KR101479577B1 - 심근 및 심혈관 정보의 통합 분석 방법 - Google Patents

심근 및 심혈관 정보의 통합 분석 방법 Download PDF

Info

Publication number
KR101479577B1
KR101479577B1 KR20130082098A KR20130082098A KR101479577B1 KR 101479577 B1 KR101479577 B1 KR 101479577B1 KR 20130082098 A KR20130082098 A KR 20130082098A KR 20130082098 A KR20130082098 A KR 20130082098A KR 101479577 B1 KR101479577 B1 KR 101479577B1
Authority
KR
South Korea
Prior art keywords
myocardial
state image
bull
cardiovascular
image
Prior art date
Application number
KR20130082098A
Other languages
English (en)
Other versions
KR20140120236A (ko
Inventor
김남국
김영학
양동현
Original Assignee
재단법인 아산사회복지재단
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 재단법인 아산사회복지재단 filed Critical 재단법인 아산사회복지재단
Publication of KR20140120236A publication Critical patent/KR20140120236A/ko
Application granted granted Critical
Publication of KR101479577B1 publication Critical patent/KR101479577B1/ko

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • 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
    • G06T2207/30048—Heart; Cardiac
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

본 개시는 의료영상 장치에 의해 심장의 제1 상태 영상 및 제2 상태 영상을 포함하는 심장 영상이 획득되는 단계; 심장 영상을 기초로 심근 및 심혈관이 분할(segmentation)되고, 심근이 혈액을 공급받는 심혈관의 구조에 따라 심근 영역들로 나누어지는(divided) 단계; 심근이 제1 축 방향으로 투사되어 심근 영역들 및 심혈관이 2차원 영상으로 획득되는 단계; 그리고 제1 상태 영상과 제2 상태 영상의 관계를 이용하여 2차원 영상 상에서 제1 상태의 심장과 제2 상태의 심장의 특징의 차이가 획득되는 단계;를 포함하는 것을 특징으로 하는 심근 및 심혈관 정보의 통합 분석 방법에 관한 것이다.

Description

심근 및 심혈관 정보의 통합 분석 방법{INTEGRATED ANALYSIS METHOD OF MATCHING MYOCARDIAL AND CARDIOVASCULAR ANATOMY INFORMATIONS}
본 개시(Disclosure)는 전체적으로 심근 및 심혈관 정보의 통합 분석 방법에 관한 것으로, 환자의 심근을 심혈관 구조에 따라 분할하고 서로 다른 상태 간의 심근관류의 차이를 분석하는 심근 및 심혈관 정보의 통합 분석 방법에 관한 것이다.
여기서는, 본 개시에 관한 배경기술이 제공되며, 이들이 반드시 공지기술을 의미하는 것은 아니다(This section provides background information related to the present disclosure which is not necessarily prior art).
관상동맥 질환(CAD; Coronary Artery Disease)은 협착이나 혈관이 좁아져 혈액의 흐름이 방해되는 것이다. 관상동맥은 심근에 피를 공급하는 작은 혈관들이다. CAD는 심근을 통해 피가 뿌려지는 길을 바꾼다. 이로 인해 심장근육의 운동이 감소된다.
심장에 대한 CT 또는 MRI 등의 의료영상을 기초로 CAD를 평가하는 방법이 다양하게 연구되어 왔다. 예를 들어, 다양한 의료영상을 통합하거나, 진단 및 평가를 위해 시각화하는 연구가 있다.
예를 들어, 논문 Three-dimensional registration of myocardial perfusion SPECT and CT coronary angiography(Annals of Nuclear Medicine Vol. 19, No. 3, 207-215, 2005)에는 CT coronary angiography (CTCA) 및 myocardial perfusion SPECT 정보를 통합하기 위한 정합(registration)의 방법이 개시되어 있다.
상기 논문에서는 좌심실의 심근을 장축 방향을 따라 16개의 단축 방향 이미지로 나누고, 다시 각 단축 방향 이미지를 36개의 세그먼트(segment)로 나눈다. 따라서 심근은 576(16x36)개의 다각형 표면(polygonal surface)으로 나누어진다. SPECT에 의한 심근관류 정보가 정합의 결과를 기초로 상기 576개의 다각형 표면에 주어지며, 관상동맥 트리와 심근이 3차원으로 함께 시각화된다.
그러나, 상기 논문에서는 심근이 심혈관의 구조와 무관하게 영역이 나누어지고, 단순히 심근관류 영상과 심혈관 영상을 중첩하는 방식으로 시각화하고 있다.
또 다른 예로, 논문 Visualization of Myocardial Perfusion Derived from Coronary Anatomy(Maurice Termeer, Javier Olivan Bescos, Marcel Breeuwer, Anna Vilanova, Member, IEEE, Frans Gerritsen, M. Eduard Groller, Member, IEEE and Eike Nagel) (Manuscript received 31 March 2008; accepted 1 August 2008; posted online 19 October 2008; mailed on 13 October 2008.)에는 컴퓨터 시뮬레이션을 통한 심근관류의 시각화 방법이 개시되어 있다.
상기 Maurice Termeer의 논문에서는 심혈관을 분할하고, 분할된 심혈관을 이용하여 컴퓨터 시뮬레이션에 의해 심근관류를 계산한다. 심근의 표면을 분할하고 시뮬레이션에 의해 계산된 심근관류 이미지를 심혈관 이미지와 함께 Bull's Eye plot에 시각화한다. 심근관류 이미지에는 혈류의 등밀도선이 표시되어 있고, 복수의 심혈관들로부터 공급되는 혈류가 동등한 경계선을 그어서 관상동맥 영역(coronary artery territories)으로 정의하였다. 또한, 시뮬레이션 모델에서 협착을 유도하여 심근관류가 변화하는 것을 시각화하였다.
그러나, 상기 논문에서 Bull's Eye plot은 시뮬레이션 모델에 의해 계산된 이미지이므로 특정 환자의 심근관류나 심장 특징에 대한 정확한 진단 및 평가 방법으로는 적절하지 못하다.
또한, 상기 논문에서 관상동맥 영역(coronary artery territories)은 시뮬레이션 모델 상에서 이웃한 심혈관들로부터 동등한 혈류공급을 받는 경계선을 계산한 것이다. 이로 인해 심근관류와 심혈관의 관계가 명확하게 평가되는 데에서 모호하고 불확실한 심근 영역이 있다. 또한, 협착이 유도되기 전과 후에는 심장의 상태가 변화하므로 이것을 고려하지 않은 시뮬레이션 모델로부터는 심장의 상태 차이에 따른 심근관류의 차이가 정확하게 평가되기 어렵다.
이에 대하여 '발명의 실시를 위한 구체적인 내용'의 후단에 기술한다.
여기서는, 본 개시의 전체적인 요약(Summary)이 제공되며, 이것이 본 개시의 외연을 제한하는 것으로 이해되어서는 아니된다(This section provides a general summary of the disclosure and is not a comprehensive disclosure of its full scope or all of its features).
본 개시에 따른 일 태양에 의하면(According to one aspect of the present disclosure), 의료영상 장치에 의해 심장의 제1 상태 영상 및 제2 상태 영상을 포함하는 심장 영상이 획득되는 단계; 심장 영상을 기초로 심근 및 심혈관이 분할(segmentation)되고, 심근이 혈액을 공급받는 심혈관의 구조에 따라 심근 영역들로 나누어지는(divided) 단계; 심근이 제1 축 방향으로 투사되어 심근 영역들 및 심혈관이 2차원 영상으로 획득되는 단계; 그리고 제1 상태 영상과 제2 상태 영상의 관계를 이용하여 2차원 영상 상에서 제1 상태의 심장과 제2 상태의 심장의 특징의 차이가 획득되는 단계;를 포함하는 것을 특징으로 하는 심근 및 심혈관 정보의 통합 분석 방법이 제공된다.
이에 대하여 '발명의 실시를 위한 구체적인 내용'의 후단에 기술한다.
도 1은 본 개시에 따른 심근 및 심혈관 정보의 통합 분석 방법의 전체적인 개략을 나타내는 도면,
도 2는 심장 영상이 단축정렬되는 것을 설명하는 도면,
도 3, 도 4 및 도 5는 혈관 기반 심근 영역 나누기의 일 예를 설명하는 도면,
도 6은 상호보완정보 기반 강체정합의 알고리즘 프레임워크를 보여주는 도면,
도 7 및 도 8은 Bull's Eye Map 상에서 제1 상태와 제2 상태 사이에 심근관류의 차이가 획득되는 방법의 일 예를 설명하는 도면.
이하, 본 개시를 첨부된 도면을 참고로 하여 자세하게 설명한다(The present disclosure will now be described in detail with reference to the accompanying drawing(s)).
도 1은 본 개시에 따른 심근 및 심혈관 정보의 통합 분석 방법의 전체적인 개략을 나타내는 도면이다.
심근 및 심혈관 정보의 통합 분석 방법에서, 먼저, 의료영상 장치에 의해 심장의 제1 상태 영상 및 제2 상태 영상 중 적어도 하나를 포함하는 심장 영상이 획득된다. 의료영상 장치로는 3차원 단층사진 방법(예; MRI, CT 등)이 사용될 수 있다. 도 1에는 조영증강 심장 CT에 의한 심장의 제1 상태 영상 및 제2 상태 영상이 나타나 있다.
본 개시에서는 하나의 심장에 대해 상태가 다른 심장 영상들이 획득되고, 심장 영상들을 기초로 심장 특징의 차이가 얻어지며, 상기 차이를 기초로 심혈관 질환의 진단이나 평가가 이루어진다. 예를 들어, 도 1에는 제1 상태(rest) 및 제2 상태(stress)에서 각 심근관류를 보여주는 제1 상태 영상 및 제2 상태 영상이 나타나 있다(도 1 좌측 상단 참조). 제2 상태는 아데노신과 같은 약물을 투여하여 유도될 수 있다.
도 1의 나머지 부분에 대해서는 도 2 내지 도 8에서 후술된다.
도 2는 심장 영상이 단축정렬되는 것을 설명하는 도면이다.
다음, 심장 영상이 심근의 단축(short axis) 방향으로 정렬(alignment)된다(도 1 및 도 2 상단 중앙 참조).
도 2에는 CT의 스캔 축 방향에 따른 심장의 영상(좌측 상단)과 단축정렬된(Short axis alignment) 심장 영상(상단 중앙)이 나타나 있다. 좌심실과 우심실의 심근의 모델이 도 2의 우측에 나타나 있다. 심근은 도 2에 보이는 것과 같이 장축(Long axis) 및 단축을 가진다. CT의 스캔 방향은 심근의 장축(제1 축) 및 장축과 교차하는 단축(short axis)과 나란하지 않다. 따라서 3차원 데이터인 심장 영상을 일정한 관찰 방향을 정해서 평가하기 위해 심장 영상이 단축 또는 장축 방향으로 정렬된다.
한편, 후술될 정합(registration)의 과정을 고려하면, 제1 상태 영상 및 제2 상태 영상 중 어느 하나가 기준(reference)이 될 수 있다. 이하, 제1 상태 영상이 단축정렬되는 예가 설명된다.
도 3, 도 4 및 도 5는 혈관 기반 심근 영역 나누기의 일 예를 설명하는 도면이다.
상기와 같이 단축정렬된 심장 영상을 기초로 심근 및 심혈관이 분할(segmentation)되고, 심근이 혈액을 공급받는 심혈관의 구조에 따라 심혈관에 의해 먹여 살려지는(feed) 심근 영역들로 나누어(divided)진다.
예를 들어, 심근 영상을 기초로 Adaptive Dilation 기반 심혈관 분할 방법에 의해 심혈관이 분할된다. 또한, Template 기반 심혈관 라벨링 및 수정 과정이 수행된다.
이후, 심혈관 Diameter-Dilation 기반 심근 영역 나누기 및 수정 과정이 이루어진다. 심혈관 Diameter-Dilation 기반 심근 영역 나누기 및 수정 과정은 심근 영역들의 사이즈가 심혈관의 직경에 비례하도록 디스턴스맵(distance map)을 생성하는 과정을 포함한다. 예를 들어, 관상동맥 RCA(Right Coronary Artery), LAD(Left Anterior Descending branch) 및 LCX(Circumflex branch)은 그 직경이 위치에 따라 다르고, 직경이 클수록 먹어 살리는 심근 영역의 사이즈가 더 크다고 볼 수 있다. 따라서 RCA, LAD 및 LCX의 해부학적 구조에 따라 심근 영역을 나누는 것이 심근관류를 더 실재에 가깝게 평가하는 데에 유리하다.
상기와 같이 심근 영역으로 영역 나누기가 되는 과정에서 도 3에 도시된 것과 같이 템플릿 기반 변형 모델(Template-based deformable models)이 이용된다(도 1 우측 하단 참조). 템플릿은 thick-section 이미지를 이용하여 미리 정의된 영역 모델이며, 변형 모델(M. Kaus et al., 2004)이 참조된다.
템플릿 기반 변형 모델을 이용한 영역 나누기에서 다음 수학식(1)을 만족하는 곡면 상의 점을 매칭한다.
Figure 112013062872395-pat00001
(1) 여기서,
Figure 112013062872395-pat00002
Figure 112013062872395-pat00003
Figure 112013062872395-pat00004
v: contour vertex
Figure 112013062872395-pat00005
: pre-defined feature point
Figure 112013062872395-pat00006
: unit-vector in the direction of the image gradient
N(j): neighbors of vertex j
s: scaling
R: rotation matrix
전술된 혈관 및 심근의 분할과, 심근 영역들로 영역 나누기를 하는 과정은 자동알고리즘에 의해 수행될 수 있다. 한편, 자동알고리즘이 항상 성공하는 것은 아니므로, 전술된 영역 나누기의 결과가 영상의학, 임상의학 또는 동물실험과 비교되는 과정을 거칠 수 있다. 또한, 도 4에 도시된 것과 같이, Volume fitting 및 Manual Editing 모듈에 의해 수정되는 과정을 거칠 수 있다(도 1 하단 중앙 참조).
Volume fitting은 혈관 구조에 따라 나누어진 심근 영역들을 사용자가 손쉽게 수정할 수 있는 방법을 제공한다. 예를 들어, 한정된 숫자의 제어점(Control points)을 이용하여 심근 영역을 수정하며, Free-form deformable model이 적용될 수 있다.
Volume fitting에서 Free-form deformable model은 하기 수학식(2)로 정의된다.
Figure 112013062872395-pat00007
(2) 여기서,
Figure 112013062872395-pat00008
Figure 112013062872395-pat00009
fitting은 제어점(Control points)을 찾는 문제로서 하기와 같이 표현된다.
Figure 112013062872395-pat00010
Figure 112013062872395-pat00011
Figure 112013062872395-pat00012
Manual Editing은 제어점 이동을 통한 영역 수정에 의해 수행될 수 있다.
도 5를 참조하면, 전술된 것과 같이 심근 영역들로 나누어진 심근이 장축(제1 축) 방향으로 투사되어 심근 영역들 및 심혈관(RCA, LAD, LCX)이 2차원 영상으로 획득된다.
예를 들어, 분할된 심혈관과 심근은 도 5에 도시된 3차원 이미지에서 단축 방향 반경, 단축으로부터 회전각도 및 장축 방향 높이로 구성된 3차원 좌표값을 가진다. 여기서 장축 방향으로 투사되어 apex 측에 단축과 평행한 2차원 영상이 형성된다. 즉, 상기 높이를 제외하면 상기 3차원 좌표는 2차원 영상에 대응된다.
도 5에는 관상동맥 RCA, LAD 및 LCX와 심근 영역들(색으로 구분됨)이 나타나 있다. 2차원 영상으로 표시된 심근 영역들이 관상동맥 RCA, LAD 및 LCX의 구조에 따라 나누어져 있다. 전술된 것과 같이, 각 심근 영역의 사이즈는 관상동맥 RCA, LAD 및 LCX의 직경에 각각 비례하도록 형성되는 것이 바람직하다. 이러한 2차원 영상은 Bull's Eye Map으로 표시될 수 있다.
상기 2차원 영상을 얻은 후에 제1 상태 영상과 제2 상태 영상의 관계를 이용하여 2차원 영상 상에서 제1 상태의 심장과 제2 상태의 심장의 특징의 차이가 획득된다.
예를 들어, 심혈관의 구조에 따라 나누어진 심근 영역들에 기초하여 심근 영역 기반 CT Perfusion 결과 Overlay, 심근 영역 기반 Perfusion Analysis 및 Anatomy Function Mismatch/Match Analysis가 이루어질 수 있다.
상기 분석(analysis)들에서는 제1 상태의 심장과 제2 상태의 심장의 특징의 차이를 비교하는 과정이 포함된다.
심근관류를 보여주는 제1 상태(rest) 영상과 제2 상태(stress) 영상은 모두 동일한 모달리티(modality)이기는 하지만, 심장의 상태 및 위치가 동일하지는 않다. 따라서 제1 상태 영상과 제2 상태 영상의 차이를 구하거나 비교를 하기 위해서는 정합(registration)의 과정이 필요하다.
정합하는 과정은 제1 상태 영상 및 제2 상태 영상을 얻은 후, 심근 영역들로 나누기 전에 이루어질 수도 있다. 또는, 정합하는 과정은 심근 영역들로 나눈 후에 제1 상태 영상과 제2 상태 영상의 차이를 2차원 영상으로 시각화하기 위해 수행될 수도 있다.
도 6은 상호보완정보 기반 강체정합의 알고리즘 프레임워크를 보여주는 도면이다.
2개의 영상을 정합하기 위해서는 강체정합(rigid registration) 및 비강체정합(non-rigid registration)의 방법이 함께 사용될 수 있다.
예를 들어, 상호보완정보 기반 강체정합(Mutual information based rigid registration)에 의해 제1 상태 영상 및 제2 상태 영상이 정합된다.
상호보완정보 기반 강체정합에서는 한 이미지에서 비슷한 음영을 가지는 비슷한 조직 영역은 다른 이미지의 비슷한 음영으로 이루어진 영역에 대응될 것이라고 가정된다. 만약 두 이미지가 잘 정렬되면 bivariate histogram은 일정 영역에 모이는 경향을 보여주므로 불확실성(uncertainty)이 떨어진다. 이 사실을 이용하여 정합이 될 수 있다.
상호보완정보(Mutual information )는 하기 방정식에 의해 정의된다.
Figure 112013062872395-pat00013
Figure 112013062872395-pat00014
u, v : input image
H: Joint distribution을 위한 Shannon 엔트로피
p: bivariate histogram의 확률밀도함수
Normalized Mutual Information은 하기 식으로 정의된다.
Figure 112013062872395-pat00015
상기와 같은 상호보완정보의 정의에 의하면, 정합은 NMI를 최대화하는 변환행렬 T를 구하는 문제가 된다.
Figure 112013062872395-pat00016
한편, 전술된 것과 같이 강체정합을 수행하더라도 제1 상태 영상과 제2 상태 영상이 사실상 완전히 일치하지는 않는다. 따라서 단순하게 강체정합만으로는, 즉 하나의 contour로는 제1 상태 영상과 제2 상태 영상에서 동일한 영역을 분할할 수 없다. 이와 같이 강체정합의 문제점을 보완하기 위해 비강체정합이 수행될 수 있다.
정합의 결과 제1 상태 영상과 제2 상태 영상의 관계가 구해진다.
도 7 및 도 8은 Bull's Eye Map 상에서 제1 상태와 제2 상태 사이에 심근관류의 차이가 획득되는 방법의 일 예를 설명하는 도면들이다.
제1 상태 영상과 제2 상태 영상의 관계를 이용하여, 즉 상기 정합의 결과를 이용하여 2차원 영상 상에서 제1 상태의 심장과 제2 상태의 심장의 특징의 차이가 획득된다.
예를 들어, 도 7에 도시된 것과 같이, 제1 상태(rest) 영상에 대응하는 제1 Bull's Eye Map이 생성되며(도 7 상단 중앙, 도 1 좌하측 참조), 제2 상태(stress) 영상에 대응하는 제2 Bull's Eye Map이 생성된다(도 7 우측 상단, 도 1 좌하측 참조). 정합의 결과에 기초하여 제1 Bull's Eye Map과 제2 Bull's Eye Map의 대응관계가 픽셀(pixel) 차원에서 구해진다.
이후, 도 8에 도시된 것과 같이 정합의 결과를 기초로 제1 Bull's Eye Map과 제2 Bull's Eye Map의 차이를 나타내는 제3 Bull's Eye Map이 생성될 수 있다. 예를 들어, 제3 Bull's Eye Map의 픽셀값은 제1 Bull's Eye Map의 픽셀값과 이에 대응되는 제2 Bull's Eye Map의 픽셀값의 차이가 된다.
이와 같이, 본 개시에 따른 심근 및 심혈관 정보의 통합 분석 방법에 의하면, 심근 영역의 2차원 영상은 픽셀 단위로 다루어질 수 있다. 따라서, 본 개시에 따른 심근 및 심혈관 정보의 통합 분석 방법을 따르면 도 7의 하단에 도시된 것과 같이 심근 영역을 임의로 다수의 세그멘트(segment)로 나누고, 세그멘트의 특정 대표값으로 심근관류를 평가하는 방식보다 관상동맥 질환의 평가가 더욱 섬세하고 정확해진다.
예를 들어, 제3 Bull's Eye Map의 픽셀값이 정상값을 벗어나면 이상 영역(abnormal region)으로 평가될 수 있고, 도 8에 도시된 것과 같이 3차원의 심근 영상에도 이상 영역이 표시될 수 있다(도 1 좌측 하단 참조).
이상 영역은 제1 상태와 제2 상태 간의 심근관류의 차이가 있는 영역이다. 이상 영역에서는 제1 상태(rest)에서는 혈액이 흐르지 않다가 아데노신과 같은 약물에 의해 유도된 제2 상태(stress)에서는 혈액이 흐르는 심근 영역의 일부로 볼 수 있다. 또한, 심근 영역은 심혈관의 구조에 따라 분할되어 있으므로 이상 영역으로부터 관상동맥 질환에 관계된 심혈관과 그 위치를 더 정확하게 평가할 수 있다.
다시 말해, 이상 영역을 먹여 살리는 특정 관상동맥에서 협착이 있는 위치를 알 수 있다. 따라서 이상 영역으로부터 관상동맥의 협착 유무와 정도를 판정하고 침습적 또는 비침습적 시술 방법을 계획할 수 있다.
도 1 내지 도 8에서 설명된 심근 및 심혈관 정보의 통합 분석 방법은 하나 이상의 소프트웨어에 의해 자동으로 또는, 사용자 인터페이스와 결합하여 수행될 수 있다.
이하 본 개시의 다양한 실시 형태에 대하여 설명한다.
(1) 의료영상 장치에 의해 심장의 제1 상태 영상 및 제2 상태 영상 중 적어도 하나를 포함하는 심장 영상이 획득되는 단계; 심장 영상을 기초로 심근 및 심혈관이 분할(segmentation)되고, 심근이 심혈관의 구조에 따라 심혈관에 의해 먹여 살려지는 심근 영역들로 나누어 지는(divided) 단계; 심근이 제1 축 방향으로 투사되어 심근 영역들 및 심혈관이 2차원 영상으로 획득되는 단계; 그리고 제1 상태 영상과 제2 상태 영상의 관계를 이용하여 2차원 영상 상에서 제1 상태의 심장과 제2 상태의 심장의 특징의 차이가 획득되는 단계;를 포함하는 것을 특징으로 하는 심근 및 심혈관 정보의 통합 분석 방법.
심장의 특징의 예로, 위에서 설명된 심근관류 외에 관상동맥의 혈류 변동, 심장의 형태 등을 들 수 있다.
(2) 제1 상태 영상은 레스트(rest) 상태에서 심근관류(myocardial perfusion)를 보여주고, 제2 상태 영상은 스트레스(stress) 상태에서 심근관류를 보여주는 것을 특징으로 하는 심근 및 심혈관 정보의 통합 분석 방법.
(3) 심장의 특징의 차이가 획득되는 단계는 제1 상태 영상과 제2 상태 영상이 정합(registration)되는 과정;을 포함하는 것을 특징으로 하는 심근 및 심혈관 정보의 통합 분석 방법.
(4) 심근 영역들로 나누어지는 단계는 제1 상태 영상이 제1 축과 교차하는 심근의 단축(short axis) 방향으로 정렬(alignment)되는 과정;을 포함하는 것을 특징으로 하는 심근 및 심혈관 정보의 통합 분석 방법.
(5) 2차원 영상은 Bull's Eye Map으로 표시된 것을 특징으로 하는 심근 및 심혈관 정보의 통합 분석 방법.
(6) 심근 영역들로 나누어지는 단계는 심근 영역들의 사이즈가 심혈관의 직경에 비례하도록 디스턴스맵(distance map)을 생성하는 과정;을 포함하는 것을 특징으로 하는 심근 및 심혈관 정보의 통합 분석 방법.
(7) 심근 영역들로 나누어지는 단계는 Adaptive Dilation 기반의 심혈관 분할 과정; Template 기반 심혈관 라벨링 및 수정 과정; 그리고 심혈관 Diameter-Dilation 기반 심근 분할 및 수정 과정;을 포함하는 것을 특징으로 하는 심근 및 심혈관 정보의 통합 분석 방법.
(8) Bull's Eye Map에는 관상동맥 RCA, LAD 및 LCX와 이들의 구조에 따라 나누어진 심근 영역들이 포함되는 것을 특징으로 하는 심근 및 심혈관 정보의 통합 분석 방법.
(9) 심장의 특징의 차이가 획득되는 단계는 제1 상태 영상과 제2 상태 영상이 정합(registration)되는 과정; 제1 상태 영상에 대응하는 제1 Bull's Eye Map이 생성되는 과정; 제2 상태 영상에 대응하는 제2 Bull's Eye Map이 생성되는 과정; 그리고 정합의 결과를 기초로 제1 Bull's Eye Map과 제2 Bull's Eye Map의 차이를 나타내는 제3 Bull's Eye Map이 생성되는 과정;을 포함하는 것을 특징으로 하는 심근 및 심혈관 정보의 통합 분석 방법.
(10) 제3 Bull's Eye Map의 픽셀(pixel) 값은 제1 Bull's Eye Map의 픽셀 값과 제2 Bull's Eye Map의 픽셀 값의 차이인 것을 특징으로 하는 심근 및 심혈관 정보의 통합 분석 방법.
(11) 심장의 특징의 차이가 획득되는 단계는 제3 Bull's Eye Map을 기초로 제1 상태 영상과 제2 상태 영상이 서로 다른 이상 영역(abnormal region)을 추출하는 과정; 그리고, 이상 영역을 기초로 병변이 있는 심혈관을 찾는 과정;을 포함하는 것을 특징으로 하는 심근 및 심혈관 정보의 통합 분석 방법.
(12) 심근 영역들로 나누어지는 단계는 심혈관 Diameter-Dilation 기반 심근 분할 및 수정 과정의 결과가 영상의학, 임상의학 또는 동물실험과 비교되는 과정; 그리고 Manual Editing 모듈에 의해 결과가 수정되는 과정;을 포함하는 것을 특징으로 하는 심근 및 심혈관 정보의 통합 분석 방법.
(13) 심장 영상이 획득되는 단계는 심장 CT에 의해 레스트(rest) 상태에서 심근관류(myocardial perfusion)를 보여주는 제1 상태 영상이 획득되는 과정과, 약물 투여에 의해 유도된 스트레스(stress) 상태에서 심근관류를 보여주는 제2 상태 영상을 획득하는 과정을 포함하며, 심근 영역들로 나누어지는 단계는 제1 상태 영상이 제1 축과 교차하는 심근의 단축(short axis) 방향으로 정렬(alignment)되는 과정과, 심근 영역들의 사이즈가 심혈관의 직경에 비례하도록 디스턴스맵(distance Map)을 생성하는 과정을 포함하며, 2차원 영상으로 획득되는 단계에서, 2차원 영상은 Bull's Eye Map으로 표시되고, Bull's Eye Map에는 관상동맥 RCA, LAD 및 LCX와 이들의 구조에 따라 나누어진 심근 영역들이 포함되며, 심장의 특징의 차이가 획득되는 단계는 제1 상태 영상과 제2 상태 영상이 정합(registration)되는 과정과, 제1 상태 영상에 대응하는 제1 Bull's Eye Map이 생성되는 과정과, 제2 상태 영상에 대응하는 제2 Bull's Eye Map이 생성되는 과정과, 정합의 결과를 기초로 제1 Bull's Eye Map과 제2 Bull's Eye Map의 차이를 나타내는 제3 Bull's Eye Map이 생성되는 과정을 포함하는 것을 특징으로 하는 심근 및 심혈관 정보의 통합 분석 방법.
(14) 심근 및 심혈관 정보의 통합 분석 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체.
본 개시에 따른 심근 및 심혈관 정보의 통합 분석 방법에 의하면, 서로 다른 상태의 심장 영상으로부터 심장 특징의 차이를 획득하여 병변의 위치를 확인하게 하며, 병변의 위치와 심혈관을 연관시켜 분석하는 방법이 제공된다.

Claims (14)

  1. 의료영상 장치에 의해 심장의 제1 상태 영상 및 제2 상태 영상을 포함하는 심장 영상이 획득되는 단계;
    심장 영상을 기초로 심근 및 심혈관이 분할(segmentation)되고, 심근이 혈액을 공급받는(feed) 심혈관의 구조에 따라 심근 영역들로 나누어지는(divided) 단계;
    심근이 제1 축 방향으로 투사되어 심근 영역들 및 심혈관이 2차원 영상으로 획득되는 단계; 그리고
    제1 상태 영상과 제2 상태 영상의 관계를 이용하여 2차원 영상 상에서 제1 상태의 심장과 제2 상태의 심장의 특징의 차이가 획득되는 단계;를 포함하는 것을 특징으로 하는 심근 및 심혈관 정보의 통합 분석 방법.
  2. 청구항 1에 있어서,
    제1 상태 영상은 레스트(rest) 상태에서 심근관류(myocardial perfusion)를 보여주고, 제2 상태 영상은 스트레스(stress) 상태에서 심근관류를 보여주는 것을 특징으로 하는 심근 및 심혈관 정보의 통합 분석 방법.
  3. 청구항 1에 있어서,
    심장의 특징의 차이가 획득되는 단계는:
    제1 상태 영상과 제2 상태 영상이 정합(registration)되는 과정;을 포함하는 것을 특징으로 하는 심근 및 심혈관 정보의 통합 분석 방법.
  4. 청구항 1에 있어서,
    심근 영역들로 나누어지는 단계는:
    제1 상태 영상이 제1 축과 교차하는 심근의 단축(short axis) 방향으로 정렬(alignment)되는 과정;을 포함하는 것을 특징으로 하는 심근 및 심혈관 정보의 통합 분석 방법.
  5. 청구항 1에 있어서,
    2차원 영상은 Bull's Eye Map으로 표시된 것을 특징으로 하는 심근 및 심혈관 정보의 통합 분석 방법.
  6. 청구항 1에 있어서,
    심근 영역들로 나누어지는 단계는:
    심근 영역들의 사이즈가 심혈관의 직경에 비례하도록 디스턴스맵(distance Map)을 생성하는 과정;을 포함하는 것을 특징으로 하는 심근 및 심혈관 정보의 통합 분석 방법.
  7. 청구항 1에 있어서,
    심근 영역들로 나누어지는 단계는:
    Adaptive Dilation 기반의 심혈관 분할 과정;
    Template 기반 심혈관 라벨링 및 수정 과정; 그리고
    심혈관 Diameter-Dilation 기반 심근 분할 및 수정 과정;을 포함하는 것을 특징으로 하는 심근 및 심혈관 정보의 통합 분석 방법.
  8. 청구항 5에 있어서,
    Bull's Eye Map에는 관상동맥 RCA, LAD 및 LCX와 이들의 구조에 따라 나누어진 심근 영역들이 포함되는 것을 특징으로 하는 심근 및 심혈관 정보의 통합 분석 방법.
  9. 청구항 5에 있어서,
    심장의 특징의 차이가 획득되는 단계는:
    제1 상태 영상과 제2 상태 영상이 정합(registration)되는 과정;
    제1 상태 영상에 대응하는 제1 Bull's Eye Map이 생성되는 과정;
    제2 상태 영상에 대응하는 제2 Bull's Eye Map이 생성되는 과정; 그리고
    정합의 결과를 기초로 제1 Bull's Eye Map과 제2 Bull's Eye Map의 차이를 나타내는 제3 Bull's Eye Map이 생성되는 과정;을 포함하는 것을 특징으로 하는 심근 및 심혈관 정보의 통합 분석 방법.
  10. 청구항 9에 있어서,
    제3 Bull's Eye Map의 픽셀(pixel) 값은 제1 Bull's Eye Map의 픽셀 값과 제2 Bull's Eye Map의 픽셀 값의 차이인 것을 특징으로 하는 심근 및 심혈관 정보의 통합 분석 방법.
  11. 청구항 9에 있어서,
    심장의 특징의 차이가 획득되는 단계는:
    제3 Bull's Eye Map을 기초로 제1 상태 영상과 제2 상태 영상이 서로 다른 이상 영역(abnormal region)을 추출하는 과정; 그리고,
    이상 영역을 기초로 병변이 있는 심혈관을 찾는 과정;을 포함하는 것을 특징으로 하는 심근 및 심혈관 정보의 통합 분석 방법.
  12. 청구항 7에 있어서,
    심근 영역들로 나누어지는 단계는:
    심혈관 Diameter-Dilation 기반 심근 분할 및 수정 과정의 결과가 영상의학, 임상의학 또는 동물실험과 비교되는 과정; 그리고
    Manual Editing 모듈에 의해 결과가 수정되는 과정;을 포함하는 것을 특징으로 하는 심근 및 심혈관 정보의 통합 분석 방법.
  13. 청구항 1에 있어서,
    심장 영상이 획득되는 단계는:
    심장 CT에 의해 레스트(rest) 상태에서 심근관류(myocardial perfusion)를 보여주는 제1 상태 영상이 획득되는 과정; 그리고, 약물 투여에 의해 유도된 스트레스(stress) 상태에서 심근관류를 보여주는 제2 상태 영상을 획득하는 과정;을 포함하며,
    심근 영역들로 나누어지는 단계는:
    제1 상태 영상이 제1 축과 교차하는 심근의 단축(short axis) 방향으로 정렬(alignment)되는 과정; 그리고, 심근 영역들의 사이즈가 심혈관의 직경에 비례하도록 디스턴스맵(distance Map)을 생성하는 과정;을 포함하며,
    2차원 영상으로 획득되는 단계에서, 2차원 영상은 Bull's Eye Map으로 표시되고, Bull's Eye Map에는 관상동맥 RCA, LAD 및 LCX와 이들의 구조에 따라 나누어진 심근 영역들이 포함되며,
    심장의 특징의 차이가 획득되는 단계는:
    제1 상태 영상과 제2 상태 영상이 정합(registration)되는 과정; 그리고, 제1 상태 영상에 대응하는 제1 Bull's Eye Map이 생성되는 과정; 제2 상태 영상에 대응하는 제2 Bull's Eye Map이 생성되는 과정; 그리고, 정합의 결과를 기초로 제1 Bull's Eye Map과 제2 Bull's Eye Map의 차이를 나타내는 제3 Bull's Eye Map이 생성되는 과정;을 포함하는 것을 특징으로 하는 심근 및 심혈관 정보의 통합 분석 방법.
  14. 청구항 1 내지 청구항 13 중 어느 한 항에 기재된 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체.
KR20130082098A 2013-04-02 2013-07-12 심근 및 심혈관 정보의 통합 분석 방법 KR101479577B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020130035752 2013-04-02
KR20130035752 2013-04-02

Publications (2)

Publication Number Publication Date
KR20140120236A KR20140120236A (ko) 2014-10-13
KR101479577B1 true KR101479577B1 (ko) 2015-01-06

Family

ID=51992222

Family Applications (1)

Application Number Title Priority Date Filing Date
KR20130082098A KR101479577B1 (ko) 2013-04-02 2013-07-12 심근 및 심혈관 정보의 통합 분석 방법

Country Status (1)

Country Link
KR (1) KR101479577B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101738364B1 (ko) 2015-12-02 2017-05-22 숭실대학교산학협력단 4D(3D+t) CTA 영상 정보를 이용한 4D(3D+t) 심혈관 모델 보간 방법, 이를 수행하기 위한 기록 매체 및 장치

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102522539B1 (ko) 2015-08-17 2023-04-18 삼성전자주식회사 의료영상 표시장치 및 의료영상 처리방법
WO2017030276A1 (ko) * 2015-08-17 2017-02-23 삼성전자(주) 의료영상 표시장치 및 의료영상 처리방법
US20240130715A1 (en) * 2021-02-26 2024-04-25 Ontact Health Co., Ltd. Method and device for detecting medical indices in medical images

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020044560A (ko) * 2000-08-24 2002-06-15 요트.게.아. 롤페즈 심장 동맥들의 초음파 진단 영상화
WO2010098444A1 (ja) 2009-02-26 2010-09-02 株式会社 日立メディコ 医用画像処理装置及び方法
JP2012061019A (ja) 2010-09-14 2012-03-29 Fujifilm Corp 画像処理装置、方法およびプログラム
JP2012521553A (ja) 2009-03-24 2012-09-13 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 心臓の安静及び負荷の撮像における心臓の分割

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020044560A (ko) * 2000-08-24 2002-06-15 요트.게.아. 롤페즈 심장 동맥들의 초음파 진단 영상화
WO2010098444A1 (ja) 2009-02-26 2010-09-02 株式会社 日立メディコ 医用画像処理装置及び方法
JP2012521553A (ja) 2009-03-24 2012-09-13 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 心臓の安静及び負荷の撮像における心臓の分割
JP2012061019A (ja) 2010-09-14 2012-03-29 Fujifilm Corp 画像処理装置、方法およびプログラム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101738364B1 (ko) 2015-12-02 2017-05-22 숭실대학교산학협력단 4D(3D+t) CTA 영상 정보를 이용한 4D(3D+t) 심혈관 모델 보간 방법, 이를 수행하기 위한 기록 매체 및 장치

Also Published As

Publication number Publication date
KR20140120236A (ko) 2014-10-13

Similar Documents

Publication Publication Date Title
US11816837B2 (en) Vascular characteristic determination with correspondence modeling of a vascular tree
US8953856B2 (en) Method and system for registering a medical image
JP5950782B2 (ja) ライブ蛍光透視画像を用いた冠動脈モデルの非剛体２ｄ／３ｄレジストレーション
JP7132299B2 (ja) 医用画像処理方法、医用画像処理装置、医用画像処理システム及び医用画像処理プログラム
US9471987B2 (en) Automatic planning for medical imaging
EP3164075B1 (en) Unified coordinate system for multiple ct scans of patient lungs
US10052032B2 (en) Stenosis therapy planning
RU2711140C2 (ru) Редактирование медицинских изображений
CN104622495A (zh) 医用图像处理装置以及医用图像处理方法
JP7053656B6 (ja) 造影剤注入撮像
US11017531B2 (en) Shell-constrained localization of vasculature
JP5415245B2 (ja) 医用画像表示装置および方法並びにプログラム
KR101611488B1 (ko) 의료 영상에서 아티팩트와 병변을 구분하는 방법
KR101479577B1 (ko) 심근 및 심혈관 정보의 통합 분석 방법
US20220254131A1 (en) Methods, apparatus, and system for synchronization between a three-dimensional vascular model and an imaging device
CN113826140B (zh) 血管造影数据分析
US20230095242A1 (en) Method and system for multi-modality joint analysis of vascular images
JP6876200B2 (ja) 動的術中セグメンテーションデータに対する静的術前計画データの位置合わせ
US9235888B2 (en) Image data determination method, image processing workstation, target object determination device, imaging device, and computer program product
KR102428579B1 (ko) 전신 ct 스캔 3d 모델링 방법 및 시스템
CN115868998A (zh) 用于使用医学成像执行至少一个测量的计算机实施的方法
Erdt et al. Improving diagnosis and intervention: a complete approach for registration of liver CT data
Chu et al. COMPUTER ASSISTED RADIOLOGY-27TH INTERNATIONAL CONGRESS AND EXHIBITION

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
LAPS Lapse due to unpaid annual fee