$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

모양분류와 컬러정보를 이용한 내용기반 약 영상 검색 시스템
A Contents-based Drug Image Retrieval System Using Shape Classification and Color Information 원문보기

인터넷정보학회논문지 = Journal of Korean Society for Internet Information, v.12 no.6, 2011년, pp.117 - 128  

전준철 (경기대학교 컴퓨터과학과) ,  김동선 (경기대학교 GRRC)

초록

본 논문에서는 약 영상의 모양 분류와 컬러정보를 이용한 새로운 내용기반 약 영상 검색 시스템을 제안한다. 내용기반 약 영상검색 시스템의 구현에 있어 주요 문제점은 유사한 모양과 색상을 지닌 영상이 너무 많이 존재한다는 것이며, 단순히 약 영상의 한 가지 특성에 의해서는 특정한 약을 확인하기 어렵다는 것이다. 이러한 약 영상 구분의 문제를 해결하기 위하여 본 논문에서는 약 영상의 모양과 색상에 근거한 복합적인 영상검색 방법을 제시하였다. 제안된 방법의 첫 단계에서는 약 영상을 모양에 의해 분류한 후 두 번째 단계에서 분류된 영상들 가운데 약 영상의 색상 정보를 이용하여 약 영상을 검색하였다. 모양 분류를 위하여 대상 약의 경계선으로부터 추출된 고유의 모양신호를 추출하여 사용하였다. 모양신호에 의해 분류된 영상으로부터 색조(hue)와 채도(saturation)정보를 이용하여 데이터베이스 영상으로부터 질의 영상과 유사도 가 높은 영상을 검색 추출하였다. 제안된 시스템은 약 영상의 시각적 특성에 의해 노인과 같은 특정한 사용자들이 영상을 쉽게 검색할 수 있도록 개발되었다. 실험을 통해 제안된 자동 시스템이 약 영상을 인식하고 검색하는데 신뢰성 있고 편리하다는 것을 입증 하였다.

Abstract AI-Helper 아이콘AI-Helper

In this paper, we present a novel approach for contents-based medication image retrieval from a medication image database using the shape classification and color information of the medication. One major problem in developing a contents-based drug image retrieval system is there are too many similar...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 특히 대용량 약 영상 도메인으로부터 내용기반 약 영상 검색 시스템을 구현함에 있어 유사한 모양과 색상을 지닌 수많은 영상으로부터 원하는 영상을 찾아내는 문제는 약 영상의 한 가지 특성 정보만을 이용하기 쉽지 않으며 다양한 특성의 효과적인 결합 원칙의 확보가 필요하다. 따라서 본 논문에서는 약영상의 모양과 색상에 근거한 절차적 영상검색 방법을 제시하였다. 영상 검색 도메인의 크기를 효과적으로 유지하기 위하여 약 영상을 모양에 의해 분류한 후 분류된 영상 클래스를 기반으로 질의 영상의 HS 색상 정보를 이용하여 약 영상을 검색하는 방법을 제시하였다.
  • 8방향 체인코드알고리즘은 객체영역의 경계선을 방향과 길이를 미리 정한 직선 성분의 체인으로 표현하는 방법으로, 최종 경계선은 일련의 체인 코드로 부호화 하여 표현 된다. 본 논문에서는 약 영상의 경계선 추적을 통해 결정된 일련의 지점을 이용한 모양신호를 만들기 위하여 180개의 경계점을 선택하였다. 8방향 체인코드 알고리즘은 경계점 선택에 있어 일관된 정보를 선택하는 중요한 방법이 된다.
  • 본 논문에서는 약을 많이 복용하는 노약자 및 약에 관한 전문성이 부족한 일반 사용자들이 약에 관한 정보를 쉽게 획득할 수 있도록 약 영상의 모양분류와 HS 컬러정보를 이용한 새로운 내용기반 약영상 검색 시스템을 제안하고 구현 하였다. 특히 대용량 약 영상 도메인으로부터 내용기반 약 영상 검색 시스템을 구현함에 있어 유사한 모양과 색상을 지닌 수많은 영상으로부터 원하는 영상을 찾아내는 문제는 약 영상의 한 가지 특성 정보만을 이용하기 쉽지 않으며 다양한 특성의 효과적인 결합 원칙의 확보가 필요하다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
본 연구에서 제시한 약 영상의 모양과 색상에 근거한 복합적인 영상검색 방법은? 이러한 약 영상 구분의 문제를 해결하기 위하여 본 논문에서는 약 영상의 모양과 색상에 근거한 복합적인 영상검색 방법을 제시하였다. 제안된 방법의 첫 단계에서는 약 영상을 모양에 의해 분류한 후 두 번째 단계에서 분류된 영상들 가운데 약 영상의 색상 정보를 이용하여 약 영상을 검색하였다. 모양 분류를 위하여 대상 약의 경계선으로부터 추출된 고유의 모양신호를 추출하여 사용하였다. 모양신호에 의해 분류된 영상으로부터 색조(hue)와 채도(saturation)정보를 이용하여 데이터베이스 영상으로부터 질의 영상과 유사도 가 높은 영상을 검색 추출하였다. 제안된 시스템은 약 영상의 시각적 특성에 의해 노인과 같은 특정한 사용자들이 영상을 쉽게 검색할 수 있도록 개발되었다.
약에 대한 텍스트기반 영상검색 방법이 지닌 한계는? 과거 수행된 약 영상 검색에 관한 연구 및 인터넷상에서 제공되는 검색 방법은 약 영상의 특성정보인 컬러, 모양, 문양, 재질 등을 키워드로 정의하고 텍스트기반 검색방법을 적용하고 있으며, 검색결과는 정보를 입력하는 사용자의 주관적 판단에 따라 다른 결과를 나타낸다[1-3]. 이러한 텍스트기반 영상검색 방법이 지닌 한계성은 사용자의 주관적 판단에 의존한 검색으로 인하여 검색결과의 객관성 및 정확성을 일관성 있게 제공하지 못하는 문제이다. 이러한 측면에서 내용기반 약 영상 검색 시스템은 매우 유용하고 효과적인 방법이 될 수 있다.
본 연구 중, 내용기반 영상 검색 기술에서 사용하는 영상의 주요 특징은? 내용기반 영상 검색 기술에서 사용하는 영상의 주요 특징으로는 모양, 색상, 질감 그리고 공간상의 관계 등이 있으며 관심 영상으로부터 자동 추출된 이러한 특성정보를 이용하여 질의영상과 저장된 영상간의 유사도 측정(similarity measure)을 통해 영상을 구분하거나 유사 영상을 검색한다[8,9]. 약 영상의 특성 정보를 이용한 약 영상 검색에 관한 연구로는 RGB 컬러 정보[10]를 이용한 약 영상 검색방법과 컬러, 모양, 텍스쳐 등 여러 특성 정보를 함께 이용한 검색방법[11]이 소개되었다.
질의응답 정보가 도움이 되었나요?

참고문헌 (17)

  1. Pill identifier-Drug.com. [Online] Available: http://www.drugs.com 

  2. Bit Drug info. [Online] Available: http://www.druginfo.co.kr 

  3. Sung, T.Y.L., Hung, F.H., and Chiu, H.W, "Implementation of An Integrated Drug Information System for Inpatients to Reduce Medication Errors in Administrating Stage," Proceedings of the 30th Annual International Conference of the IEEE Engineering in Medicine and Biology Society, pp. 743-746, 2008. 

  4. Lisa M. Given, Stan Ruecker etal., "Inclusive Interface Design for Seniors: Image-Browsing for a Health Information Context," Journal of American Society for Information Science and Technology, Vol.58, No.11, pp. 1610-1617, 2007. 

  5. Geradts, Z., Bijhold, J., "Content based information retrieval in forensic image databases," Journal of forensic sciences Vol. 47, No. 2, pp. 285-292, 2002. 

  6. U.S National Library of Medicine. [Online] Available: http://www.nlm.nih.gov/ 

  7. WII Lab. University of Colorado. [Online] Available: http://wii.cs.colorado.edu/wiilab/NLM-Meds/ 

  8. H. Muller, N. Michoux, D. Bandon, and A Geissbuhler, "A review of content-based image retrieval systems in medical applications--clinical benefits and future directions," International Journal of Medical Informatics Vol. 73, pp. 1-23, 2004. 

  9. R. Datta, D. Joshi, J. Li and J. Z. Wang, "Image Retrieval: Ideas, Influences and Trends of the New Age," ACM Computing Survey, Vol. 40, No.2, Article 5, pp.1-60, 2008. 

  10. Chen, W., Chao, P.J., Lin, H.L., "Drug Identification by Network Adaptive Content- Based Image Retrieval," The Journal of Health Science Vol. 9, No. 2, pp. 133-145, 2007. 

  11. R. C Chen, C. T Pao, Y. H Chen and J. C Jian, "Automatic Drug Image Identification System Based on Multiple Image Features," Computational Collective Intelligence. Technologies and Applications, Second International Conference, ICCCI 2010, pp. 249-256, 2010. 

  12. Spiclin, Z.; Likar, B.; Pernuss, F, "Real-Time Print Localization on Pharmaceutical Capsules for Automatic Visual Inspection," Proceedings of the 2010 IEEE International Conference on Industrial Technology, pp. 279-284, 2010. 

  13. Zeno Geradts, Huub Hardy, Anneke Poortman, and Jurrien Bijhold, "Evaluation of contents based image retrieval methods for database of logos on drug tablets," Proceedings of SPIE, Vol.4232, pp.553-562, 2001. 

  14. Lee, Y.-B., Park, U., Jain, A. K., "Pill-id: Matching and retrieval of drug pill imprint images," Proceedings of the 20th International Conference on Pattern Recognition. pp. 2632-2635, 2010. 

  15. M. K. Hu, "Visual Pattern recognition by moment invariants," IRE Transactions on Information Theory, Vol. 8, No. 2, pp. 66-70, 1962. 

  16. G. Stockman, L. Shapiro, Computer Vision, Prentice Hall, 2001. 

  17. S. Sural, G. Qian, S. Pramanik, "Segmentation and histogram generation using the HSV color space for image retrieval," Proceedings of International Conference on Image Processing (ICIP), pp. 589-592, 2002. 

저자의 다른 논문 :

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로