• 한국HCI학회:학술대회논문집
• /
• 2006.02a
• /
• pp.1387-1392
• /
• 2006

본 논문에서는 SVM (Support Vector Machine)을 기반으로 하여 인체의 뇌 하부구조인 해마에 대한 지능적 형상분석 방법을 제공한다. 일반적으로 의료 영상으로부터 해마의 형상 분석을 하기 위해서는 충분한 임상 데이터를 필요로 한다. 하지만 현실적으로 많은 양의 표본들을 얻는 것이 쉽지 않기 때문에 전문가의 지식을 기반으로 한 작업이 수반되어야 한다. 결국 이러한 요소들이 분석 작업을 어렵게 한다. 의학 기술이 복잡해 지면서 최근의 형상 분석 연구는 점차 통계적 모델을 기반으로 진행되고 있다. 본 연구에서는 해마로부터 고해상도의 매개변수형 모델을 만들어 형상 표현으로 이용하고, 집단간 분류 작업에 SVM 알고리즘을 적용하는 지능적 분석 방법을 구현한다. 우선 메쉬 데이터로부터 물리변형모델 기반의 매개변수 모델을 구축하고, PDM (point distribution model) 방법을 적용하여 두 집단을 대표하는 평균 모델을 생성한다. 마지막으로 SVM 기반의 이진 분류기를 구축하여 집단간 분류 작업을 수행한다. 구현한 모델링 방법과 분류기의 성능을 평가하기 위하여 본 연구에서는 네 가지 커널 함수 (linear, radial basis function, polynomial, sigmoid)들을 적용한다. 본 논문에서 제시한 매개변수형 모델은 다양한 형태의 의료 데이터로부터 보편적인 3차원 모델을 생성하고, 또한 모델의 전역적, 국부적인 특징들을 복합적으로 표현할 수 있기 때문에 통계적 형상분석에 적합하다. 그리고 SVM 기반의 분류기는 적은 수의 학습 데이터로부터 정상인 해마 집단과 간질 환자 집단간의 정확한 분류를 가능하게 한다.

• Korean Journal of Digital Imaging in Medicine
• /
• v.17 no.1
• /
• pp.9-12
• /
• 2015

임상용 모니터의 출력값 중 가장 큰 영향을 주는 것이 휘도이다. 최근 컬러 모니터의 임상용 사용으로 인해 출력값의 보정은 매우 중요하게 관리되고 있다. 색보정 변위의 특성화가 휘도와 동일한 인자로 영향을 주는지 분석하기 위해 사용된 특성화 보정 모델은 GOG모델과 S-curve모델 이다. 두 개의 모델을 통해 모니터의 휘도는 장치의 출력과 직접적인 관계가 있다는 것을 증명하고 동일한 출력에 입력값을 가질 수 있도록 구성하고자 한다. 동일한 출력을 디스플레이 할 경우 동일한 출력값을 얻어야 한다. 그러나 모니터에 따라 서로 다른 출력값을 산출한다. 컬러모니터의 경우는 출력의 안정성에 휘도뿐만 아니라, 색감(R,G,B) 변화가 큰 역할을 수행한다. 본 연구에서는 분석인자 중 대조도에 영향을 주는 인자를 역추적하여 특성화 보정 S-curve모델을 LCD에 적용하였다. 이는 GOG모델을 적용한 CRT와 동일한 결과를 얻었다. 따라서 인자는 CIEXYZ의 결과값과 동일한 인자를 구할 수 있다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.10c
• /
• pp.142-144
• /
• 2002

대부분의 내용기반 이미지 검색 시스템은 이미지의 특징 벡터인 색상, 모양, 그리고 질감에 의해서 유사한 이미지를 검색하는 기법을 제공하고 있다. 최근 이러한 내용기반 이미지 검색 기술은 의료 영상 이미지와 같은 다양한 분야에 적용되고 있으며, 이에 따라서 의료 이미지를 분석하여 저장, 검색하기 위한 데이터베이스 시스템이 증가하고 있다. 그러나, 대량의 이미지로부터 원하는 이미지를 검색하기 위해서는 이미지의 메타데이타를 효율적으로 표현해야 하며, 의미성과 이미지의 특징 데이터를 통합적으로 저장 관리 할 수 있는 이미지 데이터베이스를 설계하고 구축해야만 한다. 본 논문에서는 기존의 내용기반 이미지 검색 기법을 살펴보고. 이미지를 내용기반으로 분류하고 저장할 수 있는 데이터베이스 시스템을 설계하여 효율적인 의미기반 검색을 지원말 수 있는 모델을 제시한다. 다계층 메타데이타 레이어 구조로 이미지에 대한 개념 지식 모델을 표현하고, 이미지내의 객체를 메타데이타로 표현하여 분류할 수 있는 모델을 제안한다. 또한, 이미지 내용검색을 지원하기 위한 시스템 구조를 설계하고, 메타데이타가 저장되기 위한 관계형 모델을 스타 스키마의 형태로 제시한다. 제안된 방법은 의미적인 이미지 내용 검색 방법의 지원에 활용될 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2018.05a
• /
• pp.538-540
• /
• 2018

인체 장기의 3D 모델은 의료분야에 널리 활용이 되고 있다. 사람의 신체를 3D로 구현하기 위한 많은 연구들이 수행 되었으나, 사람의 신체 크기 변화에 따른 내부의 장기를 보여주는 시뮬레이션에 대한 연구는 부족하다. 인체 장기의 3D 모델 시뮬레이션을 통해 장기를 3차원으로 보여주고 3차원의 모양을 비교할 수 있는 뷰어를 구현하였다. 장기의 3D 모델을 활용하는 의학 및 의료 분야에 도움이 될 것이다. 3D 프린팅과 접목하여 사람의 내부 장기를 3D로 출력하는 연구 분야에 활용할 예정이다.

• Journal of KIISE
• /
• v.42 no.12
• /
• pp.1590-1599
• /
• 2015

As a variety of personal medical devices appear, it is possible to acquire a large number of diverse medical contexts from the devices. There have been efforts to analyze the medical contexts via software applications. In this paper, we propose a generic model of medical analytics schemes that are used by medical experts, identify inference methods for realizing each medical analytics scheme, and present guidelines for applying the inference methods to the medical analytics schemes. Additionally, we develop a PoC inference system and analyze real medical contexts to diagnose relevant diseases so that we can validate the feasibility and effectiveness of the proposed medical analytics schemes and guidelines of applying inference methods.

• Journal of Digital Convergence
• /
• v.20 no.2
• /
• pp.325-338
• /
• 2022

This study was conducted to explore the acceptance behavior of undergraduate students toward telemedicine, which is temporarily allowed in the COVID-19. We applied social cognitive theory and technology acceptance model in order to reflect the convergence characteristics between medical service and digital technology of telemedicine. Based on these theoretical backgrounds, we investigated perception toward telemedicine and determinants of intention to accept telemedicine. To examine the research model and hypothesis, an online survey was conducted for college students who have not used telemedicine from September 8 to 10, 2021. A total of 184 data were collected, and multiple regression analysis was conducted using the SPSS 28.0 program. The results showed that health technology self-efficacy, usefulness and convenience benefits, social norm, and trust in telemedicine providers had positive effects on intention to accept telemedicine. This study is meaningful in that it selected undergraduate students, who are digital natives, as new targets for telemedicine, and presented the basic direction of strategies to target them.

• 월간산업보건
• /
• s.140
• /
• pp.15-23
• /
• 1999

• 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.

• Journal of Internet Computing and Services
• /
• v.24 no.4
• /
• pp.85-92
• /
• 2023

Deep learning applications are increasingly being leveraged for disease detection tasks in medical imaging modalities such as X-ray, Computed Tomography (CT), and Magnetic Resonance Imaging (MRI). Most data-centric deep learning challenges necessitate the use of supervised learning methodologies to attain high accuracy and to facilitate performance evaluation through comparison with the ground truth. Supervised learning mandates a substantial amount of image and label sets, however, procuring an adequate volume of medical imaging data for training is a formidable task. Various data augmentation strategies can mitigate the underfitting issue inherent in supervised learning-based models that are trained on limited medical image and label sets. This research investigates the enhancement of a deep learning-based rib fracture segmentation model and the efficacy of data augmentation techniques such as left-right flipping, rotation, and scaling. Augmented dataset with L/R flipping and rotations(30°, 60°) increased model performance, however, dataset with rotation(90°) and ⨯0.5 rescaling decreased model performance. This indicates the usage of appropriate data augmentation methods depending on datasets and tasks.

• KIPS Transactions on Computer and Communication Systems
• /
• v.11 no.6
• /
• pp.185-192
• /
• 2022

Multimodal medical image fusion (MMIF) fuses two images containing different structural details generated in two different modes into a comprehensive image with saturated information, which can help doctors improve the accuracy of observation and treatment of patients' diseases. Therefore, a method based on double-layer decomposer and fine structure preservation model is proposed. Firstly, a double-layer decomposer is applied to decompose the source images into the energy layers and structure layers, which can preserve details well. Secondly, The structure layer is processed by combining the structure tensor operator (STO) and max-abs. As for the energy layers, a fine structure preservation model is proposed to guide the fusion, further improving the image quality. Finally, the fused image can be achieved by performing an addition operation between the two sub-fused images formed through the fusion rules. Experiments manifest that our method has excellent performance compared with several typical fusion methods.