KR101284388B1 - 자기공명영상을 분석하는 방법, 장치 그리고 자기공명영상을 분석하기 위한 프로그램이 기록된 기록매체 - Google Patents

자기공명영상을 분석하는 방법, 장치 그리고 자기공명영상을 분석하기 위한 프로그램이 기록된 기록매체 Download PDF

Info

Publication number
KR101284388B1
KR101284388B1 KR1020110109808A KR20110109808A KR101284388B1 KR 101284388 B1 KR101284388 B1 KR 101284388B1 KR 1020110109808 A KR1020110109808 A KR 1020110109808A KR 20110109808 A KR20110109808 A KR 20110109808A KR 101284388 B1 KR101284388 B1 KR 101284388B1
Authority
KR
South Korea
Prior art keywords
tumor
magnetic resonance
image
candidate
tumor candidate
Prior art date
Application number
KR1020110109808A
Other languages
English (en)
Other versions
KR20130045544A (ko
Inventor
김동현
박재석
김응엽
양승욱
Original Assignee
연세대학교 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 연세대학교 산학협력단 filed Critical 연세대학교 산학협력단
Priority to KR1020110109808A priority Critical patent/KR101284388B1/ko
Publication of KR20130045544A publication Critical patent/KR20130045544A/ko
Application granted granted Critical
Publication of KR101284388B1 publication Critical patent/KR101284388B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/32—Determination of transform parameters for the alignment of images, i.e. image registration using correlation-based methods
    • 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
    • G06T2207/30016—Brain

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

본 발명은 자기공명 흑혈류 영상 기법을 이용하여 자기공명영상을 분석하는 방법에 관한 것이다.
본 발명의 일실시예에 의한 자기공명영상 분석 방법은 자기공명 흑혈류 영상 기법을 적용하여 영상을 획득하는 단계; 상기 획득된 영상에서 검사 대상 객체를 추출하는 단계; 상기 추출된 객체에서 템플릿 대조 기법을 적용하여 종양 후보를 추출하는 단계; 상기 추출된 종양 후보의 특징을 추출하는 단계; 및 상기 추출된 특징을 이용하여 상기 종양 후보가 종양 조직인지 여부를 판단하는 단계를 포함할 수 있다.

