KR20160103008A - 위상 상관을 이용한 비-강성 변형의 존재시에 의료 영상들의 단일- 및 다중-모달리티 정렬 - Google Patents

위상 상관을 이용한 비-강성 변형의 존재시에 의료 영상들의 단일- 및 다중-모달리티 정렬 Download PDF

Info

Publication number
KR20160103008A
KR20160103008A KR1020167017410A KR20167017410A KR20160103008A KR 20160103008 A KR20160103008 A KR 20160103008A KR 1020167017410 A KR1020167017410 A KR 1020167017410A KR 20167017410 A KR20167017410 A KR 20167017410A KR 20160103008 A KR20160103008 A KR 20160103008A
Authority
KR
South Korea
Prior art keywords
volume
patient
matched
matching
image
Prior art date
Application number
KR1020167017410A
Other languages
English (en)
Inventor
게오르기 게르가노프
이완 코리카우
Original Assignee
뷰레이 테크놀로지스 인크.
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 뷰레이 테크놀로지스 인크. filed Critical 뷰레이 테크놀로지스 인크.
Publication of KR20160103008A publication Critical patent/KR20160103008A/ko

Links

Images

Classifications

    • G06T7/0024—
    • 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
    • G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
    • G06T7/0026—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/32—Determination of transform parameters for the alignment of images, i.e. image registration using correlation-based methods
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Image Analysis (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

환자의 정합된 볼륨의 제1 영상과 제2 영상 사이의 비-강성 변형의 존재시에도 3D 의료 영상들의 병진 및/또는 회전 정렬을 위해 위상 상관법(PCM)이 이용될 수 있다.

Description

위상 상관을 이용한 비-강성 변형의 존재시에 의료 영상들의 단일- 및 다중-모달리티 정렬{SINGLE-AND MULTI-MODALITY ALIGNMENT OF MEDICAL IMAGES IN THE PRESENCE OF NON-RIGID DEFORMATIONS USING PHASE CORRELATION}
관련 출원에 대한 상호참조
본 출원은, 그 개시내용을 참조로 본 명세서에 포함시키는 2013년 12월 3일 출원된 미국 가출원번호 제61/911,379호의 우선권을 주장한다.
기술 분야
여기서 설명되는 주제는 비-강성 변형(non-rigid deformation)의 존재시 의료 영상들의 단일- 및 다중-모달리티 병진 정렬(single- and multi-modality translational alignment)을 위한 툴(tool)로서 위상 상관(phase correlation)의 이용에 관한 것이다.
병진 영상 정렬은, 영상 정합(image registration), 영상 합성(image fusion), 멀티프레임 촬영(multiframe imaging) 등과 같은 많은 의료 촬영 동작에서의 기본적이고 흔하게 이용되는 전처리 단계이다. 많은 응용에서, 정렬 알고리즘이 빠르고 노이즈에 대해 강한 것이 중요할 수 있다. 영상 정렬의 문제는 영상들에 작은 변형이 존재할 때(예를 들어, 환자의 호흡 및 장기 움직임에 기인한 변형) 또는 상이한 유형의 촬영 모달리티들이 정합되는 2개의 영상을 생성할 때 훨씬 더 어렵게 된다. 이러한 경우에, 강도-기반의 유사성 측정은, 문제를 최적화하기 어렵게 하는 비-볼록 거동(non-convex behavior)을 보일 수 있다. 이러한 곤란점의 예가 도 1에 예시되어 있고, 도 1은 환자의 신체의 골반 영역의 한 쌍의 영상에 대한 환자 축을 따른 병진 이동(translational shift)의 함수로서 교차 상관 유사성 측정의 값을 도시하는 그래프(100)를 도시한다. 도 1의 그래프(100)는, 특히, 기울기 기반의 최적화 접근법으로 전역적 최대치를 구하는데 있어서 국지적 최대치들이 어떻게 어려움을 야기할 수 있는지를 도시하고 있다.
본 주제의 구현과 일치하여, 데이터세트 내의 비-강성 변형의 존재시에 3D 의료 영상들의 병진 및/또는 회전 정렬을 위해 위상 상관법(PCM; phase correlation method)이 신뢰성있게 이용될 수 있다.
한 양태에서, 방법은 제1 시간에서 취해진 환자의 제1 정합된 볼륨(registered volume)의 제1 의료 영상과 제2 시간에서 취해진 환자의 제2 정합된 볼륨의 제2 의료 영상을 위상 상관법을 이용하여 비교하는 단계를 포함한다. 비교하는 단계는 공통 정합 그리드에서 제1 의료 영상과 제2 의료 영상을 적절히 정렬하는데 요구되는 병진과 회전 중 적어도 하나를 계산하는 단계를 포함한다. 이 방법은, 이 계산에 기초하여 환자의 물리적 위치와 물리적 배향 중 적어도 하나에 대한 변경을 결정하는 단계를 더 포함한다. 이 변경은 제2 영상에서 촬영된 환자의 제2 위치를 제1 영상에서 촬영된 환자의 제1 위치와 더욱 근접하게 일치하도록 보정한다. 변경이 출력된다.
선택사항적 변형에서, 다음과 같은 피쳐들 중 하나 이상이 임의의 가능한 조합에 포함될 수 있다. 제1 영상과 제2 영상은 동일한 촬영 모달리티 또는 상이한 촬영 모달리티를 이용하여 획득될 수 있다. 제1 정합된 볼륨과 제2 정합된 볼륨은 다운샘플링되어 제1 정합된 볼륨과 제2 정합된 볼륨 중 어느 하나보다도 낮은 해상도를 갖는 공통 정합 그리드(common registration grid)를 생성할 수 있다. 대안으로서 또는 추가로, 제1 정합 볼륨과 제2 정합 볼륨이 상이한 해상도를 포함하고, 제1 정합 볼륨 및/또는 제2 정합 볼륨이 공통 정합 그리드 상에서 리샘플링될 수 있다고 결정이 이루어질 수 있다. 공통 정합 그리드의 각각의 차원을 따른 공통 해상도는 제1 정합된 볼륨의 제1 초기 해상도 및 제2 정합된 볼륨의 제2 초기 해상도 중 더 거친 것(coarser)으로 설정될 수 있다.
비교하는 단계는 제1 정합된 볼륨과 제2 정합된 볼륨의 정규화된 교차 전력 스펙트럼(normalized cross-power spectrum)에서 피크(peak)를 식별하는 단계를 포함할 수 있다. 정규화된 교차 전력 스펙트럼에서 피크를 식별하는 단계는, 정규화된 교차 전력 스펙트럼의 푸리에 변환의 최대 강도를 발견하는 단계, 및 임계치보다 큰 강도를 갖는 복수의 복셀(voxel)로부터 소정 복셀을 선택하되 그 소정 복셀 주변의 이웃 복셀들의 복셀 강도의 합이 가장 높은 복셀을 선택하는 단계를 포함한다. 이웃 복셀들은 공통 정합 그리드의 각각의 차원을 따른 다수의 복셀들의 일부로서 정의된 윈도우 내에 있을 수 있다. 이 방법은 이웃 복셀들의 복셀 강도의 중심(centroid)을 계산함으로써 피크의 위치를 개선하는 단계를 더 포함할 수 있다.
일부 변형에서, 환자의 물리적 위치 및/또는 물리적 배향에 변경이 적용될 수 있고, 변경을 적용한 이후에 환자에 관해 의료 절차가 수행될 수 있다. 의료 절차는 방사선 치료(radiation treatment) 및 외과 수술(surgical procedure) 중 적어도 하나를 포함할 수 있다.
이 접근법과 일치하는 시스템 및 방법들 뿐만 아니라 하나 이상의 머신(예를 들어, 컴퓨터 등)으로 하여금 여기서 설명된 동작들을 야기하게 하도록 동작가능한 유형적으로 구현된 머신-판독가능한 매체를 포함하는 물품이 설명된다. 유사하게, 프로세서 및 이 프로세서에 결합된 메모리를 포함할 수 있는 컴퓨터 시스템들도 역시 설명된다. 메모리는 프로세서로 하여금 여기서 설명된 동작들 중 하나 이상을 수행하게 하는 하나 이상의 프로그램을 포함할 수 있다.
본 주제의 구현과 일치하는 시스템은 선택사항으로서 제1 및 제2 의료 영상을 생성하기 위한 하나 이상의 촬영 디바이스(예를 들어, MR, CT 등)를 포함할 수 있다. 시스템은 이러한 디바이스를 포함할 필요가 없다. 예를 들어, 제1 및 제2 의료 영상은 다른 촬영 디바이스에 의해 생성될 수 있고 영상들(또는 영상들을 나타내는 적어도 하나 이상의 데이터세트)은 여기서 설명된 동작들을 실행하는 컴퓨터 하드웨어에 전송될 수 있다.
여기서 설명되는 주제의 하나 이상의 구현의 상세사항이 이하에서 첨부된 도면과 이하의 상세한 설명에 개시되어 있다. 여기서 설명되는 주제의 다른 피쳐들 및 이점들은 상세한 설명, 도면, 및 청구항들로부터 명백할 것이다.
본 명세서에 포함되고 그 일부를 구성하는 첨부된 도면들은 여기서 설명되는 주제의 소정 양태를 도시하고, 본 설명과 함께, 개시된 구현과 연관된 원리들 중 일부를 설명하는 것을 도울 것이다.
도 1은 환자의 신체의 골반 영역의 한 쌍의 영상에 대한 환자 축을 따른 병진 이동(translational shift)의 함수로서 교차 상관 유사성 측정의 값들을 도시하는 그래프를 도시한다.
도 2는 예시적 정합 데이터세트에 대한 파라미터들의 표를 도시한다.
도 3은 PCM 정합 이전의 (예를 들어, 환자 축을 따라 오정렬된) 볼륨의 초기 위치를 도시하는 본 주제의 구현과 일치하는 PCM 접근법을 이용한 단일-모달리티 MR 데이터세트의 병진 정렬을 나타내는 영상들의 시리즈를 도시한다.
도 4는 PCM 이동(PCM shift)을 적용한 이후의 정합된 볼륨들을 도시하는 본 주제의 구현과 일치하는 PCM 접근법을 이용한 단일-모달리티 MR 데이터세트의 병진 정렬을 나타내는 영상들의 시리즈를 도시한다.
도 5는 본 주제의 구현과 일치하는 다중-모달리티 MR/CT 데이터세트의 병진 정렬을 나타내는 영상들의 시리즈를 도시한다.
도 6 및 도 7은 본 주제의 구현과 일치하는 획득된 PCM 이동 주변의 CC 및 MI 정합 비용 함수(registration cost function)의 거동을 도시하는 그래프를 도시한다.
도 8은 도 2의 표에 열거된 데이터세트들에 대한 정합 결과들을 나열하는 표를 도시한다.
도 9는 본 주제의 구현과 일치하는 각각의 차원에 대한 다운샘플링 계수 2를 이용하여 다운샘플링된 볼륨들로 획득된 결과를 포함하는 표를 도시한다.
도 10은 본 주제의 구현과 일치하는 하나 이상의 피쳐를 갖는 방법의 양태들을 나타내는 프로세스 흐름도를 도시한다.
실용상, 유사한 참조 번호들은 유사한 구조, 피쳐 또는 요소를 나타낸다.
