• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2019년도 추계학술발표대회
• /
• pp.1019-1022
• /
• 2019

최근의 영상 처리 분야는 딥러닝 기법들의 성능이 입증됨에 따라 다양한 분야에서 이와 같은 기법들을 활용해 영상에 대한 분류, 분석, 검출 등을 수행하려는 시도가 활발하다. 그중에서도 의료 진단 보조 역할을 할 수 있는 의료 영상 분석 소프트웨어에 대한 기대가 증가하고 있는데, 본 연구에서는 캡슐내시경 영상에 주목하였다. 캡슐내시경은 주로 소장 촬영을 목표로 하며 식도부터 대장까지 약 8~10시간 동안 촬영된다. 이로 인해 CT, MR, X-ray와 같은 다른 의료 영상과 다르게 하나의 데이터 셋이 10~15만 장의 이미지를 갖는다. 일반적으로 캡슐내시경 영상을 판독하는 순서는 위장관 교차점(Z-Line, 유문판, 회맹판)을 기준으로 위장관 랜드마크(식도, 위, 소장, 대장)를 구분한 뒤, 각 랜드마크 별로 병변 정보를 찾아내는 방식이다. 그러나 워낙 방대한 영상 데이터를 가지기 때문에 의사 혹은 의료 전문가가 영상을 판독하는데 많은 시간과 노력이 소모되고 있다. 본 논문의 목적은 캡슐내시경 영상의 판독에서 모든 환자에 대해 공통으로 수행되고, 판독하는 데 많은 시간을 차지하는 위장관 랜드마크를 찾는 것에 있다. 이를 위해, 위장관 랜드마크를 식별할 수 있는 CNN 학습 모델을 설계하였으며, 더욱 효과적인 학습을 위해 전처리 과정으로 학습에 방해가 되는 학습 노이즈 영상들을 제거하고 위장관 랜드마크 별 특징 분석을 진행하였다. 총 8명의 환자 데이터를 가지고 학습된 모델에 대해 평가 및 검증을 진행하였는데, 무작위로 환자 데이터를 샘플링하여 학습한 모델을 평가한 결과, 평균 정확도가 95% 가 확인되었으며 개별 환자별로 교차 검증 방식을 진행한 결과 평균 정확도 67% 가 확인되었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2003년도 춘계학술발표논문집 (상)
• /
• pp.595-598
• /
• 2003

본 논문에서는 방사선투영영상을 기존 압축방법인 JPEG 압축과 새로운 표준으로 채택중인 JPEG2000을 적용하여 압축율 및 영상의 품질을 비교 실험하였다. 기존의 의료영상압축 표준의 하나인 JPEG 압축은 압축비율이 높아짐에 따라 블륵킹 현상의 발생으로 원 영상이 회손되는 압축의 한계를 인식하고 있다. 따라서 원 영상의 보호와 압축율 증가의 두 가지 면을 만족시키기 위해 Wavelet 을 사용하는 JPEG2000을 실험 평가하여 의료영상압축에 적용하고자 한다. 실험대상으로 환자 10명 정상인 10명의 투영영상을 사용하였으며, 영상의 품질, 손상도 등을 평가하기 위해 PSNR( Peak Signal to Noise Ratio )과 판독의에 의한 ROC( Receiver Operating Characteristic )분석을 실행하였다. 실험결과, 영상의 품질, 손상도를 평가하기 위한 PSNR 은 15:1 압축에서 $46.05{\pm}1.1dB$의 값을 얻었으며, JPEG의 같은 압축비율에 비해 $1.78{\pm}0.1dB$의 값이 높음을 알 수 있었다. 종합적으로 3명의 판독의에 의해 ROC 분석을 실행한 결과 15:1의 압축비율에서 압축비율과 품질을 종합하였을 때 진단에 적합한 최적 압축비율임을 보였다.

