• Korean Journal of Radiology
• /
• 제22권6호
• /
• pp.983-993
• /
• 2021

Objective: To investigate the image quality of ultralow-dose CT (ULDCT) of the chest reconstructed using a cycle-consistent generative adversarial network (CycleGAN)-based deep learning method in the evaluation of pulmonary tuberculosis. Materials and Methods: Between June 2019 and November 2019, 103 patients (mean age, 40.8 ± 13.6 years; 61 men and 42 women) with pulmonary tuberculosis were prospectively enrolled to undergo standard-dose CT (120 kVp with automated exposure control), followed immediately by ULDCT (80 kVp and 10 mAs). The images of the two successive scans were used to train the CycleGAN framework for image-to-image translation. The denoising efficacy of the CycleGAN algorithm was compared with that of hybrid and model-based iterative reconstruction. Repeated-measures analysis of variance and Wilcoxon signed-rank test were performed to compare the objective measurements and the subjective image quality scores, respectively. Results: With the optimized CycleGAN denoising model, using the ULDCT images as input, the peak signal-to-noise ratio and structural similarity index improved by 2.0 dB and 0.21, respectively. The CycleGAN-generated denoised ULDCT images typically provided satisfactory image quality for optimal visibility of anatomic structures and pathological findings, with a lower level of image noise (mean ± standard deviation [SD], 19.5 ± 3.0 Hounsfield unit [HU]) than that of the hybrid (66.3 ± 10.5 HU, p < 0.001) and a similar noise level to model-based iterative reconstruction (19.6 ± 2.6 HU, p > 0.908). The CycleGAN-generated images showed the highest contrast-to-noise ratios for the pulmonary lesions, followed by the model-based and hybrid iterative reconstruction. The mean effective radiation dose of ULDCT was 0.12 mSv with a mean 93.9% reduction compared to standard-dose CT. Conclusion: The optimized CycleGAN technique may allow the synthesis of diagnostically acceptable images from ULDCT of the chest for the evaluation of pulmonary tuberculosis.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제32권7호
• /
• pp.625-635
• /
• 2005

본 논문에서는 흥부 CT 영상에서 폐 부위를 효율적으로 자동 분할하기 위한 하이브리드 접근기법을 제안한다. 본 제안방법은 다음과 같은 세 단계로 구성된다 첫 번째, 2, 3차원 자동 씨앗 영역성장법과 저해상도 연결요소 레이블링을 통하여 폐와 기관지를 분할한다. 두 번째, 2차원 형태학적 연산을 반복 적용하여 폐와 기관지를 분리한 후 저해상도 연결요소 레이블링을 이용하여 폐만 분할한다. 세 번째, 영상차감 기법을 사용한 폐 영역 보정을 통해 보다 정확한 폐 영역을 얻는다. 실험에서는 5명의 환자로부터 얻은 10개의 흉부 CT 영상을 사용하여 제안방법의 정확성과 효율성을 평가한다. 제안한 자동 분할 기법의 적용 결과를 전문가에 의한 수동 분할 결과와 비교함으로써 정확성을 평가하고, 수행시간과 메모리 사용량을 분석하여 제안방법의 효율성을 평가한다. 제안한 저해상도 연결요소 레이블링을 사용했을 때 수행시간은 평균 31.4초, 최대 메모리 사용량은 평균 196.75MB가 단축된다. 본 제안방법은 혈관에 생기는 빈 공간을 막아주는 추가작업 없이 효율적으로 자동 폐 분할을 수행한다.

• 한국통신학회논문지
• /
• 제38C권10호
• /
• pp.887-895
• /
• 2013

골 전이 암은 여러 장기에 생긴 암이 질병이 경과함에 따라 뼈로 옮아가는 것으로서, 암 환자에게서 주로 발생하는 합병증 중 하나이다. 골 전이는 골 용해성 전이와 골 형성성 전이로 구분되며, CT에서 골 전이의 진단은 임상적으로 매우 유용할 수 있으나, 많은 판독건수로 인하여 중요한 병변이 간과되는 경우가 많고, 이를 통해 골 전이 암을 조기에 진단하지 못하는 경우가 발생할 수 있다. 이에 본 논문에서는 흉부 CT의 단층 영상들을 3차원 볼륨 데이터로 구성하여 3차원 영상처리 알고리즘을 적용하여 골 전이 병변을 검출하고 3차원 가시화를 수행하였으며, 총 10개 데이터에 대해 민감도를 측정한 결과, 골 형성성 병변이 평균 94.1%, 골 용해성 병변이 평균 90.0%의 값을 나타내어 골 전이 진단에서의 활용에 대한 높은 가능성과 잠재적인 유용성을 확인할 수 있었다.

