정보과학회 논문지 A : 시스템 및 이론
Current Result Document : 18 / 19
| 한글제목(Korean Title) |
3차원 자기 공명 영상의 마코브-깁스 분류 |
| 영문제목(English Title) |
MRF-GRF Classification for Volumetric Magnetic Resonance Images |
| 저자(Author) |
전준철
Junchul Chun
|
| 원문수록처(Citation) |
VOL 23 NO. 04 PP. 0358 ~ 0371 (1996. 04) |
한글내용
(Korean Abstract) |
자기 공명 메디칼 영상으로부터 정상적인 세포조직(tissue) 또는 뇌종양(brain tumor)과 같은 비정상적인 세포조직의 가시화(visualization) 또는 분석을 위해서는 대상 세포조직의 적절한 분류()를 필요로 한다. 본 논문에서는 마코브 렌덤휠드 (MRF)와 깁스 랜덤휠드 (GRF) 및 스토케스틱 릴렉세이션에 기반을둔 새로운 3차원 자기공명 영상의 분류 방법을 제시한다. 통상적으로 디지탈영상은 정사각형의 격자(lattice) 구조상에 정의된 2차원 랜덤휠드로 간주되어 왔으며 이때 영상 분류의 영역(domain)은 E^2이다. 그러나, 볼륨영상의 분류는 3차원 자기공명영상(Volumetric MRI)데이타, 즉 E^3를 그 분류 영역으로 한다. 다중 스펙트럴과 3차원 테이타로 형서왼 자기공명 영상의 분류를 위하여, 베이지안 의사결정 방법이 선택 되었으며 3차원 영상에 MRF-GRF 스토케스틱 모델을 구축하였다. 영상의 분류 결과는 MAximum A Posteriori (MAP)를 갖는 클레스 맵의 형태로 표현되며 MAP를 획득하기 위하여 릴렉세이션과 에닐링에 근거한 새로운 context-dependent 분류방법이 개발 되었다. |
영문내용
(English Abstract) |
This paper describes a new three dimensional Magnetic Resonance Image (volumetric image) classification technique which is based on the Markov Random Field (MRF) - Gibbs Random Field (GRF) model together with a stochastic relaxation algorithm. Conventionaly, a digital image is considered as a two-dimensional random field defined over rectangular lattice structure and the domain of image classification is the plane. However, in the volumetric image classification, we use voulumetric images, i.e., three dimensional image data sets.
For the classification of Multi-Echo (multispectral) and multivolume Magnetic Resonance Images (MRI), a Bayesian decision rule is adopted and an MRF-GRF stochastic model is introduced. To obtain the maximu a posterior probability (MAP) classification a new multivariate image context-dependent classification based on relaxation and annealing is developed.
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
