• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 추계학술발표대회
• /
• pp.462-464
• /
• 2022

의료영상기반의 인공지능 연구는 질환의 조기진단 및 예측 분야에 눈부신 기술발전이 되어왔다. 장기 섬유증은 만성 염증성 질환의 질병 진행을 특징짓고 전 세계적으로 모든 원인으로 인한 사망률의 45%에 기여하며, 그중 간 섬유증은 주로 삶의 질과 예후를 결정한다. 해당 질환은 임상 현장에서 혈액데이터 분석 그리고 간생검을 통해 진단을 하고 있으나 최근 의료영상 분석을 통해 진단에 활용하고 있는 추세이다. 본 논문에서는 인공지능을 기반으로 하여, 간 섬유화를 진단하기 위해 MRI영상을 학습하여 질환에 대한 중증도 진단을 돕는 인공지능 모델을 제시하고자 한다. 이를 위해 인공지능 모델을 개발하는 과정과 그 결과를 보인다. 본 논문에서 제시한 모델을 통해 간 섬유화를 빠르게 진단할 수 있을 것으로 기대한다.

• 대한디지털의료영상학회논문지
• /
• 제4권1호
• /
• pp.32-34
• /
• 1998

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2004년도 춘계학술발표대회논문집
• /
• pp.228-231
• /
• 2004

의학 분야에서 의료 영상 데이터에 해당하는 컴퓨터 단층 찰영(CT. Computer Tomography), 자기 공명 영상법 (MRI : Magnetic Resonance Imaging)둥의 데이터 등이 정확하고 신속한 진단ㆍ관리를 위하여 의료 영상 데이터 중에서 관심의 대상이 되는 영역은 무손실 압축 기법을 수행하고, 그외의 지역은 움직임 보상 방식을 사용하여 압축하는 방식을 제안하고 실험하였다. 그 결과 기존의 손실 압축 기법에 비하여 더 낮은 비트율로 효율적인 압축을 수행하였다.

• 방송공학회논문지
• /
• 제15권6호
• /
• pp.723-730
• /
• 2010

최근 다양한 3차원 영상처리 기술이 산업체 전반으로 확대되고 있다. 관련 기술중의 하나인 입체변환은 기존의 2D영상에서 입체영상을 생성하는 기술이다. 이 기술은 영화, 방송 콘텐츠에 적용되어 3D 입체로 시청할 수 있는데, 3D 기술의 지속적인 산업체 응용이 요구됨에 따라 입체변환 기술을 새로운 분야로 적용하여 새로운 입체 콘텐츠를 제작하는 것이 필요하다. 이러한 추세에 따라 이 기술을 의료영상에 응용하는 것이 본 논문의 목적이다. 의료 영상은 정확한 판독이 필요하기 때문에 2D 의료영상보다 구체적인 3D 정보를 얻을 수 있는 3D 입체영상에 관심이 높아지고 있다. 본 논문에서는 기존의 2D 의료영상으로부터 입체영상을 생성하는 의료영상 입체변환 방법을 제안한다. 실험 영상으로 CT(Computed Tomograpy) 영상을 사용한다. 제안 방법은 장기의 영역 분할, 에지를 이용한 경계선 추출, 각 장기의 깊이 정보에 따른 명암 분석 등으로 구성된다. 얻어진 데이터를 바탕으로 CT 영상의 깊이맵을 생성한다. 최종적으로 추출된 깊이 맵과 2D 의료영상으로 부터 입체영상을 생성한다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2002년도 춘계학술발표논문집(상)
• /
• pp.485-488
• /
• 2002

본 논문은 의학 연구 및 교육, 환자 치료를 위해 보다 정확한 정보를 제공하고자 의료 영상 중에 가장 많이 사용하는 의료 영상인 뇌 MR 영상의 횡단면만을 가지고 3차원으로 가시화한다. 3차원으로 재구성하는데 있어서 원 영상의 모형을 자연스러운 표현을 위해서는 층 영상과 층 영상간의 보간 영상이 필요하므로 이를 생성하는 방법에 대해서 제안한다. 그리고 3차원 재구성에 필요한 정보를 추출하기 위해 각 영상에서 머리와 뇌 영역의 윤곽선 정보를 추출하고 가시화의 시간을 줄이기 위해 윤곽선 정보에서 특징점을 추출하여 이를 기반으로 하여 3차원으로 재구성 한다.

• 한국정보통신학회논문지
• /
• 제7권5호
• /
• pp.964-971
• /
• 2003

디지털 정보처리기술과 컴퓨터 기기의 발전으로 최근 많은 병원에 도입된 PACS 시스템은 의료영상의 디지털화로 의료영상 관리의 효율성과 편리성을 획기적으로 증가시켰다. 이렇게 생성된 의료영상 중에서 여러 가지 사례를 비교하고 특정 질병의 검사 방법 및 영상을 판독의사의 소견과 함께 병원 홈페이지를 통하여 역동적으로 표현한다면 질환 및 검사에 관심이 있는 홈페이지 방문객에게 간접 체험의 기회가 제공되어 그 병원에서 검사할 수 있는 영역과 질환을 치료할 수는 범위를 보여주는 역할을 수행하게 된다. 본 논문에서는 부위별, 질환별에 따른 비정상 사례의 MR, CT영상과 같은 동영상과 이미지, 판독의사의 소견과 같은 음성, 설명의 텍스트 등의 여러 가지 멀티미디어 요소를 동기화 하여 시각적으로 표현하기 위하여 SMIL을 사용, 웹 서비스가 제공되는 어느 곳에서든지 다양한 질병에 관한 의료영상과 검사방법에 관한 정보를 프레젠테이션 하도록 한다.

• 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.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2009년도 춘계학술발표대회
• /
• pp.957-960
• /
• 2009

의료영상기기의 발달과 등장으로 진단과 치료목적으로 생성된 의료영상은 기하급수적으로 증가하고 있다. 게다가 의료 환경이 보다 전문화, 집중화 되면서 의료기관 간의 협업의 중요성이 강조되고 있다. 의료기관간의 효과적인 의료협업을 위해서는 의료정보의 원활한 가시화와 이를 지원하기 위한 정보 처리는 필수적이다. 의료기관간의 의료정보를 가시화하기 위해서는 안정적이고 다양한 의료정보를 표현하기 위한 플랫폼이 필요하다. 본 연구에서는 다양한 의료정보 협업을 지원하는 의료협업 플랫폼을 제안하고 기존의 PACS-Grid 와 서비스 기반의 의료정보 협업 가시화 서비스를 설명하고자 한다.

• 한국멀티미디어학회논문지
• /
• 제15권5호
• /
• pp.624-631
• /
• 2012

많은 의료영상 시스템에서 의료 볼륨 데이터는 압축된 형태로 저장되어 있으며, 압축된 데이터는 가시화 이전에 압축 복원을 수행해야 한다. 압축 복원은 상당한 시간이 소모되기 때문에 본 연구는 삼차원 의료영상의 고속 복원 방식을 제안한다. 제안 방법은 의료영상의 특수성에 대한 사용자 요구를 감안하여, 손실과 무손실 압축을 모두 제공하며 점진적 개선(progressive refinement) 복원 속성을 갖는다. 그리고 그래픽스처리장치(GPU)를 이용한 병렬화를 수행하여 매우 짧은 시간 내에 압축 복원이 수행된다. 마지막으로 압축 복원과 볼륨 가시화를 연계하여 선택적 압축 복원 방법이 가능하며, 이를 통하여 볼륨 압축 복원의 추가적 성능 향상을 얻었다.

• 한국콘텐츠학회논문지
• /
• 제1권1호
• /
• pp.8-14
• /
• 2001

본 논문에서는 의료영상에서 특정 장기를 추출하여 질환 부위를 인식하는 알고리즘을 제안한다. 의료영상이 추출되어진 장기 부위에서 질환을 인식하기 위하여 단일 신경회로망을 이용하면 신경회로망의 학습 능력과 일반화 능력이 한정적이므로 성능개선에 많은 문제가 있다. 따라서 추출된 장기로부터 질환부위를 인식하는 것은 신경회로망을 복합적인 방법, 즉 RBF (Radial Basis Function), BP (Back Propagation)로 구성하여 단일 신경회로망의 단점을 극복하였다. 본 논문에서 제안하는 알고리즘은 입력 의료영상의 다양한 형태 변화에 적응력이 뛰어남을 실험결과로 알 수 있었다. 그리고, 전체 알고리즘의 수행시간이 장기추출 알고리즘을 포함하여 일반적으로 10초 이내에 수행됨을 실험 결과 알 수 있었다. 제안된 알고리즘은 실시간으로 의료영상의 질환부위를 인식하여 판별 자동화를 통해 원격의료에 사용 되어 질 수 있다.