• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2010년도 하계학술대회
• /
• pp.267-269
• /
• 2010

3D 모니터의 공급으로 IT영역 및 의료영상 분야 에서도 3D 영상에 관한 산업 발달이 화두가 되고 있다. 의료영상은 CT, MRI 영상의 정확한 판독이 필요하기 때에 2D 의료영상보다 구체적인 3D 정보를 얻을 수 있는 3D 입체영상에 관심이 높아지고 있다. 본 논문에서는 3D 의료 촬영기계가 아닌 기존의 2D 의료 평면 영상 한 장만을 이용한 3D 입체영상을 제작하는 방법을 제안한다. 실험 영상으로 CT의 2D 의료영상을 사용한다. 장기의 영역 분할을 한후, 각 장기 성분을 분석한다. 분리 한 장기들은 명암값에 의해 구분 되며, 이를 바탕으로 영상의 깊이 정보를 추출한다. 추출한 정보로 깊이맵을 작성한다. 작성된 깊이 맵과 기본 2D 의료영상과 합성, 깊이를 할당하여 3D영상을 구현한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2018년도 춘계학술발표대회
• /
• pp.350-351
• /
• 2018

최근 의료 현장에 인공지능 기술의 도입이 가속화 되고 있다. 특히, 의료영상 분석 분야의 관련된 기 시스템 및 소프트웨어의 패러다임을 변화시키고 있다. 본 연구는 인공지능 기술을 적용하기 위한 학습의료영상 구성을 제안하고 이를 기반으로 X-ray 영상 중 손부위에 적용하여 오른손과 왼손을 판별하는 응용에 적용하였다. 그리고 Deep Learning Algorithm의 CNN을 개선하여 개발한 Advanced GoogLeNet를 적용하여 97%이상의 정확도를 보였다. 본 연구를 통해 얻어진 인공지능에 적용하기 위한 학습데이터 셋 구성과 개선된 알고리즘은 다양한 의료영상분석에 적용하고자 한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2002년도 가을 학술발표논문집 Vol.29 No.2 (2)
• /
• pp.478-480
• /
• 2002

영상 분할은 임상에서의 진단과 분석 및 3차원 가시화를 위해 선행되어야 할 필수 과정이다. 의료영상은 영상이 가지는 데이터 자체의 고유한 제약들과 해부학적 변이성 때문에 영상분할에 어려움이 있다. 본 논문에서는 의료영상의 분할을 위해 스네이크의 새로운 외부 힘으로 Gradient Vector Flow(GVF)를 이용한 방법을 제안한다. 제안된 방법은 2차원 의료영상에서 에지 맵(edge map)을 구하고, GVF을 계산하여 스네이크의 경계선과 같이 관심 있는 특징의 에너지 함수가 최소가 되는 GVF 스네이크(snake)를 구한다. 제안된 방법을 초음파영상과 자기공명영상 같은 의료영상의 분할에 적용한 결과 기존의 스네이크와 달리 잡음이나 오목한 부분이 있는 객체들을 성공적으로 분할하였다.

• 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.

• 대한영상의학회지
• /
• 제81권6호
• /
• pp.1290-1304
• /
• 2020

영상처리 기반으로 의료영상을 분석하는 기법은 정상 환자와 비정상 환자를 분류, 병변 검출 및 장기나 병변의 분할 등에 사용되고 있다. 최근 인공지능 기술의 비약적 발전으로 의료영상 분석 연구들이 딥러닝 기술을 활용하여 시도되고 있다. 의료영상은 학습에 필요한 데이터를 충분히 모으기 어렵고 클래스별 데이터 수의 차이 때문에, 딥러닝 모델의 성능을 올리는데 어려움이 있다. 이러한 문제를 해결하기 위해 다양한 연구가 시도되고 있으며, 이 중 하나가 학습 데이터를 증강하는 것이다. 본 종설에서는 회전, 역상, 밝기 변화 등과 같은 영상처리 기반의 데이터 증강, 적대적생성네트워크를 활용한 데이터 증강, 그리고 기존 영상의 속성들을 섞는 등의 최신 데이터 증강 기법을 알아보고, 의료영상 연구에 적용된 사례들과 그 결과를 조사해 보고자 한다. 끝으로 데이터 증강의 필요성을 고찰하고 앞으로의 방향을 짚어본다.

• 한국음향학회지
• /
• 제17권8호
• /
• pp.34-40
• /
• 1998

본 논문에서는 일반 X-ray 필름을 사용하는 기존 아날로그 의료 영상 진단 체계의 문제점들을 해결하기 위해 연구 개발된 포괄적인 영상관리 전송 시스템(PACS)에서의 효율 적인 영상 전송과 저장을 위해 병원에서 매일 다량으로 발생하는 의료 영상들 중 CT와 MR영상을 대상으로 하여 새로운 무손실 영상 압축 기법인 CRAC 압축 알고리즘을 설계하 였다. CRAC 압축 알고리즘에서는 CT와 MR 영상의 파일구조를 분석하여 런랭스 코딩에 적합하도록 데이터를 재배열하는 전처리 작업을 설계하였으며, 이를 CT와 MR 영상에 최적 화 시킨 개선된 런랭스 알고리즘으로 1차 압축시켜 그 결과를 산술 부호화 알고리즘과 결합 함으로써 압축효율을 향상시켰다. 이러한 CRAC 압축 알고리즘은 무손실 압축 기법으로, 의 료 영상을 압축한 수 손실 없이 원 영상을 그대로 복원할 수 있기 때문에 PACS에서의 CT, MR 영상의 판독을 위한 단기 저장시에 적합한 압축 알고리즘으로 CT와 MR 영상의 무손 실 압축에 대해 새로운 전처리 방법을 제시하였고, 기존 무손실 압축 방법들과 비교 분석한 결과 압축률이 2.1%∼5.9% 정도 향상되었다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2001년도 춘계학술발표논문집
• /
• pp.29-32
• /
• 2001

현재 뇌 질환의 진단은 전문의의 주관극인 판단에 의하기 때문에 보다 정량화되고 객관화된 근거를 제시할 수 있는 의료 영상 정보 분석 시스템이 필요하다. 본 시스템은 MR 영상에 대해 영상 처리 및 정보 관리를 통한 뇌 질만의 진단 및 계획이나 방법의 결정을 하는데 도움을 주기 위한 지식기반 의료 영상 처리 및 관리 시스템으로 의료 영상의 처리와 진단, 영상처리시스템 이용의 극대화, 시스템간의 유기적 연결 및 운용상의 문제점 등 의학영상에 관한 제반 연구를 수행함으로써 국내의 의료영상 기술을 선도하며, 의학영상분야 및 의과학 발전에 기여할 수 있을 것으로 생각된다.

• 문화기술의 융합
• /
• 제7권4호
• /
• pp.415-420
• /
• 2021

의료 케어 분야가 다각도로 발전되어가고 있는 상황에서 의료 홍보 영상분석은 중요한 의미를 지닌다. 경쟁력 향상의 문제로 중요성을 있으며 AI 시스템의 가속화 시대는 의료 케어가 가장 선두에 있는 분야이기도 하다. 이에 따른 홍보와 광고 및 설명에 대한 영상의 중요성은 매우 중요하며 기업의 이미지를 전환 시킬 수 있는 중요한 방향이기도 하다. 본 연구에서는 AI 의료 브랜드들의 전문 영상에 대한 비교분석을 중심으로 해외 메이져 회사 2개, 스트라이커와 힐롬 (Stryker, Hill-rom)의 회사와 국내 선두기업 1개(나인벨)의 영상을 중심으로 영상에서의 디자인 특징과 차이점 등을 비교하였고, 그에 따른 세부 파트 분석과 섹션 분석을 하였다. 영상 편집의 기술적 부분 분석으로, 트렌제이션 방식 및 인포 그래픽들을 고찰하였다. 심층 비교는 AI 의료 영상의 영상 색상 톤과 영상 배색 관계에 대한 차이점과 같은점들을 비교 분석하였다. 영상 이미지 결정 부분에 있어서 구체적인 분석은 각 영상들의 영상 인트로 부분과 제품 설명 영상 부분들의 구체적 장면을 가지고, 홍보 디자인에서 나타나고 있는 차별화된 요소들을 비교 연구하였다.

• 대한디지털의료영상학회논문지
• /
• 제6권1호
• /
• pp.69-77
• /
• 2003

목적 : 최근 들어 여러 가지 디지털 의료장비와 각종 의료정보시스템, 인터넷의 활용에 따라 다양한 종류의 의료정보와 지식이 엄청나게 증가하고 있고, 최신의 진료환경구축을 위해서 이러한 지식과 정보들을 통합 관리하려는 필요성과 요구가 대두되고 있다. 그러나 이러한 요구들은 기존의 종이로 된 차트나 필름 등의 기법에서는 물론이고 여러 가지 독립적인 전산 시스템들 <처방전달시스템(OCS), 의료영상저장전송시스템(PACS) 등>을 통해서도 충족되기 어려운 것이 현실이다. 왜냐하면 기존에 설치된 의료 정보 시스템들은 대체로 독자적인 처리방식과 내부구조를 가지고 있기 때문에 서로 다른 의료 정보 시스템간에 정보를 교환한다는 것이 사실상 매우 어렵거나 심지어는 불가능한 경우가 있기 때문이다. 그러나 이러한 의료 정보들을 최대한 유기적으로 활용하기 위해서는 이상의 여러 가지 의료 정보 시스템들을 완벽히 통합하는 것이 필수적이고 이러한 통합의료정보시스템이 비로소 진료에 있어서의 의사결정 과정에 중추적으로 활용될 수 있는 것이다. 특히 의료영상을 다루는 PACS에서는 다른 종류의 의료정보시스템인 OCS(처방전달시스템)와의 연계가 매우 중요하다. 그러나 이러한 중요성에도 불구하고 병원의 전산시스템이 서로 호환되지 않음으로 인해 OCS/PACS 통합은 PACS 도입과정 중에서 가장 어려운 부분으로 인식되어 온 것이 사실이다. 이제까지의 PACS에 있어서는 대량의 영상 데이터를 고속으로 처리하기 위한 기술적인 문제에 주로 관심을 기울였으며 기존의 정보 시스템과의 연계 또는 통합문제는 충분히 고려되지 않았다. 그 결과 PACS를 도입한 병원에서는 기대와는 달리 PACS 운용을 위한 많은 인력소모가 뒤따르거나 운용에 차질을 빚는 등 여러가지 문제가 발생하게 되었다. 따라서 이제까지의 PACS 개발이 기술적인 문제 해결을 위한 방향 접근에서 이루어졌다면, 이제부터는 기술적인 해결을 바탕으로 하여 병원내의 임상운용환경에서 그 효율성을 최대화할 수 있기 위하여 기존 OCS/PACS의 통합 연계성을 주 관심으로 하는 임상적인 접근이 이루어져야 할 시점이라고 파악된다. 이와 같은 OCS/PACS의 통합은 병원 내에서 일어나는 일련의 진료 과정들에 있어서 문자정보뿐 아니라 영상정보까지를 포함하는 모든 진료정보의 관리와 전달을 컴퓨터화 함으로써 진료효율을 비약적으로 형상 시키는 효과를 가져올 수 있으므로 궁극적으로는 모든 병원의 정보시스템이 지향하는 목표이기도 하다. 따라서 OCS/PACS의 통합을 구현하기 위해서는 기존 방식과 OCS/PACS 통합 방식의 차이점이 분석 되어져야 하며 이러한 분석을 바탕으로 차후 병원에 도입되는 시스템이 안정적이고 완성도 높은 병원 정보화 시스템으로 구축 되어져야 하므로 이에 따른 통합 시스템에 대한 분석을 하고자 한다.

• 한국시뮬레이션학회:학술대회논문집
• /
• 한국시뮬레이션학회 2004년도 춘계학술대회 논문집
• /
• pp.118-122
• /
• 2004

본 논문에서는 인체의 머리 부분을 촬영한 의료 영상에서 뇌 영역만을 분할하는 방법에 대해 제시하고자 한다. 뇌의 해부학적 구조 및 기능적 이상 부위를 파악할 경우에 영상 내에 함께 보여지는 두개골과 뇌척수액 등을 제외한 대뇌피질 영역을 분할하면 보다 효과적인 정보 분석 및 진단이 가능하게 된다. 본 시스템에서는 3단계 알고리즘을 제시한다. 첫 번째 단계에서는 영상 내에 존재하는 잡음을 제거하기 위한 필터링이고, 두 번째 단계에서는 필터링된 결과에 대한 영상분할을 수행하는 것이다 이 때 정확한 결과 도출을 위하여 사용자의 인터렉션이 들어가게 된다. 세번째 단계에서는 형태학적 방법을 이용하여 분할 결과를 보완한다. 본 연구를 위한 실험에는 자기 공명 촬영 영상(MRI: Magnetic Resonance Imaging), 단일 광전자 방출 단층 촬영영상(SPECT: Single Photon Emission Computed Tomography), 양전자 방출 단층 촬영영상(PET: Positron Emission Tomography) 등을 사용하였다. 본 시스템에서는 다양한 모달리티의 뇌 영상에서 대뇌피질 부분을 정확하게 영상 분할함으로써 뇌의 구조적 이상을 판단하기 위한 해부학적 정보 분석을 가능케 하고 있다. 뿐만 아니라 뇌 질환에 대한 정확한 진단 시뮬레이션도 가능하게 하고자 한다.