KR101899866B1 - 병변 경계의 오류 검출 장치 및 방법, 병변 경계의 오류 수정 장치 및 방법 및, 병변 경계의 오류 검사 장치 - Google Patents

병변 경계의 오류 검출 장치 및 방법, 병변 경계의 오류 수정 장치 및 방법 및, 병변 경계의 오류 검사 장치 Download PDF

Info

Publication number
KR101899866B1
KR101899866B1 KR1020110114143A KR20110114143A KR101899866B1 KR 101899866 B1 KR101899866 B1 KR 101899866B1 KR 1020110114143 A KR1020110114143 A KR 1020110114143A KR 20110114143 A KR20110114143 A KR 20110114143A KR 101899866 B1 KR101899866 B1 KR 101899866B1
Authority
KR
South Korea
Prior art keywords
lesion
boundary
image frame
error
target image
Prior art date
Application number
KR1020110114143A
Other languages
English (en)
Other versions
KR20130049091A (ko
Inventor
장주호
성영경
박문호
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020110114143A priority Critical patent/KR101899866B1/ko
Priority to US13/668,068 priority patent/US8977052B2/en
Publication of KR20130049091A publication Critical patent/KR20130049091A/ko
Priority to US14/611,602 priority patent/US9697611B2/en
Priority to US15/611,199 priority patent/US10109053B2/en
Application granted granted Critical
Publication of KR101899866B1 publication Critical patent/KR101899866B1/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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/174—Segmentation; Edge detection involving the use of two or more images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30068—Mammography; Breast
    • 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
    • G06T2207/30096—Tumor; Lesion

Abstract

3차원 이미지 프레임을 구성하는 2차원 이미지에 포함된 병변의 경계를 추출한 후, 추출된 병변의 경계에 오류가 있는지를 검출하고 수정하는 기술이 개시된다. 본 발명의 일 실시예에 따른 병변 경계의 오류 검출 장치는 3차원 이미지를 구성하는 2차원 이미지 프레임들에 포함된 병변의 경계(contour)를 추출하고, 2차원 이미지 프레임들 중 대상 이미지 프레임에 포함된 병변에 관한 예측 정보 및 대상 이미지 프레임에 포함된 병변의 경계에 대응되는 에너지 값 중 적어도 하나에 기초하여 대상 이미지 프레임에 포함된 병변의 경계에 오류가 있는지 여부를 판단할 수 있다.

Description

병변 경계의 오류 검출 장치 및 방법, 병변 경계의 오류 수정 장치 및 방법 및, 병변 경계의 오류 검사 장치{APPARATUS AND METHOD FOR DETECTING ERROR OF LESION CONTOUR, APPARATUS AND METHOD FOR CORRECTING ERROR OF LESION CONTOUR AND, APPARATUS FOR INSECTING ERROR OF LESION CONTOUR}
3차원 이미지 프레임을 구성하는 2차원 이미지에 포함된 병변의 경계를 추출한 후, 추출된 병변의 경계에 오류가 있는지를 검출하고 수정하는 기술과 관련된다.
최근에는, 2차원 이미지의 한계를 극복하기 위해 3차원 이미지로 병변을 획득할 수 있는 의료 장비들이 개발되고 있다. 3차원 이미지는 여러 개의 2차원 이미지로 구성되어 있다.
그러나, 잡음(noise), 낮은 해상도(resolution), 낮은 대조도(contrast) 등에 의해 이미지에 포함된 병변의 경계를 정확하게 검출하는 것은 어렵다. 따라서, 검출된 병변의 경계는 오류를 포함할 가능성이 있다. 3차원 이미지는 다수의 2차원 이미지로 구성되어 있기 때문에, 사용자가 병변의 경계에 포함된 오류를 일일이 검출 및 수정하는 것은 어렵다.
따라서, 병변의 경계에 오류가 있는지 여부를 편리하게 검출하고, 오류가 존재하는 경우 오류를 정확하게 수정할 수 있는 기술이 필요하다.
대상 이미지 프레임에 포함된 병변에 관한 예측 정보 또는 병변의 경계에 대응되는 에너지 값을 이용하여 병변 경계의 오류를 검출함으로써, 정확하게 병변 경계의 오류를 검출할 수 있는 오류 검출 장치 및 방법이 개시된다.
