캡슐내시경검사는 일반 내시경 검사에 비해 고통이 없고 합병증이 적다고 보고되어 있어 향후 지속적인 발전 가능성이 매우 큰 분야로 잘 알려져 있다. 그러나, 캡슐내시경을 이용한 진단은 캡슐이 동일한 위치에 상주할 경우 반복적으로 촬영된 유사한 영상을 오래도록 관찰 하여야 하므로, 진단자로 하여금 막대한 시간적 비용을 발생하게 한다. 따라서 보다 현실적이고 실용적인 캡슐내시경 검사를 위한 효율적인 탐색 및 진단 방법으로써 캡슐내시경영상에 대한 지능형 탐색방법이 요구된다. 본 논문에서 제안하는 지능형 판독보조 시스템은 영상차감을 통해 중복영상을 최소화한 후 프레임단위로 영상이 내포한 정보를 일차원도표(map)의 형태로 제공하고, 이러한 결과도표의 분석도구 및 방법을 제안함으로써 진단시간을 큰 폭으로 단축할 수 있는 방법을 제안하였다. 즉, 비교연산 한 정규화된 교차상관(Normalized Cross-Correlation) 방법을 통해 전처리 된 인접영상에 대한 유사도를 추출하고, 설정된 임계값이상의 영상들만을 탐색 범위로 지정하여 중복 촬영된 영상의 탐색을 최소화 한다. 이외에도 영상간 유사도, 엔트로피와 명암도를 통해 얻어진 이동도표, 특성도표와 명암도표를 분석하여 효율적으로 사용자가 탐색을 원하는 부위에 대한 탐색밀도를 높이는 등의 다양한 진단 매뉴얼을 제시한다.
캡슐내시경검사는 일반 내시경 검사에 비해 고통이 없고 합병증이 적다고 보고되어 있어 향후 지속적인 발전 가능성이 매우 큰 분야로 잘 알려져 있다. 그러나, 캡슐내시경을 이용한 진단은 캡슐이 동일한 위치에 상주할 경우 반복적으로 촬영된 유사한 영상을 오래도록 관찰 하여야 하므로, 진단자로 하여금 막대한 시간적 비용을 발생하게 한다. 따라서 보다 현실적이고 실용적인 캡슐내시경 검사를 위한 효율적인 탐색 및 진단 방법으로써 캡슐내시경영상에 대한 지능형 탐색방법이 요구된다. 본 논문에서 제안하는 지능형 판독보조 시스템은 영상차감을 통해 중복영상을 최소화한 후 프레임단위로 영상이 내포한 정보를 일차원도표(map)의 형태로 제공하고, 이러한 결과도표의 분석도구 및 방법을 제안함으로써 진단시간을 큰 폭으로 단축할 수 있는 방법을 제안하였다. 즉, 비교연산 한 정규화된 교차상관(Normalized Cross-Correlation) 방법을 통해 전처리 된 인접영상에 대한 유사도를 추출하고, 설정된 임계값이상의 영상들만을 탐색 범위로 지정하여 중복 촬영된 영상의 탐색을 최소화 한다. 이외에도 영상간 유사도, 엔트로피와 명암도를 통해 얻어진 이동도표, 특성도표와 명암도표를 분석하여 효율적으로 사용자가 탐색을 원하는 부위에 대한 탐색밀도를 높이는 등의 다양한 진단 매뉴얼을 제시한다.
Capsule endoscopy is one of the most remarkable inventions in last ten years. Causing less pain for patients, diagnosis for entire digestive system has been considered as a most convenience method over a normal endoscope. However, it is known that the diagnosis process typically requires very long i...
Capsule endoscopy is one of the most remarkable inventions in last ten years. Causing less pain for patients, diagnosis for entire digestive system has been considered as a most convenience method over a normal endoscope. However, it is known that the diagnosis process typically requires very long inspection time for clinical experts because of considerably many duplicate images of same areas in human digestive system due to uncontrollable movement of a capsule endoscope. In this paper, we propose a method for clinical diagnosticians to get highly valuable information from capsule-endoscopy video. Our software system consists of three global maps, such as movement map, characteristic map, and brightness map, in temporal domain for entire sequence of the input video. The movement map can be used for effectively removing duplicated adjacent images. The characteristic and brightness maps provide frame content analyses that can be quickly used for segmenting regions or locating some features(such as blood) in the stream. Our experiments show the results of four patients having different health conditions. The result maps clearly capture the movements and characteristics from the image frames. Our method may help the diagnosticians quickly search the locations of lesion, bleeding, or some other interesting areas.
Capsule endoscopy is one of the most remarkable inventions in last ten years. Causing less pain for patients, diagnosis for entire digestive system has been considered as a most convenience method over a normal endoscope. However, it is known that the diagnosis process typically requires very long inspection time for clinical experts because of considerably many duplicate images of same areas in human digestive system due to uncontrollable movement of a capsule endoscope. In this paper, we propose a method for clinical diagnosticians to get highly valuable information from capsule-endoscopy video. Our software system consists of three global maps, such as movement map, characteristic map, and brightness map, in temporal domain for entire sequence of the input video. The movement map can be used for effectively removing duplicated adjacent images. The characteristic and brightness maps provide frame content analyses that can be quickly used for segmenting regions or locating some features(such as blood) in the stream. Our experiments show the results of four patients having different health conditions. The result maps clearly capture the movements and characteristics from the image frames. Our method may help the diagnosticians quickly search the locations of lesion, bleeding, or some other interesting areas.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 판독시간 단축에 대한 접근방법으로 영상의 프레임 별 분석을 이용한 방법을 제시한다. 캡슐내시경의 이동방식은 전적으로 소화기관의 연동운동에 바탕을 두고 있기 때문에 소화작용이 발생하지 않는 시간에 동일한 기관에서 동일한 위치를 촬영한 중복된 영상들이 비디오의 상당부분을 차지한다.
본 논문은 캡슐내시경이 촬영한 영상을 세 가지 분석요소(유사도, 엔트로피, 명암도)에 의한 분석을 수행하였으며, 이를 바탕으로 장시간의 판독을 요하는 캡슐내시경 비디오의 중복된 영상을 제거하여 재구성한 데이터를 제시하였다. 또한 중복 영상의 제거기능 이외에도 도표를 통한 효율적 인덱싱을 위한 영상정보분석 도구를 제공한다.
본 논문은 판독시간 단축을 위해 캡슐내시경 비디오의 각 프레임 별 정규화된 교차상관(Normalized Cross-Correlation) 분석을 바탕으로 엔트로피 및 명암도 분석을 통해 중복된 영상을 제거하고 전체 데이터 스트림을 개념화(abstraction)하는 새로운 프레임워크를 제시한다. 정규화된 교차상관은 이웃한 프레임간의 유사도를 나타내므로 특정 임계값 설정을 통하여 중복된 프레임을 제거하여 이웃한 영상간에 변화가 미비한 구간을 효과적으로 제거할 수 있다.
높은 엔트로피는 픽셀과 픽셀 사이에 중복성이 낮은, 즉 낮은 엔트로피에 비해 영상에 많은 정보가 들어있음을 의미한다. 본 실험에서는 엔트로피를 이용해 영상복잡도를 판단 가능하게 하였다. 유사도가 이웃한 영상간의 변화의 척도가 된다면 엔트로피는 한 영상이 내포한 정보의 양을 의미한다.
이러한 비효율성을 해결하기 위해 본 논문에서는 동일한 위치에 대하여 촬영된 중복영상을 제거하는 방법 및 각 프레임의 영상정보를 한눈에 볼 수 있는 방법을 제안한다.
