경추는 머리와 몸통을 이어주는 중요한 요충지이기 때문에 매우 중요한 기관이며 매우 복잡한 구조로 되어있다. 본 논문에서는 경추 초음파 영상에서 경추 부분에 존재하는 흉쇄유돌근을 자동으로 검출하는 방법을 제안한다. 경추 초음파 영상에서 촬영 정보나 눈금자 등의 필요 없는 부분을 제외한 ROI(Region of Interest)영상을 추출하고 Ends-In Search Stretching 알고리즘을 적용하여 명암 대비를 강조한다. Stretching된 영상에 20 이상의 명암도를 가지는 픽셀을 대상으로 평균 이진화를 적용한 후, 잡음을 제거한다. 잡음이 제거된 영상에 흉쇄유돌근을 둘러싸고 있는 근막의 위치 정보를 이용하여 근막을 추출한 후, 근막의 객체 수에 따라서 각기 다른 방법을 적용하여 근육을 추출한다. 근막 객체가 하나인 경우에는 위에서 아래로 탐색하여 1차 근육 영역을 추출하고, 오른쪽에서 왼쪽으로 탐색하여 2차 근육 영역을 추출한 후, 1차와 2차 근육 영상을 하나로 합쳐 최종 근육 영역을 추출한다. 근막 객체가 두 개인 경우에는 근막 객체의 상단과 하단까지의 영역을 모두 추출한 후, 근막 객체 영역을 제거하는 방법으로 근육 영역을 추출한다. 추출된 근육 영역 중에서 두께가 가장 두꺼운 부분을 근육의 두께로 측정한다. 본 논문에서 제안된 방법을 경추 초음파 영상 30장을 대상으로 실험하여 물리치료사가 분석한 결과, 제안된 방법이 흉쇄유돌근을 정확히 추출되는 것을 확인하였다.
경추는 머리와 몸통을 이어주는 중요한 요충지이기 때문에 매우 중요한 기관이며 매우 복잡한 구조로 되어있다. 본 논문에서는 경추 초음파 영상에서 경추 부분에 존재하는 흉쇄유돌근을 자동으로 검출하는 방법을 제안한다. 경추 초음파 영상에서 촬영 정보나 눈금자 등의 필요 없는 부분을 제외한 ROI(Region of Interest)영상을 추출하고 Ends-In Search Stretching 알고리즘을 적용하여 명암 대비를 강조한다. Stretching된 영상에 20 이상의 명암도를 가지는 픽셀을 대상으로 평균 이진화를 적용한 후, 잡음을 제거한다. 잡음이 제거된 영상에 흉쇄유돌근을 둘러싸고 있는 근막의 위치 정보를 이용하여 근막을 추출한 후, 근막의 객체 수에 따라서 각기 다른 방법을 적용하여 근육을 추출한다. 근막 객체가 하나인 경우에는 위에서 아래로 탐색하여 1차 근육 영역을 추출하고, 오른쪽에서 왼쪽으로 탐색하여 2차 근육 영역을 추출한 후, 1차와 2차 근육 영상을 하나로 합쳐 최종 근육 영역을 추출한다. 근막 객체가 두 개인 경우에는 근막 객체의 상단과 하단까지의 영역을 모두 추출한 후, 근막 객체 영역을 제거하는 방법으로 근육 영역을 추출한다. 추출된 근육 영역 중에서 두께가 가장 두꺼운 부분을 근육의 두께로 측정한다. 본 논문에서 제안된 방법을 경추 초음파 영상 30장을 대상으로 실험하여 물리치료사가 분석한 결과, 제안된 방법이 흉쇄유돌근을 정확히 추출되는 것을 확인하였다.
Cervical vertebrae are a complex structure and an important part of human body connecting the head and the trunk. In this paper, we propose a method to extract sternocleidomastoid muscle from ultrasonography images of cervical vertabrae automatically. In our method, Region of Interests(ROI) is extra...
Cervical vertebrae are a complex structure and an important part of human body connecting the head and the trunk. In this paper, we propose a method to extract sternocleidomastoid muscle from ultrasonography images of cervical vertabrae automatically. In our method, Region of Interests(ROI) is extracted first from an ultrasonography image after removing unnecessary auxiliary information such as metrics. Then we apply Ends-in search stretching algorithm in order to enhance the contrast of brightness. Average binarization is then applied to those pixels which its brightness is sufficiently large. The noise part is removed by image processing algorithms. After extracting fascia encloses sternocleidomastoid muscle, target muscle object is extracted using the location information of fascia according to the number of objects in the fascia. When only one object is to be extracted, we search downward first to extract the target muscle area and then search from right to left to extract the area and merge them. If there are two target objects, we extract first from the upper-bound of higher object to the lower-bound of lower object and then remove the fascia of the target object area. Smearing technique is used to restore possible loss of the fat area in the process. The thickness of sternocleidomastoid muscle is then calculated as the maximum thickness of those extracted objects. In this experiment with 30 real world ultrasonography images, the proposed method verified its efficacy and accuracy by health professionals.
Cervical vertebrae are a complex structure and an important part of human body connecting the head and the trunk. In this paper, we propose a method to extract sternocleidomastoid muscle from ultrasonography images of cervical vertabrae automatically. In our method, Region of Interests(ROI) is extracted first from an ultrasonography image after removing unnecessary auxiliary information such as metrics. Then we apply Ends-in search stretching algorithm in order to enhance the contrast of brightness. Average binarization is then applied to those pixels which its brightness is sufficiently large. The noise part is removed by image processing algorithms. After extracting fascia encloses sternocleidomastoid muscle, target muscle object is extracted using the location information of fascia according to the number of objects in the fascia. When only one object is to be extracted, we search downward first to extract the target muscle area and then search from right to left to extract the area and merge them. If there are two target objects, we extract first from the upper-bound of higher object to the lower-bound of lower object and then remove the fascia of the target object area. Smearing technique is used to restore possible loss of the fat area in the process. The thickness of sternocleidomastoid muscle is then calculated as the maximum thickness of those extracted objects. In this experiment with 30 real world ultrasonography images, the proposed method verified its efficacy and accuracy by health professionals.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 근육을 추출하기 전에 불필요한 영역을 제외한 ROI 영상을 추출한다. 따라서 본 논문에서는 세로 눈금자의 상단과 하단, 가로 눈금자의 좌단과 우단을 기준으로 ROI 영상을 추출하였다. 그림 8은 제안된 방법으로 경추 DICOM 초음파 영상에서 흉쇄유돌근을 추출한 결과이다.
본 논문에서는 경추 DICOM 초음파 영상에서 초음파 영상을 자동으로 분석하기 위해 흉쇄유돌근을 추출하는 방법을 제안하였다.
제안 방법
추출된 근막의 수에 따라서 두 가지 방법을 적용하여 흉쇄유돌근을 추출하였다. 근막이 하나인 경우에는 위에서 아래로 흑화소 영역을 탐색하고, 우에서 좌로 흑화소 영역을 탐색하여 두 영역을 하나로 합쳐 최종 흉쇄유돌근을 추출하였으며, 근막이 두 개인 경우에는 근막 객체의 상단과 하단까지 영역을 추출한 후, 근막 영역을 제거하고 지방 부분을 복원하기 위해 스미어링 기법을 적용하여 흉쇄유돌근을 추출하였다. 제안된 흉쇄유돌근 추출 방법의 성능을 평가하기 위해 경추 DICOM 초음파 영상 30장을 적용하여 실험한 결과, 흉쇄유돌근을 추출하는데 효과적인 것을 확인하였다.
기존에는 진단자가 직접 근육의 두께를 측정하였지만 본 논문에서는 제안된 방법을 적용하여 근육 영역을 측정하였다. 추출된 흉쇄유돌근에서 자동으로 흉쇄유돌근의 면적과 두께가 측정한 결과는 그림 9와 같다.
DICOM 경추 초음파 영상은 근육과 근막 등이 존재하는 영역 이외에 영상의 정보와 영상 측정 결과가 나타나는 부분이 있기 때문에 이 영상을 대상으로 흉쇄유돌근을 추출할 경우에는 정확히 추출할 수 없는 경우가 발생한다. 따라서 DICOM 영상을 획득한 후, 관심 영역인 ROI를 설정하고, 근육을 추출한다. ROI 영상에서 명암 대비를 증가시켜 근막과 근육의 경계를 명확히 하기 위하여 Ends-In Search Stretching[4]을 적용한다.
따라서 본 논문에서는 DICOM으로 저장된 경추의 초음파 영상을 컴퓨터를 통하여 획득한 후, 경추 근육 중에서 표층 근육인 흉쇄유돌근(Sternocleidomastoid Muscle : SCM)을 추출하고 분석하는 방법을 제안한다.
이진화된 ROI 영상은 근막 이외에 근육사이의 지방들과 미세한 잡음들이 존재하며, 근막 사이에 빈공간이 많이 존재한다. 이러한 잡음을 제거하기 위해 흑화소와 백화소를 대상으로 각각 4 방향 윤곽선 추적 알고리즘[5]을 적용하여 객체의 윤곽선을 추출한 후, 윤곽선 내부를 채우는 방법을 이용하여 객체를 추출한다. 추출된 객체를 너비가 영상 너비의 절반보다 작은 객체 중에서 면적의 픽셀수가 600 미만의 객체나 객체의 x좌표가 50 미만이 되는 객체를 잡음으로 판단하여 제거한다.
제안된 방법은 DICOM 초음파 영상에서 흉쇄유돌근 추출에 직접 필요 없는 부분을 제거한 후, ROI 영상을 추출하고, ROI 영상에 Ends-in Search Stretching을 적용하여 명암 대비를 증가시켜 근막과 근육 영역을 명확하게 한 후, 20이상의 명암도에 해당하는 픽셀을 대상으로 임계치를 구하여 ROI 영상을 이진화하였다. 이진화된 ROI 영상에 4 방향 윤곽선 추적 알고리즘을 적용하여 객체를 추출하고 잡음을 제거한 후, 잡음이 제거된 ROI 영상에서 흉쇄유돌근의 근막 위치 정보를 이용하여 근막을 추출하였다. 추출된 근막의 수에 따라서 두 가지 방법을 적용하여 흉쇄유돌근을 추출하였다.
추출된 근육의 두께는 식(2)를 이용하여 근육의 두께를 측정한다. 전처리 과정에서 제외시킨 눈금자의 한 칸이 나타내는 Cm를 픽셀로 나누어 픽셀 당 Cm를 계산하여 두께를 측정한다.
제안된 방법은 DICOM 초음파 영상에서 흉쇄유돌근 추출에 직접 필요 없는 부분을 제거한 후, ROI 영상을 추출하고, ROI 영상에 Ends-in Search Stretching을 적용하여 명암 대비를 증가시켜 근막과 근육 영역을 명확하게 한 후, 20이상의 명암도에 해당하는 픽셀을 대상으로 임계치를 구하여 ROI 영상을 이진화하였다. 이진화된 ROI 영상에 4 방향 윤곽선 추적 알고리즘을 적용하여 객체를 추출하고 잡음을 제거한 후, 잡음이 제거된 ROI 영상에서 흉쇄유돌근의 근막 위치 정보를 이용하여 근막을 추출하였다.
이진화된 ROI 영상에 4 방향 윤곽선 추적 알고리즘을 적용하여 객체를 추출하고 잡음을 제거한 후, 잡음이 제거된 ROI 영상에서 흉쇄유돌근의 근막 위치 정보를 이용하여 근막을 추출하였다. 추출된 근막의 수에 따라서 두 가지 방법을 적용하여 흉쇄유돌근을 추출하였다. 근막이 하나인 경우에는 위에서 아래로 흑화소 영역을 탐색하고, 우에서 좌로 흑화소 영역을 탐색하여 두 영역을 하나로 합쳐 최종 흉쇄유돌근을 추출하였으며, 근막이 두 개인 경우에는 근막 객체의 상단과 하단까지 영역을 추출한 후, 근막 영역을 제거하고 지방 부분을 복원하기 위해 스미어링 기법을 적용하여 흉쇄유돌근을 추출하였다.
추출된 근육의 두께를 측정하기 위해 추출된 근육 영역의 가장 두꺼운 부분을 근육의 두께로 설정하여 측정한다. 추출된 근육의 두께는 식(2)를 이용하여 근육의 두께를 측정한다.
대상 데이터
본 논문에서는 영상의 상단부에 위치한 흉쇄유돌근 영역을 추출하기 위해 제안된 방법을 Intel(R) Core (TM)2 Duo CPU와 2.00GB RAM이 장착된 IBM 호환 PC상에서 Visual Studio 2005로 구현하였으며, 실험을 위해 800× 600 크기의 DICOM 형식으로 저장된 Linear 초음파 동영상에서 추출한 영상 30장을 대상으로 실험하였다.
이론/모형
따라서 DICOM 영상을 획득한 후, 관심 영역인 ROI를 설정하고, 근육을 추출한다. ROI 영상에서 명암 대비를 증가시켜 근막과 근육의 경계를 명확히 하기 위하여 Ends-In Search Stretching[4]을 적용한다. 그림 3은 Ends-In Search Stretching 기법을 적용한 결과이다.
성능/효과
근막이 하나인 경우에는 위에서 아래로 흑화소 영역을 탐색하고, 우에서 좌로 흑화소 영역을 탐색하여 두 영역을 하나로 합쳐 최종 흉쇄유돌근을 추출하였으며, 근막이 두 개인 경우에는 근막 객체의 상단과 하단까지 영역을 추출한 후, 근막 영역을 제거하고 지방 부분을 복원하기 위해 스미어링 기법을 적용하여 흉쇄유돌근을 추출하였다. 제안된 흉쇄유돌근 추출 방법의 성능을 평가하기 위해 경추 DICOM 초음파 영상 30장을 적용하여 실험한 결과, 흉쇄유돌근을 추출하는데 효과적인 것을 확인하였다.
후속연구
향후 연구 과제는 이진화하는 과정에서 손실되는 일부 근육 영역을 복원하여 정확한 흉쇄유돌근을 추출할 수 있도록 개선할 것이고 제안된 흉쇄유돌근 측정 결과를 물리치료사의 측정 결과와 비교 분석할 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
초음파 검사란 무엇인가?
초음파 검사는 사람이 들을 수 없는 높은 대역의 음파를 이용하여 인체의 혈관 및 장기 형태를 확인하여 검사하는 방법으로 측정하는 전문의의 장비 조작 기술과 전문성에 따라 얻어지는 영상의 질과 결과가 달라지며, 영상을 육안으로 판단하기 때문에 측정자의 주관이 개입될 수 있어 오차가 발생할 수 있다[1, 2]. 하지만 촬영이 간편하고, 검사 시 환자가 편안하며, 인체에 해가 없다는 장점이 있으며 실제 움직이는 구조물을 볼 수 있기 때문에 진단에 많이 사용되고 있다.
초음파 검사의 장점은?
초음파 검사는 사람이 들을 수 없는 높은 대역의 음파를 이용하여 인체의 혈관 및 장기 형태를 확인하여 검사하는 방법으로 측정하는 전문의의 장비 조작 기술과 전문성에 따라 얻어지는 영상의 질과 결과가 달라지며, 영상을 육안으로 판단하기 때문에 측정자의 주관이 개입될 수 있어 오차가 발생할 수 있다[1, 2]. 하지만 촬영이 간편하고, 검사 시 환자가 편안하며, 인체에 해가 없다는 장점이 있으며 실제 움직이는 구조물을 볼 수 있기 때문에 진단에 많이 사용되고 있다. 그리고 최근에는 초음파 영상을 DICOM으로 PACS에 저장하여 영상을 보관하고 관리할 수 있게 됨으로써 효율적인 진단이 가능하다.
본 연구에서는 근막의 수에 따라 어떤 방법으로 흉쇄유돌근을 추출하였는가?
추출된 근막의 수에 따라서 두 가지 방법을 적용하여 흉쇄유돌근을 추출하였다. 근막이 하나인 경우에는 위에서 아래로 흑화소 영역을 탐색하고, 우에서 좌로 흑화소 영역을 탐색하여 두 영역을 하나로 합쳐 최종 흉쇄유돌근을 추출하였으며, 근막이 두 개인 경우에는 근막 객체의 상단과 하단까지 영역을 추출한 후, 근막 영역을 제거하고 지방 부분을 복원하기 위해 스미어링 기법을 적용하여 흉쇄유돌근을 추출하였다. 제안된 흉쇄유돌근 추출 방법의 성능을 평가하기 위해 경추 DICOM 초음파 영상 30장을 적용하여 실험한 결과, 흉쇄유돌근을 추출하는데 효과적인 것을 확인하였다.
참고문헌 (6)
F. W Kremkau, Diagnostic Ultrasound: Principles and Instruments, Philadelphia, PA : Saunders, 2002.
M. T. Van Holsbeda, J. H. Introcas, Musculoskeletal Ultrasound, Philadelphia, PA : Mosby Press, 2001.
M. R. Fabianna Jesus, P. H. Ferreira, M. L. Ferreira, "Ultrasonographic Measurement of Neck Muscle Recruitment: A Preliminary Investigation," The Journal of Manual & Manipulative Therapy, Vol. 16, No.2, pp.89-92, 2009.
김광백, "근막 정보룰 이용한 초음파 영상에서의 근육 영역 추출," 멀티미디어학회논문지, 11권, 9호, pp,1206-1301, 2008.
K. B. Kim, S. Kim, "Recognition of English Calling Card by Using Multiresolution Images and Enhanced ART1-based RBF Neural Networks," Lecture Notes in Computer Science, LNCS 3972, Springer, pp.299-305, 2006.
K. B. Kim, K. B. Sim, S. H. Ahn, "Recognition of Concrete Surface Cracks using The ART1-based RBF Network.," Lecture Notes in Computer Science, LNCS 3972, Springer, pp.669-675, 2006.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.