• Journal of Korea Multimedia Society
• /
• v.16 no.6
• /
• pp.700-707
• /
• 2013

In this paper, we propose a non-rigid registration method of lung parenchyma in temporal chest CT scans using region binarization modeling and locally deformable model. To cope with intensity differences between CT scans, we segment the lung vessel and parenchyma in each scan and perform binarization modeling. Then, we match them without referring any intensity information. We globally align two lung surfaces. Then, locally deformable transformation model is developed for the subsequent non-rigid registration. Subtracted quantification results after non-rigid registration are visualized by pre-defined color map. Experimental results showed that proposed registration method correctly aligned lung parenchyma in the full inspiration and expiration CT images for ten patients. Our non-rigid lung registration method may be useful for the assessment of various lung diseases by providing intuitive color-coded information of quantification results about lung parenchyma.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2004.05a
• /
• pp.271-274
• /
• 2004

영상정합을 통한 의료영상 분석방법들 중 동일환자에 대한 선형적 다중모달리티 정합이 널리 이용되고 있다. 그러나 실제적으로 여러 종류의 환자영상 취득이 어렵거나 해부학적 영상정보가 손실되는 경우가 적지 않다 본 논문에서는 표준 형상을 가지는 정상인 해부학적 뇌영상에 대한 환자 기능적 뇌영상의 정합방법을 제안한다. 먼저 두 영상간 모멘트 정보 매칭 및 초기선형 변환을 수행하고, 3차원 B zier 함수 기반 free-form 변형기법을 이용한 비선형 정합을 수행하여 정합 영상간 형상 차이를 최소화한다 제안방법은 환자 기능영상의 해부학적 분석 뿐 아니라 시술전-시술중 영상정합을 통한 영상유도시술에도 확장 적용될 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.11a
• /
• pp.572-575
• /
• 2012

본 논문은 스테레오 시각에서 3차원 정보를 얻기 위해 변형된 Census 변환과 적응적 윈도우를 이용한 다해상도 스테레오 영상 정합 방법을 제안하고자 한다. 영역 기반 기법으로 스테레오 영상의 대응점을 찾기 위해 탐색 화소 주변 영역의 기울기를 계산하여 윈도우의 크기 및 모양을 적응적으로 결정하고, 윈도우 영역의 정합 비용 함수는 변형된 Census 변환과 AD 연산 결과의 가중합으로 구한다. 정합 과정에서 계산복잡도를 줄이기 위해 계층적 다해상도 구조를 적용하여 영상 피라미드를 만들고, 정합의 정확성을 향상시키기 위해 정합 영역에 변위 평활성과 같은 제약 조건을 적용하여 변위를 전파하는 방법을 사용한다. 실험을 통해 제안한 방법이 변위 탐색 시간을 감소시킬 뿐만 아니라 정합의 타당성이 보장됨을 확인하고자 한다.

• The Journal of Korean Institute of Next Generation Computing
• /
• v.15 no.5
• /
• pp.64-74
• /
• 2019

Although a non-rigid registration has high demands in clinical practice, it has a high computational complexity and it is very difficult for ensuring the accuracy and robustness of registration. This study proposes a method of applying a non-rigid registration to 3D magnetic resonance images of brain in an unsupervised learning environment by using a deep-learning network. A feature vector between two images is produced through the network by receiving both images from two different patients as inputs and it transforms the target image to match the source image by creating a displacement vector field. The network is designed based on a U-Net shape so that feature vectors that consider all global and local differences between two images can be constructed when performing the registration. As a regularization term is added to a loss function, a transformation result similar to that of a real brain movement can be obtained after the application of trilinear interpolation. This method enables a non-rigid registration with a single-pass deformation by only receiving two arbitrary images as inputs through an unsupervised learning. Therefore, it can perform faster than other non-learning-based registration methods that require iterative optimization processes. Our experiment was performed with 3D magnetic resonance images of 50 human brains, and the measurement result of the dice similarity coefficient confirmed an approximately 16% similarity improvement by using our method after the registration. It also showed a similar performance compared with the non-learning-based method, with about 10,000 times speed increase. The proposed method can be used for non-rigid registration of various kinds of medical image data.

• Journal of radiological science and technology
• /
• v.40 no.1
• /
• pp.57-62
• /
• 2017

The purpose of this study is to reconstruct the treatment plan by applying CBCT and DIR to dose changes according to the change of the patient's motion and breast shape in the large breast cancer patients and to compare the doses using TWF, FIF and IMRT. CT and CBCT were performed with MIM6 to create DIRCT and each treatment plan was made. The patient underwent computed tomography simulation in both prone and supine position. The homogeneity index (HI), conformity index (CI), coverage index (CVI) to the left breast as planning target volume (PTV) were determined and the doses to the lung, heart, and right breast as organ at risk (OAR) were compared by using dose-volume histogram and the unique property of each organ. The value of HI of the PTV breast increased in all treatment planning methods using DIRCT, and CVI and CI were decreased in the treatment planning methods using DIRCT.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2006.11a
• /
• pp.121-124
• /
• 2006

본 논문에서는 영상 압축에 있어서 사용되는 새로운 고속 움직임 추정 기법에 대해 소개한다. 전역 탐색 블록 정합 알고리즘(FSBMA)은 최상의 PSNR을 갖는 화질로 움직임 벡터를 추정할 수 있지만 높은 계산량으로 인하여 실시간 구현에 부적합하다는 단점을 가지고 있다. 그러므로 계산량을 낮추면서 유사한 화질을 유지할 수 있는 많은 고속 탐색 기법들이 제안되어 왔다. 본 논문에서는 기존의 잘 알려진 고속 블록 정합 알고리즘을 수정 보완한 새로운 알고리즘을 제안한다. 제안한 방법에서는 움직임 추정에서의 고속 블록 정합 알고리즘에 있어 변형된 다이아몬드(Diamond) 탐색 기법을 이용하여 영상이 갖는 서로 다른 움직임 패턴에 대해 움직임의 방향성에 따라 적응적으로 탐색 방향과 패턴을 달리하면서 움직임을 예측하여 다이아몬드(Diamond)탐색 알고리즘과 유사한 화질을 유지하면서 보다 적은 계산량을 가지고 움직임 벡터를 추정학 수 있다. 또한 이를 PMVFAST(Predictive Motion Vector Field Adaptive Search Technique)와 결합함으로서 보다 좋은 화질을 가질 수 있다.

• Journal of the Korean Institute of Telematics and Electronics S
• /
• v.36S no.3
• /
• pp.97-105
• /
• 1999

본 논문에서는 기존의 깊이 복원 방법을 개선하기 위해서 유전 알고리즘을 이용한 새로운 스테레오 정합법을 제시하였고 다양한 영상에 적용하기 위해 영상의 영역 정보를 고려하였다. 유전 알고리즘은 자연선택과 개체군 유전학에 기반한 효율적인 탐색 기법인데, 이들의 염색체 교차와 돌연변이 같은 연산자를 정합 환경에 적합하도록 변형시켰다. 영상신호를 쉽게 다루기 위해서 2차원 염색체 구조를 사용하였으며, 스테레오 정합에 많이 사용되는 유사성과 연속성 제약 조건에 기반하여 적자를 선택하는 적응 함수를 정의하였다. 그리고 기존 유전 알고리즘의 수렴속도를 개선하기 위해서 무작위로 변이를 발생시키지 않고 휘도차를 이용하여 변이를 발생시키는 정보기반 변이 발생을 사용하였다. 실험을 통하여 본 방법은 이완처리를 포함한 정합법보다 계산 부하를 줄일 수 있었고 비교적 안정된 결과를 얻을 수 있었다.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.40 no.11
• /
• pp.2271-2283
• /
• 2015

In this paper, we propose a method which infers an accurate disparity map for radiometrically varying stereo images. For this end, firstly, we transform the input color images to the log-chromaticity color space from which a linear relationship can be established during constructing a joint pdf between input stereo images. Based on this linear property, we present a new stereo matching cost by combining weighted mutual information and the SIFT (Scale Invariant Feature Transform) descriptor with segment-based plane-fitting constraints to robustly find correspondences for stereo image pairs which undergo radiometric variations. Experimental results show that our method outperforms previous methods and produces accurate disparity maps even for stereo images with severe radiometric differences.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.10d
• /
• pp.493-495
• /
• 2002

다시점 영상 부호화와 함께, 가상물체를 지능형으로 합성하기 위해서는 정합할 위치를 강인하게 추적(tracking)하여야 한다. 기존의 특징추적기법은 시점이 확장된 시스템에서, 광원의 영향과 가려진 영역의 발생으로 인하여, 추적 할 수 없게 되거나 시각적 혼동이 발생하는 등의 많은 문제점을 유발한다. 뿐만 아니라 다시점에 의한 정보의 급격한 증가는 시점간 움직임을 추적하여 정합하는 연산량의 추가적 발생을 초래한다. 이에 본 논문은 광원이나 가려진 영역(occtusion)의 영향이 적은 형상과 정보량이 많은 텍스쳐를 동시에 고려하여 영역의 변형에 따라 발생하는 최적 움직임을 예측하는 파라미터 모델을 결정함으로써 사각영역을 추적한다. 이 때 미리 연산된 카메라 파라미터와 투영관계를 사용해 시점간에 가상 객체를 지속적으로 3차원 정합한다. 결과적으로, 제안된 알고리즘은 기존의 특징추적 알고리즘에 비해 광원의 영향과 가려진 영역에 강인하며 정합의 오류가 적고 추적 할 때 시점간의 대응을 위한 연산을 줄이기 때문에 실감 혼합현실 시스템의 구현에 매우 효율적임을 실험을 통해 증명하였다.

• Journal of the Institute of Electronics Engineers of Korea SP
• /
• v.38 no.5
• /
• pp.538-547
• /
• 2001

Currently, 2D real-time image coding techniques had great developments and many related products were commercially developed. However, these techniques lack the capability of handling 3D actuality, occurred by the advent of virtual reality, because they handle only the temporal transmission for 2D image. Besides, many 3D virtual reality researches have been studied in computer graphics. Since the graphical researches were limited to the application of artificial models, the 3D actuality for real scene images could not be managed also. Therefore, a new 3D model extraction method based on stereo vision, that can deal with real scene virtual reality, is proposed in this paper. The proposed method adapted a compact genetic algorithm using population-based incremental learning (PBIL) to matching environments, in order to reduce memory consumption and computational time of conventional genetic algorithms. Since the PBIL used a probability vector and competitive learning, the matching algorithm became simple and the computation load was considerably reduced. Moreover, the matching quality was superior than conventional methods. Even if the characteristics of images are changed, stable outputs were obtained without the modification of the matching algorithm.