본 연구는 간경변을 보유한 환자의 복부 CT 영상을 이용하석 비장의 웨이브 패턴(wave pattern)을 관찰하였는데 정상간을 보유한 환자의 복부 CT 영상과 차이가 있음을 발견하였다. 간경변을 가지고 있는 환자의 복부 CT 영상에서 비장은 왼쪽 측면에 깊은 웨이브 부분이 존재하였다. 정상간의 경우에도 왼쪽 측면에 웨이브가 존재하기도 하나 깊이가 깊지 않음을 알 수 있다. 그러므로, 간경변을 가진 비장의 웨이브 부분들의 면적의 합이 정상간을 가진 비장의 웨이브 면적보다 크다는 것을 알 수 있다. 나아가, 간경변을 보유한 영상에서 비장의 웨이브 부분을 추출하여 원형성(circularity)을 살펴보았을 때 정상간에 수반된 비장의 웨이브 부분보다 더 원형에 가깝다는 것을 알 수 있었다. 본 논문은 위와 같이 관찰된 원리를 바탕으로 복부 CT 영상에서 비장의 웨이브 패턴을 이용하여 간경변을 효과적으로 진단하는 새로운 방법을 제시한다. 이는 꼬리엽과 우엽의 비율 테스트를 생략하고 비장만으로 간경변 보유 간을 자동 판정해 낼 수 있음을 말해주는 것이다
본 연구는 간경변을 보유한 환자의 복부 CT 영상을 이용하석 비장의 웨이브 패턴(wave pattern)을 관찰하였는데 정상간을 보유한 환자의 복부 CT 영상과 차이가 있음을 발견하였다. 간경변을 가지고 있는 환자의 복부 CT 영상에서 비장은 왼쪽 측면에 깊은 웨이브 부분이 존재하였다. 정상간의 경우에도 왼쪽 측면에 웨이브가 존재하기도 하나 깊이가 깊지 않음을 알 수 있다. 그러므로, 간경변을 가진 비장의 웨이브 부분들의 면적의 합이 정상간을 가진 비장의 웨이브 면적보다 크다는 것을 알 수 있다. 나아가, 간경변을 보유한 영상에서 비장의 웨이브 부분을 추출하여 원형성(circularity)을 살펴보았을 때 정상간에 수반된 비장의 웨이브 부분보다 더 원형에 가깝다는 것을 알 수 있었다. 본 논문은 위와 같이 관찰된 원리를 바탕으로 복부 CT 영상에서 비장의 웨이브 패턴을 이용하여 간경변을 효과적으로 진단하는 새로운 방법을 제시한다. 이는 꼬리엽과 우엽의 비율 테스트를 생략하고 비장만으로 간경변 보유 간을 자동 판정해 낼 수 있음을 말해주는 것이다
We examined the wave pattern of the spleen by using abdominal CT images of a patient with liver cirrhosis, and found that they are different from those of a person with a normal liver. In the abdominal CT image of the patient with liver cirrhosis, there is a deep wave part on the left side of the sp...
We examined the wave pattern of the spleen by using abdominal CT images of a patient with liver cirrhosis, and found that they are different from those of a person with a normal liver. In the abdominal CT image of the patient with liver cirrhosis, there is a deep wave part on the left side of the spleen. In the case of the normal liver, there are waves on the left side, but they aren't deep. Therefore, the total area of waving parts of the spleen with liver cirrhosis is found to be greater than that of the spleen with the normal liver. Moreover, when examining circularity by abstracting the waves of the spleen from the image with liver cirrhosis, we found they are more circular than those of the spleen accompanied by a normal liver. This paper suggests an automatic method to diagnose liver cirrhosis by using the wave pattern of the spleen in abdominal CT images on the basis of the two principles. It tells us that we can judge if the liver has liver cirrhosis automatically, without the manual test of the ratio of caudate lobe to right lobe, only with the spleen.
We examined the wave pattern of the spleen by using abdominal CT images of a patient with liver cirrhosis, and found that they are different from those of a person with a normal liver. In the abdominal CT image of the patient with liver cirrhosis, there is a deep wave part on the left side of the spleen. In the case of the normal liver, there are waves on the left side, but they aren't deep. Therefore, the total area of waving parts of the spleen with liver cirrhosis is found to be greater than that of the spleen with the normal liver. Moreover, when examining circularity by abstracting the waves of the spleen from the image with liver cirrhosis, we found they are more circular than those of the spleen accompanied by a normal liver. This paper suggests an automatic method to diagnose liver cirrhosis by using the wave pattern of the spleen in abdominal CT images on the basis of the two principles. It tells us that we can judge if the liver has liver cirrhosis automatically, without the manual test of the ratio of caudate lobe to right lobe, only with the spleen.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
접점을 구하 는 방법은 그림 8(c)로써 설명할 수 있다. 구하여진 각 도선 a가 있다고 가정했을 때 각도선 a를 구성하는 모 든 점들을 순차적으로 진행시키면서 접점의 조건을 만 족하는지 조사한다. 점 p와 점 q는 각도선 a를 구성하 는 많은 점들 중 두 점이다.
본 논문은 간경변을 보유한 환자의 복부 CT 영상을 이용하여 비장의 웨이브 패턴(wave pattern)을 관찰하 였는데 정상간을 보유한 환자의 복부 CT 영상과 차이 가 있음을 발견하였다. 간경변을 가지고 있는 환자의 복 부 CT 영상에서 비장은 그림 1처럼 왼쪽 측면에 깊은 웨이브 부분이 존재하였다.
그러나, 꼬리엽과 우엽의 비율 계산법이나 비장 비대 측정 등의 방법은 절대적인 것이 아니며 한가지 방법의 적용 만으로는 정확한 진단이 어렵다. 본 논문은 복부 CT 영 상에서 비장의 웨이브 패턴을 이용하여 간경변을 효과 적으로 진단하는 새로운 방법을 제시한다. 본 방법은 간 경변을 가진 영상에서 비장의 웨이브 부분들의 면적의 합이 정상간을 가진 영상에서 비장의 웨이브 면적보다 크다는 원리와 간경변을 보유한 영상에서 비장의 웨이 브 부분이 정상간에 수반된 비장의 웨이브 부분보다 더 원형에 가깝다는 원리를 이용한 기법이다.
나아가, 간경변을 보유한 영상에서 비장의 웨이브 부분을 추출하여 원형성(cir cularity) 을 살펴보았을 때 정상간에 수반된 비장의 웨 이브 부분보다 더 원형에 가깝다는 것올 알 수 있었다. 본 논문은 위와 같이 관찰된 원리를 바탕으로 복부 CT 영상에서 비장의 웨이브 패턴을 이용하여 간경변을 효과적으로 진단하는 새로운 방법을 제시한다. 먼저 복 부 CT 영상에서 위치 정보 이용을 강화하고 각도선 기 법을 이용하여 비정상 간과 비장을 자동 분리, 추출하였 다.
본 논문은 중점으로 정한 한 픽셀의 좌표로부터 시작 하여 360도로 각도선을 사방으로 퍼뜨리며 만나는 픽셀 들을 간 부분으로 처리할 것인치 아니면 간 이외의 부 분으로 간주할 것인지를 정한다. 이때 간의 모양을 고려 했을 때 길이와 폭이 간의 가장자리마다 다르다는 것을 알 수 있다.
본 논문은 복부 CT 영 상에서 비장의 웨이브 패턴을 이용하여 간경변을 효과 적으로 진단하는 새로운 방법을 제시한다. 본 방법은 간 경변을 가진 영상에서 비장의 웨이브 부분들의 면적의 합이 정상간을 가진 영상에서 비장의 웨이브 면적보다 크다는 원리와 간경변을 보유한 영상에서 비장의 웨이 브 부분이 정상간에 수반된 비장의 웨이브 부분보다 더 원형에 가깝다는 원리를 이용한 기법이다.
본 연구는 간경변을 보유한 환자의 복부 CT 영상에 서 비장의 웨이브 패턴을 조사하기 위해서 한 case를 구성하는 17여장의 슬라이스 영상중 3장의 슬라이스 영 상들만으로 테스트를 행한다. 한 case를 .
제안 방법
이때 간의 모양을 고려 했을 때 길이와 폭이 간의 가장자리마다 다르다는 것을 알 수 있다. 그래서, 본 연구는 간을 네 부분으로 나누 고 각각의 부분들을 모양과 위치 특징에 따라 조금씩 다르게 처리하였다. 이는 그림 6처럼 360도의 각도선을 90도, 180도, 270도, 360도 식으로 쿼터 (quarter)로 나누 고 각 사분면들을 처리한다는 것이다.
앞선 또 다른 실험에서 그림 9(a)에서 보여주듯이 우리는 단지 3장의 슬라이스만을 이용하였을 때 더 나은 결과를 얻음을 알았다. 그래서, 본 연구는 한 case의 슬라이스 구성 영상들의 비장을 모두 자동 분리하고 그 중 면적이 큰 3장을 선별하여 웨이브 패턴 테스트를 행하였다.
모든 영상에서 간 부분의 그레이 값이 다양하고 분포 값이 넓더라도 확실한 사실은 간 부분이 여타 다른 기관과는 어쨌든 그레이 값이 다르다 는 것이다. 그러므로, 본 연구는 기준 값으로 정한 그레 이 값에서 일정 그레이 값을 더한 값을 상한 값으로 삼 고 일정 그레이 값을 감한 값을 하한 값으로 삼아서 병 변을 포함하고 있는 간의 부분을 세그멘테이션하였다. 그러나 기준 값올 정하기 위해서 선별해 내는 표본 픽 셀들의 기준을 조심해서 정해야 한다.
본 논문은 위와 같이 관찰된 원리를 바탕으로 복부 CT 영상에서 비장의 웨이브 패턴을 이용하여 간경변을 효과적으로 진단하는 새로운 방법을 제시한다. 먼저 복 부 CT 영상에서 위치 정보 이용을 강화하고 각도선 기 법을 이용하여 비정상 간과 비장을 자동 분리, 추출하였 다. 이 기법은 정상 간을 보유한 영상에도 적용되어 정 상 간과 비장 또한 자동 분리, 추출할 수도 있다.
본 논문에서 제안한 새로운 간경변 진단법은 비장만 으로 행해지므로 간의 분리는 의미가 없을 듯이 보이나 간경변을 포함하는 영상에서는 간과 비장이 명암 값 등 에서 유사성을 보이고 있으므로 본 논문은 간을 분리하 는 기법을 비장을 분리하기 위해 사용하므로 간의 분리 를 먼저 설명한다. 이후 동일한 기법으로 비장을 분리하 는 과정을 기술한다.
본 논문은 각 영상들에서 간 부분의 그레이 값 범위 가 모두 다르고 다양하다는 것에 관계없이 처리를 할 수 있도록 먼저 그림 5(c)와 같이 간 부분의 ROI (Region of Interest)를 통한 표본 픽셀들의 평균을 통 해 예상 간 부분 그레이 값의 기준을 정하고 다음 과정 을 행한다. 이때 ROI는 그림 5(c)와 같이 간의 우엽(슬 라이스에서는 간의 좌측에서 자동 설정되는 6개의 사 각 영역이다.
결국 비정상 간의 경우에는 일정하고 좁은 범위의 그레이 값을 가지고 있지 않기 때문에 단순히 정상간의 그레이값 처리 방식만으로는 분리해 낼 수 없게 된다. 본 논문은 간의 위치 정보, 거리 정보를 이용하고 각 도선 조절 기법 등을 사용하여 비정상간을 세그멘테이 션하였다. 본 세그멘테이션 기법은 간경변, 간암 등을 보유한 비정상 간은 물론이고 정상간의 경우에도 적용 될 수 있다.
배경은 그레이 값 0을 갖고 있으 므로 바깥 쪽부터 그레이 값 0의 부분을 제거하면 된다. 본 연구에서는 바깥쪽 배경과 함께 복부 내부에서 그레 이 값이 간의 평균 값에서 50 그레이 값을 감한 결과 값 이하를 보이는 부분까지 동시에 제거하였다.
본 장에서는 정상간을 가지고 있는 32 case와 간경변 을 가지고 있는 32 case의 복부 CT 영상들을 이용하여 실험한 결과를 기술한다. 실험에 사용하는 64 case 복부 CT 영상들의 간경변 여부는 내과 의사들과 방사선 의 사들에 의해서 미리 판정된 결과이다.
면적 A를 구하기 위해서는 시작점 S와 K를 연결 하는 각도선 a보다 작은 각도를 가지는 모든 각도선들 의 구성점들을 조사하여 비장의 명암값을 가지는 점들 의 개수를 더하면 된다. 이 때, 본 실험에서는 앞선 실 험 절차에서 구하여진 그레이 기준 값에서 25 그레이값 을 뺀 값을 하한 값으로, 10 그레이값을 더한 값을 상한 값으로 하여 비장의 명암 값 범위를 정하였다
간이 아닌 부분들 이 얼마나 포함되는가에 따라 간의 기준 예상 값이 크 게 달라질 수 있어서 전체 결과에 영향을 미칠 수 있기 때문이다. 이렇게 해서 구한 기준 값을 기준으로 간을 분리해 내게 되는데, 정상간을 분리해 내는 방법들처럼 바깥 쪽부터 스캔하는 방식으로는 효과적으로 결과를 얻어내기가 어려우므로 본 논문에서는 복부 CT 영상■에 서 왼쪽 중간 위 부분에 간이 존재한다는 사실에 착안 하여 한 픽셀 점의 좌표를 선택하여 이를 기준으로 안 에서 바깥쪽으로 간의 부분을 구해낸다.
점 q에 서부터 직각으로 상하좌우로 일정 길이만큼 픽셀들의 명암값을 조사한다. 본 실험에서는 상하좌우로 1。픽셀 만큼 이동시키면서 명암값을 조사하였다. 이 때 점 q는 접점이므로 상하좌우 선 k1, k2, k3, if의 명암값은 다음 과 같다.
대상 데이터
본 기법은 GNU C, X 윈도우, XV 이미지 뷰어 등을 가지고 한 유닉스 시스템에서 수행되었다. 본 기법의 전 체적인 자동 처리 절차가 그림 4에 설명되어진다.
본 논문은 최종 정상간을 가진 32 case와 간경변을 가진 것으로 판정된 32 case을 합하여 전체 64 case의 복부 CT 영상으로 실험을 행하였다. 각 case는 약 17 장의 슬라이스 영상으로 되어 있고 각 슬라이스 영상은 512 X 512 픽셀 크기로 되어 있다.
각 case는 약 17 장의 슬라이스 영상으로 되어 있고 각 슬라이스 영상은 512 X 512 픽셀 크기로 되어 있다. 우리는 충남대학교 병원으로부터 DICOM(Digital Imaging and Commu nication in Medicine) 파일 형식으로 이 영상 파일들을 구하여 실험을 행하였다. 일반적으로 복부 CT 영상에서 간암이나 간경변 등의 병변들을 갖고 있지 않은 정상인 의 간(이하 정상간)은 고른 명암값 분포 범위를 가지고 있다.
이론/모형
간경변 등을 가지고 있는 비정상간과 함께 존재하는 비장은 간과 마찬가지로 불규칙한 명암 값 분포를 보이 므로 단순히 명암 값 정보만을 이용해서는 제대로 된 분리가 이뤄지지 않는다. 그리하여, 본 논문에서는 비장 의 분리를 위해서 간의 분리에서 사용하였던 각도선 방 법을 이용한다. 비장에 대한 각도선 방법의 적용은 간의 각도선 방법과 동일하며 탐색을 시작하는 시작점의 위 치만 다르다.
성능/효과
서 900의 경우에는 35% 이상의 원형 정도 평균을 가지 고 있는 것으로 나타났다. 그러나, 간경변을 보유하지 않은 정상간을 보유한 영상에서는 비장의 유효 웨이브 면적 합이 1000픽셀을 넘지 못했고 간경변 보유 비장에 서와 같은 700이상의 면적 크기를 갖는 경우에는 25% 이하의 원형 정도 평균을 보이는 것으로 나타났다. 그리 하여, 본 논문은 실험을 통하여 case를 구성하는 여러 슬라이스 영상 중에서 비장의 크기가 큰 3장을 선별하 여 그 영상 안의 비장의 유효 웨이브 면적의 합이 700 이상이고 웨이브 원형 정도 평균이 35%이상이면 간경 변 보유 판정을 내릴 수 았음을 밝혔다.
그러나, 간경변을 보유하지 않은 정상간을 보유한 영상에서는 비장의 유효 웨이브 면적 합이 1000픽셀을 넘지 못했고 간경변 보유 비장에 서와 같은 700이상의 면적 크기를 갖는 경우에는 25% 이하의 원형 정도 평균을 보이는 것으로 나타났다. 그리 하여, 본 논문은 실험을 통하여 case를 구성하는 여러 슬라이스 영상 중에서 비장의 크기가 큰 3장을 선별하 여 그 영상 안의 비장의 유효 웨이브 면적의 합이 700 이상이고 웨이브 원형 정도 평균이 35%이상이면 간경 변 보유 판정을 내릴 수 았음을 밝혔다. 본 자동 진단 기법은 미리 간경변으로 판정된 32 case에서 false- negative들의 수를 줄였고, 미리 정상간으로 판정된 32 case에서 false-positive들의 수를 줄였다.
그리하여, 본 논문은 간경변을 보유한 간을 나타내는 복부 CT 영상에 적용되어 효과적으로 간경변 간을 자동 판정할 수 있었다. 이는 간경변에 동반되는 비장 비대의 측정에 있어, 비장의 체적이나 크기가 정상 범위라 할지 라도, CT상 비장의 모양이 웨이브 형태를 보이면 국소적 비장 비대일 가능성이 높음을 증명해 주는 것이다.
그러므로, 간경변을 가진 비장의 웨이브 부분 들의 면적의 합이 정상간을 가진 비장의 웨이브 면적보 다 크다는 것을 알 수 있다. 나아가, 간경변을 보유한 영상에서 비장의 웨이브 부분을 추출하여 원형성(cir cularity) 을 살펴보았을 때 정상간에 수반된 비장의 웨 이브 부분보다 더 원형에 가깝다는 것올 알 수 있었다. 본 논문은 위와 같이 관찰된 원리를 바탕으로 복부 CT 영상에서 비장의 웨이브 패턴을 이용하여 간경변을 효과적으로 진단하는 새로운 방법을 제시한다.
표 5는 간경변 보유 판정된 32 case들과 정상간 보유 판정된 32 case들을 꼬리엽과 우엽 비율, 비장 크기, 웨 이브 패턴 테스트 등 세가지 진단 항목으로 비교한 결 과를 보여준다. 본 연구의 실험을 통하여, 우엽에 대한 꼬리엽의 비율에서 간경변으로 판정될 수 있는 case들 이 모두 비장의 웨이브 패턴 기법으로도 판정될 수 있 음을 알게 됐다. 이는 비장만 이용하여 간경변을 자동 판정할 수 있음을 말해 주는 것이다.
그리 하여, 본 논문은 실험을 통하여 case를 구성하는 여러 슬라이스 영상 중에서 비장의 크기가 큰 3장을 선별하 여 그 영상 안의 비장의 유효 웨이브 면적의 합이 700 이상이고 웨이브 원형 정도 평균이 35%이상이면 간경 변 보유 판정을 내릴 수 았음을 밝혔다. 본 자동 진단 기법은 미리 간경변으로 판정된 32 case에서 false- negative들의 수를 줄였고, 미리 정상간으로 판정된 32 case에서 false-positive들의 수를 줄였다. 표 3은 미리 간경변으로 판정된 32 케이스에서 false-negative들의 수를 보여주고, 표 4는 미리 정상간으로 판정된 32 케이 스에서 false-positive들의 수를 보여준다.
그림 10 영상에서의 비장 은 웨이브가 특히 두드러져 보이는 경우이며 원형성 정 도에서도 각 웨이브가 큰 값을 나타냄을 알 수 있다. 이 실험의 결과를 통하여 본 실험은 간경변을 보유한 영상과 정상간을 보유한 영상의 차이점을 발견하였다. 간경변을 보유한 영상은 비장에서의 유효 웨이브의 면 적의 합이 1000픽셀 이상이고 1000픽셀보다 작은 700에
참고문헌 (17)
O. Wegener, The Liver. In: Whole body computed tomography. 2nd edn. Boston Blackwell Scientific Publications, pp. 243-275, 1993
A. Hitomi, G. Donald, K. Tamotsu, H. George, I. Katsuyoshi, M. Tsuneo, 'Cirrhosis: Modified Caudate-Right Lobe Ratio,' Radiology 224, pp. 769-774, 2002
E. Torres, L. hitmire, M. Gedgaudas, M. Bernardino, 'Computed tomography of hepatic morphologic changes in cirrhosis of the liver.,' J. Comput. Assist. Tomogr. 10(1), pp. 47-50, 1986
P. Lamb, A. Lund, R. Kanagasabay, A. Martin, J. Webb, R. Reznek, 'Spleen size: how well do linear ultrasound measurements correlate with three-dimensional CT volume assessments?,' Br. J. Radiol. 75(895), pp. 573-577, 2002
P. Prassopoulos, M. Daskalogiannski, M. Raissaki, A, Hatjidakis, N. Gourtsoyiannis, 'Determinance of normal splenic volume on computed tomography in relation to age, gender and body habitus,' Eur. Radiol. 7(2), pp.246-248, 1997
A. Schlesinger, C. Hildebolt, M. Siegel, T. Pilgrim, 'Splenic volume in children: simplified estimation at CT,' Radiology.193(2), pp. 78-580, 1994
R. Groell, L. Machan, G.J. Schaffler, M. Uggowitzer, K.H. Peichel, 'Morphometric measurement of abdominal organs : Comparison of ultrasound and spiral CT,' Acta Radiol. 38(6), pp. 982-985, 1997
H. Rosenberg, R. Markowitz, H. Kolberg, C. Park, A. Hubbard, R. Bellah, 'Normal splenic size in infants and children: sonographic measurements,' Am. J. Roentgenol. 157(1), pp. 119-121, 1991
S. Sheth, S. Mani, H. Tamhankar, P. Mehta 'Spleen size in health and disease: a sonographic assessment,' J. Assoc. Physicians India. 43(3), pp. 182-184, 1995
K. Frank, P. Linhart, C. Kortsik, H. Wohlenberg, 'Sonographic determination of spleen size: normal dimensions in adults with a healthy spleen,' Ultrachall Med. 7(3), pp. 134-137, 1986
L. Gao, D. G. Health, B. S. Kuszyk, and E. K. Fishman, 'Automatic Liver Segmentation Technique for Three-dimensional Visualization of CT Data,' Radiology. vol. 201, pp. 359-364, 1996
L. Gao, D. G. Health, and E. K. Fishman, 'Abdominal Image Segmentation Using Three-dimensional Deformable Models,' Inves. Radiol. vol. 33, pp. 348-355, 1998
E. L. Chen, P. C. Chung, and C. I. Chang, 'An Automatic Diagnostic System for CT Liver Image Classification,' IEEE Trans. Biomed. Eng. vol. 45, pp. 783-794, 1998
※ AI-Helper는 부적절한 답변을 할 수 있습니다.