디지털 X-선 영상을 통한 치아우식증 진단 보조 시스템으로써 치아 와동 자동 검출 프로그램 연구 Studies of Automatic Dental Cavity Detection System as an Auxiliary Tool for Diagnosis of Dental Caries in Digital X-ray Image원문보기
본 연구팀이 개발한 신개념 강내형 치과 진단 장치에서 촬영한 X선 치아영상으로부터 치아 우식증을 조기 단계에서 판별하고 치과의사의 정확한 진단을 돕기 위해서 병변진단 보조시스템인 치아 와동 자동 검출 프로그램을 개발하고자 하였다. 치아 와동 자동 검출 시스템을 구성하고 있는 기본 알고리즘은 치아 와동과 정상 치아를 구분 할 수 있는 영상분별 알고리즘과 치아 영상의 고유 특성 정보를 분석하고 이를 병변 검출에 적용할 수 있는 알고리즘으로 나눌 수가 있는데, 본 연구에서는 먼저, DRLSE 방법을 적용하여 병변과 정상치아 사이의 윤곽선 분할 성능을 테스트 하였다. 개발된 알고리즘의 와식 판별 성능을 테스트하기 위해서 다양한 형태의 와식을 포함하는 전치, 견치, 소구치 등의 7개의 치아팬텀을 제작하고 치아 와식 분별을 실시하였다. 총 14 개의 와식 중에 와식의 경계를 부분적으로 식별한 2개를 제외하고는 12개 와식의 경계를 정확하게 구별하여 개발된 자동 치아 병변 알고리즘의 가능성을 입증하였다. 그러나 실제 치아 와식의 형태는 개개인마다 다르고 복잡하기 때문에 무작위로 선택된 실제 치아에 적용하기 위해서는 보강된 알고리즘이 필요하다. 향후에는 치아에 대한 사전정보를 처리하고 적용하는 패턴 인식 혹은 기계학습 알고리즘을 추가하여 보다 효과적이고 정확한 병변 알고리즘으로 개선할 예정이다.
본 연구팀이 개발한 신개념 강내형 치과 진단 장치에서 촬영한 X선 치아영상으로부터 치아 우식증을 조기 단계에서 판별하고 치과의사의 정확한 진단을 돕기 위해서 병변진단 보조시스템인 치아 와동 자동 검출 프로그램을 개발하고자 하였다. 치아 와동 자동 검출 시스템을 구성하고 있는 기본 알고리즘은 치아 와동과 정상 치아를 구분 할 수 있는 영상분별 알고리즘과 치아 영상의 고유 특성 정보를 분석하고 이를 병변 검출에 적용할 수 있는 알고리즘으로 나눌 수가 있는데, 본 연구에서는 먼저, DRLSE 방법을 적용하여 병변과 정상치아 사이의 윤곽선 분할 성능을 테스트 하였다. 개발된 알고리즘의 와식 판별 성능을 테스트하기 위해서 다양한 형태의 와식을 포함하는 전치, 견치, 소구치 등의 7개의 치아팬텀을 제작하고 치아 와식 분별을 실시하였다. 총 14 개의 와식 중에 와식의 경계를 부분적으로 식별한 2개를 제외하고는 12개 와식의 경계를 정확하게 구별하여 개발된 자동 치아 병변 알고리즘의 가능성을 입증하였다. 그러나 실제 치아 와식의 형태는 개개인마다 다르고 복잡하기 때문에 무작위로 선택된 실제 치아에 적용하기 위해서는 보강된 알고리즘이 필요하다. 향후에는 치아에 대한 사전정보를 처리하고 적용하는 패턴 인식 혹은 기계학습 알고리즘을 추가하여 보다 효과적이고 정확한 병변 알고리즘으로 개선할 예정이다.
The automated dental cavity detection program for a new concept intra-oral dental x-ray imaging device, an auxiliary diagnosis system, which is able to assist a dentist to identify dental caries in an early stage and to make an accurate diagnosis, was to be developed. The primary theory of the autom...
The automated dental cavity detection program for a new concept intra-oral dental x-ray imaging device, an auxiliary diagnosis system, which is able to assist a dentist to identify dental caries in an early stage and to make an accurate diagnosis, was to be developed. The primary theory of the automatic dental cavity detection program is divided into two algorithms; one is an image segmentation skill to discriminate between a dental cavity and a normal tooth and the other is a computational method to analyze feature of an tooth image and take an advantage of it for detection of dental cavities. In the present study, it is, first, evaluated how accurately the DRLSE (Direct Regularized Level Set Evolution) method extracts demarcation surrounding the dental cavity. In order to evaluate the ability of the developed algorithm to automatically detect dental cavities, 7 tooth phantoms from incisor to molar were fabricated which contained a various form of cavities. Then, dental cavities in the tooth phantom images were analyzed with the developed algorithm. Except for two cavities whose contours were identified partially, the contours of 12 cavities were correctly discriminated by the automated dental caries detection program, which, consequently, proved the practical feasibility of the automatic dental lesion detection algorithm. However, an efficient and enhanced algorithm is required for its application to the actual dental diagnosis since shapes or conditions of the dental caries are different between individuals and complicated. In the future, the automatic dental cavity detection system will be improved adding pattern recognition or machine learning based algorithm which can deal with information of tooth status.
The automated dental cavity detection program for a new concept intra-oral dental x-ray imaging device, an auxiliary diagnosis system, which is able to assist a dentist to identify dental caries in an early stage and to make an accurate diagnosis, was to be developed. The primary theory of the automatic dental cavity detection program is divided into two algorithms; one is an image segmentation skill to discriminate between a dental cavity and a normal tooth and the other is a computational method to analyze feature of an tooth image and take an advantage of it for detection of dental cavities. In the present study, it is, first, evaluated how accurately the DRLSE (Direct Regularized Level Set Evolution) method extracts demarcation surrounding the dental cavity. In order to evaluate the ability of the developed algorithm to automatically detect dental cavities, 7 tooth phantoms from incisor to molar were fabricated which contained a various form of cavities. Then, dental cavities in the tooth phantom images were analyzed with the developed algorithm. Except for two cavities whose contours were identified partially, the contours of 12 cavities were correctly discriminated by the automated dental caries detection program, which, consequently, proved the practical feasibility of the automatic dental lesion detection algorithm. However, an efficient and enhanced algorithm is required for its application to the actual dental diagnosis since shapes or conditions of the dental caries are different between individuals and complicated. In the future, the automatic dental cavity detection system will be improved adding pattern recognition or machine learning based algorithm which can deal with information of tooth status.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 치아 우식증이 초기 단계를 벗어나 와동을 형성하기 시작하는 3 mm2 이상의 면적을 가지는 병변의 검출을 목표로 자동 치아 병변 검출 알고리즘을 구현하여본 연구팀이 개발중인 신개념 강내형 치과 진단 장치에서 촬영한 X-선 디지털 영상 분석에 적용하였다.5) 3 mm2 이상의 병변 크기는 국제 충치탐지 평가시스템[International Caries Detection and Assessment System (ICDAS)]의6) 검출코드의 임상학적 score 2 이상의 와동을 탐지 할 수 있는 값이다.
본 연구에서는 컴퓨터 기반의 치과 병변 자동 알고리즘을 개발하여 치과의사들의 치아 우식증 진단을 보조할 수 있는 치아 와동 검출 프로그램(dental cavity detection program)을 개발하려 하였다. 치아의 X-선 영상은 치아 와동과 주변과의 경계면이 모호하고 같은 조직 안에서도 치아의 두께차이 등으로 인해 대조도가 다르기 때문에 치아 와동의 윤곽선을 정확하게 분별하기는 쉽지가 않다.
