KR101328729B1 - 영상 내 혈관 분할 방법 및 장치 - Google Patents

영상 내 혈관 분할 방법 및 장치 Download PDF

Info

Publication number
KR101328729B1
KR101328729B1 KR1020120102414A KR20120102414A KR101328729B1 KR 101328729 B1 KR101328729 B1 KR 101328729B1 KR 1020120102414 A KR1020120102414 A KR 1020120102414A KR 20120102414 A KR20120102414 A KR 20120102414A KR 101328729 B1 KR101328729 B1 KR 101328729B1
Authority
KR
South Korea
Prior art keywords
vessel
blood vessel
pixel
region
blood
Prior art date
Application number
KR1020120102414A
Other languages
English (en)
Inventor
김명희
강미선
김혜련
Original Assignee
이화여자대학교 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 이화여자대학교 산학협력단 filed Critical 이화여자대학교 산학협력단
Priority to KR1020120102414A priority Critical patent/KR101328729B1/ko
Application granted granted Critical
Publication of KR101328729B1 publication Critical patent/KR101328729B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/143—Segmentation; Edge detection involving probabilistic approaches, e.g. Markov random field [MRF] modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

영상에서 혈관을 분할하는 혈관 분할 장치로서, 입력 영상 내 각 픽셀의 혈관일 확률을 계산하는 혈관일 확률 계산부, 각 픽셀의 혈관일 확률을 기초로 상기 입력 영상에서 혈관 후보 픽셀을 선택하여, 혈관 후보 픽셀과 배경 픽셀로 구성된 이진 영상을 생성하는 이진 영상 생성부, 상기 이진 영상에서, 이웃한 혈관 후보 픽셀을 연결하여, 연결된 혈관 후보 픽셀 집합 각각에 대응하는 복수의 혈관 영역을 추출하는 혈관 영역 추출부, 그리고 혈관 후보 픽셀의 지역적 혈관 방향을 기초로 상기 복수의 혈관 영역 중 적어도 하나의 혈관 영역을 혈관으로 분할하는 혈관 분할부를 포함한다.

Description

영상 내 혈관 분할 방법 및 장치{METHOD AND APPARATUS FOR SEGMENTATING VESSEL IN IMAGES}
본 발명은 영상 내 혈관 분할 방법 및 장치에 관한 것이다.
심혈관 질환은 우리나라 사망원인 2위이고 세계적으로 주요한 사망원인으로 꼽히고 있다. 심혈관 질환은 혈소판 덩어리인 혈전이 지질이 축적돼 좁아진 혈관을 막아 혈관이 점진적으로 막히게 되는 병이다. 심혈관 질환을 치료하기 위해서는 혈관 내에 스텐트(stent)를 삽입하여 좁아진 혈관을 넓혀주거나 우회로 시술로 새로운 혈관을 연결해주는 시술을 한다. 이러한 시술은 X-선 혈관 조영 영상(X-ray Angiography)을 사용하는데, 조영 영상에서 혈관을 빠르고 정확하게 인식하는 것이 중요하다.
그러나 심혈관은 심장의 박동, 호흡에 따라 끊임 없이 움직이고 혈관을 타고 흐르는 조영제의 양이 항상 일정하지 않다. 따라서, 조영 영상은 혈관의 대비(contrast)가 일정하지 않고, 명암이 낮으며, 영상 밝기가 균일하지 않은(Non-uniform illumination) 문제가 있다.
본 발명이 해결하고자 하는 과제는 영상의 불균일한 조명을 보정하고, 영상 내 픽셀 각각의 혈관일 확률(vesselness)을 기초로 혈관 후보 픽셀들을 추출하며, 혈관 후보 픽셀들이 연결된 혈관 영역을 혈관으로 분할하는 혈관 분할 방법 및 장치를 제공하는 것이다.
본 발명의 한 실시예에 따른 영상에서 혈관을 분할하는 혈관 분할 장치로서, 입력 영상 내 각 픽셀의 혈관일 확률을 계산하는 혈관일 확률 계산부, 각 픽셀의 혈관일 확률을 기초로 상기 입력 영상에서 혈관 후보 픽셀을 선택하여, 혈관 후보 픽셀과 배경 픽셀로 구성된 이진 영상을 생성하는 이진 영상 생성부, 상기 이진 영상에서, 이웃한 혈관 후보 픽셀을 연결하여, 연결된 혈관 후보 픽셀 집합 각각에 대응하는 복수의 혈관 영역을 추출하는 혈관 영역 추출부, 그리고 혈관 후보 픽셀의 지역적 혈관 방향을 기초로 상기 복수의 혈관 영역 중 적어도 하나의 혈관 영역을 혈관으로 분할하는 혈관 분할부를 포함한다.
상기 혈관일 확률 계산부는 헤시안 행렬의 고유치를 기초로 각 픽셀의 혈관일 확률을 계산할 수 있다.
상기 이진 영상 생성부는 혈관일 확률이 기준값 이상인 픽셀을 혈관 후보 픽셀로 선택할 수 있다.
상기 혈관 영역 추출부는 임의의 혈관 후보 픽셀에 인접한 적어도 하나의 혈관 후보 픽셀을 연결해 가면서 연결된 혈관 후보 픽셀 집합을 추출하고, 연결된 혈관 후보 픽셀 집합을 하나의 혈관 영역으로 레이블링할 수 있다.
상기 혈관 영역 추출부는 상기 임의의 혈관 후보 픽셀에 인접한 8개의 픽셀 중에서 적어도 하나의 이웃 혈관 후보 픽셀이 있으면, 상기 임의의 혈관 후보 픽셀과 상기 이웃 혈관 후보 픽셀은 연결된 것으로 판단할 수 있다.
상기 혈관 분할부는 상기 복수의 혈관 영역 중에서 혈관으로 분할된 제1 혈관 영역과 상기 제1 혈관 영역의 주변에 위치한 제2 혈관 영역의 지역적 혈관 방향을 비교하여, 상기 제2 혈관 영역을 혈관으로 분할할 수 있다.
상기 제1 혈관 영역은 상기 복수의 혈관 영역 중에서 혈관 후보 픽셀이 가장 많이 연결된 혈관 영역일 수 있다.
상기 혈관 분할부는 상기 제1 혈관 영역의 제1 경계 픽셀이 가지는 지역적 혈관 방향과 상기 제1 경계 픽셀의 주변에 위치한 제2 경계 픽셀이 가지는 지역적 혈관 방향을 비교하여 상기 제2 혈관 영역을 혈관으로 분할하고, 상기 제2 경계 픽셀은 상기 제2 혈관 영역에 포함된 혈관 후보 픽셀일 수 있다.
상기 혈관 분할부는 혈관 후보 픽셀에 해당하는 헤시안 행렬의 고유치로부터 고유 벡터를 획득하고, 상기 고유 벡터를 기초로 상기 지역적 혈관 방향을 판단할 수 있다.
상기 혈관 분할 장치는 입력받은 영상의 불균일한 밝기를 보정하여 보정 영상을 생성하는 불균일 조명 보정부를 더 포함하고, 상기 혈관일 확률 계산부는 상기 보정 영상을 기초로 혈관일 확률을 계산할 수 있다.
본 발명의 다른 실시예에 따른 혈관 분할 장치가 입력 영상으로부터 혈관을 분할하는 방법으로서, 입력 영상의 픽셀별로 혈관일 확률을 계산하는 단계, 각 픽셀의 혈관일 확률을 기초로 상기 입력 영상의 각 픽셀을 혈관 후보 픽셀과 배경 픽셀로 구분하여 이진 영상을 생성하는 단계, 이웃한 혈관 후보 픽셀들을 연결하여 적어도 하나의 혈관 영역을 추출하는 단계, 적어도 하나의 혈관 영역 중에서 기준이 되는 혈관 영역을 기준 혈관으로 분할하는 단계, 그리고 혈관 후보 픽셀의 지역적 혈관 방향을 기초로 상기 기준 혈관의 주변 혈관 영역을 혈관으로 분할하는 단계를 포함한다.
상기 혈관일 확률을 계산하는 단계는 헤시안 행렬의 고유치를 기초로 각 픽셀의 혈관일 확률을 계산할 수 있다.
상기 이진 영상을 생성하는 단계는 혈관일 확률이 기준값 이상인 픽셀을 혈관 후보 픽셀로 분류하여 상기 이진 영상을 생성할 수 있다.
상기 적어도 하나의 혈관 영역을 추출하는 단계는 임의의 혈관 후보 픽셀에 인접한 8개의 픽셀 중에서 적어도 하나의 이웃 혈관 후보 픽셀이 있으면, 상기 임의의 혈관 후보 픽셀과 상기 이웃 혈관 후보 픽셀은 연결된 것으로 판단하여, 연결된 혈관 후보 픽셀들로 구성된 혈관 영역을 추출할 수 있다.
상기 기준 혈관으로 분할하는 단계는 상기 적어도 하나의 혈관 영역 중에서, 연결된 혈관 후보 픽셀이 가장 많이 연결된 혈관 영역을 상기 기준 혈관으로 분할할 수 있다.
상기 기준 혈관의 주변 혈관 영역을 혈관으로 분할하는 단계는 상기 기준 혈관의 경계 픽셀 주변에 위치한 상기 주변 혈관 영역을 탐색하는 단계, 상기 기준 혈관의 경계 픽셀과 상기 주변 혈관 영역의 경계 픽셀 각각의 지역적 혈관 방향을 비교하는 단계, 그리고 지역적 혈관 방향이 일치하는 경우, 상기 주변 혈관 영역을 혈관으로 분할하는 단계를 포함하고, 상기 주변 혈관 영역의 경계 픽셀은 상기 기준 혈관의 경계 픽셀을 마주보는 픽셀일 수 있다.
본 발명의 또 다른 실시예에 따른 혈관 분할 장치가 입력 영상으로부터 혈관을 분할하는 방법으로서, 입력 영상 내 각 픽셀의 혈관일 확률을 기초로 각 픽셀을 혈관 후보 픽셀과 배경 픽셀로 구분하여 이진 영상을 생성하는 단계, 이웃한 혈관 후보 픽셀들끼리 연결하여 복수의 혈관 영역을 추출하는 단계, 적어도 하나의 혈관 영역 중에서 혈관으로 분할된 제1 혈관 영역의 경계를 추출하는 단계, 상기 제1 혈관 영역의 경계에서 관심 영역 이내에 위치하는 제2 혈관 영역을 찾는 단계, 상기 제1 혈관 영역과 상기 제2 혈관 영역의 지역적 혈관 방향을 비교하는 단계, 그리고 비교 결과를 기초로 상기 제2 혈관 영역을 혈관으로 분할하는 단계를 포함한다.
상기 혈관 분할 방법은 상기 지역적 혈관 방향이 다르면, 상기 제2 혈관 영역을 잡음으로 분류하는 단계를 더 포함할 수 있다.
상기 제2 혈관 영역을 찾는 단계는 상기 제1 혈관 영역의 경계에 위치한 경계 픽셀의 관심 영역을 설정하고, 상기 관심 영역 안에 들어있는 혈관 후보 픽셀을 찾고, 찾은 혈관 후보 픽셀은 상기 제2 혈관 영역에 포함된 픽셀일 수 있다.
상기 지역적 혈관 방향을 비교하는 단계는 상기 경계 픽셀과 상기 찾은 혈관 후보 픽셀 각각의 고유 벡터를 기초로 지역적 혈관 방향을 비교하고, 상기 고유 벡터는 해당 픽셀의 헤시안 행렬로부터 계산될 수 있다.
본 발명의 실시예에 따르면 영상 내에서 혈관과 배경의 밝기값 차이를 크게 하므로 혈관의 명암이 일정하지 않더라도 혈관을 배경으로부터 쉽게 분할할 수 있다. 본 발명의 실시예에 따르면 밝기값이 보정된 영상을 기초로 혈관일 확률을 정확하게 측정할 수 있다. 본 발명의 실시예에 따르면 영상에서 가늘고 길게 연결되어 있는 혈관을 정확하게 분할할 수 있다. 또한 발명의 실시예에 따르면 영상에서 혈관 분할 시 인터렉션 없이 자동 분할할 수 있다.
도 1은 본 발명의 한 실시예에 따른 혈관 분할 장치의 블록도이다.
도 2는 본 발명의 한 실시예에 따른 입력 영상의 예시이다.
도 3은 본 발명의 한 실시예에 따른 불균일 조명 보정 영상의 예시이다.
도 4는 본 발명의 한 실시예에 따른 혈관 후보 픽셀을 나타내는 이진 영상이다.
도 5와 도 6 각각은 본 발명의 한 실시예에 따른 혈관 영역을 추출하는 방법을 설명하는 도면이다.
도 7부터 도 11 각각은 본 발명의 한 실시예에 따른 혈관 분할 방법을 설명하는 도면이다.
도 12는 본 발명의 한 실시예에 따른 혈관 분할 방법의 흐름도이다.
도 13은 본 발명의 다른 실시예에 따른 혈관 분할 방법의 흐름도이다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
이제 도면을 참고하여 본 발명의 실시예에 따른 혈관 분할 방법 및 장치에 대해 설명한다.
도 1은 본 발명의 한 실시예에 따른 혈관 분할 장치의 블록도이고, 도 2는 본 발명의 한 실시예에 따른 입력 영상의 예시이며, 도 3은 본 발명의 한 실시예에 따른 불균일 조명 보정 영상의 예시이다.
도 1을 참고하면, 혈관 분할 장치(100)는 혈관을 측정한 영상에서 혈관을 분할한다. 이를 위해 혈관 분할 장치(100)는 영상입력부(110), 불균일 조명 보정부(120), 혈관일 확률 계산부(130), 이진 영상 생성부(140), 혈관 영역 추출부(150) 그리고 혈관 분할부(160)를 포함한다.
영상입력부(110)는 혈관을 촬영한 영상을 입력받는다. 도 2를 참고하면, 입력 영상(10)은 X-선 혈관 조영(X-ray Angiography) 영상일 수 있다.
불균일 조명 보정부(120)는 영상입력부(110)에서 입력받은 영상의 불균일한 밝기(intensity)를 보정한다. 즉, 도 3을 참고하면, 불균일 조명 보정부(120)는 원영상(10)의 밝기를 보정하여 명암 대비가 향상된 보정 영상(20)을 생성한다. 혈관은 가늘고 길게 연결되어 있고, 심장의 박동, 호흡에 따라 끊임없이 움직인다. 따라서, 혈관 영상은 밝기가 불균일하여 혈관과 배경을 분할하기가 쉽지 않다. 그러므로, 혈관 영상을 그대로 이용하는 대신, 불균일 조명 보정부(120)에서 보정된 보정 영상(20)을 기초로 혈관을 분할하는 경우, 혈관을 더 정확하게 분할할 수 있다.
불균일 조명 보정부(120)는 히스토그램 기반의 불균일 조명 보정 방법을 이용할 수 있다. 히스토그램 기반의 불균일 조명 보정 방법은 비용함수(cost function)를 정의하고 이를 최소화하는 MF-HS(Modification Framework-Histogram Smoothing) 방법일 수 있다. MF-HS 방법은 지역적 변환함수 보간 기법을 적용하여 블록화 현상(Blocking artifact)을 최소화하면서 지역적 특성을 반영할 수 있다.
혈관일 확률 계산부(130)는 영상 내 각 픽셀의 혈관일 확률(vesselness)을 계산한다. 혈관일 확률 계산부(130)는 보정 영상(20)을 이용할 수 있다. 혈관일 확률 계산부(130)는 픽셀 사이의 지역적 밝기값 변화를 기초로 혈관일 확률을 계산한다. 이를 위해, 혈관일 확률 계산부(130)는 헤시안(Hessian) 행렬의 고유치(eigenvalue)를 기초로 픽셀 사이의 지역적 밝기값 변화를 분석할 수 있다.
헤시안 행렬은 영상(I)의 각 픽셀의 2차 미분(second partial derivatives)으로 이루어진 행렬로서, 수학식 1과 같이 표현된다. 헤시안 행렬은 영상(I)과 가우시안 커널의 2차 미분값(partial second order derivatives of a Gaussian Kernel)의 컨볼루션으로 얻어질 수 있다.
Figure 112012074677176-pat00001
2차원 영상(I)의 헤시안 행렬은 두 개의 고유치, λ1과 λ2를 가진다. λ1 은 기하학적으로 튜브방향을 따르는 작은 곡률(curvature)에 대한 정보를 나타낸다. λ2는 기하학적으로 튜브의 수직방향에 대한 큰 곡률에 대한 정보를 나타낸다. 이러한 헤시안 행렬의 고유치는 표 1과 같이 각 픽셀이 어떤 패턴에 속하는지 알려준다.
