Lung cancer is the first most commonly diagnosed cancer in the Korea, and the lung is a frequent site of metastasis from other cancers that present as pulmonary nodules. Various CAD systems for pulmonary nodule detection in CT have been proposed since the report of the first system a decade ago. The objective of this study is to complement previous CAD algorithms for solitary pulmonary nodule and nonsolid nodules using 3D information of MDCT images.
An automated pulmonary nodule detection program that takes advantage of three-dimensional volumetric data was developed and applied to multi-detector CT images from 20 subjects with 164 pulmonary nodules. The detection algorithm (3D Morphological Matching) was structured to process nodules that were categorized into three types: isolated, juxtapleural, and juxtavascular. Overall sensitivity for detecting nodules by our program was 95.1% (156/164) for all nodules ≥ 3 mm The sensitivity by nodule size was 91.2% for 3-5 mm nodules and 97.2% (104/107) for nodules ≥ 5 mm. The number of false positive detections per subject was 6.9 for false nodule structures ≥ 3 mm and 4.0 for false nodule structures ≥5 mm.
For ground glass opacity (GGO), 3D cross mask process is applied for extraction GGO from 3D lung data set. The rule-base classification tool was valid for the selection of GGO candidate and the reduction of non-GGO candidates. The overall sensitivity for detecting GGOs by our method was 93.5 % for all 31 GGOs. The sensitivity for detecting nodules by category was 90 % for 20 pure GGOs, 100 % for 11 partial solid GGOs. The sensitivity for detecting GGOs by size was 90.9 % for 6 ~ 10 mm in diameter and 95 % for over 11 mm in diameter. There were 0.5 false positive results per CT study (total, 8 false positives findings).
These preliminary results indicate that a CAD system may improve the detection of pulmonary nodules using multi-detector CT images.
컴퓨터를 이용한 보조진단 (Computer Aided Diagnosis or Computer Aided Detection, CAD)이라는 연구 분야는 컴퓨터의 발전과 더불어서 진단방사선 의사들의 인간적인 한계를 보조하기 위해서 연구되고 있는 각광받는 의료영상처리 분야 중의 하나이다. CAD를 사용하는 것이 사용하기 전보다 의학적으로 병을 진단하는 검출율이 높아진다는 연구결과들이 나온 이후로 연구의 진행이 급속히 발전하고 있으며 상업적인 제품들도 나오게 되어서 실제 병의 진단에 사용이 되고 있다.
폐암은 한국과 미국 등 선진국의 모든 나라에서 가장 중요한 사망원인 중의 하나로 알려져 있는데, 조기진단을 하게 되면 치료율이 높게 나타나는 질병으로 조기발견이 중요한 병이라고 알려져 있다. 실제로 폐암으로 진행될 수 있는 병변 중에 고립폐결절 (Solitary Pulmonary Nodule, SPN), 간유리음영 (Ground Glass Opacity, GGO)을 컴퓨터로 진단하는 CAD 알고리즘이 몇 그룹에 의해서 연구되어왔다. 그러나 각 그룹에서 사용하는 CAD 방법들이 보이는 성능의 문제점들이 있어서 만족할만한 결과를 보이고 있지 않다. 본 연구에서는 폐결절과 간유리 음영에 대한 컴퓨터 보조진단 알고리즘을 기존의 알고리즘과 차별되게 만들어서 이전 방법들이 가지는 몇 가지 문제점들을 해결하는 방법을 제안하였다.
기존의 고립폐결절 (SPN)을 검출하는 CAD 알고리즘들은 결절에 대해서 하나의 알고리즘을 적용하는 형태였기 때문에 공통적으로 폐혈관에 붙어있는 결절에 대해서는 형태학적으로 구분하기 어려운 이유로 낮은 검출율을 보이고, 또한 알고리즘 전체적으로 높은 거짓양성판정율 (false positive rate)을 나타내는 문제점이 있다. 본 연구는 폐결절들이 해부학적으로 가지는 위치에 따라서 3가지 (isolated, juxtapleural, juxtavascular nodule)의 결절로 구분하고 각각의 특성에 맞는 3차원 CAD 알고리즘을 적용하여서 보다 정확하고 뛰어난 성능의 결과를 가져오게 되었다. 특히 혈관곁결절(juxtavascular nodule)에 관해서는 3차원 혈관을 영상처리를 통해 분리해내서 3차원 형태학적인 필터를 컨벌루션하는 과정을 거쳐서 구 같은 모양을 가지는 혈관을 검출해내게 된다. 이를 통해 기존과 다르게 높은 검출율 (94.1%)을 보이게 되고, 형태에 따라 분화된 알고리즘으로 인해서 전체적인 거짓판정율 (한 환자당 평균 4개)도 낮게 나타나게 되었다.
고립폐결절보다 연구가 많이 이루어져있지 않은 간유리 음영에 대한 컴퓨터 보조진단 알고리즘은 지금까지 공통적으로 2차원 CT 영상에서 상자모양의 관심영역 (Region of Interest, ROI)를 선정하고 그 ROI안의 영상정보인 픽셀의 값을 가지고 여러 파라미터들을 만들어낸 뒤에 인공지능망을 이용해서 전체적인 CAD 알고리즘을 구성하였다. 본 연구에서는 이러한 방법들의 문제로 나타나는 간유리음영의 정확한 분할이 가능하지 못한 점과, 부피정보를 제공할 수 없는 점, 높은 거짓판정율 등의 문제를 해결하기 위해서 앞서 연구된 고립폐결절과 유사한 3차원 정보를 이용한 CAD알고리즘을 제안하였다. 2차원 CT 영상을 3차원 영상처리를 통해서 간유리음영에 해당하는 문턱치값(Threshold value)을 적용하여 1차적인 간유리음영의 후보들을 형성한 후에 '3D cross mask' 라는 과정을 통해서 주위 14개의 방향 (위, 아래, 양 옆, 대각선 10방향) 을로 3픽셀이 존재할 때 간유리음영에 해당한다고 2차적인 분류기를 적용한다. 마지막으로 3차원적인 정보(모양, 부피, peak to edge ratio, 등)을 이용하여 간유리음영의 존재여부를 판단을 내리도록 하는 알고리즘을 적용하였다. 본 연구의 알고리즘을 통하여 기존의 단순한 존재여부만 ROI정보로 표시하던 결과가 정확한 영역분할과 3차원적인 부피정보도 표시가 되며, 또한 한 환자당 평균 0.5개 정도의 낮은 거짓판정율을 보이게 되었다. 또한 기존에 검출할 수 없었던 부분간유리음영(mixed ground glass opacity)를 CAD를 통해서 검출해내는 결과를 보이게 되어 임상적으로 뛰어난 보조진단 알고리즘으로 적용될 가능성을 보였다.
이와 같은 두 연구 결과를 통해 다 배열 단층촬영장치를 이용한 폐암의 조기진단을 위한 폐결절 자동 검출 알고리즘이 기존의 문제점들을 보완하고 더욱 새로운 결과를 보이게 되었고, 또한 컴퓨터 보조진단 연구분야에 있어서 전체적인 검출 알고리즘의 방향을 제시할 수 있는 기회가 되었다.
