• 한국의학물리학회지:의학물리
• /
• 제26권4호
• /
• pp.258-266
• /
• 2015

현대 방사선치료는 고선명 X선 투사영상을 이용하여 환자 및 종양의 위치를 확인하는 기술이 요구되지만, 3차원 영상 촬영을 위한 피폭량 및 영상정보의 급격한 증가는 환자에게 추가적인 부담이 될 수 있다. 본 연구에서는 영상의 구조 정보를 효과적으로 추출할 수 있는 Structural similarity (SSIM) 인자를 도입하여 매일 촬영하는 환자의 2차원 X선 영상간 차이를 자동 분석하여 환자의 위치 정확성의 검증 가능성을 제시하였다. 먼저 종양을 모사하기 위하여 구형 전산 팬텀의 크기와 위치를 변화시키면서 각각의 투사 영상을 시뮬레이션하고, SSIM 인자를 통해 영상 간 차이를 검출하여 분석하였다. 또한 12일간 매일 촬영한 방사선 치료 환자의 2차원 X선 영상들 간 차이를 동일한 방법으로 검출하였다. 그 결과 산출된 팬텀 변화에 따른 SSIM 값은 0.85~1 범위로, 관심영역(ROI)을 영상 전체가 아닌 팬텀으로 한정하였을 때는 0.006~1 범위로 나타나서 ROI 적용 시 민감도가 크게 상승하는 것을 확인하였다. 또한 임상 영상의 SSIM은 0.799~0.853 범위의 값을 나타냈으며 영상 간 차이가 SSIM 분포 상에 검출되는 것을 확인하였다. 본 연구결과는 소요 시간 및 피폭 등의 우려로 매일 사용하기 어려운 3차원 영상기법 대신 간단한 2차원 영상만을 이용하여 객관적이고 정량적인 환자 위치 정확성의 자동 평가 기법을 제공할 수 있을 것으로 기대된다.

• Nuclear Medicine and Molecular Imaging
• /
• 제43권1호
• /
• pp.55-59
• /
• 2009

목적: 전초림프절 스캔과 전초림프절 생검은 유방암 환자에서 액와림프절 전이를 인지하기 위해서 사용되지만, 표준화된 방법이 마련되어 있지 않다. 액와림프절 전이를 인지하기 위한 전초림프절 검사에 있어서 본 연구에서는 수술당일 주사하는 당일검사와 수술전날 주사하는 전날검사의 결과를 비교하여 보았다. 대상 및 방법: 본 연구에서는 2001년에서 2004년사이에 유방암으로 수술을 시행했던 349명의 환자를 대상으로 하였다. 171명의 환자는 Tc-99m Tin-Colloid (37 MBq) 0.8 ml를 유륜하로 수술당일(1시간 전)에 주사하였다. 178명의 환자는 Tc-99m Tin-Colloid (185 MBq) 0.8 ml를 유륜하로 수술전날(16시간 전)에 주사하였다. 앉은 자세에서 림프신티그라피가 시행되었고, 수술 중에 감마프로브로 전초림프절을 발견하였다. 결과: 당일검사를 시행한 전체 171명의 환자 중에서 153명(89.5%)이 림프신티그라피에 의해 전초림프절이 발견되었고, 150명(87.7%)이 감마프로브에 의해 전초림프절이 발견되었다. 전날검사를 시행한 전체 178명의 환자 중에서 159명(89.3%)이 림프신티그라피에 의해 전초림프절이 발견되었고, 154명(86.5%)이 감마프로브에 의해 전초림프절이 발견되었다. 당일검사와 전날검사에 있어서, 림프신티그라피와 감마프로브에 의한 전초림프절 발견율의 유의한 차이는 없었다(p>0.05, p>0.05). 결론 : 유방암 환자에서 전초림프절을 발견하는데 있어 당일검사와 전날검사에 의한 차이는 없었다. 전날검사는 전초림프절 스캔을 시행할 충분한 시간을 얻을 수가 있어서, 유방암 환자에서 전초림프절을 발견하는데 더 유용할 것이다.

• Radiation Oncology Journal
• /
• 제27권4호
• /
• pp.194-200
• /
• 2009

목 적: 위부분절제술 후 방사선치료를 받는 환자들 중에서 위 내 음식물의 배출지연으로 인한 위 용적 및 주변 장기의 위치 변화와 이것의 임상적 의의를 알아보고자 하였다. 대상 및 방법: 2005년 3월 1일부터 2008년 12월 31일까지 위암으로 위부분절제술을 받은 후 보조적 동시항암화학 방사선치료를 받았던 총 32명의 환자들 중, 전산화단층촬영모의치료 영상에서 12시간 이상의 금식에도 불구하고 위 내 음식물이 50 ml 이상 남아 잔존 위의 팽대를 보였던 경우들이 이번 연구 대상이었다. 이 환자들에 대해 방사선치료 기간 동안 주기적으로 시행된 컴퓨터단층촬영 자료를 바탕으로 잔존 위 용적 및 주변 장기들의 위치 변화를 평가하였다. 또한 방사선치료 설계 자료를 바탕으로, 잔존 위 및 주변 장기들의 변화를 고려하지 않고 치료를 지속했을 경우의 치료 표적 및 정상조직의 방사선분포 변화를 알아보았다. 결 과: 총 5명의 전산화단층촬영모의치료 영상에서 배출장애에 의한 50 ml 이상의 위 내 음식물의 저류가 확인되었다. 대상 환자들에서 위 용적은 치료과정 중에 다양한 변화양상을 보였고, 각 환자에서 최대 64.2~340.8 ml (평균, 188.2 ml)의 변화를 보였다. 또한 위 용적에 따라 좌측 신장이 각 환자별 최대 0.7~2.2 cm (평균, 1.2 cm)까지 상하 방향으로 이동하는 양상을 보였다. 모의치료 시의 설계를 위 용적의 변화에 따라 변경하지 않고 치료를 진행한 경우 유의하게 계획용표적체적(V43, 79.5${\pm}$10.4%)에 조사선량이 부족하고 좌측 신장(V20, 34.1${\pm}$12.1%; Mean dose, 23.5${\pm}$8.3 Gy)에 과도한 선량이 조사되는 결과를 얻을 수 있었다. 결 론: 위부분절제술 후 방사선치료를 받는 일부 환자에서 배출지연에 따른 위 용적의 변화와 좌측 신장의 위치변화를 확인할 수 있었다. 배출지연이 발생하는 환자를 선별하여 위 용적의 변화를 파악하고 이를 방사선치료 설계에 반영하는 것이 효과적일 것으로 생각된다.

• Radiation Oncology Journal
• /
• 제25권2호
• /
• pp.125-133
• /
• 2007

목 적: 완벽하게 중복된 방사성선원의 위치를 판별하기 위해 직접 설계 및 제작한 팬톰을 이용하여 영상을 영상처리 과정을 거친 후 3방향 필름 기법과 개발한 프로그램을 이용하여 완벽하게 중복된 방사선원을 분리해내고자 한다. 대상 및 방법: 팬톰 내에 삽입된 방사성선원의 위치확인을 위하여 전후 방향 및 $-30^{\circ}에서 $30^{\circ}까지 $15^{\circ}간격으로 영상을 획득하였다. 획득한 영상은 불필요한 배경제거와 화질개선을 위한 영상처리 과정을 거쳐 프로그램에 사용하였다. 본 연구에서는 1개의 방사성선원이 중복된 상황, 2개 이상의 방사성선원이 중복된 상황 그리고 방사성선원이 중복되어 3장의 영상 모두에서 삽입된 방사성선원의 전체 개수를 확인할 수 없는 상황을 설정하여 실험하였다. 개발된 프로그램은 투사영상에서 일정한 영역을 설정하여 위치를 확인하고자 하는 방사성선원과 기준이 되는 방사성선원의 중심간의 거리를 계산하여 각각의 필름 내에서 동일한 과정을 반복하여 완벽하게 중복된 방사성선원을 분리하게 된다. 또한 전통적인 2방향 필름기법을 이용하여 중복된 방사성선원의 위치를 확인하여 비교하였다. 결 과: 각 방법의 위치 확인율은 ${\pm}15^{\circ}에서는 92.2%, ${\pm}30^{\circ}에서는 94.1% 그리고 2방향 필름기법에서는 70.6%로 나타났다. 1개의 방사성선원이 중복된 상황과 2개 이상의 방사성선원이 중복된 상황에서는 완벽하게 분리가 가능하였지만 3장의 영상에서 확인하고자 하는 방사성선원이 또 다른 방사성선원과 중복되어 나타나지 않는 상황에서는 주목할 만한 결과를 가져오지 못했다. 결 론: 전립선암 근접치료시 본 연구에서 개발한 프로그램을 이용한다면 완벽하게 중복된 방사성선원으로 의해 재구성하는 과정에서 생기는 오차를 줄일 수 있어 치료 효과 향상에 기여할 것으로 예상된다.

• 생명과학회지
• /
• 제13권3호
• /
• pp.280-290
• /
• 2003

RAPD 연관지도를 RFLP 연관지도와 합병을 하는 것은 각각의 유전 marker들의 단점을 서로 보완하여 세밀화된 유전자 지도작성을 용이하게 할 수 있다. 본 연구는 Essex와 PI 437654의 $F_2$ 및 $F_3$ 후대계통들을 재료로 하여 작성된 RAPD 연관지도를 콩의 RFLP 연관지도와 합병을 함에 있어서 나타난 몇가지 특징들을 기술하고자 함을 목적으로 하는 바 그 특징들은 아래와 같이 요약된다. 1. RAPD 연관지도상에서의 RFLP probe들의 위치가 RFLP 연관지도상에서의 위치와 부분적으로 변동된 현상이 나타났다. RAPD 연관그룹 L.G.C-3을 RFLP 연관그룹 a1 및 a2와 합병하는 과정에서 pSAC3와 pA136, 그리고 pA170/EcoRV와 pB170/HindIII이 서로 반대방향으로 위치하였다. pK400은 RFLP 연관지도상에서는 pA96-1과 pB172의 사이에 위치한 반면 RAPD 연관지도상에서는 i locus와 pA85 사이에 위치하였다. 2. RAPD 연관지도상에서의 두 marker들간의 간격이 RFLP 연관지도상에서의 간격보다 멀어진 현상이 두드러지게 나타났다. pA890과 pK493간의 간격은 RAPD 연관그룹 L.G.C-1에서는 48.6 cM이었던 반면 RFLP 연관 그룹상에서는 단지 13.3 cM으로 나타났다. 또한 pB32-2와 pA670, pA670과 pA668사이의 간격은 RAPD 연관그룹 L.G.C-2에서는 50.9 cM과 31.7 cM이었던 반면, RFLP 연관지도상에서의 간격은 각각 35.9 cM과 13.5 cM으로 나타났다. 3. 하나의 RFLP probe로부터 두개 이상의 다형화 현상을 나타낸 marker들이 동일한 연관그룹이나 다른 연관그룹에 위치하는 현상이 나타났다. 제한효소 HindIII로 절단된 probe pK418은 세개의 marker를 나타내었는데, 그 중 하나는 L.G.C-20에 위치하였으며, 다른 두개는 L.G.C-4에 위치하였다. 위에 나타난 특징들은 RAPD 연관지도는 intraspecific cross의 후대계통들을 재료로 하여 작성된 반면 RFLP 연관지도는 interspecific cross의 후대계통들을 재료로 하여 작성된 결과에선 비롯된 차이점 때문인 것으로 추측된다.

• 대한원격탐사학회지
• /
• 제25권4호
• /
• pp.383-389
• /
• 2009

TerraSAR-X자료를 이용하여 고해상 X-밴드 SAR시스템을 이용한 조간대 갯벌 관측에의 적용 가능성을 시험하였다. 연구대상지 역은 강화도 남단과 영종도를 잇는 조간대이며, 단일편파자료와 이중편파자료를 이용하였다. 연구내용은 다음과 같은 세 가지로 분류된다. 첫째, X-밴드 영상에서의 연안의 레이더 반사도 특성 연구 및 waterline 추출 정밀도를 평가하였다. 연안지역의 waterline은 HH 편광자료의 레이더 반사도 특성을 통하여 추출하였을 때 가장 신뢰도가 높았으며, TerraSAR-X 시스템의 짧은 파장과 높은 궤도정밀도로 인하여 정밀한 지리좌표로의 변환이 가능하였다. 연구지역의 조간대 지형 경사도는 평균적으로 수평방향으로 60 m당 20 cm의 고도변화를 가지므로, TerraSAR-X HH 편광자료를 이용한 waterline 추출은 정밀한 조간대 DEM 추출로 응용될 수 있다. 둘째, 이중편파자료의 편파특성을 이용한 조간대 영생식물의 산란특성을 관측하였다. 조간대 수륙경계부에서 잘 관측되는 칠면초와 같은 염생식물은 해수면변화에 따른 조간대의 육지화 모니터링에 좋은 표적이 된다. TerraSAR-X 이중편파자료의 산란특성을 이용한 염생식물 관측결과는 2007년에 현장에서 취득된 실측자료와 비교하여 3 dB 이내의 정밀도로 일치하였다. 셋째, 단일편파자료의 레이더 간섭기법을 이용한 조간대 DEM작성을 시도하였다. 조간대 내에서 육지화가 진행된 지역은 표면에 염생식물이 발달하였음에도 불구하고 높은 간섭긴밀도를 나타내었다. 레이더 간섭기법을 통한 DEM의 제작은 일반적인 조간대에서는 적용이 제한적이며, TanDEM-X의 적용이 필요하다.

• 전기전자학회논문지
• /
• 제25권3호
• /
• pp.493-500
• /
• 2021

본 논문에서는 다각형 용기의 품질 향상을 위한 딥러닝 구조 개발을 제안한다. 딥러닝 구조는 convolution 층, bottleneck 층, fully connect 층, softmax 층 등으로 구성된다. Convolution 층은 입력 이미지 또는 이전 층의 특징 이미지를 여러 특징 필터와 convolution 3x3 연산하여 특징 이미지를 얻어 내는 층이다. Bottleneck 층은 convolution 층을 통해 추출된 특징 이미지상의 특징들 중에서 최적의 특징들만 선별하여 convolution 1x1 ReLU로 채널을 감소시키고convolution 3x3 ReLU를 실시한다. Bottleneck 층을 거친 후에 수행되는 global average pooling 연산과정은 convolution 층을 통해 추출된 특징 이미지의 특징들 중에서 최적의 특징들만 선별하여 특징 이미지의 크기를 감소시킨다. Fully connect 층은 6개의 fully connect layer를 거쳐 출력 데이터가 산출된다. Softmax 층은 입력층 노드의 값과 연산을 진행하려는 목표 노드 사이의 가중치와 곱을 하여 합하고 활성화 함수를 통해 0~1 사이의 값으로 변환한다. 학습이 완료된 후에 인식 과정에서는 학습 과정과 마찬가지로 카메라를 이용한 이미지 획득, 측정 위치 검출, 딥러닝을 활용한 비원형 유리병 분류 등을 수행하여 비원형 유리병을 분류한다. 제안된 다각형 용기의 품질 향상을 위한 딥러닝 구조의 성능을 평가하기 위하여 공인시험기관에서 실험한 결과, 양품/불량 판별 정확도 99%로 세계최고 수준과 동일한 수준으로 산출되었다. 검사 소요 시간은 평균 1.7초로 비원형 머신비전 시스템을 사용하는 생산 공정의 가동 시간 기준 내로 산출되었다. 따라서 본 본문에서 제안한 다각형 용기의 품질 향상을 위한 딥러닝 구조의 성능의 그 효용성이 입증되었다.

• 지능정보연구
• /
• 제26권2호
• /
• pp.1-25
• /
• 2020

본 연구에서는 모바일 기기를 이용하여 획득한 가스계량기 사진을 서버로 전송하고, 이를 분석하여 가스 사용량 및 계량기 기물 번호를 인식함으로써 가스 사용량에 대한 과금을 자동으로 처리할 수 있는 응용 시스템 구조를 제안하고자 한다. 모바일 기기는 일반인들이 사용하는 스마트 폰에 준하는 기기를 사용하였으며, 획득한 이미지는 가스 공급사의 사설 LTE 망을 통해 서버로 전송된다. 서버에서는 전송받은 이미지를 분석하여 가스계량기 기물 번호 및 가스 사용량 정보를 추출하고, 사설 LTE 망을 통해 분석 결과를 모바일 기기로 회신한다. 일반적으로 이미지 내에는 많은 종류의 문자 정보가 포함되어 있으나, 본 연구의 응용분야인 가스계량기 자동 검침과 같이 많은 종류의 문자 정보 중 특정 형태의 문자 정보만이 유용한 분야가 존재한다. 본 연구의 응용분야 적용을 위해서는 가스계량기 사진 내의 많은 문자 정보 중에서 관심 대상인 기물 번호 및 가스 사용량 정보만을 선별적으로 검출하고 인식하는 관심 문자열 인식 기술이 필요하다. 관심 문자열 인식을 위해 CNN (Convolutional Neural Network) 심층 신경망 기반의 객체 검출 기술을 적용하여 이미지 내에서 가스 사용량 및 계량기 기물번호의 영역 정보를 추출하고, 추출된 문자열 영역 각각에 CRNN (Convolutional Recurrent Neural Network) 심층 신경망 기술을 적용하여 문자열 전체를 한 번에 인식하였다. 본 연구에서 제안하는 관심문자열 기술 구조는 총 3개의 심층 신경망으로 구성되어 있다. 첫 번째는 관심 문자열 영역을 검출하는 합성곱신경망이고, 두 번째는 관심 문자열 영역 내의 문자열 인식을 위해 영역 내의 이미지를 세로 열 별로 특징 추출하는 합성곱 신경망이며, 마지막 세 번째는 세로 열 별로 추출된 특징 벡터 나열을 문자열로 변환하는 시계열 분석 신경망이다. 관심 문자열은 12자리 기물번호 및 4 ~ 5 자리 사용량이며, 인식 정확도는 각각 0.960, 0.864 이다. 전체 시스템은 Amazon Web Service 에서 제공하는 클라우드 환경에서 구현하였으며 인텔 제온 E5-2686 v4 CPU 및 Nvidia TESLA V100 GPU를 사용하였다. 1일 70만 건의 검침 요청을 고속 병렬 처리하기 위해 마스터-슬레이브 처리 구조를 채용하였다. 마스터 프로세스는 CPU 에서 구동되며, 모바일 기기로 부터의 검침 요청을 입력 큐에 저장한다. 슬레이브 프로세스는 문자열 인식을 수행하는 심층 신경망으로써, GPU에서 구동된다. 슬레이브 프로세스는 입력 큐에 저장된 이미지를 기물번호 문자열, 기물번호 위치, 사용량 문자열, 사용량 위치 등으로 변환하여 출력 큐에 저장한다. 마스터 프로세스는 출력 큐에 저장된 검침 정보를 모바일 기기로 전달한다.