CT 영상에서의 잡음수준 자동측정기법
전 민 수1∙김 종 효1-4
1서울대학교 의과대학 협동과정 방사선응용생명과학전공
2서울대학교 의과대학 영상의학교실
3서울대학교 융합과학기술대학원 융합과학부 방사선융합의생명전공
4서울대학교 차세대융합기술연구원
An Automated Method for Measurement of Noise Level in CT Images
Minsoo Chun1, Jong Hyo Kim1-41Interdisciplinary Program in Radiation Applied Life Science, Seoul National University College of Medicine, Seoul, Korea
2Department of Radiology, Seoul National University Hospital, Seoul, Korea
3Program in Biomedical Radiation Sciences, Department of Transdisciplinary Stdudies, Graduate School of Convergence Science and Technology,
Seoul National University, Suwon, Korea
4Advanced Institutes of Convergence Technology, Seoul National University, Suwon, Korea
= Abstract =
Measurement of the noise level in CT images is an important task in assessing the image quality for protocol optimization and quality control in CT imaging. Despite the importance of appropriate noise evaluation, relatively little studied is the subject on automated measurement of noise level in CT im- ages. The noise measurement is usually carried out by manually drawing a region of interest, and the standard deviation within the region is being used to represent the noise level. While this manual mea- surement apparently appears to be straightforward and reliable, its reliability in terms of intra- and in- ter-rater variability has not been fully assessed and thus potentially suffers rater dependent variability.
In this study, we have developed a technique for automatically localizing the homogeneous regions by applying the histogram analysis on the sum of gradient within the region of interest, and thereby quan- tifying the noise level in CT image. We applied the developed technique to 50 CT images of 10 pa- tients (each individual for 5 images) and evaluated its performance in comparison with raters’manual drawing method. Our developed technique has successfully performed the operation in all the test im- ages, and has shown an agreement of 0.87 with the reference measurement which was obtained by pooling of all raters’measurements. Our developed technique has a potential to be used for the as- sessment of image quality of CT images in various studies evaluating imaging performance of evolv- ing CT techniques.
Key words: Computed Tomography, Noise level quantification
통신저자: 김종효, (110-744) 서울특별시 종로구 대학로 101, 서울대학교병원 영상의학과 Tel: 02-2072-3677, Fax: 02-747-1762, E-mail: [email protected]
상의 품질을 향상시키기 위한 연구들이 활발히 진행되고 있다 [1]. 2009년 보고된 논문에 의하면 반복적 재구성기법을 이용 하여 45%의 방사선량 감소와 동시에 영상품질 유지가 가능하 고[2], 2006년과 2010년 보고된 논문에 의하면 자동노출제어 시스템을 이용하여 기기와 시스템 설정에 따라 진단능의 저하 가 없는 정도의 영상 품질을 유지하면서 각각 7-51%와 35- 60%의 방사선량 감소가 예상된다고 보고하고 있다[3, 4]. 다 양한 기술들을 이용하여 영상의 화질은 유지하거나 개선시키 면서 환자가 받는 방사선량은 감소시켰지만, 영상의 품질을 정 량화된 기준으로 측정하는 방법에 대한 연구는 미비한 상태이 다. 영상에서의 열화 정도 및 잡음크기를 계산하는 방법은 정 성적 분석(qualitative analysis)과 정량적 분석(quantita- tive analysis)으로 나뉠 수 있다. 정성적 분석은 관찰자가 육 안으로 관찰한 영상의 품질 정도에 따라 5단계로 등급을 매겨 영상의 품질을 평가하는 방법이고[5], 정량적 분석은 획득한 영상 내에서 측정자가 CT 값이 비교적 균일하다고 판단하는 영역에 관심영역(region of interest; ROI)을 그려 표준편차 (standard deviation) 혹은 신호 대 잡음비(signal-to-noise ratio; SNR) 등의 화질지표를 계산하여 영상의 품질을 평가 한다[5-14]. 하지만, 관찰자가 관심영역을 그리는 과정에서 측 정자 내 변동성(intra-rater variability)과 측정자 간 변동성 (inter-rater variability)이 존재할 수 있기 때문에 재현성 (reproducibility)이 떨어질 수 있다. 따라서, CT 영상에서 CT 값이 균일한 영역을 자동적으로 찾아내어 영상 품질을 평
1. 연구대상
본 연구에서는 서울대학교병원 영상의학과에서 2010년부터 2013년 기간 중 촬영한 환자 10예의 영상데이터를 사영하였으 며, 각 증례 당 5장의 영상, 총 50장의 영상을 이용하여 연구를 시행하였다. 이 때 사용된 CT 영상은 16열 다열검출기 CT(Siemens Sensation 16)에서 획득하였으며 Digital Imaging and Communication in Medicine(DICOM) 형식 의 파일로 개인용 컴퓨터에 저장한 후 영상 분석 및 처리하였 다. 촬영 시 관전압, 관전류, 자동피폭량조절 사용 유무, 절편 두께 등의 촬영 조건은 각기 달라, 다양한 조건에서 획득한 영 상을 제안한 기법으로 평가하였다. 본 연구에서 제안하는 CT 영상에서 잡음크기를 자동으로 정량화하는 방법은 그림 1의 흐름도에 보인 바와 같다.
2. 평탄영역 추출
CT 영상의 잡음 크기를 결정하기 위해서 먼저 영상의 평탄 영역을 판단하였다. 촬영 시 발생하는 잡음과 인공물(arti- fact)의 영향이 없는 특성만을 파악하기 위하여 환자 영상에 가우시안 평활화를 취하고, 여기에 Sobel 연산을 적용하여 경 사성분 영상을 획득하였다. 이 때 사용된 가우시안 커널의 크 기는 CT 영상의 재구성 커널이 B30f인 경우 1.5, B60f 커널 의 경우 2를 사용하였다. 한편, 연부조직에서만 잡음을 측정하 기 위해서 반지름 7화소로 이루어진 원형 관심영역의 평균값 이 비조영검사의 경우 -80~130 HU, 조영검사의 경우 - 80~280 HU인 영역만을 후보 관심영역으로 추출하였다.
추출된 후보 관심영역에 대해 그림 2의 (d)와 같이 경사성분 영상의 크기 합을 구하여 히스토그램의 분포를 구하고 이에 따 른 최빈값을 구하였다. 경사성분 영상의 크기 합이 작은 관심 영역일수록 평탄한 영역을 나타내므로, 히스토그램 분포에서 경사성분 영상 크기의 합이 최빈값보다 작은 관심영역만을 추 출하여 평탄 영역으로 지정하였다. 기술한 방법을 이용하여 찾 아 낸 평탄영역은 그림 2의 예시에 확대하여 나타내었고, (a)
Figure 1. Overall procedure of the proposed method.
는 원본 영상, (b)는 경사성분 영상, (c)는 경사성분 영상크기 가 최빈값보다 작은 영역에 해당하여 추출한 평탄 관심영역, (d)는 후보 관심영역에서의 경사크기의 히스토그램을 나타내 었다.
3. 영상 잡음 크기 정량화 및 평가
평탄영역으로 추출된 관심영역에 대하여 영상에서의 표준편 차 값을 구하고, 이들 중 최빈값을 해당 영상을 대표하는 잡음 수준으로 취하였다. 이렇게 자동적으로 측정된 잡음수준을 기 존 방법인 측정자의 수동적 잡음측정값과 비교하는 실험을 수 행하였다. 기존 방법에 있어서 측정자 내 변동성(intra-rater variability)과 측정자 간 변동성(inter-rater variability)을 확인하기 위하여 5명의 관찰자가 ImageJ(National Institute of Health, USA, http://rsb.info.nih.gov/ij) 소
프트웨어를 이용하여 평탄하다고 판단한 위치에 관심영역을 수동적으로 그리고 이로부터 취한 표준편차로서 잡음 크기를 얻었다.
영상의 잡음크기에 대한 골드 스텐다드(gold standard) 값 을 얻기 위하여 측정자 5명이 수동으로 계산한 값의 평균을 참 조 값(reference)으로 삼아 제안된 방법으로 측정된 잡음수준 과의 일치도를 구하였다.
결 과
본 연구에서 제안하는 방법을 수집한 환자 10예 당 각 5장, 총 50장의 영상 모두에서 오류 없이 평탄한 관심영역을 성공적 으로 추출함을 확인하였고, 그림 3에 여러 스캔 위치에서의 영 상에 대해 그 예를 보였다.
주어진 영상에서 추출한 평탄한 관심영역과, 이로부터 표준
a b c d
Figure 2. (a) An example of an enlarged version of CT image, (b) The gradient image of (a), (c) Detected homogeneous region by proposed method, (d) The histogram of a sum of gradient on candidate regions of interest.
Figure 3. Examples of CT images (top) and those detected homogeneous region (bottom).
편차를 측정하는 과정의 예를 그림 4에 나타내었다. 그림 4 (c)에서 보인 표준편차 히스토그램의 최빈값이 자동적으로 정 량화된 영상의 잡음수준을 나타낸다.
그림 5의 예시는 측정자가 수동으로 그린 관심영역의 위치 와 크기가 각각 다름을 나타내고, 표 1은 그에 따른 영역의 넓 이, 평균 HU, 표준편차를 나타낸다. 또한 각각의 측정자가 수 동으로 측정한 잡음 크기는 그림 6의 그래프에 나타내어 각 측 정자가 측정한 잡음 크기에 차이가 있음을 나타내었다.
5명의 측정자가 수동으로 측정한 잡음 크기는 각 영상마다 각각의 측정자를 제외한 나머지 4 명의 측정자가 측정한 잡음 값들의 평균값을 구하여 각각 참조값 1, 2, 3, 4, 5로 삼아 측 정자의 수동 측정 잡음 크기간의 일치도를 그림 7의 (a) 나타
내었고, 전체 5 명의 측정값을 평균한 참조값과 제안된 방법으 로 구한 잡음 크기와의 일치도를 그림 7의 (b)에 나타내었다.
표 2에 나타낸 바와 같이 측정자 1에 대해 측정한 측정자 내 일치도(intra-rater agreement)는 0.83으로써 측정자 간 일
Figure 4. An example of a CT image (left), detected homogeneous region (center), and the histogram of a noise level calculated on homogeneous re- gion (right).
Figure 5. An example of manually drawn regions of interest by each rater.
Figure 6. Comparison of noise levels measured by 5 different raters on CT images.
Table 1. Area, mean HU, standard deviation of manually drawn re- gions of interest by 5 raters given at Figure 5
측정자 영역넓이(mm2) 평균HU 표준편차
1 134.594 206.021 69.322
2 150.829 197.372 69.542
3 114.169 168.034 70.413
4 039.540 191.139 70.804
5 043.468 209.867 60.482
치도(inter-rater agreement) 보다 크게 나타났다. 각 측정 자와 참조값과의 일치도는 0.74, 0.83, 0.79, 0.81, 0.75로 나 타났으며, 제안된 방법과 참조값과의 일치도는 0.87이었다.
고찰 및 결론
본 연구에서는 다양한 기기와 각기 다른 조건에서 촬영한 CT 영상에서의 잡음 크기를 자동적으로 측정하는 기법을 개발 하고자 하였다. CT 영상에서의 잡음을 저감하는 연구는 제조 사들을 중심으로 활발하게 이루어지고 있으나, 잡음을 자동적 으로 측정하는 연구는 매우 희소하다. 본 연구에서는 기존에 측정자가 평탄영역을 찾아서 관심영역을 손으로 지정하고 이 로부터 얻은 표준편차로서 잡음수준을 측정해 온 관례를 컴퓨 터 알고리즘에 의해 자동화 시키고자 하였다.
제안된 방법으로 추출한 잡음 크기는 참조값과의 일치도가 0.87로서, 각 측정자와 참조값과의 평균 일치도 0.78보다 높았 으며, 측정자중 참조값과의 최고 일치도인 0.83보다도 높았다.
이는 본 연구에서 제안한 자동적 잡음수준 측정방법이 기존의 측정자의 수작업에 의한 측정방법에 비해 변동성이 적고, 일관 된 측정치를 제공해 줄 수 있음을 나타내는 것으로 해석된다.
이 연구에서는 제안된 방법의 구현에 있어서 Matlab 2013b (matrix laboratory, Mathworks)을 기반으로 개발되었으 며, 이진화 된 Mex C 코드와의 병합으로 프로그램 속도를 70% 가량 향상하였지만 CT 영상 한 장의 잡음을 평가하는데
평균 6초의 시간이 소요되어 비교적 오랜 연산시간이 본 연구 의 한계점으로 지목되나, 대량의 영상 데이터에 대한 잡음 크 기를 정량화하는데 있어 높은 정확성과 재현성의 측면에서 그 우수성을 주목할 만하다.
현재 CT 영상 기술은 저선량으로 우수한 품질의 영상을 획
a b
Figure 7. Agreement of noise levels (a) between reference value and manually measured values, and (b) between reference value and automated re- sult by proposed method.
Table 2. Correlation coefficients(r) of an intra-rater agreement, an inter-rater agreement, an agreement between reference value and manual result by 5 raters, and an agreement between reference val- ue and result by proposed method
기준 비교 상관계수(r) 측정자 내 일치도 측정자1 측정자1 0.83 측정자 간 일치도 측정자1 측정자2 0.69 측정자1 측정자3 0.68 측정자1 측정자4 0.66 측정자1 측정자5 0.56 측정자2 측정자3 0.70 측정자2 측정자4 0.69 측정자2 측정자5 0.78 측정자3 측정자4 0.74 측정자3 측정자5 0.61 측정자4 측정자5 0.71 참조값과 측정자 참조값1 측정자1 0.74 간 일치도 참조값2 측정자2 0.83 참조값3 측정자3 0.79 참조값4 측정자4 0.81 참조값5 측정자5 0.75 참조값과 제안하는
방법 간 일치도 참조값 자동 추출 0.87
한 잡음 평가 부분에서 본 연구의 기술은 두드러질 만한 가치 가 있다[16, 17]. 또한 임상적으로 환자의 등각점(isocenter) 위치 오차에 따른 영상품질 변화, 방사선사가 사용하는 참조준 위에 따른 자동 피폭량 조절 시 관전류의 변화에 따라 변동되 는 영상 품질 변화 평가 등 다양한 응용분야가 존재함은 제안 하는 기술의 필요성을 입증한다[18].
다양한 CT 제조사 별 기기가 존재하고 다양한 영상 재구성 기법이 존재하기 때문에 이에 따른 응용을 구체화시키고, 한계 점으로 제시한 프로그램의 최적 파라미터 획득 속도를 증진시 킴으로써 본 연구에서 제안한 기술을 향상시키고, 나아가 품질 평가 및 진단에 사용할 수 있는 영상품질을 자동적으로 판단하 는 기술로 발전시킴으로써 자동화된 CT 영상 품질 평가에서 시간적, 경제적 절감 효과를 불러일으킬 수 있을 것으로 기대 한다.
사사
이 논문은 2013년도 미래창조과학부의 재원으로 첨단의료 기기사업본부-신기술융합형성장동력사업의 지원을 받아 수행 된 연구임 (2013K000423)
참 고 문 헌
1.이정원, 이수열, 유동훈. 컴퓨터단층촬영(CT) 기술동향. 전자통 신동향분석 제 25권 제 4호 2010년 8월.
2. Amy K. Hara, Robert G. Paden, Alvin C. Silva, Jennifer L.
Kujak, Holly J. Lawder, William Pavlicek. Iterative Reconstruction Technique for Reducing Body Radiation dose at CT: Feasibility Study. AJR Am J Roentgenol 2009;193:764- 771
3. S. Namasivayam, M.K. Kalra, K.M. Pottala, S.M. Waldrop, P.A. Hudgins. Optimization of Z-Axis Automatic Exposure Control for Multidetector Row CT Evaluation of Neck and Comparison with Fixed Tube Current Technique for Image Quality and Radiation Dose. AJNR Am J Neuroradiol 2006;27:2221-2225
4. So¨derberg M, Gunnarsson M. Automatic exposure control in
8. Yamao Y, Yamakado K, Takaki H, Yamada T, Murashima S, Uraki J, Kodama H, Nagasawa N, Takeda K. Optimal scan pa- rameters for CT fluoroscopy in lung interventional radiologic procedures: relationship between radiation dose and image quality. Radiology 2010;255:233-241
9. Arthurs OJ, Yates SJ, Set PA, Gibbons DA, Dixon AK.
Evaluation of image quality and radiation dose in adolescent thoracic imaging: 64-slice is preferable to 16-slice multislice CT. Br J Radiol 2009;82:157-161
10. Papadakis AE, Perisinakis K, Damilakis J. Automatic exposure control in pediatric and adult multidetector CT examinations:
A phantom study on dose reduction and image quality. Med Phys 2008;35:4567-4576
11. Brisse HJ, Madec L, Gaboriaud G, Lemoine T, Savignoni A, Neuenschwander S, Aubert B, Rosenwald JC. Automatic expo- sure control in multichannel CT with tube current modulation to achieve a constant level of image noise: Experimental assess- ment on pediatric phantoms. Med Phys 2007;34:3018-3033 12. McCollough CH, Bruesewitz MR, Kofler JM Jr. CT Dose
Reduction and Dose Management Tools: Overview of Available Options. Radiographics 2006;26:503-512
13. Iball GR, Brettle DS, Moore AC. Assessment of tube current modulation in pelvic CT. Br J Radiol 2006;62-70
14. Rizzo S, Kalra M, Schmidt B, Dalal T, Suess C, Flohr T, Blake M, Saini S. Comparison of angular and combined automatic tube current modulation techniques with constant tube cur- rent CT of the abdomen and pelvis. AJR Am J Roentgenol 2006;186:673-679
15. Graser A, Wintersperger BJ, Suess C, Reiser MF, Becker CR.
Dose Reduction and Image Quality in MDCT Colonography Using Tube Current Modulation. AJR Am J Roentgenol 2006;
695-701
16. Papadakis AE, Perisinakis K, Oikonomou I, Damilakis J.
Automatic exposure control in pediatric and adult computed tomography examinations: can we estimate organ and effec- tive dose from mean MAS reduction?. Invest Radiol 2011;46:
654-662
17. Khatonabadi M, Zhang D, Mathieu K, Kim HJ, Lu P, Cody D, Demarco JJ, Cagnon CH, McNitt-Gray MF. Med Phys. A com- parison of methods to estimate organ doses in CT when utiliz- ing approximations to the tube current modulation function.
2012;39:5212-5218
18. Thomas Toth, Thanyu Ge, The influence of patient centering on CT dose and image noise. Med Phys 2007;34:3093-3101
대한의학영상정보학회지 2013;19:31-37
=초 록=
CT영상에서 영상의 잡음 크기를 측정하는 것은 촬영 프로토콜 최적화와 영상 품질관리에 있어서 필수적이다.
이러한 영상 잡음 평가에 대한 필요성 해결을 본 연구의 취지로 삼았으며, 이에 따라 본 연구에서는 CT영상에서 의 잡음크기를 자동적으로 정량화하는 기법을 제안한다. 현재 임상에서는 측정자가 수동적으로 평탄하다고 판단 한 관심영역에서의 표준편차 값을 영상에서의 잡음크기로 대표하고 있다. 이러한 수동적 기법은 비교적 간단하 고 신뢰성 있는 수준의 수치를 제공하나, 이에 따른 큰 측정자 내 변동성과 측정자 간 변동성은 재현성 저하를 초 래한다.
본 연구에서는 CT 경사 영상의 히스토그램 분석을 통하여 평탄영역을 찾고 이 영역에서의 표준편차를 구함으 로써 잡음크기를 정량화하는 방법을 개발하였다. 개발한 기법은 총 50예의 영상(환자 10예, 각 증례 당 5장)에 대해 적용하여 측정자의 수동 측정 결과와 비교하였으며, 0.87의 일치도를 나타냄을 확인함으로써, 본 연구의 우 수성을 입증하였다. 본 연구에서 개발한 기술은 다양한 조건으로 촬영한 CT 영상의 잡음 및 성능 평가 등 다양한 연구에서 활용될 것으로 기대한다.
