[논문]진단 엑스선 영상에서 환자 위치잡이의 자동화

양원석; 손정민; 천권수

doi:10.7742/jksr.2018.12.6.793

진단 엑스선 영상에서 환자 위치잡이의 자동화
Auto-Positioning of Patient in X-ray Diagnostic Imaging 원문보기

한국방사선학회 논문지 = Journal of the Korean Society of Radiology, v.12 no.6, 2018년, pp.793 - 799

양원석 (대구가톨릭대학교 일반대학원 방사선학과) , 손정민 (대구가톨릭대학교 일반대학원 방사선학과) , 천권수 (대구가톨릭대학교 방사선학과)

초록
AI-Helper

인공지능에 대한 관심이 높아짐에 따라 의료분야에서도 활발하게 인공지능이 연구되고 있다. 현재 국내에서는 엑스선 촬영, 컴퓨터단층촬영(Computer Tomography), 자기공명영상(Magnetic Resonance Imaging) 등의 의료영상장치에 인공지능이 접목되고 있으며 향후 방사선사 없이 환자의 방사선 영상을 획득 할 수 있는 인공지능을 탑재한 의료기기가 발명 될 것으로 예상된다. 본 연구는 엑스선 촬영에 있어서 환자 위치잡이에 대한 자동화에 대해서 초기 연구를 했다. 위치잡이에 대한 평가를 위해 엑스선 장비와 인체 팬텀을 사용했다. 프로그램은 Visual Studio 2010 MFC로 구현했으며 영상은 $1,450{\times}1,814$ 크기로 했다. 픽셀 값을 눈으로 식별 가능한 0 ~ 255 값을 갖는 명암으로 변환하여 모니터에 출력했다. 출력한 영상에 세 픽셀 좌표 값을 통해 각도를 예측하고 각도에 따른 음성안내에 따라 환자가 바른 위치잡이를 하도록 유도하는 절차 알고리즘 프로그램을 개발 했다. 다음 연구에서는 사용자가 좌표의 기준을 인공지능에게 전달하는 것이 아닌 인공지능 스스로 구조물을 파악하여 각도를 계산하는 연구를 진행할 것이다. 향후 위치잡이의 자동화를 통해 촬영부터 위치잡이까지 인공지능이 실시하도록 하는 연구에 도움이 될 것으로 예상된다.

Abstract ▼ AI-Helper

As interest in artificial intelligence has increased, artificial intelligence has been actively studied in the medical field. In Korea, artificial intelligence has been applied to medical imaging devices such as X-ray imaging, Computer Tomography and Magnetic Resonance Imaging and artificial intelligence capable of acquiring radiation images of patients without radiologists in the future Medical devices are expected to be invented. This study was an initial study on the automation of patient positioning in X - ray imaging. We used x-ray equipment and human phantoms to evaluate the positioning. The program used Visual Studio 2010 MFC and the image was in the size $1450{\times}1814$. The pixel values were converted to contrasts with values of 0 to 255 that can be visually recognized and output to the monitor. We developed a procedure algorithm program that predicts the angle of the output image through three pixel coordinate values and induces the patient to perform correct positioning according to the voice guidance according to the angle. In the next study, we will study the artificial intelligence to grasp the structure itself and calculate the angle, rather than conveying the reference of coordinates to artificial intelligence. In the future, it is expected that it will be helpful in the study of artificial intelligence from shooting to positioning through the automation of positioning.

주제어

표/그림 (10)

그림 Fig. 1. X-ray image system.
그림 Fig. 2. Right arm phantom.
그림 Fig. 3. Profile for forearm at point of x = 100 pixels.
그림 Fig. 4. Profile for upper arm at point of y = 1450 pixels.
그림 Fig. 5. Four indicators for checking arm angle.
그림 Fig. 6. Determination of arm angle using two straight lines.
그림 Fig. 7. Flow chart for right positioning.
그림 Fig. 8. Image of angle < 90°.
그림 Fig. 9. Image of angle > 90°.
그림 Fig. 10. Image of angle ≅ 90°.

