• 구강회복응용과학지
• /
• 제34권2호
• /
• pp.104-115
• /
• 2018

목적: 본 연구는 현재 시판되고 있는 구강스캐너를 사용하여 구강스캐너 정확도 평가를 위해 국제표준이 제안하고 있는 모형의 스캔이미지 획득이 가능한 지 분석하고, 이를 통해 표준모델이 가지고 있는 문제점을 파악하는 데 있다. 연구 재료 및 방법: ISO12836과 ANSI/ADA no.132에서 규정하는 국제표준을 참고하여 3D 프린터기를 이용하여 모델을 제작하였으며, 모델스캐너와 두 가지 구강스캐너를 이용하여 스캔을 하였다. 스캔이미지 획득 정도를 3등급으로 분류하여 스캐너의 성능을 비교하였으며, 모델 표면의 상태에 따른 이미지 획득 능력도 비교하였다. 결과: 모델 스캐너가 모든 모델에서 가장 우수한 이미지를 얻을 수 있었으며 TRIOS3는 둥근 형태의 구조물, CS3500은 각진 형태의 구조물에 대한 이미지 재현이 좋은 결과를 보였다. 표준 모델의 표면상태에 따른 스캔이미지 재현에서는 초경석고 모델이 스캐너 종류와 관계없이 가장 우수하였다. 3D 프린팅 모델의 경우, 표면에 파우더 처리를 한 모델에서 가장 우수한 스캔이미지를 얻을 수 있었다. 결론: ISO12836과 ANSI/ADA 132의 표준모델의 경우, 구강스캐너의 field of view (FOV)를 벗어나는 구조물을 스캔할 때 서로 다른 면인 것을 구분하는 기준점이 존재하지 않게 되면 연속적인 스캔 및 정합과정에서 정확한 이미지를 나타내지 못한다는 것을 알 수 있었다. 그러므로 단순한 패턴의 반복과 대칭구조를 가지지 않는 새로운 표준모델이 필요하다고 여겨진다.

• International journal of advanced smart convergence
• /
• 제10권2호
• /
• pp.108-122
• /
• 2021

With the development of 3D graphics software and the speed of computer hardware, it is an era that can be realistically expressed not only in movie visual effects but also in console games. In the production of such realistic 3D models, 3D scans are increasingly used because they can obtain hyper-realistic results with relatively little effort. Among the various 3D scanning methods, photogrammetry can be used only with a camera. Therefore, no additional hardware is required, so its demand is rapidly increasing. Most 3D artists shoot as many images as possible with a video camera, etc., and then calculate using all of those images. Therefore, the photogrammetry method is recognized as a task that requires a lot of memory and long hardware operation. However, research on how to obtain precise results with 3D photogrammetry scans is insufficient, and a large number of photos is being utilized, which leads to increased production time and data capacity and decreased productivity. In this study, point cloud data generated according to changes in the number and resolution of photographic images were produced, and an experiment was conducted to compare them with original data. Then, the precision was measured using the average distance value and standard deviation of each vertex of the point cloud. By comparing and analyzing the difference in the precision of the 3D photogrammetry scans according to the number and resolution of images, this paper presents a direction for obtaining the most precise and effective results to 3D artists.

• 대한의용생체공학회:의공학회지
• /
• 제44권4호
• /
• pp.255-263
• /
• 2023

Clinical ultrasound (US) is a widely used imaging modality with various clinical applications. However, capturing a large field of view often requires specialized transducers which have limitations for specific clinical scenarios. Panoramic imaging offers an alternative approach by sequentially aligning image sections acquired from freehand sweeps using a standard transducer. To reconstruct a 3D volume from these 2D sections, an external device can be employed to track the transducer's motion accurately. However, the presence of optical or electrical interferences in a clinical setting often leads to incorrect measurements from such sensors. In this paper, we propose a deep learning (DL) framework that enables the prediction of scan trajectories using only US data, eliminating the need for an external tracking device. Our approach incorporates diverse data types, including correlation volume, optical flow, B-mode images, and rawer data (IQ data). We develop a DL network capable of effectively handling these data types and introduce an attention technique to emphasize crucial local areas for precise trajectory prediction. Through extensive experimentation, we demonstrate the superiority of our proposed method over other DL-based approaches in terms of long trajectory prediction performance. Our findings highlight the potential of employing DL techniques for trajectory estimation in clinical ultrasound, offering a promising alternative for panoramic imaging.