제 3회 대한소화관영상연구회 심포지엄에서 쟁점으로 언급된 것과 같이 캡슐내시경검사 분야에서는 진단을 효율적으로 하고 병변을 효과적으로 찾아내기 위한 소프트웨어의 개발이 큰 관심사이다(양창헌, 2006). 판독자에게 캡슐내시경비디오에서 중복된 영상을 제거하고 각 구간의 정보(이웃한 프레임간의 유사도, 복잡성, 밝기)를 제공하는 본 연구는 캡슐내시경 판독 프로그램의 진화과정의 초기 단계라고 생각된다.
제안 방법
따라서 이 실험에서 속도가 비교적 빠르며 결과에 큰 영향을 미치지 않는 임계점(40×40)으로 공간다운 샘플링을 행하였다.
본 논문은 캡슐내시경이 촬영한 영상을 세 가지 분석요소(유사도, 엔트로피, 명암도)에 의한 분석을 수행하였으며, 이를 바탕으로 장시간의 판독을 요하는 캡슐내시경 비디오의 중복된 영상을 제거하여 재구성한 데이터를 제시하였다. 또한 중복 영상의 제거기능 이외에도 도표를 통한 효율적 인덱싱을 위한 영상정보분석 도구를 제공한다. 내시경이 전달한 모든 영상을 진단하게 될 때 본 논문에서 제시한 시스템을 이용하여 전문가에게 다양한 정보를 도표의 형태로 편리하게 제공하므로 특정 패턴을 도출하는 부분을 빠르게 찾아내어 관찰시간을 대폭 줄일 수 있다.
실험은 세 사람에(이하 갑, 을, 병) 대한 캡슐내시경 검사영상을 대상으로 수행하였다. 모든 사람에 대해 캡슐내시경(MiRo Cam, Intromedic Co. Korea)을 복용 후부터 배출까지를 촬영한 약 12만 프레임의 비디오 영상을 본 논문에 제시된 알고리즘으로 구현한 어플리케이션으로 각각 테스트하였다. 원본 영상을 RGB 각각의 색의 합의 평균을 구함으로써 그레이 스케일(gray scale)로 변환, 3×3 커널을 이용한 노이즈 필터링을 시행한 후 테스트하였으며, 속도향상을 위해 40×40 크기로 공간다운샘플링을 시행하였다.
갑의 중복된 영상을 판별하기 위해 세 가지 분석요소(유사도, 엔트로피, 명암도)의 자료산출 시간은 전처리 시간을 포함한 모든 프레임 대해 각각 21시간 2분 52초, 8시간 8분 53초, 8시간 2분 42초가 소요되었다. 모든 이동도표에만 촬영 시 점멸등의 명암 차로 발생하는 유사도의 오차를 최소화하기 위해 유사도를 구하기 전 영상의 히스토그램 균등화를 적용하였고, 특성도표와 명암도표는 각각 적용 전후의 엔트로피가 큰 차이가 없고, 명암도의 경우는 평균값 계산으로 인하여 정보의 손실이 발생하므로 히스토그램 균등화를 적용하지 않았다.
이 경계는 명암차와 카메라 노이즈 외에도 세 가지의 분석요소(유사도, 엔트로피, 명암도)를 계산하는데 있어 연산시간을 지연시키고 정확성에 떨어뜨리는 요인이 된다. 보다 효율적인 연산을 위하여, 이를 경계와 동일한 크기의 필터를 생성하여 이 영상의 경계 위치의 픽셀 값은 처리하지 않게 하여 연산시간의 단축 및 정확도를 향상시켰다.
본 논문에서 제안하는 캡슐내시경 영상판독시스템은 영상에 대한 고속처리와 정확도 향상을 위한 전처리 과정 및 비디오스트림의 특성분석을 통한 메타데이터 추출 및 시각화를 도표(map)의 형태로써 제공하며, 이를 활용한 효율적이고 다양한 진단 옵션 환경을 제공하고 있다. <그림 1>과 같이 전처리 과정에서는 속도향상을 위한 공간다운 샘플링과 정확한 중복영상 판별을 위한 노이즈 제거 및 히스토그램 균등화를 사용하고.
