KR100938863B1

KR100938863B1 - Apparatus for processing diffusion weighted MR imaging to achieve automated segmentation of target organ and visualization of cancer tissue

Info

Publication number: KR100938863B1
Application number: KR1020080049777A
Authority: KR
Inventors: 김정곤; 김남국; 박범우
Original assignee: 재단법인 아산사회복지재단
Priority date: 2008-05-28
Filing date: 2008-05-28
Publication date: 2010-01-27
Also published as: KR20090123616A

Abstract

본 발명은 확산 강조 자기 공명 영상 처리 장치 및 이미징 방법을 제공하기 위한 것으로, 이미징 처리장치에 있어, 전립선 암 환자를 대상으로 자기공명 촬영 시 환자의 정보를 기록하고 영상을 관리하며 추후 환자의 상태변화 정보를 기록 관리하는 동작을 제어하는 제어부와; 상기 제어부의 제어를 받고, 사용자 단말기로 촬상된 영상을 확인할 수 있는 화면을 제공하는 확산 강조 영상 및 컬러 매핑된 영상을 확인하는 영상 확인부와; 상기 제어부의 제어를 받고, 상기 사용자 단말기를 이용하여 피검자의 다양한 b 값에서의 확산 강조 영상 을 획득하는 b값 설정부와; 상기 b값 설정부에서의 b 값들에 따른 모든 복셀(voxels)들에서의 ADC를 연산하는 ADC 연산설정부와; 피검자의 관심 영역인 전립선을 신호강도를 기반으로 체절(segmentation)하기 위해 MR 영상에서의 신호 강도의 임계치를 입력하는 임계치 설정부와; 자동화 전립선 암 예측 컬러 맵의 ADC의 범위를 입력하는 ADC 범위 입력부를 포함하는 영상 처리장치를 제공함을 주된 기술적 특징으로 하여, 피검자의 병변의 오진 요인을 소거한 획기적인 처리 기법으로써, 피검자의 정확한 상태 파악 및 추후 관련 연구에도 활용하도록 할 수 있도록 하였다.The present invention is to provide a diffusion-weighted magnetic resonance image processing apparatus and an imaging method, in the imaging processing apparatus, recording the patient's information and image management during magnetic resonance imaging of the prostate cancer patient and later change of the patient's state A control unit controlling an operation of recording and managing information; An image confirming unit under control of the controller and confirming a diffusion-weighted image and a color-mapped image providing a screen for confirming an image captured by a user terminal; A b-value setting unit that is controlled by the controller and obtains a diffusion-weighted image at various b-values of a subject using the user terminal; An ADC operation setting unit for calculating an ADC in all voxels according to the b values in the b value setting unit; A threshold setting unit configured to input a threshold of a signal intensity in an MR image to segment the prostate, which is a region of interest of the examinee, based on signal intensity; The main technical feature is to provide an image processing apparatus including an ADC range input unit for inputting an ADC range of an automated prostate cancer prediction color map, and is a groundbreaking processing technique that eliminates a misdiagnosis factor of a subject's lesion. And future researches.

Description

Apparatus for processing diffusion weighted MR imaging to achieve automated segmentation of target organ and visualization of cancer tissue

본 발명은 확산 강조 영상 처리 장치 및 처리 방법에 관한 것으로, 특히 전립선 암 환자를 대상으로 자기 공명 영상 촬영 시 환자의 촬상단 영상 정보를 기록하고 판독 결과를 관리하며 추후 환자의 상태변화 정보를 사전 판독 관리할 수 있도록 조력함으로써, 오진의 위험성이 없는 피검자의 병변 상태 파악 및 추후 관련 연구에도 활용하도록 하기에 적당하도록 한 확산 강조 자기 공명 영상 처리 장치 및 방법에 관한 것이다.The present invention relates to an apparatus and a method for processing a diffusion-weighted image, and particularly, to record a patient's imaging information, manage reading results, and read out information on a change in a patient's condition during magnetic resonance imaging of a prostate cancer patient. The present invention relates to a diffusion-weighted magnetic resonance imaging apparatus and method that is suitable to be used for identifying a disease state of a subject who does not have a risk of misdiagnosis and for further research.

일반적으로 전립선암의 치료는 진단별 정확한 처방과 함께, 조기진단 오류를 최소화하기 위해 기존의 그레이 스케일(gray scale) 영상으로 제공되는 확산 강조 영상에서의 현성 확산 계수지도(apparent diffusion coefficient, 이하, ADC map 이라 함)의 정성적 시각화의 문제를 해결하는 것이 중요하다할 것이다.In general, the treatment of prostate cancer is accompanied by accurate diffusion coefficients (ADCs) in diffusion-weighted images, which are provided in conventional gray scale images to minimize early diagnosis errors, along with accurate prescriptions for diagnosis. It will be important to solve the problem of qualitative visualization of the map.

먼저, 상기한 확산(diffusion)이란 분자가 방향성을 지니고 어떤 방향으로 움직이는 것을 말한다. 주로 분자 농도가 높은 쪽에서나 낮은 쪽으로, 혹은 열에너지가 높은 쪽에서 낮은 쪽으로 움직이는 것을 확산이라고 부른다, 분자의 브라운 운동과 비슷하지만 움직임에 방향성과 규칙이 존재하여 그 평균적인 거동을 확률적으로 예측 가능하다는 점에서 브라운 운동과는 차이가 있다. (브라운 운동은 임의의 물질을 구성하는 각각의 분자의 움직임을 이야기 하며, 그 운동방향이나 속도가 불규칙적이므로 예측할 수 없다.)First, the above-mentioned diffusion (diffusion) means that the molecules move in a direction having a direction. Mainly moving from high to low molecular concentrations or from high to low thermal energy is called diffusion, which is similar to the Brownian motion of molecules, but with directionality and rules in motion that probably predict the average behavior. Is different from Brown's movement. (Brown motion is the movement of individual molecules that make up an arbitrary substance, and its direction and velocity are irregular and cannot be predicted.)

조직 안에서 물 분자는 불규칙적으로 흔들리는 브라운 운동을 하며 동시에 어떤 방향으로 움직이는 경향성을 보이는데, 이 움직임을 바로 확산 (diffusion)이라고 한다. 이 확산은 통계적으로 그 방향과 움직인 거리, 속도를 예측할 수 있다. 개방된 매개물에서 일정 시간 동안 변화하는 분자의 움직임은 3차원 가우스 분산(3 dimensional Gaussian Distribution)을 따르며, 그 움직이는 거리는 diffusion coefficient (확산 계수) 에 의해 통계적으로 설명된다. 확산 계수는 일종의 분자 확산 속도로, 분자의 크기(mass)와 온도, 성질 (nature, 즉 점도)에 의해 좌우된다. 분자의 크기가 작고 온도가 높고 점도가 낮으면 확산이 빨라지므로 d계수가 커지고, 그와 반대 상황에서는 느려진다. (d계수가 작아진다.) 예를 들어 37℃의 개방된 (free)한 물에서 물 분자의 확산 거리는 50ms에 17μm이며, 확산 계수(d)는 3x 10-9m2s-1이다. 위와 같은 상황에서 물 분자의 34% 가량은 최소한 17μm를 움직이며, 단지 5%만이 34mm보다 멀리 움직이므로 위 d계수는 충분히 통계적인 효과가 있다.In the tissue, water molecules move in an irregularly shaking Brownian movement and in a certain direction, which is called diffusion. This spread can statistically predict its direction, distance traveled, and speed. The behavior of molecules that change over time in an open medium follows a three-dimensional Gaussian distribution, whose moving distance is explained statistically by the diffusion coefficient. Diffusion coefficient is a rate of molecular diffusion, which depends on the mass, temperature, and nature (ie viscosity) of the molecule. Smaller molecules, higher temperatures, and lower viscosities result in faster diffusion, resulting in larger d-factors and vice versa. (d coefficient becomes smaller.) For example, the diffusion distance of water molecules in free water at 37 ° C. is 17 μm in 50 ms, and the diffusion coefficient d is 3 × 10 −9 m 2 s −1. In this situation, about 34% of the water molecules move at least 17μm, and only 5% moves farther than 34mm, so the above d-factor is sufficiently statistically effective.

MRI를 이용한 확산의 영상화(이하, 'dMRI'라 함)는 물 분자가 확산 운동에 의해 그 분포가 바뀔때, 분자의 분포 변화는 조직의 구조를 세밀하게 반영한다는 개념에 기초하고 있다. mm단위의 해상도로 관찰되는 기술적인 한계가 있지만 diffusion은 현미경 수준으로 조직구조를 반영한다고 생각되고 있으며, 해부나 수술 등 침해적 행위 없이 살아있는 뇌의 구조를 알 수 있으므로 매우 혁신적인 발명이다. Imaging of diffusion using MRI (hereinafter referred to as 'dMRI') is based on the concept that when water molecules change their distribution by diffusion motion, the distribution of molecules reflects the structure of the tissue in detail. Although technical limitations are observed in the resolution of mm unit, diffusion is thought to reflect tissue structure at the microscopic level, and it is a very innovative invention because it can know the structure of the living brain without invasive actions such as dissection or surgery.

60∼70년대 NMR을 통하여 조직 안 수분의 확산을 측정하는 방법이 만들어졌지만, 1980년대 중반에서야 dMRI의 기본 원리가 확립되었다. 70∼80년대 발명된 MRI는 뇌의 해부학적 구조를 고해상도로 볼 수 있는 획기적인 기술 혁신으로, 강하고 동질적인 전자기장을 발생하여 조직 속 수분의 수소 원자핵을 작은 전자석처럼 기능하도록 만들어 그 구조를 측정하는 것이다. 전자기적 radiowave를 만들 수 있는 기술적 발전으로 인하여 비로소 MRI가 가능했던 것으로, MRI의 발명으로 인해 확산을 측정할 수 있는 기술적 토대가 비로소 마련되었다.In the sixties and seventies, NMR was established to measure the diffusion of moisture in tissues, but only in the mid-1980s the basic principles of dMRI were established. Invented in the 70's and 80's, MRI is a groundbreaking technological innovation that allows high-resolution views of the anatomy of the brain, generating strong and homogeneous electromagnetic fields to make the hydrogen nuclei of moisture in tissues function like small electromagnets. . MRI was only possible because of the technological advancements that could make electromagnetic radiowaves, and the invention of MRI provided the technological foundation for measuring diffusion.

MRI는 T1, T2로 불리는 두 전자기장 사이에 Relaxation Time이라는 휴지기를 두어, 수소 원자가 자기장에 의해 얻은 전자석 성질을 잃고 평형으로 돌아오는 것을 이용하여 조직 구조를 측정한다. 이런 MRI원리에 이전에 발명된 NMR의 확산 측정 개념, 분자 확산 효과를 수치화할 수 있는 화학 지식을 더해 인간 뇌 일부의 물 분자 확산을 측정 가능한 dMRI가 만들어졌다. dMRI의 기본 기기 구조는 MRI와 거의 비슷하다. (실제로 어떠한 MRI 기술이라도 adequate magnetic field gradient pulse를 조절한다면 확산에 대해 예민하게 만들 수 있다.) Duration과 separation을 조절 가능한 한 쌍의 예민한 magnetic field gradient pulse를 통하여, 먼저 동질적(Homogeneous)한 pulse을 발생하여 자기적인 'Label'을 수소 핵이나 proton에 만든다. 그 후 자기장의 방향을 천천히 다른 한 방향으로 변화하여 확산을 유도한 후, 50~100ms (diffusion time)후에 2번째 pulse를 발생시켜 수소 핵의 위치 변화를 알아낸다. label된 수소 핵은 물분자와 함께 움직여 그 확산을 반영하므로, 두 pulse간의 시간 간격 동안 벌어진 핵의 displacement history를 알 수 있다.MRI puts a relaxation period called Relaxation Time between two electromagnetic fields, called T1 and T2, to measure tissue structure by using hydrogen atoms to lose their electromagnetism and return to equilibrium. In addition to this MRI principle, the concept of diffusion measurement of NMR and chemical knowledge that can quantify the effect of molecular diffusion have been added to create dMRI that can measure the diffusion of water molecules in parts of the human brain. The basic instrument structure of dMRI is almost similar to that of MRI. (In fact, any MRI technique can be sensitive to diffusion by adjusting the appropriate magnetic field gradient pulses.) A pair of sensitive magnetic field gradient pulses that can control duration and separation can first produce a homogeneous pulse. To generate a magnetic 'Label' in the hydrogen nucleus or proton. Then, the direction of the magnetic field is slowly changed to the other direction to induce diffusion, and after 50 ~ 100ms (diffusion time), a second pulse is generated to determine the change in the position of the hydrogen nucleus. The labeled hydrogen nucleus moves with the water molecule to reflect its diffusion, thus revealing the displacement history of the nucleus that occurred during the time interval between two pulses.

수소 핵의 위치 변화는 그 양에 비례하여 자기장 안에서 해당 분자가 보이는 방식에 변화를 일으키는데, 수소 핵 전체의 반응은 해당 population에서 통계적으로 나타나는 displacement distribution과 연결되어 다양한 자기장의 변화를 야기한다. 수많은 수소핵들의 diffusion으로 인한 자기장의 변화는, MRI radiowave signal이 동질적인 자기장에서의 (Homogeneous field)의 신호보다 줄어드는 것으로 나타난다. 즉 각각의 수소핵의 위치변화가 자기장에서 그 핵이 보이는 모습의 변화를 일으키고, 그 변화가 모여서 신호 감소가 일어나고 그것이 반응으로 연결되는 것이다. The change in the position of the hydrogen nucleus causes a change in the way the molecule is seen in the magnetic field in proportion to the amount of the reaction, and the reaction of the entire hydrogen nucleus is linked to the displacement distribution that appears statistically in the population, resulting in various magnetic field changes. The change in magnetic field due to the diffusion of numerous hydrogen nuclei shows that the MRI radiowave signal is smaller than the signal in the homogeneous field. That is, the change of position of each hydrogen nucleus causes the change of the appearance of the nucleus in the magnetic field, and the changes gather to decrease the signal and lead to reaction.

신호의 감소는 수소핵의 위치 변화량, 즉 확산 정도와 관계있다. 신호 감소양은 정확하게 양??으로 magnetic field broadening의 각도와 위치 분산 크기와 연관되어 있으므로, 확산이 빠르면 위치 분산 (displacement distribution)이 커지고, 따라서 신호 감소 양이 커지며 영상에 반영된다.The decrease in signal is related to the change in position of the hydrogen nucleus, i.e. the degree of diffusion. Since the amount of signal reduction is precisely related to the angle of the magnetic field broadening and the magnitude of the positional dispersion, the faster the spread, the greater the distribution of the displacement, and therefore the greater the amount of signal reduction and reflect it in the image.

또한, 영상은 확산뿐만 아니라 relaxation time (diffusion time), pulse의 intensity(강도), pulse의 각도 등 MRI의 수치적 요소에도 영향을 받는다. 결국 각각의 영상 위치에서 diffusion coefficient를 예측하기 위해서는 영상들을 global diffusion model를 사용하여 양적으로 통합된 수치를 사용하곤 하는데, 이로써 전체적인 diffusion process에 대한 map이 형성되며 quantitative scale로 시각화가 이루어진다.In addition, the image is affected not only by diffusion but also by numerical factors of MRI such as relaxation time (diffusion time), pulse intensity (intensity), and pulse angle. Eventually, to predict the diffusion coefficient at each image location, the global diffusion model is used to quantitatively integrate the images. This results in a map of the overall diffusion process and visualization on a quantitative scale.

dMRI 영상에서 나타나는 모든 신호는 통계적 기반을 통하여 더해진 것으로, 몇 mm3인 한 개의 voxel안의 모든 물 분자의 위치 분산(displacement distribution)이 반영된 것이다. 초기 생물학적 확산 연구에서는 조직 안에서 일어나는 복합 확산 과정(complex diffusion process)이 free diffusion physical model을 따라 일어난다고 생각하였으며, 따라서 실제 확산 과정을 밝히기 위해 노력하는 연구들이었다. 또한 그런 생각으로 인해 개방된(free) 환경에서의 확산계수인 Diffusion coefficient를 사용하였다. 그러나, 실제 조직 안에서의 확산은 세포 막, fiber, macro molecules같은 많은 조직 구성요소들과의 교차나 상호작용에 의해 방해받으며, 그로 인하여 free한 물(50ms당 17μm) 보다 distribution이 감소한다 (15μm/50ms). Diffusion time이 짧은 동안이라면 본래의 확산 성질을 반영한다고 해도, 그 시간이 늘어나면 조직 구성요소들의 방해 효과가 더 우세하므로 본래 성질을 반영할 수 없어 더 이상 D는 유효하지 않다. 결국, 실제 dMRI에서 D는 그 효용이 떨어지는 것이다.All signals appearing on the dMRI image are added on a statistical basis, reflecting the displacement distribution of all water molecules in one voxel of several mm3. Early biodiffusion studies thought that the complex diffusion process in tissues follows the free diffusion physical model, and therefore, studies are attempting to reveal the actual diffusion process. We also used the Diffusion coefficient, which is a diffusion coefficient in a free environment. In practice, however, diffusion within tissue is hampered by the interaction or interaction with many tissue components such as cell membranes, fibers, and macro molecules, thereby reducing the distribution (15 μm / m) over free water (17 μm per 50 ms). 50 ms). Even if the diffusion time reflects the inherent diffusion properties, as the time increases, the disturbing effects of tissue components are more prevalent, and thus D is no longer valid. After all, in real dMRI, D is less useful.

따라서, 현재 연구에서는 확산 계수 대신 ADC(apparent diffusion coefficient)를 사용하고 있다. ADC는 좀더 전체적인 확산을 반영하는 계수로, D는 단일 분자의 순수한 확산을 가정하는 확산계수이지만 ADC는 조직 내에서 방해물로 증감된 부분과 실험적, 기술적 지표들-voxel 크기, diffusion time등- 까지 반영된 전체적인 확산을 통계를 통해 나타내는 계수이다. (물론 여기서 '전체적' 인 것은 D에 비하여 상대적으로 더 넓은 범위를 나타내는 계수라는 뜻으로, 뇌 전체의 확산이 아니라 voxel과 같은 어느 일정 부위의 확산을 나타내는 지역적 계수이다.)Therefore, the current study uses the ADC (apparent diffusion coefficient) instead of the diffusion coefficient. ADC is a coefficient that reflects more overall diffusion, D is a diffusion coefficient that assumes a pure diffusion of a single molecule, but ADC reflects the increase and decrease of obstructions in the tissue and experimental and technical indicators, such as volume and diffusion time. A coefficient that represents the overall spread through statistics. (Of course, 'total' here means a coefficient that is relatively broader than D, and is a local coefficient that represents the diffusion of a certain region, such as voxel, rather than the spread of the entire brain.)

D에서 ADC로의 이행은 방법론적으로 해결될 수 있는 것 보다 좀더 미세한 물리적 과정을 지표화 하기 위한 것으로, 수소 원자의 움직임과 뇌 전체의 확산이라는 두개의 지표를 연결하기 위한 가교와 같다. 조직 내의 D를 측정하는 것과 같은 좀더 미세한 규모의 지표화는 기술적 한계로 인해 정해지는 것으로, 확산을 현미경 수준으로 관찰하는 것은 더 센 자기장을 이용하면 가능하지만 위험성으로 인해 동물실험을 제외하고는 시행되기가 어렵다. 또한 해상도가 몇 mm3인 현재 전체적인 확산을 보기 위해 smoothing 효과를 사용한다면 voxel간의 동질성이 있다고 간주되어 직접적인 물리적 해석을 하기 어려워진다. 이 두 가지 사이를 연결하기 위해 좀더 global한 수치인 ADC가 사용되는 것이다.The transition from D to ADC is intended to index a finer physical process than can be solved methodically, and is like a bridge to connect two indicators: the movement of hydrogen atoms and the spread of the entire brain. Microscopic scale indicators, such as measuring D in tissues, are due to technical limitations. Observation of the diffusivity at the microscopic level is possible with a stronger magnetic field, but due to risks it is not possible to do so except in animal experiments. it's difficult. Also, if the smoothing effect is used to see the current overall diffusion with a few mm3 resolution, it is considered homogeneous between voxels, making it difficult to do a direct physical analysis. To connect between the two, a more global value ADC is used.

최초의 diffusion image는 정상 피험자와 환자들 모두에게서 1980년대 중반에 얻을 수 있었지만, dMRI는 1990년대 중반에야 시작될 수 있었다.Initial diffusion images were obtained in the mid-1980s in both normal subjects and patients, but dMRI could only be initiated in the mid-1990s.

초기에는 임상적 MRI scanner들의 특수성이 믿을만한 diffusion image를 얻는 일을 어렵게 하였다. 초기 MRI scanner는 image를 획득하는데 걸리는 시간이 약 10∼20분으로 길고, 확산을 위해 필요한 큰 gradient pulse가 image들을 거시적인 요소들(예를 들어 머리의 움직임이나 호흡, 또는 심장과 관련된 뇌의 맥박 등)에 예민하게 만들었기 때문에, dMRI가 잠정적으로 임상에 유용할 것으로 보였음에도, 실증적인 임상적 연구들은 후에 echo-planar imaging(EPI)가 갖춰진 더 낳은 MRI scanner가 가능해진 후 시작되었다.Initially, the specificity of clinical MRI scanners made it difficult to obtain reliable diffusion images. Early MRI scanners take about 10 to 20 minutes to acquire an image, and the large gradient pulses required for diffusion can cause macroscopic factors (e.g. head movements, breathing, or heart pulses associated with the heart). Although dMRIs may have been potentially clinically useful, because of their sensitivity to these findings, empirical clinical studies began after a better MRI scanner with echo-planar imaging (EPI) became available.

표준 MRI를 이용하면 수 초 또는 수 분에 걸쳐 여러장의 영상이 얻어지게 되고, 이는 특히 머리의 움직임에 의한 오류들에 영상을 취약하게 하는 결과를 낳았다. 그러나 EPI는 뇌 영상을 수십만 분의 1초 동안 지속되는 하나의 'shot'으로 얻는 일을 가능하게 하여, 뇌 전체를 찍는 데 1초도 걸리지 않는다. 이는 초기에 문제가 되었던 거시적 요소들을 실질적으로 제거할 수 있게 하였다.Using standard MRI, multiple images can be obtained over a few seconds or minutes, which results in the image being particularly vulnerable to errors caused by head movement. But EPI makes it possible to get brain images as a single 'shot' that lasts hundreds of thousands of seconds, so it takes less than a second to capture the entire brain. This allowed us to virtually eliminate the macroscopic elements that were initially problematic.

