Proceedings of the Korea Information Processing Society Conference (한국정보처리학회:학술대회논문집)
- 2019.05a
- /
- Pages.508-510
- /
- 2019
- /
- 2005-0011(pISSN)
- /
- 2671-7298(eISSN)
DOI QR Code
Multi-Class Whole Heart Segmentation using Residual Multi-dilated convolution U-Net
Residual Multi-dilated convolution U-Net을 이용한 다중 심장 영역 분할 알고리즘 연구
- Lim, Sang-Heon (Department of Biomedical Engineering, Keimyung University) ;
- Choi, H.S. (Department of Biomedical Engineering, Keimyung University) ;
- Bae, Hui-Jin (Department of Biomedical Engineering, Keimyung University) ;
- Jung, S.K. (Department of Biomedical Engineering, Keimyung University) ;
- Jung, J.K. (Department of Biomedical Engineering, Hanyang University) ;
-
Lee, Myung-Suk
(Tabula Rasa College, Keimyung University)
- 임상헌 (계명대학교 의과대학 의용공학과) ;
- 최한승 (계명대학교 의과대학 의용공학과) ;
- 배희진 (계명대학교 의과대학 의용공학과) ;
- 정서경 (계명대학교 의과대학 의용공학과) ;
- 정진교 (한양대학교 공과대학 생체공학과) ;
-
이명숙
(계명대학교 타불라라사칼리지)
- Published : 2019.05.10
Abstract
본 연구에서는 딥 러닝을 이용하여 완전 자동화된 다중 클래스 전체 심장 분할 알고리즘을 제안하였다. 제안된 방법은 recurrent convolutional block과 residual multi-dilated block을 삽입하여 기존 U-Net을 개선한 인공신경망 모델을 사용하였다. 평가는 자동화 분석 결과와 수동 평가를 비교하였다. 그 결과 96.88%의 평균 DSC, 95.60%의 정확도, 97.00%의 recall을 얻었다. 이 실험 결과는 제안된 방법이 다양한 심장 구조에서 효과적으로 구분되어 수행되었음을 알 수 있다. 본 연구에서 제안된 알고리즘이 의사와 방사선 의사가 영상을 판독하거나 임상 결정을 내리는데 보조적 역할을 할 것을 기대한다.
Keywords