• 한국구조물진단유지관리공학회지
• /
• 제18권2호
• /
• pp.60-63
• /
• 2014

• 대한의용생체공학회:의공학회지
• /
• 제5권1호
• /
• pp.33-38
• /
• 1984

Biological rhythms are very important phenomena to generate, grow a living thing. However, the origin of rhythms are not disclosed completely until now. Eack myocardial cell has a natural rhythm of itself, and synchronization is happened when two cells are come in contact with each other. In this research, a simple synchronization model has been proposed and studied, refering to the physiological model. The changes of the synchronization rhythms in experimental results are compared with that of the model.

• 대한의용생체공학회:의공학회지
• /
• 제36권6호
• /
• pp.251-263
• /
• 2015

Scaffolds play a crucial role in the tissue engineering. Biodegradable polymers with great processing flexibility and biocompatability are predominant scaffolding materials. New developments in biodegradable polymers and their nanocomposites for the tissue engineering are discussed. Recent development in the scaffold designs that mimic nano and micro features of the extracellular matrix (ECM) of bones, cartilages, and vascular vessels are presented as well.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2009년도 추계학술대회
• /
• pp.237-240
• /
• 2009

본 논문에서는 HIS(병원 정보 시스템) 환경에서 의료 및 주변 기기들의 다양한 솔루션과 미들웨어를 통합할 수 있는 프레임워크 기반에서 환자 기초, 의료 정보의 전달 구조를 정의하였다. OSGi 번들 형태로 HL7(Health Level 7) 기반의 메시지 전달 구조의 설계하고 다른 장치 제어 번들과의 효율적인 상호 운용을 보이고자 한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2003년도 춘계종합학술대회
• /
• pp.762-765
• /
• 2003

에틸렌글리콜(ethyleneglycol)을 이용한 폴리비닐에테르(polyvinyl ether)와 같은 고분자물질을 활용하여 Co$^{30}$ 방사선원으로부터 ${\gamma}$선을 조사시켜, 고분자 물질의 성질을 변화시킴으로써 화학, 전기전자, 환경 및 기타 여러 가지 응용분야에 적용하여 이용할 수 있는 기술을 개발하였다. 이를 바탕으로 관련재료의 단량체(monomer)로부터 중합체(polymer)를 합성하여 water swelling을 시키는 과정에서 각종 (금속) 이온을 흡입-제거하는 방법의 환경복원기술, 흡입 금속이온을 표면에 밀집시켜 금속막을 형성하는 응용기술, 생체조직의 대용물질로 활용하는 의용공학 및 열감지특성(thermal sensitive property) 또는 pH 감지특성(pH sensitive property)을 이용하여 의용기술에 적용하는 polymer 응용기술 등의 폭넓은 활용을 위하여 그 일환으로 전도성 고분자 제조기술로의 활용가능성을 연구하였다.

• 대한의용생체공학회:의공학회지
• /
• 제40권1호
• /
• pp.15-19
• /
• 2019

In this study, Theta Gamma Coupling (TGC) analysis was carried out after performing simple and repeated upper limb exercise and comparative experiment to observe changes in the motor cortex of the brain through TGC and to see if mobile rehabilitation therapy is actually effective. As a result, exercise using mobile devices showed higher TGC values in motor cortex as compared with simple repeat upper limb exercise. In addition, paired t-test using SPSS showed statistically significant difference between exercise using mobile devices and simple repeat exercise at P3(t=3.390, df(degree of freedom)=12, p value=0.005). Exercise using mobile devices is effective for rehabilitation because it increases the Theta-Gamma Coupling and activates the motor cortex. Also, since the mobile game contents required the subject to detailed athletic ability adjustment with immersion in the task, it may be thought that brain activation is stronger than simple rehabilitation.

• 한국융합학회논문지
• /
• 제10권11호
• /
• pp.209-215
• /
• 2019

디지털헬스케어에서 가장 중요한 개인 건강관리는 주로 만성질환자에게 매우 중요한 문제이다. 따라서 실시간 건강관리를 위한 간단한 웨어러블 디바이스 개발이 중요하다. 기존 혈압 추정 웨어러블 디바이스는 PPG 특성을 통해 PTT를 분석하여 혈압 추정 알고리즘을 제안하고 있다. 그러나 PPG의 재현성과 여러 가지 PTT의 적용여부와 측정자의 신체적 차이에서 발생되는 변수 등 알고리즘의 영향인자가 사실 매우 복잡하다. 따라서 본 연구에서는 PTT와 SBP, DBP의 상관관계를 분석하고, 다바이스 소형화를 위해 PPG센서만을 사용하게 설계하였다. 제안된 혈압 추정 알고리즘은 PPG간의 차이와 심박수, 개인적인 변수 등을 고려하였다. 또한 기존 의료기관에서 사용하는 공기가압방식의 결과값과 개발된 알고리즘을 통해 추정된 혈압값과 비교를 통해 확인하였다.

