• 반도체디스플레이기술학회지
• /
• 제18권1호
• /
• pp.102-104
• /
• 2019

Registering different kinds of clinical images widely used in diagnostic and surgery planning. However, cause of tumor growth or effected by gravity, human tissue has plenty of non-rigid deformation with clinically. Non-rigid registration allows the mapping of straight lines to curves. Therefore, such local deformation makes registration more complicated. In this work, we mainly introduce intra-subject, inter-modality registration. This paper mainly studies the nonlinear registration method of 2D medical image registration. The general medical image registration algorithm requires manual intervention, and cost long registration time. In our work to reduce the registration time in rough registration step, the barycenter and the direction of main axis of the image is calculated, which reduces the calculation amount compared with the method of using mutual information.

• 대한의용생체공학회:의공학회지
• /
• 제24권4호
• /
• pp.259-266
• /
• 2003

해부학적 구조의 변형이 존재하는 두 영상을 정합하기 위하여 연구되는 non-rigid 정합 방법은 환자간의 정합 환자와 표준영상간의 정합, 동일환자에서 변형을 갖는 부위의 정합 등 이용한 진단 및 연구에 사용되어 현재 많은 연구가 진행되고 있는 분야이다. 본 논문에서는 서로 형태와 색상 특성이 다른 Visible Human 컬러 영상파 CT 영상의 다리 부위를 정합하기 위하여 해부 영상에서 두드러진 차이를 보이는 뼈, 근육, 지방 조직을 분할하고 분할된 각 조직의 경계 단위를 계층적인 정합을 하는 조직 기반 성합 방법을 제안하였다. 제안한 조직 기반의 정합은 색상 특성이 두드러지게 변하는 경계 부위를 정확히 정합하므로 기존의 특징점을 이용한 정합 방법에 비하여 강력하고 정확한 결과를 얻음을 실험을 통하여 검증하였다. 또한 계층적인 정합은 분할된 조직의 바운딩 박스(bounding box) 정합. 전역 Rigid 정합과 지역 non-rigid 정합, 정합 보간(interpolation)을 순차적으로 실행하여 효율적인 계산 시간을 제공하였다.

• 한국멀티미디어학회논문지
• /
• 제16권6호
• /
• pp.700-707
• /
• 2013

본 논문에서는 시간차 흉부 CT 영상의 폐 실질 비강체 정합을 위하여 영역 이진화 모델링과 지역적 변형 모델을 이용한 정합 기법을 제안한다. 제안 기법은 먼저 폐 혈관과 실질을 분할하고, 영역 이진화 모델링을 수행하여 두 영상 사이의 밝기값의 차이에 따른 정합 오차를 최소화 한다. 다음으로 초기 정합 기법으로 두 폐 표면을 전역적으로 정렬하고, 지역적 변형 변환 모델을 제안하여 비강체 정합을 수행한다. 또한, 정합 후 감산된 시간에 따른 밝기값 차이가 미리 정의된 칼라 맵을 이용하여 가시화 된다. 실험 결과는 제안기법이 10명의 환자에 대하여 최대호흡과 최소호흡 CT 영상에서 폐 실질을 정확하게 정합하였음을 보여주었다. 제안된 비강체 정합 기법은 폐 실질에 대한 정량적 분석 결과의 직관적인 칼라 매핑을 통하여 다양한 폐 질환의 정량적 분석에 유용하게 사용될 수 있다.

