본 논문에서는 연속시점에서 촬영한 CT 영상에서 대응되는 폐결절을 추적 관찰하기 위한 폐결절 정합 방법을 제안한다. 제안 방법은 다음과 같은 다섯 단계로 구생된다. 첫째, 분할된 폐를 포함하는 최적경계볼륨의 중심으로 위치 차이를 보정한다. 둘째, 초기 CT 영상과 추적 CT 영상에서 가장 높은 밝기값을 가지고 있는 갈비뼈 구조를 포함하는 관상최대강도투사 영상을 생성한다. 셋째, 두 관상최대강도투사 영상 간의 정규화된 평균 밝기값 차이를 통해 강체 변환을 최적화한다. 넷째, 강체 정합 후에 폐결절 중심 간의 유클라디안 거리 측정을 통해 대응되는 폐결절 대응 후보를 정의한다. 마지막으로, 폐결절을 매칭하기 위하여 초기 CT 영상 내에 폐결절 템플릿과 추적 CT 영상 내에 탐색 볼륨 간의 템플릿 매칭을 수행 한다. 본 제안 방법의 결과를 평가하기 위하여 육안 평가, 정확성 및 수행시간 측정을 수행하였다. 실험결과 관상최대강도투사를 기반으로 하는 강체정합과 지역적 템플릿 매칭을 이용하여 폐결절이 정확하고 빠르게 정합됨을 알 수 있었다.
본 논문에서는 연속시점에서 촬영한 CT 영상에서 대응되는 폐결절을 추적 관찰하기 위한 폐결절 정합 방법을 제안한다. 제안 방법은 다음과 같은 다섯 단계로 구생된다. 첫째, 분할된 폐를 포함하는 최적경계볼륨의 중심으로 위치 차이를 보정한다. 둘째, 초기 CT 영상과 추적 CT 영상에서 가장 높은 밝기값을 가지고 있는 갈비뼈 구조를 포함하는 관상최대강도투사 영상을 생성한다. 셋째, 두 관상최대강도투사 영상 간의 정규화된 평균 밝기값 차이를 통해 강체 변환을 최적화한다. 넷째, 강체 정합 후에 폐결절 중심 간의 유클라디안 거리 측정을 통해 대응되는 폐결절 대응 후보를 정의한다. 마지막으로, 폐결절을 매칭하기 위하여 초기 CT 영상 내에 폐결절 템플릿과 추적 CT 영상 내에 탐색 볼륨 간의 템플릿 매칭을 수행 한다. 본 제안 방법의 결과를 평가하기 위하여 육안 평가, 정확성 및 수행시간 측정을 수행하였다. 실험결과 관상최대강도투사를 기반으로 하는 강체정합과 지역적 템플릿 매칭을 이용하여 폐결절이 정확하고 빠르게 정합됨을 알 수 있었다.
In this paper, we propose a pulmonary nodule registration for the tracking of lung nodules in sequential CT scans. Our method consists of following five steps. First, a translational mismatch is corrected by aligning the center of optimal bounding volumes including each segmented lung. Second, coron...
In this paper, we propose a pulmonary nodule registration for the tracking of lung nodules in sequential CT scans. Our method consists of following five steps. First, a translational mismatch is corrected by aligning the center of optimal bounding volumes including each segmented lung. Second, coronal maximum intensity projection(MIP) images including a rib structure which has the highest intensity region in baseline and follow-up CT series are generated. Third, rigid transformations are optimized by normalized average density differences between coronal MIP images. Forth, corresponding nodule candidates are defined by Euclidean distance measure after rigid registration. Finally, template matching is performed between the nodule template in baseline CT image and the search volume in follow-up CT image for the nodule matching. To evaluate the result of our method, we performed the visual inspection, accuracy and processing time. The experimental results show that nodules in serial CT scans can be rapidly and correctly registered by coronal MIP-based rigid registration and local template matching.
In this paper, we propose a pulmonary nodule registration for the tracking of lung nodules in sequential CT scans. Our method consists of following five steps. First, a translational mismatch is corrected by aligning the center of optimal bounding volumes including each segmented lung. Second, coronal maximum intensity projection(MIP) images including a rib structure which has the highest intensity region in baseline and follow-up CT series are generated. Third, rigid transformations are optimized by normalized average density differences between coronal MIP images. Forth, corresponding nodule candidates are defined by Euclidean distance measure after rigid registration. Finally, template matching is performed between the nodule template in baseline CT image and the search volume in follow-up CT image for the nodule matching. To evaluate the result of our method, we performed the visual inspection, accuracy and processing time. The experimental results show that nodules in serial CT scans can be rapidly and correctly registered by coronal MIP-based rigid registration and local template matching.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 시간차를 두고 촬영한 CT 영상 간의 빠르고 정확한 자동 폐 결절 정합 방법을 제안하였다. 폐의 최적경계볼륨을 이용한 위치 보정은 환자의 움직임과 호홉으로 인한 위치 차이를 효과적으로 보정함으로써 이후 초기 정합의 탐색 공간을 줄여 수행시간을 단축시킬 수 있었다.
가설 설정
또한 기준 영상과 추적 영상 내에 임상의가 검출한페결절의 위치를 알고 있다고 가정한다. 본 논문에서 제안하는 방법은 크게 다섯 단계로 이루어진다.
제안 방법
갈비뼈 정보를 이용하기 위하여 기준 영상과 추적 영상에서 그림 3과 같이 볼륨 데이터의 r-z축 평면에 있는 모든 픽셀을 y축 방향으로 투사시켜 관상 최대강도 투사 영상을 생성한다. 이때, 갈비뼈 주변 조직에 의한 잡음을 줄이기 위해 최소 임계값(700HU)과 최대임계값 (1100HU) 사이에 있는 픽셀들에 대하여 가장 큰 밝기 값을 2차원 평면에 투사시킨다.
본 논문에서 제안하는 폐 결절 매칭 알고리즘은 관심 영역 내에 폐 결절의 개수에 따라 세 가지로 분리된다. 첫째, 관심 영역 내에 폐 결절이 하나 존재한다면 그 폐 결절이 초기 정합으로 정의된 대응 후보인지 검사한다.
7개의 데이터는 기준 영상과 추적 영상에서 동일한 개수의 폐 결절을 가지고 있으나 한 개의 데이터는 기준 영상에서는 4개, 추적 영상에서는 3개로 폐 결절의 개수가 다르다. 본 논문에서 제안한 폐 결절 정합 방법올 평가하기 위하여 육안 평가, 정확성 및 수행 시간 측정 결과를 분석하였다. 그림 7은 관상 최대 강도 투사 영상을 이용한 초기 정합 결과를 보여준다.
본 논문에서는 최적 경계 볼륨의 중심을 기반으로 위치를 보정하고 관상 최대 강도 투사 영상을 이용하여 초기 정합한 후, 지역 정보를 고려한 템플릿 매칭을 통해 폐 결절을 빠르고 정확하게 매칭시키는 폐결 절 정합 방법을 제안한다. 최적 경계 볼륨을 이용한 위치 보정은 환자의 움직임과 호흡에 따른 Z축의 위치를 효과적으로 보정하여 이후 정합의 탐색 공간을 줄여준다.
수 있는 방법이 필요하다. 비 강체 정합은 수행 시간이 오래 걸리고, 2.2절에서 수행한 강체 정합을 통해 폐의 위치 및 크기를 보정해 주었기 때문에 본 절에서는폐결절과 그 주변의 지역 정보를 기반으로 하는 템플릿 매칭을 수행 한다.
그림 4(d)에서 알 수 있듯이 초기 정합 전 위치와 크기에 대한 오차가 줄어들었음을 알 수 있다. 이러한 초기 정합 결과를 기반으로 기준 영상에 있는 각 폐 결절에 대하여 추적 영상 폐결절들과의유클리디안 거리가 최소가 되는 대응 후보를 결정한다. 제안한 초기 정합 방법은 관상최대강도투사를 통해 갈비뼈 부위를 쉽게 추출하여 볼륨 정보를 2차원 영상으로 줄임으로써 빠르게 강체 변환을 보정한다.
이를 효과적으로 보정하기 위하여 본 절에서는 폐를 포함하는 최적경계볼륨을 이용하여 위치 틀 보정한다.
이러한 초기 정합 결과를 기반으로 기준 영상에 있는 각 폐 결절에 대하여 추적 영상 폐결절들과의유클리디안 거리가 최소가 되는 대응 후보를 결정한다. 제안한 초기 정합 방법은 관상최대강도투사를 통해 갈비뼈 부위를 쉽게 추출하여 볼륨 정보를 2차원 영상으로 줄임으로써 빠르게 강체 변환을 보정한다. 이 때, 이중 임계값 기법을 적용하여 관상최대강도투사 영상을 생성함으로써 투사하는 시간을 단축시키고, 유클리디안거리를 계산하여 폐 결절 대응 후보를 정의함으로써 2.
매칭한 결과이다. 지역적 템플릿 매칭 알고리즘을 통해 폐 결절 및 주변 조직 간의 상관관계가 높은 영역을 매칭시킴으로써 폐 결절의 크기가 작거나 큰 경우뿐만 아니라, 폐 결절 간 크기 차이가 크거나 폐의 내부에 있는 경우, 폐혈관이나 폐 흉벽에 붙어 있는 경우에도 정확하게 폐 결절을 매칭시켰다. 총 21개의 폐결절 중한 개는 매칭 되는 폐 결절이 없다는 결과를 보였는데 이는 기준 영상에는 폐 결절이 존재하나 추적 영상에는 없는 경우였다.
분리된다. 첫째, 관심 영역 내에 폐 결절이 하나 존재한다면 그 폐 결절이 초기 정합으로 정의된 대응 후보인지 검사한다. 대응 후보라면 두 영역의 정규화된 상관관계(normilizedcross correlation)[8] 수치를 식 (4) 와 같이 계산한다.
본 논문에서 제안하는 방법은 크게 다섯 단계로 이루어진다. 첫째, 기준 영상과 추적 영상에서 폐를 포함하는 최적 경계 볼륨의 중심을 이용하여 환자의 움직임과 호흡으로 인한 위치 차이를 보정한다. 둘쨰, 폐와 움직임이 가장 유사한 갈비뼈를 이중 임계 값 기법을 적용한 관상 최대강도 투사를 통해 생성한다' 셋째, 생성된 관상최대강도투사 영상 간의 상관관계를 최적화하여 강체 변환을 구하고 초기 정합을 수행한다.
최적 경계 볼륨을 이용한 위치 보정은 호흡으로 인한 위치와 크기 차이를 보정하는데 한계가 있으므로 초기 정합을 통해 강체변환을 찾아내는 것이 필요하다’ 이를 위해서 본 절에서는 폐와 움직임이 가장 유사한 갈비뼈 부위를 이용하여 초기 정합을 수행한다.
셋째, 초기 정합에서 충분히 보정해 주고 폐 결절이 관심 영역 내에 존재하지 않으면 템플릿 매칭을 수행하지 않는다. 템플릿 매칭의 수행속도를 향상시키기 위해, 1/3로 해상도를 낮춰 수행하고 NCCE 0.7 이상인 위치를 매칭시키지 못했을 경우에 1/2로 해상도를 높여 다시 템플릿 매칭을 수행한다. 본 논문에서 제안한 지역 정보 기반의 템플릿 매칭은 NCC를 통해 폐 결절 위치 간의 상관관계뿐 아니라 폐 결절 주변 조직 간의 상관관계를 함께 고려하여 매칭 정확성을 높이고, 다 해상도를 통해 관심 영역 내의 탐색영역을 줄임으로써 수행 속도를 향상시킨다.
Hong[4]은 ICP 방법이 계산량이 많아 수행 시간이 오래 걸리는 점을 보완하기 위해 다단계(multilevel) ICP 방법을 폐제안하였다. 폐 경계면의 점의 수를 줄인 후, 점의 수가 기존 폐경 계면의 모든 점이 될 때까지 늘려가면서 반복적으로 ICP 방법을 적용시켜 폐를 정합시켰다. Kubo〔5]는 폐의 정점(apex)과 척추를 이용하여 초기 위치를 보정한 후, 폐의 형태 정보를 이용하여 폐의 상단을, 폐혈관을 이용하여 폐의 하단을 정합하고 폐 상단과 하단 사이의 비연속적인 부분을 보정하여 폐를 정합하였다.
Betke[l, 2]는 템플릿 매칭으로 추출된 흉골, 기도, 척추의 세 점을 기준으로 초기 위치를 폐보정하고, 폐 경계에 있는 모든 점에 대하여 ICP(Iterative Closest Point)[3] 방법을 통해 폐를 정합하였다. 폐 정합 후, 폐 결절 간의 유클리디안 거리 (Euclidean Distance) 차이가 가장 작은 폐 결절을 정합시켰다. Hong[4]은 ICP 방법이 계산량이 많아 수행 시간이 오래 걸리는 점을 보완하기 위해 다단계(multilevel) ICP 방법을 폐제안하였다.
대상 데이터
각 실험데이터는 시간차를 두고 촬영한 한 쌍의 복부 CT 영상으로 이루어져 있으며, 크기는 512x512, 픽셀 크기는 0.51-0.66mm, 슬라이스 간격은 LOmm로 슬라이스 장수는 270〜454장이다. 그림 6은 최대 호흡에서 촬영한 기준 영상과 추적 영상에서 폐의 용적을 측정한 결과로, 8명 중 5명의 데이터는 기준 영상과 추적 영상 간 폐의 용적 차이가 평균 77.
5nmm3 크기의 볼륨을 관심 영역으로 정의한다. 본 논문에서는 실험데이터에 있는 폐 결절의 최대 크기인 16.9mm 를 포함할 수 있도록 템플릿 크기는 18X18X18 mm3 로하고, 관심영역은 초기 정합의 최대 오차를 포함하도록 2.5배 확장한 45X45X45 mm3 로 한다.
본 실험은 Philips MX8000과 Siemens Sensation 16 으로 촬영한 총 8명의 환자 데이터에 대하여 수행하였다. 각 실험데이터는 시간차를 두고 촬영한 한 쌍의 복부 CT 영상으로 이루어져 있으며, 크기는 512x512, 픽셀 크기는 0.
9cc로 유사한 용적을 보였고, 나머지 3명의 데이터는 평균 32L7cc로 호흡으로 인한 용적 차이가 있었다. 실험데이터는 1~8개의 폐 결절을 가지고 있고 전체 폐 결절의 개수는 21개이다. 7개의 데이터는 기준 영상과 추적 영상에서 동일한 개수의 폐 결절을 가지고 있으나 한 개의 데이터는 기준 영상에서는 4개, 추적 영상에서는 3개로 폐 결절의 개수가 다르다.
이론/모형
관상 최대강도 투사 영상을 생성한 후, 식 (3) 과 같이 두 영상 간의 정규화된 평균 밝기 값 차이(NADD: Norma lized Average Density Differences)를 계산하고, 파웰 기법(powell's method)U6]을 이용하여 NADD 수치 변화가 거의 없을 때까지 반복 수행함으로써 최적의 축 이동 및 크기와 g 축 회전 변환 벡터를 구한다. 환자의 움직임과 호흡으로 인한 폐의 변화는 좌우보다 상하에서 크게 발생하므로, 상하의 움직임을 보정할 수 있는 SZ축 이동 및 크기와 0축 회전 변환을 통한 강체 변환으로 정합이 가능하다.
성능/효과
폐결절에 대한 NCC 수치를 나타낸다. NCC는 평균 0.82였고 결과적으로 100%의 폐 결절 매칭률을 보였다. 매칭되는 폐 결절의 NCC7\ 대부분 0.
39mm 증가하였는데 이는 초기 정합의 최적화 과정에서 국부최적점(local optima®〕빠졌기 때문이다. 대부분 폐 결절 중심 간 평균 거리 차이는 점점 줄어드는 경향을 보였고, 국부최적점으로 초기 정합된 경우에도 템플릿 매칭을 통해 오류를 보정하여 매칭됨을 알 수 있었다.
7 이상인 위치를 매칭시키지 못했을 경우에 1/2로 해상도를 높여 다시 템플릿 매칭을 수행한다. 본 논문에서 제안한 지역 정보 기반의 템플릿 매칭은 NCC를 통해 폐 결절 위치 간의 상관관계뿐 아니라 폐 결절 주변 조직 간의 상관관계를 함께 고려하여 매칭 정확성을 높이고, 다 해상도를 통해 관심 영역 내의 탐색영역을 줄임으로써 수행 속도를 향상시킨다. 또한 관심 영역 내에 폐 결절의 개수를 고려한 템플릿 매칭 알고리즘은 기준 영상에 있던 폐 결절이 추적 영상에서 없어졌을 경우 템플릿 매칭을 수행하지 않고 대응되는 폐 결절이 없음을 알 수 있다.
큰 위치를 매칭시킨다. 셋째, 초기 정합에서 충분히 보정해 주고 폐 결절이 관심 영역 내에 존재하지 않으면 템플릿 매칭을 수행하지 않는다. 템플릿 매칭의 수행속도를 향상시키기 위해, 1/3로 해상도를 낮춰 수행하고 NCCE 0.
폐 결절과 폐혈관, 흉벽 등 주변 조직의 밝기 값을 고려한 템플릿 매칭은 호흡에 따른 부분적 변형에 의한 폐결절 매칭의 오류를 줄여 정확성을 높이고, 다 해상도를 이용함으로써 수행 속도를 향상시킬 수 있었다. 실험결과, 초기 정합 전보다 후의 폐 결절 중심 간 평균 거리가 15.37mm 줄었고 지역적 템플릿 매칭을 통해 결과적으로 100% 매칭되는 결과를 보였다. 총 평균 수행 시간은 2.
관상 최대강도 투사 영상을 이용한 초기 정합은 환자의 호흡으로 인한 위치 및 크기 차이를 보정할 수 있었다. 이때, 이중 임계 값 기법을 통해 갈비뼈 주변의 잡음을 줄이고 관상최대강도투사를 통해 볼륨 정보를 2차원 영상으로 줄임으로써 계산량을 줄일 수 있었다. 폐 결절과 폐혈관, 흉벽 등 주변 조직의 밝기 값을 고려한 템플릿 매칭은 호흡에 따른 부분적 변형에 의한 폐결절 매칭의 오류를 줄여 정확성을 높이고, 다 해상도를 이용함으로써 수행 속도를 향상시킬 수 있었다.
초기 정합 전의 폐 결절 중심 간 평균 거리는 26.31mm, 초기 정합 후의 평균 거리는 10.94mm로 오차가 58% 감소하였다. 8번 데이터는 초기 정합 전에 비해 초기 정합 후에 평균 거리가 2.
NADD 수치를 보여준다. 총 15번 반복 수행한 결과 1〜2번째 반복 시점에서 NADD가 급격히 감소하고, 3〜4번째에서 거의 수렴되는 결과를 보였다. 폐의 최적 경계 볼륨 중심을 이용하여 위치 차이를 보정한 후에 초기 정합을 수행하였기 때문에 지역적 오류에 빠지지 않고 최적화의 빠른 수렴을 유도할 수 있었다.
지역적 템플릿 매칭 알고리즘을 통해 폐 결절 및 주변 조직 간의 상관관계가 높은 영역을 매칭시킴으로써 폐 결절의 크기가 작거나 큰 경우뿐만 아니라, 폐 결절 간 크기 차이가 크거나 폐의 내부에 있는 경우, 폐혈관이나 폐 흉벽에 붙어 있는 경우에도 정확하게 폐 결절을 매칭시켰다. 총 21개의 폐결절 중한 개는 매칭 되는 폐 결절이 없다는 결과를 보였는데 이는 기준 영상에는 폐 결절이 존재하나 추적 영상에는 없는 경우였다.
이때, 이중 임계 값 기법을 통해 갈비뼈 주변의 잡음을 줄이고 관상최대강도투사를 통해 볼륨 정보를 2차원 영상으로 줄임으로써 계산량을 줄일 수 있었다. 폐 결절과 폐혈관, 흉벽 등 주변 조직의 밝기 값을 고려한 템플릿 매칭은 호흡에 따른 부분적 변형에 의한 폐결절 매칭의 오류를 줄여 정확성을 높이고, 다 해상도를 이용함으로써 수행 속도를 향상시킬 수 있었다. 실험결과, 초기 정합 전보다 후의 폐 결절 중심 간 평균 거리가 15.
폐의 최적경계볼륨을 이용한 위치 보정은 환자의 움직임과 호홉으로 인한 위치 차이를 효과적으로 보정함으로써 이후 초기 정합의 탐색 공간을 줄여 수행시간을 단축시킬 수 있었다. 관상 최대강도 투사 영상을 이용한 초기 정합은 환자의 호흡으로 인한 위치 및 크기 차이를 보정할 수 있었다.
후속연구
필요하다. 또한, CT 기기의 빠른 발전으로 한번 촬영 시 300-500장 정도의 대용량 데이터를 획득하게 되므로 폐결절을 임상의가 육안 평가하기에는 진단 시간이 오래 걸릴 뿐 아니라 작은 폐결절이나 폐혈관에 붙어있는 결절 등을 검출하고 추적 관찰하기에 한계가 있다. 이를 해결하기 위해 시간차를 두고 촬영한 CT 영상 간의 빠르고 정확한 자동 폐 결절 정합이 필요하다.
컴퓨터 지원 폐암 보조 진단을 위해서는 단일 시점에서 촬영한 컴퓨터단층촬영 (CT: Computed Tomogra phy) 영상에서 폐 결절을 검출하는 것도 필요하지만, 폐암의 악성 여부를 결정하기 위해 연속시점에서 촬영한 CT 영상에서 대응되는 폐 결절을 찾아 추적 관찰하는 것이 필요하다. 또한, CT 기기의 빠른 발전으로 한번 촬영 시 300-500장 정도의 대용량 데이터를 획득하게 되므로 폐결절을 임상의가 육안 평가하기에는 진단 시간이 오래 걸릴 뿐 아니라 작은 폐결절이나 폐혈관에 붙어있는 결절 등을 검출하고 추적 관찰하기에 한계가 있다.
참고문헌 (16)
M. Betke, H. Hong, J. P. Ko, 'Automatic 3D registration of lung surfaces in Computed Tomography Scans,' Fourth International Conference on Medical
M. Betke, H. Hong, D. Thomas, C. Prince, J. P. Ko, 'Landmark detection in the chest and registration of lung surfaces with an application to nodule registration,' Medical Image Analysis, vol.7, pp.265-281, 2003
H. Hong, M. Betke, S. Teng, D. Thomas, J. P. Ko, 'Multilevel 3D Registration of Lung Surfaces in Computed Tomography Scans - Preliminary experience,'
M. Kubo, T. Yamamoto, Y. Kawata, N. Niki, K. Eguchi, H. Ohmatsu, R. Kakinuma, M. Kaneko, M. Kusumoto, N. Moriyama, K. Mori, H. Nishiyama, 'CAD system for the assistance of a comparative reading for lung cancer using retrospective helical CT images,' MICCAI 2001, LNCS 2208, pp.
M. N. Gurcan, R. C. Hardie, S. K. Rogers, D. E. Dozer, B. H. Allen, R. V. Burns, J. W. Hoffmeister, 'Automated global matching of temporal thoracic helical CT studies: feasibility study,' International Congress Series, vol.1256, pp.1031-1036, 2003
S. Sun, G. Rubin, David Paik, Robert M. Steiner, Feng Zhuge, Sandy Napel, 'Registration of lung nodules using a semi-rigid model: Method and preliminary results,' Medical Physics, vol.34, no.2, pp.613-626, Feb. 2007
Jiazheng Shi, Berkman Sahiner, Heang-Ping Chan, Lubomir Hadjiiski, Chuan Zhou, Yi-Ta Wu, Jun Wei, 'Pulmonary nodule registration in serial CT scans based on rib anatomy and nodule template matching,' Medical Physics, vol.34, no.4, pp.1336-1347, April 2007
Jiazheng Shi, Berkman Sahiner, Heang-Ping Chan, Lubomir Hadjiiski, Chuan Zhou, Yi-Ta Wu, Jun Wei, 'Pulmonary Nodule Registration in Serial CT Scans Using Rib Anatomy and Nodule Template Matching,' Proceeding of SPIE, vol.6514, pp.65140R.1-65140R.9, 2007
W. Mullally, M. Betke, H. Hong, J. Wang, K. Mann, J. P. Ko, 'Multi-criterion 3D segmentation and registration of pulmonary nodules on CT: a preliminary investigation,' International Conference on Diagnostic Imaging and Analysis, pp.176-181, 2002
Yoshinori Itai, Hyoungseop Kim, Seiji Ishikawa, Shigehiko Katsuragawa, Kunio Doi, 'A New Registration Method with Voxel-Matching Technique for Temporal Subtraction Images,' Proc. of SPIE, vol.6915, pp.69153I.1-69153I.8, 2008
※ AI-Helper는 부적절한 답변을 할 수 있습니다.