• 한국컴퓨터그래픽스학회논문지
• /
• 제22권4호
• /
• pp.11-19
• /
• 2016

본 논문에서는 복부 CT 영상에서 다중 확률 아틀라스 기반 형상제한 그래프-컷을 사용한 신실질 자동 분할 방법을 제안한다. 제안 방법은 다음의 세 단계로 구성된다. 첫째, 신실질의 다양한 형상정보를 이용하기 위해 피질기반 유사정합을 통한 다중 확률 아틀라스를 생성한다. 둘째, 최대사후확률 추정을 통해 그래프-컷의 초기 씨앗을 추출하고, 형상제한 그래프-컷을 통해 신실질을 분할한다. 셋째, 확률 아틀라스의 정합 오차를 줄이고 분할 정확도를 높이기 위해, 정합 및 분할을 반복적으로 수행한다. 제안방법의 성능을 평가하기 위해 정성적 평가 및 정량적 평가를 수행하였다. 실험결과 제안방법이 신실질과 유사한 밝기값을 갖는 주변 영역으로의 누출을 방지하여 개선된 분할 정확도를 보여준다.

• 한국방사선학회논문지
• /
• 제18권3호
• /
• pp.213-222
• /
• 2024

본 연구는 폐 방사선 치료를 위한 컴퓨터 단층촬영의 관전압, 관전류 조건에 따라 딥 러닝과 아틀라스기반 자동분할 방법에 따른 생성된 볼륨과 Dice 유사도 계수와 95% 하우스도르프 거리를 분석하였다. 첫 번째 결과로 관전압 관전 류의 변화에 생성된 볼륨의 결과에서는 아틀라스기반인 smart segmentation 방법이 가장 적은 볼륨 변화를 보여주었으며, 딥 러닝을 사용한 Aview RT ACS와 OncoStudio에서는 100 mAs보다 낮은 관전류에서는 볼륨이 작아지는 걸 확인했다. 두 번째 결과인 Dice 유사도 계수에서는 Aview RT ACS가 OncoStuido 보다 2% 높은 결과를 보여주고 있으며, 95% 하우스도르프거리 결과에서도 Aview RT ACS가 OncoStudio 보다 평균 0.2~0.5% 높게 분석되었다. 하지만 관전류와 관전압에 따라 각각의 결과의 표준편차에서는 오히려 OncoStudio가 낮으므로 볼륨의 변화에서도 일관성 있을 거라 사료된다. 따라서 폐 방사선 치료를 위한 CT 촬영조건에서 낮은 관전압과 낮은 관전류에서 딥 러닝 기반 자동분할 프로그램을 사용할 때는 주의가 필요하며, 일정 관전압, 관전류 이상에서 기존에 사용하고 있는 아틀라스기반 자동분할 프로그램과 유사한 결과를 도출할 수 있었다.

• 정보과학회 논문지
• /
• 제43권8호
• /
• pp.869-877
• /
• 2016

본 논문에서는 무릎 MR 영상에서 다중 아틀라스 기반 지역적 가중투표를 이용한 대퇴부 연골 자동 분할 방법을 제안한다. 제안하는 방법은 다음의 두 단계로 구성된다. 첫째, 대퇴부 연골이 대퇴골에 붙어 있다는 형상정보를 이용하기 위해 볼륨 및 객체 정합 기반의 지역적 가중투표와 협대역 영역확장을 통해 대퇴골을 분할한다. 둘째, 대퇴골의 객체 기반 어파인 변환을 대퇴부 연골 정합에 적용한 후, 다중 아틀라스 형상 기반의 지역적 가중투표를 통해 대퇴부 연골을 분할한다. 제안 방법의 성능을 평가하기 위해 다수투표 기법, 밝기값 기반 지역적 가중투표 기법과 제안 방법의 분할 결과를 전문가에 의한 수동 분할 결과와 비교한다. 실험 결과 제안 방법이 주변 유사 밝기값 영역으로의 누출을 방지하여 분할 정확도가 향상되었음을 보여준다.

• Radiation Oncology Journal
• /
• 제37권2호
• /
• pp.134-142
• /
• 2019

Purpose: The aim is to study the dependence of deformable based auto-segmentation of head and neck organs-at-risks (OAR) on anatomy matching for a single atlas based system and generate an acceptable set of contours. Methods: A sample of ten patients in neutral neck position and three atlas sets consisting of ten patients each in different head and neck positions were utilized to generate three scenarios representing poor, average and perfect anatomy matching respectively and auto-segmentation was carried out for each scenario. Brainstem, larynx, mandible, cervical oesophagus, oral cavity, pharyngeal muscles, parotids, spinal cord, and trachea were the structures selected for the study. Automatic and oncologist reference contours were compared using the dice similarity index (DSI), Hausdroff distance and variation in the centre of mass (COM). Results: The mean DSI scores for brainstem was good irrespective of the anatomy matching scenarios. The scores for mandible, oral cavity, larynx, parotids, spinal cord, and trachea were unacceptable with poor matching but improved with enhanced bony matching whereas cervical oesophagus and pharyngeal muscles had less than acceptable scores for even perfect matching scenario. HD value and variation in COM decreased with better matching for all the structures. Conclusion: Improved anatomy matching resulted in better segmentation. At least a similar setup can help generate an acceptable set of automatic contours in systems employing single atlas method. Automatic contours from average matching scenario were acceptable for most structures. Importance should be given to head and neck position during atlas generation for a single atlas based system.

• 한국멀티미디어학회논문지
• /
• 제19권12호
• /
• pp.1960-1969
• /
• 2016

In this paper, we propose an automatic hierarchical organ segmentation method on abdominal CT images. First, similar atlases are selected using bone-based similarity registration and similarity of liver, kidney, and pancreas area. Second, each abdominal organ is roughly segmented using image-based similarity registration and intensity-based locally weighted voting. Finally, the segmented abdominal organ is refined using mask-based affine registration and intensity-based locally weighted voting. Especially, gallbladder and pancreas are hierarchically refined using location information of neighbor organs such as liver, left kidney and spleen. Our method was tested on a dataset of 12 portal-venous phase CT data. The average DSC of total organs was $90.47{\pm}1.70%$. Our method can be used for patient-specific abdominal organ segmentation for rehearsal of laparoscopic surgery.

• 한국컴퓨터그래픽스학회논문지
• /
• 제24권4호
• /
• pp.29-38
• /
• 2018

본 논문에서는 무릎 MR 영상에서 반월상 연골의 자동 위치화, 다중 아틀라스 기반 지역적 가중 투표를 통한 반월상 연골 분할 및 패치 기반 윤곽선 특징 분류를 통한 반월상 연골 자동 분할 방법을 제안한다. 첫째, 뼈와 무릎 관절 연골을 분할한 후 이를 이용하여 반월상 연골의 관심볼륨영역을 자동 위치화한다. 둘째, 반월상 연골의 관심볼륨영역에서 형상 및 밝기값 분포 가중치를 고려한 다중 아틀라스 기반 지역적 가중 투표를 통해 반월상 연골을 분할한다. 셋째, 밝기값이 유사한 측부 인대로의 누출을 제거하기 위해 형상 및 거리 가중치를 고려한 패치 기반 윤곽선 특징 분류를 통해 반월상 연골 분함을 개선한다. 제안 방법을 통한 분할 결과와 수동 분할 결과 간 다이스 유사계수는 내측 반월상 연골은 80.13%, 외측 반월상 연골은 80.81%를 보였으며 다중 아틀라스 기반 지역적 가중투표를 통한 분할 방법과 비교하여 내 측 및 외측 반월상 연 골 각각 7.25%, 1.31% 향상되었다.