The KIPS Transactions:PartB (정보처리학회논문지B)

Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

Performance Comparison Between New Level Set Method and Previous Methods for Volume Images Segmentation

볼륨영상 분할을 위한 새로운 레벨 셋 방법과 기존 방법의 성능비교

  • 이명은 (전남대학교 전자컴퓨터공학부) ;
  • 조완현 (전남대학교 통계학과) ;
  • 김선월 (전남대학교 통계학과) ;
  • 진연연 (전남대학교 전자컴퓨터공학부) ;
  • 김수형 (전남대학교 전자컴퓨터공학부)
  • Received : 2010.12.28
  • Accepted : 2011.03.21
  • Published : 2011.06.30
Download PDF
⟨ Previous Next ⟩

Abstract

In this paper, we compare our proposed method with previous methods for the volumetric image segmentation using level set. In order to obtain an exact segmentation, the region and boundary information of image object are used in our proposed speed function. The boundary information is defined by the gradient vector flow obtained from the gradient images and the region information is defined by Gaussian distribution information of pixel intensity in a region-of-interest for image segmentation. Also the regular term is used to remove the noise around surface. We show various experimental results of real medical volume images to verify the superiority of proposed method.

본 논문에서는 볼륨 의료영상 분할에 대한 기존의 레벨 셋 기법과 제안하는 방법의 성능을 비교하고자 한다. 기존의 방법들은 영역의 정보만을 이용하여 분할을 시행하므로, 영상의 종류에 따라서 정확한 분할을 못한 경우가 있다. 따라서 새롭게 제안하는 방법은 정확한 분할 결과를 위하여 영상의 객체가 가지고 있는 에지 정보와 영역 정보를 함께 이용한다. 에지 정보는 레벨 셋의 곡면이 객체의 표면에 잘 도달할 수 있도록 해주는 기울기 벡터장을 이용하고, 영역 정보는 각 영역에서 픽셀의 밝기 값을 가우시안 분포를 이용하여 통계적 모델로 적합시킴으로써 영상의 분할에 적용하였다. 또한, 곡면 주변 잡음의 영향을 최소화 시켜주는 정규화 항을 사용한다. 기존의 레벨 셋 기반의 방법들과 제안한 방법의 성능 평가를 위하여 실제 볼륨 의료영상에 대하여 다양한 실험을 실시하고, 분할된 결과의 비교를 통하여 제안된 방법의 우수성을 입증한다.

Keywords

References

  1. Kass M., Witkin A., and Terzopoulos D., "Snakes : Active contour models," International Journal of Computer Vision, Vol.1, No.2, pp.321-331, 1987.
  2. Chan, T. F. and Vese, L. A., "Active Contours without edges," IEEE Transactions on Image Processing, 10(2), 266-277, 2001. https://doi.org/10.1109/83.902291
  3. Rousson, M., and Deriche, R., "Variational framework for Active and Adaptive Segmentation of Vector Valued Images," Proceeding of IEEE Workshop on Motion and Video computing, 2002.
  4. Xu, C. and Prince, J., "Snake, Shapes, and Gradient Vector Flow," IEEE Transactions On Image Processing, 7(3), 359-369, 1995.
  5. S. Lakare, "3D segmentation techniques for medical volumes," Research Report, 2000.
  6. X. Han, Xu, C., & Prince, J. L., "A topology preserving level set method for geometric deformable models," IEEE Transanctions on PAMI, 25(6), pp.755-768, 2003. https://doi.org/10.1109/TPAMI.2003.1201824
  7. Osher S., Paragios N., "Geometric level set methods in imaging, vision, and graphics," Springer-Verlag New York Berlin Heidelberg, 2003.
  8. Sethian, J. A., "Level Set Methods and Fast Marching Methods," Cambridge university press, 2005.
  9. Jayadevappa, D., Srinivas Kumar, S., and Murty, D. S., A New Deformable Model Based on Level Sets for Medical Image Segmentation. IAENG International Journal of Computer Science, 36(3), 2009.
  10. Roman Goldenberg, Ron Kimmel, Ehud Rivlin, and Michael Rudzsky, "Cortex Segmentation : A Fast Variational Geometric Approach," IEEE Transactions on medical imaging, Vol.21, No.2, pp.1544-1551, December, 2002. https://doi.org/10.1109/TMI.2002.806594
  11. W.H. Cho, J.H. Park, S.Y. Park, S.H. Kim, S.W. Kin, M.E. Lee, G.S. Lee, "Level-Set Segmentation of Brain Tumors using a New Hybrid Speed Function," Proc. Int. Conf. Pattern Recognition, pp.1545-1548, Aug., 2010.
  12. Chuang, C. H. and Lie, W. N., "A Downstream Algorithm Based on Extended Gradient VectFlow Field for Object Segmentation," IEEE Transactions On Image Processing, 13(10), 1379-1392, 2004. https://doi.org/10.1109/TIP.2004.834663
  13. Xu, C. and Prince, J., "Gradient Vector Flow : A New External Force for Snake," Proceeding of IEEE Computer Society Conference On Computer Vision And Pattern Recognition, 1997.
  14. Kimmel, R. and Sapiro, G., "Shortening three-dimenstional curves via two-dimensional flows," Computers and Mathematics with Applications, 29(3), 49-62, 1995. https://doi.org/10.1016/0898-1221(94)00228-D
  15. Goldenberg, R., Kimmel, R., Rivlin, E., and Rudzsky, M., "Cortex Segmentation : A Fast Variational Geometric Approach," IEEE Transactions On Image Processing, 21(2), 1544-1551, 2002. https://doi.org/10.1109/TMI.2002.806594
  16. UNC Computer-Assisted Surgery and Imaging Laboratory, http://casilab.med.unc.edu.