$\require{mediawiki-texvc}$

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.

인체모사 팬텀 기반 Fast non local means 노이즈 제거 알고리즘의 필터링 인자 변화에 따른 영상 최적화: 시뮬레이션 연구
Image Optimization of Fast Non Local Means Noise Reduction Algorithm using Various Filtering Factors with Human Anthropomorphic Phantom : A Simulation Study 원문보기

한국방사선학회 논문지 = Journal of the Korean Society of Radiology, v.13 no.3, 2019년, pp.453 - 458  

최동혁 (가천대학교 방사선학과) ,  김진홍 (가천대학교 방사선학과) ,  최종호 (가천대학교 방사선학과) ,  강성현 (가천대학교 방사선학과) ,  이영진 (가천대학교 방사선학과)

초록
AI-Helper 아이콘AI-Helper

본 연구에서는 Geant4 application for tomographic emission (GATE) 시뮬레이션 프로그램을 통해 설계 된 male adult mesh (MASH) 팬텀의 영상을 획득한 후 다양한 필터링 인자가 설정된 FNLM 노이즈 제거 알고리즘을 적용함으로써 그에 따른 영상 특성의 경향성을 알아보고자 한다. 이를 위해 GATE 시뮬레이션 프로그램을 통해 인체를 모사할 수 있는 MASH 팬텀을 설계하였다. 또한, 설계된 MASH 팬텀을 기반으로 MATLAB 프로그램을 통해 복부영상을 획득한 후 0.005의 $\sigma$ 값을 갖는 Gaussian noise를 추가하여 열화영상을 모델링하였다. 모델링 된 열화영상으로부터 제안하는 FNLM 노이즈 제거 알고리즘의 필터링 인자를 각각 0.005, 0.01, 0.05, 0.1, 0.5, 1.0 으로 설정하여 적용하였으며, 정량적 평가를 위해 FNLM 노이즈 제거 알고리즘이 적용된 영상들로부터 각각의 coefficient of variation (COV), signal to noise ratio (SNR) 그리고 contrast to noise ratio (CNR)을 측정하였다. 결과적으로, 0.05의 필터링 인자가 적용된 영상에서 가장 개선된 COV, SNR 그리고 CNR 값을 보였다. 특히, COV는 설정된 필터링 인자가 증가함에 따라 감소하였으며, 0.05 값 이후부터 거의 일정한 값을 나타내었다. 또한, SNR 및 CNR의 경우 필터링 인자가 증가함에 따라 증가하였으며, 0.05 값 이후부터 감소하는 경향을 보였다. 결론적으로, 열화 영상으로부터 FNLM 노이즈 제거 알고리즘 적용 시 적합한 필터링 인자를 설정해야 함이 증명되었다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In this study we analyzed the tendency of the image characteristic by changing filtering factor for the proposed fast non local means (FNLM) noise reduction algorithm with designed Male Adult mesh (MASH) phantom through Geant4 application for tomographic emission (GATE) simulation program. To accomp...

주제어

#MASH 팬텀   #GATE 시뮬레이션   #FNLM 노이즈 제거 알고리즘   #필터링 인자  

표/그림 (5)

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 따라서, 본 연구에서는 Geant4 application for tomographic emission (GATE) 시뮬레이션 프로그램을 통해 설계 된 Male Adult mesh (MASH) 팬텀[13]의 abdominal image를 획득한 후 필터링 인자의 변화에 따른 FNLM 노이즈 제거 알고리즘을 적용함으로써 그 경향성을 알아보고자 한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
median filter는 무엇인가? 이러한 노이즈를 제거를 위해 여러 가지 알고리즘이 개발되었으며, 기존의 대표적인 알고리즘으로는 median filter[6], Gaussian filter[7] 및 Wiener filter[8] 등이 적용되고 있다. 이 중 median filter는 중간 값 마스크의 크기를 설정한 후 열화영상의 각 픽셀과 중간 값 마스크 크기에 해당하는 인접지역의 픽셀들의 중간 값을 해당 픽셀의 값으로 대체하여 적용하며, 영상 내의 각 픽셀 단위로 슬라이딩 방식으로 수행하는 알고리즘이다. Gaussian filter는 회전대칭을 이루는 Gaussian 마스크의 크기를 설정하여 대체하고자 하는 픽셀의 인접영역에 가중치를 적용하여 계산하는 방식으로 표준편차가 증가할수록 마스크의 중앙에 위치한 픽셀 값의 가중치가 증가하는 특징이 있다.
X-ray 기반의 전산화단층촬영장치 (CT; Computed Tomography)의 장점은 무엇인가? 최근 의료영상장치를 이용하여 병변의 위치를 진단하는 비중이 증가하고 있다.[1,2] 특히, X-ray 기반의 전산화단층촬영장치 (CT; Computed Tomography)[3] 는 짧은 시간에 인체의 단면을 촬영해 영상을 얻는 장치로서 획득한 단층 영상은 다양한 각도로 체내 조직의 모습을 정확히 살펴볼 수 있다는 장점을 가지고 있다. 하지만 영상을 획득하는 과정에서 선원과 검출기간의 전기적 오류, 피사체로 인한 산란선 그리고 디지털 신호를 image화 하는 과정 등 여러 요인으로 인해 noise가 발생된다.
fast non local means (FNLM)[12] 노이즈 제거 알고리즘은 NLM 알고리즘의 어떤 단점을 개선하기 위해 제시되었는가? 그러나 앞서 언급된 기존의 노이즈 제거 알고리즘의 경우 영상처리 후 영상윤곽에 대한 선예도가 감소되어 blurring effect가 나타나는데 이는 영상의 질을 감소시키는 주된 원인이다.[9,10]이러한 기존의 노이즈 제거 알고리즘에서 발생되는 단점을 보완하기 위해 영상 내 인접 화소들의 강도 및 상대적인 거리를 이용하여 영상의 윤곽선은 유지함과 동시에 윤곽 내부의 값들을 평활화 할 수 있는 non local means (NLM) 알고리즘[11]이 제시되었으나 많은 연산에 따른 비효율 적인 시간제약으로 인해 시간분해능이 떨어지는 제한점이 발생되었다.
질의응답 정보가 도움이 되었나요?

참고문헌 (15)

  1. M. J. Yaffe, J. A. Rowlands, "X-ray detectors for digital radiography," Physics in Medicine & Biology, Vol. 42, No. 1, pp. 1-39, 1997. 

    상세보기 crossref

  2. W. A. Kalender, "X-ray computed tomography," Physics in Medicine & Biology, Vol. 51, No. 13, pp. 29-43, 2006. 

    상세보기 crossref

  3. B. Peter, R. James, U. Pastorino, S. Melvyn, J. Stephen, B. Colin, "Computed Tomography Screening and Lung Cancer Outcomes," Journal of the American Medical Association, Vol. 297, No. 9, pp. 953-961, 2007. 

    상세보기 crossref

  4. R. Verma, J. Ali, "A Comparative Study of Various Types of Image Noise and Efficient Noise Removal Techniques," International Journal of Advanced Research in Computer Science and Software Engineering, Vol. 3, No. 10, pp. 617-622, 2013. 

  5. Y. Lee, S. Kang, Y. Lee, Y. Won, "Application of total variation (TV) noise reduction algorithm based on diagnostic medical abdominal X-ray imaging system," Institute of Electronics and Information Engineers, Vol. 54, No. 6, pp. 1486-1487, 2017. 

  6. H. Ibrahim, N. P. Kong, "Simple adaptive median filter for the removal of impulse noise from highly corrupted images," Institute of Electrical and Electronics Engineers Transactions on Consumer Electronics, Vol. 54, No. 4, pp. 1920-1927, 2008. 

  7. D. Shin, R. Park, S. Yang, J. Jung, "Block-Based Noise Estimation Using Adaptive Gaussian Filtering," Institute of Electrical and Electronics Engineers Transactions on Consumer Electronics, Vol. 51, No. 1, pp. 218-226, 2005. 

  8. J. Chen, J. Benesty, Y. Huang, S. Doclo, "New insights into the noise reduction Wiener filter," Institute of Electrical and Electronics Engineers Transactions on Audio, Speech and Language Processing, Vol. 14, No. 4, pp. 1218-1234, 2006. 

  9. J. Hsieh, "Adaptive streak artifact reduction in computed tomography resulting from excessive x-ray photon noise," The International Journal of Medical Physics Research and Practice, Vol. 25, No. 11, pp. 2139-2147, 1998. 

  10. Y. Liu, Z. Gui, Q. Zhang, "Noise reduction for low-dose X-ray CT based on fuzzy logical in stationary wavelet domain," International Journal for Light and Electron Optics, Vol. 124, No. 18, pp. 3348-3352, 2013. 

    상세보기 crossref

  11. H. Zhang, D. Zeng, H. Zhang, J. Wang, Z. Liang and J. Ma, "Applications of nonlocal means algorithm in low-dose X-ray CT image processing and reconstruction: A review," The International Journal of Medical Physics Research and Practice, Vol. 44, No. 3, pp. 1168-1185, 2017. 

  12. Y. Lee, "X-ray image denoising with fast non-local means (FNLM) approach using acceleration function in CdTe semiconductor photon counting detector (PCD): Monte Carlo simulation study," International Journal for Light and Electron Optics, Vol. 172, pp. 456-461, 2018. 

    상세보기 crossref

  13. V. F. Cassola, V. J. Lima, R. Kramer, H. J. Khoury, "FASH and MASH: female and male adult human phantoms based on polygon mesh surfaces: I. Development of the anatomy," Physics in Medicine & Biology, Vol. 55, No. 1, pp. 133-162, 2009. 

  14. W. L. Zeng, X. B. Lu, "Region-based non-local means algorithm for noise removal," Institution of Engineering and Technology Digital Library Electronics Letters, Vol. 47, No. 20, pp.1125-1127, 2011. 

  15. L. Lu, W. Jin, X. Wang, "Non-Local Means Image Denoising With a Soft Threshold," Institute of Electrical and Electronics Engineers signal processing letters, Vol. 22, No. 7, pp. 833-837, 2015. 

    상세보기

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 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