[논문]거리 기반 유사도 측정을 통한 유방 초음파 영상의 내용 기반 검색 컴퓨터 보조 진단 시스템에 관한 연구

김민정; 조현종

doi:10.5370/kiee.2017.66.8.1272

거리 기반 유사도 측정을 통한 유방 초음파 영상의 내용 기반 검색 컴퓨터 보조 진단 시스템에 관한 연구
A Study of CBIR(Content-based Image Retrieval) Computer-aided Diagnosis System of Breast Ultrasound Images using Similarity Measures of Distance 원문보기

전기학회논문지 = The Transactions of the Korean Institute of Electrical Engineers, v.66 no.8, 2017년, pp.1272 - 1277

김민정 (Interdisciplinary Graduate Program for BIT Medical Convergence, Kangwon National University) , 조현종 (Division of Electrical & Electronic Engineering and Interdisciplinary Graduate Program for BIT Medical Convergence, Kangwon National University)

Abstract ▼ AI-Helper

To assist radiologists for the characterization of breast masses, Computer-aided Diagnosis(CADx) system has been studied. The CADx system can improve the diagnostic accuracy of radiologists by providing objective information about breast masses. Morphological and texture features were extracted from the breast ultrasound images. Based on extracted features, the CADx system retrieves masses that are similar to a query mass from a reference library using a k-nearest neighbor (k-NN) approach. Eight similarity measures of distance, Euclidean, Chebyshev(Minkowski family), Canberra, Lorentzian($F_2$ family), Wave Hedges, Motyka(Intersection family), and Cosine, Dice(Inner Product family) are evaluated by ROC(Receiver Operating Characteristic) analysis. The Inner Product family measure used with the k-NN classifier provided slightly higher performance for classification of malignant and benign masses than those with the Minkowski, $F_2$, and Intersection family measures.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

영상의학과 전문의들의 유방암 진단에 대한 정확도를 향상시키기 위하여 CADx 시스템에 대한 연구가 진행되고 있다. CADx시스템을 통하여 영상의학과 전문의에게 객관적인 정보를 제공하여 암 진단에 대한 정확도를 향상시키는 것이 본 연구의 주요 목표이다.
각 유사도 측정 방법을 이용하여 종괴의 특성을 추정하여 영상의학과 전문의에게 객관적인 정보를 제공함으로써 암 진단에 대한 정확도가 향상될 수 있다. 유방 초음파 영상의CADx 시스템을 설계하여 영상의학과 전문의에게 보다 객관적이 고 정확한 정보를 전달하는 것이 본 연구의 주요 목표이다.

제안 방법

CADx 시스템을 설계하기 위하여 분류한 종괴의 형태학 특징(Morphological Features)과 질감 특징(Texture Features)을 추출하여 사용하였다[1]. 형태학 특징에는 악성 종괴에 대한 좋은 지표가 될 수 있는 종괴의 가로와 세로의 비율(종괴의 앞뒤로 긴 모양)과 후방 음영 특징(종괴의 내부와 가장 어두운 후방 부분의 정규화 된 평균 계조의 차이)이 있다.
유방 초음파 영상을 위한 CADx 시스템을 설계하기 위하여 여러 가지 유사도 측정 방법을 적용하고 그 결과를 비교하였다. 거리 기반 유사도 측정 방법을 적용하기 위하여 취득한 데이터를 임의로 두 집합 S₁, S₂로 분류하고 두 집합에 대하여 교차검증 방법을 사용하여 훈련 집합과 실험 집합으로 분류하여 유사도 측정 방법을 적용하였다.
본 연구에서 질의 종괴와 참조 라이브러리 종괴 간의 유사도를 측정하기 위하여 적용한 유사도 측정 방법은 민코스키 부류(유클리드 거리, 체비쇼프 거리), F2 부류(캔버라, 로렌시안), 교차점 부류(웨이브 헤지, 모티카), 내적 부류(코사인, 다이스)로 총8가지이다. 각 유사도 측정 방법을 적용하여 ROC(Receiver Operating Characteristic) 분석을 수행한 결과는 각각 그림 5와 같다.
본 연구에서는 질의 종괴와 유사한 종괴를 추출하기 위한 유사도 측정 방법으로 거리에 기반한 8가지 방법을 적용하고 비교하였다. 8가지 유사도 측정 방법은 민코스키 부류(Minkowskifamily), F₂ 부류(F₂ family), 교차점 부류(Intersection family),내적 부류(Inner Product family)의 범주로 분류할 수 있다[8].
선택된 특징들의 집합은 각 종괴에 대한 특징 벡터로 사용되며 두 집합 S₁과 S₂에 대하여 교차 검증 방법을 이용하여 훈련 집합(Training set)과 실험 집합(Test set)으로 분류하여 사용하였다.
유방 초음파 영상을 위한 CADx 시스템을 설계하기 위하여 여러 가지 유사도 측정 방법을 적용하고 그 결과를 비교하였다. 거리 기반 유사도 측정 방법을 적용하기 위하여 취득한 데이터를 임의로 두 집합 S₁, S₂로 분류하고 두 집합에 대하여 교차검증 방법을 사용하여 훈련 집합과 실험 집합으로 분류하여 유사도 측정 방법을 적용하였다.
유방 초음파 영상의 CADx 시스템 설계를 위하여 적용한 8가지 유사도 측정 방법을 부류 별로 성능을 비교해 보았다. 그 결과가 표 1과 그림 6에 나타나 있다.
유방 초음파 영상의 CADx 시스템을 통하여 각 종괴의 특징들을 추출한 후 유사도 측정 방법을 적용하여 종괴의 특성을 추정할 수 있다. 각 유사도 측정 방법을 이용하여 종괴의 특성을 추정하여 영상의학과 전문의에게 객관적인 정보를 제공함으로써 암 진단에 대한 정확도가 향상될 수 있다.
분류된 두 집합에 대하여 교차 검증 방법을 사용하여 훈련 집합과 실험 집합으로 분류하여 유사도 측정 방법을 적용하고 ROC 분석을 통하여 각각의 성능을 비교하였다. 질의 종괴와 참조 라이브러리의 종괴 간의 유사도를 측정하기 위하여 민코스키 부류, 맨해튼 부류, 교차점 부류, 내적 부류의 4가지 부류에 대하여 각각 2가지 방법으로 총 8가지 거리 기반유사도 측정 방법을 적용하였다. 그 결과를 ROC 분석을 통하여 비교 및 분석한 결과 8가지 방법 모두 거리에 기반한 방법이기 때문에 큰 차이를 보이지 않는다.

대상 데이터

모든 데이터는 조직검사에서 병리학적으로 입증되었다. 96개의 악성 유방 종괴와 154개의 양성 유방 종괴를 포함하는 총 250명 환자의 데이터를 취득하였다[5].
본 연구에서는 유방 초음파 영상의 CADx 시스템을 설계하기 위하여 대학병원 영상의학과에서 검사를 받은 유방 초음파 데이터를 사용하였다. 모든 데이터는 조직검사에서 병리학적으로 입증되었다.

데이터처리

CADx 시스템을 설계하기 위하여 취득한 데이터를 임의로 두 집합으로 분류하였다. 분류된 두 집합에 대하여 교차 검증 방법을 사용하여 훈련 집합과 실험 집합으로 분류하여 유사도 측정 방법을 적용하고 ROC 분석을 통하여 각각의 성능을 비교하였다. 질의 종괴와 참조 라이브러리의 종괴 간의 유사도를 측정하기 위하여 민코스키 부류, 맨해튼 부류, 교차점 부류, 내적 부류의 4가지 부류에 대하여 각각 2가지 방법으로 총 8가지 거리 기반유사도 측정 방법을 적용하였다.

이론/모형

본 연구에서는 초음파 이미지에서 유방의 종괴 부분을 분류하여 유방 초음파 영상의 CADx 시스템을 설계하기 위하여 이전에 설계된 활성 윤곽선 모델을 사용한 자동화 방법을 사용하였다[6]. 이는 종괴의 중심으로부터 활성 윤곽선 모델을 이용하여 종괴의 윤곽을 자동으로 추정하는 방법이다.

후속연구

이후 연구에서는 유방 초음파 영상의 CADx 시스템의 성능을 향상시키기 위하여 더 다양한 거리 기반 유사도 측정 방법을 적용하여 그 결과를 비교 및 분석할 예정이다. 또한, 거리 기반 유사도 측정 방법보다 더 좋은 성능을 나타낼 것이라고 기대되는서포트 벡터 머신(Support Vector Machine, SVM) 등의 분류기를 유사도 측정 방법으로 적용하고 그 결과를 비교 및 분석할 예정이다.
이후 연구에서는 유방 초음파 영상의 CADx 시스템의 성능을 향상시키기 위하여 더 다양한 거리 기반 유사도 측정 방법을 적용하여 그 결과를 비교 및 분석할 예정이다. 또한, 거리 기반 유사도 측정 방법보다 더 좋은 성능을 나타낼 것이라고 기대되는서포트 벡터 머신(Support Vector Machine, SVM) 등의 분류기를 유사도 측정 방법으로 적용하고 그 결과를 비교 및 분석할 예정이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	유방암 검진을 위한 연구에서 초음파 영상을 활용한 연구가 주목받는 이유는?	현재 X선(X-ray)과 초음파 영상을 활용한 연구가 주로 진행되고 있다. 그런데 유방암 검진을 위하여 사용되는 X선이 유방암 발생에 영향을 미친다는 연구 결과에 따라 초음파 영상을 활용한 연구에 대한 중요성이 증가하고 있다[2]. 초음파 영상은 유방 종괴의 특성을 구분하기 위한 유용한 진단 방식이다[3].
	유방 초음파 영상의 컴퓨터 보조 진단 시스템의 역할은?	유방 초음파 영상의 컴퓨터 보조 진단(Computer-aided Diagnosis, CADx) 시스템은 객관적인 정보를 제공함으로써 영상의학과 전문의들이 암을 진단하는데 도움을 주기 위하여 연구되고 있는 분야이다. 현재 X선(X-ray)과 초음파 영상을 활용한 연구가 주로 진행되고 있다.
	유방 초음파 영상을 위한 CADx 시스템을 설계하기 위해 여러 가지 유사도 측정 방법을 적용했는데 본 연구에서 사용한 유사도 측정 방법에는 무엇이 있는가?	본 연구에서 질의 종괴와 참조 라이브러리 종괴 간의 유사도를 측정하기 위하여 적용한 유사도 측정 방법은 민코스키 부류(유클리드 거리, 체비쇼프 거리), F2 부류(캔버라, 로렌시안), 교차점 부류(웨이브 헤지, 모티카), 내적 부류(코사인, 다이스)로 총8가지이다. 각 유사도 측정 방법을 적용하여 ROC(Receiver Operating Characteristic) 분석을 수행한 결과는 각각 그림 5와 같다.

참고문헌 (12)

H. Cho, L. Hadjiiski, B. Sahiner, H. P. Chan, M. Helvie, C. Paramagul, et al., "Similarity evaluation in a contentbased image retrieval (CBIR) CADx system for characterization of breast masses on ultrasound images," Medical Physics, vol. 38, pp. 1820-1831, Apr 2011.

상세보기
P. Espin-Lopez, A. Martellosio, M. Pasian, M. Bozzi, L. Perregrini, A. Mazzanti, et al., "Breast cancer imaging at mm-Waves: Feasibility study on the safety exposure limits," in Microwave Conference (EuMC), 2016 46th European, 2016, pp. 667-670.
H. Cho, L. Hadjiiski, B. Sahiner, H. P. Chan, M. Helvie, C. Paramagul, et al., "A similarity study of contentbased image retrieval system for breast cancer using decision tree," Medical physics, vol. 40, 2013.

상세보기
W. Yang, S. Zhang, Y. Chen, Y. Chen, W. Li, and H. Lu, "Effective shape measures in malignant risk assessment for breast tumor on sonography," in Computer and Computational Sciences, 2008. IMSCCS'08. International Multisymposiums on, 2008, pp. 51-56.
H. Cho, L. Hadjiiski, B. Sahiner, H. P. Chan, C. Paramagul, M. Helvie, et al., "Interactive content-based image retrieval (CBIR) computezr-aided diagnosis (CADx) system for ultrasound breast masses using relevance feedback," in SPIE, Medical Imaging 2012, 2012, pp. 831509-831509-7.
J. Cui, B. Sahiner, H. P. Chan, A. Nees, C. Paramagul, L. M. Hadjiiski, et al., "A new automated method for the segmentation and characterization of breast masses on ultrasound images," Medical Physics, vol. 36, pp. 1553-1565, May 2009.

상세보기
R. M. Haralick, K. Shanmugam, and I. Dinstein, "Texture features for image classification," IEEE Transactions on Systems, Man, and Cybernetics, vol. SMC-3, pp. 610-621, 1973.

상세보기
S.-H. Cha, "Comprehensive survey on distance/similarity measures between probability density functions," City, vol. 1, p. 1, 2007.
K. Belattar and S. Mostefai, "Similarity measures for Content-Based Dermoscopic Image Retrieval: A comparative study," in 2015 First International Conference on New Technologies of Information and Communication (NTIC), 2015, pp. 1-6.
N. Bouhmala, "How Good is the Euclidean Distance Metric for the Clustering Problem," in 2016 5th IIAI International Congress on Advanced Applied Informatics (IIAI-AAI), 2016, pp. 312-315.
M. D. Malkauthekar, "Analysis of euclidean distance and Manhattan Distance measure in face recognition," in Computational Intelligence and Information Technology, 2013. CIIT 2013. Third International Conference on, 2013, pp. 503-507.
S. Viriyavisuthisakul, P. Sanguansat, P. Charnkeitkong, and C. Haruechaiyasak, "A comparison of similarity measures for online social media Thai text classification," in 2015 12th International Conference on Electrical Engineering/Electronics, Computer, Telecommunications and Information Technology (ECTI-CON), 2015, pp. 1-6.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증