• 대한의용생체공학회:의공학회지
• /
• 제44권4호
• /
• pp.293-301
• /
• 2023

Scoliosis is a three-dimensional deformation of the spine that is a deformity induced by physical or disease-related causes as the spine is rotated abnormally. Early detection has a significant influence on the possibility of nonsurgical treatment. To train a deep learning model with preprocessed images and to evaluate the results with and without data augmentation to enable the diagnosis of scoliosis based only on a chest X-ray image. The preprocessed images in which only the spine, rib contours, and some hard tissues were left from the original chest image, were used for learning along with the original images, and three CNN(Convolutional Neural Networks) models (VGG16, ResNet152, and EfficientNet) were selected to proceed with training. The results obtained by training with the preprocessed images showed a superior accuracy to those obtained by training with the original image. When the scoliosis image was added through data augmentation, the accuracy was further improved, ultimately achieving a classification accuracy of 93.56% with the ResNet152 model using test data. Through supplementation with future research, the method proposed herein is expected to allow the early diagnosis of scoliosis as well as cost reduction by reducing the burden of additional radiographic imaging for disease detection.

• 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.

• 한국멀티미디어학회논문지
• /
• 제13권7호
• /
• pp.1062-1075
• /
• 2010

의료 영상 분야에서 영상의 분할 및 특성의 추출을 위하여 명암도 차이를 이용하는 방법이 널리 사용되고 있으며, 임계값을 결정한 뒤 이를 기준으로 영상을 이진화하는 임계값 방식이 잘 알려져 있다. 임계값 방식 중 자주 사용되는 방식이 임계값을 선택하는 데 효율적이면서, 효과적인 선정 기준을 제시하고 있는 Otsu 알고리즘이다. 하지만 흉부 X-ray 영상에 대해서는 Otsu 알고리즘의 적용으로 좋은 영상 분할 결과를 얻을 수 없다. 이는 폐 영역 주변에는 갈비뼈나 혈관과 같은 다양한 기관이 존재하여 따라서 명암도 레벨의 분포가 불명확하기 때문이다. 이러한 불명료성을 개선하기 위하여, 본 논문에서는 X-ray 영상의 배경을 배제한 후 Otsu 알고리즘을 적용하고, 명암 레벨 지도를 생성한 후, 이를 이용하여 X-ray 영상을 분할하는 효과적인 폐 영역 추출 알고리즘을 제시한다. 제안한 방법의 효과를 검증하기 위해 제안한 방법과 기존의 1차원 및 2차원 Otsu 알고리즘, 그리고 전문가의 육안 분할 결과와 비교하였다. 실험 결과, 제안한 방법이 기존 Otsu 방법에 비해 더 정확하게 폐 영역을 추출하였으며, 육안 분할 결과와 거의 비슷한 결과를 보여 주었다.

• 대한의용생체공학회:의공학회지
• /
• 제9권1호
• /
• pp.61-66
• /
• 1988

Because the amount of radiation emerging from the thorax behind the lungs is often literally thousands of times that exiting behind the mediastinum, the dynamic range of X-ray chest image is very large. In order to solve the dynamic range problem, we propose a signal adaptive algorithm which enhances the local contrast and contracts the enhancement of quantum noise by local mean/valiance estimator.

