KR102049319B1 - 전립선암 진단에 관한 정보제공방법 - Google Patents

전립선암 진단에 관한 정보제공방법 Download PDF

Info

Publication number
KR102049319B1
KR102049319B1 KR1020180014783A KR20180014783A KR102049319B1 KR 102049319 B1 KR102049319 B1 KR 102049319B1 KR 1020180014783 A KR1020180014783 A KR 1020180014783A KR 20180014783 A KR20180014783 A KR 20180014783A KR 102049319 B1 KR102049319 B1 KR 102049319B1
Authority
KR
South Korea
Prior art keywords
pixel
value
hounsfield unit
prostate cancer
unit
Prior art date
Application number
KR1020180014783A
Other languages
English (en)
Other versions
KR20180091765A (ko
Inventor
정병하
이광석
Original Assignee
연세대학교 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 연세대학교 산학협력단 filed Critical 연세대학교 산학협력단
Publication of KR20180091765A publication Critical patent/KR20180091765A/ko
Application granted granted Critical
Publication of KR102049319B1 publication Critical patent/KR102049319B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

본 발명은 전립선암에 관한 정보제공방법에 관한 것으로, 경직장초음파 및/또는 장기공명영상을 이용하여 획득된 영상을 이용하여 전립선암을 진단할 수 있을 뿐만 아니라, 전립선암의 악성도와 관련된 정보를 제공할 수 있기 때문에 전립선암 진단과 관련된 다양한 분야에 보조적으로 적용이 가능하며, 정량적인 산출로 인하여 평가 결과에 대한 이해 및 적용이 매우 용이할 것으로 기대된다.

Description

전립선암 진단에 관한 정보제공방법{Method for providing the information for diagnosing of prostate cancer}
본 발명은 전립선암 진단에 관한 정보제공방법에 관한 것이다.
전립선(prostate) 또는 전립샘은 샘조직과 섬유근조직으로 구성된 부속생식샘으로, 정액을 생성, 분비하는 역할을 하고 있다. 전립선액은 정액의 약 1.5~2%를 차지하고 있는데 다량의 구연산염(citrate), 아연(zinc), 전립선 특이항원(prostate specific antigen; PSA) 등으로 구성되어 있다. 이 중 전립선 특이항원은 정액의 액화와 관여되는 것으로 알려져 있고, 최근에는 전립선암(prostate cancer)을 진단하는데도 사용되고 있다. 고령화 사회가 되어가며 지난 20년간 우리나라에서도 전립선암 발생률이 급격하게 증가되고 있는 추세이며, 이에 따라 전립선암에 대한 관심이 증가되고 있다.
전립선암이란, 전립선에 발생하는 모든 암을 의미하며, 대부분은 샘 세포(조직에서 분비물을 가지고 있거나 밖으로 내보내는 세포로 세포질의 항상성을 유지하는 세포를 의미함)에서 발생되고 있으며, 샘 세포에서 발생되는 암을 생암종이라고 합니다. 이외에도 육종, 소세포 암종, 이행세포 암종 등 다양한 종류가 있습니다.
전립선암을 진단하는 방법은 현재 국제적인 임상 가이드라인에 따라 전립선 특이항체를 통해 진단하고 있으며, 조기 진단적인 목적에 따라 국제 권고안에 따라 PSA 수치가 3 이상인 사람에 대해서는 전립선 조직 검사를 권고하고 있습니다. 그러나 PSA 10 미만의 환자에게서 전립선암이 진단될 확률은 20%가 되지 않습니다. 최근 전립선 조직 검사를 받는 환자들의 약 70% 이상이 PSA 10 미만 임을 고려할 때 상당수의 환자들이 불필요한 조직 검사를 받고 있다는 것을 알 수 있습니다. 또한, PSA 수치가 4 미만인 환자 중 전립선암일 경우도 15%에 달하기 때문에 PSA 수치 만으로는 전립선암을 정확히 진단하기에는 어려운 실정이다. 이를 해결하기 위하여 전립선암을 진단하기 위한 다양한 바이오마커들이 활발히 개발되고 있지만(국내등록특허 10-1141190), 실생활에 직접 이용될 수 있는 바이오마커의 수는 매우 한정적일 뿐만 아니라, 검사 가격이 100만원을 호가하기 때문에 환자들이 쉽게 접하기 어려운 실정이다. 이외에 경직장 초음파 검사(trans-rectal ultrasonography; TRUS)를 통하여 진단하는 방법이 있지만, 전립선암의 경우에는 다른 갑상선암, 간암 등과 다르게 음영이 낮아지지 않는 경우도 다수이고, 암이 아니라 염증 등의 다른 원인에 의해서도 음영이 낮아지기 때문에 진단 정확성이 43.0 정도 밖에 되지 않기 때문에 경직장 초음파 검사 만으로는 전립선암을 진단하기에는 한계가 있다.
이에 본 발명자들은 자기공명영상(MRI)을 통하여 전립선암을 용이하게 진단하기 위하여, 객관적이고 정확성을 증가시킬 수 있는 진단용 알고리즘을 개발하고자 노력하였다.
본 발명은 상기와 같은 종래 기술상의 문제점을 해결하기 위해 안출된 것으로, 경직장초음파 영상 및/또는 장기공명영상을 이용하여 전립선암에 관한 정보를 제공하는 방법 및 이를 이용한 진단 장치를 제공하는 것을 그 목적으로 한다.
그러나 본 발명이 이루고자 하는 기술적 과제는 이상에서 언급한 과제에 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 당업계에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
이하, 본원에 기재된 다양한 구체예가 도면을 참조로 기재된다. 하기 설명에서, 본 발명의 완전한 이해를 위해서, 다양한 특이적 상세사항, 예컨대, 특이적 형태, 조성물, 및 공정 등이 기재되어 있다. 그러나, 특정의 구체예는 이들 특이적 상세 사항 중 하나 이상 없이, 또는 다른 공지된 방법 및 형태와 함께 실행될 수 있다. 다른 예에서, 공지된 공정 및 제조 기술은 본 발명을 불필요하게 모호하게 하지 않게 하기 위해서, 특정의 상세사항으로 기재되지 않는다. "한 가지 구체예" 또는 "구체예"에 대한 본 명세서 전체를 통한 참조는 구체예와 결부되어 기재된 특별한 특징, 형태, 조성 또는 특성이 본 발명의 하나 이상의 구체예에 포함됨을 의미한다. 따라서, 본 명세서 전체에 걸친 다양한 위치에서 표현된 "한 가지 구체예에서" 또는 "구체예"의 상황은 반드시 본 발명의 동일한 구체예를 나타내지는 않는다. 추가로, 특별한 특징, 형태, 조성, 또는 특성은 하나 이상의 구체예에서 어떠한 적합한 방법으로 조합될 수 있다.
명세서에서 특별한 정의가 없으면 본 명세서에 사용된 모든 과학적 및 기술적인 용어는 본 발명이 속하는 기술분야에서 당업자에 의하여 통상적으로 이해되는 것과 동일한 의미를 가진다.
본 명세서에 있어서, "전립선암(prostate cancer)"이란 전립선에서 발생하는 종양을 총칭하며, 바람직하게는 악성 종양을 의미하나, 전립선에서 발생된 종양이라면 이에 제한되지 않는다. 본 명세서 내에는 전립선암, proatate cancer(+) 등으로 표시될 수 있으며, 대조군으로는 전립선암이 아닌 양성암(benign cancer), prostate cancer(-) 등으로 표시될 수 있으나, 당업자에게 있어서 전립선암을 표시하는 기재라면 이에 제한되지 않는다.
본 명세서에 있어서, "병변(lesion)"이란, 병적 작용으로 인해 변화가 일어난 조직, 체액 등을 의미하며, 바람직하게는 내시경, 경직장초음파, 자기공명영상 하에서 다른 일반 조직과 다르게 음영이 다르거나, 명암이 다르거나, 출혈이 관찰되거나, 빛의 투과율이 다르거나, 미세혈관이 집중되어 있거나 하는 등, 일반적인 다른 조직과 차이를 보이는 모든 부위를 의미하며, 바람직하게는 저음영(low shade) 부위이나, 영상에서 차이를 관찰할 수 있다면 이에 제한되지 않는다. 다른 말로는 병소라고도 한다.
본 명세서에 있어서, "진단 장치"란, 내시경, 경직장초음파(TRUS), 자기공명영상(MRI) 등에서 습득한 영상으로부터 질환 진단, 질환 정보 제공이 가능한 장비를 의미하며, 영상을 수치화하여 분석할 수 있는 형태라면 제한이 없다. 바람직하게는 (a) 획득한 전립선 영상을 저장하는 저장부; (b) 상기 영상 중 병변(lesion) 영역의 영상을 선별하는 필터부; (c) 상기 선별된 영상의 적색 평균값(pixel R), 녹색 평균값(pixel G), 청색 평균값(pixel B), 적색 평균값에 대한 청색 평균값의 비율(Ratio R to B), 병변 역역의 픽셀수(pixel count), 하운스필드 유닛의 최소값(pixel minimum Hounsfield unit), 하운스필드 유닛의 최대값(pixel maximum Hounsfield unit), 하운스필드 유닛의 평균값(pixel average Hounsfield unit), 및 하운스필드 유닛의 표준편차(pixel standard deviation Hounsfield unit)를 각각 산출하는 산출부; (d) 상기 산출된 값을 수식에 대입하는 연산부; 및 (e) 상기 연산부의 결과값을 보여주는 표시부로 구성된다면 이에 제한되지 않는다. 상기 선별은 영상을 통해 다른 부위와 다른 특이사항이 인식될 수 있는, 색, 명암, 음영, 미세혈관, 출혈 등으로 인한 차이로 발생하는 부위를 선별하는 것을 의미하며, 영상에서 차이를 확인할 수 있다면 제한이 없다. 바람직하게는 저음영 부위이나, 이에 제한되지 않는다.
본 발명은 (a) 자기공명영상(magnetic resonance imaging; MRI)를 통해 전립선 영상을 획득하는 단계; (b) 상기 획득된 영상에서 병변(lesion) 영역의 영상을 추출하는 단계; (c) 상기 추출된 영상에서 적색 평균값(pixel R), 병변 역역의 픽셀수(pixel count), 하운스필드 유닛의 최소값(pixel minimum Hounsfield unit), 하운스필드 유닛의 최대값(pixel maximum Hounsfield unit), 하운스필드 유닛의 평균값(pixel average Hounsfield unit), 및 하운스필드 유닛의 표준편차(pixel standard deviation Hounsfield unit)를 각각 산출하는 단계; 및 (d) 상기 산출된 값을 수식 "X= K1*pixel R + K2*pixel count + K3* pixel minimum Hounsfield unit + K4*pixel maximum Hounsfield unit + K5*pixel average Hounsfield unit + K6*pixel standard deviation Hounsfield unit + K7"에 적용하는 단계를 포함하는, 전립선암 진단에 관한 정보제공방법을 제공한다. 바람직하게는 상기 X 값은 0 내지 1의 값이며, 상기 K1은 -0.052 내지 0.217의 값이며, 상기 K2는 -0.035 내지 0.003의 값이며, 상기 K3은 -0.086 내지 0.009의 값이며, 상기 K4는 -0.015 내지 -0.003의 값이며, 상기 K5는 -0.006 내지 0.108의 값이며, 상기 K6은 -0.098 내지 0의 값이며, 상기 K7은 -18.219 내지 2.414의 값이나, 이에 제한되지 않는다.
본 발명의 일 구체예에서, 상기 (d) 단계의 수식의 K1은 -0.052 내지 -0.050이며, K2는 0.001 내지 0.003이며, K3은 0.007 내지 0.009이며, K4는 -0.005 내지 -0.003이며, K5는 -0.006 내지 -0.004이며, K6은 0이며, K7은 2.412 내지 2.414인 것을 특징으로 하는 전립선암 진단에 관한 정보제공방법에 있어서, 상기 X값이 -3.1 이상의 값을 가질 때 전립선암으로 진단하는 것을 특징으로 한다.
본 발명의 다른 구체예에서, 상기 방법은 추가로 하기 단계에 의해 글리슨 등급을 진단하는 것을 특징으로 하는 전립선암 진단 방법으로 e) 상기 수식에 의하여 전립선암으로 선별된 환자에 대하여 수식 “X= K1*pixel R + K2*pixel count + K3* pixel minimum Hounsfield unit + K4*pixel maximum Hounsfield unit + K5*pixel average Hounsfield unit + K6*pixel standard deviation Hounsfield unit + K7"에 적용하는 단계로서, 상기 (e) 단계의 수식의 K1은 0.215 내지 0.217이며, K2는 -0.035 내지 -0.033이며, K3은 -0.086 내지 -0.084이며, K4는 -0.015 내지 -0.013이며, K5는 0.106 내지 0.108이며, K6은 -0.098 내지 -0.096이며, K7은 -18.219 내지 -18.217인 것을 특징으로 하는, 전립선암 진단에 관한 정보제공방법에 있어서, 상기 X값이 -1 이상의 값을 가질 때 전립선암의 글리슨 등급(Gleason Score)이 7 내지 10으로 진단하는 것을 특징으로 한다.
또한 본 발명은 (a) 자기공명영상(magnetic resonance imaging; MRI)을 통해 획득한 전립선 영상을 저장하는 저장부; (b) 상기 영상 중 병변(lesion) 영역의 영상을 선별하는 필터부; (c) 상기 선별된 영상의 적색 평균값(pixel R), 병변 역역의 픽셀수(pixel count), 하운스필드 유닛의 최소값(pixel minimum Hounsfield unit), 하운스필드 유닛의 최대값(pixel maximum Hounsfield unit), 하운스필드 유닛의 평균값(pixel average Hounsfield unit), 및 하운스필드 유닛의 표준편차(pixel standard deviation Hounsfield unit)를 각각 산출하는 산출부; 및 (d) 상기 산출된 값을 수식 "X= K1*pixel R + K2*pixel count + K3* pixel minimum Hounsfield unit + K4*pixel maximum Hounsfield unit + K5*pixel average Hounsfield unit + K6*pixel standard deviation Hounsfield unit + K7"에 대입하는 연산부; 및 (e) 상기 연산부의 결과값을 보여주는 표시부로 구성되는 전립선암 진단 장치를 제공한다. 바람직하게는 상기 X 값은 0 내지 1의 값이며, 상기 K1은 -0.052 내지 0.217의 값이며, 상기 K2는 -0.035 내지 0.003의 값이며, 상기 K3은 -0.086 내지 0.009의 값이며, 상기 K4는 -0.015 내지 -0.003의 값이며, 상기 K5는 -0.006 내지 0.108의 값이며, 상기 K6은 -0.098 내지 0의 값이며, 상기 K7은 -18.219 내지 2.414의 값이나, 이에 제한되지 않는다.
본 발명의 일 구체예에서, 상기 (d) 단계의 수식의 K1은 -0.052 내지 -0.050이며, K2는 0.001 내지 0.003이며, K3은 0.007 내지 0.009이며, K4는 -0.005 내지 -0.003이며, K5는 -0.006 내지 -0.004이며, K6은 0이며, K7은 2.412 내지 2.414인 것을 특징으로 하는, 전립선암 진단 장치에 있어서, 상기 X값이 -3.1 이상의 값을 가질 때 전립선암으로 진단하는 것을 특징으로 한다.
본 발명의 다른 구체예에서, 상기 방법은 추가로 하기 단계에 의해 글리슨 등급을 진단하는 것을 특징으로 하는 전립선암 진단 장치로 e) 상기 수식에 의하여 전립선암으로 선별된 환자에 대하여 수식 “X= K1*pixel R + K2*pixel count + K3*pixel minimum Hounsfield unit + K4*pixel maximum Hounsfield unit + K5*pixel average Hounsfield unit + K6*pixel standard deviation Hounsfield unit + K7"에 적용하는 단계로서, 상기 (e) 단계의 수식의 K1은 0.215 내지 0.217이며, K2는 -0.035 내지 -0.033이며, K3은 -0.086 내지 -0.084이며, K4는 -0.015 내지 -0.013이며, K5는 0.106 내지 0.108이며, K6은 -0.098 내지 -0.096이며, K7은 -18.219 내지 -18.217인 것을 특징으로 하는, 전립선암 진단에 관한 정보제공방법에 있어서, 상기 X값이 -1 이상의 값을 가질 때 전립선암의 글리슨 등급(Gleason Score)이 7 내지 10으로 진단하는 것을 특징으로 한다.
본원 발명의 정보제공방법은 단순히 경직장초음파 또는 자기공명영상을 통하여 획득된 영상을 수치화하고 이를 적용한 알고리즘을 이용하여 객관적으로 전립선암에 관한 정보를 제공할 수 있기 때문에, 불필요한 검사를 줄일 수 있을 뿐만 아니라, 영상 획득과 동시에 객관적인 진단 결과를 볼 수 있기 때문에 진단에 소요되는 시간을 단축시킬 수 있다. 또한, 기존의 다른 전립선암 검사와 보조적으로 이용할 경우 진단 정확성을 현저히 향상시킬 수 있기 때문에 평가 결과에 대한 이해 및 적용이 매우 용이할 것으로 기대된다.
도 1은 본 발명의 일 실시예에 따른 자기공명영상(MRI)를 이용하여 획득한 전립선 영상을 나타낸 도면이다.
이하, 실시예를 통하여 본 발명을 더욱 상세히 설명하고자 한다. 이들 실시예는 오로지 본 발명을 보다 구체적으로 설명하기 위한 것으로서, 본 발명의 요지에 따라 본 발명의 범위가 이들 실시예에 의해 제한되지 않는다는 것은 당업계에서 통상의 지식을 가진 자에게 있어서 자명할 것이다.
실시예
실시예 1: 영상 획득 및 알고리즘 확인
2011년도부터 2015년도까지 전립선암으로 의심되는 환자 57명을 대상으로 하여 전립선 특이항원(PSA)의 수치를 측정하고, 자기공명영상(magnetic resonance imaging; MRI; 3.0 Tesla MRI system equipped with phased array coil-6 channel(Intera Achieva 3.0T, Phillips Medical System))을 이용하여 MRI-cognitive-target biopsy(TBx) 72 지역의 T2 이미지(영상)을 획득하였다. 그리고 실험 정확성을 높이기 위하여 동일한 저음영 부위 안에서 3 point의 값을 측정하였으며, 서로 다른 영역의 저음영 부위 3 부위(1 point)를 각각 측정하였다. Picture archiving and communication system(PACS)에 의하여 각각의 영상에서 자동적으로 획득되는 적색(Red; R), 녹색(Green; G), 청색(Blue; B) 값 및 흑백 모드(gray scale)를 통하여 빛의 투과성 정도를 나타내는 하운스필드 유닛(hounsfield unit; HU)을 이용하여 진단 알고리즘을 작성하였다. 진단의 정확성 여부를 확인하기 위하여, 회귀선(Y=X)으로 설명된 부분(SSR)이 총변동(SST) 중에서 어느 정도 차지하는지를 나타내는 값, 즉, 분석 결과 값이 회귀선에 얼마나 가깝게 적합한지를 보여주는 R-square(R') 값을 이용하였으며, R-square 값이 1에 가까울수록 적합하다는 것을 의미한다. 신뢰성을 확인하기 위하여 독립표본 t-검정(independent sample t-test)을 수행하였으며, "p<0.05"이면 유의성이 있는 것으로 분석하였고, 진단 알고리즘 작성을 위해서는 단순 선형 회귀 분석(Simple linear regression analysis) 모형 및 로지스틱 회귀분석을 이용하였으며, 0 ≤ Z ≤ 1로 정의하였고, B 값은 로지스틱 회귀분석에 나오는 B값으로 정의하여 알고리즘을 작성하였다(http://www.cbgstat.com/method_logistic_regression_analysis/logistic_regression_analysis.php). 실시예의 모든 통계분석은 IBM PSS statistics ver. 21(IBM Korea corporation, Seoul, Korea) 및 MedCalc Ver. 11.6(MedCalc Software)을 이용하여 실시하였다. 각각의 진단 알고리즘은 하기와 같으며, 하기 알고리즘에서 “pixel R”은 각각의 영상에서 획득한 1X1 픽셀의 평균 적색값(R)을 의미하며, “pixel G”는 각각의 영상에서 획득한 1X1 픽셀의 평균 녹색값(G)을 의미하며, “pixel B”는 각각의 영상에서 획득한 1X1 픽셀의 평균 청색값(B)을 의미하며, “pixel count”는 하운스필드 유닛 값이 측정된 부위의 총 픽셀 수를 의미하며, “pixel minimum Hounsfield unit”은 하운스필드 유닛 측정 값 중 최소값을 의미하며, “pixel maximum Hounsfield unit”은 하운스필드 유닛 측정 값 중 최대값을 의미하며, “pixel average Hounsfield unit”은 하운스필드 유닛 측정값의 평균값을 의미하며, “pixel standard deviation Hounsfield unit”은 하운스필드 유닛값의 평균값에 대한 표준편차를 의미한다. 또한, “Delta R to B”는 평균 적색값(R)에서 평균 청색값(B)을 뺀 값을 의미하며, “Ratio R to B”는 평균 청색값(B)을 평균 적색값(R)으로 나눈 값을 의미한다. 획득된 각각의 값을 단순 선형 회귀 분석에 적용하여 각각의 진단용 알고리즘을 작성하였다.
(1) MRI를 이용한 양성(benign)암(prostate cancer(-)) 또는 전립선암(prostate cancer(+)) 진단용 알고리즘:
F(pixel R, pixel count, pixel minimum Hounsfield unit, pixel maximum Hounsfield unit, pixel average Hounsfield unit, pixel standard deviation Hounsfield unit)
= -0.051*pixel R + 0.002*pixel count + 0.008*pixel minimum Hounsfield unit - 0.004*pixel maximum Hounsfield unit - 0.005* pixel average Hounsfield unit + 2.413
MRI 영상을 통해 획득한 각각의 값을 대입하였을 때, -3.1 이상의 값을 가질 때는 전립선암으로 진단할 수 있다는 것을 확인하였다(p<0.001).
(2) MRI를 이용한 전립선암의 악성도 진단용 알고리즘:
F(pixel R, pixel count, pixel minimum Hounsfield unit, pixel maximum Hounsfield unit, pixel average Hounsfield unit, pixel standard deviation Hounsfield unit)
= 0.216*pixel R - 0.034*pixel count - 0.085*pixel minimum Hounsfield unit - 0.014*pixel maximum Hounsfield unit + 0.107*pixel average Hounsfield unit - 0.097*pixel standard deviation Hounsfield unit - 18.218
전립선 암 환자의 MRI 영상에서 획득한 각각의 값을 대입하였을 때, -1 이상의 값을 가질 때는 글리슨 등급 7 내지 10으로 진단할 수 있다는 것을 확인하였다(p<0.05).
MRI를 이용한 분석 결과는 표 1에 나타내었다.
　 Total Prostate cancer(-) Prostate cancer(+) p-value
No. of patients (n. %) 52 29 23
No. of cases (n. %) 72 42 30
Age (years) (median, IQR) 65.6(61.1-71.3) 64.9(59.4-69.5) 68.1(63.9-76.6) <0.001
BMI (kg/m2) (median, IQR) 24.7(22.9-28.1) 25.2(22.9-28.7) 24.5(22.9-25.8) 0.008
Diabetes mellitus (n. %) 9(12.5) 4(9.5) 5(16.7) 0.007
number of prostate biopsy history　 (n. %) 0.302
　1 10(13.8) 7(16.7) 3(10.0)
2 31(43.1) 15(35.7) 16(53.3)
≥3 31(43.1) 20(47.6) 11(36.7)
PSA (ng/ml) (median, IQR) 8.43(6.18-13.62) 8.35(6.30-14.2) 9.30(6.14-13.3) 0.666
Prostate volume (cc) (median, IQR) 43.2(35.7-59.1) 50.7(40.9-64.1) 39.5(26.4-44.8) <0.001
PSA density (ng/ml/cc) (median, IQR) 0.21(0.13-0.33) 0.19(0.12-0.28) 0.23(0.19-0.35) <0.001
Average of R value for 3 point of lesion in MRI (median, IQR) 66.5(54.1-78.9) 73.7(53.0-84.0) 64.4(54.3-69.7) <0.001
Average of pixel number for 3 point of lesion in MRI (median, IQR) 183.2(97.5-281.3) 179.5(98.0-273.0) 193.0(97.3-290.0) 0.836
Average of minimum hounsfield unit value for 3 point of lesion in MRI (median, IQR) 372.5(218.0-469.3) 364.2(173.0-469.7) 379.2(304.7-468.0) 0.005
Average of maximum hounsfield unit value for 3 point of lesion in MRI (median, IQR) 674.7(465.9-870.9) 657.9(390.7-878.0) 678.0(535.0-843.0) 0.121
Average of average hounsfield unit value for 3 point of lesion in MRI (median, IQR) 509.7(346.8-662.3) 506.3(322.0-665.7) 534.0(402.6-661.8) 0.002
Average of standard deviation for hounsfield unit value for 3 point of lesion in MRI (median, IQR) 57.6(49.3-74.7) 57.2(47.5-73.9) 61.6(53.9-75.1) 0.011
R value for 1 point of lesion in MRI (median, IQR) 66(54.0-80.0) 73.0(54.0-85.0) 62.0(53.0-69.0) <0.001
Fixel number for 1 point of lesion in MRI (median, IQR) 185.0(96.5-283.0) 180.5(98.0-273.0) 200.0(96.0-284-0) 0.850
Minimum hounsfield unit value for 1 point of lesion in MRI (median, IQR) 239.0(374.5-460.0) 361.0(173.0-454.0) 382.0(295.0-465.0) 0.004
Maximum hounsfield unit value for 1 point of lesion in MRI (median, IQR) 670.5(477.0-855.0) 657.5(403.0-869.0) 693.5(535.0-834.0) 0.068
Average hounsfield unit value for 1 point of lesion in MRI (median, IQR) 508.5(354.5-656.0) 500.0(316.0-656.0) 539.5(411.0-651.0) 0.004
Standard deviation for hounsfield unit value for 1 point of lesion in MRI (median, IQR) 58.0(48.0-73.0) 56.0(46.0-70.0) 59.0(50.0-74.0) 0.011
Pathology
Gleason score 7 미만 (n. %) 20(66.7) 20(66.7)
