With the development of the 4th industrial, research is being conducted to prevent diseases and reduce damage in various fields of science and technology such as medicine, health, and bio. As a result, artificial intelligence technology has been introduced and researched for image analysis of radiological examinations. In this paper, we will directly apply a deep learning model for classification and detection of pneumonia using chest X-ray images, and evaluate whether the deep learning model of the Inception series is a useful model for detecting pneumonia. As the experimental material, a chest X-ray image data set provided and shared free of charge by Kaggle was used, and out of the total 3,470 chest X-ray image data, it was classified into 1,870 training data sets, 1,100 validation data sets, and 500 test data sets. I did. As a result of the experiment, the result of metric evaluation of the Inception V3 deep learning model was 94.80% for accuracy, 97.24% for precision, 94.00% for recall, and 95.59 for F1 score. In addition, the accuracy of the final epoch for Inception V3 deep learning modeling was 94.91% for learning modeling and 89.68% for verification modeling for pneumonia detection and classification of chest X-ray images. For the evaluation of the loss function value, the learning modeling was 1.127% and the validation modeling was 4.603%. As a result, it was evaluated that the Inception V3 deep learning model is a very excellent deep learning model in extracting and classifying features of chest image data, and its learning state is also very good. As a result of matrix accuracy evaluation for test modeling, the accuracy of 96% for normal chest X-ray image data and 97% for pneumonia chest X-ray image data was proven. The deep learning model of the Inception series is considered to be a useful deep learning model for classification of chest diseases, and it is expected that it can also play an auxiliary role of human resources, so it is considered that it will be a solution to the problem of insufficient medical personnel. In the future, this study is expected to be presented as basic data for similar studies in the case of similar studies on the diagnosis of pneumonia using deep learning.
Scoliosis is a three-dimensional deformation of the spine that is a deformity induced by physical or disease-related causes as the spine is rotated abnormally. Early detection has a significant influence on the possibility of nonsurgical treatment. To train a deep learning model with preprocessed images and to evaluate the results with and without data augmentation to enable the diagnosis of scoliosis based only on a chest X-ray image. The preprocessed images in which only the spine, rib contours, and some hard tissues were left from the original chest image, were used for learning along with the original images, and three CNN(Convolutional Neural Networks) models (VGG16, ResNet152, and EfficientNet) were selected to proceed with training. The results obtained by training with the preprocessed images showed a superior accuracy to those obtained by training with the original image. When the scoliosis image was added through data augmentation, the accuracy was further improved, ultimately achieving a classification accuracy of 93.56% with the ResNet152 model using test data. Through supplementation with future research, the method proposed herein is expected to allow the early diagnosis of scoliosis as well as cost reduction by reducing the burden of additional radiographic imaging for disease detection.
Outpatient drainage therapy is generally indicated for spontaneous pneumothoraces. A 63-year-old man, who had been attacked by a bull sustaining injuries on the right side of his chest, was referred to the emergency room with dyspnea. His chest X-ray showed a small pneumothorax. The next day, a chest X-ray demonstrated that his pneumothorax had worsened, although no hemothorax was identified. Outpatient drainage therapy with a thoracic vent was initiated. The air leak stopped on the third day and the thoracic vent was removed on the sixth day. Thoracic vents can be a useful modality for treating traumatic pneumothorax without hemothorax.
Congenital Cystic Adenomatoid Malformation [C.C.A.M. is rare, cause acute respiratory distress in the newborn infants. The histologic features are cystic areas and marked proliferation of terminal respiratory structures. On case 1, the patient was 8-month-old male, and suffered from acute respiratory distress and cyanosis. The pulmonary cystic lesion was detected in right lung at birth and has been evaluated since birth. The study for diagnosis were chest x-ray and chest CT. A right upper lobectomy was urgently performed and he was discharged with a satisfactory postoperative course. On case 2, the patient was 20-year-old female, and suffered from cough and sputum for 2 months. The study for diagnosis were chest x-ray, chest CT, and pulmonary angiography. The cystic lesion was detected in left lung and difficult to distinguish from pulmonary sequestration. A left lower lobectomy was performed and she was discharged with a satisfactory postoperative course. We report two cases of C.C.A.M. with differential clinical course.
Pulmonary sequestration is a congenital malformation in which a mass of pulmonary tissue is detached from the normal lung and receives its blood supply from a systemic arterys from the thoracic aorta or the abdominal aorta, or occasionally from an intercostal artery. We have experienced the three cases of the intralobar pulmonary sequestration. In the first case a 5 year old male was admitted of productive cough and abdominal distension, and chest film showed pneumonic infiltration in RLL. Second case was 26 year old male patient complaining Rt. chest discomfort and hemoptysis and chest X-ray revealed infiltration in Rt. LLF. Third case was 26 year old male patient whose complaint was hemoptysis. Chest x-ray showed hazy density in Lt. lower lung field. In the all cases, the aortograms were performed and the confirmed diagnosis was intralobar pulmonary seqeustration.
