• 한국멀티미디어학회논문지
• /
• 제16권6호
• /
• pp.700-707
• /
• 2013

본 논문에서는 시간차 흉부 CT 영상의 폐 실질 비강체 정합을 위하여 영역 이진화 모델링과 지역적 변형 모델을 이용한 정합 기법을 제안한다. 제안 기법은 먼저 폐 혈관과 실질을 분할하고, 영역 이진화 모델링을 수행하여 두 영상 사이의 밝기값의 차이에 따른 정합 오차를 최소화 한다. 다음으로 초기 정합 기법으로 두 폐 표면을 전역적으로 정렬하고, 지역적 변형 변환 모델을 제안하여 비강체 정합을 수행한다. 또한, 정합 후 감산된 시간에 따른 밝기값 차이가 미리 정의된 칼라 맵을 이용하여 가시화 된다. 실험 결과는 제안기법이 10명의 환자에 대하여 최대호흡과 최소호흡 CT 영상에서 폐 실질을 정확하게 정합하였음을 보여주었다. 제안된 비강체 정합 기법은 폐 실질에 대한 정량적 분석 결과의 직관적인 칼라 매핑을 통하여 다양한 폐 질환의 정량적 분석에 유용하게 사용될 수 있다.

• 한국차세대컴퓨팅학회논문지
• /
• 제15권5호
• /
• pp.64-74
• /
• 2019

비강체 정합은 임상적 필요성은 높으나 계산 복잡도가 높고, 정합의 정확성 및 강건성을 확보하기 어려운 분야이다. 본 논문은 비지도 학습 환경에서 3차원 뇌 자기공명 영상 데이터에 딥러닝 네트워크를 이용한 비강체 정합 기법을 제안한다. 서로 다른 환자의 두 영상을 입력받아 네트워크를 통하여 두 영상 간의 특징 벡터를 생성하고, 변위 벡터장을 만들어 기준 영상에 맞추어 다른 쪽 영상을 변형시킨다. 네트워크는 U-Net 형태를 기반으로 설계하여 정합 시 두 영상의 전역적, 지역적인 차이를 모두 고려한 특징 벡터를 만들 수 있고, 손실함수에 균일화 항을 추가하여 3차원 선형보간법 적용 후에 실제 뇌의 움직임과 유사한 변형 결과를 얻을 수 있다. 본 방법은 비지도 학습을 통해 임의의 두 영상만을 입력으로 받아 단일 패스 변형으로 비강체 정합을 수행한다. 이는 반복적인 최적화 과정을 거치는 비학습 기반의 정합 방법들보다 빠르게 수행할 수 있다. 실험은 50명의 뇌를 촬영한 3차원 자기공명 영상을 가지고 수행하였고, 정합 전·후의 Dice Similarity Coefficient 측정 결과 평균 0.690으로 정합 전과 비교하여 약 16% 정도의 유사도 향상을 확인하였다. 또한, 비학습 기반 방법과 비교하여 유사한 성능을 보여주면서 약 10,000배 정도의 속도 향상을 보여주었다. 제안 기법은 다양한 종류의 의료 영상 데이터의 비강체 정합에 활용이 가능하다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제37권1호
• /
• pp.9-18
• /
• 2010

본 논문에서는 호기와 흡기에 촬영된 흉부 CT 영상간 폐 영상정합을 위해 데몬 알고리즘을 이용한 비강체 정합 방법을 제안한다. 먼저 두 영상에 어파인 변환을 적용하여 폐를 전역적으로 정렬한 후, 데몬 알고리즘에 기반한 비강체 정합 방법을 적용하여 지역적으로 변형시킨다. 데몬 힘의 계산을 위해 기준영상의 기울기 정보 뿐 아니라 부유영상의 기울기 정보를 함께 사용하여 기준영상의 기울기가 약한 부분에서 빠른 수렴을 돕는다. 활성-셀 기반 데몬 알고리즘은 두 영상 간 정합도가 높은 셀에서의 불필요한 변위 계산을 방지함으로써 정합 과정을 가속화시키고 변형 접힘 현상의 확률을 줄여주는 역할을 한다. 제안방법의 성능을 평가하기 위해 기준 기울기 힘을 사용한 방법과 부유 기울기 힘을 함께 사용한 방법을 비교하고, 활성-셀을 사용한 방법과 사용하지 않은 방법을 비교하였다. 실험 결과는 제안 방법이 변형이 큰 폐를 정확하게 정합하며 수행시간을 감소시킴을 보여준다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제15권9호
• /
• pp.700-704
• /
• 2009

