심층신경망을 통한 다중 에코 Gradient-recalled Echo 영상으로부터 합성된 Fluid Attenuated Inversion Recovery 영상 생성 :Synthetic FLAIR image from multi-echo GRE image via Deep Neural Network

박지용

추천

검색

자료유형: 학위논문

저자정보: 박지용 (연세대학교, 연세대학교 대학원)

지도교수: 김동현

발행연도: 2019

저작권: 연세대학교 논문은 저작권에 의해 보호받습니다.

이용수1

이 논문의 연구 히스토리 (2)

2019

[의용전자 및 생체공학] 심층신경망을 통한 다중 에코 GRE 영상으로부터 인조된 FLAIR 영상 생성

박지용 , 김동현 전자공학회논문지 2019.04 학술저널

심층신경망을 통한 다중 에코 Gradient-recalled Echo 영상으로부터 합성된 Fluid Attenuated Inversion Recovery 영상 생성

박지용 전기전자공학과 2019.01 학위논문

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

초록· 키워드

오류제보하기

자기공명영상장치는 비침습적으로 다양한 대조도로 표현할 수 있는 영상 기기이다. 이를 통해 인체의 구조나 질병 등을 영상화할 수 있으며, 대조도와 같은 정성적 정보뿐만 아니라 정량적인 정보 또한 얻을 수 있다. 이와 같은 일들을 인체에 비침습적이고 방사선 피폭이 없이 진행할 수 있다는 장점도 있다.
자기공명영상이 발전되어 오면서 훌륭한 민감도와 활용의 다양성으로 인해서 뇌연구에 있어 임상분야와 기초과학 연구에서 큰 발전을 이루고 있다. 본 논문에서는 특히 임상적으로 많이 쓰이는 FLAIR(fluid attenuated inversion recovery)영상과 mGRE(multi-echo gradient-recalled echo)에 대해 연구하였다. FLAIR영상은 임상적으로 여러 병변을 발견하는 데에 유용한 대조도를 가진 영상이고 mGRE 또한 의료진단이나 자화율 등의 정보를 담고 있기에 이들 영상기법의 역할은 필수적이다.
자기공명영상장치의 단점으로 다른 의료영상장치보다 촬영하는데 큰 시간과 비용이 필요하다는 점이다. 그렇기에 본 논문에서는 mGRE영상만을 촬영하여 딥 뉴럴 네트워크를 통해서 인조적인 FLAIR영상을 만드는 연구를 하였다.
직접 촬영한 20-30대 성인 17명을 대상으로 mGRE영상과 FLAIR영상을 얻어서 연구에 사용하였다. 심층신경망에 에코 11개의 mGRE영상을 입력에 넣고 그에 상응하는 FLAIR영상을 라벨로 두어 학습시켰다. 데이터 전처리과정과 다양한 파라미터 등을 조정하여 최적화 시켰고 결과물로는 에코의 수에 따른 심층신경망의 성능 변화를 비교해 보았다. 영상 평가방법으로는 SSIM(structural similarity)기법을 이용하여 영상을 평가하였다. 그 결과 2명의 테스트 대상자의 SSIM 값이 0.8764와 0.8451로 신뢰할만한 유사도를 보였다. 본 연구에서는 이전의 synthetic MR의 한계와 문제점을 극복하여 나은 결과를 보였지만 정상인만을 대상으로 하였기에 더 나아가 병변이 있는 환자의 뇌영상에서도 테스트를 해보아야 할 것이다.

MRI is a non-invasive imaging device that can represent a variety of contrasts. Through this, it is possible to visualize the structure and disease of the human body. Quantitative information can be obtained as well as contrast. There is also the advantage that such things can be carried out in the human body without any non-invasive and radiation exposure.
With the development of magnetic resonance imaging, a great deal of progress has been made in clinical research and basic science research in brain research due to its excellent sensitivity and diversity of applications. In this paper, we have studied FLAIR (fluid attenuated inversion recovery) images and mGRE (multi-echo gradient-recalled echo), which are used clinically. FLAIR images are images with contrasts that are useful for clinically finding various lesions, and mGRE also contains information such as medical diagnosis and susceptibility, so the role of these imaging techniques is essential.
The disadvantage of magnetic resonance imaging is that it takes a lot of time and money to scan than other medical imaging devices. Therefore, in this paper, we have developed a synthetic FLAIR image through deep neural network by scanning only mGRE image.
Scanned 17 volunteers in their 24 to 29 years old. Of the 17 subjects, 15 were used as train data and 2 were used as test data. Echo 11 mGRE images were input into the deep neural network and the corresponding FLAIR images were labeled. Data preprocessing process and various parameters were adjusted to optimize and the performance changes of depth neural networks were compared with the number of echoes. As the image evaluation method, the structural similarity (SSIM) were observed. As a result, the SSIM values of the 2 test subjects showed a reliable similarity of 0.8764 and 0.8451. In this study, we tried to overcome limitations and problems of previous synthetic MR study and showed better results. But it is only for normal subjects, we should test the brain images of patients.

#자기공명영상 #심층신경망 #딥 뉴럴 네트워크 #인조영상 생성 #FLIAR #multi-echo GRE #magnetic resonance imaging #deep neural network #deep learning #generate image #synthetic image

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)