무릎 자기공명영상에서 Coarse-to-Fine 방법 기반 2차원 및 3차원 분할 네트워크를 통한 반월상 연골 자동 분할 :Automatic Segmentation of Meniscus by 2D and 3D Segmentation Networks based on Coarse-to-Fine Method in Knee MR Image

김순빈

추천

검색

자료유형: 학위논문

저자정보: 김순빈 (서울여자대학교, 서울여자대학교 일반대학원)

지도교수: 홍헬렌

발행연도: 2019

저작권: 서울여자대학교 논문은 저작권에 의해 보호받습니다.

이용수1

이 논문의 연구 히스토리 (4)

2019

무릎 자기공명영상에서 Coarse-to-Fine 방법 기반 2차원 및 3차원 분할 네트워크를 통한 반월상 연골 자동 분할

김순빈 자연계열 컴퓨터학과 2019.01 학위논문

2018

무릎 MR 영상에서 다중 아틀라스 기반 지역적 가중 투표 및 패치 기반 윤곽선 특징 분류를 통한 반월상 연골 자동 분할

김순빈 , 김현진 , 홍헬렌 외 1명 컴퓨터그래픽스학회논문지 2018.09 학술저널

무릎 MR 영상에서 위치 추정 및 다중 아틀라스 기반 지역적 가중 투표를 통한 반월상 연골 자동 분할

김순빈 , 김현진 , 홍헬렌 외 1명 한국정보과학회 학술발표논문집 2018.06 학술대회자료

2017

무릎 MR 영상에서 다중기관, 다중 아틀라스 기반 내측 반월상 연골 자동 분할

김순빈 , 김현진 , 홍헬렌 외 1명 한국정보과학회 학술발표논문집 2017.12 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

In this paper, we propose an automatic segmentation method of meniscus in knee MR images by coarse-to-fine approach performing weighted fusion to complement 2D and 3D segmentation networks. First, signal intensity of knee MR images is normalized due to different signal intensity among the patients even in the same MR sequence image. Second, bone, articular cartilage, and meniscus are segmented using 2D segmentation networks considering global context information. Third, medial and lateral meniscus are respectively segmented using 3D segmentation networks considering local context and spatial information, in VOI localized by 2D segmentation networks results. Finally, meniscus are segmentated using weighted fusion considering shape structures. Dice similarity coefficient between proposed method and manual segmentation were 83.92% of medial meniscus and 81.99% for lateral meniscus, and showed better results of 6.23% for medial meniscus and 3.44% for lateral meniscus compared to the 3D U-Net. The proposed method can be applied to surgery planning of knee osteoarthritis and to creating patient-customized meniscus models using 3D bio-printing by measuring the volume of the meniscus with pre-segmentation.

#반월상 연골 #의료영상 #딥러닝 #인공지능

제 1 장 서 론 1
1.1. 연구 배경 및 필요성 1
1.2. 연구 목적 및 내용 5
1.3. 논문의 구성 7
제 2 장 관 련 연 구 8
2.1. 밝기값 기반 반월상 연골 분할 8
2.2. 형상 모델 기반 반월상 연골 분할 10
2.3. 기계학습 기반 반월상 연골 분할 12
2.4. 딥 컨볼루션 신경망 기반 반월상 연골 분할 14
제 3 장 무릎 MR 영상에서 반월상 연골 분할 16
3.1. 네트워크 구조 및 개요 16
3.2. 네트워크 입력 영상 전처리 18
3.3. 반월상 연골 분할 네트워크 20
3.3.1. 무릎 구조물 정보를 고려한 2차원 분할 네트워크 20
3.3.2. 공간 정보를 고려한 3차원 분할 네트워크 23
3.3.3. 형상 구조를 고려한 가중치 융합 25
제 4 장 실험 및 결과 27
4.1. 실험 환경 27
4.2. 실험 계획 28
4.2.1 네트워크 파라미터 28
4.2.2 실험 데이터 30
4.2.3 평가 방법 31
4.3 실험 결과 32
4.3.1 정량적 평가 결과 32
4.3.2 정성적 평가 결과 35
제 5 장 결론 및 향후 연구 방향 37
참 고 문 헌 38

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (4)

초록· 키워드

목차

최근 본 자료

댓글(0)