깁스분포와 라인모델을 이용한 3차원 자기공명영상의 분류

Classification of a Volumetric MRI Using Gibbs Distributions and a Line Model

목적: 본 논문은 마코브 랜덤필드(Markov Random Field)와 깁스 랜덤필드(Gibbs Random Field) 및 라인모델(LIne Model)에 기반한 3차원 자기공명영상의 분류 방법을 소개하고자 하였다. 대상 및 방법 : 통계적으로 이질적 성분들로 구성된 영상을 대상으로한 깁스분류 결과는 영상내의 국소적으로 정적인 영역들을 이웃화소 시스템 내에서 정의되는 상호작용 인자(inetraction parameter)의 메커니즘에 의해 분리하\ulcorner로서 개선시킬 수 있다. 이를 위하여 영상에서 라인모델의 생성을 고려할 수 있으며, 본 논문에서는 영상의 미분방법에 근거한 다중신호영상을 위한 라인모델을 구축하였다. 라인모델은 서로 상이한 통게적 특성을 갖는 영역사이에 존재하는 관측할 수 없는 라인필드의 존재 유무를 확률 값으로 제공한다. 영상으로부터 획득한 라이모델은 Gibbs 분류기의 에너지함수 값을 결정하는 상호작용 인자 값을 결정하는데 사용된다. 결과 : 3차원 자기공명영상의 분류를 위한 MRS-Gibbs 분류기는 영상분류의 도메인이 일반적인 이차원 영상의 $E^{2}$ 공간에서 $E^{3}$ 공간으로 확장되었다. 개발된 깁스분류기를 이용한 자기공명여상의 분류결과 기존의 context free 분류방법에 의한 결과에 비하여 특히 동일성질을 갖고 있는 영역 및 경계부분 등의 분류결과가 우수함을 알 수 있었다. 결론 : 본 논문에서는 다중 신호, 3차원 자기공명영상을 위한 라인모델을 구축하고 그로부터 MRF-Gibbs분류기의 에너지함수를 결정하기 위한 상호작용 인자를 유도하였다.

Purpose : This paper introduces a new three dimensional magnetic Resonance Image classification which is based on Mar kov Random Field-Gibbs Random Field with a line model. Material and Methods : The performance of the Gibbs Classifier over a statistically heterogeneous image can be improved if the local stationary regions in the image are disassociated from each other through the mechanism of the interaction parameters defined at the local neighborhood level. This usually involves the construction of a line model for the image. In this paper we construct a line model for multisignature images based on the differential of the image which can provide an a priori estimate of the unobservable line field, which may lie in regions with significantly different statistics. the line model estimated from the original image data can in turn be used to alter the values of the interaction parameters of the Gibbs Classifier. Results : MRF-Gibbs classifier for volumetric MR images is developed under the condition that the domain of the image classification is $E^{3}$ space rather thatn the conventional $E^{2}$ space. Compared to context free classification, MRF-Gibbs classifier performed better in homogeneous and along boundaries since contextual information is used during the classification. Conclusion : We construct a line model for multisignature, multidimensional image and derive the interaction parameter for determining the energy function of MRF-Gibbs classifier.