Gleason score 7-10 (n. %) 10(33.3) 10(33.3)
표 1에 따른 각각의 모든 요인(factor)들에 따른 R-square 값, 신뢰성 여부(95% CI, P value), 콕스비례위험모형(Cox proportional hazard model)을 이용하여 HR을 확인하였다. 그 결과는 하기 표 2 내지 4에 나타내었다. 의학적인 요소들(Clinical factors)만을 고려하였을 때 R square 값은 0.753(95% CI: 0.707-0.798)이고, MRI를 이용하여 획득한 영상 요소들(Image factors)만을 고려하였을 때 R square 값은 0.849(95% CI: 0.812-0.885)이고, 의학적인 요소들과 영상 요소들을 모두 합하여 복합 분석한 경우의 R square 값은 0.883(95% CI: 0.852-0.914)로 복합 분석하는 경우 MRI를 통한 전립선암 진단에 관한 정확성이 증가되는 것을 확인하였다.
　 The factors related with Total : Nagelkerke R Square (0.883)
Univariate Multivariate
　 HR 95% CI p HR 95% CI p
Age* 1.087 1.063 1.112 <0.001 1.132 1.096 1.168 <0.001
BMI* 0.909 0.868 0.953 <0.001
Diabetes mellitus 1.900 1.188 3.038 0.007
number of prostate biopsy history (≥2 vs. 1) 1.800 1.113 2.912 0.017 2.368 1.277 4.394 0.006
PSA* 0.981 0.962 1.001 0.063
Prostate volume* 0.941 0.929 0.953 <0.001 0.939 0.924 0.953 <0.001
PSA density* 15.005 5.440 41.386 <0.001 78.066 17.905 340.372 <0.001
Average of R value for 3 point of lesion in MRI* 0.972 0.962 0.981 <0.001 0.963 0.950 0.976 <0.001
Average of fixel number for 3 point of lesion in MRI* 0.999 0.998 1.000 0.078
Average of minimum hounsfield unit value for 3 point of lesion in MRI* 1.001 1.000 1.002 0.010 1.001 0.999 1.003 0.215
Average of maximum hounsfield unit value for 3 point of lesion in MRI* 1.000 1.000 1.001 0.228
Average of average hounsfield unit value for 3 point of lesion in MRI* 1.001 1.000 1.002 0.017 0.998 0.994 1.003 0.541
Average of standard deviation for hounsfield unit value for 3 point of lesion in MRI* 0.996 0.992 1.000 0.062
R value for 1 point of lesion in MRI* 0.974 0.965 0.984 <0.001 1.000 0.962 1.040 0.984
Fixel number for 1 point of lesion in MRI* 0.999 0.998 1.000 0.079
Minimum hounsfield unit value for 1 point of lesion in MRI* 1.001 1.000 1.002 0.011 1.000 0.993 1.007 0.994
Maximum hounsfield unit value for 1 point of lesion in MRI* 1.000 1.000 1.001 0.246
Average hounsfield unit value for 1 point of lesion in MRI* 1.001 1.000 1.002 0.018 1.000 0.988 1.013 0.987
Standard deviation for hounsfield unit value for 1 point of lesion in MRI* 0.998 0.996 1.001 0.261
　 The factors related with prostate : Nagelkerke R Square (0.753)
Univariate Multivariate
　 HR 95% CI p HR 95% CI p
Age* 1.087 1.063 1.112 <0.001 1.157 1.120 1.195 <0.001
BMI* 0.909 0.868 0.953 <0.001 0.981 0.921 1.045 0.554
Diabetes mellitus 1.900 1.188 3.038 0.007 0.348 0.184 0.658 0.001
number of prostate biopsy history (≥2 vs. 1) 1.800 1.113 2.912 0.017 1.198 0.610 2.354 0.600
PSA* 0.981 0.962 1.001 0.063
Prostate volume* 0.941 0.929 0.953 <0.001 0.935 0.921 0.950 <0.001
PSA density* 15.005 5.440 41.386 <0.001 56.084 12.746 246.765 <0.001
　 The factors related with Image : Nagelkerke R Square (0.849)
Univariate Multivariate
　 HR 95% CI p HR 95% CI p
Average of R value for 3 point of lesion in MRI* 0.972 0.962 0.981 <0.001 0.960 0.948 0.972 <0.001
Average of fixel number for 3 point of lesion in MRI* 0.999 0.998 1.000 0.078
Average of minimum hounsfield unit value for 3 point of lesion in MRI* 1.001 1.000 1.002 0.010 1.003 1.002 1.004 <0.001
Average of maximum hounsfield unit value for 3 point of lesion in MRI* 1.000 1.000 1.001 0.228
Average of average hounsfield unit value for 3 point of lesion in MRI* 1.001 1.000 1.002 0.017 0.999 0.995 1.002 0.444
Average of standard deviation for hounsfield unit value for 3 point of lesion in MRI* 0.996 0.992 1.000 0.062
R value for 1 point of lesion in MRI* 0.974 0.965 0.984 <0.001 1.000 0.970 1.032 0.976
Fixel number for 1 point of lesion in MRI* 0.999 0.998 1.000 0.079
Minimum hounsfield unit value for 1 point of lesion in MRI* 1.001 1.000 1.002 0.011 1.000 0.992 1.008 0.986
Maximum hounsfield unit value for 1 point of lesion in MRI* 1.000 1.000 1.001 0.246
Average hounsfield unit value for 1 point of lesion in MRI* 1.001 1.000 1.002 0.018 1.000 0.990 1.010 0.984
Standard deviation for hounsfield unit value for 1 point of lesion in MRI* 0.998 0.996 1.001 0.261
글리슨 등급에 따른 MRI 결과는 표 5에 나타내었다. MRI를 이용하여 전립선암의 악성도를 감별한 분석 결과에 대하여 각각의 모든 요인(factor)들에 따른 R-square 값, 신뢰성 여부(95% CI, P value), 콕스비례위험모형(Cox proportional hazard model)을 이용하여 HR을 확인하였다. 그 결과는 하기 표 6 내지 9에 나타내었다. 글리슨 등급에 따라 전립선암의 악성도를 분석한 결과, 의학적인 요소들만을 대상으로한 R square 값은 0.684이고, 영상 요소들만을 대상으로 하였을 때의 R square 값은 0.842이며, 의학적인 요소들과 영상 요소들을 복합적으로 분석한 경우의 R square 값은 0.874인 것을 확인하였다. 상기 결과를 통하여, MRI을 이용한 영상 분석 결과를 복합적으로 이용할 경우 전립선암의 악성도 측정에 대한 정확성이 현저히 증가되는 것을 확인할 수 있었으며, 본원 발명의 "(2) MRI를 이용한 전립선암의 악성도 진단용 알고리즘"을 이용하여 전립선암의 악성도를 진단할 수 있다는 것을 확인할 수 있었다.
　 ≤ GS 6 GS 7-10 p-value
No. of cases 7 (30.4) 16 (69.6)
Age (years) 65.7 (60.1-66.2) 71.8 (62.6-79.2) <0.001
Previous prostate biopsy history (yes) 6 (85.7) 14 (87.5) 0.286
PSA (ng/ml) 6.42 (4.99-9.28) 9.53 (8.16-13.79) <0.001
Prostate volume (cc) 32.0 (25.5-42.9) 33.8 (25.1-43.2) <0.001
PSA density (ng/ml/cc) 0.22 (0.18-0.32) 0.31 (0.20-0.41) <0.001
PSA velocity (ng/ml/yr) 0.52 (-0.47-1.13) 0.74 (0.09-3.09) 0.024
Pixel R 56.0 (54.7-60.3) 66.0 (54.0-77.0) 0.700
Pixel number 290.0 (159.3-538.3) 201.3 (97.3-297.0) 0.598
Minimum HU 371.7 (304.7-387.3) 457.0 (290.7-497.3) <0.001
Maximum HU 707.0 (583.3-811.0) 752.7 (532.3 (864.7) 0.020
Average HU 524.5 (425.5-599.1) 632.2 (402.6-664.5) <0.001
SD of HU 52.2 (53.0-90.2) 64.3 (54.9-81.5) <0.001
Clinical stage <0.001
T2 7 (100.0) 10 (63.8)
T3 0 (0.0) 6 (36.2)
　 The factors related with Total : Nagelkerke R Square (0.952)
Univariate Multivariate
　 HR 95% CI p HR 95% CI p
Age* 1.110 1.067 1.155 <0.001 12.432 2.678 57.707 0.001
BMI* 1.271 1.131 1.428 <0.001
Diabetes mellitus 2.133 1.077 4.227 0.030 0.000 0.000 0.000 0.002
number of prostate biopsy history (≥2 vs. 1) 0.706 0.299 1.665 0.426
PSA* 1.212 1.146 1.281 <0.001 6.145 2.059 18.334 0.001
Prostate volume* 1.026 1.002 1.051 0.035
PSA density* 99.678 19.118 519.705 <0.001 　 　 　 　
Average of R value for 3 point of lesion in MRI* 1.100 1.067 1.134 <0.001 　 　 　 　
Average of fixel number for 3 point of lesion in MRI* 0.997 0.994 0.999 0.012 　 　 　 　
Average of minimum hounsfield unit value for 3 point of lesion in MRI* 1.003 1.001 1.006 0.006 　 　 　 　
Average of maximum hounsfield unit value for 3 point of lesion in MRI* 1.002 1.000 1.004 0.018 　 　 　 　
Average of average hounsfield unit value for 3 point of lesion in MRI* 1.004 1.002 1.006 0.001 　 　 　 　
Average of standard deviation for hounsfield unit value for 3 point of lesion in MRI* 1.047 1.027 1.067 <0.001 　 　 　 　
R value for 1 point of lesion in MRI* 1.084 1.054 1.114 <0.001 2.296 1.349 3.910 0.002
Fixel number for 1 point of lesion in MRI* 0.997 0.995 0.999 0.014
Minimum hounsfield unit value for 1 point of lesion in MRI* 1.003 1.001 1.005 0.007
Maximum hounsfield unit value for 1 point of lesion in MRI* 1.002 1.000 1.003 0.033
Average hounsfield unit value for 1 point of lesion in MRI* 1.003 1.001 1.005 0.001
Standard deviation for hounsfield unit value for 1 point of lesion in MRI* 1.031 1.015 1.047 <0.001 0.851 0.767 0.944 0.002
　 The factors related with prostate : Nagelkerke R Square (0.726)
Univariate Multivariate
　 HR 95% CI p HR 95% CI p
Age* 1.110 1.067 1.155 <0.001 1.563 1.281 1.907 <0.001
BMI* 1.271 1.131 1.428 <0.001 1.338 1.132 1.581 0.001
Diabetes mellitus 2.133 1.077 4.227 0.030 0.025 0.003
number of prostate biopsy history (≥2 vs. 1) 0.706 0.299 1.665 0.426 0.228 0.001
PSA* 1.212 1.146 1.281 <0.001 1.688 1.399 2.035 <0.001
Prostate volume* 1.026 1.002 1.051 0.035 0.951 0.904 1.000 0.049
PSA density* 99.678 19.118 519.705 <0.001
　 The factors related with Image : Nagelkerke R Square (0.524)
Univariate Multivariate
　 HR 95% CI p HR 95% CI p
R value for 1 point of lesion in MRI* 1.084 1.054 1.114 <0.001 1.139 1.094 1.086 <0.001
Fixel number for 1 point of lesion in MRI* 0.997 0.995 0.999 0.014 0.986 0.981 0.991 <0.001
Minimum hounsfield unit value for 1 point of lesion in MRI* 1.003 1.001 1.005 0.007 0.985 0.974 0.997 0.012
Maximum hounsfield unit value for 1 point of lesion in MRI* 1.002 1.000 1.003 0.033
Average hounsfield unit value for 1 point of lesion in MRI* 1.003 1.001 1.005 0.001 1.017 1.006 1.028 0.002
Standard deviation for hounsfield unit value for 1 point of lesion in MRI* 1.031 1.015 1.047 <0.001 　 　 　 　
Parameter AUC 95% CI
Prostate cancer detection
Clinical parameter 0.753 0.707-0.798
Image parameter 0.849 0.812-0.885
Combination of clinical and image parameter 0.883 0.852-0.914
High grade disease
Clinical parameter 0.684 0.633-0.734
Image parameter 0.842 0.807-0.877
Combination of clinical and image parameter 0.874 0.840-0.908
이상으로 본 발명의 특정한 부분을 상세히 기술하였는바, 당업계의 통상의 지식을 가진 자에게 있어서 이러한 구체적인 기술은 단지 바람직한 구현 예일 뿐이며, 이에 본 발명의 범위가 제한되는 것이 아닌 점은 명백하다. 따라서 본 발명의 실질적인 범위는 첨부된 청구항과 그의 등가물에 의하여 정의된다고 할 것이다.

Claims (6)

  1. (a) 자기공명영상(magnetic resonance imaging; MRI)를 통해 전립선 영상을 획득하는 단계;
    (b) 상기 획득된 영상에서 병변(lesion) 영역의 영상을 추출하는 단계;
    (c) 상기 추출된 영상에서 적색 평균값(pixel R), 병변 역역의 픽셀수(pixel count), 하운스필드 유닛의 최소값(pixel minimum Hounsfield unit), 하운스필드 유닛의 최대값(pixel maximum Hounsfield unit), 하운스필드 유닛의 평균값(pixel average Hounsfield unit), 및 하운스필드 유닛의 표준편차(pixel standard deviation Hounsfield unit)를 각각 산출하는 단계; 및
    (d) 상기 산출된 값을 수식 "X= K1*pixel R + K2*pixel count + K3* pixel minimum Hounsfield unit + K4*pixel maximum Hounsfield unit + K5*pixel average Hounsfield unit + K6*pixel standard deviation Hounsfield unit + K7"에 적용하는 단계를 포함하는, 전립선암 진단에 관한 정보제공방법에 있어서,
    상기 K1은 -0.052 내지 -0.050이며, K2는 0.001 내지 0.003이며, K3은 0.007 내지 0.009이며, K4는 -0.005 내지 -0.003이며, K5는 -0.006 내지 -0.004이며, K6은 0이며, K7은 2.412 내지 2.414의 값이며, 상기 X값이 -3.1 이상의 값을 가질 때 전립선암으로 진단하는, 전립선암 진단에 관한 정보제공방법.
  2. 삭제
  3. 제 1 항에 있어서,
    상기 정보제공방법은 추가로 하기 단계를 포함하는, 전립선암 진단에 관한 정보제공방법:
    (e) 상기 수식에 의하여 전립선암으로 선별된 환자에 대하여 수식 “X= K1*pixel R + K2*pixel count + K3* pixel minimum Hounsfield unit + K4*pixel maximum Hounsfield unit + K5*pixel average Hounsfield unit + K6*pixel standard deviation Hounsfield unit + K7"에 적용하는 단계로서,
    상기 (e) 단계의 수식의 K1은 0.215 내지 0.217이며, K2는 -0.035 내지 -0.033이며, K3은 -0.086 내지 -0.084이며, K4는 -0.015 내지 -0.013이며, K5는 0.106 내지 0.108이며, K6은 -0.098 내지 -0.096이며, K7은 -18.219 내지 -18.217인 것을 특징으로 하는, 전립선암 진단에 관한 정보제공방법에 있어서,
    상기 X값이 -1 이상의 값을 가질 때 전립선암의 글리슨 등급(Gleason Score)이 7 내지 10으로 진단하는 것을 특징으로 하는, 전립선암 진단에 관한 정보제공방법.
  4. (a) 자기공명영상(magnetic resonance imaging; MRI)을 통해 획득한 전립선 영상을 저장하는 저장부;
    (b) 상기 영상 중 병변(lesion) 영역의 영상을 선별하는 필터부;
    (c) 상기 선별된 영상의 적색 평균값(pixel R), 병변 역역의 픽셀수(pixel count), 하운스필드 유닛의 최소값(pixel minimum Hounsfield unit), 하운스필드 유닛의 최대값(pixel maximum Hounsfield unit), 하운스필드 유닛의 평균값(pixel average Hounsfield unit), 및 하운스필드 유닛의 표준편차(pixel standard deviation Hounsfield unit)를 각각 산출하는 산출부; 및
    (d) 상기 산출된 값을 수식 "X= K1*pixel R + K2*pixel count + K3* pixel minimum Hounsfield unit + K4*pixel maximum Hounsfield unit + K5*pixel average Hounsfield unit + K6*pixel standard deviation Hounsfield unit + K7"에 대입하는 연산부; 및
    (e) 상기 연산부의 결과값을 보여주는 표시부로 구성되는 전립선암 진단 장치에 있어서,
    상기 X 값은 0 내지 1의 값이며, 상기 K1은 -0.052 내지 0.217의 값이며, 상기 K2는 -0.035 내지 0.003의 값이며, 상기 K3은 -0.086 내지 0.009의 값이며, 상기 K4는 -0.015 내지 -0.003의 값이며, 상기 K5는 -0.006 내지 0.108의 값이며, 상기 K6은 -0.098 내지 0의 값이며, 상기 K7은 -18.219 내지 2.414의 값인, 전립선암 진단 장치.
  5. 제 4 항에 있어서,
    상기 (d) 단계의 수식의 K1은 -0.052 내지 -0.050이며, K2는 0.001 내지 0.003이며, K3은 0.007 내지 0.009이며, K4는 -0.005 내지 -0.003이며, K5는 -0.006 내지 -0.004이며, K6은 0이며, K7은 2.412 내지 2.414인 것을 특징으로 하는, 전립선암 진단 장치에 있어서,
    상기 X값이 -3.1 이상의 값을 가질 때 전립선암으로 진단하는 것을 특징으로 하는, 전립선암 진단 장치.
  6. 제 4 항에 있어서,
    상기 진단 장치는 추가로 하기 단계에 의해 글리슨 등급을 진단하는 것을 특징으로 하는 전립선암 진단 장치:
    e) 상기 수식에 의하여 전립선암으로 선별된 환자에 대하여 수식 “X= K1*pixel R + K2*pixel count + K3* pixel minimum Hounsfield unit + K4*pixel maximum Hounsfield unit + K5*pixel average Hounsfield unit + K6*pixel standard deviation Hounsfield unit + K7"에 적용하는 단계로서,
    상기 (e) 단계의 수식의 K1은 0.215 내지 0.217이며, K2는 -0.035 내지 -0.033이며, K3은 -0.086 내지 -0.084이며, K4는 -0.015 내지 -0.013이며, K5는 0.106 내지 0.108이며, K6은 -0.098 내지 -0.096이며, K7은 -18.219 내지 -18.217인 것을 특징으로 하는, 전립선암 진단에 관한 정보제공방법에 있어서,
    상기 X값이 -1 이상의 값을 가질 때 전립선암의 글리슨 등급(Gleason Score)이 7 내지 10으로 진단하는 것을 특징으로 하는, 전립선암 진단 장치.
KR1020180014783A 2017-02-07 2018-02-06 전립선암 진단에 관한 정보제공방법 KR102049319B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20170016789 2017-02-07
KR1020170016789 2017-02-07

Publications (2)

Publication Number Publication Date
KR20180091765A KR20180091765A (ko) 2018-08-16
KR102049319B1 true KR102049319B1 (ko) 2019-11-27

Family

ID=63443410

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180014783A KR102049319B1 (ko) 2017-02-07 2018-02-06 전립선암 진단에 관한 정보제공방법

Country Status (1)

Country Link
KR (1) KR102049319B1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013517845A (ja) 2010-01-22 2013-05-20 ザ リサーチ ファウンデーション オブ ザ ステート ユニバーシティ オブ ニューヨーク 前立腺の視覚化およびがん検出のためのシステムおよび方法
KR101331225B1 (ko) 2012-05-17 2013-11-19 동국대학교 산학협력단 악성 흑색종 판별 장치 및 방법

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101015369B1 (ko) * 2007-07-23 2011-02-22 고려대학교 산학협력단 영상분석을 이용한 악성흑색종 진단 시스템
KR100933569B1 (ko) * 2008-04-21 2009-12-29 서울여자대학교 산학협력단 조직병리영상 및 자기공명영상을 이용한 전립선암 진단방법 및 장치
KR20100071595A (ko) * 2008-12-19 2010-06-29 임창우 뇌 단층촬영 영상의 병변부위 자동 검출방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013517845A (ja) 2010-01-22 2013-05-20 ザ リサーチ ファウンデーション オブ ザ ステート ユニバーシティ オブ ニューヨーク 前立腺の視覚化およびがん検出のためのシステムおよび方法
KR101331225B1 (ko) 2012-05-17 2013-11-19 동국대학교 산학협력단 악성 흑색종 판별 장치 및 방법

Also Published As

Publication number Publication date
KR20180091765A (ko) 2018-08-16

Similar Documents

Publication Publication Date Title
Cho et al. Evaluation of breast cancer using intravoxel incoherent motion (IVIM) histogram analysis: comparison with malignant status, histological subtype, and molecular prognostic factors
Baltzer et al. Combined reading of contrast enhanced and diffusion weighted magnetic resonance imaging by using a simple sum score
Iglesias-Garcia et al. Quantitative elastography associated with endoscopic ultrasound for the diagnosis of chronic pancreatitis
Shen et al. Quantitative parameters of CT texture analysis as potential markers for early prediction of spontaneous intracranial hemorrhage enlargement
Foltz et al. Changes in apparent diffusion coefficient and T2 relaxation during radiotherapy for prostate cancer
Luo et al. Apparent diffusion coefficient ratio between axillary lymph node with primary tumor to detect nodal metastasis in breast cancer patients
Renz et al. The contralateral synchronous breast carcinoma: a comparison of histology, localization, and magnetic resonance imaging characteristics with the primary index cancer
Fleury et al. Appearence of breast masses on sonoelastography with special focus on the diagnosis of fibroadenomas
Verkooijen et al. Interobserver variability between general and expert pathologists during the histopathological assessment of large-core needle and open biopsies of non-palpable breast lesions
Vogl et al. Assessment of salivary gland tumors using MRI and CT: impact of experience on diagnostic accuracy
Waseda et al. Utility of computed diffusion‐weighted MRI for predicting aggressiveness of prostate cancer
KR102027772B1 (ko) 전립선암 진단에 관한 정보제공방법
Bruzoni et al. Pancreatic incidentalomas: clinical and pathologic spectrum
Spampinato et al. Correlation between cerebral blood volume measurements by perfusion-weighted magnetic resonance imaging and two-year progression-free survival in gliomas
Baeßler et al. Re-evaluation of a novel approach for quantitative myocardial oedema detection by analysing tissue inhomogeneity in acute myocarditis using T2-mapping
Tavakoli et al. Measured multipoint ultra-high b-value diffusion MRI in the assessment of MRI-detected prostate lesions
Karaman et al. In vivo assessment of Lauren classification for gastric adenocarcinoma using diffusion MRI with a fractional order calculus model
Qin et al. Application of CT perfusion imaging to the histological differentiation of adrenal gland tumors
KR102049319B1 (ko) 전립선암 진단에 관한 정보제공방법
Park et al. Dynamic contrast-enhanced magnetic resonance imaging for risk stratification in patients with prostate cancer
Feng et al. Distinguishing parotid polymorphic adenoma and warthin tumor based on the CT radiomics nomogram: a multicenter study
Sim et al. Radiomics Analysis of Magnetic Resonance Proton Density Fat Fraction for the diagnosis of hepatic steatosis in patients with suspected non-alcoholic fatty liver disease
Ikenoyama et al. Effect of adding acetic acid when performing magnifying endoscopy with narrow band imaging for diagnosis of Barrett’s esophageal adenocarcinoma
Piñeiro et al. P04. 20 Hyperspectral imaging for brain tumour identification and boundaries delineation in real-time during neurosurgical operations
Romańczyk et al. The role of endoscopic and demographic features in the diagnosis of gastric precancerous conditions

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant