검사자 실명제를 통하여 검사의 질적 수준을 높이기 위하여 보건복지부령 제 3조 1 항 중 [1. 운용인력기준-방사선사-전속 1인]으로 되어 있으며, 보건복지부령 제 5조 제 2항<개정 2011.6.27 > 중 [다. 유방촬영용 장치-촬영표지-9.촬영자 성명(기호)]에 검사 자인 방사선사를 표시하도록 되어 있다. 이에 본 연구에서는 검사자 실명제를 효율성, 신뢰성, 편의성을 보다 높이기 위하여 EMR과 PACS를 이용하여 자동 등록 프로그램 을 개발하여 적용하였다. 2013년 3월~4월까지 특수의료장비를 운용하는 방사선사 총 55명을 대상으로 검사자의 영상 입력 방법에 대해 타당성 및만족도 조사를 시행하였 으며, 프로그램개발은 2013년 4월부터 12월까지 비쥬얼베이직 6.0 Version(VB6)을 이 용하여 의료영상정보시스템(PACS)과 병원정보시스템을 연동하는 프로그램을 구현하 였다. 프로그램 개발은 검사실 등록은 획득서버에서의 [Description Name]을 Text로 변환한 것이며, 방사선사 등록은 인사 D/B에서 ‘RT’로 등록되어 있는 사번과 한글이 름을 연동시켰으며, 검사 후 DICOM 파일을 획득 할 때 DICOM Tag 값인 [0x00081070]에 Value 값을 RIS에서 가지고 온 방사선사 사번이 입력되도록 획득서버 의 "Edit Value", Trim(Right(cmbGisa.Text, 6))]에 직접 입력시켰다. 사용 전후 만족 도를 시행한 결과 편의성, 일치성, 누락에서 모두 개발된 프로그램이 만족도가 통계적 으로 유의한 차이로 높게 나타났다. 본 연구에서 개발한 검사자 자동 등록 프로그램은 실제 검사자를 영상에 보여주게 함으로써 환자의 검사 안정성을 높일 수 있으며, 의료 의 질적 수준을 높일 수 있을 거라 기대한다.

This study aims to explore the effect of three factors of Servicescape on customers’ emotion, perceived quality and image. The proposed model was tested in medical tourism context in Portugal, using a sample of 332 fully completed questionnaires. Findings reveal that ambient and design are the most important factors in formation Servicescape itself. Servicescape is an effective antecedent of customer image, perceived quality and pleasure-feeling. Finally, the article also provides managerial implications and suggests avenues for further research.

본 논문에서는 MPEG-7 시각 기술자를 조합하고, 유사도 수행에서 초기 중요도 가중치를 고려한 관심영역(ROI: Region-Of-Interest) 기반의 의료 영상 검색 기법을 제안한다. 의료 영상에서 의미 없는 배경 부분을 제거하고, 영역 추출의 처리 시간을 줄이는 관심 윈도우(AW: Attention Window)를 생성하여 관심 영역 분할을 수행한다. 또한 인간 시각에 부합하도록 검색 성능을 향상시키기 위하여 유사도를 비교하는 영역에 대한 초기 가중치를 설정하여 특징 벡터 거리를 계산하였다. 실험에서 제안된 기법은 의료 영상을 효과적으로 찾아내며, 조합된 특징과 가중치를 이용한 유사도 측정으로 검색 성능이 향상됨을 보여준다.

  This study is concerned with image information management system for small scale hospital. We intended to developing image management system which is used of the existing analog devices such as medical camera, supersonic analyser, endoscope etc. We deve

최근 인공지능에 대중의 관심으로 인해, 인공신경망을 사용한 의료영상 처리가 학계와 산업계에서 관심이 커져가고 있다. 딥러닝을 이용한 컨볼루션 신경망은 영상을 효과적으로 표현할 수 있는 것으로 증명되었다. 그러나 학습을 위해서는 고성능 H/W 플랫폼이 요구된다. 따라서 고차원의 많은 학습 샘플을 저사양 H/W 플랫폼에서 학습하는 것은 매우 도전적인 문제이다. 본 논문에서는 온라인 인공 신경망을 사용해 라즈베리파이에서 동작할 수 있는 실시간 신경망 알고리즘을 제안하고자 한다. 다양한 실험 결과를 통해 제안된 방법은 실시간 학습이 가능함을 보여주었다.

본 논문에서는 프랙탈 부호화시 변환식의 계수를 찾는 과정에서 블럭의 탐색영역을 줄이기 위해 탐색영역인 도메인 블럭의 특성을 화소의 밝기의 평균에 의한 클래스와 분산에 의한 클래스로 분류하여 리스트를 구성한 후 레인지 블럭과 같은 클래스를 가지는 도메인 블럭만 검색하도록 하면서 도메인 블록 탐색시 1차 허용 오차 한계값을 제어하여 리스트 탐색시 RMS값에 일정 허용오차 이내의 값을 가지면 리스트를 끝까지 탐색하지 않고 변환값을 결정하도록 하여 부호화 시간을 향상시켰다. 또한 퀴드트리 분할법으로 레인지 블럭의 크기를 가변시켜 변환(wi)의 수를 줄임으로서 압축효율을 높이고 도메인 레인지 블럭의 크기에 따라 탐색 영역의 탐색 밀도와 허용오차를 변화시켰을 때 화질 개선여부를 검토하였다. 제안된 방법으로 부호화한 결과 부호화 시간은 허용오차의 범위에 따라 향상되며 압축효과는 높아졌고 PSNR값은 다소 떨어졌으나 거의 무시할 수 있을 정도의 변화가 있었다.

초기치에서 발생되어지는 비트의 소비를 저주파영역에서의 부호화하는 과정을 없애고, 각 대역별 임계값을 통해, 비 트정렬시 LIS에서 발생되어 질 수 있는 비트 소비를 줄일 수 있었다. 그리고 마지막 단계로 허프만 코딩을 적용하여 압축효율을 향상시켰다. 실험 결과를 통해, 특히 낮은 비트율에 대해서 비트율의 향상을 가져오게 되어 전송시에 있어 서 더욱 점진적이고 프로그레시브한 전송을 가능하게 되었다.

본 논문에서는 신경회로망을 이용한 의료영상의 질환부위 인식방법을 제안하였다. 질환부위 인식을 위한 신경회로 망은 입력층, 은닉층, 출력층으로 구성하여 적응 오차 역전파 알고리즘으로 학습하였다. 신경회로망에 입력된 의료영 상의 특징 파라미터는 웨이브릿 변환에 의하여 분해된 저주파 영역을 행렬식으로 표현하여 특성 다항식의 계수값 (n+1)개로 하였다. 추출된 특징 파라미터는 탄젠트시그모이드 전달함수의 범위로 정규화하여 신경회로망의 입력 벡 터로 이용하였다. 제안된 방법의 타당성을 입증하기 위해서 실험에 사용된 입력 의료영상을 가지고 모사실험을 통해 질환부위의 인식 률을 평가하였다. 실험 결과 4레벨 DWT로 변환된 저주파영역 행렬의 특성 다항식 계수를 탄젠트시그모이드 전달함수의 범위로 정규 화하여 신경회로망의 입력 벡터로 이용했을 때 최적의 학습 횟수를 보였다. 신경회로망의 학습은 적응 오차 역전파 알 고리즘을 사용하였고, 학습계수를 0.01, 모우멘텀을 0.95로 하였을 때, 위영상에 대해서는 55회, 가슴영상은 55회, CT 영상은 46회, 초음파영상은 55회 그리고 혈관영상에 대해서는 157회 등의 최적의 학습 횟수를 보이며 100%의 인식률 을 보였다