본 연구에서는 표면 또는 경계면의 운동을 수치해석 모형으로 구현한 DRLSE 모형을 이용하여 구내 병변 자동진단을 위한 치아의 병변 분할 알고리즘을 개발하여 치아 병변 자동 시스템에서 활용 가능성을 알아보았다. 기본적인 영상 분석 과정은 먼저, 원본 영상(raw image)의 불균일한 영상의 처리를 위하여 일관성 필터를 전처리로 행하여 에지 함수를 구하고, 주어진 치아 와동의 초기 위치를 바탕으로 snake 모델에 기반한 Chan-vese 모델을 이용하여 세분화 알고리즘을 수행하였으며 DRLSE 모델을 이용하여 병변경계면의 윤곽선을 찾아 표시하였다.
치아 와동 자동 검출 프로그램은 구강 내 병변 진단 및 치료를 보조하는 시스템으로 촬영된 디지털 X선 영상에 대해서 3 mm2 이상의 치아 와동의 위치와 윤곽선(contour)을 구하고 치아 와동의 경계를 보여주는 것을 목표로 하였다. 개발된 영상 분할 알고리즘의 성능 테스트를 확인하기 위해서 Fig.
가설 설정
(a) Contour of the tooth. (b) Initial points in the cavities where the rectangular contour starts to evolve outside of the cavities.
제안 방법
서로 다른 형태의 치아 와동을 포함하고 있는 치아 번호1번부터 7번까지의 팬텀 치아에 대하여 개발된 치아 와동자동 검출 프로그램을 사용하여 치아 와동의 윤곽선을 축출 하고자 하였다. 각기 다른 치아 종류와 내부 조직 그리고 치아 와동 모양을 가지도록 제작된 치아 팬텀은 불균일하고 다양한 대조도와 선명도를 가진 x-선 영상을 생성하여 Fig. 4에서 보듯이 실제 치아 영상과 최대한 유사한 영상을 만들어 냈으며, 개발된 치아 병변 자동 검출 프로그램의 실효성과 유연성 테스트를 위한 유용한 데이터를 제공하였다.
그러나 이번 연구에서는 그에 앞서, 먼저, 수치해석 모형들 중 디지털 영상 분할에서 이미 검증을 받고 있는 DRLSE방법을 적용하여 병변과 정상 치아 사이의 경계면 분할 성능을 테스트 하였다. 추후 연구에서는, 그러한 치아 영상의 특성 정보를 분석하고 적용할 수 있는 알고리즘을 개발하고 영상 분할 프로그램과도 연계하여 치아 와동 검출 시스템의 성능 향상을 도모 할 예정이다.
불균일한 대조도, 혹은, 뚜렷하지 못한 선명도에 의하여 와동과 치아 부근에서의 경계치면의 불분명한 윤곽선을 강화하기 위하여 먼저 일관성 필터를 적용하였다. 이를 통해서 균일하지 못한 와동 조직 내부 혹은 치아 조직을 개별적으로 스무딩 처리하여 두 조직 사이의 경계면이 뚜렷하게 구분될 수 있도록 하였다.
서로 다른 형태의 치아 와동을 포함하고 있는 치아 번호1번부터 7번까지의 팬텀 치아에 대하여 개발된 치아 와동자동 검출 프로그램을 사용하여 치아 와동의 윤곽선을 축출 하고자 하였다. 각기 다른 치아 종류와 내부 조직 그리고 치아 와동 모양을 가지도록 제작된 치아 팬텀은 불균일하고 다양한 대조도와 선명도를 가진 x-선 영상을 생성하여 Fig.
에지 함수 g는 에지에서 0에 가까운 함수값를 갖는다. 에지를 조금 더 세밀하게 찾기 위해 가우시안 스무딩(Gaussiansmoothing)을 하는 대신 일관성 필터(coherence filter)를 사용하여 에지를 보존하면서 스무딩을 하고, 에지 함수를 적용하였다. 일관성 필터는 이미지의 기울기(gradient) 방향으로 스무딩하여, Fig.
와동 자동 검출 시스템은 디지털 x-선 장비로부터 얻어진 영상을 컴퓨터 자동화 알고리즘을 통해서 분석하여 보다 정확하고 빠르게 진단 및 치료 과정을 지원하는 시스템으로써 본 연구에서는 DRLSE 모형을 치아 팬텀 모델에 적용하여 병변 윤곽선 축출에 대한 성능을 테스트 하였다. 실제 치아구조는 보다 복잡하고 같은 병변 안에서도 대조도가 다르기 때문에, 향후 연구에서는 대상 치아에 대한 사전정보(prior information) 데이터베이스를 구축하고 패턴 인식(pattern recognition) 혹은 기계학습(machine learning) 알고리즘을 추가하여 보다 효과적이고 정확한 병변 알고리즘으로 개선할 예정이다.
불균일한 대조도, 혹은, 뚜렷하지 못한 선명도에 의하여 와동과 치아 부근에서의 경계치면의 불분명한 윤곽선을 강화하기 위하여 먼저 일관성 필터를 적용하였다. 이를 통해서 균일하지 못한 와동 조직 내부 혹은 치아 조직을 개별적으로 스무딩 처리하여 두 조직 사이의 경계면이 뚜렷하게 구분될 수 있도록 하였다. 그렇게 함으로써 와동 내부에 주어진 초기 윤곽선이 와동 경계면까지 멈추진 않고 확장할 수 있도록 하였다.
이번 연구는 X-선 영상에서 인지가 되는 치아와동 진행 C1에서 C3 단계의 치아와동팬텀을 제작하였다(C4 단계는 육안으로 쉽게 구별이 되기 때문에 제외하였다). 전치 2개, 견치 1개, 소구치 2개와 대구치 2개, 총 7개 치아에 대해 각각 C1에서 C3 단계의 충치 2개씩 14개를 임의로 삽입/제작하였다.
대상 데이터
이상의 치아 와동의 위치와 윤곽선(contour)을 구하고 치아 와동의 경계를 보여주는 것을 목표로 하였다. 개발된 영상 분할 알고리즘의 성능 테스트를 확인하기 위해서 Fig. 1에서 보듯이 서로 다른 형태와 모형을 가지는 치아 와동을 포함하고 있는 7개의 팬텀 치아를 제작하였다.
ICDAS 스코어 1에서는 충치(cavity)가 생성되기 전으로 법랑질의 변색으로 인해서 치아와동의 전조 증상이 나타나지만 X-선 영상에서는 구별이 되지 않는다. 이번 연구는 X-선 영상에서 인지가 되는 치아와동 진행 C1에서 C3 단계의 치아와동팬텀을 제작하였다(C4 단계는 육안으로 쉽게 구별이 되기 때문에 제외하였다). 전치 2개, 견치 1개, 소구치 2개와 대구치 2개, 총 7개 치아에 대해 각각 C1에서 C3 단계의 충치 2개씩 14개를 임의로 삽입/제작하였다.
이론/모형
11) 동적 윤곽선 방법 중의 하나인 레벨셋(level set) 함수를 이용하여 윤곽선을 구성하는 Chan-Vese 모델을 사용하였다.12) 도메인 Ω위에서의 주어진 영상을 u0 : \(\barΩ\)→R라고 할 때 영상을 세분화하기 위하여 함수 Φ : Ω→R를 레벨셋함수라고 정의한다.
기본 에너지 함수(based energy functional)영역 세분화를 위한 에너지 함수는 DRLSE를 사용하였다. DRLSE는 거리정규화(distance regularized) 항을 에너지 함수에 포함시켜 LSM에서 필요한 재초기화(reinitialization) 과정을 생략하여 수렴의 안정성과 시간을 향상시킨 개선된 LSM으로 다음과 같이 정의한다.
본 연구에서는 표면 또는 경계면의 운동을 수치해석 모형으로 구현한 DRLSE 모형을 이용하여 구내 병변 자동진단을 위한 치아의 병변 분할 알고리즘을 개발하여 치아 병변 자동 시스템에서 활용 가능성을 알아보았다. 기본적인 영상 분석 과정은 먼저, 원본 영상(raw image)의 불균일한 영상의 처리를 위하여 일관성 필터를 전처리로 행하여 에지 함수를 구하고, 주어진 치아 와동의 초기 위치를 바탕으로 snake 모델에 기반한 Chan-vese 모델을 이용하여 세분화 알고리즘을 수행하였으며 DRLSE 모델을 이용하여 병변경계면의 윤곽선을 찾아 표시하였다.
충치의 윤곽선 추출 알고리즘은 세분화 알고리즘의 대표적인 방법인 동적 윤곽선(active contour) 방법으로 접근하였다.11) 동적 윤곽선 방법 중의 하나인 레벨셋(level set) 함수를 이용하여 윤곽선을 구성하는 Chan-Vese 모델을 사용하였다.
성능/효과
선택된 팬텀의 와동의 경계면은 명확하게 구분 하였으나 와동내의 대조도의 차이가 크게 나타나는 경우에는 일부분만을 찾는 오류가 발생하는 것을 확인 하였다. 이 처럼 정확하게 경계면을 찾지 못한 두개의 와동의 경우는 병변 내에서도 대조도의 차이가 발생할 수 있다는 것을 고려하지 않았기 때문에 대조도 차가 있는 경계면을 에지로 인식해서 발생한 것으로 생각된다.
후속연구
실제 치아구조는 보다 복잡하고 같은 병변 안에서도 대조도가 다르기 때문에, 향후 연구에서는 대상 치아에 대한 사전정보(prior information) 데이터베이스를 구축하고 패턴 인식(pattern recognition) 혹은 기계학습(machine learning) 알고리즘을 추가하여 보다 효과적이고 정확한 병변 알고리즘으로 개선할 예정이다. 또한, 병변 검출 시간을 줄이기 위해서 초기 병변 위치 값이 주어지는 반자동 검출 방식에서 초기위치 값이 없이도 전체 영상을 조사하여(scan) 자동으로 병변 검출을 하는 알고리즘을 개발할 예정이다.
와동 자동 검출 시스템은 디지털 x-선 장비로부터 얻어진 영상을 컴퓨터 자동화 알고리즘을 통해서 분석하여 보다 정확하고 빠르게 진단 및 치료 과정을 지원하는 시스템으로써 본 연구에서는 DRLSE 모형을 치아 팬텀 모델에 적용하여 병변 윤곽선 축출에 대한 성능을 테스트 하였다. 실제 치아구조는 보다 복잡하고 같은 병변 안에서도 대조도가 다르기 때문에, 향후 연구에서는 대상 치아에 대한 사전정보(prior information) 데이터베이스를 구축하고 패턴 인식(pattern recognition) 혹은 기계학습(machine learning) 알고리즘을 추가하여 보다 효과적이고 정확한 병변 알고리즘으로 개선할 예정이다. 또한, 병변 검출 시간을 줄이기 위해서 초기 병변 위치 값이 주어지는 반자동 검출 방식에서 초기위치 값이 없이도 전체 영상을 조사하여(scan) 자동으로 병변 검출을 하는 알고리즘을 개발할 예정이다.
그러나 이번 연구에서는 그에 앞서, 먼저, 수치해석 모형들 중 디지털 영상 분할에서 이미 검증을 받고 있는 DRLSE방법을 적용하여 병변과 정상 치아 사이의 경계면 분할 성능을 테스트 하였다. 추후 연구에서는, 그러한 치아 영상의 특성 정보를 분석하고 적용할 수 있는 알고리즘을 개발하고 영상 분할 프로그램과도 연계하여 치아 와동 검출 시스템의 성능 향상을 도모 할 예정이다.
치아의 X-선 영상은 치아 와동과 주변과의 경계면이 모호하고 같은 조직 안에서도 치아의 두께차이 등으로 인해 대조도가 다르기 때문에 치아 와동의 윤곽선을 정확하게 분별하기는 쉽지가 않다. 치아 우식증을 보다 빠른 단계에서 인지하고 정확한 진단을 보조할 수 있는 자동 검출 프로그램을 개발하기 위해서는 앞서 언급한 치아 영상들이 가지는 고유 특성 정보를 분석 처리하고 그것을 기반으로 능동적으로 병변을 탐지할 수 있는 추가적인 알고리즘이 필요하다.
질의응답
핵심어
질문
논문에서 추출한 답변
치아 우식증을 판별하는데 가장 일반적인 방법인 치과의사의 육안에 의존하는 방법의 한계점은 무엇인가?
치아 우식증(Dental caries) 판별을 위해 가장 오래되고 일반적인 방법은 치과의사의 육안에 의존하는 것이다. 그러나 이 방법은 눈으로 파악하기 어려운 초기 충치 변화, 치아 내부에 숨겨진 충치에 대해서는 병변 검출에 한계가 있고 치과의사의 주관에 많이 의존하게 된다. 그렇기 때문에보다 객관적이고 정확한 병변 정보를 제공해 줄 수 있는다양한 우식증 검출 시스템들이(caries detection system) 개발 되어왔다.
치아우식증에 대한 진단은 무엇을 통해 이루어지는가?
일반적으로 치아우식증에 대한 진단은 관찰 가능한 치아와동을 통해서 이루어진다. 그러나 치아우식증의 단계를 설명하기 위하여 Pitts에 의해서 사용된 빙산이론의 의하면 치아우식증은 와동이 형성되기 이전부터 시작되며,3) 치아우식증의 초기 단계인 non-cavitated caries lesion 경우에는 x-선영상에 의해서 판별이 불가능하다.
충치 검출 시스템에는 무엇이 있는가?
그렇기 때문에보다 객관적이고 정확한 병변 정보를 제공해 줄 수 있는다양한 우식증 검출 시스템들이(caries detection system) 개발 되어왔다. 1) 이러한 충치 검출 시스템에는 치아 조직에따른 저항 특성을 이용한, Electronic caries monitor (ECM),정상 치면과 탈회(demineralization)된 치면의 빛의 산란 특성을 이용한 fibre optic transillumination (FOTI), 형광(florescence light)을 이용한 qualitative light-induced florescence(QLF), 초음파를 이용한 ultrasonic caries detector (UCD), 그리고 물질 특성에 따른 X-선 흡수율을 이용한 X-ray 영상법이 있다.2)
참고문헌 (13)
Bennett T. Amaechi: Emerging technologies for diagnosis of dental caries: The road so far, J. Appl. Phys. VOL 105 (2009) 102047-1 - 102047-9
Sungho Cho, et al: Introduction of Dental X-ray Imaging with New Concept - intra Oral x-ray Tube, J. Inst. Electron Eng. Korea SC, VOL 48, NO.4, (2011), 94-101
Nigel B. Pitts and Kim R. Ekstrand: International Caries Detection and Assessment System (ICDAS) and its International Caries Classification and Management System (ICCMS) - methods for staging of the caries process and enabling dentists to manage caries, Community Dent. Oral. Epidemiol., VOL 41, (2013) e41-e52
Stanley Osher and James A. Sethian: Fronts propagating with curvature-dependent speed: algorithms based on Hamilton-Jacobi formulations, J. Comput. Phys. VOL 79, (1988) 12-49
C. Li, et al: Distance regularized level set evolution and its application to image segmentation. IEEE Transactions on Image Processing, VOL. 19, No.12 (2010) 3243-3254
※ AI-Helper는 부적절한 답변을 할 수 있습니다.