WO2014192990A1 - 혈관영상에서의 움직임 추정 방법 및 그 장치 - Google Patents

혈관영상에서의 움직임 추정 방법 및 그 장치 Download PDF

Info

Publication number
WO2014192990A1
WO2014192990A1 PCT/KR2013/004622 KR2013004622W WO2014192990A1 WO 2014192990 A1 WO2014192990 A1 WO 2014192990A1 KR 2013004622 W KR2013004622 W KR 2013004622W WO 2014192990 A1 WO2014192990 A1 WO 2014192990A1
Authority
WO
WIPO (PCT)
Prior art keywords
blood vessel
image
wall
points
point
Prior art date
Application number
PCT/KR2013/004622
Other languages
English (en)
French (fr)
Inventor
하종원
윤영로
심훈
김효민
Original Assignee
연세대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 연세대학교 산학협력단 filed Critical 연세대학교 산학협력단
Priority to PCT/KR2013/004622 priority Critical patent/WO2014192990A1/ko
Publication of WO2014192990A1 publication Critical patent/WO2014192990A1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7285—Specific aspects of physiological measurement analysis for synchronising or triggering a physiological measurement or image acquisition with a physiological event or waveform, e.g. an ECG signal
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—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
    • A61B6/50—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
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • 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
    • A61B6/54—Control of apparatus or devices for radiation diagnosis
    • A61B6/541—Control of apparatus or devices for radiation diagnosis involving acquisition triggered by a physiological signal
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0891—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of blood vessels
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/54—Control of the diagnostic device
    • A61B8/543—Control of the diagnostic device involving acquisition triggered by a physiological signal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10076—4D tomography; Time-sequential 3D tomography
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10132—Ultrasound image
    • 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
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering
    • 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
    • G06T2207/20048—Transform domain processing
    • G06T2207/20061—Hough 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
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular

Definitions

  • the present invention relates to a method and apparatus for estimating motion in a blood vessel image, and more particularly, to estimating a specific blood vessel segment by enlarging a 2D blood vessel image photographed according to a cardiac activity cycle, finding a wall of a specific blood vessel, A method and apparatus for estimating motion in a blood vessel image, and a recording medium storing a computer program source thereof for tracking the movement of blood vessels in chronological order.
  • various physical variables such as vein wall expansion and contraction rate, strain (rate), and deformation time at each point over time are estimated.
  • the current vascular evaluation method does not provide specific vessel wall information of a specific vessel region, but provides only functional characteristics.
  • aortic stiffness and carotid stiffness are measured.
  • a pressure sensor is placed between the carotid artery and the femoral artery to measure only pulse wave velocity (PWV), thereby analyzing only functional characteristics of the entire aorta.
  • PWV pulse wave velocity
  • Carotid stiffness was measured by echo tracking using ultrasound images. Only the distal and proximal walls of the long axis of the carotid artery or the intima-media thickness were analyzed.
  • Vascular stiffness of the aorta or carotid artery has been recently reported to be related to the prevalence and mortality of cardiovascular disease.However, vascular stiffness is suggested because it provides only functional analytical methods such as PWV or augmentation index (AIx). There is a limit to the accuracy and precision of the.
  • the present invention estimates a specific blood vessel wall using images of specific blood vessels (eg, aorta) taken by ECG-gated MDCT and MR, and moves specific blood vessels in the blood vessel image.
  • specific blood vessels eg, aorta
  • the measurement method of the present invention can be applied to the same evaluation method for the image examined by the CT, MR, ultrasound method.
  • the problem to be solved by the present invention by estimating the two-dimensional blood vessel image taken according to the cardiac activity cycle to estimate the specific blood vessel segment, find the walls of the specific blood vessel, the blood vessel to track the movement of the blood vessels in time sequence
  • a method and apparatus for estimating motion in an image and a recording medium storing a computer program source for the method are provided.
  • Another problem to be solved by the present invention is to mark the initial prediction points of the vessel wall, interpolate between the marked initial prediction points, and to estimate the vessel wall boundary, the vessel wall boundary estimation is the Draw a line from the inside to the outside to represent the line profile, define the vessel wall boundary point using the pixel values of the line represented by the line profile, extract the boundary line of the vessel wall by interpolating between the vessel wall boundary points, and use the moving average
  • the vessel wall boundary estimation is the Draw a line from the inside to the outside to represent the line profile, define the vessel wall boundary point using the pixel values of the line represented by the line profile, extract the boundary line of the vessel wall by interpolating between the vessel wall boundary points, and use the moving average
  • Another problem to be solved by the present invention is a frame closest to the set of blood vessel wall estimation points at the midpoint (the center of blood vessels) as the contraction point of blood vessels, and a frame farthest from the midpoint (the center of blood vessel) the set of blood vessel wall estimation points It is to provide a method for estimating motion in a blood vessel image, a device, and a recording medium storing a computer program source thereof.
  • Another problem to be solved by the present invention is a line segment representing the vascular wall estimated points every frame up to the frame at the time of expansion of the blood vessel, based on the blood vessel wall when the blood vessel contracts, indicating the amount of movement of the blood vessel wall.
  • the amount of movement of the vessel wall is represented by a line segment following the vessel wall collection points, by calculating the rank of the movement amount of the vessel wall, divided into relatively upper 30%, median 30%, lower 40%
  • MDCT image in the blood vessel image motion estimation apparatus for estimating the movement of blood vessels by estimating the vessel wall from the cross-sectional blood vessel image detected triggered by the ECG signal
  • a data collector configured to receive a blood vessel image triggered by an ECG signal detected by the ECG detector from any one of the detector, the MRI image detector, or the ultrasound image detector;
  • a contrast enhancement unit for enlarging the contrast (contrast) by enlarging the blood vessel image received from the data collector;
  • a blood vessel estimating unit estimating blood vessel segments using a Hough transform from the blood vessel image output from the contrast enhancement unit;
  • An image scaling unit for median filtering the blood vessel image output from the blood vessel estimating unit; Marking the initial predicted point of the vessel wall from the blood vessel image received by the image scaling unit, performing elliptic fitting on the marked initial predicted point, and interpolating the marked initial predicted point, and performing line profiling to estimate the vessel wall.
  • Blood vessel wall estimation unit Characterized in that comprises a.
  • the apparatus for estimating motion of a blood vessel image may include: a motion tracking unit for detecting a movement of a blood vessel wall according to a frame change in a time sequence from blood vessel images output from the blood vessel wall estimator; From the result of the motion tracking unit, a graph is obtained by accumulating the change size of the boundary points of the blood vessel walls with respect to the frames, and then calculates the average amount of movement of the boundary points of the blood vessel walls, and calculates the average amount of movement at the boundary points of the blood vessel walls on the preset reference frame.
  • the speed mapping unit for mapping the velocity (velocity) further includes.
  • the velocity mapping unit arranges the average movement amounts by ranks from the boundary points of the vascular walls that have moved a lot to the boundary points of the vascular walls that move a little, and divides the vascular wall movements into upper 30%, middle 30%, and lower 40%.
  • the color of the line segment representing the average amount of movement according to, middle, and lower is displayed in different colors.
  • the vessel wall estimator may include: an initial prediction point marking unit for reading initial prediction points marked according to a predetermined number of initial prediction points from a blood vessel image received by the image scaling unit; An interpolation unit of an initial prediction point that inserts points for interpolation between the initial prediction points at equal intervals by performing elliptic fitting on the initial prediction points marked on the blood vessel image output from the initial prediction point marking unit; From the vascular image output from the interpolation part of the initial prediction point, at the vascular wall extraction point that is also composed of the initial prediction points and the interpolated points, a line profile is drawn from the inside of the vessel wall to the outside to represent the line profile and is represented by the line profile.
  • a blood vessel wall boundary estimator for estimating a blood vessel wall boundary by using a pixel value to define a blood vessel wall boundary point;
  • the blood vessel image includes a sequential tracking unit that sequentially performs motion tracking for detecting movement of a specific vessel (aortic) wall according to a frame change.
  • the blood vessel image is any one of aortic image, carotid artery image and coronary artery image.
  • the blood vessel wall boundary estimator obtains the slope of the brightness information graph using pixel values of the linear pixels of the line profile, and calculates the blood vessel wall boundary point based on a threshold value in which the change of the slope value is preset.
  • the present invention in the blood vessel image motion estimation method for estimating the blood vessel wall from the blood vessel image triggered by the electrocardiogram signal, from any one of the MDCT image detection unit, MRI image detection unit or ultrasonic image detection unit, A data collection step of receiving a blood vessel image triggered by an ECG signal detected by the ECG detector; Contrast enhancement step of enlarging the blood vessel image received in the data collection step to increase the contrast (contrast); A blood vessel segment estimating step of estimating a blood vessel segment using a Hough transform from a blood vessel image output in the contrast enhancement step; An image scaling step of median filtering the blood vessel image output in the blood vessel segment estimating step; A vessel wall estimating step of estimating a vessel wall by obtaining a vessel wall boundary point using line profiling from the vessel image received in the image scaling step; A motion tracking step of detecting the movement of the aortic wall according to the frame change in time order from the blood vessel images output in the vessel wall estimation step; From the result of the motion tracking step, the
  • a graph of cumulative magnitudes of the boundary points of the vessel walls is drawn for the frames, and then the average movement amount of the boundary points of the vessel walls is calculated, and the average movement amount is placed on the boundary points of the vessel walls in the preset reference frame.
  • the line segment representing the average amount of movement is located in the upper 30%, the median 30%, and the lower 40% when the line segment is sorted by rank from the boundary point of the vascular wall that moves a lot to the mean movement amount of the vascular wall. Therefore, the color of the line segment is displayed in different colors.
  • the vessel wall estimating step may include an initial point marking step of marking initial prediction points according to a predetermined initial number of points from the blood vessel image received in the image scaling step; Performing an elliptic fitting of the initial predicted points marked on the blood vessel image output in the initial point marking step, and interpolating the initial points at equal intervals between the initial predicted points; From the vascular image output in the interpolation step of the initial point, at the vascular wall extraction point, which is also composed of the initial predicted points and the interpolated points, a line profile is drawn by drawing a line from the inside to the outside of the vascular wall to represent the line profile.
  • the medical image of the DICOM format is converted into an image of gray scale.
  • the vessel wall estimating step includes: an initial point marking step of reading a blood vessel image having initial points marked at equal intervals on the blood vessel image output from the extraction of the ROI; An interpolation step of performing an elliptic fitting of the initial points from the blood vessel image output in the initial point marking step and inserting interpolation points for interpolation between the initial points at equal intervals; A line profiling step of drawing extension lines passing through blood vessel estimated points and center points formed by the initial point and the interpolation point from the blood vessel image output in the interpolation step of the initial point; A vessel wall boundary estimating step of estimating a vessel wall boundary by comparing a change in pixel value with a preset threshold value from a blood vessel image output in the line profiling step; an image output in the vessel wall boundary estimating step is a moving average It includes; a smoothing step of performing a smoothing (smoothing) by.
  • the vascularity estimation urbanization step sets the frame closest to the set of vessel wall estimates at the midpoint to the maximum contraction time of the vessel, and sets the frame farthest to the maximum expansion point of the vessel at the midpoint.
  • a recording medium storing a computer program source for the motion estimation method of the blood vessel image of the present invention.
  • a two-dimensional blood vessel image taken according to the cardiac activity cycle is enlarged to estimate a specific vessel segment, find a wall of a specific vessel, and track the movement of a vessel in a chronological order, thereby increasing accuracy and precision.
  • a method and apparatus for estimating motion in a blood vessel image and a recording medium storing a computer program source for the method are provided. That is, the present invention includes a blood vessel image including an image detection step triggered by an ECG signal and detecting an MDCT image or an MRI image, an aortic estimation step for estimating aortic segment, an aortic wall estimation step, a motion tracking step, and a velocity mapping step.
  • the present invention is to mark the initial predictive points of the vessel wall, and to interpolate between the marked initial predictive points and to estimate the vessel wall boundary, the vessel wall boundary estimate is at the inside of the vessel wall at each vessel wall estimate point
  • Draw outward lines (lines) to represent the line profile define the vessel wall boundary points using the pixel values of the line represented by the line profile, extract the boundary line of the vessel wall by interpolating between the vessel wall boundary points, and smooth the result by the moving average.
  • the point where the extension lines of the boundary points of the blood vessel wall are collected is determined as the center point of the blood vessel.
  • the estimated set of vessel wall points is used as a reference point for the next frame vessel wall estimation, and the vessel wall estimation algorithm is similarly applied to the end frame of the image frame to estimate the vessel wall. By doing so, it is possible to estimate the motion of the blood vessel image more accurately, without requiring much time for processing.
  • the present invention is a line segment showing the vascular wall estimated points every frame up to the frame of the vascular expansion time, based on the vascular wall when the blood vessel is contracted, indicating the amount of movement of the vascular wall, rank of the amount of movement of the vascular wall
  • the present invention is a line segment showing the vascular wall estimated points every frame up to the frame of the vascular expansion time, based on the vascular wall when the blood vessel is contracted, indicating the amount of movement of the vascular wall, rank of the amount of movement of the vascular wall
  • the present invention can measure the radius, diameter, radial strain and radial strain, circumferential strain and circumferential strain rate of blood vessels for each frame. It is possible to visually express the change of the area and the quantitative change of the vascular physical momentum of the local part, to measure the position and movement of the center of blood vessel, to show the quantitative change of vascular contraction and expansion, and to analyze the cross-section of each location.
  • the image is reconstructed on the z-axis, three-dimensional movement of the vessel and local movement of the vessel wall can be observed, and applicable to the observation of movement of the vessel wall obtained in most medical imaging devices.
  • the measurement method of the present invention can be applied to the same evaluation method for MDCT, MR, ultrasound vascular images, it is possible to evaluate the motion of the aorta in the cardiovascular image, global and local evaluation of the vascular wall movement, It is possible to distinguish between normal and abnormal blood vessels by evaluating the blood vessel cross-sectional image, to evaluate heart disease related to the aorta, and to identify the disease early by dynamic analysis of the vascular wall movement. Evaluation of other vessel cross-sectional images is also possible.
  • the present invention is capable of comprehensive evaluation of the blood vessels by estimating the physical parameters for the movement of the blood vessel wall.
  • Presumable parameters include diameter, radius, vessel wall expansion rate, contraction rate, expansion and contraction time, and strain rate.
  • the present invention implements the method around the MDCT image and ECG synchronized MR image synchronized with the electrocardiogram, but can also be applied to MRA (contrast MR), which is the contrast of the photographing site regardless of what device is obtained
  • MRA contrast MR
  • PET-CT and PET-MRI equipments are also coming out, and these devices can be applied if continuous images can be acquired.
  • the vascular wall motion can be expressed by expressing the motion direction and the magnitude of the vascular wall estimation point in a vector, and the motion and the directionality of the magnitude can be expressed by the vector or the constant velocity, the user. It can be grouped by the size that comes in the designated range. For the visual discernment of this grouping we can express it by color.
  • the groupable stage may be combined in various ways according to the number of blood vessel wall estimation points and a user's designated range.
  • FIG. 1 is a schematic diagram for explaining the configuration for motion estimation in the blood vessel image according to an embodiment of the present invention.
  • FIG. 2 is an explanatory diagram schematically illustrating the blood vessel wall estimator 300 of FIG. 1.
  • 3A and 3B are examples of extraction of blood vessel regions in the present invention.
  • 4A and 4B are examples of blood vessel walls estimated after linear interpolation in the present invention.
  • 5A and 5B are examples of the estimation and line profile of the vessel wall in the present invention.
  • FIG. 6 shows examples of the initial estimation result (left) of the vascular wall and the final estimation result (right) of the vascular wall in the present invention.
  • Figure 7 is an example of the boundary value survey for vascular wall estimation in the present invention.
  • 9A, 9B and 9C are examples of expressions of changes in blood vessel wall movement at the time of contraction (left) and relaxation (right) of blood vessels in the present invention.
  • FIG. 10 is a graph illustrating the accumulation of blood vessel wall motion, an average amount of movement at each point, and a graph of comparison between the total mean and the average amount of movement of each point.
  • 11 is an example of the expression of the amount of change in the movement of the vessel wall showing the contraction time and relaxation time in the present invention.
  • FIG. 12 is a graph showing the classification according to the upper, middle, and lower amounts of blood vessel wall movement in the present invention.
  • Figure 13a is an example of the expression of the aortic vessel wall motion amount (total 20 frames) in the MDCT image in the present invention.
  • FIG. 13B schematically illustrates FIG. 13A.
  • 15 is an example of an MRI.
  • 16 is a flow chart of the carotid sono wall tracking algorithm of the present invention.
  • 17 is an example of selecting six target points in the present invention.
  • the present invention semi-automatically finds the walls of blood vessels (eg, the aorta) in two-dimensional MDCT and MR images of blood vessels (eg, the aorta) according to the cardiac activity cycle, and moves the blood vessels (eg, the aorta) according to time sequence.
  • a recording medium storing a computer program source for the method.
  • the configuration for motion estimation in a vascular image includes a data acquisition unit 100, an enhancement of contrast 150, and a blood vessel weight.
  • Vessel segmentation 200
  • image scaling 250
  • vascular wall estimation 300
  • motion tracking 355
  • velocity mapping Velocity vector mapping
  • the data collection unit 100 is triggered by an electrocardiogram signal (cardiac cycle signal) to detect an MDCT image or an MRI or ultrasound image.
  • an electrocardiogram signal cardiac cycle signal
  • the contrast increasing unit 150 enlarges the detected image to increase the contrast (contrast).
  • the blood vessel estimator 200 extracts a region of interest and estimates a specific vessel (aortic) region, that is, a specific vessel segment (aortic segment).
  • the image scaling unit 250 adjusts an image including median filtering.
  • the vessel wall estimator 300 is a means for estimating a specific vessel (aortic) wall from the image received by the image scaling unit 250. As shown in FIG. 2, an initial point marking unit 310, An interpolation of initial points 330 and an estimation of wall boundary 350 are driven.
  • the vessel wall estimator 300 marks the initial predicted points of the vessel wall, interpolates between the marked initial predicted points, and at the obtained vessel wall predicted points which are the interpolated initial predicted points, the inside of the vessel wall at each vessel wall estimate point.
  • Draw a line from the outward to show the line profile define the vessel wall boundary point, that is, the vessel wall point using the pixel values of the line, extract the boundary line of the vessel wall by interpolating between the vessel wall points, smooth it, and extend the vessel wall points. This gathering point is found as the center of the vessel in the frame.
  • the motion tracking unit 355 detects the movement of the blood vessel (aortic) wall according to the frame change.
  • the velocity mapping unit 400 maps the velocity from the result of the motion tracking unit 355.
  • the velocity mapping unit 400 uses the results of the motion tracking unit 355 to express the amount of movement of the vessel wall and the amount of movement of the vessel wall by the length of the line connecting the vessel wall point and the vessel wall point of each frame. Accordingly, the line segments are divided into upper 30%, middle 30%, and lower 40%, and accordingly, the line segments are displayed in a predetermined frame (a cross-sectional image representing a blood vessel).
  • the present invention targets MR, MDCT, and ultrasound among devices capable of acquiring and analyzing an image, and also, in the case of blood vessels having a circular or elliptic cross section, not blood vessels of a specific position, the analysis is possible.
  • MR magnetic resonance
  • MDCT magnetic resonance
  • ultrasound ultrasound
  • FIG. 1 is a schematic diagram for schematically explaining a configuration for motion estimation in a blood vessel image according to an embodiment of the present invention.
  • the data collector 100 is triggered by an electrocardiogram signal and detects an MDCT image or an MRI or ultrasound image.
  • the present invention may use ECG-gated MDCT images or Cine-MRA to observe the movement of blood vessels (eg, aorta) along the cardiac cycle. That is, the present invention uses an image of a blood vessel synchronized with a cardiac cycle or a blood vessel image photographed according to a time sequence as an object of analysis.
  • the medical image of the DICOM format is converted to the image of the JPEG format, and the image is converted into the image of the gray scale.
  • the contrast increasing unit 150 enlarges the image received from the data collecting unit 100 to increase the contrast (contrast). That is, the contrast increase unit 150 makes the boundary line of the blood vessel clear.
  • the image is enlarged to increase the contrast (contrast), resulting in higher resolution. That is, during analysis, in order to reduce errors due to low resolution, the analytical image contrast image is used with a bicubic interpolation.
  • the blood vessel estimator 200 extracts a region of interest and estimates a specific vessel (eg, aortic) region, that is, a specific vessel segment (eg, aortic segment).
  • the present invention manually finds or uses a Hough transform to extract a particular vessel (aorta) from the image.
  • Hough transform is to find a straight line on the image, which can be used to find the center point.
  • Huff transforms are used to extract specific blood vessel (aortic) sites from images with other living tissue.
  • Blood vessels subject to the main analysis in the present invention are arteries.
  • the blood vessel estimator 200 displays a region of interest set by the user as a specific vessel region on the screen.
  • the blood vessel region may be estimated and displayed through the Hough transform in the ROI set by the user.
  • the blood vessel estimator 200 estimates the blood vessel region by applying a Hough transform based on the prediction center, and estimates the blood vessel region. can do.
  • the image scaling unit 250 adjusts an image including median filtering.
  • the size of the ROI extracted by the image scaling unit 250 may be enlarged, and noise may be removed.
  • the vessel wall estimator 300 is a means for estimating a specific vessel (eg, aortic) wall from the image received by the image scaling unit 250.
  • the vessel wall estimator 300 marks an initial predicted point of the vessel wall and intersects the marked initial predicted points. After curve fitting, equal intervals are interpolated and blood vessel wall boundaries are estimated.
  • the initial prediction point marking manually sets the initial prediction points at equal intervals around the circle estimated as the vessel wall in the vessel cross-sectional image received from the image scaling unit 250, and the extension lines of the initial prediction points ,
  • the point that meets the inside of the circle is set to the center of the vessel. That is, the user may generate six points at equal intervals of 45 degrees clockwise from the 12 o'clock point of the cross-sectional image. That is, 48 points can be finally generated using the interpolation method.
  • the number of points for estimating the vessel wall is related to the accuracy of the vessel wall contour estimation, and the finally generated points may have a maximum of 1024 from at least six points, and the vessel wall contour estimation may be performed using this.
  • Interpolation of the initial prediction points increases the number of points by curve fitting (elliptical fitting) of each initial prediction point, and then divides and interpolates at equal intervals. That is, the interpolation of the initial prediction point increases the number of points by interpolating a predetermined number of equally spaced points between each initial prediction point in a linear manner.
  • the points interpolated with each of the initial prediction points are called blood vessel wall estimation points.
  • elliptic fitting is a well-known technique in which a Bias component is removed from input image data, a candidate point (initial prediction point) is applied to a Conic equation to derive a first order optimal coefficient value, and an equally spaced elliptic fitting model. It corrects, derives the ellipse origin and the major axis shortening, divides at a specific angle for the feature point coefficient, and will be described later in more detail.
  • Vascular wall boundary estimation represents a line profile by drawing a line (line) from the inside of the vessel wall to the outside of the vessel wall at all vessel wall estimates, indicating the line profile, and the pixel value of the line represented by the line profile (pixel Brightness information) to define the vessel wall boundary point, interpolate between the vessel wall boundary points, extract the boundary line of the vessel wall, smooth by the moving average, and collect the points where the extension lines of the boundary points (vessel wall points) of the vessel wall are collected. Find the center point of.
  • the set of blood vessel wall points (vascular wall boundary points) thus obtained is used as a reference point for the next frame blood vessel wall estimation.
  • the blood vessel wall estimation algorithm is applied to the end frame of the image frame in the same manner.
  • the motion tracking unit 355 detects movement of a specific blood vessel (aortic) wall.
  • the motion tracking unit 355 detects movement of a specific blood vessel (aortic) wall according to the frame change. In other words, the change in the movement of the blood vessel wall in time sequence is detected.
  • the velocity mapping unit 400 maps the velocity from the result of the motion tracking unit 355.
  • the speed mapping unit 400 is configured to set a reference point, set a reference frame, map a speed vector, and map a speed vector color.
  • the velocity mapping unit 400 uses a result of the motion tracking unit 355 to express the amount of movement of the blood vessel wall by the length of the line segment between the blood vessel wall point and the blood vessel wall point of each frame. ), The line segments.
  • the line segments After plotting a graph in which the degree of change of the points of the blood vessel wall is accumulated for all frames, the average movement amount of each point is calculated, and the moving amount is sorted by rank from the most moving point to the less moving point.
  • the amount of vessel wall movement is divided into the upper 30%, the median 30%, and the lower 40%, and the color of the line segment is shown in red when the amount of vessel wall movement is in the upper 30%, in green, and in the lower 30% in green. % Is indicated in blue.
  • the amount of vascular wall movement divided into the upper 30%, the median 30%, and the lower 40% is expressed in different colors, and thus is not intended to limit the present invention.
  • the color is classified into a plurality of stages. Note that it can be represented otherwise. That is, the present invention can arrange colors and group them according to the degree of vascular wall movement.
  • the estimated set of vessel wall points is used as a reference point for the next frame vessel wall estimation.
  • the blood vessel wall estimation algorithm is applied to the end frame of the image frame in the same manner.
  • FIG. 2 is an explanatory diagram schematically illustrating the blood vessel wall estimator 300 of FIG. 1.
  • the initial point marking unit 310 marks initial points according to a predetermined number of initial points, and in FIG. 2, eight initial points are marked. That is, the initial point marking unit 310 is an initial estimation of the blood vessel wall. In order to detect the blood vessel wall, an initial point marking unit 310 is provided at equal intervals around the circle estimated as the blood vessel wall in the blood vessel cross-sectional image received from the image scaling unit 250.
  • the initial prediction points) are set manually, and the point where the extension of the initial prediction points meets the inside of the circle as the center point of the vessel. For example, eight initial prediction points can be manually set around the circle starting at 12 o'clock at 45-degree intervals, and the extension of the eight initial prediction points inside the circle can be set as the center point of the vessel. .
  • the present invention is not limited to the marking of the eight initial points, and the eight initial points are introduced here for convenience of description.
  • the interpolation unit 330 of the initial point inserts interpolation to the initial points in the output image of the initial point marking unit 310. That is, the interpolation unit 330 of the initial point increases the number of points by interpolating a predetermined number of equally spaced points between the respective initial prediction points by a curve bonding method. Alternatively, the interpolator 330 of the initial point increases the number of points by interpolating a predetermined number of equally spaced points in a linear manner between each of the initial prediction points.
  • the points interpolated with each of the initial prediction points are called blood vessel wall estimation points. For example, six equally spaced points are modeled by curve fitting between each initial prediction point, and the number of points is increased at equal intervals, and the estimated vascular wall points, which are assumed to be vascular walls after interpolation, are all 48 points. .
  • the blood vessel wall boundary estimator 350 estimates the boundary of the blood vessel (aortic) wall.
  • the estimation of the wall of the aorta is calculated by calculating the gradient of the image using brightness information (for example, pixel values). It can be extracted with the threshold value instead of the image gradient.
  • the blood vessel wall boundary estimator 350 draws a line (line) from the inside of the blood vessel wall to the outside of the blood vessel wall estimating point and shows a line profile for all the blood vessel wall estimating points.
  • the length of this line can be adjusted according to the condition of the vessel wall. For example, for each of the 48 interpolated points (vascular wall estimates), draw a line (line) from inside to outside of the vessel wall.
  • the line profile may be referred to as a profile of blood vessel wall movement intensity. That is, the blood vessel wall boundary estimator 350 obtains an inner point of the blood vessel wall estimation point, which is a point located at a predetermined distance between the blood vessel wall estimation point and the center point.
  • the line between the vessel wall estimate point and the center point obtains an outer point of the vessel wall estimate point, which is a point at a predetermined distance from the vessel wall estimate point on an extension line passing through the vessel wall estimate point, and obtains an inner point of the vessel wall estimate point and an outside of the vessel wall estimate point.
  • the blood vessel wall boundary estimator 350 extracts the boundary line by using the pixel value (brightness information of the pixel) of the line represented by the line profile.
  • the slope of the brightness information graph is calculated using the brightness information (pixel value) of the pixel on the line, and the change of the slope value is obtained based on the preset threshold value.
  • a line on the line at which the change in the slope value exhibits the same value as the preset threshold value may be the vessel wall boundary point.
  • the boundary of the blood vessel wall is estimated using the brightness information (pixel value) of the pixel in the blood vessel image and a threshold value (threshold value) set by the user. That is, the blood vessel wall is estimated based on a preset threshold value of the change in the brightness information (pixel value) of the pixel in the blood vessel image.
  • the blood vessel wall boundary estimator 350 interpolates and inserts the points at equal intervals between the obtained blood vessel wall boundary points.
  • the blood vessel wall boundary estimator 350 performs a smoothing process by a moving average. This can be done along the circle to obtain a moving average of the vessel wall boundary points, and the value obtained by the moving average can be the vessel wall boundary point.
  • the vascular wall points are estimated to be smoothed to enhance continuity in the visual expression of the vascular wall.
  • the motion tracking unit 355 sequentially performs motion tracking for detecting the movement of a specific blood vessel (aortic) wall according to the frame change. In other words, the change in the movement of the blood vessel wall in time sequence is detected.
  • Figures 3a and 3b is an example of the extraction of the blood vessel region in the present invention
  • Figures 4a and 4b is an example of the vascular wall estimated after linear interpolation in the present invention
  • Figures 5a and 5b are the estimation and line of the vessel wall in the present invention 6 is an example of a profile
  • FIG. 6 shows examples of an initial estimation result (left) of a blood vessel wall and a final estimation result (right) of a blood vessel wall in the present invention.
  • Medical image in DICOM format (converted to JPEG format image and read image) is converted to gray scale image.
  • the contrast increasing unit 150 enlarges the image.
  • the vessel estimator 200 extracts a vessel region (region of interest) to be analyzed in the image, either manually or by using a Hough transform. That is, a specific blood vessel segment (aortic segment) is estimated. Blood vessels to be analyzed here are arteries, and carotid arteries and up / down aorta arteries are possible depending on the imaging region. After estimating the specific blood vessel segment, the image scaling unit 250 performs median filtering to adjust the image.
  • FIGS. 3A and 3B Examples of images for aortic segments are shown in FIGS. 3A and 3B.
  • 4A and 4B illustrate an example of displaying a blood vessel region to be analyzed in the images of FIGS. 3A and 3B and estimating a blood vessel wall after linear interpolation.
  • the blood vessel wall estimating process may be performed by the blood vessel wall estimator 300, an initial estimation process of a blood vessel wall marking an initial prediction point of a blood vessel wall, an interpolation process of an initial prediction point interpolating between marked initial prediction points, and a blood vessel wall.
  • the vascular motility analysis is performed through the estimation of blood vessel wall boundary.
  • the initial estimation of the vessel wall (initial prediction point marking) process is performed to manually detect eight initial predictive points starting at 12 o'clock, starting at 12 o'clock, around the circle estimated as the vessel wall in the vessel cross section. Set to. The point where the extension lines of the eight initial prediction points meet in the circle is set as the center point of the blood vessel.
  • the number of initial prediction points is increased by interpolating six equally spaced points between the initial prediction points in a linear manner.
  • initial predictive points ie, vascular wall estimate points
  • a line (line) from the inside of the vascular wall toward the outside of each of the 48 initial prediction points (the vascular wall estimation points) interpolated is drawn.
  • Draw. The length of this line can be adjusted according to the condition of the vessel wall.
  • the left image of FIGS. 5A and 5B obtains a point located at a predetermined distance from the vessel wall estimate point (that is, the inner point of the vessel wall estimate point) between the vessel wall estimate point (48 points) and the center point, and between the vessel wall estimate point and the center point.
  • 5A and 5B illustrate a line connecting the medial point of the vascular wall estimate point and the lateral point of the vascular wall estimate point, showing the side of the aortic intensity.
  • the estimation of the blood vessel wall is performed by interpolating and smoothing the boundary line by using the pixel value.
  • the boundary of the blood vessel wall is estimated by using the brightness information (pixel value) of the pixel and a threshold value (threshold value) set by the user. That is, the blood vessel wall is estimated based on a preset threshold value of the change in the brightness information (pixel value) of the pixel in the blood vessel image.
  • the estimated smoothing of the vessel wall points is performed.
  • the point where the extension lines of the estimated vessel wall points that is, the boundary points of the vessel wall
  • the smoothing process can be done by a moving average.
  • FIGS. 6A and 6B For example, in the left image of FIGS. 6A and 6B, the change of the slope value of the brightness information and the brightness value of the pixel in the blood vessel image on the line of the right image of FIGS. 5A and 5B is based on a predetermined threshold value.
  • 6A and 6B are the result of smoothing the left image of FIGS. 6A and 6B by the moving average.
  • FIG. 7 illustrates an example of boundary value investigation for vascular wall estimation in the present invention and shows pixel values of respective lines, and a threshold value can be set from the pixel values.
  • the following is a process of estimating the vessel wall in the continuous image frame. Finally, the estimated set of vessel wall points is used as a reference point for the next frame vessel wall estimation.
  • the blood vessel wall estimation algorithm is applied to the end frame of the image frame in the same manner.
  • urbanization for motility estimation is performed after estimating all vessel walls of an image to be analyzed.
  • the frame closest to the set of blood vessel wall estimate points at the midpoint (vessel center) is taken as the (maximum) contraction point of the vessel.
  • the set of vascular wall estimate points at the midpoint (vessel center) makes the frame farthest from the vessel's (maximum) expansion point.
  • 8 is an example of a graph of the change amount of blood vessel wall motion in each frame in the present invention. 8 shows the amount of movement of the vascular wall based on the vascular wall when the blood vessel is contracted, and continues from point to point every frame up to the frame at the time of expansion of the blood vessel.
  • the amount of movement of the blood vessel wall can be expressed as the length of the line segment connecting the dots (see FIGS. 9A and 9C), and may be colored by rank according to the length of the segment (FIG. 9B). Reference).
  • FIG. 9B Replaces what is shown in red, Is replaced by green and ⁇ is replaced by blue.
  • the processing method is as follows.
  • the average amount of movement of each point is calculated. This movement amount is sorted by ranks from the most moving points to the less moving points (see FIG. 10).
  • the point with the upper 30% of the movement amount is shown in red, the middle 30% in green, and the lower 40% of the remaining portion shows the movement of the blood vessel wall in blue (see FIGS. 9B, 10, and 11).
  • Figures 9a to 9c is an example of the expression of the change in the vascular wall movement at the time of contraction (left) and relaxation (right) of the blood vessel in the present invention
  • Figure 9b is the amount of movement of the line segment between the vascular wall extraction point and the vascular wall extraction point Expressed in length, it is shown in red, green, and blue depending on the amount of movement.
  • FIG. 10 shows an example of a graph of vascular wall motion accumulation, a graph of average movement amount at each point, and a comparison graph of the total average and the average moving amount of each point in the present invention.
  • FIG. 11 is an example of the expression of the change in the movement of the vessel wall showing the contraction time and the relaxation time in FIG. 10.
  • the inner circle shows the aortic wall during contraction
  • the outer circle shows the aortic wall is expanded
  • the center of the inner circle is the cross.
  • the center of the outer circle is represented by a circle.
  • the top 30% of the movements are red (in Figure 11, red is a black ellipse, Median 30% green (in Figure 11, green is an ellipse with a dot in it,
  • blue in Fig. 11, the blue circle is empty, ie, ⁇ ) represents the movement of the vessel wall.
  • the video is made into a video to observe the movement of the vessel wall.
  • FIG. 12 is a graph for classifying the upper, middle, and lower portions of the movement of blood vessel walls in the present invention.
  • the amount of vascular wall motion (movement velocity of vascular wall motion) according to the cardiac cycle is classified into upper, middle, and lower groups, and the group is displayed by the vector velocity of upper, middle, and lower groups.
  • the uppermost broken line in the graph of FIG. 12 is the upper group, the middle broken line is the middle group, and the lowest broken line is the lower group.
  • FIG. 13A is an example of the expression of the amount of aortic vessel wall movement in the MDCT image (20 frames in total), and FIG. 13B is a schematic diagram of FIG. 13A, which is not shown in FIGS. 13A and 13B. It is shown in different colors according to the groups of, middle, and sub.
  • the movement of blood vessels is important for the movement of blood vessel walls and the movement of blood vessels, and the center of blood vessels is important for these analysis.
  • an indication of the movement and direction of blood vessels is expressed in the quadrant over the entire cycle of the reference point, and the reference point of (0,0), which is the starting point of the vector, is a relative position.
  • This starting point examines the position of the reference point over the entire period and then uses the point that is the shortest from (0,0) as the starting point of motility.
  • the representation of this graph reveals the magnitude and direction of vessel wall movement.
  • Figure 14 shows the direction and magnitude of the movement according to the body position of the blood vessel.
  • the aorta has a shape close to a circle, and in order to visualize the movement of the vessel wall, a center point is required for the representation of the circle.
  • the intersection point of the line penetrating the circle (vascular wall) is a center point, and the center point is for visualizing the movement of the blood vessel wall and may be referred to as a reference point.
  • the distance change of the center point according to the order of the image may be graphed.
  • This movement of the reference point means that, first, the aorta has a change in position, and second, the change in the position of the aorta must be taken into account to visualize the movement of the vessel wall.
  • the least-square elliptic fitting method proposed by Ohad Gel et al. was used to interpolate N randomly designated vascular wall candidate points at equal intervals.
  • Equation 1 may be expressed as a determinant such as Equation 2.
  • the coefficient matrix A is adjusted so that F (A, X) is as close to 0 as possible when the coefficients a, b, c of the matrix A are not zero.
  • Elliptic fit can be modeled.
  • Equation 3 The constant f was set to 1, and the initial coefficients of a, b, c, d, and e were calculated through Equation 3.
  • Equation 4 the value of ⁇ may be obtained and corrected so that the coefficient value of the portion corresponding to b becomes zero.
  • Simplifying Equation 4 is equal to Equation 5, and if it does not have a slope, Equation 6 must be satisfied, and the angle to be corrected can be obtained through Equation 7.
  • the x-axis information and the y-axis information of the origin are calculated through Equations 9 and 10, and the radius of each axis is calculated through Equations 11 and 12.
  • Equation 13 and Equation 14 a candidate point group according to a specific angle is set according to an angle interval desired by a user based on the origin, and the final candidate divided into equal intervals by applying the original slope value as shown in Equation 15. Output the points (X, Y).
  • the present invention can be combined with the central arterial pressure measuring system, and combined with the aortic blood pressure and analysis parameters, such as the diameter, area, and strain of blood vessels provided by the vascular image information, to analyze the local extension and stiffness of the aorta.
  • the present invention may further include a SphygmoCor system that can be calculated within an error range through a central arterial pressure transfer function through the radial arterial waveform (see FIG. 16), and also has aortic MRI and central arterial pressure. Simultaneously measuring, can provide an image detection system that accurately and objectively reflects the aortic stiffness.
  • Sigmocoa system is a non-vascular center blood pressure calculation system that can interpret the central blood pressure (aortic start) waveform simply by applying the pressure sensor to the radial artery percutaneously. The degree of load applied, etc. can be measured.
  • the sigmocoa system may use a commercially available sigmocoa system.
  • the carotid artery stiffness is a method used to evaluate the stiffness of the carotid artery in a noninvasive manner. Track the movement.
  • the method used in the carotid artery wall tracking algorithm is used.
  • 16 is a flow chart of the carotid sono wall tracking algorithm of the present invention.
  • the contrast increase unit 150 enlarges the image 4 times to increase the contrast (contrast) (S100).
  • the image is smoothed through Gaussian blur, that is, (Gaussian filter, radius 3.0 pixels) in order to solve the non-uniformity of the ultrasound image (S110).
  • Gaussian blur that is, (Gaussian filter, radius 3.0 pixels) in order to solve the non-uniformity of the ultrasound image (S110). This step defocuses the part except the set image with Gaussian blur.
  • Initial six point (initial point) input step according to the preset number of initial points, manually set the initial points to detect the vessel wall, i.e. here the number of initial points is six, six to detect the vessel wall Set the initial point manually.
  • the center point of the circle formed by the six initial points is detected (S130).
  • the number of points is increased by linearly interpolating the points of equal intervals between each of the initial points by a predetermined number of interpolation points, where the number of interpolation points is 6, and each initial point is The number of points is increased by interpolating six equally spaced points between the points in a linear manner (S140).
  • the points to be estimated as the vascular wall that is, the estimated vascular wall
  • 30 additional points were interpolated.
  • a large value of gray value of the image is detected through differentiation in order to find the blood vessel boundary of the image profiled in the image value extraction step S150 on the center-target point vector.
  • S160 the first derivative of the profiled image, which is the result of the image value extraction step S150 on the center-target point vector, results in a large amount of change in the gray value of the image (a change amount larger than a predetermined threshold value). Detects with That is, among the extension lines of the blood vessel image profiled in the image value extraction step on the center-target point vector, the point with the largest change in the gray value is detected through the derivative to make the vessel wall estimate point.
  • the shape of the blood vessel wall is verified by averaging and dispersing 36 target points detected using the derivative result, which is the result of the blood vessel wall detection step S160 using the first derivative (S170). .
  • the boundary value of the image is detected again using the designated initial vessel wall boundary value, and the movement vector of the boundary value of the vessel wall between the previous frame and the next frame is displayed.
  • the carotid artery wall tracking algorithm of FIG. 16 is described in detail.
  • the ultrasound image used for tracking the vessel wall has a size of 312x343 and a gray scale of 8bit depth, and one cardiac cycle is divided into 12 to 16 frames, and each frame is an ultrasound device. It retains the features of the ultrasound image by the beamforming method. In particular, there are localized areas where the boundary between the vessel and the vessel wall is ambiguous, and the vessel vessel and the vessel barrier cannot be uniformly detected through the threshold. It tracks the movement of the vessel wall boundary point of the next frame based on the boundary point of the vessel wall detected in the first frame. Each image used for vascular wall tracking was enlarged because the amount of change in the vascular wall motion of the original image was too small.
  • the image is smoothed through a Gaussian filter (radius 3.0 pixels) to eliminate the unevenness of the ultrasound image.
  • the user specifies six points that are the boundaries of the vessel wall. This point calculates the center point of the vessel and inserts 30 additional interpolations using this center point and 6 specified points.
  • FIG. 17 is an example of selecting six target points in the present invention
  • FIG. 18 is an example of selecting 36 target points through interpolation in the present invention.
  • Detecting the vessel wall using only the differential results is not significant because the local boundary of the ultrasound image and the change of gray scale value of the image are not uniform.
  • the modified differential results are used to verify the shape of the vessel wall by averaging and dispersing the 36 detected target points. Singular points appearing in the unclear area are secured through median filters to obtain new target points that can provide continuity of vessel wall contours after removal.
  • the acquired target point is used as the initial vessel wall boundary value of the next frame.
  • the threshold value of the image is detected again using the designated initial vessel wall boundary value. It indicates the movement vector of the boundary value of the vessel wall between the previous frame and the next frame. 20 is an example of final vascular wall motion vector detection in the present invention.
  • the vessel wall motion may be expressed by a vector of the direction and magnitude of the movement of the vessel wall estimation point.
  • the movement and directionality of this magnitude can be expressed as a vector of the individual movements of the points, or grouped by a size within a predetermined speed and a user-specified range. For the visual discernment of this grouping we can express it by color.
  • the groupable stage may be combined in various ways according to the number of blood vessel wall estimation points and a user's designated range.
  • the measurement method of the present invention is applicable to the diagnosis and treatment using MDCT, MR, and ultrasound vascular images, through the evaluation of aortic motion in the cardiovascular image, global and local evaluation of vascular wall motion, and vascular cross-sectional image evaluation.
  • normal / abnormal blood vessels can be distinguished, and dynamic analysis of the vascular wall movements can be used to determine the presence of disease at an early stage.
  • Vascular cross-sectional images other than the aorta can be evaluated.

