본 논문에서는 인체의 머리 부분을 촬영한 자기 공명 촬영 영상(MRI: Magnetic Resonance Imaging)에서 뇌 영역의 대뇌 피질 만을 분할하는 방법에 대해 제시하고자 한다. 뇌의 해부학적 구조를 파악할 경우에 영상 내에 함께 보여지는 두개골과 뇌척수액 등을 제외한 대뇌피질 영역을 분할하면 보다 효과적인 정보 분석 및 진단이 가능하게 된다. 본 논문에서는 3단계 알고리즘을 제시한다. 첫번째 단계에서는 Speckle reducing anisotropic diffusion (SRAD)를 이용하여 영상 내에 존재하는 잡음을 제거하기 위한 필터링이다. 두번째 단계에서는 필터링된 결과를 이용하여 추출된 임계값과 사용자의 인터렉션인 씨드 포인트를 통해 영상분할을 수행하고, 세 번째 단계에서는 후 처리를 통해 분할 결과를 보완한다. 영상분할 결과의 정확성을 측정하기 위하여 현재 병원의 의료진들이 사용하고 있는 Mayo clinic사의 Analyze를 이용하여 분할된 결과와의 오류를 측정하였다. 또한 최종 결과에 대해 ultravis를 이용한 볼륨 렌더링으로 영상분할의 최종 결과를 제시하였다.

웹은 플랫폼에 의존하지 않고 모든 사람들이 공통으로 이용할 수 있는 인터페이스를 제공하기 때문에 웹브라우저상에 3차원 의료 데이터를 가시화하여 표현한다면 원격 진단, 의료 교육 등에 이용될 수 있다. 이 논문은 3차원 의료정보를 3차원 의료 볼륨 데이터, 3차원 의료 영상, 볼륨 렌더링 응용의 3 종류로 구분하여 이들을 XML로 표현하는 방법 및 텍스처 맵핑 기반의 디렉트볼륨렌더링(Direct Volume Rendering)을 SVG(Scalable Vector Graphics)으로 표현하여 SVG 뷰어 상에 표시하는 방법을 제안한다. 제안 방법의 실행 결과는 웹 브라우저 상에서 의료데이터의 분석이 가능하게 하고, 또한 볼륨렌더링 응용프로그램을 SVG로 표현, 결과 이미지를 SVG 뷰어로의 표시가 가능하다는 것을 보여준다.

This paper presents a physically based technique for simulating complex multiphase fluids. This work is motivated by the "stable fluids" method developed by Stam to handle gaseous fluids. We extend this technique to water, which calls for the development of methods for modeling multiphase fluids and suppressing dissipation. We construct a multiphase fluid formulation by combining the Navier-Stokes equations with the level set method. By adopting constrained interpolation profile (CIP)-based advection, we reduce the numerical dissipation and diffusion significantly. We further reduce the dissipation by converting potential1y dissipative cel1s into droplets or bubbles that undergo Lagrangian motion. Due to the multiphase formulation, the proposed method properly simulates the interaction of water with surrounding air, instead of simulating water in a void space. Moreover, the introduction of the non-dissipative technique means that, in contrast to previous methods, the simulated water does not unnecessarily lose mass and its motion is not damped to an unphysical extent. Experiments showed that the proposed method is stable and runs fast. It is demonstrated that two-dimensional simulation runs in real-time.

본 논문은 거대한 메쉬를 효율적으로 처리하기 위해 이를 조각화하는 새로운 방법을 제시한다. 메쉬의 특징을 반영하여 데이타를 분할하기 위해서 로이드 양자화 방법을 적용하였으며, 거대한 메쉬 데이터를 다루기 위해 외부 메모리를 이용한 부분적인 차트화 갱신 방법을 제시한다. 차트화 갱신 과정에서 효율적으로 매쉬 데이터를 다루기 위해서 임의접근 가능 메쉬 압축구조를 활용한다.이러한 방법을 통해서 수행된 외부 메모리를 이용한 차트화 결과가 지금까지 개발된 메쉬 차트화 결과와 크게 다르지 않음을 보여준다. 이와 같은 메쉬 차트화 시스템을 통해 거대한 메쉬에 기존의 파라미터화, 몰핑, 매칭, 재매쉬화 등의 매쉬 처리기법을 적용할 수 있다.

본 논문에서는 뇌의 하부구조인 해마를 정확하게 분석하기 위한 형상 정규화 방법과 정상인과 간질 환자의 해마를 분류하기 위한 방법을 제시한다. 해마에 대한 형상 분석 과정은 크게 형상 표현을 구축하는 과정, 형상의 유사도를 측정하는 과정, 정상인 집단과 환자 집단을 분류하는 과정으로 이루어진다. 본 연구에서는 해마의 형상 표현으로 메쉬, 골격, 복셀로 이루어진 하이브리드 옥트리 자료구조를 구축하였다. 또한 Iterative Closest Point (ICP) 알고리즘을 사용하여 해마 골격을 기반으로 한 정규화를 수행하였다. 그리고 정규화된 해마 형상을 전역적, 국부적으로 분석하여 최종적으로 입력된 해마가 정상인 또는 간질 환자에 속하는지를 학습된 데이터를 이용하여 분류하였다. 본 논문에서 제시한 ICP 기반의 정규화 방법은 3차원 해마 형상을 정확하게 분석하게 해주고, 골격의 정점 수를 조절함으로써 정규화 시간을 감소시킬 수 있다. 뿐만 아니라 3차원 해마 모델의 형상을 신경망을 통하여 학습시킴으로써 해마의 형상이 변형된 환자 집단과 정상인 집단을 분류하는데 이용할 수 있다.