대상 이미지 프레임의 주변에 존재하는 2차원 이미지 프레임에 포함된 병변의 경계에 기초하여 기준 병변 경계를 생성하고, 기준 병변 경계를 변경시켜 생성된 후보 병변 경계 중 어느 하나를 이용하여 대상 이미지 프레임에 포함된 병변 경계를 수정함으로써, 대상 이미지 프레임에 포함된 병변의 경계를 정확하게 수정할 수 있는 오류 수정 장치 및 방법이 개시된다.
본 발명의 일 실시예에 따른 병변 경계의 오류 검출 장치는 3차원 이미지를 구성하는 2차원 이미지 프레임들에 포함된 병변의 경계(contour)를 추출하는 추출부 및 2차원 이미지 프레임들 중 대상 이미지 프레임에 포함된 병변에 관한 예측 정보 및 대상 이미지 프레임에 포함된 병변의 경계에 대응되는 에너지 값 중 적어도 하나에 기초하여 대상 이미지 프레임에 포함된 병변의 경계에 오류가 있는지 여부를 판단하는 오류 판단부를 포함한다.
병변 경계의 오류 검출 장치는 대상 이미지 프레임의 이전 및 이후에 획득된 2차원 이미지 프레임들 중 적어도 하나에 포함된 병변의 정보에 기초하여, 병변에 관한 예측 정보를 생성하는 예측부를 더 포함할 수 있다.
예측부는 대상 이미지 프레임의 이전 및 이후에 획득된 2차원 이미지 프레임들 중 적어도 하나에 포함된 병변 정보의 변화 추이에 기초하여, 병변에 관한 예측 정보를 생성할 수 있다.
병변 경계의 오류 검출 장치는 대상 이미지 프레임에 포함된 병변의 경계의 주변에 대응되는 픽셀의 정보에 기초하여 병변의 경계에 대응되는 에너지 값들을 연산하는 연산부를 더 포함할 수 있다.
오류 판단부는 대상 이미지 프레임에 포함된 병변의 경계에 대응되는 에너지 값 및 설정된 에너지 값을 비교하여 대상 이미지 프레임에 포함된 병변의 경계에 오류가 있는지 여부를 판단할 수 있다.
오류 판단부는 2차원 이미지 프레임들에 포함된 병변의 경계들에 대응되는 에너지 값들의 분포에 기초하여 대상 이미지 프레임에 포함된 병변의 경계에 오류가 있는지 여부를 판단할 수 있다.
오류 판단부는 대상 이미지 프레임에 포함된 병변의 정보의 각 세부 정보 및 예측 정보의 각 세부 정보를 비교하여 대상 이미지 프레임에 포함된 병변의 경계에 오류가 있는지 여부를 판단하고, 판단 결과에 기초하여 최종적으로 대상 이미지 프레임에 포함된 병변의 경계에 오류가 있는지 여부를 판단할 수 있다.
병변의 정보는 병변 이미지의 모양 정보, 병변 이미지의 방향성 정보, 병변 이미지의 경계 정보, 병변 이미지의 균일도, 병변 경계의 면적 정보, 병변 경계의 중심점 정보, 병변 경계의 둘레 정보, 병변 경계의 가로 길이 정보, 병변 경계의 세로 길이 정보, 병변 경계의 최장 축 길이 정보 및 병변 경계의 최단 축 길이 정보 중 적어도 하나를 포함할 수 있다.
본 발명의 일 실시예에 따른 병변 경계의 오류 수정 장치는 3차원 이미지를 구성하는 2차원 이미지 프레임들에 포함된 병변의 경계를 추출하는 추출부와, 대상 이미지 프레임의 이전 및 이후에 획득된 2차원 이미지 프레임들 중 적어도 하나에 포함된 병변의 경계에 기초하여, 기준 병변 경계를 생성하는 생성부 및 대상 이미지 프레임의 병변 경계를, 기준 병변 경계를 변경시켜 생성한 후보 병변 경계 중 어느 하나로 변경하는 변경부를 포함한다.
생성부는 대상 이미지 프레임의 이전 및 이후에 획득된 2차원 이미지 프레임들 중 적어도 두 개를 겹치고, 겹쳐진 2차원 이미지 프레임들에 포함된 병변의 경계들 중 바깥 경계, 안쪽 경계, 병변 경계들의 중간 경계 및 병변 경계들의 평균 경계 중 어느 하나를 기준 병변 경계로 생성할 수 있다.
생성부는 대상 이미지 프레임의 이전 및 이후에 획득된 2차원 이미지 프레임들 중 적어도 하나에 포함된 병변 경계의 변화 추이에 기초하여 대상 이미지 프레임에 포함된 병변 경계를 예측하고, 예측된 병변 경계를 기준 병변 경계로 생성할 수 있다.
변경부는 설정된 병변 경계 범위 내에서 기준 병변 경계를 변경할 수 있다.
변경부는 후보 병변 경계의 주변에 대응되는 픽셀의 정보에 기초하여 후보 병변의 경계에 대응되는 에너지 값들을 연산하고, 후보 병변 경계 및 기준 병변 경계의 유사도를 나타내는 유사도 값을 연산하고, 연산된 에너지 값 및 연산된 유사도 값에 기초하여 후보 병변 경계 중 어느 하나를 선택할 수 있다.
본 발명의 일 실시예에 따른 병변 경계의 오류 검사 장치는 3차원 이미지를 구성하는 2차원 이미지 프레임들에 포함된 병변의 경계(contour)를 추출하는 추출부와, 2차원 이미지 프레임들 중 대상 이미지 프레임에 포함된 병변에 관한 예측 정보 및 대상 이미지 프레임에 포함된 병변의 경계에 대응되는 에너지 값 중 적어도 하나에 기초하여 대상 이미지 프레임에 포함된 병변의 경계에 오류가 있는지 여부를 판단하는 오류 판단부와, 오류가 있다고 판단된 경우, 대상 이미지 프레임의 이전 및 이후에 획득된 2차원 이미지 프레임들 중 적어도 하나에 포함된 병변의 경계에 기초하여, 기준 병변 경계를 생성하는 생성부 및 대상 이미지 프레임의 병변 경계를, 기준 병변 경계를 변경시켜 생성한 후보 병변 경계들 중 어느 하나로 변경하는 변경부를 포함한다.
병변 경계의 오류 검사 장치는 대상 이미지 프레임의 이전 및 이후에 획득된 2차원 이미지 프레임들 중 적어도 하나에 포함된 병변의 정보에 기초하여, 병변에 관한 예측 정보를 생성하는 예측부를 더 포함할 수 있다.
예측부는 대상 이미지 프레임의 이전 및 이후에 획득된 2차원 이미지 프레임들 중 적어도 하나에 포함된 병변 정보의 변화 추이에 기초하여, 병변에 관한 예측 정보를 생성할 수 있다.
병변 경계의 오류 검사 장치는 대상 이미지 프레임에 포함된 병변의 경계의 주변에 대응되는 픽셀의 정보에 기초하여 병변의 경계에 대응되는 에너지 값들을 연산하는 연산부를 더 포함할 수 있다.
오류 판단부는 대상 이미지 프레임에 포함된 병변의 경계에 대응되는 에너지 값 및 설정된 에너지 값을 비교하거나, 2차원 이미지 프레임들에 포함된 병변의 경계들에 대응되는 에너지 값들의 분포에 기초하여 대상 이미지 프레임에 포함된 병변의 경계에 오류가 있는지 여부를 판단할 수 있다.
오류 판단부는 대상 이미지 프레임에 포함된 병변의 정보의 각 세부 정보 및 예측 정보의 각 세부 정보를 비교하여 대상 이미지 프레임에 포함된 병변의 경계에 오류가 있는지 여부를 판단하고, 판단 결과에 기초하여 최종적으로 대상 이미지 프레임에 포함된 병변의 경계에 오류가 있는지 여부를 판단할 수 있다.
생성부는 병변에 관한 예측 정보에 기초하여 생성된 병변 경계를 기준 병변 경계로 생성할 수 있다.
변경부는 설정된 병변 경계 범위 내에서 기준 병변 경계를 변경시킬 수 있다.
생성부는 대상 이미지 프레임의 이전 및 이후에 획득된 2차원 이미지 프레임들 중 적어도 두 개를 겹치고, 겹쳐진 2차원 이미지 프레임들에 포함된 병변의 경계들 중 바깥 경계, 안쪽 경계, 병변 경계들의 중간 경계 및 병변 경계들의 평균 경계 중 어느 하나를 기준 병변 경계로 생성할 수 있다.
