KR101217214B1 - 의료용 혈관 영상의 선명화 방법 - Google Patents

의료용 혈관 영상의 선명화 방법 Download PDF

Info

Publication number
KR101217214B1
KR101217214B1 KR1020120015430A KR20120015430A KR101217214B1 KR 101217214 B1 KR101217214 B1 KR 101217214B1 KR 1020120015430 A KR1020120015430 A KR 1020120015430A KR 20120015430 A KR20120015430 A KR 20120015430A KR 101217214 B1 KR101217214 B1 KR 101217214B1
Authority
KR
South Korea
Prior art keywords
blood vessel
image
gabor
gray
thickness
Prior art date
Application number
KR1020120015430A
Other languages
English (en)
Inventor
김성민
김호철
박영호
조소라
이현창
이의철
박강령
Original Assignee
동국대학교 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 동국대학교 산학협력단 filed Critical 동국대학교 산학협력단
Priority to KR1020120015430A priority Critical patent/KR101217214B1/ko
Priority to PCT/KR2012/006983 priority patent/WO2013122299A1/ko
Application granted granted Critical
Publication of KR101217214B1 publication Critical patent/KR101217214B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • 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
    • G06T2207/10048—Infrared image
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20036—Morphological image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/14—Vascular patterns

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Image Processing (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

본 발명은 (a) 입력된 혈관 영상에 다 방향의 가버 필터를 각각 적용하여 적용된 각 영상을 결합시키는 1차 가버 필터링 단계와, (b) 상기 1차 가버 필터링 단계가 종료된 영상에 다양한 방향의 그레이 프로파일 분석을 적용하여 혈관의 방향 및 두께를 측정하는 혈관 방향 및 두께 측정 단계와, (c) 상기 단계(b)에서 측정된 혈관의 방향 및 두께를 고려하여 가장 적합한 가버 필터를 상기 1차 필터링 단계가 종료된 영상에 선택적으로 적용하는 2차 가버 필터링 단계와, (d) 상기 2차 가버 필터링 단계가 종료된 영상에 포함된 잡음을 보정하기 위하여 그레이 모폴로지 연산을 수행하는 그레이 모폴로지 연산 단계와, (e) 상기 그레이 모폴로지 연산 단계가 종료된 영상을 상기 단계(a)의 입력된 영상과 결합시켜 혈관 영상을 선명화시키는 혈관 영상 선명화 단계를 포함하는 것을 특징으로 한다.
본 발명에 의하면, 첫째, 혈관 영상에서 1차 필터링 과정과 모폴로지 연산을 사용하여 잡음을 제거함으로써 혈관과 비혈관의 정확한 분리가 가능하며, 혈관의 특징을 고려하여 블록 단위로 혈관의 방향과 두께에 알맞은 적응적 가버 필터를 적용하는 2차 필터링 과정을 진행함으로써 두꺼운 혈관 및 세밀한 혈관의 선명화가 가능하게 되는 효과가 있다.
또한, 혈관 영상에 동일한 크기의 가버 필터를 적용하지 않고 혈관 영상의 지역별 혈관 방향과 두께를 고려하여 가버 필터를 적용하기 때문에 보다 정교하고 선명한 혈관 영상을 추출할 수 있는 효과가 있다.
또한, 혈관 영상에서 혈관 영역을 찾기 위한 이진화, 라벨링, 세선화 및 라인 트레이싱 등을 거치지 않고 혈관 영상에서 그레이 프로파일 분석을 적용하여 혈관 영역을 직접 추출하기 때문에 조명 상태에 따른 혈관 영역 검출의 오류가 줄어드는 효과가 있다.

Description

의료용 혈관 영상의 선명화 방법 {MEDICAL IMAGE SHARPENING METHOD FOR BLOOD VESSEL}
본 발명은 의료용 혈관 영상의 선명화 방법에 관한 것으로, 더욱 상세하게는 혈관 영상의 다양한 방향으로의 그레이 프로파일을 분석함으로써 혈관의 방향을 예측하고, 예측된 혈관 방향에 맞는 다양한 크기의 가버 필터(Gabor filter)를 적응적으로 적용함으로써 혈관 영상에서 혈관 부분을 선명화시키는 의료용 혈관 영상의 선명화 방법에 관한 것이다.
의료 영상 분야에서 사용되는 손바닥 및 손가락 혈관 영상은 손가락 절단으로 인한 접합 수술 후 접합 부위 혈관이 제대로 접합 되었는지 판단하는 경우나 혈관 막힘에 의해 생기는 병을 진단하기 위해 사용되는데, 이때 사용되는 영상으로 선명한 손바닥 및 손가락 혈관 영상이 요구된다.
혈관 속 혈액 내에 포함된 헤모글로빈(hemoglobin)은 산소 결합 여부에 따라 다른 근적외선 파장 대의 빛을 흡수하는 성질을 가지는 데, 이러한 성질을 이용하여 적외선 조명과 적외선 카메라로 혈관 영상을 취득할 수 있다. 이때, 취득된 혈관 영상에서 혈관 부분은 어둡게 표시되고 비혈관 부분은 밝게 표시된다.
의료 영상 분야에서는 상기와 같이 취득된 혈관 영상에서 혈관과 비혈관을 정확히 분리하는 것이 중요하며, 특히 모세 혈관과 같이 미세한 혈관 영역의 표시와 그 혈관 영역의 선명한 영상 품질이 요구된다.
일반적인 영상(인물 혹은 풍경 영상 등)의 품질을 개선하기 위한 방법으로 기존에는 히스토그램을 이용한 개선 방법(평활화 또는 스트레칭 등)이나 잡음 감소를 위한 필터링(미디언 필터 또는 평균화 필터, 로우 패스 필터 등)이 사용되었다.
이러한 방법들은 혈관의 구조적 특징을 고려하지 않고, 영상의 조명 성분을 조절하거나 잡음을 제거하여 영상의 품질을 향상시키는 방법으로, 의료 영상 분야에서 요구되는 혈관과 피부의 세밀한 구분이나 혈관 영역을 선명화시키지 못하므로 의료용 영상 분야에 적용시킬 수 없는 문제점이 있었다.
본 발명은 상기와 같은 문제점을 해결하기 위한 것으로, 본 발명의 목적은 혈관 영상의 다양한 방향으로의 그레이 프로파일을 분석함으로써 혈관의 방향을 예측하고, 예측된 혈관 방향에 맞는 다양한 크기의 가버 필터(Gabor filter)를 적응적으로 적용함으로써 혈관 영상에서 혈관 부분을 선명화시키는 의료용 혈관 영상의 선명화 방법을 제공하는 것이다.
상기 목적은 본 발명에 따라, (a) 입력된 혈관 영상에 다 방향의 가버 필터를 각각 적용하여 적용된 각 영상을 결합시키는 1차 가버 필터링 단계와, (b) 상기 1차 가버 필터링 단계가 종료된 영상에 다양한 방향의 그레이 프로파일 분석을 적용하여 혈관의 방향 및 두께를 측정하는 혈관 방향 및 두께 측정 단계와, (c) 상기 단계(b)에서 측정된 혈관의 방향 및 두께를 고려하여 가장 적합한 가버 필터를 상기 1차 필터링 단계가 종료된 영상에 선택적으로 적용하는 2차 가버 필터링 단계와, (d) 상기 2차 가버 필터링 단계가 종료된 영상에 포함된 잡음을 보정하기 위하여 그레이 모폴로지 연산을 수행하는 그레이 모폴로지 연산 단계와, (e) 상기 그레이 모폴로지 연산 단계가 종료된 영상을 상기 단계(a)의 입력된 영상과 결합시켜 혈관 영상을 선명화시키는 혈관 영상 선명화 단계에 의해 달성된다.
또한, 상기 단계(a)의 각 가버 필터 방향은 0°, 45°, 90° 및 -45°인 것을 포함할 수 있다.
또한, 상기 단계(a)의 적용된 각 영상은 픽셀 휘도의 최소값을 선택(MIN rule)하는 것에 의해 결합될 수 있다.
또한, 상기 단계(b)의 혈관 방향 및 두께 측정 단계는 그레이 프로파일의 깊이가 그레이 프로파일의 좌측 높이 최대값과 우측 높이 최대값의 차이보다 작은 그레이 프로파일은 배제하고, 남은 그레이 프로파일 중 깊이가 가장 큰 프로파일의 방향을 이용하여 혈관의 방향을 측정할 수 있다.
또한, 상기 단계(c)의 2차 가버 필터링 단계는 단계(b)에서 측정된 혈관 방향을 갖는 다양한 크기의 가버 필터 중 가버 필터링 값이 가장 작은 혈관의 두께에 알맞는 필터를 적응적으로 선택하여 적용시킬 수 있다.
또한, 상기 단계(c)의 2차 가버 필터링 단계는 다음 식 1에 따라 얻어진 가버 필터 계수를 테이블에 저장한 후 단계(b)에서 측정된 혈관의 방향 및 두께를 고려하여 최적의 가버 필터 계수를 선택적으로 적용할 수 있다.
<식 1>
Figure 112012012217314-pat00001
여기서,
상기 (x,y)는 혈관 영상에서의 (x,y) 픽셀 위치를 나타내며,
상기 g(x,y)는 (x,y) 위치에서의 가버 필터 계수 값을 나타내고,
상기
Figure 112012012217314-pat00002
는 가버 필터의 주파수를 나타내고,
상기
Figure 112012012217314-pat00003
,
Figure 112012012217314-pat00004
는 가버 필터의 형태의 표준 편차를 나타내는 파라미터이며,
상기
Figure 112012012217314-pat00005
는 상기 단계(b)에서 측정된 혈관의 방향을 나타낸다.
또한, 상기 단계(d)의 그레이 모폴로지 연산 단계는 상기 2차 가버 필터링 단계가 종료된 영상에 포함된 잡음으로 인해 혈관이 끊기거나 비혈관이 혈관으로 분류된 것을 보정할 수 있다.
또한, 상기 단계(d)의 그레이 모폴로지 연산 단계는 상기 단계(b)에서 측정된 혈관 두께를 고려하여 모폴로지 연산 마스크의 크기를 적응적으로 수행할 수 있다.
또한, 상기 단계(e) 후, (f) 상기 단계(b)에서 측정된 혈관의 방향과 두께를 이용하여 혈관 영상 내의 혈관 두께의 총합 또는 단위 면적당 혈관 두께의 총합을 기준으로 하여 사용자의 혈류량을 정량적으로 수치화하는 단계를 더 포함할 수 있다.
이에 의해, 본 발명은 다음과 같은 효과를 갖는다.
첫째, 혈관 영상에서 1차 필터링 과정과 모폴로지 연산을 사용하여 잡음을 제거함으로써 혈관과 비혈관의 정확한 분리가 가능하며, 혈관의 특징을 고려하여 블록 단위로 혈관의 방향과 두께에 알맞은 적응적 가버 필터를 적용하는 2차 필터링 과정을 진행함으로써 두꺼운 혈관 및 세밀한 혈관의 선명화가 가능하게 되는 효과가 있다.
둘째, 혈관 영상에 동일한 크기의 가버 필터를 적용하지 않고 혈관 영상의 지역별 혈관 방향과 두께를 고려하여 가버 필터를 적용하기 때문에 보다 정교하고 선명한 혈관 영상을 추출할 수 있는 효과가 있다.
셋째, 혈관 영상에서 혈관 영역을 찾기 위한 이진화, 라벨링, 세선화 및 라인 트레이싱 등을 거치지 않고 혈관 영상에서 그레이 프로파일 분석을 적용하여 혈관 영역을 직접 추출하기 때문에 조명 상태에 따른 혈관 영역 검출의 오류가 줄어드는 효과가 있다.
도 1은 본 발명에 따른 의료용 혈관 영상의 선명화 방법의 전체적인 흐름을 도시한 도면이다.
도 2는 본 발명에 따른 의료용 혈관 영상의 선명화 방법의 1차 필터링 과정을 도시한 도면이다.
도 3 내지 5는 본 발명에 따른 의료용 혈관 영상의 선명화 방법의 혈관 방향을 검출하는 과정을 도시한 도면이다.
도 6은 본 발명에 따른 의료용 혈관 영상의 선명화 방법의 혈관 방향에 맞는 가버 필터를 선택하는 과정을 도시한 도면이다.
도 7은 본 발명에 따른 의료용 혈관 영상의 선명화 방법에 의해 선명화된 혈관 영상을 도시한 도면이다.
