• 한국정보통신학회논문지
• /
• 제16권7호
• /
• pp.1518-1523
• /
• 2012

영상매체가 여러 방면에서 발전함에 따라 영상처리의 중요성이 높아지고 있다. 영상처리 분야 중 에지검출은 물체 인식, 물체 분할, 의료 및 산업 전반적인 분야 등에서 많이 활용되고 있다. 에지는 영상에서 중요한 요소인 크기, 방향, 위치 등의 정보를 포함하고 있다. 에지를 검출하기 위한 기존의 방법에는 Sobel, Prewitt, Roberts, Laplacian 등의 방법이 있으며, 기존의 방법들은 AWGN(Additive White Gaussian Noise)에 훼손된 영상에서 에지검출 특성이 저하된다. 따라서 본 연구는 AWGN에 훼손된 영상에서 우수한 에지검출 특성을 갖는 변형된 가중치 벡터를 이용한 알고리즘을 제안하였다.

• 대한의용생체공학회:의공학회지
• /
• 제15권4호
• /
• pp.419-427
• /
• 1994

본 연구는 인간의 갑상선 세포를 대상으로 암세포의 식별을 위하여 새로운 디지털 영상기술을 적용하여 해석한 것으로 이를 위하여 세포영상해석에 필요한 개선된 처리방법들을 제안하였다. 실험대상으로 정상세포와 암세포로 확진된 갑상선세포의 현미경 영상을 사용하였다. 세포영상으로부터 세포핵을 구분하기 위하여 기존의 방법을 개선한 방향각을 갖는 Contour Following법을 시도하여 세포핵의 영상을 매우 효과적으로 얻을 수 있음을 입증하였고, 세포핵의 특징추출을 위하여 16개의 특징파라미터들을 사용하였고 식별율을 높이기 위하여 우세특징파라미터를 선택하여 식별을 향상을 꾀하였다. 실험 결과 평균 91.11%의 식별률을 얻음으로서 효과적으로 갑상선의 암세포를 식별할 수 있음을 증명하였다.

• 대한의용생체공학회:학술대회논문집
• /
• 대한의용생체공학회 1995년도 춘계학술대회
• /
• pp.227-229
• /
• 1995

This paper attempts to examine an optimal method for the chromosome specific vector extraction. Usually, represented method are used with a line segmentation on a chromosome Image. It is not Inaccurate but also needs a long time for the analysis. This paper purpose to aquire specific vector in the image with a using optimal ellipse estimation method. Normally, shapes of chromosomes are curved and too difficult to analyze automatically. A chromosome has a lot of band which looks like an ellipse. If we can estimate their bands with an ellipse, we can reconstruct the sample Which Is straight and can be analyzed easily. We have rearranged a chromosome Image with above proposed. Result shows a reconstructed sample which Is simple for chromosome analysis.

• 대한영상의학회지
• /
• 제83권6호
• /
• pp.1229-1239
• /
• 2022

최근 인공지능기술은 자기공명영상(이하 MRI)의 폭넓은 분야에서 임상적 활용가치를 보여주고 있다. 특히, MRI에서 영상획득과정의 효율성 및 복원된 영상의 품질을 향상시키기 위한 목적으로 인공지능모델의 개발이 활발하다. 임상에서 활용되는 다양한 MRI 프로토콜에서 인공지능은 병렬영상기법과 같은 기존 가속화 방법 대비 추가적인 영상획득시간을 가능하게 해줄 수 것으로 기대된다. 또한, 펄스시퀀스 디자인, 영상의 인공물 감소, 자동화된 품질평가와 같은 영역에서도 인공지능모델은 도움을 줄 수 있는 연구 결과들이 소개되고 있다. 또한, 영상분석 과정에서 중요한 장비 및 프로토콜의 영향을 줄여줄 수 있는 방법으로도 인공지능 기반의 접근이 이루어지고 있다. 본 종설에서는 MRI 영상의 획득 과정에서 최근 인공지능기술들이 적용되고 있는 분야 및 해당 분야에서의 인공지능기술의 개발 및 적용과 관련된 현안들을 소개하고자 한다.

• 대한의용생체공학회:의공학회지
• /
• 제24권4호
• /
• pp.259-266
• /
• 2003

해부학적 구조의 변형이 존재하는 두 영상을 정합하기 위하여 연구되는 non-rigid 정합 방법은 환자간의 정합 환자와 표준영상간의 정합, 동일환자에서 변형을 갖는 부위의 정합 등 이용한 진단 및 연구에 사용되어 현재 많은 연구가 진행되고 있는 분야이다. 본 논문에서는 서로 형태와 색상 특성이 다른 Visible Human 컬러 영상파 CT 영상의 다리 부위를 정합하기 위하여 해부 영상에서 두드러진 차이를 보이는 뼈, 근육, 지방 조직을 분할하고 분할된 각 조직의 경계 단위를 계층적인 정합을 하는 조직 기반 성합 방법을 제안하였다. 제안한 조직 기반의 정합은 색상 특성이 두드러지게 변하는 경계 부위를 정확히 정합하므로 기존의 특징점을 이용한 정합 방법에 비하여 강력하고 정확한 결과를 얻음을 실험을 통하여 검증하였다. 또한 계층적인 정합은 분할된 조직의 바운딩 박스(bounding box) 정합. 전역 Rigid 정합과 지역 non-rigid 정합, 정합 보간(interpolation)을 순차적으로 실행하여 효율적인 계산 시간을 제공하였다.

• 한국산학기술학회논문지
• /
• 제11권6호
• /
• pp.2240-2245
• /
• 2010

심근영상의 SPECT(Single Photon Emission Computed tomography)검사는 감마선을 방출하는 방사성의약품을 환자에게 정맥주사한 후 이 의약품이 심장에 고루 퍼지면 관심부위를 촬영하여 질병으로 인한 변화를 컴퓨터를 이용하여 진단하는 검사법이다. 기능적인 정보를 담고 있는 심근관류 영상은 비침습적인 심근질환 검사에 유용한 방법이지만, 물리적 인자들에 의해 잡음과 낮은 해상도는 판도하는데 어려움을 주게 된다. 본 논문은 심근영상을 레벨 셋 알고리즘을 이용하여 영상을 분할하고 분할된 영역을 3차원으로 구현하여 판독에 도움을 주는 방안을 제안하였다. 판독의 어려움을 해결하기 위하여 레벨 셋을 이용하여 관심부위인 좌심실 영역을 분할하였고 분할된 영역을 3차원영상으로 모델링 하였다.

• Korean Journal of Radiology
• /
• 제22권3호
• /
• pp.435-441
• /
• 2021

Objective: To evaluate the usefulness of the ventricular volume percentage quantified using three-dimensional (3D) brain computed tomography (CT) data for interpreting serial changes in hydrocephalus. Materials and Methods: Intracranial and ventricular volumes were quantified using the semiautomatic 3D threshold-based segmentation approach for 113 brain CT examinations (age at brain CT examination ≤ 18 years) in 38 patients with hydrocephalus. Changes in ventricular volume percentage were calculated using 75 serial brain CT pairs (time interval 173.6 ± 234.9 days) and compared with the conventional assessment of changes in hydrocephalus (increased, unchanged, or decreased). A cut-off value for the diagnosis of no change in hydrocephalus was calculated using receiver operating characteristic curve analysis. The reproducibility of the volumetric measurements was assessed using the intraclass correlation coefficient on a subset of 20 brain CT examinations. Results: Mean intracranial volume, ventricular volume, and ventricular volume percentage were 1284.6 ± 297.1 cm³, 249.0 ± 150.8 cm³, and 19.9 ± 12.8%, respectively. The volumetric measurements were highly reproducible (intraclass correlation coefficient = 1.0). Serial changes (0.8 ± 0.6%) in ventricular volume percentage in the unchanged group (n = 28) were significantly smaller than those in the increased and decreased groups (6.8 ± 4.3% and 5.6 ± 4.2%, respectively; p = 0.001 and p < 0.001, respectively; n = 11 and n = 36, respectively). The ventricular volume percentage was an excellent parameter for evaluating the degree of hydrocephalus (area under the receiver operating characteristic curve = 0.975; 95% confidence interval, 0.948-1.000; p < 0.001). With a cut-off value of 2.4%, the diagnosis of unchanged hydrocephalus could be made with 83.0% sensitivity and 100.0% specificity. Conclusion: The ventricular volume percentage quantified using 3D brain CT data is useful for interpreting serial changes in hydrocephalus.

• 재활복지공학회논문지
• /
• 제9권1호
• /
• pp.61-66
• /
• 2015

심폐기능 재활환자에 있어서 흉부 X선 화상은 임상적 소견 중 가장 일반적이고 널리 사용되는 의학정보로서 질환의 예후에 대한 다양한 해부학적 정보를 제공한다. 흉부 X선 영상에서의 영역분할 및 영상해석에 관한 많은 연구에 의해 다양한 해석 알고리즘이 개발되어 왔으나, 영상의 복잡성과 다양성에 의한 해석 차이가 존재한다. 본 논문에서는 X선 영상에서의 질환 여부를 진단하기 위해 영상처리 및 분석방법에 기반한 흉부 X선 영상의 진단지원시스템이 제안되었다. 흉부 X선 영상에서 폐 영역을 검출하기 위하여 임계값 및 형태학적 방법이 적용되었으며, 형태학적 측정 및 질감 분석은 분할된 영역에서 수행되었다. 실제 흉부 X선 영상에 적용한 실험결과와 임상 전문가의 진단 결과를 비교하여 제시하였으며, 제안한 방법이 충분히 의사결정지원시스템에 활용될 수 있음을 보였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권3호
• /
• pp.958-979
• /
• 2023

Due to laws, regulations, privacy, etc., between 70-90 percent of providers do not share medical data, forming a "data island". It is essential to collaborate across multiple institutions without sharing patient data. Most existing methods adopt distributed learning and centralized federal architecture to solve this problem, but there are problems of resource heterogeneity and data heterogeneity in the practical application process. This paper proposes a collaborative deep learning modelling method based on the blockchain network. The training process uses encryption parameters to replace the original remote source data transmission to protect privacy. Hyperledger Fabric blockchain is adopted to realize that the parties are not restricted by the third-party authoritative verification end. To a certain extent, the distrust and single point of failure caused by the centralized system are avoided. The aggregation algorithm uses the FedProx algorithm to solve the problem of device heterogeneity and data heterogeneity. The experiments show that the maximum improvement of segmentation accuracy in the collaborative training mode proposed in this paper is 11.179% compared to local training. In the sequential training mode, the average accuracy improvement is greater than 7%. In the parallel training mode, the average accuracy improvement is greater than 8%. The experimental results show that the model proposed in this paper can solve the current problem of centralized modelling of multicenter data. In particular, it provides ideas to solve privacy protection and break "data silos", and protects all data.

• 대한의용생체공학회:의공학회지
• /
• 제45권2호
• /
• pp.90-94
• /
• 2024

Diagnosing wounds presents a significant challenge in clinical settings due to its complexity and the subjective assessments by clinicians. Wound deep learning algorithms quantitatively assess wounds, overcoming these challenges. However, a limitation in existing research is reliance on specific datasets. To address this limitation, we created a comprehensive dataset by combining open dataset with self-produced dataset to enhance clinical applicability. In the annotation process, machine learning based on Gradient Vector Flow (GVF) was utilized to improve objectivity and efficiency over time. Furthermore, the deep learning model was equipped U-net with residual blocks. Significant improvements were observed using the input dataset with images cropped to contain only the wound region of interest (ROI), as opposed to original sized dataset. As a result, the Dice score remarkably increased from 0.80 using the original dataset to 0.89 using the wound ROI crop dataset. This study highlights the need for diverse research using comprehensive datasets. In future study, we aim to further enhance and diversify our dataset to encompass different environments and ethnicities.