KR100338975B1 - 턱뼈의 치조신경 검출방법 - Google Patents

턱뼈의 치조신경 검출방법 Download PDF

Info

Publication number
KR100338975B1
KR100338975B1 KR1019990039328A KR19990039328A KR100338975B1 KR 100338975 B1 KR100338975 B1 KR 100338975B1 KR 1019990039328 A KR1019990039328 A KR 1019990039328A KR 19990039328 A KR19990039328 A KR 19990039328A KR 100338975 B1 KR100338975 B1 KR 100338975B1
Authority
KR
South Korea
Prior art keywords
pixels
jawbone
cross
alveolar nerve
image
Prior art date
Application number
KR1019990039328A
Other languages
English (en)
Other versions
KR20010027535A (ko
Inventor
이후연
이찬경
공창환
Original Assignee
최은백, 이찬경
주식회사 텐디알
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 최은백, 이찬경, 주식회사 텐디알 filed Critical 최은백, 이찬경
Priority to KR1019990039328A priority Critical patent/KR100338975B1/ko
Priority to IT2000MI001980A priority patent/IT1318843B1/it
Priority to SE0003205A priority patent/SE0003205L/xx
Priority to FI20002018A priority patent/FI20002018A/fi
Priority to DE10045551A priority patent/DE10045551A1/de
Priority to FR0011727A priority patent/FR2798493A1/fr
Priority to US09/661,216 priority patent/US6704439B1/en
Publication of KR20010027535A publication Critical patent/KR20010027535A/ko
Application granted granted Critical
Publication of KR100338975B1 publication Critical patent/KR100338975B1/ko

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • 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
    • A61B6/506—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 nerves
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/174—Segmentation; Edge detection involving the use of two or more images
    • 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
    • A61B6/51—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 dentistry
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61C—DENTISTRY; APPARATUS OR METHODS FOR ORAL OR DENTAL HYGIENE
    • A61C1/00—Dental machines for boring or cutting ; General features of dental machines or apparatus, e.g. hand-piece design
    • A61C1/08—Machine parts specially adapted for dentistry
    • A61C1/082—Positioning or guiding, e.g. of drills
    • A61C1/084—Positioning or guiding, e.g. of drills of implanting tools
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10116—X-ray image
    • G06T2207/10124—Digitally reconstructed radiograph [DRR]
    • 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
    • G06T2207/30036—Dental; Teeth
    • 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
    • G06T2207/30052—Implant; Prosthesis

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biomedical Technology (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Radiology & Medical Imaging (AREA)
  • Optics & Photonics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Neurology (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Image Processing (AREA)

Abstract

본 발명은 치과분야의 임플랜트 시술과정에서 아래턱뼈 내부에 있는 치조신경관을 검출하는 방법에 관한 것으로서, (a) 3차원 턱뼈 영상으로부터 복수의 2차원 단면슬라이스 영상을 형성하는 단계; (b) 상기 단면슬라이스 영상으로부터 턱뼈 영역에 해당하는 이진영상의 객체를 검출하는 단계; (c) 유사한 밀도를 갖는 픽셀들끼리 모이도록 상기 턱뼈 객체에 속하는 픽셀들을 클러스터 별로 분류하는 단계; (d) 각 클러스터에 포함된 픽셀의 수가 소정의 최소수를 초과하는 클러스터를 구하고, 이들 클러스터 중에서 가장 낮은 밀도분포를 갖는 최소클러스터를 구하는 단계; (e) 상기 턱뼈 영역에 속하면서 동시에 상기 최소클러스터의 밀도분포 이하의 밀도분포를 갖는 클러스터에 속하는 픽셀들과 그렇지 않은 픽셀들로 구분된 이진영상을 재구성하여 후보 객체를 추출하는 단계; 및 (f) 상기 후보 객체가 실제의 치조신경인가의 여부를 결정하는 단계를 포함하는 것을 특징으로 하며, 치과의사가 임플랜트 시술을 할 때 치조신경관의 위치를 자동적으로 정확하게 검출할 수 있다.

Description

턱뼈의 치조신경 검출방법{Method for detecting alveolar nerve within mandible}
본 발명은 치과분야의 임플랜트 시술과정에서 아래턱뼈 내부에 있는 치조신경관을 검출하는 방법에 관한 것으로서, 특히 턱뼈의 CT(computed tomography) 영상을 이용하여 치조신경을 자동 또는 반자동으로 검출하는 방법에 관한 것이다.
치아의 손상정도가 심해서 더 이상 복원하기 어려울 경우 기존 치아를 제거한 후 인공 치아로 대체하는 수술이 보편화되고 있다. 이런 수술에서는 인공 치아를 지지하는 임플랜트 나사(implant screw)를 턱뼈에 삽입해야 한다.
도 1a에서 1g는 임플랜트 시술단계를 설명하기 위한 도면이다. 도 1a에 도시된 바와 같이 치아가 손상된 경우, 그 부분을 인공 치아로 대체하는 수술 과정은 다음과 같다. 우선 도 1b와 같이 치아 손상부위의 피부조직을 절개한 다음, 도 1c와 같이 임플랜트 나사가 들어갈 자리를 드릴링하여 구멍을 내고, 도 1d와 같이 임플랜트 나사를 드릴링된 자리에 삽입한다. 그러면, 도 1e와 같이 임플랜트가 뼈와 결합하게 된다. 임플랜트 나사가 뼈와 결합되었으면, 도 1f와 같이 임플랜트 나사의 윗부분의 피부조직을 제거하고, 도 1g와 같이 의치를 임플랜트 나사와 조립한다.
상술한 바와 같은 수술과정에서, 의사가 임플랜트 나사를 턱뼈 내로 정확한 위치와 방향으로 시술하지 않는다면 임플랜트 나사가 의치를 충분히 지지할 없거나 턱뼈 내에 있는 신경관을 손상시켜 안면 마비를 일으킬 수도 있다. 따라서, 치아이식과정에서 중요한 단계 중 하나는 임플랜트 나사를 이식하고자 하는 위치의 뼈밀도를 정확하게 평가하는 것이다. 특히, 임플랜트 나사가 뼈밀도가 낮은 턱뼈부위와 접촉하는 것을 피하고, 또한 턱뼈 내부에 있는 신경관을 건드리지 않아야 한다.
특히, 임플랜프 시술과정에서, 임플랜트 나사가 치조신경관을 침입할 우려가 있는지를 정확하게 알아야 한다. 만일 임플랜트 나사가 치조신경관을 침입(encroach)하게 되면 아래턱의 마비(paralysis)를 초래할 수 있다. 따라서, 치과의사는 임플랜트 나사가 삽입될 위치와 관련하여 치조신경관의 위치를 정확하게 예측하여야만 한다.
임플랜트 시술의 성공성 여부는 환자의 턱뼈에 대해서 얼마나 정확하게 알고 있는가가 관건이다. 현재 턱뼈에 대해서 가장 정확하게 아는 방법은 CT (Computed Tomography) 촬영을 하는 것이다. CT는 해당물체를 여러 방향에서 투영하여 촬영한 후 그 물체의 3차원 이미지를 얻어내는 방법을 말한다. 일반적으로 치과에서의 CT는 아래턱 또는 위턱 중 한 쪽을 촬영하게 되는데 1mm 간격으로 45장 정도의 슬라이스 영상을 얻게 된다.
도 2는 CT 촬영에 의하여 얻어진 아래턱 형상을 나타내는 도면이다. CT 촬영기술과 컴퓨터 시뮬레이션 등으로 인하여 치과의사는 턱뼈에 대하여 보다 많은 정보를 얻을 수 있지만, 치과의사가 직접 CT 영상을 보고 치조신경관이 어느 부분에 위치하고 있는지를 확인해야 한다. 따라서, 치조신경관을 정확하게 검출하였는지를 검증할 수 없기 때문에 그만큼 수술 부작용의 가능성이 내재되어 있다고 할 수 있다.
본 발명이 이루고자 하는 기술적 과제는, CT 촬영으로 얻은 턱뼈 이미지로부터 자동적으로 턱뼈 내의 치조신경을 검출할 수 있는 방법을 제공하는데 있다.
본 발명이 이루고자 하는 다른 기술적 과제는, CT 촬영으로 얻은 턱뼈 이미지로부터 시작점(seed point)를 지정한 다음 그 시작점과 관련하여 턱뼈 내의 치조신경을 검출할 수 있는 방법을 제공하는데 있다.
본 발명이 이루고자 하는 또 다른 기술적 과제는, 상기와 같은 치조신경 검출방법을 수행하는 프로그램이 기록된 컴퓨터가 읽을 수 있는 기록매체을 제공하는데 있다.
도 1a에서 1g는 임플랜트 시술단계를 설명하기 위한 도면이다.
도 2는 CT 촬영에 의하여 얻어진 아래턱 형상을 나타내는 도면이다.
도 3a 및 3b는 본 발명에 따른 치조신경 검출방법이 적용되는 턱뼈의 단면슬라이스를 얻는 방법을 설명하기 위한 도면이다.
도 4a 내지 도 4d는 본 발명에 따라 턱뼈의 치조신경을 검출하는 방법을 설명하기 위한 흐름도이다.
도 5a에서 5i는 도 4의 방법을 수행하면서 얻는 이미지를 나타내는 도면이다.
도 6은 본 발명에 따라 턱뼈의 치조신경을 검출하는 다른 방법을 설명하기 위한 흐름도이다.
도 7a에서 7e는 도 5의 방법을 수행하면서 얻는 이미지를 나타내는 도면이다.
도 8은 아래턱의 수술 부위에 모델링된 임플랜트 나사가 삽입된 상태를 나타내는 도면이다.
상기의 과제를 이루기 위하여 본 발명에 의한 이래턱뼈 내의 치조신경 검출방법은,
(a) 3차원 턱뼈 영상으로부터 복수의 2차원 단면슬라이스 영상을 형성하는 단계; (b) 상기 단면슬라이스 영상으로부터 턱뼈 영역에 해당하는 이진영상의 객체를 검출하는 단계; (c) 유사한 밀도를 갖는 픽셀들끼리 모이도록 상기 턱뼈 객체에 속하는 픽셀들을 클러스터 별로 분류하는 단계; (d) 각 클러스터에 포함된 픽셀의 수가 소정의 최소수를 초과하는 클러스터를 구하고, 이들 클러스터 중에서 가장 낮은 밀도분포를 갖는 최소클러스터를 구하는 단계; (e) 상기 턱뼈 영역에 속하면서 동시에 상기 최소클러스터의 밀도분포 이하의 밀도분포를 갖는 클러스터에 속하는 픽셀들과 그렇지 않은 픽셀들로 구분된 이진영상을 재구성하여 후보 객체를 추출하는 단계; 및 (f) 상기 후보 객체가 실제의 치조신경인가의 여부를 결정하는 단계를 포함하는 것을 특징으로 한다.
상기 (f) 단계는 상기 이진 객체를 불림하여 경계영역을 추출하는 단계; 상기 경계영역에 속하는 밀도와 상기 치조신경 후보 객체의 내부 픽셀의 밀도와 비교하는 단계; 및 전자의 밀도가 후자의 밀도보다 소정치 이상 큰 객체를 후보 객체로 재선정하는 단계를 포함할 수 있으며,
상기 (f) 단계는 후보 객체 내에 속한 픽셀의 수(N1)를 구하는 단계; 후보 객체의 중심 좌표를 계산하는 단계; 상기 중심 좌표를 초기 '시드' 위치로 하여 영역성장 과정을 수행하는 단계; 상기 성장된 후보 객체 내에 있는 픽셀의 수(N2)를 구하는 단계; 상기 원래의 후보 객체에 속한 픽셀의 수(N1)와 상기 성장된 후보 객체 내에 속한 픽셀의 수(N2)를 비교하는 단계; 및 상기 성장된 후보 객체 내에 속한 픽셀의 수 N2가 상기 원래의 후보 객체 내에 속한 픽셀의 수 N1보다 소정 이상 크면 상기 원래의 후보 객체를 후보에서 제외시키는 단계를 포함할 수 있으며,
상기 (f) 단계는 단면슬라이스의 턱뼈 영상에 속한 모든 픽셀들에 대한 중심 좌표를 계산하는 단계; 턱뼈 영역의 최상부에 위치한 픽셀과 최하부에 위치한 픽셀을 결정하고, 그 그 중간점을 계산하는 단계; 중심좌표가 중간점에 가까이 있는지의 여부를 판별하는 단계; 만일 그렇다면 후보 객체들 중 중간점 위에 있는 것으로서 중심좌표에 가장 가까운 후보 객체를 선택하거나 중심좌표 아래에서 가장 가까이 있는 후보 객체를 선택하여 이를 치조신경으로 판정하고, 그렇지 않으면 중심좌표에서 가장 가까이 있는 후보 객체를 선택하여 이를 치조신경으로 판정하는 단계를 포함할 수 있다.
상기의 다른 과제를 이루기 위하여 본 발명에 의한 아래턱뼈 내의 치조신경 검출방법은,
(a) 3차원의 턱뼈 영상으로부터 하나의 2차원 단면슬라이스(Si)를 얻는 단계; (b) 상기 단면슬라이스 영상에서 치조신경부분을 검출하는데 사용되는 시작점이 될 가능성이 있는 후보 픽셀들을 표시하는 단계; (c) 사용자는 후보 픽셀들 중에서 시작점을 지정하는 단계; (d) 상기 시작점에 이웃한 픽셀을 시작점의 밀도값과 비교하여 소정의 오차한계 범위내에 있는가에 따라 영역 성장과정을 수행하여, 하나의 단면슬라이스(Si)에서 치조신경영역에 해당하는 픽셀들을 검출하는 단계; 및 (e) 상기 단면슬라이스(Si) 전후에 있는 단면슬라이스(Si+1또는 Si-1)에 대하여 상기 단면슬라이스(Si)에서 구한 영역을 근거로 그 영역을 확장하여 치조신경영역을 검출하는 단계를 포함하는 것을 특징으로 한다.
상기 (e) 단계는 상기 단면슬라이스(Si)에서 추출된 치조신경영역을 기초로 이웃 픽셀 영역으로 템플릿을 설정하는 단계; 상기 단면슬라이스(Si+1또는 Si-1)의 템플릿 영역에 속하는 픽셀들 중 가장 작은 밀도값을 갖는 픽셀을 단면슬라이스(Si+1또는 Si-1)의 시작점으로 선정하는 단계; 및 상기 단면슬라이스(Si+1또는 Si-1)에 대하여 구한 시작점에 이웃한 픽셀을 시작점의 밀도값과 비교하여 소정의 오차한계 범위 내에 있는가에 따라 영역 성장과정을 수행하여, 상기 단면슬라이스(Si+1또는 Si-1)에서 치조신경영역에 해당하는 픽셀들을 검출하는 단계를 포함하는 것이 바람직하다.
이하에서, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예에 대하여 상세히 설명한다.
본 발명은 CT 슬라이스들로 얻은 뼈밀도분포로부터 턱뼈부분을 분리하고, 턱뼈 내의 치조신경관이라고 여겨지는 부분들을 추출한다. 그리고 그 후보 치조신경관들(candidate alveolar nerves) 각각에 대하여, 실제의 치조신경관일 가능성이 없는 것을 제거하기 위하여 이미지 처리과정을 수행한다. 여기에는 형태학상 처리(morphological operations), 콘트라스트 향상(contrast enhancement), K-means 클러스팅 및 영역성장이미지처리(region growing image processing) 알고리즘이 사용된다. 최종적인 출력 이미지는 검출된 치조신경관의 형상, 크기 및 위치를 나타내는 이진 이미지가 된다.
* 용어의 정의
1. 객체(object): 각 픽셀이 적어도 하나의 다른 이진 픽셀에 인접하거나 연결되어 있는 이진 픽셀들의 그룹.
2. 경계(perimeter): 객체의 최외각 이진 픽셀들의 집합으로서, 이들 경계 픽셀들은 폐루프를 형성하도록 서로 연결되어 있다.
3. 중심(centroid): 객체의 모든 픽셀들의 평균위치.
4. 클러스터(cluster): 밀도 등의 특성이 유사한 픽셀들의 집합.
* 이미지 처리기법
1. 형태학적 처리(Morphological operations): 객체의 집합을 처리 조작하는 수학적 도구로서, 이진 영상에 대해 '불림'(dilation), '녹임'(erosion), '붙힘'(closing) 및 '열림'(opening) 연산 등을 포함한다.
영상을 불림(dialation)하면 원 영상의 밝은 부분은 팽창하고 어두운 부분은 수축되며, 전체적으로 영상이 밝아지며 전체 형상이 다소 확대된다. 녹임(Erosion)은 불림과는 반대로 어두운 부분을 확장하고 밝은 부분을 수축하며 전체적으로 영상이 어둡게 되며 전체 형상이 다소 축소된다. 불림과 녹임연산은 형태소(structure element)라고 불리는 연산자의 크기와 값에 따라 확대 또는 축소하는 정도가 달라진다. 열림과 붙힘은 불림과 녹임의 조합으로 수행되며, 열림은 영상의 갑자기 밝아지는 부분을, 그리고 붙힘은 영상의 갑자기 어두워지는 부분을 평탄하게(smoothly)한다.
2. 콘트라스트 향상(contrast enhancement): 영상의 밀도(intensity)가 소정의 최대값과 최소값 사이에 놓이도록 선형적으로 스케일하는 것이다.
3. K-means 클러스팅: 입력 픽셀들은 그들 밀도의 유사성에 따라 K 그룹(클러스터) 중 하나로 지정된다. 먼저 사용자가 K 개의 평균밀도값을 규정한 다음 각 픽셀의 밀도가 규정된 평균 밀도와 가장 가까운 클러스터로 각 픽셀을 지정한다. 모든 픽셀을 각 클러스터에 지정한 다음 각 클러스터에 포함된 픽셀들의 평균밀도를 계산하고 이 값을 각 클러스터의 새로운 평균밀도로 규정한다. 그런 다음, 모든 픽셀들은 새로 규정된 각 클러스터의 평균밀도에 따라 각 클러스터로 재지정된다. 이 절차는 각 클러스터의 평균밀도가 최소의 변화를 보일 때까지 반복된다.
4. 영역성장(region growing): 각 클러스터 별로 'seed' 포인트를 설정하고 그 seed 픽셀의 밀도를 기준으로 소정의 허용범위(tolerance) 이내에 드는 밀도를 갖는 이웃 픽셀들을 해당 클러스터에 포함시킨다. 클러스터 내에 포한된 픽셀들의 평균밀도를 일정한 주기로 재계산하여 새로 구한 평균값을 기준으로 다시 각 픽셀들이 포함되어야 할 클러스터를 결정한다.
도 3a 및 3b는 본 발명에 따른 치조신경 검출방법이 적용되는 턱뼈의 단면슬라이스를 얻는 방법을 설명하기 위한 도면이다.
도 3a에서, 턱뼈 이미지에 대해 등뼈와 같은 방향(도면에서 지면의 위에서 아래방향)으로 즉, A-A', B-B', C-C' 등으로 절단하여 단면을 형성시키고 화살표(31) 방향에서 본 단면으로 '단면슬라이스'를 형성한다. 각 절단면 간의 간격은 기본적으로 CT 영상의 해상도에 달려 있으며, 보다 조밀하게 절단하면 보다 정밀하게 치조신경을 검출할 수 있지만 도 4의 과정을 그만큼 더 반복하여야 하기 때문에 치조신경의 검출에 걸리는 시간은 길어진다. 이와 같이 형성된 단면슬라이스는 도 5a의 '입력'이미지가 된다.
도 3b는 턱뼈 이미지에서 단면슬라이스를 얻는 절단면의 방향을 턱뼈의 중심선에 수직되게 하는 경우이다. 턱뼈의 중심선에 수직하게 A-A'로 절단하고 화살표(35) 방향에서 본 단면으로 단면슬라이스를 형성하고, 마찬가지로 턱뼈의 중심선에 수직하게 B-B'로 절단하고 화살표(36) 방향에서 본 단면으로 단면슬라이스를 형성한다. 치조신경은 대체로 턱뼈의 중심선을 따라 형성되어 있기 때문에 이와 같이 절단하여 구한 단면슬라이스로부터 치조신경을 구한 다음 이들 단면슬라이스들을 연결하여 전체 치조신경을 검출한다면 도 3a에 의한 방법보다 바람직한 결과를 얻을 수 있다. 그러나, 도 3a와 같이 턱뼈의 중심선에 수직하지 않고 서로 평행하게 단면슬라이스를 구하여 치조신경을 검출한다 하더라도 각 단면슬라스 간의 간격이 상당히 조밀하기 때문에 양자간의 검출 결과에 별다른 차이점은 보이지 않는다. 따라서, 도 3a와 같은 방법으로 단면슬라이스를 얻는 것이 보다 간편한 방법이라 할 수 있다.
본 발명의 실시예에서는 CT 촬영으로 얻은 3차원의 이미지로부터 도 3a 또는 도 3b와 같이 복수의 2차원 단면슬라이스들로 나누고 이들 각각에 대하여 도 4의 방법을 수행하여 치조신경 부분을 추출한다. 단면슬라이스 각각에 대해 치조신경 부분을 검출한 다음 모든 단면슬라이스를 합쳐 각 단면슬라이스에 대해 검출된 치조신경부분을 연결시키면 턱뼈 내부에 있는 전체 치조신경 부분을 검출할 수 있다.
도 4는 본 발명에 따라 턱뼈의 치조신경을 검출하는 방법을 설명하기 위한 흐름도이다. 도 5a에서 5i는 도 4의 방법을 수행하면서 얻는 이미지를 나타내는 도면이다.
단계 41에서, 먼저 CT 촬영에 의하여 턱뼈 영상을 형성한 다음 도 3a 또는 3b에서 설명된 방법에 따라 턱뼈 영상에 대한 2차원 단면영상, 즉 '단면슬라이스'를 형성한다. 도 5a는 단면슬라이스의 영상을 나타내며, 이를 '입력이미지'라고 한다, 단면슬라이스 내의 각 픽셀의 밀도는 0에서 2N-1 사이의 값을 갖는다. 여기서, N은 픽셀의 밀도를 나타내는데 사용된 비트의 수이다. 만일 N이 16이면 최대밀도는 65,535가 된다.
단면슬라이스에는 슬라이스의 설명을 위한 텍스트 문자 등의 주석이 포함된 경우가 있다. 이러한 주석(annotation)으로는 슬라이스번호, 높이, 폭 등과 같은 정보를 포함하는데, 주로 영상의 가장자리 주위에 위치하며, 그 밀도가 일정하고 주위의 밀도보다 훨씬 크다. 따라서, 단계 42에서, 단면슬라이스 영상의 가장자리 주위에서 가장 큰 밀도를 갖는 픽셀들은 주석정보를 의미하는 것이므로, 여기에 해당하는 픽셀들을 구하여 이들의 밀도를 영 또는 최소 밀도값으로 설정한다. 즉, 단면 슬라이스의 모든 픽셀들을 스캔하여 최고의 밀도값을 찾은 다음 그 최고 밀도값과 같은 밀도를 갖는 픽셀들의 밀도값을 모두 영(흑색)으로 설정한다.
한편으로, '입력이미지'에서 상기 과정에 의하여 단면슬라이스 가장자리 부분의 주석정보는 제거 되었지만, 주석정보가 턱뼈 이미지와 겹쳐지는 경우도 있는데, 이와 같은 경우의 주석정보는 단계 42에서 제거되지 않는다. 따라서, 턱뼈영상에 포함된 모든 주석정보를 제거하기 위하여 주석정보에 해당하는 픽셀들의 밀도를 모두 영 또는 최소 밀도값으로 설정한다.
환자 중에는 치아에 아말감처리를 한 경우가 있는데, 이러한 인공물은 X선을 흡수하여 CT 슬라이스에서 매우 밝은 영역으로 나타나며, 대개 턱뼈 이미지의 윗쪽 부분에 나타난다. 따라서, 이 부분에 해당하는 픽셀들의 밀도를 영 또는 최소 밀도값으로 놓을 필요가 있다. 먼저, 턱뼈 객체의 중심(重心, centroid) 및 최상위 좌표를 구하고 그 사이에 포함되는 픽셀들의 평균값을 구한 다음 그 평균값보다 큰 밀도를 갖는 픽셀들의 밀도값을 영으로 놓는다. 도 5b는 단계 42를 수행한 결과얻은 주석정보 및 인공물과 관련된 픽셀들이 제거된 영상을 나타낸다.
다음으로, 도 5b의 주석정보가 제거된 '입력이미지'로부터 턱뼈부분에 해당하는 이진영상(즉 '0' 및 '1'로 이루어진 영상)을 근사적으로 분리해 낸다. 턱뼈 부분의 평균밀도는 그 이외의 배경부분의 밀도보다 더 크기 때문에 소정의 문턱값을 기준으로 그 문턱값보다 작은 밀도를 갖는 픽셀들을 제거하여 턱뼈를 근사적으로 분리해 낸다. 즉, 픽셀의 밀도가 소정의 문턱값보다 크면 그 픽셀의 밀도를 1 (흰색), 그 보다 작으면 0(흑색)으로 하여, 그 결과 이진 영상(binary image)(도 5c)을 얻을 수 있다 (단계 43). 문턱값으로는 CT 슬라이스 전체 픽셀의 평균밀도값을 사용할 수 있다.
문턱값에 의하여 이진영상을 구하면, 도 5c에 도시된 바와 같이 턱뼈부분이 아닌 불필요한 작은 객체들이 많이 나타날 수 있다. 이 경우, 문턱값에 소정의 계수(Mean_Multiplier)로 곱하여 문턱값을 더 증가시켜 그러한 객체들의 출현을 최소화시킬 수 있다. 주석정보 제거과정에서 주석정보와 관련된 많은 픽셀들의 밀도값이 영으로 설정되어 전체 픽셀에 대한 평균밀도값을 낮추게 된다. 따라서 'Mean_Multiplier' 계수를 결정함에 있어서 주석정보의 양을 고려하여야 한다. 실험적으로 그 계수는 대략 1.25인 것이 바람직하다.
도 5c에 도시된 바와 같이, 상기 단계 43에서 문턱값에 의하여 분리된 객체 중에는 턱뼈인 부분과 그렇지 않은 부분이 포함된다. 턱뼈에 대응하는 이진 객체는 다른 객체들에 비하여 가장 크므로 가장 큰 객체를 턱뼈 이미지로 간주할 수 있다. 따라서, 단계 44에서, 이진객체 중 가장 큰 객체를 턱뼈 객체로 간주하고 이를 추출한다. 즉, 도 5c의 영상에서 각 영역의 크기를 비교하여 가장 큰 영역에 속하는 픽셀들은 '1', 그렇지 않으면 '0'으로 설정하여, 턱뼈 객체를 구한다. 이와 같이 하여 구한 영상이 도 5d에 도시되어 있다.
턱뼈에 대응하는 이진객체를 추출하면 그 객체의 내부영역에 많은 구멍들이 존재하게 된다, 그 이유는 턱뼈 조직의 밀도가 전체적으로 일정하지 않기 때문인데, 턱뼈의 외곽은 단단하여 그 밀도가 높지만 그 내부에 있는 골수(marrow)나 지방조직(fatty tissue)은 상대적으로 그 밀도가 낮다. 가장 큰 영역으로 형성된 연속된 객체(contiguous object)를 얻기 위하여, '붙힘'(closing) 연산을 적용하여 턱뼈 객체 내에 있는 작은 구멍들을 제거한다 (단계 45). 그리고, 이진 객체 영상에 대하여 녹임연산을 수행하여 이진 객체의 가장자리가 매끄럽게 되도록 할 수 있다. 도 5e는 단계 45의 결과로 얻은 턱뼈의 이진객체를 나타나는 영상이며, 이를 'bm이미지'라고 한다.
다음으로, 단계 46에서 원 턱뼈 이미지인 '입력이미지'의 턱뼈영역에 대해 콘트라스트 향상 기법을 적용한다. 아직까지는 턱뼈 이미지에 대한 밀도 범위, 특히 턱뼈의 신경조직(nerve)과 골조직(osseous structure)의 밀도 범위를 정확하게 알지는 못한다. 그러나, 턱뼈 객체에 콘트라스트 향상 기법을 적용하여 턱뼈와 신경관(canal)의 밀도범위를 대략적으로 알 수 있다.
