개선된 조건부 엔트로피를 이용한 다중 모달리티 뇌 영상정합

• 영문명: Multimodality Brain Image Registration using Modified Conditional Entropy
• 발행기관: 한국자료분석학회
• 저자명: 조완현(Wan-Hyun Cho) 김선월(Sun-Worl Kim)
• 간행물 정보: 『Journal of The Korean Data Analysis Society (JKDAS)』Vol.10 No.1, 109~118쪽, 전체 10쪽
• 주제분류: 자연과학 > 통계학
• 파일형태: PDF
• 발행일자: 2008.02.28

국문 초록

의료영상정합에서 픽셀의 명암도 정보 자체를 사용하는 픽셀 속성 기반 정합은 정보이론에서 많이 사용되는 상호정보량이나 우도함수를 이용한 방법들이 많이 사용되고 있다. 본 논문에서는 두 영상으로부터 주어지는 전이확률을 이용하여 정의된 조건부 엔트로피를 정합의 최적화에 대한 새로운 측도로 제안한다. 이 측도는 두 영상의 중첩된 영역에 속하는 각 픽셀의 쌍으로부터 얻어지는 결합 히스토그램으로부터 계산되며, 두 영상이 기하학적으로 완벽하게 일치되어 있는 경우에 최소값을 갖게 된다. 따라서 우리는 단일 모달리티와 다중 모달리티의 뇌 영상에 대하여 우리가 제안하는 개선된 조건부 엔트로피와 기존에 가장 많이 사용되고 있는 상호정보량 측도와 우도함수 측도를 사용한 정합결과를 실험을 통하여 비교분석하고, 제안하는 새로운 측도의 우수한 결과를 제시한다.

영문 초록

In this paper, we propose new techniques that defined using two conditional entropies given by transition probabilities that one of the intensities is mapping with the corresponding other intensity. It can be used to measure the registration by representing how much the reference image with the floating image. This measure is calculated from the joint histogram, and it has the minimum value when two images are geometrically aligns. To evaluate the performance of this method, we conduct various experiments for the proposed method as well as existing ones such as mutual information and maximum likelihood. The experimental results show that the proposed method is excellent in the registration of various medical images.

목차

1. 서론

2. 개선된 조건부 엔트로피를 이용한 영상정합

3. 실험 및 결과분석

4. 결론

참고문헌

키워드

의료영상 정합 상호정보량 우도함수 개선된 조건부 엔트로피 Image registration conditional entropy Mutual information Maximum likelihood