• 한국통신학회논문지
• /
• 제29권6C호
• /
• pp.824-833
• /
• 2004

대역폭과 저장장치의 한계 때문에 의료영상은 전송과 저장 전에 압축되어야 한다. 의료영상 표준인 DICOM(Digital Imaging and Communications in Medicine)은 JPEG 정지영상 압축을 지원하는 구조를 제공한다. 본 논문에서는 의료영상을 JPEG으로 압축하기 위한 방법을 설명하고 JPEG 압축을 위한 두 가지 방법을 제안한다. 첫 번째로 의료영상은 자연영상과는 시각적인 특성이 다르기 때문에, 스펙트럼 분석을 이용한 양자화 테이블을 적응적으로 설계하는 방법을 제안한다. 두 번째로 의료영상은 자연영상과 다르게 픽셀당 비트수가 높기 때문에, 심벌들의 확률분포 특성을 고려한 허프만 테이블을 적응적으로 설계하는 방법을 제안한다. 따라서 본 논문에서는 의료영상에 적합한 양자화 테이블과 허프만 테이블을 설계하는 방법을 제안한다. 실험 결과 JPEG 표준의 양자화 테이블과 수정된 허프만 테이블에 비해 성능이 향상되는 것을 볼 수 있다. 본 논문에서 제안한 방법은 JPEG 표준을 만족하므로, PACS (Picture Archiving and Communications System)에 적용될 수 있다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2002년도 추계종합학술대회
• /
• pp.222-225
• /
• 2002

본 논문은 의료영상 워터마킹에 웨이블릿 패킷을 적용한 연구이다. 웨이블릿 패킷기법을 적용하여 저주파 대역에서 고주파 대역까지 손실을 최소화하므로 의료영상의 분해능을 향상시킨다. 비교분석 실험결과 PSNR은 0.1dB 이상 향상되었고 내구성 평가에서 압축률 60%에서 PSNR이 28dB 이상 얻었다. 결과적으로 의료영상의 화질이 향상되었으며 고의적인 영상왜곡 및 변형 등의 외부 공격에 대해 내구성을 유지하는 결과를 얻었다.

• 한국정보통신학회논문지
• /
• 제10권11호
• /
• pp.1954-1959
• /
• 2006

본 논문에서는 WPAN 환경에서 IEEE 802.15.4a 규격을 활용한 TH UWB-IR 의료영상 전송 시스템을 제안하였다. 또한, 무선 의료영상 전송을 위해 ITU-R M.1225 다중경로 채널 모델을 이용하여 실내 다중경로 페이딩 환경에서의 송수신 성능을 분석하였다. 분석 결과, 제안한 방식은 동일 공간에서 사용되는 의료장비와의 간섭 영향에 관한 문제의 해결이 가능하고 실내 다중경로 페이딩 환경에서 의료영상의 손실을 최소화하면서 저 전력 전송이 가능함을 알 수 있었다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제11권9호
• /
• pp.317-322
• /
• 2022

정보기술의 급격한 발달은 의료 환경에서도 많은 변화를 가져오고 있다. 특히 빅데이터와 인공지능(AI)을 활용한 의료영상 정보 시스템의 빠른 변화를 견인하고 있다. 전자의무기록(EMR)과 의료영상저장전송시스템(PACS)으로 구성된 처방전달시스템(OCS)은 의료 환경을 아날로그에서 디지털로 빠르게 바꾸어 놓았다. PACS는 여러 솔루션과 결합하여 호환, 보안, 효율성, 자동화 등 새로운 발전 방향을 보여주고 있다. 그 중, 영상의 질적 개선을 할 수 있는 빅데이터를 활용한 인공지능(AI)과의 결합이 활발히 진행되고 있다. 특히 딥러닝 기술을 활용하여 의료 영상 판독을 보조할 수 있는 시스템인 AI PACS가 대학과 산업체의 협력으로 개발되어 병원에서 활용되고 있다. 이처럼 의료 환경에서 의료영상 정보 시스템의 빠른 변화에 맞추어 의료시장의 구조적인 변화와 이에 대처할 수 있는 의료정책의 변화도 필요하다. 한편, 의료영상정보는 디지털 의료영상 전송 장치에서 생성되는 DICOM 방식을 기본으로 하고, 생성하는 방법의 차이에 따라 Volume 영상, 단면 영상인 2차원적 영상으로 구분된다. 또한, 최근 많은 의료기관에서는 스마트 병원 서비스를 내세우며 차세대 통합 의료정보시스템의 도입을 서두르고 있다. 차세대 통합 의료정보시스템은 EMR을 바탕으로 전자동의서, AI와 빅데이터를 활용한 정밀의료, 외부기관 등을 통합한 솔루션으로 구축하며, 이를 바탕으로 환자 정보 DB 구축과 데이터의 표준화를 통한 의료 빅데이터 기반의 의학 연구를 목적으로 한다. 우리나라의 의료영상 정보 시스템은 앞선 IT 기술력과 정부의 정책에 힘입어 세계적인 수준에 있으며, 특히 PACS 관련 프로그램은 의료 영상정보 기술에서 세계로 수출을 하고 있는 한 분야이다. 본 연구에서는 빅데이터를 활용한 의료영상 정보 시스템의 분석과 함께 의료영상 정보 시스템이 국내에 도입되게 된 역사적 배경을 바탕으로 현재의 흐름을 파악하고 나아가 미래의 발전 방향을 예측하였다. 향후, 20여 년 동안 축적된 DICOM 빅데이터를 기반으로 AI, 딥러닝 알고리즘을 활용하여 영상 판독률을 높일 수 있는 연구를 진행하고자 한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2017년도 제55차 동계학술대회논문집 25권1호
• /
• pp.239-240
• /
• 2017

본 연구는 의료영상내 특징정보를 추출 및 평가함으로서 정밀의료 실현 가능성을 확인하고자 하였다. 영상화는 PET/CT 및 MRI 스캐너를 이용하여 암환자의 기능적 정보와 해부학적 정보를 획득하고 관심영역을 설정하였으며 각각의 영상내 특징정보를 추출하였다. 영상내 특징정보는 GLCM을 이용하여 에너지, 대비, 엔트로피, 균질성을 획득하였고, 획득된 영상 데이터에 따른 관심영역 설정 차이를 확인하였다. 영상내 특징 정보는 MRI 영상의 해부학적 정보를 이용한 분석결과에서 엔트로피 및 균질성이 PET 보다 증가 하였고 대비는 감소함을 확인하였다. 추후연구는 다양한 영상내 특징 정보를 획득하고 정밀의료를 위한 기계학습에 활용할 예정이다.

• 한국정보통신학회논문지
• /
• 제25권8호
• /
• pp.1046-1052
• /
• 2021

4차 산업의 발전과 고성능의 컴퓨팅 환경 구축으로 다양한 산업분야에서 인공지능이 적용되고 있다. 의료분야에서는 X-Ray, MRI, PET 등의 의료 영상 및 임상 자료를 이용하여 암, COVID-19, 골 연령 측정 등의 딥 러닝 학습이 진행되었다. 또한 스마트 의료기기, IoT 디바이스와 딥 러닝 알고리즘을 적용하여 ICT 의료 융합 기술 등이 연구되고 있다. 이러한 기술 중 의료 영상 기반 딥 러닝 학습은 의료 영상의 바이오마커를 정확히 찾아내고, 최소한의 손실률과 높은 정확도가 필요하다. 따라서 본 논문은 흉부 X-Ray 이미지 기반 딥 러닝 학습 과정에서 손실률을 도출하는 손실 함수 중 영상분류 알고리즘에서 사용되는 Cross-Entropy 함수들의 성능을 비교·분석하고자 한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2018년도 춘계학술발표대회
• /
• pp.405-406
• /
• 2018

본 논문은 소표본 의료용 영상 분석의 정확도 향상을 위해 전이학습 모델을 feature extractor로 구축하여 학습시키는 방법을 연구하였으며 성능 평가를 위해 선학습모델로 AlexNet, ResNet, DenseNet을 사용하여 fine tuning 기법을 적용하였을 때와의 성능을 비교 분석하였다. 그 결과 실험에 사용된 3개의 모델에서 fine tuning 기법보다 향상된 정확도를 보임을 확인하였고, 또한 ImageNet으로 학습된 AlexNet, ResNet, DenseNet이 소표본 의료용 X-Ray 영상에 적용될 수 있음을 보였다.

• 한국품질경영학회:학술대회논문집
• /
• 한국품질경영학회 2006년도 추계 학술대회
• /
• pp.51-56
• /
• 2006

이 연구에서는 의료서비스 품질 향상을 위하여 제안된 뇌 전위적 영상안내에 의한 개두술 방법과 옥틸 시안화 아크렬산염 (2-octylcyanoacrylate: 2-0CA)을 드레싱 재료로 사용한 조사군과, 전통적 개두술 방법과 봉합사 및 아이오다인을 사용했던 대조군과 비교를 실시하여 의료품질 향상 효과를 분석하였다. 연구방법으로는 특정 의료기관에서 26 례 조사군과, 38례 대조군을 대상으로, 임상적 특성, 감염균, 두피접착의 열개(裂開)성 및 기타 위험 인자를 조사하였다. 연구결과 새롭게 제안된 의료용 재료인 2옥틸시안화 아크릴산염은 피부조직 속으로 외부 액체가 유입되는 것을 억제하거나 제한하였으며, 외피 접착기능으로 창상보호 특히, 평균감염률과 감염빈도에 있어서 상대적으로 대조군보다 우수하였다. 한편 뇌 전위적 영상 안내에 의한 개두술 방법으로 수술시간의 단축과 수술 복잡성의 경감 및 위험성이 감소되었으며, 상처 부위 흔적이 적게 남는 등 미용적인 측면에서도 우수한 것으로 나타났다.