• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2017년도 추계학술발표대회
• /
• pp.749-752
• /
• 2017

캡슐내시경 검사는 일반내시경으로는 관찰하기 힘든 소장 기관을 관찰할 수 있어 최근 환자들 사이에서 수요가 늘고 있는 검사 방법 중 하나이다. 이와 같은 캡슐내시경으로부터 병변에 대한 의료 정보가 획득될 수 있는데, 최근에는 캡슐내시경 영상의 학습을 통해 이를 자동으로 획득하려는 시도들이 이루어지고 있다. 예를 들면, 캡슐의 위치를 추적하기 위해 위장관의 개략적인 위치(위, 소장 등)를 파악하거나, 캡슐내시경 영상으로부터 관찰될 수 있는 병변(폴립 등)을 검출하기 위해 영상의 학습이 수행되고 있는 상황이다. 그러나 캡슐내시경의 방대한 영상 프레임 중에서 병변에 대한 영상은 극히 일부분이기 때문에, 기존 학습 영상의 클래스(레이블)는 다양한 병변에 대한 정의나 영상에서 확인될 수 있는 구체적인 속성이 고려되지 않는다. 따라서 본 논문에서는 캡슐내시경 관련 표준(MST, CEST)에서 정의하고 있는 주요 병변 정보에 대한 색상 유사도 분석을 통해, 출력층에서 활용될 수 있는 클래스 레이블링 기법을 제안한다. 제안하는 기법은 유사한 특성을 보이는 영상의 구분을 통해 세부적인 클래스 레이블링을 수행하여 체계적인 학습 모델의 설계를 가능케한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제6권10호
• /
• pp.493-498
• /
• 2017

캡슐내시경 검사는 일반적인 내시경의 접근이 어려운 소장을 관찰하는 데 특화되어 있다. 캡슐내시경 검사를 통한 진단 과정은 크게 적응증 판단, 내시경 검사, 진단의 세 단계로 이루어진다. 이 때, 진단을 위해 필요한 핵심 의료 정보로는 적응증, 병변, 질환 정보가 있다. 본 논문에서는 이와 같은 핵심 정보를 의미적 특징 정보, 이를 추출하는 과정을 의미 기반 분석이라 정의한다. 이와 같은 의미 기반 분석은 내시경 검사 전 과정에 걸쳐 수행된다. 먼저 캡슐내시경 검사에 앞서 환자의 증상을 확인하여 예상 질병 정보를 획득한다. 다음, 획득한 정보를 기반으로 캡슐내시경 검사를 실시한 후 발견된 병변의 위치와 진단을 위한 조직, 혈관, 산도와 같은 보조 정보들을 활용하여 최종 진단을 내린다. 이때, 예상 질병을 확인하기 위한 증상과 질병 간의 연관성이나 병변의 위치로부터 확인해야할 보조 정보 간의 해부학적 연관성이 고려되어야 한다. 그러나 기존의 내시경 관련 의료 정보 표준과 같은 지식 모델은 단순히 내시경 검사와 관련된 용어들이 나열된 형태로 의미적 연관성이 고려되지 않는다. 따라서 본 논문에서는 캡슐내시경 검사의 진단 보조를 위한 의미적 연관성 기반의 지식 모델을 제안한다. 제안하는 모델은 캡슐내시경 검사의 주요 대상 기관인 소장에 특화된 질병 모델과 해부학 모델로, 캡슐내시경 검사를 위한 효과적인 의료 정보 제공을 가능케 한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2017년도 춘계학술발표대회
• /
• pp.900-903
• /
• 2017

캡슐내시경은 일반적인 내시경의 접근이 어려운 소장을 관찰하는 데 특화되어 있다. 보통 캡슐내시경 영상을 판독하기 위해 의사는 해부학적 지식과 병리학적 지식과 같은 도메인 지식을 활용하여 영상에 내재된 정보를 획득한다. 이와 같은 내재된 정보는 도메인 지식을 활용하여 분석될 수 있는 의미적 정보라고 할 수 있다. 본 논문에서는 의미적 정보를 추출하는 과정을 의미 기반 분석이라 정의하고, 의미 기반 분석 과정에서 요구되는 도메인 지식 모델링 기법을 제안하고자 한다. 캡슐내시경의 의미 기반 분석 과정은 크게 이미지 특징 추출, 해부학적 분석, 병리학적 분석으로 구성되며, 이와 같은 분석 과정에 활용될 수 있는 해부학 모델과 병리학 모델을 제안한다. 제안하는 모델은 캡슐내시경 영상의 주요 대상 기관인 소장에 특화된 모델로 효과적인 영상 판독을 보조할 수 있음을 보인다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2019년도 춘계학술발표대회
• /
• pp.375-378
• /
• 2019

최근 딥러닝과 머신러닝 기법이 소프트웨어의 성능 향상에 도움이 되는 것이 입증됨에 따라, 의료 영상 진단 보조 소프트웨어를 개발하기 위한 시도가 활발해 지고 있다. 그 중 캡슐내시경은 소장 소화기관을 관찰할 수 있는 초소형 의료기기로, 기존의 내시경 검사와 다르게 이물감이 느껴지지 않고 의료보험 적용으로 최근 들어 널리 이용되고 있다. 일반적으로 캡슐 내시경은 8 시간 동안 소화기간을 촬영하며, 한 번의 검사 결과로 생성된 동영상 데이터 셋은 수 만장의 이미지를 포함하기 때문에, 방대한 양의 이미지들을 효율적으로 관리하기 위한 체계가 필요하다. 특히, 방대한 양의 캡슐내시경 이미지를 학습하는 경우, 수 만장의 이미지 속에서 유의미한 특징(촬영정보, 의사소견, 환자정보, 병변의 위치 및 크기 등)을 추출해내야 하므로 학습 데이터 레이블링을 위한 정보를 정확히 추출해야 하는 작업이 요구된다. 따라서 본 논문에서는 캡슐내시경 영상을 학습할 때, 학습 데이터 레이블 정보를 체계적으로 구축할 수 있게 하는 레이블 정보 추출 기법을 제안하고자 한다. 제안하는 기법은 병원에서 14년간 수집된 총 340명의 캡슐내시경 데이터(약 1,700 만장의 이미지)를 토대로 영상데이터를 구조적으로 분석하여 유의미한 정보를 추출하고 노이즈 데이터를 제거한 뒤, 빅데이터 저장소에 적재할 수 있음을 보였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2018년도 추계학술발표대회
• /
• pp.669-672
• /
• 2018

캡술내시경은 식도부터 항문까지 소화기관 전체를 한번에 촬영할 수 있는 의료기기로, 한번의 검사에 평균 8~12 시간 정도의 길이와 5만장 이상의 프레임으로 구성된 영상을 생성한다. 그러나 생성된 영상에 대한 분석은 수작업으로 진행되고 있어, 캡술내시경 영상 분석 자동화에 대한 기술적인 수요가 높아지고 있는 추세이다. 이를 위해, 캡슐내시경 영상 분석에 대한 많은 연구가 진행되고 있는데, 본 연구에서는 그 중에서도 폴립 영상에 대한 검출 자동화 연구에 주목하였다. 폴립이란 위장관 내에서 발견될 수 있는 융기성 병변으로, 많은 연구에서 기계학습 혹은 딥러닝 방식을 적용하여 이를 검출하기 위한 연구를 수행하였다. 그러나 캡슐내시경 영상의 특성상, 병번이 있는 영상이 굉장히 적기 때문에 일반적인 딥러닝 방식의 적용으로 좋은 성능을 내기 어렵다. 따라서 본 논문에서는 폴립 검출 컨볼루션 신경망 설계를 위한 멀티 스케일에 대한 원형 검출기법을 결합하여 폴립이 의심되는 영역을 추출해주는 특징 추출 기법으로, 수집한 데이터 150장에 대한 실험한 결과 약 82%의 성능을 보였다.

• 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.

• Journal of Yeungnam Medical Science
• /
• 제23권1호
• /
• pp.45-51
• /
• 2006

소장질환을 진단하는데 있어서 캡슐내시경의 유용성을 평가하고자 본 연구를 시행하였다. 2003년 8월부터 2006년 3월까지 영남대학병원에서 캡슐내시경을 시행한 66명(평균나이: 52.1세, 남/녀: 39/27)의 의무기록과 내시경 기록을 검토하였다. 상부 및 하부 위장관 내시경에서 이상이 발견되지 않아 소장질환을 확인하기 위한 목적으로 시행되었으며, 특히 소장출혈의 확인을 위해 시행한 경우가 47명(71.3%)으로 가장 많았다. 이 가운데 궤양 또는 미란이 22예(46.8%), 종양 5예(10.6%), 혈관이형성증 3예(6.4%), 용종 3예(6.4%), 협착이 동반된 궤양 1예(2.1%), 활동성 출혈 1예(2.1%), 정상 소견 12예(25.5%) 등이었다. 이들 가운데 출혈과 관련이 있을 것으로 생각되는 병소는 32예(68.1%)였다. 종양이 발견된 5명에서 수술을 하였는데 위장관간질종양이 4예, 림프관종 1예가 진단되었다. 비특이적 복부 증상으로 시행한 경우의 병변발견율은 42.9%(6/14)였는데, 증상과 관련있는 경우는 1예에 불과하였다. 캡슐내시경 검사로 인한 합병증은 발생하지 않았다. 결론적으로, 캡슐내시경은 소장질환에 대해 안전하고 비침습적인 검사법이며, 소장출혈에 대해 우수한 결과를 보였다. 그러나, 출혈 이외의 복부증상에 대해서는 더 연구가 필요하다.

• 지능정보연구
• /
• 제15권2호
• /
• pp.33-48
• /
• 2009

캡슐내시경검사는 일반 내시경 검사에 비해 고통이 없고 합병증이 적다고 보고되어 있어 향후 지속적인 발전 가능성이 매우 큰 분야로 잘 알려져 있다. 그러나, 캡슐내시경을 이용한 진단은 캡슐이 동일한 위치에 상주할 경우 반복적으로 촬영된 유사한 영상을 오래도록 관찰 하여야 하므로, 진단자로 하여금 막대한 시간적 비용을 발생하게 한다. 따라서 보다 현실적이고 실용적인 캡슐내시경 검사를 위한 효율적인 탐색 및 진단 방법으로써 캡슐내시경영상에 대한 지능형 탐색방법이 요구된다. 본 논문에서 제안하는 지능형 판독보조 시스템은 영상차감을 통해 중복영상을 최소화한 후 프레임단위로 영상이 내포한 정보를 일차원도표(map)의 형태로 제공하고, 이러한 결과도표의 분석도구 및 방법을 제안함으로써 진단시간을 큰 폭으로 단축할 수 있는 방법을 제안하였다. 즉, 비교연산 한 정규화된 교차상관(Normalized Cross-Correlation) 방법을 통해 전처리 된 인접영상에 대한 유사도를 추출하고, 설정된 임계값이상의 영상들만을 탐색 범위로 지정하여 중복 촬영된 영상의 탐색을 최소화 한다. 이외에도 영상간 유사도, 엔트로피와 명암도를 통해 얻어진 이동도표, 특성도표와 명암도표를 분석하여 효율적으로 사용자가 탐색을 원하는 부위에 대한 탐색밀도를 높이는 등의 다양한 진단 매뉴얼을 제시한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제9권3호
• /
• pp.101-108
• /
• 2020

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 데이터 셋이 방대하고 판단에 시간이 오래 걸리는 캡슐내시경 영상에 주목하였다. 본 논문의 목적은 캡슐내시경 영상의 판독에서 모든 환자에 대해 공통으로 수행되고, 판독하는 데 많은 시간을 차지하는 위장관 랜드마크를 구별하고 위장관 교차점을 추정하는 것이다. 이를 위해, 위장관 랜드마크를 식별할 수 있는 CNN 학습 모델을 설계하였으며, 이를 이용하여 결괏값을 필터링해 위장관 교차점을 추정하였다. 무작위로 환자 데이터를 샘플링한 모델을 이용해서 나온 결과를 필터링 후에 위장관 교차점을 추정하였을 때, 88% 환자는 위장에서 소장으로 변화하는 위장관 교차점(유문판) 의심 구역 안에 들어왔으며, 소장에서 대장으로 변화하는 위장관 교차점(회맹판)의 경우 100% 환자가 위장관 교차점 의심 구역 안에 들어온 것을 확인할 수 있었다. 100프레임 범위로 위장관 교차점 의심 구역을 찾을 수 있었으며, 판독자가 초당 10프레임의 속도로 판독을 진행한다면 10초안에 위장관 교차점을 찾아낼 수 있다.

• Pediatric Gastroenterology, Hepatology & Nutrition
• /
• 제13권1호
• /
• pp.1-6
• /
• 2010

The small bowel is the most difficult intestinal segment to examine. Radiologic tests are mostly insensitive and double-balloon enteroscopy is unsuitable for the younger child. Capsule endoscopy is a novel wireless method of investigation of the small bowel. The primary indications for capsule endoscopy include evaluation of obscure gastrointestinal bleeding, small bowel Crohn's disease, and polyposis syndromes. Capsule endoscopy offers an accurate and effective means of investigating the small bowel in children. Capsule retention is a potential complication of capsule endoscopy. This review provides the indications, safety, and limitations of wireless capsule endoscopy in children.