KR101028365B1 - 연속된 컴퓨터 단층촬영의 폐결절 다단계 정합 방법 및 장치 - Google Patents
연속된 컴퓨터 단층촬영의 폐결절 다단계 정합 방법 및 장치 Download PDFInfo
- Publication number
- KR101028365B1 KR101028365B1 KR1020090009063A KR20090009063A KR101028365B1 KR 101028365 B1 KR101028365 B1 KR 101028365B1 KR 1020090009063 A KR1020090009063 A KR 1020090009063A KR 20090009063 A KR20090009063 A KR 20090009063A KR 101028365 B1 KR101028365 B1 KR 101028365B1
- Authority
- KR
- South Korea
- Prior art keywords
- image
- maximum intensity
- tracking
- intensity projection
- reference image
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 100
- 230000002685 pulmonary effect Effects 0.000 title claims abstract description 83
- 238000002591 computed tomography Methods 0.000 title claims abstract description 54
- 210000004072 lung Anatomy 0.000 claims abstract description 55
- 238000012937 correction Methods 0.000 claims description 16
- 230000009466 transformation Effects 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims 2
- 238000003325 tomography Methods 0.000 claims 2
- 206010054107 Nodule Diseases 0.000 description 66
- 238000010586 diagram Methods 0.000 description 20
- 210000001147 pulmonary artery Anatomy 0.000 description 11
- 208000020816 lung neoplasm Diseases 0.000 description 8
- 230000029058 respiratory gaseous exchange Effects 0.000 description 8
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 7
- 201000005202 lung cancer Diseases 0.000 description 7
- 230000003211 malignant effect Effects 0.000 description 7
- 210000001519 tissue Anatomy 0.000 description 7
- 238000005070 sampling Methods 0.000 description 6
- 230000009977 dual effect Effects 0.000 description 5
- 210000000056 organ Anatomy 0.000 description 5
- 239000000284 extract Substances 0.000 description 4
- 210000000038 chest Anatomy 0.000 description 3
- 238000011976 chest X-ray Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 229940079593 drug Drugs 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 210000000779 thoracic wall Anatomy 0.000 description 3
- 206010028980 Neoplasm Diseases 0.000 description 2
- 206010035664 Pneumonia Diseases 0.000 description 2
- 206010056342 Pulmonary mass Diseases 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 206010018691 Granuloma Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 230000034994 death Effects 0.000 description 1
- 231100000517 death Toxicity 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002757 inflammatory effect Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 210000001562 sternum Anatomy 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/025—Tomosynthesis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Veterinary Medicine (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pulmonology (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
본 발명은 연속적으로 촬영된 컴퓨터 단층촬영(Computed Tomography, CT) 영상의 각 슬라이스를 정합함으로써 연속 CT 영상 내의 폐결절 (Pulmonary Nodule)을 추적 관찰하는 방법 및 그 장치를 제공할 수 있다. 본 발명은 폐를 포함하는 최적경계볼륨의 중심 좌표를 기반으로 기준 영상에 대한 추적 영상의 위치를 보정하는 단계, 기준 영상 및 추적 영상 간의 관상(coronal) 최대강도 투사영상 간의 비교 결과 및 시상(sagittal) 최대강도 투사영상 간의 비교 결과에 기반하여 상기 기준 영상 및 상기 추적 영상을 강체 정합하는 단계, 및 상기 기준 영상 및 상기 추적 영상 내의 폐결절의 형태 정보 및 주변 지역 정보에 기반하여 상기 기준 영상 및 상기 추적 영상을 템플릿 정합하는 단계를 포함할 수 있다.
컴퓨터 단층촬영 영상, 폐결절, 관상 최대강도 투사, 시상 최대강도 투사, 강체 정합, 템플릿 매칭
Description
본 발명은 연속된 컴퓨터 단층촬영에 의해 얻어지는 연속된 영상 내의 폐결절을 추적 관찰하기 위한, 컴퓨터 단층촬영 영상의 정합 방법 및 그 방법을 수행하는 장치에 관한 것이다.
폐암은 세계에서 가장 빈도가 높은 암이고 연간 130만 명 이상을 사망케 하는 치명적인 질병이다. 우리나라에서 폐암에 의한 사망자는 2002년 12000명을 넘어섰으며 폐암에 의한 사망률도 가장 높은 것으로 나타났다. 폐결절은 흉부방사선 영상에서 흔히 발견되며 염증성 육아종, 양성 종양, 악성 종양(폐암)등의 임상적 형태를 가진다. 따라서 폐결절의 단순 발견뿐만 아니라 폐결절의 양성/악성 여부를 판별하는 것이 폐암 조기 진단 및 신속한 치료에 매우 중요하다.
폐결절의 양성/악성을 판별하는 것은 숙련된 전문가에게도 어려운 일이며, 컴퓨터 단층촬영 (CT: computed tomography)영상을 이용할 경우에도 판별 정확도가 2/3정도라고 알려져 있다. 실제 의료 현장에서는, 이러한 이유로 폐결절의 양성/악성 최종판별을 위하여 생체의 직접적인 검증에 많이 의존하는 형편이다.
일반적으로 무기폐나 폐렴을 동반하지 않은 한 개의 둥글거나 타원형의 병변을 단일 폐 결절(solitary pulmonary nodule)이라 한다. 한편, 폐암의 70%정도가 단일 폐 결절로 나타나는데, 엑스선 사진에서 발견되는 단일 폐 결절 중 약 20%정도가 폐암으로 최종 진단된다. 방사선학적으로 폐 결절의 양성/악성을 판별하는데 가장 중요한 것은 폐 결절의 부피가 2배가 되는데 필요한 배가시간이다.
일반적으로 악성 결절의 배가시간이 양성 결절의 배가시간보다 확연히 짧다. 연구에 의하면 악성 결절의 배가시간은 약 200일 이내이고, 양성결절의 배가시간은 4년 이상으로 알려져 있다. 따라서 양성/악성의 정확한 판별을 위하여 1~2년 이상의 추적 검사가 필요하다. 그러나 장기간 추적검사로 인한 환자의 심리적 부담감이나 병세악화 가능성을 피하기 위하여 몇 달 간의 추적검사를 통하여 배가시간을 정확히 예측하는 것이 매우 중요하다.
일반적으로 배가시간은 흉부 엑스선 영상이나 CT 영상에 나타난 폐 결절의 부피를 수동 또는 자동으로 측정하여 계산한다. 흉부 엑스선 영상을 이용하여 폐 결절 부피를 측정할 경우에는 2차원 상에 투영된 폐 결절의 면적을 측정하여 이로부터 3차원 부피를 유추하여 측정한다. 그러나 폐 결절의 형태가 구형이 아닐 경우에는 이 방법의 오차가 커지는 단점이 있다.
또한 흉부 엑스선 영상에서는 중첩된 늑골의 음영이 폐 결절을 가려 결절 검출의 민감도를 현저히 떨어진다. CT 영상을 이용할 경우에는 상대적으로 폐 결절 부피 측정 정확도가 높으나, 아직까지 약 10 %내외의 부피 측정 오차가 발생하고 있다.
CT 영상을 이용할 경우 부피 측정 오차의 원인으로는 결절의 경계선 추출이 완전하지 못한 때문인 것을 들 수 있다. 한편, 작은 폐결절 또는 폐혈관에 붙어 있는 폐결절 등을 검출하기 위해서는 보다 개선된 정합 방법의 개발이 필요하게 되었다.
또한 CT 장치의 빠른 발전으로 인하여 한번의 촬영으로 300~500장 정도의 영상 데이터를 획득하게 되는데, 이러한 대용량 데이터를 처리하는 데 상대적으로 긴 시간이 걸리므로, 보다 효과적으로 영상 데이터를 처리하되 정확하게 폐결절의 위치 및 크기를 추적할 수 있는 정합 방법의 필요성이 대두되었다.
본 발명은 상기 종래기술의 문제점을 해결하기 위하여 안출된 것으로, 연속 컴퓨터 단층촬영(Computed Tomography, CT) 영상의 정합 과정에 걸리는 시간을 단축하기 위하여 위치 보정 단계, 초기 정합 (강체 정합) 단계, 및 템플릿 정합 단계를 포함하는 정합 방법 및 장치를 제공한다.
본 발명의 강체 정합 과정은 필요한 계산량을 줄이고 정합 시간을 단축하기 위하여 관상(coronal) 최대강도 투사영상 및 시상(sagittal) 최대강도 투사영상을 이용하고, 초기 정합을 수행할 수 있다.
본 발명의 템플릿 정합 과정은 폐결절과 폐혈관을 구별하는 등, 폐결절의 매칭 오류를 줄이기 위하여 폐결절의 주변 영역의 밝기 값 및 폐결절의 형태를 추출 하여 로컬 매칭을 수행하는 정합 방법 및 장치를 제공할 수 있다.
또한 본 발명의 정합 과정은 필요한 계산량을 줄이고 정합 시간을 단축하기 위하여 다운 샘플링을 통하여 정합된 투사영상의 생성 속도를 높일 수 있고, 최소 임계값 및 최대 임계값을 이용하여 잡음의 영향을 줄일 수 있다.
