KR101162599B1

KR101162599B1 - An automatic detection method of Cardiac Cardiomegaly through chest radiograph analyses and the recording medium thereof

Info

Publication number: KR101162599B1
Application number: KR1020100080002A
Authority: KR
Inventors: 김덕환; 이석룡; 임명관; 아불 하산 모하메드
Original assignee: 인하대학교 산학협력단
Priority date: 2010-08-18
Filing date: 2010-08-18
Publication date: 2012-07-05
Also published as: KR20120017356A

Abstract

흉부 방사선 이미지로부터 흉부와 심장 영역을 자동으로 탐지하여 심비대 평가지표를 자동으로 계산하는 심비대 자동탐지 방법 및 그 기록매체에 있어서, (b) 방사선 이미지의 수평 프로파일에서 피크를 탐지하여, 탐지된 피크에 해당하는 점으로부터 폐의 좌우 경계선을 탐지하는 단계; (c) 방사선 이미지의 수직 프로파일에서 피크를 탐지하여, 탐지된 피크에 해당하는 점을 폐 첨부로 탐지하는 단계; (d) 심장의 상부 장기와 폐 첨부의 통계비율을 이용하여, 방사선 이미지에서 폐의 하단에서 심장의 상부 장기 위치까지를 관심영역으로 영역화는 단계; (e) 관심영역에서 폐 영역과 심장 경계를 탐지하는 단계; 및 (f) 탐지된 폐 영역과 심장 경계로부터 심비대 평가지표를 계산하는 단계를 포함하는 구성을 마련한다.
상기와 같은 심비대 자동탐지 방법 및 그 기록매체에 의하여, 심장과 흉부 영역 중 관심 영역만을 대상으로 영역화를 하여 이 영역에 대하여 심장 및 폐 영역의 넓이를 계산함으로써 높은 정확도와 효율성을 달성할 수 있다.In the cardiac hypertrophy detection method and its recording medium, which automatically detects the chest and heart region from the chest radiographic image and automatically calculates the cardiac hypertrophy evaluation index, (b) detecting a peak in the horizontal profile of the radiographic image and Detecting left and right borders of the lung from corresponding points; (c) detecting peaks in the vertical profile of the radiographic image to detect points corresponding to the detected peaks as lung attachments; (d) using the statistical ratios of the upper organs of the heart and lung attachments, to zone the region of interest from the bottom of the lungs to the location of the upper organs of the heart in the radiographic image; (e) detecting a lung region and a heart boundary in the region of interest; And (f) calculating cardiac hypertrophy indicators from detected lung regions and cardiac boundaries.
By using the above-described automatic detection of cardiac hypertrophy and its recording medium, it is possible to achieve high accuracy and efficiency by localizing only the region of interest among the heart and chest region and calculating the area of the heart and lung region in this region. .

Description

An automatic detection method of cardiac cardiomegaly through chest radiograph analyses and the recording medium according to chest radiographic image analysis

본 발명은 흉부 방사선 이미지로부터 심장과 흉부 영역을 탐지하고 탐지된 결과를 통해 심폐계수(CTR, cardiothoracic ratio) 및 심폐면적율(HLAR, heart-lung area ratio)을 자동으로 계산하여 심비대를 평가하는 심비대 자동탐지 방법 및 그 기록매체에 관한 것이다.The present invention detects the heart and the chest area from the chest radiographic image and automatically calculates cardiopulmonary count (CTR, cardiothoracic ratio) and heart-lung area ratio (HLAR) to evaluate cardiac hypertrophy. A detection method and a recording medium thereof.

또한, 본 발명은 전체 흉부 영역을 대상으로 하는 대신 심장과 흉부 영역 중 관심 영역만을 대상으로 영역화(segmentation)를 하는 심비대 자동탐지 방법 및 그 기록매체에 관한 것이다.
In addition, the present invention relates to a method for automatically detecting cardiac hypertrophy and a recording medium for segmenting only a region of interest among the heart and the chest region instead of the entire chest region.

의료영상기술은 인체의 여러 가지 장기들의 물리적인 상태를 이해할 수 있게 해주는 유용한 기술이다. 종래 의료영상기술에는 디지털 방사선 영상(X-ray), 컴퓨터 단층 촬영(CT), 자기공명영상(MRI) 등이 있다. 이러한 각 영상 진단방법에는 여러 가지의 장단점과 기술의 적용에 여러 가지 고려할 점들이 있다.Medical imaging technology is a useful technology that allows us to understand the physical state of various organs in the human body. Conventional medical imaging techniques include digital radiography (X-ray), computed tomography (CT), magnetic resonance imaging (MRI), and the like. Each of these imaging methods has several advantages and disadvantages and considerations for the application of the technology.

CT나 MRI 등은 신체장기를 고화질 고해상도 이미지로 보여줄 수 있지만, 방사선 조사가 많고 검사절차가 복잡하며 또한 고비용이어서 모든 종류의 환자들에 모두 적합한 것은 아니다. 이에 반해, 흉부 방사선 영상은 아주 간단한 절차에 따라 많은 의학적인 정보를 얻을 수 있는 아주 유용한 진단방법으로, 병원을 방문한 거의 모든 환자들에게 시행하는 가장 기본적인 검사 방법이다.Although CT and MRI can show high-resolution images of organs, they are not suitable for all kinds of patients because of their high radiation exposure, complicated examination procedures, and high cost. On the other hand, chest radiographs are a very useful diagnostic method for obtaining a lot of medical information by following a very simple procedure, which is the most basic test for almost all patients in the hospital.

흉부 방사선 영상은 여러 가지 흉부 및 심장 관련 질병뿐아니라 환자들의 기본적인 건강상태나 다른 질환들을 진단하기 위해 기본적으로 사용된다. 특히 흉부 방사선이 디지털화 됨으로써, 그 이전의 아날로그 방법에 비해 훨씬 더 간단하고 정확하게 여러 질환을 진단할 수 있게 되었다. 현재 흉부 방사선 검사는 대학병원등 종합병원 뿐 아니라 개인 병원에서도 대부분 시행되고 있으나 영상의학과 전문의의 부족으로 전문가들의 판독없이 각 임상의사들이 주관적으로 판독을 담당하고 있다.Chest radiographs are used primarily for diagnosing a variety of chest and heart related diseases as well as patients' basic health and other conditions. The digitalization of chest radiation, in particular, makes diagnosing a number of diseases much simpler and more accurate than previous analog methods. Currently, chest radiography is mostly performed in private hospitals as well as general hospitals such as university hospitals, but due to the lack of radiologists and specialists, each clinician is subjective to the reading without the expert's.

따라서 폐암같은 아주 명백하게 눈에 보이는 폐질환등은 진단이 가능하지만 전문가의 도움이 없이는 발견이 힘든 초기 암이라든지 결핵 혹은 다른 질환의 진단 실수는 국민 건강에 악영향을 미치고 있다. 특히 흉부 영상에서 폐질환보다 심장 질환에 대해서는 거의 관심과 지식이 없어서 심장질환의 초기 진단이 지연되는 등 심각한 사회 문제를 야기하고 있는 실정이다. Therefore, very clearly visible lung diseases such as lung cancer can be diagnosed, but diagnosis of early cancer, tuberculosis or other diseases, which is difficult to detect without the help of experts, adversely affects public health. In particular, there is little interest and knowledge of heart disease than lung disease in chest imaging, which causes serious social problems such as delayed early diagnosis of heart disease.

흉부 방사선 영상은 CT나 MRI와 같은 다른 기술에 비해 그 사용 면에서 중요하고 주요한 수단임에도 불구하고, CT나 MRI 이미지로부터 이상 상태를 검출하는 연구는 광범위하게 이루어지고 있는 반면 이 방사선 영상에 기반한 연구는 그리 많지 않은 실정이다. 대부분 경우 방사선 영상 사진은 영상의학 전문의나 임상의들에 의해 많이 판독되나, 낮은 화질 때문에 잘못된 판단(mis-interpretation)이 빈번히 발생한다. 따라서 전문가들을 지원하기 위한 자동화된 평가 방법이 도입될 필요가 있다.Although chest radiographs are an important and important tool in terms of use compared to other technologies such as CT and MRI, studies to detect abnormal conditions from CT or MRI images have been extensively conducted, while studies based on these radiographic images Not much situation. In most cases, radiographs are often read by radiologists and clinicians, but mis-interpretation is frequently caused by poor image quality. Therefore, automated evaluation methods need to be introduced to support the experts.

그러나 흉부 방사선 영상의 자동화된 해석 기술은 몇 가지 제약 사항으로 인해 아직 성숙되고 못한 단계이다. 특히, 종래 의료 방사선 사진은 본래 노이즈가 심하기 때문에, 서로 다른 장기들을 영역화하는 데 널리 이용되고 있는 고전적인 형태 인식 (shape recognition) 기법을 이용하기가 쉽지 않다. 흉부 방사선 영상에서 자동화된 심비대 평가 방법을 구현할 수 있다면 관련 질병을 효과적으로 진단하려는 영상의학 전문의에게 유용하게 사용될 수 있을 것이다.However, automated interpretation of chest radiographs is still at a mature stage due to some limitations. In particular, since conventional medical radiographs are inherently noisy, it is not easy to use the classical shape recognition technique which is widely used to localize different organs. Implementing an automated cardiac hypertrophy assessment method on chest radiographs could be useful for radiologists who want to effectively diagnose related diseases.

흉부 방사선 사진은 심비대와 같은 심장질환과 폐 관련 질환을 탐지하는 데 흔히 이용되어 왔다. 심비대를 진단하기 위해 심폐계수(CTR, cardiothoracic ratio)가 측정되어 사용된다. 심폐계수(CTR)는 의사들이 채택한 표준화된 진단 지수(diagnostic index)이다. 이 계수는 군 지원병 모집시 검진을 위하여 1919년 Danzer에 의해 처음 제안된 것으로서, 심장 영역의 최대 횡경(transverse diameter)을 흉부의 최대 횡경으로 나누어 계산된 값이다. 즉, 도 1a에서 표시된 MR + ML을 MTD로 나누어 계산된다. 정상 심장은 보통 최대 횡경의 길이가 좌우 폐 영역의 최대 직경의 절반 이하이며, CTR의 정상값의 범위는 39-50% 사이이며 평균값은 45% 가량이다.Chest radiographs have been commonly used to detect heart and lung-related diseases such as cardiac hypertrophy. Cardiopulmonary coefficient (CTR) is used to diagnose cardiac hypertrophy. Cardiopulmonary count (CTR) is a standardized diagnostic index adopted by physicians. This factor was first proposed by Danzer in 1919 for screening when recruiting military volunteers and was calculated by dividing the maximum transverse diameter of the heart area by the maximum diameter of the chest. That is, it is calculated by dividing MR + ML shown in FIG. 1A by MTD. Normal hearts usually have a maximum transverse length less than half the maximum diameter of the left and right lung regions, and the normal value of the CTR ranges between 39-50% with an average value of 45%.

디지털 흉부 방사선 사진에서 심장 및 폐 영역의 넓이에 기초한 평가 기준으로서 2차원 CTR(2D-CTR)이 Browne 등에 의해 처음 도입되었다. 이들은 Magic view 300 system에 기반한 영상 분석 소프트웨어를 이용하여 마우스를 이용하여 수동으로 흉곽과 심장 경계면을 추출하였다.Two-dimensional CTR (2D-CTR) was first introduced by Browne et al. As a criterion based on the area of the heart and lung area in digital chest radiographs. Using image analysis software based on the Magic view 300 system, they extracted the rib cage and heart boundary manually using a mouse.

도 1b에 도시된 것처럼, 심장의 아래 경계면은 오른쪽 심장횡격막각(Cardiophrenic angle)으로부터 좌측 심장 경계와 좌 횡격막의 교차지점을 잇는 선으로 나타냈고, 심장의 위 경계면은 좌, 우측 주 기관지 아래 경계를 유추하여 나타냈다. 심장의 측면 경계면은 도 1b에서 보이는 것과 같이 명확하게 구분되는 선을 따라 표시하였다. 흉곽 영역은 마우스를 이용하여 내부 늑골 경계면과 횡격막을 따라 선형으로 추적하여 관심영역을 나타냈다.As shown in FIG. 1B, the lower border of the heart is represented by a line from the right Cardiophrenic angle to the intersection of the left heart border and the left diaphragm, and the upper border of the heart borders the lower left and right main bronchus borders. Inferred. The lateral interface of the heart is marked along clearly distinct lines as shown in FIG. 1B. The thoracic region was linearly traced along the inner rib boundary and diaphragm using the mouse to represent the region of interest.

이 연구에서는 2D-CTR을 심장 경계선 내의 픽셀 수에 대한 전체 흉곽의 픽셀 수의 비율로 정의하였다. 2D-CTR과 전통적 CTR 사이에는 어느 정도의 강한 상관관계가 있음이 밝혀졌으며(r=0.82), 2D-CTR이 약간 더 나은 결과를 보여줌이 알려졌다. 2T-CTR의 정상 수치는 0.23이하이다. Shi 등은 2D-CTR에 대하여 다소 다른 정의를 제시하였다. 이 연구에서는 심장 경계선 내의 픽셀 수에 대한 전체 흉곽의 픽셀 수의 비율의 제곱근으로 2D-CTR을 정의했다. 이들은 매달 심장 크기의 변동을 조사하기 위해 촬영한 동일한 환자의 일련의 흉부 방사선 사진에서, 고전적 CTR과 2D-CTR 사이의 관계를 측정하였고 2D-CTR이 기존의 CTR과 높은 상관관계가 있다고 밝혀냈다. In this study, 2D-CTR was defined as the ratio of the number of pixels in the entire thoracic to the number of pixels in the heart boundary. There was some strong correlation between 2D-CTR and traditional CTR (r = 0.82), and 2D-CTR was found to show slightly better results. The normal value of 2T-CTR is below 0.23. Shi et al. Presented a slightly different definition for 2D-CTR. In this study, 2D-CTR was defined as the square root of the ratio of the number of pixels in the entire thoracic to the number of pixels within the heart boundary. They measured the relationship between classical CTR and 2D-CTR on a series of chest radiographs of the same patient taken each month to investigate heart size variations and found that 2D-CTR was highly correlated with conventional CTR.

한편, 흉부 방사선 사진에서 서로 다른 장기(기관)들을 분리하여 영역화하는 작업은 의료 영상처리 분야에서 중요한 주제로 연구되어왔다. 폐의 경우에는 PA(Posterior-Anterior) 방사선 사진에서 영상 분석을 이용한 다양한 영역화 방법들이 제시되어왔다. On the other hand, separating and terminating different organs (organs) from chest radiographs has been studied as an important topic in the field of medical image processing. In the case of lungs, various localization methods have been proposed using image analysis on PA (Position-Anterior) radiographs.

Shi 등은 전반적인 폐 영역화 방법을 다음의 4 가지로 나누어 분류했다: 1) 규칙 기반(rule-based) 영역화, 2) 픽셀 기반(pixel-based) 영역화, 3) 혼합 방법 (hybrid method), 4) 변형 모델 기반 (deformable model-based) 영역화.Shi et al. Categorized the overall pulmonary segmentation into four categories: 1) rule-based segmentation, 2) pixel-based segmentation, and 3) the hybrid method. 4) deformable model-based zoning.

Duryea 등이나 Brown 등은 횡격막과 흉곽(ribcage)의 윤곽을 식별하기 위하여 규칙 기반 영역화 방식을 이용하였다. Duryea 등은 좌우 폐를 식별할 수 있는 자동화 알고리즘을 개발하였다. 양 폐의 윤곽을 추적하기 위한 출발점은 수평 프로파일을 분석함으로써 결정하였다. 그러나 이 방법은 폐 영역의 일부 윤곽은 식별하였으나 전체 영역을 정확하게 식별하는 데에는 한계가 있었다.Duryea and Brown used rule-based segmentation to identify the contours of the diaphragm and ribcage. Duryea et al. Developed an automated algorithm for identifying left and right lungs. The starting point for tracking the contour of both lungs was determined by analyzing the horizontal profile. This method, however, identified some contours of the lung area but was limited in accurately identifying the entire area.

McNitt 등이나 Ginneken 등은 픽셀 기반 영역화 방법을 제시하였고 영상 내의 각 픽셀이 폐 영역에 속하는 지의 여부는 가우시안 미분과 k-NN(nearest neighbor)에 대한 Multi-scale filter bank에 기반하여 분류되었다. McNitt 등이 제시한 픽셀 기반 영역화 방식은 영상 픽셀을 분류하는 좋은 접근법을 제시한 것으로 평가받고 있지만, 정확도가 그리 높지는 못한 편이다. 따라서 비율과 크기를 추정하여 계산할 때에는 이 기법이 잘못된 측정치를 나타낼 수 있다. Ginneken 등은 혼합 방법을 제시하였으며 이는 규칙 기반 영역화 방식과 픽셀 기반 영역화 방식을 혼합한 것이다.McNitt et al. And Ginneken et al. Proposed a pixel-based segmentation method and whether each pixel in the image belongs to the lung region was classified based on Gaussian derivative and multi-scale filter bank for k-NN (nearest neighbor). The pixel-based segmentation method proposed by McNitt et al. Is regarded as a good approach for classifying image pixels, but the accuracy is not very high. Therefore, when estimating and calculating ratios and magnitudes, this technique may give false measurements. Ginneken et al. Proposed a mixing method, which is a mixture of rule-based and pixel-based segmentation.

Cootes 등과 Stegmann 등은 변형 모델 기반 영역화 방식을 제안하였다. 이 연구에서는 폐 영역화를 위해 능동형 형태 모델 (active shape model)과 능동형 외관 모델 (active appearance model)을 이용하였다. Nakamori 등은 흉부 방사선 사진에서 폐와 심장의 형태와 크기에 연관된 다양한 지표를 이용하는 기법을 제안하였다. 그러나 이들의 기법은 기관 사이의 경계가 모호할 경우 폐의 영역화에 한계를 보였다.Cootes et al. And Stegmann et al. Proposed a deformation model based segmentation method. In this study, we used an active shape model and an active appearance model for lung localization. Nakamori et al. Proposed a technique using various indicators related to the shape and size of the lung and heart on chest radiographs. However, their technique has shown limitations in the regionalization of the lungs when the boundaries between organs are blurry.

위에 언급된 방법들은 흉부 방사선 사진에서 폐 영역 전체에 대하여 영역화를 시도하였지만, 영상 자체의 질이 낮기 때문에 이를 정확하게 영역화하는 작업이 쉽지 않다. 또한 이 방법들은 복잡한 알고리즘을 요구하기 때문에 상당한 오버헤드를 야기하며 처리속도가 느리다는 문제점이 존재한다.The above-mentioned methods attempt to localize the entire lung area on chest radiograph, but it is not easy to accurately localize it because of the poor quality of the image itself. In addition, because these methods require complex algorithms, there is a problem that they incur significant overhead and are slow in processing.

또, 비록 2D-CTR이 유용한 결과를 얻은 것으로 평가되었다고 하더라도, 수동으로 흉부 및 심장 부위를 추적하고 면적을 계산하는 것은 쉽지 않은 과정이기 때문에, 이를 임상 환경에 적용하는 데에는 적합하지 않다. 따라서 2D-CTR을 계산하기 위해서는 정확하고 완전히 자동화된 방법이 필요하다.In addition, although 2D-CTR has been evaluated to yield useful results, manually tracking the chest and heart area and calculating the area are not easy to apply to the clinical environment. Therefore, accurate and fully automated methods are needed to calculate 2D-CTR.

요약하면, 이전에 CTR을 측정하기 위한 여러 방법들이 제안되어 왔으며, Browne에 의해 2D-CTR을 측정하기 위한 접근법이 제시된 적이 있다. 하지만 Browne의 방법은 수동 접근법이기 때문에 사용자의 개입을 필요로 한다. 일반적으로 사용자는 영상의학 전문 의사이며 수동으로 컴퓨터 기기를 이용하여 흉부의 기관들을 확인하기 위한 작업은 시간이 많이 걸릴 뿐 아니라, 쉽지 않은 일이다. 따라서 진단을 보조하기 위한 목적으로는 자동화 방법이 더욱 바람직하다.
In summary, several methods for measuring CTR have been proposed previously, and Browne has suggested an approach for measuring 2D-CTR. But Browne's method is a manual approach and requires user intervention. In general, the user is a radiologist and the task of manually identifying the organs of the chest using computer equipment is not only time-consuming but also difficult. Therefore, an automated method is more desirable for the purpose of assisting diagnosis.

본 발명의 목적은 상술한 바와 같은 문제점을 해결하기 위한 것으로, 심장 영역과 폐 영역의 비교로 구하는 새로운 평가 기준인 심폐 영역 비율(heart-lung area ratio: HLAR)을 도입하여 심비대를 평가할 수 있는 심비대 자동탐지 방법 및 그 기록매체를 제공하는 것이다.An object of the present invention is to solve the problems described above, cardiopulmonary hypertrophy that can evaluate the cardiac hypertrophy by introducing the heart-lung area ratio (HLAR), a new evaluation criteria obtained by comparison between the heart region and the lung region An automatic detection method and a recording medium thereof are provided.

또한, 본 발명의 목적은 전체 흉부 영역을 대상으로 하는 대신 심장과 흉부 영역 중 관심 영역만을 대상으로 영역화(segmentation)를 하는 심비대 자동탐지 방법 및 그 기록매체를 제공하는 것이다.It is also an object of the present invention to provide a cardiac hypertrophy automatic detection method and a recording medium for segmentation of only the region of interest of the heart and chest region instead of the entire chest region.

또한, 본 발명의 목적은 영역화된 결과를 이용하여 전통적인 CTR 및 새로운 기준인 HLAR을 자동으로 계산하고 이들을 동시에 시각적으로 표시하는 인터페이스를 제공하는 심비대 자동탐지 방법 및 그 기록매체를 제공하는 것이다.
It is also an object of the present invention to provide a method for automatically detecting a cardiac hypertrophy and a recording medium thereof, which provide an interface for automatically calculating a traditional CTR and a new criterion HLAR using visualized results and simultaneously displaying them visually.

상기 목적을 달성하기 위해 본 발명은 흉부 방사선 이미지로부터 흉부와 심장 영역을 자동으로 탐지하여 심비대 평가지표를 자동으로 계산하는 심비대 자동탐지 방법에 관한 것으로서, (b) 상기 방사선 이미지의 수평 프로파일에서 피크를 탐지하여, 탐지된 피크에 해당하는 점으로부터 폐의 좌우 경계선을 탐지하는 단계; (c) 상기 방사선 이미지의 수직 프로파일에서 피크를 탐지하여, 탐지된 피크에 해당하는 점을 폐 첨부로 탐지하는 단계; (d) 심장의 상부 장기와 폐 첨부의 통계비율을 이용하여, 상기 방사선 이미지에서 폐의 하단에서 심장의 상부 장기 위치까지를 관심영역으로 영역화는 단계; (e) 상기 관심영역에서 폐 영역과 심장 경계를 탐지하는 단계; 및 (f) 탐지된 폐 영역과 심장 경계로부터 심비대 평가지표를 계산하는 단계를 포함하는 것을 특징으로 한다.In order to achieve the above object, the present invention relates to a cardiac hypertrophy detection method for automatically calculating the cardiac hypertrophy evaluation index by automatically detecting the chest and heart region from the chest radiographic image, (b) peaks in the horizontal profile of the radiographic image Detecting and detecting a left and right boundary line of the lung from a point corresponding to the detected peak; (c) detecting peaks in the vertical profile of the radiographic image and detecting points corresponding to the detected peaks as lung attachments; (d) using the statistical ratios of the upper organs of the heart and lung attachments, to region of interest from the bottom of the lungs to the location of the upper organs of the heart in the radiographic image; (e) detecting a lung region and a heart boundary in the region of interest; And (f) calculating cardiac hypertrophy indicators from the detected lung regions and heart boundaries.

또, 본 발명은 심비대 자동탐지 방법에 있어서, 상기 방법은, (a) 상기 방사선 이미지를 보간법을 이용하여 평활화를 수행하는 단계를 더 포함하는 것을 특징으로 한다.In another aspect, the present invention is characterized in that the cardiac hypertrophy automatic detection method, the method further comprises the step of (a) smoothing the radiographic image using interpolation.

또, 본 발명은 심비대 자동탐지 방법에 있어서, 상기 보간법은 양선형 보간법(bilinear Interpolation)을 이용하는 것을 특징으로 한다.In addition, the present invention is a cardiac hypertrophy detection method, characterized in that the interpolation method uses bilinear interpolation (bilinear interpolation).

또, 본 발명은 심비대 자동탐지 방법에 있어서, 상기 (b)단계는, (b1) 상기 방사선 이미지 하부의 수평 프로파일에서 나타나는 다수의 피크 중에서 관심피크를 선정하는 단계; 및, (b2) 상기 관심피크에 해당하는 시작점에서부터 인접한 상위 점들을 탐지하여 폐의 좌우 경계선을 탐지하는 단계를 포함하는 것을 특징으로 한다.In another aspect, the present invention provides a method for automatically detecting cardiac hypertrophy, wherein step (b) comprises: (b1) selecting a peak of interest from a plurality of peaks appearing in a horizontal profile of the lower part of the radiographic image; And (b2) detecting left and right boundary lines of the lung by detecting adjacent upper points from the starting point corresponding to the peak of interest.

또, 본 발명은 심비대 자동탐지 방법에 있어서, 상기 (b1)단계에서, 상기 수평 프로파일을 1차 도함수를 구하여 값이 0인 부분을 피크로 정하는 것을 특징으로 한다.In addition, the present invention is characterized in that the automatic detection of cardiac hypertrophy, in the step (b1), the first derivative of the horizontal profile to determine the portion of the value 0 as a peak.

또, 본 발명은 심비대 자동탐지 방법에 있어서, 상기 (b1)단계에서, 상기 수평 프로파일에서 피크의 각도에 따라 관심피크 여부를 결정하는 것을 특징으로 한다.In addition, the present invention is characterized in that the cardiac hypertrophy automatic detection method, in step (b1), it is determined whether the peak of interest according to the angle of the peak in the horizontal profile.

또, 본 발명은 심비대 자동탐지 방법에 있어서, 상기 (b1)단계에서, 피크 P에 대하여, [수식 1]에 의해 구해지는 파라미터 is_poi의 값이 1이면 관심피크로 결정하는 것을 특징으로 한다.In the method for detecting cardiac hypertrophy, the present invention is characterized in that in step (b1), if the value of the parameter is_poi determined by [Equation 1] with respect to the peak P is 1, the peak of interest is determined.

[수식 1][Equation 1]

단, θ₁은 피크 P의 좌측 피크 각이고, θ₂는 피크 P의 우측 피크 각.
However, θ ₁ is the left peak angle of the peak P, θ ₂ is the right peak angle of the peak P.

또, 본 발명은 심비대 자동탐지 방법에 있어서, 상기 (b1)단계에서, 상기 이미지의 하단에서부터 수평 프로파일을 순차적으로 탐지하여, 관심피크가 탐지되는 수평 프로파일이 연속하여 존재하면, 상기 수평 프로파일의 관심피크 중 하나를 시작점으로 설정하는 것을 특징으로 한다.In addition, the present invention provides a method for automatically detecting a cardiac hypertrophy, in step (b1), by sequentially detecting a horizontal profile from the bottom of the image, if there is a horizontal profile that the peak of interest is detected continuously, the interest of the horizontal profile It is characterized by setting one of the peaks as a starting point.

또, 본 발명은 심비대 자동탐지 방법에 있어서, 상기 (b1)단계에서, 연속하여 존재하는 수평 프로파일들의 관심피크에 해당하는 관심점들의 클러스터를 구하고, 상기 클러스터 중에서 관심점의 개수가 가장 많은 클러스터 내의 관심점 중 하나를 상기 시작점으로 설정하는 것을 특징으로 한다.In addition, in the method for detecting a hypertrophy in the cardiac hypertrophy method, in step (b1), a cluster of points of interest corresponding to the peaks of interest of horizontal profiles continuously present is obtained, and among the clusters, the number of points of interest in the cluster has the largest number. One of the points of interest may be set as the starting point.

또, 본 발명은 심비대 자동탐지 방법에 있어서, 상기 (b2)단계에서, 상기 시작점에서부터 인접한 상위 점들 중 가장 밝은 점들을 탐지하여 폐의 좌우 경계선을 탐지하는 것을 특징으로 한다.In addition, the present invention is a cardiac hypertrophy automatic detection method, in the step (b2), characterized in that the detection of the left and right border of the lung by detecting the brightest points of the adjacent upper points from the starting point.

또, 본 발명은 심비대 자동탐지 방법에 있어서, 상기 (c)단계에서, 상기 폐의 좌우 경계선의 중앙에서 사전에 정해진 첨부위치비율에 위치하는 수직 프로파일을 찾아, 찾은 수직 프로파일에서 피크를 탐지하는 것을 특징으로 한다.In addition, the present invention provides a method for detecting cardiac hypertrophy, in the step (c), to find a vertical profile located at a predetermined attachment position ratio at the center of the left and right border of the lung, detecting the peak in the found vertical profile It features.

또, 본 발명은 심비대 자동탐지 방법에 있어서, 상기 (c)단계에서, 상기 첨부위치비율은 1/6인 것을 특징으로 한다.In addition, the present invention is a method for automatically detecting cardiac hypertrophy, in the step (c), the attachment position ratio is characterized in that 1/6.

또, 본 발명은 심비대 자동탐지 방법에 있어서, 상기 (c)단계에서, 상기 첨부위치비율에 위치하는 다수의 수직 프로파일에 대하여 피크를 탐지하고, 탐지된 피크에 해당하는 점들 중에서 가장 가까운 점들의 평균으로 폐 첨부를 정하는 것을 특징으로 한다.The present invention also provides a method for automatically detecting a cardiac hypertrophy, wherein in step (c), a peak is detected for a plurality of vertical profiles located at the attachment position ratio, and the average of points closest to the detected peaks is averaged. It is characterized by determining the lung attachment.

또, 본 발명은 심비대 자동탐지 방법에 있어서, 상기 (d)단계에서, 상기 심장의 상부 장기를 대동맥궁(aortic arch)으로 정하는 것을 특징으로 한다.In addition, the present invention is characterized in that the cardiac hypertrophy automatic detection method, in the step (d), the upper organ of the heart is defined as an aortic arch (aortic arch).

또, 본 발명은 심비대 자동탐지 방법에 있어서, 상기 통계비율을 77% ~ 81% 이내로 정하는 것을 특징으로 한다.In addition, the present invention is characterized in that in the automatic detection of cardiac hypertrophy, the statistical ratio is set within 77% to 81%.

또, 본 발명은 심비대 자동탐지 방법에 있어서, 상기 (e)단계에서, Otsu의 임계값 설정 기법을 이용하여 상기 관심영역을 이진화하여 폐 영역을 영역화하는 것을 특징으로 한다.In addition, the present invention is characterized in that in the method for automatically detecting cardiac hypertrophy, in step (e), the lung region is localized by binarizing the region of interest using Otsu's threshold setting technique.

또, 본 발명은 심비대 자동탐지 방법에 있어서, 상기 (e)단계에서, 이진화된 관심영역의 좌우 양측의 바깥쪽의 밝은 부분을, 픽셀 채우기 기법으로 채우는 것을 특징으로 한다.In addition, the present invention is characterized in that in the cardiac hypertrophy automatic detection method, in the step (e), the bright portion on the outside of the left and right sides of the binarized region of interest is filled with a pixel filling technique.

또, 본 발명은 심비대 자동탐지 방법에 있어서, 상기 심비대 평가지표는 심폐면적율(HLAR)을 포함하되, 상기 HLAR은 상기 관심영역 내에서 심장 면적과 폐 면적의 비율로 계산되는 것을 특징으로 한다.
In addition, the present invention in the automatic cardiac hypertrophy detection method, the cardiac hypertrophy evaluation index includes a cardiopulmonary area ratio (HLAR), wherein the HLAR is characterized in that the calculated in the ratio of the heart area and the lung area in the region of interest.

또한, 본 발명은 심비대 자동탐지 방법을 수행하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체에 관한 것이다.
The present invention also relates to a computer-readable recording medium having recorded thereon a program for performing the method for automatically detecting a hypertrophy.

상술한 바와 같이, 본 발명에 따른 심비대 자동탐지 방법 및 그 기록매체에 의하면, 심장과 흉부 영역 중 관심 영역만을 대상으로 영역화를 하여 이 영역에 대하여 심장 및 폐 영역의 넓이를 계산함으로써 흉부 방사선 사진의 낮은 화질 및 노이즈로 인한 부정확도를 개선하여 높은 정확도와 효율성을 달성할 수 있는 효과가 얻어진다.As described above, according to the method for automatically detecting cardiac hypertrophy and the recording medium according to the present invention, chest radiograph is performed by calculating only the area of the heart and lung area of the heart and chest area and calculating the area of the heart and lung area. By improving the inaccuracy caused by low image quality and noise, the effect of achieving high accuracy and efficiency is obtained.

특히, 본 발명에 따른 심비대 자동탐지 방법 및 그 기록매체에 의하면, 전통적인 CTR 및 새로운 기준인 HLAR을 자동으로 계산하고 이들을 동시에 시각적으로 표시해 줌으로써, 완전히 자동화된 수단을 제시하는 동시에 영상 의학 전문의나 임상의사의 오독율을 낮출 수 있는 효과가 얻어진다.In particular, according to the method for detecting cardiac hypertrophy according to the present invention and a recording medium thereof, the conventional medical CTR and the new standard HLAR are automatically calculated and visually displayed at the same time, thereby providing a fully automated means and at the same time an imaging medical specialist or a clinician. The effect of lowering the reading rate of is obtained.

또한, 본 발명에 따른 심비대 자동탐지 방법 및 그 기록매체에 의하면, 심장 영역과 폐 영역의 비교로 구하는 새로운 평가 기준인 심폐 영역 비율(HLAR)을 통해, 전통적인 CTR보다 높은 정확도로 심대비를 평가할 수 있고, 다른 진단 방법과 함께 실제 임상 진단 및 교육 목적으로 활용될 수 있는 효과가 얻어진다.In addition, according to the method for automatically detecting cardiac hypertrophy according to the present invention and its recording medium, cardiopulmonary region ratio (HLAR), which is a new evaluation standard obtained by comparing the cardiac region and the lung region, can evaluate cardiac contrast with higher accuracy than conventional CTR. And, along with other diagnostic methods, effects that can be utilized for actual clinical diagnostic and educational purposes are obtained.

또한, 본 발명에 따른 심비대 자동탐지 방법 및 그 기록매체에 의하면, 능동적 윤곽 모델 (active contour model), 능동적 형태 모델 (active shape model) 및 능동적 외관 모델 (active appearance model) 등과 같이 처리 면에서 오버헤드가 큰 종래의 방법과는 달리, 수행시간을 단축시켜 빠르게 처리하고 시스템의 오버헤드를 줄일 수 있는 효과가 얻어진다.
In addition, according to the automatic detection method of the cardiac hypertrophy according to the present invention and the recording medium, overhead in terms of processing such as an active contour model, an active shape model and an active appearance model, etc. Unlike the conventional method, which is large in size, the effect of shortening the execution time and speeding up the processing and reducing the overhead of the system is obtained.

