Microcalcifications are one of the earliest signs of breast cancer. Physicians generally agree that mammography is the best technique for detecting microcalcification. Microcalcification is too small to detect by palpable breast diagnosis.
In this dissertation, we propose an adaptive microcalcification detection method in mammography. In the proposed method, an input mammogram is preprocessed by mammogram background detection, boundary detection and image enhancement method with homomorphic filtering in wavelet domain. Adaptive denoising using wavelet shrinkage is also performed in this part. To improve the visibility of breast cancer, various image enhancement methods have been performed in previous studies. The aim of these studies was to increase the contrast of microcalcification. The proposed adaptive denoising algorithm takes the noise characteristics of each mammogram into the process. For a mammogram, its noise characteristics are obtained by analyzing the background region. The adaptive enhancement and denoising method shows better visibility of mammogram than the previous methods. Noise effect is reduced significantly while microcalcifications are more clearly seen.
The enhanced mammogram is then processed in the next part of CAD system to detect microcalcification. The detection system has two stages where the first stage finds potential microcalcification pixels (ROI) and the second one detects the microcalcification within the ROIs. Both stages use ANN and SVM for the purpose of detection. The detected pixels from stage 1 are clustered to regions of interest (ROI). And the second stage decides which ROIs are malignant microcalcifications.
Experiment is performed with three kinds of image enhancement methods: the proposed adaptive enhancement method, previous homomorphic-filtering method, and histogram-stretching method. Experimental results are illustrated by the free-response operation characteristics (FROC) curves. FROC curves indicate that the proposed method provides better detection result than the others'
현재 여성의 유방암은 외국 선진국의 경우 가장 빈번하게 발생되는 암으로 40 세~55 세의 미국 여성의 제 1 의 사망 원인이 되고 있다. 우리나라의 경우 3 번째로 빈번하게 발생되는 암으로 매년 점차 증가하는 추세에 있다.
이러한 유방암의 경우 위험성과 조기진단의 중요성으로 마모그래피에 대한 많은 연구가 진행되어 왔다. 미세석회화의 경우 유방암의 발생의 초기를 의미하고 유방암 진행 환자의 1/4 에서 미세석회화가 발생함으로 조기 검진의 중요한 요인이 된다.
마모그래피는 환자의 나이에 따라서 또한 유방의형태, 성분에 따라서 다양한 영상을 가진다. 기본적으로 지방조직은 검은색 또는 회색으로 표현되고 유방 조직과 종양의 경우 흰색으로 표시되어 정상적인 유방 조직과 악성 조직간의 차이가 작아서 악성에 대한 진단을 어렵게 한다. 또한 악성 조직이 정상 유방조직과 겹치게 되는 경우에 실제 악성에 의한 부분인지 판단이 어려워진다.
이러한 마모그래피에서 유방암 검진의 경우 방사선과 의사의 경험에 의한 판단이 주가 되고 있다. 이러한 주관적인 평가와 검진시간에 대한 도움을 주기 위한 방법으로 의료기기 업계에서는 자동으로 유방암 의심지역을 표시하는 CAD(Computer-Aided Diagnosis) 시스템에 대한 개발하였다. 이러한 CAD 시스템은 대용량의 마모그램에 대하여 영상처리 및 패턴인식 방법을 이용한다. 특히 미세석회화는 밝은 점 무리가 모여있는 특징으로 손으로 진단하는 경우 느껴지지 않는 특징을 가지고 있음으로 다양한 영상장비를 이용하여 이러한 미세석회화의 검진을 수행한다.
본 논문에서는 이러한 CAD 시스템에서 사용되는 이미지 전 처리과정과 마모그램의 대비도 향상 및 미세석회화 검출에 대한 방법을 제안한다.
우선 이미지 전처리 과정은 유방암 검진에서 오류가 발생될 수 있는 영역의 제거할 수 있으며 제안하는 방법은 노이즈 환경에서 얻어진 마모그램에 대한 배경부분에 대한 검출을 수행하여 그 정보를 이용하여 마모그램의 경계를 검출하였다.
이러한 적응적인 경계 검출 방법으로 다양한 환경에서의 마모그램에 경계부분을 검출하고 CAD 시스템의 입력으로 사용됨으로 검출 시간의 단축과 함께 배경 부분이나 경계부분에서의 노이즈에 의한 오류를 막을 수 있다. 실제 검출 실험에서 배경부분의 검출은 검출 영역을 1/3 정도로 줄이는 효과를 가져온다.
마모그래피를 얻는 과정에서 생성되는 노이즈와 같은 성분들은 미세석회화와 비슷한 특성을 가지고 있음으로 노이즈 환경에서의 마모그램은 미세석회화 검출에 더욱 어려움이 존재한다. 이러한 노이즈는 X-ray 밝기, 필림의 감광제, 유방의 압축도, 스캐너 등 다양한 종류의 영향을 받는다.
본 논문의 Chapter 4 에서는 미세석회화가 존재하는 부분에 대하여 대비도를 향상시킴으로 보다 적확한 검출을 위한 전처리 과정을 제안하고 CII 를 통하여 다른 알고리즘과 비교 분석을 수행한다. 기존에 제안한 호모모픽 필터링에 마모그램의 영상에 대한 배경에 대한 정보를 이용하여 각 마모그램에 따라 호모모픽 필터링의 이득을 조절함과 노이즈 제거를 통하여 보다 강인한 대비도 강화 방법에 대하여 제안하였다.
제안하는 방법은 각 마모그램의 노이즈 상태에 따라서 필터링의 이득, 노이즈 제거를 수행함으로 각 마모그램에 최적화된 대비도 향상된 영상을 얻는다. 실험에서 보여지듯이 제안하는 방법은 노이즈가 강한, 약한 두가지 모두에서 다른 비교 방법보다 높은 대비도 강화와 함께 노이즈 제거가 일어남을 확인할 수 있다.
본 논문에서는 이러한 다양한 미세석회화를 검출하기 위한 방법으로 하나의 미세석회마다 그 크기에 적응적인 특징을 추출하여 보다 정확하고 간단하게 악성 종양의 판단을 수행한다.
마지막은 Chapter 5 에서는 실제 CAD 시스템에서 미세석회화의 검출에 대하여 각 미세석회의 크기에 따라 적응적인 특징을 추출하여 및 2 단계 ANN 과 SVM 을 이용하여 미세석회의 검출을 수행하였다. 미세석회화는 다양한 크기와 모양, 분포로 인하여 검출이 어려운 문제점을 가지고 있다.
본 논문은 자동적으로 미세석회화가 가능한 위치인 ROI 를 우선 찾은 다음에 각 ROI 에 따라서 보다 정확한 처리를 위하여 부분 영상으로 나누어 마모그램의 자동적인 검색 방법에 대하여 결과를 보인다. 제안하는 방법은 기존의 검출 방법에 비하여 적고 효과적인 특징을 추출함으로 빠르게 미세석회화의 감별이 가능하고 실제 석회화된 곳의 정확한 위치에 대한 확인이 가능하다.
향후 CAD 연구 목표는 보다 다양한 데이터베이스의 확보와 함께 실제 임상실험에서 발생되는 문제점의 판단이 이루어져야 한다. 해외의 많은 기업들이 이미 이러한 CAD 관련 제품을 제공하고 있으나 미국 및 유럽과 국내의 경우 기본이 되는 데이터의 경우 많은 차이를 보임으로 실제 병원에서 CAD 시스템에 대한 많은 오류를 발생시키고 있다. CAD 분야에서 가장 문제점이 되는 부분은 충분한 마모그래피 데이터베이스의 확보에 함께 어떠한 부분이 실제 암을 찾아내는 의사의 판단의 기준이 어디에 있는지를 찾아내는 것이 제일의 문제점이다.
