• 대한디지털의료영상학회논문지
• /
• 제5권1호
• /
• pp.98-101
• /
• 2002

대조도와 관용도사이의 손실 교환은 투사 방사선 촬영에 있어서 잘 알려져 있고 또한 오랫동안 지속되어온 영상의 질에 있어서의 제약이었다. 전자적인 영상획득의 도입으로 한 영상 내에 넓은 영역의 X-Tay 노출을 포획하는 것이 가능해 졌다. 그러나, 진단에 필요한 세부영역 들을 위해 적절한 대조도를 유지하는 반면, 일반적으로 기대되는 관용도 범위 이외의 정보가 시각화 되어지는 것과 같은 영상의 rendering과 displaying의 문제가 남아 있었다. 이 문서에 묘사되는 EVP(Enhanced Visualization Processing)는 이 문제를 중점적으로 다룬다. 방대한 진단용 CR 영상 데이터베이스로부터 선택된 14개의 검사유형 당 각각 5개의 영상들을 포함한, 총 70개의 영상들을 사용하여 임상 보고서가 제출되었다. 각 영상에 대해, control rendering은 현재 개발되어 있는 automatic tone scaling algorithm(자동 톤 스케일 알고리즘)에 의해 생성되었고, test rendering은 그 control of image에 EVP를 인가함에 의해 생성되었다. 10명의 radiologist들은 각자 개별적으로 140개의 이미지들(70개의 test renderings와 70개의 control renderings)을 9점의 진단 상의 품질 척도로 평가했다. EVP는 세부 대조도의 부당한 손실 없이 증가된 노출 관용도를 제공했다. 많은 영상에서 EVP는 과소 투과 영역에서의 정보의 손실을 줄여주고, 반면 과다 투과 영역의 밝게 빛나는 현상을 실제적으로 감소시켰다. 진단상의 품질 평가는 EVP image와 control image 모두 평균적으로 높았다. 그럼에도 EVP images의 평균 등위는 control image의 그것보다 1 단계 완전히 높은 범위에 있는 것으로 평가되었다. 쌍으로 그 영상들을 보면, EVP images의 76%가 일치하는 control images의 평가 단계보다 1 또는 그 이상 높은 범주인 것으로 평가되었고, 반면 control image의 6% 만이 일치하는 EVP 영상보다 우수한 것으로 평가되었다. 유사한 결과가 연구된 14개의 검사유형에 대해 획득되었다.

• 대한영상의학회지
• /
• 제83권2호
• /
• pp.420-424
• /
• 2022

중이의 영유아 섬유성 과오종은 매우 드물다. 저자들은 26개월 남아의 중이에서 진단된 사례를 영상의학적 소견을 중심으로 보고하고자 한다. CT 영상에서는 귓속뼈의 파괴가 없었으며 MRI에서는 지방과 섬유성 조직과 유사한 신호 강도를 보였다. 수술 후 조직학적 검사에서 영유아 섬유성 과오종으로 진단받았다. 중이의 영유아 섬유성 과오종은 드물지만, 유년기에 중이에서 관찰되는 종괴의 감별진단에 포함되어야 한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2005년도 춘계종합학술대회
• /
• pp.1153-1156
• /
• 2005

PACS 시스템은 다양한 의료영상 진단장치를 통해 병원의 업무 효율 및 환자들을 위한 진료 및 진단의 효율성을 향상시키기 위해 개발 되었다. PACS시스템은 필름없는 병원을 위해 연구되어 왔지만, 아직도 촬영된 영상들에 대한 높은 정확성을 제공해 줄수 있는 이미지 필터링 기술들은 부족하다. 따라서 본 연구에서는 Xray영상 처리 시스템 개발중 이미지 처리부분을 중점적으로 다루었으며 영상처리의 최적화를 위해 단순하면서도 필수적으로 필요한 필터를 주로 사용하였다. 앞으로 환자들의 진단을 보다 정확히 결정하고 외국산 모델에 비해 저렴한 진단용 XRay장비의 보급에 많은 영향을 미칠 것으로 기대한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제64차 하계학술대회논문집 29권2호
• /
• pp.73-74
• /
• 2021

코로나로 인해 X-ray, CT, MRI와 같은 의료영상 분야에서 딥러닝을 많이 접목시키고 있다. 간단히 접할 수 있는 X-ray 영상으로 코로나 진단을 위해 CNN, R-CNN 등과 같은 영상 딥러닝 분야에서 많은 연구가 진행되고 있다. 의료영상 기반 딥러닝 학습은 바이오마커를 정확히 찾아내고, 최소한의 손실률과 높은 정확도를 필요로한다, 따라서 본 논문에서는 높은 정확도를 위한 학습 모델을 선정하고 실험을 진행하였다.

• 한국융합학회논문지
• /
• 제9권2호
• /
• pp.119-124
• /
• 2018

증강현실 기술은 사용자의 시각에 가상의 영상 정보를 결합하여 다양한 영상 정보를 동시에 취득할 수 있게 한다. 이러한 증강현실 기술은 최근 의료융합을 통해 이미지 가이드 수술(Image-Guide Operation), 수술 교육 훈련, 영상 진단 분야에서 수술 및 진단 시 환자의 장기나 조직들을 구분하여 가시화하고 가장 효과적인 수술 방법을 제시 할 수 있다. 이에 본 논문을 통해 증강현실 기술의 의료 융합을 위한 각 요소 기술의 기술적 특징과 적용 방안 등을 고찰하고자 하였다. 의료융합을 위한 증강현실 기술에서는 효율적인 의료 영상의 구현을 위해 디스플레이, 마커인식 그리고 영상합성 인터페이스 기술의 유기적인 구동이 필수적이다. 이러한 증강현실 기술은 향후, 이미지 가이드 수술, 수술 교육 및 영상 진단 등의 분야에서 현재의 의료 기술을 획기적으로 증진시킬 수 있는 방안이 될 수 있으리라 여겨진다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2002년도 춘계학술발표논문집(상)
• /
• pp.160-163
• /
• 2002

본 연구는 의료영상 중에 가장 많이 사용하는 의료 영상인 MR영상 중에서 머리 부위의 질병인 뇌종양에 대한 진단을 돕기 위한 연구이다. 뇌 MR영상의 T2강조 영상을 살펴보면, 종양 영역은 명암이 밝게 나타나고 종양 영역의 주변은 어둡게 나타나는 특성을 볼 수 있다. 따라서 제안된 방법은 뇌종양 특성인 명암의 밝기 정보를 기반으로 비정상 영역 내에서 명암 정보가 유사한 영역끼리 그룹화하고 그 중에 가장 밝은 영역을 종양 후보 영역으로 추출한 후 각 후보 영역들 중에서 MBR이 가장 큰 것을 종양으로 검출한다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제15권10호
• /
• pp.715-723
• /
• 2009

대형병원에서 환자의 치료와 진단을 목적으로 하루에 생산되는 의료영상의 발생량은 보다 정확하고 정밀한 진단이 요구되는 촬영장비와 네트워크 인프라의 발달로 나날이 증가하고 있으며, 앞으로 그런 추세는 계속 될 것이다. 따라서 기존방식의 PACS보다 성능이 개선된 시스템이 요구된다. 본 연구에서는 영상압축속도를 개선하기 위해, 계산그리드 기술을 이용하여, PACS의 부분시스템으로써, 의료영상압축 저장시스템을 설계 구현하였다. 제안된 시스템의 시작품을 사용한 실험을 통해, 처리기들이 추가됨에 따라 성능이 향상됨을 확인하였다.

• 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.

• 한국멀티미디어학회논문지
• /
• 제15권10호
• /
• pp.1264-1272
• /
• 2012

3차원 볼륨렌더링 방법은 인체의 외형뿐만 아니라 내부의 모습도 투과하여 보여줄 수 있기 때문에 의료영상 분야에서 널리 사용된다. 기존의 의료영상 장비는 볼륨렌더링 방법을 이용하여 다양한 3차원 영상을 제공하고 있다. 최근 의료영상 분야에서는 휴대성의 장점을 가진 스마트 기기를 도입함으로써 기존 의료영상 분야의 결과물을 의사와 환자들 사이에서 소통이 원활하게 하려는 연구가 활발히 진행되고 있다. 본 논문에서는 비교적 저 사양인 휴대용 스마트 기기에서 3차원 볼륨데이터를 가시화하기 위하여 2차원 텍스쳐를 활용하는 방법을 제안하고 다양한 2차원, 3차원 진단영상을 제공하는 휴대용 의료영상 가시화 시스템을 제안한다.

• 한국멀티미디어학회논문지
• /
• 제5권5호
• /
• pp.494-504
• /
• 2002

볼륨랜더링은 연속적인 2차원 영상들을 기반으로 하여 3차원 데이터로 만드는 것이다. 오브젝트의 내부영역까지도 가시화 할 수 있는 장점 때문에, 최근 MRI, PET, SPECT같은 의료 영상의 경우 볼릅랜더링을 이용해서 진단에 많이 사용하고 있다. 본 논문에서는 볼륨랜더링을 쉽게 할 수 있도록 2차원 데이터를 바탕으로 볼륨데이터를 만드는 방법을 제시하고, 볼륨랜더링 기법을 이용해 의료 영상에 적용시켜 보았다. 또한 2차원 데이터를 추출하는 샘플링 단계에서 해상도를 향상시키기 위해 linear interpolation과 cubic interpolation을 통해 볼륨랜더링된 영상의 공간 해상도를 조절하도록 설계 및 구현하여 보았으며, 변형함수(transfer function)를 이용하여 각각의 결과를 비교하였다 2차원 영상의 샘플링에 사용되는 interpolation 방법을 3차원 영상에 적용하여 구현하였다. 의료영상의 볼륨랜더링 기법은 3차원 입체 데이터로 구현되는 것이므로 영상 분석을 통한 진단에 크게 기여 할 것으로 기대된다.