정보처리학회논문지B (The KIPS Transactions:PartB)

한국정보처리학회 (Korea Information Processing Society)
권호 표지
DOI QR코드

DOI QR Code

MBR의 비례 관계를 이용한 영상 보간이 적용된 뇌 MR 영상의 3차원 가시화

3D Visualization of Brain MR Images by Applying Image Interpolation Using Proportional Relationship of MBRs

  • 송미영 (동국대학교 대학원 컴퓨터공학과) ;
  • 조형제 (동국대학교 컴퓨터ㆍ멀티미디어공학과)
  • 발행 : 2003.06.01
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

본 연구에서는 뇌 MR 영상의 3차원 가시화를 위해 여러 단면의 원영상을 사용하지 않고, 적은 수의 횡단면 영상만을 이용하여 보간 영상을 생성하는 방법에 대해 제안한다. 이 과정에서의 핵심인 영상 보간을 위해 우선 3차원으로 재구성하고자 하는 관심영역을 분할하고, 분할된 관심 영역들의 경계와 MBR(Minimum Bounding Rectangle) 정보를 추출한다. 그리고 보간하고자 하는 층의 영상 크기는 분할된 관심영역의 상ㆍ하층 각각 두 영상들의 MBR 크기 변화율로 결정하고, 이를 기반으로 분할된 관심 영역의 영상내에서 해당 화소를 찾고, 입방 보간법을 통해 검출된 각 화소의 명암 가중치를 부여하여 보간 영상의 화소 명암치를 산출한다. 최종적으로는 원영상에서 분할한 관심영역 및 생성된 관심영역의 보간 영상들에서 특징점 정보와 3차원 복셀을 추출하여 3차원으로 재구성한다.

In this paper, we propose a new method in which interpolation images are created by using a small number of axiai T2-weighted images instead of using many sectional images for 3D visualization of brain MR images. For image Interpolation, an important part of this process, we first segment a region of interest (ROI) that we wish to apply 3D reconstruction and extract the boundaries of segmented ROIs and MBR information. After the image size of interpolation layer is determined according to the changing rate of MBR size between top slice and bottom slice of segmented ROI, we find the corresponding pixels in segmented ROI images. Then we calculate a pixel's intensity of interpolation image by assigning to each pixel intensity weights detected by cube interpolation method. Finally, 3D reconstruction is accomplished by exploiting feature points and 3D voxels in the created interpolation images.

키워드

참고문헌

  1. 조경은 외 5인, '반전 이미지와의 차이에 의한 뇌 MR 영상의 분할 기법', 한국 멀티미디어학회 춘계학술 발표논문집, 제4권 제1호, 2001
  2. 송미영 외 6명, '지식기반 진단 자동화를 위한 의료영상 처리 및 관리 시스템', 한국 멀티미디어학회 춘계학술 발표논문집, 2001
  3. 김태우, 'MR 영상의 3차원 가시화 및 분석을 위한 뇌영역의 자동 분할,' 정보처리학회 논문지, 제7권 제2호, pp.542-551, 2000
  4. A. C. Dhanantwari and S. Stergiopoulos, 'Adaptive processing to correct for organ motion artifacts in X-ray CT medical imaging system,' Sensor Array and Multichannel Signal Processing Workshop, IEEE, pp.261-265, 2000 https://doi.org/10.1109/SAM.2000.878010
  5. 성윤창, 유승화, 송창준, 박종원, '뇌의 MR 영상에서 번짐현상의 명암 값 분석을 통한 백질과 회백질의 추출 및 체적 산출', 정보과학회논문지: 소프트웨어 및 응용, 제27권 제8호, pp.815-826, 2000
  6. 임현우, 이동혁, 정용규, '의료 영상의 체적 가시화를 위한 가속 알고리즘에 관한 연구', 한국 멀티미디어 학회 추계학술 발표논문집, pp.228-233, 2000
  7. 최영규, 이의택, '의료 영상 가시화를 위한 셀 경계 방식 체적 재구성 방법', 정보과학회논문지 : 시스템 및 이론, 제27권 제3호, pp.235-244, 2000
  8. 고선영, '영역 확장 기반 추적을 이용한 효율적인 3차원 의료 영상 분할 기법', 한국 과학기술원 석사학위논문, 1999
  9. P. Kokol, 'Some ideas about intelligent medical system design,' 12th IEEE Symposium on Computer-Based Medical Systems, pp.48-52, 1999 https://doi.org/10.1109/CBMS.1999.781247
  10. 유현경, 박종원, 송창준, '뇌의 자기공명(MR)영상에서 백질과 회백질의 추출', 한국정보과학회 가을 학술 발표논문집, Vol.26, No.2, pp.431-433, 1999
  11. 김민수, '3차원 의료 영상 복원을 위한 2차원 영상 영역분할에 관한 연구', 호서대학교 석사논문, 1999
  12. 고선영, '영역 확장 기반 추적을 이용한 효율적인 3차원 의료 영상 분할기법', 한국과학기술원 석사논문, 1999
  13. 신영길 외 2인, '뇌 정위 수술계획을 위한 다원 3차원 영상 가시화 시스템의 개발', 한국정보과학회 가을 학술 발표논문집, Vol.25, No.2, pp.612-614, 1998
  14. 김명희 외 2 인, '의료영상의 3차원 가시화기술 및 발전방향', 한국정보과학회지, 제16권 제12호, pp.13-21, 1998
  15. Mei Chen, Takeo Kanade, Henry A. Rowely, Dean Pomerieau, 'Anomaly Detection through Registration,' IEEE Trans on Medical Imaging, pp.304-310, 1998
  16. Christos Davatzikos, Jerry L. Prince and R. Nick Bryan, 'Image Registration Based On Boundary Mapping,' IEEE Trans on Medical Imaging, Vol.15, No.1, pp.112-115, 1996 https://doi.org/10.1109/42.481446
  17. William E. Higgins, Christopher J. Orlick and Brian E. Ledell, 'Nonlinear Filtering Apporoach to 3-D Gray-Scale Image Interpolation,' IEEE Transactions on Medical Imaging, Vol.15, pp.580-587, 1996 https://doi.org/10.1109/42.511761
  18. Chris Davatzikos and Jerry L. Prince, 'Brain Image Registration Based on Curve Mapping,' IEEE Transactions on Medical Imaging, pp.245-254, 1994 https://doi.org/10.1109/BIA.1994.315847
  19. Rob W. Parrott, Martin R. Stytz, Phillip Amburn, David Robinson, 'Towards Statistically Optimal Interpolation for 3-D Medical,' IEEE Engineering in Medicine and Biology, pp.49-59, 1993 https://doi.org/10.1109/51.232341
  20. Raya SP, Udupa JK, 'Shape-based Interpolation of Multidimensional Objects,' IEEE Transactions on Medical Imaging Vol.9, pp.32-42, 1990 https://doi.org/10.1109/42.52980
  21. G. T. Herman, J. Zheng and C. A. Bucholtz, 'Shape-based Interpolation,' IEEE Computer Graph Application, Vol.12, pp.69-79, 1992 https://doi.org/10.1109/38.135915
  22. Parrott, R.W., Stytz, M. R., Amburn, P., Robinson, D., 'Statistically Optimal Interslice Value Interpolation in 3D Medical Imaging : Thoery and Implementation,' IEEE Symp Computer-Based Medical System, pp.276-283, 1992 https://doi.org/10.1109/CBMS.1992.244938
  23. G. Grevera and J. Udupa, 'Shape-based Interpolation of Multidimensional Grey-Level Images,' IEEE Transactions on Medical Imaging, 15, pp.881-892, 1996 https://doi.org/10.1109/42.544506
  24. A. Goshtaby, D. Turner and L. Ackerman, 'Matching of Tomographic Slices for Interpolation,' IEEE Transactions on Medical Imaging, 11, pp.507-516, 1992 https://doi.org/10.1109/42.192686