[논문]내시경 초음파 영상의 점막하 종양 분석

김광백

내시경 초음파 영상의 점막하 종양 분석
Submucosal Tumor Analysis of Endoscopic Ultrasonography Images 원문보기

멀티미디어학회논문지 = Journal of Korea Multimedia Society, v.13 no.7, 2010년, pp.1044 - 1050

초록
AI-Helper

내시경 초음파는 초음파 진동자를 내시경 끝에 부착하여 그 주위의 장기를 관찰할 목적으로 개발된 의료기기이다. 내시경 초음파 검사는 점막하 종양을 직접 관찰 할 수 있어 종양의 병리 소견이 예측 가능하지만, 종양의 악성화 여부 등에 대해 주관적인 소견이 개입될 수 있는 문제점이 있다. 따라서 본 논문에서는 주관적인 소견으로 인해 나타나는 문제점을 객관화하여 질병의 정확도와 재현성을 높이기 위해 종양의 각 특징을 분석하는 방법을 제안한다. 제안된 방법을 적용하기 위해서 내시경 초음파 검사로 얻어진 초기 영상에서 분석에 필요한 초음파 영역을 추출한다. 초음파 영역은 여러 요인으로 인하여 명암도 값의 차이가 발생하는데, 이는 객관적인 분석에는 비효율적이다. 따라서 초기 검사 시에 매질로써 주입되는 물 영역의 명암도를 기준으로 하여 초음파 영역의 명암도를 표준화 한다. 표준화된 초음파 영역에서 전문의에 의하여 선택된 종양 영역에 LVQ 알고리즘과 비트 평면 분할 방법을 각각 적용하여 에코가 높은 spot 영역과 칼슘이 침착된 영역을 추출하고 분석한다. 종양 영역의 세밀한 분석을 위하여 명암도 값과, 종양 영역 내에서 전문의가 임의로 선택한 두 지점의 거리에 포함된 명암도 정보를 추출한다. 또한 선택된 종양의 악성도를 구분하기 위하여 종양 영역에서 외곽의 기울기를 계산한다. 내시경 초음파 영상에서 각 질병의 특징을 분석한 결과, 제시된 방법이 종양이 가지는 특징을 분석하는데 도움이 되는 것을 확인할 수 있었다.

Abstract ▼ AI-Helper

Endoscopic ultrasonography is a medical procedure in endoscopy combined with ultrasound to obtain images of the internal organs. It is useful to have a predictive pathological manifestation since a doctor can observe tumors under mucosa. However, it is often subjective to judge the degree of malignant degeneration of tumors. Thus, in this paper, we propose a feature analysis procedure to make the pathological manifestation more objective so as to improve the accuracy and recall of the diagnosis. In the process, we extract the ultrasound region from the image obtained by endoscopic ultrasonography. It is necessary to standardize the intensity of this region with the intensity of water region as a base since frequently found small intensity difference is only to be inefficient in the analysis. Then, we analyze the spot region with high echo and calcium deposited region by applying LVQ algorithm and bit plane partitioning procedure to tumor regions selected by medical expert. For detailed analysis, features such as intensity value, intensity information included within two random points chosen by medical expert in tumor region, and the slant of outline of tumor region in order to decide the degree of malignant degeneration. Such procedure is proven to be helpful for medical experts in tumor analysis.

주제어

AI 본문요약
AI-Helper

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

문제 정의

몸 표면에서 보낸 초음파는 소화기관 안의 가스등에 의하여 강하게 반사되어 깊은 부분은 관찰하기 어려울 때가 많다. 따라서 내시경 끝에 초음파 진동자를 부착시켜 위 동의 체강 안에서 초음파를 보내어, 내시경 주위의 장기를 관찰할 목적으로 내시경 초음파가 개발되었다.
따라서 본 논문에서는 내시경 초음파 검사로 얻은 영상을 표준화 하고, 영상에 나타나는 각 질병의 특징들을 추출하여 객관적 인 진단에 도움이 되고자 한다.
이 낮아질 수 있다. 따라서 본 논문에서는 전문의가 종양 영역을 선택하도록 하여 정확한 정보를 분석할 수 있게 한다.
본 논문에서는 내시경 초음파 검사로 얻은 영상에서 각 질병의 특징을 분석하는 방법을 제안하였다. 제안된 방법은 전문의가 제공한 4가지 질병으로 분류한 27장의 영상을 적용하였다.

제안 방법

따라서 종양 영역 내의 각 조직에서 밝은 명암도와 뭉쳐있는 특성을 가지는 칼슘이 침착된 영역을 추출하기 위하여 비트 평면 분할 방법을 적용하였다. 그리고 종양 영역의 분석을 더욱더 세밀하게 하기 위하여 종양 영역의 명암도 값과, 종양 영역 내에서 임의로 선택한 두 지점의 거리에 포함된 명암도 정보를 추출하여 보다 정확하고 객관적인 소견을 제공하였다.
내시경 초음파 검사 시 사용하는 주파수(Hz), 게인(gain), 명암(contrast) 에 따라 차이나는 영상의 명암도를 표준화 하였다. 표준화에 이용된 물 영역은 내시경 초음파 검사시 주입하는 통일된 매질로써, 이미지 상에서 전혀 정도가 변하지 않는다 초음파 영역에서 물 영역추출을 위해 내시경 렌즈를 추출한 후, 유클리디안 거리 방법을 이용하여 최종 물의 영역을 추출하였다.
반면에 악성 종양, 즉 암의 성격을 가지는 종양은 균일하게 자라지 않기 때문에 아메바 모양처 럼 요철을 보인다. 따라서 본 논문에서는 종양의 외곽 형태의 특징을 구분하기 위해 외곽의 기울기 정보를 이용한다.
위험도를 분석할 때 적용된다. 따라서 선택된 종양 영역에서 LVQ 알고리즘을 적용하여 에코가 높은 spot영역을 추출하였다. Spot 영역만으로 병명을 진단하기 어렵기 때문에 칼슘이 침착된 영역의 분석이 필요하다.
Spot 영역만으로 병명을 진단하기 어렵기 때문에 칼슘이 침착된 영역의 분석이 필요하다. 따라서 종양 영역 내의 각 조직에서 밝은 명암도와 뭉쳐있는 특성을 가지는 칼슘이 침착된 영역을 추출하기 위하여 비트 평면 분할 방법을 적용하였다. 그리고 종양 영역의 분석을 더욱더 세밀하게 하기 위하여 종양 영역의 명암도 값과, 종양 영역 내에서 임의로 선택한 두 지점의 거리에 포함된 명암도 정보를 추출하여 보다 정확하고 객관적인 소견을 제공하였다.
본 논문에서는 중심 벡터의 초기값을 랜덤하게 선택하고, 종양 영역의 명암도 값을 입력 벡터로 적용하기 위해 0과 1사이의 값으로 정규화 한다. LVQ 알고리즘은 다음과 같다[9, 10].
본 논문에서는 히스토그램을 이용하여 명암도 고조의 분포를 분석한다. 그림 6과 같이 히스토그램을 이용하여 전문의가 종양 영역의 명암도 분포를 분석할 수 있게 한다.
나타난다. 상황에 따른 특징의 변화가 적은 물 영역의 명암도와 내시경 본체의 초음파 영상을 이용하여 영상의 명암도를 표준화한다.
표준화에 이용된 물 영역은 내시경 초음파 검사시 주입하는 통일된 매질로써, 이미지 상에서 전혀 정도가 변하지 않는다 초음파 영역에서 물 영역추출을 위해 내시경 렌즈를 추출한 후, 유클리디안 거리 방법을 이용하여 최종 물의 영역을 추출하였다. 이와 같은 방법으로 모든 실험 영상을 표준화 한 후, 임의 선택 방법으로 전문의가 종양 영역을 선택하게 하였다.
종양의 외곽 정보를 이용하여 양성 종양과 악성종양을 구분하기 위해 외곽 정보의 기울기 값을 계산하였다. 계산된 기울기 값이 급격히 변할 경우에는 악성 종양일 가능성이 높은 것을 확인하였다.
과정이다. 추출된 물의 영역의 명암도 평균값과 초음파 영역의 명암도 평균값을 비교하여 표준화 한다. 표준화 된 영상은 그림 4와 같으며, 이와 같은 방법으로 모든 초음파 영역을 표준화한다.
추출한 초음파 영역을 0~奏5 사이의 명암도 값을 갖는 그레이 레벨로 변환한 후, 명암 값의 분포를 일정하게 하는 히스토그램 평활화를 적용한다. 히스토그램 평활화를 적용한 초음파 영역 내에는 무수한 에지들이 존재하므로 그 에지들을 구성하는 모든 픽셀에 현재 픽셀에서 다음 픽셀을 뺀 절대 값이 임계치보다 작거나 같으면 식(1)을 적용한다’ 현재 픽셀에 이웃하는 3×3 영역 내에서 식 (1)의 기준에 만족하는 모든 값들은 현재 픽셀과 연결하고 기록하는 Edge-Linking 방법을 적용한다.
표준화 하였다. 표준화에 이용된 물 영역은 내시경 초음파 검사시 주입하는 통일된 매질로써, 이미지 상에서 전혀 정도가 변하지 않는다 초음파 영역에서 물 영역추출을 위해 내시경 렌즈를 추출한 후, 유클리디안 거리 방법을 이용하여 최종 물의 영역을 추출하였다. 이와 같은 방법으로 모든 실험 영상을 표준화 한 후, 임의 선택 방법으로 전문의가 종양 영역을 선택하게 하였다.

대상 데이터

내시경 초음파 검사로 얻은 영상의 특징을 분석하기 위해 전문의가 제공한 4가지 질병의 내시경 초음파 영상 27장을 대상으로 실험하였다. 실험 환경은 Intel Pentium IV 3.
제안하였다. 제안된 방법은 전문의가 제공한 4가지 질병으로 분류한 27장의 영상을 적용하였다.

이론/모형

따라서 본 논문에서는 엔드인 탐색법을 이용한 히스토그램 스트레칭 방법을 종양 영역에 적용한다. 그리고 스트레칭을 적용한 종양 영역에 비트 평면 분할 방법을 적용한다.
추출한 렌즈의 중심 값을 기록한 후, 렌즈를 제외한 나머지 영역에 대해 Glassfire 알고리즘으로 라벨링한 후, 잡음을 제거하여 물의 후보영역을 추출한다. 기록한 렌즈의 중심 값과 추출한 후보 영 역들의 중심 값을 식 (2)와 같은 유클리디안거리 (Euclidean Distance)방법을 적용하여 계산한 후에 가장 가까운 후보 영역을 최종 물의 영역으로 추출한다.
단순한 히스토그램 스트레칭은 특정 밝기 영역에 픽셀 명암이 집중되어 있는 경우에만 효과가 있고 low 값이 0이고 high값이 255 값인 경우에는 스트레칭의 효과가 떨어진다. 따라서 본 논문에서는 엔드인 탐색법을 이용한 히스토그램 스트레칭 방법을 종양 영역에 적용한다. 그리고 스트레칭을 적용한 종양 영역에 비트 평면 분할 방법을 적용한다.
선택된 종양 영역을 LVQ 알고리즘을 적용하여 10개의 클러스터로 양자화 한다. 양자화를 수행하여 선택된 종양 영역에서 에코가 높은 spot 영역을 다른 영역들과 분리한다.
이진화된 초음파 영역을 Glassfire 알고리즘을 적용하여 라벨링 한다. Glassfire 알고리즘은 자기 호출을 이용하여 모든 인접 요소가 라벨링 될 때까지 현재 관심 화소의 주변 인접 화소를 차례로 검사하는 라벨링 방법이다.
전문의가 선택한 종양 영역에서 에코가 높은 spot 영역을 추출하기 위해서 LVQ 신경망 알고리즘을 적용한다.
라벨링 된 영역들 중에 가로와 세로가 1:1 비율의 형태를 가지고, 명암도 0인 픽셀 수가 명암도 255인 픽셀 수보다 많은 내시경의 렌즈영역을 추출한다. 추출한 렌즈의 중심 값을 기록한 후, 렌즈를 제외한 나머지 영역에 대해 Glassfire 알고리즘으로 라벨링한 후, 잡음을 제거하여 물의 후보영역을 추출한다. 기록한 렌즈의 중심 값과 추출한 후보 영 역들의 중심 값을 식 (2)와 같은 유클리디안거리 (Euclidean Distance)방법을 적용하여 계산한 후에 가장 가까운 후보 영역을 최종 물의 영역으로 추출한다.

성능/효과

계산된 기울기 값이 급격히 변할 경우에는 악성 종양일 가능성이 높은 것을 확인하였다.
내시경 초음파 영상에서 각 질병의 특징을 분석한 결과, 제시된 방법이 종양이 가지는 특징을 분석하는데 도움이 되는 것을 확인하였다 그러나 제안된 종양 영역 분석 방법으로는 질병을 정확히 도출할 수 없다.
제안한 종양 영역의 히스토그램 분석, 거리에 의한 명암값 분포, 외곽 형태 분석 방법은 전문의가 내시경 초음파 영상을 주관적으로 진단 소견을 제공하는 이전의 방법보다 객관적인 정확도를 제공하는데 도움이 된 것으로 확인되었다.

후속연구

따라서 향후 연구 과제는 제시된 종양 분석 방법을 기반으로 다양한 내시경 초음파 영샹에서 질병들의 특징을 분석하고 전문의의 주관적인 진료 소견에 대해서 정확도를 높일 수 있는 방법을 연구할 것이다.

참고문헌 (11)

T. Kojima, H. Takahashi, A. Parra-Blanco, K. Kohsen and R. Fujita., "Diagnosis of submucosal tumor of the upper GI tract by endoscopic resection," Gastrointest Endosc., Vol.50, No.4, pp. 516-522, 1999.

상세보기
N. Takada, M. Higashino, H. Osugi, T. Tokuhara and H. Kinoshita, "Utility of endoscopic ultrasonography in assessing the indications for endoscopic surgery of submucosal esophageal tumors," Surg Endosc, Vol.13, No.3, pp. 228-230, 1999.

상세보기
L. B. Nesje, O. D. Laerum, K. Svanes and S. Odegaard., "Subepithelial masses of the gastrointestinal tract evaluated by endoscopic ultrasonography," Eur J. Ultrasound, Vol.15, No.1-2, pp. 45-54, 2002.

상세보기
T. Rosch, B. Kapfer, U. Will, W. Baronius, M. Strobel, R. Lorenz and K. Ulm, "Endoscopic ultrasonography. Accuracy of endoscopic ultrasonography in upper gastrointestinal submucosal lesions: a prospective multicenter study," Scand J. Gastroenterol, Vol.37, No.7, pp. 856-862, 2002.

상세보기
L. Palazzo, B. Landi, C. Cellier, E. Cuillerier, G. Roseau and J. P. Barbier, Endosonographic features predictive of benign and malignant gastrointestinal stroma cell tumors," Gut., Vol.46, No.1, pp. 88-92, 2000.

상세보기
A. Chak et. al, "Endosonographic differentiation of benign and malignant stroma cell tumors," Gastrointest Endosc., Vol.45, No.6, pp. 468-473, 1997.

상세보기
K. B. Kim and D. S. Kim, "Color Image Vector Quantization using Wavelet Transform and Enhanced Self-Organizing Neural Network," Lecture Notes in Computer Science, LNCS 3316, Springer, pp. 166-171, 2004.
김광백, "내용 기반 이미지 검색을 위한 개선된 SIM 방법," 지능정보연구, 제15권, 2호, pp. 49-60, 2009.

원문보기 상세보기
A. S. Pandya, R and B. Macy, Pattern Recognition with Neural Networks in C++, CRC Press, 1996.
K. B. Kim, S. Kim and G. H. Kim, "Vector quantizer of medical image using wavelet transform and enhanced SOM Algorithm," Neural Computing and Application, Springer, Vol. 15, No.3-4, pp. 245-251, 2006.

상세보기
이제명, 이호석, "고 품질 텍스트 압축 기능을 지원하는 정지영상 압축 시스템," 한국정보과학회논문지, 제34권, 제3호, pp. 275-302. 2007.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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