KR101580254B1 - 주파수 영역에서의 의료 영상 진단 장치 및 방법 - Google Patents

주파수 영역에서의 의료 영상 진단 장치 및 방법 Download PDF

Info

Publication number
KR101580254B1
KR101580254B1 KR1020120026152A KR20120026152A KR101580254B1 KR 101580254 B1 KR101580254 B1 KR 101580254B1 KR 1020120026152 A KR1020120026152 A KR 1020120026152A KR 20120026152 A KR20120026152 A KR 20120026152A KR 101580254 B1 KR101580254 B1 KR 101580254B1
Authority
KR
South Korea
Prior art keywords
shape
lesion
feature
unit
histogram
Prior art date
Application number
KR1020120026152A
Other languages
English (en)
Other versions
KR20130104553A (ko
Inventor
이종하
성영경
Original Assignee
삼성전자 주식회사
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 삼성전자 주식회사 filed Critical 삼성전자 주식회사
Priority to KR1020120026152A priority Critical patent/KR101580254B1/ko
Priority to US13/792,621 priority patent/US9084578B2/en
Publication of KR20130104553A publication Critical patent/KR20130104553A/ko
Priority to US14/714,863 priority patent/US20150254846A1/en
Application granted granted Critical
Publication of KR101580254B1 publication Critical patent/KR101580254B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Clinical applications
    • 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
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
    • 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
    • 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
    • A61B6/502—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 breast, i.e. mammography
    • 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
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Clinical applications
    • A61B8/0833—Clinical applications involving detecting or locating foreign bodies or organic structures
    • A61B8/085—Clinical applications involving detecting or locating foreign bodies or organic structures for locating body or organic structures, e.g. tumours, calculi, blood vessels, nodules
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical 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
    • G06T2207/10132—Ultrasound image
    • 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
    • G06T2207/30068—Mammography; Breast

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Public Health (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Optics & Photonics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physiology (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Pulmonology (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)

Abstract

일 양상에 따른 주파수 영역에서의 의료 영상 진단 장치는, 의료 영상에서 병변을 검출하고, 병변의 형상을 주파수 영역에서 해석하여 형상 특징 값을 획득하고, 획득된 형상 특징 값을 이용하여 병변의 양성 또는 악성을 판별하는 것이 가능하다.

Description

주파수 영역에서의 의료 영상 진단 장치 및 방법{Apparatus and method for diagnosis of medical image in a frequency domain}
의료 영상을 분석하여 병변의 악성 또는 양성 유무를 진단하는 기술과 관련된다.
유방 초음파 촬영술의 목적은 유방 자가 진단법이나 유방 촬영술에서 놓친 종괴 혹은 병변을 진단하는 것과 동시에 불필요한 조직검사를 줄이는 것이다. 종괴 혹은 병변이란 주위 조직과는 다른 성분이 덩어리를 이루고 있는 것이라 정의된다. 40대 이후의 여성은 유방 촬영술로부터 종괴가 의심되는 결과가 나오면 유방 초음파 검사를 받는 것이 합리적이며, 젊고 마른 여성이나 임산부는 바로 유방 초음파 검사를 받는 것이 좋다. 하지만 아시아 여성과 같이 유방 밀도가 치밀한 경우에 있어서는 유방 촬영술의 민감도가 현저하게 감소한다. 최근에는 유방 초음파 기기의 고주파수 탐촉자가 개발되고 있고 초음파 영상 해상도도 향상하고 있다. 따라서 치밀 유방이 많은 여성, 특히 아시아인들에 있어서는 유방 초음파 촬영술이 유방암의 선별검사로서 매우 중요한 역할을 하고 있다.
　일반적으로 유방 초음파 영상을 판독하여 유방 종괴 혹은 병변을 감별할 때는 미국 영상의학 전문 의학회에서 정한 BI-RADS (Breast Imaging-Reporting and Data System) 표준을 따른다. 대표적인 BI-RADS 초음파 소견은 영상에서의 병변의 형상, 경계, 내부에코, 후면에코음영 등이다. 일반적으로 악성을 의심하는 소견으로는 병변의 형상이 불규칙하거나 분엽상이고, 내부에코가 불균등하고 거칠다. 이에 비하여 양성의 경우는 병변의 형상이 둥글고, 경계가 부드러우며, 종괴의 내부에코가 높거나 균일하다. 일반적으로 여러 가지 초음파 영상 소견 중 병변의 형상이 양성과 악성을 판별하는데 가장 중요한 참고 요인으로 고려되고 있다. 이유는 암세포의 성장은 정상 세포의 성장과 다르게 죽는 대신 계속 성장하여 새로운 암 세포를 형성하고 다른 조직으로 성장 및 침투를 하면서 병변의 형상이 불규칙해지기 때문이다. 나머지 초음파 소견인 내부에코, 후면에코음영등도 중요한 소견이기는 하지만 잡음이나 스펙클 등이 많이 포함된 초음파 영상의 경우에는 컴퓨터로 정확하게 수치화 하기가 어렵다.
　병변의 형상은 병변 전체에서 받는 형태학적 인상이라고 정의될 수 있다. 　일반적으로 병변의 형상에 대한 분류는 원형/타원형, 다각형, 분엽형, 부정형의 4개로 분류된다. 원형/타원형의 형상을 가진 병변은 양성으로 고려되며, 다각형, 분엽형, 부정형등의 형상을 가진 병변은 악성으로 구분된다. 형상의 판정은 영상에서 받는 인상이라고 하는 주관적인 것을 의미하므로 같은 영상에서도 사람에 따라 병변의 판정이 다른 경우가 많다. 따라서 병변의 형상을 컴퓨터 알고리즘을 통해 적절히 수치화하면, 유방 초음파 촬영술 기반의 컴퓨터 보조 진단 시스템이 가능하다.
　영상에서 형상을 객관적으로 판단하기 위해서는 형상 해석기가 필요하다. 일반적으로 초음파 영상과 같이 스페클 노이즈를 많이 포함하고 있는 영상에서는 공간 영역에서의 형상 해석기의 성능이 높지 않다. 특히 일반적인 공간 영역에서의 형상 해석기는 단순히 형상의 형태학적인 거리와 각도 등만을 고려하기 때문에 병변 모양처럼 불규칙의 정도가 높은 대상은 형상을 적절히 해석하여 수치화하기가 어렵다.
병변의 형상을 공간 영역이 아닌 주파수 영역에서 해석하는 영상 진단 장치 및 방법이 제시된다.
일 양상에 따른 영상 진단 장치는, 의료 영상에서 병변을 검출하는 검출부, 병변의 형상을 주파수 영역에서 해석하여 형상 특징 값을 획득하는 해석부, 및 획득된 형상 특징 값을 이용하여 병변의 양성 또는 악성을 판별하는 진단부를 포함할 수 있다.
