초음파 영상에서 국소간병변 분류를 위한 특징 연구

Abstract

초음파 영상은 MR이나 CT등에 비해 상대적으로 저렴하고 안전하며 실시간으로 획득이 가능하기 때문에 널리 사용되고 있는 진단 방식이다. 이 때 초음파 영상을 통한 진단의 보조수단으로써 컴퓨터를 이용한 시스템을 이용한다. 본 논문에서는 국소간병변을 크게 cyst, hemangioma, malignant로 분류한다. Cyst와 hemangioma는 양성 종양이며 malignant는 악성 종양이다. Cyst는 hemangioma와 malignant에 비해 비교적 특징이 뚜렷하여 육안으로 구분이 잘 되는 편이지만 hemangioma와 malignant는 육안으로 구분이 잘 되지 않으며 다양한 특징으로 인해 분류 성능을 저하시키게 된다. 전체적인 분류 성능을 높이기 위해 영상의 종류, feature 개발, feature selection, classifier의 시스템의 각 과정에서 다양한 노력들이 시도되어 왔다. 본 논문에서는 진단 시스템의 성능을 높이기 위해서 feature extraction과정에서 새로운 texture feature를 제안하였다. 기존의 feature인 GLCM과 Gabor wavelet을 합쳐 하나의 새로운 feature를 제안하였다. 두 픽셀 간의 gray level 로부터 homogeneity, periodicity, di-rectionality등의 texture 정보를 추출하는 GLCM과 multiscale analysis인 Gabor wavelet의 특성에 주목하였다. SVM과 MLP의 두 가지 classifier를 사용해서 분류한 결과 제안한 feature를 포함한 optimal한 feature set은 기존의 feature들로 구성된 optimal feature set의 결과보다 평균적으로18.33%의 classification accuracy성능 향상을 보였다. 특히 기존의 feature set으로 비교적 잘 분류된 cyst의 경우에도 평균적으로 4% 증가하였으며 hemangioma와 malignant는 25%로 성능을 대폭 향상시킬 수 있었다. 또한 4가지 feature selection방법으로 기존의 feature들과 새로운 feature들의 가치를 평가한 결과 dependancy, redundancy, relevence측면에서 우수한 결과를 얻었다. 따라서 새로운 feature의 우수성을 입증하였으며 이로인해 분류성능이 향상되었음을 확인할 수 있었다.