Download presentation
Presentation is loading. Please wait.
1
PCA 개선 서울대학교 박노열
2
PCA CT Data로부터 Femur의 특징을 나타내는 축을 찾아내는 것
각각의 축에 데이터의 "가장 중요한" 성분을 차례대로 위치
3
기대하는 것 Varus & Valgus
4
기대하는 것 Anteversion & Retroversion
5
기대하는 것 환자 개개인의 특징 Shaft의 모양 Neck의 길이 Great throchanter의 모양
Distal femur의 모양 등등
6
기존 PCA PCA 결과가 명확하지 못함 기대하는 특징을 잘 나타내지 못함
7
생각되는 원인 Orientation Scale Shape Node 수 CT Data 수 기준이 되는 축을 맞춤
소아와 성인의 뼈의 크기 Shape 소아와 성인의 모양 차이 Node 수 원본 Shape비해 적은 Node 수 CT Data 수 데이터의 수 차이
8
Orientation
9
Orientation 해결 Shaft 첫 번째 Eigenvector
10
Orientation 해결 Distal femur Medial condyle과 Lateral condyle을 잇는 축
수동으로 찍어줘야 함
14
Scale
15
Scale 해결 Shaft 고정 후 측정
16
Shape
17
Shape
18
Shape
19
방안 소아와 성인을 나누자 뼈가 자라고 있기 때문에 명확한 구분이 힘듬 대부분이 소아의 뼈 주된 환자가 성장기 소아
20
해결 Orientation과 Scale이 해결해줌 Graph생성에 끼치는 영향 Shape의 영향 < Scale의 영향
21
Node 성인 Shape의 Vertex 수 약 3~4만개 소아 Shape의 Vertex 수 약 2~3만개
Node 하나당 Vertex약 4~50개 매칭 뭉개지거나 정보 누락
22
방법 생성되는 Node 수를 늘림 지정된 Vertex에 Node를 매칭 매칭되는 Vertex 수가 줄어듬
Optimization시 연산량이 늘어남 지정된 Vertex에 Node를 매칭 수작업이 너무 많아짐 Graph가 꼬일 가능성 특징점이 애매함
24
CT Data CT Data 24개 -> 54개
25
결과
Similar presentations