KR101589172B1

KR101589172B1 - 입체 영상 데이터의 처리 방법

Info

Publication number: KR101589172B1
Application number: KR1020127010833A
Authority: KR
Inventors: 샤오루 유안
Original assignee: 페킹 유니버시티
Priority date: 2009-09-29
Filing date: 2010-05-20
Publication date: 2016-01-27
Also published as: CN102549622A; EP2483867A4; CN102549622B; US20110075885A1; KR20120083891A; EP2483867A1; JP2013506212A; US20130279798A1; US8437538B2; US8934708B2; BR112012006918A2; WO2011038592A1; JP5557918B2

Abstract

입체 영상 데이터를 처리(processing)하기 위한 방법, 장치, 컴퓨터 판독 가능한 명령이 저장된 컴퓨터 판독 가능 매체가 개시된다. 방법은, 3차원 데이터 점(3-dimensional data point)을 수집하는 단계; 3차원 데이터 점으로부터 복수의 2차원(2D) 영상 맵(image map)을 얻는 단계; 적어도 하나의 영상 프레임을 형성하도록 복수의 2D 영상 맵의 적어도 하나를 추출하는 단계; 및 적어도 하나의 영상 프레임으로부터 프레임 갤러리를 생성하는 단계를 포함한다.

Description

입체 영상 데이터의 처리 방법{METHOD FOR PROCESSING VOLUMETRIC IMAGE DATA}

본 출원은 "입체 영상 데이터의 처리(Volumetric Image Data Processing)"라는 명칭의, 2009년 9월 29일에 출원된, 미국 출원번호 12/569,480의 우선권을 주장하며, 이는 여기에 참조로 포함된다.

3차원("3D") 데이터 집합은 구면과 같은 3D 공간에 걸친 점(point)을 측정하는 것으로부터 생성될 수 있다. 데이터 집합은 3차원 공간과 관련된 유용한 정보를 제공하도록 처리된다. 예를 들어, 인지 신경과학(cognitive neuroscience)에서 시변(time-varying)의 사건 관련 전위(Event-Related Potential: "ERP") 데이터는 사람의 두피에서 상이한 위치 상에 위치한 전극으로부터 측정된다. 수집된 ERP 데이터는 과학자가 특정 시각에서 특정 인지 과정을 반영하는 인간의 뇌 활동을 관찰하는 것이 가능하도록 한다. 시변 ERP의 복잡한 시공간 상호관계의 포괄적인 이해는, 특히 시간에 걸쳐 3D 공간으로부터 생성되는 많은 데이터 집합이 있을 때, 어떻게 데이터가 기능적으로 해석되고 시각화를 위해 처리되는지에 의존한다.

본 개시의 일 실시예는 입체 영상 데이터(volumetric image data)의 처리 방법을 기술한다. 이 방법은 3차원 데이터 점(3-dimensional data point)로부터 복수의 2차원 영상 맵(2-dimensional image map)을 얻는 단계, 적어도 하나의 영상 프레임(image frame)을 형성하도록 복수의 2차원 영상 맵 중 적어도 하나를 추출하는 단계, 및 적어도 하나의 영상 프레임으로부터 프레임 갤러리(frame gallery)를 생성하는 단계를 포함한다.

추가적으로, 앞서 언급한 방법, 또는 그 임의의 일부는, 컴퓨터 판독 가능한 매체에 내장되어 있는 컴퓨터 프로그램의 지시 하에 컴퓨팅 장치(computing device)에 의해 수행될 수 있다.

추가적으로, 앞서 언급한 방법, 또는 그 임의의 일부는, 합성 영상 데이터(composite image data)를 얻도록 수행될 수 있다.

본 개시의 대안적인 실시예는 3차원 데이터 점으로부터 복수의 2차원 영상 맵을 얻는 획득 유닛(obtaining unit); 적어도 하나의 영상 프레임을 형성하도록 복수의 2차원 영상 맵의 적어도 하나를 추출하는 추출 유닛; 및 적어도 하나의 영상 프레임으로부터 프레임 갤러리를 생성하는 생성 유닛을 포함하는 입체 영상 데이터 처리를 위한 장치를 기술한다.

본 개시의 다른 대안적인 실시예는 입체 영상 데이터를 처리하는 방법을 기술한다. 이 방법은 3차원 데이터 점으로부터 복수의 2차원 영상 맵을 얻는 단계, 적어도 하나의 영상 프레임을 형성하도록 복수의 2차원 영상 맵의 적어도 하나를 추출하는 단계, 및 근본적으로 다른 프레임(radically different frame) 및 대표 프레임(representative frame)의 적어도 하나를 결정하는 단계를 포함한다.

추가적으로, 앞서 언급한 방법, 또는 그 임의의 일부는, 컴퓨터 판독 가능 매체에 내장되어 있는 컴퓨터 프로그램의 지시 하에서 컴퓨팅 장치에 의해 수행될 수 있다.

본 개시의 다른 대안적인 실시예는 3차원 데이터 점으로부터 복수의 2차원 영상 맵을 얻는 획득 유닛; 적어도 하나의 영상 프레임을 형성하도록 복수의 2차원 영상 맵의 적어도 하나를 추출하는 추출 유닛; 및 근본적으로 다른 프레임 및 대표 프레임의 적어도 하나를 결정하는 결정 유닛을 포함하는 입체 영상 데이터 처리를 위한 장치를 기술한다.

본 개시의 다른 대안적인 실시예는 입체 영상 데이터를 처리하는 방법을 기술한다. 방법은 3차원 데이터 점으로부터 복수의 2차원 영상 맵을 얻는 단계, 복수의 2차원 영상 맵 및 복수의 2차원 영상 맵의 각각에 연관된 시간 데이터(temporal data)에 기초하여 입체 영상 데이터를 구성하는 단계, 및 임계점 그래프(critical point graph)를 입체 영상 데이터로 적용하는 단계를 포함한다.

추가적으로, 앞서 언급한 방법, 또는 그 임의의 일부는, 컴퓨터 판독 가능 매체에 내장된 컴퓨터 프로그램의 지시 하에서 컴퓨팅 장치에 의해 수행될 수 있다.

추가적으로, 앞서 언급한 방법, 또는 그 임의의 일부는, 합성 영상 데이터를 얻도록 수행될 수 있다.

본 개시의 다른 대안적인 실시예는 3차원 데이터 점으로부터 복수의 2차원 영상 맵을 얻는 획득 유닛; 복수의 2차원 영상 맵 및 복수의 2차원 영상 맵 각각과 연관된 시간 데이터에 기초하여 입체 영상 데이터를 구성하는 구성 유닛; 및 임계점 그래프를 입체 영상 데이터로 적용하는 적용 유닛을 포함하는 입체 영상 데이터 처리를 위한 장치를 기술한다.

이상은 요약이며, 따라서 필요에 의해, 단순화, 일반화 및 상세한 내용의 생략이 들어있으며, 따라서 당업자는 요약이 단지 예시적인 것이고, 어떠한 방식으로든 제한을 의도한 것이 아니라는 것을 인식할 것이다. 여기에서 기술된 장치 및/또는 프로세스(process) 및/또는 기타 대상의 기타 태양, 특징, 및 장점은 여기에서 제시된 교시에서 분명하게 될 것이다. 요약은 이하의 상세한 설명에서 더 기술되는 단순화한 형태의 개념의 선택을 도입하도록 제공된다. 이 요약은 청구된 대상의 중요한 특징이나 필수 특징을 확인하도록 의도된 것이 아니고, 청구된 대상의 범위를 결정하는 보조로 사용되도록 의도된 것도 아니다.

본 개시의 전술한 특징들 및 기타 특징들은, 첨부 도면을 참조하여 이하의 설명 및 첨부된 청구항으로부터 충분히 분명해질 것이다. 이 도면들은 본 개시에 따르는 단지 몇 가지의 실시예만을 도시한 것이고, 따라서 그 범위를 제한하는 것으로 간주되어서는 안되고, 본 개시는 첨부된 도면의 사용을 통하여, 더 구체적이고 상세하게 기술될 것이다.
도 1은 예시적인 네트워크 환경을 도시하는 블록도이다.
도 2는 본 개시의 일부 실시예에 따른 입체 영상을 처리하도록 배열된 예시적인 컴퓨팅 장치를 도시한 블록도이다.
도 3은 본 개시의 일부 실시예에 따른 예시적인 입체 영상 데이터 처리 방법을 도시하는 흐름도이다.
도 4는 본 개시의 일부 실시예에 따른 영상 프레임을 형성하도록 2D 영상 맵을 추출하는 예시적인 방법을 도시한 흐름도이다.
도 5는 본 개시의 일부 실시예에 따른 영상 프레임을 형성하도록 2D 영상 맵을 추출하는 예시적인 방법을 도시한 흐름도이다.
도 6은 본 개시의 일부 실시예에 따른 프레임 갤러리의 영상 데이터의 예시적인 도시이다.
도 7은 본 개시의 일부 실시예에 따른 프레임 갤러리를 가진 입체 영상 데이터의 합성 영상 데이터의 예시적인 도시이다.
도 8은 본 개시의 일부 실시예에 따른 입체 영상 데이터 처리 방법을 도시한 예시적인 흐름도이다.
도 9는 본 개시의 일부 실시예에 따른 등위면(iso-surface) 프로세스 적용이 있는 입체 영상 데이터의 예시적인 도시이다.
도 10은 본 개시의 일부 실시예에 따른 임계점 그래프 적용이 있는 입체 영상 데이터의 예시적인 도시이다.
도 11은 본 개시의 일부 실시예에 따른 등위면 처리 및 임계점 그래프 적용 둘 다가 있는 입체 영상 데이터의 예시적인 도시이다.

이하의 상세한 설명에서, 여기의 일부를 구성하는 첨부 도면에 대한 참조가 이루어진다. 도면에서, 유사한 부호는, 문맥에서 다른 지시가 없다면, 일반적으로 유사한 구성요소를 식별한다. 상세한 설명, 도면 및 청구항에서 기술된 예시적 실시예들은 제한하는 것으로 의미되지 않는다. 여기에 제시된 대상의 범위와 사상을 벗어나지 않고, 다른 실시예가 이용될 수 있고, 다른 변형이 이루어질 수 있다. 여기에서 일반적으로 기술되고 도면에서 도시된 바와 같은 본 개시의 태양들이 다양한 다른 구성으로 배열, 대체, 조합 및 설계될 수 있음과, 이 모두가 묵시적으로 고려되고 본 개시의 일부가 됨이 쉽게 이해될 것이다.

도입

본 개시는, 그 중에서도, 시각화를 위한 입체 영상 데이터의 처리와 관련된 방법, 장치, 컴퓨터 프로그램이 저장된 컴퓨터 판독 가능 매체에 관한 것이다. 특히, 본 개시는 ERP 데이터와 같은 구면으로부터 데이터 집합의 시각화를 위한 틀(framework)을 기술한다. 본 개시는 입체 영상 데이터가 3D 데이터 집합으로부터 얻어지는 2D 영상 맵으로부터 구성될 수 있음을 기술한다. 임계 영상 프레임은 입체 영상 데이터로부터 2D 영상 맵을 추출함에 의해 형성된다. 프레임 갤러리는 영상 프레임에 기초하여 생성될 수 있다. 영상 데이터 및 합성 영상 데이터는 렌더링(rendering)을 위한 입체 영상 데이터 및 프레임 갤러리로부터 생산될 수 있다.

입체 영상 데이터의 시각화는 입체 영상 데이터의 등위면 및 임계점 그래프의 분석을 추가적으로 포함하도록 구현될 수 있다. 따라서, 시변 데이터 집합의 복잡한 시공간의 상관관계의 포괄적인 이해는 상호작용하는 렌더링 및 시각화 특징이 있는 프레임 갤러리, 임계점 그래프, 등위면 및 입체 영상 데이터의 시험에 의해 제공될 수 있다. 추가적으로, 임계 영상 프레임만이 전송될 때, 네트워크 내에서 입체 영상 데이터의 시각화를 위한 데이터를 통신하기 위해 요구되는 대역폭은 전체 입체 영상 데이터를 전송하는 경우와 비교할 때보다 상당히 적다.

네트워크 환경의 개요

도 1은 입체 영상 데이터의 처리와 관련된 방법, 컴퓨터 프로그램, 및 장치가 구현될 수 있는 네트워크 환경(100)을 도시한 블록도이다. 네트워크 환경(100)은, 다양한 장치들 사이의 통신 링크를 제공하여 네트워크 환경 내에서 장치들을 함께 연결하는 네트워크(102)를 포함한다. 네트워크(100)는 예를 들어 광역 네트워크(wide area network), 근거리 네트워크(local area network) 등으로 구현될 수 있고, 유선 또는 무선 연결인 연결을 포함할 수 있다. 도 1은 또한 네트워크(102)에 연결된 컴퓨팅 장치(104)를 도시한다. 추가적으로, 저장 장치(106), 출력 장치(108) 및 기타 컴퓨팅 장치(110)가 또한 네트워크(102)에 연결될 수 있다. 네트워크 환경(100)은 도시되지 않은 네트워크(102)에 연결된 추가적인 장치를 포함할 수 있다. 컴퓨팅 장치(104, 110)의 예시는 컴퓨팅 장치(200)로 도 2에서 도시된다. 대안적으로, 시스템 환경은 네트워크 연결이 요구되지 않는 컴퓨팅 장치에서의 모든 구성을 포함하는 컴퓨팅 장치를 포함할 수 있다는 것이 인식될 수 있다.

장치 구현의 예

도 2는 본 개시에 따른 입체 영상 데이터 처리를 위해 배열될 수 있는 예시적인 컴퓨팅 장치(200)를 도시하는 블록도이다. 매우 기초적인 구성(201)에서, 컴퓨팅 장치(200)는 일반적으로 하나 이상의 프로세서(210) 및 시스템 메모리(220)를 포함한다. 메모리 버스(230)는 프로세서(210), 시스템 메모리(220), 및 프로세싱 유닛(290) 사이에서 통신하기 위해 사용될 수 있다.

요구되는 구성에 따라, 프로세서(210)는 마이크로 프로세서(μP), 마이크로 컨트롤러(μC), 디지털 신호 프로세서(DSP), 또는 그들의 임의의 조합을 포함하는 임의의 유형이 될 수 있으나, 이에 제한되지는 않는다. 프로세서(210)는 레벨 1 캐시(211), 레벨 2 캐시(212)와 같은 하나 이상의 레벨(level)의 캐시(cache), 프로세서 코어(213), 및 레지스터(214)를 포함할 수 있다. 프로세서 코어(213)는 산술 논리 연산장치(arithmetic logic unit; ALU), 부동 소수점 장치(floating point unit; FPU), 디지털 신호 처리 코어(DSP Core), 또는 그들의 임의의 조합을 포함할 수 있다. 메모리 컨트롤러(215)는 또한 프로세서(210)와 함께 사용될 수 있고, 또는 일부 구현예에서 메모리 컨트롤러(215)는 프로세서(210)의 내적인 일부가 될 수 있다.

요구되는 구성에 따라, 시스템 메모리(220)는 (RAM 같은) 휘발성 메모리, (ROM, 플래시 메모리 등과 같은) 비휘발성 메모리, 또는 그들의 임의의 조합을 포함하는 임의의 유형일 수 있으나, 이에 제한되지는 않는다. 시스템 메모리(220)는 일반적으로 운영 체제(221), 하나 이상의 응용 프로그램(application)(222), 및 프로그램 데이터(224)를 포함한다. 응용 프로그램(222)은 입체 영상 데이터를 생성하기 위해 3D 데이터 점을 처리하도록 배열될 수 있는 영상 처리 알고리즘(image processing algorithm)(223)을 포함한다. 프로그램 데이터(224)는 이하에서 추가적으로 기술될 바와 같이, 입체 영상 데이터를 처리하는데 사용될 수 있는 영상 처리 데이터(225)를 포함한다. 일부 실시예에서, 응용 프로그램(222)은 입체 영상 데이터가 생성될 수 있도록 운영 체제(221) 상에서 프로그램 데이터(224)로 동작하도록 배열될 수 있다. 이러한 기술된 기초적인 구성은 파선(201) 내의 그 구성요소들에 의해 도 2에서 도시된다.

요구되는 구성에 따라, 처리 유닛(290)은 3D 데이터 점을 수집하는 수집 유닛(291), 3D 데이터 점으로부터 복수의 2D 영상 맵을 얻는 획득 유닛(292), 복수의 2차원 영상 맵 및 복수의 2차원 영상 맵의 각각과 연관된 시간 데이터에 기초하여 입체 영상 데이터를 구성하는 구성 유닛(293), 적어도 하나의 영상 프레임을 형성하도록 복수의 2차원 영상 맵의 적어도 하나를 추출하는 추출 유닛(294), 근본적으로 다른 프레임 및 대표 프레임의 적어도 하나를 결정하는 결정 유닛(295), 적어도 하나의 영상 프레임으로부터 프레임 갤러리를 생성하는 생성 유닛(296), 영상 데이터 또는 합성 영상 데이터를 생산하는 생산 유닛(297), 및 입체 데이터로 임계점 그래프를 적용하는 적용 유닛(298)을 포함할 수 있다.

컴퓨팅 장치(200)는 기초적인 구성(201) 및 임의의 요구되는 장치 및 인터페이스(interface) 사이에서 통신을 용이하게 하도록 추가적인 특징 또는 기능, 및 추가적인 인터페이스를 가질 수 있다. 예를 들어, 버스/인터페이스 컨트롤러(240)는 기초적인 구성(201) 및 하나 이상의 데이터 저장 장치(250) 사이에서 저장 인터페이스 버스(241)를 통하여 통신을 용이하게 하도록 사용될 수 있다. 데이터 저장 장치(250)는 분리 가능한 저장 장치(251), 분리 불가능한 저장 장치(252), 또는 그 조합일 수 있다. 분리 가능한 저장 장치 및 분리 불가능한 저장 장치의 예를 몇 가지 들자면, 플렉서블 디스크 드라이브(flexible disk drive) 및 하드 디스크 드라이브(HDD)와 같은 자기 디스크 장치, 컴팩트 디스크(CD) 드라이브 또는 디지털 다목적 디스크(DVD) 드라이브와 같은 광 디스크 드라이브, 고체 상태 드라이브(SSD), 및 테이프 드라이브 등을 포함한다. 예시적인 컴퓨터 저장 매체는 컴퓨터 판독가능 명령, 데이터 구조, 프로그램 모듈(program module), 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술에서 구현되는 휘발성 및 비휘발성의 분리 가능한 매체 및 분리 불가능한 매체를 포함할 수 있다.

