T1강조 자기공명영상과 계층적 신경회로망을 이용하여 간경변증을 단계별로 분류하고자 제안한다. 데이터는 2001년 6월부터 12월까지 부산대학교병원에서 얻었으며, 각 단계별 분류는 정상, 1, 2, 3단계별로 분류하였다. 그리고 46명의 데이터를 분석하였다. T1강조 자기공명 간영상으로부터 정상간 실질과 간경변 결절을 추출하였다. 그 다음에 T1강조 자기공명 간 영상에서 간 경화증의 단계를 객관적으로 해석 분류하였다. 간경변 분류기 구현은 계층적 신경회로망을 이용하였고, 명암도 분석과 간 결절 특성을 통하여 정상간과 3단계의 간경변으로 구분하였다. 제안한 신경회로망 분류기는 오류 역전과 알고리즘을 이용하였다. 분류결과 인식율이 정상군은 100%, 1 단계는 82.3%, 2 단계는 86.7%, 3 단계는 83.7%의 분류율을 나타내었다. 신경회로망 분류 결과와 전문의 판독 결과를 서로 비교한 결과 인식률은 매우 높게 나타났다. 만일 더욱더 충분한 데이터나 파라미터를 가지고 지속적으로 수행한다면 간경변 환자들에게 임상적으로 지원하는 도구뿐만 아니라 의료전문 신경회로망으로도 기대된다.
In this paper, I proposed a classifier of liver cirrhotic step using T1-weighted MRI(magnetic resonance imaging) and hierarchical neural network. The data sets for classification of each stage, which were normal, 1type, 2type and 3type, were obtained in Pusan National University Hospital from June 2001 to december 2001. And the number of data was 46. We extracted liver region and nodule region from T1-weighted MR liver image. Then objective interpretation classifier of liver cirrhotic steps in T1-weighted MR liver images. Liver cirrhosis classifier implemented using hierarchical neural network which gray-level analysis and texture feature descriptors to distinguish normal liver and 3 types of liver cirrhosis. Then proposed Neural network classifier teamed through error back-propagation algorithm. A classifying result shows that recognition rate of normal is 100%, 1type is 82.3%, 2type is 86.7%, 3type is 83.7%. The recognition ratio very high, when compared between the result of obtained quantified data to that of doctors decision data and neural network classifier value. If enough data is offered and other parameter is considered, this paper according to we expected that neural network as well as human experts and could be useful as clinical decision support tool for liver cirrhosis patients.