본 논문은 영상보정 및 다단계 정합을 통한 전립선의 MR 영상과 병리 영상 간의 융합방법을 제안한다. 제안 방법은 영상보정, 강체 정합, 비강체 정합, 영상융합의 네 단계로 이루어진다. 첫째, 영상보정 단계에서 T2 MR 강조 영상의 출혈 부위의 자기값을 T1 MR 강조 영상의 자기값으로 대체시키고, 2, 4장으로 분리된 병리 영상을 한장의 영상으로 만든 후 MR 영상과 동일한 해상도로 줄인다. 둘째, 전립선의 T2 MR 강조 영상과 병리 영상 간에 자기간의 상호정보를 최적화하는 강체변환을 구한다. 셋째, TPS 와핑을 이용하여 병리 영상의 전립선 부위가 T2 MR 강조 영상의 전립선 부위에 정합되는 비강체변환을 구한다. 넷째, MR 영상과 변환을 적용시킨 병리 영상을 융합한다. 실험 결과 영상보정 및 다단계 정합 후의 전립선의 T2 MR 강조 영상과 병리 영상의 간의 평균 거리 오차는 0.8815 mm였고, 두 영상의 융합을 통해 T2 MR 강조 영상에서 전립선 암의 위치를 정확하게 볼 수 있었다.

• 한국멀티미디어학회논문지
• /
• 제14권3호
• /
• pp.348-355
• /
• 2011

본 논문에서는 동적 자기 공명 영상에서 자동 전립선 분할 기법을 제안한다. 제안 기법은 평균 밝기값 분석을 통하여 동적 MR 영상들 중에서 전립선 영역이 조영증강이 잘 된 영상을 찾는다. 다음으로 조영전 MR 영상과 조영증강된 MR 영상을 B-스플라인 비강체 정합 기법으로 매칭 후 감산하여 전립선 후보 영역을 검출한다. 마지막으로 외부 방향으로 확장 연산을 수행한 후 내부 방향으로 연속적인 형태 전파를 수행하여 전립선 경계를 검출한다. 10명의 환자 데이터에 대하여 제안 기법으로 분할한 결과와 수작업으로 분할한 결과를 비교하여 정확성을 검증하였다. 평균 볼륨 오버랩 오차는 6.8%였고, 평균 절대값 볼륨 측정 오차는 2.5%였다. 제안 기법은 정확한 전립선 분할을 필요로 하는 컴퓨터 보조 전립선 진단 기법에 사용될 수 있다.

• 대한의용생체공학회:의공학회지
• /
• 제32권3호
• /
• pp.237-244
• /
• 2011

In this paper, a feature-based registration technique is proposed for pre-contrast and post-contrast lung CT images. It utilizes three dimensional(3-D) features with their descriptors and estimates feature correspondences by nearest neighborhood matching in the feature space. We design a transformation model between the input image pairs using a free form deformation(FFD) which is based on B-splines. Registration is achieved by minimizing an energy function incorporating the smoothness of FFD and the correspondence information through a non-linear gradient conjugate method. To deal with outliers in feature matching, our energy model integrates a robust estimator which discards outliers effectively by iteratively reducing a radius of confidence in the minimization process. Performance evaluation was carried out in terms of accuracy and efficiency using seven pairs of lung CT images of clinical practice. For a quantitative assessment, a radiologist specialized in thorax manually placed landmarks on each CT image pair. In comparative evaluation to a conventional feature-based registration method, our algorithm showed improved performances in both accuracy and efficiency.