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Physiology (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Optics & Photonics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Vascular Medicine (AREA)
  • Artificial Intelligence (AREA)
  • Pulmonology (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • General Physics & Mathematics (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

본 발명은 심장 활동 주기에 따라 촬영된 2차원 혈관영상을 확대하여 특정 혈관 분절을 추정하고, 특정 혈관의 벽을 찾아내고, 시간 순서에 따른 혈관의 움직임을 추적하는, 혈관영상에서의 움직임 추정 방법, 장치, 및 그 방법에 대한 컴퓨터 프로그램 소스를 저장한 기록매체에 관한 것이다. 본 발명은 심전도 신호에 트리거되어 검출된 단면 혈관영상으로부터 혈관벽을 추정하여 혈관의 움직임을 추정하는, 혈관영상의 움직임 추정장치에 있어서, MDCT영상 검출부 또는 MRI영상 검출부 또는 초음파영상 검출부 중 어느 하나로부터, 심전도 검출부에 의해 검출된 심전도 신호에 의해 트리거된 혈관영상을 수신하는 데이터 수집부; 데이터 수집부에서 수신된 혈관영상을 확대하여 대조도(콘트라스트)를 증대시키는 대조도 증대부; 대조도 증대부에서 출력된 혈관영상으로부터 허프 변환(Hough transform)을 이용하여 혈관 분절을 추정하는 혈관 추정부; 혈관 추정부에서 출력된 혈관영상을 메디안 필터링을 행하는 영상 스케일링부;영상 스케일링부에서 수신된 혈관영상으로부터 혈관벽의 초기 예측지점을 마킹하고, 마킹된 초기 예측지점을 보간한 후, 선 프로파일링을 행하여 혈관벽을 추정하는 혈관벽 추정부;를 포함하여 이루어진 것을 특징으로 한다.

