Submucosal Tumor Analysis of Endoscopic Ultrasonography Images

내시경 초음파 영상의 점막하 종양 분석

  • 김광백 (신라대학교 컴퓨터정보공학부)
  • Received : 2010.03.08
  • Accepted : 2010.03.24
  • Published : 2010.07.31

Abstract

Endoscopic ultrasonography is a medical procedure in endoscopy combined with ultrasound to obtain images of the internal organs. It is useful to have a predictive pathological manifestation since a doctor can observe tumors under mucosa. However, it is often subjective to judge the degree of malignant degeneration of tumors. Thus, in this paper, we propose a feature analysis procedure to make the pathological manifestation more objective so as to improve the accuracy and recall of the diagnosis. In the process, we extract the ultrasound region from the image obtained by endoscopic ultrasonography. It is necessary to standardize the intensity of this region with the intensity of water region as a base since frequently found small intensity difference is only to be inefficient in the analysis. Then, we analyze the spot region with high echo and calcium deposited region by applying LVQ algorithm and bit plane partitioning procedure to tumor regions selected by medical expert. For detailed analysis, features such as intensity value, intensity information included within two random points chosen by medical expert in tumor region, and the slant of outline of tumor region in order to decide the degree of malignant degeneration. Such procedure is proven to be helpful for medical experts in tumor analysis.

내시경 초음파는 초음파 진동자를 내시경 끝에 부착하여 그 주위의 장기를 관찰할 목적으로 개발된 의료기기이다. 내시경 초음파 검사는 점막하 종양을 직접 관찰 할 수 있어 종양의 병리 소견이 예측 가능하지만, 종양의 악성화 여부 등에 대해 주관적인 소견이 개입될 수 있는 문제점이 있다. 따라서 본 논문에서는 주관적인 소견으로 인해 나타나는 문제점을 객관화하여 질병의 정확도와 재현성을 높이기 위해 종양의 각 특징을 분석하는 방법을 제안한다. 제안된 방법을 적용하기 위해서 내시경 초음파 검사로 얻어진 초기 영상에서 분석에 필요한 초음파 영역을 추출한다. 초음파 영역은 여러 요인으로 인하여 명암도 값의 차이가 발생하는데, 이는 객관적인 분석에는 비효율적이다. 따라서 초기 검사 시에 매질로써 주입되는 물 영역의 명암도를 기준으로 하여 초음파 영역의 명암도를 표준화 한다. 표준화된 초음파 영역에서 전문의에 의하여 선택된 종양 영역에 LVQ 알고리즘과 비트 평면 분할 방법을 각각 적용하여 에코가 높은 spot 영역과 칼슘이 침착된 영역을 추출하고 분석한다. 종양 영역의 세밀한 분석을 위하여 명암도 값과, 종양 영역 내에서 전문의가 임의로 선택한 두 지점의 거리에 포함된 명암도 정보를 추출한다. 또한 선택된 종양의 악성도를 구분하기 위하여 종양 영역에서 외곽의 기울기를 계산한다. 내시경 초음파 영상에서 각 질병의 특징을 분석한 결과, 제시된 방법이 종양이 가지는 특징을 분석하는데 도움이 되는 것을 확인할 수 있었다.

Keywords

References

  1. T. Kojima, H. Takahashi, A. Parra-Blanco, K. Kohsen and R. Fujita., "Diagnosis of submucosal tumor of the upper GI tract by endoscopic resection," Gastrointest Endosc., Vol.50, No.4, pp. 516-522, 1999. https://doi.org/10.1016/S0016-5107(99)70075-1
  2. N. Takada, M. Higashino, H. Osugi, T. Tokuhara and H. Kinoshita, "Utility of endoscopic ultrasonography in assessing the indications for endoscopic surgery of submucosal esophageal tumors," Surg Endosc, Vol.13, No.3, pp. 228-230, 1999. https://doi.org/10.1007/s004649900950
  3. L. B. Nesje, O. D. Laerum, K. Svanes and S. Odegaard., "Subepithelial masses of the gastrointestinal tract evaluated by endoscopic ultrasonography," Eur J. Ultrasound, Vol.15, No.1-2, pp. 45-54, 2002. https://doi.org/10.1016/S0929-8266(01)00166-5
  4. T. Rosch, B. Kapfer, U. Will, W. Baronius, M. Strobel, R. Lorenz and K. Ulm, "Endoscopic ultrasonography. Accuracy of endoscopic ultrasonography in upper gastrointestinal submucosal lesions: a prospective multicenter study," Scand J. Gastroenterol, Vol.37, No.7, pp. 856-862, 2002. https://doi.org/10.1080/gas.37.7.856.862
  5. L. Palazzo, B. Landi, C. Cellier, E. Cuillerier, G. Roseau and J. P. Barbier, Endosonographic features predictive of benign and malignant gastrointestinal stroma cell tumors," Gut., Vol.46, No.1, pp. 88-92, 2000. https://doi.org/10.1136/gut.46.1.88
  6. A. Chak et. al, "Endosonographic differentiation of benign and malignant stroma cell tumors," Gastrointest Endosc., Vol.45, No.6, pp. 468-473, 1997. https://doi.org/10.1016/S0016-5107(97)70175-5
  7. K. B. Kim and D. S. Kim, "Color Image Vector Quantization using Wavelet Transform and Enhanced Self-Organizing Neural Network," Lecture Notes in Computer Science, LNCS 3316, Springer, pp. 166-171, 2004.
  8. 김광백, "내용 기반 이미지 검색을 위한 개선된 SIM 방법," 지능정보연구, 제15권, 2호, pp. 49-60, 2009.
  9. A. S. Pandya, R and B. Macy, Pattern Recognition with Neural Networks in C++, CRC Press, 1996.
  10. K. B. Kim, S. Kim and G. H. Kim, "Vector quantizer of medical image using wavelet transform and enhanced SOM Algorithm," Neural Computing and Application, Springer, Vol. 15, No.3-4, pp. 245-251, 2006. https://doi.org/10.1007/s00521-006-0026-1
  11. 이제명, 이호석, "고 품질 텍스트 압축 기능을 지원하는 정지영상 압축 시스템," 한국정보과학회논문지, 제34권, 제3호, pp. 275-302. 2007.