변경부는 후보 병변 경계의 주변에 대응되는 픽셀의 정보에 기초하여 후보 병변의 경계에 대응되는 에너지 값들을 연산하고, 후보 병변 경계 및 기준 병변 경계의 유사도를 나타내는 유사도 값을 연산하고, 연산된 에너지 값 및 연산된 유사도 값에 기초하여 후보 병변 경계 중 어느 하나를 선택할 수 있다.
본 발명의 일 실시예에 따른 오류 검출 방법은 3차원 이미지를 구성하는 2차원 이미지 프레임들에 포함된 병변의 경계(contour)를 추출하는 단계 및 2차원 이미지 프레임들 중 대상 이미지 프레임에 포함된 병변에 관한 예측 정보 또는 대상 이미지 프레임에 포함된 병변의 경계에 대응되는 에너지 값에 기초하여 대상 이미지 프레임에 포함된 병변의 경계에 오류가 있는지 여부를 판단하는 단계를 포함한다.
본 발명의 일 실시예에 따른 오류 수정 방법은 3차원 이미지를 구성하는 2차원 이미지 프레임들에 포함된 병변의 경계를 추출하는 단계와, 대상 이미지 프레임의 이전 및 이후에 획득된 2차원 이미지 프레임들 중 적어도 하나에 포함된 병변의 경계에 기초하여, 기준 병변 경계를 생성하는 단계 및 대상 이미지 프레임의 병변 경계를, 기준 병변 경계를 변경시켜 생성된 후보 병변 경계 중 어느 하나로 변경하는 단계를 포함한다.
개시된 내용에 따르면, 대상 이미지 프레임에 포함된 병변에 관한 예측 정보 또는 병변의 경계에 대응되는 에너지 값을 이용하여 병변 경계의 오류를 검출함으로써, 정확하게 병변 경계의 오류를 검출할 수 있다.
개시된 내용에 따르면, 대상 이미지 프레임의 주변에 존재하는 2차원 이미지 프레임에 포함된 병변의 경계에 기초하여 기준 병변 경계를 생성하고, 기준 병변 경계를 변경시켜 생성된 후보 병변 경계 중 어느 하나를 이용하여 대상 이미지 프레임에 포함된 병변 경계를 수정함으로써, 대상 이미지 프레임에 포함된 병변의 경계를 정확하게 수정할 수 있다.
도 1은 본 발명의 일 실시예와 관련된 오류 검출 장치를 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예에 따른 오류 검출 장치가 병변 경계의 오류를 검출하는 일 실시예에 따른 과정을 설명하기 위한 도면이다.
도 3a 및 도 3b는 본 발명의 일 실시예에 따른 오류 검출 장치가 병변 경계의 오류를 검출하는 또 다른 일 실시예에 따른 과정을 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른 오류 검출 장치가 병변 경계의 오류를 검출하는 또 다른 일 실시예에 따른 과정을 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 오류 검출 장치가 병변 경계의 오류를 검출하는 또 다른 일 실시예에 따른 과정을 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른 오류 검출 장치가 병변 경계의 오류를 검출하는 또 다른 일 실시예에 따른 과정을 설명하기 위한 도면이다.
도 7은 본 발명의 일 실시예에 따른 오류 검출 장치가 병변 경계의 오류를 검출하는 또 다른 일 실시예에 따른 과정을 설명하기 위한 도면이다.
도 8은 본 발명의 일 실시예에 따른 오류 수정 장치를 설명하기 위한 도면이다.
도 9는 본 발명의 일 실시예에 따른 오류 수정 장치가 기준 병변 경계를 생성하는 과정을 설명하기 위한 도면이다.
도 10a 내지 도 10d는 본 발명의 일 실시예에 따른 오류 수정 장치가 기준 병변 경계를 생성하는 또 다른 일 실시예에 따른 과정을 설명하기 위한 도면이다.
도 11a 내지 도 11e는 본 발명의 일 실시예에 따른 오류 수정 장치가 후보 병변 경계 중 어느 하나를 선택하는 과정을 설명하기 위한 도면이다.
도 12는 본 발명의 일 실시예에 따른 병변 경계의 오류 검사 장치를 설명하기 위한 도면이다.
도 13은 본 발명의 일 실시에에 따른 병변 경계의 오류 검출 방법을 설명하기 위한 흐름도이다.
