Uterine cancer is the second frequent cancer related to women and increases steadily. The early detection and diagnose of uterine cancer can make patient be easily recovered. Therefore, the early detection of uterine cancer is very important. For early detection of uterine cancer, experts check the length and thickness of uterus. However, due to fuzzy image quality and heterogeneous texture, the ultrasound image analysis is challenging. Especially, in the case of uterus, the shape and textures of uterus varies with menstrual cycle. Therefore, accurately diagnose with ultrasound image is too time consuming and need well trained experts. In this thesis, we propose segmentation boundary guided adversarial learning for uterus landmark detection. For the adversarial learning, the predictor predicts uterus landmark points. Then the discriminators discriminate whether given landmark points are correct or not with segmentation image. Through the adversarial learning, the landmark detection accuracy improved effectively.
자궁암은 영성 암 중 많은 비율을 차지하고 있으며 최근 환자의 수가 늘어가고 있다. 자궁 암의 경우에는 초가에 발견 할 경우 가벼운 치료로 완치를 할 수 있기 때문에 발병 초기에 진단하는 것이 매우 중요하다. 자궁 암의 전조를 확인 할 수 있는 방법으로는 자궁의 초음파 영상에서 특징점을 검출하여 자궁의 길이와 자궁 내막의 길이, 자궁의 두께를 확인 하는 방법이 있다. 하지만 초음파 영상의 경우에는 영상이 흐릿하거나, 영상 속 이미지의 질감이 균일하지 않은 경우가 많아 정확한 분석이 매우 어렵다. 특히 자궁의 초음파 영상의 경우에는 여성의 생리 주기에 따라서 영상의 특징이 많이 달라지기 때문에 분석이 매우 어려우며 도전적이다. 따라서 정확한 자궁의 임상학적 분석을 위해선 숙달된 전문가의 도움이 필요하며 많은 시간과 노력이 필요 하다. 본 학위 논문에서는 자궁 초음파영상에서 특징점 검출을 위한 분할 영상 기반의 적대적 학습 방법을 제안하였다. 적대적 학습을 위해서 생성기와 분류기를 구성하여 생성기는 특징점을 검출하도록 학습하고 분류기는 검출된 특징점이 올바르게 되었는지를 구별한다.