먼저, 턱뼈 영역의 밀도범위를 찾기 위하여, '입력이미지'의 턱뼈영역에 속하는 픽셀들 중에서 가장 큰 밀도값을 'MAX'로 설정하고, 가장 작은 밀도값을 'MIN'으로 설정한다. 콘트라스트 향상된 이미지를 얻기 위하여, 턱뼈 영역의 각픽셀에 대해 다음의 수학식에 따라 콘트라스트향상된 밀도값을 결정한다. 도 5f는 콘트라스트 향성된 턱뼈 이미지를 나타낸다.
여기서, ENH_DEN는 향상된(enhanced) 픽셀의 밀도값, Max_T는 턱뼈 영역에 속하는 픽셀들의 밀도값 중 최대 밀도값, MIn_T는 턱뼈 영역에 속하는 픽셀들의 밀도값 중 최소 밀도값, 그리고 PIX_DEN는 원 픽셀의 밀도값을 나타낸다.
턱뼈 영상에 대한 콘트라스트 향상 후, K-means 알고리즘을 사용하여 턱뼈 객체의 픽셀들을 유사한 밀도를 갖는 것끼리 모이도록 클러스터 별로 분류한다 (단계 47). 각 클러스터에 해당하는 밀도 평균값들은 [0, 10, 15, 20, 25, 45, 500]x103으로 설정하고, 각 픽셀들을 7 클러스터 중 하나에 할당한다. 이와 같이 각 픽셀들을 클러스팅하는 것은 턱뼈 객체에 포함된 픽셀이 신경조직에 해당하는지 골조직에 해당하는지를 구분하기 위한 것이다. 최대 평균밀도값을 갖는 클러스터에는 이빨에 이식된 금속 인공물 등과 같이 높은 밀도를 갖는 픽셀들이 모이게 되고, 반면 낮은 평균밀도값을 갖는 클러스터에는 배경영상과 신경조직에 대응하는 픽셀들이 모이게 된다. 중간 밀도평균값을 갖는 클러스터들에는 턱뼈의 단단한 골조직과 관련된 객체가 포함되며, 치조신경(alveolar nerve)을 둘러싸고 있는 신경관(canal)에 대응하는 픽셀들도 포함될 수 있다. 이와 같이 각 픽셀들을 클러스터로 분류하여 이후 과정에서 치조신경을 검출하는데 이용한다. 도 5g는 턱뼈 객체에 대하여 K-means 알고리즘을 사용하여 턱뼈 객체 영상에 대하여 복수(여기서는 7)의 레벨로 된 밀도범위에 따라 구한 '클러스터이미지'를 나타낸다.
이하에서는 '클러스터이미지'와 'bm이미지'를 이용하여 잠재적인 치조신경 픽셀을 구하는 과정에 대하여 설명한다.
턱뼈 객체에 해당하는 픽셀들은 클러스터 분류과정에 의하여 그 밀도값에 따라 각 클러스터로 할당되어 있다. 치조신경일 가능성이 큰 잠재적인 치조신경에 해당하는 객체를 찾기 위하여, 각 클러스터에 포함된 픽셀의 수가 소정의 최소수인 'Min_Candidates'(예컨대, 10)를 초과하는 클러스터를 구하고, 이들 클러스터 중에서 가장 낮은 클러스터 번호를 'K_Min'이라 정의한다. 치조신경이 되기 위해서는, 적어도 10 픽셀이 포함되고, 클러스터의 번호가 낮아야 한다. 왜냐하면 신경 픽셀은 밀도가 낮으며, 밀도가 낮은 픽셀은 낮은 번호를 갖는 클러스터에 속하기 때문이다.
이진영상인 'bm이미지'에서 데이터가 '1'인 영역, 즉 턱뼈 영역에 속하면서 동시에 클러스터 번호가 'K_Min'이하의 번호를 갖는 클러스터에 속하는 픽셀들은 모두 '1'로 설정하고, 그렇지 않은 픽셀들은 '0'으로 설정하여 이진영상을 재구성한다 (단계 48).
단계 48에서 구한 이진영상에는 다수의 객체가 존재하는데, 이들 객체들에 대하여 1부터 차례대로 번호를 라벨링한다. 이들 객체들 중에는 매우 적은 수의 픽셀로 구성된 객체들도 포함되어 있는데, 이는 잡음성분에 기인한 것일 가능성이 있으므로 이들을 제거할 필요가 있다. 따라서, 픽셀의 최소 수인 'Min_Number'보다 적은 픽셀 수를 갖는 객체를 제거하기 위해 그 객체에 속해 있는 픽셀들을 '0'으로 설정한다 (단계 49). 여기서, 'Min_Number'은 5 정도의 값이 적당하다. Min_Number에 의하여 작은 객체들을 제거한 다음, 남아 있는 '후보' 객체들에 대하여 다시 번호를 라벨링하고 각 '후보' 객체들에 대하여 다음의 과정을 진행한다. 도 5h는 현재까지 구한 '후보' 객체를 나타내는 도면이다.
현재까지 구한 '후보' 객체는 대개 하나 이상이므로, 이 중에서 다시 가장 가능성있는 '후보' 객체를 선별하는 작업을 하여야 하며, 다음과 같은 성질을 이용한다. 신경관 경계 주위의 밀도는 치조신경의 밀도보다 조금 더 높은 값을 갖는다. 즉, 턱뼈의 치조신경은 환상의 어두운(즉, 낮은 밀도) 영역(dark circular-like region)으로 표현되며, 이는 흰색(높은 밀도)의 뼈영역(white bone region)에 의하여 둘러싸여 있다. 따라서, 잠재적인 치조신경 후보가 실제적인 치조신경이 되기 위해서는, '후보' 객체의 경계 주위의 밀도가 그 내부의 밀도보다 조금 더 커야 한다.
단계 50에서는 '후보' 객체내에 속하는 픽셀의 밀도와 그 객체의 경계영역에 있는 픽셀의 밀도를 서로 비교하여 '후보' 객체가 실제의 치조신경부분을 나타내고 있는지를 결정한다. 이 과정은 도 4b를 통하여 자세히 설명된다.
'후보' 객체를 둘러싸고 있는 픽셀에 대한 클러스터 값을 구하기 위하여, 이진 객체를 형태학적으로 불림하여 경계영역을 추출한다 (단계 502). 이 경계영역은 잠재적인 치조신경을 둘러싸고 있는 얇은 링 모양의 신경관(canal)에 대응하여야 하며, 만일 그렇다면 실제의 치조신경에 해당할 확률이 크다. 그 여부를 확인하기 위하여 링 내에 있는 픽셀들의 클러스터 값을 구할 필요가 있다.
상기 단계들에서 구한 잠재적인 치조신경 '후보' 객체가 실제적인 치조신경이 되기 위해서는 잠재적인 치조신경을 둘러싼 픽셀이 속한 클러스터는 치조신경 픽셀이 속한 클러스터보다 그 값이 약간 더 커야 한다. 따라서, 경계영역에 속하는 픽셀들의 수(P1)와, 그들 픽셀들 중 (K_Min+1) 또는 (K_Min+2) 클러스터에 속하는 픽셀의 수(P2)를 센다 (단계 504). 여기서, K_Min은 치조신경 픽셀에 대해 주어진 최대 클러스터 값이다.
치조신경 '후보' 객체가 그 내부 픽셀의 밀도보다 조금 큰 값의 밀도를 갖는 픽셀에 의하여 둘러싸여 있는지를 확인하기 위하여, 경계영역에서 (K_Min+1) 또는 (K_Min+2) 클러스터에 속하는 픽셀의 수가 경계영역에 속한 전체 픽셀 수의 몇 %에 속하는지를 확인한다 (단계 506). 만일 그 값이 예컨대 80% 미만이라면 치조신경의 특성을 만족하지 않으므로 해당 '후보' 객체를 제거한다 (단계 508). 모든 '후보' 객체에 대하여 이와 같은 과정을 수행하여 조건을 만족하는 '후보' 객체를 다시 선정한 다음 단계 51을 수행한다. 도 5i는 상기의 과정에 구한 '후보' 객체의 이진영상의 일예를 나타낸다.
다음으로, 단계 51에서는, 남아있는 '후보' 객체에 대하여, 실제적인 치조신경이 아니라 턱뼈 내의 지방골수조직(fatty marrow tissue)에 대응하는 것으로 생각되는 객체를 제거하는 과정이 수행된다. 골수조직만으로 된 객체는 거의 같은 밀도를 갖는 많은 수의 픽셀들로 둘러싸여 있는 것이 특징이다. 따라서, 각 객체내에 있는 픽셀의 밀도를 그 주변영역에 있는 픽셀의 밀도와 비교해 봄으로써 골수조직과 관련된 객체를 제거할 수 있다. 단계 51에 대해서는 도 4c를 통하여 자세히 설명한다.
먼저, '후보' 객체 내에 속한 픽셀의 수를 구하고, 이를 N1으로 정의한다 (단계 511). 그리고 '후보' 객체의 중심(centroid) 좌표를 계산한다 (단계 512). 그런 다음, 중심 좌표를 초기 '시드'(seed) 위치로 하여 '영역성장' 과정을 수행한다 (단계 513). 여기서, 허용범위는 0.085로 정하고, 클러스터의 크기가 일정하게 될 때까지 '시드' 포인트를 성장시킨다. 즉, 클러스터의 경계에 있는 픽셀은 그 픽셀의 밀도가 그 클러스터 내에 속한 모든 픽셀의 평균밀도의 8.5% 이내에 들면 그 픽셀은 이 클러스터에 추가된다. '영역성장'이 완료되면, 성장된 '후보' 객체 내에 있는 픽셀의 수를 세고, 이를 N2라 정의한다 (단계 514).
원래의 '후보' 객체와 성장된 '후보' 객체 내에 속한 픽셀의 수를 비교한다 (단계 515). 즉, 성장된 '후보' 객체 내에 속한 픽셀의 수 N2가 원래의 '후보' 객체 내에 속한 픽셀의 수 N1보다 매우 크면 그 객체는 치조신경 부분이 아니라 골수조직일 가능성이 훨씬 더 크다. 실험적으로, N2가 N1의 대략 3 배보다 크면 그 객체는 치조신경이 아니므로 그 객체는 '후보'에서 제외한다 (단계 516). 모든 '후보' 객체에 대하여 상기의 과정을 수행한 다음 단계 52로 넘어간다.
단계 52에서는 '후보' 객체가 턱뼈의 가장자리와 접하는지를 검사한다. 대부분의 경우 치조신경은 턱뼈의 가장자리 부분에 위치하고 있으며, 특히 치조신경이 처음 턱뼈로 진입하는 부분일수록 더욱 그러하다. 따라서, '후보' 객체가 턱뼈의 가장자리와 접한다는 것이 확인(53)되면 그 '후보' 객체는 실제적인 치조신경인 것으로 판명되고 모든 과정을 종료하고, 그렇지 않으면 다음 과정을 수행한다.
'후보' 객체가 턱뼈의 가장자리와 접하는지의 여부를 결정하기 위해서는, 먼저 객체를 형태학적으로 불림한 다음 그 불림된 객체가 턱뼈의 경계부분까지 확장되어 있는지의 여부를 검사한다. 만일 그렇다면 원래의 불림되지 않은 객체가 턱뼈의 경계와 접하고 있다는 것을 의미하고, 이것은 실제의 치조신경일 가능성이 매우 크다는 것을 말한다.
다음으로, 단계 54에서, 단면슬라이스를 턱뼈의 어느 부분에서 확득한 것인가에 따라 '후보' 객체가 실제의 치조신경인가의 여부를 결정한다. 턱뼈의 단면 형상은 위와 아랫 부분이 일정한 폭으로 형성된 곳이 있는가 하면 윗부분이 아랫부분에 비하여 훨씬 더 넓게 형성된 곳도 있다. 해부학적으로 볼 때, 치조신경관은 턱뼈 단면의 형상에 의하여 그 상대적인 위치가 정해진다. 따라서, '단면슬라이스'가 어느 부분의 턱뼈로부터 얻었느냐에 따라 '후보' 객체가 실제의 치조신경에 해당하는 지의 여부를 판별할 수 있다. 단계 54는 도 4d를 통하여 자세히 설명된다.