도 14는 본 발명의 일 실시에에 따른 병변 경계의 오류 수정 방법을 설명하기 위한 흐름도이다.
이하, 첨부된 도면을 참조하여 발명을 실시하기 위한 구체적인 내용에 대하여 상세하게 설명한다.
도 1은 본 발명의 일 실시예와 관련된 오류 검출 장치를 설명하기 위한 도면이다.
도 1을 참조하면, 오류 검출 장치(100)는 추출부(110), 예측부(120), 연산부(130) 및 오류 판단부(140)를 포함한다.
추출부(110)는 3차원 이미지를 구성하는 2차원 이미지 프레임들에 포함된 병변의 경계(contour)를 추출할 수 있다. 예를 들면, 추출부(110)는 2차원 이미지 프레임들에 대해 이미지 세그멘테이션을 실행하여, 2차원 이미지 프레임들에 포함된 병변의 경계를 추출할 수 있다.
예측부(120)는 대상 이미지 프레임의 이전 및 이후에 획득된 2차원 이미지 프레임들 중 적어도 하나에 포함된 병변의 정보에 기초하여, 대상 이미지 프레임에 포함된 병변에 관한 예측 정보를 생성할 수 있다.
예측 정보는 주변 이미지 프레임에 포함된 병변의 정보에 기초하여 예측된 대상이미지 프레임에 포함된 병변에 관한 정보를 의미한다.
병변의 정보는 병변 이미지에 관한 특징 정보 및 병변 경계에 관한 특징 정보를 포함할 수 있다. 병변 이미지에 관한 특징 정보의 예로, 대상 이미지 프레임에 포함된 병변 이미지의 모양 정보, 병변 이미지의 방향성 정보, 병변 이미지의 경계 정보 및 병변 이미지의 균일도 정보 등이 될 수 있으며, 병변 경계에 관한 특징 정보의 예로, 주변 병변 경계 간의 유사도 정보, 병변 경계의 면적 정보, 병변 경계의 중심점 정보, 병변 경계의 둘레 정보, 병변 경계의 가로 길이 정보, 병변 경계의 세로 길이 정보, 병변 경계의 최장 축 길이 정보 및 병변 경계의 최단 축 길이 정보 등이 될 수 있다..
특별히 유방 검사의 경우, 병변 이미지에 관한 특징 정보는 BI-RADS(Breast Imaging and Reporting Data System)에 이용되는 정보일 수 있다.
예측부(120)는 대상 이미지 프레임의 이전 및 이후에 획득된 2차원 이미지 프레임들 중 적어도 하나에 포함된 병변 정보의 변화 추이에 기초하여, 병변에 관한 예측 정보를 생성할 수 있다. 예측부(120)는 병변 정보의 변화 추이에 기초하여 병변에 관한 예측 정보를 생성함으로써, 예측 정보에 변화 추이를 반영시킬 수 있다.
연산부(130)는 대상 이미지 프레임에 포함된 병변의 경계의 주변에 대응되는 픽셀의 정보에 기초하여 대상 이미지 프레임에 포함된 병변의 경계에 대응되는 에너지 값들을 연산할 수 있다.
픽셀의 정보는 픽셀 값 및 기울기(gradient) 값 등을 포함할 수 있다. 픽셀 값이란 인식된 빛을 디지털 값으로 표현한 값을 의미한다. 예를 들면, 8비트의 디지털 값으로 표현하는 경우, 인식된 빛은 0~255의 숫자로 표현될 수 있다. 가장 밝은 컬러를 0으로 표현하고, 가장 어두운 컬러를 255로 표현할 수 있다. 이와 반대로 설정할 수도 있다. 또한, 디지털 값은 12비트 또는 16비트 등과 같이 다양한 크기의 비트로 표현될 수 있다.
일 양상에 따라, 연산부(130)는 경계 내부의 픽셀 정보와 경계 외부의 픽셀 정보 간의 차이를 소정의 에너지 값(또는 에너지 함수)으로 정의할 수 있다. 예컨대, 병변의 경계를 기준으로 안과 밖의 명암비에 따라 소정의 에너지 값이 정의될 수 있다. 이 에너지 값은 추출된 병변의 경계가 실제 이미지에 포함된 병변의 경계와 얼마나 정확하게 일치되는지 여부를 판단하는 기준으로 다양하게 사용될 수 있다.
