KR101097457B1

KR101097457B1 - 자동 초기화를 기반으로 흉곽 변형 정도의 평가 인덱스 계산을 자동화한 ｃｔ 영상 분석의 자동화 방법，장치 및 기록매체

Info

Publication number: KR101097457B1
Application number: KR1020100009870A
Authority: KR
Inventors: 이재조; 김호철
Original assignee: 한국전기연구원
Priority date: 2010-02-03
Filing date: 2010-02-03
Publication date: 2011-12-23
Also published as: KR20110090213A

Abstract

본 발명은 다양한 영상 처리 기법을 적용하여 영상 분할을 위한 초기화 과정을 완전 자동화하여, CT(Computed Tomography: 컴퓨터 단층 촬영) 영상으로부터 흉곽의 내부 경계 정보를 자동으로 추출하고 이로부터 오목가슴 환자의 흉곽의 변형 정도를 평가하는 인덱스들을 자동으로 계산하는 CT 영상 분석의 자동화 방법, 장치 및 기록매체에 관한 것이다. 본 발명의 일면에 따른 CT 영상 분석의 자동화 방법은, CT 영상 분석 수단을 이용해 흉부 CT 영상에 기초하여 대상 환자의 흉곽의 변형 정도를 분석하기 위한 CT 영상 분석의 자동화 방법으로서, 상기 흉부 CT 영상을 수신하는 단계, 상기 흉부 CT 영상에서 폐에 대한 경계 정보에 기초하여 상기 흉부 CT 영상을 수평 정렬하는 단계, 상기 수평 정렬된 상기 흉부 CT 영상에 기초하여 상기 폐를 포함한 각 부위(장기 및 조직)의 경계 정보를 저장하는 단계, 상기 흉부 CT영상으로부터 획득된 각 부위(장기 및 조직)의 경계 정보에 기초하여 에지맵을 생성하는 단계, 상기 에지맵에 대응되는 GVF 필드를 생성하는 단계, 상기 경계 정보에 기초하여 좌측과 우측의 폐와 뼈(흉골, 늑골, 척추)에 대한 경계 사이를 연결하는 초기 윤곽선을 추출하여 상기 폐와 뼈에 대한 경계에 연결된 초기 윤곽선을 설정하는 단계, 상기 GVF 필드에 따라 상기 폐에 대한 경계에 연결된 초기 윤곽선이 상기 에지맵에 따른 내부 흉곽 경계까지 근사적으로 찾아가도록 영상분할 알고리즘인 ACM을 사용하여 흉곽 내부 경계를 추출하는 단계, 및 Curve Fitting Method를 기반으로 상기 흉곽 내부 경계를 분석하여 흉곽 변형 정도에 대한 하나 이상의 인덱스를 계산하는 단계를 포함한다.

Description

자동 초기화를 기반으로 흉곽 변형 정도의 평가 인덱스 계산을 자동화한 ＣＴ 영상 분석의 자동화 방법，장치 및 기록매체{CT Image Auto Analysis Method, Apparatus and Recordable Medium for Automatically Calculating Quantitative Assessment Index of Chest-Wall Deformity Based on Automatized Initialization}

본 발명은 CT 영상 분석의 자동화 방법, 장치 및 기록매체에 관한 것으로서, 다양한 영상 처리 기법을 적용하여 영상 분할을 위한 초기화 과정을 완전 자동화하여, CT(Computed Tomography: 컴퓨터 단층 촬영) 영상으로부터 흉곽의 내부 경계 정보를 자동으로 추출하고 이로부터 오목가슴 환자의 흉곽의 변형 정도를 평가하는 인덱스들을 자동으로 계산하는 CT 영상 분석의 자동화 방법, 장치 및 기록매체에 관한 것이다.

오목 가슴(funnel chest/pectus excavatum) 환자의 치료를 목적으로 한 수술 계획 수립 및 수술 전후 결과 분석을 위해서, 흉곽의 변형 정도를 정량적으로 표현하기 위한 Haller index, Vertebral index, Depression index 등의 여러 지표들이 임상에서 활용되고 있다.

예를 들어, 도 1을 참조하면, Haller index = a/c로 정의되고 있으며, Vertebral index = 100*v/(v+c)로 정의되고 있다. 여기서, a는 흉곽 좌우 길이, c는 흉골과 척추간 거리, v는 척추 바디의 길이이다. 흉곽 정보에 기초하여 필요에 따라 다른 길이들의 비율로부터 Depression index, Asymmetry Index, Eccentricity Index, Unbalance Index 등을 추출하여 흉상을 바로잡기 위한 너스(Nuss) 수술법과 같은 오목가슴 수술 등에 참조하고 있다.

기존에는 이러한 지표값(index)의 계산을 위해 환자의 흉곽 CT 영상을 수작업으로 분석하여 지표 계산에 필요한 여러 측정값들을 구한 후 지표값을 계산하는 수동 측정법에 주로 의존하였으므로, 측정 및 계산에 소요되는 시간이 길고, 측정자(operator) 및 측정 상황에 따라 계산 결과에 편차가 크게 발생하는 등의 문제가 있다.

예를 들어, 도 2를 참조하면, 기존의 CT 영상 수작업 방법에서는 ACM(Active Contour Model)에서 관심영역의 경계값 추출을 위해 수술자 등 사용자가 관심영역(흉곽 경계) 주위에 수십 개의 초기점들을 수작업으로 마킹(marking)하면, 보간법(interpolation)을 통해 표시된 점들을 서로 열결하여 초기 윤곽선(210)을 자동 생성시킨다. 이렇게 생성된 초기 윤곽선(210)으로부터 영상분할 알고리즘인ACM(Active Contour Model)의 디포메이션 과정을 거쳐 최종적인 흉곽 내부 경계(220)를 추출한다. 이렇게 추출된 흉곽 내부 경계(220)를 이용하여 수치 해석법에 기초한 커브 피팅(curve fitting) 방식으로 흉곽의 변형 정도를 나타내는 위와 같은 인덱스들을 계산한다.

