KR100444414B1

KR100444414B1 - 지배적인구조의제거를통한데이터시각화향상

Info

Publication number: KR100444414B1
Application number: KR1019970045888A
Authority: KR
Inventors: 고팔 빌리게리 아비나쉬; 아브달마예이드 무사 알리아신
Original assignee: 제너럴 일렉트릭 캄파니
Priority date: 1996-11-27
Filing date: 1997-08-29
Publication date: 2004-12-14
Also published as: DE19746938A1; CN1188949A; KR19980041876A; CN1127700C; JPH10232928A; IL122163A0; US5832134A

Abstract

본 발명은 피사체의 향상된 3차원(3-D) 시각화를 위한 빠른 분할과 영상 처리를 실행하기 위한 시스템을 제공한다. 본 발명은 원하는 정보를 유지하면서 영상들로부터 원치 않는 지배적인 특징들을 자동적으로 추출한다. 본 발명은 특히 피사체의 머리의 혈관을 관찰하기 위한 CTA(Computed Tomography Angiograms)와 잘 동작한다. 영상 데이터로부터 지배적인 구조들을 세그먼트화 및 제거함으로서 최대 강도 투영(MIP), 표면 연출(surface rendering) 및 볼륨 연출(volume rendering)과 같은 시각화 기술이 향상된 혈관 시각화를 제공하도록 한다.

Description

지배적인 구조의 제거를 통한 데이터 시각화 향상

발명의 분야

본 발명은 디지탈 영상 처리에 관한 것으로, 특히 지배적인 구조들(dominating structures)의 제거를 통한 데이터 시각화 향상에 관한 것이다.

관련된 종래의 기술

영상화에서, 큰 강도의 신호를 제공하는 지배적인 구조는 종종 관찰되어지길 원하는 다른 덜 지배적인 구조를 가리게 된다. 최대 강도 투영(MIP; maximum intensity projection) 영상 재구성 기술들에서 이것은 매우 중요하다. MIP는 데이터 볼륨을 통해 영상 평면에 가상 광선(imaginary ray)을 통과시킴으로서 영상들을 재구성하고, 영상 평면상에 픽셀(pixel) 강도로서 교차되는 최대 값을 사용한다. 대부분의 경우에, 이는 원하는 구조에서 전혀 또는 거의 표시되지 않는 지배적인 특징이 될 것이다.

또한, 강도들의 동적 범위는 원하는 구조들간의 콘트라스트(contrast)가 영상의 강도 스케일에 비해 작게 되도록 한다. 관찰되는 국부적인 영역(localized region)에 관한 원하는 구조들간의 콘트라스트를 향상시키기 위해서는 지배적인 구조들을 제거하는 것이 매우 바람직하다.

예를 들어, 뼈의 구조와 연골 조직(예를 들어, 두개골과 뇌) 사이에 높은 콘트라스트를 제공하기 위한 컴퓨터 단층 촬영법(Computed Tomography, CT)이 공지되어 있다. 이러한 높은 콘트라스트는 다수의 의학적인 응용들에 유용하다. 그러나, CTA(Computed Tomography Angiography) 데이터에서, 높은 강도의 뼈는 3-D 혈관들(vessels) 정보를 추출하는데 어려움을 야기한다. 이는 뼈의 강도 분포들과 채워진 혈관들의 콘스라스트가 겹치는 것에 인한 것이다.

현재의 기술들은 뼈와 같은, 지배적인 구조들을 제거하는데 반자동 트레이싱(tracing)을 사용한다. 조작자는 제거되도록 선택된 영역들을 추적하거나, 다른 방법으로 포함되도록 선택된 영역들을 추적한다. 클라인(H.E. Cline), 로렌슨(W.E. Lorensen), 키키니스(R. Kikinis), 욜레스(F.Jolesz)에 의한 "확률과 결합을 이용한 머리의 MR 영상들의 3차원 분할(Three Dimensional Segmentation Of MR Images Of The Head Using Probability And Connectivity)", 컴퓨터 어시스텐트 토모그래픽의 저널(Journal of Computer Assisted Tomography), Vol 14, No. 6, 1037-1045(1990)에서 설명된 바와 같은 종래의 결합 알고리즘은 뼈를 세그먼트화하는데 사용된다. 이러한 접근법들은 너무 낮아서 혈관들에 물리적으로 접촉하는 뼈들을 제외하지 않는 임계값을 결합 알고리즘이 사용할 때 정보의 왜곡이 생긴다. 이러한 편집은 또한 많은 조작 시간(15-30분)을 요구한다. 대부분의 경우에, 그 결과들은 개개의 조작자들의 개인적인 성향과 경험에 영향을 받는다.

조작자의 시간을 줄이기 위한 노력으로, 연구원들은 쉬프만(S. Shiffman), 루빈(G. Rubin), 및 내펠(S. Napel)에 의한 "혈관 구조의 시각화를 위한 컴퓨터 단층 촬영부의 반자동 편집(Semi-Automated Editing Of Computed Tomography Sections For Visualization Of Vasculature)", SPIE 2707: 140-151, (1996)에서 설명되는 하이브리드(hybrid) 반자동화된 편집 프로그램들을 개발시켰다. 이러한 기술들에서, 별개의 라벨과 연관된 각 세그먼트(segment)로 라벨화된 영상들의 세트를 생성하도록 자동화된 2D 분할 절차가 실행된다. 그 다음, 사용자는 적은 수의 라벨화된 영상들을 관찰하고, 마우스로 지정하여 클릭함으로서 관심 있는 세그먼트들을 선택한다. 이러한 활동(activity)은 유사한 라벨들을 갖는 관련된 세그먼트들을 수집하는 결합 알고리즘을 트리거(trigger)한다 선택된 세그먼트들은 처리 안된(raw) 영상으로부터 대응하는 보셀(voxel) 강도들을 추출하기 위한 마스크로서 사용된다. 이 방법은 계산에 매우 집중되어 임상 실행에는 현재 적합하지 않다.

논문에서 제안된 또 다른 접근법은 바니-해쉬미(A. Bani-Hashemi), 크리쉬난(A. Krishnan), 및 서매더(S. Samaddar)에 의한 "CT-혈관 조영법 연구의 디지털 감산을 위한 편향 정합(Warped Matching for Digital Subtraction of CT-Angiography Studies)", SPIE 2710:428-437, (1996)에서 설명되는 전후 콘스라스트 주입에 대응하는 데이터 세트들의 디지털 감산을 위한 편향 정합의 사용을 포함한다. 이 방법은 피사체들에 방사량을 증가시키는 2개의 데이터 세트들의 이용 가능성을 요구할 뿐만 아니라, 계산이 너무 많이 포함되어 일상 임상적 실용에 사용될 수 없다.

현재에는 임상적으로 실행 가능한 원하는 구조들의 시각화를 향상시키도록 지배적인 구조들을 제거하는 시스템을 필요로 한다.

본 발명의 요약

지배적인 구조들을 제거함으로서 영상 데이터 G1(x,y,z)를 향상시키는 시스템은 원래의 영상 데이터 G1를 더 낮은 해상도 데이터 g1(x,y,z)로 서브샘플링(subsampling)하도록 서브샘플링 장치를 사용한다. 이는 본 발명이 처리 속도를 빠르게 하는 것을 가능하게 한다.

임계값 장치는 g1의 값들이 임계값보다 크면 '1'이고 그렇지 않은 경우에는 '0'인 임계값 마스크 m1(x,y,z)을 생성한다. 이는 지배적인 구조가 있을 가능한 위치들을 식별한다.

결합 장치는 마스크 m2로서 마스크 m1의 결합된 영역들을 결정한다. 연결되지 않은 구조들은 마스크 m2에 포함되지 않는다.

확장 장치는 확장된 마스크 m3(x,y,z)을 생성하도록 소정의 양만큼 마스크 m2를 확장한다.

전이 영역 장치는 확장된 마스크 m3과 결합된 마스크 m2 사이의 차이인 전이 영역 m4(x,y,z)를 결정한다. 이는 부분적으로 지배적인 구조이고 일부는 다른 물질인 픽셀들을 나타낸다.

대체 장치는 평균 픽셀 강도 μ 를 계산하고, 지배적인 특징이 있었던 g1의 값들(여기서 m2=1)을 대체하는 μ 값을 갖고 다른 모든 위치들은 변하지 않는 대체된 데이터 세트 g2(x,y,z)를 생성한다.

필터, 바람직하게 적응형 중간 필터는 m4에 의해 정의된 전이 영역내의 데이터 값들을 필터링된 g2 값으로 대체하며, 다음에 따라 전이 영역 대체 데이터 g3(x,y,z)을 생성한다:

보간 장치는 m2, m4, g3을 각각 원래의 해상도의 M2, M4, G3으로 보간시킨다.

영상 발생기는 다음에 따라 향상된 영상 데이터 G4(x,y,z)를 조립한다:

향상된 영상 데이터 G4는 지배적인 구조 없이 원래의 영상 데이터와 동일한 해상도를 갖는 향상된 영상을 제공하도록 디스플레이 장치에 디스플레이된다.

본 발명의 목적

본 발명의 목적은 원하는 구조들의 향상된 영상들을 생성하기 위해 영상에서 원하지 않는 지배적인 구조들을 제거하는 시스템을 제공하는 것이다.

본 발명의 또 다른 목적은 큰 영상 값들을 갖는 지배적인 구조들 부근에서 작은 강도 차이들을 갖는 구조들을 보다 더 명확하게 영상화하는 시스템을 제공하는 것이다.

본 발명의 또 다른 목적은 대략 동일한 픽셀 강도들을 갖는 다른 구조들을 보존하면서 영상으로부터 원하지 않는 지배적인 구조들을 제거하는 것이다.

본 발명의 또 다른 목적은 뼈로 둘러싸여 있을 때에도 피사체(subject)의 혈관(vascular) 구조들을 보다 더 명확하게 영상화하는 시스템을 제공하는 것이다.

새로운 것으로 여겨지는 본 발명의 특징들은 특히 첨부된 청구항들에서 설명된다. 그러나 본 발명 자체는 본 발명의 다른 목적들 및 이점들과 함께 동작의 구성 및 방법에 관하여 첨부한 도면과 함께 제공된 다음의 설명을 참조하여 최상으로 이해될 수 있다.

도 1은 피사체의 단면을 통해 픽셀 강도들의 변화를 설명하는 도면.

도 2는 본 발명의 기능을 설명하는 흐름도.

도 3a 내지 도 3e는 본 발명에 따른 처리 동안 다양한 점들에서의 결과를 설명하는 도면.

도 4는 본 발명의 일 실시예를 간략화한 블록도.

도 5a는 제 1 CTA(Computed Tomography Angiography) 데이터 세트의 최대 강도 투영(MIP; maximum intensity projection) 영상을 도시한 도면.

도 5b는 본 발명을 사용한 후 도 5a에서 사용된 데이터 세트의 MIP를 도시한 도면.

도 6a는 제 2 CTA 데이터 세트의 MIP 영상을 도시한 도면.

도 6b는 본 발명을 사용한 후 도 6a에서 사용된 데이터 세트의 MIP를 도시한 도면.

♠도면의 주요 부분에 대한 부호의 설명♠

1 : 피사체 31 : 영상 포착 장치

33 : 서브샘플링 장치 35 : 임계값 장치

37 : 결합 장치 39 : 확장 장치

43 : 적응형 중간 필터 47 : 영상 발생 장치

49 : 디스플레이

본 발명의 상세한 설명

영상들 내의 구조들은 때때로 영상의 나머지와 비교하여 예외적으로 큰 데이터 값들을 갖는 원하지 않는 지배적인 구조에 의해 불명료해진다. 이는 영상 데이터 볼륨을 관통하여 영상 평면으로 통과하는 광선에 따라 가장 큰 값이 픽셀 강도로 사용되는 최대 강도 투영(MIP; maximum intensity projection) 영상 재구성에서 특히 그러하다.

