Application of Computer-Aided Diagnosis for the Differential Diagnosis of Fatty Liver in Computed Tomography Image

국문 초록 (Abstract)

본 연구는 복부 전산화단층촬영 영상을 이용하여 지방간환자의 영상을 질감특징분석과 ROC curve 분석을 하였으며, 컴퓨터보조진단시스템의 구현을 위한 실험적인 선형 연구로서 전산화단층촬영 영상에서 지방간의 객관적이고 신뢰성 있는 진단 정보를 의사에게 제공하고자 하였다. 실험은 정상 및 지방간 복부 전산화단층촬영 영상을 실험영상으로 하여 설정된 구역에 대한 wavelet 변환을 거쳐 질감의 특징값을 나타내는 6가지 파라미터로 통계적 분석 결과를 나타내었다. 그 결과 엔트로피, 평균밝기, 왜곡도는 90% 이상의 비교적 높은 인식률을 보였고, 대조도, 평탄도, 균일도는 약 70% 정도로 비교적 낮은 인식률을 나타내었다.
ROC curve를 이용한 분석에서 6가지의 파라미터 모두 0.900(p=0.0001)이상을 나타내어 질환인식에 의미가 있는 결과를 나타내었다. 또한 6가지 파라미터에서 질환 예측을 위한 cut-off 값을 결정하였다. 이러한 결과는 향후 복부 전산화단층촬영 영상에서 질환 자동검출 및 최종진단의 예비 진단 자료로서 적용 가능할 것이다.

다국어 초록 (Multilingual Abstract)

In this study, we are using a computer tomography image of the abdomen, as an experimental linear research
for the image of the fatty liver patients texture features analysis and computer-aided diagnosis system of
implementation using the ROC curve analysis, from the computer tomography image. We tried to provide an
objective and reliable diagnostic information of fatty liver to the doctor. Experiments are usually a fatty liver, via
the wavelet transform of the abdominal computed tomography images are configured with the experimental image
section, shows the results of statistical analysis on six parameters indicating a feature value of the texture. As a
result, the entropy, average luminance, strain rate is shown a relatively high recognition rate of 90% or more, the
control also, flatness, uniformity showed relatively low recognition rate of about 70%. ROC curve analysis of six
parameters are all shown to 0.900 (p = 0.0001) or more, showed meaningful results in the recognition of the
disease. Also, to determine the cut-off value for the prediction of disease six parameters. These results are
applicable from future abdominal computed tomography images as a preliminary diagnostic article of diseases
automatic detection and eventual diagnosis.

참고문헌 (Reference)

• 1 김대훈, "질감분석을 이용한 폐결핵의 자동진단" 한국콘텐츠학회 11 (11): 185-193, 2011
• 2 권순학, "엔트로피 및 평균밝기오차의 절대값에 기반한 임계값 결정" 한국지능시스템학회 21 (21): 347-352, 2011
• 3 이재호, "모바일 비디오기기 위에서의 중요한 객체탐색을 위한 문맥인식 특성벡터 선택 모델" 한국인터넷정보학회 15 (15): 117-124, 2014
• 4 유원필, "내장형 렌즈 왜곡 보정 알고리즘 구현을 위한 이미지 워핑 방법" 한국정보처리학회 10 (10): 373-380, 2003
• 5 A. E. Bohte, "The diagnostic accuracy of US, CT, MRI and 1H-MRS f or the evaluation of hepatic steatosis compared with liver biopsy: a meta-analysis" 21 (21): 87-97, 2011
• 6 Ji-Young Cho, "The Impact of Weight Changes on Nonalcoholic Fatty Liver Disease in Adult Men with Normal Weight" 대한가정의학회 35 (35): 243-250, 2014
• 7 Wu. D, "Study on appli cation of multi-spectral image texture to discriminatin g rice categories based on wavelet packet and suppo rt vector machine" 29 : 222-225, 2009
• 8 S. Selvan, "SVD-Based Modeling f or Image Texture Classification Using Wavelet Trans formation" 16 (16): 2688-2696, 2007
• 9 김희중, "ROC평가 방법을 이용한 CR과 DDR 흉부 영상의 비교" 한국방사선학회 1 (1): 25-30, 2007
• 10 J. Yu, "Object density-based image segment ation and its applications in biomedical image analysis" 96 (96): 193-204, 2009
• 11 Z. Szucs. Farkas, "Improved detection of pulmonary n odules on energy-subtracted chest radiographs with a commercial computer-aided diagnosis software: compa rison with human observers" 20 (20): 1289-1296, 2010
• 12 Young. Ha. Chun, "Implementation and Enhancement of GMM Face Recognition System using Flatness Measure" 2003 (2003): 2004-2007, 2003
• 13 Fangyan. Nie, "Image Segmentation Based on Framework of Two-dimensional Histogra m and Class Variance Criterion" 8 (8): 79-88, 2015
• 14 Debnath. Bhattacharyya, "IRIS Texture A nalysis and Feature Extraction for Biometric Pattern Recognition" 1 (1): 53-60, 2008
• 15 Hee. Joon. Kim, "Comparison of remnant to total functional liver volume ratio and remnant tostandard liver volume ratio as a predictor of postope rative liver function after liver resection" 17 (17): 143-151, 2013
• 16 Gletsos. M, "A compu ter-aided diagnostic system to characterize CT focal l iver lesions: design and optimization of a neural net work classifier" 7 : 153-162, 2003
• 17 Nabiha. Azizi, "A Computer-Aided Diagnosis System for Breast Cancer Combining Features Complementarily and New Scheme of SVM Classifiers Fusion" 8 (8): 45-58, 2013