KR102247454B1 - Apparatus for generating multi contrast magnetic resonance image and method for learning thereof - Google Patents

Apparatus for generating multi contrast magnetic resonance image and method for learning thereof Download PDF

Info

Publication number
KR102247454B1
KR102247454B1 KR1020190126642A KR20190126642A KR102247454B1 KR 102247454 B1 KR102247454 B1 KR 102247454B1 KR 1020190126642 A KR1020190126642 A KR 1020190126642A KR 20190126642 A KR20190126642 A KR 20190126642A KR 102247454 B1 KR102247454 B1 KR 102247454B1
Authority
KR
South Korea
Prior art keywords
contrast
image
learning
images
additional
Prior art date
Application number
KR1020190126642A
Other languages
Korean (ko)
Other versions
KR20210043835A (en
Inventor
황도식
김세원
장한별
Original Assignee
연세대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 연세대학교 산학협력단 filed Critical 연세대학교 산학협력단
Priority to KR1020190126642A priority Critical patent/KR102247454B1/en
Publication of KR20210043835A publication Critical patent/KR20210043835A/en
Application granted granted Critical
Publication of KR102247454B1 publication Critical patent/KR102247454B1/en

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • 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
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • 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
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20084—Artificial neural networks [ANN]

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Theoretical Computer Science (AREA)
  • Veterinary Medicine (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Quality & Reliability (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Signal Processing (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

본 발명은 진단을 위해 서로 다른 시퀀스에 따라 촬영되어야 하는 일괄 촬영되어야 하는 다수의 대조도 자기 공명 영상으로 구성되는 다중 대조도 자기 공명 영상 중 적어도 하나의 대조도 자기 공명 영상이 제외된 다수의 대조도 자기 공명 영상을 획득하는 다중 대조도 영상 획득부 및 미리 학습된 패턴 추정 방식에 따라 상기 다중 대조도 영상 획득부에서 획득된 다수의 대조도 자기 공명 영상의 패턴을 추정하여, 제외된 대조도 자기 공명 영상에 대응하는 추가 자기 공명 영상을 생성하는 대조도 영상 생성부를 포함하고, 상기 대조도 영상 생성부는 학습을 위해 미리 획득된 다중 대조도 자기 공명 영상 중 제외된 대조도 자기 공명 영상인 학습용 대조도 영상에서 상기 추가 자기 공명 영상의 다수의 픽셀 각각과 동일 위치의 픽셀 및 기지정된 범위의 주변 픽셀들과의 픽셀 강도 차를 계산하고, 계산된 픽셀 강도 차 중 최소 강도 차의 평균으로 계산되는 위치 정렬 오차가 총 손실로 획득되어 학습되는 다중 대조도 자기 공명 영상 생성 장치 및 이의 학습 방법을 제공할 수 있다.In the present invention, a plurality of contrasts to be photographed according to different sequences for diagnosis, a multiple contrast consisting of a magnetic resonance image, a contrast of at least one of the magnetic resonance images, a plurality of contrasts excluding a magnetic resonance image Excluded contrast magnetic resonance by estimating patterns of a plurality of contrast MR images acquired by the multi-contrast image acquisition unit according to a multi-contrast image acquisition unit that acquires a MR image and a pre-learned pattern estimation method. A contrast image generation unit for generating an additional MR image corresponding to the image, wherein the contrast image generation unit is a contrast image for learning that is a contrast MR image excluded from the multiple contrast MR images obtained in advance for learning. A positional alignment error calculated by calculating the pixel intensity difference between each of the plurality of pixels of the additional MR image, the pixel at the same position, and the neighboring pixels in a predetermined range, and calculating the average of the minimum intensity difference among the calculated pixel intensity differences. It is possible to provide an apparatus for generating a multi-contrast magnetic resonance image and a method for learning the same, which is acquired and learned with total loss.

Figure R1020190126642
Figure R1020190126642

Description

다중 대조도 자기 공명 영상 생성 장치 및 이의 학습 방법{APPARATUS FOR GENERATING MULTI CONTRAST MAGNETIC RESONANCE IMAGE AND METHOD FOR LEARNING THEREOF}Multi-contrast magnetic resonance image generating device and its learning method {APPARATUS FOR GENERATING MULTI CONTRAST MAGNETIC RESONANCE IMAGE AND METHOD FOR LEARNING THEREOF}

본 발명은 자기 공명 영상 생성 장치 및 이의 학습 방법에 관한 것으로, 다중 대조도 자기 공명 영상 생성 장치 및 이의 학습 방법에 관한 것이다.The present invention relates to a magnetic resonance image generating apparatus and a learning method thereof, and to a multi-contrast magnetic resonance image generating apparatus and a learning method thereof.

자기 공명 영상(Magnetic Resonance Imaging, MRI)은 인체 내부 영상을 비 침습적이면서 고화질로 얻을 수 있는 대표적인 의료 영상으로, 뼈를 비롯한 신체의 여러 기관들을 요구하는 각도에서 입체적으로 표현할 수 있다는 장점이 있다. 이에 다양한 질병이나 질환에 대한 진단을 위해 이용되고 있으며, 특히 연부조직에 대한 대조도(contrast)가 우수하여 뼈, 근육, 인대, 힘줄 및 연골 등의 근골격계에 대한 진단에 유용하게 이용되고 있다.Magnetic Resonance Imaging (MRI) is a representative medical image that can obtain a non-invasive and high-definition image inside a human body, and has the advantage of being able to express various organs of the body including bones in three dimensions at a required angle. Accordingly, it is used for diagnosis of various diseases or diseases, and particularly, because of its excellent contrast to soft tissues, it is usefully used for diagnosis of the musculoskeletal system such as bones, muscles, ligaments, tendons and cartilage.

다만 자기 공명 영상은 진단 부위나 진단 질환의 종류 등을 고려한 판독 목적에 따라 스핀 에코(Spin Echo) 시퀀스, 그라디언트 에코(Gradient Echo) 시퀀스 등에 기초하여 T1 가중(T1-weighted) 영상(T1), T2 가중 영상(T2-weighted) (T2) 및 그라디언트(이하 GRE) 영상과 같은 다양한 대조도의 영상을 획득해야 한다. 특히 무릎이나 팔꿈치와 같은 근골격계의 자기 공명 영상 촬영 시에 지방 성분에 의해 연골 등과 진단되어야 하는 신체 부위가 정상적으로 나타나지 않는 문제를 해결하기 위해 화학적 천이 스펙트럼 선택 (Chemical shift spectral selective, 이하 CHESS), 짧은 반전 시간 반전 복구(short inversion time inversion recovery, , 이하 STIR), 스펙트럼 단열 반전 복구(spectral adiabatic inversion recovery), 스펙트럼 감쇄 반전 복구(SPAIR) 등의 지방 억제 기술이 기존의 시퀀스가 추가로 적용된 대조도 자기 공명 영상을 더 획득해야 한다.However, magnetic resonance images are T1-weighted images (T1) and T2 based on a spin echo sequence, a gradient echo sequence, etc., depending on the purpose of reading taking into account the diagnosis site or the type of diagnosis disease. Images with various contrasts, such as T2-weighted (T2) and gradient (hereinafter GRE) images, must be acquired. In particular, when taking magnetic resonance imaging of the musculoskeletal system such as knees or elbows, chemical shift spectral selective (CHESS), short reversal, to solve the problem that body parts to be diagnosed, such as cartilage, do not appear normally due to fat components. Contrast magnetic resonance with fat suppression techniques such as short inversion time inversion recovery (STIR), spectral adiabatic inversion recovery, and spectral attenuation reversal recovery (SPAIR) are additionally applied to the existing sequence. You need to acquire more images.

따라서 일반적으로 한번 촬영 시 4 ~ 5장의 각각 다른 대조도의 영상을 촬영해야 한다.Therefore, in general, it is necessary to take 4 to 5 images with different contrast levels for one shot.

이로 인해 전체 자기 공명 영상 촬영 시간이 매우 오래 걸리게 되어, 긴 시간 동안 자기 공명 영상을 촬영해야 하는 환자에게 불편함을 제공할 뿐만 아니라, 촬영 비용의 증가를 유발한다.As a result, it takes a very long time to capture the entire MR image, which not only provides discomfort to the patient who needs to take the MR image for a long time, but also causes an increase in the cost of photographing.

기존에는 자기 공명 영상의 촬영 시간을 줄이기 위해, 일부는 완전 샘플링하여 획득하고, 나머지 영상은 나이퀴스트 비율(Nyquist rate)보다 낮은 주파수로 샘플링하여 언더샘플링된 자기 공명 영상을 획득하여, 각 영상 간의 관계에 따라 언더 샘플링된 영상을 완전 샘플링된 영상과 유사하게 복원하여 자기 공명 영상을 재구성하는 방법이 주로 이용되고 있다.Conventionally, in order to reduce the recording time of MR images, some of the images are completely sampled and acquired, and the rest of the images are sampled at a frequency lower than the Nyquist rate to obtain an undersampled MR image. A method of reconstructing a magnetic resonance image by reconstructing an under-sampled image similar to a fully sampled image according to the relationship is mainly used.

