• 전기학회논문지
• /
• 제67권12호
• /
• pp.1678-1684
• /
• 2018

Dental caries is one of the most popular oral disease. The aim of automatic dental cavity detection system is helping dentist to make accurate diagnosis. It is very important to separate cavity from the teeth in the detection system. In this paper, We compared two active contour algorithms, Snake and DRLSE(Distance Regularized Level Set Evolution). To improve performance, image is selected ROI(region of interest), then applied bilateral filter, Canny edge. In order to evaluate the algorithms, we applied to 7 tooth phantoms from incisor to molar. Each teeth contains two cavities of different shape. As a result, Snake is faster than DRLSE, but Snake has limitation to compute topology of objects. DRLSE is slower but those of performance is better.

• 인터넷정보학회논문지
• /
• 제13권4호
• /
• pp.53-62
• /
• 2012

객체분할은 영상처리와 컴퓨터비전분야의 상당히 어려운 연구대상이다. 그레이스케일 영상에 대한 영상분할은 매우 많은 방법이 발표되었으며 다양한 영상특징과 처리방법이 제시되었다. 이러한 방법들은 대개 자연상태의 칼라 영상에 적용되기 어렵다. 본 논문에서는 기하학적인 Active Contour 모델의 수정된 형태, 즉 거리정규화레벨셋(distance regularized level set evolution: DRLSE)을 이용한 방법을 제시하여 스피드 함수가 이러한 칼라요소를 반영하도록 하였으며 실험결과 정확성과 시간효율성에 있어서 우수한 결과를 보여주었다.

• 한국의학물리학회지:의학물리
• /
• 제26권1호
• /
• pp.52-58
• /
• 2015

본 연구팀이 개발한 신개념 강내형 치과 진단 장치에서 촬영한 X선 치아영상으로부터 치아 우식증을 조기 단계에서 판별하고 치과의사의 정확한 진단을 돕기 위해서 병변진단 보조시스템인 치아 와동 자동 검출 프로그램을 개발하고자 하였다. 치아 와동 자동 검출 시스템을 구성하고 있는 기본 알고리즘은 치아 와동과 정상 치아를 구분 할 수 있는 영상분별 알고리즘과 치아 영상의 고유 특성 정보를 분석하고 이를 병변 검출에 적용할 수 있는 알고리즘으로 나눌 수가 있는데, 본 연구에서는 먼저, DRLSE 방법을 적용하여 병변과 정상치아 사이의 윤곽선 분할 성능을 테스트 하였다. 개발된 알고리즘의 와식 판별 성능을 테스트하기 위해서 다양한 형태의 와식을 포함하는 전치, 견치, 소구치 등의 7개의 치아팬텀을 제작하고 치아 와식 분별을 실시하였다. 총 14 개의 와식 중에 와식의 경계를 부분적으로 식별한 2개를 제외하고는 12개 와식의 경계를 정확하게 구별하여 개발된 자동 치아 병변 알고리즘의 가능성을 입증하였다. 그러나 실제 치아 와식의 형태는 개개인마다 다르고 복잡하기 때문에 무작위로 선택된 실제 치아에 적용하기 위해서는 보강된 알고리즘이 필요하다. 향후에는 치아에 대한 사전정보를 처리하고 적용하는 패턴 인식 혹은 기계학습 알고리즘을 추가하여 보다 효과적이고 정확한 병변 알고리즘으로 개선할 예정이다.

• Journal of Electrical Engineering and Technology
• /
• 제10권2호
• /
• pp.670-675
• /
• 2015

Medical imaging is one of the most powerful tools for gaining information about internal organs and tissues. It is a challenging task to develop sophisticated image analysis methods in order to improve the accuracy of diagnosis. The objective of this paper is to develop a Computer Aided Diagnostics (CAD) scheme for Brain Tumour detection from Magnetic Resonance Image (MRI) using active contour models and to investigate with several approaches for improving CAD performances. The problem in clinical medicine is the automatic detection of brain Tumours with maximum accuracy and in less time. This work involves the following steps: i) Segmentation performed by Fuzzy Clustering with Level Set Method (FCMLSM) and performance is compared with snake models based on Balloon force and Gradient Vector Force (GVF), Distance Regularized Level Set Method (DRLSE). ii) Feature extraction done by Shape and Texture based features. iii) Brain Tumour detection performed by various tree classifiers. Based on investigation FCMLSM is well suited segmentation method and Random Forest is the most optimum classifier for this problem. This method gives accuracy of 97% and with minimum classification error. The time taken to detect Tumour is approximately 2 mins for an examination (30 slices).