• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2000년도 ITC-CSCC -1
• /
• pp.39-42
• /
• 2000

In our study, by observing and analyzing normal liver in abdominal CT image, we estimated gray value range and generated binary image. In the binary image, we achieved the number of hole which is located between pixels. Depending on the ratio, we processed the input image to 4 kinds of mesh images to remove the noise part that has the different ratio. With the Union image of 4 kinds of mesh images, we generated the template representing general outline of liver and subtracted from the binary image so the we can represent the organ boundary to be minute. With results of proposed method, processing time is reduced compared with existing method and we compared the result image to manual image of medical specialists.

• 한국콘텐츠학회논문지
• /
• 제12권12호
• /
• pp.63-70
• /
• 2012

의료 영상처리 분야에서의 일반적인 객체 인식 방법은 영역 분할 알고리즘을 기반으로 처리되어진다. 컴퓨팅 분야에서의 이러한 영역 분할 알고리즘은 대부분 밝기 정보, 형태 정보, 패턴 분석 등 다양한 입력정보의 컴퓨팅 처리를 통해 처리된다. 그러나 이러한 컴퓨팅 방법으로는 앞서 언급된 입력 정보들이 의미가 없을 경우, 영역 분할에 많은 제약이 따르게 된다. 따라서 본 논문은 이러한 컴퓨팅 처리의 근본적인 제약사항을 해결하고자, MR 이론의 R2-map 정보 기반의 효과적인 영역 분할 방법은 제안하였다. 본 방법은 간 영역이 포함된 영상에서 실험하였으며, R2-map의 특징점들을 2차원 영역성장법의 씨앗점으로 설정한 후, 검출된 영역의 최종 경계선 보정작업을 통해 경계가 모호하더라도 영역 분할이 가능하게끔 하였다. 해당 영상의 실험 결과, 평균 7.5%의 평균 영역 차이로 기존의 대표 영역 분할 알고리즘에 비해 높은 정확도가 산출되었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2002년도 봄 학술발표논문집 Vol.29 No.1 (B)
• /
• pp.634-637
• /
• 2002

오늘날 CT나 MR등을 통한 의학 영상 기술과 컴퓨터 성능의 향상으로 인체 내부 장기의 영상을 비교적 용이하게 얻을 수 있으며 얻어진 영상 정보는 컴퓨터로 수치와 되므로 데이터의 조작 및 가공이 용이하다. 그러나, 이 데이터는 2D 슬라이스들의 연속으로 표현되므로 이것을 보다 편리하게 가시화. 조작, 분석이 용이한 상태로 바꾸기 위해서는 3차원 구조로의 재구성이 필요하게 된다. 이것을 위하여 무엇보다도 먼저 CT나 MR을 통하여 얻어진 영상을 분석하여 특정 장기의 영상 부분를 다른 조직의 영상부분으로부터 분리(segmentation)할 필요가 있다. 이러한 Segmentation방법에는 여러가지가 있는데, 수작업의 결합 등으로 인해서 비효율적인 문제점을 가지고 있다. 이에 본 논문은 보다 효율적인 segmentation의 처리를 위하여 region-based 기법을 응용하여 새로운 segmentation 방법을 개발하였다. 그리하여, 본 논문이 제안한 알고리즘을 슬라이스 간격이 큰 2차원 복부 CT 영상에 적용시켜 간(liver)의 추출을 시도하였고 향상된 성능을 확인할 수 있었다.

• 한국멀티미디어학회논문지
• /
• 제19권12호
• /
• pp.1960-1969
• /
• 2016

In this paper, we propose an automatic hierarchical organ segmentation method on abdominal CT images. First, similar atlases are selected using bone-based similarity registration and similarity of liver, kidney, and pancreas area. Second, each abdominal organ is roughly segmented using image-based similarity registration and intensity-based locally weighted voting. Finally, the segmented abdominal organ is refined using mask-based affine registration and intensity-based locally weighted voting. Especially, gallbladder and pancreas are hierarchically refined using location information of neighbor organs such as liver, left kidney and spleen. Our method was tested on a dataset of 12 portal-venous phase CT data. The average DSC of total organs was $90.47{\pm}1.70%$. Our method can be used for patient-specific abdominal organ segmentation for rehearsal of laparoscopic surgery.

• 대한전자공학회논문지SP
• /
• 제38권2호
• /
• pp.179-190
• /
• 2001

제안된 연구에서는 조영제를 사용한 복부 CT 영상에 대한 특성을 분석함으로써 간에 대한 자동추출을 시행하였다. 영상에 나타난 명암값을 지형적 고도정보로 해석하는 침수실험에 근거하여 영역을 분리하였고 임계값에 의하여 장기 내부의 국부최대점들을 제거함으로써 장기에 해당하는 부분들을 합병하였다. 임계값은 장기를 구성하는 각 명암값의 비율에 의하여 생성된 메쉬영상으로부터 결정되었고 간과 노이즈 영역의 분리에 사용되었다. 장기의 외곽선추출을 위해서는 장기의 전반적인 형태를 나타내는 템플리트를 생성한 후 이진 영상에서 서브트랙션하는 방법을 사용하였다. 템플리트의 생성과정에서는 처리시간이 긴 기존의 오프닝 방법을 사용하지 않고 8-연결성에 의한 방법을 사용함으로써 처리속도를 단축하였다. 추출된 장기의 면적을 토대로 체적계산을 시행하였고 동물실험을 통하여 임상 실험치를 제시하였다.

• 한국콘텐츠학회논문지
• /
• 제1권1호
• /
• pp.8-14
• /
• 2001

본 논문에서는 의료영상에서 특정 장기를 추출하여 질환 부위를 인식하는 알고리즘을 제안한다. 의료영상이 추출되어진 장기 부위에서 질환을 인식하기 위하여 단일 신경회로망을 이용하면 신경회로망의 학습 능력과 일반화 능력이 한정적이므로 성능개선에 많은 문제가 있다. 따라서 추출된 장기로부터 질환부위를 인식하는 것은 신경회로망을 복합적인 방법, 즉 RBF (Radial Basis Function), BP (Back Propagation)로 구성하여 단일 신경회로망의 단점을 극복하였다. 본 논문에서 제안하는 알고리즘은 입력 의료영상의 다양한 형태 변화에 적응력이 뛰어남을 실험결과로 알 수 있었다. 그리고, 전체 알고리즘의 수행시간이 장기추출 알고리즘을 포함하여 일반적으로 10초 이내에 수행됨을 실험 결과 알 수 있었다. 제안된 알고리즘은 실시간으로 의료영상의 질환부위를 인식하여 판별 자동화를 통해 원격의료에 사용 되어 질 수 있다.

• 대한의용생체공학회:의공학회지
• /
• 제41권1호
• /
• pp.48-54
• /
• 2020

In this paper, we deal with a liver fibrosis classification problem using ultrasound B-mode images. Commonly representative methods for classifying the stages of liver fibrosis include liver biopsy and diagnosis based on ultrasound images. The overall liver shape and the smoothness and roughness of speckle pattern represented in ultrasound images are used for determining the fibrosis stages. Although the ultrasound image based classification is used frequently as an alternative or complementary method of the invasive biopsy, it also has the limitations that liver fibrosis stage decision depends on the image quality and the doctor's experience. With the rapid development of deep learning algorithms, several studies using deep learning methods have been carried out for automated liver fibrosis classification and showed superior performance of high accuracy. The performance of those deep learning methods depends closely on the amount of datasets. We propose an enhanced U-net architecture to maximize the classification accuracy with limited small amount of image datasets. U-net is well known as a neural network for fast and precise segmentation of medical images. We design it newly for the purpose of classifying liver fibrosis stages. In order to assess the performance of the proposed architecture, numerical experiments are conducted on a total of 118 ultrasound B-mode images acquired from 78 patients with liver fibrosis symptoms of F0~F4 stages. The experimental results support that the performance of the proposed architecture is much better compared to the transfer learning using the pre-trained model of VGGNet.

• 한국컴퓨터정보학회논문지
• /
• 제17권3호
• /
• pp.51-57
• /
• 2012

간 혈관 구조는 간에 대한 질병을 판단하거나 간 수술 계획을 세우는 데 중요한 요소이다. 특히 생체간이식에서 간 혈관 구조는 기증자와 수혜자의 안전을 보장하기 위하여 수술 전 환자의 간 상태를 파악하고 좌우엽의 체적을 계산하는 중요한 근거로 활용된다. 본 연구는 조영제를 투여한 복부 MDCT 영상에서 추출된 간 영상으로부터 간 혈관을 자동추출하기 위하여 노이즈에 강한 Canny edge detection을 활용할 수 있는 방안을 제안한다. 환자마다 달라질 수 있는 간 영상의 밝기와는 독립적으로 간 내부의 혈관을 추출하기 위하여 간 영상의 히스토그램과 평균 픽셀값을 이용하여 Canny 알고리즘에 사용되는 최적의 파라미터들을 정의한다. 간 영상의 밝기에 따라 파라미터를 수동으로 조절하는 경우보다 시간을 절약할 수 있다. 찾아진 혈관의 경계선에서픽셀의 밝기를 이용하여 후보 혈관을 추출한다. 최종적으로 수평과 수직방향으로 연결된 혈관이나 고립된 혈관을 검색하는 시스템을 이용하여 추출에 실패한 혈관을 추가하고 노이즈를 제거한다. 그 결과로써 환자마다 나타나는 다양한 혈관 모양을 정확하게 3차원으로 재구성한다.

• 정보처리학회논문지B
• /
• 제19B권2호
• /
• pp.123-126
• /
• 2012

본 논문은 생체간이식 전에 복부 MDCT(Multi-Detector Computed Tomography) 영상에서 간 이식편의 체적을 간단하고 정확하게 계산하기 위하여 좌간과 우간을 나누는 방법을 제안하였다. 본 알고리즘은 기증자와 수혜자의 안전을 보장하기 위하여 시스템과 의료진의 상호작업을 최소화 하여 의료진이 수술 전 이식편의 판단을 정확하게 처리할 수 있도록 하였다. 간이 추출된 영상에 좌간과 우간을 나눌 수 있는 2점(중간 정맥(MHV: Middle Hepatic Vein) 내부의 한 점과 좌우문맥(PV: Portal Vein) 분지부에서 한 점)을 선택한다. 선택된 중간정맥 내부의 점을 이용하여 중간정맥을 자동 인식한 후 중간정맥을 기준으로 절개선을 결정하여 문맥 분지부의 한 점을 연결하는 절개면을 형성한다. 좌간과 우간의 체적과 간 전체에 대한 좌우간의 비율을 계산한다. 계산된 체적의 정확성을 입증하기 위해 진단 방사선과 의사가 수동으로 처리하여 계산한 체적과 함께 수술 중 획득한 실측무게와 비교하였다. 실측무게와 수동으로 예측된 체적 사이의 오차에 대한 평균${\pm}$표준편차는 $162.38cm^3{\pm}124.39$이고, 실측무게와 2점을 이용하여 예측된 체적과의 오차에 대한 평균${\pm}$표준편차는 $107.69cm^3{\pm}97.24$이다. 실측무게와 수동으로 예측된 체적의 상관관계는 0.79이고, 실측무게와 2점을 이용하여 예측된 체적의 상관관계는 0.87이다. 그리고 2점을 선택한 후 좌우간을 분할하여 체적을 계산하는 시간을 측정하여 수술실에서 실시간으로 처리 가능한지의 여부를 확인하였다. 한 데이터세트($149.17pages{\pm}55.92$) 당 처리 시간의 평균${\pm}$표준편차는 $57.28sec{\pm}32.81$이다.

• 대한의용생체공학회:의공학회지
• /
• 제25권3호
• /
• pp.189-194
• /
• 2004

조영 증강된 CT 영상의 화소값은 조영제에 의해 이산적으로 변한다. 또한 간의 중간부분에서는 간과 유사한 농도값을 갖는 췌장 때문에 간의 분할이 어렵다. 본 논문에서는 조영증강된 CT영상의 화소값의 이산적인 변화와 간과 겹치는 췌장을 제거하기 위하여 부분 히스토램 문턱치 알고리즘을 사용한 간 분할법을 제안한다. 히스토그램 변환 후 간 구조의 농도 값의 범위를 찾기 위한 적응 다봉성 분할과 췌장 제거를 위한 부분 히스토그램 문턱치 알고리즘을 수행한다. 다음으로, 간 이외의 불필요한 대상을 제거하고 경계를 매끈하게 하기 위해 모폴러지 필터링을 수행한다. 제안된 방법을 평가하기 위해 8명의 환자로부터 획득된 CT 영상중 중간부분에서 4개씩 총 32단면을 선택하였다. 부분 히스토그램 문턱치 알고리즘을 사용한 자동 분할법 II와 수동 분할법의 정규화된 평균 면적의 평균은 0.1671과 0.1711이었으며, 이 두 방법은 아주 적은 차이를 보인다. 또, 자동 분할법 II와 수동 분할법의 평균 면적 오차율은 6.8339 % 이다. 이 실험 결과로부터 제안된 자동 간분할 법은 의사에 의해 시행된 수동 분할법과 매우 유사한 수행능력을 갖는다.