Active shape model (ASM) has been widely adopted in automated segmentation of bone from radiographs. ASM is an iterative algorithm that tries to fit the shape model to the contours of object in the image. ASM has the advantage that it makes use of prior knowledge of object shape and appearance and therefore, do not need to rely completely on the information in the images. However, in conventional ASM, the multiple edges resulting from the bone, soft tissue and air area in near vicinity in ASM cause segmentation errors when segmenting bone in digital radiographs. To avoid the segmentation errors, in this paper, we propose the modified ASM which emphasizes bone edge and downplays soft tissue edge by taking Dual X-ray Absorptiometry (DXA) decomposed bone image into account. For automatic procedure, the proposed bone segmentation system consists of mean shape training, chamfer matching, DXA decomposition, and modified ASM process. Our experimental results show that the proposed method accurately segment distal radius. For the test images, our segmentation method reduces in average 39.5% segmentation error measured by point-to-line distance error.
영상 분할 (segmentation)은 다양한 영상처리 어플리케이션에서 높은 수준의 영상 분석을 위해서 핵심적인 과정이다. 의학영상의 처리에서는 병변의 CAD (Computer Aided Diagnosis) 나 인체 특정부위의 자동인식을 위해 영상분할이 이용되고 있다[1].
특히 골다공증을 여부를 판단하기 위해서 DXA (Dual X-ray Absorptiometry) 영상에서 척추, 대퇴부, 팔뼈 말단 부위의 영상 분할을 통한 뼈 자동 분할에 대해 많은 연구가 이루어 지고 있다. 이는 환자의 골절위험도를 측정하는 핵심적인 요소로 인식되고 있는 BMD (Bone Mineral Density)를 측정하기 위해 뼈 부위를 추출해내는 핵심적인 기술이다.
뼈는 척추, 대퇴부, 팔뼈 말단 등 그 부위에 따라 정형화된 모양을 지니고 있다. 이에 기존의 뼈 영역의 분할에는 통계적인 모델을 분할에 이용하는 ASM이 널리 이용되고 있다. ASM은 템플릿의 형태정보를 학습시킨 후 이를 기반으로 평균 템플릿형태에 변형을 가하여 실제 윤곽선 (contour)를 찾는 방법이다. ASM은 학습된 템플릿을 기반으로 하기 때문에 템플릿의 형태를 유지하며 분할 영역을 찾게 된다.
하지만 기존의 ASM을 이용한 영상 분할의 경우 PDM을 구성하는 각 점에서 반복적으로 형태 윤곽점을 찾아 탐색을 수행할 때 탐색 영역 내에서 가장 강한 엣지를 실제 윤곽으로 설정하였다. 특히, 뼈 영상에서는 사용자가 탐색 영역을 임의로 주지 않으면 탐색영역 내에 배경과 연부조직, 그리고 연부조직과 뼈 조직의 두 가지 종류의 엣지가 존재하게 된다. 배경과 연부조직이 연부조직과 뼈 조직보다 강한 엣지를 가지는 경우에는 실제 윤곽설정이 잘못 설정하며 이러한 잘못된 윤곽지점으로의 탐색은 최종적으로 분할 오류를 가져왔다.
이를 극복하기 위해 제안하는 방법에서는 다중 엣지 환경에서 잘못된 엣지의 탐색을 위해 DXA 분해를 이용하는 자동 뼈분할 시스템을 제안한다. DXA 분해는 연부조직의 영향을 제거시키는 것을 목적으로 한다. 연부조직의 영향이 제거된 DXA 분해 영상에서는 연부조직과 배경 간의 차이는 감소되어 나타나고 연부조직과 뼈 간의 차이는 강조되어 나타난다. 제안하는 ASM은 이러한 DXA 영상을 엣지 탐색 시 가중치 값으로 사용하여 ASM의 오류를 방지한다. 이러한 연구 결과는 추후 골다공증 진단을 위한 자동 BMD 측정 시스템에 이용될 수 있으며 척추, 대퇴부 등으로 확장되어 연구될 수 있다.