臺灣博碩士論文加值系統

摘要
無線膠囊內視鏡上市後，有助於小腸疾病的診斷。而膠囊內視鏡診斷的最大缺點，在於一位病人之診斷影像高達五萬六千幅，一位熟練的專業醫師，需要耗費2∼3小時進行診斷。本研究目的在發展一套利用影像處理及輔助醫師診斷的系統，以加速醫師診斷的效率，並協助醫師診斷腸道疾病。
本研究透過撰寫*.grml格式，事先擷取出完整病人資料，並針對小腸出血點的特徵、腸道阻塞的特徵及腸壁白點的特徵，來預先偵測腸道內可疑疾病的部份。所利用影像處理的方法，包括YIQ、AC1C2、HSI色彩空間的轉換、直方圖分析與區域成長，分析腸道病理病徵的特徵參數。並以最佳之接受者操作特徵曲線 (ROC, Receiver Operating Characteristics)，分析符合其條件下最大的正確率，選取出最佳的面積閥值來減少FP 數目。並藉由使用者介面，提供影片播放、縮圖瀏覽、時間軸、預先處理病徵區、歸納及診斷記錄等，來輔助專業醫師診斷。
本系統於實際病例測試中，分批處理與擷取完整病人資料平均花費36分鐘；依照影片的編排次序讀取AVI檔案與執行病徵的判斷法則，大約需要2個小時；而其判斷法則的正確率為0.85、敏感度為0.945、有效性為0.667及信賴度為0.843。其中FN AVI影片段落，經由實際的病例發現，可由下一段落AVI影片中偵測出該病徵，因此對於同一個病人來說並不會造成診斷上病徵的漏失。而本研究所設計之系統在與原系統之RAPIDTM軟體比較之後，使用預先找出病理特徵之實際效應，能使得專業醫師之負擔不再沈重，而且自動化分析所增加技術人員之操作程序，也不會複雜。
整體而言，本研究以影像分析來輔助醫師診斷，確實能加速醫師診斷疾病並輔助醫師更加了解患者的情況，進而增加醫療的品質。未來有三個努力方向：(1)增加臨床病例之收集與增加其他腸道病徵之參數，提高系統之敏感度；(2) 配合多部電腦分析以加快執行判斷法則的速度及特徵的細節；(3) 把判斷法則模組化，以適應不同系統。並利用DICOM及HL7標準，將醫師的診療結果與院內PACS、HIS系統結合，達成醫療影像傳輸標準化與醫師經驗的交流與成長。

Abstract
Wireless capsule endoscopy made a contribution to the diagnosis of the small intestines disease after appearing on market. The most disadvantage of wireless capsule endoscopy was taking 2-3 hours to diagnose 56000 images for one patient. The goal of this study was to develop a set of utilizing image processing and assisting doctor diagnosis system in order to improve the efficiency of doctor's diagnosis and help doctor diagnosis disease of the small intestines.
This study could catch the complete data of the patient by writing the format of *.grml in advance. The suspicious disease on the small intestines capsule endoscopy images were detected in advance by using properties of (1) the Suspected Blood Indicator (SBI), (2) the chyme blocked, and (3) white point of the small intestines. Image process methods which included the YIQ color model transforming, the AC1C2 color model transforming, the HIS color model transforming, histogram analyzing, and region growing were used to analyze the feature parameters of the small intestines disease. Furthermore, the best Receiver Operating Characteristics (ROC) curve was supported to analyze the area threshold of the maximum accuracy for reducing the number of false positive (FP). Also, displaying in Graphical User Interface (GUI) which provided the results of pretreatment, such as the video broadcasting, the feature pictures browsing, the time tracking, the pretreatment marking, and the record concluding, etc. were used to help doctor diagnosis disease of the small intestines.
After the testing of real case, following results are obtained. (1) For time consuming: it cost 36 minutes on average to segment and catch the complete data for one patient, and took about 2 hours to read a sequence of the AVI films and carry out the judgment rules of the small intestines disease; (2) For the evaluation of judgment rules: the accuracy was 0.85, the sensitivity was 0.945, the specificity was 0.667, and the Kappa was 0.843, respectively. According to the AVI films of false negative (FN) in actual cases, the suspicious disease through the next AVI films could be detected. Therefore, detecting the suspicious disease couldn’t be lost for the same patient in our system. Finally, we found a great effect of the pretreatment from the comparison of RAPIDTM software and our system. Our system could reduce the diagnosis time and easily use for technician.
The accomplishment of our system could provide image processing to assist doctor diagnosis and get promoted the healthcare quality. In the future, there are three aims in our studies. One is to increase the clinical cases collections and feature parameters of other small intestines diseases so that it could raise the sensitivity of system. The second is to use parallel computing to speed up judgment rules. The third is to make judgment rules become a module to adapt to different system. Moreover, the implementation of DICOM and HL7 standards into this system which make easy to combine with PACS and HIS could exchange the experience of physicians and patient record through network.

目 錄
摘要（中文）..i
摘要（英文）..iii
謝誌..v
目錄..vi
圖索引..viii
表索引..xii

第一章 緒論..1
1-1 前言..1
1-2 研究背景..1
1-3 文獻回顧..4
1-4 研究目的..6
1-5 論文架構..7
第二章 理論基礎..9
2-1 消化道內小腸影像特徵..9
2-2 色彩空間的轉換..12
2-2-1 YIQ彩色模型..12
2-2-2 AC1C2彩色模型..13
2-2-3 HSI彩色模型..19
2-2-4 彩色維度的選擇..22
2-3 直方圖的介紹與處理..25
2-4 區域成長法的介紹..27
第三章 材料與方法..29
3-1 實驗流程..29
3-1-1 分批處理與擷取資料..29
3-1-2 依序讀取AVI檔案與執行判斷法則..31
3-1-3 將資料集合併並顯示於使用者介面上..32
3-2 設備及材料..33
3-3 判斷準則..34
3-4 系統評估方法..41
3-5 實驗設計..42
第四章 結果與討論..45
4-1 完整病人資料的取得..45
4-2 特徵參數面積閥值的選取..49
4-2-1 出血特徵面積閥值的選取..50
4-2-2 潰瘍白點特徵面積閥值的選取..52
4-2-3 腸道阻塞特徵面積閥值的選取..54
4-3 讀取病人資料與找尋病徵所在位置..58
4-4 使用者介面..60
4-5 系統評估與討論..61
4-5-1 系統判斷法則的效能評估..61
4-5-2 FN處病徵之討論..63
4-5-3 時間軸於連續影像的討論..65
4-5-4 本系統與原系統之比較..68
第五章 結論與未來展望..70
5-1結論..70
5-2未來展望..71
參考文獻..74
附錄..76
作者自述..79

圖 索 引
圖2-1 胃部影像..9
圖2-2 健康小腸影像..9
圖2-3 小腸大量出血影像..10
圖2-4 腸壁白點影像..10
圖2-5 腫瘤前阻塞影像..10
圖2-6 潰瘍的演變週期..10
圖2-7 腸道出血部分與YIQ轉換之亮度分量灰階圖..13
圖2-8 圓形色版與無色光軸A、紅-綠對比軸C1和黃-藍對比軸C2轉換..14
圖2-9 陷波濾波器..15
圖2-10 腸壁出血部分經由無色光軸A之轉換，得到右方腸壁與出血處灰階分明之影像..15
圖2-11 經由區域成長法的圈選，藍色部分圈出一清晰的腸壁與出血部分邊界..15
圖2-12 帶拒濾波器（Band Stop Filter I）..16
圖2-13 腸壁腸壁白點部分經由黃-藍對比軸C2之轉換，得到右方腸壁白點大至分出之影像..16
圖2-14 經由區域成長法的圈選，藍色部分圈出腸壁腸壁白點大至分出之邊界..17
圖2-15 具備斜率較緩轉移帶的帶拒濾波器（Band Stop Filter II）..18
圖2-16 腸壁腸壁白點部分經由藍色座標軸之轉換，得到右方腸壁白點模糊地帶也能分出之影像..18
圖2-17 經由區域成長法的圈選，藍色部分圈出腸壁腸壁白點較大模糊地帶之邊界..18
圖2-18 HIS彩色三角形及HIS彩色立體圖..19
圖2-19 圓形色版與HS circle..20
圖2-20 紅至綠等漸層色與其HS circle..20
圖2-21 綠至紫等漸層色與其HS circle..20
圖2-22 健康腸道影像與其HS circle..21
圖2-23 腸道阻塞影像與其HS circle..21
圖2-24 單一維度參數成長為多維度參數..22
圖2-25 多維度參數簡化為單一維度參數..23
圖2-26 色調為紅色之飽和度與強度顏色階層圖..24
圖2-27 色調為黃色之飽和度與強度顏色階層圖..24
圖2-28 色調為綠色之飽和度與強度顏色階層圖..25
圖2-29 細胞之灰階影像與其細胞核、細胞質與背景直方圖分佈..26
圖2-30 胃部的膠囊內視鏡影像及其256色灰階影像與直方圖..26
圖2-31 出血部分的膠囊內視鏡影像及其256色灰階影像與直方圖..27
圖2-32 腸壁出血灰階影像，右上為出血部分右下為腸道直方圖分佈..27
圖2-33 區域圈選與像素聚積成長法..28
圖3-1 實驗流程圖..30
圖3-2 *.grml 語法格式..31
圖3-3 時間軸上，整段病人的小腸膠囊內視鏡影片的分佈次序..32
圖3-4 系統架構圖..33
圖3-5 健康腸道之HS circle分佈..35
圖3-6 分析最適當特徵值範圍的流程圖..36
圖3-7 用適應性法縮減處理時間的流程圖..36
圖3-8 皺折反光處與腸壁白點..37
圖3-9 長瘤部分的影像及阻塞處前影像..38
圖3-10 腸道阻塞之HS circle分佈..39
圖3-11 連續2個大量出血小腸腸道的膠囊內視鏡灰階影像..39
圖3-12 連續2個腸道食糜阻塞的膠囊內視鏡灰階影像..40
圖3-13 連續2個腸壁白點的膠囊內視鏡灰階影像..40
圖3-14 評估參數示意圖..41
圖3-15 擷取完整病人資料的流程圖..43
圖3-16 執行判斷法則的流程圖..43
圖3-17 使用者介面所具備的三要素..44
圖4-1 Read_First 擷取病人資料應用程式..46
圖4-2 按下Open鍵打開病人資料..46
圖4-3 病人之*.grml 檔案內容..46
圖4-4 Check_Again 檢查病人資料是否齊全..48
圖4-5 Check 病人之*.jpg檔..48
圖4-6 按下Open 鍵確認及開啟病人檔案..48
圖4-7 病人補齊之*.grml 檔案內容..49
圖4-8 出血部份接受者操作特徵曲線..51
圖4-9 以正確率選取出血部份所佔適當的面積比例作為閥值的曲線圖..52
圖4-10 腸壁白點部份接受者操作特徵曲線..53
圖4-11 以正確率選取腸壁白點部份所佔適當的面積比例作為閥值的曲線圖..54
圖4-12 腸道阻塞部份上邊界閥值接受者操作特徵曲線..55
圖4-13 腸道阻塞部份下邊界閥值接受者操作特徵曲線..56
圖4-14 腸道阻塞部份內邊界閥值接受者操作特徵曲線..57
圖4-15 腸道阻塞部份外邊界閥值接受者操作特徵曲線..57
圖4-16 以正確率選取腸道阻塞部份所佔適當的面積比例作為閥值的曲線圖..58
圖4-17 預先處理判斷法則的應用程式..59
圖4-18 程式主畫面...60
圖4-19 幽門環形物特徵..62
圖4-20 微量出血特徵..62
圖4-21 腸炎特徵..62
圖4-22 靜脈擴張特徵..62
圖4-23 接近腸壁色澤腫瘤之特徵..62
圖4-24 白色凸點息肉與腸壁白點之特徵..63
圖4-25 少量食糜阻塞分佈之情形..64
圖4-26 時間軸仍判斷為非特徵的影像..66
圖4-27 時間軸判斷前一段AVI可能具有病徵特徵的影像..66
圖4-28 時間軸判斷後一段AVI可能具有病徵特徵的影像..66
圖4-29 時間軸延伸處理判斷可能具有病徵特徵的影像..68
圖A-1 特徵參數面積閥值選取的實驗流程圖..76
圖A-2 Excel的原始影像記錄檔..77
圖A-3 經由自動判斷後之Excel黑白影像的記錄檔..77
圖B-1 特徵面積所佔百分比..76

表 索 引
表2-1 六個時期的潰瘍情況描述表..11
表3-1 *.grml 語法標籤及註解..31
表3-2 依照不同影像特徵所使用的影像處理方法..32
表3-3 幽門環形物資料，所在位置與時間點..34
表4-1 病人資料的原始Frames數及補足..49
表4-2 出血部份ROC曲線的測試資料..50
表4-3 腸壁白點部份ROC曲線的測試資料..52
表4-4 腸道阻塞部份ROC曲線的測試資料..55
表4-5 病人資料片特徵判斷所花費之時間表..60
表4-6 Test A 判斷準則系統評估表..62
表4-7 Test B 判斷準則系統評估表..63
表4-8 Test C 判斷準則系統評估表..64
表4-9 操作者與使用時間的比較表..68
表A-1 病徵所佔面積..77

參考文獻
[1] 吳靜美，”膠囊內視鏡可照出小腸病變”，聯合報 第6版，民國91年2月24日。
[2] 王正一，下消化道內視鏡學大綱，教育部本土化醫學工程教科書暨醫療器材技術規範編輯委員會 審訂，民國89年。
[3] F. Nebeker, ”Golden Accomplishments in Biomedical Engineering - 50 Years of the IEEE Engineering in Medicine and Biology Society and the Emergence of a New Discipline”, IEEE Engineering in Medicine, Februrary 2002.
[4] F. Gong, P. Swain, and T. Mills, “Wireless Endoscopy”, Gastrointestinal Endoscopy, vol. 51, No. 6 ,pp.725-729, June 2000.
[5] M. Appleyard, Z. Fireman, and A. Glukhovsky, “A Randomized Trial Comparing Wireless Capsule Endoscopy with Push Endoscopy for the Detection of Small-Bowel Lesions.”, Gastroenterology, vol.119, pp.1431-1438, 2000.
[6] D. Cave, ”Wireless Video Capsule Endoscopy.” , Clinical Perspectives in Gastroenterology, vol. 5, No. 4, pp.203, 2002.
[7] B. Lewis and P. Swain, “Capsule Endoscopy in the Evaluation of Patients with Suspected Small Intestinal Bleeding: Results of a Pilot Study.”, Gastrointestinal Endoscopy, vol. 56, No. 3, p349-p353, September 2002.
[8] N. Goldfarb, A. Phillips, M. Conn, B. Lewis, and D. Nash, “Economic and Health Outcomes of Capsule Economic：Opportunities for Improved Management of the Diagnostic Process for Obscure Gastrointes tinal Bleeding.”, Disease Management, vol. 5, No. 3, September 2002.
[9] ACP-ASIM Online, Medicine in Quotations Online, http: // www.acponline.org, December 3, 2002.
[10] 彭清霖，”小腸出血的不明確病灶之臨床分析”，台北市醫師公會學術特區 學術專欄，http://www.tma.org.tw，民國91年11月30日。
[11] 唐政元，彩色內視鏡影像分析於輔助診療下之應用，國立成功大學工程科學研究所碩士學位論文，民國80年6月。
[12] 蕭育霖，彩色影像分割在膀胱癌影像分析之應用，私立長庚大學電機工程研究所碩士學位論文，民國87年6月。
[13] 林志鴻，內視鏡影像之扭曲校正與病兆面積之量測，私立大葉大學電機工程研究所碩士學位論文，民國90年6月。
[14] 陳更欣，”利用碎形維度計算結合叢集電腦對膠囊內視鏡影像進行壓縮之研究”，2002年生物醫學工程科技研討會，pp.35，D1-44，民國91年12月。
[15] 吳成柯、程湘君等譯，R. Gonzalez and R. Woods原著，數位影像處理，第四章，pp.163-259，儒林，民國85年9月初版。
[16] R. Gonzalez and R. Woods, Digital Image Processing, Second Edition, Prentice-Hall, Inc., ch6, pp.282-348, 2002.
[17] 陳亮宇，利用色彩資訊之影像切割方法研究，國立交通大學電子工程研究所碩士學位論文，民國89年6月。
[18] 繆紹綱，數位影像處理 活用Matlab，第十章，pp.10-8，全華，民國88年11月初版二刷。
[19] F. Heijden, Image Based Measurement Systems, Wiley publishing, ch3, pp.33-48, 1995.
[20] 日本RF公司，http://www.rfnorika.com/，民國92年5月5日。
[21] 國防部中山科學研究院電子系統所，醫療系統技術開發四年計畫(第四年度)，民國91年12月。