KR101152450B1 - 슬관절 질환 진단을 위한 자화 전이율 영상 처리 방법 및 장치 - Google Patents

슬관절 질환 진단을 위한 자화 전이율 영상 처리 방법 및 장치 Download PDF

Info

Publication number
KR101152450B1
KR101152450B1 KR1020100079871A KR20100079871A KR101152450B1 KR 101152450 B1 KR101152450 B1 KR 101152450B1 KR 1020100079871 A KR1020100079871 A KR 1020100079871A KR 20100079871 A KR20100079871 A KR 20100079871A KR 101152450 B1 KR101152450 B1 KR 101152450B1
Authority
KR
South Korea
Prior art keywords
image
magnetic resonance
magnetization
transfer rate
resonance
Prior art date
Application number
KR1020100079871A
Other languages
English (en)
Other versions
KR20120017275A (ko
Inventor
최보영
윤문현
Original Assignee
가톨릭대학교 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 filed Critical 가톨릭대학교 산학협력단
Priority to KR1020100079871A priority Critical patent/KR101152450B1/ko
Publication of KR20120017275A publication Critical patent/KR20120017275A/ko
Application granted granted Critical
Publication of KR101152450B1 publication Critical patent/KR101152450B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/5605—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution by transferring coherence or polarization from a spin species to another, e.g. creating magnetization transfer contrast [MTC], polarization transfer using nuclear Overhauser enhancement [NOE]
    • 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
    • A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4528—Joints
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4538—Evaluating a particular part of the muscoloskeletal system or a particular medical condition
    • A61B5/4585—Evaluating the knee

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Rheumatology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Radiology & Medical Imaging (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Signal Processing (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • General Physics & Mathematics (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

본 발명은 슬관절 질환 진단을 위한 자화 전이율 영상 처리 방법 및 장치에 관한 발명으로, 슬관절 부위에 대하여 오프 공명 포화 펄스를 가지고 있는 자기공명 영상 및 오프 공명 포화 펄스를 가지고 있지 않은 자기공명 영상으로부터 자화 전이율 영상을 확보한 다음, 이에 기초하여 컬러 이미지를 생성할 뿐만 아니라, 3D 이미지 좌표계에서 확보된 3D 대상에 대한 3개 직교 평면에 디스플레이한 직교평면 영상을 제공하는 자화 전이율 영상 처리 방법 및 장치를 제공한다.

