• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2012년도 춘계학술발표대회논문집
• /
• pp.374-377
• /
• 2012

본 논문은 다양한 조명환경에서의 실시간 설진 진단을 위한 혀 영역 검출 및 영역 분할 방법을 제안한다. 임의의 환경에서 얻어낸 이미지에서 혀 영역의 추출과 추출된 영역에서의 혀의 상태를 진단하는 데는 많은 어려움이 있다. 다양한 조명환경에서의 영상으로부터 혀 영역을 추출하기 위하여 본 논문에서는 ASM을 이용한다. 검출된 영역을 6개의 영역으로 영역 분할한 다음 HSV영상으로 변환하고 색상 정보를 분석함으로써 신체의 건강상태를 판별하는 방법을 제한한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2013년도 춘계학술대회
• /
• pp.801-804
• /
• 2013

미각의 종류별 구획에 따른 설진 모델을 제안한다. 시스템의 전체 구성은 혀 영상획득, 혀 영역 검출, 혀 영역 분할, 분할 영역의 색상분포 검출, 이상 유무 판별로 구성된다. 혀의 DB는 정상 및 비정상 혀로 분류되었으며 실제 한방병원에 내원하는 환자들의 혀 사진으로 구축하였다. 혀 영역으로부터 짠맛, 신맛, 단맛, 쓴맛의 네 가지 영역으로 나누어 분할하고, HSI 컬러모델을 이용하여 색상분석을 시행하였다. 이때, 주변 조도의 영향을 최소화하기 위하여 I(Intensity)값을 제외한 H(Hue)와 S(Saturation) 성분의 히스토그램을 이용하여 색상을 분석하였다. 제안하는 색상분석 진단모델과 한의학 전문의의 진단 결과를 비교하여 미각별 영역의 이상 유무를 판단하였다. 제안하는 설진 알고리즘으로 판단한 결과 87.5%가 전문의의 분류의 결과 일치함을 확인하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2009년도 제40회 하계학술대회
• /
• pp.1970_1971
• /
• 2009

한의학에서 혀는 장부의 건강 상태를 표면적으로 보여주는 중요한 요소 중의 하나이다. 특히 장부가 혀의 영역에 연결이 되어 각 장부의 특성을 파악하는데 매우 요긴하게 사용되고 있다. 이 연구에서는 비침습적으로 카메라와 조명 장치를 이용한 설진기를 이용하여 객관적으로 혀 영역을 촬영하고 진단을 위한 혀 영역의 객관적인 지표를 자동으로 찾는 방법을 개발하는 것을 목표로 한다. 이를 위해서 가장 중요한 일은 혀의 컬러 요소를 파악하여 정확한 위치를 찾아내는 것이다. 컬러를 색상, 채도, 명암으로 분해하고 지역 영역의 히스토그램을 분석하여 분할 임계값을 선택, 전체 영역을 분할한다. 결론적으로 이 방법은 설태가 있는 영역을 찾아내고 설태의 종류를 구분하는 방법을 제안하였다.

• 재활복지공학회논문지
• /
• 제10권2호
• /
• pp.141-146
• /
• 2016

본 논문에서는 설진시스템에서 혀 영역의 윤곽선을 정확하게 검출하기 위해 영역제한 마스크 연산과 능동 윤곽선 모델을 적용한다. 혀의 특징을 정확하게 분석하기 위하여 먼저, 혀 영역이 검출되어야 한다. 그러므로 혀 영역의 에지를 검출하기 위한 효율적인 분할 방법은 매우 중요하다. 20~30대 학생 30명으로 구성된 혀 영상 DB로 실험하였다. 실제 혀 영상에서의 실험은 좋은 결과를 보였다. 실험 결과, 제안된 방법이 마스크 연산을 사용하지 않는 방법에 비해 더 정확하게 혀 영역의 윤곽선을 추출하는 것을 확인할 수 있었다.

• 한국정보통신학회논문지
• /
• 제20권4호
• /
• pp.826-832
• /
• 2016

본 논문에서는 고가의 디지털 설진 장비와 특별한 장치 없이 누구나 손쉽게 사용할 수 있는 디지털 설진 시스템의 첫 단계로 미각 영역별 균열 유무를 판별하는 시스템을 제안한다. 훈련 DB는 한방 병원에서 수집한 사진 261장을 바탕으로 Haar-like feature, Adaboost 학습을 하였다. 학습된 결과를 통하여 입력영상으로부터 혀 후보영역을 검출하고, 검출된 혀 후보영역으로부터 혀 영역만을 분리하기 위하여 261장의 훈련 DB의 HSV 컬러모델의 Hue 성분 평균 값을 산출하였다. 검출된 혀 윤곽으로부터 Connected Component Labeling을 통하여 혀 영역을 분리 하였다. 분리된 혀 영역의 상대적 너비와 높이를 이용하여 미각 영역별 로 분할하였다. 분할된 미각 영역별 영상은 Gray영상으로 변환하고, 각각의 영역별 평균 밝기를 산출하여 이진화하였다. 이진화 영상에 Connected Component Labeling을 통하여 균열 유무를 판별하였다.

• 한국컴퓨터정보학회논문지
• /
• 제18권4호
• /
• pp.45-55
• /
• 2013

본 논문에서는 설진을 위하여 얼굴 영상으로부터 혀 영역을 추출하고, 혀 영역을 6개 세부 영역으로 분할한 다음 영역별 설태 비율을 검출하는 방법을 제안한다. 얼굴 영상으로부터 혀 영역을 추출하기 위해 능동적 형태 모델방법의 하나인 ASM을 이용하였다. 검출된 혀 영역을 한의학에서 사용하는 일반적인 6개 영역으로 분할하였고, 분할된 영역 내에서의 설태 분포 정도를 SVM을 이용하여 검출하였다. SVM 분류 시 특징 벡터로는 RGB, HSV, Lab, Luv로 구성된 12차원의 벡터로부터 주성분 분석을 통하여 구해진 3차원의 벡터를 사용하였다. 실험 결과 ASM을 사용하여 혀 영역을 안정적으로 검출할 수 있었고 주성분 분석과 SVM을 활용함으로써 설태 검출율이 높아짐을 알 수 있었다.

• 한국컴퓨터정보학회논문지
• /
• 제26권9호
• /
• pp.37-47
• /
• 2021

본 논문에서는 U-네트에서 수용 영역을 다양화하여 기존의 모델보다 정확도가 개선된 새로운 혀 영역 분할을 위한 딥러닝 모델을 제안한다. 수용 영역 다양화를 위하여 병렬 컨볼루션, 팽창된 컨볼루션, 상수 채널 증가 등의 방법을 사용하였다. 제안된 딥러닝 모델에 대하여, 학습 영상과 테스트 영상이 유사한 TestSet1과 그렇지 않은 TestSet2의 두 가지 테스트 데이터에 대해 혀 영역검출 실험을 진행하였다. 수용 영역이 다양화됨에 따라 혀 영역 분할 성능이 향상되는 것을 실험결과에서 확인할 수 있었다. 제안한 방법의 mIoU 값은 TestSet1의 경우 98.14%, TestSet2의 경우 91.90%로 U-net, DeepTongue, TongueNet 등 기존 모델의 결과보다 높았다.

• 전자공학회논문지SC
• /
• 제45권6호
• /
• pp.123-131
• /
• 2008

한의학에서 혀의 상태는 인체 내부의 생리적 병리적 변화와 같은 건강 상태를 진단하는 중요한 지표로 활용된다. 혀의 상태를 진단하는 방법(설진)은 편리할 뿐 아니라 비침습적이므로, 한의학에서 널리 활용되고 있다. 하지만, 설진은 광원이나 환자의 자세, 의사의 건강 조건과 같은 검사 환경에 따라 많은 영향을 받는다. 객관적이고 표준화된 진단을 위한 자동 설진 시스템을 개발하기 위하여 촬영된 얼굴 영상으로부터 혀를 영역분할하고 설태를 분류하는 것은 필수적이지만 혀와 입술, 입 근처의 피부색이 서로 유사하므로 쉽지 않은 일이다. 제안된 방법은 전처리 과정과 영역분할, 혀의 구조로부터 발생하는 음영 영역의 지역 최소값 위치 검색, 지역 최소값의 교정, 컬러의 차이를 최대로 하는 위치를 찾는 컬러 경계면 탐색, 척의 기하적인 특성에 일치하는 경계면 선택, 경계면 평활화로 구성되어 있으며, 여기서 전처리 과정은 계산량의 감소를 위한 부 표본화, 히스토그램 평활화, 경계면 강화를 수행한다. 이러한 시스템적인 과정을 거치면, 영역분할된 혀를 획득할 수 있게 된다. 제안된 방법으로 분할된 영역은 초과적으로 혀가 아닌 영역을 제외해 낼 뿐 아니라 정확한 진단을 위해 중요한 정보를 제공함을 한의사의 진단 유효도 평가점수를 통해 확인할 수 있었다. 제안된 방법은 진단의 객관화와 표준화에 기여할 뿐만 아니라 u-Healthcare 시스템에도 활용 가능하다.

• 한국정보전자통신기술학회논문지
• /
• 제13권5호
• /
• pp.313-322
• /
• 2020

많은 양의 데이터는 딥 러닝 모델의 견고성을 향상시키고 과적합 문제를 방지할 수 있게 해준다. 자동 혀 분할에서, 혀 영상 데이터 세트를 실제로 수집하고 라벨링하는 데에는 많은 어려움이 수반되므로 많은 양의 혀 영상 데이터를 사용하기 쉽지 않다. 데이터 증강은 새로운 데이터를 수집하지 않고 레이블 보존 변환을 사용하여 학습 데이터 세트를 확장하고 학습 데이터의 다양성을 증가시킬 수 있다. 이 논문에서는 이미지 자르기, 회전, 뒤집기, 색상 변환과 같은 7 가지 데이터 증강 방법을 사용하여 확장된 혀 영상 학습 데이터 세트를 생성하였다. 데이터 증강 방법의 성능을 확인하기 위하여 InceptionV3, EfficientNet, ResNet, DenseNet 등과 같은 전이 학습 모델을 사용하였다. 실험 결과 데이터 증강 방법을 적용함으로써 혀 분할의 정확도를 5~20% 향상시켰으며 기하학적 변환이 색상 변환보다 더 많은 성능 향상을 가져올 수 있음을 보여주었다. 또한 기하학적 변환 및 색상 변환을 임의로 선형 조합한 방법이 다른 데이터 증강 방법보다 우수한 분할 성능을 제공하여 InveptionV3 모델을 사용한 경우에 94.98 %의 정확도를 보였다.

• 한국정보통신학회논문지
• /
• 제19권2호
• /
• pp.428-434
• /
• 2015

본 논문에서는 미각영역별 색상분석에 의한 새로운 한의학적 설진 시스템을 제안한다. 시스템의 전체 구성은 혀 모양의 영상입력 탬플릿 범위 설정 및 영상획득, 미각영역별 분할, 분할된 영역에 대하여 H-S 히스토그램을 이용한 색상분석 및 이상 유무 판별, 모바일 앱과의 연동으로 구성된다. 혀 영역으로부터 짠맛, 신맛, 단맛, 쓴맛의 네 가지 영역으로 나누어 분할하고, RGB 컬러영상을 HSI 컬러영상으로 변환하였다. 색상분석은 HSI 모델을 이용하였는데, 주변 조도의 영향을 최소화하기 위하여 I(Intensity)값을 제외한 H(Hue)와 S(Saturation) 성분의 히스토그램을 이용하여 색상을 분석하였다. 분석된 결과를 이용하여 정상태 히스토그램의 범위를 기준으로 이상 유무를 판별한다. 마지막으로 제안한 알고리즘을 모바일 앱과 연동하여, 시간과 장소에 구애받지 않고 사용할 수 있는 설진 자가진단 시스템을 제안하였다.