이자 분할을 위한 노이즈 제거 알고리즘 기반 기존 임계값 기법 대비 U-Net 모델의 대체 가능성Substitutability of Noise Reduction Algorithm based Conventional Thresholding Technique to U-Net Model for Pancreas Segmentation
- Other Titles
- Substitutability of Noise Reduction Algorithm based Conventional Thresholding Technique to U-Net Model for Pancreas Segmentation
- Authors
- 임세원; 이영진
- Issue Date
- Oct-2023
- Publisher
- 한국방사선학회
- Keywords
- Computed tomography; Pancreas segmentation; Noise reduction algorithm; U-Net; Quantitative evaluation; 전산화단층검사; 이자 분할; 노이즈 제거 알고리즘; U-Net; 정량적 평가
- Citation
- 한국방사선학회논문지, v.17, no.5, pp 663 - 670
- Pages
- 8
- Journal Title
- 한국방사선학회논문지
- Volume
- 17
- Number
- 5
- Start Page
- 663
- End Page
- 670
- URI
- https://scholarworks.bwise.kr/gachon/handle/2020.sw.gachon/89734
- DOI
- 10.7742/jksr.2023.17.5.663
- ISSN
- 1976-0620
2384-0633
- Abstract
- 본 연구에서는 기존의 노이즈 제거 알고리즘을 적용한 영역 확장 기반의 분할 방법과 U-Net을 이용한 분할 방법의 성능을 정량적 평가인자를 이용하여 비교평가 하고자 하였다. 먼저, 전산화단층검사 영상에 median filter, median modified Wiener filter, fast non-local means algorithm을 모델링하여 적용한 뒤 영역 확장 기반의 분할을 수행하였다. 그리고 U-Net 기반의 분할 모델로 훈련을 진행하여 분할을 수행하였다. 그 후, 노이즈 제거 알고리즘을 사용한 경우와 U-Net을 사용한 경우의 분할 성능을 비교 평가하기 위해 평균 제곱근 편차 (root mean square error, RMSE), 최대 신호 대 잡음비 (peak signal to noise ratio, PSNR), universal quality image index (UQI), 그리고 dice similarity coefficient (DSC)를 측정하였다. 실험 결과, U-Net을 이용하여 분할을 수행했을 때 분할 성능이 가장 향상되었다. RMSE, PSNR, UQI, 그리고 DSC 값은 각각 약 0.063, 72.11, 0.864, 그리고 0.982로 noisy한 영상에 비해 각각 1.97배, 1.09배, 5.30배, 그리고 1.99배 개선된 것을 확인할 수 있었다. 결론적으로, 전산화단층검사영상에서 U-Net이 노이즈 제거 알고리즘에 비해 분할 성능 향상에 효과적임을 입증하였다.
- Files in This Item
- There are no files associated with this item.
- Appears in
Collections - ETC > 1. Journal Articles
![qrcode](https://api.qrserver.com/v1/create-qr-code/?size=55x55&data=https://scholarworks.bwise.kr/gachon/handle/2020.sw.gachon/89734)
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.