KR101827827B1 - Oct영상 후처리 방법 - Google Patents
Oct영상 후처리 방법 Download PDFInfo
- Publication number
- KR101827827B1 KR101827827B1 KR1020160166706A KR20160166706A KR101827827B1 KR 101827827 B1 KR101827827 B1 KR 101827827B1 KR 1020160166706 A KR1020160166706 A KR 1020160166706A KR 20160166706 A KR20160166706 A KR 20160166706A KR 101827827 B1 KR101827827 B1 KR 101827827B1
- Authority
- KR
- South Korea
- Prior art keywords
- data
- noise data
- image
- noise
- oct image
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012805 post-processing Methods 0.000 title claims abstract description 33
- 238000004088 simulation Methods 0.000 claims abstract description 27
- 238000012014 optical coherence tomography Methods 0.000 claims abstract description 19
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims description 3
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 claims 2
- 230000000694 effects Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
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
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0062—Arrangements for scanning
- A61B5/0066—Optical coherence imaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/003—Navigation within 3D models or images
-
- G06T5/002—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T2207/10101—Optical tomography; Optical coherence tomography [OCT]
-
- 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
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Radiology & Medical Imaging (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
본 발명은 OCT영상 후처리 방법에 관한 것으로, 보다 상세하게는 OCT영상 촬영시 발생한 스펙클을 제거하기 위한 OCT영상 후처리 방법에 관한 것이다. 본 발명은 a) 스펙클 데이터가 포함된 OCT(Optical Coherence Tomography)영상을 입력받는 단계; b) 상기 OCT영상에 대응되는 가상이미지를 준비하는 단계; c) 상기 가상이미지에 대한 하나 이상의 노이즈 데이터를 생성하는 단계; d) 상기 생성된 노이즈 데이터와 상기 가상이미지를 합성하여 시뮬레이션 데이터를 생성하는 단계; e) 상기 합성된 시뮬레이션 데이터로부터 상기 하나 이상의 노이즈 데이터를 선택적으로 제거하는 단계; f) 상기 하나 이상의 노이즈 데이터를 선택적으로 제거하는 단계를 반복 수행함으로써, 상기 하나 이상의 노이즈 데이터를 제거하는 과정을 학습하고, 학습된 정보를 저장하는 단계; 및 g) 상기 학습된 정보에 따라 상기 OCT영상에 존재하는 상기 스펙클 데이터를 제거하는 단계를 포함하는 OCT영상 후처리 방법을 제공한다.
Description
본 발명은 OCT영상 후처리 방법에 관한 것으로, 보다 상세하게는 OCT영상 촬영시 발생한 스펙클을 제거하기 위한 OCT영상 후처리 방법에 관한 것이다.
OCT(Optical Coherence Tomograph)장치는 생체 표면으로부터 소정의 깊이의 3차원 단면을 분석하기 위한 장치이다. 일반적으로, OCT 장치는 840nm 중심파장을 갖는 레이저에서 조사된 빔이 빔 스플리터(beam-spliter)에서 분리되고, 분리된 빔이 거리를 알고 있는 반사경(reference mirror)과, 검사하는 물체의 내부에서 각각 반사되어 나오는 파장이 검출기에서 감지될 수 있도록 마련된다. 그리고, 검출기에서 감지된 두 파장은 각각의 거리의 차에 따라 위상차가 발생하게 되고, 그 위상차를 측정함으로써 횡단면의 영상을 얻을 수 있다.
그러나, 복원된 OCT영상에서는 검출대상 물체의 산란 특징으로 인해 다수의 스펙클이 발생하게 된다. 따라서, 최근에는 복원된 OCT영상에서 다수의 스펙클을 제거하기 위한 연구가 이루어지고 있으며, 특히, 다층 퍼셉트론 기법(MLP) 기반의 연구가 진행 중에 있다.
그러나, 아직 다층퍼셉트론 기법을 이용하여 구체적으로 OCT영상에 발생한 스펙클을 효과적으로 제거하기 위한 구체적인 알고리즘의 개발이 이루어지지 않고 있다.
상기와 같은 문제를 해결하기 위한 본 발명의 목적은 OCT영상 후처리 방법에 관한 것으로, 보다 상세하게는 OCT영상 촬영시 발생한 스펙클을 제거하기 위한 OCT영상 후처리 방법을 제공하는 것이다.
본 발명이 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
상기와 같은 목적을 달성하기 위한 본 발명의 구성은 a) 스펙클 데이터가 포함된 OCT(Optical Coherence Tomography)영상을 입력받는 단계; b) 상기 OCT영상에 대응되는 가상이미지를 준비하는 단계; c) 상기 가상이미지에 대한 하나 이상의 노이즈 데이터를 생성하는 단계; d) 상기 생성된 노이즈 데이터와 상기 가상이미지를 합성하여 시뮬레이션 데이터를 생성하는 단계; e) 상기 합성된 시뮬레이션 데이터로부터 상기 하나 이상의 노이즈 데이터를 선택적으로 제거하는 단계; f) 상기 하나 이상의 노이즈 데이터를 선택적으로 제거하는 단계를 반복 수행함으로써, 상기 하나 이상의 노이즈 데이터를 제거하는 과정을 학습하고, 학습된 정보를 저장하는 단계; 및 g) 상기 학습된 정보에 따라 상기 OCT영상에 존재하는 상기 스펙클 데이터를 제거하는 단계를 포함하는 OCT영상 후처리 방법을 제공한다.
본 발명의 실시예에 있어서, 상기 b) 단계에서, 상기 가상이미지는 신호 데이터만으로 이루어진 것을 특징으로 할 수 있다.
본 발명의 실시예에 있어서, 상기 c) 단계는, c1) 노이즈 생성부가 레이저의 파장변수 및 강도변수를 조절하는 단계; 및 c2) 상기 노이즈 생성부에 의해 조절된 상기 레이저의 파장변수 및 강도변수에 따른 노이즈 데이터를 생성하는 단계를 포함하며, 상기 레이저의 파장변수 및 강도변수를 조절하는 단계 및 상기 레이저의 파장변수 및 강도변수에 따른 노이즈 데이터를 생성하는 단계는 기설정된 횟수만큼 순차적으로 반복 수행되는 것을 특징으로 할 수 있다.
본 발명의 실시예에 있어서, 상기 c) 단계 이후에, 상기 하나 이상의 노이즈 데이터 각각에 가중치를 부여하는 단계를 더 포함하는 것을 특징으로 할 수 있다.
본 발명의 실시예에 있어서, 상기 가중치는, 상기 노이즈 데이터의 주파수와 상기 가상이미지의 신호 데이터의 주파수 유사도를 비교하여 선택적으로 부여되는 것을 특징으로 할 수 있다.
본 발명의 실시예에 있어서, 상기 e) 단계는, 상기 합성된 시뮬레이션 데이터로부터 상기 하나 이상의 노이즈 데이터를 상기 가중치가 높은 순서대로 순차적으로 제거하는 것을 특징으로 할 수 있다.
본 발명의 실시예에 있어서, 상기 f) 단계에서, 상기 학습된 정보는 상기 노이즈 데이터의 제거 순서를 포함하는 것을 특징으로 할 수 있다.
본 발명의 실시예에 있어서, 상기 f) 단계에서, 상기 학습된 정보는, 상기 노이즈 데이터의 가중치를 포함하는 것을 특징으로 할 수 있다.
상기와 같은 목적을 달성하기 위한 본 발명의 구성은 OCT영상 후처리 방법이 적용된 OCT영상 처리 장치를 제공한다.
상기와 같은 목적을 달성하기 위한 본 발명의 구성은 OCT영상 후처리 방법을 이용한 생체 이미지 분석 방법을 제공한다.
상기와 같은 구성에 따르는 본 발명의 효과는, OCT영상에 발생한 스펙클을 효율적으로 제거할 수 있다.
또한, 노이즈를 가중치에 따라 미리 학습하고, 학습된 정보를 토대로, OCT영상에 발생한 스펙클을 제거함으로써, 신호 데이터가 노이즈 데이터와 함께 제거되는 문제를 방지할 수 있다. 즉, 본 발명에 따르면, OCT영상의 스펙클을 한번에 제거하지 않고, 단계적으로 필요한 횟수만큼 제거하기 때문에 중요한 신호 데이터가 노이즈 데이터와 함께 제거되는 문제를 방지할 수 있다.
본 발명의 효과는 상기한 효과로 한정되는 것은 아니며, 본 발명의 상세한 설명 또는 특허청구범위에 기재된 발명의 구성으로부터 추론 가능한 모든 효과를 포함하는 것으로 이해되어야 한다.
도 1은 본 발명의 일실시예에 따른 OCT영상 후처리 방법의 순서도이다.
도 2는 본 발명의 일실시예에 따른 OCT영상 후처리 방법을 구현하기 위한 OCT영상 후처리 장치의 구성예시도이다.
도 3은 본 발명의 일실시예에 따른 OCT영상 후처리 방법의 노이즈 데이터를 생성하는 단계의 순서도이다.
도 4는 본 발명의 일실시예에 따른 OCT영상 후처리 방법의 OCT영상에 존재하는 스펙클 데이터를 제거하는 단계의 결과를 순차적으로 나타낸 사진이다.
도 2는 본 발명의 일실시예에 따른 OCT영상 후처리 방법을 구현하기 위한 OCT영상 후처리 장치의 구성예시도이다.
도 3은 본 발명의 일실시예에 따른 OCT영상 후처리 방법의 노이즈 데이터를 생성하는 단계의 순서도이다.
도 4는 본 발명의 일실시예에 따른 OCT영상 후처리 방법의 OCT영상에 존재하는 스펙클 데이터를 제거하는 단계의 결과를 순차적으로 나타낸 사진이다.
이하에서는 첨부한 도면을 참조하여 본 발명을 설명하기로 한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 따라서 여기에서 설명하는 실시예로 한정되는 것은 아니다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결(접속, 접촉, 결합)"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 부재를 사이에 두고 "간접적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 구비할 수 있다는 것을 의미한다.
본 명세서에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
이하 첨부된 도면을 참고하여 본 발명의 실시예를 상세히 설명하기로 한다.
도 1은 본 발명의 일실시예에 따른 OCT영상 후처리 방법의 순서도이고, 도 2는 본 발명의 일실시예에 따른 OCT영상 후처리 방법을 구현하기 위한 OCT영상 후처리 장치의 구성예시도이다.
도 1에 도시된 OCT영상 후처리 방법을 도 2에 도시된 OCT영상 후처리 장치(10)와 함께 설명하도록 한다.
상기 OCT영상 후처리 방법은 먼저, 스펙클 데이터가 포함된 OCT(Optical Coherence Tomography)영상을 입력받는 단계(S110)가 수행될 수 있다. 그리고 이 단계는, 상기 OCT영상 후처리 장치(10)에 마련된 레이저부(10)의 파장변수 및 강도 변수에 따라 상기 레이저부(10)와 연결된 영상입력부(12)에 생성 및 입력될 수 있다.
상기 스펙클 데이터가 포함된 OCT영상을 입력받는 단계(S110) 이후에는, 상기 OCT영상에 대응되는 가상이미지를 준비하는 단계(S120)가 수행될 수 있다. 이 단계에서, 상기 가상이미지는 상기 OCT영상 후처리 장치(10)에 마련된 이미지입력부(14)에 생성될 수 있으며, 상기 가상이미지는 신호 데이터만으로 이루어진 것을 특징으로 할 수 있다. 보다 구체적으로, OCT영상에서 신호 데이터는 일반적으로 저주파 영역에 속하며, 스펙클 데이터는 고주파 영역에 속한다. 상기 가상이미지는 상기 OCT영상에서 저주파에 해당하고 신호 데이터로 분리되는 것을 추출하여 구성된 이미지를 지칭할 수 있다.
상기 OCT영상에 대응되는 가상이미지를 준비하는 단계(S120) 이후에는, 상기 가상이미지에 대한 하나 이상의 노이즈 데이터를 생성하는 단계(S130)가 수행될 수 있다. 이 단계는, 상기 레이저부(11)와 연결된 노이즈 생성부(13)에서 수행될 수 있다. 구체적으로 상기 가상이미지에 대한 하나 이상의 노이즈 데이터를 생성하는 단계(S130)는 하기 도면을 참조하여 설명하도록 한다.
도 3은 본 발명의 일실시예에 따른 OCT영상 후처리 방법의 노이즈 데이터를 생성하는 단계의 순서도이다.
도 3에 도시된 것처럼, 상기 가상이미지에 대한 하나 이상의 노이즈 데이터를 생성하는 단계(S130)는 먼저, 노이즈 생성부가 레이저의 파장변수 및 강도변수를 조절하는 단계(S131)를 수행할 수 있다. 이 단계에서, 상기 레이저부(11)는 레이저의 파장변수 및 강도변수를 조절하여 파장 및 강도를 조절할 수 있다.
그리고, 상기 가상이미지에 대한 하나 이상의 노이즈 데이터를 생성하는 단계(S130)는 다음으로, 상기 노이즈 생성부에 의해 조절된 상기 레이저의 파장변수 및 강도변수에 따른 노이즈 데이터를 생성하는 단계(S132)를 수행할 수 있다. 이 단계에서, 상기 레이저부(11)와 연결된 상기 노이즈 생성부(13)는 상기 레이저부(11)의 파장변수 및 강도변수가 조절됨에 따라 발생하는 노이즈 데이터(N)를 생성할 수 있다. 여기서, 상기 노이즈 데이터(N)는 주파수 신호로 이루어진 것일 수 있다. 즉, 상기 레이저부(11)의 파장변수 및 강도변수가 달라짐에 따라 상기 노이즈 생성부(13)에서 생성되는 상기 노이즈 데이터(N)는 서로 다른 주파수 신호를 갖으며, 일반적으로 고주파의 신호를 갖는다.
상기 가상이미지에 대한 하나 이상의 노이즈 데이터를 생성하는 단계(S130)는 노이즈 생성부가 레이저의 파장변수 및 강도변수를 조절하는 단계(S131) 및 상기 노이즈 생성부에 의해 조절된 상기 레이저의 파장변수 및 강도변수에 따른 노이즈 데이터를 생성하는 단계(S132)를 기설정된 횟수만큼 순차적으로 반복 수행할 수 있다.
다시 도 1 및 도 2를 참조하면, 상기 가상이미지에 대한 하나 이상의 노이즈 데이터를 생성하는 단계(S130) 이후에는 상기 하나 이상의 노이즈 데이터 각각에 가중치를 부여하는 단계(S140)를 더 포함하는 것을 특징으로 할 수 있다. 여기서, 상기 가중치는 상기 노이즈 데이터(N)의 주파수와 상기 가상이미지의 신호 데이터의 주파수 유사도를 비교하여 선택적으로 뷰여될 수 있다. 구체적으로, 상기 노이즈 데이터(N)는 상기 가상이미지의 신호데이터의 주파수와 주파수가 유사할수록 가중치가 낮은 것을 특징으로 할 수 있다. 반대로, 상기 노이즈 데이터(N)는 상기 가상이미지의 신호데이터의 주파수와 주파수가 상이할수록 가중치가 높게 책정될 수 있다.
일 예로, 제1 노이즈 데이터(N1)와 제2 노이즈 데이터(N2) 중 상기 제1 노이즈 데이터(N1)의 주파수가 상기 제2 노이즈 데이터(N2)의 주파수보다 높을 경우, 상기 제1 노이즈 데이터(N1)의 가중치는 상기 제2 노이즈 데이터(N2)의 가중치보다 높게 책정될 수 있다.
또한, 더욱 구체적으로 상기 노이즈 데이터(N)는 특히, 상기 가상이미지의 신호데이터보다 주파수가 높을수록 가중치가 높게 책정될 수 있다. 전술한 바와 같이, OCT영상은 일반적으로 신호데이터는 상대적으로 저주파에 속하며, 노이즈성의 스펙클 데이터는 주로 고주파에 속한다. 따라서, 상기 노이즈 데이터(N)는 더 높은 고주파 신호를 가질수록 가중치가 높게 책정될 수 있다.
상기 하나 이상의 노이즈 데이터 각각에 가중치를 부여하는 단계(S140) 이후에는, 상기 생성된 노이즈 데이터와 상기 가상이미지를 합성하여 시뮬레이션 데이터를 생성하는 단계(S150)가 수행될 수 있다. 상기 생성된 노이즈 데이터와 상기 가상이미지를 합성하여 시뮬레이션 데이터를 생성하는 단계(S150)에서는 상기 이미지입력부(14)에 입력된 상기 가상이미지와 상기 노이즈 생성부(13)에서 생성된 상기 노이즈 데이터(N)를 하나의 시뮬레이션 데이터를 형성하도록 합성할 수 있다. 여기서, 시뮬레이션 데이터는 상기 이미지입력부(14)와 상기 노이즈 생성부(13)와 연결된 시뮬레이션부(15)에서 생성될 수 있으며, 상기 시뮬레이션 데이터는 상기 가상이미지에 상기 노이즈 데이터(N)를 합성한 이미지 형태로 디스플레이 될 수 있다.
상기 생성된 노이즈 데이터와 상기 가상이미지를 합성하여 시뮬레이션 데이터를 생성하는 단계(S150) 이후에는, 상기 합성된 시뮬레이션 데이터로부터 상기 하나 이상의 노이즈 데이터를 선택적으로 제거하는 단계(S160)가 수행될 수 있다. 구체적으로, 상기 합성된 시뮬레이션 데이터로부터 상기 하나 이상의 노이즈 데이터를 선택적으로 제거하는 단계(S160)는 상기 합성된 시뮬레이션 데이터로부터 상기 하나 이상의 노이즈 데이터(N)를 상기 가중치가 높은 순서대로 순차적으로 제거하는 것을 특징으로 할 수 있다. 구체적으로, 상기 가중치가 높은 노이즈 데이터일수록 실제 상기 OCT영상의 신호데이터가 아닌 스펙클일 가능성이 높다. 따라서, 이 단계에서는 상기 시뮬레이션부(15)가 상기 하나 이상의 노이즈 데이터(N)를 제거하되, 가중치가 높은 순서대로 순차적으로 제거하도록 마련될 수 있다. 또한, 상기 합성된 시뮬레이션 데이터로부터 상기 하나 이상의 노이즈 데이터를 선택적으로 제거하는 단계(S160)를 통해 상기 시뮬레이션부(15)는 상기 노이즈 데이터(N)가 제거되면서 상기 신호데이터가 함께 제거되는지 여부를 검증할 수 있다. 이때, 상기 노이즈 데이터(N)가 제거되면서 상기 신호데이터가 함께 제거되거나 제거되는 비율이 기설정된 수치보다 높을 경우, 대응되는 상기 노이즈 데이터(N)는 가중치를 낮출 수 있다.
상기 합성된 시뮬레이션 데이터로부터 상기 하나 이상의 노이즈 데이터를 선택적으로 제거하는 단계(S160) 이후에는, 상기 하나 이상의 노이즈 데이터를 선택적으로 제거하는 단계를 반복 수행함으로써, 상기 하나 이상의 노이즈 데이터를 제거하는 과정을 학습하고, 학습된 정보를 저장하는 단계(S170)가 수행될 수 있다. 구체적으로, 상기 하나 이상의 노이즈 데이터를 선택적으로 제거하는 단계를 반복 수행함으로써, 상기 하나 이상의 노이즈 데이터를 제거하는 과정을 학습하고, 학습된 정보를 저장하는 단계(S170)에서는 상기 합성된 시뮬레이션 데이터로부터 상기 하나 이상의 노이즈 데이터를 선택적으로 제거하는 단계(S160)를 반복적으로 수행하며 학습하고, 학습된 정보를 상기 시뮬레이션부(15)와 연결된 저장부(16)에 저장할 수 있다. 상기 저장부(16)에 저장되는 상기 학습된 정보에는 상기 노이즈 데이터(N)의 가중치와 이에 따른 상기 노이즈 데이터(N)의 제거 순서를 포함할 수 있다. 즉, 상기 저장부(16)에는 상기 노이즈 데이터(N)와 이에 대응되는 가중치가 저장될 수 있다.
상기 하나 이상의 노이즈 데이터를 선택적으로 제거하는 단계를 반복 수행함으로써, 상기 하나 이상의 노이즈 데이터를 제거하는 과정을 학습하고, 학습된 정보를 저장하는 단계(S170) 이후에는, 상기 학습된 정보에 따라 상기 OCT영상에 존재하는 상기 스펙클 데이터를 제거하는 단계(S180)가 수행될 수 있다. 상기 학습된 정보에 따라 상기 OCT영상에 존재하는 상기 스펙클 데이터를 제거하는 단계(S180)에서, 상기 후처리부(17)는 상기 영상입력부(12)의 OCT영상에 존재하는 상기 스펙클 데이터를 상기 저장부(16)에 저장된 상기 학습된 정보에 따라 제거할 수 있다.
더욱 구체적으로, 상기 저장부(16)에 저장된 상기 학습된 정보는 각 상기 노이즈 데이터(N)별로 주파수 신호와 상기 노이즈 데이터(N)에 대한 가중치를 포함한다. 즉, 상기 후처리부(17)는 상기 OCT영상에 존재하는 상기 스펙클 데이터를 제거하기 위해 상기 노이즈 데이터(N)의 주파수 신호를 가중치가 높은 순서대로 제거할 수 있다. 그리고, 이처럼 마련된 상기 후처리부(17)는 스펙클 데이터를 가중치가 높은 주파수 신호 순서대로 순차적으로 제거해 나감으로써, OCT영상에 존재하는 스펙클 데이터를 제거하되, 사용자에게 각 단계별로 디스플레이하는 디스플레이부(미도시)에 스펙클 데이터의 제거 결과를 전송할 수 있다.
도 4는 본 발명의 일실시예에 따른 OCT영상 후처리 방법의 OCT영상에 존재하는 스펙클 데이터를 제거하는 단계의 결과를 순차적으로 나타낸 사진이다.
구체적으로, 도 4의 (a)는 스펙클 데이터를 제거하기 전의 OCT영상을 나타낸 사진이다. 도 4의 (b)는 가중치가 가장 높은 스펙클 데이터를 OCT영상에서 제거한 상태를 나타낸 사진이다. 도 4의 (c)는 가중치가 다음으로 높은 스펙클 데이터를 OCT영상에서 제거한 상태를 나타낸 사진이다. 도 4의 (d)는 가중치가 다음으로 높은 스펙클 데이터를 OCT영상에서 제거한 상태를 나타낸 사진이다.
도 4에서 확인할 수 있듯이, 상기 OCT영상에서 상기 스펙클 데이터를 순차적으로 제거해 나감에 따라 상기 OCT영상에 존재하는 스펙클이 제거되어 신호데이터가 선명해지는 것을 확인할 수 있다.
그리고, 사용자는 단계별로 디스플레이된 상기 OCT 영상 중 상기 스펙클 데이터가 n번 제거된 영상을 선택하여 생체 이미지에 대한 분석을 수행할 수 있다.
전술한 바와 같이 마련된 상기 OCT 영상 후처리 방법은 상기 OCT영상에 발생한 스펙클을 효율적으로 제거할 수 있다.
또한, 상기 OCT 영상 후처리 방법은 노이즈를 가중치에 따라 미리 학습하고, 학습된 정보를 토대로, 상기 OCT영상에 발생한 스펙클을 제거함으로써, 상기 신호 데이터가 상기 노이즈 데이터와 함께 제거되는 문제를 방지할 수 있다. 즉, 종래의 일반적인 다층 퍼셉트론 기법은 한번에 스펙클을 모두 학습한 다음에 영상에 모두 적용하여 한번에 스펙클을 제거하였기 때문에 신호 데이터와 유사한 주파수 신호를 갖는 스펙클 데이터를 제거시 신호 데이터도 함께 제거되는 문제가 있었다.
반면에, 본 발명은 각 스펙클을 개별적으로 학습하고, 가중치에 따라 단계적으로 OCT영상에 적용하기 때문에 상기 신호 데이터가 상기 노이즈 데이터와 함께 제거되는 문제를 방지할 수 있다.
전술한 바와 같이, 상기 OCT영상 후처리 방법은 OCT영상 처리 장치에 적용되어 구현될 수 있다.
또한, 상기 OCT영상 후처리 방법을 이용하여 생체 이미지 분석 방법을 구현할 수도 있다.
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 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
10: OCT영상 후처리 장치
11: 레이저부
12: 영상입력부
13: 노이즈 생성부
14: 이미지입력부
15: 시뮬레이션부
16: 저장부
17: 후처리부
11: 레이저부
12: 영상입력부
13: 노이즈 생성부
14: 이미지입력부
15: 시뮬레이션부
16: 저장부
17: 후처리부
Claims (10)
- a) 스펙클 데이터가 포함된 OCT(Optical Coherence Tomography)영상을 입력받는 단계;
b) 상기 OCT영상에 대응되는 가상이미지를 준비하는 단계;
c) 상기 가상이미지에 대한 하나 이상의 노이즈 데이터를 생성하는 단계;
c-1) 상기 하나 이상의 노이즈 데이터 각각에 가중치를 부여하는 단계;
d) 상기 생성된 노이즈 데이터와 상기 가상이미지를 합성하여 시뮬레이션 데이터를 생성하는 단계;
e) 상기 합성된 시뮬레이션 데이터로부터 상기 하나 이상의 노이즈 데이터를 선택적으로 제거하는 단계;
f) 상기 하나 이상의 노이즈 데이터를 선택적으로 제거하는 단계를 반복 수행함으로써, 상기 하나 이상의 노이즈 데이터를 제거하는 과정을 학습하고, 학습된 정보를 저장하는 단계; 및
g) 상기 학습된 정보에 따라 상기 OCT영상에 존재하는 상기 스펙클 데이터를 제거하는 단계를 포함하며,
상기 가중치는, 상기 노이즈 데이터의 주파수와 상기 가상이미지의 신호 데이터의 주파수 유사도를 비교하여 선택적으로 부여되는 것을 특징으로 하는 OCT영상 후처리 방법. - 제 1 항에 있어서,
상기 b) 단계에서,
상기 가상이미지는 신호 데이터만으로 이루어진 것을 특징으로 하는 OCT영상 후처리 방법. - 제 1 항에 있어서,
상기 c) 단계는,
c1) 노이즈 생성부가 레이저의 파장변수 및 강도변수를 조절하는 단계; 및
c2) 상기 노이즈 생성부에 의해 조절된 상기 레이저의 파장변수 및 강도변수에 따른 노이즈 데이터를 생성하는 단계를 포함하며,
상기 레이저의 파장변수 및 강도변수를 조절하는 단계 및 상기 레이저의 파장변수 및 강도변수에 따른 노이즈 데이터를 생성하는 단계는 기설정된 횟수만큼 순차적으로 반복 수행되는 것을 특징으로 하는 OCT영상 후처리 방법. - 삭제
- 삭제
- 제 1 항에 있어서,
상기 e) 단계는,
상기 합성된 시뮬레이션 데이터로부터 상기 하나 이상의 노이즈 데이터를 상기 가중치가 높은 순서대로 순차적으로 제거하는 것을 특징으로 하는 OCT영상 후처리 방법. - 제 1 항에 있어서,
상기 f) 단계에서,
상기 학습된 정보는 상기 노이즈 데이터의 제거 순서를 포함하는 것을 특징으로 하는 OCT영상 후처리 방법. - 제 1 항에 있어서,
상기 f) 단계에서,
상기 학습된 정보는, 상기 노이즈 데이터의 가중치를 포함하는 것을 특징으로 하는 OCT영상 후처리 방법. - 제 1 항에 따른 OCT영상 후처리 방법이 적용된 OCT영상 처리 장치에 있어서,
레이저의 파장변수 및 강도변수를 조절하여 파장 및 강도를 조절할 수 있도록 마련된 레이저부;
상기 레이저부에 의해 조사된 레이저의 파장변수 및 강도변수에 따라 스펙클데이터가 포함된 OCT영상이 입력되는 영상입력부;
상기 OCT영상에 대응되는 가상이미지를 생성하는 이미지입력부;
상기 레이저부의 파장변수 및 강도변수가 조절됨에 따라 발생하는 노이즈 데이터를 생성하는 노이즈생성부;
상기 가상이미지와 상기 노이즈 데이터를 합성하여 시뮬레이션 데이터를 생성하고, 상기 시뮬레이션 데이터로부터 가중치가 높은 순서대로 순차적으로 하나 이상의 노이즈 데이터를 순차적으로 제거하면서 각각의 노이즈 데이터의 가중치를 조절하는 시뮬레이션부;
상기 시뮬레이션부로부터 노이즈 데이터의 가중치 및 노이즈 데이터의 제거순서를 포함한 학습된 정보를 제공받아 저장하는 저장부; 및
상기 영상입력부의 상기 OCT영상에 존재하는 상기 스펙클 데이터를 상기 저장부에 저장된 상기 학습된 정보에 따라 제거하는 후처리부를 포함하는 것을 특징으로 하는 OCT영상 후처리 방법이 적용된 OCT영상 처리 장치. - 제 1 항에 따른 OCT영상 후처리 방법을 이용한 생체 이미지 분석 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160166706A KR101827827B1 (ko) | 2016-12-08 | 2016-12-08 | Oct영상 후처리 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160166706A KR101827827B1 (ko) | 2016-12-08 | 2016-12-08 | Oct영상 후처리 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101827827B1 true KR101827827B1 (ko) | 2018-02-13 |
Family
ID=61231606
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020160166706A KR101827827B1 (ko) | 2016-12-08 | 2016-12-08 | Oct영상 후처리 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101827827B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200026071A (ko) * | 2018-08-23 | 2020-03-10 | 제너럴 일렉트릭 캄파니 | 환자 특정적 딥러닝 이미지 잡음제거 방법들 및 시스템들 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070216908A1 (en) | 2006-03-17 | 2007-09-20 | University Of Washington | Clutter rejection filters for optical doppler tomography |
| US20130135624A1 (en) | 2011-11-24 | 2013-05-30 | Korea University Research And Business Foundation | Information processing apparatus and method for fd-oct |
| US20140044375A1 (en) | 2012-08-08 | 2014-02-13 | Samsung Electronics Co., Ltd. | Image processing method and apparatus |
| JP2016003898A (ja) * | 2014-06-16 | 2016-01-12 | 株式会社トーメーコーポレーション | 光断層画像撮影装置 |
-
2016
- 2016-12-08 KR KR1020160166706A patent/KR101827827B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070216908A1 (en) | 2006-03-17 | 2007-09-20 | University Of Washington | Clutter rejection filters for optical doppler tomography |
| US20130135624A1 (en) | 2011-11-24 | 2013-05-30 | Korea University Research And Business Foundation | Information processing apparatus and method for fd-oct |
| US20140044375A1 (en) | 2012-08-08 | 2014-02-13 | Samsung Electronics Co., Ltd. | Image processing method and apparatus |
| JP2016003898A (ja) * | 2014-06-16 | 2016-01-12 | 株式会社トーメーコーポレーション | 光断層画像撮影装置 |
Non-Patent Citations (1)
| Title |
|---|
| "Using additive noise in back-propagation training." IEEE Transactions on Neural Networks 3.1 (1992)* |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200026071A (ko) * | 2018-08-23 | 2020-03-10 | 제너럴 일렉트릭 캄파니 | 환자 특정적 딥러닝 이미지 잡음제거 방법들 및 시스템들 |
| KR102229853B1 (ko) * | 2018-08-23 | 2021-03-22 | 제너럴 일렉트릭 캄파니 | 환자 특정적 딥러닝 이미지 잡음제거 방법들 및 시스템들 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Çelebi et al. | Visual enhancement of underwater images using empirical mode decomposition | |
| US9811901B2 (en) | Linear-based Eulerian motion modulation | |
| EP3404611A1 (en) | Reducing noise in an image | |
| JP5034477B2 (ja) | 生体光計測装置 | |
| WO2012137855A1 (en) | Photoacoustic apparatus and control method thereof | |
| US8989461B2 (en) | Method of deformable motion correction and image registration in X-ray stent imaging | |
| JP2014021127A (ja) | 断層映像生成方法及び断層映像生成装置 | |
| JP7192512B2 (ja) | 学習プログラム、学習装置及び学習方法 | |
| EP3680821B1 (en) | Learning program, learning device and learning method | |
| JP2021176101A (ja) | 低コヒーレンス干渉法のための画質改善方法及びシステム | |
| KR20130007905A (ko) | 초음파 영상 처리 방법 및 장치 | |
| Craley et al. | Action recognition using micro-Doppler signatures and a recurrent neural network | |
| JP2015142740A (ja) | 光音響装置、情報処理装置および表示方法 | |
| Marusina et al. | Noise suppression in the task of distinguishing the contours and segmentation of tomographic images | |
| KR101827827B1 (ko) | Oct영상 후처리 방법 | |
| JP5864905B2 (ja) | 被検体情報取得装置及び被検体情報取得方法 | |
| Nair et al. | One-step deep learning approach to ultrasound image formation and image segmentation with a fully convolutional neural network | |
| CN114841878A (zh) | 光学相干层析图像散斑去噪方法、装置及电子设备 | |
| WO2017221353A1 (ja) | 画像処理装置、画像処理装置の作動方法及び画像処理装置の作動プログラム | |
| Arabadzhiyska et al. | A common neural account for social and nonsocial decisions | |
| KR102101875B1 (ko) | 단층 영상 생성 방법 및 단층 영상 생성 장치. | |
| NL1033651C2 (nl) | Werkwijze en inrichting voor het uitvoeren van een maximum-intensiteitsprojectie. | |
| Gyger et al. | Three-dimensional speckle reduction in optical coherence tomography through structural guided filtering | |
| Krylov et al. | Hybrid method for biomedical image denoising | |
| KR101413853B1 (ko) | 적외선 영상을 이용한 생체 신호 측정 방법 및 장치 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |