KR101169138B1 - 혈관 및 석회질 자동 추출장치 및 방법 - Google Patents

혈관 및 석회질 자동 추출장치 및 방법 Download PDF

Info

Publication number
KR101169138B1
KR101169138B1 KR1020090134389A KR20090134389A KR101169138B1 KR 101169138 B1 KR101169138 B1 KR 101169138B1 KR 1020090134389 A KR1020090134389 A KR 1020090134389A KR 20090134389 A KR20090134389 A KR 20090134389A KR 101169138 B1 KR101169138 B1 KR 101169138B1
Authority
KR
South Korea
Prior art keywords
blood vessel
bone
image
cta
blood vessels
Prior art date
Application number
KR1020090134389A
Other languages
English (en)
Other versions
KR20110077740A (ko
Inventor
홍헬렌
김수경
정진욱
Original Assignee
서울여자대학교 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 서울여자대학교 산학협력단 filed Critical 서울여자대학교 산학협력단
Priority to KR1020090134389A priority Critical patent/KR101169138B1/ko
Publication of KR20110077740A publication Critical patent/KR20110077740A/ko
Application granted granted Critical
Publication of KR101169138B1 publication Critical patent/KR101169138B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computerised tomographs
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/50—Clinical applications
    • A61B6/504—Clinical applications involving diagnosis of blood vessels, e.g. by angiography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • 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
    • G06T2207/10081—Computed x-ray tomography [CT]

Abstract

혈관 및 석회질 자동 추출방법 및 그 추출장치가 개시된다. 본 발명에 따른 혈관 및 석회질 자동 추출방법은, 조영된 CT 및 CTA 영상으로부터 뼈의 연결성 정보를 이용하여 하지를 소정개수의 영역으로 구역화하는 단계; 구역화 단계에 의해 구역화된 각각의 영역에 대하여, CT 및 CTA 영상의 거리지도를 이용하여 강체 정합하는 단계; 각각의 영역에 대하여, 밝기값 정보 및 혈관 마스킹을 이용하여 뼈 정보를 제거하고 혈관을 추출하는 단계; 혈관 추적 기반의 후처리 방법을 이용하여 강체 정합의 오차로 발생하는 잡음을 제거하는 단계; 및 추출된 혈관의 추적을 이용하여 석회질을 추출하는 단계를 포함하는 것을 특징으로 한다.
하지, 혈관, 석회질, 뼈, CT, CTA, 정합, 추적

