• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2009년도 IWAIT
• /
• pp.794-798
• /
• 2009

We introduce an implementation of plug-ins on PLUTO. These plug-ins discriminate inflammatory nodules from other types of nodules in chest X-ray CT images. The PLUTO is a common platform for computer-aided diagnosis systems on Microsoft Windows series and it is easy to add new functions as plug-ins. We coded two plug-ins. One of the them calculates features based on medical knowledge. The other plug-in calculates parameters to classify the type of nodules, and it also classifies nodules into inflammatory nodules and others using SVM. These plug-ins are coded using MIST library which is produced at Nagoya University, Japan. In our previous study, the MIST library was parallelized, so that we can utilize a number of CPUs to calculate features and SVM learning/classifying depending on the amount of computation. Using these plug-ins, it became easy to extract features to discriminate inflammatory nodules from other types of nodules and to change parameters for feature extraction and SVM learning/classifying with GUI interface. The accuracy of the classifying result is 100% with 78 solid nodules which contains 43 inflammatory nodules and 35 other type of nodules.

• Korean Journal of Radiology
• /
• 제22권6호
• /
• pp.994-1004
• /
• 2021

Objective: To extract pulmonary and cardiovascular metrics from chest CTs of patients with coronavirus disease 2019 (COVID-19) using a fully automated deep learning-based approach and assess their potential to predict patient management. Materials and Methods: All initial chest CTs of patients who tested positive for severe acute respiratory syndrome coronavirus 2 at our emergency department between March 25 and April 25, 2020, were identified (n = 120). Three patient management groups were defined: group 1 (outpatient), group 2 (general ward), and group 3 (intensive care unit [ICU]). Multiple pulmonary and cardiovascular metrics were extracted from the chest CT images using deep learning. Additionally, six laboratory findings indicating inflammation and cellular damage were considered. Differences in CT metrics, laboratory findings, and demographics between the patient management groups were assessed. The potential of these parameters to predict patients' needs for intensive care (yes/no) was analyzed using logistic regression and receiver operating characteristic curves. Internal and external validity were assessed using 109 independent chest CT scans. Results: While demographic parameters alone (sex and age) were not sufficient to predict ICU management status, both CT metrics alone (including both pulmonary and cardiovascular metrics; area under the curve [AUC] = 0.88; 95% confidence interval [CI] = 0.79-0.97) and laboratory findings alone (C-reactive protein, lactate dehydrogenase, white blood cell count, and albumin; AUC = 0.86; 95% CI = 0.77-0.94) were good classifiers. Excellent performance was achieved by a combination of demographic parameters, CT metrics, and laboratory findings (AUC = 0.91; 95% CI = 0.85-0.98). Application of a model that combined both pulmonary CT metrics and demographic parameters on a dataset from another hospital indicated its external validity (AUC = 0.77; 95% CI = 0.66-0.88). Conclusion: Chest CT of patients with COVID-19 contains valuable information that can be accessed using automated image analysis. These metrics are useful for the prediction of patient management.

• 전자공학회논문지
• /
• 제51권2호
• /
• pp.173-181
• /
• 2014

본 논문은 흉부 CT에서 폐, 기관지 및 폐혈관을 자동으로 분할 할 수 있는 알고리즘을 제안 하였다. 제안된 방법은 3단계로 진행된다. 첫째는 최적 임계값과 3차원 레이블링을 통한 영역성장법으로 폐 및 기관지를 분할한다. 둘째는 기관지의 형태학적 정보를 활용하여 기관지의 첫 번째 분기점(용골)까지는 차감연산으로, 이후부터는 가변적 임계값 기법을 적용하여 기관지를 분할한다. 셋째는 폐에 대한 복원 과정으로 좌/우측 폐를 분리하고, 개선된 롤링 볼 알고리즘을 적용하여 폐 외곽의 이상 유무를 확인하며, 이상이 발견되면 그 부분을 제거하고, 2차 다항식 형태로 폐 외곽을 연결시킴으로서 정상적인 폐로 복원한다. 마지막으로 폐혈관은 임계 값 기법의 3 차원 레이블링과 3 차원 영역성장법을 적용하여 분할하였다. 시뮬레이션 결과 폐 주변조직의 손실 없이 정확하게 분할됨을 확인 할 수 있었다.

• 한국멀티미디어학회논문지
• /
• 제23권5호
• /
• pp.625-632
• /
• 2020

In the diagnosis of lung cancer, the tumor size is measured by the longest diameter of the tumor in the entire slice of the CT. In order to accurately estimate the size of the tumor, it is better to measure the volume, but there are some limitations in calculating the volume in the clinic. In this study, we propose an algorithm to segment lung cancer by applying a custom loss function that combines focal loss and dice loss to a U-Net model that shows high performance in segmentation problems in chest CT images. The combination of values of the various parameters in custom loss function was compared to the results of the model learned. The purposed loss function showed F1 score of 88.77%, precision of 87.31%, recall of 90.30% and average precision of 0.827 at α=0.25, γ=4, β=0.7. The performance of the proposed custom loss function showed good performance in lung cancer segmentation.

• 전자공학회논문지
• /
• 제53권9호
• /
• pp.143-147
• /
• 2016

최근 디지털 단층영상합성 시스템 (digital tomosynthesis system, DTS)은 일반 X-ray의 영상 중첩현상과 전산화단층촬영장치 (computed tomography, CT)의 높은 선량의 문제점을 해결하기 위하여 개발되었다. 본 연구의 목적은 흉부 촬영용 디지털 단층영상합성 시스템 (chest digital tomosynthesis, CDT)의 재구성 알고리즘 개발 및 화질과 선량 평가를 수행하는 것이다. 영상의 재구성은 필터 후 역투영 (filtered back-projection, FBP)을 모델링하였고, 팬텀 영상을 획득하기 위한 X-선과 검출기 사이의 각도를 ${\pm}10^{\circ}$, ${\pm}15^{\circ}$, ${\pm}20^{\circ}$, 그리고 ${\pm}30^{\circ}$로 구성하였다. 영상의 화질 평가는 평균 제곱근 편차 (root mean square error, RMSE)와 신호대 잡음 변화율 (signal difference-to-noise ratio, SDNR)로 수행하였고, 선량 평가는 ${\pm}20^{\circ}$의 범위에서 유효선량으로 수행하였다. 결과적으로, 모든 각도에서 Slice thickness 필터를 적용한 팬텀영상이 가장 우수한 RMSE와 SDNR 결과를 나타내었고, 최종 유효 선량은 0.166 mSv로 측정되었다. 결론적으로, 개발한 CDT 재구성 알고리즘의 유용성을 증명하였고, 최종 유효 선량을 측정하여 CDT의 기초 실험 데이터를 구축할 수 있었다.

• 한국멀티미디어학회논문지
• /
• 제14권11호
• /
• pp.1383-1391
• /
• 2011

향상된 기능을 가진 최신 의료장비들의 등장으로 하드웨어 성능에 부합하는 효과적인 영상처리 및 분석의 중요성이 부각되고 있으며, 2차원 의료 영상처리 및 3차원 영상 재구성에 관한 많은 연구들이 진행되고 있다. 본 논문은 흉부 CT 영상을 사용하여 신체 장기를 단계별로 분할 하였으며, 분할된 결과 영상을 3차원으로 재구성 하였다. 다양한 영상분할 방법중 영역 확장법 및 효과적인 분할을 위해 선명화와 감마 조절등과 같은 영상 향상 기법을 적용하였으며, 기관지를 포함한 폐, 기관지, 폐 등의 순서로 영상을 분할하였다. 분할된 신체 장기 영상을 VTK를 사용하여 3차원 영상으로 재구성 하였으며, 병변 진단을 위한 2차원 및 3차원 의료 영상 처리와 분석에 활용될 것으로 판단된다.

