정보과학회논문지 (Journal of KIISE)
Current Result Document : 6 / 99
이전건
다음건 
| 한글제목(Korean Title) |
복부 CT 영상에서 다중 아틀라스 기반 형상 및 밝기값 정보를 사용한 신실질 자동 분할 |
| 영문제목(English Title) |
Automatic Segmentation of Renal Parenchyma using Shape and Intensity Information based on Multi-atlas in Abdominal CT Images |
| 저자(Author) |
김현진
홍헬렌
장기돈
나군호
Hyeonjin Kim
Helen Hong
Kidon Chang
Koon Ho Rha
|
| 원문수록처(Citation) |
VOL 45 NO. 09 PP. 0937 ~ 0942 (2018. 09) |
한글내용
(Korean Abstract) |
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 방법 대비 다이스 유사계수가 각각 18.19%, 1.35% 향상되었다.
|
영문내용
(English Abstract) |
Renal parenchyma segmentation is necessary to predict contralateral hypertrophy after renal partial nephrectomy. In this paper, we propose an automatic segmentation method of renal parenchyma using shape and intensity information based on the multi-atlas in abdominal CT images. First, similar atlases are selected using volume-based similarity registration and intensity-similarity measure. Second, renal parenchyma is segmented using two-stage registration and constrained intensity-based locally-weighted voting. Finally, renal parenchyma is refined using a Gaussian mixture model-based multi-thresholds and shape-prediction map in under- and over-segmented data. The average dice similarity coefficient of renal parenchyma was 91.34%, which was 18.19%, 1.35% higher than the segmentation method using majority voting and locally-weighted voting in dice similarity coefficient, respectively.
|
| 키워드(Keyword) |
컴퓨터 단층촬영 영상(CT)
신실질
다중 아틀라스
지역적 가중투표(LWV)
형상확률맵(SPM)
computed tomography (CT)
renal parenchyma
multi-atlas segmentation
locally weighted voting
shape-prediction map
|
| 파일첨부 |
PDF 다운로드
|