이러한 기존의 수작업에 의한 수동 CT 영상 분석 방식에서는 흉곽 경계에 대한 영상 분할(image segmentation)을 위한 초기점들을 사용자가 수작업으로 하나하나 직접 마킹해 주어야만 초기 윤곽선(210)을 찾아 흉곽 내부 경계(220)를 추출하게 되는 한계가 있었으며, 올바른 초기점들의 설정을 위해 임상의사가 관련된 공학적 기술에 대해 이해하고 이에 숙달되기 위한 연습과정이 필요하다는 문제점이 있었다.

따라서, 본 발명은 상술한 문제점을 해결하기 위한 것으로서, 본 발명의 목적은, 다양한 영상 처리 기법을 적용하여 영상 분할을 위한 초기화 과정을 완전 자동화하여, CT 영상으로부터 흉곽의 내부 경계를 자동으로 추출하고 이로부터 오목가슴 환자의 흉곽의 변형 정도를 평가하는 인덱스들을 자동으로 계산할 수 있는 CT 영상 분석의 자동화 방법, 장치 및 기록매체를 제공하는 데 있다.

또한, 이러한 초기화 과정의 자동화에 의해 수작업 방식에 비교하여 측정 소요 시간, 측정 정확도, 측정 정밀도를 모두 향상시켜 작업의 효율성 및 임상적 효용성을 극대화할 수 있으며, 초기화 과정의 자동화를 위해 히스토그램 분석(histogram analysis), 점 검출(point detection), 객체 인식(object recognition)등의 영상 처리 기법을 활용하였으며, 이에 기초한 새로운 인덱스들(EI, FI, CI, RI)의 추출에 따라 오목가슴 수술에 좀 더 효과적으로 활용될 수 있도록 한 CT 영상 분석의 자동화 방법, 장치 및 기록매체를 제공하는 데 있다.

먼저, 본 발명의 특징을 요약하면, 상기와 같은 본 발명의 목적을 달성하기 위한 본 발명의 일면에 따른, CT 영상 분석 수단을 이용해 흉부 CT 영상에 기초하여 대상 환자의 흉곽의 변형 정도를 분석하기 위한 CT 영상 분석의 자동화 방법은, 상기 흉부 CT 영상을 수신하는 단계; 상기 흉부 CT 영상에서 폐에 대한 경계 정보에 기초하여 상기 흉부 CT 영상을 수평 정렬하는 단계; 상기 수평 정렬된 상기 흉부 CT 영상에 기초하여 상기 폐를 포함한 각 부위의 경계 정보를 저장하는 단계; 상기 흉부 CT 영상으로부터 획득된 상기 각 부위의 경계 정보에 기초하여 에지맵을 생성하는 단계; 상기 에지맵에 대응되는 GVF 필드를 생성하는 단계; 상기 경계 정보에 기초하여 좌측과 우측의 폐에 대한 경계(값)과 흉골, 척추 및 늑골을 포함하는 뼈의 경계(값) 사이를 연결하는 윤곽선을 추출하여 상기 폐와 뼈에 대한 경계를 연결하는 초기 윤곽선을 설정하는 단계; 상기 GVF 필드에 따라 상기 폐와 뼈에 대한 경계에 연결된 초기 윤곽선이 상기 에지맵에 따른 내부 흉곽 경계까지 근사적으로 찾아가도록 ACM 디포메이션을 수행하여 흉곽 내부 경계를 추출하는 단계; 및 상기 추출된 흉곽 내부 경계(값)을 기반으로 커브 피팅 방식(Curve Fitting Method)에 의해 상기 흉곽 내부 경계를 분석하여 흉곽 변형 정도에 대한 하나 이상의 인덱스를 계산하는 단계를 포함한다.

상기 흉부 CT 영상을 수평 정렬하는 단계는, 상기 폐에 대한 경계 정보로부터 좌측 폐의 하단점과 우측 폐의 하단점을 검출하는 단계; 및 상기 좌측 폐의 하단점과 상기 우측 폐의 하단점을 연결하는 선분이 기준 수평선에 대하여 기울어진 각도와 방향을 계산하고 상기 선분이 상기 기준 수평선에 평행하도록 상기 흉부 CT 영상을 회전시키는 단계를 포함한다.

상기 폐에 대한 경계 정보는 휘도별 각 부위의 분포 정도를 나타내는 히스토그램 분포를 분석하여 폐에 해당하는 임계 휘도에 대한 영상의 분포도로부터 산출된다.

상기 경계 정보를 저장하는 단계에서, 휘도별 각 부위의 분포 정도를 나타내는 히스토그램 분포를 분석하여 폐, 늑골, 흉골, 및 척추를 포함하는 해당 부위에 대한 경계 정보를 산출하여 저장한다.

상기 에지맵을 생성하는 단계에서, 상기 경계 정보에 기초하여 폐에 대한 경계와 늑골, 흉골, 및 척추를 포함한 뼈에 대한 경계를 포함하는 맵을 생성한다.

상기 초기 윤곽선을 설정하는 단계는, 상기 경계 정보 중 흉골에 대한 경계로부터 흉골 하단점을 추출하고, 상기 흉골 하단점으로부터 상기 경계 정보 중 폐에 대한 경계까지 가장 가까운 제1 좌측 점과 제1 우측 점을 추출하여, 상기 제1 좌측 점, 상기 흉골 하단점 및 상기 제1 우측 점을 포함하는 복수의 점들을 순차 연결하는 초기 상단 윤곽선을 설정하는 단계; 및 상기 경계 정보 중 척추에 대한 경계로부터 척추 상단점을 추출하고, 상기 척추 상단점으로부터 상기 경계 정보 중 폐에 대한 경계까지 가장 가까운 제2 좌측 점과 제2 우측 점을 추출하여, 상기 제2 좌측 점, 상기 척추 상단점 및 상기 제2 우측 점을 포함하는 복수의 점들을 순차 연결하는 초기 하단 윤곽선을 설정하는 단계를 포함한다.

상기 인덱스를 계산하는 단계에서, 커브 피팅 방식에 기초하여 상기 흉곽 내부 경계에 포함된 복수의 점들을 지나는 타원 또는 원을 추출하여, 디프레션 평가용 인덱스(EI, FI, CI) 또는 비대칭성 평가용 인덱스(RI)를 계산한다.

상기 타원에 대한 장축(Lm), 단축(Ln), 및 두 초점간을 연결한 선분(Lf)를 산출하거나, 상기 원에 대한 반지름(Lr)을 산출하여, 인덱스들 "EI = Lf/Lm", "FI = 1-(Ln/Lm)", "CI = Lr/Lm", "RI = Lm의 기울기"을 계산한다.

그리고, 본 발명의 다른 일면에 따른, 흉부 CT 영상에 기초하여 대상 환자의 흉곽의 변형 정도를 분석하기 위한 CT 영상 분석의 자동화 장치는, 수신되는 상기 흉부 CT 영상에서 폐에 대한 경계 정보에 기초하여 상기 흉부 CT 영상을 수평 정렬하는 정렬 수단; 상기 수평 정렬된 상기 흉부 CT 영상에 기초하여 상기 폐를 포함한 각 부위의 경계 정보를 저장 수단에 저장하는 저장 수단; 상기 흉부CT영상으로부터 획득된 상기 각 부위의 경계 정보에 기초하여 에지맵을 생성하는 에지맵 생성 수단; 상기 에지맵에 대응되는 GVF 필드를 생성하는 GVF 필드 생성 수단;

상기 경계 정보에 기초하여 좌측과 우측의 폐에 대한 경계(값)과 척추, 늑골 및 흉골을 포함하는 뼈의 경계(값) 사이를 연결하는 윤곽선을 추출하여 상기 폐와 뼈에 대한 경계를 연결하는 초기 윤곽선을 설정하는 초기 윤곽선 설정 수단; 상기 GVF 필드에 따라 상기 폐와 뼈에 대한 경계에 연결된 초기 윤곽선이 상기 에지맵에 따른 내부 흉곽 경계까지 근사적으로 찾아가도록 ACM 디포메이션을 수행하여 흉곽 내부 경계를 추출하는 흉곽 내부 경계 추출 수단; 및 상기 추출된 흉곽 내부 경계(값)을 기반으로 커브 피팅 방식(Curve Fitting Method)에 의해 상기 흉곽 내부 경계를 분석하여 흉곽 변형 정도에 대한 하나 이상의 인덱스를 계산하는 분석 수단을 포함한다.

본 발명에 따른 CT 영상 분석의 자동화 방법, 장치 및 기록매체에 따르면, 다양한 영상 처리 기법을 적용하여 영상 분할을 위한 초기화 과정을 완전 자동화함으로써, CT 영상으로부터 흉곽의 내부 경계를 자동으로 추출할 수 있고, 이로부터 오목가슴 환자의 흉곽의 변형 정도를 평가하는 인덱스들을 자동으로 계산할 수 있다.

또한, 이러한 초기화 과정의 자동화에 의해 수작업 방식에 비교하여 측정 소요 시간, 측정 정확도, 측정 정밀도를 모두 향상시켜 작업의 효율성 및 임상적 효용성을 극대화할 수 있다.

그리고, 초기화 과정의 자동화를 위해 히스토그램 분석(histogram analysis), 점 검출(point detection), 객체 인식(object recognition)등의 영상 처리 기법을 활용하여 새로운 인덱스들(EI, FI, CI, RI)을 추출함으로써, 이에 기초하여 임상 의사들이 오목 가슴 환자의 흉곽의 변형 정도를 보다 쉽고 빠르게 진단 및 평가하고 오목가슴 수술 등에 좀 더 효과적으로 활용할 수 있다.

도 1은 흉곽의 변형 정도를 평가하는 종래의 일반적인 지표값들을 설명하기 위한 CT 영상의 일례이다.
도 2는 수 작업에 의한 초기화 과정으로 영상분할 알고리즘인 ACM의 디포메이션에 의한 흉곽 내부 경계의 추출을 설명하기 위한 도면이다.
도 3은 본 발명의 일실시예에 따른 자동 초기화 과정을 이용한 CT 영상 분석의 자동화 방법을 설명하기 위한 도면이다.
도 4는 본 발명의 일실시예에 따른 CT 영상 분석의 자동화 방법에서의 CT 영상의 수평 정렬과 각부의 경계 등록을 설명하기 위한 도면이다.
도 5는 본 발명의 일실시예에 따른 CT 영상 분석의 자동화 방법에서의 에지맵을 설명하기 위한 도면이다.
도 6은 본 발명의 일실시예에 따른 CT 영상 분석의 자동화 방법에서의 완전 자동화된 초기화 방법을 이용한 영상 분할알고리즘인ACM 디포메이션 과정에 따른 흉곽 내부 경계의 추출 및 흉곽의 변형성을 정량적으로 평가하기 위한 지표값 계산을 설명하기 위한 도면이다.
도 7은 본 발명의 일실시예에 따른 CT 영상 분석의 자동화 방법에서의 ACM의 디포메이션 과정을 설명하기 위한 도면이다.
도 8은 본 발명의 일실시예에 따른 흉곽 변형 정도에 대한 지표값들을 설명하기 위한 도면이다.
도 9는 기존의 방식과 본발명의 방식의 지표값 계산 결과에 대한 비교표이다.
도 10은 기존의 방식과 본발명의 방식의 처리 시간에 대한 비교표이다.

이하 첨부 도면들 및 첨부 도면들에 기재된 내용들을 참조하여 본 발명의 바람직한 실시예를 상세하게 설명하지만, 본 발명이 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조부호는 동일한 부재를 나타낸다.

도 3은 본 발명의 일실시예에 따른 자동 초기화 과정을 이용한 CT 영상 분석의 자동화 방법을 설명하기 위한 도면이다.

도 3을 참조하면, 본 발명의 일실시예에 따른 CT 영상 분석의 자동화 방법은, 흉부 CT 영상을 수신하는 단계(S310), 상기 흉부 CT 영상에서 폐에 대한 경계 정보에 기초하여 상기 흉부 CT 영상을 수평 정렬하는 단계(S320), 상기 수평 정렬된 상기 흉부 CT 영상에 기초하여 상기 폐를 포함한 각 부위(장기 및 조직)의 경계 정보를 저장하는 단계(S330), 상기 흉부 CT영상으로부터 획득된 상기 각 부위의 경계 정보에 기초하여 정확한 흉곽내부 경계를 추출하기 위한 에지맵(edge map)을 생성하는 단계(S340), 상기 에지맵에 대응되고, ACM의 디포메이션을 수행하기 위한 GVF(Gradient Vector Flow) 필드를 생성하는 단계(S350), 상기 경계 정보에 기초하여 좌측과 우측의 폐에 대한 경계(값)과 척추, 늑골 및 흉골을 포함하는 뼈의 경계(값) 사이를 연결하는 윤곽선을 추출하여 상기 폐와 뼈에 대한 경계를 연결하는 초기 윤곽선을 설정하는 단계(S360), 상기 GVF 필드에 따라 상기 폐와 뼈에 대한 경계를 연결하는 초기 윤곽선이 상기 에지맵에 따른 내부 흉곽 경계까지 근사적으로 찾아가도록 ACM(Active Contour Model) 디포메이션(deformation)을 수행하여 흉곽 내부 경계를 추출하는 단계(S380), 및 상기 추출된 흉곽 내부 경계(값)을 기반으로 커브 피팅 방식(Curve Fitting Method)에 의해 상기 흉곽 내부 경계를 분석하여 흉곽 변형 정도에 대한 하나 이상의 인덱스(EI, FI, CI, RI)를 계산하는 단계(S390)를 포함한다.

본 발명의 일실시예에 따른 CT 영상 분석의 자동화 방법의 각 단계는, 소정 하드웨어, 소프트웨어, 또는 이들의 조합으로 구현될 수 있다. 이와 같은 본 발명의 일실시예에 따른 CT 영상 분석의 자동화 방법은 컴퓨터를 이용한 CT 영상 분석 장치를 이용해 구현 가능하며, 컴퓨터에서 읽을 수 있는 소프트웨어와 같은 디지털 정보 형태로 구현되어 각 기능이 실현될 수도 있으며, 단층 촬영 장치로부터 흉부 CT 영상을 수신하여 이를 처리함으로써 대상 환자의 흉곽의 변형 정도를 분석하기 위하여 활용될 수 있다.

이하, 상기와 같은 본 발명의 일실시예에 따른 CT 영상 분석의 자동화 방법의 각 단계에 대하여 구체적으로 설명한다.

도 4는 본 발명의 일실시예에 따른 CT 영상 분석의 자동화 방법에서의 CT 영상의 수평 정렬과 각부의 경계 등록을 설명하기 위한 도면이다.

먼저, 단층 촬영 장치로부터 대상 환자의 흉부 CT 영상을 수신하면, CT 영상 분석 수단(예를 들어, CT 영상 분석의 자동화 장치)에서는 해당 흉부 CT 영상에서 폐에 대한 경계 정보에 기초하여 해당 흉부 CT 영상을 수평 정렬할 수 있다(S320).

단층 촬영 장치로부터 수신하는 CT 영상은 환자의 자세와 주변 상황에 따라 흉부 내벽(Chest-wall) 등 영상 내 관심영역(Chest-wall)이 수평 정렬되지 않고 기울어진 경우가 많다. 측정하려는 RI(Rotation Index) 값의 정확한 계산을 위해서는 CT 영상에서 좌우의 흉곽이 서로 수평으로 위치하는 것이 바람직하므로, 수신된 CT 영상으로부터 좌우 폐의 기울어진 정도를 파악한 후 CT 영상 전체를 회전(rotation)시켜 수평을 맞추어 준다.

예를 들어, 먼저, 정렬 수단에서는 휘도별 각 부위의 분포 정도를 나타내는 히스토그램 분포를 분석하여 폐에 해당하는 임계 휘도에 대한 영상의 분포도로부터 폐에 대한 경계 정보를 산출할 수 있다. CT 영상에는 폐, 늑골, 흉골, 및 척추 등 각 부위가 서로 다른 휘도로 분포될 수 있다. 이에 따라, 소정 휘도 디지털값(예를 들어, 0~255)에 각각 대응되는 각 부위의 분포 정도를 나타내는 히스토그램 분포도, 예를 들어, Hounsfield Unit(HU) 값을 산출할 수 있으며, 하나 이상의 임계(threshold) 휘도에 대응되는 영상의 분포도로부터 각 부위에 대한 경계 정보(예를 들어, 화면 상의 좌표값)를 산출할 수 있다.

이와 같은 히스토그램 분석을 통하여 다른 부위(늑골, 흉골, 및 척추 등의 뼈나 심장)(도 4의 (b) 참조)와 구분되도록 폐에 대한 경계 정보만을 산출할 수 있고, 이에 따라, 정렬 수단에서는, 먼저, 산출된 폐(도 4의 (a) 참조)에 대한 경계 정보로부터 좌측 폐의 하단점(P1)과 우측 폐의 하단점(P2)을 검출할 수 있다. P1, P2는 각 폐에서 수직방향으로 가장 아래쪽에 존재하는 점이다. 또한, 좌측 폐의 하단점(P1)과 우측 폐의 하단점(P2)을 연결하는 선분(410)이 기준 수평선(420)에 대하여 기울어진 각도와 방향(위 또는 아래)을 계산하고 그 결과에 따라 해당 선분(410)이 기준 수평선(420)에 평행하도록 흉부 CT 영상 전체를 회전시킬 수 있다.

이와 같이 수평 정렬이 이루어지면, 저장 수단에서는 수평 정렬된 흉부 CT 영상에 기초하여 폐를 포함한 각 부위의 경계 정보를 저장할 수 있다(S330). 즉, 위와 같은 수평 정렬이 이루어진 CT 영상에 대하여, 휘도별 각 부위의 분포 정도를 나타내는 히스토그램 분포를 분석함으로써, 폐, 늑골, 흉골, 및 척추를 포함하는 각 부위에 대한 경계 정보를 산출하여 저장할 수 있다. 위에서도 기술한 바와 같이 폐, 늑골, 흉골, 및 척추 등의 관심영역은 서로 다른 Hounsfield Unit(HU) 값을 가지므로 이에 기초하여 각 부위에 대한 경계 정보를 자동으로 추출하여 소정 저장 수단(메모리)에 저장할 수 있다.

도 5는 본 발명의 일실시예에 따른 CT 영상 분석의 자동화 방법에서의 에지맵을 설명하기 위한 도면이다.

S330 단계까지에서 CT 영상의 전처리가 완료되면, 전처리에 의해 수정 CT 영상에서의 흉곽 내부 경계를 추출하기 위해, CT 영상 분석 수단에서는, 먼저 도 5와 같이 에지맵(edge map)을 생성하고(S340), GVF(Gradient Vector Flow) 필드도 생성한다(S350). 소정 에지맵 생성 수단에서는 S330 단계에서 저장된 각 부위의 경계 정보에 기초하여 해당 에지맵을 생성할 수 있으며, 소정 GVF 필드 생성 수단에서는 해당 에지맵에 대응되는 GVF 필드를 생성할 수 있다. 도 5와 같이, 에지맵은 폐에 대한 경계(540)와 늑골, 흉골, 및 척추를 포함한 뼈에 대한 경계(510, 520, 530)가 포함된 맵으로 이루어진다.

아래에서 자세히 기술하는 바와 같이, 흉곽 내부 경계(값)를 산출하기 위하여 ACM(Active Contour Model) 디포메이션(deformation)이 수행되며, 이를 위하여 에지맵, GVF 필드, 및 초기점(본 발명에서는 추출된 경계 정보에 기초하여 좌측과 우측의 폐에 대한 경계값, 척추, 늑골 및 흉골의 일부 경계값 사이를 연결하는 초기 윤곽선)의 설정이 요구된다. 본 발명에서는 이들의 설정을 완전 자동화하였으며, 이로부터 커브 피팅 방식(Curve Figging Method)을 기반으로 하여 오목가슴 환자의 흉곽의 변형 정도를 평가하는 인덱스들도 자동으로 계산될 수 있도록 하였다.

도 6은 본 발명의 일실시예에 따른 CT 영상 분석의 자동화 방법에서의 폐의 경계(값)과 뼈(척추, 늑골, 흉골)의 경계(값)을 기반으로 한 자동화된 초기 윤곽선을 추출하고 이를 사용하여 영상분할 알고리즘 중의 하나인 ACM 디포메이션 과정을 통해 흉곽의 내부 경계값을 추출한 후 Curve Fitting method를 이용하여 흉곽의 변형성을 측정하기 위한 지표값 계산을 설명하기 위한 도면이다.

위와 같이, 에지맵을 생성하고, GVF 필드를 생성한 후, 소정 초기 윤곽선 설정 수단에서는, 각 부위의(폐, 늑골, 흉골, 및 척추를 포함) 경계 정보에 기초하여 ACM(Active Contour Model) 디포메이션(deformation)을 위한 초기 윤곽선(610, 620)을 설정할 수 있다(S360). 즉, 각 부위의(폐, 늑골, 흉골, 및 척추를 포함) 경계 정보 중 폐에 대한 경계 정보에 기초하여 좌측과 우측의 폐에 대한 경계 사이를 연결하는 윤곽선(610, 620)을 추출하여 폐와 뼈에 대한 경계를 연결하는 초기 윤곽선을 설정할 수 있다.

예를 들어, 먼저, 각 부위의(폐, 늑골, 흉골, 및 척추를 포함) 경계 정보 중 흉골 하단점(Q1)을 추출하고, 흉골 하단점(Q1)으로부터 경계 정보 중 폐에 대한 경계까지 가장 가까운 좌측 점(Q2)과 우측 점(Q3)을 추출하여, 좌측 점(Q2), 흉골 하단점(Q1) 및 우측 점(Q3)을 순차 연결하여 상부에서 폐의 경계에 연결된 초기 상단 윤곽선(610)을 설정할 수 있다. 여기서, 좀 더 정확한 윤곽선 설정을 위하여 좌측 점(Q2)과 우측 점(Q3) 이외에도 그 사이의 다른 점들(위치 좌표값)에 대한 정보를 더 이용하여, 해당 점들을 연결하는 초기 상단 윤곽선(610)을 설정할 수 있다.

위와 유사한 방법으로, 각 부위의(폐, 늑골, 흉골, 및 척추를 포함) 경계 정보 중 척추에 대한 경계로부터 척추 상단점(R1)을 추출하고, 척추 상단점(R1)으로부터 경계 정보 중 폐에 대한 경계까지 가장 가까운 좌측 점(R2)과 우측 점(R3)을 추출하여, 좌측 점(R2), 척추 상단점(R1) 및 우측 점(R3)을 순차 연결하여 하부에서 폐의 경계에 연결된 초기 하단 윤곽선(620)을 설정할 수 있다. 여기서도, 좀 더 정확한 윤곽선 설정을 위하여 좌측 점(R2)과 우측 점(R3) 이외에도 그 사이의 다른 점들(위치 좌표값)에 대한 정보를 더 이용하여, 해당 점들을 연결하는 초기 하단 윤곽선(620)을 설정할 수 있다.

이와 같이, 초기 상단 윤곽선(610)과 초기 하단 윤곽선(620)이 설정되면, 최종적으로 폐에 대한 경계와 초기 상단 윤곽선(610) 및 초기 하단 윤곽선(620)을 하나로 연결함으로써, 폐와 뼈(척추, 늑골, 흉골)에 대한 경계를 연결하는 하나의 곡선 형태의 초기 윤곽선을 형성할 수 있게 된다.

도 7은 본 발명의 일실시예에 따른 CT 영상 분석의 자동화 방법에서의 영상분할 알고리즘 중의 하나인ACM이 초기 윤곽선으로부터 흉곽의 내부 경계값을 추출하기 위한 디포메이션 과정을 설명하기 위한 도면이다.

위와 같이, 초기 상단 윤곽선(610)과 초기 하단 윤곽선(620) 및 폐의 경계(값)을 포함한 초기 윤곽선(폐와 뼈에 대한 경계를 연결하는 윤곽선)이 설정된 후에는, 흉곽 내부 경계 추출 수단에서 S350 단계의 GVF 필드에 따라 폐와 뼈에 대한 경계를 연결하는 610, 620을 포함하는 초기 윤곽선이 S340 단계의 에지맵에 따른 내부 흉곽 경계까지 근사적으로 찾아가도록 ACM 디포메이션을 수행함으로써 흉곽 내부 경계(630)를 추출할 수 있다(S380).

도 7을 참조하면, ACM 디포메이션에 대하여는 잘 알려져 있는 바와 같이, GVF 필드에 포함된 복수의 파라미터에 따라 시작점, 즉, 폐에 대한 경계에 연결된 610, 620을 포함하는 초기 윤곽선이 에지맵에 따른 흉곽의 내부 경계까지 근사적으로 찾아가도록 하는 수치 해석의 한 방식으로서, 폐에 대한 경계에 연결된 610, 620을 포함하는 초기 윤곽선의 경계값이 늑골, 흉골, 및 척추와 같은 흉곽 내부 뼈에 대한 에지(경계)까지 최대한 근접하게 하는 하나의 곡선(윤곽선)을 찾는다. 초기 윤곽선(초기 상단 윤곽선과 초기 하단 윤곽선 및 폐의 일부 경계을 포함한 윤곽선)이 설정되기 전의 폐에 대한 경계는 S330 단계에서 어느 정도 늑골, 흉골, 및 척추의 에지에 근접하게 이루어진 정보로서 저장되어 있으므로, 도 7과 같이, 흉곽 내부 경계에 매우 인접하게 형성된 초기 윤곽선(폐의 경계값 일부, 610, 620 포함)을 영상분할 알고리즘인 ACM의 초기화 값으로 설정하면 빠른 시간 내에 ACM의 변형과정 수행을 통해 쉽게 흉곽의 내부 경계(630)을 찾을 수 있다. ACM 디포메이션에 대하여는 기 알려진 공개 자료들로부터 쉽게 확보될 수 있으므로, 여기서는 더욱 더 자세한 설명은 생략한다.

도 8은 본 발명의 일실시예에 따른 흉곽 변형 정도에 대한 지표값들을 설명하기 위한 도면이다.

위와 같이, 영상분할 알고리즘인 ACM에 의해서 흉곽 내부 경계(630)가 추출되면, 분석 수단에서는 커브 피팅 방식(Curve Fitting Method)에 의해 흉곽 내부 경계(630)를 분석하여 오목 가슴 환자의 흉곽의 변형 정도를 진단 및 평가할 수 있는 하나 이상의 인덱스를 계산할 수 있다(S390).

먼저, 도 8과 같이, 커브 피팅(curve fitting) 방식에 기초하여 흉곽 내부 경계(630)에 포함된 복수의 점들을 지나는 타원(도 6의 650 참조) 또는 원(도 6의 660 참조)을 추출할 수 있다. 커브 피팅은 잘 알려져 있는 바와 같이, 데이터 포인트들을 표현하기 위하여 에러를 최소화하면서 해당 데이터 포인트들을 지나는 함수를 찾는 알고리즘이고, 여기서는 흉곽 내부 경계(630)에 포함된 복수의 점들을 표현하기 위하여 에러를 최소화하면서 해당 데이터 포인트들을 지나는 함수를, 타원(650) 또는 원(660)으로 산출하였다. 커브 피팅의 한 방식으로서 비선형 최소 자승 추정(Non-linear least squares estimation) 기법이 사용될 수 있고, 이외에도 필요에 따라 다양한 커브 피팅 방식이 적용될 수 있다.

이와 같이 흉곽 내부 경계(630)를 근사적으로 표현하는 타원(650) 또는 원(660)이 추출되면, 분석 수단에서는 디프레션(depressing) 평가용 인덱스(EI, FI, CI) 또는 비대칭성(asymmetry) 평가용 인덱스(RI)를 계산할 수 있다. 여기서 EI는 Eccentricity Index, FI는 Flatness Index, CI는 Circularity Index, RI는 Rotation Index이다.

예를 들어, 분석 수단에서는 타원(650)에 대한 장축(Lm), 단축(Ln), 및 두 초점간을 연결한 선분(Lf)를 산출할 수 있고, 원에 대한 반지름(Lr)을 산출할 수 있다. 이에 따라 인덱스들 "EI = Lf/Lm", "FI = 1-(Ln/Lm)", "CI = Lr/Lm", "RI = Lm의 기울기"을 계산할 수 있다.

도 9는 기존의 방식과 본발명의 방식의 지표값 계산 결과에 대한 비교표이다. 기존의 수작업이 병행된 방법(semi-automatic)과 본 발명에 따른 완전 자동화 방식(fully-automatic)방법 성능을 비교한 인덱스 비교표이다. 기존 방식(semi-automatic)의 경우에 훈련된 임상 의사가 모든 CT 영상에 대해 직접 수작업으로 ACM 디포메이션의 수행을 위한 초기화 과정을 수행하였다.

도 9와 같이, 기존 방식과 제안 방식에서 계산 결과값이 통계적으로 유의한 차이를 보이지 않았지만, RI의 경우, 두 방식간의 인덱스 계산 결과가 통계적으로 유의한 수준의 차이를 나타내었는데, 이는 기존 방식(semi-automatic method)에서는 CT 영상 정렬 과정이 포함되지 않았기 때문에, 기울어진 CT 영상에서 RI 값이 정확히 계산되지 못했음을 나타내고, 제안된 완전 자동화 방식에서는 S320 단계와 같이 CT 영상의 기울어짐을 보정하고 RI 값을 계산하였기 때문에 주어진 모든 CT 영상에서 RI 값이 정확히 계산되었기 때문이다.

도 10은 기존의 방식과 본 발명의 방식의 처리 시간에 대한 비교표이다.

도 10을 참조하면, 기존 방식과 제안된 완전 자동화 방식을 오목가슴 환자의 CT 영상에 적용했을 때, ACM을 사용한 영상분할 과정을 위한 초기화 과정에 소요된 시간과 인덱스들의 계산을 위해 소요된 전체 작업 시간의 측정 결과를 보여준다. 초기화 과정에 소요된 시간은 기존 방식에서는 평균 28.12 초, 제안된 완전 자동화 방식에서는 평균 0.07초로 측정되었으며, 인덱스 계산에 소요된 전체 작업 시간은 전자의 경우 평균 61.12초, 후자의 경우 평균 30.09초로 측정되었다. 측정 결과, 제안된 완전 자동화 방식에 의한 초기화 과정이 기존 방식에서 보다 평균 28.05초가 빨랐고, 또한 전체 시간에 있어서도 평균 31.03초가 더 빨라서 각각의 작업 효율성에 있어서 평균 99.75%와 50.76%의 작업속도 향상이 있음을 확인할 수 있었다.

이상에서 설명한 바와 같이, 본 발명의 일실시예에 따른 자동 초기화 과정을 이용한 CT 영상 분석의 자동화 방법에 따라, 초기화 과정의 자동화를 위해 히스토그램 분석(histogram analysis), 점 검출(point detection), 객체 인식(object recognition)등의 영상 처리 기법을 활용하여 새로운 인덱스들(EI, FI, CI, RI)을 추출함으로써, 수작업 방식에 비교하여 측정 소요 시간, 측정 정확도, 측정 정밀도를 모두 향상시켜 작업의 효율성 및 임상적 효용성을 극대화할 수 있으며, 이에 기초하여 임상 의사들이 오목 가슴 환자의 흉곽의 변형 정도를 보다 쉽고 빠르게 진단 및 평가하고 오목가슴 수술 등에 좀 더 효과적으로 활용할 수 있을 것으로 기대된다.

본 명세서에서 개시된 방법 및 장치에서 사용되는 기능은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광데이터 저장장치, 하드 디스크, 이동형 저장장치 등이 있으며 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.

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.

P1, P2: 좌우 폐의 하단점
Q1, Q2, Q3: 흉골 하단점과 가장 가까운 두점
R1, R2, R3: 척추 상단점과 가장 가까운 두점
510: 늑골 경계
520: 흉골 경계
530: 척추 경계
540: 폐 경계
610: 초기 상단 윤곽선
620: 초기 하단 윤곽선
630: 흉곽 내부 경계

Claims

CT 영상 분석 수단을 이용해 흉부 CT 영상에 기초하여 대상 환자의 흉곽의 변형 정도를 분석하기 위한 CT 영상 분석의 자동화 방법에 있어서,
상기 흉부 CT 영상을 수신하는 단계;
상기 흉부 CT 영상에서 폐에 대한 경계 정보에 기초하여 상기 흉부 CT 영상을 수평 정렬하는 단계;
상기 수평 정렬된 상기 흉부 CT 영상에 기초하여 상기 폐를 포함한 각 부위의 경계 정보를 저장하는 단계;
상기 흉부 CT 영상으로부터 획득된 상기 각 부위의 경계 정보에 기초하여 에지맵을 생성하는 단계;
상기 에지맵에 대응되는 GVF 필드를 생성하는 단계;
상기 각 부위의 경계 정보에 기초하여 좌측과 우측의 폐의 경계와 흉골, 늑골 및 척추를 포함하는 뼈에 대한 경계 사이를 연결하는 윤곽선을 추출하여 상기 폐와 뼈에 대한 경계를 연결하는 초기 윤곽선을 설정하는 단계;
상기 GVF 필드에 따라 상기 폐와 뼈에 대한 경계를 연결하는 초기 윤곽선이 상기 에지맵에 따른 내부 흉곽 경계까지 근사적으로 찾아가도록 ACM 디포메이션을 수행하여 흉곽 내부 경계를 추출하는 단계; 및
커브 피팅 방식(Curve Fitting Method)을 기반으로 하여 상기 흉곽 내부 경계를 분석하여 흉곽 변형 정도에 대한 하나 이상의 인덱스를 계산하는 단계
를 포함하는 것을 특징으로 하는 CT 영상 분석의 자동화 방법.
제1항에 있어서, 상기 흉부 CT 영상을 수평 정렬하는 단계는,
상기 폐에 대한 경계 정보로부터 좌측 폐의 하단점과 우측 폐의 하단점을 검출하는 단계; 및
상기 좌측 폐의 하단점과 상기 우측 폐의 하단점을 연결하는 선분이 기준 수평선에 대하여 기울어진 각도와 방향을 계산하고 상기 선분이 상기 기준 수평선에 평행하도록 상기 흉부 CT 영상을 회전시키는 단계
를 포함하는 것을 특징으로 하는 CT 영상 분석의 자동화 방법.
제2항에 있어서, 상기 폐에 대한 경계 정보는 휘도별 각 부위의 분포 정도를 나타내는 히스토그램 분포를 분석하여 폐에 해당하는 임계 휘도에 대한 영상의 분포도로부터 산출되는 것을 특징으로 하는 CT 영상 분석의 자동화 방법.
제1항에 있어서, 상기 경계 정보를 저장하는 단계에서,
휘도별 각 부위의 분포 정도를 나타내는 히스토그램 분포를 분석하여 폐, 늑골, 흉골, 및 척추를 포함하는 해당 부위에 대한 경계 정보를 산출하여 저장하는 것을 특징으로 하는 CT 영상 분석의 자동화 방법.
제1항에 있어서, 상기 에지맵을 생성하는 단계에서,
상기 흉부 CT영상으로부터 획득된 상기 각 부위의 경계 정보에 기초하여 폐에 대한 경계와 늑골, 흉골, 및 척추를 포함한 뼈에 대한 경계를 포함하는 맵을 생성하는 것을 특징으로 하는 CT 영상 분석의 자동화 방법.
제1항에 있어서, 상기 초기 윤곽선을 설정하는 단계는,
상기 경계 정보 중 흉골에 대한 경계로부터 흉골 하단점을 추출하고, 상기 흉골 하단점으로부터 상기 경계 정보 중 폐에 대한 경계까지 가장 가까운 제1 좌측 점과 제1 우측 점을 추출하여, 상기 제1 좌측 점, 상기 흉골 하단점 및 상기 제1 우측 점을 포함하는 복수의 점들을 순차 연결하는 초기 상단 윤곽선을 설정하는 단계;
상기 경계 정보 중 척추에 대한 경계로부터 척추 상단점을 추출하고, 상기 척추 상단점으로부터 상기 경계 정보 중 폐에 대한 경계까지 가장 가까운 제2 좌측 점과 제2 우측 점을 추출하여, 상기 제2 좌측 점, 상기 척추 상단점 및 상기 제2 우측 점을 포함하는 복수의 점들을 순차 연결하는 초기 하단 윤곽선을 설정하는 단계; 및
상기 폐에 대한 경계와 상기 초기 상단 윤곽선 및 상기 초기 하단 윤곽선을 하나로 연결하여 최종적으로 상기 초기 윤곽선을 형성하는 단계
를 포함하는 것을 특징으로 하는 CT 영상 분석의 자동화 방법.
제1항에 있어서, 상기 인덱스를 계산하는 단계에서,
커브 피팅 방식에 기초하여 상기 흉곽 내부 경계에 포함된 복수의 점들을 지나는 타원 또는 원을 추출하여, 디프레션 평가용 인덱스(EI, FI, CI) 또는 비대칭성 평가용 인덱스(RI)를 계산하는 것을 특징으로 하는 CT 영상 분석의 자동화 방법.
제7항에 있어서,
상기 타원에 대한 장축(Lm), 단축(Ln), 및 두 초점간을 연결한 선분(Lf)를 산출하거나, 상기 원에 대한 반지름(Lr)을 산출하여,
인덱스들
EI = Lf/Lm
FI = 1-(Ln/Lm)
CI = Lr/Lm
RI = Lm의 기울기
을 계산하는 것을 특징으로 하는 CT 영상 분석의 자동화 방법.
제1항 내지 제8항 중 어느 한 항의 방법을 수행하기 위한 컴퓨터로 판독 가능한 프로그램을 기록한 기록 매체.
흉부 CT 영상에 기초하여 대상 환자의 흉곽의 변형 정도를 분석하기 위한 CT 영상 분석의 자동화 장치에 있어서,
수신되는 상기 흉부 CT 영상에서 폐에 대한 경계 정보에 기초하여 상기 흉부 CT 영상을 수평 정렬하는 정렬 수단;
상기 수평 정렬된 상기 흉부 CT 영상에 기초하여 상기 폐를 포함한 각 부위의 경계 정보를 저장 수단에 저장하는 저장 수단;
상기 흉부 CT영상으로부터 획득된 상기 각 부위의 경계 정보에 기초하여 에지맵을 생성하는 에지맵 생성 수단;
상기 에지맵에 대응되는 GVF 필드를 생성하는 GVF 필드 생성 수단;
상기 경계 정보에 기초하여 좌측과 우측의 폐에 대한 경계와 흉골, 늑골 및 척추를 포함하는 뼈에 대한 경계 사이를 연결하는 윤곽선을 추출하여 상기 폐와 뼈에 대한 경계를 연결하는 초기 윤곽선을 설정하는 초기 윤곽선 설정 수단;
상기 GVF 필드에 따라 상기 폐와 뼈에 대한 경계를 연결하는 초기 윤곽선이 상기 에지맵에 따른 내부 흉곽 경계까지 근사적으로 찾아가도록 ACM 디포메이션을 수행하여 흉곽 내부 경계를 추출하는 흉곽 내부 경계 추출 수단; 및
커브 피팅 방식(Curve Fitting Method)을 기반으로 하여 상기 흉곽 내부 경계를 분석하여 흉곽 변형 정도에 대한 하나 이상의 인덱스를 계산하는 분석 수단
를 포함하는 것을 특징으로 하는 CT 영상 분석의 자동화 장치.