Description

자기공명영상을 분석하는 방법, 장치 그리고 자기공명영상을 분석하기 위한 프로그램이 기록된 기록매체{METHOD AND APPARATUS FOR ANALYZING MAGNETIC RESONANCE IMAGING, AND RECORDING MEDIUM FOR EXECUTING THE METHOD}
본 발명은 자기공명영상을 분석하는 방법에 관한 것으로, 보다 상세하게는 자기공명 흑혈류 영상 기법을 이용하여 자기공명영상을 분석하는 방법에 관한 것이다.
전 세계적으로 암으로 사망하는 사람의 숫자는 현재 연간 600만 명에서 2020년에는 1000만 명으로 늘어날 것이며, 매년 암에 걸리는 사람 1000만 명도 2020년에는 1500만 명으로 증가할 것으로 세계보건기구는 전망하고 있다. 또한, 전 세계 사망자의 12% 이상이 암 환자이며, 선진국들의 경우 암이 심장병에 이어 사망 원인 2위를 차지하고 있다.
최근에는 암 진단을 위해 자기공명영상을 이용하는 사례가 늘어나고 있다.
일반적으로 자기공명영상으로 전이 종양을 촬영하기 위해서는 종양조직의 T1 시간을 줄여주기 위한 조영제(contrast agent)를 혈관을 통해 주입하는 것이 필요하다. 이 경우 종양조직은 영상에서 다른 인체조직에 비해 높은 신호강도 (signal intensity)를 가지게 되어 밝게 나타나게 된다. 하지만 영상 볼륨 (imaging volume)안에 포함되는 혈관 또한 투여된 조영제에 의해 높은 신호강도를 가지게 되고, 혈관의 위치 및 slice orientation에 따라 최종영상에서 종양조직과 비슷하게 나타나 영상판독에 어려움을 주는 경우가 발생한다.
한국 공개특허 10-2011-0018768호에는 자기 공명 영상 (Magnetic Resonance Images, MRI)에서 전립선의 밝기 값이 주변 조직과 유사하게 나타나는 부위에서도 정확하게 전립선의 경계선을 분할할 수 있는 분할 기법을 제공하고자 한다. 또한 본 발명은 활성 형상 모델의 국지적 최적화에 의하여 발생할 수 있는 홀(hole)을 제거하는 기법을 제공하고, 전립선 질환에 의하여 다양한 형상을 가지는 경우 활성 형상 분할 기법만으로 부족한 분할 정보를 보정하기 위하여 영상의 기울기 정보를 이용한 경계선 보정 기법이 개시되어 있다.
하지만, 상기 한국 공개특허 10-2011-0018768호에는 흑혈류 영상 기법 통해 종양을 검출하는 기법은 개시되어 있지 않다.
또한, 매년 건강 검진의 일환으로 촬영되고 있는 MR 영상의 수가 비약적으로 증가하고 있는 추세에 비해, 이를 판독하여 진단을 내릴 수 있는 훈련된 전문의가 부족한 것이 현 실정이다.
이를 위해 판독 업무를 보조할 수 있는 기술에 대한 연구가 필요한 실정이다.
삭제
본 발명의 목적은 자기공명 흑혈류 영상 기법을 이용하여 자기공명영상을 분석하는 방법, 장치, 및 상기 방법을 실행하기 위한 프로그램이 기록된 기록매체를 제공하는 데 있다.
본 발명의 목적은 자기공명 흑혈류 영상 기법 및 템플릿 대조기법을 이용하여 종양 후보군을 검출하여, 상기 종양 후보군이 종양 조직인지 여부를 판단할 수 있는 자기공명영상 분석 방법, 장치, 및 상기 방법을 실행하기 위한 프로그램이 기록된 기록매체를 데 있다.
상기 목적을 달성하기 위해 본 발명의 일실시예에 의하면, 자기공명 흑혈류 영상 기법을 적용하여 영상을 획득하는 단계; 상기 획득된 영상에서 검사 대상 객체를 추출하는 단계; 상기 추출된 객체에서 템플릿 대조 기법을 적용하여 종양 후보를 추출하는 단계; 상기 추출된 종양 후보의 특징을 추출하는 단계; 및 상기 추출된 특징을 이용하여 상기 종양 후보가 종양 조직인지 여부를 판단하는 단계를 포함하는 자기공명영상 분석 방법이 제공된다.
상기 목적을 달성하기 위해 본 발명의 일실시예에 의하면, 자기공명 흑혈류 영상 기법을 적용하여 영상을 획득하는 영상 획득부; 상기 획득된 영상에서 검사 대상 객체를 추출하는 전처리부; 상기 추출된 객체에서 템플릿 대조 기법을 적용하여 종양 후보를 추출하는 종양 후보 추출부; 상기 추출된 종양 후보의 특징을 추출하는 특징 추출부; 상기 추출된 특징을 이용하여 상기 종양 후보가 종양 조직인지 여부를 판단하는 종양 판단부; 및 상기 영상 획득부, 전처리부, 상기 종양 후보 추출부, 상기 특징 추출부, 및 상기 종양 판단부를 제어하는 제어부를 포함하는 자기공명영상 분석 장치가 제공된다.
상기 목적을 달성하기 위해 본 발명의 일실시예에 의하면, 자기공명 흑혈류 영상 기법을 적용하여 영상을 획득하는 단계; 상기 획득된 영상에서 검사 대상 객체를 추출하는 단계; 상기 추출된 객체에서 템플릿 대조 기법을 적용하여 종양 후보를 추출하는 단계; 상기 추출된 종양 후보의 특징을 추출하는 단계; 및 상기 추출된 특징을 이용하여 상기 종양 후보가 종양 조직인지 여부를 판단하는 단계를 실행시키기 위한 프로그램이 기록된 기록 매체가 제공된다.
본 발명의 일실시예에 의하면, 자기공명 흑혈류 영상 적용 기법 및 템플릿 대조 기법을 같이 적용함으로써, 종양 대상 후보 검출 시, 허위 후보 수를 줄이고, 보다 정확한 종양 후보를 검출할 수 있다.
도 1은 본 발명의 일실시예와 관련된 자기공명영상 분석 장치의 블록도이다.
도 2는 본 발명의 일실시예와 관련된 자기공명영상 분석 방법을 나타내는 흐름도이다.
도 3은 본 발명의 일실시예와 관련된 자기공명영상 분석 방법 중 검사 대상 객체를 추출하는 과정을 나타내는 도면이다.
도 4는 기존의 일반 자기공명영상과 자기공명 흑혈류 영상 기법이 적용된 영상을 비교하기 위한 도면이다.
도 5는 영상을 통해 종양 후보군을 추출하는 과정을 나타내는 도면이다.
이하, 첨부된 도면을 참조하면서 본 발명의 일실시예와 관련된 자기공명영상 분석 방법 및 분석 장치에 대해 설명하기로 한다. 본 발명의 일실시예에 의하면, 자기공명영상 분석을 통해 특정 객체에 암 조직(또는 종양 조직)이 존재하는 여부를 판단할 수 있다.
도 1은 본 발명의 일실시예와 관련된 자기공명영상(Magnetic Resonance Imaging, MRI) 분석 장치의 블록도이다.
도시된 자기공명영상 분석 장치(100)는 영상 획득부(110), 전처리부(120), 종양 후보 추출부(130), 특징 추출부(140), 종양 판단부(150), 및 제어부(160)를 포함할 수 있다.
영상 획득부(110)는 자기공명 흑혈류 영상 기법을 적용하여 영상을 획득할 수 있다.
본 명세서에서 자기공명 흑혈류 영상 기법이란 영상 또는 영상 볼륨(3차원 영상)에 위치한 혈관에서 흘러나가거나 흘러들어오는 혈액의 이동성을 이용하여 최종영상에서 혈액의 신호가 나타나지 않게 하는 자기공명영상 촬영 기법을 말한다. 상기 자기공명 흑혈류 영상 기법은 펄스열을 이용하여 수행될 수 있다. 펄스열이라 함은 비슷한 성질을 가지고 규칙적으로 이어지는 펄스를 말한다. 예를 들어, 회로의 한 지점에서 시간상 순서적으로 일어나는 펄스의 군을 말한다.
전처리부(120)는 상기 영상 획득부(100)에서 자기공명 흑혈류 영상 기법을 적용하여 얻어진 영상에 대해 전처리 과정을 수행한다. 전처리 과정이라 함은 종양 후보를 추출하기 전에 수행되는 과정으로 영상의 분할, 잡음 제거, 정규화 등을 포함할 수 있다.
본 발명의 일실시예에 의하면, 전처리부(120)는 자기공명 흑혈류 영상 기법을 적용하여 얻어진 영상의 신호를 보정 및 검사 대상 객체를 추출할 수 있다. 검사 대상 객체는 암 조직(또는 종양 조직)이 존재하는지 여부를 판단하고자 하는 객체를 의미한다. 예를 들어, 검사 대상 객체는 뇌를 포함할 수 있다. 따라서 본 발명의 일실시예에 의하면, 뇌에 종양 조직이 존재하는지 여부를 판단할 수 있다.
종양 후보 추출부(130)는 전처리부(120)를 통해 추출된 검사 대상 객체에서 템플릿 대조 기법을 적용하여 종양 후보를 추출할 수 있다.
본 명세서에서 템플릿 대조 기법이라 함은 특정 템플릿과의 영상과의 대조를 이용하여 상관도를 추출하는 방법이다. 상기 특정 템플릿은 종양 조직의 생장 형태를 예측하여 미리 제작될 수 있다. 예를 들어, 전이 뇌종양은 구형으로 생장하기 때문에, 상기 특정 템플릿은 구형으로 제작될 수 있다. 또한, 종양의 크기가 다양할 수 있으므로, 상기 특정 템플릿은 복수 개가 제작되어 이용될 수 있다.
특징 추출부(140)는 종양 후보의 여러 특징들을 추출할 수 있다. 특징 추출부(140)는 각각의 종양 후보에 대한 다양한 정보를 파라미터화 하여 테이블로 생성하거나 파라미터화된 테이블을 저장할 수 있다. 이 경우, 특징 추출부(140)는 각각의 종양 후보의 영상 신호 강도만을 고려하여 종양 후보의 특징을 추출할 수 있다.
종양 판단부(150)는 특징 추출부(140)에서 추출된 종양 후보의 특징을 이용하여 해당 종양 후보가 종양 조직인지 또는 정상 조직인지 여부를 판단할 수 있다. 예를 들어, 기계학습 방법을 통해 종양 후보가 종양 조직인지 여부를 판단할 수 있다. 기계학습이라 함은 인공지능의 한 분야로 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야를 말한다. 일례로 인공 신경망이 있다. 인공신경망(artificial neural network, ANN)은 뇌기능의 특성 몇 가지를 컴퓨터 시뮬레이션으로 표현하는 것을 목표로 하는 수학 모델이다.
