[논문]심근의 기능 평가를 위한 반자동 분할 및 정량적 데이터의 시각화

이유경; 최수미; 김명희

심근의 기능 평가를 위한 반자동 분할 및 정량적 데이터의 시각화
Semi-automatic segmentation and quantitative data visualization for evaluation of myocardial function 원문보기

이유경 (이화여자대학교 공과대학 컴퓨터학과) , 최수미 (이화여자대학교 공과대학 컴퓨터학과) , 김명희 (이화여자대학교 공과대학 컴퓨터학과)

본 논문에서는 단일광자방출 전산화 단층촬영영사(SPECT)을 이용하여 심근의 기능을 보다 쉽고 정확하게 평가하기 위해 반자동 분할 및 정량적 데이터를 시각화하는 인터페이스를 구현하였다. 먼저 반자동 분할에서는 환자영상에서 보여지듯이 심근 기능이 저하되어 부분적으로 심근이 불연속적으로 나타나는 영상에서도 내.외벽의 외각을 연속성을 가지고 견고하게 분리할 수 있도록 사용자가 간단히 조작할 수 있는 반자동 분리 인터페이스를 구현하였다. 또한 내.외벽으로 분리된 외곽선들을 이용하여 측정한 지역적 모션 데이터를 사용자가 보다 이해하기 쉽도록 Bull's eye 그래프를 이용하여 가시화하였다. 본 논문에서 구현한 반자동 분할 및 정량적 데이터의 시각화 인터페이스는 환자의 심근에 대한 기능 영상처럼 분석이 어려운 영상에서도 보다 견고하고 정확한 평가를 할 수 있도록 해준다.

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

문제 정의

본 연구에서는 심근의 기능을 영상화한 단일광자방출 전산화단중촬영 영상(single photon emission computed tomography, SPECT)으로부터 심장의 기능을 분석하고자 할 때, 정상인과는 달리 심근이 끊어진 환자의 영상에 대해서도 내.외벽을 보다 견고하게 분리할 수 있는 인터페이스를 구현하고, 분석된 정량 데이터를 시각화 하는데 널리 사용되는 Bull's eye 그래프를 이용하여 분석 결과를 보다 효과적으로 보여주고자 한다.
본 연구에서는 심근의 기능을 영상화한 단일광자방출 전산화단중촬영 영상(single photon emission computed tomography, SPECT)으로부터 심장의 기능을 분석하고자 할 때, 정상인과는 달리 심근이 끊어진 환자의 영상에 대해서도 내.외벽을 보다 견고하게 분리할 수 있는 인터페이스를 구현하고, 분석된 정량 데이터를 시각화 하는데 널리 사용되는 Bull's eye 그래프를 이용하여 분석 결과를 보다 효과적으로 보여주고자 한다.

제안 방법

좌심실의 내 외벽을 고무와 같은 탄성을 지닌 블 럽(이 ob)의 형태로 간주하고, 기하학적 정보와 몰리적 정보를 통합한 두 개의 동적 가우시안 블럽으로 내외 벽의 3차원 형태로 각각 적합한 다. 동적 가우시안 모델에서, 각 점의 위치는 물체 중심 변동 좌표계를 사용하였고, 좌심실의 운동 올 외부의 힘과 물질 특성간의 연속함수로 보고 유한요소접근 방법을 사용하였다.
시간 T에서 모델올 3차원 자료점에 적합하기 위해서는 가중 최소 제곱법을 이용하여, 모달 변위 벡터를 구하고, 이를 노 달 변위 벡터로 변환시키면, 보 간 함수에 의해 노드 변위벡터 로부터 모델점들의 이동된 위치를 계산해 냄으로써 초기 모델을 변형 시켜 내외벽의 형상을 생성할 수 있다. 또한 좌심실의 운동 올 비 강체(non-rigid) 운동과 강체 운동 (rigid)으로 분리하여 추적을 하는데, 좌심실 운동올 크게 평행이동, 회전이동, 비 강체 변형으로 나누어 분석하였다. 전역 운동으로써의 평행이동은 심장 박동 주기 각 단계에서 얻은 윤곽 점들의 무게중심에서 추정할 수 있고, 회전이동은 연속되는 운동에서 주축들의 상대적인 방향 변화로부터 추정할 수 있다.
먼저, 주축과 같은 기울기와 무게중심을 가지는 Superellipsoid 형태의 참조 물체를 만들고, 삼각 분할을 한다. 유한 요소 노드들을 초기 물체에 겹쳐 놓은 후, 질량, 감쇠, 경직 행렬을 구하면, 3차원 자료 점과 모델 점들 간의 대웅되는 가상적인 힘을 얻어낼 수 있다.
심근 기능을 정량 분석한 결과를 보여주는 방법 중 대표적인 방법으로는 Bull's eye 그래프를 들 수 있다. 본 실험에서는 정상 심근 부위의 지역별 움직임 값들을 아래와 같은 형식의 Bull's eye 그래프를 통해 표현하였다. 여기서 Bull's eye는 3개의 ring과 24개의 조각으로 나뉜다.
좌심실의 지역별 평균 움직임을 계산하기 위해서, 심근을 24개의 조각으로 나누었다, 먼저, 좌심실을 크게 3 등분으로 나눈 다음, 각 부분을 8개의 작은 조각으로 다시 나눈다.
환자 영상처럼 내외벽의 분리가 어렵고 또한 전문가의 정확한 진단이 필요한 영상에 대해서도, 본 논문에서 제시한 반자동 분할을 이용함으로써내.외벽 을 효과적으로 분할할 수 있고, 그로 인해 심근에 이상이 있는 심근경색이나 허혈과 같은 질환 진단을 도울 수 있다.

원문 보기

ScienceON 원문보기

*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.

내보내기 메뉴

내보내기 구분

파일저장
인쇄
메일전송

구성항목

기본정보
상세정보

관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관

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

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].

AI-Helper ※ AI-Helper는 을 사용합니다.

AI-Helper

안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

연합인증

심근의 기능 평가를 위한 반자동 분할 및 정량적 데이터의 시각화
Semi-automatic segmentation and quantitative data visualization for evaluation of myocardial function 원문보기

초록
AI-Helper