KR101126222B1 - Method for developing real-time automatic spleen 3D segmentation and volumetry based on diffusion weighted imaging - Google Patents

Method for developing real-time automatic spleen 3D segmentation and volumetry based on diffusion weighted imaging Download PDF

Info

Publication number
KR101126222B1
KR101126222B1 KR1020100043602A KR20100043602A KR101126222B1 KR 101126222 B1 KR101126222 B1 KR 101126222B1 KR 1020100043602 A KR1020100043602 A KR 1020100043602A KR 20100043602 A KR20100043602 A KR 20100043602A KR 101126222 B1 KR101126222 B1 KR 101126222B1
Authority
KR
South Korea
Prior art keywords
spleen
dimensional
volume
weighted image
diffusion
Prior art date
Application number
KR1020100043602A
Other languages
Korean (ko)
Other versions
KR20110124037A (en
Inventor
김경원
이정진
이호
신영길
Original Assignee
가톨릭대학교 산학협력단
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 가톨릭대학교 산학협력단, 울산대학교 산학협력단 filed Critical 가톨릭대학교 산학협력단
Priority to KR1020100043602A priority Critical patent/KR101126222B1/en
Publication of KR20110124037A publication Critical patent/KR20110124037A/en
Application granted granted Critical
Publication of KR101126222B1 publication Critical patent/KR101126222B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/42—Detecting, measuring or recording for evaluating the gastrointestinal, the endocrine or the exocrine systems
    • A61B5/4222—Evaluating particular parts, e.g. particular organs
    • A61B5/4244—Evaluating particular parts, e.g. particular organs liver
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • 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
    • G06T2207/30056—Liver; Hepatic
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/41—Medical

Landscapes

  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • Medical Informatics (AREA)
  • General Physics & Mathematics (AREA)
  • Gastroenterology & Hepatology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Veterinary Medicine (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biophysics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Theoretical Computer Science (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • Radiology & Medical Imaging (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Endocrinology (AREA)
  • Physiology (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

본 발명은, MR 기법에 의해 비장 영역이 포함된 3차원 확산 강조 영상 볼륨 데이터를 획득하는 단계와, 상기 3차원 확산 강조 영상 볼륨 데이터로부터 비장의 후보 영역들을 검출하는 단계와, 상기 비장의 후보 영역들로부터 3차원 연결 요소 분석 기법을 통해 비장 영역을 분할하는 단계와, 상기 분할된 비장 영역을 구성하는 각 슬라이스의 2차원 단면 영상들에 대하여 각각 2차원 연결 요소 분석을 통해 잡음 영역을 제거하는 단계, 및 상기 잡음 영역이 제거된 비장 영역의 체적을 계산하는 단계를 포함하는 확산 강조 영상을 이용한 실시간 자동 비장 3차원 분할과 체적 측정 방법을 제공한다.
본 발명에 따른 확산 강조 영상을 이용한 실시간 자동 비장 ３차원 분할과 체적 측정 방법에 따르면, MR에 의해 얻어진 확산 강조 영상을 이용하여 비장을 실시간에 자동 3차원 분할하고 비장의 체적을 정확하게 측정하여, 간질환의 진행 정도를 평가할 수 있으며, 생체부분 간이식 수술 후 공여자와 수여자의 부작용 진단을 용이하게 하는 이점이 있다.According to the present invention, the method includes obtaining three-dimensional diffusion-weighted image volume data including a spleen region by MR, detecting candidate regions of the spleen from the three-dimensional diffusion-weighted image volume data, and candidate regions of the spleen. Dividing the spleen area from each other through a three-dimensional connection element analysis technique, and removing the noise region through two-dimensional connection element analysis on two-dimensional cross-sectional images of each slice constituting the divided spleen area. And it provides a real-time automatic spleen three-dimensional segmentation and volume measurement method using a diffusion-weighted image comprising the step of calculating the volume of the spleen area from which the noise area is removed.
According to the real-time automatic spleen three-dimensional segmentation and volume measurement method using the diffusion-weighted image according to the present invention, by using the diffusion-weighted image obtained by MR, the spleen is automatically three-dimensionally divided in real time, and the volume of the spleen is accurately measured. The progress of the disease can be assessed, and there is an advantage in facilitating the diagnosis of side effects of the donor and the recipient after the partial biotransplantation surgery.

Description

확산 강조 영상을 이용한 실시간 자동 비장 ３차원 분할과 체적 측정 방법{Method for developing real-time automatic spleen 3D segmentation and volumetry based on diffusion weighted imaging}Method for developing real-time automatic spleen 3D segmentation and volumetry based on diffusion weighted imaging

본 발명은 확산 강조 영상을 이용한 실시간 자동 비장 ３차원 분할과 체적 측정 방법에 관한 것으로서, 보다 상세하게는 MR에 의해 얻어진 확산 강조 영상(Diffusion Weighted Imaging)을 이용하여 비장을 분할하고 비장의 체적을 측정하여 간질환의 진행 정도를 평가할 수 있는 확산 강조 영상을 이용한 실시간 자동 비장 ３차원 분할과 체적 측정 방법에 관한 것이다.The present invention relates to a real-time automatic spleen three-dimensional segmentation and volumetric measuring method using a diffusion weighted image, and more specifically, the spleen is divided and a volume of the spleen is measured using a diffusion weighted image obtained by MR. The present invention relates to a real-time automatic spleen three-dimensional segmentation and volume measurement method using diffusion-weighted images to evaluate the progression of liver disease.

비장을 기능적인 측면에서 설명하면, 림프조직으로 이루어진 백색 수질(white pulp)과, 망상세포 및 적혈구로 이루어진 적색 수질(red pulp)이 혼합되어 있는 망상내피세포계(reticuloendothelial system)의 장기이다. The functional description of the spleen is the organs of the reticuloendothelial system, which is a mixture of white pulp consisting of lymphoid tissue and red pulp consisting of reticular cells and red blood cells.

또한, 상기 비장을 해부학적인 측면에서 설명하면, 좌횡경막 직하부 복강 내에 위치하며 대동맥으로부터 복강동맥(celiac artery)를 거쳐 비장동맥(splenic artery)으로부터 동맥혈류를 공급받고, 비장정맥(splenic vein)으로 배혈된다. In addition, the spleen from the anatomical aspect, located in the abdominal cavity of the lower left diaphragm, the artery blood flow from the aorta through the celiac artery (splenic artery), to the splenic vein (splenic vein) Bleeding.

그런데, 이 비장정맥이 상장간막 정맥과 유합하여 간문맥을 이루게 되므로, 간질환으로 인하여 문맥고혈압이 있을 경우 비장의 울혈성 종대(congestive splenomegaly)가 흔히 발생하게 된다. 따라서, 한국에 흔한 만성 간질환 또는 간경화 환자에서 비장의 크기 변화는 간질환의 진행에 따른 문맥고혈압의 심도(severity)를 평가하는데 매우 중요한 척도가 된다. However, since the splenic vein is fused with the superior mesenteric vein to form a portal vein, congestive splenomegaly of the spleen often occurs when portal hypertension is caused by liver disease. Therefore, the change in the size of the spleen in patients with chronic liver disease or cirrhosis, which is common in Korea, is a very important measure for evaluating the severity of portal hypertension according to the progression of liver disease.

여기서, 간이식 이후 수혜자(recipients)의 경우, 문맥고혈압이 개선됨에 따라 비장의 크기가 작아지게 되는데, 간문맥 협착이 있거나 급성거부반응 등으로 간실질 내 동모양 혈관(hepatic sinusoid)에 압력이 높아지는 경우에는 문맥고혈압이 재발할 수 있으며, 이는 비장의 크기 변화에 대한 추적 검사로 진단할 수 있다.Here, in the case of recipients after liver transplantation, the size of the spleen decreases as portal hypertension improves, and when pressure increases in the hepatic sinusoid in the parenchyma due to portal stenosis or an acute rejection reaction. Portal hypertension may occur again, which can be diagnosed by follow-up examination of changes in the size of the spleen.

생체부분 간이식을 위해 간의 일부를 기증한 공여자(donor)의 경우, 비장의 크기가 공여 전과 비교하여 어느 정도 증가하는 것으로 알려져 있는데, 문맥 협착으로 급성 문맥고혈압이 생길 경우에는 혈관 내 스텐트 삽입을 필요로 하기도 하며, 이때 상기 비장의 크기 변화는 스텐트 삽입이 필요한지를 판단하는데 근거가 된다.Donors who donated a part of the liver for biotransplantation have been known to increase the size of the spleen somewhat compared to before donation.In the case of acute portal hypertension due to portal stenosis, intravascular stent insertion is required. In this case, the change in the size of the spleen is the basis for determining whether the stent insertion is necessary.

기존의 경우, 비장의 크기를 측정하기 위해서 대부분 초음파 영상에서 비장의 장경을 의사가 측정하여 평가하는 방법이 가장 많이 사용되었다. 하지만, 이 방법은 2차원적인 기법으로 정확도가 떨어지고, 검사자에 따른 편차가 크다. In the past, the most common method was to measure and measure the length of the spleen by ultrasound on most ultrasound images. However, this method is less accurate with two-dimensional technique, and there is a large variation among inspectors.

가장 정확한 방법은 CT 영상에서 의사가 비장의 경계를 손으로 설정하고, 비장의 단면적과 영상 두께를 곱한 총합을 구하여 부피를 측정하는 것인데, 이러한 방법은 매우 많은 시간이 소요되기 때문에, 실제 임상에서는 거의 사용되지 않는다.The most accurate method is to measure the volume of the spleen by the doctor by setting the boundaries of the spleen by hand and multiplying the cross-sectional area of the spleen by the thickness of the image, which is very time consuming. Not used.

본 발명은, MR에 의해 얻어진 확산 강조 영상을 이용하여 비장을 실시간에 자동 3차원 분할하고 비장의 체적을 정확하게 측정하여 간질환의 진행 정도를 평가할 수 있고 공여자와 수여자의 부작용 진단을 용이하게 하는 확산 강조 영상을 이용한 실시간 자동 비장 ３차원 분할과 체적 측정 방법을 제공하는데 목적이 있다.According to the present invention, the spread-weighted image obtained by MR can be used to automatically and three-dimensionally divide the spleen in real time and accurately measure the volume of the spleen, thereby evaluating the progress of liver disease and facilitating the diagnosis of side effects of donors and recipients. The purpose of this paper is to provide a real-time automatic spleen three-dimensional segmentation and volume measurement method using diffusion-weighted images.

본 발명은, MR 기법에 의해 비장 영역이 포함된 3차원 확산 강조 영상 볼륨 데이터를 획득하는 단계와, 상기 3차원 확산 강조 영상 볼륨 데이터로부터 비장의 후보 영역들을 검출하는 단계와, 상기 비장의 후보 영역들로부터 3차원 연결 요소 분석 기법을 통해 비장 영역을 분할하는 단계와, 상기 분할된 비장 영역을 구성하는 각 슬라이스의 2차원 단면 영상들에 대하여 각각 2차원 연결 요소 분석을 통해 잡음 영역을 제거하는 단계, 및 상기 잡음 영역이 제거된 비장 영역의 체적을 계산하는 단계를 포함하는 확산 강조 영상을 이용한 실시간 자동 비장 3차원 분할과 체적 측정 방법을 제공한다.According to the present invention, the method includes obtaining three-dimensional diffusion-weighted image volume data including a spleen region by MR, detecting candidate regions of the spleen from the three-dimensional diffusion-weighted image volume data, and candidate regions of the spleen. Dividing the spleen area from each other through a three-dimensional connection element analysis technique, and removing the noise region through two-dimensional connection element analysis on two-dimensional cross-sectional images of each slice constituting the divided spleen area. And it provides a real-time automatic spleen three-dimensional segmentation and volume measurement method using a diffusion-weighted image comprising the step of calculating the volume of the spleen area from which the noise area is removed.

여기서, 상기 비장의 후보 영역들을 검출하는 단계는, 상기 확산 강조 영상 볼륨 데이터로부터 영상의 밝기값에 따른 복셀의 개수를 나타내는 히스토그램을 계산하는 단계와, 상기 히스토그램으로부터 3개의 지역적 최대점 및 2개의 지역적 최소점을 획득하는 단계, 및 밝기값이 가장 높은 지역적 최대점에 해당되는 영역으로부터 상기 비장의 후보 영역들을 검출하는 단계를 포함할 수 있다.The detecting of the candidate areas of the spleen may include calculating a histogram indicating the number of voxels according to the brightness value of the image from the spread-weighted image volume data, and three local maximum points and two local points from the histogram. Obtaining a minimum point, and detecting candidate areas of the spleen from an area corresponding to a local maximum point having the highest brightness value.

또한, 상기 비장의 후보 영역들을 검출하는 단계는, 상기 지역적 최대점에 대응되는 3개의 밝기값(M1,M2,M3;오름차순)과 상기 지역적 최소점에 대응되는 2개의 밝기값(N1,N2;오름차순) 중 상기 M2와 상기 N2를 이용하여 상기 비장의 후보 영역들을 검출할 수 있다.The detecting of the candidate areas of the spleen may include three brightness values M 1 , M 2 , and M 3 (ascending order) corresponding to the local maximum point and two brightness values N corresponding to the local minimum point. Candidate regions of the spleen may be detected using the M 2 and the N 2 in 1 , N 2 ;

그리고, 상기 비장의 후보 영역들은, (M2+N2)/2의 값보다 밝은 밝기값을 갖는 영역에 해당될 수 있다.The candidate areas of the spleen may correspond to areas having a brighter value than the value of (M 2 + N 2 ) / 2.

또한, 상기 비장 영역을 분할하는 단계는, 상기 비장의 후보 영역들에 해당되는 상기 볼륨 데이터로부터 상기 볼륨 데이터를 형성하는 최상위 슬라이스의 복셀로부터 최하위 슬라이스의 복셀까지 복셀 데이터를 탐색하면서 상기 비장의 후보 영역들에 번호를 할당하는 단계, 및 상기 번호 할당 이후 역방향으로 재탐색하면서 동일 관계에 있는 번호들을 참조하여 상기 비장의 후보 영역들에 번호를 재할당하는 단계를 포함할 수 있다.The dividing of the spleen region may include: searching for voxel data from the voxel of the highest slice to the voxel of the lowest slice that forms the volume data from the volume data corresponding to the candidate regions of the spleen, while searching for voxel data. And assigning a number to the candidate areas of the spleen by referring to the numbers having the same relationship while re-searching backward in the reverse direction after the number assignment.

여기서, 상기 잡음 영역을 제거하는 단계는, 상기 2차원 연결 요소 분석 수행 이후, 크기가 특정 범위 이하인 영역을 제거할 수 있다.Here, in the removing of the noise area, after performing the 2D connection element analysis, an area having a size less than or equal to a specific range may be removed.

또한, 상기 계산된 체적을 이용하여 간 질환의 진행 정도를 평가하는 단계를 더 포함할 수 있다. The method may further include evaluating the progression of liver disease using the calculated volume.

그리고, 본 발명은 확산 강조 영상을 이용한 실시간 자동 비장 3차원 분할과 체적 측정 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공한다.The present invention also provides a computer-readable recording medium having recorded thereon a program for executing a real-time automatic spleen three-dimensional segmentation and volume measurement method using a diffusion weighted image.

본 발명에 따른 확산 강조 영상을 이용한 실시간 자동 비장 ３차원 분할과 체적 측정 방법에 따르면, MR에 의해 얻어진 확산 강조 영상을 이용하여 비장을 실시간에 자동 3차원 분할하고 비장의 체적을 정확하게 측정하여, 간질환의 진행 정도를 평가할 수 있으며, 생체부분 간이식 수술 후 공여자와 수여자의 부작용 진단을 용이하게 하는 이점이 있다.According to the real-time automatic spleen three-dimensional segmentation and volume measurement method using the diffusion-weighted image according to the present invention, by using the diffusion-weighted image obtained by MR, the spleen is automatically three-dimensionally divided in real time, and the volume of the spleen is accurately measured. The progress of the disease can be assessed, and there is an advantage in facilitating the diagnosis of side effects of the donor and the recipient after the partial biotransplantation surgery.

도 1은 본 발명의 실시예에 따른 확산 강조 영상을 이용한 실시간 자동 비장 ３차원 분할과 체적 측정 방법의 흐름도이다.
도 2는 도 1을 위한 시스템의 구성도이다.
도 3은 도 1의 비장의 후보 영역 검출 단계를 위한 히스토그램의 예시도이다.
도 4는 도 1의 3차원 연결 요소 분석을 위한 첫 번째 패스의 2차원 예시도이다.
도 5는 도 1의 3차원 연결 요소 분석을 위한 두 번째 패스의 2차원 예시도이다.
도 6은 도 1의 연결 요소 분석 이후 분할된 비장의 2차원 단면 영상의 예시도이다.
도 7은 도 1의 연결 요소 분석 이후 분할된 비장의 3차원 볼륨 렌더링 영상의 예시도이다.1 is a flowchart of a real-time automatic spleen three-dimensional segmentation and volume measurement method using a diffusion-weighted image according to an embodiment of the present invention.
2 is a schematic diagram of a system for FIG. 1.
FIG. 3 is an exemplary diagram of a histogram for detecting a candidate region of the spleen of FIG. 1.
4 is a two-dimensional illustration of the first pass for the three-dimensional connection element analysis of FIG.
5 is a two-dimensional illustration of a second pass for analyzing the three-dimensional connection element of FIG.
6 is an exemplary view of a 2D cross-sectional image of the spleen divided after the connection element analysis of FIG. 1.
FIG. 7 is an exemplary view of a 3D volume rendering image of the spleen divided after the connection element analysis of FIG. 1.

도 1은 본 발명의 실시예에 따른 확산 강조 영상을 이용한 실시간 자동 비장 ３차원 분할과 체적 측정 방법의 흐름도이다. 도 2는 도 1을 위한 시스템의 구성도이다.1 is a flowchart of a real-time automatic spleen three-dimensional segmentation and volume measurement method using a diffusion-weighted image according to an embodiment of the present invention. 2 is a schematic diagram of a system for FIG. 1.

상기 시스템(100)은 MR데이터 획득부(110), 검출부(120), 분할부(130), 잡음제거부(140), 체적계산부(150), 진단부(160), 입력부(170), 표시부(180)를 포함한다. 이하에서는, 상기 확산 강조 영상을 이용한 실시간 자동 비장 ３차원 분할과 체적 측정 방법에 관하여 도 1 및 도 2를 참조로 하여 상세히 설명한다. The system 100 may include an MR data acquisition unit 110, a detection unit 120, a division unit 130, a noise removal unit 140, a volume calculation unit 150, a diagnosis unit 160, an input unit 170, The display unit 180 is included. Hereinafter, a method for real-time automatic spleen three-dimensional segmentation and volume measurement using the diffusion weighted image will be described in detail with reference to FIGS. 1 and 2.

