선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 일반적인 지방간 환자를 대상으로 한 선행연구는 많았으나, 본 논문에서는 조기 진단이 중요한 비알콜성지방간 환자를 선별하여 실험하였다. 따라서 비알콜성지방간 환자의 초음파영상의 특징값을 추출하여 GLCM알고리즘방법을 제안하고자 하였다. 초음파영상 질환 진단에 중요한 기초자료가 될 것이다.
- 본 논문에서는 4가지의 특징값으로 영상의 공간영역(spatial domain)에서 가장 효율적인 특징값을 제시하였다. Table 1은 특징값을 산출하기 위한 함수식을 나타낸다.
제안 방법
- 본 논문에서는 0°, 45°, 90°, 135° 4가지 방향의 변위벡터의 평균값을 사용하였다[11,12].
- 초음파영상 질환 진단에 중요한 기초자료가 될 것이다. 추가적으로정상 간실질과 국소 저지방영역을 비교하였으며, 초음파영상 판독에 있어 정량적인 분석을 제시하였다.
- 2015년 10월부터 2016년 4월까지 부산 W병원 검진센터에서 40∼60대 남성의 복부 초음파검사에서 만성간질환과 특이 질환 치료자를 제외하고 정상군 80증례, 경증 비알콜성지방간 80증례, 중등도 비알콜성지방간 80증례, 중증 비알콜성지방간 80증례, 국소지방회피 지방간 80증례를 실험대상으로 하였다. 정상인의 영상을 대조군으로 하고, 실험대상 영상은 경증, 중등도, 중증영상, 국소저지방영상으로 각각 구분하여 내과 전문의 1명, 영상의학 전문의 1명이 판독하였다. 후향적 분석 방법으로 실시하였고, 초음파 장비(Logiq P9, GE, USA)로 검사하였고, 컴퓨터프로그램은 MATLAB 2012a(Math Works Inc, USA)을 이용하였다.
- 초음파영상에서 기기의 동일한 설정값으로 고정하여 영상 픽셀의 값이 산출될 때 오차를 줄이기 위한 방법으로 적용하였다. 초음파기기의 설정값은 Gain(4), Frequency(5MHz),Edge Enhance(1), Depth(17cm), Dynamic Range(66)으로정하였고, 관심영역은 간 우엽의 종축 스캔(Rt.
- 초음파영상에서 기기의 동일한 설정값으로 고정하여 영상 픽셀의 값이 산출될 때 오차를 줄이기 위한 방법으로 적용하였다. 초음파기기의 설정값은 Gain(4), Frequency(5MHz),Edge Enhance(1), Depth(17cm), Dynamic Range(66)으로정하였고, 관심영역은 간 우엽의 종축 스캔(Rt. subcostal longitudinal scan)에서 얻어진 영상의 간실질을 포함하였다.
- 원영상(original image)을 분석하기 쉬운 형태로 변환하는 전처리과정(preprocessing)을 수행하였다. Fig.
- 원영상(original image)을 분석하기 쉬운 형태로 변환하는 전처리과정(preprocessing)을 수행하였다. Fig. 1은 분석하고자 하는 정상, 경도, 중등증, 중증지방간의 원영상이고, 전처리 과정으로 히스토그램 평활화(histogram equalization)와 범위필터(range filter)를 적용하였다. 히스토그램 평활화는 원영상의 그레이값을 균일하게 하여 영상대비 개선효과를 나타내었으며, 범위필터는 질감분석 알고리즘에서 노이즈를 감소시켜 병변부위의 인식률을 높여 주는 효과가 있었다.
- 질감의 통계적인 방법은 질감 특징을 산출하기 위한 일반적인 분석 방법으로 Co-ocurrence매트릭스, 자체상관(auto-correlation)함수, 그리고 퓨리에 스펙트럼 등이 있다. 본 논문에서는 GLCM(Gray Level Co-ocurrence Matrix)방법을 이용하여 이웃하는 화소들 간의 상호 관계를 분석함으로써 쉽게 영상의 질감 특징을 얻을 수 있었다. GLCM 방법은 원 영상에서 해당 그레이 레벨쌍의 출현 횟수를 기본으로 한다.
- 본 연구에서는 GLCM 알고리즘을 적용하여 비알콜성지방간을 분류하였고, 지방침착이 정도에 따라 측정값이 다르게 인식함으로서 분류가 가능하였다. 그리고 미만적으로 지방이 침착된 지방간 영역과 반대로 지방이 침착되지 않은 국소 지방회피 저음영은 정상간과 같은 밝기와 질감 특징이 나타났다.
대상 데이터
- 2015년 10월부터 2016년 4월까지 부산 W병원 검진센터에서 40∼60대 남성의 복부 초음파검사에서 만성간질환과 특이 질환 치료자를 제외하고 정상군 80증례, 경증 비알콜성지방간 80증례, 중등도 비알콜성지방간 80증례, 중증 비알콜성지방간 80증례, 국소지방회피 지방간 80증례를 실험대상으로 하였다.
- 초음파검사는 일차적인 선별검사법으로서 구조적인 이상과 다양한 국소 질환을 실시간으로 진단할 수 있으며, 방사선피폭 및 조영제의 부담없이 비침습적으로 시행할 수 있어 지방간이나 만성 간염 환자의 추적 검사하기에 용이하다. 일반적인 지방간 환자를 대상으로 한 선행연구는 많았으나, 본 논문에서는 조기 진단이 중요한 비알콜성지방간 환자를 선별하여 실험하였다. 따라서 비알콜성지방간 환자의 초음파영상의 특징값을 추출하여 GLCM알고리즘방법을 제안하고자 하였다.
데이터처리
- 정상인의 영상을 대조군으로 하고, 실험대상 영상은 경증, 중등도, 중증영상, 국소저지방영상으로 각각 구분하여 내과 전문의 1명, 영상의학 전문의 1명이 판독하였다. 후향적 분석 방법으로 실시하였고, 초음파 장비(Logiq P9, GE, USA)로 검사하였고, 컴퓨터프로그램은 MATLAB 2012a(Math Works Inc, USA)을 이용하였다.
성능/효과
- 1은 분석하고자 하는 정상, 경도, 중등증, 중증지방간의 원영상이고, 전처리 과정으로 히스토그램 평활화(histogram equalization)와 범위필터(range filter)를 적용하였다. 히스토그램 평활화는 원영상의 그레이값을 균일하게 하여 영상대비 개선효과를 나타내었으며, 범위필터는 질감분석 알고리즘에서 노이즈를 감소시켜 병변부위의 인식률을 높여 주는 효과가 있었다. Fig.
- 특징추출 단계에서 영상의 특성을 분석하여 각 패턴을 표현하는 가정 핵심적인 정보들을 특징으로 찾는다. 원 영상의 형태 그대로 사용하지 않고, 핵심적인 특징만을 추출하여 사용함으로써 계산량을 줄이고 불필요한 정보를 제거하는 효과를 얻을 수 있다.
- Autocorrelation의 결과값에서 정상 초음파영상은 평균 4.798±0.698, 최대값 4.984, 최소값 4.126, 경도비알콜성지방간은 평균값 6.110±0.409, 최대값 6.614, 최소값5.628 중등비알콜성지방간은 평균값 8.572±1.700, 최대값 10.399, 최소값 6.771, 중증비알콜성지방간은 평균값 11.74±1.478, 최대값 13.919, 최소값 9.851로 나타났다.
- Sum of squares의 결과값에서 정상간초음파영상은 평균값 4.822±0.688, 최대값 5.710, 최소값 4.101, 경도비알콜성지방간은 평균값 6.780±0.704, 최대값 7.684, 값 6.070,중등비알콜성지방간은 평균값 9.165±8.427, 중증비알콜성지방간은 평균값 11.10±1.216, 최대값 12.316, 최소값9.784, 국소지방회피영역은 평균값 4.374±1.029, 최대값 4.704, 최소값 3.450으로 나타났다.
- Sum average의 결과값에서 정상간초음파영상은 평균 3.855±1.317, 최대값 5.362, 최소값 2.428, 경도비알콜성지방간은 평균값 4.880±0.549, 최대값 5.339, 최소값4.299, 중등비알콜성지방간은 평균값 7.398±0.448, 최대값 7.952, 최소값 6.79, 중증비알콜성지방간은 평균값 8.314±0.846, 최대값 9.301, 최소값 7.429, 국소지방회피영역은 평균값 4.001±0.541, 최대값 4.624, 최소값 3.49로 나타났다.
- Sum variance의 결과값에서 정상간초음파영상은 평균값 14.29±0.506, 최대값 14.796, 최소값 13.111, 경도비알콜성지방간은 평균값 31.28±2.883, 최대값34.923, 최소값 27.997, 중등비알콜성지방간은 평균값 35.62±3.926,최대값 39.796, 최소값 31.111, 중증비알콜성지방간은 평균값 40.42±5.611, 최대값 46.034, 최소값 34.214, 국소지방회피영역은 평균값 13.79±2.265, 최대값 16.255, 최소값 11.520으로 나타났다.
- 정상 초음파영상 Autocorrelation, Sum of squares,Sum average, Sum variance의 파라미터결과값이 지방간의 국소 저지방영역의 결과값에 대한 최소값, 최대값 범위에 겹치게 나타나면 정상간의 영상 특징으로 예측 가능하며, 실험영상 80증례 중 모두 정상 초음파영상 범위에 포함되어 100% 인식률을 나타내었다.
- 초음파영상의 전처리과정에서 최적의 영상을 위해 히스토그램 평활화와 범위필터를 제시하였고, GLCM 알고리즘의 파라미터 중, Autocorrelation, Sum of squares, Sumaverage, Sum variance 파라미터에서 93~100%로 높은 인식률을 나타내었다.
- 본 논문에서 제안한 GLCM알고리즘은 초음파영상 판독의 효율성과 정량적인 진단기법으로 확인하였다. 공학적 컴퓨터프로그램과 접목하여 육안적 판독으로 인한 오류를 줄이고, 정확하고 신속한 결과를 요구하는 초음파검사에서 다양한 질환적용과 영상처리기법에 대한 연구가 필요하다고 본다.
- 정상 초음파영상 Autocorrelation 파라미터 결과값과 경도, 중등도, 중증비알콜성지방간의 각각 결과값에 대한 최소값, 최대값 범위에 겹쳐지지 않고 나타날 때 지방간 분류가 가능하며, 실험영상 360증례 중 정상 초음파영상의 범위에서 벗어나는 경도 지방간 영상은 77증례, 중등도 80증례,중증 80증례로 정상과 경도지방간은 96%, 나머지 중등도와 중증지방간은 100% 병변인식률이 나타났다(Fig. 3). 정상 초음파영상 Sum of squares 파라미터 결과값과 경도, 중등도, 중증비알콜성지방간의 각각 결과값에 대한 최소값, 최대값 범위에 겹쳐지지 않고 나타날 때 지방간 분류가 가능하며, 실험영상 360증례 중 정상 초음파영상의 범위에서 벗어나는 경도 지방간영상은 80증례, 중등도 80증례, 중증 80 증례로 병변인식률이 모두 100%로 나타났다(Fig.
- 3). 정상 초음파영상 Sum of squares 파라미터 결과값과 경도, 중등도, 중증비알콜성지방간의 각각 결과값에 대한 최소값, 최대값 범위에 겹쳐지지 않고 나타날 때 지방간 분류가 가능하며, 실험영상 360증례 중 정상 초음파영상의 범위에서 벗어나는 경도 지방간영상은 80증례, 중등도 80증례, 중증 80 증례로 병변인식률이 모두 100%로 나타났다(Fig. 4).
- 정상 초음파영상 Sum average 파라미터 결과값과 경도,중등도, 중증비알콜성지방간의 각각 결과값에 대한 최소값,최대값 범위에 겹쳐지지 않고 나타날 때 지방간 분류가 가능하며, 실험영상 360증례 중 정상 초음파영상의 범위에서 벗어나는 경도 지방간영상 80증례, 중등도 80증례, 중증 80 증례로 병변 인식률이 모두 100%로 나타났다(Fig. 5).
- 정상 초음파영상 Sum variance 파라미터 결과값과 경도, 중등도, 중증비알콜성지방간의 각각 결과값에 대한 최소값, 최대값 범위에 겹쳐지지 않고 나타날 때 지방간 분류가 가능하며, 실험영상 360증례 중 전체영상이 정상 초음파 영상의 범위에서 벗어나지만, 경도와 중등도영상에서 74증례, 병변인식률이 93%, 중등도와 중증영상에서 76증례, 병변인식률 95%로 나타났다(Fig. 6).
후속연구
- 따라서 비알콜성지방간 환자의 초음파영상의 특징값을 추출하여 GLCM알고리즘방법을 제안하고자 하였다. 초음파영상 질환 진단에 중요한 기초자료가 될 것이다. 추가적으로정상 간실질과 국소 저지방영역을 비교하였으며, 초음파영상 판독에 있어 정량적인 분석을 제시하였다.
- 그리고 미만적으로 지방이 침착된 지방간 영역과 반대로 지방이 침착되지 않은 국소 지방회피 저음영은 정상간과 같은 밝기와 질감 특징이 나타났다. 지방간초음파검사에서 지방회피영상에 대한 내용은 선행 연구된 바가 없고, 본 연구의 내용이 기초자료가 될 것이며, 앞으로 연구되어야 할 과제라고 본다.
- 본 논문에서 제안한 GLCM알고리즘은 초음파영상 판독의 효율성과 정량적인 진단기법으로 확인하였다. 공학적 컴퓨터프로그램과 접목하여 육안적 판독으로 인한 오류를 줄이고, 정확하고 신속한 결과를 요구하는 초음파검사에서 다양한 질환적용과 영상처리기법에 대한 연구가 필요하다고 본다.
- 향후 연구과제로는 MATLAB 분류기(classification)를 추가 적용하여 질환의 정도에 따라 자동 분류하는 기법을 연구해야 할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.