초음파 영상 경동맥 플라그 분류를 위한 통계기반 텍스쳐 분석

Abstract

It is clinically well known that atherosclerotic carotid plaque is an important predictor of stroke, which is the deposit of fatty material and cholesterol, or a calcification on the inner lining of an arterial wall. However, certain possible human errors reflecting the bias induced by the different individual clinical experience, has been effectively pointed out as the critical drawback of conventional stroke predictions depending on the 'human eye and manual' measurement of plaque's thickness. Thus, we naturally expect to provide quantitative information based on the plaque's statistical features should reduce the overall error of stroke prediction comparing with the unilateral subjective decision. With respect to this, following Christodoulou et al.[1], we conducted the experiments to extract the best statistical texture features classifying plaques into symptomatic or asymtopmatic, through the substantial probes of filtered carotid plaque ultrasound images. Here, the texture is defined as the regional image property characterized by the repetitive basic patterns. In experiments, k-Nearest Neighborhood(kNN) algorithm was utilized as a classifier, which is known as meaningfully efficient in medical image processing. According to our experiments, the GLDS(Gray Level Difference Statistics) feature set, followed by the SGLDM(Spatial Gray Level Dependence Matrices), and the FOS(First Order Statistics) was found as the best texture feature sets. On the other hand, among different filters, the coherence-enhancing diffusion filter was the most precise one for the class separation between the asymptomatic and symptomatic ultrasound images of the carotid plaque. Finally, the best texture features by the distance criterion were the Difference Variance of SGLDM for the original images and the Mean of GLDS for the coherence-enhancing diffusion filtered plaque images respectively. The statistical texture analysis respecting the idiosyncrasy of eating habits and body structure for Koreans, like this paper, should be one of the promising field in the applications of medical image analyses, considering most current researches have been just focused on the westerns.;혈관내벽에 지방과 콜레스테롤 등이 축적되어 뇌중풍의 유발요인이 되는 경동맥 플라그는 그동안 의사의 임상 판단에 의해 증상예후를 판정하여 왔으나 임상 경험 등에 따른 개인오차 등 휴먼에러가 클 소지가 단점으로 지적되어 왔다. 이에 따라 본 논문에서는 Christodoulou et al.[1]을 따라 정량정보 (quantitative information)의 추가 제공을 통한 진단정확도 제고 목적으로, 필터링 된 초음파 경동맥 플라그 영상의 텍스쳐 특징 통계분석을 통하여 뇌중풍 예후의 분류 성능이 우수한 텍스쳐 특징들을 찾아보았다. 여기서 영상의 기본 요소인 화소들의 공간적 상관관계 및 배열을 의미하는 텍스쳐는 명암값 패턴의 변화 등 영상 분석의 기초적 정보를 제공하는데, 분류기로는 kNN(k-Nearest Neighborhood)을 사용하였다. 실험 결과, 텍스쳐 특징 세트 중에서는 회색도차이 통계량, 공간회색도의존행렬, 1차 통계량의 순으로 우수성을 보였으며, 필터별로는 응집성향상확산필터가 보다 정확한 분류 결과를 보였다. 텍스쳐 특징 중에서는 원영상의 경우, 공간회색도의존행렬 세트에 속해 있는 Difference Variance가 분별력이 뛰어 났고, 응집성향상확산필터를 적용한 영상에서는 회색도차이 통계량 세트의 평균이 가장 우수한 텍스쳐 특징으로 나타났다. 본 연구와 같이 식습관 및 신체 구조가 서양인과 상이한 내국인을 대상으로 한 의료영상의 텍스쳐 특징 분석은 향후 의료영상 분석의 중요 연구과제의 하나로 판단된다.