KR101474162B1 - 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 시스템 및 그 분할 방법 - Google Patents

흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 시스템 및 그 분할 방법 Download PDF

Info

Publication number
KR101474162B1
KR101474162B1 KR1020130119952A KR20130119952A KR101474162B1 KR 101474162 B1 KR101474162 B1 KR 101474162B1 KR 1020130119952 A KR1020130119952 A KR 1020130119952A KR 20130119952 A KR20130119952 A KR 20130119952A KR 101474162 B1 KR101474162 B1 KR 101474162B1
Authority
KR
South Korea
Prior art keywords
region
nodule
chest
brightness value
unit
Prior art date
Application number
KR1020130119952A
Other languages
English (en)
Inventor
홍헬렌
정주립
구진모
Original Assignee
서울여자대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 서울여자대학교 산학협력단 filed Critical 서울여자대학교 산학협력단
Priority to KR1020130119952A priority Critical patent/KR101474162B1/ko
Application granted granted Critical
Publication of KR101474162B1 publication Critical patent/KR101474162B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/403—Edge-driven scaling; Edge-based scaling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30048—Heart; Cardiac

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

본 발명은 밝기값 제약 기반의 다중변형모델을 이용하여, 간유리음영 성분과 고형 성분을 배경과 분리되도록 동시에 분할하는 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 시스템 및 그 분할 방법에 관한 것으로, 본 발명에 따른 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 시스템은 밝기값 히스토그램 모델링으로 적응적 임계값을 산정하여, 흉부 CT 영상의 간유리음영 성분과 고형 성분의 초기 영역을 분할하는 초기 영역 분할부, 형태 정보 및 폐분할 정보로 상기 초기 영역에서 결절 주변의 혈관과 흉벽을 제거하는 주변 조직 제거부 및 밝기값 제약 기반의 다중변형모델로 간유리음영 성분과 고형 성분 영역을 최종적으로 분할하는 최종 영역 분할부를 포함하는 것을 특징으로 한다.

Description

흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 시스템 및 그 분할 방법{Automatic Segmentation system and the method of Ground-glass Opacity Nodule in Chest CT Images}
본 발명은 흉부 컴퓨터 단층(CT) 영상에서 간유리음영 결절을 자동 분할하는 기술에 관한 것으로, 더 상세하게는 밝기값 제약 기반의 다중변형모델을 이용하여, 간유리음영 성분과 고형 성분을 배경과 분리되도록 동시에 분할하는 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 시스템 및 그 분할 방법에 관한 것이다.
최근 MDCT(Multi-Detector Row CT)의 발달로 흉부 CT 영상에서 폐암 검진 시 간유리음영 결절의 검출이 증가하여 고형 결절에 비해 악성도가 높다고 알려지면서 간유리음영 결절에 관련된 연구가 증가하고 있는 추세이다[1].
특히 순수 간유리음영 결절(pure GGO nodule)보다 결절 내부에 고형 성분(solid component)을 포함하는 혼합 간유리음영 결절(mixed GGO nodule)의 악성도가 높다는 연구결과가 발표되면서 고형 성분의 발생유무 및 크기변화와 결절의 악성도간의 관계를 알아내려는 연구가 임상분야에서 활발하게 진행되고 있다[2]. 고형 성분의 발생유무와 크기변화에 대해 분석하기 위해서는 결절과 결절 내부 고형 성분의 볼륨측정이 필수적이며, 이를 위해서는 해당 영역을 정확하게 분할하는 것이 중요하다. 하지만, 흉부 CT 영상에서 간유리음영 결절은 [도 15]와 같이 다양한 밝기값을 가지며 경계가 명확하지 않아 정확하게 분할하는 것이 매우 어렵다. 또한 결절 내부의 고형 성분을 간유리음영 성분과 분리하여 분할하는 기술에 대한 연구는 거의 이루어지지 않고 있다.
종래 흉부 CT 영상에서 간유리음영 결절 분할 연구는 크게 밝기값 분포 기반과 밝기값 및 위치정보 기반 접근방법으로 나누어 볼 수 있다. 밝기값 분포 기반 방법은 밝기값 분포를 가우시안 모델에 적용하여 해당 밝기값을 갖는 화소가 결절에 속할 확률을 계산하였으며 다음과 같은 연구가 있다. Browder[3] 등은 결절의 밝기값 분포를 미리 정의한 가우시안 모델에 적용하여 결절을 분할하는 방법을 제안하였다. 이 방법은 결절이 미리 정의된 가우시안 모델에 적합하지 않을 경우 분할 정확성이 떨어질 수 있는 한계점을 가지고 있다.
또한, Zhang[4] 등은 각 데이터마다 가우시안 모델을 생성하여 밝기값에 따른 결절에 속할 확률을 계산한 후 이웃화소들과의 관계를 고려한 마르코브 랜덤 장 기법(MRF: Markov Random Field)을 적용하여 결절을 분할하였다. Son[5] 등은 가우시안 모델이 다양한 결절의 밝기값 분포를 표현할 수 있도록 가우시안 혼합 모델링 기법을 통해 해당 데이터의 밝기값 히스토그램을 가우시안 모델로 정의하여 결절의 임계값을 산정하는 방법을 제안하였다. 이러한 밝기값 분포 기반 방법들은 밝기값이 유사해서 함께 분할된 주변 기관들을 제거하는 과정이 필요하며 결절의 매우 흐릿한 간유리음영 성분을 유사한 밝기값을 갖는 폐 영역과 정확하게 분리하기 어려운 한계점을 가진다.
이러한 한계점을 극복하기 위해서 밝기값과 그 이외 정보를 함께 고려하기 위한 방법들이 제안되었다. Okada[6] 등은 밝기값과 위치정보를 이용해 분할 영역의 중심을 구하고 중심과 유사한 성질을 갖는 영역을 분할하는 평균 이동 기법(Mean-shift)을 통하여 간유리음영 결절을 비롯한 다양한 폐결절을 분할하였다. 하지만 평균 이동 기법 또한 밝기값이 유사한 결절 경계부분의 폐영역이 함께 분할되는 한계점이 존재한다.
이러한 한계점을 개선하기 위해서 평균 이동 기법에 추가적인 정보를 사용하는 방법들이 제안되었다. Nie[7] 등은 주변보다 밝은 평균 밝기값을 갖는 화소들이 많을 경우 높은 값을 갖도록 Kobatake[8] 등에 의해 제안된 컨버젼스 지수를 함께 이용할 수 있도록 평균 이동 기법을 개선하여 고형 결절 및 간유리음영 결절을 분할하였다. Ye[9]등은 둥근 형태일수록 높은 값을 갖는 형태 지수를 평균 이동 기법에 결합하였다. 새로운 평균 이동 기법을 이용해 결절, 배경, 불확실한 영역으로 분류되는 세 가지 종류의 슈퍼 화소(super pixel)를 생성한 후 사전정보 및 주변 영역과의 유사성을 에너지로 사용해서 영역을 분할하는 그래프-컷을 적용해 간유리음영 결절을 분할하였다.
그 밖의 방법을 이용해 간유리음영 결절을 분할한 연구는 다음과 같다. Tachibana[10] 등은 다중 임계값을 이용해 씨앗점을 정의하고 낮은 밝기값을 갖는 씨앗점들부터 유사한 밝기값을 갖는 영역을 포함하면서 분할을 진행하는 워터쉐드 기법(watershed)을 사용해 결절을 분할했다. Kubota[11] 등은 결절이 여러 개의 볼록한 영역으로 이루어졌다는 가정 하에 영역성장 및 영역분할 방법을 변형함으로써 다양한 결절을 분할하는 방법을 제안하였다.
또한, 종래 간유리음영 결절에서 고형 성분과 간유리음영 성분을 분리하여 분할하는 관련연구는 다음과 같다. Odry[12] 등은 Zhang[13] 등의 방법을 이용해 혼합 간유리음영 결절을 분할한 후, 분할된 영역내의 밝기값 히스토그램을 이용해 최적 임계값을 산정하여 결절 내부의 고형 성분을 분리하는 방법을 제안하였다. 해당 방법은 결절이 먼저 분할되어야 하며, 고형 성분을 분할하기 위해 밝기값 정보만 이용하기 때문에 분할 결과가 최적 임계값 산정에 의존적이라는 한계점을 가진다.
Yoo[14] 등은 다중변형모델을 개선하여 두 개의 영역을 동시에 분할할 수 있도록 제안된 비대칭 다중변형모델을 간유리음영 성분 및 고형 성분의 분할에 적용한 방법을 제안하였다. 해당 방법은 하나의 객체가 온전히 다른 객체의 내부에 존재하는 경우에 특화된 모델로 간유리음영 성분과 고형 성분을 동시에 분할하기에 적합한 방법이다. 하지만 사용자가 분할하고자 하는 영역을 포함하는 두 개의 초기 영역을 정의해 주어야 하고, 배경 정보를 고려하지 않도록 다중변형모델을 단순화시켰기 때문에 간유리음영 성분의 평균값과 차이가 큰 일부 간유리음영 성분이 정확하게 분할되지 않는 한계점이 있다.
[1] S. Oda, K. Awai, K. Murao, A. Ozawa, Y. Yanaga, K. Kawanaka, Y. Yamashita, "Computer-Aided Volumetry of Plumonary Nodules Exhibiting Ground-Glass Opacity at MDCT," AJR, vol.194, no.2, pp.398-406, 2010. [2] J. M. Goo, C. M. Park, H. J. Lee, "Ground-Glass Nodules on Chest CT as Imaging Biomarkers in the Management of Lung Adenocarninoma," AJR, vol.196, no.3, pp.533-543, 2010. [3] W. A. Browder, A. P. Reeves, T. V. Apananosovich, M. D. Cham, D. F. Yankelevitz, C. I. Henschke, "Automated Volumetric Segmentation Method for Growth Consistency of Nonsolid Pulmonary Nodules in High-resolution," Proc. of SPIE Medical Imaging 2007, vol.6514, 2007. [4] L. Zhang, M. Fang, D. P. Naidich, C. L. Novak, "Consistent Interactive Segmentation of Pulmonary Ground Glass Nodules Identified in CT Studies," Proc. of SPIE Medical Imaging 2004, vol.5370, pp.1709-1701, 2004. [5] W. Son, S. J. Park, C. M. Park, J. M. Goo, J. H. Kim, "Automated Volumetric Segmentation Method for Computerized-Diagnosis of Pure Nodular Ground-glass Opacity in High-resolution CT," Proc. of SPIE Medical Imaging 2010, vol.7624, 2010. [6] K. Okada, D. Comaniciu, A. Krishnan, "Robust 3D Segmentation of Pulmonary Nodules in Multislice CT Images," Proc. of MICCAI 2004, pp.881-889, 2004. [7] S. D. Nie, L. H. Li, Z. X. Chen, "A CI Feature-based Pulmonary Nodule Segmentation using Three-domain Mean Shift Clustering," Proc. of International Conference on Wavelet Analysis and Pattern Recognition 2007, pp.223-227, 2007. [8] H. Kobatake, S. Hashimoto, "Convergence Index Filter for Vector Fields," IEEE Transactions On Image Processing, vol.8, no.8, pp.1029-1038, 1999. [9] X. Ye, G. Beddoe, G. Slabaugh, "Automatic Graph Cut Segmentation of Lesions in CT using Mean Shift Super-Pixels," Int. J. Biomodeical Imaging, 2010. [10] R. Tachibana, S. Kido, "Automatic Segmentation of Pulmonary Nodules on CT Images by use of NCI Lung Image Database Consortium," Proc. of SPIE Medical Imaging 2008, vol.6144, 2008. [11] T. Kubota, A. Jerebko, M. Salganicoff, M. Dewan, A. Krishnan, "Robust Segmentation of Pulmonary Nodules of Various Densities: From Ground-glass Opacities to Solid Nodules, Proc. of the first international work-shop on pulmonary image analysis, pp.253-262, 2008. [12] B. L. Odry, J. Huo, L. Zhang, C. L. Novak, D. P. Naidich, "Solid Component Evaluation in Mixed Ground Glass Nodules," Proc. of SPIE Medical Imaging 2007, vol.6512, 2007. [13] L. Zhang, T. Zhang, C. L. Novak, D. P. Naidich, D. A. Moses, "A Computer-based Method of Segmenting Ground Glass Nodules in Pulmonary CT Images: Comparison to Expert Radiologists' Interpretations," Proc. of SPIE Medical Imaging 2005, vol. 5747, pp.113-123, 2005. [14] Y. Yoo, H, Shim, I. D. Yun, K. W. Lee, S. U. Lee, "Segmentation of Ground Glass Opacities by Asymmetric Multi-phase Deformable Model," Proc. of SPIE Medical Imaging 2006, vol.6144, 2006.
본 발명은 상기와 같은 종래의 문제점을 해결하기 위하여 제안된 것으로, 본 발명에 따른 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 시스템의 목적은, 밝기값 제약 기반의 다중변형모델을 적용하여, 간유리음영 성분과 고형 성분을 동시에 분할하는 시스템을 제공하는데 있다.
다른 목적은, 밝기값 히스토그램을 모델링한 적응적 임계값을 산정하여, 간유리음영 결절의 초기 영역을 분할하는데 있다.
또 다른 목적은, 스무딩 연산으로 영역의 경계를 유지하면서 영역 내부의 잡음을 제거하는데 있다.
또 다른 목적은, 초기 영역에서 결절 주변의 혈관과 결절에 연결된 흉벽을 제거하는데 있다.
또 다른 목적은, 밝기값 제약을 추가하여, 비대칭 다중변형모델이 각 영역의 밝기값 평균과 표준편차를 정확하게 산출하여, 간유리음영 성분을 분할하는데 있다.
본 발명에 따른 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 방법의 목적은, 밝기값 제약 기반의 다중변형모델을 적용하여, 다양한 밝기값을 가지고 경계가 명확하지 않은 간유리음영 결절을 분할하고, 이와 함께 간유리음영 성분의 고형 성분을 분리할 수 있는 방법을 제공하는데 있다.
본 발명에 따른 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 시스템은 밝기값 히스토그램 모델링으로 적응적 임계값을 산정하여, 흉부 CT 영상의 간유리음영 성분과 고형 성분의 초기 영역을 분할하는 초기 영역 분할부, 형태 정보 및 폐분할 정보로 상기 초기 영역에서 결절 주변의 혈관과 흉벽을 제거하는 주변 조직 제거부 및 밝기값 제약 기반의 다중변형모델로 간유리음영 성분과 고형 성분 영역을 최종적으로 분할하는 최종 영역 분할부를 포함하는 것을 특징으로 한다.
또한, 본 발명에 따른 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 시스템에 있어서, 초기 영역 분할부는 흉부 CT 볼륨데이터에서 결절 중심 좌표를 포함한 관심 영역을 정의하는 관심 영역 정의부, 관심 영역 내부 잡음을 제거하기 위해 스무딩 연산을 수행하는 스무딩 연산부 및 상기 관심 영역에 밝기값 히스토그램의 임계값을 적용하여, 간유리음영 결절의 초기 영역을 분할하는 임계값 적용부를 포함하는 것을 특징으로 한다.
또한, 본 발명에 따른 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 시스템에 있어서, 주변 조직 제거부는 상기 초기 영역이 관심 영역의 경계에 닿는 비율을 산출하여, 흉벽 주변 결절 또는 혈관 연결 결절로 분류하는 경계 비율 분류부, 상기 경계 비율 분류부에서 혈관 연결 결절로 분류된 경우, 원 형태의 구조 요소와 교집합 연산을 수행하여, 결절 주변의 혈관을 제거하는 주변 혈관 제거부 및 상기 경계 비율 분류부에서 흉벽 주변 결절로 분류된 경우, 관심영역의 폐를 분할 후, 이외 영역을 초기 영역에서 제거하는 주변 흉벽 제거부를 포함하는 것을 특징으로 한다.
또한, 본 발명에 따른 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 시스템에 있어서, 최종 영역 분할부는 비대칭 다중변형모델을 적용하여, 배경과 고형 성분 및 간유리음영 결절의 내부 및 외부 객체를 분할하는 비대칭 다중변형모델부 및 밝기값 제약 함수를 이용하여, 각 영역의 밝기값 평균과 표준편차를 구하는 밝기값 제약부를 포함하는 것을 특징으로 한다.
본 발명에 따른 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 방법은 (a) 초기 영역 분할부를 이용하여, 밝기값 히스토그램 모델링으로 적응적 임계값을 산정하여, 흉부 CT 영상의 간유리음영 성분과 고형 성분의 초기 영역을 분할하는 단계, (b) 주변 조직 제거부를 이용하여, 형태 정보 및 폐분할 정보로 상기 초기 영역에서 결절 주변의 혈관과 흉벽을 제거하는 단계 및 (c) 최종 영역 분할부를 이용하여, 밝기값 제약 기반의 다중변형모델로 간유리음영 성분과 고형 성분 영역을 최종적으로 분할하는 단계를 포함하는 것을 특징으로 한다.
이상에서 설명한 바와 같이, 본 발명에 따른 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 시스템은 밝기값 제약 기반의 다중변형모델을 적용함으로써, 간유리음영 성분과 고형 성분을 동시에 분할할 수 있으며, 나아가 결절의 발생 유무와 크기 변화에 따른 악성도를 판단하여, 폐암 진단의 정확성을 높일 수 있는 효과가 있다.
또한, 밝기값 히스토그램을 모델링한 적응적 임계값을 산정함으로써, 다양한 밝기값을 가지는 간유리음영 결절의 초기 영역을 적절하게 분할할 수 있는 효과가 있다.
또한, 스무딩 연산으로 영역의 경계를 유지하면서 영역 내부의 잡음을 효과적으로 제거할 수 있는 효과가 있다.
또한, 초기 영역에서 밝기값이 유사한 결절 주변의 혈관과 결절에 연결된 흉벽을 제거함으로써, 초기 영역을 보정할 수 있으며, 최종 영역 분할에 소요되는 시간을 단축시켜주며, 분할 결과의 정확성을 크게 향상시킬 수 있는 효과가 있다.
또한, 밝기값 제약을 추가함으로써, 비대칭 다중변형모델이 각 영역의 밝기값 평균과 표준편차를 정확하게 산출할 수 있으며, 이를 통해 간유리음영 성분을 정확하게 분할하는데 있다.
본 발명에 따른 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 방법은, 밝기값 제약 기반의 다중변형모델을 적용함으로써, 다양한 밝기값을 가지고 경계가 명확하지 않은 간유리음영 결절의 볼륨 뿐 아니라 고형 성분의 볼륨을 따로 측정할 수 있으므로 폐암 검진 시 시간에 따른 결절 및 고형 성분의 볼륨 변화를 분석하여 진단을 내리는데 도움을 주는 효과가 있다.
도 1은 본 발명에 따른 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 시스템의 전체 구성을 나타내는 구성도.
도 2는 본 발명에 따른 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 시스템에 있어서, 초기 영역 분할부의 상세 구성을 나타내는 구성도.
도 3은 본 발명에 따른 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 시스템에 있어서, 초기 영역 분할을 위한 밝기값 기반의 히스토그램 모델링.
도 4는 본 발명에 따른 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 시스템에 있어서, 주변 조직 제거부의 상세 구성을 나타내는 구성도.
도 5는 본 발명에 따른 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 시스템에 있어서, 형태 정보와 폐분할 정보를 이용한 혈관 및 흉벽 제거 실시예 화면.
도 6은 본 발명에 따른 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 시스템에 있어서, 최종 영역 분할부의 상세 구성을 나타내는 구성도.
도 7은 본 발명에 따른 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 시스템에 있어서, 밝기값 제약 조건 기반의 비대칭 다중변형모델의 실시예 화면.
도 8은 본 발명에 따른 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 시스템에 있어서, 밝기값 제약을 위한 함수.
도 9는 본 발명에 따른 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 방법의 전체 흐름을 나타내는 흐름도.
도 10은 본 발명에 따른 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 방법에 있어서, S10 단계의 상세 흐름을 나타내는 흐름도.
도 11은 본 발명에 따른 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 방법에 있어서, S20 단계의 상세 흐름을 나타내는 흐름도.
도 12는 본 발명에 따른 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 방법의 성능을 확인을 위한 간유리음영 결절의 분할 결과를 비교하는 화면.
도 13은 수동 분할에 대한 자동 분할의 상대적 결절 볼륨 차이를 나타내는 그래프.
도 14는 수동 분할에 대한 자동 분할의 고형 성분 차이를 나타내는 그래프.
도 15는 흉부 CT 영상에서 다양한 밝기값을 갖는 간유리음영 결절의 실시예 화면.
이하, 본 발명에 따른 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 시스템 및 그 분할 방법을 실시하기 위한 구체적인 내용을 설명하면 다음과 같다.
[도 1]은 본 발명에 따른 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 시스템의 전체 구성을 나타내는 도면으로, 초기 영역 분할부(10), 주변 조직 제거부(20) 및 최종 영역 분할부(30)를 포함한다.
상기 초기 영역 분할부(10)는 밝기값 히스토그램 모델링으로 적응적 임계값을 산정하여, 흉부 CT 영상의 간유리음영 성분과 고형 성분의 초기 영역을 분할하는 역할을 하며, 본 발명에 따른 상기 초기 영역 분할부(10)는 [도 2]에 도시된 바와 같이, 관심 영역 정의부(11), 스무딩 연산부(12) 및 임계값 적용부(13)를 포함한다.
상기 관심 영역 정의부(11)는 흉부 CT 볼륨데이터에서 결절 중심 좌표를 포함한 관심 영역을 정의하는 역할을 하며, 본 발명의 실시예에서는 결절 중심 좌표가 입력되면 해당 좌표를 중심으로 3cm 이하의 크기를 갖는 결정을 충분히 포함할 수 있도록 4×4×4cm3 크기의 관심 영역을 정의하도록 하였다.
CT 데이터는 재구성 방법에 따라 영상의 질이 낮아질 수 있어서 임계값 t 기반 분할 시, 유사한 밝기값을 갖는 주변 잡음이 선택되는 문제가 발생하는데 본 발명에 있어서는 상기 스무딩 연산부(12)를 이용하여 관심 영역 내부 잡음을 제거하기 위해 스무딩 연산을 수행하도록 한다.
스무딩 연산을 수행 시, 간유리음영 성분의 경계가 스무딩될 수 있으므로 상기 스무딩 연산부(12)는 비등방성 확산 필터링을 이용하여, 분할하고자 하는 영역의 경계를 유지하면서 영역 내부의 잡음을 제거하며, 상기 비등방성 확산 필터링은 [수학식 1]과 같이 산출된다.
Figure 112013091115869-pat00001
이 때, I는 원본 영상을, ▽I는 영상의 기울기를 나타내며, 확산 함수 c는 영상의 확산정도를 나타내는 계수이며, 실험적으로 산정한 파라미터 K보다 영상의 기울기가 작을 경우에만 큰 값을 갖는다.
상기 임계값 적용부(13)는 상기 관심 영역에 밝기값 히스토그램의 임계값을 적용하여, 간유리음영 결절의 초기 영역을 분할하는 역할을 한다.
즉, 상기 관심 영역은 [도 3]의 (a)와 같이 밝기값 히스토그램 분석을 통해 밝기값에 따라 폐실질, 간유리음영 성분, 고형 성분과 혈관 및 흉벽의 세 가지 구성요소로 나누어지므로 관심 영역의 밝기값 히스토그램을 [도 3]의 (b)와 같이 세 개의 가우시안 모델 합으로 정의된다.
간유리음영 성분의 초기 영역은 산정된 최소임계값 Tlow와 최대임계값 Thigh사이의 밝기값을 갖는 영역으로 정의되며 고형 성분의 초기 영역은 Thigh이상의 밝기값을 갖는 영역으로 정의된다. 본 발명의 실시예에서 간유리음영 성분과 고형 성분을 분리하기 위한 Thigh는 임상정보를 이용하여 결정된 -200HU을 사용한다. 간유리음영 성분과 폐실질을 분리하기 위한 Tlow는 폐실질과 간유리음영 성분의 밝기값은 중첩되어 나타나므로 상대적으로 화소수가 적은 간유리음영 성분 가우시안 모델의 정확성이 떨어진다.
따라서 본 발명에 있어서, 상기 임계값 적용부(13)는 간유리음영 성분에서 최대한 많은 폐실질을 배제하기 위해서 최소임계값 Tlow가 폐실질 가우시안 모델의 우측 끝부분에 정의될 수 있도록 [수학식 2]와 같이 계산한다.
Figure 112013091115869-pat00002
이 때, 가우시안 모델의 파라미터인 μ와 δ는 평균과 표준편차를 나타내며, ω는 가우시안 모델에서 표준편차의 계수를 의미한다.
이처럼 본 발명에 따른 상기 초기 영역 분할부(10)는 각 데이터의 밝기값 히스토그램을 모델링하여 적응적 임계값을 산정함으로써 다양한 밝기값을 갖는 간유리음영 결절의 초기 영역을 효과적으로 분할할 수 있는 것이다.
상기 주변 조직 제거부(20)는 형태 정보 및 폐분할 정보로 상기 초기 영역에서 결절 주변의 혈관과 흉벽을 제거하는 역할을 하며, 본 발명에 따른 상기 주변 조직 제거부(20)는 [도 4]에 도시된 바와 같이, 경계 비율 판단부(21), 주변 혈관 제거부(22) 및 주변 흉벽 제거부(23)를 포함한다.
즉, 밝기값을 이용해 초기 영역 분할 시, [도 5]의 (b), (f)와 같이 결절 주변의 밝기값이 유사한 혈관과 흉벽이 함께 분할되는 문제점이 발생하므로, 본 발명에 있어서, 상기 주변 조직 제거부(20)는 혈관이 결절의 둥그런 형태와 달리 길쭉한 형태를 가지는 점을 이용하여 결절 주변의 혈관을 제거하고 흉벽이 어두운 폐의 바깥부분에 있다는 점을 이용하여 결절에 연결되어 있는 흉벽을 제거한다.
상기 경계 비율 판단부(21)는 상기 초기 영역이 관심 영역의 경계에 닿는 비율을 산출하여, 흉벽 주변 결절 또는 혈관 연결 결절로 분류하는 역할을 하며, 본 발명의 실시예에는 초기 영역이 관심영역의 경계에 닿는 비율을 계산하여 비율이 0일 경우는 주변 기관이 닿지 않은 결절로 분류되며, 비율이 높은 경우는 흉벽에 붙어 있는 결절로, 나머지의 경우는 혈관이 연결된 결절로 분류된다.
[도 5]의 (a)와 (e)는 각각 혈관이 연결된 결절과 흉벽에 붙어 있는 결절을 보여주기 위한 원본 영상이며, [도 5]의 (b)와 (f)는 혈관과 흉벽이 함께 분할된 밝기값 기반의 초기 영역 분할 결과를 나타내는 실시예 화면이다.
상기 주변 혈관 제거부(22)는 상기 경계 비율 분류부(21)에서 혈관 연결 결절로 분류된 경우, 원 형태의 구조 요소와 교집합 연산을 수행하여, [도 5]의 (d)와 같이 결절 주변의 혈관을 제거하는 역할을 하며, 이 때, 상기 구조요소의 크기는 [도 5]의 (c)와 같이 초기 영역의 중심점과 초기 영역의 경계에서 추출한 대표점간의 최소거리를 이용해 자동으로 산정한다.
상기 주변 흉벽 제거부(23)는 상기 경계 비율 분류부(21)에서 흉벽 주변 결절로 분류된 경우, [도 5]의 (g)와 같이, 관심영역의 슬라이스에서 폐를 분할 후, 이외 영역을 흉벽으로 간주하여, [도 5]의 (h)와 같이, 초기 영역에서 제거하는 역할을 하며, 결절이 흉벽과 함께 제거되지 않도록 하기 위해서 폐 경계의 곡률정보를 이용해 결절을 포함한 폐를 분할하는 방법을 적용하는 것이 바람직하다.
이처럼 본 발명에 따른 주변 조직 제거부(20)를 통해 형태 정보와 폐분할 정보를 이용함으로써 밝기값 기반의 초기 영역 분할 단계에서 발생하는 한계점을 개선하여 초기 영역을 보정할 수 있으며, 이를 통해 최종 영역 분할 알고리즘의 수행시간을 단축할 수 있고 분할 결과의 정확성을 높일 수 있다.
상기 최종 영역 분할부(30)는 밝기값 제약 기반의 다중변형모델로 간유리음영 성분과 고형 성분 영역을 최종적으로 분할하는 역할을 하며, 본 발명에 따른 상기 최종 영역 분할부(30)는 [도 6]에 도시된 바와 같이, 비대칭 다중변형모델부(31) 및 밝기값 제약부(32)를 포함한다.
본 발명에 따른 비대칭 다중변형모델은 하나의 객체가 온전히 다른 객체의 내부에 존재하는 경우에 특화된 모델로 다중변형모델에 기반을 둔 방법으로 간유리음영 결절의 경우 고형 성분이 간유리음영 성분의 내부에 존재하는 특성을 갖기 때문에 배경과 내외부 객체를 분할하는 비대칭 다중변형모델을 이용하는 것이 적합하다.
상기 비대칭 다중변형모델부(31)는 비대칭 다중변형모델을 적용하여, 배경과 고형 성분 및 간유리음영 결절의 내부 및 외부 객체를 분할하는 하는 역할을 한다.
비대칭 다중변형모델은 영역 기반 레벨-셋 기법으로 영역의 내부는 양수의 값을 외부는 음수의 값을 갖도록 하는 φ함수를 이용해 배경과 내외부 객체를 나타내며, [수학식 3]과 같이 정의되는 에너지가 최소화되도록 두 개의 φ함수 값을 반복적으로 계산함으로써 최종 분할 영역을 얻는다.
Figure 112013091115869-pat00003
이 때, u0는 해당 화소의 밝기값이며, c1과 c2는 내부와 외부 객체의 평균 밝기값을 나타낸다. 해당 화소의 밝기값과 해당 화소가 속하는 객체의 평균 밝기값의 차이가 적을수록 에너지가 작아지기 때문에 유사한 밝기값을 갖는 화소들이 같은 객체로 분할된다. 또한, σ1과 σ2는 내부와 외부 객체의 밝기값 표준편차이며 편차만큼 발생한 밝기값 차이를 줄여주는 역할을 한다. χij함수는 해당 화소가 속하는 영역을 의미하며 i와 j는 내부와 외부 φ를 가리키며 값이 1이면 φ함수가 양수값을 0이면 음수값을 갖는 영역에 속함을 의미한다. Pχ10는 다중변형모델에 비대칭성을 부여하는 함수로 φ1의 내부에 속하면서 φ2의 외부에 속하는 화소에 높은 패널티를 줌으로써 해당 영역이 분할될 수 없도록 하는 역할을 한다. 마지막 두 항은 각 객체 경계의 총 길이이며 해당 항을 최소화함으로써 분할 객체의 경계를 부드럽게 만들어주는 역할을 한다.
이러한 비대칭 다중변형모델은 φ2의 바깥 영역은 항상 배경으로 가정하여 해당 화소의 밝기값과 배경의 평균 밝기값의 차이를 고려하지 않는다. 이러한 가정 때문에 결절 경계의 간유리음영 성분의 일부 화소에서 밝기값이 배경의 밝기값과 차이가 크더라도 [도 7]의 (b)와 같이 외부 객체의 밝기값 평균과 차이가 큰 화소에 대해 배경으로 잘못 분할하는 한계점을 가진다.
따라서 본 발명은 배경의 평균 밝기값과의 차이를 고려할 수 있는 항을 추가하여 [수학식 4]와 같은 에너지를 사용한다.
Figure 112013091115869-pat00004
이 때, c3과 σ3은 배경의 밝기값 평균과 표준편차이며, [수학식 4]를 사용할 경우, 외부 객체의 평균 차이와 배경의 평균 차이를 함께 고려하기 때문에 해당 화소의 밝기값이 외부 객체와 차이가 크더라도 배경과의 차이를 통해 그 차이를 보완하므로 외부 객체의 분할이 더 정확해질 수 있는 것이다.
그러나 [도 7]의 (a)와 같이 배경에는 높은 밝기값을 가지는 흉벽과 혈관들이 존재하기 때문에 실제 배경이 갖는 밝기값보다 평균이 높게 표준편차는 크게 계산되어 [도 7]의 (c)와 같이 외부 객체의 어두운 영역이 대부분 배경으로 분할되는 문제점이 발생한다.
따라서 본 발명에 있어서는 상기 밝기값 제약부(32)를 통해 사전정보를 이용한 밝기값 제약을 추가함으로써 비대칭 다중변형모델이 정확한 평균과 표준편차를 구할 수 있도록 한다.
상기 밝기값 제약은 함수 Cbright와 Cdark를 이용해 [수학식 5]와 같이 각 영역의 평균과 표준편차를 구하는데 적용된다.
Figure 112013091115869-pat00005
상기 Cbright와 Cdark는 [도 8]과 같이 정의되며, Cbright는 고형 성분의 평균과 표준편차 계산 시 낮은 밝기값을 갖는 화소가 영향을 미치지 못하도록 하는 역할을 하며, Cdark는 간유리음영 성분과 배경의 평균과 표준편차 계산 시 높은 밝기값을 갖는 화소의 영향을 받지 못하도록 하는 역할을 한다.
본 발명의 실시예에서는 혈관과 흉벽을 간유리음영 및 배경과 구분할 수 있도록 임상적으로 고형 성분을 나누는 기준으로 사용되는 -200HU을 사용하여 [도 7]의 (d)와 같이 분할한다.
이처럼 본 발명에 따른 상기 밝기값 제약부(32)의 밝기값 제약조건은 사전정보를 이용하여 비대칭 다중변형모델의 평균과 표준편차를 정확하게 계산할 수 있도록 함으로써 간유리음영 성분의 분할 정확성을 높여주는 것이다.
[도 9]는 본 발명에 따른 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 시스템의 간음영유리 결절 자동 분할 방법의 전체 흐름을 나타내는 흐름도로, 초기 영역 분할부(10)를 이용하여, 밝기값 히스토그램 모델링으로 적응적 임계값을 산정하여, 흉부 CT 영상의 간유리음영 성분과 고형 성분의 초기 영역을 분할하는 단계(S10)를 수행한다.
[도 10]은 상기 S10 단계의 상세 흐름도로, 관심 영역 정의부(11)를 이용하여, 흉부 CT 볼륨데이터에서 결절 중심 좌표를 포함한 관심 영역을 정의하는 단계(S11)를 수행하고, 상기 스무딩 연산부(12)를 이용하여, 관심 영역 내부 잡음을 제거하기 위해 스무딩 연산 단계(S13)를 수행한다.
상기 S13 단계의 스무딩 연산은 상기 스무딩 연산부(12)의 기능 설명에도 기재한 바와 같이, 비등방성 확산 필터링을 이용하여, 분할하고자 하는 영역의 경계를 유지하면서 영역 내부의 잡음을 제거한다.
또한, 상기 임계값 적용부(13)를 이용하여, 상기 관심 영역에 밝기값 히스토그램의 임계값을 적용하여, 간유리음영 결절의 초기 영역을 분할하는 단계(S15)를 수행한다.
다음으로, 주변 조직 제거부(20)를 이용하여, 형태 정보 및 폐분할 정보로 상기 초기 영역에서 결절 주변의 혈관과 흉벽을 제거하는 단계(S20)를 수행한다.
[도 11]은 상기 S20 단계의 상세 흐름을 나타내는 도면으로, 상기 경계 비율 분류부(21)를 이용하여, 초기 영역이 관심 영역의 경계에 닿는 비율을 산출하여, 흉벽 주변 결절 또는 혈관 연결 결절로 분류하는 단계(S21)를 수행한다.
상기 S21 단계에서 혈관 연결 결절로 분류된 경우, 주변 혈관 제거부(22)를 이용하여, 원 형태의 구조 요소와 교집합 연산을 수행하여, 결절 주변의 혈관을 제거하고, 상기 S21 단계에서 상기 경계 비율 분류부에서 흉벽 주변 결절로 분류된 경우, 주변 흉벽 제거부(23)를 이용하여, 관심영역의 폐를 분할 후, 이외 영역을 초기 영역에서 제거하는 단계(S23)를 수행한다.
다음으로, 최종 영역 분할부(30)를 이용하여, 밝기값 제약 기반의 다중변형모델로 간유리음영 성분과 고형 성분 영역을 최종적으로 분할하는 단계(S30)를 수행한다.
본 발명에 따른 상기 S30 단계는 비대칭 다중변형모델부를 이용하여, 비대칭 다중변형모델을 적용하여, 배경과 고형 성분 및 간유리음영 결절의 내부 및 외부 객체를 분할하는 단계를 말하며, 상기 S30 단계에서 비대칭 다중변형모델은 배경의 평균 밝기값 차이를 고려하여 상기 [수학식 4]로 산출된다.
또한, 본 발명에 있어서, 상기 S30 단계는 밝기값 제약 함수를 이용하여, 각 영역의 밝기값 평균과 표준편차를 구하는 것이 바람직하며, 상기 밝기값 제약 함수는 상기 [수학식 5]와 같이 각 영역의 평균과 표준편차를 구하는데 적용된다.
이러한 본 발명에 따른 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 시스템 및 그 분할 방법의 성능을 평가하기 위한 실험 및 그 결과를 설명하면 다음과 같다.
실험을 위하여 간유리음영 결절이 존재하는 10명의 환자에게서 얻은 흉부 CT 영상을 사용하였고, CT 영상은 GE의 Lightspeed Ultra CT scanner와 Siemens의 16 scanner를 이용해 획득하였다. 영상은 512ㅧ512 화소의 해상도를 가지며 각 화소크기는 0.62×0.62~0.71×0.71mm2이며, 슬라이스 간격은 1.0~1.25mm이다. 실험 데이터는 3개의 순수 간유리음영 결절과 7개의 혼합 간유리음영 결절로 이루어졌으며, 결절의 평균 직경은 17.7mm±5.2이고 직경의 범위는 7.8~24.1mm였다.
본 발명에 따른 간유리음영 결절 분할 방법의 성능을 평가하기 위하여 육안 평가와 정확성 평가를 진행하였으며, 종래 방법과 본 방법의 분할 결과를 임상의에 의한 수동 분할 결과와 비교하였다. 이 때, 비교를 위한 종래 분할 방법으로 비대칭 다중변형모델(AMDM)을 사용하였다.
[도 12]는 간유리음영 결절의 수동 분할 결과, 종래 방법의 분할 결과와 본 발명의 분할 방법의 분할 결과를 비교하여 보여준다. [도 12]의 (b) 내지 (d)에서 녹색 영역은 간유리음영 성분의 분할 결과를 나타내며 붉은색 영역은 고형 성분의 분할 결과를 나타낸다. 수동 분할 결과는 임상의가 [도 12]의 (b)와 같이 영역의 내부를 채워서 분할하므로 밝기값이 다른 화소가 함께 분할될 수 있다. 종래 분할 방법의 분할 결과는 [도 12]의 (c)와 같이 간유리음영 성분의 밝기값이 평균에서 크게 벗어나는 일부 영역이 배경으로 잘못 분할되는 한계점을 보였다. 본 발명에 따른 분할 방법의 분할 결과는 [도 12]의 (d)와 같이 기존 방법에서 배경으로 분할되던 간유리음영 영역이 정확하게 분할되었음을 확인할 수 있다.
또한, 정확성 평가를 위해서 전문가에 의한 수동 분할 결과와 종래 분할 방법 및 본 발명의 자동 분할 결과의 상대적 결절 볼륨 차이와 고형 성분 비율 차이를 측정하였다. 결절의 상대적 볼륨 차이(Relative Volume Difference)는 결절 볼륨에 대한 상대적인 차이만 비교하기 위해 자동 분할 결과와 수동 분할 결과의 차이를 수동 분할의 결과로 나눈 정규화 비율 수치로 [수학식 6]과 같이 계산한다.
Figure 112013091115869-pat00006
이 때, GGNAutomatic은 종래 분할 방법과 본 발명의 자동 분할 결과로 측정한 결절의 볼륨이며 GGNManual은 수동 분할 결과로 측정한 결절의 볼륨을 의미한다. 0에 가까울수록 수동 분할과 유사함을 의미하며 음의 값을 가지면 자동 분할이 수동 분할에 비해 작게 분할되었음을 의미한다.
[도 13]은 수동 분할과 본 발명의 분할 방법 및 종래 분할 방법의 자동 분할 결과의 RVD에 대한 블랜드-알트만 플롯(Bland-Altman Plot)을 보여준다. 모±든 데이터의 RVD가 95% 신뢰구간 내에 들어옴으로써 자동 분할 결과가 수동 분할 결과와 유의한 수준으로 유사했음을 알 수 있다. 종래 분할 방법의 평균 RVD는 -46.7±12.6%였으며 본 발명의 분할 방법의 평균 RVD는 -10.7±13.2%로 측정되어 종래 분할 방법 대비 결절 분할의 정확성이 77% 향상된 것을 확인할 수 있다.
수동 분할의 경우 영역의 내부를 채워서 분할하기 때문에 밝기값이 다른 화소가 함께 분할될 수 있지만 자동 분할의 경우 밝기값에 의해 선택되지 않는 화소가 존재하여 수동 분할에 비해 간유리음영 성분 볼륨이 작게 측정되어 본 발명의 분할 방법과 종래 분할 방법의 평균 RVD가 음의 값으로 측정되었다.
고형 성분 비율은 임상적으로 결절의 악성도와 관련이 높은 수치로 결절의 볼륨에서 고형 성분의 볼륨이 차지하는 양을 비율로 나타낸 수치이다. 수동 분할을 이용해 측정한 결과와 자동 분할을 이용해 측정한 결과의 차이를 비교하기 위해 고형 성분 비율 차이(Solid Component Ratio Difference)를 [수학식 7]을 통해 계산한다.
Figure 112013091115869-pat00007
이 때, SolidAutomatic과 SolidManual은 각각 자동 및 수동 분할 결과로 측정한 고형 성분 볼륨을 의미한다.
[도 14]는 수동 분할과 본 발명의 분할 방법 및 종래 분할 방법의 자동 분할 결과의 SCRD에 대한 블랜드-알트만 플롯을 보여준다. 모든 데이터의 SCRD가 95% 신뢰구간 내에 들어옴으로써 자동 분할 결과가 수동 분할 결과와 유의한 수준으로 유사했음을 알 수 있다.
종래 분할 방법의 평균 SCRD는 15.7±12.1%였으며 본 발명의 분할 방법의 평균 SCRD는 6.4±7.3%로 측정되어 종래 분할 방법 대비 고형 성분 비율 측정 정확성이 145% 향상되었다. 자동 분할의 경우 수동 분할에 비해 간유리음영 성분이 작게 분할되기 때문에 결절 대비 고형 성분 비율이 높게 측정되어 본 발명의 분할 방법과 종래 분할 방법의 평균 SCRD가 양의 값으로 측정되었다.
이상에서 설명한 바와 같이, 본 발명에 따른 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 시스템 및 그 분할 방법은 밝기값 제약 기반의 다중변형모델을 적용함으로써, 간유리음영 성분과 고형 성분을 동시에 분할할 수 있으며, 나아가 결절의 발생 유무와 크기 변화에 따른 악성도를 판단하여, 폐암 진단의 정확성을 높일 수 있는 효과를 누릴 수 있다.
이상 본 발명의 실시예로 설명하였으나 본 발명의 기술적 사상이 상기 실시예로 한정되는 것은 아니며, 본 발명의 기술적 사상을 벗어나지 않는 범주에서 다양한 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 시스템 및 그 분할 방법으로 구현할 수 있다.
10 : 초기 영역 분할부
11 : 관심 영역 정의부
12 : 스무딩 연산부
13 : 임계값 적용부
20 : 주변 조직 제거부
21 : 경계 비율 판단부
22 : 주변 혈관 제거부
23 : 주변 흉벽 제거부
30 : 최종 영역 분할부
31 : 비대칭 다중변형모델부
32 : 밝기값 제약부
100 : 간유리음영 결절 자동 분할 시스템

Claims (14)

  1. 밝기값 히스토그램 모델링으로 적응적 임계값을 산정하여, 흉부 CT 영상의 간유리음영 성분과 고형 성분의 초기 영역을 분할하는 초기 영역 분할부;
    형태 정보 및 폐분할 정보로 상기 초기 영역에서 결절 주변의 혈관과 흉벽을 제거하는 주변 조직 제거부 및
    밝기값 제약 기반의 다중변형모델로 간유리음영 성분과 고형 성분 영역을 최종적으로 분할하는 최종 영역 분할부를 포함하는 것을 특징으로 하는 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 시스템.
  2. 제1항에 있어서,
    상기 초기 영역 분할부는,
    흉부 CT 볼륨데이터에서 결절 중심 좌표를 포함한 관심 영역을 정의하는 관심 영역 정의부;
    관심 영역 내부 잡음을 제거하기 위해 스무딩 연산을 수행하는 스무딩 연산부 및
    상기 관심 영역에 밝기값 히스토그램의 임계값을 적용하여, 간유리음영 결절의 초기 영역을 분할하는 임계값 적용부를 포함하는 것을 특징으로 하는 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 시스템.
  3. 제2항에 있어서,
    상기 스무딩 연산부는,
    비등방성 확산 필터링을 이용하여, 분할하고자 하는 영역의 경계를 유지하면서 영역 내부의 잡음을 제거하며, 상기 비등방성 확산 필터링은 [수학식 1]과 같이 산출되는 것을 특징으로 하는 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 시스템.
    [수학식 1]
    Figure 112013091115869-pat00008

    이 때, I는 원본 영상을, ▽I는 영상의 기울기를 나타내며, 확산 함수 c는 영상의 확산정도를 나타내는 계수이며, K는 실험 파라미터
  4. 제2항에 있어서,
    상기 임계값 적용부는,
    간유리음영 성분의 초기 영역은 밝기값의 최저임계값과 최고임계값 사이 영역으로 정의되며, 상기 최고임계값은 간유리음영 성분과 고형성분을 분리하는 임계값이며, 상기 최저임계값 간유리음영 성분과 폐실질을 분리하는 임계값이며, 상기 최저임계값은 [수학식 2]로 산출되는 것을 특징으로 하는 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 시스템.
    [수학식 2]
    Figure 112013091115869-pat00009

    이 때, 가우시안 모델의 파라미터인 μ와 δ는 평균과 표준편차를 나타내며, ω는 가우시안 모델에서 표준편차의 계수임
  5. 제1항에 있어서,
    상기 주변 조직 제거부는,
    상기 초기 영역이 관심 영역의 경계에 닿는 비율을 산출하여, 흉벽 주변 결절 또는 혈관 연결 결절로 분류하는 경계 비율 분류부;
    상기 경계 비율 분류부에서 혈관 연결 결절로 분류된 경우, 원 형태의 구조 요소와 교집합 연산을 수행하여, 결절 주변의 혈관을 제거하는 주변 혈관 제거부 및
    상기 경계 비율 분류부에서 흉벽 주변 결절로 분류된 경우, 관심영역의 폐를 분할 후, 이외 영역을 초기 영역에서 제거하는 주변 흉벽 제거부를 포함하는 것을 특징으로 하는 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 시스템.
  6. 제5항에 있어서,
    상기 구조요소의 크기는 초기 영역의 중심점과 초기 영역의 경계에서 추출한 대표점 간의 최소거리로 자동 산정하는 것을 특징으로 하는 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 시스템.
  7. 제5항에 있어서,
    상기 주변 흉벽 제거부는
    폐 경계의 곡률정보를 이용해 결절을 포함한 폐 영역을 분할하는 것을 특징으로 하는 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 시스템.
  8. 제1항에 있어서,
    상기 최종 영역 분할부는,
    비대칭 다중변형모델을 적용하여, 배경과 고형 성분 및 간유리음영 결절의 내부 및 외부 객체를 분할하는 비대칭 다중변형모델부 및
    밝기값 제약 함수를 이용하여, 각 영역의 밝기값 평균과 표준편차를 구하는 밝기값 제약부를 포함하는 것을 특징으로 하는 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 시스템.
  9. 제8항에 있어서,
    상기 비대칭 다중변형모델부는,
    배경의 평균 밝기값 차이를 고려하여 [수학식 4]로 산출되는 것을 특징으로 하는 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 시스템.
    [수학식 4]
    Figure 112013091115869-pat00010

    이 때, u0는 해당 화소의 밝기값이며, c1과 c2는 내부와 외부 객체의 평균 밝기값이며, σ1과 σ2는 내부와 외부 객체의 밝기값 표준편차이며 χij함수는 해당 화소가 속하는 영역이며, i와 j는 내부와 외부 φ를 가리키며 값이 1이면 φ함수가 양수값을 0이면 음수값을 갖는 영역에 속하며, Pχ10는 다중변형모델에 비대칭성을 부여하는 함수임
  10. (a) 초기 영역 분할부를 이용하여, 밝기값 히스토그램 모델링으로 적응적 임계값을 산정하여, 흉부 CT 영상의 간유리음영 성분과 고형 성분의 초기 영역을 분할하는 단계;
    (b) 주변 조직 제거부를 이용하여, 형태 정보 및 폐분할 정보로 상기 초기 영역에서 결절 주변의 혈관과 흉벽을 제거하는 단계 및
    (c) 최종 영역 분할부를 이용하여, 밝기값 제약 기반의 다중변형모델로 간유리음영 성분과 고형 성분 영역을 최종적으로 분할하는 단계를 포함하는 것을 특징으로 하는 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 방법.
  11. 제10항에 있어서,
    상기 (a) 단계는,
    (a-1) 관심 영역 정의부를 이용하여, 흉부 CT 볼륨데이터에서 결절 중심 좌표를 포함한 관심 영역을 정의하는 단계;
    (a-2) 스무딩 연산부를 이용하여, 관심 영역 내부 잡음을 제거하기 위해 스무딩 연산을 수행하는 단계 및
    (a-3) 임계값 적용부를 이용하여, 상기 관심 영역에 밝기값 히스토그램의 임계값을 적용하여, 간유리음영 결절의 초기 영역을 분할하는 단계를 포함하는 것을 특징으로 하는 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 방법.
  12. 제10항에 있어서,
    상기 (b) 단계는,
    (b-1) 경계 비율 분류부를 이용하여, 초기 영역이 관심 영역의 경계에 닿는 비율을 산출하여, 흉벽 주변 결절 또는 혈관 연결 결절로 분류하는 단계;
    (b-2) 상기 (b-1) 단계에서 상기 경계 비율 분류부에서 혈관 연결 결절로 분류된 경우, 주변 혈관 제거부를 이용하여, 원 형태의 구조 요소와 교집합 연산을 수행하여, 결절 주변의 혈관을 제거하는 단계 및
    (b-3) 상기 (b-1) 단계에서 경계 비율 분류부에서 흉벽 주변 결절로 분류된 경우, 주변 흉벽 제거부를 이용하여, 관심 영역의 폐를 분할 후, 이외 영역을 초기 영역에서 제거하는 단계를 포함하는 것을 특징으로 하는 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 방법.
  13. 제10항에 있어서,
    상기 (c)단계는,
    (c-1) 비대칭 다중변형모델부를 이용하여, 비대칭 다중변형모델을 적용하여, 배경과 고형 성분 및 간유리음영 결절의 내부 및 외부 객체를 분할하는 단계를 포함하며,
    상기 비대칭 다중변형모델부는,
    배경의 평균 밝기값 차이를 고려하여 [수학식 4]로 산출되는 것을 특징으로 하는 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 방법.
    [수학식 4]
    Figure 112013091115869-pat00011

    이 때, u0는 해당 화소의 밝기값이며, c1과 c2는 내부와 외부 객체의 평균 밝기값이며, σ1과 σ2는 내부와 외부 객체의 밝기값 표준편차이며 χij함수는 해당 화소가 속하는 영역이며, i와 j는 내부와 외부 φ를 가리키며 값이 1이면 φ함수가 양수값을 0이면 음수값을 갖는 영역에 속하며, Pχ10는 다중변형모델에 비대칭성을 부여하는 함수임
  14. 제13항에 있어서,
    상기 (c-1) 단계는,
    (c-2) 밝기값 제약 함수를 이용하여, 각 영역의 밝기값 평균과 표준편차를 구하는 단계를 더 포함하는 것을 특징으로 하는 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 방법.
KR1020130119952A 2013-10-08 2013-10-08 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 시스템 및 그 분할 방법 KR101474162B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020130119952A KR101474162B1 (ko) 2013-10-08 2013-10-08 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 시스템 및 그 분할 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130119952A KR101474162B1 (ko) 2013-10-08 2013-10-08 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 시스템 및 그 분할 방법

Publications (1)

Publication Number Publication Date
KR101474162B1 true KR101474162B1 (ko) 2014-12-17

Family

ID=52679280

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130119952A KR101474162B1 (ko) 2013-10-08 2013-10-08 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 시스템 및 그 분할 방법

Country Status (1)

Country Link
KR (1) KR101474162B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101927481B1 (ko) 2017-08-07 2018-12-11 서울여자대학교 산학협력단 흉부 ct 영상에서 다중 뷰 영상과 텍스처 분석을 통한 고형 성분이 작은 폐 간유리음영 결절 분류 방법 및 장치
KR101954858B1 (ko) * 2017-10-25 2019-03-07 서울여자대학교 산학협력단 흉부 ct 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 방법 및 장치
CN113598795A (zh) * 2021-08-03 2021-11-05 罗慕科技(北京)有限公司 头颅结构标准率评估装置、方法及计算机可读存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080040083A1 (en) 2006-08-14 2008-02-14 Siemens Corporate Research, Inc. System and Method for Solid Component Evaluation in Mixed Ground Glass Nodules
US7627173B2 (en) 2004-08-02 2009-12-01 Siemens Medical Solutions Usa, Inc. GGN segmentation in pulmonary images for accuracy and consistency

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7627173B2 (en) 2004-08-02 2009-12-01 Siemens Medical Solutions Usa, Inc. GGN segmentation in pulmonary images for accuracy and consistency
US20080040083A1 (en) 2006-08-14 2008-02-14 Siemens Corporate Research, Inc. System and Method for Solid Component Evaluation in Mixed Ground Glass Nodules

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101927481B1 (ko) 2017-08-07 2018-12-11 서울여자대학교 산학협력단 흉부 ct 영상에서 다중 뷰 영상과 텍스처 분석을 통한 고형 성분이 작은 폐 간유리음영 결절 분류 방법 및 장치
KR101954858B1 (ko) * 2017-10-25 2019-03-07 서울여자대학교 산학협력단 흉부 ct 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 방법 및 장치
CN113598795A (zh) * 2021-08-03 2021-11-05 罗慕科技(北京)有限公司 头颅结构标准率评估装置、方法及计算机可读存储介质
CN113598795B (zh) * 2021-08-03 2024-03-15 罗慕科技(北京)有限公司 头颅结构标准率评估装置、方法及计算机可读存储介质

Similar Documents

Publication Publication Date Title
Gonçalves et al. Hessian based approaches for 3D lung nodule segmentation
Kumar et al. Automatic liver and lesion segmentation: a primary step in diagnosis of liver diseases
US8073226B2 (en) Automatic detection and monitoring of nodules and shaped targets in image data
Abd-Elaziz et al. Liver tumors segmentation from abdominal CT images using region growing and morphological processing
Pulagam et al. Automated lung segmentation from HRCT scans with diffuse parenchymal lung diseases
US20080118136A1 (en) Propagating Shell for Segmenting Objects with Fuzzy Boundaries, Automatic Volume Determination and Tumor Detection Using Computer Tomography
Xiao et al. Pulmonary fissure detection in CT images using a derivative of stick filter
US8165376B2 (en) System and method for automatic detection of rib metastasis in computed tomography volume
EP2523164B1 (en) Image processing apparatus, image processing method, and image processing program
Jaffar et al. Fuzzy entropy based optimization of clusters for the segmentation of lungs in CT scanned images
Saien et al. Refinement of lung nodule candidates based on local geometric shape analysis and Laplacian of Gaussian kernels
US7333646B2 (en) Watershed segmentation to improve detection of spherical and ellipsoidal objects using cutting planes
Kaftan et al. Fuzzy pulmonary vessel segmentation in contrast enhanced CT data
US7480401B2 (en) Method for local surface smoothing with application to chest wall nodule segmentation in lung CT data
Casiraghi et al. Automatic abdominal organ segmentation from CT images
Parveen et al. Detection of lung cancer nodules using automatic region growing method
Yim et al. Hybrid lung segmentation in chest CT images for computer-aided diagnosis
WO2018176319A1 (zh) 超声图像的分析方法及装置
JP6415878B2 (ja) 画像処理装置、画像処理方法及び医用画像診断装置
Khordehchi et al. Automatic lung nodule detection based on statistical region merging and support vector machines
Zinoveva et al. A texture-based probabilistic approach for lung nodule segmentation
KR101474162B1 (ko) 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 시스템 및 그 분할 방법
Choudhary et al. An entropy based multi-thresholding method for semi-automatic segmentation of liver tumors
US20050002548A1 (en) Automatic detection of growing nodules
Jamil et al. Adaptive thresholding technique for segmentation and juxtapleural nodules inclusion in lung segments

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20171205

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20191111

Year of fee payment: 6