• Korean Journal of Radiology
• /
• 제25권6호
• /
• pp.518-539
• /
• 2024

Coronary computed tomography angiography (CCTA) has emerged as a pivotal tool for diagnosing and risk-stratifying patients with suspected coronary artery disease (CAD). Recent advancements in image analysis and artificial intelligence (AI) techniques have enabled the comprehensive quantitative analysis of coronary atherosclerosis. Fully quantitative assessments of coronary stenosis and lumen attenuation have improved the accuracy of assessing stenosis severity and predicting hemodynamically significant lesions. In addition to stenosis evaluation, quantitative plaque analysis plays a crucial role in predicting and monitoring CAD progression. Studies have demonstrated that the quantitative assessment of plaque subtypes based on CT attenuation provides a nuanced understanding of plaque characteristics and their association with cardiovascular events. Quantitative analysis of serial CCTA scans offers a unique perspective on the impact of medical therapies on plaque modification. However, challenges such as time-intensive analyses and variability in software platforms still need to be addressed for broader clinical implementation. The paradigm of CCTA has shifted towards comprehensive quantitative plaque analysis facilitated by technological advancements. As these methods continue to evolve, their integration into routine clinical practice has the potential to enhance risk assessment and guide individualized patient management. This article reviews the evolving landscape of quantitative plaque analysis in CCTA and explores its applications and limitations.

• Tuberculosis and Respiratory Diseases
• /
• 제57권6호
• /
• pp.515-521
• /
• 2004

With the increasing resolution of modern CT scanners, analysis of the larger numbers of images acquired in a lung screening exam or diagnostic study is necessary, which also needs high accuracy and reproducibility. Recent developments in the computerized analysis of medical images are expected to aid radiologists and other healthcare professional in various diagnostic tasks of medical image interpretation. This article is to provide a brief overview of some of computer-aided diagnosis schemes in chest CT.

• 대한한의학원전학회지
• /
• 제23권1호
• /
• pp.125-128
• /
• 2010

The visceral manifestation theory in the "Hwangjenaegyeong(黃帝內經)" was constructed by the reference of the study of Confucian classics which main characteristics is the extensive application of the five phase theory. "Image" plays an important role in the thinking of the Chinese ancient people and it is the basis of the construction of the visceral manifestation theory. "Concept of holism" is the main directed thinking of the "Hwangjenaegyeong(黃帝內經)" "Four seasons, five viscera, Yin yang" theory is the core contents of the visceral manifestation theory in the "Hwangjenaegyeong(黃帝內經)".

• Journal of Korean Neurosurgical Society
• /
• 제60권4호
• /
• pp.441-447
• /
• 2017

Objective : Computed tomography (CT)-based method of three dimensional (3D) analysis ($MIMICS^{(R)}$, Materialise, Leuven, Belgium) is reported as very useful software for evaluation of OPLL, but its reliability and reproducibility are obscure. This study was conducted to evaluate the accuracy of $MIMICS^{(R)}$ system, and inter- and intra-observer reliability in the measurement of OPLL. Methods : Three neurosurgeons independently analyzed the randomly selected 10 OPLL cases with medical image processing software ($MIMICS^{(R)}$) which create 3D model with Digital Imaging and Communication in Medicine (DICOM) data from CT images after brief explanation was given to examiners before the image construction steps. To assess the reliability of inter- and intra-examiner intraclass correlation coefficient (ICC), 3 examiners measured 4 parameters (volume, length, width, and length) in 10 cases 2 times with 1-week interval. Results : The inter-examiner ICCs among 3 examiners were 0.996 (95% confidence interval [CI], 0.987-0.999) for volume measurement, 0.973 (95% CI, 0.907-0.978) for thickness, 0.969 (95% CI, 0.895-0.993) for width, and 0.995 (95% CI, 0.983-0.999) for length. The intra-examiner ICCs were 0.994 (range, 0.991-0.996) for volume, 0.996 (range, 0.944-0.998) for length, 0.930 (range, 0.873-0.947) for width, and 0.987 (range, 0.985-0.995) for length. Conclusion : The medical image processing software ($MIMICS^{(R)}$) provided detailed quantification OPLL volume with minimal error of inter- and intra-observer reliability in the measurement of OPLL.