λ1 λ2 Orientation pattern
N N No preferred direction
L H- Tubular structure(bright)
L H+ Tubular structure(dark)
H- H- Blob-like structure(bright)
H+ H+ Blob-like structure(dark)
표 1에서, H는 하이(high), L은 로우(low), N은 노이즈(noisy), +/-는 고유치값의 부호를 나타낸다. 여기서, L(low)은 0에 가까운 작은 수를 말하고 H(High)는 상대적으로 큰값(large magnitude)을 의미한다.
혈관일 확률 계산부(130)는 헤시안 행렬의 고유치, λ1과 λ2를 이용해서 각 픽셀이 혈관일 확률(vesselness, V)을 계산한다. 예를 들어, 혈관일 확률 계산부(130)는 수학식 2를 이용하여 혈관일 확률을 계산할 수 있다. 혈관일 확률 계산부(130)는 다양한 크기의 혈관을 분할하기 위해 다규모(multiscale)로 접근할 수 있다.
Figure 112012074677176-pat00002
수학식 2에서, λ1과 λ2는 영상의 헤시안 행렬에 관계된 고유치이다.
Figure 112012074677176-pat00003
와
Figure 112012074677176-pat00004
는 고유치를 이용한 계산이 혈관일 확률 계산에 잘 반영되도록 하는 계수로서, 실험으로 얻어진다.
혈관일 확률 계산부(130)는 픽셀별로 헤시안 행렬의 고유치에 대응하는 고유 벡터(eigen vector)를 계산한다. 각 픽셀의 고유 벡터는 혈관 방향을 나타낸다.
이진 영상 생성부(140)는 혈관일 확률 계산부(130)에서 계산한 혈관일 확률을 기초로 영상에서 혈관 후보 픽셀을 선정한다. 여기서, 이진 영상 생성부(140)는 혈관일 확률이 기준값 이상인 픽셀을 혈관 후보 픽셀로 결정한다. 혈관 분할부(140)는 혈관 후보 픽셀을 흰색, 배경 픽셀을 검은색으로 구분하여 이진 영상을 생성한다.
혈관 영역 추출부(150)는 8-이웃 연결을 통해 혈관 후보 픽셀들을 연결한다. 이때, 모든 혈관 후보 픽셀들이 하나의 혈관으로 연결되는 것이 아니라, 일부의 혈관 후보 픽셀들이 연결되어 하나의 혈관 영역을 형성하고, 다른 일부의 혈관 후보 픽셀들이 연결되어 다른 혈관 영역을 형성할 수 있다. 따라서, 혈관 영역 추출부(150)는 각 혈관 영역을 구분하기 위해 각 혈관 영역을 레이블링(labeling)한다. 즉, 혈관 영역 추출부(150)는 연결된 혈관 후보 픽셀 집합에 이름을 붙여 혈관 영역을 구분한다. 혈관 영역 추출부(150)는 어느 혈관 영역에도 속하지 않은 혈관 후보 픽셀을 잡음으로 판단하여 제거할 수 있다.
혈관 분할부(160)는 복수의 혈관 영역 중에서 기준이 되는 혈관 영역을 기준 혈관으로 분할한다. 이때, 혈관 분할부(160)는 연결된 혈관 후보 픽셀이 가장 많은 혈관 영역을 기준 혈관으로 선택할 수 있다. 그리고 혈관 분할부(160)는 기준 혈관의 경계에서 지역적 혈관 방향(local vessel direction)이 같은 주변의 혈관 영역들을 찾아서, 주변의 혈관 영역들 역시 혈관으로 분할한다. 즉, 혈관은 실제로 연결되어 있는데, 이진 영상에서 혈관 영역이 연결되어 있지 않다고 하여 어느 혈관 영역을 혈관이 아니라고 판단한다면, 혈관 분할에서 오류가 발생할 수 있다. 따라서, 혈관 분할부(160)는 혈관 방향이 같은 혈관 영역들이 이진 영상에서는 비록 연결되어 있지는 않지만, 혈관의 특성을 고려하여 혈관으로 판단한다. 따라서, 혈관 분할부(160)는 지금까지의 혈관 분할 장치에 비해 혈관을 더 정확하게 분할할 수 있다.
혈관 분할부(160)는 각 픽셀의 고유 벡터의 방향으로 지역적 혈관 방향을 구할 수 있다. 혈관 분할부(160)는 혈관으로 분할된 혈관 영역의 경계에서 지역적 혈관 방향이 같은 혈관 영역을 순차적으로 반복해서 찾을 수 있다.
다음에서, 혈관을 분할하는 방법을 자세히 설명한다.
도 4는 본 발명의 한 실시예에 따른 혈관 후보 픽셀을 나타내는 이진 영상이다.
도 4를 참고하면, 이진 영상 생성부(140)는 혈관일 확률을 기초로 영상(10/20)에서 혈관 후보 픽셀을 선정한다. 이진 영상 생성부(140)는 픽셀의 혈관일 확률이 기준값 이상이면 혈관 후보 픽셀, 그리고 픽셀의 혈관일 확률이 기준값보다 작으면 배경 픽셀로 구분한다. 이진 영상 생성부(140)는 혈관 후보 픽셀을 흰색, 배경 픽셀을 검은색으로 구분하여 이진 영상(30)을 생성한다.
도 5와 도 6 각각은 본 발명의 한 실시예에 따른 혈관 영역을 추출하는 방법을 설명하는 도면이다.
도 5를 참고하면, 혈관 영역 추출부(150)는 8-이웃 연결을 통해 혈관 후보 픽셀들을 연결한다. 8-이웃 연결이란, 중심 픽셀(200)과 이웃한 8개의 이웃 픽셀(210, 220, 230, 240, 250, 260, 270, 280)을 연결하는 방법이다. 여기서, 중심 픽셀(200)은 혈관 후보 픽셀로서 흰색이고, 이웃한 8개의 픽셀(210-280) 중 어느 하나라도 흰색이면 중심 픽셀(200)과 이웃한 픽셀은 연결된 것으로 간주한다. 그리고 연결된 혈관 후보 픽셀은 같은 혈관 영역이라는 표시로 동일한 레이블을 표시한다.
예들 들면, 픽셀(210)과 픽셀(270)이 흰색인 경우, 픽셀(200, 210, 270)에 동일한 레이블, 예를 들면, "혈관 영역 1"을 표시한다.
도 6을 참고하면, 예를 들면, 8x8의 픽셀로 구성된 영상(40)에서, 혈관 후보 픽셀이 (0,0), (0,1), (1,1), (1,2), (1,3), (2,3), (2,4), (3, 4), (3,5), (4,2), (4,6), (5,1), (5,7), (6,1), (6,4), (6,5), (7,2), (7,5)에 위치한다고 가정한다.
혈관 영역 추출부(150)는 혈관 후보 픽셀 각각에서 8-이웃 연결되는 픽셀이 있는지 판단한다. 혈관 영역 추출부(150)는 이진 영상의 각 픽셀을 스캔해가면서, 혈관 후보 픽셀 주변에 다른 혈관 후보 픽셀이 있는지 판단하여 혈관 후보 픽셀들을 연결한다.
예를 들면, (0,0) 픽셀을 중심 픽셀인 경우, (0,0)픽셀 주변에 혈관 후보 픽셀, 즉 (0,1)픽셀과 (1,1)픽셀이 존재한다. 따라서, 혈관 영역 추출부(150)는 (0,0)픽셀, (0,1)픽셀, (1,1)픽셀을 연결한다. 그리고, 혈관 영역 추출부(150)는 연결된 (0,0)픽셀, (0,1)픽셀, (1,1)픽셀을 "혈관 영역 1"로 레이블링할 수 있다.
마찬가지로, 혈관 영역 추출부(150)는 (0,1)픽셀에 이웃한 (1,2)픽셀도 "혈관 영역 1"에 연결된 것으로 간주하고, (1,2)픽셀을 "혈관 영역 1"로 레이블링한다.
혈관 영역 추출부(150)는 (1,2)픽셀에 이웃한 (1,3)픽셀과 (2,3)픽셀도 "혈관 영역 1"에 연결된 것으로 간주하고, (1,3)픽셀과 (2,3) 픽셀을 "혈관 영역 1"로 레이블링한다.
혈관 영역 추출부(150)는 (2,3)픽셀에 이웃한 (2,4)픽셀과 (3,4)픽셀도 "혈관 영역 1"에 연결된 것으로 간주하고, (2,4)픽셀과 (3,4) 픽셀을 "혈관 영역 1"로 레이블링한다.
혈관 영역 추출부(150)는 (2,4) 픽셀 또는 (3,4) 픽셀에 이웃한 (3,5)픽셀을 "혈관 영역 1"로 레이블링하고, (3,5)픽셀에 이웃한 (4,6)픽셀을 "혈관 영역 1"로 레이블링하며, (4,6)픽셀에 이웃한(5,7)픽셀을 "혈관 영역 1"로 레이블링한다.
혈관 영역 추출부(150)는 "혈관 영역 1"에 연결되지 않은 픽셀, 예를 들면 (4,2)픽셀에 연결된 혈관 후보 픽셀들을 찾는다. 예를 들면, 혈관 영역 추출부(150)는 8-이웃 연결을 통해 (4,2)픽셀에 연결된 (5,1)픽셀, (6,1)픽셀, (7,2)픽셀을 찾고, (4,2)픽셀, (5,1)픽셀, (6,1)픽셀, 그리고 (7,2)픽셀을 "혈관 영역 2"로 레이블링한다.
혈관 영역 추출부(150)는 "혈관 영역 1"과 "혈관 영역 2"에 연결되지 않은 (6,4)픽셀에 연결된 (6,5)픽셀과 (7,5)픽셀을 찾고, (6,4)픽셀, (6,5)픽셀, 그리고 (7,5)픽셀을 "혈관 영역 3"으로 레이블링한다.
도 7부터 도 11 각각은 본 발명의 한 실시예에 따른 혈관 분할 방법을 설명하는 도면이다.
도 7을 참고하면, 혈관 분할부(160)는 이진 영상(30)의 복수의 혈관 영역 중에서 기준이 되는 혈관 영역을 기준 혈관(300)으로 분할한다. 이때, 혈관 분할부(160)는 이진 영상(30)에서 혈관 후보 픽셀이 가장 많은 혈관 영역을 기준 혈관으로 선택할 수 있다.
혈관 분할부(160)는 기준 혈관(300)의 경계를 추출한다. 혈관 분할부(160)는 기준 혈관(300)의 경계에 해당하는 경계 픽셀 주변에 기준 혈관(300)이 속하지 않은 혈관 영역이 있는지 판별한다. 이때, 혈관 분할부(160)는 일정 크기의 관심 영역(Region Of Interest, ROI)을 설정한다. 그리고 혈관 분할부(160)는 경계 픽셀의 관심 영역 안에 기준 혈관(300)에 포함되지 않은 혈관 후보 픽셀이 있는지 판별한다. 여기서, 판별된 혈관 후보 픽셀을 주변 혈관 후보 픽셀이라고 정의한다.
도 8을 참고하면, "혈관 영역 1"로 레이블링된 혈관 영역(1), "혈관 영역 2"로 레이블링된 혈관 영역(2), 그리고 "혈관 영역 3"로 레이블링된 혈관 영역(3)이 추출된 경우를 가정한다.
혈관 분할부(160)는 혈관 영역(1)을 기준 혈관으로 판별한다. 그리고, 혈관 분할부(160)는 혈관 영역(1)의 모든 경계 픽셀 주변에 다른 혈관 영역이 있는지 판별한다. 예를 들어, 혈관 분할부(160)는 (2,3)픽셀과 (4,6) 픽셀 각각의 주변에 있는 다른 혈관 영역(2, 3)을 탐지한다. 이때, 혈관 분할부(160)는 일정 크기의 관심 영역으로 한정한 거리 안에 다른 혈관 영역, 또는 혈관 후보 픽셀이 있는지 판단한다. 관심 영역의 크기, 설정 방법, 모양은 다양할 수 있다. 예를 들어, 혈관 분할부(160)는 관심 영역(4, 5)을 3x3크기의 픽셀로 설정할 수 있다.
도 9를 참고하면, 혈관 분할부(160)는 경계 픽셀 주변에 주변 혈관 후보 픽셀이 있는 경우, 혈관 분할부(160)는 경계 픽셀과 주변 혈관 후보 픽셀의 혈관 방향을 비교한다. 이때, 혈관 분할부(160)는 두 픽셀의 지역적 혈관 방향(local vessel direction)이 같은지 비교하고, 혈관 방향이 같으면 주변 혈관 후보 픽셀이 속한 혈관 영역을 혈관으로 분할한다. 혈관 분할부(160)는 각 픽셀의 고유벡터로 지역적 혈관 방향을 판단한다. 혈관 분할부(160)는 혈관 방향이 다르면, 잡음으로 판단한다.
혈관 분할부(160)는 각 픽셀의 고유 벡터를 통해 지역적 혈관 방향을 구한다. 고유 벡터는 헤시안 행렬의 고유치로부터 구해진다. 2차원 영상의 경우, 헤시안 행렬로부터 두 개의 고유치(λ1, λ2)을 얻을 수 있고, 고유치(λ1, λ2)에 대응하는 고유 벡터를 각각 구한다. 고유 벡터는 -π에서 π 사이의 값으로서, 0도에서 360도 사이값으로 표시될 수 있다. 이때 헤시안 행렬의 고유치 중 작은 고유치에 대응하는 고유 벡터가 지역적 혈관 방향을 나타낸다.
예를 들어, 혈관 분할부(160)가 (2,3)픽셀 주변에 있는 다른 혈관 영역(2)을 탐지한 경우, 혈관 분할부(160)는 (2,3)픽셀과 다른 혈관 영역(2)의 (4,2)픽셀의 지역적 혈관 방향을 구한다. 만약, (2,3)픽셀과 (4,2)픽셀의 혈관 방향이 화살표와 같이 같은 경우, 또는 일정 범위 이내로 유사한 경우, 혈관 분할부(160)는 (4,2)픽셀이 포함된 혈관 영역(2)를 혈관으로 분할한다.
반면, (4,6)픽셀과 다른 혈관 영역(3)의 (6,2)픽셀 또는 (6,3)픽셀의 지역적 혈관 방향이 다른 경우, 혈관 분할부(160)는 혈관 영역(3)을 잡음으로 판단한다.
도 10과 도 11을 참고하면, 혈관 분할부(160)는 이진 영상(30)에서 기준 혈관(300) 주변의 관심 영역(6) 안에 아직 혈관으로 분할되지 않은 혈관 영역들을 판별한다. 이렇게, 혈관 분할부(160)는 기준 혈관(300)의 경계 픽셀들을 스캔하면서 각 경계 픽셀 주변에 주변 혈관 후보 픽셀이 있는지 판단하고, 주변 혈관 후보 픽셀이 포함된 혈관 영역을 혈관으로 분할한다.
이때, 혈관 분할부(160)는 기준 혈관(300)의 경계뿐만 아니라, 혈관으로 분할된 혈관 영역들의 경계에서도 주변 혈관 후보 픽셀이 있는지 단계적으로 판단해 가면서, 이진 영상(30)으로부터 도 11과 같이 혈관이 분할된 혈관 영상(50)을 최종적으로 획득한다. 즉, 혈관 분할부(160)는 기준 혈관을 1차 혈관으로 분할하고, 기준 혈관 주변의 혈관 영역들을 2차 혈관으로 분할하고, 2차 혈관 주변의 혈관 영역들을 3차 혈관으로 점점 분할해 간다.
도 12는 본 발명의 한 실시예에 따른 혈관 분할 방법의 흐름도이다.
도 12를 참고하면, 혈관 분할 장치(100)는 입력 영상의 픽셀별로 혈관일 확률을 계산한다(S110). 혈관 분할 장치(100)는 헤시안 행렬의 고유치를 이용해서 각 픽셀이 혈관일 확률을 계산한다. 이때, 혈관 분할 장치(100)는 X-선 혈관 조영 영상의 불균일한 밝기를 보정한 보정 영상에서 혈관일 확률을 계산할 수 있다.
혈관 분할 장치(100)는 혈관일 확률을 기초로 영상의 각 픽셀을 혈관 후보 픽셀과 배경 픽셀로 구분한 이진 영상을 생성한다(S120). 혈관 분할 장치(100)는 혈관일 확률이 기준값 이상인 픽셀을 혈관 후보 픽셀로 선정한다. 혈관 분할 장치(100)는 혈관 후보 픽셀은 흰색, 배경 픽셀은 검은색으로 구분한 이진 영상을 생성할 수 있다.
혈관 분할 장치(100)는 이웃한 혈관 후보 픽셀들을 연결하여 적어도 하나의 혈관 영역을 추출한다(S130). 혈관 분할 장치(100)는 8-이웃 연결을 통해 혈관 후보 픽셀들을 연결한다. 혈관 분할 장치(100)는 연결된 혈관 후보 픽셀들을 구분하기 위해, 연결된 혈관 후보 픽셀들이 형성하는 혈관 영역을 레이블링한다. 혈관 분할 장치(100)는 어느 혈관 영역에도 속하지 않은 혈관 후보 픽셀을 잡음으로 판단하여 제거할 수 있다.
혈관 분할 장치(100)는 복수의 혈관 영역 중에서 기준이 되는 혈관 영역을 선정하고, 선정한 혈관 영역을 기준 혈관으로 분할한다(S140). 혈관 분할 장치(100)는 연결된 혈관 후보 픽셀이 가장 많은 혈관 영역을 기준 혈관으로 선택할 수 있다.
혈관 분할 장치(100)는 픽셀의 지역적 혈관 방향을 기초로 기준 혈관의 주변 혈관 영역들을 혈관으로 분할한다(S150). 혈관 분할 장치(100)는 기준 혈관의 각 경계 픽셀 주변에 혈관으로 분할되지 않은 혈관 영역들이 있는지 판별한다. 그리고 혈관 분할 장치(100)는 기준 혈관의 경계 픽셀과 주변 혈관 영역의 경계 픽셀의 지역적 혈관 방향을 비교한다. 이때, 혈관 분할 장치(100)는 각 픽셀의 고유 벡터의 방향으로 지역적 혈관 방향을 구할 수 있다. 혈관 분할 장치(100)는 다른 혈관 방향을 가지는 주변 혈관 영역을 잡음으로 판단하여 제거할 수 있다.
혈관 분할 장치(100)는 혈관으로 분할된 혈관 영역의 경계에서 지역적 혈관 방향이 같은 혈관 영역을 반복해서 찾을 수 있다.
도 13은 본 발명의 다른 실시예에 따른 혈관 분할 방법의 흐름도이다.
도 13을 참고하면, 혈관 분할 장치(100)는 혈관일 확률을 기초로 입력 영상의 각 픽셀을 혈관 후보 픽셀과 배경 픽셀로 구분한 이진 영상을 생성한다(S210).
혈관 분할 장치(100)는 이진 영상에서 이웃한 혈관 후보 픽셀들을 연결하여 복수의 혈관 영역을 추출한다(S220).
혈관 분할 장치(100)는 복수의 혈관 영역 중에서 기준이 되는 혈관 영역을 기준 혈관으로 분할한다(S230).
혈관 분할 장치(100)는 기준 혈관의 경계를 추출한다(S240).
혈관 분할 장치(100)는 기준 혈관의 경계 주변에서 기준 혈관에 연결되지 않은 주변 혈관 영역을 찾는다(S250). 혈관 분할 장치(100)는 기준 혈관의 경계에 해당하는 경계 픽셀에서 볼 때, 경계 픽셀의 관심 영역 안에 들어있는 혈관 후보 픽셀이 있는지 찾는다.
혈관 분할 장치(100)는 기준 혈관과 주변 혈관 영역의 지역적 혈관 방향이 같은지 비교한다(S260). 혈관 분할 장치(100)는 기준 혈관과 주변 혈관 영역 각각의 경계 픽셀의 고유벡터를 기초로 지역적 혈관 방향을 비교한다. 고유벡터는 각 픽셀의 헤시안 행렬의 고유치로부터 획득되며, 지역적 혈관 방향을 나타낸다.
지역적 혈관 방향이 같으면, 혈관 분할 장치(100)는 주변 혈관 영역을 혈관으로 분할한다(S270).
지역적 혈관 방향이 다르면, 혈관 분할 장치(100)는 주변 혈관 영역을 잡음으로 판단한다(S280).
이와 같이, 본 발명의 실시예에 따르면 영상 내에서 혈관과 배경의 밝기값 차이를 크게 하므로 혈관의 명암이 일정하지 않더라도 혈관을 배경으로부터 쉽게 분할할 수 있다. 본 발명의 실시예에 따르면 밝기값이 보정된 영상을 기초로 혈관일 확률을 정확하게 측정할 수 있다. 본 발명의 실시예에 따르면 영상에서 가늘고 길게 연결되어 있는 혈관을 정확하게 분할할 수 있다. 또한 발명의 실시예에 따르면 영상에서 혈관 분할 시 인터렉션 없이 자동 분할할 수 있다.
이상에서 설명한 본 발명의 실시예는 장치 및 방법을 통해서만 구현이 되는 것은 아니며, 본 발명의 실시예의 구성에 대응하는 기능을 실현하는 프로그램 또는 그 프로그램이 기록된 기록 매체를 통해 구현될 수도 있다.
이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.

Claims (20)

  1. 영상에서 혈관을 분할하는 혈관 분할 장치로서,
    입력 영상 내 각 픽셀의 혈관일 확률을 계산하는 혈관일 확률 계산부,
    각 픽셀의 혈관일 확률을 기초로 상기 입력 영상에서 혈관 후보 픽셀을 선택하여, 혈관 후보 픽셀과 배경 픽셀로 구성된 이진 영상을 생성하는 이진 영상 생성부,
    상기 이진 영상에서, 이웃한 혈관 후보 픽셀을 연결하여, 연결된 혈관 후보 픽셀 집합 각각에 대응하는 복수의 혈관 영역을 추출하는 혈관 영역 추출부, 그리고
    혈관 후보 픽셀의 지역적 혈관 방향을 기초로 상기 복수의 혈관 영역 중 적어도 하나의 혈관 영역을 혈관으로 분할하는 혈관 분할부
    를 포함하는 혈관 분할 장치.
  2. 제1항에서,
    상기 혈관일 확률 계산부는
    헤시안 행렬의 고유치를 기초로 각 픽셀의 혈관일 확률을 계산하는 혈관 분할 장치.
  3. 제1항에서,
    상기 이진 영상 생성부는
    혈관일 확률이 기준값 이상인 픽셀을 혈관 후보 픽셀로 선택하는 혈관 분할 장치.
  4. 제1항에서,
    상기 혈관 영역 추출부는
    임의의 혈관 후보 픽셀에 인접한 적어도 하나의 혈관 후보 픽셀을 연결해 가면서 연결된 혈관 후보 픽셀 집합을 추출하고, 연결된 혈관 후보 픽셀 집합을 하나의 혈관 영역으로 레이블링하는 혈관 분할 장치.
  5. 제4항에서,
    상기 혈관 영역 추출부는
    상기 임의의 혈관 후보 픽셀에 인접한 8개의 픽셀 중에서 적어도 하나의 이웃 혈관 후보 픽셀이 있으면, 상기 임의의 혈관 후보 픽셀과 상기 이웃 혈관 후보 픽셀은 연결된 것으로 판단하는 혈관 분할 장치.
  6. 제1항에서,
    상기 혈관 분할부는
    상기 복수의 혈관 영역 중에서 혈관으로 분할된 제1 혈관 영역과 상기 제1 혈관 영역의 주변에 위치한 제2 혈관 영역의 지역적 혈관 방향을 비교하여, 상기 제2 혈관 영역을 혈관으로 분할하는 혈관 분할 장치.
  7. 제6항에서,
    상기 제1 혈관 영역은 상기 복수의 혈관 영역 중에서 혈관 후보 픽셀이 가장 많이 연결된 혈관 영역인 혈관 분할 장치.
  8. 제6항에서,
    상기 혈관 분할부는
    상기 제1 혈관 영역의 제1 경계 픽셀이 가지는 지역적 혈관 방향과 상기 제1 경계 픽셀의 주변에 위치한 제2 경계 픽셀이 가지는 지역적 혈관 방향을 비교하여 상기 제2 혈관 영역을 혈관으로 분할하고,
    상기 제2 경계 픽셀은 상기 제2 혈관 영역에 포함된 혈관 후보 픽셀인 혈관 분할 장치.
  9. 제1항에서,
    상기 혈관 분할부는
    혈관 후보 픽셀에 해당하는 헤시안 행렬의 고유치로부터 고유 벡터를 획득하고, 상기 고유 벡터를 기초로 상기 지역적 혈관 방향을 판단하는 혈관 분할 장치.
  10. 제1항에서,
    입력받은 영상의 불균일한 밝기를 보정하여 보정 영상을 생성하는 불균일 조명 보정부를 더 포함하고,
    상기 혈관일 확률 계산부는 상기 보정 영상을 기초로 혈관일 확률을 계산하는 혈관 분할 장치.
  11. 혈관 분할 장치가 입력 영상으로부터 혈관을 분할하는 방법으로서,
    입력 영상의 픽셀별로 혈관일 확률을 계산하는 단계,
    각 픽셀의 혈관일 확률을 기초로 상기 입력 영상의 각 픽셀을 혈관 후보 픽셀과 배경 픽셀로 구분하여 이진 영상을 생성하는 단계,
    이웃한 혈관 후보 픽셀들을 연결하여 적어도 하나의 혈관 영역을 추출하는 단계,
    적어도 하나의 혈관 영역 중에서 기준이 되는 혈관 영역을 기준 혈관으로 분할하는 단계, 그리고
    혈관 후보 픽셀의 지역적 혈관 방향을 기초로 상기 기준 혈관의 주변 혈관 영역을 혈관으로 분할하는 단계
    를 포함하는 혈관 분할 방법.
  12. 제11항에서,
    상기 혈관일 확률을 계산하는 단계는
    헤시안 행렬의 고유치를 기초로 각 픽셀의 혈관일 확률을 계산하는 혈관 분할 방법.
  13. 제11항에서,
    상기 이진 영상을 생성하는 단계는
    혈관일 확률이 기준값 이상인 픽셀을 혈관 후보 픽셀로 분류하여 상기 이진 영상을 생성하는 혈관 분할 방법.
  14. 제11항에서,
    상기 적어도 하나의 혈관 영역을 추출하는 단계는
    임의의 혈관 후보 픽셀에 인접한 8개의 픽셀 중에서 적어도 하나의 이웃 혈관 후보 픽셀이 있으면, 상기 임의의 혈관 후보 픽셀과 상기 이웃 혈관 후보 픽셀은 연결된 것으로 판단하여, 연결된 혈관 후보 픽셀들로 구성된 혈관 영역을 추출하는 혈관 분할 방법.
  15. 제11항에서,
    상기 기준 혈관으로 분할하는 단계는
    상기 적어도 하나의 혈관 영역 중에서, 연결된 혈관 후보 픽셀이 가장 많이 연결된 혈관 영역을 상기 기준 혈관으로 분할하는 혈관 분할 방법.
  16. 제11항에서,
    상기 기준 혈관의 주변 혈관 영역을 혈관으로 분할하는 단계는
    상기 기준 혈관의 경계 픽셀 주변에 위치한 상기 주변 혈관 영역을 탐색하는 단계,
    상기 기준 혈관의 경계 픽셀과 상기 주변 혈관 영역의 경계 픽셀 각각의 지역적 혈관 방향을 비교하는 단계, 그리고
    지역적 혈관 방향이 일치하는 경우, 상기 주변 혈관 영역을 혈관으로 분할하는 단계를 포함하고,
    상기 주변 혈관 영역의 경계 픽셀은 상기 기준 혈관의 경계 픽셀을 마주보는 픽셀인 혈관 분할 방법.
  17. 혈관 분할 장치가 입력 영상으로부터 혈관을 분할하는 방법으로서,
    입력 영상 내 각 픽셀의 혈관일 확률을 기초로 각 픽셀을 혈관 후보 픽셀과 배경 픽셀로 구분하여 이진 영상을 생성하는 단계,
    이웃한 혈관 후보 픽셀들끼리 연결하여 복수의 혈관 영역을 추출하는 단계,
    적어도 하나의 혈관 영역 중에서 혈관으로 분할된 제1 혈관 영역의 경계를 추출하는 단계,
    상기 제1 혈관 영역의 경계에서 관심 영역 이내에 위치하는 제2 혈관 영역을 찾는 단계,
    상기 제1 혈관 영역과 상기 제2 혈관 영역의 지역적 혈관 방향을 비교하는 단계, 그리고
    비교 결과를 기초로 상기 제2 혈관 영역을 혈관으로 분할하는 단계
    를 포함하는 혈관 분할 방법.
  18. 제17항에서,
    상기 지역적 혈관 방향이 다르면, 상기 제2 혈관 영역을 잡음으로 분류하는 단계를 더 포함하는 혈관 분할 방법.
  19. 제17항에서,
    상기 제2 혈관 영역을 찾는 단계는
    상기 제1 혈관 영역의 경계에 위치한 경계 픽셀의 관심 영역을 설정하고, 상기 관심 영역 안에 들어있는 혈관 후보 픽셀을 찾고, 찾은 혈관 후보 픽셀은 상기 제2 혈관 영역에 포함된 픽셀인 혈관 분할 방법.
  20. 제19항에서,
    상기 지역적 혈관 방향을 비교하는 단계는
    상기 경계 픽셀과 상기 찾은 혈관 후보 픽셀 각각의 고유 벡터를 기초로 지역적 혈관 방향을 비교하고, 상기 고유 벡터는 해당 픽셀의 헤시안 행렬로부터 계산되는 혈관 분할 방법.
KR1020120102414A 2012-09-14 2012-09-14 영상 내 혈관 분할 방법 및 장치 KR101328729B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120102414A KR101328729B1 (ko) 2012-09-14 2012-09-14 영상 내 혈관 분할 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120102414A KR101328729B1 (ko) 2012-09-14 2012-09-14 영상 내 혈관 분할 방법 및 장치

Publications (1)

Publication Number Publication Date
KR101328729B1 true KR101328729B1 (ko) 2013-11-11

Family

ID=49857622

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120102414A KR101328729B1 (ko) 2012-09-14 2012-09-14 영상 내 혈관 분할 방법 및 장치

Country Status (1)

Country Link
KR (1) KR101328729B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170000041A (ko) * 2015-06-22 2017-01-02 연세대학교 산학협력단 혈관 조영 영상에서 자동으로 혈관을 영역화하는 기법
KR101806512B1 (ko) * 2016-01-19 2017-12-07 한국외국어대학교 연구산학협력단 배경 영상 정보를 이용한 혈관의 비강체 영상정합 장치 및 영상정합 방법
KR20200027202A (ko) * 2018-09-04 2020-03-12 부산대학교 산학협력단 컴퓨터 보조 진단 시스템을 이용한 식도암 확대 내시경 영상 분석 방법 및 장치

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009506831A (ja) 2005-09-01 2009-02-19 フジフイルム コーポレーション 自動及び動的血管検出のための方法並びに装置
KR20110129239A (ko) * 2010-05-25 2011-12-01 인하대학교 산학협력단 흉부 씨티 영상 내 병변 자동 검출을 위한 폐 혈관 추출 방법
KR101182729B1 (ko) 2011-03-10 2012-09-13 동국대학교 산학협력단 의료용 혈관영상 처리방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009506831A (ja) 2005-09-01 2009-02-19 フジフイルム コーポレーション 自動及び動的血管検出のための方法並びに装置
KR20110129239A (ko) * 2010-05-25 2011-12-01 인하대학교 산학협력단 흉부 씨티 영상 내 병변 자동 검출을 위한 폐 혈관 추출 방법
KR101182729B1 (ko) 2011-03-10 2012-09-13 동국대학교 산학협력단 의료용 혈관영상 처리방법

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170000041A (ko) * 2015-06-22 2017-01-02 연세대학교 산학협력단 혈관 조영 영상에서 자동으로 혈관을 영역화하는 기법
KR101927298B1 (ko) 2015-06-22 2019-03-08 연세대학교 산학협력단 혈관 조영 영상에서 자동으로 혈관을 영역화하는 기법
KR101806512B1 (ko) * 2016-01-19 2017-12-07 한국외국어대학교 연구산학협력단 배경 영상 정보를 이용한 혈관의 비강체 영상정합 장치 및 영상정합 방법
KR20200027202A (ko) * 2018-09-04 2020-03-12 부산대학교 산학협력단 컴퓨터 보조 진단 시스템을 이용한 식도암 확대 내시경 영상 분석 방법 및 장치
KR102223263B1 (ko) 2018-09-04 2021-03-04 부산대학교 산학협력단 컴퓨터 보조 진단 시스템을 이용한 식도암 확대 내시경 영상 분석 방법 및 장치

Similar Documents

Publication Publication Date Title
Sha et al. A robust 2D Otsu’s thresholding method in image segmentation
US10109053B2 (en) Apparatus and method for detecting error in lesion contour, apparatus and method for correcting error in lesion contour, and apparatus for inspecting error in lesion contour
JP5542889B2 (ja) 画像処理装置
CN111815599B (zh) 一种图像处理方法、装置、设备及存储介质
US9269155B2 (en) Region growing method for depth map/color image
Esmaeili et al. Automatic detection of exudates and optic disk in retinal images using curvelet transform
US6707940B1 (en) Method and apparatus for image segmentation
US20060050944A1 (en) Nipple detection apparatus and program
US9762773B2 (en) Image processing apparatus and method for increasing sharpness of images
KR101328729B1 (ko) 영상 내 혈관 분할 방법 및 장치
KR20210005690A (ko) 정보 처리 장치, 정보 처리 방법, 컴퓨터 프로그램
Ray et al. Edge sensitive variational image thresholding
Ali et al. Vessel extraction in retinal images using automatic thresholding and Gabor Wavelet
Malek et al. Automated optic disc detection in retinal images by applying region-based active aontour model in a variational level set formulation
US7502525B2 (en) System and method for edge detection of an image
Ren et al. Automatic optic disc localization and segmentation in retinal images by a line operator and level sets
US20200013142A1 (en) Image processing apparatus, image processing method, and storage medium
US11037307B2 (en) Method and electronic apparatus for comparing tracking object
Jang et al. Geodesic distance algorithm for extracting the ascending aorta from 3D CT images
Intaramanee et al. Optic disc detection via blood vessels origin using Morphological end point
CN111192280A (zh) 一种基于局部特征的视盘边缘检测方法
Medhi et al. Automatic detection of fovea using property of vessel free region
Salazar-Gonzalez et al. Automatic graph cut based segmentation of retinal optic disc by incorporating blood vessel compensation.
KR20160000533A (ko) 증강 현실에서 물체의 정보 제공을 위한 지역 특징점을 이용한 오브젝트 다중 검출, 추적 방법 및 그 시스템
Patino-Correa et al. White matter hyper-intensities automatic identification and segmentation in magnetic resonance images

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
LAPS Lapse due to unpaid annual fee