$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

초음파 혈관 영상의 상호적 영상 분할
Interactive image segmentation for ultrasound vascular imaging 원문보기

한국융합학회논문지 = Journal of the Korea Convergence Society, v.3 no.4, 2012년, pp.15 - 21  

이언석 (김천대학교 방사선학과 집적의료영상연구실) ,  김민기 (고려대학교 전자및정보공학부 3차원정보처리연구실) ,  하승한 (피츠버그대학교 의과대학 초음파 분자영상 및 치료센터)

초록
AI-Helper 아이콘AI-Helper

초음파 영상 진단 장치에서 획득한 데이터로부터 진단 객체를 추출하기 위한 영상 분할은 질병의 효과적인 진단을 위하여 필수적인 전처리 과정으로 인식되고 있으며, 지금까지 많은 분할 기법들이 연구되고 있다. 본 연구에서는 혈관 초음파 영상의 다양한 응용 및 진단법 개발을 위하여 기초 전처리과정으로서 graph cut 알고리즘에 의한 상호적인 영상분할법을 제시한다. 일반영상 및 혈관 초음파 영상에 대하여 전경(foreground)과 배경(background)의 제약조건을 주고 영상분할 처리하여, 원하는 object에 대한 분할 결과를 얻었다. 향후, 이러한 일련의 처리 과정이 실시간으로 처리되면 새로운 초음파 진단법으로 발전시켜 나갈 수 있을 것으로 사료된다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Image segmentation for object to extract data from ultrasound acquired is an essential preprocessing step for the effective diagnosis. Various image segmentation methods have been studied. In this study, interactive image segmentation method by graph cut algorithm is proposed to develop a variety of...

주제어

#분할   #초음파   #그래프 컷   #상호작용   #영상  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 여기서 smoothness term을 조절하는 람다(λ)의 값은 조절함에 따라 영상분할의 결과가 달라진다. 따라서 영상에 따른 최적의 람다의 값을 찾는 것부터 시작해야 하지만, 이 논문에서는 최적의 람다를 실험적으로 찾아서 알고 있다는 가정에서 진행되었다.
  • 본 연구 목적은 graph cut 알고리즘을 혈관 초음파영상에 적용하여 영상분할 하는 것이다. 과거 다른 연구자들이 제안했던 의료영상의 영상분할 방법의 결과들과 근접하게 표현 할 수 있고 구현 가능함을 보였다.
  • 본 연구에서는 위와 같은 심혈관 초음파 영상의 다양한 응용 및 개발을 위하여 기초 전처리 과정으로서 상호적인(interactive) 영상 분할법을 제시하고자 한다.

가설 설정

  • Fig. 2 (a)는 초음파 영상의 적용에 앞서 일반영상에서 동작여부 확인을 위해 사용될 것이다. Fig.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
graph cut 알고리즘의 앞으로의 방향성은? 본 연구 목적은 graph cut 알고리즘을 혈관 초음파영상에 적용하여 영상분할 하는 것이다. 과거 다른 연구자들이 제안했던 의료영상의 영상분할 방법의 결과들과 근접하게 표현 할 수 있고 구현 가능함을 보였다. 그러나 향후 이러한 측면에서 기존의 방법들과 error rate 등에 의한 평가가 추가적으로 비교 연구되어야 할 것이다. 또한, 영상분할결과의 윤곽 표면이 매끄럽지 못한 측면에서 영상특징에 맞는 최적 람다 값을 찾는 연구가 선행되어야 할 것이다. 그리고 입력 영상 중에서 필요한 object를 찾아서 관심영역을 좀 더 효과적으로 찾아 탐색 할 수 있다면 연산시간을 단축할 수 있을 것으로 사료된다. 향후, 이러한 일련의 처리 과정이 실시간으로 처리되면 새로운 초음파 진단법으로 발전시켜 나갈 수 있을 것으로사료된다.
초음파 영상이란? 초음파 영상은 만성질환에서부터 증상 없이 발생하는 조기 암까지 진단할 수가 있어 임상에서 가장 많이 사용되는 검사 중 하나이다. 초음파 검사는 진단의 초기역할을 수행함으로서, 환자의 질환에 따라 X-ray 검사, 컴퓨터단층촬영(CT), 자기공명영상(MRI), 투시조영, 혈관조영 검사, 동위원소 검사(RI) 등을 추가로 시행 할 수 있도록 해준다.
ACM의 한계점은? 기존에 의료영상분할에 효과적이라고 알려져 있던ACM(Active contour model)은 영상마다의 알맞은 초기라인이나 초기 값이 있어야만 하는 한계가 있었다. 그러나 이 연구의 결과에서와 같이 그 조건에 맞는 초기 값없이 적용되어 영상분할 되는 장점이 있는 것을 확인할 수 있었다.
질의응답 정보가 도움이 되었나요?

저자의 다른 논문 :

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로