KR101126162B1 - 다중 에코 ｍｒ 영상의 혈류인공물 제거 방법 - Google Patents

다중 에코 ｍｒ 영상의 혈류인공물 제거 방법

Info

Publication number
KR101126162B1
KR101126162B1 KR1020100056141A KR20100056141A KR101126162B1 KR 101126162 B1 KR101126162 B1 KR 101126162B1 KR 1020100056141 A KR1020100056141 A KR 1020100056141A KR 20100056141 A KR20100056141 A KR 20100056141A KR 101126162 B1 KR101126162 B1 KR 101126162B1
Authority
KR
South Korea
Prior art keywords
echo
image
mrr
standard deviation
images
Prior art date
Application number
KR1020100056141A
Other languages
English (en)
Other versions
KR20110136263A (ko
Inventor
김학일
최학남
홍성욱
곽규성
Original Assignee
아주대학교산학협력단
인하대학교 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 아주대학교산학협력단, 인하대학교 산학협력단 filed Critical 아주대학교산학협력단
Priority to KR1020100056141A priority Critical patent/KR101126162B1/ko
Publication of KR20110136263A publication Critical patent/KR20110136263A/ko
Application granted granted Critical
Publication of KR101126162B1 publication Critical patent/KR101126162B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G06T2207/30104—Vascular flow; Blood flow; Perfusion

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

다중 에코 ＭＲ 영상의 노이즈 제거 방법을 개시한다. 상기 다중 에코 ＭＲ 영상의 노이즈 제거 방법은 다중 에코 ＭＲ 영상을 제공하는 단계, 상기 다중 에코 ＭＲ 영상들 각각의 글로벌 평균과 표준편차를 계산하는 단계, 상기 글로벌 평균값과 표준편차를 이용하여 제로 에코 시간이 반영된 ＭＲ 영상들의 평균값과 표준편차를 예측한 후, 상기 예측된 평균값과 표준 편차를 기준으로 상기 다중 에코 ＭＲ 영상 신호와 노이즈 레벨을 표준화시키는 단계, 및 상기 표준화된 각각의 다중 에코 ＭＲ 영상을 이용하여 평균 영상을 계산하고 역 표준화에 의한 상기 다중 에코 ＭＲ 영상을 복구하는 단계를 포함한다.

Description

다중 에코 ＭＲ 영상의 혈류인공물 제거 방법{Flow-artifact removal of multi-echo ＭＲ imagery}
본 발명은 의료영상에서 노이즈를 제거하는 기술에 관한 것으로, 보다 구체적으로는 다중 에코 ＭＲ 영상에서 혈류인공물 제거 방법에 관한 것이다.
ＭＲ 영상 습득 시 노이즈 제거를 위하여 많은 노력을 함에도 불구하고 실제 습득된 ＭＲ 영상에는 혈류인공물를 비롯한 여러 가지 노이즈들이 존재하게 된다. 이러한 노이즈 제거를 효과적으로 하기 위하여 스핀 방정식(spin equation)을 이용한 짧은 TR(Repetition Time)에서 얻은 ＭＲ 영상에 대한 보정 알고리즘이 제안되었다.
그러나, TR이 길어지면 좋은 신호대 잡음비(SNR)의 영상을 얻을 수 있지만 영상 습득 시간이 많이 걸리는 단점이 있다. 따라서 TR과 SNR은 상쇄(trade-off) 관계를 가진다. 또한, NLM(Non-Local mean) 알고리즘에 대한 선택적 파라미터(optimal parameter)를 찾는 방법이 제안되어 효과적인 ＭＲ 영상(T1 weighted, T2 weighted, Proton density)의 노이즈 제거 방법과 다중 에코 신호에 대하여 SVD(Singular Value Decomposition)을 적용하여 Singular value를 계산하고 이를 이용하여 Singular value filtering을 적용하는 노이즈 제거 방법등이 제시되어 왔다.
또한, 이 방법들은 오리지날 SVD 적용시 데이터량이 방대하면 일반 컴퓨터에서 메모리 문제가 발생할 수 있는 단점이 있다. 위에서 설명한 이러한 방법들은 모두 가우시안 노이즈와 같은 일반 노이즈 제거에는 효과적으로 적용되지만 혈류인공물(flow artifact)과 같은 모션 아티팩트(motion artifact)는 제거되지 못한다.
이렇게 ＭＲ 영상에 대한 노이즈 제거 방법들이 많은 연구가 되었지만 혈류 인공물(flow artifact)은 아직까지 효과적으로 제거되지 못하고 있다.
본 발명이 해결하고자 하는 과제는 ＭＲ 영상에 존재하는 노이즈 뿐만 아니라 혈류 인공물 노이즈도 동시에 제거할 수 있는 ＭＲ 영상 노이즈 제거방법을 제공하고자 한다.
상기 과제를 해결하기 위한 본 발명의 실시예에 따른 다중 에코 ＭＲ 영상의 노이즈 제거방법은 다중 에코 ＭＲ 영상을 제공하는 단계, 상기 다중 에코 ＭＲ 영상들 각각의 글로벌 평균과 표준편차를 계산하는 단계, 상기 글로벌 평균값과 표준편차를 이용하여 제로 에코 시간이 반영된 ＭＲ 영상들의 평균값과 표준편차를 예측한 후, 상기 예측된 평균값과 표준 편차를 기준으로 상기 다중 에코 ＭＲ 영상 신호와 노이즈 레벨을 표준화시키는 단계, 및 상기 표준화된 각각의 다중 에코 ＭＲ 영상을 이용하여 평균 영상을 계산하고 역 표준화에 의한 상기 다중 에코 ＭＲ 영상을 복구하는 단계를 포함할 수 있다.
상기 다중 에코 ＭＲ 영상을 제공하는 단계는, 적어도 2개 이상의 서로 다른 가우시안 분포인 히스토그램으로 분류된 다중 에코 ＭＲ 영상을 제공하는 단계를 더 포함할 수 있다.
상기 다중 ＭＲ 영상 신호와 노이즈 레벨을 표준화시키는 단계는, 모노 익스포넨셜 모델(mono-exponential model)을 이용하여 상기 다수의 에코 시간들에 따라 ＭＲ 영상 신호와 노이즈 레벨을 맞춰주기 위한 단계일 수 있다.
상기 과제를 해결하기 위한 본 발명의 실시예에 따른 다중 에코 ＭＲ 영상의 노이즈 제거방법은 다중 에코 ＭＲ 영상을 제공하는 단계, 상기 다중 에코 ＭＲ 영상을 히스토그램 균등화 과정을 수행하여 ＭＲ 영상 신호와 노이즈 레벨을 표준화시키는 단계, 상기 표준화된 다중 에코 ＭＲ 평균 영상을 획득하는 단계, 및 상기 획득된 다중 에코 ＭＲ 평균 영상을 역 표준화하여 다중 에코 ＭＲ 영상을 재구성하는 단계를 포함한다.
상기 표준화시키는 단계는, 상기 다중 에코 ＭＲ 영상의 히스토그램과 누적 히스토그램을 이용하는 단계일 수 있다.
본 발명에 따르면, 다중 에코 ＭＲ 영상에 존재하는 혈류 인공물(flow artifact)을 효과적으로 제거할 수 있으며, 또한, 높은 신호대 잡음비(SNR)를 유지할 수 있는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 다중 에코 ＭＲ 영상 노이즈 제거방법을 나타낸 플로우 차트이다.
도 2는 ＭＲ 영상의 평균 벡터와 모노 익스퍼넨셜 모델이 적용된 ＭＲ 영상의 평균벡터를 나타낸 그래프(a)와 ＭＲ 영상와 모노 익스퍼넨셜 모델이 적용된 ＭＲ 영상의 표준편차를 나타낸 그래프(b)를 나타낸 예시도이다.
도 3은 ＭＲ 영상의 평균 벡터와 복원된 ＭＲ 영상의 평균벡터를 나타낸 그래프(a)와 ＭＲ 영상와 복원된 ＭＲ 영상의 표준편차를 나타낸 그래프(b)를 나타낸 예시도이다.
도 4는 본 발명의 다른 실시예에 따른 다중 에코 ＭＲ 영상의 노이즈 제거방법을 나타낸 플로우 차트이다.
도 5는 본 발명의 또 다른 실시예에 따른 다중 에코 ＭＲ 영상의 노이즈 제거방법을 나타낸 플로우 차트이다.
도 6은 히스토그램에 따라 분류된 ＭＲ 영상을 나타낸 예시도이다.
첨부한 도면을 참조하여 본 발명의 바람직한 실시 예를 설명함으로써, 본 발명을 상세히 설명한다.
도 1은 본 발명의 일 실시 예에 따른 다중 에코 ＭＲ 영상 노이즈 제거방법을 나타낸 플로우 차트이다.
도 1을 참조하면, 다중 에코 ＭＲ 영상 노이즈 제거방법은 다중 에코 ＭＲ 영상을 제공하는 단계(S10), 상기 다중 에코 ＭＲ 영상의 글로벌 평균과 표준편차를 계산하는 단계(S11), 상기 글로벌 평균값과 표준편차를 이용하여 제로 에코 시간이 반영된 ＭＲ 영상들의 평균값과 표준편차를 예측한 후, 상기 예측된 평균값과 표준 편차를 기준으로 상기 다중 에코 ＭＲ 영상 신호와 노이즈 레벨을 표준화시키는 단계(S12,S13), 및 상기 표준화된 각각의 다중 에코 ＭＲ 영상을 이용하여 평균 영상을 계산하고 역 표준화에 의한 상기 다중 에코 ＭＲ 영상을 재구성하는 단계(S14,S15)를 포함한다.
보다 구체적으로, 단계 S10는 적어도 2개 이상의 에코 신호에 따른 ＭＲ 영상을 제공하는 단계로서 예컨대, 8개의 에코 신호로부터 획득된 영상들을 기준으로 설명한다.
다음으로, 단계 S11은 8개의 에코 신호에 따라 획득한 ＭＲ 영상들 각각의 전면(foreground) 영역들에 대하여 각각 글로벌 평균값(m(i),i=1~8)과 표준편차(σ(i),i=1~8)를 구하는 단계일 수 있다.
글로벌 평균(m(i),i=1~8)과 표준편차(σ(i),i=1~8) 각각은 다수의 에코시간이 적용된 ＭＲ 영상의 평균값과 표준편차이다. 이때, 다수의 에코시간이 적용된 ＭＲ 영상의 평균값과 표준편차는 모노 익스포넨셜 모델(mono-exponential model)을 적용하여 에코 시간이 0인 시간에서 획득한 ＭＲ 영상의 글로벌 평균값(m(i),i=1~8)과 표준편차(σ(i),i=1~8)에 대한 값은 모노 익스포넨셜 모델(mono-exponential model)인 아래에 도시된 수학식 1을 이용하여 제로 에코시간(TE0)에 관한 데이타(S(TE0)와 T2)를 각각 도출할 수 있다.
보다 구체적으로, 단계 S12 부터 단계 S15를 아래에 기재된 수학식 1 내지 수학식 9를 이용하여 다중 에코 ＭＲ 영상 내에 존재하는 혈류 인공물 노이즈를 제거할 수 있는 알고리즘을 제시한다.
먼저, ＭＲ 영상 신호는 모노 익스포넨셜 모델(mono-exponential model)인 수학식 1에 적용 가능하다는 가정을 전제한다.
[수학식 1]
Figure 112010038102740-pat00001
상기 수학식 1을 이용하여 ＭＲ 영상의 글로벌 평균과 표준편차에 대한 제로 에코 시간(S0=S(TE0)과 이완값(T2)을 각각 구할 수 있다. 즉, m(TE0=0), σ(TE0=0), mT2(0), σT2(0)을 수학식 1을 통해 나타낼 수 있다.
예컨대, TEi=[10.476, 0.952,31.428,41.904,52.380,62.856,73.332,83.808], i=1~8, 및 S0=S(TE0)일 수 있다.
[수학식 2]
Figure 112010038102740-pat00002
상기 수학식 2는 에코 시간1 부터 에코 시간 8까지의 누적 합을 이용하여, ln(S0)과 -1/T2이 반영된 편도함수를 나타낸다. 참고로, 편도함수란, 예컨대, 두 개의 변수 x,y의 함수 f(x,y)가 주어진 경우 f(x,y)에서 y를 상수로 보고 얻어지는 편미분계수와 x를 상수로 보고서 얻어지는 편미분계수를 이용한 함수를 나타낸다.
[수학식 3]
Figure 112010038102740-pat00003
[수학식 4]
Figure 112010038102740-pat00004
다음으로, 상기 수학식 2에 기재된 ln(S0)과 -1/T2는 수학식 3, 수학식 4를 이용하여 ln(S0)과 -1/T2의 해를 구할 수 있다. 따라서, 수학식 2, 수학식 3, 및 수학식 4에 m(i),σ(i) 및 TEi를 대입하면 m(0), σ(0), mt2(0), σT2(0)값을 예측할 수 있다.
예측된 m(0), σ(0), mt2(0), σT2(0)를 모노 익스퍼넨셜 모델(mono-exponential model)인 상기 수학식 1에 대입하면 아래 도시된 수학식 5의 결과값인 m'(i),σ'(i)를 예측할 수 있다.
[수학식 5]
Figure 112010038102740-pat00005
Figure 112010038102740-pat00006
그리고 나서, ＭＲ 영상의 m(i),σ(i)와 모노 익스퍼넨셜 모델에 의해 예측된 m'(i),σ'(i)를 아래에 도시된 수학식 6에 대입하면 모노 익스퍼넨셜 모델(mono-exponental model)인 수학식 1이 적용된 각각의 에코신호에 해당하는 ＭＲ 영상들을 구할 수 있다.
[수학식 6]
Figure 112010038102740-pat00007
여기서, i=1~8, {x(i)}는 ＭＲ 영상을 나타내며,
Figure 112010038102740-pat00008
는 상기 수학식 1이 적용된 ＭＲ 영상을 나타낸다.
다음으로, ＭＲ 영상 신호의 강도와 노이즈 강도를 조절하기 위해 아래에 도시된 수학식 7을 이용한다.
[수학식 7]
Figure 112010038102740-pat00009
여기서, 상기 수학식 7에 기재된
Figure 112010038102740-pat00010
과
Figure 112010038102740-pat00011
는 상기 수학식 6에서 구해진 모노 익스퍼넨셜 모델인 수학식 1이 적용된 ＭＲ 영상(
Figure 112010038102740-pat00012
)의 평균과 표준 편차를 나타낸다.
[수학식 8]
Figure 112010038102740-pat00013
여기서, n은 에코 시간을 나타낸다. 상기 수학식 8은 상기 수학식 7에 대한 3차원 방향의 평균값을 나타낼 수 있다.
다음으로, 아래에 도시된 수학식 9는 수학식 2 내지 수학식 4를 통해 도출된 m(0)과 σ(0)에 의해 스케일링된 각각의 에코 ＭＲ 영상을 모노 익스퍼넨셜 모델에 알맞는 영상의 크기로 복원할 수 있는 식이다.
[수학식 9]
Figure 112010038102740-pat00014
상기 수학식 9에 기재된
Figure 112010038102740-pat00015
와
Figure 112010038102740-pat00016
는 상기 수학식 8에서 도출된
Figure 112010038102740-pat00017
의 평균과 표준편차를 나타낸다. 상기
Figure 112010038102740-pat00018
는 노이즈가 제거된 최종 ＭＲ 영상이며, 상기
Figure 112010038102740-pat00019
에 대한 평균과 표준편차는
Figure 112010038102740-pat00020
과
Figure 112010038102740-pat00021
로 나타낼 수 있다.
도 2는 ＭＲ 영상의 평균 벡터와 모노 익스퍼넨셜 모델이 적용된 ＭＲ 영상의 평균벡터를 나타낸 그래프(a)와 ＭＲ 영상와 모노 익스퍼넨셜 모델이 적용된 ＭＲ 영상의 표준편차를 나타낸 그래프(b)를 나타낸 예시도이다.
도 3은 ＭＲ 영상의 평균 벡터와 복원된 ＭＲ 영상의 평균벡터를 나타낸 그래프(a)와 ＭＲ 영상와 복원된 ＭＲ 영상의 표준편차를 나타낸 그래프(b)를 나타낸 예시도이다.
도 2를 참조하면, ＭＲ 영상와 모노 익스퍼넨셜 모델이 적용된 ＭＲ 영상값이 에코 시간 예컨대, 에코 시간1 부터 에코 시간3 까지 구간에서 불일치하는 것을 볼 수 있다. 이러한 불일치는 노이즈 예컨대, 혈류 인공물 노이즈(flow artifact noise)를 유발시키는 원인으로 작용한다.
여기서, 도 2의 (a)에 기재된 E와 F는 다수의 에코시간에 따른 ＭＲ 영상의 평균벡터(m(i))와 모노 익스퍼넨셜 모델이 적용된 ＭＲ 영상의 평균벡터(
Figure 112010038102740-pat00022
)를 나타내며, (b)에 기재된 G와 H는 다수의 에코시간에 따른 ＭＲ 영상의 표준편차(σ(i))와 모노 익스퍼넨셜 모델이 적용된 ＭＲ 영상의 표준편차(
Figure 112010038102740-pat00023
)를 나타낸다.
도 3을 참조하면, 도 3의 (a)는 ＭＲ 영상 평균벡터와 복원된 ＭＲ 영상의 평균벡터가 일치함을 보여주며, (b)는 ＭＲ 영상의 표준편차와 복원된 ＭＲ 영상의 표준편차가 거의 일치함을 보여준다. 이는 복원된 ＭＲ 영상의 평균벡터와 표준편차가 거의 변하지 않는 조건에서 일반 및 혈류인공물 노이즈가 제거됨을 나타낸다.
여기서, 여기서, 도 3의 (a)에 기재된 I와 J는 다수의 에코시간에 따른 ＭＲ 영상의 평균벡터(m(i))와 복원된 ＭＲ 영상의 평균벡터(
Figure 112010038102740-pat00024
)를 나타내며, (b)에 기재된 K와 L은 다수의 에코시간에 따른 ＭＲ 영상의 표준편차(σ(i))와 복원된 ＭＲ 영상의 표준편차(
Figure 112010038102740-pat00025
)를 나타낸다.
도 4는 본 발명의 다른 실시예에 따른 다중 에코 ＭＲ 영상의 노이즈 제거방법을 나타낸 플로우 차트이다.
도 4를 참조하면, 다중 에코 ＭＲ 영상의 노이즈 제거 방법은 다중 에코 ＭＲ 영상을 제공하는 단계(S30), 상기 다중 에코 ＭＲ 영상을 히스토그램 균등화 과정을 수행하여 ＭＲ 영상 신호와 노이즈 레벨을 표준화시키는 단계(S31), 상기 표준화된 다중 에코 ＭＲ 평균 영상을 획득하는 단계(S32), 및 상기 획득된 다중 에코 ＭＲ 평균 영상을 역 표준화하여 다중 에코 ＭＲ 영상을 재구성하는 단계(S33)를 포함한다.
보다 구체적으로, S31은 다중 에코 ＭＲ 영상에 히스토그램 균등화 과정을 수행하여 상기 ＭＲ 영상의 히스토그램분포와 상기 히스토그램 균등화 과정이 수행된 ＭＲ 영상의 누적히스토그램분포를 생성하는 단계일 수 있다.
보다 구체적으로, 상기 S31은 히스토그램 균등화 방법을 이용하여 특정분포를 다른 형태의 분포로 변환하는 단계로서. 즉, 아래에 도시된 수학식 10과 수학식 11을 이용하여 ＭＲ 영상의 히스토그램을 이상적인 균일분포의 히스토그램으로 분포하도록 변환한다.
[수학식 10]
Figure 112010038102740-pat00026
여기서, rk는 입력 그레이 레벨, Sk는 출력 그레이 레벨, C(rk)는 누적분포함수, L은 히스토그램의 범위를 나타내며, K는 0 부터 L-1 까지를 나타낼 수 있다.
[수학식 11]
r'k=(L-1)×C-1Sk
여기서, r'k는 역 누적분포함수에 의해 구해진 복원된 그레이 레벨(gray level)을 나타낸다.
즉, 히스토그램 균등화에 따른 ＭＲ 영상에 상기 수학식 8을 이용하여 평균 영상을 생성하고, 상기 평균 영상에 수학식 11을 적용하여 노이즈가 제거된 평균영상을 획득할 수 있다. 이후, 상기 수학식 9를 이용하여 ＭＲ 영상을 복원할 수 있다.
도 5는 본 발명의 또 다른 실시예에 따른 다중 에코의 ＭＲ 영상의 노이즈 제거방법을 나타낸 플로우 챠트이다.
도 6은 히스토그램에 따라 분류된 ＭＲ 영상을 나타낸 예시도이다.
도 5를 참조하면, 본 발명의 또 다른 실시예에 따른 다중 에코의 ＭＲ 영상 노이즈 제거방법은 다중 에코 ＭＲ 영상을 제공하는 단계(S30), 상기 다중 에코 ＭＲ 영상을 히스토그램에 따라 분류하는 단계(S31), 상기 다중 에코 ＭＲ 영상의 글로벌 평균과 표준편차를 계산하는 단계(S32), 상기 글로벌 평균값과 표준편차를 이용하여 제로 에코 시간이 반영된 ＭＲ 영상들의 평균값과 표준편차를 예측한 후, 상기 예측된 평균값과 표준 편차를 기준으로 상기 다중 에코 ＭＲ 영상 신호와 노이즈 레벨을 표준화시키는 단계(S33,S34), 및 상기 표준화된 각각의 다중 에코 ＭＲ 영상을 이용하여 평균 영상을 계산하고 역 표준화에 의한 상기 다중 에코 ＭＲ 영상을 재구성하는 단계(S35,S36)를 포함한다.
보다 구체적으로, 단계 S30은, 도 6을 참조하면, ＭＲ 영상을 히스토그램 분류 알고리즘을 이용하여 적어도 2개 이상의 서로 다른 히스토그램으로 분류하는 단계일 수 있다. 예컨대, 상기 알고리즘은 TSMO(Two-Stage Multi-threshold Otsu method)일 수 있다.
따라서, 상기 분류된 히스토그램들 각각에 수학식 1 내지 수학식 8을 적용하여 적어도 2개 이상의 히스토그램으로 분류된 ＭＲ 영상을 모노 익스퍼넨셜 모델을 적용하여 각각의 히스토그램과 복원된 각각의 히스토그램의 평균벡터와 표준편차의 합을 이용하여 ＭＲ 영상의 평균과 표준편차가 변하지 않은 조건에서 노이즈를 제거할 수 있다.
본 발명은 도면에 도시된 실시 예들을 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 등록청구범위의 기술적 사상에 의해 정해져야 할 것이다.
S10: 다중 에코 ＭＲ 영상 제공
S11: 다중 에코 ＭＲ 영상의 평균 및 표준편차 계산
S12: zero echo 시간에서의 평균 및 표준편차 추측

Claims (6)

  1. 다중 에코 ＭＲ 영상을 제공하는 단계;
    상기 다중 에코 ＭＲ 영상들 각각의 글로벌 평균과 표준편차를 계산하는 단계;
    상기 글로벌 평균값과 표준편차를 이용하여 제로 에코 시간이 반영된 ＭＲ 영상들의 평균값과 표준편차를 예측한 후, 상기 예측된 평균값과 표준 편차를 기준으로 상기 다중 에코 ＭＲ 영상 신호와 노이즈 레벨을 표준화시키는 단계; 및
    상기 표준화된 각각의 다중 에코 ＭＲ 영상을 이용하여 평균 영상을 계산하고 역 표준화에 의한 상기 다중 에코 ＭＲ 영상을 복구하는 단계를 포함하는 다중 에코 ＭＲ 영상의 노이즈 제거방법.
  2. 제1항에 있어서,
    상기 다중 에코 ＭＲ 영상을 제공하는 단계는, 적어도 2개 이상의 서로 다른 가우시안 분포인 히스토그램으로 분류된 다중 에코 ＭＲ 영상을 제공하는 단계를 더 포함하는 다중 에코 ＭＲ 영상의 노이즈 제거 방법.
  3. 제2항에 있어서,
    상기 히스토그램은, TSMO(Two-Stage Multi-threshold Otsu method) 알고리즘으로 분류되는 다중 에코 ＭＲ 영상의 노이즈 제거 방법.
  4. 제1항에 있어서,
    상기 다중 ＭＲ 영상 신호와 노이즈 레벨을 표준화 시키는 단계는, 모노 익스포넨셜 모델(mono-exponential model)을 이용하여 다수의 에코 시간들에 따라 ＭＲ 영상 신호와 노이즈 레벨을 맞춰주기 위한 단계인 다중 에코 ＭＲ 영상의 노이즈 제거방법.
  5. 다중 에코 ＭＲ 영상을 제공하는 단계;
    상기 다중 에코 ＭＲ 영상을 히스토그램 균등화 과정을 수행하여 ＭＲ 영상 신호와 노이즈 레벨을 표준화시키는 단계;
    표준화된 상기 MR 영상 신호와 노이즈 레벨을 이용하여 표준화된 다중 에코 ＭＲ 평균 영상을 획득하는 단계; 및
    획득된 상기 다중 에코 ＭＲ 평균 영상을 역 표준화하여 다중 에코 ＭＲ 영상을 재구성하는 단계를 포함하는 다중 에코 ＭＲ 영상의 노이즈 제거방법.
  6. 제5항에 있어서, 상기 표준화시키는 단계는,
    상기 다중 에코 ＭＲ 영상의 히스토그램과 누적 히스토그램을 이용하는 단계인 다중 에코 ＭＲ 영상의 노이즈 제거방법.
KR1020100056141A 2010-06-14 2010-06-14 다중 에코 ｍｒ 영상의 혈류인공물 제거 방법 KR101126162B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020100056141A KR101126162B1 (ko) 2010-06-14 2010-06-14 다중 에코 ｍｒ 영상의 혈류인공물 제거 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020100056141A KR101126162B1 (ko) 2010-06-14 2010-06-14 다중 에코 ｍｒ 영상의 혈류인공물 제거 방법

Publications (2)

Publication Number Publication Date
KR20110136263A KR20110136263A (ko) 2011-12-21
KR101126162B1 true KR101126162B1 (ko) 2012-03-22

Family

ID=45502921

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020100056141A KR101126162B1 (ko) 2010-06-14 2010-06-14 다중 에코 ｍｒ 영상의 혈류인공물 제거 방법

Country Status (1)

Country Link
KR (1) KR101126162B1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001070283A (ja) * 1999-09-08 2001-03-21 Toshiba Corp Ｍｒイメージングのデータ収集方法及びｍｒｉ装置
KR100669567B1 (ko) * 2000-12-20 2007-01-15 지멘스 악티엔게젤샤프트 다중 에코우-이미지 형성 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001070283A (ja) * 1999-09-08 2001-03-21 Toshiba Corp Ｍｒイメージングのデータ収集方法及びｍｒｉ装置
KR100669567B1 (ko) * 2000-12-20 2007-01-15 지멘스 악티엔게젤샤프트 다중 에코우-이미지 형성 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
논문1:한국정보과학회

Also Published As

Publication number Publication date
KR20110136263A (ko) 2011-12-21

Similar Documents

Publication Publication Date Title
Maggioni et al. Nonlocal transform-domain filter for volumetric data denoising and reconstruction
Wang et al. A new alternating minimization algorithm for total variation image reconstruction
Choi et al. Despeckling images using a preprocessing filter and discrete wavelet transform-based noise reduction techniques
Nguyen et al. Bounded self-weights estimation method for non-local means image denoising using minimax estimators
CN107133923B (zh) 一种基于自适应梯度稀疏模型的模糊图像非盲去模糊方法
Lu et al. Nonlocal Means‐Based Denoising for Medical Images
Edeler et al. Time-of-flight depth image denoising using prior noise information
Hoshyar et al. Comparing the performance of various filters on skin cancer images
Elahi et al. BM3D mridenoising equipped with noise invalidation technique
Nafornita et al. Regularised, semi-local hurst estimation via generalised lasso and dual-tree complex wavelets
Zhou et al. Nonlocal means filtering based speckle removal utilizing the maximum a posteriori estimation and the total variation image prior
Manjon et al. Multispectral MRI de-noising using non-local means
Sun et al. Partial Differential Equations‐Based Iterative Denoising Algorithm for Movie Images
Ruan et al. A new image denoising method by combining WT with ICA
El Hassani et al. Efficient image denoising method based on mathematical morphology reconstruction and the Non-Local Means filter for the MRI of the head
Golla et al. A novel approach of k-SVD-based algorithm for image denoising
KR101126162B1 (ko) 다중 에코 ｍｒ 영상의 혈류인공물 제거 방법
Zhou et al. An optimal higher order likelihood distribution based approach for strong edge and high contrast restoration
Kala et al. Removal of rician noise in MRI images using bilateral filter by fuzzy trapezoidal membership function
Sheta Restoration of medical images using genetic algorithms
Fuentes-Hurtado et al. MID3A: microscopy image denoising meets differentiable data augmentation
CN105894481B (zh) 用于视频监控设备的直方图均衡化方法及装置
Iqbal et al. Reduction of speckle noise in medical images using stationary wavelet transform and fuzzy logic
Shahadi et al. Efficient denoising approach based Eulerian video magnification for colour and motion variations.
AKINTOYE et al. COMPOSITE MEDIAN WIENER FILTER BASED TECHNIQUE FOR IMAGE ENHANCEMENT.

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: 20141226

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20151224

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20170102

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20171226

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20190107

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20200102

Year of fee payment: 9