$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

흉부 X-ray 기반 의료영상 품질평가 보조 도구 개발
Development of Medical Image Quality Assessment Tool Based on Chest X-ray 원문보기

정보처리학회논문지. KIPS transactions on software and data engineering. 소프트웨어 및 데이터 공학, v.12 no.6, 2023년, pp.243 - 250  

남기현 (아주대학교 전자공학과) ,  유동연 (아주대학교 AI융합네트워크학과 전자공학전공) ,  김양곤 (아주대학교 AI융합네트워크학과 전자공학전공) ,  선주성 (아주대학교 의과대학 영상의학과) ,  이정원 (아주대학교 전자공학과)

초록
AI-Helper 아이콘AI-Helper

흉부 X-ray 영상은 폐와 심장을 검사하는 방사선 검사이며 특히, 폐 질환을 진단하는 데 널리 사용되고 있다. 이러한 흉부 X-ray의 품질은 의사의 진단에 영향을 줄 수 있으므로 품질을 평가하는 과정이 필수적으로 거쳐야 하는데, 이 과정은 영상의학과 전문의의 주관이 개입될 수 있고, 수작업으로 이루어지기 때문에 많은 시간과 비용이 소모된다. 또한, 이러한 품질평가는 X-ray 영상의 특징과 사용 목적에 따라 일반적인 품질평가와는 다른 평가 요소가 필요하다. 따라서 본 논문에서는 X-ray 영상에서 검출되는 장기의 해상도, ,해부학적인 구조, 균형 등을 고려하여 임상 현장에서 사용되는 흉부 X-ray 영상 화질 평가 가이드라인을 적용하여 품질요소를 5가지(인공음영, 포함범위, 환자자세, 흡기정도, 그리고 투과상태)로 나누고 이를 자동화하는 도구를 제안한다. 제안하는 도구는 수작업으로 품질평가를 진행하는 본래의 방식 대비 소요 시간과 비용을 줄여주고, 더 나아가 흉부 X-ray를 이용한 학습 모델 개발에 높은 품질의 학습데이터를 선별하는 과정에도 사용될 수 있다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Chest X-ray is radiological examination for xeamining the lungs and haert, and is particularly widely used for diagnosing lung disease. Since the quality of these chest X-rays can affect the doctor's diagnosis, the process of evaluating the quality must necessarily go through. This process can invol...

주제어

#흉부 X-ray   #품질평가   #딥러닝   #머신러닝  

표/그림 (13)

참고문헌 (16)

  1. G. Chassagnon, M. Vakalopoulou, N. Paragios, and M. P.？Revel, "Artificial intelligence applications for thoracic？imaging," European Journal of Radiology, Vol.123,？pp.108774, 2020. 

  2. S. You, E. Kim, K. Park, and J. Sun, "Visual assessment of？calcification in solitary pulmonary nodules on chest？radiography: Correlation with volumetric quantification of？calcification," European Radiology, Vol.29, No.8, pp.4324-4332, 2019. 

  3. J. S. Whaley, B. D. Pressman, J. R. Wilson, L. Bravo, W. J.？Sehnert, and D. H. Foos, "Investigation of the variability？in the assessment of digital chest X-ray image quality,"？Journal of Digital Imaging, Vol.26, No.2, pp.217-226, 2013. 

    상세보기

  4. W. K. Jeong and B. I. Choi, "Burnout among Radiologists？in Korea: Prevalence, Risk Factors, and Remedies," Journal？of the Korean Society of Radiology, Vol.83, No.4, pp.776-782, 2022. 

  5. X. Li et al., "Multi-resolution convolutional networks for？chest X-ray radiograph based lung nodule detection,"？Artificial Intelligence in Medicine, Vol.103, pp.101744, 2020. 

    상세보기

  6. C. Qin, D. Yao, Y. Shi, and Z. Song, "Computer-aided detection in chest radiography based on artificial intelligence: A survey," Biomedical Engineering Online, Vol.17,？No.1, pp.1-23, 2018. 

  7. Y. G. Kim, Y. S. Park, J. S. Sun, and J. W. Lee, "Open dataset？quality evaluation for performance improvement of chest？X-Ray image-based learning model," Korea Conference on？Software Engineering, pp.43-51, 2022. 

  8. S. B. Bea, Y. S. Park, J. S. Sung, and J. W. Lee, "Quality？evaluation method for chest X-ray images using the？reference patterns," 2022 IEEE International Conference？on Artificial Intelligence Circuits and Systems (AICAS),？Korea, pp.266-269, 2022. 

  9. H. J. Choi, S. B. Bea, Y. S. Park, and J. W. Lee, "Quality？evaluation of chest X-ray images using region segmentation based on 3D histogram," 2021 Annual Conference？of KIPS, pp.903-906, 2021. 

  10. W. Wei, "An image quality assessment method based on？HVS," 2007 41st Annual IEEE International Carnahan？Conference on Security Technology, IEEE, 2007. 

  11. L. S. Chow and R. Paramesran, "Review of medical image？quality assessment," Biomedical Signal Processing and？Control, Vol.27, pp.145-154, 2016. 

    상세보기

  12. J. E. McManigle, R. R. Bartz, and L. Carin. "Y-Net for chest？X-Ray preprocessing: Simultaneous classification of？geometry and segmentation of annotations," 2020 42nd？Annual International Conference of the IEEE Engineering？in Medicine & Biology Society (EMBC), IEEE, 2020. 

  13. Y. Meng et al., "Automatic no-reference quality assessment？in chest radiographs based on deep convolutional neural？networks," Research Square, 2022. 

  14. M.-J. Chen, L. K. Cormack, and A. C. Bovik, "No-reference？quality assessment of natural stereopairs," IEEE Transactions on Image Processing, Vol.22, No.9, pp.3379-3391,？2013. 

    상세보기

  15. R. Fang, R. AI-Bayaty, and D. Wu, "BNB method for noreference image quality assessment," IEEE Transactions on？Circuits and Systems for Video Technology, Vol.27, No.7,？pp.1381-1391, 2017. 

    상세보기

  16. Q. Li, W. Lin, J. Xu, and Y. Fang, "Blind image quality？assessment using statistical structural and luminance？features," IEEE Transactions on Multimedia, Vol.18, No.12,？pp.2457-2469, 2016.？ 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로