새로운 속도함수를 갖는 레벨 셋 방법을 이용한 의료영상분할

김선월,조완현,Kim, Sun-Worl,Cho, Wan-Hyun 한국통계학회 2011 응용통계연구 Vol.24 No.2

본 논문에서는 레벨 셋 방법을 이용하여 영상분할을 수행하는데 필요한 새로운 하이브리드 속도함수를 제안한다. 새롭게 제안하는 속도함수는 정확한 분할 결과를 위하여 영상의 객체가 가지고 있는 영역정보와 윤곽선정보를 함께 이용한다. 영역정보는 관심이 있는 물체영상내의 픽셀들의 밝기에 대한 확률분포의 정보를 이용하였고, 윤곽선정보는 영상의 에지의 기울기로부터 주어지는 기울기 벡터장을 이용하였다. 제안된 방법을 이용한 분할결과의 정확성을 확인하기 위하여 가상영상과 실제 사용되는 의료영상에 대하여 다양한 실험을 실시하고, 분할된 결과를 통하여 제안된 방법의 우수성을 입증하였다. In this paper, we propose a new hybrid speed function for image segmentation using level set. A new proposed speed function uses the region and boundary information of image object for the exact result of segmentation. The region information is defined by the probability information of pixel intensity in a ROI(region-of-interest), and the boundary information is defined by the gradient vector flow obtained from the gradient of image. We show the results of experiment for an various artificial image and real medical image to verify the accuracy of segmentation using proposed method.

조건부 엔트로피와 3차원 볼륨 렌더링기법을 이용한 의료영상의 정합과 가시화

김선월,조완현,Kim, Sun-Worl,Cho, Wan-Hyun 한국통계학회 2009 Communications for statistical applications and me Vol.16 No.2

영상정합은 동일한 장면에 대해서 서로 다른 시간 혹은 특성의 센서로부터 서로 다른 위치 에서 얻는 영상들의 공간적 대응관계를 찾는 과정이다. 본 논문에서는 동일 환자에게 촬영한 뇌 MR과 CT영상간의 상이한 공간좌표계의 차이를 보정하기 위 한 강인한 정합방법을 소개한다. 두 영상의 명암도에 대한 결합 히스토그램으로부터 계산된 개선된 조건부 엔트로피(MCE: Modified Conditional Entropy)를 이용하여 최대인 위치로 정합을 수행하고, 3차원 볼륨 렌더링 기법을 이용하여 정합된 영상을 가시화한다. Image registration is a process to establish the spatial correspondence between images of the same scene, which are acquired at different view points, at different times, or by different sensors. In this paper, we introduce a robust brain registration technique for correcting the difference between two temporal images by the different coordinate systems in MR and CT image obtained from the same patient. Two images are registered where this measure is minimized using a modified conditional entropy(MCE: Modified Conditional Entropy) computed from the joint histograms for the intensities of two given images, we conduct the rendering for visualization of 3D volume image.

비모수적 베이지안 추론방법에 기반을 둔 2차원 무한 은닉 마코프 메쉬 모형을 이용한 영상분할

김선월(Sun-Worl Kim),조완현(Wan-Hyun Cho) 한국정보과학회 2012 정보과학회논문지 : 소프트웨어 및 응용 Vol.39 No.11

본 논문에서는 영상분할을 실시할 때 사전의 정보 없이 상태의 수를 자동으로 결정하는 새로운 2차원 무한 은닉 마코프 메쉬모형을 제안한다. 영상을 확률모형으로 표현할 때 사용되는 2차원 은닉 마코프 메쉬모형은 이웃시스템을 이용하여 이전의 시점을 정의하고 인과관계를 통하여 전이확률을 계산한다. 그리고 영상의 최적분할을 위한 각 화소의 상태행렬을 비모수적 베이지안 추론방법으로 추정한다. 이때 유동적인 무한상태의 수를 갖는 상태행렬에 대한 사전분포는 계층적 디리쉴레 확률과정을 가정하고, 관측 값에 대한 확률분포는 유한혼합분포를 가정하여 블록화 깁스샘플링 방법을 통하여 최적의 상태 수와 가정된 모형의 모수를 자율적으로 결정한다. 최종적으로 각 화소의 상태행렬에 대한 사후확률을 계산하고 이중 최댓값을 갖는 상태로 해당 화소를 할당하여 영상분할을 수행한다. 그리고 다양한 의료영상에 대하여 제안된 방법과 기존방법의 비교실험을 통하여 제안된 방법의 우수성을 입증할 수 있는 실험한 결과를 제시하였다. In this study, we propose the new method to automatically select the number of states without a prior information for image segmentation. The Markov mesh model used to express images as probabilistic model in 2D image defines the time before using a neighbor system, and can calculate the transition probability by the causality. Then the state matrix of 2-dimensional infinite hidden Markov mesh model for the optimal segmentation is estimated by the nonparametric Bayesian Inference. The number of states gets a infinite number instead of finite number by applying a hierarchical Dirichlet process for prior distribution of state matrix, and the optimal number is automatically selected by the blocked Gibbs sampling method. Finally, the image segmentation is performed by assignment the pixels to state having the maximum a posterior probability, and we show that our method get better results in comparison experiments with existing method.

