정보과학회논문지 (Journal of KIISE)
Current Result Document :
| 한글제목(Korean Title) |
복부 CT 영상에서 췌장의 불확실성을 고려한 계층적 네트워크 기반 자동 췌장 분할 |
| 영문제목(English Title) |
Automatic Pancreas Segmentation Based on Cascaded Network Considering Pancreatic Uncertainty in Abdominal CT Images |
| 저자(Author) |
김보은
장영진
김학수
Boeun Kim
Youngjin Jang
Harksoo Kim
윤현담
김현진
홍헬렌
Hyeon Dham Yoon
Hyeonjin Kim
Helen Hong
|
| 원문수록처(Citation) |
VOL 48 NO. 05 PP. 0548 ~ 0555 (2021. 05) |
한글내용
(Korean Abstract) |
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.
|
영문내용
(English Abstract) |
Pancreas segmentation from abdominal CT images is a prerequisite step for understanding the shape of the pancreas in pancreatic cancer detection. In this paper, we propose an automatic pancreas segmentation method based on a deep convolutional neural network(DCNN) that considers information about the uncertain regions generated by the positional and morphological diversity of the pancreas in abdominal CT images. First, intensity and spacing normalizations are performed in the whole abdominal CT images. Second, the pancreas is localized using 2.5D segmentation networks based on U-Net on the axial, coronal, and sagittal planes and by combining through a majority voting. Third, pancreas segmentation is performed in the localized volume using a 3D U-Net-based segmentation network that takes into account the information about the uncertain areas of the pancreas. The average DSC of pancreas segmentation was 83.50%, which was 10.30%p, 10.44%p, 6.52%p, 1.14%p, and 3.95%p higher than the segmentation method using 2D U-Net at axial view, coronal view, sagittal view, majority voting of the three planes, and 3D U-Net at localized volume, respectively.
|
| 키워드(Keyword) |
정답 후보군 탐지
질문 생성
질의응답
데이터 자동 구축
Span Matrix
2단계 학습
answer candidates detection
question generation
question-answering
automatic data construction
span matrix
2-step learning
딥 컨볼루션 신경망(DCNN)
췌장 분할
복부 CT 영상
U-Net
불확실성
deep convolutional neural network (DCNN)
pancreas segmentation
abdominal CT images
U-Net
uncertainty
|
| 파일첨부 |
PDF 다운로드
|
