오늘날 의료 기관에서는 수많은 의료 영상자료를 만들고 관리하고 있으며, 이러한 자료들 중에서는 환자의 프라이버시와 관련된 정보도 많다. 따라서 이러한 개인정보는 외부로 노출되어서는 안 되며, 철저한 관리가 필요하다. 본 논문에서는 이러한 프라이버시 관련 영상 자료에 환자의 상태 및 의료 처방 정보를 포함함으로서, 향후 영상자료의 관리 소홀로 인한 잘못된 의료처방 등을 방지할 수 있는 방안을 제안한다. 제안한 방법은 각 환자 정보에 대한 HMAC 기반의 해쉬 코드를 생성하고, 생성된 코드와 환자의 정보를 함께 이미지에 포함함으로서 향후 의사가 이 이미지로부터 추출한 데이터가 외부인에게 훼손되었는지 여부를 쉽게 감지함으로써, 환자의 정보를 보다 철저히 관리할 수 있도록 하는 것을 목적으로 한다. 또한, 환자의 의료정보를 이미지에 은닉하기 위해서 복원 가능한 데이터 은닉 기법인 DE(Difference Expansion) 알고리즘을 사용함으로서, 이미지로부터 데이터를 추출한 후 원 영상을 가지고, 환자의 상태를 쉽게 체크할 수 있게 되어 의사의 입장에서 매우 효율적인 방법으로 환자 상태를 평가할 수 있다. 제안한 방법은 뇌 영상을 촬영한 MRI 영상에서 실험한 결과 데이터은닉과 추출 그리고 영상의 복원 그리고 데이터 무결석 확인에 있어서 완벽한 성능을 보였다.
본 증례에서는 기존의 총의치 사용 환자에서 의치의 이장된 인상면을 스캔하고 이를 삼차원적으로 반전하여 잔존 치조제의 형태를 재현하고, 의치에 방사선 불투과성 마커를 부착한 상태로 스캔 및 CT 촬영을 진행하여 스캔 이미지와 CT 영상이 중첩된 데이터 상에서 임플란트 식립을 계획하였다. 수술 당일에는 치은 형태에 맞게 제작된 맞춤형 지대주와 임시 수복물을 장착하였다. 임플란트 고정체의 골유착이 완료된 이후 최종 보철물을 제작하는 과정에서는 임플란트 식립 전 미리 스캔하여 저장된 임플란트 지대주 이미지 파일과 구강 내 지대주 상태에서 채득된 구강 스캔 이미지를 중첩하였다. 중첩을 통해 얻어진 정확한 지대주 형태 상에서 최종 보철물을 제작함으로써 최종 보철물의 변연 적합도를 높이고 임상 과정을 간소화 할 수 있었다.
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.
오늘날 사용하고 있는 의료용 영상의 대부분은 주로 병변을 확인하기 위한 수단으로 이용되고 있는데, 이러한 의료용 영상을 병변 확인뿐만 아니라 학술적 연구나 외과적 수술 처치를 위한 분석 및 참고 자료로 이용할 수 있다면 의학적 학술 연구에 도움을 줄 수 있으며, 외과적 수술 처치 및 치료에서 선행 시뮬레이션을 통하여 처치 오류를 줄일 수 있다. 따라서 본 논문에서는 의료용 이미지 영상에 대해 해당 영상에서 필요한 부분을 벡터 형식의 점(point cloud)들로 추출하고, 이들 벡터 정보를 이용하여 연구나 진료 및 수술에서 필요한 정보로 가공하여 시뮬레이션이 가능하도록 하는 시스템을 설계하고 구현함으로써 학술적 연구나 환자에 대한 진단 처치에 보다 효율적으로 접근할 수 있는 방법을 제공하고자 하였다.
최근 MRI와 CT와 같은 의료영상에서의 진보한 기술은 의사들에게 상세한 해부학적 정보를 제공하게 하여 그들의 진단 능력을 향상시키고 있다. 일반적으로 보다 상세한 정보를 얻기 위해서는 많은 수의 MRI이미지를 필요로 한다. 그러나 일반 병원에서 접하는 MRI 기계의 성능이 우수하지 않은 경우가 많고 따라서 획득되는 이미지의 수가 적다. 결과적으로 적은 수의 슬라이스를 이용해 3D surface를 재구성하게 되면 퀄리티가 낮아지는 문제가 발생한다. 본 논문에서는 적은 수의 슬라이스를 이용하여 높은 퀄리티의 3D surface를 얻는 방법을 제안한다. 이를 위한 알고리즘은 먼저 원하는 영역의 경계를 찾아서 그 경계선들의 점을 찾는다. 이러한 점들로부터 Radial Basis Function을 이용해서 점들을 모두 지나는 음함수 곡면 수식을 생성한다. 생성된 음함수 곡면수식으로부터 Marching cube 알고리즘을 이용하여 렌더링 한다.
흉부 CT 영상에서 폐 질환의 진단을 위해서 폐 분할, 폐혈관 분할과 폐 질환 부위에 대한 괴사 세포 비율의 수치적 계산을 제안 하였다. 첫 번째 단계는 흉부 CT 영상에서 3차원 레이블링 기법과 3차원 영역 성장법을 적용하여 폐와 기관지를 분리한다. 두 번째 단계는 폐혈관 분할은 1차 다항식 회귀(Polynomial Regression)를 사용한 변화율을 적용하여 분할한 다음, 잡음 제거를 실시하여 최종의 폐혈관을 분할한다. 세 번째 단계는 2단계 이미지 에서 질환 예상 인자를 발견하고, 괴사 세포의 비율을 계산하는 것이다. 질환 예상인자는 폐에 대해서 3차원 레이블링 기법을 적용하였고, 각 레이블 중심 값을 관측하여 변화가 없는 레이블을 찾는다. 이렇게 찾은 질환 예상 인자는 조영제 투입 전/후 영상을 정합한 뒤, 면적을 비교하면 폐의 괴사 세포 비율을 계산할 수 있다.
본 논문에서는 스테레오 영상정합을 위하여 개선된 영역기반, 에너지 기반 알고리즘, 학습기반 구조의 정합 오류율을 비교하였다. 영역기반으로 census transform(CT), 에너지 기반으로 belief propagation(BP) 알고리즘을 선정하였다. 기존 알고리즘을 개선하고 모바일 시스템에서 스테레오 영상정합에 활용가능 하도록 임베디드 프로세서 환경에서 구현하였다. 비교 대상이 되는 학습기반의 경우에 도 적은 규모의 파라메터를 활용하는 신경망 구조를 채택하였다. 세 가지 정합방법의 오류율 비교를 위해 테스트 이미지로 Middlebury 데이터 세트 가운데 Tsukuba를 선정하고 정합 성능의 정확한 비교를 위해 비폐색, 불연속, 시차 오류율 등으로 세분화하였다. 실험 결과 CT 매칭의 오차율은 기존 알고리즘과 수정된 알고리즘으로 비교하였을 때 약 11% 성능 개선되었다. BP 매칭은 오류율에서 기존 CT 에 비하여 약 87% 우수하였다. 신경망을 이용한 학습기반과 비교 하였을 때 BP 매칭이 약 31% 우수함을 보였다.
소아 전산화단층촬영(Computed Tomography, CT) 검사 시 어린 환자들의 협조가 어려워 검사 실패나 재검사가 빈번히 발생할 수 있다. 딥러닝 이미지 재구성(Deep Learning Image Reconstruction, DLIR) 방법은 방사선 감수성이 높은 소아 환자들의 CT 검사에서 재검사율을 낮추면서 진단적 가치가 높은 영상을 획득할 수 있다. 본 연구에서는 DLIR을 적용하여 소아 흉부 CT 검사에서 호흡이나 움직임으로 인한 노이즈를 줄이고 임상적으로 유용한 영상을 얻기 위한 가능성을 조사하였다. 경상남도 소재의 P병원에서 7세 미만의 소아 43명의 흉부 CT 검사 데이터를 후향적으로 분석하였으며, 필터링 역 투영 재구성법(Filtered Back Projection, FBP), 반복적 재구성법(Adaptive Statistical Iterative Reconstruction, ASIR-50), 딥러닝 알고리즘인 True Fidelity-Middle(TF-M)의 영상을 비교하였다. 조영 증강된 흉부 영상 중 오른쪽 상행 대동맥(Ascending Aorta, AA)과 등 근육(Back Muscle, BM)에 동일한 ROI를 그리고 각 영상에서 HU값을 이용하여 노이즈(Standard deviation, SD)를 측정하였다. 통계분석은 SPSS(ver. 22.0)를 사용하여 세 측정치의 평균값을 일원 배치 분산분석(One-way ANOVA)으로 분석하였다. 연구의 결과로 AA의 SD값은 FBP=25.65±3.75, ASIR-50=19.08±3.93, TF-M=17.05±4.45 로 나타났으며(F=66.72, p=0.00), BM의 SD값은 FBP=26.64±3.81, ASIR-50=19.19±3.37, TF-M=19.87±4.25 로 나타났다(F=49.54, p=0.00). 사후검정의 결과는 세 그룹간 유의한 차이가 있었다. DLIR 재구성 방법은 기존의 재구성 방법과 비교하여 유의하게 낮은 노이즈 값을 보였다. 따라서 딥러닝 알고리즘인 TrueFidelity-Middle(TF-M)의 적용은 소아 흉부 CT 검사 시 호흡이나 움직임에 의한 영상 화질의 저하를 줄일 수 있어 임상적으로 매우 유용하게 활용될 것으로 기대된다.
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.
하악의 개구운동 시, 과두-관절원판 복합체는 관절융기를 따라서 활주운동을 하게 되므로 관절융기의 형태는 측두하악관절의 기능적인 움직임을 이해하는데 매우 중요한 부분이다. 본 연구의 목적은 치과용 cone-beam CT를 이용하여 관절융기의 후방경사를 계측하고, 관절융기의 경사도에 대한 과두의 병적 변화의 영향을 평가하며, 성별과 연령에 따른 관절융기의 차이를 비교 하는 것이다. 이를 위해 원광대학교 산본치과병원에 내원한 102명(남자:43명, 여자:49명, 평균나이: 37.7세)의 204개 측두하악관절의 cone-beam CT 영상을 평가하였으며, 모든 영상은 측두하악관절 분석모드로 전환하여 양측 관절의 연속된 시상 단면 이미지와 관상 단면 이미지를 관찰하였다. 신뢰성있는 데이터를 얻기 위해 숙련된 3명의 치과의사가 동일한 이미지 파일을 보며 판독 작업을 시행하였고, 3명 중 2명의 판독 결과가 동일할 경우만 최종 판독 결과로 기록하였다. 정상과두(NCBC)와 골변화를 동반한 과두(CBC)의 관절융기 경사도는 내측이 $57.0^{\circ}$(NCBC)과 $51.8^{\circ}$(CBC), 중심이 $57.9^{\circ}$(NCBC)과 $52.4^{\circ}$(CBC), 그리고 외측이 $55.1^{\circ}$(NCBC)과 $49.5^{\circ}$(CBC)를 나타냈고, 골변화를 보이는 과두가 정상과두보다 낮은 관절융기 경사도를 보였다. 이러한 차이는 성별이나 연령에 따른 통계적 유의성은 없었다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.