• Journal of KIISE:Computing Practices and Letters
• /
• v.15 no.9
• /
• pp.700-704
• /
• 2009

In this paper, we propose a method for combining MR image with histopathology image of the prostate using image correction and multi-stage registration. Our method consists of four steps. First, the intensity of prostate bleeding area on T2-weighted MR image is substituted for that on T1-weighted MR image. And two or four tissue sections of the prostate in histopathology image are combined to produce a single prostate image by manual stitching. Second, rigid registration is performed to find the affine transformations that to optimize mutual information between MR and histopathology images. Third, the result of affine registration is deformed by the TPS warping. Finally, aligned images are visualized by the intensity intermixing. Experimental results show that the prostate tumor lesion can be properly located and clearly visualized within MR images for tissue characterization comparison and that the registration error between T2-weighted MR and histopathology image was 0.0815mm.

• Journal of the Korean Society of Radiology
• /
• v.18 no.1
• /
• pp.37-44
• /
• 2024

Even though MR can reveal excellent soft-tissue contrast and functional information, CT is also required for electron density information for accurate dose calculation in Radiotherapy. For the fusion of MRI and CT images in RT treatment planning workflow, patients are normally scanned on both MRI and CT imaging modalities. Recently deep-learning-based generations of CT images from MR images became possible owing to machine learning technology. This eliminated CT scanning work. This study implemented a CycleGan deep-learning-based CT image generation from MR images. Three CT generators whose learning is based on T1- , T2- , or T1-&T2-weighted MR images were created, respectively. We found that the T1-weighted MR image-based generator can generate better than other CT generators when T1-weighted MR images are input. In contrast, a T2-weighted MR image-based generator can generate better than other CT generators do when T2-weighted MR images are input. The results say that the CT generator from MR images is just outside the practical clinics and the specific weight MR image-based machine-learning generator can generate better CT images than other sequence MR image-based generators do.

• Proceedings of the KSMRM Conference
• /
• 1999.04a
• /
• pp.130-136
• /
• 1999

척추의 MR촬영은 두부 다음으로 흔하게 시행되고 있는데, 척추의 해부학 적 구조물들은 일반적으로 널리 알려져 있고 이해하기가 쉽기 때문에 척추의 MR영상을 분석하는데 큰 어려움이 없을 수 있다. 관절부위를 포함한 근골격계 MR영상에서는 MR ar디facts가 병변을 관찰하는데 장애를 초래하여 위양성 혹은 위음성의 결과를 나타낼 수 있기 때문에 빈번히 언급되고 있다. 척추 MR영상을 판독하는 데는 다른 근골격계 영상에 비하여 artifact의 빈도 나 정도는 작지만, 의외로 많은 pitfall이나 ar디fact들이 관찰된다. 척추 MR 영상의 pitall과 artifact에 대한 정확한 인지와 이해가 필요한 이유는 MR영상에서 병변이 관찰되지 않거나 정상조직이 병변처럼 관찰될 수 있고, 또 병변의 특정을 잘못 판단할 수 있기 때문에 artifact를 교정하거나 최소화시키고, 방지할 수 있는 방법들을 사용하여 더욱 정확한 척추 MR영상의 결과를 얻는데 있다. 지면 관계상 모든 종류의 MR artifact를 언급하기 보다는 척추 MRI를 판독하면서 병변과 혼동을 주는 MR artifacts를 먼저 살펴보고, 진단적 오류를 범할 수 있는 pitfall들에 대하여 알아보도록 하겠다. 여기에서는 편의상 MR 촬영과 관계된 artifact들만을 artifact라고 하고 MR artifact와 직접적으로 연관이 없으면서 위양성이나 위음성을 초래할 수 있는 pitfall이나 variant를 pitfall로 묵어서 설명하겠다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2001.11a
• /
• pp.159-164
• /
• 2001

본 연구에서 설계하고 구현한 뇌 MR영상 처리기에서는 뇌 MR 영상에서 진단에 필요한 정보들을 자동 추출한다. 의료영상 처리 시에는 수집된 의료영상의 특징을 분석하고 특징들을 분류해야 하며 이를 위해서는 효율적인 특징 추출 알고리즘들 필요하다. 뇌 MR 영상 처리기는 영상의 잡음제거나 영상 강화를 위한 전처리기, 영상의 특징을 추출하기 위한 영역분할기와 전역, 지역 특징 추출기로 구성된다. 뇌 MR 영상 특징 추출을 위한 효율적인 의료영상 처리기의 개발 내용을 기술한다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2002.11b
• /
• pp.97-100
• /
• 2002

뇌 MR 영상의 분석을 통해 질환을 자동적으로 진단하고 판별을 하기 위한 전처리 과정으로 정상인의 MR 영상 모델과 현재 고려되어지는 대상 영상과의 비교 작업이 요구된다. 이를 통해 보다 정확한 질병에 대한 근거를 제시함으로서 진단이 가능하게 된다. 이러한 비교 작업을 위해 우선적으로 해결해야 하는 것이 현재 대상 영상이 정상인의 MR 영상 시리즈 중 어느 위치의 영상과 일치하는 지를 판별해야 한다. 실질적으로 뇌 MR 시리즈는 영상의 특징에 따라 크게 몇 개의 그룹으로 분류된다. 그루핑 결과 뇌척수액이 존재하는 그룹은 또 다시 4 종류의 세부분류로 나누어지는데, 본 논문에서는 이 뇌 척수액의 모양에 따라 분류하는 알고리즘을 소개한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10b
• /
• pp.469-471
• /
• 2001