유사도에 대한 도표는 영상의 변화 정도를, 엔트로피에 대한 도표는 복잡도가 높은 영상의 특징적인 부분을, 명암도에 대한 도표는 영상의 밝기를 나타낸다. 본 논문에서는 위에서 열거한 순서에 따라 각 결과에 대한 분석 정보를 이동도표, 특성도표, 명암도표로 각각 정의한다. 또한Sncc , H와 B값에 출현 빈도에 따른 그래프를 분석하여, 사용자 자신이 진단하고자 하는 부위에 따라 더 많은 영상 정보 혹은 변화가 심한 수 장의 영상만을 시스템에 요구하여 새로운 스트림을 재구성할 수 있다.
영상에 나타나는 노이즈로 인한 유사도의 변동을 최소화하기 위해 각 영상에 대한 노이즈 제거를 수행하였다. 사용자에 의해 입력된 N의 값에 따라 N×N 크기를 갖는 정방 커널을 생성하여 평균 필터를 적용하였다(Gonzalez et al.
영상에 대한 전 처리가 완료된 후, 첫 번째 과정으로, 인접된 영상의 중복 정도를 판단하기 위하여 인접영상에 대한(pair-wise) 비교연산을 정규화된 교차상관(Normalized Cross-Correlation)을 기반으로 유사도를 추출한다(Bracewell, 1965; Cross-correlation).
원본 영상을 RGB 각각의 색의 합의 평균을 구함으로써 그레이 스케일(gray scale)로 변환, 3×3 커널을 이용한 노이즈 필터링을 시행한 후 테스트하였으며, 속도향상을 위해 40×40 크기로 공간다운샘플링을 시행하였다.
본 연구에서 제안하는 지능형 캡슐내시경 영상 분석방법은 식도로부터 대장에 이르기까지 다양한 영상의 모델 및 feature에 대하여 정확도에 있어 매우 작은 편차를 보이며, 이는 영상간의 유사도, 엔트로피 등의 low level 분석도구를 사용함으로써 가능하다. 이렇게 얻어진 분석도구는 임상적으로 실용적인 어플리케이션을 통한 판독시간 단축을 위해 사용되었으며, 본 논문에서는 이를 실험을 통하여 입증하였다.
<그림 1>과 같이 전처리 과정에서는 속도향상을 위한 공간다운 샘플링과 정확한 중복영상 판별을 위한 노이즈 제거 및 히스토그램 균등화를 사용하고. 자료산출 과정에서는 영상 유사도, 엔트로피, 명암도를 활용한 이동도표, 특성도표와 명암도표를 생성한다. 사용자는 이를 분석하여 프레임별 영상특징정보를 보다 쉽게 제공 받는다.
이는 하드웨어적 특성에 따른 플래시라이트의 세기의 파동(fluctuation) 현상으로 추측된다. 특히 이러한 파동현상은 장기의 내벽을 촬영할 때 더욱 두드러지게 나타나는 점을 관측하였다. 갑의 이동도표(<그림 8(a)>)를 통해서 이는 변화가 매우 적거나 없는 구간은 동일한 영상에 점멸만 존재하는 것을 뜻한다.
대상 데이터
서브 샘플링은 일정한 크기의 커널에서 특정위치의 픽셀 값을 새 영상의 픽셀 값으로 사용하고, 미디언 샘플링은 일정한 크기의 커널의 픽셀 값을 정렬하여 그 중간 값을 새 영상의 픽셀 값으로 사용하며, 평균 샘플링은 일정한 크기의 커널의 각 픽셀 값을 더하여 평균을 취한 수치를 새 영상의 픽셀 값으로 사용한다(Randy 1999). 본 논문은 전 처리의 효율성을 기하기 위해, 결과에 영향이 거의 없으며 가장 빠른 처리속도를 갖는 서브 샘플링을 사용하였다. 1/4 크기의 축소된 영상을 얻기 위해 일정한 크기의 커널에 픽셀 f(x, y)의 인접한 세 이웃샘플 f(x+1, y), f(x, y+1), f(x+1, y+1)을 생략한 값으로 새로운 영상을 구성한다.
