KR102097648B1 - Method of automatically generating a curve corresponding to an dental arch shape on dental ct slice automatically selected from three dimensional dental ct image - Google Patents
Method of automatically generating a curve corresponding to an dental arch shape on dental ct slice automatically selected from three dimensional dental ct image Download PDFInfo
- Publication number
- KR102097648B1 KR102097648B1 KR1020180009653A KR20180009653A KR102097648B1 KR 102097648 B1 KR102097648 B1 KR 102097648B1 KR 1020180009653 A KR1020180009653 A KR 1020180009653A KR 20180009653 A KR20180009653 A KR 20180009653A KR 102097648 B1 KR102097648 B1 KR 102097648B1
- Authority
- KR
- South Korea
- Prior art keywords
- image
- slice
- curve
- arch
- tomography
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 210000002455 dental arch Anatomy 0.000 title description 3
- 238000003325 tomography Methods 0.000 claims 18
- 230000006870 function Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 11
- 210000000988 bone and bone Anatomy 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 4
- 238000002924 energy minimization method Methods 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 210000004872 soft tissue Anatomy 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 210000003625 skull Anatomy 0.000 description 1
- 210000000515 tooth Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—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
-
- 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]
-
- A61B6/14—
-
- 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
- A61B6/51—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 dentistry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20108—Interactive selection of 2D slice in a 3D data set
-
- 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
- G06T2207/30036—Dental; Teeth
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Pulmonology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
상기 목적을 달성하기 위한 본 발명은, 3차원 CT 영상으로부터 자동 선택된 치아 CT 슬라이스 상에 악궁 형상에 대응하는 커브를 자동으로 생성하는 방법에 있어서, 외부로부터 입력된 3차원 치아 CT 영상에 기초하여 치아를 나타내는 복셀에 대한 임계 명암값을 설정하고, 상기 임계 명암값보다 큰 명암값을 가진 복셀에 한하여, 해당 복셀들의 좌표를 저장한 포인트 클라우드를 생성하는 단계, 상기 포인트 클라우드에 기반하여, 상기 입력된 3차원 치아 CT 영상을 구성하는 다수의 CT 슬라이스 중에서 악궁의 특징을 가장 잘 나타낸 CT 슬라이스를 기준 CT 슬라이스로 선택하는 단계 및 상기 기준 CT 슬라이스에 나타난 악궁 상에 다수의 주조정점을 배치하여, 상기 다수의 주조정점을 따라 상기 커브를 생성하는 단계를 포함한다.The present invention for achieving the above object is a method for automatically generating a curve corresponding to the arch shape on a tooth CT slice automatically selected from a 3D CT image, based on a 3D tooth CT image input from the outside. Setting a threshold contrast value for a voxel representing and generating a point cloud storing coordinates of the corresponding voxels only for voxels having a contrast value greater than the threshold contrast value, based on the point cloud, Selecting a CT slice that best represents the characteristics of the arch from among a plurality of CT slices constituting a 3D dental CT image as a reference CT slice, and arranging a number of main control points on the arch that appears in the reference CT slice, to obtain the multiple And generating the curve along a main adjustment point of.
Description
본 발명은 치아 CT 슬라이스 상에 악궁 형상에 대응하는 커브를 자동으로 생성하는 방법에 관한 것으로서, 보다 구체적으로 3차원 치아 CT 영상으로부터 파노라마 영상 또는 치아 단면(section) 영상을 재구성할 때, 커브를 그리기 위한 CT 슬라이스를 선택하여 악궁을 따라 커브를 자동으로 생성하는 방법에 관한 것이다.The present invention relates to a method for automatically generating a curve corresponding to an arch shape on a tooth CT slice, and more specifically, drawing a curve when reconstructing a panoramic image or a tooth section image from a 3D tooth CT image. It is related to a method of automatically generating a curve along the arch by selecting a CT slice for.
일반적으로, 3차원 치아 CT 영상을 처리하는 소프트웨어 및 장치의 사용자는 파노라마 재구성 및 치아 단면을 관찰하기 위해서 크게 두 단계의 과정을 거쳐야 한다. 첫번째로, 디스플레이에 표현된 영상에 기초하여, 다수의 CT 슬라이스로 구성된 3차원 CT 볼륨 영상으로부터 커브를 그리기 위한 CT 슬라이스를 입력 인터페이스로 선택하여야 한다. 두번째로, 디스플레이에 표현된 해당 CT 슬라이스로부터 기준이 되는 점을 하나씩 입력하여야 한다. 이렇게 입력된 점들을 기준으로, 진단 소프트웨어가 해당 점들을 곡선으로 이음으로써 '커브'가 생성된다. 도 1a는 사용자가 직접 환자의 악궁(dental arch)을 따라 입력한 점을 통해 만든 커브이며, 도 1b는 도 1a의 커브에 직교한 치아의 세로 단면이고, 도 1c는 커브를 따라 세로 단면을 재구성한 파노라마 영상을 나타낸다.In general, users of software and devices that process 3D dental CT images have to go through a large two-step process for panoramic reconstruction and observation of tooth cross-sections. First, based on the image represented on the display, a CT slice for drawing a curve from a 3D CT volume image composed of a plurality of CT slices should be selected as an input interface. Second, the reference points from the corresponding CT slices displayed on the display must be input one by one. Based on the entered points, a 'curve' is generated by the diagnostic software connecting the points with a curve. 1A is a curve created through a point directly input by a user along a patient's dental arch, FIG. 1B is a longitudinal cross section of a tooth orthogonal to the curve of FIG. 1A, and FIG. 1C reconstructs a vertical cross section along the curve It represents a panoramic image.
현재, 진단에 유용하도록 파노라마 영상 및 단면 재구성을 위한 커브 생성은 전적으로 사용자의 숙련도에 의존하고 있으며, 숙련되지 않은 사용자의 경우에는 진단을 위한 이상적인 영상을 표현하기 위하여 많은 시간과 노력이 소요되는 문제가 있다.Currently, the generation of curves for reconstruction of panoramic images and sections to be useful for diagnosis is entirely dependent on the user's skill level, and in the case of inexperienced users, there is a problem that it takes a lot of time and effort to express the ideal image for diagnosis. have.
본 발명은 여러 장의 CT 슬라이스로 구성된 3차원 치아 CT 영상으로부터 커브가 생성될 기준 CT 슬라이스를 자동으로 선택함으로써, 전반적인 치과 진단의 효율을 향상시키는 데 그 목적이 있다. An object of the present invention is to improve the overall efficiency of dental diagnosis by automatically selecting a reference CT slice on which a curve is to be generated from a 3D dental CT image composed of multiple CT slices.
본 발명은 선택된 CT 슬라이스에서 자동으로 커브를 생성함으로써, 진단용 소프트웨어 및 장치를 사용하는 데 있어 정확한 결과를 얻기 위한 시간과 노력을 줄이는 데 그 목적이 있다.The present invention aims to reduce the time and effort to obtain accurate results in using diagnostic software and devices by automatically generating curves from selected CT slices.
본 발명의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있으며, 본 발명의 실시 예에 의해 보다 분명하게 알게 될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.The objects of the present invention are not limited to the objects mentioned above, and other objects and advantages of the present invention that are not mentioned can be understood by the following description, and will be more clearly understood by embodiments of the present invention. In addition, it will be readily appreciated that the objects and advantages of the present invention can be realized by means of the appended claims and combinations thereof.
상기 목적을 달성하기 위한 본 발명은, 3차원 CT 영상으로부터 자동 선택된 치아 CT 슬라이스 상에 악궁 형상에 대응하는 커브를 자동으로 생성하는 방법에 있어서, 외부로부터 입력된 3차원 치아 CT 영상에 기초하여 치아를 나타내는 복셀에 대한 임계 명암값을 설정하고, 상기 임계 명암값보다 큰 명암값을 가진 복셀에 한하여, 해당 복셀들의 좌표를 저장한 포인트 클라우드를 생성하는 단계, 상기 포인트 클라우드에 기반하여, 상기 입력된 3차원 치아 CT 영상을 구성하는 다수의 CT 슬라이스 중에서 악궁의 특징을 가장 잘 나타낸 CT 슬라이스를 기준 CT 슬라이스로 선택하는 단계 및 상기 기준 CT 슬라이스에 나타난 악궁 상에 다수의 주조정점을 배치하여, 상기 다수의 주조정점을 따라 상기 커브를 생성하는 단계를 포함한다.The present invention for achieving the above object, in a method for automatically generating a curve corresponding to the arch shape on a tooth CT slice automatically selected from a 3D CT image, a tooth based on a 3D tooth CT image input from the outside Setting a threshold contrast value for a voxel representing and generating a point cloud storing coordinates of the corresponding voxels only for voxels having a contrast value greater than the threshold contrast value, based on the point cloud, Selecting a CT slice that best represents the characteristics of the arch from among a plurality of CT slices constituting a 3D dental CT image as a reference CT slice, and arranging a number of main control points on the arch that appears in the reference CT slice, to obtain the multiple And generating the curve along a main adjustment point of.
