• Transactions on Electrical and Electronic Materials
• /
• 제15권4호
• /
• pp.230-234
• /
• 2014

Automatic detection of disease helps medical institutions that are introducing digital images to read images rapidly and accurately, and is thus applicable to lesion diagnosis and treatment. The aim of this study was to apply a symmetry contribution algorithm to unsharp mask filter-applied MR images and propose an analysis technique to automatically recognize brain tumor and edema. We extracted the skull region and drawed outline of the skull in database of images obtained at P University Hospital and detected an axis of symmetry with cerebral characteristics. A symmetry contribution algorithm was then applied to the images around the axis of symmetry to observe intensity changes in pixels and detect disease areas. When we did not use the unsharp mask filter, a brain tumor was detected in 60 of a total of 95 MR images. The disease detection rate for the brain was 63.16%. However, when we used the unsharp mask filter, the tumor was detected in 87 of a total of 95 MR images, with a disease detection rate of 91.58%. When the unsharp mask filter was used in the pre-process stage, the disease detection rate for the brain was higher than when it was not used. We confirmed that unsharp mask filter can be used to rapidly and accurately to read many MR images stored in a database.

• 대한의용생체공학회:의공학회지
• /
• 제30권2호
• /
• pp.153-161
• /
• 2009

Mammogram is one of the important techniques for mass detection, which is the early diagnosis stage of a breast cancer. Especially, the CAD(Computer Aided Diagnosis) using mammogram improves the working performance of radiologists as it offers an effective mass detection. There are two types of CAD systems using mammogram; automatic and semi-automatic CAD systems. However, the automatic segmentation is limited in performance due to the difficulty of obtaining an accurate segmentation since mass occurs in the dense areas of the breast tissue and has smoother boundaries. Semi-automatic CAD systems overcome these limitations, however, they also have problems including high FP (False Positive) rate and a large amount of training data required for training a classifier. The proposed system which overcomes the aforementioned problems to detect mass is composed of the suspected area selection, the level set segmentation and SVM (Support Vector Machine) classification. To assess the efficacy of the system, 60 test images from the FFDM (Full-Field Digital Mammography) are analyzed and compared with the previous semi-automatic system, which uses the ANN classifier. The experimental results of the proposed system indicate higher accuracy of detecting mass in comparison to the previous systems.

• Journal of Multimedia Information System
• /
• 제9권1호
• /
• pp.21-32
• /
• 2022

Early-stage diagnosis of Alzheimer's Disease (AD) from Cognitively Normal (CN) patients is crucial because treatment at an early stage of AD can prevent further progress in the AD's severity in the future. Recently, computer-aided diagnosis using magnetic resonance image (MRI) has shown better performance in the classification of AD. However, these methods use a traditional machine learning algorithm that requires supervision and uses a combination of many complicated processes. In recent research, the performance of deep neural networks has outperformed the traditional machine learning algorithms. The ability to learn from the data and extract features on its own makes the neural networks less prone to errors. In this paper, a dense neural network is designed for binary classification of Alzheimer's disease. To create a classifier with better results, we studied result of different activation functions in the prediction. We obtained results from 5-folds validations with combinations of different activation functions and compared with each other, and the one with the best validation score is used to classify the test data. In this experiment, features used to train the model are obtained from the ADNI database after processing them using FreeSurfer software. For 5-folds validation, two groups: AD and CN are classified. The proposed DNN obtained better accuracy than the traditional machine learning algorithms and the compared previous studies for AD vs. CN, AD vs. Mild Cognitive Impairment (MCI), and MCI vs. CN classifications, respectively. This neural network is robust and better.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 1999년도 가을 학술발표논문집 Vol.26 No.2 (2)
• /
• pp.425-427
• /
• 1999

