최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국멀티미디어학회지, v.19 no.3, 2015년, pp.27 - 35
최현주 (김해 의생명센터) , 최정현 (김해 의생명센터) , 최흥국 (인제대학교 컴퓨터공학부)
초록이 없습니다.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
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. |
R.C. Gonzalez, R.E. Wools, "Digital image processing" Prentice Hall, pp. 689-787, 2008.
J.R. Parker, "Algorithms for image processing and computer vision" John-Wiley & Sons, pp. 116-149, 1997.
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.
C. Xu, DL. Pham and JL. Prince, "Medical image segmentation using deformable models" SPIE Press, pp. 129-174, 2000.
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.
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.
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.
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.
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
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.
K. Rodenacker and E. Bengtsson, "A Feature set for cytometry on digitized microscopic images," Analytical Cellular Pathology, Vol. 25, pp. 1-36, 2003.
L.E. Boucheron, "Object-and spatial-level quantitative analysis of multispectral histopathology images for detection and characterization of cancer," Ph.D. Thesis, 2008.
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.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.