KR101634334B1 - 의료 영상으로부터 대표 영상을 추출하는 방법 - Google Patents

의료 영상으로부터 대표 영상을 추출하는 방법 Download PDF

Info

Publication number
KR101634334B1
KR101634334B1 KR1020140034851A KR20140034851A KR101634334B1 KR 101634334 B1 KR101634334 B1 KR 101634334B1 KR 1020140034851 A KR1020140034851 A KR 1020140034851A KR 20140034851 A KR20140034851 A KR 20140034851A KR 101634334 B1 KR101634334 B1 KR 101634334B1
Authority
KR
South Korea
Prior art keywords
image
interest
medical image
extracting
lesion
Prior art date
Application number
KR1020140034851A
Other languages
English (en)
Other versions
KR20150111541A (ko
Inventor
이상민
김남국
Original Assignee
재단법인 아산사회복지재단
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 재단법인 아산사회복지재단 filed Critical 재단법인 아산사회복지재단
Priority to KR1020140034851A priority Critical patent/KR101634334B1/ko
Priority to PCT/KR2014/012760 priority patent/WO2015099426A1/ko
Publication of KR20150111541A publication Critical patent/KR20150111541A/ko
Application granted granted Critical
Publication of KR101634334B1 publication Critical patent/KR101634334B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

본 개시는 검색 및 관리를 위하여 의료 영상으로부터 대표 영상을 추출하는 방법에 있어서, 의료 영상에서 관심 위치를 선택하는 단계; 병변의 종류에 따른 영상 처리 지시에 의해 의료 영상을 영상 처리하여 괸심 위치를 포함하는 관심 영역을 분할하는 단계; 그리고 분할된 관심 영역에 안전 여유(safety margin)을 부여하여 대표 영상을 생성하는 단계;를 포함하는 것을 특징으로 하는 의료 영상으로부터 대표 영상을 추출하는 방법에 관한 것이다.

Description

의료 영상으로부터 대표 영상을 추출하는 방법{METHOD OF EXTRACTING REPRESENTING IMAGE FROM MEDICAL IMAGE}
본 개시(Disclosure)는 전체적으로 의료 영상으로부터 대표 영상을 추출하는 방법에 관한 것으로, 특히 병변과 같은 의료 영상의 특징을 잘 나타내는 의료 영상으로부터 대표 영상을 추출하는 방법에 관한 것이다.
여기서는, 본 개시에 관한 배경기술이 제공되며, 이들이 반드시 공지기술을 의미하는 것은 아니다(This section provides background information related to the present disclosure which is not necessarily prior art).
의료 영상을 사용하여 병변의 상태를 평가하는 방법이 널리 사용되고 있다. 의료 영상을 이용한 매일 매일의 진단 및 평가뿐만 아니라 연구를 위해 의료 영상을 편리하고 빠르게 검색 및 관리할 필요가 있다. 대용량의 의료 영상 데이터를 오랜 시간 동안 저장, 검색 및 관리하기 위해 의료 영상 관리(medical image manager) 소프트웨어가 개발되고 있다.
대부분 의료 영상은 2D images, 3D/4D/5D Volume 형태가 기본 단위인데, 결국, 의료 영상의 세부적인 특징을 알기 위해서는 수백 메가에 이르는 볼륨을 일일이 로드(load)해야 한다는 불편함이 있다. 따라서 의료 영상에서도 디지털 카메라와 같이 전체 이미지의 축소판을 저장하여 보여주는 방식으로 대표 영상(예: 썸네일(thumbnail))을 생성함으로써, 이미지 전부를 로딩하지 않더라도 사용자가 쉽게 이미지를 보고 선별 및 선택 작업을 할 수 있다. 예를 들어, 의료 영상의 한 시리즈(series) 당 몇 백장에서 몇 천장이 있을 수 있는 것을 대표 영상 1 내지 5장으로 요약 필요성도 있다.
그러나 논문이나 연구를 위해서는 수많은 의료 영상을 검색해야 하지만 수많은 환자 데이터는 여러 형태로 저장된다. 보통 검색을 위한 정보는 텍스트로 있고, 환자 정보, 의료 영상의 생성시기, 신체 부위 등의 정보로 검색해야 하지만 의료 영상을 많이 다루는 의사는 의료 영상을 이미지로 기억하며 여러 영상을 한꺼번에 검토한다.
그런데, 의료 영상을 축소한 썸네일로부터는 의료 영상의 특징을 이미지로부터 쉽게 얻기에는 정보가 매우 부족한 실정이다. 따라서 해당 의료 영상의 내용을 가장 특징적으로 드러내는 양질의 이미지를 추출하여 썸네일을 생성하는 것이 요구된다. 또한, 다량의 의료 영상을 다루므로 이러한 썸네일 등 대표 영상의 생성 과정이 편리하도록 개발될 필요가 있다.
미국 공개특허공보 제2011/0286647호에는 body part, modality, date of image를 나타내는 3축을 따라 의료 영상의 Image piles(썸네일 등)을 저장한 image cube를 사용하여 브라우징하는 방법을 개시하고 있다. 그러나 이 문헌에는 의료 영상의 특징을 자동 또는 반자동으로 추출하고, 이를 이용한 의료 영상의 검색 및 관리 방법을 개시하지는 못한다.
이에 대하여 '발명의 실시를 위한 구체적인 내용'의 후단에 기술한다.
여기서는, 본 개시의 전체적인 요약(Summary)이 제공되며, 이것이 본 개시의 외연을 제한하는 것으로 이해되어서는 아니된다(This section provides a general summary of the disclosure and is not a comprehensive disclosure of its full scope or all of its features).
본 개시에 따른 일 태양에 의하면(According to one aspect of the present disclosure), 검색 및 관리를 위하여 의료 영상으로부터 대표 영상을 추출하는 방법에 있어서, 의료 영상에서 관심 위치를 선택하는 단계; 병변의 종류에 따른 영상 처리 지시에 의해 의료 영상을 영상 처리하여 괸심 위치를 포함하는 관심 영역을 분할하는 단계; 그리고 분할된 관심 영역에 안전 여유(safety margin)을 부여하여 대표 영상을 생성하는 단계;를 포함하는 것을 특징으로 하는 의료 영상으로부터 대표 영상을 추출하는 방법이 제공된다.
이에 대하여 '발명의 실시를 위한 구체적인 내용'의 후단에 기술한다.
도 1은 본 개시에 따른 의료 영상으로부터 대표 영상을 추출하는 방법의 일 예를 설명하는 도면,
도 2는 팝업창을 통해 병변이 선택되는 과정의 일 예를 설명하는 도면,
도 3은 3차원 의료 영상에서 뷰가 선택되는 방법의 일 예를 설명하는 도면,
도 4는 폐의 영상의 일 예를 보여주는 도면,
도 5는 썸네일이 생성되는 과정의 일 예를 설명하는 도면,
도 6은 썸네일 생성시 영상을 켑쳐하는 방법의 일 예를 설명하는 도면,
도 7은 시간에 따라 변하는 영상의 일 예를 설명하는 도면,
도 8은 썸네일이 저장 및 검색되는 방식의 일 예를 설명하는 도면.
이하, 본 개시를 첨부된 도면을 참고로 하여 자세하게 설명한다(The present disclosure will now be described in detail with reference to the accompanying drawing(s)).
도 1은 본 개시에 따른 의료 영상으로부터 대표 영상을 추출하는 방법의 일 예를 설명하는 도면이다.
의료 영상으로부터 대표 영상을 추출하는 방법에서, 먼저 의료 영상에서 관심 위치가 선택된다(S21). 이후, 병변의 종류에 따른 영상 처리 지시에 의해 의료 영상을 영상 처리하여 관심 위치를 포함하는 관심 영역이 추출된다(S31). 다음으로, 분할된 관심 영역에 안전 여유(safety margin)을 고려하여 대표 영상이 생성된다(S41).
관심 위치가 선택되기 전에 병변의 종류가 선택될 수 있다. 병변의 종류가 선택되면, 의료 영상을 사용하여 동종 질환에 대해 자동분류자의 학습 루틴을 실행할 수 있다.
관심 위치는 사용자 인터페이스를 통해 의료 영상 상에 점 또는 특정 위치를 지정함으로써 선택될 수 있다. 관심 영역이 추출되는 과정에서 병변의 종류에 따른 영상 처리 지시는 병변을 분할하거나 쓰레쉬홀딩하는 영상 처리의 조건을 포함할 수 있다. 이와 같이 추출된 관심 영역이 대표 영상에 포함되도록 관심 영역에 일정한 안전 여유를 부여하여 대표 영상을 생성할 수 있다.
대표 영상이 생성하는 과정에서 검색 및 관리를 위해 개체의 성별이나 나이 등을 포함하는 환자(patient) 정보, 장기 또는 신체의 부위에 관련된 스터디(study) 정보 및 병변의 종류 등에 관련된 시리즈(series) 정보 중 적어도 하나를 대표 영상에 매칭시킬 수 있다. 이러한 정보에 따라 대표 영상을 계층적(hierarchical)으로 저장할 수 있다. 사용자는 이러한 매칭된 정보를 대표 영상의 검색 및 관리에 사용할 수 있다.
또한, 대표 영상은 의료 영상의 특징, 즉 병변에 따른 영상 처리 과정을 통해 의료 영상의 특징적인 부분을 포함한다. 따라서 다수의 대표 영상을 한꺼번에 이미지로 검색하는 의사는 의료 영상의 특징을 쉽게 파악하면서 브라우징(browsing)할 수 있고, 환자, 스터디 및 시리즈별로 쉽게 계층적으로 저장, 검색 및 관리가 가능하다.
또한, 대표 영상의 생성 과정은 간단한 사용자 인터페이스에 의한 입력에 의해 컴퓨터에 의해 자동으로 수행될 수 있으므로 다수의 의료 영상을 다루는 분야에서 대표 영상을 생성하기가 편리하다.
이하, 의료 영상으로부터 대표 영상을 추출하는 방법의 각 과정을 상세히 설명한다.
도 2는 팝업창을 통해 병변이 선택되는 과정의 일 예를 설명하는 도면이다.
의료 영상으로부터 대표 영상을 추출하는 방법에서, 먼저 의료 영상에서 관심 위치가 선택되기 전에, 팝업창을 통해 병변의 종류가 선택될 수 있다. 본 예에 따른 의료 영상으로부터 대표 영상을 추출하는 방법은 폐, 심장, 뇌, 신장, 간 등에 대한 다양한 의료 영상에 적용될 수 있으며, 대상이 특별히 제한되는 것이 아니다. 또한, 본 예에 따른 의료 영상으로부터 대표 영상을 추출하는 방법은 소프트웨어에 의해 수행될 수 있으며, 병변의 종류에 따라 의료 영상의 가장 인상적인 특징을 대표 영상으로 만드는 특징을 가진다. 따라서, 도 2에 도시된 것과 같이 팝업창을 통해 병변의 종류를 선택하는 과정을 포함하는 것이 바람직하다.
예를 들어, 폐의 의료 영상(예: 흉부 볼륨 CT)을 고려하면, Tumor, Emphysema, Honeycomb, GGO, Micro-calcification 등의 폐질환들이 선택될 수 있다. 팝업창은 병변 또는 의료 영상의 추가 버튼 및 삭제 버튼을 포함할 수 있다.
도 3은 3차원 의료 영상에서 뷰가 선택되는 방법의 일 예를 설명하는 도면이다.
의료 영상에서 관심 위치가 선택된다(S21). 관심 위치의 선택은 전술된 것과 같이 병변의 종류가 선택된 후에 되거나, 병변의 선택이 없는 경우에 수행되거나 모두 가능하다. 다만, 병변의 종류가 선택되면 관심 위치 선택을 위해 시각적으로 또는 의료 영상 상의 정보를 통해 관심 위치 선택에 도움을 주기 위한 영상 전처리 과정이 수행될 수도 있다.
관심 위치는 2차원 의료 영상에서 선택될 수도 있지만, 3차원 의료 영상을 회전하여 뷰(view)를 선택하는 과정을 포함할 수도 있다.
CT, MRI 등의 의료 영상 장치로 획득된 영상은 3차원 볼륨 데이터(10)일 수 있다. 이러한 3차원 볼륨 데이터(10)로부터 필요에 따라 의료 영상을 추출한다. 예를 들어, 도 3에 도시된 것과 같이 3차원 볼륨 데이터를 뷰(1, 3; 보는 방향)에 따라 3차원 이미지의 표면이 투영되는 방식(30, 40)으로 추출될 수 있다. 이러한 뷰의 생성 방법으로는 3D volume rendering, surface rendering, MIP/MinIP, RaySum, Virtual Endoscopy 등으로 다양한 view에서 의료 영상을 생성할 수 있다. 또한, 3차원 볼륨 데이터로부터 2차원 단면(20)이 추출될 수도 있다.
이러한 뷰는 예를 들어, axial, sagittal, coronal 등 신체를 보는 대표적인 방향이 포함한다. 이와 같이 추출된 의료 영상은 기본적으로 2D이지만, 3차원의 이미지를 내포하는 것(예: 30, 40)이기도 하다. 또한, 시간에 따라 변화하거나, 조영제 또는 약물의 투여 여부에 따른 변화를 보는 다른 축을 추가하면 2차원의 의료 영상이 3차원, 4차원 및 5차원 의료 영상으로 생성될 수도 있다.
의료 영상을 추출하는 방법은 전술된 방법 이외에도 3차원 볼륨 데이터(10)으로부터 병변(15)을 포함하는 3차원 볼륨 데이터 일부를 직접 추출해내는 것도 가능하다. 이와 같이 추출된 3차원 볼륨 데이터 일부를 3D 대표 영상(예: 썸네일)화 하는 것도 본 개시의 범위에 포함된다.
이러한 의료 영상을 사용하여 의사 또는 사용자가 특정 위치 또는 점을 관심 위치로 지정할 수 있다. 이에 대해서는 더 후술된다.
도 4는 폐의 영상의 일 예를 보여주는 도면이다.
전술된 것과 같이 획득되는 의료 영상에서 관심 위치가 선택된다. 예를 들어, 관심 위치는 도 4에 도시된 것과 같은 폐 영상에 나타난 Tumor, Emphysema, Honeycomb, GGO, Micro-calcification 등의 폐질환들의 특정 위치(예: 중심)일 수 있다. 이러한 관심 위치의 선택은 의사에 의해 마우스 등의 인터페이스 수단을 통해 지정될 수 있다.
한편, 의사나 사용자가 편리하게 이러한 관심 위치를 선택할 수 있도록 폐 영상에서 병변들이 구분되어 시각화되면 아주 유용하다. 예를 들어, 한국 등록특허공보 제998630호에 개시된 자동분류자를 사용하여 폐질환을 자동분류하는 방법을 사용할 수도 있다. 이 경우, 병변이 선택되면 의료 영상을 사용하여 동종 질환에 대해 자동분류자의 학습 루틴이 수행될 수 있다. 이러한 자동분류자를 사용하여 폐질환들이 도 4에 도시된 폐 영상 상에 구분되어 표시될 수 있다. 이렇게 구분되어 표시된 병변의 일정 부위의 중심 또는 특정 위치를 의사가 지정함으로써 관심 위치가 선택될 수 있다. 이와 다른 예로서, 컴퓨터에 의해 자동으로 병변의 특정 위치를 선택하도록 할 수 있다. 예를 들어, 디스턴스 맵을 사용하여 병변의 경계(boundary)로부터의 거리와 같은 조건을 정해서 병변 내의 점을 잡을 수도 있다. 이후, 자동 선택된 관심 위치를 의사나 사용자가 검증하는 것도 가능할 것이다.
그러나 본 예에 따른 의료 영상으로부터 대표 영상을 추출하는 방법이 이러한 자동분류자에 의해 병변을 구분과정을 반드시 포함할 필요는 없다.
도 5는 썸네일이 생성되는 과정의 일 예를 설명하는 도면이다.
도 5(a)에 도시된 것과 같이, 의료 영상(50)에 관심 위치(61)가 지정된다. 여기서 의료 영상(50)은 도 3에서 설명된 의료 영상(20,30,40) 또는 3차원 볼륨 데이터(10)으로부터 병변(15)을 포함하도록 직접 추출된 3차원 볼륨 데이터 일부일 수 있다.
이후, 도 5(b)에 도시된 것과 같이, 병변의 종류에 따른 영상 처리 지시에 의해 관심 위치(61)를 기준으로 의료 영상을 영상 처리하여 관심 영역(70)이 추출된다(S31). 본 예에 따른 의료 영상으로부터 대표 영상을 추출하는 방법은 Case Sensitive한 방법으로서, 특히 병변의 종류에 따라 미리 설정되거나 과정 중에 설정되는 영상 처리 지시를 사용하여 관심 위치(61)를 포함하는 일정 영역을 영상 처리함으로써 대표 영상에 포함될 관심 영역(70)을 추출한다.
예를 들어, 영상 처리 지시는 관심 위치(61)를 시드(seed)로 하여 병변을 분할(segmentation)하는 조건들(예: 쓰레쉬홀드 방식이나 쓰레쉬홀드 값, 병변 사이즈 필터링 조건 등)을 포함한다. 예를 들어, 관심 위치(61)를 포함하는 일정 영역을 쓰레쉬홀딩하는 영상 처리 지시에 따라 관심 영역(70)이 분할(segmentation)된다.
예를 들어, 병변 패턴(Disease Pattern)을 인식하는 대표 영상(예: 썸네일) 생성기법으로서, 의료 영상에서 Tumor의 Center를 찍으면 Tumor Segmentation에 의해 관심 영역이 분할되고, 여기에 도 5(c)에 도시된 것과 같이, 안전 여유(75; Safety margin)를 부여하여 도 5(d)와 같은 썸네일(thumbnail)이 생성된다. 또는, 안전 여유(75)가 박스(80) 내에 들어오도록 도 5(e)와 같은 썸네일(thumbnail)이 생성된다. 영상 처리 지시는 분할의 방법(예: 어뎁티브 쓰레쉬홀드 등) 또는 다른 조건을 미리 입력받은 것일 수 있다. 안전 여유(75)를 부여한다는 것은, 예를 들어, 분할된 관심 영역(70)을 포함하기 위해 관심 영역의 주변의 일부 영상까지 썸네일에 포함되도록 한다는 의미이다.
한편, 썸네일(예: 도 5(d) 또는 도 5(e))의 사이즈보다 분할된 병변의 사이즈가 더 큰 경우에, 분할된 병변 전체가 포함되도록 썸네일의 사이즈를 변경하는 것도 가능하며, 셈네일의 사이즈를 고정하는 등의 특수한 경우에는 병변의 일부만 썸네일화 하는 것도 가능하다.
Emphysema의 경우, Center를 찍으면 -950HU 이하로 쓰레쉬홀딩하는 등의 영상 처리 지시에 따라 병변이 포함된 관심 영역을 분할한 후, 여기에 도 5(c)에 도시된 것과 같이 안전 여유(75)를 확보한 썸네일이 생성될 수 있다.
Honeycomb 또는 GGO 등의 병변에 대해서는 영상 처리 지시는 Texture based Segmentation을 포함할 수 있다. 예를 들어, 전술된 것과 같이 폐질환을 자동분류하는 자동분류자를 이용한 분류로 관심 위치 주변에 Honeycomb pattern이 있는 Region 분할할 수 있다. 이후, Safety margin을 확보한 썸네일이 생성된다.
전술된 것과 같이, 추가 및 삭제 버튼(Add/Delete)을 통해 각종 질환 추가 삭제가 가능하며, 추가시 동종 질환 자동분류자 학습 루틴을 수행할 수 있다. 예를 들어, 여러 관심 영역, 또는 동종의 썸네일을 선택해서 같은 질환이라 알려주어 자동분류자를 학습시킬 수 있다. 이러한 학습은 이후 검색에도 이용될 수 있다.
대표 영상은 병변을 포함하는 것이 대부분 필요하겠지만, 경우에 따라서는 의료 영상에서 정상 부분의 대표 영상이 필요할 수 있으며, 이 경우 정상 부분이 관심 영역으로 추출되도록 영상 처리 지시를 구성하는 것도 물론 가능하다.
도 6은 썸네일 생성시 영상을 켑쳐하는 방법의 일 예를 설명하는 도면이다.
대표 영상은 예를 들어, 도 6(a) 또는 도 6(b)에 도시된 것과 같이 생성될 수 있다.
예를 들어, 대표 영상을 생성하는 팝업창이 뜬다. 팝업창에서 도 6(a)에 도시된 Line 방식은 MPR, VR, MIP 등 의료 영상에서 Center를 찍고 Dragging으로 boundary를 설정하면, Circle을 외접하는 ROI의 thumbnail capture가 생성된다. 도 6(b)에 도시된 Rect 방식은 MPR, VR, MIP 등 이미지에 직접 시작과 끝을 dragging할 수 있다. 컴퓨터의 내적 계산과정에 의해 Center를 찍고 Dragging하는 과정, 이미지에 직접 시작과 끝을 dragging하는 과정(자동 캡쳐)이 자동으로 수행될 수 있다. Center를 찍고 Dragging하는 과정, 이미지에 직접 시작과 끝을 dragging이 사용자 인터페이스에 의해 수행되는 것도 물론 가능하다.
이외에도 Full 방식은 의료 영상 위에 picking으로 full ROI thumbnail을 생성할 수 있다.
Cine 방식은 추출된 복수의 관심 영역들을 Stacking한 후 시간에 따라서 동영상화한 thumbnail이 생성될 수 있다. 이 경우 영상들이 selection이 되어야 한다.
Rotation 방식은 3D View의 경우에 시작 각도와 끝 각도 그리고 interval 각도를 주면 동영상 thumbnail 생성이 가능하며, 각 각도를 질의하는 과정이 필요할 수 있다.
도 7은 시간에 따라 변하는 영상의 일 예를 설명하는 도면이다.
의료 영상은 전술한 것과 같이, 시간에 따른 변화를 보여주는 것이 필요할 수 있다. 도 7에 도시된 것과 같이 시간축에 따라 의료 영상이 변화할 수 있다. 본 예에서의 대표 영상은 복수의 대표 영상을 시간 간격을 두고 생성하여 이를 시간에 따라 변하는 영상으로 썸네일화할 수 있다.
또한, 시간 축 대신 다른 축을(예: 조영제, 약물의 유무 등) 도입하면 이 또한 변화하는 셈네일을 구현할 수 있다. 이렇게 시간 또는 다양한 4, 5차원의 축을 따라 변하거나 움직이는 썸네일을 생성하고 브라우징할 수 있다. 예를 들어, 시간 및 약물 투여 중 적어도 하나를 포함하는 추가 조건에 따라 변하는 의료 영상에서 복수 회에 걸쳐 다른 시간 또는 다른 조건에서 관심 영역을 분할하여 변하는 또는 움직이는 썸네일을 생성할 수 있다.
도 8은 썸네일이 저장 및 검색되는 방식의 일 예를 설명하는 도면이다.
대표 영상이 생성되는 과정에서 검색 및 관리를 위해 환자(patient) 정보, 스터디(study) 정보 및 시리즈(series) 정보 중 적어도 하나를, 바람직하게는 모두를 대표 영상에 매칭시킬 수 있다. 매칭된 환자(patient) 정보, 스터디(study) 정보 및 시리즈(series) 정보에 따라 대표 영상을 계층적(hierarchical)으로 저장한다. 이렇게 의료 영상의 특징을 잘 보여주는, 예를 들어, 병변을 잘 나타내는 대표 영상을 계층적으로 저장함으로써, 이후 검색 및 관리가 빠르고 편리하게 된다.
예를 들어, 도 8(a) 및 도 8(b)와 같이 특정 환자를 선택하고 특정 스터디를 선택한 후 특정 시리즈를 선택하면, 대표 영상들이 디스플레이되고, 의사나 사용자는 대표 영상들로부터 시각적 및 직관적으로 의료 영상에 대한 핵심적인 정보를 얻고, 쉽게 검색 및 관리할 수 있다. 또한, 특정 환자별로, 스터디별로 시리즈별로 대표 영상들을 브라우징하기가 용이하여, 필요한 경우 텍스트 정보(환자, 스터디, 시리즈 등)를 사용한 검색도 가능하다.
대표 영상을 사용한 검색 과정에서 대표 영상을 사용하여 다른 병변을 보기 위해 대표 영상의 그레이 스케일(gray scale)을 변경할 수 있다.
예를 들어, 대표 영상을 생성, 저장, 검색 및 관리하는 의료 영상 관리 브라우저(browser)는 Lung Settting 시의 WWL(Window　Width Level)로 대표 영상이 생성되었더라도, calcification을 보기 위해서 WWL을 조정할 수 있는 기능을 가질 수 있다. 예를 들어, 대표 영상 생성시의 WWL을 기본 모드로 하여 원본의 density level(보통 의료 영상 데이터는 12bit / voxel)을 유지하면서 Pre-determined WWL 사용하여 WWL을 조정할 수 있다.
본 개시에 따른 의료 영상으로부터 대표 영상을 추출하는 방법은 이러한 대표 영상을 생성, 저장, 검색 및 관리하는 의료 영상 관리 매니저(medical image manager) 프로그램에 의해 실행될 수 있다.
이하 본 개시의 다양한 실시 형태에 대하여 설명한다.
(1) 검색 및 관리를 위하여 의료 영상으로부터 대표 영상을 추출하는 방법에 있어서, 의료 영상에서 관심 위치를 선택하는 단계; 병변의 종류에 따른 영상 처리 지시에 의해 의료 영상을 영상 처리하여 관심 위치를 포함하는 관심 영역을 추출하는 단계; 그리고 추출된 관심 영역에 안전 여유(safety margin)을 부여하여 대표 영상을 생성하는 단계;를 포함하는 것을 특징으로 하는 의료 영상으로부터 대표 영상을 추출하는 방법.
(2) 관심 위치를 선택하는 단계 전에, 병변의 종류가 선택되는 단계;를 포함하는 것을 특징으로 하는 의료 영상으로부터 대표 영상을 추출하는 방법.
(3) 의료 영상에서 관심 위치를 선택하는 단계는: 사용자 인터페이스를 통해 의해 의료 영상 상에 관심 위치가 지정되는 과정;을 포함하는 것을 특징으로 하는 의료 영상으로부터 대표 영상을 추출하는 방법.
(4) 관심 영역을 추출하는 단계는: 관심 위치를 포함하는 병변을 분할(segmentation)하는 영상 처리 지시에 따라 관심 영역을 분할하는 과정;을 포함하는 것을 특징으로 하는 의료 영상의 추출된 대표 영상을 생성하는 방법.
(5) 관심 영역을 추출하는 단계는: 관심 위치를 포함하는 병변을 쓰레쉬홀딩하는(thresholding) 영상 처리 지시에 따라 관심 영역을 분할하는 과정:을 포함하는 것을 특징으로 하는 의료 영상의 추출된 대표 영상을 생성하는 방법.
(6) 의료 영상에서 관심 위치를 선택하는 단계는: 3차원 의료 영상을 회전하여 뷰(view)를 선택하는 과정;을 포함하는 것을 특징으로 하는 의료 영상으로부터 대표 영상을 추출하는 방법.
(7) 관심 영역을 추출하는 단계는: 시간, 조영제 및 약물 투여 중 적어도 하나를 포함하는 추가 조건에 따라 변하는 의료 영상에서 추가 조건을 달리하여 복수 회에 걸쳐 관심 영역을 분할하는 과정;을 포함하는 것을 특징으로 하는 의료 영상으로부터 대표 영상을 추출하는 방법.
(8) 관심 영역을 추출하는 단계는: 뷰의 각도 범위, 인터벌 각도를 정하여 복수의 관심 영역이 추출되는 과정;을 포함하며, 대표 영상을 생성하는 단계는:
복수의 관심 영역을 사용하여 동영상 썸네일을 생성하는 과정;을 포함하는 것을 특징으로 하는 의료 영상으로부터 대표 영상을 추출하는 방법.
(9) 병변이 선택되면 의료 영상을 사용하여 동종 질환 자동분류자의 학습 루틴이 수행되는 단계;를 포함하는 것을 특징으로 하는 의료 영상으로부터 대표 영상을 추출하는 방법.
(10) 생성된 대표 영상을 사용하여 다른 병변을 보기 위해 대표 영상의 그레이 스케일(gray scale)을 변경하는 단계;를 포함하는 것을 특징으로 하는 의료 영상으로부터 대표 영상을 추출하는 방법.
(11) 대표 영상이 생성되는 단계는: 검색 및 관리를 위해 환자(patient) 정보, 스터디(study) 정보 및 시리즈(series) 정보 중 적어도 하나를 대표 영상에 매칭시키는 과정; 그리고 매칭된 환자(patient) 정보, 스터디(study) 정보 및 시리즈(series) 정보에 따라 대표 영상을 계층적(hierarchical)으로 저장하는 과정;을 포함하는 것을 특징으로 하는 의료 영상으로부터 대표 영상을 추출하는 방법.
(12) 관심 위치를 선택하는 단계 전에, 폐 병변 선택 버튼과, 의료 영상의 추가 버튼 및 삭제 버튼을 포함하는 인터페이스를 통해 병변이 선택되는 단계;를 포함하며, 의료 영상에서 관심 위치를 선택하는 단계는: 사용자 인터페이스를 통해 의료 영상의 병변 상에 적어도 한 점이 지정되는 과정;을 포함하며, 관심 영역이 분할되는 단계는: 관심 위치를 시드(seed)로 하여 병변을 분할(segmentation)하거나 쓰레쉬홀딩하는 영상 처리 지시에 따라 관심 영역을 분할하는 과정;을 포함하며, 대표 영상이 생성되는 단계에서, 대표 영상은 썸네일(thumbnail)로 생성되며, 썸네일에는 검색 및 관리를 위해 환자(patient) 정보, 스터디(study) 정보 및 시리즈(series) 정보 중 적어도 하나가 매칭되며, 매칭된 환자(patient) 정보, 스터디(study) 정보 및 시리즈(series) 정보에 따라 썸네일이 계층적(hierarchical)으로 저장되는 것을 특징으로 하는 의료 영상으로부터 대표 영상을 추출하는 방법.
본 개시에 따른 하나의 의료 영상으로부터 대표 영상을 추출하는 방법에 의하면, 대표 영상은 의료 영상의 특징, 즉 병변에 따른 영상 처리 과정을 통해 의료 영상의 특징적인 부분을 포함하므로, 연구나 논문 작성을 위해 다수의 대표 영상을 한꺼번에 이미지로 검색하는 의사나 연구자가 의료 영상의 특징을 쉽게 파악하면서 브라우징(browsing)할 수 있다.
또한, 대표 영상의 생성 과정은 간단한 사용자 인터페이스에 의한 입력에 의해 컴퓨터에 의해 자동으로 수행될 수 있으므로 다수의 의료 영상을 다루는 의료 영상 분야에서 대표 영상을 생성하기가 편리하다.
또한, 대표 영상이 생성되는 과정에서 검색 및 관리를 위해 환자(patient) 정보, 스터디(study) 정보 및 시리즈(series) 정보 등에 따라 대표 영상을 계층적(hierarchical)으로 저장하므로, 의사나 연구자는 이러한 정보를 사용하여 의료 영상의 대표 영상의 검색 및 관리하기가 용이하다.
10 : 3차원 볼륨 데이터 20,30,40,50: 의료 영상
61 : 관심 위치 70 : 관심 영역
75 : 안전 여유

Claims (12)

  1. 검색 및 관리를 위하여 의료 영상으로부터 대표 영상을 추출하는 방법에 있어서,
    병변의 종류가 선택되는 단계;
    관심 위치 선택에 도움을 주는 영상 전처리 단계;
    의료 영상에서 관심 위치를 선택하는 단계;
    병변의 종류에 따른 영상 처리 지시에 의해 의료 영상을 영상 처리하여 관심 위치를 포함하는 관심 영역을 추출하는 단계; 그리고
    추출된 관심 영역에 안전 여유(safety margin)를 부여한 후 의료 영상으로부터 안전 여유가 포함된 관심영역을 분리하여 대표 영상을 생성하는 단계;를 포함하는 것을 특징으로 하는 의료 영상으로부터 대표 영상을 추출하는 방법.
  2. 삭제
  3. 청구항 1에 있어서,
    의료 영상에서 관심 위치를 선택하는 단계는:
    사용자 인터페이스를 통해 의해 의료 영상 상에 관심 위치가 지정되는 과정;을 포함하는 것을 특징으로 하는 의료 영상으로부터 대표 영상을 추출하는 방법.
  4. 청구항 1에 있어서,
    관심 영역을 추출하는 단계는:
    관심 위치를 포함하는 병변을 분할(segmentation)하는 영상 처리 지시에 따라 관심 영역을 분할하는 과정;을 포함하는 것을 특징으로 하는 의료 영상으로부터 대표 영상을 추출하는 방법.
  5. 청구항 1에 있어서,
    관심 영역을 추출하는 단계는:
    관심 위치를 포함하는 병변을 쓰레쉬홀딩하는(thresholding) 영상 처리 지시에 따라 관심 영역을 분할하는 과정:을 포함하는 것을 특징으로 하는 의료 영상으로부터 대표 영상을 추출하는 방법.
  6. 청구항 1에 있어서,
    의료 영상에서 관심 위치를 선택하는 단계는:
    3차원 의료 영상을 회전하여 뷰(view)를 선택하는 과정;을 포함하는 것을 특징으로 하는 의료 영상으로부터 대표 영상을 추출하는 방법.
  7. 청구항 1에 있어서,
    관심 영역을 추출하는 단계는:
    시간, 조영제 및 약물 투여 중 적어도 하나를 포함하는 추가 조건에 따라 변하는 의료 영상에서 추가 조건을 달리하여 복수 회에 걸쳐 관심 영역을 분할하는 과정;을 포함하는 것을 특징으로 하는 의료 영상으로부터 대표 영상을 추출하는 방법.
  8. 청구항 6에 있어서,
    관심 영역을 추출하는 단계는:
    뷰의 각도 범위, 인터벌(interval) 각도를 정하여 복수의 관심 영역이 추출되는 과정;을 포함하며,
    대표 영상을 생성하는 단계는:
    복수의 관심 영역을 사용하여 동영상 썸네일을 생성하는 과정;을 포함하는 것을 특징으로 하는 의료 영상으로부터 대표 영상을 추출하는 방법.
  9. 청구항 1에 있어서,
    병변이 선택되면 의료 영상을 사용하여 동종 질환 자동분류자의 학습 루틴이 수행되는 단계;를 포함하는 것을 특징으로 하는 의료 영상으로부터 대표 영상을 추출하는 방법.
  10. 청구항 1에 있어서,
    생성된 대표 영상을 사용하여 다른 병변을 보기 위해 대표 영상의 그레이 스케일(gray scale)을 변경하는 단계;를 포함하는 것을 특징으로 하는 의료 영상으로부터 대표 영상을 추출하는 방법.
  11. 청구항 1에 있어서,
    대표 영상을 생성하는 단계는:
    검색 및 관리를 위해 환자(patient) 정보, 스터디(study) 정보 및 시리즈(series) 정보 중 적어도 하나를 대표 영상에 매칭시키는 과정; 그리고
    매칭된 환자(patient) 정보, 스터디(study) 정보 및 시리즈(series) 정보에 따라 대표 영상을 계층적(hierarchical)으로 저장하는 과정;을 포함하는 것을 특징으로 하는 의료 영상으로부터 대표 영상을 추출하는 방법.
  12. 청구항 1에 있어서,
    관심 위치를 선택하는 단계 전에,
    폐 병변 선택 버튼과, 의료 영상의 추가 버튼 및 삭제 버튼을 포함하는 인터페이스를 통해 병변이 선택되는 단계;를 포함하며,
    의료 영상에서 관심 위치를 선택하는 단계는:
    사용자 인터페이스를 통해 의료 영상의 병변 상에 적어도 한 점이 지정되는 과정;을 포함하며,
    관심 영역을 추출하는 단계는:
    관심 위치를 시드(seed)로 하여 병변을 분할(segmentation)하거나 쓰레쉬홀딩하는 영상 처리 지시에 따라 관심 영역을 분할하는 과정;을 포함하며,
    대표 영상이 생성되는 단계에서, 대표 영상은 썸네일(thumbnail)로 생성되며, 썸네일에는 검색 및 관리를 위해 환자(patient) 정보, 스터디(study) 정보 및 시리즈(series) 정보 중 적어도 하나가 매칭되며, 매칭된 환자(patient) 정보, 스터디(study) 정보 및 시리즈(series) 정보에 따라 썸네일이 계층적(hierarchical)으로 저장되는 것을 특징으로 하는 의료 영상으로부터 대표 영상을 추출하는 방법.
KR1020140034851A 2013-12-23 2014-03-25 의료 영상으로부터 대표 영상을 추출하는 방법 KR101634334B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020140034851A KR101634334B1 (ko) 2014-03-25 2014-03-25 의료 영상으로부터 대표 영상을 추출하는 방법
PCT/KR2014/012760 WO2015099426A1 (ko) 2013-12-23 2014-12-23 뇌경색 영역의 분할 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140034851A KR101634334B1 (ko) 2014-03-25 2014-03-25 의료 영상으로부터 대표 영상을 추출하는 방법

Publications (2)

Publication Number Publication Date
KR20150111541A KR20150111541A (ko) 2015-10-06
KR101634334B1 true KR101634334B1 (ko) 2016-06-29

Family

ID=54344928

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140034851A KR101634334B1 (ko) 2013-12-23 2014-03-25 의료 영상으로부터 대표 영상을 추출하는 방법

Country Status (1)

Country Link
KR (1) KR101634334B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11439354B2 (en) 2017-02-03 2022-09-13 The Asan Foundation System and method for three-dimensionally mapping heart by using sensing information of catheter

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20240338876A1 (en) * 2021-07-16 2024-10-10 Koninklijke Philips N.V. Thumbnail animation for medical imaging

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011139799A (ja) 2010-01-07 2011-07-21 Toshiba Corp 画像処理装置及び磁気共鳴イメージング装置
JP2011172918A (ja) 2010-01-27 2011-09-08 Toshiba Corp 超音波診断装置、医用画像診断装置、超音波画像処理装置、医用画像処理装置、超音波診断システム及び医用画像診断システム

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3685544B2 (ja) * 1996-05-16 2005-08-17 ジーイー横河メディカルシステム株式会社 画像の対応付け方法および医用画像診断装置
KR101805624B1 (ko) * 2011-08-29 2017-12-08 삼성전자주식회사 장기 모델 영상 생성 방법 및 장치

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011139799A (ja) 2010-01-07 2011-07-21 Toshiba Corp 画像処理装置及び磁気共鳴イメージング装置
JP2011172918A (ja) 2010-01-27 2011-09-08 Toshiba Corp 超音波診断装置、医用画像診断装置、超音波画像処理装置、医用画像処理装置、超音波診断システム及び医用画像診断システム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11439354B2 (en) 2017-02-03 2022-09-13 The Asan Foundation System and method for three-dimensionally mapping heart by using sensing information of catheter

Also Published As

Publication number Publication date
KR20150111541A (ko) 2015-10-06

Similar Documents

Publication Publication Date Title
US20230106440A1 (en) Content based image retrieval for lesion analysis
CN105167793B (zh) 图像显示装置、显示控制装置及显示控制方法
US20200085382A1 (en) Automated lesion detection, segmentation, and longitudinal identification
KR101943011B1 (ko) 피검체의 의료 영상 판독을 지원하는 방법 및 이를 이용한 장치
US7130457B2 (en) Systems and graphical user interface for analyzing body images
US6901277B2 (en) Methods for generating a lung report
US20070276214A1 (en) Systems and Methods for Automated Segmentation, Visualization and Analysis of Medical Images
KR102251245B1 (ko) 관심 영역별 추가 정보 제공 장치 및 방법
CN111971752B (zh) 医学图像数据的显示
ur Rehman et al. An appraisal of nodules detection techniques for lung cancer in CT images
JP2011118543A (ja) 症例画像検索装置、方法およびプログラム
JP2007286945A (ja) 類似画像検索装置および方法並びにプログラム
CN109564773A (zh) 用于自动检测关键图像的系统和方法
JP2006034585A (ja) 画像表示装置、画像表示方法およびそのプログラム
WO2020085336A1 (ja) 重み画像生成装置、方法およびプログラム、判別器学習装置、方法およびプログラム、領域抽出装置、方法およびプログラム並びに判別器
Dharmalingham et al. A model based segmentation approach for lung segmentation from chest computer tomography images
KR101634334B1 (ko) 의료 영상으로부터 대표 영상을 추출하는 방법
CN107610772A (zh) 一种甲状腺结节ct图像诊断系统设计方法
JP5586953B2 (ja) 解剖学的形状情報を用いた医学画像データベースへのアクセス
JP6797858B2 (ja) 医用画像表示装置、表示制御装置および表示制御方法、プログラム
US20240153072A1 (en) Medical information processing system and method
Pezeshk et al. Realistic Lesion Insertion for Medical Data Augmentation
Nadeem Mapping Analytics for Medical Imaging
CN117642777A (zh) 医学成像的缩略图动画
Lee Effects on Surrounding Tissue Radiographic Features in Diagnosis of Breast Cancer

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
E90F Notification of reason for final refusal
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20190703

Year of fee payment: 4