• Proceedings of the Korea Information Processing Society Conference
• /
• 2008.05a
• /
• pp.135-138
• /
• 2008

본 논문은 의료 영상에 대한 효과적인 분류와 검색을 위한 알고리즘을 제안한다. 영상 분류와 검색을 위해서 MPEG-7 표준 기술자인 색 구조 기술자와 경계선 히스토그램 기술자를 사용해 영상들에 대한 특징 값을 추출한다. 이렇게 구해진 특징 값들을 의료 영상의 분류와 검색에 적용해 본 결과 비교적 낮은 성능을 보여줌을 확인하고 앞서 구해진 특징 값들을 교사 학습 방법인 SVM(Support Vector Machine)과 비교사 학습 방법인 FCM(Fuzzy C-means Clustering)에 적용시켰다. 기존 연구에서는 SVM과 FCM의 통합으로 의료 영상에 대한 분류와 검색을 시행하였지만 본 논문에서 실험한 결과 SVM과 MPEG-7 시각 기술자 중에 하나인 EHD(Edge Histogram Descriptor)를 가중치 선형 결합하여 실험한 결과가 더 정확한 분류와 높은 검색 성능을 나타냄을 확인하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2020.01a
• /
• pp.5-6
• /
• 2020

현대 의학에서 의료 영상은 수많은 영상처리 의료기기의 핵심이다. PACS(Picture Archiving Communication System)를 통해 관리되는 의료 영상 자료들은 요청에 따라 저장, 검색 및 전송을 수행하여 신속한 의료 서비스를 가능하게 한다. 그러나 만약에 관리자의 실수로 의료 영상 데이터가 바뀐다면 이는 사용자로 하여금 불편함과 낮은 신뢰성을 야기한다. 그리하여 본 논문에서는 서포트 벡터 머신 기반의 HOG(Histogram of Oriented Gradients) 특징 벡터를 이용하여 X-ray와 MRI(Magnetic Resonance Imaging) 사진을 분류하고 의료 영상 분류의 가능성을 제시하는 것을 목표로 한다.

• Journal of the Institute of Convergence Signal Processing
• /
• v.18 no.2
• /
• pp.76-83
• /
• 2017

In this study, the original medical image, DICOM file, was converted into TIFF, BITMAP, GIF, JPEG image file, and then the conversion loss ratio according to the image compression and conversion process was quantitatively evaluated using Origin pro and ICY image analysis program. As the evaluation method, 50% MTF, structural similarity index, MSE, RMSE, maximum signal - to - noise ratio and so on were evaluated. The TIFF image file showed the same result as DICOM image in all experimental groups, Image file format. In this study, we propose a new method for evaluating the quality of digital images by applying original evaluation program such as Origin pro or ICY medical image analysis program. Is expected to be used as research data in the field of medical image processing, and TIFF image file showing the same result as DICOM image in the basic research field using digital medical image and evaluation program that does not support DICOM file Therefore, it is believed that it will help to secure reliability in digital medical image processing research using image file.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2020.05a
• /
• pp.544-546
• /
• 2020

의료 데이터를 이용하여 인공지능 기계학습 연구를 수행할 때 자주 마주하는 문제는 데이터 불균형, 데이터 부족 등이며 특히 정제된 충분한 데이터를 구하기 힘들다는 것이 큰 문제이다. 본 연구에서는 이를 해결하기 위해 GAN(Generative Adversarial Network) 기반 고해상도 의료 영상을 생성하는 프레임워크를 개발하고자 한다. 각 해상도 마다 Scale 의 Gradient 를 동시에 학습하여 빠르게 고해상도 이미지를 생성해낼 수 있도록 했다. 고해상도 이미지를 생성하는 Neural Network 를 고안하였으며, PGGAN, Style-GAN 과의 성능 비교를 통해 제안된 모델이 양질의 고해상도 의료영상 이미지를 더 빠르게 생성할 수 있음을 확인하였다. 이를 통해 인공지능 기계학습 연구에 있어서 의료 영상의 데이터 부족, 데이터 불균형 문제를 해결할 수 있는 Data augmentation 이나, Anomaly detection 등의 연구에 적용할 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2010.11a
• /
• pp.596-598
• /
• 2010

본 논문에서는 의료영상 중 X-ray 영상을 대상으로 영상을 분류하고 분류 결과에 따라 다중 키워드를 생성하는 방법을 제시한다. X-ray영상은 대부분 그레이 영상임으로 Local Binary Patterns (LBP)을 이용하여 픽셀간의 연관성을 특징으로 추출하고, 실시간 학습 및 분류가 가능한 Random Forests 분류기로 영상들을 30개의 클래스로 분류한다. 또한, 미리 정의된 신체 부위간의 관계 가중치를 분류 스코어에 결합하여 신뢰값을 생성하고 이를 기반으로 영상에 대해 다중 주석을 부여하게 된다. 이렇게 부여된 다중 주석은 키워드 기반의 의료영상을 가능케 함으로 보다 쉽고 효율적인 검색 환경을 제공할 수 있다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2012.05a
• /
• pp.198-200
• /
• 2012

최근 3차원 의료기기의 발전으로 대용량의 영상 획득이 가능해짐에 따라 이를 신속하게 처리 하고자 하는 연구가 진행되고 있다. CUDA는 그래픽 연산을 위해 제작된 GPU를 일반 연산에 사용(GPGPU)하고자 나온 툴킷(Toolkit)으로, 이를 사용하면 대용량의 영상 데이터를 병렬로 신속하게 처리할 수 있다. 본 연구에서는 3차원 의료 영상의 개선을 병렬로 신속하게 처리하기 위하여 CUDA를 사용한 방법론을 제안하였다. 또한, GPU Timer를 사용한 시간 측정을 통해 우수성을 증명하고자 한다.

• Journal of Korea Multimedia Society
• /
• v.14 no.11
• /
• pp.1383-1391
• /
• 2011

Following the appearance of the latest medical equipment with improved function, the importance of image analysis which enables effective image processing and analysis consistent with the hardware performance is on the rise. As well as, ongoing study is being done on the 2D medical image processing and 3D reconstruction. This paper segments chest CT images into each stage and finally shows 3D reconstruction of each segmented result. Among various image segmentation methods, Region Growing and apply sharpening and Gamma Controller as for image improvement for effective segmentation, image segmentation in order of bronchus and lung, bronchus, lung. Human organs image of segmented is use VTK(Visualization Toolkit) to make 3D reconstruction, two and three-dimensional medical image processing and analysis for lesions diagnosis are able to utilized.

• The KIPS Transactions:PartD
• /
• v.10D no.1
• /
• pp.109-116
• /
• 2003

In this paper, a CORBA-based collaborative medical image analysis and visualization system, which provides high accessibility and usability of the system for the users on distributed environment is introduced. The system allows us to manage datasets and manipulates medical images such as segmentation and volume visualization of computed geometry from biomedical images in distributed environments. Using Bayesian classification technique and an active contour model the system provides classification results of medical images or boundary information of specific tissue. Based on such information, the system can create real time 3D volume model from medical imagery. Moreover, the developed system supports collaborative work among multiple users using broadcasting and synchronization mechanisms. Since the system is developed using Java and CORBA, which provide distributed programming, the remote clients can access server objects via method invocation, without knowing where the distributed objects reside or what operating system it executes on.

• Proceedings of the Korea Institute of Convergence Signal Processing
• /
• 2003.06a
• /
• pp.1-5
• /
• 2003

의료영상의 분할은 의료영상을 컴퓨터 진단 및 가시화에 필요한 같은 성질을 가진 여러 조직으로 나누어주는 방법이다. 즉 입력되어진 영상을 처리하여 유사한 화소들의 집합인 영역들로 화소들을 구분하는 작업이며 영상분할의 결과는 영상인식의 정확성에 큰 영향을 미친다. MRI(Magnetic Resonance Imaging)으로부터 정상적인 세포조직 또는 뇌종양과 같은 비정상적인 세포조직의 가시화와 분석을 위해서는 대상 세포조직의 적절한 분류를 필요로 한다. 하지만 기존의 영역 검출 방법으로는 잡음이 섞여 있는 영상에서 여러 가지의 처리과정(주로 잡음 제거)이 필수적이고 그런 과정으로 인해 정확한 영역 검출이 힘들게 된다. 이에 잡음이 있더라도 이를 제거하기 위한 처리가 필요 없이 영역기반으로 필요한 파라미터의 추정을 통한 MRF(Markov Random Field)를 이용하여 보다 효율적이고 정확하게 MRI에서 질환 영역을 검출할 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.10a
• /
• pp.672-675
• /
• 2015

다른 IT 분야에 비해 헬스케어 IT 분야는 의료정보의 중요성이 매우 높으나 현재 의료정보 보관, 데이터 전송에 대한 보안 부분이 매우 취약하며 보안관리에 대한 인력 또한 매우 부족한 상태이다. 향후 클라우드발전법으로 인한 의료영상저장전송시스템의 환경 변화로 보안에 대한 취약성은 더욱 두드러질 것이며 사고 또한 급증할 것이다. 이에 대한 보안성 향상에 대한 방안을 제시 하고자 한다.