수용영역의 한계를 극복한 심층 학습 기반 자기공명영상 가속화
저자
발행사항
서울 : 서울대학교 대학원, 2020
학위논문사항
학위논문(석사)-- 서울대학교 대학원 : 전기·정보공학부 2020. 2
발행연도
2020
작성언어
한국어
주제어
DDC
621.3 판사항(22)
발행국(도시)
서울
기타서명
Deep learning based magnetic resonance imaging acceleration overcoming limitation of receptive field
형태사항
iii, 25장 : 삽화, 표 ; 26 cm
일반주기명
참고문헌 수록
UCI식별코드
I804:11032-000000160041
소장기관
자기공명영상(Magnetic Resonance Imaging, MRI)은 촬영 대상에 자기장을 가했을 때 수소 원자핵이 공명하는 핵자기 공명 현상으로부터 나오는 신호를 이용하여 인체의 해부학적 구조의 변형 및 기능의 장애를 파악하는 영상법이다. 이는 뛰어난 해상도를 가지며 인체에 무해한 특징을 가지고 있어 임상 진단에 널리 사용되고 있다. 자기공명영상은 자기장을 이용하여 촬영 대상의 내부 구조를 인코딩함으로서 신호로부터 영상을 복원한다. 자기공명영상은 정보를 얻는 데에 상대적으로 오랜 시간이 걸려 지금까지 병렬 영상법(parallel imaging), 압축 센싱(compressed sensing) 등의 기법들이 자기공명영상 가속화를 위해 개발되어 왔다. 최근 심층학습이 다양한 이미지 처리 분야에서 뛰어난 성능을 나타내는 것과 일관되게 자기공명영상 가속화에서도 심층학습이 뛰어난 성능을 보이며 큰 잠재력을 보이고 있다.
자기공명영상은 k공간(k-space)에서 데이터가 얻어지는 특징을 가지고 있어 가속화했을 때의 아티팩트(artifact)가 국소적이지 않고 다른 영역의 구조들이 관여된다. 심층학습에서의 수용 영역(receptive field)이 충분하지 않다면 이러한 점은 성능의 큰 저하를 일으킬 수 있다. 본 연구에서는 수용영역의 한계점을 분석하고 이를 극복하기 위한 두 가지 방법을 제시한다.
이러한 방법들을 검증하기 위해 다양한 부위의 자기공명영상에서 성능을 기존의 심층학습 구조와 비교하였다. 정량적인 수치를 제시하는 동시에 제시한 방법이 영상에서 정성적으로 어떠한 장점을 가지는지 분석하였다. 본 연구에서 제안한 수용영역의 한계점 극복 방법은 심층학습 기반 자기공명영상 가속화 기법들에 응용될 수 있을 것으로 기대된다.
Magnetic Resonance Imaging (MRI) is a noninvasive imaging method that can obtain anatomical and pathological information from various tissues using the characteristics of signals from nuclear magnetic resonance phenomena. MRI is widely used in clinical diagnosis as it provides superior resolution compared to other imaging techniques and does not expose to risk factors such as radiation. MRI uses a magnetic field to encode the internal structure of the target to reconstruct the image from the signal. Since MRI took a relatively long time to obtain information, techniques such as parallel imaging and compressed sensing have been developed to accelerate MRI. Recently, deep learning has shown great potential in accelerating MRI while it has shown excellent performance in various image processing tasks.
MRI has the characteristics of data being obtained in so-called k-space, so the artifact of acceleration in the image is not local and other non-local structures are involved. This can lead to significant degradation of performance if receptive of a deep learning network is not large enough. In this study, the limitations of the receptive field are analyzed and two methods are proposed to overcome them.
To verify these methods, the performance was compared with the conventional deep learning structure in various kinds of MR images. The quantitative performance was verified, and the qualitative advantages of the proposed method were also analyzed. It is expected that the proposed method of overcoming the limitations of the receptive field could be applied to the conventional deep learning-based MRI acceleration methods.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)