또 다른 경우에, 원하지 않는 구조가 다른 원하는 구조의 데이터 값의 범위들과 유사하거나 또는 겹치는 영상 데이터 값의 범위를 가질 수 있다. 이러한 경우에, 원하지 않는 구조를 완전히 규정하고(세그먼트), 제거하는 것이 바람직하다.

도 1에는 피사체(subject)의 단면 영상(100)이 도시되어 있다. 영역(101)은 이러한 타입의 영상에서 강도 I_a로서 표시된다. 영역(102)은 강도 I_b를 가지며, 영역(103)은 강도 I_c를 갖는다. 영역들을 통해 광선 D를 추적하면, 작은 점 표시(tick mark)로 표시된 강도 값이 각 픽셀에 할당되며 도 1의 그래프에 도시된다. 한 영역내에 완전히 있는 픽셀들을 분류하여 특정한 타입의 물질로서 세그먼트화하는 것이 용이하다. 그러나, (105), (108)과 같이, 픽셀 전이들이 존재하며 이러한 전이 픽셀들은 2개의 영역들에 놓여 있어 분류하기가 어렵다. 이들은 전이 영역들이며, 세그먼트화하는데 어려움이 있다.

또한, 도 1 상에 점선으로 도시되어 있는 임계값으로 간단히 임계값 처리함으로써 강도 Ic를 갖는 영역(103)은 강도 Ia를 갖는 영역(101)과 매우 유사해져서, 영역(101)에 있는 구조의 일부인 것으로 혼동된다.

명료성을 위해, 본 발명은 여기서 CTA(Computed Tomography Angiograms)에 대해 설명되지만, 다른 많은 영상 데이터 세트에 적용될 수 있다.

본 발명은 혈관(vessel) 데이터 및 석회화부(calcification)와 같은 다른 바람직한 구조들을 보존하면서 영상 데이터 세트로부터 결합된 뼈와 같은, 지배적인 구조들을 제거하기 위해 영상 데이터를 조작한다.

영상 데이터 획득

혈관들을 시각화하기 위해서, 주위의 조직들과의 콘스라스트를 명확히 향상시키는 혈관들의 강도 값을 증가시키는데 조영제(contrast agent)가 필요하다.

도 2에서는 본 발명의 기능 중 주요 단계들을 설명하는 흐름도가 도시되어 있다.

도 2의 단계(11)에서 영상 데이터가 얻어진다. 영상 데이터는 G1(x,y,z)로 표시되고, 여기서 (x,y,z)는 3D 데이터 세트에서 보셀(voxel) 위치를 표시하며 G1은 (x,y,z) 위치에서의 강도 값을 표시한다.

다음의 설명에서, 영상 데이터 세트들은 x와 y의 공간 해상도의 전형적인 값이 512 x 512이며, 종횡비가 1:1:2에서 1:1:4까지의 범위로 획득되는 CTA인 것으로 선택된다. 슬라이스들(slices)(z축)의 수는 관심 있는 볼륨을 포함한다(cover). 축의 CTA 영상이 도 3a에 도시된다.

데이터 서브샘플링

영상 데이터 G1(x,y,z)는 단계(13)에서 더 낮은 x와 y 공간 해상도 128x128로 서브샘플링된다. 더 낮은 해상도에서 데이터는 g1(x,y,z)와 같이, 소문자(lowercase)로 표시된다. 서브샘플링된 데이터 세트들은 종횡비가 1:1:1인 등방성(isotropic)이다. G1(x,y,z) 데이터 세트에서 관심 있는 4x4x1 볼륨(VOI; volume of interest)은 g1(x,y,z) 데이터 세트에서 한 보셀에 대응한다. 그 VOI의 최대 보셀 강도 값은 더 낮은 해상도로 보셀 강도 값을 나타내는데 사용된다.

