서 론
단순방사선영상은 비교적 쉽고 편하게 찍을 수 있다는 점에 서 여러 질병의 진단 목적으로 많이 사용되고 있다. CT나 MRI와 같이 3차원적인 영상을 보여줄 수 있는 기기가 폭넓게 사용되고 있지만, 많은 수의 집단 검진의 목적으로 또는 골절 과 같은 특정 질환에 대해서는 단순방사선영상이 일반적인 진 단 수단으로 사용되고 있다. 겹쳐진 구조가 많은 부위에서의 단순방사선영상을 이용한 골절의 발견은 때로 어려울 수 있으
며, 숙련을 요구한다. 흉부영역에서 겹쳐진 해부학적인 구조 물들은 영상의 해석을 더욱 어렵게 만든다. 한 연구결과에 따 르면 골연부 영상의학과 전문의들이 단순방사선영상을 통해서 골절을 판단하는 일은 상대적으로 높은 정확성을 보여주지만, 흉부 영상의학과 전문의가 비정상부위를 놓치는 확률이 30%
에 달하고 단순방사선영상의 질이나 환자의 조직의 상태에 따 라 그 위음성률(false negative)이 더 올라갈 가능성이 높다 [1]. 탐색의 만족(satisfaction of search) 이라고 알려진 이 론에 의해서 명확한 증상을 찾은 후 경미한 증상은 더 이상 찾 지 않는 문제가 발생할 수 있다[2]. 비정상적인 부분을 찾고 나면 관찰자는 그것에 만족해서 더 이상의 비정상 부분을 찾기 를 중단할 수 있다는 이론이다. 이 이론에 따르면 흉부의 단순 방사선 영상에서 관찰자가 폐렴, 폐암 등의 중요 병변을 찾아
거칠기 분석을 이용한 단순흉부방사선영상에서 늑골 골절 검출에 대한 연구
배장표1∙김광기1∙정창부1∙염철희1∙김영재1∙김성준2
1국립암센터 기초실용화 연구부 의공학연구과
2연세대학교 의과대학 강남세브란스병원 영상의학과
A Study on the Detection of Rib Fractures in Chest Radiography Using Texture Analysis
Jang Pyo Bae
1, Kwang Gi Kim, Ph.D.
1, Chang Bu Jeong, Ph.D.
1, Chol Hee Yeom
1, Young Jae Kim
1, Sungjun Kim, M.D.
21Department of Biomedical Engineering, National Cencer Center, South Korea
2Department of Radiology, Yonsei University College of Medicine, Gangnam Severance Hospital
= Abstract =
This research proposed the method to detect the broken rib from chest radiography using texture analysis. The used features in texture analysis are kurtosis, invariant moment, homogeneity, entropy and max value of region of interest. 5 features were tested through 16 images which consists of 8 nor- mal and 8 broken images. It was showed that 5 features could be the basises to distinguish the broken rib from the normal image. B-spline preprocessing is proposed and the reason that texture analysis is used instead of the approach through the segmentation of rib in chest radiographs is explained.
Key words: rib fracture, detection, texture analysis, chest radiograph
통신저자: 김광기, (410-769) 경기도 고양시 일산동구 정발산로 111 국립암센터
Tel: 031-920-2241, E-mail: kimka@ncc.re.kr
내었을 경우 늑골의 골절 등 다른 병변을 간과할 수 있다. 이러 한 문제는 환자의 치료에 영향을 주거나 더 나아가 법적인 문 제를 야기할 수 있다. 따라서 이러한 위음성(False negative) 관찰을 감소시키기 위해서 더 주의를 기울이는 방법이 필요하 다. 이에 본 연구는 흉부 방사선 영상에서의 늑골 골절 검출을 반자동화방법에 대한 연구를 진행하였다.
골절을 검출한 연구결과로는 허프변환을 이용해서 독립적인 긴뼈에서 골절을 검출하는 방법에 대한 연구가 있다[3]. 그리 고 대퇴골이나 골반 부위의 골절을 발견하는 연구가 있다[4].
대퇴골이나 골반 부위는 영상분할을 수행한 후에 뼈의 각도를 측정함으로써 골절을 발견할 수 있다[5].
거칠기 분석(texture analysis) 및 미분영상을 통해서 골절 부위를 정량화하여 정상부위와 차이를 판별하는 방식을 제안 하였다.
재료 및 방법
본 연구에서는 골절된 환자를 찍은 영상 16장을 이용하여 실 험을 진행 하였다. 실험에 사용된 모든 영상은 연세대 강남 세 브란스 병원으로부터 제공되었다.
B-스플라인 곡선을 이용해서 전처리를 후 수평으로 펴진 늑 골 사진에서 16개의 30×30 픽셀의 관심 영역을 추출하고 해 당 영역에서 골절이 여부를 판단한다. 이때 8개의 관심 영역은 골절된 영상 영역이고 8개의 관심 영역은 일반 영상의 영역이 다. 그림 1은 선택된 관심영역을 보여준다. 해당 영역에서 첨 도(kurtosis)와 불변의 모멘트(invariant moments) 그리고 엔트로피(entropy)와 최대값을 구하고 정상 부분과 비교하여 분석하였다.
1. B-스플라인 곡선을 이용한 전처리
본 연구에서는 늑골의 골절을 검출하기 위해서사용하는 전 처리 방법으로 B-스플라인 곡선을 통한 전처리를 제안한다.
B-스플라인 방법은 수동으로 늑골을 따라서 수동으로 영상의 위치를 획득한다.
늑골에 대한 영상분할을 수행한 연구는 많이 진행되어 있다.
여러 방향의 템플릿을 통해서 경계 이미지를 찾은 후 포물선을 통해서 늑골의 외각선을 얻어내는 방식의 연구 결과가 있다 [6]. 그리고 허파 부분을 찾은 후 이미지를 커널을 통해서 전 처리 하고 2차원 다항식으로 갈비뼈를 추정하는 연구가 있다 [7]. 그리고 픽셀 분류(pixel classification)을 이용하여 통계 적으로 뒷단 갈비뼈(posterior rib)를 추출하는 연구도 있다 [8]. 그렇지만 이러한 연구 결과들에서 늑골을 추출하는 방식 은 완벽하지 않다. 단순방사선영상에서 전체 늑골이 아니라 뒷 단 늑골만을 추출하거나 늑골의 폭이 일정하다는 가정에서 늑 골을 반자동영상분할 하고 있다.
골절 부위를 영상분할을 통해서 발견하려면 늑골의 화소값 의 변화및 전처리를 통해서 늑골의 정보를 증강(enhance- ment)해야 한다. 그림 1의 (a)에 나와 있 (a)의 경우 늑골의 외각선이 미세하게 변화하고 있다. 영상 분할이 골절 파악을 가능하게 하려면 화소값 변화및 영상증강을 통해서 정확하게 영상 분할을 할 수 있어야 한다. 단순하게 늑골의 폭이 일정하 다는 가정을 통해서 영상 분할을 수행하는 것으로 (a)을 파악 하는 것이 가능하지 않다. 또한 골절 부위가 뒷단 늑골에 한정 된 것이 아니라 뒤로 희미한 앞단 늑골(anterior rib)에도 발 생할 가능성이 있다. 따라서 해당 부위의 늑골도 정확하게 영 상 분할을 해야만 골절을 파악하는 것이 가능하다.
a b
그림 1. 선택된 관심영역 (a) 골절 부위 (b) 일반 부위 그림 2.B-스플라인 곡선을 이용해서 늑골의 중심선 찾기
영상 분할을 통해서 골절부위의 영상향상과 B-스플라인 곡 선을 통해서 늑골을 수동으로 영상 분할한다. 그림 2와 같이 B-스플라인 곡선으로 늑골의 중심선을 찾는다. B-스플라인 곡선에 수직한 선을 긋고 아래 위로 35픽셀 길이만큼의 선을 곡선을 따라 연속적으로 화소값을 재배열하면 그림 3과 같은 정보를 획득한다.
그림 3 (a) 에서 화살표 지점에 부러진 부분이 있다. 위 영 상에서와 같이 좌측 갈비뼈의 경우에는 두께가 얇고 중심은 조 금 두껍다. 골절 부위에서 두께가 미세하게 변화한다. 미세한 두께의 변화가 골절의 한 특징이란 것을 그림 3(a)을 통해 알 수 있다. 또한 이 골절은 좌우 뼈가 살짝 어긋나 있다. 해당되 는 변화가 정량화 되어야 골절을 파악할 수 있다. 그렇지만 여 러 뼈들이 아래 위로 겹쳐져 있기 때문에 골절부위만을 검출하 기가 힘들다. 따라서 직접 늑골의 중심선을 찾더라도 그 이미 지에서 골절된 부분을 검출하는 것은 어렵다. 따라서 본 연구 에서는 거칠기 분석을 통해서 골절 부위와 정상 부분을 정량화 하여 비교 연구하였다.
(식-1)
그리고 그림 3(b)는 y축으로 미분한 늑골 영상을 보여준다.
늑골이 수평으로 분포하기 때문에 y축으로 미분했을 때는 관 심 늑골외에는 겹쳐진 성분들이 감소하는 효과를 보여준다. 해 당 미분 영상에 대해서도 거칠기 분석을 수행해서 골절과 골절
이 아닌 부분을 구분할 수 있는 성분들이 어떠한 것이 있는지 살펴볼 것이다.
2. 거칠기 분석
늑골의 골절 여부를 분석하기 위하여 영상에서 정상 부분과 골절된 부분을 각각 관심 영역으로 지정하고 거칠기값을 비교 한다. 정상영역과 골절영역에서 첨도와 불변의 모멘트, 최대값 그리고 엔트로피 값을 구하였다.
2차원 영상의 모멘트(moment)는 모든 화소 좌표의 정보를 이용하여 객체의 모양을 기술하는 방법이다. Hue는 정규화된 중심 모멘트(central moment)의 조합으로 만들어진 크기, 회 전, 이동 변환에 대해 변하지 않는 7개의 모멘트를 제안하였 다. 7개의 불변의 모멘트에 대한 정의는 (식-1)과 같다.
ηpq는 정규화된 중심모멘트 (normalized central moments) 이다. 동차성과 마찬가지로 정상과 비정상 영역에 대한 불변의 모멘트 값을 구하고 통계적 분석을 하였다. Hu가 제안한 불변의 모멘트는 실제 영상의 기하학적 변환에 대해 큰 변화가 없기 때문에 영상 안에서 특정 영상을 찾거나 한 영상 에서 특정 오브젝트의 영역을 추출하고 싶을 때 사용할 수 있 다. 본 실험에서는 관절 영상에서의 정상 영역과 비정상영역에 대한 불변의 모멘트 값을 구하고 각 모멘트의 값이 가지는 분 포를 구하였으며 두 영역의 모멘트를 비교하기 위해 7개 모멘 트의 총합을 사용하였다.
최대값은 2차원 이미지 S에서 Max(S)를 구한다.
엔트로피는 이미지의 복잡성을 나타내는 지표이다. 원래 정 의에 따르면 엔트로피는 시스템이 다른 여러 상태에 퍼져 있을 확률의 정도를 나태 낸다. 영상처리에서 엔트로피는 아래의 (식-2)에 의해서 표현된다.
E = -∑s Isln Is (식-2)
이때 S는 2차원 이미지를 의미하고Is는 S 이미지의 각각의 화소값을 의미한다.
b a
그림 3. (a) 평평하게 펴진 늑골(b) y축으로 미 분한 늑골
gray level co-occurrence matrix(GLCM)의 동차성과 엔 트로피값의 분포를 구한다. GLCM은 비슷한 명암값(gray level)을 갖는 화소들의 위치 정보를 가지고 있다. GLCM은 (식-3) 같이 정의되는 행렬이다. 여기서는 화소값상대위치에 따른 (△x,△y)의 값을 (1,0),(0,1), (1,1),(3,0),(0,3),(3,3) 의 6가지 따라서 GLCM을 구했다.
GLCM을 나타내는 기술자(descriptor)중 동차성은 다음과 같이 정의된다.
HGLCM= ∑
i ∑
j (식-4)
i와 j는 각각 영상의 가로, 세로의 명암값을 의미하고 C는 (식-3)의 GLCM이다.
C x, y(i, j)= ∑
p=1
n ∑
q=1 m
(식-3) 또한 GLCM의 엔트로피는 (식-2)에서값을 GLCM 으로 바 꾸어서 계산한다. 곧 (식-5)와 같이 표현된다.
EGLCM= -∑
i ∑
j C (i, j)lnC (i, j) (식-5)
i와 j는 각각 영상의 가로, 세로의 명암값을 의미하고 C는 (식-3)의 GLCM이다.
미분 영상에 대한 결과를 구할 때, GLCM의 동차성과 엔트 로피를 실험에 사용된 모든 영상의 정상과 비정상 관심영역에 대해 계산하여 그 분포를 비교하였다.
실험 결과
그림 4에서 골절이 일어난 영역과 정상 영역을 각각 B-스플 라인 곡선을 처리 후 수직성분의 화소값을 구하였다. 골절부위 와 정상부위를 각각 관심영역으로 지정한 후 거칠기값을 계산 하여 비교하였다. 각 영역의 첨도, 불변의 모멘트의 총합, 최대 값, 엔트로피를 구하고 정상 부분과 골절 부분의 차이의 정도 를 박스차트로 표현 하였다. 관심영역의 거칠기 값들은 비모수 통계분석을 이용하여 Mann-Whitney 검정을 수행하였다. 통 계 분석에 사용한 툴은 SPSSTMversion12.0(SPSSInc., Chicago,IL,USA)이다.
그림 4에서 (a)는 첨도의 분포를 나타낸다. 정상 부분은 2078±432 였고 골절 부분은 1476±364 였으며 p<0.05 로 유의한 차이가 있었다. (b)는 불변의 모멘트의 총합의 분포를 나타낸다. 정상 부분은 15.05±1.77 이었고 골절 부분은 12.31±1.93 이었으며 p<0.05로 유의한 차이가 있었다. (c)는 관심영역에서 화소의 최대값의 분포를 나타낸다. 정상 부분은 134.75±17.12이었고 골절 부분은 163.75± 24.42 였으며 p
< 0.05 로 유의한 차이를 보였다. (d)는 엔트로피의 분포를 나 타낸다. 정상 부분은 -21.98E4±3.23E4였고 골절 부분은 -29.50E4±7.34E4 였으며 p < 0.05 로 유의한 차이를 보였 다. 이는 4개의 지표가 정상 부분과 비정상 부분에서 서로 상이 함을 나타내기 때문에 영상에서 특정영역에 대한 골절 여부를 판단 할 수 있는 근거가 됨을 보였다.
그림 5에서 그림 3(b)의 미분한 영상에 대해서 거칠기 분석 을 수행하고 p값이 0.05이하인 특성들을 찾아 보았다. 결과 0도 2번째 GLCM의 동질성, 0도 3번째 GLCM의 동질성 그리고 0 도 3번째 GLCM의 엔트로피에서 p<0.05 이하로 유의한 차이 1, if I (p, q)=i and I (p+ x,q+ y)=j
0, otherwise C (i, j)
1+│i - j│
a b c d
그림 4. 골절 부위와 정상 부위의 비교FR은fracture, N은normal을 의미(a) 첨도(b) 불변의 모멘트의 총합(c) 최대값(d) 엔트로피
가 있었다. 2번째 GLCM은 (△x,△y) 값이 (0,1)일 때를 의미 하고 3번째 GLCM은 (△x,△y) 값이 (1,1)일 때를 의미한다.
결 론 및 토 의
본 논문은 거칠기 분석을 통해서 특징값들을 선택함으로써 늑골 이미지에서 정상 부분과 골절을 구분할 수 있는 방법을 제시하였다.
늑골에서 골절을 발견하기는 쉽지 않다. 흉부 단순방사선영 상에서 늑골들이 서로 겹쳐 있기 때문에 자동영상분할 하기 쉽지 않다. 따라서 B-스플라인을 통해서 늑골의 정보를 획득 후 수직 방향으로 화소정보값을 이용하며, 또한 미분값을 이용 하여 골절과 정상부위의 뼈의 정보를 살펴 보았다.
영상처리를 통해서 얻어진 화소 정보값을 이용하였다. 늑골 의 경우 y축의 변위만이 있기 때문에 y축의 미분값을 이용하면 더 좋은 결과를 얻을 수 있을 것으로 가정하였다. 그런데 y축 미분 영상에 대해서 거칠기 분석을 수행하였을 때, 기존의 첨 도, 불변의 모멘트의 총합, 최대값, 엔트로피에 대해서는 정상 과 비정상의 차이가 유의한 것으로 나타났다(p<0.05).
향후 늑골의 자동 영상 분할을 통한 객관적 지표가 얻어질 수 있도록 하며, 영상의 케이스를 확보하여, GLCM과 골절간 의 관계를 분석하여 해당 되는 지표가 왜 미분한 영상에서 골 절과 정상 부위를 구분하는 유의한 지표가 되는지를 통계적으 로 밝히는 것이 필요하다고 생각된다.
Acknowledgement
본 연구는 한국학술진흥재단 (2007-313- D00969)의 지원
과 국립암센터의 연구지원(0810122)에 의하여 연구를 수행하 였음.
참 고 문 헌
1. L. Quekel, A. Kessels, R. Goei, and J. V. Engelshoven, Miss rate of lung cancer on the chest radiograph in clinical practice, Chest, vol. 115, no. 3, pp. 720-724, 1999
2. Kevin S. Berbaum, Eric A. Brandser, Jr. E. A. Franken, Donald D. Dorfman, Robert T. Galdwell, and Elizabeth A. Krupinski, Gaze dwell times on acute trauma injuries missed because of satisfaction of search, Academic Radiology, vol. 8, no. 4, pp.
304-314, 2001
3. Donnelley M., Knowles G., Computer aided long bone frac- ture detection, Signal Processing and Its Applications, 2005, Proceedings of the Eighth International Symposium on, Vol. 1, pp. 175-178.
4. Smith R., Najarian K., Automated segmentation of pelvic bone structure in x-ray radiographs using active shape models and directed Hough transform, Bioinformatics and Biomedicine Workshops, 2008
5. Bram van Ginneken, Bart M. ter Haar Romeny, and Max A.
Vergever, Computer-Aided Diagnosis in Chest Radiograph: A Survey, IEEE Transactions on Medical Imaging, Vol. 20, No.
12, Dec., 2001
6. Vogelsang F., Weiler F., Dahmen J., Kilbinger M., Wein B., Gunther R. W., Detection and compensation of Rib structures in chest radiographs for diagnose assistance, SPIE proceedings, vol. 3338, pp. 774-785, 1998
7. Rui Moreira, Ana Maria Mendonca, and Aurelio Campilho, Detection of Rib Borders on X-ray Chest Radiographs, Lecture Notes in Computer Science, Image Analysis and Recognition, Vol. 3212, 2004
8. Marco Loog, Bram van Ginneken, Segmentation of the Posterior Ribs in Chest Radiographs Using Iterative Contextual Pixel Classification, IEEE Transactions on Medical Imaging, Vol. 25, No. 5, May, 2006
a b c
그림 5.y축 미분값 이미지에 대해서 골절과 정상 부위를 비교한 그래프. FR은fracture, N은normal을 의미한다. 0’는0도 각에 대해서GLCM을 구한 것을 의 미하고Num 2 은(△x,△y)가(0,1)일때Num 3는(△x,△y)가(1,1)일 때GLCM을 구한 것을 의미한다. (a) 0도2번째GLCM의 동질성(b) 0도3번째GLCM의 동질성(c) 0도3번째GLCM의 엔트로피
대한의학영상정보학회지 2009;15:39-44
=초 록=
본 연구는 거칠기 분석을 이용해서 단순흉부방사선영상에서 늑골의 골절을 파악하는 방법을 제시하였다. 거칠 기 분석에 사용한 특성으로는 첨도(kurtosis), 불변의 모멘트(invariant moment), 동질성(homogeneity), 엔 트로피(entropy) 그리고 관심영역의 최대값이 사용되었다. 그리고 정상부위 8곳과 골절 부위 8곳으로 구성된 16개의 부위에 대해서 정량화 연구를 진행하였다. 실험 결과 5가지 특성들은 해당 골절 부위와 정상 부위를 통계 적으로 유의하게 구분하는 하는 것으로 나타났다 . B-스플라인 곡선을 이용한 전처리 제안하였고 영상 분할을 이용한 접근법 대신 거칠기 분석을 사용한 이유를 설명하였다.
