• Proceedings of the Korea Information Processing Society Conference
• /
• 2019.05a
• /
• pp.346-347
• /
• 2019

의료영상은 환자의 질병을 진단하고 치료방침을 결정하는데 중요한 도구로 자리매김하고 있다. 최근 의료영상을 인공지능 연구가 국내외에서 활발하게 진행되고 있다. 특히 대규모의 의료영상들을 학습시켜 질병과 상태를 정밀 진단할 뿐만 아니라 예측하는 소프트웨어를 개발 하는 상황이다. 그러나 의료영상은 DICOM 표준에 따르고 있지만 태그정보의 사용은 의료기기와 의료기관마다 상이하다. 따라서 의료영상에 대한 메타 데이터의 표준화에 어려움이 있다. 본 논문은 이러한 의료영상 데이터를 표준화 할 수 있는 방법을 제안한다. 그리고 제안한 표준화 데이터로 변환할 수 있는 ETL 소프트웨어의 수행결과를 보이고, 조건에 따라 머신러닝 학습 데이터셋을 생성하는 결과를 제공한다. 향후 제안한 의료영상 표준화와 ETL 소프트웨어는 다양한 수요자 중심의 표준화된 데이터셋을 제공할 수 있는 플랫폼의 주요기능으로 활용 될 것으로 기대한다.

• Journal of the Korea Society for Simulation
• /
• v.18 no.4
• /
• pp.197-206
• /
• 2009

The medical information system is an effective medical diagnosis assistance system which offers an environment in which medial images and diagnosis information can be shared. However, this system can only stored and transmitted information without other functions. To resolve this problem and to enhance the efficiency of diagnostic activities, a medical image classification and retrieval system is necessary. The medical image classification and retrieval system can improve efficiency in a medical diagnosis by providing disease-related images and can be useful in various medical practices by checking diverse cases. However, it is difficult to understand the meanings contained in images because the existing image classification and retrieval system has handled superficial information only. Therefore, a medical image classification system which can classify medical images by analyzing the relation among the elements of the image as well as the superficial information has been required. In this paper, we propose the method for learning and classification of brain MRI, in which the superficial information as well as the spatial information extracted from images are used. The superficial information of images, which is color, shape, etc., is called low-level image information and the logical information of the image is called high-level image information. In extracting both low-level and high-level image information in this paper, the anatomical names and structure of the brain have been used. The low-level information is used to give an anatomical name in brain images and the high-level image information is extracted by analyzing the relation among the anatomical parts. Each information is used in learning and classification. In an experiment, the MRI of the brain including disease have been used.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2016.10a
• /
• pp.708-711
• /
• 2016

본 논문에서는 의료초음파 영상에서 진단 파라미터 데이터를 가시화 하는 방법론으로서 연속적인 픽셀 값을 갖는 전이시간 데이터의 표현과, 4가지 유형의 값으로 분류되는 병변 진단 파라미터 영상을 생성하는 방법을 제시한다. 또한 생성된 파라미터 영상에서 노이즈를 제거하기 위한 방법론으로서 MRF 모델을 이용한 영상개선 기법을 제안한다. 이러한 파라미터 영상 생성기법은 초음파 진단 데이터에서 조영증강 패턴의 동적인 변화에 대한 육안 판별의 한계를 극복할 수 있게 한다. MRF 기반 영상개선 과정에서 연속적인 픽셀 값에 대한 에너지함수를 정의하고 이를 최적화 하는 기법을 개발하였으며 실제 의료영상을 사용한 실험을 통하여 제안된 이론의 유용성을 평가하였다.

• Proceedings of the Korea Society for Simulation Conference
• /
• 2004.05a
• /
• pp.118-122
• /
• 2004

본 논문에서는 인체의 머리 부분을 촬영한 의료 영상에서 뇌 영역만을 분할하는 방법에 대해 제시하고자 한다. 뇌의 해부학적 구조 및 기능적 이상 부위를 파악할 경우에 영상 내에 함께 보여지는 두개골과 뇌척수액 등을 제외한 대뇌피질 영역을 분할하면 보다 효과적인 정보 분석 및 진단이 가능하게 된다. 본 시스템에서는 3단계 알고리즘을 제시한다. 첫 번째 단계에서는 영상 내에 존재하는 잡음을 제거하기 위한 필터링이고, 두 번째 단계에서는 필터링된 결과에 대한 영상분할을 수행하는 것이다 이 때 정확한 결과 도출을 위하여 사용자의 인터렉션이 들어가게 된다. 세번째 단계에서는 형태학적 방법을 이용하여 분할 결과를 보완한다. 본 연구를 위한 실험에는 자기 공명 촬영 영상(MRI: Magnetic Resonance Imaging), 단일 광전자 방출 단층 촬영영상(SPECT: Single Photon Emission Computed Tomography), 양전자 방출 단층 촬영영상(PET: Positron Emission Tomography) 등을 사용하였다. 본 시스템에서는 다양한 모달리티의 뇌 영상에서 대뇌피질 부분을 정확하게 영상 분할함으로써 뇌의 구조적 이상을 판단하기 위한 해부학적 정보 분석을 가능케 하고 있다. 뿐만 아니라 뇌 질환에 대한 정확한 진단 시뮬레이션도 가능하게 하고자 한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10b
• /
• pp.466-468
• /
• 2001

의료 영상 처리 기술은 질병의 진단 및 치료를 위한 계획이나 방법을 결정하는데 있어 매우 중요한 역할을 하고 있으며 의료 영상 시스템과 같은 활용 분야에서는 질병이 있는 환자의 자동 진단을 위한 연구도 활발하게 이루어지고 있다. 여기서는 뇌 MR영상에서의 질병을 자동 진단할 수 있는 방법에 관한 연구를 한다. 뇌 MR영상에서의 질병 진단을 위한 단계로서 필수적으로 이루어져야 하는 단계가 비정상 영역의 추출 단계이다. 이 논문에서는 뇌의 질병 진단에 사용할 수 있는 자료를 제공하기 위한 전처리 단계로서 질병이 있는 환자의 뇌 영상에서 비정상적인 영역 추출 방법을 제안한다. 일반적으로 비정상적인 영역의 명암간 분포는 회백질 영역의 분포와 유사하나 두께 차이로서 구분이 가능하다. 여기서는 이 정보를 활용하여 정상인의 뇌영상에 대해서 회백질의 평균 두께 분포를 구하여 테스트로 입력되어지는 영상에서 회백질의 평균 두께 이상의 영역만을 남김으로서 질병이 있는 환자의 뇌 영상에서 비정상적인 영역을 추출할 수 있음을 보인다. 또한 추출되어진 비정상 영역에 대해서 진단에 필요한 인자를 자동으로 측정하였고 뇌경색, 뇌종양 환자를 포함한 63명의 뇌 MR 영상 시리즈에 대해서 실험하여 비교적 정확한 추출결과를 유도할 수 있었음을 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2024.05a
• /
• pp.702-704
• /
• 2024

최근 사회적으로 근감소증에 대한 관심이 높아지면서 노인성 근감소증 시장이 골다공증 시장을 뛰어 넘을 것으로 전망하고 있다. 진단 방법으로 의료영상기반으로 근육량을 인공지능 기술로 측정하여 근감소증 진단에 적용하는 연구가 활발하게 진행되고 있다. 본 논문에서는 복부 CT 영상에서 L3 부위의 근육량을 기반으로 한 진단 기준을 이용하여 아시아 피험자의 T-score를 기반으로 근감소증 진단을 자동화하였다. 특히 복부 CT영상의 업로드와 함께 자동으로 근육량을 측정하여 개인별 상태를 확인할 수 있도록하여 근감소증 진단을 지원 할 수 있도록 개발하였다. 그리고 이를 기반으로 4가지 간 질환 환자의 L3 부위 근육량을 측정하여 근감소증과의 상관성을 확인하였다. 이는 다양한 기저 질환과 근감소증과의 연관성 연구에 도움이 될 것으로 기대한다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2001.11a
• /
• pp.159-164
• /
• 2001

본 연구에서 설계하고 구현한 뇌 MR영상 처리기에서는 뇌 MR 영상에서 진단에 필요한 정보들을 자동 추출한다. 의료영상 처리 시에는 수집된 의료영상의 특징을 분석하고 특징들을 분류해야 하며 이를 위해서는 효율적인 특징 추출 알고리즘들 필요하다. 뇌 MR 영상 처리기는 영상의 잡음제거나 영상 강화를 위한 전처리기, 영상의 특징을 추출하기 위한 영역분할기와 전역, 지역 특징 추출기로 구성된다. 뇌 MR 영상 특징 추출을 위한 효율적인 의료영상 처리기의 개발 내용을 기술한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• pp.322-325
• /
• 2022

삼킴 장애 환자는 뇌졸중, 치매, 외상성 뇌손상, 파킨슨병, 암이 주요 원인으로 급속히 증가하고 있다. 특히 고령화 사회가 되면서 더욱 삼킴 장애 환자는 늘어날 것으로 전망하고 있다. 고령 환자의 삼킴 이상의 진단을 위해 가장 많이 사용하고 있는 검사법으로는 비디오 조영 삼킴 검사(VFSS)이다. VFSS는 진단에 있어서 숙련된 전문의가 필요하기 때문에 대학병원 급에서 주로 시행하며, 고령 환자에게는 분석 결과를 상담받을 때까지 오랜 시간을 소요해야하는 문제점들이 있다. 본 논문에서는 삼킴 장애 진단을 위한 의료영상 관리 및 라벨링 시스템에 대해서 기술한다. 이를 구현하기 위해 서버에서 대용량 멀티프레임 영상을 성능 저하 없이 핸들링 하고 라벨링 데이터 생성을 위한 라벨링 툴을 구현하였다. 차후 라벨링 데이터를 생성하고 학습을 통하여 삼킴 장애 진단을 위한 인공지능 모델을 개발하고자 한다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2003.11a
• /
• pp.224-227
• /
• 2003

컴퓨터와 공학 분야에서의 빠른 기술적 진보는 의료정보의 처리에 있어 새로운 패라다임을 제시함으로써 의료정보사회의 변화를 가속화시키고 있다. 본 논문에서는 단일 플랫폼에서 운영하기 위한 컴퓨터지원진단, 음성인식과 의료영상저장전송시스템의 통합을 제안한다. 단일 플랫폼에서 운영되는 통합시스템은 세 시스템의 장점을 최대로 하는 향상과 시너지효과를 가져왔다. 컴퓨터지원진단과 음성인식은 시간과 비용 절감 면에서 두드러진 개선을 가져왔으며, 제안한 시스템은 병원의 디지털화와 병원경영의 효율을 높일 수 있을 것이다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.434-436
• /
• 2021

의료산업은 진단 및 치료 위주의 기술개발이 진행되어왔다. 최근 의료 빅데이터를 기반으로 진단, 치료 및 재활뿐만 아니라 예방과 예후관리까지 지원하는 의료서비스에 대한 패러다임이 변화되고 있다. 특히, 여러 의료 중심의 플랫폼 기술 가운데 객관적인 진단지표를 가지고 있는 의료영상을 기반으로 인공지능 학습에 적용하여 진단 및 예측을 중심으로 한 플랫폼 개발이 진행되고 있다. 하지만, 인공지능 연구에는 많은 학습 데이터가 요구될 뿐만 아니라 학습에 적용하기 위해서는 데이터 특성에 따른 전처리 기술과 분류 작업에 많은 시간 소요되어 이와 같은 문제점을 해결할 수 있는 방법들이 요구되고 있다. 따라서, 본 논문은 인공지능 학습까지 적용하기 위한 의료영상 데이터에 대한 확장 모델을 개발하여 공통적인 조건에 따라 의료영상 데이터가 표준화되어 변환하며, 자동화 시스템 구조에 따라 데이터가 분류·저장되어 인공지능 학습까지 지원할 수 있는 플랫폼을 제안하고자 한다. 그리고 근감소증 학습데이터 관리 및 적용 결과를 통해 플랫폼의 수행성을 검증하였다. 향후 제안한 플랫폼을 통해 의료데이터에 대한 전처리, 분류, 관리까지 지원함으로써 CDM 확장 표준 의료데이터 플랫폼으로 활용 가능성을 보였다.