본 발명은 여러 장의 CT 슬라이스로 구성된 3차원 치아 CT 영상으로부터 커브가 생성될 이상적인 슬라이스를 자동으로 선택함으로써, 전반적인 치과 진단의 효율을 향상시키는 효과가 있다. The present invention has an effect of improving the efficiency of overall dental diagnosis by automatically selecting an ideal slice from which a curve is to be generated from a 3D dental CT image composed of multiple CT slices.
본 발명은 선택된 CT 슬라이스에서 자동으로 커브를 생성함으로써, 진단용 소프트웨어 및 장치를 사용하는 데 있어 정확한 결과를 얻기 위한 시간과 노력을 줄이는 효과가 있다.The present invention has an effect of reducing time and effort to obtain accurate results in using diagnostic software and devices by automatically generating curves from selected CT slices.
도 1a는 종래 사용자가 치아영역 CT 슬라이스에 직접 입력한 커브를 나타낸 도면이다.
도 1b는 종래 사용자가 직접 입력한 커브에 직교한 치아의 세로 단면을 도시한 도면이다.
도 1c는 종래 사용자가 직접 입력한 커브를 따라 세로 단면을 재구성한 파노라마 영상을 나타낸 도면이다.
도 2는 본 발명의 일 실시예에 따른 3차원 CT 영상으로부터 자동 선택된 치아 CT 슬라이스 상에 악궁 형상에 대응하는 커브를 자동으로 생성하는 방법의 개략적인 흐름도이다.
도 3은 본 발명의 일 실시예에 따른 포인트 클라우드 생성 단계(S100)를 구체화한 흐름도이다.
도 4a는 본 발명의 일 실시예에 따른 3차원 치아 CT 영상에 대한 히스토그램을 나타낸 도면이다.
도 4b는 본 발명의 일 실시예에 따른 스무딩한 히스토그램 곡선을 나타낸 도면이다.
도 4c는 본 발명의 일 실시예에 따른 히스토그램 곡선을 미분한 그래프에서 3차원 치아 CT 영상에서의 최소 임계 명암값을 나타낸 도면이다.
도 5는 본 발명의 일 실시예에 따른 최소 임계 명암값을 기준으로 생성한 포인트 클라우드를 나타낸 도면이다.
도 6은 본 발명의 일 실시예에 따른 기준 CT 슬라이스를 선택하는 단계(S200 단계)를 구체화한 흐름도이다.
도 7은 본 발명의 일 실시예에 따른 3차원 CT 영상으로부터 자동 선택된 치아 CT 슬라이스 상에 악궁 형상에 대응하는 커브를 자동으로 생성하는 방법에서 삼각형 분석을 위해 정의한 삼각형을 나타낸 도면이다.
도 8은 본 발명의 일 실시예에 따른 고유값이 최소값인 CT 슬라이스를 찾은 결과를 나타내는 도면이다.
도 9는 본 발명의 일 실시예에 따른 선택된 기준 CT 슬라이스에서 커브를 생성하는 단계(S300 단계)를 구체화한 흐름도이다.
도 10a 내지 도 10d는 본 발명의 일 실시예에 따른 선택된 기준 CT 슬라이스 상에 주조정점들을 생성하는 단계들을 나타낸 도면이다.
도 11은 본 발명의 일 실시예에 따른 선택된 기준 CT 슬라이스 상에 생성된 주조정점들 사이에 부조정점을 생성하여 커브를 생성한 도면이다.1A is a diagram showing a curve input by a conventional user directly to a CT slice of a tooth area.
1B is a view showing a vertical cross section of a tooth orthogonal to a curve directly input by a user.
FIG. 1C is a view showing a panoramic image in which a vertical cross-section is reconstructed along a curve directly input by a user.
2 is a schematic flow diagram of a method for automatically generating a curve corresponding to an arch shape on a tooth CT slice automatically selected from a 3D CT image according to an embodiment of the present invention.
3 is a flow chart embodying the point cloud generation step (S100) according to an embodiment of the present invention.
4A is a view showing a histogram for a 3D dental CT image according to an embodiment of the present invention.
4B is a view showing a smoothed histogram curve according to an embodiment of the present invention.
4C is a diagram showing a minimum threshold contrast value in a 3D dental CT image in a differential graph of a histogram curve according to an embodiment of the present invention.
5 is a view showing a point cloud generated based on a minimum threshold contrast value according to an embodiment of the present invention.
6 is a flowchart embodying a step of selecting a reference CT slice (step S200) according to an embodiment of the present invention.
FIG. 7 is a diagram illustrating triangles defined for triangle analysis in a method for automatically generating a curve corresponding to an arch shape on a tooth CT slice automatically selected from a 3D CT image according to an embodiment of the present invention.
8 is a view showing a result of finding a CT slice having a minimum eigenvalue according to an embodiment of the present invention.
9 is a flowchart embodying a step of generating a curve (step S300) in a selected reference CT slice according to an embodiment of the present invention.
10A to 10D are diagrams showing steps of generating main adjustment points on a selected reference CT slice according to an embodiment of the present invention.
11 is a diagram of generating curves by generating sub-adjustment points between main control points generated on a selected reference CT slice according to an embodiment of the present invention.
전술한 목적, 특징들 및 장점은 첨부된 도면과 관련한 다음의 실시예를 통하여 보다 분명해 질 것이다. The above-described objects, features and advantages will be more apparent through the following embodiments in connection with the accompanying drawings.
특정한 구조 내지 기능적 설명들은 단지 본 발명의 개념에 따른 실시예를 설명하기 위한 목적으로 예시된 것으로, 본 발명의 개념에 따른 실시예들은 다양한 형태로 실시될 수 있으며 본 출원의 명세서에서 설명된 실시예들에 한정되는 것으로 해석되어서는 아니된다.Specific structures or functional descriptions are exemplified only for the purpose of explaining embodiments according to the concept of the present invention, and embodiments according to the concept of the present invention can be implemented in various forms and embodiments described in the specification of the present application It should not be construed as being limited to the fields.
본 발명의 개념에 따른 실시예는 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있으므로 특정 실시예들은 도면에 예시하고 본 출원의 명세서에 상세하게 설명하고자 한다. 그러나, 이는 본 발명의 개념에 따른 실시예들을 특정한 개시 형태에 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.Embodiments according to the concept of the present invention can be modified in various ways and have various forms, so specific embodiments will be illustrated in the drawings and described in detail in the specification of the present application. However, this is not intended to limit the embodiments according to the concept of the present invention to a specific disclosure form, and it should be understood to include all modifications, equivalents, and substitutes included in the spirit and scope of the present invention.
어떠한 구성 요소가 다른 구성 요소에 "연결되어 있다"거나 "접속되어 있다"고 언급된 때에는, 그 다른 구성 요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성 요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떠한 구성 요소가 다른 구성 요소에 "직접 연결되어 있다"거나 또는 "직접 접속되어 있다"고 언급된 때에는, 중간에 다른 구성 요소가 존재하지 않는 것으로 이해되어야 할 것이다. 구성 요소들 간의 관계를 설명하기 위한 다른 표현들, 즉 "∼사이에"와 "바로 ∼사이에" 또는 "∼에 인접하는"과 "∼에 직접 인접하는" 등의 표현도 마찬가지로 해석되어야 한다.When a component is said to be "connected" or "connected" to another component, it may be directly connected to or connected to the other component, but there may be other components in the middle. It should be understood. On the other hand, when a component is referred to as being “directly connected” or “directly connected” to another component, it should be understood that no other component exists in the middle. Other expressions for describing the relationship between the components, such as "between" and "immediately between" or "adjacent to" and "directly adjacent to", should be interpreted similarly.
본 출원의 명세서에서 사용하는 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로서, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서 "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.Terms used in the specification of the present application are only used to describe specific embodiments, and are not intended to limit the present invention. Singular expressions include plural expressions unless the context clearly indicates otherwise. As used herein, the terms “include” or “have” are intended to indicate that a feature, number, step, action, component, part, or combination thereof is described, one or more other features or numbers, It should be understood that the presence or addition possibilities of steps, actions, components, parts or combinations thereof are not excluded in advance.
다르게 정의되지 않는 한, 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다. Unless defined otherwise, all terms used herein have the same meaning as commonly understood by a person skilled in the art to which the present invention pertains. Terms such as those defined in a commonly used dictionary should be interpreted as having meanings consistent with meanings in the context of related technologies, and should not be interpreted as ideal or excessively formal meanings unless explicitly defined herein. Does not.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 설명함으로써 본 발명을 상세히 설명하도록 한다. 각 도면에 제시된 동일한 참조부호는 동일한 부재를 나타낸다.Hereinafter, the present invention will be described in detail by describing preferred embodiments of the present invention with reference to the accompanying drawings. The same reference numerals in each drawing denote the same members.
도 2는 본 발명의 일 실시예에 따른 3차원 CT 영상으로부터 자동 선택된 치아 CT 슬라이스 상에 악궁 형상에 대응하는 커브를 자동으로 생성하는 방법의 개략적인 흐름도이다. 도 2에 도시된 바와 같이, 먼저, S100 단계에서, 외부로부터 입력된 3차원 치아 CT 영상에 기초하여 치아를 나타내는 복셀에 대한 임계(threshold) 명암값을 설정하고, 포인트 클라우드(point cloud)를 생성한다. 여기서, 임계 명암값은 2차원 또는 3차원 영상에서 특정한 부분을 구성하는 복셀들의 명암값에 대한 임계값을 말한다. 포인트 클라우드는 2차원 또는 3차원 영상과 임계 명암값이 주어졌을 때, 임계 명암값보다 큰 명암값을 가진 복셀에 한하여, 해당 복셀들의 좌표를 저장한 목록을 의미한다. 2 is a schematic flow diagram of a method for automatically generating a curve corresponding to an arch shape on a tooth CT slice automatically selected from a 3D CT image according to an embodiment of the present invention. As shown in FIG. 2, first, in step S100, a threshold contrast value for a voxel representing a tooth is set based on a 3D tooth CT image input from the outside, and a point cloud is generated. do. Here, the threshold contrast value refers to a threshold value for the contrast values of voxels constituting a specific part in a 2D or 3D image. The point cloud means a list that stores coordinates of corresponding voxels only for voxels having a contrast value greater than the threshold contrast value when a 2D or 3D image and a threshold contrast value are given.
S200 단계에서, 포인트 클라우드에 기반하여, 입력된 3차원 치아 CT 영상을 구성하는 다수의 CT 슬라이스 중에서 악궁의 특징을 가장 잘 나타낸 CT 슬라이스를 기준 CT 슬라이스로 선택한다. 여기서, 악궁의 특징을 가장 잘 나타낸 CT 슬라이스는 치아를 포함하고 있는 CT 슬라이스 중에서 가장 올바른 치아 형태('∩'형태)를 가진 슬라이스를 의미한다. In step S200, a CT slice representing the characteristics of the arch is best selected from among a plurality of CT slices constituting the input 3D dental CT image, based on the point cloud. Here, the CT slice that best shows the characteristics of the arch is a slice having the most correct tooth shape ('∩' shape) among CT slices including teeth.
기준 CT 슬라이스를 자동 선택하는 개략적인 방법은, 각각의 CT 슬라이스에 대한 고유값을 생성하고, 각각의 CT 슬라이스에 대한 고유값들 중 최소값을 갖는 CT 슬라이스를 선택하는 방법이다. 이때, 고유값은 영상으로부터 특정값들을 추출하고, 이를 조합함으로써 생성된다. 여기서, 영상으로부터 특정값들을 추출하는 방법은 삼각형 분석 방법을 사용하는 것이 바람직하다. 삼각형 분석 방법(trigonometric analysis)은 치아의 형태학적 구조가 '∩'형태라는 전제하에, 가장 높은 점과 가장 좌측 점, 가장 우측 점이 항상 존재하게 되므로, 이러한 세 점들을 연결하여 기준 삼각형을 설정하고, 기준 삼각형이 갖는 속성들(예를 들어, 외접원과 내접원의 중심 및 반지름, 세 내각, 세 변의 길이 등)을 이용하여 영상으로부터 특정 값들을 추출하는 방법이다.A schematic method of automatically selecting a reference CT slice is a method of generating an eigenvalue for each CT slice and selecting a CT slice having a minimum value among eigenvalues for each CT slice. At this time, the eigenvalues are generated by extracting specific values from the image and combining them. Here, it is preferable to use a triangular analysis method for extracting specific values from an image. The trigonometric analysis method sets the reference triangle by connecting these three points, since the highest point, the leftmost point, and the rightmost point are always present under the premise that the morphological structure of the teeth is '∩'. This method extracts specific values from the image by using the properties of the reference triangle (for example, the center and radius of the circumscribed circle and the circumscribed circle, the three angles, and the lengths of the three sides).
또한, CT 슬라이스에서 추출한 특정값들(features)을 산술적으로 조합하여 하나의 고유 정보(고유값)로 만드는 함수를 목적 함수(objective function)라 한다. 목적 함수는 사용자가 선택을 원하는 CT 슬라이스에 대해 다른 CT 슬라이스들과 구분되는 고유값을 출력한다. 이때, 목적 함수의 출력값이 최소값이 되도록 설계하는 최소화 방법(Energy minimization method)을 사용할 수 있다. 최소화 방법은 선택되지 않아야 하는 CT 슬라이스에서의 특정값(feature value)들이 선택되어야 하는 기준 CT 슬라이스에서의 특정값보다 대체적으로 큰 경우에 주로 사용된다. In addition, a function that arithmetically combines specific features extracted from a CT slice into one unique information (unique value) is called an objective function. The objective function outputs a eigenvalue distinguished from other CT slices for a CT slice that the user wants to select. At this time, an energy minimization method, which is designed so that the output value of the objective function is the minimum value, can be used. The minimization method is mainly used when feature values in the CT slice that should not be selected are generally larger than those in the reference CT slice that should be selected.
또한, 목적 함수는 알고리즘의 학습 단계에서 가중치를 구한 뒤, 고정된 가중치를 다른 CT 영상에도 사용한다. 즉, 소프트웨어는 여러 CT 영상을 통해 얻은 목적 함수의 가중치를 학습(train)하며, 학습에 사용되지 않은 CT 영상으로부터 얻은 특정값들을 목적 함수에 대한 입력값으로 사용하더라도 동일한 결과가 나오도록 한다.In addition, the objective function obtains the weight in the learning stage of the algorithm, and then uses the fixed weight for other CT images. That is, the software trains the weight of the objective function obtained through various CT images, and the same result is obtained even when specific values obtained from CT images not used for training are used as input values for the objective function.
즉, 어떠한 환자의 3차원 CT 영상이 입력된 경우라도, CT 슬라이스로부터 여러 특정값들을 조합하는 목적 함수를 통해 고유값이 계산되며, 계산된 CT 슬라이스 고유값들 중 최소값을 갖는 CT 슬라이스가 기준 CT 슬라이스로 선택되게 된다.That is, even when a 3D CT image of any patient is input, the eigenvalue is calculated through the objective function of combining several specific values from the CT slice, and the CT slice having the minimum value among the computed CT slice eigenvalues is the reference CT The slice will be selected.
S300 단계에서, 기준 CT 슬라이스에 나타난 악궁 상에 다수의 주조정점을 배치하여, 다수의 주조정점을 따라 상기 커브를 생성한다. S300 단계는 S200 단계에서 각각의 CT 슬라이스마다 설정된 기준 삼각형을 커브의 주조정점(main control point)을 찾는 과정에서의 시작단계로 이용한다. 커브를 생성하기 이전에, 기준 삼각형을 먼저 설정하는 것은 주조정점 및 부조정점(secondary control point)의 정확한 위치를 설정하는 데 있어 탐색 영역을 감소시키기 때문이다. 조정점들의 최종 위치를 설정하기까지의 계산량을 감소시키는 것이므로, 결국, 전체적인 알고리즘의 수행 속도를 향상시킨다. In step S300, a plurality of main adjustment points are arranged on the arches shown in the reference CT slice to generate the curve along the plurality of main adjustment points. In step S300, the reference triangle set for each CT slice in step S200 is used as a starting step in the process of finding a main control point of the curve. Prior to creating the curve, setting the reference triangle first is because it reduces the search area in setting the exact positions of the main and secondary control points. Since the amount of computation until the final position of the adjustment points is set is reduced, the overall algorithm performance is improved.
즉, 선택된 CT 슬라이스 상의 환자의 악궁(dental arch)에서 앞니를 기준으로 좌,우 어금니까지 이르는 환자의 악궁 형태와 유사한 삼각형을 정의하고, 삼각형의 한 변으로부터 일정 길이의 주조정점을 설정한다. 각 조정점별로 부분 탐색영역을 설정하여, 부분 탐색영역 내부별로 분할 정복법(divide and conquer)과 유사한 방법으로 치아의 위치를 탐색할 수 있다. 주조정점의 위치가 확정되면, 주조정점들 사이에 발생한 일정 간격을 부조정점들로 채워넣음으로써 커브를 생성하게 된다. 여기서, 분할 정복법은 어떠한 본 문제를 해결하기 위해 특성이 동일한 여러 개의 부분 문제로 나누어서 해결함으로써, 본 문제를 해결하는 방식을 말한다. That is, a triangle similar to the patient's arch form from the patient's dental arch on the selected CT slice to the left and right molars based on the front teeth is defined, and a main control point of a certain length is set from one side of the triangle. By setting the partial search area for each adjustment point, the position of the teeth can be searched in a manner similar to the division and conquer method for each interior of the partial search area. When the position of the main control point is determined, a curve is generated by filling a predetermined interval between the main control points with sub-adjustment points. Here, the division and conquering method refers to a method of solving this problem by dividing and solving it into several partial problems having the same characteristics in order to solve this problem.
S400 단계에서, 생성된 커브를 따라 치아 단면을 계산하고 파노라마 영상을 재구성한다.In step S400, a tooth cross-section is calculated along the generated curve and a panoramic image is reconstructed.
이하에서는, 도 3 내지 도 11을 참조하여, 치아영역 CT 슬라이스 선택 및 커브 생성 방법의 각 단계별로 구체적인 동작을 설명하겠다.Hereinafter, with reference to FIGS. 3 to 11, a detailed operation will be described for each step of the method of selecting a tooth region CT slice and generating a curve.
우선, CT 영상에서 특정 부분을 구성하는 복셀들의 명암값에 대한 임계값(threshold)을 정함으로써 기준 CT 슬라이스를 자동 선택하는 과정에서 유용하게 사용할 수 있다. 복셀의 명암값과 관련하여, CT 슬라이스에서 밟게 표현된 부분은 복셀의 명암값(intensity value)이 높으며, 어둡게 표현된 부분은 복셀의 명암값이 낮다. 환자의 치아를 촬영한 CT 영상에서는, 빈 공간이나 액체 부분은 대체로 낮은 명암값을 가지고, 뼈나 금속 임플란트 등 밀도가 높은 부분은 대체로 높은 명암값을 가지며, 피부, 근육과 같은 연조직(soft tissue)은 중간의 명암값을 가진다. First, it is useful in a process of automatically selecting a reference CT slice by determining a threshold for a contrast value of voxels constituting a specific part in a CT image. In relation to the contrast value of the voxel, the portion represented by stepping on the CT slice has a high intensity value of the voxel, and the darkly expressed portion has a low contrast value of the voxel. In CT images of a patient's teeth, empty spaces or liquid areas have generally low contrast values, and dense areas such as bone and metal implants have high contrast values, and soft tissues such as skin and muscles It has a medium contrast value.
따라서, 복셀의 명암값에 기초하여, CT 영상으로부터 치아, 뼈, 연조직을 특정할 수 있다. 이때, 범위값(range values)을 사용하거나 최소 임계값(minumum threshold)을 사용할 수 있다. 범위값은 사용자가 원하는 부분을 특정할 때 최소값 및 최대값을 설정하는 방식에 이용되고, 최소 임계값은 사용자가 원하는 부분 이외에 다른 부분까지 포함하여 특정하기 위한 최소값만을 설정하는 방식에 이용된다.Therefore, teeth, bones, and soft tissues can be specified from the CT image based on the contrast values of voxels. At this time, range values may be used or a minimum threshold may be used. The range value is used in a method of setting a minimum value and a maximum value when specifying a portion desired by a user, and the minimum threshold value is used in a method of setting only a minimum value for specifying a portion other than the portion desired by the user.
본 발명에 있어서, 치아와 뼈가 모두 포함되는 최소 임계값 및 치아만 포함되는 최소 임계값이 필요하다. 여기서, 치아만 포함되는 최소 임계값은 포인트 클라우드를 생성할 때의 기준치로 쓰이며, 치아와 뼈가 모두 포함되는 최소 임계값은 후술할 주조정점을 치아가 위치할 확률이 높은 위치로 이동 시 기준치로 쓰이게 된다. In the present invention, a minimum threshold value that includes both teeth and bones and a minimum threshold value that includes only teeth is required. Here, the minimum threshold value that includes only the teeth is used as a reference value when creating the point cloud, and the minimum threshold value that includes both teeth and bones is a reference value when moving the main adjustment point, which will be described later, to a location where the tooth is likely to be located. It is used.
다만, CT 영상을 촬영 장비의 선량(radiation dose), 센서 민감도(sensor sensitivity), 촬영 장소의 환경(예를 들어, 온도 및 습도) 및 환자의 건강 상태 등으로 인하여 영상마다 임계값에는 차이가 발생할 수 있다. 이러한 임계값의 차이를 고려하여, 최소 임계값을 자동으로 설정하기 위한 별도의 알고리즘이 필요하다.However, due to radiation dose of imaging equipment, sensor sensitivity, environment (eg, temperature and humidity) of the location where the CT image is taken, and the patient's health status, thresholds may vary for each image. You can. In consideration of the difference between these thresholds, a separate algorithm is required to automatically set the minimum threshold.
도 3은 본 발명의 일 실시예에 따른 포인트 클라우드 생성 단계(S100)를 구체화한 흐름도이다. 또한, 도 4a는 본 발명의 일 실시예에 따른 3차원 치아 CT 영상에 대한 히스토그램을 나타낸 도면이며, 도 4b는 본 발명의 일 실시예에 따른 스무딩한 히스토그램 곡선을 나타낸 도면이고, 도 4c는 본 발명의 일 실시예에 따른 히스토그램 곡선을 미분한 그래프에서 3차원 치아 CT 영상에서의 최소 임계 명암값을 나타낸 도면이다. 도 5는 본 발명의 일 실시예에 따른 최소 임계 명암값을 기준으로 생성한 포인트 클라우드들을 나타낸 도면이다.3 is a flow chart embodying the point cloud generation step (S100) according to an embodiment of the present invention. In addition, Figure 4a is a view showing a histogram for a 3D tooth CT image according to an embodiment of the present invention, Figure 4b is a view showing a smoothed histogram curve according to an embodiment of the present invention, Figure 4c is a view This is a graph showing a minimum threshold contrast value in a 3D dental CT image in a differential graph of a histogram curve according to an embodiment of the present invention. 5 is a view showing point clouds generated based on a minimum threshold contrast value according to an embodiment of the present invention.
도 3에 도시된 바와 같이, S110 단계에서, 각각의 CT 슬라이스에 대하여, CT 슬라이스 전체 영역을 구성하는 모든 복셀에 대한 명암값이 일정 범위 내에 포함되도록 정규화(normalization)한다. 내부 연산의 편의를 위한 과정으로, 복셀의 명암값의 차이는 정규화 이후에도 존재한다. 본 발명의 일실시예에 따르면, 3차원 CT 영상에서 가장 낮은 복셀의 명암값으로 0, 가장 높은 복셀의 명암값으로 255를 사용하며, 다른 수치의 명암값(예를 들어, 0과 1사이의 실수 등)을 사용할 수도 있다.As shown in FIG. 3, in step S110, for each CT slice, normalization is performed so that the light and dark values for all voxels constituting the entire region of the CT slice are included within a predetermined range. As a process for the convenience of internal operation, the difference in the contrast values of voxels exists even after normalization. According to an embodiment of the present invention, in the 3D CT image, 0 is used as the contrast value of the lowest voxel and 255 is used as the contrast value of the highest voxel, and different values of contrast (for example, between 0 and 1). Mistakes, etc.).
S120 단계에서, 정규화된 CT 영상에 기반하여 히스토그램(histogram)을 생성한다. 여기서, 도 3a를 참조하면, 히스토그램은 CT 영상의 전체 영역에 대한 복셀 명암값 분포도를 의미하며, X축은 복셀의 명암값을 나타내고, Y축은 영상 전체에서 해당 복셀 값을 카운트한 값이다. 치아 CT 영상의 히스토그램은 통계적으로 유사한 분포 형태를 나타내게 되나, Y축 값의 범위는 CT 영상에 따라 달라질 수 있다. In step S120, a histogram is generated based on the normalized CT image. Here, referring to FIG. 3A, the histogram refers to a distribution diagram of a voxel contrast value for the entire area of the CT image, the X axis represents the contrast value of the voxel, and the Y axis is a value that counts the corresponding voxel value in the entire image. The histogram of the dental CT image shows a statistically similar distribution, but the range of the Y-axis value may vary depending on the CT image.
S130 단계에서, 히스토그램을 분석하여 치아에 대한 최소 임계 명암값 및 치아와 뼈를 포함하는 최소 임계 명암값을 구한다. 이때, 도 3b를 참조하면, 히스토그램에 대한 분석을 하기 이전에, 하나의 신호(signal)로 변환한 뒤, 스무딩(smoothing, 신호의 잡음을 없애고 큰 특징값만 남기는 과정) 과정을 거치게 된다. In step S130, the histogram is analyzed to obtain a minimum critical contrast value for teeth and a minimum critical contrast value including teeth and bones. At this time, referring to FIG. 3B, before analyzing the histogram, after converting to a signal, a smoothing process is performed in which noise of a signal is removed and only a large feature value is left.
다음으로, 스무딩 과정을 거친 히스토그램 곡선을 미분하여 나온 곡선의 꼭지점들(vertices) 중 사용자가 설정한 조건에 맞는 점이 임계값으로 자동 선택된다. 즉, 치아에 해당하는 임계값 및 뼈와 치아를 모두 포함하는 임계값은 이러한 미분과정에서 특정될 수 있다. 도 3c의 그래프에 있어서, X축은 복셀의 명암값(pixel intensity), Y축은 미분값(slope)을 나타낸다. 이때, 미분한 곡선에 나타난 다수의 밸리(valley)값 중 가장 높은 명암값에 대응하는 밸리값이 치아에 해당하는 복셀의 최소 임계 명암값이며, 미분한 곡선에 나타난 다수의 아펙스(apex)값 중 가장 높은 명암값에 대응하는 아펙스(apex)값이 치아와 뼈를 포함하는 복셀의 최소 임계 명암값에 해당한다.Next, a point that satisfies a condition set by a user is automatically selected as a threshold among vertices of the curve obtained by differentiating the histogram curve that has been smoothed. That is, the threshold value corresponding to the tooth and the threshold value including both the bone and the tooth may be specified in the differentiation process. In the graph of FIG. 3C, the X-axis represents the pixel intensity of the voxel, and the Y-axis represents the slope. At this time, the valley value corresponding to the highest contrast value among the plurality of valley values shown on the differential curve is the minimum threshold contrast value of the voxel corresponding to the tooth, and among the multiple apex values displayed on the differential curve The apex value corresponding to the highest contrast value corresponds to the minimum threshold contrast value of the voxels including teeth and bones.
S140 단계에서, 최소 임계 명암값에 기반하여 포인트 클라우드를 생성한다. 도 5를 참조하면, 치아에 해당하는 복셀의 최소 임계 명암값보다 큰 명암값을 가진 복셀들에 대한 목록에 있는 모든 좌표에 점을 표시하면 구름과 유사한 형태가 나온다 하여 클라우드(cloud)라고 지칭된다. 본 발명에 있어서, 포인트 클라우드는 2차원의 경우 (x, y), 3차원의 경우 (x, y, z)좌표를 갖는 백터값의 목록으로 설정된다. 이하에서 기술할 특정값(feature value) 및 고유값(unique value)을 구하는 데 있어서, 포인트 클라우드는 탐색 대상 점들을 인덱싱(indexing)함으로써 탐색 영역에서 불필요한 부분을 제거하여 연산에 소요되는 시간을 감소시킬 수 있다.In step S140, a point cloud is generated based on the minimum threshold contrast value. Referring to FIG. 5, when a dot is displayed at all coordinates in a list of voxels having a contrast value greater than a minimum threshold contrast value of a voxel corresponding to a tooth, a cloud-like form appears and is referred to as a cloud. . In the present invention, the point cloud is set as a list of vector values having (x, y) and (x, y, z) coordinates in the case of 2D. In obtaining a feature value and a unique value to be described below, the point cloud indexes the search target points to remove unnecessary parts from the search area, thereby reducing the time required for calculation. You can.
도 6은 본 발명의 일 실시예에 따른 기준 CT 슬라이스를 선택하는 단계(S200 단계)를 구체화한 흐름도이고, 도 7은 본 발명의 일 실시예에 따른 3차원 CT 영상으로부터 자동 선택된 치아 CT 슬라이스 상에 악궁 형상에 대응하는 커브를 자동으로 생성하는 방법에서 삼각형 분석을 위해 정의한 삼각형을 나타낸 도면이다. 또한, 도 8은 발명의 일 실시예에 따른 고유값이 최소값인 CT 슬라이스를 찾은 결과를 나타내는 도면으로, 왼쪽은 코로널 프로젝션(coronal projection)영상에 대응시킨 도면이며, 오른쪽은 각각의 CT 슬라이스의 고유값을 나타낸 그래프이다.6 is a flowchart embodying a step of selecting a reference CT slice (step S200) according to an embodiment of the present invention, and FIG. 7 is a tooth CT slice automatically selected from a 3D CT image according to an embodiment of the present invention This is a diagram showing triangles defined for triangle analysis in a method for automatically generating curves corresponding to the arch shape. In addition, FIG. 8 is a view showing a result of finding a CT slice having a minimum eigenvalue according to an embodiment of the present invention. The left side is a diagram corresponding to a coronal projection image, and the right side is a diagram of each CT slice. It is a graph showing eigenvalues.
도 6에 있어서, 입력되는 CT 영상의 악궁이 [ ∩ ] 형태라는 가정하에, 포인트 클라우드화된 하나의 CT 슬라이스로부터 삼각형 분석을 통해 CT 슬라이스에서 삼각형의 여러 속성을 각각의 특정값들로 변환할 수 있다. In FIG. 6, under the assumption that the arch of the input CT image is in the form of [∩], various attributes of the triangle in the CT slice can be converted into respective specific values through triangle analysis from one CT cloud that is point clouded. have.
이를 위해, 먼저, S210 단계에서, 각각의 CT 슬라이스에 대해 기준 삼각형을 설정하고, 기준 삼각형을 통해 각각의 CT 슬라이스의 특정값을 산출한다. 도 7을 참조하면, S140 단계에서 생성된 포인트 클라우드로부터 가장 위의 점(T), 가장 왼쪽 점(L)및 가장 오른쪽 점(R)을 획득하여 기준 삼각형을 설정할 수 있다. 2차원에서 획득된 세 점은 각각 (x, y)의 좌표를 갖는 벡터로 정의된다.To this end, first, in step S210, a reference triangle is set for each CT slice, and a specific value of each CT slice is calculated through the reference triangle. Referring to FIG. 7, the reference triangle may be set by obtaining the uppermost point T, the leftmost point L, and the rightmost point R from the point cloud generated in step S140. The three points obtained in two dimensions are defined as vectors with coordinates of (x, y), respectively.
이와 같은 방법으로, 환자의 악궁에서 두개골에 이르는 모든 CT 슬라이스 각각에서 기준 삼각형을 설정할 수 있으며, 설정된 기준 삼각형의 속성을 이용하여 특정(feature)을 정의한다. 이때, 기준 삼각형을 설정할 수 없는 CT 슬라이스가 존재할 수 있다. 예를 들어, 환자가 지닌 금속 악세사리 등에 의한 노이즈로 기준 삼각형 설정에 방해가 되는 경우, 포인트 클라우드 내의 점의 개수가 부족하여 기준 삼각형을 설정할 수 없는 경우 등이 존재할 수 있다. 이러한 CT 슬라이스는 아래 특정 추출 및 고유값 생성 과정에서 제외시킬 수 있다. In this way, a reference triangle can be set for each CT slice from the patient's arch to the skull, and a feature is defined using the properties of the set reference triangle. At this time, a CT slice in which a reference triangle cannot be set may exist. For example, when noise is caused by a metal accessory or the like, the reference triangle can be prevented due to insufficient number of points in the point cloud. These CT slices can be excluded from the specific extraction and eigenvalue generation process below.
본 발명에 있어서, CT 슬라이스로부터 추출한 특정(feature)은, 첫번째로, 기준 삼각형의 내접원과 외접원 사이의 거리이며, 두번째로, 치아를 나타내는 최소 임계 명암값을 초과하는 복셀 개수의 전체 영상의 복셀 개수에 대한 비율이다. 이러한 특정은 사람의 치아에 대한 해부학적 구조에서 기인한다. In the present invention, the feature extracted from the CT slice is, firstly, the distance between the inscribed circle and the circumscribed circle of the reference triangle, and secondly, the number of voxels of the entire image of the number of voxels exceeding the minimum threshold contrast value representing the tooth. Is the ratio for. This characteristic stems from the anatomical structure of the human teeth.
모든 CT 슬라이스에 대해 기준 삼각형을 정의하였을 때, 치아가 존재하는 CT 슬라이스에서 기준 삼각형의 외접원 중심과 내접원 중심 사이의 길이가 가장 짧았으며, 치아의 크라운 부위를 기준으로 아래 부분(턱 부분)이나 윗 부분 (nasal, 비강) 부위의 CT 슬라이스는 외접원과 내접원 중심 사이의 거리가 치아 부근의 CT 슬라이스에 비해 상대적으로 길다. When the reference triangle was defined for all CT slices, the length between the circumscribed circle center and the circumscribed circle center of the reference triangle in the CT slice in which the tooth was present was the shortest, and based on the crown portion of the tooth, the lower part (chin part) or upper part In the CT slice of the partial (nasal, nasal) region, the distance between the circumscribed circle and the center of the circumscribed circle is relatively long compared to the CT slice near the tooth.
다만, 낮은 확률로 치아가 존재하는 CT 슬라이스가 아니더라도, 기준 삼각형이 우연히 위의 조건(기준 삼각형의 외접원 중심과 내접원 중심이 짧아지는 현상)을 충족시킬 수 있기 때문에 다른 조건을 필요로 한다. 따라서, 치아가 존재하는 슬라이스를 선택할 확률을 높이기 위하여, 치아를 나타내는 최소 임계 명암값을 초과하는 복셀 개수의 전체 영상의 복셀 개수에 대한 비율을 특정(feature)으로 추가할 수 있다. 여기서, 치아를 나타내는 최소 임계 명암값을 초과하는 복셀 개수는 악궁에 해당하는 복셀 개수일 수 있다.However, even if it is not a CT slice in which a tooth exists with a low probability, a different condition is required because the reference triangle can accidentally satisfy the above condition (the phenomenon that the center of the circumscribed circle and the center of the circumscribed circle becomes shorter). Accordingly, in order to increase the probability of selecting a slice in which a tooth is present, a ratio of the number of voxels of the entire image of the number of voxels exceeding a minimum threshold contrast value representing the tooth may be added as a feature. Here, the number of voxels exceeding the minimum threshold contrast value representing the teeth may be the number of voxels corresponding to the arch.
기준 삼각형의 내접원과 외접원 사이의 거리를 특정값으로 산출하기 위해, 점 T와 점 L간의 거리 (SR), 점 L과 점 R간의 거리 (ST), 점 R과 점 T간의 거리를 계산함으로서 기준 삼각형의 세 변의 길이를 정의할 수 있다. 두 점의 거리는 카테시안 좌표계(cartesian coordinate)에서 일반적으로 사용하는 [수학식 1]을 사용한다.To calculate the distance between the inscribed circle and the circumscribed circle of the reference triangle as a specific value, the distance between the point T and the point L (S R ), the distance between the point L and the point R (S T ), and the distance between the points R and the point T are calculated. By defining the length of the three sides of the reference triangle. The distance between the two points is [Equation 1], which is generally used in the Cartesian coordinate system.
이렇게 기준 삼각형의 세 점의 좌표와 세 변의 길이를 정의함으로서 외접원 및 내접원의 중심 좌표를 계산할 수 있다. 외접원의 중심 
또한, 내접원의 중심 
다음으로, S220 단계에서, 각각의 CT 슬라이스에 대한 특정값에 사전설정된 가중치들을 각각 부여하여 고유값으로서 산출한다. 구체적으로, 각각 CT 슬라이스(2차원 영상)에 대해 특정(feature)값들을 추출한 후, 특정값들을 하나의 고유값으로 만들기 위해 사용하는 것을 목적 함수(objective function)라고 한다. 이때, 목적함수의 함수값은 최적의 값(즉, 기준 CT 슬라이스에서의 고유값)이 최소값이 되도록하는 에너지 최소화(energy minimization)방법을 사용한다. 에너지 최소화 방법은 목적 함수를 통해 산출된 고유값(unique value)이 사용자가 원하는 CT 슬라이스에서는 작은 값을 가지고, 반대로 사용가 원하는 CT 슬라이스에서 멀어질수록 큰 값을 갖는 방법이다. 이외에도, 목적함수에 대하여 에너지 최대화 방법을 사용할 수도 있다..Next, in step S220, predetermined weights are respectively assigned to specific values for each CT slice to calculate as eigenvalues. Specifically, after extracting feature values for each CT slice (two-dimensional image), using them to make specific values into one eigenvalue is called an objective function. At this time, the energy minimization method is used to ensure that the optimal value (ie, the eigenvalue in the reference CT slice) is the minimum value. The energy minimization method is a method in which the unique value calculated through the objective function has a small value in the CT slice desired by the user and, conversely, a larger value as the distance from the CT slice desired to be used increases. In addition, an energy maximization method may be used for the objective function.
본 발명에서 목적 함수는 다항식으로 구성될 수 있다. 총 n개의 특정(feature)이 존재할 경우, 목적 함수는 [수학식 4]와 같이 정의한다. In the present invention, the objective function may be composed of polynomials. When a total of n features exist, the objective function is defined as [Equation 4].
여기서, w1, …, wn 은 각 특정값 x1, …, xn 에 곱해지는 가중치(weight)를 의미한다. 특정값은 훈련(train)을 실시한 훈련 데이터에 따라 달라질 수 있으며, 절대적인 값은 존재하지 않는다. b는 바이어스(bias)로서 목적함수의 값을 일괄적으로 변경할 때 사용된다. 본 발명에서는 절대적인 수치를 평가하는 것이 아니라, 다수의 CT슬라이스 간의 고유값를 비교하는 상대평가를 하기 때문에, b를 0으로 설정할 수 있다.Where w 1 ,… , w n is each specific value x 1 ,… , It means the weight multiplied by x n . The specific value may vary depending on the training data for training, and there is no absolute value. b is a bias, which is used to collectively change the value of the objective function. In the present invention, since the absolute value is not evaluated, but the relative evaluation comparing the eigenvalues between multiple CT slices is performed, b can be set to 0.
또한, 이상적인 CT 슬라이스의 고유값이 최소가 되도록 가중치 값을 설정하며, 특정(feature)의 개수가 많지 않은 경우에는, 수동으로 가중치를 설정할 수 있다. 가중치의 설정 과정 및 평가는 기계 학습(machine learning) 방법을 이용하여 자동화 할 수 있으며, 특정의 개수와 학습에 필요한 CT 영상들이 많은 경우에는, 딥 러닝(deep learning) 방법 또한 사용할 수 있으나, 본 발명의 명세서에서 구체적으로 명시하지 않는다. In addition, the weight value is set so that the eigenvalue of the ideal CT slice is the minimum, and when the number of features is not large, the weight can be manually set. The process of setting and evaluating the weight can be automated using a machine learning method, and when there are many CT images required for a specific number and training, a deep learning method can also be used, but the present invention It is not specifically specified in the specification.
S230 단계에서, 고유값이 최소인 CT 슬라이스를 자동 선택한다. 도 8에 도시된 그래프를 참고하면, X축은 고유값을 나타내고, Y축은 각각의 CT 슬라이스 넘버를 나타낸다. 그래프 상에서, 고유값이 0인 CT 슬라이스들은 실제로 고유값이 무한대(∞)이며, 이상적인 CT 슬라이스 후보에서 제외된다. 에너지 최소화(energy minimization) 방법에 따라 고유값이 최소인 CT 슬라이스가 선택된다. 도 8의 코로널 프로젝션 영상에 도시된 바와 같이, 고유값이 최소인 CT 슬라이스가 치아 부근에 위치한 것을 볼 수 있다. In step S230, the CT slice having the smallest eigenvalue is automatically selected. Referring to the graph shown in FIG. 8, the X-axis represents eigenvalues, and the Y-axis represents each CT slice number. On the graph, CT slices with an eigenvalue of 0 are actually infinite (∞) and are excluded from ideal CT slice candidates. According to the energy minimization method, a CT slice with a minimum eigenvalue is selected. As shown in the coronal projection image of FIG. 8, it can be seen that the CT slice with the smallest eigenvalue is located near the tooth.
도 9는 본 발명의 일 실시예에 따른 선택된 기준 CT 슬라이스에서 커브를 생성하는 단계(S300 단계)를 구체화한 흐름도이고, 도 10a 내지 도 10d는 본 발명의 일 실시예에 따른 선택된 기준 CT 슬라이스 상에 주조정점들을 생성하는 단계들을 나타낸 도면이며, 도 11은 본 발명의 일 실시예에 따른 선택된 기준 CT 슬라이스 상에 생성된 주조정점들 사이에 부조정점을 생성하여 커브를 생성한 도면이다.9 is a flowchart embodying a step of generating a curve (step S300) in a selected reference CT slice according to an embodiment of the present invention, and FIGS. 10A to 10D are selected reference CT slice images according to an embodiment of the present invention. A diagram showing the steps of generating the main adjustment points in FIG. 11 is a diagram of generating curves by generating sub-adjustment points between the main adjustment points generated on the selected reference CT slice according to an embodiment of the present invention.
도 9에 도시된 바와 같이, CT 슬라이스가 자동으로 선택된 후, 선택된 CT 슬라이스에서 악궁 형상에 대응하는 커브를 생성한다. 이때, 선택된 CT 슬라이스에 대한 기준 삼각형 및 포인트 클라우드(point cloud)를 이용한다. 이 두 가지를 사용하여, 선택된 CT 슬라이스에서 악궁을 탐색하는 탐색영역(search space)을 좁힐 수 있다. 탐색영역을 좁힘으로써, 불필요한 연산량을 감소시켜 연산속도를 향상시킬 수 있다.9, after the CT slice is automatically selected, a curve corresponding to the arch shape is generated in the selected CT slice. At this time, a reference triangle and a point cloud for the selected CT slice are used. Using these two, you can narrow the search space to search for the arch in the selected CT slice. By narrowing the search area, it is possible to reduce the amount of unnecessary computation and improve the computation speed.
또한, 악궁 형상에 대응하는 커브를 생성하는 과정에서 주조정점(main control point)과 부조정점(secondary control point)를 이용한다. 주조정점은 악궁을 찾는 데 직접적으로 관여하는 점을 의미하고, 부조정점은 주조정점들 사이를 일정 간격으로 채워 넣는 역할을 한다. 이렇게 조정점을 두개로 분류한 이유는, 커브를 생성하는 CT 슬라이스에서 치아의 일부가 유실 또는 파절된 경우, 또는 영상 자체의 잡음 등에 의해 사용자가 원하지 않는 모양의 커브 생성을 최소화하기 위함이다.In addition, a main control point and a secondary control point are used in the process of generating a curve corresponding to the arch shape. The main control point refers to the point directly involved in finding the arch, and the sub-control point fills in the intervals between the main control points. The reason for classifying the adjustment points into two is to minimize the generation of curves in a shape that the user does not want due to loss or fracture of a part of the teeth in the CT slice generating the curve, or noise of the image itself.
S310 단계에서, 기준 삼각형의 최좌측점과 중심점 간의 변 및 최우측점과 중심점 간의 변 위에 일정 개수의 주조정점(main control point)을 위치시키고, 주조정점의 시작점으로 정의한다. 도 10a 및 도 10b를 참조하면, 기준 삼각형 위의 한 변에 위치하는 점의 개수는 CT 슬라이스의 실측 거리(영상에 나타난 피사체의 실제 길이) 기준으로 8mm에서 12mm사이의 간격으로 정의하는 것이 바람직하다. 이 기준치보다 수치가 작을 경우에는 주조정점 사이의 거리가 너무 멀어 오차가 증가하며, 반대로 기준치보다 수치가 많을 경우에는 커브가 구부러지는 변곡점이 너무 많아지게 되어 2차원 및 3차원 파노라마 영상이 일그러지는 현상이 발생할 수 있다.In step S310, a certain number of main control points are positioned on the sides between the leftmost point and the center point of the reference triangle and the sides between the rightmost point and the center point, and are defined as the starting point of the main adjustment point. 10A and 10B, it is preferable to define the number of points located on one side of the reference triangle at intervals between 8 mm and 12 mm based on the actual distance of the CT slice (the actual length of the subject shown in the image). . If the number is smaller than the reference value, the error increases because the distance between the main control points is too far. Conversely, when the value is more than the reference value, the inflection point where the curve is bent becomes too large, resulting in distorted 2D and 3D panoramic images. This can happen.
도 10c에 도시된 바와 같이, S320 단계에서, 각각의 주조정점에 대한 부분 탐색영역을 정의한다. 부분 탐색영역의 모양은 처음 생성된 주조정점을 중심으로 하는 사각형 영역을 정의할 수 있다. 이 사각형은 위에서 정의한 8mm 에서 12mm 사이를 를 한 변의 길이로 하는 것이 이상적이나, 입력 CT 영상의 특성에 따라 사각형의 (가로 길이) : (세로 길이) 비율을 조정할 수 있다. As shown in FIG. 10C, in step S320, a partial search area for each main adjustment point is defined. The shape of the partial search area may define a rectangular area centered on the primary control point created first. Ideally, this rectangle should be between 8mm and 12mm defined above as one side length, but the ratio of (horizontal length): (vertical length) of the rectangle can be adjusted according to the characteristics of the input CT image.
도 10d에 도시된 바와 같이, S330 단계에서, 부분 탐색영역 안에서 치아가 위치할 확률이 높은 부분의 좌표로 주조정점을 이동시킨다. 여기서, 치아가 위치할 확률이 높은 부분의 좌표는, 부분 탐색영역 내부에 있는 포인트 클라우드의 중심 지점(MPP: Mid-Positioned Point)을 의미한다. 이 지점의 좌표는, 부분 탐색영역 내의 포인트 클라우드 내에 정의된 모든 점(CLP: Cloud Points) 좌표의 산술 평균값을 [수학식 5]와 같은 방법으로 계산한다.As shown in FIG. 10D, in step S330, the main adjustment point is moved to the coordinates of the part where the tooth is likely to be located in the partial search area. Here, the coordinates of the portion where the teeth are likely to be located mean a central point (MPP: Mid-Positioned Point) of the point cloud inside the partial search area. The coordinates of this point are calculated in the same way as [Equation 5] for the arithmetic mean value of the coordinates of all Cloud Points (CLP) defined in the point cloud in the partial search area.
정의된 모든 주조정점에 대하여 위 과정을 적용하면 도 10d과 같이 악궁의 주요 위치에 주조정점들이 위치하게 된다.If the above process is applied to all defined main control points, the main control points are located at the main position of the arch as shown in FIG. 10D.
다음으로, 도 11에 도시된 바와 같이 S34O 단계에서, 다수의 주조정점들 중 서로 인접한 주조정점들 사이마다 부조정점을 설정하고, 상기 주조정점들 및 설정된 부조정점들을 따라, 악궁 형상의 커브를 생성한다. 부조정점의 생성 과정은 당업자에게 널리 알려진 알고리즘을 사용하므로 이에 대한 구체적인 설명은 생략한다. Next, as shown in FIG. 11, in step S34O, a sub-adjustment point is set for each of the main control points adjacent to each other among a plurality of main control points, and along the main control points and the set sub-adjustment points, a curve of an arch shape is generated. do. The process of generating the sub-adjustment point uses an algorithm well known to those skilled in the art, so a detailed description thereof will be omitted.
또한, 본 발명에서는, 일반적으로 당업자에게 널리 알려진 스플라이닝(splining) 알고리즘을 사용할 수 있다. 스플라이닝은 셋 이상의 여러 점들을 부드럽게 곡선으로 이어주는 방법으로, 구체적인 설명은 생략한다.Further, in the present invention, a splining algorithm generally known to those skilled in the art can be used. Splining is a method of smoothly connecting three or more points to a curved line, and detailed description is omitted.
발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 발명이 속하는 기술분야에서 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.The invention has been described with reference to the embodiments shown in the drawings, but these are merely exemplary, and those skilled in the art to which the present invention pertains will appreciate that various modifications and equivalent other embodiments are possible therefrom. . Therefore, the true technical protection scope of the present invention should be determined by the technical spirit of the appended claims.
Claims (9)
진단용 장치에서 실행되는 진단용 소프트웨어를 통해,
상기 CT 영상으로부터 상기 악궁이 나타난 기준 단층 영상을 선택하는 단계;
상기 기준 단층 영상에 나타난 상기 악궁을 따라 다수의 주조정점을 배치하고, 상기 다수의 주조정점을 연결해서 상기 악궁 커브를 생성하는 단계를 포함하되,
상기 기준 단층 영상을 선택하는 단계는;
상기 CT 영상에서 치아를 나타내는 복셀의 최소 임계 명암값을 산출하는 단계;
상기 최소 임계 명암값 보다 큰 명암값을 갖는 복셀들의 좌표를 저장하는 단계;
상기 CT 영상으로부터 복수의 단층 영상을 추출하고, 상기 복셀들의 좌표에 기반해서 상기 복수의 단층 영상 중 악궁 형상이 가장 잘 나타난 단층 영상을 상기 기준 단층 영상으로 선택하는 단계를 포함하는
악궁 커브 생성 방법.
As a method for generating the arch curve in a tomography image of a CT image of the voxel unit photographing the arch,
Through diagnostic software running on the diagnostic device,
Selecting a reference tomography image showing the arch from the CT image;
The method comprises the steps of arranging a plurality of main adjustment points along the arches shown in the reference tomography image, and connecting the plurality of main adjustment points to generate the arch curves,
The step of selecting the reference tomography image may include:
Calculating a minimum threshold contrast value of a voxel representing a tooth in the CT image;
Storing coordinates of voxels having a contrast value greater than the minimum threshold contrast value;
And extracting a plurality of tomography images from the CT image and selecting a tomography image having the best arch shape among the plurality of tomography images as the reference tomography image based on the coordinates of the voxels.
How to create an arch curve.
상기 최소 임계 명암값을 산출하는 단계는,
상기 CT 영상의 복셀의 명암값을 정규화하는 단계;
상기 정규화된 명암값에 대한 상기 복셀의 분포로 히스토그램 곡선을 생성하는 단계;
상기 히스토그램 곡선을 미분하는 단계를 더 포함하여,
상기 미분된 곡선의 최대 밸리점의 명암값을 상기 최소 임계 명암값으로 산출하는
악궁 커브 생성 방법.
According to claim 1,
The step of calculating the minimum threshold contrast value,
Normalizing the contrast value of the voxel of the CT image;
Generating a histogram curve with the distribution of the voxels with respect to the normalized contrast value;
Differentiating the histogram curve further,
Calculating the contrast value of the maximum valley point of the differential curve as the minimum threshold contrast value
How to create an arch curve.
상기 기준 단층 영상을 선택하는 단계는,
상기 복수의 단층 영상에 각각 나타난 상기 악궁의 중심점과 최 좌측점 및 최 우측점을 연결해서 상기 복수의 단층 영상 별 기준 삼각형을 설정하는 단계;
상기 복수의 단층 영상 각각에 대한 상기 기준 삼각형의 내접원 중심과 외접원 중심 사이의 거리를 상기 복수의 단층 영상 별 특정값으로 추출하는 단계;
상기 복수의 단층 영상 각각의 상기 특정값에 사전 설정된 가중치들을 부여하여 상기 복수의 단층 영상 별 고유값을 산출하는 단계를 더 포함하여,
상기 다수의 단층 영상 중 상기 고유값이 최소인 단층 영상을 상기 기준 단층 영상으로 선택하는
악궁 커브 생성 방법.
According to claim 1,
The step of selecting the reference tomography image,
Setting a reference triangle for each of the plurality of tomography images by connecting a center point of the arch and the leftmost point and the rightmost point, respectively, shown in the plurality of tomography images;
Extracting a distance between an inscribed circle center and an circumscribed circle center of the reference triangle for each of the plurality of tomography images as a specific value for each of the plurality of tomography images;
Further comprising the step of calculating a unique value for each of the plurality of tomography images by assigning predetermined weights to the specific value of each of the plurality of tomography images,
The tomography image having the smallest eigenvalue among the multiple tomography images is selected as the reference tomography image.
How to create an arch curve.
상기 커브를 따라 상기 악궁의 파노라마 영상을 재구성하는 단계를 더 포함하는
악궁 커브 생성 방법.
According to claim 1,
And reconstructing the panoramic image of the palace along the curve.
How to create an arch curve.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180009653A KR102097648B1 (en) | 2018-01-25 | 2018-01-25 | Method of automatically generating a curve corresponding to an dental arch shape on dental ct slice automatically selected from three dimensional dental ct image |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180009653A KR102097648B1 (en) | 2018-01-25 | 2018-01-25 | Method of automatically generating a curve corresponding to an dental arch shape on dental ct slice automatically selected from three dimensional dental ct image |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20190090663A KR20190090663A (en) | 2019-08-02 |
| KR102097648B1 true KR102097648B1 (en) | 2020-04-06 |
Family
ID=67614300
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180009653A KR102097648B1 (en) | 2018-01-25 | 2018-01-25 | Method of automatically generating a curve corresponding to an dental arch shape on dental ct slice automatically selected from three dimensional dental ct image |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102097648B1 (en) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102263110B1 (en) * | 2019-05-14 | 2021-06-09 | 주식회사 디오 | Apparatus for detecting of Dental Arch |
| KR102378382B1 (en) * | 2019-08-22 | 2022-03-25 | 오스템임플란트 주식회사 | Method and apparatus for matching medical images |
| KR20220053332A (en) * | 2020-10-22 | 2022-04-29 | 주식회사 케이티 | Server, method and computer program for generating spacial model based on panorama image |
| KR102640126B1 (en) * | 2021-08-09 | 2024-02-23 | 주식회사 덴티움 | Dental arch line inference device and method through artificial intelligence learning |
| CN114723765B (en) * | 2022-04-13 | 2024-05-03 | 四川锋准机器人科技有限公司 | Automatic extraction method of dental archwire |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010240290A (en) | 2009-04-09 | 2010-10-28 | Kinki Univ | Bone age estimation apparatus, bone age estimation method, and bone age estimation program |
| EP2417911A1 (en) | 2010-08-11 | 2012-02-15 | Nihon University | X-ray imaging apparatus |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100450278B1 (en) * | 2001-08-31 | 2004-09-24 | 버츄얼아이테크 주식회사 | A medical image processing system and the method thereof |
| KR101739091B1 (en) * | 2014-11-19 | 2017-05-24 | 성균관대학교산학협력단 | Apparatus and method for reconstructing three dimensional images using dental ct images |
| US10098715B2 (en) * | 2015-06-24 | 2018-10-16 | Dental Imaging Technologies Corporation | Generating a design for a dental restorative product from dental images |
-
2018
- 2018-01-25 KR KR1020180009653A patent/KR102097648B1/en active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010240290A (en) | 2009-04-09 | 2010-10-28 | Kinki Univ | Bone age estimation apparatus, bone age estimation method, and bone age estimation program |
| EP2417911A1 (en) | 2010-08-11 | 2012-02-15 | Nihon University | X-ray imaging apparatus |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20190090663A (en) | 2019-08-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102097648B1 (en) | Method of automatically generating a curve corresponding to an dental arch shape on dental ct slice automatically selected from three dimensional dental ct image | |
| CN107123112B (en) | Blood flow state analysis system and method | |
| RU2677764C2 (en) | Registration of medical images | |
| US7460700B2 (en) | Image processing method and computer-readable recording medium containing image processing program | |
| JP4512586B2 (en) | Volume measurement in 3D datasets | |
| CN111968070B (en) | Blood vessel detection method and device based on three-dimensional modeling | |
| JP6285434B2 (en) | Dose deformation error calculation method and system | |
| US20210133473A1 (en) | Learning apparatus and learning method | |
| CN112136157B (en) | Method, system and computer program for segmenting dental pulp area from image | |
| CN108805923B (en) | Physiological parameter acquisition method and device | |
| CN104337543B (en) | Panoramic picture preparation method, the device and computer media for handling 3D digital volume | |
| JP4938427B2 (en) | Cerebral hemorrhage volume calculator | |
| JP6643821B2 (en) | Image processing device | |
| KR100999232B1 (en) | Lung segmentation method using gradient and intensity distribution on CT lung images | |
| US7835555B2 (en) | System and method for airway detection | |
| CN114549553A (en) | Angle measuring method, angle measuring device, computer equipment and readable storage medium | |
| CN108694007B (en) | Unfolding ribs from magnetic resonance images | |
| CN115439423B (en) | CT image-based identification method, device, equipment and storage medium | |
| US20220044454A1 (en) | Deep reinforcement learning for computer assisted reading and analysis | |
| CN116262041A (en) | Radiation dose management device, radiation dose management method, and storage medium | |
| US11244458B2 (en) | Image processing apparatus, image processing method, and program | |
| JP6501569B2 (en) | IMAGE PROCESSING APPARATUS, IMAGE PROCESSING METHOD, AND PROGRAM | |
| KR102231334B1 (en) | Method FOR analyzing teeth array, Method for gENERATING panoramic image using the same and apparatus thereof | |
| US9378549B2 (en) | Estimation of confidence limits for measurements derived from image data | |
| JP6674614B2 (en) | Bone quality evaluation device and bone quality evaluation program |
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 |