메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
Anwar Abdalbari (University of Ontario Institute of Technolgy) Jing Ren (University of Ontario Institute of Technology) Mark Green (University of Ontario Institute of Technolgy)
저널정보
대한의용생체공학회 Biomedical Engineering Letters (BMEL) Biomedical Engineering Letters (BMEL) Vol.6 No.4
발행연도
2016.1
수록면
224 - 233 (10page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
Purpose Image segmentation is a crucial topic in computervision and medical image processing. However, accurateimage segmentation is still a challenging task for many medicalapplications. The region growing based image segmentationprocess starts by selecting seed points within the region ofinterest. Hence, the segmentation algorithm is sensitive to theinitial seeds and the result can be influenced greatly by theaccuracy of seed selection process. Manual seed selectioncan be time-consuming and requires an expert to completethe selection. In this paper, we propose an innovativeapproach to automating the initialization process of the liversegmentation of magnetic resonance images. The seed points,which are needed to initialize the segmentation process weproposed in [1], are extracted and classified by using affineinvariant moments and artificial neural network. Methods We calculated eleven invariant moments for 56different points within the region of interest of an abdominalMR image. These points represent the bifurcation points ofthe vessels centerlines of the liver. In this paper, we dividethe shape of the liver into four regions; left hepatic vein,center hepatic vein, hepatic portal vein, and right hepaticvein. Then, the moments are classified by an artificial neuralnetwork to decide to which part of the liver each point belongs. Results We have validated our proposed technique bycomparing the method with manual seed selection. Theexperimental results show that our method outperforms themanual method in terms of the accuracy of seed pointselection and the speed of the process. Conclusions The proposed technique is considered a robusttechnique for 3D point selection and classification. Theselected seed points are used to initialize the segmentationprocess. The aim of this method is to efficiently detect andidentify the seed points in MR images.

목차

등록된 정보가 없습니다.

참고문헌 (24)

참고문헌 신청
Abdalbari A / 2015 / Segmentation of the liver from abdominal MR images: a level-set approach / SPIE Med Imaging. Int Soc Optics Photonics :94133L google schola Gonzalez RC / 2008 / Digital Image Processing / Pearson Printice Hall google schola Hlavac MSV / 2008 / Image Processing Analysis and Machine Vision / Nelson Engineering google schola Kumar G / 2014 / A detailed review of feature extraction in image processing systems / Adv Comput Commun Technol(ACCT), 2014 Fourth Int Conf IEEE :5~12 google schola Tao S / 2012 / Partial retrieval of CAD models based on the gradient flows in Lie group / Pattern Recogn 45(4):1721~1738 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0