디지털 라이브러리[ 검색결과 ]
다중 MR 영상에서 크기 정규화 및 다중 손실함수를 사용한 딥러닝 모델 기반 전립선암 악성도 예측 개선
http://doi.org/10.5626/JOK.2023.50.10.866
전립선암은 전 세계적으로 남성에서 두 번째로 흔하게 발생되는 암이며, 악성도에 따라 재발 가능성 및 치료의 효과가 달라지기 때문에 전립선암의 악성도를 예측하는 것이 필수적이다. 본 연구는 다중 파라미터 자기공명영상에서 전립선암의 악성도를 예측하기 위해 크기 정규화를 적용하여 작은 종양에 대한 정보를 강화한다. 또한, 시각적 특징이 유사하지만 악성도가 다른 종양을 구분하기 위해 다중 손실함수를 제안한다. 실험 결과, ADC 맵 크기 정규화 패치로 학습한 제안된 모델은 정확도 76.28%, 민감도 76.81%, 특이도 75.86%, AUC 0.77의 성능을 보인다. 또한 1.5cm 미만인 작은 종양에서 종양 중심 패치와 비교하여 크기 정규화된 ADC 맵이 정확도 76.47%, 민감도 90.91%, 특이도 69.57%로 각각 17.65%, 27.27%, 13.05%의 향상된 성능을 보인다.
흉부 X-선 영상에서 밝기값 정규화 및 다중 스케일 폐-집중 패치를 사용한 앙상블 딥러닝 모델 기반의 폐렴 자동 분류
http://doi.org/10.5626/JOK.2022.49.9.677
소아 흉부 X-선 영상(CXR)은 밝기값이 불규칙하여 정상과 폐렴을 구분하기 어렵다. 또한 딥러닝 모델은 폐의 외부 영역에 잘못 집중하여 CXR을 오분류할 수 있다는 한계가 있다. 본 논문은 CXR 영상에서 밝기값 정규화 및 다중 스케일 폐-집중 패치를 사용한 앙상블 딥러닝 기반 폐렴 자동 분류 방법을 제안한다. 첫째, 불규칙한 폐 내부 밝기값을 개선하기 위해 세 가지 밝기값 정규화 방법을 각각 수행한다. 둘째, 폐 내부에 집중하여 학습하기 위해 폐 영역을 분할하여 관심 영역을 추출한다. 셋째, 다중 스케일 폐-집중 패치를 사용하여 폐렴의 특징을 학습한다. 마지막으로 분류 성능을 향상시키기 위해 어텐션 모듈을 추가한 앙상블 모델을 사용한다. 실험 결과, CLAHE를 적용한 큰 크기의 패치 사용 시 정확도 92%로 원 영상 대비 5%p 향상된 성능을 보였다. 또한 큰 크기와 중간 크기의 패치를 앙상블한 제안 방법이 정확도 93%로 가장 좋은 성능을 보였다.
흉부 CT 영상에서 캡슐 네트워크 기반의 듀얼-윈도우 앙상블 학습을 통한 폐암 자동 분할
http://doi.org/10.5626/JOK.2021.48.8.905
폐암이 불규칙한 형태를 갖거나 유사한 밝기값을 갖는 주변 구조물이 존재하는 경우 흉부 CT 영상에서 폐암의 경계를 정확하게 구분하는 것이 어렵다. 본 논문에서는 폐암과 주변 구조물과의 관계를 학습하기 위해 캡슐 네트워크를 활용하고 주변 구조물과의 구분을 위해 폐 창 영상에 종격동 창 영상을 추가로 고려하는 듀얼-윈도우 앙상블 네트워크를 제안한다. 첫째, 입력 CT 영상을 폐 창 영상과 종격동창 영상으로 밝기값 정규화 및 공간 정규화를 수행한다. 둘째, 두 개의 입력 영상을 이용해 각각의 캡슐네트워크를 학습하여 폐암을 분할한다. 셋째, 폐 창 영상과 종격동 창 영상을 이용한 분할 결과를 각 영상의 특성에 기반한 가중치를 반영하여 평균 투표를 통해 앙상블 함으로써 최종 분할 마스크를 생성한다. 제안 방법을 통한 분할 결과, DSC는 75.98%로 가중치를 고려하지 않은 분할 방법 대비 0.53%p 향상되었다. 또한 폐암이 주변 구조물에 둘러싸여 있어도 분할 정확도가 개선되었다.
복부 CT 영상에서 췌장의 불확실성을 고려한 계층적 네트워크 기반 자동 췌장 분할
http://doi.org/10.5626/JOK.2021.48.5.548
췌장암 검출에서의 췌장 형태 파악을 위해 복부 CT 영상에서 췌장을 분할하는 것이 필요하다. 본 논문에서는 복부 CT 영상에서 췌장의 위치적, 형태적 다양성으로 인해 발생하는 불확실한 영역에 대한 정보를 함께 고려하는 DCNN 기반 췌장 자동 분할 방법을 제안한다. 첫째, 영상 간 밝기값 및 화소 공간의 차이를 줄이기 위해 밝기값 및 공간 정규화를 수행한다. 둘째, 삼단면 U-Net 기반 2.5차원 분할 네트워크 및 다수 투표를 통해 췌장을 위치화한다. 셋째, 위치화된 3차원 췌장 영역에서 췌장의 불확실한 영역 정보를 고려하는 U-Net 기반 3차원 분할 네트워크를 이용하여 췌장을 분할한다. 제안방법을 통한 분할 결과의 DSC는 83.50%로, 횡단면, 관상면, 시상면에서 2차원 U-Net을 이용한 분할, 2.5차원 분할 및 위치화된 영역에서 3차원 U-Net을 이용한 분할 방법 대비 각각 10.30%p, 10.44%p, 6.52%p, 1.14%p, 3.95%p 향상되었다.
두개악안면 CBCT 영상에서 밝기값 비용함수 최적화 기반의 치아 분리선 및 평면 탐색을 통한 자동 치아 분리
http://doi.org/10.5626/JOK.2019.46.1.65
본 논문에서는 두개악안면 CBCT 영상에서 밝기값 기반 비용함수를 통해 2D 파노라마 영상에서 치아 분리선을 탐색하고, 3D CBCT 영상에서 공간 정보를 고려하여 최적의 치아 분리평면을 탐색하여 자동 치아 분리하는 방법을 제안한다. 첫째, 개별 치아의 전체적인 구조를 파악할 수 있도록 치관 및 치근 영역의 치아 아치형 곡선을 추출하여 2D 파노라마 영상을 재구성한다. 둘째, 재구성한 2D 파노라마 영상에서 밝기값 기반 비용함수를 통해 최적의 치아 분리선을 탐색한다. 셋째, 치아 분리 정확도를 개선하기 위해 공간정보를 추가하여 3차원 영상에서 밝기값 기반 비용함수 최적화를 통해 개별 치아를 구분하는 최적의 분리평면을 탐색한다. 실험 결과 제안방법이 비교방법 대비 분리 정확도가 향상됨을 볼 수 있었고, 제안방법을 통한 분리 결과 평균 밝기값은 비교방법 대비 8.61% 감소되었고 제안방법의 수행시간은 30초 이내에 완료됨을 알 수 있었다.
