KR20130023735A - 장기 모델 영상 생성 방법 및 장치 - Google Patents

장기 모델 영상 생성 방법 및 장치 Download PDF

Info

Publication number
KR20130023735A
KR20130023735A KR1020110086695A KR20110086695A KR20130023735A KR 20130023735 A KR20130023735 A KR 20130023735A KR 1020110086695 A KR1020110086695 A KR 1020110086695A KR 20110086695 A KR20110086695 A KR 20110086695A KR 20130023735 A KR20130023735 A KR 20130023735A
Authority
KR
South Korea
Prior art keywords
image
organ
model image
model
image data
Prior art date
Application number
KR1020110086695A
Other languages
English (en)
Other versions
KR101805624B1 (ko
Inventor
김용선
김정배
황영규
방원철
김도균
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020110086695A priority Critical patent/KR101805624B1/ko
Priority to US13/544,859 priority patent/US9652656B2/en
Publication of KR20130023735A publication Critical patent/KR20130023735A/ko
Application granted granted Critical
Publication of KR101805624B1 publication Critical patent/KR101805624B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
    • 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]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • 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
    • 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
    • G06T2207/30056—Liver; Hepatic

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Medical Informatics (AREA)
  • Geometry (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Software Systems (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Computer Graphics (AREA)
  • Molecular Biology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Optics & Photonics (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

장기 모델 영상 생성 방법 및 장치에 따르면, 피검자 신체 내부를 나타내는 의료 영상의 영상 데이터를 입력받고, 입력된 의료 영상으로부터 신체 내부의 소정 장기를 나타내는 영상을 추출하고, 추출된 영상에 기초하여 장기의 일반화된 모델 영상으로부터 피검자의 장기 모델 영상을 생성하고, 생성된 장기 모델 영상을 출력한다.

