[논문]홍채학기반이 질병예측을 위한 홍채인식 알고리즘

조영복; 우성희; 이상호

doi:10.6109/jkiice.2017.21.1.107

홍채학기반이 질병예측을 위한 홍채인식 알고리즘
An Iris Detection Algorithm for Disease Prediction based Iridology 원문보기

한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.21 no.1, 2017년, pp.107 - 114

조영복 (Department of Computer Science, Chungbuk National University) , 우성희 (Department of of Medical Information&Engineering, Korea National University of Transportation) , 이상호 (Department of Computer Science, Chungbuk National University)

초록
AI-Helper

홍채진단은 홍채의 패턴, 색 등 다른 특징들을 조사하여 환자의 병을 진단하는 대체의학이다. 이 논문에서는 촬영한 홍채이미지의 차영상을 이용해 홍채를 분석하고 홍채 변화에 따른 환자의 건강진단에 활용한 질병예측 알고리즘을 제안한다. 그러나 기존의 연구는 홍채영상을 이용하여 홍채 내의 특정 패턴을 검출하는 알고리즘 연구로 홍채의 다양한 정보로부터 건강 상태를 체크하는 진단시스템으로 사용하기에는 부족하다. 따라서 이 논문에서는 촬영된 홍채영상의 차영상을 이용해 질병의 조기 진단 및 질병의 전개과정을 명확히 판단한다. 또한 홍채영상으로부터 8가지 주요 홍채병소징후를 추출하고 검진의 정확도를 실험한 결과 패턴 매칭 기법에 의한 인식률 91%로 홍채진단의 자동화에 적용 가능하다.

Abstract ▼ AI-Helper

Iris diagnosis is an alternative medicine to diagnose the disease of the patient by using different of the iris pattern, color and other characteristics. This paper proposed a disease prediction algorithm that using the iris regions that analyze iris change to using differential image of iris image. this method utilize as patient's health examination according to iris change. Because most of previous studies only find a sign pattern in a iris image, it's not enough to be used for a iris diagnosis system. We're developed an iris diagnosis system based on a iris images processing approach, It's presents the extraction algorithms of 8 major iris signs and correction manually for improving the accuracy of analysis. As a result, PNSR of applied edge detection image is about 132, and pattern matching area recognition presented practical use possibility by automatic diagnostic that presume situation of human body by iris about 91%.

주제어

AI 본문요약
AI-Helper

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

문제 정의

홍채는 신체의 체질, 유전적인 결점, 건강의 정도와 사람이 살아온 방식에 따라 몸에서 일어나는 변화를 나타낸다. 홍채사인의 형상, 크기, 색깔 및 위치는 명백히 나타내는 병에 대한정보를 제공한다. 홍채 사인은 병이 기능의 장애 때문인지, 조직의 장애 때문인지 보여줄 수 있다[2,6,7].

제안 방법

동공을 원으로 가정할 경우에는 수식⑷와 같은 원의 방정식은 파라미터 공간의 방정식은 수식⑸으로나타낼 수 있다. 그러나 눈썹이 홍채 영역에 침범하는 경우에 이를 탐지하기 위해서 동공 영역으로부터 좌/우일정 영역에 대하여 선 검출 기법을 이용하여 선 성분을 조사한다. 선 성분 검출을 위해 사용된 마스크로 선 성분을 조사하고 그 선 성분의 끝점이 동공 중심보다 아래쪽에 위치하면 눈썹이 홍채 영역에 침범한 것으로 판단한다[8,9].
Vertical 마스크는 수직선을 검출할 수 있다. 또한 수식 6을 이용해 두 영상 각각의 홍채 영상의 밝기와 대조도를 맞추기 위하여 각 영상에서 픽셀 값의 평균과 표준편차를 일치시킨다. A, B 두 영상의 평균과 표준편차를 각각 m_A, m_B, σ_A, σ_B라고 하면 B 영상의 픽셀값 PB를 다음과 같이 변환시킨다.
스마트 디바이스를 이용해 시간차를 두고 연속 촬영한 홍채 영상에서 부호가 서로 다른 두 개의 인접 픽셀로 획득한 홍채 이미지에서 질병 진단을 위해 홍채 영상안의 캐니 경계 검출자(canny edge operation)을 이용해 홍채 영역만을 검출하고 두 영상의 차 영상을 이용해 영역 인식 패턴 영상과 패턴매칭을 시켜 홍채영상의 변화를 기반으로 질병의 조기 진단(유전적 질병예측) 및 질병의 전개과정을 나타낸다[12-14].
시간 간격을 두고 촬영한 홍채영상을 엣지 검출 기법으로 홍채영상의 엣지를 검출한다. 영상은 그레이 레벨 0∼255 사이의 값 계산.
시간 간격을 두고 촬영한 홍채영상을 케니 경계 검출자를 이용하여 홍채 영역을 검출하고, 선 성분 검출 기법을 이용하여 홍채영역에 눈썹 침범여부를 확인하여 침범 하였을 경우 눈썹 부분을 제거하여 홍채 영역을 검출.
시간 간격을 두고 촬영한 홍채영상의 차 영상을 계산.
이 논문에서는 스마트 디바이스를 이용해 연속 촬영한 홍채영상을 기반으로 홍채의 밝기와 대조도를 이용해 질병의 조기 진단 및 예방에 활용한다.
이것은 임계값을 결정하여 필요한 엣지를 검출한다. 홍채영상의 진단은 작은 엣지도 중요한 정보이므로 세밀한 엣지를 검출하고 처리속도를 고려하여 이 기법을 적용한다. 라플라시안 연산자의 마스크는 그림 6의 b와 같은 값으로 컨버루션 한다.
스마트 디바이스를 이용해 홍채를 촬영한 후 촬영이미지에서 병변을 추출하여 병변 이미지를 획득한다. 획득된 홍채이미지는 컬러이미지로 홍채학적 병변을 추출하기위해 라플라시안 경계 검출자로 획득한 홍채 원본 이미지의 픽셀 밝기를 조절한다. 픽셀 발기조절함수는 식 1, 식 2와 같다[10,11].

대상 데이터

스마트 디바이스를 이용해 홍채를 촬영한 후 촬영이미지에서 병변을 추출하여 병변 이미지를 획득한다. 획득된 홍채이미지는 컬러이미지로 홍채학적 병변을 추출하기위해 라플라시안 경계 검출자로 획득한 홍채 원본 이미지의 픽셀 밝기를 조절한다.
제안된 홍채진단 영역인식 시스템의 결과를 확인하기 위해 표 1과 같은 환경에서 스마트 디바이스를 이용해 촬영한 홍채 영상 이미지 30개를 대상으로 실험하였다.

데이터처리

그림 8은 실험에 사용된 입력 영상으로 스마트 디바이스에서 전안부 영상에 대해 홍채 영역을 포함하는 원을 3명의 검사자가 수동으로 작성한 후, 제안한 방법을 적용한 결과와 허프 변환 기반 방법, Daugman의 방법을 적용한 결과와 간의 비교 분석을 수행하였다.

이론/모형

라플라시안 연산자의 마스크는 그림 6의 b와 같은 값으로 컨버루션 한다. 따라서 Kirsch 8방향 1차 미분과 라플라시안 2차 미분의 특성을 적용한 Kirsch-Laplacian 엣지 검출기법으로 홍채 영상의 엣지 패턴을 얻는다.
홍채의 외부 경계는 내부 경계로부터 좌측 하단 방향으로 픽셀 값들의 차 중 최댓값, 즉 MaxI(x,y)-I(x+1,y+1)을 찾아서 검출한다. 홍채의 동공은 원 중심의 후보 점을 찾기 위해 외곽선의 연결 요소를 중 특정 거리에 위치한 두 점을 연결하고 그 연결선을 양분하는 각 수직선들 사이의 교차점의 빈도수를 최대 빈도수 결정(maximal frequency determination)방법을 이용해 계산한다. 허프 변환(Hough Transform)이라는 2차원 공간 영상(spatial image space)을 물체의 특성을 볼 수 있는 파라미터 공간(parameter space)으로 변환해서 물체를 검출(detection)하는 방법으로 우선 그레이 영상을 경계 연산자를 기반으로 이진영상으로 바꾼다.

성능/효과

이 논문에서는 스마트 디바이스를 이용해 획득된 홍채 영상에서 잡음을 제거하고 검출된 엣지의 위치 판별을 기반으로 홍채영상에서 경계부분을 추출한 후 원 중심의 후보 점을 찾기 위해 외곽선의 연결 요소들 중 특정 거리에 위치한 두 점을 연결하여 교차점의 빈도수를 실험 결과 기준영역 인식패턴과 차 영상의 패턴 매칭을 시행한 결과 평균 91% 병변 인식률을 보였다.

후속연구

홍채진단을 위한 엣지 검출 기법으로 Kirsch-Laplacian을 적용한 결과 비교적 높은 PSNR을 갖기 때문에 홍채 엣지 검출 기법으로 활용도가 높다. 패턴 매칭 기법에 의한 병변 인식률 91%를 얻어 홍채진단의 자동화에 적용 가능하고 보다 정확한 결과를 위해 홍채와 관계되는 의료정보와 홍채 촬영시 빛의 영향을 최소화할 수 있는 알고리즘이 필요하다고 여겨진다.

질의응답

핵심어	질문	논문에서 추출한 답변
	홍채의 특징은?	홍채에 나타나는 그림과 표식은 염색체에 의해 지배받으며 그것의 표현이기도 한다. 홍채는 동공의 크기 변화 등의 과정으로 통해 몸에서 일어나는 변화를 예측할 수 있다는 특징을 갖는다. 따라서 일정한 간격으로 촬영된 홍채의 영상을 통해 몸에서 일어나는 변화를 예측하고 진단에 도움을 주는 시스템 개발은 질병 진단을 위해 많은 의료기기 및 약물의 노출로 제2, 제3의 질병발병을 일으키는 현대인에게 꼭 필요한 시스템이 될 것이다[2,4].
	홍채진단이란?	홍채진단은 홍채의 패턴, 색 등 다른 특징들을 조사하여 환자의 병을 진단하는 대체의학이다. 이 논문에서는 촬영한 홍채이미지의 차영상을 이용해 홍채를 분석하고 홍채 변화에 따른 환자의 건강진단에 활용한 질병예측 알고리즘을 제안한다.
	정보기술의 발달과 빅 데이터 처리 기술의 향상으로 인해 초기의 컴퓨팅이 불가능했던 다양한 분야에 적용되고 있는데 특히 확대되고 있는 것은?	정보기술의 발달과 빅 데이터 처리 기술의 향상은 초기의 컴퓨팅이 불가능했던 다양한 분야에 적용되고 있다. 특히 사람이 가지고 있는 생체 시그널을 이용한 정보 기술의 응용이 확대되고 있고 홍채를 이용한 생체인식 기술은 보안 분야에서 널리 활용되고 있다. 생체인식 기술은 영상 입력 장치를 이용해 얻어진 신호를 처리하고 개개인이 가진 신체적 특징을 패턴으로 분류해 처리한다.

참고문헌 (16)

J. Daugman, "How iris recognition works", IEEE Transactions on circuits and systems for video technology vol. 14, no. 1, pp. 21-30, Jan. 2004.

상세보기
D. R. Bamer, Practical Iridology and Sclerology, Woolland Publishing, 1996.
P. Verma, M. Dubey, S. Basu and P. Verma, "Hough Transform Method for Iris Recognition-A Biometric Approach," International Journal of Engineering and Innovative Technology(IJEIT), vol. 1, pp. 43-48, June 2012.
J. H. Rim, Iris Diagnosis By The Disease Concepts Of Traditional Medicine, Ph. D. Dissertation, Department Of Natural Healing Sciences Dongbang Graduate School, 2008.
E.S Choi. "Study of relationship between hysteropathy and Bowel Disease in iridology," in Sun Mon University, vol.8, no. 6, pp.679-698, June 1986.
D. Y. Hwang, B. H. Koh and I. B. Song, "An Analysis on The Characteristics of Sa - Sang Constitution Focusing on Iris Sign," International Journal of Kyung Hee University Medical Center, vol. 15, no. 2, pp.192-197, Feb. 1999.
K. S. Kim, B. M. Park, Y. S. Cha, Y. J. Kim, J. M. Yun, S. E. Lee, S. C. Kang and S. Kim, "Clinical Study of Iris Diagnosis by means of Statistical Analysis," Journal of Oriental Physiology & Pathology, vol. 17, no. 6, pp. 1538-1542, June 2003.
J. R. Parker, Algorithms for image processing and computer vision, John Wiley & Sons, 2010.
R. C. Gonzalez, and R. E. Woods, Image Processing, Text book: Digital image processing,3th ed. Addison-wesley publishing company, 2007.
R.M. Haralick, "Edge and region analysis for digital image data". in Proceeding of the Computer graphics and image processing, vol. 12, no. 1, pp. 60-73, July 1980.
J. G. Daugman, "High confidence visual recognition of persons by a test of statistical independence," in Proceeding of the IEEE transactions on pattern analysis and machine intelligence, vol. 15, no. 11, pp. 1148-1161, Nov. 1993.
S. I. No, J. H. Kim, "Contemporary Technology and Applications in Iris Recognition," Journal of Computing Science and Engineering, vol. 19, no. 7, pp. 4-13, July 2001.
K. R. Park, "Iris detection Technology," Proceedings of the Korea Multimedia Society Conference, vol. 7, no. 2, pp. 23-31, Feb. 2003.
K. Munstedt, S. El-Safadi, F. Bruck, M. Zygmunt, A. Hackethal, and H. R. Tinneberg, "Can iridology detect susceptibility to cancer? A prospective case-controlled study," Journal of Alternative & Complementary Medicine, vol. 11, pp. 515-519, July 2005.

상세보기
F. J. Echavarren Lezaun and J. I. Echavarren Otin, "Parameters provided by multiple reflex iridology," in Proceeding of the Focus on Alternative and Complementary Therapies, vol. 9, no. s1, pp.11-12, March 2004.
K. S. Kim, B. M. Park, Y. S. Cha and Y. J. Kim, "Study of Iris Diagnosis by means of Statistical Analysis," Journal of Physiology & Pathology in Korean Medicine, vol. 17. no. 6, pp. 181-186, June 2003.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증