$\require{mediawiki-texvc}$

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.

MRI 영상의 유효영역과 GLCM에 의한 질감특징 추출에 따른 신경망 기반 뇌종양 진단에 관한 연구
A Study on Diagnosis of Brain Tumor Based on Neural Network by Extracting Valid Area and Texture Features by GLCM of MRI Image 원문보기

한국지능시스템학회 논문지 = Journal of Korean institute of intelligent systems, v.27 no.3, 2017년, pp.261 - 267  

조용현 (대구가톨릭대학교 IT공학부)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 뇌종양을 자동으로 진단하기 위해 전처리된 MRI 영상의 질감특징을 추출하고, 이를 기반으로 신경망 학습에 의한 진단기법을 제안한다. 여기서 전처리는 영상의 화질을 개선할 뿐만 아니라 유효영역만을 추출하여 진단시간을 줄이기 위함이고, gray level co-occurrence matrix(GLCM)에 의한 2차원 특징과 1차원 특징의 추출은 영상의 질감을 좀 더 정확하게 분석하기 위함이다. 또한 추출된 특징 기반 역전파 알고리즘에 의한 다층신경망의 학습은 뇌종양의 진단율을 개선하기 위해 MRI 영상의 속성들을 비선형적으로 사상시키기 위함이다. 제안된 기법을 T2 MRI 13번째 수평절단 572*816 픽셀의 8비트 RGB 뇌 영상 72개를 대상으로 8개 질감특징 기반 3층의 다층신경망으로 실험한 결과, 98.6%의 우수한 진단 성능이 있음을 확인하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

This paper presents a method to automatically diagnose the brain tumor by learning neural network, which is based on extracting the texture features of the preprocessed MRI image. The preprocessing is applied not only to enhance the image quality but also to reduce a diagnostic time by extracting on...

주제어

#뇌종양   #질감특징   #다층신경망   #역전파 알고리즘  

참고문헌 (12)

  1. http://www.braintumor.or.kr/public/infor/sub3_1.php 

  2. M. S. Mane, N. J. Kulkarni and S. N. Randive, "Review on Brain Tumor Detection and Segmentation Techniques," International Journal of Computer Applications, Vol. 95, No. 5, pp. 34-38, June 2014. 

  3. T. Tuceryan and A. K. Jain, 'Texture Analysis,' The Handbook of Pattern Recognition and Computer Vision(2nd Edition), World Scientific Pub. Co., pp. 207-248, 1998 

  4. Y. H. Cho, "A Performance Improvement of GLCM Based on Nonuniform Quantization Method," Journal of Korean Institute of Intelligent Systems, Vol. 25, No. 5, pp. 133-138, April 2015. 

    원문보기 상세보기 crossref

  5. Y. H. Cho, "Image A Texture Classification Based on LBP by Using Intensity Differences between Pixels Variation," Journal of Korean Institute of Intelligent Systems, Vol. 25, No. 5, pp. 483-488, Oct. 2015. 

    원문보기 상세보기 crossref

  6. http://support.minitab.com/en-us/minitab/17/topic-library/basic-statistics-and-graphs/summary-statistics/how-skewness-and-kurtosis-affect-your-distribution/ 

  7. http://birmanns.biomachina.org/courses/imageproc/131.pdf 

  8. J. A. Freeman and D. M. Skapura, Neural Networks : Algorithms, Applications, and Programming Techniques, Addison Wesley Pub., 1991. 

  9. H. Memarian and S. K. Balasundram, "Comparison between Multi-Layer Perceptron and Radial Basis Function Networks for Sediment Load Estimation in a Tropical Watershed," Journal of Water Resource and Protection, pp. 870-876, April 2012. 

  10. Y. H. Cho, Digital Image Processing, Intervision Pub., 2005. 

  11. S. C. Kim, Mechanics of materials, Chungmoon Pub., 1992. 

  12. http://www.dcmc.co.kr/content/02treatment/02_0102.asp?ct_idx2596 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

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