[논문]비장의 웨이브 패턴을 이용한 간경변의 자동 진단

성원; 조준식; 박종원

문제 정의

본 논문은 간경변믈 보유한 환자의 복부 CT 영상을 이용하여 비장의 웨이브 패턴(wave pattem)을 관찰하였는데 정상 간을 보유한 환자의 복부 CT 영상과 차이가 있음을 발견하였다. 간경변율 가지고 있는 환자의 복무 CT 영상에서 비장은 왼쪽 측면에 깊은 웨이브 부분이 존재하였다.
본 논문은 위와 같이 관찰된 원리를 바탕으로 복부 CT 영상에서 비장의 웨이브 패턴을 이용하여 간경변을 효과적으로 진단하는 새로운 방법을 제시한다. 먼저 복부 CT 영상에서 간과 비장을 자동 분리(segmentation)한다.
방사선 의사들은 이를 진단하기 위하여 우엽에 대한 꼬리엽의 비율, 비장의 비대 여부, 좌엽의 변형 등을 살펴본다. 본 연구는 비장의 웨이브 패턴을 이용하여 간경변을 자동으로 진단하는 새로운 방법을 고안했다. 이는 여러가지 간경변의 징후를 살펴보지 않고 비장만으로 간 경변을 진단했다는 데 의의가 있고 또한 모든 복부 CT 영상에서 간경변의 진단을 자동으로 행함으로써 의사에게 도움을 줄 수 있는 의미 있는 방법이다.

제안 방법

먼저 복부 CT 영상에서 간과 비장을 자동 분리(segmentation)한다. 본 논문은 위치 정보 이용을 강화하고 각도선 기법을 이용하여 비정상 간과 비장을 자동 분리, 추출하였다. 이 기법은 정상 간을 보유한 영상에도 적용되어 정상 간과 비장 또한 자동 분리, 추출한다.
본 장에서는 정상간을 가지고 있는 32 case 와 간경변을 가지고 있는 32 case 의 복부 CT 영상들을 이용하여 실험한 결과를 기술한다. 실험에 사용하는 64 case 복무 CT 영상들의 간 경변 여부는 방사선 의사들에 의해서 미리 판정된 결과이다.
첫번째 테스트는 웨이브 면적 테스트로서 추출된 비장의 웨이브 부분들을 자동 추출하여 픽셀들의 개수로써 면적들의 합을 구한 후 실험으로 미리 정해진 기준 값을 기준으로 정상 간인지 간경변을 보유한 비정상 간인지를 판별하게 된다. 분리된 비장은 그림 3 의 예처럼 웨이브 부분들믈 추출하는 절차를 따르게 된다.

대상 데이터

본 논문은 최종 정상간을 가진 32 case 와 간경변을 가진 것으로 판정된 32 case 을 합하여 전체 64 case 의 복부 CT 명상으로 실험을 행하였다. 각 case 는 약 17 장의 슬라이스 영상으로 되어 있고 각 슬라이스 영상은 512 × 512 픽첼 크기로 되어 있다.
각 case 는 약 17 장의 슬라이스 영상으로 되어 있고 각 슬라이스 영상은 512 × 512 픽첼 크기로 되어 있다. 우리는 충남대학교 병원으로부터 미COM 형태로 CT 영상들을 획득하여 실험에 이용하였다.

이론/모형

그리하여, 본 논문에서는 비장의 분리를 위해서 간의 분리에서 사용하였던 각도선 방법을 이용한다. 비장에 대한 각도선 방법의 적용은 간의 각도선 방법과 동일하며 탐색을 시작하는 시작점의 위치만 다르다.

성능/효과

본 실험의 결과흘 통하여 우리는 간경변을 보유한 영상과 정상 간을 보유한 영상의 차이점을 발견하였다. 간경변을 보유한 영상은 비장에서의 유효 웨이브의 면적의 합이 1000 픽셀 이상이고 1000 픽셀보다 작은 700 에서 800 의 경우에는 40% 이상의 원형 정도 평균을 가지고 있는 것으로 나타났다. 그러나, 간경변을 보유하지 않은 정상간을 보유한 영상에서는 비장의 유효 웨이브 면적 합이 1000 픽셸을 넘지 못했고 간경변보유비장에서와 같은 700 이상의 면적 크기를 갖는 경우에는 25% 이하의 원형 정도 평균을 보이는 것으로 나타났다.
간경변을 보유한 영상은 비장에서의 유효 웨이브의 면적의 합이 1000 픽셀 이상이고 1000 픽셀보다 작은 700 에서 800 의 경우에는 40% 이상의 원형 정도 평균을 가지고 있는 것으로 나타났다. 그러나, 간경변을 보유하지 않은 정상간을 보유한 영상에서는 비장의 유효 웨이브 면적 합이 1000 픽셸을 넘지 못했고 간경변보유비장에서와 같은 700 이상의 면적 크기를 갖는 경우에는 25% 이하의 원형 정도 평균을 보이는 것으로 나타났다. 그리하여, 본 논문은 실험을 봉하여 case 를 구성하는 여러 슬라이스 영상 중에서 비장의 크기가 큰 3 장을 선별하여 그 영상안의 비장의 유효 웨이브 면적의 합이 700 이상이고 웨이브 원형 정도 평균이 35%이상이면 간경변 보유 판정을 내릴 수 있음을 밝혔다.
그리하여, 본 논문은 복부 CT 영상에 적용되어 웨이브 패턴의 면적 측정 테스트와 원형 정도 측정 테스트를 봉하여 효과적으로 간경변을 자동 진단할 수 있었다.
그러나, 간경변을 보유하지 않은 정상간을 보유한 영상에서는 비장의 유효 웨이브 면적 합이 1000 픽셸을 넘지 못했고 간경변보유비장에서와 같은 700 이상의 면적 크기를 갖는 경우에는 25% 이하의 원형 정도 평균을 보이는 것으로 나타났다. 그리하여, 본 논문은 실험을 봉하여 case 를 구성하는 여러 슬라이스 영상 중에서 비장의 크기가 큰 3 장을 선별하여 그 영상안의 비장의 유효 웨이브 면적의 합이 700 이상이고 웨이브 원형 정도 평균이 35%이상이면 간경변 보유 판정을 내릴 수 있음을 밝혔다. 표 1 은 최종 간경변 보유 판정된 32 case 3 꼬리엽과 우엽 비율, 비장 크기, 웨이브 패턴 테스트 등 세 가지 함목으로 비교한 결과를 보여준다, 본 실험으로써 우엽에 대한 꼬리엽의 비물에서 간경변으로 판정될 수 있는 case 가모두 비장의 패턴 기법으로도 판정될 수 있음믈 알게 됐다.
그러므로, 간경변을 가진 비장의 웨이브 부분듷의면적의 합이 정상간을 가진 비장의 웨이브 면적보다 크다는 것을 알 수 있다. 나아가, 간경변을 보유한 영상에서 비장의 웨이브 부분을 추출하여 원형성(circykarity)을 살펴보았을 때 정상 간에 수반된 비장의 웨이브 부분보다 더 원형에 가깝다는 것을 알 수 있었다.
실험에 사용하는 64 case 복무 CT 영상들의 간 경변 여부는 방사선 의사들에 의해서 미리 판정된 결과이다. 본 실험의 결과흘 통하여 우리는 간경변을 보유한 영상과 정상 간을 보유한 영상의 차이점을 발견하였다. 간경변을 보유한 영상은 비장에서의 유효 웨이브의 면적의 합이 1000 픽셀 이상이고 1000 픽셀보다 작은 700 에서 800 의 경우에는 40% 이상의 원형 정도 평균을 가지고 있는 것으로 나타났다.
그리하여, 본 논문은 실험을 봉하여 case 를 구성하는 여러 슬라이스 영상 중에서 비장의 크기가 큰 3 장을 선별하여 그 영상안의 비장의 유효 웨이브 면적의 합이 700 이상이고 웨이브 원형 정도 평균이 35%이상이면 간경변 보유 판정을 내릴 수 있음을 밝혔다. 표 1 은 최종 간경변 보유 판정된 32 case 3 꼬리엽과 우엽 비율, 비장 크기, 웨이브 패턴 테스트 등 세 가지 함목으로 비교한 결과를 보여준다, 본 실험으로써 우엽에 대한 꼬리엽의 비물에서 간경변으로 판정될 수 있는 case 가모두 비장의 패턴 기법으로도 판정될 수 있음믈 알게 됐다. 이는 비장만 이용하여 간경변을 판정할 수 있음을 말해 주는 것이다.

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

비장의 웨이브 패턴을 이용한 간경변의 자동 진단
Computer-Aided Diagnosis of Liver Cirrhosis Using Wave Pattern of Spleen 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

비장의 웨이브 패턴을 이용한 간경변의 자동 진단 Computer-Aided Diagnosis of Liver Cirrhosis Using Wave Pattern of Spleen 원문보기

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

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

비장의 웨이브 패턴을 이용한 간경변의 자동 진단
Computer-Aided Diagnosis of Liver Cirrhosis Using Wave Pattern of Spleen 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper