현대의학에서 효과적인 질병의 진단 및 환자의 치료를 위해 의료영상은 매우 중요한 도구이다. 또한 영상기술 발달은 더욱 정교한 의료영상 데이터를 획득 가능하게 하고 있다. 그러나 이러한 정교함의 대가로 데이터의 양은 점차 방대해지고 있어 의료영상 데이터를 인간의 시각에 의존하여 분석하는 데 어려움이 많다. 따라서 최근 십여 년 동안 기계학습은 의료영상 자동 분석에서 필수적인 역할을 수행하여 왔다. 이 논문에서는 먼저 현대의학의 눈과 같은 다양한 의료영상의 역사, 원리 그리고 응용 분야를 살펴본다. 또한, 기계학습이 다양한 의료영상에 적용되는 최근의 기법을 소개한다. 예를 들어 의료영상 분할(segmentation), 영상 정합(registration), 컴퓨터 보조 진단 시스템(CADx, CADe), 내용기반 검색(content based image retrieval)에서 적용된 기계학습 기법인 신경망(artificial neural network), 최근거리 이웃법(k-nearest neighbors), 유전자 알고리즘(genetic algorithm), 가우시안 혼합 모델(gaussian mixture model), 개미군집 최적화(ant colony optimization), 조건부 엔트로피(conditional entropy), 두 학습 기법의 결합 방법 등이 있다.
Medical images are exceedingly important means of diagnosing a variety of diseases and treating patients in current medicine. Advance of the new imaging technologies enables them to acquisite more detailed images. However, the amount of the image data is getting too bigger to analyze the images by only human visual inspection. Thus, over the past few decades, machine learning has been performing an essential role in the automated medical image analysis. In the paper, we first overview the history, principle, and applications of various medical images thought of as eyes of current medicine. In addition, we introduce the latest techniques of machine learning applied to medical images. For examples, artificial neural network, k-nearest neighbors, genetic algorithm, gaussian mixture model, ant colony optimization, conditional entropy, and fusion of two machine learning algorithms in segmentation, registration, and content-based medical image retrieval.
