CT 영상의 심층학습에 의한 뇌 지주막하 출혈 진단 보조 시스템 개발 (A Diagnostic Assistant System Development of Brain Subarachnoid Hemorrhage by Deep Learning of CT Images)

서지정보

· 발행기관 : 한국지능시스템학회
· 수록지 정보 : 한국지능시스템학회 논문지 / 28권 / 1호 / 71 ~ 76페이지
· 저자명 : 이수보, 조용현

초록

본 논문에서는 CT 영상의 전처리와 심층학습에 의한 뇌 지주막하 출혈의 진단을 위한 보조 시스템을 개발한다. 여기서전처리는 CT 뇌 영상을 이진화하여 노이즈 제거를 위해 모폴로지 연산을 수행하고, 이진 마스크를 이용해 관심영역을추출하며, 영상의 크기를 재조정하여 계산부하를 줄인다. 또한 심층학습은 Convolutional neural network(CNN)을 이용하여전처리된 영상들을 대상으로 이루어지며, 새로이 입력되는 CT 뇌 영상의 정상과 비정상을 판단한다. 특히 비정상으로 판단된영상에 대해서는 히스토그램 스트레칭으로 출혈 부분의 가시도를 증가시켜 강조함으로써 좀 더 빠르고 정확하게 진단될 수있도록 한다. 제안된 시스템을 512*512 픽셀의 RGB DICOM 영상 124개를 대상으로 실험한 결과 우수한 진단 성능이 있음을알 수 있다.

영어초록

In this paper, we develop a diagnostic assistant system of brain subarachnoid hemorrhage by the pre-processing and deep learning of CT images. The pre-processing performs a morphology operation to remove the noise in CT brain image, and extract the region of interest by using a binary mask, and reduce the calculation load by resizing the image. And deep learning is performed on preprocessed images using convolutional neural network, determine the normality and abnormality of the newly entered CT brain image. Especially, the histogram stretching is performed for the images judged to be abnormal, which increases the visibility of the bleeding part and emphasizes it, so that it can be diagnosed more quickly and accurately. The proposed method has been applied to diagnose RGB 124-brain CT images of 512*512 pixels. The experimental results show that the proposed method has an excellent diagnostic performance.

참고자료

· 없음