본 논문에서는 분자영상의 궁극적 목표를 달성하기 위하여 분자영상의 특징 추출 기법을 제안하였다. 실험영상을 DWT 변환결과로 실험한 결과 1레벨과 2레벨의 분해 결과에서는 저주파 영역의 성분이 나타나지만 3레벨 분해 결과에서는 데이터 성분이 거의 나타나지 않음을 알 수 있었다. 육안으로 관찰은 되지 않지만 3레벨 분해한 결과의 데이터 값을 출력하였다. 데이터의 출력은 DWT에 의하여 나타나는 저주파영역의 수평방향과 수직방향의 데이터, 고주파영역의 수평방향의 데이터와 수직방향의 데이터, 대각고주파영역의 수평방향과 수직방향의 데이터를 출력하여 분자영상과 다른 디지털영상인 CT, MRI, PET영상의 데이터와 비교할 수 있게 하였다.
본 논문에서는 분자영상의 궁극적 목표를 달성하기 위하여 분자영상의 특징 추출 기법을 제안하였다. 실험영상을 DWT 변환결과로 실험한 결과 1레벨과 2레벨의 분해 결과에서는 저주파 영역의 성분이 나타나지만 3레벨 분해 결과에서는 데이터 성분이 거의 나타나지 않음을 알 수 있었다. 육안으로 관찰은 되지 않지만 3레벨 분해한 결과의 데이터 값을 출력하였다. 데이터의 출력은 DWT에 의하여 나타나는 저주파영역의 수평방향과 수직방향의 데이터, 고주파영역의 수평방향의 데이터와 수직방향의 데이터, 대각고주파영역의 수평방향과 수직방향의 데이터를 출력하여 분자영상과 다른 디지털영상인 CT, MRI, PET영상의 데이터와 비교할 수 있게 하였다.
In this paper, We are suggested methods of feature extraction in molecular images. The result of image transform DWT examination by suggested method, we are obtained as follows. 1-level and 2-levels of decomposition results showed the composition of the low frequency region. But, 3-level decompositi...
In this paper, We are suggested methods of feature extraction in molecular images. The result of image transform DWT examination by suggested method, we are obtained as follows. 1-level and 2-levels of decomposition results showed the composition of the low frequency region. But, 3-level decomposition results did not appear in the data component is almost. Observed not with the naked eye is not, but the 3-level output data values of the results were decomposed. We are printed the horizontal and vertical directions of low-frequency region of the data, the high frequency region of the horizontal and vertical data, and diagonal high frequency region of the horizontal and vertical directions data. If the output data using molecular imaging and CT, PET, MR imaging will be compared with the data.
In this paper, We are suggested methods of feature extraction in molecular images. The result of image transform DWT examination by suggested method, we are obtained as follows. 1-level and 2-levels of decomposition results showed the composition of the low frequency region. But, 3-level decomposition results did not appear in the data component is almost. Observed not with the naked eye is not, but the 3-level output data values of the results were decomposed. We are printed the horizontal and vertical directions of low-frequency region of the data, the high frequency region of the horizontal and vertical data, and diagonal high frequency region of the horizontal and vertical directions data. If the output data using molecular imaging and CT, PET, MR imaging will be compared with the data.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 논문에서는 기존 연구에서 MRI를 이용한 분석을 토대로 진행하였으나 본 논문은 PET과 CT를 이용하여 획득한 영상에도 기존의 연구가 유용한지를 확인하여 보았다. 분자영상의 궁극적 목표를 달성하기 위하여 분자영상의 특징 추출 기법을 제안하려고 한다.
본 논문에서는 DWT를 이용하여 분자영상의 경계선 검출 알고리즘을 개발하고, 실제 image에 이를 적용하여 분자영상에 대한 특징을 잘 표현하는지 확인하고자 한다.
본 연구에서는 나노기술의 발달로 태동하게 된 나노의학에서 활발히 연구가 진행되고 있는 분자영상의 특징을 추출하는 기법을 제안하고자 하였다. 실험결과 1레벨과 2레벨의 분해 결과에서는 저주파 영역의 성분이 나타나지만 3레벨 분해 결과에서는 데이터 성분이 거의 나타나지 않음을 알 수 있었다.
