Ⅰ서 론

X선 및 초음파, 전산화단층촬영, 자기공명영상 등 방사 선학적 영상장비는 질병을 진단하고 예방하는 중요한 역할 을 하며, 이중 초음파 영상은 이동성, 비침습성, 실시간 영 상정보의 제공 및 경제성의 측면에서 매우 유용한 검사방법 이다[1]. 초음파검사를 통하여 시각화된 피하 조직 구조 및 내부 장기 영상을 이용하여 검사자는 조직의 특성 및 구조 를 추론하며 다양한 부위의 진단에 사용되어진다[2].

갑상샘은 목 앞 중앙에 위치해 있고, 후두와 기관 앞에 자 리한 나비모양의 내분비기관이다. 해부학적으로 피부 가까 이 있고, 균일한 초음파 에코발생을 나타내어 주변 구조물 과 구분이 명확하여 다른 장기에 비하여 초음파검사에 적합 하다. 갑상샘 초음파진단은 결절의 정확한 위치, 크기, 개수 및 내부 에코 특성에 대한 정보를 제공하여 갑상샘 질환의 초기 진단이 유용하며, 양성 결절 및 갑상샘 암(thyroid cancer)의 수술 후 상태 관찰에서도 매우 중요한 역할을 수 행한다[3]. 갑상샘에는 감각이 없어 혹 또는 암이 생겨도 통 증이 없어 초기에 알아내기 힘들며 초기 증상 또한 명확하 지 않다. 갑상샘 결절(nodules)은 비교적 흔한 질병으로, 촉 지 되는 갑상샘 결절은 인구의 5% 정도에서 발견되며, 비촉 지 결절은 40∼50%에 이르는 것으로 알려져 있다. 그러나 갑상샘 암으로 진단되는 환자는 이 중 3∼5% 정도에 그친다 [3,4]. 갑상샘의 검사 및 진단에 초음파를 이용하면 전체 인 구의 약 50%에서 결절이 발견되며 크기에 관계없이 전체 갑 상샘 결절의 약 5%가 갑상샘 암으로 나타난다. 고해상도 갑상샘 초음파는 갑상샘의 해부학적 정보를 가장 예민하게 검 사할 수 있는 검사법으로 갑상샘 결절의 초음파 특징을 제 공하여 악성결절을 예측하는데 도움을 주며 세침흡인검사 (fine-needle aspiration cytology; FNA)시 초음파유도를 제공하여 적절한 검체를 획득 하는데 도움을 준다[5,6]. 세 침흡인검사는 시술의 편리성, 안정성 및 정확성으로 인해 갑상샘 암을 진단하기 위한 중요한 검사로 사용되고 있으 나, 세포 표본을 얻지 못하는 경우가 많아 세침흡인 검사에 대한 논란이 계속되고 있다. 최근 고해상도 초음파 진단으 로 95% 이상의 정확도로 갑상샘 결절 유무를 확인할 수 있 으며 건강검진의 활성화로 갑상샘초음파검사의 접근이 일 반화 되면서 갑상샘 결절 뿐 아니라 갑상샘 암의 조기발견 이 크게 증가하였다. 발견된 갑상샘 결절의 대부분은 양성 이며, 악성결절은 4∼14%의 빈도를 보인다[7]. 국내 통계청 자료에 의하면 갑상샘 암은 여성인구 10만 명당 29,270명이 발생하여 전체 여성 암 중 30.1%로 1위를 차지한다.

갑상샘 결절 진단을 위한 객관적 데이터를 제공하기 위하 여 초음파 영상에서 통계 정보를 추출하여 질적·양적 정보를 분석하는 다양한 텍스처 특성화 기법을 사용하여 갑상샘 결 절의 분류가 가능하다. 최근 영상 질감을 기초로 한 영상분 석에 대한 관심이 높아지고 이에 대한 연구가 활발하게 이루 어지고 있다. 질감을 분석하는 기법 중 구조적(structural) 접근법은 질감의 패턴이 구조를 생성하는 방식이며, 통계적 (statistical) 접근법은 질감은 램덤하나 어떤 일관된 속성을 가지므로 영상이 가지는 통계적 특성을 이용하는 방법이다. 통계적 분석법은 영상의 명암레벨 사이의 분포와 관계를 조 절하는 비결정적인 속성들에 의해 간접적으로 질감을 표현 한다. 영상의 공간적인 질감특성을 분석하는데 2차 통계에 바탕을 두고 얻어지는 GLCM(Gray Level Co-occurrence Matrix)이 가장 널리 이용되고 있다. GLCM은 회색조(Gray) 영상을 대상으로 영역을 구성하는 각 화소의 명암을 이용하 여 이웃한 화소가 가진 명암과의 관계에 대한 발생하는 빈도 수를 나타낸 행렬이다[8]. 국외의 경우 Gireesha 등에 의해 GLCM영상 분석을 이용한 초음파 영상의 갑상샘 결절의 영 상 분석에 대한 연구가 진행되었다[9]. 이에 본 연구는 회색 조초음파 영상에서 세포 병리학 진단결과를 후향적 분석후 갑상샘 악성결절의 양자화 과정으로 명암레벨에 기반을 둔 GLCM 알고리즘을 이용하여 컴퓨터보조진단 시스템을 제안 하고 이를 바탕으로 갑상샘 결절에 대한 정량적인 분석결과 를 제공하여 진단적 오류를 감소시키고 임상 전문의의 질병 인식 및 진단의 예측 수단으로 활용하고자 한다.

Ⅱ대상 및 방법

1실험대상

본 연구는 2017년 1월∼4월까지 부산소재 P종합병원을 내원한 환자 중 갑상샘 초음파검사와 세침검사를 시행한 증 례를 대상으로 하였다. 평균 연령은 49.24세±12.06세, 남 자 22명, 여자 98명으로 영상의학과 전문의의 악성결절(현 저한 저에코, 미세석회화, 불균질한 경계, 불규칙한 경계등) 에 대한 판독소견과 세침흡인생검의 세포 병리학적 진단결 과를 바탕으로 후향적 분석을 시행하였다.

전체 실험영상은 120증례로, 정상적인 환자의 갑상샘 초 음파 영상 60증례, 갑상샘 악성결절 초음파 영상 60증례를 이용하여 각 영상에 대해 관심영역(ROI)을 설정하여 실험영 상을 획득하였다.

2실험방법

연구의 실험영상의 획득을 위해 이용된 초음파 장비는 Ascendus(HITACHI, Japan)이다. 획득한 영상은 50×50 pixel 크기로 관심영역(ROI)을 설정하였고, MATLAB (R2015b, Ver.8.6, MathWorks Inc., USA) 프로그램을 이 용하였으며, GLCM의 파라미터에서 Energy, Contrast, Correlation, Homogeneity, Entropy, Variance 결과 값을 산출하였다[Table 1][10].

입력된 영상은 병변의 정확한 분석을 위해 제안된 전처리 과정으로 히스토그램 평활화(Histogram Equalization), 양 자화(Quantization)를 시행하였으며, 이후 범위필터(Range Filter)를 적용하였다. 각 획득된 영상에 대해 제안된 GLCM 알고리즘을 이용하여 결과를 산출하였다[Fig. 1, 2]. 히스토 그램 평활화는 영상의 명암 값들을 균일하게 분산하여 명암 대비의 개선효과를 나타낸다. 양자화는 샘플링을 통해 획득 된 데이터(픽셀)에 숫자로 된 값을 할당하며 16단계로 구분 할 수 있다. 범위필터는 질감분석(Texture Analysis)에 주 로 많이 이용되며, 관심 픽셀(pixel)의 이웃하는 픽셀들 중 에 최대값과 최소값의 차이를 계산하여 최적화된 임계값을 이용해서 픽셀값을 그레이 레벨로 바꾸는 기법이다[11,12]. 이러한 범위필터의 사용은 의료영상에서 노이즈(noise)가 감소되어 관심영역(ROI)에서 병변 부위 인식에 정확도를 높 여준다.

통계분석은 MedCalc(ver. 15.8, MedCalc software, ostend, Belgium) 프로그램을 이용하여 p-value 0.05 이하 로 유의성 검증을 시행하였다. 초음파 영상에서 갑상샘 악성 결절을 예측하기 위한 기준을 알아보고자 통계적 방법으로 ROC (Receiver Operating Characteristic curve)를 분석하 였으며, AUC(Area Under the Curve), 민감도(sensitivity) 및 특이도(specificity)를 산출하였다.

Ⅲ결 과

1GLCM 파라미터 분석

정상 갑상샘 영상과 갑상샘 악성결절 영상의 GLCM 특징 값 분석 결과는 다음과 같다[Table 2].

1)Energy

갑상샘의 정상조직과 악성결절 조직에 대한 초음파 영상 에 대한 에너지 정보를 나타낸 결과 값이다. 정상 갑상샘 영 상의 에너지 값은 최대 0.0199, 최소 0.0090, 평균 0.0014 ±0.0024로 나타났으며 악성결절 조직의 에너지 값은 최대 0.1080, 최소 0.0190, 평균 0.0367±0.0179로 나타났다. 악 성결절 조직 영상의 결과 값이 정상 갑상샘 영상의 범위를 벗어나면 질환의 구별이 가능하며, 전체 60증례에서 정상 갑상샘 영상의 최대값과 최소값의 범위를 벗어나는 악성결 절 영상은 58례로 악성결절의 인식률은 97%로 나타났다 [Fig. 3].

2)Contrast

갑상샘의 정상조직과 악성결절 조직에 대한 초음파 영상 에 대한 대조도 정보를 나타낸 결과 값이다. 정상 갑상샘 영상의 대조도 값은 최대 12.8615, 최소 5.8212, 평균 7.4674±1.3524이었고, 악성결절 조직의 대조도 값은 최대 6.1190, 최소 1.0718, 평균 3.5463±1.3991로 나타났다. 전 체 60증례에서 정상 갑상샘 영상의 최대값과 최소값의 범위 를 벗어나는 갑상샘 악성결절 영상은 56증례로 인식률은 93%로 나타났다[Fig. 4].

3)Correlation

갑상샘의 정상조직과 악성결절 조직에 대한 초음파 영상 에 대한 상관관계 정보를 나타낸 결과 값이다. 정상 갑상샘 영상의 상관관계 값은 최대 0.6097, 최소 0.4698, 평균 0.5562±0.0327이었고, 악성결절 조직의 상관관계 값은 최 대 0.7154, 최소 0.6001, 평균 0.6550±0.0307로 나타났다. 전체 60증례에서 정상 갑상샘 영상의 최대값과 최소값의 범 위를 벗어나는 갑상샘 악성결절 영상은 55증례로 인식률은 92%로 나타났다[Fig. 5].

4)Homogeneity

갑상샘의 정상조직과 악성결절 조직에 대한 초음파 영상 에 대한 동질성 정보를 나타낸 결과 값이다. 정상 갑상샘 영 상의 동질성 값은 최대 0.5201, 최소 0.4448, 평균 0.4877 ±0.0155이었고, 악성결절 조직의 동질성 값은 최대 0.7401, 최소 0.5093, 평균 0.5933±0.0517로 나타났다. 전체 60증 례에서 정상 갑상샘 영상의 최대값과 최소값의 범위를 벗어 나는 갑상샘 악성결절 영상은 55증례로 인식률은 92%로 나 타났다[Fig. 6].

5)Entropy

갑상샘의 정상조직과 악성결절 조직에 대한 초음파 영 상에 대한 엔트로피 정보를 나타낸 결과 값이다. 정상 갑 상샘 영상의 엔트로피 값은 최대 4.9958, 최소 4.2714, 평 균 4.5957±0.1495이었고, 악성결절 조직의 엔트로피 값은 최대 4.2556, 최소 2.7156, 평균 3.8062±0.3598로 나타났 다. 전체 60증례에서 정상 갑상샘 영상의 최대값과 최소값 의 범위를 벗어나는 갑상샘 악성결절 영상은 60증례로 인식 률은 100%로 나타났다[Fig. 7].

6)Variance

갑상샘의 정상조직과 악성결절 조직에 대한 초음파 영상 에 대한 분산 정보를 나타낸 결과 값이다. 정상 갑상샘 영상 의 분산 값은 최대 68.4710, 최소 40.1989, 평균 48.0417 ±6.1013이었고, 악성결절 조직의 분산 값은 최대 39.9380, 최소 7.2591, 평균 25.1242±8.6393로 나타났다. 전체 60 증례에서 정상 갑상샘 영상의 최대값과 최소값의 범위를 벗 어나는 갑상샘 악성결절 영상은 60증례로 인식률은 100%로 나타났다[Fig. 8].

2통계 분석

초음파 영상에서 갑상샘 악성결절 질환의 감별진단을 위 한 cut-off 값을 결정하기 위해 6개의 GMCL 파라미터의 곡선하면적(Area Under the Curve; AUC)을 정확도의 지 표로 이용하였으며, 민감도와 특이도의 합이 가장 큰 값을 cut-off 값으로 선택하였다. 통계분석의 결과로서 GMCL 파라미터의 AUC, 민감도, 특이도를 나타낸 결과이다. 에너 지의 분석결과 AUC 0.998, 민감도 100%, 특이도 96.67% (95% 신뢰구간 0.966∼1.000), Youden index 0.9667에서 cut-off 값은 0.0186로 나타났다. 상관관계의 분석결과 AUC 0.964, 민감도 91.67%, 특이도 93.33%(95% 신뢰구간 0.913∼0.990), Youden index 0.8500에서 cut-off 값은 0.6014로 나타났다. 동질성의 분석결과 AUC 0.961, 민감 도 90.00%, 특이도 96.67%(95% 신뢰구간 0.910∼0.988), Youden index 0.8667에서 cut-off 값은 0.5272로 나타났 다. 대조도의 분석결과 AUC 0.961, 민감도 76.67%, 특이도 100%(95% 신뢰구간 0.909∼0.998), Youden index 0.7667 에서 cut-off 값은 4.6843로 나타났다. 엔트로피의 분석결 과 AUC 0.948, 민감도 83.33%, 특이도 95.00%(95% 신뢰 구간 0.892∼0.980), Youden index 0.7833에서 cut-off 값 은 4.2946로 나타났다. 분산의 분석결과 AUC 0.947, 민감 도 88.33%, 특이도 93.33%(95% 신뢰구간 0.890∼0.979), Youden index 0.8167에서 cut-off 값은 37.2784로 나타 났다[Table 3], [Fig. 9].

Ⅳ고 찰

본 연구는 세포병리학적 진단결과와 갑상샘 초음파 판독 소견을 바탕으로 GLCM 분석과 ROC 분석을 통한 컴퓨터보 조진단 시스템의 적용을 위한 후향적 실험적인 연구를 통하 여 보다 객관적인 의료 정보의 제공과 갑상샘 악성결절의 정확한 진단 예측 방향을 제시하고자 하였다. 이를 위해 정 상 및 악성결절 초음파 영상을 실험영상으로 하여 GLCM의 특징값을 나타내는 6가지 파라미터로 통계적 분석 결과를 나타내었다.

분석결과 그레이 영상의 무질서도를 표현하는 엔트로피 와 화소가 얼마나 퍼져 있는지를 나타내는 수치의 분산에서 각각 100%의 가장 높은 질환인식률을 나타내었고, 명암도 의 균일성 척도인 에너지에서 97%, 그레이 레벨들 사이의 명암도 차이를 측정하는 대조도에서 93%, 전체 영상에 걸쳐 한 화소가 그의 이웃화소와 어떻게 상관되는지에 관한 척도 인 상관관계와 명암도 분포에 관계없이 일정한 정도를 나타 내는 동질성에서 각각 92%의 질환인식률을 나타내었다. 본 연구와 관련하여 Bag[13]에 의한 갑상샘 결절의 초음파 영 상 질감 파라미터 분류 결과에서 GLCM을 이용한 경우 8개 파라미터 중 에너지, 대조도, 상관관계, 엔트로피가 통계적 유의성이 있음을 나타내어 본 연구 결과가 질환인식에 있어 서 의미가 있음을 알 수 있었으며, Cho[14] 등의 연구에서 전립선을 대상으로 GLCM 알고리즘을 적용한 질감특징분석 을 시행하여 다양한 파라미터들의 질환인식률에 대한 평가 를 하였으며, 그 중 엔트로피에서 인식률이 높다고 하여 본 연구 결과와 일치하였다. 따라서 본 연구에서 제한된 GLCM 파라미터를 이용한 갑상샘 악성결절의 임상적 적용이 가능 할 것으로 사료된다.

일반적으로 ROC curve를 이용한 분석에서 AUC의 경 우 0.6 이상일 때 의미가 있는 것으로 평가된다[15]. 이에 본 연구에 이용된 6가지의 GLCM 파라미터 모두 0.947 (p=0.001) 이상을 나타내어 질환인식에 의미가 있는 결과를 나타내었으며, 각 파라미터의 질환예측을 위한 cut-off 값 은 에너지 0.0186, 대조도 4.6843, 상관관계 0.6014, 동질 성 0.5272엔트로피 4.2946, 분산 37.2784로 결정되었다. 이러한 결과를 바탕으로 갑상샘 초음파 영상에서 결정된 cut-off값 보다 높은 값을 나타낼 경우 악성결절을 예측 할 수 있을 것으로 판단된다.

본 연구의 제한점으로 영역 추출에 있어 다소 거친(rough) 점이 결과에 영향을 미칠 수 있을 것으로 사료되며, 이러한 점을 보완하기 위해 향후 비등방성제거, 분할, 윤곽추출, 수 학적 모델 등을 사용 등을 고려한 전향적 연구가 추가로 진 행되어야 할 것이다.

Ⅴ결 론

본 연구에서 제안된 GMCL 알고리즘을 이용한 갑상샘 결 절의 자동인식률은 세포병리학적 진단결과와 거의 일치함 을 알 수 있었으며, 이는 의료영상의 자동진단 인식 시스템 에 대한 컴퓨터보조진단 프로그램의 구현 가능성과 질환 진 단의 예비 자료로써 디지털 의료영상의 적용이 가능할 것으 로 생각되어진다. 향후 갑상샘 질환 진단에서 판독 결과에 대한 객관적 자료 제시와 판독시간 단축을 위해 갑상샘 질 환 중 갑상샘염 및 양성결절 등이 포함된 복합질환의 판별 및 인식에 관한 연구도 같이 병행되어야 할 것이며, 이러한 질환인식 자동시스템의 일반화가 이루어진다면 불필요한 세포 흡인 조직 생검이나 조직검사와 같은 침습적인 검사를 최소화할 수 있을 것으로 기대된다.