1. 서 론
만성 폐쇄성 폐질환(chronic obstructive pulmonary disease,
COPD)은 사망률에 대해 현재 4위로 세계에서 가장 빠른 증가 추세를 보이고 있는 질환이며 [1], 이에 대한 효과적인 진단과 치료를 위해 기관(airway)에 대한 정략적인 측정 및 평가가 필 요한 것이 현 실정이다. COPD 질환에는 기관지 확장증 (bronchiectasis), 만성 기관지염(chronic bronchitis), 그리고 천식(asthma) 등이 있다. 이러한 폐질환을 원인으로 폐의 근 본적 기능인 호흡에 큰 장애를 일으킬 수 있으며 환자의 삶의 질에 급격한 저하를 초래할 수 있다. 따라서 COPD 환자의 병
신호 적응적 영역 성장법을 이용한 MDCT 영상에서의 기관지 자동 분할
박상준1,2・허창용2・이현주2,3・구진모2,3・김종효1,2,3
1서울대학교 의과대학 방사선응용생명과학 전공
2서울대학교 병원 방사선의학연구소
3서울대학교병원 영상의학과
Automatic Airway Segmentation in MDCT using Intensity Adaptive Region-growing Technique
Sang Joon Park
1,2, Chang Yong Heo
2, Hyun Ju Lee
2,3, Jin Mo Goo
2,3, Jong Hyo Kim
1,2,31
Interdisciplinary Program in Radiation Applied Life Science Major, Seoul National University College of Medicine, Seoul, Korea
2
Institute of Radiation Medicine, Seoul National University Medical Research Center, Seoul, Korea
3
Department of Radiology, Seoul National University Hospital, Seoul, Korea
= Abstract =
For efficient management of asthma and Chronic Obstructive Pulmonary Diseases (COPD), quanti- tative assessment of airway geometry is necessary. However caused by technical difficulties such as partial volume effect of CT (computed tomography) and limitation in image quality inherent to CT im- age acquisition make airway analysis difficult. Besides, airway tree segmentation in CT images is a challenging problem because of the complex anatomy. Furthermore, the limited intensity contrast be- tween the participating materials (air, blood, and tissue) increases the segmentation difficulties. In this reason, we have developed a three-dimensional segmentation technique of airways with a proposed algorithm. Firstly, a seed point is automatically identified by searching the air-filled region near the center of the first few slices in the data set. Then, we can segment accurate bronchial tree using our proposed method with maximizing detection of airway intensity range. Using CT scans of human cas- es, we can understand and appreciate our proposed method is convenient and accurate for quantita- tive measurement.
Key words: Computed tomography (CT), Three-dimensional, Airway, Segmentation, Image processing
This work was supported by Seoul R&BD Program(10888).
통신저자: 김종효, (110-744) 서울시 종로구 연건동 28번지 서울대학교병원 영상의학과
Tel: 02-2072-3677, Fax: 02-747-1762 E-mail: [email protected]
후에 대한 적절한 판단과 예측을 위해 기관의 형태학적 변화 에 대한 분석과 평가는 중요하다. 이는 급속한 발전을 거듭해 온 CT(computed tomography) 기술에 기인한 영상의 분석을 통해 이루어질 수 있다. 우리는 CT 영상을 통해 기관지 (bronchus)와 같은 세밀한 해부학적 정보를 얻을 수 있게 되 었다. 이를 통해 기관 구조 분석, 기관지의 반응성 검사 및 중 재술(surgical intervention)의 길잡이로서의 역할과 같은 용도 에 사용할 수 있다 [2, 3]. 더욱이 컴퓨터의 발전에 힘입어 기 관의 3차원 재구성을 통한 분석이 가능해졌으며, 이를 통해 기 관의 구조와 기능의 분석에 대해 더 정밀하게 평가할 수 있는 길이 열리게 되었다. 그러나 이러한 기술의 발전에도 불구하고 CT 영상의 부분용적효과(partial volume effect)나 해상도 (resolution)의 한계로 인하여 정확하고 정량적인 분석에 한계 가 있는 것이 현실이다. 또한, 기관지 주변에는 공기(air), 혈 (blood), 그리고 연조직(soft tissue) 등이 있는데 이는 기관지 와 대조되기 힘든 화소값(intensity)의 차이를 보이기 때문에 분석하는데 있어 큰 제약을 받을 수 있다 [4]. 이와 같은 이유 로 본 논문에서는 기관지 분석의 전처리 단계로서 여러 제약 조건을 극복한, 정량적이며 정확하게 기관지를 추출 할 수 있
는 기법에 관해 아래와 같은 방식으로 제안한다. 우선 영역 확 장 기법(region-growing)의 적용을 위해 자동으로 기관(tra- chea) 상단부에서 종자점(seed point)을 탐지한다. 그 후 이를 기반으로 적응력 있는 영역 확장 기법을 적용하며, 이때 기관 의 최적화된 화소 범위를 자동으로 찾아내어 영역의 누수 (leakage) 없이 정확한 기관지를 추출한다. 이와 같은 본 논문 의 구현사항을 통해 CT 영상에서의 정확하고 빠른 기관지 추 출에 관한 알고리즘을 이해할 수 있으며, 자동화된 처리 절차 를 통해 기관지 추출에 대한 정략적인 측정의 가능성을 평가 할 수 있다.
2. 대상 및 방법
2.1 영상 획득
본 연구의 성능을 평가하기 위한 실험대상으로 COPD가 의 심되는 환자 20명, 나이 46세에서 89세까지의 증례로 남녀 구 분은 없이 데이터를 분석하였다. 기관지 추출의 정도를 평가하 기 위한 단계로 가장 상위의 기관을 0세대로 하여 각 환자 마 다 기관지의 세대수를 측정하였다. Somatom Sensation 16
Fig. 1. Block diagram of proposed algorithm.
(Siemens, Germany) CT 장비에서 16-section CT at 0.75- mm collimation, 120 kVp, 255 mA, 500-msec gantry rota- tion time in a spiral mode, slice thickness 1.0 mm, voxel size 0.69×0.69×1.0 mm, matrix 512×512, reconstruction kernel B30f이고 횡단면상이었다.
획득된 영상은 American College of Radiology와 National Electrical Manufactures Association (ACR/NEMA)의 digital Imaging and Communication in Medicine (DICOM) [5] 파일 로 개인용 컴퓨터(personal computer, PC)에 저장한 후 영상 분석 및 처리를 하였다. PC는 Inter 1.86 GHz 프로세서에 2 GB 메모리를 사용하였다. 기관지 추출을 하기 위한 흐름도 (flowchart)를 Fig. 1에 나타내었다.
2.2 종자점 획득
기관지 영역을 추출하기 위해서는 가장 먼저 영역 확장 알 고리즘의 적용을 위한 종자점이 우선적으로 필요하다. 종자점 은 획득된 CT 영상의 상위 몇 장으로부터 탐지가 시작되며, 연 속적인 넓은 범위를 갖는 중심부인 동시에 공기의 화소값에 해 당하는 부분(화소 범위: -1024 HU ~ -500 HU)에 대해서 자동으로 탐지가 가능하다.
2.3 기관 영역 추출
인체의 흉부 부분 폐실질 내에 위치한 기관의 영상은 공기 로 차있어 화소값이 다른 주변 조직에 비해 상당히 낮은 값들 로 이루어져 있다. 그러나 기관지 주변에는 공기(air), 혈 (blood), 그리고 연조직(soft tissue) 등의 비슷한 화소범위를 이루고 있는 조직들이 인접해 있어 기관지 추출에 큰 제약을 받을 수 있다 [4]. 이러한 문제점을 극복하고 최적화된 기관의 추출 결과를 얻기 위해서 다음과 같은 방법으로 영역을 분할
한다. 우선, 전 단계에서 획득한 종자점을 시작점으로 하여 해 당 기관이라 예상되는 영역을 기본 범위 내에서 확장해 나간 다. 이때 초기 화소의 범위는 -1024 HU에서 -910 HU이다.
그리고 영역 확장 처리가 종료된 후 추출된 기관의 용적을 계 산한다. 이때 계산된 기관의 용적이 1.5 mL에서 3.5 mL의 범 위에 속하지 않으면 누수 혹은 실패라 간주하며, 영역 확장 이 전 단계에서 적용되었던 화소 범위를 일정하게 증감하여 다시 영역 확장 알고리즘을 적용하게 된다. 이 단계에서는 화소값을 10씩 증감하게 되는데 기준 용적 범위보다 작은 수치를 나타 내면 증가를, 높은 수치이면(누수 발생) 감소를 하며 과정을 반 복한다. 그 후, 계산된 기관의 용적이 기준 범위를 만족하고 이 전의 화소범위값(TP)과 동일한 화소값(TC)을 갖는다면 정밀 한 영역의 추출을 위해 이전 단계와 마찬가지로 화소 범위를 1씩 증감하며 과정을 반복하게 된다. 마지막으로 최종적인 증 감 과정을 통한 기관 영역 추출 처리가 종료되면 기관 추출 결 과 데이터를 얻을 수 있다 (Fig. 2 참조).
3. 결 과
제안한 기관지 자동 추출 기법을 이용하여 정량적이고 세밀 하게 기관지 추출 데이터를 얻고자 하였으며, 본 연구의 검증 을 위해 환자 20명을 대상으로 수행 시간, 추출된 가지의 개 수, 그리고 최종 결과의 질을 고전적인 영역 확장 기법과 함께 비교, 평가해 보았다. 제안한 자동화 추출 알고리즘을 각 대상 에 적용하여 수행하였을 시, 최종 결과를 얻기까지 걸리는 시 간은 평균 10.69초, 그리고 표준 편차 3.55초를 나타내었다 (Table 1 참조). 그 중 2명의 경우에 각각 평균 수행 시간 5.72 초와 10.15초를 기록하였는데, 특정 말단세기관지(terminal bronchiole)에서 누수가 발생하여 최종적으로 양질의 기관지
Fig. 2. Graph of airway volume estimation based on 20 subjects.
추출 데이터를 획득할 수 없었다(Fig. 3 참조).
그리고 본 논문의 제안한 방법을 평가하기 위해 추출된 가 지의 수를 세어 고전적인 영역 확장 기법과 비교하여 보았다 (Table 2, Fig. 4 참조). 제안한 기법을 이용한 기관지 추출은 평균 31.45±6.5개의 가지 수를 나타내었다(평균±표준 편차).
반면, 고전적인 영역 확장 기법을 적용한 경우에는 23.6±7.67 개의 가지 수가 확인되었다. 누수 발생 여부를 기준으로 성공 률을 판단했을 때, 각각 90.0%와 85.0%를 나타내었으나, 제 안한 방법에 비해 고전적인 기법을 이용한 경우에는 추출된 기
관지의 수가 적었고 정확한 판별이 불가능하였다 (Fig. 5 참 조).
또한, 고전적인 기법을 이용하여 기관지를 추출하였을 경우 에는 때때로 많은 양의 누수를 보였는데 Fig. 6과 같은 양상을 나타내었으며 판별 자체가 불가능한 경우들도 있었다.
본 연구에서는 자동화된 기관지 추출 알고리즘을 사용하여 기존의 방법에 비해 납득할 만한 수준에서 시간을 절약할 수 있었으며 누수 방지 및 정밀한 추출 결과를 얻을 수 있었다. 또 한, 추후 기관지 분석에 관한 여러 제반사항의 전처리 과정으 로서 본 연구의 성과를 통해 서로 다른 측정자 및 기관간의 측 정 결과의 변화가 최소화 될 것으로 판단된다.
Fig. 3. Result of airway segmentation using our proposed method. The extraneous leakage is occurred at the left upper location.
Fig. 4. Count of segmented branches. Mean±standard deviation are reported. The proposed method retrieves a statistically significant higher count of branches.
Table 1. Result of execution time and leakage
Subject Time (sec) Leakage Threshold range (>-1024) Volume (mL) Z
1 13.44 — -9890 29.68 366
2 10.50 — -1004 31.78 335
3 05.72 Occurred -9330 29.87 339
4 15.34 — -1007 29.87 374
5 09.34 — -1001 30.17 385
6 08.25 — -9400 29.98 300
7 06.41 — -9510 29.87 355
8 06.65 — -8950 29.95 295
9 14.45 — -9990 29.64 392
10 11.59 — -5000 29.64 363
11 04.06 — -5000 25.82 317
12 13.64 — -9970 29.99 374
13 15.20 — -9900 29.97 346
14 10.63 — -9940 29.49 351
15 11.10 — -1001 22.64 428
16 07.86 — -9460 23.97 307
17 08.82 — -9930 29.88 371
18 15.02 — -9980 29.89 402
19 15.69 — -1001 29.58 372
20 10.15 Occurred -9370 29.95 368
Mean ±Stdev 10.69 (±3.55) -928.8 (±149.98) 29.08(±2.24) 357 (±34.39)
Note. Images age listed by case number. Z = number of sections.
4. 고 찰
COPD 질환은 원인이 되는 폐질환이나 심장질환이 없이 기 도폐쇄가 발생하여 기류의 속도가 감소하는 질환군을 말한다.
임상적으로는 만성적으로 객담을 동반하는 기침을 하는 만성 기관지염과 말단세기관지 이하의 폐포들이 비정상적으로 늘어 나고 폐포격벽이 파괴되는 폐기종이 혼합되어 양자 간의 구분 이 힘든 경우, 이들을 총칭하여 COPD라고 한다. COPD는 천 식과 비슷하게 호흡곤란, 기침, 가래 등의 기도 질환 증상을 나 타내다가 폐 기능을 악화시켜 사망에 이르게 한다. 발병 원인 은 90% 이상이 흡연 때문인 것으로 알려져 있고 이외에 공해 와 선천적 질환, 호흡기 감염증 등이 있다. 현재 사망률 세계 4위, 국내 7위의 질병이며 최근 그 유병률이 더욱 증가하고 있 다 [1, 6]. 이러한 COPD 질환을 조기에 진단하고 예측하기 위 해서는 기관지를 형태학적 측면에서 분석해야만 한다. 기존의 의료영상에서는 기관지 추출의 어려움으로 인해 2차원적 분석 을 통해 정보를 얻었는데 이는 여러 문제점을 내포하고 있다.
즉, 기관의 경우에는 기관지가 종축에 비스듬하게 위치하고 있 고, 폐실질 내에서 다방향성을 띠고 있기에 2차원 상에서는 CT 의 부분용적효과로 인한 왜곡된 정보를 피할 수 없게 됨은 물
Table 2. Comparison of number of successfully segmented airway branches
Subject # of Segments
Proposed Method Region-Growing Method
1 36 29
2 34 0 (leakage)
3 35 (leakage) 19 (leakage)
4 30 28
5 27 25
6 29 22
7 32 22
8 45 21
9 35 24
10 23 22
11 37 18
12 37 34
13 35 34
14 24 21
15 21 21
16 24 16
17 35 29
18 24 24
19 32 32
20 38 (leakage) 31 (leakage)
Overall Results
Mean ±Stdev 31.45 (±6.50) 23.6 (±7.67) Note. ‘—’indicates that impossible to analyze because of over- whelming leakage.
Fig. 5. Comparative Results of airway segmentation using conventional region-growing and proposed method. Upper images show inaccurate seg- mentation results of conventional region-growing method with a few branches. Lower examples indicate results of proposed method with detailed branches (case 7, 8 and 16 in order from left).
론, 정확한 형태학적 정보를 분석하기도 쉽지 않다 [7]. 이에 본 연구에서는 3차원 영상이 충분히 진단에 주 또는 보조적 역 할을 담당할 수 있을 것으로 기대되는 CT 영상을 3차원으로 재구성하여 기관지 자동화 추출 기법을 적용해보았으며 기존 의 영역 확장 기법과 비교, 평가해 보았다. 제안된 기법은 기 존의 방법에 비해 정확하고 안정적인 결과를 보였지만 몇 개 의 적은 경우에서 누수를 보이는 문제점을 피할 수 없었다. 그 러나 이러한 경우에는 수동으로 영역의 화소 범위를 적은 범 위에서 조절하여 Fig. 7의 (b)와 같이 누수 없는 결과를 얻을 수 있게끔 구현하였다.
향후에는 현 알고리즘을 기반으로 형태학적 기법 및 공기 부 위의 방향성에 근간하여 더욱 세밀한 기관지 영상을 추출할 수 있도록 시도할 것이며, 이를 통해 기관지에 관한 자세하고 정 확한 정보를 구하여 COPD와 같은 질환을 조기에 발견하고 예 측할 수 있어야 하겠다. 본 연구는 앞으로 COPD 진단에 상당 히 중요한 역할을 담당할 것이라고 기대한다.
5. 결 론
자동화된 기관지 추출 기법을 적용하고 평가하기 위해 CT 영상을 사용하였으며, 각 20증례의 흉부를 촬영한 영상에 대 해 적용하였다. 본 연구는 단순히 공기 부위의 화소값을 미리 정하여 기관지를 추출하는 기존의 방법과는 달리 종자점을 자 동으로 찾고, 각각의 증례에 적응적으로 화소 범위를 찾아 세 밀한 기관지까지 찾을 수 있게끔 구현하여 적용하였다. 본 연 구의 3차원 기관지 추출 기법은 시간이 크게 절약되고 기존의 기법에 비해 정밀하며, 자동화된 처리로 인해 서로 다른 측정 자 및 기관간의 측정 결과에 대한 변화를 최소화 시킬 수 있 다. 또한 환자에게 내시경 삽입과 같은 절차를 생략할 수 있어 위험 부담을 줄일 수 있고 불편함을 최소화 할 수 있을 뿐 아 니라, 형태학적 분석을 통해 질환을 정확히 진단, 예측할 수 있 고 이를 통해 정략적인 분석이 가능하다 할 수 있다.
Fig. 7. Comparative results of airway seg- mentation; (A) proposed method (small leak- age was occurred at the left upper location).
(B) post-processing with manual correction (leakage disappeared).
Fig. 6. Failed results of airway segmentation with conventional region-growing method. Left image shows overwhelming leakage on the whole that im- possible to analyze.
A B
참 고 문 헌
1. Global Initiative for Obstructive Lung Disease (GOLD).
WHO/NHLBI, 2004
2. Mayer D, Bartz D, Ley S, Thust S, Heussel CP, Kauczor HU, Straßer W. Segmentation and virtual exploration of tracheo- bronchial tree. In Proc. of. Computer Assisted Radiology and Surgery 2003;35-40
3. Aykac D, Hoffman EA, McLennan G, Reinhardt JM.
Segmentation and analysis of the human airway tree from three-dimensional x-ray CT images. IEEE Trans Med. Imag.
2003;22:940-950
4. Reinhardt JM, D’Souza ND, and Hoffman EA. Accurate mea- surement of intra-thoracic airways. IEEE Trans. Med. Imag.
1997;16:820?827
5. American college of radiology and national electrical manufac- tures association: digital imaging and communications in med- icine (DICOM) part 1-14: version 3.0 draft standard. ACR-NE- MA committee, working group Ⅳ, Washington D.C., 1993 6. Chronic obstructive pulmonary disease (COPD) NICE clinical
guideline 2004
7. Chaturvedi A, Lee Z. Three-dimensional segmentation and skeletonization to build an airway tree data structure for small animals. Phys. Med. Biol. 2005;50:1405-1419
대한의학영상정보학회지 2007;13:19-25
=초 록=
천식(asthma)이나 만성 폐색성 폐질환(chronic obstructive pulmonary disease, COPD) 환자의 병후를 판 단 및 예측하기 위해 기관(airway)의 형태학적 정보를 분석하는 것은 중요하다. 그러나 CT (Computed Tomography) 영상의 부분용적효과(partial volume effect)나 해상도(resolution)의 한계로 인하여 정확한 분 석을 할 수 없는 것이 현실이며, 기관지(bronchus) 주변의 공기(air), 혈(blood), 그리고 연조직(soft tissue)과 같은 부분들로 인해 대조되는 화소값(intensity)의 차이가 불분명하여 기관지 추출에 큰 제약을 받게 된다. 이 와 같은 이유로 본 논문에서는 여러 제약 조건을 극복하여 정량적이고 정확하게 기관지를 추출 할 수 있는 기 법에 관해 아래와 같은 방식으로 제안한다. 우선 영역 확장 기법(region-growing)의 적용을 위해 자동으로 기관(trachea) 상단부에서 종자점(seed point)을 탐지한다. 그 후 이를 기반으로 영역 확장 기법을 적용하며, 이때 기관의 최적화된 화소 범위를 자동으로 찾아내어 영역의 누수(leakage) 없이 정확한 기관지를 추출한다.
이와 같은 본 논문의 구현사항을 통해 CT 영상에서의 정확하고 빠른 기관지 추출에 관한 알고리즘을 이해할 수 있으며, 자동화된 처리 절차를 통해 기관지 추출에 대한 정략적인 측정의 가능성을 평가할 수 있다.