제어부(160)는 영상 획득부(110), 전처리부(120), 종양 후보 추출부(130), 특징 추출부(140), 및 종양 판단부(150)에서 수행하는 전반적인 기능을 유기적으로 제어할 수 있다.
또한, 제어부(160)는 종양 판단부(150)에서 추출된 종양 후보가 종양 조직이라고 판단한 경우, 상기 종양 후보가 식별되도록 원본 영상에 표시할 수 있다. 원본영상이라 함은 자기공명 흑혈류 영상 적용 기법이 적용되지 않은 MRI 촬영 영상을 의미한다.
도 2는 본 발명의 일실시예와 관련된 자기공명영상 분석 방법을 나타내는 흐름도이다.
영상 획득부(110)는 자기공명 흑혈류 영상 기법을 적용하여 영상을 획득할 수 있다(S210). 획득된 영상은 혈액의 신호가 나타나지 않게 된다. 상기와 같은 자기공명 흑혈류 영상 기법 적용을 통해, 허위 양성을 줄일 수 있다. 즉, 자기공명 흑혈류 영상 기법이 적용되지 않은 영상기법으로 얻어진 뇌영상에서는 혈관, 뇌척수액 등에서 발생하는 신호 때문에 보다 많은 허위양성 (false positive)이 발생하여 진단의 정확도를 저하시킨다. 본 발명의 일실시예와 관련된 흑혈류 (black blood) 영상 기법을 이용하여 혈관에서의 신호를 없앤 영상을 얻게 되면, 이러한 문제를 해결할 수 있다.
전처리부(120)는 상기 자기공명 흑혈류 영상 기법을 적용을 통해 획득된 영상을 전처리할 수 있다(S220). 전처리 과정이라 함은 종양 후보를 추출하기 전에 수행되는 과정으로 영상의 분할, 잡음 제거, 정규화 등을 포함할 수 있다.
전처리부(120)는 자기공명 흑혈류 영상 기법을 적용하여 얻어진 영상의 신호를 보정할 수 있다.
상기 자기공명 흑혈류 영상 기법은 non-selective excitation 펄스가 이용될 수 있다. 이는 이상적으로는 영상 볼륨 내에 존재하는 모든 스핀들을 균일하게 excitation하여 일정한 flip angle을 가지게끔 해야 한다.
하지만 실제 사용되는 펄스는 설계에 존재하는 물리적인 한계에 의해 불완벽하기 때문에 영상 볼륨에 존재하는 스핀들이 비균일한 flip angle을 가지게 하여 궁극적으로 영상에서 나타나는 신호 강도가 비균일하게 된다.
한편, 신호 강도는 검사 대상 객체 또는 관심 부위(Region of Interest, ROI)에 대한 중요 변수로 이용되기 때문에, 불균일한 신호 강도를 보정해 주어야 올바른 진단을 수행할 수 있다.
예를 들어, 신호 보정을 위해 3 차원 푸리에 변환 (Fourier transform)을 통해 주파수 영역 (frequency domain, 혹은 k-space)으로 변환한 후, 저주파 (low frequency) 영역에 모여 있는 에너지 정보로부터 영상영역 전체에 대한 신호 강도 분포도를 얻어 이를 원 영상에서 나누어 줄 수 있다. 상기와 같은 방법을 통해 신호의 불균일함을 보정할 수 있다.
또한, 전처리부(120)는 검사 대상 객체만을 추출할 수 있다. 이는 상기 자기공명 흑혈류 영상 기법 적용했음에도 불구하고, 완벽히 제거되지 못한 비검색 대상 객체로 인한 신호들을 배제할 수 있게 한다. 상기 비검사 대상 객체로 인한 신호들을 제거함으로써, 보다 정확한 진단이 이루어질 수 있다.
이하에서는 검색 대상 객체가 뇌인 경우에 대해 예를 들어 설명하기로 한다.
이 경우, 전처리부(120)는 뇌추출 과정을 수행할 수 있다. 이를 통해, 자기공명 흑혈류 영상 기법 적용했음에도 불구하고, 완벽히 제거되지 못한 측뇌실 (lateral ventricle), 제3뇌실 (3rd ventricle) 혹은 뇌척수액 (cerebrospinal fluid, CSF) 등에서 발생하는 신호들을 배제할 수 있다.
도 3은 뇌를 추출하는 과정을 나타내는 도면이다.
도시된 바와 같이, 자기공명 흑혈류 영상 기법 적용했음에도 불구하고, 완벽히 제거되지 못한 측뇌실 (lateral ventricle), 제3뇌실 (3rd ventricle) 혹은 뇌척수액 (cerebrospinal fluid, CSF) 등에서 발생하는 신호들을 제거할 수 있다. 상기와 같은 방식을 통해 검색 대상 객체의 범위를 줄일 수 있다.
다음으로, 종양 후보 추출부(130)는 템플릿 대조 기법을 이용하여 종양 후보를 추출할 수 있다(S230). 뇌 추출 과정을 통해 추출된 3차원 뇌영상에는 종양 후보를 생성하는 알고리즘이 적용될 수 있다.
