• 융합신호처리학회논문지
• /
• 제2권4호
• /
• pp.22-30
• /
• 2001

본 논문은 유방질환 중에서 유관(duct )에 발생하는 유방종양을 Benign, DCIS(ductal carcinoma in situ) NOS (invasive ductal carcinoma)로 분류하기 위해 3가지 분류기 (classifier) 를 생성한 후, 비교 분석하였다. 분류기 생성에서 가장 중요한 단계인 특징 추출 단계에서 세포핵의 기하학적 특징을 형태학적 특징을 추출하여 분류기를 생성하고 염색질 패턴의 내부적 변화를 나타내는 질감 특징을 추출하여 2가지 배율(100/400배)에서 2개의 분류기를 생성하였다. 400배 배율의 유방질환 영상에서 세포핵을 추출하여 핵의 형태학적 특징값인 핵의 면적, 둘레. 가로, 세로(장. 단축) 의 길이, 원형성의 비율을 구한 후 이 특징값들을 조합하여 판별분석에 의해 분류기를 생생하고, 분류 정확도를 검증하였다. 100배 배율과 400배의 배율의 유방질환 영상에서 1, 2, 3, 4 단계(level)의 wavelet 변환를 적용한 후, 분할된 서브밴드에서 GLCM(Gray Level Co-occurrence Matrix)을 이용하여 질감 특징(entropy Energy, Contrast, Homogeneity)를 추출하고, 이 특징값들을 조합하여 판변 분석에 의해 분류기를 생성한 후 분류 정확도를 검증하였다. 이 세 분류기를 비교 분석 하였을때 현민경 100배 배율의 영상을 3단계 wavelet 변환을 적용하고 질감 특징을 추출하여 생성한 분류기가 다른 두 분류기보다 유방 질환 Benign, DCIS; NOS를 분류하는데 더 나은 결과를 보였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 가을 학술발표논문집 Vol.28 No.2 (2)
• /
• pp.340-342
• /
• 2001

본 논문은 유방질환 중에서 Duct(관)에 발생하는 유방 종양을 benign(양성종양)/DCIS (Ductal Carcinoma In Situ)/NOS(Invasive ductal carcinoma)로 자동 분류하기 위한 분류방법을 제안한다. 분류기 생성에서 가장 중요한 단계인 특징 추출단계에서는 wavelet 변환을 적용하였으며, wavelet 변환의 각 depth에 따라 분류기를 생성하여, depth와 생성된 분류기의 분류 정확도와의 상관관계를 비교.분석하였다. 현미경 100배 배율과 400배 배율의 유방 질환 영상을 1, 2, 3, 4단계(depth)의 wavelet 변환을 적용한 후, 분할된 서브밴드에서 GLCM을 이용하여 질감 특징(Entropy, Energy, Contrast, Homogeneity)을 추출하여, 이 특징값들을 조합하여 판별분석에 의해 분류기(classifier)를 생성한 후, 분류 정확도를 검증하였다. Benign/DCIS/NOS를 분류하려면 최소 3단계 이상의 wavelet 변환을 적용해야 하고, 400배 배율 영상보다는 100배 배율의 영상이 더 나은 결과를 보였다.