뇌 MR 영상의 분석을 통해 질환을 자동적으로 진단하고 판별을 하기 위한 전처리 단계에서 정상인의 MR 영상 모델과 현재 고려되어지는 대상 영상과의 비교 작업이 요구된다. 이를 통해 보다 정확한 질병에 대한 근거를 제시함으로서 진단이 가능하게 된다. 이러한 비교 작업을 위해 우선적으로 해결해야 하는 것이 현재 대상 영상이 정상인의 MR 영상 시리즈 중 어느 위치의 영상과 일치하는 지를 판별해야 한다. 실질적으로 뇌 MR 시리즈는 영상의 특징에 따라 크게 몇 개의 그룹으로 분류된다. 따라서 본 논문에서는 매핑을 위한 각 구성 요소의 특징을 추출해 자동으로 뇌 영상의 그룹핑을 함으로써 매핑시 고려되어지는 슬라이드의 범위를 좁혀줄 뿐만 아니라 영상의 질에 따라 부분적인 손실이 있다 하더라도 전후 관계 정보를 이용하여 유추가 가능한 방법을 제시한다. 800여개의 T2 MR 강조 영상에 대해서 실험을 행하여 비교적 정확한 그룹핑 결과를 유도할 수 있었음을 확인하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06c
• /
• pp.359-361
• /
• 2012

본 논문은 T2강조 MR 영상과 확산강조 MR 영상의 강체 정합을 통해 크기, 위치, 회전 변환 왜곡을 보정하여 자궁내막암의 위치를 자동으로 찾는 방법을 제안한다. 영상해상도와 밝기값 분포가 서로 다른 두 영상간 정합의 정확성을 향상시키기 위해 잡음을 제거하고 두 영상의 밝기값 신호 분포의 유사성을 강화시킨다. 유사성이 향상된 두 영상의 크기, 위치, 회전 변환 왜곡을 보정하기 위해 정규화 상호정보를 최대화 하는 강체 정합을 반복적으로 수행한다. 정합된 영상에서 악성 종양을 쉽게 판별 할 수 있도록 현상확상계수지도를 컬러맵으로 생성하여 T2강조 MR 영상에서 얻은 종양의 후보군에 매핑하여 T2강조 MR 영상과 융합한다. 실험을 위하여 최적화 반복 과정에 따른 정규화 상호정보 수치 수렴 과정을 확인하고, 융합 후 종양 영역이 매핑되는 것을 육안평가를 통해 분석하였다. 제안방법을 통하여 T2강조 MR 영상과 확산강조 MR 영상을 융합함으로써 종양의 위치를 자동으로 파악하고 자궁내막암의 병기를 확정하는 용도로 활용할 수 있다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2003.05b
• /
• pp.389-392
• /
• 2003

MRI 영상은 뇌의 해부학적 정보와 기능적인 정보를 제공하는 유용한 도구이다. MR 뇌 영상은 2차원 영상뿐만 아니라 3차원 영상도 임상적으로 중요하다. MR 영상에서 뇌영역의 추출방법으로는 형태학적인 방법, 히스토그램을 이용한 방법, 에지 정보를 이용한 방법, 지식 기반을 이용한 방법들이 있다. 본 논문에서는 region growing을 이용하여 MR 영상에서 뇌 영역을 추출하였다. 3차원 가시화를 위하여 오픈 소스인 VTK를 이용하여 Ray Casting 알고리즘으로 구현하였다. 그리고 의료영상에서 사용되는 각종 단면을 3차원 뇌 영상에서 재구성하였다. 256×256 크기의 71 뇌MR 영상 70장을 이용하여 실험하였다. 향후 연구과제로 MR 영상에서 뇌 영역추출방법과 원영상의 전처리 과정의 연구가 필요하다.

• Investigative Magnetic Resonance Imaging
• /
• v.13 no.2
• /
• pp.190-194
• /
• 2009

Generalized lymphangiomatosis is a rare congenital malformation of the lymphatics. CT and MR scan have been used to evaluate lymphangiomas, which appear as large multicystic fluid-filled masses. CT and MR Imaging findings are often helpful in distinguishing lymphangiomas from various vascular disorders. We report the findings of CT, MRI and bone scan in a patient with generalized cystic lymphangiomatosis. Whole body 3.0-T MR scan using STIR sequence with a larger FOV could detect the additional lesions that were not seen at other imaging modalities. We believe that whole body 3.0 T MR imaging is a good modality to evaluate the extent of the disease and following up the patients with the generalized cystic lymphangiomatosis.

• Journal of Biomedical Engineering Research
• /
• v.20 no.3
• /
• pp.283-290
• /
• 1999

Because MR(Magnetic Resonance) slice images have much information of functions about body organs, it is very effeclive for diagnoses lo analyze and visualize MR slice images. A visuahzation process is composed of medical image acquisition, preprocessmg, segmentation, inlerpolation, rendering. Segmentation and interpolation among thenl ,1re currenl hot topics because of MR slice image imperfections. This paper proposes a method for segmentalion, mlerpolation respectively and addresses 3 D-visualizmg of a head. We segmented head tissues uomg otructural knowledge of head studied by clinical experiments sequentially. We improved the dynamic elastic inlerpolation to Utilize in concave conlour. We compared the proposed segmentation method and the interpolation method with other methods.