KR101495136B1 - 2차원 영상으로부터 3차원 영상을 재구성하는 방법 및 장치 - Google Patents

2차원 영상으로부터 3차원 영상을 재구성하는 방법 및 장치 Download PDF

Info

Publication number
KR101495136B1
KR101495136B1 KR20080113839A KR20080113839A KR101495136B1 KR 101495136 B1 KR101495136 B1 KR 101495136B1 KR 20080113839 A KR20080113839 A KR 20080113839A KR 20080113839 A KR20080113839 A KR 20080113839A KR 101495136 B1 KR101495136 B1 KR 101495136B1
Authority
KR
South Korea
Prior art keywords
image
dimensional
reconstructed
remaining
reconstruction
Prior art date
Application number
KR20080113839A
Other languages
English (en)
Other versions
KR20100054973A (ko
Inventor
예종철
성영훈
강동구
장재덕
최지영
김민우
Original Assignee
삼성전자주식회사
한국과학기술원
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 삼성전자주식회사, 한국과학기술원 filed Critical 삼성전자주식회사
Priority to KR20080113839A priority Critical patent/KR101495136B1/ko
Priority to US12/585,964 priority patent/US8422764B2/en
Publication of KR20100054973A publication Critical patent/KR20100054973A/ko
Application granted granted Critical
Publication of KR101495136B1 publication Critical patent/KR101495136B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/424—Iterative
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/436—Limited angle

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Algebra (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Graphics (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)

Abstract

2차원 영상으로부터 3차원 영상을 재구성하는 방법 및 장치가 제공된다. 제한된 각도에서 엑스선(x-ray) 발생 튜브로부터 재구성되는 3차원 데이터를, 각 화소별로 반복적으로 갱신하고, 복원하기 위해서 투영된 데이터의 각 화소들 중에서 중앙값(median)을 선택하며, 재투영된 영상 및 나머지 영상을 이용한 탐색 방향 가중치를 이용하여 역투영하여, 복원 데이터의 희소성(sparsity) 구속 조건과 L1 놈 충실성(fidelity)이 있는 데이터 조건을 만족하는 3차원 영상을 재구성할 수 있다.
엑스선(x-ray), 영상 재구성(tomosynthesis), L1 놈 충실성(fidelity) 데이터, 데이터의 희소성(sparsity)

