• Investigative Magnetic Resonance Imaging
• /
• 제23권2호
• /
• pp.81-99
• /
• 2019

Recently, deep learning methods have shown great potential in various tasks that involve handling large amounts of digital data. In the field of MR imaging research, deep learning methods are also rapidly being applied in a wide range of areas to complement or replace traditional model-based methods. Deep learning methods have shown remarkable improvements in several MR image processing areas such as image reconstruction, image quality improvement, parameter mapping, image contrast conversion, and image segmentation. With the current rapid development of deep learning technologies, the importance of the role of deep learning in MR imaging research appears to be growing. In this article, we introduce the basic concepts of deep learning and review recent studies on various MR image processing applications.

• Journal of Electrical Engineering and information Science
• /
• 제2권6호
• /
• pp.36-42
• /
• 1997

This paper presents a new design technique for performing high quality low bit rate image compression. A hybrid coder(HC) which combines Mean Removed Important Coefficient Selection based JPEG(MR-ICS-JPEG) and Adaptive Vector Quantization (AVQ) is proposed. A new quantization table is developed using the Important Coefficient Selection(ICS) method; the importance of each coefficient is determined using the orthonormal property of the DCT. This quantization table is applied to standard JPEG with mean removal(MR) strategy before processing. This scheme, called MR-ICS-JPEG, produces more than 2 dB enhanced performance in terms of PSNR over standard JPEG. A set of homogeneous codebooks is generated by homogeneous training vectors. Before compression, an image is uniformly divided into 8${\times}$8 blocks. Low detail regions such as backgrounds are roughly coded by AVQ while high detail regions such as edges or curves are finely coded by the proposed MR-ICS-JPEG. This hybrid coder procuces consistently about 3 dB improved performance in terms of PSNR over standard JPEG.

• 한국정보처리학회논문지
• /
• 제7권1호
• /
• pp.286-295
• /
• 2000

본 논문은 MR 영상의 비지도 분할을 위하여 MDL원리를 이용한 통계적 모델기반의 적응적 방법을 제안한다. 이 방법에서 조직 영역을 MRF로 모델링함으로써 잡음에 대응하고, 창으로 정의되는 국소영역 내의 밝기값을 가우스 혼합으로 모델링함으로써 영상의 비균일성을 흡수한다. 분할 알고리즘은 ICM을 기반으로 하며 MAP를 근사적으로 추정하고, 모델 파라미터를 국소영역으로부터 구한다. 파라미터 추정과 분할을 위한 창의 크기는 MDL원리를 이용하여 영상으로부터 추정한다. 실험에서 제안한 방법이 특히 비균일성이 있는 MR영상의 분할에서 국소영역의 영상특성을 잘 반영하였으며, 기존의 방법보다 더 좋은 결과를 보여주었다.

• 한국의학물리학회:학술대회논문집
• /
• 한국의학물리학회 2002년도 Proceedings
• /
• pp.429-431
• /
• 2002

Metabolic analysis of biological tissues, the interventional radiology in MRT (Magnetic Resonance Treatment) and for clinical diagnoses, representation of 4-Dimensional (4D) structural information (x,y,z,t) of biological tissues is required. This paper discusses image representation techniques for those 4D MR Images. We have proposed an image reconstruction method for ultra-fast 3D MRI. It is based on image interpolation and prediction of un-acquired pictorial data in both of the real and the k-space (the acquisition domain in MRI). A 4D MR image is reconstructed from only two 3D MR images and acquired a few echo signals that are optimized by prediction of the tissue motion. This prediction can be done by the phase of acquired echo signal is proportioned to the tissue motion. On the other hand, reconstructed 4D MR images are represented as a 3D-movie by using computer graphics techniques. Rendered tissue surfaces and/or ROIs are displayed on a CRT monitor. It is represented in an arbitrary plane and/or rendered surface with their motion. As examples of the proposed representation techniques, the finger and the lung motion of healthy volunteers are demonstrated.

• IEIE Transactions on Smart Processing and Computing
• /
• 제4권5호
• /
• pp.311-317
• /
• 2015

The aim of this study is to develop a 3D registration algorithm for positron emission tomography/computed tomography (PET/CT) and magnetic resonance (MR) images acquired from independent PET/CT and MR imaging systems. Combined PET/CT images provide anatomic and functional information, and MR images have high resolution for soft tissue. With the registration technique, the strengths of each modality image can be combined to achieve higher performance in diagnosis and radiotherapy planning. The proposed method consists of two stages: normalized mutual information (NMI)-based global matching and independent component analysis (ICA)-based refinement. In global matching, the field of view of the CT and MR images are adjusted to the same size in the preprocessing step. Then, the target image is geometrically transformed, and the similarities between the two images are measured with NMI. The optimization step updates the transformation parameters to efficiently find the best matched parameter set. In the refinement stage, ICA planes from the windowed image slices are extracted and the similarity between the images is measured to determine the transformation parameters of the control points. B-spline. based freeform deformation is performed for the geometric transformation. The results show good agreement between PET/CT and MR images.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2003년도 춘계학술발표논문집 (상)
• /
• pp.405-408
• /
• 2003

영상의 구성물질에 따른 정확한 분할은 질병의 유무를 판단하는데 매우 중요하다. 그러나 영상에서 구성물질들을 정확하게 분할하기란 쉬운 문제가 아니다. 그리고 많은 연구들이 뇌의 실질적인 량을 고려하지 못한 상태서 분할이 이루어지고 있다. 따라서 뇌의 실질적인 량과 비교할 때 가장 근접한 방법 의 개발이 필요하다고 볼 수 있다. 본 논문은 fat을 소거한 T2 영상과 T1 영상을 이용하여 조직에 따르는 명암 분포가 각각 다르게 분포되어 있는 것을 이용하여 평활화한 후 두 영상의 차로 백질, 회백질, 뇌척수액을 분리하는 방법을 제안한다. 이 방법을 이용하여 정상이의 뇌 MR 영상 이용하여 (19 Slice) 백질, 회백질, 뇌척수액을 분리하는 방법을 제시하였다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2001년도 추계학술발표논문집
• /
• 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.

• 한국정보처리학회논문지
• /
• 제7권2호
• /
• pp.542-551
• /
• 2000

본 논문에서는 MR 영상의 3차원 가시화 및 분석을 위한 단일 채널 MR 영상의 자동 뇌영역 분할 방법을 제안한다. 이 방법은 4단계의 2차원 및 3차원 처리에 의하여 뇌윤곽을 찾아낸다. 1,2단계에서는 곡선 적합을 이용한 자동 문턱치화에 의하여 머리마스크와 초기 뇌마스크를 생성한다. 3단계에서 입방보간으로 초기 뇌마스크의 3차원 볼륨을 생성하여 형태학적 연산, 연결부위 레이블링에 의하여 중기 뇌마스크를 생성한다. 최종적으로 곡선 적합에 의한 자동 문턱치화를 이용하여 뇌마스크를 정련한다. 제안한 알고리즘은 영상의 슬라이스 방향을 고려할 필요가 없고 영상이 뇌 전체를 포함하지 않아도 되며, T1, T2, PD, SPGR등 다양한 종류의 MR 영상의 자동적인 뇌영역의 분할에 유용하다. 실험에서 20세트 MR 영상에 대하여 수동분할을 기준으로 0.97 이상의 유지도를 보였다.

• 디지털콘텐츠학회 논문지
• /
• 제14권2호
• /
• pp.275-282
• /
• 2013

의료 영상처리 분야에서의 일반적인 객체 인식 방법은 픽셀들의 밝기 정보, 형태 정보, 패턴 정보 등 다양한 컴퓨팅 처리 방법으로 수행되어 진다. 그러나 컴퓨팅 방법에 사용되는 다양한 정보들이 의미가 없을 경우 객체인식에 많은 제약이 따르게 된다. 따라서 본 논문은 이러한 컴퓨팅 처리의 근본적인 제약사항을 해결하고자, MR 의료 영상에서의 물리적인 이론에 기반한 영상처리 방법을 전처리에 활용하고자 한다. 제안된 방법은 대비 개선 작업을 주된 목적으로 하는 SWI(Susceptibility Weighted Imaging) 처리를 통해 의미 있는 전처리 작업을 수행하고, 이에 대한 결과를 텍스처 분석을 통해 MR 뇌 영상의 회백질을 효과적으로 검출하는 과정으로 구성된다. 실험결과 제안 방법은 평균 영역차이가 5.2%로 기존의 대표적인 영역분할 방법에 비해 보다 효율적임을 증명하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2009년도 추계학술발표대회
• /
• pp.343-344
• /
• 2009

The aim in this paper is to show how to extract scalp of a series of brain MR images by using region growing segmentation algorithm. Most researches are all forces on the segmentation of skull, gray matter, white matter and CSF. Prior to the segmentation of these inner objects in brain, we segmented the scalp and the brain from the MR images. The scalp mask makes us to quickly exclude background pixels with intensities similar those of the skull, while the brain mask obtained from our brain surface. We make use of connected threshold method (CTM) and confidence connected method (CCM). Both of them are two implementations of region growing in Insight Toolkit (ITK). By using these two methods, the results are displayed contrast in the form of 2D and 3D scalp images.