AI 본문요약
AI-Helper

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

문제 정의

추후 연구에서 인공지능의 뼈와 주변 구조물에 대한 학습시키고 그에 따른 각도를 자동으로 계산할 수 있는 연구를 추가적으로 할 필요가 있다. 또한 향후 인공지능을 접목시킨 의료기기 개발에 도움을 주고자 한다.
본 연구에서는 위치잡이의 자동화에 대한 연구를 진행함으로써 인공지능의 의료분야 접목에 대한 한 예를 제시했다. 추후 연구에서 인공지능의 뼈와 주변 구조물에 대한 학습시키고 그에 따른 각도를 자동으로 계산할 수 있는 연구를 추가적으로 할 필요가 있다.
본 연구에서는 의료기술에 인공지능을 적용함으로써 불가피하게 방사선사가 없는 환경에서 환자가 인공지능 안내에 따라 방사선 영상을 획득 할 수 있는 초기연구를 수행했다. 향후 인공지능을 접목시킨 의료기기가 발명 될 것으로 예상된다.
인공지능의 지능관리 행위자 기술을 이용하여 인공지능이 순서에 따라 영상의 정보관찰을 한 뒤 예측정보를 음성안내로 환자에게 전달하고 인공지능의 안내에 따라 환자 스스로 바른 위치잡이(Patient Positioning)를 하도록 지시한다. 이후 바른 위치잡이가 되었을 때 진단적 가치가 있는 방사선 영상이 획득 되도록 하는 절차에 대한 알고리즘 프로그램을 개발하는 것이다.

가설 설정

본 연구는 불가피하게 의료기관 및 방사선사의 접근이 제한되는 상황을 가정하여 진행했다. 인공지능의 지능관리 행위자 기술을 이용하여 인공지능이 순서에 따라 영상의 정보관찰을 한 뒤 예측정보를 음성안내로 환자에게 전달하고 인공지능의 안내에 따라 환자 스스로 바른 위치잡이(Patient Positioning)를 하도록 지시한다.