Description

2차원 영상으로부터 3차원 영상을 재구성하는 방법 및 장치{METHOD AND APPARATUS FOR REGENERATING THREE DIMENSIONAL IMAGE FROM TWO DIMENSIONAL IMAGE}
하기에서 설명하는 것은 2차원 영상으로부터 3차원 영상을 재구성하는 방법 및 장치에 관한 것이다.
엑스선(x-ray) 영상 재구성(tomosynthesis)을 비롯한 바이오 영상분야에서, 생체 영상화를 위한 데이터 측정 시에 물리적 제약이 따른다. 따라서, 높은 공간적 해상도와 높은 시간적 해상도를 함께 얻기란 힘든 일이며, 두 가지 해상도 영상 간에 적절한 타협점을 찾아야 한다.
종래의 신호처리 이론인 나이키스트 샘플링(Nyquist sampling)에 따르면 높은 공간적 해상도를 위해서는, 관심 있는 영역의 측정 데이터의 개수가 복원하려는 신호의 개수보다 많아야 한다. 또한, 높은 시간적 해상도를 위해서는, 영상화 하려는 대상의 움직임보다 2배 이상의 빠른 속도로 얻은 측정 데이터가 필요하므로, 높은 공간적 해상도를 얻기 힘들다.
엑스선(x-ray) 영상 재구성(tomosynthesis)에서 종래의 신호처리 이 론에 근간하는 복원 방법은, 측정된 데이터의 개수가 복원 대상의 데이터 개수와 같거나 많은 경우에 정확한 복원이 가능한 방법이다. 보다 간단하게 설명하면, 복원하려는 대상의 3차원 화소에 대응되는 투영 영상들의 화소에 대하여 이동과 합(shift and sum)을 하는 방법을 말한다.
엑스선(x-ray) 영상 재구성(tomosynthesis)에서 복원 대상의 물리학적 특성에 따라 엑스선 (x-ray) 발생 튜브가 움직일 수 있는 각도가 제한되고, 높은 대비(contrast)를 가지는 물체가 존재할 경우 투영된 영상들을 역투영할 경우 다른 위치에 높은 대비(contrast)의 물체가 희미하게 나타날 수 있는 유령 영상(ghost image)이 나타나는데, 이것은 원 영상을 완벽하게 복원하기 위한 나이키스트 샘플링(Nyquist sampling) 이상의 영상정보를 충족시키지 못하기 때문이다.
종래 정보이론 및 신호처리 이론의 가장 기본적인 배경이 되는 나이키스트 샘플링(Nyquist sampling) 이론은, 원 영상의 크기에만 의존하여 복원 가능성이 결정된다.
개시되는 실시예는, 2차원 영상으로부터 3차원 영상을 재구성 시에, 다른 위치의 물체에 대한 간섭을 제거하고, 중앙값에 따른 비선형 필터링의 방법에 의하여 영상을 처리하여, 선형 필터링 방법에 비해서 잡음제거 효과가 뛰어난 3차원 영상 재구성 장치를 제공하고자 한다.
또한, 개시되는 실시예는, 영상 재구성(tomosynthesis) 시에 투영된 영상의 개수가 적도록 하여 보다 효율적으로 계산이 가능하도록 하고자 한다.
또한, 개시되는 실시예는, 측정 및 복원 데이터의 신호 특성과 튜브에서 발생한 엑스선(x-ray)의 물리적 에너지 분포를 고려하여, 보다 고성능의 3차원 영상 재구성 장치를 제공하고자 한다.
개시되는 실시예에 따른 2차원 영상으로부터 3차원 영상을 재구성하는 방법은, 3차원 복원 대상체를 각 화소에 대응하여 2차원으로 투영한 영상들의 화소값들 중에서, 중앙값(median)에 해당하는 화소값을 이용해 역투영하여 3차원 복원 영상을 생성하는 단계, 상기 3차원 복원 영상을 재투영 하여 2차원 재투영 영상을 생성하는 단계, 및 기 선정된 탐색 방향 가중치에 기초하여, 상기 3차원 복원 대상체를 2차원으로 투영한 영상과 상기 2차원 재투영 영상의 차이에 따른, 나머지(residual) 영상을 구성하는 단계를 포함한다.
이때, 상기 3차원 복원 영상을 재투영 하여 2차원 재투영 영상을 생성하고, 상기 3차원 복원 대상체를 2차원으로 투영한 영상과 상기 2차원 재투영 영상의 차이에 따른, 나머지(residual) 영상의 재구성을 반복하는 단계를 더 포함한다.
이때, 상기 나머지(residual) 영상의 재구성을 반복하는 단계는, 상기 나머지 영상과 상기 2차원 재투영 영상을 이용하여, 탐색 방향의 가중치를 계산하여 선정된 가격 함수를 만족하면, 상기 나머지 영상의 갱신에 의한 재구성을 반복하는 단계일 수 있다.
이때, 상기 나머지 영상의 합 또는 상기 나머지 영상간의 차이값이 기 설정된 임계점 이하인 경우, 상기 나머지(residual) 영상의 재구성을 중단하는 단계를 더 포함할 수 있다.
이때, 상기 3차원 복원 대상체를 각 화소에 대응하여 2차원으로 투영한 영상들의 화소값들 중에서, 중앙값(median)에 해당하는 화소값을 이용해 역투영하여 3차원 복원 영상을 생성 단계는, 기 선정된 각도에서 엑스선(x-ray) 발생 튜브로부터 3차원 복원 대상체를 투영한 영상들의 데이터에서, 화소별로 갱신하여 중앙값(median)을 취하고, 중앙값(median)에 해당하는 화소값을 이용해 역투영하여 3차원 복원 영상을 생성하는 단계일 수 있다.
이때, 상기 3차원 복원 영상을 재투영 하여 2차원 재투영 영상을 생성하는 단계는, 엑스선 발생 튜브에서 투사되는 에너지에 따른 가중치에 기초하여, 상기 2차원 재투영 영상을 생성하는 단계일 수 있다.
이때, 상기 중앙값(median)에 해당하는 화소값을 이용해 역투영하여 3차원 복원 영상을 생성 단계는, 상기 3차원 복원 대상체를 각 화소에 대응하여 2차원으 로 투영한 영상들의 화소값들을 크기 별로 정렬하는 단계를 더 포함할 수 있다.
이때, 상기 정렬된 화소값들이 기 선정된 개수보다 적은 경우, 라그랑지안(Lagrangian) 변수를 이용한 상기 3차원 복원 대상체의 화소값을 상기 정렬된 화소값들에 추가하여 정렬하는 단계를 더 포함할 수 있다.
이때, 상기 가중치는 에너지의 분포에 따른 가중치로서, 엑스선(x-ray)의 형태에 따라 계산될 수 있다.
개시되는 실시예에 따른 2차원 영상으로부터 3차원 영상을 재구성하는 장치는, 3차원 복원 대상체를 각 화소에 대응하여 2차원으로 투영한 영상들의 화소값들 중에서, 중앙값(median)에 해당하는 화소값을 이용해 역투영하여 3차원 복원 영상을 생성하는 복원 영상 생성부, 상기 3차원 복원 영상을 재투영 하여 2차원 재투영 영상을 생성하는 재투영 영상 생성부, 및 기 선정된 탐색 방향 가중치에 기초하여, 상기 3차원 복원 대상체를 2차원으로 투영한 영상과 상기 2차원 재투영 영상의 차이에 따른, 나머지(residual) 영상을 구성하는 나머지 영상 구성부를 포함한다.
이때, 상기 재투영 영상 생성부는 상기 3차원 복원 영상을 재투영 하여 2차원 재투영 영상을 생성하고, 상기 나머지 영상 구성부는 상기 3차원 복원 대상체를 2차원으로 투영한 영상과 상기 2차원 재투영 영상의 차이에 따른, 나머지(residual) 영상의 재구성을 반복할 수 있다.
이때, 상기 나머지 영상 구성부는 상기 나머지 영상과 상기 2차원 재투영 영상을 이용하여, 탐색 방향의 가중치를 계산하여 선정된 가격 함수를 만족하면, 상기 나머지 영상의 갱신에 의한 재구성을 반복할 수 있다.
이때, 상기 나머지 영상 구성부는 상기 나머지 영상의 합 또는 상기 나머지 영상간의 차이값이 기 설정된 임계점 이하인 경우, 상기 나머지(residual) 영상의 재구성을 중단할 수 있다.
