KR101294858B1 - 간 문맥의 혈관 구조 정보를 이용한 간 세그먼트 구분 방법 및 장치 - Google Patents

간 문맥의 혈관 구조 정보를 이용한 간 세그먼트 구분 방법 및 장치 Download PDF

Info

Publication number
KR101294858B1
KR101294858B1 KR1020120044171A KR20120044171A KR101294858B1 KR 101294858 B1 KR101294858 B1 KR 101294858B1 KR 1020120044171 A KR1020120044171 A KR 1020120044171A KR 20120044171 A KR20120044171 A KR 20120044171A KR 101294858 B1 KR101294858 B1 KR 101294858B1
Authority
KR
South Korea
Prior art keywords
liver
context
point
points
blood vessel
Prior art date
Application number
KR1020120044171A
Other languages
English (en)
Inventor
이정진
이강도
정진욱
김경원
김보형
신영길
Original Assignee
가톨릭대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 가톨릭대학교 산학협력단 filed Critical 가톨릭대학교 산학협력단
Priority to KR1020120044171A priority Critical patent/KR101294858B1/ko
Application granted granted Critical
Publication of KR101294858B1 publication Critical patent/KR101294858B1/ko

Links

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
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/42—Detecting, measuring or recording for evaluating the gastrointestinal, the endocrine or the exocrine systems
    • A61B5/4222—Evaluating particular parts, e.g. particular organs
    • A61B5/4244—Evaluating particular parts, e.g. particular organs liver
    • 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
    • A61B6/504—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 for diagnosis of blood vessels, e.g. by angiography
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03B—APPARATUS OR ARRANGEMENTS FOR TAKING PHOTOGRAPHS OR FOR PROJECTING OR VIEWING THEM; APPARATUS OR ARRANGEMENTS EMPLOYING ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ACCESSORIES THEREFOR
    • G03B42/00—Obtaining records using waves other than optical waves; Visualisation of such records by using optical means
    • G03B42/02—Obtaining records using waves other than optical waves; Visualisation of such records by using optical means using X-rays
    • G03B42/026—Obtaining records using waves other than optical waves; Visualisation of such records by using optical means using X-rays for obtaining three-dimensional pictures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Molecular Biology (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Surgery (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Optics & Photonics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Gastroenterology & Hepatology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Dentistry (AREA)
  • Vascular Medicine (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Pulmonology (AREA)
  • Endocrinology (AREA)
  • Physiology (AREA)
  • Geometry (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

본 발명은 간 문맥의 혈관 구조 정보를 이용한 간 세그먼트 구분 방법 및 장치에 관한 것이다. 본 발명에 따른 간 문맥의 혈관 구조 정보를 이용한 간 세그먼트 구분 방법은, CT 촬영을 통해 3차원 흉부 볼륨 데이터를 획득하는 단계, 상기 3차원 흉부 볼륨 데이터를 이용하여 간 문맥의 혈관 경계에 있는 점들에 대한 유클라디안 거리맵을 이용하여 경로 트리를 생성하는 단계, 레벨 셋을 이용하여 상기 간 문맥의 끝점, 분지점 및 골격을 추출하는 단계, 추출된 분지점의 위치를 보정하는 단계, 상기 간 문맥에 대한 분지 패턴을 분석하고 상기 골격으로부터 주 혈관을 추출하는 단계, 그리고 상기 주 혈관의 분지 패턴 구조를 이용하여 간 세그먼트를 구분하는 단계를 포함한다.
이와 같이 본 발명에 의하면, 공여자의 간 혈관을 간 내부의 특정 세그먼트에 대한 간 부분 체적을 정확하게 측정할 수 있으므로, 이를 바탕으로 공여자의 적합성을 판단하기 위한 진단 도구로서 제공될 수 있다.