복부 CT 영상에서 다중 아틀라스 기반 형상 및 밝기값 정보를 사용한 신실질 자동 분할
http://doi.org/10.5626/JOK.2018.45.9.937
부분신장절제술 후 절제술을 수행한 반대쪽 신장의 보상성 비대를 예측하기 위해 신실질을 분할하는 것이 필요하다. 본 논문에서는 복부 CT 영상에서 다중 아틀라스 기반 형상 및 밝기값 정보를 사용한 신실질 자동 분할 방법을 제안한다. 첫째, 볼륨 기반 유사 정합 및 밝기값 기반 유사도 측정을 통해 유사 아틀라스를 선정한다. 둘째, 볼륨 기반 유사 정합 및 아틀라스 기반 어파인 정합의 단계적 정합 및 밝기값 기반 제한된 지역적 가중투표를 통해 신실질을 분할한다. 셋째, 밝기값의 분포가 훈련 영상과 달라 분할이 제대로 되지 않는 데이터에 대해 가우시안 혼합 모델 기반 다중 임계치 기법을 통한 피질 분할 및 형상확률맵을 이용한 수질 분할 방법을 선택적으로 수행한다. 제안방법을 통한 분할 결과와 수동 분할 결과 간 다이스 유사계수는 91.34%로, 다중 투표 기법을 통한 분할 및 지역적 가중투표를 통한 분할 방법대비 다이스 유사계수가 각각 18.19%, 1.35% 향상되었다.
무릎 MR 영상에서 다중 아틀라스 기반 지역적 가중투표를 이용한 대퇴부 연골 자동 분할
본 논문에서는 무릎 MR 영상에서 다중 아틀라스 기반 지역적 가중투표를 이용한 대퇴부 연골자동 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.
치료계획용 4D MDCT와 치료 시 획득한 4D CBCT간 영상정합 및 종양 매칭을 이용한 방사선 치료 시 종양 움직임 추적
폐암 환자의 영상유도 방사선 치료의 경우 환자의 호흡 및 심장박동에 따라 종양의 움직임이 변화할 수 있으므로 치료 시 종양의 움직임을 추적하는 것이 필요하다. 본 논문에서는 치료계획용 4D MDCT 영상과 치료 시 획득한 4D CBCT 영상의 3차원 영상 정보를 기반으로 종양 움직임을 추적하는 방법을 제안한다. 첫째, 효율적으로 치료 시 종양의 움직임을 추적하기 위해 치료계획용 4D MDCT 영상에서 획득한 종양 움직임 모델을 통해 종양의 전역적 움직임을 예측한다. 둘째, 종양 움직임 추적의 정확성을 높이기 위해 4D CBCT 영상에서 종양 주변의 구조적 정보를 이용해 세부적 움직임을 보정하여 종양의 지역적 움직임을 예측한다. 제안방법의 성능 평가를 위해 디지털 팬텀을 이용해 실험한 결과, 지역적 움직임을 고려했을 때 전역적 움직임만 보정한 경우보다 종양 위치화 오류가 45% 감소하였다.
무릎 자기공명영상에서 지역적 확률 아틀라스 정렬 및 반복적 그래프 컷을 이용한 전방십자인대 분할
무릎 자기공명영상에서 전방십자인대의 분할은 밝기값의 불균일성 및 주변 조직들과의 유사 밝기값 특성으로 인해 기존 분할기법의 적용에 한계가 있다. 본 논문에서는 지역적 정렬을 통한 확률아틀라스 생성 및 반복적 그래프 컷을 통한 다중아틀라스 기반 전방십자인대 분할기법을 제안한다. 첫째, 전역 및 지역적 다중아틀라스 강체정합을 통해 전방십자인대의 확률아틀라스를 생성한다. 둘째, 생성된 확률아틀라스를 이용하여 최대사후추정 및 그래프 컷을 통하여 전방십자인대 초기 분할을 수행한다. 셋째, 마스크 기반 강체정합을 통한 형상정보 개선 및 반복적 그래프 컷을 통해 전방십자인대 분할 개선을 수행한다. 제안방법의 성능평가를 위하여 육안평가 및 정확성평가를 수행하였으며, 평가 결과 제안방법의 Dice 유사도는 75.0%, 평균표면거리는 1.7화소, 제곱근표면거리는 2.7화소로서 기존 그래프 컷 방법에 비하여 전방십자인대의 분할정확도가 각각 12.8%, 22.7%, 및 22.9% 향상된 것으로 나타났다.
