전자공학회논문지 (Journal of the Institute of Electronics and Information Engineers)

  • 제50권8호
  • /
  • Pages.225-231
  • /
  • 2013
  • /
  • 2287-5026(pISSN)
  • /
  • 2288-159X(eISSN)
대한전자공학회 (The Institute of Electronics and Information Engineers)
권호 표지
DOI QR코드

DOI QR Code

의료영상에서 볼륨 데이터를 이용한 분할개선 기법

Improvement Segmentation Method of Medical Images using Volume Data

  • 채승훈 (조선대학교, IT연구소) ;
  • 반성범 (조선대학교, 제어계측로봇공학과)
  • Chae, Seung-Hoon (The Research Institute of IT, Chosun University) ;
  • Pan, Sung Bum (Dept. of Control, Instrumentation, and Robot Engineering, Chosun University)
  • 투고 : 2013.03.25
  • 발행 : 2013.08.15
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

의료영상분할은 다양한 의료영상처리를 수행하기에 앞서 먼저 수행되어야 하는 영상처리 기술이다. 그래서 빠르고 정확한 의료영상분할이 요구되고 있으며 다양한 의료영상분할 방법이 연구되고 있다. 의료영상에는 특성이 유사한 다양한 장기가 존재하기 때문에 분할영역의 정확한 판단이 필요하다. 그러나 의료영상은 장기의 일부가 작게 촬영되는 경우가 발생된다. 이 경우에는 분할영역을 판단하기 위한 정보가 부족하게 되며 그 결과 분할과정에서 분할영역이 제거된다. 본 논문에서는 볼륨 데이터와 선형 방정식을 이용하여 작은 영역에서의 분할결과를 개선하였다. 제안한 방법의 성능을 확인하기 위하여 흉부 CT 영상의 폐 분할을 수행하였다. 실험 결과, 의료영상의 분할 정확도는 0.978에서 0.981로 표준편차는 0.281에서 0.187로 개선되는 것을 확인하였다.

Medical image segmentation is an image processing technology prior to performing various medical image processing. Therefore, a variety of methods have been researched for fast and accurate medical image segmentation. Accurate judgment of segmentation region is needed to segment the interest region in which patient requested in medical image that various organs exist. However, an case that scanned a part of organs is small occurs. In this case, information to determine the segmentation region is lack. consequently, a removal of segmentation region occurs during the segmentation process. In this paper, we improved segmentation results in a small region using volume data and linear equation. In order to verify the performance of the proposed method, we segmented the lung region of chest CT images. As a result of experiments, we confirmed that image segmentation accuracy rose from 0.978 to 0.981 and standard deviation also improved from 0.281 to 0.187.

키워드

참고문헌

  1. L. Costaridou, Medical Image Analysis Methods, Taylor&Francis, 2005.
  2. F. Ritter, T. Boskamp, A. Homeyer, H. Laue, M., Schwier, F. Link, and H. Peitgen, "Medical image analysis," IEEE Pulse, Vol. 2, No. 6, pp. 60-70, 2011. https://doi.org/10.1109/MPUL.2011.942929
  3. J. M. Goo, H. Y. Kim, J. W. Lee, H. J. Lee, C. H. Lee, K. W. Lee, T. J. Kim, K. Y. Lim, S. H. Park, and K. T. Bae, "Is the computer-aided detection scheme for lung nodule also useful in detecting lung cancer?," Journal of Computer Assisted Tomography, Vol. 32, No. 4, pp. 570-575, 2008. https://doi.org/10.1097/RCT.0b013e318146261c
  4. 이효종, "퍼지기반의 두뇌영상 영역분할 알고리듬," 전자공학회논문지-TC, 제46권, 제12호, 102-107쪽, 2009년 12월.
  5. 채승훈, 반성범, "다해상도 기반 Level-set을 이용한 의료영상 분할," 제24회 영상처리 및 이해에 관한 워크샵, 2012년 2월.
  6. 임성재, 정용연, 호요성, "의료영상 분할을 위한 3 차원 능동 모양 모델," 전자공학회논문지-CS, 제44 권, 제5호, 55-61쪽, 2007년 9월.
  7. H. Badakhshannory and P. Saeedi, "A model-based validation scheme for organ segmentation in CT scan volumes," IEEE Trans. Biomedical Engineering, Vol. 58, No. 9, pp. 2681-2693, 2011. https://doi.org/10.1109/TBME.2011.2161987
  8. 곽윤식, 김성곤, "적합한 마커 추출과 워트세드를 이용한 세포 영상 분할," 한국정보기술학회논문지, 제6권, 제3호, 68-74쪽, 2008년 6월.
  9. M. C. J. Christ and R. M. S. Parvathi, "Segmentation of medical image using K-means clustering and marker controlled watershed algorithm," European Journal of Scientific Research, Vol. 71, No. 2, pp. 190-194, 2012.
  10. P. Kaur, A. K. Soni, and A. Gosain, "A Robust kernelized intuitionistic fuzzy C-means clustering algorithm in segmentation of noisy medical images," Patten Recognition Letters, Vol. 34, No. 2, pp. 163-175, 2013. https://doi.org/10.1016/j.patrec.2012.09.015
  11. S. Chen, T. Kohlberger, and K. J. Kirchberg, "Advanced level set segmentation of the right atrium in MR," in Proc. SPIE 2011, Vol. 7964, 2011.
  12. A. J. Liption "Moving target classification and tracking from real-time video," in Proc. Applications of Computer Vision, pp. 8-14, 1998.
  13. VESsel Segmentation the Lung 2012(VESSEL12), http://vessel12.grand-challenge.org/.
  14. L. Dice, "Measures of the amount of ecologic association between species," Ecology, Vol. 26, No. 3, pp. 297-302, 1945. https://doi.org/10.2307/1932409
  15. C. Li, C. Xu, C. Gui, and M. D. Fox, "Distance regularized level set evolution and its application to image segmentation," IEEE Trans. Image Processing, Vol. 19, No. 12, pp. 3224-3254, 2010.