[논문]조영증강 초음파 진단에서 파라미터 영상 생성 및 개선 기법

김신해; 이은림; 조은비; 김호준

doi:10.3745/ktsde.2017.6.4.211

조영증강 초음파 진단에서 파라미터 영상 생성 및 개선 기법
Parametric Image Generation and Enhancement in Contrast-Enhanced Ultrasonography 원문보기

정보처리학회논문지. KIPS transactions on software and data engineering. 소프트웨어 및 데이터 공학, v.6 no.4, 2017년, pp.211 - 216

김신해 (한동대학교 전산전자공학부) , 이은림 (한동대학교 전산전자공학부) , 조은비 (한동대학교 전산전자공학부) , 김호준 (한동대학교 전산전자공학부)

초록
AI-Helper

본 논문에서는 조영증강 초음파 진단시스템에서 유용성과 성능을 개선하기 위한 영상처리 기법을 제안한다. 의료초음파 영상에서 진단 파라미터 데이터를 가시화 하는 방법론으로서 연속적인 픽셀 값을 갖는 전이시간 데이터의 표현과, 4가지 유형의 값으로 분류되는 병변 진단 파라미터 영상을 생성하는 방법을 제시한다. 또한 생성된 파라미터 영상에서 노이즈를 제거하기 위한 방법론으로서 MRF 모델을 이용한 영상개선 기법을 제안한다. 이러한 파라미터 영상 생성기법은 초음파 진단 데이터에서 조영증강 패턴의 동적인 변화에 대한 육안 판별의 한계를 극복할 수 있게 한다. 제안된 방법은 원영상에서 영역의 윤곽선을 명확하게 하며 4가지 색상을 통하여 병변의 특성에 관한 시각적 판단을 용이하게 한다. MRF기반 영상개선 과정에서 연속적인 픽셀 값에 대한 에너지함수를 정의하고 이를 최적화 하는 기법을 개발하였으며 실제 의료영상을 사용한 실험을 통하여 제안된 이론의 유용성을 평가하였다.

