허혈성 뇌졸중을 위한 뇌 자기공명영상의 의미적 특징 기반 템플릿 중심 의료 영상 매핑 기법 Brain MRI Template-Driven Medical Images Mapping Method Based on Semantic Features for Ischemic Stroke원문보기
허혈성 뇌졸중은 뇌혈관의 혈전이나 색전에 의해 뇌 혈류가 감소하게 되어 뇌 조직이 기능을 못하는 질환으로, 질환의 특성상 뇌혈관의 폐색 여부를 확인하는 것이 중요하기 때문에 질환의 진단에 있어서 의료 영상이 필수적으로 활용된다. 그 중에서도 뇌 자기공명영상은 뇌의 구조적인 정보들을 얻을 수 있어 질환을 진단하는데 그 지표로 널리 활용되고 있다. 하지만 허혈성 뇌졸중과 같은 응급 질환의 경우 빠른 진단과 처치에 도움이 될 수 있는 지능적인 시스템이 요구됨에 비해, 기존의 의료 영상 저장 시스템으로는 신속하고 직관적인 영상 정보 제공이 어렵다. 즉, 기존의 시스템은 피상적인 메타 데이터를 이용하여 의료 영상을 관리하고 있어 의료 영상에 내재된 주요 의미적 정보를 고려하지 못하고 있다. 따라서 본 논문에서는 뇌 자기공명영상이 내포하고 있는 주요 의미적인 정보인 뇌의 해부학적 구조와 같은 영상 정보를 제공할 수 있도록 하는 템플릿 중심의 영상 매핑 기법을 제안하고자 한다. 제안하는 기법은 방대한 양의 영상을 대표할 수 있는 대표 영상(템플릿)을 선정하여 의미적 특징과 대표 영상(템플릿) 사이의 대응성을 정립하고, 전문가(의사)에 의해서만 분석될 수 있는 영상 사이의 의미적 연관성을 표면화 시켜 의미 기반의 영상 관리를 가능케 한다.
허혈성 뇌졸중은 뇌혈관의 혈전이나 색전에 의해 뇌 혈류가 감소하게 되어 뇌 조직이 기능을 못하는 질환으로, 질환의 특성상 뇌혈관의 폐색 여부를 확인하는 것이 중요하기 때문에 질환의 진단에 있어서 의료 영상이 필수적으로 활용된다. 그 중에서도 뇌 자기공명영상은 뇌의 구조적인 정보들을 얻을 수 있어 질환을 진단하는데 그 지표로 널리 활용되고 있다. 하지만 허혈성 뇌졸중과 같은 응급 질환의 경우 빠른 진단과 처치에 도움이 될 수 있는 지능적인 시스템이 요구됨에 비해, 기존의 의료 영상 저장 시스템으로는 신속하고 직관적인 영상 정보 제공이 어렵다. 즉, 기존의 시스템은 피상적인 메타 데이터를 이용하여 의료 영상을 관리하고 있어 의료 영상에 내재된 주요 의미적 정보를 고려하지 못하고 있다. 따라서 본 논문에서는 뇌 자기공명영상이 내포하고 있는 주요 의미적인 정보인 뇌의 해부학적 구조와 같은 영상 정보를 제공할 수 있도록 하는 템플릿 중심의 영상 매핑 기법을 제안하고자 한다. 제안하는 기법은 방대한 양의 영상을 대표할 수 있는 대표 영상(템플릿)을 선정하여 의미적 특징과 대표 영상(템플릿) 사이의 대응성을 정립하고, 전문가(의사)에 의해서만 분석될 수 있는 영상 사이의 의미적 연관성을 표면화 시켜 의미 기반의 영상 관리를 가능케 한다.
Ischemic stroke is a disease that the brain tissues cannot function by reducing blood flow due to thrombosis or embolisms. Due to the nature of the disease, it is most important to identify the status of cerebral vessel and the medical images are necessarily used for its diagnosis. Among many indica...
Ischemic stroke is a disease that the brain tissues cannot function by reducing blood flow due to thrombosis or embolisms. Due to the nature of the disease, it is most important to identify the status of cerebral vessel and the medical images are necessarily used for its diagnosis. Among many indicators, brain MRI is most widely utilized because experts can effectively obtain the semantic information such as cerebral anatomy aiding the diagnosis with it. However, in case of emergency diseases like ischemic stroke, even though a intelligent system is required for supporting the prompt diagnosis and treatment, the current systems have some difficulties to provide the information of medical images intuitively. In other words, as the current systems have managed the medical images based on the basic meta-data such as image name, ID and so on, they cannot consider semantic information inherent in medical images. Therefore, in this paper, to provide core information like cerebral anatomy contained in brain MRI, we suggest a template-driven medical images mapping method. The key idea of the method is defining the mapping characteristics between anatomic feature and representative images by using template images that can be representative of the whole brain MRI image set and revealing the semantic relations that only medical experts can check between images. With our method, it will be possible to manage the medical images based on semantic.
Ischemic stroke is a disease that the brain tissues cannot function by reducing blood flow due to thrombosis or embolisms. Due to the nature of the disease, it is most important to identify the status of cerebral vessel and the medical images are necessarily used for its diagnosis. Among many indicators, brain MRI is most widely utilized because experts can effectively obtain the semantic information such as cerebral anatomy aiding the diagnosis with it. However, in case of emergency diseases like ischemic stroke, even though a intelligent system is required for supporting the prompt diagnosis and treatment, the current systems have some difficulties to provide the information of medical images intuitively. In other words, as the current systems have managed the medical images based on the basic meta-data such as image name, ID and so on, they cannot consider semantic information inherent in medical images. Therefore, in this paper, to provide core information like cerebral anatomy contained in brain MRI, we suggest a template-driven medical images mapping method. The key idea of the method is defining the mapping characteristics between anatomic feature and representative images by using template images that can be representative of the whole brain MRI image set and revealing the semantic relations that only medical experts can check between images. With our method, it will be possible to manage the medical images based on semantic.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
1절에서 알아본 바와 같이 피상적인 메타데이터(영상 식별번호, 이름, 생성 날짜 등)로 구성되어 있어 영상에 내재된 의미적인 정보가 결여되어 있다는 한계가 존재한다. 따라서 본 논문에서는 기존의 PACS 메타데이터의 기본 정보와 더불어 활용될 수 있는 템플릿 매핑 정보를 영상의 데이터 모델 규격으로 정의하고자 한다. 제안하는 모델은 기존 데이터 규격에 덧붙여 영상의 의미적 정보를 표면화 시키고, 이를 기반으로 영상을 검색하고 관리할 수 있는 기반을 구축한다.
따라서 본 논문에서는 뇌 자기공명영상 자체에 내재된 의미적인 정보(질병에 있어서 필수적으로 파악해야 하는 정보)를 기반 지식으로서 모델링하고, 영상이 갖고 있는 의미적 정보를 효과적으로 드러낼 수 있는 템플릿 중심의 영상 매핑 기법을 제안한다. 즉, 영상에 내재되어 있는 의미적인 정보를 드러내어, 전문가의 사고 과정을 통해 확인될 수 있던 의미적인 연관성을 지능적으로 제공할 수 있도록 하여, 보다 직관적인 이해를 도울 수 있는 의미 기반의 영상 관리 기법을 제안하는 바이다.
또한 본 논문에서 타겟 질환으로 선정한 허혈성 뇌졸중의 경우 골든타임 내의 빠른 응급처치가 필요한 질환이므로 신속한 영상 정보 제공이 요구된다. 따라서 본 논문에서는 방대한 양의 영상 프레임 중에서 허혈성 뇌졸중 진단에 있어 필수적인 정보를 보유한 프레임을 선별하여 대표 영상(템플릿)으로 선정하고, 우선적으로 확인해야 하는 영상 정보를 제시하고자 한다.
두 번째로, 의미 데이터란 영상에 내재되어 전문가의 해석을 통해서만 얻을 수 있는 정보로 질환에 있어 핵심적인 정보를 말한다. 따라서 본 논문에서는 영상에 내재된 의미 정보가 들어가 있는 메타 데이터와 의미 데이터를 영상 레포트지를 통하여 추출하고자 한다. 보통 영상 레포트지는 표준으로 규정된 것은 없으나, 사례 데이터를 분석하여 공통적으로 추출될 수 있는 다음과 같은 항목을 뇌 자기공명영상의 질병 연관 특징(의미적 정보)으로 정의하였다.
많은 의료 전문가들은 의료 시스템의 선진화를 위해서는 의료 영상의 효과적인 정보 제공이 필연적으로 요구되며, 이를 위해서는 앞서 언급한 뇌 구조 정보와 같은 영상의 의미적 정보를 바탕으로한 영상 정보 제공이 수행되어야 한다고 말한다. 따라서 본 논문에서는 위와 같은 문제점을 개선하기 위해 신속한 진단이 요구되는 응급 질환인 허혈성 뇌졸중과 해당 질환의 진단의 지표로 활용되는 자기공명영상을 적용 사례로 선정하여, 영상에 내재된 필수적인 의미적 정보를 표면화 시킬 수 있는 템플릿 중심의 영상 매핑 기법을 제안한다.
그러나 급성기 응급 질환의 경우, 응급실에서의 초기 대응이 생명과 직결되어 의료 분쟁화가 되고 있는 것과 같이, 현재의 응급 의료 시스템에서는 신속한 진단과 처치를 실현하기 어려운 문제점들이 존재하여 응급 의료의 선진화가 더욱이 요구되는 상황이다[2]. 따라서 본 논문에서는 응급 의료 선진화를 위한 하나의 영상 관리 기법으로써, 허혈성 뇌졸중을 위한 효과적인 영상 정보 제공 기법을 제안하고자 한다.
그러나 기존의 PACS는 내부적으로 영상을 관리함에 있어 이와 같은 의미적 정보가 배제되어 있기 때문에, 사용자가 해당 영상이 가지고 있는 의미적인 정보를 단시간에 용이하게 파악하기 어렵다. 따라서 본 논문에서는 이와 같은 의미적 정보를 표면화 시킬 수 있는 템플릿 중심의 영상 매핑 기법을 제안하고자 한다.
또한 대부분의 프레임들은 주로 연속하는 프레임이기 때문에 중복되는 경우가 많아 이를 삭제해서 대표하는 프레임만 보여준다면 훨씬 효과적일 수 있다. 따라서 본 논문에서는 이와 같은 프레임의 중복성과 영상의 대표성을 고려하여, 대표 영상을 기반으로 영상 정보를 함축적으로 표현함으로써 신속한 진단을 가능케 하고자 한다. 이를 위해, 영상의학과 전문의의 검증을 통하여 허혈성 뇌졸중 질환에 있어서 우선적으로 파악해야 하는 뇌 기관 정보를 추출하였으며, Fig.
그러나 방대한 프레임에 내재된 영상 정보를 모두 표면화하는 것과 더불어 응급 상황 시에 모든 프레임을 단시간에 확인하는 것은 매우 어려운 문제이다. 따라서 본 논문에서는 전문가의 검증을 통해 수백 장의 프레임 중에서 질환의 진단에 있어 우선적으로 고려해야 하는 정보가 내포된 프레임을 대표 영상(템플릿)으로 선별하고, 이를 기반으로 해부학적 구조에 대응되는 영상을 매핑시킬 수 있는 템플릿 중심의 영상 매핑 기법을 제안한다.
본 논문에서는 PACS가 지니는 이와 같은 특성 중, ③ 특성(시스템 내부적으로 영상의 표준 규격 보유)에 대한 한계에 주목하여, 영상에 내재된 의미적 특징을 드러낼 수 있는 영상 정보 제공 기법을 제시한다. 보통 영상의 정보를 표현 함에 있어 가장 널리 활용되는 것은 메타 데이터이다.
본 논문에서는 의미 기반 의료 영상 정보 제공을 위한 프로세스를 정의하여 이를 기반으로 한 템플릿 중심의 의료 영상 매핑 기법을 제안하였다. 먼저 질환과 영상의 종류에 따른 특수성을 고려하여 허혈성 뇌졸중과 뇌 자기공명영상을 적용 사례로 선정하였고, 영상에 내재된 주요 의미 정보인 뇌의 해부학적 구조와 질병 연관 특징을 추출하여 지식 모델로 구축하여 의미적 특징을 추출하였다.
그리고 혈관조영영상의 영상 정보를 집약적으로 표현할 수 있는 대표 템플릿 이미지로 관상동맥 조영도를 선별하여 의미 기반 영상 정보 제공 프로세스에 적용할 수 있다. 본 논문에서는 적용할 수 있는 다양한 사례 중, 허혈성 뇌졸중과 뇌 자기공명영상에 초점을 맞추어 제안한 프로세스를 적용하고자 한다.
따라서 본 논문에서는 뇌 자기공명영상 자체에 내재된 의미적인 정보(질병에 있어서 필수적으로 파악해야 하는 정보)를 기반 지식으로서 모델링하고, 영상이 갖고 있는 의미적 정보를 효과적으로 드러낼 수 있는 템플릿 중심의 영상 매핑 기법을 제안한다. 즉, 영상에 내재되어 있는 의미적인 정보를 드러내어, 전문가의 사고 과정을 통해 확인될 수 있던 의미적인 연관성을 지능적으로 제공할 수 있도록 하여, 보다 직관적인 이해를 도울 수 있는 의미 기반의 영상 관리 기법을 제안하는 바이다.
제안 방법
질환의 종류에 따라 필수적인 정보가 다르고 영상의 종류에 따라 내재된 정보가 다르기 때문에, 먼저 타겟 질환과 타겟 영상 모달리티를 선정하여야 한다. 다음으로 영상이 담고 있는 정보를 나타낼 때 기반이 될 수 있는 지식 베이스(영상에 내재된 해부학적 정보, 질환에 연관된 정보)를 모델링한다. 마지막으로 질환과 관련되어 필수적인 특징들을 보유하고 있는 대표 영상(템플릿을) 선별하여 의미 기반의 효과적인 의료 영상 정보 제공을 위한 기반을 구축한다.
허혈성 뇌졸중의 경우는 허혈이 발생한 병변 정보로 뇌혈관 정보가 중요하지만, 허혈이 발생한 위치에 따라 혈액이 공급되지 않게 되어 문제가 발생한 기관 정보 역시 필수적인 정보가 된다. 따라서 뇌혈관과 뇌 기관 정보를 모두 지식 베이스에 포함함으로써 의미 기반의 영상 정보 제공을 위한 지식을 구축하였다. 이와 같은 해부학적 모델은 기존에 의료 전문가들 사이에 알고 있는 지식을 계층적으로 구조화함에 따라, 다음으로 추출하게 될 질병 연관 특징과 대응될 수 있는 도메인 데이터 모델의 역할을 한다.
또한 영상 자체가 질환과 관련되어 내포하고 있는 질병 연관 특징 역시 의미 기반의 영상 정보 제공을 위한 기반 지식이 된다. 따라서 본 논문에서 구축한 기반 지식은 크게 해부학적 구조(뇌 구조) 특징과 질병 연관 특징으로 나뉜다.
이는 기존에 전문가에 의해서 파악할 수 있던 의미적인 의학 정보를 구조화한 것으로, 의미 기반의 영상 정보 제공의 기반이 된다. 또한 템플릿을 중심으로 의미적인 특징 정보가 표면화 될 수 있는 하나의 분석 기법으로서 의료 영상 매핑 기법을 소개하였다. 제안한 기법은 영상에 내재된 해부학적 특징(의미적 특징) 정보와 영상 간의 대응성과 표면화 될 수 있는 의미적인 연관성을 보여주어 의미 기반의 영상 관리 서비스의 베이스 모델이 될 수 있다.
먼저 질환과 영상의 종류에 따른 특수성을 고려하여 허혈성 뇌졸중과 뇌 자기공명영상을 적용 사례로 선정하였고, 영상에 내재된 주요 의미 정보인 뇌의 해부학적 구조와 질병 연관 특징을 추출하여 지식 모델로 구축하여 의미적 특징을 추출하였다. 마지막으로 이를 효과적으로 보여 줄 수 있는 대표 영상을 선별하여 각 프로세스 단계에 맞게 적용하였다. 이는 기존에 전문가에 의해서 파악할 수 있던 의미적인 의학 정보를 구조화한 것으로, 의미 기반의 영상 정보 제공의 기반이 된다.
다음으로 영상이 담고 있는 정보를 나타낼 때 기반이 될 수 있는 지식 베이스(영상에 내재된 해부학적 정보, 질환에 연관된 정보)를 모델링한다. 마지막으로 질환과 관련되어 필수적인 특징들을 보유하고 있는 대표 영상(템플릿을) 선별하여 의미 기반의 효과적인 의료 영상 정보 제공을 위한 기반을 구축한다.
본 논문에서는 의미 기반 의료 영상 정보 제공을 위한 프로세스를 정의하여 이를 기반으로 한 템플릿 중심의 의료 영상 매핑 기법을 제안하였다. 먼저 질환과 영상의 종류에 따른 특수성을 고려하여 허혈성 뇌졸중과 뇌 자기공명영상을 적용 사례로 선정하였고, 영상에 내재된 주요 의미 정보인 뇌의 해부학적 구조와 질병 연관 특징을 추출하여 지식 모델로 구축하여 의미적 특징을 추출하였다. 마지막으로 이를 효과적으로 보여 줄 수 있는 대표 영상을 선별하여 각 프로세스 단계에 맞게 적용하였다.
추출된 질병 연관 특징은 영상 프로토콜(기법) 정보, 뇌 구조 정보, 뇌 이상성 정보의 3가지 타입으로 분류된다. 이는 실제 영상을 해석하여 얻을 수 있는 영상에 내재된 의미적인 정보로 질환의 진단을 내리기 위해 필수적인 요소가 되므로, 효과적인 영상 정보 제공을 위한 의미적 특징 요소로 추출하여 기반 지식을 구축하였다.
따라서 본 논문에서는 이와 같은 프레임의 중복성과 영상의 대표성을 고려하여, 대표 영상을 기반으로 영상 정보를 함축적으로 표현함으로써 신속한 진단을 가능케 하고자 한다. 이를 위해, 영상의학과 전문의의 검증을 통하여 허혈성 뇌졸중 질환에 있어서 우선적으로 파악해야 하는 뇌 기관 정보를 추출하였으며, Fig. 4에서 볼 수 있듯이 하나의 영상 전체 프레임으로부터 필수 정보를 보유한 영상을 선별하였다. 이를 기반으로 4장에서는 대표 영상에 내재된 의미적 정보를 표면화 시킬 수 있는 의료 영상 매핑 기법에 대해 소개하고자 한다.
따라서 본 논문에서는 기존의 PACS 메타데이터의 기본 정보와 더불어 활용될 수 있는 템플릿 매핑 정보를 영상의 데이터 모델 규격으로 정의하고자 한다. 제안하는 모델은 기존 데이터 규격에 덧붙여 영상의 의미적 정보를 표면화 시키고, 이를 기반으로 영상을 검색하고 관리할 수 있는 기반을 구축한다. 본 논문에서 제안하는 매핑 정보 모델 규격은 Table 4와 같이 정의할 수 있다.
제안하는 영상 매핑 기법은 특정 질환의 특수성을 반영한 영상의 의미적 정보를 추출하여 기반 지식으로 모델링하고, 구축된 지식 모델을 기반으로 영상에 내재된 의미적 특징 간의 연관성을 영상 사이의 연관성으로 매핑시켜 표면화하는 방식으로 구성되어 있다. 이를 위해 본 논문에서 선정한 적용 사례는 허혈성 뇌졸중과 뇌 자기공명영상으로 해당 영상을 한번 촬영하게 되면 보통 200∼300개의 많은 양의 프레임이 얻어진다.
또한 템플릿을 중심으로 의미적인 특징 정보가 표면화 될 수 있는 하나의 분석 기법으로서 의료 영상 매핑 기법을 소개하였다. 제안한 기법은 영상에 내재된 해부학적 특징(의미적 특징) 정보와 영상 간의 대응성과 표면화 될 수 있는 의미적인 연관성을 보여주어 의미 기반의 영상 관리 서비스의 베이스 모델이 될 수 있다. 향후에는 제안한 기법을 실제 임상 자료에 적용하여 기존 시스템과의 비교 및 효용성 검증을 수행하고, 이를 적용할 수 있는 서비스를 설계하여 실제 인터페이스 개발을 통한 서비스 실현 및 다른 모달리티의 영상을 분석하여 다중 영상의 융합 데이터 모델을 제시할 계획이다.
대상 데이터
3장에서 선정한 대표 영상(템플릿)은 허혈성 뇌졸중 질환의 진단에 있어 필수적으로 분석되어야 하는 정보를 포함하고 있는 13개의 영상 프레임이다. 이 템플릿에 내재된 의미적 정보는 뇌의 해부학적인 구조 정보로 크게 혈관, 기관, 뇌의 영역 정보 등이 있으며 총 49가지의 영상 특징 정보로 요약된다.
컴퓨터 단층촬영영상은 뇌출혈의 파악이 용이하며 뇌 자기공명영상은 뇌경색이 발생한 부위 구분이 수월하다는 장점이 있다. 그러나 허혈성 뇌졸중은 뇌혈관의 폐색으로 인한 경색을 필수적으로 확인해야 하는 질환이므로, 본 논문에서는 뇌 자기공명영상을 타겟 영상으로 선정하였다.
이를 위해 본 논문에서 선정한 적용 사례는 허혈성 뇌졸중과 뇌 자기공명영상으로 해당 영상을 한번 촬영하게 되면 보통 200∼300개의 많은 양의 프레임이 얻어진다.
성능/효과
다음 단계에서는 의미 기반의 영상 정보 제공을 위한 지식 베이스를 구축한다. 3.2절에서 분석한 바와 같이 뇌 자기 공명영상은 뇌의 해부학적인 구조를 기반으로 병변의 위치와 정도를 나타내기 때문에, 이에 대한 정보를 제공하기 위해서는 뇌 구조 모델이 지식 베이스에 포함되어야 한다. 또한 영상 자체가 질환과 관련되어 내포하고 있는 질병 연관 특징 역시 의미 기반의 영상 정보 제공을 위한 기반 지식이 된다.
후속연구
그러나 현재의 PACS는 방대한 영상 데이터를 획득, 전송, 저장하기 어려운 기술적인 한계를 가지고 있다. 또한 본 논문에서 타겟 질환으로 선정한 허혈성 뇌졸중의 경우 골든타임 내의 빠른 응급처치가 필요한 질환이므로 신속한 영상 정보 제공이 요구된다. 따라서 본 논문에서는 방대한 양의 영상 프레임 중에서 허혈성 뇌졸중 진단에 있어 필수적인 정보를 보유한 프레임을 선별하여 대표 영상(템플릿)으로 선정하고, 우선적으로 확인해야 하는 영상 정보를 제시하고자 한다.
제안한 기법은 영상에 내재된 해부학적 특징(의미적 특징) 정보와 영상 간의 대응성과 표면화 될 수 있는 의미적인 연관성을 보여주어 의미 기반의 영상 관리 서비스의 베이스 모델이 될 수 있다. 향후에는 제안한 기법을 실제 임상 자료에 적용하여 기존 시스템과의 비교 및 효용성 검증을 수행하고, 이를 적용할 수 있는 서비스를 설계하여 실제 인터페이스 개발을 통한 서비스 실현 및 다른 모달리티의 영상을 분석하여 다중 영상의 융합 데이터 모델을 제시할 계획이다.
질의응답
핵심어
질문
논문에서 추출한 답변
허혈성 뇌졸중이란 무엇인가?
허혈성 뇌졸중(ischemic stroke)이란 뇌혈관에 혈전이나 색전이 발생하여 뇌 혈류가 감소하게 되어 뇌 조직이 기능을 못하는 상태를 말하는 것으로, 보통 혈관의 폐색에 의한 중심 부위와 반음영 조직이 존재한다[1]. 허혈성 뇌졸중의 치료 목표는 막힌 혈관을 개통함으로써 허혈성 반음영 조직을 되살리는 것으로, 골든타임 내의 빠른 진단과 신속한 처치가 요구 되는 국내 3대 중증 응급 질환으로 꼽힌다.
본 논문에서는 어떠한 문제를 해결하기 위해 허혈성 뇌졸중을 위한 효과적인 영상 정보 제공 기법을 제안하였는가?
허혈성 뇌졸중의 치료 목표는 막힌 혈관을 개통함으로써 허혈성 반음영 조직을 되살리는 것으로, 골든타임 내의 빠른 진단과 신속한 처치가 요구 되는 국내 3대 중증 응급 질환으로 꼽힌다. 그러나 급성기 응급 질환의 경우, 응급실에서의 초기 대응이 생명과 직결되어 의료 분쟁화가 되고 있는 것과 같이, 현재의 응급 의료 시스템에서는 신속한 진단과 처치를 실현하기 어려운 문제점들이 존재하여 응급 의료의 선진화가 더욱이 요구되는 상황이다 [2]. 따라서 본 논문에서는 응급 의료 선진화를 위한 하나의 영상 관리 기법으로써, 허혈성 뇌졸중을 위한 효과적인 영상 정보 제공 기법을 제안하고자 한다.
심·뇌혈관 센터에 특화된 영상 저장 시스템을 적용하는 시도가 확산되는 추세인 이유는 무엇인가?
최근에는 병원의 처방 전달시스템(OCS) 및 전자의무 기록(EMR) 시스템과의 연동 기술로 인해 진료 시에도 환자의 영상을 조회 가능하도록 개발되어 많은 병원으로 보급되고 있다[3]. 특히 질환의 특성상, 의료 영상의 중요도가 높은 심·뇌혈관 질환과 같은 경우 많은 양의 의료 영상을 전송해야 하므로, 심·뇌혈관 센터에 특화된 영상 저장 시스템을 적용하는 시도 역시 확산되고 있는 추세이다[4]. 이와 같은 추세를 반영하여 현재의 많은 연구 기관에서는 기존의 PACS가 지니는 몇 가지 특성들에 주목한 연구들이 Table 1과 같이 시도되고 있다.
참고문헌 (16)
S. U. Kwon, "Treatment of acute ischemic stroke: Thrombolysis," Korean Journal of Cerebrovasular Disease, Vol.3, No.2, pp.113-118, 2001.
K. H. Baek, "Analysis and consideration of the cases related to emergency medical care - Focusing on the three major emergent diseases severe acute," Korean Journal of Medicine and Law, Vol.22, No.2, pp.57-86, 2013.
H. J. Kim and C. L. Lee, "PACS and medical imaging display systems," Journal of the Korean Society for Precision Engineering, Vol.25, No.1, pp.22-34, 2008.
J. S. Kim and M. S. Cho, "Introduction and application for cardiocerebralvascular center," Korean Journal of Digital Imaging Medical, Vol.12, No.1, pp.9-14, 2010.
F. Valente, C. Viana-Ferreira, C. Coasta, and J. L. Oliveira, "A RESTful image gateway for multiple medical image repositories," IEEE Transaction: Information Technology in Biomedicine, Vol.16, No.3, pp.356-364, 2012.
H. Greenspan and A. T. Pinhas, "Medical image categorization and retrieval for PACS using the GMM-KL framework," IEEE Transactions: Information Technology in Biomedicine, Vol.11, No.2, pp.190-202, 2007.
Y. Tao, Z. Peng, A.Krishman, and X. S. Zhou, "Robust learning-based parsing and annotation of medical radiographs," IEEE Transactions: Medical Imaging, Vol.30, No.2, pp.338-350, 2011.
The Log Metadata Element of PACS standard (TTA standard). TTAK.OT-10.0245.
S. Gupta, A. Mishara, and R. Menaka, "Ischemic stroke detection using image processing and ANN," in Proceeding of the International Conference on Advanced in Computing, Communications and Information, Ramanathapuran, pp.1416-1420, 2015.
P. R. Mirajkar, A. Singh, K. A. Bhagwat, and M. E. Ashalatha, "Acute ischemic stroke detection using wavelet based fusion of CT and MRI image," in Proceeding of the International Conference on Advanced in Computing, Communications and Information, Kochi, pp.1123-1130, 2015.
G. T. Oh, H. B. Jang, U. J. Do, and H. Y. Lee, "Multimedia processing: Reversible watermarking based on predicted error histogram for medical imagery," KIPS Transaction on Software and Data Engineering, Vol.4, No.5, pp.231-240, 2015.
H. J. Kim and S. H. Gwak, "A parametric image enhancement technique for contrast-enhanced ultrasonography," KIPS Transaction on Software and Data Engineering, Vol.3, No.6, pp.231-236, 2014.
I. S. Cho and H. S. Kwon, "Efficient sharing system of medical information for interoperability between PACS system," Journal of the Korea Institute of Information and Communication Engineering, Vol.13, No.3, pp.498-504, 2009.
Peter D. Schellinger, et al, "A standardized MRI stroke protocol comparison with CT in hyperacute intracerebral hemorrhage," American Heart & Stroke Association: Stroke, Vol.30, No.4, pp.765-768, 1999.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.