KR101839891B1 - 의료 이미지 프로세싱 방법 및 이미지 프로세싱 시스템 - Google Patents

의료 이미지 프로세싱 방법 및 이미지 프로세싱 시스템 Download PDF

Info

Publication number
KR101839891B1
KR101839891B1 KR1020160077470A KR20160077470A KR101839891B1 KR 101839891 B1 KR101839891 B1 KR 101839891B1 KR 1020160077470 A KR1020160077470 A KR 1020160077470A KR 20160077470 A KR20160077470 A KR 20160077470A KR 101839891 B1 KR101839891 B1 KR 101839891B1
Authority
KR
South Korea
Prior art keywords
image
patient
segments
segment
record
Prior art date
Application number
KR1020160077470A
Other languages
English (en)
Other versions
KR20170000789A (ko
Inventor
마리아 지메나 코스타
Original Assignee
지멘스 헬스케어 게엠베하
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 지멘스 헬스케어 게엠베하 filed Critical 지멘스 헬스케어 게엠베하
Publication of KR20170000789A publication Critical patent/KR20170000789A/ko
Application granted granted Critical
Publication of KR101839891B1 publication Critical patent/KR101839891B1/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
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images

Abstract

의료 이미지 프로세싱 방법 및 이미지 프로세싱 시스템 의료 이미지 기록들에 기초하여 환자의 해부학적 특징들(am)을 캡쳐링하기 위해 환자 이미지 기록(pim) 및 참조 이미지 기록(rim)이 판독된다. 패턴 인식 방법에 의해 관절들(g)이 환자 이미지 기록(pim) 및 참조 이미지 기록(rim)에 로컬라이징된다. 로컬라이징 관절들(g)에서, 환자 이미지 기록(pim)은 환자 이미지 세그먼트들(pims)로 세그먼트화되고, 참조 이미지 기록(rim)은 참조 이미지 세그먼트들(rims)로 세그먼트화된다. 본 발명에 따르면, 각각의 참조 이미지 세그먼트(rims) 또는 환자 이미지 세그먼트(pims)에 대해 세그먼트-개별적 이미지 변형(bd)이 확립되고, 상기 이미지 변형에 의해, 참조 이미지 세그먼트(rims)의 이미지 구조들이 환자 이미지 세그먼트(pims)의 대응하는 이미지 구조들에 맵핑된다. 그 다음으로, 참조 이미지 세그먼트들(rims)과 환자 이미지 세그먼트들(pims) 사이의 세그먼트-개별적 맵들에 기초하여, 해부학적 특징(am)이 캡쳐링된다.

Description

의료 이미지 프로세싱 방법 및 이미지 프로세싱 시스템{MEDICAL IMAGE PROCESSING METHOD AND IMAGE PROCESSING SYSTEM}
본 발명은 의료 이미지 기록(medical image record)들에 기초하여 환자의 해부학적 특징(anatomical feature)들을 캡쳐링(capturing)하기 위한 의료 이미지 프로세싱 방법(medical image processing method) 및 이미지 프로세싱 시스템(image processing system)에 관한 것이다.
현대의 의료 진단들은 상당한 정도로 의료 이미징(medical imaging)에 의존하며, 의료 이미징은 예컨대, 방사선(radiological), 혈관조영(angiographic), 초음파(sonographic) 및/또는 단층촬영(tomographic) 이미지 기록들에 기초한다. 여기서, 이미지 분석 방법들의 사용에 의해 의료 이미지 기록들에서 해부학적 특징들을 자동으로 식별 및 캡쳐링(capture)하기 위한 시도들이 점점 더 이루어지고 있다. 해부학적 특징들의 이러한 캡쳐(capture)는 종종 등록(registration)으로 또한 지칭된다.
의료 이미지 기록들에서의 해부학적 특징들의 자동적 캡쳐는 일반적으로, 환자 또는 몸체 부분이 일반적으로, 다양한 이미지 기록들에서 정확히 동일한 포지션(position)을 취하지 않는 것 및 탄력 조직이 환자의 포지션에 따라 기록들에서 상이한 정도로 탄력적으로 변형되는 것 때문에 더 어려워진다. 이는 특히, 환자 이미지 기록들을 참조 이미지 기록들과 비교할 때 해당되며, 참조 이미지 기록들은 종종 상이한 환자들로부터 비롯된다.
이러한 맥락에서, LNCS, Springer, 2011의 MICCAI'2011, Vol. 6892, 페이지 631 내지 638에서의, C. Seiler, X. Pennec 및 M. Reyes에 의한 공보 "Geometry-Aware Multiscale Image Registration via OBBTree-Based Polyaffine Log-Demons"는, 탄력적 변형들을 보상하기 위해 조직 경직도에 따라 이미지 기록을 변형하는 것의 실시를 개시하고 있다. 그러나, 이러한 프로세스(process)는, 어느 조직 구조들이 실질적으로 단단하고 어느 조직 구조들이 유연한지의 정도에 대해, 사용자 측의 명세서(specification)를 요구한다.
본 발명의 목적은 의료 이미지 프로세싱 방법 및 이미지 프로세싱 시스템을 명시하는 것이며, 그 의료 이미지 프로세싱 방법 및 이미지 프로세싱 시스템에 의해 개선된 방식으로 해부학적 특징들이 의료 이미지 기록들에서 자동적으로 캡쳐링될(captured) 수 있다.
이러한 목적은 특허 청구항 제 1 항의 특징들을 갖는 의료 이미지 프로세싱 방법에 의해, 특허 청구항 제 11 항의 특징들을 갖는 의료 이미지 프로세싱 시스템에 의해, 특허 청구항 제 12 항의 특징들을 갖는 컴퓨터 프로그램 물건(computer program product)에 의해, 그리고 특허 청구항 제 13 항의 특징들을 갖는 컴퓨터-판독가능 저장 매체(computer-readable storage medium)에 의해 달성된다.
본 발명에 따르면, 의료 이미지 기록들에 기초하여 환자의 해부학적 특징들을 캡쳐링하기 위해 환자 이미지 기록 및 참조 이미지 기록이 판독된다. 이러한 맥락에서, 해부학적 특징들은 예컨대, 조직 특징들, 조직 구조들, 조직 유형들, 조직 특성들, 조직 상태 또는 다른 표현형(phenotypical) 특징들 및 그들의 병리학적 변화들 또는 부상으로 인한 변화들일 수 있다. 패턴 인식 방법(pattern recognition method)에 의해, 환자 이미지 기록 및 참조 이미지 기록에서 관절(joint)들이 로컬라이징된다(localized). 로컬라이징된 관절들에서, 환자 이미지 기록은 환자 이미지 세그먼트(patient image segment)들로 세그먼트화되고(segmented), 참조 이미지 기록은 참조 이미지 세그먼트들로 세그먼트화된다. 본 발명에 따르면, 각각의 참조 이미지 세그먼트 또는 환자 이미지 세그먼트에 대해 세그먼트-개별적 이미지 변형(segment-individual image deformation)이 설정되고, 상기 이미지 변형에 의해, 참조 이미지 세그먼트의 이미지 구조들이 환자 이미지 세그먼트의 대응하는 이미지 구조들에 맵핑된다(mapped). 그 다음으로, 참조 이미지 세그먼트들과 환자 이미지 세그먼트들 사이의 세그먼트-개별적 맵(map)들에 기초하여, 해부학적 특징이 캡쳐링된다.
본 발명의 실질적 이점은, 세그먼트-개별적 이미지 변형으로 인해 의료 이미지 기록들이 참조 이미지 기록들 상에 더 정확하게 중첩될 수 있고, 그 결과로, 해부학적 특징들이 더 신뢰적으로 그리고 더 정확하게 식별 및 캡쳐링될 수 있는 것으로 고려되어야 한다. 게다가, 본 발명에 따른 캡쳐는 환자 이미지 기록들에서의 환자들의 포지셔닝(positioning)의 차이들과 관련하여 강건하다. 이러한 포지셔닝 차이들은 예컨대, 수족(limb)들의 가변되는 각도들, 크기의 차이들, 비대칭성들 또는 병리학적 변형들 또는 부상으로 인한 변형들일 수 있다. 더욱이, 환자 이미지 기록들의 자동적 세그먼테이션(segmentation)은 본 발명에 따른 캡쳐에 의해 상당히 개선될 수 있다.
본 발명의 유리한 실시예들 및 발전들은 종속 청구항들에서 명시된다.
본 발명의 유리한 실시예에 따르면, 하나의 이미지 구조가 다른 이미지 구조 상에 맵핑되는 식으로 맵핑될 이미지 구조들은 로컬라이징된 관절들을 포함할 수 있다. 참조 이미지 세그먼트들에 로컬라이징된 관절들을 환자 이미지 세그먼트들에 로컬라이징된 관절들 상에 맵핑(mapping)함으로써, 특히, 관절들의 포지션에 의해, 의료 이미지 기록들에서의 몸체 부분들의 포지셔닝 차이들이 표현될 수 있을 정도까지, 이러한 포지셔닝 차이들이 단순한 방식으로 식별 및 보상될 수 있다.
바람직하게, 세그먼트-개별적 이미지 변형은 아핀 이미지 변환(affine image transformation), 즉, 오프셋(offset)을 가진 실질적으로 선형 맵(linear map)을 포함할 수 있다. 아핀 이미지 변환은, 맵핑 매트릭스(mapping matrix) 및 오프셋 벡터(offset vector)에 의해 파라미터화될(parameterized) 수 있다. 이러한 방식으로, 비교적 작은 수의 변형 파라미터(deformation parameter)들을 가변시킴으로써, 환자 이미지 기록에서의 다수의 포지셔닝 차이들이 이미 효과적으로 보상될 수 있다.
본 발명의 유리한 실시예에 따르면, 참조 이미지 기록의 이미지 구조들은 해부학적 특징 데이터(anatomical feature data)와 연관될 수 있다. 그 다음으로, 해부학적 특징 데이터는 참조 이미지 기록의 이미지 구조들이 맵핑되는(mapped) 환자 이미지 기록의 그러한 이미지 구조들과 연관될 수 있다. 예로서, 해부학적 특징 데이터는 명세서(specification)들일 수 있고, 그 명세서들에 의해, 참조 이미지 기록의 알려진 해부학적 특징들에 주석이 첨부되었다. 이러한 방식으로, 참조 이미지 데이터의 주석들이 환자 이미지 기록의 대응하는 이미지 구조들과 직접적으로 연관될 수 있고, 이러한 이미지 구조들의 해부학적 특징으로서 캡쳐링될 수 있다.
특히, 해부학적 특징 데이터는 공간적으로 분해된 특징 필드(spatially resolved feature field)를 포함할 수 있다. 그 다음으로, 특징 필드는 각각의 경우에서 설정된 세그먼트-개별적 이미지 변형에 의해 세그먼트-개별적 방식으로 변형될 수 있고, 변형된 특징 필드는 공간적으로 분해되는 방식으로 환자 이미지 기록 상에 맵핑될 수 있다. 여기서, 특히, 특징 필드는 조직 경직도 필드(tissue stiffness field)를 포함할 수 있고, 조직 경직도 필드는 공간적으로 분해되는 방식으로 조직 경직도를 명시한다. 이러한 방식으로, 조직 경직도 필드가 환자 이미지 기록에 대해 설정될 수 있고, 상기 조직 경직도 필드는 공간적으로 분해된 할당으로 환자 이미지 기록에 이미징된(imaged) 조직의 조직 경직도를 명시한다.
본 발명의 유리한 발전에 따르면, 공간적으로 분해된 조직 경직도를 고려하여 추가의 이미지 변형(further image deformation)이, 조직 경직도 필드에 종속적인 방식으로 설정될 수 있다. 일반적으로, 세그먼트-개별적 이미지 변형은 추가의 이미지 변형에 의해 상당히 정교화될 수 있다. 따라서, 조직 경직도 필드에 따라 비교적 단단한 조직 구역들(예컨대, 뼈들)은 추가의 이미지 변형에서, 더 부드러운 또는 더 유연한 조직 구역들(예컨대, 근육들)보다 덜한 정도로 변형될 수 있다.
더욱이, 변형된 참조 이미지 세그먼트들로부터의 변형된 이미지 구조들은 환자 이미지 세그먼트들과 결합될 수 있고, 결과적인 혼합된 이미지가 출력될 수 있다. 여기서, 변형된 이미지 구조들 및 변형된 참조 이미지 세그먼트들은, 세그먼트-개별적 이미지 변형들에 의해 그리고/또는 추가의 이미지 변형에 의해 변형될 수 있다.
게다가, 환자 이미지 세그먼트들 및/또는 참조 이미지 세그먼트들은 캡쳐링되고 그리고/또는 등록될(registered) 수 있다.
게다가, 세그먼트-개별적 이미지 변형들 및 참조 이미지 세그먼트들은 환자 이미지 기록의 특정 구역들에 대해, 상기 구역들이 추가의 이미지 변형의 범위 내에서 변형되는 정도(extent)를 설정하기 위해 이용될 수 있다.
본 발명의 예시적인 실시예는 도면에 기초하여 아래에서 더 상세하게 설명된다. 도면들에서, 각각 개략적 예시로:
도 1은 본 발명에 따른 의료 이미지 프로세싱 시스템을 도시하고, 그리고
도 2는 본 발명에 따른 의료 이미지 프로세싱 방법의 작업 단계들의 시각화를 도시한다.
도 1은 의료 이미지 기록들에 기초하여 환자의 해부학적 특징(anatomical feature)들(AM)을 식별, 추출 및 캡쳐링하기 위한 의료 이미지 프로세싱 시스템(medical image processing system)(IMS)을 개략적으로 도시한다. 예로서, 캡쳐링될 해부학적 특징들(AM)은 조직 특징들, 조직 구조들, 조직 유형들, 조직 특성들, 조직 상태 또는 다른 표현형(phenotypical) 특징들 및 그들의 병리학적 변화들 또는 부상으로 인한 변화들일 수 있다. 여기서, 조직 유형들은 예컨대, 뼈 조직, 근육 조직 또는 결합 조직일 수 있다. 특히, 조직 경직도가 조직 특성으로서 캡쳐링될 수 있다. 예로서, 조직 구조들은 장기(organ)들 또는 장기 구역들, 즉, 장기 또는 장기의 특정 부분이 차지하는 영역들일 수 있다.
의료 이미지 기록 디바이스(medical image recording device)(XT)는 제 1 인터페이스(first interface)(I1)를 통해 이미지 프로세싱 시스템(IMS)에 커플링된다(coupled). 이미지 기록 디바이스(XT)는 예컨대, 몸체 구조의 이미지 기록들을 공급하는 x-레이 단층촬영 스캐너(x-ray tomography scanner), 자기 공명 이미징 스캐너 또는 초음파 디바이스 또는 임의의 다른 기록 디바이스일 수 있다. 게다가, 환자들의 다수의 저장된 참조 이미지 기록들을 가진 참조 데이터베이스(reference database)(RDB)가 제 2 인터페이스(second interface)(I2)를 통해 이미지 프로세싱 시스템(IMS)에 커플링된다. 제 2 인터페이스(I2)는 또한, 제 1 인터페이스(I1)와 동일할 수 있다.
이미지 기록 디바이스(XT)는 환자의 의료 환자 이미지 기록(medical patient image record)(PIM)을 기록하기 위해 이용되고, 상기 의료 환자 이미지 기록은 제 1 인터페이스(I1)를 통해 이미지 프로세싱 시스템(IMS)의 패턴 인식 모듈(pattern recognition module)(MM)에 송신된다. 게다가, 이미지 프로세싱 시스템(IMS)은 하나 또는 그 초과의 의료 참조 이미지 기록(medical reference image record)들(RIM)을 데이터베이스(RDB)에 질의하고, 상기 참조 이미지 기록들을 제 2 인터페이스(I2)를 통해 패턴 인식 모듈(MM)에 송신한다. 이미지 기록들(PIM 및 RIM)은 바람직하게 공간적으로 분해된 이미지들이고, 이들은 디지털 이미지 데이터(digital image data)의 형태로 송신된다.
참조 이미지 기록(RIM)과 함께, 해부학적 특징 데이터(anatomical feature data)(ADAT)가 데이터베이스(RDB)로부터 패턴 인식 모듈(MM)로 송신된다. 해부학적 특징 데이터(ADAT)는, 참조 이미지 기록(RIM)의 알려진 이미지 구조들과 연관되는 미리 알려진 특징 데이터이며 참조 이미지 기록(RIM)을 설명한다. 여기서, 이미지 구조들은 예컨대, 관절들, 뼈들, 장기들 및/또는 다른 조직 구조들일 수 있다. 해부학적 특징 데이터(ADAT)는, 이미지 구조들의 주석들로서, 예컨대, 관련된 이미지 구조가 특정 관절이고, 특정 장기이고 그리고/또는 특정 조직 유형이라는 명세서로서 실현될 수 있다. 이를 위해, 수동으로 또는 자동으로 주석이 첨부된 메시 모델(mesh model)들이 뼈들, 장기들, 근육들 및/또는 피부를 위해 이용될 수 있다. 본 예시적 실시예에서, 해부학적 특징 데이터(ADAT)는 특히, 조직 경직도 필드(tissue stiffness field)(SF)를 포함하며, 조직 경직도 필드(SF)는 공간적으로 분해되는 방식으로 참조 이미지 기록(RIM)에서의 조직 구조들의 알려진 또는 다른 방식으로 설정된 조직 경직도를 명시한다. 특히, 조직 경직도 필드(SF)는, 1개의, 2개의 또는 3개의 공간 좌표들의 함수로서 조직 경직도를 명시하는 공간적으로 분해된 특징 필드로서 제공될 수 있다.
패턴 인식 모듈(MM)은 송신된 이미지 기록들(PIM 및 RIM)에서 이미지 구조들, 특히 관절들 및 다른 조직 구조들을 식별 및 로컬라이징(localize)하는 역할을 한다. 본 발명에 따르면, 패턴 인식 모듈(MM)은 환자 이미지 기록(PIM) 및 참조 이미지 기록(RIM) 양쪽 모두에서 이미징된 관절들을 식별 및 로컬라이징한다. 이미지 기록들(PIM 및 RIM)에서의 관절들의 결정된 포지션들은 이후에, 이미지 기록들(PIM 및 RIM)과 함께, 패턴 인식 모듈(MM)로부터 세그먼테이션 모듈(segmentation module)(SM)로 세그먼테이션 정보(segmentation information)(SI)로서 송신된다.
세그먼테이션 모듈(SM)은 패턴 인식 모듈(MM)에 커플링되고, 세그먼테이션 모듈(SM)은 이미지 기록들(PIM 및 RIM)을 특정 이미지 세그먼트들로 세그먼트화(segment)하는 역할을 한다. 본 예시적 실시예에서, 세그먼테이션 정보(SI)는 각각의 이미지 기록(PIM 또는 RIM)이 개별 세그먼트들로, 즉, 로컬라이징된 관절들에서, 세분, 즉, 세그먼트화될(segmented) 위치를 명시한다. 이러한 방식으로, 세그먼테이션 모듈(SM)은, 환자 이미지 기록(PIM)에 로컬라이징된 관절들에서 환자 이미지 기록(PIM)을 분할함으로써 환자 이미지 세그먼트(patient image segment)들(PIMS)을 생성하고 그리고 참조 이미지 기록(RIM)에 로컬라이징된 관절들에서 참조 이미지 기록(RIM)을 분할함으로써 참조 이미지 세그먼트(reference image segment)들(RIMS)을 생성한다. 그렇게 하는데 있어서, 각각의 몸체 세그먼트의 각각의 환자 이미지 세그먼트(PIMS)는 이러한 몸체 세그먼트의 참조 이미지 세그먼트(RIMS)와 연관된다.
환자 이미지 세그먼트들(PIMS) 및 참조 이미지 세그먼트들(RIMS)은 세그먼테이션 모듈(SM)로부터 패턴 인식 모듈(MM)로 송신된다. 각각 송신된 환자 이미지 세그먼트들(PIMS) 및 각각 연관된 참조 이미지 세그먼트(RIMS)는 패턴 인식 모듈(MM)에 의해 분석되고, 이때, 특정 이미지 구조들이 식별 및 로컬라이징된다. 이러한 경우에서 식별될 이미지 구조들은 특히, 이미지 세그먼트들에서 이미징된 관절들을 포함한다.
특히, 패턴 인식 모듈(MM)은 각각의 환자 이미지 세그먼트(PIMS)의 어느 이미지 구조들이, 연관된 참조 이미지 세그먼트(RIMS)의 어느 이미지 구조들에 대응하는지를, 즉, 동일한 몸체 구조와 관련하여 식별한다. 그 다음으로, 이러한 방식으로 대응된 이미지 구조들은 서로 연관된다.
이미지 구조 인식의 결과로서, 이미지 세그먼트들(PIMS 및 RIMS)에서 식별된 이미지 구조들 및 특히 그들의 포지션들에 관한 명세서들을 포함하는 구조 정보(structure information)(IS)가 패턴 인식 모듈(MM)에 의해 형성된다. 특히, 구조 정보(IS)는 식별된 관절들의 각각의 포지션을 포함한다. 참조 이미지 세그먼트들(RIMS)을 설명하는 구조 정보(IS)는 특히, 참조 이미지 세그먼트들(RIMS)에서 식별된 이미지 구조들과 연관된 해부학적 특징 데이터(ADAT)를 포함한다.
조직 경직도 필드(SF)를 포함하는 해부학적 특징 데이터(ADAT)와 함께 그리고 환자 이미지 세그먼트들(PIMS) 및 참조 이미지 세그먼트들(RIMS)과 함께, 구조 정보(IS)는 이미지 프로세싱 시스템(IMS)의 이미지 변환 모듈(image transformation module)(IMT)에 송신된다.
이미지 변환 모듈(IMT)은 패턴 인식 모듈(MM)에 커플링되고, 이미지 변환 모듈(IMT)은 각각의 참조 이미지 세그먼트(RIMS) 및/또는 환자 이미지 세그먼트(PIMS)에 대해 세그먼트-개별적 이미지 변형(segment-individual image deformation)(BD)을 설정하는 역할을 한다. 세그먼트-개별적 이미지 변형(BD)은, 세그먼트-개별적 이미지 변형(BD)에 의해, 참조 이미지 세그먼트(RIMS)의 식별된 이미지 구조들이, 연관된 환자 이미지 세그먼트(PIMS)의 식별된 이미지 구조들 상에 가능한 한 정확하게 맵핑되는 방식으로, 설정된다. 특히, 관절들, 뼈들, 장기들, 조직 경계면(tissue interface)들 및/또는 조직 경계들이 서로 맵핑된다.
세그먼트-개별적 이미지 변형(BD)은, 구조 정보(IS)에 기초하여, 이미지 변환 또는 이미지 왜곡으로서, 바람직하게는 아핀 이미지 변환으로서 설정된다. 여기서, 아핀 이미지 변환은 오프셋을 가진 선형 맵을 나타낸다. 이러한 아핀 이미지 변환은 맵핑 매트릭스(mapping matrix)(M) 및 오프셋 벡터(offset vector)(V)에 의해 파라미터화될 수 있다.
앞서 이미 언급된 바와 같이, 세그먼트-개별적 이미지 변형(BD)은, 각각의 참조 이미지 세그먼트(RIMS)의 식별된 이미지 구조들이, 연관된 환자 이미지 세그먼트(PIMS)의 대응하는 이미지 구조들 상에 대체로 중첩되는 방식으로, 설정된다. 예로서, 이는 대응하는 이미지 구조들 사이의 편차 제곱(deviation square)들이 최소화되는 방식으로 이미지 변형(BD)의 파라미터들이 가변되는 것에 의해 초래될 수 있다. 이를 위해, 아핀 이미지 변환들에서의 맵핑 매트릭스(M) 및 오프셋 벡터(V)가 이미지 변환 모듈(IMT)에 의해 세그먼트-개별적 방식으로 가변될 수 있다.
