KR101467380B1 - 의료 영상 화질 개선 방법 및 그 장치 - Google Patents
의료 영상 화질 개선 방법 및 그 장치 Download PDFInfo
- Publication number
- KR101467380B1 KR101467380B1 KR1020130054916A KR20130054916A KR101467380B1 KR 101467380 B1 KR101467380 B1 KR 101467380B1 KR 1020130054916 A KR1020130054916 A KR 1020130054916A KR 20130054916 A KR20130054916 A KR 20130054916A KR 101467380 B1 KR101467380 B1 KR 101467380B1
- Authority
- KR
- South Korea
- Prior art keywords
- medical image
- correction coefficient
- quality
- pixel values
- low
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000012937 correction Methods 0.000 claims abstract description 164
- 238000012545 processing Methods 0.000 claims description 29
- 238000002059 diagnostic imaging Methods 0.000 description 13
- 230000005855 radiation Effects 0.000 description 7
- 238000002595 magnetic resonance imaging Methods 0.000 description 4
- 238000003325 tomography Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 210000000988 bone and bone Anatomy 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000002405 diagnostic procedure Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000002601 radiography Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 0 C(C1)*C2C1=CC=*2 Chemical compound C(C1)*C2C1=CC=*2 0.000 description 1
- 235000008733 Citrus aurantifolia Nutrition 0.000 description 1
- 235000011941 Tilia x europaea Nutrition 0.000 description 1
- 230000000740 bleeding effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 210000001175 cerebrospinal fluid Anatomy 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004571 lime Substances 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
본 발명의 일실시예는 참조용 고화질 의료 영상의 화소 값들을 이용하여 저화질 의료 영상의 화소 값들의 밝기를 보정하기 위한 밝기 보정 계수를 결정하고, 그 참조용 고화질 의료 영상의 화소 값들을 이용하여 저화질 의료 영상의 노이즈를 보정하기 위한 노이즈 보정 계수를 결정한 후, 그 밝기 보정 계수 및 그 노이즈 보정 계수를 이용하여 저화질 의료 영상의 화질을 개선하는 의료 영상 화질 개선 방법을 개시한다.
Description
본 발명은 의료 영상 화질 개선에 관한 것으로, 특히 참조용 고화질 의료 영상을 이용하여 의료 영상의 화질을 개선하는 방법 및 그 장치에 관한 것이다.
전자 공학 기술이 발전하면서, 진단의 정확도를 높이기 위한 비침습적 진단 방법을 위해 다양한 종류의 의료 영상 장비가 선보였다. 예를 들면, 컴퓨터 단층 촬영 장치 (CT: Computerized Tomography) 및 자기 공명 영상 장치 (MRI: Magnetic Resonance Imaging device), 단순 방사선 촬영 (X-ray), 토모신세시스 (Tomosynthesis) 등이 있다. 이러한 장치들에 의하여, 과거에는 불가능했던 많은 진단 검사가 가능해지고, 또한 더욱 정밀한 진단을 내리는데 큰 도움이 되었다.
최근 수년간 진단용 의료 영상 기기의 눈부신 발전으로 진단방사선과의 역할이 급신장하였다. 그리하여, 병원을 찾는 환자의 약 50-70% 가량이 비침습적 진단을 받고, 그 결과에 의해 적절한 치료방침이 결정되고 있다. 뿐만 아니라, 수술실에서도 의료 영상 장치가 활용되는데, 이는 촬영 시간이 단축되면서 가능해졌다. 수술실에서는 이동이 가능한 의료 영상 기기가 활용되는데, 이는 진단용 의료 영상 기기에 비해 촬영 속도가 느리고 영상의 화질도 떨어지지만 환자가 움직이지 않아도 촬영이 가능하다는 장점 때문에 수술실에서의 활용이 늘고 있다. 이처럼 점차 의료 영상 기기는 소형화 및 포터블 형태로 진화하고 있으며, 이는 해상도 및 화질 저하를 야기하므로 저화질의 의료 영상의 신뢰도를 짧은 시간에 어떻게 높이는가가 중요한 문제로 대두되고 있다.
하지만, 디스플레이 되는 의료 영상이 판독하기 어려울 경우, 또는 진단에 사용하기 부적절할 경우 종래 기술에 의한 영상 처리 장치에 의해서는 화질을 크게 향상시키기 어렵거나 화질 향상에 오랜 시간이 걸렸다. 따라서, 디스플레이 되는 영상 정보의 화질을 단시간에 현저하게 향상시키는 의료 진단 장치 및 방법의 개발이 절실히 요구된다.
본 발명의 목적은 환자의 방사선 피폭량을 최소화하면서도 신뢰성 있는 고화질의 의료 영상을 제공할 수 있는 의료 영상 화질 개선 방법 및 그 장치를 제공하는 것이다.
상기 목적을 달성하기 위한 본 발명의 일실시예에 따른 의료 영상 화질 개선 방법은 참조용 고화질 의료 영상의 화소 값들을 이용하여 저화질 의료 영상의 화소 값들의 밝기를 보정하기 위한 밝기 보정 계수를 결정하는 단계; 상기 참조용 고화질 의료 영상의 화소 값들을 이용하여 상기 저화질 의료 영상의 노이즈를 보정하기 위한 노이즈 보정 계수를 결정하는 단계; 및 상기 밝기 보정 계수 및 상기 노이즈 보정 계수를 이용하여 상기 저화질 의료 영상의 화질을 개선하는 단계를 포함한다.
바람직하게는, 본 발명의 일실시예에 따른 의료 영상 화질 개선 방법은 상기 저화질 의료 영상의 특성 및 촬영 환경 중 적어도 하나에 기초하여, 복수의 참조용 고화질 의료 영상들 중에서 상기 저화질 의료 영상의 화질 개선에 이용될 참조용 고화질 의료 영상을 선택하는 단계; 상기 선택된 참조용 고화질 의료 영상의 화소 값들을 획득하는 단계를 더 포함하고, 상기 밝기 보정 계수를 결정하는 단계 및 상기 노이즈 보정 계수를 결정하는 단계는 상기 선택된 참조용 고화질 의료 영상의 화소 값들을 이용하여 수행된다.
바람직하게는, 본 발명의 일실시예에 따른 의료 영상 화질 개선 방법은 참조용 고화질 의료 영상의 화소 값 생성을 위한 정보를 포함하는 제1 룩업 테이블 및 사용자 입력 중 적어도 하나에 기초하여, 상기 저화질 의료 영상의 화질 개선에 이용될 참조용 고화질 의료 영상의 화소 값들을 생성하는 단계를 더 포함하고, 상기 밝기 보정 계수를 결정하는 단계 및 상기 노이즈 보정 계수를 결정하는 단계는 상기 선택된 참조용 고화질 의료 영상의 화소 값들을 이용하여 수행된다.
바람직하게는, 상기 밝기 보정 계수를 결정하는 단계는 상기 참조용 고화질 의료 영상의 화소 값들에 대한 평균 값을 상기 밝기 보정 계수로 결정하는 단계를 포함하고, 상기 노이즈 보정 계수를 결정하는 단계는 상기 저화질 의료 영상의 화소 값들의 표준 편차와 상기 참조용 고화질 의료 영상의 화소 값들의 표준 편차간의 비율을 상기 노이즈 보정 계수로 결정하는 단계를 포함한다.
바람직하게는, 상기 밝기 보정 계수를 결정하는 단계는 상기 참조용 고화질 의료 영상의 화소 값들의 평균 값, 상기 저화질 의료 영상의 화소 값들의 평균 값 및 상기 저화질 의료 영상의 화소 값들의 편차들에 대한 절대값의 합과 상기 참조용 고화질 의료 영상의 화소 값들의 편차들에 대한 절대값의 합간의 비율을 이용하여 상기 밝기 보정 계수를 결정하는 단계를 포함하고, 상기 노이즈 보정 계수를 결정하는 단계는 상기 저화질 의료 영상의 화소 값들의 편차들에 대한 절대값의 합과 상기 참조용 고화질 의료 영상의 화소 값들의 편차들에 대한 절대값의 합간의 비율을 상기 노이즈 보정 계수로 결정하는 단계를 포함한다.
바람직하게는, 본 발명의 일실시예에 따른 의료 영상 화질 개선 방법은 상기 저화질 의료 영상에서 화질 개선을 위한 영상 처리가 적용될 목적 화소의 화소 값과 상기 목적 화소에 인접한 인접 화소들의 화소 값들의 크기를 비교하여 상기 목적 화소의 카테고리를 분류하는 단계를 더 포함하고, 상기 밝기 보정 계수를 결정하는 단계 및 상기 노이즈 보정 계수를 결정하는 단계는 상기 카테고리에 기초하여 수행된다.
바람직하게는, 본 발명의 일실시예에 따른 의료 영상 화질 개선 방법은 상기 저화질 의료 영상에 포함될 수 있는 객체의 종류별로 해당하는 화소 값의 구간이 정의된 제2 룩업 테이블에 기초하여 상기 저화질 의료 영상의 화소 값들의 카테고리를 구분하는 단계를 더 포함하고, 상기 밝기 보정 계수를 결정하는 단계 및 상기 노이즈 보정 계수를 결정하는 단계는 상기 카테고리에 기초하여 수행된다.
바람직하게는, 본 발명의 일실시예에 따른 의료 영상 화질 개선 방법은 복수의 카테고리에 대응하여 소정 개수의 화소 값들이 화소 값의 크기에 따라 할당된 제3 룩업 테이블에 기초하여 상기 저화질 의료 영상의 화소 값들의 카테고리를 구분하는 단계를 더 포함하고, 상기 밝기 보정 계수를 결정하는 단계 및 상기 노이즈 보정 계수를 결정하는 단계는 상기 카테고리에 기초하여 수행된다.
바람직하게는, 본 발명의 일실시예에 따른 의료 영상 화질 개선 방법은 상기 저화질 의료 영상에 포함된 객체들을 식별하는 단계를 더 포함하고, 상기 밝기 보정 계수 및 상기 노이즈 보정 계수는 상기 식별된 객체들이 포함된 각각의 영역마다 상이하게 결정된다.
또한, 상기 목적을 달성하기 위한 본 발명의 일실시예에 따른 의료 영상 화질 개선 장치는 참조용 고화질 의료 영상의 화소 값들을 이용하여 저화질 의료 영상의 화소 값들의 밝기를 보정하기 위한 밝기 보정 계수를 결정하는 밝기 보정 계수 결정부; 상기 참조용 고화질 의료 영상의 화소 값들을 이용하여 상기 저화질 의료 영상의 노이즈를 보정하기 위한 노이즈 보정 계수를 결정하는 노이즈 보정 계수 결정부; 및 상기 밝기 보정 계수 및 상기 노이즈 보정 계수를 이용하여 상기 저화질 의료 영상의 화질을 개선하는 화질 개선부를 포함한다.
바람직하게는, 본 발명의 일실시예에 따른 의료 영상 화질 개선 장치는 복수의 참조용 고화질 의료 영상들을 저장하는 저장부; 및 상기 저화질 의료 영상의 특성 및 촬영 환경 중 적어도 하나에 기초하여, 상기 복수의 참조용 고화질 의료 영상들 중에서 상기 저화질 의료 영상의 화질 개선에 이용될 참조용 고화질 의료 영상을 선택하고, 상기 선택된 참조용 고화질 의료 영상의 화소 값들을 획득하는 화소 값 획득부를 더 포함하고, 상기 밝기 보정 계수 결정부 및 상기 노이즈 보정 계수 결정부는 상기 선택된 참조용 고화질 의료 영상을 이용하여 동작을 수행한다.
바람직하게는, 본 발명의 일실시예에 따른 의료 영상 화질 개선 장치는 참조용 고화질 의료 영상의 화소 값 생성을 위한 정보를 포함하는 제1 룩업 테이블을 저장하는 저장부; 사용자 입력을 수신하는 입력부; 및 상기 제1 룩업 테이블 및 상기 사용자 입력 중 적어도 하나에 기초하여, 상기 저화질 의료 영상의 화질 개선에 이용될 참조용 고화질 의료 영상의 화소 값들을 생성하는 화소 값 획득부를 더 포함하고, 상기 밝기 보정 계수 결정부 및 상기 노이즈 보정 계수 결정부는 상기 선택된 참조용 고화질 의료 영상의 화소 값들을 이용하여 동작을 수행한다.
바람직하게는, 상기 밝기 보정 계수 결정부는 상기 참조용 고화질 의료 영상의 화소 값들에 대한 평균 값을 상기 밝기 보정 계수로 결정하고, 상기 노이즈 보정 계수 결정부는 상기 저화질 의료 영상의 화소 값들의 표준 편차와 상기 참조용 고화질 의료 영상의 화소 값들의 표준 편차간의 비율을 상기 노이즈 보정 계수로 결정한다.
바람직하게는, 상기 밝기 보정 계수 결정부는 상기 참조용 고화질 의료 영상의 화소 값들의 평균값, 상기 저화질 의료 영상의 화소 값들의 평균값 및 상기 저화질 의료 영상의 화소 값들의 편차들에 대한 절대값의 합과 상기 참조용 고화질 의료 영상의 화소 값들의 편차들에 대한 절대값의 합간의 비율을 이용하여 상기 밝기 보정 계수를 결정하고, 상기 노이즈 보정 계수 결정부는 상기 저화질 의료 영상의 화소 값들의 편차들에 대한 절대값의 합과 상기 참조용 고화질 의료 영상의 화소 값들의 편차들에 대한 절대값의 합간의 비율을 상기 노이즈 보정 계수로 결정한다.
바람직하게는, 본 발명의 일실시예에 따른 의료 영상 화질 개선 장치는 상기 저화질 의료 영상에서 화질 개선을 위한 영상 처리가 적용될 목적 화소의 화소 값과 상기 목적 화소에 인접한 인접 화소들의 화소 값들의 크기를 비교하여 상기 목적 화소의 카테고리를 분류하는 카테고리 관리부를 더 포함하고, 상기 밝기 보정 계수 결정부 및 상기 노이즈 보정 계수 결정부는 상기 카테고리에 기초하여 동작을 수행한다.
바람직하게는, 본 발명의 일실시예에 따른 의료 영상 화질 개선 장치는 상기 저화질 의료 영상에 포함될 수 있는 객체의 종류별로 해당하는 화소 값의 구간이 정의된 제2 룩업 테이블에 기초하여 상기 저화질 의료 영상의 화소 값들의 카테고리를 구분하는 카테고리 관리부를 더 포함하고, 상기 밝기 보정 계수 결정부 및 상기 노이즈 보정 계수 결정부는 상기 카테고리에 기초하여 동작을 수행한다.
바람직하게는, 본 발명의 일실시예에 따른 의료 영상 화질 개선 장치는 복수의 카테고리에 대응하여 소정 개수의 화소 값들이 화소 값의 크기에 따라 할당된 제3 룩업 테이블에 기초하여 상기 저화질 의료 영상의 화소 값들의 카테고리를 구분하는 카테고리 관리부를 더 포함하고, 상기 밝기 보정 계수 결정부 및 상기 노이즈 보정 계수 결정부는 상기 카테고리에 기초하여 동작을 수행한다.
바람직하게는, 본 발명의 일실시예에 따른 의료 영상 화질 개선 장치는 상기 저화질 의료 영상에 포함된 객체들을 식별하는 객체 식별부; 및 상기 저화질 의료 영상에서 상기 식별된 객체들이 포함된 각각의 영역을 구분하는 카테고리 관리부를 더 포함하고, 상기 밝기 보정 계수 및 상기 노이즈 보정 계수는 상기 식별된 객체들이 포함된 각각의 영역마다 상이하게 결정된다.
본 발명은 참조용 고화질 의료 영상을 이용하여 저화질 의료 영상의 화질을 개선함으로써 환자의 방사선 피폭량을 최소화하면서도 신뢰성 있는 고화질의 의료 영상을 제공할 수 있게 되는 효과가 있다.
또한, 본 발명은 저화질 의료 영상을 화소 블록 단위로 카테고리화 한후, 카테고리마다 상이한 방식으로 화질 개선 처리를 수행함으로써 화질을 개선 성능을 향상시키는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 의료 영상 화질 개선 방법을 설명하기 위하여 도시한 흐름도이다.
도 2는 본 발명의 다른 실시예에 따른 의료 영상 화질 개선 방법을 설명하기 위하여 도시한 흐름도이다.
도 3은 본 발명의 또 다른 실시예에 따른 의료 영상 화질 개선 방법을 설명하기 위하여 도시한 흐름도이다.
도 4는 본 발명의 일 실시예에 따라 화소 단위로 카테고리를 분류하는 방법을 설명하기 위하여 도시한 도면이다.
도 5는 본 발명의 일 실시예에 따라 영역 단위로 카테고리를 분류하는 방법을 설명하기 위하여 도시한 도면이다.
도 6은 본 발명의 일 실시예에 따른 의료 영상 화질 개선 장치를 설명하기 위하여 도시한 도면이다.
도 2는 본 발명의 다른 실시예에 따른 의료 영상 화질 개선 방법을 설명하기 위하여 도시한 흐름도이다.
도 3은 본 발명의 또 다른 실시예에 따른 의료 영상 화질 개선 방법을 설명하기 위하여 도시한 흐름도이다.
도 4는 본 발명의 일 실시예에 따라 화소 단위로 카테고리를 분류하는 방법을 설명하기 위하여 도시한 도면이다.
도 5는 본 발명의 일 실시예에 따라 영역 단위로 카테고리를 분류하는 방법을 설명하기 위하여 도시한 도면이다.
도 6은 본 발명의 일 실시예에 따른 의료 영상 화질 개선 장치를 설명하기 위하여 도시한 도면이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 의료 영상 화질 개선 방법을 설명하기 위하여 도시한 흐름도이다.
본 발명의 의료 영상은 X 선 단층촬영(X-ray computerized tomography) 영상, 초음파 단층 촬영(Ultrasound tomography) 영상, 임피던스 단층 촬영(Impedance tomography) 영상, CR(Computed Radiography) 영상 등을 포함한다.
또한, 본 발명의 의료 영상 화질 개선 방법을 수행하는 의료 영상 화질 개선 장치는 의료 영상 기기에 탑재된다고 가정한다.
예컨대, 의료 영상 기기는 자기 공명 영상 장치일 수 있는데, 그 자기 공명 영상 장치는 겐트리(gantry), 동작 콘솔(operation console) 및 중앙 처리 장치로 구성될 수 있다. 겐트리는 주 자석(main magnet), 부 자석(secondary magnet) 및 무선 주파수 시스템(radio-frequency system) 등으로 구성된다. 주 자석으로는 저항성 자석(resistive magnet) 또는 초전도 전자석(superconducting electromagnet) 등이 사용될 수 있는데, 현재 대부분의 병원에서는 초전도성 전자석을 사용한다. 또한, 부 자석에는 균일한 자장 강도를 갖도록 하기 위한 쉬밍 코일(shimming coil) 및 와류 보정을 위한 그레디언트 코일(gradient coil) 등이 포함될 수 있다. 무선 주파수 시스템에는 주파수 합성기, 무선 주파수 전력 증폭기 및 커플러 등이 구비될 수 있다. 자기 공명 영상 장치의 이러한 구성 및 동작 원리에 대해서는 당업자에게 널리 알려져 있으므로, 상세한 설명은 생략한다.
한편, 본 발명의 일 실시예에 따른 의료 영상 화질 개선 장치가 탑재되는 의료 영상 기기는 자기 공명 영상 장치에 한정되지 않고, 환자의 신체의 특정부위에 대한 영상 정보를 영상화하여 출력할 수 있는 어떠한 형태의 구성도 가능하다. 예컨대, 의료 영상 기기는 컴퓨터 단층 촬영 장치일 수 있다.
이하에서, 저화질 의료 영상은 HU(Hounsfield Unit) 도메인에서 촬영된 원본 의료 영상일 수도 있고, 그 원본 영상으로부터 변환된 비트(bit) 단위로 표시되는 디지털 영상일 수도 있다. 따라서, 이하의 실시예에서 사용되는 화소라는 용어는 비트(bit)로 표시되는 디지털 영상에서의 최소단위의 명암의 점일 수도 있고, HU로 표시되는 원본 의료 영상에서의 최소단위의 명암의 점일 수도 있다. 다만, 본 발명의 화질 개선 방법은 프로세스의 처음부터 끝까지 디지털 영상으로 처리되거나, 원본 의료 영상으로 처리되며, 프로세스마다 디지털 영상 또는 원본 의료 영상이 바뀌면서 처리되지는 않는다고 가정한다.
단계 110에서는, 참조용 고화질 의료 영상의 화소 값들을 이용하여 저화질 의료 영상의 화소 값들의 밝기를 보정하기 위한 밝기 보정 계수를 결정한다.
이때, 밝기 보정 계수를 결정하는데 이용되는 참조용 고화질 의료 영상의 화소 값은 다음과 같이 2가지 방법에 의해 획득될 수 있다.
첫 번째 방법은 기존에 촬영된 복수의 참조용 고화질 의료 영상들 중에서 화질 개선이 필요한 저화질 의료 영상과 가장 유사한 종류의 참조용 고화질 의료 영상으로부터 화소 값을 획득하는 방식이다.
예컨대, 저화질 의료 영상의 특성 및 촬영 환경 중 적어도 하나에 기초하여 기존에 촬영된 복수의 참조용 고화질 의료 영상들 중에서 저화질 의료 영상의 화질 개선에 이용될 참조용 고화질 의료 영상을 선택한 후, 그 선택된 참조용 고화질 의료 영상의 화소 값을 획득할 수 있다.
여기서, 의료 영상의 특성에는 촬영된 환자의 신체 부위의 종류(예컨대, 위 또는 간), 위치(예컨대, 위의 상단부, 위의 하단부), 크기(예컨대,아이의 작은 크기의 위, 어른의 큰 크기의 위), 환자와 스캐너간의 거리 등이 포함될 수 있고, 의료 영상 촬영 환경에는 방사선을 이용하는 의료 영상 기기에서의 전류 및 전압, 방사선 노출 시간, 의료 영상 기기의 제조사 등이 포함될 수 있다. 이때, 의료 영상의 특성은 의료 영상의 DICOM TAG로부터 획득할 수도 있다.
첫 번째 방법에서, 참조용 고화질 의료 영상은 현재 영상처리하고자 하는 영상보다 상대적으로 방사선 피폭량이 많은 의료 영상이며, 저화질 의료 영상은 현재 영상처리하고자 하는 영상이자, 참조용 고화질 의료 영상에 비해 상대적으로 방사선 피폭량이 적은 의료 영상이다.
두 번째 방법은 참조용 고화질 의료 영상의 화소 값을 직접 생성하는 방식이다.
예컨대, 참조용 고화질 의료 영상의 화소 값 생성을 위한 정보와 사용자 입력 중 적어도 하나에 기초하여, 저화질 의료 영상의 화질 개선에 이용될 참조용 고화질 의료 영상의 화소 값을 생성할 수 있다. 이때, 사용자 입력은 참조용 고화질 의료 영상의 화소 값 생성을 위한 정보 중에 일부를 선택하는 것일 수도 있고, 참조용 고화질 의료 영상의 화소 값 생성을 위한 정보 자체에 대한 것일 수도 있다. 이에 대해서는 도 2에서 상세히 설명하도록 한다.
단계 120에서는, 참조용 고화질 의료 영상의 화소 값들을 이용하여 저화질 의료 영상의 노이즈를 보정하기 위한 노이즈 보정 계수를 결정한다.
이때, 노이즈 보정 계수를 결정하는데 이용되는 참조용 고화질 의료 영상의 화소 값 또한 단계 110에서 설명한 2가지 방법에 의해 획득될 수 있다.
단계 130에서는, 그 밝기 보정 계수 및 그 노이즈 보정 계수를 이용하여 저화질 의료 영상의 화질을 개선한다.
이와 같이, 본 발명은 방사선 피폭량을 최소화하여 환자의 신체 부위를 촬영하여 생성된 저화질 의료 영상의 화질을 참조용 고화질 의료 영상을 참조하여 향상시키기 때문에, 환자의 방사선 피폭량을 최소화하면서도 신뢰성 있는 고화질의 의료 영상을 제공할 수 있게 되는 효과가 있다. 또한, 종래에 저화질 의료 영상의 화질을 개선하는데 며칠이 소요되던 것과 비교하면, 본 발명은 고화질 의료 영상을 획득하는데 걸리는 시간을 획기적으로 단축시키는 효과가 있다.
한편, 본 발명의 밝기 보정 계수 및 노이즈 보정 계수는 필터의 필터 계수 값일 수도 있다.
도 2는 본 발명의 다른 실시예에 따른 의료 영상 화질 개선 방법을 설명하기 위하여 도시한 흐름도이다.
단계 210에서는, 참조용 고화질 의료 영상의 화소 값들에 대한 평균 값을 저화질 의료 영상의 화소 값들의 밝기를 보정하기 위한 밝기 보정 계수로 결정한다.
만일, 참조용 고화질 의료 영상의 화소 값을 기존에 촬영된 복수의 참조용 고화질 의료 영상 중 하나로부터 획득하여 사용하는 경우에는 그 선택된 참조용 고화질 의료 영상의 화소 값들에 대한 평균 값을 밝기 보정 계수로 결정하면 된다.
하지만, 참조용 고화질 의료 영상의 화소 값을 새롭게 생성하여 사용하는 경우에는 표1 에서와 같이 참조용 고화질 의료 영상의 화소 값 생성을 위한 정보를 포함하는 제1 룩업 테이블을 참조하여 참조용 고화질 의료 영상의 화소 값을 생성할 수 있다.
| 피폭량 차이(mSv) | mtarget | std-devhigh (x,,y) |
| 200 | mlow (x,y) * 1.5 | 100.56 |
| 400 | mlow (x,y) * 2 | 50.7 |
| 600 | mlow (x,y) * 2.5 | 25 |
| ... | ... | ... |
표 1에서 mlow (x,y)는 저화질 의료 영상에서의 화소 값들의 평균 값을 의미하고, mtarget은 밝기 보정 계수를 의미하며, 저화질 의료 영상과의 방사선 피폭량 차이가 200 mSv만큼인 참조용 고화질 의료 영상의 화소 값들의 평균 값을 생성하고자 하는 경우에는 mlow (x,y)에 1.5를 곱하게 된다. 즉, 표 1에서는 참조용 고화질 의료 영상의 화소 값들의 평균 값을 저화질 의료 영상의 화소 값들의 평균 값 mlow (x,y)의 배수로서 결정하게 된다.
다른 실시예에서는, 제1 룩업 테이블 없이 사용자(의사)로부터 저화질 의료 영상의 화소 값에 곱해질 상수(예컨대, 숫자 2)를 직접 입력받아 참조용 고화질 영상의 화소 값을 생성할 수도 있고, 제1 룩업 테이블을 기초로 사용자로부터 희망하는 dose 차이 값(예컨대, 200 dose)을 입력 받음으로써 참조용 고화질 영상의 화소 값을 생성할 수도 있다.
단계 220에서는, 저화질 의료 영상의 화소 값들의 표준 편차와 참조용 고화질 의료 영상의 화소 값들의 표준 편차간의 비율을 저화질 의료 영상의 노이즈를 보정하기 위한 노이즈 보정 계수로 결정한다.
이때, 노이즈 보정 계수는 수학식 1과 같이 계산될 수 있다.
수학식 1에서 std-devlow (x,y)는 저화질 의료 영상의 x,y 좌표에서의 표준 편차를 의미하고 std-devhigh (x,y)는 참조용 고화질 의료 영상의 x,y 좌표에서의 표준 편차를 의미한다. 즉, 수학식 1은 저화질 의료 영상의 화소 값을 전반적으로 평탄화함으로써 노이즈를 보정하는 효과가 발생한다.
만일, 참조용 고화질 의료 영상의 화소 값을 새롭게 생성하여 사용하는 경우에는 표1 에서와 같이 참조용 고화질 의료 영상의 화소 값 생성을 위한 정보를 포함하는 제1 룩업 테이블을 참조하여 참조용 고화질 의료 영상의 화소 값을 생성할 수 있고,이에 따라 참조용 고화질 의료 영상의 표준 편차 std-devhigh (x,y)가 결정되고, 최종적으로 수학식 1을 통해 노이즈 보정 계수가 결정된다.
예컨대, 저화질 의료 영상과의 방사선 피폭량의 차이가 200 mSv만큼인 참조용 고화질 의료 영상의 화소 값을 생성한 경우에, 노이즈 보정 계수는 std-devhigh(x,y)에 100.56을 대입하여 계산함으로써 얻을 수 있다.
단계 230에서는, 그 밝기 보정 계수 및 그 노이즈 보정 계수를 이용하여 저화질 의료 영상의 화질을 개선한다.
저화질 의료 영상의 화질 개선은 수학식 2에 의해 수행될 수 있다.
수학식 2에 따르면, 화질이 개선된 저화질 의료 영상 enh(x,y)는 밝기 보정 계수 mtarget만큼이 가산됨으로써 저화질 의료 영상의 화소 값이 커지게 되고 이에 따라 저화질 의료 영상이 밝아지게 된다.
또한, 수학식 2에서 저화질 의료 영상의 화소 값 low(x,y)에서 저화질 의료 영상에서의 화소 값들의 평균 값 mlow (x,y)을 차감한 값에 노이즈 보정 계수 C를 곱함으로써, 저화질 의료 영상의 화소 값들이 전반적으로 평탄화되어 저화질 의료 영상의 노이즈가 보정된다.
도 3은 본 발명의 또 다른 실시예에 따른 의료 영상 화질 개선 방법을 설명하기 위하여 도시한 흐름도이다.
단계 310에서는, 저화질 의료 영상의 화소 값들의 편차들에 대한 절대값의 합과 참조용 고화질 의료 영상의 화소 값들의 편차들에 대한 절대값의 합간의 비율을 저화질 의료 영상의 노이즈를 보정하기 위한 노이즈 보정 계수로 결정한다.
노이즈 보정 계수는 수학식 3과 같이 계산될 수 있다.
수학식 3에서 AbsSumVarlow(x,y)는 저화질 의료 영상의 x,y 좌표에서의 화소 값의 편차에 대한 절대값의 합이고, AbsSumVarhigh(x,y)는 참조용 고화질 영상의 x,y 좌표에서의 화소 값의 편차에 대한 절대값의 합이다.
편차의 절대값에 대한 합계를 계산하는 것이 표준 편차를 계산하는 것보다는 연산량이 적기 때문에, 수학식 3을 이용하여 노이즈 보정 계수를 계산하게 되면 수학식 2를 이용하여 노이즈 보정 계수를 계산하는 것에 비하여 연산량이 적어지는 효과가 있다.
단계 320에서는, 참조용 고화질 의료 영상의 화소 값들의 평균 값, 저화질 의료 영상의 화소 값들의 평균 값 및 저화질 의료 영상의 화소 값들의 편차들에 대한 절대값의 합과 참조용 고화질 의료 영상의 화소 값들의 편차들에 대한 절대값의 합간의 비율을 이용하여 저화질 의료 영상의 화소 값들의 밝기를 보정하기 위한 밝기 보정 계수를 결정한다.
밝기 보정 계수는 수학식 4에 의하여 계산될 수 있다.
수학식 4에서는 참조용 고화질 의료 영상의 평균 값 mhigh (x,y)에서 노이즈가 보정된 저화질 의료 영상의 평균 값 
을 차감함으로써 밝기 보정 계수가 계산된다.
단계 330에서는, 그 밝기 보정 계수 및 그 노이즈 보정 계수를 이용하여 저화질 의료 영상의 화질을 개선한다.
저화질 의료 영상의 화질 개선은 수학식 5에 의해 수행될 수 있다.
수학식 5에 따르면, 화질이 개선된 저화질 의료 영상 enh(x,y)는 저화질 의료 영상의 화소 값 low(x,y)를 스케일하는 스케일 팩터로서 노이즈 보정 계수 A가 곱해져 저화질 의료 영상의 노이즈가 보정되고, 밝기 보정 계수 B가 가산됨으로써 저화질 의료 영상이 밝아지게 된다.
지금까지는 저화질 의료 영상의 모든 화소 값에 대하여 동일한 노이즈 보정 계수와 밝기 보정 계수가 적용되는 화질 개선 방법에 대해서 설명하였지만, 이하에서는 화소 값들을 카테고리화하여 카테고리별로 상이한 노이즈 보정 계수와 밝기 보정 계수가 적용되는 화질 개선 방법에 대하여 설명하도록 한다.
도 4는 본 발명의 일 실시예에 따라 화소 단위로 카테고리를 분류하는 방법을 설명하기 위하여 도시한 도면이다.
도 4를 참조하면, 9개의 화소로 구성된 화소 블록들(410, 420, 430, 440)이 도시되어 있는데, 각각의 화소 블록들(410, 420, 430, 440)은 순서대로 가로 방향, 세로 방향, 오른쪽 대각선 방향, 왼쪽 대각선 방향의 에지 영역을 포함하고 있고, 각각의 화소 블록들(410, 420, 430, 440)의 중앙에 영상 처리가 적용될 목적 화소인 P가 위치하고, P의 주변에 인접 화소 A 와 B가 위치한다.
도 4에 기초하여, 목적 화소 P의 카테고리를 분류하면, 첫 번째 화소 블록(410)의 목적 화소 P는 가로 방향의 에지 영역에 속하는 W 카테고리로 분류되고, 두 번째 화소 블록(420)의 목적 화소 P는 세로 방향의 에지 영역에 속하는 X 카테고리로 분류되고, 세 번째 화소 블록(430)의 목적 화소 P는 오른쪽 대각선 방향의 에지 영역에 속하는 Y 카테고리로 분류되고, 네 번째 화소 블록(440)의 목적 화소 P는 왼쪽 대각선 방향의 에지 영역에 속하는 Z 카테고리로 분류될 수 있다.
도 4에서 화소의 카테고리 유형은 4개로 분류되었지만, 화소의 카테고리는 표 2에 표시된 것과 같이 보다 세분화될 수 있다.
| 카테고리 유형 | 조건 | 세부 유형 번호 |
| W | P < A 그리고 P < B | 0 |
| W | (P < A 그리고 P = B) 또는 (P = A 그리고 P < B) | 1 |
| W | (P > A 그리고 P = B) 또는 (P = A 그리고 P > B) | 2 |
| W | P > A 그리고 P > B | 3 |
| X | P < A 그리고 P < B | 4 |
| X | (P < A 그리고 P = B) 또는 (P = A 그리고 P < B) | 5 |
| X | (P > A 그리고 P = B) 또는 (P = A 그리고 P > B) | 6 |
| X | P > A 그리고 P > B | 7 |
| Y | P < A 그리고 P < B | 8 |
| Y | (P < A 그리고 P = B) 또는 (P = A 그리고 P < B) | 9 |
| Y | (P > A 그리고 P = B) 또는 (P = A 그리고 P > B) | 10 |
| Y | P > A 그리고 P > B | 11 |
| Z | P < A 그리고 P < B | 12 |
| Z | (P < A 그리고 P = B) 또는 (P = A 그리고 P < B) | 13 |
| Z | (P > A 그리고 P = B) 또는 (P = A 그리고 P > B) | 14 |
| Z | P > A 그리고 P > B | 15 |
| ETC. | 16 | |
표 2에서 세부 유형 번호 0은 카테고리 W에서 P의 화소 값이 A의 화소 값 및 B의 화소 값보다 작은 경우이고, 세부 유형 번호 1은 카테고리 W에서 P의 화소 값이 A의 화소 값과 B의 화소 값 중 하나와는 같은 값이고 나머지 하나보다는 작은 값인 경우이고, 세부 유형 번호 2는 카테고리 W에서 P의 화소 값이 A의 화소 값과 B의 화소 값 중 하나와는 같은 값이고 나머지 하나보다는 큰 값인 경우이고, 세부 유형 번호 3은 카테고리 W에서 P의 화소 값이 A의 화소 값 및 B의 화소 값보다 큰 경우이다. 세부 유형 번호 4 내지 15는 이와 동일한 기준에 따라 카테고리 X, Y, Z를 보다 세분화하여 구분한 세부 카테고리이다. 또한, ETC.는 위의 16개의 분류 기준으로 분류할 수 없는 화소 블록(예컨대, 평탄한 영역)을 구분하기 위한 세부 카테고리이다.
이와 같이, 목적 화소 P의 카테고리가 분류되면, 밝기 보정 계수 및 노이즈 보정 계수는 그 카테고리에 따라 값이 결정된다.
예컨대, 도 2의 실시예에 대해 카테고리 분류를 적용하면 다음과 같다.
먼저, 참조용 고화질 의료 영상 생성을 위한 정보를 포함하는 제1 룩업 테이블은 표 3과 같이 정의된다.
| dose 차이 | mi target | std-devi high (x,,y) |
| 200 | mi low (x,y) * 1.5 | 100.56 |
| 400 | mi low (x,y) * 2 | 50.7 |
| 600 | mi low (x,y) * 2.5 | 25 |
| ... | ... | ... |
표 3에서는 카테고리 i 별로 노이즈 보정 계수 mi target과 참조용 고화질 의료 영상의 표준 편차 std-devi high (x,,y)가 상이한 값을 가진다.
이에 따라, 수학식 6에서와 같이 카테고리 i 별로 밝기 보정 계수 Ci도 상이한 값을 갖게 된다.
여기서, std-devi low (x,y)는 카테고리 i에 속하는 저화질 의료 영상의 x,y 좌표에서의 표준 편차를 의미하고 std-devi high (x,y)는 카테고리 i에 속하는 참조용 고화질 의료 영상의 x,y 좌표에서의 표준 편차를 의미한다.
마지막으로, 카테고리 분류가 적용된 도 2의 실시예에 따른 저화질 의료 영상 화질 개선은 수학식 7에 의해 수행된다.
즉, 수학식 7에서는 카테고리 i별로 최적의 노이즈 보정 계수 mi target과 밝기 보정 계수 Ci를 이용하여 저화질 의료 영상 화질 개선을 수행하게 된다.
다음으로, 도 3의 실시예에 대해 카테고리 분류를 적용하면 다음과 같다.
카테고리 분류가 적용된 노이즈 보정 계수는 수학식 8과 같이 계산될 수 있다.
여기서, AbsSumVari low(x,y)는 카테고리 i에 속하는 저화질 의료 영상의 x,y 좌표에서의 화소 값의 편차에 대한 절대값의 합이고, AbsSumVari high(x,y)는 카테고리 i에 속하는 참조용 고화질 영상의 x,y 좌표에서의 화소 값의 편차에 대한 절대값의 합이다.
수학식 9에서는 카테고리 i에 속하는 참조용 고화질 의료 영상의 평균 값 mi high(x,y)에서 카테고리 i에 속하는 노이즈가 보정된 저화질 의료 영상의 평균 값 
을 차감함으로써 밝기 보정 계수가 계산된다.
이와 같이, 화소의 카테고리를 구분하여 영상 처리를 수행하면 카테고리별 최적의 영상 처리를 수행할 수 있게 된다.
다른 실시예에서는, 화소의 카테고리를 현재 영상 처리를 수행하고자 하는 목적 화소가 평탄한 영역에 속하는 화소인지, 에지 영역의 주변 영역에 속하는 화소인지, 또는 에지 영역에 속하는 화소인지 여부에 따라 구분할 수도 있다.
도 4의 실시예에서는 에지 방향에 기초하여 저화질 의료 영상의 화소의 카테고리를 분류하는 방식에 대해 설명하였지만, 화소의 카테고리를 분류하는 방식은 이에 한정되지 않는다. 이하에서는 화소의 카테고리를 분류하는 다른 방식들에 대하여 설명한다.
첫번째 카테고리 분류 방식은, 저화질 의료 영상에 포함될 수 있는 객체의 종류에 기초하여 카테고리를 분류하는 방식이다.
표 4를 참조하면, 저화질 의료 영상에 포함될 수 있는 객체들과 각각의 객체에 대응되는 화소 값의 구간이 정의된 제2 룩업 테이블이 도시되어 있다.
| 물체 | HU 범위 | 카테고리 번호 |
| 지방 | -100 | 0 |
| 물 | 0 | 1 |
| 뇌척수액 | 1~10 | 2 |
| 뇌 | 12~18 | 3 |
| 하얀 물체 | 22~32 | 4 |
| 회색 물체 | 35~45 | 5 |
| 출혈 | 55~75 | 6 |
| 석회 침착 | 80~200 | 7 |
| 뼈 | 200~1000 | 8 |
예컨대, 표 4에 따르면 HU가 0인 화소는 물에 대한 화소로 추정되며 카테고리 1로 분류되고, HU 범위 200~1000에 해당하는 화소는 뼈에 대한 화소로 추정되며 카테고리 8로 분류될 수 있다.
두번째 카테고리 분류 방식은, 카테고리의 개수를 임의로 정하고, 그 카테고리 개수에 따라 소정 개수의 화소 값들을 화소 값의 크기에 따라 할당하는 방식이다.
표 5를 참조하면, 8개의 카테고리에 대응하여 화소 값의 크기에 따라 균등한 개수의 화소 값들이 할당된 제3 룩업 테이블이 도시되어 있다.
| 화소 값 구간 | 카테고리 번호 |
| 0~31 | 0 |
| 32~63 | 1 |
| 64~97 | 2 |
| 98~127 | 3 |
| 128~159 | 4 |
| 160~191 | 5 |
| 192~223 | 6 |
| 224~255 | 7 |
예컨대, 표 5에 따르면 화소 값이 0~31에 속하는 화소는 카테고리 0으로 분류되고, 화소 값이 224~255에 속하는 화소는 카테고리 7로 분류된다. 이와 같이, 카테고리가 분류되면 저화질 의료 영상에서 카테고리 7에 해당하는 화소에는 노이즈 보정 계수(예컨대, 1에 가까운 값)를 크게 하여 평탄화를 약하게 하고, 밝기 보정 계수는 작게 하여 밝기를 조금만 높이도록 영상 처리를 수행하고, 카테고리 0에 해당하는 화소에는 그와 반대로 영상 처리를 수행하게 된다.
지금까지는 저화질 의료 영상에서 화소 단위로 카테고리를 분류하는 방식에 대하여 설명하였으나, 이하에서는 영역 단위로 카테고리를 분류하는 방식에 대하여 설명한다.
도 5는 본 발명의 일 실시예에 따라 영역 단위로 카테고리를 분류하는 방법을 설명하기 위하여 도시한 도면이다.
도 5를 참조하면, 저화질 의료 영상이 좌측 상단 영역(510), 좌측 하단 영역(520), 우측 상단 영역(530) 및 우측 하단 영역(540)으로 카테고리가 구분되어 있다.
이와 같이 영역 단위로 카테고리를 구분하는 방식을 설명하면, 저화질 영상에 포함된 객체들을 식별한 후에, 그 식별된 객체들이 속하는 영역들(510, 520, 530)을 별도의 카테고리로 구분하는 것이다. 도 5에서는 객체가 존재하지 않는 영역(540)도 별도의 카테고리로 분류하였다.
한편, 카테고리를 분류할 때, 도 5에서와 같이 객체가 속하는 주변 영역까지 포함하여 카테고리를 크게 분류할 수도 있지만, 객체가 속하는 주변 영역은 제외하고 객체가 속하는 영역만을 별도의 카테고리로 분류하고 그 외의 영역을 별도 카테고리로 분류할 수도 있다.
이와 같이 카테고리가 구분되면, 카테고리별로 상이한 밝기 보정 계수 및 노이즈 보정 계수를 적용하여 영상 처리를 수행하지만, 동일한 카테고리에 속하는 화소들에 대해서는 동일한 밝기 보정 계수 및 노이즈 보정 계수를 적용하여 영상 처리를 수행한다.
또한, 본 발명의 카테고리가 구분되면, 카테고리별로 밝기 보정 계수 및 노이즈 보정 계수를 달리하여 영상 처리를 수행하는 것 외에도, 각각의 카테고리에 최적화된 영상 처리 방법을 적용하여 영상 처리를 수행할 수도 있다.
예컨대, 카테고리별로 상이한 필터를 이용하여 영상 처리를 하거나, 카테고리별로 상이한 값을 곱하여 영상처리를 수행할 수도 있다. 이때, 카테고리 중에는 영상 처리가 수행되지 않는 카테고리가 발생할 수 있다. 예컨대, 원본 화소 값에 α를 곱하여 영상 처리하는 경우에 α가 1로 선택된 경우에는 영상 처리가 수행되지 않는 효과가 있다.
도 6은 본 발명의 일 실시예에 따른 의료 영상 화질 개선 장치를 설명하기 위하여 도시한 도면이다.
도 6을 참조하면, 본 발명의 일 실시예에 따른 의료 영상 화질 개선 장치(600)는 밝기 보정 계수 결정부(610), 노이즈 보정 계수 결정부(620) 및 화질 개선부(630)를 포함한다.
밝기 보정 계수 결정부(610)는 참조용 고화질 의료 영상의 화소 값들을 이용하여 저화질 의료 영상의 화소 값들의 밝기를 보정하기 위한 밝기 보정 계수를 결정한다.
노이즈 보정 계수 결정부(620)는 참조용 고화질 의료 영상의 화소 값들을 이용하여 저화질 의료 영상의 노이즈를 보정하기 위한 노이즈 보정 계수를 결정한다.
화질 개선부(630)는 그 밝기 보정 계수 및 그 노이즈 보정 계수를 이용하여 저화질 의료 영상의 화질을 개선한다.
바람직하게는, 본 발명의 일 실시예에 따른 의료 영상 화질 개선 장치(600)는 복수의 참조용 고화질 의료 영상들을 저장하는 저장부(미도시)를 더 포함할 수 있다. 또한, 저장부는 영상 처리에 이용되는 필터의 종류, 예컨대 저역 필터, 고역 필터, spatial 필터, 오프셋, 히스토그램 평화화 관련 정보 등을 저장할 수 있다. 이와 같은 영상 처리 정보는 사용자에 의하여 업데이트될 수도 있다.
예컨대, 영상 처리 정보가 사용자에 의하여 업데이트되는 경우, 업데이트된 영상 처리 정보는 추후에 사용자가 다른 환자의 동일한 신체 부위에 대한 영상 정보를 분석할 경우 사용될 수 있다. 또는, 다른 사용자가 다른 환자의 동일한 신체 부위에 대한 영상 정보를 분석할 경우에도 사용될 수도 있다. 따라서, 사용자는 환자의 신체 부위와 의료 영상 촬영 환경에 따른 가장 바람직한 영상 처리 정보를 설정하여 저장부에 저장하여 둠으로써, 적응적으로 변화하는 영상 처리 정보를 이용할 수 있다.
바람직하게는, 본 발명의 일 실시예에 따른 의료 영상 화질 개선 장치(600)는 저화질 의료 영상의 특성 및 촬영 환경 중 적어도 하나에 기초하여, 복수의 참조용 고화질 의료 영상들 중에서 저화질 의료 영상의 화질 개선에 이용될 참조용 고화질 의료 영상을 선택하고, 그 선택된 참조용 고화질 의료 영상의 화소 값들을 획득하는 화소 값 획득부(미도시)를 더 포함할 수 있다.
다른 실시예에서는, 본 발명의 일 실시예에 따른 화소 값 획득부는 저화질 의료 영상의 화질 개선에 이용될 참조용 고화질 의료 영상의 화소 값을 생성할 수도 있다.
바람직하게는, 본 발명의 일 실시예에 따른 의료 영상 화질 개선 장치(600)는 사용자 입력을 수신하는 입력부(미도시)를 더 포함할 수 있다.
바람직하게는, 본 발명의 일 실시예에 따른 의료 영상 화질 개선 장치(600)는 저화질 의료 영상에서 화질 개선을 위한 영상 처리가 적용될 목적 화소의 화소 값과 목적 화소에 인접한 인접 화소들의 화소 값들의 크기를 비교하여 목적 화소의 카테고리를 분류하는 카테고리 관리부(미도시)를 더 포함할 수 있다.
한편, 상술한 본 발명의 실시예들은 컴퓨터에서 실행될 수 있는 프로그램으로 작성가능하고, 컴퓨터로 읽을 수 있는 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다.
상기 컴퓨터로 읽을 수 있는 기록매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등) 를 포함한다.
이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
Claims (18)
- 참조용 고화질 의료 영상의 화소 값들을 이용하여 저화질 의료 영상의 화소 값들의 밝기를 보정하기 위한 밝기 보정 계수를 결정하는 단계;
상기 참조용 고화질 의료 영상의 화소 값들을 이용하여 상기 저화질 의료 영상의 노이즈를 보정하기 위한 노이즈 보정 계수를 결정하는 단계; 및
상기 밝기 보정 계수 및 상기 노이즈 보정 계수를 이용하여 상기 저화질 의료 영상의 화질을 개선하는 단계를 포함하는 것을 특징으로 하는 의료 영상 화질 개선 방법. - 제1항에 있어서,
상기 저화질 의료 영상의 특성 및 촬영 환경 중 적어도 하나에 기초하여, 복수의 참조용 고화질 의료 영상들 중에서 상기 저화질 의료 영상의 화질 개선에 이용될 참조용 고화질 의료 영상을 선택하는 단계; 및
상기 선택된 참조용 고화질 의료 영상의 화소 값들을 획득하는 단계를 더 포함하고,
상기 밝기 보정 계수를 결정하는 단계 및 상기 노이즈 보정 계수를 결정하는 단계는 상기 선택된 참조용 고화질 의료 영상의 화소 값을 이용하여 수행되는 것을 특징으로 하는 의료 영상 화질 개선 방법. - 제1항에 있어서,
참조용 고화질 의료 영상의 화소 값 생성을 위한 정보를 포함하는 제1 룩업 테이블 및 사용자 입력 중 적어도 하나에 기초하여, 상기 저화질 의료 영상의 화질 개선에 이용될 참조용 고화질 의료 영상의 화소 값들을 생성하는 단계를 더 포함하고,
상기 밝기 보정 계수를 결정하는 단계 및 상기 노이즈 보정 계수를 결정하는 단계는 상기 생성된 참조용 고화질 의료 영상의 화소 값들을 이용하여 수행되는 것을 특징으로 하는 의료 영상 화질 개선 방법. - 제1항에 있어서,
상기 밝기 보정 계수를 결정하는 단계는 상기 참조용 고화질 의료 영상의 화소 값들에 대한 평균 값을 상기 밝기 보정 계수로 결정하는 단계를 포함하고,
상기 노이즈 보정 계수를 결정하는 단계는 상기 저화질 의료 영상의 화소 값들의 표준 편차와 상기 참조용 고화질 의료 영상의 화소 값들의 표준 편차간의 비율을 상기 노이즈 보정 계수로 결정하는 단계를 포함하는 것을 특징으로 하는 의료 영상 화질 개선 방법. - 제1항에 있어서,
상기 밝기 보정 계수를 결정하는 단계는 상기 참조용 고화질 의료 영상의 화소 값들의 평균 값, 상기 저화질 의료 영상의 화소 값들의 평균 값 및 상기 저화질 의료 영상의 화소 값들의 편차들에 대한 절대값의 합과 상기 참조용 고화질 의료 영상의 화소 값들의 편차들에 대한 절대값의 합간의 비율을 이용하여 상기 밝기 보정 계수를 결정하는 단계를 포함하고,
상기 노이즈 보정 계수를 결정하는 단계는 상기 저화질 의료 영상의 화소 값들의 편차들에 대한 절대값의 합과 상기 참조용 고화질 의료 영상의 화소 값들의 편차들에 대한 절대값의 합간의 비율을 상기 노이즈 보정 계수로 결정하는 단계를 포함하는 것을 특징으로 하는 의료 영상 화질 개선 방법. - 제1항에 있어서,
상기 저화질 의료 영상에서 화질 개선을 위한 영상 처리가 적용될 목적 화소의 화소 값과 상기 목적 화소에 인접한 인접 화소들의 화소 값들의 크기를 비교하여 상기 목적 화소의 카테고리를 분류하는 단계를 더 포함하고,
상기 밝기 보정 계수를 결정하는 단계 및 상기 노이즈 보정 계수를 결정하는 단계는 상기 카테고리에 기초하여 수행되는 것을 특징으로 하는 의료 영상 화질 개선 방법. - 제1항에 있어서,
상기 저화질 의료 영상에 포함될 수 있는 객체의 종류별로 해당하는 화소 값의 구간이 정의된 제2 룩업 테이블에 기초하여 상기 저화질 의료 영상의 화소 값들의 카테고리를 구분하는 단계를 더 포함하고,
상기 밝기 보정 계수를 결정하는 단계 및 상기 노이즈 보정 계수를 결정하는 단계는 상기 카테고리에 기초하여 수행되는 것을 특징으로 하는 의료 영상 화질 개선 방법. - 제1항에 있어서,
복수의 카테고리에 대응하여 소정 개수의 화소 값들이 화소 값의 크기에 따라 할당된 제3 룩업 테이블에 기초하여 상기 저화질 의료 영상의 화소 값들의 카테고리를 구분하는 단계를 더 포함하고,
상기 밝기 보정 계수를 결정하는 단계 및 상기 노이즈 보정 계수를 결정하는 단계는 상기 카테고리에 기초하여 수행되는 것을 특징으로 하는 의료 영상 화질 개선 방법. - 제1항에 있어서,
상기 저화질 의료 영상에 포함된 객체들을 식별하는 단계를 더 포함하고,
상기 밝기 보정 계수 및 상기 노이즈 보정 계수는 상기 식별된 객체들이 포함된 각각의 영역마다 상이하게 결정되는 것을 특징으로 하는 의료 영상 화질 개선 방법. - 참조용 고화질 의료 영상의 화소 값들을 이용하여 저화질 의료 영상의 화소 값들의 밝기를 보정하기 위한 밝기 보정 계수를 결정하는 밝기 보정 계수 결정부;
상기 참조용 고화질 의료 영상의 화소 값들을 이용하여 상기 저화질 의료 영상의 노이즈를 보정하기 위한 노이즈 보정 계수를 결정하는 노이즈 보정 계수 결정부; 및
상기 밝기 보정 계수 및 상기 노이즈 보정 계수를 이용하여 상기 저화질 의료 영상의 화질을 개선하는 화질 개선부를 포함하는 것을 특징으로 하는 의료 영상 화질 개선 장치. - 제10항에 있어서,
복수의 참조용 고화질 의료 영상들을 저장하는 저장부; 및
상기 저화질 의료 영상의 특성 및 촬영 환경 중 적어도 하나에 기초하여, 상기 복수의 참조용 고화질 의료 영상들 중에서 상기 저화질 의료 영상의 화질 개선에 이용될 참조용 고화질 의료 영상을 선택하고, 상기 선택된 참조용 고화질 의료 영상의 화소 값들을 획득하는 화소 값 획득부를 더 포함하고,
상기 밝기 보정 계수 결정부 및 상기 노이즈 보정 계수 결정부는 상기 선택된 참조용 고화질 의료 영상의 화소 값들을 이용하여 동작을 수행하는 것을 특징으로 하는 의료 영상 화질 개선 장치. - 제10항에 있어서,
참조용 고화질 의료 영상의 화소 값 생성을 위한 정보를 포함하는 제1 룩업 테이블을 저장하는 저장부;
사용자 입력을 수신하는 입력부; 및
상기 제1 룩업 테이블 및 상기 사용자 입력 중 적어도 하나에 기초하여, 상기 저화질 의료 영상의 화질 개선에 이용될 참조용 고화질 의료 영상의 화소 값들을 생성하는 화소 값 획득부를 더 포함하고,
상기 밝기 보정 계수 결정부 및 상기 노이즈 보정 계수 결정부는 상기 생성된 참조용 고화질 의료 영상의 화소 값들을 이용하여 동작을 수행하는 것을 특징으로 하는 의료 영상 화질 개선 장치. - 제10항에 있어서,
상기 밝기 보정 계수 결정부는 상기 참조용 고화질 의료 영상의 화소 값들에 대한 평균 값을 상기 밝기 보정 계수로 결정하고,
상기 노이즈 보정 계수 결정부는 상기 저화질 의료 영상의 화소 값들의 표준 편차와 상기 참조용 고화질 의료 영상의 화소 값들의 표준 편차간의 비율을 상기 노이즈 보정 계수로 결정하는 것을 특징으로 하는 의료 영상 화질 개선 장치. - 제10항에 있어서,
상기 밝기 보정 계수 결정부는 상기 참조용 고화질 의료 영상의 화소 값들의 평균 값, 상기 저화질 의료 영상의 화소 값들의 평균 값 및 상기 저화질 의료 영상의 화소 값들의 편차들에 대한 절대값의 합과 상기 참조용 고화질 의료 영상의 화소 값들의 편차들에 대한 절대값의 합간의 비율을 이용하여 상기 밝기 보정 계수를 결정하고,
상기 노이즈 보정 계수 결정부는 상기 저화질 의료 영상의 화소 값들의 편차들에 대한 절대값의 합과 상기 참조용 고화질 의료 영상의 화소 값들의 편차들에 대한 절대값의 합간의 비율을 상기 노이즈 보정 계수로 결정하는 것을 특징으로 하는 의료 영상 화질 개선 장치. - 제10항에 있어서,
상기 저화질 의료 영상에서 화질 개선을 위한 영상 처리가 적용될 목적 화소의 화소 값과 상기 목적 화소에 인접한 인접 화소들의 화소 값들의 크기를 비교하여 상기 목적 화소의 카테고리를 분류하는 카테고리 관리부를 더 포함하고,
상기 밝기 보정 계수 결정부 및 상기 노이즈 보정 계수 결정부는 상기 카테고리에 기초하여 동작을 수행하는 것을 특징으로 하는 의료 영상 화질 개선 장치. - 제10항에 있어서,
상기 저화질 의료 영상에 포함될 수 있는 객체의 종류별로 해당하는 화소 값의 구간이 정의된 제2 룩업 테이블에 기초하여 상기 저화질 의료 영상의 화소 값들의 카테고리를 구분하는 카테고리 관리부를 더 포함하고,
상기 밝기 보정 계수 결정부 및 상기 노이즈 보정 계수 결정부는 상기 카테고리에 기초하여 동작을 수행하는 것을 특징으로 하는 의료 영상 화질 개선 장치. - 제10항에 있어서,
복수의 카테고리에 대응하여 소정 개수의 화소 값들이 화소 값의 크기에 따라 할당된 제3 룩업 테이블에 기초하여 상기 저화질 의료 영상의 화소 값들의 카테고리를 구분하는 카테고리 관리부를 더 포함하고,
상기 밝기 보정 계수 결정부 및 상기 노이즈 보정 계수 결정부는 상기 카테고리에 기초하여 동작을 수행하는 것을 특징으로 하는 의료 영상 화질 개선 장치. - 제10항에 있어서,
상기 저화질 의료 영상에 포함된 객체들을 식별하는 객체 식별부; 및
상기 저화질 의료 영상에서 상기 식별된 객체들이 포함된 각각의 영역을 구분하는 카테고리 관리부를 더 포함하고,
상기 밝기 보정 계수 및 상기 노이즈 보정 계수는 상기 식별된 객체들이 포함된 각각의 영역마다 상이하게 결정되는 것을 특징으로 하는 의료 영상 화질 개선 장치.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020130054916A KR101467380B1 (ko) | 2013-05-15 | 2013-05-15 | 의료 영상 화질 개선 방법 및 그 장치 |
| PCT/KR2014/004338 WO2014185714A1 (ko) | 2013-05-15 | 2014-05-14 | 의료 영상 화질 개선 방법 및 그 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020130054916A KR101467380B1 (ko) | 2013-05-15 | 2013-05-15 | 의료 영상 화질 개선 방법 및 그 장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20140134903A KR20140134903A (ko) | 2014-11-25 |
| KR101467380B1 true KR101467380B1 (ko) | 2014-12-03 |
Family
ID=52455783
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020130054916A KR101467380B1 (ko) | 2013-05-15 | 2013-05-15 | 의료 영상 화질 개선 방법 및 그 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101467380B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102428725B1 (ko) | 2022-02-15 | 2022-08-04 | 주식회사 에어스메디컬 | 영상 개선 방법 및 이를 수행하는 컴퓨터 프로그램 |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102389628B1 (ko) | 2021-07-22 | 2022-04-26 | 주식회사 클라리파이 | 의료영상의 병변 특징에 따른 영상처리 장치 및 방법 |
| KR102492949B1 (ko) | 2022-01-04 | 2023-01-31 | 주식회사 클라리파이 | 의료영상의 처리장치 및 처리방법 |
| KR102486818B1 (ko) | 2022-01-04 | 2023-01-10 | 주식회사 클라리파이 | 의료영상의 움직임 보상처리 장치 및 방법 |
| KR102492950B1 (ko) | 2022-01-04 | 2023-01-31 | 주식회사 클라리파이 | 의료영상의 아티팩트 처리장치 및 처리방법 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090063826A (ko) * | 2007-12-14 | 2009-06-18 | 엘지전자 주식회사 | 영상 처리 방법 |
| KR20100012992A (ko) * | 2008-07-30 | 2010-02-09 | 국방과학연구소 | 적외선 열상 장치 및 그것을 이용한 영상신호 처리방법 |
-
2013
- 2013-05-15 KR KR1020130054916A patent/KR101467380B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090063826A (ko) * | 2007-12-14 | 2009-06-18 | 엘지전자 주식회사 | 영상 처리 방법 |
| KR20100012992A (ko) * | 2008-07-30 | 2010-02-09 | 국방과학연구소 | 적외선 열상 장치 및 그것을 이용한 영상신호 처리방법 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102428725B1 (ko) | 2022-02-15 | 2022-08-04 | 주식회사 에어스메디컬 | 영상 개선 방법 및 이를 수행하는 컴퓨터 프로그램 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20140134903A (ko) | 2014-11-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6416582B2 (ja) | 医用画像における金属アーチファクト除去のための方法および装置 | |
| CN111445449B (zh) | 感兴趣区域的分类方法、装置、计算机设备和存储介质 | |
| KR101467380B1 (ko) | 의료 영상 화질 개선 방법 및 그 장치 | |
| US20050025377A1 (en) | Method and apparatus for signal-to-noise ratio dependent image processing | |
| EP1820447B1 (en) | Image processing device, image processing method, and image processing program | |
| Nagayama et al. | Deep learning–based reconstruction for lower-dose pediatric CT: technical principles, image characteristics, and clinical implementations | |
| JP2020179159A (ja) | 肝臓腫瘍例のレビューを容易にするシステムおよび方法 | |
| JP6438752B2 (ja) | 二重エネルギーｃｔスキャン画像における物体識別方法 | |
| US8520916B2 (en) | Enhancement of region of interest of radiological image | |
| Nackaerts et al. | Segmentation of trabecular jaw bone on cone beam CT datasets | |
| Marshall et al. | Description and assessment of a registration‐based approach to include bones for attenuation correction of whole‐body PET/MRI | |
| US7676076B2 (en) | Neural network based method for displaying an examination image with normalized grayscale values | |
| Slone et al. | Irreversible JPEG compression of digital chest radiographs for primary interpretation: assessment of visually lossless threshold | |
| Wang et al. | Automated lung segmentation in digital chest tomosynthesis | |
| van Ommen et al. | Effect of prolonged acquisition intervals for CT‐perfusion analysis methods in patients with ischemic stroke | |
| KR20220040872A (ko) | 영상처리방법 및 이를 이용한 영상처리장치 | |
| JP4783006B2 (ja) | 領域分割ベースの画像操作の方法及び装置 | |
| US10043268B2 (en) | Medical image processing apparatus and method to generate and display third parameters based on first and second images | |
| JP6564075B2 (ja) | 医用画像を表示するための伝達関数の選択 | |
| WO2019220825A1 (ja) | 胸部ｘ線画像の階調変換方法、画像階調変換プログラム、画像階調変換装置、サーバ装置、及び変換方法 | |
| Osadebey et al. | Image quality evaluation in clinical research: A case study on brain and cardiac mri images in multi-center clinical trials | |
| CN111462273B (zh) | 图像处理方法、装置、ct设备及ct系统 | |
| Yilmaz et al. | Noise removal of CBCT images using an adaptive anisotropic diffusion filter | |
| US9978132B2 (en) | Radiation image processing device, method, and program | |
| JP2014233608A (ja) | 画像処理装置及び医用画像診断装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20191107 Year of fee payment: 6 |