METHOD FOR DIFFERENTIATION OF FAT-POOR ANGIOMYOLIPOMA FROM CLEAR CELL RENAL CELL CARCINOMA IN CONTRAST-ENHANCED MDCT IMAGES USING QUANTITATIVE FEATURE CLASSIFICATION
SEOUL WOMEN'S UNIVERSITY INDUSTRY-UNIVERSITY COOPERATION FOUNDATION;INDUSTRY-ACADEMIC COOPERATION FOUNDATION, YONSEI UNIVERSITY
发明人:
HONG, HELEN,홍헬렌,LEE, HAN SANG,이한상,JUNG, DAE CHUL,정대철,PARK, SEUNG HYUN,박승현,HONG, HELENKR,LEE, HAN SANGKR,JUNG, DAE CHULKR,PARK, SEUNG HYUNKR
申请号：
KR1020170002050
公开号：
KR1018246910000B1
申请日:
2017.01.05
申请国别(地区):
KR
年份:
2018
代理人:
摘要：
According to an embodiment of the present invention, a method for distinguishing between low-fat and angiomatous lipomas and clear and renal cell carcinomas in a contrast-enhanced multi-detector computed tomography (MDCT) image by using quantitative feature classification includes the steps of: (a) extracting histogram features, brightness value percentage features, and texture features from a kidney tumor area separated from multiple contrast-enhanced MDCT training images； (b) applying the extracted features to a combination of multiple machine-learning-based classification methods and multiple feature selection methods to select features and a classification method with the best classification performance as the optimal classification features and the optimal machine-learning-based classification method, respectively； (c) applying the selected classification features to the selected machine-learning-based classification method to obtain a classification model； (d) extracting the optimal classification features from the kidney tumor area separated from the contrast-enhanced MDCT testing images； and (e) low-fat and angiomatous lipomas (fp-AML) and clear and renal cell carcinomas (ccRCC) by applying the extracted optimal classification features to the classification model.본 발명의 일 실시예에 의한 조영 증강된 다중검출 컴퓨터 단층 촬영 영상에서 정량적 특징 분류를 사용하여 지방이 적은 혈관근지방종과 투명세포 신세포암을 구별하기 위한 방법은, (a) 복수의 조영 증강된 다중검출 컴퓨터 단층 촬영(MDCT) 트레이닝 영상들에서 분리된 신장 종양 영역으로부터 히스토그램 특징들, 밝기값 백분율 특징들, 및 질감 특징들을 추출하는 단계； (b) 상기 추출된 특징들을 복수의 특징 선택 방법과 복수의 기계 학습 기반의 분류 방법의 조합에 적용하여 최상의 분류 성능을 나타내는 특징들 및 분류 방법을 각각 최적의 분류 특징들 및 최적의 기계 학습 분류 방법으로서 선택하는 단계； (c) 상기 선택된 분류 특징들을 상기 선택된 기계 학습 분류 방법에 적용하여 분류 모델을 획득하는 단계； (d) 조영 증강된 다중검출 컴퓨터 단층 촬영 테스트 영상에서 분리된 신장 종양 영역으로부터 상기 최적의 분류 특징들을 추출하는 단계； 및 (e) 상기 추출된 최적의 분류 특징들을 상기 분류 모델에 적용하여 지방이 적은 혈관근지방종(fp-AML)과 투명세포 신세포암(ccRCC)을 구별하는 단계를 포함한다.
