컴퓨터비전, 머신러닝, 딥러닝을 이용한 의료영상분석 7-6. Segmentation using classifier

본 내용은 Edwith의 컴퓨터비전, 머신러닝, 딥러닝을 이용한 의료영상분석을 요약 정리한 내용으로 DGIST 박상현 교수님과 Edwith, STAR-MOOC에 그 저작권이 있음을 미리 공지합니다.

URL : https://www.edwith.org/medical-20200327/lecture/63160/

Segmentation based on Classification

모델을 기반으로 likelihood를 정해줌

학습 데이터를 기반으로 좋은 모델을 만들 수 있습니다.

Training Data : Image, Label

Test : Image

이전에는 scribble된 전경, 배경 위치로 구했지만

현재 전경과 배경의 밝기를 이용하여 모델을 구성

Intensity 모델 기반 feature extraction, 정교하게 확률값들을 구함

Haar-like feature

다양한 filter 사용하여 filter에 맞는 해당 위치별 밝기 값들의 차 값를 구함

이를 response라고 함

이 response를 모아 feature로 사용가능

다양한 classifier를 활용가능(SVM, Random Forest, Neural Network)

feature selection

결과들에 noise가 있을 수 있습니다.

classifier에서 얻은 확률을 MRF를 확인하여 likelihood 정의하고 prior term을 smooth하도록 만들어 줄 수 있습니다.

전경인 곳에서의 patch들 -> label=1

배경인 곳에서의 patch들 -> label=0

많은 training data image를 넣어 classification

CNN이라면 따로 filter 사용정의 내려줄 필요없음

Test 영상에서 모든 부분에 대한 patch들의 prediction을 구합니다.

MRF를 통한 smooth 영상을 얻을 수 있습니다.