Description

혈관 및 석회질 자동 추출장치 및 방법{Apparatus and method for vessel and calcification extraction}
본 발명은 혈관 및 석회질 자동 추출장치 및 방법에 관한 것으로서, 보다 상세하게는 CT 혈관 조영 영상에서 뼈 소거법에 기반하여 혈관 및 석회질을 자동으로 추출하는 장치 및 방법에 관한 것이다.
하지 혈관의 동맥류, 협착증 및 폐색증과 같은 혈관 질환을 진단하고 적절한 치료 계획을 세우기 위하여 혈관이 가늘어지거나 끊기는 부위 및 석회화가 진행된 정도를 분석하는 것이 중요하다. 이를 위하여 조영된 CT(Computed Tomography) 및 CTA(Computed Tomography Angiography) 영상에서 하지 혈관을 정확하게 추출하고 가시화 하는 기술이 필요하다.
특히, CTA 영상은 혈관에 조영제를 투여하여 획득한 영상으로서, 뼈 및 여러 조직과 함께 혈관 정보를 포함하고 있어 혈관 가시화를 위해 일반적으로 사용된다. 그러나 도 1에 도시한 바와 같이, 하지 CTA 영상은 혈관 주변에 복잡하고 유사한 밝기값을 갖는 뼈 구조물을 포함하고 있기 때문에, 혈관을 정확하게 추출하는데 한 계가 있다.
CTA 영상에서 하지 혈관을 반자동 혹은 자동으로 추출하는 방법은, 크게 분할 기반 기법, 영상 차감 기반 기법 그리고 제거 기반 기법으로 나눌 수 있다.
먼저, 분할 기반 기법을 살펴보면, Felkel, Straka 등은 CTA 영상에서 사용자가 정의한 시작점에서 끝점까지 Dijkstra's 알고리즘 기반의 최단 거리 산정을 통해 혈관을 추적하고 굴곡면 재구성(CPR: Curved Planar Reformation) 기법을 사용하여 혈관을 종단면으로 구성하여 밝기값 기반의 혈관 분할을 수행하였으며, 사용자의 수동 분할을 통하여 보정하였다. 또한, Boskamp 등은 혈관의 중심선을 추적하고, 중심선을 기준으로 지름을 측정하여 적응적으로 영역을 확장시켜 혈관을 분할하였다. 이때, 혈관의 중심선은 밝기값과 기울기 정보 기반의 분수령(watershed) 알고리즘과 골격추출(skeletonization) 알고리즘을 적용하여 검출한다. 또한, Eiho, Beck 등은 영역확장 알고리즘을 이용하여 혈관을 추적하고 분할하는 기법을 제안하였다. 이때, 영역확장 기법은 혈관이 갈라지는 분기점을 추출하고 분기 혈관의 밝기값과 두께의 상관관계를 반영하여 적응적으로 적용한다. 그런데, 이와 같은 분할 기반 기법은 연결성에 의존적이기 때문에, 혈관이 가늘거나 끊기는 경우에 정확하게 추출하지 못하는 한계가 있으며 사용자와의 상호작용을 필요로 하는 문제점이 있다.
다음으로 영상 차감 기반 기법을 살펴보면, Marksimov, Tomandl 등은 CT와 CTA 영상의 표면 정보를 기반으로 강체 정합하고 차분 연산을 통하여 혈관을 추출하였다. 또한, Kwon 등은 CT와 CTA 영상을 다중해상도와 표준 상호정보(NMI: Nomalized Mutual Information) 기반으로 강체 정합하고 뼈와 공기 마스크 정보를 사용하여 혈관을 추출하였다. 또한, Hong 등은 뼈의 경계 정보 및 3차원 거리맵 기반의 강체 정합을 수행하고 뼈와 혈관 마스킹 및 밝기값 차감을 통해 혈관을 추출하였다. 그런데, 이와 같은 영상 차감 기반 기법은 뼈 정보를 제거함으로써 혈관의 손실은 최소화하지만, 뼈의 부분적인 움직임에 따라 지역적 잡음이 발생할 수 있으며, 차분 연산으로 인해 주변 및 혈관이 손실되는 문제점이 있다.
마지막으로 제거 기반 기법을 살펴보면, David G. Heath 등은 분수령 알고리즘을 이용하여 뼈를 제거함으로써 혈관을 추출하였다. 이때, 분수령 알고리즘을 위한 시작점은 사용자가 선택하도록 하였다. 또한, Lee 등은 밝기값 정보 및 라플라시안 필터(Laplacian filter)를 통해 뼈와 혈관을 분리하고 연결성 정보를 이용하여 뼈를 제거하였다. 그런데, 이와 같은 제거 기반 기법은 밝기 값 정보가 유사한 연골 등의 잡음을 제거하기 어려우며, 뼈와 인접한 혈관의 경우 경계를 구분하기 어려워 혈관이 깎이는 문제점이 있다.
본 발명은 상기와 같은 문제점을 해결하기 위하여 창안된 것으로서, CT 및 CTA 영상 정보를 사용하여 뼈 소거법 기반으로 하지 혈관 및 석회질을 자동으로 추출하는 방법 및 그 장치를 제공하는 것을 목적으로 한다.
상기의 목적을 달성하기 위한 본 발명의 실시예에 따른 혈관 및 석회질 자동 추출 방법은, 조영된 CT(Computed Tomography) 및 CTA(Computed Tomography Angiography) 영상으로부터 뼈의 연결성 정보를 이용하여 하지를 소정개수의 영역으로 구역화하는 단계; 상기 구역화 단계에 의해 구역화된 각각의 상기 영역에 대하여, 상기 CT 및 CTA 영상의 거리지도를 이용하여 강체 정합하는 단계; 각각의 상기 영역에 대하여, 밝기값 정보 및 혈관 마스킹을 이용하여 뼈 정보를 제거하고 혈관을 추출하는 단계; 혈관 추적 기반의 후처리 방법을 이용하여 상기 강체 정합의 오차로 발생하는 잡음을 제거하는 단계; 및 추출된 상기 혈관의 추적을 이용하여 석회질을 추출하는 단계를 포함하는 것을 특징으로 한다.
여기서, 상기 구역화 단계는, 조영된 상기 CT 및 CTA에 500HU(Hounsfield Unit)을 적용하여 뼈 후보군을 추출하며, 추출된 상기 뼈 후보군에 연결요소 라벨링(Connected Component Labeling) 방법을 사용하여 그룹화하는 것이 바람직하다.
또한, 상기 구역화 단계는, 조영된 상기 CT 및 CTA 영상으로부터 크기 필터를 통해 50 픽셀 이하를 갖는 뼈의 조각들은 제거하는 것이 바람직하다.
바람직하게는, 상기 강체 정합 단계는, 라플라시안 연산자(Laplacian operator)를 이용하여 각각의 상기 영역에서의 뼈의 경계를 특징점으로 검출하는 단계; 검출된 각각의 상기 특징점에 체스보드 거리지도를 기준으로 마스크를 할당하여 거리지도를 생성하는 단계; 및 생성된 상기 거리지도에 기초하여 상관관계를 측정하는 단계를 포함할 수 있다.
또한, 상기 거리지도 생성단계는, 중심으로부터 떨어진 거리만큼 감소하는 가중치를 할당하는 것이 바람직하다.
또한, 상기 상관관계 측정단계는, 다음과 같은 식에 기초할 수 있다.
Figure 112009081770679-pat00001
여기서, N CTA 는 상기 CTA 영상에서 특징점으로 추출한 경계점 개수이며, F CTA (i)는 상기 CTA 영상에서 추출한 경계점 중 i번째 경계점을 가리키는 좌표이고, M CTA 는 해당 좌표에서 상기 CTA 영상의 경계에 설정된 크기를 나타내며, 상기 CTA 영상에서 경계인 지점은 크기를 모두 1로 설정하고, T( F CTA (i))는 상기 CTA 영상의 i번째 경계점이 CT 영상으로 변환했을 때 CT 영상 좌표이며, W CT 은 상기 CT 영상에서 계산된 거리지도의 가중치 값을 나타낸다.
또한, 상기 혈관 추출단계는, 상기 CT 영상에 1-픽셀 확장 연산을 적용하고 확장된 상기 CT 영상의 밝기값 정보를 비교하여 뼈 및 혈관을 분류하는 단계; 상기 분류단계에 기초하여 임계조건을 산정하고, 산정된 상기 임계조건을 통해 뼈와 혈관의 후보군을 분류하며 상기 뼈 후보군을 소거하는 단계; 및 상기 혈관 마스킹을 이용하여 뼈에 인접한 혈관을 분할하는 단계를 포함할 수 있다.
이 경우, 상기 임계조건으로 뼈는 500HU 이상이며, 혈관은 100~500HU를 적용하는 것이 바람직하다.
또한, 상기 뼈 후보군 소거단계는, 상기 혈관 후보군에서 상기 CTA 영상의 밝기값이 상기 CT 영상의 밝기값보다 높은 경우, 조영제가 투여된 혈관으로 판단하여 추출하고, 그 외의 경우는 뼈로 판단하여 소거하는 것이 바람직하다.
또한, 상기 뼈 후보군 소거단계는, 상기 혈관 후보군 중 상기 CT 영상에서 200 HU 이상의 밝기값을 가지면 뼈로 추출하여 소거하고, 상기 CTA 영상의 밝기값이 상기 CT 영상의 밝기값보다 높은 경우 상기 CTA 영상과 상기 CT 영상의 차이값을 적용하여 혈관으로 추출하는 것이 바람직하다.
또한, 상기 잡음 제거단계는, 추출된 상기 혈관의 정보를 이진화하고, 크기 필터를 통해 가장 큰 연결성을 갖는 혈관의 중심점을 초기 씨앗점으로 산정하는 단계; 및 상기 씨앗점을 시작으로 주변 26-복셀을 탐색하여 혈관일 경우 마스킹하고 연속적으로 확장하여 혈관을 추적하는 단계를 포함할 수 있다. 이 경우, 상기 혈관 추적단계에 의해 혈관으로 마스킹되지 않으면서 혈관과 유사하거나 혈관보다 높은 밝기값을 갖는 정보를 잡음으로 판단하여 제거하는 것이 바람직하다.
또한, 상기 석회질 추출단계는, 밝기값 기반의 석회질 후보군을 산정하는 단계; 및 추출된 상기 혈관의 정보를 이용하여 혈관을 추적하고, 산정된 상기 석회질 후보군 중 혈관 내부에 있는 석회질 후보군을 제외한 나머지를 뼈의 잡음으로 제거하는 단계를 포함할 수 있다.
한편, 상기의 혈관 및 석회질 자동 추출방법은, 조영된 CT 및 CTA 영상으로부터 뼈의 연결성 정보를 이용하여 하지를 소정개수의 영역으로 구역화하는 구역화부; 상기 구역화부에 의해 구역화된 각각의 상기 영역에 대하여, 상기 CT 및 CTA 영상의 거리지도를 이용하여 강체 정합하는 정합부; 각각의 상기 영역에 대하여, 밝기값 정보 및 혈관 마스킹을 이용하여 뼈 정보를 제거하고 혈관을 추출하는 혈관 추출부; 혈관 추적 기반의 후처리 방법을 이용하여 상기 강체 정합의 오차로 발생하는 잡음을 제거하는 잡음 제거부; 및 추출된 상기 혈관의 추적을 이용하여 석회질을 추출하는 석회질 추출부를 포함하는 혈관 및 석회질 자동 추출장치에 의해 실행될 수 있다.
여기서, 상기 정합부는, 라플라시안 연산자를 이용하여 각각의 상기 영역에서의 뼈의 경계를 특징점으로 검출하는 특징점 검출부; 검출된 각각의 상기 특징점에 체스보드 거리지도를 기준으로 마스크를 할당하여 거리지도를 생성하는 거리지도 생성부; 및 생성된 상기 거리지도에 기초하여 상관관계를 측정하는 상관관계 측정부를 구비하는 것이 바람직하다.
또한, 상기 혈관 추출부는, 상기 CT 영상에 1-픽셀 확장 연산을 적용하고 확장된 상기 CT 영상의 밝기값 정보를 비교하여 뼈 및 혈관을 분류하는 분류부; 상기 분류부에 기초하여 임계조건을 산정하고, 산정된 상기 임계조건을 통해 뼈와 혈관의 후보군을 분류하며 상기 뼈 후보군을 소거하는 뼈후보군 소거부; 및 상기 혈관 마스킹을 이용하여 뼈에 인접한 혈관을 분할하는 혈관 분할부를 구비하는 것이 바람직하다.
또한, 상기 잡음 제거부는, 추출된 상기 혈관의 정보를 이진화하고, 크기 필터를 통해 가장 큰 연결성을 갖는 혈관의 중심점을 초기 씨앗점으로 산정하는 씨앗점 산정부; 및 상기 씨앗점을 시작으로 주변 26-복셀을 탐색하여 혈관일 경우 마스 킹하고 연속적으로 확장하여 혈관을 추적하는 혈관 추적부를 포함하는 것이 바람직하다. 이 경우, 상기 잡음 제거부는, 상기 혈관 추적부에 의해 혈관으로 마스킹되지 않으면서 혈관과 유사하거나 혈관보다 높은 밝기값을 갖는 정보를 잡음으로 판단하여 제거하는 것이 바람직하다.
또한, 상기 석회질 추출부는, 밝기값 기반의 석회질 후보군을 산정하는 석회질 후보군 산정부; 및 추출된 상기 혈관의 정보를 이용하여 혈관을 추적하고, 산정된 상기 석회질 후보군 중 혈관 내부에 있는 석회질 후보군을 제외한 나머지를 뼈의 잡음으로 제거하는 나머지 잡음 제거부를 포함하는 것이 바람직하다.
본 발명에 따르면, 자동 지역 구역화를 통해 뼈의 부분적인 움직임에도 견고하게 혈관을 추출할 수 있으며, 거리지도 기반의 강체 정합을 통하여 CT와 CTA 영상간 움직임을 정확하고 빠르게 산정할 수 있게 된다.
또한, CTA 영상에서 뼈 소거법을 사용하여 복잡한 구조물인 뼈를 제거함으로써 주변 조직의 손실 없이 가는 혈관까지 정확하게 추출할 수 있으며, 혈관 마스킹을 통해 뼈에 인접한 혈관의 깎임 없이 정확하게 추출할 수 있다.
또한, 혈관 추적 기반의 후 처리 과정을 통해 정합 오차로 인해 발생하는 잡음을 보정함으로서 혈관 추출의 정확성을 높일 수 있게 된다. 이때, 석회질은 임계기법 및 크기 필터를 통해 석회질 후보군을 산정하고, 혈관 추적을 통해 혈관 내벽에 존재하는 후보군을 석회질로 추출함으로써 뼈의 잡음과 구분하여 정확하게 추출 할 수 있다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예에 따른 뼈 소거법 기반의 하지 혈관 및 석회질 자동 추출방법 및 그 장치를 상세하게 설명한다.
도 2는 본 발명의 일 실시예에 따른 혈관 및 석회질 자동 추출장치를 개략적으로 도시한 도면이다. 도면을 참조하면, 하지 혈관 및 석회질 자동 추출장치(100)는, 조영된 CT 및 CTA 영상으로부터 뼈의 연결성 정보를 이용하여 하지를 소정개수의 영역으로 구역화하는 구역화부(110), 구역화부(110)에 의해 구역화된 각각의 영역에 대하여, CT 및 CTA 영상의 거리지도를 이용하여 강체 정합하는 정합부(120), 각각의 영역에 대하여, 밝기값 정보 및 혈관 마스킹을 이용하여 뼈 정보를 제거하고 혈관을 추출하는 혈관 추출부(130), 혈관 추적 기반의 후처리 방법을 이용하여 강체 정합의 오차로 발생하는 잡음을 제거하는 잡음 제거부(140), 및 추출된 혈관의 추적을 이용하여 석회질을 추출하는 석회질 추출부(150)를 구비한다.
여기서, 정합부(120)는, 라플라시안 연산자를 이용하여 각각의 영역에서의 뼈의 경계를 특징점으로 검출하는 특징점 검출부(122), 검출된 각각의 특징점에 체스보드 거리지도를 기준으로 마스크를 할당하여 거리지도를 생성하는 거리지도 생성부(124), 및 생성된 거리지도에 기초하여 상관관계를 측정하는 상관관계 측정부(126)를 구비할 수 있다.
또한, 혈관 추출부(130)는, CT 영상에 1-픽셀 확장 연산을 적용하고 확장된 CT 영상의 밝기값 정보를 비교하여 뼈 및 혈관을 분류하는 분류부(132), 분류부(132)에 기초하여 임계조건을 산정하고, 산정된 임계조건을 통해 뼈와 혈관의 후보군을 분류하며 뼈 후보군을 소거하는 뼈후보군 소거부(134), 및 혈관 마스킹을 이용하여 뼈에 인접한 혈관을 분할하는 혈관 분할부(136)를 구비할 수 있다.
또한, 잡음 제거부(140)는, 추출된 혈관의 정보를 이진화하고, 크기 필터를 통해 가장 큰 연결성을 갖는 혈관의 중심점을 초기 씨앗점으로 산정하는 씨앗점 산정부(142), 및 씨앗점을 시작으로 주변 26-복셀을 탐색하여 혈관일 경우 마스킹하고 연속적으로 확장하여 혈관을 추적하는 혈관 추적부(144)를 구비할 수 있다. 이 경우, 잡음 제거부(140)는 혈관 추적부(144)에 의해 혈관으로 마스킹되지 않으면서 혈관과 유사하거나 혈관보다 높은 밝기값을 갖는 정보를 잡음으로 판단하여 제거하는 것이 바람직하다.
또한, 석회질 추출부(150)는, 밝기값 기반의 석회질 후보군을 산정하는 석회질 후보군 산정부(152), 및 추출된 혈관의 정보를 이용하여 혈관을 추적하고, 산정된 석회질 후보군 중 혈관 내부에 있는 석회질 후보군을 제외한 나머지를 뼈의 잡음으로 제거하는 나머지 잡음 제거부(154)를 구비할 수 있다.
여기서, 본 발명의 실시예에 따른 혈관 및 석회질 자동 추출장치는 하지의 경우를 예로서 설명하지만, 본 발명은 하지의 경우에 한정되는 것은 아니다. 이하 마찬가지이다.
도 3은 도 2의 혈관 및 석회질 자동 추출장치에 의한 혈관 및 석회질 자동 추출방법을 나타낸 흐름도이다.
도면을 참조하면, 본 발명의 일 실시예에 따른 혈관 및 석회질 자동 추출방법은, 조영된 CT(Computed Tomography) 및 CTA(Computed Tomography Angiography) 영상으로부터 뼈의 연결성 정보를 이용하여 하지를 소정개수의 영역으로 구역화하는 단계(S210), 구역화 단계 S210에 의해 구역화된 각각의 영역에 대하여, CT 및 CTA 영상의 거리지도를 이용하여 강체 정합하는 단계(S220), 구역화된 각각의 영역에 대하여, 밝기값 정보 및 혈관 마스킹을 이용하여 뼈 정보를 제거하고 혈관을 추출하는 단계(S230), 혈관 추적 기반의 후처리 방법을 이용하여 강체 정합의 오차로 발생하는 잡음을 제거하는 단계(S240), 및 추출된 혈관의 추적을 이용하여 석회질을 추출하는 단계(S250)를 포함한다.
먼저, 하지를 소정개수의 영역으로 구역화하는 단계(S210)를 살펴보면, 하지는 뼈를 기준으로 골반, 넓적다리, 종아리, 발목 등의 부위로 이루어져 있으며, 각 부위에 대하여 부분적인 움직임이 발생한다. 이로 인해, CT와 CTA 영상간 강체 정합 시 전역적인 정합을 수행하면 각 부위의 움직임에 따른 오차가 발생하여 정확성이 떨어지기 때문에, 각 부위별 움직임을 반영할 수 있는 부위별 강체 정합이 필요하다. 따라서 본 발명의 실시예에서는 뼈의 연결성 정보를 이용한 자동 지역 구역화 방법을 제안한다.
이를 위해 먼저, 임계값 기법을 이용하여 뼈 후보군을 추출한다. 이때, 임계값은 잡음을 포함하지 않고 완전한 연결성을 갖는 뼈를 추출하기 위해 500HU(Hounsfield Unit)으로 적용한다. 추출된 뼈 후보군은 연결요소 라벨 링(Connected Component Labeling) 방법을 사용하여 뼈를 하나의 단위로 그룹화하고, 크기 필터를 통해 50-픽셀 이하를 갖는 뼈의 작은 조각들은 제거하여 연결성이 큰 뼈만을 그룹화한다. 도 4는 하지 부위별 자동 분할 결과의 예를 나타낸 도면으로서, 도 4의 (a)는 각 슬라이스별 뼈 개수를 나타내며, 도 4의 (b)는 하지 자동 구역화의 결과를 나타낸다. 도 4(a)의 각 슬라이스별 뼈 개수를 산정한 그래프로부터 뼈는 크게 2개, 4개 그리고 여러 개로 나누어지는 것을 볼 수 있다. 따라서 2개의 뼈를 갖는 부위는 넓적다리, 4개의 뼈를 갖는 부위는 종아리, 종아리 아래의 뼈 부위는 발가락, 그 외의 여러 개의 뼈로 구성된 부위는 골반으로 분할할 수 있다. 또한, 도 3(b)는 7개 부위로 구역화된 결과를 나타낸다. 하지를 해부학적으로 의미가 있는 7개의 영역으로 자동 구역화함으로써, 부위별 정합을 수행할 수 있으며, 각 부위별 움직임을 반영하여 견고하게 혈관을 분할할 수 있게 된다.
거리지도 기반의 강체 정합 단계(S220)를 살펴보면, CT와 CTA 영상은 시간차를 두고 획득되기 때문에 환자의 움직임에 따른 영상간 차이가 발생한다. 따라서 CTA 영상에서 뼈를 제거하기 전에 CT와 CTA 영상을 정합하여 대응되는 위치를 찾는 것이 중요하다. 기존의 정합 기법으로 제곱차 거리합계(SSD: Sum of Squared Difference)방법이 있으나, 이상치 또는 지역적 최적값에 빠져 정확한 움직임을 산정하지 못하는 한계가 있다. 따라서 본 발명에서는 뼈 부위의 모든 복셀에 대하여 유사성을 측정할 뿐 아니라 거리지도를 사용하여 최적의 위치로 정합하는 기존 제안기법을 적용한다.
이를 위해 먼저, 하지 CT-CTA 영상에서 임계값을 설정하여 뼈 영역을 추출하 고, 라플라시안 연산자(Laplacian operator)를 사용하여 뼈의 경계를 특징점으로 검출한다(S222). 이때, 영상의 특징점이 많을수록 좌표 변환에 따른 처리 시간이 길어지는 단점이 있기 때문에, 블록 샘플링과 균일 샘플링을 통해 정합시 최소로 필요로 하는 특징점만 남기는 것이 바람직하다.
다음에, 추출된 각각의 특징점에 체스보드 거리지도를 기준으로 마스크를 할당하여 3D 거리지도를 생성한다(S224). 이때, 가중치는 수학식 1과 같이 중심이 가장 크고 중심으로부터 떨어진 거리만큼 가중치 W를 감소시켜 할당하는 것이 바람직하다.
Figure 112009081770679-pat00002
이 때, M은 계산하려는 마스크 내의 좌표이고, C는 마스크 중심좌표이다. 또한, D는 x, y, z축의 중심 좌표간의 차이를 계산한 것이다. 또한, N은 마스크 크기로 본 발명의 실시예에서는 실험적으로 얻은 9로 설정한다. 이와 같이 생성된 거리지도는 강체 변환된다(S226). 도 5는 거리지도의 생성 예를 나타낸 도면으로서, 도 5의 (a)는 라플라시안 연산자를 적용하여 검출한 경계를 나타내며, 도 5의 (b)는 (a)의 추출된 경계를 거리지도로 변환한 결과를 나타낸다.
상기와 같이 산정된 거리지도에 기초하여 수학식 2와 같이 상관관계를 측정 한다(S228). 상관관계는 CTA 영상이 CT 영상과 정렬되었을 때 유사도가 최대를 이룬다.
Figure 112009081770679-pat00003
여기서, N CTA 는 CTA 영상에서 특징점으로 추출한 경계점 개수이며, F CTA (i)는 CTA 영상에서 추출한 경계점 중 i번째 경계점을 가리키는 좌표이다. 또한, M CTA 는 해당 좌표에서 CTA 영상의 경계에 설정된 크기를 나타내며 CTA 영상에서 경계인 지점은 크기를 모두 1로 설정한다. 또한, T( F CTA (i))는 CTA 영상의 i번째 경계점이 CT 영상으로 변환했을 때 CT 영상 좌표이다. W CT 은 CT 영상에서 계산된 거리지도의 가중치 값이다.
정합을 위한 변환은 회전벡터와 이동벡터 순으로 수행하며 변환 수행 시 CT 영상 격자에 정확히 변환되지 않을 경우 보간 과정이 필요하며, 본 발명에서는 삼각선형 보간(trilinear interpolation)을 사용한다. 또한, 최적 위치 탐색 시 파웰 기법(Powell's method)을 적용하여 빠른 시간 안에 최적의 위치로 수렴하도록 한다.
본 발명에서는 볼륨데이터를 모두 이용하지 않고 특징점을 추출함으로써 불필요한 계산을 줄여 정합 속도를 높이고, 거리지도 기반의 정합을 수행함으로써 지 역적 최적화 지점에 영향을 받지 않고 견고하게 수렴하여 CT와 CTA 영상간의 움직임을 정확하게 산정할 수 있다.
다음에, 혈관을 추출하는 단계(S230)를 살펴본다.
CTA 영상에서 혈관을 추출하기 위하여 높은 밝기값과 복잡한 구조를 갖는 뼈 정보를 제거하는 과정이 필요하다. 기존에 일반적으로 사용되던 영상 차감 기반의 방법은, 연조직이나 근육 등의 주변 구조물이 모두 제거되고 조영이 약한 경우 혈관을 추출하지 못하는 문제점이 있다. 또한, 강체 정합의 오류로 인하여 뼈의 경계 부위가 남거나, 뼈에 인접한 혈관의 경우 높은 밝기값을 갖는 뼈에 의해 혈관 정보가 손실되는 문제점이 있다. 따라서, 본 발명에서는 주변 조직이나 혈관의 손실 없이 혈관을 추출하기 위하여 혈관 마스킹과 뼈 소거법 기반의 혈관 추출 기법을 제안한다.
먼저, 정합의 오차로 인해 발생하는 뼈의 경계까지 제거하기 위하여 CT 영상에 영상의 1픽셀 확장을 통해 객체의 크기를 확장하는 1-픽셀 확장 연산을 적용하고 확장된 CT 영상의 밝기값 정보를 비교하여 뼈 및 혈관을 분류한다(S232). 도 6은 하지 CTA 영상에서 발기 값 분포를 나타낸 도면으로서, 도 6의 (a)는 CTA 영상에서 각 조직이 갖는 밝기값 분포를 나타낸 그래프이며, 도 6의 (b)의 축에 대한 밝기값을 측정한 경우를 나타낸다. 여기서, 뼈는 500HU 이상의 밝기값 분포를 가지며, 혈관은 200HU 정도의 밝기 분포를 갖는다. 따라서 밝기값 정보를 임계 조건으로 하여 뼈와 혈관의 예상 영역을 분류할 수 있다. 본 발명에서는 실험을 통한 최적의 임계 조건을 산정하여 뼈는 500HU 이상, 혈관은 100~500HU의 임계 조건을 적용한다.
최적으로 산정된 임계 조건을 통해 뼈와 혈관의 후보군을 분류하고 뼈 후보군은 소거한다(S234). 혈관 후보군에서 CTA 영상의 밝기값이 CT 영상의 밝기값보다 높은 경우 조영제가 투여된 혈관으로 판단하여 추출하고 그 외의 경우는 뼈로 판단하여 소거한다. 혈관 예상 영역에서 밝기값 기반의 혈관 추출은 수학식 3과 같다.
Figure 112009081770679-pat00004
여기서, DCT와 DCTA는 CT와 CTA 영상의 밝기값, Cv는 혈관 후보군, Cb는 뼈 후보군을 의미한다. CT 영상의 밝기값은 -1024 ~ 3071 범위를 갖기 때문에 뼈로 추출된 경우 최저값인 -1024를 적용하여 소거한다. 또한, 혈관 후보군 중 CT 영상에서 200 HU 이상의 밝기값을 가지면 뼈로 추출하여 소거하고, CTA 영상의 밝기값이 CT 영상의 밝기값보다 높은 경우 CTA 영상과 CT 영상의 차이값을 적용하여 혈관으로 추출한다.
혈관 마스킹 과정에서는 인접한 24개 픽셀에 대해 조건을 검사하여 주변 픽셀이 뼈 정보를 갖는다면 뼈에 인접한 혈관이라 판단하고 혈관이 CTA 영상의 정보를 유지하도록 마스킹 한다(S236). 도 7은 혈관 마스킹 과정을 나타낸 도면으로서, 도 7의 (a)는 주변을 탐색하는 과정을 나타낸 것으로 뼈에 인접한 혈관임을 알 수 있고, 도 7의 (b)는 혈관 마스킹을 적용하지 않은 결과로 혈관이 깎인 것을 볼 수 있다. 또한, 도 7의 (c)는 혈관 마스킹을 적용한 후의 결과로 혈관 손실을 최소화한 결과를 볼 수 있다.
본 발명에서는 CTA 영상에서 혈관을 마스킹하고 뼈 정보를 소거하여 연조직이나 근육 등의 주변 정보를 유지하며 뼈에 인접한 혈관도 정확하게 추출할 수 있다.
다음에, 잡음 제거단계(S240)를 살펴본다.
강체 정합과 뼈 소거법을 적용한 후에도 정합 오차로 인해 뼈가 완전히 제거되지 못하고 잡음으로 남는 경우가 발생한다. 따라서 혈관 추출의 정확성을 높이고 효과적으로 가시화하기 위하여 잡음을 제거하는 것이 필요하다. 본 발명에서는 남아있는 잡음을 제거하기 위하여 혈관 추적 기반의 후처리 기법을 제안한다.
먼저, 전 단계에서 추출된 혈관 정보를 이용하여 혈관을 추적한다. CTA 영상에서 추출된 혈관 정보를 이진화 하고, 크기 필터를 통해 가장 큰 연결성을 갖는 혈관의 중심점을 초기 씨앗점으로 산정한다(S242). 씨앗점을 시작으로 주변 26-복셀을 탐색하여 혈관일 경우 마스킹하고 연속적으로 확장함으로써 혈관을 추적한다(S244). 이 때, 혈관으로 마스킹 되지 않으면서 혈관과 유사하거나 높은 밝기값을 갖는 정보는 잡음으로 판단하여 제거한다. 도 8은 영역 확장 기법을 통한 혈관 추적 기반의 잡음 제거를 설명하기 위해 도시한 도면으로서, 도 8의 (a)는 씨앗점을 산정하는 과정으로 이진화된 혈관에서 그룹별 픽셀의 개수를 세어 가장 큰 크기를 갖는 혈관의 중심점을 씨앗점으로 산정하는 것을 나타내며, 도 8의 (b)는 영역 확장하는 과정으로 s는 씨앗점, v는 전 단계에서 추출된 혈관 정보, n은 잡음을 의미한다. 또한, 도 8의 (c)는 혈관을 마스킹하고 확장하는 과정으로 마스킹 된 혈관 외의 잡음은 제거한 결과를 나타낸다.
도 9는 혈관 추적 기반의 후처리에 따른 결과를 나타낸 도면으로서, 도 9의 (a)는 강체 정합과 뼈 소거법을 적용한 후의 영상을 나타내고, 도 9의 (b)는 후처리 과정을 통하여 잡음이 보정된 결과를 나타낸 도면이다. 표시된 영역에서 알 수 있듯이, 뼈 및 연골의 잡음을 제거하여 혈관 추출의 정확성을 높인 것을 볼 수 있다.
본 발명에 따른 혈관 추적을 통한 후처리 과정은, 이전 단계에서 남은 잡음을 제거함으로써 혈관 추출의 정확성을 높이고, 효과적으로 혈관을 가시화할 수 있도록 한다.
마지막으로, 석회질 추출단계(S250)를 살펴본다.
석회질은 협착증 및 여러 혈관 질환의 원인이 되는 것으로 석회화 진행 정도를 추측하기위해 석회질을 추출하는 것이 중요하다. 그러나, 석회질의 경우 뼈와 유사한 밝기 값을 가지므로 석회질을 분리하여 식별하기에 한계가 있다. 본 발명에서는 밝기값 및 크기 필터를 통한 석회질 후보군 추출과 혈관 추적 기반의 석회질 추출 기법을 제안한다.
먼저 임계값 기법을 적용하여 500HU 이상의 밝기값을 갖는 정보를 추출하고 크기 필터를 적용하여 작은 조각들을 산정한다(S252). 이때, 크기 필터는 골반 부위 180 픽셀, 넓적다리 및 종아리 100 픽셀로 적용한다. 산정된 부분은 석회질의 후보군으로 석회질 정보와 뼈의 잡음 등을 포함하고 있다. 석회질은 혈관 내벽에 붙어 생성되기 때문에 이전 단계에서 추출된 혈관 정보를 이용하여 혈관을 추적하고 석회질 후보군 중 혈관 내부에 있는 석회질 후보군만을 남기고 나머지는 뼈의 잡음으로 제거한다(S254).
도 10은 석회질 추출 과정을 나타낸 도면으로서, 도 10의 (a) 및 (b)는 임계값 기법과 크기 필터를 통해 산정한 석회질 후보군으로 화살표로 표시된 영역과 같이 석회질과 함께 뼈의 잡음들도 함께 산정된 것을 볼 수 있다. 또한, 도 10의 (c) 및 (d)는 추출된 혈관을 추적하여 혈관 내벽에 존재하는 석회질 후보군을 석회질로 추출한 결과를 나타낸 도면이다. 여기서, 혈관 내벽에 있는 석회질만 남기고 뼈의 잡음은 제거된 것을 볼 수 있다. 본 발명의 혈관 추적을 통한 석회질 추출 과정은, 밝기값과 크기 등의 정보를 이용하고 혈관의 내벽을 따라 분포하는 임상학적 특징을 적용하여 석회질을 정확하게 추출할 수 있도록 한다.
본 발명에 대한 실험은 인텔 코어2듀오 6600 2.4GHz CPU와 3.0GB 메모리를 장착한 PC에서 수행하였다. 실험데이터로는 Philips Brilliance 64와 Siemens Sensation 16에서 촬영된 서로 다른 환자로부터 획득한 13개의 하지 CT와 CTA 영상을 사용하였다. CT와 CTA 영상의 크기는 512×512, 픽셀 크기는 0.68~0.93mm, 슬라이스 간격은 1.5mm이며 962~1159장을 갖는다. 각 데이터는 보정물이 존재하거나, 석회질로 인한 협착증이 있는 환자, 혈관 폐색 질환을 갖는 환자 데이터들로 이루어져 있다. 본 발명에 따른 하지 혈관 및 석회질 자동 추출 방법의 결과 분석을 위해 추출된 혈관의 가시화를 통한 육안 평가와 밝기값 분포도 분석을 통한 정확성 평가 그리고 수행 시간을 측정하였다
도 11은 하지 CT 및 CTA 영상으로 볼륨렌더링 및 최대강도 투영영상을 통해 3차원으로 가시화한 결과로서, 도 11의 (a)는 CT 영상으로 뼈 및 주변 조직의 정보를 갖고 있고, 도 11의 (b)는 CTA 영상으로 뼈 이외에 조영된 혈관 정보를 포함하고 있는 것을 볼 수 있다. 특히, 종아리 부위의 경우 혈관이 뼈에 인접하여 존재하며, 복잡한 뼈 정보에 가려져 혈관을 판별하기 어렵다.
도 12는 본 발명에 따른 하지 혈관 및 석회질 자동 추출 방법을 적용한 하지 혈관 및 석회질 자동 추출 결과를 VR과 MIP로 나타낸 것으로서, 도 12의 (a)로부터 가는 혈관이 손실 없이 정확하게 추출되었으며, 뼈가 완전히 제거되어 혈관이 효과적으로 가시화된 것을 볼 수 있다. 또한, 종아리 부위와 같이 뼈와 인접하여 존재하는 혈관도 깎임 없이 정확하게 추출되었다. 또한, 도 12의 (b)의 결과로부터 하얗게 표시된 영역은 석회질로 추출된 결과로 혈관 내벽을 따라 정확하게 추출되었음을 알 수 있다.
도 13은 기존 방법과 제안 방법의 혈관 추출 결과를 비교한 도면으로서, (a)는 CTA 영상에서 CT 영상을 차감한 영상 차감 기반 기법의 결과를 나타낸다. 도 13의 (a)로부터 영상 획득 시 발생하는 환자의 움직임으로 인하여 영상을 정합하지 않고 차감하면 뼈가 완전히 제거되지 못하는 결과를 볼 수 있다. 도 13의 (b)는 강체 정합 후 영상 차감한 결과로 뼈 정보는 제거되었으나 정합 오차로 인한 잡음이 발생하며 화살표로 표시된 영역과 같이 혈관이 손실된 것을 나타낸다. 또한, 도 13의 (c)는 본 발명에 따른 하지 혈관 및 석회질 자동 추출 방법을 적용한 결과로 복 잡한 뼈 정보 및 잡음이 완전히 제거되었고, 가는 혈관의 손실 없이 정확하게 추출된 결과를 볼 수 있다. 또한, 원으로 표시된 영역은 석회질에 의한 협착증이 발생하는 부분으로 기존 방법으로는 확인하기 어려웠으나 제안 방법을 적용한 결과에서는 석회질에 의해 깎인 형태까지 정확하게 추출함으로써 혈관 질환이 발생하는 부위 또한 식별이 가능하다.
도 14는 뼈에 인접한 혈관 추출의 정확성을 보기 위하여 혈관이 뼈 주위에 존재하는 특징을 갖는 종아리 부위에 기존 방법 및 본 발명에 따른 방법을 적용한 결과이다. 도 14의 (a)로부터 CTA 영상으로 뼈와 혈관이 매우 인접하게 위치하는 것을 볼 수 있다. 또한, 도 14의 (b)는 정합 후 영상 차감하는 기존 방법을 적용한 결과로 화살표로 표시된 영역과 같이 뼈에 인접한 혈관의 경우 정합의 오차로 인해 혈관 일부가 손실된 것을 볼 수 있다. 또한, 도 14의 (c)는 본 발명에 따른 하지 혈관 및 석회질 자동 추출 방법을 적용한 결과로 혈관 마스킹 기법에 의해 뼈에 인접한 혈관도 손실 없이 정확하게 추출되었다.
도 15는 제안 방법을 적용한 석회질 추출 결과의 볼륨 렌더링과 최대 강도 투영 영상, 단면 확대 영상으로 도 15(a)는 석회질 추출 결과를 볼륨 렌더링으로 보여준 것으로 혈관은 주황색 석회질은 파란색 영역으로 표시되었다. 도 15(b)는 최대 강도 투영 영상으로 하얗게 강조된 영역이 석회질 영역을 나타낸다. 석회질이 혈관 내벽을 따라 분포하고 있는 것을 볼 수 있다. 도 15(c)는 단면 확대 영상으로 녹색으로 표시된 부분이 추출된 석회질을 나타낸다. 석회질이 혈관 내벽에 다양한 크기와 형태로 존재하는 것을 볼 수 있고, 특히 유사한 밝기 값을 갖는 뼈와 정확 하게 구별되어 추출된 것을 볼 수 있다.
혈관 추출의 정확성을 평가를 위하여 CTA 영상과 기존 방법 및 본 발명에 따른 방법을 적용하여 추출된 혈관의 밝기값 분포를 비교하였다. 도 15의 (a)는 CTA 영상의 밝기값 분포를 나타내고, 도 15의 (b)는 영상 차감 기법 기반 방법을 적용한 결과의 밝기값 분포를 나타낸다. CTA 영상과 비교해 볼 때 주변 조직의 밝기값이 손실되거나 뭉침이 발생하고 전체적인 밝기값이 낮아진 경향을 볼 수 있다. 또한, 화살표로 표시된 부분처럼 뼈 잡음이 제거되지 못하고 남아 있는 것을 볼 수 있다. 도 15의 (c)는 제안 방법을 적용한 결과로 CTA 영상의 밝기값 분포와 유사하면서 높은 밝기값을 갖는 뼈 정보가 제거된 것을 볼 수 있다.
도 16은 본 발명에 따른 하지 혈관 및 석회질 자동 추출 방법의 자동 지역 구역화 단계(S210), 거리지도 기반의 강체 정합 단계(S220), 혈관 마스킹 및 뼈 소거법을 통한 혈관 추출 단계(S230) 및 혈관 추적을 통한 후처리 단계(S240)로 구분하여 수행시간을 측정한 결과이다. 이와 같은 단계를 수행하는데 약 1100장의 볼륨에서 평균 40초의 수행시간이 걸렸다.
본 발명에서는 CT 및 조영 된 CT 영상에서 하지 혈관을 추출하는 방법을 제안하였다. 이와 같은 방법에 따라 자동 지역 구역화를 통해 뼈의 부분적인 움직임에도 견고하게 혈관을 추출할 수 있었고, 거리지도 기반의 강체 정합을 통하여 CT와 CTA 영상간 움직임을 정확하고 빠르게 산정하였다. 또한, CTA 영상에서 뼈 소거법을 사용하여 복잡한 구조물인 뼈를 제거함으로써 주변 조직의 손실 없이 가는 혈관까지 정확하게 추출할 수 있었고, 혈관 마스킹을 통해 뼈에 인접한 혈관의 깎임 없이 정확하게 추출하였다. 또한, 혈관 추적 기반의 후 처리 과정을 통해 정합 오차로 인해 발생하는 잡음을 보정함으로서 혈관 추출의 정확성을 높였다. 석회질은 임계기법 및 크기 필터를 통해 석회질 후보군을 산정하였고, 혈관 추적을 통해 혈관 내벽에 존재하는 후보군을 석회질로 추출함으로써 뼈의 잡음과 구분하여 정확하게 추출하였다. 제안 방법의 정확성 평가를 위해 육안 평가 및 밝기값 분포도를 분석한 결과 복잡한 뼈 정보를 효과적으로 제거 하였고, 가는 혈관 및 다른 조직의 손실 없이 뼈에 인접한 혈관의 경우에도 정확하게 추출하였다. 전체 수행시간은 약 40초로 혈관을 빠르게 추출하였다. 이때, 발목 하단 부위와 같이 조영이 약하고 혈관이 가는 경우 혈관 추출에 한계가 있고, 발가락의 부분적인 움직임으로 인한 잡음이 남는다. 발목 하단 부위는 추후 혈관 마스킹 및 연결 요소 라벨링을 통한 뼈 제거법과 혈관 보간법을 적용하여 개선 하고자 한다. 본 제안 방법을 통해 추출된 혈관은 볼륨렌더링 및 최대 강도 투영 영상을 통하여 가시화됨으로서 동맥류, 협착증, 폐색 등의 동맥 질환을 판별하고 수술 계획을 세우는데 효과적으로 활용될 수 있으며, 하지 뿐만 아니라 다른 기관의 혈관을 추출하는데 응용될 수 있다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석 되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
도 1은 하지 CTA 영상을 나타낸 도면으로서, (a)는 CTA 3차원 가시화 영상을 나타내며, (b)는 CTA 단면 영상을 나타낸다.
도 2는 본 발명의 실시예에 따른 하지 혈관 및 석회질 자동 추출장치를 개략적으로 도시한 도면이다.
도 3은 도 2의 하지 혈관 및 석회질 자동 추출장치에 의한 혈관 및 석회질 자동 추출 방법을 나타낸 흐름도이다.
도 4는 하지 부위별 자동 분할 결과의 예를 나타낸 도면으로서, (a)는 각 슬라이스별 뼈의 개수를 예시하며, (b)는 하지 자동 구역화 결과를 예시한다.
도 5는 거리지도의 생성 예를 나타낸 도면으로서, (a)는 경계 검출 결과의 예를 나타내며, (b)는 마스크를 적용한 결과의 예를 나타낸다.
도 6은 하지 CTA 영상에서 발기 값 분포를 나타낸 도면으로서, (a)는 CTA 영상에서 각 조직이 갖는 밝기값 분포를 나타낸 그래프이며, (b)의 축에 대한 밝기값을 측정한 경우를 나타낸다.
도 7은 혈관 마스킹 과정을 나타낸 도면으로서, (a)는 주변 탐색 과정을 나타내며, (b)는 혈관 마스킹 적용 전을 나타내고, (c)는 혈관 마스킹 적용 후를 나타낸 도면이다.
도 8은 영역 확장 기법을 통한 혈관 추적 기반의 잡음 제거를 설명하기 위해 도시한 도면으로서, (a)는 씨앗점 산정을 설명하기 위해 도시한 도면이며, (b)는 영역 확장 과정을 나타낸 도면이고, (c)는 혈관 마스킹 및 잡음제거 과정을 나타낸 도면이다.
도 9는 혈관 추적 기반의 후처리에 따른 결과를 나타낸 도면으로서, (a)는 강체 정합과 뼈 소거법을 적용한 후의 영상을 나타내고, (b)는 후처리 과정을 통하여 잡음이 제거된 결과를 나타낸 도면이다.
도 10은 석회질 후보군 및 석회질 추출 과정을 나타낸 도면으로서, (a)는 석회질 후보군 볼륨 렌더링을 나타낸 도면이며, (b)는 석회질 후보군 산정 결과의 단면을 나타낸 도면이고, (c)는 석회질 추출 결과의 볼륨 렌더링을 나타낸 도면이며, (d)는 석회질 추출 결과의 단면을 나타낸 도면이다.
도 11은 하지 CT 및 CTA 영상을 나타낸 도면으로서, (a)는 CT 볼륨 렌더링 및 최대강도 투영 영상을 나타내며, (b)는 CTA 볼륨 렌더링 및 최대강도 투영 영상을 나타낸다.
도 12는 하지 혈관 추출 결과를 나타낸 도면으로서, (a) 및 (b)는 각각 서로 다른 실험 데이터를 나타낸다.
도 13은 기존 방법 및 본 발명에 따른 하지 혈관 및 석회질 자동 추출 방법을 적용한 결과를 비교한 도면으로서, (a)는 영상 차감 기반의 방법에 따른 결과를 나타내며, (b)는 정합 후 영상 차감 방법에 따른 결과를 나타내고, (c)는 본 발명에 따른 하지 혈관 및 석회질 자동 추출 방법에 따른 결과를 나타낸다.
도 14는 종아리 부위에서 기존의 방법과 본 발명에 따른 하지 혈관 및 석회질 자동 추출방법의 적용 결과를 비교한 도면으로서, (a)는 CTA 영상을 나타내며, (b)는 정합 후 영상 차감 방법에 따른 결과를 나타내고, (c)는 본 발명에 따른 하 지 혈관 및 석회질 자동 추출 방법에 따른 결과를 나타낸다.
도 15는 석회질 추출 결과의 정확성을 평가하기 위한 도면으로서, (a)는 볼륨렌더링 결과이며, (b)는 최대 강도 투영영상 결과이고, (c)는 결과의 단면 확대 영상을 나타낸다.
도 16는 혈관 추출 결과의 밝기값 분포를 비교한 도면으로서, (a)는 CTA 영상의 밝기값 분포를 나타내며, (b)는 영상 차감 방법의 혈관 추출 결과를 나타내고, (c)는 본 발명에 따른 하지 혈관 및 석회질 자동 추출 방법에 따른 결과를 나타낸다.
도 17은 본 발명에 따른 하지 혈관 및 석회질 자동 추출방법의 수행시간 측정 결과를 나타낸 도면이다.

Claims (17)

  1. 조영된 CT(Computed Tomography) 및 CTA(Computed Tomography Angiography) 영상으로부터 뼈의 연결성 정보를 이용하여 하지를 소정개수의 영역으로 구역화하는 단계;
    상기 구역화 단계에 의해 구역화된 각각의 상기 영역에 대하여, 상기 CT 및 CTA 영상의 거리지도를 이용하여 강체 정합하는 단계;
    각각의 상기 영역에 대하여, 밝기값 정보 및 혈관 마스킹을 이용하여 뼈 정보를 제거하고 혈관을 추출하는 단계;
    혈관 추적 기반의 후처리 방법을 이용하여 상기 강체 정합의 오차로 발생하는 잡음을 제거하는 단계; 및
    추출된 상기 혈관의 추적을 이용하여 석회질을 추출하는 단계
    를 포함하는 것을 특징으로 하는 혈관 및 석회질 자동 추출 방법.
  2. 제 1항에 있어서,
    상기 구역화 단계는,
    조영된 상기 CT 및 CTA에 500HU(Hounsfield Unit)을 적용하여 뼈 후보군을 추출하며, 추출된 상기 뼈 후보군에 연결요소 라벨링(Connected Component Labeling) 방법을 사용하여 그룹화하는 것을 특징으로 하는 혈관 및 석회질 자동 추출 방법.
  3. 제 2항에 있어서,
    상기 구역화 단계는,
    조영된 상기 CT 및 CTA 영상으로부터 크기 필터를 통해 50 픽셀 이하를 갖는 뼈의 조각들은 제거하는 것을 특징으로 하는 혈관 및 석회질 자동 추출 방법.
  4. 제 1항에 있어서,
    상기 강체 정합 단계는,
    라플라시안 연산자(Laplacian operator)를 이용하여 각각의 상기 영역에서의 뼈의 경계를 특징점으로 검출하는 단계;
    검출된 각각의 상기 특징점에 체스보드 거리지도를 기준으로 마스크를 할당하여 거리지도를 생성하는 단계; 및
    생성된 상기 거리지도에 기초하여 CTA영상에서의 경계와 CT 영상에서의 경계 사이의 상관관계를 측정하는 단계
    를 포함하는 것을 특징으로 하는 혈관 및 석회질 자동 추출 방법.
  5. 제 4항에 있어서,
    상기 거리지도 생성단계는,
    중심으로부터 떨어진 거리만큼 감소하는 가중치를 할당하는 것을 특징으로 하는 혈관 및 석회질 자동 추출 방법.
  6. 제 4항에 있어서,
    상기 상관관계 측정단계는, 다음과 같은 식에 기초하는 것을 특징으로 하는 혈관 및 석회질 자동 추출 방법:
    Figure 112009081770679-pat00005
    여기서, N CTA 는 상기 CTA 영상에서 특징점으로 추출한 경계점 개수이며, F CTA (i)는 상기 CTA 영상에서 추출한 경계점 중 i번째 경계점을 가리키는 좌표이고, M CTA 는 해당 좌표에서 상기 CTA 영상의 경계에 설정된 크기를 나타내며, 상기 CTA 영상에서 경계인 지점은 크기를 모두 1로 설정하고, T( F CTA (i))는 상기 CTA 영상의 i번째 경계점이 CT 영상으로 변환했을 때 CT 영상 좌표이며, W CT 은 상기 CT 영상에서 계산된 거리지도의 가중치 값을 나타냄.
  7. 제 1항에 있어서,
    상기 혈관 추출단계는,
    상기 CT 영상에 1픽셀 확장을 통해 객체의 크기를 확장하는 1-픽셀 확장 연산을 적용하고 확장된 상기 CT 영상의 밝기값 정보를 비교하여 뼈 및 혈관을 분류하는 단계;
    상기 분류단계에 기초하여 임계조건을 산정하고, 산정된 상기 임계조건을 통해 뼈와 혈관의 후보군을 분류하며 상기 뼈 후보군을 소거하는 단계; 및
    상기 혈관 마스킹을 이용하여 뼈에 인접한 혈관을 분할하는 단계
    를 포함하는 것을 특징으로 하는 혈관 및 석회질 자동 추출 방법.
  8. 제 7항에 있어서,
    상기 임계조건으로 뼈는 500HU 이상이며, 혈관은 100~500HU를 적용하는 것을 특징으로 하는 혈관 및 석회질 자동 추출 방법.
  9. 제 7항에 있어서,
    상기 뼈 후보군 소거단계는,
    상기 혈관 후보군에서 상기 CTA 영상의 밝기값이 상기 CT 영상의 밝기값보다 높은 경우, 조영제가 투여된 혈관으로 판단하여 추출하고, 그 외의 경우는 뼈로 판단하여 소거하는 것을 특징으로 하는 혈관 및 석회질 자동 추출 방법.
  10. 제 7항에 있어서,
    상기 뼈 후보군 소거단계는,
    상기 혈관 후보군 중 상기 CT 영상에서 200 HU 이상의 밝기값을 가지면 뼈로 추출하여 소거하고, 상기 CTA 영상의 밝기값이 상기 CT 영상의 밝기값보다 높은 경우 상기 CTA 영상과 상기 CT 영상의 차이값을 적용하여 혈관으로 추출하는 것을 특징으로 하는 혈관 및 석회질 자동 추출 방법.
  11. 제 1항에 있어서,
    상기 잡음 제거단계는,
    추출된 상기 혈관의 정보를 이진화하고, 크기 필터를 통해 가장 큰 연결성을 갖는 혈관의 중심점을 초기 씨앗점으로 산정하는 단계; 및
    상기 씨앗점을 시작으로 주변 26-복셀을 탐색하여 혈관일 경우 마스킹하고 연속적으로 확장하여 혈관을 추적하는 단계
    를 포함하며,
    상기 혈관 추적단계에 의해 혈관으로 마스킹되지 않으면서 이전에 마스킹된 혈관의 밝기값과 혈관보다 높은 밝기값을 갖는 정보를 잡음으로 판단하여 제거하는 것을 특징으로 하는 혈관 및 석회질 자동 추출 방법.
  12. 제 1항에 있어서,
    상기 석회질 추출단계는,
    밝기값 기반의 석회질 후보군을 산정하는 단계; 및
    추출된 상기 혈관의 정보를 이용하여 혈관을 추적하고, 산정된 상기 석회질 후보군 중 혈관 내부에 있는 석회질 후보군을 제외한 나머지를 뼈의 잡음으로 제거하는 단계
    를 포함하는 것을 특징으로 하는 혈관 및 석회질 자동 추출 방법.
  13. 조영된 CT 및 CTA 영상으로부터 뼈의 연결성 정보를 이용하여 하지를 소정개 수의 영역으로 구역화하는 구역화부;
    상기 구역화부에 의해 구역화된 각각의 상기 영역에 대하여, 상기 CT 및 CTA 영상의 거리지도를 이용하여 강체 정합하는 정합부;
    각각의 상기 영역에 대하여, 밝기값 정보 및 혈관 마스킹을 이용하여 뼈 정보를 제거하고 혈관을 추출하는 혈관 추출부;
    혈관 추적 기반의 후처리 방법을 이용하여 상기 강체 정합의 오차로 발생하는 잡음을 제거하는 잡음 제거부; 및
    추출된 상기 혈관의 추적을 이용하여 석회질을 추출하는 석회질 추출부
    를 포함하는 것을 특징으로 하는 혈관 및 석회질 자동 추출장치.
  14. 제 13항에 있어서,
    상기 정합부는,
    라플라시안 연산자를 이용하여 각각의 상기 영역에서의 뼈의 경계를 특징점으로 검출하는 특징점 검출부;
    검출된 각각의 상기 특징점에 체스보드 거리지도를 기준으로 마스크를 할당하여 거리지도를 생성하는 거리지도 생성부; 및
    생성된 상기 거리지도에 기초하여 CTA영상에서의 경계와 CT 영상에서의 경계 사이의 상관관계를 측정하는 상관관계 측정부
    를 포함하는 것을 특징으로 하는 혈관 및 석회질 자동 추출장치.
  15. 제 13항에 있어서,
    상기 혈관 추출부는,
    상기 CT 영상에 1픽셀 확장을 통해 객체의 크기를 확장하는 1-픽셀 확장 연산을 적용하고 확장된 상기 CT 영상의 밝기값 정보를 비교하여 뼈 및 혈관을 분류하는 분류부;
    상기 분류부에 기초하여 임계조건을 산정하고, 산정된 상기 임계조건을 통해 뼈와 혈관의 후보군을 분류하며 상기 뼈 후보군을 소거하는 뼈후보군 소거부; 및
    상기 혈관 마스킹을 이용하여 뼈에 인접한 혈관을 분할하는 혈관 분할부
    를 포함하는 것을 특징으로 하는 혈관 및 석회질 자동 추출장치.
  16. 제 13항에 있어서,
    상기 잡음 제거부는,
    추출된 상기 혈관의 정보를 이진화하고, 크기 필터를 통해 가장 큰 연결성을 갖는 혈관의 중심점을 초기 씨앗점으로 산정하는 씨앗점 산정부; 및
    상기 씨앗점을 시작으로 주변 26-복셀을 탐색하여 혈관일 경우 마스킹하고 연속적으로 확장하여 혈관을 추적하는 혈관 추적부
    를 포함하며,
    상기 혈관 추적부에 의해 혈관으로 마스킹되지 않으면서 이전에 마스킹된 혈관의 밝기값과 혈관보다 높은 밝기값을 갖는 정보를 잡음으로 판단하여 제거하는 것을 특징으로 하는 혈관 및 석회질 자동 추출장치.
  17. 제 13항에 있어서,
    상기 석회질 추출부는,
    밝기값 기반의 석회질 후보군을 산정하는 석회질 후보군 산정부; 및
    추출된 상기 혈관의 정보를 이용하여 혈관을 추적하고, 산정된 상기 석회질 후보군 중 혈관 내부에 있는 석회질 후보군을 제외한 나머지를 뼈의 잡음으로 제거하는 나머지 잡음 제거부
    를 포함하는 것을 특징으로 하는 혈관 및 석회질 자동 추출장치.
KR1020090134389A 2009-12-30 2009-12-30 혈관 및 석회질 자동 추출장치 및 방법 KR101169138B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020090134389A KR101169138B1 (ko) 2009-12-30 2009-12-30 혈관 및 석회질 자동 추출장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020090134389A KR101169138B1 (ko) 2009-12-30 2009-12-30 혈관 및 석회질 자동 추출장치 및 방법

Publications (2)

Publication Number Publication Date
KR20110077740A KR20110077740A (ko) 2011-07-07
KR101169138B1 true KR101169138B1 (ko) 2012-07-30

Family

ID=44917292

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020090134389A KR101169138B1 (ko) 2009-12-30 2009-12-30 혈관 및 석회질 자동 추출장치 및 방법

Country Status (1)

Country Link
KR (1) KR101169138B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101492330B1 (ko) * 2013-07-26 2015-02-11 서울여자대학교 산학협력단 혈관 조영된 컴퓨터 단층 영상의 혈관 분할 시스템 및 그 분할 방법
US9262835B2 (en) 2012-11-01 2016-02-16 Samsung Electronics Co., Ltd. Method, apparatus, and medical imaging system for segmenting image of object from image of organ
KR101655910B1 (ko) * 2015-05-06 2016-09-09 재단법인 아산사회복지재단 혈관조영영상 정합 방법 및 정합 프로그램

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101529211B1 (ko) * 2014-02-11 2015-06-16 연세대학교 산학협력단 플라크 변화 분석 장치 및 방법
KR101630231B1 (ko) * 2014-10-29 2016-06-27 연세대학교 산학협력단 의료영상 기반 혈관 검출 방법 및 그 장치
KR101579902B1 (ko) * 2014-10-29 2015-12-24 연세대학교 산학협력단 혈관 검출 종료시점 결정 방법 및 그 장치
WO2016068395A1 (ko) * 2014-10-29 2016-05-06 연세대학교 산학협력단 의료영상 기반 혈관 검출 방법 및 그 장치
KR101635409B1 (ko) * 2015-06-26 2016-07-04 연세대학교 산학협력단 혈관 추적 장치 및 이의 혈관 추적 방법
KR102219378B1 (ko) * 2018-10-31 2021-02-24 주식회사 휴이노 인공 신경망을 이용하여 부정맥을 인식하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체
CN110009616B (zh) * 2019-04-01 2020-12-25 数坤（北京）网络科技有限公司 一种点状钙化检测方法
KR102521660B1 (ko) * 2020-11-30 2023-04-14 주식회사 메디픽셀 복수의 예측 결과를 활용한 혈관 영상 추출 방법 및 장치
CN112767333A (zh) * 2021-01-08 2021-05-07 心医国际数字医疗系统(大连)有限公司 一种基于cta影像的双下肢血管区域判断方法及系统
CN113598804A (zh) * 2021-07-29 2021-11-05 江苏明天互联网大健康科技有限公司 基于人工智能的双下肢去骨综合控制系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003310601A (ja) 2002-04-18 2003-11-05 Sumio Aizawa 石灰化度計測装置、石灰化度計測方法、石灰化度計測プログラム、石灰化度計測プログラムを記録したコンピュータ読取可能な記録媒体および予測方法
JP2007502676A (ja) 2003-08-21 2007-02-15 アイシェム コーポレイション 血管プラーク検出および分析のための自動化方法およびシステム
JP2008541904A (ja) 2005-06-02 2008-11-27 ノルディック・ビオサイエンス・エー／エス 大動脈の石灰化の度合いの定量的測度を取得する方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003310601A (ja) 2002-04-18 2003-11-05 Sumio Aizawa 石灰化度計測装置、石灰化度計測方法、石灰化度計測プログラム、石灰化度計測プログラムを記録したコンピュータ読取可能な記録媒体および予測方法
JP2007502676A (ja) 2003-08-21 2007-02-15 アイシェム コーポレイション 血管プラーク検出および分析のための自動化方法およびシステム
JP2008541904A (ja) 2005-06-02 2008-11-27 ノルディック・ビオサイエンス・エー／エス 大動脈の石灰化の度合いの定量的測度を取得する方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9262835B2 (en) 2012-11-01 2016-02-16 Samsung Electronics Co., Ltd. Method, apparatus, and medical imaging system for segmenting image of object from image of organ
KR101492330B1 (ko) * 2013-07-26 2015-02-11 서울여자대학교 산학협력단 혈관 조영된 컴퓨터 단층 영상의 혈관 분할 시스템 및 그 분할 방법
KR101655910B1 (ko) * 2015-05-06 2016-09-09 재단법인 아산사회복지재단 혈관조영영상 정합 방법 및 정합 프로그램

Also Published As

Publication number Publication date
KR20110077740A (ko) 2011-07-07

Similar Documents

Publication Publication Date Title
KR101169138B1 (ko) 혈관 및 석회질 자동 추출장치 및 방법
EP2194505B1 (en) Method and apparatus for segmenting spine and aorta in a medical image according to a skeletal atlas
US7447344B2 (en) System and method for visualization of pulmonary emboli from high-resolution computed tomography images
Dodin et al. A fully automated human knee 3D MRI bone segmentation using the ray casting technique
US20070092864A1 (en) Treatment planning methods, devices and systems
JP2011517986A (ja) 腹部大動脈瘤の自動検知および正確なセグメント分割
KR101492330B1 (ko) 혈관 조영된 컴퓨터 단층 영상의 혈관 분할 시스템 및 그 분할 방법
US7486812B2 (en) Shape estimates and temporal registration of lesions and nodules
Wang et al. Validation of bone segmentation and improved 3-D registration using contour coherency in CT data
JPH10500321A (ja) 医用コンピュータ断層撮影スキャンで病変を検出するための自動化された方法およびシステム
CN104616307A (zh) 一种肺部ct图像粘连血管型结节检测方法
CN111260669A (zh) 基于ct图像的肺叶分割方法和装置
Shadid et al. Bone fragment segmentation from 3D CT imagery
Boussouar et al. Plantar fascia segmentation and thickness estimation in ultrasound images
CN113643279A (zh) 基于ct影像的肺结节检测设备、装置及存储介质
CN113222951A (zh) 一种识别髋关节x线的骨质疏松人工智能诊断装置
Straka et al. 3D watershed transform combined with a probabilistic atlas for medical image segmentation
CN111899850A (zh) 医学影像的信息处理方法、显示方法及可读存储介质
Besler et al. Bone and joint enhancement filtering: Application to proximal femur segmentation from uncalibrated computed tomography datasets
JP6191328B2 (ja) 超音波診断装置、超音波画像解析方法、およびプログラム
Shadid et al. Bone fragment segmentation from 3D CT imagery using the Probabilistic Watershed Transform
CN114764809A (zh) 肺部ct密度增高影的自适应阈值分割方法和装置
Yao et al. Cortical shell unwrapping for vertebral body abnormality detection on computed tomography
Ryzhkov Knee cartilage segmentation algorithms: a critical literature review
Ukil et al. Automatic lung lobe segmentation in X-ray CT images by 3D watershed transform using anatomic information from the segmented airway tree

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: 20150701

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20160628

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20170627

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20180702

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20190617

Year of fee payment: 8