[논문]복부전산화단층영상의 체지방 분할방법

최석윤

doi:10.7742/jksr.2019.13.3.489

초록
AI-Helper

산업의 발달로 인한 생활습관과 신체활동 부족 등으로 한국인의 비만인구가 급증하고 있다. 전산화단층영상을 이용한 기존의 지방량 계산 프로그램에서 반자동방식의 프로그램이 사용되고 있다. 관련 문제를 해결하기 위한 방법들이 제시되고 있으나 본 연구에서는 모폴로지 연산을 이용한 알고리즘을 제시하고 절차가 간단하고 비교적 계산량이 적은 새로운 방법으로 문제를 해결하고자 한다. 모폴로지 연산을 통해 침식과 팽창을 반복한 결과 영상으로부터 문제점이 해결된 것을 알 수 있어 결과로부터 각 조직 간의 경계를 더욱 정교하게 얻을 수 있었다. LoG (Laplace of Gaussian) 함수를 이용해서 각 조직간 경계 부분을 분할하였다. 각 경계는 명확하게 구분이 되었으며, 피하지방을 계산하기 위해 충분한 정보를 제공하였다. 개발된 분할결과를 사용하여 향후 자동 지방량 계산을 할 수 있다. 정확한 분할 도구를 제공함으로써 의사에게 편리함을 주고 재검사로 인한 피폭과 검사비용을 줄이는데 도움이 될 것으로 판단한다.

Abstract ▼ AI-Helper

Obesity is increasing in our country due to lack of lifestyle and physical activity. Semi-automatic program is used in existing fat calculation program using computed tomography. Although methods for solving related problems have been proposed, this study proposes an algorithm using morphology opera...

Obesity is increasing in our country due to lack of lifestyle and physical activity. Semi-automatic program is used in existing fat calculation program using computed tomography. Although methods for solving related problems have been proposed, this study proposes an algorithm using morphology operation and We want to solve the problem with a new method that has a simple procedure and a relatively small amount of computation. As a result of repetition of erosion and expansion Automatic fat mass calculation can be done in the future by using the developed partitioning result. By providing an accurate segmentation tool, it will be helpful to doctors and reduce the expense and inspection cost of retesting. through morphology operation, it was found that the problem was solved from the image.Automatic fat mass calculation can be done in the future by using the developed partitioning result. By providing an accurate segmentation tool, it will be helpful to doctors and reduce the expense and inspection cost of retesting.

주제어

표/그림 (6)

그림 Fig. 1. Flow chart of fat segmentation program
그림 Fig. 2. Preprocessing results
그림 Fig. 3. Subcutaneous fat auto segmentation
그림 Fig. 4. Subcutaneous fat auto segmentation process
그림 Fig. 5. Visceral fat splitting result(blue)
그림 Fig. 6. Comparison of body fat calculation time (x-axis: sample, y-axis: sec)

AI 본문요약
AI-Helper

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

문제 정의

전산화단층영상을 이용해 지방량을 측정하는 방법에서 반자동방식의 프로그램을 사용 시 체지방과 복부지방의 경계를 의사가 손으로 직접 분할하고 경계를 기준으로 지방의 비율을 자동으로 계산하게 된다. 관련 문제를 해결하기 위한 방법들이^[6]제시되고 있으나 본 연구에서는 모폴로지 연산을 이용한 알고리즘 절차가 간단하고 계산량이 적은 새로운 방법으로 문제를 해결하고자 한다. 본 연구에서는 자동으로 체지방 계산을 시도하고 환자에게 정확한 지방의 정보를 제공을 위한 영상분할을 완성하고자 한다.
관련 문제를 해결하기 위한 방법들이^[6]제시되고 있으나 본 연구에서는 모폴로지 연산을 이용한 알고리즘 절차가 간단하고 계산량이 적은 새로운 방법으로 문제를 해결하고자 한다. 본 연구에서는 자동으로 체지방 계산을 시도하고 환자에게 정확한 지방의 정보를 제공을 위한 영상분할을 완성하고자 한다.

제안 방법

6에서는 제안한 자동복부지방 분할과 기존에 사용되고 있는 수동으로 복부지방 분할을 계산하는 방법 간의 시간에 대한 결과를 보여준다. 10개의 서로 다른 복부영사에 대한 계산 시간을 비교하였다. 제안된 방법은 서로 다른 10개의 영상에 대해서 평균 21.
개발된 알고리즘을 통해서 표피와 피하지방 그리고 내장지방의 경계를 자동분할하였다. 피하지방 경계 좌표를 자동으로 얻을 수 있다.
모폴로지 연산을 위해서 확장과 침식 연산법을 적용하여 최종 경계지역을 획득하였다. 다음 경계로부터 좌표를 획득하여 전체 픽셀의 분포와 피하지방의 픽셀의 분포를 정량적으로 획득하였고 정량적 픽셀 분포로부터 복부 지방율을 계산하였다.
(4)의 LoG 함수 필터의 합이 0이며, 최대값이 커져 경사가 급격한 에지를 검출하는 특징을 가지고 있다. 수행하는 방법으로 가우지안 스무딩을 먼저 수행하고 그 결과값에 라플라시안을 수행한다.^[7,8]
프로그램 개발은 PC (Intel® Core 2Duo CPU @ 2.93Ghz, 1.96GB RAM)와 소프트웨어(MATLAB R2008b, Massachusetts,U.S.A.)를 기반으로 개발하였다
1의 과정으로 진행하였다. 획득된 전산화단층상으로부터 메디언 필터를 적용하고, 모폴로지 연산을 수행한다. 모폴로지 연산을 위해서 확장과 침식 연산법을 적용하여 최종 경계지역을 획득하였다.

대상 데이터

전산화단층촬영장치(TOSHIBA, Tokyo, Japan)로부터 획득되어진 복부 영상을 실험을 위하여 사용하였다. 전산화단층촬영장치 검사 옵션은 Normal-CT이고 이때 획득되어진 영상의 조건은 슬라이스 두께 7.
0 mm, 120 kVp, 150 mA의 조건이다. 후처리과정에서 필터로 FC01를 사용하였다. 프로그램 개발은 PC (Intel® Core 2Duo CPU @ 2.

이론/모형

2(b)의 모폴로지 연산을 통해 침식과 팽창을 반복한 결과 영상으로부터 문제점이 해결된 것을 알 수 있어 결과로부터 각 조직간의 경계를 더욱 정교하게 얻을 수 있다. Fig. 3에서 LoG(Laplace of Gaussian) 함수를 이용해서 각 조직간 경계 부분을 분할하였다. 각 경계는 명확하게 구분이 되었으며, 피하지방을 계산하기 위한 필요조건이 충분한 것을 보여준다.
경계선 검출은 영상처리 문제에서 매우 유용하게 쓰일 수 있다. 경계정보는 실험 목적영상의 정량적 분석에 반드시 필요한 단계로서 본 연구에서는 LoG(Laplace of Gaussian)을 사용한다. LoG는 가우지안 스무딩을 수행하여 잡음제거 과정을 거친 뒤 에지를 강조하려고 라플라시안을 이용한 것이다.
획득된 전산화단층상으로부터 메디언 필터를 적용하고, 모폴로지 연산을 수행한다. 모폴로지 연산을 위해서 확장과 침식 연산법을 적용하여 최종 경계지역을 획득하였다. 다음 경계로부터 좌표를 획득하여 전체 픽셀의 분포와 피하지방의 픽셀의 분포를 정량적으로 획득하였고 정량적 픽셀 분포로부터 복부 지방율을 계산하였다.

성능/효과

10개의 서로 다른 복부영사에 대한 계산 시간을 비교하였다. 제안된 방법은 서로 다른 10개의 영상에 대해서 평균 21.84 s, 표준편차 0.37 s의 연산시간을 나타내었다. 반면 수동으로 복부지방을 분할하는 방법은 평균 88.
68 s이었다. 제안하는 방법과66.18 s의 차이를 보였고 제안하는 방법이 임상에 적용하기에 매우 유리함을 알 수 있었다.

후속연구

개발된 분할결과를 사용하여 자동 지방량 계산을 할 수 있다. 정확한 분할 도구를 제공함으로써 의사에게 편리함을 주고 재검사로 인한 피폭과 검사비용을 줄이는데 도움이 될 것으로 판단한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	LoG는 무엇인가?	경계정보는 실험 목적영상의 정량적 분석에 반드시 필요한 단계로서 본 연구에서는 LoG(Laplace of Gaussian)을 사용한다. LoG는 가우지안 스무딩을 수행하여 잡음제거 과정을 거친 뒤 에지를 강조하려고 라플라시안을 이용한 것이다.
	복부지방을 자동계측하기 위한 알고리즘 개발은 어떠한 효과를 기대할 수 있는가?	개발된 분할결과를 사용하여 자동 지방량 계산을 할 수 있다. 정확한 분할 도구를 제공함으로써 의사에게 편리함을 주고 재검사로 인한 피폭과 검사비용을 줄이는데 도움이 될 것으로 판단한다.
	한국인의 비만인구가 급증하는 이유는?	산업의 발달로 인한 생활습관과 신체활동 부족 등으로 한국인의 비만인구가 급증하고 있다. 전산화단층영상을 이용한 기존의 지방량 계산 프로그램에서 반자동방식의 프로그램이 사용되고 있다.

참고문헌 (8)

A. S. Greenberg, M, S. Obin,"Obesity and the Role of Adipose Tissue in Inflammation and Metabolism," The American Journal of Clinical Nutrition, Vol. 83, No. 2, pp. 461-465, 2006.

상세보기
Srdic Biljana, Stokic Edita, Polzovic Agneza, Babovic Sinisa S, "Abdominal adipose tissue: Significance and methods of detection," Medicinski Pregled, Vol. 58, No. 5-6, pp. 258-264, 2005.

상세보기
H. S. Park, "Epidemiology of metabolic syndrome in Koreans," Journal of Obesty & Metabolic Syndrom, Vol. 11, No. 3, pp. 203-211, 2002.
Y. H. Kim, S. W. Oh, Y. S. Kim, "The Factors Affecting the Fat Distribution in the Abdomen of Obese Women," Jounal of Obesty & Metabolic Syndrom, Vol. 14, No. 1, pp. 39-46, 2005.
A. Pascot, J. P. Despres, I. Lemieux, J. Bergeron, A. Nadeau, D. Prud'homme, A. Tremblay, S. Lemieux, "Contribution of Visceral Obesity to the Deterioration of the Metabolic Risk Porfile in Men with Impaired Glucose olerance," Diabetologia, Vol. 43, No. 9, pp. 1126-1135, 2000.

상세보기
S. H. Kim, Y. S. Choi, Y. M. Lee, "body fat thresholds in computed tomography image processing," Biomedical sciences instrumentation, Vol. 35, pp. 303-308, 1999.
J. H. Shin, S, B. Jang, I. H. Ji, "digital image processing, hanbit media," 2010.
Rapael C. Gonzales, Richard E. Woods. "Digital image Processing," pearson, 2008.

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

복부전산화단층영상의 체지방 분할방법
Body Fat Segmentation of Abdominal CT Image 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (6)

표/그림 (6)

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (8)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

복부전산화단층영상의 체지방 분할방법 Body Fat Segmentation of Abdominal CT Image 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (6) 모든 표/그림 보기

표/그림 (6) 슬라이드로 보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (8)

이 논문을 인용한 문헌

저자의 다른 논문 :

최석윤 (29)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

복부전산화단층영상의 체지방 분할방법
Body Fat Segmentation of Abdominal CT Image 원문보기

초록
AI-Helper

표/그림 (6)

표/그림 (6)

AI 본문요약
AI-Helper