본 실험에서 제안된 질감특징분석 알고리즘은 지방간 환자의 CT영상을 이용하여 정상영상과 질환영상으로 구분하여, 정상 간 CT영상과 지방간 CT영상을 생성하고 제안된 질감특징분석을 이용한 컴퓨터보조 진단 시스템에 적용하여 6개의 파라메타로 정량적 분석을 통해 지방간 CT영상의 질환 인식률을 도출하고 평가하였다. 결과로 지방간 CT영상 30증례 중에서 각각의 파라메타별 질감특징 값에 대한 인식률은 평균 밝기의 경우 100%, 엔트로피의 경우 96.67%, 왜곡도의 경우 93.33%로 높게 나타났고, 평탄도의 경우 83.33%, 균일도의 경우 86.67%, 평균대조도의 경우 80%로 다소 낮은 질환 인식률을 보였다. 따라서 본 연구의 결과를 바탕으로 의료영상의 컴퓨터보조진단 시스템으로 발전된 프로그램을 구현한다면 지방간 CT영상의 질환부위 자동검출 및 정량적 진단이 가능해 컴퓨터보조진단 자료로서 활용이 가능할 것으로 판단되며 최종판독에서 객관성, 정확성, 판독시간 단축에 유용하게 사용 될 것으로 사료된다.
본 실험에서 제안된 질감특징분석 알고리즘은 지방간 환자의 CT영상을 이용하여 정상영상과 질환영상으로 구분하여, 정상 간 CT영상과 지방간 CT영상을 생성하고 제안된 질감특징분석을 이용한 컴퓨터보조 진단 시스템에 적용하여 6개의 파라메타로 정량적 분석을 통해 지방간 CT영상의 질환 인식률을 도출하고 평가하였다. 결과로 지방간 CT영상 30증례 중에서 각각의 파라메타별 질감특징 값에 대한 인식률은 평균 밝기의 경우 100%, 엔트로피의 경우 96.67%, 왜곡도의 경우 93.33%로 높게 나타났고, 평탄도의 경우 83.33%, 균일도의 경우 86.67%, 평균대조도의 경우 80%로 다소 낮은 질환 인식률을 보였다. 따라서 본 연구의 결과를 바탕으로 의료영상의 컴퓨터보조진단 시스템으로 발전된 프로그램을 구현한다면 지방간 CT영상의 질환부위 자동검출 및 정량적 진단이 가능해 컴퓨터보조진단 자료로서 활용이 가능할 것으로 판단되며 최종판독에서 객관성, 정확성, 판독시간 단축에 유용하게 사용 될 것으로 사료된다.
In this study we proposed a texture feature analysis algorithm that distinguishes between a normal image and a diseased image using CT images of some fatty liver patients, and generates both Eigen images and test images which can be applied to the proposed computer aided diagnosis system in order to...
In this study we proposed a texture feature analysis algorithm that distinguishes between a normal image and a diseased image using CT images of some fatty liver patients, and generates both Eigen images and test images which can be applied to the proposed computer aided diagnosis system in order to perform a quantitative analysis for 6 parameters. And through the analysis, we derived and evaluated the recognition rate of CT images of fatty liver. As the results of examining over 30 example CT images of fatty liver, the recognition rates representing a specific texture feature-value are as follows: some appeared to be as high as 100% including Average Gray Level, Entropy 96.67%, Skewness 93.33%, and Smoothness while others showed a little low disease recognition rate: 83.33% for Uniformity 86.67% and for Average Contrast 80%. Consequently, based on this research result, if a software that enables a computer aided diagnosis system for medical images is developed, it will lead to the availability for the automatic detection of a diseased spot in CT images of fatty liver and quantitative analysis. And they can be used as computer aided diagnosis data, resulting in the increased accuracy and the shortened time in the stage of final reading.
In this study we proposed a texture feature analysis algorithm that distinguishes between a normal image and a diseased image using CT images of some fatty liver patients, and generates both Eigen images and test images which can be applied to the proposed computer aided diagnosis system in order to perform a quantitative analysis for 6 parameters. And through the analysis, we derived and evaluated the recognition rate of CT images of fatty liver. As the results of examining over 30 example CT images of fatty liver, the recognition rates representing a specific texture feature-value are as follows: some appeared to be as high as 100% including Average Gray Level, Entropy 96.67%, Skewness 93.33%, and Smoothness while others showed a little low disease recognition rate: 83.33% for Uniformity 86.67% and for Average Contrast 80%. Consequently, based on this research result, if a software that enables a computer aided diagnosis system for medical images is developed, it will lead to the availability for the automatic detection of a diseased spot in CT images of fatty liver and quantitative analysis. And they can be used as computer aided diagnosis data, resulting in the increased accuracy and the shortened time in the stage of final reading.
wavelet 변환은 최근 신호 처리나 패턴인식분야에서 일반적으로 사용되는 방법이며 공간 영역과 주파수영역에서 관심영역(region of interest)의 특징을 잘 나타내는 특성을 가지고 있어 질감특징분석에 효과적이다.[7]따라서 본 연구는 초음파 또는 CT 상에서 판독의 제한적 문제를 최소화하고 수치 및 통계적 정보를 전문의에게 제공하여 지방간의 정확한 진단 및 치료방향을 제시하기 위하여 질감특징분석을 이용한 컴퓨터보조진단 시스템을 제안하고 이를 CT영상에서 지방간 질환(fatty liver disease)에 적용하고자 하였다.
제안 방법
본 연구는 지방간 CT영상에서 질감특징분석을 이용한 컴퓨터보조진단시스템의 구현 및 조기진단을 위한 실험적 모형 연구로서 신뢰성 있는 보조적 진단 정보를 전문의에게 제공하고 지방간의 정확한 진단 및 치료 방향을 제시하고자 하였다. 이를 위하여 정상 및 지방간 CT영상을 실험영상으로 하여 설정된 구역에 대한 wavelet 변환을 거쳐 질감 특징값을 나타내는 6가지 parameters를 구하였다. 결과로 영상 간 구역의 밝기를 의미하는 average gray level이 가장 크게 나타났고 지방간 영상에 대하여 100% 인식률을 보였다.
대상 데이터
본 연구에 사용된 지방간 CT영상은 영상의학과 전문의의 영상 진단과, 임상병리과의 혈중 AST와 ALT수치를 토대로 후향적인 증례(case)를 기반으로 정상 간 CT영상 30증례와 지방간 CT영상 30증례를 사용하여 질환부위의 영상을 획득하였다. 이 때 사용된 CT 장비는 SOMATOM Definition(SIEMENS, Germany)이다.
각 영상에서 분석영역(ROA)을 50×50 pixel 크기로 선정하였으며 실험의 객관성을 위해 복합질환 영상은 제외하였고 지방간 영상만 채택하였다. 일반적으로 간은 S1에서 S8까지 총 8개의 구획으로 나누어 구분하는데 다른 구조물과 구분이 명확한 S6을 영상 획득 구획으로 설정하여 연구를 실시하였다. Fig.
성능/효과
이를 위하여 정상 및 지방간 CT영상을 실험영상으로 하여 설정된 구역에 대한 wavelet 변환을 거쳐 질감 특징값을 나타내는 6가지 parameters를 구하였다. 결과로 영상 간 구역의 밝기를 의미하는 average gray level이 가장 크게 나타났고 지방간 영상에 대하여 100% 인식률을 보였다. 또한 영상의 분산 분포 또는 정보량에 대한 parameters인 skewness 에서 93.
67%로 지방간 영상에 대하여 90% 이상의 높은 인식률을 보였다. 그러나 간세포 및 간조직의 특성이 유사한 구역에서 통계적 불규칙성 작기 때문에 다른 parameter에 비하여 uniformity 86.67%, smoothness 83.33%, average contrast 80.00%로 비교적 낮은 인식률을 보였다. 본 연구와 관련하여 Als hamlan[11] 등은 CAD 시스템의 인식률을 극대화하기 위하여 영상의 스펙트럼 히스토그램을 이용한 질감 특징분석을 제안하면서 스펙트럼 히스토그램은 texture 를 위한 통계적 기능을 제공한다고 하였다.
결과로 영상 간 구역의 밝기를 의미하는 average gray level이 가장 크게 나타났고 지방간 영상에 대하여 100% 인식률을 보였다. 또한 영상의 분산 분포 또는 정보량에 대한 parameters인 skewness 에서 93.33%, entropy에서 96.67%로 지방간 영상에 대하여 90% 이상의 높은 인식률을 보였다. 그러나 간세포 및 간조직의 특성이 유사한 구역에서 통계적 불규칙성 작기 때문에 다른 parameter에 비하여 uniformity 86.
후속연구
또한 Chen[12] 등은 multi-spectrum에 대한 wavelet 변환을 적용한 texture feature analysis을 시행하여 다양한 parameter들과 질환 인식률에 평가를 하였으며 spectrum에 대한 정보량을 변량으로 하는 entropy에서 인식률이 높다고 하여 본 연구와도 일치하였다. 따라서 본 연구의 결과를 바탕으로 방사선의료영상의 컴퓨터자동진단시스템으로 발전된 프로그램을 구현한다면, 일반적인 임상증례의 자동검출 및 진단의 예비판독(pre-reading)으로서 1차 질병 진단자료로서 적용 가능할 것으로 사료되며 최종 판독에서 정확성 및 객관성, 판독시간의 단축에 유용할 것으로 기대한다. 향후 실험영상의 임상증례를 증가하여 지방간 검출 판독율의 신뢰성을 일반화해야 할 것이며, 본 연구의 실험영상에서 지방간의 단일 질환에 대한 연구를 하였으나, 복합질환이 포함된 간의 질환 판별 및 인식에 관한 연구도 같이 병행되어야 할 것으로 사료된다.
따라서 본 연구의 결과를 바탕으로 방사선의료영상의 컴퓨터자동진단시스템으로 발전된 프로그램을 구현한다면, 일반적인 임상증례의 자동검출 및 진단의 예비판독(pre-reading)으로서 1차 질병 진단자료로서 적용 가능할 것으로 사료되며 최종 판독에서 정확성 및 객관성, 판독시간의 단축에 유용할 것으로 기대한다. 향후 실험영상의 임상증례를 증가하여 지방간 검출 판독율의 신뢰성을 일반화해야 할 것이며, 본 연구의 실험영상에서 지방간의 단일 질환에 대한 연구를 하였으나, 복합질환이 포함된 간의 질환 판별 및 인식에 관한 연구도 같이 병행되어야 할 것으로 사료된다.
질의응답
핵심어
질문
논문에서 추출한 답변
지방간의 발병원인은?
보편적으로 지방간은 정상 간 무게에 대하여 지방이 차지하는 비율이 5%이상으로 정의되며 비만, 당뇨, 알코올, 스테로이드 등 다양한 원인에 의해서 발병된다. [1]지방간은 지방의 축적에 의해 간이 약간 비대해졌을 뿐 간세포가 파괴되어 사멸되는 염증성 간 질환과 구분되기 때문에 지방간의 정확한 진단은 예후나 치료의 방향을 결정하는데 매우 중요하다.
지방간은 무엇인가?
보편적으로 지방간은 정상 간 무게에 대하여 지방이 차지하는 비율이 5%이상으로 정의되며 비만, 당뇨, 알코올, 스테로이드 등 다양한 원인에 의해서 발병된다. [1]지방간은 지방의 축적에 의해 간이 약간 비대해졌을 뿐 간세포가 파괴되어 사멸되는 염증성 간 질환과 구분되기 때문에 지방간의 정확한 진단은 예후나 치료의 방향을 결정하는데 매우 중요하다.
기존 지방간의 진단 방법을 보완하기 위해 개발된 시스템은?
일반적으로 CT영상보다 MRI영상이 우수한 것으로 보고되고 있으나 검사비가 비싸고 초음파에 비하여 검사 결과도 좋지 않다. [3] 따라서 이러한 문제점에 따른 오진율을 최소화하기 위하여 디지털 의료 영상에 대한 computer-aided diagnosis (CAD) 시스템이 도입되어 다양한 분야의 알고리즘이 상업적으로 개발 및 응용되고 있다. [4] CAD는 객체인식 기술을 기반으로 주성분분석(principal components analysis.
참고문헌 (12)
Yalamanchili. K, Saadeh. S, Klintmalm. G. B, Jennings. L. W, Davis. G. L, "Nonalcoholic fatty liver disease after liver transplantation for cryptogenic cirrhosis or nonalcoholic fatty liver disease," Liver Transplantation, Vol. 16, No. 4, pp. 431-439, 2010.
R. N. Hardwick, C. D. Fisher, M. J. Canet, G. L. Scheffer, N. J. Cherrington, "Variations in ATP-Binding Cassette Transporter Regulation during the Progress ion of Human Nonalcoholic Fatty Liver Disease," Drug metabolism and disposition, Vol. 39, No. 12, pp. 2395-2402, 2011.
A. E. Bohte, J. R. Werven, S. Bipat. J. Stoker, "The diagnostic accuracy of US, CT, MRI and 1H-MRS for the evaluation of hepatic steatosis compared with liver biopsy: a meta-analysis," European radiology, Vol. 21, No. 1, pp. 87-97, 2011.
Z. Szucs. Farkas, M. A. Patak, S. Yuksel. Hatz, T. Ruder. P. Vock, "Improved detection of pulmonary nodules on energy-subtracted chest radiographs with a commercial computer-aided diagnosis software: comparison with human observers," European radiology, Vol. 20, No. 6, pp. 1289-1296, 2010.
B. Van. Ginneken, C. M. Schaefer. Prokop, M. Prokop, "Computer-aided Diagnosis: How to Move from the Laboratory to the Clinic," Radiology, Vol. 261, No. 3, pp. 719-732, 2011.
M. Beil, T. Irinopoulou, J. Vassy, Rigaut. J. P, "Chromatin Texture Analysis in Three-Dimensional Images from Confocal Scanning Laser Microscopy," Analytical and quantitative cytology and histology, Vol. 17, No. 5, pp. 323, 1995.
S. Selvan, S. Ramakrishnan, "SVD-Based Modeling for Image Texture Classification Using Wavelet Trans formation," IEEE transactions on image processing, Vol. 16, No. 11, pp. 2688-2696, 2007.
El. Yazaji. M, Battas. O, Agoub. M, Moussaoui. D, Gutknecht. C, Dalery. J, d'Amato. T, Saoud. M, "Validity of the depressive dimension extracted from principal component analysis of the PANSS in drug-free patients with schizophrenia," Schizophr Research, Vol. 56, pp. 121-127, 2002.
J. Yu, J. Tan, "Object density-based image segmentation and its applications in biomedical image analysis," computer methods and programs in biomedicine, Vol. 96, No. 3, pp. 193-204, 2009.
Gletsos. M, Mougiakakou. S. G, Matsopoulos. G. K, Nikita. K. S, Nikita. A. S, Kelekis. D, "A computeraided diagnostic system to characterize CT focal liver lesions: design and optimization of a neural network classifier," IEEE Trans Inf Technol Biomed, Vol. 7, pp. 153-162, 2003.
Alshamlan. H, El-Zaart. A, "Breast Cancer Computer Aided Diagnosis (CAD) System," proceedings of the international conference on image processing computer vision and pattern recognition, Vol. 1, pp. 224-229, 2011.
Chen. X. J, Wu. D, He. Y, Liu. S, "Study on application of multi-spectral image texture to discriminating rice categories based on wavelet packet and support vector machine," Guang Pu Xue Yu Guang Pu Fen Xi, Vol. 29, pp. 222-225, 2009.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.