의료 영상처리에서의 물리적 이론을 활용한 객체 유효 인식 방법

Abstract

의료 영상처리 분야에서의 일반적인 객체 인식 방법은 영역 분할 알고리즘을 기반으로 처리되어진다. 컴퓨팅 분야에서의 이러한 영역 분할 알고리즘은 대부분 밝기 정보, 형태 정보, 패턴 분석 등 다양한 입력정보의 컴퓨팅 처리를 통해 처리된다. 그러나 이러한 컴퓨팅 방법으로는 앞서 언급된 입력 정보들이 의미가 없을 경우, 영역 분할에 많은 제약이 따르게 된다. 따라서 본 논문은 이러한 컴퓨팅 처리의 근본적인 제약사항을 해결하고자, MR 이론의 R2-map 정보 기반의 효과적인 영역 분할 방법은 제안하였다. 본 방법은 간 영역이 포함된 영상에서 실험하였으며, R2-map의 특징점들을 2차원 영역성장법의 씨앗점으로 설정한 후, 검출된 영역의 최종 경계선 보정작업을 통해 경계가 모호하더라도 영역 분할이 가능하게끔 하였다. 해당 영상의 실험 결과, 평균 7.5%의 평균 영역 차이로 기존의 대표 영역 분할 알고리즘에 비해 높은 정확도가 산출되었다. In medical image processing field, object recognition is usually processed based on region segmentation algorithm. Region segmentation in the computing field is carried out by computerized processing of various input information such as brightness, shape, and pattern analysis. If the information mentioned does not make sense, however, many limitations could occur with region segmentation during computer processing. Therefore, this paper suggests effective region segmentation method based on R2-map information within the magnetic resonance (MR) theory. In this study, the experiment had been conducted using images including the liver region and by setting up feature points of R2-map as seed points for 2D region growing and final boundary correction to enable region segmentation even when the border line was not clear. As a result, an average area difference of 7.5%, which was higher than the accuracy of conventional exist region segmentation algorithm, was obtained.