• Journal of Information Processing Systems
• /
• 제13권5호
• /
• pp.1126-1134
• /
• 2017

A variety of medical service applications in the field of the Internet of Things (IoT) are being studied. Segmentation is important to identify meaningful regions in images and is also required in 3D images. Previous methods have been based on gray value and shape. The Visible Korean dataset consists of serially sectioned high-resolution color images. Unlike computed tomography or magnetic resonance images, automatic segmentation of color images is difficult because detecting an object's boundaries in colored images is very difficult compared to grayscale images. Therefore, skilled anatomists usually segment color images manually or semi-automatically. We present an out-of-core 3D segmentation method for large-scale image datasets. Our method can segment significant regions in the coronal and sagittal planes, as well as the axial plane, to produce a 3D image. Our system verifies the result interactively with a multi-planar reconstruction view and a 3D view. Our system can be used to train unskilled anatomists and medical students. It is also possible for a skilled anatomist to segment an image remotely since it is difficult to transfer such large amounts of data.

• 한국멀티미디어학회논문지
• /
• 제24권8호
• /
• pp.1000-1011
• /
• 2021

In recent years, using Deep Learning methods to apply for medical and biomedical image analysis has seen many advancements. In clinical, using Deep Learning-based approaches for cancer image analysis is one of the key applications for cancer detection and treatment. However, the scarcity and shortage of labeling images make the task of cancer detection and analysis difficult to reach high accuracy. In 2015, the Unet model was introduced and gained much attention from researchers in the field. The success of Unet model is the ability to produce high accuracy with very few input images. Since the development of Unet, there are many variants and modifications of Unet related architecture. This paper proposes a new approach of using Unet++ with pretrained EfficientNet as backbone architecture for breast tumor cell nuclei segmentation and uses the multi-organ transfer learning approach to segment nuclei of breast tumor cells. We attempt to experiment and evaluate the performance of the network on the MonuSeg training dataset and Triple Negative Breast Cancer (TNBC) testing dataset, both are Hematoxylin and Eosin (H & E)-stained images. The results have shown that EfficientUnet++ architecture and the multi-organ transfer learning approach had outperformed other techniques and produced notable accuracy for breast tumor cell nuclei segmentation.

• 대한전자공학회논문지TC
• /
• 제46권12호
• /
• pp.102-107
• /
• 2009

기술의 발달로 의료장비의 현대화가 이루어지고 PACS와 같은 시스템이 보편화되면서 디지털 의료영상처리 기술에 대한 관심이 높아지고 있다. 영역분할 기술은 디지털의료영상처리에서 첫 번째 단계로 필요한 전처리기술이다. 영역분할을 통하여 특정 부위가 종양, 부종, 파손 및 괴사세포와 같은 이상 현상을 나타내는 것을 조기에 발견할 수 있도록 해주고, 의사들이 적절한 처방을 내려줄 수 있도록 도와줄 수 있다. 특히 두뇌영상에서 백질, 회백질 및 CSF(cerebral spinal fluid)의 영역분할은 두뇌연구의 핵심기술이다. 이들 의료영상에서 기존의 윤곽선이나 영역 확장법은 애매한 경계선과 장기내의 물리적 특성이 비균질하여 영역분할의 실패율을 높게 한다. 퍼지기반의 영역분할 알고리듬은 불분명한 경계를 이루는 장기의 영역분할에 강하다고 알려져 있다. 본 연구에서는 자기공명영상이 강하게 나타내는 잡음에도 안정적인 퍼지기반의 영역분할 알고리듬을 제안하였다. 제안된 알고리듬은 이웃화소들을 군집시킬 때에 평균과 분산의 정보를 이용하여 최소한의 계산을 추가함으로써, 기존의 퍼지기반 영역분할 방법에 비하여 실패율이 대략 30% 이하로 낮은 것을 확인하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제32권5호
• /
• pp.385-395
• /
• 2005

긴 문장 분석은 높은 분석 복잡도로 인해 기계 번역에서 매우 어려운 문제이다. 구문 분석의 복잡도를 줄이기 위하여 문장 분할 방법이 제안되었으며 본 논문에서는 문장 분할의 적용률과 정확도를 높이기 위한 최대 엔트로피 확률 모델 기반의 문장 분할 방법을 제시한다. 분할 위치의 어휘 문맥적 특징을 추출하여 후보 분할 위치를 선정하는 규칙을 학습을 통해 자동적으로 획득하고 각 후보 분할 위치에 분할 확률 값을 제공하는 확률 모델을 생성한다. 어휘 문맥은 문장 분할 위치가 표시된 말뭉치로부터 추출되며 최대 엔트로피 원리에 기반하여 확률 모델에 결합된다. Wall Street Journal의 문장을 추출하여 학습 데이타를 생성하는 말뭉치를 구축하고 네 개의 서로 다른 영역으로부터 문장을 추출하여 문장 분할 실험을 하였다. 실험을 통해 약 $88\%$의 문장 분할의 정확도와 약 $98\%$의 적용률을 보였다. 또한 문장 분할이 효율적인 파싱에 기여하는 정도를 측정하여 분석 시간 면에서 약 4.8배, 공간 면에서 약 3.6배의 분석 효율이 향상되었음을 확인하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제34권3호
• /
• pp.275-302
• /
• 2007

본 논문은 고품질 텍스트 압축 기능을 지원하는 우수한 정지영상 압축 시스템을 제안한다. 영상에서 텍스트 부분을 분리하여 압축을 수행함으로서 고품질의 텍스트 압축 기능을 지원한다. 시스템은 코드블록 단위로 적응 이진 산술부호화를 수행하여 48:1 이상의 높은 정지영상 압축률을 보여주고 있다. 코드블록은 비트평면을 구성하는 비트들을 서브블록 단위로 파악하여 산술부호에 적합한 코드블록을 구성한 것이다. 산술부호기는 구성된 코드블록을 문맥을 기반으로 압축한다. 시스템의 입력 모드는 분할(Segmentation) 모드와 ROI(Region Of Interest) 모드로 구성된다. 분할 모드는 입력 영상을 텍스트 부분과 배경 영상 부분으로 분할하여 입력할 수 있게 한다. ROI 모드는 입력 영상을 관심 영역과 그 밖의 영역으로 구분하여 입력할 수 있게 한다. 현재 시스템이 나타내는 텍스트 압축 기능과 높은 압축률은 다른 JPEG2000 시스템들과 충분히 비교할 수 있는 수준이다. 시스템은 그 밖에 그레이 코딩을 수행하여 압축률을 향상시킨다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권2호
• /
• pp.391-411
• /
• 2023

Aggregates play the skeleton and supporting role in the construction field, high-precision measurement and high-efficiency analysis of aggregates are frequently employed to evaluate the project quality. Aiming at the unbalanced operation time and segmentation accuracy for multi-class segmentation algorithms of aggregate images, a Chaotic Sparrow Search Algorithm (CSSA) is put forward to optimize it. In this algorithm, the chaotic map is combined with the sinusoidal dynamic weight and the elite mutation strategies; and it is firstly proposed to promote the SSA's optimization accuracy and stability without reducing the SSA's speed. The CSSA is utilized to optimize the popular multi-class segmentation algorithm-Multiple Entropy Thresholding (MET). By taking three METs as objective functions, i.e., Kapur Entropy, Minimum-cross Entropy and Renyi Entropy, the CSSA is implemented to quickly and automatically calculate the extreme value of the function and get the corresponding correct thresholds. The image adaptive multi-class segmentation model is called CSSA-MET. In order to comprehensively evaluate it, a new parameter I based on the segmentation accuracy and processing speed is constructed. The results reveal that the CSSA outperforms the other seven methods of optimization performance, as well as the quality evaluation of aggregate images segmented by the CSSA-MET, and the speed and accuracy are balanced. In particular, the highest I value can be obtained when the CSSA is applied to optimize the Renyi Entropy, which indicates that this combination is more suitable for segmenting the aggregate images.

• Clinical Endoscopy
• /
• 제55권3호
• /
• pp.390-400
• /
• 2022

Background/Aims: Previous artificial intelligence (AI) models attempting to segment gastric intestinal metaplasia (GIM) areas have failed to be deployed in real-time endoscopy due to their slow inference speeds. Here, we propose a new GIM segmentation AI model with inference speeds faster than 25 frames per second that maintains a high level of accuracy. Methods: Investigators from Chulalongkorn University obtained 802 histological-proven GIM images for AI model training. Four strategies were proposed to improve the model accuracy. First, transfer learning was employed to the public colon datasets. Second, an image preprocessing technique contrast-limited adaptive histogram equalization was employed to produce clearer GIM areas. Third, data augmentation was applied for a more robust model. Lastly, the bilateral segmentation network model was applied to segment GIM areas in real time. The results were analyzed using different validity values. Results: From the internal test, our AI model achieved an inference speed of 31.53 frames per second. GIM detection showed sensitivity, specificity, positive predictive, negative predictive, accuracy, and mean intersection over union in GIM segmentation values of 93%, 80%, 82%, 92%, 87%, and 57%, respectively. Conclusions: The bilateral segmentation network combined with transfer learning, contrast-limited adaptive histogram equalization, and data augmentation can provide high sensitivity and good accuracy for GIM detection and segmentation.

• 한국측량학회지
• /
• 제28권6호
• /
• pp.627-636
• /
• 2010

영상분할은 관심대상이 되는 물체의 영역을 추출하기 위한 객체기반 영상분류의 전처리과정으로서 원격 탐사 영상분석에서 그 중요성 날로 커지고 있다. 본 연구에서는 고해상도 위성영상의 분광 및 공간정보를 반영할 수 있는 새로운 분할방법을 제안한다. 이를 위해 우선 다중분광 에지정보의 지역적 변이특성을 이용하여 영상에서 자동으로 초기시드 점을 추출하였다. 추출된 시드 점과 이웃하는 점들과의 유사성을 기반으로 영역 확장의 우선순위를 결정하는 MSRG가법을 이용하여 영상분할을 수행하였다. 제안된 기법의 효율성을 평가하기 위해 기존에 위성영상분할에 많이 사용된 유역분할법과 영역성장기법과의 시각적/정량적 비교평가를 수행하였다. 정량적 비교평가 방법으로는 무감독 영상분할 평가 측정치와 동일한 조건하에서 수행된 객체기반 분류 정확도를 이용하였다. 실험 결과 제안한 기법은 고해상도 위성영상의 객체기반분석에 유용하게 적용될 수 있으리라 판단된다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제32권6호
• /
• pp.523-531
• /
• 2005

확산(Diffusion)을 이용한 기존의 칼라영상 분할은 확산의 횟수가 반복될수록 경계선 정보가 적절히 유지되지 못하거나 잡음을 제거하지 못함으로써 워터쉐드(Watershed) 알고리즘을 적용하는 경우, 과분할을 피할 수 없다는 단점을 갖고 있다. 본 논문에서는 수리 형태학(Mathematical Morphology)과 비선형 확산(Non-Linear Diffusion)을 함께 적용하여 과분할의 문제점을 제거한 워터쉐드 결과를 얻을 수 있는 칼라영상 분할방법을 제안한다. 임의의 칼라 영상을 LUV 색상공간으로 변환하여, 그 각각의 색상공간에 수리 형태학을 응용한 재구성에 의한 닫힘(Reconstruction) 연산과 비선형 확산을 함께 적용하여 경계선을 적절히 유지하면서 잡음을 제거한 단순 영상을 획득할 수 있다. 이 영상에서 칼라 영상의 기울기(Gradient) 정보를 획득하고, 워터쉐드 알고리즘을 적용하여 영상을 분할한다. 실험 결과, 기존의 방법보다 과분할이 현저히 제거되고, 칼라 영상이 매우 효과적으로 분할됨을 확인하였다

• 말소리와 음성과학
• /
• 제3권1호
• /
• pp.3-14
• /
• 2011

It has been posited that in English, native listeners use the Metrical Segmentation Strategy (MSS) for the segmentation of continuous speech. Strong syllables tend to be perceived as potential word onsets for English native speakers, which is due to the high proportion of strong syllables word-initially in the English vocabulary. This study investigates whether Koreans employ the same strategy when segmenting speech input in English. Word-spotting experiments were conducted using vowel-initial and consonant-initial bisyllabic targets embedded in nonsense trisyllables in Experiment 1 and 2, respectively. The effect of strong syllable was significant in the RT (reaction times) analysis but not in the error analysis. In both experiments, Korean listeners detected words more slowly when the word-initial syllable is strong (stressed) than when it is weak (unstressed). However, the error analysis showed that there was no effect of initial stress in Experiment 1 and in the item (F2) analysis in Experiment 2. Only the subject (F1) analysis in Experiment 2 showed that the participants made more errors when the word starts with a strong syllable. These findings suggest that Koran listeners do not use the Metrical Segmentation Strategy for segmenting English speech. They do not treat strong syllables as word beginnings, but rather have difficulties recognizing words when the word starts with a strong syllable. These results are discussed in terms of intonational properties of Korean prosodic phrases which are found to serve as lexical segmentation cues in the Korean language.