언더 샘플링 방식을 이용하면, 각각의 대조도 자기 공명 영상을 획득하기 위한 촬영 시간은 줄일 수 있으나, 진단에 필요한 대조도 자기 공명 영상 의 종류는 동일하므로, 촬영해야 하므로 촬영 횟수를 줄일 수는 없다. 즉 자기 공명 영상의 촬영 시간을 획기적으로 단축시킬 수는 없다는 한계가 있다.By using the under-sampling method, it is possible to shorten the recording time for acquiring each contrast MR image, but since the contrast required for diagnosis has the same type of MR image, it is not possible to reduce the number of photographing because it must be photographed. In other words, there is a limitation in that the recording time of the magnetic resonance image cannot be drastically shortened.

한국 공개 특허 제10-2018-0110417호 (2019.04.08 공개)Korean Patent Publication No. 10-2018-0110417 (published on 2019.04.08)

본 발명의 목적은 자기 공명 영상의 촬영 시간을 획기적으로 단축시킬 수 있는 다중 대조도 자기 공명 영상 생성 장치 및 이의 학습 방법을 제공하는데 있다.An object of the present invention is to provide an apparatus for generating a multi-contrast MR image and a method for learning the same, which can significantly shorten the recording time of a MR image.

본 발명의 다른 목적은 서로 다른 시퀀스를 이용하여 촬영된 다수의 대조도 자기 공명 영상을 기반으로 촬영되지 않은 새로운 추가 대조도 자기 공명 영상 생성하여, 진단 목적에 맞는 다수의 대조도 자기 공명 영상을 획득하기 위한 촬영 횟수를 줄일 수 있는 다중 대조도 자기 공명 영상 생성 장치 및 이의 학습 방법을 제공하는데 있다.Another object of the present invention is to obtain a plurality of contrast MR images suitable for the purpose of diagnosis by generating a new non-contrast MR image based on a plurality of contrast MR images photographed using different sequences. It is to provide an apparatus for generating a multi-contrast magnetic resonance image and a method for learning the same, which can reduce the number of photographing required.

본 발명의 또다른 목적은 다수의 대조도 자기 공명 영상에 대한 촬영 시간 차 등에 의해 발생되는 다양한 오차를 보완하여 정확한 추가 대조도 자기 공명 영상 생성할 수 있는 다중 대조도 자기 공명 영상 생성 장치 및 이의 학습 방법을 제공하는데 있다.Another object of the present invention is a multi-contrast MR image generating apparatus capable of generating an accurate additional contrast MR image by compensating for various errors caused by a difference in photographing time for a plurality of contrast MR images, and learning thereof It is in providing a way.

상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 다중 대조도 자기 공명 영상 생성 장치는 진단을 위해 서로 다른 시퀀스에 따라 촬영되어야 하는 일괄 촬영되어야 하는 다수의 대조도 자기 공명 영상으로 구성되는 다중 대조도 자기 공명 영상 중 적어도 하나의 대조도 자기 공명 영상이 제외된 다수의 대조도 자기 공명 영상을 획득하는 다중 대조도 영상 획득부; 및 미리 학습된 패턴 추정 방식에 따라 상기 다중 대조도 영상 획득부에서 획득된 다수의 대조도 자기 공명 영상의 패턴을 추정하여, 제외된 대조도 자기 공명 영상에 대응하는 추가 자기 공명 영상을 생성하는 대조도 영상 생성부를 포함하고, 상기 대조도 영상 생성부는 학습을 위해 미리 획득된 다중 대조도 자기 공명 영상 중 제외된 대조도 자기 공명 영상인 학습용 대조도 영상에서 상기 추가 자기 공명 영상의 다수의 픽셀 각각과 동일 위치의 픽셀 및 기지정된 범위의 주변 픽셀들과의 픽셀 강도 차를 계산하고, 계산된 픽셀 강도 차 중 최소 강도 차의 평균으로 계산되는 위치 정렬 오차가 총 손실로 획득되어 학습된다.In order to achieve the above object, the apparatus for generating a multi-contrast MR image according to an embodiment of the present invention comprises a plurality of contrast MR images that must be photographed in batches that must be photographed according to different sequences for diagnosis. A multi-contrast image acquisition unit for acquiring a plurality of contrast MR images excluding at least one of the contrast MR images among the MR images; And a contrast for generating an additional MR image corresponding to the excluded contrast MR image by estimating patterns of a plurality of contrast MR images acquired by the multi-contrast image acquisition unit according to a pre-learned pattern estimation method. And a contrast image generator, wherein the contrast image generator includes each of a plurality of pixels of the additional MR image in the contrast MR image for learning, which is a contrast MR image excluded from the multi-contrast MR image previously acquired for learning. A pixel intensity difference between a pixel at the same position and a predetermined range of neighboring pixels is calculated, and a positional alignment error calculated as an average of the minimum intensity difference among the calculated pixel intensity differences is obtained as a total loss and learned.

상기 다중 대조도 자기 공명 영상 생성 장치는 학습시에 상기 추가 대조도 자기 공명 영상과 상기 학습용 대조도 자기 공명 영상에서 동일 위치의 픽셀 사이의 픽셀 값들 사이의 차의 제곱에 대한 평균으로 계산되는 평균 제곱근 오차 또는 상기 추가 대조도 자기 공명 영상의 국부 영역과 상기 학습용 대조도 자기 공명 영상에서 대응하는 영역 사이의 국부 영역 평균 및 편차 제곱근 오차 중 적어도 하나를 더 계산하고, 상기 위치 정렬 오차에 계산된 평균 제곱근 오차 또는 국부 영역 평균 및 편차 제곱근 오차 중 적어도 하나를 가산하여 총 손실을 획득하여 상기 대조도 영상 생성부로 역전파하는 학습부를 더 포함할 수 있다.The multi-contrast MR image generating apparatus is a mean square root calculated as an average of the square of the difference between pixel values between pixels at the same location in the additional contrast MR image and the learning contrast MR image during learning. The error or at least one of the average and the square root of the deviation error between the local region of the additional contrast MR image and the corresponding region of the learning contrast MR image is further calculated, and the average square root calculated for the position alignment error The learning unit may further include a learning unit that obtains a total loss by adding at least one of an error or a local area mean and a square root deviation error, and backpropagates it to the contrast image generation unit.

상기 다수의 대조도 자기 공명 영상은 T1 가중 영상, T2 가중 영상 및 GRE 영상이고, 상기 추가 대조도 자기 공명 영상은 STIR 영상일 수 있다.The plurality of contrast MR images may be T1 weighted images, T2 weighted images and GRE images, and the additional contrast MR images may be STIR images.

상기 목적을 달성하기 위한 본 발명의 다른 실시예에 따른 다중 대조도 자기 공명 영상 생성 방법은 진단을 위해 서로 다른 시퀀스에 따라 촬영되어야 하는 일괄 촬영되어야 하는 다수의 대조도 자기 공명 영상으로 구성되는 다중 대조도 자기 공명 영상 중 적어도 하나의 대조도 자기 공명 영상이 제외된 다수의 대조도 자기 공명 영상을 획득하는 단계; 획득된 다수의 대조도 자기 공명 영상의 패턴을 미리 학습된 패턴 추정 방식에 따라 추정하여, 제외된 대조도 자기 공명 영상에 대응하는 추가 자기 공명 영상을 생성하는 단계; 및 학습을 위해 미리 획득된 다중 대조도 자기 공명 영상 중 제외된 대조도 자기 공명 영상인 학습용 대조도 영상에서 상기 추가 자기 공명 영상의 다수의 픽셀 각각과 동일 위치의 픽셀 및 기지정된 범위의 주변 픽셀들과의 픽셀 강도 차를 계산하고, 계산된 픽셀 강도 차 중 최소 강도 차의 평균으로 계산되는 위치 정렬 오차를 총 손실로 설정하여 학습을 수행하는 단계를 포함한다.A method for generating a multi-contrast MR image according to another embodiment of the present invention for achieving the above object is a multi-contrast MR image composed of a plurality of contrast MR images that must be photographed according to different sequences for diagnosis. Acquiring a plurality of contrast MR images excluding at least one contrast MR image among the diagram MR images; Estimating patterns of a plurality of acquired contrast MR images according to a pre-learned pattern estimation method, and generating additional MR images corresponding to the excluded contrast MR images; And pixels in the same position as each of the plurality of pixels of the additional MR image in the learning contrast image, which is a contrast MR image excluded from the multi-contrast MR image obtained in advance for learning, and surrounding pixels in a predetermined range. And performing learning by calculating a pixel intensity difference between and and setting a positional alignment error calculated as an average of the minimum intensity difference among the calculated pixel intensity differences as a total loss.

따라서, 본 발명의 실시예에 따른 다중 대조도 자기 공명 영상 생성 장치 및 이의 학습 방법은 서로 다른 시퀀스를 이용하여 촬영된 다수의 대조도 자기 공명 영상을 기반으로 촬영되지 않은 새로운 추가 대조도 자기 공명 영상 생성하여, 대조도 자기 공명 영상을 획득하기 위한 촬영 횟수를 줄여 촬영 시간을 획기적으로 단축 시킬 수 있으므로, 촬영 대상자의 편의성을 크게 향상시킬 수 있으며, 촬영 비용을 저감할 수 있다. 또한 추가 대조도 자기 공명 영상 생성 시에 다수의 대조도 자기 공명 영상에 대한 촬영 시간 차 등에 의해 발생되는 다양한 오차를 보완하여 정확한 추가 대조도 자기 공명 영상 생성할 수 있으며, 촬영 시간을 단축하여 촬영 대상자의 움직임으로 인해 발생되는 아티팩트를 줄일 수 있다.Accordingly, the apparatus for generating a multi-contrast MR image and a learning method thereof according to an embodiment of the present invention is a new additional contrast MR image that has not been photographed based on a plurality of contrast MR images captured using different sequences. By generating the contrast, it is possible to significantly shorten the photographing time by reducing the number of photographing for obtaining a contrast magnetic resonance image, thus greatly improving the convenience of the subject to be photographed, and reducing photographing costs. In addition, it is possible to create an accurate additional contrast MR image by compensating for various errors caused by the difference in shooting time of multiple contrast MR images when creating an additional contrast MR image, and shortening the shooting time for the subject to be photographed. Artifacts caused by the movement of can be reduced.

도 1은 본 발명의 일 실시예에 따른 다중 대조도 자기 공명 영상 생성 장치의 개락적 구성을 나타낸다.
도 2는 도 1의 학습부에서 평균 제곱근 오차 계산부가 오차를 계산하는 방법을 설명하기 위한 도면이다.
도 3은 도 1의 학습부에서 위치 정렬 오차 계산부가 오차를 계산하는 방법을 설명하기 위한 도면이다.
도 4는 도 1의 학습부에서 국부 영역 오차 계산부가 오차를 계산하는 방법을 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 다중 대조도 자기 공명 영상 생성 장치의 학습 방법을 나타낸다.
도 6은 본 발명의 학습 방법에 따라 학습된 다중 대조도 자기 공명 영상 생성 장치에서 생성된 추가 대조도 자기 공명 영상의 성능을 손실 함수 구성에 따라 비교하여 나타낸다.1 shows a schematic configuration of an apparatus for generating a multi-contrast MR image according to an embodiment of the present invention.
FIG. 2 is a diagram illustrating a method of calculating an error by a root mean square error calculation unit in the learning unit of FIG. 1.
FIG. 3 is a diagram illustrating a method of calculating an error by a positional alignment error calculation unit in the learning unit of FIG. 1.
FIG. 4 is a diagram illustrating a method of calculating an error by a local region error calculation unit in the learning unit of FIG. 1.
5 illustrates a learning method of an apparatus for generating a multi-contrast MR image according to an embodiment of the present invention.
6 shows the performance of an additional contrast MR image generated by a multi-contrast MR image generating apparatus learned according to the learning method of the present invention by comparing according to a loss function configuration.

본 발명과 본 발명의 동작상의 이점 및 본 발명의 실시에 의하여 달성되는 목적을 충분히 이해하기 위해서는 본 발명의 바람직한 실시예를 예시하는 첨부 도면 및 첨부 도면에 기재된 내용을 참조하여야만 한다. In order to fully understand the present invention, operational advantages of the present invention, and objects achieved by the implementation of the present invention, reference should be made to the accompanying drawings illustrating preferred embodiments of the present invention and the contents described in the accompanying drawings.

이하, 첨부한 도면을 참조하여 본 발명의 바람직한 실시예를 설명함으로써, 본 발명을 상세히 설명한다. 그러나, 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 설명하는 실시예에 한정되는 것이 아니다. 그리고, 본 발명을 명확하게 설명하기 위하여 설명과 관계없는 부분은 생략되며, 도면의 동일한 참조부호는 동일한 부재임을 나타낸다. Hereinafter, the present invention will be described in detail by describing a preferred embodiment of the present invention with reference to the accompanying drawings. However, the present invention may be implemented in various different forms, and is not limited to the described embodiments. In addition, in order to clearly describe the present invention, parts irrelevant to the description are omitted, and the same reference numerals in the drawings indicate the same members.

명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라, 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "...부", "...기", "모듈", "블록" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. Throughout the specification, when a certain part "includes" a certain component, it means that other components may be further included, rather than excluding other components unless specifically stated to the contrary. In addition, terms such as "... unit", "... group", "module", and "block" described in the specification mean a unit that processes at least one function or operation, which is hardware, software, or hardware. And software.

도 1은 본 발명의 일 실시예에 따른 다중 대조도 자기 공명 영상 생성 장치의 개락적 구성을 나타내고, 도 2 내지 4는 각각 도 1의 학습부에서 평균 제곱근 오차 계산부와 위치 정렬 오차 계산부 및 국부 영역 오차 계산부가 오차를 계산하는 방법을 설명하기 위한 도면이다.1 shows a schematic configuration of an apparatus for generating a multi-contrast MR image according to an embodiment of the present invention, and FIGS. 2 to 4 are respectively a root mean square error calculation unit and a position alignment error calculation unit in the learning unit of FIG. A diagram for explaining a method of calculating an error by a local area error calculation unit.

도 1을 참조하면, 본 실시예에 따른 다중 대조도 자기 공명 영상 생성 장치는 다중 대조도 자기 공명 영상 획득부(110), 대조도 영상 생성부(120) 및 학습부(130)를 포함할 수 있다.Referring to FIG. 1, the apparatus for generating a multi-contrast MR image according to the present embodiment may include a multi-contrast MR image acquisition unit 110, a contrast image generator 120, and a learning unit 130. have.

다중 대조도 자기 공명 영상 획득부(110)는 자기 공명 영상 장치(이하 MRI 장치)로 구현되어 기지정된 다양한 시퀀스를 이용하여 획득한 다수의 대조도 자기 공명 영상을 획득할 수 있다. 그러나 다중 대조도 자기 공명 영상 획득부(110)는 별도의 MRI 장치가 획득한 다수의 대조도 자기 공명 영상을 인가받는 통신 장치 또는 MRI 장치가 이전 획득한 다수의 대조도 자기 공명 영상 이 저장된 저장 장치로 구현될 수도 있다.The multi-contrast MR image acquisition unit 110 may be implemented as a MR imaging apparatus (hereinafter referred to as an MRI apparatus) to obtain a plurality of contrast MR images obtained using various predetermined sequences. However, the multi-contrast MR image acquisition unit 110 is a communication device that receives multiple contrast MR images acquired by a separate MRI device or a storage device in which multiple contrast MR images previously acquired by the MRI device are stored. It can also be implemented as

MRI 장치는 상기한 바와 같이 판독 목적에 따라 다수의 대조도 자기 공명 영상을 획득할 수 있으며, 스핀 에코 시퀀스, 그라디언트 에코 시퀀스 등에 기초하여 T1 가중(T1-weighted) 영상, T2 가중 영상(T2-weighted) 및 그라디언트(이하 GRE) 영상을 획득할 수 있다. 그리고 추가 시퀀스를 통해 CHESS 영상, STIR 영상 및 SPAIR 등을 더 획득할 수 있다.As described above, the MRI apparatus can acquire a plurality of contrast MR images according to the purpose of reading, and based on a spin echo sequence, a gradient echo sequence, etc., a T1-weighted image and a T2-weighted image ) And gradient (hereinafter, referred to as GRE) images can be obtained. In addition, a CHESS image, a STIR image, and a SPAIR may be further acquired through an additional sequence.

본 실시예에서는 일예로 다중 대조도 자기 공명 영상 생성 장치가 무릎 관절을 진단하기 위해 이용되는 것으로 가정하여 설명한다.In the present embodiment, as an example, it is assumed that an apparatus for generating a multi-contrast magnetic resonance image is used to diagnose a knee joint.

일반적으로 무릎과 같은 관절, 특히 연골의 상태를 진단하고자 하는 경우에는 대조도 자기 공명 영상으로 주로 GRE 영상과 T1 가중 영상, T2 가중 영상 및 STIR 영상이 함께 이용된다. 이 경우, 기존의 MRI 장치는 GRE 영상과 T1 가중 영상, T2 가중 영상 및 STIR 영상을 각각 획득해야 하며, 이를 위해 최소 4번의 촬영을 요구하였다.In general, in the case of diagnosing the condition of joints such as knees, especially cartilage, a contrast magnetic resonance image is mainly used together with a GRE image, a T1 weighted image, a T2 weighted image, and a STIR image. In this case, the conventional MRI apparatus must acquire a GRE image, a T1-weighted image, a T2-weighted image, and a STIR image, respectively, and for this, a minimum of four imaging was required.

그러나 본 실시예에 따른 다중 대조도 자기 공명 영상 생성 장치는 이미 획득된 다른 종류의 대조도 자기 공명 영상을 기반으로 진단에 요구되는 나머지 대조도 자기 공명 영상을 추가로 생성할 수 있다.However, the apparatus for generating a multi-contrast MR image according to the present embodiment may additionally generate the remaining contrast MR images required for diagnosis based on another type of contrast MR image that has already been obtained.

여기서는 일예로 다중 대조도 자기 공명 영상 생성 장치가 GRE 영상과 T1 가중 영상, T2 가중 영상 및 STIR 영상의 4가지 대조도 자기 공명 영상 중 GRE 영상, T1 가중 영상 및 T2 가중 영상의 3가지 대조도 자기 공명 영상을 이용하여 나머지 대조도 자기 공명 영상인 STIR 영상을 추가로 생성하는 것으로 가정하여 설명한다. Here, as an example, the multi-contrast MR image generating device is the four contrast MR images of the GRE image, the T1 weighted image, the T2 weighted image, and the STIR image, and the three contrasts of the GRE image, the T1 weighted image and the T2 weighted image are magnetic. The description will be made on the assumption that the STIR image, which is a magnetic resonance image, is additionally generated for the rest of the contrast using the resonance image.

이에 도 1에서는 일예로 다중 대조도 자기 공명 영상 획득부(110)가 GRE 영상을 획득하는 GRE 영상 획득부(111), T1 가중 영상을 획득하는 T1 가중 영상 획득부(112) 및 T2 가중 영상을 획득하는 T2 가중 영상 획득부(113)를 포함하는 것으로 도시하였다.Accordingly, in FIG. 1, as an example, the multi-contrast magnetic resonance image acquisition unit 110 obtains a GRE image acquisition unit 111 that acquires a GRE image, a T1 weighted image acquisition unit 112 that acquires a T1 weighted image, and a T2 weighted image. It is illustrated as including the T2 weighted image acquisition unit 113 to be acquired.

이는 설명의 편의를 위한 일예로서 본 실시예에 따른 다중 대조도 자기 공명 영상 생성 장치는 STIR 영상이 아닌 GRE 영상, T1 가중 영상 및 T2 가중 영상을 추가로 생성하도록 학습될 수도 있다. 그리고 다중 대조도 자기 공명 영상 획득부(110)가 MRI 장치로 구현되는 경우, GRE 영상 획득부(111), T1 가중 영상 획득부(112) 및 T2 가중 영상 획득부(113) 등으로 구분되지 않고, MRI 장치가 기지정된 순서에 따라 GRE 영상, T1 가중 영상 및 T2 가중 영상을 순차적으로 획득할 수도 있다.This is an example for convenience of explanation, and the apparatus for generating a multi-contrast MR image according to the present embodiment may be trained to additionally generate a GRE image, a T1-weighted image, and a T2-weighted image, not STIR images. In addition, when the multi-contrast magnetic resonance image acquisition unit 110 is implemented as an MRI device, it is not divided into a GRE image acquisition unit 111, a T1 weighted image acquisition unit 112, and a T2 weighted image acquisition unit 113, etc. , The MRI apparatus may sequentially acquire a GRE image, a T1 weighted image, and a T2 weighted image according to a predetermined order.

그러나 다중 대조도 자기 공명 영상 획득부(110)가 GRE 영상, T1 가중 영상 및 T2 가중 영상을 이용하여 STIR 영상을 획득하는 것은 상기한 바와 같이 무릎 관절에 대한 진단을 수행하는 것이 판독 목적인 경우를 가정한 것에 따른 일예일 뿐으로, 본 실시예에 따른 다중 대조도 자기 공명 영상 생성 장치는 판독 목적에 따라 GRE 영상, T1 가중 영상, T2 가중 영상 및 STIR 영상 이외의 CHESS 영상 및 SPAIR와 같은 다른 대조도 자기 공명 영상을 이용하여 요구되는 추가의 대조도 자기 공명 영상을 생성하도록 학습될 수도 있다.However, when the multi-contrast magnetic resonance image acquisition unit 110 acquires a STIR image using a GRE image, a T1 weighted image, and a T2 weighted image, it is assumed that the purpose of reading is to perform diagnosis on the knee joint as described above. As an example only, the apparatus for generating a multi-contrast magnetic resonance image according to the present exemplary embodiment also has other contrasts such as CHESS images other than GRE images, T1-weighted images, T2-weighted images, and STIR images, and SPAIR, depending on the purpose of reading. The additional contrast required using the resonant image may also be learned to generate the MR image.

즉 본 실시예에 따른 다중 대조도 자기 공명 영상 생성 장치는 진단을 위해 요구되는 서로 다른 종류의 다수의 대조도 자기 공명 영상 중 적어도 하나를 이전 획득된 다른 대조도 자기 공명 영상을 이용하여 생성함으로써, MRI가 획득해야 하는 대조도 자기 공명 영상의 종류를 줄일 수 있다. 따라서 MRI가 진단에 요구되는 대조도 자기 공명 영상 중 하나 또는 그 이상의 대조도 자기 공명 영상을 획득하지 않아도 되어, MRI 장치의 촬영 횟수를 줄여 촬영 시간을 획기적으로 줄이고 환자의 불편함을 저감할 수 있도록 한다.That is, the apparatus for generating a multi-contrast MR image according to the present embodiment generates at least one of a plurality of different types of contrast MR images required for diagnosis by using a previously acquired different contrast MR image, The contrast that MRI must acquire can also reduce the type of magnetic resonance imaging. Therefore, MRI does not need to acquire one or more of the contrast or MR images required for diagnosis, so that the number of times of the MRI device is reduced, significantly reducing the imaging time and reducing patient discomfort. do.

본 실시예에서 다중 대조도 자기 공명 영상 생성 장치가 GRE 영상, T1 가중 영상 및 T2 가중 영상을 이용하여 STIR 영상을 생성하는 것으로 가정하였으므로, 다중 대조도 자기 공명 영상 획득부(110)는 요구되는 대조도 자기 공명 영상 중 GRE 영상, T1 가중 영상 및 T2 가중 영상을 획득한다.In this embodiment, it is assumed that the multi-contrast MR image generating apparatus generates a STIR image using a GRE image, a T1-weighted image, and a T2-weighted image, so the multi-contrast MR image acquisition unit 110 is required Among the magnetic resonance images, a GRE image, a T1 weighted image, and a T2 weighted image are acquired.

대조도 영상 생성부(120)는 인공 신경망(artificial neural network)으로 구현될 수 있으며, 일예로 영상 패턴 분석에서 우수한 컨볼루션 신경망(Convolution Neural Network: 이하 CNN)으로 구현될 수 있다.The contrast image generator 120 may be implemented as an artificial neural network, and as an example, may be implemented as an excellent convolutional neural network (CNN) in image pattern analysis.

대조도 영상 생성부(120)는 다중 대조도 자기 공명 영상 획득부(110)에서 획득된 서로 다른 다수의 대조도 자기 공명 영상(여기서는 일예로 GRE 영상, T1 가중 영상 및 T2 가중 영상)을 입력으로 인가받고, 이전 학습된 패턴 추정 방식에 따라 다수의 대조도 자기 공명 영상의 패턴을 추정하여 추가 대조도 자기 공명 영상(여기서는 일예로 STIR 영상)을 생성한다.The contrast image generation unit 120 inputs a plurality of different contrast MR images (here, as an example, a GRE image, a T1 weighted image, and a T2 weighted image) acquired by the multi-contrast MR image acquisition unit 110. An additional contrast MR image (here, as an example, a STIR image) is generated by estimating patterns of a plurality of contrast MR images according to the approved, previously learned pattern estimation method.

CNN과 같은 인공 신경망으로 구현되는 대조도 영상 생성부(120)는 입력된 서로 다른 다수의 대조도 자기 공명 영상 각각의 특징을 추출하여 특징맵을 획득하고, 획득된 특징맵을 결합하여 추가 대조도 자기 공명 영상을 생성할 수 있다.The contrast image generator 120 implemented with an artificial neural network such as a CNN extracts features of each of the inputted multiple contrast MR images to obtain a feature map, and combines the acquired feature maps to obtain an additional contrast level. Magnetic resonance images can be generated.

그리고 경우에 따라서는 다중 대조도 자기 공명 영상 획득부(110)에서 획득된 서로 다른 다수의 대조도 자기 공명 영상을 미리 기지정된 방식으로 결합하여 다중 대조도 공명 영상을 획득하고, 획득된 다중 대조도 공명 영상의 특징을 추출하여 추가 대조도 자기 공명 영상을 생성할 수도 있다.And in some cases, multiple contrast MR images obtained by the multi-contrast MR image acquisition unit 110 are combined in a predetermined manner to obtain a multi-contrast resonance image, and the obtained multiple contrast MR images are combined. An additional contrast MR image may be generated by extracting features of the resonance image.

다만 인공 신경망으로 구현되는 대조도 영상 생성부(120)가 요구되는 추가 대조도 자기 공명 영상(여기서는 일예로 STIR 영상)을 정확하게 생성할 수 있도록 하기 위해서는 미리 학습이 수행되어야만 한다.However, in order for the contrast image generator 120 implemented with an artificial neural network to accurately generate the required additional contrast magnetic resonance image (here, for example, a STIR image), learning must be performed in advance.

이에 본 실시예에 따른 다중 대조도 자기 공명 영상 생성 장치는 대조도 영상 생성부(120)가 정확한 추가 대조도 자기 공명 영상(여기서는 일예로 STIR 영상)을 생성할 수 있도록 학습시키기 위한 학습부(130)를 더 포함한다.Accordingly, the multi-contrast MR image generating apparatus according to the present embodiment is a learning unit 130 for learning so that the contrast image generating unit 120 can generate an accurate additional contrast MR image (here, as an example, a STIR image). ).

학습부(130)는 대조도 영상 생성부(120)를 학습시키기 위해서만 이용되는 구성으로, 다중 대조도 자기 공명 영상 생성 장치가 실제로 이용되는 경우에는 제거될 수 있다.The learning unit 130 is a configuration used only to learn the contrast image generation unit 120, and may be removed when the multi-contrast MR image generation device is actually used.

학습부(130)는 대조도 영상 생성부(120)에서 생성된 추가 대조도 자기 공명 영상과 추가 대조도 영상과 동일한 종류의 대조도 영상으로 MRI 장치에서 촬영되어 학습 영상 데이터 베이스에 미리 저장된 학습용 대조도 자기 공명 영상을 비교하여 기지정 방식으로 오차를 계산하고, 계산된 오차에 따라 추가 자기 공명 영상 생성 시에 발생된 손실을 대조도 영상 생성부(120)로 역전파함으로써, 대조도 영상 생성부(120)를 학습시킨다.The learning unit 130 is an additional contrast magnetic resonance image generated by the contrast image generator 120 and a contrast image of the same type as the additional contrast image, which is captured by an MRI device and stored in advance in the learning image database. By comparing the magnetic resonance images of the degree to calculate the error in a known method, and backpropagating the loss generated when generating the additional magnetic resonance image according to the calculated error to the contrast image generating unit 120, the contrast image generating unit Learn (120).

학습부(130)는 평균 제곱근 오차 계산부(131), 위치 정렬 오차 계산부(132), 국부 영역 오차 계산부(133) 및 손실 역전파부(134)를 포함할 수 있다. 이는 본 실시예에서 학습부(130)가 단순히 추가 대조도 자기 공명 영상과 학습용 대조도 자기 공명 영상 사이의 픽셀 값의 차이를 비교하는 것뿐만 아니라, 다중 대조도 자기 공명 영상 획득부(110)에서 획득된 서로 다른 다수의 대조도 자기 공명 영상이 촬영되는 시간 차나 다양한 요인에 의한 오차를 고려하여, 다중 대조도 자기 공명 영상 생성 장치가 최적화된 추가 대조도 자기 공명 영상을 생성할 수 있도록 하기 위함이다.The learning unit 130 may include a root mean square error calculation unit 131, a position alignment error calculation unit 132, a local region error calculation unit 133, and a loss backpropagation unit 134. In this embodiment, the learning unit 130 not only compares the difference in pixel values between the additional contrast MR image and the learning contrast MR image, but also in the multi-contrast MR image acquisition unit 110 This is to enable the multi-contrast MR image generation device to generate an optimized additional contrast MR image by taking into account the time difference at which the acquired multiple contrast MR images are captured or errors due to various factors. .

평균 제곱근 오차 계산부(131)는 추가 대조도 자기 공명 영상과 학습용 대조도 자기 공명 영상에서 대응하는 픽셀 사이의 픽셀값의 차이에 따른 평균 제곱근 오차(Mean Square Error: MSE)를 계산한다.The root mean square error calculation unit 131 calculates a mean square error (MSE) according to a difference in pixel values between corresponding pixels in the additional contrast MR image and the learning contrast MR image.

평균 제곱근 오차 계산부(131)는 도 2에 도시된 바와 같이, 추가 대조도 자기 공명 영상과 학습용 대조도 자기 공명 영상에서 동일 위치의 픽셀 사이의 픽셀 값들 사이의 차의 제곱을 계산하고, 계산된 각 픽셀값의 차의 평균을 평균 제곱근 오차로 획득한다. 평균 제곱근 오차는 수학식 1로 계산될 수 있다.As shown in FIG. 2, the root mean square error calculation unit 131 calculates the square of the difference between pixel values between pixels at the same location in the additional contrast MR image and the learning contrast MR image, and the calculated The average of the difference between each pixel value is obtained as the root mean square error. The root mean square error can be calculated by Equation 1.

Figure 112019104117222-pat00001
Figure 112019104117222-pat00001

(여기서 c1은 MSE 오차를 계산하기 위한 손실 함수이고, ISTIR은 추가 대조도 자기 공명 영상을 나타내며,

Figure 112019104117222-pat00002
은 학습용 대조도 자기 공명 영상을 나타낸다. 그리고 w 및 h는 추가 대조도 자기 공명 영상(또는 학습용 대조도 자기 공명 영상)의 크기를 나타낸다.)(Where c 1 is the loss function for calculating the MSE error, I STIR is the additional contrast MR image,
Figure 112019104117222-pat00002
Represents the contrast magnetic resonance image for learning. And w and h denote the size of the additional contrast MR image (or the learning contrast MR image).)

도 2 내지 도 4에서 Output는 대조도 영상 생성부(120)에서 출력된 추가 대조도 자기 공명 영상(ISTIR)이고, Label는 학습용 대조도 자기 공명 영상(

Figure 112019104117222-pat00003
)이며, Difference는 각 픽셀별로 계산된 오차를 나타낸다.In FIGS. 2 to 4, Output is an additional contrast magnetic resonance image (I STIR ) output from the contrast image generator 120, and Label is a contrast magnetic resonance image for learning (
Figure 112019104117222-pat00003
), and Difference represents the calculated error for each pixel.

MSE 오차는 두개의 영상 사이의 차이를 분석하기 위해 이용되는 가장 일반적인 오차이다. 그러나 이러한 MSE 오차는 다수의 대조도 자기 공명 영상이 촬영되는 시간 차 등에 의해 발생되는 위치 변화에 의한 오차를 반영할 수 없다. 상기한 바와 같이, 다중 대조도 자기 공명 영상은 한번에 동시에 촬영되지 않고, 각각 지정된 시퀀스에 따라 순차적으로 촬영된다. 따라서 피촬영자에게 가능한 움직이지 않도록 요구하지만, 촬영 시간이 길어질수록 움직임이 발생될 수 밖에 없다. 또한 피촬영자가 움직이지 않더라도, 호흡 및 혈관의 변화 등으로 인한 작은 움직임은 피촬영자가 자신의 의지로 조절할 수 없을 뿐만 아니라, 기존의 보정 알고리즘으로도 보정되지 않는다. 즉 다수의 대조도 자기 공명 영상 사이에 위치 정렬 오차가 발생된다.The MSE error is the most common error used to analyze the difference between two images. However, this MSE error cannot reflect an error due to a change in position caused by a time difference at which a plurality of contrasts are taken. As described above, multi-contrast magnetic resonance images are not captured simultaneously, but are captured sequentially according to a designated sequence. Therefore, although the subject is asked not to move as much as possible, the motion inevitably occurs as the recording time increases. In addition, even if the person to be photographed does not move, small movements due to changes in breathing and blood vessels, etc. cannot be adjusted by the person to be photographed at their will, and are not corrected by the existing correction algorithm. That is, a positional alignment error occurs between multiple contrasted magnetic resonance images.

이에 위치 정렬 오차 계산부(132)는 도 3에 도시된 바와 같이, 추가 대조도 자기 공명 영상의 픽셀 각각에 대해 학습용 대조도 자기 공명 영상에서 동일 위치의 픽셀을 중심으로 기지정된 범위의 주변 픽셀들 사이의 픽셀 강도를 비교하여, 최소가 되는 픽셀 강도 차이의 평균을 계산하여 위치 정렬 오차로 획득한다. 위치 정렬 오차는 수학식 2에 따라 계산될 수 있다.Accordingly, as shown in FIG. 3, the positional alignment error calculation unit 132 includes surrounding pixels in a predetermined range centering on the pixel at the same position in the learning contrast MR image for each pixel of the additional contrast MR image. By comparing the pixel intensities between, the average of the difference in pixel intensities to be minimum is calculated and obtained as a positional alignment error. The positional alignment error may be calculated according to Equation 2.

Figure 112019104117222-pat00004
Figure 112019104117222-pat00004

(여기서 c2은 위치 정렬 오차를 계산하기 위한 손실 함수이다.)(Here, c 2 is a loss function for calculating the positional alignment error.)

한편 상기한 바와 같이, 평균 제곱근 오차 계산부(131)는 추가 대조도 자기 공명 영상과 학습용 대조도 자기 공명 영상 사이의 픽셀간 비교를 수행한다. 그러나 이러한 픽셀간 비교는 위치 정렬 오차 등으로 인해 정확도가 낮게 나타날 수 있으며, 이에 국부 영역별 비교가 두개의 대조도 자기 공명 영상 사이의 차이를 더욱 정확하게 표현할 수도 있다.Meanwhile, as described above, the root mean square error calculation unit 131 performs an inter-pixel comparison between the additional contrast MR image and the learning contrast MR image. However, such a comparison between pixels may have low accuracy due to a positional alignment error, and thus, the comparison by local region may more accurately express the difference between the two contrast MR images.

이에 국부 영역 오차 계산부(133)는 도 4에 도시된 바와 같이, 추가 대조도 자기 공명 영상의 국부 영역과 학습용 대조도 자기 공명 영상에서 대응하는 영역 사이의 평균 및 편차 제곱근 오차(Mean and Variational error)를 계산한다. 국부 영역 평균 및 편차 제곱근 오차는 수학식 2에 따라 계산될 수 있다.Accordingly, the local region error calculation unit 133, as shown in FIG. 4, is a mean and variational error between the local region of the additional contrast MR image and the corresponding region of the learning contrast MR image. ) Is calculated. The local area mean and the square root deviation error may be calculated according to Equation 2.

Figure 112019104117222-pat00005
Figure 112019104117222-pat00005

(여기서 c3는 국부 영역 평균 및 편차 제곱근 오차를 계산하기 위한 손실 함수이다.)(Where c 3 is a loss function for calculating the local area mean and square root deviation error.)

손실 역전파부(134)는 평균 제곱근 오차 계산부(131), 위치 정렬 오차 계산부(132) 및 국부 영역 오차 계산부(133) 각각에서 계산된 평균 제곱근 오차와 위치 정렬 오차 및 국부 영역 평균 및 편차 제곱근 오차를 모두 더하여 총 손실을 계산하고, 계산된 총 손실을 대조도 영상 생성부(120)로 역전파하여 대조도 영상 생성부(120)를 학습시킨다.The lossy backpropagation unit 134 is the root mean square error calculated by the root mean square error calculation unit 131, the position alignment error calculation unit 132, and the local region error calculation unit 133, respectively, and the position alignment error and the local region average and deviation. The total loss is calculated by adding all square root errors, and the calculated total loss is backpropagated to the contrast image generator 120 to train the contrast image generator 120.

손실 역전파부(134)는 총 손실을 계산할 때, 평균 제곱근 오차 계산부(131), 위치 정렬 오차 계산부(132) 및 국부 영역 오차 계산부(133) 각각에 대해 기지정된 가중치를 더 가중할 수 있다.When calculating the total loss, the loss backpropagation unit 134 may further weight a predetermined weight for each of the root mean square error calculation unit 131, the position alignment error calculation unit 132, and the local region error calculation unit 133. have.

한편 학습부(130)는 추가 대조도 자기 공명 영상과 학습용 대조도 자기 공명 영상 사이에서 계산된 총 손실이 기지정된 기준 손실 이하가 되거나 기지정된 횟수까지 반복적으로 학습을 수행할 수 있다.Meanwhile, the learning unit 130 may perform learning repeatedly until a total loss calculated between the additional contrast MR image and the learning contrast MR image becomes equal to or less than a predetermined reference loss or up to a predetermined number of times.

학습 영상 데이터베이스(200)는 학습을 위한 다수의 다중 대조도 자기 공명 영상과 대응하는 다수의 학습용 대조도 자기 공명 영상이 저장되고, 다중 대조도 자기 공명 영상 생성 장치의 학습시에 다중 대조도 자기 공명 영상을 다중 대조도 자기 공명 영상 획득부(110)에 제공하고, 대응하는 학습용 대조도 자기 공명 영상을 학습부(130)로 제공할 수 있다.The learning image database 200 stores a plurality of multi-contrast MR images for learning and a plurality of corresponding MR images for learning, and when the multi-contrast MR image generating apparatus learns, the multi-contrast MR images An image may be provided to the multi-contrast MR image acquisition unit 110 and a corresponding learning contrast MR image may be provided to the learning unit 130.

여기서 학습 영상 데이터베이스(200)가 제공하는 다중 대조도 자기 공명 영상과 대응하는 학습용 대조도 자기 공명 영상은 동일한 피촬영자에 대해 동일한 MRI 장치에서 일괄적으로 촬영된 대조도 자기 공명 영상을 의미한다. 즉 학습 영상 데이터베이스(200)는 다중 대조도 자기 공명 영상과 다중 대조도 자기 공명 영상으로부터 생성되어야 하는 추가 대조도 자기 공명 영상이 실제로 MRI 장치에서 촬영된 대조도 자기 공명 영상을 학습용 대조도 자기 공명 영상으로서 학습부(130)에 제공한다.Here, the multi-contrast MR image and the corresponding learning-contrast MR image provided by the learning image database 200 refer to a contrast MR image that is collectively photographed by the same MRI device for the same subject. That is, the learning image database 200 includes a multi-contrast MR image and an additional contrast MR image that must be generated from a multi-contrast MR image. As provided to the learning unit 130.

도 5는 본 발명의 일 실시예에 따른 다중 대조도 자기 공명 영상 생성 장치의 학습 방법을 나타낸다.5 illustrates a learning method of an apparatus for generating a multi-contrast MR image according to an embodiment of the present invention.

도 1 내지 도 4를 참조하여, 도 5의 다중 대조도 자기 공명 영상 생성 장치의 학습 방법을 설명하면, 우선 다중 대조도 자기 공명 영상 획득부(110)가 다수의 서로 다른 종류의 대조도 자기 공명 영상으로 구성되는 다중 대조도 자기 공명 영상을 획득한다(S11). 이때, 학습부(130)는 다중 대조도 자기 공명 영상에 대응하는 학습용 대조도 자기 공명 영상을 함께 획득할 수 있다.Referring to FIGS. 1 to 4, when the learning method of the apparatus for generating a multi-contrast MR image of FIG. 5 is described, first, the multi-contrast MR image acquisition unit 110 has a plurality of different types of contrast MR. A multi-contrast magnetic resonance image composed of an image is obtained (S11). In this case, the learning unit 130 may also acquire a learning contrast MR image corresponding to the multiple contrast MR image.

여기서 다중 대조도 자기 공명 영상과 학습용 대조도 자기 공명 영상은 동일한 피촬영자에 대해 동일한 MRI 장치에서 일괄적으로 촬영된 대조도 자기 공명 영상이고, 학습용 대조도 자기 공명 영상은 다중 대조도 자기 공명 영상 생성 장치가 다중 대조도 자기 공명 영상으로부터 추가로 생성해야 하는 추가 대조도 자기 공명 영상과 동일한 종류의 대조도 자기 공명 영상이다.Here, the multi-contrast MR image and the learning-contrast MR image are contrast MR images collectively captured by the same MRI device for the same subject, and the learning contrast MR image generates a multi-contrast MR image. This is the same kind of contrast MR image as the additional contrast MR image that the device must additionally generate from the multi-contrast MR image.

다중 대조도 자기 공명 영상이 획득되면, 대조도 영상 생성부(120)가 미리 학습된 패턴 추정 방식에 따라 다중 대조도 자기 공명 영상의 패턴을 추정하여 추가 다중 대조도 자기 공명 영상을 생성한다(S12).When the multi-contrast MR image is acquired, the contrast image generator 120 estimates a pattern of the multi-contrast MR image according to a previously learned pattern estimation method to generate an additional multi-contrast MR image (S12). ).

추가 다중 대조도 자기 공명 영상이 생성되면, 학습부(130)는 추가 다중 대조도 자기 공명 영상과 학습용 대조도 자기 공명 영상에서 동일 위치의 픽셀 간의 픽셀값 차이의 평균으로 평균 제곱근 오차를 계산한다(S13).When an additional multi-contrast MR image is generated, the learning unit 130 calculates a root mean square error as an average of the difference in pixel values between pixels at the same location in the additional multi-contrast MR image and the learning contrast MR image ( S13).

그리고 추가 대조도 자기 공명 영상의 픽셀 각각에 대해 학습용 대조도 자기 공명 영상에서 동일 위치의 픽셀을 중심으로 기지정된 범위의 주변 픽셀들 사이 중 최소가 되는 픽셀 강도 차이의 평균으로 위치 정렬 오차를 계산한다(S14).And, for each pixel of the additional contrast MR image, the positional alignment error is calculated as the average of the minimum pixel intensity difference among surrounding pixels in a predetermined range centering on the pixel at the same position in the learning contrast MR image. (S14).

이와 함께 추가 대조도 자기 공명 영상의 국부 영역과 학습용 대조도 자기 공명 영상에서 대응하는 영역 사이의 국부 영역 평균 및 편차 제곱근 오차를 계산한다(S15).In addition, an average and a square root of deviation error between the local region of the additional contrast MR image and the corresponding region of the learning contrast MR image are calculated (S15).

도 5에서는 편의를 위하여 평균 제곱근 오차와 위치 정렬 오차 및 국부 영역 평균 및 편차 제곱근 오차가 순차적으로 계산되는 것으로 도시하였으나, 평균 제곱근 오차와 위치 정렬 오차 및 국부 영역 평균 및 편차 제곱근 오차는 병렬로 계산될 수 있으며, 다른 순서에 따라 계산되어도 무방하다.In FIG. 5, for convenience, the root mean square error, the position alignment error, the local area mean and the square root deviation error are sequentially calculated, but the root mean square error, the position alignment error, and the local area mean and the square root deviation error are calculated in parallel. It can be done, and it can be calculated in a different order.

한편, 평균 제곱근 오차와 위치 정렬 오차 및 국부 영역 평균 및 편차 제곱근 오차가 계산되면, 계산된 평균 제곱근 오차와 위치 정렬 오차 및 국부 영역 평균 및 편차 제곱근 오차를 기지정된 방식으로 더하여 총 손실을 계산한다(S16).On the other hand, when the root mean square error, position alignment error, and local area mean and square root deviation error are calculated, the total loss is calculated by adding the calculated root mean square error, position alignment error, and local area mean and square root deviation error in a known manner ( S16).

그리고 계산된 총 손실을 대조도 영상 생성부(120)로 역전파함으로써, 대조도 영상 생성부(120)를 학습시킨다.Then, by backpropagating the calculated total loss to the contrast image generator 120, the contrast image generator 120 is trained.

여기서 다중 대조도 자기 공명 영상 생성 장치의 학습은 다수의 학습용 대조도 자기 공명 영상 각각에 대해 총 손실이 기지정된 기준 손실 이하가 되거나 기지정된 횟수만큼 반복 수행될 수 있다.Here, in the learning of the multi-contrast MR image generating apparatus, the total loss for each of the plurality of learning-contrast MR images may be equal to or less than a predetermined reference loss, or may be repeatedly performed a predetermined number of times.

도 6은 본 발명의 학습 방법에 따라 학습된 다중 대조도 자기 공명 영상 생성 장치에서 생성된 추가 대조도 자기 공명 영상의 성능을 비교하여 나타낸다.FIG. 6 shows by comparing the performance of an additional contrast MR image generated by an apparatus for generating a multi-contrast MR image learned according to the learning method of the present invention.

도 6에서 (a)는 실제 MRI 장치를 이용하여 촬영된 학습용 대조도 자기 공명 영상의 일예로 STIR 영상을 나타내고, (b) 내지 (e)는 각각 총 손실에 포함되는 손실 함수에 따라 다중 대조도 자기 공명 영상 생성 장치가 서로 다르게 학습된 경우에 생성되는 추가 대조도 자기 공명 영상을 나타낸다.In FIG. 6, (a) shows an STIR image as an example of a contrast magnetic resonance image for learning taken using an actual MRI device, and (b) to (e) are multi-contrast degrees according to the loss function included in the total loss, respectively. An additional contrast generated when the magnetic resonance image generating apparatuses are trained differently represents a magnetic resonance image.

도 6에서 (b)는 수학식 1의 손실 함수(c1)에 따라 획득되는 평균 제곱근 오차만을 총 손실에 포함시켜 학습된 경우에 생성되는 추가 대조도 자기 공명 영상을 나타내고, (c)는 평균 제곱근 오차와 수학식 2의 손실 함수(c2)에 따라 획득되는 위치 정렬 오차를 총 손실에 포함시켜 학습된 경우에 생성되는 추가 대조도 자기 공명 영상을 나타내며, (d)는 평균 제곱근 오차와 수학식 3의 손실 함수(c3)에 따라 획득되는 국부 영역 평균 및 편차 제곱근 오차를 총 손실에 포함시켜 학습된 경우에 생성되는 추가 대조도 자기 공명 영상을 나타낸다.In FIG. 6, (b) shows an additional contrast MR image generated when learning by including only the root mean square error obtained according to the loss function (c 1) of Equation 1 in the total loss, and (c) is an average The square root error and the positional alignment error obtained according to the loss function (c 2 ) of Equation 2 are included in the total loss to represent an additional contrast MR image generated when learning, (d) is the root mean square error and mathematics. An additional contrast generated when learning is performed by including the local area mean and the square root deviation error obtained according to the loss function (c 3) of Equation 3 in the total loss.

마지막으로 (e)는 본 발명의 실시예에 따라 평균 제곱근 오차와 위치 정렬 오차 및 국부 영역 평균 및 편차 제곱근 오차를 모두 총 손실에 포함시켜 학습된 경우에 생성되는 추가 대조도 자기 공명 영상을 나타낸다.Finally, (e) shows an additional contrast MR image generated when learning is performed by including all of the root mean square error, the positional alignment error, and the local area mean and square root deviation errors in the total loss according to an embodiment of the present invention.

도 6의 (b) 내지 (d)의 추가 대조도 자기 공명 영상을 (e)의 추가 대조도 자기 공명 영상과 비교하면, 본 실시예에 다른 (e)의 추가 대조도 자기 공명 영상이 (a)에 도시된 학습용 대조도 자기 공명 영상과 가장 유사하게 획득됨을 알 수 있다. 즉 MRI 장치를 이용하여 실제 촬영하지 않더라도, 다수의 다른 종류의 대조도 자기 공명 영상으로부터 요구되는 추가 대조도 자기 공명 영상을 정확하게 생성할 수 있다. 따라서 MRI 촬영 시간을 획기적으로 줄여 피촬영자의 불편을 줄일 수 있다.Comparing the additional contrast MR images of FIGS. 6B to 6D with the additional contrast MR images of (e), the additional contrast MR images of (e) different from the present embodiment (a) It can be seen that the contrast for learning shown in) is obtained most similarly to the magnetic resonance image. That is, even if an MRI apparatus is not used to actually take an image, it is possible to accurately generate a MR image with additional contrast required from a number of different types of contrast MR images. Therefore, it is possible to drastically reduce the MRI scan time to reduce the discomfort of the subject.

상기에서는 학습부(130)가 평균 제곱근 오차와 위치 정렬 오차 및 국부 영역 평균 및 편차 제곱근 오차를 모두 총 손실에 포함시키는 것으로 설명하였으나, 경우에 따라서는 위치 정렬 오차만을 총 손실에 포함시켜 학습을 수행하거나, 평균 제곱근 오차 또는 국부 영역 평균 및 편차 제곱근 오차 중 하나와 위치 정렬 오차를 총 손실에 포함하여 학습을 수행할 수도 있다.In the above, it has been described that the learning unit 130 includes all the root mean square error, position alignment error, and local area mean and square root deviation error in the total loss, but in some cases, only the position alignment error is included in the total loss to perform learning. Alternatively, learning may be performed by including one of the root mean square error or the local region mean and square root deviation errors, and the position alignment error as the total loss.

본 발명에 따른 방법은 컴퓨터에서 실행시키기 위한 매체에 저장된 컴퓨터 프로그램으로 구현될 수 있다. 여기서 컴퓨터 판독가능 매체는 컴퓨터에 의해 액세스 될 수 있는 임의의 가용 매체일 수 있고, 또한 컴퓨터 저장 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함하며, ROM(판독 전용 메모리), RAM(랜덤 액세스 메모리), CD(컴팩트 디스크)-ROM, DVD(디지털 비디오 디스크)-ROM, 자기 테이프, 플로피 디스크, 광데이터 저장장치 등을 포함할 수 있다.The method according to the present invention can be implemented as a computer program stored in a medium for execution on a computer. Here, the computer-readable medium may be any available medium that can be accessed by a computer, and may also include all computer storage media. Computer storage media includes both volatile and nonvolatile, removable and non-removable media implemented in any method or technology for storage of information such as computer readable instructions, data structures, program modules or other data, and ROM (Read Dedicated memory), RAM (random access memory), CD (compact disk)-ROM, DVD (digital video disk)-ROM, magnetic tape, floppy disk, optical data storage device, and the like.

본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다.The present invention has been described with reference to the embodiments shown in the drawings, but these are merely exemplary, and those of ordinary skill in the art will understand that various modifications and equivalent other embodiments are possible therefrom.

따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 청구범위의 기술적 사상에 의해 정해져야 할 것이다.Therefore, the true technical protection scope of the present invention should be determined by the technical spirit of the appended claims.

110: 다중 대조도 자기 공명 영상 획득부
120: 대조도 영상 생성부
130: 학습부
131: 평균 제곱근 오차 계산부
132: 위치 정렬 오차 계산부
133: 국부 영역 오차 계산부
200: 학습 영상 데이터베이스110: multi-contrast magnetic resonance image acquisition unit
120: Contrast image generation unit
130: Learning Department
131: root mean square error calculation unit
132: position alignment error calculation unit
133: local area error calculation unit
200: training video database

Claims (5)

진단을 위해 서로 다른 시퀀스에 따라 촬영되어야 하는 일괄 촬영되어야 하는 다수의 대조도 자기 공명 영상으로 구성되는 다중 대조도 자기 공명 영상 중 적어도 하나의 대조도 자기 공명 영상이 제외된 다수의 대조도 자기 공명 영상을 획득하는 다중 대조도 영상 획득부; 및
미리 학습된 패턴 추정 방식에 따라 상기 다중 대조도 영상 획득부에서 획득된 다수의 대조도 자기 공명 영상의 패턴을 추정하여, 제외된 대조도 자기 공명 영상에 대응하는 추가 자기 공명 영상을 생성하는 대조도 영상 생성부를 포함하고,
상기 대조도 영상 생성부는 학습을 위해 미리 획득된 다중 대조도 자기 공명 영상 중 제외된 대조도 자기 공명 영상인 학습용 대조도 영상에서 상기 추가 자기 공명 영상의 다수의 픽셀 각각과 동일 위치의 픽셀 및 기지정된 범위의 주변 픽셀들과의 픽셀 강도 차를 계산하고, 계산된 픽셀 강도 차 중 최소 강도 차의 평균으로 계산되는 위치 정렬 오차가 총 손실로 획득되어 학습되는 다중 대조도 자기 공명 영상 생성 장치.Multiple contrasts that must be photographed in a batch according to different sequences for diagnosis Multiple contrasts consisting of MR images Multiple contrasts of at least one of the MR images Multiple contrasts excluding MR images MR images A multi-contrast image acquisition unit for acquiring; And
Contrast for generating additional MR images corresponding to excluded contrast MR images by estimating patterns of multiple contrast MR images acquired by the multi-contrast image acquisition unit according to a pre-learned pattern estimation method Including an image generator,
The contrast image generation unit includes pixels at the same position as each of the plurality of pixels of the additional MR image in the learning contrast image, which is a contrast MR image excluded from the multiple contrast MR images obtained in advance for learning. An apparatus for generating a multi-contrast magnetic resonance image in which a pixel intensity difference with surrounding pixels in a range is calculated, and a positional alignment error calculated as an average of the minimum intensity difference among the calculated pixel intensity differences is obtained as a total loss and learned. 제1 항에 있어서, 상기 다중 대조도 자기 공명 영상 생성 장치는
학습시에 상기 추가 대조도 자기 공명 영상과 상기 학습용 대조도 자기 공명 영상에서 동일 위치의 픽셀 사이의 픽셀 값들 사이의 차의 제곱에 대한 평균으로 계산되는 평균 제곱근 오차 또는 상기 추가 대조도 자기 공명 영상의 국부 영역과 상기 학습용 대조도 자기 공명 영상에서 대응하는 영역 사이의 국부 영역 평균 및 편차 제곱근 오차 중 적어도 하나를 더 계산하고,
상기 위치 정렬 오차에 계산된 평균 제곱근 오차 또는 국부 영역 평균 및 편차 제곱근 오차 중 적어도 하나를 가산하여 총 손실을 획득하여 상기 대조도 영상 생성부로 역전파하는 학습부를 더 포함하는 다중 대조도 자기 공명 영상 생성 장치.The apparatus of claim 1, wherein the multi-contrast magnetic resonance image generating apparatus
The root mean square error calculated as an average of the square of the difference between the pixel values between the pixels at the same location in the additional contrast MR image and the learning contrast MR image at the time of learning, or the additional contrast MR image At least one of an average of a local area and a square root deviation error between a local area and a corresponding area in the learning contrast MR image are further calculated,
Generating a multi-contrast magnetic resonance image further comprising a learning unit that obtains a total loss by adding at least one of the calculated root mean square error or the local area mean and square root deviation error to the position alignment error and propagates back to the contrast image generator Device. 제1 항에 있어서, 상기 다수의 대조도 자기 공명 영상은
T1 가중 영상, T2 가중 영상 및 GRE 영상이고,
상기 추가 대조도 자기 공명 영상은 STIR 영상인 다중 대조도 자기 공명 영상 생성 장치.The method of claim 1, wherein the plurality of contrast MR images are
T1 weighted image, T2 weighted image and GRE image,
The additional contrast MR image is a multi-contrast MR image generating apparatus which is a STIR image. 진단을 위해 서로 다른 시퀀스에 따라 촬영되어야 하는 일괄 촬영되어야 하는 다수의 대조도 자기 공명 영상으로 구성되는 다중 대조도 자기 공명 영상 중 적어도 하나의 대조도 자기 공명 영상이 제외된 다수의 대조도 자기 공명 영상을 획득하는 단계;
획득된 다수의 대조도 자기 공명 영상의 패턴을 미리 학습된 패턴 추정 방식에 따라 추정하여, 제외된 대조도 자기 공명 영상에 대응하는 추가 자기 공명 영상을 생성하는 단계; 및
학습을 위해 미리 획득된 다중 대조도 자기 공명 영상 중 제외된 대조도 자기 공명 영상인 학습용 대조도 영상에서 상기 추가 자기 공명 영상의 다수의 픽셀 각각과 동일 위치의 픽셀 및 기지정된 범위의 주변 픽셀들과의 픽셀 강도 차를 계산하고, 계산된 픽셀 강도 차 중 최소 강도 차의 평균으로 계산되는 위치 정렬 오차를 총 손실로 설정하여 학습을 수행하는 단계를 포함하는 다중 대조도 자기 공명 영상 생성 장치의 학습 방법.Multiple contrasts that must be photographed in a batch according to different sequences for diagnosis Multiple contrasts consisting of MR images Multiple contrasts of at least one of the MR images Multiple contrasts excluding MR images MR images Obtaining a;
Estimating patterns of a plurality of acquired contrast MR images according to a previously learned pattern estimation method, and generating additional MR images corresponding to the excluded contrast MR images; And
In the learning contrast image, which is a contrast MR image that is excluded from the multi-contrast MR image obtained in advance for learning, each of the plurality of pixels of the additional MR image, a pixel at the same position, and surrounding pixels in a predetermined range, A learning method of a multi-contrast MR image generating apparatus comprising the step of calculating a difference in pixel intensity of, and performing learning by setting a positional alignment error calculated as an average of the minimum intensity difference among the calculated pixel intensity differences as total loss . 제4 항에 있어서, 상기 학습을 수행하는 단계는
상기 위치 정렬 오차를 계산하는 단계;
상기 추가 대조도 자기 공명 영상과 상기 학습용 대조도 자기 공명 영상에서 동일 위치의 픽셀 사이의 픽셀 값들 사이의 차의 제곱에 대한 평균으로 계산되는 평균 제곱근 오차를 계산하는 단계;
상기 추가 대조도 자기 공명 영상의 국부 영역과 상기 학습용 대조도 자기 공명 영상에서 대응하는 영역 사이의 국부 영역 평균 및 편차 제곱근 오차를 계산하는 단계; 및
상기 위치 정렬 오차와 상기 평균 제곱근 오차 및 상기 국부 영역 평균 및 편차 제곱근 오차를 가산하여 총 손실을 획득하는 단계; 를 포함하는 다중 대조도 자기 공명 영상 생성 장치의 학습 방법.The method of claim 4, wherein performing the learning comprises:
Calculating the positional alignment error;
Calculating a root mean square error calculated as an average of a square difference between pixel values between pixels at the same location in the additional contrast MR image and the learning contrast MR image;
Calculating a local area mean and a square root deviation error between the local region of the additional contrast MR image and a corresponding region of the learning contrast MR image; And
Adding the positional alignment error, the root mean square error, and the local area mean and square root deviation errors to obtain a total loss; Learning method of a multi-contrast magnetic resonance image generating apparatus comprising a.
KR1020190126642A 2019-10-14 2019-10-14 Apparatus for generating multi contrast magnetic resonance image and method for learning thereof KR102247454B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190126642A KR102247454B1 (en) 2019-10-14 2019-10-14 Apparatus for generating multi contrast magnetic resonance image and method for learning thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190126642A KR102247454B1 (en) 2019-10-14 2019-10-14 Apparatus for generating multi contrast magnetic resonance image and method for learning thereof

Publications (2)

Publication Number Publication Date
KR20210043835A KR20210043835A (en) 2021-04-22
KR102247454B1 true KR102247454B1 (en) 2021-04-30

Family

ID=75731168

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190126642A KR102247454B1 (en) 2019-10-14 2019-10-14 Apparatus for generating multi contrast magnetic resonance image and method for learning thereof

Country Status (1)

Country Link
KR (1) KR102247454B1 (en)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101659578B1 (en) 2015-09-01 2016-09-23 삼성전자주식회사 Method and apparatus for processing magnetic resonance imaging
KR101854071B1 (en) 2017-01-13 2018-05-03 고려대학교 산학협력단 Method of generating image of interest region using deep learning and apparatus thereof
JP2019005557A (en) 2017-06-22 2019-01-17 キヤノンメディカルシステムズ株式会社 Image processing device, magnetic resonance imaging device, and image processing program

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101611367B1 (en) * 2013-11-18 2016-04-12 재단법인 아산사회복지재단 Apparatus and method for servicing diagnosis of brain disease
KR20180110417A (en) 2017-03-29 2018-10-10 건국대학교 글로컬산학협력단 Compositions for preventing or improving skin wrinkle containing 3,5,6,7,8,3',4'-heptamethoxyflavone
KR102163337B1 (en) * 2018-01-12 2020-10-08 한국과학기술원 Method for accelerating multiple-acquisition magnetic resonance imaging by varying undersampling-dimension and device for the same

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101659578B1 (en) 2015-09-01 2016-09-23 삼성전자주식회사 Method and apparatus for processing magnetic resonance imaging
KR101854071B1 (en) 2017-01-13 2018-05-03 고려대학교 산학협력단 Method of generating image of interest region using deep learning and apparatus thereof
JP2019005557A (en) 2017-06-22 2019-01-17 キヤノンメディカルシステムズ株式会社 Image processing device, magnetic resonance imaging device, and image processing program

Also Published As

Publication number Publication date
KR20210043835A (en) 2021-04-22

Similar Documents

Publication Publication Date Title
US10698063B2 (en) Motion artifact reduction of magnetic resonance images with an adversarial trained network
Küstner et al. Retrospective correction of motion‐affected MR images using deep learning frameworks
US10346974B2 (en) Apparatus and method for medical image processing
Cordero-Grande et al. Sensitivity encoding for aligned multishot magnetic resonance reconstruction
CN111933273B (en) Parkinson disease diagnosis device and method based on artificial intelligence
Shaw et al. A k-space model of movement artefacts: application to segmentation augmentation and artefact removal
US20220156938A1 (en) Protocol-Aware Tissue Segmentation in Medical Imaging
CN116402865B (en) Multi-mode image registration method, device and medium using diffusion model
JP5591687B2 (en) Image processing method
Al-Masni et al. Stacked U-Nets with self-assisted priors towards robust correction of rigid motion artifact in brain MRI
US20210225491A1 (en) Diagnostic image converting apparatus, diagnostic image converting module generating apparatus, diagnostic image recording apparatus, diagnostic image converting method, diagnostic image converting module generating method, diagnostic image recording method, and computer recordable recording medium
CN113160138A (en) Brain nuclear magnetic resonance image segmentation method and system
Mohebbian et al. Classifying MRI motion severity using a stacked ensemble approach
Untenberger et al. Spatiotemporal phase unwrapping for real‐time phase‐contrast flow MRI
Le et al. Accelerated cardiac T1 mapping with recurrent networks and cyclic, model‐based loss
WO2023219963A1 (en) Deep learning-based enhancement of multispectral magnetic resonance imaging
KR102247454B1 (en) Apparatus for generating multi contrast magnetic resonance image and method for learning thereof
CN112819789A (en) Apparatus and method for cardiac assessment
Beljaards et al. AI‐based motion artifact severity estimation in undersampled MRI allowing for selection of appropriate reconstruction models
KR102514804B1 (en) Magnetic resonace image processing method based on unsupervised learning and apparatus therefor
US11550014B2 (en) Artificial intelligence based reconstruction for phase contrast magnetic resonance imaging
KR102352004B1 (en) Apparatus and method for reconstructing mr parameter map
US20230019733A1 (en) Motion artifact correction using artificial neural networks
Vaidya Perceptually Improved Medical Image Translations Using Conditional Generative Adversarial Networks
Rauland et al. Using Synthetic Training Data in Neural Networks for the Estimation of Fiber Orientation Distribution Functions from Single Shell Data

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant