Earticle

초록

영어

In this study, I propose an image processing approach for detecting and visualizing gout lesions in spinal images obtained using dual-energy computed tomography (DECT) at low (80 kVp) and high (140 kVp) energy levels. Through gray-level co-occurrence matrix (GLCM) analysis, I observed significant differences in contrast and energy values between the two energy levels, while homogeneity and correlation remained relatively unchanged. Discrete Wavelet Transform (DWT) analysis further revealed that the 80 kVp images displayed a broad distribution of similar pixel intensities, whereas the 140 kVp images exhibited concentrated high-intensity regions, particularly in bony structures. To validate my findings, I trained a neural network using the Levenberg– Marquardt algorithm. I used the high-frequency components extracted from DWT as input features and the intensity values from both energy levels as target outputs. The fitting results showed a strong alignment between the predicted and actual values, confirming the accuracy of the model. The method effectively identified gout lesions and clearly visualized monosodium urate (MSU) crystal deposition. I believe this approach offers a valuable contribution to improving diagnostic accuracy in spinal gout by enabling detailed lesion localization and material differentiation using conventional DECT. Furthermore, it may serve as a useful tool for monitoring therapeutic response and evaluating treatment efficacy.

한국어

본 연구에서는 저에너지(80kVp) 및 고에너지(140kVp) 이중 에너지 CT(DECT)를 이용하여 획득한 척추 영상에서 통풍 병변을 검출하고 시각화하는 영상 처리 기법을 제안한다. 회색조 동시 발생 행렬(GLCM) 분석 결과, 두 에너지 레벨 간에 명암 대비 및 에너지 값에 유의미한 차이가 관찰되었지만, 균질성 및 상관관계는 상대적으로 변화가 없었다. 이산 웨이블릿 변환(DWT) 분석에서는 80kVp 영상에서는 유사한 픽셀 강도가 넓게 분포하는 반면, 140kVp 영상에서는 특히 뼈 구조에서 고강도 영역이 집중되는 것을 확인하였다. 본 연구 결과를 검증하기 위해 Levenberg-Marquardt 알고리즘을 이용한 신경망을 학습시 켰다. DWT에서 추출한 고주파 성분을 입력 특징으로, 두 에너지 레벨의 강도값을 출력 목표로 설정하였다. 적합 결과는 예측값과 실제값 사이의 높은 일치도를 보여주어 모델의 정확성을 입증했다. 이 방법은 통풍 병변을 효과적으로 식별하고 요산나트륨(MSU) 결정 침착을 명확하게 시각화하는 것을 가능하게 하였다.본 연구는 기존의 이중 에너지 컴퓨터 단층촬영(DECT)을 이용하여 병변의 상세한 위치 파악과 물질 감별을 가능하게 함으로써 척추 통풍 진단의 정확도를 향상시키는 데 중요한 기여를 할 것으로 생각한다. 또한, 치료 반응을 모니터링하고 치료 효과를 평가하는 데 유용한 도구로 활용될 수 있을 것이다.

목차

Abstract
요약
1. Introduction
2. Materials and Methods
2.1 Dual-Energy Computed Tomography
2.2 Image Acquisition and Preprocessing
2.3 Image Processing Algorithm
2.4 Computational Environment
3. Experiment and Results
3.1 Verification by Neyral Networks
3.2 Gout Region Visualization
4. Discussion
4.1 Comparison with Prior Studies
4.2 Clinical and Technical Implication
4.3 Study Limitations
4.4 Future Directions
5. Conclusion
REFERENCES

저자

• Hwunjae Lee [ 이훈재 | Research Assistant Professor, YUHS-KRIBB Medical Convergence Research Institute, Yonsei University College of Medicine/Research Assistant Professor, Graduate Program of Biomedical Engineering, Yonsei University College of Medicine ] Corresponding Author

참고문헌