• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2010년도 추계학술발표대회
• /
• pp.668-671
• /
• 2010

In this paper, we present a novel automatic algorithm for scalp and skull segmentation in T1-weighted head MR images. First, the scalp and skull part are constructed by using intensity threshold. Second, the scalp outer surface is extracted based on an active level set method. Third, the skull inner surface is extracted using a canny edge detection algorithm. Finally, the fast sweeping, tagging and level set methods are applied to reconstruct surfaces from the detected points in three-dimensional space. The results of the new segmentation algorithm on MRI data acquired from eight persons were compared with manual segmented data. The average similarity indices for the scalp and skull segmented regions were equal to 84.42% for the test data.

• 한국통신학회논문지
• /
• 제39C권6호
• /
• pp.490-496
• /
• 2014

무릎 관절 연골은 두께가 얇아 대부분 무릎 질환의 원인이 되고 있다. 그러므로 무릎 자기공명영상에서 관절 연골 분할은 무릎 질환의 정확한 진단을 위한 필수조건이다. 특히 수동이 아닌 전자동 방식으로 무릎 관절 연골을 분할하여야만 효과적인 무릎 질환 진단을 할 수 있다. 본 논문에서는 뇌 자기공명영상에서 대표적으로 사용되는 레벨 셋 기반의 영상 분할 기법을 분석하여 무릎 자기공명영상에 적용 시 문제점을 파악하고 이를 해결함으로써, 무릎 자기공명영상에 레벨 셋 기반 영상분할 방식을 적용하였다. 이는 본 논문에서 제안하는 분할기법을 사용할 경우 무릎 관절 연골 분할에 대한 모든 과정이 전자동화 되어 기존 반자동화 방식보다 빠른 처리가 가능하며, 3차원 형상화를 통해 보다 정확한 진단에 도움을 줄 수 있다. 또한 우리는 제안하고 있는 분할기법이 기존 대표적인 무릎 관절 분할보다 더 높은 정확도를 갖는 것을 실험을 통해 확인할 수 있었다.

• 대한전자공학회논문지SP
• /
• 제49권1호
• /
• pp.81-87
• /
• 2012

현재 사용되고 있는 두뇌영상의 제거 방법은 비록 환자의 개인 정보를 보호하고 있으나, 과도한 제거로 정확한 두뇌영상의 무결성을 손실할 수 있다. 원래 두뇌의 영상과 동일한 두뇌 조직을 나타내면서 환자의 신원을 감출 수 있는 새로운 익명화 얼굴모델을 생성시키는 방법을 연구하였다. 제안방법은 두 단계로 구성되었다: 10명의 두뇌영상을 정규화시켜서 모조 두뇌 표본 영상을 생성하는 단계와 실험영상 두뇌의 외곽부를 모조 두뇌의 안면부로 대체시키는 단계이다. 전체 두뇌영상에서 두피와 두개골 영역을 분할하기 위하여 레벨셋 알고리즘을 적용하였다. 영역화된 모조 두뇌를 대상 두뇌영상에 동일하게 배치하고 정규화를 시켜서 익명화된 얼굴 모델을 생성하였다. 원래 영상과 변형된 영상의 두뇌 조직부의 밝기 변화를 비교하여 제안 알고리즘의 타당성을 실험하였다. 실험 결과 두 두뇌영상은 두뇌 조직에서 완전히 동일하면서 신원을 파악할 수 없는 것을 검증하였다.

• 대한의용생체공학회:의공학회지
• /
• 제36권4호
• /
• pp.79-85
• /
• 2015

The purpose of this study is to develop an automatic algorithm for vessel segmentation in X-Ray angiogram using Random Forest (RF). The proposed algorithm is composed of the following steps: First, the multiscale hessian-based filtering is performed in order to enhance the vessel structure. Second, eigenvalues and eigenvectors of hessian matrix are used to learn the RF classifier as feature vectors. Finally, we can get the result through the trained RF. We evaluated the similarity between the result of proposed algorithm and the manual segmentation using 349 frames, and compared with the results of the following two methods: Frangi et al. and Krissian et al. According to the experimental results, the proposed algorithm showed high similarity compared to other two methods.

• Investigative Magnetic Resonance Imaging
• /
• 제21권1호
• /
• pp.9-19
• /
• 2017

Background: Normalized cerebral blood volume (nCBV) can be measured using manual or semiautomatic segmentation method. However, the difference in diagnostic performance on brain tumor differentiation between differently measured nCBV has not been evaluated. Purpose: To compare the diagnostic performance of manually obtained nCBV to that of semiautomatically obtained nCBV on glioblastoma (GBM) and primary central nervous system lymphoma (PCNSL) differentiation. Materials and Methods: Histopathologically confirmed forty GBM and eleven PCNSL patients underwent 3T MR imaging with dynamic susceptibility contrast-enhanced perfusion MR imaging before any treatment or biopsy. Based on the contrast-enhanced T1-weighted imaging, the mean nCBV (mCBV) was measured using the manual method (manual mCBV), random regions of interest (ROIs) placement by the observer, or the semiautomatic segmentation method (semiautomatic mCBV). The volume of enhancing portion of the tumor was also measured during semiautomatic segmentation process. T-test, ROC curve analysis, Fisher's exact test and multivariate regression analysis were performed to compare the value and evaluate the diagnostic performance of each parameter. Results: GBM showed a higher enhancing volume (P = 0.0307), a higher manual mCBV (P = 0.018) and a higher semiautomatic mCBV (P = 0.0111) than that of the PCNSL. Semiautomatic mCBV had the highest value (0.815) for the area under the curve (AUC), however, the AUCs of the three parameters were not significantly different from each other. The semiautomatic mCBV was the best independent predictor for the GBM and PCNSL differential diagnosis according to the stepwise multiple regression analysis. Conclusion: We found that the semiautomatic mCBV could be a better predictor than the manual mCBV for the GBM and PCNSL differentiation. We believe that the semiautomatic segmentation method can contribute to the advancement of perfusion based brain tumor evaluation.

• 대한의용생체공학회:의공학회지
• /
• 제21권4호
• /
• pp.333-338
• /
• 2000

본 논문에서는 T1 강조영상, T2 강조 영상 그리고 PD의 영상의 특징을 상호 보완적으로 이용한 자동적인 영상 분할법을 제안한다. 제안한 분할 알고리듬은 3단계로 이루어지는데, 첫 단계에서는 PD 영상으로부터 대뇌 마스크를 획득한 후, T1과 T2, PD의 입력 영상에 대뇌 마스크를 씌워 각각의 대뇌 영상을 추출하고, 둘째 단계에서는 대뇌 내부 조직에 해당하는 두드러진 클러스터(outstanding cluster)를 3차원 클러스터들 중에서 선택한다. 3차원 클러스터는 최적스케일 영상(optimal scale image)으로 이루어지는 3차원 공간상에서 화소가 밀집된 봉우리들을 교집합해서 생성되는 클러스터로 결정한다. 최적스케일 영상은 각 2타원 히스토그램에 스케일 스페이스 필터링을 적용시키고 그래프(graph) 구조를 검색하여 2차원 히스토그램의 모양을 가장 잘 나타내는 봉우리(peak) 영상을 최적 스케일 영상으로 선택한다. 마지막 단계에서는 앞에서 찾은 두드러진 클러스터의 중심값을 FCM 알고리듬의 초기중심 값으로 두고, FCM 알고리듬을 이용하여 대뇌 영상을 분할한다. 제안한 분할 알고리듬은 정확한 클러스터의 중심값을 계산함으로 초기 값을 영향을 많이 받는 FCM 알고리듬의 단점을 보완하였고 다중 스펙트럼 영상의 특성을 조합하여 분할에 이용함으로 단일 스펙트럼 영상만을 이용하는 방법보다 향상된 결과를 얻을 수 있었다.

• Applied Microscopy
• /
• 제46권2호
• /
• pp.100-104
• /
• 2016

Electron microscopy is currently the only available technique with a spatial resolution sufficient to identify fine neuronal processes and synaptic structures in densely packed neuropil. For large-scale volume reconstruction of neuronal connectivity, serial block-face scanning electron microscopy allows us to acquire thousands of serial images in an automated fashion and reconstruct neural circuits faster by reducing the alignment task. Here we introduce the whole reconstruction procedure of synaptic network in the rat hippocampal CA1 area and discuss technical issues to be resolved for improving image quality and segmentation. Compared to the serial section transmission electron microscopy, serial block-face scanning electron microscopy produced much reliable three-dimensional data sets and accelerated reconstruction by reducing the need of alignment and distortion adjustment. This approach will generate invaluable information on organizational features of our connectomes as well as diverse neurological disorders caused by synaptic impairments.

• Journal of applied mathematics & informatics
• /
• 제42권4호
• /
• pp.931-943
• /
• 2024

Accurately identifying brain tumors is crucial for medical imaging's precise diagnosis and treatment planning. This study presents a novel approach that uses cutting-edge image processing techniques to automatically segment brain tumors. with the use of the Pyramid Network algorithm. This technique accurately and robustly delineates tumor borders in MRI images. Our strategy incorporates special algorithms that efficiently address problems such as tumor heterogeneity and size and shape fluctuations. An assessment using the RESECT Dataset confirms the validity and reliability of the method and yields promising results in terms of accuracy and computing efficiency. This method has a great deal of promise to help physicians accurately identify tumors and assess the efficacy of treatments, which could lead to higher standards of care in the field of neuro-oncology.

• Journal of Multimedia Information System
• /
• 제8권2호
• /
• pp.79-84
• /
• 2021

Detecting brain tumors of different sizes is a challenging task. This study aimed to identify brain tumors using detection algorithms. Most studies in this area use segmentation; however, we utilized detection owing to its advantages. Data were obtained from 64 patients and 11,200 MR images. The deep learning model used was RetinaNet, which is based on ResNet152. The model learned three different types of pre-processing images: normal, general histogram equalization, and contrast-limited adaptive histogram equalization (CLAHE). The three types of images were compared to determine the pre-processing technique that exhibits the best performance in the deep learning algorithms. During pre-processing, we converted the MR images from DICOM to JPG format. Additionally, we regulated the window level and width. The model compared the pre-processed images to determine which images showed adequate performance; CLAHE showed the best performance, with a sensitivity of 81.79%. The RetinaNet model for detecting brain tumors through deep learning algorithms demonstrated satisfactory performance in finding lesions. In future, we plan to develop a new model for improving the detection performance using well-processed data. This study lays the groundwork for future detection technologies that can help doctors find lesions more easily in clinical tasks.

• 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.