• 한국컴퓨터산업학회논문지
• /
• 제8권2호
• /
• pp.141-146
• /
• 2007

고해상도를 갖는 의료영상은 PACS에서 저장 및 전송된다. 본 연구에서는 심장조영상 부호화에 대해 연구하며 특히 심장조영상에서 조영제 투입과 빠른 복호화로 인한 급작스런 영상의 변화에 적응하면서 구획화 현상 및 에지저하를 제거할 수 있는 기술을 개발하였다. 향상된 성능을 갖는 연구결과를 얻었지만 움직임 예측기법에 대한 연구가 좀 더 진행되어야 할 것이다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제23권1호
• /
• pp.49-55
• /
• 2017

심장 CT 혈관 조영 영상은 심혈관의 전체 해부학 구조를 3D 로 보여줄 뿐 아니라 병변의 정보를 제공하기 때문에 관상동맥 질환 진단 및 치료에 많이 사용되고 있다. 하지만 영상의 방대한 크기로 인해 수동으로 정보를 추출하는 데는 한계가 있어 자동으로 심혈관을 정확하게 추출하는 연구들이 활발히 진행되고 있다. 심혈관 자동 추출 알고리즘을 개발하는데 있어 심혈관의 시작점인 상행대동맥의 심문을 검출하는 방법은 필수적인 부분이다. 본 논문에서는 심혈관의 시작점인 심문을 분할하는 방법을 제안한다. 첫째, 상행대동맥의 크기와 위치를 고려한 허프변환으로 대동맥 초기영역을 검출한다. 둘째, 초기영역을 기반으로 탐색범위를 줄일 수 있도록 관심 볼륨 영역을 설정한다. 셋째, 지오데식 활성외곽선 모델을 기반으로 정제된 대동맥 영역을 검출한다. 마지막으로 검출된 대동맥 영역에서 심문을 분할한다. 제안방법의 평가를 위해 20 개의 심장 CT 혈관 조영 영상에서 전문가가 수동으로 표기한 시작점과 비교 분석하였다. 실험 결과 제안방법을 통해 시작점이 제대로 추출 됨을 확인할 수 있었다.

• 한국방사선학회논문지
• /
• 제3권2호
• /
• pp.5-10
• /
• 2009

심근영상의 SPECT(Single Photon Emission Computed tomography)검사는 감마선을 방출하는 방사성의약품을 환자에게 정맥주사한 후 이 의약품이 심장에 고루 퍼지면 관심부위를 촬영하여 질병으로 인한 변화를 컴퓨터를 이용하여 진단하는 검사법이다. 기능적인 정보를 담고 있는 심근관류 영상은 비침습적인 심근질환 검사에 유용한 방법이지만, 물리적 인자들에 의해 잡음과 낮은 해상도는 판도하는데 어려움을 주게 된다. 본 논문은 심근영상을 레벨 셋 알고리즘을 이용하여 영상을 분할하고 분할된 영역을 3차원으로 구현하여 판독에 도움을 주는 방안을 제안하였다. 판독의 어려움을 해결하기 위하여 레벨 셋을 이용하여 관심부위인 좌심실 영역을 분할하였고 분할된 영역을 3차원영상으로 모델링하였다.

• 대한의용생체공학회:학술대회논문집
• /
• 대한의용생체공학회 1992년도 추계학술대회
• /
• pp.65-68
• /
• 1992

흉부 X선 영상을 판독함에 있어서 중요한 정보중의 하나로 폐실질의 조직 특성이 이용된다. X선 영상에서 뼈 혹은 심장, 굵은 혈관등은 X선의 투과율이 적어 시각적으로 밝고 균일한 재질로 나타나며, 공기가 채워져 있는 폐실질은 어둡고 산소/이산화탄소 교환에 관계되는 미세한 조직들에 따라 균일하지 않은 재질로 나타나는 특성을 보이고 있다. 본 연구에서는 공간적인 주위조직의 경보를 이영하여 현지의 부분을 예측하여 인식하도록 수정된 경쟁 순환 신경망을 이용하여 흉부 X선 영상에서의 순수한 폐실질 부위를 영역 분할한다.

• 한국시뮬레이션학회:학술대회논문집
• /
• 한국시뮬레이션학회 2005년도 추계학술대회 및 정기총회
• /
• pp.130-137
• /
• 2005

본 논문은 심장이 수축$\cdot$이완함에 따라 그 형태와 위치가 변하는 관상동맥의 구조와 그 움직임을 사실적으로 표현하기 위한 매개변수적 모델링 기법을 제안한다. 완성된 모델은 관상동맥의 움직임을 관찰함으로써 심장질환 판단에 도움을 주고, 심장시술 시뮬레이션 및 시술계획수립에 사용될 수 있다. 매개변수적 기법으로 생성된 모델은 메쉬 정점의 인덱스만으로 모델간 매칭을 위한 대응점을 찾을 수 있으므로, 시간대별로 달라지는 정점의 위치를 쉽게 추적함으로써 모델의 움직임을 표현할 수 있다. 그러나 이러한 기법으로 생성된 모델은 분리, 접합 등의 변형조작이 어렵고, 트리형태 객체에 적용하기 힘든 단점이 있다. 본 논문에서는 이를 극복하기 위해 분할된 혈관영역의 골격데이타에서 찾아낸 분기점을 중심으로 Generalized Cylinder를 이용하여 실린더 형태의 각 혈관세그먼트를 모델링 한 후, 분기영역을 3개의 하프파이프(half pipe)와 2개의 삼각형 패치로 연결하여 모델링하였다. 완성된 모델은 다시점 관상동맥데이터에 적용하였고, 각 시점에서 구해진 정점의 위치를 선형보간함으로써 부드러운 혈관의 움직임을 나타내었다.

• 한국산학기술학회논문지
• /
• 제11권6호
• /
• pp.2240-2245
• /
• 2010

심근영상의 SPECT(Single Photon Emission Computed tomography)검사는 감마선을 방출하는 방사성의약품을 환자에게 정맥주사한 후 이 의약품이 심장에 고루 퍼지면 관심부위를 촬영하여 질병으로 인한 변화를 컴퓨터를 이용하여 진단하는 검사법이다. 기능적인 정보를 담고 있는 심근관류 영상은 비침습적인 심근질환 검사에 유용한 방법이지만, 물리적 인자들에 의해 잡음과 낮은 해상도는 판도하는데 어려움을 주게 된다. 본 논문은 심근영상을 레벨 셋 알고리즘을 이용하여 영상을 분할하고 분할된 영역을 3차원으로 구현하여 판독에 도움을 주는 방안을 제안하였다. 판독의 어려움을 해결하기 위하여 레벨 셋을 이용하여 관심부위인 좌심실 영역을 분할하였고 분할된 영역을 3차원영상으로 모델링 하였다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 1999년도 추계종합학술대회 논문집
• /
• pp.517-520
• /
• 1999

In this paper, we propose a non-invasive method to estimate blood velocity from the real medical images. To measure the magnitude and direction components associated with the blood velocity, we apply the optical flow analysis algorithm. It is demonstrated that the accuracy of the blood velocity estimate could possibly be increased by segmenting the optical flow region. We call this the Region Optical Flow(ROF) algorithm. We carried out some preliminary experiments using the aorta medical images, and corresponding regional optical flow diagrams are provided.

• 대한방사선기술학회지:방사선기술과학
• /
• 제45권2호
• /
• pp.151-158
• /
• 2022

The Cardiac Gated Blood Pool (GBP) scintigram, a nuclear medicine imaging, calculates the left ventricular Ejection Fraction (EF) by segmenting the left ventricle from the heart. However, in order to accurately segment the substructure of the heart, specialized knowledge of cardiac anatomy is required, and depending on the expert's processing, there may be a problem in which the left ventricular EF is calculated differently. In this study, using the DeepLabV3 architecture, GBP images were trained on 93 training data with a ResNet-50 backbone. Afterwards, the trained model was applied to 23 separate test sets of GBP to evaluate the reproducibility of the region of interest and left ventricular EF. Pixel accuracy, dice coefficient, and IoU for the region of interest were 99.32±0.20, 94.65±1.45, 89.89±2.62(%) at the diastolic phase, and 99.26±0.34, 90.16±4.19, and 82.33±6.69(%) at the systolic phase, respectively. Left ventricular EF was calculated to be an average of 60.37±7.32% in the ROI set by humans and 58.68±7.22% in the ROI set by the deep learning segmentation model. (p<0.05) The automated segmentation method using deep learning presented in this study similarly predicts the average human-set ROI and left ventricular EF when a random GBP image is an input. If the automatic segmentation method is developed and applied to the functional examination method that needs to set ROI in the field of cardiac scintigram in nuclear medicine in the future, it is expected to greatly contribute to improving the efficiency and accuracy of processing and analysis by nuclear medicine specialists.

• 한국정보통신학회논문지
• /
• 제17권12호
• /
• pp.3001-3008
• /
• 2013

심음도(PCG, Phonocardiogram) 분석을 이용하여 심장의 판막과 관련된 질환을 진단하기 위해서는 먼저 심음 분할을 위해 심음의 주성분인 S1과 S2를 정확하게 찾아야 한다. 본 논문에서는 심음포락선의 모멘트 특성을 분석하고 이를 심음 분할에 적용하였다. 기존의 2차 모멘트를 이용한 심음 분할의 문제점을 분석하고, 심잡음이 있더라도 심음 주성분의 검출이 용이한 3차 모멘트에 기반한 방법을 제안하였다. 심음포락선은 심음 신호의 단구간 에너지를 이용하였으며, 3차 모멘트 궤적의 기울기 정보를 이용하여 심음 주성분을 검출하고 지속시간을 게이팅(gating) 하였다. 다양한 심잡음이 포함된 심음 신호에 대한 실험을 통해 제안한 방법이 기존의 2차 모멘트 기법보다 심잡음의 영향을 적게 받고 심음 주성분의 구간을 정확하게 검출 할 수 있음을 보였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제37권4호
• /
• pp.273-281
• /
• 2010

본 논문에서는 CT 영상에서 밝기값 분포와 기울기 정보를 고려한 방사선 추적 기반의 좌심실 내외벽 자동 분할 기법을 제안한다. 첫째, 심근 내벽 경계는 임계값 기법과 영역확장법으로 분할하고, 꼭지근을 포함하는 위하여 방사형의 방사선 추적 기법을 이용하여 분할한다. 둘째, 심근 외벽 경계는 적응적 기울기 프로파일 내에 심근의 밝기값과 최대 기울기를 갖는 점을 추출한다. 마지막으로, 타원이나 원의 형태를 유지하기 위하여 내외벽의 잘못된 경계점들을 타원방정식으로 선형 보간하고 B-스플라인을 적용하여 최종 분할된 결과를 추출한다. 제안방법의 평가를 위해 육안평가와 정확성 평가, 수행시간을 측정하였다. 정확성 평가를 위하여 임상의의 수동 분할 결과와 제안 방법 분할 결과 간의 평균거리차이와 중복영역비율을 측정하였다. 실험 결과 평균거리차이는 $0.56{\pm}0.24mm$로 측정되었고, 평균 중복영역비율은 평균 $82{\pm}4.2%$로 측정되었다. 제안 방법을 적용한 수행 시간은 평균 1초로 수행을 완료하였다.