[논문]저선량 CT 기반 폐 결절 자동 검출 알고리즘

고훈; 이우찬; 문찬기; 남윤영; 이진석

저선량 CT 기반 폐 결절 자동 검출 알고리즘
Algorithm of low dose CT based automatic lung nodule detection 원문보기

고훈 (원광대학교 의과대학) , 이우찬 (원광대학교 컴퓨터공학과) , 문찬기 (순천향대학교 컴퓨터공학과) , 남윤영 (순천향대학교 컴퓨터공학과) , 이진석 (원광대학교 의과대학)

본 논문은 저선량 흉부 CT 영상을 활용하여 패결절을 자동으로 검출하는 알고리즘에 관한 연구내용을 담고 있다. 폐 결절 자동 검출을 위해 폐 CT 영상 내에 폐결절의 가지고 있는 특징들 중, 이동성 및 기하학적 특징을 가지고 폐혈관과 폐결절을 구분하였다. 실험한 영상은 폐결절이 없는 정상환자군을 가지고 실시 하였으며, 그 결과 4.4False Positive / Scan이 발생하였다.

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

문제 정의

이러한 문제를 해결하기 위해 컴퓨터를 활용한 자동진단 (Computer-Aided Diagnostic ; CAD) 연구가 활발하게 진행되고 있는 추세이다. 본 논문에서는 CT 영상에서 폐결절이 가지고 있는 특징을 활용하여 폐결절을 검출하기 위한 CAD 시스템을 개발한다.

제안 방법

구(球)형태의 기하학적 특징을 갖는다[3]. 가상의 구 (球)를 나누어 매 slice마다 검출된 객체의 면적과 비교하여 가상의 구(球)의 넓이를 비교하여 상관관계를 구한다. (그림 3)
본 논문에서는 연속된 CT영상에서 폐결절의 이동성 및 형태학적 특징을 활용하여 폐결절 검출 알고리즘을 제안하였다(그림 1).
본 연구에서는 폐결절의 이동성을 보다 정확히 측정하기 위해서 Slice thickness를 1mm로 재구성 하여 진행하였다.
이러한 폐결절의 기하학적 특징을 활용하여, 일정의 문턱값을 설정한 후, 검출된 객체들을 문턱값을 기준으로 폐혈관과 폐 결절로 구분한다.
진행하였다. 흉부 CT 영상에서 제안된 방법을 이용하여 각 객체들의 특징을 정량화하고 Threshold value 를 적용하여 폐결절과 페혈관을 구분하였다.
부분으로 나타난다. 흉부 CT에서 밝은 부분을 띄는 객체들을 검출하여, 각각의 검출된 객체에 ID를 부여 한다. CT영상에서 검출된 객체들 중 다음 Slice에서 가장 가까운 객체와 같은 ID를 부여하고, 이전 Slice에서는 검출되지 않은 객체지만, 다음 Slice에서 검출된 경우 새로운 ID를 부여하는 방식으로 각 객체들을 Tracking한다.

대상 데이터

Slice t仕ickness가 5mm인 영상으로 120~ 200 slice로 구성되있다. 본 연구에서는 폐결절의 이동성을 보다 정확히 측정하기 위해서 Slice thickness를 1mm로 재구성 하여 진행하였다.
CT영상에서 검출된 객체들 중 다음 Slice에서 가장 가까운 객체와 같은 ID를 부여하고, 이전 Slice에서는 검출되지 않은 객체지만, 다음 Slice에서 검출된 경우 새로운 ID를 부여하는 방식으로 각 객체들을 Tracking한다. Tracking Algoritm을 통하여 연속된 CT 영상에서 검출된 객체들의 크기, HU값, Slice 수 Mobility 등의 객체 정보를 획득한다.
본 논문에서 폐결절이 없는 5명의 정상환자를 대상으로 실험을 진행하였다. 흉부 CT 영상에서 제안된 방법을 이용하여 각 객체들의 특징을 정량화하고 Threshold value 를 적용하여 폐결절과 페혈관을 구분하였다.
본 논문에서는 총 5명의 정상 환자의 원광대학교병원 환자의 저선량흉부 CT 영상을 활용하였다.

성능/효과

갖는다. 또한 각 객체의 면적 변화를 그래프화 하여 분석한 결과, 구(球)는 Turning Point Ratio(TPR) 값이 0에 가까운 반면에 면적의 변화가 불규칙한 폐혈관의 경우 TPR값이 높은 것을 알 수 있다.
본 논문에서 제안한 폐결절 자동검출 시스템을 이용한 결과 발생한 총 22개의 False Positive가 발생하였다. 폐결절을 가지고 있는 환자가 아닌 CT 영상에서 22 개의 False Positive가 발생한 원인을 분석한 결과 Positive 를 분석한 결과, Tracking Algorit仕皿의 오류로 인하여 같은 객체임에도 불구하고 새로운 ID가 부여되어 객체의 정량화 오류가 발생하였다(그림4).
총 5개의 흉부 CT 영상에서 5, 023개의 객체를 검출하였으며, 제안된 방법을 이용하여 폐혈관과 폐결절을 구분한 결과 총 22개의 False Positive가 발생하였다.
발생하였다. 폐결절을 가지고 있는 환자가 아닌 CT 영상에서 22 개의 False Positive가 발생한 원인을 분석한 결과 Positive 를 분석한 결과, Tracking Algorit仕皿의 오류로 인하여 같은 객체임에도 불구하고 새로운 ID가 부여되어 객체의 정량화 오류가 발생하였다(그림4).

후속연구

향후 False Positive를 최소화하기 위해 객체 검출시 적절한 HU Threshold 재설정 및 객체의 형태에 따른 Shape Tracking Algorithm을 적용하여, 객체검출의 정확성을 높일 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

저선량 CT 기반 폐 결절 자동 검출 알고리즘
Algorithm of low dose CT based automatic lung nodule detection 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

저선량 CT 기반 폐 결절 자동 검출 알고리즘 Algorithm of low dose CT based automatic lung nodule detection 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

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

저선량 CT 기반 폐 결절 자동 검출 알고리즘
Algorithm of low dose CT based automatic lung nodule detection 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper