[국내논문]설태의 자외선 형광 반응을 이용한 설태 영역 추출 Coated Tongue Region Extraction using the Fluorescence Response of the Tongue Coating by Ultraviolet Light Source원문보기
본 논문에서는 한방 의료의 설진에서 진단 지표로 활용될 수 있는 효과적인 설태 영역 추출 방법을 제안한다. 제안한 방법은 설태의 자외선 광원에 의한 형광 반응 특성을 이용하여 기존의 설태 추출 방법의 단점으로 지적되었던 진료 환경의 제약성 및 진료 결과의 객관성 부족에 대한 문제점을 해결할 수 있다. 처리 과정으로는 자외선 광원을 사용하여 설진 영상을 획득하고, 설질(Tongue body)과 설태(Tongue coating) 영역의 색차 크기에 상응하는 히스토그램(Histogram) 상의 골-포인트(Valley-points)를 임계 처리하여 이진화(Binarization)를 수행한다. 최종적으로 설진을 위하여 한의사에게 제공되는 진단 영상은 이진 영상에 케니-에지(Canny-Edge) 알고리즘을 사용하여 설태 윤곽 정보를 추출한 후에 환자의 원 혀 영상에 부과하여 제시한다. 제안한 방법의 성능 평가를 위해서는 다양한 혀 영상을 수집하고, 한의사가 수작업으로 설정한 설태 영역을 참영상(True image)으로 하여 제안한 방법으로 추출한 설태 영역과 비교하였다. 그 결과 제안한 방법은 87.87%의 추출률을 나타냈으며, 추출된 설태 영역의 형태 유사도도 높게 나타났다.
본 논문에서는 한방 의료의 설진에서 진단 지표로 활용될 수 있는 효과적인 설태 영역 추출 방법을 제안한다. 제안한 방법은 설태의 자외선 광원에 의한 형광 반응 특성을 이용하여 기존의 설태 추출 방법의 단점으로 지적되었던 진료 환경의 제약성 및 진료 결과의 객관성 부족에 대한 문제점을 해결할 수 있다. 처리 과정으로는 자외선 광원을 사용하여 설진 영상을 획득하고, 설질(Tongue body)과 설태(Tongue coating) 영역의 색차 크기에 상응하는 히스토그램(Histogram) 상의 골-포인트(Valley-points)를 임계 처리하여 이진화(Binarization)를 수행한다. 최종적으로 설진을 위하여 한의사에게 제공되는 진단 영상은 이진 영상에 케니-에지(Canny-Edge) 알고리즘을 사용하여 설태 윤곽 정보를 추출한 후에 환자의 원 혀 영상에 부과하여 제시한다. 제안한 방법의 성능 평가를 위해서는 다양한 혀 영상을 수집하고, 한의사가 수작업으로 설정한 설태 영역을 참영상(True image)으로 하여 제안한 방법으로 추출한 설태 영역과 비교하였다. 그 결과 제안한 방법은 87.87%의 추출률을 나타냈으며, 추출된 설태 영역의 형태 유사도도 높게 나타났다.
An effective extraction method for extracting a coated tongue is proposed in this paper, which is used as the diagnostic criteria in the tongue diagnosis. Proposed method uses the fluorescence response characteristics of the coated tongue that is occurred by using the ultraviolet light. Specially, t...
An effective extraction method for extracting a coated tongue is proposed in this paper, which is used as the diagnostic criteria in the tongue diagnosis. Proposed method uses the fluorescence response characteristics of the coated tongue that is occurred by using the ultraviolet light. Specially, this method can solved the previous problems including the issue in the limits of the diagnosis environment and in the objectivity of the diagnosis results. In our method, original tongue image is acquired by using the ultraviolet light, and binarization is performed by thresholding a valley-points in the histogram that corresponds to the color difference of tongue body and tongue coating. Final view image is presented to the oriental doctor, after applying the canny-edge algorithm to the binary image, and edge image is added to the original image. In order to evaluate the performance of the our proposed method, after building a various tongue image, we compared the true region of coated tongue by the oriental doctor's hand with the extracted region by the our method. As a result, the proposed method showed the average 87.87% extraction ratio. The shape of the extracted coated tongue region showed also significantly higher similarity.
An effective extraction method for extracting a coated tongue is proposed in this paper, which is used as the diagnostic criteria in the tongue diagnosis. Proposed method uses the fluorescence response characteristics of the coated tongue that is occurred by using the ultraviolet light. Specially, this method can solved the previous problems including the issue in the limits of the diagnosis environment and in the objectivity of the diagnosis results. In our method, original tongue image is acquired by using the ultraviolet light, and binarization is performed by thresholding a valley-points in the histogram that corresponds to the color difference of tongue body and tongue coating. Final view image is presented to the oriental doctor, after applying the canny-edge algorithm to the binary image, and edge image is added to the original image. In order to evaluate the performance of the our proposed method, after building a various tongue image, we compared the true region of coated tongue by the oriental doctor's hand with the extracted region by the our method. As a result, the proposed method showed the average 87.87% extraction ratio. The shape of the extracted coated tongue region showed also significantly higher similarity.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서 기존 설진기에서 제시되었던 검사 환경의 한계성과 진단 결과의 객관성 확보의 문제점을 효과적으로 해결할 수 있는 새로운 설태 영역 추출 방법을 제안한다. 제안한 방법은 설태를 구성하는 성분의 자외선에 대한 형광 반응 특징을 이용하여 설질과 설태의 색차가 큰 혀 영상을 획득하여 설태 영역 추출에 이용한다.
프로세스는 진찰하는 환자의 상태에 따라서 자동 임계값 설정 방법으로는 진료 환자의 상태를 충분히 분석하기 위한 설태 영역의 추출이 불가능하거나, 실제 설진에서 진단학적 의미를 가지는 설태 영역을 한의사의 필요에 따라 세밀하게 조절해야 할 때 수행된다. 이때, P2 프로세스는 P1 프로세스의 선행 조건을 만족해야 하며, 한의사가 환자를 진찰 때 직접적으로 도움이 되는 정보를 추출하기 위해 자동 방법과 병행하여 이용할 수 있게 하는 것이 목적이다.
이상 언급한 설태의 자외선 형광 반응에 대한 각종 연구는 본 논문에서 설태 추출을 위한 매우 중요한 단서를 제공한다.
제안 방법
3파장 혀 영상 획득 장치는 적외선(IR: InfraRed), 자외선(UV: UltraViolet), 가시광선(VR: Visible Ray)에 상응하는 파장의 범위를 가지는 LED 광원을 혀에 조사하여 촬영한다.
촬영 장치에 설치된 LED는 그림 2와 같이 카메라 주변에 원형으로 안쪽 원으로부터 자외선, 적외선, 가시광선 순으로 배치되어 있으며, 필요에 따라 확산판을 부착하거나 떼어낼 수 있다. 그리고 각 파장에 상응하는 광원이 조사된 혀를 디지털 비전 카메라로 촬영하여 설진 영상을 획득한다.
따라서 본 논문에서 이진화 임계값 T을 설정하기 위하여 히스토그램 분석에 사용하는 방법은 그림 4의 P1 프로세스에 해당하는 Otus 이진화 알고리즘에 따른 자동 임계값 설정과 P2 프로세스와 같은 한의사의 경험에 따라 영상과의 상호 작용에 의해서 임계값 T을 수작업으로 조절하는 수동 임계값 설정을 사용한다.
본 논문에서 적용하는 케니-에지 알고리즘은 잡음 제거를 위한 가우시안(Gaussian) 필터에 의한 블러링(Blurring) 처리, 초기 윤곽 추출을 위한 소벨(Sobel) 연산자에 의한 경사강도 및 경사각 추출, 국소적 윤곽(Local edge) 추출을 위한 비-최대 제거(Non-maximum suppression), 이중 임계값(Double thresholding)에 의한 잠재적 2차 에지 추출, 강 에지(Strong edge) 성분에 연결되어 있지 않은 약 에지(Weak edge) 성분의 제거, 그리고 최종적인 BLOB-분석(Binary Large OBject)에 의한 에지 추적의 단계를 거친다[9].
실험 과정은 우리가 개발한 3파장 혀 영상 촬영기를 이용하여 가시광선과 자외선의 두 가지 영상을 촬영하고, 자외선 영상의 성능을 검증하기 위해서 가시광선의 혀 영상은 한의사에게 제시하여 영상 편집 도구에 의한 참 영상을 생성하도록 하였다. 이때 사용되는 자외선 광원은 UV-A급으로 360~370nm의 파장 범위를 가지며, 가시광선 광원은 백색광이다.
본 논문에서 기존 설진기에서 제시되었던 검사 환경의 한계성과 진단 결과의 객관성 확보의 문제점을 효과적으로 해결할 수 있는 새로운 설태 영역 추출 방법을 제안한다. 제안한 방법은 설태를 구성하는 성분의 자외선에 대한 형광 반응 특징을 이용하여 설질과 설태의 색차가 큰 혀 영상을 획득하여 설태 영역 추출에 이용한다.
대상 데이터
본 논문에서 설태 영역 추출에 사용될 영상은 자외선 광원을 조사하여 획득한 RGB 컬러 모델의 영상으로부터 단일 채널로 분리된 3가지 채널 중 녹색 채널 영상을 사용한다. 이것은 설태와 설질의 색상차가 큰 영상 획득을 목적으로 우리가 이전에 연구했던 방법[6,][7]에 따라서 다양한 광원과 컬러모델을 설진 영상에 적용하여 각 영상의 히스토그램 분석한 결과이다.
데이터처리
제안한 자외선 응답 특성을 이용한 설태 영역 추출 방법은 MathWork 社의 MATLAB 2010b에서 Image Processing ToolBox를 이용하여 모든 처리 과정을 구현하여 생성한 설태 영역 검출 영상과 영상 편집 도구인 Corel의 PaintShopPro X12를 사용하여 한의사가 수작업으로 설태 영역으로 표시한 참영상(True image)을 비교함으로써 실제 추출 성능을 검증하였다.
이론/모형
설진에서 설태의 분포 및 형상 정보를 나타내기 위한 설태의 윤곽 추출은 분명한 설태 영역의 경계 추출을 목적으로 설태 영역은 흰색으로 설질 영역은 검은색으로 표현되는 이진 영상 IB(⋅)을 입력으로 케니-에지 검출(Canny-edge detection) 방법[9]을 적용한다.
성능/효과
채널 분리된 영상으로부터 영상의 히스토그램 분석 방법에 의해서 형광 특성이 가장 가시적으로 잘 나타나는 영상이 설태 추출을 위해서 선정된다. 각 분리된 채널 영상의 히스토그램을 분석한 결과, 일반적으로 가장 설태 영역의 형광 반응이 강하게 나타나는 녹색 채널을 설태 영역을 추출하기 영상으로 판단하며, 실제 육안으로도 다른 채널 영상에 비해 설태 영역이 뚜렷이 나타남을 보인다.
본 논문에서 제안한 설태 영역 추출 방법은 기존의 설진 방법에서 검사 환경의 편의성 및 제한성과 객관성의 부족 문제를 효과적으로 해결할 수 있다. 그리고 자외선으로 인한 설태의 형광 반응에 따라 설태 영역을 추출하기 때문에 구강 내부에 존재하는 침 또는 음식물과 같은 이물질에 따른 영향이 적으며, 가시광선 광원에서 문제시 되었던 광원의 위치나 광량, 각도에 따은 밝기 분포의 불균형을 해결할 수 있다.
는 각각 가시광선과 자외선 광원을 이용한 설태 추출 결과 영상에서 설태로 분류된 화소의 총 개수를 의미한다. 실험 결과 무작위로 선택된 10개의 표본 혀 영상 그룹에 대하여 표 1과 같이 평균 87.87%의 추출률을 보였다.
특히 제안한 방법은 자외선 광원만 이용하기 때문에 기존의 가시광선 광원을 사용할 시 나타나는 광원의 위치와 각도에 따라 변하는 불균형적인 밝기 분포 문제, 구강 내 이물질로 인한 설태 영역의 추출률의 감소, 그리고 실제 추출된 설태 정보의 진단 지표로서의 활용하기 위한 객관성 부족 등의 문제점을 해결할 수 있다.
후속연구
그러나 혀 영상 촬영 시 차폐나 3파장 영상 조합에 의해서 문제점을 개선한다면 제안한 설태 영역 추출 방법은 실제 한의사의 진료에 적극 활용할 수 있는 시각적인 설진 정보를 제공하는 새로운 컴퓨터 진단 보조 시스템으로 활용 가치가 클 것으로 기대된다.
질의응답
핵심어
질문
논문에서 추출한 답변
한의학에서 설진이란?
한의학에서 설진은 눈으로 환자의 상태를 살펴보는 망진의 하나로서 혀의 상태를 진단하는 방법이다. 혀는 혈관과 신경이 풍부하여 인체 내 다른 여러 기관과 관련된 생리 기능을 가지고 있어, 체내 기혈 성쇠와 심, 비, 위 등의 내장의 변화를 반영하는 분명한 지표로 여겨진다.
설태가 설진에서 중요한 진단 요소로 이용되는 이유는?
혀는 혈관과 신경이 풍부하여 인체 내 다른 여러 기관과 관련된 생리 기능을 가지고 있어, 체내 기혈 성쇠와 심, 비, 위 등의 내장의 변화를 반영하는 분명한 지표로 여겨진다. 특히, 혓바닥에 이끼처럼 덮힌 물질인 설태는 그 색과 습윤도, 형태, 범위를 통해 사기의 설질과 침입한 부위, 진액이 있고 없는 것을 가려볼 수 있다고 하여 설진에 중요한 진단 요소로 이용되고 있다[1].
본 논문에서 적용하는 케니-에지 검출 알고리즘은 어떤 단계를 거치는가?
본 논문에서 적용하는 케니-에지 알고리즘은 잡음 제거를 위한 가우시안(Gaussian) 필터에 의한 블러링(Blurring) 처리, 초기 윤곽 추출을 위한 소벨(Sobel) 연산자에 의한 경사강도 및 경사각 추출, 국소적 윤곽(Local edge) 추출을 위한 비-최대 제거(Non-maximum suppression), 이중 임계값(Double thresholding)에 의한 잠재적 2차 에지 추출, 강 에지(Strong edge) 성분에 연결되어 있지 않은 약 에지(Weak edge) 성분의 제거, 그리고 최종적인 BLOB-분석(Binary Large OBject)에 의한 에지 추적의 단계를 거친다[9].
참고문헌 (11)
Keunho Kim, Hyunhee Ryu, Jongyeol Kim, "Basic Research for the Recognition Algorithm of Tongue Castings for implementing a Digital Automatic Diagnosis System", Korean J. Oriental Physiology & Pathology Vol.23(1), pp.97-103, 2009.
Pang B. Zhang D. Li N, Wang K, "Computerized tongue diagnosis based on Bayesian networks" IEEE Transactions on Biomedical Engineering, 51(10):1803-1810, 2004.
Changyur Choi, and Woobeom Lee, "Coated Tongue Region Detection using the 3-wavelength Tongue Images", Proceedings of the Institute of Signal Processing and Systems Summer Conference, Vol.12(1), pp. 91-94, 2011.
Changyur Choi, Woobeom Lee, etc., "Optimal Tongue Image Analysis for recognizing a Coated Tongue in the Tongue Diagnosis", Proceedings of the 2011 Spring KoCon Conference, Vol.9(1), pp. 533-534, 2011.
Changyur Choi, Woobeom Lee, etc., "Coated Tongue Detection from Tongue Image using Ultraviolet Light Source", Proceedings of the IWIT2011 Spring Conference, Vol.9(1), pp. 21-22, 2011.
N. Otsu. "A Threshold Selection Method from Gray-Level Histograms", IEEE Transactions on Systems, Man, and Cybernetics Vol.9(1), pp. 62-66, 1979.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.