흉부 방사선 이미지 분석을 통한 심비대 자동탐지 방법 및 그 기록매체 { An automatic detection method of Cardiac Cardiomegaly through chest radiograph analyses and the recording medium thereof }

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

또, 본 발명은 심비대 자동탐지 방법에 있어서, 상기 방법은, (a) 상기 방사선 이미지를 보간법을 이용하여 평활화를 수행하는 단계를 더 포함하는 것을 특징으로 한다.

또, 본 발명은 심비대 자동탐지 방법에 있어서, 상기 보간법은 양선형 보간법(bilinear Interpolation)을 이용하는 것을 특징으로 한다.

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.

또, 본 발명은 심비대 자동탐지 방법에 있어서, 상기 (b1)단계에서, 상기 수평 프로파일을 1차 도함수를 구하여 값이 0인 부분을 피크로 정하는 것을 특징으로 한다.

또, 본 발명은 심비대 자동탐지 방법에 있어서, 상기 (b1)단계에서, 상기 수평 프로파일에서 피크의 각도에 따라 관심피크 여부를 결정하는 것을 특징으로 한다.

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.

[수식 1]

단, θ ₁ 은 피크 P의 좌측 피크 각이고, θ ₂ 는 피크 P의 우측 피크 각.

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.

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.

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.

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.

또, 본 발명은 심비대 자동탐지 방법에 있어서, 상기 (c)단계에서, 상기 첨부위치비율은 1/6인 것을 특징으로 한다.

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.

또, 본 발명은 심비대 자동탐지 방법에 있어서, 상기 (d)단계에서, 상기 심장의 상부 장기를 대동맥궁(aortic arch)으로 정하는 것을 특징으로 한다.

또, 본 발명은 심비대 자동탐지 방법에 있어서, 상기 통계비율을 77% ~ 81% 이내로 정하는 것을 특징으로 한다.

또, 본 발명은 심비대 자동탐지 방법에 있어서, 상기 (e)단계에서, Otsu의 임계값 설정 기법을 이용하여 상기 관심영역을 이진화하여 폐 영역을 영역화하는 것을 특징으로 한다.

또, 본 발명은 심비대 자동탐지 방법에 있어서, 상기 (e)단계에서, 이진화된 관심영역의 좌우 양측의 바깥쪽의 밝은 부분을, 픽셀 채우기 기법으로 채우는 것을 특징으로 한다.

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.

또한, 본 발명은 심비대 자동탐지 방법을 수행하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체에 관한 것이다.

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.

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.

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.

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.

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 시스템

이하, 본 발명의 실시를 위한 구체적인 내용을 도면에 따라서 설명한다.

또한, 본 발명을 설명하는데 있어서 동일 부분은 동일 부호를 붙이고, 그 반복 설명은 생략한다.

먼저, 본 발명을 실시하기 위한 전체 시스템의 구성의 예들에 대하여 도 2를 참조하여 설명한다.

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.

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.

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.

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.

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.

다음으로, 본 발명의 일실시예에 따른 심비대 자동탐지 방법을 도 3을 참조하여 설명한다.

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.

먼저, 흉부 방사선 이미지를 전처리하는 단계(S10)를 설명한다.

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.

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.

[수학식 1]

단, x _i,j 는 현재 픽셀이고, i는 이미지의 행을, j는 열을 표시한다.

상기 이동평균법을 행을 따라 주어진 사진(이미지) 전체에 적용하여 평활화된 입력 이미지를 생성한다.

다음으로, 흉부 방사선 이미지를 분석하여 폐 경계선을 검출하는 단계(S20)를 설명한다.

이 단계는 전체 절차에서 핵심적인 단계 중 하나이다. 본 방법의 목적은 CTR과 HLAR을 측정하는 것이기 때문에, 흉부와 심장만을 포함한 영역을 영역화함으로써 불필요한 처리과정을 줄인다.

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.

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.

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.

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.

도 5d를 참조하면, 방사선 이미지 내에서 주목할 만한 피크가 존재하지 않는다. 특히, 방사선 이미지는 픽셀값이 평활화되어 픽셀값의 전이가 부드럽게 처리되었기 때문에 더욱 그러하다.

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.

폐 경계선을 탐지하는 단계(S20)는 크게 관심대상의 피크(이하 관심 피크)를 탐색하는 단계(S21)와 폐 경계선을 추적하는 단계(S22)로 구분된다.

먼저 관심 피크의 탐색 단계(S21)에 대해 보다 구체적으로 설명한다.

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.

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.

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).

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.

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 θ ₁ 을 정의한다. 각 θ ₁ 은 P에서의 수직선과 점 P와 점 P _lt 를 연결하는 선 사이의 각도이다. 점 P _lt 은 점 P의 좌측 방향으로 점 P로부터 t 픽셀만큼 떨어진 점이다. 좌측 피크 각 θ ₂ 도 동일하게 정의된다.

이때, 바람직하게는, t는 5로 정한다. 실험결과에 의하여 5가 가정 적합한 값으로 나타났다.

다음으로, 파라미터 is_poi를 결정한다. 파라미터 is_poi는 다음 [수학식 2]와 같이 정의되며, 특정한 점(포인트)이 관심 피크인지를 표시한다.

[수학식 2]

다음으로, 폐 경계면을 추적하는 단계(S22)에서, 탐색된 관심 피크를 이용하여 좌폐 및 우폐의 바깥 경계를 찾는다(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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

다음으로, 관심영역을 대상으로 영역화를 수행하는 단계(S40)를 구체적으로 설명한다.

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.

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.

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.

다음으로, 관심영역에서 폐 및 심장 영역을 영역화하는 단계(S50)를 구체적으로 설명한다.

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.

방사선 이미지가 L 그레이 레벨로 표현되고, 레벨 i 에서의 픽셀 수를 n _i 라고 가정한다. 그러면 전체 픽셀의 총수는 N = n ₀ + n ₁ + ... + n _L-1 이다. 이런 경우, 하나의 픽셀이 레벨 i 의 밝기를 가질 확률 p _i 는 다음 [수학식 3]과 같이 표시된다.

[수학식 3]

하나의 전체 픽셀 집합을 두 개의 그룹 C ₀ 과 C ₁ 로 나눌 수 있다. C ₀ 과 C ₁ 은 각각 임계값(threshold) k 와 대비하여 더 높거나 낮은 밝기를 가지는 픽셀들을 포함한다. 그래서 어떤 픽셀이 그룹 C ₀ 또는 C ₁ 에 속할 확률을 각각 w ₀ 과 w ₁ 이라 하고, 그룹 C ₀ 또는 C ₁ 의 밝기 평균을 각각 μ ₀ 과 μ ₁ 이라 하면, 이들은 다음 [수학식 4]와 같이 표시된다.

[수학식 4a]

[수학식 4b]

[수학식 4c]

[수학식 4d]

상기 [수학식 4d]에서, μ _T 는 전체 평균을 의미한다.

임계값 k와 상관없이, w ₀ μ ₀ + w ₁ μ ₁ = μ _T 이고, w ₀ + w ₁ = 1 이다. 따라서 그룹 C ₀ 또는 C ₁ 의 분산 σ ₀ ² 과 σ ₁ ² 은 각각 다음 [수학식 5]와 같다.

[수학식 5a]

[수학식 5b]

임계값 k는 두 개의 그룹의 분산의 차이가 최대가 되도록 하는 값으로 설정한다. 이때, 분산의 차이는 다음 [수학식 6]과 같다.

[수학식 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.

도 14는 Otsu 임계값에 의해 이진화한 결과를 표시하는 도면이다.

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.

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.

다음으로, 심장의 영역을 영역화하는 단계를 구체적으로 설명한다.

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.

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.

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.

도 15c에서 보는 바와 같이, 전이점은 지점 P ₁ 과 P ₂ 이고, 이 두지점을 연결한 선 CB _L 이 심장영역의 아래 경계면이다. 또, 폐 영역의 상단 직선 CB _H 가 심장영역의 위 경계면이다. 따라서 영역 H가 심장 영역이고, 영역 D는 반측 횡격막(hemi diaphragm)의 영역이다.

다음으로, 심비대 평가지표(또는 진단지수)를 계산하는 단계(S70)를 구체적으로 설명한다.

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.

[수학식 7]

단, MR은 우측 심장의 최대 지름이고, MR은 좌측 심장의 최대 지름이다. 또, MTD는 흉부의 최대 지름이다.

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.

[수학식 8]

단, area(RL)은 우폐 영역의 면적이고, area(LL)은 좌폐 영역의 면적이다. 또, area(H)는 심장영역의 면적이다.

다음으로, 본 발명에 따른 발명의 효과를 실험결과를 통해 보다 구체적으로 설명한다.

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.

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.

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.

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.

각 사진의 픽셀의 수는 65,536(256 X 256)개이다. 영역화의 정확도, 민감도와 특이도는 각각 다음과 같이 정의된다.

영역화의 정확도는 다음 [수학식 9]와 같이 정의된다.

[수학식 9a]

[수학식 9b]

[수학식 9c]

다음으로, 관심영역 중 폐 영역화에 대한 평가결과를 구체적으로 설명한다.

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.

다음으로, 심상 영역화에 대한 평가결과를 구체적으로 설명한다.

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.

다음으로, 심비대를 평가하는 평가지표에 대한 실험 결과를 설명한다.

평가지표는 단일차원 심폐계수(1D-CTR, One Dimensional Cardiothoracic Ratio)와 심폐면적율(HLAR, heart-lung area ratio)이 있다.

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.

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.

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.