따라서 본 논문에서는 기존 연구에서 MRI를 이용한 분석을 토대로 진행하였으나 본 논문은 PET과 CT를 이용하여 획득한 영상에도 기존의 연구가 유용한지를 확인하여 보았다. 분자영상의 궁극적 목표를 달성하기 위하여 분자영상의 특징 추출 기법을 제안하려고 한다. 제안된 결과를 이용하여 연구를 지속한다면 분자영상의 특징 분석, 치료 예후 추정, 질한 예측 등에 활용할 수 있을 것으로 사료된다.
제안 방법
분해결과 분자영상이 고주파 신호가 더 많이 획득되었음을 알 수 있었다. 구체적인 데이터와 수치는 표를 통하여 알아볼 수 있도록 하였다. 질병이 발생한 블록 또는 진행 블록의 도달 시 분해 결과 (-)의 값에서 신호의 값이 (+)으로 전환되는 것을 알 수 있었다.
데이터의 출력은 DWT에 의하여 나타나는 저주파영역의 수평방향과 수직방향의 데이터, 고주파영역의 수평방향의 데이터와 수직방향의 데이터, 대각고주파영역의 수평방향과 수직방향의 데이터를 출력하여 분자영상과 다른 디지털영상인 CT, MRI, PET영상의 데이터와 비교할 수 있게 하였다.
동일 조건에서 실험을 수행하기 위하여 각각의 장치별로 획득된 영상을 256 X 256의 형태로 픽셀을 조절하였고, 픽셀당 비트 수는 8비트로 조절하였다.
연구를 위한 실험은 Samsung DM-C510 컴퓨터로 Matlab Release 20을 이용하였다. 분자영상의 특성을 비교하기 위하여 그림 3에 보여주고 있는 뇌(brain)을 스캔한 CT, MR, PET영상과 토끼의 복부를 나노 조영제를 사용하여 스캔한 분자영상을 비교하였다.
대상 데이터
연구를 위한 실험은 Samsung DM-C510 컴퓨터로 Matlab Release 20을 이용하였다. 분자영상의 특성을 비교하기 위하여 그림 3에 보여주고 있는 뇌(brain)을 스캔한 CT, MR, PET영상과 토끼의 복부를 나노 조영제를 사용하여 스캔한 분자영상을 비교하였다.
이론/모형
표 1 은 매트랩(Matlab)에 의한 DWT 알고리즘을 나타내었으며, 표 1 의 알고리즘에 의해 웨이브릿 분해를 한 후 각 레벨(Level)별 특징 파라미터를 분석하여 최적의 값을 찾아낸다.
성능/효과
분해결과 분자영상이 고주파 신호가 더 많이 획득되었음을 알 수 있었다. 구체적인 데이터와 수치는 표를 통하여 알아볼 수 있도록 하였다.
본 연구에서는 나노기술의 발달로 태동하게 된 나노의학에서 활발히 연구가 진행되고 있는 분자영상의 특징을 추출하는 기법을 제안하고자 하였다. 실험결과 1레벨과 2레벨의 분해 결과에서는 저주파 영역의 성분이 나타나지만 3레벨 분해 결과에서는 데이터 성분이 거의 나타나지 않음을 알 수 있었다. 육안으로 관찰은 되지 않지만 3레벨 분해한 결과의 데이터 값을 출력하였다.
구체적인 데이터와 수치는 표를 통하여 알아볼 수 있도록 하였다. 질병이 발생한 블록 또는 진행 블록의 도달 시 분해 결과 (-)의 값에서 신호의 값이 (+)으로 전환되는 것을 알 수 있었다. 따라서 질병이 유발된 영역의 묘사가 DWT를 통하여 사람의 육안으로 확인하는 것보다 좀더 확실하게 데이터와 함께 표현 될 수 있었으며, 그 결과의 유용성도 뒷받침 된다.
후속연구
맞춤형 의료를 목표로 하는 분자영상의 기술의 질병 특이적 영상 소견을 얻는 것이 궁극적 목표가 될 것이다. 또한 DWT와 같은 공학적 툴의 적용이 아직 이루어지지 않는 의료영역에 실 적용하여 의료영역에서 진일보된 진단 및 치료 기법을 도입하는데 도움이 될 것이다.
분자영상의 궁극적 목표를 달성하기 위하여 분자영상의 특징 추출 기법을 제안하려고 한다. 제안된 결과를 이용하여 연구를 지속한다면 분자영상의 특징 분석, 치료 예후 추정, 질한 예측 등에 활용할 수 있을 것으로 사료된다.
분자영상의 궁극적 목표를 달성하기 위하여 분자영상의 특징 추출 기법을 제안하려고 한다. 제안된 결과를 이용하여 연구를 지속한다면 분자영상의 특징 분석, 치료 예후 추정, 질한 예측 등에 활용할 수 있을 것으로 사료된다.
향후의 연구과제는 추출된 특징 데이터를 정규화한 후 행렬의 96개 값의 행렬 고유 값을 구하여 신경회로망의 입력벡터로 이용할 수 있게 하는 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
1레벨, 2레벨, 3레벨의 분해결과를 설명하시오.
본 연구에서는 나노기술의 발달로 태동하게 된 나노의학에서 활발히 연구가 진행되고 있는 분자영상의 특징을 추출하는 기법을 제안하고자 하였다. 실험결과 1레벨과 2레벨의 분해 결과에서는 저주파 영역의 성분이 나타나지만 3레벨 분해 결과에서는 데이터 성분이 거의 나타나지 않음을 알 수 있었다. 육안으로 관찰은 되지 않지만 3레벨 분해한 결과의 데이터 값을 출력하였다.
나노기술이란?
나노기술은 미국정부 National Nano technology Initiative에 따르면 나노미터 크기 1∼100 nm 크기의 원자, 분자, 고분자를 연구 제어하는 기술로 나노크기로 인하여 나타나는 새로운 물리적, 화학적, 생물학적 소재, 소자 또는 시스템을 창출하는 기술이다. 나노 기술에서 사용되는 물질은 단순히 크기만 작은 것이 아니라 물리적, 화학적 성질이 달라져서 새로운 현상과 성능 구현을 가능하게 하게 된다[1].
나노 기술에서 사용되는 물질의 특징은?
나노기술은 미국정부 National Nano technology Initiative에 따르면 나노미터 크기 1∼100 nm 크기의 원자, 분자, 고분자를 연구 제어하는 기술로 나노크기로 인하여 나타나는 새로운 물리적, 화학적, 생물학적 소재, 소자 또는 시스템을 창출하는 기술이다. 나노 기술에서 사용되는 물질은 단순히 크기만 작은 것이 아니라 물리적, 화학적 성질이 달라져서 새로운 현상과 성능 구현을 가능하게 하게 된다[1]. 미국 National Cancer Institute에서는 “The Centers of Cancer Nano-technology Excellences"라는 지원을 하여 나노 기술을 임상 및 기초 암 연구에 투자하여, 의료에 적용을 본격적으로 시작하고 다양한 학문의 융합으로 새로운 패러다임의 연구방향을 제시하고 있다.
참고문헌 (7)
Mahwood U, Emerging Technologies That Will Change the World, Molecular Imaging. Tech Rev, 106. 2003.
Chang, Thomas Ming Swi, Artifical cells, World Scientific Publishing. co. Pte. Lte. 2007.
Byeong-Chole Ahn, Applications of molecular imaging in drug discovery and development process, Curr Pharm Biotechnol, 12(4), 459-468. 2011.
Stephane G. Mallat, "A theory for multiresolutional signal decomposition; the wavelet representation", IEEE trans. Pattern Anal. Machine Intell., Vol. 11, No. 7, PP. 674-693, July, 1989.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.