KR101793499B1 - Z-축 영상의 기하학적 정보를 이용한 대동맥 추출 방법 - Google Patents

Z-축 영상의 기하학적 정보를 이용한 대동맥 추출 방법 Download PDF

Info

Publication number
KR101793499B1
KR101793499B1 KR1020160088456A KR20160088456A KR101793499B1 KR 101793499 B1 KR101793499 B1 KR 101793499B1 KR 1020160088456 A KR1020160088456 A KR 1020160088456A KR 20160088456 A KR20160088456 A KR 20160088456A KR 101793499 B1 KR101793499 B1 KR 101793499B1
Authority
KR
South Korea
Prior art keywords
objects
aorta
axis
calculating
extracting
Prior art date
Application number
KR1020160088456A
Other languages
English (en)
Inventor
장혁재
한동진
홍윤미
전병환
장영걸
정성희
홍영택
하성민
김세근
Original Assignee
연세대학교 산학협력단
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 연세대학교 산학협력단 filed Critical 연세대학교 산학협력단
Priority to KR1020160088456A priority Critical patent/KR101793499B1/ko
Application granted granted Critical
Publication of KR101793499B1 publication Critical patent/KR101793499B1/ko

Links

Images

Classifications

    • 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
    • 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
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
    • 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
    • A61B6/5294—Devices using data or image processing specially adapted for radiation diagnosis involving using additional data, e.g. patient information, image labeling, acquisition parameters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/10—Geometric effects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
    • 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

Abstract

Z축 영상의 기하학적 정보를 이용한 대동맥 추출 방법이 개시된다. 본원 발명의 일 실시예에 따른 대동맥 추출 방법은, 심장의 3차원 영상으로부터 Z축 영상을 획득하는 단계; 상기 획득된 Z축 영상에 연결 요소 라벨링(CCL) 기법을 적용하여 군집화된 복수의 객체들을 추출하는 단계; 상기 추출된 복수의 객체들을 벡터로 표현하는 단계; 상기 벡터로 표현된 복수의 객체들 각각에 주성분분석(PCA) 기법을 적용하여 상기 객체들을 두 개의 축들 및 상기 두 개의 축들 각각이 갖는 크기로 표현하는 단계; 상기 복수의 객체들 중 임의의 두 개의 객체들 쌍 사이의 거리를 산출하는 단계; 상기 복수의 객체들 중 임의의 두 개의 객체들이 형성하는 각도를 산출하는 단계; 및 상기 객체들의 두 개의 축들이 갖는 크기, 상기 두 개의 객체들 쌍 사이의 거리 및 상기 두 개의 객체들이 형성하는 각도에 기초하여, 상행 대동맥 및 하행 대동맥을 추출하는 단계를 포함할 수 있다.

Description

Z-축 영상의 기하학적 정보를 이용한 대동맥 추출 방법{A METHOD FOR EXTRACTING AN AORTA USING A GEOMETRIC INFORMATION OF A Z-AXIAL IMAGE}
본원 발명은 대동맥 추출 방법에 관한 발명이다. 보다 구체적으로, 본원 발명은 심장의 3차원 영상으로부터 획득된 Z축 영상(즉, X-Y 평면 영상)의 기하학적 정보에 기초하여 대동맥의 위치를 효과적으로 추출하는 방법에 관한 발명이다.
일반적으로, 컴퓨터 단층 촬영(CT: Computed Tomography) 장치는 엑스선 발생 장치, 엑스선 검출기 및 DAS(data acquisition system)로 이루어진 데이터 수집 장치 및 영상 구성 장치를 포함한다.
이러한 컴퓨터 단층 촬영 장치는 엑스선 발생 장치를 이용해 소정 양의 엑스선이 인체를 투과하게 하고, 데이터 수집 장치를 이용해 인체에 투과된 엑스선의 량을 측정하여 디지털 영상 신호로 변환하며, 영상 구성 장치를 이용해 디지털 영상 신호를 재구성하여 인체 단층 영상 또는 3차원 인체 영상을 만들어 낸다. 상기 컴퓨터 단층 촬영 장치에 의해 생성된 3차원 인체 영상은, 예컨대 3차원 심장 영상은 심장 질환을 검출하는 데에 유용하게 사용될 수 있다.
심장 질환에 있어, 심혈관계 질환은 세계적으로 사망률이 높은 질병 중 하나이고, 심혈관계 질환을 진단함에 있어서 영상 기반의 관상동맥 추출은 필수적인 과정이다.
영상 기반의 관상동맥 추출을 위한 다양한 기법들이 보고되고 있는데, 대부분의 기법은 대동맥과 관상동맥의 소공(ostium)을 검출하여 이를 시작점으로 추출한다. 독립적인 기법들이 모여서 하나의 자동혈관추출기법을 완성하는데, 그 중 가장 선행되어야 하는 것이 대동맥의 지역화 기법이다.
대부분의 대동맥 추출 기법의 적용 시에 하나 또는 그 이상의 시작점들을 사용자가 수동으로 지정해주는 것이 필요한데, 최근에 제안된 대동맥 추출기법은 대동맥 시작점의 검출을 위해서 순환 허프 변환(CHT; Circular Hough Transform) 기법을 사용하고 있다.
하지만, 순환 허프 변환(CHT) 기법은 긍정 오류(false positive)가 잦은 문제점이 있고, 따라서 대동맥의 시작점 검출에 오류가 발생하게 되면 대동맥 자체의 검출이 불가능하게 되는 문제점이 있다.
따라서, 심장 영상으로부터 보다 정확하고 강건하며 신뢰적인 방식으로 대동맥을 추출할 수 있는 방법에 대한 요구가 증가하고 있는 상황이다.
대한민국특허출원공개번호 제10-2012-0120061호(발명의 명칭: 자기 공명 혈관 조영 이미지 생성 방법)
그러므로, 본원 발명은 이러한 종래의 문제점들을 해결하고자 안출된 것으로서, 본원 발명의 목적은 심장 조영 영상으로부터 대동맥을 추출함에 있어 보다 신뢰적이고 강건하며 그리고 안전한 방식으로 대동맥을 추출하는 방법을 제공하는 것을 목적으로 한다.
이러한 과제를 해결하기 위한 본원 발명의 일 실시예에 따른 Z축 영상의 기하학적 정보를 이용한 대동맥 추출 방법은, 심장의 3차원 영상으로부터 Z축 영상을 획득하는 단계; 상기 획득된 Z축 영상에 연결 요소 라벨링(CCL; connected component labeling) 기법을 적용하여 군집화된 복수의 객체들을 추출하는 단계; 상기 추출된 복수의 객체들을 벡터로 표현하는 단계; 상기 벡터로 표현된 복수의 객체들 각각에 주성분분석(PCA; principal component analysis) 기법을 적용하여 상기 객체들을 두 개의 축들 및 상기 두 개의 축들 각각이 갖는 크기로 표현하는 단계; 상기 복수의 객체들 중 임의의 두 개의 객체들 쌍 사이의 거리를 산출하는 단계; 상기 복수의 객체들 중 임의의 두 개의 객체들이 형성하는 각도를 산출하는 단계; 및 상기 객체들의 두 개의 축들이 갖는 크기, 상기 두 개의 객체들 쌍 사이의 거리 및 상기 두 개의 객체들이 형성하는 각도에 기초하여, 상행 대동맥 및 하행 대동맥을 추출하는 단계를 포함할 수 있다.
여기서, 상기 객체들의 두 개의 축들은 제1 축, 및 상기 제1 축에 수직한 제2 축을 포함하고, 상기 Z축 영상의 기하학적 정보를 이용한 대동맥 추출 방법은, 상기 제1 축의 거리와 상기 제2 축의 거리의 비가 미리결정된 비율 미만인 객체를 제거하는 단계를 더 포함할 수 있다.
또한, 상기 상행 대동맥 및 하행 대동맥을 추출하는 단계는, 상기 객체들의 두 개의 축들이 갖는 크기의 비와 1과의 차이를 산출하는 제1 산출 단계; 상기 임의의 두 개의 객체들 쌍 사이의 거리와 상행 대동맥 및 하행 대동맥 사이의 평균 거리와의 차이를 산출하는 제2 산출 단계; 및 상기 임의의 두 개의 객체들이 형성하는 각도와 상향 대동맥 및 하향 대동맥이 형성하는 평균 각도와의 차이를 산출하는 제3 산출 단계를 더 포함할 수 있다.
또한, 상기 제1 산출 단계에서 산출된 차이와, 상기 제2 산출 단계에서 산출된 차이와, 그리고 상기 제3 산출 단계에서 산출된 차이의 합이 최소가 되는 두 개의 객체들이 상기 상행 대동맥 및 상기 하행 대동맥으로서 추출될 수 있다.
또한, 상기 제1 산출 단계와, 상기 제2 산출 단계와, 그리고 상기 제3 산출 단계에서 산출된 차이의 합으로부터 상기 상행 대동맥 및 상기 하행 대동맥을 추출하는 것은 최대가능도방법(MLE; maximum likelihood estimation)을 적용하여 구현할 수 있다.
본원 발명의 일 실시예에 따른 대동맥 추출 방법에 따르면, 심장 조영 영상으로부터 대동맥을 추출함에 있어 보다 신뢰적이고 보다 안전한 방식으로 대동맥을 추출하는 것이 가능하다.
또한, 본원 발명의 일 실시예에 따른 대동맥 추출 방법에 따르면, 두 개의 대동맥(상행 대동맥 및 하행 대동맥)을 동시에 그리고 정확하게 추출하는 것이 가능하다.
또한, 본원 발명의 일 실시예에 따른 대동맥 추출 방법은 대동맥의 세 가지 기하학적 정보(원형 특징, 거리 특징, 및 각도 특징)를 이용하고, 따라서 상행 및 하행 대동맥의 검출 확률을 보다 향상시킬 수 있다.
도 1a는 심장 대동맥의 3차원 영상의 예시도이다.
도 1b는 도 1a에 도시된 심장 대동맥을 포함한 심장의 3차원 영상으로부터 획득된 Z축 영상의 예시도이다.
도 2는 본원 발명의 일 실시예에 따른 대동맥 추출 방법의 흐름도이다.
도 3은 본원 발명의 일 실시예에 따른 상행 대동맥 및 하행 대동맥 추출 단계(S280)의 세부 흐름도이다.
도 4는 본원 발명의 일 실시예에 따라 군집화가 구현된 객체들의 예시도이다.
도 5a는 본원 발명의 일 실시예에 따른 객체의 등방성을 설명하기 위한 개념도이다.
도 5b는 본원 발명의 일 실시예에 따른 상행 대동맥과 하행 대동맥의 거리와 각도를 설명하기 위한 예시도이다.
도 6a 및 도 6b는 본원 발명의 일 실시예에 따른 상행 대동맥과 하행 대동맥의 평균 거리 및 평균 각도를 설명하기 위한 예시도이다.
도 7은 본원 발명의 일 실시예에 따른 대동맥 추출 기법이 적용된 심장의 예시적인 3차원 이미지를 도시한다.
이하 본 발명의 바람직한 실시예들의 상세한 설명이 첨부된 도면들을 참조하여 설명될 것이다. 도면들 중 동일한 구성들은 가능한 한 어느 곳에서든지 동일한 부호들을 나타내고 있음을 유의하여야 한다. 이하의 설명에서 구체적인 특정 사항들이 나타나고 있는데, 이는 본 발명의 보다 전반적인 이해를 돕기 위해 제공된 것이다. 그리고 본 발명을 설명함에 있어, 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명은 생략한다.
본 명세서에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 본 발명이 속하는 기술 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 본 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 명세서에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 명세서의 전반에 걸친 내용을 토대로 정의되어야 한다.
본 명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
도 1a는 심장 대동맥(1)의 3차원 영상(3D image)을 예시적으로 도시하는 사시도이다. 심장 대동맥(1)은 심장의 좌심실에서 시작되는 동맥의 본 줄기로서, 일반적으로 혈관벽이 두툼하고 탄력이 강한 특징을 갖는다. 또한, 심장 대동맥(1)은 혈류의 진행 방향과 진로에 의해서, 상행 대동맥(10)과, 대동맥궁(30)과, 하행 대동맥(20)으로 분류될 수 있다.
또한, 심장 대동맥(1)은 상행 대동맥(10)으로부터 시작하여, 그 후 대동맥궁(30)을 거쳐 급격히 아래 방향으로 방향을 변경하여 하행 대동맥(20)에 이르게 된다. 일반적으로, 하행 대동맥(20)은 다시 흉강 내부에 위치하는 흉부 대동맥과, 횡경막을 관통한 후에 내려가는 복부 대동맥으로 분류될 수 있다.
또한, 관상 동맥(40, 50)은 심장의 근육(심근)에 혈류를 공급하는 동맥을 지칭하며, 심장 동맥이라고 불릴 수도 있다. 상기 관상 동맥(40, 50)은 우관상동맥(40, RCA) 및 좌관상동맥(50, LCA)으로 분류될 수 있고, 이러한 관상 동맥의 동맥 경화는 관상동맥질환이라고 불리며 협심증과 심근경색의 원인이 된다.
도 1a에 도시된 바와 같이, 심장 이미지는 3차원의 조영 이미지로서 구현될 수 있고, Z축을 따라 X-Y 평면 방향으로 상기 3차원 심장 조영 이미지를 자르게 되면 2차원(즉, 평면) 이미지가 형성된다. 이하에서, 이와 같이 3차원 심장 조영 이미지를 Z축을 따라 X-Y 평면 방향으로 잘라 획득한 2차원 이미지를 "Z축 영상(Z-axial image)"으로 지칭하기로 한다.
도 1b는 도 1a에 도시된 심장 대동맥을 포함한 심장의 3차원 조영 영상으로부터 획득된 Z축 영상의 예시도이다.
도시된 바와 같이, 본원 발명의 일 실시예에 따른 Z축 영상(예를 들어, CT 영상)에는 복수 개의 이미지들이 포함되는데, 이들 이미지들에서 상행 대동맥과 하행 대동맥을 찾아내는 것이 본원 발명의 과제에 해당한다.
도 2는 본원 발명의 일 실시예에 따라 Z-축 영상의 기하학적 정보를 이용한 대동맥 추출 방법의 흐름도이다.
보다 구체적으로, 본원 발명의 일 실시예에 따른 대동맥 추출 방법은, 심장의 3차원 영상으로부터 Z축 영상을 획득하는 단계(S210); 상기 획득된 Z축 영상에 연결 요소 라벨링(CCL; connected component labeling) 기법을 적용하여 군집화된 복수의 객체들을 추출하는 단계(S220); 상기 추출된 복수의 객체들을 벡터로 표현하는 단계(S230); 상기 벡터로 표현된 복수의 객체들 각각에 주성분분석(PCA; principal component analysis) 기법을 적용하여 상기 객체들을 두 개의 축들 및 상기 두 개의 축들 각각이 갖는 크기로 표현하는 단계(S240); 상기 복수의 객체들 중 임의의 두 개의 객체들 쌍 사이의 거리를 산출하는 단계(S260); 상기 복수의 객체들 중 임의의 두 개의 객체들이 형성하는 각도를 산출하는 단계(S270); 및 상기 객체들의 두 개의 축들이 갖는 크기, 상기 두 개의 객체들 쌍 사이의 거리 및 상기 두 개의 객체들이 형성하는 각도에 기초하여, 상행 대동맥 및 하행 대동맥을 추출하는 단계(S280)를 포함할 수 있다.
여기서, S240 단계에서 표현된 두 개의 축들, 즉 제1 축 및 제2 축의 거리의 비가 미리결정된 비율 미만인 객체를 제거하는 단계(S250)를 더 포함할 수 있다.
S210 단계는 심장의 3차원 영상으로부터 Z축 영상을 획득하는 단계에 해당한다. 예를 들어, 도 1a에 도시된 심장의 3차원 조영 영상으로부터 도 1b에 도시된 Z축 영상이 획득될 수 있다.
여기서, Z축 영상을 획득하기 위해 설정되는 z축의 좌표 값(즉, 높이 값)은 상행 대동맥 및 하행 대동맥이 최적으로 검출될 수 있도록 실험 등에 의해 미리결정될 수 있으며, 예컨대 z축 좌표는 'z=308'일 수 있다. 하지만, 이러한 z축 좌표는 예시적인 것에 불과하며, z축의 관심 영역(ROI; region of interest)은 다양한 애플리케이션들에 따라 변화할 수 있음은 명백할 것이다.
S220 단계는 S210 단계에서 획득된 Z축 영상으로부터 복수의 객체들을 추출하는 단계에 해당한다. 특히, S220 단계는 S210 단계에서 획득된 Z축 영상에 연결 요소 라벨링(CCL; connected component labeling) 기법을 적용하여 군집화된 복수의 객체들을 추출하는 단계에 해당한다.
상기 CCL 기법은 이미지 내에 연결되어 있는 적어도 하나의 객체를 판별하기 위한 기법으로서, 크게 재귀 알고리즘과 반복 알고리즘 두 가지 알고리즘에 의해 구현된다. CCL 기법에 의해서 Z축 영상으로부터 조영 강도에 근사하는 요소들이 획득될 수 있는데, 도 4에 CCL 기법이 적용되어 복수의 객체(object)들이 라벨링된 상태를 도시한다.
예를 들어, Z축 영상에 CCL 기법을 적용함으로써 이미지 내에 서로 연결되어 있는 8개의 객체들이 판별될 수 있고, 각 요소의 콘트라스트 값의 범위에 따라 8개의 상이한 객체들이 군집화되어 상이한 컬러들로서 표현될 수 있다. 이와 같이 군집화된 복수의 객체들 중에서 상행 대동맥과 하행 대동맥을 추출하게 되는데, 그에 대한 상세한 과정들은 이하에서 기술하기로 한다.
S230 단계는 S220 단계에서 추출된 복수의 객체들을 각각 벡터로 표현하는 단계에 해당한다. 여기서, 각 객체들 내의 요소들은 2차원 점구름(2D point cloud) 형태로 표현될 수 있다. 또한, 아래 수식 (1) 및 (2)로 표시되는 바와 같이, 벡터 객체들의 집합 C는 Ci(여기서, i는 자연수)의 집합으로서 표현될 수 있으며, 여기서 각각의 Ci는 2차원 벡터들의 집합이 된다.
Figure 112016067688017-pat00001
- 수식 (1)
Figure 112016067688017-pat00002
- 수식 (2)
S240 단계는 S230 단계에서 2차원 벡터로 표현된 객체들을, 두 개의 축들 및 두 개의 축들 각각이 갖는 크기로 표현하는 단계에 해당한다. 특히, S240 단계는 주성분분석(PCA; principal component analysis) 기법을 적용하는 것을 특징으로 한다.
상기 주성분분석(PCA)은 여러 변수들의 변량을 '주성분(principal component)'이라고 지칭되는 서로 상관성이 높은 여러 변수들의 선형 조합으로 분석하여, 새로운 변수들로 요약 및 축소하는 기법을 의미한다. 본원 발명의 일 실시예에 따르면, S230 단계에서 2차원 벡터로 표현된 객체들 각각에 주성분분석(PCA) 기법을 적용함으로써 상기 객체들 각각을 두 개의 축들 및 그 두 개의 축들 각각이 갖는 크기로 표현할 수 있다.
본원 발명의 도 5a는 상기 PCA 기법이 적용된 객체(Ci)를 예시적으로 도시한다. 도시된 바와 같이, 주성분분석(PCA) 기법을 통해, 각 객체(Ci)는 두 개의 축들(λ1 및 λ2)과 상기 두 개의 축들의 크기(λ1,ci 및 λ2,ci)로 표현될 수 있다. 여기서, 각 객체(Ci)의 방향성을 나타내는 두 개의 축들(λ1 및 λ2)은 서로 수직일 수 있다.
참고로, 심장 내의 상행 대동맥(10) 및 하행 대동맥(20)은 일반적으로 원의 형태를 갖는다. 따라서, 이상적인 원형 객체를 가정할 경우, 두 개의 축들(λ1 및 λ2)이 각각 갖는 크기(λ1,ci 및 λ2,ci)는 동일하다, 즉 이상적인 원형 객체의 경우, λ2,ci/λ1,ci는 1의 값을 갖는다.
하지만, 실제의 Z축 영상 내의 객체들, 특히 상행 대동맥 및 하행 대동맥은 여러 다양한 요인들로 인해 완전히 이상적인 원으로서 표현되지 않을 수 있고, 따라서 이상적인 원에 거의 근접한 타원의 형태를 가질 수도 있다. 그러므로, λ2,ci/λ1,ci의 값이 1이거나 또는 1에 근접할 경우 그 객체(Ci)는 원형일 확률이 높고, 이는 해당 객체(Ci)가 상행 대동맥 또는 하행 대동맥일 확률이 높다는 것을 의미한다.
이러한 특징을 이용한 이하의 수식 (3)은 두 개의 객체가 동시에 원에 가장 가까운 것을 선택하도록 하는 수식에 해당한다.
Figure 112016067688017-pat00003
... 수식 (3)
여기서, λ1,ci는 객체 Ci의 λ1축의 길이를 나타내고, λ2,ci는 객체 Ci의 λ2축의 길이를 나타내고, λ1,cj는 객체 Cj의 λ1축의 길이를 나타내고, 그리고 λ2,cj는 객체 Cj의 λ2축의 길이를 나타낸다. 객체들 Ci 및 Cj가 이상적인 원의 경우, 함수 f의 값은 0이다. 다시 말하면, 두 객체(Ci, Cj)에 대한 f 함수 값이 0에 가까울수록 두 객체(Ci, Cj)가 원형일 확률이 높다는 것을 의미한다.
여기서, S240 단계에서 2차원 벡터로 표현된 객체들 각각에 주성분분석(PCA) 기법을 적용하여 객체들을 두 개의 축들 및 두 개의 축들 각각이 갖는 크기로 표현함에 있어, 두 개의 축들, 예컨대 제1 축 및 제2 축의 거리의 비가 미리결정된 비율 미만인 객체를 제거하는 단계(S250)를 더 포함할 수 있다.
예를 들어, 특정 객체(예컨대, Cx)에 주성분분석(PCA) 기법을 적용하여 객체(Cx)를 두 개의 축들(λ1 및 λ2) 및 두 개의 축들이 갖는 거리(λ1,cx 및 λ2,cx)로 표현하였는데, 두 개의 축들이 갖는 거리의 비(λ1,cx/λ2,cx)가 미리결정된 비율(예컨대, 0.5) 미만인 경우, 이 객체(Cx)를 제거할 수 있다.
다시 말하면, 특정 객체(Cx)의 두 개의 축들이 갖는 거리의 비가 원의 형태를 갖지 않는 것으로 추정될 만큼 작은 경우에는, 이러한 객체(Cx)에 대해서는 후술할 객체들(Ci, Cj)의 거리 산출 단계(S260) 및 각도 산출 단계(S270)를 수행할 필요 없이 상행 및 하행 대동맥 후보군에서 제외하는 것이다.
이와 같이, 원형 형태를 비이상적으로 벗어나는 것으로 판단되는 객체에 대해 거리 산출 단계(S260)와 각도 산출 단계(S270)를 수행함이 없이 미리 제거함으로써, 대동맥 추출 방법을 보다 간소화하고 신속하게 구현할 수 있게 된다.
S260 단계는 복수의 객체들 중 임의의 두 개의 객체들 쌍 사이의 거리를 산출하는 단계에 해당한다. 그리고, S270 단계는 복수의 객체들 중 임의의 두 객체들이 형성하는 각도를 산출하는 단계에 해당한다.
이러한 본원 발명의 일 실시예에 따른 상행 대동맥과 하행 대동맥의 거리와 각도를 설명하기 위한 예시도가 도 5b에 도시된다. 도시된 바와 같이, 상행 대동맥(10)과 하행 대동맥(20)은 소정의 거리(d)를 갖고, 이 두 대동맥(10, 20)을 잇는 선분은 소정의 각(θ)을 갖는다.
실험적으로, 상행 대동맥(10)과 하행 대동맥(20) 사이의 거리(
Figure 112016067688017-pat00004
)와, 그 각도(θ)는 소정의 평균 값을 갖는데, 도 6a 및 도 6b는 본원 발명의 일 실시예에 따른 상행 대동맥과 하행 대동맥의 평균 거리 및 평균 각도를 설명하기 위한 예시도이다.
도 6a에 도시된 바와 같이, 상행 대동맥(10)과 하행 대동맥(20) 사이의 거리는 평균 81.6mm의 값을 갖는다. 또한, 도 6b에 도시된 바와 같이, 상행 대동맥(10)과 하행 대동맥(20)을 잇는 선분은 평균 64.8°(0.36π rad)의 각도를 갖는다.
여기서, 평균 거리 81.6mm와 평균 각도 64.8°는 50개의 샘플데이터에서 수동으로 정확하게 측정한 값으로부터 획득한 통계 수치에 해당한다.
S260 단계에서는 복수의 객체들 중 임의의 두 객체들 쌍 사이의 거리를 산출하는데, 이 산출된 거리가 81.6mm에 근접할수록 두 개의 객체들이 상행 및 하행 대동맥(10, 20)일 확률이 높다는 것을 의미한다.
예컨대, 이와 같은 두 객체들 쌍 사이의 거리에 대한 오차 수식은 아래의 g 함수로서 표현될 수 있다.
Figure 112016067688017-pat00005
... 수식 (4)
여기서,
Figure 112016067688017-pat00006
는 평균 거리(예컨대, 81.6mm)이고, 따라서 g 함수의 값이 작을수록(즉, 0에 가까울수록), 두 객체들(Ci, Cj)이 상행 대동맥(10) 및 하행 대동맥(20)에 해당할 확률이 높다는 것을 의미한다.
마찬가지로, S270 단계에서 복수의 객체들 중 임의의 두 객체들이 형성하는 각도를 산출하는데, 이 산출된 각도가 64.8°에 근접할수록 두 개의 객체들이 상행 및 하행 대동맥(10, 20)일 확률이 높다는 것을 의미한다.
예컨대, 두 개의 객체들이 형성하는 각도에 대한 오차 수식은 아래의 h 함수로서 표현될 수 있다.
Figure 112016067688017-pat00007
... 수식 (5)
여기서,
Figure 112016067688017-pat00008
는 평균 각도(예컨대, 64.8°)이고,
Figure 112016067688017-pat00009
는 x축에서의 두 객체들(Ci, Cj)의 거리이며, 따라서 h 함수의 값이 작을수록(즉, 0에 가까울수록), 두 객체들(Ci, Cj)이 상행 대동맥(10) 및 하행 대동맥(20)에 해당할 확률이 높다는 것을 의미한다.
S280 단계는, S240 단계에서 산출된 객체들 각각의 두 개의 축들이 갖는 크기와, S260 단계에서 산출된 두 개의 객체들 쌍 사이의 거리와, 그리고 S270 단계에서 산출된 두 개의 객체들이 형성하는 각도에 기초하여, 상행 대동맥(10) 및 하행 대동맥(20)을 추출하는 단계에 해당한다.
예를 들어, 상기한 f 함수(두 객체들의 등방성에 관한 오차 함수), g 함수(두 객체들의 거리에 관한 오차 함수), 및 h 함수(두 객체들의 각도에 관한 오차 함수)를 선형적으로 결합하여 아래와 같이 e함수를 생성하고, 이를 최대가능도방법(MLE; maximum likelihood estimation)에 적용한다.
Figure 112016067688017-pat00010
... 수식 (6)
여기서, α=0.3, β=0.8, γ=1.0로 설정될 수 있으나, 이는 예시적인 값에 불과할 뿐 다른 값들이 사용될 수 있음은 명백할 것이다.
즉, 위 수식 (6)에서 e함수를 최소화하는 두 개의 객체들 Ci 및 Cj가 상행 대동맥(10)과 하행 대동맥(20)에 해당하게 된다.
상술한 상행 대동맥(10) 및 하행 대동맥(20)을 추출하는 세부 단계가 도 3에 도시된다. 보다 구체적으로, 본원 발명의 일 실시예에 따른 상행 대동맥 및 하행 대동맥을 추출하는 단계(S280)는, 객체들의 두 개의 축들이 갖는 크기의 비와 1과의 차이를 산출하는 제1 산출 단계(S281); 임의의 두 개의 객체들 쌍 사이의 거리와 상행 대동맥 및 하행 대동맥 사이의 평균 거리와의 차이를 산출하는 제2 산출 단계(S282); 임의의 두 개의 객체들이 형성하는 각도와 상향 대동맥 및 하향 대동맥이 형성하는 평균 각도와의 차이를 산출하는 제3 산출 단계(S283); 및 S281 단계, S282 단계 및 S283 단계에서의 합이 최소가 되는 두 개의 객체를 상행 대동맥 및 하행 대동맥으로 추출하는 단계(S284)를 포함할 수 있다.
여기서, S281 단계, S282 단계 및 S283 단계에서의 합이 최소가 되는 두 개의 객체를 상행 대동맥 및 하행 대동맥으로 추출하는데, 해부학적으로 신체 앞쪽 부위의 대동맥이 상행 대동맥(10)에 해당하고, 신체 뒤쪽 부위의 대동맥이 하행 대동맥(20)에 해당한다.
도 7은 본원 발명의 일 실시예에 따른 대동맥 추출 기법을 적용하여 도시된 심장의 3차원 이미지의 예시도이다.
도시된 바와 같이, 본원 발명의 일 실시예에 따른 대동맥 추출 방법을 적용함으로써 대동맥의 위치를 정확하게 파악할 수 있고, 실제 실험 예에서도 50개의 샘플들에 대해서 50개 모두 대동맥 지역화에 성공하였다.
또한, 기존에는 원의 형태에만 의존하여 대동맥을 찾도록 기법들이 구현되었는데, 본원 발명에 따르면 원의 형태뿐만 아니라 두 대동맥 사이의 거리가 소정의 평균 거리를 갖는다는 특징과 그리고 두 대동맥 사이를 잇는 선분이 소정의 평균 각도를 갖는다는 특징을 추가적으로 고려하여 이를 적용함으로써, 보다 강건한 대동맥 추출 기법이 가능하게 된다.
상술한 본 발명의 일 실시 예들은 컴퓨터에서 실행될 수 있는 프로그램으로 작성가능하고, 컴퓨터로 판독 가능한 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 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 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 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 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.
1: 심장 대동맥 10: 상행 대동맥
20: 하행 대동맥 30: 대동맥궁
40: 우관상동맥 50: 좌관상동맥

Claims (6)

  1. Z축 영상의 기하학적 정보를 이용한 대동맥 추출 방법으로서,
    심장의 3차원 영상으로부터 Z축 영상을 획득하는 단계;
    상기 획득된 Z축 영상에 연결 요소 라벨링(CCL; connected component labeling) 기법을 적용하여 군집화된 복수의 객체들을 추출하는 단계;
    상기 추출된 복수의 객체들을 벡터로 표현하는 단계;
    상기 벡터로 표현된 복수의 객체들 각각에 주성분분석(PCA; principal component analysis) 기법을 적용하여 상기 객체들을 두 개의 축들 및 상기 두 개의 축들 각각이 갖는 크기로 표현하는 단계;
    상기 복수의 객체들 중 임의의 두 개의 객체들이 형성하는 각도를 산출하되, 상기 양 객체를 잇는 선분과 상기 객체 중 상부 객체의 수평선이 이루는 각을 산출하는 단계; 및
    상기 복수의 객체들 중 임의의 두 개의 객체들이 형성하는 각도를 산출하는 단계; 및
    상기 객체들의 두 개의 축들이 갖는 크기, 상기 두 개의 객체들 쌍 사이의 거리 및 상기 두 개의 객체들이 형성하는 각도에 기초하여, 상행 대동맥 및 하행 대동맥을 추출하는 단계
    를 포함하는,
    Z축 영상의 기하학적 정보를 이용한 대동맥 추출 방법.
  2. 제 1 항에 있어서,
    상기 객체들의 두 개의 축들은 제1 축, 및 상기 제1 축에 수직한 제2 축을 포함하고,
    상기 Z축 영상의 기하학적 정보를 이용한 대동맥 추출 방법은,
    상기 제1 축의 거리와 상기 제2 축의 거리의 비가 미리결정된 비율 미만인 객체를 제거하는 단계를 더 포함하는,
    Z축 영상의 기하학적 정보를 이용한 대동맥 추출 방법.
  3. 제 1 항에 있어서,
    상기 상행 대동맥 및 하행 대동맥을 추출하는 단계는,
    상기 객체들의 두 개의 축들이 갖는 크기의 비와 1과의 차이를 산출하는 제1 산출 단계;
    상기 임의의 두 개의 객체들 쌍 사이의 거리와 상행 대동맥 및 하행 대동맥 사이의 평균 거리와의 차이를 산출하는 제2 산출 단계; 및
    상기 임의의 두 개의 객체들이 형성하는 각도와 상향 대동맥 및 하향 대동맥이 형성하는 평균 각도와의 차이를 산출하는 제3 산출 단계
    를 더 포함하는,
    Z축 영상의 기하학적 정보를 이용한 대동맥 추출 방법.
  4. 제 3 항에 있어서,
    상기 제1 산출 단계에서 산출된 차이와, 상기 제2 산출 단계에서 산출된 차이와, 그리고 상기 제3 산출 단계에서 산출된 차이의 합이 최소가 되는 두 개의 객체들을 상기 상행 대동맥 및 상기 하행 대동맥으로서 추출하는,
    Z축 영상의 기하학적 정보를 이용한 대동맥 추출 방법.
  5. 제 4 항에 있어서,
    상기 제1 산출 단계와, 상기 제2 산출 단계와, 그리고 상기 제3 산출 단계에서 산출된 차이의 합으로부터 상기 상행 대동맥 및 상기 하행 대동맥을 추출하는 것은 최대가능도방법(MLE; maximum likelihood estimation)을 적용하여 구현되는,
    Z축 영상의 기하학적 정보를 이용한 대동맥 추출 방법.
  6. 제 1 항 내지 제 5 항 중 어느 한 항에 따른 방법을 실행하도록 구성되는 프로그램을 저장하는,
    컴퓨터 판독가능 저장 매체.
KR1020160088456A 2016-07-13 2016-07-13 Z-축 영상의 기하학적 정보를 이용한 대동맥 추출 방법 KR101793499B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160088456A KR101793499B1 (ko) 2016-07-13 2016-07-13 Z-축 영상의 기하학적 정보를 이용한 대동맥 추출 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160088456A KR101793499B1 (ko) 2016-07-13 2016-07-13 Z-축 영상의 기하학적 정보를 이용한 대동맥 추출 방법

Publications (1)

Publication Number Publication Date
KR101793499B1 true KR101793499B1 (ko) 2017-11-06

Family

ID=60384179

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160088456A KR101793499B1 (ko) 2016-07-13 2016-07-13 Z-축 영상의 기하학적 정보를 이용한 대동맥 추출 방법

Country Status (1)

Country Link
KR (1) KR101793499B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230131310A (ko) 2022-03-03 2023-09-13 연세대학교 산학협력단 하이브리드 방식을 통한 관상동맥 ct 이미지에서의 관상동맥 및 상행 대동맥 자동 추출 시스템 및 그 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008073332A (ja) 2006-09-22 2008-04-03 Gifu Univ 医用画像処理装置、画像処理方法及びプログラム
JP5459886B2 (ja) 2013-01-25 2014-04-02 株式会社東芝 画像表示装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008073332A (ja) 2006-09-22 2008-04-03 Gifu Univ 医用画像処理装置、画像処理方法及びプログラム
JP5459886B2 (ja) 2013-01-25 2014-04-02 株式会社東芝 画像表示装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230131310A (ko) 2022-03-03 2023-09-13 연세대학교 산학협력단 하이브리드 방식을 통한 관상동맥 ct 이미지에서의 관상동맥 및 상행 대동맥 자동 추출 시스템 및 그 방법

Similar Documents

Publication Publication Date Title
US8218849B2 (en) Method and system for automatic landmark detection using discriminative joint context
US9275266B2 (en) Apparatus and method for tracking contour of moving object, and apparatus and method for analyzing myocardial motion
US10542955B2 (en) Method and apparatus for medical image registration
JP5584006B2 (ja) 投影画像生成装置、投影画像生成プログラムおよび投影画像生成方法
US8693753B2 (en) Medical image processing device, method and program
JP4717935B2 (ja) 画像処理装置および方法並びにプログラム
Išgum et al. Detection of coronary calcifications from computed tomography scans for automated risk assessment of coronary artery disease
US11013495B2 (en) Method and apparatus for registering medical images
WO2010100858A1 (ja) 画像処理装置および方法並びにプログラム
US20070165917A1 (en) Fully automatic vessel tree segmentation
JP2013022463A (ja) 運動対象輪郭抽出装置、左心室画像分離装置、運動対象輪郭抽出方法及び左心室画像分離方法
US9659390B2 (en) Tomosynthesis reconstruction with rib suppression
JP2006055631A (ja) 分割結果の３次元位置情報を用いた生物学的構造を視覚化するための方法と装置
WO2007047059A2 (en) Image processing method for boundary extraction between at least two tissues, the boundary being found as the cost minimum path connecting a start point and an end point using the fast marching algorithm with the cost function decreases the more likely a pixel is not on the boudary
JP2014135990A (ja) 医用画像処理装置および方法並びにプログラム
WO2015139937A1 (en) Image processing apparatus and method for segmenting a region of interest
JP5364009B2 (ja) 画像生成装置、画像生成方法、及びそのプログラム
KR101793499B1 (ko) Z-축 영상의 기하학적 정보를 이용한 대동맥 추출 방법
Cui et al. Coronary artery segmentation via hessian filter and curve-skeleton extraction
EP3628230A1 (en) X-ray imaging system with foreign object reduction
KR102000615B1 (ko) 관상동맥의 시작점을 자동으로 추출하기 위한 방법 및 그 장치
Jirapatnakul et al. Semi-automated measurement of pulmonary nodule growth without explicit segmentation
KR20190139579A (ko) 컴퓨터 단층 촬영 영상에서 관상동맥을 검출하는 방법 및 장치
Xu et al. Accurate and efficient separation of left and right lungs from 3D CT scans: a generic hysteresis approach
CN117095137B (zh) 基于双路图像采集的医疗图像的三维成像方法及系统

Legal Events

Date Code Title Description
GRNT Written decision to grant