Maximum Tissue Contrast Index (mTCI) Histogram Density Modeling And Decomposition
[cite]10.1167/iovs.11-8755[/cite]
Histogram Density Modeling and Decomposition
다른 이미지들과 마찬가지로 OCT 이미지의 픽셀들을 배경과 물체 두 부분으로 나눌 수 있다. 배경에 해당하는 부분은 유리체나 안구 조직 밖에 해당하는 부분이 포함되고, 나머지 안구 조직에 해당하는 부분이 물체 부분이라 할 수 있다.
OCT 이미지의 히스토그램과 이에 대한 누적 분포가 논문의 그림 A1에 나타나있다. 히스토그램은 개략적으로 두개의 봉우리가 있는 형태로 나타나며 낮은 값을 갖는 봉우리는 배경에, 높은 값에 해당하는 것은 조직에 해당하는 봉우리가 될 것이다. 그림에서 N1, N2, N3로 배경의 봉우리와 배경과 조직을 나누는 경계, 그리고 이미지가 포화(Saturation)되는 지점을 표시하고 그 픽셀 값의 해당하는 누적 분포 값을 cN1, cN2, cN3로 나타내었다. 여러 다른 상황이나 촬영하는 물체에 따라 물체의 값 분포는 달라지겠지만 배경 부분은 일정한 수준을 유지할 것이기 때문에 cN1, cN2는 이미지가 달라지더라도 변하지 않을 것이다.
이 cN1, cN2를 측정하기 위하여 아무런 물체도 찍히지 않은 영상을 이용하도록 하자.
$$cN_1 / cN_2 = cN_{1B} / cN_{2B}$$
여기서 $ cN_{1B} $는 배경에 관한 봉우리의 CDF값이고 $ cN_{2B} = 99.9\% $이다.
정확도를 높이기 위해서 실제 구현에서는, $ cN_{1B} $대신, 히스토그램 피크의 95% 이상인 부분의 값을 사용하였다.
이제 $ N_1, N_2, N_3 $를 이용하여 mTCI를 계산할 수 있다.
$$mTCI = (N_3 - N_1) / (N_2 - N_1)$$