KR102363654B1 - Pet-mri 다중 영상 추출 장치 및 방법 - Google Patents
Pet-mri 다중 영상 추출 장치 및 방법 Download PDFInfo
- Publication number
- KR102363654B1 KR102363654B1 KR1020190152332A KR20190152332A KR102363654B1 KR 102363654 B1 KR102363654 B1 KR 102363654B1 KR 1020190152332 A KR1020190152332 A KR 1020190152332A KR 20190152332 A KR20190152332 A KR 20190152332A KR 102363654 B1 KR102363654 B1 KR 102363654B1
- Authority
- KR
- South Korea
- Prior art keywords
- image
- pet
- mri
- interest
- region
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 19
- 210000004556 brain Anatomy 0.000 title claims description 11
- 238000000605 extraction Methods 0.000 claims abstract description 22
- 238000003384 imaging method Methods 0.000 claims abstract description 10
- 238000002595 magnetic resonance imaging Methods 0.000 claims description 61
- 238000007781 pre-processing Methods 0.000 claims description 35
- 238000012879 PET imaging Methods 0.000 claims description 10
- 238000013170 computed tomography imaging Methods 0.000 claims description 8
- 238000010191 image analysis Methods 0.000 claims description 5
- 238000012636 positron electron tomography Methods 0.000 claims 14
- 238000012831 peritoneal equilibrium test Methods 0.000 claims 1
- 238000012877 positron emission topography Methods 0.000 claims 1
- 238000012937 correction Methods 0.000 abstract description 11
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000002600 positron emission tomography Methods 0.000 description 31
- 239000000284 extract Substances 0.000 description 7
- 238000013135 deep learning Methods 0.000 description 5
- 230000002238 attenuated effect Effects 0.000 description 4
- 238000009792 diffusion process Methods 0.000 description 4
- 239000012530 fluid Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000002075 inversion recovery Methods 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 230000001131 transforming effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002194 synthesizing effect Effects 0.000 description 2
- 238000003325 tomography Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000005013 brain tissue Anatomy 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—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
- A61B5/0035—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 adapted for acquisition of images from more than one imaging mode, e.g. combining MRI and optical tomography
-
- 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
- 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]
- A61B6/037—Emission tomography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10104—Positron emission tomography [PET]
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Radiology & Medical Imaging (AREA)
- General Health & Medical Sciences (AREA)
- High Energy & Nuclear Physics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Optics & Photonics (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Nuclear Medicine (AREA)
Abstract
본 기술은 PET-MRI 다중 영상 추출 장치 및 방법이 개시된다. 본 기술의 구체적인 예에 따르면, 서로 다른 형태의 조직간 대조도를 가지는 PET 및 MRI 촬영을 통해 획득된 영상으로부터 최종 마스크 영상을 추출함에 따라 기존의 MRI 촬영으로부터 획득된 영상의 낮은 품질 또는 인공물로 인해 동작 오류를 방지할 수 있고, 이에 인적 개입에 의거한 보정을 최소화하면서 안정적으로 영상을 추출할 수 있다.
Description
본 발명은 PET-MRI 다중 영상 추출 장치 및 방법에 관한 것으로서, 복합 시퀸스 영상으로부터 설정된 관심 영역의 영상 또는 관심 영역을 포함하는 초기 마스크 영상을 각각 추출한 다음 정합하여 최종 마스크 영상을 추출함에 따라 인적 개입에 의한 보정을 최소화할 수 있도록 한 기술에 관한 것이다.
일반적인 뇌영역 데이터 추출 방법은 대부분의 T1-Weighted(T1w) MRI 영상을 기준으로 동작되며, 그 성능이 T1w MRI 의 품질에 민감하여 인적 보정을 추가적으로 요구된다.
이를 해결하기 위해 T2w, FLAIR, 콘트라스트-강하 MRI 등 복합 시퀀스의 MRI 영상 데이터를 활용한 기술들이 개발되고 있으나, 이러한 방법은 T1w 외의 다른 시퀀스 영상들을 추가로 각각 촬영한 다음 각각에 대한 인적 보정을 통해 관심 영역을 도출할 수 있다.
삭제
이에 본 발명은 복합 시퀸스 영상에 대해 인적 개입에 의한 추가적인 보정을 최소화할 수 있고 관심 영역의 영상 및 최종 마스크 영상을 안정적으로 추출할 수 있는 PET-MRI 다중 뇌 영상 추출 장치 및 방법을 제공하고자 함에 있다.
일 실시 예에 따르면, MRI(magnetic resonance imaging) 촬영으로부터 획득된 T1w(T1-weighted) 영상에서 영상 분석을 위한 관심 영역의 영상을 추출하거나 관심 영역을 포함하는 초기 마스크 영상을 추출하는 MRI 전처리부; PET 촬영으로부터 획득된 영상에서 관심 영역의 영상을 추출하거나 관심 영역을 포함하는 초기 마스크 영상을 추출하는 PET 전처리 수행부; 및 상기 MRI 전처리 및 PET 전처리 결과를 취합한 후 정합하여 최종 마스크 영상을 생성하는 영상 추출부를 포함하는 PET-MRI 다중 영상 추출 장치가 제공된다.
일 실시 예에 따르면, 상기 MRI 전처리부는 T1w 영상 외의 T1CE(Contrast-enhanced T1-weight) 영상, T2(T2-weighted) 영상, FLAIR(Fluid Attenuated Inversion Recovery) 영상, ADC(Apparent Diffusion Coefficient) 영상, 및 Segmentation 영상 중 적어도 하나를 포함하는 복합 시퀀스 영상 각각에 대해 전처리를 수행한 다음 정합하도록 구비될 수 있다.
일 실시 예에 따르면, 상기 PET 전처리 수행단계는 PET 를 통해 획득된 PET 영상 데이터 또는 PET-CT 촬영을 통해 획득된 PET 영상 데이터 및 CT 영상 데이터에 대해 전처리를 수행한 다음 정합하도록 구비될 수 있다.
일 실시 예에 따르면, MRI 촬영을 통해 획득된 T1w(T1-weighted) 영상에서 뇌 영상 분석을 위한 관심 영역의 영상을 추출하거나 관심 영역을 포함하는 초기 마스크 영상을 추출하는 MRI 전처리 단계; PET 촬영을 통해 획득된 영상으로부터 관심 영역의 영상 또는 관심 영역을 포함하는 초기 마스크 영상을 추출하는 PET 전처리 수행단계; 및 상기 MRI 전처리 및 PET 전처리 결과를 취합하여 정합한 다음 최종 마스크 영상을 추출하는 영상 추출단계를 포함하는 PET-MRI 다중 영상 추출 방법이 제공된다.
일 실시 예에 따르면, 상기 MRI 전처리 단계는 T1w 영상 외의 T1CE(Contrast-enhanced T1-weight) 영상, T2(T2-weighted) 영상, FLAIR(Fluid Attenuated Inversion Recovery) 영상, ADC(Apparent Diffusion Coefficient) 영상, 및 Segmentation 영상 중 적어도 하나의 복합 시퀀스 영상에 대해 전처리를 수행한 후 정합하여 관심 영역의 영상을 추출하거나 관심 영역을 포함하는 초기 마스크 영상을 추출하도록 구비될 수 있다.
일 실시 예에 따르면, 상기 PET 전처리 수행단계는 PET 촬영을 통해 획득된 PET 영상 또는/또는 PET-CT 촬영을 통해 획득된 PET 영상 및 CT 영상 각각에 대해 전처리를 수행한 다음 정합된 영상으로부터 관심 영역의 영상을 추출하거나 관심 영역을 포함하는 초기 마스크 영상을 추출하도록 구비될 수 있다.
일 실시 예에 따르면, MRI, PET 및/또는 PET-CT 촬영을 통해 각각 획득된 MRI 및 PET 영상으로부터 관심 영역을 포함하는 초기 마스크 영상 또는 관심 영역의 영상으로부터 최종 마스크 영상을 추출함에 따라 인적 개입에 의한 추가적인 보정을 최소화할 수 있고 안정적으로 최종 마스크 영상을 추출할 수 있는 효과가 있다.
본 명세서에서 첨부되는 다음의 도면들은 본 발명의 바람직한 실시 예를 예시하는 것이며, 후술하는 발명의 상세한 설명과 함께 본 발명의 기술사상을 더욱 이해시키는 역할을 하는 것이므로, 본 발명은 그러한 도면에 기재된 사항에만 한정되어 해석되어서는 아니된다.
도 1은 일실시 예의 PET-MRI 다중 영상 추출장치의 구성도이다.
도 2는 일실시 예의 PET-MRI 다중 영상 추출방법을 보인 흐름도이다.
도 1은 일실시 예의 PET-MRI 다중 영상 추출장치의 구성도이다.
도 2는 일실시 예의 PET-MRI 다중 영상 추출방법을 보인 흐름도이다.
이하에서는 도면을 참조하여 본 발명의 실시예들을 보다 상세하게 설명한다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 발명에 대해 구체적으로 설명하기로 한다.
본 발명에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.
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 있음을 의미한다. 또한, 명세서에서 사용되는 "부"라는 용어는 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, "부"는 어떤 역할들을 수행한다. 그렇지만 "부"는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. "부"는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다.
따라서, 일 예로서 "부"는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 "부"들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 "부"들로 결합되거나 추가적인 구성요소들과 "부"들로 더 분리될 수 있다.
아래에서는 첨부한 도면을 참고하여 본 발명의 일 실시 예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략한다.
본 실시 예는 뇌 영상을 일 례로 설명하고 있으나, MRI 또는/및 PET, PET-CT 촬영을 통해 획득 가능한 모든 영상에 대해 적용 가능하며, 이에 한정하지 아니한다.
도 1은 일 실시 예에 따른 PET-MRI 다중 영상 추출장치의 구성을 보인 도이며 도 1을 참조하면, 일 실시 예에 따른 PET-MRI 다중 영상 추출장치는 서로 다른 뇌조직간의 대조도(tissue contrast)를 가지는 PET 쵤영으로부터 획득된 영상 및 MRI 촐영으로부터 획득된 영상으로부터 관심 영역의 영상 및/또는 초기 마스크 영상을 추출하고 추출된 각 영상을 취합한 후 정합하여 최종 마스크 영역을 추출함에 따라 인적 개입에 의한 추가적인 보정을 최소화할 수 있고 안정적으로 영상을 추출하는 구성을 갖춘다.
이에 도 1을 참조하면, PET-MRI 다중 뇌 영상 추출장치는 MRI 전처리부(10), PET 전처리부(20), 및 영상 추출부(30)을 포함할 수 있다.
여기서, MRI 전처리부(10)는, MRI 촬영 영상으로부터 획득된 T1w(T1-weighted) 영상에서 영상 분석을 위한 관심 영역의 영상을 추출하거나 관심 영역에 대한 초기 마스크 영상을 획득할 수 있다. 이때 T1w 영상 이외에 T1CE(Contrast-enhanced T1-weight) 영상, T2(T2-weighted) 영상, FLAIR(Fluid Attenuated Inversion Recovery) 영상, ADC(Apparent Diffusion Coefficient) 영상및 Segmentation 영상 중 적어도 하나의 복수 시퀀스 영상 각각에 대해 전처리한 후 전처리 결과가 정합될 수 있다.
