연하곤란 치료효율성 개선을 위한 비디오형광투시영상분석 연구 : 설골하근육 강화치료의 중요성 고찰 = Videofluoroscopy image analysis to improve the treatment efficacy of dysphagia patients : study on importance of thyrohyoid muscle rehabilitation

국문 초록 (Abstract)

연하는 구강 및 후두부의 신경과 근육들이 짧은 시간 내에 순차적으로 조절하여 구강 내 음식물을 섭취하는 동작이며, 연하에 사용되는 근육과 조직 및 연하 조절 뇌 부위가 손상될 경우 연하곤란이 유발되어, 영양실조, 탈수 , 흡인성 폐렴 등의 신체적 및 정신적 문제를 유발하는 심각한 질환으로 정확한 진단 및 조기 치료가 매우 중요하다.
연하곤란 환자의 연하 운동성 평가를 위해서 x-ray 기반의 영상인 VFSS(Videofluoroscopic swallowing study) 검사가 많이 진행되고 있다. 기존 연구에서는 이 VFSS 영상에서 대표적인 마커인 설골 이동 궤적을 분석하여, 운동학적 및 시간적 파라메터를 추출하였고, 이를 이용하여 연하곤란 환자와 정상인을 분류하는 연구가 활발히 진행되어 왔다. 기존 연구들에서 연하곤란 환자의 설골 움직임이 전방으로 짧게 나간다는 것을 발켰고 이는 설골상 근육이 약해졌기 때문이라고 가정했으며, 설골상 근육이 강하게 당겨 주어야 정상의 설골 궤적을 찾을 수 있다고 설명하였다. 하지만 x-ray 기반인 VFSS 영상에서는 설골 근육에 대해서 관찰 할 수 없으므로 설골의 이상 이동 궤적을 설명하기에 부족하고, 설골하근육에 대한 이해와 분석에 대한 연구가 없었기 때문에 대부분 재활 프로토콜은 설골상근육에 대한 강화 운동을 목적으로 재활 운동이 개발되었다.
그러므로 본 연구에서는 1) 연하동작에 대한 VFSS 영상으로부터 설골의 이동 궤적을 자동으로 추출해내고, 추출된 궤적으로부터 다양한 운동학적 파라메터들을 자동 계산해주는 Matlab 기반 영상 자동분석 플랫폼을 개발하고, 2) 설골의 움직임에 영향을 미치는 3방향의 가상 근육 모델을 제시하고, 3) 개발된 플랫폼을 활용하여 개별 가상 근육에 대한 운동학적 파라메터들을 자동 추출한 후, 4) 추출된 파라메터에 대한 통계적 분석을 통해 연하동작 시 중증도 환자와 경증도 환자에서 개별 가상 근육들이 유의한 차이를 나타내는가 여부를 확인하였다.
연구의 결과에서 설골의 이동궤적 자동분석 플랫폼은 연구자가 수동으로 찍은 점과 자동분석 플랫폼을 통해 나온 점 간의 피어슨 상관계수 값이 0.98 이상의 값이 나왔다. 또한 개발된 플랫폼으로 설골 궤적 관련된 운동학적 파라메터 14개와 설골 근육 움직임 관련된 운동학적 파라메터 8개를 추출하였으며, 파라메터들 중 유의수준 95%에서 두 환자군간 유의한 차이를 나타낸 파라메터는 HA, HB, DM, LM 의 4개였다. 이 파라메터는 모두 설골이 전방으로 나가는 방향의 특성을 설명하기 때문에 연하곤란 증상이 주로 설골의 전향 이동 부진의 문제임을 나타낸다. 그리고 설골 근육 관련된 파라메터에서 M2의 MumaxRe와 MuRtiRe, M3의 MuMaxRe와 MuRtiRe 에서 통계적으로 유의한 차이가 나타났다. 따라서 설골이 전향 이동 부진의 원인을 설골하근육의 이완력 약화 혹은 설골상근육과 설골하근육의 복합 작용에 의한 것임을 의미하였다.
본 연구를 통하여 연하 곤란 환자에 대한 재활치료 시 설골하근육인 thyrohyoid muscle에 대한 고려를 함께 할 경우 치료효과가 높을 수 있을 것임을 의미하기 때문에, 재활 프로토콜 개발 시 중요한 참고자료가 될 수 있을 것으로 기대한다.

다국어 초록 (Multilingual Abstract)

Dysphagia is the symptom of difficulty in swallowing. Swallow is a normal physiologic function that is average of 500 times per day. A swallow requires activity of complex muscles(stylohyoid, digastric, mylohyoid, geniohyoid, and thyrohyoid muscle) located within the oral cavity, pharynx, larynx, and esophagus. Muscles movements are controlled by several cranial and peripheral nerves and are coordinated within the brain stem. Often, individuals with neurologic abnormalities of the head and neck( Such as stroke, Parkinson’s Disease, or cancer of head and neck), experience problems with swallowing.
The standard laboratory test of dysphagia is VF(videoflouroscopy) that allows direct and dynamic visualization of swallowing physiology. Several types of physiological parameter can be extracted from the VF that is kinematic parameter of structural displacement and temporal durations. Previous work has report that patients of stroke have significantly decreased horizontal direction of hyoid excursion compared to normal people. And temporal variable have been shown to differentiate group who normal people from those who do not, such as the initiation of laryngeal closure, stage transition duration, and pharyngeal transit time.
Because VF is based on X-ray technology, muscle movement can not be seen on VF images. Therefore, it is not enough to explain the hyoid bone movement with the hyoid muscle and abnormal movement of the hyoid bone was treated as a problem of the supra-hyoid muscle. relatively infra-hyoid muscle was no studied. In this study 1) we developed automatic hyoid bone extraction and kinematic parameter extraction algorithm in VF images, 2) present a 3-axis virtual muscle model with the effect of hyoid movement, 3) automatically extract kinematic parameters for 3-axis virtual muscles model using the developed platform, 4) extracted parameters were statistically analyzed to determine the significant difference between the muscles according to the severity of dysphagia.
Percent errors of automatic hyoid bone extraction were 1.605 ± 2.024% at non-overlapped images and 3.906 ± 5.676% at overlapped images. Fourteen kinematic paramedics related to the hyoid trajectory were extracted from the developed platform. Among this parameters, HA, HB, DM, and LM was distinguished severe group from mild group; severe group demonstrated significantly shorter HA, HB, DM, LM. This parameter indicates that the dysphagia is primarily a problem of anterior movement of the hyoid bone, because it’s parameter describes that movement of the hyoid bone in the anterior direction of severe group is shorter than mild group. And, eight parameters were extracted related to the virtual hyoid muscle model were extracted from the developed platform. Among this parameters, MuMaxRe and MuRtiRe in M2, MuMaxRe and MuRtiRe in M3 was distinguished severe group from mild group; These parameters can be explained by the complex problem of combination of weakness of the infra-hyoid muscles and supra-hyoid muscles for the short problem of movement of the hyoid bone in the anterior direction.
Based on the experimental results, we believe that infra-hyoid muscle treatment has a effective to improve rehabilitation of dysphagia patients, and proposed diagnostic platform has a potential to improve the satisfaction of both the clinicians and patients with dysphagia in near future.

목차 (Table of Contents)

• 제 1 장. 서 론 1
• 1.1 연하곤란(Dysphagia)
• 1.1.1 기본적인 삼킴(Swallowing) 동작 5
• 1.1.2 기본적인 연하곤란( Dysphagia ) 7
• 1.2 연하곤란의 검사 와 진단
• 1.2.1 병력청취, 신체 검진 및 침상선별검사 8
• 1.2.2 실험실 검사 장비 ( 고해상도 압력계, 근전도계) 9
• 1.2.3 VFSS(Videofluoroscopic swallowing study)검사 11
• 1.2.4 연하척도(ASHA) 15
• 1.3 연하곤란의 치료 방법
• 1.3.1 기본적인 연하치료 17
• 1.3.2 보상기법 18
• 1.3.3 운동 및 촉진 기법 20
• 1.4 기존 연하곤란에 대한 특징점 추출 연구들
• 1.4.1 설골과 설골 근육의 설명 22
• 1.4.2 설골을 이용한 연구 27
• 1.4.3 영상 처리를 통해 특징점을 찾은 연구 29
• 1.4.4 설골 근육에 대한 연구 30
• 1.4.5 기존 연구의 한계점 33
• 1.5 본 연구의 목표 35
• 제 2 장. 연구 대상 및 실험 방법
• 2.1 연구 대상
• 2.1.1 환자 구성 36
• 2.1.2 VFSS 영상 선택 40
• 2.2 MATLAB을 이용한 자동 특징점 추출 알고리즘 개발
• 2.2.1 사용한 영상처리 기술
• 2.2.1.1 Canney Edge detection algorithm 41
• 2.2.1.2 LBP(Local binary patterns) 알고리즘 43
• 2.2.1.3 MLBP(Multiscale Local binary patterns) 47
• 2.2.2 자동 특징점 추출 알고리즘 개발 49
• 2.2.2.1 점 COIN(n), V3(n), V4(n), MD(n)의 갱신 54
• 2.2.2.2 설골점 HB(n) 갱신 55
• 2.2.2.3 척추뼈를 이용한 좌표 보정 58
• 2.3 설골 근육들의 움직임을 추정한 특징점 연구
• 2.3.1 설골 근육 3축 모델 60
• 2.4 특징점 추출(Feature extraction)
• 2.4.1 정상군 vs 중증군 vs 경증군 의 정성적 특징 63
• 2.4.2 운동학적(kinematic) 및 시간적(temporal) 특징점(feature) 64
• 2.5 통계분석
• 2.5.1 특징점 분석 방법 67
• 2.5.2 T 검정과 Mann-Whitney U 검정 67
• 제 3 장. 결 과
• 3.1 자동 특징점 추출 알고리즘
• 3.1.1 자동 설골 추척 알고리즘 결과 69
• 3.1.2 분석 1 검정 결과 72
• 3.1.3 분석 2 검정 결과 77
• 제 4 장. 고 찰
• 4.1 분석 1 결과에 대한 고찰 82
• 4.2 분석 2 결과에 대한 고찰 83
• 4.3 추가 고찰 85
• 제 5 장. 결 론 88
• 참고 문헌 89
• Abstract 100
• 감사의 글 103