의료영상에서 볼륨 데이터를 이용한 분할개선 기법

채승훈(Seung-Hoon Chae),반성범(Sung Bum Pan) 대한전자공학회 2013 전자공학회논문지 Vol.50 No.8

의료영상분할은 다양한 의료영상처리를 수행하기에 앞서 먼저 수행되어야 하는 영상처리 기술이다. 그래서 빠르고 정확한 의료영상분할이 요구되고 있으며 다양한 의료영상분할 방법이 연구되고 있다. 의료영상에는 특성이 유사한 다양한 장기가 존재하기 때문에 분할영역의 정확한 판단이 필요하다. 그러나 의료영상은 장기의 일부가 작게 촬영되는 경우가 발생된다. 이 경우에는 분할영역을 판단하기 위한 정보가 부족하게 되며 그 결과 분할과정에서 분할영역이 제거된다. 본 논문에서는 볼륨 데이터와 선형 방정식을 이용하여 작은 영역에서의 분할결과를 개선하였다. 제안한 방법의 성능을 확인하기 위하여 흉부 CT 영상의 폐 분할을 수행하였다. 실험 결과, 의료영상의 분할 정확도는 0.978에서 0.981로 표준편차는 0.281에서 0.187로 개선되는 것을 확인하였다. Medical image segmentation is an image processing technology prior to performing various medical image processing. Therefore, a variety of methods have been researched for fast and accurate medical image segmentation. Accurate judgment of segmentation region is needed to segment the interest region in which patient requested in medical image that various organs exist. However, an case that scanned a part of organs is small occurs. In this case, information to determine the segmentation region is lack. consequently, a removal of segmentation region occurs during the segmentation process. In this paper, we improved segmentation results in a small region using volume data and linear equation. In order to verify the performance of the proposed method, we segmented the lung region of chest CT images. As a result of experiments, we confirmed that image segmentation accuracy rose from 0.978 to 0.981 and standard deviation also improved from 0.281 to 0.187.

멀티미디어 처리 : 의료 영상을 위한 추정오차 히스토그램 기반 가역 워터마킹 알고리즘

오기태 ( Gi Tae Oh ),장한별 ( Han Byul Jang ),도엄지 ( Um Ji Do ),이해연 ( Hae Yeoun Lee ) 한국정보처리학회 2015 정보처리학회논문지. 소프트웨어 및 데이터 공학 Vol.4 No.5

의료 영상은 원본 콘텐츠의 품질을 유지하는 것이 중요한 동시에 사생활 보호의 요구가 증가함에 따라서 가역 워터마킹 기술에 대한 필요성이 증가하고 있다. 기존의 가역 워터마킹 알고리즘은 의료 영상이 아닌 일반 영상에서는 고용량 고품질을 유지할 수 있으나 영상 전체에 왜곡을 야기한다. 따라서 촬영 대상물의 품질 유지가 중요한 의료 영상에 직접적으로 적용하기에는 부적합하다는 단점을 가진다. 본 논문에서는 의료 영상의 촬영 대상물 영역의 영상 품질을 유지하며, 워터마크를 효율적으로 삽입할 수 있는 가역 워터마킹 알고리즘을 제안한다. 먼저 대상물과 배경 영역을 분할하기 위한 알고리즘을 설계하고, 그 후에 분할된 대상물과 배경에 대해 추정오차 히스토그램에 기반하여 가역 워터마킹 기법을 적용한다. 대상물 영역에는 삽입 레벨을 낮게 설정하고, 배경 영역에 삽입 레벨을 높게 설정함으로써 대상물의 화질은 최소한으로 변형을 하며 효율적인 삽입이 가능하도록 하였다. 실험에서 다양한 의료 영상에 대하여 제안한 알고리즘을 기존 추정오차 히스토그램 기반 가역 워터마킹 기술과 삽입 용량 및 영상 품질에 대한 비교를 수행하였고, 그 결과 제안하는 알고리즘이 기존 알고리즘에 비해 높은 영상 품질을 유지하면서 우수한 삽입 용량을 얻을 수 있었다. Medical imagery require to protect the privacy with preserving the quality of the original contents. Therefore, reversible watermarking is a solution for this purpose. Previous researches have focused on general imagery and achieved high capacity and high quality. However, they raise a distortion over entire image and hence are not applicable to medical imagery which require to preserve the quality of the objects. In this paper, we propose a novel reversible watermarking for medical imagery, which preserve the quality of the objects and achieves high capacity. First, object and background region is segmented and then predicted error histogram based reversible watermarking is applied for each region. For the efficient watermark embedding with small distortion in the object region, the embedding level at object region is set as low while the embedding level at background region is set as high. In experiments, the proposed algorithm is compared with the previous predicted error histogram-based algorithm in aspects of embedding capacity and perceptual quality. Results support that the proposed algorithm performs well over the previous algorithm.

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.

새로운 속도함수를 갖는 레벨 셋 방법을 이용한 의료영상분할

김선월,조완현,Kim, Sun-Worl,Cho, Wan-Hyun 한국통계학회 2011 응용통계연구 Vol.24 No.2

본 논문에서는 레벨 셋 방법을 이용하여 영상분할을 수행하는데 필요한 새로운 하이브리드 속도함수를 제안한다. 새롭게 제안하는 속도함수는 정확한 분할 결과를 위하여 영상의 객체가 가지고 있는 영역정보와 윤곽선정보를 함께 이용한다. 영역정보는 관심이 있는 물체영상내의 픽셀들의 밝기에 대한 확률분포의 정보를 이용하였고, 윤곽선정보는 영상의 에지의 기울기로부터 주어지는 기울기 벡터장을 이용하였다. 제안된 방법을 이용한 분할결과의 정확성을 확인하기 위하여 가상영상과 실제 사용되는 의료영상에 대하여 다양한 실험을 실시하고, 분할된 결과를 통하여 제안된 방법의 우수성을 입증하였다. In this paper, we propose a new hybrid speed function for image segmentation using level set. A new proposed speed function uses the region and boundary information of image object for the exact result of segmentation. The region information is defined by the probability information of pixel intensity in a ROI(region-of-interest), and the boundary information is defined by the gradient vector flow obtained from the gradient of image. We show the results of experiment for an various artificial image and real medical image to verify the accuracy of segmentation using proposed method.

평가함수에 의해 혼합된 다수의 분할 방법을 적용한 Visible Human컬러 영상의 분할

김한영,김동성,강흥식 한국정보과학회 2003 정보과학회논문지 : 소프트웨어 및 응용 Vol.30 No.3

본 논문에서는 두 가지 이상의 분할 방법을 혼합하여 분할했을 때, 분할 결과의 정확성이 전체적으로 개선되어지면서 동시에 영역 경계의 각 부분에서도 단일 분할 방법의 결과보다 향상될 수 있는 혼합형 분할 방법을 제안한다. 이 방법은 다수의 분할 방법을 순차적으로 적용하는데, 한 분할 방법에 의한 결과를 현재 방법과 다음 적용할 방법의 특성을 고려한 평가함수로 분석하여 신뢰도가 높은 부분은 유지하고, 낮은 부분들을 다음 방법들에서 개선한다. 제안된 방법을 Visible human 컬러 영상의 근육을 분할하는데 적용하였고, Balloon 방법, 최소비용경로탐색 방법, 그리고 영역 성장법이 혼합되어 사용되었다. 실험에서 얻어진 최종 분할 결과는 전체적으로 정확성이 개선되었을 뿐만 아니라, 국부적으로도 단일 분할 방법의 결과보다 향상되었음을 확인하였다. This paper proposes an approach integrating multiple segmentation methods in a systematic way, which can improve overall accuracy without deteriorating accuracy of highly confident segments of boundaries generated by constituent methods. A segmentation method produces boundary segments, which are then evaluated with an evaluation function considering pros/cons of the current and next methods to apply. Boundary segments with low confidence are replaced by a next method while the other segments are kept. These steps are repeated until all segmentation methods are applied. The proposed approach is implemented for the segmentation of muscles in the Visible Human color images. A Balloon method, a minimum cost path finding method, and a Seeded Region Growing method are integrated. The final segmentation results showed improvements in both overall evaluation and segment-based evaluation.

X-ray 영상에서 VHS와 콥 각도 자동 추출을 위한 흉추 분할 기법

이예은 ( Ye-eun Lee ),한승화 ( Seung-hwa Han ),이동규 ( Dong-gyu Lee ),김호준 ( Ho-joon Kim ) 한국정보처리학회 2023 정보처리학회논문지. 소프트웨어 및 데이터 공학 Vol.12 No.1

본 논문에서는 X-ray 영상에서 의료 진단지표를 자동으로 추출하기 위한 조직분할 기법을 제안한다. 척추질환이나 심장질환에 대한 진단지표로서, 흉추-심장 비율이나 콥 각도 등의 지표를 산출하기 위해서는 흉부 X-ray 영상으로부터 흉추, 용골 및 심장의 영역을 정확하게 분할하는 과정이 필요하다. 본 연구에서는 이를 위하여 계층별로 영상의 고해상도의 표현과 저해상도의 특징지도로 변환되는 구조가 병렬적으로 연결되는 형태의 심층신경망 모델을 채택하였다. 이러한 구조는 영상에서 세부 조직의 상대적인 위치정보가 분할 과정에 효과적으로 반영될 수 있게 한다. 또한 픽셀 정보와 객체 정보가 다단계의 과정으로 상호 작용되는 OCR 모듈과, 네트워크의 각 채널이 서로 다른 가중치 값으로 반영되도록 하는 채널 어텐션 모듈을 결합하여 학습 성능을 개선할 수 있음을 보인다. 부수적으로 X-ray 영상에서 피사체의 위치 변화, 형태의 변형 및 크기 변이 등에도 강인한 성능을 제공하기 위하여 학습데이터를 증강하는 방법을 제시하였다. 총 145개의 인체 흉부 X-ray 영상과, 총 118개의 동물 X-ray 영상을 사용한 실험을 통하여 제안된 이론의 타당성을 평가하였다. In this paper, we propose an organ segmentation technique for the automatic extraction of medical diagnostic indicators from X-ray images. In order to calculate diagnostic indicators of heart disease and spinal disease such as VHS(vertebral heart scale) and Cobb angle, it is necessary to accurately segment the thoracic spine, carina, and heart in a chest X-ray image. A deep neural network model in which the high-resolution representation of the image for each layer and the structure converted into a low-resolution feature map are connected in parallel was adopted. This structure enables the relative position information in the image to be effectively reflected in the segmentation process. It is shown that learning performance can be improved by combining the OCR module, in which pixel information and object information are mutually interacted in a multi-step process, and the channel attention module, which allows each channel of the network to be reflected as different weight values. In addition, a method of augmenting learning data is presented in order to provide robust performance against changes in the position, shape, and size of the subject in the X-ray image. The effectiveness of the proposed theory was evaluated through an experiment using 145 human chest X-ray images and 118 animal X-ray images.

선군집분할방법에 의한 특징 추출

황재호,Hwang Jae-Ho 한국정보처리학회 2006 정보처리학회논문지B Vol.13 No.4

In this paper, we propose a new class of segmentation technique for feature extraction based on the statistical and regional classification at each vertical or horizontal line of digital image data. Data is processed and clustered at each line, different from the point or space process. They are designed to segment gray-scale sectional images using a horizontal and vertical line process due to their statistical and property differences, and to extract the feature. The techniques presented here show efficient results in case of the gray level overlap and not having threshold image. Such images are also not easy to be segmented by the global or local threshold methods. Line pixels inform us the sectionable data, and can be set according to cluster quality due to the differences of histogram and statistical data. The total segmentation on line clusters can be obtained by adaptive extension onto the horizontal axis. Each processed region has its own pixel value, resulting in feature extraction. The advantage and effectiveness of the line-cluster approach are both shown theoretically and demonstrated through the region-segmental carotid artery medical image processing. 영상신호의 수직축 및 수평축 화소 성분 분석을 통해서, 영상 내부에 존재하는 각 영역의 군집적 특성을 통계 및 영역적으로 처리 분류함으로써 필요한 특징을 추출할 수 있는 새로운 형태의 영역분할처리 알고리즘을 제시한다. 종래의 점처리나 면처리 방식에 비해 이 방식은 수평축과 수직축 상에서의 연속적인 선처리 방식이라고 할 수 있다. 영상을 구성하는 영역간 경계가 암시적으로 구분되어 있으나, 명시적으로는 불투명하고, 영상 특성의 분기점 또한 불명확하고 중복되어 있음으로 인하여 문턱치처리나 분기점처리로 그 영역간 특정을 분할, 추출하기가 곤란한 경우에 이 방식은 우수한 효과가 있다. 수평축 및 수직축 선처리를 통해 각 영역들의 특성들을 군집으로 처리한 다음 처리한 축과 수직 방향으로 축차적 적응진행처리한다. 그 결과 영상 내 각 영역은 화소값의 중복에도 불구하고 하나의 군집으로 자리매김하면서 군집 고유의 화소 값을 갖는다. 그리고 처리후 영상은 각 군집에 부여한 새로운 화소값으로 변환함으로 필요한 특정이 추출된다. 이 방식은 특히 영역 분할을 통해 시각적 효과를 극대화시킬 필요가 있는 경동맥 초음파 의료영상에서 우수한 결과를 보였다.

비모수적 베이지안 추론방법에 기반을 둔 2차원 무한 은닉 마코프 메쉬 모형을 이용한 영상분할

김선월(Sun-Worl Kim),조완현(Wan-Hyun Cho) 한국정보과학회 2012 정보과학회논문지 : 소프트웨어 및 응용 Vol.39 No.11

본 논문에서는 영상분할을 실시할 때 사전의 정보 없이 상태의 수를 자동으로 결정하는 새로운 2차원 무한 은닉 마코프 메쉬모형을 제안한다. 영상을 확률모형으로 표현할 때 사용되는 2차원 은닉 마코프 메쉬모형은 이웃시스템을 이용하여 이전의 시점을 정의하고 인과관계를 통하여 전이확률을 계산한다. 그리고 영상의 최적분할을 위한 각 화소의 상태행렬을 비모수적 베이지안 추론방법으로 추정한다. 이때 유동적인 무한상태의 수를 갖는 상태행렬에 대한 사전분포는 계층적 디리쉴레 확률과정을 가정하고, 관측 값에 대한 확률분포는 유한혼합분포를 가정하여 블록화 깁스샘플링 방법을 통하여 최적의 상태 수와 가정된 모형의 모수를 자율적으로 결정한다. 최종적으로 각 화소의 상태행렬에 대한 사후확률을 계산하고 이중 최댓값을 갖는 상태로 해당 화소를 할당하여 영상분할을 수행한다. 그리고 다양한 의료영상에 대하여 제안된 방법과 기존방법의 비교실험을 통하여 제안된 방법의 우수성을 입증할 수 있는 실험한 결과를 제시하였다. In this study, we propose the new method to automatically select the number of states without a prior information for image segmentation. The Markov mesh model used to express images as probabilistic model in 2D image defines the time before using a neighbor system, and can calculate the transition probability by the causality. Then the state matrix of 2-dimensional infinite hidden Markov mesh model for the optimal segmentation is estimated by the nonparametric Bayesian Inference. The number of states gets a infinite number instead of finite number by applying a hierarchical Dirichlet process for prior distribution of state matrix, and the optimal number is automatically selected by the blocked Gibbs sampling method. Finally, the image segmentation is performed by assignment the pixels to state having the maximum a posterior probability, and we show that our method get better results in comparison experiments with existing method.

TECD : 용종 분할을 위한 트랜스포머와 합성곱 신경망 결합 구조

최찬영,이상웅 한국차세대컴퓨팅학회 2023 한국차세대컴퓨팅학회 학술대회 Vol.2023 No.06

인공지능의 기술의 발달로 인해 의료 분야에도 진단, 예방, 시각화 등 다양한 분야 인공지능이 활용되고 있다. 그러나 환자의 개인 정보 보호를 위해 공개된 데이터가 제한적이어서 인공지능 학습에 어려움이 있다. 본 연구에서는 소수의 데이터로도 안정적으로 학습할 수 있는 TECD (Transformer Encoder Convolutional neural network Decoder)를 제안한다. TECD는 SegFormer의 인코더와 Attention U-net의 디코더를 결합하여 사용한다. 이는 트랜스포머와 합성곱 신경망의 단점을 보완할 수 있도록 설계되었다. 트랜스포머는 이미지의 특징을 풍부하게 잘 추출할 수 있으나 많은 학습 데이터가 필요하며, 합성곱 신경망은 상대적으로 적은 데이터로도 학습할 수 있으나 이미지의 특징 추출에 한계가 있다. TECD는 이러한 두 구조의 장점만 효과적으로 결합했다. 본 연구에서는 용종 분할 데이터인 Kvasir-SEG 데이터셋을 사용하여 실험을 진행하였다. 실험 결과, TECD는 소수의 데이터를 가지고 학습할 때, 트랜스포머 기반의 SegFormer와 합성곱 신경망 기반의 Attention-U-net보다 더 우수한 성능을 보였다. 대장내시경 영상 내의 용종 분할 작업 외에 다양한 의료 영상 분야에 TECD가 적용될 수 있을 것이라 기대한다. 더불어 의료 분야와 같이 소수의 데이터만 공개되는 분야에서도 트랜스포머 기반의 모델을 활용할 수 있는 가능성을 제시한다.

피부 병변 분할을 위한 어텐션 기반 딥러닝 프레임워크

Afnan Ghafoor,이범식 (사)한국스마트미디어학회 2024 스마트미디어저널 Vol.13 No.3

본 논문은 기존 방법보다 우수한 성능을 달성하는 피부 병변 분할을 위한 새로운 M자 모양 인코더-디코더 아키텍처를 제안한다. 제안된 아키텍처는 왼쪽과 오른쪽 다리를 활용하여 다중 스케일 특징 추출을 가능하게 하고, 스킵 연결 내에서 어텐션 메커니즘을 통합하여 피부 병변 분할 성능을 더욱 향상시킨다. 입력 영상은 네 가지 다른 패치로 분할되어 입력되며 인코더-디코더 프레임워크 내에서 피부 병변 분할 성능의 향상된 처리를 가능하게 한다. 제안하는 방법에서 어텐션 메커니즘을 통해 입력 영상의 특징에 더 많은 초점을 맞추어 더욱 정교한 영상 분할 결과를 도출하는 것이다. 실험 결과는 제안된 방법의 효과를 강조하며, 기존 방법과 비교하여 우수한 정확도, 정밀도 및 Jaccard 지수를 보여준다.