• 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.

• 한국방사선학회논문지
• /
• 제17권5호
• /
• pp.663-670
• /
• 2023

본 연구에서는 기존의 노이즈 제거 알고리즘을 적용한 영역 확장 기반의 분할 방법과 U-Net을 이용한 분할 방법의 성능을 정량적 평가인자를 이용하여 비교평가 하고자 하였다. 먼저, 전산화단층검사 영상에 median filter, median modified Wiener filter, fast non-local means algorithm을 모델링하여 적용한 뒤 영역 확장 기반의 분할을 수행하였다. 그리고 U-Net 기반의 분할 모델로 훈련을 진행하여 분할을 수행하였다. 그 후, 노이즈 제거 알고리즘을 사용한 경우와 U-Net을 사용한 경우의 분할 성능을 비교 평가하기 위해 평균 제곱근 편차 (root mean square error, RMSE), 최대 신호 대 잡음비 (peak signal to noise ratio, PSNR), universal quality image index (UQI), 그리고 dice similarity coefficient (DSC)를 측정하였다. 실험 결과, U-Net을 이용하여 분할을 수행했을 때 분할 성능이 가장 향상되었다. RMSE, PSNR, UQI, 그리고 DSC 값은 각각 약 0.063, 72.11, 0.864, 그리고 0.982로 noisy한 영상에 비해 각각 1.97배, 1.09배, 5.30배, 그리고 1.99배 개선된 것을 확인할 수 있었다. 결론적으로, 전산화단층검사영상에서 U-Net이 노이즈 제거 알고리즘에 비해 분할 성능 향상에 효과적임을 입증하였다.

• 대한의용생체공학회:의공학회지
• /
• 제26권3호
• /
• pp.171-176
• /
• 2005

This paper proposes an automatic liver segmentation method using improved partial histogram threshold (PHT) algorithms. This method removes neighboring abdominal organs regardless of random pixel variation of contrast enhanced CT images. Adaptive multi-modal threshold is first performed to extract a region of interest (ROI). A left PHT (LPHT) algorithm is processed to remove the pancreas, spleen, and left kidney. Then a right PHT (RPHT) algorithm is performed for eliminating the right kidney from the ROI. Finally, binary morphological filtering is processed for removing of unnecessary objects and smoothing of the ROI boundary. Ten CT slices of six patients (60 slices) were selected to evaluate the proposed method. As evaluation measures, an average normalized area and area error rate were used. From the experimental results, the proposed automatic liver segmentation method has strong similarity performance as the MSM by medical Doctor.

• 한국멀티미디어학회논문지
• /
• 제9권12호
• /
• pp.1588-1595
• /
• 2006

In this paper, we proposed a liver extracting procedure for computer aided liver diagnosis system. Extraction of liver region in an abdominal CT image is difficult due to interferences of other organs. For this reason, liver region is extracted in a region of interest(ROI). ROI is selected by the window which can measure the distribution of Hounsfield Unit(HU) value of liver region in an abdominal CT image. The distribution is measured by an existential probability of HU value of lever region in the window. If the probability of any window is over 50%, the center point of the window would be assigned to ROI. Actually, liver region is not clearly discerned from the adjacent organs like muscle, spleen, and pancreas in an abdominal CT image. Liver region is extracted by the watershed segmentation algorithm which is effective in this situation. Because it is very sensitive to the slight valiance of contrast, it generally produces over segmentation regions. Therefore these regions are required to merge into the significant regions for optimal segmentation. Finally, a liver region can be selected and extracted by prier information based on anatomic information.

• 대한의용생체공학회:의공학회지
• /
• 제25권3호
• /
• pp.189-194
• /
• 2004

조영 증강된 CT 영상의 화소값은 조영제에 의해 이산적으로 변한다. 또한 간의 중간부분에서는 간과 유사한 농도값을 갖는 췌장 때문에 간의 분할이 어렵다. 본 논문에서는 조영증강된 CT영상의 화소값의 이산적인 변화와 간과 겹치는 췌장을 제거하기 위하여 부분 히스토램 문턱치 알고리즘을 사용한 간 분할법을 제안한다. 히스토그램 변환 후 간 구조의 농도 값의 범위를 찾기 위한 적응 다봉성 분할과 췌장 제거를 위한 부분 히스토그램 문턱치 알고리즘을 수행한다. 다음으로, 간 이외의 불필요한 대상을 제거하고 경계를 매끈하게 하기 위해 모폴러지 필터링을 수행한다. 제안된 방법을 평가하기 위해 8명의 환자로부터 획득된 CT 영상중 중간부분에서 4개씩 총 32단면을 선택하였다. 부분 히스토그램 문턱치 알고리즘을 사용한 자동 분할법 II와 수동 분할법의 정규화된 평균 면적의 평균은 0.1671과 0.1711이었으며, 이 두 방법은 아주 적은 차이를 보인다. 또, 자동 분할법 II와 수동 분할법의 평균 면적 오차율은 6.8339 % 이다. 이 실험 결과로부터 제안된 자동 간분할 법은 의사에 의해 시행된 수동 분할법과 매우 유사한 수행능력을 갖는다.

• 핵의학기술
• /
• 제18권1호
• /
• pp.19-25
• /
• 2014

PET/MRI에서는 MRI의 진단적 가치를 높이기 위해 T1 조영제를 사용하고 있다. PET의 감쇠 보정을 위해 T1 시컨스 계열인 VIBE DIXON은 조영제에 직접적으로 영향을 미치지만, 실제 ${\mu}-map$과 감쇠 보정된 PET 영상에는 큰 변화가 없었다. 그러므로 PET/MRI 검사시 조영제 사용은 PET 데이터 얻기 전 후 언제든 사용할 수 있을 것이다.