• Nuclear Engineering and Technology
• /
• 제55권2호
• /
• pp.681-689
• /
• 2023

Purpose: Muons are characterized by a strong penetrating ability and can travel through thousands of meters of rock, making them ideal to image large volumes and substances typically impenetrable to, for example, electrons and photons. The feasibility of 3D image reconstruction and material identification based on a cosmic ray muons tomography (MT) system with triangular bar plastic scintillator detectors has been verified in this paper. Our prototype shows potential application value and the authors wish to apply this prototype system to 3D imaging. In addition, an MT experiment with the same detector system is also in progress. Methods: A simulation based on GEANT4 was developed to study cosmic ray muons' physical processes and motion trails. The yield and transportation of optical photons scintillated in each triangular bar of the detector system were reproduced. An image reconstruction algorithm and correction method based on muon scattering, which differs from the conventional PoCA algorithm, has been developed based on simulation data and verified by experimental data. Results: According to the simulation result, the detector system's position resolution is below 1 ~ mm in simulation and 2 mm in the experiment. A relatively legible 3D image of lead bricks in size of 20 cm × 5 cm × 10 cm used our inversion algorithm can be presented below 1× 10⁴ effective events, which takes 16 h of acquisition time experimentally. Conclusion: The proposed method is a potential candidate to monitor the cosmic ray MT accurately. Monte Carlo simulations have been performed to discuss the application of the detector and the simulation results have indicated that the detector can be used in cosmic ray MT. The cosmic ray MT experiment is currently underway. Furthermore, the proposal also has the potential to scan the earth, buildings, and other structures of interest including for instance computerized imaging in an archaeological framework.

• 한국방사선학회논문지
• /
• 제13권5호
• /
• pp.675-681
• /
• 2019

근골격계 수술 전 CT 촬영 후 3차원 체적영상을 Increment별로 구현하는 과정에서 시간이 많이 소요되지 않고 데이터의 양도 많지 않은 적절한 Increment를 찾아 제안하고자 한다. 이에 본 연구에서는 손, 무릎, 발인체팬텀을 CT로 검사후, MMWP 프로그램을 사용하여 3차원 체적영상을 구현하여 재현성 평가를 하였다. 첫 실험으로는 각 Increment에 따른 세 가지 인체팬텀 별 데이터양을 분석하였다. 두번째 실험으로는 재현성평가와 실측 길이를 비교하였다. Increment에 따라 각 팬텀별로 이미지 데이터양을 분석한 결과 Increment를 0.1mm 로 설정했을 때보다 1.0mm 로 설정하였을 때 1/10 정도로 데이터양이 줄어드는 것을 확인할 수 있었다. 구현성 평가를 하였을 때 손 팬텀은 0.7mm, 무릎 팬텀과 발 팬텀은 0.6mm 부터 gap이 생성되었고 실제 팬텀과 실측 길이를 비교하였을 때 길이가 많이 차이나서 구현성이 낮아지는 것을 확인할 수 있었다. Increment가 1.0mm 에 가까울수록 이미지 수가 적고, 3D 구현 시간이 적게 소요되지만 gap이 생성되면 구현성이 급격이 낮아지는 것을 확인할 수 있었다. 따라서 영상의 gap이 생성되기 전 Increment를 알아내어 적용하는 것이 수술 전 진단을 내리기에 가장 적합하다. 본 연구를 통해 CT 촬영후 VRT Rendering을 통한 3D 영상 구현시 정확한 Increment 설정을 증명할 수 있는 지표가 되기를 기대한다.

