현재 위치
Home
의료 영상의 진단 정확도 향상을 위한 이미지 화질 개선 알고리즘 성능 비교 분석
Comparative Analysis of Image Enhancement Algorithms for Improving Diagnostic Accuracy in Medical Imaging
-
- 발행기관
- 제주대학교 지능소프트웨어 교육연구소 바로가기
-
- 간행물
- 지능정보융합과 미래교육 KCI 등재후보 바로가기
-
- 통권
- 제4권 제24호 (2025.11)바로가기
-
- 페이지
- pp.1-10
-
- 저자
-
- 언어
- 한국어(KOR)
-
- URL
- https://www.earticle.net/Article/A475174
※ 기관로그인 시 무료 이용이 가능합니다.
4,000원
원문정보
초록
- 영어
- This paper comparatively analyzes the performance of five prominent image processing algorithms—Histogram Stretching (HS), Histogram Equalization (HE), Contrast Limited Adaptive Histogram Equalization (CLAHE), Anisotropic Diffusion Filter (AD), and Bilateral Filter (BF)—for enhancing medical image quality. We applied these algorithms to eight medical images, including brain tumors, chest X-rays, lumbars, and retina blood images. Performance was evaluated using five quantitative metrics: Mean Squared Error (MSE), Peak Signal-to-Noise Ratio (PSNR), Standard Deviation (SD), Structural Similarity Index Measure (SSIM), and Entropy, alongside subjective visual quality assessment. The experimental results demonstrate that Contrast Limited Adaptive Histogram Equalization (CLAHE) generally exhibits the most superior performance, particularly in terms of local contrast enhancement and noise suppression.
- 한국어
- 본 논문은 의료 영상의 화질 개선을 위한 5가지 주요 이미지 처리 알고리즘(히스토그램 스트레칭, 히스토그램 평활화, 대비 제한 적응 히스토그램 평활화, 비등방성 확산 필터, 양방향 필터)의 성능을 비교 분석한다. 뇌종양, 흉부 X-ray, 요추, 망막 혈관 이미지 등 8가지 의료 영상에 각 알고리즘을 적용하여 MSE, PSNR, SD, SSIM, Entropy의 5가지 정량적 지표와 주관적인 시각적 품질을 평가하였다. 실험 결과, 대비 제한 적응 히스토그램 평활화(CLAHE) 기법이 전반적으로 가장 우수한 성능을 보였으며, 특히 국부적인 대비 개선 및 노이즈 억제 측면에서 뛰어남을 확인하였다.
목차
요약
ABSTRACT
Ⅰ. 서론
II. 주요 화질 개선 기법
1. 히스토그램 스트레칭 (Histogram Stretching)
2. 히스토그램 평활화 (Histogram Equalization)
3. 대비제한적응히스토그램 평활화 (ContrastLimited Adaptive Histogram Equalization,CLAHE)
4. 비등방성 확산 필터 (Anisotropic DiffusionFilter)
5. 양방향필터 (Bilateral Filter)
III. 개선 화질 성능 지표
1. 평균 제곱 오차 (Mean Squared Error, MSE)
2. 최대 신호 대 잡음비 (Peak Signal-to-Noise Ratio, PSNR)
3. 표준 편차 (Standard Deviation)
4. 구조적 유사성 지수 (Structural Similarity Index Measure, SSIM)
5. 엔트로피 (Entropy)
IV. 실험 및 분석
V. 결론
참고문헌
키워드
이미지 화질 개선 히스토그램 평활화 대비 제한 적응 히스토그램 평활화 비등방성 확산 필터 양방향 필터 Image Quality Enhancement Histogram Equalization Contrast Limited Adaptive Histogram Equalization Anisotropic Diffusion Filter Bilateral Filter저자
간행물 정보
발행기관
-
- 발행기관명
- 제주대학교 지능소프트웨어 교육연구소 [Intelligent Software Education Research Institute]
- 설립연도
- 2022
- 분야
- 사회과학>교육학
- 소개
- 우리 연구소는 컴퓨터 과학 교육이 강조되는 세계적 흐름속에서 소프트웨어융합 인재 양성을 위한 교육 기반 구축을 위해 '지능소프트웨어교육센터'를 설립하여 운영하여 왔고, 이후 한국연구재단의 인문사회연구소지원사업에 선정되면서 2022년 3월, 우리나라 인공지능 교육의 거점 연구소로서 '지능소프트웨어교육연구소'로 새롭게 기관 명칭을 변경하고 전문 연구 기관으로서의 위상을 공고히 하였습니다. 우리 연구소는 설립된 이후부터 지금까지 인공지능을 중심으로 하는 지능정보시대를 열어갈 인공지능 컴퓨팅 융합 인재 양성을 위한 교육 기반 구축에 기여하고 있으며, 주요 연구 분야로는 지능정보사회에서 갖춰야할 디지털 소양으로써의 컴퓨팅 사고력 함양을 위한 소프트웨어와 인공지능 교육 연구, 유아부터 중장년층까지 평생교육차원의 인공지능 교육 연구, 지능정보격차 해소를 위한 정보배려계층 대상 인공지능 교육 연구, 윤리적으로 고려된 인공지능 교육으로 설계된 A!thics 교육 등의 인공지능 교육과 인공지능 기술과 응용 연구 등에 힘을 쏟고 있습니다. 또한 인문사회연구소 지원사업의 과제로 수준별 인공지능 컴퓨팅 교육을 위한 핵심 전략인 4P(Play, Problem solving, Product making, Project)전략에 기반하여 교육과정 개발과 컴퓨팅 사고력 함양을 위한 CT-EL(Computational Thinking-Experienced Learning) 기반 교수학습 방법 연구, 교재개발 등을 진행하고 있습니다. 앞으로 지능소프트웨어교육연구소는 제주 지역의 유관기관과 협력하여 제주의 미래를 이끌어갈 지능소프트웨어융합을 위한 지역 인재 양성 모델을 만드는데 앞장 서고, 더 나아가 우리나라의 인공지능 교육을 이끌어가는 우리나라 대표 연구 기관으로 자리매김할 수 있도록 최선을 다하겠습니다. 감사합니다.
간행물
-
- 간행물명
- 지능정보융합과 미래교육 [Intelligent Information Convergence and Future Education]
- 간기
- 수시
- eISSN
- 2951-4762
- 수록기간
- 2022~2026
- 등재여부
- KCI 등재후보
- 십진분류
- KDC 370 DDC 370
이 권호 내 다른 논문 / 지능정보융합과 미래교육 제4권 제24호
피인용수 : 0건 (자료제공 : 네이버학술정보)
함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.
출처 : 네이버학술정보
0개의 논문이 장바구니에 담겼습니다.