402 0

희소성 표현과 다중 아틀라스 정합을 이용한 자동 뇌량 분할

Title
희소성 표현과 다중 아틀라스 정합을 이용한 자동 뇌량 분할
Other Titles
Corpus callosum segmentation using sparse representation and multi-atlas registration
Author
박길순
Alternative Author(s)
Gilsoon Park
Advisor(s)
이종민
Issue Date
2016-02
Publisher
한양대학교
Degree
Master
Abstract
Corpus callosum (CC) is the largest white matter structure in human brain, connecting between right and left hemisphere. Investigator have focused on CC in midsagittal because of unclear boundary of overall CC. It has been observed that the neurological disorder such as epilepsy, Alzheimer’s disease, and schizophrenia influences variation of size and shape of CC. until now active contour model is typical method for CC segmentation, but it is sensitive to initial contour and has limitation about extraction of CC having large variation. It also mistakenly segments fornix around CC because of its similar intensity as CC. To solve these problems, we developed a novel a method for CC segmentation by combining multi-atlas registration method (MRbS) and sparse representation (SRbS) which have showed superior performance in medical imaging based on Bayesian inference (BIbS). BIbS for segmentation CC outperformed the other methods alone (Dice index, MRbS: 94.90±1.25; SRbS: 93.40±0.98; BIbS: 95.23±1.10) and did not occurred to segment fornix around CC. Also, BIbS showed good segmentation performance about data set containing large variation of CC (Dice index, BIbS: 93.72±2.58).|뇌량은 인간의 뇌에서 좌반구와 우반구를 연결하는 가장 큰 백질 구조체이다. 뇌량의 경계선은 해부학적으로도 명확하지 않아서 많은 연구자들이 비교적 경계가 명확한 정중시상의 뇌량을 이용하여 연구를 진행한다. 그 동안의 연구들에서 간질, 알츠하이머 그리고 정신 분열증 등 많은 신경 질환들이 뇌량의 크기와 모양을 변형시킨다는 것이 관찰되었다. 뇌량을 자동 분할하는 대표적인 이전 방법으로는 동적 윤곽선 모델을 응용한 방법들이 많다. 하지만 이 방법은 초기 윤곽선에 민감하며 변형이 심한 뇌량을 분할하는 데 한계가 있다. 또한 뇌량 주변에 비슷한 밝기를 지닌 뇌궁을 같이 분할하기도 한다. 이러한 문제점들을 해결하고자 의료 영상 분야에서 지속적인 강세를 보이고 있는 다중 아틀라스 정합 (MRbS)과 최근에 좋은 성능을 보여주고 있는 희소성 표현 (SRbS)을 베이지안 추론에 기반하여 결합하였다 (BIbS). 결합된 이 새로운 방법은 각각의 방법을 따로 이용했을 때보다 뇌량 분할에 더 뛰어난 성능을 보여줬으며 (Dice index, MRbS: 94.90±1.25; BIbS: 95.23±1.10) 뇌량 주변의 뇌궁을 같이 분할하는 문제를 일으키지도 않았다. 또한 변형이 심한 뇌량을 포함한 데이터에서도 우수한 성능을 보여주었다 (Dice index, BIbS: 93.72±2.58).; BIbS: 95.23±1.10) and did not occurred to segment fornix around CC. Also, BIbS showed good segmentation performance about data set containing large variation of CC (Dice index, BIbS: 93.72±2.58).
URI
https://repository.hanyang.ac.kr/handle/20.500.11754/127212http://hanyang.dcollection.net/common/orgView/200000429057
Appears in Collections:
GRADUATE SCHOOL[S](대학원) > BIOMEDICAL ENGINEERING(생체공학과) > Theses (Master)
Files in This Item:
There are no files associated with this item.
Export
RIS (EndNote)
XLS (Excel)
XML


qrcode

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

BROWSE