• 대한치과보철학회지
• /
• 제55권1호
• /
• pp.79-87
• /
• 2017

전치부 개방 교합은 다양한 원인이 복합적으로 작용하고, 진단에 따라 효과적인 치료 계획과 적절한 유지 방법을 선택할 수 있다. 대부분의 경우 교정과 악교정 수술을 통해 안정적인 교합을 얻고, 기능과 심미를 회복한다. 하지만 전체 치열에서 심한 우식증이 있는 경우 광범위한 수복이 필요하게 되므로, 보철 수복을 통해서도 교합을 재형성할 수 있다. 본 증례는 심한 우식을 동반한 골격성 전치부 개방 교합 환자에서 안모 분석 및 진단 납형으로부터 가장 효과적인 치료로 전악 보철 수복을 선택하였다. 교합력을 균등하게 분산하고 심미적인 임시 수복물을 제작하였고, 악간 관계 평가, 혀 등 연조직의 적응, 입술과의 조화를 관찰하고 수정하였다. 충분한 기간 동안 사용한 임시 수복물을 CAD/CAM (Computer-aided design/computer-aided manufacturing)을 이용하여 단일구조 지르코니아 최종 보철물로 이행하였고, 치료 종결 후 3개월 간 주기적으로 관찰하였을 때 만족스러운 결과를 얻었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2004년도 춘계학술발표대회
• /
• pp.703-706
• /
• 2004

나선형 CT 혈관촬영에서 획득한 영상의 분석를 통해서 폐색전증이 의심되는 부위를 자동으로 검출하는 방법으로, 연구 대상은 20명의 환자를 대상으로 분석하였으며 CT 검사 후 방사선과 의사가 정상소견을 받은 환자 5명과 폐색전증이 있는 판독소견을 가진 15명을 대상으로 비교 분석하였다. CT 검사하는 동안에 조영제를 투입하면, 폐색전증이 발생한 부위는 조영제 양과 분포가 불균등하여 명암값이 낮게 검출된다. 검출방법으로는 전처리 작업으로 폐영역만을 분할하고, 분할된 폐영역에서 혈관을 찾기 위해 모폴로지기법를 적용하여 세선화(thinning) 작업을 진행한다. 다음 공정으로는 경계선을 찾아 local watershed를 적용하여 혈관을 검출하고, 검출된 혈관내에서 원형모델을 적용하여 모폴로지(morphology)을 통해 국소 부위의 미세한 농도변화를 인지하여 색전이 발생한 영역을 자동검출하였다. 본 논문의 자동검출시스템에서는 색전증이 있는 경우에 true positive의 발생빈도는 case 당 4.5개가 검출되었다. 정상인의 경우에도 혈류의 흐름, 혈류의 분기점, 노이즈로 인한 false positive의 빈도는 case 당 2.6개가 발생하여 전체적으로 false positive는 5.2개가 검출되었다. 본 논문은 false positive의 비율이 높게 검출되었지만 폐영역 CT 검사의 컴퓨터지원진단시스템(computer aided diagnosis)의 향후 연구과제에 방향을 제시할 수 있을 것이라 사료된다.

• 한국콘텐츠학회논문지
• /
• 제15권3호
• /
• pp.184-191
• /
• 2015

전립선 초음파영상은 전립선암, 전립선비대증, 전립선염을 진단하고 전립선암의 생검과 전립선비대에서 전립선 크기 확인 등을 위해서 사용된다. 전립선비대증은 노인 남성의 가장 흔한 질병 중의 하나이다. 전립선은 주변구역, 중심구역, 이행구역과 전방 섬유근 간질부분 4개 구획으로 나누어진다. 전립선비대증은 조직학적으로 전립선 이행구역에서 결절성 증식을 동반한 요도주위의 진행성 과증식이 특징으로 이 결절로 인한 요도 폐쇄를 야기함에 따라 하부요로 증상을 유발한다. 그러므로 본 연구에서는 정상 전립선 이행구역 영상과 전립선비대 이행구역 영상에 대한 컴퓨터 알고리즘을 이용하여 정량적인 분석을 하였다. GLCM을 적용하여 정상영상 60증례와 전립선비대증영상 60증례을 분석영역($50{\times}50$ 픽셀)으로 설정하고, 각 영상에서 Autocorrelation, Contrast, Cluster Prominence, Entropy, Max Probability, Sum average 6가지 파라미터를 비교하여 분석하였다. 결과적으로 Autocorrelation, Cluster Prominence, Entropy, Sum Average 4개의 파라미터에서는 병변의 질감 검출 효율이 92-98%로 높게 나왔다. 이에 전립선 이행구역의 결절성 증식 변화를 정량적인 영상분석으로 확인 할 수 있었다. 향후 전립선비대증 진단에 있어 2차적인 수단으로 가능할 것으로 기대되며, 다양한 전립선 초음파 영상에 있어 기초 자료가 될 것으로 사료된다.

• Transactions on Electrical and Electronic Materials
• /
• 제15권4호
• /
• pp.230-234
• /
• 2014

Automatic detection of disease helps medical institutions that are introducing digital images to read images rapidly and accurately, and is thus applicable to lesion diagnosis and treatment. The aim of this study was to apply a symmetry contribution algorithm to unsharp mask filter-applied MR images and propose an analysis technique to automatically recognize brain tumor and edema. We extracted the skull region and drawed outline of the skull in database of images obtained at P University Hospital and detected an axis of symmetry with cerebral characteristics. A symmetry contribution algorithm was then applied to the images around the axis of symmetry to observe intensity changes in pixels and detect disease areas. When we did not use the unsharp mask filter, a brain tumor was detected in 60 of a total of 95 MR images. The disease detection rate for the brain was 63.16%. However, when we used the unsharp mask filter, the tumor was detected in 87 of a total of 95 MR images, with a disease detection rate of 91.58%. When the unsharp mask filter was used in the pre-process stage, the disease detection rate for the brain was higher than when it was not used. We confirmed that unsharp mask filter can be used to rapidly and accurately to read many MR images stored in a database.

• 대한의용생체공학회:의공학회지
• /
• 제30권2호
• /
• pp.153-161
• /
• 2009

Mammogram is one of the important techniques for mass detection, which is the early diagnosis stage of a breast cancer. Especially, the CAD(Computer Aided Diagnosis) using mammogram improves the working performance of radiologists as it offers an effective mass detection. There are two types of CAD systems using mammogram; automatic and semi-automatic CAD systems. However, the automatic segmentation is limited in performance due to the difficulty of obtaining an accurate segmentation since mass occurs in the dense areas of the breast tissue and has smoother boundaries. Semi-automatic CAD systems overcome these limitations, however, they also have problems including high FP (False Positive) rate and a large amount of training data required for training a classifier. The proposed system which overcomes the aforementioned problems to detect mass is composed of the suspected area selection, the level set segmentation and SVM (Support Vector Machine) classification. To assess the efficacy of the system, 60 test images from the FFDM (Full-Field Digital Mammography) are analyzed and compared with the previous semi-automatic system, which uses the ANN classifier. The experimental results of the proposed system indicate higher accuracy of detecting mass in comparison to the previous systems.

• Journal of Multimedia Information System
• /
• 제9권1호
• /
• pp.21-32
• /
• 2022

Early-stage diagnosis of Alzheimer's Disease (AD) from Cognitively Normal (CN) patients is crucial because treatment at an early stage of AD can prevent further progress in the AD's severity in the future. Recently, computer-aided diagnosis using magnetic resonance image (MRI) has shown better performance in the classification of AD. However, these methods use a traditional machine learning algorithm that requires supervision and uses a combination of many complicated processes. In recent research, the performance of deep neural networks has outperformed the traditional machine learning algorithms. The ability to learn from the data and extract features on its own makes the neural networks less prone to errors. In this paper, a dense neural network is designed for binary classification of Alzheimer's disease. To create a classifier with better results, we studied result of different activation functions in the prediction. We obtained results from 5-folds validations with combinations of different activation functions and compared with each other, and the one with the best validation score is used to classify the test data. In this experiment, features used to train the model are obtained from the ADNI database after processing them using FreeSurfer software. For 5-folds validation, two groups: AD and CN are classified. The proposed DNN obtained better accuracy than the traditional machine learning algorithms and the compared previous studies for AD vs. CN, AD vs. Mild Cognitive Impairment (MCI), and MCI vs. CN classifications, respectively. This neural network is robust and better.

• International Journal of Heart Failure
• /
• 제6권1호
• /
• pp.11-19
• /
• 2024

The prevalence of heart failure (HF) is increasing, necessitating accurate diagnosis and tailored treatment. The accumulation of clinical information from patients with HF generates big data, which poses challenges for traditional analytical methods. To address this, big data approaches and artificial intelligence (AI) have been developed that can effectively predict future observations and outcomes, enabling precise diagnoses and personalized treatments of patients with HF. Machine learning (ML) is a subfield of AI that allows computers to analyze data, find patterns, and make predictions without explicit instructions. ML can be supervised, unsupervised, or semi-supervised. Deep learning is a branch of ML that uses artificial neural networks with multiple layers to find complex patterns. These AI technologies have shown significant potential in various aspects of HF research, including diagnosis, outcome prediction, classification of HF phenotypes, and optimization of treatment strategies. In addition, integrating multiple data sources, such as electrocardiography, electronic health records, and imaging data, can enhance the diagnostic accuracy of AI algorithms. Currently, wearable devices and remote monitoring aided by AI enable the earlier detection of HF and improved patient care. This review focuses on the rationale behind utilizing AI in HF and explores its various applications.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 1999년도 가을 학술발표논문집 Vol.26 No.2 (2)
• /
• pp.425-427
• /
• 1999

본 논문에서는 시간 간격을 두고 활영한 흉부의 단순 x선 영상의 차영상을 이용하여 컴퓨터 도움 진단에 활용할 수 있는 방법에 대해 연구하였다. 시간 간격을 두고 촬영한 흉부 단순 x선 영상의 차영상은 시간에 따른 변화를 명확히 보여줌으로써 질병의 조기진단 및 질병의 전개과정 등을 알아보는데 유용하게 쓰일 수 있다. 특히, 이 방법은 폐암과 같이 조기진단이 매우 어려운 질병에 대하여 정기검진 등에서 정기적으로 촬영한 단순 x선 영상을 이용하여 조기진단을 할 수 있는 방법으로 활용될 수 있다. 그러나, 촬영시의 여러 가지 조건들, x선의 세기와 조영시간, 환자의 촬영 자세 및 호흡 상태 등에 따라 단순 x선 영상이 크게 달라져 단순한 뺄셈에 의한 차영상은 진단에 도움이 되지 못한다. 진단에 도움을 주기 위해서는 두 영상 사이의 전체적인 밝기와 대조도를 맞추고 늑골, 쇄골 등 해부학적 구조물의 위치와 크기를 서로 맞추어 차영상을 얻는 영상처리 방법이 필요하다. 또한, 폐의 크기와 위치도 서로 맞추어 차영상을 얻어야 한다. 그러나, 이러한 방법도 늑골과 폐의 크기와 위치 변화가 서로 일치하지 않는 문제점을 가지고 있다. 본 논문에서는 이러한 영상처리를 통하여 차영상을 얻는 방법에 대하여 논하고 방법상의 문제점과 해결 방법을 제시한다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2003년도 ICCAS
• /
• pp.2352-2355
• /
• 2003

In recent yeas, studies on computer aided diagnosis (CAD) using image analysis on CT images have been conducted with respect to various diseases. Extracting ground-glass opacities (GGO) on lung CT images is one of such subjects, though it has not found an established method yet. If the region of ground-glass opacities is large on CT images, it can be detected without much difficulty. On the other hand, if the region is small, it is still difficult to find it exactly. In the latter case, increasing overlooking possibility cannot be avoided according to smaller size of the region. To solve this difficulty, this paper proposes an automatic technique for extracting ground-glass opacities on lung CT images employing some statistical parameters of a gray level histogram and a differential histogram. The proposed technique is applied to some lung CT images in the performed experiment. The results are shown with discussion on future work.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2002년도 가을 학술발표논문집 Vol.29 No.2 (2)
• /
• pp.553-555
• /
• 2002

컴퓨터지원진단(Computer Aided Diagnosis; CAD) 시스템은 방사선 의사들이 흉부 X-ray 영상에서 결절을 탐지하는데 있어 실제적으로 발생할 수 있는 오진율을 줄이고, 폐 결절이 존재하는 폐야에서 결절의 존재 유무를 판단하여 검출을 표시함으로써 진단율을 개선시킬 수 있도록 하였다. 본 논문은 흉부 X-ray 영상에서의 폐 결절을 추출하는데 유전자 알고리즘(Genetic Algorithm)을 이용한 템플릿 매칭(Template Matching) 방법을 제안한다. 제안한 방법은 흉부 X-ray 영상에 존재하는 결절과 레퍼런스 이미지를 매칭시켜 적합도를 계산한 후, 그 값을 통하여 수치가 낮은 개체를 선택하여 높은 개체와 교차시킨다. 그리고 레퍼런스 이미지는 결절이 존재하는 환자 X-ray 영상에서 샘플 노듈을 추출한 후 가우시안 분포를 갖는 512개의 레퍼런스 이미지를 생성하였다. 본 논문에서 사용된 영상은 결절 50개, 비결절 30개와 흉부 X-ray 영상에서 육안으로 판별이 가능한 결절 영상을 20개를 포함하여 총 100개 영상을 사용하였다. 실험 결과 83%의 결절을 자동 추출 하였으며, 가장 적절한 레퍼런스 이미지를 발견하고 이를 흉부영상에 매칭시켜 정확한 결절의 위치를 확인하였다.