예를 들어, 어떤 이미지 프레임의 에너지 값이 소정의 임계범위를 벗어나는 경우, 그 이미지 프레임에 있는 병변의 경계는 실제 병변의 경계와 차이가 있음을 나타낼 수 있다. 또한 어떤 이미지 프레임의 에너지 값이 주변 이미지 프레임(즉, 이전 및 이후 프레임)의 에너지 값에 비해 상대적으로 큰 차이를 보이는 경우에도, 그 이미지 프레임에 있는 병변의 경계는 실제 병변의 경계와 차이가 있을 수 있다.
만약, 명암비에 따라 에너지 값을 정의하면, 에너지 값에 따라 경계의 선명도가 정해질수도 있다. 그러나 이것은 이해를 돕기 위한 하나의 예에 불과한 것으로, 경계의 선명도와 병변 여부 또는 경계의 선명도와 병변 경계의 오류 존재 여부는 무관할 수 있다.
오류 판단부(140)는 2차원 이미지 프레임들 중 대상 이미지 프레임에 포함된 병변에 관한 예측 정보 및 대상 이미지 프레임에 포함된 병변의 경계에 대응되는 에너지 값 중 적어도 하나에 기초하여 대상 이미지 프레임에 포함된 병변의 경계에 오류가 있는지 여부를 판단할 수 있다. 예측 정보는 예측부(120)에 의해 생성되고, 에너지 값은 연산부(130)에 의해 연산된다.
예를 들면, 오류 판단부(140)는 대상 이미지 프레임에 포함된 병변의 경계에 대응되는 에너지 값 및 설정된 에너지 값을 비교하여, 대상 이미지 프레임에 포함된 병변의 경계에 오류가 있는지 여부를 판단할 수 있다. 예를 들면, 병변의 경계에 대응되는 에너지 값이 설정된 에너지 값보다 작은 경우, 오류 판단부(140)는 병변의 경계에 오류가 존재한다고 판단할 수 있다. 이에 대한 구체적인 설명은 도 2를 참조하여 구체적으로 설명하겠다.
또 다른 예를 들면, 오류 판단부(140)는 2차원 이미지 프레임들에 포함된 병변의 경계들에 대응되는 에너지 값들의 분포에 기초하여, 대상 이미지 프레임에 포함된 병변의 경계에 오류가 있는지 여부를 판단할 수 있다. 오류 판단부(140)는 2차원 이미지 프레임들의 에너지 값들의 분포에 기초하여, 다른 이미지 프레임들의 에너지 값에 비해 매우 크거나 작은 에너지 값을 갖는 이미지 프레임을 추출할 수 있다. 오류 판단부(140)는 추출된 이미지 프레임에 포함된 병변의 경계에 오류가 있다고 판단할 수 있다. 다른 이미지 프레임들의 에너지 값에 비해 크거나 작은 에너지 값을 갖는다는 것은 해당하는 이미지 프레임에 포함된 병변의 경계의 오류가 존재할 가능성이 높다는 것을 의미한다. 이에 대한 구체적인 설명은 도 3a 및 도 3b를 참조하여 구체적으로 설명하겠다.
오류 판단부(140)는 대상 이미지 프레임에 포함된 병변의 정보의 각 세부 정보 및 예측 정보의 각 세부 정보를 비교하여 대상 이미지 프레임에 포함된 병변의 경계에 오류가 있는지 여부를 판단한 후, 판단 결과에 기초하여 최종적으로 대상 이미지 프레임에 포함된 병변의 경계에 오류가 있는지 여부를 판단할 수 있다. 이에 대한 구체적인 설명은 도 4 내지 도 6을 참조하여 구체적으로 설명하겠다.
오류 검출 장치는 대상 이미지 프레임에 포함된 병변에 관한 예측 정보 또는 병변의 경계에 대응되는 에너지 값을 이용하여 병변 경계의 오류를 검출함으로써, 정확하게 병변 경계의 오류를 검출할 수 있다.
오류 검출 장치는 대상 이미지 프레임의 이전 및 이후에 획득된 2차원 이미지 프레임에 포함된 병변의 정보를 이용하여 오류를 검출함으로써, 정확하게 병변 경계의 오류를 검출할 수 있다.
도 2는 본 발명의 일 실시예에 따른 오류 검출 장치가 병변 경계의 오류를 검출하는 일 실시예에 따른 과정을 설명하기 위한 도면이다.
도 2를 참조하면, 오류 검출 장치는 3차원 이미지를 구성하는 제 1 이미지 프레임(200), 제 2 이미지 프레임(210) 및 제 3 이미지 프레임(220)로부터 제 1 병변 경계(201), 제 2 병변 경계(211) 및 제 3 병변 경계(221)를 추출할 수 있다.
이하에서는 에너지 값이 병변 경계를 기준으로 내부에 존재하는 픽셀 값 및 외부에 존재하는 픽셀 값의 차이값인 경우를 가정한다. 에너지 값이 작을 수록 병변 경계에 오류가 있을 가능성이 높다고 가정한다.
오류 검출 장치는 대상 이미지 프레임인 제 1 이미지 프레임(200), 제 2 이미지 프레임(210) 및 제 3 이미지 프레임(220)에 포함된 병변의 경계(201, 211, 221)의 주변에 대응되는 픽셀의 정보에 기초하여 병변의 경계(201, 211, 221)에 대응되는 에너지 값들(100, 30, 105)을 연산할 수 있다.
오류 검출 장치는 병변의 경계(201, 211, 221)에 대응되는 에너지 값들(100, 30, 105) 및 설정된 에너지 값을 비교하여, 제 1 이미지 프레임(200), 제 2 이미지 프레임(210) 및 제 3 이미지 프레임(220)에 포함된 병변의 경계에 오류가 있는지 여부를 판단할 수 있다. 병변의 경계에 대응되는 에너지 값이 설정된 에너지 값('40')보다 작은 경우, 오류 검출 장치는 해당 병변의 경계에 오류가 존재한다고 판단하도록 설정된 경우를 가정한다. 그러나, 이러한 설정은 사용자 등에 의해 다양하게 설정될 수 있다. 이 경우, 오류 검출 장치는 연산된 에너지 값(100, 105)이 40이상인 제 1 이미지 프레임(200) 및 제 3 이미지 프레임(220)에 포함된 병변의 경계에 오류가 존재하지 않는다고 판단하고, 연산된 에너지 값(30)이 40이하인 제 2 이미지 프레임(210)에 포함된 병변의 경계에 오류가 존재한다고 판단할 수 있다.
오류 검출 장치는 병변의 경계에 대응되는 에너지 값을 이용하여 병변의 경계에 오류가 존재하는지 여부를 판단함으로써, 정확하게 병변의 경계 오류를 검출할 수 있다.
도 3a 및 도 3b는 본 발명의 일 실시예에 따른 오류 검출 장치가 병변 경계의 오류를 검출하는 또 다른 일 실시예에 따른 과정을 설명하기 위한 도면이다.
도 3a를 참조하면, 오류 검출 장치는 3차원 이미지를 구성하는 제 1 이미지 프레임(300), 제 2 이미지 프레임(310) 및 제 N 이미지 프레임(320)로부터 제 1 병변 경계(301), 제 2 병변 경계(311) 및 제 N 병변 경계(321)를 추출할 수 있다.
오류 검출 장치는 대상 이미지 프레임인 제 1 이미지 프레임(300), 제 2 이미지 프레임(310) 및 제 N 이미지 프레임(320)에 포함된 병변의 경계(301, 311, 321)의 주변에 대응되는 픽셀의 정보에 기초하여 병변의 경계(301, 311, 321)에 대응되는 에너지 값들(85, 170, 115)을 연산할 수 있다.
도 3b를 참조하면, 오류 검출 장치는 병변의 경계들(301, 311, 321)에 대응되는 에너지 값들(85, 170, 115)의 분포에 기초하여, 병변의 경계(301, 311, 321)에 오류가 있는지 여부를 판단할 수 있다. 도 3b를 참조하여 예를 들면, 1 ~ N 이미지 프레임(300, 310, 320)에 대응되는 N 개의 에너지 값은 히스토그램으로 표현될 수 있다.
