GLCM과 인공신경망을 이용한 미만성 갑상샘 질환 초음파 영상 분류 (Ultrasound Image Classification of Diffuse Thyroid Disease using GLCM and Artificial Neural Network)

서지정보

· 발행기관 : 한국정보통신학회
· 수록지 정보 : 한국정보통신학회논문지 / 26권 / 7호 / 956 ~ 962페이지
· 저자명 : 엄상희, 남재현, 예수영

초록

미만성 갑상샘 질환은 그 진단 기준이 모호하고 숙련자의 주관적인 진단에 따라 오류가 많이 발생한다. 초음파 영상에 영상처리기술을 적용하고 정량적 데이터를 추출하여 컴퓨터 보조 진단 시스템에 적용하게 되면 보다 정확하고 정략적인 진단이 가능하다. 본 논문에서는 갑상샘 질환 환자를 정상, 경도, 중등도로 분류된 초음파 영상에 GLCM 알고리즘을 적용하여 19개의 파라미터를 추출하였다. 이들 파라미터를 이용하여 인공신경망을 적용하여 미만성 갑상샘 초음파 영상을 분류하여 최종 96.9%의 분류율을 얻었다. 본 연구의 결과를 이용하여 갑상샘 질환의 진단에 있어 육안 판독에 따른 오류를 감소시키고, 미만성 갑상샘 질환 진단의 2차적인 수단으로 활용 가능할 것으로 기대된다.

영어초록

Diffuse thyroid disease has ambiguous diagnostic criteria and many errors occur according to the subjective diagnosis of skilled practitioners. If image processing technology is applied to ultrasound images, quantitative data is extracted, and applied to a computer auxiliary diagnostic system, more accurate and political diagnosis is possible. In this paper, 19 parameters were extracted by applying the Gray level co-occurrence matrix (GLCM) algorithm to ultrasound images classified as normal, mild, and moderate in patients with thyroid disease. Using these parameters, an artificial neural network (ANN) was applied to analyze diffuse thyroid ultrasound images. The final classification rate using ANN was 96.9%. Using the results of the study, it is expected that errors caused by visual reading in the diagnosis of thyroid diseases can be reduced and used as a secondary means of diagnosing diffuse thyroid diseases.

참고자료

· 없음