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
질문

논문 기본 정보

자료유형
학술저널
저자정보
양수 (Seoul National University) 천소영 (Seoul National University) 김다엘 (Seoul National University) 전보성 (Seoul National University) 유지용 (Seoul National University) 강세룡 (Seoul National University) 최민혁 (Seoul National University) 김조은 (Seoul National University Dental Hospital) 허경회 (Seoul National University) 이삼선 (Seoul National University) 허민석 (Seoul National University) 이원진 (Seoul National University)
저널정보
대한전기학회 전기학회논문지 전기학회논문지 제71권 제1호
발행연도
2022.1
수록면
253 - 261 (9page)
DOI
10.5370/KIEE.2022.71.1.253

이용수

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

초록· 키워드

오류제보하기
In order to perform preoperative surgical planning, accurate segmentation of anatomical structures in cone-beam computed tomography (CBCT) images is required. However, this image segmentation is often impeded by metal artifacts, and it takes a lot of time due to morphological variability in patients. In this paper, we proposed a deep learning based automatic multi-class segmentation method for anatomical structures in CBCT images containing metal artifacts. Four U-Net based deep learning models were used for anatomical structure segmentation. Each deep learning model was constructed by changing the encoder of U-Net architecture to the backbones (DenseNet121, VGGNet16, ResNet101, and EfficienNetB4). For training and testing our method, we used 20744 CBCT images containing metal artifacts from 30 patient datasets. Experimental results show that the segmentation performances of the mandible, midfacial bone, mandibular canal, and maxillary sinus were achieved F1 scores of 0.912±0.070, 0.880±0.080, 0.687±0.265, and 0.954±0.063 using DenseNet121 with Tversky loss, respectively. Furthermore, our method was able to perform robust and accurate segmentation of anatomical structures in CBCT images containing metal artifacts.
#Deep learning #Anatomical structure segmentation #Metal artifacts #U-Net #Tversky loss

목차

Abstract
1. 서론
2. 재료 및 방법
3. 결과
4. 고찰
5. 결론
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

이 논문과 함께 이용한 논문

비착용형 센싱기술을 융합한 가상현실을 활용한 치매 케어 시스템 개발
유재환 ,  안도현 ,  천승호 외 1명 한국컴퓨터정보학회 학술발표논문집 2019 .01
게임 기반 초등학생용 영어 교육 콘텐츠 개발: 플랫폼 & 수집형 RPG 기반으로
신유진 ,  우탁 디지털콘텐츠학회논문지 2023 .12
딥 러닝을 이용한 CBCT 영상에서 상악동과 병변 자동 분할 방법
김다엘 ,  유연선 ,  양수 외 8명 대한전자공학회 학술대회 2022 .04
3D 체인메일을 이용한 변형체의 GPU 최적화 연구
이상은 ,  계희원 멀티미디어학회논문지 2023 .02
Non-Local Means 잡음 제거와 데이터 증강을 이용한 YOLO 기반 객체 특징 탐색
박건 ,  강예연 ,  김규일 외 1명 전기학회논문지 2022 .09

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2022-560-000128953