Acknowledgement
본 연구는 과학기술정보통신부와 정보통신기술진흥 센터의 소프트웨어중심대학지원사업 (2017-0-00130)의 지원을 받아 수행되었음.
Annual Conference of KIPS (한국정보처리학회:학술대회논문집)
- 2022.05a
- /
- Pages.705-707
- /
- 2022
- /
- 2005-0011(pISSN)
- /
- 2671-7298(eISSN)
DOI QR Code
Thoracic Spine Segmentation of X-ray Images Using a Modified HRNet
수정된 HRNet을 이용한 X-ray 영상의 흉추 분할 기법
- Lee, Ye-Eun (School of Computer Science and Electrical Engineering, Handong Global University) ;
- Lee, Dong-Gyu (School of Computer Science and Electrical Engineering, Handong Global University) ;
- Jeong, Ji-Hoon (School of Computer Science and Electrical Engineering, Handong Global University) ;
- Kim, Hyung-Kyu (JPI Healthcare Co., Ltd) ;
- Kim, Ho-Joon (School of Computer Science and Electrical Engineering, Handong Global University)
- 이예은 (한동대학교 전산전자공학부) ;
- 이동규 (한동대학교 전산전자공학부) ;
- 정지훈 (한동대학교 전산전자공학부) ;
- 김형규 ((주)제이피아이헬스케어) ;
- 김호준 (한동대학교 전산전자공학부)
- Published : 2022.05.17
Abstract
인체의 흉부 X-ray 영상으로부터 척추질환과 관련된 의료 진단지표를 자동으로 추출하는 과정을 위하여 흉추조직의 정확한 분할이 필요하다. 본 연구에서는 HRNet 기반의 학습을 통하여 흉추조직을 분할하는 방법을 고찰한다. 분할 과정에서 영상 내의 상대적인 위치 정보가 효과적으로 반영될 수 있도록, 계층별로 영상의 고해상도의 표현이 그대로 유지되는 구조와 저해상도의 특징 지도로 변환되는 구조가 병렬적으로 연결되는 형태의 심층 신경망 모델을 채택하였다. 흉부 X-ray 영상에서 콥각도(Cobb's angle)를 산출하는 문제를 대상으로 흉추 분할을 위한 학습 방법, 진단지표 추출 방법 등을 소개하며, 부수적으로 피사체의 위치 변화 및 크기 변화 등에 강인한 성능을 제공하기 위하여 학습 데이터를 증강하는 방법론을 제시하였다. 총 145개의 영상을 사용한 실험을 통하여 제안된 이론의 타당성을 평가하였다.
Keywords