• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2008년도 춘계학술발표대회
• /
• 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.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2020년도 제61차 동계학술대회논문집 28권1호
• /
• 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.

• 융합신호처리학회논문지
• /
• 제18권2호
• /
• pp.76-83
• /
• 2017

본 연구에서는 원본 의료영상인 DICOM 파일을 TIFF, BITMAP, GIF, JPEG 이미지 파일로 변환한 후 Origin pro와 ICY 영상분석 프로그램을 이용하여 영상의 압축 및 변환과정에 따른 변환 손실율을 정량적으로 평가를 하고자 하였다. 평가 방법으로는 50% MTF, 구조적 유사지수, MSE, RMSE, 최대 신호대 잡음비 등을 실험을 통하여 평가하였으며, TIFF 이미지 파일의 경우 모든 실험군에서 DICOM 영상과 동일한 결과 값을 나타내어 DICOM 영상과 동일 하거나 가장 유사한 이미지 파일 형식이라고 판단하였다. 그리고 JPEG 이미지 파일의 화질의 손실 및 왜곡의 정도가 가장 심한 결과로 나타났다, 본 연구는 Origin pro나 ICY 의료영상 분석 프로그램과 같은 독창적인 평가 프로그램을 적용하여 이후의 디지털 의료영상 기초 연구분야에서 본 논문의 평가 방법이 의료 영상 처리 분야의 연구 자료로 활용될 것으로 기대되며, DICOM 파일을 지원하지 않는 디지털 의료영상 및 평가 프로그램을 이용한 기초 연구분야에서 DICOM 영상과 동일한 결과를 나타내는 TIFF 이미지 파일을 기준으로 제시하여, 이미지 파일을 이용한 디지털 의료영상처리 연구 분야에서 신뢰성을 확보하는데 도움이 될 것으로 추론된다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 춘계학술발표대회
• /
• 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.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2010년도 추계학술발표대회
• /
• 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.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2012년도 춘계학술발표대회논문집
• /
• 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.

• 한국멀티미디어학회논문지
• /
• 제14권11호
• /
• pp.1383-1391
• /
• 2011

향상된 기능을 가진 최신 의료장비들의 등장으로 하드웨어 성능에 부합하는 효과적인 영상처리 및 분석의 중요성이 부각되고 있으며, 2차원 의료 영상처리 및 3차원 영상 재구성에 관한 많은 연구들이 진행되고 있다. 본 논문은 흉부 CT 영상을 사용하여 신체 장기를 단계별로 분할 하였으며, 분할된 결과 영상을 3차원으로 재구성 하였다. 다양한 영상분할 방법중 영역 확장법 및 효과적인 분할을 위해 선명화와 감마 조절등과 같은 영상 향상 기법을 적용하였으며, 기관지를 포함한 폐, 기관지, 폐 등의 순서로 영상을 분할하였다. 분할된 신체 장기 영상을 VTK를 사용하여 3차원 영상으로 재구성 하였으며, 병변 진단을 위한 2차원 및 3차원 의료 영상 처리와 분석에 활용될 것으로 판단된다.

• 정보처리학회논문지D
• /
• 제10D권1호
• /
• pp.109-116
• /
• 2003

본 논문에서는 분산환경에서 사용자들에게 효과적인 접근성과 사용성을 제공하는 코바기반 협업 지일 의료영상 분석 덴 가시화 시스템을 소개한다. 개발된 시스템은 분산환경에서 의료영상 분활 및 모델링과 같은 의료영상 분석 및 처리 기능을 제공하며 아울러 의료영상 데이터의 효율적 관리 기능을 제공한다. 영상의 분류 및 특정 세포조직의 추출은 베이지안 방법과 활성 윤곽선 모델등 적용하여 수행되며, 획득된 영상의 특성정보는 의료영상의 실시간 3차원 모델링에 사용된다. 개발된 시스템은 브로드 케스팅과 동기화 메커니즘에 기반하여 시스템을 사용하는 다중 사용자들간의 협동작업을 지원한다. 본 시스템은 분산 프로그램을 지원하는 자바 및 코바에 의해 개발되었으며, 따라서 클라이언트는 분산 객체의 위치나 분산객체가 수행되는 운영체제에 관한 정보가 없이도 메소드 호출방법에 의해 서버 객체에 접근할 수 있다.

• 융합신호처리학회 학술대회논문집
• /
• 한국신호처리시스템학회 2003년도 하계학술대회 논문집
• /
• 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.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2015년도 추계학술발표대회
• /
• 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.