• Journal of the Korean Society of Radiology
• /
• v.8 no.1
• /
• pp.27-33
• /
• 2014

Medical imaging has increased rapidly in the increase of interest in health, with the development of computer technology, digitization of medical imaging is rapidly advancing, PACS has been introduced to the medical field. Increase in the production of medical images by these phenomena made increased the workload of radiologist who must read a medical image. in response to the need for secondary diagnosis using a computer, The term of CAD in medical radiology field was introduced. In this study, we have proposed a CAD algorithm for the interpretation of the image obtained by the digital X-ray mammography equipment. The experiments were performed by programmed in Visual C++ for the proposed algorithm. A result of the execution of the CAD algorithm seven sample images, the results of five samples was confirmed in breast cancer and benign tumors, both the images sample was error processing. If you use a program that implements this with the algorithm proposed in this study it is helpful to reading breast images, and it is considered to contribute significantly to the early detection of breast cancer.

• Journal of the Institute of Convergence Signal Processing
• /
• v.20 no.3
• /
• pp.132-137
• /
• 2019

The amount of data generated from medical images is increasingly exceeding the limits of professional visual analysis, and the need for automated medical image analysis is increasing. For this reason, this study evaluated the classification and accuracy according to the presence or absence of tumor using Inception V3 deep learning model, using MRI medical images showing normal and tumor findings. As a result, the accuracy of the deep learning model was 90% for the training data set and 86% for the validation data set. The loss rate was 0.56 for the training data set and 1.28 for the validation data set. In future studies, it is necessary to secure the data of publicly available medical images to improve the performance of the deep learning model and to ensure the reliability of the evaluation, and to implement modeling by improving the accuracy of labeling through labeling classification.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2020.05a
• /
• pp.487-489
• /
• 2020

인공지능 기술을 도입한 의료분야에서 진단 및 예측과 연계한 임상의사결정지원 시스템(CDSS)에 관련된 연구가 활발하게 진행되고 있다. 특히, 인공지능 기술 적용에 가장 많은 이슈를 일으키고 있는 의료영상기반의 질환진단연구가 다양한 제품으로 출시되고 있는 실정이다. 그러나 의료영상 데이터는 일관되지 않은 데이터들로 이루어져 있으며, 그것을 정제하여 연구에 사용하기 위해서는 상당한 시간이 필요한 것이 현실이다. 본 논문에서는 익명화된 데이터를 정제하여 인공지능 연구에 사용할 수 있는 표준화된 데이터 셋을 만들고, 그 데이터를 기반으로 인공지능 알고리즘 개발 연구를 지원하기 위한 원스톱 인공지능학습 플랫폼에 대하여 기술한다. 이를 위해 전체 인공지능 연구프로세스를 보이고 이에 따라 학습을 위한 데이터셋 생성과 인공지능 학습학습용 플랫폼에서 수행되는 수행 과정을 결과로 보인다 제안한 플랫폼을 통해 다양한 영상기반 인공지능 연구에 활용될 것으로 기대하고 있다.

• Korea Information Processing Society Review
• /
• v.28 no.2
• /
• pp.34-43
• /
• 2021

• Journal of the Institute of Convergence Signal Processing
• /
• v.3 no.1
• /
• pp.33-40
• /
• 2002

In this paper, we proposed a lossless compression algorithm of medical images which is essential technique in picture archive and communication system. Mammographic image and magnetic resonance image in among medical images used in this study, proposed a region growing segmentation algorithm for compression of these images. A proposed algorithm was partition by three sub region which error image, discontinuity index map, high order bit data from original image. And generated discontinuity index image data and error image which apply to a region growing algorithm are compressed using JBIG(Joint Bi-level Image experts Group) algorithm that is international hi-level image compression standard and proper image compression technique of gray code digital Images. The proposed lossless compression method resulted in, on the average, lossless compression to about 73.14% with a database of high-resolution digital mammography images. In comparison with direct coding by JBIG, JPEG, and Lempel-Ziv coding methods, the proposed method performed better by 3.7%, 7.9% and 23.6% on the database used.

• Journal of the Korean Society of Radiology
• /
• v.17 no.6
• /
• pp.939-945
• /
• 2023

This study analyzes the 'performance efficiency' of AI-based reading assistance systems in the field of radiology by measuring their 'time behavior' properties. Due to the increase in medical images and the limited number of radiologists, the adoption of AI-based solutions is escalating, stimulating a multitude of studies in this area. Contrary to the majority of past research which centered on AI's diagnostic precision, this study underlines the significance of time behavior. Using 50 chest X-ray PA images, the system processed images in an average of 15.24 seconds, demonstrating high consistency and reliability, which is on par with leading global AI platforms, suggesting the potential for significant improvements in radiology workflow efficiency. We expect AI technology to play a large role in the field of radiology and help improve overall healthcare quality and efficiency.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.887-890
• /
• 2021

최근 AI 를 활용한 의료 진단 솔루션 시장이 크게 성장함에 따라 의료 인공지능 기술에 대한 대학 교육에 대한 수요가 증가하고 있지만, 개인정보 유출의 위험성 등으로 인하여 의료 데이터를 대학 교육에 활용하기 어려운 실정이다. 본 논문에서는 실제 의료 데이터 대신 생성적 적대 신경망(GAN)으로 합성된 흉부 X-ray 영상을 활용한 의료 인공지능 교육 모델의 사례를 제시한다. 프로메디우스(주)에 의해 제공받은 흉부 X-ray 합성영상을 사용하여, VGG-16 모델을 훈련하고 성능을 검증 및 평가하며 미세조정을 통해 성능을 개선하는 교육 모델을 구성하였다. 또한 교육모델이 의료 인공지능에 대한 학생들의 이해력 향상에 기여한 효과를 정량적으로 평가하였다.

• Journal of the Korean Society for Precision Engineering
• /
• v.2 no.2
• /
• pp.22-30
• /
• 1985

지난회까지는 주로 생체신호의 발생과 이들의 검출, 표시에 관하여 논했는데 본고에서는 얻어진 각종신호 및 정보의 처리와 의용영상처리에 관하여 기술하기로 한다. 의료라고 하는 것은 환자로부터 정보를 수집하여 이를 처리한후 결과에 따라 환자를 제어하든가 치료하는 정보행위이다. 의료에서는 이와 같은 행위를 진료, 검사라고 하지만, 공학의 입장에서 생각하면 환자로부터 정보의 수집이다. 전회까지 논한 것이 정보의 수집에 해당된다. 과거나 현재까지 의사가 눈으로, 혹은 청진기로, 또는 환자에게서 사정을 들어서 정보를 수집하고 의사의 두뇌속에서 정보를 처리하여 치료를 행한다. 치료 란 것도 공학으로 표현하면 환자 심신의 제어이므로 결국 의료란 것은 정보수집, 처리와 생체제어라는 일련의 정보공학의 한 행위에 해당한다. 이와 같은 행위가 컴퓨터의 급속한 발전으로 의료정보처리시 스템이 많이 보급되고 있으며 연구개발 또한 눈부시게 진전되고 있다. 본고에서는 많은 관심을 가지고 연구되고 있는 것들을 소개하고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2002.04a
• /
• pp.113-116
• /
• 2002

PACS는 의학용 영상 정보의 저장, 판독 및 검색 기능 등의 수행을 통합적으로 처리하는 시스템을 말한다. 그 중 방사선 검사 곁과를 디지털 이미지로 변환하여 대용량 기억장치에 저장시키는데 기에 따른 저장장치의 비용증가와 데이터의 효율적인 관리가 필요하게 되었다. 따라서 의료 영상 데이터의 효율적인 이동을 위한 이미지 저장 시스템의 모듈을 설계하였다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.7 no.5
• /
• pp.964-971
• /
• 2003

According to the development of information processing technology and computer hardware, PACS systems have been installed in many hospitals. They can increase the efficiency and the convenience remarkably for handling medical images using digitalized data. After we compare the generation images with other cases, we can read the images correctly and decide how to treat the patients. If the results, included test method and specialist's opinion, are represented dynamically on homepage in hospital. then visitors can get their experience in directly and understand the field of examination and the area of medical treatment. In this thesis, we display the effective images such as MR of the abnormal cases according to parts and diseases, the movie and still images such as Angio image, the other multimedia materials such as the sound and text of doctor's opinions, in SMIL based on XML, concerning the problem of concurrency.