최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국전자통신학회 논문지 = The Journal of the Korea Institute of Electronic Communication Sciences, v.8 no.1, 2013년, pp.191 - 197
이준구 (한국원자력연구원) , 김양모 (충남대학교 전기공학과) , 김도연 (순천대학교 컴퓨터공학과)
Conventional CT and MRI scans produce cross-section slices of body that are viewed sequentially by radiologists who must imagine or extrapolate from these views what the 3 dimensional anatomy should be. By using sophisticated algorithm and high performance computing, these cross-sections may be rend...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
방사선과 의사들은 어떻게 병변을 구별하는가? | 방사선과 의사들은 CT 및 MRI 스캐너로부터 얻어진 인체의 단면 영상을 연속적으로 보고 실제 3차원적으로 인체가 어떻게 구성되어 있는지를 상상하여 병변을 구별하는데, 의학영상을 이용한 인체 장기의 3차원 시각화는 2차원 형태의 인체 단면 영상들을 복잡한 알고리즘이나 고성능의 컴퓨팅 파워를 사용하여 실제 인체와 같이 3차원으로 재구성하여 보여준다. 단면 영상의 추적, 관심영역의 표시 및 추출등과 같은 2차원 영상분석은 시간이 많이 소모되고, 주관적일 수가 있으며, 수작업인 관계로 빈번한 에러가 발생하는 단점을 가지는데, 이와 같은 2차원 의료 영상 분석의 단점을 보완하기 위해 의학영상처리 기술과 접목한 3차원 의료 영상의 시각화는 필수적이라 할 수 있다. | |
의학영상을 이용한 인체 장기의 3차원 시각화는 어떻게 구성되는가? | 방사선과 의사들은 CT 및 MRI 스캐너로부터 얻어진 인체의 단면 영상을 연속적으로 보고 실제 3차원적으로 인체가 어떻게 구성되어 있는지를 상상하여 병변을 구별하는데, 의학영상을 이용한 인체 장기의 3차원 시각화는 2차원 형태의 인체 단면 영상들을 복잡한 알고리즘이나 고성능의 컴퓨팅 파워를 사용하여 실제 인체와 같이 3차원으로 재구성하여 보여준다. 단면 영상의 추적, 관심영역의 표시 및 추출등과 같은 2차원 영상분석은 시간이 많이 소모되고, 주관적일 수가 있으며, 수작업인 관계로 빈번한 에러가 발생하는 단점을 가지는데, 이와 같은 2차원 의료 영상 분석의 단점을 보완하기 위해 의학영상처리 기술과 접목한 3차원 의료 영상의 시각화는 필수적이라 할 수 있다. | |
의학영상처리 기술과 접목한 3차원 의료 영상의 시각화는 어떻게 구현되는가? | 단면 영상의 추적, 관심영역의 표시 및 추출등과 같은 2차원 영상분석은 시간이 많이 소모되고, 주관적일 수가 있으며, 수작업인 관계로 빈번한 에러가 발생하는 단점을 가지는데, 이와 같은 2차원 의료 영상 분석의 단점을 보완하기 위해 의학영상처리 기술과 접목한 3차원 의료 영상의 시각화는 필수적이라 할 수 있다. 명암값 임계치 방법, 영역확장(region growing) 방법, 윤곽선(contour) 추출 방법 및 변형모델(deformable model) 방법을 사용하여 인체의 각 장기를 분리하였으며, 텍스쳐분석(texture analysis)을 통하여 고안된 특징자를 이용하여 암 부분을 인식하는데 사용하였고, 원근투영(perspective projection) 및 볼륨 데이터의 표면을 렌더링하기 위해 마칭큐브(marching cube) 알고리즘을 사용하였다. 인체 및 분리된 장기에 대한 3차원 시각화는 방사선치료계획(radiation treatment planning), 외과 수술계획, 모의수술, 중재적(interventional)시술 및 영상유도수술(image guided surgery)에 효과적으로 사용될 수 있다. |
R.A. Robb, "Virtual (Computed) Endoscopy : Development and Evaluation Using the Visible Human Datasets", Visible Human Project Conference, 1996.
F.A. Jolesz, W.E. Lorensen, H. Shinmoto, et al, "Interactive Virtual Endoscopy", American Journal of Roentgenology, Vol. 169, pp. 1229-1235, 1997.
J. K. Udopa, G. T. Hermen , "3D Imaging in Medicine", CRC Press, pp. 285-300, 2000.
NEMA Draft Standards, "Digital Imaging and Communications in Medicine (DICOM)", Part 1-14.
S. E. Umbaugh, "Computer Vision and Image Processing", Prentice-Hall, pp. 84-86, 1998.
J. R. Parker, "Algorithms for Image Processing and Computer Vision", John-Wiley & Sons, pp. 116-128, 1997.
R.C. Gonzalez, R.E. Woods, "Digital Image Processing", Addison-Wesley, pp. 458-465, 1992.
C. Xu, D.L. Pham, J.L. Prince, "Medical Image Segmentation Using Deformable Models", SPIE Press, pp. 129-174, 2000.
김도연, 김진환, 노승무, 박종원, "CT 영상에서 결절성 폐암의 자동추출 및 체적계산", 한국정보과학회논문지, 7권, 5호, pp. 451-457, 2001.
Do-Yeon Kim, Jin-Hwan Kim, Seung-Moo Noh, Jong-Won Park, "Pulmonary Nodule Detection Using Chest CT Images", Acta Radiologica, Vol. 44, No. 3, pp. 252-257, 2003.
유승화, 조준식, 노승무, 신경숙, 박종원, "명암값 분포를 이용한 자동화된 간과 비장의 정교한 추출", 한국정보과학회논문지, 28권, 1호, pp. 20-32, 2001.
김도연, 노승무, 조준식, 김종철, 박종원, "복부 CT 영상에서 신장암의 자동추출", 한국정보과학회논문지, 29권, 11-12호, pp. 803-808, 2002.
성윤창, 송창준, 노승무, 박종원, "부분체적의 문제로 번진 명암값으로 표현된 뇌의 자기공명영상에 대한 영역분할 및 체적계산", 한국통신학회논문지, 25권, 7A호, pp. 1006-1016, 2000.
Do-Yeon Kim, June-Sik Cho, Seung-Moo Noh, Jong-Won Park, "Internal Carotid Artery Segmentation for Stenosis Grading Using MR Angiography Images", Proceeding of ITCCSCC 2003, pp. 511-514, 2003.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.