Computer-aided Diagnosis for Pure Nodular Ground-Glass Opacity: Classification of Benign and Malignant Lesions using a Support Vector Machine
순수 결절형 간유리 음영의 컴퓨터 보조진단: SVM을 이용한 양성 및 악성병변의 분류

Cited 0 time in webofscience Cited 0 time in scopus
Son, Wooram
Issue Date
College of Medicine, Radiation Applied Life Science, Seoul National University
College of Medicine, Radiation Applied Life Science, Seoul National University, pp. 1-25
순수 결절형 간유리 음영컴퓨터보조진단Pure Nodular Ground-glass Opacity (PNGGO)Support Vector Machine (SVM)Computer-aided Diagnosis (CAD)
The file attached is author's final draft.
Lung cancer is one of the most prevalent diseases in the world. The widespread use of computed tomography (CT) for the detection of lung cancer has increased the frequency of detection of subtle nodules or ground-glass opacities (GGOs). GGOs may be observed in malignancies such as bronchioloalveolar carcinoma and adenocarcinoma as well as in their putative precursors such as atypical adenomatous hyperplasia; GGOs may also be seen in the presence of benign conditions. According to several studies of pathologically proven cases, pure nodular GGOs (PNGGOs) are found in a significant proportion of benign diseases. Hence, accurate differentiation between benign and malignant PNGGOs is important, especially in the case of lung cancer, in order to reduce unnecessary surgeries. In this study, we propose a computer-aided diagnosis (CAD) system to classify PNGGOs detected using multidetector CT images into benign or malignant categories. Our system comprises the following 3 steps: (1) automated segmentation of PNGGOs is performed using a Gaussian mixture model of the region-of-interest histogram; (2) statistical features of segmented PNGGOs regions are then extracted; and finally, (3) a support vector machine (SVM) classifier with a radial basis function kernel is applied.
The experiment was performed using 35 CT volume images with 36 nodules. An exhaustive search was performed to find the best combination of features to be used as input variables for the SVM. Of the statistical features, entropy; mean; absolute deviation; skewness; kurtosis; histogram at the 25th, 50th, and 75th percentiles; and interquartile range were used as trial input variables for the exhaustive search. Entropy, kurtosis, and histogram at the 50th percentile were found to be best combination of features for use with the SVM classifier. Using leave-one-out validation, an area under the receiver operating characteristic curve of 0.91 was achieved.
These results show the potential of our CAD system for differentiation between benign and malignant PNGGOs.
폐암은 전세계적으로 유병율이 높은 질환으로써, 2008년 통계청의 자료에 의하면 암 사망원인 1위이다. 최근 조기 폐암 발견을 위한 CT 검사가 임상 현장에서 광범위하게 사용됨으로써, 과거 일반 X-선 흉부 영상에서는 보이지 않았던 결절형 간유리 음영이 흔히 발견되고 있다. 결절형 간유리 음영은 CT 영상에서 혈관을 가리지 않고 나타나는 간유리 형태의 음영영역으로 추적검사에서 없어지거나, 작아지지 않는 경우에는 세기관지 폐포성 선암이나, 폐선암의 가능성이 매우 높다.
추적검사에서 없어지거나, 작아지지 않는 결절형 간유리 음영 중에 병변내부에 고형성 부분이 보이지 않는, 순수 결절형 간유리 음영은 국소 간질성 섬유증이나 비정형 선종성 증식증 등의 양성 병변의 가능성이 높아서 이들을 모두 절제할 경우 환자에게 불필요한 절제수술을 시행할 가능성이 높다. 하지만, 지속성 순수 결절형 간유리 음영 병변들 중에서 18% ~ 48%의 병변이 조기 폐암이란 점에서, 결코 간과할 수 없는 병변이다. 그러므로, 순수 결절형 간유리 음영으로 보이는 병변을, 악성 병변과 양성 병변으로 구분해 내는 일이 매우 중요하며, 이를 통해, 양성 병변의 불필요한 수술을 막을 수 있으며, 악성 병변의 경우, 조기 진단 및 치료를 통해, 환자의 삶의 질과 생명을 연장할 수 있다.
본 연구의 목적은 순수 결절형 간유리 음영의 양성과 악성 여부를 판별할 수 있는 컴퓨터보조진단 시스템의 개발이다. 우리가 제안하는 시스템은 간유리 음영 결절의 자동분할, 통계기반의 특징벡터추출 그리고 Support Vector Machine (SVM) 을 이용한 분류모델로 구성되어있다. 35 CT 볼륨 이미지에서 얻은 36개의 순수 결정형 간유리 음영에 대한 실험 결과 leave-one-out 검증기법과 ROC분석을 통하여 0.91 areas under the curve (AUC) 수치를 얻었다. SVM 분류모델의 입력으로써, 최적의 성능을 보여주는 특징벡터의 조합은 Entropy, Kurtosis, Histogram at 75th percentile로 나타났다. 이와 같은 실험결과는 순수 결절형 간유리 음영의 정확한 악성도 진단에 있어서 우리가 제안한 컴퓨터보조진단 시스템의 가능성을 보여주었고 향후 방사선과의사에 의한 진단에 보조시스템으로써 상보적 역할의 가능성을 보여주었다.
Files in This Item:
Appears in Collections:
College of Medicine/School of Medicine (의과대학/대학원)Dept. of Radiation Applied Life Science (대학원 협동과정 방사선응용생명과학전공)Theses (Master's Degree_협동과정 방사선응용생명과학)
  • mendeley

Items in S-Space are protected by copyright, with all rights reserved, unless otherwise indicated.