초록

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

뇌 MR 영상의 분석을 통해 질환을 자동적으로 진단하고 판별을 하기 위한 전처리 단계에서 정상인의 MR 영상 모델과 현재 고려되어지는 대상 영상과의 비교 작업이 요구된다. 이를 통해 보다 정확한 질병에 대한 근거를 제시함으로서 진단이 가능하게 된다. 이러한 비교 작업을 위해 우선적으로 해결해야 하는 것이 현재 대상 영상이 정상인의 MR 영상 시리즈 중 어느 위치의 영상과 일치하는 지를 판별해야 한다. 실질적으로 뇌 MR 시리즈는 영상의 특징에 따라 크게 몇 개의 그룹으로 분류된다. 따라서 본 논문에서는 매핑을 위한 각 구성 요소의 특징을 추출해 자동으로 뇌 영상의 그룹핑을 함으로써 매핑시 고려되어지는 슬라이드의 범위를 좁혀줄 뿐만 아니라 영상의 질에 따라 부분적인 손실이 있다 하더라도 전후 관계 정보를 이용하여 유추가 가능한 방법을 제시한다. 800여개의 T2 MR 강조 영상에 대해서 실험을 행하여 비교적 정확한 그룹핑 결과를 유도할 수 있었음을 확인하였다.

뇌 MR 영상의 분석을 통해 질환을 자동적으로 진단하고 판별을 하기 위한 전처리 단계에서 정상인의 MR 영상 모델과 현재 고려되어지는 대상 영상과의 비교 작업이 요구된다. 이를 통해 보다 정확한 질병에 대한 근거를 제시함으로서 진단이 가능하게 된다. 이러한 비교 작업을 위해 우선적으로 해결해야 하는 것이 현재 대상 영상이 정상인의 MR 영상 시리즈 중 어느 위치의 영상과 일치하는 지를 판별해야 한다. 실질적으로 뇌 MR 시리즈는 영상의 특징에 따라 크게 몇 개의 그룹으로 분류된다. 따라서 본 논문에서는 매핑을 위한 각 구성 요소의 특징을 추출해 자동으로 뇌 영상의 그룹핑을 함으로써 매핑시 고려되어지는 슬라이드의 범위를 좁혀줄 뿐만 아니라 영상의 질에 따라 부분적인 손실이 있다 하더라도 전후 관계 정보를 이용하여 유추가 가능한 방법을 제시한다. 800여개의 T2 MR 강조 영상에 대해서 실험을 행하여 비교적 정확한 그룹핑 결과를 유도할 수 있었음을 확인하였다.

AI 본문요약

엑셀 다운로드 AI-Helper

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

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• MR 영상 촬영기기의 환경에 따라 다양한 질의 영상이 생성되므로 가장 정확한 영상을 찾는 어려움이 있다. 따라서 본 연구에서는 그룹핑 을 함으로써 매핑의 오류를 줄이기 위한 방법으로 자동 적으로 그룹핑을 하는 방법올 제안한다. MR 영상의 영역을 분할 후 정상인의 각 분할된 영역에 대해 MBR(Minimum Boundary Rectangle)과, 면적비, 윤곽선을 산출하여 여러 장의 슬라이드 시리즈를 자동으로 그 룹핑을 함으로써 매핑을 위한 보다 정확한 객관화된 정보를 제공하고자 한다.
• 본 논문에서는 매핑을 하기 위한 전처리 단계로 정상인 모델의 영상 시리즈를 n개의 그룹으로 자동 생성하는 그룹핑 알고리즘을 제시한다. MR 영상 촬영기기의 환경에 따라 다양한 질의 영상이 생성되므로 가장 정확한 영상을 찾는 어려움이 있다.
• 본 논문은 매핑에 사용되는 특징들을 추출하기 위해서 뇌 MR 영상의 머리 영역, 뇌 영역, 뇌척수액 영역 그리고 눈 영역을 분할한 후 이들의 윤곽선, MBR 그리고 각 영역들의 면적비를 산출하여 이들의 위치관계와 포함 관계를 분석하고 이 분석 결과로 슬라이드 시리즈를 자동으로 그룹핑하는 방법올 제안했다. 이러한 그룹핑을 함으로써 매핑시 고려되어지는 영상의 범위를 축소시켜줌으 로써 보다 정확한 매핑이 이루어질 수 있고, 윤곽선 정보를 이용한다면 3차원으로 뇌 구성을 가시화하는 것도 가능하게 된다.
• 본 장에서는 뇌 MR 영상의 그룹핑에 필요한 구성요소와 사용하게 되는 특징에 대해서 기술한다.

제안 방법

• 눈 영역을 추출하기 위해서는 추출된 뇌 영역에 대해 이미지 반전을 적용한 후 콘트라스트를 최대한 높여주고 5x5 미디안 필터를 적용시켜 잡음을 제거한다. 이를 블 랍 칼라링[7] 알고리즘을 적용한 후 머리 전체 영역의 상 위 1/5 영역을 후보영역이라 간주하고, 이 영역 내에 포함되는 블랍에 대해서 MBR과 밀도를 구한匸" 이를 만족하는 블랍에 대해 눈의 영역은 MBR의 면적에서 70 %이 상을 차지하므로 밀도가 이 임계 값 이하인 것은 눈 영역 이 아니라고 간주하여 제거한다.
• 뇌 MR 영상의 매핑을 위해 영상을 특징별로 그룹핑 하기 위해 제안된 방법은 뇌 구성요소의 윤곽선과 MBR 정보를 가지고 고려되어진다. 2장에서 추출된 뇌 구성요 소의 MBR, 윤곽선, 면적 비를 정보화하고, 이 정보화된 특징들의 위치 관계와 포함 관계를 이용하여 자동으로 MR 영상 시리즈를 n개로 그룹핑을 한다. 한 사람의 MR 영상 시리즈는 그 질병의 위치나 그 정도에 따라 차등 간격을 두고 촬영을 하게 되므로 매핑을 하기 위해서 비교 대상이 되는 영상의 위치를 찾는 것은 그리 쉬운 일 이 아니다.
• 따라서 본 연구에서는 그룹핑 을 함으로써 매핑의 오류를 줄이기 위한 방법으로 자동 적으로 그룹핑을 하는 방법올 제안한다. MR 영상의 영역을 분할 후 정상인의 각 분할된 영역에 대해 MBR(Minimum Boundary Rectangle)과, 면적비, 윤곽선을 산출하여 여러 장의 슬라이드 시리즈를 자동으로 그 룹핑을 함으로써 매핑을 위한 보다 정확한 객관화된 정보를 제공하고자 한다.
• 뇌 구성 요소의 특징 추출단계에서 추출된 모든 요소에 대해서 MBR과 윤곽선을 구하고 면적 비를 산출한다. 이 특징들은 다음 단계인 그룹핑에서 사용하게 된다.
• 뇌척수액 영역을 추출하기 위해서는 뇌 영역으로 추출된 결과 영상을 반전한 후 콘트라스트를 최대값으로 증가 시켜 뇌척수액의 명암값이 두드러지는 성질을 이용하여 추출한다. 이 결과 영상에 대해 블랍 칼라링 알고리즘올 적용한 후 뇌척수액 영역의 후보영역을 뇌 MBR의 1/3 영역 내로 하고 이 영역 내에 포함되는 1개 이상의 블랍을 뇌척수액 영역으로 간주하게 된다.
• 뇌 MR 영상에서 머리 영역을 분할하기 위해서는 배경색으로부터의 분리가 이 루어져야 한다. 배경색은 뇌 구성요소보다 아주 낮은 명암값의 분포를 가지고 있으므로 히스토그램 분석을 이용하여 배경과 머리 영역을 분리해낸다. 이때 배경색과- 비슷한 분포를 갖는 머리 내부 영역의 손상은 원본 영상과 마스크 연산을 통해 복원한다.

대상 데이터

• 본 논문은 정상인과 비정상인을 포함한 총 40세트의 MR 영상을 사용하였으며 한 세트에는 약 20개의 영상으로 이루어진 MR T2 강조 영상으로 실험하였다.

성능/효과

• 실험 결과 3세트의 영상은 그룹 3로 분류되었는데 이는 촬영 당시 슬라이드 사이 간격이 넓게 촬영되거나 뇌의 일부분 영상이 빠진 경우에 해당된다. 가장 많은 분포를 가지고 있는 룹 4는 총 40세트에서 24세트로 대부분 많은 영상이 이 그룹에 해당된다.
• 이 두개골 층은 콘트라스트를 증가 시켜 명암값이 두드러지게 한 후 히스토그램 분석을 통해 외부 두피와 뇌 영역의 세그먼트로 분리한다. 이 결과 영상에 대해 미처 제거되지 않은 눈과 외부 두피를 평균 두피와 근육 충 길이 만큼 런렝스(run-length) 알고리즘으로 제거하여 뇌 영역만을 분리해 낸다. 이때 영상의 촬영 당시 환경에 따라 모든 영상에 대해 동일한 결과를 얻을 수가 없 으므로 전처리 단계로 디 더 링(dithering) 알고리즘[8]을 적용하여 영상의 픽셀값을 주위 영상과 평균하여 처리함으로써 히스토그램 분석만을 통한 뇌 영역 추출의 에러를 개선할 수 있었다.
• 이 결과 영상에 대해 미처 제거되지 않은 눈과 외부 두피를 평균 두피와 근육 충 길이 만큼 런렝스(run-length) 알고리즘으로 제거하여 뇌 영역만을 분리해 낸다. 이때 영상의 촬영 당시 환경에 따라 모든 영상에 대해 동일한 결과를 얻을 수가 없 으므로 전처리 단계로 디 더 링(dithering) 알고리즘[8]을 적용하여 영상의 픽셀값을 주위 영상과 평균하여 처리함으로써 히스토그램 분석만을 통한 뇌 영역 추출의 에러를 개선할 수 있었다.

후속연구

• 뇌 영상을 이루고 있는 구성요소들의 특징 추출단계[6]를 통해 추출된 MBR과 면적 비는 자동 그룹핑을 하는 정보로 사용되며 각 영역의 윤곽선 정보는 차후 매핑을 위한 정보로 사용될 것이다. 그림1은 뇌 MR 영상의 그 룹핑 개념도를 나타낸다.
• 한 사람의 MR 영상 시리즈는 그 질병의 위치나 그 정도에 따라 차등 간격을 두고 촬영을 하게 되므로 매핑을 하기 위해서 비교 대상이 되는 영상의 위치를 찾는 것은 그리 쉬운 일 이 아니다. 따라서 뇌 영상의 구성요소별 추출된 특징들을 아래와 같이 제시한 조건에 의해 슬라이드 시리즈를 그룹화한다면 매핑을 위해 고려되어지는 슬라이드의 범위를 축소시킴으로써 보다 정확한 매핑이 될 수 있는 근거 자료가 된다. 이러한 그룹화를 하기 위한 첫 번째 조건은 다음과 같다.
• 이러한 그룹핑을 함으로써 매핑시 고려되어지는 영상의 범위를 축소시켜줌으 로써 보다 정확한 매핑이 이루어질 수 있고, 윤곽선 정보를 이용한다면 3차원으로 뇌 구성을 가시화하는 것도 가능하게 된다. 향후 연구과제로는 각 영역 분할의 오인식률을 감소하기 위한 알고리즘 개선이 요구되며 좀 더 세분화된 매핑올 위한 방법에 대한 연구가 필요하다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기