Upload
peers
View
46
Download
0
Embed Size (px)
DESCRIPTION
PCA 개선. 서울대학교 박노 열. PCA. CT Data 로부터 Femur 의 특징을 나타내는 축을 찾아내는 것 각각의 축에 데이터의 " 가장 중요한 " 성분을 차례대로 위치. 기대하는 것. Varus & Valgus. 기대하는 것. Anteversion & Retroversion. 기대하는 것. 환자 개개인의 특징 Shaft 의 모양 Neck 의 길이 Great throchanter 의 모양 Distal femur 의 모양 등등. 기존 PCA. PCA 결과가 명확하지 못함 - PowerPoint PPT Presentation
Citation preview
PCA 개선
서울대학교박노열
PCA
• CT Data 로부터 Femur 의 특징을 나타내는 축을 찾아내는 것
• 각각의 축에 데이터의 " 가장 중요한 " 성분을 차례대로 위치
기대하는 것• Varus & Valgus
기대하는 것• Anteversion & Retroversion
기대하는 것• 환자 개개인의 특징– Shaft 의 모양– Neck 의 길이– Great throchanter 의 모양– Distal femur 의 모양–등등
기존 PCA
• PCA 결과가 명확하지 못함
• 기대하는 특징을 잘 나타내지 못함
생각되는 원인• Orientation– 기준이 되는 축을 맞춤
• Scale– 소아와 성인의 뼈의 크기
• Shape– 소아와 성인의 모양 차이
• Node 수– 원본 Shape 비해 적은 Node 수
• CT Data 수– 데이터의 수 차이
Orientation
Orientation 해결• Shaft–첫 번째 Eigenvector
Orientation 해결• Distal femur–Medial condyle 과 Lateral condyle 을 잇는
축–수동으로 찍어줘야 함
Scale
Scale 해결• Shaft 고정 후 측정
Shape
Shape
Shape
방안• 소아와 성인을 나누자–뼈가 자라고 있기 때문에 명확한 구분이 힘듬–대부분이 소아의 뼈–주된 환자가 성장기 소아
해결• Orientation 과 Scale 이 해결해줌– Graph 생성에 끼치는 영향– Shape 의 영향 < Scale 의 영향
Node
• 성인 Shape 의 Vertex 수 약 3~4 만개• 소아 Shape 의 Vertex 수 약 2~3 만개• 생성된 Node 수 약 600~700 개
• Node 하나당 Vertex 약 4~50 개 매칭–뭉개지거나 정보 누락
방법• 생성되는 Node 수를 늘림–매칭되는 Vertex 수가 줄어듬– Optimization 시 연산량이 늘어남
• 지정된 Vertex 에 Node 를 매칭–수작업이 너무 많아짐– Graph 가 꼬일 가능성–특징점이 애매함
CT Data
• CT Data 24 개 -> 54 개
결과