시설원예 국제화를 위한 연구방향 제언

이승완(Seungwan Lee) 한국원예학회 2016 한국원예학회 학술발표요지 Vol.2016 No.10

기능성 패키지의 개발과 IMU 적용

이상우(Sangwoo Lee),이승완(Seungwan Lee),정규동(Kyudong Jung),신규영(Gyuyoung Shin),김진호(Jinho Kim),이도현(Dohyun Lee),한택수(Taeksoo Han),윤근중(Keunjoong Yoon),송기무(Gimoo Song),김용국(Yongkook Kim) 항공우주시스템공학회 2018 항공우주시스템공학회 학술대회 발표집 Vol.2018 No.11

s-IGDT 시스템의 X-선원 배열 형태 및 투영상 개수에 따른 영상 화질 평가에 관한 연구

이다혜(Dahye Lee),남기복(KiBok Nam),이승완(Seungwan Lee) 대한방사선과학회(구 대한방사선기술학회) 2022 방사선기술과학 Vol.45 No.2

Although stationary inverse-geometry digital tomosynthesis (s-IGDT) is able to reduce motion artifacts, image acquisition time and radiation dose, the image quality of the s-IGDT is degraded due to the truncations arisen in projections. Therefore, the effects of geometric and image acquisition conditions in the s-IGDT should be analyzed for improving the image quality and clinical applicability of the s-IGDT system. In this study, the s-IGDT images were obtained with the various X-ray source arrangement types and the various number of projections. The resolution and noise characteristics of the obtained s-IGDT images were evaluated, and the characteristics were compared with those of the conventional DT images. The s-IGDT system using linear X-ray source arrangement and 40 projections maximized the image characteristics of resolution and noise, and the corresponding system was superior to the conventional DT system in terms of image resolution. In conclusion, we expect that the s-IGDT system can be used for providing medical images in diagnosis.

무역업무의 효율성 향상을 위한 관세 계산프로그램의 개발

정진영 ( Jinyoung Jeong ),이승완 ( Seungwan Lee ),조돈희 ( Donhui Cho ),김묘배 ( Myobae Kim ),박병화 ( Byeonghwa Park ) 한국품질경영학회 2017 한국품질경영학회 학술대회 Vol.2017 No.2

디지털 유방단층영상합성법의 FBP 알고리즘 적용을 위한 다양한 필터 조합에 대한 연구

이행화,김예슬,이영진,최성훈,이승완,박혜숙,김희중,최재구,최영욱,Lee, Haeng-Hwa,Kim, Ye-Seul,Lee, Youngjin,Choi, Sunghoon,Lee, Seungwan,Park, Hye-Suk,Kim, Hee-Joung,Choi, Jae-Gu,Choi, Young-Wook 한국의학물리학회 2014 의학물리 Vol.25 No.4