이하 첨부된 도면을 참조하여 본 발명을 상세하게 설명한다.
첨부된 도면은 본 발명의 예시적인 형태를 도시한 것으로, 이는 본 발명을 보다 상세히 설명하기 위해 제공되는 것일 뿐, 이에 의해 본 발명의 기술적인 범위가 한정되는 것은 아니다.
본 발명에 따른 의료용 혈관 영상의 선명화 방법은, 도 1에 도시된 바와 같이, (a) 입력된 혈관 영상에 다 방향의 가버 필터를 각각 적용하여 적용된 각 영상을 결합시키는 1차 가버 필터링 단계와, (b) 상기 1차 가버 필터링 단계가 종료된 영상에 다양한 방향의 그레이 프로파일 분석을 적용하여 혈관의 방향 및 두께를 측정하는 혈관 방향 및 두께 측정 단계와, (c) 상기 단계(b)에서 측정된 혈관의 방향 및 두께를 고려하여 가장 적합한 가버 필터를 상기 1차 필터링 단계가 종료된 영상에 선택적으로 적용하는 2차 가버 필터링 단계와, (d) 상기 2차 가버 필터링 단계가 종료된 영상에 포함된 잡음을 보정하기 위하여 그레이 모폴로지 연산을 수행하는 그레이 모폴로지 연산 단계와, (e) 상기 그레이 모폴로지 연산 단계가 종료된 영상을 상기 단계(a)의 입력된 영상과 결합시켜 혈관 영상을 선명화시키는 혈관 영상 선명화 단계를 포함한다.
먼저, 단계(a)인 1차 가버 필터링 단계는 입력된 혈관 영상의 혈관 방향을 보다 정확하게 검출하기 위해 네 방향의 가버 필터를 이용하여 혈관 영상 내 잡음 제거 및 미세한 혈관 선명화 과정을 진행한다. 이때, 사용되는 네 종류의 가버 칠터의 방향은 각각 0°, 45°, 90° 및 -45°이다. 도 2에 도시된 바와 같이 서로 다른 방향의 가버 필터가 적용된 영상은 가버 필터의 방향과 일치하는 방향의 혈관 부분은 어두워지고, 그렇지 않은 부분은 밝아지거나 흐려지는 것을 알 수 있다. 상기와 같이 획득한 네 가지 결과 영상들은 픽셀의 최소값을 선택(MIN rule)하는 방법을 사용하여 결합된다. 이 과정은 방향성 검출이 쉽지 않은 얇은 두께의 혈관을 선명화하며, 영상의 잡음을 제거하기 위한 과정으로 본 발명에서 좀 더 정확한 혈관 방향 검출을 위한 전처리 과정이다.
한편, 단계(b)인 혈관 방향 및 두께 측정 단계는, 도 3 및 4에 도시된 바와 같이, 단계(a)의 1차 가버 필터링 단계를 통해 얻어진 영상(도 1-①)에서 블록 단위의 그레이 프로파일 분석을 수행하여 혈관의 방향을 검출한다. 여기서, 프로파일의 깊이란, 그레이 프로파일의 왼쪽 높이 최대값과 오른쪽 높이 최대값의 평균값 대비, 프로파일의 높이 최소값의 차이를 말하며, 깊이가 왼쪽 최대값과 오른쪽 최대값의 차이보다 작을 경우 혈관 방향 선택에서 배제된다. 도 4는 한 지점에서의 8방향 그레이 프로파일의 예를 보여준다. 일반적으로 혈관 방향에 수직 방향의 그레이 프로파일은 그 깊이가 깊고, 프로파일 높이의 최소지점을 중심으로 프로파일이 양쪽 대칭인 양상을 나타낸다. 도 5는 도 3에 대한 예로 선택된 위치의 혈관 방향이 0°로 결정되는 것을 보여준다.
또한, 단계(c)인 2차 가버 필터링 단계는 상기 혈관 방향 및 두께 측정 단계를 통해 얻어진 혈관 방향에 맞는 두께의 가버 필터를 적용하기 위해 다양한 두께의 가버 필터를 적용하여 그 중 가장 낮은 값을 가지는 필터를 선택하여 적용한다.(도 3-⑤, 도 6) 즉, 도 5를 통해 가버 필터의 방향(0°)이 정해지면, 0°방향이면서 다양한 주파수를 갖는 가버 필터들을 도 6과 같이 적용하여, 필터링된 값이 가장 작은(그레이 프로파일이 가버 필터와 가장 잘 매칭되는) 필터(도 6의 Filter2)를 이용하여 영상을 선명화 한다.
<식 1>
Figure 112012012217314-pat00006
상기 식 1은 일반적인 가버 필터의 수식을 나타낸다. 식 1에서 (x, y)는 혈관 영상에서 (x, y) 픽셀 위치를 나타내며, g(x, y)는 이러한 (x, y) 위치에서의 가버 필터 계수 값을 나타낸다. 그리고, 상기
Figure 112012012217314-pat00007
는 가버 필터의 주파수를 나타내고, 상기
Figure 112012012217314-pat00008
,
Figure 112012012217314-pat00009
는 가버 필터의 형태의 표준 편차를 나타내는 파라미터이며, 상기
Figure 112012012217314-pat00010
는 상기 단계(b)에서 측정된 혈관의 방향을 나타낸다. 식 1에서 보면
Figure 112012012217314-pat00011
,
Figure 112012012217314-pat00012
,
Figure 112012012217314-pat00013
,
Figure 112012012217314-pat00014
에 의해 가버 필터의 형태가 결정된다. 이때,
Figure 112012012217314-pat00015
는 도 5를 통해 얻어진 혈관 방향 값(도 5의 경우, 0°)을 사용하게 된다. 그리고, 나머지 파라미터인
Figure 112012012217314-pat00016
,
Figure 112012012217314-pat00017
,
Figure 112012012217314-pat00018
는 도 6을 통해 필터링된 값이 가장 작은(그레이 프로파일이 가버 필터와 가장 잘 매칭되는) 필터(도 6의 Filter2)의
Figure 112012012217314-pat00019
,
Figure 112012012217314-pat00020
,
Figure 112012012217314-pat00021
를 사용한다.
한편, 단계(c)의 2차 가버 필터링 단계를 통해 얻어진 영상(도 1-②)은 잡음으로 인해 혈관이 끊긴 부분이나 잡음이 혈관으로 판단되는 부분을 포함하는 경우도 있기 때문에, 이를 보정하기 위하여 단계(d)인 그레이 모폴로지 연산 단계를 수행한다. 이때, 사용되는 모폴로지 연산의 마스크의 크기는 혈관의 두께를 고려하여 결정하며, 열림(opening) 및 닫힘(closing) 연산을 반복적으로 적용함으로써 혈관이 아닌 부분은 제거하고 혈관이 끊어지는 부분을 최소화시킨다.(도 1-③)
최종적으로 도 1의 결과 영상과 같이, 단계(d)의 그레이 모폴로지 연산 단계를 통해 얻어진 영상(도 1-③)과 원본 영상을 결합함으로써 손바닥 및 손가락 혈관 영상을 선명화하는 단계(e)의 혈관 영상 선명화 단계를 수행한다. 도 7은 이러한 과정을 통해 선명화된 영상의 예로, 각각의 왼쪽 영상들은 원본 영상을, 오른쪽 영상들은 선명화된 영상들을 보여준다.
또한, 단계(c)인 2차 가버 필터링 단계(도 1-②)의 과정에서 검출된 혈관 영상 내의 혈관 두께의 총합 혹은 단위 면적당 혈관 두께의 총합을 기준으로, 사용자의 혈류 량을 정량적인 수치로 제시해줄 수 있게 된다.
상기와 같은 본 발명은 적외선 조명 및 적외선 카메라를 이용하여 취득된 혈관 영상뿐만 아니라, 조영제를 이용한 CT(Computerd Tomography) 촬영이나 MRI(Magnetic Resonance Imaging) 촬영으로 취득된 혈관 영상의 경우에도 적용이 가능하다.
본 실시예 및 본 명세서에 첨부된 도면은 본 발명에 포함되는 기술적 사상의 일부를 명확하게 나타내고 있는 것에 불과하며, 본 발명의 명세서 및 도면에 포함된 기술적 사상의 범위 내에서 당업자가 용이하게 유추할 수 있는 변형예와 구체적인 실시예는 모두 본 발명의 기술적 사상의 범위에 포함되는 것은 자명하다.

Claims (9)

  1. (a) 입력된 혈관 영상에 다 방향의 가버 필터를 각각 적용하여 적용된 각 영상을 결합시키는 1차 가버 필터링 단계와;
    (b) 상기 1차 가버 필터링 단계가 종료된 영상에 다양한 방향의 그레이 프로파일 분석을 적용하여 혈관의 방향 및 두께를 측정하는 혈관 방향 및 두께 측정 단계와;
    (c) 상기 단계(b)에서 측정된 혈관의 방향 및 두께를 고려하여 가장 적합한 가버 필터를 상기 1차 필터링 단계가 종료된 영상에 선택적으로 적용하는 2차 가버 필터링 단계와;
    (d) 상기 2차 가버 필터링 단계가 종료된 영상에 포함된 잡음을 보정하기 위하여 그레이 모폴로지 연산을 수행하는 그레이 모폴로지 연산 단계와;
    (e) 상기 그레이 모폴로지 연산 단계가 종료된 영상을 상기 단계(a)의 입력된 영상과 결합시켜 혈관 영상을 선명화시키는 혈관 영상 선명화 단계를 포함하는 의료용 혈관 영상의 선명화 방법.
  2. 제1항에 있어서,
    상기 단계(a)의 각 가버 필터 방향은 0°, 45°, 90° 및 -45°인 것을 포함하는 의료용 혈관 영상의 선명화 방법.
  3. 제1항에 있어서,
    상기 단계(a)의 적용된 각 영상은 픽셀 휘도의 최소값을 선택(MIN rule)하는 것에 의해 결합되는 것을 포함하는 의료용 혈관 영상의 선명화 방법.
  4. 제1항에 있어서,
    상기 단계(b)의 혈관 방향 및 두께 측정 단계는 그레이 프로파일의 깊이가 그레이 프로파일의 좌측 높이 최대값과 우측 높이 최대값의 차이보다 작은 그레이 프로파일은 배제하고, 남은 그레이 프로파일 중 깊이가 가장 큰 프로파일의 방향을 이용하여 혈관의 방향을 측정하는 것을 포함하는 의료용 혈관 영상의 선명화 방법.
  5. 제1항에 있어서,
    상기 단계(c)의 2차 가버 필터링 단계는 단계(b)에서 측정된 혈관 방향을 갖는 다양한 크기의 가버 필터 중 가버 필터링 값이 가장 작은 혈관의 두께에 알맞는 필터를 적응적으로 선택하여 적용시키는 것을 포함하는 의료용 혈관 영상의 선명화 방법.
  6. 제1항에 있어서,
    상기 단계(c)의 2차 가버 필터링 단계는 다음 식 1에 따라 얻어진 가버 필터 계수를 테이블에 저장한 후 단계(b)에서 측정된 혈관의 방향 및 두께를 고려하여 최적의 가버 필터 계수를 선택적으로 적용하는 것을 포함하는 의료용 혈관 영상의 선명화 방법.
    <식 1>
    Figure 112012012217314-pat00022

    여기서,
    상기 (x,y)는 혈관 영상에서의 (x,y) 픽셀 위치를 나타내며,
    상기 g(x,y)는 (x,y) 위치에서의 가버 필터 계수 값을 나타내고,
    상기
    Figure 112012012217314-pat00023
    는 가버 필터의 주파수를 나타내고,
    상기
    Figure 112012012217314-pat00024
    ,
    Figure 112012012217314-pat00025
    는 가버 필터의 형태의 표준 편차를 나타내는 파라미터이며,
    상기
    Figure 112012012217314-pat00026
    는 상기 단계(b)에서 측정된 혈관의 방향을 나타낸다.
  7. 제1항에 있어서,
    상기 단계(d)의 그레이 모폴로지 연산 단계는 상기 2차 가버 필터링 단계가 종료된 영상에 포함된 잡음으로 인해 혈관이 끊기거나 비혈관이 혈관으로 분류된 것을 보정하는 것을 포함하는 의료용 혈관 영상 선명화 방법.
  8. 제1항에 있어서,
    상기 단계(d)의 그레이 모폴로지 연산 단계는 상기 단계(b)에서 측정된 혈관 두께를 고려하여 모폴로지 연산 마스크의 크기를 적응적으로 수행하는 것을 포함하는 의료용 혈관 영상 선명화 방법.
  9. 제1항에 있어서,
    상기 단계(e) 후,
    (f) 상기 단계(b)에서 측정된 혈관의 방향과 두께를 이용하여 혈관 영상 내의 혈관 두께의 총합 또는 단위 면적당 혈관 두께의 총합을 기준으로 하여 사용자의 혈류량을 정량적으로 수치화하는 단계를 더 포함하는 의료용 혈관 영상 선명화 방법.
KR1020120015430A 2012-02-15 2012-02-15 의료용 혈관 영상의 선명화 방법 KR101217214B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020120015430A KR101217214B1 (ko) 2012-02-15 2012-02-15 의료용 혈관 영상의 선명화 방법
PCT/KR2012/006983 WO2013122299A1 (ko) 2012-02-15 2012-08-31 의료용 혈관 영상의 선명화 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120015430A KR101217214B1 (ko) 2012-02-15 2012-02-15 의료용 혈관 영상의 선명화 방법

Publications (1)

Publication Number Publication Date
KR101217214B1 true KR101217214B1 (ko) 2012-12-31

Family

ID=47908549

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120015430A KR101217214B1 (ko) 2012-02-15 2012-02-15 의료용 혈관 영상의 선명화 방법

Country Status (2)

Country Link
KR (1) KR101217214B1 (ko)
WO (1) WO2013122299A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3125193A4 (en) * 2014-03-25 2017-10-11 Fujitsu Frontech Limited Biometric authentication device, biometric authentication method, and program

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080298642A1 (en) 2006-11-03 2008-12-04 Snowflake Technologies Corporation Method and apparatus for extraction and matching of biometric detail
JP4276561B2 (ja) 2004-03-17 2009-06-10 富士フイルム株式会社 色変換定義作成方法、プロファイル作成方法、色変換定義作成装置、プロファイル作成装置、色変換定義作成プログラム、およびプロファイル作成プログラム

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060089822A (ko) * 2005-02-04 2006-08-09 엘지전자 주식회사 지문 인식 방법 및 그 장치
KR100946155B1 (ko) * 2007-08-20 2010-03-10 경희대학교 산학협력단 데시메이션-프리 방향성 필터 뱅크를 이용한 혈관 선명도개선 방법
KR101135205B1 (ko) * 2010-05-25 2012-04-16 인하대학교 산학협력단 흉부 씨티 영상 내 병변 자동 검출을 위한 폐 혈관 추출 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4276561B2 (ja) 2004-03-17 2009-06-10 富士フイルム株式会社 色変換定義作成方法、プロファイル作成方法、色変換定義作成装置、プロファイル作成装置、色変換定義作成プログラム、およびプロファイル作成プログラム
US20080298642A1 (en) 2006-11-03 2008-12-04 Snowflake Technologies Corporation Method and apparatus for extraction and matching of biometric detail

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3125193A4 (en) * 2014-03-25 2017-10-11 Fujitsu Frontech Limited Biometric authentication device, biometric authentication method, and program
US10019619B2 (en) 2014-03-25 2018-07-10 Fujitsu Frontech Limited Biometrics authentication device and biometrics authentication method

Also Published As

Publication number Publication date
WO2013122299A1 (ko) 2013-08-22

Similar Documents

Publication Publication Date Title
JP6923961B2 (ja) 流体キャニスター内の血液成分の量を推定するための方法
EP3132380B1 (en) Method for estimating a quantity of a blood component in a fluid canister
US11963750B2 (en) Systems, devices and methods for non-invasive hematological measurements
Cheng et al. Structure-preserving guided retinal image filtering and its application for optic disk analysis
US9569846B2 (en) Ophthalmic reference image selection
Kayal et al. A new dynamic thresholding based technique for detection of hard exudates in digital retinal fundus image
CN106137175B (zh) 生理参数估计
JP7197708B2 (ja) 眼底画像定量分析の前置処理方法および記憶装置
US9468377B2 (en) Portable medical device and method for quantitative retinal image analysis through a smartphone
EP3070673B1 (en) Image processing method to diagnose cutaneous lesion, and diagnostic apparatus used for the same method
KR101761510B1 (ko) 안저 영상의 혈관 가시화를 위한 안저 영상 필터 생성 장치 및 그 방법
CN109377473A (zh) 一种定位目标取脉点的方法及装置
JP2007152105A (ja) 脳出血部位体積計算方法および装置
CN107316291A (zh) 乳腺图像处理方法及乳腺成像设备
US20160133009A1 (en) Disease diagnostic apparatus, image processing method in the same apparatus, and medium storing program associated with the same method
KR101217214B1 (ko) 의료용 혈관 영상의 선명화 방법
Datta et al. A new contrast enhancement method of retinal images in diabetic screening system
JP2008237839A (ja) 画像解析システム、及び画像解析プログラム
US20170319107A1 (en) Image-based detection and diagnosis of diastasis recti
US10291893B2 (en) Diagnosis support apparatus for lesion, image processing method in the same apparatus, and medium storing program associated with the same method
Kumar et al. Performance evaluation of joint filtering and histogram equalization techniques for retinal fundus image enhancement
EP3038052B1 (en) Diagnosis support apparatus and image processing method in the same apparatus
Ahmed et al. Automatic Region of Interest Extraction from Finger Nail Images for Measuring Blood Hemoglobin Level
Porwal et al. A novel method to remove bright artifacts for enhancing lesion detection in retinal images
Williams et al. A New Method of Blind Deconvolution for Colour Fundus Retinal Images

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated 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: 20151201

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20161201

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20171205

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20181226

Year of fee payment: 7