• 한국방사선학회논문지
• /
• 제13권2호
• /
• pp.159-168
• /
• 2019

흉부 CT스캔에서 공기, 지방, 근육, Background의 HU, 잡음 그리고 신호 대 잡음비의 변화를 측정해 영상 화질에 미치는 지멘스 ADMIRE(Advanced Modeled Iterative Reconstruction)의 영향을 조사했다. 실험 결과에 따르면 ADMIRE Strength가 커질수록 잡음은 감소하고 신호는 증가하여, 결론적으로 신호 대 잡음비는 증가하는 것으로 나타났다. ADMIRE는 기존 영상 재구성 알고리즘인 FBP와 비교하여 잡음을 28~61%까지 줄일 수 있으며, 신호 대 잡음비는 16~100%까지 향상시킨다.

• 한국콘텐츠학회논문지
• /
• 제9권3호
• /
• pp.225-231
• /
• 2009

CT검사에 따른 방사선 선량의 유해성에 대한 관심이 고조되고 있어, 고정관전류기법과 AEC(automatic exposure control)를 적용하여 선량의 감소 효과를 비교하였다. 64MDCT를 이용하여 인체조직등가물질 팬텀으로 흉부 및 복부 부위를 고정관전류기법과 AEC를 적용하여 CTDIvol과 DLP를 비교하였고, 영상의 평가는 관심영역으로 CT감약계수와 노이즈를 측정하여 비교하였다. 흉부에서 고정관전류기법과 AEC적용에 따른 선량감소 효과는 CTDIvol 35.2%, DLP 49.3%, 복부에서는 CTDIvol 5.9%, DLP 3.2% 감소 효과가 있었다. CT검사에서 자동노출장치인 AEC를 이용하여 선량의 감소효과가 있다. CT 검사에 따른 환자의 피폭선량을 줄이기 위해서는 AEC를 이용하여야 한다.

• 한국멀티미디어학회논문지
• /
• 제24권3호
• /
• pp.373-381
• /
• 2021

In this paper, we propose a classification model based on convolutional neural network(CNN) for predicting 2-year recurrence in non-small cell lung cancer(NSCLC) patients using preoperative chest CT images. Based on the region of interest(ROI) defined as the tumor internal and external area, the input images consist of an intratumoral patch, a peritumoral patch and a peritumoral texture patch focusing on the texture information of the peritumoral patch. Each patch is trained through AlexNet pretrained on ImageNet to explore the usefulness and performance of various patches. Additionally, ensemble learning of network trained with each patch analyzes the performance of different patch combination. Compared with all results, the ensemble model with intratumoral and peritumoral patches achieved the best performance (ACC=98.28%, Sensitivity=100%, NPV=100%).

• International Journal of Computer Science & Network Security
• /
• 제24권1호
• /
• pp.119-126
• /
• 2024

Disease caused by the coronavirus (COVID-19) is sweeping the globe. There are numerous methods for identifying this disease using a chest imaging. Computerized Tomography (CT) chest scans are used in this study to detect COVID-19 disease using a pretrain Convolutional Neural Network (CNN) ResNet50. This model is based on image dataset taken from two hospitals and used to identify Covid-19 illnesses. The pre-train CNN (ResNet50) architecture was used for feature extraction, and then fully connected layers were used for classification, yielding 97%, 96%, 96%, 96% for accuracy, precision, recall, and F1-score, respectively. When combining the feature extraction techniques with the Back Propagation Neural Network (BPNN), it produced accuracy, precision, recall, and F1-scores of 92.5%, 83%, 92%, and 87.3%. In our suggested approach, we use a preprocessing phase to improve accuracy. The image was enhanced using the Contrast Limited Adaptive Histogram Equalization (CLAHE) algorithm, which was followed by cropping the image before feature extraction with ResNet50. Finally, a fully connected layer was added for classification, with results of 99.1%, 98.7%, 99%, 98.8% in terms of accuracy, precision, recall, and F1-score.

• 한국방사선학회논문지
• /
• 제15권3호
• /
• pp.301-306
• /
• 2021

전산화단층촬영장치 (Computed tomography, CT)의 의료 방사선량을 낮추기 위한 방법으로 주석필터의 사용을 통해 직접적으로 환자의 선량을 낮추는 방법이 있다. 그러나 주석필터의 사용으로 바뀐 X선 스펙트럼으로 인해 기존의 영상과 다른 인상의 영상으로 나타나기 때문에 질병 진단에 영향을 줄 수 있다. 따라서 본 연구에서는 흉부 저선량 CT에서 주석필터의 적용 및 high pitch에 따른 영상평가를 진행함으로써 주석필터 사용 시 영상의 변화 양상을 살펴보았다. 본 연구에서는 비교를 위해 총 3개의 그룹으로 나누어 영상을 획득하였다. Group 1은 주석필터를 사용하지 않았으며, 기존에 사용하던 pitch인 0.8의 영상을 획득하였다. Group 2는 주석필터를 사용하였고, pitch는 0.8이며 Group 3은 주석필터를 사용하였으며 pitch는 2.5이다. 영상의 화질을 비교하기 위해 no-reference 기반으로 사용되는 블라인드 품질 평가 인자 중 natural image quality evaluator (NIQE)와 blind/referenceless image spatial quality evaluator (BRISQUE)를 사용하였다. 그 결과 NIQE 수치는 Group 1, Group 3, Group 2 의 순서대로 낮게 나타났다. BRISQUE 수치는 Group 3, Group 2, Group 1 의 순서대로 낮게 나타났다. 이를 통해 흉부 저선량 CT에서 주석필터 및 high pitch 기술의 영상의 우수성을 확인함으로써 특히 호흡 조절이 어려운 흉부 저선량 CT 환자에 있어서 더 정확한 영상에 대한 기대감을 가질 수 있는 기초 자료로 활용될 수 있을 것이라 사료된다.

• 한국콘텐츠학회논문지
• /
• 제2권4호
• /
• pp.23-29
• /
• 2002

본 논문에서는 의료정보시스템 중 PACS에서 필요한 영상압축 기법을 제안한다. 영상부호화 기법은 웨이브릿 변환 영역에서 선형예측기와 Lloyd-Max 양자화기를 사용하였다. 웨이브릿 변환 방법은 영상을 3레벨의 10개의 부밴드로 나누어 다해상도로 처리하며, 웨이브릿 변환 영역중 인간의 시각특성에 민감한 최저주파 영역은 무손실 부호화기인 DPCM으로 부호화하고, 나머지 고주파영역의 부밴드에 대해서는 부밴드간의 링잉현상과 영상의 엘리어싱을 감소시키기 위해서 선형예측기를 사용하였으며, 비선형양자화기로써 양자화 오차를 줄이기 위해 최적 양자화기로 Lloyd-Max 양자화기를 사용하였다. 실험결과 512$\times$512 복부 CT영상과 Chest영상에 대하여 PSNR이 28.53dB이 되었고, 복원화질이 우수함을 알 수 있었다.

• 한국방사선학회논문지
• /
• 제17권7호
• /
• pp.1025-1031
• /
• 2023

저선량흉부 CT (Low Dose chest CT, LDCT)에서 Scout 관전압을 변화시키고 scan parameter인 자동노출제어장치(Auto Exposure Control, AEC)와 적응식 반복재구성기법(Adaptive Statistical Iterative Reconstruction, ASIR)등을 적용하여 최적의 프로토콜을 찾음으로써 방사선 피폭선량과 화질을 평가하고자 하였다. Scout 관전압을 80, 100, 120, 140 kV로 변화시키며 LDCT 프로토콜로 5회 반복 측정 후 선량을 비교하기 위해 장비에서 제공된 Dose report를 이용하여 연구 목적에 적합한 관전압을 선택하였다. 120 kV, 30 mAs의 조건으로 기본 LDCT 촬영한 후, 이 조건에 ASIR 50%를 적용하였으며 신호대잡음비와 대조도대잡음비를 평가하기 위해 배경의 노이즈를 측정하였다. 선량 비교를 위해 장비에서 제공되는 CTDI_vol과 선량길이곱(Dose length product, DLP)를 식을 이용하여 비교 분석하였다. 그 결과 S140 + LDCT + ASIR 50 + AEC를 적용한 프로토콜에서 고식적인 LCDT보다 방사선 피폭선량을 감소시키고 영상의 질을 향상시켰으며 최적의 프로토콜을 얻을 수 있었으며 LDCT는 매 검사 시 필요 이상의 피폭선량이 우려되기 때문에 적절한 Parameter를 적용하는 것이 중요하며, 향후 LDCT를 이용한 건강검진에서 국민의 건강에 이바지 하는데 긍정적인 요인으로 작용될 것으로 사료된다.

• 조명전기설비학회논문지
• /
• 제24권11호
• /
• pp.30-41
• /
• 2010

In this study we propose a new texture feature extraction method based on an estimation of the brightness and structural uniformity of CT images representing the important characteristics for emphysema recognition. The Center-Symmetric Local Binary Pattern (CS-LBP) is first used to combine gray level in order to describe the brightness uniformity characteristics of the CT image. Then the gradient orientation difference is proposed to generate another CS-LBP code combining with gray level to represent the structural uniformity characteristics of the CT image. The usage of the gray level, CS-LBP and gradient orientation differences enables the proposed method to extract rich and distinctive information from the CT images in multiple directions. Experimental results showed that the performance of the proposed method is more stable with respect to sensitivity and specificity when compared with the SGLDM, GLRLM and GLDM. The proposed method outperformed these three conventional methods (SGLDM, GLRLM, and GLDM) 7.85[%], 22.87[%], and 16.67[%] respectively, according to the diagnosis of average accuracy, demonstrated by the Receiver Operating Characteristic (ROC) curves.

• 디지털융복합연구
• /
• 제16권2호
• /
• pp.19-26
• /
• 2018

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.

• 한국컴퓨터그래픽스학회논문지
• /
• 제24권5호
• /
• pp.31-39
• /
• 2018

본 논문에서는 흉부 CT 영상에서 결절의 밝기값, 재질 및 형상 증강 영상 기반의 GGN-Net을 이용해 간유리음영 결절 자동 분류 방법을 제안한다. 첫째, 입력 영상에 결절 내부의 고형 성분의 유무 및 크기 정보가 포함될 수 있도록 밝기값, 재질 및 형상 증강 영상의 활용을 제안한다. 둘째, 다양한 입력 영상을 여러 개의 컨볼루션 모듈을 통해 획득한 특징맵을 내부 네트워크에서 통합하여 훈련하는 GGN-Net를 제안한다. 제안 방법의 분류정확성 평가를 위해 순수 간유리음영 결절 90개와 고형 성분의 크기가 5mm 미만인 혼합 간유리음영 결절 38개, 5mm 이상 고형 성분의 크기를 가지는 혼합 간유리음영 결절 23개의 데이터를 사용하였으며, 입력 영상이 간유리음영 결절 분류 결과에 미치는 영향을 비교하기 위해 다양한 입력 영상을 구성하여 결과를 비교하였다. 실험 결과, 밝기값, 재질 및 형상 정보가 함께 고려된 입력 영상을 사용한 제안 방법이 정확도가 82.75%로 가장 좋은 결과를 보였다.