의료영상분할을 위한 조건부 랜덤 필드 모델링

김선월(Sun-Worl Kim),조완현(Wan-Hyun Cho) 한국멀티미디어학회 2009 한국멀티미디어학회 학술발표논문집 Vol.2009 No.1

본 논문에서는 다양한 영상의 분할과 라벨링 문제에 매우 효율적인 조건부 랜덤 필드(CRF)를 소개하고, PET영상에서 뇌 영역의 분할을 실시한다. CRF에서는 기존의 모델들에서 잘 반영되지 않았던 동일한 영역 내의 상호관련성을 고려하여 영상 내 사이트들 간의 정보를 이용하여 분할을 실시한다. 본 논문에서는 이러한 CRF를 이용하여 분할을 실시한 결과를 제시하였다.

볼륨영상 분할을 위한 새로운 레벨 셋 방법과 기존 방법의 성능비교

이명은,조완현,김선월,진연연,김수형,Lee, Myung-Eun,Cho, Wan-Hyun,Kim, Sun-Worl,Chen, Yan-Juan,Kim, Soo-Hyung 한국정보처리학회 2011 정보처리학회논문지B Vol.18 No.3

본 논문에서는 볼륨 의료영상 분할에 대한 기존의 레벨 셋 기법과 제안하는 방법의 성능을 비교하고자 한다. 기존의 방법들은 영역의 정보만을 이용하여 분할을 시행하므로, 영상의 종류에 따라서 정확한 분할을 못한 경우가 있다. 따라서 새롭게 제안하는 방법은 정확한 분할 결과를 위하여 영상의 객체가 가지고 있는 에지 정보와 영역 정보를 함께 이용한다. 에지 정보는 레벨 셋의 곡면이 객체의 표면에 잘 도달할 수 있도록 해주는 기울기 벡터장을 이용하고, 영역 정보는 각 영역에서 픽셀의 밝기 값을 가우시안 분포를 이용하여 통계적 모델로 적합시킴으로써 영상의 분할에 적용하였다. 또한, 곡면 주변 잡음의 영향을 최소화 시켜주는 정규화 항을 사용한다. 기존의 레벨 셋 기반의 방법들과 제안한 방법의 성능 평가를 위하여 실제 볼륨 의료영상에 대하여 다양한 실험을 실시하고, 분할된 결과의 비교를 통하여 제안된 방법의 우수성을 입증한다. In this paper, we compare our proposed method with previous methods for the volumetric image segmentation using level set. In order to obtain an exact segmentation, the region and boundary information of image object are used in our proposed speed function. The boundary information is defined by the gradient vector flow obtained from the gradient images and the region information is defined by Gaussian distribution information of pixel intensity in a region-of-interest for image segmentation. Also the regular term is used to remove the noise around surface. We show various experimental results of real medical volume images to verify the superiority of proposed method.

기울기 벡터장과 조건부 엔트로피 결합에 의한 의료영상 정합

이명은,김수형,김선월,임준식,Lee, Myung-Eun,Kim, Soo-Hyung,Kim, Sun-Worl,Lim, Jun-Sik 한국정보처리학회 2010 정보처리학회논문지B Vol.17 No.4

본 논문에서는 기울기 벡터장과 조건부 엔트로피를 결합한 의료영상 정합 방법을 제안한다. 정합 방법은 조건부 확률의 엔트로피에 기반한 측도를 수행한다. 먼저 공간적 정보를 얻기 위해 윤곽선 정보의 방향을 제공하는 기울기 정보인 기울기 벡터장을 계산한다. 다음으로 주어진 두 영상에서 픽셀의 밝기정보와 에지정보를 결합하여 조인트 히스토그램을 계산하여 조건부 엔트로피를 구하고, 이것을 두 영상의 정합측도로 사용한다. 제안된 방법의 성능평가를 위해 자기공명 영상과 변환된 컴퓨터단층촬영 영상에 기존 방법인 상호정보기반의 측도, 조건부 엔트로피만을 사용한 측도와 비교 실험을 수행한다. 실험결과로부터 제안한 방법이 기존의 최적화 방법들 보다 더 빠르고 정확한 정합임을 알 수 있다. In this paper, we propose a medical image registration technique combining the gradient vector flow and modified conditional entropy. The registration is conducted by the use of a measure based on the entropy of conditional probabilities. To achieve the registration, we first define a modified conditional entropy (MCE) computed from the joint histograms for the area intensities of two given images. In order to combine the spatial information into a traditional registration measure, we use the gradient vector flow field. Then the MCE is computed from the gradient vector flow intensity (GVFI) combining the gradient information and their intensity values of original images. To evaluate the performance of the proposed registration method, we conduct experiments with our method as well as existing method based on the mutual information (MI) criteria. We evaluate the precision of MI- and MCE-based measurements by comparing the registration obtained from MR images and transformed CT images. The experimental results show that the proposed method is faster and more accurate than other optimization methods.

다양한 SVM 기법들을 이용한 영상 분류 설계

지혜영(Hye-Young Ji),김선월(Sun-Worl Kim),조완현(Wan-Hyun Cho) 한국멀티미디어학회 2009 한국멀티미디어학회 학술발표논문집 Vol.2009 No.1

본 논문에서는 전통적인 패턴인식 방법론에 비해 우수한 성능을 가지고 있어 최근 패턴인식 분야에서 널리 사용되고 있는 SVM 기법을 이용하여 영상 분류 설계를 실시하고자 하였다. 기존의 SVM 기법의 성능을 개선하기 위하여 Glen Fung과 Olvi Managsarian이 제안한 SSVM, PSVM, NSVM, LPSVM을 이용하여 영상분류를 실시하고, 이들의 성능을 비교하였다.

베이지안 추론 방법을 이용한 새로운 그래프 매칭방법과 영상검색

박상철(Sang Cheol Park),조완현(Wan Hyun Cho),김선월(Sun Worl Kim),김수형(Soo Hyung Kim),나인섭(In Seop Na) 한국정보과학회 2013 정보과학회논문지 : 소프트웨어 및 응용 Vol.40 No.2

정확하고 효과적인 그래프 매칭 기법은 그래프 매칭을 이용한 내용기반 검색 시스템에서는 매우 중요하다. 우리는 베이즈(Bayes) 이론과 디리쉴레(Dirichlet) 분포를 이용한 새로운 그래프 매칭 알고리즘과 이를 이용한 영상 검색 시스템을 제안한다. 이를 위해 먼저 각 영상은 검출자(detector)에 의해 그래프로 표현되며, 그래프의 에지(edge)는 서술자(descriptor) 간의 거리로 나타낸다. 그런 후, 베이즈 이론과 디리쉴레 분포에 의해 두 그래프의 정점(검출자) 간의 매칭 정도를 나타내는 매칭행렬이 계산된다. 마지막으로 매칭행렬로 부터 볼록 최적화 알고리즘에 의해 최적 매칭관계를 찾는다. 여기서, 영상의 그래프표현은 다양한 변형에 강인한 MSER 영역 검출자와 스케일과 회전에 강인한 SIFT 서술자가 이용된다. 두 영상의 유사도는 검출자들 사이의 서술자를 이용한 상관계수로 대체된다. 영상 검색은 질의 영상과 데이터베이스의 모든 영상들을 매칭하여 유사도가 가장 높은 영상을 선택함으로써 수행된다. 우리는 제안 시스템의 평가를 위해 COIL-20 데이터베이스를 이용하였으며, 스펙트럴 매칭(spectral matching)을 이용한 검색 시스템과 비교하였다. 실험 결과 이 논문에서 제안한 새로운 그래프 매칭을 이용한 영상 검색 시스템은 기존의 스펙트럴 매칭을 이용한 검색 방법보다 우수한 성능을 보였다. An effective and accurate graph matching method is very important in content-based image retrieval systems using graph matching. In this paper, we propose an image retrieval system using a new graph matching algorithm based on Bayes theorem and Dirichlet distribution. To be more specific, each image is represented as a graph using nodes (detectors) and attributes of edges in the graph are assigned using the distance between two descriptors. Then, matching matrix is calculated to indicate the degree of matching between two node sets in different graphs using Bayes theorem and Dirichlet distribution. Last, the proposed algorithm searches for an optimal matching solution using convex relaxation algorithm from matching matrix. Here, we present an image as graph using MSER region detector which is robust to various transformations and calculate matching matrix using SIFT descriptor which is invariant against scale and rotation. Correlation between descriptors of two images is substituted for similarity between two images. Therefore, in retrieval phase, the system selects the images with high similarity by matching query image to each of all images in the database. We used COIL-20 database to test and evaluate the proposed system and compared our system with an image retrieval system using spectral matching method. The experimental results have shown that the proposed system based on a new graph matching algorithm achieves superior performance in comparison with spectral matching method.