Description

슬관절 질환 진단을 위한 자화 전이율 영상 처리 방법 및 장치{MAGNETIZATION TRANSFER RATIO IMAGE PROCESSING METHOD AND APPARATUS FOR DIAGNOSIS OF KNEE DISORDER}
자화 전이율 영상 처리 방법 및 장치에 관한 것으로, 보다 상세하게는 슬관절 질환 진단을 위하여 자화 전이율 영상을 처리하는 방법 및 장치에 관한 것이다.
자기 공명 영상(MRI)은 조사 대상을 강력한 자장 속에 둔 후 수소원자핵만을 공명시키는 고주파를 순간적으로 발사했다가 끊었을 때 수소원자핵에서 나오는 신호를 받아 영상을 얻는 것이다. 이때 신호의 크기는 조직의 수소원자의 농도, T1 이완시간, T2 이완시간, 혈류 등의 흐름에 의해 좌우된다. 수소원자를 함유하는 조직의 물리적, 화학적 성질에 따라 각 조직마다 T1, T2가 다른데 이러한 T1, T2의 차이를 영상으로 나타낸 것이다.
자화 전이 현상(magnetization transfer)은 특정 공명주파수에 의해 미리 포화된 거대분자에 결합된 수소핵들로부터 주위의 자유 물분자내 수소핵들 사이로 포화된 자화가 이동되는 것이다. 자화 전이 영상기법은 이탈공명 고주파 포화펄스(off-resonance radiofreequency saturation pulse)를 이용하여 거대분자에 결합된 수소핵을 선택적으로 포화시킨 후 자유수소핵으로의 확산에 의한 자화전이를 일으켜 영상의 신호강도의 변화를 일으키는 영상기법이다. 이 방법을 이용하면 각 조직의 자화전이율(magnetization transfer ratio, MTR)을 얻을 수 있고 이 자화전이율을 비교함으로써 기존의 자기공명영상에서 얻을 수 없는 병변의 초기변화나 미세한 변화까지 감지할 수 있어서 해부학적 구조의 변화가 나타나기 전의 세포학적 변화까지 진단할 수 있다.
슬관절　퇴행성　질환을　진단하기　위하여　이러한 자화　전이　대조도(magnetization transfer contrast, MTC)영상법이　많이　사용되지만, 슬관절　병후　및　예후를　잘못　진단하는　경우가　종종　발생한다.
본 발명은 자화　전이율(magnetization transfer ratio, MTR) 영상법에 기초하여　슬관절　질환을 보다 정확하게 진단할 수 있는 방법 및 장치를 제공하는 것을 목적으로 한다.
본 발명은 또한 컬러 자화 전이율 영상을 개선, 다평면 재구성 영상 및 히스토그램 정보를 제공함으로써 슬관절 이상에 대한 생리학적이고 정량적인 진단을 개선하기 위한 수단을 제공하는 것을 목적으로 한다.
상기 본 발명이 이루고자 하는 기술적 과제를 달성하기 위하여, 본 발명은 조사대상에 대하여 오프 공명 포화 펄스를 가지고 있는 자기공명 영상 및 오프 공명 포화 펄스를 가지고 있지 않은 자기공명 영상을 포함하는 자기공명 영상 데이터를 입수하는 단계; 상기 오프 공명 포화 펄스를 가지고 있는 자기공명 영상과 오프 공명 포화 펄스를 가지고 있지 않은 자기공명 영상을 이용하여 자화 전이율 영상을 생성하는 단계; 및 상기 자화 전이율 영상에 하기 식(1)을 적용하여 컬러 이미지를 생성하는 단계를 포함하는 자화 전이율 영상 처리 방법을 제공한다.
Figure 112010053194759-pat00001
……(1)
이때, a는 히스토그램 빈의 픽셀값이고, P(a)는 확률 분산 함수(probability distribution function)이다.
본 발명의 일실시예에 있어서, 상기 자화 전이율 영상에 기초하여 칼라 이미지를 생성하기 전에 자화 전이율 영상에 대한 전처리 작업으로 히스토그램 균등화 작업을 더 진행하는 것일 수 있다.
본 발명의 일실시예에 있어서, 상기 자화 전이율 영상 생성 단계는,
상기 오프 공명 포화 펄스(off-resonance saturation pulse)를 가지고 있는 자기공명 영상과 오프 공명 포화 펄스를 가지고 있지 않은 자기공명 영상으로부터 하기 식(2)를 이용하여 자화 전이율을 생성한 다음 이에 기초하여 자화 전이율 영상을 생성할 수 있다.
Figure 112010053194759-pat00002
……(2)
이때, Ms 및 Mo는 각각 포화 펄스(saturation pulse)의 유무에 따른 주어진 영역에서의 신호 강도의 평균값이다.
본 발명의 일실시예에 있어서, 획득된 진단 대상에 대한 자기공명 영상들 중에서 3D 이미지 좌표계에서 확보된 3D 대상에 대한 3개 직교 평면에 디스플레이한 직교평면영상을 생성할 수 있다.
또한, 본 발명은,
진단 대상에 대한 오프 공명 포화 펄스를 가지고 있는 자기공명 영상과 오프 공명 포화 펄스를 가지고 있지 않은 자기공명 영상을 확보하는 자기공명 영상 획득부;
상기 오프 공명 포화 펄스를 가지고 있는 자기공명 영상과 오프 공명 포화 펄스를 가지고 있지 않은 자기공명 영상에 기초하여 자화 전이율 영상을 생성하는 자화 전이율 영상 생성부;
상기 자화 전이율 영상 생성부에서 생성된 자화 전이율 영상에 대하여 하기 식(3)을 적용하여 컬러 이미지를 생성하는 칼라 이미지 생성부; 및
Figure 112010053194759-pat00003
……(3)
(여기에서 a는 히스토그램 빈의 픽셀값이고, P(a)는 확률 분산 함수(probability distribution function))
상기 자화 전이율 영상 생성부의 자화전이율 영상 및 상기 칼라 이미지 생성부의 칼라 이미지를 지정된 사용자 인터페이스 형식으로 출력데이터 출력부를 포함하는 자화 전이율 영상 처리 장치를 제공한다.
본 발명의 일실시예에 있어서, 상기 칼라 이미지 생성부는 자화 전이율 영상을 생성하기 전에 자화 전이율 영상에 대한 전처리 작업으로 히스토그램 균등화 작업을 수행할 수 있다.
본 발명의 일실시예에 있어서, 상기 자화 전이율 영상 생성부는,
상기 오프 공명 포화 펄스를 가지고 있는 영상과 오프 공명 포화 펄스를 가지고 있지 않은 영상으로부터 하기 식(4)를 이용하여 자화 전이율을 생성한 다음 이에 기초하여 자화 전이율 영상을 생성할 수 있다.
Figure 112010053194759-pat00004
……(4)
이때, Ms 및 Mo는 각각 포화 펄스(saturation pulse)의 유무에 따른 주어진 영역에서의 신호 강도의 평균값이다.
본 발명의 일실시예에 있어서, 상기 영상 획득부를 통하여 획득된 진단 대상에 대한 자기공명 영상들 중에서 3D 이미지 좌표계에서 확보된 3D 대상에 대한 3개 직교 평면에 디스플레이한 직교평면 영상을 생성하는 직교평면영상 생성부를 더 포함할 수 있다.
본 발명의 일실시예에 있어서, 영상 획득부, 자화 전이율 영상 생성부 및 칼라 이미지 생성부에서 처리되는 이미지 정보 또는 히스토그램 등에 대한 데이터를 별도로 저장할 수 있다.
본 발명의 자화 전이율 영상 처리 방법 및 장치에 따르면 슬관절 장애를 겪고 있는 환자들에 대한 질병의 병리학적 특징들 및 질병의 진행 정도를 정확하고 용이하게 판단할 수 있다.
또한, 본 발명의 자화 전이율 영상 처리 방법 및 장치는 정량적으로 MRI 기반의 조직 특성화를 위한 일반적인 수단을 제공하고, 또한 다양한 질병에 대한 매우 높은 대조도를 확보할 수 있으므로 정확하고 용이하게 슬관절 질환을 정밀하게 진단할 수 있다.
도 1은 본 발명의 일실시예에 따른 컴퓨터로 지원되는 자화 전이율 영상 처리 장치의 하드웨어적인 기기 구성을 도시한 도면이다.
도 2에 본 발명의 일 실시예에 따른 자화 전이율 영상 처리 장치를 구현하기 위한 기능별 구성요소가 도시한 도면이다.
도 3은 본 발명의 일 실시예에 따른 자화 전이율 영상 처리장치의 처리 수순을 나타내는 흐름도이다.
도 4은 샘플 위치에 대한 객관적 밝기와 주관적 밝기와의 관계를 나타낸 그래프이다.
도 5는 상처 등으로 인해 형태적으로 변형된 슬관절 연골에 대한 PD 및 T2 강조 SE 자기공명 이미지들을 나타낸다. 도5A, 5B 및 5C는 55세 여성으로부터확보한 영상으로, 도5A는 (TR 2,000ms/TE 35ms/NEX 3/ETL 3) 조건으로 확보한 시상 SE PD 영상이고, 도5B는 (TR 3,215.08ms/TE 70ms/NEX 3/ETL 3) 조건으로 확보한 지방 억제 T2 강조 영상이고, 도5C는 본 발명의 일실시예에 따른 RGB/HIS 컬러 모델 영상이다.
도 6(A)는 (TR 60ms/TE 6ms/flip angle 40°) 조건으로 확보된 45세 자원자의 T2* 시상 지방-포화된 3D-SPGR 시퀀스를 나타낸 도면이고,
도 6(B)는 (TR 60ms/TE 6ms/flip angle 40°) 조건으로 확보된 67세 여성의 T2* 시상 지방-포화된 3D-SPGR 시퀀스를 나타낸 도면이다.
도 7은 본 발명의 일 실시예에 따른 직교평면 영상을 나타낸 도면이다.
도 8은 동일 무릎부위에 대한 3가지 다른 형태의 영상을 나타낸다. 도 8(A)는 반전 회복 컬러 이미지, 도 8(B)는 PD-강조 컬러 이미지 및 도8(C)는 MTR 컬러 이미지를 나타낸다.
도 9는 증가하는 강도값을 갖는 ACL에 대한 히스토그램 및 그레이 수준을 나타낸 도면이다.
이하 첨부된 도면들을 참조하여 본 발명의 바람직한 실시예에 대하여 보다 상세하게 설명한다.
도 1은 본 발명의 일실시예에 따른 컴퓨터로 지원되는 자화 전이율 영상 처리 장치의 하드웨어적인 기기 구성을 도시한 도면이다.
CPU(100)는 주로 자화 전이율 영상 처리 장치(1)의 각 구성 요소의 동작을 제어한다. 주메모리(101)는 CPU(100)가 실행하는 제어 프로그램을 저장하거나 CPU(100)에 의한 프로그램 실행 시의 작업 영역을 제공한다. 자기 디스크(102)는 오퍼레이팅 시스템(OS), 주변기기의 디바이스 드라이브 및 컴퓨터 진단 지원 처리를 행하는 프로그램을 포함하는 각종 어플리케이션 소프트웨어 등을 저장한다.
표시메모리(103)는 모니터(104)를 위한 표시용 데이터를 일시 기억한다. 모니터(104)는, 예를 들어 CRT 모니터나 액정 모니터 등이며, 표시 메모리(103)로부터의 데이터에 기초하여 화상을 표시한다. 마우스(105) 및 키보드(106)는 유저에 의한 포인팅 입력 및 문자 등의 입력을 각각 행한다. 상기 구성요소는 공통버스(107)에 의해 서로 통신 가능하게 접속되어 있다.
본 실시형태에서, 자화 전이율 영상 처리 장치(1)는 LAN(4)을 통해 데이터베이스(3)로부터 화상데이터 등을 판독할 수 있다. 혹은, 도 1에는 도시하지 않았으나 보조 기억 장치, 예를 들어 FDD, CD-RW 드라이브 등에 접속하여 그것들 각각에 저장되어 있는 이미지 데이터 등을 읽어들일 수도 있다. 또한, LAN(4)을 경유하여 외부의 자기공명 영상기기(MRI)(2)로부터 직접 의료용 이미지 등을 취득해도 좋다.
도 2에 본 발명의 일 실시예에 따른 자화 전이율 영상 처리 장치를 구현하기 위한 기능별 구성요소가 도시되어 있다. 이러한 기능별 구성요소는 도1에 도시된 하드웨어 시스템상에서 구동될 수 있다.
도 2에서 상기 자화 전이율 영상 처리 장치는 자기공명 영상 획득부(201), 저장부(202), 이미지 처리부(203), 히스토그램 처리부(207) 및 데이터 출력부(208)를 구비하여 구성된다. 이때, 상기 이미지 처리부(203)는 자화 전이율 영상 생성부(204) 및 칼라 이미지 생성부(205)를 포함하여 구성될 수 있으며, 경우에 따라서 직교평면영상 생성부(206)를 더 포함하여 구성될 수 있다.
자기공명 영상 입력부(201)는 환자와 같은 진단 대상을 스캐닝 하거나 영상화한 자기 공명 이미지 데이터를 입력받는다. 이러한 자기 공명 이미지에는 수소밀도(proton density, PD) 영상이나 T2 강조 자기공명 영상(T2-weighted MR image) 등이 있다. 본 발명의 바람직한 실시예에서 상기 자기 공명 이미지 데이터는 오프 공명 포화 펄스(off-resonance saturation pulse)를 가지고 있는 영상과 오프 공명 포화 펄스를 가지고 있지 않은 영상을 반드시 포함하여야 한다.
이미지 처리부(203)은 자기공명 영상 입력부(201)를 통하여 입력된 자기공명 영상을 가공함으로써 다양한 질병 특히, 슬관절 관련 질환을 정확하게 진단할 수 있도록 재구성된 영상을 생성한다.
자화 전이율 영상 생성부(204)는 하기 식(1)에 기재된 바와 같이 오프 공명 포화 펄스(off-resonance saturation pulse)를 가지고 있는 자기공명 영상과 오프 공명 포화 펄스를 가지고 있지 않은 자기공명 영상을 대비하여 자화 전이율을 생성한 다음 자화 전이율 영상을 생성한다.
Figure 112010053194759-pat00005
……(1)
이때, Ms는 오프 공명 포화 펄스(off-resonance saturation pulse)를 가지고 있는 영상이고, Mo는 오프 공명 포화 펄스를 가지고 있지 않은 영상에 따른 주어진 영역에서의 신호 강도의 평균값이다.
자화　전이　영상은　반고체　거대분자　양자(semi-solid macromolecular proton)와　물　양자(water proton) 사이의　자화　교환(magnetization exchange)에　따른 콘트라스트(contrast)를　만들어낸다.
자화 전이 효과는 관절 연골, 인접한 조인트 액체 그리고 염증이 있는 활액 등을 구별하는데 사용될 수 있다. 컬러 MTR 영상법은 관련 진단에 보다 실질적인 도움이 된다. MTR 영상법은 무릎에 장애가 있는 환자의 MT 영상에서 빠르게 이상을 확인하는데 매우 유용하다. 수화(hydration) 현상이 질병 판단의 지표가 될 수 있지만, 이것 만으로는 수화가 증가하는 근본적인 원인을 밝혀내는데 한계가 있다. 연골 수화(cartilage hydration)는 양자 스펙트럼을 확보하며 미리 알려진 물 팬텀(water phantom)으로 보정하거나 PD(proton density) 영상을 확보하여 쉽게 관찰할 수 있다. 이러한 가능성은 특히 국소 연골 병변을 확인하는데 사용되어오고 있다. 생물학적 조직은 구조적으로 복잡하기 때문에, 전체 MT에 대하여 물 속의 교환가능한 양자의 기여분이 수화 대비 어느 정도인지 정량화 하는것은 매우 곤란하다.
칼라 이미지 생성(205)부는 상기 자화 전이율 영상 생성부(204)에서 생성된 자화 전이율 영상의 각 프레임에 대하여 하기 식(14)를 적용하여 컬러 이미지를 생성한다.
Figure 112010053194759-pat00006
……(14)
이때, a는 히스토그램 빈의 픽셀값이고, P(a)는 확률 분산 함수(probability distribution function)이다.
또한, B는 히스토그램 빈 사이즈로 이로 인해 만일 0<n<B 인 경우, 상기 임의의 n 값은 히스토그램 빈 사이즈가 0에서 B값까지 임을 의미한다.
또한, 상기 칼라 이미지 생성부(205)는 자화 전이율 영상에 대하여 상기 식(14)를 적용하기 전에 자화 전이율 영상에 대한 전처리 작업으로 히스토그램 균등화 작업을 진행할 수도 있다. 이는 입력 영상의 히스토그램에 관계없이 출력 영상의 히스토그램 분포가 균등 분포가 되도록 바꾸어 주는 과정을 말한다. 따라서 히스토그램 균등화를 통해 명암값의 좁은 영역에 편중되어 분포하는 입력 영상을 명암값이 전 영역에 화소들이 고루 분포하도록 출력영상을 변경하거나 보다 시각적으로 우수한 출력 영상을 얻을 수 있다. 상기 칼라 이미지 생성부(205)는 상기 히스토그램 균등화 작업을 위하여 후술하는 히스토그램 처리부(207)로부터 대상 영상에 대한 히스토그램 정보를 제공받을 수 있다.
직교평면영상 생성부(206)는 영상 획득부(201)를 통하여 획득된 진단 대상에 대한 자기공명 영상들 중에서 3D 이미지 좌표계에서 확보된 3D 대상에 대한 3개 직교 평면에 디스플레이한 직교평면영상을 생성한다.
히스토그램 처리부(207)는 상기 영상 획득부(201) 및 이미지 처리부(203)로부터 이미지 데이터를 제공받은 다음 해당 이미지에 대한 히스토그램을 추출하여 이미지 처리부(203)에 제공해주거나, 후술하는 저장부(202)에 별도로 저장할 수 있다.
저장부(202)는 영상획득부(201), 이미지 처리부(203) 및 히스토그램 처리부(207) 등에서 처리되는 이미지 정보 또는 히스토그램 등에 대한 데이터를 별도로 저장한다.
데이터 출력부(209)는 이미지 처리부(203)로부터 생성된 자화전이율 영상, 칼라 이미지, 직교평면영상 또는 히스토그램 처리부(207)에서 생성된 히스토그램 정보를 지정된 사용자 인터페이스 형식으로 출력한다.
도 3은 본 발명의 일 실시예에 따른 자화 전이율 영상 처리장치의 처리 수순을 나타내는 흐름도이다.
본 발명의 일실시예에 따른 자화 전이율 영상 처리 방법은 도 3에 도시된 바와 같이 조사대상에 대한 자기공명 영상 데이터를 입수하는 단계로부터 시작한다(S301). 이러한 자기 공명 이미지에는 수소밀도(proton density, PD) 영상이나 T2 강조 자기공명 영상(T2-weighted MR image) 등이 있다. 본 발명의 바람직한 실시예에서 상기 자기 공명 이미지 데이터는 오프 공명 포화 펄스(off-resonance saturation pulse)를 가지고 있는 자기공명 영상과 오프 공명 포화 펄스를 가지고 있지 않은 자기공명 영상을 반드시 포함하여야 한다.
다음으로, 상기 S301단계를 통해 확보된 오프 공명 포화 펄스를 가지고 있는 자기공명 영상과 오프 공명 포화 펄스를 가지고 있지 않은 자기공명 영상을 이용하여 자화 전이율 영상을 생성한다(S302). 이를 위하여 하기 식(1)을 이용하여 자화 전이율을 생성한 다음 이에 기초하여 자화 전이율 영상을 생성한다.
Figure 112010053194759-pat00007
……(1)
이때, Ms는 오프 공명 포화 펄스(off-resonance saturation pulse)를 가지고 있는 영상이고, Mo는 오프 공명 포화 펄스를 가지고 있지 않은 영상에 따른 주어진 영역에서의 신호 강도의 평균값이다.
자화　전이　영상은　반고체　거대분자　양자(semi-solid macromolecular proton)와　물　양자(water proton) 사이의　자화　교환(magnetization exchange)에　따른 콘트라스트(contrast)를　만들어낸다.
자화 전이 효과는 관절 연골, 인접한 조인트 액체 그리고 염증이 있는 활액 등을 구별하는데 사용될 수 있다. 컬러 MTR 영상법은 관련 진단에 보다 실질적인 도움이 된다. MTR 영상법은 무릎에 장애가 있는 환자의 MT 영상에서 빠르게 이상을 확인하는데 매우 유용하다. 수화(hydration) 현상이 질병 판단의 지표가 될 수 있지만, 이것 만으로는 수화가 증가하는 근본적인 원인을 밝혀내는데 한계가 있다. 연골 수화(cartilage hydration)는 양자 스펙트럼을 확보하며 미리 알려진 물 팬텀(water phantom)으로 보정하거나 PD(proton density) 영상을 확보하여 쉽게 관찰할 수 있다. 이러한 가능성은 특히 국소 연골 병변을 확인하는데 사용되어오고 있다. 생물학적 조직은 구조적으로 복잡하기 때문에, 전체 MT에 대하여 물 속의 교환가능한 양자의 기여분이 수화 대비 어느 정도인지 정량화 하는것은 매우 곤란하다.
상기 S302단계를 통하여 자화 전이율 영상이 확보되면, 하기 식(14)를 적용하여 자화 전이율 영상의 각 프레임에 대하여 컬러 이미지를 생성한다(S304).
Figure 112012004738076-pat00008
……(14)
이때, a는 히스토그램 빈의 픽셀값이고, P(a)는 확률 분산 함수(probability distribution function)이다.
또한, B는 히스토그램 빈 사이즈로 이로 인해 만일 0<n<B 인 경우, 상기 임의의 n 값은 히스토그램 빈 사이즈가 0에서 B값까지 임을 의미한다.
이때, 상기 자화 전이율 영상에 기초하여 칼라 이미지를 생성하기 전에 자화 전이율 영상에 대한 전처리 작업으로 히스토그램 균등화 작업을 진행할 수도 있다(S303). 이는 입력 영상의 히스토그램에 관계없이 출력 영상의 히스토그램 분포가 균등 분포가 되도록 바꾸어 주는 과정을 말한다. 따라서 히스토그램 균등화를 통해 명암값의 좁은 영역에 편중되어 분포하는 입력 영상을 명암값이 전 영역에 화소들이 고루 분포하도록 출력영상을 변경하거나 보다 시각적으로 우수한 출력 영상을 얻을 수 있다.
상기 단계에 더하여 획득된 진단 대상에 대한 자기공명 영상들 중에서 3D 이미지 좌표계에서 확보된 3D 대상에 대한 3개 직교 평면에 디스플레이한 직교평면영상을 생성할 수도 있다(S305).
<실시예>
[재료 및 방법]
1. 이미지 확보
모든 자기공명 실험은 동일한 자기장 세기를 갖는 상용 자기공명 기기인 ISOLTECH사의 1.5T CHORUS 및 Philips사의 1.5T Intra를 이용하여 수행되었다. 2명의 환자로부터 빠른 스핀 에코(Fast Spin Echo, FSE) 수소 밀도(Proton Density, PD) 영상 들(1600-2000/16-18)을 얻었다. T2 강조 자기공명 영상(T2-weighted MR image)들은 18명의 환자로부터 얻었다. 스핀 에코 T2 강조 자기공명 이미지들(3300-4000/90-100)은 7명의 환자로부터 얻었다. FSE T2 강조 영상들(2000-4000/80-108)은 7명의 환자로부터 얻었다. 경사자계-에코(Gradient-echo, GRE) T2 강조 자기공명 영상들(TR/TE/flip angle=430ms/9ms /22°, NEX 3)은 1명의 환자로부터 얻었다. 시상 T2 강조 자기공명영상들(TR/TE/flip angle=430ms/9ms/22°, NEX 3)은 1명의 환자로부터 얻었다. 2명의 환자로부터 동일한 영상 파라미터를 사용하여 3D-SPGR(3-dimensional spoiled GRASS) T2 강조 자기공명영상 및 지방억제 자기공명 이미지들을 얻었다. 이때 자기공명 실험은 (TR/TE/flip angle=60ms/6ms/40°) 환경에서 수행되었다. 다른 경우에는 (TR/TE/flip angle=27/6/30°) 환경에서 T2 강조 GRE 시퀀스를 사용하여 다이나믹 콘트라스트 강조 실험이 행해졌다.
2. 컬러 이미지 향상을 위한 이미지 처리
컬러 이미지 향상 작업은 빨강, 초록 및 파랑 색공간(RGB color space) 내에서 진행되었다. 상기 과정은 원본 이미지의 RGB 삼자극치(tristimulus value)를 색각 모델(color vision model)에 따라 변환하여 이상적으로 독립적으로 지각되는 3개의 지각 공간(perceptual space) 이미지 세트를 얻는다. 그리고 나서 스캔된 자기공명이미지들을 통해 지각 공간 이미지들 각각에 이미지 향상 방법이 적용된다. 마지막으로 상기 향상된 지각 공간 이미지들에 대하여 색각 모델을 변경하고 RGB 색공간에서 표현된 향상된 컬러 이미지를 만드는 후속 작업이 진행된다.
A. MTC 영상에서의 이미지 에너지
액체상태인 물에 대하여 1/T1 및 1/T2 완화율(relaxation rate)은 BPP(Bloembergen, Purcell 및 Pound)의 이론에서 유래한 식(2)로 표현될 수 있다. ∝
Figure 112010053194759-pat00009
및,
Figure 112010053194759-pat00010
……(2)
이때, K는 　일련의 원자계수(nuclear parameter) 및 다른 상수값을 포함하는 상수(constant)이고, J(wo)는 스펙트럼 밀도 함수(spectral density function)로 연관 함수(correlation function)에 대한 퓨리에 변환으로 정의된다. wo 및 2wo을 주파수 성분(Fourier component)으로 갖는 자기장 변동(magnetic field fluctuation)은 스핀 시스템과 격자 사이의 에너지 전달을 유도한다. 0, wo 및 2wo을 주파수 성분으로 갖는 분자운동은 스핀들 사이의 에너지 교환을 유도한다. 상기 변화량은 정의에 따라 하기 식(3)과 같이 미분 계산이 필요하다(즉, 입력값의 작은 변화가 출력값은 큰 변화를 야기한다)
FT{d/dx}=2πJ(w)……(3)
상기 식은 노이즈가 없는 상태에서는 이상적인 특성을 나타낸다. 상기 노이즈는 이미지의 가장자리를 타고 증폭되는데, 이는 시스템의 신호대 잡음비(signal-to-noise ratio, SNR)를 감소시킨다. 이처럼 노이즈가 증가하게 되는 문제를 해결하기 위하여, 미분 계산 전에 몇가지 일련의 보완작업을 행할 필요가 있다.
미분 계산은 저주파 구성요소 보다는 고주파 구성요소를 더 향상시킨다. 가우시안 커널(Gaussian kernel)이 미분 전에 적용될 이상적인 보완필터(regularization filter)로 알려져있다. 변화량은 조정 가능한 가우시안 1차 도함수 필터(Gaussian first derivative basis filters)를 이용하여 측정될 수 있다.
Figure 112010053194759-pat00011
……(4)
이때, σ는 가우시안 연산자의 스케일을 나타낸다. 스케일이 클수록 노이즈를 보다 효율적으로 제어하지만, 이미지에 대한 왜곡이 더욱 심해진다는 단점이 있다. 따라서 가장 작은 스케일(즉, σ=1)이 변화량 계산에 사용된다.
상기 변화량 벡터는 영상 강도 함수 I(x, y)에서의 최대 변화율 방향을 나타낸다. I(x, y)의 변화량인 ΔI는 대략 아래와 같은 식으로 정리된다.
Figure 112010053194759-pat00012
……(5)
여기에서 θ는 (x, y)에서의 변화량 벡터의 방향을 나타내고,
Figure 112010053194759-pat00013
……(6)
상기 변화량 연산자에 기초하여 상기 영상 에너지는 다음과 같이 정리된다.
Figure 112010053194759-pat00014
……(7)
이때,
Figure 112010053194759-pat00015
는 템플릿의 꼭지점들에 대응된다. 상기 식에서 마이너스는 변화량이 최대일 때 영상 에너지를 감소시키게 된다. 변형 템플릿의 총 에너지는 하기 식과 같은 형태 에너지 및 이미지 에너지 항의 선형 조합이다.
Figure 112010053194759-pat00016
……(8)
이때 α1 및 α2는 각각 형태 에너지와 이미지 에너지의 상대적인 기여도를 나타낸다.
B. 생리학적 환경에 대한 자연스러운 인지
많은 이미지 처리 어플리케이션들은 주로 인간 관찰자들에게 보여지기 위한 이미지를 만들어 내는 것을 목적으로 한다. 일반적인 디스플레이 시스템이 스크린에 한번에 256 레벨로 디스플레이 될 수 있는 8비트 디스플레이를 지원하는 것에 반해 의료 영상은 전형적으로 12 또는 16비트의 고유한 동적 깊이 영역(dynamic depth range)을 갖는다. 실시간으로 디스플레이의 사용 가능한 동적 영역상에서 상호 조정이 이루어진 후, 상기 이미지가 스크린 상에서 전체 동적 영역으로 재매핑 된다.
1) 히스토그램 균등화(Histogram Equalization) 및 동적 영상의 명시화(specification)
히스토그램 균등화란 입력 영상의 히스토그램에 관계없이 출력 영상의 히스토그램 분포가 균등 분포가 되도록 바꾸어 주는 과정을 말한다. 따라서 히스토그램 균등화를 통해 명암값의 좁은 영역에 편중되어 분포하는 입력 영상을 명암값이 전 영역에 화소들이 고루 분포하도록 출력영상을 변경하거나 보다 시각적으로 우수한 출력 영상을 얻을 수 있다.
일반적으로 히스토그램들을 계산하여 스크린상에서의 이미지 분산을 시각화하게 된다. 이는 256개(28) 엔트리를 갖는 이미지를 처리할 때에는 문제가 발생하지 않지만, 16비트, 32비트 또는 부동소수점 이미지들과 같이 더 큰 수의 엔트리가 디스플레이 되어야 하는 경우에는 몇가지 부가적인 단계들을 거치지 않고서는 이 이미지들을 더이상 표현하기가 힘들어진다.
색의 강도값(intensity value)이 I(u, v)∈[0,K-1]인 그레이스케일 이미지{(u, v)≤aj +1}에 대한 히스토그램 h는 정확히 전형적인 8비트 그레이스케일 이미지에 해당하는 엔트리를 갖는다(K=28=256). 각 히스토그램 엔트리 h(i)는 빛의 강도값인 I(u, v)가 i(이때, 0≤i≤K)인 픽셀들의 개수로 정의된다. 보다 상세하게는,
Figure 112010053194759-pat00017
……(9)
크기가 B인 히스토그램에서, 각각의 빈(bin) h(j)는 간격이 aj≤a<aj +1인 값을 갖고 있는 이미지 요소들의 개수를 나타낸다. 즉,
Figure 112010053194759-pat00018
……(10)
전형적으로 B가 가질 수 있는 값의 범위는 동일한 사이즈의 빈(bin)들로 나누어지므로(kB=K/B), 간격j의 시작값은
Figure 112010053194759-pat00019
이다.
만일 상기 값의 범위( 0...K-1)가 동일한 길이의 간격들(kB=K/B)로 나뉜다면, 정확한 히스토그램 요소j인 주어진 필셀값 a=G(u, v)은 쉽게 계산되기 때문에 aj를 찾기 위해 변환 테이블을 사용할 필요가 없다. 이러한 경우에, 상기 픽셀값 I(u, v)을 단순히 간격 kB로 나누는 것으로 충분하다. 즉,
Figure 112010053194759-pat00020
……(11)
적합한 히스토그램 빈 h(j)에 대한 인덱스로서 전체 넘버값은, 하기
Figure 112010053194759-pat00021
로 표현되는 바닥 함수(floor function)를 통해 얻어진다.
Figure 112010053194759-pat00022
……(12)
컬러 이미지들의 모음은 매우 유사한 구성요소 히스토그램들을 가지면서도, 전체적으로는 다른 컬러를 이용한다. 이는 조합된 히스토그램(combined histogram)으로 이어지는데, 두개의 이미지들이 색 조합에 있어서 대략적으로 유사한지 여부를 결정하기 위하여 조합된 색 요소들에 대한 통계학적 정보가 이용된다. 적합한 함수 f(*)와 관련하여 입력 확률 밀도 함수, 출력 확률 밀도 함수 및 상기 함수 f(*)간의 관계는 하기 식과 같다.
Figure 112010053194759-pat00023
……(13)
상기 식에서 f(*)은 미분될 수 있으며, df / da≥0임을 알 수 있다. 히스토그램 균등화를 위해서 Pb(b)는 상수이므로, f(a)는 하기와 같은 식을 만족하는 것이 바람직하다.
Figure 112010053194759-pat00024
……(14)
여기에서 P(a)는 확률 분산 함수(probability distribution function)이다. 이는 0에서 2B-1까지 노멀라이즈된 정량화된 확률 분산 함수는 히스토그램 균등화에 필수적인 룩업 테이블(look-up table)임을 의미한다. 　
2) 다중 이미지 평균화(averaging) 및 필터링
각 픽셀에 대한 모드가 확인되기 전에 이미지들의 전체 시퀀스가 저장되어야 한다는 점을 단점으로 들 수 있다. 각 픽셀에 대하여 이미지 시퀀스 내 관련 픽셀들의 색 수준(color level)들이 저장된 다음, 중간값이 선택된다는 점을 제외하고는 미디언 필터링(Median filtering)과 유사하다. 또한 이미지들의 전체 시퀀스가 저장되어야 하고 실질적인 저장 동작이 필요하게 된다. 순환 필터기법(recursive filtering)은 이미지들의 시퀀스로부터 단일 이미지를 만들어내기 위하여 가중된 평균화 기법(weighted averaging technique)을 사용했다. 새롭게 수집된 이미지들은 이미지들 간 지연이 고정되어 있는 프레임 저장소로부터 얻을 수 있다. 이미지들은 임의로 선택된 정수 n으로 나누어지는 그레이 수준을 갖는 분리된 프레임 저장소로 복사되고 상기 결과는 또한 정수 n으로 나누어지는 그레이 수준을 갖는 후속 이미지들 중 n1 이미지에 더해진다. 모든 새로운 이미지에 대하여 상기 프레임 스토어는 (n1)/n과 곱해지고, 다시 새로운 이미지는 1/n과 곱해진다. 이것들이 다 더해지고 나서 그 결과값이 프레임 저장소의 뒤에 위치하게 된다.
3) 자극 및 색 민감도
만일 상수값인 빛의 세기(brightness) I값이 변할 수 있다면, 시각적 반응R은 상기 빛의 세기값의 로그에 비례한다고 예측할 수 있다. 이는 Weber-Fechner 법칙으로 알려져 있다:
Figure 112010053194759-pat00025
ΔI/I는, 밝기가 ΔR=k일 때 동일한 인지 단계들에서 실제 밝기(physical brightness)가 지수적으로 증가하는 것을 의미한다. 매치 밴드 효과(Match band effect)는 도1A의 그레이 컬러 밴드상에서 볼 수 있다. 객관적인 밝기는 선형적으로(ΔI=k) 증가하지만, 주관적인 밝기는 로그적으로 증가한다. 사실 밝기 수준은 도1B에 도시한 바와 같이 부가값(ΔI=k*I)이 더해진다.
인간의 눈에는 단파장(S), 중파장(M), 장파장(L)의 세 가지 빛을 받아들이는 수용기인 원추세포가 존재한다. 따라서 원칙적으로, 세 개의 변수로 인간의 색 감각을 표현할 수 있다. 삼색 자극값(tristimulus values)은 가산 혼합 모델에서 삼원색을 조합하여 원하는 색과 같은 색을 만들 수 있는 조합을 가리킨다. 삼색 자극값은 주로 CIE 1931 색공간에서 X, Y, Z 값으로 표현된다.
색공간(color space)은 이 세 개의 자극값과 각각의 색깔을 연관시키는 수학적 모델을 가리킨다. 여러 가지 색공간 가운데 CIE XYZ는 인간의 색채 인지를 직접 측정하여 만들어졌기 때문에, 이러한 색공간을 만드는 데 기본이 되는 특수한 색공간이다.
CIE XYZ 색공간에서, 삼색 자극값인 X, Y, Z는 각각 빨강, 초록, 파랑과 비슷한 색깔이다. 다양한 파장을 가진 두 개의 색깔을 섞으면, 다른 색과 비슷하게 보일 수 있다. 이런 현상을 조건등색(metamerism)이라 한다. CIE XYZ 색공간에서, 두 개의 색깔이 가진 삼색 자극값의 합은, 두 개의 색깔이 갖는 파장과 관계없이, 똑같이 보이는 다른 색의 삼색 자극값과 동일하다.
눈의 원추세포는 균일하게 분포되어 있지 않기 때문에, 삼색 자극값은 관찰자의 시야에 따라 조금씩 달라진다. 이 차이를 없애기 위해 CIE는 표준 색 관찰자를 정의하였다. 이것은 평균적인 시각을 가진 사람의 시야각 2° 이내에 몰려 있는 원추세포의 반응을 가리킨다. 따라서 CIE 1931 표준 관찰자는 CIE 1931 2° 표준 관찰자라고도 불린다. 표준 관찰자는 세 개의 색 대응 함수로 표현된다.
색 대응 함수는 관찰자의 색 반응을 수치적으로 기술한 것이다.
CIE는 세 개의 색 대응 함수
Figure 112010053194759-pat00026
를 정의하였다. 이는 삼색 자극값 X, Y, Z에 대한 각각의 원추세포의 반응함수라고도 할 수 있다. 이 세개의 함수를 합쳐 CIE 표준 관찰자라 부른다.
파장 λ를 갖는 빛의 삼색 자극값은 다음과 같이 결정된다.
Figure 112010053194759-pat00027
……(15)
여기서 I(λ)는 스펙트럼 출력 분포 함수를 가리킨다.
CIE XYZ 색공간은 Y 값이 밝기 또는 조도의 값이 되도록 설계되어 있다. 따라서 어떤 색의 색도는 두 개의 값 X, Y, Z로부터 계산된 값 x, y로 표현할 수 있다.
Figure 112010053194759-pat00028
……(16)
상기 식에서 빨강 색도좌표는 x로 주어졌고, 초록 색도좌표는 y로 주어졌다 삼자극값은 I(λ)에서 선형이다. 하지만, 상기 절대 강도 정보는 색도좌표들 {x, y}을 계산하는 과정에서 상실된다. 관찰자에게 같은 색을 갖고 있는 것으로 비춰지는 모든 색분포 I(λ)는 동일한 색도좌표를 갖고 있다.
4) 실제 이미지 대 디스플레이된 이미지
실제 이미지의 동적인 영역은 소수의 상이한 그레이 스케일 수준에서 65,000 레벨까지 변화할 수 있다. 반면에 디스플레이 되는 이미지의 그레이 스케일 수준은 256 레벨이다. 대부분의 컴퓨터 시스템에서의 하드웨어 제약 때문에 스크린 상에는 동시에 256개의 서로 다른 그레이 수준만 표현할 수 있다. 따라서, 실제 동적인 영역(real dynamic range)을 디스플레이 되는 동적 영역(displayed dynamic range)으로 변경할 필요가 있다. 상기 이미지의 동적인 영역은 이미지상의 서로 다른 다수의 컬러에 대응되는데, 이것들은 대체로 의료 영상에 대한 그레이 수준이다. 변환 함수를 계산하기 위해서는 두개 포인트를 연결하는 라인의 기울기와 오프셋을 결정해야 한다. 　(max, 255) 및 (min, 0). 이는 다음과 같은 식으로 나타낼 수 있다.
Figure 112010053194759-pat00029
……(17)
여기에서 max는 이미지의 최대 강도(최대 픽셀 값)를 나타내고, min은 이미지의 최소 강도(최소 픽셀 값)를 나타낸다. 상기 콘트라스트와 강도가 수정되면, 최소값과 최대값이 수정되고, 새로운 변경이 필요하게 된다.
3. MTR 데이터를 처리하기 위한 물리적 진단
자화전이 및 직접 효과를 이용하여 콘트라스트가 만들어진 영상들이 자주 사용된다. 자화전이 영상을 정량평가하기 위해 자화전이 효과와 직접 효과(direct effect)는 구별하여야 한다. 직접 효과는 주파수 차감계산을 증가시키거나 자화전이 포화 펄스의 진폭을 줄임으로서 자화전이 효과를 감소시킬 수 있다. Jim(Xinapse system Ltd., Northants, UK)은 자기공명을 쉽게 영상으로 보여주고 분석을 할 수 있는 의료 영상 디스플레이 페키지이다.
자화전이율 계산을 위하여 2개의 영상(오프 공명 포화 펄스(off-resonance saturation pulsue)를 가지고 있는 영상과 가지고 있지 않은 영상)을 사용하였다. MTR을 계산할 때, 포화 펄스를 가지고 있지 않은 영상은 Mo로 포화 펄스를 가지고 있는 영상은 Ms로 표시하였다. 연구 초기에 2명의 건강한 비참여자(non-participant)에게서 각 관심영역(ROI)의 위치, 크기 및 모양을 미리 확인하였다. 부분 용적 효과(partial volume effect)를 피하기 위하여 ROI들의 윤곽은 관절　연결　이음부로터　가능한한　추적하였다. 다만　선택된　목표물의　외곽선에　너무　까깝게　추적하지는　않았다. 연골　및　인대에서　나타나는　병변을　회피하는데　특히　주의를　기울였다.
[실험 결과]
도2는　상처 등으로 인해　형태적으로　변형된　슬관절　연골에 대한　PD 및　T2 강조 SE 자기공명 이미지들을　나타낸다. 주로　내측　반월상　연골판(medial meniscus)의　뒤쪽　혼(horn)이　가장　크다. 외측　반월상　연골판(lateral meniscus)은　더　커서는　안된다. 즉, 원반형의　반월상　연골판(찢어지기　쉬움)을　주의깊게　살펴봐야　한다. 이　연구는　정상　무릎보다　비정상　무릎에서　양자　스핀　에너지가　더　많이　확보되는　것에 기반한　것이다. 이는　비정상　무릎의　관절　연골에는　글리코사미노글리칸(glycosaminoglycan)　농도가　낮기　때문이다. 　
상기　3D FLASH(Fast low-angle shot) 시퀀스는　SPGR 시퀀스와　동일하게　연골을　시각화　하였다. 지방　억제　기능은　도　2B, 3B, 4B에서　연골　병리학적인　부분을　시각화　하는데　유용하다. 비록 3D SPGR 시퀀스들이 병변 표면을 잘 나타내주긴 하지만, PD 및　T2-가중　영상은 연골의 내부 병리학적 특징들 또한 잘 보여준다. 이는 이러한 시퀀스들에서 연골의 중간 신호가 더 많을수록 SPGR 이미지에서 더 밝은 신호가 연골 내부의 병리학적 특징을 어느 정도 더 커버하기 때문이다. 도　3에　도시된　바와　같이　3D SPGR은　보다　높은　차원의　해상도를　보여준다.
3D 고차원　디스플레이의　중요한　2가지　개념이　강조되어야 한다. 먼저, 관절　연골, 인대 또는　활맥　주름(synovial fold)과　같은　특정　해부학적　구조의　볼륨을　획득한 3D SPGR은 상기　구조에　대한　완벽한　해부학적　평가를　위한　모든　해부학적　2D 평면들을　포함한다. 다음으로, 모든　무릎　구조에　대하여　해당　특정　구조에　대한　완벽한　해부학적　평가에　필수적인 2D 평면들은　각각　일관된　해부학적　관계를　가지고　조직화되어　있다. 도　4에　도시한　바와　같이　비록　이　시퀀스들로　영상화하는　시간이　매우　길긴　하지만, 확보된 3D 대상에 대한 3개 직교평면을 디스플레이하면 조작자는 이 확보된 대상을 계산하여 상기 대상에 대한 재구축된 평면을 만들고 디스플레이 할 수 있게 된다.
혼합된　다양한　신호들과　노이즈　때문에　PD-강조　영상에서　연속적인　선들을　보이는　ACL은　프로필　맵에서　제로　강도(zero intensity)를　보이지　않는다. MTR 값들은　일반적인　골격근계와　대비하여　지방패드(fat pad), 내측　반월상　연골판　및　ACL에서　제로　강도를　갖는다. 주변의　제로　강도　조직들과　대조적으로　몇몇은　낮은　MTR값을　나타낸다. 그레이　스케일과　관련된　차이는　원본　이미지들　사이에서　명확하게　구별되지　않는데, 이는　 자유　물　풀(free water pool), 거대　분자　풀(macromolecular pool) 및　변경된　분자들을　포함한다. 상기　RGB 컬러　이미지로　매핑된　변경된　조직은　미리　정의된　함수에　기초하여　새로운　픽셀로　변경되었다. 이러한　변경에　의하여　도　5에도시한　바와　같이　뛰어난　콘트라스트를　갖는　이미지들은　넓은　범위의　픽셀　값들을　나타내었다.
샘플을　관절　인대　및　연골에　정확하게　위치시키기　위해　본　실험에서는　T2-강조　이미지상의　ROI들의　조정을　활용하였다. 이는　PD 이미지들을　얻는데사용되었던　것과　동일한　그래픽　처방을　사용하여　동일한　위치로부터　얻었다. 검사자간　변이(inter-observer variability)는　8개　객체의　모든　영역들에대한　2명의 검사자에 의하여 확보된 무릎 MTR 히스토그램 유도 중간값들 사이의 변이로 정의되었다. 선택된 값들이나 강도 히스토그램상에서 콘트라스트를 선택한 것은 특정 이미지 처리 특징들을 위해서 저장되어야 한다. 도 6에 도시된 바와 같이 상기 이미지 콘트라스트와 강도는 몇가지 상호 제어 툴(interactive control tool)을 통해 시각적으로 조정되어질 수 있어야 한다.
[정리]
연골의 병리학적 특징에 대한 형태학적 평가는 PD 및 T2-강조 FSE 및 3D-SPGR 시퀀스들을 통하여 얻을 수 있었다. PD 이미지들은 히알린 연골(hyaline cartilage)의 뛰어난 건내 해부학적 특징을 상세하게 나타내줄 수 있는 것으로 특징지울 수 있다. 지방 억제를 통해 동적인 영역을 넓히고 화학적 변이 인공물(chemical shift artifact)의 영향을 감소시켰다. T2-강조 영상은 관절 유출(joint effusion)을 나타내고, 연골에서의 표면상의 문제를 나타내지만, 연골의 몇몇 구성요소가 상대적으로 짧은 T2 이완시간을 갖기 때문에, 이러한 구성요소들을 잘 표시되지 않는다. 이러한 짧은 T2 구성요소들은 연골 손상을 진단하기 위한 민감한 자기공명 영상에 중요한 영향을 미친다. 비록 3D SPGR 시퀀스들이 병변 표면을 잘 나타내주긴 하지만, PD-강조 영상 및 T2-강조 영상은 연골의 내부 병리학적 특징들 또한 잘 보여준다. 이는 이러한　시퀀스들에서　연골의　중간　신호가　더　많을수록　SPGR 이미지에서 더　밝은　신호가　연골　내부의　병리학적　특징을　어느 정도　더　커버하기　때문이다. 제한된 풀에서의 행동을 일반화 하는 것에 대한 펄스 실험을 분석하는데는 차이가 존재한다. 조사 유도 전이율(irradiation-induced transition rate)은 상수이거나 또는 시변(time-varying)인 것으로 가정하였다. 조직의 특성과 MTR 사이의 불확실한 관계는 표준화 과정을 복잡하게 하지만, 현재까지는 서로 다른 자기공명 시스템에서 개별 조직들의 행동을 예측하는 것은 곤란하다. MTR 계산을 위하여 본 실험은 오프-공명 포화 펄스(off-resonance saturation pulse)를 갖는 영상과 갖지 않는 영상 2개를 사용하여 진행하였다.
MTR 계산을 하고 나서 동적인 원본 이미지들 사이에서 그레이 스케일인 MTR 이미지의 콘트라스트를 명확하게 구별할 수 없었다. 동적인 원본 이미지들은 자유 물 풀(free water pool), 거대분자 풀 및 변형된 분자들을 포함한다. 상기 변형된 조직은 그레이 스케일 이미지가 RGB 컬러 이미지로 매핑되고 나서 관찰 가능하다. 이러한 변형은 간단한 표준 테이블을 통해 쉽게 가능하다. 좋은 콘트라스트를 갖는 이미지들은 넓은 범위의 픽셀값들을 보인다. 상기 RGB 및 HIS(Hue, Intensity and Saturation) 모델들은 인간의 눈에 있는 원추세포(cone cell)와 같이 컬러에 대한 물리적 센서에 더욱 잘 대응된다. 컬러 이미지들에 대한 히스토그램은 전형적으로 이미지의 밝기에 대한 히스토그램이나 개별 색 채널(color channel)에 대한 히스토그램이 있다.
3D 이미지 좌표계(coordinate system)에서 확보된 평면 단면적(planar cross-section)은 곡면 해부학적 구조(curved anatomical structure)를 따르지 않기 때문에 가끔은 정량적으로 충분한 정보를 제공해주지 못한다. 따라서, 평면 단면적 영상만으로 중요한 상세 항목들을 항상 동시에 확인할 수는 없었다. 이러한 문제를 해결하기 위하여 진단 대상의 좌표계 내에서 새로이 변형된 이미지가 만들어져야만 한다. 확보된 3D 대상에 대한 3개 직교평면을 디스플레이하면 조작자는 이 확보된 대상 대상을 계산하여 상기 대상에 대한 재구축된 평면을 만들고 디스플레이 할 수 있게 된다. 이는 무채색의 밝기를 나타내고, 컬러 감각을 표현하는데 중요한 요소이다. 그 결과 유채색은 무릎 관절의 상태가 나빠지고 있음을 나타내고, 이는 인간 시각계의 컬러 인지 특성에 기초하게 된다.
1: 자화 전이율 영상 처리 시스템 2: 자기 영상 진단기기
3: 데이터베이스 4: LAN
100: CPU 101: 주메모리
102: 자기디스크 103: 표시메모리
104: 모니터 105: 마우스
106: 키보드 201: 영상 획득부
202: 저장부 203: 이미지 처리부
204: 자화전이율 영상 생성부 205: 칼라 이미지 생성부
206: 직교평면영상 생성부 207: 히스토그램 처리부
208: 데이터 출력부