• 대한디지털의료영상학회논문지
• /
• 제16권2호
• /
• pp.9-14
• /
• 2014

Purpose: The purpose of this study has attempted to evaluate and compare the image evaluation and exposure dose by respectively applying Filtered Back Projection(FBP), the existing test method, and Adaptive Statistical Iterative Reconstruction(ASIR) with different values of tube voltage during the Low Dose Computed Tomography(LDCT). Materials and Methods: With the image reconstruction method as basis, Chest Phantom was utilized with the FBP and ASIR set at 10%, 20% respectively, and the change of Tube Voltage (100kVp, 120kVp). For image evaluation, Back ground noise, Signal to Noise ratio(SNR) and Contrast to Noise ratio(CNR) were measured, and, for dose evaluation, CTDIvol and DLP were measured respectively. The statistical analysis was tested with SPSS(ver. 22.0), followed by ANOVA Test conducted after normality test and homogeneity test. (p<0.05). Results: In terms of image evaluation, there was no outstanding difference in Ascending Aorta(AA) SNR and Infraspinatus Muscle(IM) SNR with the different values of ASIR application(p<0.05), but a significant difference with the different amount of tube voltage(p>0.05). Also, there wasn't noticeable change in CNR with ASIR and different amount of Tube Voltage (p<0.05). However, in terms of dose evaluation, CTDIvol and DLP showed contrasting results(p<0.05). In terms of CTDIvol, the measured values with the same tube voltage of 120kVp were 2.6mGy with No-ASIR and 2.17mGy with 20%-ASIR respectively, decreased by 0.43mGy, and the values with 100kVp were 1.61mGy with No-ASIR and 1.34mGy with 20%-ASIR, decreased by 0.27mGy. In terms of DLP, the measured values with 120kVp were $103.21mGy{\cdot}cm$ with No-ASIR and $85.94mGy{\cdot}cm$ with 20%-ASIR, decreased by $17.27mGy{\cdot}cm$(about 16.7%), and the values with 100kVp were $63.84mGy{\cdot}cm$ with No-ASIR and $53.25mGy{\cdot}cm$ with 20%-ASIR, a decrease by $10.62mGy{\cdot}cm$(about 16.7%). Conclusion: At lower tube voltage, the rate of dose significantly decreased, but the negative effects on image evaluation was shown due to the increase of noise. For the future, through the result of the experiment, it is considered that the method above would be recommended for follow-up patients or those who get health checkup as long as there is no interference on the process of diagnosis due to the characteristics of Low Dose examination.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제33권11호
• /
• pp.942-952
• /
• 2006

본 논문에서는 흉부 CT 영상의 밝기값 정보를 사용하여 폐 구조물을 자동 분할하기 위한 방법을 제안한다. 본 제안방법은 다음과 같은 다섯 단계로 구성된다. 첫 번째, 영상의 밝기값 차이를 이용하여 폐 구조물을 분할하기 위해 최적 임계값 기법을 사용하여 임계값을 계산한다. 두 번째, 흉부 CT 영상에 2차원 영역성장법의 역 연산을 사용하여 배경으로부터 흉부를, 흉부로부터 기관지 및 폐를 단계적으로 분할한다. 이 때, 밝기값이 비슷한 다른 영역들을 3차원 연결화소군 레이블링을 통해 제거한다. 세 번째, 흉부 CT 영상에 3차원 분기 기반 영역성장법을 적용하여 기관과 좌우 기관지를 분할한다. 네 번째, 기관지 및 폐에서 기관지를 영상 감산함으로써 정확한 폐 영역을 얻는다. 마지막으로, 히스토그램 분석을 통해 임계값을 계산하고 기관지 및 폐에 밝기값 기반 임계값 기법을 적용하여 폐혈관을 분할한다. 제안방법의 정확성을 검증하기 위해 폐, 기관지, 폐혈관의 분할 결과에 대해 육안평가를 수행한다. 제안한 3차원 분기 기반 영역성장법을 통한 기관지 분할 결과를 평가하기 위해 기존 영역성장법으로 분할한 결과와 비교한다. 실험 결과는 제안 분할 방법이 폐, 기관지, 폐혈관을 자동으로 정확하게 추출함을 보여준다.

