• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 추계학술발표대회
• /
• pp.903-906
• /
• 2021

인공지능 기술 발전으로, 의료영상 분야에서도 딥러닝 기반 질병 진단 연구가 활발히 진행되고 있다. 딥러닝 모델 개발 시, 학습 데이터 품질은 모델의 성능과 신뢰성에 매우 큰 영향을 미친다. 그러나 의료 분야의 경우 도메인 지식에 대한 진입 장벽이 높아 개발자가 학습에 사용되는 의료영상 데이터의 품질을 평가하기 어렵다. 이로 인해, 많은 의료영상 분야에서는 각 분야의 특성(질병의 종류, 관찰 아나토미 등)에 따른 영상 품질 평가 방법을 제시해왔다. 그러나 기존의 방법은 특정 질병에 초점이 맞춰져, 일반화된 품질 평가 기준을 제시하고 있지 않다. 따라서 본 논문에서는 대부분의 흉부 질환을 진단하기 위한 흉부 X선 영상의 품질을 평가할 수 있는 기준을 제안한다. 우선, 흉부 X선 영상을 대상으로 관찰된 영역인 심장, 횡격막, 견갑골, 폐 등을 분할하여, 3D 히스토그램을 기반으로 각 영역별 통계적인 정밀 품질 평가 기준을 제안한다. 본 연구에서는 JSRT, Chest 14의 오픈 데이터셋을 활용하여 적용 실험을 수행하였으며, 민감도는 97.6%, 특이도는 92.8%의 우수한 성능을 확인하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 추계학술발표대회
• /
• pp.1064-1065
• /
• 2020

본 연구는 한국인 뇌MRI영상을 이용하여 대뇌 영역별 분석 프로토콜과 정량 평가방법을 개발하여 정상인을 대상으로 뇌용적량을 정량 분석하고자 한다. 뇌MRI영상 분석 프로토콜을 최적화하기 위해 먼저 뇌용적 변화에 있어 평가방법을 선정하고, VBM 후처리과정은 MRI영상 신호불균질성 교정, 조직세분화 방법, 대뇌 표준영상 제작, 신호 편평화(smoothing) 과정을 단계별로 최적화하였다. 이 정량분석 프로토콜은 정상인과 뇌질환 환자의 뇌용적 비교뿐만 아니라 환자 약물 치료 전·후에 나타나는 용적 변화를 정량적으로 평가하는 연구에 활용할 수 있을 것으로 기대한다.

• 정보처리학회논문지B
• /
• 제8B권2호
• /
• pp.164-172
• /
• 2001

본 논문에서는 시각화와 공간적, 속성 혼합 쿼리를 수행할 수 있는 관계형 데이터베이스를 설계하고 구현하였다. 쿼리에 사용되는 데이터형은 슬라이스, MPR, 볼륨 렌더링으로 시각화할 수 있으며, 쿼리는 아탈라스를 이용하는 경우와 그렇지 않는 경우를모두 고려하였다. 영상 데이터는 공간충전 곡선으로 공간적으로 클러스트링한 후 무손실 압축하여 데이터베이스에 저장된다. 본 논문은 저장 데이터의 양을 줄이기 위하여 관심영역의 크기에 따라 창의 크기가 변하는 적응적 Hibert 곡선을 제안하였으며, 실험에서 Hibert 곡선의 적용한 데이터보다 약 1.15배 높은 압축율을 보였다. 또한 아틀라스에 대한 뇌종양의 공간적 쿼리 결과를 통하여 본 의료 영상 데이터베이스의 유용성을 보였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2008년도 추계학술발표대회
• /
• pp.1095-1098
• /
• 2008

최근 디지털 의료영상 자료들이 급격히 증가하고 의학과 임상에서 많은 병원과 기관 사이의 협업연구가 증가함에 따라 지리적으로 분산된 외부 기관과의 원격 데이터 공유 및 원격의 데이터 접근이 필요하게 되었다. 의료 장비 사이의 데이터 교환을 위한 DICOM은 외부 기관의 방화벽으로부터 의료 이미지 데이터 접근을 지원하는 보안 방법과 전송 속도 문제로 인해 협업 환경에 적합하지 않으며, 의료 이미지 데이터 관리 기능을 제공하지 못한다. 본 논문에서는 그리드 기반의 협업 환경을 제안하고 웹 서비스를 이용한 그리드 데이터 관리 기능을 구현하여 의료 분야의 PACS 통합과 의료 이미지 데이터 교환 문제를 해결하였다.

