Earticle

본 연구에서는 인터벤션 시술 시 사용하는 DSA에서 발생하는 높은 선량으로 시술자와 환자의 의료 피폭이 발생됨을 인지하고 3D printing DSA 팬텀을 이용하여 Cu filter와 post-processing algorithm의 적용을 통해 화질 저하를 개선한 저선량 프로토콜이 임상에 적용 가능한지를 알아봤다. 본원에서 3D Printing 기술을 이용하여 DSA 팬텀을 자체 제작하였으며, (1) 기존 프로토콜, (2) Cu filter 적용 프로토콜, (3) Cu filter 및 post-processing algorithm 적용 프로토콜로부터 획득한 영상의 선량, SNR&CNR, 정성적인 평가를 실시했다. Cu filter 0.3mm parameter 적용 전후로 61%의 선량 감소를 가져왔고, post-processing algorithm을 함께 적용했을 때 기존 Standard 프로토콜 대비 SNR은 93%, CNR은 98% 정량적인 수치를 나타냈다. 그리고 정성평가 결과에서는 93%의 인원이 임상에서 적합한 수준의 영상이라고 답변했다. Cu filter, post-processing algorithm을 통한 의료 피폭 선량 감소와 영상 화질 개선을 확인하고 기존 프로토콜을 대체할 저선량 프로토콜의 효용성을 입증했다

In this study, we recognized the high radiation dose during digital subtraction angiography (DSA) used in intervention procedures and used 3D-printed DSA phantom to determine whether low-dose protocol with post-processing algorithm is applicable to clinical procedures without deterioration of image quality. DSA Phantom was prepared by using 3D printing technology at the Asan medical center, and three imaging acquisition protocols were tested; (1) default protocol, (2) low-dose protocol with Cu filtration, (3) low-dose protocol with Cu filtration and post-processing algorithm according to radiation dose, SNR & CNR, and qualitative evaluation. It resulted in a 61% dose reduction before and after an adaption of 0.3mm Cu filtration, with 93% in SNR and 98% in CNR compared to the existing Standard protocol. In addition, 93% of the respondents said that the quality assessment was appropriate for clinical procedures. We identified that reduced radiation exposure dose and improved image quality through Cu filter, post-processing algorithm and demonstrated the utility of low-dose protocols could replace existing standard protocols.

컴퓨터 비전 분야의 의미론적 영상 분할(Semantic Image Segmentation) 기술은 이미지를 픽셀 단위로 분할 하여 클래스를 나누는 기술이다. 이 기술도 기계 학습을 이용한 방법으로 성능이 빠르게 향상되는 중이며, 픽셀 단위의 정보를 활용할 수 있는 높은 활용성이 주목받는 기술이다. 그러나 이 기술은 초기부터 최근까지도 계속 '세밀하지 못한 분할'에 대한 문제가 제기되어 왔다. 이 문제는 레이블 맵의 크기를 계속 늘리면서 발생한 문제이기 때문에, 자세한 에지 정보가 있는 원본 영상의 에지 맵을 이용해 레이블 맵을 수정하여 개선할 수 있을 것으로 예상할 수 있었다. 따라서 본 논문은 기존 방법대로 학습 기반의 의미론적 영상 분할을 유지하되, 그 결과인 레이블 맵을 원본 영상의 에지 맵 기반으로 수정하는 후처리 알고리즘을 제안한다. 기존의 방법에 알고리즘의 적용 한 뒤 전후의 정확도를 비교했을 때 평균적으로 약 1.74% 픽셀 정확도와 1.35%의 IoU(Intersection of Union) 정확도가 향상되었으며, 결과를 분석했을 때 성공적으로 본래 목표한 세밀한 분할 기능을 개선했음을 보였다.

Semantic image segmentation technology in the field of computer vision is a technology that classifies an image by dividing it into pixels. This technique is also rapidly improving performance using a machine learning method, and a high possibility of utilizing information in units of pixels is drawing attention. However, this technology has been raised from the early days until recently for 'lack of detailed segmentation' problem. Since this problem was caused by increasing the size of the label map, it was expected that the label map could be improved by using the edge map of the original image with detailed edge information. Therefore, in this paper, we propose a post-processing algorithm that maintains semantic image segmentation based on learning, but modifies the resulting label map based on the edge map of the original image. After applying the algorithm to the existing method, when comparing similar applications before and after, approximately 1.74% pixels and 1.35% IoU (Intersection of Union) were applied, and when analyzing the results, the precise targeting fine segmentation function was improved.

Users get unexpected position information with errors because of satellite clock, ionospheric delay, tropospheric delay and hot noise. Especially if there are crowded many buildings and tall buildings in a small area, larger errors are generated by multi path, reflection and refraction. Therefore, in this paper, we have proposed a post-processing algorithm based on Minimum distance maintenance, Bounce cancellation and Direction vector scheme considering distribution and direction of received position information. Through the experimental results of this paper, we have shown a low average error 5.87m compared to the GPS point positioning that shows an average error 23.4m.

Post-processing programs play an important role in the CFD data visualization and analysis. A variety of post-processing softwares have been developed and are being used in the CFD community. Developing a good quality of post-processing program requires dedication and efforts. In this paper an experience obtained through previous studies and developing post-processing programs are introduced which includes data structure and visualization algorithms.

연속적인 음성 인식 결과는 띄어쓰기를 하지 않은 연속 음절 문장들로 이루어져 있다. 본 논문은 음성 인식 후처리 단계에서 연속 음절 문장을 조사/어미 사전을 이용한 어절 생성 과정과 형태소 분석기를 이용하여 어절을 생성한 후 키워드를 추출한다. 실험 결과, 어절 생성기만 적용한 방식보다 제안된 알고리즘의 인식률이 향상되는 것을 확인하였다.

음성신호의 특징적인 성분인 피치를 검출하는 알고리즘 중 실시산 구현이 손쉬운 3단계를 클리핑 알고리즘을 PC상에서의 처리를 위하여 구현하였다. 이 알고리즘을 통하여 검출되는 피치의 안정성 및 정확성을 높이기 위해서 적용된 창함수, LPF, 클리핑 자기상관값계산, 비선형 감쇄, 등의 전처리 필터링과, 배수피치 검출 및 정정, 메디언 필터링을 사용하여 피치를 검출하였다. 또한 이 알고리즘을 이용하여 DSP의 도움을 얻지 않고 PC상에서 음성을 분석하여 스펙트로그램, 파형, 에너지, 피치 등을 출력하는 프로그램인 Visual Analysis Tool for sounds(VAT)의 출력화면을 통하여 피치검출을 나타내었다.