본 발명의 일 실시예에 따른 연속 CT 영상의 정합 방법은 폐를 포함하는 최적경계볼륨의 중심 좌표를 기반으로 상기 기준 영상에 대한 상기 추적 영상의 위치를 보정하는 단계, 상기 기준 영상의 관상 최대강도 투사영상 및 상기 추적 영상의 관상 최대강도 투사영상을 비교하는 단계, 상기 기준 영상의 시상 최대강도 투사영상 및 상기 추적 영상의 시상 최대강도 투사영상을 비교하는 단계, 상기 관상 최대강도 투사영상 간의 비교 결과 및 상기 시상 최대강도 투사영상 간의 비교 결과에 기반하여 상기 기준 영상 및 상기 추적 영상을 강체 정합하는 단계, 및 상기 기준 영상 및 상기 추적 영상 내의 폐결절의 형태 정보 및 주변 지역 정보에 기반하여 상기 기준 영상 및 상기 추적 영상을 템플릿 정합하는 단계를 포함할 수 있다.
이 때 본 발명의 일 실시예에 따른 연속 CT 영상의 정합 방법은 상기 기준 영상의 x-z축 평면에 있는 픽셀 정보를 y축 방향으로 투사하여 상기 기준 영상의 관상 최대강도 투사영상을 생성하는 단계, 상기 추적 영상의 x-z축 평면에 있는 픽셀 정보를 y축 방향으로 투사하여 상기 추적 영상의 관상 최대강도 투사영상을 생성하는 단계, 상기 기준 영상의 y-z축 평면에 있는 픽셀 정보를 x축 방향으로 투사 하여 상기 기준 영상의 시상 최대강도 투사영상을 생성하는 단계, 및 상기 추적 영상의 y-z축 평면에 있는 픽셀 정보를 x축 방향으로 투사하여 상기 추적 영상의 시상 최대강도 투사영상을 생성하는 단계를 더 포함할 수 있다.
이 때 상기 기준 영상 및 상기 추적 영상을 강체 정합하는 단계는 상기 기준 영상의 관상 최대강도 투사영상 및 상기 추적 영상의 관상 최대강도 투사영상 간의 정규화된 평균 밝기 값 차이를 계산하는 단계, 상기 기준 영상의 시상 최대강도 투사영상 및 상기 추적 영상의 시상 최대강도 투사영상 간의 정규화된 평균 밝기 값 차이를 계산하는 단계, 및 상기 관상 최대강도 투사영상 간의 정규화된 평균 밝기 값 및 상기 시상 최대강도 투사영상 간의 정규화된 평균 밝기 값을 최소화하는 최적의 이동, 크기 및 회전 변환 벡터를 구하는 단계를 포함할 수 있다.
이 때 상기 기준 영상 및 상기 추적 영상을 템플릿 정합하는 단계는 상기 기준 영상 내의 폐결절을 중심으로 볼륨 템플릿을 정의하는 단계, 상기 강체 변환된 추적 영상 내에서 상기 기준 영상 내의 폐결절의 위치와 동일한 위치를 포함하고 상기 볼륨 템플릿보다 큰 볼륨을 관심 영역으로 정의하는 단계, 상기 관심 영역 내에서 복수의 탐색 영역들을 정의하는 단계, 및 상기 탐색 영역들 중에서 상기 볼륨 템플릿과의 관계에서 정규화된 상관관계 및 정규화된 기하학적 제약 조건의 합이 가장 큰 탐색 영역의 위치를 상기 폐결절의 위치에 대응시키는 단계를 포함할 수 있다.
본 발명의 일 실시예에 따른 연속 CT 영상의 정합 장치는 연속된 컴퓨터 단층촬영에 의하여 생성된 기준 영상 및 추적 영상 내의 폐를 포함하는 최적경계볼륨 의 중심 좌표를 기반으로 상기 기준 영상에 대한 상기 추적 영상의 위치를 보정하는 위치 보정부, 상기 기준 영상의 관상 최대강도 투사영상 및 상기 추적 영상의 관상 최대강도 투사영상을 비교하고, 상기 기준 영상의 시상 최대강도 투사영상 및 상기 추적 영상의 시상 최대강도 투사영상을 비교하고, 상기 기준 영상 및 상기 추적 영상을 강체 정합하는 강체 정합부, 및 상기 기준 영상 및 상기 추적 영상 내의 폐결절의 형태 정보 및 주변 지역 정보에 기반하여 상기 기준 영상 및 상기 추적 영상을 템플릿 정합하는 템플릿 정합부를 포함할 수 있다.
본 발명의 일 실시예에 따른 정합 방법에 의하면, 위치 보정 단계, 초기 정합 (강체 정합) 단계, 및 템플릿 정합 단계를 포함함으로써 연속 컴퓨터 단층촬영(Computed Tomography, CT) 영상의 정합 과정에 걸리는 시간을 단축할 수 있다.
본 발명의 강체 정합 과정은 관상(coronal) 최대강도 투사영상 및 시상(sagittal) 최대강도 투사영상을 이용함으로써 초기 정합에 필요한 계산량을 줄이고 정합 시간을 단축할 수 있다.
본 발명의 템플릿 정합 과정은 폐결절의 주변 영역의 밝기 값 및 폐결절의 형태를 추출하여 로컬 매칭을 수행함으로써 폐결절과 폐혈관을 구별하여 처리하고, 폐결절의 매칭 오류를 줄일 수 있다.
또한 본 발명의 정합 과정은 다운 샘플링을 통하여 정합된 투사영상의 생성 속도를 높일 수 있다.
또한 본 발명의 정합 과정은 최소 임계값 및 최대 임계값을 이용하는 이중 임계값 기법을 채택함으로써 폐결절 주변 기관에 의한 잡음의 영향을 최소화할 수 있다. 이중 임계값 기법은 정합 과정의 계산량을 줄이는 효과 또한 가질 수 있다.
이하에서, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 본 발명이 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
도 1은 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 (Computed Tomography, CT) 영상의 정합 방법을 도시하는 동작 흐름도이다. 도 1의 정합 방법은 도 6에 도시된 CT 영상의 정합 장치에서 수행될 수 있다.
도 6은 본 발명의 일 실시예에 따른 CT 영상의 정합 장치를 도시하는 도면이다.
도 6을 참조하면, 정합 장치는 위치 보정부 (610), 강체 정합부 (620) 및 템플릿 정합부 (630)을 포함할 수 있다. 정합 장치는 연속된 CT 영상 중 기준이 되는 시간 구간 또는 시각의 영상 집합을 기준 (baseline) 영상으로 지정하고, 이후의 각 시각에서의 영상 집합을 기준 영상과 정합할 수 있다. 이 때 정합 과정의 단위가 되는 동일한 시각에서의 영상 집합을 추적 (follow-up) 영상이라 부르기도 한다.
예를 들어 정합 장치는 제1 시간 구간에서의 제1 추적 영상에 대하여 기준 영상에 대한 정합 과정을 수행하고, 제2 시간 구간에서의 제2 추적 영상에 대하여 기준 영상에 대한 정합 과정을 수행한다. 기준 영상, 제1 추적 영상 및 제2 추적 영상은 동일한 기관 (예를 들어 폐)을 나타내고 있을 것이므로 정합 장치는 동일한 폐에 대하여 촬영된 영상의 시간에 따른 변화를 추적할 수 있다.
도 1 및 도 6을 참조하면, 위치 보정부 (610)는 폐를 포함하는 최적경계볼륨의 중심 좌표를 기반으로 기준 영상에 대한 상기 추적 영상의 위치를 보정한다 (S110).
강체 정합부 (620)는 기준 영상 및 추적 영상의 관상 최대강도 투사(Coronal Maximum Intensity Projection) 영상 및 시상 최대강도 투사 (Sagittal Maximum Intensity Projection) 영상을 생성한다 (S120). 이 때 강체 정합부 (620)는 기준 영상 내의 가장 높은 밝기 값을 가지는 갈비뼈 구조를 포함하는 관상 최대강도 투사 영상 및 시상 최대강도 투사 영상을 생성하고, 추적 영상에 대해서도 가장 높은 밝기 값을 가지는 갈비뼈 구조를 포함하는 관상 최대강도 투사 영상 및 시상 최대강도 투사 영상을 생성한다.
강체 정합부 (620)는 기준 영상 및 추적 영상의 관상 최대강도 투사 영상 및 시상 최대강도 투사 영상의 비교 결과에 기반하여 기준 영상 및 추적 영상을 강체 정합한다 (S130). 이 때 강체 정합부 (620)는 기준 영상 및 추적 영상의 관상 최대강도 투사 영상 간의 정규화된 밝기 값 차이 (Normalized Average Density Differences, NADD) 를 최소화하는 기준 영상 및 추적 영상 간의 변환을 탐색하고, 기준 영상 및 추적 영상의 시상 최대강도 투사 영상 간의 정규화된 밝기 값 차이를 최소화하는 기준 영상 및 추적 영상 간의 변환을 탐색한다.
템플릿 정합부 (630)는 기준 영상 및 추적 영상을 템플릿 정합한다 (S140). 템플릿 정합부 (630)는 기준 영상 내에서 폐결절에 대응하는 볼륨 템플릿을 지정하고, 추적 영상 내에서 폐결절에 대응하는 부분을 탐색하기 위하여 소정 크기의 볼륨을 복수의 탐색 볼륨들로 분할하고, 분할된 탐색 볼륨들 각각에 대하여 기준 영상의 볼륨 템플릿과 템플릿 매칭을 위한 비교를 수행한다.
본 발명의 내용과 비교될 만한 폐결절 정합 방법을 개시하는 선행 문헌들 ([1] M.Betke, H.Hong, D.Thomas, C.Prince, J.P.Ko, "Landmark detection in the chest and registration of lung surfaces with an application to nodule registration," Medical Image Analysis, Vol.7, pp.265-281, 2003., [2] M.Betke, H.Hong, J.P.Ko, "Automatic 3D registration of lung surfaces in Computed Tomography Scans," Fourth International Conference on Medical Image Computing and Computer-Assisted Intervention MICCAI, pp.725-733, 2001., [3] Margrit Betke, Harrison Hong, Jane P. Ko, "Automatic 3D Regitstration of Lung Surfaces in Computed Tomography Scans," CS Technical Report 2001-2004, Boston University.)이 있다. 상기 선행 문헌들은 CT 영상으로부터 추출된 흉골, 기도, 척추의 세 점을 기준으로 템플릿 매칭을 수행하여 초기 위치를 보정하고, 폐 경계면에 있는 모든 점에 대하여 ICP (Iterative Closest Point) 방법을 이용하여 폐를 정합한다. 이 때 ICP 방법은 선행 문헌들 ([14] P. J. Besl and N. D. McKay, "A method for registration of 3-D shapes," IEEE Trans Pattern Anal Mach Intell, Vol.14, No.2, pp.239-256, 1992., [15] Z. Zhang, "Iterative point matching for registration of free-form curves and surfaces," Int J Comput Vis, Vol.13, No.2, pp.119-152, 1994.)에 나타나 있는 것처럼, 폐결절 간의 유클리디안 거리 (Euclidean Distance) 차이가 가장 작도록 정합할 수 있다.
본 발명은 상기 선행 문헌들 [1]-[3]과는 달리, 폐 경계면이 분할되어 생성되는 최적 경계 볼륨의 중심점의 위치에 기반하여 추적 영상 및 기준 영상 간의 위치 보정을 일차로 수행하고, 강체 정합을 통하여 초기 정합을 수행한 후에 템플릿 정합으로 최종 정합을 수행하는 차이가 있다. 상기 선행 문헌들 [1]-[3] 에서는 ICP를 통한 정합 시 막대한 계산 량을 필요로 하는 데 반해, 본 발명에서는 정합에 필요한 계산 량을 크게 줄인 특징이 있다.
한편, 또 다른 선행 문헌 ([4] H.Hong, M.Betke, S.Teng, D.Thomas, J.P.Ko, “Multilevel 3D Registration of Lung Surfaces in Computed Tomography Scans - Preliminary experience,” Proceedings of International Conference on Diagnostic Imaging and Analysis (ICDIA), pp. 90-95, August 2002.)은 ICP의 수행 시간을 줄이기 위한 목적에서 다단계 ICP 방법을 제안하였다. 상기 선행 문헌 [4]에 따르면 폐 경계면의 점의 수를 줄인 상태에서 ICP를 수행한 후, 점차 점의 수를 늘려 가며 폐 경계면의 모든 점이 수행 대상이 될 때까지 반복적으로 ICP를 수행하는 방법이 개시된다.
또 다른 선행 문헌 ([5] M.Kubo, T.Yamamoto, Y.Kawata, N.Niki, et al., "CAD system for the assistance of a comparative reading for lung cancer using retrospective helical CT images," MICCAI 2001, LNCS 2208, pp. 1388-1390, 2001.)에서는 폐의 정점 (apex) 및 척추를 이용하여 초기 위치를 보정한 후, 폐의 형태 정보를 이용하여 폐의 상단을, 폐혈관을 이용하여 폐의 하단을 정합한다. 이어서 폐의 상단 및 폐의 하단 사이의 비연속적인 부분을 보정하여 폐를 정합하는 방법을 개시한다.
그러나 선행 문헌들 [4],[5]에 따르더라도 여전히 폐의 정합을 위한 계산 량이 많을 뿐 아니라 폐를 상단 및 하단으로 분할하여 정합하는 등 정확성이 떨어지는 문제점이 있을 수 있다. 본 발명은 폐를 분할하지 않고 정합의 정확성을 높이면서도 폐의 정합을 위한 계산 량을 줄임으로써 신속하게 추적 영상의 정합을 수행하고, 따라서 연속적으로 촬영된 CT에서 실시간으로 폐결절의 위치 및 크기를 추적할 수 있는 방법 및 장치를 제공한다.
본 발명의 강체 정합부 (620)는 관상 최대강도 투사 (Coronal Maximum Intensity Projection) 영상 및 시상 최대강도 투사 (Sagittal Maximum Intensity Projection) 영상을 이용하여 강체 정합을 수행한다. 이 중 관상 최대강도 투사 영상을 이용하여 강체 정합을 수행하는 방법은 선행 문헌 ([6] M.N.Gurcan, R.C.Hardie, S.K.Rogers, D.E.Dozer, B.H.Allen, R.V.Burns, J.W.Hoffmeister, "Automated global matching of temporal thoracic helical CT studies: feasibility study," International Congress Series, Vol.1256, pp.1031-1036, 2003.)에 개시되어 있다. 하지만, 선행 문헌 [6]에 개시된 바와 같이 관상 최대강도 투사 영상을 이용하는 강체 정합 방법은 위아래 방향의 움직임에 대해서는 정합 의 효과가 크지만 인체의 좌우 방향의 움직임으로 인한 영상 간의 차이를 보정하기 어렵다. 본 발명은 관상 최대강도 투사 영상 및 시상 최대강도 투사 영상을 함께 이용하여 강체 정합을 수행함으로써 환자의 움직임 또는 환자의 호흡으로 인한 폐의 형태 및 크기의 변화를 효과적으로 추적할 수 있다.
위치 보정부 (610)는 최적경계볼륨을 이용하여 추적 영상의 중심 위치를 기준 영상의 중심에 일치시킬 수 있다. 이 때 위치 보정부 (610)는 환자의 움직임 및 환자의 호흡에 따른 z축 방향의 움직임을 효과적으로 보정할 수 있다. 이러한 위치 보정은 이후 강체 정합부 (620) 및 템플릿 정합부 (630)에 의한 정합 계산을 위한 탐색 범위를 줄임으로써 계산 량을 크게 줄일 수 있고, 이로 인해 실시간에 따른 폐결절의 추적이 가능하다.
설명의 편의 상, 본 명세서에서는, 인체의 상하에 대응하는 방향을 z축 방향이라 표현하기로 한다. 달리 말하면, 인체의 머리로부터 발에 이르는 방향을 z축이라 표현하기로 한다.
또한 인체의 좌우에 대응하는 방향을 x축 방향이라 표현하기로 하고, 인체의 앞뒤에 대응하는 방향을 y축 방향이라 표현하기로 한다.
강체 정합부 (620)는 기준 영상 및 추적 영상 간의 밝기 값 정보를 이용하여 초기 정합을 수행한다. 이 때 CT 영상의 밝기는 인체의 각 성분에 따라 좌우되므로, 최대 밝기를 나타내는 픽셀들만을 추출할 경우 갈비뼈 정보를 추출할 수 있다. 갈비뼈는 환자의 호흡 또는 환자의 움직임으로 인한 폐의 움직임과 가장 유사한 움직임을 나타내는 기관이므로, 갈비뼈 정보를 이용하는 경우 환자의 호흡 또 는 환자의 움직임으로 인한 폐의 움직임을 효과적으로 추적할 수 있다. 강체 정합부 (620)는 갈비뼈 정보를 이용하여 환자의 호흡 또는 환자의 움직임으로 인한 폐의 위치 및 크기 차이를 보정할 수 있다.
강체 정합부 (620)는 갈비뼈 정보를 분할 과정이 아닌 관상 최대강도 투사 영상 및 시상 최대강도 투사 영상을 이용하여 추출한다. 이 같은 추출 과정은 3차원의 영상 정보를 2차원 평면 상에 투사하는 것과 마찬가지 효과를 가진다. 따라서 강체 정합부 (620)는 2차원 영상에 대하여 정합을 위한 계산을 수행하면 되므로 계산 량을 크게 줄일 수 있다.
강체 정합부 (620)는 기준 영상 또는 추적 영상의 샘플 슬라이스의 개수가 임계치를 초과하는 경우, 다운 샘플링을 채택하여 샘플 슬라이스의 개수를 줄이고 투사 영상의 생성 속도를 높일 수 있다.
또한 강체 정합부 (620)는 밝기 값에 따라 픽셀을 추출하는 과정에서 최소 임계 값 및 최대 임계 값 등 두 개의 기준을 이용하는 이중 임계 값 기법을 이용함으로써 갈비뼈 주변 조직에 의한 노이즈를 제거한 관상 최대강도 투사 영상 및 시상 최대강도 투사 영상을 생성할 수 있다.
템플릿 정합부 (630)는 대응되는 폐결절 및 폐혈관, 흉벽 등 주변 조직의 밝기 값을 고려하고, 또한 폐결절의 형태를 고려하여 지역적 매칭을 수행할 수 있다. 템플릿 정합부 (630)는 지역적 매칭을 수행함으로써 부분적 변형에 의한 폐결절 매칭 오류를 줄일 수 있다.
템플릿 정합부 (630)는 이중 임계 값 기법 및 건너뛰기 기법을 이용함으로써 탐색 범위를 줄일 수 있다. 이로써 정합에 필요한 계산 량을 줄이고 수행 시간을 단축할 수 있다.
도 2는 도 1의 일 단계 (S110)의 일 예를 상세히 도시하는 동작 흐름도이다.
도 2를 참조하면, 위치 보정부 (610)는 기준 영상의 밝기 값 정보를 이용하여 폐 경계면을 분할한다 (S210).
위치 보정부 (610)는 추적 영상의 밝기 값 정보를 이용하여 폐 경계면을 분할한다 (S220).
기준 영상 및 추적 영상은 서로 다른 시점에서 촬영되므로 촬영 시 환자가 누워 있는 테이블의 위치의 차이 또는 환자의 움직임으로 인한 위치의 차이가 발생할 수 있다. 이 때문에 위치 보정부 (610)는 시간 변화에 따른 폐의 움직임을 보정하고, 기준 영상 및 추적 영상 간의 정합에 소요되는 시간을 단축한다.
위치 보정부 (610)는 기준 영상의 최적경계볼륨의 중심점의 좌표를 계산한다 (S230).
위치 보정부 (610)는 추적 영상의 최적경계볼륨의 중심점의 좌표를 계산한다 (S240).
위치 보정부 (610)는 기준 영상의 최적경계볼륨의 중심점(기준 중심점) d의 좌표 및 추적 영상의 최적경계볼륨의 중심점(추적 중심점)의 좌표 간의 이동 변환을 계산한다 (S250).
위치 보정부 (610)는 이동 변환을 이용하여 기준 영상에 대한 추적 영상의 위치를 보정한다 (S260).
도 7은 기준 영상 내의 폐 경계면 및 최적경계볼륨의 일 예를 도시하는 도면이다.
최적경계볼륨(optimal bounding volume)을 이용하여 정합하는 방법의 일 예는 선행 문헌 ([7] Helen Hong, Jeongjin Lee, Yeny Yim, "Automatic lung nodule matching on sequential CT images," Computers in Biology and Medicine, Vol.38, No.5, pp.623-634, 2008.)에 개시되어 있다. 선행 문헌 [7]은 폐 경계를 자동으로 분할하고, 최적경계볼륨을 생성하여 초기 정합하고, 협대역 거리 전파 (narrow-band distance propagation)를 이용하여 어파인 정합하는 방법을 개시한다. 선행 문헌 [7]의 방법으로는 환자의 움직임 또는 환자의 호흡으로 인한 영상 간의 차이를 모두 보정하기는 어렵다. 다만, 본 발명의 최적경계볼륨은 선행 문헌 [7]에 개시된 방법을 이용하여 생성될 수 있다.
최적경계볼륨을 생성하는 방법의 또 다른 예는 선행 문헌 ([19] Helen Hong, Jeongjin Lee, Yeny Yim, "Automatic lung nodule matching on sequential CT images," Computers in Biology and Medicine, Vol.38, No.5, pp.623-634, 2008., [20] Yeny Yim, Helen Hong, "Correction of segmented lung boundary for inclusion of pleural nodules and pulmonary vessels in chest CT images," Computers in Biology and Medicine, Vol.38, No.8, pp.845-857, 2008.)에 개시된다. 선행 문헌 [19], [20]은 밝기 값 정보를 이용한 하이브리드 접근 기법을 개시하며, 본 발명은 이를 이용하여 폐 경계면을 분할하고, 최적 경계 볼륨을 생성할 수 있다.
도 7에 도시된 바와 같이, 폐의 각 부분 또는 기관의 특징에 따라 CT 영상에서 나타나는 밝기 값이 상이하므로, 본 발명은 기준 영상의 밝기 값 정보를 이용하여 폐 경계면을 설정하고, 폐 경계면에 대응하는 최적경계볼륨을 생성할 수 있다.
도 7에서는, CT 영상에서 나타난 폐 경계면을 두드러지게 표시하기 위하여 별도의 색상을 이용하였다. 분할된 폐를 포함하는 최적경계볼륨의 좌상단점 (x1, y1, z1) 및 우하단점 (x2, y2, z2)의 좌표를 이용하여 중심점 C(xc, yc, zc)를 구한다. 이 때 중심점의 좌표는 하기 수학식 1과 같이 구할 수 있다.
[수학식 1]
도 8은 추적 영상 내의 폐 경계면 및 최적경계볼륨의 일 예를 도시하는 도면이다.
도 8에서도 CT 영상에 나타난 분할된 폐 경계면을 두드러지게 표시하기 위하여 별도의 색상을 이용하였다.
위치 보정부 (610)는 도 8의 추적 영상에 대해서도, 상기 수학식 1을 이용하여 최적경계볼륨의 중심점의 좌표를 계산할 수 있다.
설명의 편의 상 추적 영상의 중심점을 Cf, 기준 영상의 중심점을 Cb라 하고, Cf를 Cb만큼 이동시키는 이동 변환을 T라 하면, 이동 변환 T는 하기 수학식 2와 같 이 나타내어질 수 있다.
[수학식 2]
이 때 If는 변환 전의 추적 영상을 나타내고, If'는 변환 후의 추적 영상을 나타낸다.
위치 보정부 (610)의 위치 보정은 특히 환자의 움직임 또는 환자의 호흡에 따른 위치 차이가 큰 z축 방향의 위치 변화를 효과적으로 보정할 수 있다.
도 3은 도 1의 일 단계 (S120)의 일 예를 상세히 도시하는 동작 흐름도이다.
강체 정합부 (620)는 기준 영상 또는 추적 영상의 슬라이스 수가 임계치 T보다 큰지 여부를 판정한다 (S310).
강체 정합부 (620)는 슬라이스의 수가 T보다 크면 강체 정합부 (620)는 슬라이스를 다운 샘플링한다 (S320).
강체 정합부 (620)는 최소 임계값 및 최대 임계값 사이의 픽셀들을 선택한다 (S310).
강체 정합부 (620)는 선택된 픽셀들 중 최대 밝기 값을 2차원 평면에 투사한다 (S340).
도 2의 최적경계볼륨을 이용한 위치 보정은 환자의 호흡으로 인한 폐의 위치를 보정하는 데는 효과적이지만, 환자의 호흡으로 인한 폐의 위치 및 크기의 변화 를 보정하는 데에는 한계를 가진다. 따라서 강체 정합부 (620)는 폐와 움직임이 가장 유사한 갈비뼈 부위의 영상 정보를 추출하여 초기 정합을 수행하고, 초기 정합을 통해 강체 변환을 탐색한다.
강체 정합부 (620)는 기준 영상 및 추적 영상 각각에 대하여 관상 최대강도 투사 영상 및 시상 최대강도 투사 영상을 생성한다. 강체 정합부 (620)는 기준 영상 또는 추적 영상의 슬라이스의 수 n과 임계치 T를 비교하여 다운 샘플링을 수행할 것인지 여부를 결정한다.
하기 수학식 3은 슬라이스 수의 임계치 T가 200인 경우의 샘플링 비율의 예를 나타낸다.
[수학식 3]
이 때 floor는 내림 연산을 의미한다.
도 9는 CT 영상으로부터 관상 최대강도 투사영상을 생성하는 과정의 일 예를 도시하는 도면이다.
강체 정합부 (620)는 동일 시간 구간에서 촬영된 3차원 영상의 픽셀들의 정보를 관상면 (coronal plane)으로 투사하여 관상 투사 영상을 생성한다. 이 때 투사되는 픽셀들은 최대 밝기 값을 가지는 픽셀들로 선택된다. 관상면이란 frontal plane으로도 불리며, 인체의 전방 및 후방을 분할하는 임의의 평면을 의미한다. 본 명세서에서는 x축 및 z축에 의하여 생성되는 x-z 평면이 관상면이 된다.
도 9에 도시된 것처럼, 강체 정합부 (620)는 다운샘플링된 볼륨 데이터의 x-z축 평면에 있는 모든 픽셀을 y축 방향으로 투사하여 관상 최대강도 투사 영상을 생성한다. 이 때 강체 정합부 (620)는 갈비뼈의 주변 조직에 의한 잡음을 줄이기 위하여 최소 임계값 및 최대 임계값 사이에 있는 픽셀들을 선택하고, 선택된 픽셀들 중 가장 큰 밝기 값을 2차원 평면(관상면)으로 투사한다.
도 10은 CT 영상으로부터 시상 최대강도 투사영상을 생성하는 과정의 일 예를 도시하는 도면이다.
강체 정합부 (620)는 동일 시간 구간에서 촬영된 3차원 영상의 픽셀들의 정보를 시상면 (sagittal plane)으로 투사하여 시상 투사 영상을 생성한다. 이 때 투사되는 픽셀들은 최대 밝기 값을 가지는 픽셀들로 선택된다. 시상면이란 인체의 좌측 및 우측을 분할하는 임의의 평면을 의미한다. 본 명세서에서는 y축 및 z축에 의하여 생성되는 y-z 평면이 시상면이 된다.
