유방초음파검사에서 질감특성과 신경망알고리즘을 이용한 악성종양에 대한 영상분석 :

조진영

추천

검색

자료유형: 학위논문

저자정보: 조진영 (부산가톨릭대학교, 부산가톨릭대학교 대학원)

지도교수: 예수영

발행연도: 2018

저작권: 부산가톨릭대학교 논문은 저작권에 의해 보호받습니다.

이용수4

이 논문의 연구 히스토리 (2)

2019

유방 초음파 영상에서 질감 특성을 이용한 악성종양 분석

조진영 , 예수영 융합신호처리학회 논문지 2019.01 학술저널

2018

유방초음파검사에서 질감특성과 신경망알고리즘을 이용한 악성종양에 대한 영상분석

조진영 방사선학과 2018.01 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

목적: 조기 유방암을 진단하기 위한 1차 선별 검사로서 유방 초음파 판독이 매우 중요하다. 초음파 검사는 초음파장비에 따라 화질의 차이가 심하게 나타날 뿐만 아니라 검사자의 경험과 숙련 정도에 따라 진단의 차이가 크게 나타난다. 이에 유방 초음파에서 정상조직과 양성, 악성 종양의 질감 특성을 분석하기 위하여 GLCM(Gray Level Co-occurrence Matrix) 알고리듬을 적용하여 특징 파라미터들을 추출하여 인공신경망 분류기를 이용하여 실험하였다. 이는 검사자의 주관성을 최소화하고 영상판독의 정확도를 향상하여 초기 유방암 예측률을 높이는 방안을 제시하고자 하였다.
대상 및 방법: 2016년 9월부터 2017년 9월까지 부산 소재의 W 병원 검진센터에서 정기적으로 유방 초음파검사를 실시한 1064명 중 35∼60세까지 여성을 연구대상으로 후향적인 연구를 시행하였다. 유방 초음파를 실시한 진단결과로 정상 71명, 악성종양 89명, 양성종양 중 섬유선종 87명, 총 247명의 초음파 영상을 선별하여 실시하였다. GLCM알고리즘의 질감 특징 파라미터와 인공신경망을 이용하여 유방의 정상조직, 악성종양, 양성종양에 대한 질감 특징을 추출하여 악성종양을 분류하는 진단 시스템을 연구하였다.
결과: 본 연구에서는 유방 초음파 영상에서 정상조직, 악성종양과 양성종양의 질감 특징을 분석하고 GLCM 알고리즘의 Cluster Prominence, Energy, Entropy, Homogeneity, Sum variance, Information measure of correlation 6가지 파라미터로 분류율을 측정하였다. 정상조직, 악성 종양, 양성 종양을 구분하는 통계적 분류율은 평균 71 %를 나타내었다. 인공신경망 알고리즘을 적용하여 각각 질감 특징의 파라미터 값을 학습시켜 정상조직, 악성종양과 양성종양과 분류율이 95.2%로 높게 나타났다.
결론: 초음파 영상에서 정상조직, 악성종양, 유방 종양의 질감 특징을 분석한 정량적인 수치를 얻을 수 있었고, 추출된 특징 파라미터들을 이용하여 신경망 분류기를 적용하여 자동 진단에 이용하고자 하였다. 인공신경망 분류기에 의한 분류율은 통계적 방법의 분류율과 비교할 때 매우 우수할 뿐만 아니라 적용이 용이하여 초음파를 이용한 유방암 진단에 적용 가능함을 확인하였다.
본 연구의 결과는 유방 질환 이외에 초음파를 이용하여 진단할 수 있는 다양한 진단 분야에 적용 가능할 것으로 생각된다.

Purpose: Breast ultrasound is the primary screening test for early breast cancer. Ultrasonography is not only different in image quality depending on the ultrasonic equipment, but also has a large difference in diagnosis depending on the experience and skill of the examiner. In order to analyze the textural characteristics of normal tissues, the benign tumors and the malignant tumors in breast ultrasound, GLCM (Gray Level Co-occurrence Matrix) algorithm is applied to extract the feature parameters and experimented with artificial neural network classifier. The aim of this study is to suggest a method to improve the accuracy of initial breast cancer prediction by minimizing the subjectivity and improving the accuracy of reading of the suject.
Sudjects and Method: We conducted retrospective study was 1,064 women who regularly check up with breast ultrasonography between September, 2016 and September, 2017 at Busan W Hospital Medical Center. Ultrasonographic images were obtained from 71 normal patients, 89 patients with malignant tumors, 87 patients with fibroadenomas in total of 247 sonographic images. We have studied the diagnostic system that classifies malignant tumors by extracting textural features of normal tissue, malignant tumor and benign tumor of the breast using texture parameter of GLCM algorithm and artificial neural network.
Results: In this study, the textural characteristics of normal tissue, malignant tumor and benign tumor were analyzed in breast ultrasound images and the classification rate was measured with six parameters of Cluster Prominence, Energy, Entropy, Homogeneity, Sum variance and Information measure of correlation of GLCM algorithm. Statistical classification of normal tissue, malignant tumor, and benign tumor was 71% on average. Artificial neural network algorithms were applied to learn the parameter values of textural characteristics, and the classification rate of normal tissue, malignant tumor and benign tumor was as high as 95.2%.
Conclusion: Ultrasonographic images were obtained by quantitative analysis of textural features of normal tissue, malignant tumor, and breast tumor, and the neural network classifier was applied to the automatic diagnosis using extracted feature parameters. It was confirmed that classification rate by artificial neural network classifier is very excellent when compared with classification rate of statistical method and it is applicable to diagnosis of breast cancer using ultrasound because it is easy to apply. The results of this study can be applied to various diagnostic fields which can be diagnosed using ultrasound in addition to breast disease.

Ⅰ. 서 론 1
Ⅱ. 관련 이론 7
1. 초음파원리 7
2. 유방 해부학 28
3. 유방초음파 해부학 35
4. 유방종양 분류 46
5. 초음파영상 질감분석법 50
6. 인공신경망 61
Ⅲ. 대상 및 방법 88
1. 실험대상 88
2. 실험방법 89
Ⅳ. 결 과 93
Ⅴ. 고 찰 125
Ⅵ. 결 론 129
참고문헌 131
Abstract 145
감사의 글 148

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)