• 디지털콘텐츠학회 논문지
• /
• 제5권1호
• /
• pp.48-53
• /
• 2004

블록 기반 DCT 코딩 이미지는 NxN 블록 단위로 코딩을 하기 때문에 블록화 현상이 발생하게 된다. 특히 저비트율 이미지에서는 이러한 현상이 더욱 두드러지게 나타난다. 본 논문에서는 이러한 이미지에서 인근 픽셀 정보를 이용하여 블록화 현상을 줄이는 방법을 제안한다. 제안된 기법은 이미지 재구성 기법과 결합하는 경우에도 화질을 개선하는데 사용될 수 있다. 제안된 기법의 성능은 실험을 통해 보인다.

• 대한전기학회논문지:시스템및제어부문D
• /
• 제53권8호
• /
• pp.611-614
• /
• 2004

In this paper, we propose an adaptive blocking artifact reduction algorithm using characteristics of the block boundaries. Blocking artifacts contain the high frequency components near the block boundaries, so the lowpass filtering can remove them. But a simple lowpass filtering results into blurring by remove important features such as edges. To overcome this problem, we determine the modes depending on the characteristics around boundaries then proper filter is applied to each area. Simulation results show that the proposed method improves deblocking performance compared to that of MPEG-4.

• 한국멀티미디어학회논문지
• /
• 제25권1호
• /
• pp.29-38
• /
• 2022

Although image compression is one of the essential technologies to transmit image data on a variety of surveillance and mobile healthcare applications, it causes unnecessary compression artifacts such as blocking and ringing artifacts by the lossy compression in the limited network bandwidth. Recently, image restoration methods using convolutional neural network (CNN) show the significant improvement of image quality from the compressed images. In this paper, we propose Image Denoising Convolutional Neural Networks (IDCNN) to reduce the compression artifacts for the purpose of improving the performance of object classification. In order to evaluate the classification accuracy, we used the ImageNet test dataset consisting of 50,000 natural images and measured the classification performance in terms of Top-1 and Top-5 accuracy. Experimental results show that the proposed IDCNN can improve Top-1 and Top-5 accuracy as high as 2.46% and 2.42%, respectively.

• Investigative Magnetic Resonance Imaging
• /
• 제26권1호
• /
• pp.1-9
• /
• 2022

Artificial intelligence (AI) powered by deep learning (DL) has shown remarkable progress in image recognition tasks. Over the past decade, AI has proven its feasibility for applications in medical imaging. Various aspects of clinical practice in neuroimaging can be improved with the help of AI. For example, AI can aid in detecting brain metastases, predicting treatment response of brain tumors, generating a parametric map of dynamic contrast-enhanced MRI, and enhancing radiomics research by extracting salient features from input images. In addition, image quality can be improved via AI-based image reconstruction or motion artifact reduction. In this review, we summarize recent clinical applications of DL in various aspects of neuroimaging.

• Imaging Science in Dentistry
• /
• 제50권1호
• /
• pp.1-7
• /
• 2020

Purpose: This study was performed to evaluate the magnitude of artifacts produced by gutta-percha and metal posts on cone-beam computed tomography (CBCT) scans obtained with different tube currents and with or without metal artifact reduction (MAR). Materials and Methods: A tooth was inserted in a dry human mandible socket, and CBCT scans were acquired after root canal instrumentation, root canal filling, and metal post placement with various tube currents with and without MAR activation. The artifact magnitude was assessed by the standard deviation (SD) of gray values and the contrast-to-noise ratio (CNR) at the various distances from the tooth. Data were compared using multi-way analysis of variance. Results: At all distances, a current of 4 mA was associated with a higher SD and a lower CNR than 8 mA or 10 mA (P<0.05). For the metal posts without MAR, the artifact magnitude as assessed by SD was greatest at 1.5 cm or less (P<0.05). When MAR was applied, SD values for distances 1.5 cm or closer to the tooth were reduced (P<0.05). MAR usage did not influence the magnitude of artifacts in the control and gutta-percha groups(P>0.05). Conclusion: Increasing the tube current from 4 mA to 8 mA may reduce the magnitude of artifacts from metal posts. The magnitude of artifacts arising from metal posts was significantly higher at distances of 1.5 cm or less than at greater distances. MAR usage improved image quality near the metal post, but had no significant influence farther than 1.5 cm from the tooth.

• Investigative Magnetic Resonance Imaging
• /
• 제20권1호
• /
• pp.44-52
• /
• 2016

Purpose: To quantitatively and qualitatively compare fat-suppressed MRI quality using iterative decomposition of water and fat with echo asymmetry and least-squares estimation (IDEAL) with that using frequency selective fat-suppression (FSFS) T2- and postcontrast T1-weighted fast spin-echo images of the head and neck at 3T. Materials and Methods: The study was approved by our Institutional Review Board. Prospective MR image analysis was performed in 36 individuals at a single-center. Axial fat suppressed T2- and postcontrast T1-weighted images with IDEAL and FSFS were compared. Visual assessment was performed by two independent readers with respect to; 1) metallic artifacts around oral cavity, 2) susceptibility artifacts around upper airway, paranasal sinus, and head-neck junction, 3) homogeneity of fat suppression, 4) image sharpness, 5) tissue contrast of pathologies and lymph nodes. The signal-to-noise ratios (SNR) for each image sequence were assessed. Results: Both IDEAL fat suppressed T2- and T1-weighted images significantly reduced artifacts around airway, paranasal sinus, and head-neck junction, and significantly improved homogeneous fat suppression in compared to those using FSFS (P < 0.05 for all). IDEAL significantly decreased artifacts around oral cavity on T2-weighted images (P < 0.05, respectively) and improved sharpness, lesion-to-tissue, and lymph node-to-tissue contrast on T1-weighted images (P < 0.05 for all). The mean SNRs were significantly improved on both T1- and T2-weighted IDEAL images (P < 0.05 for all). Conclusion: IDEAL technique improves image quality in the head and neck by reducing artifacts with homogeneous fat suppression, while maintaining a high SNR.

• 한국방사선학회논문지
• /
• 제7권1호
• /
• pp.37-44
• /
• 2013

본 연구는 최근 자동노출제어장치에 의한 X선질 보정 및 다양한 수학적 보정 알고리즘 적용이 가능한 전산화단층촬영 장치를 이용하여 견부 강제 견인용 밴드의 사용 유 무에 따라 영상의 질과 환자의 편의성 및 안정성 측면에서 견부 강제 견인법에 대한 임상적 유용성을 제시하고자 하였다. 이를 위하여 경부 통증을 호소하는 환자 79명을 대상으로 견부 강제 견인용 밴드를 사용하기 전 후의 측면 투영 scout 영상과 횡단면 영상을 획득하여 횡단면 영상의 일정 크기의 관심영역 내의 화소 및 평균 HU 값을 비교하여 정량적 분석을 하였고 인공물과 해상도 및 분해능에 대한 임상 영상평가를 정성적으로 분석하였으며 환자가 느끼는 불편 정도를 자가 진단 설문 평가하였다. 결과적으로 측면 투영 scout 영상에서 견부 강제 견인용 밴드를 사용한 경우 묘출되는 경추의 수가 증가되었으나 횡단면 영상의 관심영역 내에서 견부 강제 견인용 밴드를 사용하기 전 후에 대한 화소 및 평균 HU 값의 변화는 거의 없는 것으로 판단되었으며 인공물과 해상도 및 대조도와 관련된 정성적 분석 결과에서 관찰자간 특이한 결과는 보이지 않았다. 따라서 견부 강제 견인용 밴드의 사용에 대한 자가 진단 설문 평가에서 환자의 82.27%는 불편함을 호소하였으며 정량적 및 정성적으로 영상의 질을 분석한 결과에서 사용에 따른 영상의학적 이점은 없는 것으로 판단되었다. 최근 다양한 수학적 보정 알고리즘에 의한 전처리 필터 과정의 적용과 더불어 절편 두께의 감소 및 자동노출제어장치 등에 의한 선질 보정 등이 가능한 전산화단층촬영 장치가 보급되면서 선속 경화에 의한 영상의 잡음은 문제가 되지 않을 것으로 판단되어 영상의 질에 영향을 주지 않으면서 환자에게 불편함을 주거나 추가적 위험성이 있는 견부 강제 견인용 밴드의 사용은 더 이상 임상적 유용성이 없는 것으로 판단되었다.

• 방송공학회논문지
• /
• 제15권4호
• /
• pp.513-526
• /
• 2010

본 논문에서는 고화질 비디오의 부호화 효율성 증대를 위한 저 복잡도의 디블록킹 필터를 제안한다. 최근 고해상도 고화질 영상의 사용 증대로 인해 고화질 비디오의 부호화에 적합한 비디오 코덱 알고리즘 연구가 최신 비디오 압축 표준인 H.264/AVC를 기반으로 이루어지고 있다. H.264/AVC의 디블록킹 필터는 낮은 비트율의 비디오 부호화에 적합하도록 설계되었으며, 양자화에 의해 발생하는 블록경계 왜곡을 제거하여 주관적 화질을 향상시킬 뿐만 아니라 부호화 효율을 높인다. 그러나 고화질 비디오의 부호화에서는 부호화 후 복원된 영상 내에 블록화 현상이 약하게 발생하기 때문에 강한 세기의 필터가 적용되는 H.264/AVC의 디블록킹 필터가 적합하지 않다. 또한, 디블록킹 필터는 높은 연산 복잡도 때문에 복호화기에서 높은 비중을 갖는 문제점이 있다. 제안하는 저 복잡도의 디블록킹 필터는 고화질 비디오의 부호화에서 기존의 방법보다 최대 7.3% 의 부호화 효율을 높임과 동시에 최대 8.8%의 복호화 연산 복잡도 감소를 보인다.

• 한국방사선학회논문지
• /
• 제16권3호
• /
• pp.295-302
• /
• 2022

희박뷰 전산화단층촬영(computed tomography; CT) 영상화 기술은 피폭 방사선량을 감소시킬 수 있을 뿐만 아니라 획득한 투영상의 균일성을 유지하고 잡음을 감소시킬 수 있는 장점이 있다. 하지만 재구성 영상 내 인공물 발생으로 인하여 화질 및 피사체 구조가 왜곡되는 단점이 있다. 본 연구에서는 희박뷰 CT 영상의 인공물 감소를 위해 wavelet 변환과 잔차 학습(residual learning)을 적용한 콘볼루션 신경망(convolutional neural network; CNN) 기반 영상화 모델을 개발하고, 개발한 모델을 통한 희박뷰 CT 영상의 인공물 감소 정도를 정량적으로 분석하였다. CNN은 wavelet 변환 층, 콘볼루션 층 및 역 wavelet 변환 층으로 구성하였으며, 희박뷰 CT 영상과 잔차 영상을 각각 입출력 영상으로 설정하여 영상화 모델 학습을 진행하였다. 영상화 모델 학습을 위해 평균제곱오차(mean squared error; MSE)를 손실함수로, Adam 함수를 최적화 함수로 사용하였다. 학습된 모델을 통해 입력 희박뷰 CT 영상에 대한 예측 잔차 영상을 획득하고, 두 영상간의 감산을 통해 최종 결과 영상을 획득하였다. 또한 최종 결과 영상에 대한 시각적 특성, 최대신호대잡음비(peak signal-to- noise ratio; PSNR) 및 구조적유사성지수(structural similarity; SSIM)를 측정하였다. 연구결과 본 연구에서 개발한 영상화 모델을 통해 희박뷰 CT 영상의 인공물이 효과적으로 제거되며, 공간분해능이 향상되는 결과를 확인하였다. 또한 wavelet 변환과 잔차 학습을 미적용한 영상화 모델에 비해 본 연구에서 개발한 영상화 모델은 결과 영상의 PSNR 및 SSIM을 각각 8.18% 및 19.71% 향상시킬 수 있음을 확인하였다. 따라서 본 연구에서 개발한 영상화 모델을 이용하여 희박뷰 CT 영상의 인공물 제거는 물론 공간분해능 향상 및 정량적 정확도 향상 효과를 획득할 수 있다.

• Imaging Science in Dentistry
• /
• 제52권3호
• /
• pp.267-273
• /
• 2022

Purpose: The aim of this study was to assess the influence of kilovoltage- peak (kVp) and the metal artifact reduction (MAR) tool on the detection of buccal and lingual peri-implant dehiscence in the presence of titanium-zirconia (Ti-Zr) and zirconia (Zr) implants in cone-beam computed tomography (CBCT) images. Materials and Methods: Twenty implant sites were created in the posterior region of human mandibles, including control sites (without dehiscence) and experimental sites (with dehiscence). Individually, a Ti-Zr or Zr implant was placed in each implant site. CBCT scans were performed using a Picasso Trio device, with variation in the kVp setting (70 or 90 kVp) and whether the MAR tool was used. Three oral radiologists scored the detection of dehiscence using a 5-point scale. The area under the receiver operating characteristic (ROC) curve, sensitivity, and specificity were calculated and compared by multi-way analysis of variance (α=0.05). Results: The kVp, cortical plate involved (buccal or lingual cortices), and MAR did not influence any diagnostic values (P>0.05). The material of the implant did not influence the ROC curve values(P>0.05). In contrast, the sensitivity and specificity were statistically significantly influenced by the implant material (P<0.05) with Zr implants showing higher sensitivity values and lower specificity values than Ti-Zr implants. Conclusion: The detection of peri-implant dehiscence was not influenced by kVp, use of the MAR tool, or the cortical plate. Greater sensitivity and lower specificity were shown for the detection of peri-implant dehiscence in the presence of a Zr implant.