Abstract
-
Objectives:
- The slippage of the video-nystagmography devices causes motion artifacts in the trajectory of the pupil and thus results in distortion in the nystagmus waveform. In this study, the moving average was proposed to reduce slippage-induced motion artifacts from the real-world data obtained in the field.
-
Methods:
- The dataset consists of an infrared video of positional tests performed on eight patients with a lateral semicircular canal benign paroxysmal positional vertigo. The trajectories of the pupil were obtained from the video with binarization, morphological operation, and elliptical fitting algorithm. The acquired data was observed and the section where the slippage occurred was labeled by an otolaryngologist. The moving average with windows of various lengths was calculated and subtracted from the original signal and evaluated to find the most adequate parameter to reduce the motion artifact.
-
Results:
- The period of nystagmus in the given data was found to be ranged from 0.01 to 4 seconds. The slippages that appeared in the data can be categorized into fast and slow slippages. The length, distance, and speed of trajectories in the slippage ranges were also measured to find the characteristics of the motion artifact in video-nystagmography data. The shape of the nystagmus waveform was preserved, and the motion artifacts were reduced in both types of slippages when the length of the window in moving average was set to 1 second.
-
Conclusions:
- The algorithm developed in this study is expected to minimize errors caused by slippage when developing a diagnostic algorithm that can assist clinicians.
-
Keywords: Vestibular function tests; Benign paroxysmal positional vertigo; Vestibuloocular reflex; Eye-tracking
-
중심단어: 전정기능검사, 양성돌발성두위현훈, 전정안구반사, 시선 추적
서 론
어지럼증은 미국에서 연간 560만 명이 이 증상으로 인해 병원을 방문하는 흔한 증상이며, 이 중 17%에서 47%는 양성돌발성두위현훈(benign paroxysmal positional vertigo, BPPV) 진단을 받는다[1]. BPPV는 비자발성의 주기적 안구 운동인 안진의 양상을 관찰하여 진단할 수 있는데[2], BPPV 안진은 검사자가 피검사자의 자세를 변경하여 전정안반사를 일으키는 방식으로 유발할 수 있다. 빠른 주기와 원래 위치로 복귀하는 느린 주기를 반복하는 특징을 가지는 안진은 세반고리관의 이석의 위치에 따라 다양한 방향으로 일어나며 이는 수평안진, 수직안진, 회선안진 등을 포함한다. 이러한 안진을 관찰하기 위해 사용하는 검사 방법에는 안전위도와 비디오안구운동검사, 공막탐지코일법 등이 있다[3]. 이 중 비디오안구운동검사는 적외선 카메라로 눈을 관찰하기 때문에 비침습적이고 피검사자에게 고통을 주지 않아 최근 널리 사용되고 있다[4]. 그러나 검사를 통해 얻은 안진 영상을 토대로 정확한 진단을 내리기 위해서는 어지러움에 대한 전문적 지식과 훈련을 받은 전문의에 의해서만 이루어질 수 있는데, 어지러움 환자를 모두 수용하기에는 전문의 수가 부족한 현실이다. 이러한 문제를 해결하기 위해서는 안진영상에 대한 자동화된 진단이 필요하다. 최근 영상 처리 기술과 머신러닝의 발달로 인하여 안구 촬영 영상을 이용한 안진 진단 자동화의 시도로, 영상이나 영상 처리 기술을 사용하여 눈의 위치를 탐지한 결과를 입력하여, 안진이 발생한 구간을 탐지하거나 BPPV의 종류를 분류하는 연구가 있었다[5-9].
본 연구에서는 안진 영상에 대한 진단의 자동화를 위해 적외선 영상에서 동공을 추적하여 궤적을 얻었다. 하지만 비디오안구운동검사를 시행할 때는 안진기의 무거운 무게로 자발적으로 미끄러지거나 높은 속도로 자세를 변경하면서 미끄러짐이 발생한다[10-13]. 이러한 미끄러 짐은 안진 영상에서 추적한 동공의 궤적에 동잡음을 유발한다. 기존에는 진단 단계에서 미끄러짐을 예방하고 결과 해석 시 유의하는 노력을 기울였으나[14,15], 신호 처리의 관점에서 동잡음을 제거하기 위한 연구는 없었다. 본 연구에서는 현장에서 검사를 시행할 때 얻은 실제 데이터에서 미끄러짐으로 유발된 동잡음을 제거하고 안진 신호를 분리하기 위하여 이동평균법을 도입하였다. 이를 통해 미끄러짐으로 인한 동잡음만을 제거할 수 있는 가장 적합한 파라미터를 찾기 위해 분석하였다.
대상 및 방법
1. 데이터셋
본 연구는 연세대학교 원주의과대학 생명윤리심의위원회의 승인(No. CR319082)을 받고 모든 실험 대상자로부터 서면 동의를 받은 후 진행하였다. 실험에서 사용한 데이터셋은 연세대학교 원주세브란스기독병원에서 후향적으로 얻은 8개의 비디오안구운동검사 적외선 동영상으로 이루어져 있다. 검사는 8명의 가쪽반고리관 BPPV 환자를 대상으로 이비인후과 전문의가 시행하였다. 안진 방향은 모두 향지성 수평안진(geotropic nystagmus)으로 나타났고, 8명 중 7명이 왼쪽 방향, 1명이 오른쪽 방향이었다. 안진기(Easy-Eyes, SLMED, Seoul, Korea)의 무게는 330 g이고 촬영된 동영상의 해상도는 640×480 pixels (px)이며 초당 프레임 수는 30 frames per second (fps)이다. 화면은 오른쪽과 왼쪽 눈을 비추는 적외선 카메라 영상, 의사와 환자의 전체적인 모습을 보이는 영상으로 구성되어 있다. 하나의 환자 동영상에서 앉은 자세에서의 자발안진 검사(spontaneous nystagmus test), Dix-Hallpike 검사, 앙와위 머리회전 검사(supine roll test), 머리흔듦 검사(head-shaking test), 고개숙임-젖힘 검사(bow and lean test)에 따른 안진을 포함하였다. 미끄러짐 동잡음을 분석하기 위해서 획득한 데이터를 관찰하여 미끄러짐이 발생한 구간을 2인의 이비인후과 전문의가 표시하였다.
2. 동공 추적
비디오안구운동검사 영상에서 동공의 궤적을 구해 분석하기 위하여 동공 추적 알고리즘을 적용했다. 동공 추적 알고리즘은 영상을 이진화한 후 모폴로지 연산(morphological operation)을 통해 노이즈를 제거하고 타원 근사하여 동공의 중심을 찾는 알고리즘으로 구성되어 있다(Fig. 1).
먼저 각 눈의 위치 정보를 분리하여 얻기 위해서 프레임마다 양 눈을 비추는 영역을 나누었다. 영상에서 동공은 홍채와 공막 등 눈과 그 주위의 다른 요소보다 명도가 낮은 특징을 가지고 있으므로 이진화를 통해 화면에서 어두운 부분을 구했다. 이진화 영상에서는 동공이 아닌 속눈썹이나 아이라인, 좌우를 표시하는 문자 등 여러 잡음이 포함되어 있다. 비디오안구운동검사 장비는 외부의 빛을 차단하는 암시야를 제공하여 동공의 크기가 큰 경향이 있으므로 잡음을 제거하기 위하여 이진화 영상에서 연결된 요소(connected components) 중 가장 큰 영역을 동공이라 가정하여 선택했다. 잡음이 선택된 영역에 위치하면 포함될 수 있어 모폴로지 연산을 통해 처리했다. 동공은 타원의 형태로 이루어져 있으므로 원형의 커널을 사용하여 팽창과 침식을 적용해 빈 곳이나 뾰족한 형태의 잡음을 제거했다. 적외선 카메라의 광원이 동공에 반사되면 밝은 영역을 생성하여 이진화 시 모폴로지 연산으로 처리하기 어려운 큰 공간이 생성된다. 이를 제거하기 위하여 영상의 모든 윤곽을 구해 가장 영역이 큰 윤곽을 선택했다.
동공의 중심을 구하기 위해서 선택된 영역의 무게중심을 사용하면 동공이 눈꺼풀에 가려졌을 때 중심이 왜곡되는 단점이 있다. 이를 방지하기 위해 타원 근사 알고리즘을 사용하여 선택된 영역을 타원 근사하고 그 중심을 동공의 위치로 지정했다[16].
3. 동잡음 제거
동공 추적 알고리즘을 통해 획득한 동공의 궤적에서 동잡음을 제거하기 위해 이동평균법을 도입했다(Fig. 2). 이동평균법은 사용자가 선택한 길이의 구간에서 평균을 계산하는 방법으로, 안진 신호의 전처리로도 사용하는 알고리즘이다[17]. 이동평균법은 비주기적인 신호에서 적응하는 특성이 있어, 비주기적이고 낮은 주파수를 가진 비디오안구운동검사의 동잡음을 효과적으로 제거할 수 있을 것으로 판단하였다. 가장 적합한 파라미터를 찾기 위하여 0.3초, 0.7초, 1초, 2초, 3초, 4초, 5초, 10초, 15초의 윈도우를 가진 이동평균을 계산하고, 원신호와의 차를 구하여 동잡음을 제거했다. 이동평균 계산과 동잡음 제거는 다음과 같은 식을 사용하여 구했다.
이때 MA(t)는 동공의 궤적 x(t)의 이동평균이고, w는 이동평균의 파라미터 윈도우의 길이이며, x^(t)는 동잡음을 제거한 동공의 궤적을 의미한다.
결 과
1. 안진 파형 및 동잡음 신호 분석
동공 추적 알고리즘을 이용하여 획득한 동공 궤적에서 나타나는 안진 파형을 분석했다. 안진 파형은 8개의 모든 데이터에서 나타났으며, 파형의 주기는 0.01초에서 4초까지로 넓은 범위를 보였다.
안진기에서 발생하는 동잡음의 특성을 파악하기 위하여 영상에서 나타나는 동잡음의 특징을 분석했다. 영상에서 나타나는 동잡음의 종류는 짧은 시간 내에 위치가 빠르게 변화하는 빠른 동잡음과 긴 시간 동안 위치가 느리게 변화하는 느린 동잡음으로 구성되어 있었다. 빠른 동잡음은 높은 속도로 이동하기 때문에 안진을 포함하지 않았고, 느린 동잡음은 낮은 속도로 이동하여 안진을 포함하고 있는 경우가 잦았다. 잡음의 원인에는 기기의 무게에 의한 움직임과 피검사자의 시선 변경 등 자발적인 원인과, 검사자의 기기 위치 조정과 카메라 조정 등 비자발적인 원인이 있었다. 이 중 피검사자의 시선 변경을 제외하고 화면이 움직여 영상에서 눈의 위치가 변화하는 잡음을 미끄러짐이라 정의하고 분석했다.
다음으로는 이비인후과 전문의가 표시한 미끄러짐 구간에서 나타나는 잡음을 분석했다. 표시된 잡음 구간은 총 18회였으며, 8개의 데이터에서 모두 발견되었고, Dix-Hallpike 검사에서 13회, 앙와위 머리회전 검사에서 4회, 머리흔듦 검사에서 1회 나타났다. 오른쪽과 왼쪽 눈의 데이터를 분리하여 미끄러짐 구간의 길이, 이동 거리, 이동 속도를 확인했다(Table 1). 길이의 평균은 16.1±8.2초(범위, 4–35초), 이동 거리의 평균은 70.7±36.1 px (범위, 11.4– 148.5 px), 이동 속도의 평균은 5.9±5.7 px/sec (범위, 0.6– 25.0 px/sec)로 나타났다.
2. 동잡음 제거
동잡음을 제거하기 위한 이동평균의 최적 파라미터를 구하기 위해서 0.3초, 0.7초, 1초, 2초, 3초, 4초, 5초, 10초, 15초의 윈도우를 가진 이동평균을 구하고 원신호와의 차를 구했으며 분석 시에는 x축 신호를 사용하였다. 길이가 10초 이상이고 속도가 20 px/sec 이하인 느린 동잡음에서는 윈도우의 길이가 1초 이상일 때 안진 파형이 왜곡되지 않았으며 윈도우의 길이가 3초 이하일 때 동잡음이 제거되어 신호가 평탄화되는 모습을 보였다(Fig. 3). 길이가 1초 이하이고 속도가 300 px/sec 이상인 빠른 동잡음에서는 윈도우의 길이가 0.3초 이상일 때 안진 파형이 왜곡되지 않았으며 윈도우의 길이가 1초 이하일 때 동잡음이 제거되어 파형의 높이가 일정하게 유지되는 모습을 보였다.
고 찰
BPPV에서 나타나는 안진은 비디오안구운동검사의 적외선 영상에서 관찰할 수 있다. 그러나 안진검사를 시행하기 위해서는 전문적인 지식을 요구하며 진단 지표로 사용되는 안진은 짧은 기간에 짧은 주기로 나타나기 때문에 훈련되지 않은 비전문가의 진단은 어렵다. 향후 급증하는 어지러움 환자에 대한 전문의의 부족을 극복하기 위해 딥러닝 안진 분석, 혹은 자동화된 안진 분석 프로그램이 개발될 것으로 예상된다. 안진 영상을 정확하게 분석하기 위해서는 먼저 동공의 중심을 정확하게 찾아야 하는 데, 동공의 중심을 찾는 데 방해가 되는 요소는 여러가지가 있다. 눈썹 혹은 짙은 화장 때문에 동공을 구분하기 힘든 경우나, 안진기의 미끄러짐에 의해 동공의 중심이 바뀌는 경우가 안진 영상을 자동화하여 판단하는 데 어려움을 줄 수 있을 것이다. 기존에 안진 신호에 대한 연구나 안진기의 미끄러짐을 방지하려는 연구가 있었지만, 안진 신호에서 미끄러짐으로 인해 발생하는 동잡음을 신호 처리의 관점으로 접근한 사례는 없었다. 본 연구에서는 비디오안구운동검사 영상에서 동공의 추적을 통해 궤적 신호를 획득하고, 신호에서 나타나는 안진 파형의 특성과 미끄러짐으로 비롯된 동잡음을 정량적으로 분석하였다. 이렇게 분석한 결과를 바탕으로 동잡음 제거 알고리즘을 설계하여 미끄러짐으로 인한 동잡음을 개선하고자 시도하였다.
본 연구에서 사용한 데이터에서 나타난 안진 파형은 0.01초에서 4초로, 이는 기존 연구에서 알려진 주기와 유사했다[18]. 이비인후과 전문가가 표시한 미끄러짐 구간의 길이, 이동 거리, 이동 속도를 계산했을 때 이동 거리와 이동 속도의 평균은 모두 x축이 y축보다 1.5배 높게 나타났으며 최댓값은 이동 거리에서는 x축이 y축보다 1.6배 높고 이동 속도에서는 유사한 것을 확인할 수 있었다. 미끄러짐 구간에서 x축보다 y축의 이동거리가 작은지 확인하기 위하여 윌콕슨 부호 순위 검정을 시행하였고, 유의수준 0.05에서 유의성을 보였다. 미끄러짐 구간의 x축보다 y축의 이동 속도가 낮은지 검정하였을 때 유의수준 0.1에서 유의성을 보였다. 이는 동공이 미끄러짐 구간에서 x축 방향으로 더 많이 이동함을 의미하며, 미끄러짐이 x축에서 우세하게 나타난다고 판단하였다. 구간의 길이는 최소 4초에서 35초로 나타났으나 하나의 구간 내에서 2회 이상의 미끄러짐이 발생하는 경우가 포함되어 있었다.
가쪽반고리관 BPPV의 안진은 수평 방향으로 나타나고[19] 미끄러짐 구간 분석에서 x축에서 미끄러짐이 우세하게 나타났으므로 x축 신호를 사용하여 동잡음 제거를 진행하였다. 빠른 동잡음과 느린 동잡음의 특성이 다르므로 두 종류의 신호에서 0.3초에서 15초 사이의 윈도우를 설정한 이동평균을 제거했을 때 나타나는 결과를 비교하였다. 빠른 동잡음에서는 상대적으로 짧은 윈도우를 사용했을 때 결과가 우수했으며 느린 동잡음에서는 상대적으로긴 윈도우를 사용했을 때 결과가 우수했다. 이는 빠른 동잡음이 느린 동잡음보다 작용하는 구간의 길이가 짧은 경향이 있으므로 이러한 결과를 보였을 것으로 추측된다. 따라서 두 가지 종류의 동잡음을 제거할 수 있는 파라미터는 1초 부근이므로 1초를 선택하는 것이 적절하다.
결 론
본 연구에서는 BPPV 진단의 자동화를 위하여 비디오 안구운동검사 적외선 영상에서 동공 중심 추적을 통해 안진 궤적을 추출하고, 안진기에서 빈번하게 발생하는 미끄러짐으로 유발된 동잡음을 제거하기 위해서 이동평균법을 사용한 동잡음 제거 알고리즘을 제안했다. 획득한 데이터에서 진단 시 빠른 속도로 자세를 변경할 때 발생하는 빠른 동잡음과 고글의 무게에 의한 느린 동잡음을 발견하였으며, 두 종류의 동잡음을 모두 제거하기 위한 최적의 파라미터를 찾았다. 그러나 본 연구에서 제안하는 파라미터를 사용했을 때 해당 파라미터보다 짧은 길이의 동잡음을 효과적으로 제거하지 못하고 주기가 긴 안진을 왜곡할 위험이 있다. 또한 동공의 궤적에서 환자의 수의적 눈의 움직임이나 체위 변환 중 발생하는 움직임과 같이 미끄러짐 외에 발생하는 잡음까지 탐지되기 때문에 이러한 잡음을 고려할 필요가 있다. 다양한 주기의 안진을 보존하고 모든 종류의 잡음을 제거하기 위해서는 안진 파형과 안진기에서 나타나는 잡음의 특징을 더 자세히 분석하고 상황에 따라 적응하는 추가적인 알고리즘의 연구가 필요하다. 또한 정상군이 없으므로 향후 연구에서 데이터를 보강하여 두 집단 간의 미끄러짐의 양상과 알고리즘 적용 결과를 비교하여 분석할 필요가 있다. 본 연구에서 개발한 알고리즘을 통해 향후 비디오안구운동검사의 영상에서 동공의 위치를 데이터화하고 진단 보조 알고리즘을 개발하면, 미끄러짐의 발생으로 인한 오류를 최소화할 수 있을 것으로 기대된다.
ARTICLE INFORMATION
-
이해관계(CONFLICT OF INTEREST)
저자들은 이 논문과 관련하여 이해관계의 충돌이 없음을 명시합니다.
-
연구 지원(FUNDING/SUPPORT)
이 연구는 보건복지부의 재원으로 범부처 재생의료기 술개발사업단의 범부처 재생의료기술 개발사업 지원(No. 21A0101L0)과 2022년도 교육부의 재원으로 한국연구재단 의 지원을 받아 수행된 지자체-대학 협력기반 지역혁신 사업(2022RIS-005)을 받아 수행되었습니다.
-
저자 기여(AUTHOR CONTRIBUTIONS)
CConceptualization, Investigation, Project administration: SY, YJS; Data curation: YJS, YL; Methodology, Formal analysis, Visualization: YL; Writing–original draft: YL; Writing–review & editing: all authors.
All authors read and approved the final manuscript.
Fig. 1.The process of pupil tracking algorithm. (A) The original image. (B) The binarized image. (C) The connected component with the largest area in B was selected. (D) Morphological operation of C. (E) The largest contour in D was selected. (F) The result of ellipse fitting, the larger ellipse depicts the estimated ellipse from E and the smaller circle depicts the center of the estimated ellipse.
Fig. 2.An overview of the motion artifact reduction algorithm. The trajectory of the pupil was acquired through the pupil tracking algorithm from the video-nystagmography data, the moving average was calculated based on the set window length, and the difference from the original signal was obtained to derive the result.
Fig. 3.Examples of x-axis pupil trajectory of the slow slippage (A) and the fast slippage (B) appear in the slippage section. The first column is the original signal of each slippage, and the second to the fourth column is the result of the slippage reduction algorithm with windows of 0.3, 1, and 4 seconds, respectively. The orange box indicates the best output of the slippage reduction results.
Table 1.The duration, distance, and velocity of the labeled slippage section (n=18)
Parameters |
Data |
p-value |
Duration (sec) |
16.1±8.2 (4–35) |
|
Distance (px) |
|
|
X-axis |
52.2±39.3 (3–143) |
0.04 |
Y-axis |
35.1±28.8 (1–87) |
|
Total |
70.7±36.1 (11.4–148.5) |
|
Velocity (px/sec) |
|
|
X-axis |
4.4±5.0 (‒23.5) |
0.07 |
Y-axis |
2.9±3.8 (0.1–21.0) |
|
Total |
5.9±5.7 (0.6–25.0) |
|
REFERENCES
- 1. B hattacharyya N, Gubbels SP, Schw artz SR, Edlow JA, El-Kashlan H, Fife T, et al. Clinical practice guideline: benign paroxysmal positional vertigo (update) executive summary. Otolaryngol Head Neck Surg 2017;156:403–16.ArticlePubMedPDF
- 2. Hertle RW. Nystagmus in infancy and childhood: characteristics and evidence for treatment. Am Orthopt J 2010;60:48–58.ArticlePubMed
- 3. Ganança MM, Caovilla HH, Ganança FF. Electronystagmography versus videonystagmography. Braz J Otorhinolaryngol 2010;76:399–403.PubMed
- 4. A ydemir A, U neri A. Detection and analysis of quick phase eye movements in nystagmus (VNG). In: 2006 IEEE 14th Signal Processing and Communications Applications; 2006 Apr 17-19; Antalya, Turkey. IEEE. 2006.
- 5. Padmanabhan R, Meskin N, Khattab T, Shraim M, Al-Hitmi M. Reinforcement learning-based decision support system for COVID-19. Biomed Signal Process Control 2021;68:102676. ArticlePubMedPMC
- 6. Lim EC, Park JH, Jeon HJ, Kim HJ, Lee HJ, Song CG, et al. Developing a diagnostic decision support system for benign paroxysmal positional vertigo using a deep-learning model. J Clin Med 2019;8:633. ArticlePubMedPMC
- 7. Slama AB, Sahli H, Mouelhi A, Marrakchi J, Trabelsi H, Sayadi M. Machine learning based approach for vestibular disorder diagnostic in videonystagmography. Biomed Res 2019;30:571–8.Article
- 8. Reinhardt S, Schmidt J, Leuschel M, Schüle C, Schipper J. VertiGo: a pilot project in nystagmus detection via webcam. Curr Dir Biomed Eng 2020;6:20200043. Article
- 9. Gw on OH, Kong TH, Key J, Y ang S, Seo YJ. Auto-pattern recognition for diagnosis in benign paroxysmal positional vertigo using principal component analysis: a preliminary study. Res Vestib Sci 2022;21:6–18.ArticlePDF
- 10. Suh MW, Park JH, Kang SI, Lim JH, Park MK, Kw on SK. Effect of goggle slippage on the video head impulse test outcome and its mechanisms. Otol Neurotol 2017;38:102–9.ArticlePubMed
- 11. Macdougall HG, McGarvie LA, Halmagyi GM, Curthoys IS, Weber KP. The video Head Impulse Test (vHIT) detects vertical semicircular canal dysfunction. PLoS One 2013;8:e61488.ArticlePubMedPMC
- 12. Hayashi Y, Kanzaki J, Etoh N, Higashino K, Goto F, Schneider E, et al. Three-dimensional analysis of nystagmus in benign paroxysmal positional vertigo: new insights into its pathophysiology. J Neurol 2002;249:1683–8.PubMed
- 13. Seo YJ, Park YA, Kong TH, Bae MR, Kim SH. Head position and increased head velocity to optimize video head impulse test sensitivity. Eur Arch Otorhinolaryngol 2016;273:3595–602.ArticlePubMedPDF
- 14. Roh KJ, Kim JY, Son EJ. Comparison of suppression head impulse and conventional head impulse test protocols. Res Vestib Sci 2019;18:91–7.ArticlePDF
- 15. Chang TP, Zee DS, Kheradmand A. Technological advances in testing the dizzy patient: the bedside examination is still the key to successful diagnosis. In: Gleason AT, Kesser BW editors. Dizziness and vertigo across the lifespan. St. Louis: Elsevier Inc.; 2019. p.9–30.
- 16. Fitzgibbon AW, Fisher RB. A buyer’s guide to conic fitting. In: Proceedings of the British Machine Vision Conference; 1995 Sep 11-14; Birmingham, UK. London, BMVC Press. 1995;513–22.Article
- 17. Büki B, Simon L, Garab S, Lundberg YW, Jünger H, Straumann D. Sitting-up vertigo and trunk retropulsion in patients with benign positional vertigo but without positional nystagmus. J Neurol Neurosurg Psychiatry 2011;82:98–104.ArticlePubMed
- 18. D e Stefano A, Kulamarva G, Citraro L, N eri G, Croce A. Spontaneous nystagmus in benign paroxysmal positional vertigo. Am J Otolaryngol 2011;32:185–9.ArticlePubMed
- 19. White JA, Coale KD, Catalano PJ, Oas JG. Diagnosis and management of lateral semicircular canal benign paroxysmal positional vertigo. Otolaryngol Head Neck Surg 2005;133:278–84.ArticlePubMedPDF
Citations
Citations to this article as recorded by