유방 종양 세포 조직 영상의 분류

황해길,최현주,윤혜경,남상희,최흥국 한국융합신호처리학회 2001 융합신호처리학회 논문지 (JISPS) Vol.2 No.4

본 논문은 유방질환 중에서 유관(duct )에 발생하는 유방종양을 Benign, DCIS(ductal carcinoma in situ) NOS (invasive ductal carcinoma)로 분류하기 위해 3가지 분류기 (classifier) 를 생성한 후, 비교 분석하였다. 분류기 생성에서 가장 중요한 단계인 특징 추출 단계에서 세포핵의 기하학적 특징을 형태학적 특징을 추출하여 분류기를 생성하고 염색질 패턴의 내부적 변화를 나타내는 질감 특징을 추출하여 2가지 배율(100/400배)에서 2개의 분류기를 생성하였다. 400배 배율의 유방질환 영상에서 세포핵을 추출하여 핵의 형태학적 특징값인 핵의 면적, 둘레. 가로, 세로(장. 단축) 의 길이, 원형성의 비율을 구한 후 이 특징값들을 조합하여 판별분석에 의해 분류기를 생생하고, 분류 정확도를 검증하였다. 100배 배율과 400배의 배율의 유방질환 영상에서 1, 2, 3, 4 단계(level)의 wavelet 변환를 적용한 후, 분할된 서브밴드에서 GLCM(Gray Level Co-occurrence Matrix)을 이용하여 질감 특징(entropy Energy, Contrast, Homogeneity)를 추출하고, 이 특징값들을 조합하여 판변 분석에 의해 분류기를 생성한 후 분류 정확도를 검증하였다. 이 세 분류기를 비교 분석 하였을때 현민경 100배 배율의 영상을 3단계 wavelet 변환을 적용하고 질감 특징을 추출하여 생성한 분류기가 다른 두 분류기보다 유방 질환 Benign, DCIS; NOS를 분류하는데 더 나은 결과를 보였다. In this paper we propose three classification algorithms to classify breast tumors that occur in duct into Benign, DCIS(ductal carcinoma in situ) NOS(invasive ductal carcinoma) The general approach for a creating classifier is composed of 2 steps: feature extraction and classification Above all feature extraction for a good classifier is very significance, because the classification performance depends on the extracted features, Therefore in the feature extraction step, we extracted morphology features describing the size of nuclei and texture features The internal structures of the tumor are reflected from wavelet transformed images with 10$\times$ and 40$\times$ magnification. Pariticulary to find the correlation between correct classification rates and wavelet depths we applied 1, 2, 3 and 4-level wavelet transforms to the images and extracted texture feature from the transformed images The morphology features used are area, perimeter, width of X axis width of Y axis and circularity The texture features used are entropy energy contrast and homogeneity. In the classification step, we created three classifiers from each of extracted features using discriminant analysis The first classifier was made by morphology features. The second and the third classifiers were made by texture features of wavelet transformed images with 10$\times$ and 40$\times$ magnification. Finally we analyzed and compared the correct classification rate of the three classifiers. In this study, we found that the best classifier was made by texture features of 3-level wavelet transformed images.

유방 종양 세포 조직 영상의 자동 분류법에 관한 연구

황해길,최현주,윤혜경,최흥국 仁濟大學校 2006 仁濟論叢 Vol.21 No.1

본 논문은 유방질환 중에서 유관(duct)에 발생하는 유방 종양을 Benign, DCIS, CA로 분류하기 위해 각 그룹별 특성을 잘 나타내는 특징을 추출하고, 추출한 특징들에 대한 유의성 평가로 특징들간의 상관관계까지 고려한 특징 벡터를 구성하여 분류기를 생성함으로써, 보다 객관적이고 재현성이 높은 분류 방법을 개발하는데 목적이 있다. 분류기 생성에서 가장 중요한 단계인 특징 추출 단계에서 세포핵의 염색질 패턴의 내부적 변화를 나타내는 질감 특징을 추출하기위해 100배 배율의 유방 종양 세포 조직 영상에서 1, 2, 3, 4단계의 wavelet 변환을 적용한 후, 분할된 서브밴드에서 GLCM을 이용하여 질감 특징(Entropy, Energy, Contrast, Homogeneity)을 추출하였다. 이 특징값들을 조합하여 판별분석, 신경망, SVM(Support Vector Machine)에 의해 3가지 분류기를 생생하고, 분류 정확도를 검증하였다. 이 3가지 분류기를 비교 · 분석하였을 때, 2단계 wavelet 변환을 적용하여 판별분석으로 생성한 분류기가 다른 두 분류기보다 유방 질환 Benign, DCIS, CA를 분류하는데 더 나은 결과를 보였다.

