메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
Dongwon Woo (Kyungpook National University Hospital) Sungmoon Jeong (Kyungpook National University)
저널정보
대한전자공학회 전자공학회논문지 전자공학회논문지 제59권 제2호(통권 제531호)
발행연도
2022.2
수록면
51 - 58 (8page)
DOI
10.5573/ieie.2022.59.2.51

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
영상판독을 통한 임상 의사결정 지원시스템 개발에 있어서, 분석하고자 하는 병변 또는 장기만을 효과적으로 추출할 수 있는 영상 분할 기술은 활발한 연구가 진행되어 왔다. 특히, 영상내의 형태특징정보를 효과적으로 추출할 수 있는 딥러닝 계열의 Convolutional Neural Network (CNN) 모델을 기반으로 한 U-net 모델은 의료 영상 분할 연구에서 가장 중요한 모델중 하나로 사용되어지고 있다. 하지만, 특정 병변 및 장기의 경우 형태특징정보뿐만 아니라 병변 및 장기의 물리적 특성에 따른 영상에서의 화소 밝기 특징정보 또한 중요한 역할을 하지만 형태특징정보에 더욱 의존적인 U-net 모델의 경우에는 모델 학습과정에서 밝기 특징 정보가 누락될 수 있는 단점이 있다. 이에 본 논문에서는, 세밀한 영상 분할을 위해 특정 병변 및 장기가 가지고 있는 밝기 특징 정보를 가우시안 혼합모델(Gaussian Mixture Model: GMM)을 통해 모델링 및 강화하여 영상분할에 필요한 사전지식으로 사용할 수 있도록 기존 U-net 모델을 개선하였다. 제안한 알고리즘의 성능 검증을 위해 구강X-ray 영상에서의 치아분할, 뇌 CT영상에서의 뇌출혈 분할 및 뇌MR 영상에서의 뇌종양 분할 실험을 진행하였으며, 영상의 밝기정보를 강화한 제안 모델이 기존의 U-net에 비해 더욱 세밀한 영상분할이 가능한 것을 확인하였다. 제안한 영상 화소 밝기 특징강화 접근방법은 영상분할외에도 영상분류, 예측 등 다양한 영상분석 방법에 적용되어 영상전처리로써 중요한 역할을 할 수 있을 것이다.
#Clinical decision support system #Medical image segmentation #Intensity enhancement #Gaussian mixture model #U-net

목차

요약
Abstract
Ⅰ. Introduction
Ⅱ. Medical Imaging Segmentation Dataset
Ⅲ. Proposed model
Ⅳ. Experimental Results
Ⅴ. Conclusion and Discussion
REFERENCES

참고문헌 (12)

참고문헌 신청
Sharma, Neeraj, and Lalit M. Aggarwal. "Automated medical image segmentation techniques." Journal of medical physics/ Association of Medical Physicists of India 35.1: 3, 2010. google schola Hesamian, Mohammad Hesam, et al. "Deep learning techniques for medical image segmentation: achievements and challenges." Journal of digital imaging 32.4: 582-596, 2019. google schola Nguyen, Kim-Cuong T., et al. "Alveolar bone segmentation in intraoral ultrasonographs with machine learning." Journal of dental research 99.9: 1054-1061, 2020. google schola Havaei, Mohammad, et al. "Brain tumor segmentation with deep neural networks." Medical image analysis 35: 18-31, 2017 google schola Litjens, Geert, et al. "A survey on deep learning in medical image analysis." Medical image analysis 42: 60-88, 2017. google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

SANet : Self-Attention U-Net for Binary Tooth Segmentation
Jin Kim ,  Su Yang ,  MinHyuk Choi 외 2명 대한전기학회 학술대회 논문집 2021 .10
New algorithm for Background Removing in Digital X-ray Image Self-adaptive Acquisition System
Xun Li ,  Young Jun Song ,  Young Ju Kim 한국콘텐츠학회 ICCC 논문집 2008 .12

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2022-569-001062391