초록

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

본 논문에서는 3차원 볼륨영상에서 객체를 빠르게 분할하고 동시에 대화식으로 분할과정을 가시화하기 위하여 그래픽 하드웨어를 사용한 레벨-셋 방법을 제안한다. 이를 위하여 첫째, GPU 내에서 효율적 연산을 수행하기 위해 메모리 관리방법을 제안한다. 이는 GPU 내 텍스쳐 메모리 형식에 적합하게 데이터를 패킹하고, CPU의 주메모리와 GPU의 텍스쳐 메모리를 관리하는 방법을 제시한다. 둘째, GPU 내에서 레벨-셋 값을 갱신하는 과정을 9가지 경우로 나누어 연산을 수행하게 함으로써 연산의 효율성을 높힌다. 셋째, front의 변화를 대화식으로 확인하고, 파라미터 변경에 따른 분할 과정을 효과적으로 측정하기 위하여 그래픽 하드웨어 기반 빠른 가시화 방법을 제안한다. 본 논문에서는 제안방법을 평가하기 위하여 3차원 폐 CT 영상데이터를 사용하여 육안평가를 수행하고, 기존 소프트웨어 기반 레벨-셋 방법과 수행시간 측면에서 비교 분석한다. 본 제안방법은 소프트웨어 기반 레벨-셋 방법보다 빠르게 영상을 분할하고 동시에 가시화함으로써 데이터 량이 많은 의료응용에 효율적으로 적용이 가능하다.

본 논문에서는 3차원 볼륨영상에서 객체를 빠르게 분할하고 동시에 대화식으로 분할과정을 가시화하기 위하여 그래픽 하드웨어를 사용한 레벨-셋 방법을 제안한다. 이를 위하여 첫째, GPU 내에서 효율적 연산을 수행하기 위해 메모리 관리방법을 제안한다. 이는 GPU 내 텍스쳐 메모리 형식에 적합하게 데이터를 패킹하고, CPU의 주메모리와 GPU의 텍스쳐 메모리를 관리하는 방법을 제시한다. 둘째, GPU 내에서 레벨-셋 값을 갱신하는 과정을 9가지 경우로 나누어 연산을 수행하게 함으로써 연산의 효율성을 높힌다. 셋째, front의 변화를 대화식으로 확인하고, 파라미터 변경에 따른 분할 과정을 효과적으로 측정하기 위하여 그래픽 하드웨어 기반 빠른 가시화 방법을 제안한다. 본 논문에서는 제안방법을 평가하기 위하여 3차원 폐 CT 영상데이터를 사용하여 육안평가를 수행하고, 기존 소프트웨어 기반 레벨-셋 방법과 수행시간 측면에서 비교 분석한다. 본 제안방법은 소프트웨어 기반 레벨-셋 방법보다 빠르게 영상을 분할하고 동시에 가시화함으로써 데이터 량이 많은 의료응용에 효율적으로 적용이 가능하다.

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

• 따라서, 본 논문에서는 그래픽 하드웨어를 사용하여 레벨-셋 방법을 구현함으로써 대화형 영상분할 및 가시화를 가능케 하고자 한다. 이를 위해 텍스쳐 메모리 형식에 맞게 데이터를 패킹하고, CPU의 주메모리와 GPU 의 텍스쳐 메모리를 효율적으로 관리하는 방법을 제안하며, GPU 내에서 레벨-셋 연산을 苴율적으로 수행하기 위한 방법을 제안한다.
• 연산이 불가능하다. 본 논문에서는 GPU 내에서 레벨-셋 계산을 효율적으로 수행하기 위하여 페이지 내부 셀과 외곽 셀에 대해 9가지 경우로 나누어 독립적 연산을 수행 방법을 제안한다.
• 것은 오랜 수행시간으로 한계가 있다. 따라서 본 논문에서는 분할된 영상을 대화식으로 가시화하기 위해 그래픽 하드웨어를 사용하여 볼륨렌더링을 수행한다.
• 본 논문에서 영상 내 특정 관심부위를 분할하기 위하여 그래픽 하드웨어를 이용한 레벨-셋 방법을 사용하는 방법을 제안했다. 이를 위하여 첫째, 주메모리와 텍스쳐 메모리를 관리하는 방법을 제시하였고, 둘째, GPU에서 연산의 효율성을 높이기 위해 각 레벨-셋 값을 갱신하는 과정을 9가지 경우로 나누어 연산을 수행하도록 하였다.

제안 방법

• GPU 내 텍스쳐 메모리의 한계와 연산의 효율성을 위하여 볼륨데이터에서 분할해야 하는 객체 주변에 연산이 필요한 부분만을 GPU 내의 2차원 텍스쳐 메모리에 저장하는 방법을 제안한다. 이는 CPU의 캐쉬 메모리와 주메모리의 관리방법을 이용하여, GPU의 텍스쳐 메모리를캐쉬 메모리로, 볼륨데이터가 저장되어 있는 CPU 메모리를 주메모리로 간주한다.
• 그림 2. 메모리 관리를 위하여 사용되는 자료구조 효율적 메모리 관리를 위하여 우선, 텍스쳐 메모리와 주메모리 간의 주소교환을 위하여 주메모리의 페이지 번호를 텍스쳐 메모리의 페이지번호로 변환하는 페이지 테이블과 이의 역과정을 위한 역페이지테이블을 생성한다.
• 둘째, 텍스쳐 메모리에 필요한 페이지를 저장하고 불필요한 페이지를 제거하기 위하여 페이지 활성화와 비활성화 과정을 수행한다. front가 확장되거나 축소되면서 텍스쳐 메모리에 존재하지 않는 비활성 페이지 중 어떤 페이지가 front를 포함하는 경우 그 페이지를 텍스쳐 메모리에 저장하여 활성페이지로 분류한다.
• 이 때, 페이지 외곽에 있는 셀은 이웃 셀의 위치 정보를 얻기 위하여 이웃페이지를 참조해야 한다. 이를 GPU 내에서 효을적으로 수행하기 위하여 본 논문에서는 이웃 셀의 정보를 CPU에서 계산하여 정점 버퍼에 저장한다.
• 이를 위하여 픽셀 쉐이더에서 좌표를 통해 현재 셀과 이웃 셀의 레벨-셋 값을 읽어 미분값을 계산한다. 현재 셀의 밝기값을 읽어 (식1)의 속도함수를 적용하여 속도 값을 계산한다.
• 저장할 때, 역페이지테이블을 사용하여 텍스쳐 메모리의 현 페이지가 주메모리 어느 위치에 해당하는지 알아낸다. 역 페이지 테이블을 사용하여 알아낸 주메모리 위치에 텍스쳐 메모리의 갱신된 데이터를 저장한다.
• 제안했다. 이를 위하여 첫째, 주메모리와 텍스쳐 메모리를 관리하는 방법을 제시하였고, 둘째, GPU에서 연산의 효율성을 높이기 위해 각 레벨-셋 값을 갱신하는 과정을 9가지 경우로 나누어 연산을 수행하도록 하였다. 마지막으로 front의 변화를 대화식으로 보고, 파라미터 변경에 따른 분할과정을 효과적으로 측정할 수 있도록 그래픽 하드웨어를 사용한 빠른 가시화방법을 제안하였다.
• 이를 위하여 첫째, 주메모리와 텍스쳐 메모리를 관리하는 방법을 제시하였고, 둘째, GPU에서 연산의 효율성을 높이기 위해 각 레벨-셋 값을 갱신하는 과정을 9가지 경우로 나누어 연산을 수행하도록 하였다. 마지막으로 front의 변화를 대화식으로 보고, 파라미터 변경에 따른 분할과정을 효과적으로 측정할 수 있도록 그래픽 하드웨어를 사용한 빠른 가시화방법을 제안하였다. 분할 결과를 3차원 가시화 후 이를 육안평가한 결과 정확하게 폐 분할을 수행하였고, 수행속도 측면에서는 하드웨어 기반 제안방법이 소프트웨어 기반 방법에 비홍H 평균 3.
• 가능케 하고자 한다. 이를 위해 텍스쳐 메모리 형식에 맞게 데이터를 패킹하고, CPU의 주메모리와 GPU 의 텍스쳐 메모리를 효율적으로 관리하는 방법을 제안하며, GPU 내에서 레벨-셋 연산을 苴율적으로 수행하기 위한 방법을 제안한다. 또한, front 의 변화를 볼 수 있도록 그래픽 하드웨어 기반 레벨-셋 방법으로 분할된 객체를 가시화하는 방법을 제안한다.
• 이를 위해 텍스쳐 메모리 형식에 맞게 데이터를 패킹하고, CPU의 주메모리와 GPU 의 텍스쳐 메모리를 효율적으로 관리하는 방법을 제안하며, GPU 내에서 레벨-셋 연산을 苴율적으로 수행하기 위한 방법을 제안한다. 또한, front 의 변화를 볼 수 있도록 그래픽 하드웨어 기반 레벨-셋 방법으로 분할된 객체를 가시화하는 방법을 제안한다.

대상 데이터

• 그래픽 하드웨어는 ATI Radeon 9600이고, 그래픽 하드웨어의 메모리는 256MB이었다. 실험을 위한 데이터로 환자 2명의 폐 CT 영상데이터(A, B)를 사용하였으며, 각 데이터를 좌폐 (L)와 우폐(R)로 나누어 총 4개의 512 X 256 x 128 CT 영상 데이터를 사용하여 실험을 수행하였다. .

데이터처리

• 본 제안방법의 성능을 평가하기 위하여 동일조건 하에서 소프트웨어 기반 레벨-셋 방법의 영상분할 방법과 계산 시간을 비교하였다. 실험을 위한 파라미터로 尸는 10, 。는 80의 값으로 설정하여 실험하였다.

이론/모형

• 본 논문에서는 그래픽 하드웨어를 사용하여 레벨-셋방 법을 구현하기 위하여 다이렉트X9에서 지원하는 쉐이 더(shader) 언어를 사용한다. 그림 1은 본 논문에서 제안한 방법의 파이프라인으로 CPU에서 메모리를 관리하고, GPU에서 레벨-셋 계산을 하여 레벨-셋 값을 갱신한다.
• 그림 1은 본 논문에서 제안한 방법의 파이프라인으로 CPU에서 메모리를 관리하고, GPU에서 레벨-셋 계산을 하여 레벨-셋 값을 갱신한다. 또한, 대화식 가시화를 위하여 그래픽 하드웨어를 이용한 텍스쳐 기반 볼륨렌더링 기법을 적용한다.
• 역 페이지 테이블을 사용하여 알아낸 주메모리 위치에 텍스쳐 메모리의 갱신된 데이터를 저장한다. 모든 갱신된 내용이 주메모리에 반영된 후, 텍스쳐 기반 볼륨 렌더링 기법을 적용하여 가시화한다. 주메모리의 내용을 3차원 텍스쳐 메모리에 저장하고, 합성방법은 최대밝기값투영 (Maximum Intensity Projection)을 사용하여 가시화한다.

성능/효과

• 많은 차이가 남을 알 수 있다. 하드웨어 기반 제안 방법은 레벨-셋 계산에서 소프트웨어 기반 방법보다 약 14 배 빠른 수행시간을 보여주었고, 메모리 관리시간은 제안 방법이 약 1.4배 빠른 것으로 측정되었다. 총 수행 시간은 네가지 데이터에 대해서 제안방법이 비교방법에 비해 평균 3.
• 결과 그림에서 폐 부분을 빨간색으로 나타내어 가시화하였다. 분할결과를 3차원으로 가시화한 후 이를 평가한 결과 정확하게 폐 분할을 수행했음을 알 수 있다.
• 마지막으로 front의 변화를 대화식으로 보고, 파라미터 변경에 따른 분할과정을 효과적으로 측정할 수 있도록 그래픽 하드웨어를 사용한 빠른 가시화방법을 제안하였다. 분할 결과를 3차원 가시화 후 이를 육안평가한 결과 정확하게 폐 분할을 수행하였고, 수행속도 측면에서는 하드웨어 기반 제안방법이 소프트웨어 기반 방법에 비홍H 평균 3.4배 빠른 수행시간을 보여주었다.
• 4배 빠른 것으로 측정되었다. 총 수행 시간은 네가지 데이터에 대해서 제안방법이 비교방법에 비해 평균 3.4배 빠른 수행시간을 보여주었다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기