KR101697501B1 - Ct 이미지의 잡음 저감 방법 및 장치 - Google Patents

Ct 이미지의 잡음 저감 방법 및 장치 Download PDF

Info

Publication number
KR101697501B1
KR101697501B1 KR1020150104212A KR20150104212A KR101697501B1 KR 101697501 B1 KR101697501 B1 KR 101697501B1 KR 1020150104212 A KR1020150104212 A KR 1020150104212A KR 20150104212 A KR20150104212 A KR 20150104212A KR 101697501 B1 KR101697501 B1 KR 101697501B1
Authority
KR
South Korea
Prior art keywords
image
noise component
noise
synthesis
sinogram
Prior art date
Application number
KR1020150104212A
Other languages
English (en)
Inventor
김종효
Original Assignee
서울대학교산학협력단
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 서울대학교산학협력단 filed Critical 서울대학교산학협력단
Priority to KR1020150104212A priority Critical patent/KR101697501B1/ko
Priority to US15/143,937 priority patent/US9852527B2/en
Application granted granted Critical
Publication of KR101697501B1 publication Critical patent/KR101697501B1/ko

Links

Images

Classifications

    • G06T5/70—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • 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
    • 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
    • A61B5/726—Details of waveform analysis characterised by using transforms using Wavelet transforms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computerised tomographs
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/10—Application or adaptation of safety means
    • A61B6/107—Protection against radiation, e.g. shielding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing

Abstract

잡음 저감 방법은, 입력된 원본 CT이미지로부터 합성 사이노그램을 생성하는 단계와, 생성된 상기 합성 사이노그램으로부터 잡음 성분을 획득하는 단계와, 상기 잡음 성분에 기초하여 잡음 성분 CT 이미지를 생성하는 단계 및 상기 잡음 성분 CT 이미지에 기초하여 상기 원본 CT 이미지의 잡음을 저감하는 단계를 포함할 수 있다.