• 대한전기학회논문지
• /
• 제37권4호
• /
• pp.240-250
• /
• 1988

This pc-vision system digitizes/displays 512*512*8 bit pixel image in real time and is capable of the various image processing. This system provides a versatile solution to those users pursuing high performance image processing system compatible with the VME bus, and is general purpose imaging system giving the optimal efficiency for machine vision, medical use and various task. In this paper, Image processing technique has classified image enhancement and image analysis in order to design and implement the pc-vision system. In order to improve processing speed, This system unilizing ROI processing performs point operation, local operation and global operation as well as common arithmetic/logic operation in real time.

• 한국산학기술학회논문지
• /
• 제14권8호
• /
• pp.3824-3831
• /
• 2013

연구의 목적은 여성 구급대원에게 있어서 대상자의 신체이미지(body image) 만족도에 영향을 미치는 일반적인 특성을 파악하고 변수들과 신체이미지와의 관련성을 규명하여 이와 관련된 행동양식의 차이를 파악하는 것에 있다. G지역 소방본부 소속 여성 구급대원(n=96)을 대상으로 설문조사를 하였다. 연구결과 여성 구급대원의 신체이미지에 가장 큰 관련성이 있는 것은 신체활동(p=.007, 95%CI: 2.937~19.180)으로 나타났고 신체활동을 많이 할수록 신체 이미지 만족도가 유의하게 높았다. 신체이미지 중 여성(M=3.34, SD=0.72)에 대해 가장 만족도가 높았으나 수면 영역(M=2.61, SD=0.85)에서 가장 낮은 만족도를 보였다. 피부문제에 따라 피부보호 습관에도 유의한 차이가 있었으며(p<.05) 여성 구급대원의 신체이미지 만족도에 영향을 미치는 것으로 나타났다.

• 정보처리학회논문지B
• /
• 제13B권6호
• /
• pp.601-606
• /
• 2006

의료기술의 비약적인 발전과 함께 의료기관에서 사용되는 영상 데이터량이 급속히 증가하고 있다. 따라서 대용량 의료 영상의 해석을 위해서는 의사들의 육안 검사보다 영상처리 기술을 이용한 자동화 방법이 필요하다. 본 논문에서는 복부 CT영상의 간 영역에 대해 GLCM(Gray Level Co-occurrence Matrix)을 이용하여 텍스처 정보를 취득하고, 이 데이터로부터 주성분 분석을 통해 간종양을 자동으로 검출하는 방법에 대해 제안한다. 기존의 간종양 검출은 명암도 한 가지 특징에 의한 방법이 대부분이었으나, 본 논문에서 CT영상에 대해 GLCM의 텍스처 정보 8가지를 이용해서 4개의 주성분 누적 영상으로 변환시켰다. 실험결과 4개의 주성분 누적 영상의 백분율 분산값은 89.9%였으며, 이를 명암도 한 가지 만을 이용한 간종양 검출방법과 면적을 비교했을 때 약 92%의 일치도를 보였다. 이는 영상데이터의 차원을 8개의 차원에서 그 절반인 4개의 차원으로 줄여도 간종양을 검출할 수 있음을 의미한다.

• 한국의학물리학회지:의학물리
• /
• 제19권4호
• /
• pp.201-208
• /
• 2008

물리적 평가(physical evaluation)가 영상품질의 객관화와 정량화를 위한 토대를 제공함에도 불구하고, 부정확하고 가변적인 특성을 지닌 주관적 평가(subjective evaluation)가 영상평가에 중요한 역할을 하게 된다. 본 연구에서는 디지털 방사선 영상의 물리적 평가와 주간적 평가의 단점을 상호 보완하고 객관적 정량화를 위한 새로운 방법을 제안하고자 한다. 임상에 사용되고 있는 4대의 디지털 방사선 영상 촬영장치로부터 동일한 임상조건에서 흉부 팬톰 영상을 획득하였다. 물리적 영상평가를 위하여 디지털 흉부 팬톰 내에서 3개의 영역(폐, 심장, 그리고 복부)에 존재하는 CNR (contrast-to-noise ratio)를 측정하였고 분할(segmentation)과 정합(registration)등 다양한 영상처리기술이 적용되었다. 주관적 평가는 5명의 관찰자에 의한 저 대조도 물체의 식별 정도를 점수화 하였다. 두 평가의 특성을 보완 및 결합하고자 퍼지적분 이론이 도입되었다. 4대의 시스템으로부터의 평가결과가 비교되었으며, 물리적 평가와 주관적 평가가 항상 비례하지 않음을 보였다. 물리적 평가에서는 높은 점수를 보였던 시스템이 주관적 평가에서는 상대적으로 낮은 평가를 보였다. 본 연구에서 제안한 퍼지적분에 의한 영상평가의 정량화는 물리적 평가와 주관적 평가를 모두 포함하는 총체적인 평가 방법이며, 다양한 영상품질 평가에 유용할 것이라 사료된다.

• 한국방사선학회논문지
• /
• 제16권4호
• /
• pp.453-462
• /
• 2022

본 논문에서는 의료 영상 분석 분야에서 이용되고 있는 AI(Artificial Intelligence)기술을 문헌 검토를 통해 분석하였다. 문헌 검색은 중심어(keyword)를 사용하여 PubMed, ResearchGate, Google 및 Cochrane Review의 문헌 검색을 수행했다. 문헌 검색을 통해 114개의 초록을 검색하였고 그 중 16개의 중복된 것을 제외하고 98개의 초록을 검토했다. 검토된 문헌에서 AI가 응용되고 있는 분야는 분류(Classification), 국소화(Localization), 질병의 탐지(Detection), 질병의 분할(Segmentation), 합성 영상의 적합도(Fit degree) 등으로 나타났다. 기계학습(ML: Machine Learning)을 위한 모델은 특징 추출을 한 후 신경망의 네트워크에 특징 값을 입력하는 방식은 지양되는 것으로 나타났다. 그 대신에 신경망의 은닉층을 여러 개로 하는 심층학습(DL: Deep Learning) 방식으로 변화되고 있는 것으로 나타났다. 그 이유는 컴퓨터의 메모리 량의 증가와 계산속도의 향상, 빅 데이터의 구축 등으로 특징 추출을 DL 과정에서 처리하는 것으로 사료된다. AI를 이용한 의료영상의 분석을 의료에 적용하기 위해서는 의사의 역할이 중요하다. 의사는 AI 알고리즘의 예측을 해석하고 분석할 수 있어야 한다. 이러한 이해를 위해서는 현재 의사를 위한 추가 의학 교육 및 전문성 개발과 의대에 재학 중인 학습자를 위한 개정된 커리큘럼이 필요해 보인다.

• 융합신호처리학회논문지
• /
• 제20권3호
• /
• pp.132-137
• /
• 2019

의료영상으로 생성된 데이터의 양은 전문적인 시각적 분석 한계를 점점 초과하여, 자동화된 의료영상 분석의 필요성이 증가되고 있는 실정이다. 이러한 이유 등으로 인하여 본 논문에서는 정상소견과 종양소견을 보이는 각각의 뇌 실질 MRI 의료영상을 이용하여 Inception V3 딥러닝 모델을 이용한 종양 유무에 따른 분류 및 정확도를 평가하였다. 연구 결과, 딥러닝 모델의 정확도 평가는 학습 데이터 세트의 경우 90%, 검증 데이터 세트의 경우 86%의 정확도를 나타내었다. 손실률 평가에서는 학습 데이터 세트의 경우 0.56, 검증 데이터 세트의 경우 1.28의 손실률을 나타내었다. 향 후 연구에서는 딥러닝 모델의 성능 향상 및 평가의 신뢰성 확보를 위하여 공개된 의료영상의 데이터를 충분히 확보하고, 라벨링 분류 작업을 통한 라벨링의 정확도를 개선하여 모델링을 구현해 볼 필요가 있다고 사료된다.