Abstract ▼ AI-Helper

This paper proposes image processing techniques that improve usability and performance in a diagnostic system of the contrast-enhanced ultrasonography. For a methodology for visualizing diagnostic parameter data in an ultrasonic medical image, an expression of transition time data with successive pixel values and a method of generating a lesion diagnostic parameter image with four categorized values are presented. We also introduce a MRF-based image enhancement technique to eliminate noises from generated parametric images. Such parametric image generation technique can overcome the difficulty of discriminating dynamic change in patterns in the ultrasonography. The technique clarifies the contour of the region in the original image and facilitates visual determination of the characteristics of the lesion through four colors. With regard to this MRF-based image enhancement, we define the energy function of consecutive pixel values and develop a technique to optimize it, and the usability of the proposed theory is examined through experiments with medical images.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문은 초음파 진단과정에서 의료전문가의 판단을 보조하는 영상처리 기술에 관한 연구로서 그 의의를 갖는다. 초음파 진단 영상에서 조영증강 패턴의 동적인 특성을 육안으로 쉽게 판별하기 위한 파라미터 가시화 기법을 제안하고 그 방법론을 고찰하였다.
이는 동적 가중치를 사용하는 영상추적 기법을 적용하였는데 이는 본 논문의 중심 주제가 아니므로 상세한 내용의 기술은 생략하였다. 본 논문의 핵심주제는 그림에 보인 바와 같이 2단계로 이루어지는 파라미터 영상 생성기법과 영상 개선 기법에 대한 내용이다. 영상의 분석과정을 통하여 조영제의 전이시간 데이터가 산출되며 이를 통해 생성한 정규화된 값으로 적색과 녹색범위의 색상 정보 및 픽셀의 명도 값을 생성하게 된다.
MRF 모델은 영상에서 픽셀들 간의 종속성을 반영하는 영상 모델링 기법으로, 영상처리 분야의 다양한 문제에 적용됐으며 특히 영상분할 및 복원 등의 응용에서 많은 연구사례가 발표된 바 있다[9]. 본 연구에서는 Gibbs 분포로 정의되는 MRF의 가정으로부터 에너지 함수를 정의하고 이에 대한 최적화 과정을 통하여 초음파 데이터의 파라미터 영상을 개선하는 기법을 제시한다. 에너지 함수에서 영상의 흔들림 현상과 노이즈 및 에지(edge) 성분을 반영하는 요소와 MRF의 정의를 반영하는 클릭(clique)의 포텐셜 함수(potential function)를 상호 결합하도록 함으로써 최적으로 개선된 영상을 추출한다.
본 연구에서는 MRF 모델을 사용한 파라미터 영상의 개선기법을 소개한다. 영상의 픽셀들 간에 관계로부터 정의된 클리크함수로 에너지함수를 모델링하고 이에 대한 최적화 과정을 통하여 파라미터 영상에서 노이즈가 점진적으로 개선될 수 있음을 보인다.
간질환 진단을 위한 조영증강 초음파 영상에서 조영제 확산 패턴과 조영제 도달시간에 대한 변화는 매우 중요한 파라미터가 된다. 본 연구에서는 이러한 정보를 가시화하기 위한 파라미터 영상 생성 기법을 제시한다. 간 병변 진단을 위하여 ROI(Region of Interest)와 참조영역을 지정하고, 평균 명도변화 곡선(TIC: Time Intensity Curve)을 ROI의 각 픽셀에 대한 TIC와 비교 분석한다.
초음파 영상에 나타나는 조영증강 패턴의 변화는 여러 가지 질환 진단에 중요한 단서가 되지만 급속도로 변화하는 동영상에서 조영증강 패턴의 특성을 육안으로 판별하는 것은 매우 어렵다. 이에 본 연구에서는 두 가지 유형의 파라미터 영상생성기법을 구현하였다. 첫 번째는 영상의 각 위치 별로 명도변화 곡선(TIC)을 분석하여 조영제의 전이 시점을 산출하고 이를 픽셀 값으로 생성하여 전이시간 정보를 시각적으로 판단 할 수 있게 하는 방법이다.
또한 조영제의 전이 속도는 혈관의 분포와 연관하여 간질환의 판단과 간의 섬유화정도를 측정하는 지표가 될 수 있음이 연구된 바 있다[3]. 이에 본 연구에서는 일차적으로 조영증강 초음파 동영상으로부터 조영제의 전이산 정보를 정적인 영상으로 가시화하는 영상생성 기법을 구현하였다. 이는 시간에 따라 변하는 조영제의 전이효과를 대상 영역별로 구분하여 명암 또는 색상의 상대적인 값으로 비교, 판단할 수 있게 한다.
그런데 조영증강 패턴의 동적인 변화 과정은 매우 빠른 속도로 진행되어 그 특성을 육안으로 판별하기가 매우 어렵다. 이에 본 연구에서는 조영증강 패턴의 다양한 특성을 정적인 단일 영상으로 표현하는 방법을 제시하고, 영상에서 노이즈와 왜곡을 개선하는 방법론을 제안한다.
본 논문은 초음파 진단과정에서 의료전문가의 판단을 보조하는 영상처리 기술에 관한 연구로서 그 의의를 갖는다. 초음파 진단 영상에서 조영증강 패턴의 동적인 특성을 육안으로 쉽게 판별하기 위한 파라미터 가시화 기법을 제안하고 그 방법론을 고찰하였다. 초음파 영상내의 각 위치에 대한 조영제 전이시간의 상대적 값을 정적인 단일영상으로 표현하여 시각적으로 판단할 수 있게 하며, 병변을 특성을 분석하기 위한 보조정보로서 조영증강 패턴을 4가지 유형으로 분류하고 이를 영상으로 생성하였다.