Description

간 문맥의 혈관 구조 정보를 이용한 간 세그먼트 구분 방법 및 장치{Method for liver segment division using vascular structure information of portal vein and apparatus thereof}
본 발명은 간 문맥의 혈관 구조 정보를 이용한 간 세그먼트 구분 방법 및 장치에 관한 것으로, 보다 상세하게는 CT 촬영된 간 문맥의 혈관 구조를 분석하고 세그먼트를 구분하여 간 이식 수술의 성공률을 극대화할 수 있는 간 문맥의 혈관 구조 정보를 이용한 간 세그먼트 구분 방법 및 장치에 관한 것이다.
현재 국내에서 간질환으로 사망하는 사람은 연간 1 만여명에 달한다. 하지만, 간질환은 완치할 수 있는 치료약이 없기 때문에 건강한 사람의 간을 이식받는 방법이 최선책이다. 1994년 서울아산병원에서 생체 부분 간이식 수술이 국내 최초로 성공한 이래로 최근 추세는 뇌사자 간이식에서 생체 부분 간이식으로 빠르게 전환되고 있다. 간은 전체 부피의 30%만 있어도 생명 유지에 어려움이 없으며 재생력이 강하여 한 달 이내 80%까지 되살아나므로 장기 부분 공여가 가능하다. 생체부분 간이식은 말기 간 경변, 진행성 만성간염, 초기 간암, 선천성 담도폐색증, 윌슨병 등에 대하여 근본적인 치료의 유일한 방법이다.
생체부분 간이식의 증가에 따라서 공여자의 적합성 평가의 정확성에 대한 요구도 급증하고 있다. 이 때, 가장 중요한 것은 공여자의 간 세그먼트의 체적을 정확히 측정하는 것이고, 이것은 수혜자의 수술 후 경과와 공여자의 안전 측면에서 절대적으로 필요하다. 공여자의 수술 후 안전을 확보하기 위해 가장 중요한 것은 공여 후 잔여 간 체적인데, 간 이식편으로 공여되는 부분이 너무 크고 공여자에게 남는 간 조직이 공여자의 필요한 표준간 중량에 미치지 못할 경우 수술 후 간 기능 장애가 심해진다는 문제점이 있어서 보통 총 간 체적의 35 ~ 40% 이상을 남긴다. 따라서 생체부분 간이식의 공여자로서 적합한 판정을 받으려면 잔여 간 체적이 35 ~ 40%이어야 한다.
위에 기술된 공여자의 적합성을 판단하기 위한 간 세그먼트의 체적에 대한 수술 전 정보는 복부 CT(Computed Tomography) 영상으로부터 얻을 수 있는데, 기존에는 공여자의 간 세그먼트의 체적 측정은 의사에 의하여 수작업으로 수행되어 왔다. 이를 위하여 간 세그먼트를 수동으로 분할하고, 매 슬라이스마다 수동으로 입력된 간 구분을 위한 절제면의 면적을 슬라이스 두께로 곱한 다음 총 합을 구하여 간 세그먼트의 체적을 측정하였다.
따라서 간 세그먼트를 수동으로 분할하는 과정에 매우 오랜 시간이 소요되고 있고, 간 세그먼트는 3차원적으로 주요 간 문맥 혈관들로부터 피를 공급받는 부분을 분할해야 하지만, 의사의 수작업은 2차원 평면 상에서 이루어지는 한계점이 있어서 정확성이 근본적으로 떨어지는 문제점이 있다.
본 발명의 배경이 되는 기술은 대한민국 등록특허공보 제10-1126447호(2012. 03. 29 등록공고)에 기재되어 있다.
따라서 본 발명이 이루고자 하는 기술적 과제는 CT 촬영된 간 문맥의 혈관 구조를 분석하고 세그먼트를 구분하여 간 이식 수술의 성공률을 극대화할 수 있는 간 문맥의 혈관 구조 정보를 이용한 간 세그먼트 구분 방법 및 장치를 제공하는 것이다.
본 발명에 따른 간 문맥의 혈관 구조 정보를 이용한 간 세그먼트 구분 방법은, CT 촬영을 통해 3차원 흉부 볼륨 데이터를 획득하는 단계, 상기 3차원 흉부 볼륨 데이터를 이용하여 간 문맥의 혈관 경계에 있는 점들에 대한 유클라디안 거리맵을 이용하여 경로 트리를 생성하는 단계, 레벨 셋을 이용하여 상기 간 문맥의 끝점, 분지점 및 골격을 추출하는 단계, 추출된 분지점의 위치를 보정하는 단계, 상기 간 문맥에 대한 분지 패턴을 분석하고 상기 골격으로부터 주 혈관을 추출하는 단계, 그리고 상기 주 혈관의 분지 패턴 구조를 이용하여 간 세그먼트를 구분하는 단계를 포함한다.
상기 경로 트리를 생성하는 단계는, 상기 간 문맥의 혈관 경계에 있는 모든 점들에 대하여 상기 유클라디안 거리 맵을 생성하는 단계, 그리고 상기 혈관 경계로부터 가장 멀리 떨어진 내부 복셀들을 선택적으로 연결하여 상기 경로 트리를 생성하는 단계를 포함할 수 있다.
상기 간 문맥의 끝점, 분지점 및 골격을 추출하는 단계는, 상기 레벨 셋이 전파되는데 걸리는 시간의 정수 부분 값이 같은 점들을 하나의 집합으로 정의하고, 인접한 집합이 하나인 점들의 집합을 상기 간 문맥의 끝점으로 판단하는 단계, 상기 추출된 간 문맥의 끝점으로부터 시작점까지 역추적하여 연결하여 상기 간 문맥의 골격 정보를 추출하는 단계, 그리고 상기 추출된 복수의 골격이 교차하는 지점을 분지점으로 판단하는 단계를 포함할 수 있다.
상기 추출된 분지점의 위치를 보정하는 단계는, 상기 추출된 분지점 주변에 인접한 후보점들을 중심으로 가상의 구를 팽창시켜 상기 간 문맥의 혈관 벽에 내접하는 최대 크기의 구를 계산하는 단계, 그리고 상기 최대 크기의 구의 중심점에 해당하는 지점으로 상기 분지점의 위치를 보정하는 단계를 포함할 수 있다.
다음의 수학식과 같이 상기 후보점들에 대한 중심 좌표(Pcandidate)에 오프셋 테이블에 저장된 상대 좌표(OTx(i), OTy(i), OTz(i))를 더하여 상기 가상의 구의 좌표(Psphere)를 계산할 수 있다.
Figure 112012033656909-pat00001
여기서, Pcandidate 는 가상의 구의 중심에 해당하는 좌표(x0,y0,z0)를 나타낸다.
상기 간 문맥에 대한 분지 패턴을 분석하고 주 혈관 구조를 추출하는 단계는, 상기 간 문맥의 입구 부분에 위치하는 분지점을 부모 노드로 설정하고, 상기 부모 노드 및 상기 부모 노드에 연결된 분지점들에 대해 레벨을 설정하는 단계, 상기 레벨 정보와 골격 정보로부터 트리 형태의 상기 간 문맥에 대한 분지 패턴을 분석하는 단계, 상기 간 문맥의 경계에 있는 점들에 대한 유클라디안 거리 맵을 통하여 상기 간 문맥의 직경을 예측하는 단계, 그리고 상기 간 문맥의 직경과 임계 값을 이용하여 주 혈관과 부 혈관을 구분하고, 상기 부 혈관을 제거하는 단계를 포함할 수 있다.
본 발명의 다른 실시예에 따른 간 세그먼트 구분 장치는, CT 촬영을 통해 3차원 흉부 볼륨 데이터를 획득하는 볼륨 데이터 획득부, 상기 3차원 흉부 볼륨 데이터를 이용하여 간 문맥의 혈관 경계에 있는 점들에 대한 유클라디안 거리맵을 이용하여 경로 트리를 생성하는 경로 트리 생성부, 레벨 셋을 이용하여 상기 간 문맥의 끝점, 분지점 및 골격을 추출하는 골격 추출부, 추출된 분지점의 위치를 보정하는 분지점 위치 보정부, 상기 간 문맥에 대한 분지 패턴을 분석하고 상기 골격으로부터 주 혈관을 추출하는 분지 패턴 분석부, 그리고 상기 주 혈관의 분지 패턴 구조를 이용하여 간 세그먼트를 구분하는 간 세그먼트 구분부를 포함한다.
이와 같이 본 발명에 의하면, 공여자의 간 문맥 영상으로부터 간 내부의 특정 세그먼트에 대한 간 부분 체적을 정확하게 측정할 수 있으므로, 이를 바탕으로 공여자의 적합성을 판단하기 위해 실제 임상에 제공될 수 있다.
나아가, 현재 의사의 수작업에 의존한 정성적인 판독 방법을 자동화 시키고 이를 검증하는 방식으로 의료 형태가 변경되어 보다 객관적이고 정교한 판독이 가능하다. 또한 이런 장치를 기존의 3차원 CT 장치나 의료영상저장 및 전달장치(Picture archive and communication system)에 접합하면 상당 규모의 소프트웨어 판매 및 수출효과를 가져올 수 있을 뿐 아니라 나아가 세계시장에서 국내 의료시스템의 경쟁력을 강화시킬 수 있다.
도 1은 본 발명의 실시예에 따른 간 문맥의 혈관 구조 정보를 이용한 간 세그먼트 구분 장치에 대한 구성도이다.
도 2는 본 발명의 실시예에 따른 간 문맥의 혈관 구조 정보를 이용한 간 세그먼트 구분 방법을 설명하기 위한 순서도이다.
도 3은 본 발명의 실시예에 따른 경로 트리를 형성하는 과정을 설명하기 위한 도면이다.
도 4는 본 발명의 실시예에 따른 경로 트리 생성 과정에 사용되는 우선 순위 테이블을 나타낸 것이다.
도 5은 본 발명의 실시예에 따른 레벨 셋 기반의 혈관 제어점을 추출하는 과정을 설명하기 위한 도면이다.
도 6은 본 발명의 실시예에 따른 간 문맥의 골격과 분지점, 끝점 추출 결과를 나타낸 예시도이다.
도 7은 본 발명의 실시예에 따른 분지점 위치 보정 과정을 설명하기 위한 도면이다.
도 8은 본 발명의 실시예에 따른 제1 사분면에서의 거리 D에 따른 2차원 좌표 분류를 나타낸 도면이다.
도 9는 본 발명의 실시예에 따른 각 세부 분지점들의 분석된 레벨을 설명하기 위한 도면이다.
도 10은 본 발명의 실시예에 따른 간 좌측 세그먼트의 해부학적 구조를 나타낸 것이다.
도 11은 본 발명의 실시예에 따른 간 우측 세그먼트의 해부학적 구조를 나타낸 것이다.
도 12는 본 발명의 실시예에 따른 간 우측 세그먼트들의 2차원 투영 위치 관계를 설명하기 위한 도면이다.
도 13는 본 발명의 실시예에 따른 간 문맥의 혈관 구조에 따른 거리 기반 간 세그먼트 구분 모델링 방법을 나타낸 예시도이다.
도 14은 본 발명을 적용한 간 좌측 세그먼트의 세그먼트 구분 결과를 나타내는 예시도이다.
도 15는 본 발명을 적용한 간 우측 세그먼트의 세그먼트 구분 결과를 나타내는 예시도이다.
그러면 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다.
도 1은 본 발명의 실시예에 따른 간 문맥의 혈관 구조 정보를 이용한 간 세그먼트 구분 장치에 대한 구성도이다. 도 1에 나타낸 것과 같이 간 세그먼크 구분 장치(100)는 볼륨 데이터 획득부(110), 경로 트리 생성부(120), 골격 추출부(130), 분지점 위치 보정부(140), 분지 패턴 분석부(150) 및 간 세그먼트 구분부(160)를 포함한다.
먼저, 볼륨 데이터 획득부(110)는 CT 기법에 의해 3차원 흉부 볼륨 데이터를 획득한다. 경로 트리 생성부(120)는 3차원 흉부 볼륨 데이터를 이용하여 간 문맥의 혈관 경계에 있는 점들에 대한 유클라디안 거리맵을 이용하여 경로 트리를 생성하고, 경로 트리를 이용하여 간 문맥 혈관의 중심선을 추출한다.
골격 추출부(130)는 레벨 셋을 이용하여 간 문맥의 끝점, 분지점 및 골격을 추출하며, 분지점 위치 보정부(140)는 추출된 분지점의 위치를 보정한다.
분지 패턴 분석부(150)는 간 문맥에 대한 분지 패턴을 분석하고 주 혈관을 추출하며, 간 세그먼트 구분부(160)는 주 혈관의 분지 패턴 구조를 이용하여 간 세그먼트를 구분한다.
이하에서는 도 2 내지 도 13을 통하여 본 발명의 실시예에 따른 컴퓨터 단층촬영에서 간 문맥의 혈관 구조 정보를 이용한 자동 간 세그먼트 구분 방법에 대하여 설명한다.
도 2는 본 발명의 실시예에 따른 간 문맥의 혈관 구조 정보를 이용한 간 세그먼트 구분 방법을 설명하기 위한 순서도이다.
먼저 볼륨데이터 획득부(110)는 CT 촬영에 의해 3차원 흉부 볼륨 데이터를 획득한다(S210). 3차원 흉부 볼륨 데이터는 간을 포함하는 3차원 볼륨 데이터로서, CT 기법을 이용한 영상 데이터 획득 방법은 기존에 공지된 것으로서 상세한 설명은 생략한다.
다음으로, 경로 트리 생성부(120)는 간 문맥의 혈관 경계에 있는 점들에 대한 유클라디안 거리맵을 이용하여 경로 트리를 생성한다(S220).
도 3은 본 발명의 실시예에 따른 경로 트리를 형성하는 과정을 설명하기 위한 도면이고, 도 4는 본 발명의 실시예에 따른 경로 트리 생성 과정에 사용되는 우선 순위 테이블을 나타낸 것이다.
도 3과 같이 경로 트리 생성부(120)는 간 문맥 혈관 경계로부터 지역적으로 최대 거리 값을 가지는 지역적 최대값(local maximum)을 갖는 내부 복셀들을 잇는 중심선을 생성하기 위하여 경로 트리를 생성하는데 경로 트리 형성 과정은 다음과 같은 방법으로 수행된다. 즉, 간 문맥 혈관을 길이 방향으로 여러 부분으로 나눈다고 가정할 때, 각 부분의 혈관 경계에서 가장 멀리 떨어진 지점에 해당하는 복셀들을 찾아서 연결함으로써 중심선을 생성하고, 중심선을 확장하면 경로 트리가 생성된다.
첫 단계로 경로 트리 생성부(120)는 간 문맥의 혈관 경계에 있는 모든 점들에 대하여 3차원 유클리디안 거리맵을 생성한다. 이 때, 거리맵 생성 시에 CT 데이터의 한 복셀의 x, y, z축 방향 실제 크기를 고려한다. 먼저 도 3의 (a)와 같이 미리 분지 경로를 순차적으로 예상하는데, 여기서 x, y축 방향의 복셀 거리는 pixel spacing에 해당하고, z축 방향의 복셀 거리는 슬라이스 인터벌(slice interval)에 해당한다. 따라서, 경로 트리 생성부(120)는 거리맵 생성 시 z축 방향으로 슬라이스 인터벌을 픽셀 스페이싱으로 나눈 값만큼을 곱하여 축 방향에 따른 실제 거리의 차이를 보정한다.
두 번째 단계로 경로 트리 생성부(120)는 간 문맥의 혈관 경계로부터 가장 멀리 떨어진 내부 복셀들을 우선적으로 방문하도록 하여 경로 트리(path tree)를 생성한다. 간 문맥의 혈관 경계로부터 가장 멀리 떨어진 내부 복셀들을 우선적으로 방문하는 이유는 최대한 간 문맥의 중심을 지나는 지점이 중심선에 포함되도록 하기 위함이다.
여기서, 혈관 벽으로부터 떨어진 거리를 노드의 가중치로 정의하여 큰 가중치를 갖는 노드는 전파되는 데 우선 순위를 갖도록 한다.
경로 트리 생성부(120)는 도 4의 우선 순위 테이블(priority table)을 사용하여 경로 트리 생성 과정을 가속한다. 우선 순위 테이블의 인덱스는 혈관 벽으로부터 거리로 정의되는 노드의 가중치에 대응된다. 도 4와 같이 각 인덱스에 연결되어 있는 노드들은 가중치 뿐만 아니라 시작점으로부터 누적 거리와 부모 노드를 가리키는 포인터 그리고, 노드의 x, y, z 좌표 정보를 갖고 있다.
경로 트리 생성 중에 새로운 복셀을 방문하게 되면, 이 복셀은 가중치에 따라 정렬되어 해당되는 인덱스에 삽입된다. 도 3의 (b), (c)는 시작점(S)으로부터 이전에 방문되지 않은 각 인접 점들이 우선 순위 테이블에 삽입되는 중간 과정의 예를 나타낸다. 즉, 도 3의 (b)에서는 3번 노드, 도 3의 (c)에서는 5번 노드가 삽입되는 것을 각각 나타낸다.
여기서, 시작점은 도입부의 혈관벽으로부터의 거리가 가장 먼 점으로 결정되고, 경로 트리는 최대 가중치를 갖는 노드를 연결함으로써 확장된다.
다음으로 골격 추출부(130)는 레벨 셋을 이용하여 간 문맥의 끝점, 분지점과 골격(skeleton)을 추출한다(S230).
도 5은 본 발명의 실시예에 따른 레벨 셋 기반의 혈관 제어점을 추출하는 과정을 설명하기 위한 도면이다.
먼저 시작점으로부터 혈관 벽으로부터의 유클리디안 거리 D(x)에 따라서 다음의 수학식 1과 같은 속도 F(x)를 갖는 레벨 셋을 전파한다.
Figure 112012033656909-pat00002
다음 수학식 2의 레벨 셋 fast marching 기법을 이용하면, 각 점까지 레벨 셋이 전파되는 데 걸리는 시간은 빠르게 계산된다.
레벨 셋이 전파되는 데 걸리는 시간의 정수 부분 값이 같은 점들을 하나의 집합으로 정의하며, 동일한 집합에 해당하는 점들은 도 5와 같이 동일한 색상의 무늬 형태로 연결된다.
Figure 112012033656909-pat00003
여기서, Ti,j는 특정 레벨 셋 파동이 시작점으로부터 2차원 픽셀 위치(i,j)까지 전파되는데 걸리는 시간을 나타낸다.
그리고 인접한 집합이 하나 밖에 없는 점들의 집합은 혈관의 말단부(끝점)가 된다. 즉, 이전 지점에 대한 데이터는 있고 이후 지점에 대한 데이터가 없는 지점들의 집합이 말단부가 된다. 결국 말단부의 중심점을 혈관의 끝점으로 추출이 가능하다. 혈관 골격화는 이렇게 추출된 각 끝점들로부터 시작점까지 경로 트리에 저장된 부모 노드들을 역추적함으로써 이루어지고, 이미 추출된 골격을 만나면 그 위치를 분지점으로 표시하고, 역추적을 멈추게 된다.
도 6은 본 발명의 실시예에 따른 간 문맥 골격과 분지점, 끝점 추출 결과를 나타낸 예시도이다. 경로 트리는 혈관 벽으로부터 거리가 먼 점들로부터 전파되기 때문에 결국 경로 트리를 역추적하는 것은 혈관 벽으로부터 거리가 먼 점들을 따라가게 되어 도 6과 같이 혈관의 골격(skeleton)에 대한 추출이 가능하다.
다음으로 분지점 위치 보정부(140)는 추출된 분지점의 위치를 정확하게 보정한다(S240).
혈관의 분지점은 중심선과 중심선이 서로 만나는 부분에서 생성된다. 이 때, 간 문맥의 형태가 곧은 형태가 아니라 굴곡이 심한 이유등으로, 하나의 분지점으로 인식되어야 할 부분이 여러 개의 분지점으로 인식되는 문제가 발생할 수 있다. 따라서, 본 발명의 실시예에 따르면 추출된 분지점 위치 보정 단계를 추가하여 분지점 추출의 정확성을 향상한다.
도 7은 본 발명의 실시예에 따른 분지점 위치 보정 과정을 설명하기 위한 도면이다.
본 발명의 실시예에 따르면, S230 단계에서 추출된 분지점들에 대하여 그 주변에 일정 세그먼트 내에 인접한 skeleton 내의 점들을 중심으로 가상의 구를 팽창시켜 혈관벽에 내접하는 최대의 구를 계산한다.
결과적으로 각 점들에 대하여 최대 반지름이 계산되고, 이것은 지역적인 근사적 혈관 두께로 가정할 수 있다. 따라서 최대 반지름(r)을 갖는 최초 분지점(a 지점)에 근접한 골격(skeleton) 내의 점(b 지점)으로 분지점 위치를 보정할 수 있다. 즉, 최대 크기의 구의 중심에 해당하는 지점이 보정된 분지점의 위치가 되는 것이다.
더욱 상세하게 설명하면 최초 계산된 분지점 부근의 skeleton 내의 점 Pcandidate를 중심으로 반지름이 1 복셀인 가상의 구를 반지름을 1 복셀 씩 팽창하여 혈관벽과 가상의 구의 표면이 만나는 점을 찾는 과정을 반복하게 된다.
분지점의 위치를 더욱 신속하게 보정하기 위하여, 실제 골격(skeleton)을 생성하기에 앞서 가상의 구의 표면에 대한 구의 중심으로부터의 가까운 거리 순서대로 상대 좌표를 저장해 놓은 오프셋 테이블을 미리 만들어 둔다. 따라서, 가상의 구의 중심에 해당하는 Pcandidate의 절대 좌표는 분지점 보정 단계마다 변하지만, 이 중심의 좌표에 오프셋 테이블(Offset Table, OT)에 저장된 상대 좌표를 더하게 되면, 수학식 3과 같이 가상의 구 표면의 좌표 Psphere가 빠르게 계산된다.
Figure 112012033656909-pat00004
여기서, Pcandidate 는 가상의 구의 중심에 해당하는 좌표(x0,y0,z0)를 나타낸다.
오프셋 테이블에는 구의 중심에 해당하는 (x0,y0,z0)인 점을 기준으로 반지름이 1복셀인 구의 표면에 해당하는 점들부터 거리 값을 1복셀 씩 늘려가며 해당 거리 값을 갖는 3차원 좌표를 차례대로 저장한다. 거리 값을 늘려가는 과정은 결국 가상의 구를 팽창시키는 과정에 해당한다. 2차원의 예를 들어 보면, 대칭성이 있으므로 제 1사분면의 좌표에 대해서만 고려할 수 있다.
즉, (x0,y0)인 점을 중심으로 모든 정수 값을 가지는 점 (x,y)에 대해 중심으로부터의 유클리디안 거리
Figure 112012033656909-pat00005
의 올림 값을 구하여 D 라고 하면, D 값이 같은 점들을 도 8과 같이 분류한다.
도 8은 본 발명의 실시예에 따른 제1 사분면에서의 거리 D에 따른 2차원 좌표 분류를 나타낸 도면이다. 도 8은 제 1사분면에 대해서만 계산한 결과이므로 x축, y축, 원점 대칭 시킨 값을 중심으로부터 거리 값이 작은 점의 좌표부터 오프셋 테이블에 저장한다. 이 자료구조를 통해서 자동 경로를 찾는 과정 중 가상의 구를 팽창하는 계산 과정의 속도를 빠르게 할 수 있다.
다음으로 분지 패턴 분석부(150)는 간 문맥에 대하여 분지 패턴을 분석하고 주 혈관 구조를 추출한다(S250). 먼저 간 문맥의 입구 부분에 위치하는 분지점을 부모 노드(parent node)로 설정하고, 혈관 구조 분석을 통하여 도 9와 같이 각 세부 분지점들의 레벨을 계산할 수 있다.
도 9는 본 발명의 실시예에 따른 각 세부 분지점들의 분석된 레벨을 설명하기 위한 도면이다. 도 9와 같이 상위 노드에 해당하는 부모(parent node)는 제1 레벨에 해당하고, 그 하위 노드에 해당하는 노드들은 제2 레벨, 제3 레벨 등으로 나타낼 수 있다.
이와 같이 분지점에 대하여 레벨을 설정함으로써, 레벨 정보와 골격(skeleton) 정보를 이용하여 트리 형태의 간 문맥에 대한 분지 패턴을 정확하게 분석할 수 있다.
그리고 간 문맥 혈관 경계로부터 생성된 3차원으로 유클리디안 거리맵을 이용하여 골격(skeleton) 상의 특정 위치에서 간 문맥의 직경을 근사적으로 예측한다. 각 세부 혈관들의 평균 직경을 계산하여 주 혈관들과 부 혈관들을 구분하는 직경 임계값을 이용하여 부 혈관들을 제거한다.
마지막으로 간 세그먼트 구분부(160)는 간 문맥의 주 혈관들의 분지 패턴 구조에 따라서 자동으로 간 세그먼트를 구분한다(S260). 본 발명의 실시예에 따르면 도 10 및 도 11과 같이 사람마다 다른 간 문맥의 분지 패턴에 대한 해부학적인 임상 정보를 반영하여 간 세그먼트를 구분할 수 있다.
도 10은 본 발명의 실시예에 따른 간 좌측 세그먼트의 해부학적 구조를 나타낸 것이고, 도 11은 본 발명의 실시예에 따른 간 우측 세그먼트의 해부학적 구조를 나타낸 것이다.
간 좌측 세그먼트는 도 10의 (a)와 같이 일반적인 경우(general case)와 도 10의 (b)와 같이 두 개 이상의 하위 branch가 존재하는 경우(more than two sub-branches)로 나눌 수 있다.
간 문맥의 골격(skeleton) 정보로부터 실제 환자의 case가 둘 중 어디에 속하는지를 판단한 후에 도 10에 따라서 S2(lateral, superior, posterior), S3(lateral, inferior, anterior), S4(medial)의 세 가지 세그먼트로 구분한다.
또한 간 우측 세그먼트는 도 11의 (a)와 같이 일반적인 경우(general case)와 도 11의 (b)와 같이 다중의 posterior branch들이 있는 경우(multiple posterior branches), 도 11의 (c)와 같이 trifurcation인 경우, 도 11의 (d)와 같이 early branching의 경우로 나눌 수 있다.
이와 같이 사람에 따라서 간 좌측 세크먼트의 분지 패턴은 도 10과 같이 2종류로 나뉘고, 간 우측 세크먼트의 분지 패턴은 도 11과 같이 4종류로 나뉘게 된다.
따라서, 본 발명의 실시예에 따르면 간 문맥의 끝점, 분지점 및 골격 추출 결과를 이용하여 특정 사람의 간 문맥의 분지 패턴이 도 10과 도 11에 나타낸 패턴 중에서 어느 패턴에 속하는 지를 판단할 수 있으며, 그에 따라 패턴을 분류할 수 있다.
도 12는 본 발명의 실시예에 따른 간 우측 세그먼트들의 2차원 투영 위치 관계를 설명하기 위한 도면이다. 간 문맥의 skeleton 구조 정보와 도 11의 2차원 투영 영상에서의 위치 관계로부터 실제 환자의 case가 둘 중 어디에 속하는지를 판단한 후에 도 10에 따라서 RA(anterior, lateral, superior), RP(posterior, medial, inferior)의 두 가지 세그먼트로 구분한다.
여기서, 간 내부의 특정 복셀이 어떠한 해부학적인 간 세그먼트에 속하는지에 대한 계산은 특정 복셀이 어떤 세그먼트의 간 문맥의 branch에 유클라디안 거리가 가까운지를 계산하면 된다.
도 13는 본 발명의 실시예에 따른 간 문맥의 혈관 구조에 따른 거리 기반 간 세그먼트 구분 모델링 방법을 나타낸 예시도이다.
예를 들어, 도 13에서와 같이 간 문맥의 4개의 branch들이 있고, 가장 가까운 branch로부터 피를 공급받는다고 가정하면, 다음의 수학식 4와 같이 간 내부의 복셀에 대해 유클리디안 거리가 가장 가까운 branch를 계산할 수 있다.
Figure 112012033656909-pat00006
여기서, v∈분할된 간 내부의 복셀, v'∈간 문맥의 4개의 branch 중에서 i번째 branch에 해당하는 혈관을 나타내고, di(v)는 i번째 branch와 복셀 v와의 최소 거리를 의미한다.
즉, 도 13과 같이 간 내부의 복셀 v에 대하여 간 문맥이 첫 번째 레벨에 두 개의 branch가 있고, 그 branch들에서 두 번째 레벨로 각각 두 개의 branch가 또 나오므로 총 4개의 branch가 존재한다. 따라서, d1(v)는 4개의 branch중 첫 번째 branch와 복셀 v와의 최소 거리를 의미하고, d2(v)는 4개의 branch중 두 번째 branch와 복셀 v와의 최소 거리를 의미한다. d3(v)는 4개의 branch중 세 번째 branch와 복셀 v와의 최소 거리를 의미하고, d4(v)는 4개의 branch중 네 번째 branch와 복셀 v와의 최소 거리를 의미한다.
이러한 네 가지 거리 중에서 가장 최소값 dK(v)을 찾으면, 특정 복셀 v가 그 거리 계산에 사용된 혈관과 가장 가깝다고 볼 수 있으며, 해당 branch로부터 피를 공급받는다고 볼 수 있다.
도 14 및 도 15는 본 발명의 실시예에 따른 복부 CT 영상에 대하여 간 문맥의 혈관 구조 정보를 이용한 자동 간 구분 방법을 적용한 결과를 나타낸다.
도 14은 본 발명을 적용한 간 좌측 세그먼트의 세그먼트 구분 결과를 나타내는 예시도이다. 도 14의 (a)는 S2의 한 가지 세그먼트로 구분된 것을 나타내고, (b)는 S2, S3의 두 가지 세그먼트로 구분된 것을 나타내며, (c)는 S2, S3, S4의 세 가지 세그먼트로 구분된 것을 나타낸다. 여기서, S2는 lateral, superior, posterior를 나타내고, S3은 lateral, inferior, anterior를 나타내며, S4는 medial을 나타낸다.
도 15는 본 발명을 적용한 간 우측 세그먼트의 세그먼트 구분 결과를 나타내는 예시도이다.
도 15에서는 간 우측 세그먼트의 RA(anterior, lateral, superior), RP(posterior, medial, inferior)의 두 가지 세그먼트가 잘 구분된 것을 확인할 수 있다.
본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 다른 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이다.
100: 간 세그먼크 구분 장치, 110: 볼륨 데이터 획득부,
120: 경로 트리 생성부, 130: 골격 추출부,
140: 분지점 위치 보정부, 150: 분지 패턴 분석부,
160: 간 세그먼트 구분부

