$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

유방 초음파 영상에서 도메인 경험 지식 기반의 노이즈 필터링 알고리즘을 이용한 ROI(Region Of Interest) 추출
The Extraction of ROI(Region Of Interest)s Using Noise Filtering Algorithm Based on Domain Heuristic Knowledge in Breast Ultrasound Image 원문보기

산업경영시스템학회지 = Journal of society of korea industrial and systems engineering, v.31 no.1, 2008년, pp.74 - 82  

구락조 (아주대학교 산업공학과) ,  정인성 (아주대학교 산업정보시스템 공학부) ,  최성욱 (아주대학교 산업공학과) ,  박희붕 (박희붕외과 유방클리닉) ,  왕지남 (아주대학교 산업정보시스템 공학부)

Abstract AI-Helper 아이콘AI-Helper

The objective of this paper is to remove noises of image based on the heuristic noises filter and to extract a tumor region by using morphology techniques in breast ultrasound image. Similar objective studies have been conducted based on ultrasound image of high resolution. As a result, efficiency o...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 손상되었다. 따라서 본 연구에서 모폴로지 기법을 이용하여 원 영상에 최대한 가깝게 복구하고자 한다.
  • 따라서 본 연구에서는 모든 해상도의 초음파 영상에서 영상의 위치와 관련된 경험적 알고리즘을 노이즈 필터를 통해 적용하여 불필요한 노이즈를 제거하고 종양 및 종양 의심 영역만을 남겨 두고자 한다. 또한 모폴로지 방법을 통하여 기본적인 종양의 모양을 복원하여 진단학자 및 방사선의의 초음파 영상 판단을 돕고자한다.
  • 종양 의심 영역만을 남겨 두고자 한다. 또한 모폴로지 방법을 통하여 기본적인 종양의 모양을 복원하여 진단학자 및 방사선의의 초음파 영상 판단을 돕고자한다. 이를 위해 본 연구에서 사용된 알고리즘을 순서대로 설명하고 이를 적용한 결과와 실제 전문의가 판단하는 ROI와 비교해 보았다.
  • 본 연구는 다른 선행연구들과는 달리 유방 초음파 영상에 나타난 노이즈 및 기타 생체조직의 의한 불필요한 이미지를 제거하기 위한 목적으로 진행되었다. 비록 본연구의 결과가 초음파 영상의 CAD 활용에 있어서 기본적인 종양 위치를 알려주는 보조수단으로써 활용은 가능할지라도, 다른 선행연구들과 같이 종양 부분의 영역을 segmentation을 하지 못함으로써 그 활용에는 제한이 있다.
  • 본 연구를 통해 나타난 결과와 전문의에 의해 선택된 ROI를 비교해 보았다. 또한 비교한 방법은 유방암의 진단 결과에 대한 확실한 기준이 존재하지 않고 전문의의 따라 그 진단도 달라질 수 있기 때문에 한 전문의의 의견을 100% 따랐음을 밝혀 둔다.
  • 악성의 종양 이미지 30개 및 진단 동영상을 획득하였다. 획득한 각 이미지의 종양 크기는 0.5〜3cm이며 본 연구는 획득한 이미지 30개 중 24개를 대상으로 노이즈 제거를 실시함으로써 종양부분에 해당하는 영역의 이미지만을 남겨두고자 하였다. 이는 30개중 6개의 이미지는 원본 영상이 아닌 두 개의 이미지를 합쳐놓은 것이기 때문이다.

가설 설정

  • 가정 1 : 종양은 초음파 이미지 상에 완전히 표현된다.
  • 가정 2 : 종양과 기타 생체 조직으로 나타나는 이미지의 픽셀 값은 비슷한 영역에 포함된다.
  • 또한 이미지 제거 과정을 통해 훼손된 이미지에 대하여 모폴로지 기법을 적용함으로써, 원본 이미지에 가까운 형상으로 복원하였다. 기본적으로 4가지 가정 하에 본연구는 진행되었으며 각각의 가정은 현재 초음파 영상을 통해 직접 확인이 가능하고, 전문의와의 인터뷰를통해 사실로 확인되었다. 가정은 다음과 같다.
  • 비록 대부분의 선행 연구들이 노이즈 제거가 목적이 아닌 종양의 segmentation에 그 목적을 두고 종양 영역을 추출 하였을지라도, 2가지 문제점을 안고 있다, 첫 번째는 노이즈 제거 시 종양의 특징 및 픽셀 값의 차이만을 고려하여 노이즈를 제거함으로써, 실제 진단 시에 고려되는 종양의 위치적인 특성을 고려하지 못해 노이즈가 완전히 제거되지 못한 것이다. 두 번째 문제는 종양의 위치적인 특성에 근거하였을지라도, 각 종양의 위치가 이미지 중앙에 존재한다는 가설을 설정함으로써, 제약이 따르고 해상도(Resolution)가 낮은 이미지에 대해서는 수동적인 ROI(Region Of Interest)의 선택이 필요로 한 것이다.
본문요약 정보가 도움이 되었나요?

참고문헌 (19)

  1. 김용선, 이덕운, 나종범; '2차원 초츰파 B모드 영상의 주관절 화질 개선', 제17회 영상처리 및 이해에 관한 워크샵 발표 논문집, 2005 

  2. 류기선, '한국인 유방암의 특징', 방사선 기술 과학, 26(1):16-21, 2003 

  3. 보건 복지부, '암 통계', 2007, http://211.114.9.232/nci apps/user/basicinfo/gcancer_main.jsp 

  4. 윤현주, 김명희, 최연현, '초음파 이미지에서의 경동맥 내 플라크 측정을 위한 효과적인 컴퓨터 보조 기법', 대한 초음파의학회지, 23:105-111, 2004 

  5. 이필규, '영상처리 및 생체인식', 흥릉과학, 2005 

  6. 정문기, '내시경 초음파 기기 및 원리', 대한소화기 내시경학회지, 29:27-42, 2004 

  7. 정수영, 이경원, 양익, 김홍대, 신상준, 정봉화, 심정원, 김학회, 김현숙, '유방 파젯트병에서 유방 초음파 검사의 유용성:유방 촬영술 소견과의 비교,' 대한 초음파의학회지, 20:137-142, 2001 

  8. 정인성, 구락조, 왕지남, '초음파를 이용한 진단 및 자동 분할 및 진단 알고리즘', 인간공학/HCI, 추계학술대회 논문집, 2004 

  9. Madabhushi, A. and Metaxas, D. N.; 'Auotmatic boundary extraction of ultrasonic breast leisons,' EEE International Symposium on Biomedical Imaging:601-604, 2002 

  10. Madabhushi, A. and Metaxas, D. N., 'Combining Low-, High-Level and Empirical Domain Knowledge for Automated Segmentation of Ultrasonic Breast Lesions,' IEEE Transactions on Medical Imaging, 22(2), 2003 

  11. Yap, M. H., Edirisinghe, E. A., and Helmut, E. Bez; 'Object Boundary Detection in Ultrasound Images,' Computer and Robot Vision, The 3rd Canadian Conference on, 2006 

  12. Lim, Jae S.; 'Two-Dimensional Signal and Image Processing,' Englewood Cliffs, NJ:Prentice Hall: 536-540, 1990 

  13. Paulo, S. Rodrigues, Gilson A. Giraldi, Marcia Provenzano, Marcelo D. Faria, Ruey-Feng Chang, and Jasjit S. Suri; 'A New Methodology Based on q-Entropy for Breast Lesion Classification in 3-D Ultrasound Images,' Proceedings of the 28th IEEE EMBS Annual International Conference, 2006 

  14. Perona, P. and Malik, J.; 'Scale-Space and Edge Detection Using Anisotropic Diffusion,' IEEE Transactions on Pattern Analysis and Machine Intelligence, 12(7), 1990 

  15. Chang, R. F., Wu, W. J., Tseng, C. C., Chen, D. R., and Moon, W. K.; '3-D Snake for US in Margin Evaluation for Malignant Breast Tumor Excision Using Mammotome,' IEEE Transactions on Information Technology in Biomedicine, 7(3), 2003 

  16. Samuel, K. Moore; 'Better Breast Cancer Detection,' IEEE SPECTRUM, 38:50-54, 2001 

  17. Green W. B., 'Digital Image Processing-A System Approach,' Van Nostrand Reinhold:69-72, 1989 

  18. Xu, Liu, Zhimin Huo, and Jiwu Zhang, 'Automated segmentation of breast lesions in ultrasound images,' 27th Annual International Conference of the Engineering in Medicine and Biology Society, 2005 

  19. Huang, Y. L. and Chen, D. R., 'Automatic Contouring for Breast Tumors in 2-D Sonography,' Annual International Conference of the Engineering in Medicine and Biology Society, 2005 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로