무릎 자기공명영상에서 형상 사전정보 기반의 그래프 컷을 이용한 전방십자인대 분할Anterior Cruciate Ligament Segmentation from Knee MR Images Using Graph Cuts with Shape Priors

Cited 0 time in webofscience Cited 0 time in scopus
  • Hit : 832
  • Download : 381
DC FieldValueLanguage
dc.contributor.author이한상ko
dc.contributor.author홍헬렌ko
dc.contributor.author김준모ko
dc.date.accessioned2014-12-09T01:40:48Z-
dc.date.available2014-12-09T01:40:48Z-
dc.date.created2014-07-10-
dc.date.created2014-07-10-
dc.date.issued2014-01-
dc.identifier.citation정보과학회논문지 : 소프트웨어 및 응용, v.41, no.1, pp.36 - 45-
dc.identifier.issn1229-6848-
dc.identifier.urihttp://hdl.handle.net/10203/192458-
dc.description.abstract무릎 자기공명영상에서 전방십자인대는 연골 및 후방십자인대와 같은 주변 연부조직들과 유사한 밝기값을 가지며 인접해 있어 기존의 그래프 컷과 같은 밝기값 기반의 분할을 수행할 경우 주변조직으로의 누출이 나타난다. 본 논문에서는 이러한 문제를 해결하기 위해 무릎 자기공명영상에서 형상 사전정보 기반의 그래프 컷을 이용한 전방십자인대 분할기법을 제안한다. 제안방법은 두 단계로 구성된다. 첫째, 가우시안 혼합 모델 기반의 적응적 임계화와 형태학적 연산을 이용해 그래프 컷의 씨앗 정보를 추출한다. 둘째, 추출한 씨앗 정보의 형상 사전정보를 이용하여 그래프 컷을 수행, 전방십자인대 영역을 분할한다. 제안방법의 성능 평가를 위해 육안평가 및 정확성 평가를 수행하였으며, 실험결과 기존의 그래프 컷과 비교, 주변 조직으로의 누출 없이 전방십자인대의 분할 정확도가 향상된 것으로 나타났다.-
dc.languageKorean-
dc.publisher한국정보과학회-
dc.title무릎 자기공명영상에서 형상 사전정보 기반의 그래프 컷을 이용한 전방십자인대 분할-
dc.title.alternativeAnterior Cruciate Ligament Segmentation from Knee MR Images Using Graph Cuts with Shape Priors-
dc.typeArticle-
dc.type.rimsART-
dc.citation.volume41-
dc.citation.issue1-
dc.citation.beginningpage36-
dc.citation.endingpage45-
dc.citation.publicationname정보과학회논문지 : 소프트웨어 및 응용-
dc.embargo.liftdate9999-12-31-
dc.embargo.terms9999-12-31-
dc.identifier.kciidART001844983-
dc.contributor.localauthor김준모-
dc.contributor.nonIdAuthor홍헬렌-
dc.subject.keywordAuthor자기공명영상-
dc.subject.keywordAuthor전방십자인대-
dc.subject.keywordAuthor그래프 컷-
dc.subject.keywordAuthor형상 사전정보-
dc.subject.keywordAuthormagnetic resonance images-
dc.subject.keywordAuthoranterior cruciate ligament-
dc.subject.keywordAuthorgraph cuts-
dc.subject.keywordAuthorshape priors-
Appears in Collection
EE-Journal Papers(저널논문)
Files in This Item

qr_code

  • mendeley

    citeulike


rss_1.0 rss_2.0 atom_1.0