사선학회논문지
• /
• 제13권3호
• /
• pp.459-464
• /
• 2019

치과 콘빔 전산화단층 검사 시 갑상선 부위의 방사선 피폭선량을 최소화하기 위하여 보루스 (Bolus)를 이용한 차폐체를 제작하고, 방사선 차폐 효과와 영상의 적정성을 평가하였다. 치과용 콘빔 전산화단층검사장비를 사용하여 치과방사선 두부 팬텀을 대상으로 갑상선의 좌, 우측 부위에 유리선량계를 부착시켜 방사선량을 측정하였다. 차폐체의 두께를 각각 10 mm, 20 mm, 30 mm로 다르게 하여 각 차폐체별로 흡수선량을 측정하여 차폐체를 사용하지 않았을 경우와 비교하였다. 8명의 평가자가 진료영상의 적정성을 여부를 평가하였다. 왼쪽 갑상선 부위에 30 mm Bolus 차폐체를 사용한 경우에는 결과값이 평균 $342.67{\mu}Gy$로 Bolus 차폐체를 사용하지 않고 측정한 결과값의 평균 $431.22{\mu}Gy$보다 20.7% 감소하였고, 오른쪽 갑상선 부위에 30 mm Bolus 차폐체를 사용한 경우에는 평균 $424.56{\mu}Gy$로 21.9%의 선량감소효과를 보였다. 진료 영상의 적정성은 평가자 모두 사용 가능하다 판단하였다. 결론적으로, 치과 콘빔 전산화단층검사 시 갑상선 부위의 방사선 피폭선량을 최소화하기 위해 제작된 Bolus 차폐체는 장해음영 없이 적정한 진단 영상 처리가 가능하고, 방사선차폐 효과가 있어 유용한 차폐체로 적용 가능할 것으로 사료된다.

• 대한소화기학회지
• /
• 제72권6호
• /
• pp.275-275
• /
• 2018

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제11권7호
• /
• pp.233-240
• /
• 2022

최근 대부분의 인공지능 연구는 AI 모델 개발에 중점을 두고 있다. 하지만 최근 인공지능 연구가 모델 중심에서 데이터 중심으로 점차 변경되고 이런 추세를 바탕으로 학습데이터의 중요성이 크게 주목 받고 있다. 그러나 학습데이터의 준비과정이 전체 과정의 상당 부분을 차지하고 라벨링 데이터 생성 또한 개발 목적에 따라 다르기 때문에 많은 시간과 노력이 필요하다. 따라서 기존의 미충족을 해결하기 위한 다양한 라벨링 기능을 갖는 도구 개발이 필요하다. 본 논문에서는 의료영상의 라벨링 데이터를 정교하고 빠르게 생성하기 위한 라벨링 시스템에 대해서 기술한다. 이를 구현하기 위해서 Back Projection, GrabCut 기법을 이용한 반자동 방식과 기계학습 모델을 통해서 예측한 자동 방식의 라벨링 기능을 구현하였다. 우리는 제안한 시스템의 라벨링 데이터 생성에 대한 수행시간의 장점을 보였을뿐만 아니라 정확성에 대한 비교평가를 통해 우수성을 보였다. 또한 1,000여명의 환자 영상 데이터셋을 분석하여 근감소증 진단에 남성과 여성에 의미있는 진단지표를 제시하였다.

• 한국방사선학회논문지
• /
• 제15권1호
• /
• pp.15-20
• /
• 2021

전산화단층촬영은 질병 진단 등 의료분야에 중요한 역할을 담당하고 있지만, 검사 건수 및 검사 별 영상 증가가 지속되고 있다. 최근 의료분야에 딥러닝 이용이 활발히 이루어지고 있으며, 의료영상을 이용한 딥러닝 중 객체 검출을 통해 보조적 질병 진단에 활용되고 있다. 본 연구는 객체 검출 딥러닝 중 YOLOv3 모델을 이용하여 복부 CT 중 콩팥과 척추를 검출하여 정확도를 평가하고자 한다. 연구 결과 콩팥과 척추의 검출 정확도는 83.00%와 82.45% 였으며, 이를 통해 딥러닝을 이용한 의료영상 객체 검출에 대한 기초자료로 활용될 수 있을 것이라 사료된다.

• 대한디지털의료영상학회논문지
• /
• 제7권1호
• /
• pp.45-49
• /
• 2005

목적 : 기존 구내 방사선 촬영에서 사용되었던 Film에서의 노출선량과 Digital Sensor를 이용한 구내 디지털 촬영에서의 노출선량을 비교하여 현재 광범위 하게 사용 되어지고 있는 Digital Sensor가 환자의 피폭선량을 감소하는데 기여하는 정도를 알아본다. 대상 및 방법 : 치아 우식증이 없는 5개의 구치부 치아를 선택하여 석고 블럭에 매식한 후 교합면과 인접면에 우식병소들을 형성하였다. 이를 필름(Kodak Insight; IS, Kodak Co, USA)과 Digital Sensor(Kodak RVG 6000; Kodak Co, USA)에 XCP Instrument(Rinn Co, USA)를 사용하고, 전면에는 조직등가물질인 Acrylic Resin Block 20mm를 설치하였다. Acrylic Resin Block의 관구 측면 에서는 조사선량계를 부착하여 단계별로 변화시키는 노출조건에 대한 조사선량을 측정하였다. 그리고 이렇게 얻어진 영상을 3명의 방사선학 전공의와 1명 의 보존과 전공의가 평가를 하였다. 결과 : Film과 Digital Sensor를 가지고 촬영한 영상을 분석한 결과 노출선량에서도 Digital Sensor는 Film 노출선량과 비슷한 결과를 도출해 낼 수 있었다. 그러나 Digital Sensor로 촬영된 영상의 경우에는 Film 경우보다 좀더 효과적으로 조사선량을 판단 할 수 있었으며, 또한 영상 판독시 필름보다 폭 넓게 응용 할 수 있었다. 결론 : 본 연구에서는 선량 변화에만 의존하는 것이 아니라 Digital Sensor로 촬영시 영상 조절을 병행한다면 좀더 정확하고 효과적인 진단 활동에 도움이 될 수 있을 것으로 사료된다.

• 대한의용생체공학회:의공학회지
• /
• 제20권3호
• /
• pp.283-290
• /
• 1999

Mr(Magnetic Resonance ) 영상은 인체 기관의 상태에 관한 많은 정보를 가지고 있어 이것을 분석하여 가시화하면 의료 진단에 유용하게 이용될 수 있다. MR 영상의 가시화는 영상의 획득, 전처리, 조직 분류, 보간, 렌더링의 단계로 이루어진다. 이 단계 중 Mr 영상의 불완전성 때문에 현재 조직 분류 및 보간이 문제로 되어 있다. 본 논문에서는 머리 MR 영상을 대상으로 조직 분류 및 보간에 대한 기법을 제안하고 제안된 기법을 바탕으로 뇌를 3차원 가시화한다. 조직 분류 기법에서는 뇌조직 성분 구성 등 임상 실험에 의해 밝혀진 뇌에 대한 구조적인 지식을 단계적으로 이용한다. 보간 기법은 오목 윤곽선에 사용할 수 있게 동적 탄성 보간기법을 개선하였다. 제안한 구조적인 분류 기법 및 보간 기법을 다른 기법과 비교 평가한다.