• 핵의학기술
• /
• 제15권1호
• /
• pp.29-33
• /
• 2011

감마 카메라 안에는 검출기의 감도를 균일하게 해주는 flood table이 내장되어있어 있는데, 우수한 균일성을 유지하기 위해서는 적합한 flood table을 사용하여야 한다. 왜냐면 flood table은 입사된 방사선의 종류와 에너지, 용량에 따라 차이가 나기 때문이다. 그래서 본 논문에서는 적절치 못한 flood table을 사용하였을 때, 영상의 균일성이 어떻게 변화하는지를 알아보겠다. 입사 방사선으로 $^{57}Co$, $^{99m}Tc$, $^{201}Tl$ 370 MBq를 사용하였다. Philips 사의 SkyLight, GE 사의 Infinia 감마 카메라를 사용하여. 각 선원 별로 각각 $^{57}Co$로 교정된 flood table, $^{99m}Tc$으로 교정된 flood table로 보정한 영상을 얻고, 균일성을 보정하지 않은 영상과 비교하였다. 추가적으로 콜리메이터를 장착한 상태에서 데이터를 얻고 내인성 flood table과 외인성 flood table로 보정 해보았다. 이렇게 나온 결과 영상을 가지고 균일도를 평가하였고, 그 값들을 서로 비교하였다. $^{57}Co$를 사용한 경우 보정을 하지 않았을 때 균일도는 9.34% 이고, $^{99m}Tc$ flood table로 보정하였을 때는 5.91%, $^{57}Co$ flood table일 경우 4.9%가 나왔다. $^{201}Tl$을 사용한 경우, 보정하지 않으면 9.81%, $^{99m}Tc$ flood table은 7.03%, $^{57}Co$ flood table은 7.49% 나왔다. $^{99m}Tc$을 사용한 경우, 무보정 시 9.67%, $^{99m}Tc$ flood table은 3.96%, $^{57}Co$ flood table은 5.69% 나왔다. 그리고 내인성 flood table로 보정을 한 경우 6.28% 나왔다. flood table이 입사된 방사선의 종류와 맞지 않는다면 균일도는 변화되는걸 알 수 있었고, 입사된 방사선과 flood table을 교정한 방사선원의 종류가 일치할 때, 감마 카메라의 균일도는 가장 좋음을 알 수 있다. 더불어 내인성, 외인성 시스템처럼 콜리메이터의 유무에 따라 다르게 교정한 flood table에 따라서도 균일도는 변화됨을 알 수 있다. 따라서 감마선을 받아 들이는 상황과 방사선원에 따라 일치한 flood table를 지정하여야 하고, 정기적으로 flood table을 개선시켜 주어야 높은 균일성을 유지 시킬 수 있을 것이다.

• 대한전자공학회논문지SP
• /
• 제42권6호
• /
• pp.1-8
• /
• 2005

이 논문에서는 팬-틸트-줌 기능을 가지는 실시간 능동카메라 시스템에 적합한 2단계 머리 추적 알고리즘을 제안한다. 먼저, 색 수렴 단계에서는 머리의 모양을 타원으로 가정하고 모델 색-히스토그램을 얻는다. 그 후, 모델과 후보 타원의 색-히스토그램간의 유사도를 검사하여 목표 물체의 대략적인 위치를 구하기 위해 mean-shift 방법을 이용한다. 여기에서 영상 내 물체 영역의 색 분포가 카메라의 관찰 방향에 따라 달라지는 것을 고려하기 위하여, 모델 히스토그램 뿐 아니라 이전 프레임에서 얻어진 타원의 색 히스토그램도 함께 고려함으로써 mean-shift의 수렴성을 향상시킨다. 특히, 이전 프레임에서 결정된 타원 내부의 가장자리 영역에 포함되어 있는 배경 색 성분에 의한 오류 누적 문제를 해소하기 위해, 모델 히스토그램을 이용하여 타원의 크기를 적응적으로 축소함으로써 이전 추적 결과중 머리 영역에 해당되는 색 히스토그램을 얻는다. 또한 영상 내의 전역 움직임을 예측하고 이를 보상하여 정확한 초기 위치를 찾음으로써 mean-shift의 색 수렴성을 더욱 향상시킨다. 이 때, 고속 움직임 추정을 위해 1-D 투사 데이터 기반의 방법을 제안한다. 다음 단계에서는, 모양 정보를 이용하여 수렴단계에서 얻어진 타원의 위치와 크기를 보다 정확히 재조정한다. 이를 위해 영상 내 경사도의 방향에 기반한 강건한 모양 유사도 함수를 정의하고 사용한다. 다양한 환경을 고려한 실험을 통하여, 사람의 움직임이 빠른 경우, 영상 내 머리 크기의 변화가 심한 경우, 그리고 배경의 색과 모양이 매우 복잡한 경우에 대해서도 제안한 알고리즘이 비교적 정확히 추적을 수행함을 보였다. 아울러 제안한 알고리즘은 추적을 수행하는데 일반 PC에서 약 30fps의 처리 속도를 보여 실시간 시스템에 적합하다.