KR101082629B1 - Ｇｐｕ를 이용한 양전자 방출 단층 촬영 영상 병렬 복원 방법 및 장치 - Google Patents

Ｇｐｕ를 이용한 양전자 방출 단층 촬영 영상 병렬 복원 방법 및 장치 Download PDF

Info

Publication number
KR101082629B1
KR101082629B1 KR1020100060839A KR20100060839A KR101082629B1 KR 101082629 B1 KR101082629 B1 KR 101082629B1 KR 1020100060839 A KR1020100060839 A KR 1020100060839A KR 20100060839 A KR20100060839 A KR 20100060839A KR 101082629 B1 KR101082629 B1 KR 101082629B1
Authority
KR
South Korea
Prior art keywords
sinogram
image
reconstructed image
generating
gpu
Prior art date
Application number
KR1020100060839A
Other languages
English (en)
Inventor
예종철
김경상
Original Assignee
한국과학기술원
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 한국과학기술원 filed Critical 한국과학기술원
Application granted granted Critical
Publication of KR101082629B1 publication Critical patent/KR101082629B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/037—Emission tomography
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01T—MEASUREMENT OF NUCLEAR OR X-RADIATION
    • G01T1/00—Measuring X-radiation, gamma radiation, corpuscular radiation, or cosmic radiation
    • G01T1/29—Measurement performed on radiation beams, e.g. position or section of the beam; Measurement of spatial distribution of radiation
    • G01T1/2914—Measurement of spatial distribution of radiation
    • G01T1/2985—In depth localisation, e.g. using positron emitters; Tomographic imaging (longitudinal and transverse section imaging; apparatus for radiation diagnosis sequentially in different planes, steroscopic radiation diagnosis)
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/04—Texture mapping
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/178—Methods for obtaining spatial resolution of the property being measured
    • G01N2021/1785—Three dimensional
    • G01N2021/1787—Tomographic, i.e. computerised reconstruction from projective measurements

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Medical Informatics (AREA)
  • Computer Graphics (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Optics & Photonics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Pathology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Biophysics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Nuclear Medicine (AREA)

Abstract

본 발명은 양전자 방출 단층 촬영 영상의 복원에 관련된 것으로서, 더욱 상세하게는 정렬된 부분 집합을 이용한 기대치 최대화 확률 모델을 이용한 영상 재구성을 GPU를 사용하여 병렬로 처리 하는 방법 및 장치에 관한 것이다.
단층 촬영 영상에 대한 제1 사이노그램을 수신하는 단계, 상기 제1 사이노그램을 선처리하여 제2 사이노그램을 생성하는 단계, 상수 테이블을 생성하는 단계 및 상기 제2 사이노그램 및 상기 제2 사이노그램에 대한 기대치 최대화 확률 모델에 기반하여 재구성 영상을 생성하는 단계를 포함하고, 상기 재구성 영상을 생성하는 단계는 상기 테이블을 사용하여 상기 재구성 영상을 구성하는 복수의 픽셀들을 병렬로 재구성하는 단층 촬영 영상의 재구성 방법이 제공된다.

Description

ＧＰＵ를 이용한 양전자 방출 단층 촬영 영상 병렬 복원 방법 및 장치{METHOD AND APPARATUS FOR RECONSTRUCTING TOMOGRAPHY IMAGE PARALLELLY USING GRAPHIC PROCESSING UNIT}
본 발명은 양전자 방출 단층 촬영 영상의 복원에 관련된 것으로서, 더욱 상세하게는 기대치 최대화(maximum likelihood-expectation maximization) 확률 모델에 기반하여, 그래픽연산장치(graphics processing unit; GPU)를 사용하여 영상 재구성(reconstruction)을 병렬처리(parallel processing)하는 방법 및 장치에 관한 것이다.
단층 촬영은 검출기를 180° 또는 360° 회전하여 물체의 특정 단면을 인접한 다른 단면과의 중첩 없이 비침슴적으로 관찰할 수 있는 영상기법이다. 사이노그램(sinogram)은 촬영에 의해 획득된 복수 개의 영상을 의미하는 것으로, 3차원 영상으로 재구성(reconstruct)된다. 관찰자는 재구성된 3차원 영상을 통해 촬영된 물체의 특정 단면을 관찰할 수 있다.
핵의학 단층 영상은, 피촬영자의 체내에 투여된 방사성 의약품이 생화학적 특성에 따라 피촬영자의 체내에서 분포되는 특성이 영상으로 표현된 것이다.
체내에 투여되는 방사성 의약품은 기준치에 의해 그 방사선량이 제한된다. 따라서, 극소량의 광자에 의해 기록된 투사값으로부터 높은 해상도의 영상이 재구성되기는 어렵다.
핵의학 영상 장비를 사용하여 단층을 촬영하는 경우, 관측된 신호의 세기는 약한 반면 상대적으로 잡음이 강하다. 따라서, 핵의학 영상 장비로 획득된 핵의학 영상은 일반적인 x-ray CT에 사용되는 영상 재구성 방법, 예컨대 필터를 사용하는 역투영 방법과 같은 분석적(analytic)인 방법이 사용되기에 부적합하다.
따라서, 양전자방출단층촬영기(Positron Emission Tomography; PET)와 같은 핵의학 영상기기를 사용하여 핵의학 영상이 획득된 경우, 통계학적(statistical)이고 반복적인(recursive) 영상 재구성 방법을 통해 3차원 영상이 재구성 된다.
통계학적이고 반복적인 영상 재구성 방법 중, 정렬된 부분 집합을 이용한 기대치 최대화 확률 모델(ordered subset expectation maximization) 방법은 양전자 방출 단층 촬영 시 많이 사용되는 방법이다.
개인용 컴퓨터 또는 서버용 컴퓨터로 기대치 최대화 확률 모델을 이용한 영상 재구성을 수행할 경우, 1회의 반복(iteration)에도 수 분에서 수십 분의 연산시간이 소요된다.
이러한 연산시간을 줄이기 위해 병렬처리 기법이 사용될 수 있다. 병렬처리는 복수 개의 연산 코어(core)에서 동종의 일을 나누어서 동시에 연산하는 방법이다. 멀티코어가 탑재된 CPU(central processing unit) 또는 GPU가 병렬처리에 사용될 수 있다. 특히, GPU는 일반적으로 수십 개에서 수백 개의 코어를 탑재하여 대규모의 병렬처리를 수행할 수 있으며, 그래픽 연산뿐만 아니라 수학적인 연산을 처리할 수 있다.
본 발명의 일측에 따르면, 단층 촬영 영상에 대한 제1 사이노그램을 수신하는 단계, 상기 제1 사이노그램을 선처리하여 제2 사이노그램을 생성하는 단계, 상수 테이블을 생성하는 단계 및 상기 제2 사이노그램 및 상기 제2 사이노그램에 대한 기대치 최대화 확률 모델에 기반하여 재구성 영상을 생성하는 단계를 포함하고, 상기 재구성 영상을 생성하는 단계는 상기 테이블을 사용하여 상기 재구성 영상을 구성하는 복수의 픽셀들을 병렬로 재구성하는 단층 촬영 영상의 재구성 방법이 제공된다.
상기 제1 사이노그램은, 감마선 초기 방출 사이노그램, X-ray 투과 사이노그램, 감마선 산란 사이노그램 및 감도 보정 사이노그램 중 하나 이상을 포함할 수 있다.
상기 제2 사이노그램을 생성하는 단계는, 상기 제1 사이노그램을 구성하는 각각의 픽셀에 대한 복수 개의 GPU 스레드를 설정하는 단계 및 상기 복수 개의 GPU 스레드를 병렬로 처리하는 단계를 포함할 수 있다.
상기 상수 테이블은 상기 단층 촬영 영상의 기하학적인 구조에 관한 파라미터 및 재구성 영상의 위치 및 크기에 관한 인덱스 테이블을 포함할 수 있고, 상기 상수 테이블을 생성하는 단계는, 상기 파라미터를 상수로서 선언하는 단계. 상기 인덱스 테이블을 배열 형태로 구성하는 단계 및 상기 배열 형태로 구성된 인덱스 테이블을 상수로서 선언하는 단계를 포함할 수 있다.
상기 재구성 영상을 생성하는 단계는, 상기 재구성 영상 이전에 생성된 제2 재구성 영상을 구성하는 복수의 픽셀에 대한 가상 투영 연산을 수행하여 제3 사이노그램을 생성하는 단계 및 상기 제3 사이노그램에 기반하여 상기 제2 재구성 영상을 갱신함으로써 상기 재구성 영상을 생성하는 단계를 포함할 수 있다.
상기 재구성 영상을 생성하는 단계는, 상기 제2 사이노그램에 역투영을 수행하여 상기 재구성 영상의 초기값을 생성하는 단계 및 상기 재구성 영상의 추정 결과에 기초하여 상기 초기값을 갱신하는 단계를 더 포함할 수 있다.
상기 초기값을 생성하는 단계는, 상기 제2 사이노그램을 3차원 텍스쳐 메모리로 바인딩하는 단계 및 상기 재구성 영상을 구성하는 복수의 픽셀에 대한 역투영 연산을 병렬로 수행하여 상기 초기값을 생성하는 단계를 포함할 수 있다.
상기 제3 사이노그램을 생성하는 단계는, 상기 제2 재구성 영상을 3차원 텍스쳐 메모리로 바인딩하는 단계 및 3차원 보간법을 사용하여 상기 제2 사이노그램을 구성하는 복수의 픽셀에 대한 가상 투영 연산을 병렬로 수행하여 상기 제3 사이노그램을 생성하는 단계를 포함할 수 있다.
상기 재구성 영상을 추정하는 단계는, 상기 제2 사이노그램 및 상기 제3 사이노그램을 각각 3차원 텍스쳐 메모리로 바인딩하는 단계, 상기 제2 사이노그램을 구성하는 복수의 픽셀 각각의 픽셀값 및 상기 제3 사이노그램을 구성하는 복수의 픽셀 각각의 픽셀값의 비에 대한 역투영 연산을 병렬로 수행하여 비율 역투영 영상을 생성하는 단계 및 상기 제2 재구성 영상을 구성하는 복수의 픽셀 및 상기 비율 역투영 영상을 구성하는 복수의 픽셀에 대한 곱셈 연산을 병렬로 수행하여 상기 재구성 영상을 갱신하는 단계를 포함할 수 있다.
본 발명의 일측에 따르면, 단층 촬영 영상에 대한 제1 사이노그램을 수신하는 수신부 및 상기 제1 사이노그램을 선처리하여 제2 사이노그램을 생성하고, 상수 테이블을 생성하고, 상기 제2 사이노그램 및 상기 제2 사이노그램에 관한 기대치 최대화 확률 모델에 기반하여 재구성 영상을 생성하는 영상 처리부를 포함하고, 상기 영상 처리부는 상기 테이블을 사용하여 상기 재구성 영상을 구성하는 복수의 픽셀들을 병렬로 재구성하는 GPU를 포함하는 단층 촬영 영상 재구성 장치가 제공된다.
상기 제1 사이노그램은, 감마선 초기 방출 사이노그램, x-ray 투과 사이노그램, 감마선 산란 사이노그램 및 감도 보정 사이노그램 중 하나 이상을 포함할 수 있다.
상기 영상 처리부는 상기 제1 사이노그램의 각각의 픽셀에 대한 복수 개의 GPU 스레드를 설정하고, 상기 GPU는 상기 복수 개의 GPU 스레드를 병렬 처리함으로써 상기 제2 사이노그램을 생성할 수 있다.
상기 상수 테이블은 상기 단층 촬영 영상의 기하학적인 구조에 관한 파라미터 및 재구성 영상의 위치 및 크기에 관한 인덱스 테이블을 포함할 수 있고, 상기 영상 처리부는 상기 파라미터를 상수로서 선언하고, 상기 인덱스 테이블을 배열 형태로 구성할 수 있고, 상기 GPU부는 상기 파라미터를 상수로서 선언하고, 상기 인덱스 테이블을 상수로서 선언함으로써 상기 상수 테이블을 생성할 수 있다.
상기 영상 처리부는 상기 제2 사이노그램에 역투영을 수행하여 상기 재구성 영상의 초기값을 생성하고, 상기 재구성 영상 이전에 생성된 제2 재구성 영상을 구성하는 복수의 픽셀에 대한 가상 투영 연산을 수행하여 제3 사이노그램을 생성하고, 상기 제3 사이노그램에 기반하여 상기 제2 재구성 영상을 갱신함으로써 상기 재구성 영상을 생성할 수 있고, 상기 GPU는 상기 영상 처리부의 제어에 의해 상기 역투영, 상기 가상 투영 및 상기 재구성 영상 값의 추정 및 갱신을 위한 연산을 순차적으로 각각 병렬 처리할 수 있다.
상기 영상 처리부는 상기 제2 사이노그램을 상기 GPU의 3차원 텍스쳐 메모리로 바인딩하고, 상기 GPU는 상기 재구성 영상을 구성하는 복수의 픽셀에 대한 역투영 연산을 병렬 처리함으로써 상기 초기값을 생성할 수 있다.
상기 영상 처리부는 상기 제2 재구성 영상을 상기 GPU의 3차원 텍스쳐 메모리로 바인딩하고, 상기 GPU는 3차원 보간법을 사용하여 상기 제3 사이노그램을 구성하는 복수의 픽셀에 대한 가상 투영 연산을 병렬 처리함으로써 상기 제3 사이노그램을 생성할 수 있다.
상기 영상 처리부는 상기 제2 사이노그램 및 상기 제3 사이노그램을 각각 상기 GPU의 3차원 텍스쳐 메모리로 바인딩할 수 있고, 상기 GPU는 상기 제2 사이노그램을 구성하는 복수의 픽셀 각각의 픽셀값 및 상기 제3 사이노그램을 구성하는 복수의 픽셀 각각의 픽셀값의 비에 대한 역투영 연산을 병렬로 수행함으로써 비율 역투영 영상을 생성하고, 상기 제2 재구성 영상을 구성하는 복수의 픽셀 및 상기 비율 역투영 영상을 구성하는 복수의 픽셀에 대한 곱셈 연산을 병렬로 수행함으로써 상기 재구성 영상을 갱신할 수 있다.
통계학적이고 반복적인 알고리즘 중 하나인 정렬된 부분 집합의 기대치 최대화 확률 모델을 사용하는 영상 재구성 장치 및 방법이 제공된다.
특히 GPU를 이용한 병렬처리를 통해 연산 시간이 단축된 영상 재구성 장치 및 방법이 제공된다.
도 1은 본 발명의 일 실시예에 따른 단층 촬영 영상 재구성 장치를 도시한다.
도 2는 본 발명의 일 실시예에 따른 단층 촬영 영상 재구성 방법의 절차 흐름도이다.
도 3은 본 발명의 일 실시예에 따른 재구성 영상 생성 방법의 절차 흐름도이다.
도 4는 본 발명의 일 실시예에 따른 영상 재구성을 위한 데이터들이 생성 및 변경되는 과정을 도시한다.
이하에서, 본 발명의 일부 실시예를, 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 본 발명이 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
도 1은 본 발명의 일 실시예에 따른 단층 촬영 영상 재구성 장치를 도시한다.
단층 촬영 영상 재구성 장치(100)는 단층 촬영 영상에 관한 사이노그램을 수신하는 수신부(110) 및 수신한 사이노그램을 기반으로 영상을 재구성하는 영상 처리부(120)를 포함한다.
영상 처리부(120)는 영상 재구성에 요구되는 처리 중 일부를 병렬로 수행하는 병렬 처리부(130)를 포함한다.
영상 처리부(120)는 연산 처리를 위한 CPU, 연산 처리에 필요한 프로그램 코드와 데이터를 저장하기 위한 메모리 및 대용량 데이터 저장을 위한 저장부를 더 포함할 수 있다.
아래에서, 단층 촬영 영상 재구성 장치(100)의 동작을 구체적으로 설명한다.
수신부(110)는 복원(reconstruction)에 필요한 사이노그램을 수신한다.
수신된 사이노그램은 감마선 방출 사이노그램일 수 있다.
수신된 사이노그램은 양전자방출단층촬영기로부터 전송된 것일 수 있으며, 예컨대 PACS(picture archiving and communication system)와 같은, 사이노그램을 제공할 수 있는 서버로부터 전송된 것일 수 있다.
수신된 사이노그램은 4종의 사이노그램, 즉, 감마선 초기 방출 사이노그램(prompt sonogram, P), x-ray(엑스-레이) 투과 사이노그램(attenuation sonogram, A), 감마선 산란 사이노그램(scatter sonogram, S) 및 감도 보정 사이노그램 (normalization sonogram, N)을 포함할 수 있다.
영상 처리부(110)는 수신된 사이노그램을 하기의 수학식 1에 따라 선처리(preprocessing)하여 최종 사이노그램(corrected sonogram, corr)을 생성한다.
Figure 112010041205872-pat00001
여기서, A i 는 x-ray 투과 사이노그램의 i번째 픽셀의 픽셀값을 나타낸다. 이와 유사하게, P i 는 처리되지 않은 사이노그램의 i번째 픽셀의 픽셀값을 나타내고, N i 는 감도 보정 사이노그램의 i번째 픽셀의 픽셀값을 나타내며, S i 는 감마선 산란 사이노그램의 i번째 픽셀의 픽셀값을 나타낸다.
corr i 는 최종 사이노그램의 i번째 픽셀의 픽셀값이다.
수학식 1에 나타난 것처럼, 최종 사이노그램의 i번째 픽셀의 픽셀값은 다른 4종의 사이노그램의 i번째 픽셀들의 픽셀값에만 의존한다. 따라서, 최종 사이노그램을 구성하는 복수 개의 픽셀들의 픽셀값들은 각각 독립적으로 계산될 수 있으며, 병렬로 동시에 계산될 수 있다.
픽셀값들을 병렬로 계산하기 위해, 영상 처리부(120)는 수신된 사이노그램을 구성하는 각각의 픽셀에 대하여 복수 개의 GPU 스레드(thread)를 설정하고, GPU(130)는 설정된 복수 개의 GPU 스레드를 병렬로 처리하여 최종 사이노그램을 구성하는 복수 개의 픽셀들 각각을 생성할 수 있다. 이로서, 최종 사이노그램이 생성된다.
