KR101496205B1

KR101496205B1 - 위상 어레이 데이터의 재구성

Info

Publication number: KR101496205B1
Application number: KR20137010820A
Authority: KR
Inventors: 징단 장; 모리츠 미하엘 크노르; 구오젠 리; 사오후아 케빈 저우; 엘 마조우브 라쎌코르데; 와히드 에이. 압바시; 미하엘 제이. 메타라
Original assignee: 지멘스 코포레이션; 지멘스 에너지, 인코포레이티드
Priority date: 2010-09-28
Filing date: 2011-09-28
Publication date: 2015-02-27
Also published as: CN103155005B; EP2601641A1; CN103155005A; CA2812958A1; JP2013539033A; US20120128266A1; WO2012050854A1; KR20130080475A; US8699817B2

Abstract

이미지 재구성 방법은, 복수의 샘플링 포인트들을 포함하는 볼륨 데이터를 수신하는 단계(410), 낮은 진폭들을 억제하고 최대 진폭들을 보존하는 상기 샘플링 포인트들의 제 1 조정을 결정하는 단계(411), 상기 샘플링 포인트들의 제 2 조정을 결정하는 단계(412) ― 샘플링 포인트의 영향은 샘플링 그리드에서의 상기 샘플링 포인트의 그리드 포인트까지의 거리에 의존함 ―, 커널의 형상 또는 크기를 결정함이 없이, 상기 복수의 샘플링 포인트들 각각의 에너지 확산을 결정하기 위해 상기 제 1 조정 및 상기 제 2 조정을 위한 복수의 가중 함수들을 포함하는 커널을 결정하는 단계(413), 및 상기 복수의 샘플링 포인트들 각각의 에너지 확산에 따라 재구성된 볼륨을 출력하는 단계(414)를 포함한다.

Description

위상 어레이 데이터의 재구성 {RECONSTRUCTION OF PHASED ARRAY DATA}

관련 출원의 상호-참조

본원은 2010년 9월 28일자로 출원된 미국 가출원 시리얼 번호 제61/387,155호의 권익을 청구하는 비-가출원이며, 상기 가출원의 내용들은 그 전체가 인용에 의해 본 명세서에 포함된다.

본원은 이미지(image) 재구성에 관한 것으로, 보다 구체적으로는 위상 어레이 데이터(phased array data)의 재구성을 위한 방법에 관한 것이다.

위상 어레이에서, 다수의 초음파 트랜스듀서(transducer)들은 어레이로 배열된다. 어레이 내의 트랜스듀서들 각각은 개별적으로 구동될 수 있다. 지연 및 진폭 패턴들을 이용함으로써, 트랜스듀서들의 어레이는 특정 빔(beam)을 형성하기 위해 이용될 수 있다. 이용되는 지연 패턴(pattern) 및 진폭 패턴(또한 법칙(law)들로 불림)은 종종 용어 초점 법칙(focal law)으로 그룹화된다. 상이한 거리들에 있는 포인트(point)들에 초점을 맞출(focus on) 빔들을 형성할 뿐만 아니라 상이한 각도들로 빔들을 형성하기 위해, 상이한 초점 법칙들이 이용될 수 있다. 위상 어레이 디바이스(device)는 반사된 신호를 2-차원(2D) B-스캔(B-scan) 모드(mode)로서 캡쳐(capture)한다. 공통의 위상 어레이 기반 비파괴 평가(NDE: Non-Destructive Evaluation)에서, 많은 수의 2D 이미지들이 캡쳐된다. 데이터를 효율적으로 시각화하고 분석하기 위해, 이러한 2D 이미지들을 융합하기(fuse) 위해 3-차원(3D) 볼륨(volume) 재구성이 필요하다.
3D 볼륨 재구성을 위한 여러 접근방식들이 이미 존재한다. 그러나, 초음파 데이터에 기초하는 재구성의 경우에, 여러 문제점들이 발생한다. 의료 분야에서의 초음파 애플리케이션(application)들과 달리, 결함들 및 균열들은 조직(tissue)들 같이 간파되지(see-through) 않는다. 더욱이, 이들은 강한 이방성 거동을 보이는데, 이는 상이한 각도들에서의 볼륨의 캡쳐를 요구한다. 위상 어레이 기술이 일-송신자-일-수신자 기술이기 때문에, 물리적 볼륨 특성들의 캡쳐는 한번에 하나의 각도에서만 가능하다. 이는 검사된 컴포넌트(component)를 더욱 양호하게 특징짓기 위해 상이한 각도들에서 캡쳐된 데이터를 통합하는 합성의 문제점을 초래한다.
스플래팅(splatting) 접근방식이 3D 볼륨 렌더링(volume rendering)에서 종종 이용된다. 스플래팅은 샘플링 포인트(sampling point)의 에너지(energy)를 볼륨 공간 내로 분배하는 프로세스(process)이다. 직선형 그리드(grid)들에 대한 Lee Westover의 "Interactive volume rendering" in VVS '89:Proceedings of the 1989 Chapel Hill workshop on Volume visualization, pages 9-16, New York, NY, USA, 1989, ACM 및 Lee Westover의 "Footprint evaluation for volume rendering" in SIGGRAPH '90:Proceedings of the 17th annual conference on Computer graphics and interactive techniques, pages 367-376, New York, NY, USA, 1990, ACM에 의한 제 1 접근방식은, 확률론적 리샘플링(resampling)을 이용한 불규칙 및 규칙 그리드들에 대한 Mao 등의 "Splatting of curvilinear volumes" in Visualization, 1995, Proceedings, IEEE Conference on, pages 61-68, 439, Oct-3 Nov 1995 및 Xiaoyang Mao의 "Splatting of nonrectilinear volumes through stochastic resampling", IEEE Transactions on Visualization and Computer Graphics, 2(2):156-170, 1996에 의해 확장되었다. Zwicker 등의 "Ewa volume splatting" in IEEE Visualization, volume 2001, pages 29-36, 2001 및 Zwicker 등의 "Ewa splatting", IEEE Transactions on Visualization and Computer Graphics, 8(3):223-238, 2002는, Greene 및 Heckbert의 "Creating raster omnimax images from multiple perspective views using the elliptical weighted average filter" in IEEE Computer Graphics and Applications, pages 21-27, June 1986에 의한 EWA 필터(filter)에 기초하는 타원형 가중 평균 스플래팅 접근방식(EWA)을 이용한 불규칙 그리드들의 직접적 볼륨 렌더링을 위한 접근 방식을 소개하였다. 직접적 볼륨 렌더링의 기본 개념은 3D 크기 및 형상 적응적 커널(kernel)을 모든 각각의 샘플 포인트에 두는 것이며, 이는 3D 공간에서의 에너지를 확장시킨다. 이후에, 3D 커널은, 이미지 면에 수직하는 축을 따라 통합되어, 2D 커널 또는 풋프린트(footprint)를 초래한다.

본원의 실시예에 따르면, 이미지 재구성 방법은, 복수의 샘플링 포인트들을 포함하는 볼륨 데이터(volume data)를 수신하는 단계, 낮은 진폭들을 억제하고 최대 진폭들을 보존하는 샘플링 포인트들의 제 1 조정을 결정하는 단계, 샘플링 포인트들의 제 2 조정을 결정하는 단계 ― 샘플링 포인트의 영향은 샘플링 그리드에서의 상기 샘플링 포인트의 그리드 포인트(grid point)까지의 거리에 의존함 ―, 커널의 형상 또는 크기를 결정함이 없이, 복수의 샘플링 포인트들 각각의 에너지 확산(energy spread)을 결정하기 위해 제 1 조정 및 제 2 조정을 위한 복수의 가중 함수들을 포함하는 커널을 결정하는 단계, 및 복수의 샘플링 포인트들 각각의 에너지 확산에 따라 재구성된 볼륨을 출력하는 단계를 포함한다.

본원의 실시예에 따르면, 이미지 재구성 방법은, 복수의 샘플링 포인트들을 포함하는 볼륨 데이터를 수신하는 단계, 낮은 진폭들을 억제하고 최대 진폭들을 보존하는 샘플링 포인트들의 제 1 조정을 결정하는 단계, 샘플링 포인트들의 제 2 조정을 결정하는 단계 ― 샘플링 포인트의 영향은 샘플링 그리드에서의 상기 샘플링 포인트의 그리드 포인트까지의 거리에 의존함 ―, 및 복수의 샘플링 포인트들 각각의 에너지 확산을 결정하기 위해 제 1 조정 및 제 2 조정의 콘볼루션을 위한 복수의 가중 함수들을 포함하는 커널을 결정하는 단계를 포함한다. 커널을 결정하는 단계는, 샘플링 포인트들 각각을 가장 가까운 그리드 포인트에 대해 설정함으로써 볼륨 데이터를 재구성하는 단계, 및 복수의 샘플링 포인트들 각각의 에너지 확산에 따라 볼륨 데이터를 필터링하는 단계를 포함한다. 방법은, 복수의 샘플링 포인트들 각각의 에너지 확산에 따라 재구성된 볼륨을 출력하는 단계를 더 포함한다.

본원의 실시예에 따르면, 이미지 재구성의 방법을 수행하기 위한 시스템이 제공된다. 시스템은, 볼륨 데이터로부터 이미지를 재구성하도록 구성된 프로세서 및 재구성된 볼륨을 저장하도록 구성된 메모리를 포함하며, 프로세서는, 낮은 진폭들을 억제하고 최대 진폭들을 보존하는 샘플링 포인트들의 제 1 조정을 결정하고, 샘플링 포인트들의 제 2 조정을 결정하고 ― 샘플링 포인트의 영향은 샘플링 그리드에서의 상기 샘플링 포인트의 그리드 포인트까지의 거리에 의존함 ―, 커널의 형상 또는 크기를 결정함이 없이, 복수의 샘플링 포인트들 각각의 에너지 확산을 결정하기 위해 제 1 조정 및 제 2 조정을 위한 복수의 가중 함수들을 포함하는 커널을 결정하며, 복수의 샘플링 포인트들 각각의 에너지 확산에 따라 재구성된 볼륨을 출력한다.

본원의 바람직한 실시예들은 첨부 도면들을 참조하여, 아래에서 더욱 상세하게 기술될 것이다.

도 1a는 본원의 실시예에 따른 예시적인 중실 로우터(solid rotor)를 예시하고,
도 1b는 본원의 실시예에 따른 중실 로우터 스캔 패턴(scan pattern)을 예시하고,
도 2a는 본원의 실시예에 따른 2개의 샘플링 포인트들을 도시하고,
도 2b는 본원의 실시예에 따른, 도 2a의 샘플링 포인트들에서의 가중된 커널들을 도시하고,
도 2c 및 도 2d는 본원의 실시예에 따른, 도 2a의 1D 신호의 각각의 재구성들을 도시하고,
도 3은 본원의 실시예에 따른 A-스캔(A-scan)을 따르는 조밀(dense) 샘플링을 도시하고,
도 4a 및 도 4b는 본원의 실시예에 따른 고속 재구성 접근방식을 예시하고,
도 4c는 본원의 실시예에 따른 고속 재구성 접근방식의 흐름도이고,
도 5는 본원의 실시예에 따른 볼륨 세그먼트(segment)를 예시하고,
도 6a는 본원의 실시예에 따른 세그먼트들의 재구성을 예시하고,
도 6b는 본원의 실시예에 따른 마진(margin)의 재구성을 예시하고,
도 7은 스레드(thread)에 의해 각각이 재구성되는 서브-볼륨들로 볼륨을 분할 재구성을 예시하고,
도 8은 본원의 실시예에 따른 볼륨 재구성을 위한 방법을 실행하기 위한 예시적인 컴퓨터 시스템을 도시한다.

위상 어레이는 비파괴 평가 애플리케이션들을 위한 초음파 기술이다. 하나의 위치로부터 캡쳐된 데이터는 단지 특정 입사각 하에서의 결함(flaw) 특성들만을 기술하며, 비-확산 결함들은 이러한 각도로부터 캡쳐되지 않을 수 있기 때문에, 결함 정보는 상이한 위치들로부터 캡쳐될 필요가 있다.

본원의 실시예에 따르면, 위상 어레이 기반 비파괴 평가 애플리케이션들을 위한 3D 재구성은, 다수의 캡쳐 위치들로부터의 융합된 정보를 이용한 데이터의 분석을 가능하게 하고, 자동 결함 검출 및 형상 추정을 위한 기초를 제공한다.

본원의 실시예들은 스플래팅(splatting)을 이용한 비교적 정밀한 재구성 방법, 데이터 브라우징(data browsing)을 위한 비교적 고속의 재구성 방법, 및 병렬 재구성 방법을 포함한다. 본원의 실시예들은 메모리(memory) 및 볼륨 렌더러(volume renderer)의 한계를 초과하는 볼륨들을 핸들링(handling)하기 위한 방법들을 더 포함한다.

이러한 설명에 있어서, 본원의 실시예들을 증명하기 위해, 중실 로우터 검사, 예컨대 터빈 로우터(turbine rotor)의 검사가 이용된다. 데이터가 캡쳐되는 위치 및 배향은 알려져 있고 추가의 레지스트레이션(registration) 정정은 요구되지 않는 것으로 가정될 수 있다. 또한, 검사되는 로우터(101)(도 1a 참조)는 원주의 각도들에서 조밀하게 캡쳐되는 것으로 가정될 수 있다. 부가하여, 신호 에코(echo) 진폭들이 거리가 아니라 단지 크기, 형상, 및 반사 로우터의 반사 특성들에만 의존하도록, 데이터가 교정(rectify)되는 것으로 가정될 수 있다. 그러므로, 진폭 정보는, 거리-가중-이득(Distance-Weight-Gain) 결함 사이징(sizing) 방법을 위해 직접적으로 이용될 수 있다.

도 1b는 중실 로우터(101)의 검사를 위해 이용되는 표기법(notation)을 도시한다. 각각의 샘플링 포인트(

)는, 3개의 파라미터(parameter)들, 즉 팬(fan) 번호(

), A-스캔 번호(

), 및 샘플링 포인트 번호(

)에 의해 결정된다. 샘플링 포인트의 진폭 값은

에 의해 주어지며, 여기서

이다. 각각의 팬(fan)은, 일정한 각도 간격을 갖는 상이한 배향들에 따른 여러 A-스캔들을 포함한다. 이러한 정보는, 각각의 샘플링 포인트(

)의 영향의 구역을 결정하기 위해 이용될 수 있다. 재구성되는 볼륨의 데카르트 그리드(cartesian grid) 좌표들은

,

, 및

로 명명되며, 여기서

이다. 본 명세서에 기술되는 예시적인 방법들은 상이한 스캔 패턴들을 갖는 다른 NDE 애플리케이션들에 적용될 수 있다.

본원의 실시예에 따르면, 데이터 융합(fusion)은, 샘플링 포인트들로부터의 정보가 3D 볼륨으로 융합되는 프로세스 및 방식을 기술한다. 많은 3D 커널들이 동일한 위치에서 오버랩할 수 있기 때문에, 데이터 융합은 타당한 결과를 달성한다. 평균치 접근방식(average approach) 및 최대치 접근방식(maximum approach)을 포함하는 상이한 융합 방법들이 이용될 수 있다. 그 범위(extent)가 동일한 구역 내에 속하는(fall into) 샘플링 포인트들에 의해 주어지는 정보는 융합될 수 있다. 샘플링 포인트들에 의해 주어지는 정보는 상이한 각도들에서의 반사 특성들을 기술한다. 정보 중에, 높은 진폭들은 결함 또는 균열 경계를 나타낸다. 이러한 고려사항들로부터, 평균치 접근방식 및 최대치 접근방식을 포함하는 상이한 접근방식들이 적용될 수 있다.

최대치 방법은 특정 구역 내의 낮은 진폭들을 억제하고 최대치를 보존한다. 최대치 방법은 아래의 방정식에 의해 표현될 수 있다:

평균치 방법에서, 샘플링 포인트의 영향은, 상기 샘플링 포인트의 그리드 포인트까지의 거리에 따른다. 평균치 방법은 아래의 방정식에 의해 표현될 수 있다:

가중 함수들(

및

)은 각각의 샘플링 포인트의 에너지 확산을 결정한다. 각각의 샘플링 포인트의 에너지 확산은, 재구성된 볼륨, 평균치 방법, 및 최대치 방법 각각에서의 각각의 샘플링 포인트의 영향이다.

예시적인 융합을 참조하여, 각각 진폭들 2 및 1을 갖는, 2.5 및 4.35에 위치된 2개의 샘플링 포인트들에 삽입된 2개의 삼각 가중 함수들의 경우를 고려한다. 도 2a 내지 도 2d는 1차원(1D) 신호에 기초하여 평균치 타입 방법 및 최대치 타입 방법의 상이한 거동들을 증명한다. 예시적인 융합을 참조하여, 각각 진폭들 2 및 1을 갖는, 2.5 및 4.35에 위치된 2개의 샘플링 포인트들에 삽입된 2개의 삼각 가중 함수들의 경우를 고려한다. 도 2c 및 도 2d는 각각 평균치 타입 방법 및 최대치 타입 방법의 결과를 도시한다. 융합 타입들에 따라 x=3에서의 결과값은 1.635 또는 2.0이다.

본원의 실시예에 따르면, 스플래팅에 의한 3D 볼륨 재구성은 캡쳐된 신호를 3D 규칙적 그리드에 리샘플링(resampling)하는 것을 포함한다. 스플래팅은 불규칙 그리드를 이용하여 미가공(raw) 데이터를 샘플링하는 것 및 미가공 데이터를 규칙적 그리드에 리샘플링하는 것을 포함한다. 스플래팅은 언더샘플링(undersampling), 오버샘플링(oversampling), 및 재구성된 볼륨에서의 홀(hole)들을 실질적으로 방지하도록 선택된 재구성 필터를 포함한다. 스플래팅은 샘플링 포인트의 에너지를, 미리규정된 범위로 분배하고, 규칙적 그리드에 샘플링될 수 있는 연속적인 에너지 분배를 생성한다. 그리드 포인트에 대한, 각각의 샘플링 포인트의 기여(contribution)가 결정될 수 있는 경우에, 연속적 에너지 분배는 생성될 필요가 없다는 것이 유의되어야 한다.

스플래팅은 볼륨 공간 내로의 샘플링 포인트의 에너지의 분배의 프로세스이다. 본원의 실시예에 따르면, 스플래팅은 결함 검출 및 분석을 위해 3D 볼륨을 재구성하기 위해 이용된다. 스플래팅 커널들은, 특정 NDE 애플리케이션을 위해 설계된 스캔 패턴에 기초하여 결정될 수 있다. 이러한 접근방식은, 직선형(rectilinear) 그리드들, 확률론적(stochastic) 리샘플링을 이용하는 불규칙 및 규칙적 그리드들, 타원형 가중 평균 스플래팅 접근방식(EWA: elliptical weighted average splatting approach)을 이용하는 불규칙 그리드들의 직접적 볼륨 렌더링 등을 위해 이용될 수 있다. 직접적 볼륨 렌더링은, 3D 크기 및 형상 적응적 커널을, 3D 공간에서 에너지를 확장시키는 모든 각각의 샘플 포인트에 둔다. 3D 커널은, 이미지 면에 수직하는 축을 따라 통합되어, 2D 커널 또는 풋프린트를 초래한다.

방정식(1) 및 방정식(2)을 구현하는 방법에서, 전체 데이터 세트(

)는 각각의 복셀(voxel)(

)에서의 평가를 위해 요구된다. 몇몇 경우들에서, 미가공 데이터의 데이터 세트는 최종 볼륨의 데이터 세트보다 더 크다. 그러므로, 방법은, 데이터 세트의 크기로 인해 캐시되지 않을 수 있으며, 그러므로 재구성 속도가 저하될 수 있는 데이터 세트의 모든 부분들의 액세스(access)를 초래한다. 또한, 함수의 범위는 이론상으로는 무한하지 않으며, 따라서 특정 복셀을 재구성하기 위해 데이터의 특정 부분만이 요구된다. 요구되는 샘플링 포인트들의 결정은, 예컨대 A-스캔들의 임의적인 성상도(constellation)처럼, 사소한 작업이 아니다.

방정식(1) 및 방정식(2)을 구현하는 방법의 개선은, 버퍼들을 규정하는 것을 포함하며, 제 1 버퍼는 가중된 샘플링 포인트 진폭들에 대한 것이고, 제 2 버퍼는 가중치들, 즉

및

에 대한 것이다. 모든 각각의 샘플링 포인트(

)에 대해, 커널이 절두(truncate)되지 않는 대응하는 구역이 규정된다. 이러한 구역 내에서, 버퍼 값들이 변화된다. 최대치 타입 방법에 있어서, 프로시저는 방정식(1)의 프로시저(procedure)와 유사하다. 즉, 그리드 포인트들(

)은 변화하며, 샘플링 좌표들(

)은 동일하게 머문다. 부가적으로,

의 가중치는

에 저장되고, 곱

은

에 저장되어서, 각각의 비교를 위해 결정되지 않아도 된다.

평균치 타입 방법의 버퍼(buffer) 값들은 다음과 같이 결정될 수 있다. 절두된 커널 구역 내의 각각의 그리드 포인트에 대해, 버퍼 값들은 증가된다.

이후, 최종 복셀 값이 다음의 방정식에 의해 주어질 수 있다:

볼륨 렌더링 및 리샘플링에서, 데이터를 처리하는 방법을 규정하기 위해 상이한 접근방식들이 적용될 수 있다. 이들 접근방식들은 순방향 및 역방향 맵핑(mapping)을 포함한다.

역방향 맵핑은, 데이터 공간 내의 가장 가까운 샘플 위치들을 탐색함으로써, 이미지 샘플 위치들을 데이터 공간 내로 맵핑한다. 순방향 맵핑은, 데이터 공간 샘플링 위치에 의해 영향받는 이미지 공간 샘플 위치들을 식별함으로써 이미지 공간에 데이터를 맵핑한다.

본원의 실시예에 따르면, 맵핑은 각각의 샘플링 포인트 및 데이터 융합을 위해 상태 의존적 커널들을 이용하고, 이는 순방향 직접적 프로시저인 반면에, 방정식(1) 및 방정식(2)을 구현하는 방법은 역방향 직접적 접근방식이다.

이제 가우스 커널 및 스플래팅을 참조하면, 재구성 방법은 가중 함수(

)를 이용한다. 방정식(1), 방정식(2), 및 방정식(3)에서 가중 함수들은 max 및 avg로 명명된다. 또 다른 가중 함수는 재구성된 볼륨 내의 각각의 샘플링 포인트(

)의 영향의 세기 및 구역을 기술한다. 스플래팅은 에너지를 볼륨 내에 분배하기 위해 이용될 수 있다. 가중 함수 ― 절두되는 경우, 커널로 또한 알려짐 ― 는 다음의 방정식에 의해 주어질 수 있다:

여기서,

는 그리드 좌표들에서의 샘플링 포인트(

)의 위치이다. 그리고,

는

및

에 의해 규정된 A-스캔의 배향을 기술한다.

는 가우스(Gaussian) 함수의 비율 및 형상을 결정한다.

커널 범위 및 에일리어싱(aliasing)을 참조하면, 커널 범위는 홀들, 에일리어싱, 및 오버-블러(over-blur)를 방지하는데 중요하다. 도 1은 하나의 커널을 이용한 A-스캔을 도시한다.

A-스캔 축을 따르는 샘플링은 조밀할 수 있는 반면에, 2개의 이웃하는 A-스캔들 사이의 거리는 약 10 내지 100배 더 길 수 있다. 커널 크기는 예컨대, 각각의 차원의 샘플링 포인트 또는 이웃하는 A-스캔에 대한 길이의 2배 이도록 선택될 수 있다.

도 3은 어떻게 A-스캔(301)을 따르는 조밀한 샘플링이 에일리어싱을 초래하고, 몇몇 커널들 예컨대, 302가 그리드(303)를 통해 폴링(fall)하도록 허용할 수 있는지를 도시한다. 이는 불리한데, 그 이유는 전부는 아니지만 몇몇의 샘플링 포인트들은 결과에서 표시될 것이기 때문이다. 볼륨 렌더링에서, 이러한 문제점은 커널 크기를 확장함으로써 또는 가장 가까운 이웃 복셀에 기여를 부가함으로써 해결될 수 있다. 신호 프로세싱에서, 신호는 리샘플링 프로세스 동안 에일리어싱을 방지하기 위해 저역 통과 필터링될 수 있다. 본원의 실시예에 따르면, 커널 범위는, 그리드를 통해 폴링할 수 있는 그러한 차원들 내에서 확대된다(enlarged).

세부사항들의 개선된 가시성(visibility)(평균치 타입 접근방식) 및 보존(최대치 타입 접근방식) 사이에 트레이드-오프(trade-off)가 이루어질 수 있다. 예컨대, 특정 각도들, 예컨대 평탄 바닥 전체들로부터만 가시적인 결함들은, 평균치 타입 접근 방식과 최대치 타입 접근방식 사이의 적합한 밸런스(balance)를 선택함으로써 억제될 수 있다.

본원의 실시예에 따르면, 상기 표시된 예시적인 재구성 방법(정밀 재구성 방법으로 지칭됨)은 비교적 높은 재구성 품질을 제공한다. 정밀 재구성 방법은 커널 형상 및 크기를 적합하게 결정하는 계산 비용을 현실화한다.

본원의 실시예에 따르면, 고속 방법은 샘플링 포인트들(401)을 볼륨 복셀(402) 내에 두는 단계를 포함한다(도 4a). 즉, 샘플 포인트 값들은 가장 가까운 그리드 포인트에 대한 그리드로 설정될 수 있다. 융합(예컨대, 평균치 방법 및 최대치 방법의 콘볼루션(convolution))은 복셀 당(per) 하나보다 많은 수의 샘플링 포인트인 경우에 수행될 수 있다. 또한, 샘플링 포인트들 에너지(403)를 확산시키기 위해, 고정된 크기를 갖는 커널이 모든 각각의 복셀에 적용된다(도 4b). 즉, 이미지는, 콘볼루션 필터와 같은 가중된 필터를 이용하여 필터링될 수 있다. 그 결과는 샘플 포인트들의 블러로서 해석될 수 있다.

본원의 실시예에 따르면, 고속 방법은 커널 형상 및 크기를 적응적으로 결정하지 않는다. 고속 재구성 타입을 이용한 재구성 시간은 (커널 타입에 따라) 정밀 방법을 위한 시간의 약 1/100 미만이다.

이제 도 4c를 참조하면, 관심있는 객체(예컨대, 중실 로우터)에 대한 볼륨 데이터가 주어지면(410), 낮은 진폭들을 억제하고 최대 진폭들을 보존하는 샘플링 포인트들의 제 1 조정이 결정되고(411), 샘플링 포인트들의 제 2 조정이 결정되며, 여기서 샘플링 포인트의 영향은 상기 샘플링 포인트의 그리드 포인트까지의 거리에 따른다(412). 방법은, 커널의 형상 또는 크기를 결정함이 없이, 복수의 샘플링 포인트들 각각의 에너지 확산을 결정하기 위해 상기 제 1 및 제 2 조정을 위한 복수의 가중 함수들을 포함하는 커널을 결정하는 단계(413)를 포함한다. 복수의 샘플링 포인트들 각각의 에너지 확산에 따라 재구성된 볼륨이 출력된다(414).

본원의 실시예에 따르면, 고속 방법은, 결함들을 포함할 수 있는 관심 구역들(ROIs: regions-of-interest)을 식별하기 위해 재구성된 볼륨을 브라우징하기 위해 이용될 수 있다. 그 다음으로, 식별된 ROI들은, 상세한 결함 특징들을 나타내기 위해 정밀 접근방식을 이용하여 재구성될 수 있다.

검사된 로우터의 길이로 인해, 재구성된 볼륨의 축방향 길이는 길 수 있다. 이는 시각화에 있어서 문제를 야기할 수 있는데, 그 이유는 볼륨 렌더링 방법은 단지, 제약된 컴퓨터 메모리로 인해 한정된 크기를 갖는 볼륨만을 렌더링할 수 있기 때문이다. 본원의 실시예에 따르면, 재구성된 볼륨의 단지 일부만이 주어진 시간에서 렌더링된다. 도 5를 참조하면, 볼륨은 축 방향(객체 길이)(501)을 따라 세그먼트들(502)로 분할될 수 있다. 볼륨 렌더러는 디스플레이하기 위해 고정된 수의 세그먼트들을 받을 수 있다. 세그먼트들은 하드 드라이브 상에 저장될 수 있고, 필요할 때 블록으로서 메모리에 로딩될 수 있다.

세그먼트된 볼륨은 채널 각도 대 스큐(skew) 각도의 테이블로서 시각화될 수 있다. 제 1 컬럼 내의 셀을 또는 컬럼 헤더를 클릭함으로써, 여러 채널들이 동시에, 선택되거나 또는 선택해제될 수 있다. 테이블 내의 색상들은 현재 볼륨에 대한 채널의 기여를 표시할 수 있다. 예컨대, 흑색은, 채널의 A-스캔들이 볼륨과 교차하지 않기 때문에 채널이 기여하지 않는다는 것을 표시할 수 있다. 선택된 채널들은 재구성 및 3D 시각화를 위해 이용될 수 있다. 테이블은 채널들에 기초하여 자동적으로 발생될 것이다.

컴퓨터 메모리의 한정은 또한, 데이터 재구성에 존재할 수 있다. 이러한 경우에, 재구성은 도 6a에 도시된 바와 같이 한번에 하나 또는 둘 이상의 세그먼트들(601)로 한정될 수 있다. 이용가능한 메모리의 크기에 따라, 특정 수의 세그먼트들이 함께 재구성될 수 있다. 이는 한번에 하나의 세그먼트를 재구성하는 것 보다 더 효율적일 수 있다. 커널들의 컷오프들을 회피하기 위해 마진들이 이용될 수 있으며, 이는 2개의 연속적 세그먼트들 사이의 불연속(discontinuity)을 유도할 수 있다.

마진의 개념은 도 6b에 예시된다. 서브-볼륨 외측에 놓이는 샘플링 포인트(603)의 커널(602)은 서브-볼륨 내로 스트레칭(stretch)될 수 있다. 그러므로, 서브-볼륨을 재구성할 때, 서브-볼륨 둘레의 마진(604) 내의 샘플링 포인트들이 고려되어야 한다. 마진 길이는 가장 큰 커널 폭의 크기의 적어도 절반이어야 한다. 마진들을 포함함으로써, 이미지들에 있어서의 수평 불연속들이 실질적으로 회피될 수 있다.

앞서 말한 것들을 고려하면, 본 명세서에 기술된 방법들은 임의적으로 큰 볼륨을 핸들링할 수 있고, 여기서 재구성 프로세스는 별도의 태스크들로 분할될 수 있다.

볼륨 재구성을 가속(speed up)하기 위해 병렬 프로세싱이 이용될 수 있다. 불능이 된(paralyzed) 애플리케이션에서, 태스크는 여러 스레드들로 분할된다. 통상적으로, 다중스레드화 솔루션은 몇몇 오버헤드를 초래한다. 다중스레드화 솔루션은, 단일 스레드에 의해 요구되는 시간이, 다수의 스레드들에 의해 요구되는 시간과 오버헤드 동작들에 의해 요구되는 시간의 합산보다 더 큰 경우에 바람직할 수 있다.

스레드들의 수(

)에 따라, 재구성 동안 볼륨은

개의 서브-볼륨들로 분리될 수 있다. 각각의 스레드는 각각의 서브-볼륨을 재구성한다. 도 7은 3개의 스레드들(예컨대,

)로 분리된 볼륨을 도시한다. 도 7에 도시된 바와 같이, 볼륨(701)은 서브-볼륨들(702-704)로 분할되고, 그 각각은 스레드에 의해 재구성된다. 이러한 경우에, 어떤 중요 섹션도 요구되지 않는데, 그 이유는 각각의 스레드는 단지 자신의 볼륨 부분에 대해서만 작업하기 때문이다.

예시적인 컴퓨터 시스템은 4개의 코어들을 갖는 Intel Xeon 5120 CPU(@1.86㎓)를 포함할 수 있다. 테이블1은, 상이한 커널 크기들을 갖는 예시적인 고속 재구성 방법 및 예시적인 컴퓨터 시스템을 이용한 예시적인 이미지 재구성 시간들을 보여준다. 스레드들의 수는 코어들의 수보다 많지 않아야 한다.

테이블1 : 가속(분해능 0.037 인치/복셀 길이, 고속 재구성 방법)

앞서 말한 것들을 고려하면, 이미지 재구성 방법들은 중실 로우터 검사로부터 캡쳐된 위상 어레이 데이터를 이용하는 위상 어레이 기반 NDE 애플리케이션들에 대해 기술된다. 예시적인 실시예들은, 스플래팅 원리에 기초하는 정밀 재구성 방법, 데이터 브라우징을 위한 고속 재구성 방법, 및 메모리를 초과하는 볼륨들 및 볼륨 렌더러의 제약들을 위한 병렬 재구성을 포함한다.

본원의 실시예들은, 비행시간 결함 사이징 방법(TOFE: Time-of-Flight flaw sizing method) 및 거리-가중-이득 결함 사이징 방법을 포함하는 결함 사이징 방법들을 지원한다.

본원의 실시예들은, 하드웨어, 소프트웨어, 펌웨어, 특수 목적 프로세서들, 또는 이들의 조합의 다양한 형태들로 구현될 수 있다는 것이 이해된다. 일 실시예에서, 소프트웨어 애플리케이션 프로그램은 그에 저장된 실행가능 프로그램을 갖는, 프로그램 저장 디바이스 또는 컴퓨터-판독가능 저장 매체와 같은 비-일시적 컴퓨터-판독가능 저장 매체 상에 유형적으로 구현된다. 애플리케이션 프로그램은 임의의 적합한 아키텍처를 포함하는 머신에 업로드되고, 상기 머신에 의해 실행될 수 있다.

도 8을 참조하면, 본원의 실시예에 따라, 볼륨 재구성을 위한 컴퓨터 시스템(블록(801))은, 특히 CPU(블록(802)), 메모리(블록(803)), 및 입력/출력(I/O) 인터페이스(블록(804))를 포함한다. 컴퓨터 시스템(블록(801))은 일반적으로, I/O 인터페이스(블록(804))를 통해, 마우스, 키보드, 의료용 스캐너들, 파워 장비 등과 같은 다양한 입력 디바이스들(블록(806)) 및 디스플레이(블록(805))에 결합된다. 디스플레이(블록(805))는 재구성된 이미지를 디스플레이하도록 구현될 수 있다. 지원 회로들은 캐시, 전원들, 클록 회로들, 및 통신 버스와 같은 회로들을 포함할 수 있다. 메모리(블록(803))는 랜덤 액세스 메모리(RAM), 판독 전용 메모리(ROM), 디스크 드라이브, 테이프 드라이브 등, 또는 이들의 조합을 포함할 수 있다. 본 발명은, 입력 데이터(블록(808))를 프로세싱하기 위해 CPU(블록(802))에 의해 실행되고 메모리(블록(803))에 저장되는 루틴 또는 CPU의 모듈(블록(807))로서 구현될 수 있다. 예컨대, 데이터는 메모리(블록(803))에 저장될 수 있는, 카메라로부터의 이미지 정보를 포함할 수 있다. 이와 같이, 컴퓨터 시스템(블록(801))은, 본원의 루틴을 실행할 때 특정 목적 컴퓨터 시스템이 되는 범용 컴퓨터 시스템이다.

컴퓨터 플랫폼(블록(801))은 또한, 오퍼레이팅 시스템 및 마이크로 명령 코드를 포함한다. 본 명세서에 기술된 다양한 프로세스들 및 기능들은, 오퍼레이팅 시스템을 통해 실행되는 애플리케이션 프로그램의 부분 또는 마이크로 명령 코드의 부분(또는 이의 조합)일 수 있다. 부가하여, 부가적인 데이터 저장 디바이스 및 프린팅 디바이스와 같은 다양한 다른 주변 디바이스들이 컴퓨터 플랫폼에 접속될 수 있다.

첨부 도면들에 도시된 방법 단계들 및 구성 시스템 컴포넌트들의 일부는 소프트웨어로 구현될 수 있기 때문에, 시스템 컴포넌트들(또는 프로세스 단계들) 사이의 실제 접속들은 시스템이 프로그래밍되는 방식에 따라 상이할 수 있다는 것이 추가로 이해된다. 본 명세서에 제공된 본원의 교시들을 고려하여, 당업자는 본원의 이러한 그리고 유사한 구현들 또는 구성들을 생각할 수 있을 것이다.

이미지 재구성을 위해 실시예들이 기술되었고, 수정들 및 변형들이 상기 교시들을 고려하여 당업자들에 의해 이루어질 수 있다는 것이 유의된다. 그러므로, 본원의 사상 및 범주 내에 있는 그러한 변화들이, 본원의 실시예들에서 이루어질 수 있다는 것이 이해된다.

Claims

이미지(image) 재구성 방법으로서,
복수의 샘플링 포인트(sampling point)들을 포함하는 볼륨 데이터(volume data)를 수신하는 단계;
낮은 진폭들을 억제하고 최대 진폭들을 보존하는 상기 샘플링 포인트들의 진폭의 제 1 조정을 결정하는 단계;
상기 샘플링 포인트들의 위치의 제 2 조정을 결정하는 단계 ― 샘플링 포인트의 영향은 샘플링 그리드(grid)에서의 상기 샘플링 포인트의 그리드 포인트까지의 거리에 의존함 ―;
커널(kernel)의 형상 또는 크기를 결정함이 없이 상기 복수의 샘플링 포인트들 각각의 에너지 확산(energy spread)을 결정하기 위해, 상기 제 1 조정 및 상기 제 2 조정을 위한 복수의 가중 함수들을 포함하는 상기 커널을 결정하는 단계; 및
상기 복수의 샘플링 포인트들 각각의 에너지 확산에 따라 재구성된 볼륨을 출력하는 단계
를 포함하고,
상기 이미지 재구성 방법은 하나 이상의 컴퓨터 프로세싱 시스템(computer processing system)들에 의해서 수행되는,
이미지 재구성 방법.
제 1 항에 있어서,
상기 커널을 결정하는 단계는,
상기 샘플링 포인트들 각각을 가장 가까운 그리드 포인트로 설정함으로써 상기 볼륨 데이터를 재구성하는 단계, 및
상기 복수의 샘플링 포인트들 각각의 에너지 확산에 따라 상기 볼륨 데이터를 필터링하는 단계
를 더 포함하는,
이미지 재구성 방법.
제 1 항에 있어서,
가중된 샘플링 포인트 진폭들을 위한 제 1 버퍼(buffer)를 규정하는 단계; 및
복수의 가중치들을 위한 제 2 버퍼를 규정하는 단계
를 더 포함하는,
이미지 재구성 방법.
제 1 항에 있어서,
재구성된 볼륨 내로 상기 복수의 샘플링 포인트들 각각을 순방향 맵핑(forward mapping)하는 단계를 더 포함하는,
이미지 재구성 방법.
제 1 항에 있어서,
주어진 복셀(voxel)에 영향을 미치는 데이터를 찾기 위해 상기 볼륨 데이터를 역방향 맵핑(backward mapping)하는 단계를 더 포함하는,
이미지 재구성 방법.
이미지 재구성 방법으로서,
복수의 샘플링 포인트들을 포함하는 볼륨 데이터를 수신하는 단계;
낮은 진폭들을 억제하고 최대 진폭들을 보존하는 상기 샘플링 포인트들의 진폭의 제 1 조정을 결정하는 단계;
상기 샘플링 포인트들의 위치의 제 2 조정을 결정하는 단계 ― 샘플링 포인트의 영향은 샘플링 그리드에서의 상기 샘플링 포인트의 그리드 포인트까지의 거리에 의존함 ―;
상기 복수의 샘플링 포인트들 각각의 에너지 확산을 결정하기 위해, 상기 제 1 조정 및 상기 제 2 조정의 콘볼루션(convolution)을 위한 복수의 가중 함수들을 포함하는 커널을 결정하는 단계; 및
상기 복수의 샘플링 포인트들 각각의 에너지 확산에 따라 재구성된 볼륨을 출력하는 단계
를 포함하고,
상기 커널을 결정하는 단계는,
상기 샘플링 포인트들 각각을 가장 가까운 그리드 포인트로 설정함으로써 상기 볼륨 데이터를 재구성하는 단계, 및
상기 복수의 샘플링 포인트들 각각의 에너지 확산에 따라 상기 볼륨 데이터를 필터링하는 단계
를 더 포함하고,
상기 이미지 재구성 방법은 하나 이상의 컴퓨터 프로세싱 시스템들에 의해서 수행되는,
이미지 재구성 방법.
제 6 항에 있어서,
가중된 샘플링 포인트 진폭들을 위한 제 1 버퍼를 규정하는 단계; 및
복수의 가중치들을 위한 제 2 버퍼를 규정하는 단계
를 더 포함하는,
이미지 재구성 방법.
제 6 항에 있어서,
재구성된 볼륨 내로 상기 복수의 샘플링 포인트들 각각을 순방향 맵핑하는 단계를 더 포함하는,
이미지 재구성 방법.
제 6 항에 있어서,
주어진 복셀에 영향을 미치는 데이터를 찾기 위해 상기 볼륨 데이터를 역방향 맵핑하는 단계를 더 포함하는,
이미지 재구성 방법.
이미지 재구성을 위한 방법을 수행하도록 프로세서에 의해 실행가능한 명령들을 구현하는 컴퓨터 판독가능 저장 매체로서,
상기 방법은,
복수의 샘플링 포인트들을 포함하는 볼륨 데이터를 수신하는 단계;
낮은 진폭들을 억제하고 최대 진폭들을 보존하는 상기 샘플링 포인트들의 진폭의 제 1 조정을 결정하는 단계;
상기 샘플링 포인트들의 위치의 제 2 조정을 결정하는 단계 ― 샘플링 포인트의 영향은 샘플링 그리드에서의 상기 샘플링 포인트의 그리드 포인트까지의 거리에 의존함 ―;
커널의 형상 또는 크기를 결정함이 없이 상기 복수의 샘플링 포인트들 각각의 에너지 확산을 결정하기 위해, 상기 제 1 조정 및 상기 제 2 조정을 위한 복수의 가중 함수들을 포함하는 상기 커널을 결정하는 단계; 및
상기 복수의 샘플링 포인트들 각각의 에너지 확산에 따라 재구성된 볼륨을 출력하는 단계
를 포함하는,
컴퓨터 판독가능 저장 매체.
제 10 항에 있어서,
상기 커널을 결정하는 단계는,
상기 샘플링 포인트들 각각을 가장 가까운 그리드 포인트로 설정함으로써 상기 볼륨 데이터를 재구성하는 단계, 및
상기 복수의 샘플링 포인트들 각각의 에너지 확산에 따라 상기 볼륨 데이터를 필터링하는 단계
를 더 포함하는,
컴퓨터 판독가능 저장 매체.
제 10 항에 있어서,
상기 방법은,
가중된 샘플링 포인트 진폭들을 위한 제 1 버퍼를 규정하는 단계; 및
복수의 가중치들을 위한 제 2 버퍼를 규정하는 단계
를 더 포함하는,
컴퓨터 판독가능 저장 매체.
제 10 항에 있어서,
상기 방법은,
재구성된 볼륨 내로 상기 복수의 샘플링 포인트들 각각을 순방향 맵핑하는 단계를 더 포함하는,
컴퓨터 판독가능 저장 매체.
제 10 항에 있어서,
상기 방법은,
주어진 복셀에 영향을 미치는 데이터를 찾기 위해 상기 볼륨 데이터를 역방향 맵핑하는 단계를 더 포함하는,
컴퓨터 판독가능 저장 매체.
이미지 재구성의 방법을 수행하기 위한 시스템으로서,
볼륨 데이터로부터 이미지를 재구성하도록 구성되는 프로세서 ― 상기 프로세서는, 낮은 진폭들을 억제하고 최대 진폭들을 보존하는 샘플링 포인트들의 진폭의 제 1 조정을 결정하며, 상기 샘플링 포인트들의 위치의 제 2 조정을 결정하고, 커널의 형상 또는 크기를 결정함이 없이 복수의 상기 샘플링 포인트들 각각의 에너지 확산을 결정하기 위해, 상기 제 1 조정 및 상기 제 2 조정을 위한 복수의 가중 함수들을 포함하는 상기 커널을 결정하며, 그리고 복수의 상기 샘플링 포인트들 각각의 에너지 확산에 따라 재구성된 볼륨을 출력함 ―; 및
상기 재구성된 볼륨을 저장하도록 구성되는 메모리
를 포함하고,
샘플링 포인트의 영향은 샘플링 그리드에서의 상기 샘플링 포인트의 그리드 포인트까지의 거리에 의존하는,
이미지 재구성의 방법을 수행하기 위한 시스템.