실험은 세 사람에(이하 갑, 을, 병) 대한 캡슐내시경 검사영상을 대상으로 수행하였다. 모든 사람에 대해 캡슐내시경(MiRo Cam, Intromedic Co.
데이터처리
사용자에 의해 입력된 N의 값에 따라 N×N 크기를 갖는 정방 커널을 생성하여 평균 필터를 적용하였다(Gonzalez et al., 2003).
성능/효과
1/4 크기의 축소된 영상을 얻기 위해 일정한 크기의 커널에 픽셀 f(x, y)의 인접한 세 이웃샘플 f(x+1, y), f(x, y+1), f(x+1, y+1)을 생략한 값으로 새로운 영상을 구성한다. 결과적으로 원본보다 1/4만큼의 해상도를 갖는 새로운 영상이 구성되어 유사도, 엔트로피, 명암도의 분석을 위한 연산의 빠른 처리가 가능하다.
또한 중복 영상의 제거기능 이외에도 도표를 통한 효율적 인덱싱을 위한 영상정보분석 도구를 제공한다. 내시경이 전달한 모든 영상을 진단하게 될 때 본 논문에서 제시한 시스템을 이용하여 전문가에게 다양한 정보를 도표의 형태로 편리하게 제공하므로 특정 패턴을 도출하는 부분을 빠르게 찾아내어 관찰시간을 대폭 줄일 수 있다. 또한 세 가지 분석요소가 모두 일정한 패턴을 보이면 동일한 구간으로 간주하여 진단 구간을 생략하는 등의 고속 진단이 가능하고, 전문가의 경험에 따라 수동으로 임계값을 제어하여, 부위별 탐색 밀도를 조정하는 유저 편의 옵션을 제공한다.
병의 이동도표와 특성도표를 통해 89,000 프레임 이후의 영상이 변화가 적고 단순한 영상임을 알았다면 병의 명암도표를 통해 이 구간이 과 같이 매우 어두운 구간임을 추가로 확인하였다.
이러한 연구는 대부분 모델에 근거한 판단을 내리므로, 각각의 어플리케이션에서 검출된 feature에 따라 정확도에 커다란 편차를 보이는 것으로 알려져 있다. 본 연구에서 제안하는 지능형 캡슐내시경 영상 분석방법은 식도로부터 대장에 이르기까지 다양한 영상의 모델 및 feature에 대하여 정확도에 있어 매우 작은 편차를 보이며, 이는 영상간의 유사도, 엔트로피 등의 low level 분석도구를 사용함으로써 가능하다. 이렇게 얻어진 분석도구는 임상적으로 실용적인 어플리케이션을 통한 판독시간 단축을 위해 사용되었으며, 본 논문에서는 이를 실험을 통하여 입증하였다.
RAPID를 이용해 영상의 플레이 속도를 수동으로 조절, 캡슐의 위장 내에 통과시간 계산, 출혈 추정 부분의 표시 등을 제공하는 등의 간단한 기능들을 사용할 수 있다. 특히 간단한 색상 분석을 통해 제공하는 출혈의심부위의 표시 기능은 비교적 높은 정확도를 보이며 판독자에 의한 판독 속도의 수동조절로 인해 판독자의 능력에 맞는 진단이 가능하다. 하지만 대부분의 기능은 매우 단순한 형태로 제공되며, 보다 복잡 다양한 요소분석을 통해 판독자의 노력과 시간을 더욱 최소화할 수 있는 지능적인 형태의 판독보조 시스템이 필요하다.
후속연구
전체 판독시간의 가장 큰 비중을 차지하는 촬영시간을 단축하기 위해 캡슐 내시경 자체의 추진 장치의 개발을 하고 있으며, 검사의 목적에 따라 식도, 위, 소장, 대장 등의 부위별 진단이 가능한 여러 캡슐내시경을 개발하고 있다. 또 세시간 가량 소모되는 비디오 영상으로의 변환시간을 단축시키기 위해 새로운 저장장치와 촬영한 영상을 실시간으로 확인할 수 있는 검사법의 개발도 진행 중이다.
또한Sncc , H와 B값에 출현 빈도에 따른 그래프를 분석하여, 사용자 자신이 진단하고자 하는 부위에 따라 더 많은 영상 정보 혹은 변화가 심한 수 장의 영상만을 시스템에 요구하여 새로운 스트림을 재구성할 수 있다. 또한 거품의 유무나 현재 촬영되고 있는 위치 정보 등 다양한 정보를 제공할 수 있는 틀을 제시하며, 분석을 통해 다각도로 응용될 수 있다.
하지만 확실한 중복 영상의 판별을 위해 수행되는 장시간의 전처리 시간은 보완해야할 부분이며, 영상유사도, 엔트로피, 명암도 외에 임계값을 조정하는 다른 분석도구의 적용도 고려해야 하는 사항이다. 또한 실험을 통해 이동도표, 특성도표, 명암도표의 가중치의 정도에 따른 다양한 결과를 미리 알 수 있다면 보다 쉽게 많은 정보를 사용자에게 전달할 수 있을 것이고 다양한 건강상태의 패턴데이터가 축적되면 일반인에게서 발견되지 않는 특정적인 패턴을 손쉽게 찾아내어 병변을 자동으로 감지할 수 있을 것이다. 마지막으로 본 논문에 제안된 방법을 토대로 캡슐내시경 분야 외에 영상 분석이 중요한 분야(정지된 영상이 주를 이루는 보안 카메라, 해저탐사, 그리고 영상 편집 분야 등)에 적용하여 새로운 연구 결과를 기대할 수 있다.
또한 실험을 통해 이동도표, 특성도표, 명암도표의 가중치의 정도에 따른 다양한 결과를 미리 알 수 있다면 보다 쉽게 많은 정보를 사용자에게 전달할 수 있을 것이고 다양한 건강상태의 패턴데이터가 축적되면 일반인에게서 발견되지 않는 특정적인 패턴을 손쉽게 찾아내어 병변을 자동으로 감지할 수 있을 것이다. 마지막으로 본 논문에 제안된 방법을 토대로 캡슐내시경 분야 외에 영상 분석이 중요한 분야(정지된 영상이 주를 이루는 보안 카메라, 해저탐사, 그리고 영상 편집 분야 등)에 적용하여 새로운 연구 결과를 기대할 수 있다.
예를 들어 갑의 도표들은 모두 73,000 프레임 이후에 비슷한 패턴을 보이며, 일정하게 값이 나오는 이 구간은 <그림 10>과 같이 변화가 매우 적은 영상을 나타내고 있다. 이렇게 동일한 시간적 경계구간에 대하여 각 요소에 대한 상관관계를 규명함으로써 추후 다양한 부가적인 특성을 추출할 수 있는 프레임워크를 제공할 수 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
일반 내시경 검사에 비교한 캡슐내시경검사의 장점은?
캡슐내시경검사는 일반 내시경 검사에 비해 고통이 없고 합병증이 적다고 보고되어 있어 향후 지속적인 발전 가능성이 매우 큰 분야로 잘 알려져 있다. 그러나, 캡슐내시경을 이용한 진단은 캡슐이 동일한 위치에 상주할 경우 반복적으로 촬영된 유사한 영상을 오래도록 관찰 하여야 하므로, 진단자로 하여금 막대한 시간적 비용을 발생하게 한다.
캡슐내시경검사로 발생할 수 있는 문제는?
캡슐내시경검사는 일반 내시경 검사에 비해 고통이 없고 합병증이 적다고 보고되어 있어 향후 지속적인 발전 가능성이 매우 큰 분야로 잘 알려져 있다. 그러나, 캡슐내시경을 이용한 진단은 캡슐이 동일한 위치에 상주할 경우 반복적으로 촬영된 유사한 영상을 오래도록 관찰 하여야 하므로, 진단자로 하여금 막대한 시간적 비용을 발생하게 한다. 따라서 보다 현실적이고 실용적인 캡슐내시경 검사를 위한 효율적인 탐색 및 진단 방법으로써 캡슐내시경영상에 대한 지능형 탐색방법이 요구된다.
본 논문에서 제안하는 지능형 판독보조 시스템은 어떤 방법인가?
따라서 보다 현실적이고 실용적인 캡슐내시경 검사를 위한 효율적인 탐색 및 진단 방법으로써 캡슐내시경영상에 대한 지능형 탐색방법이 요구된다. 본 논문에서 제안하는 지능형 판독보조 시스템은 영상차감을 통해 중복영상을 최소화한 후 프레임단위로 영상이 내포한 정보를 일차원도표(map)의 형태로 제공하고, 이러한 결과도표의 분석도구 및 방법을 제안함으로써 진단시간을 큰 폭으로 단축할 수 있는 방법을 제안하였다. 즉, 비교연산 한 정규화된 교차상관(Normalized Cross-Correlation) 방법을 통해 전처리 된 인접영상에 대한 유사도를 추출하고, 설정된 임계값이상의 영상들만을 탐색 범위로 지정하여 중복 촬영된 영상의 탐색을 최소화 한다.
유종선 외 1명, "캡슐내시경의 적용 범위는?", CAPSULE ENDOSCOPY NEWSLETTER, 1권 1호(2006), 8-9.
Bracewell, R., "Pentagram Notation for Cross Correlation", The Fourier Transform and Its Applications, New York：McGraw-Hill, 243, 1965, 46.
Gonzalez, R. C. and R. E. Woods, Digital Image Processing, 2nd ed., Prentice Hall, New Jersey, 2003.
Hu, C., M. Meng, P. X. Liu, and X. Wang, "Image Distortion Correction for Wireless Capsule Endoscope", Proc. IEEE Int'l Conference on Robotics and Automation, Vol.5(2004), 4718-4723.
Iddan, G., G. Meron, A. Glukhovsky, and P. Swain, "Wireless capsule endoscopy", Nature, Vol.405 (2000), 417-420.
Ke, Y., R. Sukthankar, and L. Huston, "Efficient near-duplicate detection and sub-image retrieval", Proceedings of ACM International Conference on Multimedia(MM), 2004.
Kim, E., K. Yoo, and Y. Yoo, "Composite Endoscope Image Construction based on Massive Inner Intestine Photos", Journal of the Institute of Electronics Engineers of Korea. SC, Vol.44, No.1(2007), 108-114.
Park, H. J., J. C. Park, J. H. Lee, Y. K. Moon, B. S. Song, C. H. Won, H. C. Choi, J. T. Lee, and J. H. Cho, "New method of moving control for wireless endoscopic capsule using electrical stimulus", IEICE Transactions on Fundamentals of Electronics, Communications and Computer Sciences, Vol.E88-A(2005), 1476-1480.
Zhang, D., R. K. Rajendran, S. F. Chang, "General and domain-specific techniques for detecting and recognizing superimposed text in video", Image Processing, 2002, Proceedings, 2002 International Conference on, Vol.1(2002).
※ AI-Helper는 부적절한 답변을 할 수 있습니다.