정보과학회논문지 (Journal of KIISE)
Current Result Document :
| 한글제목(Korean Title) |
자기지도학습으로 추론된 특징을 이용한 CT 영상의 보간 방법 |
| 영문제목(English Title) |
Interpolation Method for CT Image Reconstruction using Features Inferred by Self-Supervised Learning |
| 저자(Author) |
임주원
박진아
Joowon Lim
Jinah Park
|
| 원문수록처(Citation) |
VOL 48 NO. 09 PP. 1007 ~ 1013 (2021. 09) |
한글내용
(Korean Abstract) |
볼륨 데이터는 3차원 내부 정보를 가지고 있어서 정량적인 분석이 가능하다. 특히 의료영상 데이터는 인체 내부 구조를 3차원으로 시각화 할 수 있으나 이를 위해서는 균등한 복셀이 필요하다. 하지만 CT 데이터의 경우 방사선량을 줄이기 위해 슬라이스 이미지 사이의 간격이 넓은 볼륨 데이터를 얻는 경우가 있다. 이 경우, 3차원으로 재구성할 때 불연속적으로 시각화되거나 정량적인 오차를 유발할 수 있어 이미지 보간이 필요하게 된다. 본 논문에서는 고화질의 슬라이스 이미지로부터 CT 이미지 슬라이스 간의 보간에 필요한 정보를 자기지도학습으로 유추하는 방법을 제안하고자 한다. 이를 위하여 축소한 슬라이스 이미지를 신경망의 입력값으로 넣고, 신경망은 이 이미지를 원본 이미지로 복원하는 과정을 학습한다. 본 연구에서 제안하는 방법은 최근접 이웃 보간법과 삼선형 보간법보다 세부 정보를 유추하는 장점을 보이고 참값을 가지고 지도 학습으로 학습한 신경망 결과보다 성능이 저하되지 않음을 확인하였다. |
영문내용
(English Abstract) |
Since volumetric data includes internal information, it has an advantage of performing quantitative analysis. Especially medical image data render 3D structures of internal organs, and cubic voxel is necessary for accurate visualization. However, CT image volume is acquired in low z-resolution to reduce X-ray dose exposure. Between slices, image interpolation is a necessary step for visualization as well as for 3D data analysis. In this paper, we propose a self-supervised learning algorithm as an interpolation method that uses the information from the high-resolution images to infer missing information between slices. To achieve this, downscaled slice images are given as the input of the network, and the network recovers the original slice images from the downscaled images. The result of our method outperformed the commonly practiced interpolation methods - nearest-neighbor and trilinear interpolation – in the field, with respect to estimating details. Also, we verified that the proposed algorithm performs comparably with the supervised model with the same network. |
| 키워드(Keyword) |
의료 영상
볼륨 데이터
보간법
초해상화
자기지도학습
medical image
volume data
interpolation
super resolution
self-supervised learning
|
| 파일첨부 |
PDF 다운로드
|