Claims (12)

  1. CT 촬영을 통해 3차원 흉부 볼륨 데이터를 획득하는 단계,
    상기 3차원 흉부 볼륨 데이터를 이용하여 간 문맥의 혈관 경계에 있는 점들에 대한 유클라디안 거리맵을 이용하여 경로 트리를 생성하는 단계,
    레벨 셋을 이용하여 상기 간 문맥의 끝점, 분지점 및 골격을 추출하는 단계,
    추출된 분지점의 위치를 보정하는 단계,
    상기 간 문맥에 대한 분지 패턴을 분석하고 상기 골격으로부터 주 혈관을 추출하는 단계, 그리고
    상기 주 혈관의 분지 패턴 구조를 이용하여 간 세그먼트를 구분하는 단계를 포함하는 간 문맥의 혈관 구조 정보를 이용한 간 세그먼트 구분 방법.
  2. 제1항에 있어서,
    상기 경로 트리를 생성하는 단계는,
    상기 간 문맥의 혈관 경계에 있는 모든 점들에 대하여 상기 유클라디안 거리 맵을 생성하는 단계, 그리고
    상기 혈관 경계로부터 가장 멀리 떨어진 내부 복셀들을 선택적으로 연결하여 상기 경로 트리를 생성하는 단계를 포함하는 간 문맥의 혈관 구조 정보를 이용한 간 세그먼트 구분 방법.
  3. 제2항에 있어서,
    상기 간 문맥의 끝점, 분지점 및 골격을 추출하는 단계는,
    상기 레벨 셋이 전파되는데 걸리는 시간의 정수 부분 값이 같은 점들을 하나의 집합으로 정의하고, 인접한 집합이 하나인 점들의 집합을 상기 간 문맥의 끝점으로 판단하는 단계,
    상기 추출된 간 문맥의 끝점으로부터 시작점까지 역추적하여 연결하여 상기 간 문맥의 골격 정보를 추출하는 단계, 그리고
    상기 추출된 복수의 골격이 교차하는 지점을 분지점으로 판단하는 단계를 포함하는 간 문맥의 혈관 구조 정보를 이용한 간 세그먼트 구분 방법.
  4. 제3항에 있어서,
    상기 추출된 분지점의 위치를 보정하는 단계는,
    상기 추출된 분지점 주변에 인접한 후보점들을 중심으로 가상의 구를 팽창시켜 상기 간 문맥의 혈관 벽에 내접하는 최대 크기의 구를 계산하는 단계, 그리고
    상기 최대 크기의 구의 중심점에 해당하는 지점으로 상기 분지점의 위치를 보정하는 단계를 포함하는 간 문맥의 혈관 구조 정보를 이용한 간 세그먼트 구분 방법.
  5. 제4항에 있어서,
    다음의 수학식과 같이 상기 후보점들에 대한 중심 좌표(Pcandidate)에 오프셋 테이블에 저장된 상대 좌표(OTx(i), OTy(i), OTz(i))를 더하여 상기 가상의 구의 좌표(Psphere)를 계산하는 간 문맥의 혈관 구조 정보를 이용한 간 세그먼트 구분 방법:
    Figure 112012033656909-pat00007

    여기서, Pcandidate 는 가상의 구의 중심에 해당하는 좌표(x0,y0,z0)를 나타낸다.
  6. 제5항에 있어서,
    상기 간 문맥에 대한 분지 패턴을 분석하고 주 혈관 구조를 추출하는 단계는,
    상기 간 문맥의 입구 부분에 위치하는 분지점을 부모 노드로 설정하고, 상기 부모 노드 및 상기 부모 노드에 연결된 분지점들에 대해 레벨을 설정하는 단계,
    상기 레벨 정보와 골격 정보로부터 트리 형태의 상기 간 문맥에 대한 분지 패턴을 분석하는 단계,
    상기 간 문맥의 경계에 있는 점들에 대한 유클라디안 거리 맵을 통하여 상기 간 문맥의 직경을 예측하는 단계, 그리고
    상기 간 문맥의 직경과 임계 값을 이용하여 주 혈관과 부 혈관을 구분하고, 상기 부 혈관을 제거하는 단계를 포함하는 간 문맥의 혈관 구조 정보를 이용한 간 세그먼트 구분 방법.
  7. CT 촬영을 통해 3차원 흉부 볼륨 데이터를 획득하는 볼륨 데이터 획득부,
    상기 3차원 흉부 볼륨 데이터를 이용하여 간 문맥의 혈관 경계에 있는 점들에 대한 유클라디안 거리맵을 이용하여 경로 트리를 생성하는 경로 트리 생성부,
    레벨 셋을 이용하여 상기 간 문맥의 끝점, 분지점 및 골격을 추출하는 골격 추출부,
    추출된 분지점의 위치를 보정하는 분지점 위치 보정부,
    상기 간 문맥에 대한 분지 패턴을 분석하고 상기 골격으로부터 주 혈관을 추출하는 분지 패턴 분석부, 그리고
    상기 주 혈관의 분지 패턴 구조를 이용하여 간 세그먼트를 구분하는 간 세그먼트 구분부를 포함하는 간 문맥의 혈관 구조 정보를 이용한 간 세그먼트 구분 장치.
  8. 제7항에 있어서,
    상기 경로 트리 생성부는,
    상기 간 문맥의 혈관 경계에 있는 모든 점들에 대하여 상기 유클라디안 거리 맵을 생성하고, 상기 간 문맥의 혈관 경계로부터 가장 멀리 떨어진 내부 복셀들을 선택적으로 연결하여 상기 경로 트리를 생성하는 간 문맥의 혈관 구조 정보를 이용한 간 세그먼트 구분 장치.
  9. 제8항에 있어서,
    상기 골격 추출부는,
    상기 레벨 셋이 전파되는데 걸리는 시간의 정수 부분 값이 같은 점들을 하나의 집합으로 정의하고, 인접한 집합이 하나인 점들의 집합을 상기 간 문맥의 끝점으로 판단하며, 상기 추출된 간 문맥의 끝점으로부터 시작점까지 역추적하여 연결하여 상기 간 문맥의 골격 정보를 추출하고, 상기 추출된 복수의 골격이 교차하는 지점을 분지점으로 판단하는 간 문맥의 혈관 구조 정보를 이용한 간 세그먼트 구분 장치.
  10. 제9항에 있어서,
    상기 분지점 위치 보정부는,
    상기 추출된 분지점 주변에 인접한 후보점들을 중심으로 가상의 구를 팽창시켜 상기 간 문맥의 혈관 벽에 내접하는 최대 크기의 구를 계산하고, 상기 최대 크기의 구의 중심점에 해당하는 지점으로 상기 분지점의 위치를 보정하는 간 문맥의 혈관 구조 정보를 이용한 간 세그먼트 구분 장치.
  11. 제10항에 있어서,
    상기 분지점 위치 보정부는,
    다음의 수학식과 같이 상기 후보점들에 대한 중심 좌표(Pcandidate)에 오프셋 테이블에 저장된 상대 좌표(OTx(i), OTy(i), OTz(i))를 더하여 상기 가상의 구의 좌표(Psphere)를 계산하는 간 문맥의 혈관 구조 정보를 이용한 간 세그먼트 구분 장치.
    Figure 112012033656909-pat00008

    여기서, Pcandidate 는 가상의 구의 중심에 해당하는 좌표(x0,y0,z0)를 나타낸다.
  12. 제11항에 있어서,
    상기 분지 패턴 분석부는,
    상기 간 문맥의 입구 부분에 위치하는 분지점을 부모 노드로 설정하고, 상기 부모 노드 및 상기 부모 노드에 연결된 분지점들에 대해 레벨을 설정하며, 상기 레벨 정보와 골격 정보로부터 트리 형태의 상기 간 문맥에 대한 분지 패턴을 분석하고, 상기 간 문맥의 경계에 있는 점들에 대한 유클라디안 거리 맵을 통하여 상기 간 문맥의 직경을 예측하며, 상기 간 문맥의 직경과 임계 값을 이용하여 주 혈관과 부 혈관을 구분하고, 상기 부 혈관을 제거하는 간 문맥의 혈관 구조 정보를 이용한 간 세그먼트 구분 장치.
KR1020120044171A 2012-04-26 2012-04-26 간 문맥의 혈관 구조 정보를 이용한 간 세그먼트 구분 방법 및 장치 KR101294858B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120044171A KR101294858B1 (ko) 2012-04-26 2012-04-26 간 문맥의 혈관 구조 정보를 이용한 간 세그먼트 구분 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120044171A KR101294858B1 (ko) 2012-04-26 2012-04-26 간 문맥의 혈관 구조 정보를 이용한 간 세그먼트 구분 방법 및 장치

Publications (1)

Publication Number Publication Date
KR101294858B1 true KR101294858B1 (ko) 2013-08-09

Family

ID=49220192

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120044171A KR101294858B1 (ko) 2012-04-26 2012-04-26 간 문맥의 혈관 구조 정보를 이용한 간 세그먼트 구분 방법 및 장치

Country Status (1)

Country Link
KR (1) KR101294858B1 (ko)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104166978A (zh) * 2013-12-27 2014-11-26 上海联影医疗科技有限公司 一种血管提取方法
KR101902882B1 (ko) * 2016-07-14 2018-11-13 연세대학교 산학협력단 랜덤 트리 워크 알고리즘을 이용하여 삼차원 관상동맥 컴퓨터 단층촬영 혈관 조영 영상에서 관상동맥을 추적하기 위한 방법
KR20190076644A (ko) * 2017-12-22 2019-07-02 한국외국어대학교 연구산학협력단 좌심방이 입구 폐쇄 디바이스 크기 결정 장치 및 방법
KR102050649B1 (ko) * 2018-01-08 2019-12-17 숭실대학교산학협력단 2차원 x-선 조영영상의 혈관 구조 추출 방법, 이를 수행하기 위한 기록매체 및 장치
KR20210057445A (ko) 2019-11-12 2021-05-21 울산대학교 산학협력단 구조화된 혈관 분지 정보에 기초한 의료 시술 히스토리 검색 방법
WO2021162355A1 (ko) * 2020-02-10 2021-08-19 재단법인 아산사회복지재단 혈관 내 의료 도구 삽입 장치를 위한 가이드 데이터 제공 방법 및 장치
CN113409241A (zh) * 2020-10-29 2021-09-17 联想(北京)有限公司 一种图像处理方法、装置及存储介质
CN113610784A (zh) * 2021-07-23 2021-11-05 湖北英库科技有限公司 一种肝段划分方法、***、设备及存储介质
KR20230021544A (ko) * 2021-08-05 2023-02-14 숭실대학교산학협력단 Cta 영상에서 계층적 변형을 이용한 심혈관 비강체 정합 방법, 이를 수행하기 위한 기록매체 및 장치

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100028301A (ko) * 2008-09-04 2010-03-12 울산대학교 산학협력단 Ｃｔ 폐영상에서 기울기와 밝기값 분포를 이용한 폐분할 방법
JP2011206186A (ja) 2010-03-29 2011-10-20 Fujifilm Corp 医用画像診断支援装置および方法、並びにプログラム
KR101126447B1 (ko) 2010-05-10 2012-03-29 가톨릭대학교 산학협력단 생체부분 간이식의 공여자 선별을 위한 간 영역 체적 측정 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100028301A (ko) * 2008-09-04 2010-03-12 울산대학교 산학협력단 Ｃｔ 폐영상에서 기울기와 밝기값 분포를 이용한 폐분할 방법
JP2011206186A (ja) 2010-03-29 2011-10-20 Fujifilm Corp 医用画像診断支援装置および方法、並びにプログラム
KR101126447B1 (ko) 2010-05-10 2012-03-29 가톨릭대학교 산학협력단 생체부분 간이식의 공여자 선별을 위한 간 영역 체적 측정 방법

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104166978A (zh) * 2013-12-27 2014-11-26 上海联影医疗科技有限公司 一种血管提取方法
KR101902882B1 (ko) * 2016-07-14 2018-11-13 연세대학교 산학협력단 랜덤 트리 워크 알고리즘을 이용하여 삼차원 관상동맥 컴퓨터 단층촬영 혈관 조영 영상에서 관상동맥을 추적하기 위한 방법
KR20190076644A (ko) * 2017-12-22 2019-07-02 한국외국어대학교 연구산학협력단 좌심방이 입구 폐쇄 디바이스 크기 결정 장치 및 방법
KR102068193B1 (ko) 2017-12-22 2020-01-20 한국외국어대학교 연구산학협력단 좌심방이 입구 폐쇄 디바이스 크기 결정 장치 및 방법
KR102050649B1 (ko) * 2018-01-08 2019-12-17 숭실대학교산학협력단 2차원 x-선 조영영상의 혈관 구조 추출 방법, 이를 수행하기 위한 기록매체 및 장치
KR20210057445A (ko) 2019-11-12 2021-05-21 울산대학교 산학협력단 구조화된 혈관 분지 정보에 기초한 의료 시술 히스토리 검색 방법
WO2021162355A1 (ko) * 2020-02-10 2021-08-19 재단법인 아산사회복지재단 혈관 내 의료 도구 삽입 장치를 위한 가이드 데이터 제공 방법 및 장치
CN113409241A (zh) * 2020-10-29 2021-09-17 联想(北京)有限公司 一种图像处理方法、装置及存储介质
CN113610784A (zh) * 2021-07-23 2021-11-05 湖北英库科技有限公司 一种肝段划分方法、***、设备及存储介质
KR20230021544A (ko) * 2021-08-05 2023-02-14 숭실대학교산학협력단 Cta 영상에서 계층적 변형을 이용한 심혈관 비강체 정합 방법, 이를 수행하기 위한 기록매체 및 장치
KR102629331B1 (ko) 2021-08-05 2024-01-29 숭실대학교 산학협력단 Cta 영상에서 계층적 변형을 이용한 심혈관 비강체 정합 방법, 이를 수행하기 위한 기록매체 및 장치

Similar Documents

Publication Publication Date Title
KR101294858B1 (ko) 간 문맥의 혈관 구조 정보를 이용한 간 세그먼트 구분 방법 및 장치
US10079071B1 (en) Method and system for whole body bone removal and vascular visualization in medical image data
US9679389B2 (en) Method and system for blood vessel segmentation and classification
US10111713B2 (en) Surgery assistance apparatus, surgery assistance method and non-transitory computer-readable recording medium having stored therein surgery assistance program
US9141763B2 (en) Method and system for patient-specific computational modeling and simulation for coupled hemodynamic analysis of cerebral vessels
US9715637B2 (en) Method and system for automatic aorta segmentation
Zhou et al. Automatic segmentation and recognition of anatomical lung structures from high-resolution chest CT images
JP4914517B2 (ja) 構造物検出装置および方法ならびにプログラム
CN107292928B (zh) 一种血管定位的方法及装置
CN103294883B (zh) 用于针对经导管主动脉瓣植入进行介入规划的方法和***
CN108324300B (zh) 用于血管分段的方法和装置
US10991102B2 (en) Image processing apparatus and image processing method
JP5559642B2 (ja) 手術支援装置、手術支援方法および手術支援プログラム
US20110052026A1 (en) Method and Apparatus for Determining Angulation of C-Arm Image Acquisition System for Aortic Valve Implantation
CN111161241A (zh) 一种肝脏图像识别方法、电子设备及存储介质
KR101871601B1 (ko) 안와벽 재건술을 위한 수술 계획 생성 방법, 이를 수행하는 수술 계획 생성 서버, 및 이를 저장하는 기록매체
KR20190084380A (ko) 2차원 x-선 조영영상의 혈관 구조 추출 방법, 이를 수행하기 위한 기록매체 및 장치
CN111681211A (zh) 一种血管图像处理方法及装置
CN111260704A (zh) 基于启发式树搜索的血管结构3d/2d刚性配准方法及装置
Shadid et al. Bone fragment segmentation from 3D CT imagery using the Probabilistic Watershed Transform
Czajkowska et al. Skeleton graph matching vs. maximum weight cliques aorta registration techniques
Niemeijer et al. Automatic Detection of the Optic Disc, Fovea and Vacular Arch in Digital Color Photographs of the Retina.
KR102229367B1 (ko) 뇌혈관 비교 판독 영상 디스플레이 장치 및 방법
Drechsler et al. Simulation of portal vein clamping and the impact of safety margins for liver resection planning
WO2022203814A1 (en) Systems and methods for automatic blood vessel extraction

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20160705

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20170705

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20190709

Year of fee payment: 7