복부 CT 영상에서 정확한 간 혈관 구조 분석 기법
Accurate Liver Vascular Structure Analysis in Abdominal CT Images
3
조회
0
다운로드
6
인용
0
참고문헌
키워드
초록
간 이식의 가상 수술 계획 수립에는 간 혈관 구조에 따라서 정확하게 간 영역을 구분하는 것이 필요하다. 이러한 요구 사항들은 기존에는 의사들에 의하여 수작업으로 수행되어왔지만, 최근 CT (computed tomography)의 발전에 따른 영상 데이터량의 급격한 증가로 인하여 의사들의 수작업을 보완할 컴퓨터를 이용한 보조 진단 기술의 필요성이 급증하고 있다. 하지만, 환자와 조영제에 따른 간 CT 영상들의 다양성으로 인하여 기존의 영상 분할, 골격화 기법들은 실제 데이터에 적용되어 좋은 결과를 보여주기가 어렵다. 본 논문에서는 간 문맥기 CT 영상에서 간 혈관 분할 및 구분 기법과 골격화 기법을 제안한다. 최적 임계값 기법으로 간 혈관을 정확하게 분할 및 구분하고, 경로 나무와 레벨 셋 기법으로 간 혈관을 골격화하여 구조를 분석한다. 20명의 환자 데이터에 대한 실험 결과 제안 기법으로 정확한 간 혈관 분할 및 골격화가 가능하였다. 제안 기법은 공여자의 간 영역을 구분하는 데 사용될 수 있다.
Abstract
For the virtual surgery planning of liver transplantation, it is necessary to divide liver segments according to liver vascular structure accurately. Although these requirements have been manually performed by doctors, the demands on computer-aided diagnosis are dramatically growing according to the increased amount of medical image data by the recent development of CT. However, conventional image segmentation, and skeletonization methods cannot be directly applied to clinical data due to the characteristics of liver CT images varied largely by patients and contrast agents. In this paper, liver vessel segmentation, classification, and skeletonization method is proposed in portal-phase liver CT images. Liver vessel is accurately segmented and classified by optimal thresholding. The skeletonization of liver vessel is performed by using path tree and level set method. Experimental results showed that proposed method accurately performed the segmentation and skeletonization of liver vessels for twenty patient datasets. Proposed method can be used for the liver segment division of donors.
참고문헌 (12)
- T. Saitoh, "Automatic segmentation of liver region based on extracted blood vessels", Systems and Computers in Japan, 35(5), pp.1~10 (2004)
- C.J. Park, "Automatic separate algorithm of vein and artery for auto-segmentation liver-vessel from abdominal MDCT images using morphological filtering", Lecture Notes in Computer Science, 3612, pp.1069~1078 (2005)
- D. Selle, "Analysis of vasculature for liver surgical planning", IEEE Transactions on Medical Imaging, 21(11), pp.1344~1357 (2002)
- J. Lee, "Efficient liver segmentation using a level-set method with optimal detection of the initial liver boundary from level-set speed images", Computer Methods and Programs in Biomedicine, 81(1), pp.26~38 (2007)
- R.T. Whitaker, "Variable-conductance, level-set curvature for image denoising", IEEE Proceedings of International Conference on Image Processing, 3, pp.142~145 (2001)
- Q. Hu, "Fast connected-component labelling in three-dimensional binary images based on iterative recursion", Computer Vision and Image Understanding, 99(3), pp.414~434 (2005)
- T. Saito, "New algorithms for Euclidean distance transformation of an n-dimensional digitized picture with applications", Pattern Recognition, 27(11), pp.1551~1565 (1994)
- M.S. Hassouna, "Robust centerline extraction framework using level sets", Proceedings of IEEE Computer Vision and Pattern Recognition, pp.458~465 (2005)
- J.A. Sethian, "Level set methods and fast marching methods: evolving interfaces in computational geometry, fluid mechanics, computer vision, and materials science" (1999), Cambridge University Press
- 이현규, "명암도 조절을 통한 베이스 분류기 기반 영상분할기법", 한국차세대컴퓨팅학회 논문지, 8(5), pp.73~86 (2012), 한국차세대컴퓨팅학회
- 신영성, "암호화된 빅데이터 상에서 효율적인 질의 처리를 지원하는 Prefix 트리를 사용한 GPU 기반 병렬 질의처리 기법", 한국차세대컴퓨팅학회 논문지, 10(2), pp.19~30 (2014), 한국차세대컴퓨팅학회
- 최홍준, "GPU 코어에 할당된 CTA 수에 따른 GPGPU 구조의성능 및 전력 효율성 분석", 한국차세대컴퓨팅학회 논문지, 10(6), pp.46~58 (2014), 한국차세대컴퓨팅학회