스테레오 비전과 특징점 추출 알고리즘을 이용한 마커리스 정합 :Markerless image-to-patient registration using stereo vision and feature selection algorithms

주수빈

추천

검색

자료유형: 학위논문

저자정보: 주수빈 (성균관대학교, 성균관대학교 일반대학원)

지도교수: 문정환

발행연도: 2015

저작권: 성균관대학교 논문은 저작권에 의해 보호받습니다.

이용수1

이 논문의 연구 히스토리 (2)

2016

스테레오 비전을 이용한 마커리스 정합 : 특징점 추출 방법과 스테레오 비전의 위치에 따른 정합 정확도 평가

주수빈 , 문정환 , 신기영 전자공학회논문지 2016.01 학술저널

2015

스테레오 비전과 특징점 추출 알고리즘을 이용한 마커리스 정합

주수빈 생명공 2015.01 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

수술용 네비게이션 시스템은 수술의 정확도를 높이고 수술 후 환자의 후유증을 줄이기 위해 최근 사용이 늘어나고 있으며, 최소 침습 수술 또는 로봇수술을 위해 많은 연구가 진행되고 있다. 기존의 수술용 네비게이션 시스템은 수술실에 누워있는 환자의 좌표정보를 획득하기 위해 마커, 고정용 프레임과 같은 불편한 장비들을 사용되고 있다. 이러한 장비들은 설치하는데 많은 시간이 걸리며 잘못 설치하였을 때 수술용 네비게이션의 정확도에 영향을 미친다는 문제점이 있다. 따라서 본 논문에서는 물리적 공간상에 있는 환자의 3차원 좌표정보를 획득하기 위해 마커, 고정용 프레임이 필요 없는 수술용 네비게이션 시스템을 제안한다. 본 연구에서 제안하는 방법은 Harris 모서리 검출기, SURF, AAM을 이용하여 환자 얼굴의 3차원 특징점을 획득한 뒤 ICP, PIM 방법을 이용하여 수술 전 과정에서 획득된 3차원 CT 영상과 환자 사이에 환자-영상 간 정합 (Image to patient registration)을 수행하는 것이다. 뿐만 아니라 실제 수술 중에는 환자 얼굴에 움직임이 발생하여, 회전된 환자의 얼굴이 특징점 추출과 정합의 정확도에 영향을 미치기 때문에 환자의 얼굴 움직임이 알고리즘에 미치는 영향이 조사 되어야한다. 본 연구에서는 얼굴의 회전 각도에 따른 알고리즘들의 정합 정확도를 비교 검증하고, 모든 각도에서 높은 정확도로 환자-영상 간 정합을 수행할 수 있는 알고리즘을 개발한다. 본 연구에서 정합을 위해 사용된 알고리즘은 Harris + ICP, SURF + ICP, AAM + ICP, AAM + PIM 총 4가지이다. 얼굴의 회전 각도가 정합에 미치는 영향을 검증한 결과 얼굴 회전 각도가 약 0도 ~ 약 20도의 사이에서 AAM과 PIM을 사용한 정합이 가장 정확하였으며, 각도가 약 20도 이상일 경우 SURF와 ICP를 사용하였을 때 정합 정확도가 높았다. 또한 본 연구에서는 눈 사이의 거리를 이용하여 얼굴 회전 각도를 계산하는 방법을 제안 하였다. 스테레오 비전으로 촬영된 환자의 얼굴 각도가 20도 이하 일 땐 AAM + PIM 정합 방법을 사용하고 20도 이상일 경우 SURF + ICP 알고리즘을 사용하는 방법을 제안하여 모든 각도에서 높은 정확도로 정합을 수행할 수 있는 방법을 개발하였다.

#수술용 네비게이션 #스테레오 비전 #이미지 특징점 추출 #환자-영상 간 정합 #마커리스 정합

제1장 서 론 1
1. 연구배경 1
2. 연구목적 3
3. 문헌연구 4
제2장 이론적 배경 6
1. 수술용 네비게이션 6
1) 수술 전 과정 6
2) 수술 중 과정 6
2. 스테레오 비전의 캘리브레이션 8
1). 체스보드 패턴을 이용한 캘리브레이션 8
2). 스테레오 비전을 이용한 특징점의 거리 정보 계산 10
3. 이미지 중 얼굴 영역 추출 11
4. 얼굴의 3D 포인트를 획득을 위한 특징점 추출 알고리즘 12
1) Harris 모서리 검출기 12
2) SURF (Speeded Up Robust Features) 14
3) AAM (Active Appearance Model) 16
5. 환자-영상 간 정합 방법 17
1) ICP (Iterative Closest Point) 17
2) PIM (Pseudo Inverse Matching) 17
6. 정합 정확도의 검증방법 19
7. 대응표본 T-test 20
제3장 재료 및 방법 22
1. 수술 전 촬영된 CT 22
2. 스테레오 비전 시스템 24
3. 실험방법 25
1) 전체 실험의 흐름도 25
2) 특징점 추출 알고리즘과 정합 알고리즘의 조합 26
3) 다양한 각도에서의 촬영 방법 26
제4장 결과 및 고찰 28
1. 스테레오 비전의 캘리브레이션 결과 28
2. 특징점 추출 방법과 정합 방법의 조합에 따른 정합 정확도 30
3. 스테레오 비전의 촬영 각도에 따른 정합 정확도 32
1) 각도와 알고리즘 조합에 따른 정합 정확도 비교 32
2) 각도에 따른 알고리즘 전환을 위한 얼굴 각도 측정 방법과 검증 34
(1) 얼굴의 회전각도 계산방법 34
(2) 제안된 얼굴 회전각도 계산방법의 검증 36
4. 얼굴의 회전 각도가 고려된 수술용 네비게이션 시스템 38
제5장 요약 및 결론 41
참고문헌 43
ABSTRACT 46

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)