또한 MRI 전처리부(10)는 정합된 복합 시퀀스 영상으로부터 관심 영역의 영상을 추출하거나 관심 영역에 대한 초기 마스크 영상을 추출하는 기능을 수행할 수 있으며, 이를 위해 공간 정규화, 영상 데이터의 차원을 변환하고자 다수 개의 패치로 분리 및 재조합하고, 불륨 데이터의 슬라이스 구성을 재 슬라이스하는 등의 다양한 알고리즘이 추가적으로 수행될 수 있다. 예를 들어, 획득된 영상에 대해, 공간 정규화(spatial normalization)로 stereotactic space brain mask을 역변환하여 관심 영역을 포함하는 초기 마스크 영상이 추출될 수 있다. 또한 초기 마스크 영상은 정합된 영상에 대한 딥러닝 기반으로 추출될 수 있다.
또한, PET 전처리부(20)는 PET(positron emission tomography) 및/또는 PET -CT(computerized tomography) 촬영을 통해 획득된 PET 및/또는 CT 영상에 대해 각각 전처리를 수행한 후 정합하여 관심 영역의 영상 또는 초기 마스크 영상을 추출할 수 있다.
여기서, PET-CT 촬영을 통해 CT 영상을 추가로 획득하는 경우 초기 마스크 영상은 CT 기반으로 초기 마스크 영상을 추출한 다음 PET 촬영을 통해 획득된 초기 마스크 영상와 정합하여 추출할 수 있다.
또한, PET 촬영을 통해 획득된 영상인 경우 초기 마스크 영상은 유사(Pseudo) CT 영상을 합성한 후 딥러닝 및/또는 기계 학습을 통해 추출될 수 있다.
이러한 MRI 전처리부(10) 및 PET 전처리부(20)의 관심 영역의 영상 또는 초기 마스크 영상은 영상 추출부(30)로 전달되며, 영상 추출부(30)는 추출된 각각의 영상을 정합한 다음 정합된 영상을 토대로 최종 마스크 영상을 생성할 수 있다. 이때 최종 마스크 영상은 정합된 초기 마스크들의 교집합만을 구성하거나 평균 마스크에 기 정해진 임계값을 적용한 결과로 이루어질수 있다. 그리고, 최종 마스크 영상은 정합된 초기 마스크의 영상들을 제공받은 딥 러닝 알고리즘을 이용하여 설정될 수 있다.
이에 일 실시 예는 서로 다른 형태의 조직 간의 대조도(tissue constrast)를 보이는 PET 및/또는 MRI 영상을 이용하여 기존의 낮은 품질 또는 인공물에 의한 MRI 이미지에 대해 인적 개입에 의한 추가적인 보정을 최소화할 수 있고 안정적으로 영상을 추출할 수 있다.
도 2는 본 실시 예에 따른 PET-MRI 다중 영상 추출장치가 PET-MRI 다중 영상 추출하는 동작을 설명하기 위한 흐름도이다.
일실시예에 따른 PET-MRI 다중 영상 추출을 실행하기 위한 프로그램이 기록된 컴퓨터에서 판독 가능한 기록매체가 제공될 수 있다. 상기 프로그램은 아이템 추천 방법을 저장한 응용 프로그램, 디바이스 드라이버, 펌웨어, 미들웨어, 동적 링크 라이브러리(DLL) 및 애플릿 중 적어도 하나를 포함할 수 있다. 이에 PET-MRI 다중 영상 추출하는 장치는 PET-MRI 다중 영상 추출방법이 기록된 기록 매체를 판독함으로써, PET-MRI 다중 영상 추출방법을 실행할 수 있다.
도 2를 참조하면, PET-MRI 다중 영상 추출방법을 수행하는 장치는 서로 다른 형태의 조직 간의 대조도(tissue constrast)를 보이는 PET 및/또는 MRI 영상을 이용하여 기존의 낮은 품질 또는 인공물에 의한 MRI 이미지에 대해 인적 개입에 의한 추가적인 보정을 최소화할 수 있고 안정적으로 영상을 추출하도록 구비되고, MRI 전처리 수행단계(100), PET 전처리 수행단계(200), 및 영상 추출단계(300)를 포함한다.