제안 방법

DICOM 파일로 저장된 데이터를 출력하고 각도 예측 및 음성안내를 통해 바른 위치잡이로 안내하는 기능을 갖는 Viewer 프로그램을 만들었다. 바른 위치잡이 판단 및 기초적인 연구를 수행하기 용이한 팔꿈치 측 방향 영상을 사용했으며 위팔과 아래팔 각도를 통해 바른 위치잡이에 대한 평가를 했다.
각도예측을 통해 환자의 위치잡이를 평가하고 음성안내를 통해 환자 스스로가 위치잡이를 변경하도록 했다. 이를 바탕으로 바른 위치잡이의 자세에서 인공지능이 촬영까지 하도록 유도하는 일련의 과정을 갖는 프로그램을 개발했다.
DICOM 파일로 저장된 데이터를 출력하고 각도 예측 및 음성안내를 통해 바른 위치잡이로 안내하는 기능을 갖는 Viewer 프로그램을 만들었다. 바른 위치잡이 판단 및 기초적인 연구를 수행하기 용이한 팔꿈치 측 방향 영상을 사용했으며 위팔과 아래팔 각도를 통해 바른 위치잡이에 대한 평가를 했다.
바른 위치잡이 평가를 위해 위팔과 아래팔이 이루는 각도의 정상범위(88° ~ 92°)를 설정한 뒤 앞서 촬영한 세 개의 영상데이터에 대해서 각도예측을 실시했다.
바른 위치잡이의 판단을 위해 위팔(Upper Arm)과 아래팔(Forearm)이 이루는 각도를 평가했다. 바른 위치잡이를 기준으로 팔을 더 굽힌 자세, 바른 위치잡이 보다 팔을 더 편 자세, 바른 위치잡이 자세로 총 세 번 촬영했다.
바른 위치잡이의 판단을 위해 위팔(Upper Arm)과 아래팔(Forearm)이 이루는 각도를 평가했다. 바른 위치잡이를 기준으로 팔을 더 굽힌 자세, 바른 위치잡이 보다 팔을 더 편 자세, 바른 위치잡이 자세로 총 세 번 촬영했다.
영상에서 구조물의 데이터 값을 분석하여 구조물의 특성에 맞게 위팔과 아래팔에서 좌표를 선정하고 이루는 각도를 통해서 바른 위치잡이에 대한 예측을 했다. 오차범위는 ±2°로 정상범위를 88°에서 92°도로 지정했으며 정상범위에 속하지 않는 경우 음성안내를 통해 바른 위치잡이가 되도록 유도했다.
영상에서 얻은 픽셀 좌표 값을 이용하여 수학적 좌표로 바꾸고 직선의 방정식에 대입해 두 직선의 기울기를 구한 뒤 두 직선에 대한 식을 연립 계산하여 수학적 좌표로 된 교점을 구했다. 이후 수학적 좌표를 영상에서 픽셀의 위치 좌표 값으로 바꾸고 저장했다.
7과 같은 절차로 진행되는 알고리즘 프로그램을 만들었다. 영상을 획득하고 좌표 선정 기준에 따라 좌표 3개를 선정하고 직선을 그려 직선이 이루는 각도를 예측한다. 각도가 정상범위에 속하지 않는 경우 음성안내를 통해 환자가 위치잡이를 변경하도록 유도한다.
오른쪽 팔 팬텀(Right Arm Phantom)을 환자 테이블(Table) 위에 팔꿈치 측방향 촬영 자세로 위치잡이 시킨 뒤 촬영했다. 인체 팬텀으로는 Fig.
위팔과 아래팔의 각도가 정상범위가 되면 바른 위치잡이가 되었으니 움직이지 말라는 음성안내와 촬영을 진행하겠다는 메시지 박스가 나온다. 이러한 과정을 통해 방사선사의 접근이 어려운 지역이나 불가피하게 상황으로 방사선사가 없다는 가정 하에 인공지능의 음성안내에 따라 환자가 바른 위치잡이가 되도록 하여 영상을 얻는 절차에 대한 알고리즘 프로그램을 개발했다.
각도예측을 통해 환자의 위치잡이를 평가하고 음성안내를 통해 환자 스스로가 위치잡이를 변경하도록 했다. 이를 바탕으로 바른 위치잡이의 자세에서 인공지능이 촬영까지 하도록 유도하는 일련의 과정을 갖는 프로그램을 개발했다.
녹음한 음성 파일은 m4a 파일로 저장 된다. 이후 MFC에 적용 가능한 wave 파일로 변경 후 MFC 리소스뷰를 통해 프로젝트에 입력했다.
다이얼로그 창을 이용해 버튼을 만들고 IMAGE 버튼을 눌렀을 때 영상을 화면에 출력한다. 이후 POINT 버튼을 누르면 출력된 영상에 세 좌표가 표시되며 직선으로 연결되고 각도를 예측하도록 했다.
첫 번째로 선정한 아래팔 좌표 및 위팔 좌표와 직선의 방정식을 통해 구한 교점 좌표를 이용해서 교점에서 만나는 두 직선이 이루는 각도를 계산했다. 이후 각도를 화면에 출력하고 값을 기준으로 각도예측을 실시했다.
본 연구는 불가피하게 의료기관 및 방사선사의 접근이 제한되는 상황을 가정하여 진행했다. 인공지능의 지능관리 행위자 기술을 이용하여 인공지능이 순서에 따라 영상의 정보관찰을 한 뒤 예측정보를 음성안내로 환자에게 전달하고 인공지능의 안내에 따라 환자 스스로 바른 위치잡이(Patient Positioning)를 하도록 지시한다. 이후 바른 위치잡이가 되었을 때 진단적 가치가 있는 방사선 영상이 획득 되도록 하는 절차에 대한 알고리즘 프로그램을 개발하는 것이다.
첫 번째로 선정한 아래팔 좌표 및 위팔 좌표와 직선의 방정식을 통해 구한 교점 좌표를 이용해서 교점에서 만나는 두 직선이 이루는 각도를 계산했다. 이후 각도를 화면에 출력하고 값을 기준으로 각도예측을 실시했다.
1의REX – 525(리스템, 대한민국)를 사용했다. 촬영조건은 SID(Source to Image Receptor Distance)를 100 cm, 관전압 50 kVp, 관전류초를 2 mAs로 설정했다. 검출기는 1,450 × 1,814 픽셀 크기의 디지털 검출기를 사용했다.
프로그램은 Visual C++(Visual Studio 2010)의 MFC를 이용해서 구현했고, 프로그램 실행은 Intel사의 i7-7700HQ CPU, 8 GB 메모리, 운영체제는 Window 10 환경에서 실행했다. 프로그램은 DICOM파일로 된 영상을 화면에 출력하도록 하는 Viewer기능과 각도를 분석하고 음성안내를 통해 안내하는 기능이 포함되어 있다. 다이얼로그 창을 이용해 버튼을 만들고 IMAGE 버튼을 눌렀을 때 영상을 화면에 출력한다.
이를 해결하기 위해 아래팔의 시작 부분과 끝부분의 좌표를 구해 가운데 지점을 찾도록 했다. 픽셀 데이터 값의 전후 비교를 통해 시작과 끝의 좌표를 알아냈다. 이후 좌표들을 더한 후 2로 나누어 중간지점을 선택했다.

대상 데이터

검출기는 1,450 × 1,814 픽셀 크기의 디지털 검출기를 사용했다.
기초적인 연구를 위해 위치잡이 및 평가가 비교적 간편하며 영상의 획득이 용이한 팔꿈치 관절 측방향 영상(Right Elbow Lateral Projection)을 이용했다. 팔꿈치 관절의 측방향 영상을 획득해 바른 위치잡이를 판단한 후 위치잡이가 바르지 않을 경우 음성안내로 환자에게 위치잡이를 변경하게 하고 최종 바른 위치잡이에서 엑스선 영상을 획득 하게 한다.
엑스선 영상을 획득하기 위한 촬영 장치는 Fig. 1의REX – 525(리스템, 대한민국)를 사용했다.
음성파일은 Window 10에서 기본으로 제공하는 음성 녹음기를 이용했다. 녹음한 음성 파일은 m4a 파일로 저장 된다.
오른쪽 팔 팬텀(Right Arm Phantom)을 환자 테이블(Table) 위에 팔꿈치 측방향 촬영 자세로 위치잡이 시킨 뒤 촬영했다. 인체 팬텀으로는 Fig. 2의 WHOLE BODY PHANTOM PBU - 31 (SERIAL NO. 07H-03) 중 오른쪽 팔을 이용해서 촬영했으며 위팔 길이는 25 cm, 아래팔 길이는 26 cm 크기이다.

