방송공학회논문지 (Journal of Broadcast Engineering)

  • 제15권6호
  • /
  • Pages.723-730
  • /
  • 2010
  • /
  • 1226-7953(pISSN)
  • /
  • 2287-9137(eISSN)
한국방송∙미디어공학회 (The Korean Institute of Broadcast and Media Engineers)
권호 표지
DOI QR코드

DOI QR Code

2D 의료영상의 3차원 입체영상 생성

3D Stereoscopic Image Generation of a 2D Medical Image

  • 김만배 (강원대학교 IT대학 컴퓨터정보통신공학과) ;
  • 장성은 (강원대학교 IT대학 컴퓨터정보통신공학과) ;
  • 이우근 (강원대학교 IT대학 컴퓨터정보통신공학과) ;
  • 최창열 (강원대학교 IT대학 컴퓨터정보통신공학과)
  • Kim, Man-Bae (Kangwon National Univ., Dept. of Computer & Communications) ;
  • Jang, Seong-Eun (Kangwon National Univ., Dept. of Computer & Communications) ;
  • Lee, Woo-Keun (Kangwon National Univ., Dept. of Computer & Communications) ;
  • Choi, Chang-Yeol (Kangwon National Univ., Dept. of Computer & Communications)
  • 투고 : 2010.08.16
  • 심사 : 2010.11.02
  • 발행 : 2010.11.30
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

최근 다양한 3차원 영상처리 기술이 산업체 전반으로 확대되고 있다. 관련 기술중의 하나인 입체변환은 기존의 2D영상에서 입체영상을 생성하는 기술이다. 이 기술은 영화, 방송 콘텐츠에 적용되어 3D 입체로 시청할 수 있는데, 3D 기술의 지속적인 산업체 응용이 요구됨에 따라 입체변환 기술을 새로운 분야로 적용하여 새로운 입체 콘텐츠를 제작하는 것이 필요하다. 이러한 추세에 따라 이 기술을 의료영상에 응용하는 것이 본 논문의 목적이다. 의료 영상은 정확한 판독이 필요하기 때문에 2D 의료영상보다 구체적인 3D 정보를 얻을 수 있는 3D 입체영상에 관심이 높아지고 있다. 본 논문에서는 기존의 2D 의료영상으로부터 입체영상을 생성하는 의료영상 입체변환 방법을 제안한다. 실험 영상으로 CT(Computed Tomograpy) 영상을 사용한다. 제안 방법은 장기의 영역 분할, 에지를 이용한 경계선 추출, 각 장기의 깊이 정보에 따른 명암 분석 등으로 구성된다. 얻어진 데이터를 바탕으로 CT 영상의 깊이맵을 생성한다. 최종적으로 추출된 깊이 맵과 2D 의료영상으로 부터 입체영상을 생성한다.

Recently, diverse 3D image processing technologies have been applied in industries. Among them, stereoscopic conversion is a technology to generate a stereoscopic image from a conventional 2D image. The technology can be applied to movie and broadcasting contents and the viewer can watch 3D stereoscopic contents. Further the stereoscopic conversion is required to be applied to other fields. Following such trend, the aim of this paper is to apply the stereoscopic conversion to medical fields. The medical images can deliver more detailed 3D information with a stereoscopic image compared with a 2D plane image. This paper presents a novel methodology for converting a 2D medical image into a 3D stereoscopic image. For this, mean shift segmentation, edge detection, intensity analysis, etc are utilized to generate a final depth map. From an image and the depth map, left and right images are constructed. In the experiment, the proposed method is performed on a medical image such as CT (Computed Tomograpy). The stereoscopic image displayed on a 3D monitor shows a satisfactory performance.

키워드

참고문헌

  1. T. Okino, M. Murata, K. Taima, T. Inimura and K. Oketani, "New television with 2D/3D image conversion technologies," SPIE Photonic West, vol. 2653, pp. 96-103, 1995.
  2. M. B. Kim and S. H. Lee, "A new method for the conversion of MPEG encoded data into stereoscopic video," J. of the Society for 3D Broadcasting and Imaging, No. 1, Vol. 1, pp. 48-59, June 2000.
  3. C. Weerasinghe, et. al., "2D-to-psuedo 3D conversion of head-and-shoulder images using feature-based parametric disparity maps," IEEE Conf. on Image Processing, 2001.
  4. William EL, ""Marching Cubes: A high resolution 3D surface construction algorithm"", In proc Computer Graphics, vol. 21, 1987. https://doi.org/10.1145/37402.37422
  5. K. Bae, M. Giger, C. Chen and C. Kahn, "Automatic segmentation of liver structure in CT images", Medical Physics, Vol. 20, No. 1, pp. 71-78. 1993. https://doi.org/10.1118/1.597064
  6. K. Li, et al., "Optimal surface segmentation in volumetric images- Graph-Theoretic Approach", IEEE Trans. on Pattern Analysis and Machine Intelligence, Vol. 28, NO. 1, pp119-134 Jan. 2006. https://doi.org/10.1109/TPAMI.2006.19
  7. Y. Boykov, et al., "Graph cuts and efficient n-d image segmentation," Int. J. Computer Vision, Vol. 70, NO. 2, pp. 109-131, Feb. 2006. https://doi.org/10.1007/s11263-006-7934-5
  8. V. Lempitsky et al., "Image segmentation by branch-and-mincut", European Conference on Comuter Vision, pp. V15-29, 2008.
  9. Y. Cheng, "Mean shift, mode seeking, and clustering," IEEE Trans. on Pattern Analysis and Machine Intelligence, 17, pp. 790:799, 1995. https://doi.org/10.1109/34.400568
  10. M. Sonka, et. al., Image Processing, Analysis, and Machine Vision, Thomson, 2009.
  11. J. F. Canny, "A computational approach to edge detection", IEEE Trans. on Pattern Analysis and Machine Intelligence, 8(6), pp. 679-698, 1986. https://doi.org/10.1109/TPAMI.1986.4767851
  12. 김성환, 김선칠, 디지털 의료 영상처리, 대학서림, 2006,
  13. 정환, 이완, 김문찬, 디지털 의료 영상학, 정문각, 2003.
  14. F. Martini, M. Timmons R and Tallitsch, Human Anatomy, Benjamin-Cummings Publishing Company, 2008.