이때, 상기 복원 영상 생성부는 기 선정된 각도에서 엑스선(x-ray) 발생 튜브로부터 3차원 복원 대상체를 투영한 영상들의 데이터에서, 화소별로 갱신하여 중앙값(median)을 취하고, 중앙값(median)에 해당하는 화소값을 이용해 역투영하여 3차원 복원 영상을 생성할 수 있다.
이때, 상기 재투영 영상 생성부는 엑스선 발생 튜브에서 투사되는 에너지에 따른 가중치에 기초하여, 상기 2차원 재투영 영상을 생성할 수 있다.
이때, 상기 복원 영상 생성부는 상기 3차원 복원 대상체를 각 화소에 대응하여 2차원으로 투영한 영상들의 화소값들을 크기 별로 정렬할 수 있다.
이때, 상기 복원 영상 생성부는 상기 정렬된 화소값들이 기 선정된 개수보다 적은 경우, 라그랑지안(Lagrangian) 변수를 이용한 상기 3차원 복원 대상체의 화소값을 상기 정렬된 화소값들에 추가하여 정렬할 수 있다.
이때, 상기 가중치는 에너지의 분포에 따른 가중치로서, 엑스선(x-ray)의 형태에 따라 계산할 수 있다.
개시되는 실시예에 따르면, 압축된 측정 데이터를 얻더라도 복원 대상의 신호가 희소성(sparsity)를 가지는 경우에는 정확한 원신호의 복원이 가능하다.
또한, 2차원 영상으로부터 3차원 영상을 재구성 시에, 다른 위치의 물체에 대한 간섭을 제거하고, 중앙값에 따른 비선형 필터링의 방법에 의하여 영상을 처리하므로, 선형 필터링 방법에 비해서 잡음제거 효과가 뛰어나다.
또한, 종래의 L2 최적화 기반 역투영 방법에서는 엑스선(x-ray) 발생 튜브로부터 투영된 영상의 개수가 많이 필요하여 후보값들이 늘어나게 되어 정렬하고 역투영 하는데 비효율적이었으나, 개시되는 실시예에 따르면 L1 최적화 기반 역투영 방법을 이용함으로써 영상 재구성(tomosynthesis) 시에 투영된 영상의 개수가 적어도 되므로 보다 효율적으로 계산이 가능하다.
또한, 개시되는 실시예에 따르면, 측정 및 복원 데이터의 신호 특성과 엑스선(x-ray) 발생 튜브의 물리적 에너지 분포를 고려하므로, 보다 고성능의 3차원 영상 재구성 장치를 제공할 수 있다.
이하 첨부된 도면들 및 첨부된 도면들에 기재된 내용들을 참조하여 개시되는 실시예를 상세하게 설명하지만, 개시되는 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조부호는 동일한 부재를 나타낸다.
도 1은 제안되는 실시예에 따른 2차원 영상으로부터 3차원 영상을 재구성하는 방법을 설명하기 위한 흐름도이다. 도 1을 참조하여 제안되는 실시예에 따른 2차원 영상으로부터 3차원 영상을 재구성하는 방법을 설명하기로 한다.
제한된 각도로 회전하는 엑스레이(X-ray) 튜브에서 3차원 대상체를 투영한다(S110).
이후, 상기 투영된 영상에서 희소성과 충실성을 가지는 L1(Level 1) 놈 조건 을 만족하는 3차원 복원 영상을 재구성한다(S120).
예를 들어, 엑스선(x-ray) 단층 촬영 장치를 이용하여 3차원 물체에 대한 투영된 영상을 얻고, 이를 이용하여 복원 물체의 희소성(sparsity)과 L1 놈 충실성(fidelity)를 만족하는 L1 놈 최적화 해를 구하여 재구성할 수 있다.
엑스선(x-ray) 발생 튜브로부터 투영된 영상은 벡터(vector)로 저장되며, 이 값은 엑스선(x-ray) 발생 튜브에서 나온 선(ray)이 지나온 3차원 물체의 이산화된 3차원 화소들의 합과 동일하다.
복원할 물체의 각 화소에 대응되는 투영된 영상들의 화소들의 집합에 대하여 이동과 합(shift and sum)을 적용한 방법은 종래의 방법으로서, 이것은 3차원 복원 데이터의 L2 놈을 최적화하는 해를 만족하지만, 측정 데이터의 개수가 복원할 3차원 데이터의 개수보다 적은 경우에는 원 신호를 정확하게 복원할 수 있는 방법은 아니다.
따라서, 압축 센싱 이론(Compressed Sensing Theory)에 기반하여 복원 데이터의 조건이 희소성(sparsity)을 가지고 L1 놈 충실성(fidelity) 데이터인 경우 L1 놈을 최적화하는 해를 구하는 방법을 적용하여 보다 정확한 해를 구할 수 있다.
도 2는 제안되는 실시예에 따른 L1 놈 충실성(fidelity) 데이터에 희소성(sparsity)를 구속 조건으로 가진 L1(Level 1) 놈 최적화 해를 구하는 방법을 설명하기 위한 흐름도이다.
제안되는 실시예에 따르면, 2차원 영상으로부터 3차원 영상을 재구성하는 장치는, 3차원 복원 대상체를 각 화소에 대응하여 2차원으로 투영한 영상들의 화소값 들 중에서, 중앙값(median)에 해당하는 화소값을 이용해 역투영하여 3차원 복원 영상을 생성한다.
도 2를 참조하여 보다 상세하게 설명하면, 2차원 영상으로부터 3차원 영상을 재구성하는 장치는, 3차원 복원 대상체의 각 화소에 대응하는 투영한 영상의 화소값을 가져온다(S210).
이후, 2차원 영상으로부터 3차원 영상을 재구성하는 장치는, 상기 화소값을 정렬하고 정렬된 화소값 중에서 중앙값(median)을 선택한다(S220)
이때, 상기 3차원 복원 대상체를 각 화소에 대응하여 2차원으로 투영한 영상들의 화소값들을 크기 별로 정렬할 수 있다. 또한, 상기 정렬된 화소값들이 기 선정된 개수보다 적은 경우, 라그랑지안(Lagrangian) 변수를 이용한 상기 3차원 복원 대상체의 화소값을 상기 정렬된 화소값들에 추가하여 정렬할 수 있다.
이후, 2차원 영상으로부터 3차원 영상을 재구성하는 장치는, 상기 중앙값을 복원 대상체로 영투영하여 3차원 복원 영상을 생성하고, 상기 3차원 복원 영상을 재투영 하여 2차원 재투영 영상을 생성한다(S230).
이때, 기 선정된 각도에서 엑스선(x-ray) 발생 튜브로부터 3차원 복원 대상체를 투영한 영상들의 데이터에서, 화소별로 갱신하여 중앙값(median)을 취하고, 중앙값(median)에 해당하는 화소값을 이용해 역투영하여 3차원 복원 영상을 생성할 수 있다. 또한, 엑스선 발생 튜브에서 투사되는 에너지에 따른 가중치를 기초로하여, 상기 2차원 재투영 영상을 생성할 수 있다.
이때, 가중치는 에너지의 분포에 따른 가중치로서, 엑스선(x-ray)의 형태에 따라 계산될 수 있다.
이후, 2차원 영상으로부터 3차원 영상을 재구성하는 장치는, 기 선정된 탐색 방향 가중치에 기초하여, 상기 3차원 복원 대상체를 2차원으로 투영한 영상과 상기 2차원 재투영 영상의 차이에 따른, 나머지(residual) 영상을 구성한다(S240).
상기 차이에 따른 나머지 영상이 일정한 조건을 만족하는지의 여부에 따라서, 상기와 같은 구성 단계를 반복한다(S250).
즉, 상기 3차원 복원 대상체를 2차원으로 투영한 영상과 상기 2차원 재투영 영상의 차이에 따라서, 나머지(residual) 영상의 재구성을 반복할 수 있다.
예를 들어, 상기 나머지 영상과 상기 2차원 재투영 영상을 이용하여, 탐색 방향의 가중치를 계산하여 선정된 가격 함수를 만족하면, 상기 나머지 영상의 갱신에 의한 재구성을 반복할 수 있다.
또한, 상기 나머지 영상의 합 또는 상기 나머지 영상간의 차이값이 기 설정된 임계점 이하인 경우, 상기 나머지(residual) 영상의 재구성을 중단할 수 있다.
그러므로, 개시되는 실시예에 따르면, 복원할 3차원 화소에 대응되는 각 투영된 영상들의 중앙값(median)을 역투영 함으로써, L1 놈 최적화 문제를 만족한 해를 구할 수 있으며, 나머지 영상을 계산하기 위해 역투영한 영상을 이용하여 재투영 영상을 계산할 수 있다.
보다 상세하게 설명하면, 압축된 측정 데이터를 제공하는 영상 재구성 방법에서 복원하려는 물체가, L1 놈 충실성(fidelity)을 가지는 경우, 후보 데이터의 개수에 무관하게 중앙값이 L1 놈 최적화 해가 된다.
또한, 초기 추정값으로 채워진 나머지 영상과 재투영 영상을 이용하여 탐색 방향 가중치를 계산하여, 주어진 가격 함수를 만족하며 빠른 수렴성능을 가지도록 나머지 영상을 갱신할 수 있다.
나머지 영상의 합이 임계점 이하이거나, 반복 횟수마다 나머지 영상간의 차이값이 임계점이하인 경우, 반복은 중단되고 재구성된 3차원 복원 영상을 얻을 수 있다.
엑스선(x-ray) 발생튜브에서 투영된 영상들과 복원할 3차원 물체의 이산화된 화소간의 관계는 전단사(bijection) 관계가 성립하지 않게 되고, 각각의 화소들은 하나 혹은 그 이상의 화소들과 관계를 맺게 된다. 따라서, 투영된 영상은 실제 물체가 흐리게 투영된 경우가 발생하므로, 역투영과 투영시에 하드웨어의 특성에 따른 각 화소간의 관계를 고려해주어야 한다.
재투영된 영상 및 나머지 영상을 이용한 탐색 방향 가중치를 구하여 투영된 영상에서 나머지 영상을 구하는 단계에서는, 엑스선(x-ray) 발생 튜브에서 투영된 영상과 재투영된 영상간의 차이에 해당하는, 나머지 영상을 구할 수 있다.
여러 반복 횟수 동안, 전체 화소에 대하여 동시에 복원 데이터를 갱신하고, 주어진 조건이 가장 최소화될 때까지 반복하는 단계에서는, 3차원 복원 물체의 화소를 반복적으로 계산하여 갱신하는 나머지 영상의 에너지가, 임계점 이하이거나 반복마다 차이의 크기가 임계점 이하인 경우에 상기 반복이 중단될 수 있다.
상기와 같이 투영된 영상과 재구성하게 될 3차원 화소들 간의 관계는 하기 수학식 1과 같다.
Figure 112008078998362-pat00001
상기 수학식 1은 영상 복원 문제에서 정문제(forward problem)에 해당하며, 이는 투영된 영상의 해석과 재투영된 영상을 계산할 때 정의된다.
정문제(forward problem)에서 측정 및 계산되는 y를 이용하여 다시 복원 데이터 f를 구하는 과정을 역문제(inverse problem)라 한다.
문제를 풀기 위해서 2차원의 투영 영상과 복원할 3차원 물체를 이산화(discretization)하고, 3차원 구조의 대상체와 투영된 영상들과의 관계는 수식 1의 선형 방정식으로 기술이 가능한다.
벡터 y와 f는 각각 측정된 데이터와 복원할 데이터고 w는 잡음이다. 행렬 H는 복원할 데이터 f의 각 화소가 측정된 데이터 y에 사상(mapping)되는 행렬이다.
측정된 데이터가 복원할 데이터와 같을 경우 행렬의 크기는 정방행렬을 가지고, 측정된 데이터가 복원할 데이터 보다 많을 경우에는 상하로 긴 형태의 행렬이 되며 측정 데이터가 적을 경우 좌우로 긴 형태의 행렬이 된다.
개시되는 실시예에서 고려되는 물리적 환경과 이론적 배경은 측정 데이터가 복원 데이터의 개수보다 적을 경우에 해당된다.
Figure 112008078998362-pat00002
수학식 1에서 복원할 데이터와 측정 데이터 간의 관계로 정의된 선형 방정식에서, 종래의 방법인 이동과 합(shift and sum)의 방법은 L2 놈 최적화 문제를 풀기 위한 해로서, 수학식 2의 첫 번째 항
Figure 112008078998362-pat00003
만 고려하여 가격함수가 복원할 데이터 f에 의해 최소화되도록 f에 의해 미분하여 계산하는 문제의 해가 된다.
그러나, 이것은 측정된 데이터가 복원할 데이터보다 많은 경우를 고려하게 된다. 엑스선(x-ray) 영상 재구성(tomosynthesis)과 같이 측정된 데이터의 개수가 복원할 데이터의 개수보다 적은 경우에는, 복원할 데이터의 f가 희소성(sparsity)를 가지는 경우를 고려하므로 라그랑지안(Lagrangian) 변수를 이용하여, 복원할 데이터 f가 희소성을 가지는 구속 조건을 비구속 조건으로 생각하여 수학식 2의 형태로 문제를 정의할 수 있다.
Figure 112008078998362-pat00004
수학식 2에서 제안된 문제인 복원할 데이터 f가 희소성(sparsity)를 가진다는 조건에서 L1 놈 충실성(fidelity) 데이터를 추가로 고려하여, 나머지 값인
Figure 112008078998362-pat00005
의 L1 놈을 최적화하는 방법으로 가격함수를 정의한다.
Figure 112008078998362-pat00006
은 L1 놈을 의미하고,
Figure 112008078998362-pat00007
는 라그랑지안(Lagrangian) 변수를 나타낸다. 라그랑지안(Lagrangian) 변수의 크기에 따라 역투영에서 중앙값의 후보집합이 투영된 영상에서 화소들의 집합에 이전 반복횟수에서 복원된 해당 3차원 화소의 값이 추가된 형태로 게산이 이루어진다.
수학식 2와 3의 차이점은 복원하려는 데이터가 어느 공간에 존재하는가에 대한 해석에 따른 것으로 L2와 L1 놈으로 각각 고려된다. 따라서, 각 문제를 최적화하는 해도 달라지게 되어 수학식 3의 본래 해는 선형 계획법(Linear Programming)에 기반을 두고 있으나, 이 방법은 계산에 많은 시간이 소모되므로 다음의 수학식 4에서와 같이 반복적으로 각 화소를 동시에 갱신하는 접근 방법을 이용할 수 있다.
Figure 112008078998362-pat00008
수학식 3의 복원할 데이터 f를 L1 놈 충실성(fidelity)에 기반하게 되면, 수학식 4에서와 같은 방법으로 문제를 정의하여 풀 수 있다.
Figure 112008078998362-pat00009
는 투영된 영상의 개수와 동일하며, L1 놈으로 정의된 각 항은 L1 놈의 정의에 따라 각 항의 절대값(Absolute value)으로 표현이 가능하다.
반복적으로 전체 화소를 동시에 갱신하는 방법을 구현하기 위해, 우선 각 화소를 갱신하는 방법을 전 화소에 동시에 적용하면 복원할 데이터 f는 초기 추정치
Figure 112008078998362-pat00010
에서 매 반복마다
Figure 112008078998362-pat00011
를 갱신하게 된다.
데이터의 L1놈 충실성(fidelity)을 고려하여 오차 e를 L1놈으로 정의하여 각 투영된 영상으로의 확장으로 정의한 가격함수를, 복원 대상체의 한 화소값
Figure 112008078998362-pat00012
를 최소화하는 방향으로 정할 수 있다.
Figure 112008078998362-pat00013
상기 수학식 4의 정의된 L1 놈을 수학식 3에 적용하여, 이를
Figure 112008078998362-pat00014
개수만큼의 전체 투영 영상에 대해서 정의하면, 가격함수
Figure 112008078998362-pat00015
를 정의할 수 있다.
L1 놈으로 정의된 가격함수
Figure 112008078998362-pat00016
에서
Figure 112008078998362-pat00017
가 최적화되는 해를 구하기 위해, 각 항의 중앙값(median)을 역투영하는 방법은 하기의 수학식 6에서 제안하는 바와 같이, 라그랑지안(Lagrangian) 변수의 크기에 따라 역투영할 중앙값의 후보 집합에 이전에 갱신된 데이터의 값이 추가될 수 있다.
Figure 112008078998362-pat00018
상기 정의된 가격함수
Figure 112008078998362-pat00019
가 최소화 되는
Figure 112008078998362-pat00020
를 만족하는 해는, 투영된 영상을 이용한 나머지 영상의 첫 번째 항과 라그랑지안(Lagrangian) 변수로 이루어진 두 번째 항의 각 해 집합의 합집합으로 나타낼 수 있다.
첫 번째 항은 이전 반복에서 갱신된 데이터이며, 두 번째 항은 나머지 값의 각 화소를 해당 화소의 행렬 H값으로 나누어 준 값이다.
Figure 112008078998362-pat00021
상기 해 집합 S에서 복원할 데이터 f의 갱신값인
Figure 112008078998362-pat00022
는 i번째 복원할 화소에 대응되는 각 나머지 영상의 값들 중 중앙값이 되고 이 값은 L1 최적화 해가 된다.
각 화소에 대한 행렬 H의 기여도를 상수로 고려하고 부수적인 구속 조건을 고려하지 않을 경우, 주어진 해 집합 S에서 L1 놈 최적화 해는 수학식 7로서 정의될 수 있다. n의 크기에 관계없이 해 집합 S의 중앙값이 가격함수를 최소화함을 알 수 있다.
Figure 112008078998362-pat00023
상기 수학식 7에서 계산된
Figure 112008078998362-pat00024
를 각 화소의 수렴 방향으로 두고서, 복원 물체 f는 i번째 화소에 대한 탐색 방향 d인
Figure 112008078998362-pat00025
와 탐색 방향 가중치
Figure 112008078998362-pat00026
를 가지는 수식으로 표현하여, 각 화소에 대한 갱신 방법을 동시에 전 화소에 적용하여 갱신한다.
각 화소의 탐색 방향에 대한 전체 가중치를 계산하기 위해서, 하기의 수학식 9를 정의한다.
Figure 112008078998362-pat00027
수학식 8에서 정의된 갱신 방법을 수학식 3에 적용하여 가격 함수를 정의하고, 이를 최소화하는 가중치
Figure 112008078998362-pat00028
를 계산하기 위해서 수식 5와 동일한 방법으로 유도한다.
여기서 N은 복원 대상체의 총 화소수와 동일하며,
Figure 112008078998362-pat00029
는 투영된 영상의 개수와 동일하다. 또한, 전체 투영된 영상에 대하여 정의된 첫 번째 항과 비구속 조건으로 변형된 두 번째 항을 모두 고려한 가격함수
Figure 112008078998362-pat00030
를 최소화하는 가중치
Figure 112008078998362-pat00031
는 하기 수학식 10에서 유도할 수 있다.
Figure 112008078998362-pat00032
수학식 8에 나와 있는 나머지 영상에 사용되는 전체 화소들에 대한 탐색 방향 가중치에 대한 크기를 계산하기 위하여, 수학식 9에 나와 있는 가격 함수를 최소화하는 가중치
Figure 112008078998362-pat00033
를 구하기 위해,
Figure 112008078998362-pat00034
를 0으로 만드는 가중치
Figure 112008078998362-pat00035
를 구해보면, 수학식 10의 두 집합의 합집합으로 주어지게 되므로, 복원 물체의 전체 화소에 대하여 수학식 8의 탐색 방향에 대한 가중치는 상기 주어진 집합 A로 정의된다.
도 3은 제안되는 실시예에 따른 2차원 영상으로부터 3차원 영상을 재구성하는 장치의 구성도이다. 도 3을 참조하여 제안되는 실시예에 따른 2차원 영상으로부터 3차원 영상을 재구성하는 장치를 설명하기로 한다.
제안되는 실시예에 따른 2차원 영상으로부터 3차원 영상을 재구성하는 장치는 복원 영상 생성부(310), 재투영 영상 생성부(320), 및 나머지 영상 구성부(330)를 포함한다.
복원 영상 생성부(310)는 3차원 복원 대상체를 각 화소에 대응하여 2차원으 로 투영한 영상들의 화소값들 중에서, 중앙값(median)에 해당하는 화소값을 이용해 역투영하여 3차원 복원 영상을 생성한다.
이때, 복원 영상 생성부(310)는 기 선정된 각도에서 엑스선(x-ray) 발생 튜브로부터 3차원 복원 대상체를 투영한 영상들의 데이터에서, 화소별로 갱신하여 중앙값(median)을 취하고, 중앙값(median)에 해당하는 화소값을 이용해 역투영하여 3차원 복원 영상을 생성할 수 있다.
이때, 복원 영상 생성부(310)는 상기 3차원 복원 대상체를 각 화소에 대응하여 2차원으로 투영한 영상들의 화소값들을 크기 별로 정렬할 수 있다.
이때, 복원 영상 생성부(310)는 상기 정렬된 화소값들이 기 선정된 개수보다 적은 경우, 라그랑지안(Lagrangian) 변수를 이용한 상기 3차원 복원 대상체의 화소값을 상기 정렬된 화소값들에 추가하여 정렬할 수 있다.
재투영 영상 생성부(320)는 상기 3차원 복원 영상을 재투영 하여 2차원 재투영 영상을 생성한다.
이때, 재투영 영상 생성부(320)는 엑스선 발생 튜브에서 투사되는 에너지에 따른 가중치에 기초하여, 상기 2차원 재투영 영상을 생성할 수 있다.
이때, 상기 가중치는 에너지의 분포에 따른 가중치로서, 엑스선(x-ray)의 형태에 따라 계산될 수 있다.
나머지 영상 구성부(330)는 기 선정된 탐색 방향 가중치에 기초하여, 상기 3차원 복원 대상체를 2차원으로 투영한 영상과 상기 2차원 재투영 영상의 차이에 따른, 나머지(residual) 영상을 구성한다.
이때, 재투영 영상 생성부(320)는 상기 3차원 복원 영상을 재투영 하여 2차원 재투영 영상을 생성하고, 나머지 영상 구성부(330)는 상기 3차원 복원 대상체를 2차원으로 투영한 영상과 상기 2차원 재투영 영상의 차이에 따른, 나머지(residual) 영상의 재구성을 반복할 수 있다.
또한, 나머지 영상 구성부(330)는 상기 나머지 영상과 상기 2차원 재투영 영상을 이용하여, 탐색 방향의 가중치를 계산하여 선정된 가격 함수를 만족하면, 상기 나머지 영상의 갱신에 의한 재구성을 반복할 수 있다.
또한, 나머지 영상 구성부(330)는 상기 나머지 영상의 합 또는 상기 나머지 영상간의 차이값이 기 설정된 임계점 이하인 경우, 상기 나머지(residual) 영상의 재구성을 중단할 수 있다.
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 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
도 1은 제안되는 실시예에 따른 2차원 영상으로부터 3차원 영상을 재구성하는 방법을 설명하기 위한 흐름도이다.
도 2는 제안되는 실시예에 따른 L1 놈 충실성(fidelity) 데이터에 희소성(sparsity)를 구속 조건으로 가진 L1(Level 1) 놈 최적화 해를 구하는 방법을 설명하기 위한 흐름도이다.
도 3은 제안되는 실시예에 따른 2차원 영상으로부터 3차원 영상을 재구성하는 장치의 구성도이다.
<도면의 주요 부분에 대한 부호의 설명>
310: 복원 영상 생성부
320: 재투영 영상 생성부
330: 나머지 영상 구성부

Claims (18)

  1. 3차원 복원 대상체를 2차원으로 투영함으로써 2차원 투영 영상들을 생성하는 단계;
    상기 2차원 투영 영상들의 화소값들 중에서, 중앙값(median)에 해당하는 화소값을 상기 3 차원 복원 대상체로 역투영함으로써 3차원 복원 영상을 생성 단계;
    상기 3차원 복원 영상을 2 차원으로 재투영함으로써 2차원 재투영 영상을 생성하는 단계;
    기 선정된 탐색 방향 가중치에 기초하여, 상기 2차원 투영 영상들과 상기 2차원 재투영 영상의 차이에 따른, 나머지(residual) 영상을 구성하는 단계; 및
    상기 2차원 투영 영상들 및 상기 나머지 영상을 이용하여 상기 3차원 복원 대상체의 3차원 영상을 재구성하는 단계
    를 포함하는
    영상 처리 방법.
  2. 제1항에 있어서,
    나머지 영상의 재구성을 반복하는 단계
    를 더 포함하고,
    상기 재구성을 반복하는 단계는,
    상기 나머지 영상을 이용하여 상기 2차원 투영 영상들을 갱신하는 단계;
    상기 갱신된 2차원 투영 영상들의 화소값들 중에서, 중앙값에 해당하는 화소값을 상기 3차원 복원 대상체로 역투영함으로써 갱신된 3차원 복원 영상을 생성 단계;
    상기 갱신된 3차원 복원 영상을 2차원으로 재투영함으로써 갱신된 2차원 재투영 영상을 생성하는 단계; 및
    상기 기 선정된 탐색 방향 가중치에 기초하여, 상기 갱신된 2차원 투영 영상들과 상기 갱신된 2차원 재투영 영상의 차이에 따른, 상기 나머지 영상을 재구성하는 단계
    를 포함하는
    영상 처리 방법.
  3. 제2항에 있어서,
    상기 나머지 영상의 재구성을 반복하는 단계는,
    상기 나머지 영상과 상기 2차원 재투영 영상을 이용하여, 탐색 방향의 가중치를 계산하여 선정된 가격 함수를 만족하는 경우 수행되는
    영상 처리 방법.
  4. 제2항에 있어서,
    상기 나머지 영상의 재구성을 반복하는 단계는,
    재구성되는 나머지 영상들의 합 또는 상기 재구성되는 나머지 영상들 간의 차이값이 기 설정된 임계점 이하인 경우, 상기 나머지 영상의 재구성을 중단하는 단계
    를 더 포함하는
    영상 처리 방법.
  5. 제1항에 있어서,
    상기 3차원 복원 영상을 생성하는 단계는,
    기 선정된 각도에서 엑스선(x-ray) 발생 튜브로부터 상기 3차원 복원 대상체를 투영한 영상들의 데이터에서, 화소별로 갱신하여 중앙값을 취하고, 상기 중앙값에 해당하는 화소값을 상기 3차원 복원 대상체로 역투영함으로써 상기 3차원 복원 영상을 생성하는
    영상 처리 방법.
  6. 제1항에 있어서,
    상기 2차원 재투영 영상을 생성하는 단계는,
    엑스선 발생 튜브에서 투사되는 에너지에 따른 가중치에 기초하여, 상기 2차원 재투영 영상을 생성하는
    영상 처리 방법.
  7. 제1항에 있어서,
    상기 3차원 복원 영상을 생성하는 단계는,
    상기 2차원 투영 영상들의 화소값들을 크기 별로 정렬하는 단계
    를 포함하는
    영상 처리 방법.
  8. 제7항에 있어서,
    상기 3차원 복원 영상을 생성하는 단계는,
    상기 정렬된 화소값들이 기 선정된 개수보다 적은 경우, 라그랑지안(Lagrangian) 변수를 이용한 화소값을 상기 정렬된 화소값들에 추가하여 정렬하는 단계
    를 더 포함하는
    영상 처리 방법.
  9. 제1항에 있어서,
    상기 가중치는,
    에너지의 분포에 따른 가중치로서, 엑스선(x-ray)의 형태에 따라 계산되는
    영상 처리 방법.
  10. 3차원 복원 대상체를 2차원으로 투영함으로써 2차원 투영 영상들을 생성하고, 상기 2차원 투영 영상들의 화소값들 중에서, 중앙값(median)에 해당하는 화소값을 상기 3차원 복원 대상체로 역투영함으로써 3차원 복원 영상을 생성하는 복원 영상 생성부;
    상기 3차원 복원 영상을 2차원으로 재투영함으로써 2차원 재투영 영상을 생성하는 재투영 영상 생성부; 및
    기 선정된 탐색 방향 가중치에 기초하여, 상기 2차원 투영 영상들과 상기 2차원 재투영 영상의 차이에 따른, 나머지(residual) 영상을 구성하는 나머지 영상 구성부
    를 포함하고,
    상기 복원 영상 생성부는 상기 2차원 투영 영상들 및 상기 나머지 영상을 이용하여 상기 3차원 복원 대상체의 3차원 영상을 재구성하는
    영상 처리 장치.
  11. 제10항에 있어서,
    상기 복원 영상 생성부는 상기 나머지 영상을 이용하여 상기 2차원 투영 영상들을 갱신하고,
    상기 복원 영상 생성부는 상기 갱신된 2차원 투영 영상들의 화소값들 중에서, 중앙값에 해당하는 화소값을 상기 3차원 복원 대상체로 역투영함으로써 갱신된 3차원 복원 영상을 생성하고,
    상기 재투영 영상 생성부는,
    상기 갱신된 3차원 복원 영상을 2차원으로 재투영함으로써 갱신된 2차원 재투영 영상을 생성하고,
    상기 나머지 영상 구성부는 상기 기 선정된 탐색 방향 및 가중치에 기초하여, 상기 갱신된 2차원 투영 영상들과 상기 갱신된 2차원 재투영 영상의 차이에 따른, 나머지 영상을 재구성하는
    영상 처리 장치..
  12. 제11항에 있어서,
    상기 나머지 영상 구성부는,
    상기 나머지 영상과 상기 2차원 재투영 영상을 이용하여, 탐색 방향의 가중치를 계산하여 선정된 가격 함수를 만족하는 경우, 상기 나머지 영상을 재구성하는
    영상 처리 장치.
  13. 제11항에 있어서,
    상기 나머지 영상 구성부는,
    재구성되는 나머지 영상들의 합 또는 상기 재구성되는 나머지 영상들 간의 차이값이 기 설정된 임계점 이하인 경우, 상기 나머지 영상의 재구성을 중단하는
    영상 처리 장치.
  14. 제10항에 있어서,
    상기 복원 영상 생성부는,
    기 선정된 각도에서 엑스선(x-ray) 발생 튜브로부터 상기 3차원 복원 대상체를 투영한 영상들의 데이터에서, 화소별로 갱신하여 중앙값을 취하고, 상기 중앙값에 해당하는 화소값을 상기 3차원 복원 대상체로 역투영함으로써 상기 3차원 복원 영상을 생성하는
    영상 처리 장치.
  15. 제10항에 있어서,
    상기 재투영 영상 생성부는,
    엑스선 발생 튜브에서 투사되는 에너지에 따른 가중치에 기초하여, 상기 2차원 재투영 영상을 생성하는
    영상 처리 장치.
  16. 제10항에 있어서,
    상기 복원 영상 생성부는,
    상기 2차원 투영 영상들의 화소값들을 크기 별로 정렬하는
    영상 처리 장치.
  17. 제16항에 있어서,
    상기 복원 영상 생성부는,
    상기 정렬된 화소값들이 기 선정된 개수보다 적은 경우, 라그랑지안(Lagrangian) 변수를 이용한 화소값을 상기 정렬된 화소값들에 추가하여 정렬하는
    영상 처리 장치.
  18. 제10항에 있어서,
    상기 가중치는,
    에너지의 분포에 따른 가중치로서, 엑스선(x-ray)의 형태에 따라 계산되는
    영상 처리 장치.
KR20080113839A 2008-11-17 2008-11-17 2차원 영상으로부터 3차원 영상을 재구성하는 방법 및 장치 KR101495136B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR20080113839A KR101495136B1 (ko) 2008-11-17 2008-11-17 2차원 영상으로부터 3차원 영상을 재구성하는 방법 및 장치
US12/585,964 US8422764B2 (en) 2008-11-17 2009-09-29 Method and apparatus of reconstructing 3D image from 2D images

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR20080113839A KR101495136B1 (ko) 2008-11-17 2008-11-17 2차원 영상으로부터 3차원 영상을 재구성하는 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20100054973A KR20100054973A (ko) 2010-05-26
KR101495136B1 true KR101495136B1 (ko) 2015-02-25

Family

ID=42172115

Family Applications (1)

Application Number Title Priority Date Filing Date
KR20080113839A KR101495136B1 (ko) 2008-11-17 2008-11-17 2차원 영상으로부터 3차원 영상을 재구성하는 방법 및 장치

Country Status (2)

Country Link
US (1) US8422764B2 (ko)
KR (1) KR101495136B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11049293B2 (en) 2018-08-29 2021-06-29 Electronics And Telecommunications Research Institute Image generating apparatus, imaging system including image generating apparatus and operating method of imaging system

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9053562B1 (en) 2010-06-24 2015-06-09 Gregory S. Rabin Two dimensional to three dimensional moving image converter
US9043155B2 (en) * 2010-10-07 2015-05-26 Westerngeco L.L.C. Matching pursuit-based apparatus and technique to construct a seismic signal using a predicted energy distribution
KR102018813B1 (ko) 2012-10-22 2019-09-06 삼성전자주식회사 3차원 영상 제공 방법 및 장치
KR102090597B1 (ko) * 2012-12-28 2020-03-19 삼성전자주식회사 엑스선 촬영 장치 및 엑스선 영상 처리 방법
KR102089976B1 (ko) * 2012-12-28 2020-03-18 삼성전자주식회사 엑스선 영상 장치, 엑스선 영상 생성 방법 및 3차원 영상 장치
US9992021B1 (en) 2013-03-14 2018-06-05 GoTenna, Inc. System and method for private and point-to-point communication between computing devices
KR101531654B1 (ko) * 2013-12-27 2015-06-25 한국전기연구원 압축센싱에서 경사 전체변이를 이용한 3차원 반복적 영상 재구성의 수렴속도 개선방법
KR101685830B1 (ko) * 2015-07-10 2016-12-13 한국과학기술원 낮은 행렬계수를 이용한 내부 단층 촬영 영상 복원 장치 및 그 제어 방법
CN109155072A (zh) 2016-02-29 2019-01-04 皇家飞利浦有限公司 Pet中利用图像总变化约束的基于优化的重建
CN116363033A (zh) 2017-11-02 2023-06-30 西门子医疗有限公司 基于实况图像的合成图像生成

