• 한국통신학회논문지
• /
• 제39C권6호
• /
• pp.490-496
• /
• 2014

무릎 관절 연골은 두께가 얇아 대부분 무릎 질환의 원인이 되고 있다. 그러므로 무릎 자기공명영상에서 관절 연골 분할은 무릎 질환의 정확한 진단을 위한 필수조건이다. 특히 수동이 아닌 전자동 방식으로 무릎 관절 연골을 분할하여야만 효과적인 무릎 질환 진단을 할 수 있다. 본 논문에서는 뇌 자기공명영상에서 대표적으로 사용되는 레벨 셋 기반의 영상 분할 기법을 분석하여 무릎 자기공명영상에 적용 시 문제점을 파악하고 이를 해결함으로써, 무릎 자기공명영상에 레벨 셋 기반 영상분할 방식을 적용하였다. 이는 본 논문에서 제안하는 분할기법을 사용할 경우 무릎 관절 연골 분할에 대한 모든 과정이 전자동화 되어 기존 반자동화 방식보다 빠른 처리가 가능하며, 3차원 형상화를 통해 보다 정확한 진단에 도움을 줄 수 있다. 또한 우리는 제안하고 있는 분할기법이 기존 대표적인 무릎 관절 분할보다 더 높은 정확도를 갖는 것을 실험을 통해 확인할 수 있었다.

• 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.

• 대한의용생체공학회:의공학회지
• /
• 제41권2호
• /
• pp.94-100
• /
• 2020

The purpose of this study was to present the models for classifying the wrist X-ray images by types and for segmenting the radius automatically in each image using deep learning and to verify the learned models. The data were a total of 904 wrist X-rays with the distal radius fracture, consisting of 472 anteroposterior (AP) and 432 lateral images. The learning model was the ResNet50 model for AP/lateral image classification, and the U-Net model for segmentation of the radius. In the model for AP/lateral image classification, 100.0% was showed in precision, recall, and F1 score and area under curve (AUC) was 1.0. The model for segmentation of the radius showed an accuracy of 99.46%, a sensitivity of 89.68%, a specificity of 99.72%, and a Dice similarity coefficient of 90.05% in AP images and an accuracy of 99.37%, a sensitivity of 88.65%, a specificity of 99.69%, and a Dice similarity coefficient of 86.05% in lateral images. The model for AP/lateral classification and the segmentation model of the radius learned through deep learning showed favorable performances to expect clinical application.

• 대한의용생체공학회:의공학회지
• /
• 제44권2호
• /
• pp.139-146
• /
• 2023

Osteoporosis is a disease in which the risk of bone fractures increases due to a decrease in bone density caused by aging. Osteoporosis is diagnosed by measuring bone density in the total hip, femoral neck, and lumbar spine. To accurately measure bone density in the lumbar spine, the vertebral region must be segmented from the lumbar X-ray image. Deep learning-based automatic spinal segmentation methods can provide fast and precise information about the vertebral region. In this study, we used 695 lumbar spine images as training and test datasets for a deep learning segmentation model. We proposed a lumbar automatic segmentation model, CM-Net, which combines the center point of the spine and the modified U-Net network. As a result, the average Dice Similarity Coefficient(DSC) was 0.974, precision was 0.916, recall was 0.906, accuracy was 0.998, and Area under the Precision-Recall Curve (AUPRC) was 0.912. This study demonstrates a high-performance automatic segmentation model for lumbar X-ray images, which overcomes noise such as spinal fractures and implants. Furthermore, we can perform accurate measurement of bone density on lumbar X-ray images using an automatic segmentation methodology for the spine, which can prevent the risk of compression fractures at an early stage and improve the accuracy and efficiency of osteoporosis diagnosis.

• 대한의용생체공학회:의공학회지
• /
• 제10권2호
• /
• pp.106-108
• /
• 1989

A new method of digital image analysis technique for discrimination of cancer cell was presented in this paper. The object image was the Thyroid eland cells image that was diagnosed as normal and abnormal (two types of abnormal: follicular neoplastic cell, and papillary neoplastic cell), respectively. By using the proposed region segmentation algorithm, the cells were segmented into nucleus. The 16 feature parameters were used to calculate the features of each nucleus. A9 a consequence of using dominant feature parameters method proposed in this paper, discrimination rate of 91.11% was obtained for Thyroid Gland cells.

• Korean Journal of Radiology
• /
• 제22권10호
• /
• pp.1597-1608
• /
• 2021

Cardiovascular computed tomography (CT) is among the most active fields with ongoing technical innovation related to image acquisition and analysis. Artificial intelligence can be incorporated into various clinical applications of cardiovascular CT, including imaging of the heart valves and coronary arteries, as well as imaging to evaluate myocardial function and congenital heart disease. This review summarizes the latest research on the application of deep learning to cardiovascular CT. The areas covered range from image quality improvement to automatic analysis of CT images, including methods such as calcium scoring, image segmentation, and coronary artery evaluation.

• 정보처리학회논문지D
• /
• 제10D권1호
• /
• pp.109-116
• /
• 2003

본 논문에서는 분산환경에서 사용자들에게 효과적인 접근성과 사용성을 제공하는 코바기반 협업 지일 의료영상 분석 덴 가시화 시스템을 소개한다. 개발된 시스템은 분산환경에서 의료영상 분활 및 모델링과 같은 의료영상 분석 및 처리 기능을 제공하며 아울러 의료영상 데이터의 효율적 관리 기능을 제공한다. 영상의 분류 및 특정 세포조직의 추출은 베이지안 방법과 활성 윤곽선 모델등 적용하여 수행되며, 획득된 영상의 특성정보는 의료영상의 실시간 3차원 모델링에 사용된다. 개발된 시스템은 브로드 케스팅과 동기화 메커니즘에 기반하여 시스템을 사용하는 다중 사용자들간의 협동작업을 지원한다. 본 시스템은 분산 프로그램을 지원하는 자바 및 코바에 의해 개발되었으며, 따라서 클라이언트는 분산 객체의 위치나 분산객체가 수행되는 운영체제에 관한 정보가 없이도 메소드 호출방법에 의해 서버 객체에 접근할 수 있다.

• 전기학회논문지
• /
• 제65권8호
• /
• pp.1424-1429
• /
• 2016

Segmentation is one of the first steps in most diagnosis systems for characterization of dental caries in an early stage. The purpose of automatic dental cavity detection system is helping dentist to make more precise diagnosis. We proposed the semi-automatic method for the segmentation of dental caries on digital x-ray images. Based on a manually and roughly selected ROI (Region of Interest), it calculated the contour for the dental cavity. A snake algorithm which is one of active contour models repetitively refined the initial contour and self-examination and correction on the segmentation result. Seven phantom tooth from incisor to molar were made for the evaluation of the developed algorithm. They contained a different form of cavities and each phantom tooth has two dental cavities. From 14 dental cavities, twelve cavities were accurately detected including small cavities. And two cavities were segmented partly. It demonstrates the practical feasibility of the dental lesion detection using Computer-aided Detection (CADe).

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제30권7_8호
• /
• pp.719-726
• /
• 2003

본 논문에서는 Visible Human 컬러 단면 영상에서 인접한 지방 영역과 색상 특성이 유사하여 구별이 매우 힘든 뼈 영역을 분할하기 위해 다중 모달 정합 방법을 제안한다. 뼈와 그 인접영역의 구별이 뚜렷한 CT 영상에서 뼈를 분할하고 두 영상의 정합을 이용하여 컬러 영상에서 최종 뼈 분할을 수행한다. CT 영상에서 뼈의 분할 방법은 임계값 기반 방법을 사용하였고, 정합은 두 영상에서 신체 부위를 임계값 기반의 방법을 사용하여 분할된 객체들의 경계를 상호 상관관계(cross-correlation)방법을 사용하여 수행하였다. 제안된 방법은 Visible Human 컬러 단면 영상 중에 뼈와 인접 지방이 유사하여 그 분할이 어려운 머리부위와 다리부위에 적용하여 고무적인 결과론 얻었다.

• 한국콘텐츠학회논문지
• /
• 제5권3호
• /
• pp.45-51
• /
• 2005

본 논문은 뇌의 축상면에 대하여 촬영된 양성자 밀도영상과 T2 강조 영상을 대상으로 이루어진다. 이러한 영상 중 뇌 위축을 보이지 않는 정상인과 뇌 위축을 보이는 비정상인의 대뇌 영상으로부터 백질, 회백질, 뇌척수액을 분리하고, 분리된 조직의 체적을 자동으로 계산할 수 있는 알고리즘을 개발하였다. 이렇게 개발된 알고리즘을 바탕으로 계산된 각 조직의 체적 값과 디지털화된 영상의 헤더 분석을 통해 얻어진 각종 정보를 바탕으로 환자의 성별, 연령별로 결과 값을 세분화하여 데이터베이스로 구성하게 되며 수집된 각종 데이터를 분석 및 통계 처리하여 정상인과 비정상인을 판단 할 수 있는 조기진단 알고리즘을 최종적으로 완성하게 된다. 이 결과는 알츠하이머 환자를 쉽게 구별 할 수 가 있으며, 알츠하이머등 뇌질환의 조기 진단에 대한 정확한 보조진단 기반을 마련하는데 목적이 있다.