• Proceedings of the Korea Society for Simulation Conference
• /
• 2004.05a
• /
• pp.118-122
• /
• 2004

본 논문에서는 인체의 머리 부분을 촬영한 의료 영상에서 뇌 영역만을 분할하는 방법에 대해 제시하고자 한다. 뇌의 해부학적 구조 및 기능적 이상 부위를 파악할 경우에 영상 내에 함께 보여지는 두개골과 뇌척수액 등을 제외한 대뇌피질 영역을 분할하면 보다 효과적인 정보 분석 및 진단이 가능하게 된다. 본 시스템에서는 3단계 알고리즘을 제시한다. 첫 번째 단계에서는 영상 내에 존재하는 잡음을 제거하기 위한 필터링이고, 두 번째 단계에서는 필터링된 결과에 대한 영상분할을 수행하는 것이다 이 때 정확한 결과 도출을 위하여 사용자의 인터렉션이 들어가게 된다. 세번째 단계에서는 형태학적 방법을 이용하여 분할 결과를 보완한다. 본 연구를 위한 실험에는 자기 공명 촬영 영상(MRI: Magnetic Resonance Imaging), 단일 광전자 방출 단층 촬영영상(SPECT: Single Photon Emission Computed Tomography), 양전자 방출 단층 촬영영상(PET: Positron Emission Tomography) 등을 사용하였다. 본 시스템에서는 다양한 모달리티의 뇌 영상에서 대뇌피질 부분을 정확하게 영상 분할함으로써 뇌의 구조적 이상을 판단하기 위한 해부학적 정보 분석을 가능케 하고 있다. 뿐만 아니라 뇌 질환에 대한 정확한 진단 시뮬레이션도 가능하게 하고자 한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.11b
• /
• pp.904-906
• /
• 2005

본 논문에서는 뇌 CT 혈관조영영상에서 슬라이스 정보를 이용한 뇌 분할 방법을 제안한다. 뇌 분할 과정은 현재 슬라이스와 이전 슬라이스 간 분할 영역의 크기 정보를 가지고 영역 성장 단계와 전파 단계로 구분하여 수행된다. 영역 성장 단계에서는 이차원 영역성장법을 통해 뇌 분할을 수행하고 누출이 발생하는 슬라이스에 대하여 방사선 투과 기법을 통해 영역보정을 수행한다. 전파 단계에서는 이전 슬라이스에서 분할된 뇌 영역을 현재 슬라이스로 전파함으로써 장벽을 생성하고 장벽 내에서 이차원 영역성장법을 수행함으로써 누출을 최소화한다. 또한 뇌 영역과 유사한 밝기값을 형성하고 있는 미세 요소들을 제거하기 위해 이차원 연결화소군 레이블링 기법을 통해서 최종적으로 뇌 분할을 수행한다. 본 논문의 실험을 위하여 뇌 CT 혈관조영영상을 사용하여 정확한 뇌분할 결과를 얻었다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2001.06a
• /
• pp.185-188
• /
• 2001

의료 영상 처리 기술은 질병의 진단 및 치료를 위한 계획이나 방법을 결정하는데 있어 매우 중요한 역할을 하고 있다. 뇌 MR 영상에서의 질병 진단을 위한 전처리 단계로서 필수적으로 이루어져야 하는 단계가 영상 분할 단계이다. 본 논문에서는 뇌의 질병 진단에 사용할 수 있는 자료를 제공하기 위한 뇌 영상 분할 방법을 제시한다. T2 강조 영상의 반전된 영상에서 원본 영상을 뺀 차이 영상의 결과로 회백질·뇌척수액·비정상 영역이 두드러지게 나타나는 점을 이용해 회백질 뇌척수액·비정상 영역과 백질 영역을 분리하는 방법을 제안한다. 또한 뇌척수액 영역의 위치 정보와 몇 가지 특징들을 정의하여 분할되어진 회백질·뇌척수액· 비정상 영역에서 뇌척수액 영역만을 분할하는 방법을 제시한다. 600 여 개의 T2 강조 영상에 대해서 실험을 행하러 비교적 정확한 분할 결과를 유도할 수 있었음을 확인하였다.

• Journal of the Korea Computer Graphics Society
• /
• v.10 no.4
• /
• pp.1-5
• /
• 2004

본 논문에서는 인체의 머리 부분을 촬영한 자기 공명 촬영 영상(MRI: Magnetic Resonance Imaging)에서 뇌 영역의 대뇌 피질 만을 분할하는 방법에 대해 제시하고자 한다. 뇌의 해부학적 구조를 파악할 경우에 영상 내에 함께 보여지는 두개골과 뇌척수액 등을 제외한 대뇌피질 영역을 분할하면 보다 효과적인 정보 분석 및 진단이 가능하게 된다. 본 논문에서는 3단계 알고리즘을 제시한다. 첫번째 단계에서는 Speckle reducing anisotropic diffusion (SRAD)를 이용하여 영상 내에 존재하는 잡음을 제거하기 위한 필터링이다. 두번째 단계에서는 필터링된 결과를 이용하여 추출된 임계값과 사용자의 인터렉션인 씨드 포인트를 통해 영상분할을 수행하고, 세 번째 단계에서는 후 처리를 통해 분할 결과를 보완한다. 영상분할 결과의 정확성을 측정하기 위하여 현재 병원의 의료진들이 사용하고 있는 Mayo clinic사의 Analyze를 이용하여 분할된 결과와의 오류를 측정하였다. 또한 최종 결과에 대해 ultravis를 이용한 볼륨 렌더링으로 영상분할의 최종 결과를 제시하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2003.05a
• /
• pp.405-408
• /
• 2003

영상의 구성물질에 따른 정확한 분할은 질병의 유무를 판단하는데 매우 중요하다. 그러나 영상에서 구성물질들을 정확하게 분할하기란 쉬운 문제가 아니다. 그리고 많은 연구들이 뇌의 실질적인 량을 고려하지 못한 상태서 분할이 이루어지고 있다. 따라서 뇌의 실질적인 량과 비교할 때 가장 근접한 방법 의 개발이 필요하다고 볼 수 있다. 본 논문은 fat을 소거한 T2 영상과 T1 영상을 이용하여 조직에 따르는 명암 분포가 각각 다르게 분포되어 있는 것을 이용하여 평활화한 후 두 영상의 차로 백질, 회백질, 뇌척수액을 분리하는 방법을 제안한다. 이 방법을 이용하여 정상이의 뇌 MR 영상 이용하여 (19 Slice) 백질, 회백질, 뇌척수액을 분리하는 방법을 제시하였다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2000.11a
• /
• pp.262-265
• /
• 2000

영상에서의 경계선추출은 영상의 강도의 변화를 이용한 경계영역의 가시화 기법이므로 gray level 영상이 가지는 강도를 이용하여 에지를 찾을 수 있다. 뇌 영상에는 MRI 영상과 같이 해부학적인 정보가 큰 영상과, PET 영상같이 perfusion으로 분석해야 할 영상이 있는데 그 경계가 뚜렷한 MRI 영상과 달리 PET 뇌 영상은 영상의 특성상 경계영역의 구분이 모호한 실정이다. 본 논문에서는 이러한 영상의 특성에 따라 뇌 영상에서 영상 강도에 대해 등분할을 한 후 vectorgram에서 magnitude의 영역을 선택하여 영상을 분할 하였다. 그리고 PET 와 MRI영상과 현미경 영상에 대한 결과를 비교하였다. Vertcrgram은 에지정보를 가지는 영상에 대해 벡터요소를 그래프화 한 것으로 방향성에 대한 평가를 통해 영역 분할을 하였다. 이러한 PET 영상의 2차원 분할 방법은 3차원 PET 영상 분석에 응용될 수 있을 것이다.

• Journal of Biomedical Engineering Research
• /
• v.22 no.5
• /
• pp.377-384
• /
• 2001

Generally. there have been limitations to investigate structural brain abnormalities with MR images for psychiatric patients. such as schizophrenia. depression and autism, since the brain abnormalities of psychiatric Patients are too small to be detected easily. It has been suggested to exploit the result of size-comparison or analysis of specified Part in various brain tissues. Results of brain analysis highly depend on accuracy of the brain segmentation because it is hard to segment image that the boundary between tissues in the brain MRI is inherently value. In this Paper. we improve the quality of brain segmentation so that we increase the credit of brain analysis. In addition, we Provide the improved images for studying brain abnormalities through left-right insular volume measure using handy software tool .

• Proceedings of the Korea Multimedia Society Conference
• /
• 2002.05c
• /
• pp.206-209
• /
• 2002

의료 영상 처리 시스템에서는 영상들의 검색이 중요한 문제로 대두되고 있다. 그에 대한 해결 방법으로는 의료 영상 처리 시스템에 지능적인 내용 기반의 영상 검색 방법을 도입하는 것이다. 본 연구에서는 의료 영상에 적합한 분할 방법을 사용하여 뇌의 MR 영상에 대하여 내용기반 검색을 하기 위한 영상 특징 색인화 방법을 제안한다. 제안하는 색인화 방법은 뇌 MR 영상에서 뇌영역을 분할하고 특징들을 추출한 후 이 정보를 가지고 대상 영상의 그룹핑 정보를 유추하고, 각 대상 영상에서의 비정상 후보 영역 위치를 찾아내어 3차원 공간 색인을 하는 방법이다.

• Journal of the Institute of Convergence Signal Processing
• /
• v.12 no.4
• /
• pp.267-273
• /
• 2011

In this paper, we proposed the method to detect brain tumor region in MR images. Our method is composed of 3 parts, detection of tumor slice, detection of tumor region and tumor boundary detection. In the tumor slice detection step, a slice which contains tumor regions is distinguished using symmetric analysis in 3D brain volume. The tumor region detection step is the process to segment the tumor region in the slice distinguished as a tumor slice. And tumor region is finally detected, using spatial feature and symmetric analysis based on the cluster information. The process for detecting tumor slice and tumor region have advantages which are robust for noise and requires less computational time, using the knowledge of the brain tumor and cluster-based on symmetric analysis. And we use the level set method with fast marching algorithm to detect the tumor boundary. It is performed to find the tumor boundary for all other slices using the initial seeds derived from the previous or later slice until the tumor region is vanished. It requires less computational time because every procedure is not performed for all slices.

• The Transactions of the Korea Information Processing Society
• /
• v.7 no.2
• /
• pp.542-551
• /
• 2000

In this paper, a novel technique is presented for automatic brain region segmentation in single channel MR image data sets for 3D visualization and analysis. The method detects brain contours in 2D and 3D processing of four steps. The first and the second make a head mask and an initial brain mask by automatic thresholding using a curve fitting technique. The stage 3 reconstructs 3D volume of the initial brain mask by cubic interpolation and generates an intermediate brain mask using morphological operation and labeling of connected components. In the final step, the brain mask is refined by automatic thresholding using curve fitting. This algorithm is useful for fully automatic brain region segmentation of T1-weighted, T2-weighted, PD-weighted, SPGR MRI data sets without considering slice direction and covering a whole volume of a brain. In the experiments, the algorithm was applied to 20 sets of MR images and showed over 0.97 in comparison with manual drawing in similarity index.