Mobile QR Code QR CODE : The Transactions of the Korean Institute of Electrical Engineers

  1. (Dept. of Medical IT Engineering, Soonchunhyang University, Korea.)



Nail capillary, smartphone, image processing, 3D modeling

1. 서 론

모세혈관은 작은 세동맥, 후세동맥, 세정맥들을 포함하는 순환의 마지막 부분으로, 내피세포층으로 이루어진 단일 구조이다. 내피세포의 이상 반응은 질병의 작용을 받는 장기의 위치에 따라 다양하지만, 일차적으로 염증 세포가 유입되어 변화를 일으키는 곳이다(1). 그중 손의 말단 부분인 손톱주름 피부는 모세혈관이 밀집되어 있어 혈액순환 문제를 쉽게 파악할 수 있어 모세혈관의 지속적인 관찰이 필요하다. 손톱주름 모세혈관에 대한 변화를 통해 현재 질병 상태뿐만 아니라 병증 진행 상황을 예측 및 진단할 수 있다. 모세혈관의 비정상적인 변화는 일차성에서 이차성 레이노현상으로 이행될 때 주로 관찰된다. 레이노현상은 추위나 감정의 변화로 유발되는 사지 말단 부위의 일시적이고 가역적인 변화로, 혈액이 창백, 청색증 발현 후 다시 따뜻해졌을 때 재관류 되면서 발적이 되는 사지의 3단계 색조 변화를 전형적인 임상적 증상을 보인다(2). 일차성 레이노현상은 적절한 보온을 통해 치료가 가능하지만, 이차성 레이노현상은 궤양 등 허혈에 의한 조직 손상 가능성이 있으며 극심한 신경통을 겪는 질환으로 이행될 가능성이 있다. 이러한 병증을 비침습적인 방법으로 쉽고 안전하게 예측할 수 있는 것이 손톱주름 모세혈관경 검사이다(3).

현재 임상에서는 모세혈관경 검사를 통해 비침습적인 방법으로 모세혈관의 형태학적 변화를 진단하고 있다. 실체 현미경, 광학현미경, 비디오 모세혈관경 등과 같은 기구를 사용하는 기존 손톱주름 검사는 숙련된 전문가가 영상을 얻은 후, 환자의 미세혈관 병증을 진단한다(4). 모세혈관 영상은 대물렌즈 및 탐촉자를 손톱주름과 직각으로 위치하고, 피부를 압박하지 않은 상태에서 배율을 선택하여 촬영한다. 그러나, 오일에 의한 빛 반사, 손가락의 미세한 움직임, 이미지의 노이즈 등으로 인해 모세혈관을 추출하기 위한 최적의 영상을 얻기 어렵다. 이러한 어려움으로 인해 정량화된 모세혈관 형태학적 변화에 대한 검사법의 표준화 작업이 부족한 실정이다(1)(5). 현재는 검사자의 육안을 통해 주관적인 판단으로 모세혈관이 손상된 정도를 진단하고 있어 객관적인 진단에 한계가 있다. 이는 경험이 부족한 검사자가 환자의 모세혈관을 진단 시 부정확한 진단을 유발할 수 있다. 또한, 개인이 모세혈관과 같은 미세한 단위의 형상을 관찰하기 위해 고가의 현미경 장비를 구비하기엔 어려움이 있어 진단 시 병원에 방문해야만 하므로 바쁜 현대인들에게 시간적으로 부담이 된다.

본 연구는 상기 문제점들을 해결하고자 공간에 제약을 받지 않으면서 모세혈관의 객관적이고 정량적인 진단이 이루어지도록 하는 시스템을 개발하고자 하였다. 3D printing 기술을 이용해 휴대폰에 간단하게 장착하여 사용할 수 있는 모세혈관 관찰 기기를 제작하여 가정에서도 쉽게 실시간 진단을 위할 수 있도록 하였다. 휴대폰 카메라를 사용하기 때문에 환자가 병원에 방문하지 않고도 언제든 모세혈관의 영상을 얻을 수 있다. 기기를 통해 얻은 영상은 컴퓨터 기반의 영상처리 알고리즘을 통해 배경으로부터 모세혈관을 자동으로 분할하여 직관적으로 관찰할 수 있게 하였다. 또한, 사용자가 영상 내의 혈관의 개수와 두께를 측정하여 정상 기준과 비교함으로써 건강 상태를 파악하고 지속해서 건강관리를 하는 데 도움을 주고자 하였다.

2. 본 론

본 시스템은 영상획득을 위한 보조기기를 제작하여 모세혈관을 촬영한 후 그림 1에 기술된 순서에 따라 얻어진 영상을 분석하였다. 기존 검사에 사용되던 현미경 장비를 3D printing 기술을 이용하여 휴대폰에 장착하여 사용할 수 있는 소형 관찰 기기를 제작하여 영상을 얻었다. 영상처리 알고리즘을 통해 얻은 영상 내의 모세혈관을 배경으로부터 자동 분할하고 밀도와 두께를 측정하는 시스템을 개발하였다. 이를 통해 사용자는 직관적으로 모세혈관을 관찰할 수 있고 정상 기준을 제공하여 자신의 데이터와 비교 분석할 수 있도록 하였다.

그림 1 시스템 기능 구성도

Fig. 1 System functional diagram

../../Resources/kiee/KIEE.2021.70.6.905/fig1.png

2.1 휴대폰 장작형 장치 제작 및 영상 획득

2.1.1 렌즈 선택

진단 시 적절한 영상을 얻기 위해서는 목적에 맞는 렌즈를 선택하는 것이 중요하다. 실제 임상에서는 200배 렌즈를 사용하여 무혈관 지역뿐만 아니라 적혈구의 응집 또는 느린 혈류의 움직임 등을 포함한 미세혈관의 구조와 특성을 관찰한다. 또한, 200배 렌즈는 최소한의 파노라마 뷰와 세세한 측정 인자들까지 검사할 수 있어(4)(6) 본 연구에서 개발하고자 하는 관찰기기도 200배 확대된 영상을 얻는 것을 목표로 하였다. 두 개의 볼록렌즈를 조합하여 현미경 렌즈 역할로 사용하고 휴대폰 배율을 곱해 200배로 촬영이 가능할 수 있게 설계하였다. 두 렌즈 중 하나는 휴대폰 카메라와 밀착시키고 다른 하나는 손톱주름 피부를 압박하지 않으나 매우 근사한 거리에 위치하도록 하였다.

2.1.2 3D printing 기술을 이용한 장비 설계 및 제작

손톱주름 모세혈관 관찰 시 영상을 얻기 위해서는 개인이 구비하기 어려운 별도의 현미경 장비가 필요하다. 이를 해결하기 위해 3D printing 기술을 접목하여 기존의 장비를 소형화시켜 휴대폰에 쉽게 장착하여 사용할 수 있는 모세혈관 관찰 기기를 제작하였다. 3D printing이란, 3D 형식으로 설계된 디지털 디자인 데이터를 이용하여 폴리머, 금속 등의 재료를 쌓아 올려 3차원의 물체를 만드는 과정을 의미한다(7). 본 연구는 SolidWorks 2014 버전을 이용하여 3D modeling으로 장비를 설계하고 Makerbot Replicator2(MakerBot Industries, Brooklyn, NY)를 이용하여 그림 2와 같이 장비를 3차원 출력하였다. (a)와 (b)는 현미경 장치의 본체로 동시에 휴대폰에 고정하는 집게 역할을 한다. (c)는 (a)와 (b) 사이에 들어가는 연결부품이다. (d)는 두 개의 얇은 홈에 볼록렌즈를 끼워 넣고 똑같은 부품을 위에 하나 덮음으로써 조립하는 부품이다. 렌즈의 중심 두께는 1.2mm로 홈의 두께는 렌즈의 중심 두께보다 0.2mm 넓고 두 렌즈 사이의 거리는 0.9mm로 설계하였다. (e)는 LED 회로 부착 및 조립된 볼록렌즈가 삽입되는 부품이고 (f)는 모든 부품이 다 조립된 후에 덮는 덮개이다.

