Liver transplantation is a critical used treatment method for patients with end-stage liver disease. The number of cases of living donor liver transplantation is increasing due to the imbalance in needs and supplies for brain-dead organ donation. As a result, the importance of the accuracy of the donor's suitability evaluation is also increasing rapidly. To measure the donor's liver volume accurately is the most important, that is absolutely necessary for the recipient's postoperative progress and the donor's safety. Therefore, we propose liver segmentation in abdominal CT images from pre-operation, POD 7, and POD 63 with a two-dimensional U-Net. In addition, we introduce an algorithm to measure the volume of the segmented liver and measure the hepatectomy rate and regeneration rate of pre-operation, POD 7, and POD 63. The performance for the learning model shows the best results in the images from pre-operation. Each dataset from pre-operation, POD 7, and POD 63 has the DSC of 94.55 ± 9.24%, 88.40 ± 18.01%, and 90.64 ± 14.35%. The mean of the measured liver volumes by trained model are 1423.44 ± 270.17 ml in pre-operation, 842.99 ± 190.95 ml in POD 7, and 1048.32 ± 201.02 ml in POD 63. The donor's hepatectomy rate is an average of 39.68 ± 13.06%, and the regeneration rate in POD 63 is an average of 14.78 ± 14.07%.
오늘날 CT나 MR 등을 통한 의학 영상 기술과 컴퓨터 성능의 향상으로 인체 내부 장기의 영상을 비교적 용이하게 얻을 수 있으며 얻어진 영상 정보는 컴퓨터로 수치화되므로 데이터의 조작 및 가공 또한 용이하다. 그러나, 이 데이터는 2D 슬라이스(slice)들의 연속으로 표현되므로 이것을 보다 가시화, 조작, 분석이 용이한 상태로 바꾸기 위해서는 3 차원 구조로의 재구성이 필요하게 된다. 이것을 위하여 무엇보다도 먼저 CT 나 MR 을 통하여 얻어진 영상을 분석하여 특정장기(organ)의 영상 부분을 다른 조직의 영상부분으로부터 분리(segmentation)할 필요가 있다. 이러한 Segmentation방법에는 여러가지가 있는데, 수작업의 결합 등으로 인해서 비효율적일 수 밖에 없는 문제점을 가지고 있다. 이에 본 논문은 보다 효율적인 segmentation 의 처리를 위하여 구역확장(region-growing) 기법을 응용한 새로운 segmentation 방법을 개발하였다. 그리하여, 본 논문이 제안한 알고리즘을 슬라이스 간격이 큰 2 차원 복부 CT 영상에 적용시켜 간(liver)의 추출을 시도하였고 3차원 표현 결과를 확인할 수 있었다.
간 전이 암은 이전에는 수술을 통한 외과적 절제가 주요 치료기법이었지만 방사선 치료 기법의 발전으로 인해 점차 방사선치료의 시행이 늘어나고 있다. 18F-FDG PET 영상은 간 전이 암 진단 시 더욱 우세한 민감도와 특이도를 보이며, 치료계획용 CT 영상과 더불어 종양조직의 위치를 정의하는 중요한 영상장비로 자리매김하고 있다. 본 연구에서는 간 전이 암의 18F-FDG PET 영상에 나타난 종양영역을 영상분할기법 적용하였으며 PET영상의 여러 인자들이 영상분할기법들에 미치는 영향을 알아보았다. 2009년부터 2012년까지 방사선 치료를 받은 간전이 환자들 중 18F-FDG PET/CT 촬영을 시행한 13명의 환자들의 치료계획용 CT와 PET/CT 영상을 얻었다. 그 뒤 PET 영상의 관심영역을 설정하기 위하여 3가지 영상 분할 기법인 상대적문턱기법, 기울기기법, 영역성장기법을 적용하였다. 이 결과들을 바탕으로 GTV와 각 영상 기법으로 구현된 종양 영역과 부피 비교를 시행하였으며 영상 분할 기법에 영향을 미치는 영상인자들과의 관계를 회귀 분석하였다. GTV (Gross Tumor Volume)의 평균 부피는 $60.9{\pm}65.9$ cc이며, 40% 상대적문턱값 기법은 $22.43{\pm}35.3$ cc, 50% 상대적문턱값 기법은 $10.11{\pm}17.9$ cc, 영역성장기법은 $32.89{\pm}36.8$ cc, 기울기기법은 $30.34{\pm}35.8$ cc로 나타났다. 기존의 GTV와 가장 유사한 영역을 나타낸 영상 분할 기법은 영역성장기법 이었다. 이 영역성장기법에 영향을 미치는 영상인자를 정량적으로 분석하기 위해 표준화 계수 ${\beta}$값을 이용하였으며, GTV의 크기, $TumorSUV_{MAX/MIN}$, $SUV_{max}$, TBR 순으로 나타났다. 이와 같은 PET 영상인자를 반영한 영상 분할 기법을 이용해서 종양 영역을 정의한다면 보다 정확하고 일관성 있는 종양그리기를 수행할 수 있으며 궁극적으로 종양에 최적화된 방사선량을 투여할 수 있을 것이다.
의료기기 및 진단 기술의 발달로 신체 장기의 이식에 대한 성공률이 향상되었으며 특히 간 기능 장애에 의한 간이식이 늘어나는 추세이다. 영상처리 및 분석의 발달로 간 이식을 위한 간의 체적을 구하는 방법들이 정확성과 효율성이 높아졌다. 본 논문은 각 알고리즘들의 신속한 비교 및 분석, 빠른 프로토타입 개발에 효과적인 MeVisLab을 사용하여 간 영역을 분할하고 재구성하였다. 원본 영상에 문턱치 값 적용과 영역 확장법을 적용하여 간 영역을 분할하고 Morphology와 구멍 채우기, 관심영역 설정으로 노이즈 및 불필요한 객체를 제거하여 간을 분할하였다. MeVisLab의 사용으로 높은 시간적 효율과 다양한 비교 및 분석 모듈 사용 방법을 제시하여 의료영상처리 연구의 저변 확대에 기여하리라 판단된다.
간 혈관 구조는 간에 대한 질병을 판단하거나 간 수술 계획을 세우는 데 중요한 요소이다. 특히 생체간이식에서 간 혈관 구조는 기증자와 수혜자의 안전을 보장하기 위하여 수술 전 환자의 간 상태를 파악하고 좌우엽의 체적을 계산하는 중요한 근거로 활용된다. 본 연구는 조영제를 투여한 복부 MDCT 영상에서 추출된 간 영상으로부터 간 혈관을 자동추출하기 위하여 노이즈에 강한 Canny edge detection을 활용할 수 있는 방안을 제안한다. 환자마다 달라질 수 있는 간 영상의 밝기와는 독립적으로 간 내부의 혈관을 추출하기 위하여 간 영상의 히스토그램과 평균 픽셀값을 이용하여 Canny 알고리즘에 사용되는 최적의 파라미터들을 정의한다. 간 영상의 밝기에 따라 파라미터를 수동으로 조절하는 경우보다 시간을 절약할 수 있다. 찾아진 혈관의 경계선에서픽셀의 밝기를 이용하여 후보 혈관을 추출한다. 최종적으로 수평과 수직방향으로 연결된 혈관이나 고립된 혈관을 검색하는 시스템을 이용하여 추출에 실패한 혈관을 추가하고 노이즈를 제거한다. 그 결과로써 환자마다 나타나는 다양한 혈관 모양을 정확하게 3차원으로 재구성한다.
Tran, Hong Tai;Oh, A Ran;Na, In Seop;Kim, Soo Hyung
스마트미디어저널
/
제5권1호
/
pp.49-54
/
2016
Medical image processing is a compulsory process to diagnose many kinds of disease. Therefore, an automatic algorithm for this task is highly demanded as an important part to construct a computer-aided diagnosis system. In this paper, we introduce an automatic method to segment the liver region from 3D abdominal CT images using Otsu method. First, we choose a 2D slice which has most liver information from the whole 3D image. Secondly, on the chosen slice, we enhanced the image based on its intensity using Otsu method with multiple thresholds and use the threshold to enhance the whole 3D image. Then, we apply a liver mask to mark the candidate liver region. After that, we execute the Otsu method again to segment the liver region from the chosen slice and propagate the result to the whole 3D image. Finally, we apply preprocessing on the frontal side of 3D images to crop only the liver region from the image.
