• 반도체디스플레이기술학회지
• /
• 제18권1호
• /
• pp.102-104
• /
• 2019

Registering different kinds of clinical images widely used in diagnostic and surgery planning. However, cause of tumor growth or effected by gravity, human tissue has plenty of non-rigid deformation with clinically. Non-rigid registration allows the mapping of straight lines to curves. Therefore, such local deformation makes registration more complicated. In this work, we mainly introduce intra-subject, inter-modality registration. This paper mainly studies the nonlinear registration method of 2D medical image registration. The general medical image registration algorithm requires manual intervention, and cost long registration time. In our work to reduce the registration time in rough registration step, the barycenter and the direction of main axis of the image is calculated, which reduces the calculation amount compared with the method of using mutual information.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권1호
• /
• pp.180-194
• /
• 2021

For small image registration, feature-based approaches are likely to fail as feature detectors cannot detect enough feature points from low-resolution images. The classic FFT approach's prediction accuracy is high, but the registration time can be relatively long, about several seconds to register one image pair. To achieve real-time and high-precision rigid registration for small images, we apply deep neural networks for supervised rigid transformation prediction, which directly predicts the transformation parameters. We train deep registration models with rigidly transformed CIFAR-10 images and STL-10 images, and evaluate the generalization ability of deep registration models with transformed CIFAR-10 images, STL-10 images, and randomly generated images. Experimental results show that the deep registration models we propose can achieve comparable accuracy to the classic FFT approach for small CIFAR-10 images (32×32) and our LSTM registration model takes less than 1ms to register one pair of images. For moderate size STL-10 images (96×96), FFT significantly outperforms deep registration models in terms of accuracy but is also considerably slower. Our results suggest that deep registration models have competitive advantages over conventional approaches, at least for small images.

• 대한의용생체공학회:의공학회지
• /
• 제24권4호
• /
• pp.259-266
• /
• 2003

해부학적 구조의 변형이 존재하는 두 영상을 정합하기 위하여 연구되는 non-rigid 정합 방법은 환자간의 정합 환자와 표준영상간의 정합, 동일환자에서 변형을 갖는 부위의 정합 등 이용한 진단 및 연구에 사용되어 현재 많은 연구가 진행되고 있는 분야이다. 본 논문에서는 서로 형태와 색상 특성이 다른 Visible Human 컬러 영상파 CT 영상의 다리 부위를 정합하기 위하여 해부 영상에서 두드러진 차이를 보이는 뼈, 근육, 지방 조직을 분할하고 분할된 각 조직의 경계 단위를 계층적인 정합을 하는 조직 기반 성합 방법을 제안하였다. 제안한 조직 기반의 정합은 색상 특성이 두드러지게 변하는 경계 부위를 정확히 정합하므로 기존의 특징점을 이용한 정합 방법에 비하여 강력하고 정확한 결과를 얻음을 실험을 통하여 검증하였다. 또한 계층적인 정합은 분할된 조직의 바운딩 박스(bounding box) 정합. 전역 Rigid 정합과 지역 non-rigid 정합, 정합 보간(interpolation)을 순차적으로 실행하여 효율적인 계산 시간을 제공하였다.

• 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.

• 대한원격탐사학회지
• /
• 제37권3호
• /
• pp.475-491
• /
• 2021

최근 사용 가능한 고해상도 위성 SAR 영상이 다양해지면서, 변화 탐지를 포함한 다양한 분야에서 SAR 영상에 대한 정밀 정합 요구가 높아지고 있다. 다중 관측각 환경에서의 고해상도 SAR 영상간 정합은 SAR 영상의 특성상 발생하는 스펙클 노이즈, 기하 왜곡 등에 의해 어려움이 있다. 본 연구에서는 독일 TerraSAR-X의 staring spotlight 모드로 촬영된 고해상도 SAR 영상을 활용하여, 개략정합 단계와 정밀정합 단계의 2단계에 걸친 영상정합 알고리즘을 제안하였다. 개략정합 단계에서는 적응형 샘플링 기법과 SAR-SIFT(Scale Invariant Feature Transform)를 결합하여 정합을 수행하였고, 정밀정합 단계에서는 3가지의 강성 정합 기법인 NCC(Normalized Cross Correlation), PC (Phase Congruency)-NCC, MI (Mutual Information) 기법과 비강성 정합 기법인 Gefolki (Geoscience extended Flow Optical Flow Lucas-Kanade Iterative)를 적용하여 정합 성능을 비교 분석하였다. 정합 결과는 RMSE (Root Mean Square Error)와 FSIM (Feature Similarity) 지수를 사용하여 정량적인 비교를 수행하였다. 사용한 모든 영상 조합에서 강성정합 기법은 Gefolki 알고리즘에 비해 저조한 정합 성능을 보였다. 강성정합 모델들은 지형기복이 큰 지역에서 정합오차가 크게 발생함을 확인할 수 있었다. Gefolki 알고리즘 적용 결과, RMSE 1~3화소를 보이며 가장 우수한 결과를 확인하였으며, FSIM 지수 또한 다른 기법에 비해 0.02~0.03 이상 높은 값을 취득했다. 다중 관측각 영상에서의 고해상도 SAR 영상 간 정합 성능을 비교하였으며, 강성정합 기법에 비해 Gefolki 알고리즘을 통해 지형효과를 충분히 줄일 수 있음을 확인했다. 이는 추후 변화탐지를 포함한 다양한 분야의 전 처리 과정에 효과적으로 사용될 수 있을 것으로 기대된다.

• 한국멀티미디어학회논문지
• /
• 제18권10호
• /
• pp.1157-1163
• /
• 2015

In this paper, we propose a registration method of 3d facial scan data and CBCT data using voxelization and distance map. First, two data sets are initially aligned by exploiting the voxelization of 3D facial scan data and the information of the center of mass. Second, a skin surface is extracted from 3D CBCT data by segmenting air and skin regions. Third, the positional and rotational differences between two images are accurately aligned by performing the rigid registration for the distance minimization of two skin surfaces. Experimental results showed that proposed registration method correctly aligned 3D facial scan data and CBCT data for ten patients. Our registration method might give useful clinical information for the oral surgery planning and the diagnosis of the treatment effects after an oral surgery.

• 한국통신학회논문지
• /
• 제29권10C호
• /
• pp.1402-1413
• /
• 2004

비강체 (non-rigid) 영상 등록에서 추정되는 좌표변환은 가역이어야 함으로 그 변환의 Jacobian 행렬식은 항상 양수 값을 가져야 한다. 본 논문에서는 이러한 가역 조건을 만족하는 좌표변환의 조건을 gradient 크기 제한의 조건으로 구한다. 또한 cubic B-spline을 이용한 변환 모델의 경우, 이 gradient 크기 제한 조건을 만족시키는 인수 집합을 이웃한 두 계수들의 차이가 제한된 인수들의 집합으로 구하였다. 이러한 인수들의 집합은 half space들의 교집합으로 이루어진 convex 집합이다. 본 논문에서는 이 convex 집합에 속하는 인수로 구성되는 좌표변환들 중에서 유사지수 (similarity measure) 를 최대로 만드는 변환을 gradient projection 최적화 기법을 통해 발견하였다. 이론적 분석, 폐 CT (Computed Tomography) 영상을 이용한 시뮬레이션 및 실험을 통하여, 제안된 알고리즘의 성능이 벌칙 함수 penalty function) 를 이용하는 기존의 방법보다 우수함을 증명하였다.

• 대한전기학회논문지:시스템및제어부문D
• /
• 제52권8호
• /
• pp.500-505
• /
• 2003

In this paper, the method to register multiple sets of skull CT images to absolute coordinate system is proposed. Contrary to correspondence paired mapping of previous techniques, four anatomical landmark points, three coplanar points and one non-coplanar point, compose three principal axes simple and unique for efficient registration by means of rigid body transformation. Throughout the numerical simulation with added random noises, the error performances in terms of different rotation and rounding-off of landmark points, and incorrect localization of anatomical landmark and target points are quantitatively analyzed to generalize the proposed technique. Experiments using real skull CT images demonstrate the feasibility for an efficient use in clinical practice.

• 한국멀티미디어학회논문지
• /
• 제16권12호
• /
• pp.1454-1464
• /
• 2013

본 논문에서는 수술 중 촬영된 2D XA(X-ray Angiogram) 영상에 수술 전 촬영된 3D CTA (Computed Tomography Angiography) 영상 정보를 융합 가시화하기 위한 고속의 강체 정합 기법을 제안한다. 본 논문에서는 두 혈관 사이의 특징점 정보를 이용하여 예측 투영 위치 지점을 추정하는 삼각 측정을 통한 추정치 예측 기법을 제안하여 빠르고 견고한 초기 정합이 가능하다. 이에 더하여 주축을 생성하여 정렬시킨 후 경계 상자를 이용하여 혈관의 형태를 비교하는 방법으로 더욱 정확한 초기 정합이 가능하다. 다음으로 정밀정합은 선택적 거리 측정을 통하여 각 영상에서의 혈관들의 거리 차이가 최소인 위치로 영상을 정합한다. 실험으로 5명의 환자 데이터에 대하여 영상정합을 하였고, 기존 기법과 수행 속도와 정확성, 견고성 측면에서 비교 평가하였다. 실험 결과 제안 기법은 기존 기법에 비하여 최적의 위치로 빠르고 견고하게 정합되었다.