• 한국방사선학회논문지
• /
• 제14권6호
• /
• pp.773-780
• /
• 2020

4차 산업의 발전으로 의학·보건·바이오 등 여러 과학기술 분야에서는 질병을 예방하고 질병에 대한 피해를 줄이기 위한 연구가 이루어지고 있으며, 최근에는 ICT 기술의 발전과 더불어 인공지능 기술이 급부상하고 그 효용성이 입증되면서 영상의학 검사의 영상 분석에 인공지능 기술이 도입되어 연구되고 있다. 본 논문에서는 흉부 X선 영상을 이용하여 폐렴의 분류와 검출에 대한 딥러닝 모델을 직접 적용해보고 실제로 Inception 계열의 딥러닝 모델이 폐렴 검출에 있어 유용한 모델인지 평가하고자 한다. 실험재료는 캐글(Kaggle)에서 무료로 제공 및 공유하는 흉부 X선 영상 데이터 세트를 사용하였으며 전체 3,470개의 흉부 X선 영상 데이터 중 학습 데이터 세트 1,870개, 검증 데이터 세트 1,100개, 테스트 데이터 세트 500개로 분류하였다. 실험결과 Inception V3 딥러닝 모델의 Metric 평가에 대한 결과값은 정확도는 94.80%, 정밀도는 97.24%, 재현율은 94.00%, F1 스코어는 95.59의 결과값을 나타내었다. 그리고 흉부 X선 영상의 페렴 검출 및 분류에 대하여 Inception V3 딥러닝 모델링에 대한 최종 에포크의 정확도는 학습 모델링의 경우 94.91%, 검증 모델링은 89.68%의 정확도를 나타내었다. 손실함수 값의 평가는 학습 모델링은 1.127%, 검증 모델링은 4.603%의 손실함수 값을 나타내었다. 이러한 결과로 Inception V3 딥러닝 모델은 흉부영상 데이터의 특징 추출 및 분류에 있어 매우 우수한 딥러닝 모델이며 학습상태 또한 매우 우수하다고 평가하였다. 테스트 모델링에 대한 매트릭스 정확도 평가 결과 정상 흉부 X선 영상 데이터의 경우 96%, 폐렴 흉부 X선 영상데이터의 경우 97%의 정확도가 입증되었다. Inception 계열의 딥러닝 모델의 경우 흉부 질환의 분류에 있어 유용한 딥러닝 모델이 될 것이라고 판단되며 인력의 보조적인 역할 또한 수행할 수 있을 것이라고 기대되어 부족한 의료인력 문제에도 해결점이 될 것이라고 사료된다. 향후 딥러닝을 이용한 폐렴의 진단에 대한 유사 연구 시 본 연구는 유사 연구의 기초자료로 제시될 것이라고 기대된다.

• 한국정보통신학회논문지
• /
• 제25권8호
• /
• pp.1046-1052
• /
• 2021

4차 산업의 발전과 고성능의 컴퓨팅 환경 구축으로 다양한 산업분야에서 인공지능이 적용되고 있다. 의료분야에서는 X-Ray, MRI, PET 등의 의료 영상 및 임상 자료를 이용하여 암, COVID-19, 골 연령 측정 등의 딥 러닝 학습이 진행되었다. 또한 스마트 의료기기, IoT 디바이스와 딥 러닝 알고리즘을 적용하여 ICT 의료 융합 기술 등이 연구되고 있다. 이러한 기술 중 의료 영상 기반 딥 러닝 학습은 의료 영상의 바이오마커를 정확히 찾아내고, 최소한의 손실률과 높은 정확도가 필요하다. 따라서 본 논문은 흉부 X-Ray 이미지 기반 딥 러닝 학습 과정에서 손실률을 도출하는 손실 함수 중 영상분류 알고리즘에서 사용되는 Cross-Entropy 함수들의 성능을 비교·분석하고자 한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권1호
• /
• pp.51-58
• /
• 2023

본 논문에서는 X-ray 영상에서 의료 진단지표를 자동으로 추출하기 위한 조직분할 기법을 제안한다. 척추질환이나 심장질환에 대한 진단지표로서, 흉추-심장 비율이나 콥 각도 등의 지표를 산출하기 위해서는 흉부 X-ray 영상으로부터 흉추, 용골 및 심장의 영역을 정확하게 분할하는 과정이 필요하다. 본 연구에서는 이를 위하여 계층별로 영상의 고해상도의 표현과 저해상도의 특징지도로 변환되는 구조가 병렬적으로 연결되는 형태의 심층신경망 모델을 채택하였다. 이러한 구조는 영상에서 세부 조직의 상대적인 위치정보가 분할 과정에 효과적으로 반영될 수 있게 한다. 또한 픽셀 정보와 객체 정보가 다단계의 과정으로 상호 작용되는 OCR 모듈과, 네트워크의 각 채널이 서로 다른 가중치 값으로 반영되도록 하는 채널 어텐션 모듈을 결합하여 학습 성능을 개선할 수 있음을 보인다. 부수적으로 X-ray 영상에서 피사체의 위치 변화, 형태의 변형 및 크기 변이 등에도 강인한 성능을 제공하기 위하여 학습데이터를 증강하는 방법을 제시하였다. 총 145개의 인체 흉부 X-ray 영상과, 총 118개의 동물 X-ray 영상을 사용한 실험을 통하여 제안된 이론의 타당성을 평가하였다.

• 대한의용생체공학회:의공학회지
• /
• 제10권3호
• /
• pp.243-252
• /
• 1989

In this study, medical images, which are X-ray image and CT image, are compressed by the adam live coding technique. The medical images may be treated as special ones, because they are different from general images in many respects. The statistical characteristics that medical images only have in transform domain are analyzed, and then the improved quantization method is proposed for medical images. For chest X-ray image and CT head image, the better results are obtained by the improved adaptive coding technique.

• 한국방사선학회논문지
• /
• 제17권6호
• /
• pp.865-872
• /
• 2023

본 연구에서는 디지털 일반촬영 시스템에서 흉부 전·후방향 검사 시 검사복이 영상에 영향을 미치는지를 확인하고 검사복으로 사용하기에 적절한 원단을 분석하고자 하였다. 서울 소재 3차 의료기관 다섯 곳에서 사용 중인 검사복을 수집하였고 모달, 텐셀, 면, 레이온 원단을 이용하였다. 원단의 선택은 촉감, 흡수성, 신축성, 구김성이 우수한 원단으로 보고된 연구를 참고하였다. 의료기관 다섯 곳 검사복과 네 개의 원단을 1겹에서 8겹까지 겹치도록 배열한 팬텀을 제작한 후 디지털 일반촬영 시스템에서 흉부 전·후방향 조건으로 검사하였다. 검사한 영상은 1차 프로파일 분석, 2차 신호강도 평균값 분석, 3차 현미경 분석하였다. 결과적으로 총 아홉 가지 재료 모두 원단의 겹침이 증가할수록 영상에 미치는 영향이 증가하는 것을 확인하였고 1차, 2차, 3차 분석 모두에서 영상에 미치는 정도가 가장 적은 것은 모달 원단이었다. 결론적으로 디지털 장치의 해상력이 증가할수록 검사복이 영상에 미치는 영향이 증가할 것이며 이에 따라 적정 검사복 재질을 찾는 연구에 지속적인 관심이 필요하다.

• 대한의용생체공학회:의공학회지
• /
• 제39권1호
• /
• pp.48-54
• /
• 2018

In this study, We developed a Ancillary device for child radiography for X-ray of children under 5 years old and verified its effectiveness. Chest X-rays of children younger than 5 years of age were performed by Supine method at the position of Table detector, Short - Source to Image Receptor Distance(SID). Existing Supine and Short -SID imaging methods cause many problems, such as errors in image reading and excessive radiation exposure dose to patients, but the use of an Ancillary device for child radiography(ADCR) solves these problems. A total of 160 children were divided into the Upright group using ADCR and Supine group without ADCR. The chest X-ray image was visually evaluated by two radiologists with reference to the European Commission's List of Quality Criteria for Diagnostic Radiographic Images in Pediatrics. The total score of the qualitative evaluation was 5.15% higher in the chest upright method using ADCR than in the chest supine method without ADCR, and the chest upright method score was higher than that of the chest supine method in items 1 to 7. whether infants have deep inspiration or not, 4.87% higher for item 1, whether infants rotate or not and the degree of tilting, 0% higher for the item 2, the reproduction of image from just above apices of lungs to T12/L1, 0% for the item 3, reproduction of the vascular pattern in central 2/3 of the lungs, 6.92% higher for the item 4, reproduction of the trachea and the proximal bronchi, 12.9% higher for the item 5, visually sharp reproduction of the diaphragm and costo-phrenic angles, 10% higher for the item 6, reproduction of the spine and paraspinal structures and visualisation of the retrocardiac lung and the mediastinum, and 3.65% higher for the item 7. Items 2 and 3 showed no statistically significant differences(P > 0.05), and items 1, 4, 5, 6, and 7 showed statistically significant differences(P < 0.05). In conclusion, Upright method using ADCR in pediatric chest X-ray is considered as a good alternative to existing Supine method.