의료정보 시스템은 의료영상과 진단정보를 공유할 수 있는 환경을 제공해주는 효과적인 진단 보조 도구이지만 단순히 정보의 저장과 전송만을 제공한다. 이러한 단점을 해결하고 진단활동의 효율성을 높이기 위해서는 의료영상 분류 및 검색 시스템이 필요하다. 의료영상 분류 및 검색 시스템은 질환 영상과 유사한 영상을 제공함으로써 진단활동의 효율성을 높이고, 다양한 사례 확인을 통하여 보다 전문적인 의료활동을 제공할 수 있다. 그러나 기존의 영상 분류 및 검색 시스템은 영상의 표면적인 정보만을 이용하므로 영상이 내포하는 의미를 파악하기 어렵다. 그러므로 영상의 표면적인 정보뿐만 아니라 영상을 구성하는 요소들의 관계를 파악하여 영상을 분류할 수 있는 의료영상 분류 시스템이 필요하다. 본 논문에서 제안한 기법은 뇌 자기공명영상에서 영상의 표면적인 정보와 공간정보를 추출하여 뇌 자기공명영상을 학습하고 분류한다. 영상의 표면적인 정보는 영상 자체가 갖는 색상, 모양 등의 정보로 하위 영상정보라 하고, 영상의 논리정보를 상위 영상정보라 한다. 본 논문에서는 하위 영상정보와 상위 영상정보를 추출할 때 뇌의 해부학적 명칭과 구조를 활용하였다. 하위 영상정보는 뇌 영상의 부분 영역들에 대한 해부학적 명칭을 부여하기 위해 활용되고, 상위 영상정보는 명칭이 부여된 부분 영역들의 관계를 활용하여 정보를 추출한다. 각 정보는 학습과 분류에 사용된다. 실험에서는 질환을 갖는 뇌 자기공명영상을 활용하였다.
The medical information system is an effective medical diagnosis assistance system which offers an environment in which medial images and diagnosis information can be shared. However, this system can only stored and transmitted information without other functions. To resolve this problem and to enhance the efficiency of diagnostic activities, a medical image classification and retrieval system is necessary. The medical image classification and retrieval system can improve efficiency in a medical diagnosis by providing disease-related images and can be useful in various medical practices by checking diverse cases. However, it is difficult to understand the meanings contained in images because the existing image classification and retrieval system has handled superficial information only. Therefore, a medical image classification system which can classify medical images by analyzing the relation among the elements of the image as well as the superficial information has been required. In this paper, we propose the method for learning and classification of brain MRI, in which the superficial information as well as the spatial information extracted from images are used. The superficial information of images, which is color, shape, etc., is called low-level image information and the logical information of the image is called high-level image information. In extracting both low-level and high-level image information in this paper, the anatomical names and structure of the brain have been used. The low-level information is used to give an anatomical name in brain images and the high-level image information is extracted by analyzing the relation among the anatomical parts. Each information is used in learning and classification. In an experiment, the MRI of the brain including disease have been used.