서브샘플링은 데이터의 처리 속도를 빠르게 하여 본 발명을 임상적으로 실행 가능하게 만드는데 사용된다.

임계값 마스크

단계(15)에서

에 따라 임계값 t1을 사용하여 지배적인 구조(뼈)에 대하여 마스크 m1(x,y,z)가 발생되며, 여기서, (x,y,z)는 서브샘플링된 공간 r에서의 위치이다.

t1의 보셀 강도 값은 1350 내지 1500의 범위(하운즈필드(Hounsfield) 수 350 내지 500)에 있으며, 그 결과로 도 3b에 도시된 바와 같은 마스크 ml가 생기게 한다.

단계(13)는 기본적으로 t1 보다 더 높은 강도 값을 갖는 보셀을 유지한다. 비록 t1이 주로 뼈를 포함할 만큼 충분히 높다 하더라도, 일반적으로 마스크에는 몇몇 석회화부들이 포함된다. 석회화부들의 크기와 그 강도에 의존하여, 석회화부 강도 값은 뼈의 강도 범위 값에 이를 수 있다.

결합성(Connectivity)

단계(17)에서, 마스크 m1(x,y,z)내의 위치들은 결합성을 결정하도록 체크된다. 연결된 높은 강도 영역들은 새로운 마스크 m2(x,y,z)에 놓여지고, 석회화부들과 같은, 높은 강도 영역들은 배치되지 않는다.

마스크 m1(x,y,z)는 뼈가 아닌 조직을 제거하고, 도 3c에 도시된 바와 같이 마스크 m2(x,y,z)에 결합된 뼈만을 유지하도록 분석된다. 석회화부들이 일반적으로 혈관들의 내부에 위치하므로, 석회화부들은 마스크 m2(x,y,z)에 포함되지 않을 것이다.

확장 마스크(Dilation Mask)

단계(19)에서 m3(x,y,z) = Dilate(m2(x,y,z))에 따라, m2(x,y,z)를 각 차원에서 소정 수의 픽셀들로 확장시킴으로서, 또 다른 마스크 m3(x,y,z)가 발생되며,예를 들어, 3x3x3 확장(각 차원에 대해 3개 픽셀들)이 사용된다.

마스크 m3는 도 3d에 도시된다.

마스크의 확장은 결합 표시된 뼈를 확장한다. 3x3x3 크기의 커널(kernel)은 원래의 데이터 크기에서 12x12x12의 커널 크기에 대응한다. 이는 원래의 마스크에 포함되지 않은 볼륨을 포함할 것이다.

전이 볼륨 마스크(Transition Volume Mask)

단계(21)에서는 m4(x,y,z) = m3(x,y,z)-m2(x,y,z)와 같이 m2(x,y,z)를 이용하여 전이 마스크 m4(x,y,z)가 생성된다.

마스크 m4는 도 3e에 도시된다. 이제 전이 마스크 m4(x,y,z)가 마스크 m1에 없는 임계값 t1 보다 더 낮은 강도 값을 갖는 뼈의 볼륨을 표시함을 유념하라.

지배적인 특성 대체(Dominant Feature Replacement)

에 도시된 바와 같이 g1(x,y,z)와 m2(x,y,z)를 이용하여 혈관 데이터 g2(x,y,z)가 발생되는데, 여기서, μ는 혈관 주변 조직 평균 강도 값이다. 본 실시예에서, 이는 μ=1050이다. g2(x,y,z)가 여전히 t1 보다 더 낮은 강도 값의 뼈를 포함함에 유념하며, 그것은 주로 부분적인 볼륨 평균화로 인한 것이다. 또한, 임계값 지정은 높은 강도의 뼈가 사용되는 경우와 낮은 강도의 뼈가 사용되는 경우 사이에 날카로운 에지(edge)들을 발생시킨다.

적응형 필터(Adaptive Filter)

단계(23)에서 마스크 m4(x,y,z)로 정의된 전이 영역들이 필터링된 값들로 대체되어, 그 결과 필터링된 데이터 세트 g3가 생기게 된다. 한 양호한 실시예는 아래에 도시된 바와 같이 적응형 중간 필터링을 사용한다:

예를 들어, 3x3x3 전이 마스크 3x3x3 커널이 사용될 수 있다. 커널의 중심 보셀이 전이 영역을 통과하면, g2에서 대응하는 보셀들의 중간 보셀 값은 g3에서 사용된다.

중간 필터는 작은 반점들(speckles)이나 날카로운 에지들을 제거하는 비선형 평활화 필터(nonlinear smoothing filter)이다. 낮은 강도의 뼈는 뼈가 아닌 이웃하는 보셀 값들로 대체된다. 이 필터는 낮은 강도의 뼈가 존재하는 경우(즉, m2(x,y,z) = 1인 경우)에만 사용됨을 유념하라.

다른 필터링 방법들이 사용될 수 있다. 상기 적응형 중간 필터링 방법에서, 혈관들 데이터는 이 필터에 영향을 받지 않는다. 또한, 다른 필터들에서와 같이 새로운 데이터 값들이 발생되지 않음을 유념하라. 다른 필터링 방법들에서, 원래의 데이터 값들만을 사용하여, 다른 것들을 대체하는 것이 최선이다.

보간(Interpolation)

단계(25)에서 서브샘플링된 데이터 g3(x,y,z), 마스크들 m2(x,y,z) 및 m4(x,y,z)는 각각 G3(x,y,z), M2(x,y,z), 및 M4(x,y,z)을 생성하기 위해 원래의 공간 해상도 512x512xN으로 보간되는데, 여기서, N은 원래의 슬라이스들의 수이다.

사용될 수 있는 문헌에는 몇 개의 종래의 보간 기술들이 존재한다. G3(x,y,z)에 대해서 3선형(trilinear) 보간이 사용되었고, 마스크들 M2 및 M4에 대해서는 보셀 복제(voxel replication)가 사용되었다.

영상 발생(Image Generation)

단계(27)에서 아래에 도시된 바와 같이 M2(x,y,z), M4(x,y,z), G1(x,y,z) 및 G3(x,y,z)로부터 최종 출력으로서 혈관 데이터 G4(x,y,z)가 발생된다:

여기서, R은 원래의 볼륨 데이터 세트이다.

G4(x,y,z) 데이터 세트는 획득된 것과 동일한 해상도로 원래의 혈관(vascular) 데이터 G1(x,y,z)를 포함한다. 또한, 이는 낮은 강도의 뼈만이 위치되도록 사용되는 처리된 데이터를 최소한도로 포함한다.

실행(Implementation)

도 4에는 본 발명의 실시예의 간략화된 블록도가 도시되어 있다.

영상 데이터 G1(x,y,z)는 영상 포착 장치(31)에 의해 피사체(1)가 획득된다.

영상 데이터(G1)는 영상 포착 장치(31)에 연결된 서브샘플링 장치(33)에 의해 더 낮은 x 및 y 공간 해상도 g1(x,y,z), 예를 들어 128x128로 서브샘플링된다.

임계값 장치(35)는 더 낮은 해상도 영상 데이터 g1을 수신하고, 임계값 t1을이용하여 지배적인 구조(뼈)에 대한 마스크 m1(x,y,z)를 발생한다.

결합 장치(37)는 임계값 장치(35)로부터 마스크 m1(x,y,z)를 판독하고, m1의 어느 위치들이 연결되었는지 결정한다. 이는 마스크 m2(x,y,z)에 저장된다.

결합 장치(37)에 연결된 확장 장치(39)는 또 다른 마스크 m3(x,y,z)를 생성하기 위해 각 차원에서의 소정 수의 픽셀들에 의해, 예를 들어 3x3x3 확장으로 마스크 m2를 확장시킨다.

전이 영역 장치(41)는 확장 장치(39) 및 결합 장치(37)에 연결되고, 그들로부터 각각 마스크들 m3 및 m2를 수신한다. 전이 영역 장치는 m3에서 m2를 감산하여 그 결과 전이 마스크 m4(x,y,z)가 생기게 된다.

대체 장치(42)는 서브샘플링 장치(33)로부터 서브샘플링된 데이터 g1를 수신하고, 픽셀 강도들의 평균 μ을 생성한다. 그 다음, 다른 모든 위치들이 변하지 않고 지배적인 특징이 있는 위치에 대해서는 g1의 값들을 대체하는 값 μ을 갖는 대체된 데이터 세트를 생성하고, 그 결과 데이터 g2(x,y,z)가 생기게 된다.

적응형 중간 필터(43)는 전이 영역 장치(41)로부터 m4를 수신하고, 대체 장치(42)로부터 데이터 g2를 수신하고, 도 2의 단계(23)에 기술된 바와 같이 전이 영역 내에 g2의 대응하는 위치들의 값을 중간 값으로 대체하며, 그 결과 필터링된 데이터 g3(x,y,z)가 생기게 된다.

보간 장치(45)는 필터링된 데이터 g3(x,y,z), 마스크들 m2(x,y,z), m4(x,y,z)을 수신하고, 그 다음 각각 G3(x,y,z), M2(x,y,z), M4(x,y,z)를 생성하기 위해 이를 원래의 공간 해상도 512x512xN으로 보간하며, 여기서, N은 원래의 슬라이스들의 수이다.

영상 발생 장치(47)는 보간 장치(45)로부터 M2(x,y,z), M4(x,y,z), 및 G3(x,y,z)을 수신하고, 영상 포착 장치(31)로부터 원래의 데이터 G1를 수신하고, 최종 영상 데이터 G4를 발생한다. 이는 마스크 M2에 의해 식별되는, 지배적인 특징이 전체 픽셀을 채웠던 위치들에 대해 μ 값을 이용하여 최종 영상 데이터 G4를 조립한다. 이는 마스크 M4에 의해 식별되는 전이 영역에서 G3 값들을 사용하고, 다른 모든 위치들에 대해 변화되지 않은 원래의 데이터 값들 G1을 사용한다.

결과

도 5a는 종래 CTA 데이터 세트의 MIP 영상을 도시한다. 도 5b는 도 5a의 영상 데이터 세트가 본 발명에 따라 처리된 후에 MIP에 의해 생성된 영상이다.

유사하게, 도 6a는 종래의 CTA 데이터 세트의 MIP 영상이다. 도 6b는 도 6a의 영상 데이터 세트가 본 발명에 따라 처리된 후에 MIP에 의해 생성된 영상이다.

30MBytes CTA 영상 데이터에 적용되는, 본 발명은 Sun-Sparc 20 컴퓨터에서 2분 CPU 시간 하에서 운영된다. 16 비트의 보셀 값을 갖는 512x512x60 데이터 세트 볼륨에 대해, 제안된 기술을 이용하여 데이터를 세그먼트화하는데는 대략 1분이 걸린다. 그러므로, 이 기술은 임상적으로 실행 가능하고, 임상학자가 진단 정보를 추출하는데 도움이 되는 효과적인 도구가 된다.

여기서 현재 새로운 발명에 따른 수 개의 양호한 실시예들이 상세히 설명되었지만, 종래 기술에 숙련된 자에게는 많은 수정들 및 변경들이 명백해질 것이다.그러므로, 첨부된 청구항들은 본 발명의 진정한 의도 내에 드는 것으로 이러한 모든 수정들 및 변경들을 포함하도록 의도됨이 이해되어질 것이다.

Claims

영상 데이타 G1(x,y,z)를 향상시키는 방법에 있어서,

a) 원래의 영상 데이터 G1을 더 낮은 해상도 데이터 g1(x,y,z)로 서브샘플링하는 단계와;

b) g1 값들이 임계값보다 큰 경우 1이고, 그렇지 않을 때는 0인 m1 값으로 임계값 마스크 m1을 생성하기 위해 g1을 임계값 처리하는 단계와;

c) 마스크 m1의 결합 영역들을 결정하고 그것들을 마스크 m2로 저장하는 단계와;

d) 확장된 마스크 m3(x,y,z)을 생성하도록 소정의 양만큼 마스크 m2를 확장하는 단계와;

e) 확장된 마스크들 m3와 임계값 m2 사이의 차이인 전이 영역 m4(x,y,z)를 결정하는 단계와;

f) 전이 영역 대체 데이터 g3(x,y,z)을 생성하기 위해 m4에 의해 규정된 영역에 필터를 적용시키는 단계와;

g) m2, m4, g3을 각각 원래 해상도의 M2, M4, G3으로 보간시키는 단계와;

h) 영상 데이터 G1으로부터 평균 픽셀 강도 μ를 결정하는 단계와;

에 따라 영상 데이터 G4(x,y,z)를 조립하는 단계와;

j) 영상 데이터 G4를 향상된 영상으로 디스플레이하는 단계를 구비하는, 영상 데이터 향상 방법.
제 1 항에 있어서, 필터링 단계는 전이 영역 대체 데이터 g3(x,y,z)을 생성하기 위해 m4에 의해 규정된 영역에 적응형 중간 필터를 적용시키는 단계를 포함하는, 영상 데이터 향상 방법.
영상 데이터 G1(x,y,z)을 향상시키기 위한 시스템에 있어서,

a) 원래의 영상 데이터 G1를 더 낮은 해상도 데이터 g1(x,y,z)로 서브샘플링하는 서브샘플링 장치와;

b) g1 값들이 임계값보다 큰 경우 1이고, 그렇지 않을 때는 0인 m1 값들로 임계값 마스크 m1을 생성하기 위해 g1을 임계값 처리하기 위해 서브샘플링 장치에 연결된 임계값 장치와;

c) 마스크 m1을 수신하고 마스크 m1의 결합된 영역들을 결정하고 이를 마스크 m2로서 저장하기 위해 임계값 장치에 연결된 결합 장치와;

d) 확장된 마스크 m3(x,y,z)을 생성하기 위해 소정의 양만큼 마스크 m2를 확장하기 위해 결합 장치에 연결된 확장 장치와;

e) 확장된 마스크 m3와 임계값 m2 사이의 차이인 전이 영역 m4(x,y,z)를 결정하기 위해 확장 장치 및 임계값 장치에 연결된 전이 영역 장치와;

f) 평균 픽셀 강도 μ를 생성하고, 지배적인 특성이 있었던 위치에서는(m2=1인 위치에서는) g1 값을 대체하는 값 μ을 갖고 다른 모든 위치들은 변하지 않는 대체된 데이터 세트 g2(x,y,z)를 생성하기 위해 서브샘플링 장치에 연결된 대체 장치와;

에 따라 전이 영역 대체 데이터 g3(x,y,z)을 생성하기 위해 m4에 의해 규정된 영역 내의 데이터 값들을 필터 처리된 g2의 값들로 대체하기 위해 전이 영역 장치 및 대체 장치에 연결된 필터와;

h) m2, m4, g3을 원래의 해상도의 M2, M4, G3으로 각각 보간시키기 위해 필터, 확장, 및 임계값 장치들에 연결된 보간 장치와;

에 따라 영상 데이터 G4(x,y,z)를 조립하기 위해 보간 장치에 연결된 영상 발생기; 및

j) 영상 데이터 G4를 향상된 영상으로 디스플레이하기 위해 영상 발생 장치에 연결된 디스플레이 장치를 포함하는, 영상 데이터 향상 시스템.
제 3 항에 있어서, 상기 필터는 전이 영역 대체 데이터 g3(x,y,z)을 생성하기 위해 m4에 의해 규정된 영역에서 데이터를 필터링하는 적응형 중간 필터를 포함하는, 영상 데이터 향상 시스템.