XML을 이용한 유방암 세포 은행 시스템 설계

황해길,김민경,김태윤,김흥식,최흥국 인제대학교 2004 仁濟論叢 Vol.19 No.1

기존의 병리영상의 저장 및 관리, 공유를 위한 시스템이 수작업으로 이루어져 발생하는 문제점들을 해결하기 위한 방안으로 병리 영상의 전산화 및 대용량 자료를 표준화하여 보관하기 위한 시스템을 유방 종양 영상을 사용하여 구축하였다. 다양한 유방 종양 영상들을 질환별로 분류하고, 텍스트 검색과 내용 기반 검색이 가능하게 하였다. 내용 기반 검색을 위하여 영상이 가지고 있는 컬러 및 질감특징값을 사용하였다. 비쥬얼 베이직을 이용하여 소프트웨어를 개발하였으며, 영상에서 추출된 특징값들을 SQL을 이용하여 데이터베이스 구축 후, XML 형식으로 저장하여 표준 MPEG-7에 기반한 검색 시스템이 될 수 있도록 설계하였다.

유방질환 진단을 위한 유방 종양 세포핵의 형태학적 특성 비교ㆍ분석

황해길(Hae-Gil Hwang),최현주(Hyun-Ju Choi),윤혜경(Hye-Kyoung Yoon),최흥국(Heung-Kook Choi) 한국멀티미디어학회 2001 한국멀티미디어학회 학술발표논문집 Vol.2001 No.1

폐암 변이 분석을 위한 영상 특성 추출

황해길(Hae-Gil Hwang),최현주(Hyun-Ju Choi),이병일(Byeong-Il Lee),최흥국(Heung-Kook Choi) 한국정보과학회 2000 한국정보과학회 학술발표논문집 Vol.27 No.2Ⅱ

폐암의 변이 형태는 크게 침륜형과 팽창형의 두 가지로 나눌 수 있는데, 팽창형은 암의 크기가 크고 성장속도는 느린 특징을 가지고 있으며, 침륜형은 암의 크기가 작고 성장 속도는 빠르며 괴사 부분이 많고 경계선이 불규칙적인 특성을 가지고 있다. 본 논문은 병리 전문가의 이와 같은 시각적인 진단요소를 폐암 변이 분석을 위한 영상의 특성으로 추출하여, 형태학적 특성과 질감특성으로 분석한 후 의료 영상에 대한 진단을 전문가의 진단 견해와 비교해 보았다. 의료 영상에 대한 진단은 영상의 특성과 함께 전문가의 진단 기준에 대한 특성을 최대한 반영하는 특성에 의한 것이어야 할 것이다.

Wevelet 변환에 기반한 유방 종양 세포 조직 영상의 분류

황해길(Hae-Gil Hwang),최현주(Hyun-Ju Choi),최익환(Ik-Hwan Choi),윤혜경(Hye-Kyoung Yoon),최흥국(Heung-Kook Choi) 한국정보과학회 2001 한국정보과학회 학술발표논문집 Vol.28 No.2Ⅱ

본 논문은 유방질환 중에서 Duct(관)에 발생하는 유방 종양을 benign(양성종양)/DCIS(Ductal Carcinoma In Situ)/NOS(Invasive ductal carcinoma)로 자동 분류하기 위한 분류방법을 제안한다. 분류기 생성에서 가장 중요한 단계인 특징 추출단계에서는 wavelet 변환을 적용하였으며, wavelet 변환의 각 depth에 따라 분류기를 생성하여, depth와 생성된 분류기의 분류 정확도와의 상관관계를 비교 · 분석하였다. 현미경 100배 배율과 400배 배율의 유방 질환 영상을 1, 2, 3, 4 단계(depth)의 wavelet 변환을 적용한 후, 분할된 서브밴드에서 GLCM을 이용하여 질감 특징(Entropy, Energy, Contrast, Homogeneity)을 추출하여, 이 특징값들을 조합하여 판별분석에 의해 분류기(classifier)를 생성한 후, 분류 정확도를 검증하였다. Benign/DCIS/NOS를 분류하려면 최소 3단계 이상의 wavelet 변환을 적용해야 하고, 400배 배율 영상보다는 100배 배율의 영상이 더 나은 결과를 보였다.

내용기반 검색 기법을 이용한 인터넷 기반 유방종양 조직병리영상 검색 시스템 개발

김민경,황해길,최흥국,최현주 대한의료정보학회 2005 Healthcare Informatics Research Vol.11 No.1

Objective: We have developed breast tumor image retrieval system using content-based retrieval method. It compares the breast tumor image with Fibrocystic Change images, Ductal Carcinoma in Situ images and Invasive Ductal Carcinoma images and find most similar one. Since the final diagnosis for breast tumor image is done only by pathologist manually, this system can provide the objectivity and the reproducibility for determining and diagnosing the breast tumor. Methods: The breast tumor image features used in the content-based image retrieval are color feature, texture feature and texture features of wavelet transformed images. And the system can be accessed through the internet. We used Windows 2003 as an operating system, Internet Information Server 6.0 as Web a server and ms-sql server 2000 as a database server. Also we use ActiveX Data Object to connect database easily. Result: We evaluated the recall and precision performance of the system according to the combinations of feature types and usage of partial or whole image. Results showed that the use of multiple features and whole image gave consistently higher rates compared to the use of single feature and partial image. Conclusion: This retrieval system can help pathologist determine the type of breast tumor more efficiently. Also it is working based on the internet, we can use it for researching and teaching in pathology later.

다중 임계 기법과 영역확장법을 이용한 뇌졸중 병변 정합 방법 연구

탁윤오,김태윤,황해길,김동억,최흥국 인제대학교 2009 仁濟論叢 Vol.24 No.1

In clinical studies of brain stroke, it generally involves the process that spatially normalizes MR images into the standard brain template in order to find out distributions of lesion. So far MNI305, which is people’s standard brain template, has been commonly used. However in this study, to reduce some morphological differences caused by human races, ages, and sexes, we used the Korean Statistical Probabilistic Anatomical Map(Korean-SPAM). As a preprocessing methods, brightness and position of a brain had been adjusted at the first Then, stroke lesions were segmented using multiple threshold and region growing methods. Finally, stroke lesions were registered to the Korean-SPAM using Mesh Warp algorithm. We can registered various stroke MR brain images to Korean-SPAM rightly by the proposed method.

신장암 세포핵의 3차원 특성값 유효성 평가에 관한 연구

최현주,김태윤,황해길,최흥국 仁濟大學校 2006 仁濟論叢 Vol.21 No.1

암의 진행 정도를 잘 나타낼 수 있는 유효한 특성 추출은 분류정확도를 결정하는 필수적 요소로서 암세포 조직 영상 분석에서 중요한 과정이다. 본 논문에서는 신장암 진행 정도를 판단하기 위한 세포핵의 3차원 특성값을 추출하고 추출한 특성값에 대한 유효성 평가를 통해 신장암 등급 분류 시스템에 사용될 새로운 지표를 제안하고자 한다. 먼저 공초점 현미경을 사용하여 3차원 볼륨데이터를 획득하고 이를 바탕으로 세포핵의 3차원 가시화를 위한 표면렌더링과 볼륨렌더링을 수행하였으며 전문가의 판단근거를 기반으로 세포핵의 3차원 특성값을 정의하고 추출하였다. 추출한 특성값을 2차원 특성값과 비교하여 상관관계를 분석하였으며 분산분석을 이용하여 등급별 3차원 특성값의 유효성을 평가하였다. 등급 진행에 따라 3차원에서의 등급 간 세포핵의 크기 및 형태 비교는 유효한 통계학적인 차이를 나타내었으며, 이는 2차원 정량적 분석이 가지는 한계를 극복하고 보다 정확한 진단과 예후 추정을 위한 새로운 등급 결정 시스템 개발을 위한 기반 연구로 활용될 수 있는 가능성을 제시하였다.

Bioluminescence Imaging을 이용한 소동물 분자영상의 정량적 분석 연구

정혜진,김태윤,황해길,최현주,이병일,민정준,최흥국 仁濟大學校 2006 仁濟論叢 Vol.21 No.1

최근 분자영상에 대한 관심이 높아져 영상 획득을 위한 연구가 활발히 진행되고 있으며 그에 따라 획득된 영상 분석을 위한 연구의 필요성도 증가하고 있다. 본 논문에서는 Bacterial Luciferase 효소를 사용하여 획득된 분자영상의 정량적 분석을 위해 RGB 컬러 모델에서 Box Classification을 적용하여 시간에 따른 Luciferase의 발현의 정도를 A, B, C 세 개의 클래스로 분류한 후 정량화 하였다. 이는 생체의 특성이나 주변 환경에 상관없이 시간에 따른 생물 발광에서 최적의 Luciferase의 발현 영상을 실험자의 주관이 아닌 객관적으로 선택할 수 있게 하는데 도움이 될 것으로 기대한다.