최근에 디지털 유방촬영술(digital mammography, DM)의 해부학적 구조의 겹침 현상과 컴퓨터단층촬영영상(computed tomography, CT)의 높은 환자 선량을 해결하기 위해 디지털 유방단층영상합성장치(digital breast tomosynthesis, DBT)에 대한 연구 개발이 활발하게 수행되고 있다. 하지만 DBT 시스템은 제한된 각도로 영상을 획득하면서 급격한 데이터 결핍으로 인해 다른 층의 간섭으로 인한 인공물(artifacts)이 발생한다. 이를 완화시키기 위해 적절한 필터가 필요하다. 본 논문에서는 DBT 시스템에서 FBP 알고리즘을 이용하여 영상재구성 시 발생되는 인공물을 줄이기 위해 적절한 필터조합을 찾는 것이 궁극적인 목적이다. 시뮬레이션과 실제 실험을 통해 동일한 영상 획득조건에서 FBP 알고리즘을 이용해 재구성된 영상을 분석하여 다양한 필터 조합들의 특성을 조사했다. 필터 특성에 대한 평가를 하기 위해 영상 및 프로파일의 분석과 COV (coefficient of variation)를 이용하여 인공물과 잡음에 대한 평가를 하였다. 본 연구 결과를 통해 분광필터(spectral filter)의 파라미터 인자 값들을 조절하여 cut-off frequency를 설정함으로써 고주파 영역에 있는 영상의 잡음을 줄일 수 있었다. DBT 시스템에서 유방팬텀을 재구성한 영상들을 비교했을 때 분광필터의 파라미터 인자를 0.25로 적용한 영상의 결과는 분광필터를 적용하지 않았을 때보다 영상의 잡음을 10%로 감소시킬 수 있었다. 절편두께필터(slice thickness filter)의 파라미터 인자의 값들을 조절하여 정보들의 불균형을 줄임으로써 다른 층의 간섭으로 인한 인공물을 감소시킬 수 있었다. 결론적으로, 본 연구를 통해 FBP 알고리즘으로 재구성했을 때 필터들의 기본 특성을 확인 할 수 있었으며, 적절한 필터 조합이 실제 화질 개선에 기여한 것으로 확인할 수 있었다. 이 연구 결과는 다양한 필터 조합에 따른 잡음과 데이터 결핍에 의한 인공물에 대한 정보를 제공하여 DBT 시스템의 개발 및 임상화적용 연구에 기반이 될 것으로 기대된다. Recently, digital breast tomosynthesis (DBT) has been investigated to overcome the limitation of conventional mammography for overlapping anatomical structures and high patient dose with cone-beam computed tomography (CBCT). However incomplete sampling due to limited angle leads to interference on the neighboring slices. Many studies have investigated to reduce artifacts such as interference. Moreover, appropriate filters for tomosynthesis have been researched to solve artifacts resulted from incomplete sampling. The primary purpose of this study is finding appropriate filter scheme with FBP reconstruction for DBT system to reduce artifacts. In this study, we investigated characteristics of various filter schemes with simulation and prototype digital breast tomosynthesis under same acquisition parameters and conditions. We evaluated artifacts and noise with profiles and COV (coefficinet of variation) to study characteristic of filter. As a result, the noise with parameter 0.25 of Spectral filter reduced by 10% in comparison to that with only Ramp-lak filter. Because unbalance of information reduced with decreasing B of Slice thickness filter, artifacts caused by incomplete sampling reduced. In conclusion, we confirmed basic characteristics of filter operations and improvement of image quality by appropriate filter scheme. The results of this study can be utilized as base in research and development of DBT system by providing information that is about noise and artifacts depend on various filter schemes.

흉부 X선 영상을 이용한 작은 층수 ResNet 기반 폐렴 진단 모델의 성능 평가

최용은(Youngeun Choi),이승완(Seungwan Lee) 대한방사선과학회(구 대한방사선기술학회) 2023 방사선기술과학 Vol.46 No.4

몬테카를로 시뮬레이션을 이용한 광자계수검출기 기반 이중에너지 스펙트럼 유방촬영에서 가중 영상 감산법을 통한 물질분리

엄지수(Eom Jisoo),강순철(Kang Sooncheol),이승완(Lee Seungwan) 대한방사선과학회(구 대한방사선기술학회) 2017 방사선기술과학 Vol.40 No.3

유방촬영술은 유방암의 조기검진을 위해 시행되는 대표적인 검사이다. 하지만 유방 구성물질의 물리적 특성에 의존하는 유방촬영상은 병변의 악성 또는 양성 여부에 대한 정보 제공이 불가능하다. 이중에너지 영상 감산법을 시행하는 경우 유방촬영상에서 특정 물질에 대한 정보를 추출할 수 있지만 피폭선량을 증가시킬 뿐만 아니라 물질 분리의 정확도를 감소시키는 단점이 있다. 본 연구에서는 물질의 선감약계수를 적용한 유방팬텀을 모사하여 광자 계수검출기 기반 이중에너지 유방촬영에서 특정 물질에 대한 가중함수를 적용하여 분리의 정확도를 향상시킬 수 있는 기술을 제안하였다. 그리고 유방팬텀영상으로부터 물질분리의 정확도를 평가하기 위해 대조도 및 잡음 특성을 분석하였다. 분석 결과 이중에너지 가중 영상 감산법의 악성종양에 대한 대조도는 일반적인 유방촬영과 이중에너지 영상 감산법에 비해 각각 0.98, 1.06배로 큰 차이가 없다. 그렇지만 이중에너지 가중 영상 감산법 적용 시 양성종양에 대한 대조도가 0에 근사하기 때문에 양성종양에 대한 악성종양의 상대적인 대조도가 13.54배로 크게 향상된 것으로 확인되었다. 따라서 본 연구에서 제안하는 이중에너지 가중 영상 감산법은 유방촬영 진단의 정확도 향상에 기여할 수 있을 것이다. Mammography is commonly used for screening early breast cancer. However, mammographic images, which depend on the physical properties of breast components, are limited to provide information about whether a lesion is malignant or benign. Although a dual-energy subtraction technique decomposes a cer-tain material from a mixture, it increases radiation dose and degrades the accuracy of material decomposition. In this study, we simulated a breast phantom using attenuation characteristics, and we pro-posed a technique to enable the accurate material decomposition by applying weighting factors for the du-al-energy mammography based on a photon-counting detector using a Monte Carlo simulation tool. We al-so evaluated the contrast and noise of simulated breast images for validating the proposed technique. As a result, the contrast for a malignant tumor in the dual-energy weighted subtraction technique was 0.98 and 1.06 times similar than those in the general mammography and dual-energy subtraction techniques, respectively. However the contrast between malignant and benign tumors dramatically increased 13.54 times due to the low contrast of a benign tumor. Therefore, the proposed technique can increase the ma-terial decomposition accuracy for malignant tumor and improve the diagnostic accuracy of mammography.

