초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

오늘날 CT나 MR등을 통한 의학 영상 기술과 컴퓨터 성능의 향상으로 인체 내부 장기의 영상을 비교적 용이하게 얻을 수 있으며 얻어진 영상 정보는 컴퓨터로 수치와 되므로 데이터의 조작 및 가공이 용이하다. 그러나, 이 데이터는 2D 슬라이스들의 연속으로 표현되므로 이것을 보다 편리하게 가시화. 조작, 분석이 용이한 상태로 바꾸기 위해서는 3차원 구조로의 재구성이 필요하게 된다. 이것을 위하여 무엇보다도 먼저 CT나 MR을 통하여 얻어진 영상을 분석하여 특정 장기의 영상 부분를 다른 조직의 영상부분으로부터 분리(segmentation)할 필요가 있다. 이러한 Segmentation방법에는 여러가지가 있는데, 수작업의 결합 등으로 인해서 비효율적인 문제점을 가지고 있다. 이에 본 논문은 보다 효율적인 segmentation의 처리를 위하여 region-based 기법을 응용하여 새로운 segmentation 방법을 개발하였다. 그리하여, 본 논문이 제안한 알고리즘을 슬라이스 간격이 큰 2차원 복부 CT 영상에 적용시켜 간(liver)의 추출을 시도하였고 향상된 성능을 확인할 수 있었다.

오늘날 CT나 MR등을 통한 의학 영상 기술과 컴퓨터 성능의 향상으로 인체 내부 장기의 영상을 비교적 용이하게 얻을 수 있으며 얻어진 영상 정보는 컴퓨터로 수치와 되므로 데이터의 조작 및 가공이 용이하다. 그러나, 이 데이터는 2D 슬라이스들의 연속으로 표현되므로 이것을 보다 편리하게 가시화. 조작, 분석이 용이한 상태로 바꾸기 위해서는 3차원 구조로의 재구성이 필요하게 된다. 이것을 위하여 무엇보다도 먼저 CT나 MR을 통하여 얻어진 영상을 분석하여 특정 장기의 영상 부분를 다른 조직의 영상부분으로부터 분리(segmentation)할 필요가 있다. 이러한 Segmentation방법에는 여러가지가 있는데, 수작업의 결합 등으로 인해서 비효율적인 문제점을 가지고 있다. 이에 본 논문은 보다 효율적인 segmentation의 처리를 위하여 region-based 기법을 응용하여 새로운 segmentation 방법을 개발하였다. 그리하여, 본 논문이 제안한 알고리즘을 슬라이스 간격이 큰 2차원 복부 CT 영상에 적용시켜 간(liver)의 추출을 시도하였고 향상된 성능을 확인할 수 있었다.

AI 본문요약

엑셀 다운로드 AI-Helper

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

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 이러한 segmentation 알고리즘들은 앞에서 언급한 바와 같이 2D 상에서만 처리되어 왔으므로 인접 슬라이스들 간의 정보는 고려되人 않기 때문어" 3D 상에서 보다 정확한 segmentation 을 위해서는 관심 대상의 장기가 포함된 전 슬라이스들의 연속을 3차원 데이터로 간주하고 처리할 수 있는 알고리즘에 초점을 두고 개발되어야 한다. 그리하여 본 논문에서는 3D 의학 영상 에 대해 수행될 수 있는 automatic segmentation 기법을 개발하기 위해 region-based 기법을 응용하는 방식으로 새로운 알고리즘을 고안하였다.
• 이제까지 3D 의학 영상을 위해 적용할 수 있는 segmentation 방법들을 조사하여 보고, 여러 기법들의 문제점들을 분석하였 으며 이를 보완하기 위한 방법들을 제안하였다. 본 논문은 segmentation 과정을 자동화할 수 있는 보다 일반적인 방법을 설계하고 구현하였으며, 일부 deforma비e model 을 이용한 기법 에 대한 간소한 과정을 위해 continuity three 만을 고려하여 deformation 시의 느린 수렴 과정을 생략하는 방법을 제얀하였다. 또한 까다로운 threshold 의 측정 과정을 좀더 일반화할 수 있는 기덥과 넓은 슬라이스 간격의 데이터에도 적용될 수 있는 방법들을 고려하였다.

제안 방법

• 본 논문은 segmentation 과정을 자동화할 수 있는 보다 일반적인 방법을 설계하고 구현하였으며, 일부 deforma비e model 을 이용한 기법 에 대한 간소한 과정을 위해 continuity three 만을 고려하여 deformation 시의 느린 수렴 과정을 생략하는 방법을 제얀하였다. 또한 까다로운 threshold 의 측정 과정을 좀더 일반화할 수 있는 기덥과 넓은 슬라이스 간격의 데이터에도 적용될 수 있는 방법들을 고려하였다.
• 본 논문에서는 먼저 영상에 대해 noise를 감소시기고 배경 및 주변 초직을 사전에 제거하였으며, 초기 영역 탐색 과정을 간소화하고 grey level 에 대한 사전 thre아iold 입력을 가능한 최 소화하기 위한 방법으로, 3D region growing 기법을 사용하였다. 여기에서 얻어진 1차 결과는 모양 정보를 고려하지 않았으므로 로 부정확한 boundary 를 보정하고 &Spline 을 이용해 2 자 결과로 surface 를 생성하였다.
• 본 논문에서는 먼저 영상에 대해 noise를 감소시기고 배경 및 주변 초직을 사전에 제거하였으며, 초기 영역 탐색 과정을 간소화하고 grey level 에 대한 사전 thre아iold 입력을 가능한 최 소화하기 위한 방법으로, 3D region growing 기법을 사용하였다. 여기에서 얻어진 1차 결과는 모양 정보를 고려하지 않았으므로 로 부정확한 boundary 를 보정하고 &Spline 을 이용해 2 자 결과로 surface 를 생성하였다. 이 알고리즘들에 대한 수행을 테 스트 하기 위해 CT 영상에서 간에 대해 se흥mentation 을 시 도 해 보았으며, manual segmentation 한 결과와 부피 비교 시 10% 이내의 오차를 나타내었고, 실제의 간 모양과 유사하게 재구성된 3차원 display 결과를 얻을 수 있었다.
• 이제까지 3D 의학 영상을 위해 적용할 수 있는 segmentation 방법들을 조사하여 보고, 여러 기법들의 문제점들을 분석하였 으며 이를 보완하기 위한 방법들을 제안하였다. 본 논문은 segmentation 과정을 자동화할 수 있는 보다 일반적인 방법을 설계하고 구현하였으며, 일부 deforma비e model 을 이용한 기법 에 대한 간소한 과정을 위해 continuity three 만을 고려하여 deformation 시의 느린 수렴 과정을 생략하는 방법을 제얀하였다.

이론/모형

• 즉, 원하는 부분이 다른 장 기와 인접하여 붙거나, 동질성의 손상으로 일부 영역이 손실 될 수도 있다. 러므로 이러한 문제점을 보정하기 위하여 B- Spline 에 의하여 부정학한 boundaiy 를 부드러운 곡 선으로 보정하는 방법을 사용한다.

성능/효과

• 이 장에서 는 앞에서 제안된 방업 으로 segmentation 된 슬라이 스들을 GeomVew 라는 3차원 그래픽 데이터 뷰어를 통해 보 여준다. 슬라이스 간격은 10mm 이고, manu지 로 segmentation 을 수행한 결과와 부피를 비교하였을 때 10%의 오차릅 나타내었다. 알고리즘의 수행에 걸린 시간은 최종적으로 생성하고자 하는 표면 (surf血ce) 의 해상도에 좌우되는데 Ultra Sparc Workstation 에서 보통 1。분 전후가 소요되었다.
• 여기에서 얻어진 1차 결과는 모양 정보를 고려하지 않았으므로 로 부정확한 boundary 를 보정하고 &Spline 을 이용해 2 자 결과로 surface 를 생성하였다. 이 알고리즘들에 대한 수행을 테 스트 하기 위해 CT 영상에서 간에 대해 se흥mentation 을 시 도 해 보았으며, manual segmentation 한 결과와 부피 비교 시 10% 이내의 오차를 나타내었고, 실제의 간 모양과 유사하게 재구성된 3차원 display 결과를 얻을 수 있었다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기