[논문]의학 영상에서의 그레이 수준 형태 기반 보간 기법

성원; 김의정; 박종원

의학 영상에서의 그레이 수준 형태 기반 보간 기법
A Method of Gray Level Shape-Based Interpolation in Medical Image 원문보기

성원 (충남대학교 컴퓨터공학과) , 김의정 (공주대학교 컴퓨터교육과) , 박종원 (충남대학교 정보통신공학과)

오늘날 CT나 MR등을 통한 의학 영상 기술과 컴퓨터 성능의 향상으로 인체 내부 장기의 영상을 비교적 용이하게 얻을 수 있으며 얻어진 영상 정보는 컴퓨터로 수치화 되므로 데이터의 조작 및 가공이 용이하다. 그러나, 이렇게 얻어진 의학 영상들은 보통 2차원적 슬라이스 image 형태로 얻어진다. 일반적으로 슬라이스 사이의 간격은 조사량 등 여러 문제 때문에, 항상 동일한 간격을 유지하고 있지 않은 경우가 많으며 슬라이스 사이 간격이 슬라이스 내의 픽셀 간격보다 큰 경우가 대부분이다. 이러한 image로부터 3차원적 디스플레이나, 조작, 분석을 하기 위해서는 같은 간격의 image를 얻어야 한다. 이러한 이유로 인하여 보간(Interpolation) 기법이 의학 영상 분야에서 많이 사용된다. 본 논문은 명태-기반 보간 방법을 gray-scale image에 적용이 가능하도록 확장한 그레이 수준 형태 기반 보간 알고리즘을 구현하였다. 그리하여, 본 논문이 제안한 알고리즘을 슬라이스 간격이 큰 2차원 복부 CT 영상에 적용시켜 다른 보간법들보다 향상된 결과를 확인할 수 있었다.

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

문제 정의

본 논문에서 사용되는 목적은 medical image 처리에서 요구되는 등간격 의 image 를 얻기 위해서 이다.

제안 방법

한다. 본 논문에서는 시간적인 면을 고려하여 binary image 로 변환하는 과정을 생 략하고 곧바로 거리 gray 값을 가진 결과 image 로부터 gray-level image S. collapsing 하는 과정으로 구현하였다.
때문에 그레이 수준의 보 간에 적용하기 위해서는 별도의 처리가 요구된다. 본 논문에서는 형태-기반 보간 방법을 gray-scale image 에 적용 가능하도록 확장 알고리즘을 구현하였고, 그 결과 image 를 linear 보간법, cubic spline 보간법 각각의 결과 image 와 비교하였다.
본 논문은 gray-level 의 2차원 입력 image 에 형 태-기반 보간법 을 적용 가능하도록 Grevera, Udupa 등이 gray-lev여 image 의 크기를 변환하기 위해 사용했던 과정을 응용하여 처리 과정을 추가하고자 한다[3][4][5] 처리과정은 크게 lifting, chamfering, 보간, collapsing 으로 이루어 진다.
따라서 기존에 소개 하였던 chamfering 과정에서 몇 가지 파라미터를 보정해 주었다. 이 과정에서 간단한 모형 image 를 만들어 image 에서 볼 수 있는 편차의 크기별 오차를 구하여 chamfering 연산시 초기화하는 적절한 최대 최소 임계 거리 값을 구하였다.
중간 슬라이스에 해당하는 실제 image 를 제외시키고, 그 중간 슬라이스와 인접 한 위 아래 슬라이스를 입력 image 로 하여, 각각의 알고리즘에 적용한 결과 image로 얻었다. 이 결과 image 와 중간 슬라이스 image 를 서로 비교하여 Erms 값을 통해 각 알고리즘 간의 결과 image 의 정확도를 비교하였다.

데이터처리

알고리즘에 적용한 결과 image로 얻었다. 이 결과 image 와 중간 슬라이스 image 를 서로 비교하여 Erms 값을 통해 각 알고리즘 간의 결과 image 의 정확도를 비교하였다.

이론/모형

Linear inlerpolation 과 spline interpolation 두 가지 방법이 가능하였으나 lifting 과정의 이후 알고리즘의 시간에 대한 비용 증가가 크기 때문에, linear interpolation 을 사용하였다. 실제 cubic spline interpolation -S* shape-based 과정에 적용하였을 때 좀 더 우수한 결과를 얻을 수 있음이 밝혀져 있다.
나마지 영역으로 구분한다. 거리를 계산하는 과정은 shape-based interpolation 에서 소개했던 chamfer 처리 과정을 이용하였으며, 사용한 템플릿은 near-optimal 3X3 이다. Nearoptimal 템플릿 3X3 와 5X5 두 가지의결과 비교에서 둘 사이의 성능의 차이가 매우 작고, 대신 복잡도에서 5X5 가 복잡하기 때문에 3X3 를 사용하였다[6].
* 512 크기이다. 보간 알고리즘으로 linear, cubic spline(natural cubic spline)[7], 그레이 수준 형태-기반 보간(nearoptimal 3*3, linear)를 사용하였다. 결과 image 의 비교 방법은 다음과 같다.

성능/효과

그러나 그레이 수준 형 태.기반 보간법은 복부 CT 같이 변화율이 크지만 인접한 슬라이스에 영역이 서로 겹치는 슬라이스 사이의 간격이 큰 경우에 다른 알고리즘의 결과보다 더 좋은 결과를 보였고 특히 간격이 큰 경우엔 더욱 좋은 결과를 얻을 수 있음을 알 수 있었다.
경계 값이 가장 정확했다. 따라서 본 논문에서 구현된 chamfering 과정에서 사용된 모든 경우에 고정적인 값 -500 ~ 500 으로 거리 값의 범위를 보정하였다. 나머지 chamfering 과정은 [6]에서 소개한 과정을 따랐다.
그러나 이 과정에서 의학 image 의 특성상 보간 과정이 필요하게 되며, 이것은 정확도와 크게 영향을 미칠 수 있다. 앞에서도 살펴 보았듯이 형태 기반 보간법올 그레이 수준으로 확장시킨 그레이 수준 형태 기반 보간법은 spline, linear 와 같은 gray level interpolation 보다 우수한 결과를 보여주었다. 그러나 보간의 한계상 항상 오차는 존재하며 그러한 오차가 커지는 상황이 이 알고리즘에도 존재한다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

의학 영상에서의 그레이 수준 형태 기반 보간 기법
A Method of Gray Level Shape-Based Interpolation in Medical Image 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

데이터처리

이론/모형

성능/효과

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

의학 영상에서의 그레이 수준 형태 기반 보간 기법 A Method of Gray Level Shape-Based Interpolation in Medical Image 원문보기

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

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

데이터처리

이론/모형

성능/효과

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

의학 영상에서의 그레이 수준 형태 기반 보간 기법
A Method of Gray Level Shape-Based Interpolation in Medical Image 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper