본 논문에서는 시각화와 공간적, 속성, 혼합 쿼리를 수행할 수 있는 관계형 데이터베이스를 설계하고 구현하였다. 쿼리에 사용되는 데이터형은 슬라이스, MPR, 볼륨 렌더링으로 시각화할 수 있으며, 쿼리는 아틀라스를 이용하는 경우와 그렇지 않는 경우를 모두 고려하였다. 영상 데이터는 공간충전 곡선으로 공간적으로 클러스트링한 후 무손실 압축하여 데이터베이스에 저장된다. 본 논문은 저장 데이터의 양을 줄이기 위하여 관심영역의 크기에 따라 창의 크기가 변하는 적응적 Hilbert 곡선을 제안하였으며, 실험에서 Hilbert 곡선의 적용한 데이터보다 약 1.15배 높은 압축율을 보였다. 또한 아틀라스에 대한 뇌 종양의 공간적 쿼리 결과를 통하여 본 의료 영상 데이터베이스의 유용성을 보였다.

In this paper, a relational database which can visualize and achieve spatial, attribute, and mixed query was designed and implemented. A data type for query was visualized in slice, MPR (Multi-Planner Reformat), and volume rendering. Query with or without atlas can be available. After image data are spatially clustered using space-filling curve, they are compressed and stored to the database without loss. This paper proposed adaptive Hilbert curve, where the window size varies with the size of region of interest (ROI) to reduce the data size for storing. In the experiment, adaptive Hilbert curve provided 1.15 times better compression rate than Hilbert curve. Also, the result of spatial query for a brain tumor with atlas showed the proposed medical image database is useful.