여기서, MRI 전처리 수행단계(100)는 획득된 T1w 영상으로부터 관심 영역의 영상을 추출하거나 관심 영역에 대한 초기 마스크 영상을 추출하는 알고리즘을 수행할 수 있으며, 이를 위해 공간 정규화, 영상 데이터의 차원을 변환하고자 다수 개의 패치로 분리 및 재조합하고, 볼륨 데이터의 슬라이스 구성을 재 슬라이스하는 등의 다양한 알고리즘을 수행할 수 있다. 예를 들어, 획득된 영상에 대해, 공간 정규화(spatial normalization)를 바탕으로 stereotactic space brain mask를 역변환하여 관심 영역에 대한 초기 마스크 영상이 추출될 수 있다.
또한, T1w 영상 이외에 T1CE(Contrast-enhanced T1-weight) 영상, T2(T2-weighted) 영상, FLAIR(Fluid Attenuated Inversion Recovery) 영상, ADC(Apparent Diffusion Coefficient) 영상, 및 Segmentation 영상 중 적어도 하나의 복수 시퀸스 영상이 획득된 경우 MRI 전처리 수행단계(100)는 개별 각각의 영상에 대해 기 정해진 알고리즘으로 전처리 수행한 다음 정합하여 관심 영역의 영상을 추출하거나 관심 영역을 포함하는 초기 마스크 영상을 추출한다. 에를 들어, 기계 학습 또는/및 딥 러닝 기반의 MRI synthesis 기술을 이용하여 T1w 영상으로부터 다른 시퀀스의 의사(pseudo) 영상 데이터를 합성하여 관심 영역의 영상을 포함하는 초기 마스크 영상이 추출될 수 있다.
또한, PET 전처리부(20)는 PET 및/또는 PE-CT(computerized tomography) 촬영을 통해 획득된 영상으로부터 관심 영역의 영상 또는 관심 영역을 포함하는 초기 마스크 영상을 추출할 수 있다. 이를 위해 PET를 통해 획득된 영상 데이터에 대해, PET 기반 공간 정규화(spatial normalization)를 바탕으로 stereotactic space brain mask를 역변환하여 관심 영역을 포함하는 초기 마스크 영상이 추출될 수 있다.
MRI 전처리 수행단계(100)와 PET 전처리 수행단계(200) 각각의 관심 영역의 영상 또는 관심 영역을 포함하는 초기 마스크 영역은 영상 추출단계(300)로 전달된다.
영상 추출단계(300)는 MRI 전처리 수행단계(100)와 PET 전처리 수행단계(200)의 초기 마스크 영상을 취합하고 정합한 다음 정합된 영상으로 최종 마스크영상을 생성하는 기능을 수행한다.
이에 최종 마스크 영상은 정합된 초기 마스크의 교집합만으로 구성되거나, 평균화된 마스크에 임계값을 적용한 결과로 구성될 수 있다. 또한 최종 마스크 영상은 영상 처리가 적용된 출력물 또는 초기 마스크를 입력받아 동작하는 딥러닝 결과물로 구성될 수 있다.
따라서, 일 실시 예는 서로 다른 형태의 조직간 대조도를 가지는 PET 및 MRI촬영을 통해 획득된 영상으로부터 최종 마스크 영상를 추출함에 따라 기존의 MRI 촬영으로부터 획득된 영상의 낮은 품질 또는 인공물로 인해 동작 오류를 방지할 수 있고, 인적 개입에 의거한 추자적인 보정을 최소화하면서 안정적으로 영상을 추출할 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수
목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), [0092] 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등 을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
서로 다른 형태의 조직간 대조도를 가지는 PET 및 MRI촬영을 통해 획득된 영상으로부터 최종 마스크 영상를 추출함에 따라 기존의 MRI 촬영으로부터 획득된 영상의 낮은 품질 또는 인공물로 인해 동작 오류를 방지할 수 있고, 인적 개입에 의거한 보정을 최소화하면서 안정적으로 영상을 추출할 수 있는 PET-MRI 다중 영역 추출 장치 및 방법에 대한 운용의 정확성 및 신뢰도 측면, 더 나아가 성능 효율 면에 매우 큰 진보를 가져올 수 있으며, 뇌 진단기의 시판 또는 영업의 가능성이 충분할 뿐만 아니라 현실적으로 명백하게 실시할 수 있는 정도이므로 산업상 이용가능성이 있는 발명이다.
Claims (6)
- MRI(magnetic resonance imaging) 촬영으로부터 획득된 T1w(T1-weighted) 영상에서 영상 분석을 위한 관심 영역의 영상을 추출하거나 관심 영역을 포함하는 초기 마스크 영상을 추출하는 MRI 전처리부;
PET 촬영으로부터 획득된 영상에서 관심 영역의 영상을 추출하거나 관심 영역을 포함하는 초기 마스크 영상을 추출하는 PET 전처리 수행부; 및
상기 MRI 전처리 및 PET 전처리 결과를 취합한 후 정합하여 최종 마스크 영상을 생성하는 영상 추출부를 포함하되,
상기 PET 전처리 수행부는
CT 영상을 추가로 획득하는 경우 CT 기반으로 초기 마스크 영상을 추출한 다음 PET 촬영을 통해 획득된 초기 마스크 영상와 정합하여 초기 마스크 영상를 추출하도록 구비되고,
상기 영상 추출부의 최종 마스크 영상은
정합된 초기 마스크들의 교집합만을 구성하거나 평균 마스크에 기 정해진 임계값을 적용하여 정합된 영상인 것을 특징으로 하는 PET-MRI 다중 영상 추출 장치.
- 삭제
- 제1항에 있어서, 상기 PET 전처리 수행부는
PET 촬영을 통해 획득된 PET 영상 데이터 또는 PET-CT 촬영을 통해 획득된 PET 영상 데이터 및 CT 영상 데이터에 대해 전처리를 수행한 다음 정합하도록 구비되는 PET-MRI 다중 영상 추출 장치. - MRI 촬영을 통해 획득된 T1w(T1-weighted) 영상에서 뇌 영상 분석을 위한 관심 영역의 영상을 추출하거나 관심 영역을 포함하는 초기 마스크 영상을 추출하는 MRI 전처리 단계;
PET 및/또는 PET-CT 촬영을 통해 획득된 영상으로부터 관심 영역의 영상 또는 관심 영역을 포함하는 초기 마스크 영상을 추출하는 PET 전처리 수행단계; 및
상기 MRI 전처리 및 PET 전처리 결과를 취합하여 정합한 다음 최종 마스크 영상을 추출하는 영상 추출단계를 포함하되,
상기 PET 전처리 수행단계는,
CT 영상을 추가로 획득하는 경우 CT 기반으로 초기 마스크 영상을 추출한 다음 PET 촬영을 통해 획득된 초기 마스크 영상와 정합하여 초기 마스크 영상를 추출하도록 구비되고,
상기 영상 추출단계의 최종 마스크 영상은
상기 MRI 전처리부 및 PET 전처리부의 초기 마스크들의 교집합만을 구성하거나 평균 마스크에 기 정해진 임계값을 적용하여 정합된 영상인 것을 특징으로 하는 PET-MRI 다중 영상 추출 방법. - 삭제
- 제4항에 있어서, 상기 PET 전처리 수행단계는
PET 촬영을 통해 획득된 PET 영상 또는/및 PET-CT 촬영을 통해 획득된 PET 영상 및 CT 영상 각각에 대해 전처리를 수행한 다음 정합된 영상으로부터 관심 영역의 영상을 추출하거나 관심 영역을 포함하는 초기 마스크 영상을 추출하도록 구비되는 PET-MRI 다중 영상 추출 방법.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR20180146134 | 2018-11-23 | ||
| KR1020180146134 | 2018-11-23 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200061311A KR20200061311A (ko) | 2020-06-02 |
| KR102363654B1 true KR102363654B1 (ko) | 2022-02-16 |
Family
ID=71090624
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190152332A KR102363654B1 (ko) | 2018-11-23 | 2019-11-25 | Pet-mri 다중 영상 추출 장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102363654B1 (ko) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006341085A (ja) * | 2005-05-10 | 2006-12-21 | Toshiba Corp | ３次元画像処理装置、３次元画像処理方法及び３次元画像処理装置で使用される制御プログラム |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100680232B1 (ko) * | 2005-04-20 | 2007-02-08 | 이화여자대학교 산학협력단 | 뇌질환의 진단보조를 위한 뇌 해마 분석 방법 및 그 방법이수록되어 컴퓨터로 읽을 수 있는 기록매체 |
| KR101917947B1 (ko) | 2017-02-23 | 2018-11-12 | 고려대학교 산학협력단 | 딥러닝을 사용하여 재발 부위를 예측하고, pet 이미지를 생성하는 방법과 장치 |
-
2019
- 2019-11-25 KR KR1020190152332A patent/KR102363654B1/ko active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006341085A (ja) * | 2005-05-10 | 2006-12-21 | Toshiba Corp | ３次元画像処理装置、３次元画像処理方法及び３次元画像処理装置で使用される制御プログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20200061311A (ko) | 2020-06-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | 3D auto-context-based locality adaptive multi-modality GANs for PET synthesis | |
| Wang et al. | Semisupervised tripled dictionary learning for standard-dose PET image prediction using low-dose PET and multimodal MRI | |
| Wang et al. | Predicting standard-dose PET image from low-dose PET and multimodal MR images using mapping-based sparse representation | |
| Blanc-Durand et al. | Attenuation correction using 3D deep convolutional neural network for brain 18F-FDG PET/MR: Comparison with Atlas, ZTE and CT based attenuation correction | |
| US11241162B2 (en) | Method of improved multiple-phase dynamic contrast-enhanced magnetic resonance imaging with motion correction using water/fat signal separation | |
| US9928596B2 (en) | Motion corrected imaging system | |
| WO2017096125A1 (en) | Automated lesion segmentation from mri images | |
| US9478013B2 (en) | System and method for registering an image sequence | |
| US11854193B2 (en) | Validity evaluation device for cancer region detection | |
| Haq et al. | An MRI-based deep learning approach for efficient classification of brain tumors | |
| US9799120B1 (en) | Method and apparatus for atlas/model-based segmentation of magnetic resonance images with weakly supervised examination-dependent learning | |
| Bungert et al. | Robust image reconstruction with misaligned structural information | |
| US11730388B2 (en) | MRI image reconstruction using machine learning | |
| Marques et al. | BrainCAT-a tool for automated and combined functional Magnetic Resonance Imaging and Diffusion Tensor Imaging brain connectivity analysis | |
| Wang et al. | DEep learning‐based rapid spiral image REconstruction (DESIRE) for high‐resolution spiral first‐pass myocardial perfusion imaging | |
| KR102363654B1 (ko) | Pet-mri 다중 영상 추출 장치 및 방법 | |
| KR20210030669A (ko) | Gan을 이용한 의료 영상의 광강도 분포 일반화 기법 | |
| US10269115B2 (en) | Imaging data statistical testing including a stereotactical normalization with a personalized template image | |
| US20230005158A1 (en) | Medical image segmentation and atlas image selection | |
| US10921410B2 (en) | Method and system for susceptibility weighted magnetic resonance imaging | |
| US20200118307A1 (en) | System, method, and computer-accessible medium for generating magnetic resonance imaging-based anatomically guided positron emission tomography reconstruction images with a convolutional neural network | |
| KR102554220B1 (ko) | Pet-mri 다중 영상 정합 시스템 및 방법 | |
| KR102573944B1 (ko) | Mri 영상을 이용한 pet 영상의 움직임 보정 방법 | |
| US20240104722A1 (en) | Method for detection and characterization of lesions | |
| KR20230168507A (ko) | 자기공명영상의 뇌 분할 시스템 및 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right |