• 대한의용생체공학회:의공학회지
• /
• 제42권3호
• /
• pp.100-106
• /
• 2021

Measuring Intima-media thickness (IMT) with ultrasound images can help early detection of coronary artery disease. As a result, numerous machine learning studies have been conducted to measure IMT. However, most of these studies require several steps of pre-treatment to extract the boundary, and some require manual intervention, so they are not suitable for on-site treatment in urgent situations. in this paper, we propose to use deep learning networks U-Net, Attention U-Net, and Pretrained U-Net to automatically segment the intima-media complex. This study also applied the HE, HS, and CLAHE preprocessing technique to wireless portable ultrasound diagnostic device images. As a result, The average dice coefficient of HE applied Models is 71% and CLAHE applied Models is 70%, while the HS applied Models have improved as 72% dice coefficient. Among them, Pretrained U-Net showed the highest performance with an average of 74%. When comparing this with the mean value of IMT measured by Conventional wired ultrasound equipment, the highest correlation coefficient value was shown in the HS applied pretrained U-Net.

• 융합신호처리학회논문지
• /
• 제21권4호
• /
• pp.183-194
• /
• 2020

최근 영유아 성장기에 발생하는 고관절 이형성증(Developmental Dysplasia of Hip, DDH)의 숫자가 늘어나고 있다. DDH는 영유아 성장을 방해하고 다른 부작용도 많이 발생시키기 때문에 최대한 조기에 발견하여 치료해야 한다. 최근 들어 Convolutional Neural Networks (CNN) 및 개선된 Resnet50을 활용한 머신러닝 기법이 초음파 영상 분석에 많이 활용되고 있다. 연구 결과를 보면 컴퓨터 보조 이미지 분석이 의료현장에서 객관성과 생산성을 크게 향상시키고 있다. 본 연구의 결과는 정형외과에서의 난제인 초음파 영상을 통한 DDH 컴퓨터 보조 진단 알고리즘에도 충분히 활용될 수 있다는 것을 보여주고 있다. 본 논문에서는 CNN을 활용하여 DDH를 자동으로 측정하고 진단할 수 있는 컴퓨터 보조 진단 알고리즘을 제안하였다. DDH 측정을 위해 유아 고관절의 정상/비정상 판독을 위해 Acetabulum-Femoral head의 angle을 자동으로 계산하였으며 기존 영상을 딥 러닝하여 진단을 자동으로 하는 알고리즘을 설계하였다. 실험 결과 의사와 비교하여 진단의 속도와 정확도가 향상된다는 것을 확인하였다.

• 대한의용생체공학회:의공학회지
• /
• 제42권4호
• /
• pp.167-174
• /
• 2021

The purpose of this study is to classify TIFF images, PNG images, and JPEG images using deep learning, and to compare the accuracy by verifying the classification performance. The TIFF, PNG, and JPEG images converted from chest X-ray DICOM images were applied to five deep neural network models performed in image recognition and classification to compare classification performance. The data consisted of a total of 4,000 X-ray images, which were converted from DICOM images into 16-bit TIFF images and 8-bit PNG and JPEG images. The learning models are CNN models - VGG16, ResNet50, InceptionV3, DenseNet121, and EfficientNetB0. The accuracy of the five convolutional neural network models of TIFF images is 99.86%, 99.86%, 99.99%, 100%, and 99.89%. The accuracy of PNG images is 99.88%, 100%, 99.97%, 99.87%, and 100%. The accuracy of JPEG images is 100%, 100%, 99.96%, 99.89%, and 100%. Validation of classification performance using test data showed 100% in accuracy, precision, recall and F1 score. Our classification results show that when DICOM images are converted to TIFF, PNG, and JPEG images and learned through preprocessing, the learning works well in all formats. In medical imaging research using deep learning, the classification performance is not affected by converting DICOM images into any format.