췌장 초음파 영상은 췌장비대증, 췌장지방증, 췌장암 등을 진단하기 위해서 사용된다. 췌장지방증의 진단은 췌장 초음파 영상에서 비장 실질보다 췌장 에코음영이 밝아진 경우 지방이 침착된 것으로 판단한다. 그리고 췌장암의 초음파 영상에 관한 연구는 활발히 이루어 졌지만 췌장 지방증에 관한 연구 사례는 미흡하다. 또한 췌장지방증은 그 진단 기준이 모호하고 숙련자의 주관적인 진단에 따른 오류가 많다. 이에 본 연구에서는 정상과 지방췌장의 영상에 GLCM algorithm을 적용하여 영상의 특징을 추출하고 추출된 특징값을 parameter를 이용하여 정량적인 분석을 하였다. GLCM algorithm을 이용하여 정상 89증례, 중등도 89증례, 고도 89증례 총 영상 267증례에 관심영역($5{\times}5pixel$)을 설정하고, 각 영상에서 Autocorrelation, Sum average, Sum of squares, Sum varience 4가지 parameter를 이용하여 분석하였다.
췌장 초음파 영상은 췌장비대증, 췌장지방증, 췌장암 등을 진단하기 위해서 사용된다. 췌장지방증의 진단은 췌장 초음파 영상에서 비장 실질보다 췌장 에코음영이 밝아진 경우 지방이 침착된 것으로 판단한다. 그리고 췌장암의 초음파 영상에 관한 연구는 활발히 이루어 졌지만 췌장 지방증에 관한 연구 사례는 미흡하다. 또한 췌장지방증은 그 진단 기준이 모호하고 숙련자의 주관적인 진단에 따른 오류가 많다. 이에 본 연구에서는 정상과 지방췌장의 영상에 GLCM algorithm을 적용하여 영상의 특징을 추출하고 추출된 특징값을 parameter를 이용하여 정량적인 분석을 하였다. GLCM algorithm을 이용하여 정상 89증례, 중등도 89증례, 고도 89증례 총 영상 267증례에 관심영역($5{\times}5pixel$)을 설정하고, 각 영상에서 Autocorrelation, Sum average, Sum of squares, Sum varience 4가지 parameter를 이용하여 분석하였다.
Pancreatic ultrasound imaging is used to diagnose pancreatic hyperplasia, pancreatic steatosis, pancreatic cancer and the like. If the diagnosis of pancreatic steatosis is pancreatic parenchyma echo shades splashes spleen than in the pancreas ultrasound it determines that the fat is deposited. And r...
Pancreatic ultrasound imaging is used to diagnose pancreatic hyperplasia, pancreatic steatosis, pancreatic cancer and the like. If the diagnosis of pancreatic steatosis is pancreatic parenchyma echo shades splashes spleen than in the pancreas ultrasound it determines that the fat is deposited. And research on ultrasound imaging of pancreatic cancer but is actively conducted research studies on pancreatic steatosis is insufficient In addition, pancreatic steatosis is often an error in accordance with the diagnostic criteria are vague and subjective diagnosis of the artisan. This study was a quantitative analysis using the feature value extracting a feature of an image extracted by applying a parameter to the algorithm GLCM image of the normal and pancreatic fat. Setting a region of interest ($5{\times}5pixel$) in the mild 89 case, moderate 89 case, severe 89 case, total image 267 case using GLCM algorithm, and using the Autocorrelation, Sum average, Sum of squares, Sum varience 4 kinds parameter in each image It was analyzed.
Pancreatic ultrasound imaging is used to diagnose pancreatic hyperplasia, pancreatic steatosis, pancreatic cancer and the like. If the diagnosis of pancreatic steatosis is pancreatic parenchyma echo shades splashes spleen than in the pancreas ultrasound it determines that the fat is deposited. And research on ultrasound imaging of pancreatic cancer but is actively conducted research studies on pancreatic steatosis is insufficient In addition, pancreatic steatosis is often an error in accordance with the diagnostic criteria are vague and subjective diagnosis of the artisan. This study was a quantitative analysis using the feature value extracting a feature of an image extracted by applying a parameter to the algorithm GLCM image of the normal and pancreatic fat. Setting a region of interest ($5{\times}5pixel$) in the mild 89 case, moderate 89 case, severe 89 case, total image 267 case using GLCM algorithm, and using the Autocorrelation, Sum average, Sum of squares, Sum varience 4 kinds parameter in each image It was analyzed.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
그러나, 각 병원과 장비에 따라 초음파영상의 밝기, 질감, 형태가 다르기 때문에 하나의 결과를 적용하기에 문제점이 있으므로 각 병원,장비에 따른 기준을 확립할것을 제안한다.
이에 본 논문에서는 췌장의 지방침착의 정도에 따라 분류된 mild, moderate, severe 각 50개의 영상에 GLCM algorithm을 이용하여 정량적인 분석을 실시하여 췌장의 지방침착 정도에 따른 진단의 정확도를 높이기 위한 방법을 연구하였다.[2]
제안 방법
이에 본 연구에서는 정상과 지방췌장의 영상에 GLCM algorithm을 적용하여 영상의 특징을 추출하고 추출된 특징값을 parameter를 이용하여 정량적인 분석을 하였다. GLCM algorithm을 이용하여 정상 50증례, 중등도 50증례, 고도 50증례 총 영상 150증례에 관심영역 (50x50 pixel)을 설정하고, 각영상에서 Autocorrelation, Sum average, Sum of squares, Sum variance 4가지 parameter를 이용하여 분석하였다.
대상 데이터
2015년 10월~2016년 2월까지 W병원에서 진단한 췌장초음파 영상을 대상으로 전체 영상 150증례중 정상 50증례, 중등도 50증례, 고도 50증례를 실험대상으로 하였다.
췌장초음파 영상의 Body부분에 관심영역(ROI)를 설정하여 50x50 pixel크기로 획득하였다.
데이터처리
이에 본 연구에서는 정상과 지방췌장의 영상에 GLCM algorithm을 적용하여 영상의 특징을 추출하고 추출된 특징값을 parameter를 이용하여 정량적인 분석을 하였다. GLCM algorithm을 이용하여 정상 50증례, 중등도 50증례, 고도 50증례 총 영상 150증례에 관심영역 (50x50 pixel)을 설정하고, 각영상에서 Autocorrelation, Sum average, Sum of squares, Sum variance 4가지 parameter를 이용하여 분석하였다.
전처리 과정으로 Histogram equalization과 Range filter를 적용하여, 각 획득된 영상에 대해 제안된 GLCM algorithm을 이용하여 결과를 산출한다.
초음파 장비 GE LOGIQ P9로 획득한 영상을 이용하여 MATLAB 2012a (Math Worlds Inc, USA)의 GLCM algorithm을 적용하여 영상의 특징을 추출하고 추출된 특징값에 Autocorrelation, Sum average, Sum of squares, Sum variance 4가지 parameter를 이용하여 분석하였다.
성능/효과
GLCM을 이용하여 4개의 algorithm을 사용한 각 영상의 질감특성은 지방의 침착정도가 증가할수록 질감특성의 픽셀값들이 증가하는 것을 볼 수 있다.
따라서 GLCM 알고리즘을 이용한 초음파 영상에서 췌장의 지방침착 정도를 정량적으로 분류할 수 있었다.
또한 GLCM algorithm을 적용하여 영상을 분석한 결과 Autocorrelation에서 정상으로 진단하는데 100%, 중등도로 진단하는데 95%, 고도로 진단하는데 96%인식률을 보였으며, Sum of squares에서 정상으로 진단하는데 100%, 중등도로 진단하는데 95%, 고도로 진단하는데 95%, Sum Average에서 정상으로 진단하는데 100%, 중등도로 진단하는데 95%, 고도로 진단하는데 96% 인식률, Sum Variance에서 정상으로 진단하는데 100%, 중등도로 진단하는데 96%, 고도로 진단하는데 98% 이상의 높은 인식률을 보였다.
후속연구
이는 췌장지방침착 정도를 분류하는 기준으로서 가치가 있으며, 육안판독에 따른 오류를 감소시키고 췌장지방증 진단의 2차적인 수단으로 가능할 것으로 기대된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.