최종 사이노그램은 최종 보정된 감마선 방출 사이노그램일 수 있다.
또한, 영상 처리부(120)는 후술할 재구성 영상을 생성하기 위해서 사용되는 상수 테이블을 생성한다.
상수 테이블은 영상 재구성을 위한 이후의 단계에서 속도 향상을 위해 사용된다.
영상 재구성을 위한 이후의 단계에서, 영상 처리부(120)는 파일 등의 데이터 입출력을 주로 처리하고, GPU(130)가 영상을 재구성하기 위한 연산의 대부분을 GPU(130) 내부의 코드를 사용하여 병렬로 처리한다.
GPU(130) 내부의 코드는 GPU(130)에서의 병렬처리에 핵심이 되는 부분 중 하나이다. 동일한 알고리즘(algorithm)을 구현하는 코드들이라도 각각의 코드의 복잡도에 따라서 실제 GPU에서 처리될 때의 연산 속도가 서로 상이하다.
따라서, 병렬처리에 관련된 연산의 속도를 향상시키기 위해 GPU 내부의 코드는 되도록 적은 수의 변수를 사용하여 최대한 간단하게 구성되어야 한다. 이를 위해 영상을 재구성하기 위해 사용될 수 있는 특정 값들은 미리 상수로서 선언되고, 상수 테이블 내에 저장된다.
수신된 사이노그램 등의 데이터가 단층 촬영기, 예컨대 양전자방출단층촬영기로부터 생성된 것이라면, 영상을 재구성할 때 필요한 기하학적인 구조는 이미 고정된 것으로 간주될 수 있다.
따라서, 코드 내에서의 변수를 줄이기 위해서, 기하학적 구조에 관한 파라미터가 상수로서 상수 테이블에 저장될 수 있고, 재구성 영상의 위치 및 크기에 관한 인덱스 테이블이 상수로서 상수 테이블에 저장될 수 있다. 인덱스 테이블은 검출기와 재구성 영상 픽셀의 실제 길이에 대응하는 값을 나타낼 수 있다.
상수 테이블은 파라미터 및 인덱스 테이블 내에 단층 촬영기의 기하학적인 위치 및 크기에 대한 정보와 복원될 재구성 영상의 위치 및 크기 정보를 저장한다.
파라미터는 우선 영상 처리부(120), 예컨대 영상 처리부(120) 내의 CPU에서 먼저 선언되고, 다음으로 GPU(130)에서 GPU의 상수 선언의 포맷(format)에 맞추어 상수로서 선언될 수 있다.
인덱스 테이블은 우선 영상 처리부(120), 예컨대 영상 처리부(120) 내의 CPU에서 배열(array) 형태로 구성되고, 다음으로 GPU(130)에서 상수로서 선언될 수 있다.
또한, 코사인(cosine) 및 사인(sine)과 같은 영상 재구성에 필요한 함수 또한 계산을 수행하는 코드가 아닌, 상수의 배열 형태로 구성되어 제공될 수 있다. 이러한 함수를 위한 배열 또한 GPU(130)에서 상수로서 선언될 수 있다.
최종 사이노그램 및 상수 테이블이 생성되면, 영상 처리부(120)는 생성된 최종 사이노그램에 정렬된 부분 집합의 기대치 최대화 확률 모델을 적용하여 최종 3차원 재구성 영상을 생성한다.
재구성 영상을 생성하기 위해 요구되는 연산의 대부분은 GPU(130)에서 병렬로 처리될 수 있다. GPU(130)는 재구성 영상을 생성하기 위해 전술된 상수 테이블을 사용한다.
본 실시예에서 사용되는 정렬된 부분 집합을 이용한 기대치 최대화 확률 모델의 가장 기본적인 형태는 하기의 수학식 2로서 표현된다.
Figure 112010041205872-pat00002
여기서, corr i 는 수학식 1에서 전술된 것과 동일하게 정의된다. λ l k 는 k번째에 얻어진 재구성 영상의 l번째 픽셀의 픽셀값이다. 행렬 M i , l 은 l번째 화소의 위치에서 방출된 광자가 i번째 검출기에 도달할 확률을 의미한다.
수학식 2에서 보여지는 것처럼, k+1번째의 재구성 영상의 픽셀값은 k번째 재구성 영상의 픽셀값에 기반하여 생성된다.
생성된 재구성 영상의 영상 값이 수렴하지 않을 경우(이하, 재구성 영상의 수렴으로 간략하게 표현한다.), 이 재구성 영상에 기반하여 다음의 재구성 영상이 더 생성된다.
생성된 재구성 영상의 영상 값이 수렴할 경우, 수렴하는 재구성 영상이 최종적으로 재구성된 영상이다.
또한, 하기의 수학식 3은 수학식 2의 개선된 형태로, 정규 푸아송 방정식을 따르는 정렬된 부분 집합을 이용한 기대치 최대화 확률 모델(ordinary Poisson ordered subset expectation maximization)을 표현한다.
Figure 112010041205872-pat00003
여기서, P i , A i , S i 및 N i 는 수학식 1에서 전술된 것과 동일하게 정의된다.
본 발명의 일 실시예는 수학식 2 또는 수학식 3에 따른 알고리즘을 사용하는 재구성 영상 생성 장치를 포함한다.
재구성 영상을 생성하기 위한 영상 처리부(120)의 구체적인 동작이 하기에서 상세하게 설명된다.
영상 처리부(120)는 역투영(back-projection)을 통해 재구성 영상의 초기값(initial value)을 생성한다.
역투영은 재구성 영상이 수렴하는 속도를 빠르게 하기 위하여 재구성 영상의 초기값을 얻는 것을 의미한다. 초기값은 부분 집합이 아닌 전체 집합을 모두 이용하여 생성된다..
역투영을 위해, 영상 처리부(120)는 최종 사이노그램을 GPU(130)의 3차원 텍스쳐 메모리로 바인딩하고, GPU(130)는 재구성 영상에 포함된 복수의 픽셀 각각에 대한 역투영 연산을 병렬로 수행하여 초기값을 생성한다.
GPU(130)는 하기에서 설명하는 동작을 통해 역투영 연산을 수행할 수 있다.
우선, GPU(130)는 재구성 영상 내의 각각의 픽셀에 대한 스레드를 설정한다.
설정된 스레드는 연관된 픽셀에 대해, 특정 각도에 대해서 각각의 픽셀이 포함되는 측정선(line of response)를 계산한다.
설정된 스레드는 최종 사이노그램에서의 각도 및 계산된 측정선에 해당하는 좌표를 계산하여, GPU(130)가 제공하는 보간법을 통해 사이노그램의 값을 획득한다. 설정된 스레드는 획득된 사이노그램의 값을 해당하는 재구성 영상의 픽셀에 더한다.
하나의 스레드에는 각각의 픽셀의 모든 각도에 대한 연산이 루프(loop) 형태로 포함되며, 모든 각도에 대한 연산이 처리됨으로써 역투영 연산이 수행된다.
역투영이 수행되면, 영상 처리부(120)는 이전에 생성된 재구성 영상에 가상 투영(projection)을 수행하여 가상 투영 사이노그램을 생성한다.
즉, 현재 생성되는 재구성 영상이 k+1번째의 것이라면, 가상 투영의 대상이 되는 재구성된 영상은 k번째로 생성된 재구성 영상이다. 현재 생성되는 재구성 영상이 첫 번째의 것이라면, 전술된 역투영으로 생성된 초기값이 이전에 생성된 재구성 영상의 픽셀값으로서 사용된다.
가상 투영은 수학식 2에서의
Figure 112010041205872-pat00004
에 해당하는 부분이며, 이전에 획득된 복원된 영상의 픽셀
Figure 112010041205872-pat00005
를 가상으로 투영하는 것을 의미한다.
3차원 보간법(interpolation)에 의해 투영 연산이 수행되는 경우, 투영 연산을 수행하기 위해서 많은 연산량이 요구되며 많은 시간이 소모된다. GPU(130)는 상기의 3차원 보간법을 병렬로 빠르게 수행할 수 있다.
3차원 보간법을 사용하는 가상 투영을 수행하기 위해, 영상 처리부(120)는 이전에 생성된 복원된 영상을 GPU(130)의 3차원 텍스쳐 메모리로 바인딩하고, GPU(130)는 3차원 보간법을 사용하여 이전에 생성된 재구성 영상에 포함된 복수의 픽셀 각각에 대한 가상 투영 연산을 병렬로 수행하여 가상 투영 사이노그램을 생성한다.
GPU(130)는 하기에서 설명되는 동작을 통해 가상 투영 연산을 수행할 수 있다.
GPU(130)는 가상 투영 사이노그램 내의 각각의 픽셀에 대한 스레드를 설정한다.
설정된 스레드는 연관된 픽셀에 대해, 특정 각도에 대해서 각각의 픽셀이 포함되는 측정선(line of response)을 계산한다.
설정된 스레드는 측정선을 따라 이전에 생성된 재구성 영상의 픽셀 사이즈만큼 이동하면서, 해당하는 3차원 좌표를 GPU(130)에서 제공하는 보간법을 통해 획득하고, 획득된 3차원 좌표를 차례대로 더한다.
설정된 스레드는 최종적인 값에 거리를 곱하여 가상 투영 사이노그램의 해당하는 픽셀에 입력한다.
가상 투영이 수행된 후, 영상 처리부(120)는 기대치 최대화를 통하여 재구성 영상값을 추정하고, 추정된 재구성 영상값에 기반하여 이전에 생성된 재구성 영상을 갱신한다.
수학식 2 중
Figure 112010041205872-pat00006
부분이 재구성 영상값을 추정하는 것에 해당한다.
재구성 영상값을 추정하기 위해, 영상 처리부(120)는 가상 투영 사이노그램을 구성하는 각 픽셀의 값(
Figure 112010041205872-pat00007
)과 선처리로 생성된 최종 사이노그램을 구성하는 각 픽셀의 값 corr i 을 비율로 나타내어 역투영하는 제1 역투영을 수행한다.
제1 역투영을 위해, 영상 처리부(120)는 최종 사이노그램 및 가상 투영 사이노그램를 각각 GPU(130)의 3차원 텍스쳐 메모리로 바인딩하고, GPU(130)는 최종 사이노그램을 구성하는 복수의 픽셀 각각의 픽셀값 corr i 및 가상 투영 사이노그램을 구성하는 복수의 픽셀 각각의 픽셀값 I i (=
Figure 112010041205872-pat00008
)의 비율(corr i /I i )에 대한 역투영 연산을 병렬로 수행한다.
제1 역투영의 결과는, 1이라는 값을 역투영하는 제2 역투영의 결과와 다시 비율이 비교된다.
1로 채워진 사이노그램에서의 역투영 영상이 표준화 재구성 영상의 수식으로서 갖는 의미는, 반복적인 연산을 통해서 본래의 사이노그램 및 가상 투영된 사이노그램 간의 비율이 1이 되도록 점점 수렴되도록 한다는 것이다.
영상 처리부(120)는 전술한 제1 역투영 및 제2 역투영을 통해 비율 역투영 영상을 생성한다.
제1 역투영 및 제2 역투영은 동일한 기하학적인 구조에서 연산될 수 있다. 따라서 GPU(130)는 하나의 함수 내에서 두 역투영을 한번에 계산할 수 있고, 후술될 재구성 영상 픽셀의 갱신도 또한 처리할 수 있다.
비율 역투영 영상이 생성되면, 영상 처리부(120)는 이전에 생성된 재구성 영상에 비율 역투영 영상을 각각의 픽셀 별로 곱하여 재구성 영상을 갱신하여, 새로운 재구성 영상을 생성한다.
새로운 재구성 영상이 생성되면, 영상 처리부(120)는 생성된 재구성 영상(예컨대 k번째 재구성 영상)이 수렴하는지 여부를 판단한다.
만약, 생성된 재구성 영상이 수렴할 경우 이 재구성 영상이 최종적인 재구성 영상이다.
반면, 생성된 재구성 영상이 수렴하지 않은 경우, 영상 처리부(120)는 전술된 가상 투영 사이노그램을 다시 생성하고, 다음의 재구성 영상(예컨대 k+1번째 재구성 영상)을 생성한다.
영상 처리부(120)는 전술된 재구성 영상의 초기값 생성, 가상 투영 사이노그램의 생성 및 재구성 영상 값의 추정 및 갱신을 각각 병렬로 처리할 수 있다.
도 2는 본 발명의 일 실시예에 따른 단층 촬영 영상 재구성 방법의 절차 흐름도이다.
단계(S210)에서 복원(reconstruction)에 필요한 사이노그램이 수신된다.
수신된 사이노그램은 감마선 방출 사이노그램일 수 있다.
수신된 사이노그램은 4종의 사이노그램, 즉, 감마선 초기 방출 사이노그램(prompt sonogram, P), x-ray(엑스-레이) 투과 사이노그램(attenuation sonogram, A), 감마선 산란 사이노그램(scatter sonogram, S) 및 감도 보정 사이노그램 (normalization sonogram, N)을 포함할 수 있다.
다음, 단계(S220)에서는 수신된 사이노그램이 수학식 1에 따라 선처리되어 최종 사이노그램(corrected sonogram, corr)이 생성된다.
전술된 것과 같이, 최종 사이노그램을 구성하는 복수 개의 픽셀들의 픽셀값들은 각각 독립적으로 계산될 수 있으며, 병렬로 동시에 계산될 수 있다.
복수 개의 픽셀들에 대한 병렬 계산을 위해, 수신된 사이노그램을 구성하는 각각의 픽셀에 대하여 복수 개의 GPU 스레드(thread)가 설정된다.
다음, 설정된 복수 개의 GPU 스레드는 병렬로 처리되여, 최종 사이노그램을 구성하는 복수 개의 픽셀들 각각을 생성한다. 이로서, 최종 사이노그램이 생성된다.
생성된 최종 사이노그램은 최종 보정된 감마선 방출 사이노그램일 수 있다.
다음, 단계(S230)에서, 후술할 재구성 영상의 생성에 사용될 상수 테이블이 생성된다.
병렬처리에서 사용될 수 있는 다양한 코드가 동일한 알고리즘(algorithm)을 구현한 것이더라도, 각각의 코드의 복잡도에 따라서 실제 병렬처리가 수행될 때의 연산 속도는 서로 상이하다.
따라서, 연산 속도를 향상시키기 위해 병렬처리를 수행하는 코드는 되도록 적은 수의 변수를 사용하여 최대한 간단하게 구성될 필요가 있다. 이러한 구성을 위해 이후의 단계에서 영상을 재구성하기 위해 사용될 수 있는 특정 값들이 미리 상수로서 선언되어, 상수 테이블 내에 저장된다.
상수 테이블 내에 저장되는 데이터들은 도1을 참조하여 전술된 것과 같다.
파라미터는 병렬처리를 수행하는 코드에서 사용되기 위해 상수로서 선언될 수 있다. 예컨대, 파라미터는 우선 영상 처리부(120) 내의 CPU에서 먼저 선언되고, 다음으로 GPU(130)에서 GPU의 상수 선언의 포맷(format)에 맞추어 상수로서 선언될 수 있다.
