의료영상에서 볼륨 데이터를 이용한 분할개선 기법

국문 초록 (Abstract)

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.

다국어 초록 (Multilingual Abstract)

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.

목차 (Table of Contents)

• 요약
• Abstract
• Ⅰ. 서론
• Ⅱ. 제안하는 분할개선 방법
• Ⅲ. 실험 결과
• Ⅳ. 결론
• REFERENCES

참고문헌 (Reference)

1 이효종, "퍼지기반의 두뇌영상 영역분할 알고리듬" 대한전자공학회 46 (46): 102-107, 2009

2 곽윤식, "적합한 마커 추출과 워트세드를 이용한 세포 영상 분할" 한국정보기술학회 6 (6): 68-74, 2008

3 임성재, "의료영상 분할을 위한 3차원 능동 모양 모델" 대한전자공학회 44 (44): 55-61, 2007

4 채승훈, "다해상도 기반 Level-set을 이용한 의료영상 분할" 2012

5 "VESsel Segmentation the Lung 2012(VESSEL12)"

6 M. C. J. Christ, "Segmentation of medical image using K-means clustering and marker controlled watershed algorithm" 71 (71): 190-194, 2012

7 A. J. Liptio, "Moving target classification and tracking from real-time video" 8-14, 1998

8 F. Ritter, "Medical image analysis" 2 (2): 60-70, 2011

9 L. Costaridou, "Medical Image Analysis Methods" Taylor&Francis 2005

10 L. Dice, "Measures of the amount of ecologic association between species" 26 (26): 297-302, 1945

11 J. M. Goo, "Is the computer-aided detection scheme for lung nodule also useful in detecting lung cancer?" 32 (32): 570-575, 2008

12 C. Li, "Distance regularized level set evolution and its application to image segmentation" 19 (19): 3224-3254, 2010

13 S. Chen, "Advanced level set segmentation of the right atrium in MR" 7964 : 2011

14 H. Badakhshannory, "A model-based validation scheme for organ segmentation in CT scan volumes" 58 (58): 2681-2693, 2011

15 P. Kaur, "A Robust kernelized intuitionistic fuzzy C-means clustering algorithm in segmentation of noisy medical images" 34 (34): 163-175, 2013