• 디지털콘텐츠학회 논문지
• /
• 제14권2호
• /
• pp.275-282
• /
• 2013

의료 영상처리 분야에서의 일반적인 객체 인식 방법은 픽셀들의 밝기 정보, 형태 정보, 패턴 정보 등 다양한 컴퓨팅 처리 방법으로 수행되어 진다. 그러나 컴퓨팅 방법에 사용되는 다양한 정보들이 의미가 없을 경우 객체인식에 많은 제약이 따르게 된다. 따라서 본 논문은 이러한 컴퓨팅 처리의 근본적인 제약사항을 해결하고자, MR 의료 영상에서의 물리적인 이론에 기반한 영상처리 방법을 전처리에 활용하고자 한다. 제안된 방법은 대비 개선 작업을 주된 목적으로 하는 SWI(Susceptibility Weighted Imaging) 처리를 통해 의미 있는 전처리 작업을 수행하고, 이에 대한 결과를 텍스처 분석을 통해 MR 뇌 영상의 회백질을 효과적으로 검출하는 과정으로 구성된다. 실험결과 제안 방법은 평균 영역차이가 5.2%로 기존의 대표적인 영역분할 방법에 비해 보다 효율적임을 증명하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2005년도 춘계학술발표대회
• /
• pp.1769-1772
• /
• 2005

본 논문에서는 사용자의 작업을 최소화하고 결과의 정확성을 높일 수 있는 3 차원 영역 분할 알고리즘을 제시하고 있다. 경계선을 강화하고 유사영역을 평탄화하는 SRAD(Speckle Reducing Anisotropic Diffusion) 필터링은 잡음에 의한 3 차원 영역확장의 오류를 줄이고 분할 대상의 경계부분까지 안정적으로 영역을 확장시켜준다. 3 차원 영역확장 방법은 사용자에 의해 입력된 시작점을 기반으로 영역의 유사성과 집합성을 판단하는 평가함수(cost Function)를 계산하여 3 차원으로 영역을 확장시킨다. 이러한 방법을 이용할 때에 보다 효과적으로 3D MRI 데이터에 대한 영상 분할을 수행할 수 있다. 또한 논문에서 제시한 알고리즘의 검증을 위해서 분할 결과에 대한 의료진의 검증을 수행하였다.

• 한국통신학회논문지
• /
• 제22권11호
• /
• pp.2425-2431
• /
• 1997

자기 공명 영상의 사용이 빈번해 짐에 따라 환자의 해부학적인 정확한 정보와 이를 빠르고 효과적으로 진단하는데 유용한 자동 영상 세그멘테이션 방법이 요구되고 있다. 본 논문에서는 오류 역전파 알고리즘으로 학습한 신경망을 이용하여 뇌의 자기 공명 영상을 자동적으로 세그멘테이션하는 방법을 제안한다. 특정 환자의 자기 공명 영상을 분할하여 학습시킨 신경망은 다른 환자의 자기 공명 영상도 자동적으로 세그멘테이션하여 뇌의 윤곽을 뚜렷하게 나타내었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.474-476
• /
• 2021

신경 교세포에서 발생하는 가장 흔한 뇌 악성종양인 교모세포종은 조기 진단 및 치료계획 수립이 중요하다. 주로 조영제를 통해 촬영된 T1CE 영상을 통해 암의 진단이 이뤄지는데, 최근 가돌리늄 기반 조영제 주입의 위험이 보고되고 있다. 의료영상에서 새로운 영상을 합성하는 GAN 모델과 영역분할에 대한 심층신경망 모델에 대한 연구가 활발히 진행되고 있다. 본 연구에서는 교모세포종 환자의 T1CE 영상의 생성과 암의 영역분할을 동시에 학습하는 하나의 모델을 제안한다. 제안된 모델의 성능은 평균 제곱오차, 최대신호대잡음비 등의 유사성 측정을 통해 평가되어 0.002, 55dB의 평균 결과 값을 보여준다.

• Investigative Magnetic Resonance Imaging
• /
• 제11권2호
• /
• pp.110-118
• /
• 2007

목적: 확산텐서자기공명영상(DT-MRI: Diffusion Tensor Image)을 이용하여 확산의 주축을 구성하는 세 성분에 대한 고유치 (eigefvalue)의 영상을 구현해 보고자 하였다. 대상 및 방법: 고유치 영상을 구현하기 위해서 3.0 테슬러 MRI(Magnetic Resonance Imaging)를 이용하여 확산텐서영상을 얻었으며, Moore-Penrose pseudo-inverse 방법과 SVD(single value decomposition) 방법을 이용하여 확산 주축을 계산하였다. 이 과정을 픽셀단위로 반복적으로 계산하여 새로운 확산 주축 영상들을 만들었으며, 이 확산 주축 영상들과 분할 비등방성 영상의 관계를 조사하였다. 결과: 확산텐서영상 기법으로 얻어진 확산텐서영상을 이용하여, 세 방향의 확산 주축에 대한 고유치 영상을 구성하였으며, 고유치 영상들과 분할 비등방성 영상을 함께 분석함으로써, 뇌의 해부학적 구조물에 따른 분할 비등방성 값의 차이를 확인할 수 있었다. 또한, 확산 주축에 대한 고유치의 변화에 대한 컴퓨터 모의실험에서, 변화하는 고유치에 따른 분할 비등방성 값의 변동 추이를 알아볼 수 있었다. 그리고 확산 주축의 크기가 비등방성을 좌우하는 것이 아니라, 세 확산 주축의 조합으로 비등방성의 정도를 표현한다는 것을 확인할 수 있었다. 확산 주축 방향의 고유치들을 분리하여 영상화 함으로써, 뇌의 병변에 의한 비등방성의 변화의 원인이 확산 주축의 어떠한 변화에 의해 발생하는 것인지 확인할 수 있을 것으로 기대된다.

• 한국방사선학회논문지
• /
• 제18권3호
• /
• pp.231-237
• /
• 2024

뇌손상에서 생존자의 경우 지속적인 장애를 유발하고 뇌출혈에 따른 경막외 혈종(EDH) 및 경막하 혈종(SDH)은 주요 임상 질환 중 하나라고 볼 수 있다. 본 연구에서는 컴퓨터단층검사(CT; Computed Tomography) 영상을 기반으로 뇌출혈에 따른 혈종을 자동 분할하고 3차원으로 모델링하고자 하였다. 혈종의 자동 분할을 위해서 개선된 GVF(gradient vector flow) 알고리즘을 구현하였다. 영상으로부터 경사 벡터를 계산과 반복계산을 거친 후 자동 분할을 하고 분할 좌표를 이용해서 3차원 모델을 생성하였다. 실험결과, 혈종의 경계에 대해서 정확하게 분할 성공하였다. 경계 부분과 얇은 혈종부분에서도 결과가 좋은 것으로 나타났고, 3차원 모델을 통해서 여러 방향에서 혈종의 강도, 확산 방향, 면적 등을 알 수 있었다. 본 연구에서 개발 한 뇌출혈 부위의 평면정보와 3차원 모델은 의료진에게 보조적인 진단자료로서 활용 될 수 있을 것으로 판단한다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제34권1호
• /
• pp.18-29
• /
• 2007

본 논문에서는 뇌 자기공명영상을 분류하기 위하여 결정트리 알고리즘을 2 단계로 적용하는 영상 분류 시스템을 제안한다. 영상으로부터 얻을 수 있는 정보에는 두 종류가 있다. 하나는 크기, 색상, 질감, 윤곽선 등 영상으로부터 직접 얻을 수 있는 하위레벨 특징들이고, 다른 하나는 특정 객체의 존재 유무, 여러 부위 사이의 공간적 관계 등 분할된 영상들에 대한 해석을 통해서 얻을 수 있는 상위레벨 특징들이다. 의미에 따라 영상을 분류하기 위해서는 상위레벨 특징들을 기반으로 학습 및 분류가 수행되어야 한다. 제안하는 시스템에서는 결정트리 학습을 각각의 레벨에 개별적으로 적용하며, 하위레벨 분류 결과를 이용하여 상위레벨의 특징을 추출한다. 종양이 있는 뇌 자기공명영상 집합에 대하여 분류 실험을 수행하였으며, 몇 가지 실험 결과를 통해 제안된 시스템의 효과를 확인하였다.

• 대한의용생체공학회:의공학회지
• /
• 제10권3호
• /
• pp.317-322
• /
• 1989

In this paper, brain CT images are automatically segmented to reconstruct the 3-D scene from consecutive CT sections. Contextual segmentation technique was applied to overcome the partial volume artifact and statistical fluctuation phenomenon of soft tissue images. Images are hierarchically analyzed by region growing and graph editing techniques. Segmented regions are discriptively decided to the final organs by using the semantic informations.

• 대한의용생체공학회:의공학회지
• /
• 제19권5호
• /
• pp.455-468
• /
• 1998

이 연구에서는 간질 환자의 F-18-FDG 뇌 PET 영상을 공간정규화 기법으로 표준지도 위에 정규화한 후 표준지도의 해부학적 위치 정보를 이용하여 뇌기능영상의 영역을 자동적으로 분할하고 각 해부학적 위치의 F-18-FDG 섭취율을 추출하였다. 뇌 각 영역의 F-18-FDG 섭취율을 데이터베이스화한 것을 입력으로 하는 인공신경회로망을 구성하고 학습시켜 핵의학 전문의가 판독한 결과와 얼마나 일치되는지를 분석하였다. 핵의학 전문의 2명이 좌측측두엽간질(112명), 우측측두엽간질(81명) 혹은 정상(64명)으로 판독한 F-18-FDG 뇌 PET 영상을 대상으로, 학습의 치우침을 줄이기 위해 각 질환 군에서 동일한 수(40명)를 선택하여 학습군을 구성하고 학습군을 제외한 정상 24명, 좌측측두엽간질 72명, 우측 측두엽간질 41명의 F-18-FDG PET을 시험군으로 하였다. 모든 영상을 SPM76을 이용하여 MNI 표준지도 위에 공간정규화하고 전체 뇌영역의 평균 계수를 100으로 정규화하였다. 영역 분할 프로그램을 개발하여 표준지도를 34개 영역으로 분할하고 모든 영상에서 각 뇌영역엔 대한 평균 계수를 추출하였다. 비선형 패턴분류에 효과적인 다층퍼셉트론 신경회로망 모델을 써서 오류역전파 알고리즘으로 학습시켰다. 한 층의 은닉층을 부여하고 은닉층의 뉴런 수를 5개부터 차츰 늘려가며 최적의 개수를 선택하였다. 초기 가중치와 바이어스 값은 무작위 값을 갖게 하였다. 출력단은 세 개의 뉴런을 갖고 각 뉴런은 입력이 정상이면 [1 0 0], 좌측측두엽간질이면 [0 1 0], 우측측두엽간질이면 [0 1 0]의 값을 탐 값으로 하였다. 뉴런의 활성화 함수는 시그모이드 함수를 사용하였다. 입력단은 17개의 뉴런으로 구성하고 서로 마주보는 뇌영역의 계수 타이(오른쪽-왼쪽)를 입력으로 하였다 회로망의 학습 횟수를 10,000번으로 제한하여 오타의 허용치를 1로 설정하고 학습 횟수가 넘거나 오차가 허용치보다 작을 때 학습을 중단하게 하였다. 모멘텀과 적응형 학습율을 사용하여 신경회로망의 성능을 향상시키고 학습 속도를 빠르게 하였다. 모든 PET 영상에서 성공적으로 공간정규화 파라메터를 추출하여 표준지도에 정규화할 수 있었다 다층퍼셉트론 모델을 기반으로 한 인공신경회로망으로 27개의 은닉층 뉴런을 사용했을 때 최적의 결과를 얻을 수 있었다. 학습군에 대해서 1508번의 반복 학습을 시킨 결과 오차율 0%인 신경 회로망을 얻었으며 시험군에 대해 적용한 결과 전문가의 판독결과와 80.3%의 일치율을 보였다. 은닉층의 뉴런 수가 10개나 30개인 경우에도 학습군에 대해 오타율 0%인 신경회로망을 얻을 수 있었으며 이때의 시험군에 대한 일치율 역시 75∼80%의 값을 보였다.

• 한국시뮬레이션학회:학술대회논문집
• /
• 한국시뮬레이션학회 2000년도 추계학술대회 논문집
• /
• pp.180-185
• /
• 2000

방사선 치료계획이나 사전수술계획 등에 컴퓨터 사용이 늘어남에 따라 의료영상별 특성에 따른 복합적 처리를 필요로 한다. 본 논문에서는 다중 모달리티 영상으로부터 의미 있는 정보를 제공하기 위하여 상호정보 최적화를 통한 영상정합 방법을 제안한다. 본 방법은 두 영상에서 대응되는 위치의 명암도간 통계적 의존관계와 정보중복성을 계산하는 상호정보(mutual information)를 통해 영상간 변형관계를 추정함으로써 영상을 정합한다. 실험결과로는 뇌 자기공명영상(MRI)과 컴퓨터단층촬영영상(CT)의 상호정보를 최적화하여 정합 결과를 제시한다. 본 방법은 기존 정합방법에서 사용하는 영상분할이나 특징점 추출 등의 전처리 과정 없이 영상 자체 정보를 기반으로 계산함으로써 정합의 정확도를 높일 수 있다.