KR20190084380A - 2차원 x-선 조영영상의 혈관 구조 추출 방법, 이를 수행하기 위한 기록매체 및 장치 - Google Patents
2차원 x-선 조영영상의 혈관 구조 추출 방법, 이를 수행하기 위한 기록매체 및 장치 Download PDFInfo
- Publication number
- KR20190084380A KR20190084380A KR1020180002061A KR20180002061A KR20190084380A KR 20190084380 A KR20190084380 A KR 20190084380A KR 1020180002061 A KR1020180002061 A KR 1020180002061A KR 20180002061 A KR20180002061 A KR 20180002061A KR 20190084380 A KR20190084380 A KR 20190084380A
- Authority
- KR
- South Korea
- Prior art keywords
- dimensional
- segment
- vessel
- vascular
- blood vessel
- Prior art date
Links
- 230000002792 vascular Effects 0.000 title claims abstract description 141
- 238000000034 method Methods 0.000 title claims abstract description 45
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 109
- 238000000605 extraction Methods 0.000 claims description 37
- 239000013598 vector Substances 0.000 claims description 19
- 210000003462 vein Anatomy 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000002457 bidirectional effect Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 2
- 230000000052 comparative effect Effects 0.000 claims 1
- 239000000284 extract Substances 0.000 abstract description 24
- 238000004422 calculation algorithm Methods 0.000 description 8
- 210000004351 coronary vessel Anatomy 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000003384 imaging method Methods 0.000 description 6
- 238000013146 percutaneous coronary intervention Methods 0.000 description 5
- 238000002583 angiography Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 230000000747 cardiac effect Effects 0.000 description 2
- 238000010968 computed tomography angiography Methods 0.000 description 2
- 238000013170 computed tomography imaging Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 208000029078 coronary artery disease Diseases 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 206010002383 Angina Pectoris Diseases 0.000 description 1
- 208000031481 Pathologic Constriction Diseases 0.000 description 1
- 208000036878 aneuploidy Diseases 0.000 description 1
- 231100001075 aneuploidy Toxicity 0.000 description 1
- 238000002399 angioplasty Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 208000010125 myocardial infarction Diseases 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000002603 single-photon emission computed tomography Methods 0.000 description 1
- 208000037804 stenosis Diseases 0.000 description 1
- 230000036262 stenosis Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Public Health (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Vascular Medicine (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pulmonology (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
본 발명에 따른 2차원 X-선 조영영상의 혈관 구조 추출 방법은 피검자의 혈관에 대한 2차원 X-선 조영영상으로부터 2차원 혈관 트리 구조를 추출하고, 상기 2차원 혈관 트리 구조와, 상기 피검자에 대한 3차원 CT 조영영상에서 분할된 3차원 혈관 구조의 강체 정합을 수행한 후 2차원 혈관 세그먼트와 3차원 혈관 세그먼트에 대한 유사도를 산출하며, 이를 이용하여 상기 2차원 혈관 트리 구조를 재구성함으로써, 혈관의 깊이 정보 손실을 해결하여 2차원 X-선 조영영상의 혈관 구조 추출의 정확도가 향상될 수 있다.
Description
본 발명은 2차원 X-선 조영영상의 혈관 구조 추출 방법, 이를 수행하기 위한 기록매체 및 장치에 관한 것으로서, 더욱 상세하게는 동일한 피검자의 혈관에 대한 3차원 CT 조영영상을 이용하여 2차원 X-선 조영영상으로부터 혈관 구조를 추출하는 2차원 X-선 조영영상의 혈관 구조 추출 방법, 이를 수행하기 위한 기록매체 및 장치에 관한 것이다.
최근 협심증과 심근경색 등 관상동맥 질환(Coronary Artery Diseases, CAD)이 급격히 증가함에 따라 경피적 관상동맥 중재술(Percutaneous Coronary Intervention, PCI)이 많이 시행되고 있다. 경피적 관상동맥 중재술은 혈관을 개흉하지 않고, 카테터(Catheter)라 부르는 가늘고 기다란 도관을 이용하여 혈관을 넓혀주는 비수술적 치료방법이다. 이는 관상동맥을 추출하기 위한 영상 촬영 기술을 바탕으로 진행된다.
영상 촬영 기술에는 X-선 혈관 조영술(X-Ray Angiography, XA), 심장 CT 혈관 조영술(Cardiac CT Angiography, CTA), MR 혈관 조영술(MR Angiography, MRA), 심장 PET와 SPECT 등이 있다. 이 중에서, X-선 혈관 조영술은 혈관의 내부를 시각적으로 보여주는 의료 영상 기법으로, 관상 동맥을 추출하고 실시간으로 의사들이 혈관의 협착을 볼 수 있게 해준다. 따라서, 조영영상에서의 정확한 컴퓨터 보조 관상동맥 분석은 심장병전문의와 심장외과의에게 진단과 치료에 있어서 매우 중요하다.
하지만, X-선 조영술에서 얻어진 영상은 장기, 뼈, 중재 기구와 같은 배경의 혼란(Background Clutter)으로 혈관의 추출 및 분석에 어려움이 있다. 또한, X-선 조영영상은 3차원 혈관 구조가 2차원 평면에 투영된 영상이기 때문에 3차원 형상의 구조 정보가 손실되며, 혈관이 겹쳐지거나 교차할 때 혈관의 분기점을 찾기 어렵다는 문제점이 있다. 이에, X-선 조영술에서 정확하게 혈관의 구조를 추출하는 기술이 제안된 바 있다.
X-선 조영영상에서 혈관을 분할하기 위한 종래의 기술들 중에서 영역 확장(Region Growing)과 헤시안 행렬 다중 스케일 필터링(Hessian Matrix Multiscale Filtering)을 결합하여 조영영상에서의 혈관 분할 방법이 제안된 바 있다. 이는, 혈관을 증강하기 위해 헤시안 행렬 다중 스케일 필터링을 사용하였고, 그 후 다중 시드 영역 확장(Multi Seed Region Growing) 알고리즘을 사용하여 관상동맥 혈관의 트리를 추출하는 기술이다. 하지만, 이러한 기술은 사용자의 개입을 통해 다수의 시드점(Seed Point)을 정의해야 한다는 단점이 있으며, 헤시안 행렬을 기반으로 하기 때문에 잡음에 매우 민감하다는 문제가 있다.
또한, X-선 조영영상의 분할을 위한 필수적인 특징과 조영영상에 대한 사전 지식을 분석하여 지역적 혈관 구조를 추론하기 위하여 다중 특징 기반 퍼지 인식(Multi-feature Based Fuzzy Recognition) 알고리즘을 이용하는 조영영상에서의 관상동맥 분할을 위한 자동화 접근법이 제안된 바 있다. 하지만, 자동화 접근법에 따른 종래 기술은 평균 연산 시간이 느리며, 3차원 혈관 구조가 겹쳐지거나 교차할 때 이에 상응하는 2차원 투영 구조를 정확하게 결정할 수 없다는 한계가 있다. 따라서, X-선 조영영상에서 혈관의 위상학적 모델을 기반으로 정확하게 혈관의 구조를 추출하는 기술의 요구되고 있는 실정이다.
본 발명의 일측면은 피검자의 3차원 CT 조영영상의 혈관정보를 이용한 그래프 모델을 기반으로 2차원 X-선 조영영상의 혈관 구조를 정확하게 추출하는 2차원 X-선 조영영상의 혈관 구조 추출 방법, 이를 수행하기 위한 기록매체 및 장치를 제공한다.
본 발명의 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 발명의 일 실시예에 따른 2차원 X-선 조영영상의 혈관 구조 추출 방법은, 피검자의 혈관에 대한 2차원 X-선 조영영상으로부터 가중치가 반영된 2차원 혈관 트리 구조를 추출하는 단계, 상기 2차원 혈관 트리 구조와, 상기 피검자에 대한 3차원 CT 조영영상에서 분할된 3차원 혈관 구조의 강체 정합을 수행하는 단계, 상기 2차원 혈관 트리 구조의 2차원 혈관 세그먼트와 상기 3차원 혈관 구조의 3차원 혈관 세그먼트에 대한 유사도를 산출하여 어느 하나의 2차원 혈관 세그먼트에 매칭될 3차원 혈관 세그먼트의 매칭 후보군을 추출하는 단계 및 상기 매칭 후보군이 존재하는 것으로 확인된 2차원 혈관 세그먼트를 이용하여 상기 2차원 혈관 트리 구조를 재구성하는 단계를 포함한다.
상기 혈관 트리 구조를 추출하는 단계는, 상기 2차원 X-선 조영영상에서 혈관 증강 필터로부터 추출된 픽셀을 노드로 설정하고, 상기 노드를 기준 픽셀영역 내에 위치하는 다른 노드와 연결하는 에지를 생성하는 단계, 각각의 에지에 부여된 가중치를 이용하여 미리 정해진 혈관의 시작점으로부터 가장 낮은 가중치를 갖는 트리 형식의 혈관 경로를 추출하는 단계를 포함할 수 있다.
상기 혈관 트리 구조를 추출하는 단계는, 상기 혈관 경로를 구성하는 혈관 가지들 중 상기 혈관 경로의 부분일 확률이 낮은 혈관 가지를 제거하도록, 상기 혈관 경로의 서브트리에 대하여 혈관의 길이에 따라 삭제 및 병합 과정을 반복 수행하여 상기 혈관 트리 구조를 추출하는 단계를 더 포함할 수 있다.
상기 유사도를 산출하는 것은, 상기 2차원 혈관 세그먼트 또는 상기 3차원 혈관 세그먼트를 기준으로 주변 인접 영역에 대하여 지역적 거리전파를 수행하여 지역적 거리맵을 생성하고, 상기 지역적 거리맵을 이용하여 기준 세그먼트의 소정 거리 내에 위치하는 비교대상 세그먼트를 비교 영역으로 설정하는 것을 특징으로 하되, 상기 기준 세그먼트가 상기 2차원 혈관 세그먼트로 설정되는 경우, 상기 비교대상 세그먼트는 상기 3차원 혈관 세그먼트로 설정되고, 상기 기준 세그먼트가 상기 3차원 혈관 세그먼트로 설정되는 경우, 상기 비교대상 세그먼트는 상기 2차원 혈관 세그먼트로 설정될 수 있다.
상기 유사도는, 상기 기준 세그먼트 및 상기 비교 영역에 포함된 비교대상 세그먼트의 양방향 매칭률, 상기 기준 세그먼트와 상기 비교 영역에 포함된 비교대상 세그먼트의 각도 차이, 상기 기준 세그먼트와 상기 비교 영역에 포함된 비교대상 세그먼트의 평균 거리 중 적어도 하나를 기초로 산출될 수 있다.
상기 유사도를 산출하는 것은, 상기 기준 세그먼트 및 상기 비교 영역에 포함된 비교대상 세그먼트를 구성하는 픽셀 개수의 비율을 기초로 상기 양방향 매칭률을 산출하고, 상기 매칭 후보군을 추출하는 것은, 상기 양방향 매칭률이 미리 정해진 임계값 이상인 3차원 혈관 세그먼트를 상기 2차원 혈관 세그먼트에 대한 매칭 후보군으로 추출하는 것을 특징으로 할 수 있다.
상기 유사도를 산출하는 것은, 상기 기준 세그먼트의 양 끝단을 구성하는 픽셀로 구성되는 기준벡터의 각도 및 상기 비교 영역의 양 끝단을 구성하는 픽셀로 구성되는 비교벡터의 각도를 측정하고, 상기 매칭 후보군을 추출하는 것은, 상기 기준벡터의 각도와 상기 비교벡터의 각도의 차이값이 미리 정해진 임계값 이하인 3차원 혈관 세그먼트를 상기 2차원 혈관 세그먼트에 대한 매칭 후보군으로 추출하는 것을 특징으로 할 수 있다.
상기 유사도를 산출하는 것은, 상기 기준 세그먼트의 특정 픽셀과 가장 가까운 상기 비교 영역의 픽셀간의 거리정보를 측정하고, 상기 기준 세그먼트를 구성하는 모든 픽셀에 대하여 측정된 거리정보의 평균값을 상기 평균 거리로 산출하고, 상기 매칭 후보군을 추출하는 것은, 상기 평균 거리가 미리 정해진 임계값 이하인 3차원 혈관 세그먼트를 상기 2차원 혈관 세그먼트에 대한 매칭 후보군으로 추출하는 것을 특징으로 할 수 있다.
상기 2차원 혈관 트리 구조를 재구성하는 것은, 상기 매칭 후보군이 존재하지 않은 것으로 확인된 2차원 혈관 세그먼트를 제외시키되, 상기 매칭 후보군이 존재하는 것으로 확인된 2차원 혈관 세그먼트간 연결이 단절되는 것으로 확인되면, 상기 2차원 혈관 트리 구조를 기초로 단절된 세그먼트를 연결시키는 연결 세그먼트를 검색하는 것을 특징으로 할 수 있다.
상기 연결 세그먼트를 검색하는 것은, 검색된 상기 연결 세그먼트와 연결된 상위 2차원 혈관 세그먼트 및 하위 2차원 혈관 세그먼트에 대한 매칭 후보군을 상기 연결 세그먼트의 매칭 후보군으로 설정하는 것을 특징으로 할 수 있다.
상기 2차원 혈관 트리 구조를 재구성하는 것은, 어느 하나의 3차원 혈관 세그먼트가 매칭 후보군으로 설정된 2차원 혈관 세그먼트가 복수 개인 경우, 각각의 2차원 혈관 세그먼트에 대하여 분지 없이 연결되는 세그먼트로 구조를 분리하고, 각 구조와 매칭된 3차원 혈관 세그먼트의 유사도를 산출하고, 상기 유사도에 따라 선택된 어느 하나의 2차원 혈관 세그먼트를 제외한 나머지 2차원 혈관 세그먼트를 제거하는 것을 특징으로 할 수 있다.
또한, 본 발명에 따른 2차원 X-선 조영영상의 혈관 구조 추출 방법을 수행하기 위한, 컴퓨터 프로그램이 기록된 컴퓨터로 판독 가능한 기록매체일 수 있다.
또한, 본 발명의 일 실시예에 따른 2차원 X-선 조영영상의 혈관 구조 추출 장치는, 피검자의 혈관에 대한 2차원 X-선 조영영상으로부터 가중치가 반영된 2차원 혈관 트리 구조를 추출하는 혈관 구조 추출부, 상기 2차원 혈관 트리 구조와, 상기 피검자에 대한 3차원 CT 조영영상에서 분할된 3차원 혈관 구조의 강체 정합을 수행하는 강체 정합부, 상기 2차원 혈관 트리 구조의 2차원 혈관 세그먼트와 상기 3차원 혈관 구조의 3차원 혈관 세그먼트에 대한 유사도를 산출하여 어느 하나의 2차원 혈관 세그먼트에 매칭될 3차원 혈관 세그먼트의 매칭 후보군을 추출하는 매칭 후보군 추출부 및 상기 매칭 후보군이 존재하는 것으로 확인된 2차원 혈관 세그먼트를 이용하여 상기 2차원 혈관 트리 구조를 재구성하는 혈관 구조 재구성부를 포함한다.
상술한 본 발명의 일측면에 따르면, 2차원 X-선 조영영상에서 배경의 잡음과 혈관의 깊이 정보 손실을 해결하여 2차원 X-선 조영영상을 이용한 혈관 구조 추출의 정확도를 향상 시킬 수 있으며, 의료 데이터의 자동 영상처리를 수행하여 의료진에게 도움을 줄 수 있는 시술 보조 기술로 사용 가능하다.
또한, 비강체 정합을 위한 사전 기술로 사용하여 관상 동맥 중재술(PCI) 시술 중 실시간으로 보여줄 수 있는 네비게이션 기반의 시술 보조 기술로 사용할 수 있다.
도 1은 본 발명의 일 실시예에 따른 2차원 X-선 조영영상의 혈관 구조 추출 장치의 개략적인 구성이 도시된 블록도이다.
도 2 내지 도 5는 도 1의 따른 2차원 X-선 조영영상의 혈관 구조 추출 장치가 혈관 구조를 추출하는 구체적인 일 예가 도시된 도면이다.
도 6은 본 발명의 일 실시예에 따른 2차원 X-선 조영영상의 혈관 구조 추출 방법의 개략적인 흐름이 도시된 순서도이다.
도 7은 본 발명에 따른 성능 평가 결과의 일 예가 도시된 도면이다.
도 2 내지 도 5는 도 1의 따른 2차원 X-선 조영영상의 혈관 구조 추출 장치가 혈관 구조를 추출하는 구체적인 일 예가 도시된 도면이다.
도 6은 본 발명의 일 실시예에 따른 2차원 X-선 조영영상의 혈관 구조 추출 방법의 개략적인 흐름이 도시된 순서도이다.
도 7은 본 발명에 따른 성능 평가 결과의 일 예가 도시된 도면이다.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시예와 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시예로 구현될 수 있다. 또한, 각각의 개시된 실시예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.
이하, 도면들을 참조하여 본 발명의 바람직한 실시예들을 보다 상세하게 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 2차원 X-선 조영영상의 혈관 구조 추출 장치의 개략적인 구성이 도시된 블록도이다.
본 발명에 따른 2차원 X-선 조영영상의 혈관 구조 추출 장치(100)는 피검자의 혈관에 대한 2차원 X-선 조영영상으로부터 초기 혈관 트리 구조를 추출하고, 이를 동일한 피검자의 혈관에 대한 3차원 CT 조영영상과 강체 정합시킨 후 2차원 혈관 구조와 3차원 혈관 구조의 유사도에 따라 초기 혈관 트리 구조를 자동으로 재구성할 수 있다.
구체적으로, 본 발명에 따른 2차원 X-선 조영영상의 혈관 구조 추출 장치(100)는 혈관 구조 추출부(110), 강체 정합부(120), 매칭 후보군 추출부(130) 및 혈관 구조 재구성부(140)를 포함하여 구성될 수 있다.
혈관 구조 추출부(110)는 피검자의 혈관에 대한 2차원 X-선 조영영상으로부터 가중치가 반영된 2차원 혈관 트리 구조를 추출할 수 있다. 이와 관련하여, 도 2 및 도 3을 함께 참조하여 설명하기로 한다.
도 2 및 도 3은 도 1의 혈관 구조 추출부(110)에 의해 생성되는 2차원 혈관 트리 구조를 추출하는 과정의 일 예가 도시된 도면이다.
혈관 구조 추출부(110)는 2차원 혈관 트리 구조를 생성하기 위한 혈관 그래프를 생성할 수 있다. 혈관 구조 추출부(110)는 혈관 증강 필터(Vessel Enhancement Filter)를 이용하여 2차원 형태의 X-선 조영영상으로부터 혈관 그래프를 구성하는 각각의 노드를 획득할 수 있다. 혈관 구조 추출부(110)는 혈관 증강 필터를 이용하여 2차원 X-선 조영영상의 각 픽셀에 대한 혈관도값(Vesselness Value)를 추출할 수 있다. 혈관 구조 추출부(110)는 각 픽셀에 대한 혈관도값을 미리 정해진 기준값에 따라 이진화(thresholding)하고, 도시된 바와 같이 이진화된 혈관도값을 세선화(thinning)하여 적어도 하나의 노드를 획득할 수 있다. 이하에서는, 혈관 증강 필터가 다중 스케일 증강 필터(Multiscale Enhancement Filter)인 것으로 가정하여 설명하겠으나, 이에 한정되는 것은 아니며 기 공지된 다양한 영상 필터로 대체될 수도 있다.
혈관 구조 추출부(110)는 특정 노드를 일정 거리 내에 있는 다른 노드와 연결하여 혈관 그래프를 생성할 수 있다. 예를 들어, 혈관 구조 추출부(110)는 획득된 어느 하나의 노드를 15픽셀에 해당되는 거리 이내에 있는 다른 노드들과 각각 연결시킬 수 있다. 이하에서는, 설명의 편의를 위해 노드간 연결되는 선을 에지(edge)로 정의하여 설명하기로 한다. 즉, 도시된 바와 같이, 혈관 구조 추출부(110)는 각각의 노드를 일정 거리 내에 위치하는 다른 노드들과 에지로 연결한 혈관 그래프를 생성할 수 있다.
이때, 혈관 구조 추출부(110)는 각각의 에지에 대하여 가중치를 설정할 수 있다. 혈관 구조 추출부(110)는 아래의 수학식에 따라 각각의 에지에 서로 다른 가중치를 설정할 수 있다.
여기서, Ci,j는 i번째 노드와 j번째 노드에 연결된 에지에 설정되는 가중치를 의미한다. 그리고, L은 에지의 길이, V는 다중 스케일 증강 필터의 출력값 중 하나인 혈관도값, I는 2차원 X-선 조영영상에서의 명암도값, θ는 에지의 각도, φ는 다중 스케일 증강 필터의 출력값 중 하나인 픽셀 방향(Pixel Orientation)을 의미한다. 또한, α, β, γ는 각 가중치 항에 대하여 미치는 영향의 정도를 의미하는 매개변수이며, 0 이상의 값을 가지도록 설정될 수 있다. 각각의 가중치 항들은 다음과 같이 정의될 수 있다.
여기서, di,j는 i번째 노드와 j번째 노드에 연결된 에지(ei,j)의 길이, xi,j는 ei,j를 지나는 픽셀들의 집합, Ni,j는 xi,j에 포함된 픽셀의 개수, vx는 픽셀 x의 혈관도값, Ix는 픽셀 x의 명암도값, f(i)는 i번째 노드가 위치한 픽셀의 위치, θx는 혈관 증강 필터로부터 획득되는 픽셀 x의 방향값, Φi,j,는 ei,j의 방향(orientation)을 의미한다.
혈관 구조 추출부(110)는 각각의 에지에 설정된 가중치를 기초로 생성된 혈관 그래프로부터 2차원 혈관 트리 구조를 추출할 수 있다. 구체적으로, 혈관 구조 추출부(110)는 도 3에 도시된 바와 같이 어느 하나의 노드를 시작점으로 하여 가장 낮은 가중치를 갖는 노드를 경로로 설정하는 2차원 혈관 트리 구조를 추출할 수 있다.
이를 위해, 혈관 구조 추출부(110)는 노드 간의 경로를 설정할 수 있다. 예를 들어, 노드 V와 에지 E로 이루어진 혈관 그래프에서, 임의의 두 노드 v, v'사이의 경로 p는 i∈[1, k-1]에서 (vi, vi+1)∈E를 조건으로 하여 이웃하는 노드의 순서로 구성될 수 있다. 이를 수학식으로 표현하면 다음과 같다.
경로 p의 가중치는 이웃하는 픽셀들에 대한 에지의 가중치의 합으로 결정될 수 있으며, 가중치의 합을 구하는 구체적은 수학식은 아래와 같다.
상술한 수학식 4를 이용하여, 혈관 구조 추출부(110)는 경로의 총 가중치를 p를 따라 어느 점에서도 만나지 않은 서브 경로(Subpath)의 가중치로 분할 수 있다. 즉, 혈관 구조 추출부(110)는 노드 v와 v' 간의 경로의 총 가중치를 노드 v와 vi에 대한 경로의 총 가중치와 노드 vi와 v'에 대한 경로의 총 가중치로 분할할 수 있다. 이를 수학식으로 표현하면 다음과 같다.
이를 이용하여, 혈관 구조 추출부(110)는 두 노드 v와 v' 사이의 가장 낮은 가중치를 갖는 에지를 경로로 결정할 수 있다. 이를 수학식으로 표현하면 다음과 같다.
여기서, P(v, v')는 두 노드 사이에 가능한 모든 경로의 집합을 의미한다.
혈관 구조 추출부(110)는 상술한 과정에 의해 생성된 경로들을 이용하여 혈관 그래프의 정점(특정노드)와 다른 정점(노드)들 사이의 최저 가중치 경로(
)를 검색할 수 있다. 구체적으로, 혈관 구조 추출부(110)는 미리 설정된 시작 노드를 기준으로 다익스트라 알고리즘(Dijkstra Algorithm)에 따른
다익스트라 알고리즘은 노드간 에지의 길이(가중치)를 고려하여 최단 경로를 추출하는 알고리즘이다. 혈관 구조 추출부(110)는 다익스트라 알고리즘을 이용하여 혈관의 시작점으로부터 가장 낮은 가중치를 갖는 혈관 경로를 탐색할 수 있다. 시작점은 혈관 그래프를 구성하는 복수의 노드들 중 사용자에 의해 선택된 어느 하나의 노드로 정의될 수 있다. 혈관 구조 추출부(110)는 다익스트라 알고리즘의 시작점을 루트 노드로 하는 트리 형식의 혈관 경로인 2차원 혈관 트리 구조를 추출할 수 있다. 혈관 구조 추출부(110)는 추출된 2차원 혈관 트리 구조에서 혈관의 일부분일 확률인 낮은 혈관 가지를 제거하기 위하여, 서브 트리에 대하여 삭제 및 병합을 반복적으로 수행할 수 있다. 이에 따라, 혈관 구조 추출부(110)는 불필요한 혈관 가지가 제거된 2차원 혈관 트리 구조를 추출할 수 있다.
강체 정합부(120)는 혈관 구조 추출부(110)에 의해 추출된 2차원 혈관 트리 구조와 3차원 혈관 구조의 강체 정합을 수행할 수 있다.
2차원 X-선 조영영상만을 이용하여 혈관 구조를 추출할 경우, 장기, 뼈, 중재 기구 등과 같은 배경의 혼란(Background Clutter)과 혈관이 겹쳐지는 문제점이 발생될 수 있다. 이는 3차원 구조의 혈관이 2차원 X-선 영상으로 투영됨에 따라 야기되는 문제이므로, 단일 2차원 X-선 조영영상만으로는 이러한 문제점을 해결하는 데에 한계가 있다. 따라서, 본 발명에 따른 2차원 X-선 조영영상의 혈관 구조 추출 장치(100)는 동일한 피검자의 혈관에 대한 3차원 CT 조영영상에서 추출된 혈관의 위상(topology) 구조를 이용하여 혈관 구조 추출부(110)에 의해 추출된 초기 2차원 혈관 트리 구조를 개선시킬 수 있다.
이를 위해, 강체 정합부(120)는 피검자의 2차원 X-선 조영영상으로부터 추출된 2차원 혈관 트리 구조와, 동일한 피검자의 3차원 CT 조영영상에서 추출된 3차원 혈관 구조의 강체 정합을 수행할 수 있다.
동일한 피검자의 혈관 구조에 대한 2차원 영상과 3차원 영상을 정합시키기 위해, 강체 정합부(120)는 정합 공간을 일치시키는 초기 정합을 수행할 수 있다. 구체적으로, 강체 정합부(120)는 2차원 X-선 영상 촬영 장치로부터 획득되는 의료용 디지털 영상 및 통신 표준(Digital Imaging and Communications in Medicine, DICOM) 정보를 이용하여 3차원 CT 영상을 2차원 X-선 영상이 획득 될 당시와 동일한 가상 환경을 만들고, 이를 아래의 수학식에 적용하여 수행할 수 있다.
여기서, x, y는 2차원 X-선 조영영상의 좌표, X, Y, Z는 3차원 CT 조영영상의 좌표, f는 초점거리, mx, my는 pixel/mm로 물리적 단위를 화소 단위로 변환하는데 사용되는 변수로 정의될 수 있다. 또한, px, py는 주점을 의미하고, r, t는 각각 회전과 이동에 사용되는 변수를 의미한다.
Dicom 정보를 이용하여 2D X-선 영상이 획득될 당시와 동일한 환경을 적용하더라도 촬영 장비간의 프로토콜 등의 차이 혹은 기타 외부 요인으로 인한 정합 오차가 발생할 수 있다. 이러한 오차를 줄이기 위하여 강체 정합부(120)는 최적화 기법을 적용한 변환함수를 수행함으로써 정밀 정합을 수행할 수 있다.
변환함수는 x축 방향 이동 벡터(Tx), y축 방향 이동 벡터(Ty), z축 방향 이동 벡터(Tz), x축 중심 회전 벡터(Rx), y축 중심 회전 벡터(Ry) 및 z축 중심 회전 벡터(Rz)로 이루어진다. 강체 정합부(120)는 3차원 CT 조영영상으로부터 추출된 3차원 혈관 중심선의 중심점(C3D)을 원점으로 이동시키고, 회전 벡터와 이동 벡터 순으로 변환을 수행하여, 2차원 혈관 중심선의 중심점(C2D)로 이동시킬 수 있다. 이를 수학식으로 나타내면 다음과 같다.
이와 같이, 강체 정합부(120)는 초기 정합 및 정밀 정합을 단계적으로 수행하여, 2차원 혈관 트리 구조와 3차원 혈관 구조의 강체 정합을 수행할 수 있다.
매칭 후보군 추출부(130)는 강체 정합된 결과를 기반으로 2차원 혈관 트리 구조와 3차원 혈관 트리 구조에 대한 유사도를 산출할 수 있다. 이때, 매칭 후보군 추출부(130)는 유사도 측정에서 거리 비교의 연산 시간을 단축시키도록 2차원 혈관 트리 구조 및 3차원 혈관 트리 구조를 구성하는 각 세그먼트에 대한 거리 맵(Distance Map)을 생성하는 전처리 과정을 수행할 수 있다.
구체적으로, 매칭 후보군 추출부(130)는 추출된 2차원 X-선 혈관 트리 구조의 혈관 중심선의 주변 인접 영역에 지역적 거리전파를 수행하여 3차원 거리맵을 생성할 수 있다. 상술한 바와 같이, 강체 정합에 따른 2차원 혈관 트리 구조 및 3차원 혈관 트리 구조간의 전역적 이동 변위 보정이 이루어졌으므로, 영상 전체에 대한 거리맵 생성이 불필요하다. 따라서, 매칭 후보군 추출부(130)는 거리맵 생성 시간 단축을 위해 지역적 거리전파를 수행하여 3차원 거리맵을 생성할 수 있다. 이때, 거리맵은 유클리드 거리(Euclidean Distance)를 기반으로 세그먼트의 혈관 픽셀부터 거리를 계산하여 일정 거리까지 기존의 거리값과 비교함으로써 최소값을 할당한다.
매칭 후보군 추출부(130)는 2차원 혈관 트리 구조를 구성하는 각각의 세그먼트(이하, 2차원 혈관 세그먼트)에 대하여, 유사도가 높은 3차원 혈관 트리구조를 구성하는 어느 하나의 세그먼트(이하, 3차원 혈관 세그먼트)를 매칭 후보군으로 추출할 수 있다. 이와 관련하여, 도 4를 함께 참조하여 설명하기로 한다.
도 4는 2차원 혈관 세그먼트와 3차원 혈관 세그먼트간 비교 영역을 설정하는 일 예가 도시된 도면이다.
매칭 후보군 추출부(130)는 2차원 혈관 세그먼트 또는 3차원 혈관 세그먼트를 기준 세그먼트로 설정하고, 기준 세그먼트에 대한 비교대상 세그먼트를 결정할 수 있다. 구체적으로, 매칭 후보군 추출부(130)는 전처리 과정에서 생성된 거리맵을 이용하여 어느 하나의 2차원 혈관 세그먼트를 기준으로 소정 거리 이내에 위치하는 3차원 혈관 세그먼트를 비교 영역으로 설정할 수 있다. 또한, 매칭 후보군 추출부(130)는 어느 하나의 3차원 혈관 세그먼트를 기준으로 소정 거리 이내에 위치하는 3차원 혈관 세그먼트를 비교 영역으로 설정할 수 있다.
이후, 매칭 후보군 추출부(130)는 기준 세그먼트 및 비교 영역에 포함된 비교대상 세그먼트와의 유사도를 산출할 수 있다. 본 실시예에서, 유사도는 기준 세그먼트 및 비교대상 세그먼트의 양방향 매칭률(Matching Rate)에 대한 제1 유사도, 기준 세그먼트 및 비교대상 세그먼트의 평균 거리(Mean Distance)에 대한 제2 유사도 및 기준 세그먼트 및 비교대상 세그먼트의 각도 차이에 대한 제3 유사도를 포함할 수 있다.
먼저, 매칭 후보군 추출부(130)는 기준 세그먼트와 비교대상 세그먼트의 양방향 매칭률을 산출하고, 산출된 양방향 매칭률을 미리 정해진 임계값과 비교하여 배교대상 세그먼트를 매칭 후보군으로 설정할지 여부를 판단할 수 있다. 예를 들어, 2차원 혈관 트리 구조의 i번째 세그먼트(
)와 3차원 혈관 트리 구조의 j번째 세그먼트(
)에 대한 양방향 매칭률은, 기준 세그먼트의 전체 픽셀 개수(
)에서 비교 영역으로 설정된 비교대상 세그먼트의 픽셀 개수(
)의 비율로 정의될 수 있다. 이를 수학식으로 표현하면 다음과 같다.
상술한 수학식의 첫 번째 행은 i번째 2차원 혈관 세그먼트를 기준 세그먼트로 설정했을 때의 j번째 3차원 혈관 세그먼트와의 매칭률(
)이고, 수학식의 두 번째 행은 j번째 3차원 혈관 세그먼트를 기준 세그먼트로 설정했을 때의 i 번째 2차원 혈관 세그먼트와의 매칭률(
)을 의미한다. 매칭 후보군 추출부(130)는 산출된 두 개의 매칭률 중 어느 하나의 매칭률이 미리 정해진 임계값 이상으로 확인되면, j번째 3차원 혈관 세그먼트를 i번째 2차원 혈관 세그먼트에 대한 매칭 후보군으로 설정할 수 있다. 또는, 매칭 후보군 추출부(130)는 산출된 두 개의 매칭률이 모두 임계값(예컨대, 50%) 이상인 경우에 j번째 3차원 혈관 세그먼트를 i번째 2차원 혈관 세그먼트에 대한 매칭 후보군으로 설정할 수 있다.
다음으로, 매칭 후보군 추출부(130)는 기준 세그먼트의 각 픽셀들과 가장 가까운 거리에 있는 비교대상 세그먼트의 픽셀간의 거리(
)에 대한 평균값을 이용하여 제2 유사도를 산출할 수 있다. 매칭 후보군 추출부(130)는 각 평균 거리, 다시 말해 2차원 세그먼트에 대한 3차원 세그먼트의 평균 거리(
) 또는 3차원 세그먼트에 대한 2차원 세그먼트의 평균 거리(
)가 임계값(예컨대, 10픽셀)이하인 경우 j번째 3차원 혈관 세그먼트를 i번째 2차원 혈관 세그먼트에 대한 매칭 후보군으로 설정할 수 있다.
또한, 매칭 후보군 추출부(130)는 기준 세그먼트와 비교대상 세그먼트의 각도 차이를 추출하여 제3 유사도를 산출할 수 있다. 매칭 후보군 추출부(130)는 기준 세그먼트의 시작 픽셀과 끝 픽셀을 이용하여 기준 세그먼트의 벡터를 추출하고, 비교대상 세그먼트의 시작 픽셀과 끝 픽셀을 이용하여 비교대상 세그먼트의 벡터를 추출할 수 있다. 매칭 후보군 추출부(130)는 두 벡터의 각도의 차이값을 제3 유사도로 산출할 수 있다. 매칭 후보군 추출부(130)는 제3 유사도가 임계값(예컨대, 30°)이하인 경우 j번째 3차원 혈관 세그먼트를 i번째 2차원 혈관 세그먼트에 대한 매칭 후보군으로 설정할 수 있다.
이와 같이, 매칭 후보군 추출부(130)는 기준 세그먼트와 비교대상 세그먼트간의 제1 내지 제3 유사도를 산출하여, 어느 하나의 유사도가 임계값을 만족하는 경우, j번째 3차원 혈관 세그먼트를 i번째 2차원 혈관 세그먼트에 대한 매칭 후보군으로 설정할 수 있다. 몇몇 다른 실시예에서, 매칭 후보군 추출부(130)는 제1 내지 제3 유사도 중 두 개 이상의 유사도가 임계값을 만족하거나, 산출된 모든 유사도가 임계값을 만족하는 경우에만 j번째 3차원 혈관 세그먼트를 i번째 2차원 혈관 세그먼트에 대한 매칭 후보군으로 설정할 수 있다.
혈관 구조 재구성부(140)는 매칭 후보군이 존재하는 2차원 혈관 세그먼트를 이용하여 혈관 구조 추출부(110)에 의해 생성된 2차원 혈관 트리 구조를 재구성할 수 있다. 이와 관련하여, 도 5를 함께 참조하여 설명하기로 한다.
혈관 구조 재구성부(140)는 매칭 후보군이 설정되지 않은 2차원 혈관 세그먼트를 2차원 혈관 트리 구조에서 제거할 수 있다. 이 과정에서, 매칭 후보군이 존재하는 2차원 세그먼트들 간의 연결이 끊어져 있을 가능성이 있다. 혈관 구조 재구성부(140)는 매칭 후보군이 존재하는 2차원 세그먼트들 간의 연결이 끊어져 있는 구간이 존재하는 것으로 확인되면, 최초에 추출된 2차원 혈관 트리 구조를 기초로 매칭 후보군이 존재하는 2차원 세그먼트들을 연결할 수 있는 세그먼트(이하, 연결 세그먼트)를 검색할 수 있다.
혈관 구조 재구성부(140)는 검색된 연결 세그먼트에 대한 매칭 후보군을 설정할 수 있다. 혈관 구조 재구성부(140)는 연결 세그먼트에 의해 연결된 상위 세그먼트와 하위 세그먼트에 대한 모든 매칭 후보군을 연결 세그먼트에 대한 매칭 후보군으로 설정할 수 있다. 이에 따라, 서로 다른 2차원 혈관 세그먼트는 동일한 3차원 혈관 세그먼트를 매칭 후보군으로 가질 수 있다.
하지만, 하나의 3차원 혈관 세그먼트는 분지 없이 이어진 하나의 2차원 혈관 세그먼트가 매칭되어야 하므로, 혈관 구조 재구성부(140)는 특정 3차원 혈관 세그먼트를 매칭 후보군으로 하는 2차원 혈관 세그먼트가 복수 개인 것으로 확인되면, 해당 3차원 혈관 세그먼트와 가장 높은 유사도를 갖는 어느 하나의 2차원 혈관 세그먼트를 추출할 수 있다.
구체적으로, 혈관 구조 재구성부(140)는 특정 3차원 혈관 세그먼트를 매칭 후보군으로 하는 복수의 2차원 혈관 세그먼트 집합에 대하여 분지 없이 이어질 수 있는 세그먼트들로 구조를 분리할 수 있다. 혈관 구조 재구성부(140)는 각 구조와 매칭된 3차원 세그먼트의 유사도를 재측정할 수 있다. 양방향 매칭률, 평균 거리 및 각도 차이에 대한 유사도를 측정하는 구체적인 과정은 상술하였으므로 반복되는 내용은 생략하기로 한다. 혈관 구조 재구성부(140)는 제1 내지 제3 유사도를 정규화하고, 정규화된 유사도를 모두 합산하여 최종적인 유사도를 산출할 수 있다. 이후, 혈관 구조 재구성부(140)는 특정 3차원 혈관 세그먼트에 대하여 가장 높은 유사도를 갖는 어느 하나의 2차원 혈관 세그먼트 외에 나머지 2차원 혈관 세그먼트를 제거함으로써 2차원 혈관 트리 구조를 재구성할 수 있다.
도 6은 본 발명의 일 실시예에 따른 2차원 X-선 조영영상의 혈관 구조 추출 방법의 개략적인 흐름이 도시된 순서도이다.
2차원 X-선 조영영상의 혈관 구조 추출 장치(100, 이하 장치)는 2차원 X-선 조영영상으로부터 2차원 혈관 트리 구조를 추출할 수 있다(610). 장치(100)는 2차원 X-선 조영영상에 혈관 증강 필터를 적용하여 혈관 그래프를 생성하고, 혈관 그래프의 각각의 에지에 설정된 가중치 값을 기초로 다익스트라 알고리즘을 사용하여 사용자로부터 입력된 혈관의 시작점으로부터 가장 낮은 가중치를 갖는 혈관 경로를 탐색할 수 있다. 장치(100)는 혈관 경로 트리의 각 서브트리에 대하여 혈관 길이에 따라 자르고 병합하는 과정을 반복 수행하여 2차원 혈관 트리 구조를 추출할 수 있다. 또한, 장치(100)는 동일한 피검자에 대한 3차원 CT 영상으로부터 3차원 혈관 구조를 추출할 수 있다.
장치(100)는 2차원 혈관 트리 구조와 3차원 혈관 구조의 강체 정합을 수행할 수 있다(620). 장치(100)는 초기 정합과 정밀 정합을 순차적으로 수행하여 2차원 X-선 조영영상으로부터 추출된 2차원 혈관 트리 구조와 3차원 CT 조영영상으로부터 추출된 3차원 혈관 구조의 강체 정합을 수행할 수 있다. 장치(100)는 3차원 CT 조영영상의 위상정보를 이용하기 위하여 강체 정합 과정만을 실시하여 정합에 소요되는 수행 시간을 단축시킬 수 있다.
장치(100)는 강체 정합된 2차원 혈관 트리 구조와 3차원 혈관 구조의 유사도를 측정하여 2차원 혈관 세그먼트에 대한 3차원 혈관 세그먼트의 매칭 후보군을 설정할 수 있다(630). 장치(100)는 전처리 과정의 일환으로 3차원 거리맵을 생성하고, 거리맵을 이용하여 기준 세그먼트에 대한 비교대상 세그먼트의 비교 영역을 설정할 수 있다. 장치(100)는 기준 세그먼트와 비교대상 세그먼트의 유사도를 측정하여 각각의 2차원 혈관 세그먼트에 대한 매칭 후보군을 설정할 수 있다.
장치(100)는 매칭 후보군이 설정된 2차원 혈관 세그먼트를 이용하여 2차원 혈관 트리 구조를 재구성할 수 있다(640). 장치(100)는 가장 유사한 3차원 혈관 세그먼트의 후보군들을 2차원 혈관 세그먼트의 초기 분할 구조를 기반으로 유사도를 다시 측정하고, 이를 기초로 2차원 혈관 트리 구조를 재구성함으로써 혈관의 깊이 정보 손실을 해결하여 2차원 X-선 조영영상의 혈관 구조 추출의 정확도를 향상시킬 수 있다.
도 7은 본 발명에 따른 2차원 X-선 조영영상의 혈관 구조 추출 방법 및 이를 수행하는 혈관 구조 추출 장치의 성능 평과 결과를 나타내는 도면이다.
본 발명에 따른 성능 평가를 위해, 실험은 C++로 구현되었으며 Intel Core i7-2600 CPU(3.4GHz) RAM 8GB이고, 운영체제 Windows 7 64bit에서 Visual Studio 2010이 설치된 PC에서 수행하였다. 본 실시예에서는 피검자 5명의 좌관상동맥(LCA) 조영영상 5개와 피검자 5명의 우관상동맥(RCA) 조영영상 5개를 사용하여 실험을 수행하였다. 본 실시예에서, 수학식 1에 따른 매개변수는 α=0.9, β=0.7, γ=0.3으로 설정된 것으로 가정한다.
도 7의 (a)는 피검자의 좌관상동맥 X선 조영영상의 일 예이고, 도 7의 (b)는 혈관 증강 필터를 적용하여 얻은 혈관도 값의 영상이다. 도 7의 (c)는 혈관도 값의 영상을 세선화한 결과이며, 세선화된 영상의 각각의 픽셀을 노드로 설정할 수 있다. 도 7의 (d)는 각 노드에 대해 일정 거리 내에 있는 다른 노드들과 그래프의 에지로 연결한 결과이다. 그리고, 도 7의 (e)는 각 에지의 가중치 값을 기반으로 다익스트라 알고리즘을 사용하여 얻은 최적의 혈관 경로를 보여준다. 도 7의 (f)는 혈관의 부분일 확률이 적은 혈관의 가지를 제거하기 위해 혈관 서브트리에 대하여 조건에 따라 삭제 및 병합을 반복적으로 수행한 결과이다. 도 7의 (g)는 2차원 X-선 조영영상으로부터 분할된 혈관과 동일한 피검자의 CT 조영영상에서 분할된 혈관을 강체 정합한 결과이다. 도 7의 (h)는 강체 정합된 결과를 바탕으로 2차원 혈관 세그먼트와 3차원 혈관 세그먼트의 유사도를 측정하여 2차원 혈관 트리 구조를 재구성한 결과이다. 도시된 바와 같이, 중재 기구와 같은 배경의 잡음과 혈관이 겹쳐지는 문제를 3차원 CT 조영영상에서 추출된 혈관의 위상구조를 이용하여 해결할 수 있다.
좌관상동맥 조영영상 5개와 우관상동맥 조영영상 5개의 데이터에 대하여, 본 발명에 따른 2차원 X-선 조영영상의 혈관 구조 추출 방법 및 이를 수행하는 혈관 구조 추출 장치의 혈관 구조 추출 정확도 분석 결과는 표 1에 나타나 있다.
정확도는 분할 결과와 전문가에 의해 수동으로 분할된 Ground Truth의 중심선과 비교하여 측정하였다. 본 실시예에서, 분할 결과의 혈관 픽셀이 Ground Truth 중심선의 혈관 픽셀과 2 픽셀 이내일 때, True Positive로 판단하였다. 그리고 분할 결과에서 분지점으로 탐지된 픽셀이 Ground Truth의 분지점에 30 픽셀 이내일 경우, True Positive로 판단하였다.
혈관 픽셀에 대한 Precision은 평균 0.859449이고, Recall은 평균 0.360199이며 F-measure는 평균 0.503774이다. 혈관 분지에 대한 Precision은 평균 0.911765이고, Recall은 평균 0.403644이며 F-measure는 평균 0.531179이다. Recall의 값이 낮은 이유는 3차원 CT 조영영상에서 분할된 혈관의 구조와 유사한 2D X-선 조영영상의 혈관만을 분할하였기 때문이다. 3차원 CT 조영영상에서 분할한 혈관은 임상적으로 중요한 혈관 구조이기 때문에 3D CT 조영영상에서 분할한 혈관은 임상적으로 중요한 혈관 구조이다. 즉, 본 발명에 따르면 3차원 CT 조영영상에서 분할된 혈관의 구조와 유사한 2차원 X-선 조영영상의 혈관만을 분할하였기 때문에 Recall의 값이 낮게 나타난다. 또한, 실험 수행 시간은 평균 0.726초로 혈관 구조 추출이 빠르고 정확하게 수행됨을 알 수 있다.
이와 같은, 2차원 X-선 조영영상의 혈관 구조 추출 방법을 제공하는 기술은 애플리케이션으로 구현되거나 다양한 컴퓨터 구성요소를 통하여 수행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다.
상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것들이거니와 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD 와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다.
프로그램 명령어의 예에는, 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 상기 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상에서는 실시예들을 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
100: 2차원 X-선 조영영상의 혈관 구조 추출 장치
110: 혈관 구조 추출부
120: 강체 정합부
130: 매칭 후보군 추출부
140: 혈관 구조 재구성부
110: 혈관 구조 추출부
120: 강체 정합부
130: 매칭 후보군 추출부
140: 혈관 구조 재구성부
Claims (13)
- 피검자의 혈관에 대한 2차원 X-선 조영영상으로부터 가중치가 반영된 2차원 혈관 트리 구조를 추출하는 단계;
상기 2차원 혈관 트리 구조와, 상기 피검자에 대한 3차원 CT 조영영상에서 분할된 3차원 혈관 구조의 강체 정합을 수행하는 단계;
상기 2차원 혈관 트리 구조의 2차원 혈관 세그먼트와 상기 3차원 혈관 구조의 3차원 혈관 세그먼트에 대한 유사도를 산출하여 어느 하나의 2차원 혈관 세그먼트에 매칭될 3차원 혈관 세그먼트의 매칭 후보군을 추출하는 단계; 및
상기 매칭 후보군이 존재하는 것으로 확인된 2차원 혈관 세그먼트를 이용하여 상기 2차원 혈관 트리 구조를 재구성하는 단계를 포함하는, 2차원 X-선 조영영상의 혈관 구조 추출 방법.
- 제1항에 있어서,
상기 혈관 트리 구조를 추출하는 단계는,
상기 2차원 X-선 조영영상에서 혈관 증강 필터로부터 추출된 픽셀을 노드로 설정하고, 상기 노드를 기준 픽셀영역 내에 위치하는 다른 노드와 연결하는 에지를 생성하는 단계;
각각의 에지에 부여된 가중치를 이용하여 미리 정해진 혈관의 시작점으로부터 가장 낮은 가중치를 갖는 트리 형식의 혈관 경로를 추출하는 단계를 포함하는, 2차원 X-선 조영영상의 혈관 구조 추출 방법.
- 제2항에 있어서,
상기 혈관 트리 구조를 추출하는 단계는,
상기 혈관 경로를 구성하는 혈관 가지들 중 상기 혈관 경로의 부분일 확률이 낮은 혈관 가지를 제거하도록, 상기 혈관 경로의 서브트리에 대하여 혈관의 길이에 따라 삭제 및 병합 과정을 반복 수행하여 상기 혈관 트리 구조를 추출하는 단계를 더 포함하는, 2차원 X-선 조영영상의 혈관 구조 추출 방법.
- 제1항에 있어서,
상기 유사도를 산출하는 것은,
상기 2차원 혈관 세그먼트 또는 상기 3차원 혈관 세그먼트를 기준으로 주변 인접 영역에 대하여 지역적 거리전파를 수행하여 지역적 거리맵을 생성하고, 상기 지역적 거리맵을 이용하여 기준 세그먼트의 소정 거리 내에 위치하는 비교대상 세그먼트를 비교 영역으로 설정하는 것을 특징으로 하되,
상기 기준 세그먼트가 상기 2차원 혈관 세그먼트로 설정되는 경우, 상기 비교대상 세그먼트는 상기 3차원 혈관 세그먼트로 설정되고, 상기 기준 세그먼트가 상기 3차원 혈관 세그먼트로 설정되는 경우, 상기 비교대상 세그먼트는 상기 2차원 혈관 세그먼트로 설정되는, 차원 X-선 조영영상의 혈관 구조 추출 방법.
- 제4항에 있어서,
상기 유사도는,
상기 기준 세그먼트 및 상기 비교 영역에 포함된 비교대상 세그먼트의 양방향 매칭률, 상기 기준 세그먼트와 상기 비교 영역에 포함된 비교대상 세그먼트의 각도 차이, 상기 기준 세그먼트와 상기 비교 영역에 포함된 비교대상 세그먼트의 평균 거리 중 적어도 하나를 기초로 산출되는, 2차원 X-선 조영영상의 혈관 구조 추출 방법.
- 제5항에 있어서,
상기 유사도를 산출하는 것은,
상기 기준 세그먼트 및 상기 비교 영역에 포함된 비교대상 세그먼트를 구성하는 픽셀 개수의 비율을 기초로 상기 양방향 매칭률을 산출하고,
상기 매칭 후보군을 추출하는 것은,
상기 양방향 매칭률이 미리 정해진 임계값 이상인 3차원 혈관 세그먼트를 상기 2차원 혈관 세그먼트에 대한 매칭 후보군으로 추출하는 것을 특징으로 하는, 2차원 X-선 조영영상의 혈관 구조 추출 방법.
- 제5항에 있어서,
상기 유사도를 산출하는 것은,
상기 기준 세그먼트의 양 끝단을 구성하는 픽셀로 구성되는 기준벡터의 각도 및 상기 비교 영역의 양 끝단을 구성하는 픽셀로 구성되는 비교벡터의 각도를 측정하고,
상기 매칭 후보군을 추출하는 것은,
상기 기준벡터의 각도와 상기 비교벡터의 각도의 차이값이 미리 정해진 임계값 이하인 3차원 혈관 세그먼트를 상기 2차원 혈관 세그먼트에 대한 매칭 후보군으로 추출하는 것을 특징으로 하는, 2차원 X-선 조영영상의 혈관 구조 추출 방법.
- 제5항에 있어서,
상기 유사도를 산출하는 것은,
상기 기준 세그먼트의 특정 픽셀과 가장 가까운 상기 비교 영역의 픽셀간의 거리정보를 측정하고, 상기 기준 세그먼트를 구성하는 모든 픽셀에 대하여 측정된 거리정보의 평균값을 상기 평균 거리로 산출하고,
상기 매칭 후보군을 추출하는 것은,
상기 평균 거리가 미리 정해진 임계값 이하인 3차원 혈관 세그먼트를 상기 2차원 혈관 세그먼트에 대한 매칭 후보군으로 추출하는 것을 특징으로 하는, 2차원 X-선 조영영상의 혈관 구조 추출 방법.
- 제1항에 있어서,
상기 2차원 혈관 트리 구조를 재구성하는 것은,
상기 매칭 후보군이 존재하지 않은 것으로 확인된 2차원 혈관 세그먼트를 제외시키되, 상기 매칭 후보군이 존재하는 것으로 확인된 2차원 혈관 세그먼트간 연결이 단절되는 것으로 확인되면, 상기 2차원 혈관 트리 구조를 기초로 단절된 세그먼트를 연결시키는 연결 세그먼트를 검색하는 것을 특징으로 하는, 2차원 X-선 조영영상의 혈관 구조 추출 방법.
- 제9항에 있어서,
상기 연결 세그먼트를 검색하는 것은,
검색된 상기 연결 세그먼트와 연결된 상위 2차원 혈관 세그먼트 및 하위 2차원 혈관 세그먼트에 대한 매칭 후보군을 상기 연결 세그먼트의 매칭 후보군으로 설정하는 것을 특징으로 하는, 2차원 X-선 조영영상의 혈관 구조 추출 방법.
- 제1항에 있어서,
상기 2차원 혈관 트리 구조를 재구성하는 것은,
어느 하나의 3차원 혈관 세그먼트가 매칭 후보군으로 설정된 2차원 혈관 세그먼트가 복수 개인 경우, 각각의 2차원 혈관 세그먼트에 대하여 분지 없이 연결되는 세그먼트로 구조를 분리하고, 각 구조와 매칭된 3차원 혈관 세그먼트의 유사도를 산출하고, 상기 유사도에 따라 선택된 어느 하나의 2차원 혈관 세그먼트를 제외한 나머지 2차원 혈관 세그먼트를 제거하는 것을 특징으로 하는, 2차원 X-선 조영영상의 혈관 구조 추출 방법.
- 제1항 내지 제11항 중 어느 하나의 항에 따른 2차원 X-선 조영영상의 혈관 구조 추출 방법을 수행하기 위한, 컴퓨터 프로그램이 기록된 컴퓨터로 판독 가능한 기록매체.
- 피검자의 혈관에 대한 2차원 X-선 조영영상으로부터 가중치가 반영된 2차원 혈관 트리 구조를 추출하는 혈관 구조 추출부;
상기 2차원 혈관 트리 구조와, 상기 피검자에 대한 3차원 CT 조영영상에서 분할된 3차원 혈관 구조의 강체 정합을 수행하는 정합부;
상기 2차원 혈관 트리 구조의 2차원 혈관 세그먼트와 상기 3차원 혈관 구조의 3차원 혈관 세그먼트에 대한 유사도를 산출하여 어느 하나의 2차원 혈관 세그먼트에 매칭될 3차원 혈관 세그먼트의 매칭 후보군을 추출하는 후보군 추출부; 및
상기 매칭 후보군이 존재하는 것으로 확인된 2차원 혈관 세그먼트를 이용하여 상기 2차원 혈관 트리 구조를 재구성하는 혈관 구조 재구성부를 포함하는, 2차원 X-선 조영영상의 혈관 구조 추출 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180002061A KR102050649B1 (ko) | 2018-01-08 | 2018-01-08 | 2차원 x-선 조영영상의 혈관 구조 추출 방법, 이를 수행하기 위한 기록매체 및 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180002061A KR102050649B1 (ko) | 2018-01-08 | 2018-01-08 | 2차원 x-선 조영영상의 혈관 구조 추출 방법, 이를 수행하기 위한 기록매체 및 장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20190084380A true KR20190084380A (ko) | 2019-07-17 |
| KR102050649B1 KR102050649B1 (ko) | 2019-12-17 |
Family
ID=67512479
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180002061A KR102050649B1 (ko) | 2018-01-08 | 2018-01-08 | 2차원 x-선 조영영상의 혈관 구조 추출 방법, 이를 수행하기 위한 기록매체 및 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102050649B1 (ko) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110706236A (zh) * | 2019-09-03 | 2020-01-17 | 西人马帝言(北京)科技有限公司 | 血管图像的三维重建方法及装置 |
| KR20210108178A (ko) * | 2020-02-25 | 2021-09-02 | 숭실대학교산학협력단 | 2d xa 영상과 3d cta 영상 간의 강체 정합 방법, 이를 수행하기 위한 기록 매체 및 장치 |
| KR20210112436A (ko) * | 2020-03-04 | 2021-09-15 | 숭실대학교산학협력단 | 혈관 특징 정보 기반 다중 모달리티 비강체 정합 방법, 이를 수행하기 위한 기록 매체 및 장치 |
| KR20210115223A (ko) * | 2020-03-12 | 2021-09-27 | 숭실대학교산학협력단 | 인공지능 기술을 이용한 혈관 구조 추출 방법, 이를 수행하기 위한 기록 매체 및 장치 |
| KR20210149350A (ko) * | 2020-06-02 | 2021-12-09 | 울산대학교 산학협력단 | 자동으로 혈관 영상을 처리하는 방법 및 장치 |
| KR20230021544A (ko) * | 2021-08-05 | 2023-02-14 | 숭실대학교산학협력단 | Cta 영상에서 계층적 변형을 이용한 심혈관 비강체 정합 방법, 이를 수행하기 위한 기록매체 및 장치 |
| KR102508226B1 (ko) * | 2022-08-12 | 2023-03-09 | 주식회사 메디픽셀 | 심혈관 조영 영상을 이용한 신택스 스코어 산출 방법 및 시스템 |
| KR20230045865A (ko) * | 2021-09-29 | 2023-04-05 | 주식회사 온택트헬스 | 의료 영상에서 혈관 영역을 세그먼테이션하기 위한 방법 및 장치 |
| CN117635950A (zh) * | 2024-01-04 | 2024-03-01 | 广东欧谱曼迪科技股份有限公司 | 血管分割矫正处理的方法、装置、电子设备及存储介质 |
| EP4131150A4 (en) * | 2020-03-31 | 2024-03-20 | Suzhou Rainmed Medical Technology Co., Ltd. | METHOD AND APPARATUS FOR PRECISE EXTRACTION OF A VESSEL CENTRAL LINE, ANALYSIS SYSTEM, AND STORAGE MEDIUM |
| US12039729B2 (en) | 2020-06-02 | 2024-07-16 | Medipixel, Inc. | Method and device for automatically processing blood vessel image |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101485900B1 (ko) | 2013-04-02 | 2015-01-26 | 연세대학교 산학협력단 | 방사선 불투과성 반구형 입체 표지를 기반으로 하는 ct 혈관 조영 영상과 x-선 혈관 조영 영상 간의 정합 방법 |
| KR101768526B1 (ko) | 2012-07-27 | 2017-08-17 | 삼성전자주식회사 | 혈관 구조에 기초하여 환자에 특화된 대상 장기의 모델을 생성하는 방법 및 장치 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101294858B1 (ko) * | 2012-04-26 | 2013-08-09 | 가톨릭대학교 산학협력단 | 간 문맥의 혈관 구조 정보를 이용한 간 세그먼트 구분 방법 및 장치 |
| EP3128481B1 (en) | 2015-08-04 | 2019-12-18 | Pie Medical Imaging BV | Method and apparatus to improve a 3d + time reconstruction |
-
2018
- 2018-01-08 KR KR1020180002061A patent/KR102050649B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101768526B1 (ko) | 2012-07-27 | 2017-08-17 | 삼성전자주식회사 | 혈관 구조에 기초하여 환자에 특화된 대상 장기의 모델을 생성하는 방법 및 장치 |
| KR101485900B1 (ko) | 2013-04-02 | 2015-01-26 | 연세대학교 산학협력단 | 방사선 불투과성 반구형 입체 표지를 기반으로 하는 ct 혈관 조영 영상과 x-선 혈관 조영 영상 간의 정합 방법 |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110706236B (zh) * | 2019-09-03 | 2023-01-13 | 西人马大周(深圳)医疗科技有限公司 | 血管图像的三维重建方法及装置 |
| CN110706236A (zh) * | 2019-09-03 | 2020-01-17 | 西人马帝言(北京)科技有限公司 | 血管图像的三维重建方法及装置 |
| KR20210108178A (ko) * | 2020-02-25 | 2021-09-02 | 숭실대학교산학협력단 | 2d xa 영상과 3d cta 영상 간의 강체 정합 방법, 이를 수행하기 위한 기록 매체 및 장치 |
| KR20210112436A (ko) * | 2020-03-04 | 2021-09-15 | 숭실대학교산학협력단 | 혈관 특징 정보 기반 다중 모달리티 비강체 정합 방법, 이를 수행하기 위한 기록 매체 및 장치 |
| KR20210115223A (ko) * | 2020-03-12 | 2021-09-27 | 숭실대학교산학협력단 | 인공지능 기술을 이용한 혈관 구조 추출 방법, 이를 수행하기 위한 기록 매체 및 장치 |
| EP4131150A4 (en) * | 2020-03-31 | 2024-03-20 | Suzhou Rainmed Medical Technology Co., Ltd. | METHOD AND APPARATUS FOR PRECISE EXTRACTION OF A VESSEL CENTRAL LINE, ANALYSIS SYSTEM, AND STORAGE MEDIUM |
| KR20210149350A (ko) * | 2020-06-02 | 2021-12-09 | 울산대학교 산학협력단 | 자동으로 혈관 영상을 처리하는 방법 및 장치 |
| WO2021246612A1 (ko) * | 2020-06-02 | 2021-12-09 | 재단법인 아산사회복지재단 | 자동으로 혈관 영상을 처리하는 방법 및 장치 |
| KR20220061940A (ko) * | 2020-06-02 | 2022-05-13 | 주식회사 메디픽셀 | 자동으로 혈관 영상을 처리하는 방법 및 장치 |
| US12039729B2 (en) | 2020-06-02 | 2024-07-16 | Medipixel, Inc. | Method and device for automatically processing blood vessel image |
| KR20230021544A (ko) * | 2021-08-05 | 2023-02-14 | 숭실대학교산학협력단 | Cta 영상에서 계층적 변형을 이용한 심혈관 비강체 정합 방법, 이를 수행하기 위한 기록매체 및 장치 |
| WO2023054994A1 (ko) * | 2021-09-29 | 2023-04-06 | 주식회사 온택트헬스 | 의료 영상에서 혈관 영역을 세그먼테이션하기 위한 방법 및 장치 |
| KR20230045865A (ko) * | 2021-09-29 | 2023-04-05 | 주식회사 온택트헬스 | 의료 영상에서 혈관 영역을 세그먼테이션하기 위한 방법 및 장치 |
| WO2024034748A1 (ko) * | 2022-08-12 | 2024-02-15 | 주식회사 메디픽셀 | 심혈관 조영 영상을 이용한 신택스 스코어 산출 방법 및 시스템 |
| KR102508226B1 (ko) * | 2022-08-12 | 2023-03-09 | 주식회사 메디픽셀 | 심혈관 조영 영상을 이용한 신택스 스코어 산출 방법 및 시스템 |
| CN117635950A (zh) * | 2024-01-04 | 2024-03-01 | 广东欧谱曼迪科技股份有限公司 | 血管分割矫正处理的方法、装置、电子设备及存储介质 |
| CN117635950B (zh) * | 2024-01-04 | 2024-04-09 | 广东欧谱曼迪科技股份有限公司 | 血管分割矫正处理的方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102050649B1 (ko) | 2019-12-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102050649B1 (ko) | 2차원 x-선 조영영상의 혈관 구조 추출 방법, 이를 수행하기 위한 기록매체 및 장치 | |
| JP6894896B2 (ja) | Ｘ線画像特徴検出および位置合わせのシステムおよび方法 | |
| JP6636331B2 (ja) | 血流予備量比の算出 | |
| US9471989B2 (en) | Vascular anatomy modeling derived from 3-dimensional medical image processing | |
| WO2018001099A1 (zh) | 一种血管提取方法与*** | |
| US8532356B2 (en) | Method for automatic separation of segmented tubular and circular objects | |
| US8150113B2 (en) | Method for lung lesion location identification | |
| KR102372046B1 (ko) | 인공지능 기술을 이용한 혈관 구조 추출 방법, 이를 수행하기 위한 기록 매체 및 장치 | |
| CN108324300B (zh) | 用于血管分段的方法和装置 | |
| CN111932554B (zh) | 一种肺部血管分割方法、设备及存储介质 | |
| WO2008097520A2 (en) | System and method for computer aided detection of pulmonary embolism in tobogganing in ct angiography | |
| JP2014534822A5 (ja) | 冠動脈カルシウムのスコアリング方法、システム及びコンピュータプログラム製品 | |
| Vukadinovic et al. | Segmentation of the outer vessel wall of the common carotid artery in CTA | |
| Qi et al. | Examinee-examiner network: Weakly supervised accurate coronary lumen segmentation using centerline constraint | |
| Blondel et al. | Automatic trinocular 3D reconstruction of coronary artery centerlines from rotational X-ray angiography | |
| KR102350998B1 (ko) | 혈관 특징 정보 기반 다중 모달리티 비강체 정합 방법, 이를 수행하기 위한 기록 매체 및 장치 | |
| JP2023548041A (ja) | 医用画像において少なくとも１つの管状構造のセグメンテーション及び識別を行うための方法及びシステム | |
| Seada et al. | Automatically seeded region growing approach for automatic segmentation of ascending aorta | |
| KR102229367B1 (ko) | 뇌혈관 비교 판독 영상 디스플레이 장치 및 방법 | |
| M'hiri et al. | Hierarchical segmentation and tracking of coronary arteries in 2D X-ray Angiography sequences | |
| CN113177945A (zh) | 用于将分割图链接到体数据的***和方法 | |
| WO2020054019A1 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
| Cai et al. | [Retracted] Detection of 3D Arterial Centerline Extraction in Spiral CT Coronary Angiography | |
| Kaftan et al. | Pulmonary vessel segmentation for multislice CT data: methods and applications | |
| Thai et al. | Automatic segmentation and implicit surface representation of dynamic cardiac data |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |