의료 영상 시스템 기반 Fast non local-Means (FNLM) 알고리즘의 적용 가능성 : 시뮬레이션 연구

Abstract

의료진단 분야에서 X-ray를 이용한 진단 비중이 꾸준히 증가하고 있으나, 영상 내에 발생하는 noise로 인해 병변에 대한 정보 획득에 어려움이 있다. 이러한 noise를 제거하기 위해 median, Gaussian, Wiener와 같은 알고리즘이 개발되었으나 영상의 윤곽에 대한 선예도가 감소되어 해상력을 감소시키는 문제가 발생한다. 따라서, 본 논문에서는 선예도를 유지하며 noise를 제거할 수 있는 fast non-local means (FNLM) 알고리즘을 모델링하여 X-ray 기반 영상에서의 유용성을 평가하고자 한다. 연구 방법은 MATLAB을 이용하여 Gaussian noise를 모델링 한 Shepp-Logan phantom 영상을 획득한 후 median, Gaussian, Wiener 그리고 FNLM 알고리즘을 각각 적용하였다. 또한, 영상의 정량적 평가를 위해 설정한 두 개의 ROI 영역에서의 coefficient of variation (COV), contrast to noise ratio (CNR) 및 signal to noise ratio (SNR)을 측정하였다. 결과적으로, FNLM 알고리즘을 적용하였을 경우 noise를 추가시킨 원본영상에 비하여 COV, CNR 그리고 SNR이 약 3.16배, 7.47배 그리고 9.19배 향상되는 것을 확인할 수 있었다. 결론적으로, 본 연구결과를 바탕으로 FNL 알고리즘을 의료영상에 적용할 경우 noise를 효과적으로 제거할 수 있음을 증명하였고, 나아가 임상 적용 가능성을 확인할 수 있었다.