• Korean Journal of Radiology
• /
• 제22권6호
• /
• pp.983-993
• /
• 2021

Objective: To investigate the image quality of ultralow-dose CT (ULDCT) of the chest reconstructed using a cycle-consistent generative adversarial network (CycleGAN)-based deep learning method in the evaluation of pulmonary tuberculosis. Materials and Methods: Between June 2019 and November 2019, 103 patients (mean age, 40.8 ± 13.6 years; 61 men and 42 women) with pulmonary tuberculosis were prospectively enrolled to undergo standard-dose CT (120 kVp with automated exposure control), followed immediately by ULDCT (80 kVp and 10 mAs). The images of the two successive scans were used to train the CycleGAN framework for image-to-image translation. The denoising efficacy of the CycleGAN algorithm was compared with that of hybrid and model-based iterative reconstruction. Repeated-measures analysis of variance and Wilcoxon signed-rank test were performed to compare the objective measurements and the subjective image quality scores, respectively. Results: With the optimized CycleGAN denoising model, using the ULDCT images as input, the peak signal-to-noise ratio and structural similarity index improved by 2.0 dB and 0.21, respectively. The CycleGAN-generated denoised ULDCT images typically provided satisfactory image quality for optimal visibility of anatomic structures and pathological findings, with a lower level of image noise (mean ± standard deviation [SD], 19.5 ± 3.0 Hounsfield unit [HU]) than that of the hybrid (66.3 ± 10.5 HU, p < 0.001) and a similar noise level to model-based iterative reconstruction (19.6 ± 2.6 HU, p > 0.908). The CycleGAN-generated images showed the highest contrast-to-noise ratios for the pulmonary lesions, followed by the model-based and hybrid iterative reconstruction. The mean effective radiation dose of ULDCT was 0.12 mSv with a mean 93.9% reduction compared to standard-dose CT. Conclusion: The optimized CycleGAN technique may allow the synthesis of diagnostically acceptable images from ULDCT of the chest for the evaluation of pulmonary tuberculosis.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제32권7호
• /
• pp.625-635
• /
• 2005

본 논문에서는 흥부 CT 영상에서 폐 부위를 효율적으로 자동 분할하기 위한 하이브리드 접근기법을 제안한다. 본 제안방법은 다음과 같은 세 단계로 구성된다 첫 번째, 2, 3차원 자동 씨앗 영역성장법과 저해상도 연결요소 레이블링을 통하여 폐와 기관지를 분할한다. 두 번째, 2차원 형태학적 연산을 반복 적용하여 폐와 기관지를 분리한 후 저해상도 연결요소 레이블링을 이용하여 폐만 분할한다. 세 번째, 영상차감 기법을 사용한 폐 영역 보정을 통해 보다 정확한 폐 영역을 얻는다. 실험에서는 5명의 환자로부터 얻은 10개의 흉부 CT 영상을 사용하여 제안방법의 정확성과 효율성을 평가한다. 제안한 자동 분할 기법의 적용 결과를 전문가에 의한 수동 분할 결과와 비교함으로써 정확성을 평가하고, 수행시간과 메모리 사용량을 분석하여 제안방법의 효율성을 평가한다. 제안한 저해상도 연결요소 레이블링을 사용했을 때 수행시간은 평균 31.4초, 최대 메모리 사용량은 평균 196.75MB가 단축된다. 본 제안방법은 혈관에 생기는 빈 공간을 막아주는 추가작업 없이 효율적으로 자동 폐 분할을 수행한다.