대장 종양 분류를 위한 샘 구조물 자동 분할 알고리즘 (An Automatic Segmentation Algorithm for Colonic Glandular Lesions)

서지정보

· 발행기관 : 한국정보과학회
· 수록지 정보 : 정보과학회논문지 / 45권 / 6호 / 554 ~ 563페이지
· 저자명 : 조미경, 이혜경, 조환규

초록

대장의 선종 및 선암은 가장 흔한 종양 중 하나로 주로 샘 구조물의 구조적 외관과 세포형태의 변화에 기초하여 진단이 이루어진다. 이러한 진단은 각 병리의사의 주관과 객관에 의하며 좀 더 나은 객관적 결과와 재현성을 위해 샘 구조물에서 의미 있는 특징을 추출하고자 하는 많은 연구가 진행 중이다.
샘 구조물의 특징을 추출하기 위해 샘 구조물을 수동적으로 분할하는 것은 노동집약적인 작업으로 많은 시간과 때로는 어려움이 발생한다. 이러한 문제점들로 인해 샘 구조물의 형태를 정량화하기 위한 자동화된 접근법이 필요하다. 본 논문에서는 샘 구조물의 형태를 정량화하기 위해 정상과 변형이 시작된 초기 단계의 샘 구조물을 분할하기 위한 알고리즘을 개발하였다. 알고리즘은 k-means 클러스터링에 의해 얻은 적응적 임계값을 순차적으로 적용하여 이진화작업과 필터링 작업을 수행하고 그 결과로 얻은 이미지의 경계선을 추출하고 결합하여 샘 구조물의 바깥쪽 방향과 안쪽 방향 모두에서 샘 구조물을 찾아가는 방식으로 분할한다. 제안된 알고리즘을 병원에서 사용하는 영상에 적용한 결과 95%이상의 정확도를 보여주었다. 또한 레벨 셋 기반 알고리즘에 비해 수행속도가 현저히 빠르므로 매우 실용적인 알고리즘이라고 할 수 있다.

영어초록

Adenoma and adenocarcinoma of the colon are one of the most common tumors, and diagnoses are based mainly on the structural appearances and changes in cell morphology of the glandular structures. Each diagnosis is based on subjectivity and objectivity of each pathologist, and many studies are under way to extract meaningful features from the glandular structure for better objective results and reproducibility. Passive segmentation of glandular cells to extract structural features is a labor-intensive task performed over many hours and with some difficulties. These problems require an automated approach to quantify the shapes of glandular cells. In this paper, we have developed an algorithm for segmentation of glandular cells to quantify their shapes in the benign and initial stages of deformation signifying the onset of disease. The algorithm sequentially applies adaptive thresholds obtained by k-means clustering and obtains binary images by thresholding and filtering methods. We extract boundary information from binary images and combine several boundary information, and then we search for glandular cells, both in the outward direction and inward direction from the boundary information. Applying the proposed algorithm to clinical images showed more than 95% accuracy. In addition, it is a very practical algorithm because it is much faster than the level-set based algorithms.

참고자료

· 없음