• 대한전자공학회논문지SP
• /
• 제43권3호
• /
• pp.84-91
• /
• 2006

본 논문에서는 수학적 모폴로지 연산과 가우시안 혼합 모형에 기초한 새로운 칼라 영상 분할 알고리즘을 제안한다. 우리는 혼합 모형에서 구성 성분의 수를 결정하고, 각 구성 성분의 중심값을 계산하는데 모폴로지의 연산과 라벨링 연산을 이용한다. 그리고 칼라 특징 벡터의 확률 모형으로 가우시안 혼합 모형을 사용하고, 이들의 모수 값들을 추정하는데 결정적 어닐링 EM알고리즘을 사용한다. 최종적으로 혼합 모형으로부터 계산된 사후 확률을 이용하여 칼라 영상을 분할한다. 실험 결과를 통하여 모폴로지 연산이 혼합모형의 수를 자동으로 결정하고 각 성분의 모드를 계산하는데 아주 효율적인 방법임을 보였고, 또한 결정적 어닐링 EM 알고리즘에 의하여 추정된 가우시안 혼합 모형을 사용하여 계산된 사후 확률에 의한 영상 분할 방법이 기존의 분할 알고리즘보다 정확한 분할 방법임을 보였다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제8권6호
• /
• pp.705-716
• /
• 2002

본 논문은 MR 머리 영상 데이타를 디렉트 볼륨 렌더링하는 방법을 제안한다. MR 영상을 가시화하기 위해서는 서피스 렌더링을 많이 사용하나 이 방법은 면을 추출하는 과정에서 면 내부의 정보를 잃어버린다. 디렉트 볼륨 렌더링은 면 내부의 정보를 추출 할 수 있으나 데이타의 특성상 MR 머리 영상 데이타에 이 방법을 적용하기가 쉽지 않다. 이 논문에서는 MR 머리 영상 데이타를 뇌와 뇌 이외의 구성 요소로 분할한 다음에 뇌 복셀값을 증가시키고 원래의 영상과 다시 결합시켜 디렉트 볼륨 렌더링을 시도하였다. 뇌 경계선은 히스토그램 경계값, 모포로지 연산, 스네이크 알고리즘(snakes algorithm)을 이용하여 추출하였다. 추출된 뇌 경계선는 육안으로 추출한 것의 91~95%의 유사도를 보인다. 제안된 디렉트 볼륨 렌더링은 뇌와 뇌 이외의 구성 요소를 동시에 3차원 가시화하였다.

• 방송공학회논문지
• /
• 제18권5호
• /
• pp.702-712
• /
• 2013

본 논문은 흉부 CT 영상에서 폐 흉벽에 결절 및 폐혈관이 붙어 있는 경우에도 폐 정보의 손실 없이 폐와 기관지를 분리할 수 있는 알고리즘을 제안 하였다. 마스크 영상의 활용은 폐 및 기관지 분할에서 시간 단축 및 성능을 향상 시킬 수 있었다. 또한 폐 흉벽과 밝기값이 같은 결절을 찾아 제거 하는 방법은 좌 우측폐의 외곽 영상을 2진 영상으로 변환하고, 형태학적 정보를 활용함으로써 가능 하였다. 마지막으로 제거된 부분의 외곽선 연결은 거리가 고려된 최적 화소 추가와 3차 Spline 보간법을 적용하였다. Matlab 시뮬레이션 결과 제안된 알고리즘은 기존 문제점이 보완됨을 확인 할 수 있었다.

• 한국전산구조공학회논문집
• /
• 제36권5호
• /
• pp.323-330
• /
• 2023

PVA 섬유 보강 시멘트 복합체는 매우 복잡한 미세구조를 가지고 있으며, 재료의 거동을 정확히 평가하기 위해서는 미세구조 특성을 반영하여 실제 실험과 시너지효과를 내며 효율적인 재료 설계를 가능하게 하는 해석 모델의 개발이 중요하다. PVA 섬유 보강 시멘트 복합체의 역학적 성능은 PVA 섬유의 방향성에 큰 영향을 받는다. 그러나 마이크로-CT 이미지로부터 얻은 PVA 섬유의 회색조 값을 인접한 상과 구분하기 어려워, 섬유 분리 과정에 많은 시간이 소요된다. 본 연구에서는 섬유의 3차원 분포를 얻기 위하여 0.65㎛³의 복셀 크기를 가지는 마이크로-CT 이미지 촬영을 수행하였다. 학습에 사용될 학습 데이터를 생성하기 위해 히스토그램, 형상, 그리고 구배 기반 상 분리 방법을 적용하였다. 본 연구에서 제안된 U-net 모델을 활용하여 PVA 섬유 보강 시멘트 복합체의 마이크로- CT 이미지로부터 섬유를 분리하는 학습을 수행하였다. 훈련의 정확도를 높이기 위해 데이터 증강을 적용하였으며, 총 1024개의 이미지를 훈련 데이터로 사용하였다. 모델의 성능은 정확도, 정밀도, 재현율, F1 스코어를 평가하였으며, 학습된 모델의 섬유 분리 성능이 매우 높고 효율적이며, 다른 시편에도 적용될 수 있음을 확인하였다.

• 한국CDE학회논문집
• /
• 제16권6호
• /
• pp.458-466
• /
• 2011

The morphology of a bone is closely associated with its biomechanical response. Thus, much research has been focused on analyzing the effects of variation of bone morphology with subject-specific models. Subject-specific models, which are generally achieved from 3D imaging devices like CT and MRI, incorporate more of the detailed information that makes a model unique. Hence, it may predict individual responses more accurately. Despite these powerful characteristics, specific models are not easily parameterized to the extent possible with statistical models because of their morphologic complexities. Thus, it is still proven challenging to analyze morphologic variations of subject-specific models across changes due to aging or disease. The aim of this article is to propose a generic and robust parametric morphing method for a subject-specific bone structure. We demonstrate this by using the proposed method on a model of a human proximal femur. Automatic segmentation algorithms are also presented to parameterize the specific model efficiently. A total of 48 femur models were evaluated for defining morphing vector fields. Also, several anatomical and mechanical functions of femur were considered as morphing constraints, and the NURBS interpolating technique was applied in the method to guarantee the generality of our morphed results.

• 대한의용생체공학회:학술대회논문집
• /
• 대한의용생체공학회 1997년도 춘계학술대회
• /
• pp.116-118
• /
• 1997

In hippocampal morphology Abnormalities, including unilateral or bilateral volume loss, are known to occur in epilepsy, Alzheimer's disease, and in certain amnestic syndromes. To detect such abnormalities in hippocampal morphology, we present a method that combines region growing and dynamic contour model to detect hippocampus from MRI brain data. The segmentation process is performed two steps. First region growing with a seed point is performed in the region of hippocampus and the initial contour of dynamic contour model is obtained. Second, the initial contour is modified on the basis of criteria that integrate energy with contour smoothness and the image gradient along the contour. As a result, this method improves fairly sensitivity to the choice of the initial seed point, which is often seen by conventional contour model. The power and practicality of this method have been tested on two brain datasets. Thus, we have developed an effective algorithm to extract hippocampus from MRI brain data.

• 한국멀티미디어학회논문지
• /
• 제10권2호
• /
• pp.218-225
• /
• 2007

본 논문은 문자 인식 등을 통한 문서 자동 처리 시스템을 위해서 스캔 과정에서 발생할 수 있는 문서의 기울기를 정확하게 검출하는 기법을 제안한다. 제안한 알고리즘은 처리 속도 향상을 위해 영상을 축소한 다음 형태학적 연산과 연결 성분 분석 방법으로 기울기 검출 대상 영역(ROI)을 먼저 설정한 후 설정된 영역 내에서 문서의 기울기 정보를 가지고 있는 기준선을 탐색하는 방법으로 정확하게 기울어진 각도를 검출할 수 있게 하였다. 기존의 형태학적 연산을 기반으로 한 기울기 검출 기법과 비교하고 다양한 종류의 대용량 문서 영상을 대상으로 한 실험 및 분석을 통해 제안한 기울기 검출 방법의 정확도 및 효율성을 증명하였다.