Claims (9)

  1. 조사대상에 대하여 오프 공명 포화 펄스를 가지고 있는 자기공명 영상 및 오프 공명 포화 펄스를 가지고 있지 않은 자기공명 영상을 포함하는 자기공명 영상 데이터를 입수하는 단계;
    상기 오프 공명 포화 펄스를 가지고 있는 자기공명 영상과 오프 공명 포화 펄스를 가지고 있지 않은 자기공명 영상을 이용하여 자화 전이율 영상을 생성하는 단계; 및
    상기 생성된 자화 전이율 영상의 각 프레임에 대하여 하기 식(1)을 적용하여 컬러 이미지를 생성하는 단계를 포함하는 자화 전이율 영상 처리 방법:
    Figure 112012004738076-pat00030
    ……(1)
    이때, a는 히스토그램 빈의 픽셀값이고, P(a)는 확률 분산 함수(probability distribution function)이며, B는 히스토그램 빈 사이즈(size)이다.
  2. 제1항에 있어서,
    상기 자화 전이율 영상에 기초하여 칼라 이미지를 생성하기 전에 자화 전이율 영상에 대한 전처리 작업으로 히스토그램 균등화 작업을 더 진행하는 것을 특징으로 하는 자화 전이율 영상 처리 방법.
  3. 제1항에 있어서,
    상기 자화 전이율 영상 생성 단계는,
    상기 오프 공명 포화 펄스(off-resonance saturation pulse)를 가지고 있는 자기공명 영상과 오프 공명 포화 펄스를 가지고 있지 않은 자기공명 영상으로부터 하기 식(2)를 이용하여 자화 전이율을 생성한 다음 이에 기초하여 자화 전이율 영상을 생성하는 것을 특징으로 하는 자화 전이율 영상 처리 방법:
    Figure 112012004738076-pat00031
    ……(2)
    이때, Ms는 오프 공명 포화 펄스를 가지고 있는 영상이고, Mo는 오프 공명 포화 펄스를 가지고 있지 않은 영상에 따른 주어진 영역에서의 신호 강도의 평균값이다.
  4. 제1항에 있어서,
    획득된 진단 대상에 대한 자기공명 영상들 중에서 3D 이미지 좌표계에서 확보된 3D 대상에 대한 3개 직교 평면에 디스플레이한 직교평면영상을 생성하는 것을 특징으로 하는 자화 전이율 영상 처리 방법.
  5. 진단 대상에 대한 오프 공명 포화 펄스를 가지고 있는 자기공명 영상과 오프 공명 포화 펄스를 가지고 있지 않은 자기공명 영상을 확보하는 자기공명 영상 획득부;
    상기 오프 공명 포화 펄스(off-resonance saturation pulse)를 가지고 있는 자기공명 영상과 오프 공명 포화 펄스를 가지고 있지 않은 자기공명 영상에 기초하여 자화 전이율 영상을 생성하는 자화 전이율 영상 생성부;
    상기 자화 전이율 영상 생성부에서 생성된 자화 전이율 영상의 각 프레임에 대하여 하기 식(3)을 적용하여 컬러 이미지를 생성하는 칼라 이미지 생성부; 및
    Figure 112012004738076-pat00032
    ……(3)
    (여기에서 a는 히스토그램 빈의 픽셀값이고, P(a)는 확률 분산 함수(probability distribution function), B는 히스토그램 빈 사이즈(size)이다.)
    상기 자화 전이율 영상 생성부의 자화전이율 영상 및 상기 칼라 이미지 생성부의 칼라 이미지를 지정된 사용자 인터페이스 형식으로 출력데이터 출력부를 포함하는 자화 전이율 영상 처리 장치.
  6. 제5항에 있어서,
    상기 칼라 이미지 생성부는 자화 전이율 영상을 생성하기 전에 자화 전이율 영상에 대한 전처리 작업으로 히스토그램 균등화 작업을 수행하는 것을 특징으로 하는 자화 전이율 영상 처리 장치.
  7. 제5항에 있어서,
    상기 자화 전이율 영상 생성부는,
    상기 오프 공명 포화 펄스를 가지고 있는 영상과 오프 공명 포화 펄스를 가지고 있지 않은 영상으로부터 하기 식(4)를 이용하여 자화 전이율을 생성한 다음 이에 기초하여 자화 전이율 영상을 생성하는 것을 특징으로 하는 자화 전이율 영상 처리 장치:
    Figure 112012004738076-pat00033
    ……(4)
    이때, Ms는 오프 공명 포화 펄스(off-saturation pulse)를 가지고 있는 영상이고, Mo는 오프 공명 포화 펄스를 가지고 있지 않은 영상에 따른 주어진 영역에서의 신호 강도의 평균값이다.
  8. 제5항에 있어서,
    상기 영상 획득부를 통하여 획득된 진단 대상에 대한 자기공명 영상들 중에서 3D 이미지 좌표계에서 확보된 3D 대상에 대한 3개 직교 평면에 디스플레이한 직교평면 영상을 생성하는 직교평면영상 생성부를 더 포함하는 것을 특징으로 하는 자화 전이율 영상 처리 장치.
  9. 제5항에 있어서,
    영상 획득부, 자화 전이율 영상 생성부 및 칼라 이미지 생성부에서 처리되는 이미지 정보 또는 히스토그램에 대한 데이터를 별도로 저장하는 것을 특징으로 하는 자화 전이율 영상 처리 장치.
KR1020100079871A 2010-08-18 2010-08-18 슬관절 질환 진단을 위한 자화 전이율 영상 처리 방법 및 장치 KR101152450B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020100079871A KR101152450B1 (ko) 2010-08-18 2010-08-18 슬관절 질환 진단을 위한 자화 전이율 영상 처리 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020100079871A KR101152450B1 (ko) 2010-08-18 2010-08-18 슬관절 질환 진단을 위한 자화 전이율 영상 처리 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20120017275A KR20120017275A (ko) 2012-02-28
KR101152450B1 true KR101152450B1 (ko) 2012-06-01

Family

ID=45839265

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020100079871A KR101152450B1 (ko) 2010-08-18 2010-08-18 슬관절 질환 진단을 위한 자화 전이율 영상 처리 방법 및 장치

Country Status (1)

Country Link
KR (1) KR101152450B1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080021306A1 (en) 2004-06-01 2008-01-24 Van Zijl Peter C Quantifying Blood Volume Using Magnetization Transfer Magnetic Resonance Imaging

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080021306A1 (en) 2004-06-01 2008-01-24 Van Zijl Peter C Quantifying Blood Volume Using Magnetization Transfer Magnetic Resonance Imaging

Also Published As

Publication number Publication date
KR20120017275A (ko) 2012-02-28

Similar Documents

Publication Publication Date Title
Kay et al. A critical assessment of data quality and venous effects in sub-millimeter fMRI
Ganzetti et al. Whole brain myelin mapping using T1-and T2-weighted MR imaging data
Olman et al. BOLD fMRI and psychophysical measurements of contrast response to broadband images
Rorden et al. Age-specific CT and MRI templates for spatial normalization
US8643363B2 (en) Method of visualizing segmented MR images with absolute-scale values independent of MR scanner settings
Vargas et al. Diffusion tensor imaging (DTI) and tractography of the brachial plexus: feasibility and initial experience in neoplastic conditions
Zhang et al. A three-dimensional fractal analysis method for quantifying white matter structure in human brain
Monu et al. Cluster analysis of quantitative MRI T2 and T1ρ relaxation times of cartilage identifies differences between healthy and ACL-injured individuals at 3T
Alvarez et al. Comparing different stimulus configurations for population receptive field mapping in human fMRI
US7136516B2 (en) Method and system for segmenting magnetic resonance images
Gilaie-Dotan et al. Perceptual shape sensitivity to upright and inverted faces is reflected in neuronal adaptation
US8918160B2 (en) Computer aided diagnostic method and device
Xu et al. The ellipsoidal area ratio: an alternative anisotropy index for diffusion tensor imaging
Peng et al. Development of a human brain diffusion tensor template
Schulze et al. The use of fractal analysis and photometry to estimate the accuracy of bulbar redness grading scales
Shamir et al. A framework for cortical laminar composition analysis using low-resolution T1 MRI images
Wessling et al. Novel deep-learning-based diffusion weighted imaging sequence in 1.5 T breast MRI
WO2014152257A1 (en) Measure of disc degeneration and pathology
Lee et al. Methods for high-resolution anisotropic finite element modeling of the human head: Automatic MR white matter anisotropy-adaptive mesh generation
Stern et al. Mapping of magnetic resonance imaging’s transverse relaxation time at low signal‐to‐noise ratio using Bloch simulations and principal component analysis image denoising
KR101152450B1 (ko) 슬관절 질환 진단을 위한 자화 전이율 영상 처리 방법 및 장치
Cuccia et al. Imaging of temporomandibular joint: approach by direct volume rendering
US20130322713A1 (en) Color map design method for assessment of the deviation from established normal population statistics and its application to quantitative medical images
Xu et al. Systematic differences between perceptually relevant image statistics of brain MRI and natural images
Zolal et al. The effect of a gadolinium-based contrast agent on diffusion tensor imaging

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: 20150515

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20170208

Year of fee payment: 5

R401 Registration of restoration
LAPS Lapse due to unpaid annual fee