• 한국차세대컴퓨팅학회논문지
• /
• 제15권5호
• /
• pp.64-74
• /
• 2019

비강체 정합은 임상적 필요성은 높으나 계산 복잡도가 높고, 정합의 정확성 및 강건성을 확보하기 어려운 분야이다. 본 논문은 비지도 학습 환경에서 3차원 뇌 자기공명 영상 데이터에 딥러닝 네트워크를 이용한 비강체 정합 기법을 제안한다. 서로 다른 환자의 두 영상을 입력받아 네트워크를 통하여 두 영상 간의 특징 벡터를 생성하고, 변위 벡터장을 만들어 기준 영상에 맞추어 다른 쪽 영상을 변형시킨다. 네트워크는 U-Net 형태를 기반으로 설계하여 정합 시 두 영상의 전역적, 지역적인 차이를 모두 고려한 특징 벡터를 만들 수 있고, 손실함수에 균일화 항을 추가하여 3차원 선형보간법 적용 후에 실제 뇌의 움직임과 유사한 변형 결과를 얻을 수 있다. 본 방법은 비지도 학습을 통해 임의의 두 영상만을 입력으로 받아 단일 패스 변형으로 비강체 정합을 수행한다. 이는 반복적인 최적화 과정을 거치는 비학습 기반의 정합 방법들보다 빠르게 수행할 수 있다. 실험은 50명의 뇌를 촬영한 3차원 자기공명 영상을 가지고 수행하였고, 정합 전·후의 Dice Similarity Coefficient 측정 결과 평균 0.690으로 정합 전과 비교하여 약 16% 정도의 유사도 향상을 확인하였다. 또한, 비학습 기반 방법과 비교하여 유사한 성능을 보여주면서 약 10,000배 정도의 속도 향상을 보여주었다. 제안 기법은 다양한 종류의 의료 영상 데이터의 비강체 정합에 활용이 가능하다.

• 한국통신학회논문지
• /
• 제29권10C호
• /
• pp.1402-1413
• /
• 2004

비강체 (non-rigid) 영상 등록에서 추정되는 좌표변환은 가역이어야 함으로 그 변환의 Jacobian 행렬식은 항상 양수 값을 가져야 한다. 본 논문에서는 이러한 가역 조건을 만족하는 좌표변환의 조건을 gradient 크기 제한의 조건으로 구한다. 또한 cubic B-spline을 이용한 변환 모델의 경우, 이 gradient 크기 제한 조건을 만족시키는 인수 집합을 이웃한 두 계수들의 차이가 제한된 인수들의 집합으로 구하였다. 이러한 인수들의 집합은 half space들의 교집합으로 이루어진 convex 집합이다. 본 논문에서는 이 convex 집합에 속하는 인수로 구성되는 좌표변환들 중에서 유사지수 (similarity measure) 를 최대로 만드는 변환을 gradient projection 최적화 기법을 통해 발견하였다. 이론적 분석, 폐 CT (Computed Tomography) 영상을 이용한 시뮬레이션 및 실험을 통하여, 제안된 알고리즘의 성능이 벌칙 함수 penalty function) 를 이용하는 기존의 방법보다 우수함을 증명하였다.

• 대한원격탐사학회지
• /
• 제37권3호
• /
• pp.475-491
• /
• 2021

최근 사용 가능한 고해상도 위성 SAR 영상이 다양해지면서, 변화 탐지를 포함한 다양한 분야에서 SAR 영상에 대한 정밀 정합 요구가 높아지고 있다. 다중 관측각 환경에서의 고해상도 SAR 영상간 정합은 SAR 영상의 특성상 발생하는 스펙클 노이즈, 기하 왜곡 등에 의해 어려움이 있다. 본 연구에서는 독일 TerraSAR-X의 staring spotlight 모드로 촬영된 고해상도 SAR 영상을 활용하여, 개략정합 단계와 정밀정합 단계의 2단계에 걸친 영상정합 알고리즘을 제안하였다. 개략정합 단계에서는 적응형 샘플링 기법과 SAR-SIFT(Scale Invariant Feature Transform)를 결합하여 정합을 수행하였고, 정밀정합 단계에서는 3가지의 강성 정합 기법인 NCC(Normalized Cross Correlation), PC (Phase Congruency)-NCC, MI (Mutual Information) 기법과 비강성 정합 기법인 Gefolki (Geoscience extended Flow Optical Flow Lucas-Kanade Iterative)를 적용하여 정합 성능을 비교 분석하였다. 정합 결과는 RMSE (Root Mean Square Error)와 FSIM (Feature Similarity) 지수를 사용하여 정량적인 비교를 수행하였다. 사용한 모든 영상 조합에서 강성정합 기법은 Gefolki 알고리즘에 비해 저조한 정합 성능을 보였다. 강성정합 모델들은 지형기복이 큰 지역에서 정합오차가 크게 발생함을 확인할 수 있었다. Gefolki 알고리즘 적용 결과, RMSE 1~3화소를 보이며 가장 우수한 결과를 확인하였으며, FSIM 지수 또한 다른 기법에 비해 0.02~0.03 이상 높은 값을 취득했다. 다중 관측각 영상에서의 고해상도 SAR 영상 간 정합 성능을 비교하였으며, 강성정합 기법에 비해 Gefolki 알고리즘을 통해 지형효과를 충분히 줄일 수 있음을 확인했다. 이는 추후 변화탐지를 포함한 다양한 분야의 전 처리 과정에 효과적으로 사용될 수 있을 것으로 기대된다.

