복부 CT 영상에서 췌장의 불확실성을 고려한 계층적 네트워크 기반 자동 췌장 분할 (Automatic Pancreas Segmentation Based on Cascaded Network Considering Pancreatic Uncertainty in Abdominal CT Images)

서지정보

· 발행기관 : 한국정보과학회
· 수록지 정보 : 정보과학회논문지 / 48권 / 5호 / 548 ~ 555페이지
· 저자명 : 윤현담, 김현진, 홍헬렌

초록

췌장암 검출에서의 췌장 형태 파악을 위해 복부 CT 영상에서 췌장을 분할하는 것이 필요하다. 본 논문에서는 복부 CT 영상에서 췌장의 위치적, 형태적 다양성으로 인해 발생하는 불확실한 영역에 대한 정보를 함께 고려하는 DCNN 기반 췌장 자동 분할 방법을 제안한다. 첫째, 영상 간 밝기값 및 화소 공간의 차이를 줄이기 위해 밝기값 및 공간 정규화를 수행한다. 둘째, 삼단면 U-Net 기반 2.5차원 분할 네트워크 및 다수 투표를 통해 췌장을 위치화한다. 셋째, 위치화된 3차원 췌장 영역에서 췌장의 불확실한 영역 정보를 고려하는 U-Net 기반 3차원 분할 네트워크를 이용하여 췌장을 분할한다. 제안방법을 통한 분할 결과의 DSC는 83.50%로, 횡단면, 관상면, 시상면에서 2차원 U-Net을 이용한 분할, 2.5차원 분할 및 위치화된 영역에서 3차원 U-Net을 이용한 분할 방법 대비 각각 10.30%p, 10.44%p, 6.52%p, 1.14%p, 3.95%p 향상되었다.

영어초록

Pancreas segmentation from abdominal CT images is a prerequisite step for understanding the shape of the pancreas in pancreatic cancer detection. In this paper, we propose an automatic pancreas segmentation method based on a deep convolutional neural network(DCNN) that considers information about the uncertain regions generated by the positional and morphological diversity of the pancreas in abdominal CT images. First, intensity and spacing normalizations are performed in the whole abdominal CT images. Second, the pancreas is localized using 2.5D segmentation networks based on U-Net on the axial, coronal, and sagittal planes and by combining through a majority voting.
Third, pancreas segmentation is performed in the localized volume using a 3D U-Net-based segmentation network that takes into account the information about the uncertain areas of the pancreas.
The average DSC of pancreas segmentation was 83.50%, which was 10.30%p, 10.44%p, 6.52%p, 1.14%p, and 3.95%p higher than the segmentation method using 2D U-Net at axial view, coronal view, sagittal view, majority voting of the three planes, and 3D U-Net at localized volume, respectively.

참고자료

· 없음