가설 설정

33px;">η_s는 픽셀 위치 s에 대한 이웃(neighborhood) 픽셀의 집합을 의미한다. 다시 말해서 MRF의 가정은 영상에서 나타날 수 있는 데이터의 모든 조합에 대하여 나타날 확률이 0보다 크며, 어떤 임의의 위치에 대한 픽셀값의 확률은 그 이웃에 속한 픽셀값에 대한 조건부 확률로 결정된다는 가정이다. 픽셀값의 샘플링을 위하여 Gibbs 분포식을 정의한 확률 P는 지수함수값으로 산출되기 때문에 항상 양의 값을 갖게 되고, 따라서 모든 사건이 양의 확률 값을 갖게 된다.
초음파 영상은 조영제 확산 패턴에 대해 MRF의 가정, 즉 다음 두 조건을 만족한다고 가정한다.

제안 방법

초음파 영상내의 각 위치에 대한 조영제 전이시간의 상대적 값을 정적인 단일영상으로 표현하여 시각적으로 판단할 수 있게 하며, 병변을 특성을 분석하기 위한 보조정보로서 조영증강 패턴을 4가지 유형으로 분류하고 이를 영상으로 생성하였다. MRF 모델을 사용한 영상개선 기법을 위하여 각 파라미터 영상의 특성을 반영한 에너지 함수를 정의하여 적용하였으며 윤곽선을 명확하게 추출하고, 노이즈를 개선하는 효과를 실험적으로 평가하였다. 이러한 연구는 진단결과의 정량화된 분석기능을 지원함으로써 의료 초음파 진단의 신뢰성과 유용성을 향상시킬 것으로 기대된다.
본 연구에서는 이러한 정보를 가시화하기 위한 파라미터 영상 생성 기법을 제시한다. 간 병변 진단을 위하여 ROI(Region of Interest)와 참조영역을 지정하고, 평균 명도변화 곡선(TIC: Time Intensity Curve)을 ROI의 각 픽셀에 대한 TIC와 비교 분석한다. 최고점 도달시간과 감쇄 지점의 선후관계의 조합에 따라 각각의 픽셀들을 4가지 패턴으로 분류하고, 해당 패턴에 대응되는 색상으로 지정하게 된다.
영상의 분석과정을 통하여 조영제의 전이시간 데이터가 산출되며 이를 통해 생성한 정규화된 값으로 적색과 녹색범위의 색상 정보 및 픽셀의 명도 값을 생성하게 된다. 또한 조영증강 패턴의 특성을 분석하여 픽셀 값을 4가지 유형으로 분류하는 파라미터 영상 생성기법을 구현하였다. 영상개선 기법에서는 MRF(Markov Random Field) 모델 기반의 최적화 기법을 적용하여 영상의 노이즈와 왜곡을 개선하였다.
본 논문의 영상개선 기법은, 임의의 픽셀을 기준으로 8방향에 있는 인접 픽셀들과의 관계를 고려해 에너지함수를 정의하고 전체 에너지를 최적화하는 과정의 알고리즘으로 구현된다. Gibbs 분포식으로부터 임의의 영상 ω에 대한 확률은 Equation (5)와 같이 정의된다.
본 연구에서는 앞 절에서 기술한 두 가지 유형의 파라미터 영상과정에서 각각에 적합한 포텐셜 함수를 정의하였다. 간 병변 진단의 위한 4가지 유형의 픽셀분류 영상에 적용하는 에너지 함수는 Equation (7)과 같이 정의된다
앞 절에서 기술한 영상생성 기법과 MRF 기반의 영상 개선 기법에 대하여 그 유용성을 실험적으로 평가하였다. 총 30개의 실제 조영증강 초음파 영상에 대하여 앞 절에서 기술한 기법을 적용하여 실험을 수행하였다.