그림 2 3D 모델 설계도

Fig. 2 3D model design diagram

../../Resources/kiee/KIEE.2021.70.6.905/fig2.png

2.1.3 LED 회로 제작

출력한 관찰기기를 이용하여 촬영 시 손톱주름 피부를 조사할 광원이 필요하다. 그림 3은 관찰기기에 부착된 LED의 회로도이다. PHOTRON사의 백색 LED를 사용하였으며, 하나의 기기에 총 두 개의 LED가 사용된다. LED는 관찰기기의 위와 아래에 위치하고, 전원은 휴대폰으로부터 공급받았다. 휴대폰 연결에 사용한 케이블과 회로 연결 시 전원선과 그라운드선을 제외한 다른 불필요한 선은 절단시켜 회로에 닿지 않도록 하였다. 그리고 필요한 두 개의 선을 각각 삼극 스위치에 연결하였고, 이 스위치를 이용해 사용자가 LED 전원을 제어할 수 있도록 하였다. 저항은 47Ω을 사용하였고 총 2.3W의 전류가 흐른다. 이를 이용하여 촬영 시 손톱주름 피부에 광원이 비춰질 수 있도록 하여 모세혈관 영상을 촬영하는 데 이용하였다.

그림 3 모세혈관 관찰 기기 LED 회로도

Fig. 3 Capillary observation device LED circuit diagram

../../Resources/kiee/KIEE.2021.70.6.905/fig3.png

2.2 모세혈관 분할

하위 기술되는 기법들은 MATLAB R2018a(MathWorks Inc.)에서 구현하였다.

2.2.1 영상 크롭

모세혈관의 형태학적 변화를 진단할 시 200배율 화면을 기준으로 1mm당으로 모세혈관의 밀도와 두께를 계산하기 때문에 영상 위에 가로 1mm 크기의 사각형을 띄워 모세혈관이 두드러지게 나타난 부분을 크롭할 수 있도록 하였다.

2.2.2 녹색 채널 선택

RGB 채널 중 녹색 채널에서 혈관과 배경의 대비가 가장 두드러지게 나타나며 빨간색과 파란색 채널에서의 영상은 잡음이 심하게 나타나는 특징이 있다(8-9). 따라서, 연구에서는 가장 유의미한 녹색 채널을 사용하였다.

2.2.3 DoG(Difference of Gaussian) 필터 적용

손톱주름 피부의 굴곡과 오일에 의한 빛 반사에 의해 모세혈관 영상의 균일하지 않은 배경은 혈관 분할 시 어려움을 가져온다. 이를 해결하기 위해 조도를 조절해야 하는데 모세혈관은 조명에 비해 상대적으로 높은 주파수를 가지고 조명은 낮은 주파수를 가지기 때문에 대역 통과 필터인 DoG 필터를 사용하였다. DoG 필터란 서로 다른 표준편차를 가진 두 개의 가우시안 마스크를 차 연산해 마스크로 영상을 회선하는 기법을 말한다(10). 본 연구에서는 sigma_1 < sigma_2, sigma_1 = 5, sigma_2 = 20을 사용하였고 27X27 크기의 마스크가 얻은 영상 내에서 가장 잘 작동하였다.

2.2.4 Wiener 필터 적용

영상 내의 노이즈를 처리하기 위한 필터로 Wiener 필터를 사용하였다. Wiener 필터는 노이즈로 인해 저하된 그레이 스케일 이미지를 위한 픽셀 단위의 적응형 필터로(11) 영상의 경계 및 고주파수 부분을 보존할 수 있기 때문에 혈관 영역을 보존하면서 노이즈를 줄였다.

2.2.5 Otsu’ threshold

영상에서 원하는 정보인 혈관만을 뚜렷하게 얻어내기 위하여 이진화 작업을 진행하였다. 이진화를 정확하게 하기 위해선 영상마다 최적의 임계값을 찾아야 한다. Otsu’ threshold는 전역 임계값에 대한 최적의 임계값을 찾는 방법이다(12). 연구에서는 이를 이용하여 threshold를 자동으로 계산한 다음 0.9를 곱한 값으로 영상을 이진화한 것이 가장 좋은 결과를 보였다. 일반적으로 배경을 검은색으로 나타내고 혈관을 흰색으로 나타내기 때문에 배경과 혈관의 명암값이 각각 0과 255를 가질 수 있도록 영상을 반전시켜 혈관이 더 두드러질 수 있도록 하였다.