후속연구

^[4] 국내서는 길 병원 및 다수 대학병원에서 ‘왓슨’을 도입하여 암 환자 치료에 적용하고 있다.^[5] 의료분야에서의 인공지능의 활용도가 높아짐에 따라 엑스선 촬영, 컴퓨터단층촬영(Computer Tomography), 자기공명영상(Magnetic Resonance Imaging) 등 의료영상장치에서도 인공지능 적용이 가속화 될 것이다.
본 연구에서 좌표의 기준을 선정하는 부분에 있어서 임의의 x, y축의 픽셀 기준을 인공지능 스스로가 선택하는 방식이 아닌 사용자가 기준 값을 정해주기 때문에 완벽하게 모든 과정을 인공지능이 수행했다고 볼 수 없다. 이후 연구에서는 좌표를 선정함에 있어서 사용자가 값을 전달하는 방식이 아닌 인공지능 스스로 기준을 선정하도록 하는 연구를 진행할 것이다.
특정 구조물을 통해 각도를 계산할 수 있는 위치잡이에서는 판단이 용이 할 수 있으나 각도로 예측이 어려운 위치잡이를 평가하기는 제한이 있다. 이후에 각도 예측이 어려운 위치잡이는 어떻게 예측을 할 것인가에 대한 연구가 진행될 필요가 있다.
본 연구에서는 위치잡이의 자동화에 대한 연구를 진행함으로써 인공지능의 의료분야 접목에 대한 한 예를 제시했다. 추후 연구에서 인공지능의 뼈와 주변 구조물에 대한 학습시키고 그에 따른 각도를 자동으로 계산할 수 있는 연구를 추가적으로 할 필요가 있다. 또한 향후 인공지능을 접목시킨 의료기기 개발에 도움을 주고자 한다.
본 연구에서는 의료기술에 인공지능을 적용함으로써 불가피하게 방사선사가 없는 환경에서 환자가 인공지능 안내에 따라 방사선 영상을 획득 할 수 있는 초기연구를 수행했다. 향후 인공지능을 접목시킨 의료기기가 발명 될 것으로 예상된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	인공지능이란 무엇인가?	인공지능이란 사람이 생각하는 방식을 컴퓨터로 흉내 내는 것을 말하는 것으로 인공지능의 핵심 기술에는 5가지가 있다.[6] 이 중 의료분야에서 중요하게 생각하는 세 가지는 기계학습 및 예측기법, 패턴인식(Pattern Recognition), 지능관리 행위자(Intelligence Management Agent)이다.
	미국에서 인공지능 접목의 예로 무엇이 있는가?	[1] 이에 따라 의료분야에서도 인공지능의 접목이 확대되고 있다.[2,3] 인공지능 접목의 예로 현재 헬스케어분야가 전 세계적으로 적용되고 있으며 미국에서는 뇌 스캔 이미지 촬영 및 분석에 응용하고 중국에서는 정밀 의료 임상응용시장을 육성하는 정책을 펼치고 있다.[4] 국내서는 길 병원 및 다수 대학병원에서 ‘왓슨’을 도입하여 암 환자 치료에 적용하고 있다.
	인공지능에 대한 관심이 높아짐에 따라 의료분야에 어떻게 응용되고 있는가?	인공지능에 대한 관심이 높아짐에 따라 의료분야에서도 활발하게 인공지능이 연구되고 있다. 현재 국내에서는 엑스선 촬영, 컴퓨터단층촬영(Computer Tomography), 자기공명영상(Magnetic Resonance Imaging) 등의 의료영상장치에 인공지능이 접목되고 있으며 향후 방사선사 없이 환자의 방사선 영상을 획득 할 수 있는 인공지능을 탑재한 의료기기가 발명 될 것으로 예상된다. 본 연구는 엑스선 촬영에 있어서 환자 위치잡이에 대한 자동화에 대해서 초기 연구를 했다.

참고문헌 (8)

D. Silver, "Mastering the game of Go without human knowledge," Nature, Vol. 550, pp. 354-359, 2017.

상세보기
A. N. Ramesh, C. Kambhampati, J. R. T. Monson, P. J. Drew, "Artificial intelligence in medicine," The Annals of The Royal College of Surgeons of England, Vol. 86, pp. 334-338, 2004.

상세보기
S. N. Deepa, B. Aruna Devi, "A survey on artificial intelligence approaches for medical image classification," Indian Journal of Science and Technology, Vol. 4, No. 11, pp. 1583-1595, 2011.

상세보기
http://ocean.kisti.re.kr/IS_mvpopo213L.do?ResultTotalCNT20&pageNo1&pageSize10&methodview&acnCn1&poidtta&kojicJTGHBY&sVncs171&id9&setId&iTableId&iDocId&sFree&pQuery%28kojic%3AJTGHBY%29+AND+%28voliss_ctrl_no%3As171%29
http://news.chosun.com/site/data/html_dir/2016/12/06/2016120600117.html
K. Y. Lee, J. H. Kim, "Artificial Intelligence Technology Trends and IBM Watson References in the Medical Field," Korean medical education review, Vol. 18, No. 2, pp. 51-57, 2016.

원문보기 상세보기
E. J. Escott, D. Rubinstein, "Free DICOM Image Viewing and Processing Software for Your Desktop Computer: What's Available and What It Can Do for You," Radiological Society of North America, Vol. 23, No. 5, pp. 1341-1357, 2003.
B. Q. Liu, M. H. Zhu, Z. W. Zhang, C. Yin, Z. G. Liu, J. S. Gu, "Medical Image Conversion with DICOM," Institute of Electrical and Electronics Engineers, pp. 36-39, 2007.

저자의 다른 논문 :

LOADING...

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