1990년대 초반 이후로 가장 성공적인 dMRI의 응용은 급성 뇌 국소빈혈에의 응용이다. 기술이 발전되던 초기에도 만성 경색 손상 환자들에의 dMRI의 응용은 제안되어 왔으나, Moseley등의 중요한 발견에 의해 dMRI가 각광받게 되었다. Moseley와 그의 동료들은 물의 확산계수가 고양이의 middle cerebral artery의 몇 분간의 혈관 폐색 시에, 국소 빈혈 뇌 조직에서 의미 있게 감소(30~50%)함을 증명하였으며, 이는 다른 동물 연구에 의해 이후 수차례 확인되고, 후에는 stroke 환자들에게서도 확인되어 국소 빈혈과 확산의 상관관계를 입증하였다. 물의 확산 계수가 국소 빈혈 조직에서 몇 분 만에 감소하는 반면에, 국소 빈혈 조직에서의 T2-weighted image는 몇 시간 동안 정상으로 남아 있다가, 후에 혈관성 수종이 일어날 때에야 감소한다.The most successful application of dMRI since the early 1990s is its application to acute cerebral ischemia. Even in the early days of technology, the application of dMRI to patients with chronic infarction has been proposed, but dMRI has been highlighted by significant findings by Moseley et al. Moseley and his colleagues demonstrated that the diffusion coefficient of water significantly decreased (30-50%) in ischemic brain tissue during several minutes of vascular occlusion of the cat's middle cerebral artery, which was later determined by other animal studies. It was confirmed in turn and later in stroke patients, demonstrating the correlation between ischemia and spread. While the diffusion coefficient of water decreases in minutes in ischemic tissue, the T2-weighted image in ischemia remains normal for several hours and then decreases only when angioedema occurs.

현재 dMRI는 stroke 환자들의 처치에 있어 선택할 수 있는 영향 기법 중 하나이며, 빈혈 직후의 물의 확산 계수 감소 현상은 명확하게 입증된 것이지만, 여전 히 dMRI data의 해석은 복잡한 문제로 남아있다. 또한 국소 빈혈 손상의 심각성 정도와의 관계나 임상적 결과들도 앞으로의 연구 과제이다.Currently, dMRI is one of the selectable influence techniques in the treatment of stroke patients, and the reduction of water diffusion coefficient immediately after anemia is clearly demonstrated, but the interpretation of dMRI data remains a complex problem. In addition, the relationship between the severity of ischemic injury and the clinical results are further studies.

확산의 감소는 에너지 대사에서의 세포 변화와 관련되며, 그러한 세포 변화는 결국 활동의 감소를 가져오고, 이어지는 sodium/potassium pump의 기능 정지는 cytotoxic oedema를 낳는다. 그러나 확산의 감소의 기저에 있는 정확한 메커니즘은 아직 불분명하다.Reduction of proliferation is associated with cellular changes in energy metabolism, which in turn leads to a decrease in activity, and subsequent disruption of the sodium / potassium pump leads to cytotoxic oedema. However, the exact mechanisms underlying the decline in diffusion are still unclear.

diffusion imaging은 stroke 환자들의 처치에 커다란 잠재력을 가진다. 첫째, stroke의 치료를 위한 약리학적 발전이 dMRI로 인해 매우 촉진될 수 있다. 기간도 길고 비용도 많이 드는 임상적 시용(trial)이나 동물 연구에 비해 약물의 효과가 dMRI를 이용하여 객관적이고 빠르게 얻어질 수 있기 때문이다.Diffusion imaging has great potential for the treatment of stroke patients. First, pharmacological development for the treatment of stroke can be greatly facilitated by dMRI. This is because the effect of the drug can be achieved objectively and quickly using dMRI compared to longer, expensive clinical trials or animal studies.

둘째, dMRI와 perfusion MRI(혈류가 감소하거나 평균 혈류 속도의 증가가 일어나는 뇌 영역을 잡아줌), 그리고 magnetic resonance 'angiography'(폐색된 혈관을 보임으로서 혈관계의 영상을 제공)를 함께 이용하면 stroke 손상의 심각성이나 확장을 조직이 아직 구조될 수 있는 초기 단계에서 알아볼 수 있는 매우 귀중한 도구가 된다.Second, stroke damage using dMRI, perfusion MRI (which captures areas of the brain where blood flow decreases or increases average blood flow rate), and magnetic resonance 'angiography' (provides an image of the vascular system by showing occluded blood vessels) The severity or extension of the tool is a very valuable tool to recognize at an early stage when the organization can still be rescued.

이러한 방법을 통하여 환자의 진행상황을 객관적으로 관찰할 수 있고 임상적 결과를 예측할 수 있을 뿐 아니라, 치료적 접근을 개별 환자들에게 맞출 수 있다.In this way, the patient's progress can be objectively observed, the clinical outcome can be predicted, and the therapeutic approach can be tailored to the individual patient.

dMRI는 그러나 현재 여러 한계점을 지니고 있다. 일예로, 도 1에 도시된 바와 같이, 기존의 gray scale 영상으로 제공되는 확산 강조 영상에서는 현성 확산 계수지도 (이하 ADC map으로 약함)의 정성적 시각화의 난점이 도사리고 있다.dMRI, however, currently has several limitations. For example, as illustrated in FIG. 1, in a diffusion-weighted image provided as a conventional gray scale image, there is a difficulty in qualitative visualization of a wise diffusion coefficient map (hereinafter, referred to as an ADC map).

다시 말해서, 기존의 gray scale ADC map의 문제점으로서는, 도 1의 화살표로 예시된 저신호강도 (화살표)를 보이는 부분이 전립선암인데, 이를 정성적 시각화로 하더라도, 주변 정상 조직과 암조직간의 구별이 뚜렷하지 않고, 또 저신호강도의 부분에서 ADC 값이 얼마나 감소했는지 정량적인 정보가 제공되지 않는 등의 단점을 내포하고 있었다. In other words, as a problem of the conventional gray scale ADC map, the portion showing the low signal intensity (arrow) illustrated by the arrow of FIG. 1 is prostate cancer. It is not clear and has a disadvantage of not providing quantitative information on how much the ADC value is reduced in the low signal intensity part.

이에 본 발명은 상기와 같은 종래의 제반 문제점을 해결하기 위해 제안된 것으로, 본 발명의 목적은 확산 강조 영상에서의 그레이 스케일 현성 확산 계수지도 (이하 ADC map으로 약함)의 정성적 판독이라는 문제점을 해결하기 위해 자동화되고 정량화된 임계치 기반 컬러 표시(automated threshold based color display)의 기술을 개발함을 주된 기술적 과제로 하고 있는 것이다.Accordingly, the present invention has been proposed to solve the above conventional problems, and an object of the present invention is to solve the problem of qualitative reading of a gray scale spectral diffusion coefficient map (hereinafter, referred to as ADC map) in a diffusion-weighted image. The main technical task is to develop a technique for automated and quantified threshold based color display.

이는, 일예로, 전립선 암을 자동적으로 찾기 위해, 전립선을 목적 장기로 하여 신호 강도를 기반으로 전립선만을 자동적으로 체절화 하고, 전립선암의 ADC 값이 정상조직보다 낮음을 이용하여 선택된 전립선에서 전립선암에 해당하는 특정 ADC 값의 임계(threshold)값을 지정하면 해당되는 픽셀(pixel), 즉 전립선암으로 추정되는 픽셀(pixel)의 ADC 값을 정량적으로 컬러로 표시(color display)하는 과정이다.For example, in order to automatically detect prostate cancer, only the prostate gland is automatically segmented based on signal intensity using the prostate as a target organ, and the prostate cancer is selected from the prostate cancer using a lower ADC value than normal tissue. If a threshold value of a specific ADC value corresponding to is specified, it is a process of quantitatively color displaying the ADC value of a corresponding pixel, that is, a pixel estimated to be prostate cancer.

도 2는 본 발명의 일 실시예에 의한 확산 강조 영상이다.2 is a diffusion weighted image according to an embodiment of the present invention.

이에 예시된 바와 같이, 물리학적으로 액체상태의 분자는 매우 불규칙한 미세한 운동을 하는데 이를 확산이라 하며 80%가 물로 구성되어 있는 인체 내에서도 물의 확산이 일어나고 있고, 확산의 정도는 분자가 처해있는 물리적 환경(매체의 구조, 점도, 온도 등)에 따라 다르며 고형조직보다는 액체조직에서 그리고 점도가 낮거나 온도가 높을수록 잘 일어나고 이러한 확산의 정도를 확산계수로 표시한다. 인체 각 조직은 고유한 물리적 환경에 의하여 서로 다른 물의 확산계수를 가지며 이를 이용하는 확산 강조 영상은 확산에 의한 미약한 신호감소를 극대화 시키기 위하여 매우 강한 경사자장(즉, 확산경사자장)을 추가로 사용하며 이 경사자장의 세기가 클수록 확산이 강조된 영상을 얻는다.As illustrated in this figure, physically liquid molecules have very irregular microscopic movements, which are called diffusion. Water diffusion occurs in the human body, which is composed of 80% water, and the degree of diffusion is determined by the physical environment in which the molecules are located. It depends on the structure, viscosity, and temperature of the medium) and is more likely to occur in liquid tissues than solid tissues and at lower viscosities or higher temperatures, and the degree of diffusion is expressed in terms of diffusion coefficient. Each tissue of the human body has a different diffusion coefficient of water due to its unique physical environment, and the diffusion-enhanced image uses a very strong gradient magnetic field (ie diffuse gradient field) to maximize the weak signal reduction caused by diffusion. The larger the intensity of the gradient field is, the more the diffusion is emphasized.

현재 까지는 물의 조직의 특성에 따른 확산 정도의 차이가 확산 강조 영상 자체와, 현성 확산 계수 지도를 통해 시각화 되고 있다. 하지만 상기 두 영상 기법은 그레이 스케일을 이용한 정성적 시각화의 한계를 지닌다. 즉, 모니터나 영상 표현의 설정에 따라 정상 조직도 암 조직과 같은 저음영의 병변으로 오인될 수 있다. 따라서, 판독자 간에 일괄적인 기준 적용이 어려워, 진단의 신뢰도가 낮은 단점이 있다. 따라서, 같은 병변을 판독자들이 일정하게 판정할 수 있는 신뢰도 높은 영상 기법이 요구된다. 이를 위해 본 발명에서는 전립선 조직에서의 현성 확산 계수를 컬러 디스플레이를 통해 정량적으로 가시화 하고 특정 임계치를 기준으로 암 조직을 예측하는 영상 기법을 제공하려 한다. 이를 위해Until now, the difference in the degree of diffusion according to the characteristics of the water tissue has been visualized through the diffusion weighted image itself and the manifest diffusion coefficient map. However, the two imaging techniques have limitations of qualitative visualization using gray scale. That is, normal tissue may be mistaken for low-shaded lesions, such as cancer tissue, depending on the setting of the monitor or the image expression. Therefore, it is difficult to apply the collective criteria among the readers, and there is a disadvantage in that the reliability of diagnosis is low. Therefore, there is a need for a reliable imaging technique that enables readers to consistently determine the same lesion. To this end, the present invention aims to provide an imaging technique for quantitatively visualizing the diffusion coefficient of prostate tissue through a color display and predicting cancer tissue based on a specific threshold. for teeth

본 발명은 확산 강조 영상의 처리 방법 방법으로서, The present invention is a method of processing a diffusion weighted image,

피검자의 다양한 b 값에서의 확산 강조 영상 을 획득하는 단계와,Acquiring a diffusion-weighted image at various b values of the subject;

상기 획득된 영상을 로드하는 단계와,Loading the acquired image;

상기 b 값들에 따른 모든 복셀(voxels)들에서의 ADC를 연산하는 단계와,Computing an ADC in all voxels according to the b values;

피검자의 관심 영역으로서의 전립선 자체의 신호강도 기반으로 체절(segmentation)하는 단계와,Segmentation based on the signal intensity of the prostate itself as the region of interest of the subject,

암조직의 자동 검색을 위해 ADC의 범위를 입력하는 단계와,Inputting a range of the ADC for automatic detection of cancer tissue;

전립선 암에 해당하는 상기 ADC 범위의 복셀을 선택하여 ADC 값을 정량적으로 컬러 맵으로 재생성하는 단계를 포함하는 것을 특징으로 하는 확산 강조 영상의 처리 방법을 제공한다.And selecting a voxel in the ADC range corresponding to the prostate cancer to quantitatively regenerate the ADC value into a color map.

또한, 본원 발명에 따른 확산 강조 영상의 처리장치에 있어, 전립선 암 환자를 대상으로 자기공명 촬영 시 환자의 정보를 기록하고 영상 처리 및 판독 결과를 관리하며 추후 환자의 상태변화 정보를 기록 관리하는 동작을 제어하는 제어부와; 상기 제어부의 제어를 받고, 사용자 단말기로 촬영된 영상을 확인할 수 있는 화면을 제공하는 확산 강조 영상을 확인하는 영상 확인부와; 상기 제어부의 제어를 받고, 상기 사용자 단말기를 이용하여 피검자의 다양한 b 값에서의 확산 강조 영상 을 획득하는 b값 설정부와; 상기 b값 설정부에서의 b 값들에 따른 모든 복셀(voxels)들에서의 ADC를 연산하는 ADC 연산설정부와; 피검자의 관심 영역으로서의 전립선 자체의 신호강도로 MR 영상에서 전립선 만을 체절(segmentation)한 전립선 영상에 신호 강도의 임계치를 입력하는 임계치 설정부와, b 값을 설정하여, 자동화 컬러 맵의 ADC의 범위를 입력하는 ADC 범위 입력부를 포함하는 영상 처리장치를 제공함을 주된 기술적 특징으로 한다.In addition, in the apparatus for processing a diffusion-weighted image according to the present invention, the operation of recording the patient's information during the magnetic resonance imaging, manage the image processing and reading results of the prostate cancer patient, and record the state change information of the patient later A control unit controlling the; An image confirming unit under control of the controller and confirming a diffusion-weighted image providing a screen for confirming an image captured by a user terminal; A b-value setting unit that is controlled by the controller and obtains a diffusion-weighted image at various b-values of a subject using the user terminal; An ADC operation setting unit for calculating an ADC in all voxels according to the b values in the b value setting unit; A threshold setting unit for inputting a signal intensity threshold to a prostate image segmented only in the MR image by the signal intensity of the prostate itself as a region of interest of the examinee, and a b value are set to adjust the range of the ADC of the automated color map. It is a main technical feature to provide an image processing apparatus including an input ADC range input unit.

본 발명에 의한 전립선 암의 조기 진단을 위한 이미징 방법 및 이를 구현하기 위한 장치는, 확산 강조 자기 공명 영상에서의 결과를 세밀하게 판독하여 영상 정보를 기록 관리하도록 함으로써 진단시 모든 병변의 상태 파악 및 추후 관련 연구에도 활용하도록 할 수 있는 효과가 있게 된다.Imaging method for early diagnosis of prostate cancer and an apparatus for implementing the same according to the present invention, by carefully reading the results in the diffusion-weighted MR images to record and manage the image information to determine the status of all lesions in the diagnosis and later There is an effect that can be used for related research.

이와 같이 구성된 본 발명에 의한 전립선 암의 조기 진단을 위한 이미징 방법 및 이를 구현하기 위한 장치의 바람직한 실시예를 첨부한 도면에 의거하여 상세히 설명하면 다음과 같다. 하기에서 본 발명을 설명함에 있어 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서, 이는 사용자, 운용자의 의도 또는 판례 등에 따라 달라질 수 있으며, 이에 따라 각 용어의 의미는 본 명세서 전반에 걸친 내용을 토대로 해석되어야 할 것이다.The imaging method for early diagnosis of prostate cancer and the device for implementing the same according to the present invention configured as described above will be described in detail with reference to the accompanying drawings. In the following description of the present invention, detailed descriptions of well-known functions or configurations will be omitted if it is determined that the detailed description of the present invention may unnecessarily obscure the subject matter of the present invention. In addition, terms to be described below are terms defined in consideration of functions in the present invention, which may vary according to intention or precedent of a user or an operator, and thus, the meaning of each term should be interpreted based on the contents throughout the present specification. will be.

먼저 본 발명은 전립선 암 환자를 대상으로 자기 공명 영상 촬영 시 환자의 촬상단 영상 정보를 기록하고 판독 결과를 관리하며 추후 환자의 상태변화 정보를 사전 판독 관리할 수 있도록 조력함으로써, 오진의 위험성이 없는 피검자의 병변 상태 파악 및 추후 관련 연구에도 활용하고자 한 것이다.First of all, the present invention records the imaging information of the patient during the magnetic resonance imaging of the prostate cancer patient, manages the reading result, and assists to read and manage the condition change information of the patient later, so that there is no risk of misdiagnosis. The purpose of this study was to identify the lesion status of subjects and to conduct further research.

도 2는 본 발명의 일 실시예에 의한 전립선 암의 조기 진단을 위한 이미징 처리 장치의 블록구성도이다.2 is a block diagram of an imaging processing apparatus for early diagnosis of prostate cancer according to an embodiment of the present invention.

상기한 이미징 처리장치에서 제어부는 전립선 암 환자를 대상으로 시술 시 환자의 정보를 기록하고 시술 후 결과를 관리하며 추후 환자의 상태변화 정보를 기록 관리하는 동작을 제어한다. 또한 제어부는 전립선 암 환자를 대상으로 자기공명 촬영 시 환자의 정보를 기록하고 시술 후 결과를 관리하며 추후 환자의 상태변화 정보를 기록 관리하는 동작을 제어하는 제어부와; 상기 제어부의 제어를 받고, 사용자 단말기로 촬상된 영상을 확인할 수 있는 화면을 제공하는 확산 강조 영상 및 컬러 매핑된 영상을 확인하는 영상 확인부와; 상기 제어부의 제어를 받고, 상기 사용자 단말기를 이용하여 피검자의 다양한 b 값에서의 확산 강조 영상 을 획득하는 b값 설정부와; 상기 b값 설정부에서의 b 값들에 따른 모든 복셀(voxels)들에서의 ADC를 연산하는 ADC 연산설정부와; 피검자의 관심 영역으로서의 전립선 자체의 신호강도로 MR 영상에서 전립선 만을 체절(segmentation)한 전립선 영상에 신호 강도의 임계치를 입력하는 임계치 설정부와, b 값을 설정하여, 자동화 컬러 맵의 ADC의 범위를 입력하는 ADC 범위 입력부의 동작을 제어하고, 사용자 단말기(20)와의 유선 또는 무선을 통한 연결처리를 수행한다.In the imaging processing apparatus, the control unit controls the operation of recording the patient's information during the procedure for the prostate cancer patient, managing the result after the procedure, and recording and managing the state change information of the patient later. In addition, the control unit for controlling the operation of recording the patient's information during the magnetic resonance imaging of the patient with the prostate cancer patient, and manages the results after the procedure, and subsequently to record the state change information of the patient; An image confirming unit under control of the controller and confirming a diffusion-weighted image and a color-mapped image providing a screen for confirming an image captured by a user terminal; A b-value setting unit that is controlled by the controller and obtains a diffusion-weighted image at various b-values of a subject using the user terminal; An ADC operation setting unit for calculating an ADC in all voxels according to the b values in the b value setting unit; A threshold setting unit for inputting a signal intensity threshold to a prostate image segmented only in the MR image by the signal intensity of the prostate itself as a region of interest of the examinee, and a b value are set to adjust the range of the ADC of the automated color map. Controls the operation of the input ADC range input unit, and performs a connection process with the user terminal 20 via wire or wireless.

도 6에 도시된 영상 확인부는 제어부의 제어를 받고, 사용자 단말기로 시술 처방을 확인할 수 있는 화면을 제공한다.The image confirming unit illustrated in FIG. 6 is controlled by the controller and provides a screen for confirming the prescription of the procedure to the user terminal.

도 5에 도시된 b값 설정부는 상기 제어부(11)의 제어를 받고, 상기 사용자 단말기(20)를 이용하여 피검자의 다양한 b 값에서의 확산 강조 영상 을 획득하도록 도 5 중앙부와 같은 입력창을 팝업하여 가시화한다.The b-value setting unit shown in FIG. 5 is controlled by the controller 11 and pops up an input window such as the center portion of FIG. 5 so as to obtain a diffusion-weighted image at various b-values of the subject using the user terminal 20. To make it visible.

도 4의 그래프에 예시된 바와 같이 현상 확산 계수는 다음과 같은 공식으로 얻어진다. 상기 그래프에서 Y 축은 확산 강조 영상에서의 신호 강도이고 X 축은 확산 강조 영상을 얻기 위해 사용된 b 값이다. As illustrated in the graph of FIG. 4, the development diffusion coefficient is obtained by the following formula. In the graph, the Y axis is the signal strength in the diffusion weighted image and the X axis is the b value used to obtain the diffusion weighted image.

ADC (현성 확산 계수) = -(Ln (SIc) - Ln (SId))/(d-c)ADC (Current Diffusion Coefficient) =-(Ln (SIc)-Ln (SId)) / (d-c)

위 식에서 SI는 자기 공영 영상의 신호강도를 나타내고, c와 d는 확산 강조 영상을 얻는데 사용된 b 값이다. In the above equation, SI represents the signal intensity of the self-enhanced image, and c and d are the b values used to obtain the diffusion-weighted image.

다음은, 입력된 b 값에 따라 현성 확산 계수를 연산하는 일 예를 나타낸 프로그램 소스 리스트이다.The following is a program source list illustrating an example of calculating the spreading coefficient according to the input b value.

for itr = handles.BaseBValue + 1 : handles.NoOfPhazefor itr = handles.BaseBValue + 1: handles.NoOfPhaze

mask_bvalue = false(size(handles.DATA)); mask_bvalue = false (size (handles.DATA));

mask_bvalue(:,:,:,itr) = All_Mask; mask_bvalue (:,:,:, itr) = All_Mask;

mask_save_pos = false(size(handles.ResultADC)); mask_save_pos = false (size (handles.ResultADC));

mask_save_pos(:,:,:,itr-handles.BaseBValue) = All_Mask; mask_save_pos (:,:,:, itr-handles.BaseBValue) = All_Mask;

handles.ResultADC(mask_save_pos) = log( handles.DATA(mask_base)./ handles.DATA(mask_bvalue) ) / (handles.BValues(itr) - handles.BValues(handles.BaseBValue)); handles.ResultADC (mask_save_pos) = log (handles.DATA (mask_base) ./ handles.DATA (mask_bvalue)) / (handles.BValues (itr)-handles.BValues (handles.BaseBValue));

waitbar( (itr-1) / maxPhaze, h,['Update ' num2str((itr-1) / maxPhaze * 100) '%']); waitbar ((itr-1) / maxPhaze, h, ['Update' num2str ((itr-1) / maxPhaze * 100) '%']);

endend

다음에, ADC 연산설정부에서, 상기 b값 설정부에서의 b 값들에 따른 모든 복셀(voxels)들에서의 ADC를 연산하기 위한 설정창을 도 7의 좌측 중앙에 도시된 바 와 같이 창의 형식으로 표시한다.Next, in the ADC operation setting unit, a setting window for calculating an ADC in all voxels according to the b values in the b value setting unit is displayed in the form of a window as shown in the left center of FIG. do.

이어서, 도 8의 중앙부에 예시된 바와 같이 임계치 설정부는, 피검자의 관심 영역으로서의 전립선 자체의 신호강도로 영상에서 전립선 만을 체절(segmentation)한 전립선 영상에 신호 강도의 임계치를 입력하도록 팝업하여 가시화된다.Subsequently, as illustrated in the center portion of FIG. 8, the threshold setting unit pops up and visualizes a signal intensity threshold in a prostate image segmented only in the prostate gland using the signal intensity of the prostate gland as the region of interest of the examinee.

그래서, 도 9의 상측 중앙에는 예시된 바와 같이, 판독자가 원하는 b 값에 따른 ADC값의 컬러 맵을 로드하도록 한다. Thus, the upper center of FIG. 9 allows the reader to load a color map of the ADC value according to the desired b value, as illustrated.

도 9의 하단에 예시된 바와 같이, 전립선 암과 정상 조직을 구분하기 위해 설정된 ADC의 범위을 입력함으로서, 영상에서 전립선 암에만 해당하는 복셀을 표시하여 전립선 암을 특이 색상으로 표시하도록 한다. As illustrated at the bottom of Figure 9, by inputting the range of the ADC set to distinguish between the prostate cancer and the normal tissue, the voxel corresponding to the prostate cancer in the image to display the prostate cancer in a specific color.

물론, 상기한 영상 표시부는 제어부의 제어를 받고, 사용자가 사용자 단말기를 이용하여 진단 과정 및 진단 결과를 입력할 수 있도록 하고, 진단을 위한 결과 영상에 대한 편집 및 저장 처리를 수행한다.Of course, the image display unit is controlled by the controller, allows the user to input the diagnosis process and the diagnosis result using the user terminal, and performs the editing and storing process on the result image for diagnosis.

도 5는 본 발명의 일 실시예에 의한 전립선 암의 조기 진단을 위한 이미징 처리 방법을 보인 흐름도이다.5 is a flowchart illustrating an imaging processing method for early diagnosis of prostate cancer according to an embodiment of the present invention.

먼저, 전립선 암의 조기 진단을 위해, 피검자의 다양한 b 값에서의 확산 강조 영상 을 획득한 후, 이 획득된 영상을 사용자 컴퓨터에 로드한다.First, for early diagnosis of prostate cancer, a diffusion-weighted image at various b-values of a subject is acquired, and the acquired image is loaded into a user computer.

이어서, 상기 로드된 영상에 대한 b 값들을 입력하기 위한 창이 팝업 설정된다.Subsequently, a window for inputting b values for the loaded image is set to a popup.

또, 상기 b값이 입력되면, 상기 제어부의 지시에 의거, 상기 b 값들에 따른 모든 복셀(voxels)들에서의 ADC를 연산하게 된다.In addition, when the b value is input, the ADC is calculated in all voxels according to the b values according to the instruction of the controller.

이때, 피검자의 관심 영역으로서의 전립선 자체의 신호강도로 MR 영상에서 전립선 만을 체절(segmentation)한 전립선 영상에 신호 강도의 임계치를 입력한다.At this time, the signal intensity threshold of the prostate itself is input to the prostate image obtained by segmenting only the prostate in the MR image using the signal intensity of the prostate itself as the region of interest of the examinee.

이와 함께, b 값을 설정하여, 자동화 컬러 맵의 ADC의 범위를 입력하면, 전립선에 해당하는 상기 ADC 값의 임계치 보다 낮은 값만을 정량적으로 컬러 표시하여 상기 영상을 컬러 맵으로 재생성하여, 도 10에 예시된 영상 표시부에 가시화된다.In addition, when the value b is set and the range of the ADC of the automated color map is input, only the value lower than the threshold value of the ADC value corresponding to the prostate is quantitatively displayed and the image is reproduced as a color map. It is visualized on the illustrated image display unit.

물론, 도 7 내지 도 10의 우측 상단부에서는 종료키 버튼이 설정되어 있어, 간단히 진단을 종료시킬 수 있으며, 종료 시 팝업되는 '저장' 버튼을 클릭하면 진단시 기록한 내용을 편집하여 저장할 수 있게 된다.Of course, in the upper right portion of Figures 7 to 10, the end key button is set, it is possible to simply end the diagnosis, click the 'save' button that pops up when the end can be edited and stored the contents recorded in the diagnosis.

또한 제어부는 사용자가 사용자 단말기를 이용하여 진단 결과를 조회하는지 판별한다.In addition, the controller determines whether the user inquires the diagnosis result using the user terminal.

만약 사용자가 사용자 단말기를 이용하여 진단 결과를 조회하고 있는 것으로 판별하면, 영상 표시부는 저장된 진단 결과 데이터를 출력하여 진단결과에 대한 조회처리를 수행하게끔 통제하게 된다.If it is determined that the user is inquiring of the diagnosis result using the user terminal, the image display unit outputs the stored diagnosis result data to control the inquiry process for the diagnosis result.

이와 같이 본 발명은 해당 조기 진단에 따른 환자 상태를 입력할 수 있는 화면을 제공하고, 영상을 통한 진단 과정의 각 단계에서 데이터 누락을 최소화하기 위한 구조화된 서식을 제공하며, 피검자의 상태 파악에 대한 충실성을 유도하고 주요 데이터의 올바른 축적을 유도하게 된다. 또한 입력된 데이터를 추출하여 자동으로 결과지를 만들어주며 추가 수정하여 결과를 확정짓게 한다. 또한 축적된 데이터를 조회할 수 있는 화면을 제공한다.As described above, the present invention provides a screen for inputting a patient state according to the corresponding early diagnosis, provides a structured form for minimizing data loss at each step of the diagnosis process through an image, and It leads to fidelity and the correct accumulation of key data. It also extracts the input data and automatically creates a result sheet. It also provides a screen to search the accumulated data.

또한, 본 발명은, 결과적으로 볼 때, 도 10에 영상 표시부에 예시되는 바와 같이, 전립선자체의 신호강도로 MR 영상에서 전립선만을 segmentation한 후 전립선암에 해당하는 ADC 값의 threshold 보다 낮은 값만을 정량적으로 컬러로 표시하고, 이와 같이 전립선에서 color display된 부분이 전립선암으로 연두색과 노란색을 보이므로 scale bar에 근거해서 ADC 값이 0.00072 ~ 0.0096 임을 알 수 있고, 자동적으로 ADC 값이 낮은 pixel을 찾으므로 computer-aided diagnosis의 기능까지 겸비함으로써, 전립선암 뿐 아니라 정상조직과 암조직을 구분할 수 있는 ADC 값이 밝혀진 모든 암에 대해 computer aided diagnosis를 적용할 수 있으며, 종양 뿐만 아니라 각종 염증성 질환 및 허혈성 질환에서 병변의 severity를 정량적으로 측정할 수 있는 등의 매우 뛰어난 효과가 있는 것이다.In addition, according to the present invention, as illustrated in the image display unit in FIG. 10, only the value lower than the threshold of the ADC value corresponding to prostate cancer after segmentation of only the prostate gland in the MR image with the signal intensity of the prostate itself is quantitatively. As the color displayed part of the prostate gland is prostate cancer and shows yellowish green and yellow color, it can be seen that the ADC value is 0.00072 ~ 0.0096 based on the scale bar. By combining the function of computer-aided diagnosis, computer aided diagnosis can be applied to not only prostate cancer but also all cancers whose ADC value can be distinguished from normal tissue and cancer tissue, and can be applied to various inflammatory and ischemic diseases as well as tumors. It is very effective, such as being able to quantitatively measure the severity of lesions.

이처럼 본 발명은 전립선 진단을 위한 피검자를 대상으로 시술 시 피검자의 정보를 기록하고 시술 후 결과를 관리하며 추후 피검자의 상태변화 정보를 기록 관리하도록 함으로써 시술시 모든 과정의 데이터를 병변 별로 기록하여 피검자 상태 파악 및 추후 관련 연구에도 활용할 수 있게 되는 것이다.As described above, the present invention records the information of the subject during the procedure for the prostate diagnosis, manages the result after the procedure, and records the state change information of the subject in the future, thereby recording the data of all the processes during the procedure by the lesion state. It can be used for identification and future research.

이상에서 본 발명의 바람직한 실시예에 한정하여 설명하였으나, 본 발명은 이에 한정되지 않고 다양한 변화와 변경 및 균등물을 사용할 수 있다. 따라서 본 발명은 상기 실시예를 적절히 변형하여 응용할 수 있고, 이러한 응용도 하기 특허청구범위에 기재된 기술적 사상을 바탕으로 하는 한 본 발명의 권리범위에 속하게 됨은 당연하다 할 것이다.Although the above has been described as being limited to the preferred embodiment of the present invention, the present invention is not limited thereto and various changes, modifications, and equivalents may be used. Therefore, the present invention can be applied by appropriately modifying the above embodiments, it will be obvious that such application also belongs to the scope of the present invention based on the technical idea described in the claims below.

도 1은 종래의 그레이 스케일 ADC 맵을 보인 영상이고,1 is an image showing a conventional gray scale ADC map,

도 2는 본 발명의 일 실시예에 의한 확산 강조 영상이며,2 is a diffusion-weighted image according to an embodiment of the present invention.

도 3은 본 발명의 일 실시예에 의한 확산 강조 자기 공명(MR) 영상 처리 장치의 블록구성도이다.3 is a block diagram of an apparatus for spread-weighted magnetic resonance (MR) imaging according to an exemplary embodiment of the present invention.

도 4는 현성 확산 계수를 계산하는 그래프이다.4 is a graph for calculating the apparent diffusion coefficient.

도 5는 본 발명의 일 실시예에 의한 확산 강조 자기 공명(MR) 이미징 방법을 보인 흐름도이다.5 is a flowchart illustrating a diffusion weighted magnetic resonance (MR) imaging method according to an embodiment of the present invention.

도 6은 본 발명에서 사용자에게 제공되는 화면을 통해 b값을 설정하도록 하여 b값 설정을 위해 조회하도록 하는 예를 보인 화면이다.FIG. 6 is a screen illustrating an example in which a b value is set through a screen provided to a user so as to inquire for a b value setting.

도 7은 본 발명에 따른 b값 설정부에서의 b 값들에 따른 모든 복셀(voxels)들에서의 ADC를 연산하기 위한 ADC 연산 설정부의 예를 보인 화면이다.FIG. 7 is a screen illustrating an example of an ADC operation setting unit for calculating an ADC in all voxels according to b values in the b value setting unit according to the present invention.

도 8은 본 발명에 따른 피검자의 관심 영역으로서의 전립선 자체의 신호강도로 MR 영상에서 전립선 만을 체절(segmentation)한 전립선 영상에 신호 강도의 임계치를 입력하도록 팝업하여 가시화되는 임계치 설정부의 예를 보인 화면이다.FIG. 8 is a screen illustrating an example of a threshold setting unit which is visualized by popping a signal intensity threshold on a prostate image segmented only in the prostate gland using a signal intensity of the prostate itself as a region of interest of a subject according to the present invention; FIG. .

도 9는 본 발명에 따른 b값 설정창을 통해 b 값을 설정하여, 자동화 컬러 맵의 ADC의 범위를 입력하도록 팝업하여 가시화되는 ADC 범위 입력부의 예를 보인 화면이다.FIG. 9 is a screen illustrating an example of an ADC range input unit which is visualized by setting a b value through a b value setting window according to the present invention and popping up to input an ADC range of an automated color map.

도 10은 본 발명에 따른 확산 강조 자기 공명 영상의 진단용으로 출력한 결과 예를 보인 화면이다.10 is a screen showing an example of the output result for diagnosis of the diffusion-weighted MR image according to the present invention.

Claims

A diffusion weighted magnetic resonance imaging processor,

A control unit for controlling the operation of recording the patient's information during magnetic resonance imaging of the prostate cancer patient, managing the result after the procedure, and recording and managing the change of the patient's state later; An image confirming unit under control of the controller and confirming a diffusion-weighted image and a color-mapped image providing a screen for confirming an image captured by a user terminal; A b-value setting unit that is controlled by the controller and obtains a diffusion-weighted image at various b-values of a subject using the user terminal; An ADC operation setting unit for calculating an ADC in all voxels according to the b values in the b value setting unit; A threshold setting unit for inputting a signal intensity threshold to a prostate image segmented only in the MR image by the signal intensity of the prostate itself as a region of interest of the examinee, and a b value are set to adjust the range of the ADC of the automated color map. An apparatus for processing a diffusion-weighted image, the main technical feature of providing an image processing apparatus including an input ADC range input unit.

In the processing method of the diffusion weighted image,

Acquiring a diffusion-weighted image at various b values of the subject;

Loading the acquired image;

Computing an ADC in all voxels according to the b values;

Segmentation based on the signal intensity of the prostate itself as the region of interest of the subject,

Inputting a range of the ADC for automatic detection of cancer tissue;

And selecting a voxel in the ADC range corresponding to the prostate cancer and quantitatively regenerating the ADC value as a color map.

A control unit for controlling the operation of recording the patient's information during magnetic resonance imaging of the prostate cancer patient, managing the result after the procedure, and recording and managing the change of the patient's state later; An image confirming unit under control of the controller and confirming a diffusion-weighted image and a color-mapped image providing a screen for confirming an image captured by a user terminal; A b-value setting unit that is controlled by the controller and obtains a diffusion-weighted image at various b-values of a subject using the user terminal; An ADC operation setting unit for calculating an ADC in all voxels according to the b values in the b value setting unit; A threshold setting unit for inputting a signal intensity threshold to a prostate image segmented only in the MR image by the signal intensity of the prostate itself as a region of interest of the examinee, and a b value are set to adjust the range of the ADC of the automated color map. A computer-readable recording medium including an image processing program for color mapping according to a change in ADC value on a diffusion weighted magnetic resonance (MR) image, including an input ADC range input unit.