도 1은 방사선 사진에서의 심폐계수(CTR)를 계산하기 위한 변수 표시하거나 흉부와 심장 영역을 표시한 도면이다.
도 2는 본 발명을 실시하기 위한 전체 시스템 구성의 일례를 도시한 도면이다.
도 3은 본 발명의 일실시예에 따른 심비대 자동탐지 방법을 설명하는 흐름도이다.
도 4 및 도 5는 본 발명의 일실시예에 따라 방사선 이미지의 수평 프로파일을 표시한 도면이다.
도 6은 본 발명의 일실시예에 따라 도 5a의 수평 프로파일에 대한 미분 그래프이다.
도 7은 본 발명의 일실시예에 따라 수평 프로파일 그래프에서의 점의 좌측 피크각과 우측 피크각을 구하는 예시도이다.
도 8은 본 발명의 일실시예에 따라 시작점으로부터 인접한 상위 픽셀 중 가장 밝은 픽셀을 찾아 폐 경계선을 추적하는 예시도이다.
도 9는 본 발명의 일실시예에 따라 좌폐와 우폐의 폐 경계 탐지 결과를 도시한 도면이다.
도 10은 본 발명의 일실시예에 따라 방사선 이미지의 좌폐 첨부의 위치를 표시한 도면이다.
도 11은 본 발명의 일실시예에 따라 도 10의 열 103의 수직 프로파일의 예시도이다.
도 12는 본 발명의 일실시예에 따라 각 연령 그룹에서의 대동맥궁과 첨부의 비율을 요약한 표이다.
도 13은 본 발명의 일실시예에 따라 방사선 이미지의 관심 영역의 예시도이다.
도 14는 본 발명의 일실시예에 따라 방사선 이미지의 관심 영역에서 폐 영역을 Otsu 임계값에 의해 이진화한 결과를 표시하는 도면이다.
도 15는 본 발명의 일실시예에 따라 이진화된 폐 영역을 복원하는 결과를 도시한 도면이다.
도 16은 본 발명의 일실시예에 따라 심비대 평가지표를 구하기 위한 파라미터들을 도시한 도면이다.
도 17은 본 발명의 방법을 이용하여 본 실험에서 처리된 영역화 결과를 표시한 것이다.
도 18은 본 발명의 방법을 이용하여 심장영역의 영역화된 결과를 예시한 도면이다.
* 도면의 주요 부분에 대한 부호의 설명 *
11 : 환자 12 : 의사
20 : 방사선 촬영장치 30 : 컴퓨터 단말
40 : 심비대 자동탐지 시스템1 is a diagram showing a parameter for calculating a cardiopulmonary coefficient (CTR) in a radiograph or a chest and a heart region.
2 is a diagram showing an example of the overall system configuration for implementing the present invention.
3 is a flowchart illustrating a method for automatically detecting a cardiac hypertrophy according to an embodiment of the present invention.
4 and 5 are diagrams showing a horizontal profile of a radiographic image according to an embodiment of the present invention.
6 is a differential graph of the horizontal profile of FIG. 5A in accordance with an embodiment of the present invention.
7 is an exemplary diagram for obtaining a left peak angle and a right peak angle of a point in a horizontal profile graph according to an embodiment of the present invention.
8 is an exemplary diagram of tracing a lung boundary by finding the brightest pixel among adjacent upper pixels from a starting point according to an embodiment of the present invention.
FIG. 9 is a diagram illustrating lung boundary detection results of left and right lungs according to an embodiment of the present invention. FIG.
10 is a view showing the position of the left occlusion of the radiographic image according to an embodiment of the present invention.
11 is an illustration of the vertical profile of column 103 of FIG. 10 in accordance with an embodiment of the present invention.
12 is a table summarizing the ratio of aortic arch and attachment in each age group in accordance with one embodiment of the present invention.
13 is an illustration of a region of interest of a radiographic image in accordance with an embodiment of the present invention.
14 is a view showing a result of binarizing a lung region by an Otsu threshold in a region of interest of a radiographic image according to an embodiment of the present invention.
15 is a view showing the result of restoring the binarized lung region according to an embodiment of the present invention.
16 is a diagram illustrating parameters for obtaining a cardiac hypertrophy evaluation index according to an embodiment of the present invention.
Figure 17 shows the results of the localization processed in this experiment using the method of the present invention.
Figure 18 illustrates the regionalized results of cardiac regions using the method of the present invention.
Description of the Related Art [0002]
11: patient 12: doctor
20: radiographic apparatus 30: computer terminal
40: automatic hypertrophy detection system

이하, 본 발명의 실시를 위한 구체적인 내용을 도면에 따라서 설명한다.DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, the present invention will be described in detail with reference to the drawings.

또한, 본 발명을 설명하는데 있어서 동일 부분은 동일 부호를 붙이고, 그 반복 설명은 생략한다.
In addition, in describing this invention, the same code | symbol is attached | subjected and the repeated description is abbreviate | omitted.

먼저, 본 발명을 실시하기 위한 전체 시스템의 구성의 예들에 대하여 도 2를 참조하여 설명한다.First, examples of the configuration of the entire system for implementing the present invention will be described with reference to FIG.

도 2에서 보는 바와 같이, 본 발명에 따른 심비대 자동탐지 방법은 방사선 촬영장치(20)에 의해 촬영된 흉부 방사선 영상을 입력받아 영상을 처리하는 컴퓨터 단말(30) 상의 프로그램 시스템으로 실시될 수 있다.As shown in FIG. 2, the method for automatically detecting cardiac hypertrophy according to the present invention may be implemented as a program system on a computer terminal 30 that receives a chest radiographic image photographed by the radiographic imaging apparatus 20 and processes an image.

즉, 심비대 자동탐지 방법은 프로그램으로 구성되어 컴퓨터 단말(30)에 설치되어 실행될 수 있다. 컴퓨터 단말(30)에 설치된 프로그램은 하나의 시스템(40)과 같이 동작할 수 있다. 한편, 다른 실시예로서, 심비대 자동탐지 방법은 프로그램으로 구성되어 범용 컴퓨터에서 동작하는 것 외에 ASIC(주문형 반도체) 등 하나의 전자회로로 구성되어 실시될 수 있다. 또는 방사선 사진 분석만을 전용으로 처리하는 전용 컴퓨터 단말(30)로 개발될 수도 있다. 이를 심비대 자동탐지 시스템(40)이라 부르기로 한다. 그 외 가능한 다른 형태도 실시될 수 있다. 그러나 이하에서 설명의 편의를 위해 컴퓨터 단말(30)에 구현된 심비대 자동탐지 시스템(40)으로 설명하기로 한다.That is, the automatic cardiac hypertrophy detection method may be configured as a program and installed and executed in the computer terminal 30. The program installed in the computer terminal 30 may operate like one system 40. On the other hand, as another embodiment, the automatic detection of the cardiac hypertrophy may be implemented as a program and operate in a general-purpose computer, in addition to an electronic circuit such as an ASIC (custom semiconductor). Or it may be developed as a dedicated computer terminal 30 for processing only radiographic analysis. This will be called a cardiac hypertrophy detection system 40. Other possible forms may be implemented. However, for the convenience of description, the following description will be made with the automatic cardiac hypertrophy detection system 40 implemented in the computer terminal 30.

또한, 컴퓨터 단말(30)은 모니터 등 출력장치를 구비하여 방사선 영상 이미지나 분석 결과 등을 화면에 출력시킨다. 또, 컴퓨터 단말(30)은 키보드, 마우스 등 입력장치도 구비하여 의사 또는 영상의학 전문의(12) 등에게 사용자 인터페이스를 제공한다.In addition, the computer terminal 30 includes an output device such as a monitor so as to output a radiographic image or an analysis result on the screen. In addition, the computer terminal 30 is provided with an input device such as a keyboard and a mouse to provide a user interface to a doctor or a radiologist 12 or the like.

방사선 촬영장치(20)는 환자(11)의 흉부를 X선 등으로 촬영하는 장치로서, 환자(11)가 자신의 가슴을 장치(20)에 밀착시키면, 환자(11)의 등 뒤에서 가슴 앞쪽 방향으로 촬영을 한다. 이렇게 촬영된 사진을 통상 PA(Posterior-Anterior) 방사선 사진이라고 부른다. 방사선 촬영장치(20)는 컴퓨터 단말(30)과 연결되어 촬영된 방사선 사진을 컴퓨터 단말(30)로 전송한다.The radiography apparatus 20 is an apparatus for photographing the chest of the patient 11 by X-rays, etc., when the patient 11 closely attaches his chest to the device 20, the front of the patient 11 is located behind the back of the patient 11. Take a picture. The photograph thus taken is usually called PA (Position-Anterior) radiograph. The radiographic imaging apparatus 20 is connected to the computer terminal 30 and transmits the radiograph photographed to the computer terminal 30.

한편, 심비대 자동탐지 시스템(40)은 흉부 방사선 사진(또는 흉부 방사선 이미지)을 분석하여, 심장과 흉부 영역을 대상으로 영역화(segmentation)를 하고 영역화된 결과를 이용하여 심폐계수(CTR) 및 심폐면적율(HLAR)을 자동으로 계산한다. 또, 심비대 자동탐지 시스템(40)은 방사선 영상 이미지 또는 분석 결과 등을 컴퓨터 단말(30)의 화면에 출력하여 의사 또는 영상의학 전문의(12)에게 보여준다.
On the other hand, the cardiac hypertrophy detection system 40 analyzes chest radiographs (or chest radiographs) to segment the heart and chest areas and use the results of the cardiopulmonary coefficients (CTR) and Cardiopulmonary area ratio (HLAR) is calculated automatically. In addition, the cardiac hypertrophy detection system 40 outputs a radiographic image or an analysis result on the screen of the computer terminal 30 to show to the doctor or radiologist 12.

다음으로, 본 발명의 일실시예에 따른 심비대 자동탐지 방법을 도 3을 참조하여 설명한다.Next, a method for automatically detecting cardiac hypertrophy according to an embodiment of the present invention will be described with reference to FIG. 3.

도 3에서 보는 바와 같이, 본 발명의 일실시예에 따른 심비대 자동탐지 방법은 흉부 방사선 이미지를 전처리하는 단계(S10), 흉부 방사선 이미지를 분석하여 폐 경계선을 탐지하는 단계(S20), 흉부 방사선 이미지에서 폐 첨부를 탐지하는 단계(S30), 관심영역을 대상으로 영역화를 수행하는 단계(S40), 관심영역에서 폐 및 심장 영역을 영역화하는 단계(S50), 심폐지표를 계산하는 단계(S60), 및 분석결과를 표시하는 단계(S70)로 구성된다.As shown in FIG. 3, the method for automatically detecting cardiac hypertrophy according to an embodiment of the present invention includes the steps of preprocessing a chest radiographic image (S10), detecting a lung boundary by analyzing a chest radiographic image (S20), and a chest radiographic image. Detecting a lung attachment at step S30, performing a localization on the region of interest (S40), terminating a lung and a heart region at the region of interest (S50), calculating a cardiopulmonary index (S60). ), And displaying the analysis result (S70).

먼저, 흉부 방사선 이미지를 전처리하는 단계(S10)를 설명한다.First, the step (S10) of pre-processing the chest radiographic image will be described.

본 실시예에서 사용하는 흉부 방사선 사진은 일반적으로 사용되는 고해상도 이미지(2688 × 2688 픽셀 또는 그 이상)이다. 이 정도의 고해상도 사진을 빠른 시간 안에 연산하여 결과를 도출해내는 것은 매우 어렵다. 본 방법의 최종 목표는 심비대를 평가하기 위하여 심폐계수(CTR) 및 심폐면적율(HLAR)을 계산하는 것이다. 이들 지표(ratio)를 측정하기 위해서는, 보다 작은 해상도의 이미지로도 동일한 결과를 얻을 수 있다. 보다 빠른 결과를 얻기 위하여, 흉부 방사선 사진(이미지)을 다운샘플링을 한다. 예를 들어, 256×256 픽셀 크기로 다운 샘플링을 한다. 다운샘플링을 위해 양선형 보간법(bilinear Interpolation)을 사용한다.The chest radiograph used in this embodiment is a high resolution image (2688 × 2688 pixels or more) that is commonly used. It is very difficult to calculate this high resolution picture in a short time and to get a result. The final goal of the method is to calculate cardiopulmonary count (CTR) and cardiopulmonary area ratio (HLAR) to assess cardiac hypertrophy. In order to measure these ratios, the same result can be obtained even with a smaller resolution image. For faster results, chest radiographs (images) are downsampled. For example, downsampling to 256x256 pixels is done. Bilinear interpolation is used for downsampling.

이미지를 다운 샘플링한 후, 노이즈 감소 및 평활화(smoothing) 단계를 수행한다. 여기서 픽셀 기반 접근법을 사용하고, 수평 프로파일(horizontal profiles)에 기반하여 이미지를 분석한다. 그래서 간단하고 빠르면서 효율적인 기법을 이용하여 노이즈 감소와 평활화를 수행한다. 매우 효과적인, 특히, 본 실시예에서 매우 효과적인 이동 평균법(moving average technique)을 적용한다. 이동 평균법은 다음 [수학식 1]에 의해 정의된다.After downsampling the image, noise reduction and smoothing steps are performed. Here we use a pixel-based approach and analyze the image based on horizontal profiles. Therefore, noise reduction and smoothing are performed using simple, fast and efficient techniques. A very effective, in particular, a very effective moving average technique is applied in this embodiment. Moving average method is defined by the following [Equation 1].

[수학식 1][Equation 1]

단, x_i,j는 현재 픽셀이고, i는 이미지의 행을, j는 열을 표시한다.Where x _{i, j} is the current pixel, i is the row of the image, and j is the column.

상기 이동평균법을 행을 따라 주어진 사진(이미지) 전체에 적용하여 평활화된 입력 이미지를 생성한다.
The moving average method is applied to the entirety of the given photo (image) along a row to generate a smoothed input image.

다음으로, 흉부 방사선 이미지를 분석하여 폐 경계선을 검출하는 단계(S20)를 설명한다.Next, the step (S20) of detecting the lung boundary by analyzing the chest radiographic image will be described.

이 단계는 전체 절차에서 핵심적인 단계 중 하나이다. 본 방법의 목적은 CTR과 HLAR을 측정하는 것이기 때문에, 흉부와 심장만을 포함한 영역을 영역화함으로써 불필요한 처리과정을 줄인다.This step is one of the key steps in the overall process. Because the purpose of this method is to measure CTR and HLAR, it reduces the unnecessary processing by localizing areas that include only the chest and heart.

먼저 흉부 경계를 정의한다. 흉부 영역의 몇가지 특징을 분석하였다. 흉부 PA 방사선 이미지에는, 두 개의 분리된 폐 영역들(좌폐와 우폐)이 있다. 폐 영역에는 픽셀들이 보통 어둡고 그레이 레벨 분포(the gray level distributions)가 복잡하다. 폐 영역 내부 전체적으로 굴곡(picks and valleys)이 매우 많다. 즉, 폐 영역 내에는 밝은 부분과 어두운 부분이 전 범위에 걸쳐 다양하게 나타난다. 방사선이미지의 아래 부분에는 횡격막을 포함하고 픽셀들은 보통 상대적으로 밝다.First define the chest boundaries. Several features of the chest area were analyzed. In the chest PA radiographic image, there are two separate lung regions (left lung and right lung). In the closed region the pixels are usually dark and the gray level distributions are complex. There is a great deal of picks and valleys throughout the lung area. That is, in the lung area, bright and dark areas appear in various ways over the entire range. The lower part of the radiographic image contains a diaphragm and the pixels are usually relatively bright.

심장은 좌우 폐 사이, 그리고 횡격막 위에 위치한다. 심장 영역의 픽셀 밝기(pixel intensity)는 폐의 픽셀 밝기보다 높다. 그러나 흉부 PA 방사선 이미지 상에서 횡격막과 심장 픽셀을 사람의 눈으로 구분하기는 쉽지 않다. 폐는 흉곽(rib cage)으로 둘러싸여 있고, 폐와 흉곽의 경계 역시 모호한 편이다. 반면에, 좌폐와 우폐의 바깥쪽 부분에는 밝은 선형 경계면이 뚜렷하게 나타난다. 따라서 폐 경계선(경계면)을 결정하기 위해서, 이러한 상대적으로 밝은 흉곽 픽셀 정보를 탐색한다. 먼저 픽셀 기반 수평 프로파일 분석법(horizontal pixel-based profile analysis)을 사용한다.The heart is located between the left and right lungs and above the diaphragm. Pixel intensity in the heart region is higher than pixel intensity in the lungs. However, it is not easy to distinguish the diaphragm and heart pixels from the human eye on chest PA radiographic images. The lungs are surrounded by a rib cage, and the boundaries between the lungs and the rib cage are obscure. On the other hand, bright linear boundaries are apparent on the outside of the left and right lungs. Thus, in order to determine the lung boundaries, this relatively bright rib cage pixel information is searched for. First, we use horizontal pixel-based profile analysis.

도 4 및 도 5는 입력 이미지에 대한 수평 프로파일 분석(horizontal profile analysis)을 설명하는 도면이다. 도 4는 흉부 PA 방사선 이미지이고, 도 5는 도 4의 방사선 이미지에서 선택한 4개의 프로파일을 표시한 도면이다. 즉, 4개의 프로파일은 이미지의 행 160, 165, 210, 및 225로부터 선택된 프로파일들이다.4 and 5 are diagrams illustrating horizontal profile analysis on an input image. 4 is a chest PA radiographic image, and FIG. 5 is a diagram showing four profiles selected from the radiographic image of FIG. 4. That is, the four profiles are the profiles selected from rows 160, 165, 210, and 225 of the image.

도 5a, 도 5b, 및 도 5c에서 보는 바와 같이, 가장 좌측과 우측의 피크들은 각각 좌폐와 우폐의 경계를 따라 나타나는 양상을 보인다. 따라서, 좌우 폐의 바깥쪽 경계는 영상의 다른 부분으로부터 분리될 수 있음을 알 수 있으며, 이는 흉곽이 높은 강도의 픽셀 값을 가지고 있기 때문이다.As shown in FIGS. 5A, 5B, and 5C, the peaks at the left and right sides appear along the boundary between the left and right lungs, respectively. Thus, it can be seen that the outer boundaries of the left and right lungs can be separated from other parts of the image, since the rib cage has high intensity pixel values.

도 5d를 참조하면, 방사선 이미지 내에서 주목할 만한 피크가 존재하지 않는다. 특히, 방사선 이미지는 픽셀값이 평활화되어 픽셀값의 전이가 부드럽게 처리되었기 때문에 더욱 그러하다.Referring to FIG. 5D, there are no noticeable peaks in the radiographic image. In particular, the radiographic image is more so because the pixel values are smoothed and the transition of the pixel values is smoothed.

도 5a와 도 5b(도 4의 방사선 이미지의 행 160과 행 165에 의한 프로파일)를 자세히 살펴보면, 각 프로파일에 분명하게 식별가능한 두 개의 피크들이 존재한다. 일반적으로, 수직 방향에서 폐의 경계들은 평활화되서 수직방향에 따라 전이(transition)가 연속적이다. 따라서 프로파일에서의 피크 분석을 바탕으로 하여 경계면에 포함되어 있는 하나의 픽셀을 결정하면 여기서부터 나머지 경계 픽셀들을 추적할 수 있다. 단, 쇄골 부분은 영상의 밝기 분포가 복잡한 양상을 보이므로 추적이 어렵다는 것을 관찰할 수 있다 이러한 정보는 차후의 연산과정에서 응용된다.Looking closely at Figures 5A and 5B (profiles by row 160 and row 165 of the radiation image of Figure 4), there are two distinctly identifiable peaks in each profile. In general, the borders of the lungs in the vertical direction are smoothed so that the transition is continuous along the vertical direction. Therefore, if one pixel included in the boundary is determined based on the peak analysis in the profile, the remaining boundary pixels can be tracked from here. However, it can be observed that the clavicle part is difficult to track because the brightness distribution of the image is complicated. This information is applied in a later calculation process.

폐 경계선을 탐지하는 단계(S20)는 크게 관심대상의 피크(이하 관심 피크)를 탐색하는 단계(S21)와 폐 경계선을 추적하는 단계(S22)로 구분된다.Detecting the lung boundary (S20) is largely divided into the step (S21) of searching for the peak of interest (hereinafter referred to as the peak of interest) and the tracking of the lung boundary (S22).

먼저 관심 피크의 탐색 단계(S21)에 대해 보다 구체적으로 설명한다.First, the search step (S21) of the peak of interest will be described in more detail.

수평 프로파일에서, 이미지의 위치에 의존하여 찾을 수 있는 피크들이 많이 존재한다. 방사선 이미지의 상부 부분은 하부 부분보다 많은 피크를 포함한다. 피크는 일반적으로 인체의 서로 다른 장기 또는 부분들 사이에서의 전이(transition)(또는 경계면)를 나타낸다. 그러나 경계면의 구분이 쉽지 않아 피크가 나타나지 않는 경우도 있다. 예를 들면 심장과 횡격막 사이의 경계면에는 피크가 나타나지 않는데, 이는 흉부 방사선 사진에서 심장과 횡격막 사이에는 눈에 보이는 특별한 경계가 없다는 것을 의미한다. In the horizontal profile, there are many peaks that can be found depending on the position of the image. The upper part of the radiographic image contains more peaks than the lower part. Peaks generally represent a transition (or interface) between different organs or parts of the human body. However, there are some cases where peaks do not appear because the interface is difficult to distinguish. For example, no peak appears at the interface between the heart and the diaphragm, which means that there is no visible boundary between the heart and the diaphragm on chest radiographs.

본 실시예의 경우, 폐 경계는 구별이 가능하다. 폐 경계면을 구분하기 위하여, 폐와 흉곽 영역의 경계면에 존재하는 피크만을 선택해야 한다. 도 5에서와 같이, 폐와 흉곽의 경계를 따라 존재하는 피크들은 주변 픽셀보다 아주 더 큰 밝기 값을 갖는다.In the present embodiment, the lung boundaries can be distinguished. To distinguish the lung interface, only peaks present at the interface between the lung and the rib cage area should be selected. As in FIG. 5, the peaks along the border of the lung and the rib cage have a much greater brightness value than the surrounding pixels.

관심대상의 피크(이하 관심 피크)를 결정하기 위하여 다음 방법을 채택한다. 먼저, 프로파일에 1차 도함수를 계산한다. 일반적으로, x축을 교차하는 위치(0과 교차하는 위치)가 피크로 간주된다(피크에서의 도함수 값이 0이기 때문이다). To determine the peak of interest (hereinafter referred to as the peak of interest), the following method is adopted. First, calculate the first derivative in the profile. In general, the position crossing the x-axis (the position crossing zero) is considered a peak (since the derivative value at the peak is zero).

도 6은 도 5a의 프로파일(행 160에 의한 수평 프로파일)의 도함수를 보여주고 있다. 도 6에서 보는 바와 같이, 이 프로파일에는 다수의 피크들이 존재한다. 폐 경계를 결정하기 위해 탐지되는 피크들에서 관심대상이 아닌 피크(이하 관심제외 피크)를 제외시킬 필요가 있다.FIG. 6 shows the derivative of the profile (horizontal profile by row 160) of FIG. 5A. As seen in FIG. 6, there are a number of peaks in this profile. It is necessary to exclude peaks of interest (hereinafter referred to as peaks of interest) from the detected peaks to determine lung boundaries.

도 5에서 관찰한 바와 같이 폐 경계면의 피크에서는 밝기 값의 변동 양상이 급격하게 나타나며, 이러한 특성을 이용하여 관심 대상이 아닌 피크를 배제할 있다. 도 7에서 보는 바와 같은 수평 프로파일을 참조하여, 점 P가 관심 피크인지를 결정하는 방법을 설명한다. 먼저, 좌측 피크 각 θ₁을 정의한다. 각 θ₁은 P에서의 수직선과 점 P와 점 P_lt를 연결하는 선 사이의 각도이다. 점 P_lt은 점 P의 좌측 방향으로 점 P로부터 t 픽셀만큼 떨어진 점이다. 좌측 피크 각 θ₂도 동일하게 정의된다.As observed in FIG. 5, the peak of the lung interface rapidly changes in brightness value, and the peak that is not of interest may be excluded by using this characteristic. With reference to the horizontal profile as shown in FIG. 7, a method of determining whether point P is the peak of interest is described. First, the left peak angle θ ₁ is defined. The angle θ ₁ is the angle between the vertical line at P and the line connecting point P and point P _lt . Point P _lt is a point t pixels apart from point P in the left direction of point P. The left peak angle θ _{2 is} also defined in the same way.

이때, 바람직하게는, t는 5로 정한다. 실험결과에 의하여 5가 가정 적합한 값으로 나타났다.At this time, t is preferably set to 5. Experimental results showed that 5 is a reasonable value.

다음으로, 파라미터 is_poi를 결정한다. 파라미터 is_poi는 다음 [수학식 2]와 같이 정의되며, 특정한 점(포인트)이 관심 피크인지를 표시한다.Next, determine the parameter is_poi. The parameter is_poi is defined as in Equation 2 below, and indicates whether a specific point is a peak of interest.

[수학식 2][Equation 2]

다음으로, 폐 경계면을 추적하는 단계(S22)에서, 탐색된 관심 피크를 이용하여 좌폐 및 우폐의 바깥 경계를 찾는다(S22).Next, in tracking the lung boundary surface (S22), the outer boundary of the left lung and the right lung is found using the searched peak of interest (S22).

먼저 방사선 이미지를 중앙의 수직선에 의해 두 개의 부분(좌측 부분과 우측 부분)으로 동일하게 나눈다. 그리고 방사선 이미지의 좌측 부분의 바닥면에서부터 관심 피크의 탐색 작업을 시작한다. 검색은 피크를 가지는 5개의 연속적인 행을 찾을 때까지 계속한다. 이 다섯 개의 열에는 관심 대상인 피크가 하나 이상의 군집(클러스터) 형태로 존재할 수 있다. 경계면 부위에는 더 많은 관심점(관심픽셀, 관심 대상 점)들이 존재한다. 그래서 이들 5개의 행 안에서, 연결된 관심점을 가장 많이 가지는 클러스터(연결된 관심점의 숫자가 최대인 클러스터)를 폐 경계면으로 판단하고, 나머지 픽셀들은 노이즈로 판단하여 제외시킨다.First, the radiographic image is divided equally into two parts (left part and right part) by the center vertical line. The search for the peak of interest starts from the bottom of the left part of the radiographic image. The search continues until it finds five consecutive rows with peaks. In these five columns, the peaks of interest may be in the form of one or more clusters (clusters). There are more points of interest (points of interest, points of interest) at the interface area. Thus, within these five rows, the cluster having the largest number of connected points of interest (the cluster with the largest number of connected points of interest) is determined as the closed boundary, and the remaining pixels are judged as noise and excluded.

그리고 결정된 관심점의 클러스터로부터 하단점 및 상단점(위치)을 찾는다. 하단점은 클러스터 내에서 좌폐 경계면의 가장 낮은 점으로 설정된다. 그리고 상단점은 경계면의 가장 높은 점이 되고 이 상단점은 나머지 폐 경계면을 검출하기 위한 시작점(seed point)으로 사용된다. 이와 같이 시작점을 검출한 후, 여기서부터 출발하여 나머지 경계면을 찾는 추적 작업을 시작한다.The lower point and the upper point (location) are found from the determined cluster of points of interest. The bottom point is set to the lowest point of the left lung interface in the cluster. The upper point is then the highest point of the interface and this upper point is used as the seed point for detecting the remaining lung interface. After detecting the starting point in this way, the tracking operation starts from here to find the remaining boundary.

이와 같이 씨앗 점을 검출한 후, 여기서부터 출발하여 나머지 경계면을 찾는 추적 작업을 시작한다. 폐 경계가 구불구불하지 않고 완만한 선이므로 경계면을 추적하는 것은 그다지 어려운 작업이 아니며, 이러한 방식으로 양 시작점으로부터 경계면에 가장 적합하다고 여겨지는 픽셀들을 연결하여 경계면을 검출할 수 있다.After detecting seed points like this, we start tracking from here to find the remaining boundary. Since the lung boundary is not a serpentine but a gentle line, tracking the boundary is not a difficult task, and in this way the boundary can be detected by connecting the pixels that are considered best suited for the boundary from both starting points.

도 8에서 보는 바와 같이, 시작점, 바로 상위 행의 3개의 픽셀(좌상, 상, 우상 픽셀)들이 후보들로 고려된다. 이들 3개의 픽셀 중에서 가장 높은 밝기를 가지는 픽셀이 연속되는 다음 경계점들로 결정된다. 이 추적 과정들은 목 부위에 이를 때까지 반복된다.As shown in Fig. 8, three pixels (left, top, right top pixels) of the starting point, immediately above the row, are considered candidates. Of these three pixels, the pixel with the highest brightness is determined with the next boundary points. These tracking steps are repeated until the neck is reached.

도 9는 상기와 같은 방법으로 좌폐와 우폐의 폐 경계점들을 탐지한 결과들을 보여주고 있다. 도 9에서 보는 바와 같이, 폐 경계 추적은 쇄골 전까지 잘 진행된다. 쇄골은 상당히 꽉 찬 뼈이고 그 위치가 상대적으로 바깥쪽이기 때문에, 방사선 이미지 상에서 밝게 나타난다. 따라서 이 지점부터는 기존의 경계선을 따라 추적하는 방법으로는 좋은 결과를 얻을 수 없다. 이 문제는 다음 단계에서 상세하게 다루어진다.
9 shows the results of detecting the lung boundary points of the left and right lungs as described above. As shown in FIG. 9, lung border tracking proceeds well until the clavicle. Since the clavicle is a fairly full bone and its position is relatively outward, it appears bright on the radiographic image. Therefore, from this point on, tracking along existing boundaries does not yield good results. This problem is discussed in detail in the next step.

다음으로, 흉부 방사선 이미지에서 폐 첨부(apex)를 탐지하는 단계(S30)를 구체적으로 설명한다. 폐 첨부는 흉부 PA 방사선 이미지 상에서 매우 중요한 지표이다. 그러나 폐 첨부를 자동화된 방법으로 영역화 하는 것은 쉽지 않는 작업이다. 따라서 우리는 다음과 같은 방법으로 폐 첨부를 탐지한다.Next, the step (S30) of detecting the lung (apex) in the chest radiographic image will be described in detail. Lung attachment is a very important indicator on chest PA radiographic images. However, zoning lung attachments in an automated way is a daunting task. Therefore, we detect lung attachment in the following ways.

먼저, 폐 첨부의 위치를 결정하기 위해 폐의 높이를 확인한다. 이를 위해 이미 결정된 경계면으로부터 좌우 양측 폐 바깥쪽 경계면의 위치를 찾아내고, 이 두 경계면 사이의 거리를 측정하면 각 방사선 사진에서 좌우 폐 영역의 가로 길이를 알아낼 수 있다. 종격막은 좌우 폐 사이에 울퉁불퉁한 모양으로 나타난다. 폐 첨부를 영역화하기 위해 30장의 방사선 사진을 분석한 결과, 폐 첨부는 종격막으로부터 폐 가로 길이의 대략 ±1/6지점에 위치하는 것으로 나타났다.First, the height of the lungs is checked to determine the location of the lung attachments. For this purpose, the location of the left and right outer lateral borders from the previously determined interface and the distance between these two interfaces can be measured to determine the horizontal length of the left and right lung areas in each radiograph. The septum appears to have a bumpy shape between the left and right lungs. Analysis of 30 radiographs to localize pulmonary attachment revealed that the pulmonary attachment was located approximately ± 1/6 points of lung transverse length from the septum.

도 10은 주어진 이미지의 좌폐 첨부의 위치를 보여주고 있다. 즉, 도 10의 열(수직선) 51과 209는 각각 좌표와 우폐 양쪽의 가장 바깥 경계점을 지나는 열이고, 열 103이 폐 첨부가 위치하는 점을 지나는 열로 추정한다. 열 103의 위치가 열 51과 209의 중간에서 약 -1/6 지점에 위치한 곳이다.10 shows the location of the left occlusion attachment in a given image. That is, columns 51 and 209 in FIG. 10 are columns passing through the outermost boundary points of both the coordinates and the right lung, respectively, and column 103 is estimated to be the row passing through the point where the lung attachment is located. The location of column 103 is about -1/6 midway between columns 51 and 209.

위와 같은 방법으로 폐 첨부의 대략적인 위치를 결정한 후, 보다 정확히 위치를 결정하기 위해 폐 첨부를 따라 수직 프로파일을 분석할 필요가 있다. 정확하게 첨부 위치를 결정하기 위하여 3개의 연속적인 열을 선택한다. 이 분석에서, 폐 첨부의 위치에 해당하는 지점에는 날카로운 피크를 갖고 이들 피크들이 방사선 이미지의 상단으로부터 발생되는 첫 번째 피크이다.After determining the approximate location of the lung attachment in this manner, it is necessary to analyze the vertical profile along the lung attachment to determine the location more accurately. Select three consecutive rows to accurately determine the attachment location. In this analysis, the points corresponding to the locations of the lung attachments have sharp peaks and these are the first peaks that originate from the top of the radiographic image.

도 11은 도 10의 열 103의 수직 프로파일의 예이다. 도 11의 동그라미 지점이 폐 첨부 위치로 고려된다. 위치를 결정하기 위하여, 폐 경계를 결정할 때 적용하였던 것과 유사한 기법을 적용한다.FIG. 11 is an example of a vertical profile in column 103 of FIG. 10. The circled point in FIG. 11 is considered the lung attachment position. To determine the location, we apply a similar technique to that used to determine lung boundaries.

먼저 프로파일의 1차 미분을 계산하고, 폐 경계 탐지에서 기재한 제거 방법과 동일한 방법에 기초하여 피크들을 제외한다. 이미지의 상단에서의 첫 번째 피크는 첨부 위치로 간주된다. 3개의 연속적인 수직 프로파일에 대해 이 기법을 적용시키고, 각각에서 검출되는 3개의 첨부 중에서 근접한 두 계산 값의 평균을 폐 첨부의 위치로 결정한다.
First, the first derivative of the profile is calculated and the peaks are excluded based on the same method as the removal method described in Lung Boundary Detection. The first peak at the top of the image is considered the attachment position. This technique is applied to three consecutive vertical profiles, and the average of two adjacent calculated values among the three attachments detected in each is determined as the position of the lung attachment.

다음으로, 관심영역을 대상으로 영역화를 수행하는 단계(S40)를 구체적으로 설명한다.Next, an operation (S40) of performing regionation on the ROI will be described in detail.

앞서 언급한 바와 같이, 본 발명의 최종 목표는 CTR과 HLAR을 모두 계산하는 것이다. 이를 위해 심장의 경계면을 결정해야 할 필요가 있다. 그러나 심장의 경계를 결정하는 것은 쉬운 일이 아니다. 왜냐하면 횡격막 바로 위에 있는 심장의 하부와 달리, 심장의 상부는 방사선 사진상 매우 모호하게 나타나기 때문이다.As mentioned above, the final goal of the present invention is to calculate both CTR and HLAR. To do this, it is necessary to determine the boundaries of the heart. But determining the boundaries of the heart is not easy. Because unlike the lower part of the heart just above the diaphragm, the upper part of the heart appears very vaguely on the radiograph.

심장의 상부 경계의 평균을 결정하기 위하여, 20에서 79세까지의 연령 분포를 가진 120명의 흉부 방사선 사진을 대상으로 실험을 하였다. 전체 그룹을 10년 간격으로 6개 소그룹(연령그룹)으로 나누고 각각의 소그룹당 20장의 사진을 이용하였다. 각 이미지에 대하여 폐 첨부와 대동맥궁(aortic arch)의 거리를 측정한다. 대동맥궁과 첨부의 거리를 측정하고 그 비율을 계산한다. 도 12는 각 연령 그룹에서의 비율을 요약하여 표시하고 있다.To determine the mean of the upper border of the heart, 120 chest radiographs of 20 to 79 years of age distribution were tested. The whole group was divided into six subgroups (age group) at 10-year intervals, and 20 pictures were taken for each subgroup. For each image, the distance between the lung attachment and the aortic arch is measured. Measure the distance between the aortic arch and the attachment and calculate the ratio. 12 summarizes and displays the proportions in each age group.

각 연령그룹의 평균 비율은 유사한 결과를 보이며, 평균값은 79%에 근접한 값을 얻을 수 있었다. 이 수치는 심장의 상부 경계를 계산하기 위해 사용된다. 이미 폐의 하부와 첨부의 위치를 검출하였으므로 폐 하부로부터 폐 전체 수직 길이의 79% 되는 지점을 심장의 상부 영역으로 유추하여 이 지점까지를 관심 영역으로 결정한다. 도 13은 이러한 과정을 거쳐 계산된 방사선 사진의 관심 영역을 나타내고 있다. 이렇게 함으로써 흉부 영역 중에서 CTR과 HLAR을 계산하기 위해 필요한 영역만으로 관심을 집중할 수 있고, 폐 영역 전체를 영역화할 때 발생하는 부정확성 및 오버헤드를 피하고 정확도와 효율성을 얻을 수 있다.
The average proportion of each age group showed similar results, and the average value was close to 79%. This figure is used to calculate the upper boundary of the heart. Since the location of the lower part of the lung and the attachment has already been detected, a point of 79% of the vertical length of the entire lung from the lower part of the lung is inferred as the upper area of the heart and this area is determined as the area of interest. 13 shows the ROI of the radiograph calculated through this process. This focuses attention only on the areas of the chest that are needed to calculate the CTR and HLAR, and avoids the inaccuracy and overhead incurred when zoning the entire lung area, resulting in accuracy and efficiency.

다음으로, 관심영역에서 폐 및 심장 영역을 영역화하는 단계(S50)를 구체적으로 설명한다.Next, the step (S50) of localizing the lung and heart region in the region of interest will be described in detail.

도 13에서 관찰한 바와 같이, 영역화된 관심영역은 몇가지 특징을 갖는다. 폐 영역은 심장, 횡격막, 및 종격막 등 나머지 영역에 비하여 상대적으로 어두운 편이다. 그리고 폐의 바깥쪽 경계부위는 다른 폐 실질부위보다 밝다. 일반적으로 관심영역은 두 가지 모드로 나누어지는 (bimodal) 특징이 있다. 관심 영역으로부터 심장 영역을 영역화하는 것이 필요하므로, Otsu의 임계값 설정 기법(Otsu thresholding technique)을 적용한다. 이는 이 기술이 두 가지 모드로 나누어지는 픽셀 분포에서 매우 효과적으로 영역화를 수행한다고 알려져 있기 때문이다.As observed in FIG. 13, the region of interest has several characteristics. Lung areas are relatively darker than the rest of the heart, such as the heart, diaphragm, and septum. The outer border of the lung is brighter than the other lung parenchyma. In general, the region of interest has a bimodal characteristic. Since it is necessary to localize the cardiac region from the region of interest, Otsu's Otsu thresholding technique is applied. This is because this technique is known to perform segmentation very effectively in a pixel distribution divided into two modes.

방사선 이미지가 L 그레이 레벨로 표현되고, 레벨 i 에서의 픽셀 수를 n_i라고 가정한다. 그러면 전체 픽셀의 총수는 N = n₀ + n₁ + ... + n_L-1 이다. 이런 경우, 하나의 픽셀이 레벨 i 의 밝기를 가질 확률 p_i는 다음 [수학식 3]과 같이 표시된다.Assume that the radiographic image is represented by L gray level and the number of pixels at level i is n _i . Then the total number of pixels is N = n ₀ + n ₁ + ... + n _L-1 . In this case, the probability p _i of one pixel having the brightness of level i is expressed as follows.

[수학식 3]&Quot; (3) "

하나의 전체 픽셀 집합을 두 개의 그룹 C₀과 C₁로 나눌 수 있다. C₀과 C₁은 각각 임계값(threshold) k 와 대비하여 더 높거나 낮은 밝기를 가지는 픽셀들을 포함한다. 그래서 어떤 픽셀이 그룹 C₀또는 C₁ 에 속할 확률을 각각 w₀과 w₁이라 하고, 그룹 C₀또는 C₁ 의 밝기 평균을 각각 μ₀과 μ₁이라 하면, 이들은 다음 [수학식 4]와 같이 표시된다.An entire set of pixels can be divided into two groups, C ₀ and C ₁ . C ₀ and C ₁ each include pixels with higher or lower brightness as compared to threshold k. So if the probability that a pixel belongs to group C ₀ or C ₁ is called w ₀ and w ₁ , respectively, and the brightness mean of group C ₀ or C ₁ is μ ₀ and μ ₁ , respectively, they are given by Equation 4 Is displayed as:

[수학식 4a]Equation 4a

[수학식 4b][Equation 4b]

[수학식 4c][Equation 4c]

[수학식 4d][Equation 4d]

상기 [수학식 4d]에서, μ_T는 전체 평균을 의미한다.In Equation 4d, μ _T means the overall mean.

임계값 k와 상관없이, w₀μ₀ + w₁μ₁ = μ_T 이고, w₀ + w₁ = 1 이다. 따라서 그룹 C₀또는 C₁ 의 분산 σ₀ ² 과 σ₁ ² 은 각각 다음 [수학식 5]와 같다.Regardless of the threshold k, w ₀ μ ₀ + w ₁ μ ₁ = μ _T and w ₀ + w ₁ = 1. Therefore, the variances sigma ₀ ² and sigma ₁ ² of the group C ₀ or C ₁ are respectively represented by Equation 5 below.

[수학식 5a]Equation 5a

[수학식 5b][Equation 5b]

임계값 k는 두 개의 그룹의 분산의 차이가 최대가 되도록 하는 값으로 설정한다. 이때, 분산의 차이는 다음 [수학식 6]과 같다.The threshold k is set to a value such that the difference in variance of the two groups is maximized. At this time, the difference in dispersion is as shown in Equation 6 below.

[수학식 6]&Quot; (6) "

상기 [수학식 6]에 의하면, 분산의 차이가 최대가 되는 경우, 두 그룹의 밝기 평균 사이의 차이가 최대가 됨을 의미한다. 따라서 Ostu 알고리즘에 따른 임계 값을 두 그룹의 밝기의 차이가 최대가 되게 결정할 수 있으며, 방사선 사진 역시 해당 임계 값에 따라 두 레벨의 밝기 값으로 나타나게 된다.According to Equation 6, when the difference in variance is maximum, it means that the difference between the brightness averages of the two groups is maximum. Therefore, the threshold value according to the Ostu algorithm can be determined to maximize the difference between the brightness of the two groups, and the radiograph is also displayed as the brightness value of the two levels according to the threshold value.

도 14는 Otsu 임계값에 의해 이진화한 결과를 표시하는 도면이다.Fig. 14 shows the result of binarization by the Otsu threshold.

도 14에서 보는 바와 같이, 폐의 바깥쪽 경계 영역이 잘못 나타나며, 이를 다시 채우기 위해서 재구성(reconstruction) 절차 필요하다. 이 부분의 복구에는 간단한 픽셀 채우기 기술이 적용된다.As shown in FIG. 14, the outer border region of the lungs appears erroneously and a reconstruction procedure is required to refill it. The restoration of this part uses a simple pixel fill technique.

픽셀 채우기 과정은 다음과 같다. 도 14에서, 어두운 영역은 채워진 것으로 간주하고, 밝은 영역(하얀 영역)은 비어있는 부분으로 간주한다. 좌측 경계에 속하는 모든 픽셀에 대하여 체크를 시작하여 우측 방향으로 향한다. 좌측 바깥 경계에 포함된 모든 픽셀에서, 우측 방향으로 점검을 시작하며, 해당 픽셀이 비어있는 픽셀이며 그 픽셀을 채우고, 이 작업을 채워진 픽셀을 찾을 때까지 지속한다. 이와 동일한 방법을 이용하여 우측 경계면도 재구성할 수 있다. 도 15a는 재구성 과정 후의 폐의 마스크를 보여주고 있으며, 도 15b는 폐 영역화의 결과를 보여주는 도면이다.The pixel fill process is as follows. In Fig. 14, the dark areas are considered filled, and the bright areas (white areas) are regarded as empty portions. The check starts for all pixels belonging to the left boundary and turns to the right direction. For every pixel contained in the left outer boundary, the check starts in the right direction, and the pixel is an empty pixel, fills that pixel, and continues until it finds a pixel that has filled this task. Using the same method, the right boundary can also be reconstructed. FIG. 15A shows the mask of the lung after the reconstruction process, and FIG. 15B shows the result of lung localization.

다음으로, 심장의 영역을 영역화하는 단계를 구체적으로 설명한다.Next, the step of localizing the region of the heart will be described in detail.

심장 경계는 영역화된 폐 경계면을 사용하여 탐지된다. 먼저 종격막 하부로부터 좌우측 횡격막으로 이행하는 전이점(the transition point)을 결정한다. 상기 전이점은 심장 하부 및 반측 횡격막(hemi diaphragm) 상에 위치하게 된다. 좌우 측에서 두 전이점을 발견하게 되면 이 전이점을 연결한다. 전이점의 발견은 다음과 같은 과정으로 진행된다.Cardiac boundaries are detected using localized lung boundaries. First determine the transition point from the bottom of the septum to the left and right diaphragms. The transition point is located on the lower heart and on the hemi diaphragm. If you find two transition points on the left and right sides, connect them. The discovery of the transition point proceeds as follows.

먼저 이동 평균법을 사용하여 폐 하부의 횡격막 경계면의 요철을 감소시킨 후, 횡격막 경계면을 따라 바깥쪽에서 안쪽으로 경계면상의 픽셀들을 추적한다. 이때 이웃 픽셀(픽셀의 위치)에 대한 1차 도함수를 구하여 기울기 변화(위치에 의한 기울기 변화)가 급격하게 일어나는 변곡점들을 분석하여 가장 큰 변화의 경향을 보이는 변곡점을 전이점으로 선택하여 전이점을 발견한다.First, the moving average method is used to reduce the irregularities of the diaphragm boundary of the lower lung, and then track the pixels on the boundary from the outside to the inner side along the diaphragm boundary. In this case, the first derivative of the neighboring pixel (pixel position) is obtained, and the inflection points where the change in the slope (the change in the slope due to the position) occurs suddenly are analyzed, and the transition point is found by selecting the inflection point that shows the largest change as the transition point. do.

좌우 두 전이점의 연결선이 심장 영역의 아래 부분이 되고, 심장 영역의 위 부분은 관심 영역의 상부 수평 직선, 좌우 경계는 폐와 심장의 영역화의 결과인 곡선을 취하여 심장 영역을 결정하게 된다. The connecting line between the two left and right transition points becomes the lower part of the heart region, the upper part of the heart region takes the upper horizontal straight line of the region of interest, and the left and right boundaries take a curve resulting from the regionalization of the lungs and the heart to determine the heart region.

도 15c에서 보는 바와 같이, 전이점은 지점 P₁과 P₂이고, 이 두지점을 연결한 선 CB_L이 심장영역의 아래 경계면이다. 또, 폐 영역의 상단 직선 CB_H가 심장영역의 위 경계면이다. 따라서 영역 H가 심장 영역이고, 영역 D는 반측 횡격막(hemi diaphragm)의 영역이다.
As shown in FIG. 15C, the transition points are points P ₁ and P ₂ , and the line CB _L connecting these two points is the lower boundary of the heart region. In addition, the upper straight line CB _H of the lung region is the upper boundary surface of the heart region. Thus region H is the heart region and region D is the region of the hemi diaphragm.

다음으로, 심비대 평가지표(또는 진단지수)를 계산하는 단계(S70)를 구체적으로 설명한다.Next, the step (S70) of calculating the cardiac hypertrophy evaluation index (or diagnostic index) will be described in detail.

심장과 폐 영역을 영역화하면, 심폐계수(CTR)를 결정한다. 심폐계수(CTR)를 결정하기 위하여, 도 16에서 보는 바와 같이, 중앙의 수직선을 기준으로 심장의 좌우 경계면까지 가장 긴 거리 (ML, MR)를 각각 측정해야 한다. 또한 종격막으로부터 좌우 방향으로 폐의 가장 긴 길이(MTD)를 측정해야 한다. 측정한 심장과 폐의 길이 비율이 CTR이며, 다음 [수학식 7]과 같이 표시된다.When the heart and lung areas are zoned, the cardiopulmonary count (CTR) is determined. In order to determine the cardiopulmonary coefficient (CTR), as shown in Figure 16, the longest distance (ML, MR) to the left and right boundaries of the heart with respect to the center vertical line should be measured respectively. In addition, the longest length (MTD) of the lung should be measured from the septum to the left and right directions. The measured ratio of heart and lung length is CTR, and is expressed as in Equation 7 below.

[수학식 7][Equation 7]

단, MR은 우측 심장의 최대 지름이고, MR은 좌측 심장의 최대 지름이다. 또, MTD는 흉부의 최대 지름이다.However, MR is the maximum diameter of the right heart, MR is the maximum diameter of the left heart. MTD is also the maximum diameter of the chest.

다음으로, 심장과 폐의 면적 비율인 심폐면적율(HLAR, heart-lung area ratio)을 측정한다. HLAR은 측정한 심장의 면적(area(H))을 좌우 폐의 면적의 합(area(RL)+area(LL)) 으로 계산하며, 다음 [수학식 8]과 같이 표시된다.Next, the heart-lung area ratio (HLAR) is measured. HLAR calculates the measured area of the heart (area (H)) as the sum of the areas of the left and right lungs (area (RL) + area (LL)), and is expressed by Equation 8 below.

[수학식 8][Equation 8]

단, area(RL)은 우폐 영역의 면적이고, area(LL)은 좌폐 영역의 면적이다. 또, area(H)는 심장영역의 면적이다.
However, area RL is the area of the right closed area, and area LL is the area of the left closed area. Area H is the area of the heart region.

다음으로, 본 발명에 따른 발명의 효과를 실험결과를 통해 보다 구체적으로 설명한다.Next, the effects of the invention according to the present invention will be described in more detail through experimental results.

실험을 위한 시스템은 MS Visual C++ 6.0을 이용하여 구현하였고, 시스템 사양은 Intel Core Duo 2.4GHz, 2GB Memory 이며, 30장의 흉부 방사선 사진으로 실험을 진행하였다.The system for the experiment was implemented using MS Visual C ++ 6.0, the system specification was Intel Core Duo 2.4GHz, 2GB Memory, and the experiment was performed with 30 chest radiographs.

먼저 빠른 계산을 위해 주어진 사진을 256 X 256 픽셀의 그레이 스케일 영상으로 변환하였다. 위에 언급된 방법을 이용하여 관심 영역을 영역화 하였고, 이는 전체 폐 수직방향 길이의 81% 영역을 포함하고 있다. 다음으로 관심영역 중에서 심장 영역을 추출하였다.First, for fast calculation, the given picture was converted into a gray scale image of 256 X 256 pixels. The region of interest was zoned using the method mentioned above, which included 81% of the total lung vertical length. Next, the heart region was extracted from the region of interest.

관심영역과 심장 영역의 영역화 결과를 평가하기 위하여 정확도(accuracy), 민감도(sensitivity), 특이도(specificity)의 세 가지 지표를 측정하였다. 이 세 지표의 측정은 픽셀 기반 분석을 통하여 이루어졌다.In order to evaluate the results of the region of interest and the region of the heart, three indicators were measured: accuracy, sensitivity, and specificity. Measurements of these three indicators were made through pixel-based analysis.

영역화된 결과 영상의 각 픽셀은 다음의 네 항목으로 분류되었다: 진양성(true positive, TP) 진음성(true negative, TN) 위양성(false positive, FP) 위음성(false negative, FN). 이 항목들을 결정하기 위하여 평가자의 육안 관찰을 수행하였다. 진양성 픽셀은 정확하게 영역화된 픽셀을 의미한다. 진음성 픽셀은 영역화에서 제외되어야 하고, 실제로 제외된 픽셀을 의미한다. 위양성 픽셀은 영역화에 잘못 포함된 픽셀을 말하며, 위음성 픽셀은 실제로 영역화에 포함되어야 하지만 포함되지 못한 픽셀을 의미한다.Each pixel of the regionalized results image was classified into four categories: true positive (TP) true negative (TN) false positive (FP) false negative (FN). The evaluator's visual observation was performed to determine these items. True positive pixels mean exactly localized pixels. True negative pixels should be excluded from the segmentation and actually mean the excluded pixels. False positive pixels refer to pixels that are incorrectly included in the segmentation, and false negative pixels actually mean pixels that should be included in the segmentation but are not included.

각 사진의 픽셀의 수는 65,536(256 X 256)개이다. 영역화의 정확도, 민감도와 특이도는 각각 다음과 같이 정의된다.The number of pixels in each picture is 65,536 (256 X 256). The accuracy, sensitivity and specificity of the segmentation are respectively defined as follows.

영역화의 정확도는 다음 [수학식 9]와 같이 정의된다.The accuracy of the segmentation is defined as in Equation 9 below.

[수학식 9a]Equation 9a

[수학식 9b][Equation 9b]

[수학식 9c]Equation 9c

다음으로, 관심영역 중 폐 영역화에 대한 평가결과를 구체적으로 설명한다.Next, an evaluation result of lung localization among regions of interest will be described in detail.

전체 사진으로부터 관심영역만을 영역화하는 것은 매우 중요한 과정이다. 도 17은 제안된 방법을 이용한 영역화 결과를 보여주고 있다. 테스트 영상에 대한 영역화 결과, 관심 영역의 평균 정확도는 98.53%였으며, 표준편차는 0.52였다. 민감도과 특이도 측정 결과 민감도는 93.37%, 특이도는 98.21%로 각각 나타났으며, 이러한 결과는 제안한 방법이 CTR과 HLAR을 정확하게 계산할 수 있음을 보여주고 있다.It is very important to region only the region of interest from the whole picture. 17 shows the results of the segmentation using the proposed method. As a result of the segmentation on the test image, the mean accuracy of the region of interest was 98.53% and the standard deviation was 0.52. As a result of sensitivity and specificity measurement, sensitivity was 93.37% and specificity was 98.21%, respectively. These results show that the proposed method can calculate CTR and HLAR accurately.

다음으로, 심상 영역화에 대한 평가결과를 구체적으로 설명한다.Next, the evaluation result about image segmentation is demonstrated concretely.

관심영역으로부터 심장 영역을 영역화한 결과가 도 18에 나타나 있다. 관심영역에서 분리된 심장 영역의 영역화 평균 정확도는 98.21%, 표준편차는 0.43이었으며, 민감도는 96.11%, 특이도는 97.51%이었다. 이러한 결과 또한 제안한 방법이 CTR과 HLAR을 정확하게 계산할 수 있음을 보여주고 있다.The results of localizing the cardiac region from the region of interest are shown in FIG. 18. The mean accuracy of regionalization of the cardiac region isolated from the region of interest was 98.21%, standard deviation was 0.43, sensitivity was 96.11%, specificity was 97.51%. These results also show that the proposed method can accurately calculate CTR and HLAR.

다음으로, 심비대를 평가하는 평가지표에 대한 실험 결과를 설명한다.Next, the experimental results for the evaluation index for evaluating cardiac hypertrophy.

평가지표는 단일차원 심폐계수(1D-CTR, One Dimensional Cardiothoracic Ratio)와 심폐면적율(HLAR, heart-lung area ratio)이 있다.Evaluation indicators include one-dimensional cardiopulmonary coefficient (1D-CTR) and heart-lung area ratio (HLAR).

단일 차원 CTR은 심장과 흉곽의 횡직경을 측정함으로써 결정할 수 있다. 앞서 보인 것처럼 흉곽과 심장 영역의 영역화 정확도는 높으며, 본 발명의 방법을 이용하여 계산한 1D-CTR의 정확도 역시 높게 나타났다. 심장과 흉곽의 크기를 측정함으로써 심폐면적율(HLAR)을 측정하였다.
Single-dimensional CTR can be determined by measuring the transverse diameters of the heart and rib cage. As shown above, the accuracy of segmentation of the rib cage and heart region is high, and the accuracy of 1D-CTR calculated using the method of the present invention is also high. Cardiopulmonary area ratio (HLAR) was measured by measuring the size of the heart and rib cage.

이상, 본 발명자에 의해서 이루어진 발명을 실시 예에 따라 구체적으로 설명하였지만, 본 발명은 실시 예에 한정되는 것은 아니고, 그 요지를 이탈하지 않는 범위에서 여러 가지로 변경 가능한 것은 물론이다.As mentioned above, although the invention made by this inventor was demonstrated concretely according to the Example, this invention is not limited to an Example and can be variously changed in the range which does not deviate from the summary.

본 발명은 흉부 방사선 이미지로부터 심장과 흉부 영역을 탐지하고 탐지된 결과를 통해 심폐계수(CTR) 및 심폐면적율(HLAR)을 자동으로 계산하여 심비대를 평가하는 심비대 자동탐지 시스템을 개발하는 데 적용이 가능하다.The present invention is applicable to the development of an automatic cardiac hypertrophy detection system for detecting cardiac hypertrophy by automatically detecting cardiopulmonary count (CTR) and cardiopulmonary area ratio (HLAR) based on detection of heart and chest region from chest radiographic images. Do.

Claims

In the cardiac hypertrophy detection method which automatically calculates the cardiac hypertrophy evaluation index by automatically detecting the chest and heart region from the chest radiographic image,
(b) detecting peaks in the horizontal profile of the radiographic image to detect left and right borders of the lungs from points corresponding to the detected peaks;
(c) detecting peaks in the vertical profile of the radiographic image and detecting points corresponding to the detected peaks as lung attachments;
(d) using the statistical ratios of the upper organs of the heart and lung attachments, to region of interest from the bottom of the lungs to the location of the upper organs of the heart in the radiographic image;
(e) detecting a lung region and a heart boundary in the region of interest; And
(f) calculating a cardiac hypertrophy index from the detected lung region and the heart boundary.

The method of claim 1, wherein
(A) further comprises the step of performing a smoothing of the radiographic image using interpolation method.

The method of claim 2,
The interpolation method is a cardiac hypertrophy detection method characterized in that using bilinear interpolation (bilinear interpolation).

According to claim 1, wherein step (b),
(b1) selecting one peak (hereinafter referred to as a peak of interest) among the plurality of peaks appearing in the horizontal profile of the lower part of the radiographic image according to the angle of the peak; And,
and (b2) detecting left and right borders of the lung by detecting adjacent upper points from the starting point corresponding to the peak of interest.

The method of claim 4, wherein
In the step (b1), obtaining a first derivative of the horizontal profile to determine the portion of the value of zero as a peak auto-detection method characterized in that the peak.

delete

The method of claim 4, wherein
In the step (b1), with respect to the peak P, if the value of the parameter is_poi obtained by [Equation 1] is 1, it is determined as the peak of interest, characterized in that the automatic cardiac hypertrophy detection method.
[Equation 1]

However, θ ₁ is the left peak angle of the peak P, θ ₂ is the right peak angle of the peak P.

The method of claim 4, wherein
In the step (b1), the horizontal profile is sequentially detected from the bottom of the image, and if there is a horizontal profile in which the peak of interest is continuously detected, one of the peaks of interest of the horizontal profile is set as a starting point. Automatic detection of cardiac hypertrophy.

The method of claim 8,
In step (b1), a cluster of points of interest corresponding to the peaks of interest of consecutive horizontal profiles is obtained, and one of the points of interest in the cluster having the greatest number of points of interest among the clusters is set as the starting point. Sympathy automatic detection method by using.

The method of claim 4, wherein
In step (b2), the automatic detection of cardiac hypertrophy, characterized in that to detect the left and right border of the lung by detecting the brightest points of the adjacent upper points from the starting point.

The method of claim 1,
In the step (c), the automatic detection of cardiac hypertrophy, characterized in that the vertical profile located at a predetermined attachment position ratio in the center of the left and right border line of the lung, and detects the peak in the found vertical profile.

The method of claim 11,
In the step (c), the attachment position ratio is 1/6, characterized in that automatic cardiac hypertrophy.

The method of claim 11,
In step (c), a peak is detected for a plurality of vertical profiles located at the attachment position ratio, and the cardiac hypertrophy autodetection is characterized by determining lung attachment as an average of points closest to the points corresponding to the detected peaks. Way.

The method of claim 1,
In step (d), the cardiac hypertrophy automatic detection method characterized in that the upper organ of the heart is defined as an aortic arch.

The method of claim 14,
Cardiac hypertrophy automatic detection method characterized in that the statistical ratio is set within 77% ~ 81%.

The method of claim 1,
In step (e), the automatic detection of cardiac hypertrophy, characterized in that the lung region is localized by binarizing the region of interest using Otsu threshold setting techniques.

The method of claim 16,
In the step (e), the automatic cardiac hypertrophy detection method characterized in that the filling of the bright parts of the outside of the left and right sides of the binarized region of interest by the pixel fill technique.

The method of claim 1,
In step (e), the cardiac hypertrophy is characterized in that it detects the transition point of the two sides transition from the lower portion of the septum to the left and right diaphragms, and determine the lower portion of the heart region by connecting the transition points of both sides Detection method.

The method of claim 16,
In the step (e), by tracking the pixels on the boundary surface from the outer side to the inner side along the diaphragm boundary of the lung area, the cardiac hypertrophy automatic detection characterized in that the transition point to determine the point where the gradient change with respect to the tracked neighboring pixel is the largest Way.

The method of claim 1,
The cardiac hypertrophy evaluation index includes a cardiopulmonary area ratio (HLAR), wherein the HLAR is a cardiac hypertrophy automatic detection method, characterized in that calculated by the ratio of the heart area and the lung area in the region of interest.

21. A computer readable recording medium having recorded thereon a program for performing the method for automatically detecting the cardiac hypertrophy according to any one of claims 1 to 5 and 20.