• 한국컴퓨터정보학회논문지
• /
• 제15권11호
• /
• pp.31-39
• /
• 2010

이미지를 사용하는 영상처리 시스템이나, 단순하게 특정 이미지를 보기를 원하는 일반 사용자에게 한 이미지 내에 특정 부분을 타 영역보다 높은 품질을 갖도록 한다면, 더 좋은 서비스를 제공할 수 있을 것이다. 특히 모바일 환경에서는 화면의 크기가 작으므로 우선적으로 보여야 될 부분이 필요하게 되었다. JPEG2000에서는 이러한 기능을 지원하고 있다. 하지만 구체적인 영역 추출 과정이나 서비스 기능은 없지만, 추가로 기능을 넣을 수 있도록 제공하고 있는데, 이것을 ROI(Region-of-Interest) 기법이라 한다. 본 논문에서는 인물이 포함된 이미지를 이용하여, 얼굴 영역이 가장 우선적으로 처리되고 높은 품질로 압축되도록 부가 서비스를 제공하는 것이다. 하나의 이미지가 사용자에게 서비스되기 전에 압축되고 저장되어야 하는데, 얼굴 영역은 배경 영역 보다 더 좋은 품질로 압축되고 배경은 품질을 상대적으로 떨어뜨리는 것이다. 전송될 때도 얼굴 영역은 우선적으로 전송하여 사용자에게는 훨씬 좋은 서비스를 제공할 수 있다. 또한 압축은 일반적인 방법으로 하고, 전송될 때 얼굴영역을 찾아 우선적으로 전송해도 된다. 얼굴영역 추출은 신경망 기반의 얼굴 검출 기법을 사용하고, 우선 처리는 JPEG2000의 EBCOT 기법을 사용한다. 실험은 여러 개의 얼굴이 포함된 이미지를 사용하며, 객관적인 평가와 주관적인 평가를 실시하며, 충분히 좋은 기법으로 증명되었다.

• 한국정보통신학회논문지
• /
• 제17권9호
• /
• pp.2206-2212
• /
• 2013

본 논문은 Fuzzy Contrast Enhancement 기법과 FCM을 이용하여 대비를 개선한 후, Fuzzy Contrast Enhancement를 간과 신장의 초음파 영상에 적용하여 지방간 농도 수치를 분류하는 방법을 제시한다. 간, 신장 영역을 촬영한 초음파 영상에서 촬영 정보나 눈금자 등과 같이 필요 없는 부분을 잡음으로 간주하여, 제거한 ROI 영상을 추출하고, Fuzzy Contrast Enhancement 알고리즘을 이용하여 명암 대비를 강조한다. Fuzzy Contrast Enhancement 기법이 적용된 간, 신장 영역 영상에서 평균 이진화를 적용한 후, 평균 이진화를 적용한 영상에 Blob 알고리즘을 적용하여 간, 신장 실질 영역의 ROI 영상을 추출한다. 추출한 간 영역과 신장영역의 ROI 영상을 FCM을 이용하여, 10개의 명암도 Level로 각 각 분류한 후, 분류된 간, 신장 실질 영역의 명암도 Level 중 많이 분포된 명암도 Level을 기준으로 간, 신장 실질 영역의 대표 명암도를 추출한다. 제안된 방법을 간, 신장 영역을 촬영한 초음파 영상에 적용하여 간의 지방도를 분류한 결과, 영상의학과 전문의의 판독과 일치하여 향후 지방간의 진단에 효과적으로 적용할 수 있는 방법이 될 수 있을 것으로 사료된다.

• 한국컴퓨터정보학회논문지
• /
• 제26권4호
• /
• pp.55-62
• /
• 2021

본 논문에서는 사용자의 관심영역(Region of interests, ROI)을 마찰력 기반의 스크롤을 통해 데이터를 빠르고 효율적으로 검색할 수 있는 인간-콘텐츠 사이의 새로운 인터페이스를 제안한다. 사용자가 관심이 있는 정보나 콘텐츠를 찾는 행동에서 착안한 우리의 접근 방식은 주어진 콘텐츠에서 ROI를 효율적으로 계산하고, GMM(Gaussian mixture model, 가우시안 혼합 모델)에서 착안해 개발한 커널을 기반으로 사용자가 관심 있어 하는 정보의 위치로 부드럽고 빠르게 화면을 이동시켜 정보를 탐색한다. 본 논문에서는 선형 보간법(Linear interpolation)을 적용하여 한층 부드러운 하나의 관성을 만들고, 이것을 스크롤에 적용한다. 결과적으로 사용자의 입력에 따라 정보가 검색되는 기존의 접근법과는 달리, ROI와 DOI(Degree of interests, 중요도)를 기반으로 마찰력을 제어한다. 제어된 마찰력 기반 스크롤을 통해 사용자가 관심 있어 하는 정보나 콘텐츠를 보다 쉽고 직관적으로 찾아줄 수 있기 때문에 사용자는 탐색 시간을 절약할 수 있다.

• 대한방사선기술학회지:방사선기술과학
• /
• 제45권2호
• /
• pp.151-158
• /
• 2022

The Cardiac Gated Blood Pool (GBP) scintigram, a nuclear medicine imaging, calculates the left ventricular Ejection Fraction (EF) by segmenting the left ventricle from the heart. However, in order to accurately segment the substructure of the heart, specialized knowledge of cardiac anatomy is required, and depending on the expert's processing, there may be a problem in which the left ventricular EF is calculated differently. In this study, using the DeepLabV3 architecture, GBP images were trained on 93 training data with a ResNet-50 backbone. Afterwards, the trained model was applied to 23 separate test sets of GBP to evaluate the reproducibility of the region of interest and left ventricular EF. Pixel accuracy, dice coefficient, and IoU for the region of interest were 99.32±0.20, 94.65±1.45, 89.89±2.62(%) at the diastolic phase, and 99.26±0.34, 90.16±4.19, and 82.33±6.69(%) at the systolic phase, respectively. Left ventricular EF was calculated to be an average of 60.37±7.32% in the ROI set by humans and 58.68±7.22% in the ROI set by the deep learning segmentation model. (p<0.05) The automated segmentation method using deep learning presented in this study similarly predicts the average human-set ROI and left ventricular EF when a random GBP image is an input. If the automatic segmentation method is developed and applied to the functional examination method that needs to set ROI in the field of cardiac scintigram in nuclear medicine in the future, it is expected to greatly contribute to improving the efficiency and accuracy of processing and analysis by nuclear medicine specialists.

• 대한전자공학회논문지SP
• /
• 제41권6호
• /
• pp.73-80
• /
• 2004

본 연구에서는 자연치아 주위 골조직의 미세 변화를 검출하는 의료영상처리 기술에 대한 방안을 제안한다. 제안된 방법은 먼저, 입력되는 두장의 디지털 방사선 영상에서 자연치아의 형태 분석을 통하여 자연치아의 외곽선 및 직선선분을 검출하고, 검출된 외곽선 및 직선선분을 이용하여 예상되는 환부영역(관심영역)을 분리한다. 분리된 환부영역을 중심으로 에지기반 정합을 통한 영상정렬을 수행함으로써 기존의 관심영역이외의 영역에서 오류 정보가 표시되는 문제점을 해결하고, 또한 기존의 수동적인 방법을 통한 결과의 객관성 및 정확성에 대한 문제를 해결하였다. 실험 결과, 신속하고 정확하게 자연치아 주위의 미세 변화에 대한 검출이 가능하였고, 보다 객관적이고 정량적인 결과를 제시할 수 있음을 보여주었다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2003년도 컴퓨터소사이어티 추계학술대회논문집
• /
• pp.153-156
• /
• 2003

In this paper, we propose a new scheme for automatic segmentation of the liver in CT images. The proposed scheme is carried out on region of interest(ROI) blocks that include regions of the liver with high probabilities. The ROI approach saves unnecessary computational loss in finding the accurate boundary of the liver. The proposed method utilizes the composition of multi-size morphological filters with a prior knowledge, such as the general location or the approximate intensity of the liver to detect the initial boundary of the liver. Then, we make the gradient image with the weight of the initial liver boundary and segment the liver legion by using an immersion-based waters hed algorithm in the gradient image. finally, the refining process is carried out to acquire a more accurate liver region.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2013년도 추계학술발표대회
• /
• pp.1309-1311
• /
• 2013

본 연구에서는 의료 진단키트의 자동판독 시스템에서, 통제되지 않은 조명 환경에서도 정확한 색상 판별을 위한 ROI 영역 추출 기법과 조명 보정 기법을 고찰한다. 3단계로 세분된 ROI 추출 과정은 조명변화에 적응적인 배경영상 정보를 유지하고, 노이즈 제거와 에지 추출 과정을 포함한다. 진단 결과의 정량적 판별에 중요 지표가 되는 색상정보가 조명의 영향의 의해 왜곡되는 것을 보완하기 위하여 표본 추출된 학습데이터로부터 조명 보정 곡선을 생성한다. 20종류의 색상패턴을 대상으로 적용한 실험 결과를 통하여 제안된 이론의 유용성을 고찰한다.

• 핵의학기술
• /
• 제16권1호
• /
• pp.27-33
• /
• 2012

수신증 진단을 받은 소아 환자 $^{99m}Tc$-DMSA 신장 검사에서 영상 획득 후 좌-우측 신장의 섭취 비율을 분석하기 위해 관심영역을 설정하는데, 장비의 자동 관심영역 설정 시 수신증으로 확장되어 있는 신우 부위까지 관심영역에 포함되어 정확한 좌-우 신장의 섭취율이라 할 수 없기에 본 연구는 신장 모형과 확장된 신우의 모형을 이용한 실험을 통해 수신증으로 인해 확장된 신우를 포함한 관심영역과 포함하지 않은 관심영역을 비교하여 보다 개선된 관심영역의 설정 방법을 제시 하고자 한다. 또한, 확장된 신우에 섭취된 방사성 의약품이 신장 피질 세포에서의 섭취인지 아니면 요관의 막힘으로 인한 잔류 소변 인지를 알아 보기 위해 판독의의 도움을 받아 알아 보기로 한다. 두 개의 신장 모형에 같은 양의 물을 채우고 $^{99m}TcO_4$ 111 MBq를 각각 넣어 섞었다. 확장된 신우를 표현하기 위해 5개의 고무 풍선에 물 용량을 각각 10 mL로 채운 후 $^{99m}TcO_4$를 각각 18.5, 37, 55.5, 74, 92.5 MBq를 각각 섞어 준비 하였다. 또한, 고무 풍선에 $^{99m}TcO_4$를 37 MBq으로 고정하고 물 용량을 각각 5, 10, 15, 20, 25 mL를 섞어 준비하였다. 좌측 신장은 모양 그대로 유지하고 우측 신장 모형에 이 고무 풍선을 붙여 수신증의 신장과 비슷한 모형을 만든 후 각각 200만 계수를 수집하였다. 수집된 영상을 확장된 신우를 포함한 관심영역과 포함하지 않은 관심영역을 그려서 좌-우 신장의 섭취비율을 비교 하였고, 재현성을 위해 한 영상당 5회씩 관심 영역을 설정하였다. 환자의 경우 $^{99m}Tc$-DMSA를 1.5~1.9 MBq/kg 주사하고, 3~4시간 후에 검사하였고, 숙련된 3명의 방사선사가 각각 1회씩 관심 영역을 설정하여 비교 평가 하였다. 두 자료 간의 통계적 유의성을 알아보기 위해 SPSS (ver. 17) Wilcoxon Signed Ranks Test 사용하였다. 신장 모형 실험 결과로 확장된 신우를 포함하여 관심영역을 설정한 것과 포함하지 않고 관심영역을 설정한 두 집단간에 수집계수, 주변 계수, 섭취율을 비교해 본 결과 수집계수와 섭취율의 변화된 결과를 얻을 수 있었고, 환자 검사 영상에서 또한 섭취율의 변화된 결과를 얻을 수 있었다. 또한, 확장된 신우에 섭취된 방사성 의약품은 확장된 신우에 의해 요관으로 내려가지 못한 잔류 된 소변이라는 것이 확인되었다. 위 결과에서 보여 주듯이 신장의 좌-우측 섭취율 도출 시에 수신증으로 인해 신우가 확장된 신장에서 신우를 포함하여 관심영역을 설정했을 때의 섭취율이 포함하지 않았을 때의 섭취율에 비해 과섭취율을 보여 주고 있다. 검사자의 작업 편의성과 결과의 신속성을 위해 자동 관심영역으로 설정하여 결과를 도출해 내고 있지만, 이러한 수신증 환자의 경우에는 확장된 신우에 방사성의약품이 섭취가 되어있는 것은 잔류된 소변이므로 관심영역 설정 시에 확장된 신우 부분을 제외하고 수동으로 관심영역을 설정해야 정확한 좌-우측 신장의 섭취율을 도출할 수 있을 것이라 사료된다.

• 한국정보통신학회논문지
• /
• 제22권4호
• /
• pp.634-640
• /
• 2018

본 논문에서는 방사선 영상을 기반으로 관심 영역의 자동 추출 알고리즘을 제안한다. 제안 알고리즘은 입력 영상에서 병변부위를 검출하기 위해 세그먼테이션, 특징 추출 및 참조 이미지 매칭을 이용한다. 추출된 영역은 참조 DB에서 일치하는 병변 이미지를 검색하고, 일치된 결과는 칼만 필터 기반의 적합성 피드백을 이용해 병변을 자동 추출한다. 제안 알고리즘은 왼손 x-ray 입력 영상을 기반으로 성장판을 추출하기 위해 왼손 이미지의 윤곽선을 추출하고, 이것은 다중 스케일 해시안 행렬 기반의 세션화를 이용해 후보 영역을 생성 한다. 그 결과, 제안 알고리즘은 관심영역 분할 단계에서는 0.02초로 빠른 분할이 가능하였고, 분할 영상을 기준으로 ROI 추출시 평균 0.53, 강화 단계에서는 0.49초로 매우 정확한 이미지 분할이 가능한 것을 실험을 통해 알 수 있었다.

• 한국의학물리학회지:의학물리
• /
• 제12권1호
• /
• pp.41-50
• /
• 2001

신장 핵의학 영상의 정량적 분석시 설정하게 되는 관심영역은 그 설정 위치 및 모양과 크기에 따라 서로 다른 분석 결과를 도출하게 한다. 따라서, 관심영역을 사용자가 직접 육안으로 판별하여 수동으로 설정하는 경우, 사용자별 주관적 요소에 의해 위치 및 형태가 서로 상이한 관심영역을 설정하게 되어 동일한 자료를 분석하더라도 그 결과가 모두 상이한 값을 갖게 되는 문제점이 발생한다. 본 연구에서는 관심영역 수동설정시 사용자별 관심영역 설정의 변화도가 실제 신장기능 분석결과에 어느 정도의 영향을 주는지를 조사하였으며, 수동설정시보다 일관성 있는 결과를 얻기 위해 여러방법의 자동설정 기능을 개발하여 그 적용 결과를 분석하였다. 관심영역의 설정에 따른 결과분석을 위한 지표값으로 좌ㆍ우 신장의 상대적 섭취도, 사구체여과율 및 평균통과시간을 선정하였고, IDL5.2로 프로그래밍하여 분석용 도구로서 적합한 소프트웨어를 개발하였으며, $^{99m}$ Tc-DTPA를 주입하여 얻은 총 11명의 정상인 신장 핵의학 영상을 대상으로 9명의 사용자들이 수행한 신장기능 평가 결과를 분석하였다. 신장 관심영역의 자동설정을 위해 영상내 화소들의 gradient값을 이용한 역치(threshold)의 계산과 border tracing기법을 적용하였으며, 배후 관심영역과 대동맥의 관심영역은 좌ㆍ우 신장의 관심영역이 설정 완료된 후, 영상내 기하학적 정보와 화소값을 참조로 하여 자동으로 설정되도록 하였다. 신장 관심영역의 자동설정 기능으로 사용자 주관적 요소의 배제 정도에 따라 4가지 방법을 개발하였으며, 각각의 적용결과를 비교, 분석하였다. 이 4가지 관심영역 자동설정 기능들은 그 구현 방법에 따라 조금씩의 차이는 있었지만, 수동설정시보다 정량적 분석 결과값의 사용자별 편차를 확연히 감소시켜, 신장 핵의학 영상의 정량적 분석시 객관적 기준을 통한 일관성 있는 결과를 도출함에 있어 그 기능의 상대적 우수성을 입증하였다.