• 대한방사선기술학회지:방사선기술과학
• /
• 제40권2호
• /
• pp.179-186
• /
• 2017

본 연구는 디지털 흉부 방사선 영상에서 한국인 성인 남성을 대상으로 자세(흉부 후-전과 전-후 촬영)와 연령에 따른 심장 크기 및 심흉비의 정상범위와 자세 및 연령 변화에 따른 상호 호환할 수 있는 변환율을 제시하고자 한다. 2014년 1월부터 12월까지 건강검진센터에서 같은 날에 흉부 후-전 촬영(chest PA)과 흉부 저선량 전산화단층촬영을 실시한 수진자 중 정상으로 판독된 1,300명에서 연구 목적에 적합한 남성 1,024명을 대상으로 하였다. 심장 크기(CS)와 심흉비(CTR) 측정은 Danzer의 방법을 이용하였다. 본 연구 결과, 한국 남성의 Chest PA 및 AP영상에서 CS와 CTR의 정상범위는 Chest PA의 경우 CS 135.48 mm, CTR 43.99％이었으며, Chest AP 영상에서 CS는 155.96 mm, CTR은 51.75％로 나타났다. CS와 CTR의 평균값 차이는 통계적으로 유의하였다(p<0.01). Chest PA와 AP영상에서 심장 좌 우측은 통계적으로 유의한 차이가 없었다(p>0.05). CS의 경우는 Chest PA(p>0.05)와 Chest AP(p<0.05)에서 통계적 유의성의 차이를 보였다. 흉곽크기와 CTR은 Chest PA와 AP 모두에서 연령변화에 따른 통계적으로 유의한 평균값의 차이를 보였다(p<0.01). 본 연구 결과 Chest PA보다 Chest AP영상에서 CS는 약 15%, CTR은 17% 확대되었고, 모든 연령에서 자세변화에 따른 CS와 CTR은 약 10%의 차이를 보였다.

• Journal of Chest Surgery
• /
• 제32권10호
• /
• pp.910-915
• /
• 1999

Background: Positron emission tomography(PEFT) using fluorine-18 deoxyglucose(FDG), showing increased FDG uptake and retention in malignant cells, has been proven to be useful in differentiating malignant from benign tissues. We indertook the prospective study to compare the accuracy of the whole-body FDG PET with that of the conventional chest computed tomography(CT) for nodal staging of non-small-cell lung cancers(NSCLC). Material and Method: FDG PET and contrast enhanced CT were performed in 36 patients with potentially resectable NSCLC. Each Imaging study was evaluated independently, and nodal stations were localized according to the AJCC regional lymph nodes mapping system. Extensive lymph node dissection(1101 nodes) of ipsi- and contralateral mediastinal nodal stations was performed at thoracotomy and/or mediastinoscopy. Image findings were compared with the histopathologic staging results and were analyzed with the McNema test(p) and Kappa value(k). Result: The sensitivity, specificity, positive predictive value, and negative predictive value of CT for ipsilateral mediastinal nodal staging were 38%, 68%, 25%, 79%, and 61%, and those of PET were 88%, 71%, 47%, 95%, and 75%(p>0.05, K=0.29). When analyzed by individual nodal group(superior, aortopulmonary window, and inferior), the sensitivity, specificity, positive predictive value, and negative predictive value of CT were 27%, 82%, 22%, 85%, and 73%, and those of PET were 60%, 87%, 92%, and 82%(p<0.05, k=0.27). Conclusion: FDG PET in addition to CT appears to be superior to CT alone for mediastinal staging of non-small cell lung cancers.

• 한국컴퓨터그래픽스학회논문지
• /
• 제30권1호
• /
• pp.11-17
• /
• 2024

폐암은 크기가 다양하고 유사한 밝기값을 갖는 주변 구조물이 존재하기 때문에 흉부 CT 영상에서 폐암을 정확하게 분할하는 것이 어렵다. 이러한 문제를 해결하기 위해 본 논문에서는 심층 감독을 포함하고 UNet3+를 백본으로 사용하는 폐암 분할 네트워크를 제안한다. 또한, 픽셀 기반, 영역 기반 및 형태 기반의 3가지 구성 요소로 이루어진 하이브리드 병변 초점 손실함수를 제안한다. 이를 통해 배경에 비해 작은 영역을 차지하는 폐암 부분에 집중하고, 불명확한 경계를 처리하는데 도움이 되는 형태 정보를 고려할 수 있다. 제안 방법을 UNet 및 UNet3+와 비교 실험을 통해 검증하였고, 제안 방법은 모든 폐암 크기에서 DSC 측면에서 가장 우수한 성능을 보였다.

• Korean Journal of Radiology
• /
• 제22권2호
• /
• pp.281-290
• /
• 2021

Objective: To assess the performance of content-based image retrieval (CBIR) of chest CT for diffuse interstitial lung disease (DILD). Materials and Methods: The database was comprised by 246 pairs of chest CTs (initial and follow-up CTs within two years) from 246 patients with usual interstitial pneumonia (UIP, n = 100), nonspecific interstitial pneumonia (NSIP, n = 101), and cryptogenic organic pneumonia (COP, n = 45). Sixty cases (30-UIP, 20-NSIP, and 10-COP) were selected as the queries. The CBIR retrieved five similar CTs as a query from the database by comparing six image patterns (honeycombing, reticular opacity, emphysema, ground-glass opacity, consolidation and normal lung) of DILD, which were automatically quantified and classified by a convolutional neural network. We assessed the rates of retrieving the same pairs of query CTs, and the number of CTs with the same disease class as query CTs in top 1-5 retrievals. Chest radiologists evaluated the similarity between retrieved CTs and queries using a 5-scale grading system (5-almost identical; 4-same disease; 3-likelihood of same disease is half; 2-likely different; and 1-different disease). Results: The rate of retrieving the same pairs of query CTs in top 1 retrieval was 61.7% (37/60) and in top 1-5 retrievals was 81.7% (49/60). The CBIR retrieved the same pairs of query CTs more in UIP compared to NSIP and COP (p = 0.008 and 0.002). On average, it retrieved 4.17 of five similar CTs from the same disease class. Radiologists rated 71.3% to 73.0% of the retrieved CTs with a similarity score of 4 or 5. Conclusion: The proposed CBIR system showed good performance for retrieving chest CTs showing similar patterns for DILD.

• Korean Journal of Radiology
• /
• 제22권7호
• /
• pp.1213-1224
• /
• 2021

Objective: To develop a machine learning (ML) pipeline based on radiomics to predict Coronavirus Disease 2019 (COVID-19) severity and the future deterioration to critical illness using CT and clinical variables. Materials and Methods: Clinical data were collected from 981 patients from a multi-institutional international cohort with real-time polymerase chain reaction-confirmed COVID-19. Radiomics features were extracted from chest CT of the patients. The data of the cohort were randomly divided into training, validation, and test sets using a 7:1:2 ratio. A ML pipeline consisting of a model to predict severity and time-to-event model to predict progression to critical illness were trained on radiomics features and clinical variables. The receiver operating characteristic area under the curve (ROC-AUC), concordance index (C-index), and time-dependent ROC-AUC were calculated to determine model performance, which was compared with consensus CT severity scores obtained by visual interpretation by radiologists. Results: Among 981 patients with confirmed COVID-19, 274 patients developed critical illness. Radiomics features and clinical variables resulted in the best performance for the prediction of disease severity with a highest test ROC-AUC of 0.76 compared with 0.70 (0.76 vs. 0.70, p = 0.023) for visual CT severity score and clinical variables. The progression prediction model achieved a test C-index of 0.868 when it was based on the combination of CT radiomics and clinical variables compared with 0.767 when based on CT radiomics features alone (p < 0.001), 0.847 when based on clinical variables alone (p = 0.110), and 0.860 when based on the combination of visual CT severity scores and clinical variables (p = 0.549). Furthermore, the model based on the combination of CT radiomics and clinical variables achieved time-dependent ROC-AUCs of 0.897, 0.933, and 0.927 for the prediction of progression risks at 3, 5 and 7 days, respectively. Conclusion: CT radiomics features combined with clinical variables were predictive of COVID-19 severity and progression to critical illness with fairly high accuracy.

• 대한방사선기술학회지:방사선기술과학
• /
• 제44권5호
• /
• pp.473-480
• /
• 2021

This study was purpose to method that applies for improving the image quality in CT and X-ray scan, especially in the lung region. Also, we researched the parameters of the image before and after applying for Histogram Equalization (HE) such as mean, median values in the histogram. These techniques are mainly used for all type of medical images such as for Chest X-ray, Low-Dose Computed Tomography (CT). These are also used to intensify tiny anatomies like vessels, lung nodules, airways and pulmonary fissures. The proposed techniques consist of two main steps using the MATLAB software (R2021a). First, the technique should apply for the process of normalization for improving the basic image more correctly. In the next, the technique actively rearranges the intensity of the image contrast. Second, the Contrast Limited Adaptive Histogram Equalization (CLAHE) method was used for enhancing small details, textures and local contrast of the image. As a result, this paper shows the modern and improved techniques of HE and some advantages of the technique on the traditional HE. Therefore, this paper concludes that various techniques related to the HE can be helpful for many processes, especially image pre-processing for Machine Learning (ML), Deep Learning (DL).

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2011년도 추계학술대회
• /
• pp.554-556
• /
• 2011

각종 폐혈관 질환의 발생에 따른 정확하고 빠른 진단의 필요성이 강조되었다. 몇 가지 폐혈관 조영술의 제약사항의 존재로 흉부 CT에 대한 영상 처리의 필요성을 인지하였고 의료 영상처리의 다양성을 위해 ITK를 이용한 폐혈관 분할을 제안하였다. 본 논문은 명암 값을 기반한 방법으로 두 단계의 폐 영역 분할과 혈관 분할의 과정을 수행한다. 각 단계로 폐 영역 분할은 영상 향상, 문턱치 값, 관심영역 잘라내기로 결과 영상을 획득하고 폐 혈관 분할은 획득된 폐 영역에 영역 채우기를 적용하여 얻는다. 분할된 폐혈관 영상을 바탕으로 3차원 시각화 영상을 획득하여 폐혈관에 대한 다양한 관점의 분석 및 진단이 가능할 것으로 판단된다.