• 정보처리학회논문지B
• /
• 제13B권6호
• /
• pp.601-606
• /
• 2006

의료기술의 비약적인 발전과 함께 의료기관에서 사용되는 영상 데이터량이 급속히 증가하고 있다. 따라서 대용량 의료 영상의 해석을 위해서는 의사들의 육안 검사보다 영상처리 기술을 이용한 자동화 방법이 필요하다. 본 논문에서는 복부 CT영상의 간 영역에 대해 GLCM(Gray Level Co-occurrence Matrix)을 이용하여 텍스처 정보를 취득하고, 이 데이터로부터 주성분 분석을 통해 간종양을 자동으로 검출하는 방법에 대해 제안한다. 기존의 간종양 검출은 명암도 한 가지 특징에 의한 방법이 대부분이었으나, 본 논문에서 CT영상에 대해 GLCM의 텍스처 정보 8가지를 이용해서 4개의 주성분 누적 영상으로 변환시켰다. 실험결과 4개의 주성분 누적 영상의 백분율 분산값은 89.9%였으며, 이를 명암도 한 가지 만을 이용한 간종양 검출방법과 면적을 비교했을 때 약 92%의 일치도를 보였다. 이는 영상데이터의 차원을 8개의 차원에서 그 절반인 4개의 차원으로 줄여도 간종양을 검출할 수 있음을 의미한다.

• 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.

• 대한의용생체공학회:의공학회지
• /
• 제19권2호
• /
• pp.189-198
• /
• 1998

3차원 의료영상 재구성 기법은 2차원 의료영상으로부터 인체의 복잡한 3차원 구조를 이해하는데 많은 도움을 준다. 본 논문에서 구현한 3차원 의료영상 재구성 시스템은 저가의 PC 기반에서 시스템의 환경에 상관없이 사용될 수 있도록 Visual C++4.2를 이용하여 작성하였으며 향후 확장성을 고려하여 각 기능을 모듈화 시켰다. 모듈 설계된 3차원 의료영상 재구성 시스템은 데이터 준비, 그래디언트 근시화, 분할, 음영처리, 좌표시스템 변환, 그리고 광선투사와 합성 모듈로 구성되었다. 본 논문에서는 3차원 의료영상 재구성 방법의 속도문제를 개선하여 저가의 PC 환경에서 구현하였다. PC 환경에서 3차원 의료영상 재구성 시스템을 구현하기 위하여 광선투사를 재구성되는 영상에 영향을 주지 않는 범위에서 조기 중단시키는 알고리듬과 영상 재구성에 참여하는 체적소를 줄이는 방법, 그리고 영상을 재구성하기 위한 광선투사 과정에서 투시되는 광선의 수를 줄이는 방법 등ㄹ을 적용하여 PC환경에서 3차원 의료영상 재구성 시스템의 고속화를 이루었으며 실험에 의해서 PC환경에서도 의료영상 재구성 알고리듬이 효과적으로 사용되었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.608-610
• /
• 2023

의료 분야에서 AI 모델의 활용이 증가하고 있지만, 모델의 예측 불확실성을 정확하게 평가하고 표현하는 것이 중요하다. 본 연구는 이러한 문제를 해결하기 위해 AI-driven 방식을 제안하며, 특히 의료 영상 변환 모델에 대한 불확실성 표현과 데이터 한계 극복 방법론을 제안한다. 제안된 AI-driven 안저영상 변환 모델은 기존 GAN과는 다르게 구조가 이루어져 있으며, 신뢰도가 낮은 영역을 구분하고 시각화하여 표현할 수 있다. 실험 결과, 제안된 방법은 기존 모델과 비교하여 영상 변환 성능이 크게 향상되었으며, 불확실성에 대한 정확도 평가에서도 AI-driven 방식이 높은 성능을 보인다. 결론적으로, 본 연구는 AI-driven 방식을 통해 의료 AI에서의 불확실성 표현의 가능성을 확인하였으며, 이 방식이 데이터의 한계와 불확실성을 극복할 수 있을 것으로 기대된다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2000년도 제13회 춘계학술대회 및 임시총회 학술발표 논문집
• /
• pp.299-302
• /
• 2000

의료영상의 크기가 커짐에 따라 처리해야 할 데이터량이 많아졌다. 또한 점점 더 많은 사람들이 빠른 3차원 가시화 결과를 기대한다. 하지만 이전에 제시된 많은 방법들은 실시간 응답 결과를 기대하기는 힘들다. 본 논문은 하드웨어를 이용하여 의료영상을 빠른 속도로 3차원 가시화하는 방법과 그 구현 결과에 대해 기술한다. 구현에 있어 자바를 이용함으로써 플랫폼 독립적이며 OpenGL을 기반으로 한 자바 3D API를 사용함으로써 쉽고 빠르게 3차원 가시화 결과를 디스플레이할 수 있다.

• 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.