KR101802035B1 - 단층 촬영 재구성 영상의 잡음 특성을 고려한 영상 잡음 감소 기법 - Google Patents

단층 촬영 재구성 영상의 잡음 특성을 고려한 영상 잡음 감소 기법 Download PDF

Info

Publication number
KR101802035B1
KR101802035B1 KR1020150153821A KR20150153821A KR101802035B1 KR 101802035 B1 KR101802035 B1 KR 101802035B1 KR 1020150153821 A KR1020150153821 A KR 1020150153821A KR 20150153821 A KR20150153821 A KR 20150153821A KR 101802035 B1 KR101802035 B1 KR 101802035B1
Authority
KR
South Korea
Prior art keywords
image
reconstructed image
reconstructed
gaussian distribution
vst
Prior art date
Application number
KR1020150153821A
Other languages
English (en)
Other versions
KR20170051989A (ko
Inventor
나종범
김지혜
장용진
Original Assignee
한국과학기술원
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 한국과학기술원 filed Critical 한국과학기술원
Priority to KR1020150153821A priority Critical patent/KR101802035B1/ko
Publication of KR20170051989A publication Critical patent/KR20170051989A/ko
Application granted granted Critical
Publication of KR101802035B1 publication Critical patent/KR101802035B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis 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
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • G06T5/002—
    • 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

Landscapes

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

Abstract

일 실시예에 따른 CT 영상을 제공하는 방법은, CT 이미지 데이터를 획득하여 재구성하는 단계; 상기 재구성된 이미지를 변환 인자를 기반으로 변환하는 단계; 상기 변환된 이미지에 VST(Variance Stabilizing Transform)를 적용하는 단계; 상기 VST가 적용된 이미지를 가우시안 분포로 변환하고, 상기 가우시안 분포로 변환된 이미지에 필터링을 수행하는 단계; 및 상기 필터링을 수행함으로써 생성된 가우시안 디노이징(Denoising) 데이터에 대하여 역변환을 통하여 잡음이 감소된 CT 이미지를 획득하는 단계를 포함할 수 있다.

Description

단층 촬영 재구성 영상의 잡음 특성을 고려한 영상 잡음 감소 기법{CT IMAGE DENOISING FRAMEWORK CONSIDERING THE NOISE CHARACTERISTICS}
아래의 설명은 영상의 잡음을 제거하는 기술에 관한 것으로, CT 영상에서 잡음을 감소시키기 위한 방법 및 시스템에 관한 것이다.
컴퓨터 단층촬영(CT)은 빠른 데이터 획득 시간, 고해상도 및 높은 진단 능력 때문에 그 사용이 빈번하다. 그러나, CT 촬영은 방사선 피폭 문제를 동반하기 때문에, 최근 Low-Dose CT 분야가 큰 주목을 받고 있다. Low-Dose CT 영상의 경우 환자에게 노출되는 방사선 양은 줄어들지만, CT 영상 재구성 시, 많은 아티팩트와 잡음이 문제가 되고 있다. 이러한 문제는 영상의 질을 저하시키고, 잠재적으로 진단의 정확성을 떨어뜨리게 된다. 이에 따라 Low-Dose CT 데이터의 경우, 소프트웨어적으로 영상의 질을 개선시키는 일이 중요하게 된다.
CT 영상을 재구성하는 방법은 크게 두 가지로 나뉜다. 첫째는 Filtered Back-Projection(FBP)와 같은 Analytical 재구성 방법이다. 이는 빠른 Processing Time으로 현재까지 상용 CT 시스템에서 많이 쓰이고 있다. 그러나, CT 영상을 재구성할 때, 획득된 CT raw 데이터의 잡음 특성을 고려하지 않기 때문에, 데이터의 잡음에 크게 민감하다. 둘째는 iterative reconstruction(IR) 방법이다. IR 방법의 예로는 ML-TR 방법과 IMPACT 방법이 있다. IR 방법은 재구성 시, 획득된 CT raw 데이터의 잡음 특성을 고려하기 때문에, 결과영상은 획득된 데이터의 잡음에 덜 민감하다. IR 방법은 FBP보다 잡음이 적은 영상을 얻을 수 있다는 장점이 있다. 특히, IR 방법은 잡음의 특성 외에도, 물리적인 요소의 반영도 가능하다. 예를 들어, 현재 X-ray CT는 X-ray tube를 사용하기 때문에 Continuous한 에너지 스펙트럼을 갖는다. 이때, CT 데이터는 획득되는 에너지에 의존하여 감쇄 정도가 결정되므로, 이러한 다중-에너지 특성을 고려하지 않게 되면, 부정확한 CT영상을 얻게 된다. 이에 따라 IR 과정 중에 이러한 특성을 적용할 수 있게 한 것이 IMPACT 알고리즘이다.
CT의 잡음 문제는 크게 두 가지 접근을 통해 해결할 수 있다. 먼저, Projection Space에서 잡음을 줄인 후, 그 결과를 영상 재구성에 이용하는 경우이다. 이는 잘 알려진 Projection Data의 잡음 특성을 이용한다. 그러나 Projection Space에서는 영상의 Edge 정보가 부족하기 때문에 영상의 세밀한 구조 성분이 사라질 우려가 있다. 또 다른 방법은 영상 Space에서 잡음을 감소시키는 방법이다. 그러나 이 방법은 앞선 방법에 비해, 영상의 잡음 특성이 정확하게 규정시키기 어렵다는 단점이 있다. 최근 시도된 방법은 영상 재구성 방법 중, Filtered Back-Projection(FBP) 방법을 통해 영상을 재구성하고, 재구성된 영상의 잡음 분포를 수식적으로 계산하였다. 이를 이용해 영상 잡음 특성을 잡음 감소에 이용하였다. 그럼에도 불구하고, 현재까지 IR을 통해 얻은 영상에 영상 잡음 특성을 고려한 예는 없었다. IR 영상에 잡음 감소 알고리즘을 시도한 경우는, 영상의 잡음을 가우시안으로 가정하였다.
CT 영상은 공간적으로 다른 양의 잡음을 갖는다. 예를 들어, 감쇄가 더 많이 일어나는 지점일수록 획득되는 데이터가 적기 때문에 많은 잡음을 가진다. 이에 따라 이러한 특성 고려 없이, 모든 영역에 잡음 감소의 정도를 같게 한다면, 잡음이 상대적으로 작은 영역에서는 Over-Smoothing되어 세밀한 구조 성분이 사라지거나, 또는 잡음이 상대적으로 큰 영역에서는 감소되지 않고, 남아 있는 부분이 생긴다.
참고자료: [비특허문헌 1] J. Nuyts, B. De Man, P. Dupont, M. Defrise, P. Suetens, and L. Mortelmans, "Iterative reconstruction for helical CT: A simulation study," Phys. Med. Biol., vol. 43, pp. 729-737, 1998.
[비특허문헌 2] B. D. Man, J. Nuyts, P. Dupont, G. Marchal, and P. Suetens, "An iterative maximum-likelihood polychromatic algorithm for CT," IEEE Trans. Med. Imag., vol. 20, no. 10, pp. 999-1008, 2001.
[비특허문헌 3] T. Li, X. Li, J. Wang, J. Wen, H. Lu, J. Hsieh, and Z. Liang, "Nonlinear sinogram smoothing for low-dose X-ray CT," IEEE Trans. Nucl. Sci., vol. 51, no. 5, pp. 2505-2513, 2004.
[비특허문헌 4] A. Manduca, L. Yu, J. D. Trzasko, N. Khaylova, J. M. Kofler, C. M. McCollugh, and J. G. Fletcher, "Projection space denoising with bilateral filtering and CT noise modeling for dose reduction in CT," Med. Phys., vol. 36, no. 11, pp. 4911-4919, 2009.
[비특허문헌 5] Z. Li, L. Yu, J. D. Trzasko, D. S. Lake, D. J. Blezek, J. G. Fletcher, C. H. McCollough, and A. Manduca, "Adaptive nonlocal means filtering based on local noise level for CT denoising," Med. Phys., vol. 41, no. 1, 2014.
본 발명의 해결하고자 하는 과제는 영상에 대한 재구성 방법에 관계 없이 해당 영상의 잡음 특성(variance)을 구한 후, 이를 영상 잡음 감소에 활용하는 것이 목적이다.
일 실시예에 따르면, CT 영상을 제공하는 방법은, CT 이미지 데이터를 획득하여 재구성하는 단계; 상기 재구성된 이미지를 변환 인자를 기반으로 변환하는 단계; 상기 변환된 이미지에 VST(Variance Stabilizing Transform)를 적용하는 단계; 상기 VST가 적용된 이미지를 가우시안 분포로 변환하고, 상기 가우시안 분포로 변환된 이미지에 필터링을 수행하는 단계; 및 상기 필터링을 수행함으로써 생성된 가우시안 디노이징(Denoising) 데이터에 대하여 역변환을 통하여 잡음이 감소된 CT 이미지를 획득하는 단계를 포함할 수 있다.
일측에 따르면, 상기 재구성된 이미지에 변환 인자를 기반으로 변환하는 단계는, 상기 재구성된 이미지에 상기 변환 인자를 곱함으로써 상기 재구성된 이미지의 평균과 상기 재구성된 이미지의 분산에 대하여 1:1 관계로 구축하는 단계를 포함할 수 있다.
또 다른 일측에 따르면, 상기 변환 인자는, 상기 재구성된 이미지의 평균을 상기 재구성된 이미지의 분산으로 나눈 값일 수 있다.
또 다른 일측에 따르면, 상기 변환 인자에서 사용되는 상기 재구성된 이미지의 평균은, 상기 재구성된 이미지에 smoothing를 수행함으로써 획득할 수 있다.
또 다른 일측에 따르면, 상기 변환 인자에서 사용되는 상기 재구성된 이미지의 분산은, 상기 재구성된 이미지에 수식계산 또는 상기 재구성된 이미지에 local patch에 기반의 방법 중 어느 하나의 방법을 수행함으로써 획득할 수 있다.
또 다른 일측에 따르면, 상기 재구성된 이미지를 변환 인자를 기반으로 변환하는 단계는, 변환된 이미지의 평균과 분산이 선형 관계가 될 수 있다.
또 다른 일측에 따르면, 상기 변환된 이미지에 VST(Variance Stabilizing Transform)를 적용하는 단계는, 상기 VST를 적용함에 따라 상기 변환된 이미지 내에서 공간적으로 잡음의 정도가 일정해지는 단계를 포함할 수 있다.
또 다른 일측에 따르면, 상기 VST가 적용된 이미지를 가우시안 분포로 변환하고, 상기 가우시안 분포로 변환된 이미지에 필터링을 수행하는 단계는, 상기 가우시안 분포로 변환된 이미지에 대하여 가우시안 분포 기반의 필터링을 수행하는 단계를 포함할 수 있다.
또 다른 일측에 따르면, 상기 VST가 적용된 이미지를 가우시안 분포로 변환하고, 상기 가우시안 분포로 변환된 이미지에 필터링을 수행하는 단계는, 상기 가우시안 분포로 변환된 이미지에 가우시안 디노이징(Gaussian Denoising)을 적용하는 단계를 포함할 수 있다.
일 실시예에 따르면, CT 영상을 제공하는 시스템은, CT 이미지 데이터를 획득하여 재구성하는 재구성부; 상기 재구성된 이미지를 변환 인자를 기반으로 변환하고, 상기 변환된 이미지에 VST(Variance Stabilizing Transform)를 적용하는 적용부; 상기 VST가 적용된 이미지를 가우시안 분포로 변환하고, 상기 가우시안 분포로 변환된 이미지에 필터링을 수행하는 수행부; 및 상기 필터링을 수행함으로써 생성된 가우시안 디노이징(Denoising) 데이터에 대하여 역변환을 통하여 잡음이 감소된 CT 이미지를 획득하는 획득부를 포함할 수 있다.
일측에 따르면, 상기 적용부는, 상기 재구성된 이미지에 상기 변환 인자를 곱함으로써 상기 재구성된 이미지의 평균과 상기 재구성된 이미지의 분산에 대하여 1:1 관계로 구축할 수 있다.
또 다른 일측에 따르면, 상기 변환 인자는, 상기 재구성된 이미지의 평균을 상기 재구성된 이미지의 분산으로 나눈 값일 수 있다.
또 다른 일측에 따르면, 상기 변환 인자에서 사용되는 상기 재구성된 이미지의 평균은, 상기 재구성된 이미지에 smoothing를 수행함으로써 획득할 수 있다.
또 다른 일측에 따르면, 상기 변환 인자에서 사용되는 상기 재구성된 이미지의 분산은, 상기 재구성된 이미지에 수식계산 또는 상기 재구성된 이미지에 local patch에 기반의 방법 중 어느 하나의 방법을 수행함으로써 획득할 수 있다.
또 다른 일측에 따르면, 상기 적용부는, 상기 재구성된 이미지의 평균과 상기 재구성된 이미지의 분산이 선형 관계가 될 수 있다.
또 다른 일측에 따르면, 상기 적용부는, 상기 VST를 적용함에 따라 상기 변환된 이미지 내에서 공간적으로 잡음의 정도가 일정해질 수 있다.
또 다른 일측에 따르면, 상기 수행부는, 상기 가우시안 분포로 변환된 이미지에 대하여 가우시안 분포 기반의 필터링을 수행할 수 있다.
또 다른 일측에 따르면, 상기 수행부는, 상기 가우시안 분포로 변환된 이미지에 가우시안 디노이징(Gaussian Denoising)을 적용할 수 있다.
본 발명의 실시예들에 따르면, 공간적으로 영상 잡음의 양이 같은 가우시안 기반의 알고리즘을 공간적으로 영상 잡음의 양이 다른 CT 영상에 적용함에 있어서, 기존 알고리즘에 어떠한 변형 없이 적용할 수 있다.
본 발명의 실시예들에 따르면, 본 발명의 기법을 활용하여 재구성된 이미지의 잡음을 감소시킬 경우, 3D 영상 내에서 공간적으로 고르게 잡음을 감소시킬 수 있다.
도 1은 일 실시예에 따른 CT 영상 제공 시스템의 구성을 설명하기 위한 블록도이다.
도 2는 일 실시예에 따른 CT 영상 제공 시스템의 전체적인 동작을 설명하기 위한 도면이다.
도 3은 일 실시예에 따른 CT 영상 제공 시스템에서 선형 관계를 도출한 예를 설명하기 위한 도면이다.
도 4는 일 실시예에 따른 CT 영상 제공 시스템의 CT 영상 제공 방법을 설명하기 위한 흐름도이다.
이하, 실시예를 첨부한 도면을 참조하여 상세히 설명한다.
도 1은 일 실시예에 따른 CT 영상 제공 시스템의 구성을 설명하기 위한 블록도이다.
CT 영상 제공 시스템(100)은 잡음이 감소된 CT 영상을 제공하기 위한 시스템으로서, 재구성부(110), 적용부(120), 수행부(130) 및 획득부(140)를 포함할 수 있다.
재구성부(110)는 CT 이미지 데이터를 획득하여 재구성할 수 있다.
적용부(120)는 재구성된 이미지를 변환 인자를 기반으로 변환하고, 변환된 이미지에 VST(Variance Stabilizing Transform)를 적용할 수 있다. 적용부(120)는 재구성된 이미지에 변환 인자를 곱함으로써 재구성된 이미지의 평균과 재구성된 이미지의 분산에 대하여 1:1 관계로 구축할 수 있다. 적용부(120)는 재구성된 이미지의 평균과 재구성된 이미지의 분산이 선형 관계가 될 수 있다. 적용부(120)는 VST를 적용함에 따라 변환된 이미지 내에서 공간적으로 잡음의 정도가 일정해질 수 있다.
수행부(130)는 VST가 적용된 이미지를 가우시안 분포로 변환하고, 가우시안 분포로 변환된 이미지에 필터링을 수행할 수 있다. 수행부(130)는 가우시안 분포로 변환된 이미지에 대하여 가우시안 분포 기반의 필터링을 수행할 수 있다.
획득부(140)는 필터링을 수행함으로써 생성된 가우시안 디노이징(Denoising) 데이터에 대하여 역변환을 통하여 잡음이 감소된 CT 이미지를 획득할 수 있다.
도 2는 일 실시예에 따른 CT 영상 제공 시스템의 전체적인 동작을 설명하기 위한 도면이다.
CT 영상 제공 시스템은 CT 데이터를 획득하여 재구성할 수 있다. 이때, CT 영상 제공 시스템은 측정 데이터, CT scanner geometry 및 X-ray energy spectrum에 기초하여 CT 데이터를 재구성할 수 있다(210).
CT 영상 제공 시스템은 재구성된 이미지의 평균과 재구성된 이미지의 분산을 예측하여 변환 인자를 생성할 수 있다(220). 도 3을 참고하면, 변환 인자는 재구성된 이미지의 평균을 재구성된 이미지의 분산으로 나눈값을 의미할 수 있다.
이때, 변환 인자에서 사용되는 재구성된 이미지의 평균은 재구성된 이미지에 smoothing를 수행함으로써 획득할 수 있다. 변환 인자에서 사용되는 재구성된 이미지의 분산은 재구성된 이미지에 수식계산 또는 재구성된 이미지에 local patch에 기반의 방법 중 어느 하나의 방법을 수행함으로써 획득할 수 있다. 이때, 변환 인자에서 사용되는 재구성된 이지미의 분산은 수식계산 또는 재구성된 이미지에 local patch에 기반한 방법 이외에도 다양한 방법에 의하여 획득될 수 있다.
CT 영상 제공 시스템은 재구성된 이미지를 변환 인자를 기반으로 변환하고, 변환된 이미지에 VST를 적용할 수 있다(230). CT 영상 제공 시스템은 재구성된 이미지의 평균과 분산을 이용하여 변환 인자를 만든 후, 재구성된 이미지에 변환 인자를 곱할 수 있다. 그 결과, 변환된 이미지의 평균과 변환된 이미지의 분산은 선형 관계가 된다. CT 영상 제공 시스템은 VST를 적용함에 따라 재구성된 이미지 내에서 공간적으로 잡음의 정도가 일정해지도록 제공할 수 있다.
CT 영상 제공 시스템은 VST 적용을 위해서 선형 관계 외에도 y=x^3 y=2*x^5, ... 등등의 1:1 관계가 성립하면 된다. 이때, 변환 요소는 매우 다양해질 수 있으며, 도 3은 선형 관계를 생성한 예이다.
CT 영상 제공 시스템은 VST 가 적용된 이미지를 가우시안 분포로 변환하고, 가우시안 분포로 변환된 이미지에 필터링을 수행할 수 있다(240). 이때, CT 영상 제공 시스템은 가우시안 분포로 변환된 이미지에 대하여 가우시안 분포 기반의 필터링을 수행할 수 있다. CT 영상 제공 시스템은 가우시안 분포로 변환된 이미지에 가우시안 디노이징을 적용할 수 있다. 예를 들면, CT 영상 제공 시스템은 가우시안 분포로 변환된 이미지에 예를 들면, BM3D(4D)를 적용함으로써 가우시안 디노이징을 적용할 수 있다.
CT 영상 제공 시스템은 필터링을 수행함으로써 생성된 가우시안 디노이징 데이터에 대하여 역변환을 통하여 잡음이 감소된 CT 이미지를 획득할 수 있다(250). CT 영상 제공 시스템은 Inverse VST와 변환 인자 곱의 역변환을 적용할 수 있다.
일 실시예에 따르면, CT 영상 제공 시스템은 기존의 성능이 우수한 가우시안 기반의 잡음 감소 알고리즘을 비가우시안 CT 영상에 효과적으로 적용할 수 있다. 이때, VST를 적용함으로써 가능해진다.
일 실시예에 따르면, CT 영상 제공 시스템은 VST를 적용함으로써 재구성 이미지 내에서 공간적으로 잡음의 정도가 일정해지고, 기존의 CT 재구성 이미지를 어떠한 변환없이 가우시안 잡음 감소 알고리즘을 적용할 시에 발생할 수 있는 일정 부분의 이미지 해상도 저하 또는 잡음 감소 정도 저하 등의 문제를 방지할 수 있다.
도 4는 일 실시예에 따른 CT 영상 제공 시스템의 CT 영상 제공 방법을 설명하기 위한 흐름도이다.
CT 영상 제공 방법은 CT 영상 시스템에 의하여 수행될 수 있으며, CT 영상 시스템에 대한 설명은 도 1 내지 도 3에서 설명한 바, 앞의 내용을 참고하기로 한다.
단계(410)에서 CT 영상 제공 시스템은 CT 이미지 데이터를 획득하여 재구성할 수 있다.
단계(420)에서 CT 영상 제공 시스템은 재구성된 이미지를 변환 인자를 기반으로 변환하고, 변환된 이미지에 VST를 적용할 수 있다. 도 3을 참고하면, CT 영상 제공 시스템은 재구성된 이미지에 변환 인자를 곱함으로써 재구성된 이미지의 평균과 재구성된 이미지의 분산에 대하여 1:1 관계로 구축할 수 있다. CT 영상 제공 시스템에서 변환 인자는 매우 다양할 수 있다.
변환 인자는 재구성된 이미지의 평균을 재구성된 이미지의 분산으로 나눈값일 수 있다. 이때, 변환 인자에서 사용되는 재구성된 이미지의 평균은 재구성된 이미지에 smoothing를 수행함으로써 획득할 수 있다. 변환 인자에서 사용되는 재구성된 이미지의 분산은 재구성된 이미지에 수식계산 또는 재구성된 이미지에 local patch 기반의 방법 등 다양한 방법을 수행함으로써 획득할 수 있다. 이를 통하여 CT 영상 제공 시스템은 재구성된 이미지의 평균과 재구성된 이미지의 분산이 선형 관계가 될 수 있다. CT 영상 제공 시스템은 CT 이미지의 평균 및 CT 이미지의 분산 사이의 관계를 인위적으로 만든 후, VST를 적용할 수 잇다.
CT 영상 제공 시스템은 VST를 적용함에 따라 변환된 이미지 내에서 공간적으로 잡음의 정도가 일정해질 수 있다.
단계(430)에서 CT 영상 제공 시스템은 VST가 적용된 이미지를 가우시안 분포로 변환하고, 가우시안 분포로 변환된 이미지에 필터링을 수행할 수 있다. CT 영상 제공 시스템은 가우시안 분포로 변환된 이미지에 대하여 가우시안 분포 기반의 필터링을 수행할 수 있다. CT 영상 제공 시스템은 가우시안 분포로 변환된 이미지에 가우시안 디노이징을 적용할 수 있다.
단계(440)에서 CT 영상 제공 시스템은 필터링을 수행함으로써 생성된 가우시안 디노이징 데이터에 대하여 역변환을 통하여 잡음이 감소된 CT 이미지를 획득할 수 있다. CT 영상 제공 시스템은 Inverse VST와 변환 인자 곱의 역변환을 적용할 수 있다.
일 실시예에 따르면, CT 영상 제공 시스템은 CT 이미지가 아닌 다양한 영상에서도 적용함으로써 잡음을 감소시킬 수 있다.
일 실시예에 따르면, CT 영상 제공 시스템은 재구성 이미지의 잡음을 감소시킴에 따라 3D 영상 내에서 공간적으로 고르게 잡음을 감소시킬 수 있다.
일 실시예에 따르면, CT 영상 제공 시스템은 CT 이미지에 대한 재구성 방법이 무엇인지에 관계 없이, CT 이미지의 잡음을 감소시킬 수 있다.
일 실시예에 따르면, CT 영상 제공 시스템은 영상 잡음 감소를 위하여 가우시안 기반의 잡음 감소 알고리즘에 기초하여 공간적으로 영상 잡음의 양이 다른 CT 이미지에 적용하기 위하여 기존의 가우시안 denoising알고리즘에 어떠한 변형없이 적용할 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 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 (18)

  1. CT 영상을 제공하는 시스템에 의하여, CT 영상을 제공하는 방법에 있어서,
    상기 CT 영상을 제공하는 시스템은 재구성부, 적용부, 수행부 및 획득부를 포함하고,
    상기 재구성부가 CT 이미지 데이터를 획득하여 재구성하는 단계;
    상기 적용부가 상기 재구성된 이미지를 변환 인자를 기반으로 변환하는 단계;
    상기 적용부가 상기 변환된 이미지에 VST(Variance Stabilizing Transform)를 적용하는 단계;
    상기 수행부가 상기 VST가 적용된 이미지를 가우시안 분포로 변환하고, 상기 가우시안 분포로 변환된 이미지에 필터링을 수행하는 단계;
    상기 획득부가 상기 필터링을 수행함으로써 생성된 가우시안 디노이징(Denoising) 데이터에 대하여 역변환을 통하여 잡음이 감소된 CT 이미지를 획득하는 단계
    를 포함하고,
    상기 재구성된 이미지에 변환 인자를 기반으로 변환하는 단계는,
    상기 적용부가 상기 재구성된 이미지에 상기 변환 인자를 곱함으로써 상기 재구성된 이미지의 평균과 상기 재구성된 이미지의 분산에 대하여 1:1 관계로 구축하는 단계
    를 포함하며,
    상기 변환 인자는,
    상기 재구성된 이미지의 평균을 상기 재구성된 이미지의 분산으로 나눈 값인 CT 영상 제공 방법.
  2. 삭제
  3. 삭제
  4. 제1항에 있어서,
    상기 변환 인자에서 사용되는 상기 재구성된 이미지의 평균은,
    상기 재구성된 이미지에 smoothing를 수행함으로써 획득하는
    것을 특징으로 하는 CT 영상 제공 방법.
  5. 제1항에 있어서,
    상기 변환 인자에서 사용되는 상기 재구성된 이미지의 분산은,
    상기 재구성된 이미지에 수식계산 또는 상기 재구성된 이미지에 local patch에 기반의 방법 중 어느 하나의 방법을 수행함으로써 획득하는
    것을 특징으로 하는 CT 영상 제공 방법.
  6. 제1항에 있어서,
    상기 재구성된 이미지를 변환 인자를 기반으로 변환하는 단계는,
    상기 재구성된 이미지의 평균과 상기 재구성된 이미지의 분산이 선형 관계가 되는
    것을 특징으로 하는 CT 영상 제공 방법.
  7. 제1항에 있어서,
    상기 변환된 이미지에 VST(Variance Stabilizing Transform)를 적용하는 단계는,
    상기 적용부가 상기 VST를 적용함에 따라 상기 변환된 이미지 내에서 공간적으로 잡음의 정도가 일정해지는 단계
    를 포함하는 CT 영상 제공 방법.
  8. 제1항에 있어서,
    상기 VST가 적용된 이미지를 가우시안 분포로 변환하고, 상기 가우시안 분포로 변환된 이미지에 필터링을 수행하는 단계는,
    상기 수행부가 상기 가우시안 분포로 변환된 이미지에 대하여 가우시안 분포 기반의 필터링을 수행하는 단계
    를 포함하는 CT 영상 제공 방법.
  9. 제8항에 있어서,
    상기 VST가 적용된 이미지를 가우시안 분포로 변환하고, 상기 가우시안 분포로 변환된 이미지에 필터링을 수행하는 단계는,
    상기 수행부가 상기 가우시안 분포로 변환된 이미지에 가우시안 디노이징(Gaussian Denoising)을 적용하는 단계
    를 포함하는 CT 영상 제공 방법.
  10. 적어도 하나의 프로세서 및 메모리를 포함하는 CT 영상을 제공하는 시스템에 있어서,
    상기 적어도 하나의 프로세서에 의하여 CT 이미지 데이터를 획득하여 재구성하는 재구성부;
    상기 적어도 하나의 프로세서에 의하여 상기 재구성된 이미지를 변환 인자를 기반으로 변환하고, 상기 변환된 이미지에 VST(Variance Stabilizing Transform)를 적용하는 적용부;
    상기 적어도 하나의 프로세서에 의하여 상기 VST가 적용된 이미지를 가우시안 분포로 변환하고, 상기 가우시안 분포로 변환된 이미지에 필터링을 수행하는 수행부; 및
    상기 적어도 하나의 프로세서에 의하여 상기 필터링을 수행함으로써 생성된 가우시안 디노이징(Denoising) 데이터에 대하여 역변환을 통하여 잡음이 감소된 CT 이미지를 획득하는 획득부
    를 포함하고,
    상기 적용부는,
    상기 재구성된 이미지에 상기 변환 인자를 곱함으로써 상기 재구성된 이미지의 평균과 상기 재구성된 이미지의 분산에 대하여 1:1 관계로 구축하며,
    상기 변환 인자는,
    상기 재구성된 이미지의 평균을 상기 재구성된 이미지의 분산으로 나눈 값인 CT 영상 제공 시스템.
  11. 삭제
  12. 삭제
  13. 제10항에 있어서,
    상기 변환 인자에서 사용되는 상기 재구성된 이미지의 평균은,
    상기 재구성된 이미지에 smoothing를 수행함으로써 획득하는
    것을 특징으로 하는 CT 영상 제공 시스템.
  14. 제10항에 있어서,
    상기 변환 인자에서 사용되는 상기 재구성된 이미지의 분산은,
    상기 재구성된 이미지에 수식계산 또는 상기 재구성된 이미지에 local patch에 기반의 방법 중 어느 하나의 방법을 수행함으로써 획득하는
    것을 특징으로 하는 CT 영상 제공 시스템.
  15. 제10항에 있어서,
    상기 적용부는,
    상기 재구성된 이미지의 평균과 상기 재구성된 이미지의 분산이 선형 관계가 되는
    것을 특징으로 하는 CT 영상 제공 시스템.
  16. 제10항에 있어서,
    상기 적용부는,
    상기 VST를 적용함에 따라 상기 변환된 이미지 내에서 공간적으로 잡음의 정도가 일정해지는
    것을 특징으로 하는 CT 영상 제공 시스템.
  17. 제10항에 있어서,
    상기 수행부는,
    상기 가우시안 분포로 변환된 이미지에 대하여 가우시안 분포 기반의 필터링을 수행하는
    것을 특징으로 하는 CT 영상 제공 시스템.
  18. 제17항에 있어서,
    상기 수행부는,
    상기 가우시안 분포로 변환된 이미지에 가우시안 디노이징(Gaussian Denoising)을 적용하는
    것을 특징으로 하는 CT 영상 제공 시스템.
KR1020150153821A 2015-11-03 2015-11-03 단층 촬영 재구성 영상의 잡음 특성을 고려한 영상 잡음 감소 기법 KR101802035B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150153821A KR101802035B1 (ko) 2015-11-03 2015-11-03 단층 촬영 재구성 영상의 잡음 특성을 고려한 영상 잡음 감소 기법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150153821A KR101802035B1 (ko) 2015-11-03 2015-11-03 단층 촬영 재구성 영상의 잡음 특성을 고려한 영상 잡음 감소 기법

Publications (2)

Publication Number Publication Date
KR20170051989A KR20170051989A (ko) 2017-05-12
KR101802035B1 true KR101802035B1 (ko) 2017-12-20

Family

ID=58740423

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150153821A KR101802035B1 (ko) 2015-11-03 2015-11-03 단층 촬영 재구성 영상의 잡음 특성을 고려한 영상 잡음 감소 기법

Country Status (1)

Country Link
KR (1) KR101802035B1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100810310B1 (ko) 2003-08-29 2008-03-07 삼성전자주식회사 조도차가 다른 영상의 재구성 장치 및 방법
US20120019512A1 (en) 2010-07-22 2012-01-26 Dong Yang Noise suppression for cone-beam image reconstruction
KR101473893B1 (ko) * 2013-05-02 2014-12-19 한국과학기술원 재구성 영상의 잡음 제거 장치 및 그 방법
KR101537295B1 (ko) 2010-11-19 2015-07-16 아날로그 디바이시스, 인코포레이티드 저조도 잡음 감소를 위한 성분 필터링

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100810310B1 (ko) 2003-08-29 2008-03-07 삼성전자주식회사 조도차가 다른 영상의 재구성 장치 및 방법
US20120019512A1 (en) 2010-07-22 2012-01-26 Dong Yang Noise suppression for cone-beam image reconstruction
KR101537295B1 (ko) 2010-11-19 2015-07-16 아날로그 디바이시스, 인코포레이티드 저조도 잡음 감소를 위한 성분 필터링
KR101473893B1 (ko) * 2013-05-02 2014-12-19 한국과학기술원 재구성 영상의 잡음 제거 장치 및 그 방법

Also Published As

Publication number Publication date
KR20170051989A (ko) 2017-05-12

Similar Documents

Publication Publication Date Title
US7831097B2 (en) System and method for image reconstruction
EP2824638B1 (en) Image processing apparatus and image processing method
JP6312401B2 (ja) 画像処理装置、画像処理方法、及びプログラム
US7929746B2 (en) System and method for processing imaging data
US10204425B2 (en) Fast iterative reconstruction with one backprojection and no forward projection
JP6275826B2 (ja) ノイズ除去再構成画像データエッジ改善
KR102061967B1 (ko) 뉴럴 네트워크를 이용한 엑스선 전산단층 촬영 영상 처리 방법 및 그 장치
KR101727836B1 (ko) 영상 복원 장치 및 방법 및 장치
WO2014172421A1 (en) Iterative reconstruction for x-ray computed tomography using prior-image induced nonlocal regularization
KR101636207B1 (ko) 저 선량 엑스선 전산단층 촬영의 해석적 원리를 이용한 반복 복원 기법 개발
KR102094599B1 (ko) 뉴럴 네트워크를 이용한 내부 전산단층 촬영 영상 처리 방법 및 그 장치
Sun et al. Image reconstruction from few views by ℓ0-norm optimization
Hashemi et al. Adaptively tuned iterative low dose CT image denoising
Ertas et al. An iterative tomosynthesis reconstruction using total variation combined with non-local means filtering
CN105723416B (zh) 图像降噪方法
Maier et al. GPU denoising for computed tomography
Lee et al. A metal artifact reduction method using a fully convolutional network in the sinogram and image domains for dental computed tomography
JP6379114B2 (ja) Ｘ線ｃｔ装置、および、ｘ線ｃｔ装置用画像演算装置
Liu et al. A modified convex variational model for multiplicative noise removal
Mehranian et al. Sparsity constrained sinogram inpainting for metal artifact reduction in x-ray computed tomography
Hao et al. A wavelet transform-based photon starvation artifacts suppression algorithm in CT imaging
CN111080740B (zh) 一种图像校正方法、装置、设备及介质
KR101802035B1 (ko) 단층 촬영 재구성 영상의 잡음 특성을 고려한 영상 잡음 감소 기법
JP2018503436A (ja) 反相関ノイズフィルタ
KR101685830B1 (ko) 낮은 행렬계수를 이용한 내부 단층 촬영 영상 복원 장치 및 그 제어 방법

Legal Events

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