2.2.6 영상 개선

분할 영상 개선 과정은 전 단계에서 이진화한 이미지의 정확도를 높이기 위해 필요한 추가 단계로 닫힘 연산과 bwarea-open 메소드를 이용하였다. 닫힘 연산은 팽창 연산을 먼저 적용하고 침식 연산을 적용하는 것으로 작은 구멍이나 틈을 채우는 데 용이하다(13). bwareaopen 메소드는 이진 영상에서 크기가 작은 객체를 제거하는 메소드이다. 이 두 가지를 이용하여 모세혈관 내의 작은 구멍을 채워주어 혈관이 매끄럽게 이어질 수 있도록 하였고, 혈관에 비해 크기가 작은 객체인 노이즈를 제거하여 영상에서 혈관만 두드러지게 보일 수 있도록 하였다. 이 과정을 통해 모세혈관 분할이 더 최적화된다.

2.2.7 결과 영상 제공

이 단계에서는 분할된 각각의 혈관의 윤곽선을 찾아낸다. 이후 1mm 크기로 크롭된 원영상 위에 혈관의 윤관선을 흰색 선으로 그려 사용자에게 모세혈관 분할 결과 영상을 컬로 이미지로 제공한다, 이를 이용해 직관적으로 혈관 진단이 이루어질 수 있도록 하였다.

2.3 모세혈관의 밀도 및 두께 측정

모세혈관의 질적, 반정량적, 정량적 평가를 포함한 여러 연구에서 전신경화증이나 경피증 범주의 질환을 시사하는 병적인 상태를 평가할 때 가장 유용한 측정 인자로 모세혈관의 밀도, 모세혈관의 개수가 감소한 무혈관 지역, 거대 혈관의 유무가 가장 많았다(3-4). 본 연구에서는 모세혈관의 개수와 두께를 측정하여 상기 측정 인자를 알아볼 수 있도록 하였다. 프로그램 화면 우측에 정상 기준을 제공함으로써 자신의 데이터와 비교하고 모세혈관을 분석하고 자신의 건강 상태를 알아보는데 유의미한 지표로 사용할 수 있다.

3. 결 과

3.1 모세혈관 기기 제작 및 촬영 결과

그림 4의 (a)는 모델링한 부품들을 3D 프린터기를 이용하여 출력한 후 완성한 기기의 모습이다. 먼저 LED 회로와 렌즈를 부착하고 조립하여 집게 형식으로 (b)와 같이 휴대폰에 간단하게 장착해 사용할 수 있도록 하였다. LED의 전원은 마이크로 5핀 케이블을 이용하여 휴대폰에 연결해 2.3W로 전원을 공급받았다. 그림 5는 이를 이용해 손톱주름 모세혈관을 촬영한 결과이다. 모세혈관의 고리 형태를 뚜렷하게 검출하면서 전체적인 파노라마 이미지까지 얻을 수 있는 것을 확인할 수 있었다.