본 연구에서는 Gibbs 분포로 정의되는 MRF의 가정으로부터 에너지 함수를 정의하고 이에 대한 최적화 과정을 통하여 초음파 데이터의 파라미터 영상을 개선하는 기법을 제시한다. 에너지 함수에서 영상의 흔들림 현상과 노이즈 및 에지(edge) 성분을 반영하는 요소와 MRF의 정의를 반영하는 클릭(clique)의 포텐셜 함수(potential function)를 상호 결합하도록 함으로써 최적으로 개선된 영상을 추출한다.
첫 단계로 조영증강 초음파 동영상에서 호흡에 의한 흔들림 현상을 보정하게 된다. 이는 동적 가중치를 사용하는 영상추적 기법을 적용하였는데 이는 본 논문의 중심 주제가 아니므로 상세한 내용의 기술은 생략하였다. 본 논문의 핵심주제는 그림에 보인 바와 같이 2단계로 이루어지는 파라미터 영상 생성기법과 영상 개선 기법에 대한 내용이다.
이러한 단계에 따라 노이즈의 비율과 특성이 달라지는데 이를 효과적으로 반영하기 위하여 변화과정을 ‘잠복기(A)’, ‘확산기(B)’, ‘포화기(C)’ 및 ‘감쇄기(D)’의 4개의 단계로 구분하여 각 단계의 특성을 별도로 고려하였다.
영상개선 기법에서는 MRF(Markov Random Field) 모델 기반의 최적화 기법을 적용하여 영상의 노이즈와 왜곡을 개선하였다. 이를 위하여 영상의 특성을 반영하는 두 가지 유형의 에너지 함수를 적용하고 실제 의료 영상 데이터를 사용한 실험을 통하여 제안된 이론의 타당성을 고찰하였다
그런데 이러한 기법은 일부 영상에서 조영제 확산시점이 지나치게 빠르거나 늦은 경우 데이터 값의 분포가 한쪽으로 치우치게 되어 편향된 색상 또는 명도 분포가 나타나 시각적 판별을 어렵게 할 수 있다. 이에 본 연구에서는 시스템의 선택적 후처리 기능으로 히스토그램 평활화(histogram equalization) 과정을 통해 픽셀값의 분포를 제어할 수 있도록 하였다.
정상조직의 평균 TIC와 대상 픽셀의 TIC에 대한 최고점 도달시간을 각각 P.ref 및 P.i라 하고, 각각의 감쇄시점을 D.ref 및 D.i라 할 때, Table 1과 같이 4가지 경우를 판별하여 픽셀 값을 분류한다. 이러한 과정으로 생성된 영상은 각 영역별로 조영제 도달시간 편차에 따른 특성을 시각적으로 판별할 수 있게 함으로써 병변의 특성을 효과적으로 분석할 수 있게 한다.
초음파 진단 영상에서 조영증강 패턴의 동적인 특성을 육안으로 쉽게 판별하기 위한 파라미터 가시화 기법을 제안하고 그 방법론을 고찰하였다. 초음파 영상내의 각 위치에 대한 조영제 전이시간의 상대적 값을 정적인 단일영상으로 표현하여 시각적으로 판단할 수 있게 하며, 병변을 특성을 분석하기 위한 보조정보로서 조영증강 패턴을 4가지 유형으로 분류하고 이를 영상으로 생성하였다. MRF 모델을 사용한 영상개선 기법을 위하여 각 파라미터 영상의 특성을 반영한 에너지 함수를 정의하여 적용하였으며 윤곽선을 명확하게 추출하고, 노이즈를 개선하는 효과를 실험적으로 평가하였다.
앞 절에서 기술한 영상생성 기법과 MRF 기반의 영상 개선 기법에 대하여 그 유용성을 실험적으로 평가하였다. 총 30개의 실제 조영증강 초음파 영상에 대하여 앞 절에서 기술한 기법을 적용하여 실험을 수행하였다. Fig.

이론/모형

이는 추출된 영상의 영역구분을 불명확하게 하며 궁극적으로 진단의 신뢰도를 저하시킨다. 본 연구에서는 이를 개선하기 위한 방법으로 MRF 모델을 사용하는 최적화 기법을 적용하였다
또한 조영증강 패턴의 특성을 분석하여 픽셀 값을 4가지 유형으로 분류하는 파라미터 영상 생성기법을 구현하였다. 영상개선 기법에서는 MRF(Markov Random Field) 모델 기반의 최적화 기법을 적용하여 영상의 노이즈와 왜곡을 개선하였다. 이를 위하여 영상의 특성을 반영하는 두 가지 유형의 에너지 함수를 적용하고 실제 의료 영상 데이터를 사용한 실험을 통하여 제안된 이론의 타당성을 고찰하였다

성능/효과

픽셀값의 샘플링을 위하여 Gibbs 분포식을 정의한 확률 P는 지수함수값으로 산출되기 때문에 항상 양의 값을 갖게 되고, 따라서 모든 사건이 양의 확률 값을 갖게 된다. 또한 조영제 확산패턴에서 나타나는 노이즈처럼 작은 면적의 고립된 픽셀영역은 실제로 발생하기 어렵다는 전제를 반영하며 영상 내 임의의 픽셀값이 주변 픽셀로부터 영향을 받는 확률로서 결정됨을 의미한다.
본 연구에서는 MRF 모델을 사용한 파라미터 영상의 개선기법을 소개한다. 영상의 픽셀들 간에 관계로부터 정의된 클리크함수로 에너지함수를 모델링하고 이에 대한 최적화 과정을 통하여 파라미터 영상에서 노이즈가 점진적으로 개선될 수 있음을 보인다. 본 연구의 3장에서는 조영증강 초음파 영상으로부터 파라미터 영상을 생성하는 방법론을 소개하며, 4장에서는 MRF 기반의 영상 개선 기법에 관하여 기술하였다.

후속연구

MRF 모델을 사용한 영상개선 기법을 위하여 각 파라미터 영상의 특성을 반영한 에너지 함수를 정의하여 적용하였으며 윤곽선을 명확하게 추출하고, 노이즈를 개선하는 효과를 실험적으로 평가하였다. 이러한 연구는 진단결과의 정량화된 분석기능을 지원함으로써 의료 초음파 진단의 신뢰성과 유용성을 향상시킬 것으로 기대된다. 향후 연구에서는 영상의 개선 과정에서 영역분할의 경계선을 반영하는 에너지함수를 정의하여 영역 구분을 효과적으로 추출하고 성능을 개선하는 연구를 수행할 예정이다.
조영증강 초음파 영상은 많은 경우 그 동적인 특성으로부터 의미 있는 진단 파라미터 값이 산출되는데, 급속도로 변화하는 동영상에서 육안으로 그 특성을 정확하게 판단하기가 어렵다. 이에 이러한 동적 특성을 정적인 정보로 생성하고 영상으로 가시화함으로써 의료전문가의 판단을 보조하고, 진단결과의 신뢰도를 제고하는 기술의 연구가 필요하다.
이러한 연구는 진단결과의 정량화된 분석기능을 지원함으로써 의료 초음파 진단의 신뢰성과 유용성을 향상시킬 것으로 기대된다. 향후 연구에서는 영상의 개선 과정에서 영역분할의 경계선을 반영하는 에너지함수를 정의하여 영역 구분을 효과적으로 추출하고 성능을 개선하는 연구를 수행할 예정이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	조영증강 패턴을 통해 간 특성을 육안으로 판별하기 어려운 이유는?	예컨대 영상에서 조영증강 효과의 전이 시간과 조영증강 패턴의 특성을 간 섬유화 진단 및 병변 특성 분석에 적용하는 연구가 발표된 바 있다[3-6]. 그런데 조영증강 패턴의 동적인 변화 과정은 매우 빠른 속도로 진행되어 그 특성을 육안으로 판별하기가 매우 어렵다. 이에 본 연구에서는 조영증강 패턴의 다양한 특성을 정적인 단일 영상으로 표현하는 방법을 제시하고, 영상에서 노이즈와 왜곡을 개선하는 방법론을 제안한다.
	일차적으로 조영증강 초음파 동영상으로부터 조영제의 전이산 정보를 정적인 영상으로 가시화하는 영상생성 기법의 기능은?	이에 본 연구에서는 일차적으로 조영증강 초음파 동영상으로부터 조영제의 전이산 정보를 정적인 영상으로 가시화하는 영상생성 기법을 구현하였다. 이는 시간에 따라 변하는 조영제의 전이효과를 대상 영역별로 구분하여 명암 또는 색상의 상대적인 값으로 비교, 판단할 수 있게 한다.
	간 병변의 특성을 악성 및 양성 등의 분류에 따라 그 특성을 색상으로 구분하여 시각화하는 방법의 단점은 무엇이며, 이는 어떤 요소가 되는가?	기존의 연구에서 간 병변의 특성을 악성 및 양성 등의 분류에 따라 그 특성을 색상으로 구분하여 시각화하는 방법이 제안되었다[4]. 그러나 이 방법에서 초음파 영상의 마이크로 버블효과로 인하여 파라미터 영상에 다량의 노이즈가 나타나게 된다. 이는 영상에서 영역간의 윤곽선을 왜곡시킴으로써 시각적인 판단을 어렵게 하는 요소가 된다. 영상의 복원 및 개선기법으로 MRF 모델 기반의 방법론이 제안되었다.

참고문헌 (9)

Roberto Iezzi, Gianluigi Petrone, Angela Ferrante, Libero Lauriola, Glaudio Vincenzoni, Michele Fabio la Torre, Francesco Snider, Guido Rindi, and Lorenzo Bonomo, "The role of contrast-enhanced ultrasound(CEUS) in visualizing atherosclerotic carotid plaque vulnerability: Which injection protocol? Which scanning technique," European Journal of Radiology, Vol.84, No.1, pp.865-871, 2015.

상세보기
L. Chiorean, V. Cantisani, C. Jenssen, P. S. Sidhu, U. Baum, and C. F. Dietrich, "Focal masses in a non-cirrhotic liver: The additional benefit of CEUS over baseline imaging," European Journal of Radiology, Vol.84, No.1, pp.1636-1643, 2015.

상세보기
N. Li, H. Ding, P. Fan, X. Lin, C. Xu, W. Wang, X. Xu, and J. Wang, "Intrahepatic transit time predicts liver fibrosis in patients with chronic hepatitis B: quantitative assessment with contrast-enhanced ultrasonography," Ultrasound in Medicine and Biology, Vol.36, No.7, pp.1066-1075, 2010.

상세보기
N. Rognin, M. Arditi, L. Mercier, J. Peter, A. Frinking, M. Schneider, G. Perrenoud, A. Anaye, J. Meuwly, and F. Tranquart, "Parametric imaging for characterizing focal liver lesions in contrast-enhanced ultrasound," IEEE Transaction on Ultrasonics, Ferroelectrics, and Frequency Control. Vol. 57, No.11, pp.2503-2511, 2010.

상세보기
L. Royer, A. Krupa, G. Dardenne, A. E. Bras, E. Marchand, and M. Marchal, "Real-time Target tracking of soft tissues in 3D Ultrasound images based on robust visual information and mechanical simulation," Medical Image Analysis, Vol.35, No.1, pp.582-598, 2017.

상세보기
A. Lim, S. Taylor-Robinson, N. Patel, R. Eckersley, R. Goldin, G. Hamilton, G. Foster, H. Thomas, D. Cosgrove, and M. Blomley, "Hepatic vein transit times using a microbubble agent can predict disease severity non-invasively in patients with hepatitis C," Gut 2005, Vol.54, No.1, pp.128-133, 2005.
S. Mule, N. Kachenoura, O. Lucidarme, A. Oliverira, C. Pellot-Barakat, A. Herment, and F. Frouin, "An automatic respiratory gating method for the improvement of microcirculation evaluation: application to contrast-enhanced ultrasound studies of focal liver lesions," Physics in Medicine and Biology, Vol.56, No.1, pp.5153-5165, 2011.

상세보기
C. Dietrich, "Characterisation of focal liver lesions with contrast enhanced ultrasonography," European Journal of Radiology, Vol.51, No.1, pp.9-17, 2004.

상세보기
C. Lin, K. Muchtar, and C. Yeh, "Robust techniques for abandoned and removed object based on Markov random field," Journal of Visual Communication and Image Representation, Vol.39, No.1, pp.181-195, 2016.

상세보기

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