• International Journal of Computer Science & Network Security
• /
• 제21권6호
• /
• pp.101-106
• /
• 2021

Breast cancer is the number one cause of deaths from cancer in women, knowing the type of breast cancer in the early stages can help us to prevent the dangers of the next stage. The performance of the deep learning depends on large number of labeled data, this paper presented convolutional neural network for classification breast cancer from images to benign or malignant. our network contains 11 layers and ends with softmax for the output, the experiments result using public BreakHis dataset, and the proposed methods outperformed the state-of-the-art methods.

• International Journal of Computer Science & Network Security
• /
• 제22권3호
• /
• pp.273-275
• /
• 2022

Deep Learning is used nowadays in Nuclei segmentation. While recent developments in theory and open-source software have made these tools easier to implement, expert knowledge is still required to choose the exemplary model architecture and training setup. We compare two popular segmentation frameworks, U-Net and Mask-RCNN, in the nuclei segmentation task and find that they have different strengths and failures. we compared both models aiming for the best nuclei segmentation performance. Experimental Results of Nuclei Medical Images Segmentation using U-NET algorithm Outperform Mask R-CNN Algorithm.

• International Journal of Advanced Culture Technology
• /
• 제10권2호
• /
• pp.252-259
• /
• 2022

Artificial intelligence is used in fusion with image processing techniques using cameras. Image processing technology is a technology that processes objects in an image received from a camera in real time, and is used in various fields such as security monitoring and medical image analysis. If such image processing reduces the accuracy of recognition, providing incorrect information to medical image analysis, security monitoring, etc. may cause serious problems. Therefore, this paper uses a mixture of YOLOv4-tiny model and image processing algorithm and uses the COCO dataset for learning. The image processing algorithm performs five image processing methods such as normalization, Gaussian distribution, Otsu algorithm, equalization, and gradient operation. For RGB images, three image processing methods are performed: equalization, Gaussian blur, and gamma correction proceed. Among the nine algorithms applied in this paper, the Equalization and Gaussian Blur model showed the highest object detection accuracy of 96%, and the gamma correction (RGB environment) model showed the highest object detection rate of 89% outdoors (daytime). The image binarization model showed the highest object detection rate at 89% outdoors (night).

• International Journal of Computer Science & Network Security
• /
• 제23권5호
• /
• pp.53-64
• /
• 2023

Early detection of endometrial carcinoma in uterus is essential for effective treatment. Endometrial carcinoma is the worst kind of endometrium cancer among the others since it is considerably more likely to affect the additional parts of the body if not detected and treated early. Non-invasive medical computer vision, also known as medical image processing, is becoming increasingly essential in the clinical diagnosis of various diseases. Such techniques provide a tool for automatic image processing, allowing for an accurate and timely assessment of the lesion. One of the most difficult aspects of developing an effective automatic categorization system is the absence of huge datasets. Using image processing and deep learning, this article presented an artificial endometrium cancer diagnosis system. The processes in this study include gathering a dermoscopy images from the database, preprocessing, segmentation using hybrid Fuzzy C-Means (FCM) and optimizing the weights using the Whale Optimization Algorithm (WOA). The characteristics of the damaged endometrium cells are retrieved using the feature extraction approach after the Magnetic Resonance pictures have been segmented. The collected characteristics are classified using a deep learning-based methodology called Long Short-Term Memory (LSTM) and Bi-directional LSTM classifiers. After using the publicly accessible data set, suggested classifiers obtain an accuracy of 97% and segmentation accuracy of 93%.

• 대한디지털의료영상학회논문지
• /
• 제7권1호
• /
• pp.33-38
• /
• 2005

Modern hospitals have been greatly facilitated with information technology (IT) such as hospital information system (HIS). One of the most prominent achievements is medical imaging and image data management so-called Picture Archiving and Communication Systems (PACS). Due to inevitable use of diagnostic images (such as X-ray, CT, MRI), PACS made tremendous impact not only on radiology department but also nearly all clinical departments for exchange and sharing image related clinical information. There is no doubt that better use of PACS leads to highly efficient clinical administration and hospital management. However, due to rapid and widespread acceptance of PACS storage and management of digitized image data in hospital introduces overhead and bottleneck when transferring images among clinical departments within and/or across hospitals. Despite numerous technical difficulties, financing for installing PACS is a major hindrance to overcome. In addition, a mirroring or a clustering backup can be used to maximize security and efficiency, which may not be considered as cost-effective approach because of extra hardware expenses. In this study therefore we have developed a new based on grid of distributed PACS in order to balance between the cost and network performance among multiple hospitals.

• 한국정보통신학회논문지
• /
• 제12권11호
• /
• pp.1980-1986
• /
• 2008

디지털 워터마크 기법은 음악, 영상, 동영상에 대한 저작권과 재산권의 보호 및 인증, 데이터 손실 여부 판단, 복사 방지 및 추적 등을 목적으로 한 사후 재산권의 보호 기술로 제안되었다. 본 연구에서는 워터마크의 기하학적인 왜곡에 대한 공격에 견고하게 하도록 영상의 전 처리 과정을 거친다. 그리고 선택된 기하학적인 불변 점을 골라 여러가지 영상처리에 강인하며 일정 기간 압축 저장되는 영상에서도 워터마킹이 유지되도록 워터 쉐드(watershed) 분할 기법을 이용한 의료 영상 보안 알고리즘을 제안한다. 본 논문에서 제안한 워터마킹 알고리즘은 의료 영상에 대한 RST공격, JPEG 압축 공격 그리고 필터링 공격보다 강인함을 확인하였다.

• 대한영상의학회지
• /
• 제83권4호
• /
• pp.759-770
• /
• 2022

인공지능의 연구 개발 및 활용에서 윤리의 중요성이 의료분야뿐 아니라 전 사회적으로 점차 널리 인식되고 있다. 이 종설은 영상의학 영상데이터를 인공지능 연구에 활용할 때 개인정보의 보호 및 데이터에 대한 권리 측면에서 윤리적으로 고려할 사항들에 대해서 국내 독자들에게 실용적인 정보를 제공하고자 한다. 따라서 이 글에 담긴 내용은 많은 부분이 관련된 국내 법과 정부 제도에 바탕을 두고 있다. 인공지능의 연구 개발 및 활용에서 개인정보 보호는 매우 중요한 윤리적 원칙이며 연구 데이터의 적절한 가명처리는 개인정보 보호를 위한 핵심 방법이다. 아울러 인공지능 연구 개발에 의료 데이터를 상업적 이해관계를 최소화하며 윤리적으로 공유할 필요성도 부각되고 있다. 연구 데이터 공유는 개인정보 유출의 위험을 증가시키므로 개인정보 보호에 더욱 주의가 필요하다.

• 한국정보통신학회논문지
• /
• 제24권3호
• /
• pp.371-377
• /
• 2020

현재 사용되고 있는 홍채 카메라는 고가이며 사용적인 부분에서 제한점을 많이 가지고 있다. 기존 홍채 카메라는 새롭게 개발된 소프트웨어와의 연동에 불편함을 가지고 있고, 홍채 촬영 시 발생하는 빛 반사는 의료용으로 사용하기에 부적합하다는 문제점을 갖는다. 따라서 기존 카메라를 이용해 스스로 이미지 촬영을 위해서는 활용이 불가능한 상태이다. 본 논문에서는 스스로 홍채 촬영이 가능하면서 우리의 관심영역을 잘 볼 수 있도록 홍채카메라를 새롭게 구성한다. IoT 디바이스를 이용해 누구나 손쉽게 안경형 홍채카메라를 착용하고 영상을 획득할 수 있으며 획득된 영상은 홍채 분석 프로그램과 연동되어 유전적 약한 부분을 판독해 주는데 활용하고자 한다. 제안된 홍채 카메라 모듈은 영상 촬영시 빛 반사, 흔들림 및 정확한 초점을 자동으로 제공해주기 때문에 영상분석의 정확도를 91.49%까지 높여주고, 정확한 영상입력으로 인해 하나의 이미지 처리시간이 0.007ms로 빠르게 실행됨을 실험을 통해 증명하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제2권7호
• /
• pp.487-494
• /
• 2013

의료 영상 워터마킹은 헬스케어 정보 시스템의 보안 서비스 분야에서 많은 주목을 받고 있다. 본 논문은 워터마킹을 삽입할 최적의 서버 블록 위치 선택을 위한 개선된 퍼지 클러스터링 기법, 이산 웨이블릿 변환 및 이산 코사인 변환을 분할된 회백질 의료 영상에 적용한 블라인드 의료 영상 워터마킹 기법을 제안한다. 모의실험결과, 제안한 워터마킹 기법은 기존의 기법들보다 PSNR과 M-SVD에서 우수한 성능을 보였다. 또한, 제안한 워터마킹 기법은 노이즈 첨가, 필터링, JPEG 압축, 블러링, 히스토그램 균일화, 크로핑과 같은 공격에서도 기존의 기법들보다 정규화된 연관성 값에서 보다 강인함을 보였다.

• 한국정보통신학회논문지
• /
• 제13권12호
• /
• pp.2586-2594
• /
• 2009

디지털 워터마크 기법은 지적 창작물(음악, 영상, 동영상)에 대한 저작권과 재산권의 보호 및 인증, 데이터 손실 여부 판단, 복사 방지 및 추적 등을 목적으로 한 사후 재산권의 보호 기술로 제안되었다. 본 연구에서는 워터마크의 기하학적인 왜곡에 대한 공격에 견고하게 하도록 영상의 전처리 과정을 거친 후 선택된 기하학적인 불변점을 골라 그 점을 중심으로 워터마크를 삽입하여 추출한다. 특히 의료 영상의 병변 관찰을 위해 발생된 RST(Rotation Scale, Translation) 변환 및 여러 가지 영상처리에 강인하며 일정 기간 압축 저장되는 영상에서도 워터마킹이 유지되도록 워터쉐드(watershed) 분할 방법을 통한 견고한 워터 마킹 알고리즘을 제안 하였다. 이를 통해 본 논문에서 제안한 워터마킹 알고리즘은 의료 영상에 대한 JPEG압축공격, RST공격, 그리고 필터링 공격보다 강인함을 확인하였다.