초록 ▼

IV. 연구개발결과
1) 유방촬영필름의 영상데이타베이스 구축
정상인 150명, 유방암 환자 350명, 양성유방질환 환자 350명을 대상으로 고해상 영상데이타베이스를 구축하였다. Pixel 크기 0.1mm, 12bit depth로 고해상 레이저디지타이저를 사용하였다.
2) 유방질환 환자의 유방촬영필름상의 소견 분석
위에서 구축한 영상테이타베이스를 분석하여 유방암 및 양성유방질환의 유방촬영술상의 소견을 분석하고 각 질환의 특징을 추출하였다.
3) 유방암 병소의 검출알고리즘 개발
(1) X-ray 필름

IV. 연구개발결과
1) 유방촬영필름의 영상데이타베이스 구축
정상인 150명, 유방암 환자 350명, 양성유방질환 환자 350명을 대상으로 고해상 영상데이타베이스를 구축하였다. Pixel 크기 0.1mm, 12bit depth로 고해상 레이저디지타이저를 사용하였다.
2) 유방질환 환자의 유방촬영필름상의 소견 분석
위에서 구축한 영상테이타베이스를 분석하여 유방암 및 양성유방질환의 유방촬영술상의 소견을 분석하고 각 질환의 특징을 추출하였다.
3) 유방암 병소의 검출알고리즘 개발
(1) X-ray 필름 artifact 제거 필터 개선
미세석회화의 경계선은 부드럽게 변하는 반면에 필름 artifact 의 경계선은 급격한 변화를 보이고 있는 특성에 착안하여 2차원 영상에서 하나의 픽셀점 및 그것의 8개의 인접 픽셀점에서 크기가 3인 정방형 라플라스 연산자를 이용한 국소 그래디언트 값을 구한다. 이때 계산된 그래디언트 값의 크기가 적절한 임계치 이상의 값을 갖는 픽셀이 하나 이상일 때 artifact 픽셀점으로 간주하며 이를 제거하기 위해서 해당되는 artifact 픽셀 위치를 중심으로 하여 7×7 윈도우 내의 median 값으로 대치한다.
(2) 군집성미세석회화 병소의 검출알고리즘 개발
군집성 미세석회화 병소의 감별을 하기위해 texture analysis, shape analysis 등을 이용한 특징값 추출 및 신경회로망 이론을 도입한 패턴 분류방법을 적용하였다.
(3) 종괴의 검출알고리즘 개발
원영상과 dilation 영상과의 밝기차와 원영상과 Erosion 영상과의 밝기차를 가지고 비교를 수행한다. 두 개의 값이 같으면 원영상의 픽셀값을 취하고 Dilation 과의 찻값이 Erosion 과의 찻값보다 크면 Erosion 한 영상의 픽셀값을 취한다. 반대로 Erosion과의 찻값이 Dilation과의 찻값보다 크면 Dilation 한 영상의 픽셀값을 취한다.
이 방법은 국소적으로 영상의 대비도가 낮은 곳을 충분히 향상을 시켜주는 탁월한 효과가 있으나 원하지 않는 부분까지 향상을 시켜서 문제가 발생되는 소지가 있다. 그러나 종괴의 모양이 일반적으로 둥근 형태이므로 structuring element 를 둥근 원모양의 형태를 취하여 수행을 하면 원모양의 형태들만 영상강조가 되므로 형태에 적응적으로 할 수 있는 장점이 있다.
(4) 유방암과 양성종괴의 감별알고리즘 개발
어떤 물체의 모양에 근거하여 해석하는 방법의 하나인 재귀적 영역 확장법(Iterative Region Growing Method)은 segmentation 에 의해 구분된 씨앗점(seed points)들의 집합을 사용하며 그 주변들을 점차 확장해 나가는 방법이다. 물론 어떠한 조건을 주어진 상태에서 그 조건에 만족하는 점들이 점차 모여서 하나의 영역을 이루어 나가는 것이다. 어느 한 점이 어떤 종류에 속한다고 정하고 그 주위의 여러 픽셀들이 주어진 조건을 만족하면 그 종류에 속하는 것이고 아니면 제외된다. 이렇게 계속해서 진행을 하면 어떠한 종류에 속하는 대상이 되는 물체의 모양변화 정도를 측정하는 것이므로 어떤 잡음에 의해서 모양변화의 특징이 왜곡되면 그 만큰 성능 저하를 일으키므로 먼저 종괴 후보들의 크기를 정하고 영역확장법을 적용시켜야 한다. 그이유는 현실적이고 유효한 크기의 종괴 대상에 대하여 적용하는 것이 시각적으로나 효율면에서 바람직하기 때문이다. 따라서 본 연구에서는 종괴의 크기가 3mm에서 3cm 까지 정하고 확장되는 정도를 특징으로 하여 감별을 위한 입력단으로사용하였다.
4) 사용자 인터페이스 개발
상용화를 위해 쉽게 편리하게 사용할 수있는 사용자 인터페이스를 개발하였다.

Abstract ▼

X-ray Mammography associated with clinical breast examination is the most effective method for early detection of breast cancer. Clustered microcalcifications and masses on mammograms are an important sign in the detection of breast cancer. Mammogram interpretation has been performed by radiologists

X-ray Mammography associated with clinical breast examination is the most effective method for early detection of breast cancer. Clustered microcalcifications and masses on mammograms are an important sign in the detection of breast cancer. Mammogram interpretation has been performed by radiologists by visual examination of the films for the presence of abnormalities that can be interpreted as cancerous changes. The computer-aided diagnosis (CAD) will be useful to increase the diagnosis sensitivity of radiologists. The CAD can be categorized into three groups, such as the image enhancement, the detection of suspicious lesions, and the classification of suspicious lesions as benign or malignant.
The adaptive enhancement is based on the first derivative and the local statistics. The performance of the proposed method is also evaluated by means of the receiver operating-characteristics (ROC) analysis A statistical texture analysis method, called the surrounding reglon dependence method (SRDM), is proposed for the detection of the clustered microcalcifications on digitized mammograms. The SRDM is based on the
second-order histogram in two surrounding regions. A three-Iayer backpropagation neural network is employed as a classifier. The results of the neural network for texture analysis methods are evaluated by the ROC analysis.
The detection method of mass regions in digitized mammograms using an iterative region growing method (lRGM) and an artificial neural network. Adaptive histogram equalization is performed to normalize the background and then a segmentation is performed, in which the image is thresholded to select mass candidates and morphologically filtered to smoothen those shapes. Once the mass candidates are decided, the shape-based features are extracted by the IRGM and are used in an artificial neural network classifier.

목차 Contents

• 표지 ... 1
• 제출문 ... 3
• 요약문 ... 4
• SUMMARY ... 8
• CONTENTS ... 9
• 목차 ... 10
• 제 1 장 서론 ... 11
• 제 1 절 유방암의 임상적 특징 및 진단 ... 11
• 제 2 절 유방암의 컴퓨터 보조 진단 ... 12
• 제 2 장 국내외 기술개발 현황 ... 13
• 제 3 장 연구개발수행 내용 및 결과 ... 14
• 제 1 절 유방촬영필름의 영상데이타베이스 구축 ... 14
• 제 2 절 유방암 및 양성유방질환의 유방촬영소견 분석 ... 15
• 제 3 절 유방암 검출 알고리즘 개발 ... 35
• 제 4 절 사용자 인터페이스 개발 및 시제품 제작 ... 109
• 제 4 장 연구개발목표 달성도 및 대외기여도 ... 122
• 제 1 절 연구개발목표 달성도 ... 122
• 제 2 절 대외기여도 ... 124
• 제 5 장 연구개발결과의 활용계획 ... 126
• 제 6 장 참고문헌 ... 127
• 끝페이지 ... 128