• 한국정보통신학회논문지
• /
• 제14권9호
• /
• pp.2083-2090
• /
• 2010

본 논문에서는 고속 이동 컨테이너 화물을 효율적으로 검색하기 위한 스테레오 방사선 영상 기반 3차원 형상화 연구에 관하여 기술하였다. 스테레오 방사선 영상은 X-선 발생장치, 선형 방사선 센서 그리고 이동 스테이지로 구성한 일련의 장치로부터 실물을 대상으로 획득하였다. 두 개의 방사선 센서는 검색 대상체의 정류된 X-선 영상을 얻도록 설계 및 제작되었다. 스테레오 X-선 영상을 이용하여 두 영상간의 대응점을 찾는 매칭 알고리즘을 구현하고, 대상체의 실제 3차원 형상을 복원과정을 연구하였다. 대상체는 컨테이너 화물을 모사하기 위해 평형 철재 상자 내부에 넣은 다음 시험하였다. 3가지 대상체에 대해 스캔시험과 3차원 복원과정을 차례로 진행하였으며, 방사선 영상의 정보부족으로 인한 한계를 극복하기 위해 에지정보를 기반으로한 영상복원을 시도하였다. 시험결과는 제안한 기술이 컨테이너 화물 검색에서 보다 효율적인 정보를 제공할 수 있음을 확인시켜 주었다.

• 한국방사선학회논문지
• /
• 제14권7호
• /
• pp.975-980
• /
• 2020

경추 신경공 협착은 모든 연령대의 비교적 많은 수의 사람들에게 침범하는 매우 흔한 척추 질환이다. 그러나 신경공 협착을 정량적으로 제공하는 영상검사법이 부족하므로, 본 연구는 3차원 전산화단층촬영상을 재구성하여 정량적인 측정방법을 제시하고자 한다. 3차원 영상처리 프로그램을 이용하여 경추의 후극돌기와 측돌기, 층뼈를 포함하여 신경공이 잘 관찰되도록 주변 뼈를 제거하였다. Image J를 이용하여 3차원 영상의 신경공 면적을 포함하는 관심영역을 설정하고, 신경공 면적의 화소수를 측정하였다. 측정 화소수에 화소크기를 곱하여 신경공 면적을 산출하였다. 가장 넓은 신경공 면적을 측정하기 위하여 측정 반대쪽 방향으로 40~50도 사이와, 머리쪽으로 15~20도 사이에서 측정하였다. 측정한 경추 신경공의 면적은 일관된 측정값을 보였다. 가장 크게 측정한 우측 신경공 C5-6 면적은 12.21 ㎟에서, 2년 후에 9.95 ㎟으로 18% 협착이 진행된 것을 알 수 있었다. 기존에 CT 검사 영상을 이용하여 3차원 재구성하므로 추가적인 방사선 피폭을 받지 않으며 신경공 협착 면적을 객관적으로 제시할 수 있다. 또한 3차원 영상을 보면서 신경공 협착 환자에게 설명하기 좋으며, 협착의 진행정도와 수술 후 평가에서도 사용하기 좋은 방법이라 사료된다.

• 한국방사선학회논문지
• /
• 제2권1호
• /
• pp.17-21
• /
• 2008

본 연구에서는 뇌수막종이 늦게 조영증강 된다는 점을 착안하여 뇌수막종을 최대 조영 증강시킨 검사를 시작하였다, 검사 후에 두개내의 수막종과 혈관과의 관계를 알아보고 전산화 단층 촬영 조영술의 3차원 CT 영상 기법(이하, 3차원 CT 영상 기법)과 고식적 혈관 촬영 조영술의 영상을 비교하였다. 연구대상은 3차원 CT 영상 기법과 고식적 혈관 촬영 조영술을 병행 시행하였던 6명의 환자를 대상으로 하였으며. 그 중 추체접형골동사대부 5예, 방시상동에 생긴 1예였다. 검사방법으로는 조영제를 초당 3/120 ml를 주입하여, GE Medical System Program(smart prep)을 이용하여 CT Number 값이 100에 도달한 후, 검사를 시작하였다. 스캔파라미터는 조영제가 모두 주입된 직후에 1.25 mm / 3.75 mm, HQ-Mode로 scan한 후 1 mm interval로 재구성하였다. 검사한 영상을 3D-Med Software Program(Rapidia)을 이용하여 3차원 CT 영상 기법으로 영상을 재구성한 다음 고식적 혈관 촬영 조영술과 비교하였다. 결과를 살펴보면 뇌수막종의 최대조영 시간은 조영제을 주입한 후 약120-180초에 혈관과 종양과의 관계를 가장 잘 구별할 수 있었다. 3차원 CT 영상 기법으로 재구성한 6예는 모두 종양과 혈관과의 관계를 잘 구별할 수 있었다. 또한 종양과 동반된 동맥류도 1예에서 잘 보여주었다. 이를 종합하여 보면 두 개 내 뇌수막종의 환자에서 조영제를 주입하여 3차원 CT 영상을 시행하였던 영상은 종양과 혈관과의 관계를 입체적으로 구분할 수 있어 수술에 많은 도움이 되었다.

• 터널과지하공간
• /
• 제33권6호
• /
• pp.508-518
• /
• 2023

이 논문은 LiDAR 스캔 또는 사진측량 기술에 의해 재구성된 3D 디지털 모델을 기반으로 터널 벽면의 불연속면을 자동으로 매핑하는 새로운 접근 방식을 제안한다. 본 제안에서는 U-Net이라 불리는 딥러닝 시맨틱 영역분할 모델을 사용하며, 터널 막장면의 3D 지형 모델에서 불연속면 영역을 식별해 낸다. 제안된 딥러닝 모델은 투영된 RGB 이미지, 면의 깊이 이미지 및 국부적인 면의 표면 속성 이미지(즉, 법선 벡터 및 곡률 이미지)를 포함한 다양한 정보를 종합 학습하여 기본 3차원 이미지에서 불연속면 영역을 효과적으로 분할한다. 이후 영역분할 결과는 면의 깊이 맵과 투영 행렬을 사용하여 3D 모델로 다시 투영시키고, 3D 공간 내에서 불연속면의 위치 및 범위를 정확하게 표현한다. 영역분할 모델의 성능은 영역 분할된 결과를 해당 지면 실측 값과 비교함으로써 평가하였으며, IoU(intersection-over-union) 값이 약 0.8 정도로 나타나 영역분할 결과의 높은 정확성을 확인하였다. 여전히 학습데이터가 제한적 이었음에도 불구하고, 제안 기법은 3D 모델의 점군 데이터를 불연속면의 유사군으로 그룹화하기 위해 전 막장면의 법선 벡터와 클러스터링과 같은 비지도 학습기반 알고리즘에만 의존하던 기존 접근 방식의 한계의 극복 가능성을 보여주었다.

• 방송공학회논문지
• /
• 제28권3호
• /
• pp.293-301
• /
• 2023

표준화되지 않은 의료 데이터 수집 및 관리는 여전히 수동으로 진행되고 있어, 이 문제를 해결하기 위해 딥 러닝을 사용해 CT 데이터를 분류하는 연구들이 진행되고 있다. 하지만 대부분 연구에서는 기본적인 CT slice인 axial 평면만을 기반으로 모델을 개발하고 있다. CT 영상은 일반 이미지와 다르게 인체 구조만 묘사하기 때문에 CT scan을 재구성하는 것만으로도 더 풍부한 신체적 특징을 나타낼 수 있다. 이 연구는 axial 평면뿐만 아니라 CT 데이터를 2D로 변환하는 여러가지 방법들을 통해 보다 높은 성능을 달성할 수 있는 방법을 찾고자 한다. 훈련은 5가지 부위의 CT 스캔 1042개를 사용했고, 모델 평가를 위해 테스트셋 179개, 외부 데이터셋으로 448개를 수집했다. 딥러닝 모델 개발을 위해 ImageNet으로 사전 학습된 InceptionResNetV2를 백본으로 사용하였으며, 모델의 전체 레이어를 재 학습했다. 실험결과 신체 부위 분류에서는 재구성 데이터 모델이 99.33%를 달성하며 axial 모델보다 1.12% 더 높았고, 조영제 분류에서는 brain과 neck에서만 axial모델이 높았다. 결론적으로 axial slice로만 훈련했을 때 보다 해부학적 특징이 잘 나타나는 데이터로 학습했을 때 더 정확한 성능 달성이 가능했다.