In our study, by observing and analyzing normal liver in abdominal CT image, we estimated gray value range and generated binary image. In the binary image, we achieved the number of hole which is located between pixels. Depending on the ratio, we processed the input image to 4 kinds of mesh images to remove the noise part that has the different ratio. With the Union image of 4 kinds of mesh images, we generated the template representing general outline of liver and subtracted from the binary image so the we can represent the organ boundary to be minute. With results of proposed method, processing time is reduced compared with existing method and we compared the result image to manual image of medical specialists.
In this paper, we deal with a liver fibrosis classification problem using ultrasound B-mode images. Commonly representative methods for classifying the stages of liver fibrosis include liver biopsy and diagnosis based on ultrasound images. The overall liver shape and the smoothness and roughness of speckle pattern represented in ultrasound images are used for determining the fibrosis stages. Although the ultrasound image based classification is used frequently as an alternative or complementary method of the invasive biopsy, it also has the limitations that liver fibrosis stage decision depends on the image quality and the doctor's experience. With the rapid development of deep learning algorithms, several studies using deep learning methods have been carried out for automated liver fibrosis classification and showed superior performance of high accuracy. The performance of those deep learning methods depends closely on the amount of datasets. We propose an enhanced U-net architecture to maximize the classification accuracy with limited small amount of image datasets. U-net is well known as a neural network for fast and precise segmentation of medical images. We design it newly for the purpose of classifying liver fibrosis stages. In order to assess the performance of the proposed architecture, numerical experiments are conducted on a total of 118 ultrasound B-mode images acquired from 78 patients with liver fibrosis symptoms of F0~F4 stages. The experimental results support that the performance of the proposed architecture is much better compared to the transfer learning using the pre-trained model of VGGNet.
제안된 연구에서는 조영제를 사용한 복부 CT 영상에 대한 특성을 분석함으로써 간에 대한 자동추출을 시행하였다. 영상에 나타난 명암값을 지형적 고도정보로 해석하는 침수실험에 근거하여 영역을 분리하였고 임계값에 의하여 장기 내부의 국부최대점들을 제거함으로써 장기에 해당하는 부분들을 합병하였다. 임계값은 장기를 구성하는 각 명암값의 비율에 의하여 생성된 메쉬영상으로부터 결정되었고 간과 노이즈 영역의 분리에 사용되었다. 장기의 외곽선추출을 위해서는 장기의 전반적인 형태를 나타내는 템플리트를 생성한 후 이진 영상에서 서브트랙션하는 방법을 사용하였다. 템플리트의 생성과정에서는 처리시간이 긴 기존의 오프닝 방법을 사용하지 않고 8-연결성에 의한 방법을 사용함으로써 처리속도를 단축하였다. 추출된 장기의 면적을 토대로 체적계산을 시행하였고 동물실험을 통하여 임상 실험치를 제시하였다.
조영 증강된 CT 영상의 화소값은 조영제에 의해 이산적으로 변한다. 또한 간의 중간부분에서는 간과 유사한 농도값을 갖는 췌장 때문에 간의 분할이 어렵다. 본 논문에서는 조영증강된 CT영상의 화소값의 이산적인 변화와 간과 겹치는 췌장을 제거하기 위하여 부분 히스토램 문턱치 알고리즘을 사용한 간 분할법을 제안한다. 히스토그램 변환 후 간 구조의 농도 값의 범위를 찾기 위한 적응 다봉성 분할과 췌장 제거를 위한 부분 히스토그램 문턱치 알고리즘을 수행한다. 다음으로, 간 이외의 불필요한 대상을 제거하고 경계를 매끈하게 하기 위해 모폴러지 필터링을 수행한다. 제안된 방법을 평가하기 위해 8명의 환자로부터 획득된 CT 영상중 중간부분에서 4개씩 총 32단면을 선택하였다. 부분 히스토그램 문턱치 알고리즘을 사용한 자동 분할법 II와 수동 분할법의 정규화된 평균 면적의 평균은 0.1671과 0.1711이었으며, 이 두 방법은 아주 적은 차이를 보인다. 또, 자동 분할법 II와 수동 분할법의 평균 면적 오차율은 6.8339 % 이다. 이 실험 결과로부터 제안된 자동 간분할 법은 의사에 의해 시행된 수동 분할법과 매우 유사한 수행능력을 갖는다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.