Absorption coefficient (AC) quantification methods in medical ultrasound (US) are effective for objective routine diagnosis of hepatic steatosis and liver disease. In this paper, we present various learning-based methods to quantify the biomechanical property of the tissue, and introduce clinical solutions for diagnosing hepatic steatosis and liver disease through these methods. First, a method for measuring the AC characteristics of the tissue within a user-specified area is presented. Second, a method to extract the AC of liver parenchyma insensitive to the measured ultrasound view is introduced. Third, a method of reconstructing the spatial characteristic of the target region into a two-dimensional image is suggested. The performance of the proposed methods are verified through simulation and clinical tests. These results demonstrate the clinical potential of the proposed learning-based quantification methods as a new standard for diagnosing hepatic steatosis and liver disease.
복부 초음파 검사에서 간 조직의 특성을 정량적으로 측정하는 기술은 객관적이고 정확하게 지방간 및 간질환을 진단할 수 있기 때문에 차세대 진단 방법으로 인기를 끌고 있다. 본 논문에서는 다양한 인공지능 기반의 조직 특성 정량화 기법들을 소개하고 있으며 이를 통한 지방간 진단 솔루션 및 간질환 진단 솔루션을 제안한다. 첫번째로 사용자가 타겟 영역을 설정하면 영역 내의 조직의 감쇠 특성을 측정하는 기법, 두번째로 알고리즘 스스로 최적의 측정 위치를 선별하여 간의 감쇠 계수를 정량화하는 기법, 세번째로 타겟 영역의 조직 특성을 2D 이미지로 복원하는 방법에 대해서 소개한다. 제안한 기법들은 임상시험을 통해서 그 유효성이 입증되었으며 이러한 결과는 제안하는 기법들이 지방간 진단 및 간질환 진단의 새로운 표준으로써 활용될 수 있음을 보여준다.
