KR101576058B1

KR101576058B1 - Mri/mra 영상 특성을 활용한 관심부위 선택방법 및 이를 적용한 시스템

Info

Publication number: KR101576058B1
Application number: KR1020140035300A
Authority: KR
Inventors: 정슬기; 박세형
Original assignee: 전북대학교산학협력단
Priority date: 2014-03-26
Filing date: 2014-03-26
Publication date: 2015-12-10
Also published as: KR20150112094A

Abstract

MRI/MRA 영상에서 관심부위 선택방법 및 이를 적용한 시스템이 제공된다. 본 발명의 실시예에 따른 관심부위 선택방법은, 영상의 신호 강도를 기초로 후보 관심부위들을 선정하고, 영상의 신호 강도 구배를 기초로 선정된 후보 관심부위들에서 최종 관심부위들을 추출한다. 이에 의해, 원하는 관심부위(예, 혈관, 뇌경색부)를 좀 더 쉽게 선택할 수 있을 뿐만 아니라, 원하는 관심부위를 보다 충실히 그 주변부(예, 혈관벽 부위)까지 놓치지 않고 선택할 수 있게 된다.

Description

MRI/MRA 영상 특성을 활용한 관심부위 선택방법 및 이를 적용한 시스템{Method of Region Of Interest Selection and System using characteristics of MRI/MRA}

본 발명은 관심부위 선택방법에 관한 것으로, 더욱 상세하게는 MRI 또는 MRA 영상 등의 의료 영상에서 관심부위를 선택하는 방법 및 이를 적용한 시스템에 관한 것이다.

MRI(Magnetic Resonance Imaging) 혹은 MRA(Magnetic Resonance Angiography)는 연부조직 해상력이 뛰어나 병변과 정상조직 감별이 용이하여 임상에서 폭넓게 활용되고 있다.

최근에는 병변의 질적 특성 판별 뿐 아니라 양적 특성을 끌어내 진단과 치료에 활용하는 방법이 점차 넓게 적용되고 있다. 예를 들어, small vessel disease의 인구학적 분포를 통해 치매의 예측 인자를 설정하는 등의 작업이 이에 해당한다. 또한, 병변의 3차원 재조합을 통해 그동안 알려지지 않았던 사실 들을 밝혀내고, 이를 진단에 활용하는 등 자기공명 영상의 활용도가 더욱 넓어지고 있다.

자기공명 영상에서 관심부위(Region Of Interest : ROI)를 추출해내는 방법은 몇 가지로 대별된다.

대표적인 방법이 직접 검사자의 눈으로 병변을 추출해내는 방법이다. 즉, 병변이라 생각되는 부위를 직접 확인하면서 그리거나 추적하고 이를 재조합해 양적 혹은 3차원적 특성을 이끌어내는 것이다. 이는, 검사자의 주관적인 판단 하에 관심부위를 놓치지 않고 추적할 수 있는 장점이 있으나, 시간이 많이 걸려 대량의 자료에 활용하기에는 어려움이 따른다.

또 다른 방법은 자기공명 영상의 특정값 혹은 척도값(isovalue, threshold value)을 추적해 그 이상, 사이, 혹은 이하 값을 갖는 부위를 추적해내는 방법이다. 이는, 현재 가장 널리 활용되는 반자동 방법이라 할 수 있다. 그러나, 자기공명영상 자료는 기기별로 혹은 같은 기기라도 피검자 별로, 심지어 같은 피험자라도 측정시간에 따라 다른 값의 분포를 보이는 것으로 알려져 있어 단순히 하나의 척도값을 통해 관심부위를 선택적으로 추출하기는 쉽지 않다.

즉, 일정 척도값을 활용하여 특정 부위를 선택할 때 주변의 비슷한 잡음 신호가 함께 잡히게 되는데, 이를 조절하기가 쉽지 않은 것이다. 현재로서는 이러한 잡음 신호를 찾아 일일이 지우는 후속 작업이 요구되는 경우가 대부분이다.

도 1에서 보이는 바와 같이, 소스 영상(A)에서, 혈관을 선택하기 위해 혈관 척도값을 낮게 설정한 경우(B), 혈관은 벽 주위까지 충실히 잘 잡히나, 주변의 잡음신호가 많이 포함된다. 반면, 척도값을 높게 설정한 경우는(C), 주변의 신호잡음은 선택되지 않고 깔끔하게 혈관만 선택되었으나, 자세히 보면 혈관 자체의 주변신호(혈관벽에 가까운 부위)가 선택되지 않고 제외되어 있는 것을 알 수 있다. 이와 같이, 기존의 척도값을 이용하는 방법만으로는 혈관벽까지 충실히 잘 선택해내며 주변 잡음신호를 조절하는 것은 매우 까다롭다.

본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서, 본 발명의 목적은, MRI 또는 MRA 영상 등의 의료 영상에서 신호 강도만을 이용한 관심부위 선택 기법의 한계를 극복하고, 최대한 원하는 관심부위를 충실히 선택하며, 주변의 잡음신호를 제거하거나 선택하지 않는 방법 및 이를 적용한 시스템을 제공함에 있다.

상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른, 관심부위 선택방법은, 영상을 획득하는 단계; 영상의 신호 강도(Signal Intensity)를 기초로, 상기 영상에서 후보 관심부위들을 선정하는 단계; 및 상기 영상의 신호 강도 구배(Signal Intensity Gradient)를 기초로, 상기 선정단계에서 선정된 상기 후보 관심부위들에서 최종 관심부위들을 추출하는 단계;를 포함한다.

그리고, 상기 선정단계는, 상기 신호 강도가 제1 척도에 해당하는 부위들을 상기 후보 관심부위들로 선정할 수 있다.

또한, 상기 추출단계는, 상기 신호 강도 구배가 제2 척도에 해당하는 부분들의 내부를 상기 최종 관심부위들로 추출할 수 있다.

그리고, 상기 신호 강도 구배(signal intensity gradient, SIG)는 다음과 같이 구할 수 있다. 즉, 후보 관심부위 내부 신호강도를 이용하여, 1) 신호강도 최대변화방향(r)에서 신호강도차이(

), 2) 세 축방향(x,y,z) 신호강도 차이의 합(

), 또는 3) 세 축방향(x,y,z) 신호강도 차이 제곱의 합(

) 일 수 있다.

또한, 상기 제1 척도 및 상기 제2 척도는, 상기 최종 관심부위들의 종류에 따라 각기 다르게 적용될 수 있다.

그리고, 상기 영상은, MRI(Magnetic Resonance Imaging) 영상, MRA(Magnetic Resonance Angiography) 영상 및 DWI(Diffusion Weighted Image) 중 적어도 하나를 포함할 수 있다.

한편, 본 발명의 다른 실시예에 따른, 컴퓨팅 시스템은, 영상이 표시되는 디스플레이; 및 상기 영상의 신호 강도(Signal Intensity)를 기초로 상기 영상에서 후보 관심부위들을 선정하고, 상기 영상의 신호 강도 구배(Signal Intensity Gradient)를 기초로 선정된 상기 후보 관심부위들에서 최종 관심부위들을 추출하여, 상기 디스플레이에 나타내는 프로세서;를 포함한다.

다른 한편으로, 본 발명의 다른 실시예에 따른, 컴퓨터로 읽을 수 있는 기록매체는, 영상을 획득하는 단계; 영상의 신호 강도(Signal Intensity)를 기초로, 상기 영상에서 후보 관심부위들을 선정하는 단계; 및 상기 영상의 신호 강도 구배(Signal Intensity Gradient)를 기초로, 상기 선정단계에서 선정된 상기 후보 관심부위들에서 최종 관심부위들을 추출하는 단계;를 포함하는 것을 특징으로 하는 관심부위 선택방법을 수행할 수 있는 프로그램이 기록된다.

), 2) 세 축방향(x,y,z) 신호강도 차이의 합(

), 또는 3) 세 축방향(x,y,z) 신호강도 차이 제곱의 합(

) 일 수 있다.

또한, 상기 선정단계는, 상기 신호 강도가 제1 척도에 해당하는 부위들을 상기 후보 관심부위들로 선정하고, 상기 추출단계는, 상기 신호 강도 구배가 제2 척도에 해당하는 부분들의 내부를 상기 최종 관심부위들로 추출하며, 상기 제1 척도 및 상기 제2 척도는, 상기 최종 관심부위들의 종류에 따라 각기 다르게 적용될 수 있다.

이상 설명한 바와 같이, 본 발명의 실시예들에 따르면, 원하는 관심부위 (예, 혈관, 뇌경색부)를 좀 더 쉽게 선택할 수 있을 뿐만 아니라, 원하는 관심부위를 보다 충실히 그 주변부(예, 혈관벽 부위)까지 놓치지 않고 선택할 수 있게 된다.

도 1은 기존의 방법으로 MRA 영상에서 혈관을 선택한 결과를 나타낸 영상,
도 2는 본 발명의 개념 설명에 제공되는 영상,
도 3은 본 발명의 바람직한 실시예에 따른 관심부위 선택방법의 설명에 제공되는 흐름도,
도 4 및 도 5는, 도 3에 도시된 관심부위 선택방법에 따라 관심부위를 선택하는 과정 및 결과를 예시한 도면들,
도 6은 본 발명의 바람직한 실시예에 따른 관심부위 선택방법이 수행될 수 있는 컴퓨팅 시스템의 블럭도이다.

이하에서는 도면을 참조하여 본 발명을 보다 상세하게 설명한다.

본 발명의 실시예에서는, MRI 또는 MRA 영상 등의 의료 영상에서 관심부위(Region Of Interest, ROI)를 선택함에 있어, 자기공명 영상의 신호 강도(Signal Intensity, 영상 값) 외에 자기공명 영상이 가지고 있는 특성을 활용한 자기공명 영상의 신호 강도 구배(Signal Intensity Gradient)를 이용한 관심부위 선택방법을 제시한다.

구체적으로, 본 발명의 실시예에서는, 도 2에 도시된 바와 같이, 기저 혈관 영상의 신호 강도에 대해 낮은 척도 값을 적용하여, 혈관 주변이 최대한 포함되도록 하고, 주변의 잡음 신호(noise signal, 노란색)만을 선택적으로 제거하거나 혹은 잡음신호 자체가 선택되지 않도록 하는 방법을 제시한다.

도 3은 본 발명의 바람직한 실시예에 따른 관심부위 선택방법의 설명에 제공되는 흐름도이다.

도 3에 도시된 바와 같이, 먼저 MRI 또는 MRA 영상을 획득하고(S110), MR 신호 강도의 척도와 MR 신호 강도 구배의 척도를 설정 받는다(S120, S130). S120단계와 S130단계를 통해 설정되는 척도들은, 특정 값 이상, 특정 값 이하, 특정 범위 내 또는 특정 범위 밖으로 설정된다. 이 척도들은, MR 영상에서 선택하고자 하는 관심부위의 종류(예를 들면, 혈관, 조직, 병변)에 따라 달라진다.

이후, S110단계에서 획득한 MR 영상에서, MR 신호 강도가 S120단계를 통해 설정된 척도에 해당하는 부위를 후보 관심부위들로 선정한다(S140).

다음, S140단계에서 선정된 후보 관심부위들에서, MR 신호 강도 구배가 S130단계를 통해 설정된 척도에 해당하는 부분들의 내부를 최종 관심부위들로 추출한다(S150).

후보 관심부위 내부의 특정 위치에서 MR 신호 강도 구배(signal intensity gradient, SIG)는, 후보 관심부위 내부 신호강도를 이용하여 아래의 수학식을 통해 산출가능하다.

1)

, 신호강도 최대변화방향(r)에서 신호강도차이

2)

, 세 축방향(x,y,z) 신호강도 차이의 합, 또는,

3)

, 세 축방향(x,y,z) 신호강도 차이 제곱의 합

식 1에서 "S_B"은 후보 관심부위 내부 특정 위치에서의 신호 강도이며, "S_A"는 후보 관심부위 가장자리의 신호 강도이고, "d_BA"는 후보 관심부위의 가장자리(A)로부터 내부의 특정 위치(B)까지의 거리이다.

이후, S150단계에서 추출된 최종 관심부위들이 구분되어 표시되며(S160), 이에 의해, S120단계와 S130단계를 통해 설정한 척도에 해당하는 관심부위가 다른 부위들과 구분되어 표시된다.

도 3에 도시된 관심부위 선택방법에 따라 뇌 MR 영상에서 뇌혈관을 관심부위로 선택하는 과정 및 결과를 도 4에 제시하였다.

도 4에 나타난 바와 같이, 혈관을 검출하기 위해 신호 강도 척도값을 55로 적용하여 주변의 잡음신호가 많이 포함되었지만(C), 신호 강도 척도값 55를 적용하고 MR 신호 강도 구배 3.0을 적용하였더니 혈관 이외 잡음신호가 선택되지 않고, 혈관만 선택되었음(D)을 확인할 수 있다.

이렇게 선택된 혈관은 이후 3D 재합성이나, MRI 및 MRA를 이용한 여러 가지 특성을 파악하는 데 적절히 사용될 수 있다. MR 신호 강도 구배 설정은 혈관벽을 참고로 값을 계산하므로 혈관벽에 가까운 신호 강도를 놓치지 않는 게 중요하다. 또한 혈관 신호 강도-직경 비(arterial signal intensity to diameter ratio) 산출에도 혈관벽 주변의 낮은 신호 값이 빠지지 않는 정확한 값을 얻을 수 있다. 즉, MR 신호 강도 구배나 혈관 신호 강도-직경 비와 같이 양적 정보를 얻고자 하는 경우는 해당 관심부위의 낮은 신호 강도라 할지라도 이를 놓치지 않고 선택부위에 포함시키는 것이 중요하다.

진단 및 치료에 도움이 되는 양적 정보를 얻기 위해서도 본 발명의 실시예를 적용할 수 있다. 나아가, MRI 또는 MRA 영상 이외의 다른 의료 영상에도 본 발명의 실시예가 적용될 수 있다. 예를 들어, 허혈성 뇌경색을 진단하는 데 가장 진단정확도가 높은 DWI(Diffusion Weighted Image)에도 본 발명의 실시예를 적용할 수 있다. DWI에 의해 결정되는 뇌경색 영역은 환자의 치료방법과 예후를 결정하는 중요한 인자로 정확한 계측이 요구된다.

뇌 MR 영상의 영상 특성은 물분자를 밝은 음영으로, 혹은 어두운 음영으로 처리 하느냐가 기본이 되어 T2-Weighted Image 또는 T1-Weighted Image를 결정한다. DWI의 경우, 물분자의 확산 제한 정도가 영상의 세기를 결정한다. 물분자의 확산 제한 정도가 심할수록 뇌허혈부 영상이 밝아지는 특성을 갖는다. 이는 MR 신호 강도 구배를 적용하기에 적절한 상황이다(도 5 참조).

도 5의 (A)는 DWI 영상으로 좌측 중뇌 동맥부의 하얀 음영이 급성기 뇌허혈부위(뇌경색, 뇌중풍)이다. 뇌경색부를 검출하기 위해 신호 강도 척도값을 1192로 설정하여 선택된 영역(B)에서, 뇌경색부는 충분히 선택되었으나, 반대편 우측 뇌의 건강한 부위도 일부 선택되었음을 알 수 있다.

반면, 척도값을 1618로 적용한 경우 뇌경색 영역(C)은, 주변의 잡음신호는 없으나 뇌경색 부위가 실제 영역보다 적게 선택되었다(선택영역 458.6mm^2).

신호 강도 척도값을 1192로 적용하고 MR 신호 강도 구배 0.7을 적용하여 선택된 부위(D)는 뇌경색 부위가 충분히 잘 잡히면서도 주변의 잡음신호는 선택되지 않음을 알 수 있다(선택영역 814.6 mm^2).

도 6은 본 발명의 바람직한 실시예에 따른 관심부위 선택방법이 수행될 수 있는 컴퓨팅 시스템의 블럭도이다. 도 6에 도시된 바와 같이, 본 실시예에 따른 관심부위 선택방법을 수행할 컴퓨팅 시스템(200)는, 통신 인터페이스(210), 모니터(220), 프로세서(230), 사용자 인터페이스(240) 및 저장매체(250)를 구비한다.

통신 인터페이스(210)는 외부기기와 통신 연결을 설정하고 유지하는 수단으로, 이때 외부기기는 MR 영상장비가 될 수 있다.

사용자 인터페이스(240)는 컴퓨팅 시스템(200)를 조작하기 위한 명령을 입력하는 수단으로 키보드, 마우스 등을 포함한다. 사용자 인터페이스(240)를 통해 신호 강도와 신호 강도 구배의 척도를 입력하게 된다.

저장매체(250)는 도 3에 도시된 혈류특성 유도방법을 수행할 수 있는 프로그램과 이 프로그램을 수행하는데 필요한 데이터가 저장되는 매체이다. 또한, 저장매체(250)에는 MR 영상이 저장되어 있을 수도 있다.

모니터(220)는 관심부위 선택방법을 수행함에 있어 나타나는 과정과 결과가 표시되는 디스플레이이다. 프로세서(230)는 도 3에 도시된 관심부위 선택방법을 알고리즘으로 수행하기 한다.

지금까지, 관심부위 선택방법 및 이를 수행할 수 있는 컴퓨팅 시스템에 대해 바람직한 실시예들을 들어 상세히 설명하였다. 한편, 위 실시예에 따른 관심부위 선택방법을 프로그램으로 구현하는 경우도 본 발명의 기술적 범주에 포함됨은 물론이다.

또한, 이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.

200 : 컴퓨팅 시스템 210 : 통신 인터페이스
220 : 모니터 230 : 프로세서
240 : 사용자 인터페이스 250 : 저장매체

Claims

영상을 획득하는 단계;
영상의 신호 강도(Signal Intensity)를 기초로, 상기 영상에서 후보 관심부위들을 선정하는 단계; 및
상기 영상의 신호 강도 구배(Signal Intensity Gradient)를 기초로, 상기 선정단계에서 선정된 상기 후보 관심부위들에서 최종 관심부위들을 추출하는 단계;를 포함하고,
상기 신호 강도 구배(signal intensity gradient, SIG)는,
신호강도 최대변화방향(r)에서 신호강도차이(
),
세 축방향(x,y,z) 신호강도 차이의 합(
), 또는,
세 축방향(x,y,z) 신호강도 차이 제곱의 합(
)인 것을 특징으로 하는 관심부위 선택방법.
제 1항에 있어서,
상기 선정단계는,
상기 신호 강도가 제1 척도에 해당하는 부위들을 상기 후보 관심부위들로 선정하는 것을 특징으로 하는 관심부위 선택방법.
제 2항에 있어서,
상기 추출단계는,
상기 신호 강도 구배가 제2 척도에 해당하는 부분들의 내부를 상기 최종 관심부위들로 추출하는 것을 특징으로 하는 관심부위 선택방법.
삭제
제 3항에 있어서,
상기 제1 척도 및 상기 제2 척도는,
상기 최종 관심부위들의 종류에 따라 각기 다르게 적용되는 것을 특징으로 하는 관심부위 선택방법.
제 1항에 있어서,
상기 영상은,
MRI(Magnetic Resonance Imaging) 영상, MRA(Magnetic Resonance Angiography) 영상 및 DWI(Diffusion Weighted Image) 중 적어도 하나를 포함하는 것을 특징으로 하는 관심부위 선택방법.
영상이 표시되는 디스플레이; 및
상기 영상의 신호 강도(Signal Intensity)를 기초로 상기 영상에서 후보 관심부위들을 선정하고, 상기 영상의 신호 강도 구배(Signal Intensity Gradient)를 기초로 선정된 상기 후보 관심부위들에서 최종 관심부위들을 추출하여, 상기 디스플레이에 나타내는 프로세서;를 포함하고,
상기 신호 강도 구배(signal intensity gradient, SIG)는,
신호강도 최대변화방향(r)에서 신호강도차이(
),
세 축방향(x,y,z) 신호강도 차이의 합(
), 또는,
세 축방향(x,y,z) 신호강도 차이 제곱의 합(
)인 것을 특징으로 하는 컴퓨팅 시스템.
영상을 획득하는 단계;
영상의 신호 강도(Signal Intensity)를 기초로, 상기 영상에서 후보 관심부위들을 선정하는 단계; 및
상기 영상의 신호 강도 구배(Signal Intensity Gradient)를 기초로, 상기 선정단계에서 선정된 상기 후보 관심부위들에서 최종 관심부위들을 추출하는 단계;를 포함하고,
상기 신호 강도 구배(signal intensity gradient, SIG)는,
신호강도 최대변화방향(r)에서 신호강도차이(
),
세 축방향(x,y,z) 신호강도 차이의 합(
), 또는,
세 축방향(x,y,z) 신호강도 차이 제곱의 합(
)인 것을 특징으로 하는 관심부위 선택방법을 수행할 수 있는 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체.
삭제
제 8항에 있어서,
상기 선정단계는, 상기 신호 강도가 제1 척도에 해당하는 부위들을 상기 후보 관심부위들로 선정하고,
상기 추출단계는, 상기 신호 강도 구배가 제2 척도에 해당하는 부분들의 내부를 상기 최종 관심부위들로 추출하며,
상기 제1 척도 및 상기 제2 척도는, 상기 최종 관심부위들의 종류에 따라 각기 다르게 적용되는 것을 특징으로 하는 관심부위 선택방법을 수행할 수 있는 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체.