그림 4 모세혈관 관찰 기기

Fig. 4 capillary observation device

../../Resources/kiee/KIEE.2021.70.6.905/fig4.png

그림 5 제작한 기기를 이용한 촬영 결과

Fig. 5 Photographic results using the observation device

../../Resources/kiee/KIEE.2021.70.6.905/fig5.png

3.2 모세혈관 분할 결과

그림 6은 앞서 개발한 영상처리 알고리즘의 각 단계를 거친 결과를 보여주고 있다. 첫 번째 영상은 원영상의 삼색 채널 중 가장 유의미했던 채널인 녹색 채널의 영상을 추출한 것이다. 두 번째 영상에서는 DoG 필터를 적용한 결과 영상으로 첫 번째 영상보다 조도가 균일하게 조정된 것을 확인할 수 있다. 세 번째 영상은 Wiener 필터를 이용한 결과 영상으로 이전보다 배경의 노이즈가 감소된 것을 확인할 수 있다. 네 번째 영상에선 이진화와 영상 반전 과정을 거쳐 배경은 검정색 혈관은 흰색으로 나타나는 것을 확인할 수 있다. 다섯 번째 영상은 영상 개선 과정 이후의 결과 영상으로 이전 영상에서 작은 흰색 점으로 나타났던 노이즈들이 크게 감소하고 전보다 혈관이 매끄럽게 이어진 것을 확인할 수 있다. 여섯 번째 영상은 사용자에게 최종 결과물로 제공되는 영상으로 촬영한 컬러 영상 위에 모세혈관의 윤곽선이 그려진 것을 볼 수 있다. 사용자가 해당 영상을 통해 모세혈관 형상을 관찰할 수 있도록 하였다. 컴퓨터 기반의 프로그래밍화된 영상처리 과정을 거쳐 영상이 어둡고 흐리거나 혈관이 자세하게 나오지 않는 등의 좋지 않은 입력 영상의 조건에도 불구하고 혈관을 뚜렷하게 검출하는 것을 확인할 수 있었다.

그림 6 영상처리 과정의 결과

Fig. 6 Results of image processing

../../Resources/kiee/KIEE.2021.70.6.905/fig6.png

3.3 모세혈관의 밀도 및 두께 측정 결과

그림 7은 사용자가 프로그램을 통해 모세혈관의 개수와 두께를 측정한 결괏값을 보여주고 있는 화면이다. 상단의 네 번째 버튼이 사용자의 모세혈관 개수를 측정할 수 있는 버튼이고 그 오른쪽의 다섯 번째 버튼이 모세혈관의 두께를 측정할 수 있는 버튼이다. 사용자는 기존에 임상의의 육안진단 방법인 주요 측정 인자를 객관적으로 측정하고 분석할 수 있다. 우측에 제공되는 모세혈관의 밀도와 모세혈관 고리의 너비는 여러 연구에서 경피증 범주의 병증을 진단할 때 가장 많이 쓰이는 주요 측정 인자 중 두 가지를 제시한 것이다. 임상에서는 1mm를 기준으로 6-14개의 모세혈관이 보이면 밀도가 정상 범주에 있다고 진단한다. 모세혈관 고리의 너비는 동맥 가지 평균 11㎛ 정맥 가지 평균 12㎛를 정상 기준으로 사용한다. 혈관의 너비가 25㎛ 이상일 때 확장된 모세혈관이 있다고 정의하며 50㎛ 이상일 때는 거대 혈관이 있다고 진단한다(3)(4). 이를 하단에 있는 결괏값과 서로 비교하여 밀도 및 모세혈관 고리의 너비를 분석할 수 있도록 하였다. 사용자는 화면상에 나타나는 모세혈관 분할 결과 이미지와 함께 상기 과정을 거쳐 전문가의 도움 없이도 자신의 모세혈관 상태를 직관적으로 판단할 수 있다. 건강한 성인을 대상으로 한 실험 결과 밀도와 너비 모두 정상 범주에 속하는 결과를 검출해내었다.

그림 7 모세혈관의 밀도 및 두께 측정 후의 화면

Fig. 7 Screen after measuring the density and thickness of capillaries

../../Resources/kiee/KIEE.2021.70.6.905/fig7.png

4. 고 찰

최근 정량화가 용이한 손톱주름 모세혈관 현미경과 비디오 모세혈관경이 임상에 도입되었으며, 이는 일차성과 이차성 레이노현상을 감별하고 진단할 때 가장 정확도가 높은 검사로 알려져 있다. 그러나, 검사자들은 일정한 기준에 따른 교육이 아닌 자가 학습과 경험을 통한 주관적인 판단에 의존하여 모세혈관이 손상된 정도를 진단한다. 이는 환자에게 검사자마다 다른 피드백을 제공할 수 있으며 객관적인 진단이라고 하기엔 분명한 한계가 있다. 따라서, 기존 진단법(1)-(4)을 기반으로 하여 모세혈관 변화 양상에 대한 객관적인 정량화가 가능한 모세혈관 자동 분할 알고리즘을 개발하였다. 본 연구는 모바일 기반의 모세혈관 관찰 기기를 통해 얻은 영상을 1mm 기준으로 분할하고 녹색 채널의 영상을 추출한 후 균일한 조도로 조정하였다. 이후 Wiener 필터로 노이즈를 감소시키고 이진화와 영상 개선 과정을 거쳐 모세혈관의 윤곽을 추출하였다. 추출된 모세혈관의 윤곽을 통해 밀도 및 두께를 측정 및 분석하여 모세혈관 상태를 확인할 수 있었다. 본 연구에서 개발한 모세혈관 자동 분할 알고리즘은 기존 진단법과 달리 사용자가 별도의 복잡한 학습을 할 필요 없이 모세혈관 변화 양상에 대한 객관적인 정량화가 가능하다. 이는 주관적이었던 진단의 오진 위험성을 줄여, 검사자는 환자의 모세혈관 이상 소견에 대한 정확한 진단이 가능해지고 주기적인 검사를 받는 질환자의 경우 일관적인 피드백을 받을 수 있어 신뢰성을 높일 수 있다.

기존 방법으로 손톱주름 모세혈관 영상을 얻기 위해서는 고가의 현미경 장비가 필요해 비용적인 면에서 부담이 있다. 개발한 기기는 3D printing 기술을 활용해 제작 가능하므로 경제적인 면에서 효율적이다. 또한, 기술의 발전에 따라 고가의 카메라 장비 없이도 휴대폰 카메라를 이용한 고해상도의 촬영이 가능해졌다. 본 연구에서 개발한 소형 모세혈관 관찰 기기를 휴대폰에 장착하면 시간적·공간적·비용적 제약 없이 모바일상에서 영상을 얻을 수 있다. 따라서, 바쁜 일상으로 인해 병원 방문에 어려움을 겪는 현대인들도 개인이 손쉽게 고해상도의 모세혈관 영상을 얻을 수 있다.

최근 원격진료의 중요성이 대두되면서 미국, 유럽과 같은 국가에서 원격진료를 통해 병원에 가지 않고 간단한 진료 및 처방을 하려는 시도가 이어지고 있다. 본 연구가 수행된다면 내원이 어려운 상황에서도 촬영된 데이트를 통해 의사와 커뮤니케이션 할 수 있어 공간에 구애받지 않고 의료서비스를 쉽게 접할 수 있다.

5. 결 론

본 연구에서는 간단하게 휴대폰에 장착하여 사용할 수 있는 소형 모세혈관 관찰기기를 제작하여 영상을 얻고, 모세혈관 자동 분할 알고리즘을 구축하여 모세혈관의 형태를 직관적으로 관찰할 수 있게 하였다. 또한, 본 연구에서 개발한 시스템은 제공된 영상 내의 모세혈관의 밀도와 두께를 측정하여 건강 지표로 사용해 모세혈관의 모습을 통해 건강 상태를 알아볼 수 있는 시스템이다. 본 시스템은 시공간의 제약 없이 일상생활에서 충분히 질병 관리 가이드를 제시할 수 있고, 보다 객관적이고 정량적인 모세혈관 평가가 가능할 것이다. 또한, 객관적인 데이터를 기반으로 진단하기 때문에 일관된 진단을 제공할 수 있다. 이는 주관적 판단에 의한 진단 오류 및 경험이 부족한 사용자의 시행에 의한 기술적 오류를 줄일 수 있다.

향후 연구로 딥러닝 기법을 사용해 영상 데이터를 학습시켜 병증의 중증도를 계산하고 사용자에게 현재 어떤 질병이 의심되는지 알려 주는 진단시스템 개발이 가능하다. 이는 개인 사용자가 치료 시기를 놓치지 않고 내원할 수 있게 도우며 진단 시에 사용될 때는 객관적 데이터를 기반으로 정밀한 지표를 제공하기 때문에 개인 건강 관리 향상은 물론 공중 보건 향상에 기여할 것이다.