• 대한원격탐사학회지
• /
• 제38권5_2호
• /
• pp.793-810
• /
• 2022

실시간 범람 모니터링을 위해 인공위성 SAR영상을 활용하는 수체탐지에 대한 필요성이 대두되었다. 주야와 기상에 상관없이 주기적으로 촬영 가능한 인공위성 SAR 영상은 육지와 물의 영상학적 특징이 달라 수체탐지에 적합하나, 스페클 노이즈와 영상별 상이한 밝기 값 등의 한계를 내포하여 다양한 시기에 촬영된 영상에 일괄적으로 적용 가능한 수체탐지 알고리즘 개발이 쉽지 않다. 이를 위해 본 연구에서는 Convolutional Neural Networks (CNN)기반 모델인 U-Net 아키텍처에 레이어의 조합인 모듈을 추가하여 별도의 전처리 없이 수체탐지의 정확도 향상 방법을 제시하였다. 풀링 레이어의 조합을 활용하여 형태학적 연산처리 효과를 제공하는 Morphology Module과 전통적인 경계탐지 알고리즘의 가중치를 대입한 컨볼루션 레이어를 사용하여 경계 학습을 강화시키는 Edge-enhanced Module의 다양한 버전을 테스트하여, 최적의 모듈 구성을 도출하였다. 최적의 모듈 버전으로 판단된 min-pooling과 max-pooling이 연속으로 이어진 레이어와 min-pooling로 구성된 Morphology 모듈과 샤를(Scharr) 필터를 적용한 Edge-enhanced 모듈의 산출물을 U-Net 모델의 conv 9에 입력자료로 추가하였을 때, 정량적으로 9.81%의 F1-score 향상을 보여주었으며, 기존의 U-Net 모델이 탐지하지 못한 작은 수체와 경계선을 보다 세밀하게 탐지할 수 있는 성능을 정성적 평가를 통해 확인하였다.

• Korean Journal of Radiology
• /
• 제22권2호
• /
• pp.168-178
• /
• 2021

Objective: To provide an automatic method for segmentation and diameter measurement of type B aortic dissection (TBAD). Materials and Methods: Aortic computed tomography angiographic images from 139 patients with TBAD were consecutively collected. We implemented a deep learning method based on a three-dimensional (3D) deep convolutional neural (CNN) network, which realizes automatic segmentation and measurement of the entire aorta (EA), true lumen (TL), and false lumen (FL). The accuracy, stability, and measurement time were compared between deep learning and manual methods. The intra- and inter-observer reproducibility of the manual method was also evaluated. Results: The mean dice coefficient scores were 0.958, 0.961, and 0.932 for EA, TL, and FL, respectively. There was a linear relationship between the reference standard and measurement by the manual and deep learning method (r = 0.964 and 0.991, respectively). The average measurement error of the deep learning method was less than that of the manual method (EA, 1.64% vs. 4.13%; TL, 2.46% vs. 11.67%; FL, 2.50% vs. 8.02%). Bland-Altman plots revealed that the deviations of the diameters between the deep learning method and the reference standard were -0.042 mm (-3.412 to 3.330 mm), -0.376 mm (-3.328 to 2.577 mm), and 0.026 mm (-3.040 to 3.092 mm) for EA, TL, and FL, respectively. For the manual method, the corresponding deviations were -0.166 mm (-1.419 to 1.086 mm), -0.050 mm (-0.970 to 1.070 mm), and -0.085 mm (-1.010 to 0.084 mm). Intra- and inter-observer differences were found in measurements with the manual method, but not with the deep learning method. The measurement time with the deep learning method was markedly shorter than with the manual method (21.7 ± 1.1 vs. 82.5 ± 16.1 minutes, p < 0.001). Conclusion: The performance of efficient segmentation and diameter measurement of TBADs based on the 3D deep CNN was both accurate and stable. This method is promising for evaluating aortic morphology automatically and alleviating the workload of radiologists in the near future.

• Journal of Computational Design and Engineering
• /
• 제3권3호
• /
• pp.191-197
• /
• 2016

Since 3D measurement technologies have been widely used in manufacturing industries edge detection in a depth image plays an important role in computer vision applications. In this paper, we have proposed an edge detection process in a depth image based on the image based smoothing and morphological operations. In this method we have used the principle of Median filtering, which has a renowned feature for edge preservation properties. The edge detection was done based on Canny Edge detection principle and was improvised with morphological operations, which are represented as combinations of erosion and dilation. Later, we compared our results with some existing methods and exhibited that this method produced better results. However, this method works in multiframe applications with effective framerates. Thus this technique will aid to detect edges robustly from depth images and contribute to promote applications in depth images such as object detection, object segmentation, etc.