다른 양상에 따라, 상기 해석부는 병변의 경계에 대응되는 특징점들을 추출하고, 추출된 특징점들을 이용하여 형상 히스토그램을 생성하고, 생성된 형상 히스토그램을 주파수 영역으로 변환함으로써 형상 특징 값을 획득할 수 있다.
또 다른 양상에 따라, 상기 해석부는 경계의 특성에 따라 특징점들의 추출 간격 또는 추출 개수를 다르게 조절할 수 있다.
또 다른 양상에 따라, 상기 해석부는 추출된 특징점들을 이용하여 다차원 형상 히스토그램을 생성할 수 있다.
또 다른 양상에 따라, 상기 해석부는 폴라 다이어그램(polar daigram) 또는 로그-폴라 다이어그램(log-polar diagram)을 이용하여 다차원 형상 히스토그램을 생성할 수 있다.
또 다른 양상에 따라, 상기 해석부는 생성된 형상 히스토그램에 푸리에(Fourier) 변환을 적용하고, 푸리에 변환에 따라 생성된 푸리에 계수를 형상 특징 값으로 결정할 수 있다.
또 다른 양상에 따라, 상기 진단부는 형상 특징 값과 지도 학습에 의해 생성된 모델을 비교하여 병변이 양성인지 또는 악성인지 여부를 판별할 수 있다.
한편 일 양상에 따른 영상 진단 방법은, 의료 영상에서 병변을 검출하는 단계, 병변의 형상을 주파수 영역에서 해석하여 형상 특징 값을 획득하는 단계, 획득된 형상 특징 값을 이용하여 병변의 양성 또는 악성을 판별하는 단계를 포함할 수 있다.
병변의 형상만을 이용해서 병변을 판정하기 때문에 영상 분석에 따른 연산량을 줄이고 알고리즘을 간단하게 만들 수가 있다. 또한 주파수 영역에서 병변의 형상을 분석하기 때문에 노이즈에 큰 영향을 받지 않고 진단의 정확도를 높일 수가 있다.
도 1은 일 실시예에 따른 영상 진단 장치를 도시한다.
도 2는 일 실시예에 따른 해석부를 도시한다.
도 3은 일 실시예에 따른 특징점의 추출 방법을 도시한다.
도 4는 일 실시예에 따른 형상 히스토그램의 생성 방법을 도시한다.
도 5는 일 실시예에 따른 형상 특징 값의 획득 방법을 도시한다.
도 6은 일 실시예에 따른 주파수 영역에서의 영상 진단 방법을 도시한다.
이하, 첨부된 도면을 참조하여 본 발명의 실시를 위한 구체적인 예를 상세히 설명한다.
도 1은 일 실시예에 따른 영상 진단 장치를 도시한다.
도 1을 참조하면, 영상 진단 장치(100)는 의료 영상 획득부(101), 검출부(102), 해석부(103), 진단부(104), 및 설정부(105)를 포함할 수 있다.
의료 영상 획득부(101)는 의료 영상을 획득한다. 획득되는 의료 영상으로는 방사선 영상, 초음파 영상, MRI 영상, CT 영상 중 적어도 하나가 될 수 있으며, 특별히 제한되지 아니한다. 또한 획득되는 의료 영상은 2차원 영상 외에 3차원 영상도 포함할 수 있다.
검출부(102)는 의료 영상 획득부(101)에 의해 획득된 의료 영상에서 병변(lesion)을 검출한다. 병변이란 주위 조직과는 다른 성분이 덩어리를 이루고 있는 것이라 정의될 수 있다. 예컨대, 검출부(102)는 의료 영상에서 암 또는 종양으로 의심되는 영역을 검출할 수 있다.
검출부(102)는 자동 병변 검출 알고리즘(예컨대, 소벨 엣지 디텍터)을 이용하여 의료 영상에서 병변을 검출할 수도 있고, 사용자로부터 병변 위치를 입력받아서 병변을 검출할 수도 있다.
해석부(103)는 검출부(102)에서 검출된 병변의 형상을 주파수 영역에서 해석하여 형상 특징 값을 획득한다. 형상 특징 값은 병변의 형상에 대응되는 특징 정보로서 주파수 영역에서의 병변의 형상을 나타낸 것으로 정의될 수 있다. 예컨대, 해석부(103)는 병변의 경계(경계선 또는 경계면을 포함)에 대응되는 특징점들을 추출하고, 추출된 특징점들을 이용하여 형상 히스토그램을 생성하고, 생성된 형상 히스토그램을 주파수 영역으로 변환함으로써 형상 특징 값을 획득할 수 있다.
진단부(104)는 해석부(103)에 의해 획득된 형상 특징 값을 이용하여 병변이 양성인지 또는 악성인지 여부를 판별한다. 예컨대, 진단부(104)는 형상 특징 값과 지도 학습을 통해 사전에 생성된 모델을 비교하여 병변의 양성/악성을 판별할 수 있다.
