Earticle

본 연구는 의료 시뮬레이션에서 절개 및 봉합과 같은 위상 변화를 효과적으로 처리하기 위한 볼륨 변형 가시화를 개 선하는 방법을 제안한다. 병렬 리샘플링을 적용하여 실시간 고해상도 볼륨 변형이 가능하다. 본 연구는 병렬 리샘플 링 기법 적용 시 단면에서 발생하는 노이즈에 주목하여 노이즈의 발생 원인을 분석하고, 노이즈를 줄이기 위한 두 가지 방법을 제안한다. 우선, 볼륨 가시화시 그라디언트 계산에서 오차가 발생하는 것에 착안하여 전체 탐색 마스크 를 이용하는 방법을 제안하고, 이어서 더 효율적인 십자 마스크를 제안하여 단면 영역을 검출하고 조명 연산에서의 오류를 방지한다. 실험 결과, 제안된 방법은 단면에서의 화질이 개선됨을 확인하였고, 십자 마스크는 전체 탐색 마 스크에 비해 효율적인 연산이 가능한 것으로 나타났다.

This study proposes an improved volumetric deformation visualization method to effectively handle topological changes, such as cutting and suturing, in medical simulations. By applying a parallel resampling technique, real-time high-resolution volumetric deformation is achieved. This research focuses on the noise that occurs in cross-sections during parallel resampling and analyzes its causes. To reduce this noise, two methods are proposed. First, recognizing errors in gradient calculations during volume rendering, a full-search mask method is introduced. Then, a more efficient crossmask method is proposed to detect cross-section regions and prevent errors in lighting calculations. Experimental results confirm that the proposed methods enhance cross-sectional image quality, and the cross-mask method demonstrates higher computational efficiency compared to the full-search mask method.

딥러닝 기반 모델과 물리 시뮬레이션을 결합한 연구는 의료 분야에서 중요한 발전을 이루고 있다. 이는 의료영상 데이터에서 필요한 정보를 추출하고, 물리적 법칙을 기반으로 골격 및 연조직의 변형에 대한 빠르고 정확한 예측을 가능하게 한다. 본 연구는 신경 방사 필드(NeRF), 위치 기반 동역학(PBD), 병렬 리샘플링을 융합하여 3D 볼륨데이터를 쉽게 생성하고 실시간으로 변형 및 시각화하는 시스템을 제안한다. NeRF는 2D 이미지와 카메라 좌표 정보를 사용해 고해상도 3D 볼륨 데이터를 생성하며, PBD는 물리 기반 시뮬레이션으로 획득한 데이터에 대한 실시간 변형과 상호작용을 가능하게 한다. 병렬 리샘플링은 사면체 메쉬와 GPU 병렬 처리를 통해 렌더링 효율성을 높인다. 이 시스템은 광선투사방식으로 렌더링 되어 빠른 실시간 시각화를 제공하며, 비싼 장비 없이 간단하게 3D 데이터를 생성하고 변형할 수 있어 공학, 교육, 의료 등 다양한 분야에서의 활용 가능성을 보여준다.

Research combining deep learning-based models and physical simulations is making important advances in the medical field. This extracts the necessary information from medical image data and enables fast and accurate prediction of deformation of the skeleton and soft tissue based on physical laws. This study proposes a system that integrates Neural Radiance Fields (NeRF), Position-Based Dynamics (PBD), and Parallel Resampling to generate 3D volume data, and deform and visualize them in real-time. NeRF uses 2D images and camera coordinates to produce high-resolution 3D volume data, while PBD enables real-time deformation and interaction through physics-based simulation. Parallel Resampling improves rendering efficiency by dividing the volume into tetrahedral meshes and utilizing GPU parallel processing. This system renders the deformed volume data using ray casting, leveraging GPU parallel processing for fast real-time visualization. Experimental results show that this system can generate and deform 3D data without expensive equipment, demonstrating potential applications in engineering, education, and medicine.