논문 2014-51-4-21
폐쇄성 수면 무호흡 증후군을 가진 어린이 환자들의 MRI 영상으로부터 상기도 면적 변화 분석을 위한 광류 방법에 대한
연구
( A Study on the Optical flow Method for Analysis of Ipper Airway Deformation from Magnetic Resonance Images for Children with
Obstructive Sleep Apnea Syndrome )
이 민 희*, 김 동 윤*** ( Min Hee Lee and Dong Youn Kimⓒ)
요 약
폐쇄성 수면 무호흡 증후군은 수면 중 부분적인 혹은 완전한 상기도 폐쇄로 인한 호흡 장애 질환이다. 본 연구에서는 폐쇄 성 수면 무호흡 증후군 환자와 정상인에서의 호흡하는 동안의 상기도 움직임 변화를 분석하기 위하여 광류 방법을 사용하였 다. 정상인 6명과 폐쇄성 수면 무호흡 증후군 환자 5명에 대해, 기도 면적 분석 방법과 광류 방법을 적용하여 흡기와 호기에서 의 차이의 절대 값을 비교하였다. 통계적 분석 결과, 기도면적 분석 방법과 광류 방법은 각각 유의수준 10%(p값 0.0977)와 1%(p값 0.0011)에서 유의한 결과를 얻었다. 따라서 광류 방법을 이용함으로써 기존의 연구에서 폐쇄성 수면 무호흡 증후군 환 자의 진단에 있어 더 정확한 정보를 얻는데 도움이 될 것으로 기대된다.
Abstract
Obstructive sleep apnea syndrome(OSAS) is a respiratory disease caused by partial or complete obstruction of the upper airway during sleep. In this paper, we proposed the optical flow method to analyze the upper airway dynamic changes during respiration for children with OSAS and control subjects. We compared the absolute value of difference between inspiration and expiration for airway area analysis method and optical flow method for 5 children with OSAS and 6 control subjects. From the statistical analysis, airway area analysis method and optical flow method are statistically significant at the 0.1 (p value is 0.0977) and 0.01 (p value is 0.0011) significance level respectively. From this simulations, the optical flow method could provide more accurate information to diagnose the OSAS patients than the traditional airway area analysis method.
Keywords: Obstructive Sleep Apnea Syndrome(OSAS), Upper airway, Airway area, Optical flow method
* 학생회원, ** 정회원, 연세대학교 의공학과
(Department of Biomedical Engineering, Yonsei University)
ⓒ Corresponding Author(E-mail: [email protected])
※ 이 논문은 2013년도 정부(미래창조과학부)의 재원으 로 한국연구재단의 지원을 받아 수행된 해외우수연 구기관유치사업 연구임 (2010- 00757).
접수일자: 2014년1월8일, 수정일자: 2014년1월15일, 수정완료: 2014년3월27일
Ⅰ. 서 론
폐쇄성 수면 무호흡 증후군(obstructive sleep apnea syndrome, OSAS)은 수면 중 부분적인 혹은 완전한 상 기도(upper airway) 폐쇄로 인한 임상증상의 발작이 특 징적인 호흡 장애 질환이다. 소아에서는 약 120여년 전
OSAS가 처음 알려지기는 했지만 1976년 Guilleminault 등[8]이 소아에서 이 질환에 대하여 구체적인 임상 양상 과 문제점을 다루기 시작한 이후 본격적인 연구가 이루 어지게 되었다. 폐쇄성 무호흡이 없어도 부분적인 기도 폐쇄의 발작이 소아에서는 흔히 관찰되기 때문에 성인 과 다른 OSAS의 진단 기준이 필요하다[1～3]. OSAS의 위험 인자에는 비만, 연령 증가, 코막힘, 유전적 소인 등 많은 것들이 있지만 그 중에서도 비만은 상기도의 구조 와 기능에 영향을 미치므로 가장 관련이 크다. 기도의 개존성이 유지되기 위해서는 인두 확장근의 작용이 흡 기에 따른 기도 내강의 음압과 기도 주변의 압력을 이 겨내야 한다. 비만 환자는 피하 및 인두 주변 조직의 지 방 축적으로 인하여 상기도의 협착이 발생하여 기도 개 존성이 유지되지 못한다. OSAS의 유병률은 비만 정도 에 따라 증가하고 체중이 증가할수록 OSAS의 중증도 도 증가된다. 이와는 반대로 OSAS는 수면 결핍에 의한 신체 활동 및 운동 능력 감퇴, 에너지 대사의 감소 등으 로 인해 비만의 원인이 될 수 있다[4]. 이러한 소아 비만 OSAS 환자들을 진단하기 위한 기준으로 기존의 연구 에서는 기도의 면적의 변화를 이용하였는데 이는 호흡 하는 동안 주변 조직 등의 영향으로 정상인과 OSAS 환자의 기도의 모양과 면적에 있어 차이를 보이기 때문 이다[5].
광류(optical flow)는 3차원 물체를 2차원에 투영한 영상의 각 화소에 운동 속도를 지정한 운동계를 찾기 위한 목적으로 사용된다[6～7]. 1981년 Horn과 Schunck 에 의해 광류를 직접 계산을 통하여 추정할 수 있음이 증명된 이후 광류에 관한 연구가 활발하게 진행되었다.
Horn과 Schunck, Fennema와 Thompson 등은 광류를 어떠한 객체의 한 점에 대응하는 영상의 밝기는 객체의 이동에 관계없이 일정하다고 가정하였다[8]. 연속적인 영 상에 대한 광류는 최근 많은 관심이 모아지고 있으며, 밝기를 어떻게 이용하느냐에 따라 기울기(gradient)에 기초한 방법[6, 9], 상관관계에 기초한 방법[6], 에너지에 기초한 방법[6]으로 분류할 수 있는데 이 중 가장 많이 사용되는 방법이 기울기에 기초한 방법으로 Lucas와 Kanade는 움직임 벡터가 특정한 블록 내에서 일정하다 는 것을 가정으로 하는 방식을 제안하였다[9]. 즉, 특정 블록에서 각각의 화소에서의 속도 성분은 모두 같은 방 향의 속도 성분을 가진다는 것이다. 이 방법은 회전과 같은 움직임은 해결이 불가능하며, 화소에서의 밝기 변
화가 충분히 크다는 조건 하에서 이동만 해결이 가능하 다. 반면 Horn과 Schunck는 평탄화 조건을 주어 광류 의 기울기의 제곱 값이 최소화되는 값을 찾는 방식을 적용하여 광류를 계산하는 방법을 제안하였다[10].
본 논문에서는 이러한 광류 방법 중 기울기에 근거를 둔 방법 중 하나인 Horn-Schunck 방식을 OSAS 환자 와 정상인의 기도 영상분석에 적용하였고, 이 결과를 기존의 면적 변화 분석 방법과 비교하였다.
Ⅱ. 본 론
1. 기도 면적 변화 분석 방법
본 절에서는 정상인과 OSAS 환자를 구분하기 위하 여 기도의 면적과 모양의 변화에 초점을 맞춘 기존의 연구에서 사용한 방법을 간략하게 설명하고자 한다. 소 아 비만 환자의 경우 편도선 비대와 아데노이드의 영향 으로 1회 호흡하는 동안 흡기(inspiration)와 호기 (expiration)에서의 기도 면적과 모양의 차이가 발생하 므로 기존의 연구에서는 기도 면적의 차이를 보여줌으 로써 두 경우를 구분하는 방식을 사용하였다[5]. 그림 1 은 정상인과 OSAS 환자의 기도를 촬영한 영상의 예를 보여주고 있다. 흰 사각형 테두리로 표시한 부분이 각 영상에서의 기도 부분이다.
또한 호흡하는 시간을 일정한 간격으로 나누어 각각 비교를 하였을 때 1회 호흡하는 동안의 기도 면적의 변 화는 그림 2와 그림 3과 같다. 그림 2는 OSAS 환자의 대한 기도 면적의 변화를, 그림 3은 정상인에 대한 기
(a) (b)
그림 1. 흡기에서 OSAS 환자와 정상인의 기도를 촬영 한 영상의 예 (a) OSAS 환자 (b) 정상인 Fig. 1. Example of captured images for airway of an
OSAS patient and control during inspiration (a) OSAS patient (b) Control.
(a)
(b)
(c)
그림 2. OSAS 환자의 기도 면적 변화
(a) 흡기에서의 기도의 변화 (b) 호기에서의 기 도의 변화 (c) 흡기와 호기 동안의 기도 면적의 그래프 표시
Fig. 2. Airway area change of an OSAS patient.
(a) Airway area change during inspiration (b) Airway area change during expiration (c) Graph of airway area during respiration
도 면적이 변화하는 경향을 보여주고 있다. 그림 2는 OSAS 환자에 대한 기도 변화 영상으로 (a)에서 1, 2, 3, 4는 흡기에서의 기도의 변화를 보여주며, (b)에서 5, 6, 7, 8은 호기에서의 기도의 변화를 보여준다. 그리고 (c) 는 흡기와 호기 동안의 기도 면적을 그래프로 표현하여 변화하는 정도를 보여준다. 그림 3은 정상인에 대한 기 도 변화 영상으로 (a)와 (b)는 흡기 및 호기에서의 기도 변화를, (c)는 (a), (b)에서의 기도 면적을 그래프로 표 시하였다.
기존의 연구에서는 흡기와 호기일 때의 면적의 차이 를 보여줌으로써 이를 정상인과 OSAS 환자를 구분하 는 방식을 적용하였다. 일반적으로 OSAS 환자의 기도
(a)
(b)
(c) 그림 3. 정상인의 기도 면적 변화
(a) 흡기에서의 기도의 변화 (b) 호기에서의 기 도의 변화 (c) 흡기와 호기 동안의 기도 면적의 그래프 표시
Fig. 3. Airway area change of Control.
(a) Airway area change during inspiration (b) Airway area change during expiration (c) Graph of airway area during respiration.
면적은 정상인과 비교하였을 때 편도선과 아데노이드 등 주변 조직들의 영향을 받아 크기가 작아지는 사실에 주목한다. 또한 정상인의 경우에 흡기와 호기가 이루어 지는 동안 면적 또는 크기의 차이를 보이지 않으며 모 양의 변화 또한 보이지 않는 반면, OSAS 환자의 경우 각각 흡기 동안과 호기 동안을 비교하였을 때, 면적과 모양의 변화가 상대적으로 크게 보이는 결과를 통하여 진단하는 방식을 설명하였다[5].
본 연구에서는 전체 영상에서 선택한 256×256 크기 의 관심 영역에 대하여 기도 면적 분석 방법과 본 연구 에서 제안한 광류 방법을 적용하여 이를 비교, 분석하 고자 한다.
2. 광류(optical flow)
광류는 어떠한 영상에서 밝기 패턴의 움직임 정보를 식별 가능한 속도의 분포로 나타내는 것이다[10]. 즉, 대 상과 관찰자의 상대적 움직임이라 할 수 있다. 광류를 결정하기 위한 중요한 기초 가정은 다음의 세 가지로 요약된다.
첫째, 밝기 항상성은 작은 영역에서의 영상 밝기 측 정값은 위치가 변화하더라도 일정하게 유지된다. 어떤 객체 상의 픽셀은 프레임이 바뀌어도 그 값이 변하지 않는다. 한 영상에서 추적하고 있는 객체 픽셀의 밝기 는 변하지 않는다고 가정한다.
둘째, 공간 일관성은 이웃한 점들은 일반적으로 동일 한 표면에 있으므로 유사한 움직임을 가진다. 공간적으 로 서로 인접하는 점들은 동일한 객체에 속할 가능성이 높고 동일한 움직임을 갖는다.
셋째, 시간 지속성은 한 표면 영역에서의 영상 움직 임은 시간이 지나면서 점차적으로 변화한다. 영상 내에 서의 움직임은 그다지 빠르지 않다. 즉, 영상에서 객체 의 움직임에 비해서 시간의 변화가 더 빠르게 진행되며 이는 프레임 사이에 객체의 이동량이 많지 않음을 의미 한다.
위의 가정들로부터 광류는 독립적으로 이웃한 점들 을 가진 영상에서의 하나의 점에서는 계산되어질 수 없 다는 결론이 얻어지며, 이러한 이유 때문에 추가적인 제약 조건이 필요하다는 것을 알 수 있다.
1981년 Lucas와 Kanade가 제안한 LK 방법은 밀집 OF를 계산하기 위한 방법이었다[9]. 이 방법은 작은 지 역 윈도우(local window)를 사용하기 때문에 이 윈도우 보다 큰 움직임이 발생하였을 경우 움직임을 계산하지 못하는 단점이 있다. 그에 반해 Horn과 Schunck는 광 류를 수학적인 방법으로 정의하였고 평탄화 제약조건을 주어 광류의 기울기의 제곱 값이 최소가 되는 값을 찾 는 방식을 제안하였다[10].
본 절에서는 광류 추정 방법의 전반적인 개념과 이론 의 설명과 함께 Horn-Schunck 알고리듬에 대하여 설 명하고자 한다[11].
가. 광류 추정 방법
광류는 명도 유형이 변화함으로써 발생하는 영상에 서 명백한 움직임의 속도 분포를 이용하여 연속적인 영 상들 사이의 차이를 표현한다[9～10]. 그림 4에서 보이는
(a) (b)
그림 4. 광류 방법에서의 영상 프레임 간의 픽셀의 움 직임 표현 (a) 사전 영상 (b) 사후 영상
Fig. 4. Representation of the movement of pixels between image frames in optical flow method (a) pre-image (b) post-image
바와 같이 광류 방법에서 중점이 되는 것은 이전 영상 에서 다음 영상으로 넘어갈 때 어떻게 픽셀의 움직임을 추정하느냐에 대한 것이다.
는 시간 에서의 좌표 의 영상 밝 기 함수이며 영상 순열을 제공한다. 영상의 대상이 움 직이면 의 시간이 흐른 뒤 대상의 변위(displacement) 는 이고, 이러한 움직임에 대한 표현은 다음과 같다. 이는 앞서 가정한 밝기 항상성을 바탕으로 한다
[10].
(1) 식 (1)을 이를 1차 테일러 시리즈로 확장하여 다음과 같이 나타낼 수 있다.
(2) 식 (2)에서 고차항 를 무시하고 1차항만을 고 려하면 다음과 같이 정리된다.
(3)
여기서 다음과 같이 각각의 축, 축에 대한 속도 성분을 정의한다.
(4)
식 (4)를 식 (3)에 대입하고, 편도 함수를 각각 ,
, 로 나타내어 정리하면 식 (5)와 같은 기울기 제약 방정식(gradient constraint equation)을 얻을 수 있다.
(5)
다시 말해 , , 세 방향의 밝기의 변화율을 표현 하는 , , 는 영상으로부터 얻는 기울기 값이라 할 수 있다. 광류 벡터는 영상에서 임의의 화소
에서의 순간적인 변화율로 정의하는데 광류를 이용한 움직임 추정은 주어진 영상에서의 속도 벡터 를 구하는 것이 목적이다. 그러나 이 때 미지수가 , 의 두 개인데 반하여 위의 식 (5)는 한 개의 제한식을 나 타내므로 이로부터 직접 광류 벡터를 구할 수 없으며, 다음의 식 (6)과 그림 5에서와 같이 기울기 제약 방정 식에 대한 직교치(normal value)만 추정이 가능하다[7, 9].
(6)
은 밝기 경사 방향에서의 광류 성분을 의미한다.
임의의 한 점에서 한 개의 식 (6)만으로는 2개의 변수 를 구할 수 없는데 이를 작은 구멍 문제(aperture problem)라 한다. 즉, 영상 평면에서의 기울기 방향에 있는 움직임만을 추정할 수 있으므로 이러한 문제를 해 결하기 위해 추가적인 조건이 필요하게 되었다.
그림 5. 광류 방법으로부터의 속도 벡터 추정
Fig. 5. Estimation of velocity vector from optical flow method.
나. Horn-Schunck 알고리듬
Horn과 Schunck는 광류가 공간적으로 크게 변화하 지 않는다는 제한을 두었고, 이를 토대로 하여 광류를 여러 가지 수학적 방법을 이용하여 정의하였다. 즉 앞 에서 보인 기울기 제약 조건에 광류가 공간적으로 크게 변하지 않는다는 평탄화 제약 조건을 주었다[9]. 먼저 식 (5)로부터의 편차는 다음과 같이 표현될 수 있다.
(7)
인접하는 점은 비슷한 속도를 가지며 영상 내에서의 밝기 패턴의 속도장은 모든 곳에서 매끄럽게 변화한다 는 가정으로부터의 편차는 다음과 같다. 이는 광류가 공간적으로 크게 변화하지 않는다는 제한을 의미한다.
(8)식 (7)과 식 (8)로부터 식 (9)와 같이 전체 오차가 구 해진다.
(9)여기서 는 적절한 값을 넣어 조절할 수 있는 평활 화 가중 인자(smoothing weighting factor)이며, 위의 전체 오차를 최소화하는 문제가 속도 벡터 의 값 을 찾는 것이다. 이를 찾기 위해 변분법을 사용하면 다 음의 식을 얻는다.
∇ (10) ∇
와 의 라플라시안 근사화는 다음과 같이 한다.
∇ ≈ and
∇ ≈
(11)
여기서 는 비례 상수이고, 지역 평균(local average)
, 는 다음의 식 (12)와 같이 정의된다. 그리고 축은
방향, 축은 방향, 축은 시간() 방향에 상응한다.
이를 그림 6에서 표현하고 있다[9].
그림 6. 지역 평균으로부터의 라플라시안 Fig. 6. Laplacian from local average.
(12) 아래의 식 (13)에서의 기울기 , , 는 동일한 픽셀에서의 1차 미분 값이다.
≈
≈
≈
(13)
식 (10)을 위와 같은 라플라시안 근사법을 사용하여
, 에 대해 풀어 적용하면 다음과 같이 계산된다.
(14)
여기에서 과 은 번째 반복에서 주어진 픽셀에
그림 7. Horn-Schunck 방식에서 쓰이는 미분 마스크 Fig. 7. Used derivative mask in Horn-Schunck method.
그림 8. Horn-Schunck 알고리듬의 순서도 Fig. 8. Flow chart of Horn-Schunck algorithm.
서의 속도를 의미한다[9]. 이러한 단계를 거쳐 N+1개의 영상으로부터 N개의 결과를 얻을 수 있다. 다음의 그림 8은 위에서 서술한 내용을 보여주는 Horn-Schunck 알 고리즘의 순서도이다. 초기 값 , , , , 와
, 을 이용하여 , 을 추정한다. 오차들 의 합()이 임계값 보다 작거나 반복횟수 n이 최대 반 복횟수보다 클 경우 반복을 중지하고 그때의 속도 벡터 u와 v를 최종 값으로 결정한다.
본 연구에서는 위의 광류 방법을 통하여 얻어지는 x 축과 y축의 속도 벡터 u, v를 기준(norm) 값, 즉
값을 취하여 사용하였다. 각 환자들에게서 흡기와 호기 동안 촬영된 영상이 각각 4장이므로 흡기
(a) (b)
(c) (d)
(e) (f) 그림 9. 호흡 하는 동안의 광류장 표현 예
(a)(b)(c) 흡기 동안의 속도 벡터 (d)(e)(f) 호기 동안의 속도 벡터
Fig. 9. Example of representation of optical flow field during respiration.
에서 3개의 값, 호기에서 3개의 값이 구해지게 된다. 본 연구에서 사용된 값은 1로 고정하였으며, 반복 횟수 는 100회로 일정하게 유지하였다. 그림 9는 OSAS 환자 의 호흡이 이루어지는 동안 광류 값의 분포를 보여주는 광류장의 예이다. 광류 방법은 그림에서 보이는 바와 같이 움직임의 분포를 방향성과 크기 정보를 가진 속도 벡터로써 표현이 가능하다. 그림 9의 (a), (b)와 (c)는 흡기 동안의 기도 가장자리의 움직임을 보여주며, (d), (e)와 (f)는 호기 동안의 기도 경계에서의 움직임을 시 각적으로 보여주고 있다.
3. 데이터 획득
본 연구에서 사용한 MRI 영상 데이터는 미국 뉴욕시
field of view (영상 단면적) 230×230
slice thickness (단면 두께) 5
spatial resolution(공간 해상도) 672×672 Scan sequence Spin Echo(SE)
TR 180.7
TE 5.4
bit depth 12 bit
표 1. MRI 영상의 파라미터
Table 1. Parameters of MRI images.
그림 10. 기도를 촬영한 MRI 축(axial) 원영상 Fig. 10. MRI axial original image of airway.
에 소재한 Montefiore Medical Center에서 연령이 14.5±2.3세인 정상인 6명과 연령이 14.8±2.8세인 OSAS 환자 5명을 대상으로 획득하였으며, 일정한 시간 간격 으로 흡기와 호기 동안 각각 4번 촬영된 MRI 축(axial) 영상을 사용하였다. 이 영상들은 목 부분을 촬영한 영 상으로써 표 1과 같은 파라미터로 촬영하였다.
원본 영상은 그림 10에서와 같이 672×672 크기의 영 상이며, 이를 기도 주위의 편도선, 연골, 아데노이드 등 의 조직들과 기도를 시각적으로 확연하게 구분하기 위 하여 자체적으로 윈도우/레벨을 조절하였다. 그리고 각 환자마다 중심이 일정한 256×256 크기의 정사각형 관 심영역( region of interest)을 지정하여 기도가 영상의 가운데에 오도록 하여 중심을 일정하게 유지하면서 추 출하였다.
본 연구에서는 기도 경계만의 동적인 움직임과 변형 을 관찰하는 것이 목적이므로 그림 11에서와 같이 관심 영역으로 지정된 영상에서 기도 부분의 밝기를 0으로
(a)
(b)
그림 12. 기도 면적 분석 방법과 광류 방법에서 흡기와 호기에서의 차이의 절대 값 상자그림 (a) 기도 면적 분석 방법 (b) 광류 방법
Fig. 12. Boxplot of the absolute value of difference between inspiration and expiration using both airway area analysis method and optical flow method (a) airway area analysis method (b) optical flow method.
(a) (b)
그림 11. 기도의 관심 영역 지정과 이진 영상 (a) 지정된 관심 영역 (b) 기도 부분만을 추출한 이진 영상 Fig. 11. Region of interest of airway and binary image
(a) Region of interest (b) binary image of extracted airway portion
하고, 그 외의 부분의 밝기는 255로 변환한 이진 영상 을 적용하였다.
Ⅲ. 실 험
3.1. 면적 변화 분석 방법과 광류 방법의 비교 본 연구에서는 256×256 크기의 관심 영역을 기준으 로 하여 추출된 기도가 영상에서 차지하는 화소의 개수 를 계산하여 면적 변화를 추정하였고, 광류 값은
로 정하여 사용하였다. 이 두 방법을 각각 OSAS 환자 5명과 정상인 6명에 대하여 적용하여 이를
비교하였다. 그림 12는 두 방법을 적용하여 각각의 경 우 흡기와 호기에서의 차이의 절대 값을 상자그림(box plot)으로 나타낸 것이다. 통계적 유의성을 검정하기위 해 등분산 가정 두 집단의 t-검정을 사용한다. OSAS 환자가 정상인보다 절대 값의 차이가 클 것이라는 가정 에서 기도 면적의 흡기와 호기에서의 차이의 절대 값은 유의 수준 0.05에서 차이가 크다고 말할 수 없지만 (p-value = 0.0977), 광류 값의 흡기와 호기에서의 차이 의 절대 값은 유의 수준 0.01에서 차이가 크다고 말할 수 있다 (p-value = 0.0011). 따라서 광류 방법을 통하 여 추정할 수 있는 변화량을 이용함으로써 OSAS 환자 와 정상인을 구분함에 있어 기도 면적만으로는 분석이 어려운 경우 도움이 될 것으로 기대된다.
Ⅳ. 결 론
본 연구에서는 폐쇄성 수면 무호흡 증후군을 가진 소 아 비만 환자의 기도를 면적의 변화를 관찰하는 방법과 함께 이를 광류 방법에 적용하여 비교, 분석하는 연구 를 진행하였다. 이를 위하여 각각 정상인 환자와 OSAS 환자의 기도를 촬영한 영상에서 흡기와 호기에서의 기 도의 면적의 차이와 광류 방법을 통하여 얻어진 계산 값의 차이를 비교하였다. 기도 면적 분석 방법을 사용 하였을 때, 흡기와 호기에서의 차이의 절대 값은 유의 수준 10%에서 차이가 있었다. 반면, 광류 방법을 사용
하였을 때의 결과 값은 유의수준 1%에서 차이가 있음 을 확인할 수 있다. 따라서 광류 방법을 통하여 추정할 수 있는 변화량을 이용함으로써 OSAS 환자와 정상인 을 구분함에 있어 기도 면적만으로는 분석이 어려운 경 우 도움이 될 것으로 기대된다.
본 연구에서 사용한 방법을 기존의 연구와 함께 사용 한다면 기도의 면적 변화만으로 정상인과 OSAS 환자 를 구분하고 분석함에 있어 어려움이 있는 경우 부가적 인 효과를 얻을 수 있을 것으로 기대된다.
REFERENCES
[1] R. T. Brouillette, S. K. Fernbach, C. E. Hunt,
“Obstructive sleep apnea in infants and children”, The Journal of pediatrics, pp. 31-40, 1982.
[2] C. Guillenminault, F. L. Eldrige, F. B. Simmons and W. C. Derment, “Sleep Apenea in eight children”, Pediatrics, vol. 58, pp. 23-30, 1976.
[3] J. L. Carroll and G. M. Loughlin, “Diagnostic criteria for Obstructive Sleep Apnea Syndrome in Children”, Pediatric Pulmonology, vol. 14, pp.
71-73, 1992.
[4] W. S. Kim, “Sleep apnea syndrome”, Korean Society for the Study of Obesity 32th Spring Conference, pp. 6-9, The Catholic University of Korea, Seoul ST. Mary’s Hospital, Korea, April 2010.
[5] R. Arens, S. Shin, J. M. McDonough, J. M.
Palmer, T. Dominguez, H. Meyer, D. M.
Wootton, and A. I. Pack, “Changes in Upper Airway Size Tidal Breathing in Children with Obstructive Sleep Apnea Syndrome”, American journal of respiratory and critical care medicine, vol. 171, pp. 1298-1304, 2005.
[6] J. L. Barron, D. J. Fleet, S. S Beauchemin
“Performance of Optical Flow Technique”, International Journal of Computer Vision, vol.
12, pp. 43-77, 1994.
[7] S. S. Beauchemin and J. L. Barron, “The Computation of Optical Flow”, ACM Computing Surveys, vol. 27, pp. 433-466, 1995.
[8] A. Singh, “Optical Flow Computation”, IEEE Computer Society Press, Los Alamitos. CA, pp.
22-43, 1991.
[9] B. D. Lucas and T. Kanade, “An Iterative Image Registration Technique with an Application to
Stereo Vision”, In: IJCAI, pp. 674-679, 1981.
[10] B. K. Horn and B. G. Schunck, “Determining Optical Flow”, 1981 Technical Symposium East, International Society for Optics and Photonics, pp.319-331, 1981.
[11] S. J. Song, K. G. Nam, J. M. Lee, “Measurement of Optical Flow Using Horn and Anandan Techniques”, Proceedings of IEEK conference, vol. 21, pp. 685-688, 1998.
저 자 소 개 이 민 희(학생회원) 2011년 8월 연세대학교
의공학과 학사졸업 2013년 8월 연세대학교 대학원
의공학과 석사졸업 2013년 9월～현재 연세대학교
대학원 의공학과 박사 과정
<주관심분야 : 의료영상신호처리, DTI 트랙토그 래피, 뇌 네트워크 모델링 & 분석>
김 동 윤(정회원) 1981년 2월 연세대학교
전기공학과 학사졸업 1983년 2월 연세대학교
전기공학과 석사졸업 1990년 12월 Rensselaer
Polytechnic Institute Ph.D.
1991년 3월～현재 연세대학교 보건과학대학 의공학부 교수
<주관심분야 : 의료영상신호처리, DR 영상처리, DTI 트랙토그래피, 뇌 네트워크 모델링 & 분석>
