bibo:abstract
  • In this paper, an automated segmentation algorithm is proposed for MR brain images using T1-weighted, T2-weighted, and PD images complementarily. The proposed segmentation algorithm is composed of 3 steps. In the first step, cerebrum images are extracted by putting a cerebrum mask upon the three input images. In the second step, outstanding clusters that represent inner tissues of the cerebrum are chosen among 3-dimensional(3D) clusters. 3D clusters are determined by intersecting densely distributed parts of 2D histogram in the 3D space formed with three optimal scale images. Optimal scale image is made up of applying scale space filtering to each 2D histogram and searching graph structure. Optimal scale image best describes the shape of densely distributed parts of Pixels in 2D histogram. In the final step, cerebrum images are segmented using FCM algorithm with its initial centroid value as the outstanding clusters centroid value. The proposed segmentation algorithm complements the defect of FCM algorithm, being influenced upon initial centroid, by calculating cluster's centroid accurately. And also can get better segmentation results from the proposed segmentation algorithm with multi spectral analysis than the method of single spectral analysis. (rdf:langString) (en)
  • 본 논문에서는 T1 강조 영상, T2 강조 영상 그리고 PD 영상의 특징을 상호 보완적으로 이용한 자동적인 영상 분할 방법을 제안한다. 제안한 분할 알고리듬은 3단계로 이루어지는데, 첫 단계에서는 PD 영상으로부터 대뇌 마스크를 획득한 후, T1과 T2, PD의 입력 영상에 대뇌 마스크를 씌워 각각의 대뇌 영상을 추출하고, 둘째 단계에서는 대뇌 내부 조직에 해당하는 두드러진 클러스터(outstanding cluster)를 3차원 클러스터들 중에서 선택한다. 3차원 클러스터는 최적스케일 영상(optimal scale image)으로 이루어지는 3차원 공간상에서 화소가 밀집된 봉우리들을 교집합해서 생성되는 클러스터로 결정한다. 최적스케일 영상은 각 2차원 히스토그램에 스케일 스페이스 필터링을 적응시키고 그래프(graph) 구조를 검색하여 2차원 히스토그램의 모양을 가장 잘 나타내는 봉우리(peak) 영상을 최적 스케일 영상으로 선택한다. 마지막 단계에서는 앞에서 찾은 두드러진 클러스터의 중심 값을 FCM 알고리듬의 초기중심 값으로 두고, FCM 알고리듬을 이용하여 대뇌 영상을 분할한다. 제안한 분할 알고리듬은 정확한 클러스터의 중심 값을 계산함으로 초기 값의 영향을 많이 받는 FCM 알고리듬의 단점을 보완하였고 다중 스펙트럼 영상의 특성을 조합하여분할에 이용함으로 단일 스펙트럼 영상만을 이용하는 방법보다 향상된 결과를 얻을 수 있었다. (rdf:langString) (ko)
nlon:biographicalNote
  • 곽동민, 경북대학교 전자공학과 (xsd:string)
  • 김동휘, 대구대학교 컴퓨터정보공학부 (xsd:string)
  • 김범수, 경북대학교 전자공학과 (xsd:string)
  • 김현순, 경북대학교 전자공학과 (xsd:string)
  • 박길흠, 경북대학교 전자공학과 (xsd:string)
  • 변우목, 영남대학교 방사선과 (xsd:string)
  • 윤옥경, 경북대학교 전자공학과, yoon (rdf:langString) (palgong.knu.ac.kr)
nlon:classificationNumberOfNLK
  • 510.7405 (xsd:string)
nlon:containedIn
dc:creator
  • 곽동민 (xsd:string)
  • 김동휘 (xsd:string)
  • 김범수 (xsd:string)
  • 김현순 (xsd:string)
  • 박길흠 (xsd:string)
  • 변우목 (xsd:string)
  • 윤옥경 (xsd:string)
dcterms:creator
nlon:datePublished
  • 2021-01-30T23:37:12 (xsd:dateTime)
dcterms:description
  • Segmentation of multispectral MRI using fuzzy clustering (xsd:string)
bibframe:extent
  • 28 cm (xsd:string)
  • p. 333-338 (xsd:string)
dcterms:isPartOf
nlon:issuedYear
  • 2000 (xsd:string)
nlon:itemNumberOfNLK
  • 대478ㅇ (xsd:string)
rdfs:label
  • 퍼지 클러스터링을 이용한 다중 스펙트럼 자기공명영상의 분할 / 윤옥경, 김현순,곽동민,김범수,김동휘,변우목,박길흠 (xsd:string)
dcterms:language
dc:subject
  • FCM (xsd:string)
  • MR brain image (xsd:string)
  • Scale space filtering (xsd:string)
  • Segmentation (xsd:string)
  • 다중 스펙트럼 자기공명영상 (xsd:string)
  • 퍼지 클러스터링 (xsd:string)
dcterms:title
  • 퍼지 클러스터링을 이용한 다중 스펙트럼 자기공명영상의 분할 (xsd:string)
rdf:type
nlon:volumeOfNLK
  • 21(4)-21(6) (xsd:string)