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.
제안 방법
- Shake 영상을 오른쪽 아래 방향으로 비껴서 출력한 interpolation 영상을 생성하고, shake 영상과 비교하여 검은색 화소가 겹쳐진 부분을 추출하였다. 이 과정에서는 검은색 화소가 집중적으로 분포하는 부분이 추출되며 spiculation 이 포함된다.
- 후보 가운데서는 점차 존재 범위가 넓어지면서 서로 합병되기도 하였다. 각 단계를 거치면서 후보들의 합병 여부, 흰색 화소의 개수와 전체 화소 개수의 비율을 조사하여 종양의 판단에 사용하였다.
- 종양의 크기가 작을 경우, 큰 경우보다 spic비ation 부분이 더 두드러지게 분포하며, spiculation 부분의 모양이 별의 형태에 가까와질수록 악성일 가능성이 크다. 따라서, 제안된 연구에서는 spiculation 부분을 추출하여 관찰하였다.
- 제안된 방법에서는 종양의 추출에 이러한 특성을 이용하였고, 다중의 기준명암값 선택 방법은 다음과 같다. 먼저 입력영상을 non-overlapping 블록(block)으로 나누어 각 블록의 평균값을 취해 가장 밝은 블록을 결정하고 블록의 명암값을 1단계 기준값으로 결정한다, 블록의 다음 평균값들을 취해 다음 단계의 기준 값들을 결정한다. 이렇게 선택된 다중의 기준명암값을 종양 후보의 추출과 확장에 사용하였다.
- 본 논문에서는 맘모그램에서 종양을 추출해내고, 종양의 특성을 분석하였는데 종양의 추출 및 분석 과정을 그림 1 에 간략하게 나타내 었다
- 생성된 shake 영상과 블러링 영상을 사용하여 종양으로 추정되는 부분에 대하여 다중의 기준명암값을 적용하는 방식올 사용하여 추출하였다. 종양 부위는 다른 정상적 조직에 비해 밝은 명암값을 갖는다.
- 생성된 shake 영상을 입력영상과 비교하여, 입력영상에서 밝게 나타나는 종양의 추정 부분을 shake 영상에서 추출하게 되는데, 이때 추출되는 종양 부분을 더 매끄럽게 표현하기 위하여 입력영상을 블러링(blurring)한 블러링 영상(그림 4(a))을 생성하였다.
- 선택된 다중의 기준명암값들을 이용하여 블러링 영상에서 이러한 명암값 이상의 화소들을 shake영상에서 추출하고, 추출된 부분의 좌표값을 자동으로 입력받는다 입력받은 좌표 값을 이용하여 그 화소와 연결된 모든 화소들을 추적, 종양 후보를 뽑아낸다 각 단계별로 해당 화소를 추출(그림 5)해내 면서 확장되는 화소의 증가상태와 합병 여부를 조사하였다. 이러한 과정에서 추출된 후보들이 종양인지, 정상조직인지를 판단하였다.
- 선택된 종양 부분을 확장하여, 종양이 완전히 포함될 수 있는 틀을 만들고, 그 틀만큼 입력영상과 블러링 영상에서 오려내었다. 이 두 영상에서 화소들의 명암값을 비교하여, 입력영상의 명암값이 블러링 영상의 명암값보다 더 큰 부분을 선택, 외곽선이 세밀하게 표현된 종양(고림 6)을 추출하였다.
- 이러한 원형성의 비율은 후보 추출 시에도 이용되는데, 비율이 작을수록 종양이 아닐 가능성이 크다. 원형성 비율 계산은 종양의 내부에 완전히 포함되는 내접원과 종양 전체를 완전히 포함하는 외접원을 구해서 (내접원의 화소개우)/(외접원의 화소개수) 비율을 조사하였다(그림 7).
- 선택된 종양 부분을 확장하여, 종양이 완전히 포함될 수 있는 틀을 만들고, 그 틀만큼 입력영상과 블러링 영상에서 오려내었다. 이 두 영상에서 화소들의 명암값을 비교하여, 입력영상의 명암값이 블러링 영상의 명암값보다 더 큰 부분을 선택, 외곽선이 세밀하게 표현된 종양(고림 6)을 추출하였다.
- 선택된 다중의 기준명암값들을 이용하여 블러링 영상에서 이러한 명암값 이상의 화소들을 shake영상에서 추출하고, 추출된 부분의 좌표값을 자동으로 입력받는다 입력받은 좌표 값을 이용하여 그 화소와 연결된 모든 화소들을 추적, 종양 후보를 뽑아낸다 각 단계별로 해당 화소를 추출(그림 5)해내 면서 확장되는 화소의 증가상태와 합병 여부를 조사하였다. 이러한 과정에서 추출된 후보들이 종양인지, 정상조직인지를 판단하였다.
- 그러나 이러한 영상에서는 spiculation이 아닌 나머지 실조직 부분도 포함되므로 범위를 한정하는 과정이 필요하다. 이를 위해 추출된 종양 부분을 확장한 틀을 만들고, 이 틀만큼 범위를 한정하였다. 생성된 spiculation 영상에서 가운데 종양 부분을 제거하면 spiculation 영역(그림 8)만 남게 되며, 이러한 결과로 spiculation 영역을 분석할 수 있었다.
- 제안된 논문에서는 유방촬영술에서 종양으로 의심이 가는 노즐을 찾아 후보로 선정, 단계별 명암값을 적용하여 확장되는 모양의 특징을 이용하여 종양을 추출하였다 추출된 종양의 원형성 비율 계산을 통해 종양의 분석을 제안하고 있으며, 또한 종양 특성을 판단하는데 가장 중요하다고 여겨지는 spic나lation을 포함하는 부분을 추출하여 명암값의 변이를 조사하고 그 결과를 방사형 그래프로 나타내어 spiculation 부분을 분석하였다, 이러한 방법으로 비교적 크기가 작고 악성일 가능성이 많은 종양을 인식하였다. 이렇게 인식된 부분은 진단 방사선과 전문의의 검증을 거쳐 정확한 것으로 확인되었다.
- 종양 부위는 다른 정상적 조직에 비해 밝은 명암값을 갖는다. 제안된 방법에서는 종양의 추출에 이러한 특성을 이용하였고, 다중의 기준명암값 선택 방법은 다음과 같다. 먼저 입력영상을 non-overlapping 블록(block)으로 나누어 각 블록의 평균값을 취해 가장 밝은 블록을 결정하고 블록의 명암값을 1단계 기준값으로 결정한다, 블록의 다음 평균값들을 취해 다음 단계의 기준 값들을 결정한다.
- 추출된 spiculation 영상과 블러링 영상에서 spiculation 영역만을 추출해낸 영상을 비교하여 spiculation의 특성을 분석하였다, 입력영상의 명암값에서 블러링 영상의 명암값을 랜 값을 총 10단계로 분류하고, 각 그룸에 속하는 화소의 개수를 구하였다. 전체 화소의 개수에 대하여 단계별 화소 개수의 비율을 구하고, 이 값 들을 이용하여 다음의 그래프를 생성하였다.
대상 데이터
- 추출된 종양의 원형성 비율을 계산하여, 악성과 양성 여부를 、판단하는 참고자료로 사용하였다. 참고 논문[6]에 의하면 종양의 모양이 원에 가까울수록 양성 종양이고, spiculation 부분이 방사형으로 많이 퍼져 별 모양에 가까울수록 악성 종양이라고 분류하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.