• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권10호
• /
• pp.5179-5196
• /
• 2019

To explore an effective non-invasion medical imaging diagnostics approach for hepatocellular carcinoma (HCC), we propose a method based on adopting the multiple technologies with the multi-parametric data fusion, transfer learning, and multi-scale deep feature extraction. Firstly, to make full use of complementary and enhancing the contribution of different modalities viz. multi-parametric MRI images in the lesion diagnosis, we propose a data-level fusion strategy. Secondly, based on the fusion data as the input, the multi-scale residual neural network with SPP (Spatial Pyramid Pooling) is utilized for the discriminative feature representation learning. Thirdly, to mitigate the impact of the lack of training samples, we do the pre-training of the proposed multi-scale residual neural network model on the natural image dataset and the fine-tuning with the chosen multi-parametric MRI images as complementary data. The comparative experiment results on the dataset from the clinical cases show that our proposed approach by employing the multiple strategies achieves the highest accuracy of 0.847±0.023 in the classification problem on the HCC differentiation. In the problem of discriminating the HCC lesion from the non-tumor area, we achieve a good performance with accuracy, sensitivity, specificity and AUC (area under the ROC curve) being 0.981±0.002, 0.981±0.002, 0.991±0.007 and 0.999±0.0008, respectively.

• 한국측량학회지
• /
• 제36권6호
• /
• pp.483-497
• /
• 2018

여러 장의 영상을 조합하여 한 장의 영상으로 제작하는 영상 모자이크는 넓은 지역의 영상을 판독하고 분석하는데 효과적이며, 연속 영상지도 등 다양한 공간정보 분야의 활용에 중요하다. 영상 모자이크의 중요한 과정은 인접 영상의 중복지역에서 최적의 접합선 추출과 모자이크된 영상의 색조보정이다. 이를 위해 본 연구에서는 SURF(Speeded Up Robust Features)에 의한 영상정합을 수행하여 중복지역을 결정하였다. Canny 필터로 추출한 윤곽선의 특성에 따라 등급을 정하여 접합선이 될 가능성이 높은 윤곽선을 선별하고, Dijkstra 알고리즘을 사용하여 윤곽선들을 연결하여 접합선을 결정하였다. 특히 비등방성 필터와 영상 피라미드를 적용하여 신뢰성 있는 접합선을 추출할 수 있었다. 또한 수치지도의 건물과 도로 레이어를 이용하여 효과적이고 효율적인 접합선을 결정할 수 있었다. 최종적으로 인접 영상들의 색조를 조절하여 품질을 향상시키기 위하여 히스토그램 정합과 접합선 feathering을 수행하였다.

• 한국전자통신학회논문지
• /
• 제17권3호
• /
• pp.529-536
• /
• 2022

지난 2년 동안 중증급성호흡기증후군 코로나바이러스-2(SARS-CoV-2)는 점점 더 많은 사람들에게 영향을 미치고 있다. 본 논문에서는 COVID-19 폐 CT 이미지를 분할하고 분류하기 위해서 서브코딩블록(SCB), 확장공간파라미드풀링(ASSP)와 어텐션게이트(AG)로 구성된 혼합 모드 특징 추출 방식의 새로운 U-Net 컨볼루션 신경망을 제안한다. 그리고 제안된 모델과 비교하기 위하여 FCN, U-Net, U-Net-SCB 모델을 설계한다. 제안된 U-Net-MMFE 는 COVID-19 CT 스캔 디지털 이미지 데이터에 대하여 atrous rate가 12이고, Adam 최적화 알고리즘을 사용할 때 다른 분할 모델에 비하여 94.79%의 우수한 주사위 분할 점수를 얻었다.