KR20110039897A - 디지털 유방 ｘ-선 영상에서 미세석회화 군집 검출 방법 - Google Patents

디지털 유방 ｘ-선 영상에서 미세석회화 군집 검출 방법 Download PDF

Info

Publication number
KR20110039897A
KR20110039897A KR1020090096935A KR20090096935A KR20110039897A KR 20110039897 A KR20110039897 A KR 20110039897A KR 1020090096935 A KR1020090096935 A KR 1020090096935A KR 20090096935 A KR20090096935 A KR 20090096935A KR 20110039897 A KR20110039897 A KR 20110039897A
Authority
KR
South Korea
Prior art keywords
microcalcification
region
breast
candidate
image
Prior art date
Application number
KR1020090096935A
Other languages
English (en)
Other versions
KR101078756B1 (ko
Inventor
김종효
김창원
김영우
이화정
Original Assignee
서울대학교산학협력단
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 서울대학교산학협력단 filed Critical 서울대학교산학협력단
Priority to KR1020090096935A priority Critical patent/KR101078756B1/ko
Publication of KR20110039897A publication Critical patent/KR20110039897A/ko
Application granted granted Critical
Publication of KR101078756B1 publication Critical patent/KR101078756B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/50—Clinical applications
    • A61B6/502—Clinical applications involving diagnosis of breast, i.e. mammography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images

Abstract

X-선 영상에서 흉근 영역을 제거하여 처리의 대상이 되는 유방 역역만 검출해내는 단계(S1); 상기 검출된 유방 영역을 전처리하는 단계(S2); 상기 전처리된 유방 영역에서 미세석회화 군집의 후보군을 검출하는 단계(S3); 및 상기 미세석회화 군집의 후보군에서 미세석회화를 검출하는 단계(S4);를 포함하여 구성되는 디지털 유방 X-선 영상에서 미세석회화 군집 검출 방법을 제공한다.
본 발명에 의하면 유방암 미세석회화 증례의 부분 영상으로부터 다양한 미세석회화의 신호 표본을 채취하여 수학적으로 모형화하고 이를 효과적으로 검출할 수 있는 최적 필터 파라미터를 조사하여 악성에 대한 위험도를 가진 미세석회화를 검출하는 객관적이고 정량적인 방법의 제공이 가능하다.
미세석회화, 헤시안 필터, 가우시안스무딩, LoG

Description

디지털 유방 Ｘ-선 영상에서 미세석회화 군집 검출 방법{Method for Detection of Clustered Microcalcifications on Digital Mammogram}
본 발명은 유방암의 조기 발견을 가능하게 하는 디지털 X-Ray 분석 방법에 관한 것으로, 더욱 상세히는, 유방암의 조기발견에 있어서 중요한 소견 중 하나인 군집화된 미세석회화를 유방 촬영 영상으로부터 분석하고 검출하는 것을 가능하게 하는 디지털 유방 X-선 영상에서 미세석회화 군집 검출 방법에 관한 것이다.
유방촬영에서 유방암의 소견은 종괴 자체로 보이는 일차적 증후로 ⅰ) 경계가 불규칙한 종괴(irregular mass, speculated border), 이차적 징후로는 ⅱ) 유방상의 비대칭 (asymmetric density) ⅲ) 유방음영의 구조적 왜곡(architectural distortion) ⅳ) 미세석회화(microcalcification) ⅴ) 유방피부의 비후(skin thickening) ⅵ) 유관의 비대칭적 돌출(asymmetric prominent duct) ⅶ) 혈관의 비대칭(asymmetric vessel) ⅷ) 액화임파절의 비대(adenopathy) 등이 있다.
위와 같은 소견 중 특히 미세석회화는 가장 중요한 소견으로서 2mm 이하 크기(보통 0.1 ~ 0.5mm)의 작고 점상(punctuate)이나 막대모양(rod shape)의 거칠은 석회화 침착이 군집(보통 5개/cm2 이상)을 이루고 있을 경우 유방암을 의심할 수 있어 촉지 할 수 없는 크기(nonpalpable, occult)의 조기 유방암을 진단할 수 있는 수단이 되고 있다.
이러한 석회화 현상은 유방암의 30~50%에서 나타나며 석회화 현상의 1/3이 유방암으로 보고되고 있다. 특히 초음파에서 종괴가 보이지 않으면서 유방 촬영술상에서 미세석회화를 보이는 경우 0기 암으로 발견되는 경우가 흔하므로 이때에는 조기 발견을 통해 완치를 기대할 수 있으며 또 미세 석회화가 한군데 국한된 경우에는 유방을 전 절제하지 않고 보존하는 방법을 선택할 수도 있다.
이렇듯 조기 발견은 치료에 의한 암 극복효과가 높아, 유방암으로 인한 사망의 위험을 감소시키고 후유증을 줄이기 위해 중요한 역할을 하지만 유방암의 15~20%는 종괴가 있더라도 유방 촬영술에서 관찰되지 않기도 한다.
이때 병소의 발견을 놓치는 큰 이유는 유방촬영술상 매우 미세한 변화만 있기 때문이다. 관찰자의 정신이 산만하거나, 피로로 인하여 미세 병변을 간과하게 되는 것이 중요한 원인이 될 수 있다. 컴퓨터지원진단(CAD) 영역은 디지털 기술의 흥미로운 적용이며 연장인데, 컴퓨터는 사람처럼 지치거나 정신이 산만하지 않고 모든 영상을 읽을 수 있다. CAD는 방사선과 의사가 제2의 의견으로 사용하는 방사선학적 정보의 체계적인 분석이므로 방사선과 의사가 소견에 대한 중요성을 결정하는데 적절한 추천을 하게 된다.
즉 CAD는 놓칠 수 있는 가능성이 있는 병변의 발견을 가능하게 하여 유방 촬 영술의 민감도를 높이고 위양성 판독을 줄임으로써 특이도를 높여 궁극적으로는 위양성 진단으로 인한 유방조직검사를 줄일 수 있다. 유방촬영술에서 CAD의 중요한 두 가지 영역은 발견과 분류인데 주로 미세석회화와 종괴에 중점을 두어 연구되고 있다.
그러나 CAD에서는 필수적으로 분류체계가 발견체계보다 큰 공간 분해능이 요구되며 석회화의 분석에는 종괴의 발견보다 더 정교한 디지털화 작업을 필요로 한다는 문제점이 있다.
본 발명은 상기한 문제점을 해결하고자 안출된 것으로 컴퓨터를 이용하여 전처리 과정으로 가우시안스무팅 필터, LoG필터 등을 이용하고, 전처리된 영상으로 미세석회화 후보군을 검출함으로써 객관적이고 정량적으로 유방암을 진단하는 방법을 제공하여 유방암을 조기에 발견할 수 있도록 하는 것을 목적으로 한다.
X-선 영상에서 흉근 영역을 제거하여 처리의 대상이 되는 유방 역역만 검출해내는 단계(S1); 상기 검출된 유방 영역을 전처리하는 단계(S2); 상기 전처리된 유방 영역에서 미세석회화 군집의 후보군을 검출하는 단계(S3); 및 상기 미세석회화 군집의 후보군에서 미세석회화를 검출하는 단계(S4);를 포함하여 구성되는 디지털 유방 X-선 영상에서 미세석회화 군집 검출 방법을 제공한다.
또한, 상기 S2 단계의 전처리는,
가우시안 평탄화(Gaussian smoothing) 필터와 LoG(Laplacian of Gaussian) 필터 과정에 의하는 것을 특징으로 한다.
또한, 상기 S3 단계의 후보군 검출은,
전처리 과정을 거친 유방 X-선 영상의 유방 영역에서 픽셀의 LoG값이 임계값(Threshold) 이하이며 픽셀의 헤시안 필터의 유값1(Eigen value 1, λ1), 고유값2(Eigen value 2, λ2)가 모두 음수인 조건으로 미세석회화 후보점을 검출하는 것을 특징으로 한다.
또한, 상기 임계값(Threshold)은,
유방영상을 여러 개의 지역별로 나눈 다음, 각 지역별로 국소최저 형태를 가지는 화소들의 LoG 신호값에 대한 히스토그램에 대해 1 percentile, 5 percentile, mode, 평균, 표준편차 등을 포함하는 분포지수들을 구하고, 여러 지역에서 상기 분포지수들의 통계적인 특징을 이용하여 각 환자의 정상 유방조직이 가지는 LoG 국소최저의 한계를 구하여, 이 한계값에 일정 배수를 곱하여 구하는 것을 특징으로 한다.
또한, 상기 S4 단계의 미세석회화의 검출은,
상기 S3 단계에서 선정된 미세석회화 후보 지점에서의 헤시안(Hessian) 행렬을 고유값 분해(Eigen Value Decomposition)하는 단계(S41); 상기 고유값 분해에 의해 산정된 고유값1(Eigen value 1, λ1), 고유값2(Eigen value 2, λ2) 값이 모두 음수인 지점을 선정하는 단계(S42); 상기 λ1, λ2 값이 모두 음수인 지점을 시점으로 영역 성장(Region growing)을 시행하는 단계(S43); 상기 영역 성장된 결과에 대해 PCA(principal component analysis)를 실시하여 주방향성분의 길이가 50화소 이상의 경우 유선(Duct) 성분으로 간주하여 미세석회화 후보에서 제외하는 단계(S44); 및 상기 S44 단계까지 거친 후보점에 대해 라벨링을 실시하고, 라벨링된 후보점 간의 거리를 계산하여 1cm2 이내에 모여 있는 후보점들을 군집화하여, 1cm2 이내에 3개 이상의 미세석회화 후보점을 포함하는 경우를 군집화된 미세석회화로 간주하는 단계(S45);를 포함하여 구성되는 것을 특징으로 한다.
본 발명은 유방암의 조기 발견을 가능하게 하는 디지털 X-Ray를 분석하여 유방암의 조기발견에 있어서 중요한 소견 중 하나인 군집화된 미세석회화를 유방 촬영 영상으로부터 분석하고 검출하는 것을 가능하게 한다.
또한, 수학식에 근거한 객관적이고 정량적인 방법을 사용하게 되므로 결과치에 있어서 정확도가 매우 높은 장점이 있다.
이하, 첨부된 도면을 참조하면서 본 발명에 따른 바람직한 실시예를 상세히 설명한다. 이에 앞서, 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 해석되어서는 아니 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여, 본 발명의 기술적 사상에 부합되는 의미와 개념으로 해석되어야만 한다.
따라서 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시에 불과할 뿐이고 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서, 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해해야 한다.
도 1은 본 발명의 전체 흐름도이고, 도 2의 (a)는 전체 X-선 영상이며, 도 2의 (b) 내지 (d)는 전체 X-선 영상에서 필요한 유방 영역을 검출하는 모습을 모여 주는 영상이고, 도 3은 2차원 가우시안 그래프의 예시를 보여주는 것이며, 도 4의 (a) 및 (b)는 X-선 영상이고, 도 4의 (c)는 도 4의 (a) 및 (b)의 X-선 영상을 가우시안 스무딩한 결과를 보여주는 것이며, 도 5 (a)는 2차 가우시안 그래프를, (b) 및 (c)는 각각 2차 가우시안 그래프를 1차미분, 2차미분(LoG)한 것을 보여주는 그래프이고, 도 6a는 X-선 영상의 원본 이미지이며, 도 6b는 LoG 필터 후의 영상을 보여주는 것이고, 도 7은 LoG 값을 픽셀값에 따라 히스토그램으로 나타낸 것이며, 도 8a는 유방의 원본 영상이고, 도 8b는 유방 영상에 LoG 임계값(Threshold)을 적용한 후의 영상이며, 도 9a는 유방의 원본 영상이고, 도 9b는 유방 영상에 헤시안(Hessian) 필터를 적용한 후의 고유값2의 이미지이며, 도 9c는 유방 영상에서 미세석회화 후보점을 검출한 결과를 보여주는 영상이고, 도 10은 영역성장에서 사용하는 일예인 Recursive call 색채우기 방식을 보여주는 그림이며, 도 11a 유방 영상을 보여주고, 도 11b는 영역 성장 후의 영상을 보여주며, 도 11c는 유방 영역에서 유선(Duct) 및 스킨선(Skin line)을 제거한 영상이고, 도 12는 유방 영역에서 군집화된 미세석회화로 간주된 부분을 보여주는 영상이다.
도 1에서 보듯이 본 발명은 유방 영역 검출단계(S1), 전처리 단계(S2), 후보군 검출단계(S3), 및 미세석회화 검출단계(S4)를 포함하여 구성된다. 본 발명의 구성 및 작용을 각 단계별로 상세히 설명하면 다음과 같다.
1) 유방영역 검출단계(S1)
본 단계는 영상에서 유방영역을 검출하고 흉근영역을 제거하여 처리의 대상이 되는 영역만을 분할해내는 단계이다.
일반적으로 관심영역의 경계는 관심영역의 내부에 전체적으로 나타나는 색이나 밝기의 통계적인 유사성 혹은 모서리와 같은 국소적인 이미지 특징에 따라서 특징되어 진다. 유방 X-ray 영상의 내용은 해부학적 또는 병리학적 의미를 갖는 작은 영역들의 집합으로 이루어져 있다. X-ray 사진을 통한 유방암 진단은 영상에 나타난 관심영역(Regions of Interest)을 찾아 구분하고 그 관심영역들이 어떠한 진단적 의미를 담고 있는지 판단하는 것이다.
본 단계에서는 도 2의 (b) 내지 (d)에서 보는 바와 같이, 유방 X-선 영상에서 필요한 부분만 검출해내는 단계로, 이러한 영상의 검출은 영상의 픽셀값의 차이를 이용하거나 단순히 필요한 부분을 가시적으로 판단하여 검출해낼 수 있다.
2) 전처리단계(S2)
본 단계는 X-선 영상을 이용하여 미세석회화를 검출해 내기 전에 영상을 처리하는 단계로 가우시안 평탄화 및 LoG 필터링 과정를 포함한다.
- 가우시안 평탄화 필터링(Gaussian smoothing)
가우시안 분포를 영상처리에 적용한 것이 가우시안 스무딩 필터링(Gaussian smoothing filtering)인데, 정규 분포 또는 임의의 확률 분포의 성질을 가지고 생 성된 잡음을 제거하기 위한 목적으로 사용된다. 맘모그램 영상에서는 찾고자 하는 미세석회화 이외의 주변을 잡음으로 간주하고 주변 조직의 명암도를 줄이고 미세석회화의 명암도는 증가시키기 위해 가우시안스무딩을 한다.
연산 원리는 영상을 구성하는 원 화소들의 밝기는 화소가 인접한 경우에 서로 비슷한 값들을 가지기 때문에 주변의 픽셀값(픽셀의 밝기, intensity)을 평균하면 잡음이 없는 경우의 밝기값과 비슷해진다. 중앙에 위치한 화소와 먼 거리에 있는 이웃 화소 값들을 가중치로 감소시켜, 가중한 이웃의 평균값으로 대치하는 원리이다. 또한, 스무딩의 정도인 가우시안 분포 마스크의 폭은 표준편차(σ)가 파라미터로 작동하며, 표준편차(σ) 가 클수록 더 큰 스무딩 효과를 가진다. 2차원 가우시안의 공식은 하기의 수학식 (1)과 같고 가우시안 그래프는 도 3과 같다. 도 4는 영상에 가우시안 스무딩을 한 결과이다.
Figure 112009062436868-PAT00001
(1)
- LoG(Laplacian of Gaussian)
가우시안 스무딩을 적용한 후, Laplacian of Gaussian(LoG)필터를 적용한다. 2차원 함수인 f(x,y)의 라플라시안(Laplacian)은 계산식 (2)와 같이 2차 미분으로 정의된다.
Figure 112009062436868-PAT00002
(2)
2차 미분은 1차 미분을 다시 한번 미분하는 방법으로, 윤곽의 강도만을 검출 하는데 사용된다. 1차 미분 연산자는 에지가 존재하는 영역을 지날 때 더욱 반응하는 부분이 많이 나타난다. 이것은 특히 완만한 경사를 이루는 에지일 경우에 더욱 반응이 두드러진다. 하지만 2차 미분의 가장 큰 단점으로 영점 교차로부터 검출된 윤곽선 점은 매우 민감하다는 점을 들 수 있다. 이것은 에지 검출 전에 잡음을 필터링 할 필요가 있는데 보통 이와 같은 단점을 보완하고자 라플라시안 연산 전에 가우시안(Gaussian)연산을 수행하여 잡음을 제거하는 작업을 수행한다. 이 같은 미분 값을 이용한 경계선 검출의 라플라시안 연산과 가우시안 필터링을 결합한 연산자를 Laplacian of Gaussian(LoG)라고 한다.
도 5의 (c)에서 보듯이, LoG연산의 모양은 멕시칸 모자 형상이다.
가우시안 분포 마스크의 폭이 넓을수록 미세석회화의 크기가 큰 것이 검출되고 마스크의 폭이 좁으면 작은 것이 검출되는 특징이 있다. 그림10.(a) 안의 수식에서 보듯이 σ의 값이 크면 마스크의 범위가 넓어지며 LoG함수의 중심에서 첫 번째 영점 교차가 발생하는 곳은
Figure 112009062436868-PAT00003
가 되는 위치이므로 영점 교차점간의 폭은
Figure 112009062436868-PAT00004
가 된다.
도 6b는 X-선 영상의 원본 이미지에 LoG 연산을 수행 후의 영상이다. 미세석회화의 영역과 배경영역의 명암도 변화가 크기에 에지와 같이 검출이 되는 것을 볼 수 있다.
3) 후보군 검출단계(S3)
본 단계는 LoG(Laplacian of Gaussian)필터 후 얻게 되는 신호값 중 배경부분을 제외한 유방 영역의 히스토그램을 이용하여 LoG가 국소최저인 화소에서의 LoG값이 갖는 지역적 분포를 이용하여 정하는 LoG 임계값과 헤시안 필터의 고유값1(eigen value1, λ1) 및 고유값2(eigen value2, λ2)가 모두 음수인 지점을 조건으로 임계값(Threshold)을 정하여 미세석회화 후보점을 검출하는 단계이다.
LoG(Laplacian of Gaussian) 신호값 중 미세석회화만 선별하기 위해 히스토그램을 이용하여 임계값(Threshold)을 선택한다. 유방영상을 여러 개의 지역별로 나눈 다음, 각 지역별로 국소최저 형태를 가지는 화소들의 LoG 신호값을 히스토그램으로 그리면 도 7과 같이 가우시안 형태를 띤다. 정상 조직만을 포함하는 지역에서의 히스토그램과 미세석회화가 있는 지역에서의 히스토그램은 모양이 다르게 되는데, 이를 구분하기 위해서는 지역별로 히스토그램의 모양을 대변할 수 있는 복수개의 지수들을 1 percentile, 5 percentile, mode, 평균, 표준편차 등을 포함하여 구하고, 여러 지역에서 이들의 분포를 이용하여 각 환자의 정상 유방조직이 가지는 LoG 국소최저의 한계를 구한다. LoG 임계값은 상기와 같이 구한 정상 유방조직의 한계값에 일정 배수를 곱하여 구하며, 이렇게 구한 LoG 임계값은 유방조직이 치밀한 영역과 덜 치밀한 영역에서 다른 값을 가질 수 있다.
도 8a 는 유방의 영상을 보여주고, 도 8b는 유방의 영상에 LoG 임계값을 적용한 결과를 보여주는 것이다.
4) 미세석회화 군집 검출단계(S4)
본 단계는 상기 S3 단계에서 선정된 미세석회화 후보 지점에서의 헤시안(Hessian) 행렬을 고유값 분해(Eigen Value Decomposition)하는 단계(S41); 상기 고유값 분해에 의해 산정된 고유값1(Eigen value 1, λ1), 고유값2(Eigen value 2, λ2) 값이 모두 음수인 지점을 선정하는 단계(S42); 상기 λ1, λ2 값이 모두 음수인 지점을 시점으로 영역 성장(Region growing)을 시행하는 단계(S43); 상기 영역 성장된 결과에 대해 PCA(principal component analysis)를 실시하여 주방향성분의 길이가 50화소 이상의 경우 유선(Duct) 성분으로 간주하여 미세석회화 후보에서 제외하는 단계(S44); 및 상기 S44 단계까지 거친 후보점에 대해 라벨링을 실시하고, 라벨링된 후보점 간의 거리를 계산하여 1cm2 이내에 모여 있는 후보점들을 군집화하여, 1cm2 이내에 3개 이상의 미세석회화 후보점을 포함하는 경우를 군집화된 미세석회화로 간주하는 단계(S45);를 포함하여 구성되는 것을 특징으로 한다.
ⅰ) 헤시안 행렬을 이용한 고유값 분해단계(S41)
본 단계에서의 헤시안 행렬(Hessian Matrix)을 이용한면 이미지 픽셀 값(intensity) 상의 표면 구조를 구별할 수 있다. 이를 통해 [표 1]과 같이 peak, pit, saddle flat 등의 local intensity structure를 알 수 있다.
또한, 헤시안 행렬(H)은 하기의 식 (3)과 같다.
Shape Condition
Peak |▽f(x,y)|=0
λ1 <0, λ2 <0
Pit |▽f(x,y)|=0
λ1 >0, λ2 >0
saddle point |▽f(x,y)|=0
λ1 λ2 < 0
Flat case |▽f(x,y)|=0
λ1 =0, λ2 =0
Figure 112009062436868-PAT00005
(3)
헤시안 행렬을 EVD(eigen value decomposition) 기법을 이용하여 두 개씩의 고유값(eigen value)과 고유벡터(eigen vector)을 구한 후, 구한 고유값 중 가장 큰 크기의 것을 λ1이라 하고, 이 방향에 해당하는 고유벡터를 ω1 이라 하고, 같은 방식으로 다음으로 큰 값을 갖는 것을 λ2 라 하고, 그 방향에 해당하는 고유벡터를 ω2라 정한다. 상기 고유값 λ1,λ2 를 이용하면 상기 [표 1]에서 local intensity structure 를 알 수 있다.
ⅱ) λ1 <0, λ2 <0 인 지점 선택 단계(S42)
본 연구에서는 미세석회화의 후보를 검출하기 위해 peak 형태의 조건 λ1 <0, λ2 <0를 이용한다. 또한, 유선과 구분하기 위해 영역성장(Region Growing)을 할 때, 고유값2(eigen value2)를 임계값(threshold) 조건을 주었고, 고유벡터(eigen vector)를 이용하여 각도를 구한다.
도 9b는 유방 영상에 헤시안(Hessian) 필터를 적용한 후의 고유값2의 이미지를 보여준다.
ⅲ) 다중 시드 영역성장(Region Growing) 단계(S43)
영역성장기법은 화소 간의 유사도를 측정하여 영역을 확장하여 분할하는 방법이다. 우선 하나의 seed 영역을 잡아서 인접 화소의 유사도를 측정하고 seed 영역에 속하는지를 판단한다. LoG 필터에서 검출한 후보군을 Seed point로 잡은 후, 헤시안(Hessian) 필터에서 얻은 특징값인 고유값2(eigen value2)를 임계값(threshold)에 적용하고 고유벡터(eigen vector)를 이용하여 각도(θ)를 구한다. 하기의 식 (4)와 같은 기준으로 다중 시드 영역성장(Multi seeded region growing)을 한다.
Lower Threshold < f(A) < Upper Threshold
θ-30 < seed θ < θ+30 (4)
여기서 f(A)는 헤시안의 고유값2이며 θ는 각도 이다. 이 두 가지 조건에 속하면 같은 영역으로 확장하고, 조건을 만족하지 못하면 확장을 멈추어 영역을 분할한다. 본 영역성장 알고리즘은 색 채우기(Flood Filling)의 기본 원리를 이용하여 4방향 Recursive call 방식을 이용할 수 있다(도 10 참조). 하기의 식 (5)은 각도(θ) 구하는 식을 나타낸다.
θ = atan(vectors[0].y / vectors[0].x)*180/3.14 (5)
도 11b는 다중 시드 영역성장 후의 결과를 보여주는 영상이다.
4) 유선성분 제외 단계(S44)
본 단계는 영역 성장 후의 영상에 남아 있는 유선(Duct) 또는 스킨선(Skin line)을 판별하여 제거하는 단계이다.
영역성장을 한 후, 라벨링을 수행한다. 각 라벨별로 PCA(Principle component analysis)기법을 이용하여 고유벡터의 길이를 찾아 임계값(threshold)이 50 이상이고 라벨 내 헤시안의 고유값1 평균값이 양수인 경우 유선으로 판별하고 제거한다. 스킨선의 경우, 스킨에서 어떤 방향이든 한쪽에 배경이 있으므로, 각 라벨에서 8방향으로 70 화소 거리의 명암값을 검사하여 10 이하인 경우 스킨라인으로 판별하고 제거한다.
도 11c는 상기의 과정에 의해 유선(duct) 및 스킨선(skin line)이 제거된 결과를 보여주는 영상이다.
5) 군집화된 미세석회화 검출단계(S45)
본 단계는 도 12에서 붉은색 표시로 보듯이, 미세석회화 군집을 검출하는 단계이다.
유방 영상의 픽셀들에 대해 라벨링을 한 후, 검출된 미세석회질의 분포를 분석하여 군집화된 미세석회화를 검출한다. 우선 검출된 미세석회화 영역의 중심값을 분석 한 후, 각 미세석회화 영역과의 거리를 계산한다. 1cm2의 영역 안에 3개 이상의 미세석회화가 포함되면 군집화된 미세석화화로 간주한다. 이렇게 검출된 군집화된 영역의 윤곽선만을 추출하여 유방 영상에 도 13과 같이 하얀 원을 이용하여 표현해 준다.
이상과 같이, 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 이것에 의해 한정되지 않으며 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 본 발명의 기술 사상과 아래에 기재될 청구범위의 균등 범위 내에서 다양한 변형 및 수정이 가능함은 물론이다.
도 1은 본 발명의 전체 흐름도이고,
도 2의 (a)는 전체 X-선 영상이며,
도 2의 (b) 내지 (d)는 전체 X-선 영상에서 필요한 유방 영역을 검출하는 모습을 모여주는 영상이고,
도 3은 2차원 가우시안 그래프의 예시를 보여주는 것이며,
도 4의 (a) 및 (b)는 X-선 영상이고,
도 4의 (c)는 도 4의 (a) 및 (b)의 X-선 영상을 가우시안 스무딩한 결과를 보여주는 것이며,
도 5 (a)는 2차 가우시안 그래프를, (b) 및 (c)는 각각 2차 가우시안 그래프를 1차미분, 2차미분(LoG)한 것을 보여주는 그래프이고,
도 6a는 X-선 영상의 원본 이미지이며,
도 6b는 LoG 필터 후의 영상을 보여주는 것이고,
도 7은 LoG 값을 픽셀값에 따라 히스토그램으로 나타낸 것이며,
도 8a는 유방의 원본 영상이고,
도 8b는 유방 영상에 LoG 임계값(Threshold)을 적용한 후의 영상이며,
도 9a는 유방의 원본 영상이고,
도 9b는 유방 영상에 헤시안(Hessian) 필터를 적용한 후의 고유값2의 이미지이며,
도 9c는 유방 영상에서 미세석회화 후보점을 검출한 결과를 보여주는 영상이 고,
도 10은 영역성장에서 사용하는 일예인 Recursive call 색채우기 방식을 보여주는 그림이며,
도 11a 유방 영상을 보여주고,
도 11b는 영역 성장 후의 영상을 보여주며,
도 11c는 유방 영역에서 유선(Duct) 및 스킨선(Skin line)을 제거한 영상이고,
도 12는 유방 영역에서 군집화된 미세석회화로 간주된 부분을 보여주는 영상이다.

Claims (5)

  1. X-선 영상에서 흉근 영역을 제거하여 처리의 대상이 되는 유방 역역만 검출해내는 단계(S1);
    상기 검출된 유방 영역을 전처리하는 단계(S2);
    상기 전처리된 유방 영역에서 미세석회화 군집의 후보군을 검출하는 단계(S3); 및
    상기 미세석회화 군집의 후보군에서 미세석회화를 검출하는 단계(S4);를 포함하여 구성되는 디지털 유방 X-선 영상에서 미세석회화 군집 검출 방법.
  2. 제1항에 있어서, 상기 S2 단계의 전처리는,
    가우시안 평탄화(Gaussian smoothing) 필터와 LoG(Laplacian of Gaussian) 필터 과정에 의하는 것을 특징으로 하는 디지털 유방 X-선 영상에서 미세석회화 군집 검출 방법.
  3. 제1항에 있어서, 상기 S3 단계의 후보군 검출은,
    전처리 과정을 거친 유방 X-선 영상의 유방 영역에서 픽셀의 LoG값이 임계값(Threshold) 이하이며 픽셀의 헤시안 필터의 유값1(Eigen value 1, λ1), 고유값2(Eigen value 2, λ2)가 모두 음수인 조건으로 미세석회화 후보점을 검출하는 것을 특징으로 하는 디지털 유방 X-선 영상에서 미세석회화 군집 검출 방법.
  4. 제3항에 있어서, 상기 임계값(Threshold)은,
    유방영상을 여러 개의 지역별로 나눈 다음, 각 지역별로 국소최저 형태를 가지는 화소들의 LoG 신호값에 대한 히스토그램에 대해 1 percentile, 5 percentile, mode, 평균, 표준편차 등을 포함하는 분포지수들을 구하고, 여러 지역에서 상기 분포지수들의 통계적인 특징을 이용하여 각 환자의 정상 유방조직이 가지는 LoG 국소최저의 한계를 구하여, 이 한계값에 일정 배수를 곱하여 구한 것으로서, 이렇게 산정된 LoG 임계값은 유방조직이 치밀한 영역과 그렇지 않은 영역에서 다른 값을 가질 수 있는 것을 특징으로 하는 디지털 유방 X-선 영상에서 미세석회화 군집 검출 방법.
  5. 제4항에 있어서, 상기 S4 단계의 미세석회화의 검출은,
    상기 S3 단계에서 선정된 미세석회화 후보 지점에서의 헤시안(Hessian) 행렬을 고유값 분해(Eigen Value Decomposition)하는 단계(S41);
    상기 고유값 분해에 의해 산정된 고유값1(Eigen value 1, λ1), 고유값2(Eigen value 2, λ2) 값이 모두 음수인 지점을 선정하는 단계(S42);
    상기 λ1, λ2 값이 모두 음수인 지점을 시점으로 다중 시드 영역 성장(Multi Seeded Region growing)을 시행하는 단계(S43);
    상기 영역 성장된 결과에 대해 PCA(principal component analysis)를 실시하여 주방향성분의 길이가 50화소 이상의 경우 유선(Duct) 성분으로 간주하여 미세석회화 후보에서 제외하는 단계(S44); 및
    상기 S44 단계까지 거친 후보점에 대해 라벨링을 실시하고, 라벨링된 후보점 간의 거리를 계산하여 1cm2 이내에 모여 있는 후보점들을 군집화하여, 1cm2 이내에 3개 이상의 미세석회화 후보점을 포함하는 경우를 군집화된 미세석회화로 간주하는 단계(S45);를 포함하여 구성되는 것을 특징으로 하는 디지털 유방 X-선 영상에서 미세석회화 군집 검출 방법.
KR1020090096935A 2009-10-12 2009-10-12 디지털 유방 ｘ-선 영상에서 미세석회화 군집 검출 방법 KR101078756B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020090096935A KR101078756B1 (ko) 2009-10-12 2009-10-12 디지털 유방 ｘ-선 영상에서 미세석회화 군집 검출 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020090096935A KR101078756B1 (ko) 2009-10-12 2009-10-12 디지털 유방 ｘ-선 영상에서 미세석회화 군집 검출 방법

Publications (2)

Publication Number Publication Date
KR20110039897A true KR20110039897A (ko) 2011-04-20
KR101078756B1 KR101078756B1 (ko) 2011-11-01

Family

ID=44046352

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020090096935A KR101078756B1 (ko) 2009-10-12 2009-10-12 디지털 유방 ｘ-선 영상에서 미세석회화 군집 검출 방법

Country Status (1)

Country Link
KR (1) KR101078756B1 (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150063995A (ko) * 2012-02-06 2015-06-10 삼성메디슨 주식회사 영상 처리 장치 및 방법
KR20160099964A (ko) * 2015-02-13 2016-08-23 한국외국어대학교 연구산학협력단 영상 처리 장치 및 영상 처리 방법
KR20180039466A (ko) * 2016-10-10 2018-04-18 순천향대학교 산학협력단 열화상카메라를 이용한 유방암 진단 장치 및 방법
US10290095B2 (en) 2012-02-06 2019-05-14 Samsung Medison Co., Ltd. Image processing apparatus for measuring a length of a subject and method therefor
CN113777033A (zh) * 2021-08-18 2021-12-10 长沙长泰机器人有限公司 一种基于机器视觉的生条缺陷检测方法和装置
CN113822864A (zh) * 2021-09-16 2021-12-21 什维新智医疗科技(上海)有限公司 一种乳腺结节钙化检测装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100762746B1 (ko) 2006-03-07 2007-10-02 재단법인서울대학교산학협력재단 미세석회화 진단 시스템 및 방법

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150063995A (ko) * 2012-02-06 2015-06-10 삼성메디슨 주식회사 영상 처리 장치 및 방법
US10290095B2 (en) 2012-02-06 2019-05-14 Samsung Medison Co., Ltd. Image processing apparatus for measuring a length of a subject and method therefor
KR20160099964A (ko) * 2015-02-13 2016-08-23 한국외국어대학교 연구산학협력단 영상 처리 장치 및 영상 처리 방법
KR20180039466A (ko) * 2016-10-10 2018-04-18 순천향대학교 산학협력단 열화상카메라를 이용한 유방암 진단 장치 및 방법
WO2018070760A1 (ko) * 2016-10-10 2018-04-19 순천향대학교 산학협력단 열화상카메라를 이용한 유방암 진단 장치 및 방법
CN113777033A (zh) * 2021-08-18 2021-12-10 长沙长泰机器人有限公司 一种基于机器视觉的生条缺陷检测方法和装置
CN113822864A (zh) * 2021-09-16 2021-12-21 什维新智医疗科技(上海)有限公司 一种乳腺结节钙化检测装置
CN113822864B (zh) * 2021-09-16 2023-10-31 什维新智医疗科技(上海)有限公司 一种乳腺结节钙化检测装置

Also Published As

Publication number Publication date
KR101078756B1 (ko) 2011-11-01

Similar Documents

Publication Publication Date Title
George et al. Automated cell nuclei segmentation for breast fine needle aspiration cytology
US8144963B2 (en) Method for processing biomedical images
Abbas et al. Breast mass segmentation using region-based and edge-based methods in a 4-stage multiscale system
Salama et al. An improved approach for computer-aided diagnosis of breast cancer in digital mammography
Biswas et al. Mammogram classification using gray-level co-occurrence matrix for diagnosis of breast cancer
US6738500B2 (en) Method and system for detecting small structures in images
KR101078756B1 (ko) 디지털 유방 ｘ-선 영상에서 미세석회화 군집 검출 방법
Ramani et al. A survey of current image segmentation techniques for detection of breast cancer
Singh et al. Identification of regions of interest in digital mammograms
JP4651370B2 (ja) 放射線画像処理の方法
Schilham et al. Multi-scale nodule detection in chest radiographs
Sarada et al. Spatial Intuitionistic Fuzzy C-means with Calcifications enhancement based on Nonsubsampled Shearlet Transform to detect Masses and Microcalcifications from MLO Mammograms
Terada et al. Detecting mass and its region in mammograms using mean shift segmentation and Iris Filter
Nehra et al. Detection of cervical cancer using GLCM and support vector machines
Kowsalya et al. A survey on diagnosis methods of breast cancer using mammography
Samulski et al. Matching mammographic regions in mediolateral oblique and cranio caudal views: a probabilistic approach
Hamissi et al. Novel fully automated computer aided-detection of suspicious regions within mammograms
Styblinski et al. Circuit performance variability reduction: principles, problems, and practical solutions
Shanthi et al. Automatic detection and classification of microcalcification, mass, architectural distortion and bilateral asymmetry in digital mammogram
Janudhivya et al. A new approach for lung cancer cell detection using Mumford-shah algorithm
Sinha CAD based medical image processing: emphasis to breast cancer detection
Wei et al. A method of detection micro-calcifications in mammograms using wavelets and adaptive thresholds
Tawani et al. A Novel Algorithm for the Automatic Detection and Classification of Microcalcification Clusters Using Wavelets
Touil et al. Morphological-based microcalcification detection using adaptive thresholding and structural similarity indices
Gomathi et al. Detection of Mammogram Using Improved Watershed Segmentation Algorithm and Classifying with Feed Forward Neural Network (FNN)

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
FPAY Annual fee payment

Payment date: 20141028

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20151027

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20170602

Year of fee payment: 6

R401 Registration of restoration
FPAY Annual fee payment

Payment date: 20170925

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20181101

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20191001

Year of fee payment: 9