3차원 시상 두뇌 자기공명영상 자동분할기법 = Automated Segmentation Algorithm for 3D Sagittal Brain Magnetic Resonance Images

국문 초록 (Abstract)

본 논문에서는 일련의 2차원 영상으로 구성되어 있는 3차원 시상 두뇌 자기공명영상에서 두뇌구조를 분할하는 기법을 연구하였다. 분할은 중앙시상 두뇌 자기 공명영상으로부터 시작한다. 우선 중앙시상 두뇌 자기공명영상에 문턱치 방법을 적용하여 이진영상을 얻는다. 대부분의 분할은 몇몇 기준자와 선행정보를 사용하여 두뇌구조의 인식이 용이한 이진영상에서 수행한다. 이러한 전처리후에도 여전히 남아있는 문제영역들은 연결기반 문턱치 분할기법을 이용하여 해결한다. 중앙시상 두뇌 자기공명영상의 분할이 성공적으로 이루어졌으면 그 결과를 이용하여 3차원 시상 두뇌 자기공명영상 분할을 시작한다. 즉, 성공적으로 분할된 중앙시상 두뇌 자기공명영상을 인접 영상에 마스크로 적용하여 인접 영상의 두뇌구조를 추출한다. 그러나 마스크 적용 시, 일부 영상에서 두뇌구조가 절단되는 경우가 발생할 수 있다. 이러한 절단영역을 복원하기 위해 마스크 영상과 마스킹 방법을 적용하여 얻은 영상의 경계를 비교하여 절단영역의 경계점을 검출한다. 검출한 경계점에 대해 원영상에서 연결기반 문턱치 분할기법을 사용하여 절단영역을 복원하면 성공적으로 두뇌구조를 추출할 수 있다. 분할된 영상은 다음 영상의 분할을 위한 마스크로 사용된다. 실험결과 제안된 분할기법은 3차원 시상 두뇌 구조의 위치에 따른 모양 및 크기 변화에 강인한 특성을 나타내었으며, 제안된 기법을 적용하여 만족할 만한 결과를 얻을 수 있었다.

다국어 초록 (Multilingual Abstract)

In this thesis, an automated segmentation algorithm for three-dimensional sagittal brain MR images is proposed. First, we segment the midsagittal brain MR images. In order to segment the midsagittal brain MR images, we apply thresholding to obtain binary images. Most segmentation is performed on the binary image using some landmark and anatomical information. To separate regions what are incorrectly merged after this initial segmentation, we use a connectivity-based threshold segmentation algorithm. After this midsagittal brain MR image segmentation, then we segment remaining slices in lateral direction using the successfully segmented midsagittal brain MR images as a mask to neighbor slices. However, there can be truncated region in the masked image by masking operation. In order to restore the truncated region, we find the end points of the truncated region by comparing the boundaries of the mask image and masked image. Finally, in original image, we can restore the truncated region using the connectivity-based threshold segmentation algorithm with the end points. The segmented image is used as a mask to segment next slice. Although the proposed algorithm produces satisfactory results, some of the results still include non-brain tissues. In order to solve this problem, post processing may be required. However, considering a large variation of the shape and size of the brain structure, it seems that the proposed algorithm works relatively well.

목차 (Table of Contents)

• 차례 = i
• 그림 차례 = iii
• 국문 요약 = v
• 제1장 서론 = 1
• 제2장 영상분할 = 4
• 2.1. 영상분할 = 4
• 2.2. 문턱치 방법에 의한 영상분할기법 = 6
• 2.3. 경계선 검출에 의한 영상분할기법 = 8
• 2.3.1. 경계검출방법 = 8
• 2.3.2. 경계를 이용한 영상분할 = 8
• 2.3.3. 경계검출을 이용한 영상분할기법의 한계점 = 9
• 2.4. 영역추출에 의한 영상분할기법 = 10
• 2.4.1. 영역 성장법(Region Growing) = 11
• 2.4.2. 분할법(Region Split) = 11
• 2.4.3. 분할 통합법(Split and Merge) = 12
• 제3장 중앙 시상두뇌자기공명영상 분할 = 13
• 3.1. 기준자와 전처리 = 13
• 3.2. 연결기반 문턱치 분할기법 = 17
• 3.2.1. 두뇌 분할의 문제점 = 17
• 3.2.2. 연결기반 문턱치 분할기법 = 18
• 3.2.2.1. 경계의 끝점을 알고 있는 경우 두 영역 분할과정 = 20
• 3.2.2.2. 각 영역의 한 점을 알고 있는 경우 두 영역 분할과정 = 21
• 3.2.2.3. 경로방향성과 길이에 대한 제한설정 = 23
• 3.3. 문제영역 해결 = 24
• 제4장 3차원 시상 두뇌 자기공명영상 분할 = 27
• 4.1. 마스킹 방법을 통한 두뇌 추출 = 27
• 4.2. 경로재설정을 통한 절단영역복원 = 32
• 제5장 실험 및 결과 = 37
• 5.1. 중앙시상 두뇌 자기공명영상 분할결과 = 37
• 5.2. 3차원 시상 두뇌 자기공명영상 분할결과 = 45
• 제6장 결론 = 52
• 참고문헌 = 54
• 영문요약 = 58