$\require{mediawiki-texvc}$

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.

[국내논문] 암 진단에서의 의료 IT - 디지털 의료영상분석 원문보기

한국멀티미디어학회지, v.19 no.3, 2015년, pp.27 - 35  

최현주 (김해 의생명센터) ,  최정현 (김해 의생명센터) ,  최흥국 (인제대학교 컴퓨터공학부)

초록이 없습니다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 논문에서는 의료영상 및 질병 진단을 위한 디지털 의료영상분석 기술에 대해 살펴보고 암 진단을 위한 디지털 영상분석 기술개발에 대해 소개하고자 한다. 특히, 컴퓨터단층촬영영상, 자기공명영상 기반 진단방법 개발에 비해 관심과 임상에서의 활용이 다소 낮은 수준에 머물러 있는 암세포조직 영상분석 기술에 대해 살펴보고 임상 적용에 대한 가능성에 대해 기술하고자 한다.
  • 본 논문에서는 의료영상 및 질병 진단을 위한 디지털 의료영상분석 기술에 대해 살펴보고 암 진단을 위한 디지털 영상분석 기술개발에 대해 소개하고자 한다. 특히, 컴퓨터단층촬영영상, 자기공명영상 기반 진단방법 개발에 비해 관심과 임상에서의 활용이 다소 낮은 수준에 머물러 있는 암세포조직 영상분석 기술에 대해 살펴보고 임상 적용에 대한 가능성에 대해 기술하고자 한다.
  • 본 논문에서는 의료영상 기반 진단을 위한 디지털 의료영상분석을 위한 기본과정과 알고리즘에 대해 살펴보았으며 특히 암 진단을 위한 병리조직영상 분석 과정 중에서 조직 슬라이드 제작 및 영상획득, 색 정규화, 디지털 영상 세포측정법에 대해 살펴보았다. 암세포 조직 영상에서의 세포핵은 암에 대한 정보를 가지고 있으므로 이러한 정보를 추출하고 분석하여 분류된 결과는 암의 진행 정도와 환자의 생존율을 예측할 수 있는 하나의 기준으로 사용할 수 있기 때문에 암의 진단과 예후 추정에 유용하며 보조 진단도구로서의 사용할 경우 진단의 정확성을 높일 수 있다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
질병 진단기술에는 어떤 방법들이 있는가? 질병 진단기술 또한 여러 관련 학문 및 기술의 발전으로 빠르게 진화하고 있으며 혈액, 소변, 생체조직 등의 시료를 채취하여 검사를 수행하는 진단방법부터 방사선 영상, 자기공명영상, 핵의학 영상, 초음파 영상 등 영상진단기기로부터 획득한 의료영상을 통한 질병의 진단, 진행상태 분석 및 치료에 대한 반응을 예측하는 방법까지 다양하다. 의료영상 기반 진단에서 IT를 융합한 방법인 디지털 의료영상분석은 인체내부의 조직이나 기관을 포함하여 의학적으로 유용한 모든 생체정보를 디지털 영상화하여 이로부터 질병의 진단이나 치료에 필요한 정보를 추출하고 분석하는 모든 기술을 말한다.
의료 IT란 무엇인가? 의료 IT란 의료산업과 IT산업의 이종 간 융합기술로 헬스케어와 관련된 모든 활동에서 발생하는 정보나 데이터, 지식 등을 정보처리 기술과 네트워크를 활용해 저장, 분석, 전달하는 과정을 모두 포괄하는 의미이다. 현재 IT 기술의 발전으로 인해 헬스케어는 변혁의 시기를 지나고 있으며 글로벌 IT 기업들이 앞 다투어 의료분야에 뛰어들면서 IT 기술의 발전은 의료현장을 이미 바꾸기 시작했고 지금은 의료와 IT가 본격적으로 융합하고 있는 시점이다.
의료영상 기반 진단에서 IT를 융합한 방법인 디지털 의료영상분석의 특징과 이용 시 얻게되는 장점은? 의료영상 기반 진단에서 IT를 융합한 방법인 디지털 의료영상분석은 인체내부의 조직이나 기관을 포함하여 의학적으로 유용한 모든 생체정보를 디지털 영상화하여 이로부터 질병의 진단이나 치료에 필요한 정보를 추출하고 분석하는 모든 기술을 말한다. 디지털 의료영상분석은 컴퓨터를 이용하여 질병에 대한 정보를 객관적 수치로 표현함으로써 측정치에 대한 객관성과 재현성을 부여하고 통계학적 해석이 가능하게 한다는 점에서 질병의 유무나 진행 정도를 파악하여 환자를 진단하고 치료하는데 있어서 중요한 요소이다. 또한 질병 진단 시 판독의사의 숙련도에 따른 신뢰도의 차이로 발생할 수 있는 관찰자 간 불일치도, 관찰자 내 불일치도 등의 문제를 개선할 수 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (14)

  1. R.C. Gonzalez, R.E. Wools, "Digital image processing" Prentice Hall, pp. 689-787, 2008. 

  2. J.R. Parker, "Algorithms for image processing and computer vision" John-Wiley & Sons, pp. 116-149, 1997. 

  3. L. Vincent, and P. Soille, "Watersheds in digital spaces: An efficient algorithm based on immersion simulations," IEEE Transaction on Pattern Analysis and Machine Intelligence, Vol. 13 pp. 583-397, 1991. 

    상세보기 crossref

  4. C. Xu, DL. Pham and JL. Prince, "Medical image segmentation using deformable models" SPIE Press, pp. 129-174, 2000. 

  5. Y.S. Lee and H.K. Choi, "A Hippocampus Segmentation in Brain MR Images using Level-Set Method," Journal of Korea Multimedia Society, Vol. 15 No. 9, pp.1075-1085, 2012. 

    원문보기 상세보기 crossref

  6. A.C. Ruifrok and D.A. Johnston, "Quantification of histochemical staining by color deconvolution," Analytical Quantitative Cytology and Histology. Vol. 23, pp. 291-299, 2001. 

  7. Y. Wang, S.C. Chang, L.W Wu et al. "A color-based approach for automated segmentation in tumor tissue classification," In:Proc. Conf. of the IEEE Engineering in Medicine and Biology Society, pp. 6577-6580, 2007. 

  8. E. Reinhard, M. Adhikhmim, B. Gooch, and P. Shieley, "Color transfer between images," IEEE Computer Graphics and Applications Vol. 21, No. 5, pp. 34-41, 2001. 

    상세보기

  9. S.J. Lockett and B. Herman, "Automatic detection of clustered, fluorescent stained nuclei by digital image-based cytometry," Cytometry, Vol 17, pp. 1-12, 1994. 

    상세보기 crossref

  10. R.J. Sears, C.W. Duckworth et al., "Image cytometry as a discriminant tool for cytologic speciments obtained by endoscopic retrograde cholangiopancreatography," Cancer Cytopathology, Vol 84, No. 2, pp. 119-126, 1998 

    상세보기 crossref

  11. H.J. Choi and H.K. Choi. "Grading of renal cell carcinoma by 3D morphological analysis of cell nuclei," Computers in Biology and Medicine Vol. 37, No. 9, pp. 1334-1341, 2007. 

    상세보기 crossref

  12. K. Rodenacker and E. Bengtsson, "A Feature set for cytometry on digitized microscopic images," Analytical Cellular Pathology, Vol. 25, pp. 1-36, 2003. 

    상세보기 crossref

  13. L.E. Boucheron, "Object-and spatial-level quantitative analysis of multispectral histopathology images for detection and characterization of cancer," Ph.D. Thesis, 2008. 

  14. R.M. Haralick, K. Shanmugam and I. Dinstein, "Texture Feature for Image Classification," IEEE Trans. On System, Man, and Cybernetics, Vol. SMC-3, No. 6, pp. 610-624, 1973. 

    상세보기 crossref

저자의 다른 논문 :

관련 콘텐츠

저작권 관리 안내
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