먼저, 상기 MR데이터 획득부(110)에서 MR 기법를 통해 비장 영역이 포함된 3차원 확산 강조 영상 볼륨 데이터를 획득한다(S110). 이러한 S110단계는 MR 장비에 특정한 시퀀스를 적용하여 상기의 데이터를 획득한다. 상기 시퀀스의 적용은 MR 기법에서 공지된 기술이므로 상세한 설명은 생략한다.First, the MR data acquisition unit 110 acquires 3D diffusion-weighted image volume data including a spleen area through an MR technique (S110). In step S110, the data is obtained by applying a specific sequence to the MR device. Since the application of the sequence is a known technique in the MR technique, a detailed description thereof will be omitted.

이후, 상기 3차원 확산 강조 영상 볼륨 데이터로부터 비장의 후보 영역들을 검출부(120)를 통해 검출한다(S120). 이러한 S120단계는 다음과 같은 절차를 거친다.Subsequently, candidate regions of the spleen are detected from the 3D spread-weighted image volume data through the detector 120 (S120). This step S120 goes through the following procedure.

먼저, 상기 확산 강조 영상 볼륨 데이터로부터 영상의 밝기값에 따른 복셀의 개수를 그래프 형태로 나타내는 히스토그램을 계산한다. 도 3은 도 1의 비장의 후보 영역 검출 단계를 위한 히스토그램의 예시도이다. 가로축은 영상의 밝기값을 나타내고 ,세로축은 누적 복셀수를 나타낸다.First, a histogram representing the number of voxels according to the brightness value of the image in the form of a graph is calculated from the spread-weighted image volume data. FIG. 3 is an exemplary diagram of a histogram for detecting a candidate region of the spleen of FIG. 1. The horizontal axis represents the brightness value of the image, and the vertical axis represents the cumulative number of voxels.

일반적으로 비장 영역이 포함된 확산 강조 영상의 히스토그램은 도 3과 같이 3개의 지역적 최대점들(가로점선 부분)과 2개의 지역적 최소점들(가로실선 부분)을 갖는다. 즉, 이러한 히스토그램을 계산한 이후에는, 상기 히스토그램으로부터 3개의 지역적 최대점들 및 2개의 지역적 최소점들을 획득할 수 있다.In general, the histogram of the diffusion-weighted image including the spleen region has three regional maximum points (horizontal dashed lines) and two regional minimum points (horizontal solid lines) as shown in FIG. 3. That is, after calculating this histogram, three regional maximums and two regional minimums can be obtained from the histogram.

여기서, 상기 영상의 밝기값(t)에 대하여 히스토그램이

Figure 112010029954868-pat00001
라고 할 경우, 지역적 최대점들에 해당하는 3개의 밝기값(M1,M2,M3;오름차순)과 지역적 최소점들에 해당하는 2개의 밝기값(N1,N2;오름차순)은 다음의 수학식1의 방정식을 통해 계산된다.Here, the histogram of the brightness value (t) of the image is
Figure 112010029954868-pat00001
In this case, the three brightness values (M 1 , M 2 , M 3 ; ascending order) corresponding to the local maximum points and the two brightness values (N 1 , N 2 ; ascending order) corresponding to the local minimum points are as follows. It is calculated through the equation of Equation 1.

Figure 112010029954868-pat00002
Figure 112010029954868-pat00002

여기서, 밝기값이 가장 높은 지역적 최대점에 해당되는 영역으로부터 상기 비장의 후보 영역들을 검출한다. 이는 가장 밝기값이 높은 지역적 최대점에 해당하는 부분이 실제로 비장에 해당되는 영역이기 때문이다.Here, candidate areas of the spleen are detected from an area corresponding to a local maximum point having the highest brightness value. This is because the area corresponding to the local maximum point with the highest brightness is actually the area corresponding to the spleen.

여기서, 상기 지역적 최대점에 대응되는 3개의 밝값(M1,M2,M3)과 상기 지역적 최소점에 대응되는 2개의 밝기값(N1,N2) 중, 상기 M2와 상기 N2를 이용하여 상기 비장의 후보 영역들을 검출한다. 더 상세하게는 상기 비장의 후보 영역들은, (M2+N2)/2의 값보다 밝은 밝기값을 갖는 영역에 해당된다. 즉, (M2+N2)/2의 값보다 밝은 밝기값에 해당되는 영역을 검출하면, 이 검출된 영역으로부터 비장이 모두 포함되는 비장의 후보 영역들을 검출할 수 있는 것이다.Herein, among the three bright values M 1 , M 2 and M 3 corresponding to the local maximum point and two brightness values N 1 and N 2 corresponding to the local minimum point, the M 2 and the N 2 The candidate regions of the spleen are detected using. In more detail, the candidate areas of the spleen correspond to areas having a brighter value than the value of (M 2 + N 2 ) / 2. That is, if a region corresponding to a brightness value brighter than the value of (M 2 + N 2 ) / 2 is detected, candidate regions of the spleen in which all of the spleen is included can be detected from the detected region.

상기 S120단계 이후에는, 상기 비장의 후보 영역들로부터 3차원 연결 요소 분석 기법을 통해 비장 영역을 분할한다(S130). 이러한 S130단계는 상기 분할부(130)를 통해 수행한다. 상기 S130단계는, 연결 요소 중 가장 큰 부피를 가지면서 3차원적으로 연결되어 있는 단일한 비장을 상기 3차원 연결 요소 분석을 이용하여 검출할 수 있다.After the step S120, the spleen area is divided from the candidate areas of the spleen by using a 3D connection element analysis technique (S130). This step S130 is performed through the division unit 130. In step S130, the single spleen having the largest volume among the connecting elements and connected three-dimensionally may be detected using the three-dimensional connecting element analysis.

먼저, 상기 비장의 후보 영역들에 해당되는 상기 볼륨 데이터로부터, 상기 볼륨 데이터를 형성하는 최상위 슬라이스의 복셀로부터 최하위 슬라이스의 복셀까지 복셀 데이터를 탐색하면서, 상기 비장의 후보 영역들에 번호를 할당한다(첫 번째 패스). First, a number is assigned to candidate areas of the spleen while searching voxel data from the volume data corresponding to the candidate areas of the spleen from the voxels of the highest slice to the lowest slice voxels forming the volume data ( First pass).

그런 다음, 역방향으로 재탐색하면서 동일 관계에 있는 번호들을 참조하여 상기 비장의 후보 영역들에 번호를 재할당함으로써(두 번째 패스), 상기 비장 영역을 분할한다.The spleen area is then segmented by reassigning the number to the candidate areas of the spleen (second pass) with reference to the same relationship while rescanning in the reverse direction.

이러한 3차원 연결 요소 분석의 방법에 관하여, 도 4 및 도 5를 참조로 하여 보다 상세히 설명하면 다음과 같다. 여기서, 3차원 연결 요소 분석은 2차원 연결 요소 분석 방법과 동일한 원리를 가진 것이다. 따라서, 이하에서는, 설명의 편의를 위하여 상기 3차원 연결 요소 분석 방법에 관하여 2차원의 경우를 예를 들어 설명한다.The method of analyzing the 3D connection element will be described in more detail with reference to FIGS. 4 and 5 as follows. Here, the 3D connection element analysis has the same principle as the 2D connection element analysis method. Therefore, hereinafter, a two-dimensional case will be described with reference to the three-dimensional connection element analysis method for convenience of description.

먼저, 도 4는 도 1의 3차원 연결 요소 분석을 위한 첫 번째 패스의 2차원 예시도이다. 도 4의 좌측은 원본 영상이고, 우측은 번호 할당된 영상을 나타낸다. First, Figure 4 is a two-dimensional illustration of the first pass for the three-dimensional connection element analysis of FIG. The left side of FIG. 4 is an original image, and the right side shows a numbered image.

우선, 볼륨 데이터의 최상위 슬라이스의 좌상단 복셀로부터 볼륨 데이터의 최하위 슬라이스의 우하단 복셀까지 복셀 데이터를 방문하면서, 비장 후보 영역들에 대해 도 4의 원리에 따라 번호를 할당한다(첫 번째 패스). First, while visiting the voxel data from the top left voxel of the top slice of the volume data to the bottom right voxel of the bottom slice of the volume data, the splice candidate regions are assigned numbers according to the principle of FIG. 4 (first pass).

이때, 도 4에서 새로운 비장 후보 영역에 해당하는 복셀(영상을 형성하는 복수 개의 복셀들 중 네모박스된 복셀)을 발견하면, 해당 복셀의 3차원 상의 주변 26-인접 복셀에 대한 정보를 바탕으로 번호를 할당한다. 우측의 번호 할당된 영상들을 참조하면, 번호 할당의 규칙은 아래와 같다.In FIG. 4, if a voxel corresponding to a new spleen candidate region is found in FIG. 4, a number of voxels that are boxed among a plurality of voxels forming an image is found. Allocate Referring to the numbered images on the right, the rule of number assignment is as follows.

1) 규칙 1: 해당 복셀의 26-인접 복셀 모두 번호가 0이면, 새로운 번호를 할당한다. 이러한 규칙 1은 도 4의 우측 2행, 우측 4행의 경우에 해당된다. 1) Rule 1: If all 26-adjacent voxels of a corresponding voxel have a number of 0, a new number is assigned. Rule 1 corresponds to the case of the right two rows and the right four rows of FIG. 4.

상기 우측 2행의 경우, 네모박스된 복셀 부분에 대한 26-인접 복셀 모두 번호가 0이므로, 상기 네모박스된 복셀 부분에는 새로운 번호 '1'을 할당한다. 또한, 우측 4행의 경우, 26-인접 복셀 모두 번호가 0이고, 26-인접 복셀 이외의 다른 복셀에 이미 '1'이 할당되어 있으므로, 네모박스된 해당 복셀 부분에는 새로운 번호인 '2'을 할당한다.In the case of the right two rows, since all 26-adjacent voxels for the squared voxel part have a number of 0, a new number '1' is assigned to the squared voxel part. In addition, in the right four rows, since all 26-adjacent voxels have the number 0 and '1' is already assigned to other voxels other than the 26-adjacent voxels, the boxed part of the voxel has a new number '2'. Assign.

2) 규칙 2: 해당 복셀의 26-인접 복셀 중 하나만 번호가 있으면, 그 번호를 할당한다. 이러한 규칙 2는 도 4의 우측 3행의 경우에 해당된다.2) Rule 2: If only one of the 26-adjacent voxels of that voxel has a number, it is assigned. Rule 2 corresponds to the case of the right three rows of FIG. 4.

상기 우측 3행의 경우, 네모박스된 복셀 부분에 대한 26-인접 복셀 중 하나만 번호 '1'이 있으므로, 이 번호 '1'을 네모박스된 해당 복셀 부분에 할당한 것이다.In the case of the right row 3, since only one of the 26-adjacent voxels for the squared voxel part has the number '1', this number '1' is assigned to the squared voxel part.

3) 규칙 3: 해당 복셀의 26-인접 복셀 중 두 개 이상의 다른 번호가 있으면, 그 중 최소 번호를 할당하고, 번호들 간의 동일 관계를 기록한다. 이러한 규칙 3은 그림 4의 우측 4행의 경우에 해당된다.3) Rule 3: If there are two or more different numbers among the 26-adjacent voxels of the corresponding voxels, assign the minimum number of them and record the same relationship between the numbers. Rule 3 corresponds to the right four rows of Figure 4.

상기 우측 4행의 경우, 네모박스된 복셀 부분에 대한 26-인접 복셀 중 두 개 이상의 다른 번호 즉, '3', '4'가 있으므로, 그 중 최소 번호인 '3'을 네모박스된 해당 복셀 부분에 할당한 것이다. 이에 따라, '3'과 '4'는 동일 관계에 있게 된다.In the case of the right four rows, since there are two or more different numbers among the 26-adjacent voxels for the squared voxel part, that is, '3' and '4', the corresponding voxel with the minimum number '3' squared To the part. Accordingly, '3' and '4' are in the same relationship.

도 5는 도 1의 3차원 연결 요소 분석을 위한 두 번째 패스의 2차원 예시도이다. 즉, 상기 도 4의 탐색을 완료하면, 최하위 슬라이스의 우하단 복셀부터 다시 역방향으로 탐색하면서 번호들 간의 동일 관계를 참조(도 4에서 우측 4행의 경우, 1과 2, 그리고 3과 4가 서로 동일 관계에 해당)하여, 도 5의 원리와 같이 동일 관계에 속하는 번호들에 해당하는 복셀의 가장 최소 번호를 할당하고, 최종 할당된 번호들을 1번부터 순서대로 다시 번호를 부여한다(두 번째 패스). 5 is a two-dimensional illustration of a second pass for analyzing the three-dimensional connection element of FIG. That is, when the search of FIG. 4 is completed, the same relationship between numbers is searched while searching backward from the lower right voxel of the lowest slice (in the case of right row 4 in FIG. 4, 1 and 2, and 3 and 4 are different from each other). In the same relationship, the minimum number of voxels corresponding to the numbers belonging to the same relationship is allocated as in the principle of FIG. 5, and the last assigned numbers are renumbered in order from the first (second pass). ).

다시 말해서, 도 5는 도 4의 우측 4행의 경우에 대해 이후의 두 번째 패스를 진행한 결과이다. 즉, 상기 두 번째 패스를 수행하면, 도 5와 같이 동일 관계에 속하는 번호들에 대해서는 해당하는 복셀의 가장 최소 번호를 할당('2'는 '1'로 할당, '4'는 '3'으로 할당)하고, 이렇게 최종 할당된 번호들을 1번부터 순서대로 다시 번호를 할당('1'은 그대로 '1'로 할당, '3'은 '2'로 할당)한다. In other words, FIG. 5 shows the result of the subsequent second pass for the case of the right four rows of FIG. 4. That is, when the second pass is performed, the minimum number of the corresponding voxel is allocated to the numbers belonging to the same relationship as shown in FIG. 5 ('2' is assigned to '1' and '4' to '3'). And assign the numbers again in order from the first ('1' to '1' and '3' to '2').

상기 S130단계 이후에는, 상기 분할된 비장 영역을 구성하는 각 슬라이스의 2차원 단면 영상들에 대하여, 각각 2차원 연결 요소 분석을 통해 잡음 영역을 제거한다(S140). 상기 S140단계는 상기 잡음제거부(140)에서 수행한다.After the step S130, for each of the two-dimensional cross-sectional image of each slice constituting the divided spleen area, the noise region is removed through the two-dimensional connection element analysis (S140). The step S140 is performed by the noise removing unit 140.

즉, 상기와 같이 검출된 비장이 포함된 2차원 단면 영상들에 대하여 각각 2차원 연결 요소 분석을 수행하면 잡음에 해당하는 영역을 제거할 수 있게 된다. 2차원 연결 요소 분석은 해당 픽셀의 8-인접 복셀에 대해 상술한 바와 동일한 연결 요소 분석 방식을 통해 번호를 할당하여 수행한다. 여기서, 상술한 2차원 연결 요소 분석 수행 이후, 크기가 특정 범위 이하인 영역을 잡음으로 간주하여 제거하도록 한다.That is, when the two-dimensional connection element analysis is performed on each of the two-dimensional cross-sectional images including the detected spleen as described above, an area corresponding to noise can be removed. Two-dimensional connection element analysis is performed by assigning a number through the same connection element analysis method as described above for the 8-adjacent voxels of the corresponding pixel. Here, after performing the above-described two-dimensional connection element analysis, an area having a size less than or equal to a certain range is regarded as noise and removed.

상기의 모든 과정은 일반 컴퓨터에서 실시간으로 수행될 수 있다. 도 6은 도 1의 연결 요소 분석 이후 분할된 비장의 2차원 단면 영상의 예시도이다. 도 7은 도 1의 연결 요소 분석 이후 분할된 비장의 3차원 볼륨 렌더링 영상의 예시도이다. 즉, 상기 연결 요소 분석 과정(S130~S140)을 거쳐서 분할된 비장의 2차원 단면 영상 및 3차원 볼륨 렌더링 영상은 상기 도 5 및 도 6을 각각 참조한다.All of the above processes can be performed in real time on a general computer. 6 is an exemplary view of a 2D cross-sectional image of the spleen divided after the connection element analysis of FIG. 1. FIG. 7 is an exemplary view of a 3D volume rendering image of the spleen divided after the connection element analysis of FIG. 1. That is, the 2D cross-sectional image and the 3D volume rendering image of the spleen divided through the connection element analysis processes S130 to S140 refer to FIGS. 5 and 6, respectively.

상기 S140단계 이후에는, 상기 잡음 영역이 제거된 비장 영역에 대한 3차원 체적을 체적계산부(150)를 통해 계산한다(S150).After the step S140, the three-dimensional volume for the spleen area from which the noise area is removed is calculated through the volume calculator 150 (S150).

Figure 112010029954868-pat00003
Figure 112010029954868-pat00003

여기서,

Figure 112010029954868-pat00004
는 i번째 슬라이스를 의미하고,
Figure 112010029954868-pat00005
,
Figure 112010029954868-pat00006
,
Figure 112010029954868-pat00007
는 각각 X,Y,Z축 방향의 물리적인 픽셀 크기[mm] 이다.here,
Figure 112010029954868-pat00004
Means the i th slice,
Figure 112010029954868-pat00005
,
Figure 112010029954868-pat00006
,
Figure 112010029954868-pat00007
Are the physical pixel sizes [mm] in the X, Y, and Z directions, respectively.

체적 계산 이후에는, 상기 계산된 체적을 이용하여 간 질환의 진행 정도를 평가한다(S160). 비장의 크기 정도가 간질환의 진행 정도를 판단하는 중요한 척도임은 앞서 배경기술에 설명한 바 있으므로 상세한 설명은 생략한다. After volume calculation, the progress of liver disease is evaluated using the calculated volume (S160). Since the size of the spleen is an important measure of the progression of liver disease, detailed description thereof will be omitted.

그리고, 상술한 각 단계(S110~S160)에 따른 각종 영상들은 상기 표시부(180)를 통해 표시되며, 의사 등으로부터의 각종 조작은 입력부(170)를 통해 수행된다.In addition, various images according to the above-described steps S110 to S160 are displayed through the display unit 180, and various operations from a doctor or the like are performed through the input unit 170.

이상과 같은 본 발명은, MR 장비에서 얻어진 확산 강조 영상을 이용하여 히스토그램 형태 분석 기법, 3차원 연결 요소 기법, 그리고 2차원 연결 요소 분석 기법을 통해 비장을 실시간에 자동으로 3차원 분할하고, 이를 통해 비장의 체적을 정확하게 측정함으로써, 간질환의 진행 정도를 평가할 수 있으며, 생체부분 간이식 수술 후 공여자와 수혜자의 부작용 진단을 용이하게 하므로, 실제 임상에 즉시 적용 가능한 진단 도구를 제공할 수 있는 이점이 있다. The present invention as described above, by using the diffusion-weighted image obtained from the MR equipment, the three-dimensional segmentation of the spleen in real time automatically through histogram shape analysis method, three-dimensional connection element method, and two-dimensional connection element analysis method, through By accurately measuring the volume of the spleen, it is possible to evaluate the progress of liver disease, and to facilitate the diagnosis of side effects of donors and beneficiaries after bio-partial liver transplantation, which provides a diagnostic tool that can be immediately applied to actual clinical practice. have.

또한, 초음파 영상을 통해 비장의 체적을 수작업으로 측정하여 결과가 부정확하고 측정 시간이 많이 소요되었던 종래의 문제점을 해결할 수 있다. 즉, 현재 의사의 수작업에 의존한 정성적인 판독 방법을 자동화시키고, 이를 검증하는 방식을 통해 의료 형태가 변경될 수 있어, 보다 객관적이고 정교한 판독이 가능해진다. 더욱이, 이러한 장치를 기존의 3차원 MR 장치나 의료영상저장및전달장치(Picture archive and communication system)에 접목한다면, 상당 규모의 소프트웨어 판매 및 수출효과를 가져올 수 있을 뿐 아니라 나아가 세계시장에서 국내 의료시스템의 경쟁력을 강화시킬 수 있을 것이다. In addition, by manually measuring the volume of the spleen through the ultrasound image it can solve the conventional problem that the results are inaccurate and the measurement time was taken a lot. In other words, the medical form can be changed by automating and verifying a qualitative reading method which is currently dependent on the manual operation of a doctor, thereby enabling more objective and sophisticated reading. Moreover, incorporating such devices into existing 3D MR devices or picture archive and communication systems can result in significant software sales and exports, as well as domestic medical systems in the global market. It will be able to strengthen its competitiveness.

상기 확산 강조 영상을 이용한 실시간 자동 비장 3차원 분할과 체적 측정 방법은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 매체로서 데이터가 저장되는 모든 종류의 기록장치를 포함한다.The real-time automatic spleen 3D segmentation and volume measurement method using the diffusion weighted image may be implemented as computer readable codes on a computer readable recording medium. The computer-readable recording medium includes all kinds of recording devices in which data is stored as a medium that can be read by a computer system.

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. Examples of computer-readable recording media include ROM, RAM, CO-ROM, magnetic tape, floppy disks, optical data storage devices, and the like, which are also implemented in the form of carrier waves (for example, transmission over the Internet). Include. The computer readable recording medium can also be distributed over network coupled computer systems so that the computer readable code is stored and executed in a distributed fashion.

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 가능한 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호범위는 첨부된 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이다.Although the present invention has been described with reference to the embodiments shown in the drawings, these are merely exemplary and those skilled in the art will understand that various modifications and equivalent other embodiments are possible. Therefore, the true technical protection scope of the present invention will be defined by the technical spirit of the appended claims.

100: 시스템 110: MR데이터 획득부
120: 검출부 130: 분할부
140: 잡음제거부 150: 체적계산부
160: 진단부 170: 진단부
180: 표시부100: system 110: MR data acquisition unit
120: detector 130: division
140: noise canceller 150: volume calculator
160: diagnostic unit 170: diagnostic unit
180: display unit

Claims (8)

MR 기법에 의해 비장 영역이 포함된 3차원 확산 강조 영상 볼륨 데이터를 획득하는 단계;
상기 3차원 확산 강조 영상 볼륨 데이터로부터 비장의 후보 영역들을 검출하는 단계;
상기 비장의 후보 영역들로부터 3차원 연결 요소 분석 기법을 통해 비장 영역을 분할하는 단계;
상기 분할된 비장 영역을 구성하는 각 슬라이스의 2차원 단면 영상들에 대하여 각각 2차원 연결 요소 분석을 통해 잡음 영역을 제거하는 단계; 및
상기 잡음 영역이 제거된 비장 영역의 체적을 계산하는 단계를 포함하며,
상기 비장의 후보 영역들을 검출하는 단계는,
상기 확산 강조 영상 볼륨 데이터로부터 영상의 밝기값에 따른 복셀의 개수를 나타내는 히스토그램을 계산하는 단계;
상기 히스토그램으로부터 3개의 지역적 최대점 및 2개의 지역적 최소점을 획득하는 단계; 및
상기 지역적 최대점에 대응되는 3개의 밝기값(M1,M2,M3;오름차순)과 상기 지역적 최소점에 대응되는 2개의 밝기값(N1,N2;오름차순) 중 상기 M2와 상기 N2를 이용하여 상기 비장의 후보 영역들을 검출하는 단계를 포함하고,
상기 비장의 후보 영역들은,
(M2+N2)/2의 값보다 밝은 밝기값을 갖는 영역에 해당되는, 확산 강조 영상을 이용한 실시간 자동 비장 3차원 분할과 체적 측정 방법.Acquiring three-dimensional diffusion-weighted image volume data including a spleen region by an MR technique;
Detecting candidate regions of the spleen from the three-dimensional spread-weighted image volume data;
Dividing the spleen area from the candidate areas of the spleen by using a three-dimensional connection element analysis technique;
Removing noise regions through two-dimensional connection element analysis of two-dimensional cross-sectional images of each slice constituting the divided spleen region; And
Calculating a volume of the spleen area from which the noise area is removed;
Detecting candidate regions of the spleen,
Calculating a histogram representing the number of voxels according to the brightness value of the image from the spread-weighted image volume data;
Obtaining three regional maximums and two regional minimums from the histogram; And
The local three brightness values corresponding to the maximum point (M 1, M 2, M 3; high) and two intensity values corresponding to the local minimum point (N 1, N 2; low to high) of the above M 2 wherein Detecting candidate regions of the spleen using N 2 ,
Candidate areas of the spleen,
A real-time automatic spleen three-dimensional segmentation and volume measurement method using a diffusion-weighted image corresponding to an area having a brightness value brighter than a value of (M 2 + N 2 ) / 2. 삭제delete 삭제delete 삭제delete 청구항 1에 있어서,
상기 비장 영역을 분할하는 단계는,
상기 비장의 후보 영역들에 해당되는 상기 볼륨 데이터로부터 상기 볼륨 데이터를 형성하는 최상위 슬라이스의 복셀로부터 최하위 슬라이스의 복셀까지 복셀 데이터를 탐색하면서 상기 비장의 후보 영역들에 번호를 할당하는 단계; 및
상기 번호 할당 이후 역방향으로 재탐색하면서 동일 관계에 있는 번호들을 참조하여 상기 비장의 후보 영역들에 번호를 재할당하는 단계를 포함하는 확산 강조 영상을 이용한 실시간 자동 비장 3차원 분할과 체적 측정 방법.The method according to claim 1,
Dividing the spleen area,
Assigning a number to candidate areas of the spleen while searching voxel data from the voxels of the highest slice to the lowest slice voxels forming the volume data from the volume data corresponding to the candidate areas of the spleen; And
Real-time automatic spleen three-dimensional segmentation and volume measurement method using a spread-weighted image, comprising: reassigning numbers to candidate areas of the spleen with reference to numbers having the same relationship while rescanning backwards after the number assignment. 청구항 1에 있어서,
상기 잡음 영역을 제거하는 단계는,
상기 2차원 연결 요소 분석 수행 이후, 크기가 특정 범위 이하인 영역을 제거하는 확산 강조 영상을 이용한 실시간 자동 비장 3차원 분할과 체적 측정 방법.The method according to claim 1,
Removing the noise area,
A method for real-time automatic spleen 3D segmentation and volume measurement using a diffusion weighted image for removing a region having a size less than or equal to a specific range after performing the 2D connection element analysis. 청구항 1에 있어서,
상기 계산된 체적을 이용하여 간 질환의 진행 정도를 평가하는 단계를 더 포함하는 확산 강조 영상을 이용한 실시간 자동 비장 3차원 분할과 체적 측정 방법. The method according to claim 1,
Real-time automatic spleen three-dimensional segmentation and volume measurement method using a diffusion-weighted image further comprising the step of evaluating the progress of liver disease using the calculated volume. 청구항 1, 청구항 5 내지 청구항 7 중 어느 한 항에 기재된 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.A computer-readable recording medium having recorded thereon a program for executing the method according to any one of claims 1 and 5 to 7.
KR1020100043602A 2010-05-10 2010-05-10 Method for developing real-time automatic spleen 3D segmentation and volumetry based on diffusion weighted imaging KR101126222B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020100043602A KR101126222B1 (en) 2010-05-10 2010-05-10 Method for developing real-time automatic spleen 3D segmentation and volumetry based on diffusion weighted imaging

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020100043602A KR101126222B1 (en) 2010-05-10 2010-05-10 Method for developing real-time automatic spleen 3D segmentation and volumetry based on diffusion weighted imaging

Publications (2)

Publication Number Publication Date
KR20110124037A KR20110124037A (en) 2011-11-16
KR101126222B1 true KR101126222B1 (en) 2012-03-20

Family

ID=45394020

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020100043602A KR101126222B1 (en) 2010-05-10 2010-05-10 Method for developing real-time automatic spleen 3D segmentation and volumetry based on diffusion weighted imaging

Country Status (1)

Country Link
KR (1) KR101126222B1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9891784B2 (en) 2015-01-12 2018-02-13 Samsung Medison Co., Ltd. Apparatus and method of displaying medical image

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108492299B (en) * 2018-03-06 2022-09-16 天津天堰科技股份有限公司 Cutting method of three-dimensional image

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20000056228A (en) * 1999-02-18 2000-09-15 박종원 An image processing method for a liver and a spleen from tomographical image
KR20030018792A (en) * 2001-08-31 2003-03-06 버츄얼아이테크 주식회사 A medical image processing system and the method thereof
JP2008206965A (en) * 2007-01-31 2008-09-11 Aze Ltd Medical image forming device, method and program
KR20090123616A (en) * 2008-05-28 2009-12-02 재단법인 아산사회복지재단 Apparatus for processing diffusion weighted mr imaging to achieve automated segmentation of target organ and visualization of cancer tissue

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20000056228A (en) * 1999-02-18 2000-09-15 박종원 An image processing method for a liver and a spleen from tomographical image
KR20030018792A (en) * 2001-08-31 2003-03-06 버츄얼아이테크 주식회사 A medical image processing system and the method thereof
JP2008206965A (en) * 2007-01-31 2008-09-11 Aze Ltd Medical image forming device, method and program
KR20090123616A (en) * 2008-05-28 2009-12-02 재단법인 아산사회복지재단 Apparatus for processing diffusion weighted mr imaging to achieve automated segmentation of target organ and visualization of cancer tissue

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9891784B2 (en) 2015-01-12 2018-02-13 Samsung Medison Co., Ltd. Apparatus and method of displaying medical image

Also Published As

Publication number Publication date
KR20110124037A (en) 2011-11-16

Similar Documents

Publication Publication Date Title
US9962087B2 (en) Automatic visualization of regional functional parameters of left ventricle from cardiac imaging
Badano et al. Use of three-dimensional speckle tracking to assess left ventricular myocardial mechanics: inter-vendor consistency and reproducibility of strain measurements
US20230263463A1 (en) Osteoporosis diagnostic support apparatus
US8369590B2 (en) Method for segmenting objects in images
CN101541242B (en) Visualizing a vascular structure
CN112106107A (en) Focus weighted machine learning classifier error prediction for microscope slice images
KR101175426B1 (en) Ultrasound system and method for providing three-dimensional ultrasound image
JP2011516108A (en) Method for processing data sets in a selective and interactive manner
US10019794B2 (en) Method and apparatus for breast lesion diagnosis
RU2530302C2 (en) Analysis of, at least, three-dimensional medical image
CN106456084A (en) Ultrasound imaging apparatus
KR101586276B1 (en) Automated Mammographic Density Estimation and Display Method Using Prior Probability Information, System for the Method and Media Storing the Computer Program for the Method
US7103203B2 (en) Medical imaging station with a function of extracting a path within a ramified object
Monti et al. Evaluating the performance of a convolutional neural network algorithm for measuring thoracic aortic diameters in a heterogeneous population
Shimoyama et al. Automated renal cortical volume measurement for assessment of renal function in patients undergoing radical nephrectomy
US20120078101A1 (en) Ultrasound system for displaying slice of object and method thereof
JP6161146B2 (en) Pathological tissue image analysis method, pathological tissue image analysis apparatus, and pathological tissue image analysis program
US8422749B2 (en) Method and system for myocardial region of interest definition
KR101126222B1 (en) Method for developing real-time automatic spleen 3D segmentation and volumetry based on diffusion weighted imaging
CN110785123A (en) Three-dimensional quantitative detection of intra-voxel incoherent motion MRI of tissue abnormalities using improved data processing techniques
KR101162599B1 (en) An automatic detection method of Cardiac Cardiomegaly through chest radiograph analyses and the recording medium thereof
KR101126223B1 (en) Liver segmentation method using MR images
US8422748B2 (en) System and method for grouping airways and arteries for quantitative analysis
CN113129297A (en) Automatic diameter measurement method and system based on multi-phase tumor images
JP2019217350A (en) System and method for local contraction measurement

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: 20150304

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20160304

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20170302

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20180302

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20190226

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20200211

Year of fee payment: 9