흉부 영상에서 커넬 크기변화에 따르는 신호대잡음비 비교평가 Evaluation and Comparison of Signal to Noise Ratio According to Change of Kernel size of Heart Shadow on Chest Image원문보기
본 연구는 흉부영상에서 심장저부 관심영역(region of interest; ROI)의 신호 대 잡음비(signal to noise ratio; SNR)를 커넬 크기 변화에 따르는 비교 평가하였다. 연구대상은 종합대학병원에서 흉부 검사한 환자 100명을 대상으로 하였다. 측정은 ImageJ 프로그램을 사용하여 표본의 사회학적 특성및 흉부영상들의 SNR평균 값, SNR평균차이, 95% 신뢰구간 값, 등을 분석하였다. 이때 SPSS Statistics21 통계프로그램으로 ANOVA 분석을 하였으며, 95%(p<0.05)에서 유의한 것으로 판단하였다. 흉부영상을 분석결과는 SNR이 kernel size 9*9 image, kernel size 7*7 Image, original chest image, kernel size 3*3 image순으로 높은 값으로 나타냈다(p<0.001). 결론적으로, 본 연구에서는 흉부 의료영상에서 커넬 크기 변화에 따라서 심장저부 음영의 정량화한 평가 결과를 방사선사의 보조적인 수단으로 활용할 수 있을 것으로 사료된다.
본 연구는 흉부영상에서 심장저부 관심영역(region of interest; ROI)의 신호 대 잡음비(signal to noise ratio; SNR)를 커넬 크기 변화에 따르는 비교 평가하였다. 연구대상은 종합대학병원에서 흉부 검사한 환자 100명을 대상으로 하였다. 측정은 ImageJ 프로그램을 사용하여 표본의 사회학적 특성및 흉부영상들의 SNR평균 값, SNR평균차이, 95% 신뢰구간 값, 등을 분석하였다. 이때 SPSS Statistics21 통계프로그램으로 ANOVA 분석을 하였으며, 95%(p<0.05)에서 유의한 것으로 판단하였다. 흉부영상을 분석결과는 SNR이 kernel size 9*9 image, kernel size 7*7 Image, original chest image, kernel size 3*3 image순으로 높은 값으로 나타냈다(p<0.001). 결론적으로, 본 연구에서는 흉부 의료영상에서 커넬 크기 변화에 따라서 심장저부 음영의 정량화한 평가 결과를 방사선사의 보조적인 수단으로 활용할 수 있을 것으로 사료된다.
The purpose of this study was to comparison of measure signal to noise ratio (SNR) according to change of kernel size from region of interest (ROI) of heart shadow in chest image. We examined images of chest image of 100 patients in a University-affiliated hospital, Seoul, Korea. Chest images of eac...
The purpose of this study was to comparison of measure signal to noise ratio (SNR) according to change of kernel size from region of interest (ROI) of heart shadow in chest image. We examined images of chest image of 100 patients in a University-affiliated hospital, Seoul, Korea. Chest images of each patient were calculated by using ImageJ. We have analysis socio-demographical variables, SNR according to images, 95% confidence according to SNR of difference in a mean of SNR. Differences of SNR among change of equalization were tested by SPSS Statistics21 ANOVA test for there was statistical significance 95%(p<0.05). In SNR results, with the quality of distributions in the order of kernel size 9*9 image, kernel size 7*7 image and original chest image, kernel size 3*3 image (p<0.001). In conclusion, this study would be that quantitative evaluation of heart shadow on chest image can be used as an adjunct to the kernel size chest image.
The purpose of this study was to comparison of measure signal to noise ratio (SNR) according to change of kernel size from region of interest (ROI) of heart shadow in chest image. We examined images of chest image of 100 patients in a University-affiliated hospital, Seoul, Korea. Chest images of each patient were calculated by using ImageJ. We have analysis socio-demographical variables, SNR according to images, 95% confidence according to SNR of difference in a mean of SNR. Differences of SNR among change of equalization were tested by SPSS Statistics21 ANOVA test for there was statistical significance 95%(p<0.05). In SNR results, with the quality of distributions in the order of kernel size 9*9 image, kernel size 7*7 image and original chest image, kernel size 3*3 image (p<0.001). In conclusion, this study would be that quantitative evaluation of heart shadow on chest image can be used as an adjunct to the kernel size chest image.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 방사선 의료영상의 영상 처리에 있어서 CR, MRI, PET CT등 질 높은 정량적인 방법으로 측정하여 영상의 질을 평가할 수 있는 지표인 신호 대 잡 비(signal noise ratio: SNR)와 대조도 대 잡음비(contrast noise ratio: CNR)의 중요성이 대두되고 있다. [10-15] 그러므로 본 연구에서는 디지털 의료영상 이미지의 SNR등을 이용하여 개선시키기 위한 다양한 방법으로 실험하고자 하였다.
그리고 에지 강조에 의한 결과는 여러 가지 형태로 나타나지만 그중에서도 노이즈와 관련되어 있다고 할 수 있다.[1] 따라서 본 연구에서는 방사선사에 의해서 최적화 되어진 후처리된 DICOM 파일 흉부영상을 정량적으로 평가하게 되었다. 그리고 필터에는 여러 가지 필터가 있지만, 그 중에서도 소프트웨어(software)에 관련된 ImageJ(Wayne Rasband National Institutes of Health, USA)에서 있는 필터들을 사용하였다.
여기에서 선형필터로는 저역통과 필터(low pass filter : LPF), 고역통과 필터 (high pass filter : HPF), 비선형적인 필터로는 중간값 필터(median filter : MF)등 여러 가지로 나누어지게 된다. [1] 본 실험연구논문에서는 HPF의 종류를 선택하였고 선택되어진 HPF의 커넬 크기에 주요 관점을 두고 실험하게 되었다. HPF는 커넬 크기에 따라서 의료영상을 표현 하는 범위가 다양하다.
결론적으로 본 연구는 흉부검사에서 커넬 크기 종류에 따른 SNR 특성을 정량적으로 파악하고자 하였다. 연령은 40대와 50대가 가장 많았고, 성별은 여자가 62%로 많았다, 연구의 결론은 커넬 크기 종류에 따라 통계적으로 유의한 SNR값의 평균값의 사후분석 결과 Table 6, 7에서 kernel size 9*9 image 가 kernel size 7*7 image, original chest image, kernel size 3*3 image (p < 0.
본 연구논문에서는 영상의학과 내에 있는 방사선 흉부영상에서의 커넬 크기에 따라서 SNR의 개선과정을 정량적으로 평가하며, 비교 평가의 신뢰성을 확보하기 위해 통계적 분석을 통하여 검증하였다.
본 연구는 흉부영상에서 심장저부음영을 표현했을 때 가장 표현하기 힘든 부위의 하나로 계조처리 및 주파수처리등 여러 가지 영상후처리를 기본으로 하는 것에 중요점을 두고 실험하였으며, 심장저부에 관련하여 방사선사가 최적화 되어진 영상후처리 DICOM 파일을 이용하여 커넬 크기 변화에 따라서 정량적으로 평가하기로 하였다. ANOVA 분석을 하였으며, 95%(p<0.
[2] 방사선 의료영상의 아트펙트는 기계적인 오류뿐만 아니라 운영하는 운영자에 의해서도 나타날 수 있다. 실 예로 방사선사는 원본데이터(raw data)를 이용하거나 다양한 후처리(post processing)를 시행하여 방사선과 학생들에 대한 교육 목적으로 후처리를 하게 된다. 이 때 방사선사가 후처리를 해서 확인(verify) 되어진 digital imaging communication of medicine (DICOM) 파일을 보는 것이다.
, 등은 SNR 측정을 좀 더 관심영역에서의 감도 분해능(bit depth)만을 가지고 정량적으로 표현하였다. 이 연구에서는 Bit Depth는 픽셀에 할당할 수 있는 bit를 말하며 이에 대한 대조도 분해능은 2의 n승 (n=bit수)으로 gray scale를 조정이 되기 때문에 본 연구에서는 명암도(intensity)의 상관 성이 있는지 여부와 배경 신호강도의 표준편차 (Backgrounding NoiseSD)와의 비교 관계가 어떻게 되는 것인지 조사하였다.[3]
제안 방법
이 때 방사선사가 후처리를 해서 확인(verify) 되어진 digital imaging communication of medicine (DICOM) 파일을 보는 것이다. 그리고 방사선사가 자체적으로 최적화 되어진 DICOM 의료영상을 확인(verify)하게 되면서, 최적화 되어진 영상을 만들어 낸다. 이때에도 기계적인 오류나 조작자의 오류를 범할 수 있다.
Shanmugavadivu. 등이 연구했던 원본 영상에서 더욱 흐릿해진 영상을 삭제하여 비교적 덜 흐릿한 부분을 남게 하고 남은 부분을 원본에 삽입시켜 원본 영상을 더욱더 선명하게 한 연구결과와 비슷하게 노이즈에 대한 부분을 어떻게 하면 정량적으로 표현하는 것을 제시하였다. [6] Kim, K.
[6] 에지강조영상은 원래 영상에서 공간적으로 흐려져 있는 부분의 픽셀 강도로, 저공간주파수 범위를 포함하며, 원래 영상에서 마스크 처리하여 얻는 부분이다. 또한 공간주파수가 높은 경계면의 픽셀 강도뿐만 아니라, 강조계수로 최종 영상의 증강정도를 정해 준다. 그리고 우선 입력 영상에서 고역 주파수 영상을 만들고 난 뒤에, 원본 영상을 흐릿하게 만들어 저역 주파수 영상을 만든다.
측정방법은 수집된 chest image DICOM 파일을 ImageJ(Wayne Rasband National Institutes of Health, USA) 프로그램을 사용하여 original chest image의 심장음영 (heart shadow) 부분에 Fig. 1과 같이 200ּ×200㎟ ROI를 설 정하여 측정한 intensity kernel size 3*3 image의 심장음영 부분에 Fig. 2와 같이 200ּ×200㎟ ROI를 설정하였다.
측정한 intensity kernel size 7*7 image의 심장음영 부분에 Fig. 3과 같이 200ּ×200㎟ ROI를 설정하여 측정한 intensity kernel size 9*9 image의 심장음영 부분에 Fig. 4와 같이 200ּ×200㎟ ROI를 설정하여 측정한 intensity값을 측정하였다.
대상 데이터
[1] 따라서 본 연구에서는 방사선사에 의해서 최적화 되어진 후처리된 DICOM 파일 흉부영상을 정량적으로 평가하게 되었다. 그리고 필터에는 여러 가지 필터가 있지만, 그 중에서도 소프트웨어(software)에 관련된 ImageJ(Wayne Rasband National Institutes of Health, USA)에서 있는 필터들을 사용하였다. 여기에서 선형필터로는 저역통과 필터(low pass filter : LPF), 고역통과 필터 (high pass filter : HPF), 비선형적인 필터로는 중간값 필터(median filter : MF)등 여러 가지로 나누어지게 된다.
일반적으로 방사선과 영역에서 부르는 에지 강조(언샤프 마스크)필터라고 할 수 있다. 사용된 HPF의 커넬 크기는 주로 3*3 커넬, 7*7 커넬, 9*9 커넬을 사용하여 흉부영상에 적용하였다. 따라서 방사선 의료영상의 영상 처리에 있어서 CR, MRI, PET CT등 질 높은 정량적인 방법으로 측정하여 영상의 질을 평가할 수 있는 지표인 신호 대 잡 비(signal noise ratio: SNR)와 대조도 대 잡음비(contrast noise ratio: CNR)의 중요성이 대두되고 있다.
데이터처리
ANOVA 분석을 하였으며, 95%(p<0.05)에서 유의한 것으로 판단하였다.
05보다 적게 나왔다. Intensity값과 Backgrounding NoiseSD값 사후분석은 Scheffe 사후분석을 이용하였다.
자료처리 방법은 통계프로그램 SPSS Statistics21을 사용하여 흉부영상에 따른 SNR값의 평균과 95% 신뢰구간을 비교하기 위하여 분산분석(Analysis of Variance : ANOVA)분석을 하였고, 흉부영상별로 통계적으로 유의한 차이를 분석하기 위해 사후분석을 실시하였으며, SNR 사후분석은 등 분산을 가정하지 않아 Dunnett T3 Test 사후분석을 이용하였다. 등분산 기준인 P값이 0.
성능/효과
따라서 본 논문에서는 Fig. 1~5와 동일한 지점에 100ּ×100㎟ 의 ROI의 범위로 측정하여 intensity값과 Backgrounding NoiseSD값 측정 방법으로 통계분석을 한 결과, SNR값과 Backgrounding NoiseSD값에서 통계적으로 유의하지 않은 original chest image값과 kernel size 7*7 image값의 평균크기가 바뀌었고, 평균값의 크기는 SNR은 200ּ×200㎟ 의 ROI의 범위로 측정한 값이 컸고, intensity값과 Backgrounding NoiseSD값에서는 100ּ×100㎟ 의 ROI의 범위로 측정한 값이 컸다.
05) 보다 컸다. 사후분석의 결과도 kernel 크기 종류에 따라 SNR값이 통계적으로 유의함을 알 수 있었다.
연령은 40대와 50대가 가장 많았고, 성별은 여자가 62%로 많았다, 연구의 결론은 커넬 크기 종류에 따라 통계적으로 유의한 SNR값의 평균값의 사후분석 결과 Table 6, 7에서 kernel size 9*9 image 가 kernel size 7*7 image, original chest image, kernel size 3*3 image (p < 0.001)보다 컸고, kernel size image 7*7이 kernel size 3*3 image (p < 0.001)보다 컸다.
8에서 Backgrounding NoiseSD값은 통계적으로 유의 했고, kernel size 3*3 image, original chest image, kernel size 7*7 image, kernel size 9*9 image 순서로 작아졌다. 위 결과값을 통해 SNR값에 영향을 결정적 영향을 미치는 인자는 Backg rounding NoiseSD값이라는 사실을 확인 할 수 있었다. 또한 본 연구에서 가장 영향을 미칠 인자로 생각하는 부분이 한 가지가 있다면 ROI의 범위이다.
ANOVA 분석결과 종류별 SNR의 평균 비교는 Table 2와 같다. 흉부영상종류별 SNR값의 평균을 비교하면, kernel size 9*9 image, kernel size 7*7 image, original chest image, kernel size 3*3 image 순으로 높게 나타났다.
후속연구
본 실험을 통하여 의료 영상은 통계적 유의성과 ROI의 설정 및 기타 객관적인 정량적 평가로서 좀 더 방사선사의 의료영상후처리 DICOM 파일을 이용하여서 유용하게 사용할 수 있을 것으로 판단된다. 결론적으로, 본 연구에서는 흉부 영상에서 커넬 크기 변화에 따라서 심장저부 음영의 정량화한 평가결과를 보조적인 수단으로 활용할 수 있을 것으로 사료된다.
이는 ROI의 설정 시 위치 및 사이즈에 따라서 달라질 수 있음을 확인하 였다. 다만, 통계적으로 유의성을 검증하는 실험연구 논문에 대해서는 통계적인 결과에 신뢰도를 갖는다면 방사선사 영역 안에서의 의료영상 후처리 DICOM 파일을 이용하여 연구하는 것도 무방하다고 판단이 된다.
본 실험을 통하여 의료 영상은 통계적 유의성과 ROI의 설정 및 기타 객관적인 정량적 평가로서 좀 더 방사선사의 의료영상후처리 DICOM 파일을 이용하여서 유용하게 사용할 수 있을 것으로 판단된다. 결론적으로, 본 연구에서는 흉부 영상에서 커넬 크기 변화에 따라서 심장저부 음영의 정량화한 평가결과를 보조적인 수단으로 활용할 수 있을 것으로 사료된다.
질의응답
핵심어
질문
논문에서 추출한 답변
디지털 방사선 의료영상을 개선시키는 방법에는 무엇이 있는가?
디지털 방사선 의료영상을 개선시키는 방법은 여러 가지 방법으로 나뉜다. 영상의 통계적 정보를 이용하거나, 각 화소의 값을 개별적으로 수정하는 방법으로 하거나, 의료영상에서 저주파와 고주파 성분을 분리하며, 이들 각 특징에 따라 가중치를 달리해 재결합 시켜 명암대비를 개선시키는 방법 등이 있다. 특히 방사선과내에서의 의료영상에서는 에지 강조를 이용한 필터링 기법이 있으며, 저주파 영역에 비해 고주파 영역을 보다 강조함으로써 영상의 시각적 화질을 개선시킬 수 있다.