Description

혈관영상에서의 움직임 추정 방법 및 그 장치
본 발명은 혈관영상에서의 움직임 추정 방법 및 그 장치에 관한 것으로, 보다 상세히는, 심장 활동 주기에 따라 촬영된 2차원 혈관영상을 확대하여 특정 혈관 분절을 추정하고, 특정 혈관의 벽을 찾아내고, 시간 순서에 따른 혈관의 움직임을 추적하는, 혈관영상에서의 움직임 추정 방법, 장치, 및 그 방법에 대한 컴퓨터 프로그램 소스를 저장한 기록매체에 관한 것이다. 본 발명에서는 혈관벽을 48개의 지점으로 분할하고 각각의 움직임을 추적하여, 시간에 따른 각 지점에서의 혈관벽 확장 및 수축 속도, 변형(율), 변형시간 등의 다양한 물리적 변수를 추정 한다.
심혈관 질환 등을 진단하고 치료하는 데는, 혈관(예로, 동맥)의 기능(움직임 및 탄성도)을 측정하는 것이 필요하다. 현재 혈관 평가 방법은 특정 혈관 부위의 혈관벽 정보를 구체적으로 제공하지 못하고 기능적인 특성만을 제공하고 있다
예를들어, 비침습적으로 혈관 경직도를 평가하는데 있어서 대동맥경직도, 경동맥 경직도를 측정한다. 종래의 대동맥경직도는 경동맥과 대퇴부동맥 사이에 압력센서를 위치시켜, 맥파전달속도(pulse wave velocity, 이하 PWV)만을 측정하여, 대동맥전체의 기능적인 특성만을 분석한다. 경동맥 경직도 측정방법은 초음파 영상을 이용하여 에코 트래킹(echo tracking) 기법을 통해 측정하는 것으로, 경동맥 장축의 원위벽과 근위벽의 움직임 혹은 내막중막두께 분석만 가능했다.
최근들어, 지멘스 등에서 초음파영상에서 스페클 트래킹(speckle tracking) 기법을 통해 경동맥 벽의 움직임을 측정하여 그 탄성도를 정량화하여 경직도를 산출해내는 방법이 보고되었다.
대동맥 또는 경동맥의 혈관경직도가 심혈관 질환의 유병율 및 사망률과 관련있음이 최근 보고되고는 있으나, PWV나 파형증강지수(augmentation index, 이하 AIx)와 같은 기능적인 분석방법만 제시하고 있으므로, 이를 통한 혈관경직도의 정확도 및 정밀도에는 한계가 있다.
이를 개선하기위해 본 발명은, 심전도에 동기(ECG-gated)된 MDCT와 MR에서 촬영한 특정 혈관(예로, 대동맥)의 영상을 이용하여 특정 혈관 벽을 추정하고, 혈관영상에서의 특정 혈관의 움직임을 추정하는, 혈관영상에서의 움직임 추정 방법 및 그 장치를 제안한다.
또한 본 발명의 측정방법은 CT, MR, 초음파의 방식으로 검사한 영상에 동일한 평가 방법의 적용이 가능하다.
본 발명이 해결하고자 하는 과제는, 심장 활동 주기에 따라 촬영된 2차원 혈관영상을 확대하여 특정 혈관 분절을 추정하고, 특정 혈관의 벽을 찾아내고, 시간 순서에 따른 혈관의 움직임을 추적하는, 혈관영상에서의 움직임 추정 방법, 장치, 및 그 방법에 대한 컴퓨터 프로그램 소스를 저장한 기록매체를 제공하는 것이다.
본 발명이 해결하고자 하는 다른 과제는, 혈관벽의 초기 예측지점을 마킹하고, 마킹된 초기 예측지점들의 사이를 보간하고, 혈관 벽 경계 추정을 하되, 혈관 벽 경계 추정은 각 혈관벽 추정점에서 혈관 벽의 안쪽에서 바깥쪽으로 향하는 라인(선)을 그려서, 선 프로파일을 나타내고, 선 프로파일로 나타내진 선의 화소값을 이용하여 혈관벽 경계점을 정하고, 혈관벽 경계점들 사이를 보간하여 혈관벽의 경계선 추출하고, 이동평균에 의해 평활화를 행하고, 혈관벽의 경계점들의 연장선이 모이는 점을 혈관의 중심점으로 구하는, 혈관영상에서의 움직임 추정 방법, 장치, 및 그 방법에 대한 컴퓨터 프로그램 소스를 저장한 기록매체를 제공하는 것이다.
본 발명이 해결하고자 하는 다른 과제는, 중점(혈관의 중심점)에서 혈관벽 추정 점들의 집합이 가장 가까운 프레임을 혈관의 수축 시점으로 하고, 중점(혈관의 중심점)에서 혈관벽 추정 점들의 집합이 가장 먼 프레임을 혈관의 확장 시점으로 하는, 혈관영상에서의 움직임 추정 방법, 장치, 및 그 방법에 대한 컴퓨터 프로그램 소스를 저장한 기록매체를 제공하는 것이다.
본 발명이 해결하고자 하는 다른 과제는, 혈관이 수축했을 때의 혈관벽을 기준으로 하여, 혈관의 확장 시점의 프레임까지 매 프레임마다 혈관벽 추정 점들을 이어 나타낸 선분으로, 혈관벽의 움직임 양을 나타내는, 혈관영상에서의 움직임 추정 방법, 장치, 및 그 방법에 대한 컴퓨터 프로그램 소스를 저장한 기록매체를 제공하는 것이다.
본 발명이 해결하고자 하는 다른 과제는, 혈관벽의 움직임 양을 혈관벽 추징점들을 이어 선분으로 나타내되, 혈관벽의 움직임 양의 순위를 연산하여, 상대적으로 상위 30%, 중위 30%, 하위 40%로 나누고, 상기 선분을 상위 30%, 중위 30%, 하위 40%에 따라 서로 다른 색상으로 나타내거나 임상에서 얻은 절대적 기준값을 통해 그 움직임에 다른 색상으로 나타내는, 혈관영상에서의 움직임 추정 방법, 장치, 및 그 방법에 대한 컴퓨터 프로그램 소스를 저장한 기록매체를 제공하는 것이다.
본 발명의 기술적 과제를 해결하기위해 안출된 것으로서, 본 발명은, 심전도 신호에 트리거되어 검출된 단면 혈관영상으로부터 혈관벽을 추정하여 혈관의 움직임을 추정하는, 혈관영상의 움직임 추정장치에 있어서, MDCT영상 검출부 또는 MRI영상 검출부 또는 초음파영상 검출부 중 어느 하나로부터, 심전도 검출부에 의해 검출된 심전도 신호에 의해 트리거된 혈관영상을 수신하는 데이터 수집부; 데이터 수집부에서 수신된 혈관영상을 확대하여 대조도(콘트라스트)를 증대시키는 대조도 증대부; 대조도 증대부에서 출력된 혈관영상으로부터 허프 변환(Hough transform)을 이용하여 혈관 분절을 추정하는 혈관 추정부; 혈관 추정부에서 출력된 혈관영상을 메디안 필터링을 행하는 영상 스케일링부; 영상 스케일링부에서 수신된 혈관영상으로부터 혈관벽의 초기 예측지점을 마킹하고, 마킹된 초기 예측지점을 타원적합을 수행하여 마킹된 초기 예측지점을 등간격 보간한 후, 선 프로파일링을 행하여 혈관벽을 추정하는 혈관벽 추정부; 를 포함하여 이루어진 것을 특징으로 한다.
또한, 혈관영상의 움직임 추정장치는 혈관벽 추정부에서 출력되는 혈관영상들로부터, 시간 순서에 의한 프레임변화에 따른 혈관벽의 움직임을 검출하는 모션 트랙킹부; 모션 트랙킹부의 결과로부터, 프레임들에 대해 혈관벽의 경계점의 변화 크기를 누적한 그래프를 그린 후 각 혈관벽의 경계점의 평균 이동량을 산출하여, 기 설정된 기준 프레임 상의 각 혈관벽의 경계점에, 평균 이동량을 선분의 형태로, 나타내어, 속도(velocity)를 매핑하는 속도 매핑부;를 더 포함한다.
속도 매핑부는, 상기 평균 이동량들에 대해, 많이 움직인 혈관벽의 경계점부터 적게 움직인 혈관벽의 경계점까지 순위별로 정렬하고, 혈관벽 움직임양을 상위 30%, 중위 30%, 하위 40%로 나누어, 상기 상위, 중위, 하위에 따라 평균 이동량을 나타내는 선분의 색을 서로 다른 색상으로 나타낸다.
혈관벽 추정부는, 영상 스케일링부에서 수신된 혈관영상으로부터 기설정된 초기 예측지점 개수에 따라 마킹된 초기 예측지점들을 읽어들이는 초기 예측지점 마킹부; 초기 예측지점 마킹부에서 출력된 혈관영상에서 마킹된 초기 예측지점을 타원적합을 수행하여 초기 예측지점들 사이에 보간을 위한 포인트들을 등간격으로 삽입하는 초기 예측지점의 보간부; 초기 예측지점의 보간부에서 출력된 혈관영상으로부터, 초기 예측지점들과 보간된 포인트들도 이루어진 혈관벽 추징점에서, 혈관 벽의 안쪽에서 바깥쪽으로 향하는 선을 그려서 선 프로파일을 나타내고 선 프로파일로 나타내진 선의 화소값을 이용하여 혈관벽 경계점을 정하여, 혈관 벽 경계를 추정하는 혈관벽 경계 추정부; 혈관벽 경계 추정부에서 출력된 혈관영상들에서, 프레임변화에 따른 특정 혈관(대동맥) 벽의 움직임을 검출하는 모션 트랙킹을 순차적으로 행하는 순차 트랙킹부를 포함하여 이루어진다.
혈관영상은 대동맥 영상, 경동맥 영상, 관상동맥 영상 중 어느 하나 이다.
혈관벽 경계 추정부는, 선 프로파일의 선상의 픽셀의 화소값으로 밝기 정보 그래프의 기울기를 구하고, 상기 기울기 값의 변화가 기 설정된 역치값을 기준으로 혈관벽 경계점을 구한다.
또한, 본 발명은, 심전도 신호에 트리거된 혈관영상으로부터 혈관벽을 추정하여 혈관의 움직임을 추정하는, 혈관영상의 움직임 추정방법에 있어서, MDCT영상 검출부 또는 MRI영상 검출부 또는 초음파영상 검출부 중 어느 하나로부터, 심전도 검출부에 의해 검출된 심전도 신호에 의해 트리거된 혈관영상을 수신하는 데이터 수집단계; 데이터 수집단계에서 수신된 혈관영상을 확대하여 대조도(콘트라스트)를 증대시키는 대조도 증대단계; 대조도 증대단계에서 출력된 혈관영상으로부터 허프 변환(Hough transform)을 이용하여 혈관 분절을 추정하는 혈관 분절 추정단계; 혈관 분절 추정단계에서 출력된 혈관영상을 메디안 필터링을 행하는 영상 스케일링 단계; 영상 스케일링단계에서 수신된 혈관영상으로부터 선프로파일링을 이용하여 혈관벽 경계점을 구하여, 혈관벽을 추정하는 혈관벽 추정단계; 혈관벽 추정단계에서 출력되는 혈관영상들로부터, 시간 순서에 의한 프레임변화에 따른 대동맥벽의 움직임을 검출하는 모션 트랙킹 단계; 모션 트랙킹단계의 결과로부터, 모든 프레임에 대해 혈관벽의 경계점의 변화 크기를 누적하여 속도(velocity)를 매핑하는 속도 매핑단계;를 포함하여 이루어진 것을 특징으로 한다.
속도 매핑단계는, 프레임들에 대해 혈관벽의 경계점의 변화 크기를 누적한 그래프를 그린 후 각 혈관벽의 경계점의 평균 이동량을 산출하여, 기 설정된 기준 프레임에, 혈관벽의 경계점 위에, 평균 이동량을 선분의 형태로 나타내며, 평균 이동량을 나타낸 선분은, 평균 이동량에 대해 많이 움직인 혈관벽의 경계점부터 적게 움직인 혈관벽의 경계점까지 순위별로 정렬하였을 때, 혈관벽 움직임양을 상위 30%, 중위 30%, 하위 40%에 따라 선분의 색을 서로 다른 색상으로 나타낸다.
혈관벽 추정단계는, 영상 스케일링단계에서 수신된 혈관영상으로부터 기설정된 초기 포인트 개수에 따라 초기 예측지점들을 마킹하는 초기 포인트 마킹단계; 초기 포인트 마킹단계에서 출력된 혈관영상에서 마킹된 초기 예측지점을 타원적합을 수행하고, 초기 예측지점들 사이에 보간을 위한 포인트들을 등간격으로 삽입하는 초기 포인트의 보간단계; 초기 포인트의 보간단계에서 출력된 혈관영상으로부터, 초기 예측지점들과 보간된 포인트들도 이루어진 혈관벽 추징점에서, 혈관 벽의 안쪽에서 바깥쪽으로 향하는 선을 그려서 선 프로파일을 나타내고 선 프로파일로 나타내진 선의 화소값을 이용하여 혈관벽 경계점을 정하여, 혈관 벽 경계를 추정하는 혈관벽 경계 추정단계; 혈관벽 경계 추정단계에서 출력된 혈관영상들에서, 프레임변화에 따른 특정 혈관(대동맥) 벽의 움직임을 검출하는 모션 트랙킹을 순차적으로 행하는 순차 트랙킹단계;를 포함하여 이루어진다.
혈관영상으로부터 혈관벽을 추정하여 혈관의 움직임을 추정하는 혈관영상의 움직임 추정장치에서의 혈관영상의 움직임 추정방법에 있어서,
심장 주기와 동조화된 혈관 영상 또는 시간 순서에 따라 촬영된 DICOM 형식의 혈관영상을 읽어들이는, 영상의 전처리 단계; 영상의 전처리 단계로부터 출력된 혈관영상에서 사용자의 설정에 의해 또는 허프 변환(Hough transform)을 이용해, 관심 영역인 특정 혈관 영역을 추출하는, 관심 영역의 추출단계; 관심 영역의 추출단계에서 출력된 혈관영상으로부터 혈관벽의 초기 예측지점을 마킹하고, 마킹된 초기 예측지점을 타원적합을 수행하여, 마킹된 초기 예측지점을 등간격 보간한 후, 선 프로파일링을 행하여 혈관벽을 추정하는, 혈관벽 추정단계; 혈관벽 추정단계로부터 출력된 혈관영상으로부터, 시간 순서에 의한 프레임변화에 따른 대동맥벽의 움직임을 검출하는 모션 트랙킹을 행하여, 혈관의 수축 시점의 혈관벽을 기준으로 하여, 혈관의 확장 시점까지 매 프레임마다 혈관 벽 점과 혈관 벽 점을 이어 나타내는, 혈관의 운동성 추정 도시화 단계;를 포함하여 이루어진다.
영상의 전처리 단계는, 상기 DICOM 형식의 의료 영상을 그레이 스케일(gray scale)의 영상으로 변환한다.
혈관벽 추정단계는 관심 영역의 추출단계에서 출력된 혈관영상에 등간격으로 마킹된 초기 포인트들을 구비한 혈관영상을 읽어들이는 초기 포인트 마킹단계; 초기 포인트 마킹단계에서 출력된 혈관영상으로부터 초기 포인트들을 타원적합을 수행하고 초기 포인트들 사이에 보간을 위한 보간 포인트들을 등간격으로 삽입하는 초기 포인트의 보간단계; 초기 포인트의 보간단계에서 출력된 혈관영상으로부터 초기 포인트와 보간 포인트가 이루는 혈관벽 추정점들과 중심점을 지나는 연장선을 그리는 선 프로파일링 단계; 선 프로파일링 단계에서 출력된 혈관영상으로부터, 화소값의 변화가 기 설정된 역치값과 비교하여, 혈관 벽 경계를 추정하는 혈관벽 경계 추정단계;혈관벽 경계 추정단계에서 출력된 영상은 이동평균(moving average)에 의해 평활화(smoothing)를 행하는 평활화단계;를 포함한다.
혈관의 운동성 추정 도시화 단계는, 중점에서 혈관벽 추정점들의 집합이 가장 가까운 프레임을 혈관의 최대 수축 시점으로 설정되며, 중점에서 혈관벽 추정점들의 집합이 가장 먼 프레임을 혈관의 최대 확장 시점으로 설정한다.
또한, 본 발명의 혈관영상의 움직임 추정방법에 대한 컴퓨터 프로그램 소스를 저장한 기록매체를 특징으로 한다.
본 발명에 따르면, 심장 활동 주기에 따라 촬영된 2차원 혈관영상을 확대하여 특정 혈관 분절을 추정하고, 특정 혈관의 벽을 찾아내고, 시간 순서에 따른 혈관의 움직임을 추적하여, 정확도 및 정밀도 높은, 혈관영상에서의 움직임 추정 방법, 장치, 및 그 방법에 대한 컴퓨터 프로그램 소스를 저장한 기록매체를 제공한다. 즉, 본 발명은, 심전도 신호에 트리거되어 MDCT영상 또는 MRI 영상을 검출하는 영상검출단계, 대동맥 분절을 추정하는 대동맥 추정단계, 대동맥 벽 추정단계, 모션 트랙킹 단계, 속도 매핑 단계를 포함하는, 혈관영상에서의 움직임 추정 방법, 장치를 제공하여, 보다 정확도 및 정밀도 높은 결과를 도출할 수 있으며, 사용이 간편하도록 이루어져 있다.
특히, 본 발명은, 혈관벽의 초기 예측지점을 마킹하고, 마킹된 초기 예측지점들의 사이를 등간격 보간하고, 혈관 벽 경계 추정을 하되, 혈관 벽 경계 추정은 각 혈관벽 추정점에서 혈관 벽의 안쪽에서 바깥쪽으로 향하는 라인(선)을 그려서, 선 프로파일을 나타내고, 선 프로파일로 나타내진 선의 화소값을 이용하여 혈관벽 경계점을 정하고, 혈관벽 경계점들 사이를 보간하여 혈관벽의 경계선 추출하고, 이동평균에 의해 평활화를 행하고, 혈관벽의 경계점들의 연장선이 모이는 점을 혈관의 중심점으로 구한다. 이렇게 추정된 혈관벽 점들의 집합을 다음 프레임 혈관벽 추정의 기준점으로 삼으며, 이 과정의 혈관벽 추정 알고리즘을 영상 프레임의 종료 프레임까지 동일하게 적용하여 혈관벽을 추정한다. 이렇게 함으로써 처리에 많은 시간이 소요되지 않으면서도, 보다 정확하게 혈관영상의 움직임을 추정 가능하다.
또한, 본 발명은, 혈관이 수축했을 때의 혈관벽을 기준으로 하여, 혈관의 확장 시점의 프레임까지 매 프레임마다 혈관벽 추정 점들을 이어 나타낸 선분으로, 혈관벽의 움직임 양을 나타내며, 혈관벽의 움직임 양의 순위를 연산하여, 상대적으로 상위 30%, 중위 30%, 하위 40%로 나누고, 상기 선분을 상위 30%, 중위 30%, 하위 40%에 따라 서로 다른 색상으로 나타내거나 임상에서 얻은 절대적 기준값을 통해 그 움직임에 다른 색상으로 나타내는, 혈관영상에서의 움직임을 보다 시각적으로 빠르게 인식할 수 있도록 표시하여, 사용이 간단하고 편리하고, 분석이 쉽도록 이루어져 있다.
또한, 본 발명은, 각각의 프레임별로 혈관의 반지름, 지름, 반경 변형(radial strain) 및 변형률(radial strain rate), 원주변형(circumferential strain) 및 변형률(circumferential strain rate)를 측정할 수 있으며, 혈관의 면적 변화와 국소적 부분의 혈관 물리적 운동량의 양적인 변화를 시각적으로 표현 가능하며, 혈관 중심점의 위치 및 이동량을 측정할 수 있으며, 혈관 수축 및 확장의 양적인 변화를 나타낼 수 있으며, 위치별 단면의 분석 후 z축으로 쌓아 영상을 재구성할 경우 3차원적인 혈관의 움직임과 혈관벽의 국소적 움직임이 관찰 가능하고, 대부분의 의료용 영상기기에서 획득된 혈관벽 움직임의 관찰에 적용가능하다.
또한 본 발명의 측정방법은 MDCT, MR, 초음파 혈관 영상에 동일한 평가 방법의 적용이 가능하여, 심혈관 조영 영상에서의 대동맥의 움직임 평가가 가능하며, 혈관벽 움직임의 전역적, 국소적인 평가가 가능하며, 혈관 단면 이미지 평가를 통한, 정상/비정상 혈관의 구분이 가능하며, 대동맥과 관련된 심장 질환에 대해 평가가 가능하며, 혈관벽 움직임의 동적인 분석을 통해, 질환의 유무를 조기에 판별이 가능하며, 대동맥 이외의 혈관 단면 영상에 대한 평가도 가능하다.
또한, 본 발명은 혈관벽 움직임에 대한 물리 변수를 추정하여 혈관에 대한 종합적 평가가 가능하다. 추정 가능한 매개변수는 지름, 반지름, 혈관벽 확장 속도, 수축속도, 확장 및 수축 시점, 변형율이 있다.
본 발명의 측정방법의 적용은 CT, MR, 초음파의 방식으로 검사한 영상에 동일한 평가 방법의 적용이 가능하다. 즉, 본 발명은 심전도와 동기화된 MDCT 영상과 심전도 동기화 된 MR 영상을 중심으로 방법을 구현 하였지만, MRA(조영제를 쓴 MR)에도 적용이 가능하며, 이는 어떠한 기기로 영상을 얻었던 간에 촬영 부위의 대조영상이 획득될 경우, 본 발명에서 제시한 방법이 적용될 수 있다는 것이다. 또한 융합 기술의 출현으로 PET-CT, PET-MRI장비도 나오고 있으며, 이 기기들로도 연속 영상을 획득이 가능하다면 적용 가능하다.
특히, 본 발명에서, 혈관벽 움직임은 혈관벽 추정점의 운동 방향성과 크기를 벡터로 표현함으로써 표현이 가능하며, 또한, 이 크기의 움직임과 방향성은 점의 개별적인 움직임을 벡터로 표현하거나 혹은 일정 속도, 사용자가 지정한 범위에 들어오는 크기별로 그룹화가 가능하다. 이 그룹화의 시각적 분별성을 위하여 색깔을 입혀서 표현할 수 있다. 그룹화 가능 단계는 혈관벽 추정 점의 개수와 사용자의 지정 범위에 따라 여러 가지의 조합이 가능하다.
도 1은 본 발명의 일 실시예에 의한 혈관영상에서의 움직임 추정을 위한 구성을 설명하기 위한 모식도이다.
도 2는 도 1의 혈관 벽 추정부(300)를 개략적으로 설명하는 설명도이다.
도 3a 및 도 3b는 본 발명에서 혈관 영역의 추출의 일례이다.
도 4a 및 도 4b는 본 발명에서 선형 보간 후 추정한 혈관벽의 일례이다.
도 5a 및 도 5b는 본 발명에서 혈관벽의 추정과 선 프로파일의 일례이다.
도 6은 본 발명에서 혈관벽의 초기 추정 결과(좌), 및 혈관벽의 최종 추정 결과(우)의 일례들을 나타낸다.
도 7은 본 발명에서 혈관벽 추정을 위한 경계값 조사의 일례이다.
도 8은 본 발명에서 각 프레임에서의 혈관벽 움직임의 변화량의 일례이다.
도 9a, 도 9b 및 도 9c는 본 발명에서 혈관의 수축 시점(좌)과 이완(우)시의 혈관벽 움직임의 변화량 표현의 일례이다.
도 10은 본 발명에서 혈관벽 움직임 누적 그래프, 각 점에서의 평균 이동량 그래프, 전체 평균과 각 점 평균 이동량의 비교 그래프를 나타낸 것이다.
도 11은 본 발명에서 수축시점과 이완시점을 나타내는 혈관벽 움직임의 변화량 표현의 일례이다.
도 12은 본 발명에서 혈관벽 움직임량의 상, 중, 하에 따라 분류하여 그래프로 표현한 것이다.
도 13a는 본 발명에서 MDCT영상에서의 대동맥 혈관벽 움직임 양의 표현(전체 20프레임)의 일례이다.
도 13b는 도 13a를 도식화하여 나타낸 것이다.
도 14은 본 발명을 이용하여, 혈관의 움직임의 방향과 크기를 벡터로 표현한 일예이다.
도 15는 MRI의 일례이다.
도 16은 본 발명의 경동맥 초음파 벽 트래킹 알고리즘(Carotid sono wall tracking algorithm)의 흐름도이다.
도 17은 본 발명에서 6개 대상점 선정의 일례이다.
도 18은 본 발명에서 보간을 통한 36개 대상점 선정의 일례이다.
도 19는 본 발명에서 영상의 그레이 값(파란색) 및 그 미분 결과(빨간색)의 일례이다.
도 20은 본 발명에서 최종 혈관벽 움직임 벡터 검출의 일례이다.
본 발명은 심장 활동 주기에 따라 혈관(예로, 대동맥)을 촬영한 2차원 MDCT와 MR영상에서 혈관(예로, 대동맥)의 벽을 반자동으로 찾아내고, 시간 순서에 따른 혈관(예로, 대동맥)의 움직임을 추적하는 방법, 장치, 및 그 방법에 대한 컴퓨터 프로그램 소스를 저장한 기록매체에 관한 것이다.
도 1를 참조하여, 본 발명의 일 실시예에 의한 혈관영상에서의 움직임 추정을 위한 구성은, 데이터 수집부(Image Acquisition)(100), 대조도 증대부(Enhancement of contrast)(150), 혈관 추정부(vessel segmentation) (200), 영상 스케일링부(Image scaling)(250), 혈관 벽 추정부(Lumen ectraction)(300), 모션 트랙킹부(motion tracking)(355), 속도 매핑부(Velocity vector mapping)(400)를 포함하여 이루어진다.
데이터 수집부(100)는, 심전도 신호(심장 주기 신호)에 트리거되어 MDCT영상 또는 MRI 또는 초음파 영상을 검출한다.
대조도 증대부(150)는 상기 검출된 영상을 확대하여 대조도(콘트라스트)를 증대시킨다.
혈관 추정부(200)는 관심 영역을 추출하여, 특정 혈관(대동맥) 영역, 즉, 특정 혈관 분절(대동맥 분절)을 추정한다.
영상 스케일링부(250)는 메디안 필터링을 포함하여 영상을 조정한다.
혈관 벽 추정부(300)는 영상 스케일링부(250)에서 수신된 영상으로부터 특정 혈관(대동맥) 벽을 추정하는 수단으로, 도 2와 같이, 초기 예측지점 마킹부(Initial points marking)(310), 초기 예측지점의 보간부(interpolation of initial points)(330), 혈관 벽 경계 추정부(Estimation of wall boundary)(350)를 포함하여 구동된다.
혈관 벽 추정부(300)는 혈관벽의 초기 예측지점을 마킹하고, 마킹된 초기 예측지점들의 사이를 보간하고, 보간된 초기 예측지점인 이룬 혈관벽 추정점들에서, 각 혈관벽 추정점에서 혈관 벽의 안쪽에서 바깥쪽으로 향하는 선을 그려서, 선 프로파일을 나타내고, 상기 선의 화소값을 이용하여 혈관벽 경계점, 즉 혈관벽 점을 정하고, 혈관벽 점들 사이를 보간하여 혈관벽의 경계선 추출하고, 이를 평활화를 행하고, 혈관벽 점들의 연장선이 모이는 점을 해당 프레임에서의 혈관의 중심점으로 구한다.
모션 트랙킹부(355)는 프레임변화에 따른 혈관(대동맥) 벽의 움직임을 검출한다.
속도 매핑부(400)는 모션 트랙킹부(355)의 결과로부터 속도(velocity)를 매핑한다. 속도 매핑부(400)는 모션 트랙킹부(355)의 결과를 이용하여, 각 프레임의 혈관벽 점과 혈관벽 점을 이은 선분의 길이로, 혈관벽의 움직임의 양을 나타내며, 혈관벽의 움직임의 양의 크기에 따라 상위 30%, 중위 30%, 하위 40%로 나뉘어, 이에 따라 서로 다른 색상으로, 상기 선분들을 소정 프레임(혈관을 나타내는 단면영상)에 나타낸다.
이하, 본 발명의 일 실시 예에 의한 혈관영상에서의 움직임 추정 방법, 장치, 및 그 방법에 대한 컴퓨터 프로그램 소스를 저장한 기록매체를 첨부한 도면을 참조하여 상세히 설명한다.
본 발명은 영상을 획득하여 분석 가능한 기기 중 MR, MDCT, 초음파를 대상으로 하며, 또한, 특정 위치의 혈관이 아닌, 단면이 원형 혹은 타원인 혈관인 경우 모두 분석이 가능하며, 다만, 사용에 대한 이해도를 높이기 위해 대동맥을 예로 들어 설명한다.
도 1은 본 발명의 일 실시예에 의한 혈관영상에서의 움직임 추정을 위한 구성을 개략적으로 설명하기 위한 모식도이다.
데이터 수집부(100)는, 심전도 신호에 트리거되어 MDCT영상 또는 MRI 또는 초음파 영상을 검출한다. 본 발명은 심장 주기에 따른 혈관(예로, 대동맥)의 움직임을 관찰하기 위해서는 ECG-gated MDCT 영상을 이용하거나 Cine-MRA를 이용할 수 있다. 즉, 본 발명은 심장 주기와 동조화 된 혈관의 영상 혹은 시간 순서에 따라 촬영된 혈관 영상을 분석의 대상으로 삼는다.
또한, 본 발명에서는 영상의 전처리로서, DICOM 형식의 의료 영상을 (JPEG 형식의 영상으로 변환하고, 이 영상을) gray scale의 영상으로 변환한다.
대조도 증대부(150)는 데이터 수집부(100)로부터 수신된 영상을 확대하여 대조도(콘트라스트)를 증대시킨다. 즉, 대조도 증대부(150)는 혈관의 경계선을 뚜렷하게 한다. 영상을 확대하여 대조도(콘트라스트)가 증대됨으로써, 결과적으로 해상도가 높아진다. 즉, 분석시, 저해상도로 인한 오류를 줄이기 위하여, 원 영상 대비 분석 영상은 확대(bicubic interpolation) 된 영상을 사용한다.
혈관 추정부(200)는 관심 영역의 추출하여, 특정 혈관(예로, 대동맥) 영역, 즉, 특정 혈관 분절(예로, 대동맥 분절)을 추정한다. 본 발명은 영상에서 특정 혈관(대동맥)을 추출하기 위해 수동으로 찾거나 허프 변환(Hough transform)을 이용한다. 허프변환은 이미지 상에서 직선을 찾는 것으로, 이를 통해 중심점을 찾기 위해 이용될 수 있다. 기타 생체 조직이 있는 영상에서 특정 혈관(대동맥) 부위를 추출하기 위해 허프 변환을 사용한다. 본 발명에서 주 분석의 대상이 되는 혈관은 동맥이다.
예를들어 혈관 추정부(200)는 특정 혈관 영역으로서 사용자가 설정한 관심 영역을 화면상에 디스플레이 한다. 또는 사용자가 설정한 관심 영역에서 허프 변환을 통해 혈관 영역을 추정하여 디스플레이 할 수 있다. 또는 예를들어 관심 영역내 혈관의 중심으로 추정되는 예측 중심을 사용자가 지정하면, 혈관 추정부(200)에서 상기 예측 중심을 기준으로 허프 변환을 적용하여 이미지상의 직선을 찾아 혈관 영역을 추정하여 디스플레이 할 수 있다.
영상 스케일링부(250)는 메디안 필터링을 포함하여 영상을 조정한다. 영상 스케일링부(250)에서 추출한 관심 영역의 크기를 확대되며, 잡음이 제거될 수도 있다.
혈관 벽 추정부(300)는 영상 스케일링부(250)에서 수신된 영상으로부터 특정 혈관(예로, 대동맥) 벽을 추정하는 수단으로, 혈관벽의 초기 예측지점을 마킹하고, 마킹된 초기 예측지점들의 사이를 곡선접합 후 등간격 보간하고, 혈관 벽 경계 추정을 한다.
초기 예측지점 마킹은 혈관벽을 검출 하기 위해, 영상 스케일링부(250)로부터 수신된 혈관단면 영상에서 혈관벽으로 추정되는 원의 둘레에 등간격으로 초기 예측 지점들을 수동으로 설정하고, 초기 예측 지점들의 연장선이, 상기 원의 안쪽에서 만나는 점을 혈관의 중심점으로 설정한다. 즉, 사용자는 단면영상의 12시 지점을 시작점으로 하여 시계 방향으로 45도 등간격으로 6개의 점을 생성할 수 있다. 즉, 보간 방법을 이용하여 최종적으로 48개의 점을 생성할 수 있다.
여기서, 혈관벽을 추정하는 점의 개수는 혈관벽 윤곽 추정의 정밀도와 관련이 있으며, 최종적으로 생성된 점은 최소 6개점으로부터 최대 1024개를 구비할 수 있으며, 이를 이용하여 혈관벽 윤곽 추정을 할 수 있다.
초기 예측지점의 보간은 각 초기 예측 지점들을 곡선적합(타원적합) 한 후, 등간격으로 분할, 보간 하여 점의 개수를 늘린다. 즉, 초기 예측지점의 보간은 각 초기 예측 지점들 사이에 소정 개수의 등간격의 지점을 선형적인 방법으로 보간 하여 점의 개수를 늘린다. 여기서 각 초기 예측 지점들과 보간된 점들을 혈관벽 추정점이라 한다. 또한, 타원적합은, 공지된 기술로서, 입력된 영상 데이터에서 Bias 성분을 제거하고, 후보점(초기 예측지점)을 Conic equation에 적용하여, 1차 최적 계수 값을 도출하고, 등간격 타원적합 모델 교정하고, 타원 원점 및 장축 단축을 도출하고, 특징점 계수를 위한 특정각도로 분할을 행하며, 보다 상세한 것은 후술한다.
혈관 벽 경계 추정은, 모든 혈관벽 추정점을 대상으로, 각 혈관벽 추정점에서 혈관 벽의 안쪽에서 바깥쪽으로 향하는 라인(선)을 그려서, 선 프로파일을 나타내고, 선 프로파일로 나타내진 선의 화소값(픽셀의 밝기 정보)을 이용하여 혈관벽 경계점을 정하고, 혈관벽 경계점들 사이를 보간하여 혈관벽의 경계선 추출하고, 이동평균에 의해 평활화를 행하고, 혈관벽의 경계점(혈관벽 점)들의 연장선이 모이는 점을 해당 프레임에서의 혈관의 중심점으로 구한다.
이렇게 구한 혈관벽 점(혈관벽의 경계점)들의 집합을 다음 프레임 혈관벽 추정의 기준점으로 삼는다. 이 과정의 혈관벽 추정 알고리즘을 영상 프레임의 종료 프레임까지 동일하게 적용하여 혈관벽을 추정한다.
모션 트랙킹부(355)는 특정 혈관(대동맥) 벽의 움직임을 검출한다. 모션 트랙킹부(355)는 프레임변화에 따른 특정 혈관(대동맥) 벽의 움직임을 검출한다. 즉, 시간 순서에 따른 혈관 벽의 움직임 변화를 검출한다.
속도 매핑부(400)는 모션 트랙킹부(355)의 결과로부터 속도(velocity)를 매핑한다. 본 발명에서 속도 매핑부(400)는 기준점을 설정하고, 기준 프레임을 설정하고, 속도 벡터를 매핑하고, 속도 벡터 칼라를 매핑하도록 이루어진다.
속도 매핑부(400)는 모션 트랙킹부(355)의 결과를 이용하여, 각 프레임의 혈관벽 점과 혈관벽 점을 이은 선분의 길이로, 혈관벽의 움직임의 양을 나타내어, 소정 프레임(혈관을 나타내는 단면영상)에서, 상기 선분들을 나타낸다. 여기서, 모든 프레임에 대해 혈관벽의 포인트의 변화 정도를 누적한 그래프를 그린 후 각 점의 평균 이동량을 산출하고, 이 이동량에 대해 많이 움직인 점부터 적게 움직이는 점까지 순위별로 정렬한다. 혈관벽 움직임양을 상위 30%, 중위 30%, 하위 40%로 나누어, 상기 선분의 색을, 혈관벽 움직임양이 상위 30%인 경우는 빨간색으로 나타내고, 중위 30%인 경우는 초록색으로 나타내며, 하위 40%인 경우는 파란색으로 나타낸다.
여기서, 혈관벽 움직임양을 상위 30%, 중위 30%, 하위 40%로로 나누어 다른 색으로 나타낸 것은 본 발명을 이로써 한정하기위한 것이 아니며, 임상에서 설정된 기준값을 바탕으로, 다수개의 단계로 분류하여 색을 달리 나타낼 수 있음을 밝혀둔다. 즉, 본 발명은 혈관벽 움직임의 정도에 따라 순위를 배열하고 그룹화시켜 색상을 입힐 수 있다.
최종적으로 추정된 혈관벽 점들의 집합을 다음 프레임 혈관벽 추정의 기준점으로 삼는다. 이 과정의 혈관벽 추정 알고리즘을 영상 프레임의 종료 프레임까지 동일하게 적용하여 혈관벽을 추정한다.
도 2는 도 1의 혈관 벽 추정부(300)를 개략적으로 설명하는 설명도이다.
초기 포인트 마킹부(310)는 기설정된 초기 포인트 개수에 따라 초기 포인트들을 마킹하며, 도 2에서는 8개의 초기 포인트들을 마킹한다. 즉, 초기 포인트 마킹부(310)는 혈관벽의 초기 추정하는 것으로서, 혈관벽을 검출 하기 위해, 영상 스케일링부(250)로부터 수신된 혈관단면 영상에서 혈관벽으로 추정되는 원의 둘레에 등간격으로 점(이하 초기 예측 지점이라 함)들을 수동으로 설정하고, 초기 예측 지점들의 연장선이, 상기 원의 안쪽에서 만나는 점을 혈관의 중심점으로 설정한다. 예를들어, 원의 둘레에 12시 방향에서 시작하여 45도 간격으로 8개의 초기 예측 지점을 수동으로 설정하며, 원 안 쪽에서 8개의 초기 예측 지점의 연장선이 만나는 곳을 혈관의 중심점으로 설정할 수 있다. 여기서 8개의 초기 포인트들의 마킹으로 본 발명을 한 정하는 것이 아니며, 여기서는 8개의 초기 포인트는 설명의 편의상 도입된 것이다.
초기 포인트의 보간부(330)는 초기 포인트 마킹부(310)의 출력된 영상에서 상기 초기 포인트들에 보간을 삽입한다. 즉, 초기 포인트의 보간부(330)는, 각 초기 예측 지점들 사이에, 소정 개수의 등간격의 지점을 곡선접합 방법으로 보간 하여 점의 개수를 늘린다. 또는 초기 포인트의 보간부(330)는, 각 초기 예측 지점들 사이에, 소정 개수의 등간격의 지점을 선형적인 방법으로 보간 하여 점의 개수를 늘린다. 여기서 각 초기 예측 지점들과 보간된 점들을 혈관벽 추정점이라 한다. 예를들어, 각 초기 예측 지점들 사이에 6개의 등간격의 지점을 곡선적합하여 모델링하고 이를 등간격으로 점의 개수를 늘리며, 보간 후 혈관 벽으로 추정하게 되는 점인 혈관벽 추정점은 모두 48개가 된다.
혈관 벽 경계 추정부(350)는 혈관(대동맥) 벽의 경계를 추정한다. 본 발명에서 대동맥의 벽의 추정은 밝기 정보(예로, 화소값)를 이용해 영상의 그레디언트(gradient)를 계산하여 추출한다. 영상 그레디언트 대신 역치값을 가지고 추출할 수 있다.
혈관 벽 경계 추정부(350)는, 모든 혈관벽 추정점을 대상으로, 각 혈관벽 추정점에서 혈관 벽의 안쪽에서 바깥쪽으로 향하는 라인(선)을 그려서, 선 프로파일을 나타낸다. 이 선의 길이는 혈관벽의 상태에 따라 조정이 가능하다. 예를들어, 보간한 48개의 점(혈관벽 추정점)을 대상으로 각 점마다 혈관 벽의 안쪽에서 바깥쪽으로 향하는 라인(선)을 그린다. 상기 선 프로파일은 혈관벽 움직임 강도의 프로파일이라고 할 수 있다. 즉, 혈관 벽 경계 추정부(350)는 혈관벽 추정점과 중심점 사이에서 혈관벽 추정점으로부터 소정거리에 있는 점인, 혈관벽 추정점의 내측점을 구한다. 또한, 혈관벽 추정점과 중심점사이의 선이, 혈관벽 추정점을 지나는 연장선 상에서 혈관벽 추정점으로부터 소정거리에 있는 점인, 혈관벽 추정점의 외측점을 구하며, 혈관벽 추정점의 내측점과 혈관벽 추정점의 외측점을 연결한 선을 그린다.
그 다음, 혈관 벽 경계 추정부(350)는 선 프로파일로 나타내진 선의 화소값(픽셀의 밝기 정보)을 이용하여 경계선 추출한다. 상기 선상의 픽셀의 밝기 정보(화소값)로 밝기 정보 그래프의 기울기를 구하고, 상기 기울기 값의 변화가 기 설정된 역치값을 기준으로 혈관벽 점을 구한다. 예를들어, 기울기 값의 변화가 기 설정된 역치값과 같은 값을 나타내는 선 상의 점을 혈관벽 경계 점으로 할 수 있다. 여기서는, 혈관 영상에서 픽셀의 밝기 정보(화소값)와 사용자가 개입하여 설정하는 역치값(한계값, threshold value)을 이용하여 혈관벽의 경계를 추정한다. 즉, 혈관 영상에서 픽셀의 밝기 정보(화소값)의 변화가 기 설정된 역치값을 기준으로 혈관벽을 추정한다.
그 다음, 혈관 벽 경계 추정부(350)는 구하여진 혈관벽 경계점들 사이에 등간격으로 점들을 삽입하여 보간(interpolation)한다.
그 다음, 혈관 벽 경계 추정부(350)는 이동평균(moving average)에 의해 평활화(smoothing)하는 과정을 행한다. 이는 원을 따라 돌면서, 혈관벽 경계점들의 이동평균(moving average)을 구하여, 상기 이동평균에 의해 구해진 값을 그 혈관벽 경계점으로 할 수 있다. 여기서, 혈관 벽의 시각적 표현에 있어서 연속성을 강화하기 위해 추정한 혈관벽 점들의 평활화과정을 거친다.
그 다음, 최종적으로 추정된 혈관벽의 점들의 연장선이 모이는 점을 해당 프레임에서의 혈관의 중심점으로 구한다.
모션 트랙킹부(355)는 프레임변화에 따른 특정 혈관(대동맥) 벽의 움직임을 검출하는 모션 트랙킹을 순차적으로 행한다. 즉, 시간 순서에 따른 혈관 벽의 움직임 변화를 검출한다.
이하, 본 발명의 혈관영상에서의 움직임 추정 방법에 관하여 도 3a 내지 도 10을 참조하여 개략적으로 설명한다. 즉, 본 발명의 혈관의 운동성을 분석하기 위한 알고리즘에 대해 설명한다.
도 3a 및 도 3b는 본 발명에서 혈관 영역의 추출의 일례이고, 도 4a 및 도 4b는 본 발명에서 선형 보간 후 추정한 혈관벽의 일례이고, 도 5a 및 도 5b는 본 발명에서 혈관벽의 추정과 선 프로파일의 일례이고, 도 6은 본 발명에서 혈관벽의 초기 추정 결과(좌), 및 혈관벽의 최종 추정 결과(우)의 일례들을 나타낸다.
첫째, 영상의 전처리 과정은, 심장 주기와 동조화 된 혈관의 영상 혹은 시간 순서에 따라 촬영된 혈관 영상을 분석의 대상으로 하며, 데이터 수집부(100)로부터 DICOM 영상을 읽어들인다. 읽어들인 DICOM 형식의 의료 영상을 (JPEG 형식의 영상으로 변환하며, 또한 영상을) gray scale의 영상으로 변환한다. 그리고, 대조도 증대부(150)에서, 영상을 확대한다.
둘째, 관심 영역의 추출과정은, 혈관 추정부(200)에서, 수동으로 또는 허프 변환(Hough transform)을 이용하여, 영상 중에 분석의 대상인 혈관 영역(관심 영역)을 추출한다. 즉, 특정 혈관 분절(대동맥 분절)을 추정한다. 여기서 분석의 대상이 되는 혈관은 동맥이며, 촬영 부위에 따라 경동맥과 상/하행 대동맥 등이 가능하다. 특정 혈관 분절을 추정하고 난후, 영상 스케일링부(250)에서 메디안 필터링을 행하여 영상을 조정한다.
대동맥분절에 대한 영상의 예를 도 3a 및 도 3b에 나타낸다. 도 4a 및 도 4b는 도 3a 및 도 3b의 영상에서 분석의 대상인 혈관 영역을 표시하고 선형 보간 후 혈관벽을 추정한 예이다.
셋째, 혈관의 벽 추정 과정은, 혈관 벽 추정부(300)에서, 혈관벽의 초기 예측지점을 마킹하는 혈관벽의 초기 추정과정, 마킹된 초기 예측지점들의 사이를 보간하는 초기 예측 지점의 보간과정, 혈관벽과 혈관 중심을 추정하는 혈관 벽 경계 추정과정을 통해 혈관의 운동성 분석을 하게 한다.
우선, 혈관벽의 초기 추정(초기 예측지점 마킹) 과정은 혈관벽을 검출 하기 위해, 혈관단면 영상에서 혈관벽으로 추정되는 원의 둘레에, 12시 방향에서 시작하여 45도 간격으로 8개의 초기 예측지점을 수동으로 설정한다. 상기 원 안 쪽에서 8개의 초기 예측지점의 연장선이 만나는 곳을 혈관의 중심점으로 설정한다.
다음은, 초기 예측 지점의 보간 과정으로, 각 초기 예측지점들 사이에 6개의 등간격의 지점을 선형적인 방법으로 보간 하여 초기 예측지점의 개수를 늘린다. 보간 후 혈관 벽으로 추정하게 되는 초기 예측지점(즉, 혈관벽 추정점)은 모두 48개이다(도 4a 및 도 4b 참조).
다음은 혈관벽 추정을 위한 준비 과정으로, 도 5a 및 도 5b를 참조하여, 보간한 48개의 초기 예측 지점(혈관벽 추정점)을 대상으로 각 점마다 혈관 벽의 안쪽에서 바깥쪽으로 향하는 라인(선)을 그린다. 이 선의 길이는 혈관벽의 상태에 따라 조정이 가능하다. 도 5a 및 도 5b의 좌측영상은 혈관벽 추정점(48개의 점)과 중심점 사이에서 혈관벽 추정점으로부터 소정거리에 있는 점(즉, 혈관벽 추정점의 내측점)을 구하며, 혈관벽 추정점과 중심점사이의 선이, 혈관벽 추정점을 지나는 연장선 상에서 혈관벽 추정점으로부터 소정거리에 있는 점(즉, 혈관벽 추정점의 외측점)을 구한 것이다. 도 5a 및 도 5b의 우측영상은 혈관벽 추정점의 내측점과 혈관벽 추정점의 외측점을 연결한 선을 그린 것으로, 대동맥 강도의 측면을 나타낸다.
다음은 혈관벽과 혈관 중심의 추정 과정으로, 도 6a 및 도 6b를 참조하여, 혈관벽의 추정은 화소값을 이용하여 경계선 추출 후 이를 보간(interpolation) 및 평활화(smoothing)하는 과정을 거친다. 혈관 영상에서 픽셀의 밝기 정보(화소값)와 사용자가 개입하여 설정하는 역치값(한계값, threshold value)을 이용하여 혈관벽의 경계를 추정한다. 즉, 혈관 영상에서 픽셀의 밝기 정보(화소값)의 변화가 기 설정된 역치값을 기준으로 혈관벽을 추정한다. 혈관 벽의 시각적 표현에 있어서 연속성을 강화하기 위해 추정한 혈관벽 점들의 평활화(smoothing)과정을 거치며, 최종적으로 추정한 혈관벽 점(즉, 혈관벽의 경계점)들의 연장선이 모이는 점을 해당 프레임에서의 혈관의 중심점으로 삼는다. 평활화 과정은 이동평균(moving average)에 의해 행해질 수 있다.