시스템 메모리(220), 분리 가능한 저장 장치(251) 및 분리 불가능한 저장 장치(252)는 모두 컴퓨터 저장 매체의 예이다. 컴퓨터 저장 매체는 RAM, ROM, EEPROM, 플래시 메모리 또는 기타 메모리 기술, CD-ROM, 디지털 다목적 디스크(DVD) 또는 기타 광 저장 장치, 자기 카세트, 자기 테이프, 자기 디스크 저장 장치 또는 기타 자기 저장 장치, 또는 요구되는 정보를 저장하도록 사용될 수 있고, 컴퓨팅 장치(200)에 의해 접근될 수 있는 임의의 기타 매체를 포함하나, 이에 제한되지는 않는다. 임의의 그러한 컴퓨터 저장 매체는 장치(200)의 일부일 수 있다.

컴퓨팅 장치(200)는 또한 버스/인터페이스 컨트롤러(240)를 통하여 다양한 인터페이스 장치(예컨대, 출력 인터페이스, 주변 인터페이스, 및 통신 인터페이스)로부터 기초적인 구성(201)으로의 통신을 용이하게 하기 위한 인터페이스 버스(242)를 포함할 수 있다. 예시적인 출력 장치(260)는 그래픽 처리 유닛(261) 및 오디오 처리 유닛(262)을 포함하며, 이는 하나 이상의 A/V 포트(263)를 통하여 디스플레이 또는 스피커와 같은 다양한 외부 장치로 통신하도록 구성될 수 있다. 예시적인 주변 인터페이스(270)는 직렬 인터페이스 컨트롤러(271) 또는 병렬 인터페이스 컨트롤러(272)를 포함하며, 이는 하나 이상의 I/O 포트(273)를 통하여 입력 장치(예컨대, 키보드, 마우스, 펜, 음성 입력 장치, 터치 입력 장치 등) 또는 기타 주변 장치(예컨대, 프린터, 스캐너 등)와 같은 외부 장치와 통신하도록 구성될 수 있다. 예시적인 통신 장치(280)는 네트워크 컨트롤러(281)를 포함하며, 이는 하나 이상의 통신 포트(282)를 통하여 도 1의 네트워크(102)와의 통신을 용이하게 하도록 배열될 수 있다. 통신 연결은 통신 매체의 하나의 예이다. 통신 매체는 일반적으로 컴퓨터 판독가능 명령, 데이터 구조, 프로그램 모듈, 또는 반송파 또는 기타 수송 메커니즘(transport mechanism)과 같은, 변조된 데이터 신호에서의 기타 데이터에 의해 구현될 수 있고 임의의 정보 전달 매체를 포함한다. "변조된 데이터 신호"는 신호 내에 정보를 인코딩하는 방식으로 설정되거나 변경된 하나 이상의 특성을 갖는 신호일 수 있다. 예를 들어, 통신 매체는 유선 네트워크 또는 직접 유선 연결(direct-wired connection)과 같은 유선 매체, 및 음향, 라디오 주파수(RF), 적외선(IR) 및 기타 무선 매체와 같은 무선 매체를 포함할 수 있으나, 이에 제한되지 않는다. 여기에서 사용된 컴퓨터 판독 가능 매체라는 용어는 저장 매체 및 통신 매체 둘 다를 포함할 수 있다.

컴퓨팅 장치(200)는 휴대 전화기, 개인 휴대용 단말기(personal data assistant; PDA), 개인 미디어 재생 장치, 무선 웹워치 장치(wireless web-watch device), 개인 헤드셋 장치, 특정 용도 장치, 또는 상기 기능 중 임의의 것을 포함하는 융합 장치와 같은 소형 폼팩터 휴대용(이동) 전자 장치의 일부로 구현될 수 있다. 컴퓨팅 장치(200)는 또한 랩탑 컴퓨터나 랩탑이 아닌 컴퓨터 구성 둘 다를 포함하는 개인 컴퓨터로 구현될 수 있다.

흐름 프로세스( Flow Process ) 구현의 예 - 프레임 갤러리

도 3은 일 실시예에 따른 입체 영상 데이터의 처리를 도시한 흐름도이다. 처리 흐름(300)을 참조하면, 단계 302에서 3D 데이터 점의 데이터 집합이 수집되어, 단계 304에서 2차원("2D") 영상 맵을 얻는다. 단계 302에서, 3D 데이터 점은 3D 공간에 걸친 점의 측정으로 수행되는 측정으로부터 수집될 수 있다. 사건 관련 전위(ERP) 데이터, 지표 측정 데이터, 대기 온도 데이터 등과 같은 3D 데이터 집합은 구면으로부터 생성된다. 논의의 목적을 위해, 시간을 넘어 생성된 ERP 데이터 집합은 특정 예로 사용될 것이다. 그러나, 여기에서 기술된 방법, 컴퓨터 프로그램 및 장치가 구면으로부터의 기타 데이터 집합에 적용될 수 있음이 이해되어야 한다. ERP 데이터는 3차원 공간 및 시간으로 구성되는 4차원 데이터로 간주될 수 있다. ERP 데이터는 사람의 두피 상의 상이한 센서에서 측정되는 전위의 군이다.

단계 304에서, 특정 시각의 ERP 데이터의 측정 점의 위치는 표면 파라미터화(surface parameterization) 방법의 사용에 의해 3D 공간에서의 원래의 점을 2D 평면으로 투사함에 의해 2D 평면으로 매핑(mapping)될 수 있다. 왜곡을 최소화하거나 연산 노력(computing effort)을 최소화할 수 있는 표면 파라미터화 방법은 유리하게 선택될 수 있다. 2D 평면상의 직사각형은 단지 투사된 점 모두를 커버(cover)할 수 있는 것으로 정의될 수 있다. 투사된 점 모두를 커버할 수 있는 기타의 모양 또한 이용될 수 있다. 직사각형은 특정 해상도를 가지며, 이는 2D 영상 맵을 형성하기 위해, 예를 들어, 사용자로부터 입력을 얻는 것에 의해 정의될 수 있다. 영상 맵은 흑백의 것일 수 있다. 일반적인 해상도는 NxN 또는 MxN, 예컨대 일부 예와 같이, 512x512, 512x256 및 256x256일 수 있다. 각 투사된 점은 2D 영상 맵상에, 위치, 즉 좌표를 갖는다. 2D 영상 맵에 표시되지 않은 픽셀(pixel)의 데이터 값은 할당된 값이 있는 이웃한 픽셀에 기초하여 보간(interpolate)될 수 있다. 한가지 선택은 모든 표시된 점이 먼저 델로네 삼각 분할(Delaunay Triangulation)을 이용해 삼각 분할되고, 이후 무게중심 보간(Barycentric interpolation)을 이용해 2D 영상 맵에서 보간이 수행될 수 있는 프로세스일 수 있다. 전체의 프로세스는 처리 시간을 절약하기 위하여 칩 레벨(chip level)에서 제공되는 오픈 그래픽 라이브러리의 응용 프로그래밍 인터페이스(OpenGL API)를 이용하여 수행될 수 있다. ERP 전위는 2D 영상 맵상에서 상이한 점에 강도/그레이 스케일(gray scale)로 표시될 수 있으며, 모든 전위 값은 0% 내지 100%의 그레이 스케일 범위에 들어가도록 스케일링 프로세스(scaling process)를 경험한다.

단계 302 및 단계 304는 다른 시각에 얻어진 ERP 데이터에서 수행된다. 단계 306에서, 입체 영상 데이터는 단계 304에서 생성된 2D 영상 맵으로부터 구성된다. 각 ERP 볼륨 조각(volume slice), 즉 생성된 각 영상으로, ERP 볼륨은 시간 차원을 따라 모든 데이터 조각이 함께 쌓임에 의해 구성될 수 있다. ERP 볼륨 데이터는 전체 시간 범위의 ERP 데이터의 정보를 포함한다. ERP 기법의 높은 시간 해상도(temporal resolution) 때문에, ERP 데이터 집합은 보통 수천 개의 샘플링 시각 점(sampling time point)을 포함한다. 시간 좌표에서의 균등하게 샘플링된 데이터와 데이터 집합에 대한 끊음(truncation)은 데이터 집합의 크기를 감소시키도록 수행될 수 있다. 3D 가우스 필터링(Gaussian filtering)이 또한 노이즈(noise)를 감소시키도록 데이터 볼륨에 대해 수행될 수 있다.

ERP 패러다임은 추가적으로 적어도 두 개의 실험적인 조건을 포함할 수 있고 ERP 볼륨은 각각의 실험적인 조건에 대하여 생성될 수 있다. 볼륨 차이는 상이한 실험적인 조건의 ERP 볼륨 간의 차를 계산함에 의해 생성될 수 있다. 또한, 입체 영상 데이터를 구성함에 있어서, 등위면의 추출 프로세스는 특정 값에서 등위면을 생성하도록 적용될 수 있다. 등위면 추출은 단일 ERP 데이터 집합 및 볼륨의 차로부터 생성된 볼륨 둘 다에 대해 수행될 수 있다. 고전적인 마칭 큐브 알고리즘(marching cubes algorithm)이 구현될 수 있다.

추가적으로, 임계점 그래픽(critical point graphic; CPG)이 또한 입체 영상 데이터로 적용될 수 있다. 원본 데이터 볼륨의 기울기 장(gradient field)이 연산될 수 있다. 임계점은 야코비안 행렬(Jacobian matrix)의 고유값(eigenvalue) 및 고유벡터(eigenvector)에 기초하여 연산된다. 임계점 그래프(CPG)는 연산된 임계점 및 그 사이의 유선으로 생성될 수 있다. 유선은 각 주어진 점에서 정의된 벡터장 방향에 접선 방향(tangent)이다. ERP의 경우에, 연산된 CPG의 구조는 잠재적인 뇌 활동의 표시(indication)가 될 수 있다.

일 실시예에서, 프로세스의 흐름은 단계 306에서 얻은 입체 영상 데이터에 기초하여 영상 데이터를 생산하기 위해 단계 314로 진행할 수 있다. 영상 데이터는 볼륨 광선 투사법(volume ray casting), 스플래팅(splatting), 시어 랩(shear wrap), 텍스쳐 매핑(texture mapping) 등과 같은 적용 가능한 볼륨 렌더링 방법에 의해 렌더링될 수 있다. 볼륨 렌더링 방법은 처리 속도 및 연산 복잡도를 고려하여 선택될 수 있다. 볼륨 렌더링을 수행할 때, 전달 함수(transfer function)가 이용될 수 있다. 예를 들어, 전달 함수는 색 또는 투명도로 픽셀의 값을 매핑하는 탐색표(look-up table)일 수 있다. 전달 함수에서, 0에 가까운 값은, 예를 들어, 대부분의 사람의 인식에 "중성"색이 될 수 있는 초록색으로 나타날 수 있다. 양의 값은 노란색 및 빨간색과 같은 "따뜻한" 색으로 나타날 수 있고, 음의 값은 파란색 및 청록색(cyan)같은 "차가운" 색에 의해 나타날 수 있다. 전달 함수는 또한 두 개의 극치에 가까운 데이터가 더 높은 불투명함으로 할당되는 반면 0에 가까운 많은 양의 데이터가 더 투명하게 만들어지도록 설계될 수 있다. 전달 함수는 사용자에 의해 정의되고 입력될 수 있다. 입체 영상 데이터의 렌더링은 실시간으로 수행될 수 있고, 사용자는 렌더링된 입체 영상 데이터를 상호작용하여 검사하고 분석할 수 있다.

흐름 프로세스(300)에서, 단계 308에서, 영상 프레임은 입체 영상 데이터로부터 2D 영상 맵을 추출하는 것에 의해 형성된다. 구체적으로, 두 종류의 프레임(즉, 임계 프레임)이 형성된다. 임계 프레임의 제1 종류는 그 전후 프레임으로부터 근본적으로 다를 수 있는 근본적으로 다른 프레임(radically different frame)일 수 있다. 차이는 노이즈, 중요한 특징 등에 기초할 수 있다. 임계 프레임의 다른 종류는 대표 프레임일 수 있다. 임계 프레임의 두 종류의 각각을 추출하는 프로세스는 도 4 및 도 5에 도시된다.

도 4는 근본적으로 다른 프레임을 추출하기 위한 흐름 프로세스(400)를 도시한다. 단계 402에서 두 개의 프레임 간의 차의 합은 두 개의 프레임의 모든 두 개의 대응하는 픽셀 간의 차의 제곱의 합에 의해 계산될 수 있다. 단계 404에서, 시간 t에서 프레임의 중요도의 값은 검사중인 프레임의 이전 프레임 및 이후 프레임과의 프레임 차이 둘 다의 가우스 무게 합(Gaussian weighted sum)으로 계산될 수 있다. 단계 406에서, 중요도 값 곡선은 단계 404에서 계산된 프레임의 중요도 값에 기초하여 생성된다. 단계 408에서, 미리 정하여진 문턱값(threshold)보다 큰 중요도 값을 가지는 프레임은 근본적으로 다른 프레임으로 추출된다. 미리 정하여진 문턱값은 사용자에 의해 설정될 수 있다.

도 5는 대표 프레임을 추출하기 위한 흐름 프로세스(500)를 도시한다. 단계 502에서 두 개의 프레임 간의 차의 합은 두 개의 프레임의 모든 두 개의 대응하는 픽셀 간의 차의 제곱의 합에 의해 계산될 수 있다. 단계 504에서, 시간 t에서 프레임의 중요도의 값은 검사 중인 프레임의 이전 프레임 및 이후 프레임과의 프레임 차이 둘 다의 가우스 무게 합으로 계산될 수 있다. 단계 506에서, 단계 504에서 계산된 프레임에 대한 중요도의 값에 기초하여, 중요도 값 곡선이 생성된다. 단계 508에서, 입체 영상 데이터는 중요도 값 곡선의 적분의 등가로 시간에 걸쳐 전체 데이터 시퀀스(data sequence)를 나누는 것에 의해 빈(bin)으로 나뉠 수 있다. 나뉘어질 빈의 개수는 사용자에 의해 입력될 수 있다. 단계 510에서, 대표 프레임은 각 빈으로부터 임계 프레임의 제2 종류로서 추출된다. 각 빈에서 추출된 대표 프레임의 개수는 사용자에 의해 입력될 수 있다. 하나 초과의 대표 프레임이 추출되면, 각 빈은 세분될 수 있고 대표 프레임은 이후 각 세분된 빈으로부터 추출된다. 따라서, 대표 프레임은 빈의 중요도 값의 적분에 기초하여 추출되고, 각 대표 프레임은 특정 양의 중요도를 나타낸다.

흐름 프로세스(300)의 단계 310에서, 프레임 갤러리는 결정된 두 종류의 임계 프레임으로부터 생성될 수 있다. 다른 실시예에서, 프로세스의 흐름은 단계 310에서 얻어지는 프레임 갤러리에 기초하여 영상 데이터를 생산하도록 단계 312로 진행할 수 있다. 도 6(a)는 ERP 입체 영상 데이터의 대표 프레임을 도시하는 프레임 갤러리의 예시를 도시한다. 도 6(b)는 임계 프레임의 두 종류 모두의 조합을 도시한 프레임 갤러리의 예시를 도시한다.

다른 실시예에서, 프로세스의 흐름은 입체 영상 데이터 및 프레임 갤러리로부터 합성 영상을 생산하기 위해 단계 316으로 진행할 수 있다. 특히, 합성 영상은 합성 영상이 렌더링될 수 있을 때, 프레임 갤러리가 도 7(a)에서의 예시에서 도시되는 바와 같은 입체 영상 데이터 내에서 렌더링될 수 있는 것과 같은 방식으로 생산될 수 있다. 도 7(b)는 도 7(a)의 프레임 갤러리에 적용되는 확대(zoom-in) 프로세스를 도시한다. 추가적으로, 프레임 갤러리는 도 7(c)에서의 예시에서 도시되는 바와 같이 입체 영상 데이터를 에워싸 렌더링될 수 있다. 또한, 중요도 값 곡선은 프레임 갤러리의 바닥을 따라 렌더링될 수 있다. 따라서, 사용자는 추출된 프레임을 비교하여 전체의 ERP 시간 시퀀스 데이터를 분석할 수 있다. 방법은 또한 사용자로 하여금 입력 장치에 의해 렌더링된 합성 영상의 컨텍스트 영역(context region) 또는 초점(focus)의 샘플링 레이트(sampling rate)를 동적으로 변화시키는 것을 허용한다. 디폴트로, 모든 프레임은 동일한 크기이다. 사용자는 입력 장치를 통하여 프레임 또는 렌더링된 합성 영상의 일부에 대해 확대 또는 축소(zoom-out) 프로세스를 수행할 수 있다. 또한, 도 7(a), (b) 및 (c)에서 도시된 바와 같이, 전체의 ERP 볼륨은 3D로 변형될 수 있고 프레임 사이의 교합(occlusion)에 말굽 형상(horseshoe shape)을 형성할 수 있다.

흐름 프로세스 구현의 예 - 임계점 그래프

도 8은 다른 실시예에 따른 입체 영상 데이터 처리를 도시한 흐름도이다. 프로세스의 흐름(800)을 참조하면, 단계 802에서, 3D데이터 점의 데이터 집합은 단계 804에서 2D 영상 맵을 얻도록 수집된다. 단계 802에서, 3D 데이터 점은 3D 공간에 걸쳐있는 점을 측정하여 수행된 측정으로부터 수집될 수 있다. 사건 관련 전위(ERP) 데이터, 지표 측정 데이터, 대기 온도 데이터 등과 같은 3D 데이터 집합은 구면으로부터 생성된다. 논의의 목적을 위해, 시간에 따라 생성된 ERP 데이터 집합은 특정 예로서 사용될 것이다. 그러나, 여기에서 기술된 방법, 컴퓨터 프로그램 및 장치는 구면으로부터의 다른 데이터 집합에 적용될 수 있음이 이해되어야 한다. ERP 데이터는 3개의 공간 차원 및 시간으로 구성된 4차원 데이터 집합으로 간주될 수 있다. ERP 데이터는 사람의 두피 상의 상이한 센서에서 측정된 전위의 군이다.

단계 804에서, 특정 시각의 ERP 데이터의 측정 점의 위치는 표면 파라미터화 방법을 사용함에 의해 3D 공간에 있는 원래의 점을 2D 평면에 투사함을 통하여 2D 평면에 매핑될 수 있다. 왜곡을 최소화시킬 수 있거나 연산 노력을 최소화시킬 수 있는 표면 파라미터화 방법은 유리하게 선택될 수 있다. 2D 평면상의 직사각형은 투사된 점 모두를 커버할 수 있는 것으로 정의될 수 있다. 투사된 점 모두를 커버할 수 있는 기타의 모양 또한 이용될 수 있다. 직사각형은 특정 해상도를 가지며, 이는 2D 영상 맵을 형성하기 위하여, 예를 들어 사용자로부터 입력을 얻는 것에 의해 정의될 수 있다. 영상 맵은 흑백의 것일 수 있다. 일반적인 해상도는 NxN 또는 MxN, 예컨대, 일부 예와 같이 512x512, 512x256 및 256x256일 수 있다. 투사된 점 각각은 2D 영상 맵 상에 위치, 즉 좌표를 갖는다. 2D 영상 맵에 표시되지 않은 픽셀의 데이터 값은 할당된 값이 있는 이웃한 픽셀에 기초하여 보간될 수 있다. 한가지 선택은, 모든 표시된 점이 먼저 델로네 삼각 분할을 이용해 삼각 분할되고, 이후 무게중심 보간을 이용하여 보간이 2D 영상 맵에서 수행될 수 있는 프로세스일 수 있다. 전체의 프로세스는 처리 시간을 절약하기 위하여 칩 레벨에서 제공되는 OpenGL API를 이용하여 수행될 수 있다. ERP 전위는 2D 영상 맵 상에서 상이한 점에 강도/그레이 스케일로 표시될 수 있으며, 모든 전위 값은 0% 내지 100%의 그레이 스케일 범위에 들어가도록 스케일링 프로세스(scaling process)를 경험한다.

단계 802 및 단계 804는 다른 시각에 얻어진 ERP 데이터에서 수행된다. 단계 806에서, 입체 영상 데이터는 단계 804에서 생성된 2D 영상 맵으로부터 구성된다. 각 ERP 볼륨 조각, 즉 생성된 각 영상으로, ERP 볼륨은 시간 차원을 따라 모든 데이터 조각이 함께 쌓임에 의해 구성될 수 있다. ERP 볼륨 데이터는 전체 시간 범위의 ERP 데이터의 정보를 포함한다. ERP 기법의 높은 시간 해상도 때문에, ERP 데이터 집합은 보통 수천 개의 샘플링 시각 점을 포함한다. 시간 좌표에서의 균등하게 샘플링된 데이터와 데이터 집합에 대한 끊음은 데이터 집합의 크기를 감소시키도록 수행될 수 있다. 3D 가우스 필터링이 또한 노이즈를 감소시키도록 데이터 볼륨에 대하여 수행될 수 있다.

단계 808에서, 임계점 그래프(CPG)가 입체 영상 데이터에 적용된다. 단계 810에서, 원본 데이터 볼륨의 기울기 장이 연산되고, 이후 임계점은 야코비안 행렬(Jacobian matrix)의 고유값 및 고유벡터에 기초하여 연산된다. 단계 812에서, 임계점 그래프(CPG)는 연산된 임계점 및 그 사이의 유선에 기초하여 생성된다.

유선은 각 주어진 점에서 정의된 벡터장 방향에 대하여 접선 방향이다. ERP의 경우에, 연산된 CPG의 구조는 잠재적인 뇌 활동의 표시일 수 있다.

ERP 패러다임은 추가적으로 적어도 두 개의 실험적인 조건을 포함할 수 있고 ERP 볼륨은 각각의 실험적인 조건에 대하여 생성될 수 있다. 볼륨 차이는 상이한 실험적인 조건의 ERP 볼륨 사이의 차를 계산함에 의해 생성될 수 있다. 또한, 입체 영상 데이터를 구성함에 있어서, 등위면 추출 프로세스가 특정 값에서 등위면을 생성하도록 적용될 수 있다. 등위면 프로세스 적용이 있는 입체 영상 데이터의 예시는 도 9에서 도시된다. 등위면 추출은 단일 ERP 데이터 집합 및 볼륨의 차로부터 생성된 볼륨 둘 다에 대해 수행될 수 있다. 고전적인 마칭 큐브 알고리즘이 구현될 수 있다.

CPG가 있는 입체 영상 데이터의 예는 도 10에서 도시된다. 추가적으로, 도 11은 등위면 프로세스 및 CPG 적용 둘 다가 있는 입체 영상 데이터의 예를 도시한다.

추가적인 구현예

시스템의 양상들의 하드웨어 및 소프트웨어 구현 사이에는 구별이 거의 없다; 하드웨어 또는 소프트웨어의 사용은 일반적으로 (그러나 어떤 문맥에서 하드웨어 및 소프트웨어 사이의 선택이 중요할 수 있다는 점에서 항상 그런 것은 아니지만) 비용 대비 효율의 트레이드오프(tradeoff)를 나타내는 설계상 선택(design choice)이다. 본 개시에서 기재된 프로세스 및/또는 시스템 및/또는 다른 기술들이 영향 받을 수 있는 다양한 수단(vehicles)(예를 들어, 하드웨어, 소프트웨어 및/또는 펌웨어)이 있으며, 선호되는 수단은 프로세스 및/또는 시스템 및/또는 다른 기술이 사용되는 컨텍스트(context)에 따라 변경될 것이다. 예를 들어, 구현자가 속도 및 정확성이 가장 중요하다고 결정한다면, 구현자는 주로 하드웨어 및/또는 펌웨어 수단을 선택할 수 있으며, 유연성이 가장 중요하다면, 구현자는 주로 소프트웨어 구현을 선택할 수 있다; 또는, 다른 대안으로서, 구현자는 하드웨어, 소프트웨어 및/또는 펌웨어의 어떤 결합을 선택할 수 있다.

전술한 상세한 설명은 블록도, 흐름도, 및/또는 예를 통해 장치의 다양한 실시예 및/또는 프로세스를 설명하였다. 그러한 블록도, 흐름도, 및/또는 예는 하나 이상의 기능 및/또는 동작을 포함하는 한, 당업자라면 그러한 블록도, 흐름도, 또는 예 내의 각각의 기능 및/또는 동작은 하드웨어, 소프트웨어, 펌웨어, 또는 가상의 그들의 임의의 조합의 넓은 범위에 의해 개별적으로 및/또는 집합적으로 구현될 수 있다는 것이 이해될 것이다. 일 실시예에서, 본 개시에 기재된 대상의 몇몇 부분은 ASIC(Application Specific Integrated Circuit), FPGA(Field Programmable Gate Array), DSP(Digital Signal Processor) 또는 다른 집적의 형태를 통해 구현될 수 있다. 그러나, 당업자라면, 본 개시의 실시예의 일부 양상은, 하나 이상의 컴퓨터 상에 실행되는 하나 이상의 컴퓨터 프로그램(예를 들어, 하나 이상의 컴퓨터 시스템 상에 실행되는 하나 이상의 프로그램), 하나 이상의 프로세서 상에서 실행되는 하나 이상의 프로그램(예를 들어, 하나 이상의 마이크로프로세서 상에서 실행되는 하나 이상의 프로그램), 펌웨어 또는 실질적으로 이들의 조합으로써, 전체적으로 또는 부분적으로 균등하게 집적회로에 구현될 수 있다는 알 수 있으며, 소프트웨어 및/또는 펌웨어를 위한 코드의 작성 및/또는 회로의 설계는 본 개시에 비추어 당업자에게 자명할 것이다. 또한, 당업자라면, 본 개시의 대상의 매커니즘(mechanism)들이 다양한 형태의 프로그램 제품으로 분포될 수 있음을 이해할 것이며, 본 개시의 대상의 예시는, 분배를 실제로 수행하는데 사용되는 신호 포함 매체(signal bearing medium)의 특정 유형과 무관하게 적용됨을 이해할 것이다. 신호 포함 매체의 예는, 플로피 디스크, 하드 디스크 드라이브, CD, DVD, 디지털 테이프, 컴퓨터 메모리 등과 같은 판독가능 유형의 매체, 디지털 및/또는 아날로그 통신 매체(예를 들어, 섬유 광학 케이블, 웨이브가이드, 유선 통신 링크, 무선 통신 링크 등)와 같은 전송 유형 매체를 포함할 수 있으나, 이에 제한되지는 않는다.

당업자라면, 여기서 설명된 형식으로 장치 및/또는 프로세스를 기술하고, 이후, 공학 실무를 사용하여 그러한 기술된 장치(예를 들면, 전송기, 수신기, 컴퓨팅 플랫폼, 컴퓨팅 장치 등) 및/또는 방법을 데이터 처리 시스템에 통합한다는 것은 당해 분야에서는 일반적이란 것을 인식할 것이다. 즉, 여기서 기술된 장치 및/또는 방법의 적어도 일부는 합당한 실험량을 통해 데이터 처리 시스템에 통합될 수 있다. 당업자라면, 전형적인 데이터 처리 시스템은 일반적으로 하나 이상의 시스템 유닛 하우징, 비디오 디스플레이 장치, 휘발성 및 비휘발성 메모리 같은 메모리, 마이크로프로세서 및 디지털 신호 프로세서 같은 프로세서, 운영 체제, 드라이버, 그래픽 사용자 인터페이스 및 애플리케이션 프로그램과 같은 컴퓨터 엔티티(computational entities), 터치 패드 또는 스크린 같은 하나 이상의 상호작용 장치, 및/또는 피드백 루프 및 제어 모터(예를 들면, 위치 및/또는 속도를 감지하기 위한 피드백; 컴포넌트 및/또는 양(quantities)을 이동하고 및/또는 조정하기 위한 제어 모터)를 포함하는 제어 시스템을 일반적으로 포함한다는 것을 인식할 것이다. 전형적인 데이터 처리 시스템은 데이터 컴퓨팅/통신 및/또는 네트워크 컴퓨팅/통신 시스템에서 전형적으로 발견되는 바와 같은 임의의 적절한 상업적으로 이용가능한 컴포넌트를 이용하여 구현될 수 있다.

여기서 기술된 대상은 때때로 상이한 다른 컴포넌트 내에 포함되거나 접속된 상이한 컴포넌트를 도시한다. 도시된 그러한 아키텍처는 단순히 예시적인 것이고, 사실상 동일한 기능을 달성하는 다른 많은 아키텍처가 구현될 수 있다는 것이 이해되어야 한다. 개념적으로, 동일한 기능을 달성하기 위한 컴포넌트의 임의의 배치는 원하는 기능이 달성되도록 유효하게 "연관"된다. 이에 따라, 특정 기능을 달성하기 위해 여기서 결합된 임의의 두 개의 컴포넌트는, 아키텍처 또는 중간 컴포넌트와는 무관하게, 원하는 기능이 달성되도록 서로 "연관"된 것으로 볼 수 있다. 마찬가지로, 연관된 두 개의 컴포넌트는 또한 원하는 기능을 달성하기 위해 서로 "동작적으로 접속"되거나 또는 "동작적으로 연결"되는 것으로 간주될 수 있고, 그와 같이 연관될 수 있는 임의의 두 개의 컴포넌트는 또한 원하는 기능을 달성하기 위해 서로 "동작적으로 연결가능"한 것으로 볼 수 있다. 동작적으로 연결 가능하다는 것의 특정 예는 물리적으로 양립가능(mateable)하고 및/또는 물리적으로 상호작용하는 컴포넌트 및/또는 무선으로 상호작용이 가능하고 및/또는 무선으로 상호작용하는 컴포넌트 및/또는 논리적으로 상호작용하고 및/또는 논리적으로 상호작용이 가능한 컴포넌트를 포함하지만, 이에 한정되는 것은 아니다.

여기에서 실질적으로 임의의 복수 및/또는 단수의 용어의 사용에 대하여, 당업자는 맥락 및/또는 응용에 적절하도록, 복수를 단수로 및/또는 단수를 복수로 해석할 수 있다. 다양한 단수/복수의 치환은 명확성을 위해 여기에서 명시적으로 기재될 수 있다.

당업자라면, 일반적으로 본 개시에 사용되며 특히 첨부된 청구범위(예를 들어, 첨부된 청구범위)에 사용된 용어들이 일반적으로 "개방적(open)" 용어(예를 들어, 용어 "포함하는"은 "포함하지만 이에 제한되지 않는"으로, 용어 "갖는"는 "적어도 갖는"으로, 용어 "포함하다"는 "포함하지만 이에 한정되지 않는" 등으로 해석되어야 함)로 의도되었음을 이해할 것이다. 또한, 당업자라면, 도입된 청구항의 기재사항의 특정 수가 의도된 경우, 그러한 의도가 청구항에 명시적으로 기재될 것이며, 그러한 기재사항이 없는 경우, 그러한 의도가 없음을 또한 이해할 것이다. 예를 들어, 이해를 돕기 위해, 이하의 첨부 청구범위는 "적어도 하나" 및 "하나 이상" 등의 도입 구절의 사용을 포함하여 청구항 기재사항을 도입할 수 있다. 그러나, 그러한 구절의 사용이, 부정관사 "하나"("a" 또는 "an")에 의한 청구항 기재사항의 도입이, 그러한 하나의 기재사항을 포함하는 실시예로, 그러한 도입된 청구항 기재사항을 포함하는 특정 청구항을 제한함을 암시하는 것으로 해석되어서는 안되며, 동일한 청구항이 도입 구절인 "하나 이상" 또는 "적어도 하나" 및 "하나"("a" 또는 "an")과 같은 부정관사(예를 들어, "하나"는 "적어도 하나" 또는 "하나 이상"을 의미하는 것으로 일반적으로 해석되어야 함)를 포함하는 경우에도 마찬가지로 해석되어야 한다. 이는 청구항 기재사항을 도입하기 위해 사용된 정관사의 경우에도 적용된다. 또한, 도입된 청구항 기재사항의 특정 수가 명시적으로 기재되는 경우에도, 당업자라면 그러한 기재가 일반적으로 적어도 기재된 수(예를 들어, 다른 수식어가 없는 "두개의 기재사항"을 단순히 기재한 것은, 일반적으로 적어도 두 개의 기재사항 또는 두 개 이상의 기재사항을 의미함)를 의미하도록 해석되어야 함을 이해할 것이다. 또한, "A, B 및 C,등 중의 적어도 하나"와 유사한 규칙이 사용된 경우에는, 일반적으로 그러한 해석은 당업자가 그 규칙을 이해할 것이라는 전제가 의도된 것이다(예를 들어, "A, B 및 C 중의 적어도 하나를 갖는 시스템"은, A만을 갖거나, B만을 갖거나, C만을 갖거나, A 및 B를 함께 갖거나, A 및 C를 함께 갖거나, B 및 C를 함께 갖거나, A, B, 및 C를 함께 갖는 시스템을 포함하지만 이에 제한되지 않음). "A, B 또는 C 중의 적어도 하나"와 유사한 규칙이 사용된 경우에는, 일반적으로 그러한 해석은 당업자가 그 규칙을 이해할 것이라는 전제가 의도된 것이다(예를 들어, "A, B 또는 C 중의 적어도 하나를 갖는 시스템"은, A만을 갖거나, B만을 갖거나, C만을 갖거나, A 및 B를 함께 갖거나, A 및 C를 함께 갖거나, B 및 C를 함께 갖거나, A, B, 및 C를 함께 갖는 시스템을 포함하지만 이에 제한되지 않음). 또한 당업자라면, 실질적으로 어떠한 이접 접속어(disjunctive word) 및/또는 두 개 이상의 대안적인 용어들을 나타내는 구절은, 그것이 상세한 설명, 청구범위 또는 도면에 있는지와 상관없이, 그 용어들 중의 하나, 그 용어들 중의 어느 하나, 또는 그 용어들 두 개 모두를 포함하는 가능성을 고려했음을 이해할 것이다. 예를 들어, "A 또는 B"라는 구절은 "A" 또는 "B" 또는 "A 및 B"의 가능성을 포함하는 것으로 이해될 것이다.

다양한 양상 및 실시예들이 본 개시에서 기술되었지만, 다른 양상 및 실시예들이 당업자에게 명확할 것이다. 본 개시에 기재된 다양한 양상 및 실시예는 예시의 목적으로 제시된 것이고, 제한하려고 의도된 것은 아니며, 진정한 범위 및 사상은 이하 청구범위에 의해 나타낸다.

Claims

입체 영상 데이터(volumetric image data)를 처리하기 위한 방법으로서,
3차원 데이터 점으로부터 복수의 2차원 영상 맵(map)을 획득하는 단계;
상기 복수의 2차원 영상 맵 중 적어도 하나를 추출하여 적어도 하나의 영상 프레임(image frame)을 형성하는 단계; 및
상기 적어도 하나의 영상 프레임으로부터 프레임 갤러리(frame gallery)를 생성하는 단계
를 포함하고,
상기 적어도 하나의 영상 프레임은 중요도가 높은 프레임을 포함하고,
상기 중요도가 높은 프레임은,
두 영상 프레임의 모든 대응하는 픽셀(pixel) 사이의 차의 제곱의 합에 의하여 상기 두 영상 프레임 사이의 차의 합(difference sum)을 계산하는 단계; 및
상기 계산된 차의 합에 기초하여 각각의 영상 프레임에 대한 중요도의 값을 연산하는 단계에 의해 결정되며,
상기 중요도가 높은 프레임은 각각의 영상 프레임에 대하여 상기 연산된 중요도의 값에 기초하여 결정되고 미리 정해진 문턱값 보다 큰 것인, 방법.
제1항에 있어서,
상기 복수의 2차원 영상 맵 및 상기 복수의 2차원 영상 맵의 각각과 연관된 시간 데이터에 기초하여 입체 영상 데이터를 구성(construct)하는 단계
를 더 포함하는 방법.
제2항에 있어서,
상기 입체 영상 데이터로 상기 프레임 갤러리를 렌더링(rendering)하는 합성 영상 데이터(composite image data)를 생산하는 단계
를 더 포함하는 방법.
제2항에 있어서,
상기 입체 영상 데이터를 구성하는 단계는 등위면 시각화 프로세스(iso-surface visualization process)를 상기 입체 영상 데이터에 적용하는 단계를 포함하는, 방법.
제3항에 있어서,
상기 프레임 갤러리는 상기 입체 영상 데이터 내에서 렌더링되는, 방법.
제3항에 있어서,
상기 프레임 갤러리는 상기 입체 영상 데이터를 에워싸 렌더링되는, 방법.
제1항에 있어서,
상기 3차원 데이터 점은 상이한 시간에 모아진 데이터를 포함하고,
상기 복수의 2차원 영상 맵은 시간 차원에서 정리된 데이터를 전체적으로 나타내는, 방법.
입체 영상 데이터를 처리하기 위한 방법으로서,
3차원 데이터 점으로부터 복수의 2차원 영상 맵을 획득하는 단계;
상기 복수의 2차원 영상 맵 중 적어도 하나를 추출하여 적어도 하나의 영상 프레임(image frame)을 형성하는 단계; 및
상기 적어도 하나의 영상 프레임으로부터 프레임 갤러리(frame gallery)를 생성하는 단계
를 포함하고,
상기 적어도 하나의 영상 프레임은 대표 프레임(representative frame)을 포함하고,
상기 대표 프레임은,
두 영상 프레임의 모든 대응하는 픽셀 사이의 차의 제곱의 합에 의하여 상기 두 영상 프레임 사이의 차의 합을 계산하는 단계;
상기 계산된 차의 합에 기초하여 각각의 영상 프레임에 대한 중요도의 값을 연산하는 단계; 및
영상 프레임들에 대한 상기 연산된 중요도의 값들에 기초하여 생성되는 중요도 값 곡선의 적분의 등가를 가지는 빈(bin)으로 상기 입체 영상 데이터를 나누는 단계에 의해 결정되며,
상기 빈 각각으로부터의 하나의 프레임은 상기 대표 프레임으로서 추출되는, 방법.
제8항에 있어서,
상기 복수의 2차원 영상 맵 및 상기 복수의 2차원 영상 맵의 각각과 연관된 시간 데이터에 기초하여 입체 영상 데이터를 구성(construct)하는 단계
를 더 포함하는 방법.
제9항에 있어서,
상기 입체 영상 데이터로 상기 프레임 갤러리를 렌더링(rendering)하는 합성 영상 데이터(composite image data)를 생산하는 단계
를 더 포함하는 방법.
제9항에 있어서,
상기 입체 영상 데이터를 구성하는 단계는 등위면 시각화 프로세스(iso-surface visualization process)를 상기 입체 영상 데이터에 적용하는 단계를 포함하는, 방법.
제10항에 있어서,
상기 프레임 갤러리는 상기 입체 영상 데이터 내에서 렌더링되는, 방법.
제10항에 있어서,
상기 프레임 갤러리는 상기 입체 영상 데이터를 에워싸 렌더링되는, 방법.
제8항에 있어서,
상기 3차원 데이터 점은 상이한 시간에 모아진 데이터를 포함하고,
상기 복수의 2차원 영상 맵은 시간 차원에서 정리된 데이터를 전체적으로 나타내는, 방법.
입체 영상 데이터(volumetric image data)를 처리하기 위한 장치로서,
3차원 데이터 점으로부터 복수의 2차원 영상 맵(map)을 획득하도록 구성된 획득 유닛;
상기 복수의 2차원 영상 맵 중 적어도 하나를 추출하여 적어도 하나의 영상 프레임(image frame)을 형성하도록 구성된 추출 유닛; 및
상기 적어도 하나의 영상 프레임으로부터 프레임 갤러리(frame gallery)를 생성하도록 구성된 생성 유닛
을 포함하고,
상기 적어도 하나의 영상 프레임은 중요도가 높은 프레임을 포함하고,
상기 추출 유닛은 결정 유닛을 포함하고,
상기 결정 유닛은,
두 영상 프레임의 모든 대응하는 픽셀(pixel) 사이의 차의 제곱의 합에 의하여 상기 두 영상 프레임 사이의 차의 합(difference sum)을 계산하고; 그리고
상기 계산된 차의 합에 기초하여 각각의 영상 프레임에 대한 중요도의 값을 연산함으로써 상기 중요도가 높은 프레임을 결정하도록 구성되고,
상기 중요도가 높은 프레임은 각각의 영상 프레임에 대하여 상기 연산된 중요도의 값에 기초하여 결정되고 미리 정해진 문턱값 보다 큰 것인, 장치.
제15항에 있어서,
상기 복수의 2차원 영상 맵 및 상기 복수의 2차원 영상 맵의 각각과 연관된 시간 데이터에 기초하여 입체 영상 데이터를 구성하도록 구성된 구성 유닛
을 더 포함하는 장치.
제16항에 있어서,
상기 입체 영상 데이터로 상기 프레임 갤러리를 렌더링하는 합성 영상 데이터를 생산하도록 구성된 생산 유닛
을 더 포함하는 장치.
제16항에 있어서,
상기 구성 유닛은 등위면 시각화 프로세스(iso-surface visualization process)를 상기 입체 영상 데이터에 적용하도록 구성되는, 장치.
제17항에 있어서,
상기 프레임 갤러리는 상기 입체 영상 데이터 내에서 렌더링되는, 장치.
제17항에 있어서,
상기 프레임 갤러리는 상기 입체 영상 데이터를 에워싸 렌더링되는, 장치.
제15항에 있어서,
상기 3차원 데이터 점은 상이한 시간에 모아진 데이터를 포함하고,
상기 복수의 2차원 영상 맵은 시간 차원에서 정리된 데이터를 전체적으로 나타내는, 장치.
입체 영상 데이터(volumetric image data)를 처리하기 위한 장치로서,
3차원 데이터 점으로부터 복수의 2차원 영상 맵(map)을 획득하도록 구성된 획득 유닛;
상기 복수의 2차원 영상 맵 중 적어도 하나를 추출하여 적어도 하나의 영상 프레임(image frame)을 형성하도록 구성된 추출 유닛; 및
상기 적어도 하나의 영상 프레임으로부터 프레임 갤러리(frame gallery)를 생성하도록 구성된 생성 유닛
을 포함하고,
상기 적어도 하나의 영상 프레임은 대표 프레임(representative frame)을 포함하고,
상기 추출 유닛은 결정 유닛을 포함하고,
상기 결정 유닛은,
두 영상 프레임의 모든 대응하는 픽셀(pixel) 사이의 차의 제곱의 합에 의하여 상기 두 영상 프레임 사이의 차의 합(difference sum)을 계산하고;
상기 계산된 차의 합에 기초하여 각각의 영상 프레임에 대한 중요도의 값을 연산하며; 그리고
영상 프레임들에 대한 상기 연산된 중요도의 값들에 기초하여 생성되는 중요도 값 곡선의 적분의 등가를 가지는 빈(bin)으로 상기 입체 영상 데이터를 나눔으로써 상기 대표 프레임을 결정하도록 구성되고,
상기 빈 각각으로부터의 하나의 프레임은 상기 대표 프레임으로서 추출되는, 장치.
제22항에 있어서,
상기 복수의 2차원 영상 맵 및 상기 복수의 2차원 영상 맵의 각각과 연관된 시간 데이터에 기초하여 입체 영상 데이터를 구성하도록 구성된 구성 유닛
을 더 포함하는 장치.
제23항에 있어서,
상기 입체 영상 데이터로 상기 프레임 갤러리를 렌더링하는 합성 영상 데이터를 생산하도록 구성된 생산 유닛
을 더 포함하는 장치.
제23항에 있어서,
상기 구성 유닛은 등위면 시각화 프로세스(iso-surface visualization process)를 상기 입체 영상 데이터에 적용하도록 구성되는, 장치.
제24항에 있어서,
상기 프레임 갤러리는 상기 입체 영상 데이터 내에서 렌더링되는, 장치.
제24항에 있어서,
상기 프레임 갤러리는 상기 입체 영상 데이터를 에워싸 렌더링되는, 장치.
제22항에 있어서,
상기 3차원 데이터 점은 상이한 시간에 모아진 데이터를 포함하고,
상기 복수의 2차원 영상 맵은 시간 차원에서 정리된 데이터를 전체적으로 나타내는, 장치.
입체 영상 데이터(volumetric image data)를 처리하기 위한 방법으로서,
3차원 데이터 점으로부터 복수의 2차원 영상 맵(map)을 획득하는 단계;
복수의 영상 프레임(image frame)을 형성하도록 상기 복수의 2차원 영상 맵 중 적어도 하나를 추출하는 단계; 및
중요도의 값에 기초한 이전 및 이후 프레임과는 근본적으로 상이한 근본적으로 다른 프레임(radically different frame)을 포함하는 상기 복수의 영상 프레임으로부터 프레임 갤러리(frame gallery)를 생성하는 단계
를 포함하고,
상기 중요도의 값은 상기 이전 프레임과 상기 근본적으로 다른 프레임 및 상기 이후 프레임과 상기 근본적으로 다른 프레임의 가우스 무게 합(Gaussian weighted sum)을 포함하는, 방법.
제29항에 있어서,
상기 3차원 데이터 점은 구면으로부터 생성되는, 방법.
제29항에 있어서,
상기 3차원 데이터 점은 사건 관련 전위(event-related potential; ERP) 데이터로부터 생성되는, 방법.
제29항에 있어서,
상기 근본적으로 다른 프레임은 미리 정하여진 문턱값(threshold) 보다 큰 중요도의 값에 기초하여 상기 이전 및 이후 프레임과는 근본적으로 다른 것인, 방법.
입체 영상 데이터(volumetric image data)를 처리하기 위한 장치로서,
3차원 데이터 점으로부터 복수의 2차원 영상 맵(map)을 획득하는 획득 유닛;
복수의 영상 프레임(image frame)을 형성하도록 상기 복수의 2차원 영상 맵 중 적어도 하나를 추출하는 추출 유닛; 및
중요도의 값에 기초한 이전 및 이후 프레임과는 근본적으로 상이한 근본적으로 다른 프레임(radically different frame)을 포함하는 상기 복수의 영상 프레임으로부터 프레임 갤러리(frame gallery)를 생성하는 생성 유닛
을 포함하고,
상기 중요도의 값은 상기 이전 프레임과 상기 근본적으로 다른 프레임 및 상기 이후 프레임과 상기 근본적으로 다른 프레임의 가우스 무게 합(Gaussian weighted sum)을 포함하는, 장치.
제33항에 있어서,
상기 3차원 데이터 점은 구면으로부터 생성되는, 장치
제33항에 있어서,
상기 3차원 데이터 점은 사건 관련 전위(event-related potential; ERP) 데이터로부터 생성되는, 장치.
제33항에 있어서,
상기 근본적으로 다른 프레임은 미리 정하여진 문턱값(threshold) 보다 큰 중요도의 값에 기초하여 상기 이전 및 이후 프레임과는 근본적으로 다른 것인, 장치.
입체 영상 데이터(volumetric image data)를 처리하기 위한 방법으로서,
3차원 데이터 점으로부터 복수의 2차원 영상 맵(map)을 획득하는 단계;
상기 복수의 2차원 영상 맵 및 상기 복수의 2차원 영상 맵의 각각과 연관된 시간 데이터에 기초하여 입체 영상 데이터를 구성(construct)하는 단계;
임계점 그래프(critical point graph)를 입체 영상 데이터에 적용하는 단계; 및
근본적으로 다른 프레임(radically different frame) 또는 대표 프레임(representative frame) 중 적어도 하나를 포함하는 복수의 이미지 프레임으로부터 프레임 갤러리(frame gallery)를 생성하는 단계
를 포함하고,
상기 근본적으로 다른 프레임은,
두 영상 프레임의 모든 대응하는 픽셀(pixel) 사이의 차의 제곱의 합에 의하여 상기 두 영상 프레임 사이의 차의 합(difference sum)을 계산하는 단계; 및
상기 계산된 차의 합에 기초하여 각각의 영상 프레임에 대한 중요도의 값을 연산하는 단계에 의해 결정되며,
상기 근본적으로 다른 프레임은 각각의 영상 프레임에 대하여 상기 연산된 중요도의 값에 기초하여 결정되고,
상기 대표 프레임은,
두 영상 프레임의 모든 대응하는 픽셀 사이의 차의 제곱의 합에 의하여 상기 두 영상 프레임 사이의 차의 합을 계산하는 단계;
상기 계산된 차의 합에 기초하여 각각의 영상 프레임에 대한 중요도의 값을 연산하는 단계; 및
영상 프레임들에 대한 상기 연산된 중요도의 값들에 기초하여 생성되는 중요도 값 곡선의 적분의 등가를 가지는 빈(bin)으로 상기 입체 영상 데이터를 나누는 단계에 의해 결정되며,
상기 빈 각각으로부터의 하나의 프레임은 상기 대표 프레임으로서 추출되는, 방법.
제37항에 있어서,
상기 임계점 그래프를 적용하는 단계는,
야코비안 행렬(Jacobian matrix)의 고유값(eigenvalue) 및 고유벡터(eigenvector)에 기초하여 임계점 및 상기 입체 영상 데이터의 기울기 장(gradient field)을 연산하는 단계; 및
상기 연산된 임계점 및 그 사이의 유선(streamline)에 기초하여 상기 임계점 그래프를 생성하는 단계를 포함하는, 방법.
제37항에 있어서,
상기 3차원 데이터 점은 구면으로부터 생성되는, 방법.
제37항에 있어서,
상기 3차원 데이터 점은 사건 관련 전위(event-related potential; ERP) 데이터로부터 생성되는, 방법.
입체 영상 데이터(volumetric image data)를 처리하기 위한 방법으로서,
3차원 데이터 점으로부터 복수의 2차원 영상 맵(map)을 획득하는 단계;
복수의 영상 프레임(image frame)을 형성하도록 상기 복수의 2차원 영상 맵 중 적어도 하나를 추출하는 단계; 및
이전 및 이후 프레임에 대해 특정 양의 중요도를 나타내는 대표 프레임(representative)을 포함하는 상기 복수의 영상 프레임으로부터 프레임 갤러리(frame gallery)를 생성하는 단계
를 포함하고,
상기 중요도의 양은 상기 이전 프레임과 상기 대표 프레임 및 상기 이후 프레임과 상기 대표 프레임의 가우스 무게 합(Gaussian weighted sum)을 포함하는, 방법.
제41항에 있어서,
상기 3차원 데이터 점은 구면으로부터 생성되는, 방법.
제41항에 있어서,
상기 3차원 데이터 점은 사건 관련 전위(event-related potential; ERP) 데이터로부터 생성되는, 방법.
입체 영상 데이터(volumetric image data)를 처리하기 위한 장치로서,
3차원 데이터 점으로부터 복수의 2차원 영상 맵(map)을 획득하는 획득 유닛;
복수의 영상 프레임(image frame)을 형성하도록 상기 복수의 2차원 영상 맵 중 적어도 하나를 추출하는 추출 유닛; 및
이전 및 이후 프레임에 대해 특정 양의 중요도를 나타내는 대표 프레임(representative)을 포함하는 상기 복수의 영상 프레임으로부터 프레임 갤러리(frame gallery)를 생성하는 생성 유닛
을 포함하고,
상기 중요도의 양은 상기 이전 프레임과 상기 대표 프레임 및 상기 이후 프레임과 상기 대표 프레임의 가우스 무게 합(Gaussian weighted sum)을 포함하는, 장치.
제44항에 있어서,
상기 3차원 데이터 점은 구면으로부터 생성되는, 장치.
제44항에 있어서,
상기 3차원 데이터 점은 사건 관련 전위(event-related potential; ERP) 데이터로부터 생성되는, 장치
입체 영상 데이터(volumetric image data)를 처리하기 위한 방법으로서,
3차원 데이터 점으로부터 복수의 2차원 영상 맵(map)을 획득하는 단계;
상기 복수의 2차원 영상 맵 및 상기 복수의 2차원 영상 맵의 각각과 연관된 시간 데이터에 기초하여 입체 영상 데이터를 구성(construct)하는 단계;
임계점 그래프(critical point graph)를 입체 영상 데이터에 적용하는 단계; 및
이전 및 이후 프레임에 대해 특정 양의 중요도를 나타내는 대표 프레임(representative frame)을 포함하는 복수의 이미지 프레임으로부터 프레임 갤러리(frame gallery)를 생성하는 단계
상기 중요도의 양은 상기 이전 프레임과 상기 대표 프레임 및 상기 이후 프레임과 상기 대표 프레임의 가우스 무게 합(Gaussian weighted sum)을 포함하는, 방법.
제47항에 있어서,
상기 3차원 데이터 점은 구면으로부터 생성되는, 방법
제47항에 있어서,
상기 3차원 데이터 점은 사건 관련 전위(event-related potential; ERP) 데이터로부터 생성되는, 방법.