Jang, Do-Won
(Dept. of Computer Engineering, Silla University)
,
Lim, Eun-Kyung
(Dept. of Computer Engineering, Pusan University)
,
Kim, Chang-Won
(College of Medicine, Pusan National University)
,
Kim, Min-Hwan
(Dept. of Computer Engineering, Pusan University)
,
Kim, Kwang-Baek
(Dept. of Computer Engineering, Silla University)
간세포암은 우리나라에서 전체 암사망자 중 17.2%로 3번째의 흔한 사망원인이며, 간암에 의한 사망률은 인구 10만 명당 약 21명에 이른다. 본 논문에서는 간 내부에서 발생하는 간세포암을 CT 영상에서 자동으로 추출하는 방법을 제안하여 간세포암의 보조진단으로서의 유용성에 대해 알아보고자 한다. 간 내부의 종양을 추출하기 위해 흉부의 윗부분에서 시작하여 2.5mm의 간격으로 약 45-50장 정도를 촬영한 CT 영상들을 대상으로 먼저 간 영역을 추출한다. 간 영역 추출은 먼저 관심이 없는 외부 영역을 갈비뼈를 중심으로 제거한 후 영상의 밝기 정보를 이용하여 각 기관의 영역을 분할 한다. 분할된 영역들은 위 아래로 인접한 영상에서의 분할 영역들과 밝기 값을 비교하여 적절하게 병합하는 3차원적 접근방법을 사용한다. 간 영역은 여러개의 영역들 중에서 간 영역의 구조 및 위치 등의 정보를 활용하여 추출한다. 추출된 간 영역에서 종양 판별과 추출을 위해 종양이 가지는 특징을 분석하여 종양을 추출한다. 전형적인 간세포암은 과혈관성 종양이므로 조영증강 CT 영상에서 주위보다 밝은 색으로 나타나며, 팽창 형성장을 보일 경우에는 구형으로 나타나는 특징이 있다. 이에, 주위 보다 밝은 색을 가지고 둥근형태를 가지는 영역을 종양의 후보영역으로 선정한 후, 그 영상의 위와 아래로 연결되는 영상에서도 같은 위치에서 같은 특징을 보이는 영역이 있으면 간 내부의 종양으로 판별하여 추출한다. 제안된 간 영역 및 간 종양 추출 방법의 정확성을 판별하기 위하여 CT 영상을 대상으로 실험하여 영상의학 전문의가 판단한 결과와 비교하였다. 간 영역 추출은 정확히 모두 추출되었으며, 간 종양 추출 및 판별은 전문의의 보조 진단도구로 활용할 수 있는 가능성이 매우 높다는 것을 확인할 수 있었다.emantic Similarity Measure 등을 단계적으로 수행하여 자동화되고 정확한 규칙식별을 하고자 한다. 이러한 방법들의 조합으로 인하여 규칙구성요소 추출이 되지 않을 후보 단어들의 수를 줄여서 보다 더 정확하고, 지능적인 규칙구성요소 추출 방법론을 제시하고 구현하여 지식관리자의 규칙습득에 대한 부담을 줄여 주고자 한다. 도움을 받을 수 있게 되었다.을 거치도록 되어있다. 교통주제도는 국가의 교통정책결정과 관련분야의 기초자료로서 다양하게 활용되고 있으며, 특히 ITS 노드/링크 기본지도로 활용되는 등 교통 분야의 중요한 지리정보로서 구축되고 있다..20{\pm}0.37L$, 72시간에 $1.33{\pm}0.33L$로 유의한 차이를 보였으므로(F=6.153, P=0.004), 술 후 폐환기능 회복에 효과가 있다. 4) 실험군과 대조군의 수술 후 노력성 폐활량은 수술 후 72시간에서 실험군이 $1.90{\pm}0.61L$, 대조군이 $1.51{\pm}0.38L$로 유의한 차이를 보였다(t=2.620, P=0.013). 5) 실험군과 대조군의 수술 후 일초 노력성 호기량은 수술 후 24시간에서 $1.33{\pm}0.56L,\;1.00{\ge}0.28L$로 유의한 차이를 보였고(t=2.530, P=0.017), 술 후 72시간에서 $1.72{\pm}0.65L,\;1.33{\pm}0.3L$로 유의한 차이를 보였다(t=2.540, P=0.016). 6) 대상자의 술 후 폐환기능에 영향을 미치는 요인은 성별로 나타났다. 이에 따른 폐환기능의 차이를 보면, 실험군의 술 후 노력성 폐활량이 48시간에 남자($1.78{\pm}0.61L$)가 여자(
간세포암은 우리나라에서 전체 암사망자 중 17.2%로 3번째의 흔한 사망원인이며, 간암에 의한 사망률은 인구 10만 명당 약 21명에 이른다. 본 논문에서는 간 내부에서 발생하는 간세포암을 CT 영상에서 자동으로 추출하는 방법을 제안하여 간세포암의 보조진단으로서의 유용성에 대해 알아보고자 한다. 간 내부의 종양을 추출하기 위해 흉부의 윗부분에서 시작하여 2.5mm의 간격으로 약 45-50장 정도를 촬영한 CT 영상들을 대상으로 먼저 간 영역을 추출한다. 간 영역 추출은 먼저 관심이 없는 외부 영역을 갈비뼈를 중심으로 제거한 후 영상의 밝기 정보를 이용하여 각 기관의 영역을 분할 한다. 분할된 영역들은 위 아래로 인접한 영상에서의 분할 영역들과 밝기 값을 비교하여 적절하게 병합하는 3차원적 접근방법을 사용한다. 간 영역은 여러개의 영역들 중에서 간 영역의 구조 및 위치 등의 정보를 활용하여 추출한다. 추출된 간 영역에서 종양 판별과 추출을 위해 종양이 가지는 특징을 분석하여 종양을 추출한다. 전형적인 간세포암은 과혈관성 종양이므로 조영증강 CT 영상에서 주위보다 밝은 색으로 나타나며, 팽창 형성장을 보일 경우에는 구형으로 나타나는 특징이 있다. 이에, 주위 보다 밝은 색을 가지고 둥근형태를 가지는 영역을 종양의 후보영역으로 선정한 후, 그 영상의 위와 아래로 연결되는 영상에서도 같은 위치에서 같은 특징을 보이는 영역이 있으면 간 내부의 종양으로 판별하여 추출한다. 제안된 간 영역 및 간 종양 추출 방법의 정확성을 판별하기 위하여 CT 영상을 대상으로 실험하여 영상의학 전문의가 판단한 결과와 비교하였다. 간 영역 추출은 정확히 모두 추출되었으며, 간 종양 추출 및 판별은 전문의의 보조 진단도구로 활용할 수 있는 가능성이 매우 높다는 것을 확인할 수 있었다.emantic Similarity Measure 등을 단계적으로 수행하여 자동화되고 정확한 규칙식별을 하고자 한다. 이러한 방법들의 조합으로 인하여 규칙구성요소 추출이 되지 않을 후보 단어들의 수를 줄여서 보다 더 정확하고, 지능적인 규칙구성요소 추출 방법론을 제시하고 구현하여 지식관리자의 규칙습득에 대한 부담을 줄여 주고자 한다. 도움을 받을 수 있게 되었다.을 거치도록 되어있다. 교통주제도는 국가의 교통정책결정과 관련분야의 기초자료로서 다양하게 활용되고 있으며, 특히 ITS 노드/링크 기본지도로 활용되는 등 교통 분야의 중요한 지리정보로서 구축되고 있다..20{\pm}0.37L$, 72시간에 $1.33{\pm}0.33L$로 유의한 차이를 보였으므로(F=6.153, P=0.004), 술 후 폐환기능 회복에 효과가 있다. 4) 실험군과 대조군의 수술 후 노력성 폐활량은 수술 후 72시간에서 실험군이 $1.90{\pm}0.61L$, 대조군이 $1.51{\pm}0.38L$로 유의한 차이를 보였다(t=2.620, P=0.013). 5) 실험군과 대조군의 수술 후 일초 노력성 호기량은 수술 후 24시간에서 $1.33{\pm}0.56L,\;1.00{\ge}0.28L$로 유의한 차이를 보였고(t=2.530, P=0.017), 술 후 72시간에서 $1.72{\pm}0.65L,\;1.33{\pm}0.3L$로 유의한 차이를 보였다(t=2.540, P=0.016). 6) 대상자의 술 후 폐환기능에 영향을 미치는 요인은 성별로 나타났다. 이에 따른 폐환기능의 차이를 보면, 실험군의 술 후 노력성 폐활량이 48시간에 남자($1.78{\pm}0.61L$)가 여자(
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 심장과 대정맥 영역이간 영역에 포함되어 있으면 과혈관성 종양 추출 시에 심장 흑은 대정맥을 과혈관성 종양으로 추출하는 경우가 발생한다. 따라서 본 논문에서는 간, 심장 및 대정맥 영역으로 구분한 후에 간 영역을 추출하여 간 영역 추출하는과정에서 심장 과대 정맥 영역이 간 영역에 포함되지 않도록 한다. 각 장기의 특징은표 1과 같다.
그림 8에서 간 영역을 주 객체로 정의하고 간 영역에 기생하듯이 붙어 있는 영역을 기생 객체로 정의하였을 때, 주 객체와 기생 객체가 한 픽셀에 의해 연결되어 있다면 [7] 을 이용하여 잡음을 제거할 수 있지만, 그림 8과 같이 한 픽셀 이상이 연결되어 있다면 [기을 이용하여 잡음을 제거하는 것은 불가능하다. 따라서 본 논문에서는 한 픽셀 이상의 연결 점을 가지는 주 객체와 기생 객체를 분리하여 기생 객체를 제거하기 위한 잡영 제거 방법을 제안한다.
본 논문에서는 간 암 수술을 맡은 전 문의를 보조하 기위해 CT 영상에서 간 영역과 간암 영역의 상대적인 위치 및 형태학적 정보를 제공할 수 있는 간 영역추출 및 간 종양 분석 방법을 제안하였다. 제안된 방법은 조영증강 CT 영상에서 나타나는 명암 값의 특징을 이용하여 조영증강 CT 영상들을 대상으로 먼저 간 영역 을 추출하였다.
본 논문에서는 전문가에게 간암이 발견된 경우에 암 영역의 제거 수술을 위한 간암의 위치와 형태학적 모양 정보를 미리 알려주기 위한 방법을 제시하였다. 흉부의 윗부분에서 시작된 2.
가설 설정
1. 기생 객체는 주 객체보다 작지만 적어도 30픽셀 이상의 둘레를가지는 영역이다.
2. 주 객체와 기생 객체의 연결은 한 픽셀 이상적 어도 L픽셀 이하로 묶여서 나타난다.
4. 위의 단계를 수행하면 영역들이 각 색상별로 분할된다. 분할된 영역은 인접한 영역의 색상을 포함하는 경우가 발생하므로 각 장기의 영역들은 대략적인 장기 영역으로 분류된다.
제안 방법
1. 현재 슬라이드의 양자화된 영상에서 각 칼라레벨로 영상을 분할한 후, 각 분할된 영상을 레이블링하여 칼라별로 영역을 추출한다. 각 칼라별영역이 추출되면 10레벨의 영역부터 1레벨의 영역 순으로 영역 확장을 수행한다.
3. N레 벨의 관심영역 에서 가장 인접해있는 N-1 레벨의 영역들을 선택한 후, 선택되어진 N-1 레벨 영역의 외곽을 조사하여 N레벨 관심영역의 외곽에 조금이라도 붙어있는 N-1 레벨의 영역을 N 레벨의 관심 영역에 포함시킨다. 간 영역은 6-4 레벨의 색상을 가지고 심장, 대정맥 영역은 10~7레벨의 색상을 주로 가지고 있기 때문에 만약 10레벨에서 시작된 영역확장 과정에서 7레벨 이하의 색상까지 자신의 영역으로 포함시킬 경우에는 심장이나 대정맥 영 역에 간 영 역이 포함되는 경우가 발생한다.
제안된 방법은 조영증강 CT 영상에서 나타나는 명암 값의 특징을 이용하여 조영증강 CT 영상들을 대상으로 먼저 간 영역 을 추출하였다. 간 영역 추출 은 관심 이 없는 외부 영역은 갈비뼈를 중심으로 제거하였고 제거된 영상에서 밝기 정보를 이용하여 각 장기의 영역을 분할하였다. 분할된 영역들은 위 아래로 인접한 영상에서의 분할 영역들과 밝기 값을 비교하여 적절하게 병합하는 3차원적 접근방법을사용하였다.
따라서 과혈관성 종양은 조영증강 CT 영상에서 주위보다 높은 명암 값을 가지고 있으며, 팽창형 성장을 보일 경우에는 구형을 가지고 있는 특징이 있다. 그러므로 본 논문에서는 종양의 특징을 분석한 후, 주위 보다 높은 명암 값을 가지고 구형을 가지는 영역을 종양의 후보영역으로 선정한 후에 그 영상의 위와 아래로 연결되는 영상에서도 같은 위치에서 같은 특징을 보이는 宿역이 있으면 간 내부의 종양으로 판별하여 추출하였다. 본 논문에서 제안된 방법으로 추출된 결과를 영상의학 전문의에게 검증 받은 결과, 총 45~5。장으로 구성된 3 종류의 조영증강 CT 영상에서 간 영역이 정확히 추출되었고 간 영역에 존재하는 과혈관성 종양도 모두 추출되어 본 논문에서 제안한 방법이 유용하였음을 입증받았다.
분할된 영역들은 위 아래로 인접한 영상에서의 분할 영역들과 밝기 값을 비교하여 적절하게 병합하는 3차원적 접근방법을사용하였다. 그리고 여러 개의 영역들 중에서 간 영역이 가지는 구조 및 위치 등의 정보를 이용하여간 영역을 추출하였다. 추출된 간 영역에서 과혈관성 종양을 추출하기 위해 과혈관성 종양이 가지는 특징을 분석하여 종양을 추출하였다.
따라서 본 논문에서는 비슷한 색상을 가지는색상끼 리 그룹화 시 켜 하나의 색으 로 만드 는 양자화 및 의사칼라화 기법 [5] 을 적용하여 0~255까지의 값을 가지는 Gray 영상을 10개의 칼라 색상으로 분류한다. 낮은 명암 값을 가지는 그룹을 1레벨로 설정하고 높은 명암 값을 가지는 그룹을 10레벨로 설정하여 조영증강 CT 영상에서 추출된 내부영역을 양자화 한다. 양자화를 수행한 후에는 각 장기의칼라 특징을 파악할 수 있으며 이러한 칼라 특징을 이용해서 간 영역과 다른 장기들의 영역을 구분할 수 있다.
4 이상인 것을과혈관성 종양으로 추출한 후, 다음 슬라이드를 조사한다. 다음 슬라이드에서의 과혈관성 종양 추출은 현재 추출된 과혈관 성 종양 의 위치 와 겹치는 영역을 조사하여 간이 가지는 명암보다 높은 명암값을 가지는 영역을 과혈관성 종양으로 추출하고 다음 슬라이드도 같은 방법을 적용한다. 만약 더이상 간 영역보다 높은 레벨의 영역이 없을경우에는 처음 과혈관성 종양이 발견된 슬라이드로 넘어와서 이전 슬라이드를 앞의 과정처럼 반복하여 전체 영상에서 과혈관성 종양을 추출한다.
따른다. 따라서 본 논문에서는 비슷한 색상을 가지는색상끼 리 그룹화 시 켜 하나의 색으 로 만드 는 양자화 및 의사칼라화 기법 [5] 을 적용하여 0~255까지의 값을 가지는 Gray 영상을 10개의 칼라 색상으로 분류한다. 낮은 명암 값을 가지는 그룹을 1레벨로 설정하고 높은 명암 값을 가지는 그룹을 10레벨로 설정하여 조영증강 CT 영상에서 추출된 내부영역을 양자화 한다.
가지는 특징이 있다. 본 논문에서는 간 영역을 추출하기 위해 조영증강 CT 영상에서 나타나는 명암도의 특징을 이용한다. 간 영역을 추출하기 위해 그림 1과 같이 5단계의 과정을 거쳐 간 영 역을 추출한다.
특징이 있다. 본 논문에서는 이러한 특징을 이용해서 각 슬라이드의 갈비뼈 내부 영역을 추출한다. 각 슬라이드 영상을 명암 값 180을 기준으로이진 화를 수행한 후, 현재 슬라이드를 기준으로 다음 4개의 슬라이드 영상을 흰색을 기준으로 OR 연산을 수행하여 현재 슬라이드 영상에서의 갈비뼈 영역을 추출한다.
부피가 500이상이고 원형도가 0.4 이상인 것을과혈관성 종양으로 추출한 후, 다음 슬라이드를 조사한다. 다음 슬라이드에서의 과혈관성 종양 추출은 현재 추출된 과혈관 성 종양 의 위치 와 겹치는 영역을 조사하여 간이 가지는 명암보다 높은 명암값을 가지는 영역을 과혈관성 종양으로 추출하고 다음 슬라이드도 같은 방법을 적용한다.
간 영역 추출 은 관심 이 없는 외부 영역은 갈비뼈를 중심으로 제거하였고 제거된 영상에서 밝기 정보를 이용하여 각 장기의 영역을 분할하였다. 분할된 영역들은 위 아래로 인접한 영상에서의 분할 영역들과 밝기 값을 비교하여 적절하게 병합하는 3차원적 접근방법을사용하였다. 그리고 여러 개의 영역들 중에서 간 영역이 가지는 구조 및 위치 등의 정보를 이용하여간 영역을 추출하였다.
단계 4. 실질적인 주 객체와 기생 객체를 분리하기 위해 형태학적 축소 방법을 수행한다.
음성 (-) 은 결과가 암인 경우를 의미한다[10]. 실험 결과에서는 세 가지 형태 (민감도-sensitivity, 음성 오류-f2se positive, 양성 오류-血]se negative)로 나누어 결과를 구분한다. 먼저, sensitivity 는 실제 양성(+)을 결과에서도 양성으로 유도하고 음성 (-)은 음성을 결과에서도 음성으로 유도하는 것을 의미한다.
제안된 방법은 조영증강 CT 영상에서 나타나는 명암 값의 특징을 이용하여 조영증강 CT 영상들을 대상으로 먼저 간 영역 을 추출하였다. 간 영역 추출 은 관심 이 없는 외부 영역은 갈비뼈를 중심으로 제거하였고 제거된 영상에서 밝기 정보를 이용하여 각 장기의 영역을 분할하였다.
추출되어진 간 영역에서 과혈관성 종양이 간 영역보다 높은 명암 값을 가지는 특징을 이용하여간 영역 슬라이드 영상들을 각각 간 영역이 가지는 색상 레벨과 간 영역이 가지는 색상 레벨보다 높은 레벨의 색상 영역으로 구분하여 간영역보다 높은레벨의 색 상영역 을과혈관성 종양의 후보 영역으 로선정한다.
그리고 여러 개의 영역들 중에서 간 영역이 가지는 구조 및 위치 등의 정보를 이용하여간 영역을 추출하였다. 추출된 간 영역에서 과혈관성 종양을 추출하기 위해 과혈관성 종양이 가지는 특징을 분석하여 종양을 추출하였다. 전형적인 간세포암은 과 혈관성 종양이다.
흉부의 윗부분에서 시작된 2.5mm 의간격으로 약 45-50장의 CT 촬영된 영상들 에 대해 간 영역의 위치와 간 내부에서 간암의 상대적인 위치정보를 추출하여 정보를 제공한다.
대상 데이터
본 논문에서 제안한 CT 영상에서의 간 영역 추출 및 종양 분석 방법의 효율성을 검증하기 위해 전문의가 제공한 조영증강 CT 영상을 대상으로 실험하였다. 실험 환경은 Intel Pentium-IV 2GHz CPU와 256MB RAM이 장착된 IBM 호환 PC상에서 VC++ 6.
이론/모형
단계 5. 8-방향 윤곽선 추적 알고리즘[8]을 적용하여 순수한 간 영역을 추출한다.
성능/효과
3. 주 객체의 영역이 원형은 아니지만 충분히 원형에 가깝고 날카로운 부분이 존재하지 않는 영역으로 표현된다.
그러므로 본 논문에서는 종양의 특징을 분석한 후, 주위 보다 높은 명암 값을 가지고 구형을 가지는 영역을 종양의 후보영역으로 선정한 후에 그 영상의 위와 아래로 연결되는 영상에서도 같은 위치에서 같은 특징을 보이는 宿역이 있으면 간 내부의 종양으로 판별하여 추출하였다. 본 논문에서 제안된 방법으로 추출된 결과를 영상의학 전문의에게 검증 받은 결과, 총 45~5。장으로 구성된 3 종류의 조영증강 CT 영상에서 간 영역이 정확히 추출되었고 간 영역에 존재하는 과혈관성 종양도 모두 추출되어 본 논문에서 제안한 방법이 유용하였음을 입증받았다. 향후 연구 방향은 퍼지 기법을 적용하여 과 혈관성 종양의 색상 레벨을 세밀하게 세분화하여 육안으로명 확히 확 인하지 못하는 과 혈관성 종양도 추출할 수 있도록 개선할 것이고 전문의의 임상 실험을 바탕으로 과혈관성 종양을 분석 및 판별하는 보조시스템을 개발할 것이다.
표 2에서와 같이 제안된 과혈관성 종양 추출 방법은 felse positive와 false negative가 모두 0으로 나타났고 음성(-)은 모두 음성으로 판별되어 과혈관성 종양의 영역이 모두 추출되었음을 확인할 수 있다.
만약 현재 추출된 각 장기의 후보 영역들이 이전 영역을 포함하는 정도가 70%이상 일 경우에는 현재 영역에서 추출된 후보 영역을 각 해당장기 영역으로 추출한다. 현재 영역이 이전 영역을 포함하는 정도를 실험한 결과, 70%일 때가 해당 장기를 가장 잘 구분하였다.
후속연구
본 논문에서 제안된 방법으로 추출된 결과를 영상의학 전문의에게 검증 받은 결과, 총 45~5。장으로 구성된 3 종류의 조영증강 CT 영상에서 간 영역이 정확히 추출되었고 간 영역에 존재하는 과혈관성 종양도 모두 추출되어 본 논문에서 제안한 방법이 유용하였음을 입증받았다. 향후 연구 방향은 퍼지 기법을 적용하여 과 혈관성 종양의 색상 레벨을 세밀하게 세분화하여 육안으로명 확히 확 인하지 못하는 과 혈관성 종양도 추출할 수 있도록 개선할 것이고 전문의의 임상 실험을 바탕으로 과혈관성 종양을 분석 및 판별하는 보조시스템을 개발할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.