http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 주제어 : 기울기 벡터장 (검색결과 2 건)
- 무료
- 기관 내 무료
- 유료
-
기울기 벡터장과 조건부 엔트로피 결합에 의한 의료영상 정합
이명은,김수형,김선월,임준식 한국정보처리학회 2010 정보처리학회논문지. 소프트웨어 및 데이터 공학 Vol.17 No.4
In this paper, we propose a medical image registration technique combining the gradient vector flow and modified conditional entropy. The registration is conducted by the use of a measure based on the entropy of conditional probabilities. To achieve the registration, we first define a modified conditional entropy (MCE) computed from the joint histograms for the area intensities of two given images. In order to combine the spatial information into a traditional registration measure, we use the gradient vector flow field. Then the MCE is computed from the gradient vector flow intensity (GVFI) combining the gradient information and their intensity values of original images. To evaluate the performance of the proposed registration method, we conduct experiments with our method as well as existing method based on the mutual information (MI) criteria. We evaluate the precision of MI- and MCE-based measurements by comparing the registration obtained from MR images and transformed CT images. The experimental results show that the proposed method is faster and more accurate than other optimization methods. 본 논문에서는 기울기 벡터장과 조건부 엔트로피를 결합한 의료영상 정합 방법을 제안한다. 정합 방법은 조건부 확률의 엔트로피에 기반한 측도를 수행한다. 먼저 공간적 정보를 얻기 위해 윤곽선 정보의 방향을 제공하는 기울기 정보인 기울기 벡터장을 계산한다. 다음으로 주어진 두 영상에서 픽셀의 밝기정보와 에지정보를 결합하여 조인트 히스토그램을 계산하여 조건부 엔트로피를 구하고, 이것을 두 영상의 정합측도로 사용한다. 제안된 방법의 성능평가를 위해 자기공명 영상과 변환된 컴퓨터단층촬영 영상에 기존 방법인 상호정보기반의 측도, 조건부 엔트로피만을 사용한 측도와 비교 실험을 수행한다. 실험결과로부터 제안한 방법이 기존의 최적화 방법들 보다 더 빠르고 정확한 정합임을 알 수 있다.
-
볼륨영상 분할을 위한 새로운 레벨 셋 방법과 기존 방법의 성능비교
이명은,조완현,김선월,진연연,김수형,Lee, Myung-Eun,Cho, Wan-Hyun,Kim, Sun-Worl,Chen, Yan-Juan,Kim, Soo-Hyung 한국정보처리학회 2011 정보처리학회논문지B Vol.18 No.3
본 논문에서는 볼륨 의료영상 분할에 대한 기존의 레벨 셋 기법과 제안하는 방법의 성능을 비교하고자 한다. 기존의 방법들은 영역의 정보만을 이용하여 분할을 시행하므로, 영상의 종류에 따라서 정확한 분할을 못한 경우가 있다. 따라서 새롭게 제안하는 방법은 정확한 분할 결과를 위하여 영상의 객체가 가지고 있는 에지 정보와 영역 정보를 함께 이용한다. 에지 정보는 레벨 셋의 곡면이 객체의 표면에 잘 도달할 수 있도록 해주는 기울기 벡터장을 이용하고, 영역 정보는 각 영역에서 픽셀의 밝기 값을 가우시안 분포를 이용하여 통계적 모델로 적합시킴으로써 영상의 분할에 적용하였다. 또한, 곡면 주변 잡음의 영향을 최소화 시켜주는 정규화 항을 사용한다. 기존의 레벨 셋 기반의 방법들과 제안한 방법의 성능 평가를 위하여 실제 볼륨 의료영상에 대하여 다양한 실험을 실시하고, 분할된 결과의 비교를 통하여 제안된 방법의 우수성을 입증한다. In this paper, we compare our proposed method with previous methods for the volumetric image segmentation using level set. In order to obtain an exact segmentation, the region and boundary information of image object are used in our proposed speed function. The boundary information is defined by the gradient vector flow obtained from the gradient images and the region information is defined by Gaussian distribution information of pixel intensity in a region-of-interest for image segmentation. Also the regular term is used to remove the noise around surface. We show various experimental results of real medical volume images to verify the superiority of proposed method.
KISS연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
