다항 곡선과 합성곱 신경망을 이용한 요추 전위 정량화 방법 (A Quantification method of Lumbar Vertebral Displacement using Polynomial Curves and Convolutional Neural Networks)

서지정보

· 발행기관 : 차세대컨버전스정보서비스학회
· 수록지 정보 : 차세대컨버전스정보서비스기술논문지 / 10권 / 5호 / 549 ~ 557페이지
· 저자명 : 장준수

초록

요추 통증의 주요 원인이 되는 전위는 X-ray 영상 분석을 통하여 진단될 수 있는데, 주로 사람의 수작업에 의해서 전위 정도가 정량화되어 왔다. 따라서 수작업에 의한 정량화 과정을 개선하기 위해서 본 연구에서는 요추의 전위 정도를 정량화할 수 있는 자동화 알고리즘을 제안한다. 추체의 꼭지점 자동 추출을 위해서는 합성곱 신경망 기반의 두 단계 네트워크를 활용하였고, 꼭지점 위치의 평균을 이용하여 추체 중심선 특징점을 계산하였다. 중심선 특징점에 3차 다항 곡선 적합을 수행하여 중심선 식을 얻었다. 각 추체 중심점에서 다항 곡선까지의 최소 거리값을 계산함으로써 전위 정량화를 수행하였다. 요추 X-ray 영상 1000장에 제안하는 방법을 적용하여 자동 전위 정량화가 성공적으로 수행됨을 확인하였다. 특징점에 대한 참값을 이용한 정량화와 비교하여, 정량화 오차는 약 2.47 픽셀로 나타났다. 본 연구에서 실험결과는 요추에 한정되어 있지만, 제안하는 방법을 전신 척추에도 적용이 가능할 것이다.

영어초록

Lumbar vertebral displacement, which is the main cause of lumbar pain, can be diagnosed by X-ray image analysis, and the degree of displacement has been quantified mainly by human labeling. Therefore, in order to improve the manual quantification process, this study proposes an automated algorithm that can quantify the degree of lumbar vertebral displacement. For automatic extraction of vertebral corner points, a two-stage network based on convolutional neural networks was used, and vertebral midline feature points were calculated using the average positions of corner points. The vertebral midline equation was obtained by performing cubic polynomial curve fitting on the midline feature points. Vertebral displacement quantification was performed by calculating the minimum distance from each vertebral centroid to the polynomial curve. The automatic quantification was successfully performed by applying the proposed method to 1000 lumbar X-ray images. Compared with the quantification using the ground truth of the feature point, the quantification error was about 2.47 pixels. Although the experimental results in this study are limited to the lumbar spine, the proposed method can be applicable to the whole spine.

참고자료

· 없음