Description

장기 모델 영상 생성 방법 및 장치{METHOD AND APPARATUS FOR GENERATING ORGAN MEDEL IMAGE}
장기 모델 영상을 생성하는 방법 및 장치에 관한 것으로 의료 영상으로부터 신체 내부의 장기를 나타내는 장기 모델 영상을 생성하는 방법 및 장치에 관한 것이다.
환자를 진단하기 위한 다양한 의료 장비들이 사용 또는 개발 중에 있다. 환자 진단 과정에서의 환자의 편의, 환자 진단 결과의 신속성 등으로 인하여 초음파 영상 장치, CT(Computed Tomography), MRI(Magnetic Resonance Imaging) 등과 같이 인체 내부의 모습을 영상으로 보여주는 의료 장비들의 중요성이 부각되고 있다. 특히, 의료 장비들로부터 획득된 의료 영상에 기초하여 신체 내부의 장기 모델 영상을 형성하는 기술이 의료계에서 널리 요구되고 있다. 환자 개개인의 실제 장기의 구조적인 특징을 잘 반영하는 장기 모델 영상은 환자의 진단에 있어 큰 이점을 제공한다.
한편, 의료 장비들의 급속한 발전에 따라 신체 내부의 장기를 나타내는 2차원 영상을 넘어서 3차원 영상을 출력하는 의료 장비들이 등장하고 있다.
환자 개개인의 신체 내부의 장기의 구조적인 특징이 반영된 장기 모델 영상을 생성하는 장기 모델 영상 생성 방법 및 장치를 제공하는데 있다. 신체 내부의 장기는 물론 장기 내부의 병변을 정확하게 나타내는 장기 모델 영상을 생성하는 장기 모델 영상 생성 방법 및 장치를 제공하는데 있다. 장기 내부의 조직들간의 탄성도의 차이를 반영하여 실제 장기의 모양에 더욱 근접하는 장기 모델 영상을 생성하는 장기 모델 영상 생성 방법 및 장치를 제공하는데 있다. 또한, 상기 방법들 각각을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체를 제공하는데 있다. 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
본 발명의 일측에 따르면, 장기 모델 영상 생성 방법은 피검자의 신체 내부를 나타내는 의료 영상의 영상 데이터를 입력받는 단계, 상기 의료 영상으로부터 상기 신체 내부의 소정 장기를 나타내는 영상을 추출하는 단계, 복수 개의 샘플 영상 데이터들로부터 결정된 상기 장기의 일반화된 모델 영상의 영상 데이터를 입력받는 단계 및 상기 추출된 영상에 기초하여 상기 일반화된 모델 영상으로부터 상기 피검자의 장기 모델 영상의 영상 데이터를 생성하는 단계를 포함한다.
본 발명의 다른 측면에 따르면, 장기 모델 영상 생성 방법은 피검자의 신체 내부를 나타내는 의료 영상의 영상 데이터를 입력받는 단계, 상기 의료 영상으로부터 상기 신체 내부의 소정 장기를 나타내는 영상을 추출하는 단계, 상기 의료 영상으로부터 상기 장기 내부의 소정 병변을 나타내는 병변 영상을 추출하는 단계, 상기 추출된 영상에 기초하여 상기 피검자의 장기 모델 영상의 영상 데이터를 생성하는 단계 및 상기 추출된 병변 영상에 기초하여 상기 장기 모델 영상과 합성되는 병변 모델 영상의 영상 데이터를 생성하는 단계를 포함한다.
본 발명의 또 다른 측면에 따라 상기 장기 모델 영상 생성 방법들 각각을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체가 제공된다.
본 발명의 또 다른 측면에 따르면, 장기 모델 영상 생성 장치는 피검자 신체 내부를 나타내는 의료 영상의 영상 데이터를 입력받는 입력부, 상기 의료 영상으로부터 상기 신체 내부의 소정 장기를 나타내는 영상을 추출하고, 상기 추출된 영상에 기초하여 상기 장기의 일반화된 모델 영상으로부터 상기 피검자의 장기 모델 영상의 영상 데이터를 생성하는 영상 프로세서 및 상기 장기 모델 영상의 영상 데이터를 출력하는 출력부를 포함한다.
본 발명의 또 다른 측면에 따르면, 입력부는 복수 개의 샘플 영상 데이터들로부터 결정된 상기 장기의 일반화된 모델 영상의 영상 데이터를 더 입력받고, 영상 프로세서는 상기 의료 영상으로부터 상기 신체 내부의 소정 장기를 나타내는 영상을 추출하는 영상 추출부 및 상기 추출된 영상에 기초하여 상기 일반화된 모델 영상으로부터 상기 피검자의 장기 모델 영상의 영상 데이터를 생성하는 장기 모델 영상 생성부를 포함한다.
또한, 본 발명의 또 다른 측면에 따르면, 입력부는 복수 개의 샘플 영상 데이터들을 더 입력받고, 영상 프로세서는, 상기 의료 영상으로부터 상기 신체 내부의 소정 장기를 나타내는 영상을 추출하는 영상 추출부, 상기 샘플 영상 데이터들로부터 상기 장기의 일반화된 모델 영상의 영상 데이터를 생성하는 일반화 모델 생성부 및 상기 추출된 영상에 기초하여 상기 일반화된 모델 영상으로부터 상기 피검자의 장기 모델 영상의 영상 데이터를 생성하는 장기 모델 영상 생성부를 포함한다.
복수 개의 샘플 영상 데이터들로부터 결정된 장기의 일반화된 모델 영상으로부터 피검자 개인의 장기의 특성이 반영된 피검자의 장기 모델 영상을 생성함으로써, 환자 개개인의 신체 내부의 장기의 구조적인 특징이 반영되면서 보다 나은 퀄리티의 장기 모델 영상을 제공하는 장기 모델 영상 생성 방법 및 장치를 제공할 수 있다. 장기 모델 영상에 병변 모델 영상을 합성함으로써, 신체 내부의 장기는 물론 장기 내부의 병변을 정확하게 나타내는 장기 모델 영상을 제공하는 장기 모델 영상 생성 방법 및 장치를 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 의료 영상 시스템의 구성도이다.
도 2는 도 1에 도시된 장기 모델 영상 생성 장치(20)의 일 실시예에 따른 구성도이다.
도 3은 본 발명의 일 실시예에 따른 도 2의 장기 영상 추출부(221) 및 장기 모델 영상 생성부(222)의 구성도이다.
도 4는 도 3에 도시된 초기 장기 모델 영상 생성부(2221) 및 장기 모델 영상 정제부(2222)에 의하여 장기 모델 영상의 영상 데이터가 생성되는 과정을 나타낸 동작 흐름도이다.
도 5는 본 발명의 일 실시예에 따라 도 3의 장기 모델 영상 정제부(2222)에 의해 초기 장기 모델 영상(51)으로부터 장기 모델 영상(34)을 생성하는 과정을 설명하기 위한 도면이다.
도 6은 본 발명의 다른 실시예에 따른 장기 영상 추출부(221) 및 장기 모델 영상 생성부(222)의 구성도이다.
도 7은 본 발명의 일 실시예에 따라 의료 영상(71) 및 일반화된 모델 영상(74)에 기초하여 장기 모델 영상(78)을 생성하는 과정을 설명하기 위한 도면이다.
도 8은 도 1에 도시된 장기 모델 영상 생성 장치(20)의 다른 실시예에 따른 구성도이다.
도 9는 본 발명의 일 실시예에 따른 장기 모델 영상 생성 방법을 나타낸 동작 흐름도이다.
도 10은 본 발명의 다른 실시예에 따른 장기 모델 영상 생성 방법을 나타낸 동작 흐름도이다.
이하에서는 도면을 참조하여 본 발명의 실시예들을 상세히 설명한다.
도 1은 본 발명의 일 실시예에 따른 의료 영상 시스템의 구성도이다. 도 1을 참조하면, 도 1에 따른 의료 영상 시스템은 의료 영상 생성 장치(10), 장기 모델 영상 생성 장치(20), 영상 표시 장치(30)로 구성된다. 의료 영상 생성 장치(10)는 피검자(40)의 신체 내부를 나타내는 의료 영상의 영상 데이터를 생성한다. 이 때, 이와 같은 의료 영상 생성 장치(10)의 일 예에는 초음파 진단 장치, CT(Computed Tomography), MRI(Magnetic Resonance Imaging) 등과 같이 대상체 내부 모습을 영상으로 보여주는 의료 장비들이 포함된다. 특히, 의료 영상 생성 장치(10)가 MRI인 경우, 의료 영상 생성 장치(10)는 피검자(40)를 자장을 발생하는 구조(11) 속에 들어가게 한 후 고주파를 발생시켜 피검자(40) 신체 내부의 수소 원자핵을 공명시켜 각각의 조직에서 나오는 신호의 차이로부터 의료 영상을 생성한다. 또한, 의료 영상 생성 장치(10)가 초음파 진단 장치인 경우, 의료 영상 생성 장치(10)는 이것에 장착된 프로브로부터 발생된 소스 신호(source signal)가 의사 등과 같은 의료 전문가가 진단하고자 하는 피검자(40) 내부의 관찰 영역에 전달됨으로써 발생되는 반응 신호를 이용하여 이러한 관찰 영역을 나타내는 볼륨 영상들의 영상 데이터들을 생성한다. 이 때, 소스 신호는 초음파, X선 등 여러 종류의 신호가 될 수 있다. 이와 같은 맥락에서, 의료 영상 생성 장치(10)에 의해 생성되는 의료 영상은 초음파 의료 영상, 방사선 의료 영상, MRI 의료 영상 등 다양한 의료 영상의 개념을 모두 포함할 수 있다. 다시 말하면, 본 발명의 의료 영상은 MRI 의료 영상 또는 CT 의료 영상과 같은 단일 종류의 의료 영상으로 한정 해석되는 것은 아니다.
의료 영상 생성 장치(10)에 의해 생성된 의료 영상은 피검자(40)의 생체 내부를 나타낸다. 일반적으로, 이와 같은 의료 영상은 의료 영상 생성 장치(10)의 종류에 따라 피검자(40)의 생체 내부를 나타내는 방식을 달리한다. 예를 들어, 의료 영상 생성 장치(10)가 MRI인 경우, 의료 영상 생성 장치(10)로부터 생성된 의료 영상은 피검자(40)의 생체 내부의 단면을 나타낼 수 있다. 또 다른 예를 들어, 의료 영상 생성 장치(10)가 초음파 진단 장치인 경우, 의료 영상 생성 장치(10)로부터 생성된 의료 영상은 피검자(40)의 생체 내부의 소정의 관찰 영역의 형상을 나타낼 수도 있다. 또한, 이러한 의료 영상은 2차원 및 3차원 영상으로 구현이 가능하다. 다시 말하면, 의료 영상은 피검자(40)의 신체 내부의 단면 또는 소정의 관찰 영역의 형상을 x 축, y 축으로 구성된 2차원의 영상으로 나타낼 수도 있고, x 축, y 축 및 z축으로 구성된 3차원 영상으로 나타낼 수도 있다.
이와 같이 생성된 의료 영상은 일반적으로 피검자(40)의 신체 내부의 일 영역에 포함된 모든 부분 영역들을 포함한다. 이 때, 부분 영역들은 피검자(40) 신체 내부의 복수의 기관들 또는 복수의 조직들을 의미할 수 있다. 예를 들어, 피검자(40)의 복부의 일 단면을 나타내는 의료 영상에는 피검자(40)의 피부, 뼈, 복수의 내부 장기들의 단면들을 모두 포함될 수 있다. 또 다른 예를 들어, 피검자(40)의 자궁 주변의 영역을 나타내는 의료 영상에는 피검자의 자궁, 자궁 내 양수, 태아를 모두 포함될 수 있다. 그런데, 의사 등과 같은 의료 전문가는 종종 환자의 신체 내부의 특정 부위만을 나타내는 의료 영상을 필요로 한다. 예를 들어, 의료 전문가는 간의 이상 증세를 보이는 환자의 효과적인 진단을 위해 이러한 환자의 간만을 정밀하게 나타내는 의료 영상을 요구하게 된다. 따라서, 앞서 설명된 바와 같은 피검자(40)의 신체 내부의 복수의 부분 영역들을 포함하는 의료 영상으로부터 피검자(40)의 신체 내부의 일 영역만을 나타내는 영상을 생성할 필요가 있다. 예를 들어, 피검자(40)의 신체 내부의 일 단면을 나타내는 의료 영상으로부터 생성된 피검자(40)의 신체 내부의 특정 장기를 나타내는 장기 모델 영상은 이러한 특정 장기를 진단함에 있어 이점을 제공할 수 있다.
일반적으로, 장기 모델 영상은 의료 영상 생성 장치(10)에 의해 생성된 의료 영상에 포함된 복수의 기관들로부터 어느 하나의 기관을 분할하여 나타낸다. 예를 들어, 의료 영상이 피검자(40)의 복부의 일 단면을 나타내는 MRI 영상인 경우, 장기 모델 영상은 MRI 영상에 포함된 피부, 뼈, 장기 및 혈관 중 장기만을 분할하여 나타낼 수 있다. 이 때, 장기 모델 영상은 장기의 외곽의 경계뿐만 아니라 장기 내부에 포함된 내부 구조 및 병변을 나타낼 필요가 있다. 예를 들어, 장기 모델 영상이 피검자(40)의 신체 내부의 간을 나타내는 장기 모델 영상인 경우, 이러한 장기 모델 영상은 간의 외곽의 경계뿐만 아니라 간 내부에 포함된 혈관, 간엽과 같은 내부구조 및 낭종(cyst), 석회화(calcification), 종양(tumor)과 같은 병변도 나타낼 필요가 있는 것이다. 특히, 장기 모델 영상이 피검자(40)의 신체 내부의 특정 장기를 다른 영역들과 구분하는 경계뿐만 아니라 장기의 내부 구조 및 병변까지 표현하는 것은 의료 영상을 이용하여 환자를 진단하는데 있어 진단의 정확도 및 효율성을 비약적으로 증대시키게 된다. 이하에서 설명될 실시예들은 의료 영상 생성 장치(10)에 의해 생성된 의료 영상으로부터 피검자(40)의 신체 내부의 소정 장기를 나타내는 장기 모델 영상을 생성하는 방식을 제시한다.
도 2는 도 1에 도시된 장기 모델 영상 생성 장치(20)의 일 실시예에 따른 구성도이다. 도 2를 참조하면, 도 1에 도시된 장기 모델 영상 생성 장치(20)는 입력부(21), 영상 프로세서(22), 저장부(23), 출력부(24) 및 사용자 인터페이스(25)로 구성된다. 다만, 도 2에 도시된 장기 모델 영상 생성 장치(20)는 본 발명의 하나의 구현 예에 불과하며, 도 2에 도시된 구성 요소들을 기초로 하여 여러 가지 변형이 가능함을 본 발명의 일 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자라면 이해할 수 있다.
입력부(21)는 피검자(40)의 신체 내부를 나타내는 의료 영상의 영상 데이터를 의료 영상 생성 장치(10)로부터 입력받는다. 이 때, 의료 영상은 의료 영상은 초음파 의료 영상, 방사선 의료 영상, MRI 의료 영상 등 다양한 의료 영상의 개념을 모두 포함할 수 있다. 다시 말하면, 본 발명의 의료 영상은 MRI 의료 영상 또는 CT 의료 영상과 같은 단일 종류의 의료 영상으로 한정 해석되는 것은 아니다. 또한, 일반적으로, 의료 영상은 의료 영상 생성 장치(10)의 종류에 따라 피검자(40)의 생체 내부를 나타내는 방식을 달리한다. 예를 들어, 의료 영상 생성 장치(10)가 MRI인 경우, 의료 영상 생성 장치(10)로부터 생성된 의료 영상은 피검자(40)의 생체 내부의 단면을 나타낼 수 있다. 또한, 의료 영상은 2차원 및 3차원 영상으로 구현이 가능하다. 다시 말하면, 의료 영상은 피검자(40)의 신체 내부의 단면 또는 소정의 관찰 영역의 형상을 x 축, y 축으로 구성된 2차원의 영상으로 나타낼 수도 있고, x 축, y 축 및 z축으로 구성된 3차원 영상으로 나타낼 수도 있다.
일반적으로, 의료 영상은 일반적으로 피검자(40)의 신체 내부의 일 영역에 포함된 모든 부분 영역들을 포함한다. 이 때, 부분 영역들은 피검자(40) 신체 내부의 복수의 기관들 또는 복수의 조직들을 의미할 수 있다. 예를 들어, 피검자(40)의 복부의 일 단면을 나타내는 의료 영상에는 피검자(40)의 피부, 뼈, 복수의 내부 장기들의 단면들을 모두 포함될 수 있다. 또한, 입력부(21)는 의료 영상 생성 장치(10)로부터 입력받은 의료 영상을 영상 프로세서(22)에 전달한다.
본 발명의 일 실시예에 따르면, 입력부(21)는 일반화된 모델 영상을 입력받는다. 이 때, 입력부(21)는 일반화된(generic) 모델 영상을 의료 영상 생성 장치(10)로부터 입력받을 수도 있고, 외부의 다른 장치로부터 입력받을 수도 있다. 일반화된 모델 영상은 신체 내부의 특정 장기를 나타내는 대표 영상을 의미한다. 예를 들어, 일반화된 모델 영상은 신체 내부의 간의 대표 영상을 의미한다. 이러한, 일반화된 모델 영상은 일반적으로 복수 개의 샘플 영상 데이터들로부터 통계적인 학습을 통해 이루어진다. 이 때, 통계적인 학습은 통계적인 모델링을 의미할 수도 있다.
통계적인 학습은 복수 개의 샘플 영상 데이터들에 기초하여 대표 영상을 생성하는 것을 의미한다. 이와 같은 통계적인 학습의 일 예는 Active Shape Model (ASM), Active Appearance Model (AAM), Statistical Shape Model (SSM)가 있다. ASM은 새로운 영상에 오브젝트의 대표 영상을 나타내기 위해서 반복적으로 재구성(deform)되는 오브젝트들의 모양의 통계적인 모델들을 이용하는 것을 의미하고, AAM은 새로운 이미지의 외관에 오브젝트 모양의 통계적인 모델을 매칭시키기 위한 컴퓨터 영상 알고리즘을 의미하고, SSM은 유사한 모양들 또는 서로 다른 그룹들로부터 기하학적인(geometrical) 속성들을 묘사하기 위해서 측정된 통계적 모양들 셋으로부터 기하하적인 분석을 수행하는 것을 의미한다. 다만, 이러한 정의들에 한정되어 해석되는 것은 아니다.
일반적으로, 일반화된 모델 영상은 평균(mean) 형태(shape)와 변화(variation)로 표현되는 기저 벡터로 구성이 가능하다. 또한, 일반화된 모델 영상은 메쉬(mesh) 모델로 구성될 수 있다. 이는 상기 평균 형태(mean shape)가 메쉬(mesh) 모델로 구성된다는 것을 의미한다. 일반적으로, 메쉬 모델은 꼭지점, 모서리, 삼각형과 같은 면 등으로 표현되는 모델 영상을 의미한다. 또한, 앞서 설명된 바와 같이, 일반화된 모델 영상은 복수 개의 샘플 영상 데이터들로부터 형성되며, 이 과정에서 일반화된 모델 영상은 장기의 외부 경계는 물론 내부 구조까지 표현이 가능하다. 또한, 일반화된 모델 영상은 외부 경계 정보, 내부 구조 정보 또는 장기 및 내부 구조에 대한 해부학적 특징 정보를 더 포함할 수 있으며, 이 때, 외부 경계 정보, 내부 구조 정보 또는 장기 및 내부 구조에 대한 해부학적 특징 정보는 의미화된(semantic) 정보로서 일반화된 모델 영상의 영상 데이터에 포함될 수 있다.
지금까지 입력부(21)가 외부로부터 일반화된 모델 영상을 입력받는 실시예에 한정하여 설명하였으나, 본 발명의 다른 실시예에 따르면, 입력부(21)는 외부로부터 입력된 또는 내부의 저장부(23)에 저장된 복수의 샘플 영상 데이터들을 이용하여 직접 일반화된 모델 영상을 생성할 수도 있다. 이와 같은 다른 실시예에 대한 구체적인 설명은 이하에서 이루어진다.
출력부(24)는 영상 프로세서(22)에 의해 의료 영상으로부터 생성된 장기 모델 영상의 영상 데이터를 영상 표시 장치(30)로 출력한다. 이와 같은, 출력부(24)는 영상 프로세서(22)와 영상 표시 장치(30)를 연결하고, 앞서 설명된 입력부(21) 의료 영상 생성 장치(10)와 영상 프로세서(22)를 연결하기 위한 일종의 인터페이스(interface)이다. 영상 표시 장치(30)는 출력부(24)로부터 수신한 장기 모델 영상의 영상 데이터를 이용하여 장기 모델 영상을 표시한다. 이와 같은 영상 표시 장치(30)의 일 예에는 장기 모델 영상을 스크린 또는 종이 위에 디스플레이하는 장치가 포함된다. 다만, 이에 한정되지 아니한다.
저장부(23)에는 영상 프로세서(22)에서 수행되는 영상 프로세싱 과정에서 발생되는 다양한 데이터들이 저장된다. 예를 들어, 저장부(23)에는 입력된 의료 영상의 영상 데이터가 저장되고, 일반화된 모델 영상의 영상 데이터가 생성되고, 의료 영상으로부터 추출된 장기의 영상이 저장되고, 출력부(24)로 전달되는 장기 모델 영상의 영상 데이터가 저장될 수 있다. 또한, 본 발명의 다양한 실시예들에 따르면, 저장부(23)에는 이하에서 설명되는 장기 정보, 내부 구조 정보, 해부학적 특징 정보 등의 데이터들이 저장될 수도 있다. 이러한 저장부(23)의 일 예에는 하드디스크드라이브, ROM(Read Only Memory), RAM(Random Access Memory), 플래쉬메모리 및 메모리카드 등이 포함된다. 또한, 사용자 인터페이스(25)는 의료 전문가 등과 같은 사용자로부터 어떤 명령 내지 정보를 입력받기 위한 인터페이스이다. 사용자 인터페이스는 일반적으로 키보드, 마우스 등과 같은 입력 장치가 될 수도 있으나, 영상 표시 장치(30)에 표현되는 그래픽 유저 인터페이스(GUI, Graphical User interface)가 될 수도 있다.
영상 프로세서(22)는 의료 영상으로부터 피검자(40)의 신체 내부의 소정 장기를 나타내는 영상을 추출한다. 또한, 영상 프로세서(22)는 추출된 영상에 기초하여 일반화된 모델 영상으로부터 피검자(40)의 장기 모델 영상의 영상 데이터를 생성한다. 이 때, 의료 영상의 영상 데이터 및 일반화된 모델 영상의 영상 데이터는 입력부(21)로부터 직접 전송될 수도 있고, 입력부(21)에 의해 저장부(23)로 미리 저장되어 저장부(23)로부터 전송될 수도 있다.
도 2를 참조하면, 영상 프로세서(22)는 장기 영상 추출부(221) 및 장기 모델 영상 생성부(222)로 구성된다. 이러한 영상 프로세서(22)는 상기된 바와 같은 구성 요소들의 기능을 수행하는 전용 칩(chip)들로 제작될 수도 있고, 범용 CPU와 저장부(23)에 저장된 전용 프로그램으로 구현될 수도 있다.
장기 영상 추출부(221)는 의료 영상으로부터 피검자(40)의 신체 내부의 소정 장기를 나타내는 영상을 추출한다. 이 때, 의료 영상의 일 예는 앞서 설명된 바와 같이, MRI 영상, 초음파 영상, CT 영상, PET(Positron Emission Tomography) 영상 등 피검자(40)의 신체 내부를 나타내는 다양한 의료 영상이 가능하다. 또한, 장기를 나타내는 영상은 의료 영상으로부터 소정 장기의 영역만을 나타내는 영상을 의미한다. 예를 들어, 장기가 간인 경우, 장기를 나타내는 영상은 간의 내부 영역 및 간의 내부 영역과 외부 영역을 구분하는 경계를 나타내는 영상을 의미할 수 있다. 장기 영상 추출부(221)는 의료 영상으로부터 신체 내부의 장기를 나타내는 영상을 추출하기 앞서 상기 장기를 결정한다. 이 때, 장기 영상 추출부(221)는 의료 영상을 분석하여 의료 영상으로부터 장기를 결정할 수 있다. 예를 들어, 의료 영상에 포함된 장기가 간인 경우, 장기 영상 추출부(221)는 의료 영상을 분석하여 의료 영상으로부터 간을 나타내는 영상을 추출할 수 있는 것이다. 이 때, 장기 영상 추출부(221)는 의료 영상의 분석을 위해 저장부(23)로부터 전달된 샘플 데이터를 이용하거나, 반복적인 작업에 의한 학습 과정을 수행할 수 있다. 반복적인 작업에 의한 학습 과정의 일 예는 동일 장기인 간에 대한 작업을 계속적으로 수행함으로써, 입력된 의료 영상으로부터 간을 나타내는 영상을 식별하는 것을 의미한다.
장기 영상 추출부(221)는 디폴트에 기초하여 장기를 결정하거나, 사용자 인터페이스(25)로부터 입력된 명령에 기초하여 장기를 결정할 수도 있다. 예를 들어, 디폴트 또는 사용자 인터페이스(25)로부터 입력된 명령이 간을 나타내는 경우, 장기 영상 추출부(221)는 의료 영상으로부터 간을 나타내는 영상을 추출할 수 있다. 이 때, 사용자 인터페이스(25)로부터 입력된 명령에는 사용자로부터 입력된 영역 정보가 포함된다. 이 때, 영역 정보는 사용자에 의해 입력된 영역을 정의하는 기하학적 정보를 의미한다. 예를 들어, 사용자가 의료 영상으로부터 간을 나타내는 영역을 사용자 인터페이스(25)를 통해 입력하는 경우, 사용자로부터 입력된 영역 정보는 장기 영상 추출부(221)로 전달되는 것이다. 이 때, 장기 영상 추출부(221)는 사용자로부터 입력된 영역 정보에 기초하여 의료 영상으로부터 장기를 나타내는 영상을 추출한다. 본 발명의 일 실시예에 따르면, 사용자는 사용자 인터페이스(25)에 의하여 의료 영상 내의 일부 영역을 선택한 후 영역 확장(Region Growing) 방식을 통해 영역 정보를 확정할 수도 있고, 의료 영상 내의 장기와 장기가 아닌 부분을 선택하여 Graph Cut 방식을 통해 영역 정보를 확정할 수도 있다. 이 때, Graph Cut 방식에서는 시드(seed) 영역에 대한 확률 분포와 의료 영상 내의 각 지점 별로 시드 영역까지의 거리 정보를 이용하고, 이웃 지점간 라벨(lavel) 차이에 대한 평탄화 과정(Smoothness term)을 이용하여 영역 정보를 확정할 수 있다. 이 때, 각 지점은 2차원 영상인 경우 각각의 픽셀을, 3차원 영상인 경우 각각의 복셀을 의미한다.
일반적으로, 장기 영상 추출부(221)는 결정된 장기의 위치와 방향을 정하기 위한 초기 단계로서 장기 영역 분할을 수행한다. 이 때, 장기의 위치와 방향이 장기 주변의 구조들과의 상대적인 관계를 통하여 예측 가능한 경우, 장기 영상 추출부(221)는 장기 영역 분할의 수행 없이도 장기의 위치와 방향을 결정할 수도 있다.
장기 모델 영상 생성부(222)는 일반화된 모델 영상으로부터 피검자(40)의 장기 모델 영상을 생성한다. 이 때, 일반화된 모델 영상은 앞서 설명된 바와 같이 신체 내부의 특정 장기를 나타내는 대표 영상을 의미한다. 예를 들어, 일반화된 모델 영상은 신체 내부의 간의 대표 영상을 의미한다. 또한, 본 발명의 일 실시예에 따르면, 이러한 일반화된 모델 영상은 입력부(21)로부터 장기 모델 영상 생성부(222)로 입력된다. 다만, 앞서 설명된 바와 같이, 본 발명의 다른 실시예에 따르면, 일반화된 모델 영상은 영상 프로세서(22) 내부의 일 모듈에 의해 생성될 수도 있다.
장기 모델 영상 생성부(222)는 의료 영상으로부터 추출된 영상에 기초하여 일반화된 모델 영상으로부터 피검자(40)의 장기 모델 영상을 생성한다. 앞서 설명된 바와 같이, 추출된 영상은 피검자(40)의 의료 영상으로부터 추출된다. 따라서, 추출된 영상은 피검자(40) 개인의 장기의 실제 특징을 반영한다. 결론적으로, 장기 모델 영상 생성부(222)는 피검자(40) 개인의 장기의 실제 특징을 반영하는 추출된 영상을 이용하여 일반화된 모델 영상으로부터 피검자(40)의 장기의 특징이 반영된 장기 모델 영상을 생성할 수 있는 것이다. 예를 들어, 장기가 간인 경우, 장기 모델 영상 생성부(222)는 의료 영상으로부터 추출된 피검자(40)의 간의 영상에 기초하여 일반화된 모델 영상으로부터 피검자(40)의 간의 특징을 반영한 장기 모델 영상을 생성할 수 있다. 이 때, 장기의 특징은 장기의 형태적인 특징, 장기의 내부 구조의 특징, 장기 및 장기의 내부 구조의 해부학적인 특징 및 장기에 포함된 병변 특징 등을 포함한다. 이와 같은, 장기 모델 영상 생성부(222)의 동작에 대해서는 이하에서 더욱 상세하게 설명된다.
도 3은 본 발명의 일 실시예에 따른 도 2의 장기 영상 추출부(221) 및 장기 모델 영상 생성부(222)의 구성도이다. 도 3을 참조하면, 장기 영상 추출부(221)는 영상 추출부(2211) 및 장기 내부 정보 추출부(2212)로 구성되고, 장기 모델 영상 생성부(222)는 초기 장기 모델 영상 생성부(2221) 및 장기 모델 영상 정제부(2222)로 구성된다. 영상 추출부(2211)는 의료 영상으로부터 피검자(40)의 신체 내부의 소정 장기를 나타내는 영상을 추출한다. 이하에서는 설명의 편의를 위해 의료 영상은 MRI 영상이고, 이러한 MRI 영상에는 피검자(40)의 생체 내부의 간의 일부 또는 전부가 포함되어 있고, 의료 영상으로부터 추출된 장기를 나타내는 영상의 일 예로 간을 나타내는 영상(32)을 가정한다. 이와 같은 맥락에서, 설명의 편의를 위해 일반화된 모델 영상은 간의 일반화된 모델 영상(33)으로 가정되고, 장기 모델 영상을 간을 나타내는 장기 모델 영상(34)으로 가정된다. 다만, 이에 한정 해석되는 것은 아니다. 이러한 가정을 바탕으로 설명하면, 영상 추출부(2211)는 의료 영상(31)으로부터 피검자(40)의 신체 내부의 간을 나타내는 영상(32)을 추출한다. 이는 영상 추출부(2211)가 의료 영상(31)의 영상 데이터로부터 피검자(40)의 신체 내부의 간을 나타내는 영상(32)의 영상 데이터를 생성하는 것으로 설명될 수도 있다.
