컴퓨터보조진단을 이용한 유방 초음파영상에서의 미세석회화 검출 효율 Detection Efficiency of Microcalcification using Computer Aided Diagnosis in the Breast Ultrasonography Images원문보기
유방영상은 유방 전체의 재현 가능한 영상을 만들며, 만져지지 않는 조기 유방암의 가장 중요한 소견인 미세석회화와 종괴를 발견할 수 있어 유방 질환의 일차적인 선별검사로 이용되고 있다. 유방 병변의 미세석회화는 조기 유방암의 진단에 있어서 중요한 병변으로 보고되고 있지만 유방초음파 검사에서 검출이 어렵다. 본 연구에서는 유방초음파 영상에서 미세석회화 검출을 위해 6가지의 질감분석파라미터를 이용하였으며, 정상 초음파영상과 미세석회화가 보이는 초음파 영상 간의 병변인식률을 알아보았다. 실험결과로는 유방촬영영상과 유방 초음파영상에서 병변을 구별하는 컴퓨터자동진단 인식률은 70~98%로 상당히 높은 결과를 나타내었다. ROC 분석에서도 평균대조도와 엔트로피 파라미터의 특이도는 다소 낮게 나타났으나, 나머지 4개 파라미터의 민감도와 특이도는 90% 이상을 나타내어 초음파영상에서 미세석회화 검출의 가능성을 보였다. 향후 6가지 질감분석 알고리즘들 외에 추가적인 파라미터 알고리즘의 연구가 계속 진행되어 컴퓨터자동진단의 실용화기반을 마련한다면 전문의 진단의 예비단계로서 더욱 중요한 의미를 가질 것이며, 유방암의 조기진단에 매우 유용할 것으로 사료된다.
유방영상은 유방 전체의 재현 가능한 영상을 만들며, 만져지지 않는 조기 유방암의 가장 중요한 소견인 미세석회화와 종괴를 발견할 수 있어 유방 질환의 일차적인 선별검사로 이용되고 있다. 유방 병변의 미세석회화는 조기 유방암의 진단에 있어서 중요한 병변으로 보고되고 있지만 유방초음파 검사에서 검출이 어렵다. 본 연구에서는 유방초음파 영상에서 미세석회화 검출을 위해 6가지의 질감분석 파라미터를 이용하였으며, 정상 초음파영상과 미세석회화가 보이는 초음파 영상 간의 병변인식률을 알아보았다. 실험결과로는 유방촬영영상과 유방 초음파영상에서 병변을 구별하는 컴퓨터자동진단 인식률은 70~98%로 상당히 높은 결과를 나타내었다. ROC 분석에서도 평균대조도와 엔트로피 파라미터의 특이도는 다소 낮게 나타났으나, 나머지 4개 파라미터의 민감도와 특이도는 90% 이상을 나타내어 초음파영상에서 미세석회화 검출의 가능성을 보였다. 향후 6가지 질감분석 알고리즘들 외에 추가적인 파라미터 알고리즘의 연구가 계속 진행되어 컴퓨터자동진단의 실용화기반을 마련한다면 전문의 진단의 예비단계로서 더욱 중요한 의미를 가질 것이며, 유방암의 조기진단에 매우 유용할 것으로 사료된다.
Digital Mammography makes it possible to reproduce the entire breast image. And it is used to detect microcalcification and mass which are the most important point of view of nonpalpable early breast cancer, so it has been used as the primary screening test of breast disease. It is reported that mic...
Digital Mammography makes it possible to reproduce the entire breast image. And it is used to detect microcalcification and mass which are the most important point of view of nonpalpable early breast cancer, so it has been used as the primary screening test of breast disease. It is reported that microcalcification of breast lesion is important in diagnosis of early breast cancer. In this study, six types of texture features algorithms are used to detect microcalcification on breast US images and the study has analyzed recognition rate of lesion between normal US images and other US images which microcalification is seen. As a result of the experiment, Computer aided diagnosis recognition rate that distinguishes mammography and breast US disease was considerably high 70~98%. The average contrast and entropy parameters were low in ROC analysis, but sensitivity and specificity of four types parameters were over 90%. Therefore it is possible to detect microcalcification on US images. If not only six types of texture features algorithms but also the research of additional parameter algorithm is being continually proceeded and basis of practical use on CAD is being prepared, it can be a important meaning as pre-reading. Also, it is considered very useful things for early diagnosis of breast cancer.
Digital Mammography makes it possible to reproduce the entire breast image. And it is used to detect microcalcification and mass which are the most important point of view of nonpalpable early breast cancer, so it has been used as the primary screening test of breast disease. It is reported that microcalcification of breast lesion is important in diagnosis of early breast cancer. In this study, six types of texture features algorithms are used to detect microcalcification on breast US images and the study has analyzed recognition rate of lesion between normal US images and other US images which microcalification is seen. As a result of the experiment, Computer aided diagnosis recognition rate that distinguishes mammography and breast US disease was considerably high 70~98%. The average contrast and entropy parameters were low in ROC analysis, but sensitivity and specificity of four types parameters were over 90%. Therefore it is possible to detect microcalcification on US images. If not only six types of texture features algorithms but also the research of additional parameter algorithm is being continually proceeded and basis of practical use on CAD is being prepared, it can be a important meaning as pre-reading. Also, it is considered very useful things for early diagnosis of breast cancer.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구는 유방초음파에서 컴퓨터보조진단을 이용한 미세석회화 검출의 알고리즘 연구와 질병의 진단에서 예비 단계의 적용성을 알아보고자 하였으며, 유방을 전문 과목으로 하는 영상의학과 전문의의 판독을 토대로 후향적인 방법으로 실험하였다.
본 연구의 목적은 컴퓨터자동진단을 이용해 유방의 미세석회화를 검출하기 위한 것으로, 유방초음파검사에서 검출이 어려운 미세석회화의 검출이 가능해지면 가임여성을 대상으로 초음파를 이용한 일차적인 선별검사가 가능할 뿐 아니라, 초음파 유도 하 조직 검사 등 미세석회화 병변에 대해서 경피적 생검(biopsy)의 영역을 넓힐 수 있고4), 수술 전·후 관리가 보다 효율적으로 이루어 질 것이다.
제안 방법
질감분석을 위해서 자주 사용되는 방법은 밝기 히스토그램에 대한 통계적 속성에 기반한다. 6가지 파라미터는 영역의 밝기 히스토그램에 기초한 질감 묘사자들로 평균밝기(average gray level), 평균대조도(average contrast), 평탄도(measure of smoothness), 3차 적률(third moment), 균일성(measure of uniformity), 엔트로피(entropy) 질감분석 파라미터를 사용하였다16~18)(Table 1).
USA)을 이용하여 정상 초음파영상과 미세석회화 보이는 초음파 영상 간의 병변인식률을 알아보았다. 실험은 유방초음파 검사를 담당하는 영상의학과 전문의의 판독을 토대로 유방촬영에서 정상으로 진단되고 유방초음파 영상에서도 정상으로 보이는 50증례, 유방촬영에서 미세석회화를 보이고, 유방초음파 영상에서도 미세석회화를 보이는 50증례, 유방촬영 영상에서는 미세석회화를 보이지만 유방초음파 영상에서는 미세석회화가 보이지 않는 50증례 대하여 6가지 파라미터에 대한 수치를 산출하였고, 질감(texture)의 내용(features)을 수량화하는 통계적인 방법을 이용하여 영상의 병변인식 결과를 분석하였다.
대상 데이터
2008년 9월부터 2010년 9월까지 유방촬영술과 초음파 검사를 시행한 환자 200명을 대상으로 하였으며, 영상의학과 전문의의 판독을 토대로 실험영상을 선택하였다.
Adobe Photo Shop-CS3(Adobe System Inc. USA)를 이용해 600×200 픽셀의 크기로 bmp 파일의 실험 영상을 획득 하였다(Fig. 1).
이는 실험영상의 단면 전체를 포함하지 않아서 미세석회화가 보이는 부분의 전체를 절단할 수 없고, 유방초음파에서 고에코로 보이는 유선층(mammary layer), 쿠퍼인대(cooper's ligament), 유관(mammary duct) 등이 절단된 부위에 포함이 되면 미세석회화와의 에코차이가 거의 없어 인식률이 떨어진 것으로 판단되며, 정상조직을 절단할 때에도 지방층과 유선층 중 어느 부분을 선택부위로 할 것인가 또한 질병 인식률 변화의 원인으로 판단된다. 따라서 질병 진단률의 정확도를 높이기 위해서 본 연구에서는 유방조직 전체가 거의 포함이 되도록 하여 600x200 영상을 부영상(sub-image)으로 실험 영상에 이용하였다.
실험에 사용된 유방초음파영상은 iU-22(Philips. USA) 초음파 장비로 획득한 영상으로 dcm 파일 형식을 bmp 파일 형식으로 변환하여 이용하였다. Adobe Photo Shop-CS3(Adobe System Inc.
데이터처리
즉 ROC 분석의 질병의 진단은 올바르게 진단을 하는 경우(true positive)와 그렇지 못한 경우(false positive)의 연관관계를 다양하게 표현하는 방법이라고 할 수 있겠다24). 본 실험에서의 ROC 분석은 SPSS Statistics 19.0(IBM. USA)을 이용하여 6가지 파리미터의 민감도와 특이도를 알아보았다.
분석과정은 Matlab R2007a(MathWorks Inc. USA)을 이용하여 정상 초음파영상과 미세석회화 보이는 초음파 영상 간의 병변인식률을 알아보았다. 실험은 유방초음파 검사를 담당하는 영상의학과 전문의의 판독을 토대로 유방촬영에서 정상으로 진단되고 유방초음파 영상에서도 정상으로 보이는 50증례, 유방촬영에서 미세석회화를 보이고, 유방초음파 영상에서도 미세석회화를 보이는 50증례, 유방촬영 영상에서는 미세석회화를 보이지만 유방초음파 영상에서는 미세석회화가 보이지 않는 50증례 대하여 6가지 파라미터에 대한 수치를 산출하였고, 질감(texture)의 내용(features)을 수량화하는 통계적인 방법을 이용하여 영상의 병변인식 결과를 분석하였다.
성능/효과
1659으로 나타났다. 3차 적률 분석 결과는 50증례 중 48증례를 인식하여 질환인식률이 96%로 나타났다.
6가지의 파라미터 알고리즘을 사용한 실험결과에서 유방초음파영상의 미세석회화 질환을 구별하는 자동인식률은 70∼98%로 상당히 높은 결과를 나타냈으나, 예비실험에서 정상과 비정상 인식률 실험과 다른 실험의 결과는 6∼54%, 2∼32%로 인식률이 낮은 결과를 얻었다.
그리고 민감도(Sensitivity)는 질병이 존재할 때 검사방법이 양성으로 나타나는 확률로서 TPR(True Positive Rate)이며, 특이도(Specificity)는 질병이 없을 때 검사방법이 음성으로 나올 확률로서 TNR(True Negative Rate)로 정의한다. AGL 파라미터는 특이도 66.7%, EN 파라미터는 특이도 25.0%로 다소 낮게 나타났으며, 나머지 4개 파라미터는 민감도 및 특이도가 90% 이상을 나타내었다(Table 5)(Fig. 8, 9, 10).
ROC 곡선의 결과로서, 곡선아래 영역(AUC)은 6가지 알고리즘 중에서 EN 파라미터가 0.5 미만으로 나타났다. 표준오차(Standard error)와 95% 유의확률(Asymptotic sig.
1473으로 나타났다. 균일도 분석 결과는 50증례 중 36증례를 인식하여 질환 인식률이 76%로 나타났다.
0057으로 나타났다. 균일도 분석 결과는 50증례 중 39증례를 인식하여 질환 인식률이 78%로 나타났다.
그리고 50×50 픽셀 실험 영상의 미세석회화 인식에 대한 실험결과의 인식률은 거의 10∼20% 정도로 낮게 나타났다.
본 실험 결과는 임상에서 초음파 진단을 위한 CAD(Computer Aided Diagnosis)의 응용이 가능한 결과로 초음파영상의 실질적인 병변 인식률을 나타낸다. 유방촬영에서 미세석회화가 보이지만 초음파는 정상인 영상과 미세석회화 영상에 대한 평균밝기(average gray level), 평균대조도(average contrast), 평탄도(measure of smoothness), 3차 적률(third moment), 균일성(measure of uniformity), 엔트로피(entropy) 파라미터 알고리즘을 사용한 결과는 다음과 같다.
실험결과로는 유방촬영 영상에서 미세석회화가 보이지만 초음파에서는 정상으로 보이는 영상(Mcal; Calcification is found in mammography, but not in sonography)을 학습영상으로 하고 초음파 영상에서 미세석회화를 보이는 영상(Cal; Calcification image)을 테스트 영상으로 질감분석 파라미터를 이용한 초음파 영상의 질환 인식률은 70~98%로 높게 나타났다(Table 4).
유방촬영에서 미세석회화가 보이지만 초음파는 정상인 영상의 균일성 수치는 최대값 0.0354, 최소값 0.0072으로 나타났으며, 미세석회화 영상의 균일성 수치는 최대값 0.0166, 최소값 0.0057으로 나타났다. 균일도 분석 결과는 50증례 중 39증례를 인식하여 질환 인식률이 78%로 나타났다.
유방촬영에서 미세석회화가 보이지만 초음파는 정상인 영상의 엔트로피 수치는 최대값 7.2507, 최소값 6.2852으로 나타났으며, 미세석회화 영상의 균일도 수치는 최대값 7.4876, 최소값 6.1473으로 나타났다. 균일도 분석 결과는 50증례 중 36증례를 인식하여 질환 인식률이 76%로 나타났다.
유방촬영에서 미세석회화가 보이지만 초음파는 정상인 영상의 평균대조도 수치는 최대값 73.9468, 최소값 73.3119으로 나타났으며, 미세석회화 영상의 평균밝기 수치는 최대값 73.8866, 최소값 72.1512으로 나타났다. 평균대조도 분석 결과는 50증례 중 47증례를 인식하여 질환인식률이 94%로 나타났다.
2). 유방촬영에서 미세석회화가 보이지만 초음파는 정상인 영상의 평균밝기 수치는 최대값 129.77, 최소값 128.8372으로 나타났으며, 미세석회화 영상의 평균밝기 수치는 최대값 130.1637, 최소값 128.6657으로 나타났다. 평균밝기 분석 결과는 50증례 중 35증례를 인식하여 질환 인식률이 70%로 나타났다.
유방촬영에서 미세석회화가 보이지만 초음파는 정상인 영상의 평탄도 수치는 최대값 0.0776, 최소값 0.0763으로 나타났으며, 미세석회화 영상의 평탄도 수치는 최대값 0.0775, 최소값 0.0741으로 나타났다. 평탄도 분석 결과는 50증례 중 49증례를 인식하여 질환 인식률이 98%로 나타났다.
1512으로 나타났다. 평균대조도 분석 결과는 50증례 중 47증례를 인식하여 질환인식률이 94%로 나타났다.
6657으로 나타났다. 평균밝기 분석 결과는 50증례 중 35증례를 인식하여 질환 인식률이 70%로 나타났다.
0741으로 나타났다. 평탄도 분석 결과는 50증례 중 49증례를 인식하여 질환 인식률이 98%로 나타났다.
5 미만으로 나타났다. 표준오차(Standard error)와 95% 유의확률(Asymptotic sig.)의 결과는 AGL과 MS 파라미터를 제외하고 0.05 미만으로 통계적으로 의미가 있는 값을 나타내었다.
후속연구
유방촬영 영상에서는 이미지체커(image checker)등의 컴퓨터자동진단시스템 관련 프로그램의 연구 및 개발이 활성화 되어있으나, 유방 초음파영상에서의 컴퓨터자동진단시스템은 다소 연구가 미흡하며 관련 논문도 부족하다. 따라서 본 연구결과는 초음파영상에서의 자동진단시스템 개발을 위한 프로토타입(prototype)의 적용성을 제안하며, 관련 연구 활성화의 선행연구 자료로서의 가치가 있는 것으로 사료된다.
, 수술 전·후 관리가 보다 효율적으로 이루어 질 것이다. 또한 전문의의 임상적인 경험을 바탕으로 컴퓨터 내에서 다차원적인 영상처리와 영상인식 기술을 이용한 전문가적인 수준에 이르는 영상 진단기능을 접목하여 진단을 시행한다면 진단 오류의 감소와 조기진단에 있어서 큰 효율을 나타낼 것으로 사료되어진다.
또한, 영상의학과 전문의의 풍부한 임상 경험과 컴퓨터자동진단 분야의 다양한 영상인식 기술을 접목하게 된다면 유방 영상에서 진단적 오류를 최소화하고 유방암의 조기진단에 큰 효율을 나타낼 것으로 판단된다.
실험결과에서 본 연구의 제한사항으로는 양성 석회화의 실험 증례가 희박하여 악성, 양성을 구별한 증례를 바탕으로 실험을 실시하지 못하였다. 악성 질병의 미세석회화가 종괴나 저에코의 배경을 자주 동반하는 것으로 질병 특성이 여러 문헌에 보고되고 있다.
앞으로 다양한 알고리즘의 연구와 정량적인 분석을 통하여 유방의 질병 인식률을 개선한다면, 유방초음파 검사의 여러 장점으로서 방사선 조사의 위험성과 검사로 인한 불편함이 없으며, 30세 미만의 젊은 여성 특히, 임신 또는 수유중인 여성에서 본 논문의 컴퓨터보조진단 연구가 일차적 질병 선별 검사방법으로 적용이 가능할 것이며, 초음파 유도 하 중재적 시술로 경피적 생검의 영역 확대, 수술 전의 범위 파악, 수술 후 추적검사 등에 효율적인 적용이 가능하리라 사료된다.
질의응답
핵심어
질문
논문에서 추출한 답변
유방검진 나이와 권장하는 주기는?
우리나라의 유방암 환자 수가 증가하면서 유방검진에 대한 국민의 관심이 점차 높아지고 있다. 국가 5대 암 검진 사업에서는 40세 이상의 여성에게 2년에 한 번씩 유방촬영술과 유방임상진찰을 받을 것을 권장하고 있다1).
유방 진단학의 최대 과제는?
영상의학 분야에서 유방 진단학의 최대 과제는 유방 질환 특히 유방암을 조기에 발견, 진단하면서도 과도한 추적검사나 불필요한 조직검사를 최소화 하는 것이다. 유방암을 놓치거나 양성으로 오진하여 발생할 수 있는 진단적 오류를 최소화하기 위해서는 체계적인 진료시스템을 갖추는 것이 중요하다.
유방 질환의 기본 진단방법은?
유방암을 놓치거나 양성으로 오진하여 발생할 수 있는 진단적 오류를 최소화하기 위해서는 체계적인 진료시스템을 갖추는 것이 중요하다. 문진(medical examination by interview), 시진(Inspection), 유방촬영술, 유방초음파(breast sonography), 바늘생검(needle biopsy) 등이 유방 질환의 기본 진단방법으로 사용되고 있다. 이 진단방법들에는 각각 장점과 제한점이 있으므로 한 가지 방법에만 의존하지 말고 상호보완해서 진단해야 한다.
Chen DR, Chang RF, Huang YL : Breast cancer diagnosis using self-organizing map for sonography, Ultrasound in Medicine & Biology, 405-411, 2000
Chen DR, Chang RF, Huang YL, Chou YH, Tiu CM, Tsai PP : Texture analysis of breast tumors on sonograms, Seminars in Ultrasound CT and MRI, 21, 308-316, 2000
Chen DR, Chang RF, Kou WJ, Chen MC, Huang YL : Diagnosis of breast tumors with sonographic texture analysis using wavelet transform and neural networks, Ultrasound in Medicine & Biology, 1301-1310, 2002
Chen DR, Huang YL, Lin SH, : Computer-aided diagnosis with textual features for breast lesions in sonograms, Computerized Medical Imaging and Graphics, 35, 220-226, 2011
I. Christoyianni, A. Koutras, E. Dermatas, and G. Kokkinakis : Computer aided diagnosis of breast cancer on digital in digitized mammograms, Computerized Medical Imaging and Graphics 26, 311-314, 2006
유현중, 김태우 : Matlab을 이용한 디지털 영상처리, 아이티씨, 465-520, 2004
R. C. Gonzalez, R. E. Woods : Digital Image Processin 2nd Edition, Pearson Education, 2002
R. M. Haralick, K. Shanmugam, It'hak Dinstein : Texture Feature for Image Classification, IEEE Transaction on system, Man, and Cybermetics, SMC-3(6), 610-621, 1973
American College of Radiology. Breast imaging reporting and data system-Ultrasound(BI-RADS), 4th, ed. Reston, Va: American College of Radiology, 1-8, 2003
윤은숙 : 조기유방암의 발견, 미세석회화, 서울대학교 연수강좌, 33-49, 2008
Stomper PC, Connolly, Meyer JE, et al. : Clinically occult ductal carcinoma in situ detected with mammography : analysis of 100 cases with radiologic-pathology correlation. Radiology, 172, 235- 241, 1999
안재억 : 의학?보건학 통계분석, 한나래, 456-460, 2010
Nair MK, Nair UP, An in-vitro evaluation of Kodak Insight and Ektaspeed Plus film with a CMOS detector for natural proximalcaries : ROC analysis. Caries Res, 35, 354-9, 2001
※ AI-Helper는 부적절한 답변을 할 수 있습니다.