본 예시적 실시예에서, 변형된 참조 이미지 세그먼트(deformed reference image segment)(DRIMS)를 그에 따라 획득하기 위해, 각각의 참조 이미지 세그먼트(RIMS)는 이러한 참조 이미지 세그먼트(RIMS)에 대해 특정하게 설정된 이미지 변형(BD)에 의해 변형된다. 세그먼트-개별적 방식으로 결정된 이미지 변형들(BD)의 결과로서, 변형된 참조 이미지 세그먼트들(DRIMS)의 변형된 이미지 구조들은 연관된 환자 이미지 세그먼트(PIMS)의 대응하는 이미지 구조들 상에 대체로 중첩될 수 있고, 그에 따라 이러한 이미지 구조들 상에 맵핑될 수 있다.
앞서 이미 언급된 바와 같이, 해부학적 특징 데이터(ADAT)는 참조 이미지 세그먼트들(RIMS) 또는 변형된 참조 이미지 세그먼트들(DRIMS)의 각각의 이미지 구조와 연관된다. 환자 이미지 세그먼트들(PIMS)의 대응하는 이미지 구조들 상으로의 참조 이미지 세그먼트들(RIMS) 또는 변형된 참조 이미지 세그먼트들(DRIMS)의 이미지 구조들의 맵핑의 범위 내에서, 각각 연관된 해부학적 특징 데이터는, 참조 이미지 세그먼트들(RIMS 또는 DRIMS)의 대응하는 이미지 구조들이 맵핑되는 환자 이미지 세그먼트들(PIMS)의 그러한 이미지 구조들과 연관된다. 본 예시적 실시예에서, 해부학적 특징 데이터(ADAT)는 공간적으로 분해된 조직 경직도 필드(SF)를 포함한다. 공간적으로 분해된 조직 경직도 필드(SF)는, 변형된 조직 경직도 필드(deformed tissue stiffness field)(DSF)를 획득하기 위해, 각각의 세그먼트-개별적 이미지 변형(BD)에 의해 세그먼트-개별적 방식으로 각각의 참조 이미지 세그먼트(RIMS)와 함께 변형된다. 그 다음으로, 변형된 참조 이미지 세그먼트들(DRIMS) 같이, 변형된 조직 경직도 필드(DSF)는 공간적으로 분해되는 방식으로 환자 이미지 세그먼트들(PIMS) 상에 맵핑된다. 그러므로, 변형된 조직 경직도 필드(DSF)는 우수한 공간 할당(spatial assignment)으로 환자 이미지 기록(PIM)에서 이미징된 조직의 조직 경직도를 명시한다.
세그먼트-개별적 변형된 조직 경직도 필드(DSF)에 의존하여, 본 예시적 실시예에서 이미지 변환 모듈(IMT)에 의해 추가의 세그먼트-개별적 이미지 변형(further segment-individual image deformation)(WBD)이 설정된다. 추가의 이미지 변형(WBD)을 설정할 때, 변형된 조직 경직도 필드(DSF)에 따라 더 경직성인(stiffer) 조직 구역들이, 변형된 조직 경직도 필드(DSF)에 따라 더 부드러운 또는 더 유연한 조직 구역들보다 덜 변형되는 정도로, 공간적으로 분해된 조직 경직도가 고려된다. 따라서, 추가의 이미지 변형(WBD)은 실질적으로, 뼈의 이미지 구역을 변형하지 않을 수 있지만, 주변 근육은 더 강하게 변형된다. 따라서, 추가의 세그먼트-개별적 이미지 변형(WBD)은 세그먼트-개별적 이미지 변형(BD)의 정교화(refinement)인 것으로 고려될 수 있다. 이러한 방식으로, 해부학적 특징 데이터(ADAT) 및 특히 조직 경직도 필드(SF)가 공간적으로 더 정확한 방식으로, 환자 이미지 기록의 이미지 구조들과 연관될 수 있다.
정교화 방식으로 변형되는 참조 이미지 세그먼트들(WDRIMS)을 획득하기 위해, 추가의 이미지 변형(WBD)은 세그먼트-개별적 방식으로, 변형된 참조 이미지 세그먼트들(DRIMS)에 적용된다. 그와 동시에, 정교화 방식으로 변형된 조직 경직도 필드(WDSF)를 그에 따라 획득하기 위해, 추가의 이미지 변형(WBD)이 변형된 조직 경직도 필드(DSF)에 적용된다. 환자 이미지 세그먼트들(PIMS) 및 정교화 방식으로 변형된 조직 경직도 필드(WDSF)와 함께, 정교화 방식으로 변형된 참조 이미지 세그먼트들(WDRIMS)이 이미지 변환 모듈(IMT)로부터 캡쳐 모듈(capture module)(RM)로 송신된다.
캡쳐 모듈(RM)은 이미지 변환 모듈(IMT)에 커플링되고, 캡쳐 모듈(RM)은 참조 이미지 세그먼트들(RIMS)과 환자 이미지 세그먼트들(PIMS) 사이의 세그먼트-개별적 맵들에 기초하여 해부학적 특징(AM), 환자 이미지 세그먼트(PIMS) 및/또는 참조 이미지 세그먼트(RIMS)를 캡쳐 및/또는 등록하는 역할을 한다. 앞서 이미 설명된 바와 같이, 참조 이미지 기록(RIM)의 이미지 구조들과 환자 이미지 기록(PIM)의 이미지 구조들 사이의 맵 ― 상기 맵은 정교화 방식으로 선택적으로 변형됨 ― 은 환자 기록(PIM)의 이미지 구조들과 해부학적 특징 데이터(ADAT)의 그리고 특히 조직 경직도 필드(SF)의 비교적 정확한 공간적 연관을 허용한다. 이러한 방식으로, 환자 이미지 기록(PIM)의 이러한 이미지 구조들이 환자의 해부학적 특징들(AM)로서 특정하게 식별, 캡쳐링 및 등록될 수 있다. 특히, 이는 뼈들, 근육들, 장기들 또는 장기 구역들뿐만 아니라 조직 경직도를 해부학적 특징들(AM)로서 캡쳐링하는 것을 가능하게 만든다.
캡쳐 모듈(RM)은 환자 이미지 기록(PIM)을 참조 이미지 세그먼트들(RIMS)의 세그먼트-개별적으로(segment-individually) 변형된 이미지 구조들과 그리고/또는 참조 이미지 세그먼트들(RIMS)의 세그먼트-개별적으로 변형된 조직 경직도 필드들(DSF 또는 WDSF)과 결합함으로써 혼합된 이미지(mixed image)(MIX)를 생성하기 위한 이미지 생성기(image generator)(GEN)를 포함한다.
단말(terminal)(T)은 혼합된 이미지(MIX) 및 캡쳐링된 해부학적 특징들(AM)을 출력하는 목적들로 제 3 인터페이스(third interface)(I3)를 통해 이미지 프로세싱 시스템(IMS)에 커플링된다. 본 예시적 실시예에서, 다른 캡쳐링된 해부학적 특징들(AM) 및 혼합된 이미지(MIX)와 함께, 정교화 방식으로 변형된 조직 경직도 필드(WDSF)가 또한, 캡쳐 모듈(RM)에 의해 단말(T)에 출력된다. 정교화 방식으로 변형된 조직 경직도 필드(WDSF)와 함께, 혼합된 이미지(MIX) 및 해부학적 특징 데이터(AM)가 특히 또한, 환자 이미지 기록(PIM)의 외부 사후-프로세싱(external post-processing)을 위해 출력될 수 있다.
도 2는 본 발명에 따른 의료 이미지 프로세싱 방법의 작업 단계들을 개략적 예시로 설명한다. 본 발명에 따른 이미지 프로세싱 방법은 자기 공명 이미징에 의해 획득된 이미지 기록들에서 다리(leg)들의 세그먼테이션에 적용된다. 이미지 기록들은 도 2의 우측 상에 도시된 환자 이미지 기록(PIM) 및 도 2의 좌측 상에 도시된 참조 이미지 기록(RIM)을 포함한다. 각각의 경우에서, 이미지 기록들(PIM 및 RIM)은 공간적으로 분해된 자기 공명 이미징 기록들이며, 특히, 참조 이미지 기록(RIM)은 복수의 슬라이스(slice)들을 포함하고, 상이한 조직 유형들 사이를 구별한다. 본 예시적 실시예에서, 도 2에 도시된 참조 이미지 기록(RIM)의 좌측 이미지 부분은 특히, 뼈 구조들을 표현한다.
조직 구조들 및 특히 뼈 구조들은 본 발명에 따른 이미지 프로세싱 방법을 통해 환자 이미지 기록(PIM)에 대한 해부학적 특징들로서 캡쳐링되어야 한다. 환자 이미지 기록(PIM)으로부터 추출될 조직 구조들이 참조 이미지 기록(RIM)에 대해 이미 알려져 있고, 해부학적 특징 데이터(ADAT)에 의해 설명된다고 가정된다. 예로서, 해부학적 특징 데이터(ADAT)는 뼈 조직, 근육 조직 및 피부 조직의 수동으로 또는 자동으로 주석이 첨부된 메시 모델들에 의해 제공될 수 있다. 앞서 이미 언급된 바와 같이, 해부학적 특징 데이터(ADAT)는 또한, 공간적으로 분해된 경직도 필드(SF)를 포함한다.
도 2의 중앙 부분에서 설명되는 바와 같이, 관절(joint)들(G) ― 이 경우에서는 무릎 관절들 ― 이 환자 이미지 기록(PIM) 및 참조 이미지 기록(RIM)에서 각각 검출 및 로컬라이징된다. 더욱이, 다리들 사이의 연결 포인트(connecting point)가 이미지 기록들(PIM 및 RIM) 양쪽 모두에서 식별 및 로컬라이징된다. 도 2에서, 로컬라이징된 관절들(G) 및 연결 포인트들은 각각의 경우에서 X 표(cross)들로 표시된다. 이러한 검출 및 로컬라이제이션(localization)는 경험적 규칙(heuristic rule)들에 의해 또는 이른바 트레이닝된 랜드마크 검출기(trained landmark detector)들에 의해 자동으로 수행될 수 있다. 예로서, 이러한 랜드마크 검출기는 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2010에서 David Liu, S. Zhou, D. Bernhardt 및 D. Comaniciu에 의한 논문 "Search Strategies for Multiple Landmark Detection by Submodular Maximization"으로부터 알려져 있다.
환자 이미지 기록(PIM) 및 참조 이미지 기록(RIM)은 이후에, 로컬라이징된 관절들(G) 및 연결 포인트들에서 이미지 세그먼트들로 각각 세그먼트화되는데, 즉, 이 경우에서는 다리 세그먼트들로 각각 세그먼트화된다. 여기서, 환자 이미지 기록(PIM)은 환자 이미지 세그먼트들(PIMS1, ..., PIMS4)로 세분되고, 참조 이미지 기록(RIM)은 참조 이미지 세그먼트들(RIMS1, ..., RIMS4)로 세분된다. 결과적으로, 환자 이미지 세그먼트들(PIMS1, ..., PIMS4) 및 참조 이미지 세그먼트들(RIMS1, ..., RIMS4)이 초기에 캡쳐링 및 등록된다. 그 결과, 대응하는 참조 이미지 세그먼트(RIMS1, ... 또는 RIMS4)가 가장 큰 가능한 정도로, 대응하는 환자 이미지 세그먼트(PIMS1, ... 또는 PIMS4)에 중첩되도록 초래될 수 있는 방식으로, 세그먼트-개별적, 바람직하게는 아핀 이미지 변형(BD1, BD2, BD3 및 BD4)이 참조 이미지 세그먼트들(RIMS1, ..., RIMS4)의 각각의 참조 이미지 세그먼트에 대해 계산된다. 결과적으로 본 예시적 실시예에서, 4개의 개별 이미지 변환들(BD1, ..., BD4)이 계산된다. 이미지 변형들(BD1, ..., BD4)에 의한 환자 이미지 세그먼트들(PIMS1, ..., PIMS4) 상으로의 참조 이미지 세그먼트들(RIMS1, ..., RIMS4)의 맵들은 도 2에서 점선 화살표들에 의해 표시된다.
상호 독립적인 이미지 변형들(BD1, ..., BD4)은 특히, 환자 이미지 기록(PIM) 및 참조 이미지 기록(RIM)에서의 다리들의 상이한 포지셔닝을 보상할 수 있다. 바람직하게, 개별 이미지 변형들(BD1, ..., BD4)은, 바람직하게는 선형 방식으로, 결합된 이미지 변형(combined image deformation)(CBD)으로 결합될 수 있다. 그 다음으로, 결합된, 바람직하게는 폴리아핀(polyaffine) 이미지 변형(CBD)은 전체로서 참조 이미지 기록(RIM)에 그리고 특히, 거기에 이미징된 조직 구조들에 적용될 수 있다. 본 예시적 실시예에서, 결합된 이미지 변형(CBD)은 특히, 참조 이미지 기록(RIM)에 이미징된 단단한 조직 구조들에, 즉, 뼈 구조들에 적용된다.
참조 이미지 기록(RIM) 및 참조 이미지 기록(RIM)의 조직 구조들에 대한 결합된 이미지 변형(CBD)의 적용은 변형된 참조 이미지 기록(deformed reference image record)(DRIM)을 공급하며, 여기서 특히, 참조 이미지 기록(RIM)의 뼈 구조들은 환자 이미지 기록(PIM)에 이미징된 조직 구조들 상에 중첩되거나 또는 그 이미징된 조직 구조들에 피팅되도록(fitted) 초래된다. 추가적으로, 결합된 이미지 변형(CBD)은 또한, 정교화 방식으로 변형되는 참조 이미지 기록(WDRIM)을 그에 따라 생성하기 위해, 도 1과 함께 설명된 추가의 이미지 변형(WBD)을 포함할 수 있다.
변형 후에 환자 이미지 기록(PIM)에 피팅될(fit) 수 있는 참조 이미지 기록(RIM)의 변형된 조직 구조들은 또한, 단단한 조직 구조들, 예컨대, 뼈 구조들 및 다른 더 유연한 조직 구조들에 대한 개별적으로 개인화된 경직도 필드를 그에 따라 생성하기 위해, 참조 이미지 기록(RIM)의 이전에 알려진 경직도 필드(SF)를 변형시키기 위해 이용될 수 있다.
본 발명에 따른 이미지 프로세싱 방법은, 해부학적 특징들을 캡쳐링할 때 의료 이미지 기록들에서 (특히 관절들의 포지션에 의해 야기되는) 포지션-종속적 변화들 및 (특히 부드러운 조직의 변형에 의해 야기되는) 변형-종속적 변화들 양쪽 모두를 고려하고 보상하는 것을 가능하게 한다. 더욱이, 상이한 사람들, 비대칭성들 또는 병리학적 변형들 사이의 해부학적 차이들을 세그먼트-개별적 방식으로 보상하는 것이 또한 가능하다.

Claims (13)

  1. 의료 이미지 기록(medical image record)들에 기초하여 환자의 해부학적 특징(anatomical feature)들(AM)을 식별(identifying)하기 위한 의료 이미지 프로세싱 방법(medical image processing method)으로서,
    a) 환자 이미지 기록(patient image record)(PIM)이 판독되고,
    b) 참조 이미지 기록(reference image record)(RIM)이 판독되고,
    c) 상기 환자 이미지 기록(PIM) 및 상기 참조 이미지 기록(RIM)에서 관절(joint)들(G)을 로컬라이징(localize)하기 위해 패턴 인식 방법(pattern recognition method)이 이용되고,
    d) 로컬라이징된(localized) 관절들(G)에서, 상기 환자 이미지 기록(PIM)이 환자 이미지 세그먼트(patient image segment)들(PIMS)로 세그먼트화되고(segmented), 상기 참조 이미지 기록(RIM)이 참조 이미지 세그먼트(reference image segment)들(RIMS)로 세그먼트화되고,
    e) 각각의 참조 이미지 세그먼트(RIMS) 또는 환자 이미지 세그먼트(PIMS)에 대해 개별적 이미지 세그먼트의 변형(deformation of the individual image segement)(BD)이 설정되고, 상기 변형에 의해, 상기 참조 이미지 세그먼트(RIMS)의 이미지 구조들이 상기 환자 이미지 세그먼트(PIMS)의 대응하는 이미지 구조들에 맵핑되고(mapped),
    f) 상기 참조 이미지 세그먼트들(RIMS) 및 상기 환자 이미지 세그먼트들(PIMS) 사이의 개별적 세그먼트의 맵핑(mapping)들에 기초하여 해부학적 특징(AM)이 식별되고,
    상기 참조 이미지 기록(RIM)의 이미지 구조들은 해부학적 특징 데이터(anatomical feature data)(ADAT)와 연관되고, 그리고 상기 해부학적 특징 데이터(ADAT)는 상기 참조 이미지 기록(RIM)의 이미지 구조들이 맵핑되는(mapped) 상기 환자 이미지 기록(PIM)의 대응되는 이미지 구조들과 연관되고,
    상기 해부학적 특징 데이터(ADAT)는 공간적으로 분해된 특징 필드(spatially resolved feature field)를 포함하고,
    상기 특징 필드는 각각의 경우에서 설정된 상기 개별적 이미지 세그먼트의 변형(BD)에 의해 세그먼트-개별적 방식으로 변형되고,
    변형된 특징 필드는 공간적으로 분해되는 방식으로 상기 환자 이미지 기록(PIM) 상에 맵핑되고,
    상기 특징 필드는 조직 경직도 필드(tissue stiffness field)(SF)를 포함하고, 그리고
    상기 조직 경직도 필드(SF)는 공간적으로 분해되는 방식으로 조직 경직도를 명시하는,
    의료 이미지 기록들에 기초하여 환자의 해부학적 특징들(AM)을 식별하기 위한 의료 이미지 프로세싱 방법.
  2. 제 1 항에 있어서,
    하나의 이미지 구조가 다른 이미지 구조 상에 맵핑되는 식으로 맵핑될 상기 이미지 구조들은 상기 로컬라이징된 관절들(G)을 포함하는,
    의료 이미지 기록들에 기초하여 환자의 해부학적 특징들(AM)을 식별하기 위한 의료 이미지 프로세싱 방법.
  3. 제 1 항 또는 제 2 항에 있어서,
    상기 개별적 이미지 세그먼트의 변형(BD)은 아핀 이미지 변환(affine image transformation)을 포함하는,
    의료 이미지 기록들에 기초하여 환자의 해부학적 특징들(AM)을 식별하기 위한 의료 이미지 프로세싱 방법.
  4. 삭제
  5. 삭제
  6. 삭제
  7. 제 1 항에 있어서,
    공간적으로 분해되는 조직 경직도를 고려하여 추가의 이미지 변형(further image deformation)(WBD)이 상기 조직 경직도 필드(SF)에 종속되는 방식으로 설정되는,
    의료 이미지 기록들에 기초하여 환자의 해부학적 특징들(AM)을 식별하기 위한 의료 이미지 프로세싱 방법.
  8. 제 1 항 또는 제 2 항에 있어서,
    변형된 참조 이미지 세그먼트(deformed reference image segment)들(DRIMS, WDRIMS)로부터의 변형된 이미지 구조들이 환자 이미지 세그먼트들(PIMS)과 결합되고, 그리고
    결과적인 혼합된 이미지(mixed image)(MIX)가 출력되는,
    의료 이미지 기록들에 기초하여 환자의 해부학적 특징들(AM)을 식별하기 위한 의료 이미지 프로세싱 방법.
  9. 제 1 항 또는 제 2 항에 있어서,
    상기 환자 이미지 세그먼트들(PIMS) 또는 상기 참조 이미지 세그먼트들(RIMS) 중 적어도 하나가 식별되거나 또는 등록되는(registered),
    의료 이미지 기록들에 기초하여 환자의 해부학적 특징들(AM)을 식별하기 위한 의료 이미지 프로세싱 방법.
  10. 제 1 항 또는 제 2 항에 있어서,
    상기 개별적 이미지 세그먼트 변형들(BD) 및 상기 참조 이미지 세그먼트들(RIMS)은 상기 환자 이미지 기록(PIM)의 특정 구역들에 대해, 상기 구역들이 추가의 이미지 변형(WBD)의 범위 내에서 변형되는 정도(extent)를 설정하기 위해 이용되는,
    의료 이미지 기록들에 기초하여 환자의 해부학적 특징들(AM)을 식별하기 위한 의료 이미지 프로세싱 방법.
  11. 의료 이미지 기록들에 기초하여 환자의 해부학적 특징들(AM)을 식별하기 위한 의료 이미지 프로세싱 시스템(medical image processing system)(IMS)으로서,
    a) 환자 이미지 기록(PIM)을 판독하기 위한 제 1 인터페이스(first interface)(I1),
    b) 참조 이미지 기록(RIM)을 판독하기 위한 제 2 인터페이스(second interface)(I2),
    c) 상기 환자 이미지 기록(PIM) 및 상기 참조 이미지 기록(RIM)에서 관절들(G)을 로컬라이징(localizing)하기 위한 패턴 인식 모듈(pattern recognition module)(MM),
    d) 로컬라이징된 관절들(G)에서, 상기 환자 이미지 기록(PIM)을 환자 이미지 세그먼트들(PIMS)로 세그먼트화(segmenting)하고, 상기 참조 이미지 기록(RIM)을 참조 이미지 세그먼트들(RIMS)로 세그먼트화하기 위한 세그먼테이션 모듈(segmentation module)(SM),
    e) 각각의 참조 이미지 세그먼트(RIMS) 또는 환자 이미지 세그먼트(PIMS)에 대해 개별적 이미지 세그먼트의 변형(BD)을 설정하기 위한 이미지 변환 모듈(image transformation module)(IMT) ― 상기 개별적 이미지 세그먼트의 변형(BD)은 상기 참조 이미지 세그먼트(RIMS)의 이미지 구조들을 상기 환자 이미지 세그먼트(PIMS)의 대응하는 이미지 구조들 상에 맵핑(map)함 ―, 및
    f) 상기 참조 이미지 세그먼트들(RIMS)과 상기 환자 이미지 세그먼트들(PIMS) 사이의 개별적 세그먼트의 맵핑들에 기초하여 해부학적 특징(AM)을 식별하기 위한 식별 모듈(identify module)(RM)
    을 포함하고,
    상기 참조 이미지 기록(RIM)의 이미지 구조들은 해부학적 특징 데이터(ADAT)와 연관되고, 그리고 상기 해부학적 특징 데이터(ADAT)는 상기 참조 이미지 기록(RIM)의 이미지 구조들이 맵핑되는 상기 환자 이미지 기록(PIM)의 대응되는 이미지 구조들과 연관되고,
    상기 해부학적 특징 데이터(ADAT)는 공간적으로 분해된 특징 필드를 포함하고,
    상기 특징 필드는 각각의 경우에서 설정된 상기 개별적 이미지 세그먼트의 변형(BD)에 의해 세그먼트-개별적 방식으로 변형되고,
    변형된 특징 필드는 공간적으로 분해되는 방식으로 상기 환자 이미지 기록(PIM) 상에 맵핑되고,
    상기 특징 필드는 조직 경직도 필드(SF)를 포함하고, 그리고
    상기 조직 경직도 필드(SF)는 공간적으로 분해되는 방식으로 조직 경직도를 명시하는,
    의료 이미지 기록들에 기초하여 환자의 해부학적 특징들(AM)을 식별하기 위한 의료 이미지 프로세싱 시스템(IMS).
  12. 저장된 컴퓨터 프로그램 제품(computer program product)을 포함하는 컴퓨터 판독가능 저장 매체(computer-readable storage medium)로서,
    상기 컴퓨터 프로그램 제품은 제 1 항 또는 제 2 항 중 어느 한 항에 청구된 바와 같은 의료 이미지 프로세싱 방법을 실행하도록 또는 제 11 항에 청구된 바와 같은 의료 이미지 프로세싱 시스템(IMS)을 구현하도록 구성되는, 컴퓨터-판독가능 저장 매체.
  13. 삭제
KR1020160077470A 2015-06-24 2016-06-21 의료 이미지 프로세싱 방법 및 이미지 프로세싱 시스템 KR101839891B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102015211714.6A DE102015211714B4 (de) 2015-06-24 2015-06-24 Medizinisches Bildverarbeitungsverfahren und Bildverarbeitungssystem
DE102015211714.6 2015-06-24

Publications (2)

Publication Number Publication Date
KR20170000789A KR20170000789A (ko) 2017-01-03
KR101839891B1 true KR101839891B1 (ko) 2018-03-19

Family

ID=57537411

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160077470A KR101839891B1 (ko) 2015-06-24 2016-06-21 의료 이미지 프로세싱 방법 및 이미지 프로세싱 시스템

Country Status (4)

Country Link
US (1) US9977982B2 (ko)
KR (1) KR101839891B1 (ko)
CN (1) CN106295110B (ko)
DE (1) DE102015211714B4 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210082688A (ko) 2019-12-26 2021-07-06 (의료)길의료재단 증강 현실을 이용한 모의 수술 시스템 및 방법

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111247592B (zh) * 2017-11-07 2024-04-16 唯盼健康科技有限公司 用于随时间量化组织的系统和方法
DE102017221924B3 (de) * 2017-12-05 2019-05-02 Siemens Healthcare Gmbh Verfahren zur Fusionierung eines Analysedatensatzes mit einem Bilddatensatz, Positionierungseinrichtung und Computerprogramm
TW202023489A (zh) * 2018-11-08 2020-07-01 美商外科劇院有限責任公司 用於光學追蹤之系統及方法
KR102318133B1 (ko) 2019-02-28 2021-10-27 인더스마트 주식회사 의료용 이미지 데이터 관리장치 및 기록매체
CN111243026B (zh) * 2020-01-19 2023-09-22 武汉联影智融医疗科技有限公司 解剖标记点定位方法、装置、计算机设备和存储介质
KR102386749B1 (ko) * 2021-12-07 2022-04-14 오민규 골프공 스탬프

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012130667A (ja) * 2010-12-22 2012-07-12 Toshiba Corp 医用画像処理装置、医用画像処理方法、医用画像処理プログラム

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE69717359T2 (de) * 1996-07-29 2003-04-30 Matsushita Electric Ind Co Ltd Verfahren zur Komprimierung und Dekomprimierung von eindimensionalen Zeitserien
ATE413135T1 (de) * 2000-09-14 2008-11-15 Univ Leland Stanford Junior Beurteilung des zustandes eines gelenkes und des verlustes von knorpelgewebe
US9025841B2 (en) * 2009-11-18 2015-05-05 Siemens Aktiengesellschaft Method and system for segmentation of the prostate in 3D magnetic resonance images
DE102010012797B4 (de) * 2010-03-25 2019-07-18 Siemens Healthcare Gmbh Rechnergestützte Auswertung eines Bilddatensatzes

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012130667A (ja) * 2010-12-22 2012-07-12 Toshiba Corp 医用画像処理装置、医用画像処理方法、医用画像処理プログラム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210082688A (ko) 2019-12-26 2021-07-06 (의료)길의료재단 증강 현실을 이용한 모의 수술 시스템 및 방법

Also Published As

Publication number Publication date
US9977982B2 (en) 2018-05-22
CN106295110A (zh) 2017-01-04
DE102015211714A1 (de) 2016-12-29
DE102015211714B4 (de) 2020-10-22
CN106295110B (zh) 2020-06-09
US20160379362A1 (en) 2016-12-29
KR20170000789A (ko) 2017-01-03

Similar Documents

Publication Publication Date Title
KR101839891B1 (ko) 의료 이미지 프로세싱 방법 및 이미지 프로세싱 시스템
US20200226827A1 (en) Apparatus and method for generating 3-dimensional full body skeleton model using deep learning
CN117017328A (zh) 用于医学成像中的患者定位的根据相机数据的密集身体标记估计
CN103402453A (zh) 用于导航系统的自动初始化和配准的系统和方法
KR20190105092A (ko) 영상 정합 장치 및 영상 정합 방법
BRPI0919448B1 (pt) método para o rastreamento de uma unidade folicular e sistema para o rastreamento de uma unidade folicular.
EP3463097B1 (en) Correcting probe induced deformation in an ultrasound fusing imaging system
JP2016517759A (ja) メッシュ・セグメンテーション及びメッシュ・レジストレーションのための方法及びシステム
CN107787203B (zh) 图像配准
EP3242602B1 (en) Ultrasound imaging apparatus and method for segmenting anatomical objects
Zhang et al. 3-D reconstruction of the spine from biplanar radiographs based on contour matching using the hough transform
CN111340859A (zh) 用于图像配准的方法、学习装置和医学成像装置
Schumann et al. An integrated system for 3D hip joint reconstruction from 2D X-rays: a preliminary validation study
US20170270678A1 (en) Device and method for image registration, and non-transitory recording medium
CN108182434B (zh) 一种图像处理方法及装置
CN108430376B (zh) 提供投影数据集
CN114943714A (zh) 医学图像处理系统、装置、电子设备及存储介质
Singh et al. Estimating a patient surface model for optimizing the medical scanning workflow
CN109350059A (zh) 用于肘部自动对准的组合的转向引擎和界标引擎
KR20160057024A (ko) 마커리스 ３차원 객체추적 장치 및 그 방법
JP2023026400A (ja) 画像レジストレーションを実行するコンピュータ実装方法、システム、および、プログラム（医用画像の可変レジストレーション）
Richey et al. Soft tissue monitoring of the surgical field: detection and tracking of breast surface deformations
CN107092774B (zh) 一种提供参考信息的方法及装置
Saadat et al. An efficient image registration method for 3D post-operative analysis of total knee arthroplasty
KR101670133B1 (ko) 종양 추적 방법 및 그 장치

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant