KR101731512B1 - 복수의 문턱값들을 이용하는 혈관 세그먼테이션 방법과 그 방법을 이용한 장치 - Google Patents

복수의 문턱값들을 이용하는 혈관 세그먼테이션 방법과 그 방법을 이용한 장치 Download PDF

Info

Publication number
KR101731512B1
KR101731512B1 KR1020120082879A KR20120082879A KR101731512B1 KR 101731512 B1 KR101731512 B1 KR 101731512B1 KR 1020120082879 A KR1020120082879 A KR 1020120082879A KR 20120082879 A KR20120082879 A KR 20120082879A KR 101731512 B1 KR101731512 B1 KR 101731512B1
Authority
KR
South Korea
Prior art keywords
contrast agent
intensity
blood vessel
threshold value
cross
Prior art date
Application number
KR1020120082879A
Other languages
English (en)
Other versions
KR20140017053A (ko
Inventor
이형욱
김경환
강나협
김상욱
김지연
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020120082879A priority Critical patent/KR101731512B1/ko
Priority to US13/908,058 priority patent/US9424637B2/en
Priority to EP13178548.7A priority patent/EP2693401B1/en
Publication of KR20140017053A publication Critical patent/KR20140017053A/ko
Application granted granted Critical
Publication of KR101731512B1 publication Critical patent/KR101731512B1/ko

Links

Images

Classifications

    • 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
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/20—Contour coding, e.g. using detection of edges
    • 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
    • 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
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Quality & Reliability (AREA)
  • Optics & Photonics (AREA)
  • Multimedia (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

복수의 문턱값들을 이용하는 혈관 세그먼테이션 방법이 개시된다. 일 실시예는 조영제를 이용하여 복수의 슬라이스들(슬라이스는 혈관의 단면을 포함함)을 포함하는 영상을 획득하고, 조영제의 인텐시티와 관련된 모델링 정보에 기초하여 복수의 단면들 각각에 대응되는 문턱값을 적응적으로 설정하며, 영상과 문턱값에 기초하여 혈관 세그먼테이션을 수행한다. 여기서, 복수의 단면들 각각에 대응되는 문턱값은 복수의 단면들 각각에서 혈관의 경계를 결정할 수 있다.

Description

복수의 문턱값들을 이용하는 혈관 세그먼테이션 방법과 그 방법을 이용한 장치{METHOD OF PERFORMING SEGMENTATION OF VESSEL USING A PLURALITY OF THRESHOLDS AND DEVICE THEREOF}
아래 실시예들은 복수의 문턱값들을 이용하는 혈관 세그먼테이션 방법과 그 방법을 이용한 장치에 관한 것이다.
CT, MRI 등 의료 영상 기반 진단 기기의 발전으로 인해, 이러한 의료 영상 기반 진단 기기를 통해 종양 판독, 혈관 협착 등의 질병을 위한 1차 판독이 이루어질 수 있다. 예를 들어, 간 MIR 영상은 간 내부 종양의 위치를 파악하고, 침습 또는 비침습 치료를 통해 종양을 제거하는데 활용될 수 있다. 또한, 고해상도 CT 영상은 종양 치료 후, 종양 제거 여부를 확인하는 등의 목적으로 활용될 수 있다.
나아가, CT, MRI 등 의료 영상 기반 진단 기기를 이용하여 혈관 세그먼테이션(segmentation)을 수행할 수 있다. 이 경우, 혈관 및 혈류와 같은 세부적인 특성을 판독하기 위하여 조영제가 이용될 수 있다. 보다 구체적으로, 혈관에 조영제를 먼저 투입하고, 조영제가 들어가는 시점에 맞추어 의료 영상을 촬영함으로써 혈관 형상을 파악할 수 있다.
미국 공개특허공보 US 2006/0211940 (2006.09.21), 단락번호 [0003]
일 측에 따른 혈관 세그먼테이션 방법은 조영제를 이용하여 복수의 슬라이스들-상기 복수의 슬라이스들 각각은 혈관과 관련된 적어도 하나의 단면을 포함함-을 포함하는 영상을 획득하는 단계; 상기 조영제의 인텐시티(intensity)와 관련된 모델링 정보에 기초하여 복수의 단면들 각각에 대응되는 문턱값-상기 문턱값은 상기 복수의 단면들 각각에서 상기 혈관의 경계를 결정함-을 적응적으로 설정하는 단계; 및 상기 영상과 상기 문턱값에 기초하여 혈관 세그먼테이션(segmentation)을 수행하는 단계를 포함한다.
이 때, 상기 혈관 세그먼테이션 방법은 미리 설정된 데이터베이스로부터 상기 모델링 정보를 획득하는 단계를 더 포함할 수 있다.
또한, 상기 모델링 정보는 상기 혈관 내에서 상기 조영제의 이동 거리에 의존하는 상기 조영제의 인텐시티와 관련된 정보; 상기 혈관으로 상기 조영제가 투입된 시점으로부터 경과된 시간에 의존하는 상기 조영제의 인텐시티와 관련된 정보; 상기 혈관에 포함된 복수의 가지들 각각의 크기에 의존하는 상기 조영제의 인텐시티와 관련된 정보; 또는 혈압 사이클(cycle)에 의존하는 상기 조영제의 인텐시티와 관련된 정보 중 적어도 하나를 포함할 수 있다.
또한, 상기 적응적으로 설정하는 단계는 미리 설정된 데이터베이스로부터 기준 문턱값을 획득하는 단계; 상기 모델링 정보에 기초하여 상기 복수의 단면들 각각에서 상기 조영제의 인텐시티를 결정하는 단계; 및 상기 결정된 조영제의 인텐시티에 기초하여 상기 복수의 단면들 각각에서 상기 기준 문턱값을 적응적으로 조절함으로써 상기 문턱값을 설정하는 단계를 포함할 수 있다.
또한, 상기 조영제의 인텐시티를 결정하는 단계는 미리 정해진 생리학적 특성에 기초하여 상기 모델링 정보에 포함된 복수의 요소들 각각의 가중치를 결정하는 단계; 및 상기 결정된 가중치에 기초하여 상기 조영제의 인텐시티를 계산하는 단계를 포함할 수 있다.
또한, 상기 혈관 세그먼테이션을 수행하는 단계는 상기 영상에 포함된 조영제의 인텐시티와 상기 문턱값을 비교함으로써 상기 복수의 단면들 각각에서 상기 혈관의 경계를 결정하는 단계를 포함할 수 있다.
또한, 상기 혈관 세그먼테이션 방법은 상기 영상에 기초하여 상기 혈관의 영역을 추출하는 단계; 및 상기 추출된 혈관 영역에 기초하여 상기 조영제의 인텐시티 특성-상기 인텐시티 특성은 상기 혈관의 특성에 의존함-을 획득하는 단계를 더 포함할 수 있다.
또한, 상기 인텐시티 특성은 상기 추출된 혈관 영역에 포함된 조영제의 인텐시티의 평균값; 상기 추출된 혈관 영역에 포함된 조영제의 인텐시티의 최대값; 상기 추출된 혈관 영역에 포함된 조영제의 인텐시티의 최소값; 또는 상기 추출된 혈관 영역에 포함된 조영제의 인텐시티의 변화량 중 적어도 하나를 포함할 수 있다.
또한, 상기 적응적으로 설정하는 단계는 상기 인텐시티 특성에 기초하여 기준 문턱값을 계산하는 단계; 상기 인텐시티 특성과 상기 모델링 정보에 기초하여 상기 복수의 단면들 각각에서 상기 조영제의 인텐시티를 결정하는 단계; 상기 결정된 조영제의 인텐시티에 기초하여 상기 복수의 단면들 각각에서 상기 기준 문턱값을 적응적으로 조절함으로써 상기 문턱값을 설정하는 단계를 포함할 수 있다.
또한, 상기 조영제의 인텐시티를 결정하는 단계는 미리 정해진 생리학적 특성에 기초하여 상기 인텐시티 특성에 포함된 복수의 요소들 및 상기 모델링 정보에 포함된 복수의 요소들 각각의 가중치를 결정하는 단계; 및 상기 결정된 가중치에 기초하여 상기 조영제의 인텐시티를 계산하는 단계를 포함할 수 있다.
다른 일 측에 따른 혈관 세그먼테이션 장치는 프로세서; 및 조영제를 이용하여 복수의 슬라이스들-상기 복수의 슬라이스들 각각은 혈관과 관련된 적어도 하나의 단면을 포함함-을 포함하는 영상을 획득하는 영상 획득부를 포함하고, 상기 프로세서는 상기 조영제의 인텐시티(intensity)와 관련된 모델링 정보에 기초하여 복수의 단면들 각각에 대응되는 문턱값-상기 문턱값은 상기 복수의 단면들 각각에서 상기 혈관의 경계를 결정함-을 적응적으로 설정하는 문턱값 설정부; 및 상기 영상과 상기 문턱값에 기초하여 혈관 세그먼테이션(segmentation)을 수행하는 세그먼테이션 수행부를 포함할 수 있다.
이 때, 상기 프로세서는 미리 설정된 데이터베이스로부터 상기 모델링 정보를 획득하는 모델링 정보 획득부를 더 포함할 수 있다.
또한, 상기 문턱값 설정부는 미리 설정된 데이터베이스로부터 기준 문턱값을 획득하고, 상기 모델링 정보에 기초하여 상기 복수의 단면들 각각에서 상기 조영제의 인텐시티를 결정하며, 상기 결정된 조영제의 인텐시티에 기초하여 상기 복수의 단면들 각각에서 상기 기준 문턱값을 적응적으로 조절함으로써 상기 문턱값을 설정할 수 있다.
또한, 상기 세그먼테이션 수행부는 상기 영상에 포함된 조영제의 인텐시티와 상기 문턱값을 비교함으로써 상기 복수의 단면들 각각에서 상기 혈관의 경계를 결정할 수 있다.
또한, 상기 프로세서는 상기 영상에 기초하여 상기 혈관의 영역을 추출하는 혈관 영역 추출부; 및 상기 추출된 혈관의 영역에 기초하여 상기 조영제의 인텐시티 특성-상기 인텐시티 특성은 상기 혈관의 특성에 의존함-을 획득하는 인텐시티 특성 획득부를 더 포함할 수 있다.
또한, 상기 문턱값 설정부는 상기 인텐시티 특성에 기초하여 기준 문턱값을 계산하고, 상기 인텐시티 특성과 상기 모델링 정보에 기초하여 상기 복수의 단면들 각각에서 상기 조영제의 인텐시티를 결정하며, 상기 결정된 조영제의 인텐시티에 기초하여 상기 복수의 단면들 각각에서 상기 기준 문턱값을 적응적으로 조절함으로써 상기 문턱값을 설정할 수 있다.
도 1은 일 실시예에 따른 혈관 세그먼테이션을 수행하기 위해 조영제를 이용하여 복수의 슬라이스들을 포함하는 영상을 설명하기 위한 도면.
도 2는 일 실시예에 따른 조영제의 인텐시티가 시간 또는 거리에 따라 감쇄되는 특성을 고려하여 혈관 세그먼테이션이 수행되는 원리를 설명하기 위한 도면.
도 3은 일 실시예에 따른 복수의 문턱값들을 이용하여 혈관 세그먼테이션을 수행하는 혈관 세그먼테이션 방법을 나타내는 동작 흐름도.
도 4는 일 실시예에 따른 조영제의 인텐시티와 관련된 모델링 정보를 설명하기 위한 블록도.
도 5는 일 실시예에 따른 조영제의 인텐시티와 관련된 모델링 정보를 이용하여 복수의 문턱값들을 적응적으로 설정하는 방법을 나타내는 동작 흐름도.
도 6은 일 실시예에 따른 혈관의 특성에 의존하는 조영제의 인텐시티 특성을 이용하여 혈관 세그먼테이션을 수행하는 혈관 세그먼테이션 방법을 나타내는 동작 흐름도.
도 7은 일 실시예에 따른 혈관의 특성에 의존하는 조영제의 인텐시티 특성을 설명하기 위한 블록도.
도 8은 일 실시예에 따른 혈관의 특성에 의존하는 조영제의 인텐시티 특성을 이용하여 복수의 문턱값들을 적응적으로 설정하는 방법을 나타내는 동작 흐름도.
이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 일 실시예에 따른 혈관 세그먼테이션(segmentation)을 수행하기 위해 조영제를 이용하여 복수의 슬라이스들을 포함하는 영상을 설명하기 위한 도면이다.
도 1을 참조하면, 일 실시예에 따른 혈관 세그먼테이션 방법은 혈관 세그먼테이션을 수행하기 위해 조영제를 이용하여 복수의 슬라이스들을 포함하는 영상을 획득할 수 있다.
보다 구체적으로, 혈관 세그먼테이션 방법은 혈관(100)의 단면(이하, '단면'이라고 함)을 포함하는 복수의 슬라이스들을 획득할 수 있다. 여기서, 복수의 슬라이스들 각각은 적어도 하나의 단면을 포함할 수 있다.
예를 들어, 혈관 세그먼테이션 방법은 슬라이스(110), 슬라이스(120), 슬라이스(130), 및 슬라이스(140)을 획득할 수 있다. 이 경우, 슬라이스(110)은 단면(111)을 포함하고, 슬라이스(120)은 단면(121)을 포함할 수 있다. 나아가, 슬라이스(130)은 단면(131)과 단면(132)를 포함하고, 슬라이스(140)은 단면(141)과 단면(142)를 포함할 수 있다.
혈관 세그먼테이션 방법은 조영제를 이용하여 전술한 복수의 슬라이스들을 포함하는 영상을 획득할 수 있다. 여기서, 조영제는 영상에서 혈관(100)을 뚜렷이 나타내기 위하여 사용되는 물질로서, 예를 들어 CT 촬영을 위한 조영제 또는 MRI 촬영을 위한 조영제 등을 포함할 수 있다.
혈관 세그먼테이션 방법은 단면에 나타난 조영제의 인텐시티(intensity)를 이용하여 혈관(100) 영역을 결정할 수 있다. 즉, 단면에 나타난 조영제의 인텐시티가 미리 정해진 문턱값 이상인 영역을 혈관(100)으로 분류하고, 조영제의 인텐시티가 미리 정해진 문턱값 미만인 영역을 혈관(100)이 아닌 영역으로 분류할 수 있다.
이 때, 혈관(100)은 복수의 가지들을 포함하는 트리 구조로 구성될 수 있다. 혈관(100)은 줄기, 분기점, 복수의 가지들을 포함할 수 있다.
예를 들어, 단면(111)과 단면(121) 사이의 구간은 줄기이고, 단면(121)과 단면(132) 사이의 구간은 분기점일 수 있다. 단면(131)과 단면(141) 사이의 구간 및 단면(132)와 단면(142) 사이의 구간은 복수의 가지들일 수 있다. 물론, 도면에 표시되지는 아니하였으나, 줄기는 더 큰 줄기의 가지일 수 있고, 복수의 가지들은 각각 더 작은 가지들의 줄기일 수 있다.
이하, 단면(111)과 단면(121) 사이의 구간은 '줄기'라고 하고, 단면(121)과 단면(132) 사이의 구간은 '분기점'이라고 하며, 단면(131)과 단면(141) 사이의 구간 및 단면(132)와 단면(142) 사이의 구간은 각각 '제1 가지'와 '제2 가지'라고 한다.
한편, 줄기에 투입된 조영제는 분기점에서 복수의 가지들로 나뉘어 흐를 수 있다. 이 때, 혈관(100)은 줄기로부터 복수의 가지들로 나뉠수록 전체 혈관의 단면적이 넓어질 수 있다. 예를 들어, 단면(131)의 단면적과 단면(132)의 단면적을 합친 크기는 단면(111)의 단면적보다 더 클 수 있다.
따라서, 가지에 대응되는 단면에서 단위 부피당 조영제의 양은 줄기에 대응되는 단면에서 단위 부피당 조영제의 양보다 더 적을 수 있다. 즉, 가지에 대응되는 단면에서 조영제의 인텐시티는 줄기에 대응되는 단면에서 조영제의 인텐시티보다 작을 수 있다.
결과적으로, 줄기에 투입된 조영제가 분기점을 통과할수록 조영제의 인텐시티는 감소될 수 있다. 이 때, 혈관 세그먼테이션 방법은 혈관 세그먼테이션의 정밀도를 향상시키기 위하여 분기점을 통과할수록 감소되는 조영제의 인텐시티(이하, '분기점에 따른 감쇄 특성'이라고 함)를 고려할 수 있다.
보다 구체적으로, 혈관 세그먼테이션 방법은 분기점에 따른 감쇄 특성에 기초하여 단면(111), 단면(121), 단면(131), 단면(132), 단면(141), 및 단면(142) 각각에서 혈관의 경계를 결정하기 위한 문턱값을 상이하게 설정할 수 있다. 나아가, 혈관 세그먼테이션 방법은 복수의 단면들 각각에서 상이하게 설정된 문턱값에 기초하여 각 단면에서의 혈관의 경계를 결정할 수 있다.
이로 인하여, 혈관 세그먼테이션 방법은 혈관 세그먼테이션의 정밀도를 향상시키는 기술을 제공할 수 있다. 혈관 세그먼테이션 방법은 혈관 세그먼테이션의 정밀도를 향상시킴으로써, CT, MRI 등 의료 영상으로부터 3차원 영상(예를 들면, 3차원 혈관 형상 정보)을 복원(reconstruction) 및 가시화(visualization)의 정밀도를 향상시킬 수 있다.
따라서, 일 실시예에 따른 혈관 세그먼테이션 방법은 시뮬레이션 기반의 환자 맞춤형 고정밀 자동화(computerized) 진단, 치료, 및 예측과 같은 의료 서비스를 위한 고 정밀 데이터(예를 들면, 혈관 형상과 같은 개인별 특성이 정확하게 반영된 데이터)를 제공할 수 있다.
뿐만 아니라, 일 실시예에 따른 혈관 세그먼테이션 방법은 신장에 안 좋은 영향을 미칠 수 있는 조영제를 미량만 투입하면서, 정확하게 필요한 정보를 추출하는 기술을 제공할 수 있다.
다른 실시예에 따른 혈관 세그먼테이션 방법은 분기점에 따른 감쇄 특성뿐 아니라, 추가적인 조영제의 인텐시티와 관련된 모델링 정보에 기초하여 혈관 세그먼테이션을 수행할 수 있다. 여기서, 전술한 분기점에 따른 감쇄 특성은 조영제의 인텐시티와 관련된 모델링 정보에 포함될 수 있다.
이하, 도 3 내지 도 8을 참조하여 조영제의 인텐시티와 관련된 모델링 정보에 기초하여 혈관 세그먼테이션을 수행하는 혈관 세그먼테이션 방법에 관해 설명하기에 앞서, 도 2를 참조하여 조영제의 인텐시티가 시간 또는 거리에 따라 감쇄되는 특성을 고려하여 혈관 세그먼테이션이 수행되는 원리를 간략히 설명한다.
도 2는 일 실시예에 따른 조영제의 인텐시티가 시간 또는 거리에 따라 감쇄되는 특성을 고려하여 혈관 세그먼테이션이 수행되는 원리를 설명하기 위한 도면이다.
도 2를 참조하면, 일 실시예에 따른 조영제가 혈관에 투입된 시점으로부터 경과된 시간(이하, '경과 시간'이라고 함)이 길어질수록 조영제의 인텐시티는 감소될 수 있다.
이 때, 일 실시예에 따른 혈관 세그먼테이션 방법은 조영제의 인텐시티가 경과 시간에 따라 감소되는 특성(이하, '시간에 따른 감쇄 특성'이라고 함)을 모델링 할 수 있다. 예를 들어, 혈관 세그먼테이션 방법은 경과 시간이 증가하는 동안 조영제의 인텐시티가 그래프(210)에 따라 감소되도록 시간에 따른 감쇄 특성을 모델링 할 수 있다.
뿐만 아니라, 일 실시예에 따른 조영제가 혈관 내에서 이동한 거리(이하, '이동 거리'라고 함)가 길어질수록 조영제의 인텐시티는 감소될 수 있다.
마찬가지로, 혈관 세그먼테이션 방법은 조영제의 인텐시티가 이동 거리에 따라 감소되는 특성(이하, '거리에 따른 감쇄 특성'이라고 함)을 모델링 할 수 있다. 예를 들어, 혈관 세그먼테이션 방법은 이동 거리가 증가하는 동안 조영제의 인텐시티가 그래프(210)에 따라 감소되도록 거리에 따른 감쇄 특성을 모델링 할 수 있다.
혈관 세그먼테이션 방법은 혈관 세그먼테이션의 정밀도를 향상시키기 위하여 시간에 따른 감쇄 특성 또는 거리에 따른 감쇄 특성 중 적어도 어느 하나를 고려할 수 있다. 여기서, 시간에 따른 감쇄 특성과 거리에 따른 감쇄 특성은 도 1을 참조하여 전술한 조영제의 인텐시티와 관련된 모델링 정보에 포함될 수 있다.
보다 구체적으로, 혈관 세그먼테이션 방법은 시간에 따른 감쇄 특성 또는 거리에 따른 감쇄 특성 중 적어도 어느 하나에 기초하여 도 1의 단면(111), 단면(121), 단면(131), 단면(132), 단면(141), 및 단면(142) 각각에서 혈관의 경계를 결정하기 위한 문턱값을 상이하게 설정할 수 있다. 나아가, 혈관 세그먼테이션 방법은 복수의 단면들 각각에서 상이하게 설정된 문턱값에 기초하여 각 단면에서의 혈관의 경계를 결정할 수 있다.
이로 인하여, 혈관 세그먼테이션 방법은 혈관 세그먼테이션의 정밀도를 향상시키는 기술을 제공할 수 있다.
예를 들어, 시간에 따른 감쇄 특성 또는 거리에 따른 감쇄 특성을 고려하지 않고 미리 정해진 단일 문턱값을 이용하여 혈관의 경계를 결정하는 경우를 가정하자. 이 때, 조영제가 도 1의 단면(131)에서부터 단면(141)로 흐르고, 단면(131)에서의 혈관(100)의 크기와 단면(141)에서의 혈관(100)의 크기는 실질적으로 동일하다고 가정하자.
조영제가 단면(131)에서부터 단면(141)로 흐르는 동안, 조영제의 인텐시티는 시간에 따른 감쇄 특성 또는 거리에 따른 감쇄 특성에 따라 감소될 수 있다. 만약 단면(131)에서 혈관의 경계를 결정하기 위한 문턱값과 단면(141)에서 혈관의 경계를 결정하기 위한 문턱값이 동일하다면, 시간에 따른 감쇄 특성 또는 거리에 따른 감쇄 특성으로 인하여 단면(141)에서의 혈관의 크기가 단면(131)에서의 혈관의 크기보다 더 작게 추출될 수 있다. 이러한 오차는 점선(220)으로 표현될 수 있다.
반면, 일 실시예에 따른 혈관 세그먼테이션 방법은 시간에 따른 감쇄 특성 또는 거리에 따른 감쇄 특성을 고려함으로써, 복수의 단면들에서 복수의 문턱값을 이용하는 기술을 제공할 수 있다. 즉, 혈관 세그먼테이션 방법은 단면(131)에서 혈관의 경계를 결정하기 위한 문턱값과 단면(141)에서 혈관의 경계를 결정하기 위한 문턱값을 상이하게 설정할 수 있다.
이로 인하여, 혈관 세그먼테이션 방법은 단면(131)에서 혈관의 크기와 단면(141)에서 혈관의 크기를 실질적으로 동일하게 추출할 수 있다. 이러한 결과는 실선(230)으로 표현될 수 있다.
이하, 도 3 내지 도 8을 참조하여 인텐시티와 관련된 모델링 정보에 기초하여 혈관 세그먼테이션을 수행하는 혈관 세그먼테이션 방법에 관하여 상세하게 설명한다.
도 3은 일 실시예에 따른 복수의 문턱값들을 이용하여 혈관 세그먼테이션을 수행하는 혈관 세그먼테이션 방법을 나타내는 동작 흐름도이다.
도 3을 참조하면, 일 실시예에 따른 혈관 세그먼테이션 방법은 조영제를 이용하여 복수의 슬라이스들을 포함하는 영상을 획득한다(310). 이 때, 복수의 슬라이스들 각각은 혈관과 관련된 적어도 하나의 단면을 포함할 수 있다.
예를 들면, 혈관 세그먼테이션 방법은 조영제를 이용하여 도 1의 슬라이스(110), 슬라이스(120), 슬라이스(130), 및 슬라이스(140)을 포함하는 영상을 획득할 수 있다. 이 경우, 슬라이스(110)은 단면(111)을 포함하고, 슬라이스(120)은 단면(121)을 포함할 수 있다. 나아가, 슬라이스(130)은 단면(131)과 단면(132)를 포함하고, 슬라이스(140)은 단면(141)과 단면(142)를 포함할 수 있다.
또한, 일 실시예에 따른 혈관 세그먼테이션 방법은 미리 설정된 데이터베이스로부터 조영제의 인텐시티와 관련된 모델링 정보(이하, '모델링 정보'라고 함)를 획득할 수 있다(320).
여기서, 미리 설정된 데이터베이스는 사전에 구비된 모델링 정보를 저장하는 장치로, 예를 들어 로컬 메모리 또는 원격에 위치된 서버 등을 포함할 수 있다. 즉, 혈관 세그먼테이션 방법은 로컬 메모리로부터 모델링 정보를 획득하거나, 원격에 위치된 서버로부터 모델링 정보를 획득할 수 있다. 해당 분야에서 통상의 기술을 가진 자라면 이러한 기재로부터 다양한 변형을 할 수 있음은 자명하다.
이 때, 도 1과 도 2를 참조하여 전술한 바와 같이, 모델링 정보는 분기점에 따른 감쇄 특성, 시간에 따른 감쇄 특성, 및 거리에 따른 감쇄 특성 등을 포함할 수 있다. 모델링 정보와 관련된 보다 상세한 사항들은 도 4를 참조하여 후술한다.
또한, 일 실시예에 따른 혈관 세그먼테이션 방법은 모델링 정보에 기초하여 복수의 단면들 각각에 대응되는 문턱값을 적응적으로 설정할 수 있다(330).
여기서, 복수의 단면들 각각에 대응되는 문턱값은 복수의 단면들 각각에서 혈관의 경계를 결정할 수 있다. 도 1과 도 2를 참조하여 전술한 바와 같이, 혈관 세그먼테이션 방법은 복수의 단면들에서 복수의 문턱값을 이용함으로써 혈관 세그먼테이션의 정밀도를 향상시키는 기술을 제공할 수 있다.
혈관 세그먼테이션 방법은 모델링 정보에 기초하여 복수의 단면들 각각에서 조영제의 인텐시티를 결정할 수 있다. 예를 들어, 혈관 세그먼테이션 방법은 시간에 따른 감쇄 특성에 기초하여, 도 1의 단면(132)에서 조영제의 인텐시티보다 단면(142)에서 조영제의 인텐시티가 더 작도록 조영제의 인텐시티들을 결정할 수 있다.
나아가, 혈관 세그먼테이션 방법은 각 단면에서 결정된 조영제의 인텐시티에 기초하여 복수의 단면들 각각에서 혈관의 경계를 결정하는 문턱값을 설정할 수 있다.
보다 구체적으로, 혈관 세그먼테이션 방법은 결정된 조영제의 인텐시티가 작은 단면에 대응되는 문턱값을 결정된 조영제의 인텐시티가 큰 단면에 대응되는 문턱값보다 작도록 문턱값들을 설정할 수 있다. 복수의 단면들 각각에서 문턱값을 적응적으로 설정하는 단계(330)과 관련된 보다 상세한 사항들은 도 5를 참조하여 후술한다.
또한, 일 실시예에 따른 혈관 세그먼테이션 방법은 단계(310)에서 획득된 영상과 단계(330)에서 설정된 문턱값에 기초하여 혈관 세그먼테이션을 수행할 수 있다(340).
보다 구체적으로, 혈관 세그먼테이션 방법은 영상에 포함된 조영제의 인텐시티와 문턱값을 비교함으로써 복수의 단면들 각각에서 혈관의 경계를 결정할 수 있다.
여기서, 영상에 포함된 조영제의 인텐시티는 모델링 정보와 관련된 조영제의 인텐시티와 구별되는 개념으로, 조영제를 이용하여 획득된 영상에 포함된 것일 수 있다.
예를 들어, CT 촬영 또는 MIR 촬영 결과 획득된 영상은 흑백 영상일 수 있다. 이 경우, 혈관 영역은 투입된 조영제에 의하여 영상에 나타나는 흑백 이미지의 세기(즉, 인텐시티)가 영향을 받을 수 있다.
즉, 영상에 포함된 조영제의 인텐시티는 혈관에 투입된 조영제가 촬영됨으로써 영상에 나타나는 흑백 이미지의 세기일 수 있다.
혈관 세그먼테이션 방법은 특정 단면에서 영상에 포함된 조영제의 인텐시티가 해당 단면에 대응되는 문턱값 이상인 영역을 혈관 영역으로 결정할 수 있다. 반면, 혈관 세그먼테이션 방법은 특정 단면에서 영상에 포함된 조영제의 인텐시티가 해당 단면에 대응되는 문턱값 미만인 영역을 혈관이 아닌 영역으로 결정할 수 있다.
그 결과, 혈관 세그먼테이션 방법은 특정 단면에서 영상에 포함된 조영제의 인텐시티가 해당 단면에 대응되는 문턱값보다 커지거나 작아지는 경계를 해당 단면에서의 혈관의 경계로 결정할 수 있다.
혈관 세그먼테이션 방법은 복수의 단면들 각각에서 전술한 과정을 반복함으로써 각 단면에서의 혈관의 경계를 결정할 수 있다.
나아가, 혈관 세그먼테이션 방법은 복수의 슬라이스들 중 서로 인접한 슬라이스 간에 경계가 결정된 혈관의 위치를 비교하여 혈관의 세그먼테이션을 수행할 수 있다.
예를 들어, 혈관 세그먼테이션 방법은 서로 인접하는 슬라이스 간에 혈관의 경계의 위치 차이를 검출할 수 있다. 혈관 세그먼테이션 방법은 검출된 혈관의 경계의 위치 차이에 기초하여 혈관의 형상을 추출함으로써 혈관 세그먼테이션을 수행할 수 있다.
도 4는 일 실시예에 따른 조영제의 인텐시티와 관련된 모델링 정보를 설명하기 위한 블록도이다.
도 4를 참조하면, 일 실시예에 따른 모델링 정보(400)는 혈관 내에서 조영제의 이동 거리에 의존하는 조영제의 인텐시티와 관련된 정보(410), 혈관으로 조영제가 투입된 시점으로부터 경과된 시간에 의존하는 조영제의 인텐시티와 관련된 정보(420), 혈관에 포함된 복수의 가지들 각각의 크기에 의존하는 조영제의 인텐시티와 관련된 정보(430), 또는 혈압 사이클(cycle)에 의존하는 조영제의 인텐시티와 관련된 정보(440) 중 적어도 하나를 포함할 수 있다.
이 때, 혈관 내에서 조영제의 이동 거리에 의존하는 조영제의 인텐시티와 관련된 정보(410)는 도 2를 참조하여 전술한 거리에 따른 감쇄 특성을 포함할 수 있다. 즉, 혈관 내에서 조영제가 이동된 거리가 증가할수록 조영제의 인텐시티는 감소할 수 있다.
또한, 혈관으로 조영제가 투입된 시점으로부터 경과된 시간에 의존하는 조영제의 인텐시티와 관련된 정보(420)는 도 2를 참조하여 전술한 시간에 따른 감쇄 특성을 포함할 수 있다. 즉, 조영제가 혈관에 투입된 시점으로부터 시간이 오래 경과될수록 조영제의 인텐시티는 감소할 수 있다.
또한, 혈관에 포함된 복수의 가지들 각각의 크기에 의존하는 조영제의 인텐시티와 관련된 정보(430)는 도 1을 참조하여 전술한 분기점에 따른 감쇄 특성을 포함할 수 있다. 즉, 혈관 내에서 조영제가 다수의 분기점을 통과할수록 조영제의 인텐시티는 감소할 수 있다.
또한, 혈압 사이클에 의존하는 조영제의 인텐시티와 관련된 정보(440)는 복수의 단면들 각각에서 조영제의 인텐시티가 혈압 사이클에 따라 변경되는 특성(이하, '혈압 사이클에 따른 불균등 특성'이라고 함)을 포함할 수 있다.
보다 구체적으로, 일 실시예에 따른 조영제는 혈관 내에서 혈압 사이클에 따라 이동될 수 있다.
예를 들어, 심장이 수축하면서 혈압이 높아지는 경우 혈류가 빨라지고, 혈류가 빨라짐에 따라 조영제 또한 혈관 내에서 빠르게 이동될 수 있다. 반면, 심장이 팽창하면서 혈압이 낮아지는 경우 혈류가 느려지고, 혈류가 느려짐에 따라 조영제 또한 혈관 내에서 느리게 이동될 수 있다.
이로 인하여, 조영제는 혈관 내에서 균일하게 분포되지 않을 수 있다. 즉, 혈압 사이클에 따라 혈관 내에서 조영제가 밀집된 구간과 조영제가 분산된 구간이 구분될 수 있다. 나아가, 혈압 사이클에 따라 혈관 내 각 구간에서 조영제가 밀집된 정도 또는 조영제가 분산된 정도가 상이할 수 있다.
이 경우, 혈관 내에서 조영제가 밀집될수록 조영제의 인텐시티는 증가할 수 있고, 혈관 내에서 조영제가 분산될수록 조영제의 인텐시티는 감소할 수 있다.
도 5는 일 실시예에 따른 조영제의 인텐시티와 관련된 모델링 정보를 이용하여 복수의 문턱값들을 적응적으로 설정하는 방법을 나타내는 동작 흐름도이다.
도 5를 참조하면, 일 실시예에 따른 혈관 세그먼테이션 방법은 모델링 정보를 이용하여 복수의 문턱값들을 적응적으로 설정하기 위하여, 미리 설정된 데이터베이스로부터 기준 문턱값을 획득할 수 있다(510).
여기서, 기준 문턱값은 단일 문턱값을 사용하는 다양한 종래 기술들에 의해 사용되는 문턱값을 포함할 수 있다.
미리 설정된 데이터베이스는 사전에 구비된 기준 문턱값을 저장하는 장치로, 예를 들어 로컬 메모리 또는 원격에 위치된 서버 등을 포함할 수 있다. 즉, 혈관 세그먼테이션 방법은 로컬 메모리로부터 기준 문턱값을 획득하거나, 원격에 위치된 서버로부터 기준 문턱값을 획득할 수 있다. 해당 분야에서 통상의 기술을 가진 자라면 이러한 기재로부터 다양한 변형을 할 수 있음은 자명하다.
또한, 혈관 세그먼테이션 방법은 모델링 정보를 이용하여 복수의 문턱값들을 적응적으로 설정하기 위하여, 모델링 정보에 기초하여 복수의 단면들 각각에서 조영제의 인텐시티를 결정할 수 있다(520).
예를 들어, 일 실시예에 따른 혈관 세그먼테이션 방법은 시간에 따른 감쇄 특성에 기초하여, 도 1의 단면(132)에서 조영제의 인텐시티보다 단면(142)에서 조영제의 인텐시티가 더 작도록 조영제의 인텐시티들을 결정할 수 있다.
다른 실시예에 따른 혈관 세그먼테이션 방법은 거리에 따른 감쇄 특성에 기초하여, 도 1의 단면(111)에서 조영제의 인텐시티보다 단면(121)에서 조영제의 인텐시티가 더 작도록 조영제의 인텐시티들을 결정할 수 있다.
또 다른 실시예에 따른 혈관 세그먼테이션 방법은 분기점에 따른 감쇄 특성에 기초하여, 도 1의 단면(121)에서 조영제의 인텐시티보다 단면(132)에서 조영제의 인텐시티가 더 작도록 조영제의 인텐시티들을 결정할 수 있다.
또 다른 실시예에 따른 혈관 세그먼테이션 방법은 혈압 사이클에 따른 불균등 특성에 기초하여 조영제의 인텐시티들을 결정할 수 있다. 이 때, 혈압 사이클에 의하여 단면(121)에서 조영제가 밀집되고, 단면(111)에서 조영제가 분산된 경우를 가정하자. 이 경우, 혈관 세그먼테이션 방법은 도 1의 단면(121)에서 조영제의 인텐시티보다 단면(111)에서 조영제의 인텐시티가 더 작도록 조영제의 인텐시티들을 결정할 수 있다.
또 다른 실시예에 따른 혈관 세그먼테이션 방법은 거리에 따른 감쇄 특성, 시간에 따른 감쇄 특성, 분기점에 따른 감쇄 특성, 및 혈압 사이클에 따른 불균등 특성 중 두 개 이상을 조합함으로써, 조영제의 인텐시티들을 결정할 수 있다.
이 때, 혈관 세그먼테이션 방법은 미리 정해진 생리학적 특성에 기초하여 모델링 정보에 포함된 복수의 요소들 각각의 가중치를 결정하고, 결정된 가중치에 기초하여 조영제의 인텐시티를 계산할 수 있다. 다른 실시예에 따른 혈관 세그먼테이션 방법은 다수의 실험 데이터에 기초하여 모델링 정보에 포함된 복수의 요소들 각각의 가중치를 미리 설정하고, 이러한 미리 설정된 가중치를 이용하여 조영제의 인텐시티를 계산할 수 있다.
여기서, 복수의 요소들은 거리에 따른 감쇄 특성, 시간에 따른 감쇄 특성, 분기점에 따른 감쇄 특성, 및 혈압 사이클에 따른 불균등 특성 등을 포함할 수 있다. 복수의 요소들 각각의 가중치는 각 요소가 조영제의 인텐시티에 미치는 영향의 크기와 관련된 정보를 포함할 수 있다.
이 경우, 혈관 세그먼테이션 방법은 특정 요소의 가중치를 0으로 설정함으로써, 해당 요소를 조영제의 인텐시티를 결정하기 위한 고려 대상에서 제외시킬 수 있다.
나아가, 혈관 세그먼테이션 방법은 결정된 가중치에 기초하여 가중 합(weighted sum) 기법을 적용함으로써, 복수의 단면들 각각에서 조영제의 인텐시티를 결정할 수 있다.
예를 들어, 복수의 요소들 중 시간에 따른 감쇄 특성의 가중치가 30이고, 분기점에 따른 감쇄 특성의 가중치가 70이며, 나머지 요소들의 가중치들은 0인 경우를 가정하자. 이 경우, 혈관 세그먼테이션 방법은 특정 단면에서 시간에 따른 감쇄 특성으로 인하여 조영제의 인텐시티가 감소되는 제1 수치와 해당 단면에서 분기점에 따른 감쇄 특성으로 인하여 조영제의 인텐시티가 감소되는 제2 수치를 획득할 수 있다. 혈관 세그먼테이션 방법은 제1 수치의 30%와 제2 수치의 70%를 합산함으로써 해당 단면에서 조영제의 인텐시티를 결정할 수 있다.
또한, 일 실시예에 따른 혈관 세그먼테이션 방법은 모델링 정보를 이용하여 복수의 문턱값들을 적응적으로 설정하기 위하여, 각 단면에서 결정된 조영제의 인텐시티에 기초하여 복수의 단면들 각각에서 기준 문턱값을 적응적으로 조절할 수 있다(530).
보다 구체적으로, 혈관 세그먼테이션 방법은 결정된 조영제의 인텐시티가 작은 단면에 대응되는 문턱값을 결정된 조영제의 인텐시티가 큰 단면에 대응되는 문턱값보다 작도록 기준 문턱값을 조절할 수 있다.
예를 들어, 혈관 세그먼테이션 방법은 결정된 조영제의 인텐시티가 상대적으로 작은 단면에 대응되는 문턱값을 기준 문턱값보다 작은 값으로 설정할 수 있다. 반대로, 현관 세그먼테이션 방법은 결정된 조영제의 인텐시티가 상대적으로 큰 단면에 대응되는 문턱값을 기준 문턱값보다 큰 값으로 설정할 수 있다.
이 때, 혈관 세그먼테이션 방법은 기준 문턱값에 스케일링 팩터(scaling factor)를 곱함으로써, 해당 단면에 대응되는 문턱값을 설정할 수 있다. 여기서, 스케일링 팩터는 해당 단면에서 결정된 조영제의 인텐시티의 감소 폭에 따라 결정될 수 있다.
도 6은 일 실시예에 따른 혈관의 특성에 의존하는 조영제의 인텐시티 특성을 이용하여 혈관 세그먼테이션을 수행하는 혈관 세그먼테이션 방법을 나타내는 동작 흐름도이다.
도 6을 참조하면, 일 실시예에 따른 혈관 세그먼테이션 방법은 조영제를 이용하여 복수의 슬라이스들을 포함하는 영상을 획득한다(610). 이 때, 복수의 슬라이스들 각각은 혈관과 관련된 적어도 하나의 단면을 포함할 수 있다.
또한, 일 실시예에 따른 혈관 세그먼테이션 방법은 단계(610)에서 획득된 영상에 기초하여 혈관의 영역을 추출할 수 있다(620). 예를 들면, 혈관 세그먼테이션 방법은 단일 문턱값을 사용하는 다양한 종래 기술들을 이용하여 혈관의 영역을 추출할 수 있다.
나아가, 일 실시예에 따른 혈관 세그먼테이션 방법은 단계(620)에서 추출된 혈관의 영역에 기초하여 조영제의 인텐시티 특성을 획득할 수 있다(630). 여기서, 조영제의 인텐시티 특성은 혈관의 특성에 의존할 수 있다.
즉, 혈관 세그먼테이션 방법은 개개인마다 상이한 혈관의 특성을 고려하여 혈관 세그먼테이션을 수행하는 기술을 제공할 수 있다.
보다 구체적으로, 혈관 세그먼테이션 방법은 단계(610)에서 획득된 영상으로부터 일차적으로 혈관의 영역을 추출하고, 추출된 혈관 영역에 기초하여 개개인마다 상이한 혈관의 특성에 의존하는 조영제의 인텐시티 특성을 획득할 수 있다.
예를 들면, 혈관 세그먼테이션 방법은 추출된 혈관 영역에 나타나는 조영제의 인텐시티의 평균을 계산할 수 있다. 동일한 종류의 조영제를 같은 양 투입하더라도, 개개인마다 상이한 혈관의 특성에 따라 영상에 포함된 조영제의 인텐시티는 상이할 수 있다. 따라서, 혈관 세그먼테이션 방법은 개개인마다 상이한 혈관의 특성에 의존하는 조영제의 인텐시티 특성을 획득하기 위하여, 혈관 영역에 나타나는 조영제의 인텐시티의 평균을 계산할 수 있다.
도 7을 참조하면, 일 실시예에 따른 조영제의 인텐시티 특성(700)은 추출된 혈관 영역에 포함된 조영제의 인텐시티의 평균값(710), 추출된 혈관 영역에 포함된 조영제의 인텐시티의 최대값(710), 추출된 혈관 영역에 포함된 조영제의 인텐시티의 최소값(710), 또는 추출된 혈관 영역에 포함된 조영제의 인텐시티의 변화량(720) 중 적어도 하나를 포함할 수 있다.
여기서, 추출된 혈관 영역에 포함된 조영제의 인텐시티의 최대값(710)은 추출된 혈관 영역에 포함된 조영제의 인텐시티 중 가장 큰 인텐시티와 관련된 정보를 포함할 수 있다. 추출된 혈관 영역에 포함된 조영제의 인텐시티의 최소값(710)은 추출된 혈관 영역에 포함된 조영제의 인텐시티 중 가장 작은 인텐시티와 관련된 정보를 포함할 수 있다. 나아가, 추출된 혈관 영역에 포함된 조영제의 인텐시티의 변화량(720)은 추출된 혈관 영역에 포함된 조영제의 인텐시티가 감쇄하는 정도와 관련된 정보를 포함할 수 있다.
또한, 일 실시예에 따른 혈관 세그먼테이션 방법은 미리 설정된 데이터베이스로부터 모델링 정보를 획득할 수 있다(640). 여기서, 모델링 정보에는 도 4를 참조하여 기술된 사항들이 그대로 적용될 수 있으므로, 보다 상세한 설명은 생략한다.
또한, 일 실시예에 따른 혈관 세그먼테이션 방법은 조영제의 인텐시티 특성과 모델링 정보에 기초하여 복수의 단면들 각각에 대응되는 문턱값을 적응적으로 설정할 수 있다(650). 여기서, 복수의 단면들 각각에 대응되는 문턱값은 복수의 단면들 각각에서 혈관의 경계를 결정할 수 있다.
혈관 세그먼테이션 방법은 조영제의 인텐시티 특성과 모델링 정보에 기초하여 복수의 단면들 각각에서 조영제의 인텐시티를 결정할 수 있다.
예를 들어, 혈관 세그먼테이션 방법은 추출된 혈관 영역에 포함된 조영제의 인텐시티의 평균값, 추출된 혈관 영역에 포함된 조영제의 인텐시티의 변화량, 시간에 따른 감쇄 특성, 및 분기점에 따른 감쇄 특성 등에 기초하여 복수의 단면들 각각에서 조영제의 인텐시티를 결정할 수 있다.
나아가, 혈관 세그먼테이션 방법은 각 단면에서 결정된 조영제의 인텐시티에 기초하여 복수의 단면들 각각에서 혈관의 경계를 결정하는 문턱값을 설정할 수 있다.
복수의 단면들 각각에서 문턱값을 적응적으로 설정하는 단계(650)과 관련된 보다 상세한 사항들은 도 8을 참조하여 후술한다.
또한, 일 실시예에 따른 혈관 세그먼테이션 방법은 단계(610)에서 획득된 영상과 단계(650)에서 설정된 문턱값에 기초하여 혈관 세그먼테이션을 수행할 수 있다(660). 단계(660)에는 도 3의 단계(340)을 통하여 기술된 사항들이 그대로 적용될 수 있으므로, 보다 상세한 설명은 생략한다.
도 8은 일 실시예에 따른 혈관의 특성에 의존하는 조영제의 인텐시티 특성을 이용하여 복수의 문턱값들을 적응적으로 설정하는 방법을 나타내는 동작 흐름도이다.
도 8을 참조하면, 일 실시예에 따른 혈관 세그먼테이션 방법은 조영제의 인텐시티 특성을 이용하여 복수의 문턱값들을 적응적으로 설정하기 위하여, 조영제의 인텐시티 특성에 기초하여 기준 문턱값을 계산할 수 있다(810).
예를 들어, 혈관 세그먼테이션 방법은 추출된 혈관 영역에 포함된 조영제의 인텐시티의 평균값을 기준 문턱값으로 이용할 수 있다. 다른 실시예에 따른 혈관 세그먼테이션 방법은 추출된 혈관 영역에 포함된 조영제의 최대값과 추출된 혈관 영역에 포함된 조영제의 최소값에 기초하여 기준 문턱값을 계산할 수 있다. 해당 분야에서 통상의 기술을 가진 자라면 이러한 기재로부터 다양한 변형을 할 수 있음은 자명하다.
또한, 혈관 세그먼테이션 방법은 조영제의 인텐시티 특성과 모델링 정보에 기초하여 복수의 단면들 각각에서 조영제의 인텐시티를 결정할 수 있다(820).
예를 들어, 일 실시예에 따른 혈관 세그먼테이션 방법은 조영제의 인텐시티 특성(즉, 추출된 혈관 영역에 포함된 조영제의 인텐시티의 평균값, 최대값, 최소값, 및 변화량 등)에 기초하여, 도 1의 단면(111)에서 조영제의 인텐시티보다 단면(121)에서 조영제의 인텐시티가 더 작도록 조영제의 인텐시티들을 결정할 수 있다.
다른 실시예에 따른 혈관 세그먼테이션 방법은 모델링 정보(즉, 시간에 따른 감쇄 특성, 거리에 따른 감쇄 특성, 분기점에 따른 감쇄 특성, 및 혈압 사이클에 따른 감쇄 특성 등)에 기초하여, 조영제의 인텐시티들을 결정할 수 있다. 모델링 정보에 기초하여 조영제의 인텐시티들을 결정하는 데에는 도 5를 통하여 기술된 사항들이 그대로 적용될 수 있으므로, 보다 상세한 설명은 생략한다.
또 다른 실시예에 따른 혈관 세그먼테이션 방법은 조영제의 인텐시티 특성에 포함된 복수의 요소들과 모델링 정보에 포함된 복수의 요소들 중 두 개 이상을 조합함으로써, 조영제의 인텐시티들을 결정할 수 있다.
이 때, 혈관 세그먼테이션 방법은 미리 정해진 생리학적 특성에 기초하여 조영제의 인텐시티 특성에 포함된 복수의 요소들과 모델링 정보에 포함된 복수의 요소들 각각의 가중치를 결정하고, 결정된 가중치에 기초하여 조영제의 인텐시티를 계산할 수 있다. 다른 실시예에 따른 혈관 세그먼테이션 방법은 다수의 실험 데이터에 기초하여 조영제의 인텐시티 특성에 포함된 복수의 요소들과 모델링 정보에 포함된 복수의 요소들 각각의 가중치를 미리 설정하고, 이러한 미리 설정된 가중치를 이용하여 조영제의 인텐시티를 계산할 수 있다.
이 경우, 혈관 세그먼테이션 방법은 특정 요소의 가중치를 0으로 설정함으로써, 해당 요소를 조영제의 인텐시티를 결정하기 위한 고려 대상에서 제외시킬 수 있다.
나아가, 혈관 세그먼테이션 방법은 결정된 가중치에 기초하여 가중 합(weighted sum) 기법을 적용함으로써, 복수의 단면들 각각에서 조영제의 인텐시티를 결정할 수 있다.
예를 들어, 복수의 요소들 중 추출된 혈관 영역에 포함된 조영제의 인텐시티의 변화량의 가중치가 60이고, 분기점에 따른 감쇄 특성의 가중치가 30이며, 혈압 사이클에 따른 불균등 특성의 가중치가 10이고, 나머지 요소들의 가중치들은 0인 경우를 가정하자. 이 경우, 혈관 세그먼테이션 방법은 특정 단면에서 추출된 혈관 영역에 포함된 조영제의 인텐시티의 변화량으로 인하여 조영제의 인텐시티가 변경되는 제1 수치, 해당 단면에서 분기점에 따른 감쇄 특성으로 인하여 조영제의 인텐시티가 감소되는 제2 수치, 및 해당 단면에서 혈압 사이클에 따른 불균등 특성으로 인하여 조영제의 인텐시티가 변경되는 제3 수치를 획득할 수 있다. 혈관 세그먼테이션 방법은 제1 수치의 60%, 제2 수치의 30%, 및 제3 수치의 10%를 합산함으로써 해당 단면에서 조영제의 인텐시티를 결정할 수 있다.
뿐만 아니라, 또 다른 실시예에 따른 혈관 세그먼테이션 방법은 조영제의 인텐시티 특성(즉, 추출된 혈관 영역에 포함된 조영제의 인텐시티의 평균값, 최대값, 최소값, 및 변화량 등)에 기초하여 시간에 따른 감쇄 특성을 보정할 수 있다.
여기서, 시간에 따른 감쇄 특성은 조영제의 물리적인 특성(또는, 평균적인 데이터)에 기반하여 모델링 된 데이터이므로, 혈관 세그먼테이션 방법은 혈관과 조영제 사이의 상호작용에 의한 생리학적 특성(또는, 개개인의 혈관의 특성에 따른 데이터)도 추가적으로 고려하도록 시간에 따른 감쇄 특성을 보정할 수 있다.
동일한 원리에 의하여, 혈관 세그먼테이션 방법은 조영제의 인텐시티 특성(즉, 추출된 혈관 영역에 포함된 조영제의 인텐시티의 최대값, 추출된 혈관 영역에 포함된 조영제의 인텐시티의 최소값, 및 추출된 혈관 영역에 포함된 조영제의 인텐시티의 변화량 등)에 기초하여 거리에 따른 감쇄 특성 또는 분기점에 따른 감쇄 특성을 보정할 수 있다.
혈관 세그먼테이션 방법은 보정된 시간에 따른 감쇄 특성, 보정된 거리에 따른 감쇄 특성, 및 보정된 분기점에 따른 감쇄 특성에 기초하여, 특정 단면에서 조영제의 인텐시티를 결정할 수 있다.
또한, 일 실시예에 따른 혈관 세그먼테이션 방법은 각 단면에서 결정된 조영제의 인텐시티에 기초하여 복수의 단면들 각각에서 기준 문턱값을 적응적으로 조절할 수 있다(830).
보다 구체적으로, 혈관 세그먼테이션 방법은 결정된 조영제의 인텐시티가 작은 단면에 대응되는 문턱값을 결정된 조영제의 인텐시티가 큰 단면에 대응되는 문턱값보다 작도록 기준 문턱값을 조절할 수 있다.
예를 들어, 혈관 세그먼테이션 방법은 결정된 조영제의 인텐시티가 상대적으로 작은 단면에 대응되는 문턱값을 기준 문턱값보다 작은 값으로 설정할 수 있다. 반대로, 현관 세그먼테이션 방법은 결정된 조영제의 인텐시티가 상대적으로 큰 단면에 대응되는 문턱값을 기준 문턱값보다 큰 값으로 설정할 수 있다.
이 때, 혈관 세그먼테이션 방법은 기준 문턱값에 스케일링 팩터(scaling factor)를 곱함으로써, 해당 단면에 대응되는 문턱값을 설정할 수 있다. 여기서, 스케일링 팩터는 해당 단면에서 결정된 조영제의 인텐시티의 감소 폭에 따라 결정될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (17)

  1. 조영제를 이용하여 복수의 슬라이스들-상기 복수의 슬라이스들 각각은 혈관과 관련된 적어도 하나의 단면을 포함함-을 포함하는 영상을 획득하는 단계;
    상기 조영제의 인텐시티(intensity)와 관련된 모델링 정보에 기초하여 복수의 단면들 각각에 대응되는 문턱값-상기 문턱값은 상기 복수의 단면들 각각에서 상기 혈관의 경계를 결정함-을 적응적으로 설정하는 단계; 및
    상기 영상과 상기 문턱값에 기초하여 혈관 세그먼테이션(segmentation)을 수행하는 단계
    를 포함하고,
    상기 모델링 정보는,
    상기 혈관이 나뉘는 분기점을 기준으로, 상기 분기점에서 나뉘기 전의 혈관의 단면적 및 상기 분기점에서 나뉜 이후의 복수의 혈관의 전체 단면적의 차이에 의존하는 상기 조영제의 인텐시티와 관련된 정보
    를 포함하는
    혈관 세그먼테이션 방법.
  2. 제1항에 있어서,
    미리 설정된 데이터베이스로부터 상기 모델링 정보를 획득하는 단계
    를 더 포함하는 혈관 세그먼테이션 방법.
  3. 제1항에 있어서,
    상기 모델링 정보는
    상기 혈관 내에서 상기 조영제의 이동 거리에 의존하는 상기 조영제의 인텐시티와 관련된 정보;
    상기 혈관으로 상기 조영제가 투입된 시점으로부터 경과된 시간에 의존하는 상기 조영제의 인텐시티와 관련된 정보; 또는
    혈압 사이클(cycle)에 의존하는 상기 조영제의 인텐시티와 관련된 정보
    중 적어도 하나를 포함하는 혈관 세그먼테이션 방법.
  4. 제1항에 있어서,
    상기 적응적으로 설정하는 단계는
    미리 설정된 데이터베이스로부터 기준 문턱값을 획득하는 단계;
    상기 모델링 정보에 기초하여 상기 복수의 단면들 각각에서 상기 조영제의 인텐시티를 결정하는 단계; 및
    상기 결정된 조영제의 인텐시티에 기초하여 상기 복수의 단면들 각각에서 상기 기준 문턱값을 적응적으로 조절함으로써 상기 문턱값을 설정하는 단계
    를 포함하는 혈관 세그먼테이션 방법.
  5. 제4항에 있어서,
    상기 조영제의 인텐시티를 결정하는 단계는
    미리 정해진 생리학적 특성에 기초하여 상기 모델링 정보에 포함된 복수의 요소들 각각의 가중치를 결정하는 단계; 및
    상기 결정된 가중치에 기초하여 상기 조영제의 인텐시티를 계산하는 단계
    를 포함하는 혈관 세그먼테이션 방법.
  6. 제1항에 있어서,
    상기 혈관 세그먼테이션을 수행하는 단계는
    상기 영상에 포함된 조영제의 인텐시티와 상기 문턱값을 비교함으로써 상기 복수의 단면들 각각에서 상기 혈관의 경계를 결정하는 단계
    를 포함하는 혈관 세그먼테이션 방법.
  7. 제1항에 있어서,
    상기 영상에 기초하여 상기 혈관의 영역을 추출하는 단계; 및
    상기 추출된 혈관 영역에 기초하여 상기 조영제의 인텐시티 특성-상기 인텐시티 특성은 상기 혈관의 특성에 의존함-을 획득하는 단계
    를 더 포함하는 혈관 세그먼테이션 방법.
  8. 제7항에 있어서,
    상기 인텐시티 특성은
    상기 추출된 혈관 영역에 포함된 조영제의 인텐시티의 평균값;
    상기 추출된 혈관 영역에 포함된 조영제의 인텐시티의 최대값;
    상기 추출된 혈관 영역에 포함된 조영제의 인텐시티의 최소값; 또는
    상기 추출된 혈관 영역에 포함된 조영제의 인텐시티의 변화량
    중 적어도 하나를 포함하는 혈관 세그먼테이션 방법.
  9. 제7항에 있어서,
    상기 적응적으로 설정하는 단계는
    상기 인텐시티 특성에 기초하여 기준 문턱값을 계산하는 단계;
    상기 인텐시티 특성과 상기 모델링 정보에 기초하여 상기 복수의 단면들 각각에서 상기 조영제의 인텐시티를 결정하는 단계;
    상기 결정된 조영제의 인텐시티에 기초하여 상기 복수의 단면들 각각에서 상기 기준 문턱값을 적응적으로 조절함으로써 상기 문턱값을 설정하는 단계
    를 포함하는 혈관 세그먼테이션 방법.
  10. 제9항에 있어서,
    상기 조영제의 인텐시티를 결정하는 단계는
    미리 정해진 생리학적 특성에 기초하여 상기 인텐시티 특성에 포함된 복수의 요소들 및 상기 모델링 정보에 포함된 복수의 요소들 각각의 가중치를 결정하는 단계; 및
    상기 결정된 가중치에 기초하여 상기 조영제의 인텐시티를 계산하는 단계
    를 포함하는 혈관 세그먼테이션 방법.
  11. 제1항 내지 제10항 중에서 어느 하나의 항의 방법을 실행시키기 위한 프로그램이 기록된 컴퓨터 판독 가능한 기록 매체.
  12. 혈관 세그먼테이션 장치에 있어서,
    프로세서; 및
    조영제를 이용하여 복수의 슬라이스들-상기 복수의 슬라이스들 각각은 혈관과 관련된 적어도 하나의 단면을 포함함-을 포함하는 영상을 획득하는 영상 획득부
    를 포함하고,
    상기 프로세서는
    상기 조영제의 인텐시티(intensity)와 관련된 모델링 정보에 기초하여 복수의 단면들 각각에 대응되는 문턱값-상기 문턱값은 상기 복수의 단면들 각각에서 상기 혈관의 경계를 결정함-을 적응적으로 설정하는 문턱값 설정부; 및
    상기 영상과 상기 문턱값에 기초하여 혈관 세그먼테이션(segmentation)을 수행하는 세그먼테이션 수행부
    를 포함하고,
    상기 모델링 정보는,
    상기 혈관이 나뉘는 분기점을 기준으로, 상기 분기점에서 나뉘기 전의 혈관의 단면적 및 상기 분기점에서 나뉜 이후의 복수의 혈관의 전체 단면적의 차이에 의존하는 상기 조영제의 인텐시티와 관련된 정보
    를 포함하는
    혈관 세그먼테이션 장치.
  13. 제12항에 있어서,
    상기 프로세서는
    미리 설정된 데이터베이스로부터 상기 모델링 정보를 획득하는 모델링 정보 획득부
    를 더 포함하는 혈관 세그먼테이션 장치.
  14. 제12항에 있어서,
    상기 문턱값 설정부는 미리 설정된 데이터베이스로부터 기준 문턱값을 획득하고, 상기 모델링 정보에 기초하여 상기 복수의 단면들 각각에서 상기 조영제의 인텐시티를 결정하며, 상기 결정된 조영제의 인텐시티에 기초하여 상기 복수의 단면들 각각에서 상기 기준 문턱값을 적응적으로 조절함으로써 상기 문턱값을 설정하는 혈관 세그먼테이션 장치.
  15. 제12항에 있어서,
    상기 세그먼테이션 수행부는 상기 영상에 포함된 조영제의 인텐시티와 상기 문턱값을 비교함으로써 상기 복수의 단면들 각각에서 상기 혈관의 경계를 결정하는 혈관 세그먼테이션 장치.
  16. 제12항에 있어서,
    상기 프로세서는
    상기 영상에 기초하여 상기 혈관의 영역을 추출하는 혈관 영역 추출부; 및
    상기 추출된 혈관의 영역에 기초하여 상기 조영제의 인텐시티 특성-상기 인텐시티 특성은 상기 혈관의 특성에 의존함-을 획득하는 인텐시티 특성 획득부
    를 더 포함하는 혈관 세그먼테이션 장치.
  17. 제16항에 있어서,
    상기 문턱값 설정부는 상기 인텐시티 특성에 기초하여 기준 문턱값을 계산하고, 상기 인텐시티 특성과 상기 모델링 정보에 기초하여 상기 복수의 단면들 각각에서 상기 조영제의 인텐시티를 결정하며, 상기 결정된 조영제의 인텐시티에 기초하여 상기 복수의 단면들 각각에서 상기 기준 문턱값을 적응적으로 조절함으로써 상기 문턱값을 설정하는 혈관 세그먼테이션 장치.
KR1020120082879A 2012-07-30 2012-07-30 복수의 문턱값들을 이용하는 혈관 세그먼테이션 방법과 그 방법을 이용한 장치 KR101731512B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020120082879A KR101731512B1 (ko) 2012-07-30 2012-07-30 복수의 문턱값들을 이용하는 혈관 세그먼테이션 방법과 그 방법을 이용한 장치
US13/908,058 US9424637B2 (en) 2012-07-30 2013-06-03 Vessel segmentation method and apparatus using multiple thresholds values
EP13178548.7A EP2693401B1 (en) 2012-07-30 2013-07-30 Vessel segmentation method and apparatus using multiple thresholds values

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120082879A KR101731512B1 (ko) 2012-07-30 2012-07-30 복수의 문턱값들을 이용하는 혈관 세그먼테이션 방법과 그 방법을 이용한 장치

Publications (2)

Publication Number Publication Date
KR20140017053A KR20140017053A (ko) 2014-02-11
KR101731512B1 true KR101731512B1 (ko) 2017-05-02

Family

ID=48874956

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120082879A KR101731512B1 (ko) 2012-07-30 2012-07-30 복수의 문턱값들을 이용하는 혈관 세그먼테이션 방법과 그 방법을 이용한 장치

Country Status (3)

Country Link
US (1) US9424637B2 (ko)
EP (1) EP2693401B1 (ko)
KR (1) KR101731512B1 (ko)

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10439972B1 (en) 2013-05-30 2019-10-08 Snap Inc. Apparatus and method for maintaining a message thread with opt-in permanence for entries
US10082926B1 (en) 2014-02-21 2018-09-25 Snap Inc. Apparatus and method for alternate channel communication initiated through a common message thread
US9986938B2 (en) * 2014-02-25 2018-06-05 Medis Associated B.V. Method and device for determining a geometrical parameter of a blood vessel
NL2012459B1 (en) 2014-03-18 2016-01-08 Medis Ass B V Method and device for determining deviation in pressure in a blood vessel.
US9276886B1 (en) 2014-05-09 2016-03-01 Snapchat, Inc. Apparatus and method for dynamically configuring application component tiles
US9113301B1 (en) 2014-06-13 2015-08-18 Snapchat, Inc. Geo-location based event gallery
US9225897B1 (en) 2014-07-07 2015-12-29 Snapchat, Inc. Apparatus and method for supplying content aware photo filters
US9385983B1 (en) 2014-12-19 2016-07-05 Snapchat, Inc. Gallery of messages from individuals with a shared interest
US10311916B2 (en) 2014-12-19 2019-06-04 Snap Inc. Gallery of videos set to an audio time line
US10135949B1 (en) 2015-05-05 2018-11-20 Snap Inc. Systems and methods for story and sub-story navigation
KR101771325B1 (ko) * 2015-10-29 2017-08-24 한국 한의학 연구원 적응 임계값 도출과 설태, 설질, 및 혼합 영역을 구분하는 장치 및 방법
US9962124B2 (en) 2015-11-20 2018-05-08 The Regents Of The University Of Michigan Automated analysis of vasculature in coronary angiograms
US20170171623A1 (en) * 2015-12-09 2017-06-15 Rovi Guides, Inc. Methods and systems for customizing a media asset with user selections
US10582277B2 (en) 2017-03-27 2020-03-03 Snap Inc. Generating a stitched data stream
US10581782B2 (en) 2017-03-27 2020-03-03 Snap Inc. Generating a stitched data stream
CN109285161A (zh) * 2017-07-22 2019-01-29 周尧 一种单边中值分割算法
CN109285170A (zh) * 2017-07-22 2019-01-29 周尧 一种局部阈值分割方法
US10880496B1 (en) 2019-12-30 2020-12-29 Snap Inc. Including video feed in message thread
US11356392B2 (en) 2020-06-10 2022-06-07 Snap Inc. Messaging system including an external-resource dock and drawer
EP4191525A1 (en) * 2021-12-06 2023-06-07 Koninklijke Philips N.V. Systems and methods for analyzing blood vessel images

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050110791A1 (en) 2003-11-26 2005-05-26 Prabhu Krishnamoorthy Systems and methods for segmenting and displaying tubular vessels in volumetric imaging data
US20050187475A1 (en) 2003-12-25 2005-08-25 Kabushiki Kaisha Toshiba Ultrasound diagnosis apparatus
US20060251304A1 (en) * 2005-03-21 2006-11-09 Charles Florin System and method for kalman filtering in vascular segmentation
US20070263915A1 (en) 2006-01-10 2007-11-15 Adi Mashiach System and method for segmenting structures in a series of images
JP2009011828A (ja) * 2007-07-02 2009-01-22 General Electric Co <Ge> 血管系の中の障害を検出するための方法及びシステム

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE60139309D1 (de) 2000-03-30 2009-09-03 Wisconsin Alumni Res Found Magnetresonanzangiographie mit automatischer gefässsegmentierung
JP4319031B2 (ja) 2001-09-06 2009-08-26 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 対象のセグメンテーション方法及び装置
US7676257B2 (en) 2003-11-25 2010-03-09 General Electric Company Method and apparatus for segmenting structure in CT angiography
US20060020200A1 (en) * 2004-07-08 2006-01-26 Medow Joshua E Artifact-free CT angiogram
WO2006037217A1 (en) 2004-10-01 2006-04-13 Cedara Software Corp. Blood vessel structures segmentation system and method
US8280125B2 (en) 2007-02-02 2012-10-02 Siemens Aktiengesellschaft Method and system for segmentation of tubular structures using pearl strings
US9679389B2 (en) 2009-05-19 2017-06-13 Algotec Systems Ltd. Method and system for blood vessel segmentation and classification
KR101014563B1 (ko) 2009-08-07 2011-02-16 주식회사 메디슨 혈관 세그먼테이션을 수행하는 초음파 시스템 및 방법
JP5572440B2 (ja) * 2009-09-15 2014-08-13 富士フイルム株式会社 診断支援システム、診断支援プログラムおよび診断支援方法
US20110293150A1 (en) 2010-05-28 2011-12-01 General Electric Company Iterative vascular reconstruction by seed point segmentation
US8750615B2 (en) 2010-08-02 2014-06-10 Case Western Reserve University Segmentation and quantification for intravascular optical coherence tomography images
KR101144774B1 (ko) 2010-11-30 2012-05-17 재단법인 아산사회복지재단 혈관 직경 측정 방법
US10159454B2 (en) * 2011-09-09 2018-12-25 Siemens Healthcare Gmbh Contrast agent perfusion adaptive imaging system

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050110791A1 (en) 2003-11-26 2005-05-26 Prabhu Krishnamoorthy Systems and methods for segmenting and displaying tubular vessels in volumetric imaging data
US20050187475A1 (en) 2003-12-25 2005-08-25 Kabushiki Kaisha Toshiba Ultrasound diagnosis apparatus
US20060251304A1 (en) * 2005-03-21 2006-11-09 Charles Florin System and method for kalman filtering in vascular segmentation
US20070263915A1 (en) 2006-01-10 2007-11-15 Adi Mashiach System and method for segmenting structures in a series of images
JP2009011828A (ja) * 2007-07-02 2009-01-22 General Electric Co <Ge> 血管系の中の障害を検出するための方法及びシステム

Also Published As

Publication number Publication date
US20140029821A1 (en) 2014-01-30
EP2693401A1 (en) 2014-02-05
EP2693401B1 (en) 2019-01-09
KR20140017053A (ko) 2014-02-11
US9424637B2 (en) 2016-08-23

Similar Documents

Publication Publication Date Title
KR101731512B1 (ko) 복수의 문턱값들을 이용하는 혈관 세그먼테이션 방법과 그 방법을 이용한 장치
US20210153749A1 (en) Method and system for processing electronic images for boundary condition optimization
JP6871250B2 (ja) 医療撮像および医療撮像情報の効率的共有
KR102477057B1 (ko) 축소 차수 모델 및 기계 학습을 사용한 혈류 특성들의 추정을 위한 시스템 및 방법들
US9924869B2 (en) Method and apparatus for determining blood flow required, method and apparatus for producing blood flow image, and method and apparatus for processing myocardial perfusion image
US9629563B2 (en) Method and system for functional assessment of renal artery stenosis from medical images
Danilov et al. Methods of graph network reconstruction in personalized medicine
US10646127B2 (en) Blood flow analysis device, method, and program
US10803995B2 (en) Method and system for non-invasive functional assessment of coronary artery stenosis using flow computations in diseased and hypothetical normal anatomical models
EP3127026A1 (en) Systems and methods for determining blood flow characteristics using flow ratio
CN105184086A (zh) 用于冠状动脉中改进的血液动力学计算的方法及系统
CN112116615B (zh) 根据血管中心线获取血管轮廓线的方法和装置
JP2007525250A (ja) 組織血流の遅延−補償型算出方法
JP6561349B2 (ja) 血流シミュレーションのための血管形状構築装置、その方法及びコンピュータソフトウエアプログラム
WO2017147500A1 (en) Systems and methods for identifying and modeling unresolved vessels in image-based patient-specific hemodynamic models
CN105701791B (zh) 用于确定血管中斑块沉积的方法和设备
Volonghi et al. Automatic extraction of three‐dimensional thoracic aorta geometric model from phase contrast MRI for morphometric and hemodynamic characterization
KR101126224B1 (ko) 동적 ｍｒ 영상을 이용한 자동 전립선 분할 방법 및 시스템
Boegel et al. Patient-individualized boundary conditions for CFD simulations using time-resolved 3D angiography
US20170245820A1 (en) Evaluation apparatus, evaluation method, and evaluation program
KR20150061055A (ko) 관상동맥 cta 영상으로부터 관상동맥의 병변을 검출하는 방법 및 장치
KR101513232B1 (ko) 혈관의 유동 해석 방법
KR20200048746A (ko) 뇌혈관 비교 판독 영상 디스플레이 장치 및 방법
CN113907720B (zh) 测量血管功能学指标的方法、装置与处理器
KR101381525B1 (ko) 뇌 고랑의 구조적 특성을 반영한 뇌 고랑 깊이 측정 방법 및 시스템

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant