• Journal of Radiation Protection and Research
• /
• 제47권3호
• /
• pp.111-133
• /
• 2022

The exciting advancement related to the "modeling of digital human" in terms of a computational phantom for radiation dose calculations has to do with the latest hype related to deep learning. The advent of deep learning or artificial intelligence (AI) technology involving convolutional neural networks has brought an unprecedented level of innovation to the field of organ segmentation. In addition, graphics processing units (GPUs) are utilized as boosters for both real-time Monte Carlo simulations and AI-based image segmentation applications. These advancements provide the feasibility of creating three-dimensional (3D) geometric details of the human anatomy from tomographic imaging and performing Monte Carlo radiation transport simulations using increasingly fast and inexpensive computers. This review first introduces the history of three types of computational human phantoms: stylized medical internal radiation dosimetry (MIRD) phantoms, voxelized tomographic phantoms, and boundary representation (BREP) deformable phantoms. Then, the development of a person-specific phantom is demonstrated by introducing AI-based organ autosegmentation technology. Next, a new development in GPU-based Monte Carlo radiation dose calculations is introduced. Examples of applying computational phantoms and a new Monte Carlo code named ARCHER (Accelerated Radiation-transport Computations in Heterogeneous EnviRonments) to problems in radiation protection, imaging, and radiotherapy are presented from research projects performed by students at the Rensselaer Polytechnic Institute (RPI) and University of Science and Technology of China (USTC). Finally, this review discusses challenges and future research opportunities. We found that, owing to the latest computer hardware and AI technology, computational human body models are moving closer to real human anatomy structures for accurate radiation dose calculations.

• 한국전자통신학회논문지
• /
• 제8권1호
• /
• pp.191-197
• /
• 2013

방사선과 의사들은 CT 및 MRI 스캐너로부터 얻어진 인체의 단면 영상을 연속적으로 보고 실제 3차원적으로 인체가 어떻게 구성되어 있는지를 상상하여 병변을 구별하는데, 의학영상을 이용한 인체 장기의 3차원 시각화는 2차원 형태의 인체 단면 영상들을 복잡한 알고리즘이나 고성능의 컴퓨팅 파워를 사용하여 실제 인체와 같이 3차원으로 재구성하여 보여준다. 단면 영상의 추적, 관심영역의 표시 및 추출등과 같은 2차원 영상분석은 시간이 많이 소모되고, 주관적일 수가 있으며, 수작업인 관계로 빈번한 에러가 발생하는 단점을 가지는데, 이와 같은 2차원 의료 영상 분석의 단점을 보완하기 위해 의학영상처리 기술과 접목한 3차원 의료 영상의 시각화는 필수적이라 할 수 있다. 명암값 임계치 방법, 영역확장(region growing) 방법, 윤곽선(contour) 추출 방법 및 변형모델(deformable model) 방법을 사용하여 인체의 각 장기를 분리하였으며, 텍스쳐분석(texture analysis)을 통하여 고안된 특징자를 이용하여 암 부분을 인식하는데 사용하였고, 원근투영(perspective projection) 및 볼륨 데이터의 표면을 렌더링하기 위해 마칭큐브(marching cube) 알고리즘을 사용하였다. 인체 및 분리된 장기에 대한 3차원 시각화는 방사선치료계획(radiation treatment planning), 외과 수술계획, 모의수술, 중재적(interventional)시술 및 영상유도수술(image guided surgery)에 효과적으로 사용될 수 있다.

• 인터넷정보학회논문지
• /
• 제21권3호
• /
• pp.103-111
• /
• 2020

Liver cancer is the most fatal cancer that occurs worldwide. In order to diagnose liver cancer, the patient's physical condition was checked by using a CT technique using radiation. Segmentation was needed to diagnose the liver on the patient's abdominal CT scan, which the radiologists had to do manually, which caused tremendous time and human mistakes. In order to automate, researchers attempted segmentation using image segmentation algorithms in computer vision field, but it was still time-consuming because of the interactive based and the setting value. To reduce time and to get more accurate segmentation, researchers have begun to attempt to segment the liver in CT images using CNNs, which show significant performance in various computer vision fields. The pixel value, or numerical value, of the CT image is called the Hounsfield Unit (HU) value, which is a relative representation of the transmittance of radiation, and usually ranges from about -2000 to 2000. In general, deep learning researchers reduce or limit this range and use it for training to remove noise and focus on the target organ. Here, we observed that the range of HU values was limited in many studies but different in various liver segmentation studies, and assumed that performance could vary depending on the HU range. In this paper, we propose the possibility of considering HU value range as a hyper parameter. U-Net and ResUNet were used to compare and experiment with different HU range limit preprocessing of CHAOS dataset under limited conditions. As a result, it was confirmed that the results are different depending on the HU range. This proves that the range limiting the HU value itself can be a hyper parameter, which means that there are HU ranges that can provide optimal performance for various models.

• 한국차세대컴퓨팅학회논문지
• /
• 제15권4호
• /
• pp.40-50
• /
• 2019

최근에는 증강 현실 기술과 가상 현실 기술이 사용되는 의료 영상 분야에서 Low-end 시스템에 대한 정확한 인체 모델을 시각화하는 것이 중요하다. 모델의 기하구조를 줄이면 원래 모양과 다른 점이 나타나고 그 차이를 오류로 간주한다. 따라서 기하구조를 축소하면서 오류를 최소화해야 한다. 본 연구에서는 CT 나 MRI 등의 단층 영상에서 인체 장기에 해당하는 영역을 분할하여 3 차원 기하학적 모델을 생성함으로써 다중 해상도의 상세 단계 모델의 재구성 방법을 구현했다. 실험에서 가상 현실 플랫폼은 척추 영역을 재구성한 모델의 모양을 검증하기 위해 구축되었다. 가상 현실 플랫폼을 이용하여 3D 인체 모델과 환자 정보를 확인할 수 있다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권1호
• /
• pp.51-58
• /
• 2023

본 논문에서는 X-ray 영상에서 의료 진단지표를 자동으로 추출하기 위한 조직분할 기법을 제안한다. 척추질환이나 심장질환에 대한 진단지표로서, 흉추-심장 비율이나 콥 각도 등의 지표를 산출하기 위해서는 흉부 X-ray 영상으로부터 흉추, 용골 및 심장의 영역을 정확하게 분할하는 과정이 필요하다. 본 연구에서는 이를 위하여 계층별로 영상의 고해상도의 표현과 저해상도의 특징지도로 변환되는 구조가 병렬적으로 연결되는 형태의 심층신경망 모델을 채택하였다. 이러한 구조는 영상에서 세부 조직의 상대적인 위치정보가 분할 과정에 효과적으로 반영될 수 있게 한다. 또한 픽셀 정보와 객체 정보가 다단계의 과정으로 상호 작용되는 OCR 모듈과, 네트워크의 각 채널이 서로 다른 가중치 값으로 반영되도록 하는 채널 어텐션 모듈을 결합하여 학습 성능을 개선할 수 있음을 보인다. 부수적으로 X-ray 영상에서 피사체의 위치 변화, 형태의 변형 및 크기 변이 등에도 강인한 성능을 제공하기 위하여 학습데이터를 증강하는 방법을 제시하였다. 총 145개의 인체 흉부 X-ray 영상과, 총 118개의 동물 X-ray 영상을 사용한 실험을 통하여 제안된 이론의 타당성을 평가하였다.

• International Journal of CAD/CAM
• /
• 제9권1호
• /
• pp.121-128
• /
• 2010

The purpose of this study is to clarify the mechanical behavior of human lumbar vertebrae (L3/L4) with and without fusion bone under physiological axial compression. The author has developed the program code to build the patient specific three-dimensional geometric model from the computed tomography (CT) images. The developed three-dimensional model provides the necessary information to the physicians and surgeons to visually interact with the model and if needed, plan the way of surgery in advance. The processed data of the model is versatile and compatible with the commercial computer aided design (CAD), finite element analysis (FEA) software and rapid prototyping technology. The actual physical model is manufactured using rapid prototyping technique to confirm the executable competence of the processed data from the developed program code. The patient specific model of L3/L4 vertebrae is analyzed under compressive loading condition by the FEA approach. By varying the spacer position and fusion bone with and without pedicle instrumentation, simulations were carried out to find the increasing axial stiffness so as to ensure the success of fusion technique. The finding was helpful in positioning the fusion bone graft and to predict the mechanical stress and deformation of body organ indicating the critical section.

• 한국멀티미디어학회논문지
• /
• 제13권3호
• /
• pp.430-437
• /
• 2010

간이식 수술을 함에 있어서 간 내부의 혈관의 형태를 알고 시작하는 것이 수술의 성공률을 매우 높일 수 있다. 본 논문은 조영제를 투여한 정상 환자의 복부 MDCT를 이용하여 얻어진 영상을 다른 여러 장기부분은 제거하고 간 영상만을 추출한 후 간 내의 혈관들의 기본형태를 파악하여 몇몇 구조단위들을 만들고 Morphological filtering을 이용하여 주요 혈관인 좌, 우, 중간정맥을 찾아낸다. 중간정맥을 기준으로 간 실질을 절단하여 절단된 부분의 크기를 예측하고 수술전에 전체 상황을 파악하기 위한 연구이다. 간의 추출 방법은 명암값의 범위와 분포 샘플링 과정에 의한 명암값 분포비율을 가지고 배경과 근육층을 제거하였다. 간의 대략적인 위치 정보와 몸통의 위치정보를 이용하여 단위 매쉬영상과 일치되는 영상을 찾은 후 결과 영상을 조합하고 8방향 연결성을 이용하여 확장하고 화소간의 채우기 과정을 거쳐 최종적인 간영상을 추출하였다. 추출된 간 영상에서 간 영역의 특징적인 명암값과 다양한 구조단위를 가지고 Morpological Filtering을 수행 한 후 나타난 결과들을 조합하여 만들어진 영상에서 각 슬라이스 별로 크기순으로 큰 부분들을 남겨두어 굵은 혈관만을 추출하였다. 추출된 영상들을 3D로 구성 시 자연스럽게 보여지도록 인터폴레이션을 수행한 후 3D Reconstruction 을 수행하여 3D 형태의 간 혈관을 보고 중간 정맥을 파악하여 간 실질의 절단 위치를 예측하게 된다. 절단되어진 간 실질의 크기를 확인하고 계산에 의하여 수술 성공 가능성을 파악할 수 있다.