julia coding story

■ 컴퓨터 비전 및 의료 이미지 분석에 대한 딥러닝 - 객체 감지/인식/생성에서 뛰어난 성능을 발휘함 ex) Convolutional neural network (CNN), Recurrent neural network(RNN), Generative adversarial network(GAN), Reinforcement learning(RL), Transfer learning(TL) - Computer Vision(software, Hardware, Big data) => Medical Images (Diagnosis, Quantification) - 딥러닝을 의료 영상 분석에 적용 - 의료 이미지 분석을 위한 딥러닝 모델 사용자 정의 - 딥러닝 : end-to-end, 수작업이 아니다. ▷Natural ..

■ Colormap overlay - 복셀별 정량화 - 색상 매핑을 사용하여 수량 표시 - ROI를 Segment - ROI의 각 복셀에서 정량적 값 계산함 - 정량적 값을 원본 영상에 매핑함 - 해당 ROI의 혈류량 수치를 볼 수 있음 (matlab, python 가능) a = colormap(gray); b = a(1:20:end, 1:3) b 는 1: 1: 1 됨 ■ Transparency (or Opacity) - 알파 값을 조정하여 분할 결과 품질 확인 - 투명도 -> registration이 얼마나 잘 되었는지 overlap해서 확인 가능 ■ Maximum Intensity Projection (MIP) - 3D 볼륨이 주어지면, 회전한다. - 돌면서 각 각도마다 회전한다. - 회전된 MIP로..

■ Quantification : 정량화 (makes it objective) ; ▷ 영상으로부터 무엇을 정량화? ▷ With the quantities, we can : 정량화를 통해 통계 가능 : 값이 정상 범위 내에 있는지 여부를 평가 : 시간 및 피험자 간의 데이터 비교 : 평균, 표준 편차 등을 계산 ex1) Cardiac imaging(심장 영상) : 분사율(Ejection fraction), stroke volume, End-diastolic LV volume, and systolic LV volume, Agatston calcium score, Blood velocity(혈액 속도), Myocardial blood flow(심근 혈류), extracellular volume fraction..

□ Segmentation ​ : Image segmentaion (영상 분할) : 영상에서 분할 할 개체 결정 - Lesions(병변), Organs(장기) : segment objects는 임상적으로 의미 있어야함 : 분할 결과 - Binary image(배경 = 0, 물체 = 1) , 여러 레이블이 있는 이미지 (회백질 = 1, 백질 = 2, 배경 = 0 ) : 자동으로 잘 Reserch 하여 segment하는 게 중요함 ​ ▶ 활용 방법 ○ 정량 : volume(3차원) , area(2차원) 을 얻을 수 잇음 ○ 특징점 추출 => 병변의 구분, 구분 order(Intensity information, histogram, Entropy 등), 거친 정도(smoothness 등) ○ 기계 학습 : 관..

□ Active contour ▶ Level Set ○ 함수 𝜙(x, y)은 모든 점 x,y로 구성되며, 여기서 𝜙(x, y) = k이다. ○ 함수 𝜙(x, y)의 0-level 수준 집합은 모든 점 x,y로 구성되며 𝜙(x, y) =0 이다. ○ 0 -수준 집합은 𝜙(x, 𝑦) 0로 구분되는 닫힌 경계로 구성된다. ○ 0-level 집합은 경계를 분할하도록 진화된다. ○ 인터페이스라고 한다. ○ 레벨 설정 방법은 다음을 기반으로 인터페이스를 진화시킨다. 1) 고유 특성 : 경계의 smoothness을 강제한다. 2) 외적 특성 : 경계에서 0-레벨 집합을 종료시킨다. 3) 도메인 지식(domain knowledge) : 초기 수준 집합의 배치 ​ ▶ Signed Distanc..

□ Image registration : 영상 정합 : 이미지를 정렬하는 process : 이미지 데이터를 비교하고 서로 다른 이미지 데이터를 공통 프레임에 분석하기 위해 필수 : 다른 이미지 데이터 정렬 : 동일한 주제와 관련되지만 서로 다른 시점에 획득함 : 서로 다른 영상 촬영 방식을 사용하여 획득할 수 있다. ​ ​ □ Types of registration ​ ▶ Dynamic Image Frames ○ 서로 다른 시점에 획득한 영상 ○ 동적 이미징 : 조영 증강의 동적 이미지 생성, 생리적 운동, 호흡 운동, 심장운동, 환자의 운동 ○ 영상 기록을 이용한 움직임 보정 ○ Inter-frame registration (프레임간 등록) ○ 동적 조영 증강 심장 관류 MRI ○ registratio..

□ 유사도 측정 기준 등록 ▶ 유사도 측정 ○ Intensity-based similarity : moving image에서 voxels의 회색 값을 fixed image의 회색 값과 비교한다. : 같은 위치에서 intensity가 같으면 align 된것임 ○ Geometry-based similarity : moving image에서 voxel의 위치를 fixed image에서 voxel의 위치와 비교한다. : 얼굴 코 끝에 점찍어서 일치하면 align된것임 ​ ​ □ Intensity-based 유사성 ▶ Voxel-based ○ 두 영상의 intensity는 1:1관계에서 각 voxel에 대해 비교한다. (intensity가 얼마나 닮았는지) ○ intensity 차이 제곱의 합을 계산 • 𝑐 = ..

□ Medical imaging - Medical Imageing device : 몸안을 시각화하기 위해 사용함 - 물리학, 공학, 수학 등을 기반으로 몸안을 관찰함 - useful : 의료영상을 가지고 진단이 가능함. ex) Abnormality : 정상, 비정상 / Tumor : 암세포(증식) / Dead or ischemic tissue : 조직이 피가 공급되는지, 조직을 살릴 수 있는 지 없는지 판단 □ Medical imaging Techniques ▶ X-ray : 굴절률이 생기면 나쁨 : 환자의 조직과 뼈에 의해 산란된 X선이 film에 도달하지 않도록 collimator grid를 사용하여 image contrast를 개선한다. : 산란된 X선은 shadow areas에서 'fog'로 만들..