먼저, 단면슬라이스의 턱뼈 영상에 속한 모든 픽셀들에 대한 중심 좌표를 계산한다 (단계 541). 턱뼈 영역의 최상부에 위치한 픽셀과 최하부에 위치한 픽셀을 결정하고, 그 그 중간점(halfway point)을 계산한다 (542). 중심좌표가 중간점에 가까이 있는지의 여부를 판별한다 (단계 543). 만일 그렇다면 턱뼈 단면의 형상이위에서 아래부분의 폭이 거의 일정한 경우에 대응하며 단계 545를 수행하고, 그렇지 않으면 턱뼈 단면의 형상이 윗부분이 두껍고 아랫부분이 얇은 경우에 대응하며 단계 544를 수행한다. 여기서, 중심좌표가 중간점에 가까이 있는지의 여부는 전체 폭의 10% 이내에 이들 점이 속하는가로 판정하는 것이 바람직하다.
단계 545는 턱뼈 단면의 폭이 일정한 경우로서, 이 경우 치조신경은 턱뼈의 중간점 위에 그리고 중심좌표에 가까이 위치하고 있음을 실험적으로 알고 있다. 따라서, '후보' 객체 중 중간점 위에 있는 것이 있는지를 확인한다 (단계 545). 만일 그러한 객체가 존재한다면 중심좌표에 가장 가까운 '후보' 객체를 선택하여 이를 치조신경으로 판정한다. 그렇지 않으면 중심좌표 아래에서 가장 가까이 있는 '후보' 객체를 선택하여 이를 치조신경으로 판정한다 (단계 547).
단계 544는 턱뼈 단면의 폭이 일정하지 않은 경우로서, 이 경우에는 중심좌표에서 가장 가까이 있는 '후보' 객체를 선택하여 이를 치조신경으로 판정한다.
상술한 바와 같은 과정에 의하여 하나의 단면슬라이스에 대해 치조신경에 해당하는 '후보' 객체를 선정하고, 다른 모든 단면슬라이드에 대해서도 같은 과정을 반복하여 각각 '후보' 객체를 선정한다. 각 단면슬라이스를 하나의 턱뼈 형상으로 다시 재조립하면 각 단면슬라이스에서 구한 '후보' 객체에 의하여 전체 치조신경조직을 형성할 수 있다 (단계 55).
도 6은 본 발명에 따라 턱뼈의 치조신경을 검출하는 다른 방법을 설명하기 위한 흐름도이다. 도 7a에서 7e는 도 5의 방법을 수행하면서 얻는 이미지를 나타내는 도면이다.
도 4a 내지 도 4d의 방법에 의하면 치조신경을 검출하는 모든 과정이 일련의 절차에 따라 완전히 자동으로 수행되지만, 도 6의 방법은 단면슬라이스에 대한 시작점의 결정이 사용자에 의하여 결정되므로 반자동으로 수행된다. 도 6에서는 턱뼈 영상의 단면슬라이스에서 치조신경에 해당하는 부분을 사용자가 지정하고 이를 시작점(seed point)로 하여 영역성장에 의하여 한 단면 슬라이스에서의 치조신경부분을 추출해 낸다. 시작점 위치를 사용자가 직관적으로 설정함으로써, 도 4의 방법에 따라 '후보' 객체를 구하는데 소요되는 많은 절차를 생략할 수 있으며, 따라서 처리 속도를 향상시킬 수 있다.
또한, 도 4a 내지 도 4d에서는 단면슬라이스 각각에 대하여 치조신경에 해당하는 객체를 검출하고 이를 서로 연결시켜 전체 치조신경을 구하는 방법을 사용하고 있는데, 도 6의 방법에 의하면 한 단면슬라이스로부터 치조신경부분을 검출한 다음 그 검출영역을 근거로 이웃하는 단면슬라이스에 대해서 영역성장하여 치조신경영역을 검출한다. 그렇게 함으로써, 전체적인 처리속도를 크게 향상시킬 수 있다. 물론, 이웃하는 단면슬라이스의 치조신경부분을 검출하는 도 6의 방법을 도 4의 방법에도 적용할 수 있다. 우선 한 단면슬라이스로부터 치조신경에 대한 객체를 검출한 다음 이웃하는 단면슬라이스에 대해서는 다시 도 4의 방법을 반복하는 대신에 도 6의 단면슬라이스 간의 영역성장방법을 적용할 수 있다.
먼저, 턱뼈 영상으로부터 하나의 단면슬라이스(Si)를 얻는다 (단계 61). 도 3a 또는 3b에서 설명한 방법에 따라 3차원 턱뼈 영상으로부터 2차원의 단면슬라이스를 얻고, 단면슬라이스의 영상에서 주석정보를 제거하고 콘트라스트 향상기법 등을 적용(도 4a의 방법 참조)하여 턱뼈 부분에 대한 2차원 영상을 획득하고, 이를 화면에 표시한다.
본 실시예에서는 단면슬라이스의 픽셀 중에서 시작점을 선택하고 그 시작점을 중심으로 영역성장을 수행하게 되는데, 그 이전에 턱뼈 내에 있는 치조신경관의 특징에 대하여 간단히 살펴본다. (1) 치조신경관은 연속된 하나의 관으로 형성되어 있으며 양쪽으로 갈라지지 않는다. (2) 치조신경관은 아래턱뼈 내에 연속적으로 형성되어 있다. (3) 치조신경관의 단면은 어느 부분에서나 거의 일정하다. (4) 인접한 단면슬라이스 간에는 반드시 중첩되는 치조신경부분이 존재한다. (5) CT 영상에서 치조신경에 해당하는 부분의 픽셀 밀도값은 1100-1700 의 값을 갖는다. (6) 치조신경부분에 속하는 픽셀들은 그 밀도값이 소정의 오차한계 범위 내에 있다. (7) 하나의 2차원 단면슬라이스에서 구한 치조신경부분은 닫힌 도형이 된다. 다만 치조신경부분이 아래턱으로 들어오는 부분과 관련된 단면슬라이스와 치조신경부분이 아래턱에서 나가는 부분과 관련된 단면슬라이스에서는 열린 도형이 된다.
단계 62에서, 단면슬라이스 영상에서 치조신경부분을 검출하는데 사용되는 '시작점'(seed point)이 될 가능성이 있는 후보 픽셀들을 표시한다. 치조신경에 해당하는 픽셀은 대개 그 밀도값이 1100 내지 1700 사이의 값을 갖기 때문에 그와 같은 밀도값을 갖는 픽셀을 후보 픽셀로 화면에 표시한다. 사용자는 후보 픽셀들 중에서 시작점(초기 위치)을 지정한다 (단계 63).
도 7a는 단면슬라이스 영상에서 사용자가 '시작점'(seed point)를 설정한 예를 나타내는 도면이다. 치과의사는 경험적으로 하나의 단면슬라이스로부터 어느 부분이 치조신경영역에 해당하는 지는 별다른 어려움없이 찾을 수 있는 것이 보통이다.
상기와 같은 치조신경관의 특성을 이용하여, 시작점을 중심으로 시작점에 이웃하는 픽셀들에 대하여 영역 성장과정을 수행한다 (단계 64). 영역성장 과정은 다음과 같다. 즉, 시작점에 이웃한 픽셀을 시작점의 밀도값과 비교하여 수학식 2에 표시된 오차한계 d값의 범위내에 있는가를 판별하고. 그 범위 내에 있는 픽셀은 치조신경영역의 일부분으로 인식한다. 도 7b는 하나의 단면슬라이스에서 시작점을 근거로 영역성장하여 얻은 치조신경영역을 나타내는 도면이다. 도면에서 진하게 표시된 부분이 영역성장에 의하여 얻어진 치조신경영역을 표시한 것이다 (도 7c 및 7d의 경우에도 마찬가지임).
여기서, DVmax는 턱뼈 영역에 속하는 픽셀의 최대밀도값, DVmin은 턱뼈 영역에 속하는 픽셀의 최소밀도값을 나타낸다. 그리고, 계수 0.05(5%)는 CT 영상의 해상도 등에 따라 실험적으로 적절히 정할 수 있다.
상기 과정에 의하여 하나의 단면슬라이스(Si)에서 치조신경영역에 해당하는 픽셀들을 검출한 다음, 단면슬라이스(Si) 전후에 있는 단면슬라이스(Si+1또는 Si-1)에 대하여 단면슬라이스(Si)에서 구한 영역을 근거로 그 영역을 확장하여 치조신경영역을 검출한다.
단계 65에서, 단면슬라이스(Si)에서 추출된 치조신경영역을 기초로 8-이웃 픽셀 영역으로 템플릿을 설정한다. 8-이웃 픽셀 영역은 치조신경영역을 이루는 각 픽셀 주위의 8-이웃 픽셀들의 합집합으로 이루어지는 영역을 말한다. 단면슬라이스(Si) 전후에 있는 단면슬라이스(Si+1또는 Si-1)에서 치조신경영역은 단면슬라이스(Si)에서 구한 템플릿 영역을 벗어나지 않도록 제한된다.
단면슬라이스(Si+1또는 Si-1)의 템플릿 영역에 속하는 픽셀들 중 가장 작은 밀도값을 갖는 픽셀을 단면슬라이스(Si+1또는 Si-1)의 시작점으로 선정한다 (단계 66). 이것은 일반적으로 치조신경관의 중심부가 주위에 비하여 작은 밀도값을 갖기 때문이다. 단면슬라이스(Si+1또는 Si-1)에 대하여 구한 시작점을 근거로 상술한 단계 64와 같이 영역성장시켜 그 단면 슬라이스의 치조신경영역을 검출한다 (단계 67). 도 7c 및 7d는 단면슬라이스 간의 영역 성장에 의하여 검출된 단면슬라이스내의 치조신경영역을 나타내는 도면으로, 도 7c는 아래턱뼈 중심점 근처에 치조신경영역이 위치하는 경우이고, 도 7d는 아래턱뼈의 윗부분 가장자리에 치조신경영역이 위치하는 경우를 나타낸다.
모든 단면슬라이스에 대하여 차례로 상기의 과정을 수행하고 (단계 68), 각단면슬라이스들로부터 구한 치조신경영역을 서로 연결시켜 아래턱뼈 내에 존재하는 전체 치조신경영역을 검출한다 (단계 69).
도 7e는 아래턱뼈의 중심선으로 절단한 턱뼈의 단면을 나타내는 도면으로 상기 과정에 의하여 검출된 치조신경영역을 나타내는 도면이다. 치과의사는 실제로 임플랜트 시술에 들어가기 전에 상술한 바와 같은 방법에 의하여 환자의 아래턱의 치조신경영역을 검출하여 임플랜트 나사가 치조신경을 침입하는지의 여부를 시뮬레이션할 수 있다.
도 8은 모델링된 임플랜트 나사를 환자의 아래턱 수술부위에 삽입하는 시뮬레이션 방법을 설명하기 위한 도면으로서, 아래턱의 수술 부위에 모델링된 임플랜트 나사가 삽입된 상태를 나타내는 도면이다. 도면에서, 참조번호 81은 3차원의 턱뼈 이미지를 나타내고, 참조번호 82는 모델링된 임플랜트 나사를 나타낸다.
아래턱의 수술부위에 모델링된 임플랜트 나사를 수술하고자 하는 위치에 삽입하고, 턱뼈 내부로 삽입된 임플랜트 나사와 접촉되는 픽셀을 구한다. 임플랜트 나사와 접촉되는 픽셀이 본 발명에 따라 구한 치조신경영역에 속하는 픽셀인지의 여부를 확인함으로써, 임플랜트 나사를 시술하고자 하는 위치, 방향 및 깊이에 따라 안전한 수술이 가능한지, 즉 치조신경을 침입하지 않도록 임플랜트 나사를 삽입할 수 있는지의 여부를 정확하게 판단할 수 있다.
본 발명은 또한 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플라피디스크, 광데이터 저장장치 등이 있다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
이상에서 설명한 바와 같이, 본 발명에 의한 치조신경 검출방법에 의하면, 치과의사가 임플랜트 시술을 할 때 치조신경관의 위치를 자동적으로 정확하게 검출할 수 있다. 또한 치과의사가 CT 영상으로부터 직접 직관적으로 예측한 치조신경관 부분과 본 발명에 의하여 구한 부분이 서로 일치하는지를 비교하여 보다 신중하게 임플랜트 시술을 행할 수 있다.
또한, 실시예 2에 의하면, 치조신경 검출을 위한 시작점의 선정을 사용자(치과의사)가 직관적으로 직접 설정하고 이를 기초로 하나의 단면슬라이스 내에서 또한 단면슬라이스들 간에 영역 성장에 의하여 차례로 치조신경영역을 검출함으로써, 검출 속도를 보다 향상시킬 수 있다.

Claims (13)

  1. (a) 3차원 턱뼈 영상으로부터 복수의 2차원 단면슬라이스 영상을 형성하는 단계;
    (b) 상기 단면슬라이스 영상으로부터 턱뼈 영역에 해당하는 이진영상의 객체를 검출하는 단계;
    (c) 유사한 밀도를 갖는 픽셀들끼리 모이도록 상기 턱뼈 객체에 속하는 픽셀들을 클러스터 별로 분류하는 단계;
    (d) 각 클러스터에 포함된 픽셀의 수가 소정의 최소수를 초과하는 클러스터를 구하고, 이들 클러스터 중에서 가장 낮은 밀도분포를 갖는 최소클러스터를 구하는 단계;
    (e) 상기 턱뼈 영역에 속하면서 동시에 상기 최소클러스터의 밀도분포 이하의 밀도분포를 갖는 클러스터에 속하는 픽셀들과 그렇지 않은 픽셀들로 구분된 이진영상을 재구성하여 후보 객체를 추출하는 단계; 및
    (f) 상기 후보 객체가 실제의 치조신경인가의 여부를 결정하는 단계를 포함하는 것을 특징으로 하는 이래턱뼈 내의 치조신경 검출방법.
  2. 제1항에 있어서,
    (g) 각 단면슬라이스에 대해 실제의 치조신경에 대응하는 후보객체를 선정한 다음 각 단면슬라이스를 턱뼈 형상으로 재조립하여 아래턱뼈 내부의 전체 치조신경조직을 형성하는 단계를 더 포함하는 것을 특징으로 하는 아래턱뼈 내의 치조신경 검출방법.
  3. 제1항에 있어서,
    (g) 상기 단면슬라이스(Si) 전후에 있는 단면슬라이스(Si+1또는 Si-1)에 대하여, 상기 단면슬라이스(Si)에서 구한 치조신경영역을 근거로 그 영역을 확장하여 전체 치조신경영역을 검출하는 단계를 더 포함하는 것을 특징으로 하는 아래턱뼈 내의 치조신경 검출방법.
  4. 제1항에 있어서, 상기 (a) 단계는
    상기 단면슬라이스에 포함된 주석정보 및 인공물과 관련된 픽셀들을 제거하는 단계를 더 포함하는 것을 특징으로 하는 아래턱뼈 내의 치조신경 검출방법.
  5. 제1항에 있어서, 상기 (b) 단계는
    상기 단면 슬라이스에 속한 전체 픽셀의 평균밀도값 또는 상기 평균밀도값에 소정의 계수로 곱한 값으로 설정되는 소정의 문턱값을 상기 단면슬라이스에 속하는 픽셀의 밀도와 비교하여, 그 결과에 따라 턱뼈에 대한 이진영상을 형성하는 것을 특징으로 하는 아래턱뼈 내의 치조신경 검출방법.
  6. 제1항에 있어서, 상기 (b) 단계 다음에
    상기 단면슬라이스 영상의 턱뼈 영역에 속하는 픽셀들의 밀도값 중 최대 밀도값 및 최소 밀도값에 따라 원 픽셀의 밀도값을 보간하여 콘트라스트 향상 기법을 적용하는 단계를 더 포함하는 것을 특징으로 하는 아래턱뼈 내의 치조신경 검출방법.
  7. 제1항에 있어서, 상기 (f) 단계는
    상기 이진 객체를 불림하여 경계영역을 추출하는 단계;
    상기 경계영역에 속하는 밀도와 상기 치조신경 후보 객체의 내부 픽셀의 밀도와 비교하는 단계; 및
    전자의 밀도가 후자의 밀도보다 소정치 이상 큰 객체를 후보 객체로 재선정하는 단계를 포함하는 것을 특징으로 하는 아래턱뼈 내의 치조신경 검출방법.
  8. 제1항에 있어서, 상기 (f) 단계는
    후보 객체 내에 속한 픽셀의 수(N1)를 구하는 단계;
    후보 객체의 중심 좌표를 계산하는 단계;
    상기 중심 좌표를 초기 '시드' 위치로 하여 영역성장 과정을 수행하는 단계;
    상기 성장된 후보 객체 내에 있는 픽셀의 수(N2)를 구하는 단계;
    상기 원래의 후보 객체에 속한 픽셀의 수(N1)와 상기 성장된 후보 객체 내에 속한 픽셀의 수(N2)를 비교하는 단계; 및
    상기 성장된 후보 객체 내에 속한 픽셀의 수 N2가 상기 원래의 후보 객체 내에 속한 픽셀의 수 N1보다 소정 이상 크면 상기 원래의 후보 객체를 후보에서 제외시키는 단계를 포함하는 것을 특징으로 하는 아래턱뼈 내의 치조신경 검출방법.
  9. 제1항에 있어서, 상기 (f) 단계는
    단면슬라이스의 턱뼈 영상에 속한 모든 픽셀들에 대한 중심 좌표를 계산하는 단계;
    턱뼈 영역의 최상부에 위치한 픽셀과 최하부에 위치한 픽셀을 결정하고, 그 그 중간점을 계산하는 단계;
    중심좌표가 중간점에 가까이 있는지의 여부를 판별하는 단계;
    만일 그렇다면 후보 객체들 중 중간점 위에 있는 것으로서 중심좌표에 가장 가까운 후보 객체를 선택하거나 중심좌표 아래에서 가장 가까이 있는 후보 객체를 선택하여 이를 치조신경으로 판정하고, 그렇지 않으면 중심좌표에서 가장 가까이 있는 후보 객체를 선택하여 이를 치조신경으로 판정하는 단계를 포함하는 것을 특징으로 하는 아래턱뼈 내의 치조신경 검출방법.
  10. (a) 3차원의 턱뼈 영상으로부터 하나의 2차원 단면슬라이스(Si)를 얻는 단계;
    (b) 상기 단면슬라이스 영상에서 치조신경부분을 검출하는데 사용되는 시작점이 될 가능성이 있는 후보 픽셀들을 표시하는 단계;
    (c) 사용자는 후보 픽셀들 중에서 시작점을 지정하는 단계;
    (d) 상기 시작점에 이웃한 픽셀을 시작점의 밀도값과 비교하여 소정의 오차한계 범위내에 있는가에 따라 영역 성장과정을 수행하여, 하나의 단면슬라이스(Si)에서 치조신경영역에 해당하는 픽셀들을 검출하는 단계; 및
    (e) 상기 단면슬라이스(Si) 전후에 있는 단면슬라이스(Si+1또는 Si-1)에 대하여 상기 단면슬라이스(Si)에서 구한 영역을 근거로 그 영역을 확장하여 치조신경영역을 검출하는 단계를 포함하는 것을 특징으로 하는 아래턱뼈 내의 치조신경 검출방법.
  11. 제10항에 있어서, 상기 (e) 단계는
    상기 단면슬라이스(Si)에서 추출된 치조신경영역을 기초로 이웃 픽셀 영역으로 템플릿을 설정하는 단계;
    상기 단면슬라이스(Si+1또는 Si-1)의 템플릿 영역에 속하는 픽셀들 중 가장 작은 밀도값을 갖는 픽셀을 단면슬라이스(Si+1또는 Si-1)의 시작점으로 선정하는 단계; 및
    상기 단면슬라이스(Si+1또는 Si-1)에 대하여 구한 시작점에 이웃한 픽셀을 시작점의 밀도값과 비교하여 소정의 오차한계 범위 내에 있는가에 따라 영역 성장과정을 수행하여, 상기 단면슬라이스(Si+1또는 Si-1)에서 치조신경영역에 해당하는 픽셀들을 검출하는 단계를 포함하는 것을 특징으로 하는 아래턱뼈 내의 치조신경 검출방법.
  12. (a) 3차원 턱뼈 영상으로부터 복수의 2차원 단면슬라이스 영상을 형성하는 단계;
    (b) 상기 단면슬라이스 영상으로부터 턱뼈 영역에 해당하는 이진영상의 객체를 검출하는 단계;
    (c) 유사한 밀도를 갖는 픽셀들끼리 모이도록 상기 턱뼈 객체에 속하는 픽셀들을 클러스터 별로 분류하는 단계;
    (d) 각 클러스터에 포함된 픽셀의 수가 소정의 최소수를 초과하는 클러스터를 구하고, 이들 클러스터 중에서 가장 낮은 밀도분포를 갖는 최소클러스터를 구하는 단계;
    (e) 상기 턱뼈 영역에 속하면서 동시에 상기 최소클러스터의 밀도분포 이하의 밀도분포를 갖는 클러스터에 속하는 픽셀들과 그렇지 않은 픽셀들로 구분된 이진영상을 재구성하여 후보 객체를 추출하는 단계; 및
    (f) 상기 후보 객체가 실제의 치조신경인가의 여부를 결정하는 단계를 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
  13. (a) 3차원의 턱뼈 영상으로부터 하나의 2차원 단면슬라이스(Si)를 얻는 단계;
    (b) 상기 단면슬라이스 영상에서 치조신경부분을 검출하는데 사용되는 시작점이 될 가능성이 있는 후보 픽셀들을 표시하는 단계;
    (c) 상기 후보 픽셀들 중에서 사용자에 의하여 지정된 시작점을 근거로, 상기 시작점에 이웃한 픽셀을 시작점의 밀도값과 비교하여 소정의 오차한계 범위내에 있는가에 따라 영역 성장과정을 수행하여, 하나의 단면슬라이스(Si)에서 치조신경영역에 해당하는 픽셀들을 검출하는 단계; 및
    (d) 상기 단면슬라이스(Si) 전후에 있는 단면슬라이스(Si+1또는 Si-1)에 대하여 상기 단면슬라이스(Si)에서 구한 영역을 근거로 그 영역을 확장하여 치조신경영역을 검출하는 단계를 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
KR1019990039328A 1999-09-14 1999-09-14 턱뼈의 치조신경 검출방법 KR100338975B1 (ko)

Priority Applications (7)

Application Number Priority Date Filing Date Title
KR1019990039328A KR100338975B1 (ko) 1999-09-14 1999-09-14 턱뼈의 치조신경 검출방법
IT2000MI001980A IT1318843B1 (it) 1999-09-14 2000-09-11 Metodo per l'identificazione di una regione di nervo alveolare in unaimmagine mandibolare
SE0003205A SE0003205L (sv) 1999-09-14 2000-09-11 Förfarande för att identifiera alveolärt nervområde i käkbild
FI20002018A FI20002018A (fi) 1999-09-14 2000-09-13 Menetelmä hammaskuoppaan liittyvän hermoalueen tunnistamiseksi alaleukaluun kuvassa
DE10045551A DE10045551A1 (de) 1999-09-14 2000-09-14 Verfahren zum Identifizieren von Alveolar-Nervenbereichen im Kieferbild
FR0011727A FR2798493A1 (fr) 1999-09-14 2000-09-14 Procede d'identification d'une zone nerveuse alveolaire dans une image de machoire
US09/661,216 US6704439B1 (en) 1999-09-14 2000-09-14 Method for identification of alveolar nerve region in mandible image

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1019990039328A KR100338975B1 (ko) 1999-09-14 1999-09-14 턱뼈의 치조신경 검출방법

Publications (2)

Publication Number Publication Date
KR20010027535A KR20010027535A (ko) 2001-04-06
KR100338975B1 true KR100338975B1 (ko) 2002-05-31

Family

ID=19611473

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1019990039328A KR100338975B1 (ko) 1999-09-14 1999-09-14 턱뼈의 치조신경 검출방법

Country Status (7)

Country Link
US (1) US6704439B1 (ko)
KR (1) KR100338975B1 (ko)
DE (1) DE10045551A1 (ko)
FI (1) FI20002018A (ko)
FR (1) FR2798493A1 (ko)
IT (1) IT1318843B1 (ko)
SE (1) SE0003205L (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101190651B1 (ko) 2010-03-22 2012-10-15 이태경 영상이미지를 이용하여 천공 술식을 시뮬레이트 하는 장치 및 시뮬레이트 하는 방법
KR20200074598A (ko) * 2018-12-17 2020-06-25 주식회사 디오 하악골 신경 파악방법
KR20200140091A (ko) * 2019-06-05 2020-12-15 주식회사 인피니트헬스케어 치과 영상 시스템에서 신경관 경로 입력 및 생성 시스템

Families Citing this family (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7119805B2 (en) * 2001-02-20 2006-10-10 Canon Kabushiki Kaisha Three-dimensional CAD attribute information presentation
US7397937B2 (en) * 2001-11-23 2008-07-08 R2 Technology, Inc. Region growing in anatomical images
US7123766B2 (en) * 2002-02-11 2006-10-17 Cedara Software Corp. Method and system for recognizing and selecting a region of interest in an image
JP4487180B2 (ja) * 2004-03-18 2010-06-23 ソニー株式会社 情報生成装置及び情報生成方法
DK1808129T3 (en) * 2004-09-24 2017-08-28 Icat Corp Device for detecting cross-sectional information
FR2880154B1 (fr) * 2004-12-27 2007-06-22 Gen Electric Procede et systeme de visualisation rapide de structures
US7421144B2 (en) * 2005-03-16 2008-09-02 Fabio Riccardi Interface method and system for finding image intensities
FR2916626B1 (fr) * 2007-06-04 2014-09-19 Jean Capsal Procede de realisation d'un dispositif d'assistance au forage d'au moins un puits d'implantation dans une structure osseuse et dispositif obtenu
US8059888B2 (en) * 2007-10-30 2011-11-15 Microsoft Corporation Semi-automatic plane extrusion for 3D modeling
US8644608B2 (en) * 2009-10-30 2014-02-04 Eiffel Medtech Inc. Bone imagery segmentation method and apparatus
KR101662738B1 (ko) * 2010-02-05 2016-10-05 삼성전자주식회사 영상 처리 방법 및 그 장치
US8634626B2 (en) * 2010-06-29 2014-01-21 The Chinese University Of Hong Kong Registration of 3D tomography images
US9179843B2 (en) 2011-04-21 2015-11-10 Hassan Ghaderi MOGHADDAM Method and system for optically evaluating proximity to the inferior alveolar nerve in situ
US9269155B2 (en) * 2012-04-05 2016-02-23 Mediatek Singapore Pte. Ltd. Region growing method for depth map/color image
US9478038B2 (en) * 2014-03-31 2016-10-25 Regents Of The University Of Minnesota Unsupervised spatio-temporal data mining framework for burned area mapping
CN106530367B (zh) * 2016-09-29 2019-03-08 天津大学 一种基于Firm阈值迭代的电学层析成像稀疏重建方法
KR102237711B1 (ko) * 2019-02-18 2021-04-09 오스템임플란트 주식회사 신경관 라인 생성 방법 및 이를 위한 의료영상 처리장치
KR102210341B1 (ko) * 2019-02-26 2021-02-01 오스템임플란트 주식회사 영상처리 및 시뮬레이션을 이용한 신경관 자동 검출방법 및 그 장치
KR102231215B1 (ko) * 2019-05-21 2021-03-23 오스템임플란트 주식회사 신경관 라인 자동 생성방법 및 이를 위한 의료영상 처리장치
WO2020235784A1 (ko) * 2019-05-22 2020-11-26 주식회사 디오 신경 검출 방법 및 장치
KR102456703B1 (ko) * 2021-01-18 2022-10-20 오스템임플란트 주식회사 신경관 라인 생성방법 및 치과 임플란트 수술계획 수립장치
KR102523555B1 (ko) * 2022-05-26 2023-04-20 가천대학교 산학협력단 갈비뼈 분할 및 순서 결정 방법 및 이를 이용한 장치
CN115688461B (zh) * 2022-11-11 2023-06-09 四川大学 基于聚类的牙弓和牙槽骨弓形态异常程度评估装置及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06154252A (ja) * 1992-11-25 1994-06-03 Egawa:Kk インプラント構造体の測定方法およびその測定装置
JPH06209921A (ja) * 1992-12-16 1994-08-02 Egawa:Kk Ｍｒｉ口腔内測定方法およびｍｒｉ口腔内測定用造影材
JPH09322883A (ja) * 1996-06-05 1997-12-16 Tadahiko Kawai 顎関節の接触圧分布状態の解析装置
KR20000060352A (ko) * 1999-03-15 2000-10-16 남궁석 턱뼈의 뼈밀도를 확인하기 위한 시뮬레이션 방법 및 이를 실현시키기 위한 프로그램이 기록된 기록매체

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4920573A (en) * 1988-05-09 1990-04-24 Mpdi, Inc. Method for generating perpendicular synthesized cross-sectional images
US5848177A (en) * 1994-12-29 1998-12-08 Board Of Trustees Operating Michigan State University Method and system for detection of biological materials using fractal dimensions
US5725376A (en) * 1996-02-27 1998-03-10 Poirier; Michel Methods for manufacturing a dental implant drill guide and a dental implant superstructure
US6466687B1 (en) * 1997-02-12 2002-10-15 The University Of Iowa Research Foundation Method and apparatus for analyzing CT images to determine the presence of pulmonary tissue pathology

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06154252A (ja) * 1992-11-25 1994-06-03 Egawa:Kk インプラント構造体の測定方法およびその測定装置
JPH06209921A (ja) * 1992-12-16 1994-08-02 Egawa:Kk Ｍｒｉ口腔内測定方法およびｍｒｉ口腔内測定用造影材
JPH09322883A (ja) * 1996-06-05 1997-12-16 Tadahiko Kawai 顎関節の接触圧分布状態の解析装置
KR20000060352A (ko) * 1999-03-15 2000-10-16 남궁석 턱뼈의 뼈밀도를 확인하기 위한 시뮬레이션 방법 및 이를 실현시키기 위한 프로그램이 기록된 기록매체

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101190651B1 (ko) 2010-03-22 2012-10-15 이태경 영상이미지를 이용하여 천공 술식을 시뮬레이트 하는 장치 및 시뮬레이트 하는 방법
KR20200074598A (ko) * 2018-12-17 2020-06-25 주식회사 디오 하악골 신경 파악방법
KR102205987B1 (ko) 2018-12-17 2021-01-21 주식회사 디오 하악골 신경 파악방법
KR20200140091A (ko) * 2019-06-05 2020-12-15 주식회사 인피니트헬스케어 치과 영상 시스템에서 신경관 경로 입력 및 생성 시스템
KR102193158B1 (ko) 2019-06-05 2020-12-18 주식회사 인피니트헬스케어 치과 영상 시스템에서 신경관 경로 입력 및 생성 시스템

Also Published As

Publication number Publication date
FI20002018A (fi) 2001-03-15
US6704439B1 (en) 2004-03-09
SE0003205D0 (sv) 2000-09-11
SE0003205L (sv) 2001-03-15
FR2798493A1 (fr) 2001-03-16
IT1318843B1 (it) 2003-09-10
KR20010027535A (ko) 2001-04-06
ITMI20001980A0 (it) 2000-09-11
DE10045551A1 (de) 2001-03-22
FI20002018A0 (fi) 2000-09-13
ITMI20001980A1 (it) 2002-03-11

Similar Documents

Publication Publication Date Title
KR100338975B1 (ko) 턱뼈의 치조신경 검출방법
CN113223010B (zh) 口腔图像多组织全自动分割的方法和系统
JP6409054B2 (ja) 骨採取用のサージカルガイドを製造するための方法
KR101099732B1 (ko) 컴퓨터 단층촬영영상 및 자기공명영상에서 3차원 개별 치아 모델링을 위한 치아 분리 시스템
EP3803788B1 (en) Methods, systems, and computer programs for segmenting a tooth's pulp region from an image
EP1649810A1 (en) Image processing method and computer-readable recording medium containing image processing program
CN113168731B (zh) 曲面网格的自动修剪
Kakehbaraei et al. Dental segmentation in cone-beam computed tomography images using watershed and morphology operators
KR20210092974A (ko) 신경관 라인 생성방법 및 이를 위한 치과 임플란트 수술계획 수립장치
Heo et al. Segmentation of tooth in CT images for the 3D reconstruction of teeth
Kakehbaraei et al. 3D tooth segmentation in cone-beam computed tomography images using distance transform
EP3806034A1 (en) Segmentation device
Pavaloiu et al. Knowledge based segmentation for fast 3D dental reconstruction from CBCT
Arica et al. A plain segmentation algorithm utilizing region growing technique for automatic partitioning of computed tomography liver images
Zhu et al. An algorithm for automatically extracting dental arch curve
KR102231334B1 (ko) 치아 배열 분석 방법, 이를 이용한 파노라마 이미지 생성 방법 및 그 장치
KR102231215B1 (ko) 신경관 라인 자동 생성방법 및 이를 위한 의료영상 처리장치
Karthikeyan et al. A novel approach for inferior alveolar nerve (IAN) injury identification using panoramic radiographic image
Bouchana et al. Semi-automatic algorithm for 3D volume reconstruction of inner ear structures based on CT-scan images
Sotthivirat et al. Automatic detection of inferior alveolar nerve canals on CT images
Orlowska et al. Virtual tooth extraction from cone beam computed tomography scans
KR102456703B1 (ko) 신경관 라인 생성방법 및 치과 임플란트 수술계획 수립장치
Chanwimaluang et al. Automated dental arch detection using computed tomography images
CN115568873B (zh) 一种ct影像自动调整方法
Benyó et al. Detection of the root canal's centerline from dental micro-CT records

Legal Events

Date Code Title Description
A201 Request for examination
N231 Notification of change of applicant
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20130308

Year of fee payment: 12

FPAY Annual fee payment

Payment date: 20140227

Year of fee payment: 13

FPAY Annual fee payment

Payment date: 20150520

Year of fee payment: 14

LAPS Lapse due to unpaid annual fee