💻 computer science

An Approach for Thyroid Nodule Analysis Using Thermographic Images

본 논문은 대학병원 환경에서 갑상선 결절의 조기 발견을 지원하기 위해 열화상 검사를 갑상선 분석에 적용하는 파일럿 프로젝트를 제시하며, 영상 획득 및 자동 등록을 위한 프로토콜을 제안하고 특징 추출 및 분류를 위한 프레임워크를 개괄합니다.

원저자: J. R. González, É. O. Rodrigues, C. P. Damião, C. A. P. Fontes, A. C. Silva, A. C. Paiva, H. Li, C. Du, A. Conci

게시일 2026-05-29

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: J. R. González, É. O. Rodrigues, C. P. Damião, C. A. P. Fontes, A. C. Silva, A. C. Paiva, H. Li, C. Du, A. Conci

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

이 논문은 일상적인 언어와 창의적인 비유를 사용하여 설명한 것입니다.

큰 그림: 열을 보고 문제를 찾다

당신의 몸을 집이라고 상상해 보세요. 벽 (피부) 은 보통 일정하고 편안한 온도를 유지합니다. 하지만 방 안에 불이 타고 있다면 (갑상선 종양이나 결절), 그 부분의 벽은 나머지 부분보다 더 뜨거워집니다.

이 논문은 목의 이러한 '뜨거운 방'을 찾아내기 위해 열을 감지하는 특수 카메라 (열화상) 를 사용하는 것에 관한 것입니다. 특히 갑상선 결절을 찾는 데 초점을 맞추고 있습니다. 저자들은 컴퓨터 프로그램이 이러한 열점을 자동으로 찾아내어, 의사가 몇 시간 동안 화면을 응시할 필요 없이 건강한 사람과 아플 수 있는 사람을 구별할 수 있는지 확인하고자 합니다.

문제: '흔들리는' 환자

저자들이 직면한 주요 과제는 인간은 로봇이 아니라는 점입니다. 몇 분 동안 카메라 앞에 앉아 있으면 무게 중심을 옮기거나, 머리를 기울이거나, 깊게 숨을 쉴 수 있습니다.

비유: 플립북 애니메이션을 만들기 위해 친구의 사진을 한 무더기 찍어 보려고 상상해 보세요. 촬영 사이사이에 친구가 머리를 조금만 움직여도 사진들이 서로 맞지 않습니다. 이를 넘겨보면 얼굴이 떨리거나 변형되어 보입니다.
결과: 컴퓨터가 이러한 흔들리는 사진 속 '열점'을 비교하려고 하면 혼란을 겪습니다. 그림자를 종양으로 오인하거나, 이미지가 약간 중심에서 벗어나 있어 실제 종양을 놓칠 수도 있습니다.

해결책: 세 단계 레시피

저자들은 이를 해결하고 이미지를 분석하기 위한 구체적인 레시피를 제안합니다.

1. 무대 설정 (프로토콜)

카메라가 켜지기 전에, '집' (환자) 이 안정적으로 유지되도록 엄격한 규칙을 적용합니다.

식히기: 환자에게 20 분 동안 조용히 앉아 있도록 요청합니다. 이는 제대로 맛볼 수 있도록 뜨거운 커피를 식히는 것과 같습니다. 또한 실내 온도를 조절합니다 (초기 바람이나 창문 없음) 그리고 환자에게 beforehand 커피, 알코올, 운동을 피하도록 지시합니다. 이러한 것들은 몸의 내부 열을 변화시키기 때문입니다.
스트레스 테스트: 실제로 공기로 환자의 피부를 약간 식힌 후, 피부가 다시 따뜻해지면서 사진을 찍기 시작합니다. 이는 엔진을 끈 후 자동차 엔진이 얼마나 빠르게 가열되는지 관찰하는 것과 같습니다. 가열되는 방식은 숨겨진 문제를 드러낼 수 있습니다.

2. 사진 정렬 (등록)

사진 시퀀스를 얻으면 이를 완벽하게 정렬해야 합니다.

비유: 그림이 그려진 두 개의 투명 시트를 가지고 있다고 상상해 보세요. 하나를 약간 왼쪽으로 밀면 그림이 맞지 않습니다. 컴퓨터는 한 시트를 다른 시트의 선과 완벽하게 맞을 때까지 밀고 회전시켜야 합니다.
혁신: 보통 의사가 턱이나 목걸이 같은 특정 지점을 가리켜 컴퓨터에 정렬 위치를 알려야 합니다. 이 논문은 이를 수행하는 스마트하고 자동화된 방법을 제안합니다.
- 그들은 목의 윤곽만 추적하고 어깨나 배경은 무시하는 특수한 '에지 감지기' (하이라이터 펜과 같은) 를 사용합니다.
- 그런 다음 '검색 알고리즘'을 사용하여 목을 둘러싸는 상자를 배치할 최적의 위치를 찾습니다. 이는 컴퓨터가 상자를 움직이며 가장 많은 '목 선'이 있는 영역을 찾을 때까지 '뜨겁고 차갑다' 게임을 하는 것과 같습니다.
- 또한 컴퓨터를 혼란스럽게 할 수 있는 '노이즈' (환자에게 부착한 턱 마커 등) 를 제거하는 트릭도 있습니다.

3. 탐정 작업 (특징 추출 및 분류)

이제 사진이 정렬되고 목이 분리되면, 컴퓨터는 단서를 찾습니다. 그들은 전체 그림을 보는 것이 아니라 잠재적 문제의 네 가지 특정 '지문'을 찾습니다.

얼마나 뜨거운가? (평균 온도).
열이 얼마나 혼란스러운가? (표준 편차—작은 부위에서 열이 극단적으로 변하는가?).
가장 뜨거운 점은 어디인가? (최대 온도).
대칭적인가? 이것이 핵심입니다. 인간의 몸은 일반적으로 대칭적입니다 (왼쪽이 오른쪽을 거울처럼 비춤). 목의 왼쪽이 뜨겁고 오른쪽이 차가우면 이는 적신호입니다. 컴퓨터는 열지도가 얼마나 '한쪽으로 치우쳤는지' 정확하게 측정합니다.

판결:
이 네 가지 단서를 간단한 컴퓨터 두뇌 (k-NN 라는 알고리즘) 에 입력했습니다. 이는 교사가 학생의 시험 답안을 '아픈' 정답지와 '건강한' 정답지와 비교하는 것과 같습니다.

결과: 네 명의 사람 (두 명은 아픔, 두 명은 건강) 을 대상으로 한 작은 테스트에서, 컴퓨터는 이러한 열 패턴을 기반으로 두 명의 아픈 사람을 한 그룹으로, 두 명의 건강한 사람을 다른 그룹으로 성공적으로 분류했습니다.

그들이 실제로 주장하는 것 (그리고 주장하지 않는 것)

주장: 그들은 갑상선 열 이미지를 자동으로 정렬하고, 목 영역을 잘라내며, 단순한 수학을 사용하여 결절을 시사하는 비대칭성과 열 패턴을 찾아내는 파일럿 시스템을 구축했습니다. 그들은 이것이 네 명의 환자로 구성된 작은 그룹에서 작동함을 증명했습니다.
주장하지 않음:
- 이것이 내일 모든 병원에 준비되어 있다는 것.
- 100% 확신으로 암을 진단할 수 있다는 것.
- 의사를 대체한다는 것.
- 아직 대규모로 작동한다는 것 (그들은 작업할 수 있는 이미지가 몇 장뿐임을 인정함).

결론

이 논문을 '개념 증명' 단계로 생각하세요. 저자들은 "우리는 직선이고 빈 트랙에서 스스로 운전할 수 있는 프로토타입 자동차를 만들었습니다. 작동했습니다! 이제 더 큰 트랙을 만들고, 더 많은 자동차로 테스트하며, 대중에게 판매하기 전에 비와 교통 상황을 처리할 수 있는지 확인해야 합니다."라고 말하고 있습니다.

그들은 열화상 카메라와 스마트한 컴퓨터 정렬을 사용하여 의사가 갑상선 문제를 조기에 발견하는 데 도움이 되는 유망한 방법을 보여주었지만, 여전히 진행 중인 작업임을 보여주었습니다.

기술 요약: 열화상 이미지를 활용한 갑상선 결절 분석 접근법

문제 제기
갑상선암은 특히 여성 사이에서 주요 악성 종양이 될 것으로 예상됩니다. 조기 발견은 생존율을 크게 향상시킵니다. 열화상은 암성 성장과 관련된 온도 이상을 감지하는 비침습적 방법을 제공하지만 (증가된 혈류 관류 및 대사 열로 인해), 열화상 데이터의 분석은 상당한 어려움을 수반합니다. 의학적 진단은 복잡한 열 패턴을 짧은 시간 내에 종합적으로 평가해야 하며, 이는 의사 단독으로는 종종 불가능한 과제입니다. furthermore, 동적 열화상 획득 (시간 계열 이미지 촬영) 은 환자의 호흡과 미세한 움직임으로 인한 모션 아티팩트를 도입하여 이미지 콘텐츠의 정렬 불일치를 초래합니다. 이러한 정렬 불일치는 분할 및 분류와 같은 후속 계산 분석으로 오류를 전파합니다. 또한, 이미지 획득 및 자율적 관심 영역 (ROI) 추출을 위한 표준화된 프로토콜의 부재는 이 분야에서 컴퓨터 비전 기술의 일관된 적용을 방해합니다.

방법론
저자들은 이미지 획득, 전처리, 등록, 특징 추출, 그리고 분류를 포함하는 갑상선 결절 탐지를 위한 파일럿 프레임워크를 제안합니다.

획득 프로토콜: 본 연구는 특정 정지 조건을 가진 동적 획득 프로토콜을 사용합니다. 환자는 통제된 환경 (22~25°C, 공기 흐름 없음) 에 앉아 대사를 안정화시키기 위해 20 분간 대기합니다. 피부 온도가 29°C 에 도달할 때까지 냉각하여 열 스트레스를 유발한 후 순차적 촬영이 시작됩니다. 이미지는 0.5 미터 거리에서 FLIR ThermaCam S45 를 사용하여 5 분 동안 15 초 간격으로 촬영됩니다. 환자는 검사 전 카페인, 니코틴, 신체 활동을 피하도록 지시받습니다.
전처리 및 등록: 환자의 움직임 (이동, 회전, 국소 왜곡) 에 대응하기 위해, 본 논문은 자율적 등록 접근법을 제안합니다.
- 변형된 Sobel 필터(특히 x 축에서 작동하는 "Shadow Sobel" 필터) 가 적용되어 목 부위를 분할하고 배경 잡음을 제거합니다.
- 알고리즘은 필터링 후 가장 높은 밀도의 흰색 픽셀 (에지) 을 가진 직사각형 영역을 식별함으로써 ROI 를 자율적으로 감지합니다.
- 턱에 부착된 물리적 마커와 같은 잔여 잡음은 더 작은 검색 창을 가진 유사한 휴리스틱을 사용하여 식별 및 제거됩니다.
- 저자들은 두 가지 등록 전략을 논의합니다: 등록 전에 ROI 를 추출하여 (어깨 간섭을 피하기 위해 목에만 초점) 또는 등록 후에 전역 랜드마크 (어깨 등) 를 활용하는 방식입니다.
특징 추출: ROI 가 확립되면, 이미지는 "뜨거운" 영역을 분리하기 위해 임계값 처리 (209 로 설정) 를 거칩니다. 네 가지 특징이 추출됩니다:
- 분할된 영역의 평균 강도.
- 강도의 표준 편차.
- 최대 강도 (온도).
- 비대칭성: 3x3 이웃 내에서 좌우 측면의 픽셀 강도를 비교하여 수직 축을 가로지르는 ROI 의 대칭성을 정량화하는 지표.
분류: 추출된 특징은 유클리드 거리와 $k=1$ 을 사용하는 k-최근접 이웃 (k-NN) 알고리즘을 사용하여 환자를 건강하거나 비건강한 것으로 분류하는 데 사용됩니다.

주요 기여

자율적 ROI 식별: 본 논문은 변형된 Sobel 필터와 최적의 직사각형 ROI 를 위한 휴리스틱 검색을 사용하여 열화상에서 갑상선 영역을 식별하는 새로운 완전 자율적 방법을 소개하며, 수동 랜드마크 선택의 필요성을 제거합니다.
등록 전략 분석: 본 작업은 ROI 추출 전후의 이미지 등록을 비교 분석하여, 이동하는 목에 초점을 맞춘 정확도와 전역 랜드마크 (어깨) 의 가용성 사이의 트레이드오프를 강조합니다.
특징 기반 분류 파일럿: 본 연구는 열 특징을 추출하고 결절을 가진 환자와 건강한 대조군을 구별하기 위해 간단한 머신러닝 분류기 (k-NN) 를 적용하는 파이프라인을 시연합니다.
표준화된 프로토콜: 저자들은 열화상 갑상선 분석을 위한 데이터 일관성을 보장하기 위해 환경 및 환자 준비 조건의 특정 세트를 정의합니다.

결과
본 방법론은 네 명의 환자 (건강한 두 명, 병리적 갑상선 결절이 있는 두 명) 로 구성된 소규모 파일럿 데이터셋에서 테스트되었습니다.

등록: 자율적 등록은 환자의 움직임을 보정하여 순차적 이미지를 성공적으로 정렬했습니다.
분류: k-NN 알고리즘을 사용하여 시스템은 특징 벡터에 기반하여 환자를 성공적으로 군집화했습니다.
- 환자 O1(질병 있음) 은 네 가지 특징 모두에서 환자 O2(질병 있음) 와 가장 유사한 것으로 나타났습니다.
- 환자 O3(건강) 은 네 가지 특징 중 세 가지에서 환자 O4(건강) 와 가장 유사한 것으로 나타났습니다.
- 환자 O2 는 혼합된 유사성을 보였으나 일반적으로 질병 군집에 더 가까웠습니다.
- 결과는 평균 강도, 표준 편차, 최대 온도, 그리고 비대칭성의 조합이 질병이 있는 소규모 표본과 건강한 대상자 사이를 효과적으로 구별할 수 있음을 시사합니다.

의의 및 주장
본 논문은 이 작업을 결정적인 진단 도구가 아닌 파일럿 프로젝트이자 예비 연구로 위치시킵니다. 저자들은 명시적으로 현재 증거가 제한된 데이터셋 (네 명의 환자) 에 기반하며, 제안된 방법들은 내분비학 부서에서 예방 의학적 행동을 지원하기 위한 노력의 일부라고 밝힙니다.

의의는 컴퓨터 비전 기술, 특히 자율적 등록과 특징 기반 분류를 사용하여 갑상선 열화상을 분석하는 실현 가능성을 입증하는 데 있습니다. 저자들은 그들의 접근 방식이 종양 탐지를 자동화할 수 있는 잠재적 경로를 제공함으로써 의사가 진단 초기 단계에서 도움을 받을 수 있다고 주장합니다. 그들은 향후 연구가 관찰된 증거가 일반 인구에 적용되는지 검증하기 위해 데이터셋을 더 큰 규모로 확장해야 한다고 인정합니다. 이 프로젝트는 대학 병원에서 갑상선 결절 진단에 열화상의 중요성을 광범위하게 평가하기 위해 윤리 승인을 신청할 예정으로 있습니다.