티스토리 뷰
의료영상 데이터(CT) 구성과 데이터
현대학 기술의 발달과 함께 질병의 진단을 위해 다양한 방법의 영상 검사가 활용되고 있습니다. 그중에서도 빠르고 정확한 진단 방법으로 광범위하게 시행되고 있는 CT 검사는 일반 X선 촬영보다 인체 내부 구조를 정확하게 보여주기 때문에 인체의 이상 유무와 질환을 파악하는데 효과적입니다. CT 검사에서 빠르고 정확한 진단을 위해 인공지능 기술의 적용 가치는 점점 증대되고 있습니다. 인체의 이상 유무, 이상부위의 검출, 병변의 정량화 및 세분화, 병변의 예후 예측 등 병의 진단에서부터 치료 예후 예측까지 다양한 영역에서 인공지능 기술은 활용될 수 있습니다. 실제 임상에 적용 가능한 인공지능 기술을 개발하기 위해 일반 영상과는 다른 CT 데이터에 대한 이해가 필요합니다.
CT 장치의 구성
CT는 X선 발생 장치, 데이터 수집 장치, 영상 구성 장치, 디스플레이 장치로 구성됩니다. X선 발생 장치는 전자빔을 만들 수 있는 전자원, 가속된 전자빔을 급속히 감소시킬 수 있는 타깃, 전자빔이 움직이는 공간인 진공용기로 구성된 X선 튜브와 구동을 위한 전원 및 제어 장치로 구성됩니다. 발생되는 X선의 에너지가 클수록 투과 능력도 커지므로 높은 전압으로 가속된 전자빔에 의해 발생된 X선이 상대적으로 더 높은 투과 능력을 가집니다. CT 영상의 화질과 방사선 피폭선량에 영향을 미치는 기술적인 요소로는 촬영 단면의 두께, 관전압, 관전류, 조사야, 환자의 위치 등이 있습니다. CT 영상 검사의 궁극적인 목적은 최소의 선량으로 정밀한 진단이 가능한 고화질의 영상을 구현하는 것으로 최근 출고되고 있는 CT는 선량을 줄이기 위해 자동 관전류 기법을 사용합니다. 환자의 윤곽과 장기의 방사선 투과도를 고려해 영상의 질은 유지하면서 최적의 관전류를 조사해 방사선량을 최소화합니다. 데이터 수집 장치는 검출기와 데이터 수집부로 이루어집니다. X선 발생 장치에서 조사된 X선은 인체의 여러 조직에 의해 부분적으로 감쇠되며 검출기에 의해 감지됩니다. 데이터 수집부는 검출기와 컴퓨터 사이에 위치하여 검출기 엣 변환된 전기적 신호를 증폭하고 증폭된 신호를 디지털 영상 신호로 변환하는 역할을 합니다. 데이터 수집부에서 변환된 데이터는 영상 재구성을 위해 영상 구성 장치로 보내집니다. 영상 구성 장치는 데이터 수집 장치에서 얻은 2차원 영상들을 3차원 영상으로 재구성하기 위한 장치입니다. 인체의 여러 각도에서 투과된 X선은 데이터 수집 장치에서 일련의 투영 영상으로 변환되고 영상 구성 장치에서 3차원 영상으로 재구성됩니다. 이미지의 일련의 투영 영상으로부터 원래의 이미지를 재구성하는 기본 아이디어는 유명한 수학자 라돈에 의해서 1918년에 처음 거론되었습니다. 1970년대 초 미국 터퍼츠대의 물리학자 앨런 코맥은 영상 재구성 이론을 개발하였고, 영구 EMI 연구소의 전기공학자 고드프리 하운스필드는 CT 장치를 개발하였습니다. 이 둘은 CT 개발의 업적을 인정받아 1979년 노벨 생리의학상을 수상하였습니다. 각 방향에서 얻어진 투영 영상의 값을 거꾸로 되돌려서 합산하는 역투 영법을 통하여 3차원 영상이 재구성됩니다. 역투 영법에서 필연적으로 발생하는 번짐을 보정하기 위하여 투영 영상에 대해 필터 처리 후 역투 영하는 필터 보정역 투영법이 널리 사용되고 있습니다, 영상 궁성 장치에서 만들어진 3차원 영상은 모니터에 출력됩니다. 3차원 영상을 가시화하는 방법인 복수 평면 재구성, 최대 강도 투영, 직접 볼륨 렌더링 등이 적용됩니다.
CT 영상 데이터
X선의 투과와 인체의 각 부분에서의 흡수 차이를 이용하여 획득한 CT 영상 데이터의 특징에 대해 살펴보도록 하겠습니다. Hounsfield unit, HU는 투과된 X선의 강도를 정량적으로 표현한 것으로 기증 물질인 물을 0, 공기를 –1000, 뼈를 +1000으로 정하고 인체의 조직의 선감 약계수를 –1024부터 3071 범위로 나타낸 값입니다. CT 영상 데이터는 12B비트의 HU값에 의해서 표현되어 DICOM 형식으로 저장됩니다. 의료영상은 12비트의 단일 채널 그레이 레벨 영상인데 비해 영상 출력장치인 모니터는 8비트의 RGB의 3 채널 영상을 출력합니다. 의료영상을 영상 출력 장치가 표현할 수 있는 대조도로 대응시켜주기 위하여 변환하는 과정이 필요한데 이 선형 변환을 Windowing이라고 합니다. 영상에서 표현하는 HU의 범위를 제한하고 그 중심을 조절하여 다양한 HU범위와 다양한 대조도로 CT 영상 데이터를 출력하여 볼 수 있습니다. CT 영상에서 발생하는 artifacts는 partial volume averaging, beam hardening, motion artifacts, metal artifacts 등이 있습니다. partial volume averaging은 조직이 CT의 한 voxel로 표현되어 해당 voxel에 포함되는 조직의 평균값으로 선감 약계수를 생성할 때 발생되는 artifact로 해상도에 영향을 받습니다. beam hardening은 X선이 조직을 통과할 때 고에너지 양자보다 저 에너지 양자의 감쇄가 크기 때문에 발생하는 artifact입니다. motion artifacts는 피험자의 움직임에 의해 발생하는 blurring입니다. metal artifacts는 금속과 같은 고밀도의 인공물에 의해 발생하는 artifact입니다.
'의료, 의학, 인공지능, 데이터 치료' 카테고리의 다른 글
의료정보, 오픈데이터셋 접근 및 활용 방법 (0) | 2022.07.26 |
---|---|
의료인공지능 학습방향, 의료 인공지능은 어떻게 배울까? (0) | 2022.07.25 |
머신러닝의 세 가지 유형과 의료 분야 응용(지도학습, 비지도학습, 강화학습) (0) | 2022.07.25 |
머신러닝과 딥러닝을 통한 의료 기술 개혁 (0) | 2022.07.25 |
다양한 종류의 의료데이터 - 의료영상데이터 (X선) (0) | 2022.07.24 |
- Total
- Today
- Yesterday
- 내시경 영상 진단 한계
- EMR 기능
- 맥박 산소포화도
- EMR 정형 데이터
- 딥러닝 인공신경망 기술
- 생체신호 모니터링
- 병리데이터
- 의학분야
- CT
- 데이터
- 정밀의료
- EMR 정형 데이터 구성
- 의료 인공지능
- 의료
- 검증 데이터
- 의료영상 데이터
- 의료영상 데이터 구성
- x선 촬영 기법
- 인공지능 학습
- X선 영상 전처리 기법
- 오픈 데이터셋
- 학습방향
- 의료 모달리티
- 의료혁신
- 디지털병리
- 임상현장
- 인공지능
- 전자 의무기록
- 내시경 영상
- 형광 안저 혈관조영
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 |