http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
3차원 CT영상에서 좌심방이 분할을 위한 영역확장 기법
윤종엄(Jong-Um Yoon),이지현(Jihyun Lee),한경훈(Kyunghoon Han),전병환(Byunghwan Jeon) 대한전자공학회 2021 대한전자공학회 학술대회 Vol.2021 No.6
본 연구에서는 CT영상에서 좌심방 및 좌심방이의 정확한 분할을 위한 방법을 제안하고자 한다. 좌심방과 좌심방이는 구조적으로 연결되어 있어서 두 영역간 이미지 값의 차이를 구분하기 힘들다. 특히 U-Net과 같은 2차원 프레임별로 예측을 하는 경우 3차원의 복잡한 모양을 가지는 좌심방이의 영역을 잘 예측하기 어렵다. 본 연구에서는 심방의 영역은 U-Net기반의 딥러닝 모델을 활용하되 좌심방이 영역은 순수 이미지 정보를 활용하여 3차원의 불규칙적인 구조를 추출하여 좌심방 및 좌심방이를 추출하고자 한다.
인공지능기반 3차원 의료영상에서 고속 참값 데이터 생성을 위한 라벨링 프레임워크
이지현(Jihyun Lee),윤종엄(Jong-Um Yoon),홍영택(Youngtaek Hong),전병환(Byunghwan Jeon) 대한전자공학회 2021 대한전자공학회 학술대회 Vol.2021 No.6
3차원 의료영상의 특성상 참값 데이터 생성이 어렵고, 시간이 오래 걸린다. 본 연구에서는 3차원 영상의 가시화 및 인공지능기반의 초벌 참값 데이터 생성을 통하여 빠르고 정확한 참값 데이터 생성이 가능한 가시화 및 라벨링 프레임워크를 제안한다. 오픈소스 기반 프레임워크들은 다양한 각도에서 수정하는 것과 라벨링 된 데이터를 3차원 구조로 시각화하여 수정하는 기능을 포함하고 있지 않다. 제안된 프레임워크의 기능에 3차원 렌더링, 3축 뷰, 초벌 참값 데이터 생성을 위한 U-Net 모델, 영역확장, 모폴로지 기능들을 포함하였다. 따라서 프레임워크를 사용하여 빠르고 정확한 참값 데이터 생성을 기대할 수 있다.