도 10에 도시된 것처럼, 강체 정합부 (620)는 다운샘플링된 볼륨 데이터의 y-z축 평면에 있는 모든 픽셀을 x축 방향으로 투사하여 시상 최대강도 투사 영상을 생성한다. 이 때 강체 정합부 (620)는 갈비뼈의 주변 조직에 의한 잡음을 줄이기 위하여 최소 임계값 및 최대 임계값 사이에 있는 픽셀들을 선택하고, 선택된 픽셀들 중 가장 큰 밝기 값을 2차원 평면(관상면)으로 투사한다.
도 11은 이중 임계값 기법을 적용하기 전과 후의 관상 최대강도 투사 영상 및 시상 최대강도 투사 영상의 일 예를 도시하는 도면이다.
도 11은 최소 임계 값 700 HU, 최대 임계 값 1100 HU를 이용한 이중 임계값 기법이 적용되기 전과 후를 나타낸다.
CT 영상의 밝기 값은 Hounsfield Unit (HU) scale로 나타내어지며, 물질에 따라 서로 다른 값을 가진다. 공기는 -1000 HU로 정의되고, 지방(fat)은 -120 HU, 물(water)은 0 HU의 값을 가진다.
일반적으로 근육(muscle)은 약 40 HU, contrast는 약 130 HU, 뼈(bone)는 400 HU 이상의 값을 가진다.
도 11을 참조하면, 이중 임계값 기법을 적용한 후의 영상은 이중 임계값 기법을 적용하기 전의 영상보다 선명한 것을 알 수 있다. 이중 임계값 기법을 적용하면 갈비뼈 이외의 주변 기관에 의한 잡음을 제거할 수 있다.
도 4는 도 1의 일 단계 (S130)의 일 예를 상세히 도시하는 동작 흐름도이다.
강체 정합부 (620)는 기준 영상의 관상 최대투사 영상 및 추적 영상의 관상 최대투사 영상 간의 정규화된 평균 밝기 값 차이 (Normalized Average Density Differences, NADD)를 계산한다 (S410). 이 때 관상 최대투사 영상에 대한 NADD는 설명의 편의 상 NADD(C)라 명명하기로 한다.
강체 정합부 (620)는 NADD(C)가 최소화되면서 변화가 거의 없을 때까지 기준 영상 및 추적 영상 간의 최적의 이동 및 크기와 회전 변환 벡터를 탐색한다 (S420). 강체 정합부 (620)는 관상 최대투사 영상을 이용하여 상하의 움직임을 보정할 수 있는 x,z 축 이동 및 크기와 y축 회전 변환을 구할 수 있다.
NADD를 최소화하는 강체 변환을 탐색하는 방법의 일 예로는 선행 문헌들 ([21] F.Maes, A.Collignon, G.Marchal, P.Suetens, "Multimodality Image Registration by maximization of Mutual Information," IEEE Transaction on Medical Imaging, Vol.16, No.2, pp.187-198, Apr, 1997., [22] F.Maes, D.Vandermeulen, P.Suetens, "Comparative evaluation of multiresolution optimization strategies for multimodality image registration by maximization of mutual information," Medical Image Analysis, Vol.3, No.4, pp.373-386, 1999.)에 개시된 powell's method를 들 수 있다.
강체 정합부 (620)는 기준 영상의 시상 최대투사 영상 및 추적 영상의 시상 최대투사 영상 간의 NADD를 계산한다 (S430). 이 때 시상 최대투사 영상에 대한 NADD는 설명의 편의 상 NADD(S)라 명명하기로 한다.
강체 정합부 (620)는 NADD(S)가 최소화되면서 변화가 거의 없을 때까지 기준 영상 및 추적 영상 간의 최적의 이동 및 크기와 회전 변환 벡터를 탐색한다 (S440). 강체 정합부 (620)는 시상 최대투사 영상을 이용하여 좌우의 움직임을 보정할 수 있는 y축 이동 및 크기와 x축 회전 변환을 구할 수 있다.
강체 정합부 (620)는 구하여진 이동 및 크기와 회전 변환을 이용하여 추적 영상 및 기준 영상을 강체 정합할 수 있다 (S450).
관상 최대강도 투사 영상 및 시상 최대강도 투사 영상에 대하여 공통적으로 계산되는 NADD는 하기 수학식 4와 같이 나타내어질 수 있다.
[수학식 4]
N은 두 관상 최대강도 투사 영상들이 겹쳐지는 전체 픽셀의 개수 또는 두 시상 최대강도 투사 영상들이 겹쳐지는 전체 픽셀의 개수를 나타내고, Imax는 관상 최대강도 투사 영상 또는 시상 최대강도 투사 영상의 최대 밝기 값으로, 실질적으로 최대 임계 값과 동일할 수 있다.
Ib(xi, yi)는 기준 영상에서 추출된 관상 최대강도 투사 영상의 밝기 값 또는 시상 최대강도 투사 영상의 밝기 값을 나타내고, T(If(xi, yi))는 변환된 추적 영상에서 추출된 관상 최대강도 투사 영상의 밝기 값 또는 시상 최대강도 투사 영상의 밝기 값을 나타낸다.
본 발명의 초기 정합 방법은 관상 최대강도 투사 영상 및 시상 최대강도 투사 영상을 이용하여 갈비뼈 부위를 쉽게 추출하고, 볼륨 정보를 2차원 영상 정보로 줄일 수 있다. 이로써 본 발명의 초기 정합 방법은 강체 변환을 빠르게 보정할 수 있다. 이 때 본 발명의 초기 정합 방법은 다운 샘플링 기법 및 이중 임계값 기법을 적용함으로써 투사 영상을 생성하는 시간을 크게 단축할 수 있다.
도 5는 도 1의 일 단계 (S140)의 일 예를 상세히 도시하는 동작 흐름도이다.
템플릿 정합부 (630)는 기준 영상 내의 폐결절을 중심으로 볼륨 템플릿을 지정한다 (S510).
템플릿 정합부 (630)는 강체 변환된 추적 영상 내에서 볼륨 템플릿의 위치와 동일한 위치를 중심으로 관심 영역을 지정한다 (S520).
템플릿 정합부 (630)는 볼륨 템플릿에 대하여 로그 극좌표 영상을 생성한다 (S530).
템플릿 정합부 (630)는 관심 영역 내에서 탐색 영역을 지정한다 (S540).
템플릿 정합부 (630)는 탐색 영역에 대하여 로그 극좌표 영상을 생성한다 (S550).
템플릿 정합부 (630)는 탐색 영역에 대하여 정규화된 상관관계 (Normalized Cross Correlation, NCC) 및 정규화된 기하학적 제약 조건 (Normalized Geometrical Constraints, NGC)을 계산한다 (S560).
템플릿 정합부 (630)는 모든 관심 영역이 한차례씩 지정될 때까지 탐색을 계속한다 (S570).
템플릿 정합부 (630)는 NCC 및 NGC의 합(sum)을 최대화하는 탐색 영역을 볼륨 템플릿에 대하여 정합한다 (S580).
실시예에 따라서는, 단계 (S570)에서, 템플릿 정합부 (630)는 관심 영역에서 의도적으로 일정 규칙에 의하여 일부 데이터를 배제할 수도 있다. 이를 본 명세서에서는 건너뛰기 기법이라 명명하기로 한다. 예를 들어, 템플릿 정합부 (630)는 x축, 및 y축 방향으로 한 픽셀씩 건너뛰기하면서 템플릿 매칭을 수행할 수도 있다.
또한 템플릿 정합부 (630)는 NCC 및 NGC의 합을 최대화함에 있어, 가중치를 NCC 및 NGC 각각에 곱하여 합산할 수도 있다.
강체 변환은 호흡으로 인한 폐 또는 폐결절의 부분적 변형을 보정하는 데에는 한계를 가질 수 있다. 따라서, 폐결절에 대응할 것으로 예상되는 후보군의 정확한 매칭을 위해서는 강체 정합의 결과를 보정할 수 있는 과정이 필요하다. 비강체 정합은 일반적으로 지나치게 많은 계산 량을 필요로 하고, 오랜 수행 시간을 소요하므로 본 발명에서는 폐결절 및 그 주변의 지역 정보, 폐결절의 형태 정보를 기반으로 하는 템플릿 매칭을 수행한다.
도 12는 기준 영상 내의 볼륨 템플릿 및 추적 영상 내의 관심 영역 및 탐색 영역의 일 예를 도시하는 도면이다.
템플릿 정합부 (630)는 도 12에 도시된 바와 같이 기준 영상에 있는 폐결절을 중심으로 n x n x n ㎣의 크기를 가지는 볼륨 템플릿을 정의한다. 템플릿 정합부 (630)는 강체 변환된 추적 영상에서는 기준 영상과 동일한 폐결절 위치를 중심으로 2.5n x 2.5n x 2.5n ㎣의 크기의 볼륨을 관심 영역으로 지정한다.
예를 들어, 볼륨 템플릿의 크기를 나타내는 n이 18 mm이면, 관심 영역은 n의 2.5배인 45 mm의 길이에 의하여 정의되며,45 x 45 x 45 ㎣의 크기를 가질 수 있다.
템플릿 정합부 (630)는 관심 영역을 복수의 탐색 영역들로 분할하고, 분할된 탐색 영역에 대하여 순차적으로 볼륨 템플릿과 템플릿 매칭을 수행한다.
이 때 템플릿 정합부 (630)는 폐결절 및 폐혈관의 영상을 포함하는 임계 밝기 구간을 설정할 수 있다. 임계 밝기 구간은 최소 임계값 및 최대 임계값에 의하여 정의될 수 있다. 이 때 이중 임계값 기법이 적용될 수 있으며, 템플릿 정합에서는 이중 임계 값 기법은 템플릿 매칭의 탐색 범위를 줄일 수 있다.
이 때, 최소 임계값은 -400 HU, 최대 임계값 200 HU일 수 있다.
템플릿 정합부 (630)는 템플릿 매칭을 수행함에 있어서 z축에 대하여는 건너뛰기 기법을 적용하지 않을 수도 있는데, 이는 z축의 픽셀 간격이 x축 및 y축보다 크기 때문이다. z축에 대하여도 건너뛰기 기법이 적용되는 경우에는 3mm 이하의 작은 폐결절이 탐색 영역에 포함되지 않고 누락될 가능성이 있으므로 x축 및 y축에 대하여만 건너뛰기 기법을 적용할 수 있다.
NCC는 폐혈관 및 흉벽 등 주변 조직과 폐결절 간의 형태의 유사성을 나타내고, NGC는 폐결절의 둥근 형태에 대한 주변 조직의 유사성을 나타낼 수 있다.
NCC는 하기 수학식 5와 같이 계산될 수 있다.
[수학식 5]
N은 템플릿 볼륨의 전체 픽셀의 개수이고, A는 기준 영상에서 템플릿에 해당하는 영역의 밝기 값을, B는 추적 영상에서 템플릿에 해당하는 영역의 밝기 값을 나타낸다.
NGC는 하기 수학식 6과 같이 계산될 수 있다.
[수학식 6]
M은 축상 및 관상 로그 극좌표 영상의 전체 픽셀의 개수이고, C는 기준 영상에서 축상 및 관상 로그 극좌표 영상에 해당하는 영역의 밝기 값을, D는 추적 영상에서 축상 및 관상 로그 극좌표 영상에 해당하는 영역의 밝기 값을 나타낸다.
템플릿 정합부 (630)는 NGC를 계산하기 위하여 템플릿 영역에 대한 극좌표 영상을 생성한다. 로그 극좌표 영상은 중심점을 기준으로 절대좌표 (x,y) 를 로그 극좌표 (r, h)로 변환하여 생성된다. 이 때 r은 원의 반경, h는 회전 각도를 의미하며 원의 형태로 샘플링된다. 축상 영상만 고려하여 로그 극좌표 영상을 생성하는 경우, 폐혈관이 폐결절과 유사하게 둥근 형태를 띠어 매칭 오류가 발생할 가능성이 있으므로, 본 발명은 관상 영상에 대해서도 로그 극좌표 영상을 생성하여 매칭 시 고려한다.
도 13은 기준 영상 및 추적 영상 내의 폐결절 및 폐혈관의 원본 영상 및 로그 극좌표 영상의 일 예를 도시하는 도면이다.
도 13을 참조하면, 축상 영상 및 관상 영상에서 모두 둥근 형태를 띠는 폐결 절과, 축상 영상 또는 관상 영상 중 어느 한 쪽에서만 둥근 형태를 띠는 폐혈관을 구별해 낼 수 있음을 알 수 있다.
폐결절의 경우에는 기준 영상 및 추적 영상에서 (축상 영상, 관상 영상의 원본 영상 및 로그 극좌표 영상을 모두 고려했을 경우) 서로 유사한 영상을 얻을 수 있음을 알 수 있다. 본 발명은 로그 극좌표 영상을 이용함으로써 형태적 유사성을 명확하게 구별할 수 있으며, 폐혈관 등 주변 조직, 기관을 폐결절과 구별하기 위하여 축상 영상 및 관상 영상을 모두 고려한다.
템플릿 정합부 (630)는 생성된 로그 극좌표 영상 및 원본 영상으로부터 하기 수학식 7을 이용하여 유사도 (similarity)를 계산할 수 있다.
[수학식 7]
이 때 템플릿 정합부 (630)는 실험을 통해 가중치 α, β를 정의할 수 있다. 예를 들어, α는 0.39, β는 0.61의 값을 가질 수 있다.
본 발명은 지역 정보에 기반한 템플릿 매칭을 수행함으로써 매칭 오류를 줄일 수 있다. 본 발명은 NCC를 통하여 폐결절의 위치 간의 상관관계뿐만 아니라 폐결절의 주변 조직 간의 상관관계를 고려하고, NGC를 이용하여 폐결절의 형태 또한 고려함으로써 매칭의 정확성을 높일 수 있다.
또한 본 발명은 이중 임계값 기법 및 x, y 축 건너뛰기 기법을 이용하여 관 심 영역 내의 탐색 범위를 줄임으로써 매칭 시간을 단축할 수 있다. 또한 본 발명의 기법을 이용하면, 기준 영상에서 발견된 폐결절이 추적 영상에서 발견되지 않은 경우에는 기준 영상에서 발견된 폐결절과 가장 유사한 위치로 매칭된다.
도 14는 관상 최대강도 투사 영상 및 시상 최대강도 투사 영상을 이용한 초기 정합의 전과 후를 비교하는 예들을 도시하는 도면이다.
도 14를 참고하면, 데이터 샘플 1은 폐의 위치가 변화한 경우의 예를 나타내고, 데이터 샘플 2 및 3은 폐의 위치 및 크기가 변화한 경우의 예를 나타낸다.
도 14에 도시된 바와 같이, 초기 정합 전 폐결절의 위치는 상당한 차이를 나타내지만, 초기 정합 후 폐결절 간의 위치 차이는 보정되었음을 알 수 있다.
도 15 및 도 16은 템플릿 매칭을 통한 폐결절 매칭의 예들을 도시하는 도면이다. 도 15는 폐결절이 다양한 크기를 가지는 경우에도 본 발명의 템플릿 매칭이 정확한 폐결절 매칭을 수행하는 예들을 도시한다.
도 16은 폐결절이 다양한 위치에 위치하는 경우에도 본 발명의 템플릿 매칭이 정확한 폐결절 매칭을 수행하는 예들을 도시한다.
본 발명은 지역적 템플릿 매칭 알고리즘을 통하여 폐결절 및 주변 조직 간의 상관관계와 폐결절의 형태 유사도가 높은 영역을 매칭함으로써 폐결절의 크기가 작은 경우, 크기가 큰 경우, 기준 영상 및 추적 영상의 폐결절의 크기가 서로 다른 경우에도 정확한 매칭을 성공시킴을 알 수 있다. 또한 폐결절이 폐의 내부에 위치하는 경우 뿐만 아니라 폐결절이 폐혈관 또는 폐흉벽에 붙어 있는 경우에도 정확한 매칭을 성공시킴을 알 수 있다.
본 발명의 일 실시예에 따른 정합 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
그러므로, 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해 져야 한다.
도 1은 본 발명의 일 실시예에 따른 CT 영상의 정합 방법을 도시하는 동작 흐름도이다.
도 2는 도 1의 일 단계 (S110)의 일 예를 상세히 도시하는 동작 흐름도이다.
도 3은 도 1의 일 단계 (S120)의 일 예를 상세히 도시하는 동작 흐름도이다.
도 4는 도 1의 일 단계 (S130)의 일 예를 상세히 도시하는 동작 흐름도이다.
도 5는 도 1의 일 단계 (S140)의 일 예를 상세히 도시하는 동작 흐름도이다.
도 6은 본 발명의 일 실시예에 따른 CT 영상의 정합 장치를 도시하는 도면이다.
도 7은 기준 영상 내의 폐 경계면 및 최적경계볼륨의 일 예를 도시하는 도면이다.
도 8은 추적 영상 내의 폐 경계면 및 최적경계볼륨의 일 예를 도시하는 도면이다.
도 9는 CT 영상으로부터 관상 최대강도 투사영상을 생성하는 과정의 일 예를 도시하는 도면이다.
도 10은 CT 영상으로부터 시상 최대강도 투사영상을 생성하는 과정의 일 예를 도시하는 도면이다.
도 11은 이중 임계값 기법을 적용하기 전과 후의 관상 최대강도 투사 영상 및 시상 최대강도 투사 영상의 일 예를 도시하는 도면이다.
도 12는 기준 영상 내의 볼륨 템플릿 및 추적 영상 내의 관심 영역 및 탐색 영역의 일 예를 도시하는 도면이다.
도 13은 기준 영상 및 추적 영상 내의 폐결절 및 폐혈관의 원본 영상 및 로그 극좌표 영상의 일 예를 도시하는 도면이다.
도 14는 관상 최대강도 투사 영상 및 시상 최대강도 투사 영상을 이용한 초기 정합의 전과 후를 비교하는 예들을 도시하는 도면이다.
도 15 및 도 16은 템플릿 매칭을 통한 폐결절 매칭의 예들을 도시하는 도면이다.
Claims (16)
- 연속된 컴퓨터 단층촬영에 의하여 생성된 기준 영상 및 추적 영상의 정합 방법에 있어서,폐를 포함하는 최적경계볼륨의 중심 좌표를 기반으로 상기 기준 영상에 대한 상기 추적 영상의 위치를 보정하는 단계;상기 기준 영상의 관상 최대강도 투사영상 및 상기 추적 영상의 관상 최대강도 투사영상을 비교하는 단계;상기 기준 영상의 시상 최대강도 투사영상 및 상기 추적 영상의 시상 최대강도 투사영상을 비교하는 단계;상기 관상 최대강도 투사영상 간의 비교 결과 및 상기 시상 최대강도 투사영상 간의 비교 결과에 기반하여 상기 기준 영상 및 상기 추적 영상을 강체 정합하는 단계; 및상기 기준 영상 및 상기 추적 영상 내의 폐결절의 형태 정보 및 주변 지역 정보에 기반하여 상기 기준 영상 및 상기 추적 영상을 템플릿 정합하는 단계를 포함하는 정합 방법.
- 제1항에 있어서,상기 기준 영상의 x-z축 평면에 있는 픽셀 정보를 y축 방향으로 투사하여 상 기 기준 영상의 관상 최대강도 투사영상을 생성하는 단계;상기 추적 영상의 x-z축 평면에 있는 픽셀 정보를 y축 방향으로 투사하여 상기 추적 영상의 관상 최대강도 투사영상을 생성하는 단계;상기 기준 영상의 y-z축 평면에 있는 픽셀 정보를 x축 방향으로 투사하여 상기 기준 영상의 시상 최대강도 투사영상을 생성하는 단계; 및상기 추적 영상의 y-z축 평면에 있는 픽셀 정보를 x축 방향으로 투사하여 상기 추적 영상의 시상 최대강도 투사영상을 생성하는 단계를 더 포함하는 정합 방법.
- 제2항에 있어서,상기 기준 영상의 관상 최대강도 투사영상을 생성하는 단계, 상기 기준 영상의 시상 최대강도 투사영상을 생성하는 단계, 상기 추적 영상의 관상 최대강도 투사영상을 생성하는 단계, 및 상기 추적 영상의 시상 최대강도 투사영상을 생성하는 단계 각각은동일 선상의 픽셀들 중 설정된 최소 임계값(예를 들어, 700HU) 이상 최대 임계값(예를 들어, 1100HU) 미만의 값을 가지는 픽셀을 선택하고, 상기 선택된 픽셀들 중 가장 큰 밝기 값을 가진 픽셀의 정보를 2차원 평면에 투사하여 관상 또는 시상 최대강도 투사영상을 생성하는 정합 방법.
- 제2항에 있어서,상기 기준 영상의 관상 최대강도 투사영상을 생성하는 단계, 상기 기준 영상의 시상 최대강도 투사영상을 생성하는 단계, 상기 추적 영상의 관상 최대강도 투사영상을 생성하는 단계, 및 상기 추적 영상의 시상 최대강도 투사영상을 생성하는 단계 각각은상기 기준 영상 또는 상기 추적 영상의 슬라이스들의 개수가 설정된 임계값(예를 들어, 200장)보다 크면 상기 슬라이스들 중 일부를 선택적으로 이용하여 관상 또는 시상 최대강도 투사영상을 생성하는 정합 방법.
- 제1항에 있어서,상기 기준 영상 및 상기 추적 영상을 강체 정합하는 단계는상기 기준 영상의 관상 최대강도 투사영상 및 상기 추적 영상의 관상 최대강도 투사영상 간의 정규화된 평균 밝기 값 차이를 계산하는 단계;상기 기준 영상의 시상 최대강도 투사영상 및 상기 추적 영상의 시상 최대강도 투사영상 간의 정규화된 평균 밝기 값 차이를 계산하는 단계; 및상기 관상 최대강도 투사영상 간의 정규화된 평균 밝기 값 및 상기 시상 최대강도 투사영상 간의 정규화된 평균 밝기 값을 최소화하는 최적의 이동, 크기 및 회전 변환 벡터를 구하는 단계를 포함하는 정합 방법.
- 제1항에 있어서,상기 기준 영상 및 상기 추적 영상을 템플릿 정합하는 단계는상기 기준 영상 내의 폐결절을 중심으로 볼륨 템플릿을 지정하는 단계;상기 강체 변환된 추적 영상 내에서 상기 기준 영상 내의 폐결절의 위치와 동일한 위치를 포함하고 상기 볼륨 템플릿보다 큰 볼륨을 관심 영역으로 지정하는 단계;상기 관심 영역 내에서 복수의 탐색 영역들을 지정하는 단계; 및상기 탐색 영역들 중에서 상기 볼륨 템플릿과의 관계에서 정규화된 상관관계 및 정규화된 기하학적 제약 조건의 합이 가장 큰 탐색 영역의 위치를 상기 폐결절의 위치에 대응시키는 단계를 포함하는 정합 방법.
- 제6항에 있어서,상기 정규화된 상관관계 및 상기 정규화된 기하학적 제약 조건의 합이 가장 큰 탐색 영역의 위치를 상기 폐결절의 위치에 대응시키는 단계는상기 기준 영상의 로그 극좌표 영상을 생성하는 단계;상기 추적 영상의 로그 극좌표 영상을 생성하는 단계; 및상기 기준 영상의 로그 극좌표 영상 및 상기 추적 영상의 로그 극좌표 영상으로부터 상기 정규화된 기하학적 제약 조건을 계산하는 단계를 포함하는 정합 방법.
- 제1항 내지 제7항 중 어느 한 항의 방법을 실행하기 위한 프로그램이 기록되 어 있는 것을 특징으로 하는 컴퓨터에서 판독 가능한 기록 매체.
- 연속된 컴퓨터 단층촬영에 의하여 생성된 기준 영상 및 추적 영상 내의 폐를 포함하는 최적경계볼륨의 중심 좌표를 기반으로 상기 기준 영상에 대한 상기 추적 영상의 위치를 보정하는 위치 보정부;상기 기준 영상의 관상 최대강도 투사영상 및 상기 추적 영상의 관상 최대강도 투사영상을 비교하고, 상기 기준 영상의 시상 최대강도 투사영상 및 상기 추적 영상의 시상 최대강도 투사영상을 비교하고, 상기 기준 영상 및 상기 추적 영상을 강체 정합하는 강체 정합부; 및상기 기준 영상 및 상기 추적 영상 내의 폐결절의 형태 정보 및 주변 지역 정보에 기반하여 상기 기준 영상 및 상기 추적 영상을 템플릿 정합하는 템플릿 정합부를 포함하는 컴퓨터 단층촬영 영상의 정합 장치.
- 제9항에 있어서,상기 강체 정합부는상기 기준 영상의 x-z축 평면에 있는 픽셀 정보를 y축 방향으로 투사하여 상기 기준 영상의 관상 최대강도 투사영상을 생성하고, 상기 추적 영상의 x-z축 평면에 있는 픽셀 정보를 y축 방향으로 투사하여 상기 추적 영상의 관상 최대강도 투사영상을 생성하고, 상기 기준 영상의 y-z축 평면에 있는 픽셀 정보를 x축 방향으로 투사하여 상기 기준 영상의 시상 최대강도 투사영상을 생성하고, 상기 추적 영상의 y-z축 평면에 있는 픽셀 정보를 x축 방향으로 투사하여 상기 추적 영상의 시상 최대강도 투사영상을 생성하는 컴퓨터 단층촬영 영상의 정합 장치.
- 제10항에 있어서,상기 강체 정합부는동일 선상의 픽셀들 중 설정된 최소 임계값(예를 들어, 700HU) 이상 최대 임계값(예를 들어, 1100HU) 미만의 값을 가지는 픽셀들을 선택하고, 상기 선택된 픽셀들 중 가장 큰 밝기 값을 가진 픽셀의 정보를 2차원 평면에 투사하여 관상 또는 시상 최대강도 투사영상을 생성하는 컴퓨터 단층촬영 영상의 정합 장치.
- 제9항에 있어서,상기 강체 정합부는상기 기준 영상 또는 상기 추적 영상의 슬라이스들의 개수가 설정된 임계값(예를 들어, 200장)보다 크면 상기 슬라이스들 중 일부를 선택적으로 이용하여 관상 또는 시상 최대강도 투사영상을 생성하는 컴퓨터 단층촬영 영상의 정합 장치.
- 제9항에 있어서,상기 강체 정합부는상기 기준 영상의 관상 최대강도 투사영상 및 상기 추적 영상의 관상 최대강 도 투사영상 간의 정규화된 평균 밝기 값 차이를 계산하고, 상기 기준 영상의 시상 최대강도 투사영상 및 상기 추적 영상의 시상 최대강도 투사영상 간의 정규화된 평균 밝기 값 차이를 계산하고, 상기 관상 최대강도 투사영상 간의 정규화된 평균 밝기 값 및 상기 시상 최대강도 투사영상 간의 정규화된 평균 밝기 값을 최소화하는 최적의 이동, 크기 및 회전 변환 벡터를 구하는 컴퓨터 단층촬영 영상의 정합 장치.
- 제9항에 있어서,상기 템플릿 정합부는상기 기준 영상 내의 폐결절을 중심으로 볼륨 템플릿을 지정하고, 상기 강체 변환된 추적 영상 내에서 상기 기준 영상 내의 폐결절의 위치와 동일한 위치를 포함하고 상기 볼륨 템플릿보다 큰 볼륨을 관심 영역으로 지정하고, 상기 관심 영역 내에서 복수의 탐색 영역들을 지정하고, 상기 탐색 영역들 중에서 상기 볼륨 템플릿과의 관계에서 정규화된 상관관계 및 정규화된 기하학적 제약 조건의 합이 가장 큰 탐색 영역의 위치를 상기 폐결절의 위치에 대응시키는 컴퓨터 단층촬영 영상의 정합 장치.
- 제14항에 있어서,상기 템플릿 정합부는상기 기준 영상의 로그 극좌표 영상을 생성하고, 상기 추적 영상의 로그 극 좌표 영상을 생성하고, 상기 기준 영상의 로그 극좌표 영상 및 상기 추적 영상의 로그 극좌표 영상으로부터 상기 정규화된 기하학적 제약 조건을 계산하는 컴퓨터 단층촬영 영상의 정합 장치.
- 제9항에 있어서,상기 위치 보정부는상기 기준 영상 내의 밝기 값 정보를 이용하여 상기 폐의 경계면에 대응하는 제1 최적경계볼륨을 생성하고, 상기 추적 영상 내의 밝기 값 정보를 이용하여 상기 폐의 경계면에 대응하는 제2 최적경계볼륨을 생성하고, 상기 제1 최적경계볼륨의 중심점의 좌표 및 상기 제2 최적경계볼륨의 중심점의 좌표 간의 이동 변환을 계산하고, 상기 계산된 이동 변환에 기반하여 상기 기준 영상에 대한 상기 추적 영상의 위치를 보정하는 컴퓨터 단층촬영 영상의 정합 장치.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020090009063A KR101028365B1 (ko) | 2009-02-04 | 2009-02-04 | 연속된 컴퓨터 단층촬영의 폐결절 다단계 정합 방법 및 장치 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020090009063A KR101028365B1 (ko) | 2009-02-04 | 2009-02-04 | 연속된 컴퓨터 단층촬영의 폐결절 다단계 정합 방법 및 장치 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20100089704A KR20100089704A (ko) | 2010-08-12 |
KR101028365B1 true KR101028365B1 (ko) | 2011-04-11 |
Family
ID=42755566
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020090009063A KR101028365B1 (ko) | 2009-02-04 | 2009-02-04 | 연속된 컴퓨터 단층촬영의 폐결절 다단계 정합 방법 및 장치 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR101028365B1 (ko) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9262835B2 (en) | 2012-11-01 | 2016-02-16 | Samsung Electronics Co., Ltd. | Method, apparatus, and medical imaging system for segmenting image of object from image of organ |
US9424638B2 (en) | 2012-10-12 | 2016-08-23 | Samsung Electronics Co., Ltd. | Apparatus and method for analyzing medical image |
KR101885562B1 (ko) | 2017-12-18 | 2018-08-06 | 주식회사 뷰노 | 제1 의료 영상의 관심 영역을 제2 의료 영상 위에 맵핑하는 방법 및 이를 이용한 장치 |
US10368809B2 (en) | 2012-08-08 | 2019-08-06 | Samsung Electronics Co., Ltd. | Method and apparatus for tracking a position of a tumor |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101274530B1 (ko) * | 2011-07-29 | 2013-06-13 | 주식회사 모든넷 | 이미지 정합 기반 흉부영상 진단 시스템 및 방법 |
KR101887188B1 (ko) * | 2011-11-21 | 2018-08-10 | 삼성전자주식회사 | 복수의 영상들을 접합하기 위한 방법 및 장치 |
KR101349275B1 (ko) * | 2012-08-24 | 2014-01-09 | 전남대학교산학협력단 | 피두셜 마커를 이용한 2차원 이미지와 3차원 이미지의 정합 시스템 및 그 방법 |
KR102018813B1 (ko) * | 2012-10-22 | 2019-09-06 | 삼성전자주식회사 | 3차원 영상 제공 방법 및 장치 |
KR102094502B1 (ko) | 2013-02-21 | 2020-03-30 | 삼성전자주식회사 | 의료 영상들의 정합 방법 및 장치 |
KR101460908B1 (ko) * | 2013-08-09 | 2014-11-17 | 서울여자대학교 산학협력단 | 4차원 컴퓨터 단층촬영 영상의 폐종양 위치 추적 시스템 및 그 방법 |
KR101587719B1 (ko) * | 2014-06-10 | 2016-01-22 | 원광대학교산학협력단 | 의료 영상 분석 장치 및 이의 폐결절과 폐혈관 구분 방법 |
KR102277022B1 (ko) * | 2019-08-13 | 2021-07-14 | 주식회사 디오 | 구강 ct 영상 및 구강 스캔 영상의 정합 방법 및 장치 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006517042A (ja) | 2003-01-15 | 2006-07-13 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 三次元の変形可能なモデルを三次元の物体の略管状の面に自動的に適合させる画像処理方法 |
-
2009
- 2009-02-04 KR KR1020090009063A patent/KR101028365B1/ko active IP Right Grant
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006517042A (ja) | 2003-01-15 | 2006-07-13 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 三次元の変形可能なモデルを三次元の物体の略管状の面に自動的に適合させる画像処理方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10368809B2 (en) | 2012-08-08 | 2019-08-06 | Samsung Electronics Co., Ltd. | Method and apparatus for tracking a position of a tumor |
US9424638B2 (en) | 2012-10-12 | 2016-08-23 | Samsung Electronics Co., Ltd. | Apparatus and method for analyzing medical image |
US9262835B2 (en) | 2012-11-01 | 2016-02-16 | Samsung Electronics Co., Ltd. | Method, apparatus, and medical imaging system for segmenting image of object from image of organ |
KR101885562B1 (ko) | 2017-12-18 | 2018-08-06 | 주식회사 뷰노 | 제1 의료 영상의 관심 영역을 제2 의료 영상 위에 맵핑하는 방법 및 이를 이용한 장치 |
Also Published As
Publication number | Publication date |
---|---|
KR20100089704A (ko) | 2010-08-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101028365B1 (ko) | 연속된 컴퓨터 단층촬영의 폐결절 다단계 정합 방법 및 장치 | |
JP6676655B2 (ja) | 二重エネルギーx線冠動脈カルシウムのグレード付け | |
US8953856B2 (en) | Method and system for registering a medical image | |
Linguraru et al. | Automated segmentation and quantification of liver and spleen from CT images using normalized probabilistic atlases and enhancement estimation | |
US10111713B2 (en) | Surgery assistance apparatus, surgery assistance method and non-transitory computer-readable recording medium having stored therein surgery assistance program | |
Li et al. | Establishing a normative atlas of the human lung: intersubject warping and registration of volumetric CT images | |
JP5258694B2 (ja) | 医用画像処理装置および方法並びにプログラム | |
KR102114415B1 (ko) | 의료 영상 정합 방법 및 장치 | |
JP5334692B2 (ja) | 制約されたマージナル空間学習を使用して3d解剖学的オブジェクトを検出するための方法およびシステム | |
JP5301197B2 (ja) | 断面画像表示装置および方法ならびにプログラム | |
JP6656910B2 (ja) | 医用画像処理装置、医用画像診断装置及び医用画像処理プログラム | |
JP2003512112A (ja) | 弾性的照合を用いる対側性および時間的な減法画像のコンピュータ化処理のための方法、システムおよびコンピュータ可読媒体 | |
US9042619B2 (en) | Method and system for automatic native and bypass coronary ostia detection in cardiac computed tomography volumes | |
Jo et al. | Pulmonary nodule registration in serial CT scans using global rib matching and nodule template matching | |
Hong et al. | Automatic lung nodule matching on sequential CT images | |
US11278257B2 (en) | Diagnostic auxiliary image generation apparatus, diagnostic auxiliary image generation method, and diagnostic auxiliary image generation program | |
WO2022164374A1 (en) | Automated measurement of morphometric and geometric parameters of large vessels in computed tomography pulmonary angiography | |
JP2007536054A (ja) | 薬物動力学的画像レジストレーション | |
WO2012125867A1 (en) | Method and system for quality assurance of cross sectional imaging scans | |
JP2007500029A (ja) | アフィン変換を用いたモダリティ内医療体積画像の自動登録 | |
CN106462969B (zh) | 用于两幅图像的配准的设备和方法 | |
Li et al. | 3D intersubject warping and registration of pulmonary CT images for a human lung model | |
JP2019088672A (ja) | 画像処理装置および画像処理装置の作動方法並びに画像処理プログラム | |
Schaap | Quantitative Image Analysis in Cardiac CT Angiography | |
US20220230328A1 (en) | Information processing apparatus, information processing method, and non-transitory storage medium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20140403 Year of fee payment: 4 |
|
FPAY | Annual fee payment |
Payment date: 20160404 Year of fee payment: 6 |
|
FPAY | Annual fee payment |
Payment date: 20180402 Year of fee payment: 8 |
|
FPAY | Annual fee payment |
Payment date: 20190318 Year of fee payment: 9 |
|
FPAY | Annual fee payment |
Payment date: 20200309 Year of fee payment: 10 |