Texture Features Analysis using Computer-Aided Diagnosis: Apply on Stroke CT Images

인간의 뇌가 신체 중에 차지하는 부분은 작지만, 인체의 모든 기능을 조절하는 통제 기관으로써 정신적인 조절 기능도 관장하는 매우 중요한 기관이다. 뇌졸중은 두부외상, 고혈압, 동맥류 혹은 동정맥기형 등 여러 가지 원인으로 뇌출혈과 뇌경색의 형태로 발생되어 진다. 뇌졸중은 발병 후 조기에 정확하고 빠르게 진단하여 신속한 치료과정을 거치면 환자의 예후나 생명 연장에 큰 영향을 미칠 수 가 있다. 일반적으로 급성 뇌졸중의 진단은 주로 컴퓨터단층촬영을 이용하여 영상 의학적 검사를 시행하고 있다. 최근에는 의료영상을 저장하고 전송하는 시스템에 저장된 디지털의료영상을 컴퓨터가 분석하여 질환부위를 표시하고 정량적 영상분석 결과를 의사에게 제공하여 최종 진단을 하는데 도움을 주는 컴퓨터보조진단(computer-aided diagnosis) 시스템이 연구 개발되고 있다. 본 연구에서는 뇌졸중의 대부분을 차지하는 뇌경색과 뇌출혈환자의 CT영상을 이용하여 평균과 공분산(mean and covariance)의 통계적 특징을 이용한 질감특징분석의 컴퓨터보조진단 시스템을 제안하고자 하였다. 이를 위하여 분석영상을 정상영상과 뇌졸중영상으로 구분하고 이를 고유 영상(Eigen images) 및 실험영상(test images)으로 하여, 제안된 질감특징을 이용한 컴퓨터보조진단 시스템에 적용하여 정량적으로 분석하였으며 분석한 결과를 토대로 뇌졸중 영상의 인식률(recognition rate)을 평가함으로써 의료영상의 질감특징분석 컴퓨터보조진단 시스템의 활용 가능성에 대한 연구 자료를 제공하고자 하였다. 본 연구에 사용된 실험영상은 B병원에 2014년 1월1일부터 2014년 12월 30일까지 신경과에 내원한 환자 3740명 중 영상의학과의사 영상판독에 의해 뇌졸중 진단을 받은 환자를 대상으로 뇌경색 40증례, 뇌출혈 40증례와 정상영상 40증례의 영상을 실험영상으로 획득하였다. 실험에 객관성을 위해 단일질환을 제외한 복합질환 환자 영상은 실험영상에서 제외하였다. 실험영상을 획득하기 위해서 사용된 장비는 독일 SIEMENS사의 Defini tion CT이고, 실험영상을 Adobe Photo Shop-CS4를 이용해 질환 부위를 50X50Pixel 크기로 획득하여 실험영상으로 채택하였고, 정상영상은 뇌의 측내실 부위를 실험영상으로 채택하였다. 실험에 사용된 컴퓨터는 S사의 R55를 이용하였다. 본 연구에서 사용된 뇌졸중 컴퓨터보조진단 알고리즘은 MATLAB(R2 007a release, MathWork Inc, USA) 기반으로 하여 개발되었으며 디지털의료영상에 맞게 질감특성추출(texture feature extraction) 프로그램으로 개발되어 있다. 디지털의료영상의 데이터는 벡터의 차원이 높아짐에 따라 특징(feature) 벡터량의 증가와 더불어 잡음특징들까지 포함되기 때문에 영상의 질을 저하시킬 뿐만 아니라 패턴인식(pattern recognition)에 의한 학습(training)과 인식(recognition) 속도가 저하되고 모델링에 필요한 학습집합의 크기가 증가되기 때문에 차원을 줄이는 과정이 필요하였다. 또 한 기존 특징(feature)들의 조합으로 구성된 새로운 특징(feature)들의 부분집합을 생성함으로써 차원을 축소시키는 특징추출(feature extraction) 방법을 본 연구에 적용하였으며 각 영상에 대한 질감특징추출을 위하여 50×50pixel 크기의 ROI 설정하였다. 질감특징값(texture feature-value)으로 사용되어진 파라메터는 평균밝기(Average Gray Level.), 평균대조도(Average Contrast), 평탄도(Smoothne ss), 왜곡도(Skewness), 균일도(Uniformity), 엔트로피(Entropy)이다. 본 연구의 결론 및 향후 연구 방향으로 뇌졸중 환자의 컴퓨터단층촬영 영상에서 질감특징분석을 이용한 컴퓨터보조진단 시스템의 구현을 위한 실험적 모형 연구로서 신뢰성 있는 영상분석결과를 판독의사에게 미리 제공하여 뇌졸중에 대한 정확한 진단을 하는데 도움을 주고자 하였다. 이를 위하여 고유영상과 실험영상으로 나누어 설정된 관심영역에 대한 질감의 특징값을 수치상으로 나타내어 6가지 파라메터로 표현하였고, 고유영상의 수치상 범위 이외에 각각의 실험영상이 존재하게 되면 인식이 가능하게 되으로 뇌경색에 대한 인식률은 평균밝기 100%, 균일도 100%, 엔트로피 100%, 왜곡도 100%로 높게 나타났고, 평균대조도 67.5%, 평탄도 55%로 다소 낮은 질환 인식률을 보였다. 뇌출혈에 대한 인식률은 평균밝기의 경우 100%, 평균대조도의 경우 100%, 평탄도의 경우 100%, 왜곡도의 경우 100%, 균일도의 경우 95%로 높게 나타났고, 엔트로피의 경우 87.5%로 다소 낮은 질환 인식률을 보였다. 질환별 비교에서 뇌경색과 뇌출혈영상간의 인식률은 평균밝기의 경우 92.5%, 평균대조도의 경우 90%, 평탄도의 경우 90%, 왜곡도의 경우 100%, 균일도의 경우 92.5%로 높게 나타났고, 엔트로피의 경우 77.5%로 다소 낮은 질환 인식률을 보였다. 본 실험에서