영상 추출부(2211)는 의료 영상(31)에 기초하여 장기의 경계를 포함하는 영상(32)을 추출한다. 이 때, 경계는 장기의 내부 영역과 외부 영역간의 경계를 의미한다. 도면 부호 32를 참조하면, 영상(32)은 간을 나타내는 장기의 내부 영역과 외부 영역간의 경계(321)를 포함한다. 이와 같이 장기의 영역을 확정하는 구체적인 설명은 앞서 장기 영상 추출부(221)를 통해 설명된 내용과 동일하거나 설명된 내용으로부터 당업자에 의해 용이하게 유추되므로 이하 설명을 생략한다.
장기 내부 정보 추출부(2212)는 의료 영상(31)에 기초하여 장기를 구성하는 적어도 하나의 내부 구조를 추출한다. 또한, 장기 내부 정보 추출부(2212)는 이러한 내부 구조를 정의하는 내부 구조 정보를 생성한다. 또한, 장기 내부 정보 추출부(2212)는 이와 같은 내부 구조 및 내부 구조 정보를 장기는 나타내는 영상(32)의 영상 데이터에 포함시킬 수 있다. 이 때, 내부 구조 정보는 앞서 설명된 바와 같이 의미화된(semantic) 정보이고, 이러한 의미화된 정보는 데이터 형태로 장기는 나타내는 영상(32)의 영상 데이터에 포함되거나, 저장부(23)에 저장될 수 있다.
장기 내부 정보 추출부(2212)는 장기를 구성하는 적어도 하나의 내부 구조를 추출한다. 예를 들어, 장기가 간인 경우, 장기 내부 정보 추출부(2212)는 간에 포함된 혈관을 내부 구조로서 추출하고, 혈관을 정의하기 위한 데이터를 내부 구조 정보로서 추출할 수 있다. 이 때, 혈관을 정의하기 위한 데이터는 혈관의 위치, 방향, 또는 모양 등을 나타내는 데이터를 의미할 수 있다. 또 다른 예를 들어, 장기가 신장인 경우, 장기 내부 정보 추출부(2212)는 신장에 포함된 수질, 피질 또는 혈관 등을 내부 구조로서 추출하고, 이러한 수질, 피질 또는 혈관을 정의하기 위한 데이터를 내부 구조 정보로서 추출할 수 있다. 장기 내부 정보 추출부(2212)는 내부 구조를 추출하기 위한 알고리즘을 이용한다. 예를 들어, 장기 내부 정보 추출부(2212)는 클러스트링(clustering) 기법을 이용하여 간에 포함된 혈관을 내부 구조로서 추출한다. 일반적으로 혈관은 조영 영상 내에서 밝은 값을 보이므로, 장기 내부 정보 추출부(2212)는 이러한 밝은 값을 보이는 점들(예를 들어, 픽셀 또는 복셀)을 군집화(clustering)함으로써, 간 내부의 혈관을 내부 구조로서 추출할 수 있다. 또한, 장기 내부 정보 추출부(2212)는 혈관이 일반적으로 실린더 형태를 띄고 있다는 점을 이용하여 클러스트링 노이즈를 제거할 수도 있다. 또한, 본 발명의 다른 실시예에 따르면, 장기 내부 정보 추출부(2212)는 간을 나타내는 영상과 함께 간을 정의하는 장기 정보를 더 추출할 수 있다. 이 때, 이러한 장기 정보에는 간의 위치, 방향, 또는 모양 등을 정의하기 위한 정보가 포함될 수 있다.
본 발명의 다른 실시예에 따르면, 장기 내부 정보 추출부(2212)는 장기 내부 정보에 기초하여 해부학적 특징 정보를 추출한다. 이 때, 해부학적 특징 정보는 장기 및 장기의 내부 구조들 중 적어도 하나의 해부학적인 특정을 나타내는 정보를 의미한다. 예를 들어, 장기가 간인 경우, 장기 내부 정보 추출부(2212)는 간의 형태 또는 혈관에 의해 구분되는 간엽 (the lobe of the liver)을 해부학적인 특징으로서 추출하고, 이러한 해부학적인 특징을 정의하는 해부학적인 특징 정보를 추출할 수 있다. 이 때, 간엽은 간을 형태적으로 또는 구조적으로 구분하기 위한 것으로서, 이러한 간엽에는 우엽(right lobe), 좌엽(right lobe)이 포함되며, 이러한 우엽과 좌엽 사이에는 네모엽(quadrate lobe)와 꼬리엽(caudate lobe)이 위치한다. 또한, 해부학적인 특징 정보는 간엽의 위치, 방향 또는 모양 등을 나타내는 데이터를 의미할 수 있고, 이러한 해부학적인 특징 정보는 앞서 설명된 바와 같이 의미화된(semantic) 정보이고, 이러한 의미화된 정보는 데이터 형태로 장기는 나타내는 영상(32)의 영상 데이터에 포함되거나, 저장부(23)에 저장될 수 있다. 또한, 장기 내부 정보 추출부(2212)는 간엽을 해부학적인 특징으로서 추출하기 위해서, 다수의 데이터로부터 선 학습된 트리(tree) 형태의 참조 정보를 이용할 수도 있다.
다른 예를 들어, 장기 내부 정보 추출부(2212)는 내부 구조인 혈관의 분기 (branch)를 해부학적인 특징으로서 추출하고, 이러한 해부학적인 특징을 정의하는 해부학적인 특징 정보를 추출할 수 있다. 이 때, 분기는 혈관이 갈라지는 부분을 의미한다. 또한, 해부학적인 특징 정보는 혈관의 분기의 위치, 방향 또는 모양 등을 나타내는 데이터를 의미할 수 있고, 이러한 해부학적인 특징 정보는 앞서 설명된 바와 같이 의미화된(semantic) 정보이고, 이러한 의미화된 정보는 데이터 형태로 장기는 나타내는 영상(32)의 영상 데이터에 포함되거나, 저장부(23)에 저장될 수 있다. 또한, 장기 내부 정보 추출부(2212)는 혈관의 분기를 해부학적인 특징으로서 추출하기 위해서, 혈관이 형태적으로 달라지는 부분을 혈관의 분기로서 검출할 수 있다. 일반적으로, 혈관은 실린더의 형태를 가지고 있으므로, 이러한 실린더 형태가 변화되는 부분을 혈관의 분기로서 추출하는 것이 가능하다. 또 다른 예를 들어, 장기가 신장인 경우, 장기 내부 정보 추출부(2212)는 신장의 내부의 수질, 피질의 경계의 국부 최소 또는 최대값이나 분기를 해부학적인 특징으로서 추출할 수도 있다.
도 4는 도 3에 도시된 초기 장기 모델 영상 생성부(2221) 및 장기 모델 영상 정제부(2222)에 의하여 장기 모델 영상의 영상 데이터가 생성되는 과정을 나타낸 동작 흐름도이다. 도 4를 참조하면, 이와 같은 장기 모델 영상의 영상 데이터가 생성되는 과정은 단계 41 내지 단계 44로 수행된다. 또한, 단계 41 내지 43은 초기 장기 모델 영상 생성부(2221)에 의하여, 단계 44는 장기 모델 영상 정제부(2222)에 의하여 각각 수행된다. 도 3 및 도 4를 참조하면, 단계 41에서 초기 장기 모델 영상 생성부(2221)는 장기를 나타내는 영상(32)의 영상 데이터를 입력받는다. 이 때, 초기 장기 모델 영상 생성부(2221)는 장기를 나타내는 영상(32)의 영상 데이터를 입력부(21)로부터 입력받거나, 저장부(23)로부터 추출할 수 있다. 또한, 앞서 설명된 바와 같이, 장기를 나타내는 영상(32)의 영상 데이터에는 장기의 내부 구조의 영상 데이터, 장기 또는 내부 구조의 형태적인 특징의 영상 데이터, 장기 정보, 내부 구조 정보 및 해부학적인 특징 정보 중 적어도 하나가 더 포함될 수 있다.
도 3 및 도 4를 참조하면, 단계 42에서 초기 장기 모델 영상 생성부(2221)는 일반화된 모델 영상(43)을 입력받는다. 이 때, 초기 장기 모델 영상 생성부(2221)는 일반화된 모델 영상(43)을 입력부(21)로부터 입력받거나, 저장부(23)로부터 추출할 수 있다. 또한, 일반화된 모델 영상(43)은 앞서 설명된 바와 같이 일반화된 모델 영상은 신체 내부의 특정 장기를 나타내는 대표 영상을 의미한다. 예를 들어, 일반화된 모델 영상은 신체 내부의 간의 대표 영상을 의미한다. 이러한, 일반화된 모델 영상은 일반적으로 복수 개의 샘플 영상 데이터들로부터 통계적인 학습을 통해 이루어진다. 이 때, 통계적인 학습은 통계적인 모델링을 의미할 수도 있다.
도 3 및 도 4를 참조하면, 단계 43에서 초기 장기 모델 영상 생성부(2221)는 일반화된 모델 영상(43)으로부터 초기 장기 모델 영상을 생성한다. 이 때, 초기 장기 모델 영상 생성부(2221)는 추출된 영상(32)에 기초하여 일반화된 모델 영상(43)으로부터 초기 장기 모델 영상을 생성한다. 다시 말하면, 초기 장기 모델 영상 생성부(2221)는 일반화된 모델 영상(43)에 피검자(40) 장기의 형태적인 특징을 반영함으로써, 피검자(40) 개인의 초기 장기 모델 영상을 생성하는 것이다. 일반적으로, 초기 장기 모델 영상 생성부(2221)는 피검자(40)의 장기의 형태적인 특징을 파라미터로서 추출하고, 이러한 파라미터에 기반으로 일반화된 모델 영상(43)으로부터 초기 장기 모델 영상을 생성한다. 이 때, 장기의 형태적인 특징은 앞서 설명된 장기 정보에 포함되어 있을 수 있으며, 이러한 형태적인 특징의 일 예는 장기의 위치, 방향 등이 가능하다. 앞서 설명된 바와 같이, 일반화된 모델 영상(43)은 일반적으로 평균(mean) 형태(shape)와 변화(variation)로 표현되는 기저 벡터로 구성이 가능하다. 따라서, 본 발명의 일 실시예에 따르면, 초기 장기 모델 영상 생성부(2221)는 장기의 위치 및 방향 정보를 초기값으로 하여 평균(mean) 형태(shape)에 위치시키고, 이를 기준으로 각 점 (예를 들어, 꼭지점 (vertex))에서 일반적인(normal) 방향으로 변위(displacement)를 계산하여 일반화된 모델 영상(43)의 평균 형태와 변화를 업데이트함으로써, 초기 장기 모델 영상을 생성할 수 있다. 이 때, 각 점(예를 들어, 꼭지점 (vertex))에서의 변위가 최소가 되는 경우로 평균 형태와 변화의 업데이트의 결과가 수렴하는데, 이러한 수렴 형태가 초기 장기 모델 영상이 가지는 한계 형태로 작용할 수도 있다. 또한, 본 발명의 다른 실시예에 따르면, 초기 장기 모델 영상 생성부(2221)는 장기를 나타내는 영상 및 장기 정보 이외에도 내부 구조를 나타내는 영상, 내부 구조 정보, 해부학적 특징을 나타내는 영상 및 해부학적 특징 정보 중 적어도 하나를 더 이용하여 초기 장기 모델 영상을 생성할 수도 있다. 다만, 이러한 내부 구조를 나타내는 영상, 내부 구조 정보, 해부학적 특징을 나타내는 영상 및 해부학적 특징 정보가 초기 장기 모델 영상 생성부(2221)에 의해 더 이용되지 않는 경우에도, 초기 장기 모델 영상에는 장기의 외부 구조, 장기의 내부 구조, 해부학적인 특징 등이 나타날 수 있다.
도 3 및 도 4를 참조하면, 단계 44에서 장기 모델 영상 정제부(2222)는 초기 장기 모델 영상으로부터 장기 모델 영상(34)의 영상 데이터를 생성한다. 이 때, 장기 모델 영상 정제부(2222)는 피검자의 장기와 초기 장기 모델 영상간의 형태적인 특징의 차이를 고려하여 초기 장기 모델 영상으로부터 장기 모델 영상(34)의 영상 데이터를 생성한다. 이는, 장기 모델 영상 정제부(2222)가 피검자의 장기를 나타내는 영상(32)과 초기 장기 모델 영상간의 형태적인 차이를 고려하여 초기 장기 모델 영상으로부터 장기 모델 영상(34)의 영상 데이터를 생성하는 것을 의미할 수도 있다. 예를 들어, 초기 장기 모델 영상이 초기 장기 모델 영상 생성부(2221)에 의하여 추출된 영상(32)에 기초하여 일반화된 모델 영상(43)으로부터 생성되었음에도 불구하고, 초기 장기 모델 영상이 표현하고 있는 영상과 추출된 영상(32)간에 차이(variation)가 존재하는 경우, 장기 모델 영상 정제부(2222)는 이러한 차이를 최소화하기 위해, 피검자의 장기를 나타내는 영상(32)과 초기 장기 모델 영상간의 형태적인 차이를 고려하여 초기 장기 모델 영상으로부터 장기 모델 영상(34)의 영상 데이터를 생성할 수 있다. 차이를 최소화하기 위한 장기 모델 영상 정제부(2222)의 동작은 정제 과정으로 정의될 수도 있다. 이하 도 5를 통해 구체적으로 살펴본다.
도 5는 본 발명의 일 실시예에 따라 도 3의 장기 모델 영상 정제부(2222)에 의해 초기 장기 모델 영상(51)으로부터 장기 모델 영상(34)을 생성하는 과정을 설명하기 위한 도면이다. 본 발명의 일 실시예에 따르면, 장기 모델 영상 정제부(2222)는 초기 장기 모델 영상에 포함된 복수의 점들 중 적어도 하나로부터 추출된 영상의 복수의 점들 중 적어도 하나까지의 거리에 기초하여 초기 장기 모델 영상으로부터 상기 장기 모델 영상의 영상 데이터를 생성한다. 이 때, 초기 장기 모델 영상에 포함된 복수의 점들은 앞서 설명된 바와 같이 초기 장기 모델 영상에 포함된 복수의 꼭지점 (vertex)을 의미하고, 추출된 영상의 복수의 점들은 추출된 영상에서 장기 내부와 외부의 경계에 포함된 점들을 의미할 수 있다. 본 발명의 다른 실시예에 따르면, 추출된 영상의 복수의 점들은 추출된 영상에서 장기의 내부 구조에 포함된 점들을 의미할 수도 있다.
일반적으로, 장기 모델 영상 정제부(2222)는 초기 장기 모델 영상에 포함된 복수의 점들 중 적어도 하나로부터 추출된 영상의 복수의 점들 중 적어도 하나간의 위치의 차이를 최소화함에 기초하여 초기 장기 모델 영상으로부터 상기 장기 모델 영상의 영상 데이터를 생성한다. 도 5를 통해 예시하면, 장기 모델 영상 정제부(2222)는 초기 장기 모델 영상(51)에 포함된 점(511)과 추출된 영상(32)에 포함된 점(322)간의 거리 d1을 최소화함에 기초하여 초기 장기 모델 영상(51)으로부터 장기 모델 영상(44)의 영상 데이터를 생성할 수 있다. 다른 예를 들어, 도 5에 도시된 바와 같이, 장기 모델 영상 정제부(2222)는 초기 장기 모델 영상(51)에 포함된 점(512)과 추출된 영상(32)에 포함된 점(323)간의 거리를 최소화함에 기초하여 초기 장기 모델 영상(51)으로부터 장기 모델 영상(44)의 영상 데이터를 생성할 수 있다. 이 때, 추출된 영상(32)에 포함된 점들(322, 323)은 추출된 영상(32)에서 간의 경계에 포함된 점들을 의미하고, 초기 장기 모델 영상(51)에 포함된 점들(511, 512)은 초기 장기 모델 영상(51)에서 간의 경계에 포함된 점들을 의미할 수 있다.
본 발명의 다른 실시예에 따르면, 장기 모델 영상 정제부(2222)는 초기 장기 모델 영상을 구성하는 적어도 하나의 내부 구조와 추출된 영상을 구성하는 적어도 하나의 내부 구조간의 대응 관계에 기초하여 초기 장기 모델 영상으로부터 상기 장기 모델 영상의 영상 데이터를 생성한다. 또한, 장기 모델 영상 정제부(2222)는 초기 장기 모델 영상을 구성하는 적어도 하나의 해부학적 특징과 추출된 영상을 구성하는 적어도 하나의 해부학적 특징간의 대응 관계에 기초하여 초기 장기 모델 영상으로부터 상기 장기 모델 영상의 영상 데이터를 생성한다.
일반적으로, 장기 모델 영상 정제부(2222)는 초기 장기 모델 영상의 내부 구조를 구성하는 어느 하나의 점으로부터 추출된 영상의 내부 구조를 구성하는 어느 하나의 점간의 위치의 차이를 최소화함에 기초하여 초기 장기 모델 영상으로부터 장기 모델 영상의 영상 데이터를 생성한다. 도 5를 통해 예시하면, 장기 모델 영상 정제부(2222)는 초기 장기 모델 영상(51)에 포함된 점(513)과 추출된 영상(32)에 포함된 점(324)간의 거리 d2을 최소화함에 기초하여 초기 장기 모델 영상(51)으로부터 장기 모델 영상(44)의 영상 데이터를 생성할 수 있다. 이 때, 추출된 영상(32)에 포함된 점(324)은 추출된 영상(32)에서 간의 내부 구조 또는 해부학적 특징에 포함된 점을 의미하고, 초기 장기 모델 영상(51)에 포함된 점들(513)은 초기 장기 모델 영상(51)에서 간의 내부 구조 또는 해부학적 특징에 포함된 점을 의미할 수 있다.
본 발명의 또 다른 실시예에 따르면, 장기 모델 영상 정제부(2222)는 초기 장기 모델 영상을 구성하는 적어도 하나의 점들 각각의 탄성 정보에 기초하여 초기 장기 모델 영상으로부터 장기 모델 영상의 영상 데이터를 생성한다. 이 때, 탄성 정보는 초기 장기 모델 영상을 구성하는 적어도 하나의 점들 각각에 대응하는 장기의 조직들 각각의 탄성도를 포함한다. 일반적으로, 장기 내부의 혈관, 연조직(soft tissue) 등 서로 다른 조직들은 서로 다른 탄성도를 가지고 있으며, 장기 모델 영상 정제부(2222)는 이러한 조직들간의 탄성도의 차이를 반영하여 초기 장기 모델 영상으로부터 장기 모델 영상의 영상 데이터를 생성한다. 조직들간의 탄성도의 차이를 반영하여 초기 장기 모델 영상으로부터 장기 모델 영상의 영상 데이터를 생성하는 것은 탄성 변형 모델 기반의 정합 방식으로 정의될 수도 있다. 다시 말하면, 조직들간의 탄성도의 차이를 모델 변형에 이용하는 방식을 의미하는 것이다. 예를 들어, 장기 모델 영상 정제부(2222)는 초기 장기 모델 영상을 구성하는 복수의 점(예를 들어, 꼭지점 (vertex))들간의 변위를 통해 탄성 에너지를 결정하고, 탄성 에너지가 최소화되는 점들을 기준으로 초기 장기 모델 영상으로부터 장기 모델 영상의 영상 데이터를 생성한다. 예시를 좀 더 구체화화면, 장기 모델 영상 정제부(2222)는 초기 장기 모델 영상을 구성하는 어느 하나의 꼭지점의 탄성 에너지를 최소화할 수 있는 초기 장기 모델 영상을 구성하는 다른 하나의 꼭지점을 결정하고, 어느 하나의 꼭지점의 위치를 다른 하나의 꼭지점의 위치로 이동하는 과정을 통해 초기 장기 모델 영상으로부터 장기 모델 영상의 영상 데이터를 생성할 수 있다.
본 발명의 또 다른 실시예에 따르면, 장기 모델 영상 정제부(2222)는 초기 장기 모델 영상에 포함된 복수의 점들 중 적어도 하나로부터 추출된 영상의 복수의 점들 중 적어도 하나간의 위치, 초기 장기 모델 영상을 구성하는 적어도 하나의 내부 구조와 추출된 영상을 구성하는 적어도 하나의 내부 구조간의 대응 관계 및 초기 장기 모델 영상을 구성하는 적어도 하나의 점들 각각의 탄성 정보 중 적어도 둘 이상에 기초하여 초기 장기 모델 영상으로부터 장기 모델 영상의 영상 데이터를 생성한다. 다시 말하면, 장기 모델 영상 정제부(2222)는 앞서 설명된 실시예들 각각을 복합적으로 고려하여 초기 장기 모델 영상으로부터 장기 모델 영상의 영상 데이터를 생성할 수 있는 것이다. 또한, 장기 모델 영상 정제부(2222)는 앞서 설명된 실시예들에 의한 결과들 각각에 서로 다른 가중치를 적용하여 초기 장기 모델 영상으로부터 장기 모델 영상의 영상 데이터를 생성할 수도 있다.
본 발명의 또 다른 실시예에 따르면, 장기 모델 영상 정제부(2222)는 초기 장기 모델 영상에 포함된 복수의 점들 중 적어도 하나로부터 추출된 영상의 복수의 점들 중 적어도 하나까지의 거리를 나타내는 제1 에너지 함수를 정의하고, 초기 장기 모델 영상을 구성하는 적어도 하나의 내부 구조와 추출된 영상을 구성하는 적어도 하나의 내부 구조간의 차이를 나타내는 제2 에너지 함수를 정의하고, 초기 장기 모델 영상을 구성하는 적어도 하나의 점들 각각의 탄성 정보에 의한 탄성 에너지를 나타내는 제3 에너지 함수를 정의하고, 제1 에너지 함수, 제2 에너지 함수 및 제3 에너지 함수를 고려하여 초기 장기 모델 영상으로부터 장기 모델 영상의 영상 데이터를 생성한다.
장기 모델 영상 정제부(2222)는 초기 장기 모델 영상의 꼭지점들로부터 장기 모델 영상을 구성하는 꼭지점들을 찾는 과정을 통하여 초기 장기 모델 영상으로부터 장기 모델 영상의 영상 데이터를 생성한다. 이 때, 장기 모델 영상 정제부(2222)는 초기 장기 모델 영상의 꼭지점들에 의해 정의되는 에너지 함수를 최소화하는 새로운 꼭지점들을 검색하고, 이러한 새로운 꼭지점들을 장기 모델 영상을 구성하는 꼭지점들로 결정한다. 이를 수학식으로 표현하면 수학식 1과 같다. 이 때, v는 초기 장기 모델 영상의 꼭지점들 각각의 위치(예를 들어, 좌표)를 의미하고, v'는 새로운 꼭지점들 각각의 위치(예를 들어, 좌표)를 의미하고, E는 에너지 함수를 의미한다.
[수학식 1]
Figure pat00001
수학식 1의 에너지 함수 E는 앞서 설명된 제1 에너지 함수, 제2 에너지 함수 및 제3 에너지 함수의 조합을 통해 해석이 가능하다. 이를 바탕으로, 수학식 1의 에너지 함수 E는 수학식 2와 같이 표현된다. 이 때, E1은 제1 에너지 함수를 의미하고, E2는 제2 에너지 함수를 의미하고, E3은 제3 에너지 함수를 의미한다.
[수학식 2]
Figure pat00002
또한, 제1 에너지 함수, 제2 에너지 함수 및 제3 에너지 함수 각각은 수학식 3과 같이 표현된다. 이 때, a1, a2 및 a3 각각은 상수이고, d1(v)는 초기 장기 모델 영상의 적어도 하나의 꼭지점으로부터 추출된 영상의 적어도 하나의 점(예를 들어, 추출된 영상의 경계를 구성하는 점 또는 추출된 영상의 내부 구조를 구성하는 점)까지의 거리를 의미하고, d2(vfeature)는 초기 장기 모델 영상의 적어도 하나의 꼭지점 (예를 들어, 초기 장기 모델 영상의 내부 구조를 구성하는 꼭지점)으로부터 추출된 영상의 적어도 하나의 점(예를 들어, 추출된 영상의 내부 구조를 구성하는 점)까지의 거리를 의미하고, k는 초기 장기 모델 영상의 적어도 하나의 꼭지점 각각과 연결된 에지(edge)의 탄성도(elasticity)를 의미하고,
Figure pat00003
는 초기 장기 모델 영상의 적어도 하나의 꼭지점간의 변이를 의미한다.
[수학식 3]
Figure pat00004
도 6은 본 발명의 또 다른 실시예에 따른 장기 영상 추출부(221) 및 장기 모델 영상 생성부(222)의 구성도이다. 도 6을 참조하면, 장기 영상 추출부(221)는 영상 추출부(2211), 장기 내부 정보 추출부(2212) 및 병변 영상 추출부(2213)로 구성된다. 도 6을 참조하면, 영상 추출부(2211)는 의료 영상으로부터 피검자(40)의 신체 내부의 소정 장기를 나타내는 영상을 추출하고, 장기 내부 정보 추출부(2212)는 의료 영상에 기초하여 장기를 구성하는 적어도 하나의 내부 구조를 추출한다. 이와 같은 영상 추출부(2211) 및 장기 내부 정보 추출부(2212)에 대해 설명되지 아니한 사항은 앞서 도 3의 영상 추출부(2211) 및 장기 내부 정보 추출부(2212)에 대한 설명과 동일하거나 설명으로부터 당업자에 의해 용이하게 유추 가능하므로 이하 설명을 생략한다.
병변 영상 추출부(2213)는 장기 내부의 소정 병변을 나타내는 병변 영상을 추출한다. 이 때, 병변은 신체 구조의 병리적 변화를 의미한다. 또한, 이러한 병변은 신체 내부의 정상적인 조직들과 구별되는 이상적인 조직 또는 이상상태의 조직을 의미한다. 예를 들어, 신체 내부의 장기가 간인 경우, 병변의 일 예는 간 내부에 포함된 낭종(cyst), 경화(calcification) 및 종양(tumor) 등이 가능하다.
병변 영상 추출부(2213)는 의료 영상으로부터 장기 내부의 병변을 나타내는 병변 영상을 추출한다. 이 때, 병변 영상은 의료 영상으로부터 소정 병변의 영역만을 나타내는 영상을 의미한다. 예를 들어, 장기가 간인 경우, 병변 영상은 간 내부의 종양의 내부 영역 및 종양의 내부 영역과 외부 영역을 구분하는 경계를 나타내는 영상을 의미할 수 있다. 병변 영상 추출부(2213)는 의료 영상으로부터 병변 영상을 추출하기 앞서 병변의 종류를 결정한다. 이 때, 병변 영상 추출부(2213)는 의료 영상을 분석하여 의료 영상으로부터 병변을 결정할 수 있다. 예를 들어, 의료 영상에 포함된 장기가 간인 경우, 병변 영상 추출부(2213)는 의료 영상을 분석하여 의료 영상으로부터 간 내부의 종양을 나타내는 영상을 추출할 수 있는 것이다. 이 때, 병변 영상 추출부(2213)는 의료 영상의 분석을 위해 저장부(23)로부터 전달된 샘플 데이터를 이용하거나, 반복적인 작업에 의한 학습 과정을 수행할 수 있다. 반복적인 작업에 의한 학습 과정의 일 예는 간 내부의 동일 종류인 병변인 종양에 대한 작업을 계속적으로 수행함으로써, 입력된 의료 영상으로부터 간 내부에 종양을 나타내는 영상을 식별하는 것을 의미한다.
병변 영상 추출부(2213)는 디폴트에 기초하여 장기 내부의 병변을 결정하거나, 사용자 인터페이스(25)로부터 입력된 명령에 기초하여 병변을 결정할 수도 있다. 예를 들어, 디폴트 또는 사용자 인터페이스(25)로부터 입력된 명령이 간 내부의 종양을 나타내는 경우, 병변 영상 추출부(2213)는 의료 영상으로부터 간 내부의 종양을 나타내는 영상을 추출할 수 있다. 이 때, 사용자 인터페이스(25)로부터 입력된 명령에는 사용자로부터 입력된 영역 정보가 포함된다. 이 때, 영역 정보는 사용자에 의해 입력된 영역을 정의하는 기하학적 정보를 의미한다. 예를 들어, 사용자가 의료 영상으로부터 간 내부의 종양을 나타내는 영역을 사용자 인터페이스(25)를 통해 입력하는 경우, 사용자로부터 입력된 영역 정보는 병변 영상 추출부(2213)로 전달되는 것이다. 이 때, 병변 영상 추출부(2213)는 사용자로부터 입력된 영역 정보에 기초하여 의료 영상으로부터 병변을 나타내는 영상을 추출한다. 본 발명의 일 실시예에 따르면, 사용자는 사용자 인터페이스(25)에 의하여 의료 영상 내의 일부 영역을 선택한 후 영역 확장(Region Growing) 방식을 통해 영역 정보를 확정할 수도 있고, 의료 영상 내의 장기와 장기가 아닌 부분을 선택하여 Graph Cut 방식을 통해 영역 정보를 확정할 수도 있다. 이 때, Graph Cut 방식에서는 시드(seed) 영역에 대한 확률 분포와 의료 영상 내의 각 지점 별로 시드 영역까지의 거리 정보를 이용하고, 이웃 지점간 라벨(lavel) 차이에 대한 평탄화 과정(Smoothness term)을 이용하여 영역 정보를 확정할 수 있다. 이 때, 각 지점은 2차원 영상인 경우 각각의 픽셀을, 3차원 영상인 경우 각각의 복셀을 의미한다.
도 6을 참조하면, 장기 모델 영상 생성부(222)는 초기 장기 모델 영상 생성부(2221), 장기 모델 영상 정제부(2222), 병변 모델 영상 생성부(2223) 및 영상 합성부(2224)로 구성된다. 도 6을 참조하면, 초기 장기 모델 영상 생성부(2221)는 장기를 나타내는 영상(32)의 영상 데이터를 입력받고, 일반화된 모델 영상(43)을 입력받고, 일반화된 모델 영상(43)으로부터 초기 장기 모델 영상을 생성한다. 또한, 도 6을 참조하면, 장기 모델 영상 정제부(2222)는 초기 장기 모델 영상으로부터 장기 모델 영상(34)의 영상 데이터를 생성한다. 이와 같은 초기 장기 모델 영상 생성부(2221) 및 장기 모델 영상 정제부(2222)에 대해 설명되지 아니한 사항은 앞서 도 3의 초기 장기 모델 영상 생성부(2221) 및 장기 모델 영상 정제부(2222)에 대한 설명과 동일하거나 설명으로부터 당업자에 의해 용이하게 유추 가능하므로 이하 설명을 생략한다.
병변 모델 영상 생성부(2223)는 추출된 병변 영상에 기초하여 병변 모델 영상의 영상 데이터를 생성한다. 이 때, 병변 모델 영상은 추출된 병변 영상에 기초하여 병변을 새롭게 모델링한 영상을 의미한다. 일반적으로, 이러한 병변 모델 영상은 3차원 볼륨 영상으로 구성이 가능하다. 다만, 병변 모델 영상이 3차원 볼륨 영상으로만 한정 해석되는 것이 아니므로, 병변 모델 영상은 2차원 영상일 수도 있다. 또한, 병변 모델 영상은 앞서 설명된 장기 모델 여상과 같이 피검자(40)의 의료 영상으로부터 추출되었기 때문에, 피검자(40) 개인의 장기의 실제 특징을 반영한다. 다시 말하면, 병변 모델 영상 생성부(2223)는 피검자(40) 개인의 장기 내부의 병변의 실제 특징을 반영하는 추출된 영상으로부터 피검자(40)의 장기 내부의 병변의 특징이 반영된 병변 모델 영상을 생성할 수 있는 것이다. 예를 들어, 장기가 간인 경우, 병변이 간에 포함된 종양인 경우, 병변 모델 영상 생성부(2223)는 의료 영상으로부터 추출된 피검자(40)의 간 내부의 종양의 영상에 기초하여 피검자(40)의 간 내부의 종양의 특징을 반영한 병변 모델 영상을 생성할 수 있다. 이 때, 종양과 같은 병변이 구의 형태인 경우, 병변 모델 영상은 병변 자체의 형태적인 특징을 반영하는 하나의 덩어리 형태로 모델링이 가능하다. 또한, 이러한 병변 모델 영상 역시 앞서 설명된 장기 모델 영상과 같이 메쉬 모델로 모델링이 가능하다. 또한, 병변 모델 영상의 영상 데이터는 종류를 달리하는 병변들간의 탄성도의 차이를 나타내는 탄성 정보를 더 포함할 수 있다. 예를 들어, 석회화(calcification)는 낭종(cyst)과 다른 탄성도를 가지므로 석회화를 반영하는 병변 모델 영상의 탄성 정보와 낭종을 반영하는 병변 모델 영상의 탄성 정보는 다르게 결정될 수 있다. 또한, 병변 모델 영상의 영상 데이터는 병변 내부의 조직들간의 탄성도의 차이를 나타내는 탄성 정보를 더 포함할 수도 있다.
영상 합성부(2224)는 병변 모델 영상을 장기 모델 영상에 합성한다. 이 때, 영상 합성부(2224)는 장기 모델 영상의 영상 데이터 및 병변 모델 영상의 영상 데이터에 기초하여 장기 모델 영상에 병변 모델 영상을 합성한다. 본 발명의 일 실시예에 따르면, 영상 합성부(2224)는 장기 모델 영상과 병변 모델 영상간의 합성을 위해, 장기 모델 영상에 병변 모델 영상을 오버랩(overlap)시킬 수도 있다. 본 발명의 다른 실시예에 따르면, 영상 합성부(2224)는 장기 모델 영상과 병변 모델 영상간의 합성을 위해, 장기 모델 영상의 영상 데이터 및 병변 모델 영상의 영상 데이터를 이용하여 새로운 장기 모델 영상을 구성할 수도 있다. 이 때, 새로운 장기 모델 영상을 구성하는 복수의 픽셀들 또는 복셀들 각각의 강도(intensity)는 장기 모델 영상을 구성하는 복수의 픽셀들 또는 복셀들 각각의 강도와 병변 모델 영상을 구성하는 복수의 픽셀들 또는 복셀들 각각의 강도에 기초하여 결정될 수 있다. 또한, 이러한 픽셀들 또는 복셀들은 메쉬 모델의 꼭지점(vertex)을 의미할 수도 있다. 또한, 영상 합성부(2224)는 장기 모델 영상과 병변 모델 영상간의 상대적인 위치 관계를 고려하여 장기 모델 영상과 병변 모델 영상을 합성할 수 있다. 또한, 앞서 설명된 바와 같이, 장기 모델 영상은 장기는 물론 장기의 내부 구조 및 해부학적 특징으로 포함하는 메쉬 모델로 구성되며, 메쉬 모델의 각 꼭지점들간 에지(edge)는 탄성 정보를 가질 수 있다. 또한, 병변 모델 영상 역시 병변을 나타내는 메쉬 모델로 구성되며, 메쉬 모델의 각 꼭지점들간 에지는 탄성 정보를 가질 수 있다.
도 7은 본 발명의 일 실시예에 따라 의료 영상(71) 및 일반화된 모델 영상(74)에 기초하여 장기 모델 영상(78)을 생성하는 과정을 설명하기 위한 도면이다. 도 6 및 도 7을 참조하면, 영상 추출부(2211)는 의료 영상(71)으로부터 장기를 나타내는 영상(72)을 추출하고, 병변 영상 추출부(2213)는 의료 영상(71)으로부터 병변을 나타내는 영상(73)을 추출한다. 또한, 도 6 및 도 7을 참조하면, 초기 장기 모델 영상 생성부(2221)는 추출된 영상(72)에 기초하여 일반화된 모델 영상(74)으로부터 초기 장기 모델 영상(75)을 생성하고, 장기 모델 영상 정제부(2222)는 초기 장기 모델 영상(75)으로부터 장기 모델 영상(76)을 생성하고, 병변 모델 영상 생성부(2223)는 추출된 영상(73)으로부터 병변 모델 영상(77)을 생성한다. 또한, 도 6 및 도 7을 참조하면, 영상 합성부는 장기 모델 영상(76)에 병변 모델 영상(77)을 합성한다. 이를 통해, 출력되는 장기 모델 영상(77)은 장기의 외곽의 경계뿐만 아니라 장기 내부에 포함된 내부 구조 및 병변을 모두 나타낸다. 예를 들어, 장기 모델 영상(77)이 피검자(40)의 신체 내부의 간을 나타내는 장기 모델 영상인 경우, 이러한 장기 모델 영상(77)은 간의 외곽의 경계뿐만 아니라 간 내부에 포함된 혈관, 간엽과 같은 내부구조 및 낭종(cyst), 석회화(calcification), 종양(tumor)과 같은 병변도 나타낼 수 있는 것이다. 이러한 장기 모델 영상(77)을 통해 환자를 진단하는데 있어 진단의 정확도 및 효율성을 비약적으로 증대시킬 수 있다는 것은 앞서 설명된 바와 같다. 또한, 이러한 도 7에 대해 설명되지 아니한 사항은 앞서 도 1 내지 도 6을 통해 설명된 내용으로부터 뒷받침된다.
도 8은 도 1에 도시된 장기 모델 영상 생성 장치(20)의 다른 실시예에 따른 구성도이다. 도 8을 참조하면, 도 1에 도시된 장기 모델 영상 생성 장치(20)는 입력부(81), 영상 프로세서(82), 저장부(83), 출력부(84) 및 사용자 인터페이스(85)로 구성된다. 이 때, 도 8의 저장부(83), 출력부(84) 및 사용자 인터페이스(85) 각각에 대한 동작 설명은 도 2의 실시예에 따른 장기 모델 영상 생성 장치(20)의 저장부(23), 출력부(24) 및 사용자 인터페이스(25) 각각의 동작 설명에 대응되므로, 이하 설명을 생략한다. 다만, 도 8의 입력부(81)는 도 2의 입력부(21)와 차이점을 갖는다. 구체적으로, 입력부(81)는 일반화된 모델 영상의 영상 데이터를 입력받지 아니하고, 샘플 영상 데이터들을 입력받고, 입력받은 샘플 영상 데이터들을 일반화 모델 영상 생성부(822)로 전달한다. 이 때, 입력부(21)는 샘플 영상 데이터들을 의료 영상 생성 장치(10)로부터 입력받을 수도 있고, 외부의 다른 장치로부터 입력받을 수도 있다. 이러한 입력부(81)와 입력부(21)간의 차이점 이외에 입력부(81)에 대해서 설명하지 아니한 사항은 도 2의 입력부(21)에 대하여 설명된 내용과 동일하거나 설명된 내용으로부터 당업자에 의해 용이하게 유추되므로 이하 설명을 생략한다.
도 8을 참조하면, 영상 프로세서(82)는 영상 추출부(821), 일반화 모델 영상 생성부(822) 및 장기 모델 영상 생성부(823)로 구성된다. 이 때, 영상 추출부(821)에 대한 동작 설명은 도 2의 실시예에 따른 장기 모델 영상 생성 장치(20)의 영상 추출부(221)의 동작 설명에 대응되므로, 이하 설명을 생략한다. 또한, 장기 모델 영상 생성부(823)에 대한 동작 설명은 도 2의 실시예에 따른 장기 모델 영상 생성 장치(20)의 장기 모델 영상 생성부(222)의 동작 설명에 대응되므로, 이하 설명을 생략한다. 다만, 장기 모델 영상 생성부(823)는 입력부(21)로부터 일반화된 모델 영상을 입력받는 장기 모델 영상 생성부(222)와 달리 일반화 모델 영상 생성부(822)로부터 일반화된 모델 영상을 입력받는다.
일반화 모델 영상 생성부(822)는 복수의 샘플 영상 데이터들에 기초하여 일반화된 모델 영상을 생성한다. 이 때, 일반화 모델 영상 생성부(822)는 복수의 샘플 영상 데이터들을 입력부(21)로부터 입력받거나, 저장부(83)로부터 추출한다. 일반화된 모델 영상은 신체 내부의 특정 장기를 나타내는 대표 영상을 의미한다. 예를 들어, 일반화된 모델 영상은 신체 내부의 간의 대표 영상을 의미한다. 이러한, 일반화된 모델 영상은 일반적으로 일반화 모델 영상 생성부(822)에 의하여 복수 개의 샘플 영상 데이터들로부터 통계적인 학습을 통해 이루어진다. 이 때, 통계적인 학습은 통계적인 모델링을 의미할 수도 있다.
통계적인 학습은 복수 개의 샘플 영상 데이터들에 기초하여 대표 영상을 생성하는 것을 의미한다. 이와 같은 통계적인 학습의 일 예는 Active Shape Model (ASM), Active Appearance Model (AAM), Statistical Shape Model (SSM)가 있다. ASM은 새로운 영상에 오브젝트의 대표 영상을 나타내기 위해서 반복적으로 재구성(deform)되는 오브젝트들의 모양의 통계적인 모델들을 이용하는 것을 의미하고, AAM은 새로운 이미지의 외관에 오브젝트 모양의 통계적인 모델을 매칭시키기 위한 컴퓨터 영상 알고리즘을 의미하고, SSM은 유사한 모양들 또는 서로 다른 그룹들로부터 기하학적인(geometrical) 속성들을 묘사하기 위해서 측정된 통계적 모양들 셋으로부터 기하하적인 분석을 수행하는 것을 의미한다. 다만, 이러한 정의들에 한정되어 해석되는 것은 아니다.
일반적으로, 일반화된 모델 영상은 평균(mean) 형태(shape)와 변화(variation)로 표현되는 기저 벡터로 구성이 가능하다. 또한, 일반화된 모델 영상은 메쉬(mesh) 모델로 구성될 수 있다. 이는 상기 평균 형태(mean shape)가 메쉬(mesh) 모델로 구성된다는 것을 의미한다. 일반적으로, 메쉬 모델은 꼭지점, 모서리, 삼각형과 같은 면 등으로 표현되는 모델 영상을 의미한다. 또한, 앞서 설명된 바와 같이, 일반화된 모델 영상은 복수 개의 샘플 영상 데이터들로부터 형성되며, 이 과정에서 일반화된 모델 영상은 장기의 외부 경계는 물론 내부 구조까지 표현이 가능하다. 또한, 일반화된 모델 영상은 외부 경계 정보, 내부 구조 정보 또는 장기 및 내부 구조에 대한 해부학적 특징 정보를 더 포함할 수 있으며, 이 때, 외부 경계 정보, 내부 구조 정보 또는 장기 및 내부 구조에 대한 해부학적 특징 정보는 의미화된(semantic) 정보로서 일반화된 모델 영상의 영상 데이터에 포함될 수 있다.
또한, 이와 같은 도 8의 실시예에 따른 장기 영상 생성 장치(20)의 동작에 대하여 설명하지 아니한 사항은 앞서 도 1 내지 도 7의 개시된 내용들과 동일하거나 또는 개시된 내용으로부터 당업자에 의해 용이하게 유추 가능하므로 이하 설명을 생략한다.
도 9는 본 발명의 일 실시예에 따른 장기 모델 영상 생성 방법을 나타낸 동작 흐름도이다. 도 9에 도시된 실시예에 따른 장기 모델 영상 생성 방법은 도 2에 도시된 장기 모델 영상 생성 장치(20)에서 시계열적으로 처리되는 단계들로 구성된다. 따라서, 이하 생략된 내용이라고 하더라도 도 2에 도시된 장기 모델 영상 생성 장치(20)에 관하여 이상에서 기술된 내용은 도 9에 도시된 실시예에 따른 장기 모델 영상 생성 방법에도 적용된다.
단계 91에서 입력부(21)는 피검자의 신체 내부를 나타내는 의료 영상의 영상 데이터를 입력받는다. 단계 92에서 장기 영상 추출부(221)는 의료 영상으로부터 신체 내부의 소정 장기를 나타내는 영상을 추출한다. 단계 93에서 입력부(21)는 복수 개의 샘플 영상 데이터들로부터 결정된 장기의 일반화된 모델 영상의 영상 데이터를 입력받는다. 단계 94에서 장기 모델 영상 생성부(222)는 추출된 영상에 기초하여 일반화된 모델 영상으로부터 상기 피검자의 장기 모델 영상의 영상 데이터를 생성한다.
도 10은 본 발명의 다른 실시예에 따른 장기 모델 영상 생성 방법을 나타낸 동작 흐름도이다. 도 10에 도시된 실시예에 따른 장기 모델 영상 생성 방법은 도 2에 도시된 장기 모델 영상 생성 장치(20)에서 시계열적으로 처리되는 단계들로 구성된다. 따라서, 이하 생략된 내용이라고 하더라도 도 10에 도시된 장기 모델 영상 생성 장치(20)에 관하여 이상에서 기술된 내용은 도 10에 도시된 실시예에 따른 장기 모델 영상 생성 방법에도 적용된다.
단계 101에서 입력부(21)는 피검자의 신체 내부를 나타내는 의료 영상의 영상 데이터를 입력받는다. 단계 102에서 장기 영상 추출부(221)는 의료 영상으로부터 신체 내부의 소정 장기를 나타내는 영상을 추출한다. 단계 103에서 장기 영상 추출부(221)는 의료 영상으로부터 장기 내부의 소정 병변을 나타내는 병변 영상을 추출한다. 단계 104에서 장기 모델 영상 생성부(222)는 추출된 영상에 기초하여 피검자의 장기 모델 영상의 영상 데이터를 생성한다. 단계 105에서 장기 모델 영상 생성부(222)는 추출된 병변 영상에 기초하여 장기 모델 영상과 합성되는 병변 모델 영상의 영상 데이터를 생성한다.
도 9 및 10 각각을 통해 설명된 실시예에 따른 장기 모델 영상 생성 방법은 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터로 읽을 수 있는 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다. 상기 컴퓨터로 읽을 수 있는 기록매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드 디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등)와 같은 저장매체를 포함한다.
이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
20 ... 장기 모델 영상 생성 장치
22 ... 영상 프로세서
221 ... 장기 영상 추출부
222 ... 장기 모델 영상 생성부

Claims (18)

  1. 피검자의 신체 내부를 나타내는 의료 영상의 영상 데이터를 입력받는 단계;
    상기 의료 영상으로부터 상기 신체 내부의 소정 장기를 나타내는 영상을 추출하는 단계;
    복수 개의 샘플 영상 데이터들로부터 결정된 상기 장기의 일반화된 모델 영상의 영상 데이터를 입력받는 단계; 및
    상기 추출된 영상에 기초하여 상기 일반화된 모델 영상으로부터 상기 피검자의 장기 모델 영상의 영상 데이터를 생성하는 단계를 포함하는 장기 모델 영상 생성 방법.
  2. 제1 항에 있어서,
    상기 장기를 나타내는 영상을 추출하는 단계는,
    상기 의료 영상에 기초하여 상기 장기의 내부 영역과 외부 영역간의 경계를 포함하는 상기 영상을 추출하는 단계; 및
    상기 의료 영상에 기초하여 상기 장기를 구성하는 적어도 하나의 내부 구조를 나타내는 장기 내부 정보를 추출하는 단계를 포함하는 장기 모델 영상 생성 방법.
  3. 제2 항에 있어서,
    상기 피검자의 장기 모델 영상의 영상 데이터를 생성하는 단계는, 상기 추출된 영상 및 상기 추출된 장기 내부 정보에 기초하여 상기 일반화된 모델 영상으로부터 상기 피검자의 장기 모델 영상의 영상 데이터를 생성하는 장기 모델 영상 생성 방법.
  4. 제3 항에 있어서,
    상기 장기 내부 정보를 추출하는 단계는, 상기 장기 내부 정보에 기초하여 상기 장기의 해부학적인 특징을 나타내는 해부학적 특징 정보를 더 추출하고,
    상기 피검자의 장기 모델 영상의 영상 데이터를 생성하는 단계는, 상기 추출된 영상, 상기 추출된 장기 내부 정보 및 상기 추출된 해부학적 특징 정보에 기초하여 상기 일반화된 모델 영상으로부터 상기 피검자의 장기 모델 영상의 영상 데이터를 생성하는 장기 모델 영상 생성 방법.
  5. 제1 항에 있어서,
    상기 피검자의 장기 모델 영상의 영상 데이터를 생성하는 단계는,
    상기 추출된 영상에 기초하여 상기 일반화된 모델 영상으로부터 상기 피검자의 초기 장기 모델 영상을 생성하는 단계; 및
    상기 피검자의 장기와 상기 초기 장기 모델 영상간의 형태적인 특징의 차이를 고려하여 상기 초기 장기 모델 영상으로부터 상기 장기 모델 영상의 영상 데이터를 생성하는 단계를 포함하는 장기 모델 영상 생성 방법.
  6. 제5 항에 있어서,
    상기 초기 장기 모델 영상으로부터 장기 모델 영상의 영상 데이터를 생성하는 단계는, 상기 초기 장기 모델 영상에 포함된 복수의 점들 중 적어도 하나로부터 상기 추출된 영상에 포함된 복수의 점들 중 적어도 하나까지의 거리에 기초하여 상기 초기 장기 모델 영상으로부터 상기 장기 모델 영상의 영상 데이터를 생성하는 단계를 포함하는 장기 모델 영상 생성 방법.
  7. 제5 항에 있어서,
    상기 초기 장기 모델 영상으로부터 장기 모델 영상의 영상 데이터를 생성하는 단계는, 상기 초기 장기 모델 영상을 구성하는 적어도 하나의 내부 구조와 상기 추출된 영상을 구성하는 적어도 하나의 내부 구조간의 대응 관계에 기초하여 상기 초기 장기 모델 영상으로부터 상기 장기 모델 영상의 영상 데이터를 생성하는 단계를 포함하는 장기 모델 영상 생성 방법.
  8. 제5 항에 있어서,
    상기 초기 장기 모델 영상으로부터 장기 모델 영상의 영상 데이터를 생성하는 단계는, 상기 초기 장기 모델 영상을 구성하는 적어도 하나의 점들 각각의 탄성 정보에 기초하여 상기 초기 장기 모델 영상으로부터 상기 장기 모델 영상의 영상 데이터를 생성하는 단계를 포함하는 장기 모델 영상 생성 방법.
  9. 제8 항에 있어서,
    상기 탄성 정보는, 상기 초기 장기 모델 영상을 구성하는 적어도 하나의 점들 각각에 대응하는 장기의 조직들 각각의 탄성도를 나타내는 장기 모델 영상 생성 방법.
  10. 제1 항에 있어서,
    상기 일반화된 모델 영상은, 상기 복수 개의 샘플 영상 데이터들로부터 통계적인 모델링에 의하여 결정되는 장기 모델 영상 생성 방법.
  11. 제1 항에 있어서,
    상기 장기 모델 영상 생성 방법은,
    상기 의료 영상으로부터 상기 장기 내부의 소정 병변을 나타내는 병변 영상을 추출하는 단계; 및
    상기 추출된 병변 영상에 기초하여 상기 장기 모델 영상과 합성되는 병변 모델 영상의 영상 데이터를 생성하는 단계를 더 포함하는 장기 모델 영상 생성 방법.
  12. 제11 항에 있어서,
    상기 장기 모델 영상 생성 방법은,
    상기 장기 모델 영상의 영상 데이터 및 상기 병변 모델 영상의 영상 데이터에 기초하여 상기 장기 모델 영상에 상기 병변 모델 영상을 합성하는 단계를 더 포함하는 장기 모델 영상 생성 방법.
  13. 제11 항에 있어서,
    상기 장기 모델 영상에 병변 모델 영상을 합성하는 단계는, 상기 장기 모델 영상을 구성하는 적어도 하나의 점들 각각의 탄성 정보와 상기 병변 모델 영상을 구성하는 적어도 하나의 점들 각각의 탄성 정보에 기초하여 상기 장기 모델 영상에 상기 병변 모델 영상을 합성하는 단계를 더 포함하는 장기 모델 영상 생성 방법.
  14. 피검자의 신체 내부를 나타내는 의료 영상의 영상 데이터를 입력받는 단계;
    상기 의료 영상으로부터 상기 신체 내부의 소정 장기를 나타내는 영상을 추출하는 단계;
    상기 의료 영상으로부터 상기 장기 내부의 소정 병변을 나타내는 병변 영상을 추출하는 단계;
    상기 추출된 영상에 기초하여 상기 피검자의 장기 모델 영상의 영상 데이터를 생성하는 단계; 및
    상기 추출된 병변 영상에 기초하여 상기 장기 모델 영상과 합성되는 병변 모델 영상의 영상 데이터를 생성하는 단계를 포함하는 장기 모델 영상 생성 방법.
  15. 제1 항 내지 제14 항 중에 어느 한 항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
  16. 피검자 신체 내부를 나타내는 의료 영상의 영상 데이터를 입력받는 입력부;
    상기 의료 영상으로부터 상기 신체 내부의 소정 장기를 나타내는 영상을 추출하고, 상기 추출된 영상에 기초하여 상기 장기의 일반화된 모델 영상으로부터 상기 피검자의 장기 모델 영상의 영상 데이터를 생성하는 영상 프로세서; 및
    상기 장기 모델 영상의 영상 데이터를 출력하는 출력부를 포함하는 장기 모델 영상 생성 장치.
  17. 제16 항에 있어서,
    상기 입력부는 복수 개의 샘플 영상 데이터들로부터 결정된 상기 장기의 일반화된 모델 영상의 영상 데이터를 더 입력받고,
    상기 영상 프로세서는,
    상기 의료 영상으로부터 상기 신체 내부의 소정 장기를 나타내는 영상을 추출하는 장기 영상 추출부; 및
    상기 추출된 영상에 기초하여 상기 일반화된 모델 영상으로부터 상기 피검자의 장기 모델 영상의 영상 데이터를 생성하는 장기 모델 영상 생성부를 포함하는 장기 모델 영상 생성 장치.
  18. 제16 항에 있어서,
    상기 입력부는 복수 개의 샘플 영상 데이터들을 더 입력받고,
    상기 영상 프로세서는,
    상기 의료 영상으로부터 상기 신체 내부의 소정 장기를 나타내는 영상을 추출하는 장기 영상 추출부;
    상기 샘플 영상 데이터들로부터 상기 장기의 일반화된 모델 영상의 영상 데이터를 생성하는 일반화 모델 생성부; 및
    상기 추출된 영상에 기초하여 상기 일반화된 모델 영상으로부터 상기 피검자의 장기 모델 영상의 영상 데이터를 생성하는 장기 모델 영상 생성부를 포함하는 장기 모델 영상 생성 장치.
KR1020110086695A 2011-08-29 2011-08-29 장기 모델 영상 생성 방법 및 장치 KR101805624B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020110086695A KR101805624B1 (ko) 2011-08-29 2011-08-29 장기 모델 영상 생성 방법 및 장치
US13/544,859 US9652656B2 (en) 2011-08-29 2012-07-09 Method and apparatus for generating organ image

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020110086695A KR101805624B1 (ko) 2011-08-29 2011-08-29 장기 모델 영상 생성 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20130023735A true KR20130023735A (ko) 2013-03-08
KR101805624B1 KR101805624B1 (ko) 2017-12-08

Family

ID=47743803

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020110086695A KR101805624B1 (ko) 2011-08-29 2011-08-29 장기 모델 영상 생성 방법 및 장치

Country Status (2)

Country Link
US (1) US9652656B2 (ko)
KR (1) KR101805624B1 (ko)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101496198B1 (ko) * 2013-06-21 2015-02-26 한국디지털병원수출사업협동조합 3차원 초음파 촬영장치 및 그 운영방법
KR20150047885A (ko) * 2013-10-25 2015-05-06 광주과학기술원 3차원 무릎 관절 영상 생성 방법 및 장치
KR20150111541A (ko) * 2014-03-25 2015-10-06 재단법인 아산사회복지재단 의료 영상으로부터 대표 영상을 추출하는 방법
KR20160066941A (ko) * 2014-12-03 2016-06-13 삼성전자주식회사 의료 영상 처리 장치 및 그에 따른 의료 영상 처리 방법
WO2016126056A1 (ko) * 2015-02-03 2016-08-11 부산대학교 산학협력단 의료정보 제공 장치 및 의료정보 제공 방법
US9990729B2 (en) 2014-11-28 2018-06-05 Samsung Electronics Co., Ltd. Methods of and apparatuses for modeling structures of coronary arteries from three-dimensional (3D) computed tomography angiography (CTA) images
KR101898575B1 (ko) * 2018-01-18 2018-09-13 주식회사 뷰노 진행성 병변에 대한 미래 상태를 예측하는 방법 및 이를 이용한 장치
WO2019083129A1 (ko) * 2017-10-27 2019-05-02 주식회사 뷰노 피검체에 대한 안저 영상의 판독을 지원하는 방법 및 이를 이용한 장치
KR20190088371A (ko) * 2018-01-18 2019-07-26 주식회사 뷰노 진행성 병변의 미래 영상을 생성하는 방법 및 이를 이용한 장치

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4493679B2 (ja) * 2007-03-29 2010-06-30 富士フイルム株式会社 対象領域抽出方法および装置ならびにプログラム
KR102270712B1 (ko) * 2014-11-28 2021-06-30 삼성메디슨 주식회사 볼륨 렌더링 장치 및 볼륨 렌더링 방법
CN107851337B (zh) * 2015-06-29 2022-04-08 皇家飞利浦有限公司 交互式网格编辑
JP2020525127A (ja) 2017-06-26 2020-08-27 ザ・リサーチ・ファウンデーション・フォー・ザ・ステイト・ユニヴァーシティ・オブ・ニューヨーク 仮想膵臓撮影法のためのシステム、方法、およびコンピュータ・アクセス可能媒体
CN113597631A (zh) * 2019-03-21 2021-11-02 柯惠有限合伙公司 器官分割方法和***
JP2021000435A (ja) * 2019-06-19 2021-01-07 株式会社リコー 情報処理装置、生体情報計測装置、空間領域値の表示方法およびプログラム

Family Cites Families (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS60150729A (ja) * 1984-01-19 1985-08-08 株式会社東芝 Ｘ線診断装置
US5457754A (en) * 1990-08-02 1995-10-10 University Of Cincinnati Method for automatic contour extraction of a cardiac image
US5570430A (en) * 1994-05-31 1996-10-29 University Of Washington Method for determining the contour of an in vivo organ using multiple image frames of the organ
US7194117B2 (en) * 1999-06-29 2007-03-20 The Research Foundation Of State University Of New York System and method for performing a three-dimensional virtual examination of objects, such as internal organs
US6240201B1 (en) * 1998-07-24 2001-05-29 Arch Development Corporation Computerized detection of lung nodules using energy-subtracted soft-tissue and standard chest images
KR20010038344A (ko) 1999-10-25 2001-05-15 김남국 인체 내부의 형상물과 유사한 실물을 형성하는 방법 및 그 장치
US6678399B2 (en) * 2001-11-23 2004-01-13 University Of Chicago Subtraction technique for computerized detection of small lung nodules in computer tomography images
US7317821B2 (en) * 2004-11-22 2008-01-08 Carestream Health, Inc. Automatic abnormal tissue detection in MRI images
US8218835B2 (en) * 2005-08-22 2012-07-10 Dai Nippon Printing Co., Ltd. Method for assisting in diagnosis of cerebral diseases and apparatus thereof
EP2054852B1 (en) * 2006-08-21 2010-06-23 STI Medical Systems, LLC Computer aided analysis using video from endoscopes
US8111895B2 (en) * 2006-12-06 2012-02-07 Siemens Medical Solutions Usa, Inc. Locally adaptive image enhancement for digital subtraction X-ray imaging
KR100915123B1 (ko) 2007-04-27 2009-09-03 주식회사 사이버메드 3차원 의료용 볼륨 데이터 세트를 가공하는 방법
JP5523681B2 (ja) * 2007-07-05 2014-06-18 株式会社東芝 医用画像処理装置
FR2921177B1 (fr) * 2007-09-17 2010-01-22 Gen Electric Procede de traitement d'images anatomiques en volume et systeme d'imagerie mettant en oeuvre ce procede
US8135189B2 (en) 2007-10-03 2012-03-13 Siemens Medical Solutions Usa, Inc. System and method for organ segmentation using surface patch classification in 2D and 3D images
JP5241357B2 (ja) 2008-07-11 2013-07-17 三菱プレシジョン株式会社 生体データモデル作成方法及びその装置
US8363918B2 (en) * 2008-11-12 2013-01-29 Siemens Aktiengesellschaft Method and system for anatomic landmark detection using constrained marginal space learning and geometric inference
US8355553B2 (en) 2008-11-22 2013-01-15 General Electric Company Systems, apparatus and processes for automated medical image segmentation using a statistical model
KR20100071595A (ko) 2008-12-19 2010-06-29 임창우 뇌 단층촬영 영상의 병변부위 자동 검출방법
JP4675414B2 (ja) 2008-12-30 2011-04-20 仁夫 岡野 臓器モデル
JP2010221015A (ja) * 2009-02-27 2010-10-07 Terumo Corp ３次元人体モデル生成装置、３次元人体モデル生成方法及び３次元人体モデル生成プログラム
JP5258694B2 (ja) * 2009-07-27 2013-08-07 富士フイルム株式会社 医用画像処理装置および方法並びにプログラム
JP5229175B2 (ja) * 2009-09-25 2013-07-03 大日本印刷株式会社 医用画像表示処理方法、装置およびプログラム
JP5546230B2 (ja) * 2009-12-10 2014-07-09 キヤノン株式会社 情報処理装置、情報処理方法、及びプログラム
JP5527689B2 (ja) 2009-12-28 2014-06-18 独立行政法人情報通信研究機構 対象体の解剖構造解析方法及び対象体解剖構造の表示方法並びに対象体解剖構造表示装置
JP5597429B2 (ja) * 2010-03-31 2014-10-01 富士フイルム株式会社 医用画像処理装置および方法、並びにプログラム
US20110311116A1 (en) * 2010-06-17 2011-12-22 Creighton University System and methods for anatomical structure labeling
US8315812B2 (en) * 2010-08-12 2012-11-20 Heartflow, Inc. Method and system for patient-specific modeling of blood flow
JP4937397B2 (ja) * 2010-10-25 2012-05-23 富士フイルム株式会社 医用画像診断支援装置および方法、並びにプログラム
JP5762008B2 (ja) * 2011-01-19 2015-08-12 株式会社東芝 医用画像処理装置、及び医用画像処理プログラム
US8855743B2 (en) * 2012-05-11 2014-10-07 Kabushiki Kaisha Toshiba Non-contrast magnetic resonance perfusion imaging

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101496198B1 (ko) * 2013-06-21 2015-02-26 한국디지털병원수출사업협동조합 3차원 초음파 촬영장치 및 그 운영방법
KR20150047885A (ko) * 2013-10-25 2015-05-06 광주과학기술원 3차원 무릎 관절 영상 생성 방법 및 장치
US9349074B2 (en) 2013-10-25 2016-05-24 Gwangju Institute Of Science And Technology Method and apparatus for generating 3D knee joint image
KR20150111541A (ko) * 2014-03-25 2015-10-06 재단법인 아산사회복지재단 의료 영상으로부터 대표 영상을 추출하는 방법
US9990729B2 (en) 2014-11-28 2018-06-05 Samsung Electronics Co., Ltd. Methods of and apparatuses for modeling structures of coronary arteries from three-dimensional (3D) computed tomography angiography (CTA) images
KR20160066941A (ko) * 2014-12-03 2016-06-13 삼성전자주식회사 의료 영상 처리 장치 및 그에 따른 의료 영상 처리 방법
US10105118B2 (en) 2014-12-03 2018-10-23 Samsung Electronics Co., Ltd. Apparatus and method of processing medical image
WO2016126056A1 (ko) * 2015-02-03 2016-08-11 부산대학교 산학협력단 의료정보 제공 장치 및 의료정보 제공 방법
US10585849B2 (en) 2015-02-03 2020-03-10 Pusan National University Industry-University Cooperation Foundation Medical information providing apparatus and medical information providing method
WO2019083129A1 (ko) * 2017-10-27 2019-05-02 주식회사 뷰노 피검체에 대한 안저 영상의 판독을 지원하는 방법 및 이를 이용한 장치
US20200288972A1 (en) * 2017-10-27 2020-09-17 Vuno, Inc. Method for supporting reading of fundus image of subject, and device using same
US11771318B2 (en) 2017-10-27 2023-10-03 Vuno, Inc. Method for supporting reading of fundus image of subject, and device using same
KR101898575B1 (ko) * 2018-01-18 2018-09-13 주식회사 뷰노 진행성 병변에 대한 미래 상태를 예측하는 방법 및 이를 이용한 장치
KR20190088371A (ko) * 2018-01-18 2019-07-26 주식회사 뷰노 진행성 병변의 미래 영상을 생성하는 방법 및 이를 이용한 장치

Also Published As

Publication number Publication date
KR101805624B1 (ko) 2017-12-08
US9652656B2 (en) 2017-05-16
US20130051645A1 (en) 2013-02-28

Similar Documents

Publication Publication Date Title
KR101805624B1 (ko) 장기 모델 영상 생성 방법 및 장치
KR102204437B1 (ko) 컴퓨터 보조 진단 방법 및 장치
US9495725B2 (en) Method and apparatus for medical image registration
EP2554120B1 (en) Projection image generation device, projection image generation programme, and projection image generation method
US9471987B2 (en) Automatic planning for medical imaging
EP3206189B1 (en) Image processing apparatus, image processing method, and program
US9741131B2 (en) Anatomy aware articulated registration for image segmentation
US11468570B2 (en) Method and system for acquiring status of strain and stress of a vessel wall
JP2013039344A (ja) 医用画像処理装置、医用画像処理方法および異常検出プログラム
CN112529834A (zh) 病理图像模式在3d图像数据中的空间分布
US10460508B2 (en) Visualization with anatomical intelligence
JP2015066311A (ja) 画像処理装置、画像処理方法、画像処理装置の制御プログラム、記録媒体
US20120207373A1 (en) Three-dimensional analysis of lesions represented by image data
EP1782384B1 (en) System and method for colon wall extraction in the presence of tagged fecal matter or collapsed colon regions
CN116546916A (zh) 用于虚拟胰腺造影管线的***和方法
KR101783000B1 (ko) 복수의 3차원 볼륨 영상들을 이용하여 3차원 볼륨 파노라마 영상 생성 방법 및 장치
JP2017127623A (ja) 画像処理装置、画像処理方法、およびプログラム
US7391893B2 (en) System and method for the detection of shapes in images
KR20130016942A (ko) 3차원 볼륨 파노라마 영상 생성 방법 및 장치
CN110738633A (zh) 一种机体组织的三维图像处理方法及相关设备
Mozaffari et al. 3D Ultrasound image segmentation: A Survey
JP2020018767A (ja) 超音波診断システム
US20110242096A1 (en) Anatomy diagram generation method and apparatus, and medium storing program
Soleimani Information fusion of magnetic resonance images and mammographic scans for improved diagnostic management of breast cancer
JP2014161388A (ja) 画像処理装置、画像処理方法、画像処理装置の制御プログラム、記録媒体

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