• The Journal of the Acoustical Society of Korea
• /
• 제28권2E호
• /
• pp.72-78
• /
• 2009

Heart sound segmentation into its components, S1, systole, S2 and diastole is the first step of analysis and the most important part in the automatic diagnosis of heart sounds. Conventionally, the Shannon energy envelope peak detection method has been popularly used due to its superior performance in locating S1 and S2. Recently, the HMM has been shown to be quite suitable in modeling the heart sound signal and its use in segmenting the heart sound signal has been suggested with some success. In this paper, we compared the two methods for heart sound segmentation using a common database. Experimental tests carried out on the 4 different types of heart sound signals showed that the segmentation accuracy relative to the manual segmentation was 97.4% in the HMM based method which was larger than 91.5% in the peak detection method.

• International journal of advanced smart convergence
• /
• 제7권2호
• /
• pp.1-6
• /
• 2018

In this paper, we propose an automatic left ventricle segmentation method in computed tomography angiography (CTA) using separating energy function. First, we smooth the images by applying anisotropic diffusion filter to remove noise. Secondly, the volume of interest (VOI) is detected by using k-means clustering. Thirdly, we divide the left and right heart with split energy function. Finally, we extract only left ventricle from left and right heart with optimizing cost function including orientation term.

• 한국음향학회지
• /
• 제28권1호
• /
• pp.32-43
• /
• 2009

본 논문은 자동 분할과 extreme learning machine (ELM)을 이용하여 연속 심음신호에 의한 심장질환 분류의 성능을 개선한다. 자동 분할을 위한 전처리 단계에서 비정상적인 심음신호는 심잡음 (murmur)과 클릭음 (click)을 포함하고 있기 때문에 제1음 (S1)과 제2음 (S2) 시작점 검출 결과가 부정확하거나 누락되어 기존의 심장질환 분류 시스템의 정확도를 저하시키게된다. 이러한 분할 오류에 의한 성능 저하를 감소하기 위해 S1 및 S2의 위치를 찾고, S1 및 S2의 시간 차이를 이용하여 부정확한 시작점을 교정한 다음 한 주기 심음 신호를 추출한다. 특징벡터로는 단일 주기의 심음 신호로부터 추출된 멜척도 필터뱅크 로그 에너지 계수와 포락선을 사용한다. 심장질환을 분류하기 위하여 한 개의 은닉층을 가진 ELM 알고리듬을 사용한다. 9가지 심장질환 분류 실험을 수행한 결과, 제안 방법은 81.6%의 분류 정확도를 나타내며, multi-layer perceptron(MLP), support vector machine (SVM), hidden Markov model (HMM) 중에서 가장 높은 분류 정확도를 보여준다.

• 한국음향학회지
• /
• 제26권4호
• /
• pp.144-152
• /
• 2007

기존의 심음분류를 위한 연구들은 인공신경망을 이용하여 주로 이루어졌다. 그러나 심음신호의 통계적 특성을 분석 한 결과 HMM의 의한 신호모델링이 적합한 것으로 나타났다. 본 연구에서는 다양한 질병을 나타내는 심음신호를 HMM을 이용하여 모델링 하고 인식성능이 심음신호의 클러스터링에 따라서 많이 좌우되는 것을 알 수 있었다. 또한 실제 환경에서의 심음신호는 그 시작과 끝나는 시점이 정해지지 않은 연속신호이다. 따라서 HMM을 이용한 심음분류를 위해서는 연속적인 심음신호로부터 한 사이클의 분할된 심음을 추출할 필요성이 있다. 일반적으로 수동분할은 분할오류를 발생시키며 실시간 심음인식에 적합하지 않으므로 분할과정이 필요치 않는 ergodic형 HMM을 변형하여 사용할 것을 제안하였다. 그리고 제안된 HMM은 연속심음을 이용한 분류실험에서 매우 높은 성능을 보임을 알 수 있었다.

• International Journal of Internet, Broadcasting and Communication
• /
• 제9권4호
• /
• pp.19-24
• /
• 2017

In this paper, we propose an automatic segmentation method of left and right heart in computed tomography angiography (CTA) using separating energy function. First, we smooth the images by applying anisotropic diffusion filter to remove noise. Then, the volume of interest (VOI) is detected by using k-means clustering. Finally, we extract the left and right heart with separating energy function which we proposed to split the heart. We tested our method in ten CT images and they were obtained from a different patient. For the evaluation of the computational performance of the proposed method, we measured the total processing time. The average of total processing time, from first step to third step, was $14.39{\pm}1.17s$. We expect for our method to be used in cardiac diagnosis for cardiologist.

• Journal of International Society for Simulation Surgery
• /
• 제1권1호
• /
• pp.37-40
• /
• 2014

Purpose For living donor liver transplantation, liver segmentation is difficult due to the variability of its shape across patients and similarity of the density of neighbor organs such as heart, stomach, kidney, and spleen. In this paper, we propose an automatic segmentation of the liver using multi-planar anatomy and deformable surface model in portal phase of abdominal contrast-enhanced CT images. Method Our method is composed of four main steps. First, the optimal liver volume is extracted by positional information of pelvis and rib and by separating lungs and heart from CT images. Second, anisotropic diffusing filtering and adaptive thresholding are used to segment the initial liver volume. Third, morphological opening and connected component labeling are applied to multiple planes for removing neighbor organs. Finally, deformable surface model and probability summation map are performed to refine a posterior liver surface and missing left robe in previous step. Results All experimental datasets were acquired on ten living donors using a SIEMENS CT system. Each image had a matrix size of $512{\times}512$ pixels with in-plane resolutions ranging from 0.54 to 0.70 mm. The slice spacing was 2.0 mm and the number of images per scan ranged from 136 to 229. For accuracy evaluation, the average symmetric surface distance (ASD) and the volume overlap error (VE) between automatic segmentation and manual segmentation by two radiologists are calculated. The ASD was $0.26{\pm}0.12mm$ for manual1 versus automatic and $0.24{\pm}0.09mm$ for manual2 versus automatic while that of inter-radiologists was $0.23{\pm}0.05mm$. The VE was $0.86{\pm}0.45%$ for manual1 versus automatic and $0.73{\pm}0.33%$ for manaual2 versus automatic while that of inter-radiologist was $0.76{\pm}0.21%$. Conclusion Our method can be used for the liver volumetry for the pre-surgery planning of living donor liver transplantation.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제9권2호
• /
• pp.37-44
• /
• 2020

본 논문에서는 딥 러닝 기반의 전-자동 심장 분할 알고리즘을 제안한다. 본 논문에서 제안하는 딥 러닝 모델은 기존 U-Net에 residual recurrent convolutional block과 residual multi-dilated convolutional block을 삽입하여 성능을 개선한 모델이다. 모델의 성능은 테스트 데이터 세트를 전-자동 분할한 결과와 영상의학 전문가의 수동 분할 결과를 비교하여 분석하였다. CT 영상에서 평균 96.88%의 DSC, 95.60%의 precision과 97.00%의 recall 결과를 얻었다. 분할된 영상은 3차원 볼륨 렌더링 기법을 적용하여 시각화한 후 관찰하여 분석할 수 있었다. 실험 결과를 통해 제안된 알고리즘이 다양한 심장 하부 구조를 분할하기에 효과적인 것을 알 수 있었다. 본 논문에서 제안하는 알고리즘이 전문의 또는 방사선사의 임상적 보조역할을 수행할 수 있을 것으로 기대한다.

• Korean Journal of Radiology
• /
• 제22권10호
• /
• pp.1597-1608
• /
• 2021

Cardiovascular computed tomography (CT) is among the most active fields with ongoing technical innovation related to image acquisition and analysis. Artificial intelligence can be incorporated into various clinical applications of cardiovascular CT, including imaging of the heart valves and coronary arteries, as well as imaging to evaluate myocardial function and congenital heart disease. This review summarizes the latest research on the application of deep learning to cardiovascular CT. The areas covered range from image quality improvement to automatic analysis of CT images, including methods such as calcium scoring, image segmentation, and coronary artery evaluation.

• 한국정보전자통신기술학회논문지
• /
• 제9권2호
• /
• pp.196-204
• /
• 2016

세계보건기구협회에의 통계에 따르면 심장 혈관 질환의 발병률이 가장 높은 것으로 알려져 있다. CTA영상을 사용하여 관상동맥 및 대동맥 질환을 치료 및 검사할 수 있다. 혈관을 3차원으로 복원하는 과정이 의사의 숙련도에 따라 결과가 상이하며 복원 시간이 길다는 단점이 있으며 이를 극복하고자 자동으로 정확한 혈관을 추출하는 연구들이 진행되어 왔다. 본 논문에서는 자동 및 반자동 분할 기법인 Region Competition, Geodesic Active Contour(GAC), Multi-atlas based segmentation, Active Shape Model(ASM) 알고리즘을 CTA영상에 적용하여 대동맥 기부를 추출하였으며 하우스도르프 거리, 볼륨, 영상처리속도, 사용자 관여 여부, 그리고 관상동맥 심문 검출률을 비교 및 분석하였다. 추출된 3차원 대동맥 모델 중 가장 높은 정확도를 나타낸 알고리즘은 GAC인 반면 사용자 관여가 가장 높았기 때문에 실제 시술에 적용하기 위해서는 자동 분할 알고리즘 개선이 필요하다

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제33권4호
• /
• pp.418-426
• /
• 2006

본 논문에서는 수술 도중에 심장내부로 삽입한 초음파 탐침을 통해 획득된 초음파 심장영상에서 강인하게 심장 영역을 고속 자동 분할하는 방법을 제안한다 제안한 방법은 심장 초기 경계 추출, 신뢰도 경쟁을 통한 전체 경계 검출, 회전 국부 방사선 기법을 이용한 국부 경계 보완으로 세 단계로 구성된다. 첫째, 초음파 탐침의 중심에서 방사선을 만들어 각 방사선에서 밝기값 기반 임계값 기법으로 얻어진 심장외부 영역을 이용하여 대략적인 초기 심장영역의 경계를 추출한다. 둘째, 각각의 방사선에서 임계치로 추출된 초기 심장영역의 위치를 포함하여 경계와 영역정보를 이용해 추출된 새로운 후보들과 신뢰도의 경쟁을 수행하여 높은 신뢰성을 가진 심장 경계를 검출한다. 셋째, 방사선 기법으로 경계획득이 어려운 심장의 오목한 영역에서 경계를 따라 회전하면서 국부적으로 방사선 조사법을 적용하여 경계를 보완한다. 제안된 방법은 실제 환자의 심장 수술 도중에 얻어진 초음파 영상에 적용되어 고무적인 결과를 획득했다.