[논문]안저 영상에서 시신경유두의 윤곽선 자동 검출

김필운; 홍승표; 원철호; 조진호; 김명남

문제 정의

과분할된 영역들을 시신경유두부 윤곽선 검출에 적절한 영역으로 변환하기 위하여 영상의 밝기 정보와 통계적인 분석을 적용한 영역 병합을 통해 영역들을 최적의 상태로 분할하고자 하였다. 이 과정에서 판단 기준이 되는 각 영역의 유사성을 결정하기 위해 영역들의 크기, 평균, 분산 등의 통계적인 방법들을 이용한다.
따라서 영역의 단순화를 위한 병합 과정에서 시신경유두의 정보가 시신경유두 외부에 근접한 혈관 정보와 병합됨으로써 손상된 부분이 발생한다. 그러므로 본 논문에서는 이러한 문제점을 해결하기 위하여 시신경유두 윤곽의 곡률 변화가 거의 작은 점에 기초하여 곡선 변화가 큰 부분을 검색 및 보정하는 방법을 제안하였다. 이 방법은 4-연결성체인코드를 이용하여 시신경유두 윤곽선의한 점으로부터 윤곽선을 따라 진행되는 방향성을 계산한 다음, 이를 기반으로 하여 곡선 변화를 측정함으로써 손상된 부분을 검색하고 B-스플라인을 이용하여 보 정하였다.
이 과정에서 watershed 영역화 기법의 민감한 잡음 특성에 의한 오류를 감소시키기 위하여 필터링으로써 영상을 단순화시켰으며, 과분할 현상의 영역을 줄이기 위하여 hierarchical stepwise optimization(HSWO)⑻을 이용한 반복 수행을 통하여 근사적인 시신경유두의 영역을 검출하였다. 또한, 본 논문에서는 검출된 근사적인 시신경유두의 윤곽선이 혈관 정보에 의해 많이 손상되어있는 문제를 해결하기 위하여 손상된 부분을 검출하고 보정하는 새로운 알고리듬을 제안하였다. 제안한 알고리듬은 체인코드 기반의 곡선 변화도를 측정하고, 곡선 변화도가 설정된 문턱치를 초과하는 위치들을 검출한 다음, 인접 위치의 정보에 근거한 spline 곡선을 통하여 손상된 윤곽선을 보정하였다.
본 논문에서는 안저 영상에서 시신경유두의 새로운 계층적 인 검출 방법을 제안하였다. 시신경유두의 정보는 적색(red) 성분의 영상에서 가장 뚜렷하게 나타난다고 알려져 있다.
안저 영상에서 시신경유두의 특징은 투명한 시신경이 집적되어 있는 곳으로서 높은 밝기를 갖는다. 본 논문에서는 이러한 특징을 이용하여 안저 영상에서 시신경유두의 계층적인 검출 방법을 제안하였다. 밝기가 큰 지역을 중심으로 관심영역을 설정하고 설정한 내부에 watershed 알고리듬을 이용하여 영역화한 다음, 분할된 영역들을 의미 있는 영역으로 단순화시키고, 혈관에 의하여 손상된 시신경유두의 윤곽선을 선 변화의 정도를 기반으로 하여 보정하였다.
그림 8에서와 같은 곡선의 임의의한 점을 시작점 s로 하고 이동점 p를 이용하여 끝점 d까지의 곡선 변화를 측정할 수 있다. 여기서 곡선 변화를 T라 정의하고, s와 d사이의 곡선의 변화 정도의 크기가 일정치를 초과하는지 조사한다. 곡선의 변화 m는 식(4)와 같다.

제안 방법

일반적으로 안저 영 상에서 밝기의 밀도가 제일 큰 부분이 시신경유두이나 망막 상의 손상된 세포 영역에서도 작지만 밝은 밀도를 가진다.[2] 따라서 이 부분들의 영향을 줄이면서 시신경유두를 포함하는 관심영역을 설정하기 위하여 wavelet의 다해상도 분해특성을 이용하였다. wavelet 변환시 해상도의 감소로 인하여 밝기 밀도가 큰 시신경유두의 경우 저해상도 영상에서 정보를 계속 포함하고 있지만, 밝기 밀도 차가 작은 망막상의 손상세포들은 그 값들을 wavelet 요소로 보내게 되어 scale 상에 남지 않게 된다.
시신경유두의 정보는 적색(red) 성분의 영상에서 가장 뚜렷하게 나타난다고 알려져 있다.[7] 따라서 제안한 방법에서는 처리과정을 단순화하기 위하여 안저 영상의 적색 성분만을 고려하였다. 제안한 방법은 먼저, wa- velet의 다해상도 특성을 이용하여 시신경유두의 관심영역을 설정하였고 시신경유두의 구조적인 정보와 국부적인 밝기 정보를 watershed 알고리듬에 적용하여 영역 분할하였다.
앞 단계에서 설정된 관심영역내의 영상에 대하여 잡음을 제거하고, 수리형태학적 기법을 이용한 전처리를 수행하였다. 경사 영상을 기반으로 watershed 영역 기법을 적용하고, 분할된 영역들을 의미 있는 영역간의 병합을 통하여 근사적인 시신경 유두 영역을 검출하였다. 그림 3은 관심영역 내에서의 시신경 유두 검출 방법에 관한 것이다.
2단계에서는 설정된 관심영 역내의 영상을 전처리하고 watershed 영역화 기법을 이용하여 분할한다. 그 결과물인 다수의 작은 영역들로써 시신경유두와 유사한 하나의 영역으로 병합하는 과정을 거쳐 윤곽선을 검출한다. 3단계에서는 검출된 근사적인 시신경유두의 윤곽선을 보정하여 최종적인 시신경유두의 윤곽선을 검출한다.
영상 (a)의 영역을 병합하면 영역 A와 B의 유사도가 크게 나타 나므로 병합을 시행하게 되면 영역 A와 영역 B가 병합이 되어 영역 AB를 생성시키고, 3개의 영역으로 감소가 된다. 따라서 이러한 병합을 의미 있는 영역으로 남을 때까지 반복하여 적용한 다음, 마지막 영역의 경계선을 시신경유두의 근사적인 윤곽선으로 결정하였다.
본 논문에서는 이러한 특징을 이용하여 안저 영상에서 시신경유두의 계층적인 검출 방법을 제안하였다. 밝기가 큰 지역을 중심으로 관심영역을 설정하고 설정한 내부에 watershed 알고리듬을 이용하여 영역화한 다음, 분할된 영역들을 의미 있는 영역으로 단순화시키고, 혈관에 의하여 손상된 시신경유두의 윤곽선을 선 변화의 정도를 기반으로 하여 보정하였다.
따라서 효과적인 영역 분할을 위해서 관심영역 내부의 잡음은 제거하고 영상의 전반적인 형태를 평탄화 시켜주는 전처리 과정이 필요하다. 본 논문에서는 전처리 과정으로 시신경유두 경계의 경사정보를 보호하면서 내부에 분산되어 존재하는 잡음들을 제거하는데 효과적인 중간 값 필터와 수리 형태학적 기법을 이용하였다.[10]
[5] 본 논문에서는 Sobel 연산자를 이용하여 경사 영상을 생성하였다. 생성된 경사영상을 기초로 하여 최소 값들을 검출하고 각각 동일 지역에 분포하는 값에 대해서 동일한 영역을 할당하고 이외의 영역에서는 다른 영역을 할당하여 wateried 영역화 기법을 적용하였다. 그림 4는 watershed 알고리듬을 이용하여 안저 영상에서 관심영역을 영역화 한 것이다.
따라서 본 논문의 모든 실험에서는 margin계수의 값을 5로 설정하여 수행하였다. 설정된 관심영역에 대한 전처리 과정으로써 3X3 마스크 크기의 중간값 필터링을 수행하고 3X3 마스크 크기의 opening과 closing 연산을 순차적으로 수행하였다. 전처리된 관심영역에 대하여 Sobel 연산자를 이용하여 경사 영상을 획 득하고 이 경사 영상에 watershed 알고리듬을 적용하여 영역분할한 결과를 그림 12에서 보였다.
앞 단계에서 설정된 관심영역내의 영상에 대하여 잡음을 제거하고, 수리형태학적 기법을 이용한 전처리를 수행하였다. 경사 영상을 기반으로 watershed 영역 기법을 적용하고, 분할된 영역들을 의미 있는 영역간의 병합을 통하여 근사적인 시신경 유두 영역을 검출하였다.
제안한 방법은 먼저, wa- velet의 다해상도 특성을 이용하여 시신경유두의 관심영역을 설정하였고 시신경유두의 구조적인 정보와 국부적인 밝기 정보를 watershed 알고리듬에 적용하여 영역 분할하였다. 이 과정에서 watershed 영역화 기법의 민감한 잡음 특성에 의한 오류를 감소시키기 위하여 필터링으로써 영상을 단순화시켰으며, 과분할 현상의 영역을 줄이기 위하여 hierarchical stepwise optimization(HSWO)⑻을 이용한 반복 수행을 통하여 근사적인 시신경유두의 영역을 검출하였다. 또한, 본 논문에서는 검출된 근사적인 시신경유두의 윤곽선이 혈관 정보에 의해 많이 손상되어있는 문제를 해결하기 위하여 손상된 부분을 검출하고 보정하는 새로운 알고리듬을 제안하였다.
과분할된 영역들을 시신경유두부 윤곽선 검출에 적절한 영역으로 변환하기 위하여 영상의 밝기 정보와 통계적인 분석을 적용한 영역 병합을 통해 영역들을 최적의 상태로 분할하고자 하였다. 이 과정에서 판단 기준이 되는 각 영역의 유사성을 결정하기 위해 영역들의 크기, 평균, 분산 등의 통계적인 방법들을 이용한다. 본 논문에서는 HSWO 알고리듬을 이용하여 영역을 병합시켜 주었다.
이러한 손상 부분을 보정해주기 위하여 제안한 방법을 적용하여 최종적으로 획득한 시신경유두의 윤곽선을 그림 14에서 보였다. 이때, 점 s와 점 d사이의 최대 거리 제한( 기)을 10 화소로 하였고 곡선 변화 문턱치는 1.3 화소 로 설정하여 제안한 방법을 수행하였다. 그림 13의 근사적인 시신경유두 윤곽선의 손상된 부분이 잘 보정되었음을 볼 수 있다.
그러나 d가 이동하는 동안 일정 거리 이전에 곡선 변화 문턱치의 값이 일정한 값을 넘게되면 s부터 d까지를 손상 부분으로 지정한다. 이러한 과정을 반복 수행하여 시신경유두 윤곽선 전체에 대하여 적용한 후 검색된 손상 부분들을 B-스 플라인 곡선으로 보정하여 최종적인 시신경유두의 윤곽선을 검 줄하였다.
[7] 따라서 제안한 방법에서는 처리과정을 단순화하기 위하여 안저 영상의 적색 성분만을 고려하였다. 제안한 방법은 먼저, wa- velet의 다해상도 특성을 이용하여 시신경유두의 관심영역을 설정하였고 시신경유두의 구조적인 정보와 국부적인 밝기 정보를 watershed 알고리듬에 적용하여 영역 분할하였다. 이 과정에서 watershed 영역화 기법의 민감한 잡음 특성에 의한 오류를 감소시키기 위하여 필터링으로써 영상을 단순화시켰으며, 과분할 현상의 영역을 줄이기 위하여 hierarchical stepwise optimization(HSWO)⑻을 이용한 반복 수행을 통하여 근사적인 시신경유두의 영역을 검출하였다.
또한, 본 논문에서는 검출된 근사적인 시신경유두의 윤곽선이 혈관 정보에 의해 많이 손상되어있는 문제를 해결하기 위하여 손상된 부분을 검출하고 보정하는 새로운 알고리듬을 제안하였다. 제안한 알고리듬은 체인코드 기반의 곡선 변화도를 측정하고, 곡선 변화도가 설정된 문턱치를 초과하는 위치들을 검출한 다음, 인접 위치의 정보에 근거한 spline 곡선을 통하여 손상된 윤곽선을 보정하였다. 제안한 검출 방법을 실제로 임상에서 획득한 안저 영상을 이용하여 실험한 결과 비교적 정확하게 시신경유두의 윤곽선을 검출함을 확인하였다.

대상 데이터

[9] 그런 다음, 저 해상도 영상에서 선정된 영역들을 고해상 도 영상에 적용함으로써 관심영역을 설정할 수 있다. 본 논문에서는 wavelet의 다해상도 영상 중 저해상도 영상을 다시 복원할 필요가 없기 때문에 변환과 복원에 있어서 다른 계수들 보다 손실이 심한 단점은 있으나, 비교적 구현이 용이한 Haar 계수를 이용하였다.
안저카메라(Topcon)로 약 35° 방향에서 촬영한 슬라이드 필름으로부터 필름스캐너를 이용하여 크기가 340 X 340이고 계조도가 8 bit인 안저 영상을 획득하여 분석에 이용하였다. 제안한 시신경유두 검출 방법을 이용하여 이 안저 영상에서 비교적 정확한 시신경유두의 윤곽선을 검출을 할 수 있었다.

이론/모형

따라서 watershed 영역화 기법을 적용하기 위해서는 먼저 경사 영상이 필요하다.[5] 본 논문에서는 Sobel 연산자를 이용하여 경사 영상을 생성하였다. 생성된 경사영상을 기초로 하여 최소 값들을 검출하고 각각 동일 지역에 분포하는 값에 대해서 동일한 영역을 할당하고 이외의 영역에서는 다른 영역을 할당하여 wateried 영역화 기법을 적용하였다.
이 과정에서 판단 기준이 되는 각 영역의 유사성을 결정하기 위해 영역들의 크기, 평균, 분산 등의 통계적인 방법들을 이용한다. 본 논문에서는 HSWO 알고리듬을 이용하여 영역을 병합시켜 주었다. 이 방법은 한 영역에서 인접한 영역들을 조사하여 유사도를 측정하고 유사도가 높은 영역과 병합을 시킨다.

성능/효과

그림 16의 (a)들은 보정전의 시신경유 두를 보여주고 있으며 제안한 방법에 의해 보정된 결과는 그림 16의 (b)들에서 관찰할 수 있다. 따라서 다양한 특성을 갖는 다수의 안저 영상에 제안한 시신경유두 윤곽선 검출 방법을 적용한 결과들로부터 제안한 방법이 효과적임을 확인할 수 있었다.
제안한 검출 방법을 안저 영상에 적용한 결과는 비교적 정화하게 시신경유두의 유곽선을 검출하는 결과를 도출하였다. 또한, 제안한 방법은 기존의 자동 검출 방법의 문제점을 해결할 수 있음을 확인하였다. 따라서 제안한 방법이 안과 전문의들의 수동적 방식을 대체할 수 있으며 이 경우에 수동으로 시 신경유두를 검출할 때 발생하는 오차들을 극복할 수 있을 뿐 S 니라, 녹내장을 진단함에 있어서 가장 기본적인 시신경유두의 객관적 정보를 도출해낼 수 있을 것으로 판단된다.
그림 11에서는 시신경유두의 크기, 위치, 밝기, 안구의 방향 등의 영상 정보가 서로 다른 두 가지의 안저 영상에 대하여 제안한 방법을 적용하여 획득한 관심 영역의 설정 결과들이다. 실험 결과에서 보면, 제안한 방법이 시신경유두의 영상 정보가 서로 다른 경우에도 관심영역을 안정적으로 검출함을 볼 수 있다. 이때, margin계수의 적절한 값을 설정하기 위하여 본 연구팀이 획득한 다수의 안저 영상에 대하여 실험적으로 분석한 결과, 회색 레벨 5가 가장 안정한 것으로 판단되었다.
실험 결과에서 보면, 제안한 방법이 시신경유두의 영상 정보가 서로 다른 경우에도 관심영역을 안정적으로 검출함을 볼 수 있다. 이때, margin계수의 적절한 값을 설정하기 위하여 본 연구팀이 획득한 다수의 안저 영상에 대하여 실험적으로 분석한 결과, 회색 레벨 5가 가장 안정한 것으로 판단되었다. 따라서 본 논문의 모든 실험에서는 margin계수의 값을 5로 설정하여 수행하였다.
제안한 알고리듬은 체인코드 기반의 곡선 변화도를 측정하고, 곡선 변화도가 설정된 문턱치를 초과하는 위치들을 검출한 다음, 인접 위치의 정보에 근거한 spline 곡선을 통하여 손상된 윤곽선을 보정하였다. 제안한 검출 방법을 실제로 임상에서 획득한 안저 영상을 이용하여 실험한 결과 비교적 정확하게 시신경유두의 윤곽선을 검출함을 확인하였다.
제안한 검출 방법을 안저 영상에 적용한 결과는 비교적 정화하게 시신경유두의 유곽선을 검출하는 결과를 도출하였다. 또한, 제안한 방법은 기존의 자동 검출 방법의 문제점을 해결할 수 있음을 확인하였다.
안저카메라(Topcon)로 약 35° 방향에서 촬영한 슬라이드 필름으로부터 필름스캐너를 이용하여 크기가 340 X 340이고 계조도가 8 bit인 안저 영상을 획득하여 분석에 이용하였다. 제안한 시신경유두 검출 방법을 이용하여 이 안저 영상에서 비교적 정확한 시신경유두의 윤곽선을 검출을 할 수 있었다.

후속연구

또한, 제안한 방법은 기존의 자동 검출 방법의 문제점을 해결할 수 있음을 확인하였다. 따라서 제안한 방법이 안과 전문의들의 수동적 방식을 대체할 수 있으며 이 경우에 수동으로 시 신경유두를 검출할 때 발생하는 오차들을 극복할 수 있을 뿐 S 니라, 녹내장을 진단함에 있어서 가장 기본적인 시신경유두의 객관적 정보를 도출해낼 수 있을 것으로 판단된다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

안저 영상에서 시신경유두의 윤곽선 자동 검출
Automatic Detection of Optic Disc Boundary on Fundus Image 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

안저 영상에서 시신경유두의 윤곽선 자동 검출 Automatic Detection of Optic Disc Boundary on Fundus Image 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

저자의 다른 논문 :

김필운 (13) 원철호 (45) 조진호 (119) 김명남 (79)

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

안저 영상에서 시신경유두의 윤곽선 자동 검출
Automatic Detection of Optic Disc Boundary on Fundus Image 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper