Abstract
The carotid intima-media thickness (IMT) is very important, because the severity of it is an independent predictor of transient cerebral ischemia, stroke, and coronary events such as myocardial infarction. The conventional image processing to measure the IMT has not been satisfactory, because the methods have relied on the manual section drawing and a regional segmentation by differential estimation. We propose a new image processing technology effective to extract features from the carotid artery image whose pixels have the directional vector properties with composed color distribution. The technique we presented here is not by differential variation but by verification of the layer properties of carotid artery image. Iterated vertical and horizontal analysis and segmentation of the IMT image show the vector characteristics. This new technique makes it possible to cluster the layers statistically, and to classify mathematical correlation between regions and resulting in correct measurements of thickness and its variation. The advantages and effectiveness of this approach are applicable to region process and character extraction of such a vector image.
두꺼워진 경동맥 내중막 두께는 일과성 뇌 허혈, 뇌졸중, 그리고 심근경색과 같은 관상동맥질환을 예고하는 독립적 인자로서 매우 중요하다. 경동맥 내중막 두께를 측정하기 위한 기존의 영상처리 방법은 전체 초음파 영상 가운데 수작업에 의해 구획을 임의로 설정한 다음, 그 부분만의 색도분포 미분치 산출에 의한 구간 분할로 두께를 추정하는 것이었기 때문에 임의성에 의한 한계는 물론이고 구간별 색도분포가 혼재하는 경우 정확한 두께 측정에는 역부족이었다. 우리는 본 논문을 통하여 경동맥과 같이 영상입력 대상물이 일관된 벡터 형성 특성을 갖고 관측영상의 화소 색도 집합의 원소들 또한 그 고유한 방향성을 내재하고 있는 경우, 이를 층위별로 군집 처리하여 원하는 특징을 효과적으로 추출하는 새로운 영상처리기술을 소개한다 우리는 보다 정확한 측정을 위해, 인체를 구성하고 있는 장기나 혈관과 같은 여러 조직이 동일조직 내에서 타조직과 다른 층위적 특성이 있음에 착안하여, 이의 초음파영상을 수직 및 수평축으로 성분 분석하여 차별된 군집들로 분류해 내고 군집들 사이의 색도 특성과 상호 연관을 수학적으로 규명한 다음, 특징별로 축진행에 따른 순차적인 영역처리를 시행함으로서 혈관 조직에 대한 층위적 형성 판별과 혈관 막(膜)들의 정확한 두께측정이 가능함을 보이고 영상 분석과 실험을 통해 입증하였다. 이러한 접근 방법은 경동맥영상과 같이, 영역간 색도분포의 혼재와 문턱치 산출의 어려움에도 불구하고 일관된 벡터 흐름과 방향성을 형성하고 있는 영상인 경우, 그 영역처리와 특징추출에 효과가 높으므로 응용이 가능하다.
