Abstract
Risk of lung cancer among lung-related diseases has gradually increased during last decades. The chest digital radiography is the primary diagnosis method for lung cancer. Diagnosing lung cancer using this method requires doctors of ripe experience. Despite their experience there are often wrong diagnoses, which decrease early diagnosis and survival rates of patients. The aim of this study was intended to establish the base on the Computer Aided Diagnosis (CAD) by analyzing Image Recognition Algorithm using Principle component Analysis (PCA) and diagnosing patient's chest X-ray image. The database obtained through this approach enables a doctor to significantly reduce misdiagnosis during the early diagnosis stage, if he or she utilizes it as the preliminary reading step. Case studies were carried out using normal organ, and organs suffering from bronchogenic carcinoma and granuloma. A normal image and unique disease images were extracted after PCA analysis, and their cross-recognition efficiency were compared each other. The result revealed that the recognition rate was much high between normal and disease images, but relatively low between two disease images. In order to increase the recognition efficiency among chest diseases the related algorithms have to be developed continuously in the future study, and such effort will establish the resolute base for CAD.
흉부의 폐질환으로 폐암발생은 꾸준히 증가하고 있다. 일차적인 폐암진단 방법에는 흉부X선영상이다. 흉부X선영상 이용하여 폐암진단을 하기 위해서는 임상경험이 풍부한 의사가 필요하다. 그러나 풍부한 경험을 가진 의사라도 오진이 발생할 수 있고 이한 폐암의 조기진단과 생존률을 낮게 한다. 본 논문에서는 주성분분석을 이용하여 학습영상의 데이터베이스와 질병이 있는 흉부영상을 진단함으로써 컴퓨터보조진단의 기반을 마련하고자 한다. 이를 의사가 진단하기 전의 예비판독의 단계로 이용한다면 오진으로 인한 환자의 조기 진단률의 감소를 줄일 수가 있다. 실험은 정상흉부X선영상과 악성폐암인 기관지암(Bronchogenic Carcinoma)과 양성종양인 육아종(Granuloma)으로 실험하였다. 영상은 주성분분석 후 정상영상과 질환 영상의 고유영상을 추출하고 상호 비교한 뒤 인식효율을 비교하였다. 결과로는 정상영상과 질환영상간의 인식률은 높았으나 질환간의 인식효율은 정상에 비해 다소 떨어지는 것으로 나타났다. 흉부질환간의 인식효율을 높이기 위해서 관련 알고리즘에 관한 연구가 계속 이어진다면 컴퓨터보조진단에 좋은 연구기반이 되리라 생각한다.