설정부(105)는 검출부(102), 해석부(103), 및/또는 진단부(104)의 각종 파라미터를 설정할 수 있다. 일 예로서, 설정부(105)는 검출부(102)가 병변의 경계로부터 특징점을 추출할 때, 추출될 특징점의 간격, 개수 등을 설정하는 것이 가능하다. 다른 예로서, 설정부(105)는 해석부(103)가 형상 특징 값을 획득할 때, 획득될 형상 특징 값의 개수, 세부적인 해석 정책 등을 설정하는 것이 가능하다. 또 다른 예로서, 설정부(105)는 진단부(104)의 모델, 학습 주기 등을 설정하는 것이 가능하다.
도 2는 일 실시예에 따른 해석부를 도시한다.
도 2를 참조하면, 해석부(200)는 특징점 추출부(201), 형상 히스토그램 생성부(202), 푸리에 변환부(203), 및 형상 특징 값 획득부(204)를 포함할 수 있다.
도 1 및 도 2에서, 특징점 추출부(201)는 검출부(102)에 의해 검출된 병변의 경계에 대응되는 픽셀을 샘플링하여 다수의 특징점을 추출할 수 있다. 특징점 추출부(201)가 추출하는 특징점들의 개수 및 간격은 설정부(105)에 의해 조절될 수가 있다. 일 예로서, 특징점 추출부(201)는 병변의 경계를 따라 등간격으로 특징점들을 추출할 수 있다. 다른 예로서, 특징점 추출부(201)는 병변의 경계의 곡률(즉, 곡선 또는 곡면의 구부러진 정도)에 따라, 곡률이 큰 곳의 샘플링 간격을 좁게하여 더 많은 수의 특징점을 추출하는 것도 가능하다.
형상 히스토그램 생성부(202)는 추출된 특징점들을 이용하여 형상 히스토그램을 생성할 수 있다. 형상 히스토그램이란 정의된 공간내에서 그 병변이 어떻게 생겼는지를 나타내는 것으로, 그 형상을 나타내는 특징 요소에 대한 분포 정보가 될 수 있다. 따라서 생성되는 형상 히스토그램은 병변의 종류 또는 특성에 따라 2차원 또는 3차원 이상의 다차원 형상 히스토그램이 될 수 있다. 예를 들어, 의료 영상이 2차원 영상인 경우, 특징점 추출부(201)는 병변의 경계선에 대응되는 특징점을 추출하고, 형상 히스토그램 생성부(202)는 2차원 평면상에서의 특징점들의 분포 정보를 나타내는 2차원 형상 히스토그램을 생성할 수 있다. 만약 의료 영상이 3차원 영상인 경우, 특징점 추출부(201)는 병변의 경계면에 대응되는 특징점을 추출하고, 형상 히스토그램 생성부(202)는 3차원 공간상에서의 특징점들의 분포 정보를 나타내는 3차원 형상 히스토그램을 생성할 수도 있다.
형상 히스토그램 생성부(202)가 형상 히스토그램을 생성하는 방법은 특별히 제한되지 아니한다. 예컨대, 형상 히스토그램 생성부(202)는 폴라 다이어그램(polar diagram) 또는 로그-폴라 다이어그램(log-polar diagram)에 추출된 특징점을 배치하고, 각 세부 영역(예컨대, bin)의 특징점의 개수를 정규화해서 표현함으로써 형상 히스토그램을 생성할 수 있다.
푸리에 변환부(203)는 생성된 형상 히스토그램에 푸리에 변환(Fourier Transform)을 적용할 수 있다. 예컨대, 2차원 형상 히스토그램이 생성된 경우, 생성된 2차원 형상 히스토그램을 1차원 히스토그램 신호로 변환한 후, 변환된 1차원 히스토그램 신호를 고속 푸리에 변환하는 것이 가능하다. 만약, 3차원 형상 히스토그램이 생성된 경우라면, 푸리에 변환부(203)는 3차원 형상 히스토그램을 2차원 히스토그램 신호로 변환한 후, 고속 푸리에 변환을 수행할 수도 있다.
형상 특징 값 획득부(204)는 푸리에 변환부(203)의 계산 결과를 토대로 형상 특징 값을 획득할 수 있다. 예컨대, 형상 특징 값 획득부(204)는 형상 히스토그램에 푸리에 변환을 적용하여 도출된 푸리에 계수들을 형상 특징 값으로 결정할 수 있다.
한편 도 1 및 2에서, 각 구성 요소 또는 기능 블록들의 구분은 단지 그 기능에 따른 논리적인 구분의 일례이다. 즉 도 1 및 도 2에서 구분된 것과는 다른 기준에 따라서 각 기능들이 구현될 수도 있다. 따라서 둘 이상의 기능 유닛이 통합되어 구현되거나 또는 개별적으로 구현될 수 있으며, 또한 어느 하나의 기능 유닛에서 수행되는 기능의 일부가 하나 또는 그 이상의 다른 기능 유닛에서 수행될 수도 있음은 물론이다.
도 3은 일 실시예에 따른 특징점의 추출 방법을 도시한다.
도 2 및 도 3을 참조하면, 특징점 추출부(201)는 병변의 경계(301)에서 다수의 특징점(302)을 추출할 수 있다. 도 3에서는 병변의 경계(301)를 '선'으로 나타내었으나, 이것은 이해를 돕기 위한 것으로, 병변의 경계(301)는 의료 영상의 종류에 따라 선, 면, 또는 공간 등 다차원으로 표현될 수도 있다.
일 양상에 따라, 특징점 추출부(201)는 병변의 경계(301)의 특성에 따라 추출될 특징점들의 개수 또는 간격을 조절할 수 있다. 예컨대, 특징점 추출부(201)는 (a)와 같이 병변의 경계(301)를 따라 등간격으로 특징점들을 추출할 수도 있고, (b)와 같이 병변의 경계(301)의 곡률이 상대적으로 크게 변하는 부분(303)에서는 샘플링 간격을 좁게하여 더 많은 수의 특징점들을 추출하는 것이 가능하다.
도 4는 일 실시예에 따른 형상 히스토그램의 생성 방법을 도시한다.
도 2 및 도 4를 참조하면, 형상 히스토그램 생성부(202)는 (a)와 같은 로그-폴라 다이어그램을 정의한다. 로그-폴라 다이어그램은 특정한 면(또는 공간)을 'r'과 'theta'에 따라 세부 영역('bin')으로 구분한다. 예컨대, 로그-폴라 다이어그램의 중심점으로부터 r 방향 및 theta 방향을 따라 각 bin이 정의될 수 있다. 형상 히스토그램 생성부(202)가 이용하는 다이어그램의 종류, bin의 개수 등은 설정부(105, 도 1 참조)에 의해 설정될 수 있다.
형상 히스토그램 생성부(202)는 (b)와 같이 로그-폴라 다이어그램에 검출된 특징점들을 배치한다.
형상 히스토그램 생성부(202)는 각 bin에 위치한 특징점의 개수에 따라 (c)와 같이 형상 히스토그램을 생성한다. 예컨대, 형상 히스토그램 생성부(202)는 (b)에서 기준점을 설정한다. 기준점은 특징점들의 분포에서 중심점이 될 수도 있고, 특징점들이 많이 몰려있는 곳이 될 수도 있다. 어떤 위치가 더 좋은지는 영상의 종류에 따라 의존적이며, 이것은 설정부(105)에 의해 조절될 수 있다. 기준점이 정해지면, 형상 히스토그램 생성부(202)는 각 bin에 들어가는 특징점의 개수를 기록하고, 각 bin에 있는 특징점의 개수에 따라 2차원(x축: theta, y축: r) 형상 히스토그램을 생성한다. 형상 히스토그램의 각 셀은 특징점 개수에 대응하는 컬러바 색상을 이용해 채워 넣을 수가 있다.
다른 양상에 따라, 형상 히스토그램 생성부(202)는 로그-폴라 다이어그램 외에도 다른 방법으로 면 또는 공간을 구분할 수도 있다. 또한 생성되는 형상 히스토그램 역시 3차원 형상 히스토그램이 될 수 있음은 물론이다. 예컨대, 3차원 의료 영상을 이용하는 경우, 특징점은 공간상에 분포할 수가 있고, 3차원 공간 상에 특징점들을 배치한 후에 각 3차원 셀에 존재하는 특징점들의 개수에 따라 3차원 형상 히스토그램을 생성하는 것이 가능하다.
도 5는 일 실시예에 따른 형상 특징 값의 획득 방법을 도시한다.
도 2 및 도 5를 참조하면, 푸리에 변환부(203)는 2차원 형상 히스토램을 (a)와 같이 좌 상단에서부터 우 하단까지 가로로, 또는 (b)와 같이 세로로 스캔하면서 1차원 히스토그램 신호를 만든다. 푸리에 변환부(203)는 이렇게 만들어진 1차원 히스토그램 신호를 주파수 영역으로 변환하기 위해서 해당 신호를 고속 푸리에 변환시킨다. 고속 푸리에 변환을 통하면 1차원 히스토그램 신호를 표현하기 위해 필요한 낮은 주파수부터 높은 주파수까지의 조합으로 표현된다. 또한 푸리에 변환부(203)는 (c)와 같이 푸리에 계수를 계산하고 정규화한다.
형상 특징 값 획득부(204)는 정규화된 푸리에 계수를 병변의 형상을 구분짓는 형상 특징 값으로 결정할 수 있다. 주파수의 수가 늘어나면 푸리에 계수 값도 늘어나게 됨으로써 형상 해석을 위한 식별자도 늘어나게 된다. 많은 수의 주파수 정보를 사용하면 세밀하게 형상 해석이 가능할 수도 있지만 계산량이 늘어 가게 된다. 최적화된 주파수의 개수는 설정부(105)에 의해 조절될 수 있다.
다른 양상에 따라, 푸리에 변환부(203) 및 형상 특징 값 획득부(204)는 3차원 형상 히스토그램을 스캔하여 2차원 히스토그램 신호를 만들고, 다시 2차원 히스토그램을 1차원 히스토그램 신호로 변환한 후, 푸리에 계수를 계산하는 것도 가능하다.
한편, 추가적 양상에 따라, 도 1을 참조하면, 진단부(104)는 형상 특징 값을 이용하여 병변 형상 패턴을 학습할 수 있다. 예컨대, 미리 구축된 영상 데이터 베이스에 있는 모든 영상에서 푸리에 계수 값을 계산하여 각 영상에서의 병변 형상 특징값을 구하고, 이렇게 구해진 병변 형상 특징 값을 소정의 학습기를 통해 지도 학습시킴으로써 모델을 생성한다. 이렇게 학습된 모델을 통해 새로운 영상의 병변 형상을 해석함으로써 병변의 양성과 악성을 판단할 수 있다. 모델을 생성하는 방법으로는 Support Vector Machine(SVM)과 같은 지도 학습 알고리즘이 사용될 수 있다.
도 6은 일 실시예에 따른 주파수 영역에서의 영상 진단 방법을 도시한다.
도 1 및 도 6을 참조하면, 먼저 의료 영상에서 병변이 검출된다(601). 예컨대, 검출부(102)가 초음파 영상에서 암 의심 영역을 검출하는 것이 가능하다.
그리고 검출된 병변의 형상에 대한 정보로, 주파수 영역에서 형상 특징 값이 획득된다(602). 예컨대, 해석부(103)가 병변의 경계에서 특징점들을 추출하고, 추출된 특징점들의 공간상의 분포에 대응되는 형상 히스토그램을 생성하고, 생성된 형상 히스토그램을 주파수 영역으로 변환하여 형상 특징 값을 획득할 수 있다.
그리고 획득된 형상 특징 값에 기초하여 검출된 병변의 양성/악성이 판별된다(603). 예컨대, 진단부(104)가 사전에 학습된 모델과 획득된 형상 특징 값을 이용하여 검출된 병변이 양성인지 또는 악성인지 판별하는 것이 가능하다.
이상에서 살펴본 것과 같이, 개시된 실시예에 의하면, 병변의 형상만을 이용해서 병변을 판정하기 때문에 영상 분석에 따른 연산량을 줄이고 알고리즘을 간단하게 만들 수가 있다. 또한 주파수 영역에서 병변의 형상을 분석하기 때문에 노이즈에 큰 영향을 받지 않고 진단의 정확도를 높일 수가 있다.
또한 개시된 실시예들은 2차원 또는 3차원 의료 영상에서 병변의 형상을 계산하여 병변의 양성과 악성을 진단하는 자동 진단 시스템에 적용될 수 있다. 또한 확보된 데이터와 알고리즘을 기반으로 계산된 병변 형상 및 진단 결과를 의사 또는 원격의 환자에게 제공하여 진단에 도움을 주는 의료 영상 처리 시스템 또는 원격 진료 시스템에 적용될 수도 있다.
한편, 본 발명의 실시 예들은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다.
컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현하는 것을 포함한다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고 본 발명을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술 분야의 프로그래머들에 의하여 용이하게 추론될 수 있다.
나아가 전술한 실시 예들은 본 발명을 예시적으로 설명하기 위한 것으로 본 발명의 권리범위가 특정 실시 예에 한정되지 아니할 것이다.
101: 의료 영상 획득부
102: 검출부
103: 해석부
104: 진단부
105: 설정부

Claims (18)

  1. 의료 영상에서 병변을 검출하는 검출부;
    상기 병변의 형상을 주파수 영역에서 해석하여 형상 특징 값을 획득하고, 상기 병변의 경계로부터 하나 이상의 특징점을 추출하며, 상기 경계의 특성에 따라 추출될 특징점들의 개수나 간격을 조절하는 해석부; 및
    상기 획득된 형상 특징 값을 이용하여 상기 병변의 양성 또는 악성을 판별하는 진단부; 를 포함하는 영상 진단 장치.
  2. 제 1 항에 있어서, 상기 해석부는
    상기 추출된 특징점들을 기초로 형상 히스토그램을 생성하고, 생성된 형상 히스토그램을 주파수 영역으로 변환함으로써 상기 형상 특징 값을 획득하는 것을 특징으로 하는 영상 진단 장치.
  3. 제 2 항에 있어서, 상기 해석부는
    상기 추출된 특징점들을 이용하여 다차원 형상 히스토그램을 생성하는 것을 특징으로 하는 영상 진단 장치.
  4. 제 3 항에 있어서, 상기 해석부는
    폴라 다이어그램(polar daigram) 또는 로그-폴라 다이어그램(log-polar diagram)을 이용하여 상기 다차원 형상 히스토그램을 생성하는 것을 특징으로 하는 영상 진단 장치.
  5. 제 2 항에 있어서, 상기 해석부는
    생성된 형상 히스토그램에 푸리에(Fourier) 변환을 적용하고, 푸리에 변환에 따라 생성된 푸리에 계수를 상기 형상 특징 값으로 결정하는 것을 특징으로 하는 영상 진단 장치.
  6. 제 1 항에 있어서, 상기 진단부는
    상기 형상 특징 값과 지도 학습에 의해 생성된 모델을 비교하여 상기 양성 또는 악성을 판별하는 것을 특징으로 하는 영상 진단 장치.
  7. 제 1 항에 있어서, 상기 의료 영상은
    방사선 영상, 초음파 영상, MRI 영상, CT 영상 중 적어도 하나인 것을 특징으로 하는 영상 진단 장치.
  8. 제 2 항에 있어서, 상기 해석부는
    상기 병변의 경계에 대응되는 특징점을 추출하는 특징점 추출부;
    추출된 특징점을 기초로 상기 형상 히스토그램을 생성하는 형상 히스토그램 생성부;
    상기 생성된 형상 히스토그램을 정규화된 푸리에 계수로 변환하여 상기 생성된 형상 히스토그램을 주파수 영역으로 변환하는 푸리에 변환부; 및
    상기 정규화된 푸리에 계수로부터 상기 형상 특징 값을 획득하는 형상 특징 값 획득부를 포함하는 영상 진단 장치.
  9. 제 8 항에 있어서, 상기 특징점 추출부는
    상기 병변의 경계에 대응되는 픽셀을 샘플링하여 상기 하나 이상의 특징점을 추출하는 영상 진단 장치.
  10. 제 8 항에 있어서, 상기 특징점 추출부는
    상기 병변의 경계를 따라 등간격으로 상기 하나 이상의 특징점을 추출하는 영상 진단 장치.
  11. 제 8 항에 있어서, 상기 특징점 추출부는
    상기 병변의 경계의 곡률이 작은 곳보다 큰 곳에서 더 많은 수의 특징점을 추출하는 영상 진단 장치.
  12. 제 8 항에 있어서, 상기 형상 특징 값 획득부는
    상기 정규화된 푸리에 계수를 상기 검출된 병변의 형상을 결정하기 위한 상기 형상 특징 값으로 결정하는 영상 진단 장치.
  13. 검출부가 의료 영상에서 병변을 검출하는 단계;
    해석부가 상기 병변의 형상을 주파수 영역에서 해석하여 형상 특징 값을 획득하는 단계;
    상기 해석부가 상기 병변의 경계로부터 하나 이상의 특징점을 추출하는 단계;
    상기 해석부가 상기 경계의 특성에 따라 추출될 특징점들의 개수나 간격을 조절하는 단계; 및
    진단부가 상기 획득된 형상 특징 값을 이용하여 상기 병변의 양성 또는 악성을 판별하는 단계; 를 포함하는 영상 진단 방법.
  14. 제 13 항에 있어서, 상기 형상 특징 값을 획득하는 단계는
    추출된 특징점들을 이용하여 형상 히스토그램을 생성하는 단계; 및
    생성된 형상 히스토그램을 주파수 영역으로 변환하는 단계; 를 포함하는 영상 진단 방법.
  15. 제 14 항에 있어서, 상기 주파수 영역으로 변환하는 단계는
    상기 생성된 형상 히스토그램을 정규화된 푸리에 계수로 변환하는 단계를 포함하는 영상 진단 방법.
  16. 제 15 항에 있어서, 상기 형상 특징 값을 획득하는 단계는
    상기 정규화된 푸리에 계수를 상기 검출된 병변의 형상으로 결정하기 위한 상기 형상 특징 값으로 결정하는 단계를 포함하는 영상 진단 방법.
  17. 제 14 항에 있어서, 상기 특징점을 추출하는 단계는
    상기 경계를 따라 등간격으로 하나 이상의 특징점을 추출하는 영상 진단 방법.
  18. 제 14 항에 있어서, 상기 특징점을 추출하는 단계는
    상기 경계의 곡률이 작은 곳보다 큰 곳에서 더 많은 수의 특징점을 추출하는 영상 진단 방법.
KR1020120026152A 2012-03-14 2012-03-14 주파수 영역에서의 의료 영상 진단 장치 및 방법 KR101580254B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020120026152A KR101580254B1 (ko) 2012-03-14 2012-03-14 주파수 영역에서의 의료 영상 진단 장치 및 방법
US13/792,621 US9084578B2 (en) 2012-03-14 2013-03-11 Diagnostic imaging apparatus and method
US14/714,863 US20150254846A1 (en) 2012-03-14 2015-05-18 Diagnostic imaging apparatus and method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120026152A KR101580254B1 (ko) 2012-03-14 2012-03-14 주파수 영역에서의 의료 영상 진단 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20130104553A KR20130104553A (ko) 2013-09-25
KR101580254B1 true KR101580254B1 (ko) 2015-12-24

Family

ID=49158267

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120026152A KR101580254B1 (ko) 2012-03-14 2012-03-14 주파수 영역에서의 의료 영상 진단 장치 및 방법

Country Status (2)

Country Link
US (2) US9084578B2 (ko)
KR (1) KR101580254B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210074089A (ko) * 2019-12-11 2021-06-21 성균관대학교산학협력단 수술용 내비게이션 시스템에서의 표면 점군집 개선 방법 및 장치

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10251621B2 (en) 2010-07-19 2019-04-09 Qview Medical, Inc. Automated breast ultrasound equipment and methods using enhanced navigator aids
US9439621B2 (en) 2009-11-27 2016-09-13 Qview, Medical Inc Reduced image reading time and improved patient flow in automated breast ultrasound using enchanced, whole breast navigator overview images
US9826958B2 (en) 2009-11-27 2017-11-28 QView, INC Automated detection of suspected abnormalities in ultrasound breast images
US10603007B2 (en) 2009-11-27 2020-03-31 Qview Medical, Inc. Automated breast ultrasound equipment and methods using enhanced navigator aids
ES2704858T3 (es) * 2013-09-20 2019-03-20 Transmural Biotech S L Técnicas de análisis de imágenes para diagnosis de enfermedades
JPWO2015198713A1 (ja) * 2014-06-27 2017-04-20 オリンパス株式会社 超音波観測装置、超音波観測装置の作動方法および超音波観測装置の作動プログラム
US10939894B2 (en) * 2014-08-14 2021-03-09 Koninklijke Philips N.V. Acoustic streaming for fluid pool detection and identification
US10013630B1 (en) * 2014-09-26 2018-07-03 A9.Com, Inc. Detection and recognition of objects lacking textures
CN107169257A (zh) * 2016-03-07 2017-09-15 刘江 基于视觉影像的多眼疾“慧查”筛查方法和系统
KR102557389B1 (ko) * 2017-06-26 2023-07-20 삼성메디슨 주식회사 초음파 영상장치 및 그 제어 방법
TWI683276B (zh) * 2017-11-10 2020-01-21 太豪生醫股份有限公司 病灶偵測裝置及其方法
JP2019097591A (ja) * 2017-11-28 2019-06-24 キヤノン株式会社 画像処理装置、画像処理方法、及びプログラム
KR102224276B1 (ko) * 2019-07-24 2021-03-05 금오공과대학교 산학협력단 영상데이터의 학습방법 및 장치
JP7555170B2 (ja) 2021-05-12 2024-09-24 富士フイルム株式会社 超音波診断装置及び診断支援方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6263092B1 (en) * 1996-07-10 2001-07-17 R2 Technology, Inc. Method and apparatus for fast detection of spiculated lesions in digital mammograms
US6246782B1 (en) * 1997-06-06 2001-06-12 Lockheed Martin Corporation System for automated detection of cancerous masses in mammograms
US5984870A (en) * 1997-07-25 1999-11-16 Arch Development Corporation Method and system for the automated analysis of lesions in ultrasound images
US6317617B1 (en) * 1997-07-25 2001-11-13 Arch Development Corporation Method, computer program product, and system for the automated analysis of lesions in magnetic resonance, mammogram and ultrasound images
JP4099984B2 (ja) 2001-12-14 2008-06-11 コニカミノルタホールディングス株式会社 異常陰影検出装置および画像出力装置
KR100932472B1 (ko) 2005-12-28 2009-12-18 주식회사 메디슨 병변조직을 검출하는 초음파 진단 시스템
KR101598433B1 (ko) * 2008-07-18 2016-02-29 고쿠리츠다이가쿠호진 도호쿠다이가쿠 구조물 결함의 영상화 방법, 구조물 결함의 영상화 장치, 기포나 병변부의 영상화 방법 및 기포나 병변부의 영상화 장치
JP2010158343A (ja) 2009-01-07 2010-07-22 Fujifilm Corp 光立体構造解析装置及びその立体構造情報処理方法
KR101067441B1 (ko) * 2009-08-14 2011-09-27 서울과학기술대학교 산학협력단 푸리에 변환을 이용한 미세 석회화 검출 방법
KR101664159B1 (ko) * 2011-11-11 2016-10-12 한국전자통신연구원 병변 특성 계산 장치 및 그 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210074089A (ko) * 2019-12-11 2021-06-21 성균관대학교산학협력단 수술용 내비게이션 시스템에서의 표면 점군집 개선 방법 및 장치
KR102271189B1 (ko) 2019-12-11 2021-06-30 성균관대학교산학협력단 수술용 내비게이션 시스템에서의 표면 점군집 개선 방법 및 장치

Also Published As

Publication number Publication date
US20130245426A1 (en) 2013-09-19
US9084578B2 (en) 2015-07-21
KR20130104553A (ko) 2013-09-25
US20150254846A1 (en) 2015-09-10

Similar Documents

Publication Publication Date Title
KR101580254B1 (ko) 주파수 영역에서의 의료 영상 진단 장치 및 방법
US6246782B1 (en) System for automated detection of cancerous masses in mammograms
Wang et al. Localizing microaneurysms in fundus images through singular spectrum analysis
CN105377145B (zh) 用定量超声参数映射的一阶和二阶统计来分类和表征组织的系统和方法
US9277902B2 (en) Method and system for lesion detection in ultrasound images
US8582848B2 (en) System and method for detection of acoustic shadows and automatic assessment of image usability in 3D ultrasound images
US5003979A (en) System and method for the noninvasive identification and display of breast lesions and the like
US7903861B2 (en) Method for classifying breast tissue density using computed image features
Nicholas et al. Tissue characterization from ultrasound B-scan data
KR101121396B1 (ko) 2차원 초음파 영상에 대응하는 2차원 ｃｔ 영상을 제공하는 시스템 및 방법
US20130046168A1 (en) Method and system of characterization of carotid plaque
JP4184842B2 (ja) 画像判別装置、方法およびプログラム
Boashash et al. A methodology for time-frequency image processing applied to the classification of non-stationary multichannel signals using instantaneous frequency descriptors with application to newborn EEG signals
EP2578163A1 (en) Malignant tissue tumor detection method and malignant tissue tumor detection device
JPH10503961A (ja) 医療画像において腫瘤や実質組織変形をコンピュータを用いて検出する自動化した方法と装置
Huang et al. Characterization of spiculation on ultrasound lesions
CN103284743B (zh) 确定标记物位置和患者呼吸曲线的方法及装置
CN103249358A (zh) 医用图像处理装置
US20050129297A1 (en) Classification of breast lesion method and system
CN105654490A (zh) 一种基于超声弹性图像的病变区域提取方法及装置
CN109065150A (zh) 一种基于多特征提取和Linear SVM的超声乳腺肿瘤分级方法
Gao et al. Segmentation of ultrasonic breast tumors based on homogeneous patch
US8768021B2 (en) Lesion feature calculating device and method utilizing border sharpness
JP7349202B2 (ja) 超音波信号処理方法、装置、機器及び記憶媒体
Wei et al. Multi-feature fusion for ultrasound breast image classification of benign and malignant

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20181129

Year of fee payment: 4