The lipomatous of the mediastinum are fairly uncommon tumors. Since 1971, two patients with proven mediastinal lipoma and one primary liposarcoma of the mediastinum have been treated at the Seoul National University Hospital. This report reviews our experience with the review of literature. Case 1.: A 3 year old body revealed a huge round homogenous mass density in the posterior mediastinum in routine chest X-ray. The tumor mass, lipoma, was successfully removed and postoperative course was uneventful. Cases 2.: An asymptomatic 24 year old male was operated on with the preoperative diagnosis of mediastinal lipoma. His preoperative chest X-ray and CT films showed a huge anterior to middle mediastinal tumor, right, with fat density. There is no postoperative problem after successful removal of the tumor mass. Case 3. : A 24 year old female was hospitalized with the complaints of cough and chest pain. A mediastinal mass was removed, which proved to be a liposarcoma on pathologic examination. About one year later, she was found to have recurrent liposarcoma in the right chest area at the OPD follow-up. She was lost to follow-up since then.
Pulmonary hamartoma has been considered as rare disease, which consists of lung tumor less than 1 %. Originally described by Albrecht in 1904, hamartoma is tumor like malformation-abnormal mixing of the normal components of organ-and is applied also to tumor found in many organs other than the lung. Lately, the major conclusions are that pulmonary hamartoma is neoplastic rather than developmental error in origin. Because pulmonary hamartoma frequently mimics lung cancer, especially in cancer-risk age groups, its clinical significance is great. Recently, we experienced 1 cases of endobronchial hamartoma which located at the right main stem bronchus. The patient was a 54 year old male who was admitted due to symptoms of fever 4 chilliness and dyspnea. Radiologic studies such as chest x-ray, chest tomogram and chest C-T scan revealed that the nearly total haziness of the right lung was caused by endobronchial tumor. The mass was considered as a benign by bronchoscopic exam, so we removed it surgically by tracheobronchotomy without pulmonary resection. Postoperative chest x-ray revealed satisfactory reexpansion of previous collapsed right lung. The patient discharged uneventfully.
Journal of the Institute of Electronics and Information Engineers
/
v.52
no.10
/
pp.97-107
/
2015
The initial X-ray images obtained from a digital X-ray machine have a wide data range and uneven brightness level than normal images. In particular, in Chest X-ray images, it is necessary to improve naturally all of the parts such as ribs, spine, tissue, etc. These X-ray images can not be improved enough from conventional image quality enhancement algorithms because their characteristics are different from ordinary images'. This paper proposes to eliminate unnecessary background from an input image and expand the histogram range of the image. Then, we adjust the weight per frequency band of the image for improvement of contrast and sharpness. Finally, jointly taking the advantages of global contrast enhancement and local contrast enhancement methods we obtain an improved X-ray image suitable for effective diagnosis in comparison with the existing methods. Experimental results show quantitatively that the proposed algorithm provides better X-ray images in terms of the discrete entropy and saturation than the previous works.
The purpose of this study was to analyze fabrics suitable for use as examination gowns to determine whether examination gowns affect imaging during anterior to posterior chest examinations(Chest AP) on a digital X-ray system. Examination gowns in use at five medical centers in Seoul were collected and included modal, tencel, cotton, and rayon fabrics. The selection of fabrics was based on studies that reported fabrics with good tactile, absorbent, stretchable, and wrinkle resistance. Phantoms of five hospital gowns and four fabrics, arranged in overlapping layers from one to eight, were created and examined on a digital X-ray system in both Chest AP examination. The images examined were subjected to a first-step profile analysis, a second-step signal intensity averaging analysis, and a third-step microscopic analysis. The results showed that all nine materials had an increasing impact on the image as the number of layers of fabric increased, with the modal fabric having the least impact on the image in the first, second, and third analyses. In conclusion, as the resolution of digital x-ray systems increases, the impact of examination clothing on the image will increase, and research to find suitable materials for examination clothing will continue to be necessary.
Recently, attention to the pandemic situation represented by COVID-19 emerged problems caused by unexpected shortage of medical personnel. In this paper, we present a method for diagnosing the presence or absence of lesional sign on PA chest X-ray images as computer vision solution to support diagnosis tasks. Method for visual anomaly detection based on feature modeling can be also applied to X-ray images. With extracting feature vectors from PA chest X-ray images and divide to patch unit, region-specific abnormality can be detected. As preliminary experiment, we created simulation data set containing multiple objects and present results of the comparative experiments in this paper. We present method to improve both efficiency and performance of the process through hard masking of patch features to aligned images. By summing up regional specificity and global anomaly detection results, it shows improved performance by 0.069 AUROC compared to previous studies. By aggregating region-specific and global anomaly detection results, it shows improved performance by 0.069 AUROC compared to our last study.
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.