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06181918A (ja) * 1992-12-18 1994-07-05 Hamamatsu Photonics Kk 透過型三次元断層撮影装置
JPH0757119A (ja) * 1993-08-18 1995-03-03 Ge Yokogawa Medical Syst Ltd 投影像計算方法および装置
JPH09253079A (ja) * 1996-03-25 1997-09-30 Hitachi Medical Corp Ｘ線断層撮影装置
JP2007260187A (ja) 2006-03-29 2007-10-11 Ge Medical Systems Global Technology Co Llc 放射線断層撮影装置

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100687846B1 (ko) 2005-01-21 2007-02-27 경희대학교 산학협력단 국부 고해상도 엑스선 단층 영상 재구성 방법 및 국부고해상도 엑스선 단층 영상 재구성 장치
US20060210131A1 (en) * 2005-03-15 2006-09-21 Wheeler Frederick W Jr Tomographic computer aided diagnosis (CAD) with multiple reconstructions
JP4717511B2 (ja) 2005-05-20 2011-07-06 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー Ｘ線ｃｔ画像再構成方法およびｘ線ｃｔ装置
KR100718671B1 (ko) 2005-07-05 2007-05-15 (주)디알젬 2차원 참조검출기 및 참조 검출기용 콜리메이터를 포함하는고해상도 콘빔 엑스선 단층 촬영 장치
JP2007135658A (ja) 2005-11-15 2007-06-07 Ge Medical Systems Global Technology Co Llc Ｘ線ｃｔ装置およびｘ線ｃｔ透視装置
JP4901222B2 (ja) 2006-01-19 2012-03-21 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 画像表示装置およびｘ線ｃｔ装置
JP4495109B2 (ja) 2006-04-06 2010-06-30 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー Ｘ線ｃｔ装置
US7983463B2 (en) * 2006-11-22 2011-07-19 General Electric Company Methods and apparatus for suppressing tagging material in prepless CT colonography
KR100825048B1 (ko) 2006-12-22 2008-04-24 한국전기연구원 단층 영상을 고속으로 재구성하는 방법
US20080234578A1 (en) * 2007-03-19 2008-09-25 General Electric Company Multi-modality mammography reconstruction method and system
US8229201B2 (en) * 2007-06-15 2012-07-24 General Electric Company Systems, methods and apparatus for plaque visualization and quantification using fuzzy and adaptive region classes
US20090161978A1 (en) * 2007-12-20 2009-06-25 Marinko Karanovic Halo Artifact Removal Method

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06181918A (ja) * 1992-12-18 1994-07-05 Hamamatsu Photonics Kk 透過型三次元断層撮影装置
JPH0757119A (ja) * 1993-08-18 1995-03-03 Ge Yokogawa Medical Syst Ltd 投影像計算方法および装置
JPH09253079A (ja) * 1996-03-25 1997-09-30 Hitachi Medical Corp Ｘ線断層撮影装置
JP2007260187A (ja) 2006-03-29 2007-10-11 Ge Medical Systems Global Technology Co Llc 放射線断層撮影装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11049293B2 (en) 2018-08-29 2021-06-29 Electronics And Telecommunications Research Institute Image generating apparatus, imaging system including image generating apparatus and operating method of imaging system

Also Published As

Publication number Publication date
KR20100054973A (ko) 2010-05-26
US8422764B2 (en) 2013-04-16
US20100124368A1 (en) 2010-05-20

Similar Documents

Publication Publication Date Title
KR101495136B1 (ko) 2차원 영상으로부터 3차원 영상을 재구성하는 방법 및 장치
US9595120B2 (en) Method and system for medical image synthesis across image domain or modality using iterative sparse representation propagation
Markiewicz et al. NiftyPET: a high-throughput software platform for high quantitative accuracy and precision PET imaging and analysis
US20110268334A1 (en) Apparatus for Improving Image Resolution and Apparatus for Super-Resolution Photography Using Wobble Motion and Point Spread Function (PSF), in Positron Emission Tomography
US20130182930A1 (en) System and method for medical image reconstruction and image series denoising using local low rank promotion
US20130121550A1 (en) Non-Contrast-Enhanced 4D MRA Using Compressed Sensing Reconstruction
US9058682B2 (en) Apparatus and method for virtual view generation on multi-view image reconstruction system by virtual emission of X-rays
US20100074500A1 (en) System and method for 3d time of flight pet forward projection based on an exact axial inverse rebinning relation in fourier space
US9939509B2 (en) Variable density incoherent spatiotemporal acquisition (VISTA) for highly accelerated magnetic resonance imaging
CN106462987B (zh) 基于投影数据集的用于体积的改进图像重构
JP7106307B2 (ja) 医用画像診断装置、医用信号復元方法、医用信号復元プログラム、モデル学習方法、モデル学習プログラム、および磁気共鳴イメージング装置
Chun et al. Noise properties of motion-compensated tomographic image reconstruction methods
US20140328528A1 (en) Super-Resolution Apparatus and Method
CN114092589A (zh) 图像重建方法及训练方法、装置、设备及存储介质
KR101283266B1 (ko) Ｇｐｕ를 이용한 양전자 방출 단층 촬영 영상에서의 몬테카를로 시뮬레이션 감마선 산란 추정 방법 및 장치
KR101268246B1 (ko) 양전자 단층 촬영 영상에서 워블 동작과 ｐｓｆ을 이용한 초해상도 촬영 장치 및 방법
US10223814B2 (en) Information processing apparatus, image reconstruction method, and computer-readable medium
CN116740215A (zh) 四维ct图像重建方法、装置、医疗设备及存储介质
CN106251383A (zh) 一种能谱ct基物质正弦图的估计方法
JP2023526008A (ja) 複数の磁気共鳴イメージングシステム構成を使用した磁気共鳴画像の補正
Yin et al. Generation of attenuation correction factors from time-of-flight PET emission data using high-resolution residual U-net
Jeong et al. Investigating the use of traveltime and reflection tomography for deep learning-based sound-speed estimation in ultrasound computed tomography
US20220343634A1 (en) Pseudo data generation apparatus, pseudo data generation method, and non-transitory storage medium
US20220175334A1 (en) Information processing apparatus and method
KR102382192B1 (ko) 3차원 산업용 컴퓨터 단층 촬영에서 발생하는 산란 보정을 위한 방법 및 장치

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20180119

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20190116

Year of fee payment: 5