예를들어, 도 6a 및 도 6b의 좌측영상은 도 5a 및 도 5b의 우측영상의 선상에서 혈관 영상에서 픽셀의 밝기 정보와 밝기 정보 그래프의 기울기 값의 변화가 기 설정된 역치값을 기준으로 혈관벽 점을 추정한 결과이고, 도 6a 및 도 6b의 우측영상은 도 6a 및 도 6b의 좌측영상을 이동평균에 의해 평활화한 결과이다. 도 7은 본발명에서 혈관벽 추정을 위한 경계값 조사의 일례로, 각선의 화소값을 나타내며, 이 화소값으로 부터 역치값을 설정할 수 있다.
다음은 연속 영상 프레임에서 혈관벽의 추정 과정으로, 최종적으로 추정된 혈관벽 점들의 집합을 다음 프레임 혈관벽 추정의 기준점으로 삼는다. 이 과정의 혈관벽 추정 알고리즘을 영상 프레임의 종료 프레임까지 동일하게 적용하여 혈관벽을 추정한다.
넷째, 혈관의 운동성 추정 도시화 과정으로, 분석 대상으로 삼는 영상의 모든 혈관벽 추정 후 운동성 추정을 위한 도시화가 이루어진다. 중점(혈관의 중심점)에서 혈관벽 추정 점들의 집합이 가장 가까운 프레임을 혈관의 (최대) 수축 시점으로 삼는다. 중점(혈관의 중심점)에서 혈관벽 추정 점들의 집합이 가장 먼 프레임을 혈관의 (최대) 확장 시점으로 삼는다. 도 8은 본 발명에서 각 프레임에서의 혈관벽 움직임의 변화량의 그래프의 일례이다. 도 8은 혈관벽의 움직임 양은 혈관이 수축했을 때의 혈관벽을 기준으로 삼고, 혈관의 확장 시점의 프레임까지 매 프레임마다 점과 점을 이어 나타낸다.
혈관을 나타내는 단면영상에서, 혈관벽의 움직임의 양을 점과 점을 이은 선분의 길이로 표현할 수 있으며(도 9a 및 도 9c 참조), 선분의 길이에 따른 순위별로 색깔을 입혀 나타낼 수도 있다(도 9b 참조). 도 9b에서
Figure PCTKR2013004622-appb-I000001
은 빨강색으로 나타내는 것을 대신하며,
Figure PCTKR2013004622-appb-I000002
은 초록색으로 나타낸 것을 대신하며, ○은 파랑색으로 나타내는 것을 대신한다. 그 처리 방법은 아래의 과정을 따른다.
모든 프레임에 대해 혈관벽의 포인트의 변화 정도를 누적한 그래프를 그린 후 각 점의 평균 이동량을 산출한다. 이 이동량에 대해 많이 움직인 점부터 적게 움직이는 점까지 순위별로 정렬한다(도 10 참조).
움직임양이 상위 30%인 점은 빨간색으로 나타내고, 중위 30% 초록색으로 나타내며, 나머지 부분인 하위 40%에 대해서는 파란색으로 혈관벽의 움직임을 나타낸다(도 9b, 도 10, 도 11 참조).
도 9a 내지 도 9c는 본 발명에서 혈관의 수축 시점(좌)과 이완(우)시의 혈관벽 움직임의 변화량 표현의 일례로, 도 9b는 움직임의 양을 혈관벽 추징점과 혈관벽 추징점을 이은 선분의 길이로 표현하되, 움직임양에 따라 빨간색, 초록색, 파란색으로 나타내고 있다. 도 10은 본 발명에서 혈관벽 움직임 누적 그래프, 각 점에서의 평균 이동량 그래프, 전체 평균과 각 점 평균 이동량의 비교 그래프의 예를 나타낸 것이다. 도 11은 도 10에서 수축시점과 이완시점을 나타내는 혈관벽 움직임의 변화량 표현의 일례로, 안의 원은 수축시의 대동맥벽을 나타내며, 바깥의 원은 대동맥벽이 확장됨을 나타내며, 안의 원의 중심은 십자가로 나타내고, 바깥원의 중심은 원으로 표현하였다. 움직임양이 상위 30%는 빨간색(도 11에서 빨간색은 검은색 타원 즉,
Figure PCTKR2013004622-appb-I000003
으로 표현), 중위 30% 초록색(도 11에서 초록색은 안에 점이 차있는 타원, 즉,
Figure PCTKR2013004622-appb-I000004
으로 표현), 하위 40%에 대해서는 파란색(도 11에서 파란색은 안이 비워있는 원, 즉, ○으로 표현)으로 혈관벽의 움직임을 나타낸다.
각 프레임의 분석 후에는 영상을 동영상으로 만들어 혈관벽의 움직임을 관찰한다.
도 12는 본 발명에서 혈관벽 움직임량의 상, 중, 하에 따라 분류하여 그래프로 표현한 것이다. 즉, 심주기에 따른 혈관벽 움직임량(혈관벽 움직임의 운동속도)을 상위, 중위, 하위의 그룹으로 분류하고, 상위, 중위, 하위의 그룹의 벡터속도로 그룹을 표시한 것이다. 도 12의 그래프 중의 제일 위에 있는 꺽은 선이 상위 그룹의 것이고, 중간에 있는 꺽은 선이 중위 그룹의 것이고, 제일 밑에 있는 꺽은 선이 하위 그룹의 것이다.
도 13a는 본 발명에서 MDCT영상에서의 대동맥 혈관벽 움직임 양의 표현(전체 20프레임)의 일례이고, 도 13b는 도 13a를 도식화하여 나타낸 것으로, 도 13a 및 도 13b에서는 미도시 되었지만, 각 선분은 상위, 중위, 하위의 그룹에 따라 다른 색상으로 나타내진다.
다섯째, 혈관의 운동성 분석 과정으로, 각각의 프레임별로 혈관의 반지름, 지름을 측정할 수 있으며, 혈관의 면적 변화와 국소적 부분의 혈관 운동량의 양적인 변화를 시각적으로 표현 가능하며, 혈관 중심점의 위치 및 이동량을 측정할 수 있으며, 혈관 수축 및 확장의 양적인 변화를 나타낼 수 있으며, 위치별 단면의 분석 후 z축으로 쌓아 영상을 재구성할 경우 3차원적인 혈관의 움직임과 혈관벽의 국소적 움직임이 관찰 가능하고, 대부분의 의료용 영상기기에서 획득된 혈관벽 움직임의 관찰에 적용가능하다.
도 14은 본 발명을 이용하여, 혈관의 움직임의 방향과 크기를 벡터로 표현한 일예이다. 혈관의 움직임은 크게 혈관벽의 움직임과 혈관의 위치 이동이 중요하며,이들 분석을 위해 혈관의 중심점이 중요하다.
도 14에서, 혈관의 움직임과 방향의 표시는 기준점(reference point)의 운동 방향과 크기를 영상 전주기에 걸쳐 사분면에 표현하며, 벡터의 시작점이 되는 (0,0)의 기준점은 상대적인 위치이다. 이 시작점은 기준점(reference point)의 위치를 전 주기에 걸쳐 조사한 다음 (0,0)으로부터 가장 최단에 위치하는 점을 운동성의 시작점으로 삼는다. 이 그래프의 표현으로 혈관벽 움직임의 크기와 방향성을 알 수 있다. 도 14는 혈관의 신체 위치에 따른 움직임의 방향성과 크기를 나타낸다.
부연설명하면, 대동맥은 원에 가까운 모양을 하고 있고, 혈관벽의 움직임을 시각화 하려면, 이 원의 표현을 위해, 중심점이 필요 하다. 이 원(혈관벽)을 관통하는 선의 교점을 중심점이며, 여기서, 중심점은 혈관벽의 움직임을 가시화 하기 위한 것으로서, 기준점(reference point)이라고 표현할 수도 있다. 이 기준점의 특성을 보여 주기 위해, 이미지의 순서에 따른 중심점의 거리 이동 변화를 그래프로 나타낼 수 있다. 이 기준점의 이동이 나타내는 의미는, 첫째, 대동맥은 위치의 변화를 가지고 있다는 것이고, 둘째, 혈관벽의 움직임을 가시화 하기 위해서는 대동맥의 위치 변화를 고려해야 한다는 것이다.
다음은 본 발명에서 적용한 타원적합에 대해서 설명한다.
본 발명에서 수의적으로 지정된 혈관벽 후보 점 N개를 등간격으로 보간하기 위하여 Ohad Gel 등이 제안한 최소제곱 타원적합법을 사용하였다. 영상은 하나의 직교좌표계(Caresian coordinate system)로 간주할 수 있으며, 타원적합법은 수학식1과 같이 원뿔 다항식을 이용하여 표현될 수 있다. 즉, 직교좌표의 2변수 x, y의 다항식f(x,y)=0로 정의되는 평면대수곡선에서 f(x,y)=0가 2차식의 경우로 나타내면 다음과 같다.
수학식 1
Figure PCTKR2013004622-appb-M000001
이 중 n 개의 혈관벽 위치 (x1,y1),(x2,y2) … (xn,yn)에서 편향 성분(bias)을 제거하기 위하여, x와 y의 평균값을 각 위치에서 제거를 한 면, 수학식1은 수학식 2와 같은 행렬식으로 나타낼 수 있다.
수학식 2
Figure PCTKR2013004622-appb-M000002
여기에, 편향성분이 제거된 초기 혈관벽 지점을 대입하여, 행렬 A의 계수 a,b,c가 0이 아닌 조건에서 F(A,X)가 최대한 0에 가깝도록 계수 행렬 A를 조정하면, 구하고자하는 타원적합식을 모델링할 수 있다.
상수 f는 1로 설정하고, a,b,c,d,e의 초기 계수는 수학식3을 통해서 산출되었다.
수학식 3
Figure PCTKR2013004622-appb-M000003
산출된 초기 계수에 따라, 작성된 모델의 원뿔다항식에서 타원에서 일정한 기울기(tilt)가 있을 수도 있으므로, 기울기를 제거해주어야 한다. b 가 0이 아닐 경우, 타원모델은 기울기 성분을 가지고 있으므로 이를 제거해주어야 한다. x와 y를 parametric way로 변형할 경우, x = cosθx + sinθy, y = -sinθx + cosθy으로 나타낼 수 있으며, 이는 수학식4와 같다.
수학식 4
Figure PCTKR2013004622-appb-M000004
이 중 기울기가 제거되기 위해선, b에 해당하는 부분의 계수값이 0이 되도록 θ값을 구하여 보정하면 된다. 수학식4를 단순화 시키면 수학식 5와 같고, 기울기를 가지지 않을려면 수학식6을 만족하여야 하고, 이를 수학식 7를 통해 보정하여야할 각도 를 구할 수 있다.
수학식 5
Figure PCTKR2013004622-appb-M000005
수학식 6
Figure PCTKR2013004622-appb-M000006
수학식 7
Figure PCTKR2013004622-appb-M000007
보정해야할 각도를 수학식 5의 각 항에 대입하여 모델의 계수를 수정한다. 이후 등간격으로 타원식의 지점을 도출하기 위해서는 수학식8과 같은 타원식을 만족하도록 타원의 원점(x0,y0), 가로축 반지름과(L)과 세로축 반지름(S)을 구하여, 특정각도 간격으로 분할할 수 있도록 삼각함수를 이용한다.
수학식 8
Figure PCTKR2013004622-appb-M000008
원점의 x축 정보와 y축 정보는 수학식9와 수학식10을 통해서 산출하며, 각축의 반지름은 수학식11과 수학식12를 통해 산출한다.
수학식 9
Figure PCTKR2013004622-appb-M000009
수학식 10
Figure PCTKR2013004622-appb-M000010
수학식 11
Figure PCTKR2013004622-appb-M000011
수학식 12
Figure PCTKR2013004622-appb-M000012
이 후 수학식13, 수학식14와 같이 원점을 기준으로 사용자가 원하는 각도 간격에 따라 특정 각도에 따른 특징점 후보군을 설정하고, 수학식15와 같이 본래 기울기값을 적용하여 등간격으로 분할된 최종 후보점들 (X, Y)를 출력한다.
수학식 13
Figure PCTKR2013004622-appb-M000013
수학식 14
Figure PCTKR2013004622-appb-M000014
수학식 15
Figure PCTKR2013004622-appb-M000015
본 발명은 중심동맥압 측정 시스템과 결합할 수 있으며, 혈관 영상정보가 제공하는 혈관의 지름, 면적, 변형율 등의 분석매개변수와 대동맥 혈압을 결합하여, 대동맥의 국소적인 신전성(distensibility)와 경직도 분석이 가능하다. 즉, 본 발명은 요골동맥파형을 통해 중심동맥압을 전달함수를 통해서 오차범위 내에서 산출이 가능한 시그모코아 시스템(SphygmoCor system)을 더 구비할 수 있으며(도 16 참조), 또한 대동맥 MRI와 중심동맥압을 동시에 측정하여, 정확하고 객관적으로 대동맥 경직도를 반영하는 영상감지시스템을 제공할 수 있다. 시그모코아 시스템은 비관혈중심 혈압 연산 시스템으로서, 압센서를 요골동맥에 경피적으로 가볍게 대는 것만으로 중심 혈압(대동맥기시부) 파형을 해석할 수 있는 시스템으로, 혈관의 딱딱함, 동맥 경화에 의한 심장에 걸리는 부하의 정도 등을 측정가능하다. 시그모코아 시스템은 시판되는 시그모코아 시스템을 사용할 수 있다.
본 발명에서 경동맥 초음파 벽 트래킹 알고리즘(Carotid sono wall tracking algorithm)을 이용한 경동맥 움직임 평가에서, 경동맥 경직도는 비침습적으로 국소적인 경동맥의 경직도를 평가하는데 있어서 사용되는 방법으로, 경동맥의 경직도를 보기 위해 경동맥의 움직임을 추적한다. 그 추적 방법으로 경동맥 초음파 벽 트래킹 알고리즘에서 사용한 방법을 사용한다.
도 16은 본 발명의 경동맥 초음파 벽 트래킹 알고리즘(Carotid sono wall tracking algorithm)의 흐름도이다.
영상 4배 확대단계로, 대조도 증대부(150)에서 영상을 4배 확대하여 대조도(콘트라스트)를 증대시킨다(S100).
가우시안 블러단계로, 초음파 영상의 불균일 특성을 해소하기 위해 영상을 가우시안 블러, 즉(Gaussian 필터, radius 3.0 pixels)를 통해 영상을 매끄럽게 만든다(S110). 이 단계는 설정된 영상부분을 제외한 부분을 가우시안 블러로 초점 흐리게 할 수 았다.
초기 6개점(초기지점) 입력단계로, 기 설정된 초기지점의 수에 따라, 혈관벽을 검출하기 위해 초기지점들을 수동으로 설정하는데, 즉, 여기서는 초기지점의 수가 6개로, 혈관벽을 검출하기 위해서 6개의 초기지점을 수동으로 설정한다.
중심점 검출단계로, 6개의 초기지점이 이루는 원의 중심점을 검출한다(S130).
30개점 추가 보간 삽입단계로, 기 설정된 보간점의 개수만큼, 각 초기 지점들 사이에 등간격의 지점을 선형적인 방법으로 보간 하여 점의 개수를 늘리는데, 여기서는 보간점의 개수가 6으로, 각 초기 지점들 사이에 6개의 등간격의 지점을 선형적인 방법으로 보간 하여 점의 개수를 늘린다(S140). 보간 후 혈관 벽으로 추정하게 되는 점(즉, 혈관벽 추정점)은 모두 36개로 30개의 점이 추가 보간 삽입되었다.
중심점- 대상점 벡터 상의 영상값 추출단계로, 심장의 수축/이완에 따른 혈관의 움직임을 확인하기 위하여 중심점에서 각 대상점(36개)의 방향을 vector 방향으로 한 영상의 그레이 스케일 크기를 중심점부터 대상점까지의 거리의 2배 떨어진 점까지 프로파일링 한다(S150). 여기서, 대상점(혈관벽 추정점)과 중심점의 벡터 상의 영상값(화소값)을 추출한다.
1차 미분을 이용한 혈관벽 검출단계로, 중심점- 대상점 벡터 상의 영상값 추출단계(S150)에서 프로파일링한 영상의 혈관 경계를 찾기 위해, 영상의 그레이 값의 변화량이 큰 값을 미분을 통해 검출한다(S160). 즉, 중심점- 대상점 벡터 상의 영상값 추출단계(S150)의 결과인 프로파일링한 영상을 1차 미분을 행하여, 영상의 그레이 값의 변화량이 큰 값(변화량이 소정 역치값보다 큰 값)을 혈관벽으로 검출한다. 즉, 중심점- 대상점 벡터 상의 영상값 추출단계에서 프로파일링한 혈관영상의 각 연장선 중에서 그레이 값의 변화량이 가장 큰 포인트를 미분을 통해 검출하여 혈관벽 추정점으로 한다.
검출된 혈관벽 평균-분산 검증단계로, 1차 미분을 이용한 혈관벽 검출단계(S160)의 결과인, 미분 결과를 이용해 검출된 36개의 대상점을 평균과 분산을 통해 혈관벽의 모양을 검증한다(S170).
메디안 필터링을 통한 윤곽선 연속성 부여단계로, 경계가 불명확한 부분에서 나타나는 특이점들은 메디안 필터를 통해 제거 후 혈관벽 윤곽선의 연속성을 부여할 수 있는 새로운 대상점을 확보하고, 확보한 대상점을 이용해 다음 프레임의 초기 혈관벽 경계값으로 지정한다(S180).
프레임 간 이동벡터 및 대상점 표시단계(S190)로, 지정된 초기 혈관벽 경계값을 이용해 다시 영상의 경계값을 검출하며, 이전 프레임과 다음 프레임 사이의 혈관벽의 경계값의 이동 벡터를 표시한다.
도 16의 경동맥 초음파 벽 트래킹 알고리즘을 부연설명하면, 혈관벽 추적을 위해 사용한 초음파 영상은 312x343의 크기와 8bit depth의 gray scale 형식이며, 한 심장주기는 12~16개의 프레임으로 나누며, 각 프레임은 초음파 기기의 빔 포밍 방식에 의한 초음파 영상의 특징을 그대로 가지고 있다. 특히 혈관내부와 혈관벽의 경계가 모호한 국소적인 부위가 있으며 혈관내부와 혈관벽 경계가 임계값을 통한 획일적인 검출이 불가능하다. 첫 프레임에서 검출한 혈관벽의 경계점을 기준으로 다음 프레임의 혈관벽 경계점이 움직이는 것을 추적한다. 혈관벽 추적을 위해 사용한 각 영상을 확대한 이유는 원 영상의 혈관벽 움직임의 변화량이 너무 작기 때문이다. 초음파 영상의 불균일 특성을 해소하기 위해 영상을 Gaussian 필터(radius 3.0 pixels)를 통해 영상을 매끄럽게 만든다. 사용자는 혈관벽의 경계가 되는 6개의 점을 지정한다. 이 점을 통해 혈관의 중심점을 계산하고 이 중심점과 지정된 6개의 점을 이용하여 30개의 점을 추가 보간 삽입한다. 도 17은 본 발명에서 6개 대상점 선정의 일례이며, 도 18은 본 발명에서 보간을 통한 36개 대상점 선정의 일례이다.
심장의 수축/이완에 따른 혈관의 움직임을 확인하기 위하여 중심점에서 각 대상점(36개)의 방향을 vector 방향으로 한 영상의 그레이 스케일 크기를 중심점부터 대상점까지의 거리의 2배 떨어진 점까지 프로파일링 한다. 프로파일링한 영상의 혈관 경계를 찾기 위해 영상의 그레이 값의 변화량이 큰 값을 미분을 통해 검출한다. 도 19는 본 발명에서 영상의 그레이 값(파란색) 및 그 미분 결과(빨간색)의 일례이다.
미분 결과만을 이용한 혈관벽을 검출하는 것은 초음파 영상에 국소적으로 경계가 불명확한 부분과 영상의 그레이 스케일 값의 변화가 균일하지 않기 때문에 유의하지 않는다. 영상의 그레이 값을 미분을 통해 유의한 결과를 얻어 낼 때 실제 혈관벽이 움직일 수 있는 영역을 크게 벗어나지 않게 미분 결과를 확인하는 영역을 한정시킨다. 수정된 미분 결과를 이용해 검출 된 36개의 대상점을 평균과 분산을 통해 혈관벽의 모양을 검증한다. 경계가 불명확한 부분에서 나타나는 특이점들은 메디안 필터를 통해 제거 후 혈관벽 윤곽선의 연속성을 부여 할 수 있는 새로운 대상점을 확보한다. 확보한 대상점을 이용해 다음 프레임의 초기 혈관벽 경계값으로 지정한다. 지정된 초기 혈관벽 경계값을 이용해 다시 영상의 경계값을 검출한다. 이전 프레임과 다음 프레임 사이의 혈관벽의 경계값의 이동 vector를 표시한다. 도 20은 본 발명에서 최종 혈관벽 움직임 벡터 검출의 일례이다.
본 발명에서 혈관벽 움직임은 혈관벽 추정점의 운동 방향성과 크기를 벡터로 표현이 가능하다. 또한, 이 크기의 움직임과 방향성은 점의 개별적인 움직임을 벡터로 표현하거나 혹은 일정 속도, 사용자가 지정한 범위에 들어오는 크기별로 그룹화가 가능하다. 이 그룹화의 시각적 분별성을 위하여 색깔을 입혀서 표현할 수 있다. 그룹화 가능 단계는 혈관벽 추정 점의 개수와 사용자의 지정 범위에 따라 여러 가지의 조합이 가능하다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 이는 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명의 사상은 아래에 기재된 특허청구범위에 의해서만 파악되어야 하고, 이의 균등 또는 등가적 변형 모두는 본 발명 사상의 범주에 속한다고 할 것이다.
본 발명의 측정방법은 MDCT, MR, 초음파 혈관 영상을 이용한 진단 및 치료에 적용이 가능하여, 심혈관 조영 영상에서의 대동맥의 움직임 평가, 혈관벽 움직임의 전역적 및 국소적인 평가, 혈관 단면 이미지 평가를 통한, 정상/비정상 혈관의 구분이 가능하며, 혈관벽 움직임의 동적인 분석을 통해, 질환의 유무를 조기에 판별이 가능하며, 대동맥 이외의 혈관 단면 영상에 대한 평가도 가능하다.

Claims (17)

  1. 심전도 신호에 트리거되어 검출된 단면 혈관영상으로부터 혈관벽을 추정하여 혈관의 움직임을 추정하는, 혈관영상의 움직임 추정장치에 있어서,
    MDCT영상 검출부 또는 MRI영상 검출부 또는 초음파영상 검출부 중 어느 하나로부터, 심전도 검출부에 의해 검출된 심전도 신호에 의해 트리거된 혈관영상을 수신하는 데이터 수집부;
    데이터 수집부에서 수신된 혈관영상을 확대하여 대조도(콘트라스트)를 증대시키는 대조도 증대부;
    대조도 증대부에서 출력된 혈관영상으로부터 허프 변환(Hough transform)을 이용하여 혈관 분절을 추정하는 혈관 추정부;
    혈관 추정부에서 출력된 혈관영상을 메디안 필터링을 행하는 영상 스케일링부;
    영상 스케일링부에서 수신된 혈관영상으로부터 혈관벽의 초기 예측지점을 마킹하고, 마킹된 초기 예측지점을 보간한 후, 선 프로파일링을 행하여 혈관벽을 추정하는 혈관벽 추정부;
    를 포함하여 이루어진 것을 특징으로 하는 혈관영상의 움직임 추정장치.
  2. 제1항에 있어서,
    혈관벽 추정부에서 출력되는 혈관영상들로부터, 시간 순서에 의한 프레임변화에 따른 대동맥벽의 움직임을 검출하는 모션 트랙킹부;
    모션 트랙킹부의 결과로부터, 프레임들에 대해 혈관벽의 경계점의 변화 크기를 누적한 그래프를 그린 후 각 혈관벽의 경계점의 평균 이동량을 산출하여, 기 설정된 기준 프레임 상의 각 혈관벽의 경계점에, 평균 이동량을 선분의 형태로, 나타내어, 속도(velocity)를 매핑하는 속도 매핑부;
    를 더 포함하여 이루어진 것을 특징으로 하는 혈관영상의 움직임 추정장치.
  3. 제2항에 있어서, 속도 매핑부는,
    각 혈관벽의 경계점의 평균 이동량들에 대해, 많이 움직인 혈관벽의 경계점부터 적게 움직인 혈관벽의 경계점까지 순위별로 정렬하고, 혈관벽 움직임양을 상위 30%, 중위 30%, 하위 40%로 나누어, 상기 상위, 중위, 하위에 따라 선분의 색을 서로 다른 색상으로 나타낸 것을 특징으로 하는 혈관영상의 움직임 추정장치.
  4. 제2항에 있어서, 혈관벽 추정부는,
    영상 스케일링부에서 수신된 혈관영상으로부터 기설정된 초기 예측지점 개수에 따라 마킹된 초기 예측지점들을 읽어들이는 초기 예측지점 마킹부;
    초기 예측지점 마킹부에서 출력된 혈관영상에서 마킹된 초기 예측지점을 타원적합을 수행하여 초기 예측지점들 사이에 보간을 위한 포인트들을 등간격으로 삽입하는 초기 예측지점의 보간부;
    초기 예측지점의 보간부에서 출력된 혈관영상으로부터, 초기 예측지점들과 보간된 포인트들도 이루어진 혈관벽 추징점에서, 혈관 벽의 안쪽에서 바깥쪽으로 향하는 선을 그려서 선 프로파일을 나타내고 선 프로파일로 나타내진 선의 화소값을 이용하여 혈관벽 경계점을 정하여, 혈관 벽 경계를 추정하는 혈관벽 경계 추정부;
    를 포함하여 이루어진 것을 특징으로 하는 혈관영상의 움직임 추정장치.
  5. 제3항에 있어서, 혈관벽 추정부는,
    혈관벽 경계 추정부에서 출력된 혈관영상들에서, 프레임변화에 따른 특정 혈관(대동맥) 벽의 움직임을 검출하는 모션 트랙킹을 순차적으로 행하는 순차 트랙킹부를 더 포함하여 이루어진 것을 특징으로 하는 혈관영상의 움직임 추정장치.
  6. 제1항 내지 제4항 중 어느 한 항에 있어서,
    혈관영상은 대동맥 영상, 경동맥 영상, 요골동맥 영상 중 어느 하나 인 것을 특징으로 하는 혈관영상의 움직임 추정장치.
  7. 제4항에 있어서, 혈관벽 경계 추정부는,
    선 프로파일의 선상의 픽셀의 화소값으로 밝기 정보 그래프의 기울기를 구하고, 상기 기울기 값의 변화가 기 설정된 역치값을 기준으로 혈관벽 경계점을 구하는 것을 특징으로 하는 혈관영상의 움직임 추정장치.
  8. 심전도 신호에 트리거된 혈관영상으로부터 혈관벽을 추정하여 혈관의 움직임을 추정하는, 혈관영상의 움직임 추정방법에 있어서,
    MDCT영상 검출부 또는 MRI영상 검출부 또는 초음파영상 검출부 중 어느 하나로부터, 심전도 검출부에 의해 검출된 심전도 신호에 의해 트리거된 혈관영상을 수신하는 데이터 수집단계;
    데이터 수집단계에서 수신된 혈관영상을 확대하여 대조도(콘트라스트)를 증대시키는 대조도 증대단계;
    대조도 증대단계에서 출력된 혈관영상으로부터 허프 변환(Hough transform)을 이용하여 혈관 분절을 추정하는 혈관 분절 추정단계;
    혈관 분절 추정단계에서 출력된 혈관영상을 메디안 필터링을 행하는 영상 스케일링 단계;
    영상 스케일링단계에서 수신된 혈관영상으로부터 선프로파일링을 이용하여 혈관벽 경계점을 구하여, 혈관벽을 추정하는 혈관벽 추정단계;
    혈관벽 추정단계에서 출력되는 혈관영상들로부터, 시간 순서에 의한 프레임변화에 따른 대동맥벽의 움직임을 검출하는 모션 트랙킹 단계;
    모션 트랙킹단계의 결과로부터, 모든 프레임에 대해 혈관벽의 경계점의 변화 크기를 누적하여 속도(velocity)를 매핑하는 속도 매핑단계;
    를 포함하여 이루어진 것을 특징으로 하는 혈관영상의 움직임 추정방법.
  9. 제8항에 있어서, 속도 매핑단계는,
    프레임들에 대해 혈관벽의 경계점의 변화 크기를 누적한 그래프를 그린 후 각 혈관벽의 경계점의 평균 이동량을 산출하여, 기 설정된 기준 프레임에, 혈관벽의 경계점 위에, 평균 이동량을 선분의 형태로 나타내는 것을 특징으로 하는 혈관영상의 움직임 추정방법.
  10. 제9항에 있어서, 평균 이동량을 나타낸 선분은,
    평균 이동량에 대해 많이 움직인 혈관벽의 경계점부터 적게 움직인 혈관벽의 경계점까지 순위별로 정렬하였을 때, 혈관벽 움직임양을 상위 30%, 중위 30%, 하위 40%에 따라 선분의 색을 서로 다른 색상으로 나타낸 것을 특징으로 하는 혈관영상의 움직임 추정방법.
  11. 제8항에 있어서, 혈관벽 추정단계는,
    영상 스케일링단계에서 수신된 혈관영상으로부터 기설정된 초기 포인트 개수에 따라 초기 예측지점들을 마킹하는 초기 포인트 마킹단계;
    초기 포인트 마킹단계에서 출력된 혈관영상에서 마킹된 초기 예측지점을 타원적합을 수행하고, 초기 예측지점들 사이에 보간을 위한 포인트들을 등간격으로 삽입하는 초기 포인트의 보간단계;
    초기 포인트의 보간단계에서 출력된 혈관영상으로부터, 초기 예측지점들과 보간된 포인트들도 이루어진 혈관벽 추징점에서, 혈관 벽의 안쪽에서 바깥쪽으로 향하는 선을 그려서 선 프로파일을 나타내고 선 프로파일로 나타내진 선의 화소값을 이용하여 혈관벽 경계점을 정하여, 혈관 벽 경계를 추정하는 혈관벽 경계 추정단계;
    혈관벽 경계 추정단계에서 출력된 혈관영상들에서, 프레임변화에 따른 특정 혈관(대동맥) 벽의 움직임을 검출하는 모션 트랙킹을 순차적으로 행하는 순차 트랙킹단계;
    를 포함하여 이루어진 것을 특징으로 하는 혈관영상의 움직임 추정방법.
  12. 혈관영상으로부터 혈관벽을 추정하여 혈관의 움직임을 추정하는 혈관영상의 움직임 추정장치에서의 혈관영상의 움직임 추정방법에 있어서,
    심장 주기와 동조화된 혈관 영상 또는 시간 순서에 따라 촬영된 DICOM 형식의 혈관영상을 읽어들이는, 영상의 전처리 단계;
    영상의 전처리 단계로부터 출력된 혈관영상에서 사용자의 설정에 의해 또는 허프 변환(Hough transform)을 이용해, 관심 영역인 특정 혈관 영역을 추출하는, 관심 영역의 추출단계;
    관심 영역의 추출단계에서 출력된 혈관영상으로부터 혈관벽의 초기 예측지점을 마킹하고, 마킹된 초기 예측지점을 타원적합을 수행하여, 마킹된 초기 예측지점을 등간격 보간한 후, 선 프로파일링을 행하여 혈관벽을 추정하는, 혈관벽 추정단계;
    혈관벽 추정단계로부터 출력된 혈관영상으로부터, 시간 순서에 의한 프레임변화에 따른 대동맥벽의 움직임을 검출하는 모션 트랙킹을 행하여, 혈관의 수축 시점의 혈관벽을 기준으로 하여, 혈관의 확장 시점까지 매 프레임마다 혈관 벽 점과 혈관 벽 점을 이어 나타내는, 혈관의 운동성 추정 도시화 단계;
    를 포함하여 이루어진 것을 특징으로 하는 혈관영상의 움직임 추정방법.
  13. 제12항에 있어서, 영상의 전처리 단계는,
    상기 DICOM 형식의 의료 영상을 그레이 스케일(gray scale)의 영상으로 변환하는 것을 특징으로 하는 혈관영상의 움직임 추정방법.
  14. 제12항에 있어서, 혈관벽 추정단계는
    관심 영역의 추출단계에서 출력된 혈관영상에 등간격으로 마킹된 초기 포인트들을 구비한 혈관영상을 읽어들이는 초기 포인트 마킹단계;
    초기 포인트 마킹단계에서 출력된 혈관영상으로부터 초기 예측지점을 타원적합을 수행하고 초기 포인트들 사이에 보간을 위한 보간 포인트들을 등간격으로 삽입하는 초기 포인트의 보간단계;
    초기 포인트의 보간단계에서 출력된 혈관영상으로부터 초기 포인트와 보간 포인트가 이루는 혈관벽 추정점들과 중심점을 지나는 연장선을 그리는 선 프로파일링 단계;
    선 프로파일링 단계에서 출력된 혈관영상으로부터, 화소값의 변화가 기 설정된 역치값과 비교하여, 혈관 벽 경계를 추정하는 혈관벽 경계 추정단계;
    혈관벽 경계 추정단계에서 출력된 영상은 이동평균(moving average)에 의해 평활화(smoothing)를 행하는 평활화단계;를 포함하는 것을 특징으로 하는 혈관영상의 움직임 추정방법.
  15. 제14항에 있어서,
    혈관의 운동성 추정 도시화 단계는, 중점에서 혈관벽 추정점들의 집합이 가장 가까운 프레임을 혈관의 수축 시점으로 설정되며, 중점에서 혈관벽 추정점들의 집합이 가장 먼 프레임을 혈관의 확장 시점으로 설정되는 것을 특징으로 하는 혈관영상의 움직임 추정방법.
  16. 제8항 내지 제15항 중 어느 한 항에 있어서,
    혈관영상은 경동맥, 대동맥, 관상동맥 중 어느 하나의 영상인 것을 특징으로 하는 혈관영상의 움직임 추정방법.
  17. 청구항 제8항 내지 제15항, 제16항 중 어느 한 항의 혈관영상의 움직임 추정방법에 대한 컴퓨터 프로그램 소스를 저장한 기록매체.
PCT/KR2013/004622 2013-05-28 2013-05-28 혈관영상에서의 움직임 추정 방법 및 그 장치 WO2014192990A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/KR2013/004622 WO2014192990A1 (ko) 2013-05-28 2013-05-28 혈관영상에서의 움직임 추정 방법 및 그 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/KR2013/004622 WO2014192990A1 (ko) 2013-05-28 2013-05-28 혈관영상에서의 움직임 추정 방법 및 그 장치

Publications (1)

Publication Number Publication Date
WO2014192990A1 true WO2014192990A1 (ko) 2014-12-04

Family

ID=51988997

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2013/004622 WO2014192990A1 (ko) 2013-05-28 2013-05-28 혈관영상에서의 움직임 추정 방법 및 그 장치

Country Status (1)

Country Link
WO (1) WO2014192990A1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108175504A (zh) * 2017-11-27 2018-06-19 北京理工大学 血管介入手术导管/导丝轴向操作位移检测装置及方法
CN112674736A (zh) * 2021-01-08 2021-04-20 博动医学影像科技（上海）有限公司 一种用于自动评价血管形变的监测显示方法及***
CN113538618A (zh) * 2021-08-30 2021-10-22 复旦大学附属中山医院 多模态多对比度医学图像的快速曲面重建方法及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002200052A (ja) * 2000-12-28 2002-07-16 Fukuda Denshi Co Ltd 血管内皮機能測定装置
JP2004201730A (ja) * 2002-12-24 2004-07-22 Hitachi Ltd 複数方向の投影映像を用いた３次元形状の生成方法
JP2005198708A (ja) * 2004-01-13 2005-07-28 Toshiba Corp 血管狭窄率解析装置及び血管狭窄率解析方法
US20110125034A1 (en) * 2009-11-26 2011-05-26 Nihon Kohden Corporation Vessel wall monitoring apparatus
JP2012110527A (ja) * 2010-11-25 2012-06-14 Toshiba Corp 超音波診断装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002200052A (ja) * 2000-12-28 2002-07-16 Fukuda Denshi Co Ltd 血管内皮機能測定装置
JP2004201730A (ja) * 2002-12-24 2004-07-22 Hitachi Ltd 複数方向の投影映像を用いた３次元形状の生成方法
JP2005198708A (ja) * 2004-01-13 2005-07-28 Toshiba Corp 血管狭窄率解析装置及び血管狭窄率解析方法
US20110125034A1 (en) * 2009-11-26 2011-05-26 Nihon Kohden Corporation Vessel wall monitoring apparatus
JP2012110527A (ja) * 2010-11-25 2012-06-14 Toshiba Corp 超音波診断装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108175504A (zh) * 2017-11-27 2018-06-19 北京理工大学 血管介入手术导管/导丝轴向操作位移检测装置及方法
CN108175504B (zh) * 2017-11-27 2023-09-05 深圳市爱博医疗机器人有限公司 血管介入手术导管/导丝轴向操作位移检测装置及方法
CN112674736A (zh) * 2021-01-08 2021-04-20 博动医学影像科技（上海）有限公司 一种用于自动评价血管形变的监测显示方法及***
CN113538618A (zh) * 2021-08-30 2021-10-22 复旦大学附属中山医院 多模态多对比度医学图像的快速曲面重建方法及存储介质

Similar Documents

Publication Publication Date Title
KR101334064B1 (ko) 혈관영상에서의 움직임 추정 방법 및 그 장치
US8840557B2 (en) Ultrasonic apparatus for measuring a labor progress parameter
US5820561A (en) Analysis and measurement of temporal tissue velocity information
JP4060615B2 (ja) 画像処理装置及び超音波診断装置
US8840555B2 (en) System and method of ultrasound image processing
US8659603B2 (en) System and method for center point trajectory mapping
US20040143189A1 (en) Method and apparatus for quantitative myocardial assessment
EP2026280A1 (en) Method and corresponding apparatus for quantitative measurements on sequences of images, particularly ultrasonic images
JP2002140690A (ja) 医用画像処理装置及びその方法
Soleimani et al. Carotid artery wall motion estimation from consecutive ultrasonic images: Comparison between block-matching and maximum-gradient algorithms
WO2014192990A1 (ko) 혈관영상에서의 움직임 추정 방법 및 그 장치
Storve et al. Realtime automatic assessment of cardiac function in echocardiography
Jacob et al. Quantitative regional analysis of myocardial wall motion
JP4619112B2 (ja) 毛形状の測定方法
WO2012033349A2 (ko) 초음파 영상을 이용한 경동맥 혈관의 내막두께와 중막두께의 비율 측정방법
US20100081932A1 (en) Ultrasound Volume Data Processing
CN115886717A (zh) 一种眼裂宽度的测量方法、装置和存储介质
CN103099622A (zh) 一种基于图像的身体稳定性评价方法及装置
WO2015126023A1 (ko) 의료 영상에서 관심 부위 검출/선택 방법 및 이를 적용한 시스템
CN110916724A (zh) 一种基于闭环最短路径的b超图像胎儿头围检测方法
JP7287686B2 (ja) 関節位置取得装置及び方法
WO2021251776A1 (ko) Ct 영상에서의 종양 추적 방법 및 이를 이용한 진단 시스템
Wang et al. Evaluation of retinal sfs reconstruction with oct images
JP4670054B2 (ja) 超音波診断装置
US20220031285A1 (en) Ultrasonic diagnostic apparatus and storage medium

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 13885682

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 13885682

Country of ref document: EP

Kind code of ref document: A1