[학위논문]GLCM 특징과 신경망을 이용한 유방 초음파 영상의 비정상 패턴 추출에 관한 연구 The Study for Extraction of Abnormal Pattern from Images of Breast Ultrasonogram by Using GLCM Characteristics and Neural Network원문보기
최근 여성의 유방암 등 유방 질환의 발생 빈도가 빈발함에 따라 유방 방사선 조영술이나 초음파를 이용한 유방 초음파 검진 등 기초 검사의 빈도가 폭발적으로 늘어나고 있는 추세이다. 따라서 폭주하는 영상의학과 전문의들의 판독 업무량을 경감하고 진료의 질과 효율성을 제고하기 위해, 컴퓨터를 이용한 진단 혹은 진단 보조 방법(CAD:Computer Aided Diagnosis)등이 많이 연구되어 왔다. 그러나 영상의학과 전문의가 이미 찾아낸 이상 부위 소견에 대한 컴퓨터 보조 추출 즉 컴퓨터 보조 진단이 판독 의사에게 참고 의견을 제시하고, 이중판독의 역할로써 판독 오차를 줄이고 판독 결과의 객관성을 추구하는 방향으로만 시스템이 개발되어 왔다. 그러나 생활환경과 식생활의 변화로 최근 젊은 여성의 유방암이 점차 증가하고 있으며, 특히 폐경 여성들의 폐경 호르몬 치료에 따른 유방 ...
최근 여성의 유방암 등 유방 질환의 발생 빈도가 빈발함에 따라 유방 방사선 조영술이나 초음파를 이용한 유방 초음파 검진 등 기초 검사의 빈도가 폭발적으로 늘어나고 있는 추세이다. 따라서 폭주하는 영상의학과 전문의들의 판독 업무량을 경감하고 진료의 질과 효율성을 제고하기 위해, 컴퓨터를 이용한 진단 혹은 진단 보조 방법(CAD:Computer Aided Diagnosis)등이 많이 연구되어 왔다. 그러나 영상의학과 전문의가 이미 찾아낸 이상 부위 소견에 대한 컴퓨터 보조 추출 즉 컴퓨터 보조 진단이 판독 의사에게 참고 의견을 제시하고, 이중판독의 역할로써 판독 오차를 줄이고 판독 결과의 객관성을 추구하는 방향으로만 시스템이 개발되어 왔다. 그러나 생활환경과 식생활의 변화로 최근 젊은 여성의 유방암이 점차 증가하고 있으며, 특히 폐경 여성들의 폐경 호르몬 치료에 따른 유방 초음파 검사가 필수로 자리 잡는 현실에서 여성이 가장 쉽게 접하는 산부인과 의원 혹은 일반 의원에서 초진으로서 유방 초음파 검사를 원하는 여성들이 매우 많아지고 있다. 그러나 이들은 영상의학과 전문의가 아니므로 유방 초음파 검사에서는 판독에 자신이 없어 일차적 초기 검진에 매우 곤란을 겪고 있다. 유방암의 초기검진으로서 초음파 사진의 관심영역이 정상인가 아닌가만 판단만 해 주면 된다. 그러나 초음파 영상에 대한 정상 혹은 비정상 세포의 선별이 가능한 컴퓨터 판독 시스템이 아직 개발되지 않아 일반 개원의들은 이를 절실히 필요로 하고 있다. 따라서 본 연구에서는 영상의학과 전문의가 아닌 일반 개원의들을 위해, 유방 초음파 영상에서의 세포 영상이 정상인가 혹은 비정상인가를 자동으로 판별할 수 있는 기초 선별 시스템을 연구개발 하였다. 일반적으로 정상인 유방 초음파 영상에서는 하나의 종괴로 확실히 구분되는 경계가 뚜렷한 원 또는 타원 형태의 음영이 보이지 않는다는 의학적 소견에 따른다. 따라서 본 연구에서는 유방의 초음파 영상에서 정상세포와 이상 세포의 특징을 근거로 GLCM (Gray Level Co-occurrence Matrix)알고리즘과 역전파 학습 알고리즘을 이용하여 종괴로 의심되는 비정상 패턴을 추출하는 시스템 개발을 제안하였다. 본 연구에서 일차적으로 추출된 영역들이 종괴 영역인지에 대한 유사도의 평가는 역전파 알고리즘을 이용한 학습 결과를 이용하였다. 실험 영상들 중에서 종괴가 있는 것으로 분류된 영상에서 종괴 영역을 추출하고, 역전파 학습알고리즘에 의해 구축한 시스템의 실험결과 약 97.6%의 우수한 종괴 판별율을 얻을 수 있었다. 본 연구에서 개발된 시스템은 실험 결과가 정상에서 종괴가 있는 환자를 구분해 내는 민감도, 특이도, 양성 예측도 및 음성 예측도를 종합 분석한 결과 민감도(sensitivity)는 97.6%, 특이도 (specificity)는 99.4%, 양성 예측도(positive predictive value)는 97.8%, 음성 예측도 (negative predictive value)는 99.6%등 비교적 우수한 분석율을 얻을 수 있었다. 따라서 본 연구에서 개발한 시스템은 비 영상의학과 의사인 일반의들이나 산부인과 의사들에게 유방암을 포함한 유방 질환에 대한 일차적 선별 검사로서 유방의 초음파 판독에 많은 도움을 줄 수 있을 것으로 사료된다.
최근 여성의 유방암 등 유방 질환의 발생 빈도가 빈발함에 따라 유방 방사선 조영술이나 초음파를 이용한 유방 초음파 검진 등 기초 검사의 빈도가 폭발적으로 늘어나고 있는 추세이다. 따라서 폭주하는 영상의학과 전문의들의 판독 업무량을 경감하고 진료의 질과 효율성을 제고하기 위해, 컴퓨터를 이용한 진단 혹은 진단 보조 방법(CAD:Computer Aided Diagnosis)등이 많이 연구되어 왔다. 그러나 영상의학과 전문의가 이미 찾아낸 이상 부위 소견에 대한 컴퓨터 보조 추출 즉 컴퓨터 보조 진단이 판독 의사에게 참고 의견을 제시하고, 이중판독의 역할로써 판독 오차를 줄이고 판독 결과의 객관성을 추구하는 방향으로만 시스템이 개발되어 왔다. 그러나 생활환경과 식생활의 변화로 최근 젊은 여성의 유방암이 점차 증가하고 있으며, 특히 폐경 여성들의 폐경 호르몬 치료에 따른 유방 초음파 검사가 필수로 자리 잡는 현실에서 여성이 가장 쉽게 접하는 산부인과 의원 혹은 일반 의원에서 초진으로서 유방 초음파 검사를 원하는 여성들이 매우 많아지고 있다. 그러나 이들은 영상의학과 전문의가 아니므로 유방 초음파 검사에서는 판독에 자신이 없어 일차적 초기 검진에 매우 곤란을 겪고 있다. 유방암의 초기검진으로서 초음파 사진의 관심영역이 정상인가 아닌가만 판단만 해 주면 된다. 그러나 초음파 영상에 대한 정상 혹은 비정상 세포의 선별이 가능한 컴퓨터 판독 시스템이 아직 개발되지 않아 일반 개원의들은 이를 절실히 필요로 하고 있다. 따라서 본 연구에서는 영상의학과 전문의가 아닌 일반 개원의들을 위해, 유방 초음파 영상에서의 세포 영상이 정상인가 혹은 비정상인가를 자동으로 판별할 수 있는 기초 선별 시스템을 연구개발 하였다. 일반적으로 정상인 유방 초음파 영상에서는 하나의 종괴로 확실히 구분되는 경계가 뚜렷한 원 또는 타원 형태의 음영이 보이지 않는다는 의학적 소견에 따른다. 따라서 본 연구에서는 유방의 초음파 영상에서 정상세포와 이상 세포의 특징을 근거로 GLCM (Gray Level Co-occurrence Matrix)알고리즘과 역전파 학습 알고리즘을 이용하여 종괴로 의심되는 비정상 패턴을 추출하는 시스템 개발을 제안하였다. 본 연구에서 일차적으로 추출된 영역들이 종괴 영역인지에 대한 유사도의 평가는 역전파 알고리즘을 이용한 학습 결과를 이용하였다. 실험 영상들 중에서 종괴가 있는 것으로 분류된 영상에서 종괴 영역을 추출하고, 역전파 학습알고리즘에 의해 구축한 시스템의 실험결과 약 97.6%의 우수한 종괴 판별율을 얻을 수 있었다. 본 연구에서 개발된 시스템은 실험 결과가 정상에서 종괴가 있는 환자를 구분해 내는 민감도, 특이도, 양성 예측도 및 음성 예측도를 종합 분석한 결과 민감도(sensitivity)는 97.6%, 특이도 (specificity)는 99.4%, 양성 예측도(positive predictive value)는 97.8%, 음성 예측도 (negative predictive value)는 99.6%등 비교적 우수한 분석율을 얻을 수 있었다. 따라서 본 연구에서 개발한 시스템은 비 영상의학과 의사인 일반의들이나 산부인과 의사들에게 유방암을 포함한 유방 질환에 대한 일차적 선별 검사로서 유방의 초음파 판독에 많은 도움을 줄 수 있을 것으로 사료된다.