Acknowledgements

This work was supported by the Soonchunhyang University Research Fund and the National Research Foundation of Korea (NRF) grant funded by the Korea government (MSIT) (2019R1F1A1058827).

References

1 
M. Cutolo, 2015, Atlas of capillaroscopy in rheumatic diseases, 1st Edition, Amsterdam; ElsvierGoogle Search
2 
S. I. Lee, S. Y. Lee, W. H. Yoo, September 2005, Comparison between Power Doppler Ultrasonography and Nailfold Capillaroscopy for the Differentiation of Raynaud’s Phenomenon, Journal of Rheumatic Diseases, Vol. 12, No. 3, pp. 197-205DOI
3 
H. S. Kim, April 2015, The Efficacy of Nailfold Capillaroscopy in Patients with Raynaud`s Phenomenon, Journal of Rheumatic Diseases, Vol. 22, No. 2, pp. 69-75DOI
4 
H. S. Kim, June 2016, The Clinical Efficacy of Nailfold Capillaroscopy in Rheumatic Diseases, Korean Journal of Medicine, Vol. 90, No. 6, pp. 494-500DOI
5 
Doshi, Niraj P., Gerald Schaefer, Arcangelo Merla, 2012, Enhancement of nailfold capillaroscopy images, Proceedings of 2012 IEEE-EMBS International Conference on Biomedical and Health InformaticsDOI
6 
W. H. Choi, H. S. Kim, October 2019, A Diagnostic Roadmap for Raynaud’s Phenomenon, Korean Journal of Medicine, Vol. 94, No. 5, pp. 431-437DOI
7 
W. J. Choi, D. H. Kim, October 2017, Making Human Phantom for X-ray Practice with 3D Printing, Journal of the Korean Society of Radiology, Vol. 11, No. 5, pp. 371-377DOI
8 
Ricci E., Perfetti R, October 2007, Retinal Blood Vessel Segmentation Using Line Operators and Support Vector Classification, IEEE Transactions on Medical Imaging, Vol. 26, No. 10, pp. 1357-1365DOI
9 
L. C. Lo, J. Y. Chiang, Y. S Cai, 2011, Three-dimensional vision-based nail-fold morphological and hemodynamic analysis, 2011 IEEE 11th International Conference on Bio-informatics and Bioengineering. IEEEDOI
10 
N. P. Doshi, G. Schaefer, S. Y Zhu, 2013, An Improved Binarisation Algorithm for Nailfold Capillary Skeleton Extraction, 2013 IEEE International Conference on Systems, Man, and Cybernetics, pp. 2565-2569DOI
11 
A. Tama, T. R. Mengko, H Zakaria, 2015, Nailfold capillaroscopy image processing for morphological parameters measurement, 2015 4th International Conference on Instrumentation, Communications, Information Technology, and Biomedical Engineering (ICICI-BME), pp. 175-179DOI
12 
R. Nivedha, M. Brinda, K. V. Suma, B. Rao, 2016, Classification of nailfold capillary images in patients with hypertension using non-linear SVM, 2016 International Conference on Circuits, Controls, Communications and Computing (I4C)DOI
13 
S. W. Kim, S. Y. Kim, T. H. Kim, B. J. Choi, K. H. Park, August 2010, Minimizing algorithm of baseline wander for ECG signal using morphology-pair, Journal of Korean Institute of Intelligent Systems, Vol. 20, No. 4, pp. 574-579DOI

저자소개

배서연 (SeoYeon Bae)
../../Resources/kiee/KIEE.2021.70.6.905/au1.png

SeoYeon Bae received the B.S. degree in Medical IT Engineering, Soonchunhyang University, Asan, Korea in 2021.

E-mail : tjdus2033@naver.com

이언석 (Onseok Lee)
../../Resources/kiee/KIEE.2021.70.6.905/au2.png

Onseok Lee received the B.S., M.S., and Ph.D. degrees from Korea University, in 2005, 2007, and 2011, respectively, Currently, he is a Professor in Medical IT Engingeering, Soonchunhyang University, Asan, Korea.

E-mail : leeos@sch.ac.kr