KR100979335B1 - 흉부 ｃｔ영상을 이용한 자동 공기 포획 정량화 방법 - Google Patents

흉부 ｃｔ영상을 이용한 자동 공기 포획 정량화 방법 Download PDF

Info

Publication number
KR100979335B1
KR100979335B1 KR1020080069376A KR20080069376A KR100979335B1 KR 100979335 B1 KR100979335 B1 KR 100979335B1 KR 1020080069376 A KR1020080069376 A KR 1020080069376A KR 20080069376 A KR20080069376 A KR 20080069376A KR 100979335 B1 KR100979335 B1 KR 100979335B1
Authority
KR
South Korea
Prior art keywords
image
volume data
chest
binary
minimum
Prior art date
Application number
KR1020080069376A
Other languages
English (en)
Other versions
KR20100008810A (ko
Inventor
서준범
김남국
이정진
Original Assignee
울산대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 울산대학교 산학협력단 filed Critical 울산대학교 산학협력단
Priority to KR1020080069376A priority Critical patent/KR100979335B1/ko
Publication of KR20100008810A publication Critical patent/KR20100008810A/ko
Application granted granted Critical
Publication of KR100979335B1 publication Critical patent/KR100979335B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5223—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data generating planar views from image data, e.g. extracting a coronal view from a 3D image

Landscapes

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

Abstract

본 발명은, (a) CT(Computed Tomography) 기법을 통해 3차원 최소호흡 흉부 볼륨데이터와 3차원 최대호흡 흉부 볼륨데이터를 각각 획득하는 단계; (b) 각각의 볼륨데이터에서 폐실질과 폐혈관을 분할하여, 각 볼륨데이터에 대한 이진영상을 생성하는 단계; (c) 최소호흡과 최대호흡의 폐표면 간 거리를 최소화하는 어파인 정합기법을 이용하여, 상기 각 볼륨데이터에 대한 이진영상 간의 전역적 움직임을 보정하는 단계; (d) 지역적 변형모델 기반 비강체 정합기법을 이용하여, 상기 이진영상 간의 지역적 움직임을 보정하는 단계; (e) 상기 전역적 및 지역적 움직임 보정을 통해 대응관계가 파악된 상기 이진영상 간의 감산영상을 생성하는 단계; 및 (f) 상기 감산영상을 분석하고 정량화하는 단계를 포함하는, 흉부 CT영상을 이용한 자동 공기 포획 정량화 방법을 제공한다.
상기 자동 공기 포획 정량화 방법은, 어파인 정합 기법과 지역적 변형모델 기반 비강체 영상 정합 기법을 이용하여 최소/최대호흡 영상들의 대응 관계를 파악하고, 영상 감산 및 분석 기법을 이용하여 공기 포획 영역을 자동 분석함에 따라, 기존에 수작업에 의존한 정성적인 판독 방법을 자동화할 수 있다. 또한, 폐질환 환자의 공기 포획 영역을 정량적으로 진단할 수 있어, 폐의 어느 부분에 얼마만큼의 공기가 포획되었는지에 관한 정량화된 자료를 제공할 수 있다.

Description

흉부 ＣＴ영상을 이용한 자동 공기 포획 정량화 방법{Method for automatic quantification of air trapping on chest CT data}
본 발명은 흉부 CT영상을 이용한 자동 공기 포획 정량화 방법에 관한 것으로서, 보다 상세하게는 폐질환 환자의 최소/최대호흡 CT영상을 이용한 자동 공기 포획 정량화 방법에 관한 것이다.
국내에서 비교적 흔히 발생되는 만성 폐쇄성 폐질환의 유병률은, 2002년에 시행한 전국 실태조사에서 8.7%로 보고되었다. 그런데, 그 주요 원인인 흡연인구가 여전히 많은 관계로 상기 유병률은 지속적으로 증가될 것으로 예상된다.
상기 만성 폐쇄성 폐질환 환자에서 기류폐쇄를 일으키는 주요 병소는 말초기도이다. 여기서, CT영상을 이용한 병소의 평가는 매우 제한적인데, 호흡 시 말초기도의 조기폐쇄에 의한 공기포획 평가에 국한된다고 할 수 있다. CT영상에서 보여지는 공기 포획의 정도는, 말초기도의 평활근 층 내의 염증침윤의 정도와 연관된다. 이러한 공기 포획의 발견은, 만성 폐쇄성 폐질환의 조기발견에 도움을 줄 수 있어, 이를 정확하게 분석하는 것은 임상적으로 매우 중요하다.
최근, 이러한 공기 포획을 진단하는 영상 검사로서 CT(컴퓨터단층촬영) 기술 이 많이 사용되고 있다. 공기 포획의 진단에 쓰이는 CT영상의 주요 특징은, 최대호흡 영상에서 폐 실질의 밝기값과 최소호흡 영상에서 동일한 위치의 밝기 값을 비교하는 것인데, 이는 그 변화가 작은 영역, 즉 공기가 포획되어 있는 영역의 존재와 분포를 파악하는 것이다. 그런데, 환자의 호흡에 따라 폐의 지역적 변형이 매우 크므로, 그 대응 관계의 파악이 어렵고 시간이 많이 소요된다. 또한, 그 진단과 평가에 있어서, 단지 의사에 의해 육안으로 정성적으로 평가되고 있는 관계로, 의사들 간의 판독결과가 서로 상이할 수 있으며, 오진의 우려가 있는 문제점이 있다.
본원 발명은, 기존에 수작업으로 정성적으로 수행되었던 최소/최대호흡 영상들의 대응 관계 파악 및 공기 포획 영역 분석과는 달리, 어파인 정합 기법과 지역적 변형모델 기반 비강체 영상 정합 기법을 이용하여 최소/최대호흡 영상들의 대응 관계를 파악하고, 영상 감산 및 분석 기법을 이용하여 공기 포획 영역을 자동 분석하는, 흉부 CT영상을 이용한 자동 공기 포획 정량화 방법을 제공하는데 목적이 있다.
본 발명은, (a) CT 기법을 통해 3차원 최소호흡 흉부 볼륨데이터와 3차원 최대호흡 흉부 볼륨데이터를 각각 획득하는 단계; (b) 각각의 볼륨데이터에서 폐실질과 폐혈관을 분할하여, 각 볼륨데이터에 대한 이진영상을 생성하는 단계; (c) 최소호흡과 최대호흡의 폐표면 간 거리를 최소화하는 어파인 정합기법을 이용하여, 상기 각 볼륨데이터에 대한 이진영상 간의 전역적 움직임을 보정하는 단계; (d) 지역적 변형모델 기반 비강체 정합기법을 이용하여, 상기 이진영상 간의 지역적 움직임을 보정하는 단계; (e) 상기 전역적 및 지역적 움직임 보정을 통해 대응관계가 파악된 상기 이진영상 간의 감산영상을 생성하는 단계; 및 (f) 상기 감산영상을 분석하고 정량화하는 단계를 포함하는, 흉부 CT영상을 이용한 자동 공기 포획 정량화 방법을 제공한다.
또한, 본 발명은, 상기 흉부 CT영상을 이용한 자동 공기 포획 정량화 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공한다.
본원 발명에 따른 흉부 CT영상을 이용한 자동 공기 포획 정량화 방법은, 어파인 정합 기법과 지역적 변형모델 기반 비강체 영상 정합 기법을 이용하여 최소/최대호흡 영상들의 대응 관계를 파악하고, 영상 감산 및 분석 기법을 이용하여 공기 포획 영역을 자동 분석함에 따라, 기존에 수작업에 의존한 정성적인 판독 방법을 자동화할 수 있다. 또한, 폐질환 환자의 공기 포획 영역을 정량적으로 진단할 수 있어, 폐의 어느 부분에 얼마만큼의 공기가 포획되었는지에 관한 정량화된 자료를 제공할 수 있다. 더욱이, 폐질환 환자의 공기 포획 영역을 시각적으로 표현하는 경우, 진단 및 평가의 오류를 줄임은 물론이며, 실제 임상에 즉시 적용 가능한 진단 보조 도구로 적용 가능한 이점이 있다.
도 1은 본 발명의 실시예에 따른 흉부 CT영상을 이용한 자동 공기 포획 정량화 방법의 흐름도이다. 도 2는 도 1의 다른 흐름도이고, 도 3은 도 1의 방법을 위한 시스템 구성도이다.
먼저, 상기 흉부 CT영상을 이용한 자동 공기 포획 정량화 방법의 설명에 앞서, 상기 방법을 위한 자동 공기 포획 정량화 시스템(100)에 관하여 설명하면 다음과 같다. 상기 자동 공기 포획 정량화 시스템(100)은, 촬영부(110), 표시부(130), 입력부(120) 및 제어분석부(140)를 포함한다.
상기 촬영부(110)는 최소호흡 및 최대호흡에 대한 3차원 흉부 볼륨데이터를 CT 기법에 의해 촬영하여 그 촬영정보를 획득한다. 상기 제어분석부(140)는 상기 획득된 촬영정보에서 폐 실질과 폐 혈관을 분할하여, 최소호흡 및 최대호흡에 대한 각 이진영상을 생성하고, 각 이진영상에 대한 전역적 및 지역적 움직임을 보상한다. 또한, 제어분석부(140)는 상기 움직임이 보상된 이진영상 간의 감산영상을 생성하고 이를 정량화하여, 폐의 어느 부분에 얼마만큼의 공기가 포획되었는지에 관한 정량화된 자료를 제공한다. 물론, 이외에도 상기 제어분석부(140)는 상기 촬영부(110), 표시부(130), 입력부(120) 등의 각 구성요소의 제어가 가능하다.
한편, 상기 입력부(120)는 사용자(전문가 혹은 의사)로부터 각종 조작신호를 입력 받아 상기 제어분석부(140)로 전송 가능하다. 상기 표시부(130)는 상기 촬영정보 이외에도 상기 감산영상을 시각화하여 화면으로 표시 가능하다. 또한, 상기 제어분석부(140)는 상기 입력부(120)에 입력된 신호를 처리하여 그에 대응되는 동작을 표시부(130)에 전송하여, 해당 사항이 실시간 화면으로 표시되도록 한다.
이하에서는, 본 발명의 실시예에 따른 흉부 CT영상을 이용한 자동 공기 포획 정량화 방법에 관하여 도 1 내지 도 3을 참조로 하여 보다 상세히 설명하고자 한다.
먼저, 상기 촬영부(110)가 CT 기법을 통해 3차원 최소호흡 흉부 볼륨데이터와 3차원 최대호흡 흉부 볼륨데이터를 각각 획득한다.(S110). 이렇게 획득된 각 볼륨데이터들은 상기 제어분석부(140)로 전달되어 처리된다. 영기서, 상기 획득되는 각 볼륨데이터는, 상기 촬영부(110)에서 촬영된 데이터 이외에도, 외부에서 촬영되 어 상기 입력부(130)를 통해 입력받은 볼륨데이터일 수 있다.
다음으로, 상기 제어분석부(140)는 각각의 볼륨데이터에서 폐실질과 폐혈관을 분할하여, 각 볼륨데이터에 대한 이진영상을 생성한다(S120). 상기 폐실질과 폐혈관의 분할을 위해서는 아래와 같이 씨앗점 영역 성장법을 이용한다.
먼저, 각각의 볼륨데이터 영상으로부터, 상기 폐실질과 비슷한 밝기값을 갖는 흉부 외부의 배경을, 각 슬라이스마다 2차원 씨앗점 영역 성장법을 수행하여 제거한다. 이때, 각 슬라이스의 가장 외곽의 점들을 씨앗점으로 이용한다.
그리고, 최대호흡의 볼륨데이터에서는 -1024HU이상 및 -400HU이하의 임계값을 이용하고, 최소호흡의 볼륨데이터에서는 -1024HU이상 및 -200HU이하의 임계값을 이용하여, 3차원 씨앗점 영역 성장법을 수행하여 폐 실질을 추출한다. 이러한 3차원 씨앗점 영역 성장법에 이용되는 씨앗점은 기관지가 분지하는 위치의 기관지 부위를 템플릿(template)으로 하여 자동 추출한 후 중심점을 사용한다. 여기서, 동일한 씨앗점을 이용하여 -1024HU이상 및 -950HU이하의 임계로 3차원 씨앗점 영역 성장법을 수행하면 기관지가 추출되며, 미리 추출된 폐 실질에서 상기 기관지 부위를 제거하면, 폐만 남게 된다. 이러한 씨앗점 성장법은 기존에 개시되어 있으므로 보다 상세한 설명은 생략하고자 한다.
