| 초록 |
의학 영상 보조 진단(aided diagnosis) 및 치료의 요구를 만족하기 위하여, 혼합 상호 정보(mixed mutual information)와 개선된 입자 군집 최적화 알고리즘(improved particle swarm optimization)을 기반으로 한 의학 영상 정합(medical image registration) 방법을 제기하였다. 매번 반복(iteration) 할 때 먼저 Renyi 엔트로피(entropy)에 기반을 둔 개선된 입자 군집 알고리즘을 사용하여 영상에 대해 전역 검색(Global search)을 진행하고, Shannon 엔트로피에 기반을 둔 Powell 알고리즘을 사용하여 기존에 얻은 최적해(optimal solution)에 대해 국부적 최적화(local optimization)를 진행하였다. 실험 영상은 60폭의 시뮬레이션 영상(simulation image)과 10폭의 임상 영상(clinical images)이고 70폭의 실험 영상에 대해 단일 모드(single mode)와 다중 모드(multi-mode)의 의학 영상 정합 실험을 진행하였으며, 제기한 알고리즘의 단일 모드 의학 영상 정합 결과는 모두 서브 픽셀(sub-pixel) 수준에 도달하였다. 다중 모드 의학 영상 정합 실험에서 5가지 성능 지표(index)를 사용하여 정합 결과의 품질을 평가하였다. 3가지 의학 영상 정합 알고리즘의 비교 결과, 새로운 알고리즘은 시간 계산을 제외한 다른 4가지 성능 지표가 모두 최고이고 MI 지수, NMI 지수와 CC 지수의 평균값은 각각 1.3386, 1.3631과 0.8378이다. 주관적 및 객관적 분석 결과, 제기한 알고리즘은 정밀도(accuracy)와 수렴 속도(convergence rate) 방면에서 다른 정합 알고리즘보다 우월하다. |