본 주제와 일치하는 접근법들은 단일-모달리티뿐만 아니라 다중-모달리티 영상 정합에, 예를 들어, 동일하거나 상이한 모달리티를 이용하여 포착된 2개의 영상의 정합에 이용될 수 있고, 여기서 가능한 모달리티들은, 자기 공명(MR), 컴퓨터 단층촬영(CT) 등을 포함하지만 이것으로 제한되지 않는다. 정합 품질은, 정합 비용 함수로서, 교차 상관(CC; cross correlation) 및 상호 강도(MI; mutual intensity) 강도-기반의 유사성 측정(SM; similarity measure)을 이용하여 정량화될 수 있다. 본 주제의 구현과 일치하는 PCM에 의해 획득된 비용 함수 값들은 완전 검색(exhaustive search) 및 양호한 수율 일치(yield good agreement)에 의해 발견된 최적의 값들과 필적할만하다. 획득된 PCM 이동은, 단일-모달리티(예를 들어, MR 대 MR, CT 대 CT) 정합 및 다중-모달리티(예를 들어 MR 대 CT 등) 정합 모두에 대해, 완전 검색을 이용하여 발견된 최적 이동과 근접하게 일치할 수 있다. 따라서, 본 주제의 구현과 일치하는 PCM은 픽셀-레벨 정확도를 갖는 대략적 영상 정렬을 위한 효율적이고 확실한 방법일 수 있다. 알고리즘의 단순성은, 작은 계산 복잡도와 함께, 의료 영상 처리에 있어서 빠른 초기 정렬을 위한 툴로서의 유익한 선택이 되도록 할 수 있다.
위상 상관법(PCM)은 영상 정렬을 위한 효율적이고 노이즈에 강한 알고리즘으로서, 원래는 변위된 영상들 간의 병진 정수-픽셀 이동들(translational integer-pixel shifts)을 추정하는데 이용되었다. 나중에, 이 알고리즘은 또한, 영상들의 로그-극 변환(log-polar transform)을 이용함으로써 회전되고 스케일링된 2D 영상에도 역시 동작하도록 확장되었다. 3D의 경우 결합된 병진, 회전 및 스케일링 추정을 위한 PCM의 유사한 일반화는 가능하지 않은데, 그 이유는 3D의 경우 회전을 병진으로 변환하는 좌표 변환이 없기 때문이다. 그러나, 이 방법은, 의사극 푸리에 변환(pseudopolar Fourier transform)을 이용함으로써, 및 대안으로서, 주면 위상 상관법(CPCM; cylindrical phase correlation method)이라고 불리는 반복적 최적화 절차를 적용함으로써, 3D 병진되고 회전된 볼륨들을 정합하도록 확장되었다. 후자의 접근법에서, 주면 맵핑된 영상들에 PCM을 적용함으로써 상이한 축들 주변의 회전각이 반복적으로 추정된다.
본 주제의 구현과 일치하여, 그 원래 형태의 PCM의 적용은, 병진될 뿐만 아니라 서로에 관하여 변형되는 3D 볼륨들의 쌍들을 신뢰성있고 비교적 계산적으로 비싸지 않게 정렬하는데 이용된다. 이 알고리즘은 다중-모달리티 MR/CT 영상 정합에 적용될 때 매우 양호한 결과를 생성하며 2개의 공통으로 이용되는 강도-기반의 유사성 측정의 면에서 준-최적 결과를 제공할 수 있다. 최적 이동(예를 들어, 완전 검색에 의해 발견된 것)과 본 주제의 구현과 일치하는 PCM에 의해 식별된 이동간의 차이는 작다. 본 주제의 이용은 2개 이상의 의료 영상의 정렬의 임상 실습에서 PCM의 적용을 더욱 확장시킬 수 있다.
위상 상관법(PCM)은 기초적인 푸리에 이동 이론에 기초한다. 이 이론에 따르면, 신호 f(t)를 구간 τ만큼 지연(이동)시키는 것은, 예를 들어, 수학식 1로 표현된 바와 같이, 그 신호의 푸리에 변환 F(ω)를 e-jωτ로 곱하는 것과 동등하다:
Figure pct00001
따라서, 2개의 볼륨 A와 B가 서로의 이동된 버전이면(즉,
Figure pct00002
), 그들의 정규화된 교차 전력 스펙트럼
Figure pct00003
은 수학식 2와 같은 표현식으로 간략화된다:
Figure pct00004
여기서
Figure pct00005
와
Figure pct00006
는 영상 A와 B의 푸리에 변환이고,
Figure pct00007
는
Figure pct00008
의 켤레 복소수이다. 정규화된 교차 전력 스펙트럼의 역푸리에 변환
Figure pct00009
을 계산하는 것은, 정규화된 교차 전력 스펙트럼의 피크인, 정확히 변위
Figure pct00010
에 중심을 둔, 크로네커 델타 함수(Kronecker delta function)를 제공한다. 크로네커 델타 함수는 수학식 3과 같이 표현될 수 있다:
Figure pct00011
제2 영상 B가 제1 영상 A의 병진 이동된 복제판인 이상적인 경우, 피크의 위치는 영상들 간의 정확한 병진 오정렬을 식별한다. 그러나, 실제 영상 내에 보통 존재하는 노이즈 및/또는 변형으로 인해, 피크는 대개 이웃 복셀들 주변에 퍼져 있다. 또한, 알리아싱 아티팩트와 엣지 효과가 피크의 품질을 추가적으로 열화시킬 수 있다. PCM 피크의 명료성과 선예도를 개선하기 위한 및 서브-픽셀 정확도에 도달하기 위한 이전에 이용가능한 접근법들은 일반적으로 변형된 볼륨 및 다중-모달리티 영상 정합의 경우에 직접 적용될 수 없는데, 그 이유는, (양쪽 영상에는 소정의 랜덤 노이즈가 존재한다는 정도까지) 정합중인 2개의 영상이 동일하다는 이 접근법들의 기본적인 가정이 유효하지 않기 때문이다. 따라서, 의료 촬영에서의 정합 응용을 위하여, 픽셀-레벨 정렬 정확도가 고려될 수 있다. 본 주제와 일치하는 한 구현에서, 피크의 위치는 이하에서 더 상세히 논의되는 바와 같이 간단한 임계화 기술(thresholding technique)로 식별될 수 있다.
도 2에서 재현된 파라미터들의 표(200)는 본 주제의 양태들의 실험적 유효성확인에 이용되는 정합 데이터세트들에 대한 다양한 정보를 보여준다. 제1 열은 데이터세트의 식별 명칭을 포함하고, 제2 열은 대응하는 데이터세트에 대한 정합의 유형을 포함하며, "볼륨 1" 및 "볼륨 2" 열은 정합중인 2개의 3D 볼륨에 대한 정보(촬영 모달리티, 복셀의 수와 복셀 크기)를 포함하고, 마지막 열은 환자의 몸의 어느 부분이 스캔되었는지에 대한 정보를 준다. 모든 데이터세트들은 인간 환자들의 실제 스캔으로부터 획득된다. 각각의 데이터세트는, 동일한 환자의 2개의 상이한 스캔에서 획득된, 한 쌍의 2개의 오정렬된 3D 볼륨을 포함한다. 상이한 데이터세트들은 환자의 신체의 상이한 부분들을 담당하고 3개 모두의 방향에서 큰 병진 변위를 보일 수 있다. 흉부와 복부의 스캔은 또한 환자의 호흡과 움직임으로 인한 변형에 노출되어 있다. 데이터세트들 중 일부에서, 2개의 스캔에 이용된 촬영 모달리티는 상이하다.
오정렬된 영상들을 정렬하기 위한 본 주제의 구현과 일치하는 방식으로 이용된 PCM의 성능이 3개의 시나리오에서 조사되었고, 이하에서 더 상세히 논의된다. 첫 번째 시나리오에서, PCM은 동일한 촬영 모달리티로 획득된 변형된 볼륨들(도 2의 표(200)에서 데이터세트 "DS1", "DS2", "DS3", 및 "DS4")을 정렬하는데 이용된다. 이들 데이터세트들 모두는 MR 스캔을 통해 생성되었다. 두 번째 시나리오에서, PCM은 다중-모달리티 MR/CT 쌍들(도 2의 표(200)에서 데이터세트 "DS5", "DS6", "DS7", 및 "DS8")을 정합하는 데 이용된다. MR 스캔에서, 환자가 누워있는 침상과 머리 지지물은 보이지 않는다. CT 데이터에서 이들 물체들의 존재로 인한 영향을 제거하기 위하여, 이들은 CT 스캔으로부터 수동으로 잘려나갔다. CT 스캔에서 존재하는 침상과 머리 지지물에 기인한 정합 결과에 미치는 영향이 세 번째 시나리오에서 조사되었다(도 2의 표(200)에서의 데이터세트 "DS5C", "DS6C", "DS7C", 및 "DS8C"). 데이터세트들은 실제로, 이 경우에는 침상과 머리 지지물이 CT 스캔으로부터 잘려나가지는 않는다는 점을 제외하고는, 두 번째 시나리오에서 이용된 데이터세트들과 동일하다.
정합 데이터세트에 존재하는 변형으로 인해, 이 작업에서 이용되는 데이터세트들에 대한 최적의 정렬 이동을 정의하기는 어렵다. 따라서, PCM 정합의 정확도를 평가하기 위해, 정합 비용 함수로서 2개의 유사성 측정, 예를 들어 수학식 4와 5에 표현된 바와 같은 2개의 볼륨 A와 B 사이의 교차 상관 계수(CC) 및 상호 정보(MI)가 이용된다.
Figure pct00012
Figure pct00013
여기서, Ai와 Bi는 볼륨 A와 B에서의 i번째 복셀의 영상 강도이고, P(Ai, Bj)는 2개의 볼륨에서의 복셀 강도들의 결합 확률 밀도 함수(joint probability density function)이고, p(Ai)와 p(Bj)는 각각 A와 B의 주변 확률 밀도 함수(marginal probability density function)이다. P(Ai, Bj)를 평가하기 위해 16x16 빈(bin)의 히스토그램이 이용되었다. PCM으로부터의 이동을 적용한 이후의 획득된 유사성 측정은 PCM 이동 주변의 이동들의 큰 격자 상에서의 완전 검색에 의해 발견된 측정의 최적 (최대) 값들과 비교된다. 이 작업의 목적을 위해 CC와 MI 정합 메트릭들이 선택되었다. CC 메트릭은 일반적으로 단일-모달리티 영상 정합에 적합한 반면, MI 메트릭은 다중-모달리티 정합에 더 적절하다.
한 구현에서, 본 주제의 구현과 일치하는 PCM 알고리즘은 소프트웨어(예를 들어, C++ 등)로 구현될 수 있다. 고속 푸리에 변환(FFT)은 FFTW3 라이브러리를 이용하여 수행될 수 있다. 제1 및 제2 영상에서의 제1 및 제2 정합된 볼륨들이 상이한 해상도(예를 들어, 상이한 복셀수 및/또는 상이한 복셀 크기)를 가진다면, 정합된 볼륨들은 공통 정합 그리드 상에서 리샘플링될 수 있다. 공통 정합 그리드의 각각의 차원을 따른 해상도는 2개의 초기 해상도 중에서 그 차원에 대한 더 거친 해상도로 설정된다(예를 들어, 제1 정합된 볼륨의 제1 초기 해상도 또는 제2 정합된 볼륨의 제2 초기 해상도). 리샘플링은 3선형 보간(interpolation)을 이용하여 수행될 수 있다. 리샘플링과 3D FFT는 실행을 가속하기 위해 멀티-쓰레딩될 수 있다. 다른 계산적 접근법들은 본 주제의 범위 내에 있다.
일부 구현은, PCM을 적용하기 이전에, 정합 데이터세트 내의 2개의 정합된 볼륨들 각각에서 환자의 피부 표면이 식별되는 선택사항적 전처리 단계를 수반할 수 있다. 피부 표면의 외부에 있는 모든 복셀들은 제로화되어 정합 결과에 미치는 노이즈와 다른 아티팩트들의 영향을 감소시킬 수 있다. 피부 표면은 볼륨의 모든 횡방향 슬라이스들에 행진하는 정사각형 알고리즘(marching squares algorithm)을 적용함으로써 자동으로 검출될 수 있다. 행진하는 사각형 알고리즘을 위한 등위면(isosurface)은 볼륨 내의 복셀들의 평균 강도의 0.5배로 설정될 수 있다.
행렬
Figure pct00014
(도 3 참조)에서 피크의 식별은 먼저 최대 강도
Figure pct00015
를 발견함으로써 수행될 수 있다. 그 다음, 임계치(예를 들어, 0.9×
Figure pct00016
)보다 큰 강도를 갖는 모든 복셀들 중에서, 소정 복셀 주변의 작은 윈도우(예를 들어, 이웃 복셀들) 내의 복셀 강도들의 합이 가장 높은 그 소정 복셀이 선택될 수 있다. 윈도우의 크기는 (wNx) x (wNy) x (wNz)이고, 여기서 w=0.05(또는 어떤 다른 소수)이며, Nx, Ny, 및 Nz는 정합 그리드의 각각의 차원을 따른 복셀들의 수이다. 피크의 위치(즉, 병진 이동)는 윈도우 내부의 행렬
Figure pct00017
에서 복셀 강도의 중심을 계산함으로써 더욱 개선될 수 있다.
예시적인 예들에 대한 PCM 정합의 성능은 우선, 정합된 볼륨들을 시각적으로 검사함으로써 평가될 수 있다. 검사를 수행하기 위해, 2개의 볼륨이 공통의 그리드 상에서 오버레이된다. 첫 번째 볼륨은 제1 색상(예를 들어, 적색)으로 플롯팅되고 두 번째 볼륨은 제2 색상(예를 들어, 녹색)으로 플롯팅된다. 이런 방식으로, 중첩하는 영역들은 색상들의 혼합을 반영하는 반면, 불일치의 영역들은 제1 및 제2 색상들 중 어느 하나로 볼 수 있다. PCM 정합의 일부 예가 도 3, 도 4, 및 도 5에 도시되어 있다.
도 3은 본 주제의 구현과 일치하는 PCM 접근법을 이용하여 단일-모달리티 MR 데이터세트의 병진 정렬을 나타내는 영상들의 시리즈(300)를 도시하며, 여기서, 데이터세트 내의 2개의 3D 볼륨들의 9개의 횡방향 슬라이스들은 오버레이되어 있는 것으로 도시되어 있다(각각의 슬라이스의 하부에 슬라이스 번호가 도시되어 있다). 시리즈(300)는, 본 주제의 구현과 일치하는 PCM 정합이 적용되기 이전의 2개의 볼륨의 초기 위치(예를 들어, 환자 축을 따른 오정렬)를 도시한다. 도 4는 본 주제의 구현과 일치하는 PCM 이동을 적용한 이후에 정합된 볼륨들이 더 양호하게 정렬되어 있는 제2 영상 시리즈(400)를 도시한다. 도 3 및 도 4에 도시된 바와 같이, 2개의 볼륨들은, 단순 강성 병진으로 정합될 수 있는, 작은 변형들의 영역을 제외하고는, 정합 이후에 매우 양호하게 정렬된다.
도 5는 다중-모달리티 MR 대 CT 정합의 예를 나타내는 영상들의 시리즈(500)를 도시한다. 시리즈(500)는 PCM 정합 전후의 시상면(sagital), 관상면(coronal), 및 횡방향 슬라이스들을 도시한다. 이 예는, 2개의 볼륨들이 상당히 오정렬된 경우에 대한 본 주제의 구현과 일치하는 PCM 접근법의 양호한 성능을 나타낸다. CT 침상 및 머리 지지물이 CT 스캔으로부터 잘려나가지 않더라도, 본 주제의 구현과 일치하는 PCM 접근법은 그럼에도 불구하고 매우 양호한 정합 결과를 제공한다는 점에 유의한다. 다른 모든 테스팅된 데이터세트들에 대해 유사한 결과들이 획득되었다. 시각적 검사로부터, PCM 정합은 볼륨을 정합하기 위한 준-최적 병진 이동을 발견한다는 것이 명백하다.
(정합 비용 함수의 면에서) 획득된 이동을 가능한 최상의 이동과 비교하기 위해, 이동 파라미터들에 관한 완전 검색이 수행될 수 있다. 도 6과 도 7은, 본 주제의 구현과 일치하는 PCM 접근법에 의해 발견된 이동(이하에서는 "PCM 이동"이라 함)에 관한, 상이한 횡방향 이동들에 대한 CC 및 MI 정합 비용 함수의 전형적인 거동을 나타내는 차트(600, 700)를 도시한다. 차트(600, 700) 내의 축들은 본 주제의 PCM 접근법에 의해 발견된 초기 병진 이후의 정합된 볼륨들에 적용되는 추가 이동에 대응한다. 도 6과 도 7의 차트(600, 700)를 생성하기 위해, 0.5 복셀의 스텝을 갖는 10 x 10 복셀 그리드 상의 횡방향 이동에 대해 2개의 비용 함수들이 계산되었다. 차트(600, 700) 내의 점들의 좌표는 초기 PCM 이동에 추가되는 추가 이동에 대응한다.
모든 테스팅된 데이터세트들에 대한 정합 결과는 도 8의 표(800)에서 요약되어 있고, 이것은 PCM에 의해 발견된 이동에 대한 CC 및 MI 값들을 도시한다. 표(800)는 또한, 초기 PCM 이동 주변의 완전 검색 접근법에 의해 발견된 CC 및 MI 유사성 측정의 최적 값들에 대한 정보를 포함한다. 제1 열은 데이터세트의 식별 명칭을 포함하고, 제2 열은 원래의 볼륨들이 리샘플링된 정합 그리드의 크기에 대한 정보를 포함하고, 제3 및 제4 열은 획득된 PCM 이동을 적용한 이후의 유사성 측정의 값들을 도시하고, 다음 열들은 (PCM 이동에 추가될 필요가 있는) 추가 이동과 PCM 이동 주변의 완전 검색에 의해 획득된 유사성 측정의 대응하는 최적 값들을 도시하며, 마지막 열은 개발된 알고리즘의 실행 시간을 포함한다.
표에 도시된 최적 이동은, 유사성 측정의 최적 값을 획득하기 위하여, PCM 이동에 추가될 필요가 있는 추가 이동이다. 본 주제의 구현과 일치하는 PCM 정합 접근법에 의해 획득될 수 있는 이동은 최적 이동에 매우 근접하다는 것을 알 수 있다. 많은 경우에, 횡방향 평면 내의 PCM 이동은 최적 이동으로부터 1 복셀(1.5 mm) 내에 있다. 단일-모달리티 경우의 CC 메트릭과 다중-모달리티 경우의 MI 메트릭을 고려하면, 12개의 예시적 데이터세트 중 9개의 경우, 환자 축을 따른 완벽한 정렬이 존재한다. 획득된 비용 함수 값들은 일반적으로 최적 값들로부터 1.5% 이내에 있다. 흉부-복부 데이터세트("DS5", "DS5C", "DS7", 및 "DS7C")에 대해 최적 이동으로부터 가장 큰 편차가 관찰된다. 이들 특정한 경우의 시각적 검사는, 환자의 신체의 이 영역에서의 큰 변형으로 인해, 일부 경우에 단순한 병진으로는 전체 볼륨의 양호한 정렬을 획득하기에 충분하지 않을 수 있다. 본 주제의 구현과 일치하는 PCM 이동 접근법과 최적 이동 양쪽 모두는 이들 경우에 신체의 상이한 구획들의 부분적 정렬만을 제공할 수 있다.
각각의 데이터세트에 대한 알고리즘의 총 실행 시간이 도 8의 표(800) 내의 마지막 열에 도시되어 있다. 실행 속도의 면에서 알고리즘의 성능은, 초기 3D 볼륨을 더 낮은 해상도의 그리드로 다운샘플링하고 본 주제의 구현과 일치하는 PCM 접근법을 다운샘플링된 볼륨에 적용함으로써 더욱 개선될 수 있다.
도 9의 표(900)는 다운샘플링된 볼륨에 의해 획득된 정합 결과를 포함한다. △CC와 △MI 열은 다운샘플링이 이용될 때 개선된 성능을 나타내는 다운샘플링 스텝-포지티브 값들을 수반하여 및 수반하지 않고 획득된 대응하는 정합 비용 함수들 사이의 상대적 차이를 보여주고, 마지막 2개 열은 다운샘플링이 없는 타이밍 결과에 비교한, 다운샘플링이 수행될 때의 실행 시간 및 대응하는 가속 계수를 보여준다. 각각의 차원에 대한 다운샘플링 계수는 이 예에서 2이다. 볼륨을 다운샘플링하는 것은, 정합 그리드의 크기에 따라, 일부 경우에는 실행 속도를 약 3 내지 8배 개선할 수 있다. 다운샘플링은 정합의 품질을 크게 열화시키지 않고 일부 경우에는 더 양호한 결과가 관찰된다. 이 효과는, 근처의 복셀 강도의 평균화에 기인한, 리샘플링된 볼륨에서의 더 낮은 노이즈 레벨에 의해 설명될 수 있다.
도 10은 본 주제의 구현과 일치하는 방법에 포함될 수 있는 피쳐들을 나타내는 프로세스 흐름도(1000)를 도시한다. 1002에서, 제1 시간에서 취해진 환자의 제1 정합된 볼륨의 제1 의료 영상과 제2 시간에서 취해진 환자의 제2 정합된 볼륨의 제2 의료 영상이 위상 상관법을 이용하여 비교되어 제1 및 제2 의료 영상을 적절히 정렬하는데 요구되는 병진과 회전 중 적어도 하나를 계산한다. 1004에서, 제1 영상 내의 환자의 제1 위치에 더욱 근접하게 일치하도록 환자의 제2 위치를 보정하기 위해 환자의 물리적 위치와 물리적 배향 중 적어도 하나에 대한 변경이 결정된다. 변경은 제1 의료 영상과 제2 의료 영상을 적절히 정렬하는데 요구되는 계산된 병진 및/또는 회전에 기초하여 결정된다. 이 변경은, 예를 들어, 하나 이상의 파라미터를 기술자 또는 다른 사용자에게 디스플레이함으로써 출력될 수 있다. 디스플레이하는 것은, 인쇄, 디스플레이 디바이스 등을 통해 발생할 수 있다. 다른 예에서, 변경을 출력하는 것은, 예를 들어, 환자가 기대고 있는 환자 침상 또는 침대의 움직임을 야기함으로써, 환자를 자동으로 병진 및/또는 회전하게 하는 명령을 포함할 수 있다. 1006에서, 환자의 물리적 위치 및/또는 물리적 배향에 대한 결정된 변경을 적용한 이후에 선택사항으로서 환자에 관해 의료 절차가 수행될 수 있다. 의료 절차는, 방사선 치료, 외과 수술 등을 포함할 수 있다.
예로서, 방사선 치료를 받고 있는 환자는 제1 방사선 부분의 전달 이전, 동안, 이후 등등에 촬영될 수 있다. 결과적인 영상은 제1 의료 영상으로서 간주될 수 있다. 환자에 대한 제2 방사선 부분 전달에 앞서, 환자는 제2 의료 영상을 생성하기 위해 촬영될 수 있다. 여기서 논의된 접근법들은 제1 방사선 부분 전달의 경우와 같은 제2 방사선 부분 전달을 위한 동일한 장소와 배향으로 환자를 배치하는데 필요한 환자의 병진 및/또는 회전 이동을 결정하는데 이용될 수 있다.
여기서 설명된 주제의 하나 이상의 양태 또는 피쳐들은, 디지털 전자 회로, 집적 회로, 특별히 설계된 주문형 집적 회로(ASIC), 필드 프로그래머블 게이트 어레이(FPGA), 컴퓨터 하드웨어, 펌웨어, 소프트웨어, 및/또는 이들의 조합으로 실현될 수 있다. 이들 다양한 양태들 또는 피쳐들은, 스토리지 시스템, 적어도 하나의 입력 디바이스, 및 적어도 하나의 출력 디바이스와 데이터 및 명령어를 주고 받도록 결합된, 특별 목적 또는 범용일 수 있는, 적어도 하나의 프로그램가능한 프로세서를 포함하는 프로그램가능한 시스템 상에서 실행가능한 및/또는 인터프리트가능한 하나 이상의 컴퓨터 프로그램에서의 구현을 포함할 수 있다.
프로그램, 소프트웨어, 소프트웨어 애플리케이션, 애플리케이션, 컴포넌트, 또는 코드라고도 할 수 있는 이들 컴퓨터 프로그램은, 프로그램가능한 프로세서를 위한 머신 명령어를 포함하고, 고수준 절차 언어, 객체-지향형 프로그래밍 언어, 기능적 프로그래밍 언어, 논리적 프로그래밍 언어, 및/또는 어셈블리/머신 언어로 구현될 수 있다. 여기서 사용될 때, 용어 "머신-판독가능한 매체"란, 예를 들어, 머신-판독가능한 신호로서 머신 명령어를 수신하는 머신-판독가능한 매체를 포함한, 명령어 및/또는 데이터를 프로그램가능한 프로세서에 제공하는데 이용되는, 자기 디스크, 광 디스크, 메모리, 프로그램가능한 로직 디바이스(PLD) 등의 임의의 컴퓨터 프로그램 제품, 장치 및/또는 디바이스를 말한다. 용어 "머신-판독가능한 신호"란, 머신 명령어 및/또는 데이터를 프로그램가능한 프로세서에 제공하는데 이용되는 임의의 신호를 말한다. 머신-판독가능한 매체는 이러한 머신 명령어를 비-일시적으로 저장할 수 있고, 예를 들어, 비일시적 솔리드-스테이트 메모리 또는 자기 하드 드라이브 또는 임의의 균등한 저장 매체 등일 수 있다. 머신-판독가능한 매체는 대안으로서 또는 추가로 이러한 머신 명령어를 일시적 방식으로 저장할 수 있고, 예를 들어, 하나 이상의 물리적 프로세서 코어와 연관된 프로세서 캐쉬 또는 기타의 랜덤 액세스 메모리 등일 것이다.
사용자와의 상호작용을 제공하기 위해, 여기서 설명된 주제의 하나 이상의 양태들 또는 피쳐들은, 예를 들어, 사용자에게 정보를 디스플레이하기 위한 CRT(cathode ray tube), LCD(liquid crystal display) 또는 LED(light emitting diode) 모니터 등의 디스플레이 디바이스와, 예를 들어, 사용자가 컴퓨터에 입력을 제공하기 위한 마우스 또는 트랙볼 등의 키보드 및 포인팅 디바이스를 갖는 컴퓨터 상에서 구현될 수 있다. 사용자와의 상호작용을 제공하기 위해 다른 종류의 디바이스들도 역시 이용될 수 있다. 예를 들어, 사용자에게 제공되는 피드백은, 예를 들어, 시각적 피드백, 청각적 피드백, 또는 촉각적 피드백 등의, 임의 형태의 감각 피드백일 수 있고; 사용자로부터의 입력은, 음향, 음성, 또는 촉각적 입력을 포함한 그러나 이것으로 제한되지 않는 임의의 형태로 수신될 수 있다. 다른 가능한 입력 디바이스들로는, 단일 또는 다중-포인트 저항식 또는 용량식 트랙패드 등의 터치스크린이나 기타의 터치-감응 디바이스, 음성 인식 하드웨어 및 소프트웨어, 광학 스캐너, 광학 포인터, 디지털 영상 캡처 디바이스 및 연관된 해석 소프트웨어 등이 포함되지만, 이것으로 제한되지 않는다. 분석 시스템(예를 들어, 촬영 시스템)으로부터 원격지의 컴퓨터는 뮤선 또는 무선 네트워크를 통해 분석 시스템에 링크되어 분석 시스템과 원격 컴퓨터 사이의 데이터 교환(예를 들어, 분석기로부터 원격 컴퓨터에서 데이터를 수신하고, 캘리브레이션 데이터, 동작 파라미터, 소프트웨어 업그레이드 및 업데이트 등의 정보를 전송하는 것) 뿐만 아니라 원격 시스템의 원격 제어, 진단 등을 가능케 할 수 있다.
상기 설명 및 청구항들에서, "~중 적어도 하나" 또는 "~중 하나 이상" 등의 문구는 요소들 또는 피쳐들의 결합 목록을 동반하여 발생할 수 있다. 용어 "및/또는"은 또한 2개 이상의 요소 또는 피쳐들의 목록에서 발생할 수 있다. 사용되는 문맥상 묵시적으로 또는 명시적으로 달리 부정되지 않는 한, 이러한 문구는 열거된 요소들 또는 피쳐들 중 임의의 것을 개별적으로 의미하거나, 기타의 기재된 요소들 또는 피쳐들 중 임의의 것과 조합한 기재된 요소들 또는 피쳐들 중 임의의 것을 의미하기 위한 것이다. 예를 들어, "A와 B 중 적어도 하나"; "A와 B 중 하나 이상"; 및 "A 및/또는 B" 각각은, "A 단독, B 단독, 또는 A와 B 모두"를 의미하기 위한 것이다. 3개 이상의 항목들을 포함하는 목록의 경우에도 유사한 해석을 의미한다. 예를 들어, 문구 "A, B, 및 C 중 적어도 하나"; "A, B, 및 중 하나 이상", "A, B, 및/또는 C" 각각은, "A 단독, B 단독, C 단독, A와 B 모두, A와 C 모두, B와 C 모두, 또는 A와 B와 C 모두"를 의미하기 위한 것이다. 상기 설명 및 청구항들에서, 용어 "~에 기초한"의 사용은, 기재되지 않은 피쳐 또는 요소도 역시 허용가능하도록, "적어도 부분적으로 ~에 기초한"을 의미하기 위한 것이다.
여기서 설명된 주제는, 원하는 구성에 따라, 시스템, 장치, 방법, 및/또는 물품으로 구현될 수 있다. 상기 설명에서 개시된 구현들은 여기서 설명된 주제와 일치하는 모든 구현을 나타내지는 않는다. 대신에, 이들은 설명된 주제와 관련된 양태들과 일치하는 일부 예일 뿐이다. 소수의 변형들이 상기에서 상세히 설명되었지만, 다른 수정이나 추가사항이 가능하다. 특히, 여기서 개시된 것들에 추가하여 미래의 피쳐 및/또는 변형들이 제공될 수 있다. 예를 들어, 상기에서 설명된 구현들은 개시된 피쳐들의 다양한 조합 및 부조합들 및/또는 상기에서 개시된 수 개의 추가적 피쳐들의 조합 및 부조합들과 관련될 수 있다. 추가로, 첨부된 도면들에 도시된 및/또는 여기서 설명된 로직 흐름들은, 바람직한 결과를 달성하기 위해, 반드시 도시된 특정한 순서, 순차적 순서를 요구하는 것은 아니다. 다른 구현들도 이하의 청구항들의 범위 내에 있을 수 있다.

Claims (19)

  1. 방법으로서,
    제1 시간에서 취해진 환자의 제1 정합된 볼륨(registered volume)의 제1 의료 영상과 제2 시간에서 취해진 환자의 제2 정합된 볼륨의 제2 의료 영상을 위상 상관법(phase correlation method)을 이용하여 비교하는 단계 ―상기 제2 정합된 볼륨은 상기 제1 정합된 볼륨에 비해 변형되어 있고, 상기 비교는 상기 제1 및 제2 의료 영상들을 공통 정합 그리드(common registration grid)에서 적절히 정렬하는데 요구되는 병진 및 회전 중 적어도 하나를 계산하는 것을 포함함―;
    상기 계산에 기초하여, 상기 환자의 물리적 위치와 물리적 배향 중 적어도 하나에 대한 변경을 결정하는 단계 ―상기 변경은 상기 제1 영상에서 촬영된 상기 환자의 제1 위치와 더욱 근접하게 일치하도록 상기 제2 영상에서 촬영된 상기 환자의 제2 위치를 보정함―; 및
    상기 변경을 출력하는 단계
    를 포함하는 방법.
  2. 제1항에 있어서, 상기 제1 정합된 볼륨과 상기 제2 정합된 볼륨을 다운샘플링(downsampling)하여 상기 제1 정합된 볼륨과 상기 제2 정합된 볼륨 중 어느 하나보다 낮은 해상도를 갖는 상기 공통 정합 그리드를 생성하는 단계를 더 포함하는 방법.
  3. 제1항 또는 제2항에 있어서,
    상기 제1 정합 볼륨 및 상기 제2 정합 볼륨은 상이한 해상도를 포함한다고 결정하는 단계; 및
    상기 공통 정합 그리드 상에서 상기 제1 정합 볼륨 및/또는 상기 제2 정합 볼륨을 리샘플링(resampling)하는 단계
    를 더 포함하는 방법.
  4. 제3항에 있어서, 상기 공통 정합 그리드의 각각의 차원을 따른 공통 해상도는 상기 제1 정합된 볼륨의 제1 초기 해상도 및 상기 제2 정합된 볼륨의 제2 초기 해상도 중 더 거친 것(coarser)으로 설정되는, 방법.
  5. 제1항 내지 제4항 중 어느 한 항에 있어서, 상기 비교하는 단계는 상기 제1 정합된 볼륨 및 상기 제2 정합된 볼륨의 정규화된 교차 전력 스펙트럼(normalized cross-power spectrum)에서의 피크(peak)를 식별하는 단계를 포함하는, 방법.
  6. 제5항에 있어서, 상기 정규화된 교차 전력 스펙트럼에서의 피크를 식별하는 단계는,
    상기 정규화된 교차 전력 스펙트럼의 푸리에 변환(Fourier transform)의 최대 강도를 발견하는 단계; 및
    임계치보다 큰 강도를 갖는 복수의 복셀로부터, 그 복셀 주변의 이웃 복셀들의 복셀 강도들의 합이 가장 높은 복셀을 선택하는 단계
    를 포함하는, 방법.
  7. 제6항에 있어서, 상기 이웃 복셀들은 상기 공통 정합 그리드의 각각의 차원을 따른 다수의 복셀들의 일부(a fraction of a number of voxels)로서 정의된 윈도우 내에 있는, 방법.
  8. 제6항 또는 제7항에 있어서, 상기 이웃 복셀들의 복셀 강도의 중심(centroid)을 계산함으로써 상기 피크의 위치를 개선(refining)하는 단계를 더 포함하는 방법.
  9. 제1항 내지 제8항 중 어느 한 항에 있어서,
    상기 환자의 물리적 위치 및/또는 물리적 배향에 상기 변경을 적용하는 단계; 및
    상기 변경을 적용한 이후에 상기 환자에 관해 의료 절차를 수행하는 단계
    를 더 포함하는 방법.
  10. 제9항에 있어서, 상기 의료 절차는, 방사선 치료(radiation treatment)와 외과 수술(surgical procedure) 중 적어도 하나를 포함하는, 방법.
  11. 제1항 내지 제10항 중 어느 한 항에 있어서, 상기 제1 영상 및 상기 제2 영상은 동일한 촬영 모달리티(imaging modality)를 이용하여 획득되는, 방법.
  12. 제1항 내지 제11항 중 어느 한 항에 있어서, 상기 제1 영상 및 상기 제2 영상은 상이한 촬영 모달리티를 이용하여 획득되는, 방법.
  13. 적어도 하나의 프로그램가능한 프로세서에 의해 실행될 때, 상기 적어도 하나의 프로그램가능한 프로세서로 하여금 동작들을 수행하게 하는 명령어들을 저장하는 머신-판독가능한 매체를 포함하는 컴퓨터 프로그램 제품으로서, 상기 동작들은,
    제1 시간에서 취해진 환자의 제1 정합된 볼륨의 제1 의료 영상과 제2 시간에서 취해진 환자의 제2 정합된 볼륨의 제2 의료 영상을 위상 상관법을 이용하여 비교하는 동작 ―상기 제2 정합된 볼륨은 상기 제1 정합된 볼륨에 비해 변형되어 있고, 상기 비교는 상기 제1 및 제2 의료 영상들을 공통 정합 그리드에서 적절히 정렬하는데 요구되는 병진 및 회전 중 적어도 하나를 계산하는 것을 포함함―;
    상기 계산에 기초하여, 상기 환자의 물리적 위치와 물리적 배향 중 적어도 하나에 대한 변경을 결정하는 동작 ―상기 변경은 제1 영상에서 촬영된 상기 환자의 제1 위치와 더욱 근접하게 일치하도록 상기 제2 영상에서 촬영된 상기 환자의 제2 위치를 보정함―; 및
    상기 변경을 출력하는 동작
    을 포함하는, 컴퓨터 프로그램 제품.
  14. 제13항에 있어서, 상기 동작들은, 상기 제1 정합된 볼륨과 상기 제2 정합된 볼륨을 다운샘플링하여 상기 제1 정합된 볼륨과 상기 제2 정합된 볼륨 중 어느 하나보다 낮은 해상도를 갖는 상기 공통 정합 그리드를 생성하는 동작을 더 포함하는, 컴퓨터 프로그램 제품.
  15. 제13항 또는 제14항에 있어서, 상기 동작들은,
    상기 제1 정합 볼륨 및 상기 제2 정합 볼륨은 상이한 해상도를 포함한다고 결정하는 동작; 및
    상기 공통 정합 그리드 상에서 상기 제1 정합 볼륨 및/또는 상기 제2 정합 볼륨을 리샘플링하는 동작
    을 더 포함하는, 컴퓨터 프로그램 제품.
  16. 제13항 내지 제15항 중 어느 한 항에 있어서, 상기 비교하는 동작은 상기 제1 정합된 볼륨 및 상기 제2 정합된 볼륨의 정규화된 교차 전력 스펙트럼에서의 피크를 식별하는 동작을 포함하는, 컴퓨터 프로그램 제품.
  17. 제16항에 있어서, 상기 정규화된 교차 전력 스펙트럼에서의 피크를 식별하는 동작은,
    상기 정규화된 교차 전력 스펙트럼의 푸리에 변환의 최대 강도를 발견하는 동작; 및
    임계치보다 큰 강도를 갖는 복수의 복셀로부터, 그 복셀 주변의 이웃 복셀들의 복셀 강도들의 합이 가장 높은 복셀을 선택하는 동작
    을 포함하는, 컴퓨터 프로그램 제품.
  18. 시스템으로서,
    제1 시간에서 취해진 환자의 제1 정합된 볼륨의 제1 의료 영상과 제2 시간에서 취해진 환자의 제2 정합된 볼륨의 제2 의료 영상을 위상 상관법을 이용하여 비교하는 동작 ―상기 제2 정합된 볼륨은 상기 제1 정합된 볼륨에 비해 변형되어 있고, 상기 비교는 상기 제1 및 제2 의료 영상들을 공통 정합 그리드에서 적절히 정렬하는데 요구되는 병진 및 회전 중 적어도 하나를 계산하는 것을 포함함―;
    상기 계산에 기초하여, 상기 환자의 물리적 위치와 물리적 배향 중 적어도 하나에 대한 변경을 결정하는 동작 ―상기 변경은 상기 제1 영상에서 촬영된 상기 환자의 제1 위치와 더욱 근접하게 일치하도록 상기 제2 영상에서 촬영된 상기 환자의 제2 위치를 보정함―; 및
    상기 변경을 출력하는 동작
    을 포함하는 동작들을 수행하도록 구성되는 컴퓨터 하드웨어를 포함하는 시스템.
  19. 제18항에 있어서, 상기 제1 및 제2 의료 영상들을 생성하기 위한 적어도 하나의 촬영 디바이스(imaging device)를 더 포함하는 시스템.
KR1020167017410A 2013-12-03 2014-12-03 위상 상관을 이용한 비-강성 변형의 존재시에 의료 영상들의 단일- 및 다중-모달리티 정렬 KR20160103008A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201361911379P 2013-12-03 2013-12-03
US61/911,379 2013-12-03
PCT/US2014/068454 WO2015085008A1 (en) 2013-12-03 2014-12-03 Single-and multi-modality alignment of medical images in the presence of non-rigid deformations using phase correlation

Publications (1)

Publication Number Publication Date
KR20160103008A true KR20160103008A (ko) 2016-08-31

Family

ID=52302319

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020167017410A KR20160103008A (ko) 2013-12-03 2014-12-03 위상 상관을 이용한 비-강성 변형의 존재시에 의료 영상들의 단일- 및 다중-모달리티 정렬

Country Status (8)

Country Link
US (3) US10026186B2 (ko)
EP (1) EP3077991A1 (ko)
JP (3) JP2016539703A (ko)
KR (1) KR20160103008A (ko)
CN (2) CN110136176B (ko)
AU (1) AU2014360456B2 (ko)
CA (2) CA2932259C (ko)
WO (1) WO2015085008A1 (ko)

Families Citing this family (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2556934C (en) 2004-02-20 2018-05-22 James F. Dempsey System for delivering conformal radiation therapy while simultaneously imaging soft tissue
CN102472830B (zh) 2009-07-15 2016-03-30 微雷公司 用于使直线性加速器和磁共振成像设备彼此屏蔽的方法和装置
US8981779B2 (en) 2011-12-13 2015-03-17 Viewray Incorporated Active resistive shimming fro MRI devices
US10561861B2 (en) 2012-05-02 2020-02-18 Viewray Technologies, Inc. Videographic display of real-time medical treatment
JP6382208B2 (ja) 2012-10-26 2018-08-29 ビューレイ・テクノロジーズ・インコーポレイテッドＶｉｅｗＲａｙ Ｔｅｃｈｎｏｌｏｇｉｅｓ， Ｉｎｃ． システム及びコンピュータプログラム製品
US9675271B2 (en) * 2013-03-13 2017-06-13 Viewray Technologies, Inc. Systems and methods for radiotherapy with magnetic resonance imaging
US9446263B2 (en) 2013-03-15 2016-09-20 Viewray Technologies, Inc. Systems and methods for linear accelerator radiotherapy with magnetic resonance imaging
CN110136176B (zh) * 2013-12-03 2022-12-09 优瑞技术公司 确定与医学图像的位移的***
GB201416416D0 (en) * 2014-09-17 2014-10-29 Biomediq As Bias correction in images
KR20170116070A (ko) 2015-02-11 2017-10-18 뷰레이 테크놀로지스 인크. 자기 공명 유도식 방사선 요법을 위한 계획 및 제어
US10413751B2 (en) 2016-03-02 2019-09-17 Viewray Technologies, Inc. Particle therapy with magnetic resonance imaging
JP6929689B2 (ja) * 2016-04-26 2021-09-01 キヤノンメディカルシステムズ株式会社 医用画像処理装置及び医用画像診断装置
EP3459050A4 (en) * 2016-05-18 2020-04-01 Auckland Uniservices Limited IMAGE RECORDING METHOD
US11378629B2 (en) 2016-06-22 2022-07-05 Viewray Technologies, Inc. Magnetic resonance imaging
RU2019121943A (ru) 2016-12-13 2021-01-15 Вьюрэй Текнолоджиз, Инк. Системы и способы лучевой терапии
US10918888B2 (en) 2017-02-28 2021-02-16 Sun Nuclear Corporation Radiation therapy treatment verification with electronic portal imaging device transit images
US11033758B2 (en) 2017-12-06 2021-06-15 Viewray Technologies, Inc. Radiotherapy systems, methods and software
CN110913765B (zh) * 2018-02-08 2023-07-07 上海联影医疗科技股份有限公司 生成图像的***和方法
US11209509B2 (en) 2018-05-16 2021-12-28 Viewray Technologies, Inc. Resistive electromagnet systems and methods
JP2021532875A (ja) 2018-07-30 2021-12-02 ハイパーファイン，インコーポレイテッド 磁気共鳴画像再構成のための深層学習技術
JP2021534852A (ja) 2018-08-15 2021-12-16 ハイパーファイン，インコーポレイテッド 磁気共鳴画像においてアーティファクトを抑制するためのディープラーニング技術
CN109754394B (zh) * 2018-12-28 2021-02-23 上海联影智能医疗科技有限公司 三维医学图像处理装置及方法
WO2020125806A1 (en) 2018-12-17 2020-06-25 Shanghai United Imaging Intelligence Co., Ltd. Systems and methods for image segmentation
BR112021017002A2 (pt) * 2019-03-14 2021-11-09 Hyperfine Inc Técnicas de aprendizagem profunda para gerar imagens por ressonância magnética a partir de dados de frequência espaciais
CN110458870B (zh) * 2019-07-05 2020-06-02 北京迈格威科技有限公司 一种图像配准、融合、遮挡检测方法、装置和电子设备
US12011616B2 (en) 2019-07-10 2024-06-18 Sun Nuclear Corporation Image-based radiation therapy quality assurance
CN111242877A (zh) * 2019-12-31 2020-06-05 北京深睿博联科技有限责任公司 乳腺x射线影像配准方法和装置
CN113823385B (zh) * 2021-09-03 2024-03-19 青岛海信医疗设备股份有限公司 一种修改dicom图像的方法、装置、设备及介质
CN115919517A (zh) * 2022-09-10 2023-04-07 中南大学湘雅二医院 骨骼相对运动测量方法、关节旋转轴获取及定位方法

Family Cites Families (47)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6005916A (en) 1992-10-14 1999-12-21 Techniscan, Inc. Apparatus and method for imaging with wavefields using inverse scattering techniques
US6636645B1 (en) 2000-06-29 2003-10-21 Eastman Kodak Company Image processing method for reducing noise and blocking artifact in a digital image
US8565860B2 (en) * 2000-08-21 2013-10-22 Biosensors International Group, Ltd. Radioactive emission detector equipped with a position tracking system
US6775405B1 (en) * 2000-09-29 2004-08-10 Koninklijke Philips Electronics, N.V. Image registration system and method using cross-entropy optimization
WO2002103580A2 (en) 2001-06-15 2002-12-27 Massachusetts Institute Of Technology Adaptive mean estimation and normalization of data
GB2382512A (en) 2001-07-20 2003-05-28 Elekta Oncology Syst Ltd MRI in guided radiotherapy and position verification
US7092573B2 (en) 2001-12-10 2006-08-15 Eastman Kodak Company Method and system for selectively applying enhancement to an image
US7542622B1 (en) 2003-06-02 2009-06-02 The Trustees Of Columbia University In The City Of New York Spatio-temporal treatment of noisy images using brushlets
WO2005047919A1 (en) 2003-11-12 2005-05-26 Invivo Corporation Method for generating fast magnetic resonance images
US20050207531A1 (en) 2004-01-20 2005-09-22 University Of Florida Research Foundation, Inc. Radiation therapy system using interior-point methods and convex models for intensity modulated fluence map optimization
US7230429B1 (en) 2004-01-23 2007-06-12 Invivo Corporation Method for applying an in-painting technique to correct images in parallel imaging
CA2556934C (en) 2004-02-20 2018-05-22 James F. Dempsey System for delivering conformal radiation therapy while simultaneously imaging soft tissue
US8014625B2 (en) * 2004-11-10 2011-09-06 Agfa Healthcare Method of performing measurements on digital images
CN101080196B (zh) * 2004-12-15 2010-05-12 皇家飞利浦电子股份有限公司 确定磁性粒子空间分布的方法
DE102004061509B4 (de) 2004-12-21 2007-02-08 Siemens Ag Verfahren und Gerät zur beschleunigten Spiral-kodierten Bildgebung in der Magnetresonanztomographie
US8295577B2 (en) * 2005-03-31 2012-10-23 Michael Zarkh Method and apparatus for guiding a device in a totally occluded or partly occluded tubular organ
US20070083114A1 (en) 2005-08-26 2007-04-12 The University Of Connecticut Systems and methods for image resolution enhancement
US7977942B2 (en) * 2005-11-16 2011-07-12 Board Of Regents, The University Of Texas System Apparatus and method for tracking movement of a target
US8041103B2 (en) * 2005-11-18 2011-10-18 Kla-Tencor Technologies Corp. Methods and systems for determining a position of inspection data in design data space
US7532705B2 (en) * 2006-04-10 2009-05-12 Duke University Systems and methods for localizing a target for radiotherapy based on digital tomosynthesis
US7840045B2 (en) 2006-04-21 2010-11-23 The University Of Utah Research Foundation Method and system for parallel reconstruction in the K-space domain for application in imaging systems
JP4425879B2 (ja) * 2006-05-01 2010-03-03 株式会社日立製作所 ベッド位置決め装置及びその位置決め方法並びに粒子線治療装置
US7602183B2 (en) 2007-02-13 2009-10-13 The Board Of Trustees Of The Leland Stanford Junior University K-T sparse: high frame-rate dynamic magnetic resonance imaging exploiting spatio-temporal sparsity
US8155417B2 (en) 2007-03-27 2012-04-10 Hologic, Inc. Post-acquisition adaptive reconstruction of MRI data
US7791338B2 (en) 2007-09-07 2010-09-07 The Board Of Trustees Of The Leland Stanford Junior University MRI method of determining time-optimal gradient waveforms with gradient amplitude as a function of arc-length in k-space
US7659718B1 (en) 2008-07-31 2010-02-09 The Board Of Trustees Of The Leland Stanford Junior University Blip design for random sampling compressed sensing of flyback 3D-MRSI
US8310233B2 (en) 2009-02-18 2012-11-13 Mayo Foundation For Medical Education And Research Method for image reconstruction from undersampled medical imaging data
JP4821940B2 (ja) * 2009-06-10 2011-11-24 三菱電機株式会社 画像照合装置及びこれを用いた患者位置決め装置
AU2010262843B2 (en) 2009-06-19 2015-07-16 Viewray Technologies, Inc. System and method for performing tomographic image acquisition and reconstruction
JP5584441B2 (ja) * 2009-08-20 2014-09-03 アズビル株式会社 ボリュームデータ間の対応付け方法
JP5706911B2 (ja) 2009-12-17 2015-04-22 コーニンクレッカ フィリップス エヌ ヴェ 関心のあるオブジェクトの再構成
US8965082B2 (en) * 2009-12-18 2015-02-24 Koninklijke Philips N.V. Systems and methods for aligning multiple sections of imaging data
US8708495B2 (en) * 2010-05-23 2014-04-29 The Regents Fo The University Of California Characterization and correction of macular distortion
JP5857057B2 (ja) * 2010-10-25 2016-02-10 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 画像を生成するシステム及び方法
US20120155727A1 (en) * 2010-12-15 2012-06-21 General Electric Company Method and apparatus for providing motion-compensated images
WO2012096882A1 (en) * 2011-01-11 2012-07-19 Rutgers, The State University Of New Jersey Method and apparatus for segmentation and registration of longitudinal images
JP2012152469A (ja) * 2011-01-27 2012-08-16 Nidek Co Ltd 眼科用手術顕微鏡
JP5706389B2 (ja) * 2011-12-20 2015-04-22 富士フイルム株式会社 画像処理装置および画像処理方法、並びに、画像処理プログラム
EP2639781A1 (en) * 2012-03-14 2013-09-18 Honda Motor Co., Ltd. Vehicle with improved traffic-object position detection
JP6004464B2 (ja) * 2012-03-19 2016-10-05 国立大学法人北海道大学 放射線治療制御装置および放射線治療制御プログラム
US9119550B2 (en) * 2012-03-30 2015-09-01 Siemens Medical Solutions Usa, Inc. Magnetic resonance and ultrasound parametric image fusion
US20130345545A1 (en) * 2012-06-21 2013-12-26 Siemens Medical Solutions Usa, Inc. Ultrasound Enhanced Magnetic Resonance Imaging
CN110136176B (zh) 2013-12-03 2022-12-09 优瑞技术公司 确定与医学图像的位移的***
EP3116390A4 (en) 2014-03-14 2017-11-29 The General Hospital Corporation System and method for free radical imaging
CA2958570C (en) * 2014-08-20 2017-11-28 Synaptive Medical (Barbados) Inc. Intra-operative determination of dimensions for fabrication of artificial bone flap
US9874620B2 (en) 2015-02-05 2018-01-23 Ohio State Innovation Foundation Low field magnetic resonance imaging (MRI) scanner for cardiac imaging
US11378629B2 (en) 2016-06-22 2022-07-05 Viewray Technologies, Inc. Magnetic resonance imaging

Also Published As

Publication number Publication date
JP6884834B2 (ja) 2021-06-09
EP3077991A1 (en) 2016-10-12
US20150154756A1 (en) 2015-06-04
US20200258238A1 (en) 2020-08-13
JP2016539703A (ja) 2016-12-22
CN106415658A (zh) 2017-02-15
US20190066309A1 (en) 2019-02-28
US10650532B2 (en) 2020-05-12
CA2932259A1 (en) 2015-06-11
AU2014360456A1 (en) 2016-06-16
AU2014360456B2 (en) 2020-02-27
WO2015085008A1 (en) 2015-06-11
CN110136176A (zh) 2019-08-16
CN106415658B (zh) 2019-07-12
JP2021118930A (ja) 2021-08-12
US10026186B2 (en) 2018-07-17
CN110136176B (zh) 2022-12-09
JP7203895B2 (ja) 2023-01-13
CA3187156A1 (en) 2015-06-11
JP2020035449A (ja) 2020-03-05
CA2932259C (en) 2023-03-28

Similar Documents

Publication Publication Date Title
JP7203895B2 (ja) 位相相関を用いた非剛体変形の存在下での医用画像のシングル及びマルチのモダリティ位置合わせ
US9811913B2 (en) Method for 2D/3D registration, computational apparatus, and computer program
WO2017200395A1 (en) Image registration method
US9460510B2 (en) Synchronized navigation of medical images
US9135696B2 (en) Implant pose determination in medical imaging
US9451927B2 (en) Computed tomography data-based cycle estimation and four-dimensional reconstruction
JP2011508620A (ja) 特徴に基づいた２次元／３次元画像のレジストレーション
US20150015582A1 (en) Method and system for 2d-3d image registration
KR101806512B1 (ko) 배경 영상 정보를 이용한 혈관의 비강체 영상정합 장치 및 영상정합 방법
US11495346B2 (en) External device-enabled imaging support
CN116324909A (zh) 对象关键点检测
Dzyubachyk et al. Automated algorithm for reconstruction of the complete spine from multistation 7T MR data
Cao et al. Registration of medical images using an interpolated closest point transform: method and validation
CN108601512B (zh) 在存在组织变形的情况下提供外科手术辅助的***和方法
US11138736B2 (en) Information processing apparatus and information processing method
US20120134569A1 (en) Method and device for reducing position-related gray value variations by means of a registration of image data sets
Wong et al. Efficient and Robust Non-Rigid Least-Squares Rectification of Medical Images.
Wang Patch-based segmentation with spatial context for medical image analysis
WO2017162664A1 (en) Apparatus for detecting deformation of a body part

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application