전이 뇌종양 (metastatic brain tumor)들은 일반적으로 구형으로 생장하기 때문에, 3차원 구형의 형태를 가지는 템플릿이 종양 후보 추출을 위한 템플릿으로 사용될 수 있다.
예를 들어, 종양 후보 추출부(130)는 3차원 구형의 형태를 가지는 템플릿과 상기 뇌영상과 대조하여 정규화된 상호 상관계수 (normalized cross-correlation coefficient, NCCC)를 획득할 수 있다. 종양 후보 추출부(130)는 상호 상관 계수값이 높은 픽셀 (pixel)들은 밝게, 낮은 점들은 어둡게 나타나는 NCCC 맵을 만들 수 있다.
하지만 종양의 크기에 따라 상관 계수값에 차이가 날 수 있으므로, 복수 개 크기의 템플릿을 제작하여 결과를 얻을 수 있다. 복수 템플릿에 대하여 반복적으로 NCCC값이 높게 나타나는 후보는 이 중 가장 높은 NCCC값을 보인 템플릿의 크기에 매핑되는 종양으로 간주할 수 있다.
본 발명의 일실시예에서 템플릿 대조 기법이 사용될 수 있었던 이유는 자기공명 흑혈류 영상 기법으로 종양 후보군(또는 검사 대상 후보군)이 현저히 줄어들었기 때문이다. 이는 도 4를 통해서도 설명될 수 있다.
도 4는 기존의 일반 자기공명영상과 자기공명 흑혈류 영상 기법이 적용된 영상을 비교하기 위한 도면이다. 영상 a, 및 c는 자기공명 흑혈류 영상 기법이 적용되지 않은 자기공명영상 촬영기법으로 촬영된 영상이고, 영상 b, 및 d는 자기공명 흑혈류 영상 기법이 적용된 영상이다.
도시된 바와 같이, 자기공명 흑혈류 영상 기법이 적용되지 않은 자기공명영상 촬영기법으로는 높은 신호를 가지는 조직들 (혈관, 뇌척수액 등)이 발생하기 때문에 템플릿 대조 기법이 적용되면 계산량이 현저히 증가하게 된다. 또한, 후술할 종양 조직 여부 판단단계에서 여기서 발생한 허위 양성 후보군들을 모두 배제시켜야 하기 때문에 종양 조직 여부 판단 시스템에 대한 의존도가 높아진다.
또한, 자기공명 흑혈류 영상 기법이 적용되지 않은 자기공명영상 촬영기법을 통해서 얻은 영상에서는 뇌 전이 종양과 주변 뇌 조직의 경계가 뚜렷하지 않다. 이 때문에 종양이 구형으로 생장한다는 것도 생체검사 (biopsy)를 거치지 않고서는 확인하기가 어렵다는 문제가 있다.
종양 후보 추출부(130)는 NCCC 맵에서 나타난 후보 복셀 (voxel) 중 일정 한계값 (threshold) 이상의 NCCC 값을 가지는 대표 복셀들만을 남기고 나머지는 후보에서 제외시킨다. 그리고 남겨진 대표 복셀만을 종양 후보로 추출할 수 있다.
복셀이라 함은 볼륨 픽셀(Volume Pixell)로 화소(Pixell)의 개념을 3차원 공간으로 확장한 것을 의미한다. 이는 정밀하게 얻어진 실제 부피의 데이터 표본을 뜻한다.
한편, 본 발명의 일실시예에 의하면, 종양 후보 추출부(130)는 추출된 종양 후보가 복수인 경우, 특정 기준에 따라 종양 후보를 그룹핑할 수 있다.
예를 들어, 제1종양 후보와 제2종양 후보가 소정 거리 내에 위치하는 경우, 상기 제1종양 후보와 상기 제2종양 후보를 하나의 그룹으로 그룹핑할 수 있다. 상기 소정 거리는 종양 후보 추출을 위해 사용된 특정 템플릿의 사이즈를 고려하여 결정될 수 있다. 예를 들어, 템플릿 사이즈가 10인 경우가 템플릿 사이즈가 8인 경우보다 상대적으로 더 멀리 떨어져 있는 종양 후보들을 하나의 그룹으로 묶을 수 있다.
상기 종양 후보 그룹핑 과정은 종양 그룹으로 의심되는 복셀들을 하나의 후보로 묶는 과정이다.
만약, 템플릿 대조 기법 적용을 위해 템플릿이 복수 개 사용된 경우, 해당 복셀이 가장 높은 NCCC 값을 가졌던 템플릿의 크기를 바탕으로 그룹핑할 수 있다.
상기 방법을 통해 상기 종양 후보 추출부(130)에서 종양 후보를 추출한 경우, 특징 추출부(140)는 추출된 종양 후보에 대한 다양한 정보를 추출할 수 있다(S240). 이 경우, 특징 추출부(140)는 상기 종양 후보의 신호의 세기만을 고려하여 종양 후보의 특징을 추출할 수 있다.
자기공명 흑혈류 영상 기법을 적용을 통해 허위 후보 수를 줄어들었기 때문에 종양 후보의 신호의 세기만을 고려하여 특징을 추출하더라도, 추출된 특징을 이용하여 종양 조직인지 여부 판단이 가능할 수 있다.
특징 추출부(140)는 종양 후보의 여러 특징들을 추출할 수 있다. 특징 추출부(140)는 각각의 종양 후보에 대한 다양한 정보를 파라미터화 하여 테이블로 생성하거나 파라미터화된 테이블을 저장할 수 있다.
일례로 표 1에 도시된 바와 같이 종양 후보에 대한 다양한 정보를 파라미터화할 수 있다.
Number Description
1 Neural Network training에 사용되는 정보로 해당 후보에 대한 '정답'(0 또는 1)
2 Data ID
3 대표 복셀의 x축 위치
4 대표 복셀의 z축 위치
5 대표 복셀의 y축 위치
6 NCCC 값
7 대표 복셀의 signal intensity
8 대표 복셀의 normalized signal intensity
9 후보 볼륨의 average signal intensity
10 후보 볼륨의 signal intensity 표준편차
11 후보 볼륨 중 평균 signal intensity 보다 높은 값을 가지는 복셀수
12 후보 볼륨보다 약간 큰 볼륨 중 평균 signal intensity 보다 높은 값을 가지는 복셀수
13 후보 볼륨 중 평균 signal intensity 보다 낮은 값을 가지는 복셀의 평균값
14 후보 볼륨 중 평균 signal intensity 보다 낮은 값을 가지는 복셀의 표준편차
15 후보 볼륨보다 약간 큰 볼륨 중 평균 signal intensity 보다 낮은 값을 가지는 복셀의 평균값
16 후보 볼륨보다 약간 큰 볼륨 중 평균 signal intensity 보다 낮은 값을 가지는 복셀의 표준편차
17 후보 볼륨 중 signal intensity가 0인 복셀수
18 후보 볼륨보다 약간 큰 볼륨 중 signal intensity가 0인 복셀수
19 후보 볼륨의 x축 / y축 비율
20 후보 볼륨의 y축 / z축 비율
21 후보 볼륨의 z축 / x축 비율
상기와 같이, 종양 후보에 대한 특징이 추출되면, 종양 판단부(150)는 상기 추출된 특징을 이용하여 상기 종양 후보가 종양 조직인지 정상 조직인지 여부를 판단할 수 있다(S250).
만약, 종양 조직으로 판단되면, 제어부(160)는 상기 종양 후보가 식별되도록 원본 영상에 표시할 수 있다(S260).
한편, 종양 후보를 추출하는 과정에서, 추출된 종양 후보를 원본 영상에 포시하는 방법은 영상을 통해 설명될 수 있다.
도 5는 영상을 통해 종양 후보군을 추출하는 과정을 나타내는 도면이다.
도 5(a)는 전처리 과정(S220)을 통해 추출된 뇌 영상을 나타낸다. 도 5(b)는 템플릿 대조 기법 적용을 통해 NCCC 상관 계수를 이용하여 생성된 NCCC 맵을 나타낸다. 또한, 5(c)는 종양 후보 검출 단계(S220)에서 그룹핑 과정을 거쳐 복수의 종양 후보를 하나의 그룹으로 형성된 영상을 나타낸다. 도 5(d) 추출된 종양 후보(그룹핑된 후보)에서 종양 조직으로 판단된 종양 후보(510)가 원본 영상에 식별되게 표시된 예를 나타낸다.
상술한 바와 같이, 본 발명의 일실시예에 의한 자기공명영상 분석 방법 및 장치는 자기공명 흑혈류 (black blood) 영상 기법을 이용하여 허위 양성을 현저하게 줄여, 종양 후보 추출 시 정확도를 높일 수 있다.
상술한 자기공명영상 분석 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터로 판독 가능한 기록 매체에 기록될 수 있다. 이때, 컴퓨터로 판독 가능한 기록매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 한편, 기록매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터로 판독 가능한 기록매체에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(Magnetic Media), CD-ROM, DVD와 같은 광기록 매체(Optical Media), 플롭티컬 디스크(Floptical Disk)와 같은 자기-광 매체(Magneto-Optical Media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다.
한편, 이러한 기록매체는 프로그램 명령, 데이터 구조 등을 지정하는 신호를 전송하는 반송파를 포함하는 광 또는 금속선, 도파관 등의 전송 매체일 수도 있다.
또한, 프로그램 명령에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
상기와 같이 설명된 자기공명영상 분석 방법, 및 장치는 상기 설명된 실시예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 상기 실시예들은 다양한 변형이 이루어질 수 있도록 각 실시예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다.
100: 자기공명영상 분석 장치
110: 영상 획득부
120: 전처리부
130: 종양 후보 추출부
140: 특징 추출부
150: 종양 판단부
160: 제어부

Claims (23)

  1. 자기공명 흑혈류 영상 기법을 적용하여 영상을 획득하는 단계;
    상기 획득된 영상에서 검사 대상 객체를 추출하는 단계;
    상기 추출된 객체에서 템플릿 대조 기법을 적용하여 종양 후보를 추출하는 단계;
    상기 추출된 종양 후보의 특징을 추출하는 단계; 및
    상기 추출된 특징을 이용하여 상기 종양 후보가 종양 조직인지 여부를 판단하는 단계를 포함하되,
    상기 종양 후보 추출 단계는
    미리 제작된 특정 템플릿과 영상과의 대조를 이용하여 상관도를 획득하는 단계; 상기 획득된 상관도를 이용하여 영상의 밝기를 조절하는 단계; 및 상기 획득된 상관도가 소정 임계치 이상인 복셀만을 종양 후보로 추출하는 단계를 포함하는 것을 특징으로 하는 자기공명영상 분석 방법.
  2. 제 1 항에 있어서, 상기 자기공명영상 분석 방법은
    상기 획득된 영상의 신호를 보정하는 단계를 더 포함하는 것을 특징으로 하는 자기공명영상 분석 방법.
  3. 제 2 항에 있어서, 상기 획득된 영상의 신호 보정 단계는
    상기 획득된 신호 영상 전체에 대한 신호 강도 분포도를 이용하는 것을 특징으로 하는 자기공명영상 분석 방법.
  4. 제 1 항에 있어서, 상기 검사 대상 객체는
    뇌를 포함하는 것을 특징으로 하는 자기공명영상 분석 방법.
  5. 삭제
  6. 제 1 항에 있어서, 상기 종양 후보 추출 단계는
    상기 추출된 종양 후보가 복수개 존재하고, 제1종양 후보와 제2종양 후보가 소정 거리 내에 위치하는 경우,
    상기 제1종양 후보와 상기 제2종양 후보를 하나의 그룹으로 그룹핑하는 단계를 더 포함하는 것을 특징으로 하는 자기공명영상 분석 방법.
  7. 제 6 항에 있어서, 상기 소정 거리는
    상기 특정 템플릿의 사이즈를 고려하여 결정되는 것을 특징으로 하는 자기공명영상 분석 방법.
  8. 제 1 항에 있어서, 상기 자기공명영상 분석 방법은
    상기 추출된 종양 후보가 종양 조직으로 판단된 경우, 상기 추출된 종양 후보가 식별되게 자기공명영상 원본에 표시하는 단계를 더 포함하는 것을 특징으로 하는 자기공명영상 분석 방법.
  9. 제 1 항에 있어서, 상기 종양 후보의 특징 추출 단계는
    상기 종양 후보에 대한 신호 세기만을 고려하여 수행되는 것을 특징으로 하는 자기공명영상 분석 방법.
  10. 자기공명 흑혈류 영상 기법을 적용하여 영상을 획득하는 영상 획득부;
    상기 획득된 영상에서 검사 대상 객체를 추출하는 전처리부;
    미리 제작된 특정 템플릿과 영상과의 대조를 이용하여 상관도를 획득하고, 상기 획득된 상관도를 이용하여 영상의 밝기를 조절하고, 상기 획득된 상관도가 소정 임계치 이상인 복셀만을 종양 후보로 추출하는 종양 후보 추출부;
    상기 추출된 종양 후보의 특징을 추출하는 특징 추출부;
    상기 추출된 특징을 이용하여 상기 종양 후보가 종양 조직인지 여부를 판단하는 종양 판단부; 및
    상기 영상 획득부, 전처리부, 상기 종양 후보 추출부, 상기 특징 추출부, 및 상기 종양 판단부를 제어하는 제어부를 포함하는 것을 특징으로 하는 자기공명영상 분석 장치.
  11. 제 10 항에 있어서, 상기 전처리부는
    상기 획득된 영상의 신호를 보정하는 것을 특징으로 하는 자기공명영상 분석 장치.
  12. 제 11 항에 있어서, 상기 전처리부에서 수행하는 신호 보정은
    상기 획득된 신호 영상 전체에 대한 신호 강도 분포도를 이용하여 수행되는 것을 특징으로 하는 자기공명영상 분석 장치.
  13. 제 10 항에 있어서, 상기 검사 대상 객체는
    뇌를 포함하는 것을 특징으로 하는 자기공명영상 분석 장치.
  14. 삭제
  15. 제 10 항에 있어서, 상기 종양 후보 추출부는
    상기 추출된 종양 후보가 복수개 존재하고, 제1종양 후보와 제2종양 후보가 소정 거리 내에 위치하는 경우,
    상기 제1종양 후보와 상기 제2종양 후보를 하나의 그룹으로 그룹핑하는 것을 특징으로 하는 자기공명영상 분석 장치.
  16. 제 15 항에 있어서, 상기 소정 거리는
    상기 특정 템플릿의 사이즈를 고려하여 결정되는 것을 특징으로 하는 자기공명영상 분석 장치.
  17. 제 10 항에 있어서, 상기 제어부는
    상기 추출된 종양 후보가 종양 조직으로 판단된 경우, 상기 추출된 종양 후보가 식별되게 자기공명영상 원본에 표시하는 것을 특징으로 하는 자기공명영상 분석 장치.
  18. 제 10 항에 있어서, 상기 특징 추출부는
    상기 종양 후보에 대한 신호 세기만을 고려하여 상기 종양 후보의 특징을 추출하는 것을 자기공명영상 분석 장치.
  19. 자기공명 흑혈류 영상 기법을 적용하여 영상을 획득하는 단계;
    상기 획득된 영상에서 검사 대상 객체를 추출하는 단계;
    미리 제작된 특정 템플릿과 영상과의 대조를 이용하여 상관도를 획득하는 단계, 상기 획득된 상관도를 이용하여 영상의 밝기를 조절하는 단계, 및 상기 획득된 상관도가 소정 임계치 이상인 복셀만을 종양 후보로 추출하는 단계를 포함하는 종양 후보 추출 단계;
    상기 추출된 종양 후보의 특징을 추출하는 단계; 및
    상기 추출된 특징을 이용하여 상기 종양 후보가 종양 조직인지 여부를 판단하는 단계를 실행시키기 위한 프로그램이 기록된 기록 매체.
  20. 삭제
  21. 제 19 항에 있어서, 상기 종양 후보 추출 단계는
    상기 추출된 종양 후보가 복수개 존재하고, 제1종양 후보와 제2종양 후보가 소정 거리 내에 위치하는 경우,
    상기 제1종양 후보와 상기 제2종양 후보를 하나의 그룹으로 그룹핑하는 단계를 더 포함하는 것을 특징으로 하는 기록매체.
  22. 제 21 항에 있어서, 상기 소정 거리는
    상기 특정 템플릿의 사이즈를 고려하여 결정되는 것을 특징으로 하는 기록매체.
  23. 제 19 항에 있어서, 상기 종양 후보의 특징 추출 단계는
    상기 종양 후보에 대한 신호 세기만을 고려하여 수행되는 것을 특징으로 하는 기록매체.
KR1020110109808A 2011-10-26 2011-10-26 자기공명영상을 분석하는 방법, 장치 그리고 자기공명영상을 분석하기 위한 프로그램이 기록된 기록매체 KR101284388B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020110109808A KR101284388B1 (ko) 2011-10-26 2011-10-26 자기공명영상을 분석하는 방법, 장치 그리고 자기공명영상을 분석하기 위한 프로그램이 기록된 기록매체

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020110109808A KR101284388B1 (ko) 2011-10-26 2011-10-26 자기공명영상을 분석하는 방법, 장치 그리고 자기공명영상을 분석하기 위한 프로그램이 기록된 기록매체

Publications (2)

Publication Number Publication Date
KR20130045544A KR20130045544A (ko) 2013-05-06
KR101284388B1 true KR101284388B1 (ko) 2013-07-09

Family

ID=48657544

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020110109808A KR101284388B1 (ko) 2011-10-26 2011-10-26 자기공명영상을 분석하는 방법, 장치 그리고 자기공명영상을 분석하기 위한 프로그램이 기록된 기록매체

Country Status (1)

Country Link
KR (1) KR101284388B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11568538B2 (en) 2021-04-16 2023-01-31 Heuron Co., Ltd. Medical image-based tumor detection and diagnostic device

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102114346B1 (ko) * 2013-08-30 2020-05-22 삼성전자주식회사 스테레오 컨버전스 제어 방법 및 이를 적용한 스테레오 이미지 프로세서
KR101659578B1 (ko) * 2015-09-01 2016-09-23 삼성전자주식회사 자기 공명 영상 처리 방법 및 장치
KR101923184B1 (ko) 2017-08-25 2018-11-28 삼성전자주식회사 뉴럴 네트워크를 이용한 영상 복원 방법 및 그 자기 공명 영상 장치
KR101950815B1 (ko) * 2017-08-25 2019-02-21 뉴로핏 주식회사 패치 가이드 방법 및 프로그램
KR102027773B1 (ko) * 2017-12-29 2019-10-02 한국과학기술원 자기공명영상의 왜곡 보정을 위한 방법 및 이를 적용한 자기공명영상 장치

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090041351A (ko) * 2007-10-23 2009-04-28 (주)토탈소프트뱅크 Ｃｔ 영상에서 간 영역 및 간 종양을 추출하는 방법
KR20090042645A (ko) * 2007-10-26 2009-04-30 한국기초과학지원연구원 자기공명영상 촬영장치의 영상 분석 장치 및 그 방법
KR20090082798A (ko) * 2008-01-28 2009-07-31 고려대학교 산학협력단 영상에서 특정 피사체를 인식하는 시스템 및 방법
KR20110082067A (ko) * 2008-10-31 2011-07-15 오레곤 헬스 앤드 사이언스 유니버시티 암 식별을 위해 자기 공명 영상을 이용하는 방법 및 장치

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090041351A (ko) * 2007-10-23 2009-04-28 (주)토탈소프트뱅크 Ｃｔ 영상에서 간 영역 및 간 종양을 추출하는 방법
KR20090042645A (ko) * 2007-10-26 2009-04-30 한국기초과학지원연구원 자기공명영상 촬영장치의 영상 분석 장치 및 그 방법
KR20090082798A (ko) * 2008-01-28 2009-07-31 고려대학교 산학협력단 영상에서 특정 피사체를 인식하는 시스템 및 방법
KR20110082067A (ko) * 2008-10-31 2011-07-15 오레곤 헬스 앤드 사이언스 유니버시티 암 식별을 위해 자기 공명 영상을 이용하는 방법 및 장치

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11568538B2 (en) 2021-04-16 2023-01-31 Heuron Co., Ltd. Medical image-based tumor detection and diagnostic device

Also Published As

Publication number Publication date
KR20130045544A (ko) 2013-05-06

Similar Documents

Publication Publication Date Title
US11967072B2 (en) Three-dimensional object segmentation of medical images localized with object detection
CN108460809B (zh) 用于前列腺癌检测和分类的深度卷积编码器-解码器
KR101284388B1 (ko) 자기공명영상을 분석하는 방법, 장치 그리고 자기공명영상을 분석하기 위한 프로그램이 기록된 기록매체
CN108961274B (zh) 一种mri图像中自动头颈肿瘤分割方法
CN107644420A (zh) 基于中心线提取的血管图像分割方法、核磁共振成像系统
CN111640118B (zh) 使用多参数磁共振成像的肿瘤组织表征
CN108122221B (zh) 弥散加权成像图像中脑缺血区域的分割方法及装置
CN110415234A (zh) 基于多参数磁共振成像的脑部肿瘤分割方法
CN111340767B (zh) 一种脑部肿瘤头皮定位图像处理方法及系统
Nalepa et al. Deep learning automates bidimensional and volumetric tumor burden measurement from MRI in pre-and post-operative glioblastoma patients
CN113764101B (zh) 基于cnn的乳腺癌新辅助化疗多模态超声诊断系统
WO2020056196A1 (en) Fully automated personalized body composition profile
Xing et al. Automatic detection of A‐line in lung ultrasound images using deep learning and image processing
CN105225234A (zh) 基于支持向量机mri图像分割的肺部肿瘤识别方法
CN112184613A (zh) 基于人工智能的磁共振肺部影像识别装置及方法
CN115337000A (zh) 基于脑结构影像评估疾病引起大脑衰老的机器学习方法
CN105184799A (zh) 一种改进的无监督脑部肿瘤mri图像分割方法
Çetingül et al. Estimation of local orientations in fibrous structures with applications to the Purkinje system
Karuna et al. Magnetic Resonance Brain Images Individual Recognition with PCA
US20220349972A1 (en) Systems and methods for integrated magnetic resonance imaging and magnetic resonance fingerprinting radiomics analysis
CN117649400B (zh) 一种异常检测框架下的影像组学分析方法及系统
US20230036757A1 (en) Concurrent display of hemodynamic parameters and damaged brain tissue
US20220346659A1 (en) Mapping peritumoral infiltration and prediction of recurrence using multi-parametric magnetic resonance fingerprinting radiomics
US20240221162A1 (en) Three dimensional object segmentation of medical images localized with object detection
Zhang Small Blob Detection in Medical Images

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: 20160704

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20170712

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20180627

Year of fee payment: 6