KR101479845B1

KR101479845B1 - 무릎 자기공명영상의 전방십자인대 분할 장치 및 그 분할 방법

Info

Publication number: KR101479845B1
Application number: KR20130062311A
Authority: KR
Inventors: 홍헬렌; 이한상
Original assignee: 서울여자대학교 산학협력단
Priority date: 2013-05-31
Filing date: 2013-05-31
Publication date: 2015-01-09
Also published as: KR20140141055A

Abstract

본 발명은 형상 사전정보 기반의 그래프 컷을 이용하여, 유사한 밝기 값의 주변 연부조직으로의 누출을 막고 전방 십자인대의 분할 성능을 크게 향상시킬 수 있는 무릎 자기공명영상의 전방십자인대 분할 기술에 관한 것으로, 본 발명에 따른 무릎 자기공명영상의 전방십자인대 분할 방법은 (a) 씨앗정보 추출부를 이용하여, 전체 영상 밝기 분포에서 가우시안 혼합 모델 근사를 수행하여, 어두운 밝기값 영역의 평균치 및 밝은 밝기값 영역의 평균치를 임계치로 설정하여, 씨앗 정보의 객체 후보군 및 배경 후보군을 추출하는 단계, (b) 씨앗정보 추출부를 이용하여, 상기 객체 후보군 및 배경 후보군에 형태학적 연산을 이용하여, 최종 객체 씨앗 정보 및 배경 씨앗 정보를 추출하는 단계 및 (c) 그래프컷 분할부를 이용하여, 추출된 상기 객체 씨앗 정보 및 배경 씨앗 정보로 형상 정보 기반의 그래프 컷을 분할하여, 최종 전방십자인대 볼륨을 분할하는 단계를 포함하는 것을 기술적 특징으로 한다.

Description

무릎 자기공명영상의 전방십자인대 분할 장치 및 그 분할 방법{Anterior cruciate ligament segmentation apparatus and the method from Knee MR images}

본 발명은 무릎 자기공명영상에서 전방십자인대를 분할하는 기술에 관한 것으로, 더 상세하게는 형상 사전정보 기반의 그래프 컷을 이용하여, 유사한 밝기 값의 주변 연부조직으로의 누출을 막고 전방 십자인대의 분할 성능을 크게 향상시킬 수 있는 무릎 자기공명영상의 전방십자인대 분할 장치 및 그 분할 방법에 관한 것이다.

일반적으로, 무릎 관절에 위치한 전방십자인대(anterior cruciate ligament, ACL)는 후방십자인대, 반월상연골 등과 함께 무릎 관절의 안정성을 유지하는 주요 연부조직이다. 대퇴골과 경골 사이를 잇는 섬유다발 형태의 전방십자인대는 뼈의 과도한 움직임을 제한함으로써 무릎관절의 손상을 방지하는 역할을 한다.

그러나 종종 과격한 운동이나 사고 등으로 인해 전방십자인대가 손상 또는 파열되는 경우가 있는데, 이와 같은 전방십자인대 파열의 진단과 이를 위한 전방십자인대 재건술의 수술 계획에 있어 자기공명영상(magnetic resonance image, MRI)이 일반적으로 사용되고 있으며 임상의에 의해 무릎 MR 영상에서 전방십자인대의 수동분할이 이루어졌다. 이러한 수동분할은 기본적으로 오랜 시간이 걸리고 서로 다른 임상의 간의 분할결과가 다른 한계가 있어 자동으로 전방십자인대를 분할하는 기술이 요구되고 있다.

그러나 [도 14]에서 도시된 바와 같이, 무릎 MR 영상에서 전방십자인대 주변으로 경골이나 대퇴골 외곽과 같이 전방십자인대와 유사한 밝기값을 가지는 부분이 나타나고, 후방십자인대나 관절연골과 같은 연부조직과 밝기값이 유사할 뿐만 아니라 영상 내에 인접하게 나타나는 특징이 있고, 이로 인해 밝기값 기반의 분할기술을 적용할 경우 주변 연부조직 또는 유사 밝기값을 가진 영역으로의 누출이 발생하는 어려움이 있다.

이러한 어려움을 보완하고자 Ho(비특허문헌 1) 등은 무릎 MR 영상에서 레벨 셋 기반의 Chan-Vese 기법과 형태학적 연산을 이용해서 전방십자인대의 반자동 분할기법을 제안하였다. 이러한 종래기술1은 사전에 분할된 대퇴골 및 경골 정보를 이용해서 영상 내의 전방십자인대 위치를 추정하고, 임계화와 형태학적 연산을 통해 초기 윤곽선을 추출한 후 Chan-Vese 기법을 적용하여 전방십자인대의 분할을 수행하였으나 Chan-Vese 기법은 밝기값 기반으로 레벨 셋 분할을 수행하기 때문에 상기한 문제를 해결하지 못했으며, 4명의 무릎 MR 영상에 대해 제안된 방법의 결과를 수동분할 결과와 비교, 평균 0.38±0.09의 Dice 유사계수를 갖는 한계적인 성능을 보였다.

또한, 무릎 관절에 위치한 주요 연부조직인 관절연골의 분할에 대해서는 비교적 다양한 연구가 수행되었는데, Shim(비특허문헌 2) 등은 기존의 상호적(interactive) 그래프 컷 기법을 적용, 임상의가 씨앗 정보를 입력하게 함으로써 관절연골 분할을 수행하였으며, Yin(비특허문헌 3) 등은 다중표면 분할을 위한 다차원 그래프 컷 기법을 제안함으로써 대퇴골, 경골에서 관절연골을 분리하는 방식의 분할기법을 제안하였다. Lee(비특허문헌 4) 등은 대퇴골과 경골을 분할한 후 골-연골 접촉면 분류를 수행, 패치 기반의 그래프 컷을 수행함으로써 관절연골을 분할하였다. 관절연골과 전방십자인대가 무릎 MR 영상에서 공유하는 특성을 고려할 때 이러한 그래프 컷 기반의 분할기법을 전방십자인대 분할에 응용할 수 있다.

그러나 종래 그래프 컷 기법의 경우, 분할의 초기 단서가 되는 씨앗 정보를 수동으로 입력하는데 의료영상의 특성상 이러한 씨앗 정보의 수동 입력도 다소 오랜 시간이 걸리는 점, 또한 기존의 그래프 컷에 적용되는 에너지 함수 역시 밝기값 기반의 지역 항(region term)과 경계 항(boundary term)으로 구성되어 있어 상기한 누출 문제를 극복하기 어렵다는 점에서 전방십자인대 분할의 한계점을 갖는다.

J. H. Ho, W. Z. Lung, C. L. Seah, C. L. Poh, K. Sheah, D. Lie, and K. Yew, "Anterior Cruciate Ligament Segmentation: Using Morphological Operations with Active Contour," Proceedings of the 4th International Conference on Bioinformatics and Biomedical Engineering, pp.1-4, 2010. H. Shim, S. Chang, C. Tao, J-H. Wang, C. K. Kwoh, and K. T. Bae, "Knee Cartilage: Efficient and Reproducible Segmentation on High-Spatial-Resolution MR Images with the Semiautomated Graph-Cut Algorithm Method," Radiology, vol.251, no.2, pp.548-556, 2009. Y. Yin, X. Zhang, R. Williams, X. Wu, D. D. Anderson, and M. Sonka, "LOGISMOS: Layered Optimal Graph Image Segmentation of Multiple Objects and Surfaces: Cartilage Segmentation in the Knee Joint," IEEE Transactions on Medical Imaging, vol.29, no.12, pp.2023-2037, 2010. S. Lee, S. H. Park, H. Shim, I. D. Yun, and S. U. Lee, "Optimization of Local Shape and Appearance Probabilities for Segmentation of Knee Cartilage in 3-D MR Images," Computer Vision and Image Understanding, vol.115, pp.1710-1720, 2011.

본 발명은 상기와 같은 종래의 문제점을 해결하기 위하여 제안된 것으로, 본 발명에 따른 무릎 자기공명영상의 전방십자인대 분할 장치의 목적은, 무릎 자기공명영상에서 유사한 밝기값을 갖는 주변 연부조직으로의 누출을 방지하여, 전방십자인대를 분할할 수 있는 장치를 제공하는데 있다.

다른 목적은, 씨앗정보 추출부를 포함하여, 전체 영상 밝기 분포에서 가우시안 혼합 모델 근사를 수행하여, 객체 후보군 및 배경후보군을 추출하고, 형태학적 연산으로 최종 객체 씨앗 정보 및 배경 씨앗 정보를 추출하는데 있다.

또 다른 목적은, 전방십자인대에 집중된 객체 씨앗 정보와 대퇴골, 경골 등을 포함한 배경 씨앗 정보를 추출하는데 있다.

또 다른 목적은, 그래프컷 분할부를 포함하여, 2차원 형상정보 및 3차원 형상정보를 기반으로 최종 전방십자인대의 볼륨을 분할하는데 있다.

본 발명에 따른 무릎 자기공명영상의 전방십자인대 분할 방법의 목적은, 가우시안 모델 근사를 통해 추출된 객체 및 배경후보군의 형태학적 연산으로 최종 객체 및 배경 씨앗 정보를 추출하고 형상정보를 기반으로 전방십자인대의 볼륨을 분할하는 방법을 제공하는데 있다.

본 발명에 따른 무릎 자기공명영상의 전방십자인대 분할 장치는 무릎 자기공명영상(MR)에서 가우시안 혼합 모델을 기반으로 객체 씨앗 정보 및 배경 씨앗 정보를 추출하는 씨앗정보 추출부 및 상기 씨앗정보 추출부에서 추출된 씨앗 정보로 형상 정보 기반의 그래프 컷을 분할하여, 최종 전방십자인대 볼륨을 분할하는 그래프컷 분할부를 포함하는 것을 특징으로 한다.

또한, 본 발명에 따른 무릎 자기공명영상의 전방십자인대 분할 장치에 있어서, 씨앗정보 추출부는 전체 영상 밝기 분포에서 가우시안 혼합 모델 근사를 수행하여, 어두운 밝기값 영역의 평균치 및 밝은 밝기값 영역의 평균치를 임계치로 설정하여, 씨앗 정보의 객체 후보군 및 배경 후보군을 추출하는 후보군 추출부 및 상기 객체 후보군 및 배경 후보군에 형태학적 연산을 이용하여, 최종 객체 씨앗 정보 및 배경 씨앗 정보를 추출하는 최종 씨앗정보 추출부를 포함하는 것을 특징으로 한다.

또한, 본 발명에 따른 무릎 자기공명영상의 전방십자인대 분할 장치에 있어서, 최종 씨앗정보 추출부는 관상면(coronal plane)에서 형태학적 연산을 전방십자인대 주변의 연결성을 약화하고, 주변조직을 제거하는 제1제거부 및 시상면(sagittal plane)에서 형태학적 연산으로 후방십자인대 또는 관절연골을 제거하여 최종 객체 씨앗 정보를 생성하고, 대퇴골, 경골의 밝기값을 포함하는 최종 배경 씨앗 정보를 생성하는 제2제거부를 포함하는 것을 특징으로 한다.

또한, 본 발명에 따른 무릎 자기공명영상의 전방십자인대 분할 장치에 있어서, 그래프컷 분할부는 단일 평면영상의 상기 객체 씨앗 정보 및 배경 씨앗 정보로부터 해당 영상의 전방십자인대의 형상정보를 거리지도(distance map) 형태로 추출하는 2차원 형상정보부, 전체 입체영상의 상기 객체 씨앗 정보 및 배경 씨앗 정보를 바탕으로 전방십자인대의 공간적 형상정보를 확률지도(probability map) 형태로 추출하는 3차원 형상정보부 및 상호적 그래프 컷에서 정의된 함수를 적용하고, 반복적 그래프 컷을 수행하여, 최종 전방십자인대의 볼륨을 분할하는 최종분할부를 포함하는 것을 특징으로 한다.

본 발명에 따른 무릎 자기공명영상의 전방십자인대 분할 방법은 (a) 씨앗정보 추출부를 이용하여, 전체 영상 밝기 분포에서 가우시안 혼합 모델 근사를 수행하여, 어두운 밝기값 영역의 평균치 및 밝은 밝기값 영역의 평균치를 임계치로 설정하여, 씨앗 정보의 객체 후보군 및 배경 후보군을 추출하는 단계, (b) 씨앗정보 추출부를 이용하여, 상기 객체 후보군 및 배경 후보군에 형태학적 연산을 이용하여, 최종 객체 씨앗 정보 및 배경 씨앗 정보를 추출하는 단계 및 (c) 그래프컷 분할부를 이용하여, 추출된 상기 객체 씨앗 정보 및 배경 씨앗 정보로 형상 정보 기반의 그래프 컷을 분할하여, 최종 전방십자인대 볼륨을 분할하는 단계를 포함하는 것을 특징으로 한다.

또한, 본 발명에 따른 무릎 자기공명영상의 전방십자인대 분할 방법에 있어서, (a) 단계는 (a-1) 후보군 추출부를 이용하여, 전체 영상의 밝기 분호에서 어두운 밝기값의 가우시안 분포를 추출하는 단계, (a-2) 어두운 밝기값 영역의 평균값을 임계치로 설정하여, 객체 후보군을 추출하는 단계 및 (a-3) 밝은 밝기값 영역의 평균값을 임계치로 설정하여, 배경 후보군을 추출하는 단계를 포함하는 것을 특징으로 한다.

또한, 본 발명에 따른 무릎 자기공명영상의 전방십자인대 분할 방법에 있어서, (b) 단계는 (b-1) 제1제거부를 이용하여, 관상면에서 형태학적 연산을 수행하여, 전방십자인대의 주변조직을 제거하는 단계 및 (b-2) 제2제거부를 이용하여, 시상면에서 형태학적 연산을 수행하여 후방십자인대나 관절연골을 제거하여 최종 객체 씨앗 정보를 생성하는 단계를 포함하는 것을 특징으로 한다.

또한, 본 발명에 따른 무릎 자기공명영상의 전방십자인대 분할 방법에 있어서, (c) 단계는 (c-1) 2차원 형상정보부를 이용하여, 단일 평면영상의 상기 객체 씨앗 정보 및 배경 씨앗 정보로부터 해당 영상의 전방십자인대의 형상정보를 거리지도(distance map) 형태로 추출하는 단계, (c-2) 3차원 형상정보부를 이용하여, 전체 입체영상의 상기 객체 씨앗 정보 및 배경 씨앗 정보를 바탕으로 전방십자인대의 공간적 형상정보를 확률지도(probability map) 형태로 추출하는 단계 및 (c-3) 최종분할부를 이용하여, 상호적 그래프 컷에서 정의된 함수를 적용하고, 반복적 그래프 컷을 수행하여, 최종 전방십자 인대의 볼륨을 분할하는 단계를 포함하는 것을 특징으로 한다.

이상에서 설명한 바와 같이, 본 발명은 무릎 자기공명영상의 전방십자인대 분할 장치는 무릎 자기공명영상에서 유사한 밝기값을 갖는 주변 연부조직으로의 누출을 방지하여, 전방십자인대를 분할의 정확성을 크게 향상시킬 수 있으며, 이를 통해 전방십자인대의 진단 및 재건 수술 계획을 용이하게 수행할 수 있는 효과가 있다.

또한, 전체 영상 밝기 분포에서 가우시안 혼합 모델 근사를 수행하여, 적응적 임계치로 객체 후보군 및 배경후보군을 추출하고, 형태학적 연산으로 최종 객체 씨앗 정보 및 배경 씨앗 정보를 추출할 수 있는 효과가 있다.

또한, 전방십자인대에 집중된 객체 씨앗 정보와 대퇴골, 경골 등을 포함한 배경 씨앗 정보를 추출함으로써, 주변 연부조직에 따른 한계를 극복할 수 있는 효과가 있다.

또 다른 목적은, 2차원 형상정보 및 3차원 형상정보를 기반으로 최종 전방십자인대의 볼륨을 분할할 수 있는 효과가 있다.

본 발명에 따른 무릎 자기공명영상의 전방십자인대 분할 방법은, 가우시안 모델 근사를 통해 추출된 객체 및 배경후보군의 형태학적 연산으로 최종 객체 및 배경 씨앗 정보를 추출하고 형상정보를 기반으로 전방십자인대의 볼륨을 분할함으로써, 주변 연부조직으로의 누출을 막고, 전방십자인대의 분할 성능을 향상시킬 수 있는 효과가 있다.

도 1은 본 발명에 따른 무릎 자기공명영상의 전방십자인대 분할 장치의 전체 구성을 나타내는 구성도.
도 2는 본 발명에 따른 무릎 자기공명영상의 전방십자인대 분할 장치에 있어서, 씨앗정보 추출부의 상세 구성을 나타내는 구성도.
도 3은 본 발명에 따른 무릎 자기공명영상의 전방십자인대 분할 장치에 있어서, 적응적 임계화 및 후보군 추출 개념을 나타내는 실시예.
도 4는 본 발명에 따른 무릎 자기공명영상의 전방십자인대 분할 장치에 있어서, 최종 씨앗정보 추출부의 상세 구성을 나타내는 구성도.
도 5는 본 발명에 따른 무릎 자기공명영상의 전방십자인대 분할 장치에 있어서, 객체 후보군의 형태학적 연산 수행 결과를 나타내는 실시예.
도 6은 본 발명에 따른 무릎 자기공명영상의 전방십자인대 분할 장치에 있어서, 그래프컷 분할부의 상세 구성을 나타내는 구성도.
도 7은 본 발명에 따른 무릎 자기공명영상의 전방십자인대 분할 장치에 있어서, 2차원 평면적 형상정보 및 3차원 공간적 형상정보의 실시예.
도 8은 본 발명에 따른 무릎 자기공명영상의 전방십자인대 분할 방법의 전체 흐름을 나타내는 흐름도.
도 9는 본 발명에 따른 무릎 자기공명영상의 전방십자인대 분할 방법에 있어서, S10 단계의 상세 흐름을 나타내는 흐름도.
도 10은 본 발명에 따른 무릎 자기공명영상의 전방십자인대 분할 방법에 있어서, S20 단계의 상세 흐름을 나타내는 흐름도.
도 11은 본 발명에 따른 무릎 자기공명영상의 전방십자인대 분할 방법에 있어서, S30 단계의 상세 흐름을 나타내는 흐름도.
도 12는 본 발명에 따른 무릎 자기공명영상의 전방십자인대 분할 방법과 종래 기법의 전방십자인대 분할 결과를 나타내는 실시예.
도 13은 본 발명에 따른 무릎 자기공명영상의 전방십자인대 분할 장치 방법과 종래 기법의 전방십자인대 분할 성능을 비교한 그래프.
도 14는 일반적인 무릎 MR 영상의 전방십자인대를 나타내는 도면.

이하, 본 발명에 따른 무릎 자기공명영상의 전방십자인대 분할 장치 및 그 분할 방법을 실시하기 위한 구체적인 내용을 설명하면 다음과 같다.

[도 1]은 본 발명에 따른 무릎 자기공명영상의 전방십자인대 분할 장치의 전체 구성을 나타내는 도면으로 크게 씨앗정보 추출부(10) 및 그래프컷 분할부(20)를 포함한다.

상기 씨앗정보 추출부(10)는 무릎 자기공명영상(MR)에서 가우시안 혼합 모델을 기반으로 객체 씨앗 정보 및 배경 씨앗 정보를 추출하는 역할을 하며, 본 발명에 따른 상기 씨앗정보 추출부(10)는 [도 2]에 도시된 바와 같이, 후보군 추출부(11) 및 최종 씨앗정보 추출부(12)를 포함한다.

상기 후보군 추출부(11)는 전체 영상 밝기 분포에서 가우시안 혼합 모델 근사를 수행하여, 어두운 밝기값 영역의 평균치 및 밝은 밝기값 영역의 평균치를 임계치로 설정하여, 씨앗 정보의 객체 후보군 및 배경 후보군을 추출하는 역할을 한다.

즉, 전방십자인대는 [도 14]와 같이 무릎의 대퇴골과 경골 사이를 연결하는 섬유다발 형태로 나타나는데 MR 영상에서 전방십자인대는 다른 연부조직과 마찬가지로 어두운 밝기값을 갖고 있어, 임계화를 통해 대체적인 분류가 가능하다.

그러나 고정된 밝기값 범위를 갖는 CT영상과는 달리 MR 영상은 촬영된 영상에 따라 서로 다른 밝기값 범위를 갖기 때문에 고정된 임계값이 아닌 적응적 임계값이 필요한 것이다.

따라서 본 발명에 있어서, 상기 씨앗정보 추출부(10)는 적응적 임계화를 통해 전방십자인대 후보군을 추출하고, 형태학적 연산을 통해 최종 객체 및 배경 씨앗 정보를 추출하는 것이다.

이를 위해 상기 후보군 추출부(11)는 MR 영상에서 적응적으로 어두운 밝기값을 갖는 부분을 추출하는 역할을 하며, 이를 위해 가우시안 혼합 모델 기반의 적응적 임계화를 수행한다.

[도 3]의 (a)와 같은 전체 영상의 밝기 분포에 두 개의 가우시안에 대한 가우시안 혼합 모델 근사를 수행하고, 어두운 밝기값의 가우시안 분포를 추출한다. 추출된 밝기값 영역은 전방십자인대 외에도 후방십자인대, 관절연골 및 반월상연골 등의 연부조직, 대퇴골 및 경골의 경계부 등 상대적으로 어두운 밝기값을 갖는 영역 전체가 [도 3]의 (b)와 같이 두껍게 잡혀서 나타난다. 불필요한 영역을 추출하지 않고, 후반의 형태학적 연산 과정에서의 용이성을 위해 추출된 영역 중에서 보다 어두운 밝기값을 가진 영역을 두 번째 가우시안 혼합 모델 근사를 수행한다.

초기에 추출된 밝기값 영역에 대해 역시 두 개의 가우시안에 대한 가우시안 혼합 모델 근사를 수행, 보다 어두운 밝기값 영역 분포의 평균값을 임계치로 설정하여 [도 3]의 (c)와 같이 객체 후보군을 추출한다.

또한, 대퇴골, 경골과 같은 배경 씨앗 정보의 후보군은 초기 가우시안 혼합 모델 근사 결과에서 추출된 밝은 밝기값 영역의 평균값을 임계치로 설정하여 [도 3]의 (d)와 같이 배경 후보군을 추출한다.

상기 최종 씨앗정보 추출부(12)는 상기 객체 후보군 및 상기 배경 후보군에 형태학적 연산을 이용하여, 최종 객체 씨앗 정보 및 배경 씨앗 정보를 추출하는 역할을 하며, 본 발명에 따른 상기 최종 씨앗정보 추출부(12)는 [도 4]에 도시된 바와 같이, 제1제거부(121) 및 제2제거부(122)를 포함한다.

즉, 상기 후보군 추출부(11)에 의한 임계화를 거쳐 추출된 객체 후보군은 [도 3]의 (c)와 같이 전방십자인대 외에도 주변의 연부조직과 어두운 영역에 걸쳐 종합적으로 나타나 전방십자인대 분할의 씨앗 정보로써 충분히 특이(specific)하지 않은 한계가 있음에 따라 이러한 한계점을 극복하고 전방십자인대에 집중된 객체 씨앗 정보를 추출하기 위해 본 발명에 따른 상기 최종 씨앗정보 추출부(12)는 관상면(coronal plane) 및 시상면(sagittal plane)에서 객체 후보군의 형태학적 연산을 수행, 최종 객체 후보군을 추출하는 역할을 한다.

상기 제1제거부(121)는 관상면(coronal plane)에서 형태학적 연산을 수행하여, [도 5]의 (c)와 같이, 전방십자인대 주변의 연결성을 약화하고, 주변조직을 제거하는 역할을 한다.

하지만 [도 5]의 (c)의 시상면 영상과 같이, 관상면에서 분리하지 못한 후방십자인대나 관절연골 등이 남아있게 되는데 본 발명에 따른 상기 제2제거부(122)를 이용하여, 시상면(sagittal plane)에서 형태학적 연산을 수행하여, [도 5]의 (d)와 같이, 후방십자인대 또는 관절연골을 제거하여 최종 객체 씨앗 정보를 생성하고, 대퇴골, 경골의 밝기값을 포함하는 최종 배경 씨앗 정보를 생성하게 된다.

이러한 본 발명에 따른 상기 최종 씨앗정보 추출부(12)를 통해 전방십자인대에 집중된 객체 씨앗 정보와 대퇴골, 경골 등의 밝은 밝기값 영역을 포함한 배경 씨앗 정보를 추출하여, 그래프 컷을 위한 사전정보로 활용할 수 있다.

상기 그래프컷 분할부(20)는 상기 씨앗정보 추출부(10)에서 추출된 씨앗 정보로 형상 정보 기반의 그래프 컷을 분할하여, 최종 전방십자인대 볼륨을 분할하는 역할을 하며, 본 발명에 따른 상기 그래프컷 분할부(20)는 [도 6]에 도시된 바와 같이, 2차원 형상정보부(21), 3차원 형상정보부(22) 및 최종분할부(23)를 포함한다.

즉, 상기 씨앗정보 추출부(10)를 통해 추출된 객체 씨앗 정보는 대략적인 전방십자인대의 정보를 포함하고 있으나, 경골 근처의 비교적 밝은 밝기값을 갖는 전방십자인대 영역과 같은 온전한 정보를 포함하고 있지 않으므로, 보다 정확한 전방십자인대 영역 추출을 위해 씨앗 정보를 바탕으로 그래프 컷 분할을 수행한다.

그러나 기존 그래프 컷 분할은 밝기값 기반의 분할을 수행하기 때문에 전방십자인대 주변의 유사 밝기값 영역으로의 누출이 발생하는 한계가 발생하는데 본 발명에 있어서는 기존의 그래프 컷보다 정확한 전방십자인대 영역을 추출하기 위해 사전 형상 정보를 고려한 그래프 컷 분할 수행한다.

종래 상호적 그래프 컷 기법은 영상을 픽셀 단위의 그래프로 치환, 사용자가 수동으로 입력한 객체 및 배경에 대한 씨앗 정보와 최대흐름-최소절단(max-flow/min-cut) 최적화를 이용해서 [수학식 1]과 같은 에너지 함수를 최소화하는 객체 분할을 수행하였다.

이때, A는 전체 영상 픽셀의 객체/배경 라벨이며 R(A_p)는 픽셀 p의 라벨 A_p에 대한 영역 에너지(region energy), B(A_p,A_q)는 서로 이웃한 두 픽셀 p,q의 라벨에 대한 경계선 에너지(boundary energy) 항을 나타낸다.

그러나 기존의 상호적 그래프 컷에서 사용한 두 에너지 항 모두 픽셀의 밝기값을 기반으로 계산되기 때문에, 이와 같은 에너지 함수 기반의 그래프 컷 분할을 수행했을 경우 MR 영상 주변부의 전방십자인대와 유사한 밝기값을 갖는 영역인 후방십자인대나 관절연골과 같이 인접한 영역으로의 누출이 발생하게 된다.

이러한 누출을 방지하기 위해 본 발명은 추출된 객체 및 배경의 씨앗 정보에서 전방십자인대의 형상 정보를 추출, 그래프 컷 분할에 반영하는 두 에너지 함수 항인 2차원 평면적 형상정보 및 3차원 공간적 형상정보 항을 반영하도록 한다.

상기 2차원 형상정보부(21)는 단일 평면영상의 상기 객체 씨앗 정보 및 배경 씨앗 정보로부터 해당 영상의 전방십자인대의 형상정보를 거리지도(distance map) 형태로 추출하는 역할을 한다.

본 발명에 따른 2차원 평면적 형상정보는 그래프 컷에 전방십자인대의 평면적 형상정보를 반영함으로써 분할된 전방십자인대가 주변의 유사한 밝기값 영역으로 누출되지 않도록 하는 역할을 한다. 기존의 거리지도 기반의 형상정보를 반영하는 기법이 사전에 분할된 훈련 데이터에서 형상정보를 추출함과 달리 본 발명에서는 해당 영상에 대해 전단에서 추출된 씨앗 정보에서 형상정보를 추출하는 차이점이 있다. 영상의 픽셀 p의 분할 라벨 A_p에 대해 2차원 평면적 형상정보 함수는 [수학식 2]와 같이 정의된다.

이때,

는 라벨 A_p에 대한 지시자 함수(indicator function)로서 라벨이 객체("obj")일 때 1, 라벨이 배경("bkg")일 때 0의 값을 갖는다. O와 B는 객체와 배경의 씨앗 정보로서 식은 라벨이 객체인 픽셀 p에 대해 p의 좌표와 객체 씨앗 정보 사이의 최소거리 및 p와 배경 씨앗 정보 사이의 최소거리의 차로 표현된다.

이는 픽셀 p의 좌표가 객체 씨앗으로부터 더 가까운지, 배경 씨앗으로부터 더 가까운지 측정하여 배경 씨앗에 가깝고, 객체 씨앗으로부터 멀수록 높은 에너지를 부과하여 분할된 전방십자인대가 주변부로 누출되는 것을 방지하는 것이다.

[도 7]의 (c)는 각 픽셀에 대한 [수학식 2]의 계산결과를 거리지도 형태로 나타낸 실시예로, 오른쪽 아래의 후방십자인대 영역에 대해서 배경과 동일한 수준의 높은 에너지 값을 갖는 것을 볼 수 있다.

상기 3차원 형상정보부(22)는 전체 입체영상의 상기 객체 씨앗 정보 및 배경 씨앗 정보를 바탕으로 전방십자인대의 공간적 형상정보를 확률지도(probability map) 형태로 추출하는 역할을 한다.

상기 3차원 공간적 형상정보는 단일 영상의 객체 및 배경 씨앗 정보가 가질 수 있는 오류 정보를 이웃한 영상들의 객체 및 배경 씨앗 정보로 완화하고, 경골 근처의 전방십자인대 내부의 비교적 밝은 밝기값 영역을 분할할 수 있게 하는 역할을 한다. 영상의 픽셀 p의 분할 라벨 A_p에 대해 3차원 공간적 형상정보 함수는 [수학식 3]과 같이 정의된다.

이때,

와

는 각각 픽셀 p가 전체 입체영상에서 배경 씨앗 정보에 해당한 빈도와 객체 씨앗 정보에 해당한 빈도를 나타낸다.

이는 라벨이 객체인 픽셀 p에 대해 p가 배경 씨앗 정보에 해당한 빈도와 p가 객체 씨앗 정보에 해당한 빈도의 차로 표현됨으로써 객체 씨앗으로 추출된 빈도가 낮을수록, 배경 씨앗으로 추출된 빈도가 높을수록 높은 에너지를 부과하여 단일 영상에서 잘못된 씨앗 정보가 추출되었어도 분할 시 오류를 완화하는 것이다.

[도 7]의 (d)는 각 픽셀에 대한 [수학식 3]의 계산결과를 확률지도 형태로 나타내 실시예로, 전방십자인대 영역 주위로 낮은 에너지 값을 갖고, 배경 위주로 높은 에너지 값을 나타내는 것을 볼 수 있다.

상기 최종분할부(23)는 상호적 그래프 컷에서 정의된 함수를 적용하고, 반복적 그래프 컷을 수행하여, 최종 전방십자인대의 볼륨을 분할하는 역할을 한다.

즉, 본 발명에 따른 상기 2차원 평면적 형상정보와 상기 3차원 공간적 형상정보 기반의 두 에너지 항을 밝기값 기반의 그래프 컷 에너지 함수에 적용하여 최종 그래프 컷 에너지 함수를 [수학식 4]와 같이 구성한다.

이때, 밝기값 기반의 영역 항과 경계선 항은 상호적 그래프 컷에서 정의된 함수를 적용하며, 최대흐름-최소절단 최적화를 적용, 그래프 컷을 수행한다. 또한 본 발명에 따른 상기 최종분할부(23)는 안정적인 전방십자인대 분할을 위해 반복적 그래프 컷(iterated graph cuts)을 적용, 분할된 전방십자인대 볼륨 안정성을 기준으로 그래프 컷을 반복수행하여 최종 전방십자인대 볼륨을 분할한다.

이상에서 설명한 바와 같이, 본 발명은 무릎 자기공명영상의 전방십자인대 분할 장치는 가우시안 혼합 모델 기반의 적응적 임계화와 형태학적 연산을 이용해 그래프 컷의 씨앗 정보를 추출하고, 추출한 씨앗 정보의 형상 사전정보를 이용하여 그래프 컷을 수행, 전방십자인대 영역을 분할함으로써, 무릎 자기공명영상에서 유사한 밝기값을 갖는 주변 연부조직으로의 누출을 방지하여, 전방십자인대를 분할의 정확성을 크게 향상시킬 수 있으며, 이를 통해 전방십자인대의 진단 및 재건 수술 계획을 용이하게 수행할 수 있는 효과를 누릴 수 있다.

이러한 본 발명에 따른 무릎 자기공명영상의 전방십자인대 분할 장치를 이용한 전방십자인대 분할 방법을 설명하면 다음과 같다.

[도 8]은 본 발명에 따른 무릎 자기공명영상의 전방십자인대 분할 방법의 전체 흐름을 나타내는 도면으로, 먼저 씨앗정보 추출부를 이용하여, 전체 영상 밝기 분포에서 가우시안 혼합 모델 근사를 수행하여, 어두운 밝기값 영역의 평균치 및 밝은 밝기값 영역의 평균치를 임계치로 설정하여, 씨앗 정보의 객체 후보군 및 배경 후보군을 추출하는 단계(S10)를 수행한다.

본 발명에 따른 상기 S10 단계는 [도 9]에 도시된 상세 흐름과 같이, 상기 후보군 추출부(11)를 이용하여, 전체 영상의 밝기 분포에서 어두운 밝기값의 가우시안 분포를 추출하는 단계(S11)를 수행하고, 어두운 밝기값 영역의 평균값을 임계치로 설정하여, 객체 후보군을 추출하는 단계(S13)와 밝은 밝기값 영역의 평균값을 임계치로 설정하여, 배경 후보군을 추출하는 단계(S15)를 포함한다.

이러한 S10 단계를 통해 촬영된 영상에 따라 서로 다른 밝기값 범위를 갖는 MR 영상에 고정된 임계값이 아닌 적응적 임계값을 적용할 수 있다.

다음으로, 상기 최종 씨앗정보 추출부(12)를 이용하여, 상기 객체 후보군 및 배경 후보군에 형태학적 연산을 이용하여, 최종 객체 씨앗 정보 및 배경 씨앗 정보를 추출하는 단계(S20)를 수행한다.

상기 S20 단계는 [도 10]에 도시된 상세 흐름과 같이, 상기 제1제거부(121)를 이용하여, 관상면에서 형태학적 연산을 수행하여, 전방십자인대의 주변조직을 제거하는 단계(S21)와 상기 제2제거부(122)를 이용하여, 시상면에서 형태학적 연산을 수행하여 후방십자인대나 관절연골을 제거하는 단계(S23)를 수행 후, 최종 객체 씨앗 정보 및 배경 씨앗 정보를 생성하는 단계(S25)를 포함한다.

이러한 S20 단계를 통해 상기 S10 단계에서 추출된 대략적인 전방십자인대 후보군을 형태학적 연산으로 다듬을 수 있는 것이다.

다음으로, 상기 그래프컷 분할부(20)를 이용하여, 추출된 상기 객체 씨앗 정보 및 배경 씨앗 정보로 형상 정보 기반의 그래프 컷을 분할하여, 최종 전방십자인대 볼륨을 분할하는 단계(S30)를 수행한다.

[도 11]은 본 발명에 따른 상기 S30 단계의 상세 흐름도로, 상기 2차원 형상정보부(21)를 이용하여, 단일 평면영상의 상기 객체 씨앗 정보 및 배경 씨앗 정보로부터 해당 영상의 전방십자인대의 2차원 평면적 형상정보를 거리지도(distance map) 형태로 추출하는 단계(S31)를 수행하고, 본 발명에 따른 2차원 평면적 형상 정보는 상기 [수학식 2]로 정의된다.

상기 3차원 형상정보부(22)를 이용하여, 전체 입체영상의 상기 객체 씨앗 정보 및 배경 씨앗 정보를 바탕으로 전방십자인대의 3차원 공간적 형상정보를 확률지도(probability map) 형태로 추출하는 단계(S33)를 수행하고, 본 발명에 따른 상기 3차원 공간적 형상정보는 상기 [수학식 3]으로 정의된다.

다음으로, 상기 최종분할부(23)를 이용하여, 상호적 그래프 컷에서 정의된 함수를 적용하여, 최종 그래프 컷 에너지 함수를 구성(S35)하고, 반복적 그래프 컷을 수행하여, 최종 전방십자 인대의 볼륨을 분할하는 단계(S37)를 수행한다.

이상에서 설명한 바와 같이, 본 발명에 따른 무릎 자기공명영상의 전방십자인대 분할 방법은, 가우시안 모델 근사를 통해 추출된 객체 및 배경후보군의 형태학적 연산으로 최종 객체 및 배경 씨앗 정보를 추출하고 형상정보를 기반으로 전방십자인대의 볼륨을 분할함으로써, 주변 연부조직으로의 누출을 막고, 전방십자인대의 분할 성능을 향상시킬 수 있다.

본 발명에 따른 무릎 자기공명영상의 전방십자인대 분할 방법의 성능을 확인하기 위한 실험을 다음과 같이 실시하였다.

총 4명의 무릎 MR 영상에 대해 전방십자인대 분할을 수행하였으며, MR 영상은 4명의 전방십자인대가 손상되지 않은 정상인들에 대하여 Achieva 3.0T Philips Medical Systems 장비로 촬영한 삼차원 PD(proton density) 강조 MR 영상을 사용하였다.

각 실험 영상은 250장의 512×512, 픽셀 크기는 0.31mm×0.31mm, 슬라이스 간격은 0.5mm~1mm의 관상면 무릎 영상을 나타내고 있으며, TR(repetition time)은 1600ms~1800ms, TE(echo time)은 32.2ms~35ms로 촬영되었다. 실험에서는 관상면 영상에서 삼차원 회전을 통해 시상면 영상을 [도 12]의 (a)와 같이 얻었다.

또한, [도 12]의 (b)는 제안방법의 전단에서 추출된 씨앗 정보를 기반으로 기존 상호적 그래프 컷의 에너지 함수인 상기 [수학식 1]을 최소화하는 분할을 수행한 결과로, 기존 그래프 컷의 분할 결과는 전방십자인대의 우측 하단에 위치한 후방십자인대 뿐만 아니라 상단의 대퇴골 외곽의 어두운 밝기값 영역으로의 누출이 발생하는 것을 볼 수 있다.

그에 반해 본 발명에 따른 2차원 평면적 형상정보 및 3차원 공간적 형상정보를 반영한 그래프 컷을 적용한 분할 결과는 [도 12]의 (c)와 같이 후방십자인대나 대퇴골 외곽 영역으로의 누출 없이 [도 12]의 (d)의 수동분할 결과와 비교적 유사한 전방십자인대를 추출하는 결과를 보이는 것을 확인할 수 있다.

또한, 결과의 정확성 평가를 위해 임상의가 수행한 수동분할 결과와 기존 그래프 컷 및 본 발명에 따른 분할 방법에 의한 결과를 Dice 유사계수를 이용하여 비교하였으며, Dice 유사계수는 분할결과의 유사성을 판단하는 측정방법의 하나로써 정의는 아래의 [수학식 5]와 같다.

이때, A와 B는 픽셀의 집합으로써 보는 각각의 분할 결과이고,

는 해당하는 집합의 픽셀의 개수를 의미하며, Dice 유사계수의 수치는 A와 B가 유사할수록 1에 가까운 값을 갖게 된다.

[도 13]은 수동분할 결과와 기존 그래프 컷 분할 결과, 수동분할 결과와 제안 방법에 의한 분할 결과에 대해 각각 위의 Dice 유사계수를 측정, 비교한 것으로 [도 13]의 (a)에서 보듯이 수동분할과 기존 그래프 컷 분할의 Dice 유사계수는 0.56±0.05의 유사도를 보이는 데에 반해 수동분할과 제안방법 분할은 0.64±0.11의 향상된 Dice 유사도를 보였다.

각각의 실험 데이터에 대해서도 전체적으로 기존대비 평균 21.4±17.0% 향상된 Dice 유사도를 보임으로써 전방십자인대의 분할 정확도가 전체적으로 향상되었음을 알 수 있다.

이상 본 발명의 실시예로 설명하였으나 본 발명의 기술적 사상이 상기 실시예로 한정되는 것은 아니며, 본 발명의 기술적 사상을 벗어나지 않는 범주에서 다양한 무릎 자기공명영상의 전방십자인대 분할 장치 및 그 분할 방법으로 구현할 수 있다.

10 : 씨앗정보 추출부
11 : 후보군 추출부
12 : 최종 씨앗 정보 추출부
20 : 그래프컷 분할부
21 : 2차원 형상정보부
22 : 3차원 형상정보부
23 : 최종분할부
30 : 무릎 자기공명영상의 전방십자인대 분할 장치
121 : 제1제거부
122 : 제2제거부

Claims

무릎 자기공명영상(MR)에서 가우시안 혼합 모델을 기반으로 객체 씨앗 정보 및 배경 씨앗 정보를 추출하는 씨앗정보 추출부 및
상기 씨앗정보 추출부에서 추출된 씨앗 정보로 형상 정보 기반의 그래프 컷을 분할하여, 최종 전방십자인대 볼륨을 분할하는 그래프컷 분할부를 포함하며,
상기 씨앗정보 추출부는,
전체 영상 밝기 분포에서 가우시안 혼합 모델 근사를 수행하여, 어두운 밝기값 영역의 평균치 및 밝은 밝기값 영역의 평균치를 임계치로 설정하여, 씨앗 정보의 객체 후보군 및 배경 후보군을 추출하는 후보군 추출부 및
상기 객체 후보군 및 배경 후보군에 형태학적 연산을 이용하여, 최종 객체 씨앗 정보 및 배경 씨앗 정보를 추출하는 최종 씨앗정보 추출부를 포함하는 것을 특징으로 하는 무릎 자기공명영상의 전방십자인대 분할 장치.
삭제
제1항에 있어서,
상기 최종 씨앗정보 추출부는,
관상면(coronal plane)에서 형태학적 연산을 전방십자인대 주변의 연결성을 약화하고, 주변조직을 제거하는 제1제거부 및
시상면(sagittal plane)에서 형태학적 연산으로 후방십자인대 또는 관절연골을 제거하여 최종 객체 씨앗 정보를 생성하고, 대퇴골, 경골의 밝기값을 포함하는 최종 배경 씨앗 정보를 생성하는 제2제거부를 포함하는 것을 특징으로 하는 무릎 자기공명영상의 전방십자인대 분할 장치.
제1항에 있어서,
상기 그래프컷 분할부는
단일 평면영상의 상기 객체 씨앗 정보 및 배경 씨앗 정보로부터 해당 영상의 전방십자인대의 2차원 평면적 형상정보를 거리지도(distance map) 형태로 추출하는 2차원 형상정보부;
전체 입체영상의 상기 객체 씨앗 정보 및 배경 씨앗 정보를 바탕으로 전방십자인대의 3차원 공간적 형상정보를 확률지도(probability map) 형태로 추출하는 3차원 형상정보부 및
상호적 그래프 컷에서 정의된 함수를 적용하고, 반복적 그래프 컷을 수행하여, 최종 전방십자인대의 볼륨을 분할하는 최종분할부를 포함하는 것을 특징으로 하는 무릎 자기공명영상의 전방십자인대 분할 장치.
제4항에 있어서,
상기 2차원 형상정보부는,
영상의 픽셀(
)의 분할 라벨(
)에 대한 2차원 평면적 형상정보를 다음 [수학식 2]로 산출하는 것을 특징으로 하는 무릎 자기공명영상의 전방십자인대 분할 장치.
[수학식 2]

이때,
는 라벨 A_p에 대한 지시자 함수(indicator function)로서 라벨이 객체("obj")일 때 1, 라벨이 배경("bkg")일 때 0의 값을 가짐
제5항에 있어서,
상기 3차원 형상정보부는,
영상의 픽셀(p)의 분할 라벨(A_p)에 대한 3차원 공간적 형상정보를 다음 [수학식 3]으로 산출하는 것을 특징으로 하는 무릎 자기공명영상의 전방십자인대 분할 장치.
[수학식 3]

이때,
와
는 각각 픽셀 p가 전체 입체영상에서 배경 씨앗 정보에 해당한 빈도와 객체 씨앗 정보에 해당한 빈도를 나타냄
제6항에 있어서,
상기 최종분할부는,
상기 2차원 형상정보부 및 상기 3차원 형상정보부에서 생성된 형상정보를 그래프 컷 에너지 함수에 적용하여, 최종 그래프 컷 에너지 함수를 [수학식 4]로 산출하는 것을 특징으로 하는 무릎 자기공명영상의 전방십자인대 분할 장치.
[수학식 4]
(a) 씨앗정보 추출부를 이용하여, 전체 영상 밝기 분포에서 가우시안 혼합 모델 근사를 수행하여, 어두운 밝기값 영역의 평균치 및 밝은 밝기값 영역의 평균치를 임계치로 설정하여, 씨앗 정보의 객체 후보군 및 배경 후보군을 추출하는 단계;
(b) 씨앗정보 추출부를 이용하여, 상기 객체 후보군 및 배경 후보군에 형태학적 연산을 이용하여, 최종 객체 씨앗 정보 및 배경 씨앗 정보를 추출하는 단계 및
(c) 그래프컷 분할부를 이용하여, 추출된 상기 객체 씨앗 정보 및 배경 씨앗 정보로 형상 정보 기반의 그래프 컷을 분할하여, 최종 전방십자인대 볼륨을 분할하는 단계를 포함하는 것을 특징으로 하는 무릎 자기공명영상의 전방십자인대 분할 방법.
제8항에 있어서,
상기 (a) 단계는,
(a-1) 후보군 추출부를 이용하여, 전체 영상의 밝기 분포에서 어두운 밝기값의 가우시안 분포를 추출하는 단계;
(a-2) 어두운 밝기값 영역의 평균값을 임계치로 설정하여, 객체 후보군을 추출하는 단계 및
(a-3) 밝은 밝기값 영역의 평균값을 임계치로 설정하여, 배경 후보군을 추출하는 단계를 포함하는 것을 특징으로 하는 무릎 자기공명영상의 전방십자인대 분할 방법.
제8항에 있어서,
상기 (b) 단계는,
(b-1) 제1제거부를 이용하여, 관상면에서 형태학적 연산을 수행하여, 전방십자인대의 주변조직을 제거하는 단계 및
(b-2) 제2제거부를 이용하여, 시상면에서 형태학적 연산을 수행하여 후방십자인대나 관절연골을 제거하여 최종 객체 씨앗 정보를 생성하는 단계를 포함하는 것을 특징으로 하는 무릎 자기공명영상의 전방십자인대 분할 방법.
제8항에 있어서,
상기 (c) 단계는,
(c-1) 2차원 형상정보부를 이용하여, 단일 평면영상의 상기 객체 씨앗 정보 및 배경 씨앗 정보로부터 해당 영상의 전방십자인대의 2차원 평면적 형상정보를 거리지도(distance map) 형태로 추출하는 단계;
(c-2) 3차원 형상정보부를 이용하여, 전체 입체영상의 상기 객체 씨앗 정보 및 배경 씨앗 정보를 바탕으로 전방십자인대의 3차원 공간적 형상정보를 확률지도(probability map) 형태로 추출하는 단계 및
(c-3) 최종분할부를 이용하여, 상호적 그래프 컷에서 정의된 함수를 적용하고, 반복적 그래프 컷을 수행하여, 최종 전방십자 인대의 볼륨을 분할하는 단계를 포함하는 것을 특징으로 하는 무릎 자기공명영상의 전방십자인대 분할 방법.
제11항에 있어서,
상기 (c-1) 단계는,
영상의 픽셀(
)의 분할 라벨(
)에 대한 상기 2차원 평면적 형상정보를 다음 [수학식 2]로 산출하는 단계인 것을 특징으로 하는 무릎 자기공명영상의 전방십자인대 분할 방법.
[수학식 2]

이때,
는 라벨 A_p에 대한 지시자 함수(indicator function)로서 라벨이 객체("obj")일 때 1, 라벨이 배경("bkg")일 때 0의 값을 가짐
제12항에 있어서,
상기 (c-2) 단계는,
영상의 픽셀(
)의 분할 라벨(
)에 대한 상기 3차원 공간적 형상정보를 다음 [수학식 3]으로 산출하는 단계인 것을 특징으로 하는 무릎 자기공명영상의 전방십자인대 분할 방법.
[수학식 3]

이때,
와
는 각각 픽셀 p가 전체 입체영상에서 배경 씨앗 정보에 해당한 빈도와 객체 씨앗 정보에 해당한 빈도를 나타냄
제13항에 있어서,
상기 (c-3) 단계는,
상기 (c-1) 단계 및 상기 (c-2) 단계에서 생성된 상기 2차원 평면적 형상정보 및 상기 3차원 공간적 형상정보를 그래프 컷 에너지 함수에 적용하여, 최종 그래프 컷 에너지 함수를 [수학식 4]로 산출하는 단계인 것을 특징으로 하는 무릎 자기공명영상의 전방십자인대 분할 방법.
[수학식 4]