391 531

Cited 0 times in

A study of automatic medical image segmentation using independent component analysis

Other Titles
 Independent component analysis를 이용한 의료영상의 자동 분할에 관한 연구 
Authors
 배수현 
Issue Date
2001
Description
생체공학 협동과정/박사
Abstract
[영문]

[한글]

의료영상의 분할은 의료영상을 컴퓨터 진단 및 가시화에 필요한 같은 성질을 가진 여러

조직으로 나누어주는 방법이다. 본 논문에서는 Independent Component Analysis를 이용한

의료영상의 자동 분할 방법을 연구하였다. Independent Component Analysis는 사전 정보

를 알 수 없는 입력 데이터로부터 출력 데이터를 통계적으로 독립적인 형태로 만들 수 있

는 선형 시스템을 만듦으로서 Blind Source Separation문제를 해결하는 방법이다.

본 논문에서는 Independent Component Analysis사용한 의료영상의 자동 분할 방법을 성

능평가를 위하여 합성한 테스트 데이터와 CT영상에 적용하였다. 그리고 제안된 방법의 성

능평가를 위하여 Probability of Error(PE)와 Ultimate Measurement Accuracy(UMA) 값을

측정하였다. 또한 자동 분할 방법과 일반적인 분할 방법의 성능평가를 위하여 sensitivit

y(True Positive Rate), specificity(1-False Positive Rate) 및 mislabelling rate를 측

정하였으며, 실험결과의 통계적인 유의성 검증을 위하여 Paired-t 테스트를 성능평가 결

과에 적용하였다. Independent Component Analysis사용한 의료영상의 자동 분할 방법은

의료영상이 통계적으로 독립적인 여러 기관으로 구성되어 있다는 가정하에 의료영상의 각

부분을 정확하게 분할할 수 있었다.

본 연구에서 얻어진 결과는 다음과 같다.

(1) 본 논문에서 사용한 테스트 데이터에 대해서 대부분의 PE와 UMA 값은 0에 가까운 값

을 가졌다. 이는 본 논문에서 제안한 방법의 분할 결과가 테스트 데이터를 구성한 원본

데이터와 거의 일치함을 의미한다.

(2) 본 논문에서 제안한 방법을 CT영상에 적용하였을 경우 TPR(True Positive Rate)은 9

5%이상, FPR(False Positive Rate)은 1%이하의 값을 가졌다. 그리고 mislabelling rate는

약 1%의 값을 가졌다. 이는 의료영상의 분할에 본 논문에서 제안한 방법을 적용하였을

경우 분할하고자 하는 영역을 거의 정확하게 분할함을 의미한다.

(3) Paired-t 테스트를 사용하여 5%의 통계적 유의성을 가지고 분석하였을 때 본 논문에

서 제안한 방법은 일반적인 영상 분할 방법보다 좋은 결과를 가져옴을 알 수 있었다.







A Study of Automatic Medical Image Segmentation using Independent Component

Analysis



Soohyun Bae

Dept. of Biomedical Engineering

The Graduate School

Yonsei University



Medical image segmentation is a process that partitions original medical images

into some homogeneous regions meaningful for the computer aided diagnosis and

visualization. This dissertation proposes an automatic medical image segmentation

technique based on independent component analysis. Independent component analysis

is a method for solving the blind source separation problem. It finds a linear

coordinate system such that the resulting signals are as statistically independent

as possible.

Use of independent component analysis as an automatic medical image segmentation

technique allows for more accurate segmentation of medical images under the

assumption that medical images consist of some statistically independent parts.

The proposed method is applied to CT images and numerically synthesized test data

to demonstrate the performance of automatic segmentation. The performance

evaluation methods which were chosen in this dissertation were Probability of

Error(PE) and Ultimate Measurement Accuracy(UMA) methods. The result of automatic

segmentation was also compared to a general segmentation method using threshold

based on sensitivity(True Positive Rate), specificity(1-False Positive Rate) and

mislabelling rate. Statistical Paired-t test was done about the evaluation result.

For the test data, most of the PE and UMA values are close to zero, the TPR(True

Positive Rate)s are over 95 percent, FPR(False Positive Rate)s are 1 percent. The

mislabelling rate is near 1 percent. It means that the automatic method

demonstrated in this dissertation has a good result. A statistical Paired-t test of

TPR, FPR and mislabelling rate using 0.05 statistical significance has p value much

lower than statistical significance. It means that the result of automatic method

proposed in this dissertation has better result than the general method.
Files in This Item:
TA00833.pdf Download
Appears in Collections:
1. College of Medicine (의과대학) > Others (기타) > 3. Dissertation
URI
https://ir.ymlib.yonsei.ac.kr/handle/22282913/135871
사서에게 알리기
  feedback

qrcode

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

Browse

Links