그리고, 남은 폐 실질에서 구멍 채움(hole filling)을 수행하면, 폐혈관이 포함된 폐 실질이 분할되는데, 이 영역에서 -400HU이상의 영역들은 폐혈관, 나머지 영역들은 폐 실질로 볼 수 있다. 여기서, 수학식 1을 참조하면, 상기 폐실질은 1번 클래스(class)로 '0'의 값을, 상기 폐혈관과 폐 외부는 2번 클래스로 '1'의 값을 각각 할당하여, 상기 이진영상을 생성할 수 있다.
[수학식 1]
Figure 112008051303611-pat00001
상기 3차원 최소호흡 및 최대호흡 볼륨데이터에 관한 각 이진영상의 모습은 도 4의 예시 영상을 참조하면 된다. 그리고, 이진영상의 생성 이후에 폐 경계를 추출할 수 있다(S121). 추후의 정합 과정(S130~S140)은 클래스별로 분류된 상기 이진영상들을 대상으로 수행되는데, 이러한 두 이진영상 사이의 폐실질과 폐혈관의 밝기값의 차이를 보정함으로써 보다 정확한 정합이 가능할 수 있다.
즉, 상기 이진영상 생성 단계(S120) 이후, 상기 제어분석부(140)는, 최소호흡과 최대호흡의 폐표면 간 거리를 최소화하는 어파인(Affine) 정합기법을 이용하여, 상기 각 볼륨데이터에 대한 이진영상 간의 전역적 움직임을 보정한다(S130). 먼저, 상기 볼륨데이터(영상)의 폐 표면에 대한 챔퍼 거리맵을 생성하고, 수학식 2를 이용하여, 두 볼륨데이터(영상)의 폐 표면들 사이의 평균 거리를 최소화하기 위한 초기 정합을 수행한다(S131).
[수학식 2]
Figure 112008051303611-pat00002
여기서, 각 볼륨데이터를 영상1,2로 표현하여 설명하면 다음과 같다. 영상1의 점
Figure 112008051303611-pat00003
는 영상2의 점
Figure 112008051303611-pat00004
로 변환된다.
Figure 112008051303611-pat00005
는 영상 2에서 3차원으로 만들어진 챔퍼 거리맵의 점
Figure 112008051303611-pat00006
의 위치에서의 상기 거리 값이다.
Figure 112008051303611-pat00007
은 영상1과 영상2의 중첩된 영역에서의 점들의 개수이며, 각 점들에 대한 거리를 합산한 결과를
Figure 112008051303611-pat00008
으로 나눔에 따라, 상기 폐 표면들 사이의 평균 거리가 산출된다.
변환 함수는 이동 변환과 회전 변환으로 이루어진 강체 변환 함수에, 확대/축소 변환을 추가한 어파인 변환(Affine Transform)을 사용한다. 강체 변환 인자인 3개의 이동 변환 인자(
Figure 112008051303611-pat00009
,
Figure 112008051303611-pat00010
,
Figure 112008051303611-pat00011
)와, 3개의 회전 변환인자(
Figure 112008051303611-pat00012
,
Figure 112008051303611-pat00013
,
Figure 112008051303611-pat00014
)와, 3개의 확대/축소 변환 인자(
Figure 112008051303611-pat00015
,
Figure 112008051303611-pat00016
,
Figure 112008051303611-pat00017
)에 대한 변환식은 다음의 수학식 3과 같이 결정된다.
[수학식 3]
Figure 112008051303611-pat00018
Figure 112008051303611-pat00019
와
Figure 112008051303611-pat00020
는 영상1에서의 복셀 및 중심의 좌표이고,
Figure 112008051303611-pat00021
와
Figure 112008051303611-pat00022
는 영상2에서의 복셀과 중심의 좌표이다. 변환 인자의 탐색을 위하여, 파웰의 방향 기법을 적용하여 빠른 시간 내에 최적의 위치로 수렴하도록 한다. 물론,
Figure 112008051303611-pat00023
는 회전 각도를 의미한다.
상기 어파인 정합 기법을 이용하여 전역적 움직임 보상이 완료된 이후, 상기 제어분석부(140)는 지역적 변형모델 기반 비강체 정합기법을 이용하여, 상기 이진영상 간의 지역적 움직임을 보정한다(S140).
먼저, 한 점
Figure 112008051303611-pat00024
의 근방
Figure 112008051303611-pat00025
에서, 오차 함수를 최소화하는 변환 인자들을 수학 식 4를 이용하여 각 점마다 계산하게 되면, 최적의 비강체 정합이 가능하다.
[수학식 4]
Figure 112008051303611-pat00026
상기 수학식 4에서,
Figure 112008051303611-pat00027
는 점
Figure 112008051303611-pat00028
에 대한 선형 어파인 변환의 인자들이고,
Figure 112008051303611-pat00029
는 점
Figure 112008051303611-pat00030
에 대한 이동 변환의 인자들이다. 점
Figure 112008051303611-pat00031
를 중심으로 근방
Figure 112008051303611-pat00032
는 5×5×5 정육면체로 근사한다. 변환 인자들이 공간적으로 조금씩 변화한다고 가정하며, 상기 변환 인자들의 공간적 변화를 최소화하기 위해, 수학식 5의 평활화(smoothness) 항을 오차 함수에 추가할 필요가 있다.
[수학식 5]
Figure 112008051303611-pat00033
결국 지역적으로 어파인 변형이면서 전역적으로는 변형이 부드럽게 변화하는 최적의 변환 인자는, 수학식 4 내지 수학식 5를 동시에 만족시키는 다음과 같은 수학식 6의 오차 함수를 최소화하도록 계산한다.
[수학식 6]
Figure 112008051303611-pat00034
위 오차 함수의 최적화는 뉴턴-랩선(Newton-Raphson) 반복(iterative) 기법으로 수행된다. 각각의 반복마다 움직이는 영상은, 현재 구해진 최적의 지역적 변환에 따라서 워핑(warping)되어, 다음 반복 계산 시에는 워핑된 영상과 고정된 영상에서 최적의 변환 인자들을 탐색하게 된다. 또한, 정합의 대상이 되는 두 영상들에 대하여 각각 가우시안 피라미드를 생성하여 다중 해상도 기법을 적용한다. 이러한 정합 과정을 거친 최소호흡 및 최대호흡 영상의 3차원 볼륨 렌더링 결과에 관한 예시가 도 5에 도시되어 있다.
한편, 각 정합 결과에 대한 유사도 측정값은 에러경계(Error Bound)와 비교되는데, 유사도가 에러경계 이하의 값이면 그 이후의 단계(S150)를 진행하고, 에러경계 이상인 경우에는 상기 어파인 정합 과정(S130)을 재시도하여 정합 과정을 반복하는 작업이 더 추가될 수 있다.
상기 각각의 정합 기법을 수행한 이후, 상기 제어분석부(140)는 상기 전역적 및 지역적 움직임 보정을 통해 대응관계가 파악된 상기 이진영상 간의 감산영상을 생성하고(S150), 상기 감산영상을 분석하여 정량화한다(S160). 여기서, 상기 감산영상은, 상기 최소호흡에 대한 이진영상의 밝기값에서 상기 최대호흡에 대한 이진영상의 밝기값을 감산한 밝기값에 대응되는 영상을 의미한다.
다음, 상기 제어분석부(140)는 상기 정량화된 감산영상을 상기 표시부(120) 를 통해 화면으로 가시화한다(S170). 즉, 도 6의 (a)를 참조하면, 상기 감산영상에 관한 정보를, 기존의 최대호흡 CT영상의 폐실질에 오버레이하여 표현할 수 있다.
한편, 도 6의 (a)의 흑백 영상에서는 기존의 영상과 오버레이된 영상 간의 차이점 파악이 쉽지 않은 단점이 있다. 따라서, 도 7의 (b)를 참조하면, 상기 제어분석부(140)는 상기 감산영상의 밝기값을 칼라화화고, 그 결과를 상기 최대호흡 또는 최소호흡의 CT영상에 칼라 매핑하여 상기 표시부(120)를 통해 가시화할 수 있다. 여기서, 상기 감산영상 정보의 칼라 매핑에는 무지개(rainbow) 칼라 테이블을 이용할 수 있다. 예를 들어, 도 7 (b)에서 파란색 계통의 부분은 최소호흡 CT영상과 최대호흡 CT영상 사이에서 CT 밝기값의 증가가 작은 부분을 의미하며, 이 부분들이 공기 포획 영역을 나타낸다.
이상 상술한 자동 공기 포획 정량화 방법을 요약하면 다음과 같다. CT 기법에 의해 얻어진 최소/최대호흡 흉부 볼륨데이터들로부터 각각의 이진영상을 생성한다(S110~S120). 그리고, 최소/최대호흡의 폐 표면 간 거리를 최소화하는 어파인 정합 기법과, 지역적 변형 모델 기반 비강체 정합 기법을 이용하여, 두 이진영상 간의 전역적 및 지역적 움직임을 보정한다(S130~S140). 이후, 각 이진영상을 정렬하고 감산하여 감산영상을 생성한 이후, 이를 분석하여 공기 포획 정보를 정량화하고 가시화한다(S150~S170).
한편, 이상과 같은 상기 CT영상을 이용한 자동 공기 포획 정량화 방법은, 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있고 실행될 수 있는 매체로서 데이터가 저장되는 모든 종류의 기록장치를 포함한다.
컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CO-ROM, 자기 테이프, 플로피디스크, 광데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
이상과 같은 상기 자동 공기 포획 정량화 방법은, 폐질환 환자의 최소/최대호흡 CT영상을 이용하여, 폐질환 환자의 공기 포획 영역을 시각적 및 정량적으로 진단할 수 있어, 실제 임상에 즉시 적용 가능한 진단 보조 도구로 적용 가능하다. 즉, 최소호흡 폐 CT영상과 최대호흡 폐 CT영상에서 폐 실질의 밝기 값 변화를 자동으로 분석하여 폐의 어느 부분이 얼마나 공기 포획이 되었는지에 관한 정량화된 자료를 제공하는데 도움이 될 수 있다.
나아가, 현재 의사의 수작업에 의존한 정성적인 판독 방법을 자동화 시키며, 이를 검증하는 방식으로 의료 형태가 변경된다면 보다 정량적이고 정교한 판독이 가능할 수 있다. 또한, 이러한 자동 공기 포획 정량화 방법을, 기존의 3차원 CT 장치 혹은 의료영상 저장 및 전달 장치(Picture archive and communication system)에 적용하는 경우, 상당 규모의 소프트웨어 판매 및 수출효과를 가져올 수 있을 뿐 아니라, 나아가 세계시장에서 국내 의료시스템의 경쟁력을 강화시킬 수 있을 것이다.
본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 다른 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이다.
도 1은 본 발명의 실시예에 따른 흉부 CT영상을 이용한 자동 공기 포획 정량화 방법의 흐름도,
도 2는 도 1의 다른 흐름도,
도 3은 도 1의 방법을 위한 시스템 구성도,
도 4는 생성된 이진 영상의 예시도,
도 5는 정합 과정을 거친 최소/최대호흡 영상의 3차원 볼륨 렌더링 결과의 예시도,
도 6은 도 5의 정합 이후 생성된 감산 영상 및 감산 영상의 칼라 매핑을 통한 공기 포획 가시화 결과의 예시도이다.
< 도면의 주요부분에 대한 부호의 간단한 설명 >
100: 자동 공기 포획 정량화 시스템 110: 촬영부
120: 표시부 130: 입력부
140: 제어분석부

Claims (6)

  1. (a) CT 기법을 통해 3차원 최소호흡 흉부 볼륨데이터와 3차원 최대호흡 흉부 볼륨데이터를 각각 획득하는 단계;
    (b) 상기 3차원 최소호흡 흉부 볼륨데이터 및 상기 3차원 최대호흡 흉부 볼륨데이터에서 폐실질과 폐혈관을 분할하여, 각 볼륨데이터에 대한 이진영상을 생성하는 단계;
    (c) 최소호흡과 최대호흡의 폐표면 간 거리를 최소화하는 어파인 정합기법을 이용하여, 상기 각 볼륨데이터에 대한 이진영상 간의 전역적 움직임을 보정하는 단계;
    (d) 지역적 변형모델 기반 비강체 정합기법을 이용하여, 상기 이진영상 간의 지역적 움직임을 보정하는 단계;
    (e) 상기 전역적 및 지역적 움직임 보정을 통해 대응관계가 파악된 상기 이진영상 간의 감산영상을 생성하는 단계; 및
    (f) 상기 감산영상을 분석하고 정량화하는 단계를 포함하는, 흉부 CT영상을 이용한 자동 공기 포획 정량화 방법.
  2. 청구항 1에 있어서, 상기 (b) 단계는,
    상기 폐실질은 '0'의 값, 상기 폐혈관과 폐 외부는 '1'의 값을 각각 할당하여 상기 이진영상을 생성하는, 흉부 CT영상을 이용한 자동 공기 포획 정량화 방법.
  3. 청구항 1에 있어서, 상기 (f) 단계 이후,
    (g) 상기 정량화된 감산영상을 화면으로 가시화하는 단계를 더 포함하는, 흉부 CT영상을 이용한 자동 공기 포획 정량화 방법.
  4. 청구항 3에 있어서, 상기 감산영상은,
    상기 최소호흡에 대한 이진영상의 밝기값에서 상기 최대호흡에 대한 이진영상의 밝기값을 감산한 밝기값에 대응되는 영상인, 흉부 CT영상을 이용한 자동 공기 포획 정량화 방법.
  5. 청구항 4에 있어서, 상기 (g) 단계는,
    상기 감산영상의 밝기값을 칼라화화여, 상기 최대호흡 또는 최소호흡의 CT영상에 칼라 매핑하여 가시화하는, 흉부 CT영상을 이용한 자동 공기 포획 정량화 방법.
  6. 제 1항 내지 제 5항 중 어느 한 항에 기재된 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
KR1020080069376A 2008-07-17 2008-07-17 흉부 ｃｔ영상을 이용한 자동 공기 포획 정량화 방법 KR100979335B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020080069376A KR100979335B1 (ko) 2008-07-17 2008-07-17 흉부 ｃｔ영상을 이용한 자동 공기 포획 정량화 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020080069376A KR100979335B1 (ko) 2008-07-17 2008-07-17 흉부 ｃｔ영상을 이용한 자동 공기 포획 정량화 방법

Publications (2)

Publication Number Publication Date
KR20100008810A KR20100008810A (ko) 2010-01-27
KR100979335B1 true KR100979335B1 (ko) 2010-08-31

Family

ID=41817331

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020080069376A KR100979335B1 (ko) 2008-07-17 2008-07-17 흉부 ｃｔ영상을 이용한 자동 공기 포획 정량화 방법

Country Status (1)

Country Link
KR (1) KR100979335B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160004890A (ko) 2014-07-03 2016-01-13 이화여자대학교 산학협력단 흉부 전산화 단층촬영을 통한 피하지방 측정방법
US10368809B2 (en) 2012-08-08 2019-08-06 Samsung Electronics Co., Ltd. Method and apparatus for tracking a position of a tumor

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101135205B1 (ko) * 2010-05-25 2012-04-16 인하대학교 산학협력단 흉부 씨티 영상 내 병변 자동 검출을 위한 폐 혈관 추출 방법
KR102510760B1 (ko) 2016-02-15 2023-03-16 삼성전자주식회사 영상처리장치, 영상처리방법 및 이를 기록한 기록매체
CN111388000B (zh) * 2020-03-27 2023-08-25 上海杏脉信息科技有限公司 虚拟肺部空气潴留图像预测方法及系统、存储介质及终端

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100426396B1 (ko) 2000-11-28 2004-04-08 김종찬 3차원 영상처리방법을 이용한 가상 내시경 방법
US7298879B2 (en) 2002-11-20 2007-11-20 Koninklijke Philips Electronics N.V. Computer-aided detection of lung nodules

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100426396B1 (ko) 2000-11-28 2004-04-08 김종찬 3차원 영상처리방법을 이용한 가상 내시경 방법
US7298879B2 (en) 2002-11-20 2007-11-20 Koninklijke Philips Electronics N.V. Computer-aided detection of lung nodules

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10368809B2 (en) 2012-08-08 2019-08-06 Samsung Electronics Co., Ltd. Method and apparatus for tracking a position of a tumor
KR20160004890A (ko) 2014-07-03 2016-01-13 이화여자대학교 산학협력단 흉부 전산화 단층촬영을 통한 피하지방 측정방법

Also Published As

Publication number Publication date
KR20100008810A (ko) 2010-01-27

Similar Documents

Publication Publication Date Title
US11931141B2 (en) Hybrid registration method
US8831312B2 (en) Method for segmenting objects in images
JP4718003B2 (ja) 放射線写真におけるインターバル変化を検出する方法
JP5723541B2 (ja) 医用画像診断支援装置およびその作動方法、並びにプログラム
US8605978B2 (en) Medical image processing apparatus and method, and computer readable recording medium on which is recorded program for the same
JP4130661B2 (ja) 時間的に連続する胸部画像間の経時変化を検出する装置
KR101428005B1 (ko) 소수의 저선량 ｃｔ 영상을 이용하여 ｐｅｔ 영상을 움직임 보상 및 감쇠 보정하는 방법
JP2012523889A (ja) 胸部ｘ線写真の重ね合わせ，減算及び表示
US8195269B2 (en) System and method for automatic detection and measurement of malacia in the airways
CN112885453A (zh) 用于标识后续医学图像中的病理变化的方法和系统
KR100979335B1 (ko) 흉부 ｃｔ영상을 이용한 자동 공기 포획 정량화 방법
WO2006011545A1 (ja) 医用画像診断支援方法、装置及び画像処理プログラム
US10007984B2 (en) Method for quantifying medical image
US11996182B2 (en) Apparatus and method for medical image reading assistant providing representative image based on medical use artificial neural network
CN1964668A (zh) 使用两个图像的图像处理设备和方法
US20070092124A1 (en) System for and method of displaying subtraction image and computer program for the system
US20030128890A1 (en) Method of forming different images of an object to be examined
WO2005009242A1 (ja) 医用画像処理装置及び方法
CN109300122A (zh) 图像处理与阈值确定方法、装置及设备
KR101460908B1 (ko) 4차원 컴퓨터 단층촬영 영상의 폐종양 위치 추적 시스템 및 그 방법
KR20100025431A (ko) 다중 페이즈 간 ｃｔ영상들의 정합을 이용한 간세포암 검출방법
JP2005270635A (ja) 画像処理方法及び処理装置
WO2013121679A1 (ja) 領域抽出処理システム
JP2007014435A (ja) 画像処理装置、画像処理方法およびそのプログラム
JP2020113275A (ja) 肺の分析及び報告システム

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20130827

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20140828

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20150811

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20160826

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20170828

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20180801

Year of fee payment: 9