아트펙트(artifact)는 어떻게 만들어 지는가?
또한, 방사선 의료영상은 화질을 평가하는데 노이즈의 영향에 의해서나 화질의 관점에 있어서 좋은 디지털 영상의 개선 기법도 같이 발전하게 되었다. [1] 또 다른 관점에서의 의료영상은 화질을 개선하기 이전에 기계적인 작동오류로 인하여 아트펙트(artifact)를 만들어 낸다.[2] 방사선 의료영상의 아트펙트는 기계적인 오류뿐만 아니라 운영하는 운영자에 의해서도 나타날 수 있다.
방사선 의료영상의 아트펙트가 운영자에 의해 나타나는 예로 무엇이 있는가?
[2] 방사선 의료영상의 아트펙트는 기계적인 오류뿐만 아니라 운영하는 운영자에 의해서도 나타날 수 있다. 실 예로 방사선사는 원본데이터(raw data)를 이용하거나 다양한 후처리(post processing)를 시행하여 방사선과 학생들에 대한 교육 목적으로 후처리를 하게 된다. 이 때 방사선사가 후처리를 해서 확인(verify) 되어진 digital imaging communication of medicine (DICOM) 파일을 보는 것이다. 그리고 방사선사가 자체적으로 최적화 되어진 DICOM 의료영상을 확인(verify)하게 되면서, 최적화 되어진 영상을 만들어 낸다. 이때에도 기계적인 오류나 조작자의 오류를 범할 수 있다.
참고문헌 (15)
Min, J. W., Kim, J. M., Jeong, H. W., et al., "Research about filter association and clinical effect noise reduction of digital medical imaging system", Journal of Radiological Science and Technology, Vol. 30, No. 4, pp. 329-334, 2007.
Min, J. W., Kim, J. M., Jeong, H. W., et al., "Artifacts in Digital Radiography", Journal of Radiological Science and Technology, Vol. 38, No. 4, pp. 375-381, 2015.
Kim, K. W., Lee, E. K., Min, J. W., et al., "Evaluation and Comparison of Signal to Noise Ratio According to Histogram Equalization of Heart Shadow on Chest Image", Journal of Radiological Science and Technology, Vol. 40, No. 2, pp. 197-203, 2017.
Kenichi F., Ruriko Y., Mitsuei S., et al., "Measurement of Gradation Curve by the Digital Test Pattern Method in a Computed Radiography System", Japanese Society of Radiological Technlogy, Vol. 60, No. 7, pp. 1000-1008, 2004.
Doi K., "Diagnostic imaging over the last 50 years: research and development in medical imaging science and tecnology", Phys Med Biol, Vol. 51, No. 13, pp. R5-R27, 2006.
P. Shanmugavadivu., K. Balasubramanian., "Image Edge and Contrast Enhancement Using Unsharp Masking and Constrained Histogram Equalization", Communications in Computer and Information Science, Vol. 140, No. 1, pp. 129-136, 2011.
REGIUS model 150 Imaging formation Theory, KONICA, 2001.
Kim, E. K., "Contrast and geometric correction of non-standardized radiographs in digital subtraction radiography", The journal of Korean academy of periodontology, Vol. 28, No. 4, pp. 797-809, 1998.
Min, J. W., Jeong, H. W., Kim, K. W., et al., "Comparison Study on CNR and SNR of Thoracic Spine Lateral Radiography", Journal of Radiological Science and Technology, Vol. 36, No. 4, pp. 280-273, 2013.
Lee, E. K., Kim, K. W., Min, J. W., et al., "Statistical Approach of Measurement of Signal to Noise Ratio in According to Change Pulse Sequence on Brain MRI Meningioma and Cyst Images", Journal of Radiological Science and Technology, Vol. 39, No. 3, pp. 345-352, 2016.
Lee, J. Y., Lee, E. K., Min, J. W., et al., "Evaluation and Comparison of Contrast to Noise Ratio and Signal to Noise Ratio According to Change of Reconstruction on Breast PET/CT", Journal of Radiological Science and Technology, Vol. 40, No. 1, pp. 79-85, 2017.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.