There are several reasons to take X-ray in case of inpatients. Some of them who cannot ambulate or have any risk if move are taken portable X-ray at their wards. Usually, in this case, many other people-patients unneeded X-ray test, family, hospital workers etc-are indirectly exposed to X-ray by scatter ray. For that reason I try to be aware of free space scatter dose accurately and make the point at issue of portable X-ray better in this study. kVp dose meter is used for efficiency management of portable X-ray equipment. Mobile X-ray equipment, ionization chamber, electrometer, solid water phantom are used for measuring of free space scatter dose. First of all the same surroundings condition is made as taken real portable X-ray, inquired amount of X-ray both chest AP and abdomen AP most frequently examined and measured scatter ray distribution of two tests individually changing distance. In the result of measuring horizontal distribution with condition of chest AP it is found that the mAs is decreased as law of distance reverse square but no showed mAs change according to direction. Vertical distribution showed the mAs slightly higher than horizontal distribution but it isnt found out statistical characteristic. In abdomen AP, compare with chest AP, free space scatter dose is as higher as five-hundred times and horizontal, vertical distribution are quite similar to chest AP in result. In portable X-ray test, in order to reduce the secondary exposure by free space scatter dose first, cut down unnecessary portable order the second, set up the specific area at individual ward for the test the third, when moving to a ward for the X-ray test prepare a portable shielding screen. The last, expose about 2m apart from patients if unable to do above three ways.
Journal of information and communication convergence engineering
/
제20권3호
/
pp.219-225
/
2022
In this study, we propose training a support vector machine (SVM) model on top of deep networks for detecting Covid-19 from chest X-ray images. We started by gathering a real chest X-ray image dataset, including positive Covid-19, normal cases, and other lung diseases not caused by Covid-19. Instead of training deep networks from scratch, we fine-tuned recent pre-trained deep network models, such as DenseNet121, MobileNet v2, Inception v3, Xception, ResNet50, VGG16, and VGG19, to classify chest X-ray images into one of three classes (Covid-19, normal, and other lung). We propose training an SVM model on top of deep networks to perform a nonlinear combination of deep network outputs, improving classification over any single deep network. The empirical test results on the real chest X-ray image dataset show that deep network models, with an exception of ResNet50 with 82.44%, provide an accuracy of at least 92% on the test set. The proposed SVM on top of the deep network achieved the highest accuracy of 96.16%.
다양한 질환이 발생 될 수 있는 임신중에 산모의 건강상태를 검사하기 위해서는 임산부의 X-ray 흉부촬영이 필수적으로 이루어지게 된다. 따라서 임산부의 X-ray 흉부촬영에 관한 의료용 방사선의 사용은 기본적인 검사로 사용되어지고 있다. 따라서 임신초기인 착상기 부터 태아의 각종 장기 형성 및 기관 형성기까지 대부분의 임신기간은 방사선의 직접적인 차폐가 요구되어진다. 하지만 현재 사용되고 있는 납치마는 임산부가 직접 손으로 잡고 있고 는 불편함으로 인한 산모의 정확한 X-ray 흉부촬영 자세가 이루어지지 않고 있는 실정이다 또한 이러한 결과로 인해 산모의 X-ray 흉부촬영 영상이 폐첨부와 견갑골이 자주 겹쳐 흉부영상이 질적으로 저하되는 현상을 가져다 주고 있다. 이러한 문제점을 극복하기 위해 산모용 납치마를 제작하였다. 결과적으로 새로 디자인한 산모용 납치마는 산모의 X-ray흉부 촬영시 편한 자세를 유지 할 수 있게 해주었다. 아울러 산모가 정확한 자세를 취 할 수 있게 되었다. 더 나아가서 산모의 X-ray흉부 촬영시 견갑골과 폐첨부가 겹치는 현상을 최소화 해주어서 산모의 흉부촬영 영상에 최적화된 이미지를 제공 할 수 있게 해 주었다.
본 연구에서는 신경회로망을 이용하여 X-선 흉부 영상의 병변 검출 시스템을 제안하였다. 집단 신체검사에서 방사선 전문의는 많은 양의 X-선 흥부 영상을 관찰하여 병변 유ㆍ무를 검사한다. 여기서 X-선 흥부 영상에서 병변을 검출하는 일은 매우 많은 시간을 요구하며, 사람이 하기에는 단순하고 지루한 작업이다. 특히, 필름의 크기가 작기 때문에 병변의 진단에 어려움이 있다. 따라서 본 연구에서는 디지털 영상처리와 신경회로망을 이용하여 X-선 흥부 영상으로부터 병변을 자동으로 검출하는 방법을 제시하였다. 본 연구에서 제시한 방법은 영상 픽셀 샘플링(image sampling), 메디언 필터(median filter), 신경회로망을 이용한 영상 등화(image equalization)와 병변 검출 과정을 포함하고 있다.
배경: 기흉 환자를 수술하기 전에 폐기포의 위치, 숫자, 크기와 모양을 파악하기 위하여 단순 흉부 X선 사진이나 흉부 컴퓨터 단층 촬영등을 이용한다. 단순 흉부 X선 사진은 간편하고 저렴하나 정확도가 낮고, 흉부 컴퓨터 단층 촬영은 정확하나 비용이 많이든다. 그러나 흉강조영술을 이용하면, 폐기포의 상태를 비교적 저렴하고 정확히 파악할수 있으리라 예상되어, 이를 확인하기 위하여 본 임상 실험을 계획하였다. 대상 및 방법: 대상은 개흉이나 흉강내시경을 이용하여 폐기포 절제를 시행한, 원발성 자연 기흉 환자 22명이었다. 수술전에 단순 흉부 X선 사진과 흉강조영술을 시행하여, 이를 수술시의 폐기포의 소견과 비교하였다. 결과: 흉강조영술의 Sensitivity는 75%로 단순 흉부 X선 사진의 30%에 비하여 높았고, 정확도(Accuracy)도 72.7%로 단순 흉부 X선 사진의 36.4%에 비하여 높았다. 그러나 Specificity는 흉강조영술이 50%로 단순 흉부 X선 사진의 100%에 비하여 낮았다. 검사로인한 합병증은 없었다. 결론: 결론적으로 기흉의 수술전 검사로서 흉강조영술은 단순 흉부 X선 사진에 비하여 높은 진단적 가치를 지녔으며, 안전하게 이용될 수 있으리라 생각된다.
Recently, X-ray chest radiograph is showing a tendency to take an image of digital radiograph so as to diagnose the pathological pattern of chest in a usual. When the radiologist observes the chest image derived from digital radiograph system on the monitor. he feels difficult to find out because of the sensitivity of chest radiograph. It takes amount of time to adjust the proper image for diagnosis. Therefore, we provided the result and the method of the optimal image equalization for image enhancement.
본 연구의 목적은 일반촬영용 호흡 동기화 장치를 개발하여 호흡 협조가 어려운 환자의 가슴 검사를 할 때 들숨의 재현성을 높이는 것이다. 공기압 센서를 이용하여 호흡 동기화 장치를 자체 제작(X-RSD)하였고, 심폐소생술용 마네킹에 벤틸레이터를 연결하여 공기를 주입하였다. 이때 주입한 공기의 양은 SkillReporting 장치를 이용하여 정량화하였다. 마네킹의 가슴에 X-RSD를 위치한 후 공기의 양을 200-700 cc까지 100 cc 씩 총 6 단계를 나눠서 검사하였다. 오차 평가는 총 80회씩 반복 측정하여 X-RSD의 민감도를 측정하였고 민감도는 100%로 매우 정교한 결과 값을 얻을 수 있었다. 이후 가슴 측면검사를 X-RSD를 보면서 검사한 영상과, 암맹 검사한 영상을 비교평가 하였고, X-RSD의 폐 용적이 암맹 검사보다 용적도 크게 측정되고, 편차도 적게 측정되었다. 종합적으로 X-RSD를 이용하면 협조가 어려운 환자의 가슴검사에 도움을 줄 수 있으며, 일반촬영의 재촬영률을 줄여 전체적인 피폭선량 감소에 기여가 가능할 것이라 사료된다.
현대 병원들은 보다 나은 의료서비스를 위해 디지털 시스템을 갖추고자 노력하고 있다. 하지만, 아직도 많은 부분은 아날로그 시스템과 Film 출력에 의존하고 있다. 본 연구는 차량 이동형 흉부 전용 간접 촬영기에 디지털 영상 변환 장치와 이에 연동되는 X-ray 발생장치의 제어 시스템, 출력 시스템을 디지털시스템으로 변환, 연동시켰으며, 획득한 영상을 간접 촬영 전용프로그램에서 편리하게 판독 할 수 있도록 설계하여 임상에 적용시켰다. 이러한 과정에서 발생되는 문제점을 현실적으로 해결하였으며, 방사선사 입장에서 업무의 효율성을 높이고자 몇 가지 프로그램을 개발 적용하였다. 향후 미래지향적인 디지털의료 영상 시스템을 갖추기 위해 각종 프로그램과 시스템과도 연동이 되도록 설계하여 임상에 적용하여 우수성을 입증하였다.
본 연구에서는 CNN과 빅데이터 기술을 이용한 Deep Learning을 통해 흉부 X-ray 영상 분류 및 정확성 연구에 대하여 알아보고자 한다. 총 5,873장의 흉부 X-ray 영상에서 Normal 1,583장, Pneumonia 4,289장을 사용하였다. 데이터 분류는 train(88.8%), validation(0.2%), test(11%)로 분류하였다. Convolution Layer, Max pooling layer pool size 2×2, Flatten layer, Image Data Generator로 구성하였다. Convolution layer가 3일 때와 4일 때 각각 filter 수, filter size, drop out, epoch, batch size, 손실함수 값을 설정하였다. test 데이터로 Convolution layer가 4일 때, filter 수 64-128-128-128, filter size 3×3, drop out 0.25, epoch 5, batch size 15, 손실함수 RMSprop으로 설정 시 정확도가 94.67%였다. 본 연구를 통해 높은 정확성으로 분류가 가능하였으며, 흉부 X-ray 영상뿐만 아니라 다른 의료영상에서도 많은 도움이 될 것으로 사료된다.
Timely and accurate diagnosis of lung diseases using Chest X-ray images has been gained much attention from the computer vision and medical imaging communities. Although previous studies have presented the capability of deep convolutional neural networks by achieving competitive binary classification results, their models were seemingly unreliable to effectively distinguish multiple disease groups using a large number of x-ray images. In this paper, we aim to build an advanced approach, so-called Ensemble Knowledge Distillation (EKD), to significantly boost the classification accuracies, compared to traditional KD methods by distilling knowledge from a cumbersome teacher model into an ensemble of lightweight student models with parallel branches trained with ground truth labels. Therefore, learning features at different branches of the student models could enable the network to learn diverse patterns and improve the qualify of final predictions through an ensemble learning solution. Although we observed that experiments on the well-established ChestX-ray14 dataset showed the classification improvements of traditional KD compared to the base transfer learning approach, the EKD performance would be expected to potentially enhance classification accuracy and model generalization, especially in situations of the imbalanced dataset and the interdependency of 14 weakly annotated thorax diseases.
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.