심층강화학습을 이용한 Convolutional Network 기반 전산화단층영상 잡음 저감 기술 개발

조정효(Jenonghyo Cho),임도빈(Dobin Yim),남기복(Kibok Nam),이다혜(Dahye Lee),이승완(Seungwan Lee) 한국방사선학회 2020 한국방사선학회 논문지 Vol.14 No.7

전산화단층영상 품질 개선을 위해 사용되는 지도학습 기반의 딥러닝 기술은 사전 학습을 위해 많은 양의 데이터를 필요로 하는 단점이 있다. 또한 지도학습 기반의 딥러닝 기술은 학습에 사용된 영상의 특징과 학습된 모델에 입력된 영상의 특징이 다른 경우 영상 내부 구조적 왜곡이 유발되는 한계점이 있다. 본 연구에서는 기존 지도학습 기반 딥러닝 기술의 단점을 보완하고 전산화단층영상의 잡음을 감소시킬 수 있는 심층강화학습 기반 영상화 모델을 개발하였다. 심층강화학습 기반 영상화 모델은 shared, value 및 policy 네트워크로 구성하였으며, 영상 잡음 특징 추출 및 모델의 성능 향상을 위해 합성곱, rectified linear unit(ReLU) 활성화 함수, dilation factor 및 게이트순환유닛을 사용하였다. 또한 기존 지도학습 기반 딥러닝 기술을 통해 획득한 영상의 영상품질 비교를 통해 본 연구에서 개발한 영상화 모델의 성능을 평가하였다. 연구결과 기존 기술에 비해 본 연구에서 개발한 영상화 모델 적용 시 전산화단층영상의 정량적 정확도는 큰 폭으로 향상, 잡음은 큰 폭으로 감소함을 확인하였다. 또한 영상화 모델 학습 시 사용한 영상과 구조적 특징이 다른 영상에 대해서도 잡음 감소 효과를 확인하였다. 따라서 본 연구에서 개발한 심층강화학습 기반 영상화 모델을 통해 전산화단층영상의 구조적 특징을 보전함과 동시에 잡음을 감소시킬 수 있다. Supervised deep learning technologies for improving the image quality of computed tomography (CT) need a lot of training data. When input images have different characteristics with training images, the technologies cause structural distortion in output images. In this study, an imaging model based on the deep reinforcement learning (DRL) was developed for overcoming the drawbacks of the supervised deep learning technologies and reducing noise in CT images. The DRL model was consisted of shared, value and policy networks, and the networks included convolutional layers, rectified linear unit (ReLU), dilation factors and gate rotation unit (GRU) in order to extract noise features from CT images and improve the performance of the DRL model. Also, the quality of the CT images obtained by using the DRL model was compared to that obtained by using the supervised deep learning model. The results showed that the image accuracy for the DRL model was higher than that for the supervised deep learning model, and the image noise for the DRL model was smaller than that for the supervised deep learning model. Also, the DRL model reduced the noise of the CT images, which had different characteristics with training images. Therefore, the DRL model is able to reduce image noise as well as maintain the structural information of CT images.