Using a computer color image automatic detection algorithm for gastric cancer

컴퓨터 컬러 영상을 이용한 위암 자동검출 알고리즘

한 현 지* · 김 영 목** · 이 기 영*** · 이 상 식****

Using a computer color image automatic detection algorithm for gastric cancer

Hyun-Ji Han* · Young-Mok Kim** · Ki-Young Lee*** · Sang-Sik Lee****

요 약

본 연구는 발생률 2위에 머무르고 있는 위암의 자동검출 알고리즘을 제시하였다. 증상이 진행된 염증과 암은 비교 적 쉽게 판단 가능하지만 초기의 경우 주의 깊게 보지 않는 이상 병변의 진단이 쉽지 않다. 이에 본 연구는 진행 중인 위암 뿐 아니라 조기 진단에 효과적인 자동검출 알고리즘 네 가지를 제시하였다. 연구엔 정상인의 위, 조기 위암과 진 행성 위암 환자의 내시경 영상을 사용하였다. 첫 번째, 우선 연구에 사용될 각각의 내시경 영상에 표면 음영 기법의 유무를 결정한다. 기본영상에 표면 음영 기법을 넣거나 제거함으로써 종양의 유무를 색으로 쉽게 판별가능하게 한다.

이 때 각각의 수치 값은 동일하게 유지한다. 표면 음영의 제거, 추가는 각자의 기호에 달렸으나 연구에서는 음영을 넣 은 것으로 진행한다. 두 번째, 표면 음영을 추가한 영상에 침식 필터를 거쳐 잡음을 제거하여 진찰에 유의하게 한다.

세 번째, 표면 음영을 추가한 영상에 특정 부위의 선 윤곽 그래프 검출하여 증상 정도에 따른 RED 값을 추출한다. 네 번째, 각 환자의 내시경 영상을 세분화 그래프로 나타내 RED 그래프 값을 포함한 후 색을 반전시켜 종양의 위치를 붉게 표시하는 알고리즘을 제안함으로써 위암 뿐 아니라 나아가 타 암과 염증의 진단에도 도움이 되고자 했다.

ABSTRACT

This experiment present the automatic detection algorithm of gastric cancer that take second place among all cancers. If an inflammation and a cancer are not examined carefully, early ones have difficulty in being diagnosed as illnesses than advanced ones. For diagnosis of gastric cancer, and progressing cancer in this study, present 4 algorithm. research team extracted an abnormal part in stomach through the endoscope image. At first, decide to use shading technique or not in each endoscope image for study.

it make easy distinguish to whether tumor is existing or not by putting shading technique in or eliminate it by the color. Second. By passing image subjoin shading technique to erosion filter, eliminate noise and make give attention to diagnose. Third. Analyzing out a line and fillet graph from image adding surface shade and detect RED value according to degree of symptoms. Fourth. By suggesting this algorithm, that making each patient's endscope image into subdivision graph including RED graph value, afterward revers the color, revealing the position of tumor, this study desire to help to diagnosing gastric, other cancer and inflammation.

Key Words : Gastric cancer, Image processing, Diagnosis, Filtering, RGB

* 관동대학교 의료공학과 학사과정 ([email protected])

** 관동대학교 의료공학과 학사과정 ([email protected])

*** 관동대학교 의료공학과 교수 ([email protected])

**** 교신저자 : 관동대학교 의료공학과 교수 ([email protected])

접수일자 : 2011년 9월 15일, 수정일자 : 2011년 11월 13일, 심사완료일자 : 2011년12월 01일

Ⅰ. 서 론

최근 들어 IT기술을 접목한 의료영상처리 기법 은 다양한 형태로 발전하고 있다. 척추측만증[1], 무지외반증[2] 및 암 등에까지 영상처리 기술을 응용하고 있다.

그런데 현재 국내 암 발생률 2위, 사망률 2위 를 차지하고 있는 위암은 지속적으로 발전되는 치료방법들에 따른 높은 치료율을 갖으나, 아직까 지 약으로 위암을 고칠 수 있는 방법이 없어 수 술에 의존하고 있는 질병이다. 이를 위한 가장 좋 은 방법은 조기에 발견하여 수술적인 치료를 받 는 것이다.

위암은 전혀 증상이 없는 경우에서부터 격심한 통증에 이르기까지 다양한 양상을 나타낸다. 초기 에는 증상이 없는 경우가 대부분이나 진행된 경 우 위 천공이 일어나 급성 복통이 발병하거나 복 막으로 전이되어 복수가 고이게 된다. 하지만 경 우에 따라 말기가 되기까지도 특이 증상이 없기 도 하여 조기 진단을 위한 주기적인 검사가 필요 하다.[3]

암을 진단하는 방법에는 병변의 깊이를 알 수 있는 내시경 초음파, 간 등 타 장기로의 전이를 확인하는 CT 촬영, 폐로 암세포가 전이되지 않았 는지를 확인하는 흉부 X-선 촬영, 최근에 미세한 암세포의 존재를 확인하기도 하는 PET검사, 일반 적으로 위암을 진단할 수 있는 상부위장관촬영술 이나 위내시경검사가 있다. 이중 위내시경검사는 내시경을 통하여 위 내부를 직접 관찰하면서 위 암의 모양, 크기, 위치를 평가하고, 의심되는 부위 에서 조직검사를 시행한다. 또한 조직검사를 통하 여 위암을 확진하고, 수술 범위를 결정하기 위해 꼭 필요한 검사이며, 증상이 없는 조기위암의 발 견에 가장 좋은 검사이다.[4]

최근에는 염색약을 이용하여 점막을 착색하거 나 면역형광색소를 주입한 후 내시경을 실시함으 로써 진단의 정확도를 더욱 높이고 있지만 색상 변화를 강화하는 기술들은 아직 널리 개발되어 있지 않다. 이에 본 논문에서는 보다 효율적인 진 단을 위해 위내시경의 컴퓨터 컬러 영상을 이용 한 위암 자동판단 알고리즘 시스템과 그에 따른

대략적인 수치 값을 제안한다.

Ⅱ. 재료 및 방법

1 실험 재료

본 연구에서는 그림 1과 같이 위암의 자동검출 알고리즘 개발을 위해 정상인 위(a), 조기위암(b), 진행성 위암(c)의 환자 내시경 영상을 사용하였 다.[5]

(a) (b) (c) 그림 1. 위 내시경 영상 Fig 1. Image of gastric endoscope

2 실험 방법

위암의 증상정도의 자동검출 알고리즘을 위해 정상인과 환자의 내시경 영상을 각각 4번씩 반복 측정하여 데이터베이스를 구축하였다. 이를 바탕 으로 한 영상처리의 다양한 접근을 통해 다음과 같은 알고리즘[그림 2]을 제시하였다.

① 정상인과 암 진행정도의 따른 위 내시경 영 상에 표면 그래프의 표면 음영 기법의 유무를 결 정한다. 이 때 종양을 구분하기 위하여 표면 음영 기법을 넣을 경우 색의 범위는 11 ~ 160, 색스팩 트럼은 0, 표면의 윤 값은 25로 유지하고 표면 음 양 기법을 제거할 경우 색의 범위는 25 ~ 174 색 스팩트럼은 0, 표면의 윤 값은 25로 같은 조건의 수치 값을 영상에 적용한다.

② 위 내시경 영상에 표면 음영을 추가한 후 침식 필터를 거쳐 잡음을 제거하여 진찰에 유의 하게 한다.

③ 위 내시경 영상에 표면 음영을 추가한 후 특정 부위의 색상을 선의 윤곽 그래프로 검출하

여 증상 정도에 RED 값 범위를 추출한다.

④ 위 내시경 영상을 세분화 그래프로 나타낸 후 그 중 RED 그래프 값을 포함한 후 색을 반전 시켜 발병 위치를 붉게 도드라지도록 한다. 이 때 내시경 빛의 반사광을 제거하기 위해 정상인 영 상에 침실필터를 우선적으로 사용한다.

그림 2. 내시경 영상 변환 시스템 Fig 2. Transform system of

endoscope image.

3 실험 장치

본 연구에서 알고리즘 제안을 위해 표면 음영 기법, 침식 필러, 선의 윤곽 그래프, 세분화 그래 프의 RGB 색체모델이 사용되었다.

① 표면 음영 기법

사용자 정의 카메라 위치와 관점에서 신호 강 도의 임계값에 정의된 범위 표면의 3D 디스플레 이하는 알고리즘이다.

부위의 수치 값과 일치하는 범위를 역치 값으 로 지정하여 해당되지 않는 부위는 모두 제거한 다. 그리고 선택된 복셀들의 원래 수치 값을 버리 고, 일정 수준 이상의 값으로 높여 재구성함으로 써 표면만의 관찰만 가능한 대조도가 거의 없는 상태가 되는 알고리즘이다.

② 침식연산

침식연산은 배경에 대해 배경을 확장시키고 물 체의 크기를 축소하는 역할을 한다. 침식 연산은 주로 물체와 배경사이의 스파크 잡음 제거와 같 이 전체 영상에서 아주 작은 물체를 제거하거나 또한 영상에서 배경확장에 따른 물체를 축소하는 역할을 한다. 침식의 수학적 표기는 다음과 같다.

Z² 내의 집합 A와 B에 대해 B에 의한 A의 침식 은 A⊖B={x|(B)x⊆A} 로 정의 할 수 있다. 이를 말로 표현하면 B에 의한 A의 침식은 x에 의해 전이되 B가 A내에 포함되는 점 x의 집합이다.

아래의 그림 3은 원 영상과 침식된 영상을 0 (검정색)과 1(흰색)으로 표현한 것으로서 2진 형 태의 영상임을 알 수가 있다. 원 영상에서 침식작 용이 되었을 때는 영상의 최외각 한 픽셀의 흰색 (1)부분이 검정색(0)으로 대치되었음을 알 수 있 다.

그림 3. 2진 형태의 영상 Fig 3. Image of scale of two

그림 4는 침식 기법을 그림으로 나타낸 것으로 침식 마스크와 원 영상의 3×3 부분 영역과의 비 교 후 새로운 값을 할당하는 마스크 연산 방법을 설명해 주고 있다.[6]

그림 4. 마스크 연산 방법 Fig 4. How to mask filter

③ 선의 윤곽 그래프

윤곽은 물체의 외부 형상을 말하며, 직선이나 곡선 또는 원호의 조합일 수도 있다. 곡선에 대한 정의이다. 공차 영역은 정확한 기하학적 형태위에 그 중심이 있고 지름이 공차 t인 원을 포함하는 두 개의 선 사이 또는 정확한 기하학적 형태 위 에 그 중심이 있고 지름이 공차 t인 모든 구에 의 해 제한되는 구부러진 관 모양의 내부 공간이다.

④ 세분화의 RGB 색체 모델

RGB 모델에서 각 색들은 빨강, 초록, 파랑의 기본 스펙트럼 성분들로 나타난다. 이 모델은 직 교 좌표 시스템에 기초한다. 관심의 대상인 색체 부분 공간을 아래그림 5에 보인 입방체이다. RGB 값은 세 꼭지점이다. 녹청색, 자홍, 노랑은 다른 세 꼭지점이다. 검은색은 원점, 그리고 흰색은 원 점에서 가장 먼 꼭지점이다. 이 모델에서 명암도 는 검은색부터 흰색 두 점을 연결하는 선을 따라 전개되고 색은 원점으로부터의 확장되는 벡터로 정의되는 정육면체 상이나 또는 안쪽의 점이다.

편의를 위하여 모든 색 값은 정규화 되었고 다라 서 아래그림에 보인 정육면체는 단위 정육면체라 고 가정 한다. 즉, 모든 R, G, B 값의 범위는 [0.1]로 가정한다.

RGB 색 모델에서의 영상은 각 원색 당 하나씩 모두 3개의 독립적인 영상 평면으로 구성되어있 다. RGB 모니터에 보내진 이 세 영상은 인광체 스크린에서 결합되어 복합색 영상을 만든다. 따라

서 영상처리를 위한 RGB 모델의 사용은 영상 자 체 값들이 세 색 평면으로 자연스럽게 표현될 때 온당하다. 디지털 영상을 얻기 위해 사용되는 대 부분의 색체 카메라들이 RGB 포맷을 사용하는데 이 사실 하나만으로도 RGB 모델을 영상처리에서 중요하게 만들었다.

RGB 모델의 유용성의 가장 좋은 예의 하나가 항공과 위성의 다중 스펙트럼 영상 데이터의 처 리이다. 많은 영상들은 스펙트럼 범위가 다른 영 역에서 작동하는 영상 센서들에 의해 획득된다.

예를 들어 LANDSAT 영상의 한 프레임은 4개의 디지털 영상으로 구성되어 있다. 각 영상은 같은 장면이지만 다른 스펙트럼 영역 또는 창을 통하 여 얻어진다. 창중의 두 가지는 대략 초록과 빨강 에 해당하는 가시 영역의 스펙트럼이다. 다른 두 창은 스펙트럼의 적외선 영역이다. 그러므로 각 영상 평면은 물리적 의미를 갖고 처리 및 화면표 시를 위해 RGB 모델을 이용한 색 조합은 색체 스크린에서 영상을 볼 때나 또는 스펙트럼 성분 에 따라 색 영상을 분할할 때 사용된다.[7]

그림 5. 색 입방체 Fig 5. color cube

Ⅲ. 결과 및 고찰

개발 알고리즘을 이용하여 위암의 증상 정도를 진단하였다. 이를 위해 각기 정상인과 환자의 위 내시경 영상을 사용하였고, 각 알고리즘을 4번씩 반복 측정하여 정확성을 높이고자 했다.

보다 효과적인 영상처리를 위해 여러 방면에서 접근을 시도하여 결과적으로 다음과 같이 4가지 의 진단법을 제시 하였다.

1. 표면 음영 기법

정상인과 환자의 내시경 영상에 표면 음영 기 법을 추가하거나 제거함으로써 질병이 범위를 붉 게 표시하여 진단에 도움이 되고자 했다.

다음은 표면 음영 기법을 제거했을 경우의 영 상으로 이 때 색의 범위는 11 ~ 160, 색스팩트럼 은 0, 표면의 윤 값은 25로 모든 영상의 같은 조 건 값을 설정한다. 그림 6 (a)는 정상인, (b)는 조 기 위암의 환자, (c)는 말기 위암의 환자의 위 내 시경 영상이다.

그림 6. 표면 음영 기법 Fig 6. surface unshaded display

다음은 표면 음영 기법을 추가했을 경우의 영 상으로 색의 범위는 25 ~ 174 색 스펙트럼은 0, 표면의 윤 값은 25로 같은 조건의 수치 값을 영 상에 적용한다. 그림 7 (a)는 정상인, (b)는 조기 위암의 환자, (c)는 말기 위암의 환자의 위 내시 경 영상이다.

(a) (b) (c) 그림 7. 표면 음영 기법 Fig 7. surface shaded display

표면 음영 기법의 사용 유무는 실험자, 진단 자의 기호에 달렸으나 다음 제안될 알고리즘에선 표면 음영 기법을 추가한 영상을 사용한다.

2. 침식 필터

표면 음영 기법을 추가한 영상에 침식 필터를 사용하였다. 잡음을 제거함으로써 진단에 유의하 도록 하였다. 그림 8 (a)는 정상인, (b)는 조기 위 암의 환자, (c)는 말기 위암의 환자의 위 내시경 영상이다.

(a) (b) (c)

그림 8. 침식 필터 Fig 8. Erode filter

3. 선의 윤곽 그래프를 이용한 값을 수치화

표면 음영 기법을 추가한 영상에 임의의 지점 을 정하여 그 부분의 선 윤곽 그래프를 통해 발 병 부위를 수치화하여 병의 진행정도에 따른 검 출 범위를 지정한다. 그림 9는 표면 음영 기법 알 고리즘을 거친 영상으로 (a)는 정상인, (b)는 조기 위암의 환자, (c)는 말기 위암의 환자의 위 내시 경 영상이다

(a)

(b)

(c)

그림 9. 선의 윤곽 기법 Fig 9. Profile of a line

그림 10에서 볼 수 있듯이 정상인 위의 종양부 위 선의 윤곽 그래프 중 RED 값만 추출한 결과 0~120의 수치를 웃도는 것으로 관측되었고 조기 위암과 진행성위암의 경우 종양부위의 150~250의 수치를 웃도는 것으로 관측되었다.

그림 10. 위암의 범위 Fig 10. Range of gastric cancer

4. 세분화에 의한 검출부분

정상인과 환자의 내시경 영상을 세분화 그래프 로 나타낸 후 그 중 RED 그래프 값을 모두 포함 한 후 색의 반전을 시행한다. 그림 11은 세분화 알고리즘을 거친 영상으로 (a)는 정상인, (b)는 조 기 위암의 환자, (c)는 말기 위암의 환자의 위 내 시경 영상이다.

(a)

(b)

(c)

그림 11. 영상의 세분화 Fig 11. Segmentation of image

이 때 내시경의 반사광이 질병으로 관측되는 현상을 막기 위해 침식필터를 사용하여 반사광을 제거한다. 발병 위치가 붉게 나타나는 것을 관측할 수 있다.

Ⅳ. 결론

본 연구에서는 위암 증상정도에 따른 자동 검 출 알고리즘을 제시하였다. 연구는 증상정도를 효 과적으로 비교, 진단하기 위해 영상처리의 다양한 접근으로 진단에 용이하고자 하였다.

1. 영상에 표면 음영 기법의 유무를 결정하여 발병 부위가 붉게 도드라지도록 처리한다.

표면 음영 기법을 넣을 경우 색의 범위는 11 ~ 160, 색스팩트럼은 0, 표면의 윤 값은 25로 유지하고 표면 음양 기법을 제거할 경 우 색의 범위는 25 ~ 174 색스팩트럼은 0, 표면의 윤 값은 25로 같은 조건의 수치 값 을 영상에 적용한다.

2. 위 내시경 영상에 표면 음영을 추가한 후 침식 필터를 거쳐 잡음을 제거하여 진찰에 유의하게 한다.

3. 위 내시경 영상에 표면 음영을 추가한 후 특정 부위의 색상을 그래프로 검출하여 증 상 정도에 따른 선의 윤곽 그래프 범위를 추출한다. 그래프 중 RED값을 관측한 결과 정상인의 경우 0~120의 수치 범위를 암이 진행된 경우 150~250의 수치를 웃도는 것 으로 관측되었다.

4. 위 내시경 영상을 세분화 그래프로 나타낸 후 그 중 RED 그래프 값을 포함한 후 색 을 반전시켜 발병 위치를 붉게 도드라지도 록 한다.

본 연구는 내시경의 색상변화 기술 등 사용되 고는 있으나 널리 개발되지 않은 기존의 진료법 보다 정확성과 실용성을 갖춘 다양한 접근법을 통해 총 4가지의 진단 알고리즘을 제시하였으며, 위 연구를 통해 여러 내시경 진단 시 질환에 대 한 응용가능성 또한 확인하였다.

참 고 문 헌

[1] 박은정, 정주영, 배철수, 이상식, X-ray영상을 이용한 척추측만증 영상처리 알고리즘 개발, 한국정보전자통신기술학회, Vol 4(2): 88-95, 2011.

[2] 한현지, 이상식, 무지외반증 환자의 증상정도 의 자동분류 알고리즘 개발, 한국정보전자통 신기술학회, Vol 4(2): 93-102, 2011.

[3] 네이버 백과사전 [4] 위키피디아 백과사전

[5] 인천 나누리 병원 홈페이지

[6] 장동혁, “디지털 영상처리의 구현”, 2003.

[7] 강동준, 하종은 “Visual C++을 이용한 디지 털 영상처리”, 사이텍미디어, 2003.

저자약력

한 현 지(Hyun-Ji Han) 정회원

2011년 관동대학교 의료공학과 학사

<관심분야> 의용메카트로닉스, 디지털 신호 처리, 의용전기전자

김 영 목(Young-Mok Kim) 비회원

2011년 관동대학교 의료공학과 학사

<관심분야> 의용메카트로닉스, 디지털 신호 처리, 의용전기전자

이 기 영(Ki-Young Lee) 종신회원 1987-1988년 한국전자통신

연구소 연구원 1992년 명지대학교 박사 2003-2004년 미주리주립대학

교환교수 2011년 성균관대학교

박사 1993년-현재 관동대학교

의료공학과 교수

<관심분야> 의용전자, 생체 신호처리, 기계 요소학, 디지털 신호처리

이 상 식(Sang-Sik, Lee) 종신회원 1993-2000년 LG전선(주) 1996-2000년 성균관대학교

박사 2001-2004년 (주)미도테크 2004-2010년 성균관대학교

연구교수 2011-현재 관동대학교

의료공학과 교수

<관심분야> 의용메카트로닉스, u-Health, 생체역학, 의용전기전자