KR101571151B1 - 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법 - Google Patents
컴퓨터 단층촬영 이미지의 아티팩트 제거 방법 Download PDFInfo
- Publication number
- KR101571151B1 KR101571151B1 KR1020140105804A KR20140105804A KR101571151B1 KR 101571151 B1 KR101571151 B1 KR 101571151B1 KR 1020140105804 A KR1020140105804 A KR 1020140105804A KR 20140105804 A KR20140105804 A KR 20140105804A KR 101571151 B1 KR101571151 B1 KR 101571151B1
- Authority
- KR
- South Korea
- Prior art keywords
- crack
- brain
- computed tomography
- pixel
- tomography image
- Prior art date
Links
- 238000002591 computed tomography Methods 0.000 title claims abstract description 149
- 238000000034 method Methods 0.000 title claims abstract description 101
- 230000008030 elimination Effects 0.000 title description 3
- 238000003379 elimination reaction Methods 0.000 title description 3
- 210000004556 brain Anatomy 0.000 claims abstract description 86
- 210000000988 bone and bone Anatomy 0.000 claims abstract description 65
- 210000005013 brain tissue Anatomy 0.000 claims abstract description 31
- 210000003625 skull Anatomy 0.000 claims description 41
- 238000012545 processing Methods 0.000 claims description 7
- 210000001519 tissue Anatomy 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 16
- 208000029028 brain injury Diseases 0.000 description 12
- 206010048962 Brain oedema Diseases 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 10
- 208000006752 brain edema Diseases 0.000 description 10
- 230000006931 brain damage Effects 0.000 description 6
- 231100000874 brain damage Toxicity 0.000 description 6
- 238000003745 diagnosis Methods 0.000 description 6
- 230000003111 delayed effect Effects 0.000 description 5
- 238000002595 magnetic resonance imaging Methods 0.000 description 5
- 230000006378 damage Effects 0.000 description 4
- 238000007428 craniotomy Methods 0.000 description 3
- 210000003128 head Anatomy 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000003928 nasal cavity Anatomy 0.000 description 2
- 230000001936 parietal effect Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 210000003582 temporal bone Anatomy 0.000 description 2
- 208000014644 Brain disease Diseases 0.000 description 1
- 206010057248 Cell death Diseases 0.000 description 1
- 206010051290 Central nervous system lesion Diseases 0.000 description 1
- 206010022773 Intracranial pressure increased Diseases 0.000 description 1
- 206010039897 Sedation Diseases 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 208000032851 Subarachnoid Hemorrhage Diseases 0.000 description 1
- 208000030886 Traumatic Brain injury Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000003376 axonal effect Effects 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 230000030833 cell death Effects 0.000 description 1
- 210000001638 cerebellum Anatomy 0.000 description 1
- 230000003788 cerebral perfusion Effects 0.000 description 1
- 210000001175 cerebrospinal fluid Anatomy 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000034994 death Effects 0.000 description 1
- 231100000517 death Toxicity 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 210000004513 dentition Anatomy 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002695 general anesthesia Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 208000037906 ischaemic injury Diseases 0.000 description 1
- 208000028867 ischemia Diseases 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 210000002345 respiratory system Anatomy 0.000 description 1
- 230000036280 sedation Effects 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 230000036346 tooth eruption Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 230000009529 traumatic brain injury Effects 0.000 description 1
- 230000008736 traumatic injury Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/501—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of the head, e.g. neuroimaging or craniography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/505—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of bone
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
- G06T2207/30008—Bone
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30016—Brain
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- High Energy & Nuclear Physics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Neurology (AREA)
- Neurosurgery (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Pulmonology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Quality & Reliability (AREA)
Abstract
컴퓨터 단층촬영 이미지의 아티팩트 제거 방법에 관한 것으로, 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법은 뇌의 단면을 촬영한 컴퓨터 단층촬영이미지로부터 기계 아티팩트를 제거하는 단계; 기계 아티팩트가 제거된 컴퓨터 단층촬영 이미지에서 뇌의 수평축 및 수직축에 위치하는 가장자리 점을 설정하는 단계; 가장자리 점에 기초하여 뇌의 뼈와 뇌조직 경계에 위치하는 가장자리 점을 재설정하는 단계; 가장자리 점이 재설정된 컴퓨터 단층촬영 이미지에서 뇌의 균열의 위치를 탐색하고, 균열 발생 영역을 뼈 픽셀로 오버레이하는 단계; 및 뼈 픽셀이 오버레이된 컴퓨터 단층촬영 이미지로부터 아티팩트를 제거하는 단계를 포함한다.
Description
본 발명은 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법에 관한 것이다.
뇌손상(Brain Injury)으로 인하여 현재 전세계적으로 매년 약 천만명의 새로운 환자가 발생하고 있으며, 2020년경에는 인류의 사망원인 3위에 오를 전망이기도 하다. 일반적으로 뇌손상의 직접적인 결과로 인한 1차적 손상은 되돌릴 수 없다고 알려져 있으나, 일부 연구는 뇌손상으로 인한 세포사(Cell death)의 상당수는 사고시점으로부터 수 시간 후에 일어난다고 보고하고 있다. 뇌손상의 전형적인 2차 손상은 허혈손상(ischemic injury)이며, 이와 함께 두개내압 (Intracranial pressure, ICP)의 상승과 뇌관류압(Cerebral perfusion pressure, CPP)의 감소가 함께 진행된다.
현재, 뇌손상 정도를 진단하는 주된 영상 기법으로는, 컴퓨터 단층촬영(Computed Tomography,CT)과 자기공명영상(Magnetic Resonance Imaging, MRI)이 있다. 자기공명영상은 뇌부종을 검출하는데 있어서 컴퓨터 단층촬영보다 높은 해상도와 감도를 가지고 있다. 그러나 컴퓨터 단층촬영에 비해 데이터를 획득하는데 더 많은 시간이 소요된다. 또한, 자기공명영상은 촬영 시에 환자가 고정된 자세를 유지하고 있어야 한다는 단점이 있다. 따라서, 빠른 처치가 중요한 외상에 의한 뇌손상 환자의 경우, 자기공명영상의 높은 감도가 컴퓨터 단층촬영에 비해 특별히 임상적 우월성을 지니지는 않는다고 보고되고 있다.
특히, 고정된 자세를 유지하고 있어야 하는 자기공명영상의 특성은 유소아 환자에게 더욱 불리하게 작용할 수 있다. 뇌손상을 가진 유소아 환자들은 자기공명영상의 촬영 전 고정된 자세를 유지하고 있어야 하는 이유 때문에 진정제 투여나 전신 마취 등의 처치를 받곤 한다. 그러나 이러한 처치는 심장과 호흡기관에 합병증을 야기할 수 있으며, 이것은 다시 일차적 손상과 결합하여 2차적 손상을 야기시킬 수 있다.
이에 반하여, 컴퓨터 단층촬영은 뇌손상 환자나 뇌졸중 환자들과 같이 긴급한 처치를 요하는 환자들에게 대단히 유효할 수 있다. 그러나, 컴퓨터 단층촬영의 경우, 판독자에 따라 구조적 이상의 정도가 다르게 측정되는 사용자 의존성이 높을 수 있다. 따라서, 컴퓨터 단층촬영을 통한 뇌손상 진단을 표준화하여 사용자 의존성을 줄이기 위한 노력의 일환으로, 여러 분류 시스템(classification system)이 제안된 바 있다. 이 중에서 가장 널리 사용되는 분류 시스템으로는, 1991년에 마샬(Marshall)이 제안한 마샬 분류(Marshall classification)가 있다. 마샬 분류는 뇌병변의 부피와 중앙선 이동(midline shift)의 정도, 뇌저지주막하조(basal cistern)의 찌그러짐과 외과적 시술의 여부와 같은 구조적인 이상을 판독 기준으로 사용하여, 뇌손상의 정도를 6단계로 나누어 진단한다. 이러한 마샬 분류는 뇌손상의 중요한 예후 정보를 제공하는 것으로 알려져 있다. 그러나 마샬 분류만으로는 사용자 의존성을 여전히 극복하지 못한다.
따라서, 기존의 한계를 극복하는 새로운 패러다임의 컴퓨터 단층촬영 진단 시스템의 개발이 요구되고 있다.
이와 관련하여, 일본공개특허공보 제 2004-047640호(발명의 명칭: 뇌 질환 진단 지원 방법 및 장치)는 피검사자의 뇌 화상을 입력해, 뇌 화상을 표준화 한 후, 이를 활용하여 정상인의 뇌와 그래프를 통한 통계적 비교 분석을 통하여 객관적인 진단 결과를 제공하는 방법을 개시하고 있다.
본 발명은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 컴퓨터 단층촬영 기법에 의해 획득된 이미지에서 자동으로 아티팩트를 제거하는 방법을 제공하고자 한다.
다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상술한 같은 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 일 측면에 따른 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법은 뇌의 단면을 촬영한 컴퓨터 단층촬영이미지로부터 기계 아티팩트를 제거하는 단계; 기계 아티팩트가 제거된 컴퓨터 단층촬영 이미지에서 뇌의 수평축 및 수직축에 위치하는 가장자리 점을 설정하는 단계; 가장자리 점에 기초하여 뇌의 뼈와 뇌조직 경계에 위치하는 가장자리 점을 재설정하는 단계; 가장자리 점이 재설정된 컴퓨터 단층촬영 이미지에서 뇌의 균열의 위치를 탐색하고, 균열 발생 영역을 뼈 픽셀로 오버레이하는 단계; 및 뼈 픽셀이 오버레이된 컴퓨터 단층촬영 이미지로부터 아티팩트를 제거하는 단계를 포함한다.
또한, 본 발명의 다른 측면에 따른 컴퓨터 단층촬영 이미지의 아티팩트 제거 장치는 아티팩트 제거 애플리케이션이 저장된 저장장치, 및 아티팩트 제거 애플리케이션과 인터페이싱하도록 정렬된 프로세싱 유닛을 포함한다. 또한, 프로세싱 유닛은 아티팩트 제거 애플리케이션의 실행에 따라, 뇌의 단면을 촬영한 컴퓨터 단층촬영 이미지로부터 기계 아티팩트를 제거하고, 기계 아티팩트가 제거된 컴퓨터 단층촬영 이미지에서 뇌의 수평축 및 수직축에 위치하는 가장자리 점을 설정하고, 가장자리 점에 기초하여 뇌의 뼈와 뇌조직 경계에 위치하는 가장자리 점을 재설정하고, 가장자리 점이 재설정된 컴퓨터 단층촬영 이미지에서 뇌의 균열의 위치를 탐색하고, 균열 발생 영역을 뼈 픽셀로 오버레이하고, 뼈 픽셀이 오버레이된 컴퓨터 단층촬영 이미지로부터 아티팩트를 제거한다.
전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 전 과정이 자동화된 알고리즘을 사용하여 컴퓨터 단층촬영 이미지의 아티팩트를 자동적으로 제거함에 따라, 기존의 상용화된 뇌 영상 분석 장치가 가지는 사용자 의존성의 한계를 극복할 수 있는 효과를 가진다.
또한, 한 장 혹은 두 장의 컴퓨터 단층촬영 사진을 사용해 구분하는 종래의 분류 시스템들과는 달리, 대뇌 전체의 컴퓨터 단층촬영 사진을 사용하여 분석을 하기 때문에, 국소적인 진단의 한계를 벗어나 미만성 뇌손상 (diffuse axonal injury) 뿐만 아니라 지주막하 출혈, 허혈에 따른 뇌조직의 변화까지도 반영하여 객관성과 명확성의 향상을 동시에 갖는 효과를 가진다.
도 1은 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법을 나타내는 순서도이다.
도 2는 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법의 기계 아티팩트 제거 방법의 모식도이다.
도 3은 본 발명의 일 실시예에 따른 기계 아티팩트를 제거하는 단계를 상세히 설명하기 위한 순서도이다.
도 4는 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법에서 뇌의 바운더리 포인트를 설정하는 모식도이다.
도 5는 본 발명의 일 실시예에 따른 뇌의 바운더리 포인트를 설정하는 단계를 상세히 설명하기 위한 순서도이다.
도 6은 본 발명의 일 실시예에 따른 뇌의 바운더리 포인트를 재설정 하는 모식도이다.
도 7은 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법에서 뇌의 바운더리 포인트를 이용하여 뇌를 네개의 분할 평면으로 분할한 것을 도시하고 있는 도면이다. .
도 8은 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지에서, 작은 균열의 일례를 도시한 모식도이다.
도 9는 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지에서, 작은 균열과 큰 균열의 일례를 보여주는 실제 이미지이다.
도 10은 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지에서, 두개골내의 큰 균열을 제거하는 단계를 상세히 설명하기 위한 순서도이다.
도 11은 컴퓨터 단층촬영 이미지에서 균열의 시작점과 동일한 높이에 션트 혹은 카세터가 있는 경우를 예시한 도면이다.
도 12는 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지에서 균열의 시작점을 균열의 시작점을 탐색하는 과정에서, 균열의 시작점이 션트 픽셀에 잡히게 되는 오류를 도시한 도면이다.
도 13은 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법에서 큰 균열의 시작점을 탐색하는 방법을 도시한 도면이다.
도 14는 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지의 아티팩트 제거방법의 균열지수(fracture_flag)가 0과 1일때의 일례를 도시한 도면이다.
도 15는 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법에서 균열을 위치에 따라 큰 균열을 네가지 유형으로 분류하는 것을 나타낸 도면이다.
도 16은 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법에서, 작은 균열과 큰 균열의 픽셀이 모조뼈 픽셀로 오버레이된 결과를 도시한 도면이다.
도 17은 큰 균열의 시작점과 균열의 끝점을 재설정하지 않은 결과와 재설정한 결과를 비교하여 보여주고 있는 도면이다.
도 18은 균열의 시작점과 션트 또는 카세터가 비슷한 위치에 있는 경우, 개선된 알고리즘을 사용하여 컴퓨터 단층촬영 이미지를 처리한 결과를 나타낸 도면이다.
도 19는 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 아티팩트 제거 방법을 이용하여 뇌 조직만을 추출한 결과이다.
도 20은 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지 아티팩트 제거 방법에 의하여 심각한 뇌부종 환자와 정상인의 컴퓨터 단층촬영 이미지에서 아티팩트가 제거된 후, HU값의 분포를 도시한 그래프이다.
도 2는 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법의 기계 아티팩트 제거 방법의 모식도이다.
도 3은 본 발명의 일 실시예에 따른 기계 아티팩트를 제거하는 단계를 상세히 설명하기 위한 순서도이다.
도 4는 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법에서 뇌의 바운더리 포인트를 설정하는 모식도이다.
도 5는 본 발명의 일 실시예에 따른 뇌의 바운더리 포인트를 설정하는 단계를 상세히 설명하기 위한 순서도이다.
도 6은 본 발명의 일 실시예에 따른 뇌의 바운더리 포인트를 재설정 하는 모식도이다.
도 7은 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법에서 뇌의 바운더리 포인트를 이용하여 뇌를 네개의 분할 평면으로 분할한 것을 도시하고 있는 도면이다. .
도 8은 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지에서, 작은 균열의 일례를 도시한 모식도이다.
도 9는 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지에서, 작은 균열과 큰 균열의 일례를 보여주는 실제 이미지이다.
도 10은 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지에서, 두개골내의 큰 균열을 제거하는 단계를 상세히 설명하기 위한 순서도이다.
도 11은 컴퓨터 단층촬영 이미지에서 균열의 시작점과 동일한 높이에 션트 혹은 카세터가 있는 경우를 예시한 도면이다.
도 12는 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지에서 균열의 시작점을 균열의 시작점을 탐색하는 과정에서, 균열의 시작점이 션트 픽셀에 잡히게 되는 오류를 도시한 도면이다.
도 13은 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법에서 큰 균열의 시작점을 탐색하는 방법을 도시한 도면이다.
도 14는 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지의 아티팩트 제거방법의 균열지수(fracture_flag)가 0과 1일때의 일례를 도시한 도면이다.
도 15는 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법에서 균열을 위치에 따라 큰 균열을 네가지 유형으로 분류하는 것을 나타낸 도면이다.
도 16은 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법에서, 작은 균열과 큰 균열의 픽셀이 모조뼈 픽셀로 오버레이된 결과를 도시한 도면이다.
도 17은 큰 균열의 시작점과 균열의 끝점을 재설정하지 않은 결과와 재설정한 결과를 비교하여 보여주고 있는 도면이다.
도 18은 균열의 시작점과 션트 또는 카세터가 비슷한 위치에 있는 경우, 개선된 알고리즘을 사용하여 컴퓨터 단층촬영 이미지를 처리한 결과를 나타낸 도면이다.
도 19는 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 아티팩트 제거 방법을 이용하여 뇌 조직만을 추출한 결과이다.
도 20은 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지 아티팩트 제거 방법에 의하여 심각한 뇌부종 환자와 정상인의 컴퓨터 단층촬영 이미지에서 아티팩트가 제거된 후, HU값의 분포를 도시한 그래프이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 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 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 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.
본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다.
이하 도면을 참조하여 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법에 대하여 상세히 설명하도록 한다.
도 1은 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법을 나타내는 순서도이다.
도 1을 참조하면, 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법은 기계 아티팩트를 제거하는 단계(s100); 뇌의 바운더리 포인트를 설정하는 단계(s200); 두개골의 작은 균열을 제거하는 단계(s300); 두개골의 큰 균열을 제거하는 단계(s400); 및 아티팩트를 제거하고 뇌조직을 추출하는 단계(s500)를 포함할 수 있다.
본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법은 먼저, 컴퓨터 단층촬영 이미지에 존재하는 기계 아티팩트를 제거한다(s100).
일반적으로, 컴퓨터 단층촬영(CT)은 엑스선(X-ray) 발생장치가 있는 원형의 기계에 들어가서 촬영하며, 피검자의 인체를 가로로 자른 횡단면상을 획득하는 기술이다. 따라서, 엑스선 발생기가 피검자의 한쪽에 있고, 반대쪽에 엑스선 검출기가 구성되어, 조준된 엑스선 빔(X-ray beam)이 촬영을 원하는 부위를 균일한 강도로 여러 방향에서 통과하게 하고, 반대쪽에서 감쇄된 엑스선량을 검출기로 획득하여 계측한 후, 영상을 구성해 낸다. 따라서, 컴퓨터 단층촬영의 영상을 구성하는 각 화소는 엑스선의 흡수 정도가 매우 중요한 의미를 가지는데, 이러한 흡수 정도를 컴퓨터 단층촬영 수치, 또는 컴퓨터 단층촬영의 발명자 이름을 따서 하운스필드 유닛(Hounsfield Unit, HU)이라고 한다. 이때, HU값은 물이 0, 공기가 -1000, 밀도가 큰 뼈가 +1000 이며, 그 밖의 다른 물질들은 각각 엑스선의 감쇄 정도에 따라서 -1000에서 +1000 사이의 값을 가지게 된다. 그러나, 기계의 HU 값은 뼈의 HU 값과 매우 유사한 특징이 있고, 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법은 마지막 단계에서 HU값을 이용하여 아티팩트를 제거하기 때문에, 기계 아티팩트의 제거는 먼저 선행되어야 한다.
본 발명의 일 실시예에 따른 기계 아티팩트를 제거하는 방법은, 컴퓨터 단층촬영 이미지에서 기계와 뇌 사이의 공간이 비어 있다는 특징과, 기계는 컴퓨터 단층촬영 이미지의 좌측과 우측, 그리고 하측에만 위치한다는 특징을 이용한다.
도 2는 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법의 기계 아티팩트 제거 방법의 모식도이다.
도 3은 본 발명의 일 실시예에 따른 기계 아티팩트를 제거하는 단계를 상세히 설명하기 위한 순서도이다.
도 2 및 도 3을 참조하면, 본 발명의 일 실시예에 따른 기계 아티팩트 제거 단계는, 양수의 HU값을 가지는 픽셀 집합을 탐색하는 단계(s110); 양수의 HU값을 가지는 픽셀 집합이 기계 아티팩트인지 판단하는 단계(s120); 및 기계 아티팩트의 픽셀 집합을 제거하는 단계(s130)를 포함할 수 있다.
먼저, 양수의 HU값을 가지는 픽셀 집합을 탐색하는 단계(s110)에서, 컴퓨터 단층촬영 이미지를 화살표 방향(104), 즉, 기계 외부에서 내부로 접근하는 방향으로 탐색하면서, 양수의 HU값을 가지는 픽셀 집합을 찾는다.
이어서, 양수의 HU값을 가지는 픽셀 집합이 기계 아티팩트인지 판단하는 단계(s120)에서, 탐색된 양수의 HU값을 가지는 픽셀 집합이 기계 아티팩트(100)인지 아닌지를 판단한다. 이때, 기계 아티팩트(100)를 판단하는 기준 요소로 허공 픽셀 집합(102)의 길이가 중요시 될 수 있으며, 일례로, 허공 픽셀의 개수는 25개에서 30개 내외일 수 있다.
이때, 허공 픽셀 집합(102)을 이용한 기계 아티팩트(100)를 판단 방법은, 예를 들어, 양수의 HU값을 가지는 픽셀 집합이 발견된 후, 음수의 HU 값을 가지는 일련의 허공 픽셀 집합(102)이 발견되면 이때 발견된 양수의 HU값을 가지는 픽셀 집합은 기계 아티팩트(100)로 판단할 수 있다.
또는, 뇌(10)와 기계 아티팩트(100)의 위치가 매우 가까운 케이스를 가지는 컴퓨터 단층촬영 이미지의 경우, 컴퓨터 단층촬영 이미지를 화살표 방향(104)으로 탐색 하였을 때, 양수의 HU값을 가지는 픽셀 집합이 발견된 후, 또 다른 양수의 HU 값을 가지는 픽셀 집합이 발견되면, 두번째 발견한 양수의 HU값을 가지는 픽셀 집합은 뇌(10)의 픽셀로 판단하고 첫번째 발견한 픽셀 집합은 기계 아티팩트(100)로 판단한다.
다음으로, 기계 아티팩트의 픽셀 집합을 제거하는 단계(s130)에서, 기계 아티팩트(100)로 판단된 양수의 HU값을 가지는 픽셀 집합을 제거할 수 있다. 한편, 두번째 양수의 HU값을 가지는 픽셀 집합이 발견되지 않을 경우는, 앞서 설명한 두 가지 방법을 조합하여 기계 아티팩트(100) 부분을 제거할 수 있다.
다시 도1을 참조하면, 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법은, 컴퓨터 단층촬영 이미지에서 기계 아티팩트(100)를 제거한 후, 뇌의 바운더리 포인트를 설정할 수 있다(s200).
도 4는 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법에서 뇌의 바운더리 포인트를 설정하는 방법의 모식도이다.
도 5는 본 발명의 일 실시예에 따른 뇌의 바운더리 포인트를 설정하는 단계를 상세히 설명하기 위한 순서도이다.
본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법은, 뇌 부분의 상, 하, 좌, 우의 가장자리 점을 설정해줌으로써, 뇌의 길이와 폭을 알 수 있으며, 수학적으로 접근하는 것이 가능하다. 또한, 뇌의 상, 하, 좌, 우의 가장자리 점을 이용하여 뇌를 4분면으로 구분할 수 있다. 이때, 뇌의 상, 하, 좌, 우의 가장자리 점을 뇌의 가장자리 점, 즉 바운더리 포인트라고 한다.
도 4와 도 5를 참조하면, 뇌의 바운더리 포인트를 설정하는 단계(s200)는, 뇌의 수평축을 설정하는 단계(s210); 뇌의 좌측과 우측의 바운더리 포인트를 설정하는 단계(s220); 바운더리 포인트 재설정 단계(s230); 뇌의 수직축을 설정하는 단계(s240); 뇌의 상측과 하측의 바운더리 포인트를 설정하는 단계(250); 바운더리 포인트 재설정 단계(260)를 포함할 수 있다.
먼저, 뇌의 수평축을 설정하는 단계(s210)에서, HU 값이 양수의 값을 가지는 픽셀이 가장 많이 존재하는 행을 탐색한다. 이때 양수의 HU 값을 가지는 픽셀이 가장 많이 존재하는 행은 뇌에서 가장 두꺼운 폭을 가지는 행이며, 이 행을 뇌의 중심 수평축(210)으로 설정할 수 있다.
이어서, 연속된 양수 픽셀 집합의 왼쪽과 오른쪽 가장자리를 각각 뇌의 좌측 바운더리 포인트(left boundary point)(232), 우측 바운더리 포인트(right boundary point)(220)로 설정한다(s220).
이어서, 바운더리 포인트 재설정 단계(s230)에서, 좌측 바운더리 포인트를 뇌(10) 조직의 가장자리로 이동시켜, 바운더리 포인트를 재설정 해 줄 수 있다.
도 6은 본 발명의 일 실시예에 따른 뇌의 바운더리 포인트를 재설정하는 모식도이다.
도 6을 참조하면, 처음 설정된 바운더리 포인트(left boundary point)(202)는 두개골 바깥쪽에 존재한다. 따라서, 뇌 조직의 가장자리로 바운더리 포인트를 재설정하는 것이 필요하다.
바운더리 포인트를 재설정하는 단계(s200)는 먼저, 도 6에 표시된 화살표 방향(201) 즉, 뇌의 중심 방향으로 픽셀 시퀀스(pixel sequence)(20)를 탐색한다. 일례로, 픽셀 시퀀스(20)는 [조직(22), 뼈(24), 뼈(24), 뼈(24)]일 수 있다. 이어서, [조직(22), 뼈(24), 뼈(24), 뼈(24)]의 픽셀 시퀀스(20)가 발견되면, 해당 픽셀 시퀀스(20)내의 조직 픽셀(22)의 좌표를 새로운 바운더리 포인트(modified boundary point)(200)로 재설정한다. 그러나 탐색과정에서 [조직(22), 뼈(24), 뼈(24), 뼈(24)]와 같은 픽셀 시퀀스(20)가 발견되지 않는 경우는 처음 설정된 바운더리 포인트(202)에서 30 픽셀만큼 뇌의 중심방향(201)으로 이동한 지점(200)을 바운더리 포인트로 재설정 할 수 있다. 이때, 픽셀 시퀀스(20)의 탐색은 뇌의 중심까지만 이루어 진다.
한편, 도 4를 참조하면, 우측 바운더리 포인트(220)의 경우, 두개골의 함몰로 인하여 머리가 열려있으므로 안쪽에 뼈 픽셀(24)이 존재하지 않을 수 있다. 따라서 이와 같은 경우는 바운더리 포인트의 재설정 단계(s200)를 생략할 수 있다
다시 도 5를 참조하면, 본 발명의 일 실시예에 따른 뇌의 바운더리 포인트를 설정하는 방법은, 뇌의 좌측 바운더리 포인트(230)와 우측의 바운더리 포인트(220)를 양 끝점으로 하는 수평축(210)의 중점을 설정하고, 해당 픽셀의 열에 해당하는 픽셀 집합을 뇌의 수직축으로 설정할 수 있다(s240).
이어서, 뇌의 상측과 하측의 바운더리 포인트를 설정하는 단계(s250)에서 뇌의 수직축의 윗쪽에 존재하는 끝점을 상측 바운더리 포인트(252), 아랫쪽을 하측 바운더리 포인트(262)로 설정할 수 있다.
다음으로, 바운더리 포인트 재설정 단계(s260)에서, 앞서 설명한 좌측 바운더리 포인트(230)의 재설정 과정과 같은 방법으로, 기 설정된 상측 바운더리 포인트(252)와 하측의 바운더리 포인트(262)를 뇌조직의 가장자리(250, 260)로 재설정한다.
도 7은 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법에서 뇌의 바운더리 포인트를 이용하여 뇌를 네개의 분할 평면으로 분할한 것을 도시하고 있는 도면이다. .
도 7을 참조하면, 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지 아티팩트 제거 방법은 상술한 뇌의 수평축(210)과 수직축(240)을 이용하여 컴퓨터 단층촬영 이미지의 뇌 부분을 4개의 분할 평면으로 나눌 수 있다. 일례로, 우측 위쪽평면을 제 1사분면(32), 좌측 위쪽 평면을 제 2사분면(34), 좌측 아래쪽 평면을 제 3사분면(36), 우측 아래쪽 평면을 제 4사분면(38)으로 설정할 수 있다.
다시 도1을 참조하면, 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법은 뇌의 바운더리 포인트를 설정한 후, 컴퓨터 단층촬영 이미지의 두개골에 존재하는 작은 균열(tiny fracture)과 큰 균열(big fracture)을 제거할 수 있다(s300, s400). 이때, 두개골의 균열을 작은 균열과 큰균열로 구분하는 방법은, 일례로, 컴퓨터 단층촬영 이미지에서 X축, Y축과 평행한 방향으로 균열이 존재하며, 길이가 20픽셀 이하의 균열, 또는 균열의 기울기가 1이나 -1인 방향으로 존재함과 동시에 균열의 길이가 15픽셀 이하인 경우는 작은 균열로 간주 할 수 있다. 한편, 균열의 크기가 상술한 작은 균열의 조건보다 크거나 균열이 두 사분면 사이에 걸쳐서 존재하는 경우, 해당 균열은 큰 균열로 간주할 수 있다. 다만 이와 같은 기준은 사용자의 선택에 따라 변경 가능하다.
도 8은 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지에서, 작은 균열의 일례를 도시한 모식도이다.
도 9는 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지에서, 작은 균열과 큰 균열의 일례를 보여주는 실제 이미지이다.
다시 도 1을 참조하면, 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법은, 컴퓨터 단층촬영 이미지의 두개골에 내에 존재하는, 균열이 너무 작아 제대로 잡히지 않는 작은 균열(300)을 먼저 제거할 수 있다(s300).
두개골 내의 작은 균열을 제거하는 단계(s300)는, 작은 균열(300)로 간주되는 균열들 내에, 균열로 벌어진 부분의 픽셀을 모조뼈 픽셀(pseudo skull pixel)로 대체해줄 수 있다. 여기서, 모조뼈 픽셀이란, 뼈와 동일한 HU값의 범위를 가지는, 즉, HU값이 80 이상의 임의의 값을 가지는 인위적인 픽셀을 의미한다. 이때, 작은 균열(300)의 경우, 균열의 개수는 상관없이 처리된다.
이어서, 뇌의 균열의 시작점과 끝점을 찾고, 이에 따른 대칭축을 설정하여 뇌의 큰 균열(400)을 제거할 수 있다(s400). 이때, 균열의 크기가 상술한 작은 균열(300)의 조건보다 크거나 균열이 두 사분면 사이에 걸쳐서 존재하는 경우, 해당 균열은 큰 균열(400)로 간주할 수 있다. 이는 개두술 환자의 컴퓨터 단층촬영 이미지에서 매우 중요한 과정이 될 수 있다. 한편, 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지의 아티팩트 제거방법은 컴퓨터 단층촬영 이미지에 큰 균열이 하나라고 가정한다.
도 10은 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지에서, 두개골내의 큰 균열을 제거하는 단계를 상세히 설명하기 위한 순서도이다.
도 10을 참조하면, 본 발명의 일 실시예에 따른 두개골내의 큰 균열을 제거하는 단계(s400)는, 균열의 시작점과 큰 균열의 끝지점을 탐색하는 단계(s420); 큰 균열을 4가지 유형으로 분류하는 단계(s440); 및 큰 균열을 제거하는 단계(s460)를 포함한다.
먼저, 본 발명의 일 실시예에 따른 두개골내의 큰 균열을 제거하는 단계(s400)는 균열의 시작점과 균열의 끝지점을 탐색한다(s420).
컴퓨터 단층촬영 이미지의 각 픽셀은 i좌표와 j좌표를 가진다. 이때, i좌표는 세로축 픽셀들을 나타내며, 픽셀이 아래쪽으로 갈수록 좌표값이 증가할 수 있다. j좌표는 가로축 픽셀들을 나타내며, 픽셀이 오른쪽으로 갈수록 픽셀의 좌표값이 증가할 수 있으나 기준에 따라서 달라질 수 있으며 이에 제한된 것은 아니다.
균열의 시작점 탐색은 뇌의 중심축(center axis)으로부터 시작되고, i값을 증가시키는 방향으로 뼈 픽셀을 탐색해 나갈 수 있으며, 상측 바운더리 포인트부터 하측 바운더리 포인트까지 진행한다. 이때, 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 아티팩트 제거 방법에서 두개골의 균열을 찾는 방법은 뼈 픽셀을 이용할 수 있다.
도 11은 컴퓨터 단층촬영 이미지에서 균열의 시작점과 동일한 높이에 션트 혹은 카세터가 있는 경우를 예시한 도면이다.
한편, 도 11에 도시된 바와 같이, 뼈(24)와 션트 또는 카세터(40)가 균열의 시작점과 동일한 높이에 위치할 경우, 뼈(24) 픽셀, 션트 또는 카세터(40) 픽셀이 가지는 HU값의 범위는 동일하기 때문에, 뼈(24) 픽셀, 션트 또는 카세터(40) 픽셀을 구분하는데 어려움이 따를 수 있다.
도 12 는 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지에서 균열의 시작점을 균열의 시작점을 탐색하는 과정에서, 균열의 시작점이 션트 픽셀에 잡히게 되는 오류를 도시한 도면이다.
도 12를 참조하면, 동그라미로 표시된 픽셀(50)은 원래 잡혀야 하는 균열의 시작점의 위치이고, 삼각형으로 표시된 픽셀(54)은 잘못 잡힌 균열의 시작점의 위치를 나타낸다. 중심축(240) 픽셀로부터 j값을 증가시키는 방향(301)으로 균열의 시작점을 탐색해 나가되, 중심축의 i좌표만을 증가시키면서 탐색해 나가면, 균열의 시작점이 동그라미로 표시된 픽셀(50)의 위치에 잡히지 못하고, 션트 또는 카세터(40) 내의 삼각형으로 표시된 픽셀(54)의 위치에 잘못 잡히게 되는 오류가 발생할 수 있다. 이러한 경우, 균열을 덮어주는 과정에서 제대로 된 두개골 면을 형성하지 못하고 많은 뇌 조직 픽셀들의 손실이 일어날 수 있다. 따라서 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법에서는 개선된 알고리즘을 적용할 수 있으며, 균열의 시작점을 더욱 효율적으로 탐색하는 것이 가능하다.
도 13은 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법에서 균열의 시작점을 탐색하는 방법을 도시한 도면이다.
도 13을 참조하면, 균열의 시작점을 탐색하는 개선된 방법은, 뇌의 중심축(240) 픽셀로부터 탐색이 시작된다. 예를 들어, 제 1사분면(32)에 존재하는 균열의 시작점을 탐색할 경우, 중심축(240) 픽셀로부터j 값을 증가시키는 방향(301)으로 뼈 픽셀(52)을 탐색하되, 처음의 행에서 뼈 픽셀(52)을 발견하면, i값을 증가시켜 다음 아래의 행으로 내려가고 다시 j값을 증가시켜 뼈 픽셀(52) 탐색을 진행한다. 이때, 균열이 시작되는 지점의 행에서는 뼈 픽셀(52)이 탐색되지 않는다. 따라서, 만약, j값을 증가시켜 컴퓨터 단층촬영 이미지의 우측 바운더리 포인트(220)에 도달하였으나, 뼈 픽셀(52)을 발견하지 못하면, 두개골의 균열을 발견한 것이라고 판단한다. 따라서, 전 행에서 저장한 두개골 픽셀(50)의 좌표를 균열의 시작점으로 저장할 수 있다. 그러나, i 좌표가 하측 바운더리 포인트(260)를 넘어서면 균열의 시작점 탐색이 종료되며, 이 경우 균열의 시작점은 없는 것으로 판단한다. 따라서, 뇌 조직 픽셀을 모두 읽을 필요 없이 두개골 면을 따라서 픽셀들을 읽어가므로 균열의 시작점이 잘못 잡히는 오류를 피할 수 있고, 균열의 시작점을 정확히 탐색하는 것이 가능하다.
이어서, 균열의 끝점의 탐색 방법은 아래쪽에서 위쪽으로 올라가면서 탐색을 하는 것을 제외하고, 균열의 시작점 탐색 방법과 동일하다.
한편, 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 아티팩트 제거 방법은 균열의 시작점과 균열의 끝점이 모두 발견되면, 큰 균열이 존재한다고 판단하고, 균열지수(fracture_flag)를 1로 설정하고, 균열이 하나도 발견되지 않을 경우, 균열지수(fracture_flag)를 0으로 설정할 수 있다.
도 14는 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지의 아티팩트 제거방법의 균열지수(fracture_flag)기 0과 1일때의 일례를 도시한 도면이다.
도 14를 참조하면, 균열지수가 1이면 큰 균열이 존재하는 것(310)을 의미하고, 균열지수가 0이면 균열이 존재하지 않는 것(312)을 의미한다.
한편, 큰 균열의 탐색은 뇌의 분할된 4개의 평면에서 모두 이루어지며, 제 2사분면(34), 제3사분면(36), 및 제4사분면(38)에서 균열의 시작점과 균열의 끝점을 탐색하는 과정도, 제1사분면에서 균열을 탐색하는 과정과 탐색 방향만 다를 뿐 그 방법은 동일하다. 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지의 아티팩트 제거방법은 큰 균열은 하나라고 가정하기 때문에, 한 면에서 균열의 시작점과 끝점이 모두 발견되더라도 균열지수가 1이 되면, 큰 균열의 탐색은 종료된다.
다음으로, 균열을 4가지 유형으로 분류하는 단계(s440)에서 큰 균열의 종류를 위쪽 균열, 아래쪽 균열, 왼쪽 균열, 오른쪽 균열로 분류할 수 있다.
도 15는 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법에서 균열을 위치에 따라 네가지 유형으로 분류하는 것을 나타낸 도면이다.
도 15에 도시된 동그라미는 균열의 시작점(50)을 나타내며, 정사각형은 균열의 끝점(55)을 의미한다. 이때, 균열을 분류하기 위해서는 먼저 시작점과 끝점의 위치가 뇌의 분할된 평면의 어느 사분면에 존재하는지를 판단해야 한다. 구체적으로, 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법은 균열의 시작점(50)과 균열의 끝점(55)이 어느 사분면에 위치하느냐에 따라서 균열을 네 가지 유형으로 구분할 수 있다. 일례로, 1사분면(32)에 균열의 시작점(50)이 있고, 4사분면(38)에 균열의 끝점(55)이 있으면, 오른쪽 균열(410)로 분류한다. 이어서, 2 사분면(34)에 균열의 시작점(50)이 있고, 3사분면(36)에 균열의 끝점(55)이 있으면 왼쪽 균열(420)로 분류한다. 마찬가지로, 2사분면(34)에 균열의 시작점(50)이 있고, 1사분면(32)에 균열의 끝점(55)이 있으면 위쪽 균열(430)로 분류한다. 또한, 3사분면(36)에 균열의 시작점(50)이 있고, 4사분면(38)에 균열의 끝점(55)이 있으면 아래쪽 균열(440)로 분류할 수 있다.
다음으로, 균열을 제거하는 단계에서, 발견된 큰 균열의 픽셀의 HU 값을 반대편의 닫힌 두개골의 면과 대칭시켜, 두개골 픽셀의 HU값, 또는 모조 픽셀의 HU값으로 오버레이할 수 있다. 일례로, 오른쪽 균열(410)과 왼쪽 균열(420) 중, 어느 한쪽에서 균열이 발견되면, 반대쪽의 정상인 부분의 두개골 라인과 대칭시켜, 균열이 있는 부분의 HU값을 대칭된 정상인 부분의 두개골 라인 픽셀의 HU값으로 바꿔 줌으로써 두개골의 균열을 제거하여 줄 수 있다. 이때, 오른쪽 균열(410)과 왼쪽 균열(420)이 동시에 발견되면, 위쪽 균열(430) 또는 아래쪽 균열(440)이 존재하는 것으로 보고, 균열의 픽셀을 모조뼈 픽셀로 오버레이하는 과정은 생략하는 것이 가능하다.
이어서, 위쪽 균열(430)과 아래쪽 균열(440)의 존재 여부를 확인한다. 만약, 위쪽 균열(430)과 아래쪽 균열(440) 중 어느 한군데에서 균열이 발견되면 반대쪽의 정상인 부분의 두개골 라인을 이용하여 상술한 오른쪽 균열(410) 또는 왼쪽 균열(420)을 제거하는 방법과 같은 방법으로 위쪽 균열(430) 또는 아래쪽 균열(440)을 제거할 수 있다. 균열을 발견하였을 때, 균열을 두개골 픽셀로 오버레이하는 작업은 네 가지 유형의 균열이 분할 평면의 각 사분면과 방향만 다를 뿐 모두 동일하다.
한편, 두개골 픽셀로 균열을 오버레이할때, 머리를 열기 전 형태를 최대한 근사하기 위하여 균열이 없는 반대편의 정상의 두개골 라인에 대한 대칭축을 균열의 시작점(50)과 균열의 끝점(55)을 이용하여 설정하고, 그 대칭축을 기준으로 두개골 면의 형태를 전사시키는 과정이 필요할 수 있다.
오른쪽 균열에 대한 대칭축을 구하고 두개골 면을 전사시키는 과정을 수학적으로 나타내면 다음과 같다.
오른쪽 균열이 시작되는 지점을 수학식 1과 같이 정의한다.
오른쪽 균열이 끝나는 지점을 수학식 2와 같이 정의한다.
여기서, x와 y는 이미지상의 픽셀의 i 좌표와 j 좌표를 의미한다. 이어서, 직선과 뇌 조직이 동시에 접하는 반대쪽 두개골 픽셀을 수학식 3과 같이 정의한다.
이어서, 직선과 뇌 조직이 동시에 접하는 반대쪽 두개골 픽셀을 수학식 4와 같이 정의한다.
이때, 점 A와 D의 중점의 좌표를 수학식(1)과 (4)를 통하여 나타내면 수학식 5와 같다.
또한, 점 B와 점 C의 중점의 좌표를 수학식(2)와 (3)을 통하여 나타내면 수학식 6과 같다.
이어서, 수학식 (5)와 (6)에 따라, 이 두 점을 지나는 직선의 방정식은 수학식 7과 같이 정의된다.
여기서, 수학식(7)은 두개골면의 형태를 전사시키는데 기준이 되는 대칭축으로 사용된다. 전사시키려고 하는 반대쪽의 균열이 없는 두개골면의 형태를 음함수 형태로 정의하면 수학식 8과 같다.
여기서, 수학식 (7)을 대칭축으로 전사되는 두개골면의 형태를 나타내면 수학식 9와 같다.
여기서, M은 아래와 같은 수학식 10으로 나타낼 수 있다.
또한, N은 수학식 11과 같다.
위와 같이 두개골면의 형태를 따면, 이 형태를 따라서 균열이 있는 부분과 그 균열 바깥쪽을 모두 뼈 픽셀로 덮어준다. 이때, 뼈 픽셀로 덮어주는 이유는 다음 과정인 아티팩트 과정에서 전제되는 가정인 모든 뇌 티슈는 두개골로 싸여있다는 가정 때문이다. 따라서, 나머지 균열도 같은 방법으로써 처리한다.
도 16은 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법에서, 작은 균열의 벌어진 부분이 모조뼈 픽셀로 오버레이된 결과를 도시한 도면이다.
한편, 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 아티팩트 제거 방법은 최대한 뇌를 열기 전의 자연스러운 두개골 형태를 복원하기 위해서 균열의 시작점과 끝점을 설정한 후, 균열의 시작점과 끝점을 재설정하여 보정해 주는 단계를 더 포함할 수 있다. 이때, 균열의 시작점과 균열의 끝점을 재설정하는 방법은 균열의 시작점과 균열의 끝점을 찾으면, 대칭축을 설정하기 전에 저장했었던 균열의 반대쪽에 존재하는 뼈 픽셀로 좌표를 옮겨주는 것이 가능하다.
도 17은 균열의 시작점과 끝점을 재설정하지 않은 경우와 재설정한 경우에 큰 균열이 발생한 부분을 모조뼈 픽셀로 오버레이한 결과를 비교하여 보여주고 있는 도면이다.
도 17의 (a)는 균열의 부분이 모조뼈 픽셀(60)로 오버레이 되기 전의 컴퓨터 단층촬영 이미지이고, (b)는 균열의 시작점과 균열의 끝점을 재설정하는 단계를 포함하지 않은 아티팩트 제거 방법을 이용하여 큰 균열의 발생 부분이 모조뼈 픽셀(60)로 오버레이된 개두술 환자의 컴퓨터 단층촬영 이미지이며, (c)는 균열의 시작점과 균열의 끝점을 재설정하는 단계가 더 포함된 아티팩트 제거 방법을 이용한 개두술 환자의 컴퓨터 단층촬영 이미지에서 큰 큔열이 모조뼈 픽셀(60)로 오버레이된 결과(70)이다. 도 17을 참조하면, 균열의 시작점과 균열의 끝점을 재설정함으로써, 모조뼈 픽셀로 뇌의 균열이 일어난 부분을 오버레이 했을 때, 더욱 자연스러운 결과를 얻는 것이 가능하다.
다시 도 1을 참조하면, 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 아티팩트 제거 방법은 마지막으로, 뼈 픽셀을 제외한 픽셀 값을 제거함으로써, 모든 컴퓨터 단층촬영 이미지를 일괄적으로 아티팩트를 제거하고, 순수한 뇌조직만을 추출하는 것이 가능하다.
이때, 일반적으로, 분석하고자 하는 CT 사진의 범위는 소뇌 부분에서부터 정수리 전까지이므로, 일괄분석(batch analysis)을 할 때, 비강 이하 부분과 정수리 부분의 컴퓨터 단층촬영 이미지는 분석을 생략하는 과정이 필요할 수 있다. 비강 이하 부분과 정수리 부분의 공통적인 특징은 다른 부분보다 뼈 픽셀의 비율이 훨씬 높다. 따라서, 정수리 부분과 비강 이하 부분을 판별하는데 뇌 조직 픽셀과 뼈 픽셀의 비를 사용할 수 있다.
본 발명에 따른 일 실시예에서, 19명의 환자를 대상으로 한 수많은 일괄분석을 실행하였을 때, 뼈 픽셀의 개수와 뇌 조직 픽셀의 개수의 비가 0.7:1 이상일 때 비강 이하를 구분하는 성능이 가장 뛰어났으나, 이러한 기준은 정수리 부분 근방의 컴퓨터 단층촬영 이미지들의 분석도 생략되는 결과를 가져왔다. 따라서 뇌의 가장자리 점을 이용하여 뇌의 폭과 길이를 근사적으로 알아내고, 이를 통하여 크기마다 뼈 픽셀의 개수와 뇌 조직 픽셀의 개수의 비의 기준을 다르게 해 주는 것이 효율적일 수 있다.
일례로, 뇌의 폭과 길이가 150 픽셀 미만인 경우, 뼈 픽셀 대 뇌 조직 픽셀의 비율이 10:1인 경우를 기준으로 할 수 있고, 뇌의 폭과 길이가 150 픽셀 이상 250 픽셀 이하의 경우 그 기준을 5:1로 할 수 있다. 그리고 뇌의 폭과 길이가 100 미만인 경우, 이는 비율과 상관없이 정수리로 판단하고 분석을 생략하는 것이 가능하다.
아티팩트를 제거하는 단계(s500)는 컴퓨터 단층촬영 이미지의 가장자리부터 안쪽 방향으로 픽셀을 읽어가다가 뼈 픽셀을 발견하면 그 전까지 읽었던 모든 픽셀을 제거하고 다음 행 혹은 열로 넘어간다. 이때, 픽셀을 읽는 방향은 이미지의 왼쪽 위 끝점부터 오른쪽 아래 끝점까지, 오른쪽 위 끝점부터 왼쪽 아래 끝점까지, 왼쪽 아래 끝점부터, 오른쪽 위 끝점까지, 오른쪽 아래 끝점부터 왼쪽 위 끝점까지 총 네 방향으로 읽어 줄 수 있다. 이때, 아티팩트를 제거하는 방법은 방향만 다를 뿐 알고리즘은 모두 동일하다.
아티팩트를 제거하기 위해서는 뇌 조직이 모두 두개골로 덮여있다는 가정이 필요하다. 따라서, 뇌 조직이 두개골로 덮이지 않는 부분이 있다면, 그 행 혹은 열의 뇌 조직이 모두 제거되는 오류가 발생할 수 있다.
도 18은 균열의 시작점과 션트 또는 카세터가 비슷한 위치에 있는 경우, 개선된 알고리즘을 사용하여 컴퓨터 단층촬영 이미지를 처리한 결과를 나타낸 도면이다.
도 18 의 (a)는 아티팩트가 제거되기 전의 컴퓨터 단층촬영 이미지이고, (b)는 아티팩트가 제거된 컴퓨터 단층촬영 이미지이다.
한편, 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법을 이용하는 컴퓨터 단층촬영 이미지의 아티팩트 제거 장치는 메모리, 및 메모리와 인터페이싱하도록 정렬된 프로세싱 유닛을 포함할 수 있다.
또한, 본 발명의 일 실시예에 따른 컴퓨터 단층촬영의 아티팩트 제거 장치는 아티팩트가 제거된 환자 컴퓨터 단층촬영 이미지에서 뇌조직의 HU값의 분포를 추출하고자 한다. 이때, 측두골 (temporal bone) 아래의 경우, 복잡한 뼈 구조로 인하여 아티팩트 제거가 용이하지 않기 때문에 안정적으로 뇌 조직만을 추출할 수 있는 측두골 위부터 정수리 사이의 컴퓨터 단층촬영 이미지들을 분석에 이용할 수 있다.
컴퓨터 단층촬영 이미지에서, 주요한 두개골 내의 요소들 즉, 뇌조직, 뇌척수액, 혈액 등의 각각의 픽셀들은 0이상 79이하의 특정 HU값을 가진다. 따라서, 감쇠 문턱치값은 0부터 79까지로 제한할 수 있으며, 0부터 79 이하의 HU값을 가지지 않는 픽셀들은 분석에서 제외할 수 있다. 따라서, 컴퓨터 단층촬영 이미지에서 HU값을 가지는 특정 픽셀들의 비율은 아래와 같은 간단한 수학식을 사용함으로써 얻어질 수 있다.
이때, p λ 은, 컴퓨터 단층촬영 이미지 내에서 0에서 79 사이의 HU값을 가지는 HU값을 각각의 픽셀들의 비율을 의미하며, 컴퓨터 단층촬영이미지에서 해당 비율은 0부터 100사이의 백분율 값을 가진다. 또한, p λ 의 정의에 따라, 모든 p λ 의 합은 100이 된다.
일례로, 외상성 뇌손상 환자(Traumatic Brain Injury)의 경우, 컴퓨터 단층촬영 검사에서 여러장의 컴퓨터 단층촬영 이미지가 획득된다. 만약, n장의 컴퓨터 단층촬영 이미지를 획득하였다면, 이중 k번째 컴퓨터 단층촬영 이미지에서 λHU를 갖는 픽셀의 개수는 λ c k 이다. 이에 따라 전체 컴퓨터 단층촬영 이미지에서 0부터 79사이의 HU값을 가지는 픽셀 수 E 는 아래의 수학식 13과 같이 표현될 수 있다.
따라서, 컴퓨터 단층촬영 이미지 내에서 0에서 79 사이의 HU값을 가지는 픽셀의 비율은 수학식 14와 같이 표현된다.
여기서, n은 획득된 컴퓨터 단층촬영 이미지의 개수를 의미한다.
뇌손상환자의 뇌조직의 HU값의 분포는 모든 λ에 대하여, p λ 을 계산해 줌으로써, 획득할 수 있다. 만약, 뇌손상 환자의 뇌조직의 특정 픽셀의 HU값의 분포의 차이가 있다면, 이는 뇌부종 정도의 차이를 나타내는 유의미한 결과를 의미할 수 있다.
또한, 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 아티팩트 제거 방법에 의하면, 개두술 환자의 컴퓨터 단층촬영 이미지에 대하여 자동으로 아티팩트를 제거한 후, 컬러 맵핑(Color mapping) 단계를 더 포함할 수 있으며, 이를 통하여 사용자로 하여금 컴퓨터 단층촬영 이미지 분석을 더욱 용이하게 해주는 것이 가능하다.
도 19는 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 아티팩트 제거 방법을 이용하여 뇌 조직만을 추출한 결과이다.
도 19의 (a)는 아티팩트를 제거하기 전 컴퓨터 단층촬영 이미지이며, (b)는 본 발명의 일 실시예에 따라 컴퓨터 단층촬영 이미지에 존재하는 균열을 두개골의 뼈 픽셀로 오버레이 시키는 과정이며, (c)는 개두술 환자의 컴퓨터 단층촬영 이미지를 본 발명의 일 실시예에 따라 자동으로 아티팩트를 제거한 후, 컬러 맵핑을 해준 결과이다. 이때, (65)는 뼈를, (75)는 뇌 조직을 의미한다.
이어서, 아티팩트가 제거되고, 표준화된 컴퓨터 단층촬영 이미지를 토대로, 뇌조직의 HU값의 분포를 추출하였다.
도 20은 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 이미지 아티팩트 제거 방법에 의하여 심각한 뇌부종 환자와 정상인의 컴퓨터 단층촬영 이미지에서 아티팩트가 제거된 후, HU값의 분포를 도시한 그래프이다.
또한, 추가적으로, 도 20은 지연성 뇌부종으로 판명된 환자의 1차, 2차 그리고 3차 컴퓨터 단층촬영 이미지의 HU 분포의 분석결과를 함께 도시하고 있다. 도 20에 도시된 바와 같이, 정상인의 HU 분포와 뇌부종 환자의 HU 분포가 상이함을 볼 수 있으며, 지연성 뇌부종 환자의 1차, 2차, 3차 컴퓨터 단층촬영 이미지의 HU 분포 또한 심각한 뇌부종 환자의 HU 분포와 유사함을 알 수 있다. 그러나, 지연성 뇌부종으로 판명된 환자의 판독 결과지를 확인해보면, 1차 컴퓨터 단층촬영 이미지의 판독 결과에서는 정상으로 진단하였으며, 시일이 경과한 후 3차 컴퓨터 단층촬영 이미지의 판독 결과에서 지연성 뇌부종으로 진단하였다. 상술한 예와 같이, 판독자의 컴퓨터 단층촬영 이미지의 분석에 있어, 지연성 뇌부종은 뇌 연부조직에 전반적으로 넓게 나타나 눈으로 식별이 어려우며, 개인적인 능력차로 인해 정확한 진단이 어려운 문제점을 지니고 있다. 따라서, 본 발명의 일 실시예에 따른 컴퓨터 단층촬영 아티팩트 제거 방법을 통해, 조기 발견이 예후에 지대한 영향을 미치는 뇌손상 환자의 진단 시 정확한 진단을 가능하게 할 수 있다.
본 발명의 일 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체 및 통신 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. 통신 매체는 전형적으로 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈, 또는 반송파와 같은 변조된 데이터 신호의 기타 데이터, 또는 기타 전송 메커니즘을 포함하며, 임의의 정보 전달 매체를 포함한다.
상술한 본 발명에 따른 컴퓨터 단층촬영 이미지 아티팩트 제거 장치는 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로서 구현되는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체로는 컴퓨터 시스템에 의하여 해독될 수 있는 데이터가 저장된 모든 종류의 기록 매체를 포함한다. 예를 들어, ROM(Read Only Memory), RAM(Random Access Memory), 자기 테이프, 자기 디스크, 플래쉬 메모리, 광 데이터 저장장치 등이 있을 수 있다. 또한, 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 통신망으로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 읽을 수 있는 코드로서 저장되고 실행될 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
10: 뇌 20: 픽셀 시퀀스
22: 조직 픽셀 24: 뼈 픽셀
50: 큰 균열의 시작점 55: 큰 균열의 끝점
100: 기계 300: 작은 균열
400: 큰 균열
210: 수평축 220: 우측 바운더리 포인트
230: 좌측 바운더리 포인트 240: 수직축
250: 상측 바운더리 포인트 260: 하측 바운더리 포인트
410: 오른쪽 균열 420: 왼쪽 균열
430: 위쪽 균열 440: 아래쪽 균열
22: 조직 픽셀 24: 뼈 픽셀
50: 큰 균열의 시작점 55: 큰 균열의 끝점
100: 기계 300: 작은 균열
400: 큰 균열
210: 수평축 220: 우측 바운더리 포인트
230: 좌측 바운더리 포인트 240: 수직축
250: 상측 바운더리 포인트 260: 하측 바운더리 포인트
410: 오른쪽 균열 420: 왼쪽 균열
430: 위쪽 균열 440: 아래쪽 균열
Claims (15)
- 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법에 있어서,
뇌의 단면을 촬영한 컴퓨터 단층촬영이미지로부터 기계 아티팩트를 제거하는 단계;
상기 기계 아티팩트가 제거된 컴퓨터 단층촬영 이미지에서 뇌의 수평축 및 수직축에 위치하는 가장자리 점을 설정하는 단계;
상기 가장자리 점에 기초하여 상기 뇌의 뼈와 뇌조직 경계에 위치하는 가장자리 점을 재설정하는 단계;
상기 가장자리 점이 재설정된 컴퓨터 단층촬영 이미지에서 뇌의 균열의 위치를 탐색하고, 균열 발생 영역을 뼈 픽셀로 오버레이하는 단계; 및
상기 뼈 픽셀이 오버레이된 컴퓨터 단층촬영 이미지로부터 아티팩트를 제거하는 단계를 포함하는 아티팩트 제거 방법. - 제 1항에 있어서,
상기 기계 아티팩트를 제거하는 단계는
양수의 HU(Hounsfield Unit)값을 가지는 픽셀 집합을 탐색하는 단계;
상기 양수의 HU값을 가지는 픽셀 집합이 기계 아티팩트인지 판단하는 단계; 및
상기 기계 부분의 픽셀 집합을 제거하는 단계를 포함하는 아티팩트 제거 방법. - 제 2항에 있어서,
상기 기계 아티팩트인지 판단하는 단계는
양수의 HU값을 가지는 픽셀 집합이 발견된 후, 음수의 HU값을 가지는 픽셀 집합이 발견되면,
상기 양수의 HU값을 가지는 픽셀 집합을 기계로 판단하는 아티팩트 제거 방법. - 제 3항에 있어서,
상기 음수의 HU값을 가지는 픽셀 집합은 허공 픽셀 집합일 수 있으며,
상기 허공 픽셀의 개수는 25개에서 35개 사이인 것인 아티팩트 제거 방법. - 제 1항에 있어서,
상기 가장자리 점을 설정하는 단계는
뇌의 수평축을 설정하는 단계를 포함하고,
상기 수평축은 양수의 HU 값을 가지는 픽셀이 가장 많이 존재하는 행인 것인 아티팩트 제거 방법. - 제 1항에 있어서,
상기 가장자리 점을 재설정하는 단계는
상기 뇌조직의 중심방향으로 픽셀 시퀀스를 탐색하는 단계를 포함하고,
상기 픽셀 시퀀스는 하나의 조직 픽셀과 복수의 뼈 픽셀을 포함하는 것인 아티팩트 제거 방법. - 제 6항에 있어서,
상기 픽셀 시퀀스를 탐색하는 단계에서 상기 픽셀 시퀀스가 탐색되지 않을 경우,
처음 설정된 가장자리 점으로부터 뇌의 중심방향으로 25에서 35픽셀 이동한 지점을 뇌의 가장자리 점으로 설정하는 아티팩트 제거 방법. - 제 1항에 있어서,
상기 균열 발생 영역을 뼈 픽셀로 오버레이하는 단계는
상기 균열을 작은 균열과 큰 균열로 구분하는 단계를 포함하는 아티팩트 제거 방법. - 제 8항에 있어서,
상기 작은 균열과 큰 균열을 구분하는 단계는
컴퓨터 단층촬영 이미지에서 X축, Y축과 평행한 방향으로 균열이 존재하며, 길이가 20픽셀 이하의 균열
또는 균열의 기울기가 1 또는 -1의 방향으로 존재하며, 균열의 길이가 15픽셀 이하인 균열을 작은 균열로 구분하고,
균열의 크기가 상기 작은 균열의 기준보다 크면 큰 균열로 구분하는 아티팩트 제거 방법. - 제 1항에 있어서,
상기 균열 발생 영역을 뼈 픽셀로 오버레이하는 단계는
상기 균열을 작은 균열과 큰 균열로 구분하는 단계;
상기 작은 균열의 발생 영역을 뼈 픽셀로 오버레이하는 단계; 및
상기 큰 균열의 발생 영역을 뼈 픽셀로 오버레이하는 단계를 포함하는 아티팩트 제거 방법. - 제 10항에 있어서,
상기 큰 균열의 발생 영역을 뼈 픽셀로 오버레이하는 단계는
상기 큰 균열의 시작점과 큰 균열의 끝지점을 탐색하는 단계; 및
상기 큰 균열을 오른쪽 균열, 왼쪽 균열, 위쪽 균열, 아래쪽 균열 중 어느 하나로 균열을 분류하는 단계를 포함하되,
상기 큰 균열의 시작점과 큰 균열의 끝지점이 탐색되면, 균열지수를 1로 설정하고 큰 균열의 탐색을 종료하는 아티팩트 제거 방법. - 제 10항에 있어서,
상기 큰 균열의 시작점과 큰 균열의 끝지점을 탐색하는 단계는
상기 큰 균열의 시작점과 큰 균열의 끝지점을 기초로 큰 균열의 시작점과 큰 균열의 끝지점을 재설정하는 단계를 더 포함하되,
상기 큰 균열의 시작점과 큰 균열의 끝지점을 재설정하는 단계는
기 설정된 상기 큰 균열의 시작점과 큰 균열의 끝지점을 큰 균열의 반대쪽에 존재하는 뼈 픽셀로 좌표를 옮겨주는 것인 아티팩트 제거 방법. - 제 1항에 있어서,
상기 균열 발생 영역을 뼈 픽셀로 오버레이하는 단계는
상기 균열의 발생 영역을 반대쪽의 정상인 부분의 두개골 라인과 대칭시켜 균열이 있는 부분의 HU값을 상기 대칭된 정상인 부분의 뼈 픽셀 HU값으로 오버레이 시키는 것인 아티팩트 제거 방법. - 컴퓨터 단층촬영 이미지의 아티팩트 제거 장치에 있어서,
아티팩트 제거 애플리케이션이 저장된 저장장치, 및
상기 아티팩트 제거 애플리케이션과 인터페이싱하도록 정렬된 프로세싱 유닛을 포함하고,
상기 프로세싱 유닛은 상기 아티팩트 제거 애플리케이션의 실행에 따라,
뇌의 단면을 촬영한 컴퓨터 단층촬영 이미지로부터 기계 아티팩트를 제거하고,
상기 기계 아티팩트가 제거된 컴퓨터 단층촬영 이미지에서 뇌의 수평축 및 수직축에 위치하는 가장자리 점을 설정하고,
상기 가장자리 점에 기초하여 상기 뇌의 뼈와 뇌조직 경계에 위치하는 가장자리 점을 재설정하고,
상기 가장자리 점이 재설정된 컴퓨터 단층촬영 이미지에서 뇌의 균열의 위치를 탐색하고, 상기 균열 발생 영역을 뼈 픽셀로 오버레이하고,
상기 뼈 픽셀이 오버레이된 컴퓨터 단층촬영 이미지로부터 아티팩트를 제거하는 컴퓨터 단층촬영 이미지의 아티팩트 제거 장치. - 제1항에 따른 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 매체.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020140105804A KR101571151B1 (ko) | 2014-08-14 | 2014-08-14 | 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법 |
| US14/823,007 US9721368B2 (en) | 2014-08-14 | 2015-08-11 | Method for eliminating artifact by detecting fracture of the brain in the computed tomography image and the computed tomography apparatus thereof |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020140105804A KR101571151B1 (ko) | 2014-08-14 | 2014-08-14 | 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101571151B1 true KR101571151B1 (ko) | 2015-12-07 |
Family
ID=54872438
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020140105804A KR101571151B1 (ko) | 2014-08-14 | 2014-08-14 | 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US9721368B2 (ko) |
| KR (1) | KR101571151B1 (ko) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101571151B1 (ko) * | 2014-08-14 | 2015-12-07 | 주식회사 케이유엠텍 | 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법 |
| JP6833825B2 (ja) * | 2015-09-04 | 2021-02-24 | ストラックスコープ ピーティワイ リミテッドＳｔｒａｘｃｏｒｐ Ｐｔｙ Ｌｔｄ | 画像内の物体間のギャップを識別する方法及び装置 |
| CN108074223B (zh) * | 2017-12-28 | 2021-09-28 | 中国矿业大学(北京) | 煤岩序列ct图中裂隙网络自动提取方法 |
| CN109671066B (zh) * | 2018-12-14 | 2024-03-26 | 强联智创（北京）科技有限公司 | 一种基于头颅ct影像的脑梗死判断的方法及系统 |
| CN111563940B (zh) * | 2020-07-15 | 2020-10-30 | 南京安科医疗科技有限公司 | 一种步进轴扫ct重建中拼接伪影的去除方法及电子介质 |
| CN115005860B (zh) * | 2022-08-03 | 2022-11-15 | 有方（合肥）医疗科技有限公司 | 一种减少口腔颌面cbct成像运动伪影的方法及装置 |
| CN118154481A (zh) * | 2024-05-09 | 2024-06-07 | 杭州脉流科技有限公司 | 头颈ct影像的倾斜校正方法、计算机设备、可读存储介质和程序产品 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100923098B1 (ko) | 2008-01-15 | 2009-10-22 | (주)이우테크놀로지 | 엑스 레이 씨티 촬영 영상의 메탈 아티팩트를 제거하는방법 |
| US20120141008A1 (en) | 2009-08-11 | 2012-06-07 | Medizinische Universitaet Wien | Method and device for processing 3-d image data of a skull |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7175599B2 (en) * | 2003-04-17 | 2007-02-13 | Brigham And Women's Hospital, Inc. | Shear mode diagnostic ultrasound |
| JP4025823B2 (ja) | 2004-02-24 | 2007-12-26 | 国立精神・神経センター総長 | 脳疾患の診断支援方法及び装置 |
| US7715627B2 (en) * | 2005-03-25 | 2010-05-11 | Siemens Medical Solutions Usa, Inc. | Automatic determination of the standard cardiac views from volumetric data acquisitions |
| US9008394B2 (en) * | 2008-11-26 | 2015-04-14 | General Electric Company | Methods and apparatus for determining brain cortical thickness |
| US10388020B2 (en) * | 2012-04-11 | 2019-08-20 | The Trustees Of Columbia University In The City Of New York | Methods and systems for segmentation of organs and tumors and objects |
| KR101571151B1 (ko) * | 2014-08-14 | 2015-12-07 | 주식회사 케이유엠텍 | 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법 |
| KR101530015B1 (ko) * | 2014-08-29 | 2015-06-18 | 고려대학교 산학협력단 | 컴퓨터 단층촬영 이미지의 밀도 분석 방법 |
-
2014
- 2014-08-14 KR KR1020140105804A patent/KR101571151B1/ko active IP Right Grant
-
2015
- 2015-08-11 US US14/823,007 patent/US9721368B2/en active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100923098B1 (ko) | 2008-01-15 | 2009-10-22 | (주)이우테크놀로지 | 엑스 레이 씨티 촬영 영상의 메탈 아티팩트를 제거하는방법 |
| US20120141008A1 (en) | 2009-08-11 | 2012-06-07 | Medizinische Universitaet Wien | Method and device for processing 3-d image data of a skull |
Also Published As
| Publication number | Publication date |
|---|---|
| US20160048957A1 (en) | 2016-02-18 |
| US9721368B2 (en) | 2017-08-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101571151B1 (ko) | 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법 | |
| KR101530015B1 (ko) | 컴퓨터 단층촬영 이미지의 밀도 분석 방법 | |
| Cid et al. | Efficient and fully automatic segmentation of the lungs in CT volumes. | |
| WO2018001099A1 (zh) | 一种血管提取方法与系统 | |
| CN113711271A (zh) | 用于通过正电子发射断层摄影进行肿瘤分割的深度卷积神经网络 | |
| EP3701495B1 (en) | Tomographic data analysis | |
| US20110002523A1 (en) | Method and System of Segmenting CT Scan Data | |
| US10628941B2 (en) | Image processing apparatus, image processing method, and image processing program | |
| US20130303900A1 (en) | Method and apparatus for processing of stroke ct scans | |
| US20050063579A1 (en) | Method of automatically detecting pulmonary nodules from multi-slice computed tomographic images and recording medium in which the method is recorded | |
| WO2022164374A1 (en) | Automated measurement of morphometric and geometric parameters of large vessels in computed tomography pulmonary angiography | |
| US20150206300A1 (en) | Method and apparatus for extraction and quantification of hematoma from a brain scan such as computed tomography data | |
| US20140228667A1 (en) | Determining lesions in image data of an examination object | |
| US9436889B2 (en) | Image processing device, method, and program | |
| Al-Ashwal et al. | Digital processing for computed tomography images: brain tumor extraction and histogram analysis | |
| US10504229B2 (en) | Medical image processing apparatus and medical image processing method | |
| ITRM20130186A1 (it) | Metodo di localizzazione di elettrodi per il monitoraggio di segnali bioelettrici provenienti dal cervello in pazienti affetti da patologie neurodegenerative | |
| EP3624058A1 (en) | Method and system of analyzing symmetry from image data | |
| Wang et al. | A simple, fast and fully automated approach for midline shift measurement on brain computed tomography | |
| KR101378675B1 (ko) | 영상진단기기를 이용한 뇌수종 진단 방법 및 장치 | |
| US20230282351A1 (en) | Detection of cognitive impairment in human brains from images | |
| Li et al. | A hybrid approach to detection of brain hemorrhage candidates from clinical head ct scans | |
| KR102349360B1 (ko) | 영상 진단기기를 이용한 특발성 정상압 수두증의 진단 방법 및 시스템 | |
| Xu et al. | Diagnostically lossless compression of X-ray angiography images based on automatic segmentation using ray-casting and α-shapes | |
| Kaur et al. | Detection of brain tumor using NNE approach |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E701 | Decision to grant or registration of patent right | ||
| N231 | Notification of change of applicant | ||
| N231 | Notification of change of applicant | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20181119 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20191010 Year of fee payment: 5 |