http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
전병환(Byunghwan Jeon),장영걸(Yeonggul Jang),한동진(Dongjin Han),심학준(Hackjoon Shim),박형복(Hyungbok Park),장혁재(Hyuk-Jae Chang) 대한전자공학회 2016 전자공학회논문지 Vol.53 No.6
본 논문에서는 새로운 방법의 3차원 컴퓨터단층영상에서 혈관을 추적하는 알고리즘을 소개하고자 한다. 해당 방법은 먼저 빠르게 다수의 2차 혹은 3차의 정칙곡선들로 대표되는 혈관의 지역적 모델들을 생성한다. 혈관의 특징을 고려한 비용함수로부터 각 곡선들은 영상데이터를 기반으로 생성된 비용을 부여 받는다. 추적 과정에서 매 단계 다음 혈관을 추정하기 위한 곡선들은 특정기준에 의하여 여과되어 결국 혈관의 내부에 위치한 곡선들만 걸러낸다. 그 후 이들을 기반으로 혈관의 중심 선에 해당하는 최적의 정칙곡선 하나를 선정하게 된다. 지역적으로 최적인 정칙곡선이 순차적으로 검출되며 이들을 연결하여 하나의 혈관을 대표하는 구분적으로 부드러운 곡선을 만들어낸다. 짧은 정칙곡선은 제어 점들만으로 빠르게 기하학적 변환이 가능하며, 정의역 모든 구간에 대하여 미분이 가능하므로 곡률과 비틀림과 같은 기하학적 정보를 얻기 용이한 장점이 있다. 해당 방법에서 사용되는 정칙곡선모델이 혈관을 분류하고 추적함에 있어서 그 적합성을 증명하였고, 공공 데이터를 이용한 실험을 통하여 정확성과 수행시간에 대해 최신기법들과 비교할만한 결과를 얻었다. A novel tracking method is proposed to find coronary artery using high-order curve model in coronary CTA(Computed Tomography Angiography). The proposed method quickly generates numerous artificial trajectories represented by high-order curves, and each trajectory has its own cost. The only high-ranked trajectories, located in the target structure, are selected depending on their costs, and then an optimal curve as the centerline will be found. After tracking, each optimal curve segment is connected, where optimal curve segments share the same point, to a single curve and it is a piecewise smooth curve. We demonstrated the high-order curve is a proper model for classification of coronary artery. The experimental results on public data set sho that the proposed method is comparable at both accuracy and running time to the state-of-the-art methods.
기하학관계 분석을 통한 X-ray/CT영상 기반 혈관 조각 병합기법
한경훈(Kyunghoon Han),전병환(Byunghwan Jeon),홍영택(Youngtaek Hong),심학준(Hackjoon Shim),장혁재(Hyuk-Jae Chang) 대한전자공학회 2018 대한전자공학회 학술대회 Vol.2018 No.6
Vessel-like structures can be represented by higher order curves. Such curvature and torsion are useful properties for analysis of coronary artery. With conventional methods for coronary artery segmentation in X-ray and CT images, accuracy can be improved by clustering and merging using geometric properties. Broken or disconnected vessels due to the plaques can be merged into one by the proposed method.
메쉬 병합을 통한 관상동맥의 삼각 표면 메쉬 모델 생성
장영걸(Yeonggul Jang),김동환(Dong Hwan Kim),전병환(Byunghwan Jeon),한동진(Dongjin Han),심학준(Hackjoon Shim),장혁재(Hyuk-jae Chang) 한국정보과학회 2016 정보과학회논문지 Vol.43 No.4
최근 관상동맥 영역화 결과로부터 삼차원 표면 모델을 생성함으로써 혈관 구조적 정보의 렌더링 효율성의 증대뿐만 아니라 전산유체역학를 이용한 혈류 역학 시뮬레이션을 통해 혈류분획예비력과 같은 생리적 정보들을 획득하는 연구들이 활발히 진행되고 있다. 본 논문에서는 혈관 영역화 과정에서 획득한 혈관 구조 정보를 입력 데이터로 사용하여 관상동맥의 삼차원 삼각 표면 메쉬 모델을 생성하는 방법을 제안한다. 관상동맥 영역화 결과로부터 삼각형 표면 메쉬 모델을 만드는 방법으로는 Marching cube 알고리즘에 기반한 방법들이 있지만 이산적인 영상 공간에서 수행되는 알고리즘으로 가늘고 다양한 굴곡을 갖는 혈관 경계를 표현하기 힘들다. 제안된 방법은 관상동맥 영역화 과정에서 추정한 혈관 중심좌표와 법선 벡터 그리고 직경 정보를 이용하여 기존 방법들보다 정교하게 단일 혈관 가닥들에 대한 삼각 표면 메쉬들을 생성하고 분기가 일어나 중첩되는 메쉬들은 메쉬 병합 기법을 사용하여 처리함으로써 통합된 관상동맥메쉬를 생성한다. Generating a 3D surface model from coronary artery segmentation helps to not only improve the rendering efficiency but also the diagnostic accuracy by providing physiological informations such as fractional flow reserve using computational fluid dynamics (CFD). This paper proposes a method to generate a triangular surface mesh using vessel structure information acquired with coronary artery segmentation. The marching cube algorithm is a typical method for generating a triangular surface mesh from a segmentation result as bit mask. But it is difficult for methods based on marching cube algorithm to express the lumen of thin, small and winding vessels because the algorithm only works in a three-dimensional (3D) discrete space. The proposed method generates a more accurate triangular surface mesh for each singular vessel using vessel centerlines, normal vectors and lumen diameters estimated during the process of coronary artery segmentation as the input. Then, the meshes that are overlapped due to branching are processed by mesh merging and merged into a coronary mesh.
내시경 수술영상에서 수술도구 인식을 위한 물체인식 딥러닝 모델의 성능 비교
윤상흠(Sangheum Yoon),한동진(Dongjin Han),김덕석(DeokSeok Kim),전병환(Byunghwan Jeon) 대한전자공학회 2021 대한전자공학회 학술대회 Vol.2021 No.6
본 연구에서는 내시경 수술 영상에서 총 6종의 수술도구를 인식하기 위하여 YOLO 계열의 모델과 R-CNN 계열의 모델 간 성능 차이를 비교 분석하기 위한 연구를 수행하였다. 두 계열에는 방법의 차이가 존재하므로 주어진 영상과 문제마다 적합한 모델이 무엇인지 분석해보고자 한다. 본 연구에 적용된 방법은 YOLOv3와 Faster R-CNN이며, 그 결과 YOLOv3는 속도가 빠르지만 정확도가 조금 떨어지는 경향을 보였고, Faster R-CNN의 경우 YOLOv3대비 속도가 2.6배 느리지만 3.59%의 정확도가 더 높은 것을 확인하였다. 의료영상의 특성상 속도보다는 정확도가 더 중요하므로 Faster R-CNN을 적용하는 것이 바람직한 것으로 판단된다.
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.
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.