컴퓨터비전, 머신러닝, 딥러닝을 이용한 의료영상분석 9-7. Vessel enhancement filtering

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

Laplacian of Gaussian Filtering

의료에서는 혈관 structure를 찾아야할 경우가 많음

이 때 enhancement 방법에 대해 설명할 것

그 전에 Laplacian of Gaussian Filtering을 고려할 것

Gaussian을 사용하여 Blob만을 추출가능

Vessel Enhancement Filtering을 통해서도 비슷한 적용가능

2차원 그림

한 점에 대하여 Hessian matrix 구할 수 있음

matrix에 대한 eigenvalue와 eigenvector 점의 structure를 알려줌

보통 변화가 심한 방향과, normal 방향 2개를 얻을 수 있을 것

이런 변화를 통해 알 수 있을 것

3차원 확장 또한 가능

Hessian Matrix

3개의 eigenvalue를 구했을 때 어떤 구조인지를 파악

혈관의 경우 tube-like 모양일 가능성이 높음

실제 vessel eigenvalue를 확인

어떤 패턴인지를 알려주는 표

L 작은 값

H- 음의 큰 값

H+양의 큰 값

3가지 식을 통해 Vessel 강조

blob, line, plate

Blob-like structure - Blob, line 비교 식

$R_B$가 작을 수록 line, Vessel에 가깝다고 판단

Plate-like structure - Plate, line 비교 식

line $\lambda_2, \lambda_3$가 크다

plate $\lambda_2$는 작고, $\lambda_3$가 크다

$R_A$가 작을 수록 Plate에 가깝다고 판단

$R_A$가 커질 수록 line, Vessel에 가깝다고 판단

Second-order structureness

S가 커질 수록 line, Vessel에 가깝다고 판단

최종적으로 다음과 같이 보임

작을수록 $V_0$가 커지는 식의 경우 (1-exp())의 형태

커질수록 $V_0$가 커지는 식의 경우 (exp())의 형태