Description

CT 이미지의 잡음 저감 방법 및 장치{APPARATUS AND METHOD FOR DENOISING OF CT IMAGE}
본원은 CT 이미지의 잡음 저감 방법 및 장치에 관한 것이다.
컴퓨터단층촬영(CT)은 X선 발생장치가 있는 원형의 큰 기계에 들어가서 촬영하여 인체를 가로지르는 횡단면상을 획득할 수 있으며, 단순 X선 촬영에 비해 구조물이 겹쳐지는 것이 적어 구조물 및 병변을 좀더 명확히 볼 수 있는 장점이 있어 대부분의 장기 및 질환에 대한 정밀검사에 폭넓게 활용되고 있다.
CT 이미지의 품질(해상도 또는 정밀도)은 병변에 대한 정확한 진단에 매우 중요한 요소이며, CT 시스템의 발전과 함께 CT 이미지의 품질을 향상시키기 위한 노력이 계속되고 있다. 다채널 검출기 기술 및 고속 고해상도 영상 재구성 기술 역시 이러한 노력에 해당한다고 할 것이다. 그러나, CT 이미지의 품질을 향상시키기 위한 노력은 대부분 고선량의 방사선 피폭을 야기할 수 있어 피해가 우려된다. 특히, 최근 방사선 피폭에 대한 사회 인식을 감안하면, 고품질의 진단 이미지를 획득하기 위한 노력은 방사선량을 최소화하기 위한 노력을 수반해야 할 것이다.
이러한 노력의 일환으로 CT 제조사들은 저피폭 고품질 CT 시스템을 출시하고 있다. 다만, 저피폭 고품질 CT 시스템은 기존 제품대비 높은 가격 및 기존 제품에 대한 처리 곤란으로 인하여, 쉬운 접근을 허락하지 않는다. 노력의 다른 방안으로, CT 제조사들 각각은 자사의 기존 제품에 대한 하드웨어/소프트웨어적 업그레이드를 통해 저피폭 고품질의 CT 영상 획득을 가능하도록 하고 있다. 하지만 이 역시 상당한 수준의 업그레이드 비용을 감안하면, 진정한 해결책이 될 수는 없어, 이에 대한 해결방안으로서, 기술개발을 시도하고자 하였다. 본원의 배경이 되는 기술은 한국공개특허공보 10-2014-0130784호에 개시되어 있다.
본원은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 낮은 품질(해상도 또는 정밀도)의 저피폭 CT 이미지의 입력으로부터 높은 품질의 잡음 저감된 CT 이미지를 출력하는 것을 특징으로 하며, 이 때, 잡음 저감된 CT 이미지는 고피폭 CT 이미지의 그것과 비교될 정도의 높은 품질(예를 들어, 해상도 또는 정밀도)을 보여줄 수 있는 CT 이미지의 잡음 저감 방법 및 장치를 제공하고자 한다.
또한, 본원은 입력된 저피폭 CT 이미지로부터 합성 사이노그램을 생성하고, 생성한 합성 사이노그램에 대한 잡음성분 이미지를 획득하는 CT이미지의 잡음 저감 방법 및 장치를 제공하고자 한다.
또한, 본원은 합성 사이노그램에서 획득한 잡음 성분 이미지에 필터된 역투영 (Filtered Back Projection) 연산을 적용하여 잡음 성분 CT 이미지를 얻고, 이를 이용하여 잡음 저감된 CT 이미지를 생성하는 CT이미지의 잡음 저감 방법 및 장치를 제공하고자 한다.
다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상기한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본원의 일 실시예에 따른 잡음 저감 방법은 입력된 원본 CT이미지로부터 합성 사이노그램을 생성하는 단계와, 생성된 상기 합성 사이노그램으로부터 잡음 성분 합성 사이노그램을 획득하는 단계와, 상기 잡음 성분 합성 사이노그램에 기초하여 잡음 성분 CT 이미지를 생성하는 단계 및 상기 잡음 성분 CT 이미지에 기초하여 상기 원본 CT 이미지의 잡음을 저감하는 단계를 포함할 수 있다.
본 실시예의 일 예에 따르면, 상기 합성 사이노그램을 생성하는 단계는, 상기 원본 CT 이미지의 의료 이미지 정보에 기초하여 상기 원본 CT 이미지의 화소별 감쇠계수, x-선관 초점과 검출기 사이의 거리 정보 및 x-선관 초점과 환자 사이의 거리 정보를 결정하는 단계 및 상기 결정된 화소별 감쇠계수, x-선관 초점과 검출기 사이의 거리 정보 및 x-선관 초점과 환자 사이의 거리 정보에 기초하여 상기 합성 사이노그램을 생성하는 단계를 포함할 수 있다.
본 실시예의 일 예에 따르면, 상기 합성 사이노그램은, 상기 결정된 화소별 감쇠계수, x-선관 초점과 검출기 사이의 거리 정보 및 x-선관 초점과 환자 사이의 거리 정보에 기초하여 회전각도별 투영연산을 수행함으로써 생성될 수 있다.
본 실시예의 일 예에 따르면, 상기 합성 사이노그램에서 잡음 성분 합성 사이노그램을 획득하는 단계는, 상기 합성 사이노그램에서 잡음 성분 추출을 통해 제 1 잡음 성분 합성 사이노그램을 획득하는 단계, 상기 제 1 잡음 성분 합성 사이노그램 내의 구조적 성분을 추출하는 단계 및 상기 추출된 구조적 성분을 억제함으로써 상기 제 1 잡음 성분 합성 사이노그램으로부터 제 2 잡음 성분 합성 사이노그램을 생성하는 단계를 포함할 수 있다.
본 실시예의 일 예에 따르면, 상기 잡음 성분 합성 사이노그램을 획득하는 단계는, 복수의 방식 중 적어도 하나를 이용하여 잡음 성분을 추출하는 단계를 포함하되, 상기 복수의 방식은, 상기 합성 사이노그램에서 사전에 지정된 규칙에 따라 필터커널을 결정하고, 이 커널을 기초로 잡음 성분을 추출하는 제 1 방식, 2차원 푸리에 변환에 기초하여 잡음 성분을 추출하는 제 2 방식, 2차원 Wavelet 변환에 기초하여 잡음 성분을 추출하는 제 3 방식 및 헤시안 (Hessian) 행렬의 고유성분 분해에 기초하여 잡음 성분을 추출하는 제 4 방식을 포함할 수 있다.
본 실시예의 일 예에 따르면, 상기 잡음 성분 합성 사이노그램에 기초하여 잡음 성분 CT 이미지를 생성하는 단계는 상기 잡음 성분 합성 사이노그램에 필터된 역투영 연산을 적용하여 잡음 성분 CT 이미지를 생성하는 단계를 포함할 수 있다.
본 실시예의 일 예에 따르면, 상기 잡음 성분 CT 이미지를 생성하는 단계는 상기 잡음 성분 합성 사이노그램에 필터된 역투영 연산을 적용하여 제1잡음 성분 CT 이미지를 생성하는 단계, 상기 제1 잡음 성분 CT 이미지로부터 구조적 성분을 추출하는 단계 및 상기 추출된 구조적 성분을 억제함으로써 상기 제1잡음 성분 CT 이미지로부터 제2 잡음 성분 CT 이미지를 생성하는 단계를 포함할 수 있다.
본 실시예의 일 예에 따르면, 상기 원본 CT 이미지의 잡음을 저감하는 단계는, 상기 잡음 성분 CT 이미지에 기초하여 상기 원본 CT 이미지의 잡음을 저감하는 단계를 포함할 수 있다.
본 실시예의 일 예에 따르면, 상기 원본 CT 이미지의 잡음을 저감하는 단계는, 상기 잡음 성분 CT 이미지로부터 조직정보를 추출하고, 상기 추출된 조직정보에 기초하여 상기 원본 CT 이미지의 잡음을 저감하는 단계를 포함할 수 있다.
본 실시예의 일 예에 따르면, 상기 원본 CT 이미지의 잡음을 저감하는 단계는, 상기 추출된 조직정보에 기초하여 상기 원본 CT 이미지에서 상기 잡음 성분 CT 이미지를 적응적으로 감산함으로써 상기 원본 CT 이미지의 잡음을 저감하는 단계를 포함할 수 있다.
본 실시예의 일 예에 따르면, 상기 잡음 성분 사이노그램 및 잡음 성분 CT 이미지로부터 구조적 성분을 추출하는 단계는 상기 잡음 성분 사이노그램 및 잡음 성분 CT 이미지의 각 화소별 구조방향 및 신호 응집성을 추출하는 단계를 포함할 수 있다.
본 실시예의 일 예에 따르면, 상기 각 화소별 구조방향은 상기 각 화소에서의 정규화된 경사벡터의 수직방향이고, 상기 신호 응집성은 상기 정규화된 경사벡터의 경사값의 절대치와 상기 정규화된 경사벡터의 수직방향벡터의 경사값의 절대치에 기초하여 결정될 수 있다.
본 실시예의 일 예에 따르면, 상기 각 화소별 구조방향은 상기 각 화소에서의 헤시안(Hessian) 행렬의 두 번째 고유벡터의 방향이고, 상기 신호 응집성은 상기 각 화소에서의 헤시안 행렬의 두 고유값의 절대치들에 기초하여 결정될 수 있다.
본 실시예의 일 예에 따르면, 상기 구조방향 및 상기 신호 응집성은 상기 각 화소에서의 경사의 절대치와 상기 각 화소에서의 헤시안 행렬의 첫 번째 고유값의 절대치간의 비율에 기초하여 결정되되, 상기 비율이 기준값보다 큰 경우, 상기 구조방향은 상기 각 화소에서의 정규화된 경사벡터의 수직방향이고, 상기 신호 응집성은 상기 정규화된 경사벡터의 경사값의 절대치와 상기 정규화된 경사벡터의 수직방향벡터의 경사값의 절대치에 기초하여 결정되는 것이되, 상기 비율이 기준값보다 작은 경우, 상기 구조방향은 상기 각 화소에서의 헤시안(Hessian) 행렬의 두 번째 고유벡터의 방향이고, 상기 신호 응집성은 상기 각 화소에서의 헤시안 행렬의 두 고유값의 절대치들에 기초하여 결정될 수 있다.
본 실시예의 일 예에 따르면, 상기 구조방향, 신호 응집성에 기초하여 잡음 성분 합성 사이노그램 및 잡음 성분 CT 이미지에서 구조적 성분을 추출하는 단계는, 상기 구조방향 및 상기 신호 응집성을 반영하는 2차원 비등방성 가우시안 함수에 대응하는 커널을 결정하는 단계와 상기 잡음 성분 합성 사이노그램 및 잡음 성분 CT 이미지의 각 화소에 상기 비등방성 커널을 컨벌루션하는 단계를 포함할 수 있다.
본 실시예의 일 예에 따르면, 상기 2차원 비등방성 가우시안 함수의 매개변수 중 장축의 크기는 기 결정된 값이고, 상기 매개변수 중 단축의 크기는 상기 장축의 크기와 상기 신호 응집성 및 기 결정된 비례상수의 곱에 의해 결정되며, 상기 매개변수 중 회전각도는 상기 구조방향일 수 있다.
상기한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본원의 일 실시예에 따른 잡음 저감 장치는 입력된 원본 CT이미지로부터 합성 사이노그램을 생성하는 합성 사이노그램 생성부와, 생성된 상기 합성 사이노그램으로부터 잡음 성분 합성 사이노그램을 획득하는 잡음 성분 획득부와, 상기 잡음 성분 합성 사이노그램에 기초하여 잡음 성분 CT 이미지를 생성하는 잡음 성분 CT 이미지 생성부 및 상기 잡음 성분 CT 이미지에 기초하여 상기 원본 CT 이미지의 잡음을 저감하는 잡음 저감부를 포함할 수 있다.
본 실시예의 일 예에 따르면, 상기 잡음 성분 합성 사이노그램 획득부는, 상기 합성 사이노그램에서 잡음 성분 추출을 통해 상기 잡음 성분 합성 사이노그램을 획득할 수 있다.
본 실시예의 일 예에 따르면, 상기 잡음 성분 CT 이미지 생성부는 상기 잡음 성분 합성 사이노그램에 필터된 역투영 연산을 적용함으로써 상기 잡음 성분 CT 이미지를 생성할 수 있다.
본 실시예의 일 예에 따르면, 상기 잡음 저감부는, 상기 원본 CT 이미지로부터 조직정보를 추출하고, 상기 추출된 조직정보에 기초하여 상기 원본 CT 이미지의 잡음을 저감할 수 있다.
본 실시예의 일 예에 따르면, 상기 잡음 저감부는, 상기 추출된 조직정보에 기초하여 상기 원본 CT 이미지에서 상기 잡음 성분 CT 이미지를 적응적으로 감산함으로써 상기 원본 CT 이미지의 잡음을 저감할 수 있다.
상술한 과제 해결 수단은 단지 예시적인 것으로서, 본원을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 기재된 추가적인 실시예가 존재할 수 있다.
전술한 본원의 과제 해결 수단에 의하면, 낮은 품질(해상도 또는 정밀도)의 저피폭 CT 이미지의 입력으로부터 높은 품질의 잡음저감된 CT 이미지를 출력하는 것을 특징으로 하며, 이 때, 잡음저감된 CT 이미지는 고피폭 CT 이미지의 그것과 비교될 정도의 높은 품질(예를 들어, 해상도 또는 정밀도)을 보여줄 수 있다.
또한, 본원은 입력된 저피폭 CT 이미지로부터 합성 사이노그램을 생성하고, 생성한 합성 사이노그램으로부터 잡음 성분 합성 사이노그램을 획득할 수 있다.
또한, 본원은 잡음 성분 합성 사이노그램에 대한 필터된 역투영을 통하여 잡음 성분 CT 이미지를 생성할 수 있다.
또한, 본원은 원본 CT 이미지와 잡음 성분 CT 이미지에 기초하여 잡음을 저감시킴으로써 높은 품질의 잡음저감된 CT 이미지를 출력할 수 있다.
또한 본원에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은 본원의 일실시예에 따른 잡음 저감 장치의 전체개념도이다.
도 2는 본원의 일 실시예에 따른 잡음 저감 장치의 구성도를 나타낸 도면이다.
도 3a 내지 도 3c 는 본원의 일실시예에 따른 화소별 구조방향 및 신호응집성을 추출하는 방법을 나타낸 도면이다.
도 4는 비등방성 가우시안 커널을 나타낸 도면이다.
도 5는 본원의 일 실시예에 따른 잡음 저감 방법을 나타낸 흐름도이다.
도 6은 본원의 일 실시예에 따른 잡음성분 합성 사이노그램을 획득하는 과정을 나타낸 도면이다.
도 7은 본원의 일 실시예에 따른 잡음 성분 CT 이미지로부터 구조적 성분을 추출하는 과정을 나타낸 도면이다.
아래에서는 첨부한 도면을 참조하여 본원이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본원의 실시예를 상세히 설명한다. 그러나 본원은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본원을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
본원 명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다.
본원 명세서 전체에서, 어떤 부재가 다른 부재 “상에” 위치하고 있다고 할 때, 이는 어떤 부재가 다른 부재에 접해 있는 경우뿐 아니라 두 부재 사이에 또 다른 부재가 존재하는 경우도 포함한다.
본원 명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함" 한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다.
본원 명세서 전체에서 사용되는 정도의 용어 "약", "실질적으로" 등은 언급된 의미에 고유한 제조 및 물질 허용오차가 제시될 때 그 수치에서 또는 그 수치에 근접한 의미로 사용되고, 본원의 이해를 돕기 위해 정확하거나 절대적인 수치가 언급된 개시 내용을 비양심적인 침해자가 부당하게 이용하는 것을 방지하기 위해 사용된다. 본원 명세서 전체에서 사용되는 정도의 용어 "~(하는) 단계" 또는 "~의 단계"는 "~ 를 위한 단계"를 의미하지 않는다.
본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1개의 유닛이 2개 이상의 하드웨어를 이용하여 실현되어도 되고, 2개 이상의 유닛이 1개의 하드웨어에 의해 실현되어도 된다.
본 명세서 있어서 단말, 장치 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말, 장치 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말, 장치 또는 디바이스에서 수행될 수도 있다. 이하 첨부된 도면을 참고하여 본원의 일 실시예를 상세히 설명하기로 한다.
도 1의 각 구성은 네트워크를 통해 연결될 수 있다. 이 때, 네트워크는 복수의 단말 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크의 일 예에는 3GPP(3rd Generation Partnership Project) 네트워크, LTE(Long Term Evolution) 네트워크, WIMAX(World Interoperability for Microwave Access) 네트워크, 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 블루투스(Bluetooth) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.
도 1은 본원의 일실시예에 따른 잡음 저감 장치의 전체개념도이다.
도 1에 도시된 바와 같이 잡음 저감 장치(100)는 CT시스템(50)으로부터 저선량 CT이미지를 수신하고, 수신된 CT이미지에 기초하여 투영을 통한 합성 사이노그램을 생성한다. 그리고 잡음 저감 장치(100)는 생성된 합성 사이노그램으로부터 잡음 성분을 추출하고, 추출된 잡음 성분을 이용하여 잡음 저감을 수행한다. 따라서 잡음 저감 장치(100)는 잡음 저감된 이미지를 출력할 수 있다.
이러한 잡음 저감 장치(100)는 저피폭 CT 이미지의 입력으로부터 높은 품질의 잡음저감된 CT 이미지를 출력하는 것을 특징으로 하며, 이 때, 잡음저감된 CT 이미지는 고피폭 CT 이미지의 그것과 비교될 정도의 높은 품질(예를 들어, 해상도 또는 정밀도)을 보여줄 수 있다.
도 2는 본원의 일 실시예에 따른 잡음 저감 장치의 구성도를 나타낸 도면이다. 도 2를 참조하면, 잡음 저감 장치(100)는 합성 사이노그램 생성부(110), 잡음 성분 획득부(120), 잡음 성분 CT 이미지 생성부(130) 및 잡음 저감부(140)를 포함한다. 다만, 도 1의 잡음 저감 장치 (100)는 본원의 일 예에 불과하므로, 본원의 다양한 실시예들에 따르면, 잡음 저감 장치 (100)는 도 1과 다르게 구성될 수도 있다.
이하에서는 도2를 참조하여 잡음 저감 장치(100)의 각 구성에 대해 구체적으로 설명하도록 한다.
합성 사이노그램 생성부(110)는 입력된 원본 CT이미지로부터 합성 사이노그램을 생성할 수 있다.
또한 합성 사이노그램 생성부(110)는 원본 CT 이미지의 의료 이미지 정보에 기초하여 원본 CT 이미지의 화소별 감쇠계수, x-선관 초점과 검출기 사이의 거리 정보 및 x-선관 초점과 환자 사이의 거리 정보를 결정할 수 있다.
이 때 합성 사이노그램 생성부(110)는 원본 CT 이미지의 의료 이미지 정보에 기초하여 원본 CT 이미지의 촬영에 대응하는 관전압 정보를 획득하면, 관전압 정보와 인체 조직별 감쇠계수 테이블에 기초하여 화소별 감쇠계수를 결정하고, 원본 CT 이미지의 의료 이미지 정보에 기초하여 x-선관 초점과 검출기 사이의 거리 정보 및 x-선관 초점과 환자 사이의 거리 정보를 결정할 수 있다
관련하여 합성 사이노그램 생성부(110)는 결정된 화소별 감쇠계수, x-선관 초점과 검출기 사이의 거리 정보 및 x-선관 초점과 환자 사이의 거리 정보에 기초하여 합성 사이노그램을 생성할 수 있다. 이 때 합성 사이노그램은, 결정된 화소별 감쇠계수, x-선관 초점과 검출기 사이의 거리 정보 및 x-선관 초점과 환자 사이의 거리 정보에 기초하여 회전각도별 투영연산을 수행함으로써 생성될 수 있다.
잡음 성분 획득부(120)는 합성 사이노그램 생성부(110)에서 생성된 합성 사이노그램으로부터 잡음 성분을 추출함으로써 잡음 성분 합성 사이노그램을 획득할 수 있다.
구체적으로, 잡음성분 획득부(120)는 가상 사이노그램의 각 화소별 잡음 크기를 결정하고, 가상 사이노그램의 각 화소별 구조방향 및 신호 응집성을 추출하고, 구조방향, 신호 응집성 및 잡음 크기에 기초하여 가상 사이노그램에 비등방성 양측성 필터링을 수행하고, 가상 사이노그램에서 비등방성 양측성 필터링된 가상 사이노그램을 감산하여 잡음저감 필터링된 가상 사이노그램을 생성할 수 있다.
잡음 성분 획득부(120)는 합성 사이노그램 생성부(110)에서 생성된 합성 사이노그램에 사전에 지정된 규칙에 따라 필터커널을 결정하고 이를 기초로하여 잡음 성분을 추출할 수 있다. 또한 잡음 성분 획득부(120)는 2차원 푸리에 변환(Fourier Transform)에 기초하여 잡음 성분을 추출하고, 2차원 Wavelet 변환에 기초하여 잡음 성분을 추출할 수 있다. 그리고 잡음 성분 획득부(120)는 헤시안 (Hessian) 행렬의 고유성분 분해에 기초하여 잡음 성분을 추출할 수 있다.
구체적으로, 잡음 성분 획득부(120)는 잡음 성분의 국소적 변화가 구조적 성분의 국소적 변화보다 큰 특징을 이용하여, 잡음 성분과 구조적 성분의 분리가 용이하도록 사전에 지정된 규칙에 따라 필터커널을 결정하고, 이 커널로 합성 사이노그램을 필터링하여 합성 사이노그램에서 잡음 성분을 추출할 수 있다.
구체적으로, 잡음 성분 획득부(120)는 잡음 성분이 합성 사이노그램의 2차원 푸리에 변환영역에서 구조적 성분에 비해 고주파 대역에 위치하는 특징을 이용하여, 합성 사이노그램을 2차원 푸리에 변환하고 고주파 대역에 사전에 결정된 가중치를 곱한뒤, 이를 다시 2차원 푸리에 역변환 하는 단계를 포함하여 합성 사이노그램에서 잡음 성분을 추출할 수 있다.
구체적으로, 잡음 성분 획득부(120)는 잡음 성분이 합성 사이노그램의 2차원 Wavelet 변환영역에서 구조적 성분에 비해 고주파 대역에 위치하는 특징을 이용하여, 합성 사이노그램을 2차원 Wavelet 변환하고 사전에 결정된 가중치를 곱한뒤, 이를 다시 2차원 Wavelet 역변환 하여 합성 사이노그램에서 잡음 성분을 추출할 수 있다.
구체적으로, 헤시안(Hessian) 행렬은 각 화소에서 수직 및 수평 방향에 대한 2차 편미분을 행렬화 한 것으로서 수학식 (5)와 같이 나타낼 수 있으며, 화소 (x,y)에서 의 헤시안 행렬 H[x,y]에서 고유성분을 분해하였을때 얻을 수 있는 첫 번째 고유성분은 구조적 성분을, 두 번째 고유성분은 잡음 성분을 나타내는 특징이 있으므로, 잡음 성분 획득부(120)는 합성 사이노그램의 각 화소에서 헤시안 행렬의 두 번째 고유성분을 포함하여 합성 사이노그램에서 잡음 성분을 추출할 수 있다.
본 발명의 일 실시예에 따르면, 잡음 성분 획득부(120)는 합성 사이노그램 생성부(110)에서 생성된 합성 사이노그램에서 잡음 성분 추출을 통해 제 1 잡음 성분 합성 사이노그램을 획득하고, 상기 제 1 잡음 성분 합성 사이노그램 내의 구조적 성분을 추출할 수 있다. 또한 잡음 성분 획득부(120)는 상기 추출된 구조적 성분을 억제함으로써 상기 제 1 잡음 성분 합성 사이노그램으로부터 제 2 잡음 성분 합성 사이노그램을 생성할 수 있다.
잡음 성분 CT 이미지 생성부(130)는 잡음 성분 획득부(120)에서 획득된 잡음 성분 합성 사이노그램에 기초하여 잡음 성분 CT 이미지를 생성할 수 있다.
구체적으로, 잡음 성분 CT 이미지 생성부(130)는 잡음 성분 합성 사이노그램에 필터된 역투영 (Filtered Back Projection) 연산을 적용하여 잡음 성분 CT 이미지를 생성할 수 있다.
본 발명의 일 실시예에 따르면, 잡음 성분 CT 이미지 생성부(130)는 상기 잡음 성분 합성 사이노그램에 필터된 역투영 연산을 적용하여 제1잡음 성분 CT 이미지를 생성할 수 있다. 또한 상기 제1 잡음 성분 CT 이미지로부터 구조적 성분을 추출하는 단계 및 상기 추출된 구조적 성분을 억제함으로써 상기 제1잡음 성분 CT 이미지로부터 제2 잡음 성분 CT 이미지를 생성할 수 있다.
이하에서는 잡음 성분 획득부(120)와 잡음 성분 CT 이미지 생성부(130)에서 각각 잡음 성분 사이노그램과 잡음 성분 CT 이미지로부터 구조적 성분을 추출하는 과정을 설명한다.
구조적 성분을 추출하기 위하여 잡음 성분 획득부(120)와 잡음 성분 CT 이미지 생성부(130)는 각각 사이노그램과 원본 CT 이미지로부터 각 화소별 구조방향 및 신호 응집성을 추출할 수 있다. 이 때, 구조방향은 구조물의 주행방향을 가르키는 것일 수 있고, 신호 응집성은 신호구조의 방향이 얼마나 뚜렷한지를 나타내는 지표일 수 있다.
본 발명의 일 실시예에 따르면, 구조방향은 각 화소에서의 정규화된 경사벡터의 수직방향일 수 있고, 신호 응집성은 정규화된 경사벡터의 경사값의 절대치와 정규화된 경사벡터의 수직방향벡터의 경사값의 절대치에 기초하여 결정될 수 있다.
도 3a 내지 도 3c를 참조하여 화소별 구조방향 및 신호응집성을 추출하는 방법에 대하여 설명하도록 한다.
구체적으로, 경사면을 갖는 구조물의 주행 방향벡터 Dg[x,y]는 주어진 화소위치 [x,y]에서 수학식(1)과 같은 경사벡터 G[x,y]를 구하여 수학식(2)과 같이 정규화 한 뒤, 그 수직방향을 구한 벡터로서 수학식(3)과 같이 구할 수 있다. 이 때 신호구조의 응집성 Cg[x,y]는 정규화된 경사벡터에 따른 신호경사값 μ1 과 그 수직방향에 따른 신호경사값 μ2 로부터 구할 수 있는데, 그 바람직한 실시 예는 수학식(4)과 같다. (도3 a의 단계 S30 내지 단계S33참조)
[수학식1]
Figure 112015071574622-pat00001
[수학식 2]
Figure 112015071574622-pat00002
[수학식3]
Figure 112015071574622-pat00003
Figure 112015071574622-pat00004
Figure 112015071574622-pat00005
[수학식4]
Figure 112015071574622-pat00006
본 발명의 다른 실시예에 따르면, 구조방향은 각 화소에서의 헤시안(Hessian) 행렬의 고유벡터의 방향중 하나이고, 신호 응집성은 각 화소에서의 헤시안 행렬의 두 고유값의 절대치들에 기초하여 결정될 수도 있다.
구체적으로, 구조방향은 수학식 (5)와 같은 헤시안 행렬 H[x,y]로부터 두 번째 고유벡터 V2을 구조방향 Dh[x,y]으로 결정할 수 있고, 신호 응집성인 Ch[x,y]은 수학식 6에 나타난 바와 같이, 첫 번째 고유벡터의 절대값과 두 번째 고유벡터의 절대값의 차이를 첫 번째 고유벡터의 절대값과 두 번째 고유벡터의 절대값의 합으로 나눈 결과로서 결정될 수 있다. (도 3b 의 단계S10 내지 단계S14참조)
[수학식 5]
Figure 112015071574622-pat00007
[수학식 6]
Figure 112015071574622-pat00008
본 발명의 또 다른 일 실시예에 따르면, 도 3c에 도시된 바와 같이 구조방향 및 신호 응집성은 각 화소에서의 경사의 절대치와 각 화소에서의 헤시안 행렬의 첫 번째 고유값의 절대치간의 비율에 기초하여 결정될 수 있다(S313).
이 때, 상기 비율이 기준값보다 큰 경우(S314), 구조방향을 각 화소에서의 정규화된 경사벡터의 수직방향으로 결정하고, 신호 응집성을 정규화된 경사벡터의 경사값의 절대치와 정규화된 경사벡터의 수직방향벡터의 경사값의 절대치에 기초하여 결정할 수 있다(도 3c 의 단계 S30내지 S33참조)
또한, 상기 비율이 기준값보다 작은 경우(S314), 구조방향을 각 화소에서의 헤시안(Hessian) 행렬의 두 번째 고유벡터의 방향으로 결정하고, 신호 응집성을 각 화소에서의 헤시안 행렬의 두 고유값의 절대치들에 기초하여 결정할 수 있다(도 3c의 단계S11 내지 단계S14참조).
다시 말하면, 수학식 (7)에 나타난 바와 같이, 각 화소에서의 경사의 절대치와 각 화소에서의 헤시안 행렬의 첫 번째 고유값의 절대치간의 비율이 기준값인 T보다 큰 경우 구조방향을 각 화소에서의 정규화된 경사벡터의 수직방향으로 결정하고, 각 화소에서의 경사의 절대치와 각 화소에서의 헤시안 행렬의 첫 번째 고유값의 절대치간의 비율이 기준값인 T보다 작거나 같은 경우 구조방향을 각 화소에서의 헤시안(Hessian) 행렬의 두 번째 고유벡터의 방향으로 결정할 수 있다.
[수학식 7]
Figure 112015071574622-pat00009
또한, 수학식 (8)에 나타난 바와 같이, 각 화소에서의 경사의 절대치와 각 화소에서의 헤시안 행렬의 첫 번째 고유값의 절대치간의 비율이 기준값인 T보다 큰 경우 신호 응집성을 정규화된 경사벡터의 경사값의 절대치와 정규화된 경사벡터의 수직방향벡터의 경사값의 절대치에 기초하여 결정하고, 각 화소에서의 경사의 절대치와 각 화소에서의 헤시안 행렬의 첫 번째 고유값의 절대치간의 비율이 기준값인 T보다 작거나 같은 경우 각 화소에서의 헤시안 행렬의 두 고유값의 절대치들에 기초하여 결정할 수 있다.
[수학식 8]
Figure 112015071574622-pat00010
또한, 본 발명의 일 실시예에 따르면, 잡음성분 획득부(120)는 영상의 종류에 따라 선형 구조가 없거나 중요하지 않은 영상에 대해서는 수학식 (3) 내지 (4)에 따라 구조방향과 신호 응집성을 구하고, 선형구조가 많은 영상에 대해서는 수학식 (5) 내지 (6)에 따라 구조방향과 신호 응집성을 구하고, 그 중간 정도의 영상에 대해서는 수학식(7)및 수학식(8)에 따라 화소별로 선택적으로 구조방향과 신호 응집성을 구할 수도 있다.
잡음 성분 획득부(120)와 잡음 성분 CT 이미지 생성부(130)는 구조방향 및 신호 응집성에 기초하여 각각 잡음 성분 합성 사이노그램과 잡음 성분 CT 이미지에 비등방성 필터링을 수행할 수 있다. 구체적으로, 각 화소별 구조방향 및 신호 응집성을 반영하는 2차원 비등방성 가우시안 함수에 대응하는 비등방성 커널을 결정하고, 비등방성 커널을 반영한 필터링을 수행할 수 있다. 이 때, 구조방향과 신호 응집성을 반영한2차원 비등방성 가우시안 함수의 매개변수 중 장축의 크기는 사전에 결정된 값이고, 매개변수 중 단축의 크기는 장축의 크기, 신호 응집성 및 기 결정된 비례상수의 곱으로 결정되며, 매개변수 중 회전각도는 구조방향일 수 있다. 또한, 비등방성 필터링이 수행된 결과가 잡음 성분 합성 사이노그램과 잡음 성분 CT 이미지의 구조적 성분일 수 있다.
도 4는 비등방성 가우시안 커널을 나타낸 도면이다.
수학식(9)를 참조하면, 장축과 단축의 길이가 각각 σx, σy 이고 각도가 θ 인 비등방성 2차원 가우시안 함수는 장축과 단축의 길이를 달리함으로써 비등방성으로 표현될 수 있다. 또한, 비등방성 2차원 가우시안 함수는 장축과 단축 길이의 비율을 달리함으로써 비등방성의 정도를 표현할 수 있으며, 각도를 가진 필터커널을 생성하는 데 적합할 수 있다.
비등방성 필터커널의 크기를 N 이라 정하면, 2차원 비등방성 가우시안 함수의 장축길이는 σx =N, 단축길이는 σx=(1 - C(x,y)) N, 그리고 각도 θ= tan(
Figure 112015071574622-pat00011
)와 같이 상기 신호구조의 방향과 응집성을 이용하여 비등방성 2차원 가우시안 함수 형태의 커널을 생성하는 것이 가능하다.
[수학식9]
Figure 112015071574622-pat00012
이 때,
Figure 112015071574622-pat00013
Figure 112015071574622-pat00014
Figure 112015071574622-pat00015
상기 설명한 바와 같이, 잡음 성분 획득부(120)와 잡음 성분 CT 이미지 생성부(130)는 각 화소의 구조방향및 신호 응집성에 기초하여 비등방성 필터링을 수행하여 각각 잡음성분 합성 사이노그램과 잡음 성분 CT이미지에서 구조적 성분을 추출할 수 있다.
이때, 매 화소별로 계산에 의해 커널을 생성할 수도 있고, 계산량을 줄이기 위하여 미리 다양한 신호의 구조 방향과 응집성에 대응하는 커널들을 생성해두고, 매 신호마다 얻은 신호구조 방향과 응집성을 참조하여, 필요한 커널을 호출하여 사용할 수도 있다.
잡음 저감부(140)는 잡음 성분 CT 이미지 생성부(130)에서 생성된 잡음 성분 CT 이미지에 기초하여 원본 CT 이미지의 잡음을 저감할 수 있다. 이 때 잡음 저감부(140)는 다양한 방식으로, 원본 CT 이미지의 잡음을 저감할 수 있다.
일 예에 따르면, 잡음 저감부(140)는 원본 CT 이미지의 각 화소값에서, 원본 CT 이미지의 각 화소값에 대응하는 잡음 성분 CT 이미지의 각 화소값을 빼줌으로써, 원본 CT 이미지의 잡음을 저감할 수 있다.
또 다른 예에 따르면, 잡음 저감부(140)는 원본 CT 이미지로부터 조직정보(CT 이미지의 유효 성분, 조직 또는 장기별로 사전에 알려진 감쇠수치의 범위)를 추출하고 추출된 조직정보에 기초하여 원본 CT 이미지의 잡음을 저감할 수 있다. 이 때, 잡음 저감부(140)는 추출된 조직정보 기초하여 원본 CT 이미지에서 잡음 성분 CT 이미지를 적응적으로 감산함으로써 원본 CT 이미지의 잡음을 저감할 수 있다. 예를 들어, 잡음 저감부(140)는 특정 조직정보에 대응하는 영역에서는 잡음 저감의 정도를 감소시킬 수 있다.
다른 예에 따르면, 잡음 저감부(140)는 잡음 성분 CT 이미지에서 화소의 픽셀 값이 일정범위를 벗어나는 화소를 선택하고 그 픽셀 값을 사전에 정한 규칙에 따라 저감함으로써, 화질의 손상을 피할 수 있다. 예를 들면, 잡음 저감부(140)는 전체 잡음 성분 화소의 픽셀 값에 대해 계산한 표준편차의 일정배수 이상의 픽셀 값을 갖는 화소만을 선택하거나, 또는 상위 5%의 크기의 픽셀 값을 갖는 화소만을 선택할 수 있다.
또 다른 예에 의하면, 잡음 저감부(140)는 상기 원본 CT 이미지의 각 화소별 구조방향 및 신호 응집성을 추출하고, 구조방향, 신호 응집성 및 상기 잡음성분 CT 이미지의 픽셀값에 기초하여 기 결정된 규칙에 따라 상기 원본 CT 이미지의 잡음을 저감할 수 있다.
잡음 저감부(140)의 동작과 관련하여, 원본 CT 이미지의 각 화소별 구조방향, 신호 응집성을 추출하는 과정은, 앞서 잡음 성분 획득부(120)및 잡음 성분 CT 이미지 생성부(130)의 구조적 성분 추출에 대한 설명과 동일한 과정을 사용하며, 따라서 이에 대한 설명은 생략한다.
도 5는 본원의 일 실시예에 따른 잡음 저감 방법을 나타낸 흐름도이다. 도 5에 도시된 실시예에 따른 잡음 저감 방법은 도 2에 도시된 잡음 저감 장치에서 시계열적으로 처리되는 단계들을 포함한다. 따라서 이하에서 생략된 내용이라고 하더라도 도 1에 도시된 잡음 저감 장치에 관하여 이상에서 기술한 내용은 도 3에 도시된 실시예에 따른 잡음 저감 방법에도 적용될 수 있다.
단계S100에서 잡음 저감 장치(100)의 합성 사이노그램 생성부(110)는 입력된 원본 CT이미지로부터 합성 사이노그램을 생성할 수 있다.
더불어 단계S100는 원본 CT 이미지의 의료 이미지 정보에 기초하여 원본 CT 이미지의 화소별 감쇠계수, x-선관의 관전압, x-선관 초점과 검출기 사이의 거리 정보 및 x-선관 초점과 환자 사이의 거리 정보를 결정하는 단계를 더 포함할 수 있다.
그리고, 단계S100는 결정된 화소별 감쇠계수, x-선관 초점과 검출기 사이의 거리 정보 및 x-선관 초점과 환자 사이의 거리 정보에 기초하여 합성 사이노그램을 생성하는 단계를 더 포함할 수 있다.
단계S100에서 합성 사이노그램은, 결정된 화소별 감쇠계수, x-선관 초점과 검출기 사이의 거리 정보 및 x-선관 초점과 환자 사이의 거리 정보에 기초하여 회전각도별 투영연산을 수행함으로써 생성될 수 있다.
한편 상술한 바와 같이 단계S100에서 합성 사이노그램이 생성되면, 잡음 저감 장치(100)의 잡음 성분 획득부(20)는 생성된 합성 사이노그램으로부터 잡음 성분 합성 사이노그램을 획득할 수 있다(S120).
도 6은 본원의 일 실시예에 따른 잡음성분 합성 사이노그램을 획득하는 과정을 나타낸 도면이다
그리고, 단계 S100 는 상기 합성 사이노그램에서 사전에 지정된 규칙에 따라 필터커널을 결정하며 이를 기초로 잡음 성분을 추출하는 단계(S200), 2차원 푸리에 변환에 기초하여 잡음 성분을 추출하는 단계(S210)와, 2차원 Wavelet 변환에 기초하여 잡음 성분을 추출하는 단계(S220) 및 헤시안 (Hessian) 행렬의 고유성분 분해에 기초하여 잡음 성분을 추출하는 단계(S230)를 포함할 수 있다.
한편 상술한 바와 같이 단계S110에서 합성 사이노그램으로부터 잡음 성분 합성 사이노그램이 획득되면, 잡음 저감 장치(100)의 이미지 생성부(30)는 잡음 성분 합성 사이노그램에 기초하여 잡음 성분 CT 이미지를 생성할 수 있다(S130).
S130 단계는 잡음 성분 합성 사이노그램에 필터된 역투영 연산을 적용함으로써 잡음성분 CT이미지를 생성할 수 있다.
더불어 S130단계는 상기 잡음 성분 합성 사이노그램에 필터된 역투영 연산을 적용하여 제1잡음 성분 CT 이미지를 생성하는 단계와, 상기 제1 잡음 성분 CT 이미지로부터 구조적 성분을 추출하는 단계 및 상기 추출된 구조적 성분을 억제함으로써 상기 제1잡음 성분 CT 이미지로부터 제2 잡음 성분 CT 이미지를 생성하는 단계를 포함할 수 있다.
S130 단계에서 잡음성분 CT이미지가 생성되면, 잡은 성분 CT이미지에 기초하여 원본 CT이미지의 잡음을 저감할 수 있다(S140).
S140단계는 원본 CT이미지로부터 조직정보에를 추출하는 단계와 추출된 조직정보와 잡음성분 CT이미지에 기초하여 원본 CT이미지의 잡음을 저감하는 단계를 포함할 수있다.
또한 S140단계는 추출된 조직정보에 기초하여 원본 CT이미지에서 잡음성분 CT이미지를 적응적으로 감산함으로써 원본CT이미지의 잡음을 저감할 수 있다.
그리고 S140단계는 잡음성분 CT이미지 화소의 픽셀 값의 분포 순위를 기초로 사전에 정한 규칙에 따라 잡음성분 CT이미지의 픽셀값을 저감할 수 있다.
도 7은 본원의 일 실시예에 따른 구조적 성분을 추출하는 과정을 나타낸 도면이다.
구조적 성분을 추출하는 단계는 복수의 방식 중 적어도 하나를 이용하여 잡음 성분을 추출할 수 있다. 복수의 방식은 원본 이미지의 각 화소별 구조방향 및 신호 응집성을 추출하는 방식(S300)과 구조방향 및 신호 응집성을 기초로 비등방성 커널을 결정하는 방식310) 및 상기 비등방성 커널을 반영한 필터링을 수행하는 방식320)을 포함할 수 있다. 이러한 구조적 성분을 추출하는 단계는 복수의 방식 중 적어도 하나를 이용하여 잡음 성분을 추출하거나. 모든 방식을 이용하여 잡음 성분을 추출할 수 있다.
앞서 설명된 각각의 방법(예를 들어, CT 이미지의 잡음 저감 방법)은 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행 가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체 및 통신 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. 통신 매체는 전형적으로 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈, 또는 반송파와 같은 변조된 데이터 신호의 기타 데이터, 또는 기타 전송 메커니즘을 포함하며, 임의의 정보 전달 매체를 포함한다.
전술한 본원의 설명은 예시를 위한 것이며, 본원이 속하는 기술분야의 통상의 지식을 가진 자는 본원의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 겹합된 형태로 실시될 수 있다.
본원의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본원의 범위에 포함되는 것으로 해석되어야 한다.
100: 잡음 저감 장치
110: 합성 사이노그램 생성부
120: 잡음 성분 획득부
130: 잡음 성분 CT이미지 생성부
140: 잡음 저감부

Claims (21)

  1. CT 이미지의 잡음을 저감하는 방법에 있어서
    입력된 원본 CT이미지로부터 합성 사이노그램을 생성하는 단계;
    생성된 상기 합성 사이노그램으로부터 잡음 성분 합성 사이노그램을 획득하는 단계;
    상기 잡음 성분 합성 사이노그램에 기초하여 잡음 성분 CT 이미지를 생성하는 단계; 및
    상기 잡음 성분 CT 이미지에 기초하여 상기 원본 CT 이미지의 잡음을 저감하는 단계;
    를 포함하는, CT 이미지의 잡음 저감 방법.
  2. 제 1 항에 있어서,
    상기 합성 사이노그램을 생성하는 단계는,
    상기 원본 CT 이미지의 의료 이미지 정보에 기초하여 상기 원본 CT 이미지의 화소별 감쇠계수, x-선관 초점과 검출기 사이의 거리 정보 및 x-선관 초점과 환자 사이의 거리 정보를 결정하는 단계; 및
    상기 결정된 화소별 감쇠계수, x-선관 초점과 검출기 사이의 거리 정보 및 x-선관 초점과 환자 사이의 거리 정보에 기초하여 상기 합성 사이노그램을 생성하는 단계;
    를 포함하는, CT 이미지의 잡음 저감 방법.
  3. 제 2 항에 있어서,
    상기 합성 사이노그램은,
    상기 결정된 화소별 감쇠계수, x-선관 초점과 검출기 사이의 거리 정보 및 x-선관 초점과 환자 사이의 거리 정보에 기초하여 회전각도별 투영연산을 수행함으로써 생성되는 것을 특징으로 하는, CT 이미지의 잡음 저감 방법.
  4. 제 1 항에 있어서,
    상기 잡음 성분 합성 사이노그램을 획득하는 단계는,
    합성 사이노그램으로부터 잡음 성분 추출을 통해 제 1 잡음 성분 합성 사이노그램을 획득하는 단계;
    상기 제 1 잡음 성분 합성 사이노그램 내의 구조적 성분을 추출하는 단계; 및
    상기 추출된 구조적 성분을 억제함으로써 상기 제 1 잡음 성분 합성 사이노그램으로부터 제 2 잡음 성분 합성 사이노그램을 생성하는 단계;
    를 포함하는, CT 이미지의 잡음 저감 방법.
  5. 제 1 항에 있어서,
    상기 잡음 성분 합성 사이노그램을 획득하는 단계는,
    복수의 방식 중 적어도 하나를 이용하여 잡음 성분을 추출하는 단계를 포함하되,
    상기 복수의 방식은,
    상기 합성 사이노그램에서 사전에 지정된 규칙에 따라 필터커널을 결정하고, 이 커널을 기초로 잡음 성분을 추출하는 제 1 방식,
    2차원 푸리에 변환에 기초하여 잡음 성분을 추출하는 제 2 방식,
    2차원 Wavelet 변환에 기초하여 잡음 성분을 추출하는 제 3 방식, 및
    헤시안 (Hessian) 행렬의 고유성분 분해에 기초하여 잡음 성분을 추출하는 제 4 방식;
    을 포함하는, CT 이미지의 잡음 저감 방법.
  6. 제 1 항에 있어서,
    상기 잡음 성분 CT 이미지를 생성하는 단계는,
    상기 잡음 성분 합성 사이노그램에 필터된 역투영 연산을 적용함으로써 잡음 성분 CT 이미지를 생성하는 것을 특징으로하는, CT 이미지의 잡음 저감 방법.
  7. 제 1 항에 있어서,
    상기 잡음 성분 CT 이미지를 생성하는 단계는,
    상기 잡음 성분 합성 사이노그램에 필터된 역투영 연산을 적용하여 제1잡음 성분 CT 이미지를 생성하는 단계;
    상기 제1 잡음 성분 CT 이미지로부터 구조적 성분을 추출하는 단계; 및
    상기 추출된 구조적 성분을 억제함으로써 상기 제1잡음 성분 CT 이미지로부터 제2 잡음 성분 CT 이미지를 생성하는 단계;
    를 포함하는 CT 이미지의 잡음 저감 방법.
  8. 제1항에 있어서,
    상기 원본 CT 이미지의 잡음을 저감하는 단계는,
    상기 원본 CT 이미지로부터 조직정보를 추출하는 단계; 및
    상기 추출된 조직정보와 잡음 성분 CT 이미지에 기초하여 상기 원본 CT 이미지의 잡음을 저감하는 단계;
    를 포함하는 CT 이미지의 잡음 저감 방법.
  9. 제 8 항에 있어서,
    상기 원본 CT 이미지의 잡음을 저감하는 단계는,
    상기 추출된 조직정보에 기초하여 상기 원본 CT 이미지에서 상기 잡음 성분 CT 이미지를 적응적으로 감산함으로써 상기 원본 CT 이미지의 잡음을 저감하는 단계;
    를 포함하는 CT 이미지의 잡음 저감 방법.
  10. 제 1 항에 있어서,
    상기 원본 CT 이미지의 잡음을 저감하는 단계는,
    잡음 성분 CT 이미지 화소의 픽셀 값의 분포 순위를 기초로 사전에 정한 규칙에 따라 잡음성분 CT 이미지의 픽셀 값을 저감하는 단계
    를 포함하는 CT 이미지의 잡음 저감 방법.
  11. 제 4 항 또는 제 7 항에 있어서,
    구조적 성분을 추출하는 단계는,
    원본 이미지의 각 화소별 구조방향 및 신호 응집성을 추출하는 단계;
    구조방향 및 신호 응집성을 기초로 비등방성 커널을 결정하는 단계; 및
    상기 비등방성 커널을 반영한 필터링을 수행하는 단계;
    를 포함하는 CT 이미지의 잡음 저감 방법.
  12. 제 11 항에 있어서,
    상기 구조 방향은 상기 각 화소에서의 정규화된 경사벡터의 수직방향이고,
    상기 신호 응집성은 상기 정규화된 경사벡터의 경사값의 절대치와 상기 정규화된 경사벡터의 수직방향벡터의 경사값의 절대치에 기초하여 결정되는 것인, CT 이미지의 잡음 저감 방법.
  13. 제 11 항에 있어서,
    상기 구조방향은 상기 각 화소에서의 헤시안(Hessian) 행렬의 두 번째 고유벡터의 방향이고,
    상기 신호 응집성은 상기 각 화소에서의 헤시안 행렬의 두 고유값의 절대치들에 기초하여 결정되는 것인, CT 이미지의 잡음 저감 방법.
  14. 제 11 항에 있어서,
    상기 구조방향 및 상기 신호 응집성은 상기 각 화소에서의 경사의 절대치와 상기 각 화소에서의 헤시안 행렬의 첫 번째 고유값의 절대치간의 비율에 기초하여 결정되되,
    상기 비율이 기준값보다 큰 경우, 상기 구조방향은 상기 각 화소에서의 정규화된 경사벡터의 수직방향이고, 상기 신호 응집성은 상기 정규화된 경사벡터의 경사값의 절대치와 상기 정규화된 경사벡터의 수직방향벡터의 경사값의 절대치에 기초하여 결정되는 것이되,
    상기 비율이 기준값보다 작은 경우, 상기 구조방향은 상기 각 화소에서의 헤시안(Hessian) 행렬의 두 번째 고유벡터의 방향이고, 상기 신호 응집성은 상기 각 화소에서의 헤시안 행렬의 두 고유값의 절대치들에 기초하여 결정되는 것을 특징으로 하는, CT 이미지의 잡음 저감 방법.
  15. 제 13 항에 있어서,
    구조방향 및 신호 응집성을 기초로 비등방성 커널을 결정하는 단계는 2차원 비등방성 가우시안 함수를 기초로 커널을 결정하되, 상기 2차원 비등방성 가우시안 함수의 매개변수 중 장축의 크기는 기 결정된 값이고, 상기 매개변수 중 단축의 크기는 상기 장축의 크기에 상기 신호 응집성 및 기 결정된 비례상수를 곱하여 결정하며, 상기 매개변수 중 회전각도는 상기 구조방향인 것을 특징으로 하는, CT 이미지의 잡음 저감 방법.
  16. CT 이미지의 잡음을 저감하는 장치에 있어서
    입력된 원본 CT이미지로부터 합성 사이노그램을 생성하는 합성 사이노그램 생성부;
    생성된 상기 합성 사이노그램으로부터 잡음 성분 합성 사이노그램을 획득하는 잡음 성분 획득부;
    상기 잡음 성분 합성 사이노그램에 기초하여 잡음 성분 CT 이미지를 생성하는 잡음 성분 CT 이미지 생성부; 및
    상기 잡음 성분 CT 이미지에 기초하여 상기 원본 CT 이미지의 잡음을 저감하는 잡음 저감부를 포함하는, CT 이미지의 잡음 저감 장치.
  17. 제 16 항에 있어서,
    상기 잡음 성분 획득부는,
    상기 합성 사이노그램에서 잡음 성분을 추출하여 상기 잡음 성분 합성 사이노그램을 획득하는, CT 이미지의 잡음 저감 장치.
  18. 제 16 항에 있어서,
    상기 잡음 성분 CT 이미지 생성부는,
    상기 잡음 성분 획득부에서 생성된 잡음 성분 합성 사이노그램에 필터된 역투영 연산을 적용하여 상기 잡음 성분 CT 이미지를 생성하는, CT 이미지의 잡음 저감 장치.
  19. 제 16 항에 있어서,
    상기 잡음 성분 획득부와 상기 잡음 성분 CT 이미지 생성부는,
    각기 상기 잡음 성분 사이노그램과 잡음 성분 CT 이미지에서 구조적 성분을 추출하여 상기 추출된 구조적 성분을 억제하는 것을 특징으로 하는, CT 이미지의 잡음 저감 장치.
  20. 제 16 항에 있어서,
    상기 잡음 저감부는,
    상기 원본 CT 이미지로부터 조직정보를 추출하고, 상기 추출된 조직정보에 기초하여 상기 원본 CT 이미지의 잡음을 저감하는, CT 이미지의 잡음 저감 장치.
  21. 제 20 항에 있어서,
    상기 잡음 저감부는,
    상기 추출된 조직정보에 기초하여 상기 원본 CT 이미지에서 상기 잡음 성분 CT 이미지를 적응적으로 감산함으로써 상기 원본 CT 이미지의 잡음을 저감하는, CT 이미지의 잡음 저감 장치.
KR1020150104212A 2015-07-23 2015-07-23 Ct 이미지의 잡음 저감 방법 및 장치 KR101697501B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020150104212A KR101697501B1 (ko) 2015-07-23 2015-07-23 Ct 이미지의 잡음 저감 방법 및 장치
US15/143,937 US9852527B2 (en) 2015-07-23 2016-05-02 Apparatus and method for denoising CT images

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150104212A KR101697501B1 (ko) 2015-07-23 2015-07-23 Ct 이미지의 잡음 저감 방법 및 장치

Publications (1)

Publication Number Publication Date
KR101697501B1 true KR101697501B1 (ko) 2017-01-18

Family

ID=57991999

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150104212A KR101697501B1 (ko) 2015-07-23 2015-07-23 Ct 이미지의 잡음 저감 방법 및 장치

Country Status (2)

Country Link
US (1) US9852527B2 (ko)
KR (1) KR101697501B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018131733A1 (ko) * 2017-01-13 2018-07-19 서울대학교산학협력단 Ct 이미지의 잡음 저감 방법 및 장치
KR20190058285A (ko) * 2017-11-20 2019-05-29 주식회사 클라리파이 딥러닝 기반 ct 이미지 잡음 저감 장치 및 방법
WO2021153993A1 (ko) * 2020-01-28 2021-08-05 주식회사 클라리파이 딥러닝 기반 가속촬영 mr 이미지 화질 복원 장치 및 방법
KR102492950B1 (ko) * 2022-01-04 2023-01-31 주식회사 클라리파이 의료영상의 아티팩트 처리장치 및 처리방법

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180018757A1 (en) * 2016-07-13 2018-01-18 Kenji Suzuki Transforming projection data in tomography by means of machine learning
CN107622481B (zh) * 2017-10-25 2022-09-30 东软医疗系统股份有限公司 降低ct图像噪声的方法、装置和计算机设备
CN109785243B (zh) * 2018-11-28 2023-06-23 西安电子科技大学 基于对抗生成网络未配准低剂量ct的去噪方法、计算机
CN109283785B (zh) * 2018-12-05 2022-04-08 广东南方瑞美医疗科技有限公司 安全型手提式成像仪
JP7317655B2 (ja) * 2019-09-26 2023-07-31 富士フイルムヘルスケア株式会社 医用画像処理装置および医用画像処理方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008528228A (ja) * 2005-02-03 2008-07-31 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 金属アーチファクト補正用の放射状適応フィルタ
KR101245536B1 (ko) * 2011-10-25 2013-03-21 한국전기연구원 저밀도 촬영상 ｃｔ 영상 재구성에서 줄 인공물 억제 방법
KR20140141159A (ko) * 2013-05-31 2014-12-10 주식회사 나노포커스레이 의료 영상 처리 방법 및 시스템
US20140369581A1 (en) * 2013-06-14 2014-12-18 The Regents Of The University Of Michigan Iterative reconstruction in image formation

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7187794B2 (en) * 2001-10-18 2007-03-06 Research Foundation Of State University Of New York Noise treatment of low-dose computed tomography projections and images
WO2010096701A1 (en) * 2009-02-20 2010-08-26 Mayo Foundation For Medical Education And Research Projection-space denoising with bilateral filtering in computed tomography
EP2385494A1 (en) * 2010-05-07 2011-11-09 IBBT vzw A method and device for estimating noise in a reconstructed image
WO2012056412A1 (en) * 2010-10-27 2012-05-03 Koninklijke Philips Electronics N.V. Under-sampled, multi-energy computed tomography (ct) data acquisition data processing
US20130202079A1 (en) * 2012-02-07 2013-08-08 Lifeng Yu System and Method for Controlling Radiation Dose for Radiological Applications
WO2014128595A1 (en) * 2013-02-21 2014-08-28 Koninklijke Philips N.V. Structure propagation restoration for spectral ct
KR101473893B1 (ko) 2013-05-02 2014-12-19 한국과학기술원 재구성 영상의 잡음 제거 장치 및 그 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008528228A (ja) * 2005-02-03 2008-07-31 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 金属アーチファクト補正用の放射状適応フィルタ
KR101245536B1 (ko) * 2011-10-25 2013-03-21 한국전기연구원 저밀도 촬영상 ｃｔ 영상 재구성에서 줄 인공물 억제 방법
KR20140141159A (ko) * 2013-05-31 2014-12-10 주식회사 나노포커스레이 의료 영상 처리 방법 및 시스템
US20140369581A1 (en) * 2013-06-14 2014-12-18 The Regents Of The University Of Michigan Iterative reconstruction in image formation

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018131733A1 (ko) * 2017-01-13 2018-07-19 서울대학교산학협력단 Ct 이미지의 잡음 저감 방법 및 장치
KR20190058285A (ko) * 2017-11-20 2019-05-29 주식회사 클라리파이 딥러닝 기반 ct 이미지 잡음 저감 장치 및 방법
KR102033743B1 (ko) 2017-11-20 2019-11-08 주식회사 클라리파이 딥러닝 기반 ct 이미지 잡음 저감 장치 및 방법
WO2020080604A1 (ko) * 2017-11-20 2020-04-23 주식회사 클라리파이 딥러닝 기반 ct 이미지 잡음 저감 장치 및 방법
WO2021153993A1 (ko) * 2020-01-28 2021-08-05 주식회사 클라리파이 딥러닝 기반 가속촬영 mr 이미지 화질 복원 장치 및 방법
KR102492950B1 (ko) * 2022-01-04 2023-01-31 주식회사 클라리파이 의료영상의 아티팩트 처리장치 및 처리방법

Also Published As

Publication number Publication date
US20170084058A1 (en) 2017-03-23
US9852527B2 (en) 2017-12-26

Similar Documents

Publication Publication Date Title
KR101697501B1 (ko) Ct 이미지의 잡음 저감 방법 및 장치
JP4841874B2 (ja) 断層合成造影における直接再生方法及び装置
Lee et al. View-interpolation of sparsely sampled sinogram using convolutional neural network
Lauzier et al. Characterization of statistical prior image constrained compressed sensing (PICCS): II. Application to dose reduction
US10064591B2 (en) System, method and computer readable medium for preview of low-dose x-ray projection and tomographic images
WO2015146011A1 (ja) 放射線画像処理装置および方法並びにプログラム
JP6370280B2 (ja) 断層画像生成装置、方法およびプログラム
CN103733222B (zh) 不同x射线图像信息类型的频率相关组合
JP6214226B2 (ja) 画像処理装置、断層撮影装置、画像処理方法およびプログラム
US9953441B2 (en) Processing metal artifact in CT image
US20160081645A1 (en) Tomographic image generation device and method, and recording medium
JP2009011810A (ja) データ処理装置および医用診断装置
US20040105528A1 (en) Method and system for tomosynthesis image enhancement using transverse filtering
Ertas et al. An iterative tomosynthesis reconstruction using total variation combined with non-local means filtering
Anitha et al. Analysis of filtering and novel technique for noise removal in MRI and CT images
Bier et al. Scatter correction using a primary modulator on a clinical angiography C‐arm CT system
Shi et al. X‐ray scatter correction for dedicated cone beam breast CT using a forward‐projection model
Xu et al. Wavelet domain compounding for speckle reduction in optical coherence tomography
JP6671267B2 (ja) 画像処理装置、方法およびプログラム
Hariharan et al. A photon recycling approach to the denoising of ultra-low dose X-ray sequences
Shieh et al. Improving thoracic four-dimensional cone-beam CT reconstruction with anatomical-adaptive image regularization (AAIR)
Salehjahromi et al. A spectral CT denoising algorithm based on weighted block matching 3D filtering
Ketcha et al. A statistical model for rigid image registration performance: the influence of soft-tissue deformation as a confounding noise source
Kim et al. A blind-deblurring method based on a compressed-sensing scheme in digital breast tomosynthesis
Choi et al. Multidimensional noise reduction in C-arm cone-beam CT via 2D-based Landweber iteration and 3D-based deep neural networks

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20200102

Year of fee payment: 4