KR101936506B1 - 단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법 - Google Patents

단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법 Download PDF

Info

Publication number
KR101936506B1
KR101936506B1 KR1020170068506A KR20170068506A KR101936506B1 KR 101936506 B1 KR101936506 B1 KR 101936506B1 KR 1020170068506 A KR1020170068506 A KR 1020170068506A KR 20170068506 A KR20170068506 A KR 20170068506A KR 101936506 B1 KR101936506 B1 KR 101936506B1
Authority
KR
South Korea
Prior art keywords
region
image
vertebral
range
muscle mass
Prior art date
Application number
KR1020170068506A
Other languages
English (en)
Other versions
KR20180132196A (ko
Inventor
이종찬
황진혁
Original Assignee
서울대학교병원
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 서울대학교병원 filed Critical 서울대학교병원
Priority to KR1020170068506A priority Critical patent/KR101936506B1/ko
Priority to PCT/KR2017/014056 priority patent/WO2018221801A1/ko
Publication of KR20180132196A publication Critical patent/KR20180132196A/ko
Application granted granted Critical
Publication of KR101936506B1 publication Critical patent/KR101936506B1/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
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • 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
    • 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]
    • 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
    • A61B6/50—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
    • A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • 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
    • 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
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30008—Bone
    • G06T2207/30012—Spine; Backbone

Landscapes

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

Abstract

단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법이 제공된다. 이 방법은, 다수의 단층촬영 이미지로부터 소정의 요추가 표시된 이미지를 선택하는 단계; 선택된 이미지에서 제1 범위의 HU(Hounsfield Unit) 값을 가지는 척추뼈 영역에 대하여 그 윤곽선을 생성하는 단계; 척추뼈 영역을 타원형의 척추체 영역과 척추체 영역으로부터 대칭적으로 돌출된 한 쌍의 횡돌기 영역으로 구분하여 정의하는 단계; 척추체 영역과 각 횡돌기 영역 사이에 위치하며 제2 범위의 HU 값을 가지는 요근 영역에 대하여 그 윤곽선을 생성하는 단계; 및 요근 영역의 면적을 산정하는 단계를 포함한다.

Description

단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법{Method for calculating amount of muscles from CT images automatically}
본 발명은 인체의 근육량을 계산하는 방법에 관한 것으로서, 더욱 상세하게는 단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법에 관한 것이다.
암환자가 수술한 후에 또는 항암 화학요법을 받은 후에 전신 근육량을 이용하여 예후를 예측하려는 시도 및 연구가 있다. 전신 근육량을 정기적으로 측정하기 위해서는 체적 임피던스 분석(body impedance analysis)이나 전신 덱사(whole body DEXA)와 같이 검사를 따로 진행해야 하는데, 거동이 불편한 암환자가 이러한 검사를 추가적으로 진행하는 것은 많은 불편을 초래할 뿐만 아니라 병원입장에서는 이러한 검사 장치를 추가로 구비해야 하는 문제가 있다.
이에 본 발명의 발명자들은 암환자 또는 일반환자가 별도의 전신 근육량 측정을 하지 않더라도 기본 검사로부터 자동으로 근육량을 연산하는 방법에 대하여 오랜 기간 연구한 끝에 본 발명에 이르게 되었다.
본 발명이 해결하고자 하는 과제는, 별도의 근육량 측정 장치를 이용하지 않더라도 기존의 단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법을 제공하고자 하는 것이다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급한 과제들로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기 과제를 달성하기 위한 본 발명의 일 실시예에 따른 환자의 단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법은, 다수의 단층촬영 이미지로부터 소정의 요추가 표시된 이미지를 선택하는 단계; 상기 선택된 이미지에서 제1 범위의 HU(Hounsfield Unit) 값을 가지는 척추뼈 영역에 대하여 그 윤곽선을 생성하는 단계; 상기 척추뼈 영역을 타원형의 척추체 영역과 상기 척추체 영역으로부터 대칭적으로 돌출된 한 쌍의 횡돌기 영역으로 구분하여 정의하는 단계; 상기 척추체 영역과 상기 각 횡돌기 영역 사이에 위치하며 제2 범위의 HU 값을 가지는 요근 영역에 대하여 그 윤곽선을 생성하는 단계; 및 상기 요근 영역의 면적을 산정하는 단계를 포함한다.
상기 이미지를 선택하는 단계는, 상기 다수의 이미지를 순차적으로 스캔하면서 횡돌기의 유무를 카운팅하여 소정의 요추가 표시된 이미지를 선택할 수 있다.
상기 선택된 이미지는 요추 3번 이미지일 수 있다.
상기 한 쌍의 횡돌기 영역 사이에 위치하며 상기 제2 범위의 HU 값을 가지는 척추주위근 영역에 대하여 그 윤곽선을 생성하고, 상기 척추주위근 영역의 면적을 산정하는 단계를 더 포함할 수 있다.
상기 선택된 이미지에서 상기 요근 영역 및 상기 척추주위근 영역 이외에 상기 제2 범위의 HU 값을 가지는 복벽근육 영역에 대하여 그 윤곽선을 생성하고, 상기 복벽근육 영역의 면적을 산정하는 단계를 더 포함할 수 있다.
상기 제1 범위의 HU 값은 상기 제2 범위의 HU 값보다 클 수 있다.
기타 실시예들의 구체적인 사항들은 구체적인 내용 및 도면들에 포함되어 있다.
상술한 바와 같이 본 발명에 따른 단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법에 의하면, 체적 임피던스 분석(BIA) 장치나 전식 덱사 장치를 별도로 이용하지 않더라도 환자 진단에 필수적인 단층촬영 이미지를 이용하여 자동으로 근육량 또는 요근 면적을 연산할 수 있기 때문에 환자의 예후를 편리하게 예측할 수 있다. 나아가 환자에게는 추가적인 검사의 부담을 주지 않을 뿐만 아니라 병원은 근육량 측정을 위한 장치를 추가로 구비할 필요가 없다.
도 1은 본 발명의 일 실시예에 따른 근육량 계산 시스템을 개략적으로 나타낸 도면이다.
도 2는 사람의 뼈구조와 요근을 개략적으로 나타낸 도면이다.
도 3은 도 2의 요추 3번(L3)에 대한 단층촬영 이미지를 도식적으로 나타낸 도면이다.
도 4는 본 발명의 일 실시예에 따른 단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법을 순차적으로 나타낸 순서도이다.
도 5a 내지 도 5b는 도 4의 특정 요추이미지를 자동으로 선택하는 방법을 나타낸 단층촬영 이미지들이다.
도 6은 도 4의 요근 영역의 윤곽선을 생성하고 그 면적을 구하는 것을 나타낸 도면이다.
도 7은 도 4의 척추주위근 영역의 윤곽선을 생성하고 그 면적을 구하는 것을 나타낸 도면이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
본 발명에서는 암환자의 단층촬영 이미지뿐만 아니라 일반 환자들에 대해서도 이들의 단층촬영 이미지를 이용하여 근육량을 측정할 수 있다. 또한, 본 발명에 언급된 단층촬영 이미지는 전산화 단층촬영(CT: Computed Tomography) 또는 자기공명영상(MRI: Magnetic Resonance Imaging)으로부터 촬영된 이미지를 포함할 수 있다.
이하 첨부된 도면들을 참조하여 본 발명을 자세히 설명한다.
도 1은 본 발명의 일 실시예에 따른 근육량 계산 시스템을 개략적으로 나타낸 도면이다. 본 발명의 근육량 계산 시스템은 환자를 단층촬영하는 단층촬영장치(10)와, 단층촬영장치(10)로부터 다수의 단층촬영 이미지를 수신하여 이들로부터 환자의 근육량을 자동으로 계산하는 근육량 연산장치(20)를 포함한다.
도 2는 사람의 뼈구조와 요근을 개략적으로 나타낸 도면이고, 도 3은 도 2의 요추 3번(L3)에 대한 단층촬영 이미지를 도식적으로 나타낸 도면이다.
암환자의 수술에 대한 경과나 항암치료의 부작용 등에 대한 예후가 환자의 근육량과 인과관계가 있다는 연구결과가 있다. 예컨대, 근육량이 많은 환자의 경우 항암치료 부작용 발생률이나 사망률이 낮은 것으로 보고되고 있다. 도 2 및 도 3을 참조하면, 암환자의 예후를 예측하는 근육으로는 요근(100), 척추주위근(102) 및 복벽근육(104)을 포함한 총골격근이 있다. 특히 척추 주변의 요근(100)은 암환자의 병세 진행 또는 회복을 예측하는 데 중요한 역할을 한다. 본 발명의 근육량 연산장치(20)는 총골격근 및 이를 구성하는 각 근육의 면적을 단층촬영 이미지로부터 자동으로 추출하고 연산하여, 근육량 면적, 근육량 인덱스, 근육질 정보 등의 최종 결과를 제공한다.
이하 도 4 내지 도 7을 참조하여 본 발명의 자동 근육량 계산방법에 대하여 설명한다. 도 4는 본 발명의 일 실시예에 따른 단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법을 순차적으로 나타낸 순서도이다. 도 5a 내지 도 5b는 도 4의 특정 요추이미지를 자동으로 선택하는 방법을 나타낸 단층촬영 이미지들이다. 도 6은 도 4의 요근 영역의 윤곽선을 생성하고 그 면적을 구하는 것을 나타낸 도면이다. 도 7은 도 4의 척추주위근 영역의 윤곽선을 생성하고 그 면적을 구하는 것을 나타낸 도면이다.
먼저 도 4를 참조하면, 근육량 연산장치(20)는 단층촬영장치(10)로부터 환자에 대한 다수의 단층촬영 이미지를 전송받는다. 근육량 연산장치(20)는 다수의 단층촬영 이미지로부터 소정의 요추가 표시된 이미지를 선택한다(S10). 바람직하게는 요추 3번(L3)가 포함된 단층촬영 이미지를 선택하는데, 해당 이미지에 총골격근이 가장 잘 표현되어 있기 때문이다. 근육량 연산장치(20)는 소정의 요추 이미지, 예컨대 요추 3번이 표시된 단층촬영 이미지를 자동으로 선택하기 위하여, 다수의 단층촬영 이미지를 인체의 하부에서 상부 방향으로 순차적으로 스캔하면서 횡돌기의 유무를 카운팅한다. 이를 구체적으로 설명하면, 우선 골반뼈의 뒤쪽, 즉 천골(sacrum)부터 단층촬영 이미지를 스캔한다. 하부 이미지에서 상부 이미지로 순차적으로 스캔하는 도중에 도 5a와 같이 척추뼈로부터 돌출된 횡돌기(204)가 처음으로 나타나는 단층촬영 이미지는 요추 5번(L5) 이미지에 해당한다. 이어서 이미지를 스캔하는 도중에 도 5b와 같이 두 번째 횡돌기(204)가 나타나는 단층촬영 이미지는 요추 4번(L4) 이미지에 해당한다. 이어서 이미지를 스캔하는 도중에 도 5c와 같이 세 번째 횡돌기(204)가 나타나는 단층촬영 이미지는 요추 3번(L3) 이미지에 해당한다. 이와 같이 사용자가 요추 3번에 해당하는 단층촬영 이미지를 요청하는 경우, 근육량 연산장치(20)는 다수의 단층촬영 이미지를 하부 이미지에서 상부 이미지로 순차적으로 스캔하면서 횡돌기(204)의 개수를 카운팅하여 원하는 단층촬영 이미지를 자동으로 선택하게 된다.
이어서, 도 3 및 도 5c를 참조하면, 근육량 연산장치(20)는 선택된 단층촬영 이미지로부터 HU(Hounsfield Unit) 값을 기준으로 척추뼈 영역(200)을 정의한다. HU 값은 단층촬영 이미지에서 방사선투과성을 나타내는 수치이다. 예컨대, 단층촬영 이미지에서 뼈 영역은 상대적으로 가장 높은 HU 값(제1 범위)을 가지며 가장 밝은 이미지로 표현되고, 근육 영역은 상대적으로 높은 HU 값(제2 범위)을 가지며 밝은 이미지로 표현되고, 지방 영역은 상대적으로 낮은 HU 값을 가지며 어두운 이미지로 표현된다. 제1 범위는 제2 범위보다 큰 값을 가진다. 근육량 연산장치(20)는 선택된 단층촬영 이미지에서 제1 범위의 HU 값을 가지는 영역을 척추뼈 영역(200)으로 정의하고, 척추뼈 영역(200)에 대한 윤곽선을 생성한다(S20). 이러한 척추뼈 영역(200)은 타원형의 척추체 영역(202)과, 척추체 영역(202)으로부터 대칭적으로 돌출된 한 쌍의 횡돌기 영역(204)으로 구분하여 정의될 수 있다.
이어서, 도 3 및 도 6을 참조하면, 근육량 연산장치(20)는 선택된 단층촬영 이미지에서 요근 영역(100)을 정의하고 그 윤곽선을 생성한다(S30). 요근 영역(100)은 척추체 영역(202)과 각 횡돌기 영역(204) 사이에 위치하는 영역으로서 제2 범위의 HU 값을 가진다.
이어서, 도 3 및 도 7을 참조하면, 근육량 연산장치(20)는 선택된 단층촬영 이미지에서 척추주위근 영역(102)을 정의하고 그 윤곽선을 생성한다(S40). 척추주위근 영역(102)은 한 쌍의 횡돌기 영역(204) 사이에 위치하는 영역으로서 제2 범위의 HU 값을 가진다. 본 실시예에서는 척추주위근 영역(102)이 극상돌기(206)에 의해 분리된 경우를 예로 들어 설명하고 있으나, 단층촬영 이미지에 따라서는 극상돌기(206)가 표시되지 않고 척추주위근 영역(102)이 연결되어 표시될 수도 있다.
이어서, 도 3을 참조하면, 근육량 연산장치(20)는 선택된 단층촬영 이미지에서 요근 영역(100)과 척추주위근 영역(102) 이외에 제2 범위의 HU 값을 가지는 복벽근육 영역(104)으로 정의하고 그 윤곽선을 생성한다(S50).
그리고 각각 윤곽선으로 둘러싸인 요근 영역(100), 척추주위근 영역(102) 및 복벽근육 영역(104)의 면적을 구하여 근육량을 산정한다(S60). 근육량은 다음과 같은 다양한 수치로 산정될 수 있다.
(1) 근육량 면적
- 골격근 면적 (SMA: Skeletal Muscle Area) = 요근, 척추주위근 및 복벽근육의 면적 합
- 총요근 면적 (TPA: Total Psoas Area)
- 총요근 부피 (TPV: Total Psoas Volume) = 여러 단층촬영 이미지에서 각 요근 영역을 추출하고 그 면적을 적분하여 부피를 산정
(2) 근육량 인덱스
- 골격근 인덱스 (SMI: Skeletal Muscle Index) = SMA / 신장2 (cm2 / m2)
- 총요근 인덱스 (TPI: Total Psoas Index) = TPA / 신장2 (cm2 / m2)
(3) 근육질 정보
- SMA(Smooth Muscle Area)의 HU = 골격근 면적(SMA)의 HU를 산출
이와 같이 근육량 연산장치(20)는 근육량 면적, 근육량 인덱스 및 근육질 정보 등의 최종 결과를 디스플레이 화면에 제공한다.
이상 첨부된 도면을 참조하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.
10: 단층촬영장치
20: 근육량 연산장치
100: 요근 영역
102: 척추주위근 영역
104: 복벽근육 영역
200: 척추뼈 영역
202: 척추체 영역
204: 횡돌기 영역
206: 극상돌기

Claims (6)

  1. 근육량 연산장치에서 수행되는, 환자의 단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법으로서:
    다수의 단층촬영 이미지로부터 소정의 요추가 표시된 이미지를 선택하는 단계;
    상기 선택된 이미지에서 제1 범위의 HU(Hounsfield Unit) 값을 가지는 척추뼈 영역에 대하여 그 윤곽선을 생성하는 단계;
    상기 척추뼈 영역을 타원형의 척추체 영역과 상기 척추체 영역으로부터 대칭적으로 돌출된 한 쌍의 횡돌기 영역으로 구분하여 정의하는 단계;
    상기 선택된 이미지 상에 상기 척추뼈 영역의 윤곽선이 표시된 상태에서, 상기 척추체 영역과 상기 각 횡돌기 영역 사이에 위치하며 제2 범위의 HU 값을 가지는 요근 영역에 대하여 그 윤곽선을 생성하는 단계; 및
    상기 요근 영역의 면적을 산정하는 단계를 포함하고,
    상기 이미지를 선택하는 단계는, 소정의 요추가 표시된 단층촬영 이미지에 대한 선택 요청을 받는 경우 상기 근육량 연산장치는 상기 다수의 단층촬영 이미지를 인체의 하부 이미지에서 상부 이미지로 순차적으로 스캔하면서 횡돌기의 개수를 카운팅하여 상기 소정의 요추가 표시된 단층촬영 이미지를 자동으로 선택하는 것을 특징으로 하는, 단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법.
  2. 삭제
  3. 제1항에 있어서,
    상기 선택된 이미지는 요추 3번 이미지인 것을 특징으로 하는 단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법.
  4. 제1항에 있어서,
    상기 한 쌍의 횡돌기 영역 사이에 위치하며 상기 제2 범위의 HU 값을 가지는 척추주위근 영역에 대하여 그 윤곽선을 생성하고, 상기 척추주위근 영역의 면적을 산정하는 단계를 더 포함하는 단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법.
  5. 제4항에 있어서,
    상기 선택된 이미지에서 상기 요근 영역 및 상기 척추주위근 영역 이외에 상기 제2 범위의 HU 값을 가지는 복벽근육 영역에 대하여 그 윤곽선을 생성하고, 상기 복벽근육 영역의 면적을 산정하는 단계를 더 포함하는 단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법.
  6. 제1항에 있어서,
    상기 제1 범위의 HU 값은 상기 제2 범위의 HU 값보다 큰 것을 특징으로 하는 단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법.
KR1020170068506A 2017-06-01 2017-06-01 단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법 KR101936506B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020170068506A KR101936506B1 (ko) 2017-06-01 2017-06-01 단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법
PCT/KR2017/014056 WO2018221801A1 (ko) 2017-06-01 2017-12-04 단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170068506A KR101936506B1 (ko) 2017-06-01 2017-06-01 단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법

Publications (2)

Publication Number Publication Date
KR20180132196A KR20180132196A (ko) 2018-12-12
KR101936506B1 true KR101936506B1 (ko) 2019-01-09

Family

ID=64456072

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170068506A KR101936506B1 (ko) 2017-06-01 2017-06-01 단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법

Country Status (2)

Country Link
KR (1) KR101936506B1 (ko)
WO (1) WO2018221801A1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20240041504A (ko) 2022-09-23 2024-04-01 연세대학교 산학협력단 의무 기록 정리 자동화 방법 및 이를 위한 프로그램 및 장치
WO2024090992A1 (ko) * 2022-10-27 2024-05-02 아주대학교산학협력단 근육량 측정 시스템 및 이를 이용한 근육량 측정 방법
KR20240063587A (ko) 2022-11-03 2024-05-10 연세대학교 산학협력단 피검자 체성분 볼륨 추정 방법 및 이를 위한 프로그램 및 장치

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109671068B (zh) * 2018-12-14 2022-09-13 复旦大学附属中山医院 一种基于深度学习的腹部肌肉标注方法及装置
KR102206621B1 (ko) * 2019-03-11 2021-01-22 가천대학교 산학협력단 딥러닝 알고리즘을 이용한 근감소증 분석 프로그램 및 애플리케이션
CN113327235B (zh) * 2021-06-04 2022-07-01 杭州健培科技有限公司 基于ct影像肌少症评估的图像处理方法和装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010137096A (ja) 2010-03-23 2010-06-24 Aloka Co Ltd Ｘ線ｃｔ装置及び画像処理方法
JP4514039B2 (ja) * 2004-11-25 2010-07-28 株式会社日立メディコ 医用画像表示装置
KR101090375B1 (ko) 2011-03-14 2011-12-07 동국대학교 산학협력단 자동 초기화를 기반으로 흉곽 변형 정도의 평가 인덱스 계산을 자동화한 ｃｔ 영상 분석의 자동화 방법, 기록 매체 및 장치
KR101265981B1 (ko) * 2012-09-10 2013-05-22 한국과학기술정보연구원 한국인 인체척추 정보의 제작방법 및 시스템

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08289888A (ja) * 1995-04-24 1996-11-05 Ge Yokogawa Medical Syst Ltd 断層撮影計画方法及び断層撮影装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4514039B2 (ja) * 2004-11-25 2010-07-28 株式会社日立メディコ 医用画像表示装置
JP2010137096A (ja) 2010-03-23 2010-06-24 Aloka Co Ltd Ｘ線ｃｔ装置及び画像処理方法
KR101090375B1 (ko) 2011-03-14 2011-12-07 동국대학교 산학협력단 자동 초기화를 기반으로 흉곽 변형 정도의 평가 인덱스 계산을 자동화한 ｃｔ 영상 분석의 자동화 방법, 기록 매체 및 장치
KR101265981B1 (ko) * 2012-09-10 2013-05-22 한국과학기술정보연구원 한국인 인체척추 정보의 제작방법 및 시스템

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20240041504A (ko) 2022-09-23 2024-04-01 연세대학교 산학협력단 의무 기록 정리 자동화 방법 및 이를 위한 프로그램 및 장치
WO2024090992A1 (ko) * 2022-10-27 2024-05-02 아주대학교산학협력단 근육량 측정 시스템 및 이를 이용한 근육량 측정 방법
KR20240063587A (ko) 2022-11-03 2024-05-10 연세대학교 산학협력단 피검자 체성분 볼륨 추정 방법 및 이를 위한 프로그램 및 장치

Also Published As

Publication number Publication date
KR20180132196A (ko) 2018-12-12
WO2018221801A1 (ko) 2018-12-06

Similar Documents

Publication Publication Date Title
KR101936506B1 (ko) 단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법
Kotwicki Evaluation of scoliosis today: examination, X-rays and beyond
Cheung et al. Development of 3-D ultrasound system for assessment of adolescent idiopathic scoliosis (AIS): and system validation
Lee et al. Quantitative analysis of back muscle degeneration in the patients with the degenerative lumbar flat back using a digital image analysis: comparison with the normal controls
Battaglia et al. Reliability of the Goutallier classification in quantifying muscle fatty degeneration in the lumbar multifidus using magnetic resonance imaging
US8483458B2 (en) Method and system for measuring visceral fat mass using dual energy x-ray absorptiometry
US10646159B2 (en) Visceral fat measurement
US8139829B2 (en) Diagnostic imaging support system and diagnostic imaging support program
JP6479787B2 (ja) マンモグラフィ検査中のｘ線撮像の最適化
JP6175071B2 (ja) 胸部画像の処理及び表示
EP2578155A1 (en) X-ray calibration device
Cramer et al. Dimensions of the lumbar intervertebral foramina as determined from the sagittal plane magnetic resonance imaging scans of 95 normal subjects
GB2512876A (en) Methods and apparatus for quantifying inflammation
US7539332B1 (en) Method and system for automatically identifying regions of trabecular bone tissue and cortical bone tissue of a target bone from a digital radiograph image
Guglielmi et al. Reproducibility of a semi-automatic method for 6-point vertebral morphometry in a multi-centre trial
Moeskops et al. Automatic quantification of body composition at L3 vertebra level with convolutional neural networks
Czyz et al. The computed tomography-based fractal analysis of trabecular bone structure may help in detecting decreased quality of bone before urgent spinal procedures
US10699405B2 (en) System and method for DXA tomo-based finite element analysis of bones
Pasha et al. Quantitative imaging of the spine in adolescent idiopathic scoliosis: shifting the paradigm from diagnostic to comprehensive prognostic evaluation
KR102214436B1 (ko) Dxa영상을 활용한 골밀도 분포도 평가 및 이를 이용한 골절 예측 방법
Lee et al. Novel lateral whole‐body dual‐energy X‐ray absorptiometry of lumbar paraspinal muscle mass: results from the SarcoSpine study
Cooperstein et al. Intra-and interexaminer reliability of compressive leg checking and correlation with the sit-stand test for anatomic leg length inequality
CN117177712A (zh) 宽覆盖轴向ct扫描的规划
Keenan et al. Segmental torso masses in adolescent idiopathic scoliosis
US9271690B2 (en) Method and system to estimate visceral adipose tissue by restricting subtraction of subcutaneous adipose tissue to coelom projection region

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