• 대한원격탐사학회지
• /
• 제35권6_1호
• /
• pp.959-971
• /
• 2019

대표적인 딥러닝(deep learning) 기법 중 하나인 Convolutional Neural Network(CNN)은 고수준의 공간-분광 특징을 추출할 수 있어 초분광 영상 분류(Hyperspectral Image Classification)에 적용하는 연구가 활발히 진행되고 있다. 그러나 초분광 영상은 높은 분광 차원이 학습 과정의 시간과 복잡도를 증가시킨다는 문제가 있어 이를 해결하기 위해 기존 딥러닝 기반 초분광 영상 분류 연구들에서는 차원축소의 목적으로 Principal Component Analysis (PCA)를 적용한 바 있다. PCA는 데이터를 독립적인 주성분의 축으로 변환시킬 수 있어 분광 차원을 효율적으로 압축할 수 있으나, 분광 정보의 손실을 초래할 수 있다. PCA의 사용 유무가 CNN 학습의 정확도와 시간에 영향을 미치는 것은 분명하지만 이를 분석한 연구가 부족하다. 본 연구의 목적은 PCA를 통한 분광 차원축소가 CNN에 미치는 영향을 정량적으로 분석하여 효율적인 초분광 영상 분류를 위한 적절한 PCA의 적용 방법을 제안하는 데에 있다. 이를 위해 PCA를 적용하여 초분광 영상을 축소시켰으며, 축소된 차원의 크기를 바꿔가며 CNN 모델에 적용하였다. 또한, 모델 내의 컨볼루션(convolution) 연산 방식에 따른 PCA의 민감도를 분석하기 위해 2D-CNN과 3D-CNN을 적용하여 비교 분석하였다. 실험결과는 분류정확도, 학습시간, 분산 비율, 학습 과정을 통해 분석되었다. 축소된 차원의 크기가 분산 비율이 99.7~8%인 주성분 개수일 때 가장 효율적이었으며, 3차원 커널 경우 2D-CNN과는 다르게 원 영상의 분류정확도가 PCA-CNN보다 더 높았으며, 이를 통해 PCA의 차원축소 효과가 3차원 커널에서 상대적으로 적은 것을 알 수 있었다.

• Korean Journal of Radiology
• /
• 제21권10호
• /
• pp.1165-1177
• /
• 2020

Objective: To assess the feasibility of applying a deep learning-based denoising technique to coronary CT angiography (CCTA) along with iterative reconstruction for additional noise reduction. Materials and Methods: We retrospectively enrolled 82 consecutive patients (male:female = 60:22; mean age, 67.0 ± 10.8 years) who had undergone both CCTA and invasive coronary artery angiography from March 2017 to June 2018. All included patients underwent CCTA with iterative reconstruction (ADMIRE level 3, Siemens Healthineers). We developed a deep learning based denoising technique (ClariCT.AI, ClariPI), which was based on a modified U-net type convolutional neural net model designed to predict the possible occurrence of low-dose noise in the originals. Denoised images were obtained by subtracting the predicted noise from the originals. Image noise, CT attenuation, signal-to-noise ratio (SNR), and contrast-to-noise ratio (CNR) were objectively calculated. The edge rise distance (ERD) was measured as an indicator of image sharpness. Two blinded readers subjectively graded the image quality using a 5-point scale. Diagnostic performance of the CCTA was evaluated based on the presence or absence of significant stenosis (≥ 50% lumen reduction). Results: Objective image qualities (original vs. denoised: image noise, 67.22 ± 25.74 vs. 52.64 ± 27.40; SNR [left main], 21.91 ± 6.38 vs. 30.35 ± 10.46; CNR [left main], 23.24 ± 6.52 vs. 31.93 ± 10.72; all p < 0.001) and subjective image quality (2.45 ± 0.62 vs. 3.65 ± 0.60, p < 0.001) improved significantly in the denoised images. The average ERDs of the denoised images were significantly smaller than those of originals (0.98 ± 0.08 vs. 0.09 ± 0.08, p < 0.001). With regard to diagnostic accuracy, no significant differences were observed among paired comparisons. Conclusion: Application of the deep learning technique along with iterative reconstruction can enhance the noise reduction performance with a significant improvement in objective and subjective image qualities of CCTA images.

• 한국방사선학회논문지
• /
• 제13권3호
• /
• pp.453-458
• /
• 2019

본 연구에서는 Geant4 application for tomographic emission (GATE) 시뮬레이션 프로그램을 통해 설계 된 male adult mesh (MASH) 팬텀의 영상을 획득한 후 다양한 필터링 인자가 설정된 FNLM 노이즈 제거 알고리즘을 적용함으로써 그에 따른 영상 특성의 경향성을 알아보고자 한다. 이를 위해 GATE 시뮬레이션 프로그램을 통해 인체를 모사할 수 있는 MASH 팬텀을 설계하였다. 또한, 설계된 MASH 팬텀을 기반으로 MATLAB 프로그램을 통해 복부영상을 획득한 후 0.005의 $\sigma$ 값을 갖는 Gaussian noise를 추가하여 열화영상을 모델링하였다. 모델링 된 열화영상으로부터 제안하는 FNLM 노이즈 제거 알고리즘의 필터링 인자를 각각 0.005, 0.01, 0.05, 0.1, 0.5, 1.0 으로 설정하여 적용하였으며, 정량적 평가를 위해 FNLM 노이즈 제거 알고리즘이 적용된 영상들로부터 각각의 coefficient of variation (COV), signal to noise ratio (SNR) 그리고 contrast to noise ratio (CNR)을 측정하였다. 결과적으로, 0.05의 필터링 인자가 적용된 영상에서 가장 개선된 COV, SNR 그리고 CNR 값을 보였다. 특히, COV는 설정된 필터링 인자가 증가함에 따라 감소하였으며, 0.05 값 이후부터 거의 일정한 값을 나타내었다. 또한, SNR 및 CNR의 경우 필터링 인자가 증가함에 따라 증가하였으며, 0.05 값 이후부터 감소하는 경향을 보였다. 결론적으로, 열화 영상으로부터 FNLM 노이즈 제거 알고리즘 적용 시 적합한 필터링 인자를 설정해야 함이 증명되었다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제37권4호
• /
• pp.264-272
• /
• 2010

예제기반 초해상도 영상복원은 영상 패치의 대한 학습 및 검색을 통해 저해상도 영상으로부터 고해상도 영상을 복원하는 방법으로써 성능이 좋고 한 장의 저해상도 영상에 대하여도 적용 가능하다. 그러나 복원 과정에서 패치 검색에 많은 비교 연산이 요구되기 때문에 속도가 매우 느리다. 복원 속도를 향상시키기 위해서는 효과적인 패치 검색 알고리즘이 요구된다. 본 논문에서는 패치 검색에 사용 가능한 다양한 고차원 특징 검색 방법들을 실제 초해상도 영상복원 시스템에 적용하여 그 성능을 비교하였다. 또한 문자 인식 분야에서 성공적으로 적용되어왔으나 초해상도 영상복원에서는 사용되지 않았던 단계적 후보축소 방법을 패치 검색 단계에 적용할 것을 제안한다. 실험 결과 기존의 방법 중에서는 LSH가 가장 좋은성능을 나타내었다. 본 논문에서 제안한 단계적 후보 축소에 의한 패치 검색 방법은 LSH보다 더욱 우수하여 $1024{\times}1024$ 영상의 복원 시 LSH보다 최대 3.12배 빠른 복원 속도를 나타내었다.

• 한국방사선학회논문지
• /
• 제13권2호
• /
• pp.227-232
• /
• 2019

자기공명영상에서 금속 물질이 삽입된 환자에서 자기감수성에 의한 허상이 발생하여 영상의 진단적 가치가 저하되는 문제가 발생하고 있다. 여러 가지 인공물 감소기법 중 VAT-SEMAC 기법을 적용하여 영상의 왜곡에 대해 연구 하였다. 정형외과 수술시 사용되는 금속 임플란트를 팬텀에 부착하여 T1WI, T2WI를 스캔 시 허상으로 인한 왜곡을 측정하였다. 감소기법의 미적용, VAT 적용, VAT-SEMAC을 호환 적용하여 검사를 실시한 후 허상을 비교 분석 하였다. 허상은 VAT-SEMAC에서 최소 8%에서 최대 26%의 감소를 보였다. VAT-SEMAC 기법을 적용하면 정형 보철물이 삽입된 환자에게도 영상의 질을 향상시켜 진단적 가치가 향상된 영상을 획득할 수 있다. 적절한 스캔시간과 영상의 질을 동시에 고려한다면 실제 임상에서 VAT-SEMAC의 적용하여 허상 감소효과를 얻을 수 있을 것이다.

• 대한기계학회논문집B
• /
• 제26권7호
• /
• pp.991-996
• /
• 2002

This paper presents the fabrication method of a micro-riblet film (MRF) using MEMS technology and the experimental results of the drag reduction of an airfoil with MRFs. Riblets having grooved surface in the streamwise direction has been proven as an effective passive control technique of the drag reduction. A V-grooved pattern on (100) silicon wafer is etched with anisotropic bulk micromachining. The MRF is completed by replicating the V-grooved pattern with polydimethylsiloxane (PDMS). Experiments were performed by measuring a velocity field behind the trailing edge of a NACA 0012 airfoil with and without MRFs in a closed-type subsonic wind tunnel using particle image velocimetry (PlV) technique. The MRF provides about 3.8 % drag reduction compared to the drag on a smooth airfoil when the freestream velocity of wind tunnel is 3.3 m/s.

• 한국정보디스플레이학회:학술대회논문집
• /
• 한국정보디스플레이학회 2008년도 International Meeting on Information Display
• /
• pp.870-872
• /
• 2008

It is known that AC electric field to drive IPS mode of liquid crystal display (LCD) causes reduction of the contrast after long period of display operation. Our results are presented in this paper on a base of a model of interaction between surface of PI alignment film and LC molecules. We conclude that the surface viscosity of PI alignment film is one of the most important factors for the contrast reduction phenomenon.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2003년도 신호처리소사이어티 추계학술대회 논문집
• /
• pp.149-152
• /
• 2003

This paper presents a method to find motion vectors that are closer to true motion with noisy images for simultaneous noise reduction and do-interlacing. The proposed method requires four interlaced field images: one noisy field image and three field images from which noise is already removed. The validation of motion provides accurate motion vectors and allows us to utilize them even in very noisy environment. The validated motion vectors are first used for the noise reduction, buffered and used later for the noise reduction and de -interlacing.

• Journal of Electrical Engineering and Technology
• /
• 제13권5호
• /
• pp.2099-2106
• /
• 2018

This study presents a novel approach of discriminative feature vectors based on manifold learning using nonlinear dimension reduction (DR) technique to improve loss function, and combine with the Adversarial examples to regularize the object function for image classification. The traditional convolutional neural networks (CNN) with many new regularization approach has been successfully used for image classification tasks, and it achieved good results, hence it costs a lot of Calculated spacing and timing. Significantly, distrinct from traditional CNN, we discriminate the feature vectors for objects without empirically-tuned parameter, these Discriminative features intend to remain the lower-dimensional relationship corresponding high-dimension manifold after projecting the image feature vectors from high-dimension to lower-dimension, and we optimize the constrains of the preserving local features based on manifold, which narrow the mapped feature information from the same class and push different class away. Using Adversarial examples, improved loss function with additional regularization term intends to boost the Robustness and generalization of neural network. experimental results indicate that the approach based on discriminative feature of manifold learning is not only valid, but also more efficient in image classification tasks. Furthermore, the proposed approach achieves competitive classification performances for three benchmark datasets : MNIST, CIFAR-10, SVHN.

• Current Optics and Photonics
• /
• 제5권4호
• /
• pp.421-430
• /
• 2021

The multifocal multiphoton microscopy (MMM) enables high-speed imaging by the concurrent scanning and detection of multiple foci generated by lenslet array or diffractive optical element. The MMM system mainly suffers from crosstalk generated by scattered emission photons that form ghost images among adjacent channels. The ghost image which is a duplicate of the image acquired in sub-images significantly degrades overall image quality. To eliminate the ghost image, the photon reassignment method was established using maximum likelihood estimation. However, this post-processing method generally takes a longer time than image acquisition. In this regard, we propose a novel strategy for rapid noise reduction in the MMM system based upon Monte-Carlo (MC) simulation. Ballistic signal, scattering signal, and scattering noise of each channel are quantified in terms of photon distribution launched in tissue model based on MC simulation. From the analysis of photon distribution, we successfully eliminated the ghost images in the MMM sub-images. If the priori MC simulation under a certain optical condition is established at once, our simple, but robust post-processing technique will continuously provide the noise-reduced images, while significantly reducing the computational cost.