인덱스 테이블은 병렬처리를 수행하는 코드에서 사용되기 위해 배열 형태로 구성되고, 상수로서 선언될 수 있다. 예컨대, 인덱스 테이블은 영상 처리부(120) 내의 CPU에서 배열(array) 형태로 구성되고, 다음으로 GPU(130)에서 상수로서 선언될 수 있다.
또한, 코사인(cosine) 및 사인(sine)과 같은 영상 재구성에 필요한 함수 또한 계산을 수행하는 코드가 아닌, 상수의 배열 형태로 구성되어 제공될 수 있다. 영상 재구성에 필요한 함수를 위한 배열 또한 병렬처리를 수행하는 코드에서 사용되기 위해, 예컨데 GPU(130)에서, 상수로서 선언될 수 있다.
다음으로, 단계(S240)에서 최종 사이노그램에 전술된 정렬된 부분 집합의 기대치 최대화 확률 모델이 적용되어 최종 3차원 재구성 영상이 생성된다.
재구성 영상 생성에 필요한 연산의 대부분은 병렬로 처리될 수 있으며, 병렬처리로 재구성 영상을 생성하기 위해서 상수 테이블이 사용된다.
도 1을 참조하여 전술된 것처럼, 재구성 영상은 이전의 재구성 영상에 기반하여 반복적으로 생성되며, 생성된 재구성 영상이 수렴할 경우, 재구성 영상의 생성 절차가 종료한다.
또한, 수학식 3에 따른 기대치 최대화 확률 모델 알고리즘에 기반하여 재구성 영상이 생성될 수 있다.
재구성 영상을 생성하기 위한 구체적인 방법은 하기의 도 3을 참조하여 상세하게 설명된다.
전술한 단계를 마치면, 절차가 종료된다.
앞서 도 1을 참조하여 설명된 본 발명의 일 실시예에 따른 단층 촬영 영상 재구성 장치의 기술적 내용들이, 본 실시예에도 그대로 적용될 수 있다. 따라서, 보다 상세한 설명은 이하 생략하기로 한다.
도 3은 본 발명의 일 실시예에 따른 재구성 영상 생성 방법의 절차 흐름도이다.
우선, 단계(S310)에서, 역투영(back-projection)을 통해 재구성 영상의 초기값(initial value)이 생성된다.
역투영을 위해, 최종 사이노그램은 GPU(130)의 3차원 텍스쳐 메모리로 바인딩되고, 초기값을 생성하기 위해 재구성 영상에 포함된 복수의 픽셀 각각에 대한 역투영 연산이 병렬로 수행된다.
단계(S320)에서, 이전에 생성된 재구성 영상에 가상 투영(projection)이 수행되어 가상 투영 사이노그램이 생성된다.
가상 투영을 위해, 이전에 생성된 복원된 영상은 GPU(130)의 3차원 텍스쳐 메모리로 바인딩되고, GPU(130)는 3차원 보간법을 사용하여 이전에 생성된 재구성 영상에 포함된 복수의 픽셀 각각에 대한 가상 투영 연산을 병렬로 수행하여 가상 투영 사이노그램을 생성할 수 있다.
다음으로, 단계(S330)에서 기대치 최대화를 통하여 재구성 영상값이 추정되고, 추정된 재구성 영상값에 기반하여 이전에 생성된 재구성 영상이 갱신된다.
재구성 영상값의 추정을 위해, 가상 투영 사이노그램을 구성하는 각 픽셀의 값(
Figure 112010041205872-pat00009
) 및 선처리로 생성된 최종 사이노그램을 구성하는 각 픽셀의 값 corr i 이 비율로 나타내어져서 역투영되는 제1 역투영이 수행된다.
제1 역투영을 위해, 최종 사이노그램 및 가상 투영 사이노그램은 각각 GPU(130)의 3차원 텍스쳐 메모리로 바인딩되고, 최종 사이노그램을 구성하는 복수의 픽셀 각각의 픽셀값 corr i 및 가상 투영 사이노그램을 구성하는 복수의 픽셀 각각의 픽셀값 I i (=
Figure 112010041205872-pat00010
)의 비율(corr i /I i )에 대한 역투영 연산이 병렬로 수행된다.
제1 역투영의 결과는, 1이라는 값을 역투영하는 제2 역투영의 결과와 다시 비율이 비교된다.
전술된 제1 역투영 및 상기 제2 역투영을 통해 비율 역투영 영상이 생성된다.
제1 역투영 및 제2 역투영은 동일한 기하학적인 구조에서 연산된다. 따라서, 하나의 병렬처리 함수 내에서 두 역투영이 한번에 계산될 수 있고, 후술할 재구성 영상 픽셀의 갱신도 함께 수행될 수 있다.
이전에 생성된 재구성 영상에 비율 역투영 영상을 각각의 픽셀 별로 곱함으로써 재구성 영상이 갱신되며, 새로운 재구성 영상이 생성된다.
마지막으로, 단계(S340)에서 생성된 재구성 영상(예컨대 k번째 재구성 영상)이 수렴하는지 여부가 판단된다.
만약, 재구성 영상이 수렴할 경우 절차가 종료된다.
재구성 영상이 수렴하지 않은 경우, 전술된 가상 투영 사이노그램 생성 단계(S320)가 반복되어 다음 재구성 영상(예컨대 k+1번째 재구성 영상)이 생성된다.
전술된 것처럼, 재구성 영상의 초기값 생성 단계(S310), 가상 투영 사이노그램 생성 단계(S320) 및 재구성 영상 값의 추정 및 갱신 단계(S330)는 각각 병렬로 처리될 수 있다.
앞서 도 1을 참조하여 설명된 본 발명의 일 실시예에 따른 단층 촬영 영상 재구성 장치의 기술적 내용들이, 본 실시예에도 그대로 적용될 수 있다. 따라서, 보다 상세한 설명은 이하 생략하기로 한다.
도 4는 본 발명의 일 실시예에 따른 영상 재구성을 위한 데이터들이 생성 및 변경되는 과정을 도시한다.
우선, 단층 촬영 영상 재구성 장치(100)가 사이노그램(410)을 수신한다. 수신된 사이노그램은 감마선 방출 사이노그램일 수 있다.
단층 촬영 영상 재구성 장치(100)는 수신된 사이노그램(410)을 선처리하여 최종 사이노그램(420)을 생성하고, 수신된 사이노그램(410)에 기반하여 상수 테이블(430)을 생성한다. 상수 테이블은 이후에 생성되는 데이터(440, 450 및 460)를 생성하기 위해 사용된다.
단층 촬영 영상 재구성 장치(100)는 최종 사이노그램(420)에 역투영을 수행하여 재구성 영상(440)의 초기값을 생성한다.
단층 촬영 영상 재구성 장치(100)는 재구성 영상(440)에 가상 투영을 수행하여 가상 투영 사이노그램(450)을 생성한다.
단층 촬영 영상 재구성 장치(100)는 최종 사이노그램(420) 및 가상 투영 사이노그램(450)에 대한 비율 역투영을 수행하여 비율 역투영 영상(460)을 생성한다.
단층 촬영 영상 재구성 장치(100)는 재구성 영상(440) 및 비율 역투영 영상(460)의 곱셈을 통해 재구성 영상(440)을 갱신한다.
본 실시예에서, 사이노그램에 수행되는 연산은 사이노그램에 포함되는 각각의 픽셀 별로 수행되는 연산을 의미할 수 있다. 또한, 영상에 수행되는 연산은 영상에 포함되는 각각의 픽셀 별로 수행되는 연산을 의미할 수 있다.
본 발명의 일 실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
그러므로, 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
100: 단층 촬영 영상 재구성 장치
110: 수신부
120: 영상 처리부
130: GPU

Claims (18)

  1. 단층 촬영 영상에 대한 제1 사이노그램을 수신하는 단계;
    상기 제1 사이노그램을 선처리하여 제2 사이노그램을 생성하는 단계;
    상수 테이블을 생성하는 단계; 및
    상기 제2 사이노그램 및 상기 제2 사이노그램에 대한 기대치 최대화 확률 모델에 기반하여 재구성 영상을 생성하는 단계
    를 포함하고,
    상기 재구성 영상을 생성하는 단계는 상기 테이블을 사용하여 상기 재구성 영상을 구성하는 복수의 픽셀들을 병렬로 재구성하는 단층 촬영 영상의 재구성 방법.
  2. 제1항에 있어서,
    상기 제1 사이노그램은, 감마선 초기 방출 사이노그램, X-ray 투과 사이노그램, 감마선 산란 사이노그램 및 감도 보정 사이노그램 중 하나 이상을 포함하는 단층 촬영 영상의 재구성 방법.
  3. 제1항에 있어서,
    상기 제2 사이노그램을 생성하는 단계는,
    상기 제1 사이노그램을 구성하는 각각의 픽셀에 대한 복수 개의 GPU 스레드를 설정하는 단계; 및
    상기 복수 개의 GPU 스레드를 병렬로 처리하는 단계
    를 포함하는 단층 촬영 영상의 재구성 방법.
  4. 제1항에 있어서,
    상기 상수 테이블은 상기 단층 촬영 영상의 기하학적인 구조에 관한 파라미터 및 재구성 영상의 위치 및 크기에 관한 인덱스 테이블을 포함하고,
    상기 상수 테이블을 생성하는 단계는,
    상기 파라미터를 상수로서 선언하는 단계;
    상기 인덱스 테이블을 배열 형태로 구성하는 단계; 및
    상기 배열 형태로 구성된 인덱스 테이블을 상수로서 선언하는 단계;
    를 포함하는 단층 촬영 영상의 재구성 방법.
  5. 제1항에 있어서,
    상기 재구성 영상을 생성하는 단계는,
    상기 재구성 영상 이전에 생성된 제2 재구성 영상을 구성하는 복수의 픽셀에 대한 가상 투영 연산을 수행하여 제3 사이노그램을 생성하는 단계; 및
    상기 제3 사이노그램에 기반하여 상기 제2 재구성 영상을 갱신함으로써 상기 재구성 영상을 생성하는 단계
    를 포함하는 단층 촬영 영상의 재구성 방법.
  6. 제5항에 있어서,
    상기 재구성 영상을 생성하는 단계는,
    상기 제2 사이노그램에 역투영을 수행하여 상기 재구성 영상의 초기값을 생성하는 단계; 및
    상기 재구성 영상의 추정 결과에 기초하여 상기 초기값을 갱신하는 단계
    를 더 포함하는 단층 촬영 영상의 재구성 방법.
  7. 제6항에 있어서,
    상기 초기값을 생성하는 단계는,
    상기 제2 사이노그램을 3차원 텍스쳐 메모리로 바인딩하는 단계; 및
    상기 재구성 영상을 구성하는 복수의 픽셀에 대한 역투영 연산을 병렬로 수행하여 상기 초기값을 생성하는 단계
    를 포함하는 단층 촬영 영상의 재구성 방법.
  8. 제5항에 있어서,
    상기 제3 사이노그램을 생성하는 단계는,
    상기 제2 재구성 영상을 3차원 텍스쳐 메모리로 바인딩하는 단계; 및
    3차원 보간법을 사용하여 상기 제2 사이노그램을 구성하는 복수의 픽셀에 대한 가상 투영 연산을 병렬로 수행하여 상기 제3 사이노그램을 생성하는 단계
    를 포함하는 단층 촬영 영상의 재구성 방법.
  9. 제5항에 있어서,
    상기 재구성 영상을 추정하는 단계는,
    상기 제2 사이노그램 및 상기 제3 사이노그램을 각각 3차원 텍스쳐 메모리로 바인딩하는 단계;
    상기 제2 사이노그램을 구성하는 복수의 픽셀 각각의 픽셀값 및 상기 제3 사이노그램을 구성하는 복수의 픽셀 각각의 픽셀값의 비에 대한 역투영 연산을 병렬로 수행하여 비율 역투영 영상을 생성하는 단계; 및
    상기 제2 재구성 영상을 구성하는 복수의 픽셀 및 상기 비율 역투영 영상을 구성하는 복수의 픽셀에 대한 곱셈 연산을 병렬로 수행하여 상기 재구성 영상을 갱신하는 단계
    를 포함하는 단층 촬영 영상의 재구성 방법.
  10. 단층 촬영 영상에 대한 제1 사이노그램을 수신하는 수신부; 및
    상기 제1 사이노그램을 선처리하여 제2 사이노그램을 생성하고, 상수 테이블을 생성하고, 상기 제2 사이노그램 및 상기 제2 사이노그램에 관한 기대치 최대화 확률 모델에 기반하여 재구성 영상을 생성하는 영상 처리부
    를 포함하고,
    상기 영상 처리부는 상기 테이블을 사용하여 상기 재구성 영상을 구성하는 복수의 픽셀들을 병렬로 재구성하는 GPU
    를 포함하는 단층 촬영 영상 재구성 장치.
  11. 제10항에 있어서,
    상기 제1 사이노그램은, 감마선 초기 방출 사이노그램, x-ray 투과 사이노그램, 감마선 산란 사이노그램 및 감도 보정 사이노그램 중 하나 이상을 포함하는 단층 촬영 영상 재구성 장치.
  12. 제10항에 있어서,
    상기 영상 처리부는 상기 제1 사이노그램의 각각의 픽셀에 대한 복수 개의 GPU 스레드를 설정하고,
    상기 GPU는 상기 복수 개의 GPU 스레드를 병렬 처리함으로써 상기 제2 사이노그램을 생성하는 단층 촬영 영상 재구성 장치.
  13. 제10항에 있어서,
    상기 상수 테이블은 상기 단층 촬영 영상의 기하학적인 구조에 관한 파라미터 및 재구성 영상의 위치 및 크기에 관한 인덱스 테이블을 포함하고,
    상기 영상 처리부는 상기 파라미터를 상수로서 선언하고, 상기 인덱스 테이블을 배열 형태로 구성하며,
    상기 GPU부는 상기 파라미터를 상수로서 선언하고, 상기 인덱스 테이블을 상수로서 선언함으로써 상기 상수 테이블을 생성하는 단층 촬영 영상 재구성 장치.
  14. 제10항에 있어서,
    상기 영상 처리부는 상기 제2 사이노그램에 역투영을 수행하여 상기 재구성 영상의 초기값을 생성하고, 상기 재구성 영상 이전에 생성된 제2 재구성 영상을 구성하는 복수의 픽셀에 대한 가상 투영 연산을 수행하여 제3 사이노그램을 생성하고, 상기 제3 사이노그램에 기반하여 상기 제2 재구성 영상을 갱신함으로써 상기 재구성 영상을 생성하고,
    상기 GPU는 상기 영상 처리부의 제어에 의해 상기 역투영, 상기 가상 투영 및 상기 재구성 영상 값의 추정 및 갱신을 위한 연산을 순차적으로 각각 병렬 처리하는 단층 촬영 영상 재구성 장치.
  15. 제 14항에 있어서,
    상기 영상 처리부는 상기 제2 사이노그램을 상기 GPU의 3차원 텍스쳐 메모리로 바인딩하고,
    상기 GPU는 상기 재구성 영상을 구성하는 복수의 픽셀에 대한 역투영 연산을 병렬 처리함으로써 상기 초기값을 생성하는 단층 촬영 영상 재구성 장치.
  16. 제14항에 있어서,
    상기 영상 처리부는 상기 제2 재구성 영상을 상기 GPU의 3차원 텍스쳐 메모리로 바인딩하고,
    상기 GPU는 3차원 보간법을 사용하여 상기 제3 사이노그램을 구성하는 복수의 픽셀에 대한 가상 투영 연산을 병렬 처리함으로써 상기 제3 사이노그램을 생성하는 단층 촬영 영상 재구성 장치.
  17. 제14항에 있어서,
    상기 영상 처리부는 상기 제2 사이노그램 및 상기 제3 사이노그램을 각각 상기 GPU의 3차원 텍스쳐 메모리로 바인딩하고,
    상기 GPU는 상기 제2 사이노그램을 구성하는 복수의 픽셀 각각의 픽셀값 및 상기 제3 사이노그램을 구성하는 복수의 픽셀 각각의 픽셀값의 비에 대한 역투영 연산을 병렬로 수행함으로써 비율 역투영 영상을 생성하고, 상기 제2 재구성 영상을 구성하는 복수의 픽셀 및 상기 비율 역투영 영상을 구성하는 복수의 픽셀에 대한 곱셈 연산을 병렬로 수행함으로써 상기 재구성 영상을 갱신하는 단층 촬영 영상 재구성 장치.
  18. 제1항 내지 제9항 중 어느 한 항의 단층 촬영 영상의 재구성 방법을 수행하는 프로그램을 수록한 컴퓨터 판독 가능 기록 매체.
KR1020100060839A 2010-05-11 2010-06-25 Ｇｐｕ를 이용한 양전자 방출 단층 촬영 영상 병렬 복원 방법 및 장치 KR101082629B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020100043849 2010-05-11
KR20100043849 2010-05-11

Publications (1)

Publication Number Publication Date
KR101082629B1 true KR101082629B1 (ko) 2011-11-10

Family

ID=45397571

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020100060839A KR101082629B1 (ko) 2010-05-11 2010-06-25 Ｇｐｕ를 이용한 양전자 방출 단층 촬영 영상 병렬 복원 방법 및 장치

Country Status (1)

Country Link
KR (1) KR101082629B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101531755B1 (ko) * 2013-05-10 2015-06-25 한국과학기술원 패치 기반 최소 랭크 정규화를 이용한 영상 재구성 방법 및 장치
US9245325B2 (en) 2012-09-28 2016-01-26 Samsung Electronics Co., Ltd. Method and apparatus for generating image
KR20160028284A (ko) * 2014-09-03 2016-03-11 연세대학교 산학협력단 토모그래피 장치 및 그의 기하 보정 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006055250A (ja) 2004-08-18 2006-03-02 Ziosoft Inc 画像再構成における逆投影方法
US20070201611A1 (en) 2006-02-24 2007-08-30 Guillem Pratx Method of reconstructing a tomographic image using a graphics processing unit
US7459688B2 (en) 2005-03-11 2008-12-02 Sumitomo Heavy Industries, Ltd. Radiation detection circuit and apparatus for radiographic examination

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006055250A (ja) 2004-08-18 2006-03-02 Ziosoft Inc 画像再構成における逆投影方法
US7459688B2 (en) 2005-03-11 2008-12-02 Sumitomo Heavy Industries, Ltd. Radiation detection circuit and apparatus for radiographic examination
US20070201611A1 (en) 2006-02-24 2007-08-30 Guillem Pratx Method of reconstructing a tomographic image using a graphics processing unit

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9245325B2 (en) 2012-09-28 2016-01-26 Samsung Electronics Co., Ltd. Method and apparatus for generating image
KR101531755B1 (ko) * 2013-05-10 2015-06-25 한국과학기술원 패치 기반 최소 랭크 정규화를 이용한 영상 재구성 방법 및 장치
KR20160028284A (ko) * 2014-09-03 2016-03-11 연세대학교 산학협력단 토모그래피 장치 및 그의 기하 보정 방법
KR101645346B1 (ko) * 2014-09-03 2016-08-03 연세대학교 산학협력단 토모그래피 장치 및 그의 기하 보정 방법

Similar Documents

Publication Publication Date Title
Merlin et al. CASToR: a generic data organization and processing code framework for multi-modal and multi-dimensional tomographic reconstruction
US9155514B2 (en) Reconstruction with partially known attenuation information in time of flight positron emission tomography
JP4965575B2 (ja) 分布させた反復的画像再構成
US20080095300A1 (en) System and method for iterative reconstruction using parallel processing
Pedemonte et al. GPU accelerated rotation-based emission tomography reconstruction
US20080085040A1 (en) System and method for iterative reconstruction using mask images
US10049446B2 (en) Accelerated statistical iterative reconstruction
Herraiz et al. GPU-based fast iterative reconstruction of fully 3-D PET sinograms
CN106659452B (zh) 在定量单光子发射计算机断层扫描中利用多个光电峰的重构
Van Slambrouck et al. Reconstruction scheme for accelerated maximum likelihood reconstruction: The patchwork structure
Nguyen et al. GPU-accelerated 3D Bayesian image reconstruction from Compton scattered data
Wettenhovi et al. OMEGA—open-source emission tomography software
NL2030984B1 (en) Learned invertible reconstruction
US7616798B2 (en) Method for faster iterative reconstruction for converging collimation spect with depth dependent collimator response modeling
KR101082629B1 (ko) Ｇｐｕ를 이용한 양전자 방출 단층 촬영 영상 병렬 복원 방법 및 장치
Wenger et al. Visualization of astronomical nebulae via distributed multi-GPU compressed sensing tomography
Yan et al. EM+ TV based reconstruction for cone-beam CT with reduced radiation
Kotina et al. Universal system for tomographic reconstruction on GPUs
US12100075B2 (en) Image reconstruction by modeling image formation as one or more neural networks
KR20120127214A (ko) Ｇｐｕ를 이용한 양전자 방출 단층 촬영 영상에서의 몬테카를로 시뮬레이션 감마선 산란 추정 방법 및 장치
US11164344B2 (en) PET image reconstruction using TOF data and neural network
KR101128566B1 (ko) Ｇｐｕ를 이용한 양전자 방출 단층 촬영 영상에서의 감마선 산란 추정 방법 및 장치
US10217250B2 (en) Multi-view tomographic reconstruction
Vintache et al. Iterative reconstruction for transmission tomography on GPU using Nvidia CUDA
Xu Fast implementation of iterative reconstruction with exact ray-driven projector on GPUs

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant