• 전자공학회논문지SC
• /
• 제49권1호
• /
• pp.29-38
• /
• 2012

의료 영상의 획득하는 과정에서 발생하는 잡음은 영상판독 및 진단을 방해하는 요소로 작용한다. 이러한 잡음으로 오염된 영상으로부터 원본영상을 복원하기 위하여 R.O.F(L.Rudin, S Osher, E. Fatemi)에 의해서 제안된 총변이 최적화 알고리즘은 정규화와 합도의 균형을 맞춰 잡음을 제거할 수 있는 방법이다. 그러나 잡음 제거율을 높이기 위한 반복연산을 수행하는 과정에서 발생하는 경계영역의 몽롱화 현상은 피할 수 없다. 본 논문에서는 총변이 최적화 알고리즘의 제어 파라미터를 잡음 분산과 영상의 지역분산 특성에 따라서 가변적으로 변환시켜 치아영상의 경계 영역의 왜곡을 최소화하고 전체 영상의 잡음을 제거하고자 하였다. CBCT 치아영상 464장을 대상으로 제안된 알고리즘을 적용한 결과, 기존의 R.O.F가 제안한 방법에 비해 PSNR측면에서 약 3dB 정도 향상됨을 보였다. 또한 처리된 결과영상을 3D 볼륨으로 재구성하여 비교한 결과, 기존의 방법보다 치아모델의 경계영역이 더 잘 보존됨을 보여주었다.

• 대한전자공학회논문지SP
• /
• 제46권2호
• /
• pp.30-39
• /
• 2009

사구체 영역의 추출은 신장염 진단 자동화에 있어서 매우 중요한 역할을 하고있다. 그러나 사구체 영역과 타 영역과의 차이가 그다지 뚜렷하지 않고 동시에 표본화 과정과 영상취득과정에서 발생한 얼룩이 원영상에 존재하기 때문에 사구체 영역을 정확히 추출하는 일은 간단치 않다. 본 연구에서는 신장 사구체 영역의 추출에 관해서 유전적 알고리듬에 의한 새로운 방법을 제안한다. 우선, 표준편차 ${\sigma}=2.1$과 ${\sigma}=1.8$의 라플라시안-가우시안 필터를 사용해서 저해상도와 고해상도 영상을 획득한 후, 그 임계값을 0으로 설정하여 2치화 영상을 취득하며, 그런 다음, 저해상도 영상으로부터 경계에지를 추출한다. 사구체의 경계는 B-스플라인 폐곡선으로 표현한다. 이 저해상도 영상에 있어서 B-스플라인 폐곡선을 결정하는 파라메타는 유전적 알고리듬을 이용한 탐색에 의해 잡음과 경계선이 도중에서 끊어지는 것을 방지한다. 그 다음, 보다 정밀한 사구체의 경계 에지를 획득하기 위해 고해상도 영상으로부터 절점수를 8개, 16개 및 32개로 순차적으로 증가시켜 수정한다. 최종적으로 실제 영상에 적용함으로써 제안한 본 방법의 유효성을 확인하였다.

• 방송공학회논문지
• /
• 제24권6호
• /
• pp.919-927
• /
• 2019

본 논문에서는 입체 영상을 획득하기 위한 정밀 카메라 캘리브레이션(calibration) 기법을 제안한다. 일반적인 카메라 캘리브레이션 기법은 체커보드 구조의 목적 패턴을 이용하여 수행한다. 체커보드 패턴은 사전에 인지된 격자구조를 활용할 수 있으며, 체커보드 코너점을 통해 특징점 매칭을 용이하게 수행할 수 있음에 따라 2차원 영상 픽셀 지점과 3차원 공간상의 관계를 정확히 추정할 수 있다. 특징점 매칭을 통해 카메라 파라미터를 추정하므로 정밀한 카메라 캘리브레이션을 위해선 영상 평면내의 정확한 체커보드 코너 검출이 필요하다. 따라서 본 논문은 정확한 체커보드 코너 검출을 통해 정밀한 카메라 캘리브레이션을 수행하는 기법을 제안한다. 정확한 코너를 검출하기 위해 1-D 가우시안 필터링을 활용하여 코너 후보군들을 검출한 후 코너 정제(refinement) 과정을 통해 이상치(outlier)들을 제거하며 영상내의 부분 픽셀(sub-pixel) 단위의 정확한 코너를 검출한다. 제안한 기법을 검증하기 위해 카메라 내부 파라미터를 추정 결과를 판단하는 재투사 오차(reprojection error)를 확인하며, 카메라 위치 ground truth 값이 제공된 데이터 셋을 활용하여 카메라 외부 파라미터 추정 결과를 확인한다.

• 한국의학물리학회지:의학물리
• /
• 제22권1호
• /
• pp.28-34
• /
• 2011

적응 방사선 치료(Adaptive Radiation Therapy, ART)를 실행하기 위한 고도의 정확성을 갖는 변형 영상 정합 방법은 필수이다. 본 연구의 목적은 Megavoltage cone-beam CT (MV CBCT)영상의 Intensity 변화를 통한 영상 정합의 정확성의 향상이다. Intensity 변화 값을 도출 하기 위해 kilovoltage CT (kV CT)와 MV CBCT를 이용하여 12 종류의 전자 밀도 바를 제공하는 Cheese 팬텀의영상을 획득하고, 영상들로부터 kV CT와 MV CBCT의 Hounsfield Unit (HU)값들의 관계를 도출하였다. MV CBCT 영상의 잡음을 감소하기 위해 Gaussian smoothing 필터를 적용하였다. MV CBCT영상의 intensity는 마치 동일한 모달리티에서 획득된 영상과 같은 kV CT와 동일한 범위의 intensity로 변화시켰다. 이후 두 영상에 효율적이고 사용하기 쉬운 intensity 기반의 데몬 영상 정합이 적용되었다. 본 연구실에서 인체 내 폐를 모사하도록 제작된 변형 폐 팬텀을 이용하여 위와 같은 방법을 적용하여 영상 정합을 하였다. Cheese 팬텀 영상, 변형 폐 팬텀 영상을 이용한 변형영상 정합 결과는 상관 계수가 각각 6.07%, 18% 향상되었다. 변형 폐 팬텀 영상의 변형 영상 정합 정확성을 평가하기 위해 추가적으로 측정된 팬텀 내부에 삽입한 표적의 중심 좌표를 이용하여vector 차이를 계산하였다. 벡터 차이는 $2.23{\pm}1.19mm$, $1.39{\pm}0.97mm$였다. 본 연구에서 사용한 intensity 변화 방법을 통해 변형 영상 정합의 정확성이 향상됨을 확인 하였고, 본 연구는 영상 정합 정확성을 향상시키기 위한 해결 방법이 될 수 있다. 차후 연구 계획도 본 연구 내용에 의해 제안되었다.

• 대한후두음성언어의학회지
• /
• 제14권2호
• /
• pp.110-116
• /
• 2003

Background and Objectives : Laryngeal cancer discrimination using voice signals is a non-invasive method that can carry out the examination rapidly and simply without giving discomfort to the patients. n appropriate analysis parameters and classifiers are developed, this method can be used effectively in various applications including telemedicine. This study examines voice analysis parameters used for laryngeal disease discrimination to help discriminate laryngeal diseases by voice signal analysis. The study also estimates the laryngeal cancer discrimination activity of the Gaussian mixture model (GMM) classifier based on the statistical modelling of voice analysis parameters. Materials and Methods : The Multi-dimensional voice program (MDVP) parameters, which have been widely used for the analysis of laryngeal cancer voice, sometimes fail to analyze the voice of a laryngeal cancer patient whose cycle is seriously damaged. Accordingly, it is necessary to develop a new method that enables an analysis of high reliability for the voice signals that cannot be analyzed by the MDVP. To conduct the experiments of laryngeal cancer discrimination, the authors used three types of voices collected at the Department of Otorhinorlaryngology, Pusan National University Hospital. 50 normal males voice data, 50 voices of males with benign laryngeal diseases and 105 voices of males laryngeal cancer. In addition, the experiment also included 11 voices data of males with laryngeal cancer that cannot be analyzed by the MDVP, Only monosyllabic vowel /a/ was used as voice data. Since there were only 11 voices of laryngeal cancer patients that cannot be analyzed by the MDVP, those voices were used only for discrimination. This study examined the linear predictive cepstral coefficients (LPCC) and the met-frequency cepstral coefficients (MFCC) that are the two major cepstrum analysis methods in the area of acoustic recognition. Results : The results showed that this met frequency scaling process was effective in acoustic recognition but not useful for laryngeal cancer discrimination. Accordingly, the linear frequency cepstral coefficients (LFCC) that excluded the met frequency scaling from the MFCC was introduced. The LFCC showed more excellent discrimination activity rather than the MFCC in predictability of laryngeal cancer. Conclusion : In conclusion, the parameters applied in this study could discriminate accurately even the terminal laryngeal cancer whose periodicity is disturbed. Also it is thought that future studies on various classification algorithms and parameters representing pathophysiology of vocal cords will make it possible to discriminate benign laryngeal diseases as well, in addition to laryngeal cancer.

• 전자공학회논문지CI
• /
• 제43권6호
• /
• pp.34-42
• /
• 2006

데이터 마이닝(data mining)이란 대량의 데이터에 내재되어 있는 숨겨진 패턴을 찾아내기 위한 분석 기술로서 지금까지 많은 연구가 진행되어 왔지만, 현재의 데이터 마이닝 연구는 ad-hoc 문제와 같은 해결되어야 할 중요한 이슈들이 있다. 즉, 개별적 문제에 대해 설계된 마이닝 기법이 주로 사용되는 까닭에 여러 문제에 통합적으로 적용될 수 있는 시스템적 마이닝 기법에 관한 연구가 요구되고 있다. 본 논문에서는 이러한 핵심 데이터 마이닝 태스크 중의 하나인 분류 모델링 방법으로 방사형 기저 함수(radial basis function, RBF) 모델의 성능을 고찰하고 그 유용성(usefulness)을 살펴보고자 한다. 특히, 대표적인 마이닝 관련 벤치마킹 데이터인 Monk's problem 분석을 위해 RC(Representation Capacity) 기반 알고리즘을 사용하여 RBF 모델을 구축하고 분류 성능을 기존의 연구 결과와 비교 고찰한다. 그리하여 RBF 모델의 분류 성능 면에서의 우수성뿐만 아니라 모델링 과정을 체계적인 방식으로 적절히 제어할 수 있음을 보여주고, 이를 통해 현재의 ad-hoc 방식의 문제를 어느 정도 해결할 수 있음을 보여준다.

• 한국항해항만학회지
• /
• 제31권8호
• /
• pp.675-681
• /
• 2007

다방향 불규칙파 중에서의 인장계류식 해양구조물(TLP)의 구조응답 해석을 수행함으로써 다방향 불규칙파가 구조응답에 미치는 영향을 평가하고 있다. 인장계류식 해양구조물에 작용하는 파강제력과 동유체력은 3차원 특이점분포법을 사용하여 각각의 외각요소에 대해 평가하였다. 3차원 골조요소로 모델링하여 유한요소법에 의해 구조응답을 평가하였으며, 인장계류식 해앙구조물의 각 외각요소간의 유체역학적 상호간섭을 고려하여 구조응답을 해석하였다. 구조응답의 주파수 응답함수와 다방향파의 스펙트럼을 이용하여 다방향 불규칙파에 대한 해양구조물의 구조응답 스펙트럼을 구하여 다방향 불규칙파가 인장계류식 해양구조물의 구조응답에 미치는 영향을 평가하였다.

• 전자공학회논문지CI
• /
• 제49권1호
• /
• pp.16-22
• /
• 2012

본 논문에서는 알츠하이머병이 유도된 형질전환 마우스로부터 획득한 혈소판 라만 스펙트럼의 분석을 위해 가우시안 모델을 이용한 커브 피팅으로 기준선을 추정하고 보정하는 방법을 제안하였다. 측정된 라만 스펙트럼은 의미 있는 정보와 불필요한 노이즈 성분인 기준선과 가산 노이즈를 포함하고 있다. 스펙트럼의 효율적인 분석을 위해 노이즈를 포함하고 있는 스펙트럼을 몇 개의 피크를 포함하는 영역으로 분할하고 각 로컬 영역의 스펙트럼을 가우시안 모델을 이용한 커브 피팅으로 모델링한다. 가산 노이즈는 원 스펙트럼을 이 델로 대체하는 과정에서 명백하게 제거된다. 피팅된 모델의 로컬 최저점을 linear, piecewise cubic Hermite, cubic spline 알고리즘으로 보간하고 기준선을 보정한다. 기준선을 보정한 피팅 모델은 PCA(principal component analysis) 방법을 이용하여 특징을 추출하고 SVM(support vector machine)과 MAP(maximum $a$ posteriori probability) 분류 방법으로 성능 비교 실험을 하였다. 실험 결과에 따르면 linear 보간법이 모든 주성분 수에 대한 분류율의 평균에서 우세하였고 특히 piecewise cubic Hermite 보간법은 주성분의 수가 5개인 경우에서 SVM 분류율이 약 97.3%로 가장 좋은 성능을 보였다. 또한 이전의 연구 결과와 비교를 통해 제안한 기준선 보정 방법이 혈소판 라만 스펙트럼의 분석에 효과적으로 적용될 수 있음을 확인하였다.

• 방송공학회논문지
• /
• 제13권4호
• /
• pp.427-439
• /
• 2008

본 논문에서는 일반 단일 시점의 축구 비디오를 스테레오스코픽 영상으로 변환하는 방법을 제안한다. 축구 비디오 분석 과정을 통하여 축구 비디오를 일정한 종류의 샷으로 분류하고, 분류된 샷 종류에 따른 깊이지도 생성 방법을 제안한다. 원거리 샷의 경우에는 운동장 영역 추출을 통하여 운동장 영역에 깊이기도 (Depth Map)을 생성하는 방법을 제안한다. 그리고 비 원거리 샷의 경우, 운동장 영역 블록 수와, 간단한 피부색 발견 알고리즘을 통해 생성한 스킨 블록의 수에 따라 다시 3가지로 샷을 분류하고, 각 종류의 샷에 따른 깊이지도 생성 방식 1) 오브젝트 영역 추출을 통한 깊이지도 생성, 2) 스킨 블록을 이용한 전경 영역 추출과 가우시안 함수를 이용한 깊이기도 생성, 그리고 3) 스킨블록이 없는 상황에서의 깊이기도 생성 방법을 제안한다. 제안한 방법을 통하여 생성한 깊이 지도를 이용하여, 스테레오스코픽 영상을 생성하는 방법을 소개하고, 생성한 실험영상을 결과로 제공한다. 그리고 주관적 깊이감 품질 평가를 통해서, 제안된 방법을 통해 생성된 영상이 원본 영상에 비해 깊이감이 향상됨을 증명한다.

• 정보처리학회논문지A
• /
• 제13A권5호
• /
• pp.465-472
• /
• 2006

최근 대용량 의료영상 데이터로부터 인체 기관 또는 질환 부위 추출을 위한 영상 분할 기법이 매우 다양하게 제안되고 있으나, 뇌와 같이 다중 구조를 가지면서 구조간 경계 구분이 어려운 영상의 구조적 분할에는 한계를 가진다. 이를 위해 주로 복셀을 유한 개의 군집으로 분류하는 군집화 (clustering) 기법이 이용되나 이는 개별 복셀 단위의 연산을 수행함으로 인해 잡음의 영향을 받는 제한점이 있다. 그러므로 잡음의 영상을 최소화하고 영상 경계를 강화시키는 향상기법을 적용함으로써 보다 견고한 구조적 분할을 수행할 수 있다. 본 연구에스는 뇌 자기공명영상에 대하여 백질(white matter), 회백질(gray matter), 뇌척수액(cerebrospinal fluid)의 내부 구조를 효율적으로 추출하기 위한 필터링 기반 군집화에 의한 구조적 분할 기법을 제안한다. 우선 구조간 경계를 강화하고 구조 내 잡음을 약화시키기 위해 응집성 향상 확산 필터링(coherence enhancing diffusiion filtering)을 적용한다. 또한 이 과정을 통해 강화된 영상에 퍼지 c-means 군집화 기법을 적용하여 각 복셀이 속하는 구조에 해당하는 군집의 인덱스를 할당함으로써 구조적 분할을 수행한다. 제안된 구조적 분할기법은 기존의 가우시안 또는 일반적인 비등방성 확산 필터링과 군집화 기법을 적용한 기법에 비해 전문가의 수동분할 결과와의 일치 비율에 의한 분할 정확도를 향상시킴을 보였다. 또한 경계 부분에 있어서의 세밀한 분할을 통해 재생산 가긍하고 사용자 수동후 처리를 최소화할 수 있는 결과를 제시함으로써 형태적 뇌 이상 진단을 위한 효율적인 보조 수단을 제공한다.