특징점 자동 추출과 로버스트 형상분석을 이용한 영상정합의 비교

Comparison of Image Registration using the Extraction of Feature Point and Robust Shape Analysis

의료 영상정합기법의 표면정보 기반 영상정합에서는 일반적으로 두 모달리티에서 추출된 표면 윤곽선 사이의 거리를 최소화함으로써 매칭이 이루어진다. 동일한 뇌를 대상으로 취득되지만 서로 다른 정보를 제공하는 두 모달리티는 관심 영역의 윤곽선 표면 특성이 서로 유사하다. 그러므로 다중 모달리티 영상정합에서 표면거리와 함께 표면의 특성을 고려하여 두 영상을 매칭하는 방법이 정합 결과의 정확도를 향상시킬 수 있다. 본 연구에서는 영상의 경계선으로부터 특징점을 추출하는 새로운 방법과 CT 뇌 영상정합에 대하여 프러크러스티즈 분석을 사용하는 새로운 정합방법을 제안한다. 최소제곱법을 이용한 보통의 프로크러스티즈 분석과 로버스트 추정량으로 알려져 있는 LMS(least median of squares), S-추정량, M-추정량과 RM-추정량을 이용한 정합에서의 또 다른 결과를 비교하고 우월성을 평가한다.

Within medical imaging techniques surface registration methods generally minimize the surface distance between two modalities. The features of two modalities acquired from one subject are similar. So it is meaningful to match two surfaces based on optimization of surface distance. In this sturdy, we propose a new method which extract the feature points from the boundary of image and the registration method using the full ordinary Procrustes analysis for CT brain image. We show the result of registration by LS OPA and M OPA, LMS OPA, S OPA, RM OPA known as the robust estimators, and then we compare the result of methods and evaluate a superiority.