Recently, as the number of people having breast diseases including breast cancer increased, the frequency of having primary check-ups with mammogram and breast ultrasonograph increased explosively as well. Thus, in order to alleviate reading work for radiologists and to improve quality and efficienc...
Recently, as the number of people having breast diseases including breast cancer increased, the frequency of having primary check-ups with mammogram and breast ultrasonograph increased explosively as well. Thus, in order to alleviate reading work for radiologists and to improve quality and efficiency of treatment, diagnosis using computer or CAD ( Computer Aided Diagnosis) has been studied for many years. Yet, this system has been developed only to show additional opinion for already founded abnormal findings and to maintain objectivity by reducing errors. Due to many changes in living style and dietary habits, more young women are having breast cancer in nowadays. Also, as breast ultrasonograph has been established as a mandatory examination for menopausal women on hormone therapy, more and more women are wishing to have breast US as a primary check up in local Obstetrics & Gynecology or general clinics. However, as these physicians are not specialists in radiology, it is hard for them to read the result and do this as a primary exam. The only thing we have to know from primary check up for breast cancer is whether this ultrasonogram finding is normal or not. As a computer that can assort normal or abnormal cells by using breast ultrasonograph has not been developed yet, physicians at local clinics are so in need of this system. Thus, for those physicians who are not specialists in radiology, we developed primary assorting system that can automatically distinguish between normal and abnormal cells from breast ultrasonogram. We also followed generally believed medical impression that ultrasonogram for normal breast shows one mass without any well-defined round or oval shadow. In this study, we suggested a system that can extract doubted mass with abnormal pattern by using GLCM (Gray Level Co-occurrence Matrix) algorithm and Back propagation algorithm based on findings of normal and abnormal breast cells in breast ultrasonogram. In order to estimate similarities between initially extracted field and abnormal mass field, we used back-propagation algorithm. By extracting mass area from ultrasonogram that were initially sorted out for having abnormal findings and by using the system that was built based on Back propagation algorithm, we could produce 97.6% for discriminating rate. We analyzed ability of this system to distinguish between normal and patients with mass. As a result, the system produced relatively excellent result having 97.6% for sensitivity, 99.4% for specificity, 97.8% for positive predictive value and 99.6% for negative predictive value. Therefore, the system we developed in this study is thought to give great help for those physicians who are not specialists in radiology to read breast ultrasonogram as a primary examination for breast diseases including breast cancer.
Recently, as the number of people having breast diseases including breast cancer increased, the frequency of having primary check-ups with mammogram and breast ultrasonograph increased explosively as well. Thus, in order to alleviate reading work for radiologists and to improve quality and efficiency of treatment, diagnosis using computer or CAD ( Computer Aided Diagnosis) has been studied for many years. Yet, this system has been developed only to show additional opinion for already founded abnormal findings and to maintain objectivity by reducing errors. Due to many changes in living style and dietary habits, more young women are having breast cancer in nowadays. Also, as breast ultrasonograph has been established as a mandatory examination for menopausal women on hormone therapy, more and more women are wishing to have breast US as a primary check up in local Obstetrics & Gynecology or general clinics. However, as these physicians are not specialists in radiology, it is hard for them to read the result and do this as a primary exam. The only thing we have to know from primary check up for breast cancer is whether this ultrasonogram finding is normal or not. As a computer that can assort normal or abnormal cells by using breast ultrasonograph has not been developed yet, physicians at local clinics are so in need of this system. Thus, for those physicians who are not specialists in radiology, we developed primary assorting system that can automatically distinguish between normal and abnormal cells from breast ultrasonogram. We also followed generally believed medical impression that ultrasonogram for normal breast shows one mass without any well-defined round or oval shadow. In this study, we suggested a system that can extract doubted mass with abnormal pattern by using GLCM (Gray Level Co-occurrence Matrix) algorithm and Back propagation algorithm based on findings of normal and abnormal breast cells in breast ultrasonogram. In order to estimate similarities between initially extracted field and abnormal mass field, we used back-propagation algorithm. By extracting mass area from ultrasonogram that were initially sorted out for having abnormal findings and by using the system that was built based on Back propagation algorithm, we could produce 97.6% for discriminating rate. We analyzed ability of this system to distinguish between normal and patients with mass. As a result, the system produced relatively excellent result having 97.6% for sensitivity, 99.4% for specificity, 97.8% for positive predictive value and 99.6% for negative predictive value. Therefore, the system we developed in this study is thought to give great help for those physicians who are not specialists in radiology to read breast ultrasonogram as a primary examination for breast diseases including breast cancer.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.