정보과학회논문지 (Journal of KIISE)
Current Result Document :
| 한글제목(Korean Title) |
다단계 Seg-Unet 모델을 이용한 방사선 사진에서의 End-to-end 골 종양 분할 및 분류 |
| 영문제목(English Title) |
End-to-end Bone Tumor Segmentation and Classification from X-ray Images by Using Multi-level Seg-Unet Model |
| 저자(Author) |
도누따이
정성택
양형정
김수형
Nhu-Tai Do
Sung-Taek Jung
Hyung-Jeong Yang
Soo-Hyung Kim
|
| 원문수록처(Citation) |
VOL 47 NO. 02 PP. 0170 ~ 0179 (2020. 02) |
한글내용
(Korean Abstract) |
무릎 골종양 검출은 의료진단 보조 시스템 구현에 있어서 중요한 역할을 담당한다. 지금까지 제시된 방법 중 입력 X-ray 영상에서 종양을 검출하고 이를 분류하는 기능이 모두 포함된 end-to-end 시스템은 없다. 본 논문에서는 다중 딥러닝에 기반한 end-to-end 시스템을 제안한다. 이를 위해 우리는 영상내 종양부분에 대한 거리변환으로부터 다단계 마스크를 생성하고, 이를 해당 종양의 의미론적 정보를 추출하는 신경망의 guided filter로 활용한다. 또한, 제안된 신경망 구조는 종양의 분할과 분류 과정을 학습하는 과정에서 정규화하는 효과를 포함하고 있다. 제안된 신경망 모델이 전남대학교병원에서 구축한 데이터셋에 대해 다른 기법들보다 우수한 성능을 보임을 입증하였다.
|
영문내용
(English Abstract) |
Knee bone tumor detection plays an essential role in assisting the clinical diagnosis process. To the best of our knowledge, there is no method to integrate end-to-end segmentation and classification for this problem. In this paper, we propose a multi-task deep learning architecture for classification and segmentation of the tumor regions in the knee bone. Also, we introduce multi-level distance masks from the distance transform of tumor region, and these multi-level distance masks have a role as a guided filter in enabling the network to capture semantic data around tumor regions. Besides, the architecture has a regularizing effect on the learning process between segmentation and classification. Our model was evaluated on the Chonnam National University Hospital dataset and achieved good performance compared to other methods.
|
| 키워드(Keyword) |
딥러닝
무릎 골 종양
의료 영상 분할
unet
segnet
dice loss
deep learning
knee bone tumor
medical image segmentation
unet
segnet
dice loss
|
| 파일첨부 |
PDF 다운로드
|
