• 정보과학회 논문지
• /
• 제43권8호
• /
• pp.869-877
• /
• 2016

본 논문에서는 무릎 MR 영상에서 다중 아틀라스 기반 지역적 가중투표를 이용한 대퇴부 연골 자동 분할 방법을 제안한다. 제안하는 방법은 다음의 두 단계로 구성된다. 첫째, 대퇴부 연골이 대퇴골에 붙어 있다는 형상정보를 이용하기 위해 볼륨 및 객체 정합 기반의 지역적 가중투표와 협대역 영역확장을 통해 대퇴골을 분할한다. 둘째, 대퇴골의 객체 기반 어파인 변환을 대퇴부 연골 정합에 적용한 후, 다중 아틀라스 형상 기반의 지역적 가중투표를 통해 대퇴부 연골을 분할한다. 제안 방법의 성능을 평가하기 위해 다수투표 기법, 밝기값 기반 지역적 가중투표 기법과 제안 방법의 분할 결과를 전문가에 의한 수동 분할 결과와 비교한다. 실험 결과 제안 방법이 주변 유사 밝기값 영역으로의 누출을 방지하여 분할 정확도가 향상되었음을 보여준다.

• 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.

• 방송공학회논문지
• /
• 제17권1호
• /
• pp.73-80
• /
• 2012

최근 의료 장비들이 발전하고 진단 및 연구에 다양하게 이용되면서 이로부터 얻은 3차원 의료 영상들을 자동으로 처리해주는 기술의 수요가 늘고 있다. 자동 뼈 영역화는 이러한 기술들 중 하나로써 골다공증이나 뼈 골절, 골격질환 등의 진단의 효율성을 크게 높여 줄 것으로 기대되고 있다. 현재까지 자동 뼈 영역화를 위한 연구들이 다양하게 진행되었지만 2차원 영상과는 달리 많은 데이터양과 주변 조직과의 모호한 경계들이 많다는 의료영상의 특성 때문에, 실제 진단에 사용할 수 있을만한 성능을 얻지 못하고 있다. 본 논문에서는 이와 같은 문제를 해결하기 위해 다중 해상도를 기반으로 하여 수행속도가 빠르고 영역화 성능이 좋은 자동 뼈 영역화 기법을 제안한다. 낮은 해상도 단계에서는 학습된 집합의 뼈 정보들을 바탕으로 최근 제안된 제한된 브랜치 앤 민컷 기법을 이용하여 대략적인 뼈 위치 및 비슷한 템플릿을 검출하고, 이후 해상도를 높여가면서 정합 과정과 영역화 과정을 반복적으로 수행한다. 제안하는 기법의 성능을 확인하기 위해 무릎 자기공명영상(magnetic resonance image)내에서 대퇴골(femur)과 경골(tibia)을 영역화 하는 실험을 진행하였으며, 100개의 학습 데이터들을 바탕으로 50개 영상에서 뼈들을 영역화 하였다. 제안하는 기법은 정확성 및 수행속도 측면에서 제한된 브랜치 앤 민컷에 비해 향상된 결과를 나타냈다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제25권3호
• /
• pp.123-131
• /
• 2019

본 연구에서는 CT 영상의 대퇴골 부위를 해부학적으로 의미 있게 변형하여 CT 영상의 대퇴골 영역을 분할하기 위한 컨벌루션 신경망(CNN)의 훈련 데이터를 증강하는 방법을 제안한다. 먼저 CT 영상으로부터 삼차원 삼각형 대퇴골 메쉬를 얻는다. 그 후 메쉬의 국소부위에 대한 기하학적 특성을 계산하고, 군집화하여 메쉬를 의미 있는 부분들로 분할한다. 마지막으로, 분할한 부분들을 적절한 알고리즘으로 변형한 뒤, 이를 바탕으로 CT 영상을 와핑하여 새로운 CT영상을 생성하였다. 본 연구의 데이터 증강 방법을 이용하여 학습시킨 딥러닝 모델은 기하학적 변환이나 색상 변환 같이 일반적으로 사용되는 데이터 증강법과 비교하여 더 나은 영상분할 성능을 보인다.

• 한국멀티미디어학회논문지
• /
• 제17권3호
• /
• pp.342-352
• /
• 2014

본 논문에서는 마이크로 CT 영상에서 치밀뼈와 해면뼈의 자동 분할 방법을 제안하고 분할된 해면뼈의 형태학적 분석 방법의 구현에 대해 기술한다. 제안된 분할 방법에서는 임계값을 이용하여 뼈 영역을 추출한다. 그 다음에는, 뼈의 바깥 경계선부터 안쪽 방향으로 인접한 경계선을 찾아 치밀뼈 후보 영역을 설정한다. 치밀뼈 후보 영역들 중에서 평균 픽셀값이 최대가 되는 지점을 후보 영역을 탐색하여 치밀뼈를 제거한다. 분할된 해면뼈에 BV/TV, Tb.Th, Tb.Sp, Tb.N의 네 가지 형태학적 지표자들을 계산하는 방법을 VTK(Visualization ToolKit)와 구 정합 알고리즘을 이용하여 구현하였다. 구현된 방법을 쥐의 20개 대퇴골 근위부 영상에 적용하였으며 사람이 수작업으로 분할하는 방법과 비교 실험을 수행하였다. 실험 결과 네 가지 형태학적 지표자 모두 수작업으로 분할한 경우와 자동으로 분할한 경우 3% 이내의 평균 오차율을 보여 제안된 방법은 번거로운 수작업 분할 대신 사용될 수 있음을 알 수 있었다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2011년도 하계학술대회
• /
• pp.439-440
• /
• 2011

최근 의료 장비들이 발전하고 진단 및 연구에 다양하게 이용되면서 이로부터 얻은 3차원 의료 영상들을 자동으로 처리해주는 기술의 수요가 늘고 있다. 자동 뼈 영역화 기법은 이러한 기술들 중 하나로써 골다공증이나 뼈 골절, 골격질환 등의 진단의 효율성을 크게 높여줄 것으로 기대되고 있다. 그러나 현재까지 이를 위한 다양한 연구들이 진행되었음에도 2차원 영상과는 달리 높은 데이터양과 주변 조직과의 모호한 경계들이 많다는 어려움 때문에 실제 진단에는 사용되지 못하고 있다. 이에 따라 본 논문에서는 다중 해상도를 기반으로 하여 영역화와 정합기법을 반복적으로 수행함으로써 3차원 의료 영상 내에서 자동으로 뼈를 영역화 해내는 기법을 제안한다. 낮은 해상도 단계에서 학습된 집합의 뼈 정보들을 이용하여 대략적인 뼈 위치를 검출하고, 이후 해상도를 높여가면서 정합 과정과 영역화 과정을 반복적으로 수행한다. 성능을 확인하기 위해 무릎 자기공명영상(magnetic resonance image)내에서 대퇴골(femur)과 경골(tibia)을 영역화 하는 실험을 진행하였으며 60개의 학습 데이터들을 바탕으로 40개 영상에서의 뼈들을 영역화 하였다.