뉴로-퍼지와 PIV를 이용한 모세혈관 혈류속도 검출에 관한 연구

Abstract

[한글]모세혈관은 인체의 각 조직에서 영양분과 노폐물을 서로 교환하는 역할을 하므로 모세혈관의 혈류 속도는 조직의 항상성 유지 상태를 판단할수 있는 중요한 지표이다.

모세혈관의 혈류속도를 측정하기 위한 기존의 방법은 유량의 입자 패턴을 추적하도록 되어있었기 때문에 비정형질 형태의 혈류 영상에 적용하기에는 한계가 있었으며 측정자의 경험에 의해 속도 측정이 가능한 프레임 구간을 선택해야 하는 단점이 있었다.

본 논문에서는 뉴로-퍼지와 PIV기법을 이용하여 모세혈관 영상으로부터 혈류속도의 검출 및 검출유무판단을 할 수 있는 새로운 방법을 제안하였다. 제안된 방법은 획득된 혈류영상에 PIV기법을 적용하여 기존의 입자패턴 기반의 속도검출방식이 아닌 혈류 프로파일 기반의 상호상관분석을 이용하여 혈류 속도를 검출하였다. 또한 뉴로-퍼지기법을 적용함으로 기존의 수동방식에 의한 혈류속도 측정시 측정자가 속도검출 가능성을 판정하였던 불편함을 없애고 전체적인 측정을 자동화하였다.

제안된 기법을 적용하기 위해 획득된 모세혈관 영상은 500배로 확대된후 320x240의 해상도와 초당 30 프레임의 속도로 저장이 된다. 획득된 영상신호는 농도를 균일하게 분포시키는 농도 평탄화 과정과 유입된 랜덤잡음을 제거하기 위한 메디안 필터를 적용하여 전처리하였다. 또한 고배율 촬영으로 인해 발생하는 영상의 흔들림 현상은 프레임 전체에 대한 상호상관분석을 이용하여 보정하였고, 입력된 영상에서의 실제 변위값 보정을 위해 마이크로 눈금자를 촬영하여 최종적으로 혈류속도를 측정하였다.

전처리 된 영상으로부터 PIV 방법을 적용하여 선택된 영역의 프로파일을 각 프레임마다 추출하였고 상호상관분석에 의해 속도를 구하기 전에 해당 영역에서 속도 검출이 가능한지의 여부를 뉴로-퍼지 기법중의 하나인 DENFIS를 이용하여 판단하였다. DENFIS 추론 시스템에 이전 두 프레임의 프로파일과 다음 프레임의 프로파일을 각각 입력과 출력으로 설정 하고 이전 두 프레임의 프로파일로 다음 프레임의 프로파일을 얼마나 정확히 예측할 수 있는지를 나타내는 NDEI값을 이용하여 속도 검출 가능여부를 판단하였다.

측정값에 대한 신뢰성 평가를 위해 안정상태 및 커프 가압하여 얻은 실험결과를 기존에 사용되던 수동 측정법과 비교하였으며, 상기의 과정을 통하여 구해진 결과를 통하여 얻은 결론은 다음과 같다.

(1) 모세혈관 영상을 상호상관분석을 통하여 흔들림을 보정함으로써 보정 전의 약 30% 수준으로 흔들림을 줄일 수 있었다.

(2) 뉴로-퍼지를 이용하여 프로파일 패턴의 예측 가능성을 판단함으로써 상호상관계수를 비교하는 것으로는 판단하기 어려운 경우에도 동일한 패턴 진행의 여부를 판단할 수 있었다.

(3) DENFIS의 추론 결과로 발생된 NDEI값을 이용하여 패턴의 예측가능성을 판단할 수 있었다.

(4) 프로파일에 대한 상호상관분석법에 의해 모세혈관 내부를 흐르는 혈액의 속도를 검출할 수 있었으며 안정 상태와 커프실험 결과 수동 측정법과 비교하여 각각 12.9%, 10.7%의 검출 오차를 나타냈다.

[영문]Capillary blood flow velocity is an important factor for estimation of homeostasis in tissue fluid since capillaries play a vital role in the exchange of nutrients and waste products. The former measurement method of blood flow velocity has disadvantages of tracking particle pattern during flow and requiring many experiences of measurement. These mean that it has limitation of using for non-particle type image of capillary blood flow and examiner must select manually detecton periods of frame.

This paper describes measurement method of blood flow velocity from capillary images and decision method of possibility for velocity measurement by neuro-fuzzy. After image acquisition, PIV method was used for detection of capillary blood flow velocity.

For using proposed method, capillary blood flow image was magnified by 500 times and acquired by speed of 30 frames per second with 320x240 resolution. And then, pre-peocessing that is contrast equalization and median filter for elimination of random noise was adopted. The tremble of image due to high magnification was compensated by cross-correlation method over all pixels of image frame, and blood flow velocity was measured by acquired frame image of micro-grid ruler for calibration process.

After line profiles of each frame were extracted from pre-processed image, a possibility of velocity detection was estimated by DENFIS one of many neuro-fuzzy algorithms and capillary blood flow velocity was calculated from cross-correlatoin of each profile. The former two profiles and the next profile were setted up two inputs and one output respectively. A possibility of velocity detection was estimated by using NDEI value which is represented how to predict accurately the next output profile using two input profiles.

In order to estimate reliability of measurement result, result of manual measurement method was compared with result of prorposed method by experiment for measuring blood flow velocity in subject’s stable status and in a cuff inflated status. After above processes, final conclusions were shown as follows.

(1) The tremble rate of image was reduced to 30% of original image by using the trembling compensation process.

(2) Even if it was difficult to estimate manually which was available or not to measure blood flow velocity, proposed method could estimate a possibility of velocity detection from adopting neuro-fuzzy algorithm.

(3) By using NDEI derived from DENFIS process, the prediction of profile pattern was estimated.

(4) Capillary blood flow velocity was measured by cross-correlation of profiles. As result, velocity detection errors for experiments in stable status and in cuff inflating status between manual measurement method and proposed method were 12.9% and 10.7%, respectively.