KR100283106B1 - 전산화 단층촬영에서 가우시안 함수 근사에 의한 체지방 범위설정 방법 - Google Patents
전산화 단층촬영에서 가우시안 함수 근사에 의한 체지방 범위설정 방법 Download PDFInfo
- Publication number
- KR100283106B1 KR100283106B1 KR1019980045433A KR19980045433A KR100283106B1 KR 100283106 B1 KR100283106 B1 KR 100283106B1 KR 1019980045433 A KR1019980045433 A KR 1019980045433A KR 19980045433 A KR19980045433 A KR 19980045433A KR 100283106 B1 KR100283106 B1 KR 100283106B1
- Authority
- KR
- South Korea
- Prior art keywords
- value
- body fat
- gaussian function
- peak
- range
- Prior art date
Links
- 210000000577 adipose tissue Anatomy 0.000 title claims abstract description 50
- 238000002591 computed tomography Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000007912 intraperitoneal administration Methods 0.000 claims abstract description 19
- 210000004003 subcutaneous fat Anatomy 0.000 claims abstract description 13
- 230000003187 abdominal effect Effects 0.000 claims abstract description 6
- 210000000683 abdominal cavity Anatomy 0.000 claims description 16
- 238000003325 tomography Methods 0.000 abstract description 10
- 238000007920 subcutaneous administration Methods 0.000 description 11
- 239000003925 fat Substances 0.000 description 8
- 208000008589 Obesity Diseases 0.000 description 3
- 210000000579 abdominal fat Anatomy 0.000 description 3
- 235000020824 obesity Nutrition 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 210000004490 abdominal subcutaneous fat Anatomy 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- 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]
-
- 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
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S378/00—X-ray or gamma ray systems or devices
- Y10S378/901—Computer tomography program or processor
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
본 발명은 전산화 단층촬영을 이용하여 체지방을 측정할 때 사용하는 체지방의 범위를 리스트 스퀘어 방법에 의한 가우시안 함수 근사를 통해 자동적으로 설정하기 위한 전산화 단층촬영에서 가우시안 함수 근사에 의한 체지방 범위 설정 방법에 관한 것이다.
본 발명은 전산화 단층촬영을 이용하여 피하지방과 복강내지방의 양을 측정할 때 복강내부와 복강외부를 분리하는 단계와, 상기 분리된 복강내부와 복강외부의 하운스필드 값에 대한 히스토그램을 작성하는 단계와, 상기 작성된 히스토그램을 리스트 스퀘어 방법에 의한 가우시안 함수로 근사하는 단계와, 상기 얻어지는 가우시안 함수의 피크 위치와 너비를 이용하여 체지방의 범위를 설정하는 단계를 포함하여 이루어진 전산화 단층촬영에서 가우시안 함수 근사에 의한 체지방 범위 설정 방법을 제공한다.
Description
본 발명은 전산화 단층촬영을 이용하여 체지방을 측정할 때 사용하는 체지방의 범위를 리스트 스퀘어 방법에 의한 가우시안 함수 근사를 통해 자동적으로 설정하기 위한 전산화 단층촬영에서 가우시안 함수 근사에 의한 체지방 범위 설정 방법에 관한 것이다.
체지방 측정은 비만과 관련하여 중요성이 날로 증가하고 있으며, 여러 가지 체지방 측정 방법이 제안되어 사용되고 있다.
키와 몸무게의 비를 이용하여 비만도를 측정하는 방법이 널리 알려져 있으나 실제 체지방의 양과의 상관관계가 크지 않은 단점이 있다. 또한 전도도를 측정하여 체지방의 양을 측정하는 방법도 있으나, 이 방법은 측정 방법에 따라 전도도의 편차가 심해 정확도가 떨어지는 단점이 있다. 그 외에 허리둘레와 히프둘레의 비를 측정하는 방법도 있으나, 이 방법 또한 실제 체지방의 양과의 상관관계가 크지 않은 단점이 있다. 그리고, 집게에 의해 피하지방의 두께를 재는 방법도 있으나, 방법 자체가 매우 단순하고 체지방의 양을 직접적으로 측정하지 못하여 정확도가 떨어지는 단점을 가지고 있다.
최근에 피하지방과 복강내지방의 비가 비만과 관련한 질병의 지표로 사용되고 있어 피하지방과 복강내지방을 분리하여 측정할 수 있는 방법이 요구되었다. 전산화 단층촬영은 이러한 요구를 충족 시켜주는 수단으로 전산화 단층촬영 영상으로부터 직접적으로 피하지방과 복강내지방의 양을 영상처리를 통하여 분리하여 측정할 수 있다.
전산화 단층촬영은 밀도에 비례하는 하운스필드 값으로 구성된 영상을 제공한다. 공기에 대한 하운스필드 값은 -1000이고 물에 대한 하운스필드 값은 0 이다. 또한, 뼈와 같이 밀도가 높은 물질의 하운스필드 값은 1000이다.
이렇게 구성된 영상으로부터 체지방의 양을 측정하는 방법은 체지방에 해당하는 하운스필드 값의 범위를 주고 그러한 범위에 속하는 복셀의 수를 세어 측정하는 방법이다.
그런데 체지방의 범위에 대한 기준이 모호하여 측정하는 사람에 따라 서로 다른 체지방의 범위를 사용하여 표준적인 범위가 없다. 또한, 사람에 따라 부위에 따라 체지방의 특성이 달라져 서로 다르게 체지방의 범위를 정해주어야 하나 지금까지는 일정한 값을 사용하여 여러 사람, 여러 부위의 체지방을 측정하였다.
따라서, 본 발명은 사람에 따른 특성과 부위에 따른 특성을 고려하여 체지방의 범위를 자동적으로 설정하기 위해, 전산화 단층촬영 영상의 하운스필드 값의 히스토그램을 얻고 이것을 리스트 스퀘어 방법으로 가우시안 함수로 근사하여, 얻어지는 체지방 히스토그램 피크의 위치와 너비로부터 체지방의 범위를 정하도록 함으로써, 상기한 단점을 해소할 수 있는 전산화 단층촬영에서 가우시안 함수 근사에 의한 체지방 범위 설정 방법을 제공하는 데 그 목적이 있다.
상술한 목적을 달성하기 위한 본 발명에 따른 전산화 단층촬영에서 가우시안 함수 근사에 의한 체지방 범위 설정 방법은 전산화 단층촬영을 이용하여 피하지방과 복강내지방의 양을 측정할 때 복강내부와 복강외부를 분리하는 단계와, 상기 분리된 복강내부와 복강외부의 하운스필드 값에 대한 히스토그램을 작성하는 단계와, 상기 작성된 히스토그램을 리스트 스퀘어 방법에 의한 가우시안 함수로 근사하는 단계와, 상기 얻어지는 가우시안 함수의 피크 위치와 너비를 이용하여 체지방의 범위를 설정하는 단계를 포함하여 이루어진 것을 특징으로 한다.
도 1은 본 발명에 따른 전산화 단층촬영에서 가우시안 함수 근사에 의한 체지방 범위 설정 방법을 설명하기 위해 도시한 흐름도.
도 2는 전산화 단층촬영 영상 및 히스토그램 그래프.
도 3은 하운스필드 범위를 좁혀 대조도를 높인 전산화 단층촬영 영상 및 히스토그램 그래프.
도 4는 하운스필드 값이 200에서 40 사이에 있는 픽셀을 같은 값으로 변환한 후 전산화 단층촬영 영상 및 히스토그램 그래프.
도 5는 피하부분을 같은 하운스필드 값을 갖는 픽셀부분으로 분리한 후 전산화 단층촬영 영상 및 히스토그램 그래프.
도 6은 이분화를 통하여 복강내부와 피하부분을 분리한 후 전산화 단층촬영 영상 및 히스토그램 그래프.
도 7은 원 영상을 이용하여 복강내부 부분을 복원한 후 전산화 단층촬영 영상 및 히스토그램 그래프.
도 8은 복강내부와 피하부분의 하운스필드 값에 대한 히스토그램 그래프.
도 9는 여러 사람에 대하여 복강내부(+)와 피하부분(◇)의 가우시안 함수 피크의 위치를 나타낸 도면.
도 10은 여러 사람에 대하여 복강내부(+)와 피하부분(◇)의 가우시안 함수 피크의 너비를 나타낸 도면.
이하, 첨부된 도면을 참조하여 본 발명을 상세히 설명하기로 한다.
도 1은 본 발명에 따른 전산화 단층촬영에서 가우시안 함수 근사에 의한 체지방 범위 설정 방법을 설명하기 위해 도시한 흐름도로서, 도 2 내지 도 10을 참조하여 상세히 설명하면 다음과 같다.
도 1에 나타낸 본 발명의 흐름도와 같이 우선 전산화 단층촬영을 통해 체지방을 측정하려는 사람의 단층영상을 얻는다(101). 도 2에 전산화 단층촬영 영상의 한 예를 나타내었다. 이렇게 얻어진 단층영상은 밀도에 비례하는 하운스필드 값으로 구성된 영상이다. 하운스필드 값은 공기에 대하여 -1000의 값을 주고 물에 대하여 0의 값을 주고 뼈와 같이 밀도가 높은 물질에 대하여는 1000의 값을 준다.
복강내지방과 피하지방의 양을 분리하여 측정하기 위해 전산화 단층영상에서 복강부분과 피하부분을 분리한다(102). 복강과 피하를 분리하기 위하여 하운스필드 값의 범위를 -1000 에서 1000까지를 -200에서 100까지로 좁혀 도 3과 같이 대조도가 높은 영상을 얻는다(11). 이렇게 얻은 영상에서 도 4와 같이 하운스필드 값이 -200에서 -40사이에 있는 픽셀을 같은 값으로 칠한다(12). 이렇게 하면 피하지방 부분이 하나의 덩어리로 뭉치게 된다(13). 도 5와 같이 피하지방을 같은 값으로 연결된 부분으로 분리하여 복강내부와 피하부분을 분리한다. 이렇게 얻은 영상에 도 6과 같이 이분화를 실시하여 복강내부와 피하부분을 완전히 분리한다(14). 이렇게 분리된 영상에서 복강내부 부분을 원래 영상을 이용하여 복원하면 도 7과 같이 복강내부만의 영상을 얻는다(15). 피하부분의 영상은 원래 영상에서 도 7에서 얻은 내부만의 영상을 빼면 얻을 수 있다(16).
피하지방과 복강내지방의 범위를 설정하기 위하여 위와 같은 방식으로 얻은 복강내부의 영상과 피하부분의 영상에서 하운스필드 값의 히스토그램을 얻는다(103). 히스토그램은 각 하운스필드 값에 해당하는 픽셀의 수를 나타내는데 도 8에 복강내부와 복강외부에서의 히스토그램을 나타내었다. 도 8에서 볼 수 있듯이 복강내부와 복강외부의 히스토그램은 각각 하나의 피크를 갖는다. 피크의 위치는 각 지방에 해당하는 하운스필드 값을 나타낸다.
이 피크를 리스트 스퀘어 방법을 사용하여 가우시안 함수로 근사한다(104). 가우시안 함수로 근사하는 이유는 체지방이 순수한 지방으로 이루어진 것이 아니라 근육, 공기, 물 등 다른 여러가지 이물질들이 섞여있기 때문이다. 즉, 순수한 지방에 다른 이물질이 임의로 섞여있다고 가정하면 체지방의 밀도 분포가 어떤 밀도를 기준으로 정상분포를 할 것으로 기대할 수 있다. 즉, 체지방의 밀도 분포가 가우시안 함수로 나타날 것을 기대할 수 있다.
가우시안 함수로 근사시 사용하는 데이터의 범위는 두 개의 문턱치 사이의 값으로 결정한다. 아래 문턱치는 하운스필드 값 -200으로 설정한다(17). 위 문턱치는 다음과 같은 방법에 의하여 설정한다. 먼저 하운스필드 값이 -200에서 0사이에서 피크를 찾는다(18). 피크가 찾아지면 찾아진 피크 값의 50%에 해당하는 값을 피크의 위치에서부터 하운스필드 값을 0까지 증가시키면서 찾는다. 해당하는 값이 있으면 그 값을 위 문턱치로 사용한다(19). 해당하는 값이 없으면 피크의 60%에 해당하는 값을 같은 방법으로 찾는다. 해당하는 값이 있으면 그 값을 위 문턱치로 사용한다(20). 60%에 해당하는 값이 없으면 70%에 해당하는 값을 찾고(21), 70%에 해당하는 값이 없으면 80%(22), 80%에 해당하는 값이 없으면 90%에 해당하는 값을 찾는다(23). 90%에 해당하는 값이 없으면 피크의 위치를 위 문턱치로 사용한다(24).
이와 같은 방법으로 얻은 히스토그램 데이터를 리스트 스퀘어 방법을 사용하여 가우시안 함수로 근사한다. 도 8에 근사한 가우시안 함수를 보인다. 도 8에서 볼 수 있듯이 히스토그램이 가우시안 함수로 잘 근사됨을 알 수 있다.
이렇게 하여 얻은 가우시안 함수의 피크 위치와 피크의 너비를 사용하여 체지방의 범위를 체지방의 범위=(피크의 위치-1.5 x피크의 너비, 피크의 위치+1.5 x피크의 너비)(25)으로 설정한다(105).
상술한 바와 같이 본 발명의 구체적인 실시 예를 보였는데 여기에 사용한 수치들은 전산화 단층촬영 영상에 따라 달라질 수 있다. 본 발명에서 중요한 것은 전산화 단층촬영 영상에서 체지방을 잴 때 체지방의 범위를 설정해 주어야 하는데 지금까지는 특정한 범위, 예를 들면 -200 에서 -50까지 라든지 -250에서 -10까지 라든지 하는 식으로 일률적으로 설정하였다. 또한 설정하는 값도 여러가지가 사용되어 표준적인 설정 방법이 없었다. 본 발명에서는 이러한 문제점을 해결하는 방법으로 체지방의 히스토그램을 가우시안 함수로 근사하여 얻어지는 피크의 위치와 너비를 사용하여 체지방을 설정하는 방법을 제안하였다.
이상에서 설명한 본 발명은 본 발명이 속하는 기술분야에서 통상의 지식을 가진자에 있어 본 발명의 기술적 사상을 벗어나지 않는 범위내에서 여러 가지 치환, 변형 및 변경이 가능함으로 전술한 실시 예 및 첨부된 도면에 한정되는 것이 아니다.
이러한 방법을 사용하면 사람에 따른, 부위에 따른 체지방의 특성을 고려하여 체지방의 범위를 정할 수 있다. 도 9에 사람에 따른 복강내지방과 피하지방에 대한 가우시안 함수 근사에서 얻어진 피크의 위치를 나타내었다. 여기서 볼 수 있듯이 사람에 따라서 피크의 위치가 다름을 알 수 있다. 즉, 사람에 따라 체지방의 밀도가 다름을 알 수 있다. 도 10은 사람에 따른 복강내지방과 피하지방에 대한 가우시안 함수 근사에서 얻어진 피크의 너비를 나타내었다. 여기서 볼 수 있듯이 사람에 따라서 피크의 너비가 다름을 알 수 있다. 즉, 사람에 따라 체지방의 밀도 분포가 서로 다름을 알 수 있다. 또한 도 9와 도 10에서 볼 수 있듯이 피하지방과 복강내지방에 대해 피크의 위치와 너비가 다름을 알 수 있다. 즉, 부위에 따라 체지방의 특성이 서로 다름을 알 수 있다.
Claims (4)
- 전산화 단층촬영을 이용하여 피하지방과 복강내지방의 양을 측정할 때 복강내부와 복강외부를 분리하는 단계와,상기 분리된 복강내부와 복강외부의 하운스필드 값에 대한 히스토그램을 작성하는 단계와,상기 작성된 히스토그램을 리스트 스퀘어 방법에 의한 가우시안 함수로 근사 하는 단계와,상기 얻어지는 가우시안 함수의 피크 위치와 너비를 이용하여 체지방의 범위를 설정하는 단계를 포함하여 이루어진 것을 특징으로 하는 전산화 단층촬영에서 가우시안 함수 근사에 의한 체지방 범위 설정 방법.
- 제 1 항에 있어서,상기 복강내부와 복강외부를 분리할 때는 하운스필드 값의 범위를 좁혀 대조도가 높은 영상을 얻는 단계와,상기 얻어진 영상에서 하운스필드 값이 -200에서 -40사이에 있는 픽셀을 선택하는 단계와,피하지방 부분의 픽셀을 선택하는 단계와,이분화를 통한 상기 복강내부와 복강외부를 완전히 분리하는 단계와,상기 분리된 영상에서 상기 복강내부 부분을 원래 영상을 이용해 복원하는 단계와,상기 분리된 영상에서 상기 복강내부 부분을 뺀 상기 복강외부 부분을 원래 영상을 이용해 복원하는 단계를 포함하여 이루어진 것을 특징으로 하는 전산화 단층촬영에서 가우시안 함수 근사에 의한 체지방 범위 설정 방법.
- 제 1 항에 있어서,상기 리스트 스퀘어 방법으로 가우시안 함수로 근사할 때 사용하는 히스토그램 데이터는 하운스필드 값이 -200 에서 문턱치 까지인 히스토그램 데이터를 사용하며, 먼저 하운스필드 값이 -200에서 0사이인 히스토그램의 피크를 찾는 단계와,상기 피크가 찾아지면 찾아진 피크의 위치와 하운스필드 0 사이에서 피크값의 50%에 해당하는 값을 찾아 그 값을 문턱치로 사용하고, 50%에 해당하는 값이 없으면 60%, 60%에 해당하는 값이 없으면 70%, 70%에 해당하는 값이 없으면 80%, 80%에 해당하는 값이 없으면 90%, 그리고, 90%에 해당하는 값이 없으면 피크의 위치를 문턱치 값으로 사용하는 단계를 포함하여 이루어진 것을 특징으로 하는 전산화 단층촬영에서 가우시안 함수 근사에 의한 체지방 범위 설정 방법.
- 제 1 항에 있어서,상기 가우시안 함수의 피크 위치와 피크의 너비를 사용하여 설정하는 체지방의 범위는 체지방의 범위=(피크의 위치 -1.5 x 피크의 너비, 피크의 위치 +1.5 x 피크의 너비)로 이루어진 것을 특징으로 하는 전산화 단층촬영에서 가우시안 함수 근사에 의한 체지방 범위 설정 방법.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1019980045433A KR100283106B1 (ko) | 1998-10-28 | 1998-10-28 | 전산화 단층촬영에서 가우시안 함수 근사에 의한 체지방 범위설정 방법 |
US09/419,486 US6278761B1 (en) | 1998-10-28 | 1999-10-15 | Method of establishing range of somatic fat by Gaussian function approximation in computerized tomography |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1019980045433A KR100283106B1 (ko) | 1998-10-28 | 1998-10-28 | 전산화 단층촬영에서 가우시안 함수 근사에 의한 체지방 범위설정 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20000027488A KR20000027488A (ko) | 2000-05-15 |
KR100283106B1 true KR100283106B1 (ko) | 2001-03-02 |
Family
ID=19555822
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1019980045433A KR100283106B1 (ko) | 1998-10-28 | 1998-10-28 | 전산화 단층촬영에서 가우시안 함수 근사에 의한 체지방 범위설정 방법 |
Country Status (2)
Country | Link |
---|---|
US (1) | US6278761B1 (ko) |
KR (1) | KR100283106B1 (ko) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6990222B2 (en) * | 2001-11-21 | 2006-01-24 | Arnold Ben A | Calibration of tissue densities in computerized tomography |
US8649843B2 (en) * | 2001-11-24 | 2014-02-11 | Ben A. Arnold | Automated calcium scoring of the aorta |
WO2003046833A2 (en) * | 2001-11-24 | 2003-06-05 | Image Analysis, Inc. | Automatic detection and quantification of coronary and aortic calcium |
CN1767788B (zh) * | 2003-04-08 | 2012-05-30 | 株式会社日立医药 | 医用图像诊断支援装置及方法 |
US20070260151A1 (en) * | 2006-05-03 | 2007-11-08 | Clifford Gari D | Method and device for filtering, segmenting, compressing and classifying oscillatory signals |
US8186880B1 (en) | 2008-11-27 | 2012-05-29 | Arnold Ben A | Extended and fixed INTable simultaneously imaged calibration and correction methods and references for 3-D imaging devices |
US8649577B1 (en) | 2008-11-30 | 2014-02-11 | Image Analysis, Inc. | Automatic method and system for measurements of bone density and structure of the hip from 3-D X-ray imaging devices |
US8517608B1 (en) | 2011-08-03 | 2013-08-27 | Ben A. Arnold | System and method for calibration of CT scanners and display of images in density units without the use of water phantoms |
US8611624B2 (en) * | 2012-03-19 | 2013-12-17 | Wisconsin Alumni Research Foundation | Method for adipose tissue quantification with magnetic resonance imaging |
TW201736865A (zh) * | 2016-04-13 | 2017-10-16 | Nihon Medi-Physics Co Ltd | 來自核子醫學影像的生理累積之自動去除及ct影像之自動分段 |
EP3392804A1 (en) * | 2017-04-18 | 2018-10-24 | Koninklijke Philips N.V. | Device and method for modelling a composition of an object of interest |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4831527A (en) | 1986-08-11 | 1989-05-16 | Clark Lloyd D | Dynamic measuring system for determining the amount of excess body fat |
US5068788A (en) * | 1988-11-29 | 1991-11-26 | Columbia Scientific Inc. | Quantitative computed tomography system |
US5415176A (en) | 1991-11-29 | 1995-05-16 | Tanita Corporation | Apparatus for measuring body fat |
US5870697A (en) * | 1996-03-05 | 1999-02-09 | The Regents Of The University Of California | Calculation of radiation therapy dose using all particle Monte Carlo transport |
-
1998
- 1998-10-28 KR KR1019980045433A patent/KR100283106B1/ko not_active IP Right Cessation
-
1999
- 1999-10-15 US US09/419,486 patent/US6278761B1/en not_active Expired - Lifetime
Also Published As
Publication number | Publication date |
---|---|
US6278761B1 (en) | 2001-08-21 |
KR20000027488A (ko) | 2000-05-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR100283106B1 (ko) | 전산화 단층촬영에서 가우시안 함수 근사에 의한 체지방 범위설정 방법 | |
Kachelriess et al. | Generalized multi‐dimensional adaptive filtering for conventional and spiral single‐slice, multi‐slice, and cone‐beam CT | |
US7460700B2 (en) | Image processing method and computer-readable recording medium containing image processing program | |
Jones et al. | An active contour model for measuring the area of leg ulcers | |
KR101858382B1 (ko) | 제지방 조직 부피 정량화 | |
Napolitano et al. | Fractal dimension estimation methods for biomedical images | |
JP7206249B2 (ja) | 物体の測定から測定データにおける不確定性を判定する方法 | |
JPH08509146A (ja) | イメージデータの記録、再生及び分析による、ヒトの皮膚表面の組織の計測学的定量的測定のための方法及び装置 | |
Viceconti et al. | CT-scan data acquisition to generate biomechanical models of bone structures | |
Sasaki et al. | Fuzzy rule-based approach to segment the menisci regions from MR images | |
CN106251383B (zh) | 一种能谱ct基物质正弦图的估计方法 | |
Kotěrová et al. | Impact of 3D surface scanning protocols on the Os coxae digital data: Implications for sex and age-at-death assessment | |
Day et al. | Fourier-based texture measures with application to the analysis of the cell structure of baked products | |
Daegling | Shape variation in the mandibular symphysis of apes: an application of a median axis method | |
Torres et al. | How image-processing parameters can influence the assessment of dental materials using micro-CT | |
Nichyporuk et al. | Optimizing operating points for high performance lesion detection and segmentation using lesion size reweighting | |
Pirolo et al. | Mathematical three-dimensional solid modeling of biventricular geometry | |
Kolekar et al. | Texture segmentation using fractal signature | |
Röll et al. | Intensity-Based Object Extraction from 3D Medical Images Including a Correction of Partial Volume Errors. | |
Lehmann et al. | Idefix: identification of dental fixtures in intraoral X rays | |
Smith et al. | A statistical method for improved 3D surface detection | |
Russ et al. | Image measurements | |
Hernández-Álvarez et al. | Measure the Dental Chamber Volume with DICOM Images from Cone-Beam Computed Tomography Can Be Improved with a Simple Algorithm | |
Paulus et al. | Watershed transformation of time series of medical thermal images | |
Naitoh et al. | Quantification of voxel values in micro computed tomography using multiple porosity hydroxyapatite blocks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20081202 Year of fee payment: 9 |
|
LAPS | Lapse due to unpaid annual fee |