PA(postero-anterior) and AP(antero-posterior) chest projections are the most sought-after types of all kinds of projections. But if a radiological technologist puts wrong information about the position in the computer, the orientation of left and right side of an image would be reversed. In order to solve this problem, we utilized CNN(convolutional neural network) which has recently utilized a lot for studies of medical imaging technology and rule-based system. 70% of 111,622 chest images were used for training, 20% of them were used for testing and 10% of them were used for validation set in the CNN experiment. The same amount of images which were used for testing in the CNN experiment were used in rule-based system. Python 3.7 version and Tensorflow r1.14 were utilized for data environment. As a result, rule-based system had 66% accuracy on evaluating whether the orientation reversal on chest x-ray image. But the CNN had 97.9% accuracy on that. Being overcome limitations by CNN which had been shown on rule-based system and shown the high accuracy can be considered as a meaningful result. If some problems which can occur for tasks of the radiological technologist can be separated by utilizing CNN, It can contribute a lot to optimize workflow.
본 연구는 디지털 화상처리기술의 대표적인 응용분야로서 주목받고 있는 X선 사진을 대상으로 한 계산기 지원진단에 관한 연구의 일종으로서, 폐의 중요한 질환중 하나인 폐기종의 진단을 지원하는 계산기 시스템에 관한 연구이다. 구체적인 내용으로서는 흉부X선 사진으로부터 말초혈관을 자동추출하고, 추출된 혈관을 토대로 여러가지의 특징량을 구하여, 최종적으로 폐기종의 병세진행도를 정량평가하는 시스템에 관한 연구이다. 혈관 도형을 추출하여 병의 진행 정도를 정량적으로 평가하기 위해 본 연구에서 제안한 평가방법을 10장의 X선 사진에 설정된 189개의 관심영역에 적용하여, 의사의 평가치와 본 연구의 제안방법에 의한 평가치를 비교·검토함으로써 그 유효성을 검증하였다.
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 논문은 흉부 CT 영상에서 폐 흉벽에 결절 및 폐혈관이 붙어 있는 경우에도 폐 정보의 손실 없이 폐와 기관지를 분리할 수 있는 알고리즘을 제안 하였다. 마스크 영상의 활용은 폐 및 기관지 분할에서 시간 단축 및 성능을 향상 시킬 수 있었다. 또한 폐 흉벽과 밝기값이 같은 결절을 찾아 제거 하는 방법은 좌 우측폐의 외곽 영상을 2진 영상으로 변환하고, 형태학적 정보를 활용함으로써 가능 하였다. 마지막으로 제거된 부분의 외곽선 연결은 거리가 고려된 최적 화소 추가와 3차 Spline 보간법을 적용하였다. Matlab 시뮬레이션 결과 제안된 알고리즘은 기존 문제점이 보완됨을 확인 할 수 있었다.
영상유도방사선치료(image guided radiation therapy: IGRT) 시 환자를 1차적으로 skin marker를 이용하여 위치시키고 2차적으로 OBI(on board imager)를 이용하여 해부학적 위치를 확인 후 couch를 움직여 set up을 보정하게 되는데, 이때 발생하는 오차에 대한 평가를 하려고 한다. 치료계획시 $0^{\circ}$와 $270^{\circ}$방향의 DRR(digital reconstructed radiography) 영상과 OBI로 촬영한 영상을 2차원-2차원 정합(2D-2D matching)으로 비교하여 치료계획시 환자의 셋업과 치료시 환자의 셋업의 오차를 비교하였다. Head&Neck 및 Spinal cord와 같은 주요장기 부위의 치료에서는 치료때 마다 OBI에 의하여 셋업시 확인하였으며, Chest 및 Abdomen&Pelvic 는 일주일에 2~3회 확인하였다. 그려나 보정 값은 모두 OIS(oncology information system)에 기록하여 160명의 환자를 대상으로 각각 Head&Neck, Chest 및 Abdomen&Pelvic으로 나누어 피부 지표를 이용한 셋업의 정확성을 평가하였다. Head&Neck 환자의 평균 셋업 오차는 각각 AP, SI, RL 방향에서 $0.2{\pm}0.2cm$, $-0.1{\pm}0.1cm$, $-0.2{\pm}0.0cm$ 로 나타났으며, Chest의 경우 $-0.5{\pm}0.1cm$, $0.3{\pm}0.3cm$, $0.4{\pm}0.2cm$ 로 나타났고 Abdomen의 경우 $0.4{\pm}0.4cm$, $-0.5{\pm}0.1cm$, $-0.4{\pm}0.1cm$로 나타났다. Pelvic 의 경우 $0.5{\pm}0.3cm$, $0.8{\pm}0.4cm$, $-0.3{\pm}0.2cm$ 나타났다. Head&Neck 같은 강체 (rigid body)는 셋업 오차가 Chest 및 Abdomen 부위에 비하여 상대적으로 작게 나타났다. Chest에서는 횡축 방향의 오차가 컸으며, Abdomen&Pelvic 에서는 AP 방향의 오차가 크게 나타났다. Chest에서 횡축오차가 크게 나타난 이유는 환자 셋업시 환자 몸의 휘어짐에 기인한 것이며, Abdomen에서의 AP방향의 오차가 큰 이유는 환자의 호흡으로 인해 앞뒤 위치의 변화 때문으로 사료된다. 환자 셋업 시스템에서는 systematic error는 나타나지 않았다. OBI는 해부학적 위치를 확인하기 때문에 병소가 피부에 위치해 있을 경우 피부마커로 셋업을 하는 것이 정확할 것으로 생각된다. 2차원-2차원 정합은 3차원-3차원 정합과 비교하여 rolling 오차를 찾아내지 못하나 환자의 피폭이 적다는 장점이 있으며 셋업 확인 시간이 짧기 때문에 실제 임상에서는 2차원-2차원 정합이 유용하였다.
KSII Transactions on Internet and Information Systems (TIIS)
/
제16권7호
/
pp.2131-2153
/
2022
To achieve accurate detection of tuberculosis (TB) areas in chest radiographs, we design a chest X-ray TB area detection algorithm. The algorithm consists of two stages: the chest X-ray TB classification network (CXTCNet) and the chest X-ray TB area detection network (CXTDNet). CXTCNet is used to judge the presence or absence of TB areas in chest X-ray images, thereby excluding the influence of other lung diseases on the detection of TB areas. It can reduce false positives in the detection network and improve the accuracy of detection results. In CXTCNet, we propose a channel attention mechanism (CAM) module and combine it with DenseNet. This module enables the network to learn more spatial and channel features information about chest X-ray images, thereby improving network performance. CXTDNet is a design based on a sparse object detection algorithm (Sparse R-CNN). A group of fixed learnable proposal boxes and learnable proposal features are using for classification and location. The predictions of the algorithm are output directly without non-maximal suppression post-processing. Furthermore, we use CLAHE to reduce image noise and improve image quality for data preprocessing. Experiments on dataset TBX11K show that the accuracy of the proposed CXTCNet is up to 99.10%, which is better than most current TB classification algorithms. Finally, our proposed chest X-ray TB detection algorithm could achieve AP of 45.35% and AP50 of 74.20%. We also establish a chest X-ray TB dataset with 304 sheets. And experiments on this dataset showed that the accuracy of the diagnosis was comparable to that of radiologists. We hope that our proposed algorithm and established dataset will advance the field of TB detection.
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.
목적 급성호흡기질환인 코로나바이러스감염증-19 (coronavirus disease 2019; 이하 COVID-19) 환자를 대상으로 한 음압격리들것(negative presurre isolation stretcher; 이하 NPIS)을 이용한 흉부 전산화단층촬영(이하 CT) 방식에 대해 전문의들의 경험과 의견을 확인하고자 하였다. 대상과 방법 격리입원 중인 COVID-19 환자에게 NPIS를 이용한 흉부 CT 검사를 시행했던 9개 의료기관 소속 27명의 전문의들을 대상으로 1) 조영증강 흉부 CT가 필요한 경우, 2) NPIS를 이용한 흉부 CT의 영상품질, 그리고 3) CT 조영제주사를 위한 NPIS 개방과 CT 검사실의 오염을 주제로 설문조사를 진행하였다 결과 조사대상인 9개의 의료기관들은 기관당 한 해 평균 116건의 COVID-19관련 흉부 CT 검사를 NPIS와 함께 진행했으며. 전체 검사 건수 중 평균 24건(21%)이 조영증강 흉부 CT였다. 설문에 참여한 호흡기내과 전문의 9명 중 5명(56%)은 환자의 혈중 D-dimer 이상이 확인되면 조영증강 CT가 필요하다고 의견을 밝혔다. 한편 영상의학과 전문의 9명 모두는 NPIS로 인한 흉부 CT 영상의 품질은 폐렴 또는 폐혈전 진단이 가능한 수준이라 답하였다. 또한 감염내과 전문의 9명 중 5명(56%)은 NPIS의 개방으로 인한 CT 검사실의 이차감염은 소독을 통해 예방할 수 있는 수준으로 생각하고 있었다. 결론 격리입원 중인 COVID-19 환자에서 NPIS와 함께 흉부 CT를 진행하더라도 CT의 품질은 진단이 가능한 수준이며 NPIS가 CT 검사실 내에서 잠시 개방되더라도 CT 검사실의 감염확산 위험은 높지 않은 것으로 전문의들은 인식하고 있었다.
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.
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.
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.