• 대한전기학회논문지:시스템및제어부문D
• /
• 제52권8호
• /
• pp.500-505
• /
• 2003

In this paper, the method to register multiple sets of skull CT images to absolute coordinate system is proposed. Contrary to correspondence paired mapping of previous techniques, four anatomical landmark points, three coplanar points and one non-coplanar point, compose three principal axes simple and unique for efficient registration by means of rigid body transformation. Throughout the numerical simulation with added random noises, the error performances in terms of different rotation and rounding-off of landmark points, and incorrect localization of anatomical landmark and target points are quantitatively analyzed to generalize the proposed technique. Experiments using real skull CT images demonstrate the feasibility for an efficient use in clinical practice.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 봄 학술발표논문집 Vol.30 No.1 (B)
• /
• pp.265-267
• /
• 2003

해부학적 구조의 변형이 존재하는 신체 부위를 정합하기 위하여 연구되는 non-rigid 정합 방법은 현재 의료 영상 분야에서 매우 중요한 주제이고 많은 연구가 이루어지고 있다. 본 논문에서는 Visible Human Color 단면 영상과 CT영상 사이에 존재하는 다리 모양의 변형을 정합 하기 위하여 계층적인 non-rigid 정합 방법을 제안하였다. 제안한 계층적 정합 방법은 영역 경계를 이용한 global rigid 정합으로 초기 변형 벡터를 찾고. 정합 할 영역을 sampling하여 local non-rigid 정합을 수행 한 후 결과를 interpolation하여 전체 영역에 대한 최종 정합 벡터를 계산하였다. 결과적으로 더욱 효율적이고 강력한 non-rigid 정합 결과를 얻을 수 있었다.

• 반도체디스플레이기술학회지
• /
• 제18권2호
• /
• pp.63-66
• /
• 2019

Due to the development of medical imaging technology, different imaging technologies provide a large amount of effective information. However, different imaging method caused the limitations of information integrity by using single type of image. Combining different image together so that doctor can obtain the information from medical image comprehensively. Image registration algorithm based on mutual information has become one of the hotspots in the field of image registration with its high registration accuracy and wide applicability. Because the information theory-based registration technology is not dependent on the gray value difference of the image, and it is very suitable for multimodal medical image registration. However, the method based on mutual information has a robustness problem. The essential reason is that the mutual information itself is not have enough information between the pixel pairs, so that the mutual information is unstable during the registration process. A large number of local extreme values are generated, which finally cause mismatch. In order to overcome the shortages of mutual information registration method, this paper proposes a registration method combined with image spatial structure information and mutual information.

• 한국멀티미디어학회논문지
• /
• 제14권3호
• /
• pp.348-355
• /
• 2011

본 논문에서는 동적 자기 공명 영상에서 자동 전립선 분할 기법을 제안한다. 제안 기법은 평균 밝기값 분석을 통하여 동적 MR 영상들 중에서 전립선 영역이 조영증강이 잘 된 영상을 찾는다. 다음으로 조영전 MR 영상과 조영증강된 MR 영상을 B-스플라인 비강체 정합 기법으로 매칭 후 감산하여 전립선 후보 영역을 검출한다. 마지막으로 외부 방향으로 확장 연산을 수행한 후 내부 방향으로 연속적인 형태 전파를 수행하여 전립선 경계를 검출한다. 10명의 환자 데이터에 대하여 제안 기법으로 분할한 결과와 수작업으로 분할한 결과를 비교하여 정확성을 검증하였다. 평균 볼륨 오버랩 오차는 6.8%였고, 평균 절대값 볼륨 측정 오차는 2.5%였다. 제안 기법은 정확한 전립선 분할을 필요로 하는 컴퓨터 보조 전립선 진단 기법에 사용될 수 있다.