본 논문에서는 시간 간격을 두고 활영한 흉부의 단순 x선 영상의 차영상을 이용하여 컴퓨터 도움 진단에 활용할 수 있는 방법에 대해 연구하였다. 시간 간격을 두고 촬영한 흉부 단순 x선 영상의 차영상은 시간에 따른 변화를 명확히 보여줌으로써 질병의 조기진단 및 질병의 전개과정 등을 알아보는데 유용하게 쓰일 수 있다. 특히, 이 방법은 폐암과 같이 조기진단이 매우 어려운 질병에 대하여 정기검진 등에서 정기적으로 촬영한 단순 x선 영상을 이용하여 조기진단을 할 수 있는 방법으로 활용될 수 있다. 그러나, 촬영시의 여러 가지 조건들, x선의 세기와 조영시간, 환자의 촬영 자세 및 호흡 상태 등에 따라 단순 x선 영상이 크게 달라져 단순한 뺄셈에 의한 차영상은 진단에 도움이 되지 못한다. 진단에 도움을 주기 위해서는 두 영상 사이의 전체적인 밝기와 대조도를 맞추고 늑골, 쇄골 등 해부학적 구조물의 위치와 크기를 서로 맞추어 차영상을 얻는 영상처리 방법이 필요하다. 또한, 폐의 크기와 위치도 서로 맞추어 차영상을 얻어야 한다. 그러나, 이러한 방법도 늑골과 폐의 크기와 위치 변화가 서로 일치하지 않는 문제점을 가지고 있다. 본 논문에서는 이러한 영상처리를 통하여 차영상을 얻는 방법에 대하여 논하고 방법상의 문제점과 해결 방법을 제시한다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2003년도 ICCAS
• /
• pp.2352-2355
• /
• 2003

In recent yeas, studies on computer aided diagnosis (CAD) using image analysis on CT images have been conducted with respect to various diseases. Extracting ground-glass opacities (GGO) on lung CT images is one of such subjects, though it has not found an established method yet. If the region of ground-glass opacities is large on CT images, it can be detected without much difficulty. On the other hand, if the region is small, it is still difficult to find it exactly. In the latter case, increasing overlooking possibility cannot be avoided according to smaller size of the region. To solve this difficulty, this paper proposes an automatic technique for extracting ground-glass opacities on lung CT images employing some statistical parameters of a gray level histogram and a differential histogram. The proposed technique is applied to some lung CT images in the performed experiment. The results are shown with discussion on future work.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2002년도 가을 학술발표논문집 Vol.29 No.2 (2)
• /
• pp.553-555
• /
• 2002

컴퓨터지원진단(Computer Aided Diagnosis; CAD) 시스템은 방사선 의사들이 흉부 X-ray 영상에서 결절을 탐지하는데 있어 실제적으로 발생할 수 있는 오진율을 줄이고, 폐 결절이 존재하는 폐야에서 결절의 존재 유무를 판단하여 검출을 표시함으로써 진단율을 개선시킬 수 있도록 하였다. 본 논문은 흉부 X-ray 영상에서의 폐 결절을 추출하는데 유전자 알고리즘(Genetic Algorithm)을 이용한 템플릿 매칭(Template Matching) 방법을 제안한다. 제안한 방법은 흉부 X-ray 영상에 존재하는 결절과 레퍼런스 이미지를 매칭시켜 적합도를 계산한 후, 그 값을 통하여 수치가 낮은 개체를 선택하여 높은 개체와 교차시킨다. 그리고 레퍼런스 이미지는 결절이 존재하는 환자 X-ray 영상에서 샘플 노듈을 추출한 후 가우시안 분포를 갖는 512개의 레퍼런스 이미지를 생성하였다. 본 논문에서 사용된 영상은 결절 50개, 비결절 30개와 흉부 X-ray 영상에서 육안으로 판별이 가능한 결절 영상을 20개를 포함하여 총 100개 영상을 사용하였다. 실험 결과 83%의 결절을 자동 추출 하였으며, 가장 적절한 레퍼런스 이미지를 발견하고 이를 흉부영상에 매칭시켜 정확한 결절의 위치를 확인하였다.

• Clinical Endoscopy
• /
• 제51권6호
• /
• pp.547-551
• /
• 2018

Unlike wired endoscopy, capsule endoscopy requires additional time for a clinical specialist to review the operation and examine the lesions. To reduce the tedious review time and increase the accuracy of medical examinations, various approaches have been reported based on artificial intelligence for computer-aided diagnosis. Recently, deep learning-based approaches have been applied to many possible areas, showing greatly improved performance, especially for image-based recognition and classification. By reviewing recent deep learning-based approaches for clinical applications, we present the current status and future direction of artificial intelligence for capsule endoscopy.

• 전기학회논문지
• /
• 제67권12호
• /
• pp.1678-1684
• /
• 2018

Dental caries is one of the most popular oral disease. The aim of automatic dental cavity detection system is helping dentist to make accurate diagnosis. It is very important to separate cavity from the teeth in the detection system. In this paper, We compared two active contour algorithms, Snake and DRLSE(Distance Regularized Level Set Evolution). To improve performance, image is selected ROI(region of interest), then applied bilateral filter, Canny edge. In order to evaluate the algorithms, we applied to 7 tooth phantoms from incisor to molar. Each teeth contains two cavities of different shape. As a result, Snake is faster than DRLSE, but Snake has limitation to compute topology of objects. DRLSE is slower but those of performance is better.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2009년도 춘계학술발표대회
• /
• pp.106-109
• /
• 2009

Recently, image matching becomes important in Computer Aided Diagnosis (CAD) due to the huge amount of medical images. Specially, texture feature is useful in medical image matching. However, texture features such as co-occurrence matrices can't describe well the spatial distribution of gray levels of the neighborhood pixels. In this paper we propose a frequency domain-based texture feature extractor that describes the local spatial distribution for medical image retrieval. This method is based on 2D Local Discrete Fourier transform of local images. The features are extracted from local Fourier histograms that generated by four Fourier images. Experimental results using 40 classes Brodatz textures and 1 class of Emphysema CT images show that the average accuracy of retrieval is about 93%.

• 한국멀티미디어학회논문지
• /
• 제13권5호
• /
• pp.722-729
• /
• 2010

예측 문제를 해결하기 위한 데이타마이닝 기법은 다양한 분야에서 주목받고 있다. 이것에 대한 한 예로 컴퓨터-기반의 질병의 예측 혹은 진단은 CDSS(Clinical Decision support System)에서 가장 중요한 요소이기도 하다. 이러한 예측 문제를 해결하기 위해서 RBF커널 같은 비선형 커널을 사용한 SVM이 가장 널리 사용되고 있는데, 이는 비선형 SVM이 어떠한 다른 분류기법보다 정확한 성능을 보이기 때문이다. 하지만 비선형 SVM을 사용한 경우에는 모델내부를 시각화하는 일이 어려워서 예측결과에 대한 직관적인 이해가 힘들고, 의학 전문가들은 이러한 비선형 SVM의 사용을 기피하고 있는 실정이다. Nomogram은 SVM을 시각화하기 위해 제안된 기법이다. 하지만 이는 선형 SVM의 경우에만 사용이 가능하고. 이 문제를 해결하기 위해서 LRBF 커널이 제안된 바 있다. LRBF 커널은 기존의 RBF 커널을 사용한 SVM과 대등한 결과를 보이면서도 예측결과의 선형적 분석도 가능하게 한다. 본 논문에서는 노모그램(Nomogram)과 LRBF 커널을 사용한 SVM이 통합되어 있는 예측 툴 VRIFA를 제안한다. 이 툴은 사용자와 상호작용하며 비선형 SVM 모델의 내부구조를 데이타의 각 속성별로 보여주는 방법으로 사용자가 예측결과를 직관적으로 이해하도록 도와준다. VRIFA는 Nomogram기반의 피쳐선택(feature selection) 기능도 포함하고 있는데, 이 기능은 예측결과에 부정적인 영향을 끼치거나 중복된 연관성을 보이는 속성을 제거함으로써 모델의 정확도를 높이는 데 기여한다. 그리고 데이터에 포함된 클래스의 비율이 한 쪽으로 치우쳐져 있는 경우에는 ROC 곡선 넓이(AUC)를 예측결과를 평가하기 위한 측도로 사용할 수 있다. 이 툴은 컴퓨터-기반의 질병 예측 혹은 질병의 위험 요소 분석에 대해 연구하는 연구자들에게 유용하게 사용될 것으로 전망하는 바이다.