오류 검출 장치는 에너지 값들의 분포에 기초하여, 다른 이미지 프레임들의 에너지 값에 비해 매우 크거나 작은 에너지 값을 갖는 이미지 프레임을 추출할 수 있다. 오류 검출 장치는 추출된 이미지 프레임에 포함된 병변의 경계에 오류가 있다고 판단할 수 있다. 예를 들면, 오류 검출 장치는 다른 에너지 값들에 비해 매우 큰 에너지 값('170')을 갖는 제 2 이미지 프레임(310)에 포함된 병변의 경계에 오류가 있다고 판단할 수 있다. 반면에, 오류 검출 장치는 다른 에너지 값들과 유사한 에너지 값을 갖는 이미지 프레임들(300, 320)에 포함된 병변의 경계에 오류가 존재하지 않는다고 판단할 수 있다. 다시 말해, 다른 이미지 프레임들의 에너지 값에 비해 에너지 값이 소정의 임계 범위를 벗어날 정도로 차이가 있다고 하는 것은 해당하는 이미지 프레임에 포함된 병변의 경계의 오류가 존재할 가능성이 높다는 것을 의미할 수 있다.
오류 검출 장치는 병변의 경계에 대응되는 에너지 값들의 분포에 기초하여 병변의 경계에 오류가 존재하는지 여부를 판단함으로써, 정확하게 병변의 경계 오류를 검출할 수 있다.
도 4는 본 발명의 일 실시예에 따른 오류 검출 장치가 병변 경계의 오류를 검출하는 또 다른 일 실시예에 따른 과정을 설명하기 위한 도면이다.
도 4를 참조하면, 오류 검출 장치는 대상 이미지 프레임의 이전 또는 이후에 획득된 2차원 이미지 프레임에 포함된 병변의 경계에 관한 특징 정보에 기초하여 예측 정보를 생성하고, 예측 정보에 기초하여 대상 이미지 프레임에 포함된 병변 경계에 오류가 있는지 여부를 판단할 수 있다.
오류 검출 장치는 3차원 이미지를 구성하는 제 1 이미지 프레임(400), 제 2 이미지 프레임(410) 및 제 3 이미지 프레임(420)로부터 제 1 병변 경계(401), 제 2 병변 경계(411) 및 제 3 병변 경계(421)를 추출할 수 있다. 본 실시예에서는 이미지 프레임이 3개인 경우를 기준으로 설명하나, 이미지 프레임의 개수는 이에 한정되지 않는다.
대상 이미지 프레임이 제 3 이미지 프레임(420)인 경우, 오류 검출 장치는 대상 이미지 프레임(420)의 이전에 획득된 제 1 이미지 프레임(400) 및 제 2 이미지 프레임(410)에 포함된 병변의 정보에 기초하여, 대상 이미지 프레임(420)에 포함된 병변에 관한 예측 정보를 생성할 수 있다.
예를 들면 오류 검출 장치는 제 1 이미지 프레임(400), 제 2 이미지 프레임(410) 및 제 3 이미지 프레임(420)에 포함된 병변들의 정보들(430, 440, 450)을 추출할 수 있다. 병변들의 정보들(430, 440, 450)은 주변 병변 경계와의 유사도 정보(431), 병변 경계의 면적 정보(432), 병변 경계의 중심점 정보(433), 병변 경계의 둘레 정보(434), 병변 경계의 가로 길이 정보(435), 병변 경계의 세로 길이 정보(436), 병변 경계의 최장 축 길이 정보(437) 및 병변 경계의 최단 축 길이 정보(438)와 같은 병변 경계에 관한 특징 정보를 포함한다. 예를 들면, 유사도 정보(431)는 hausdorff 거리(distance)로 표현될 수 있으나 이외에도 다양한 형태로 표현될 수 있다. 이하에서는, hausdorff 거리(distance) 값이 작을 수록 양 병변의 경계가 유사함을 가정한다.
오류 검출 장치는 제 1 이미지 프레임(400) 및 제 2 이미지 프레임(410)에 포함된 병변의 정보(430, 440)의 변화 추이에 기초하여, 대상 이미지 프레임(420)에 포함된 병변에 관한 예측 정보(460)를 생성할 수 있다. 예를 들면, 제 1 병변의 정보(430)의 면적 정보(432) 및 제 2 병변의 정보(440)의 면적 정보(442)가 '300mm2 -> 290mm2'으로 변화된 것에 기초하여, 오류 검출 장치는 예측 정보(460)의 면적 정보(461)을 280mm2로 예측할 수 있다. 또 다른 예를 들면, 제 1 병변의 정보(430)의 세로 길이 정보(436) 및 제 2 병변의 정보(440)의 세로 길이 정보(446)가 '15mm -> 15mm'으로 변화한 것에 기초하여, 오류 검출 장치는 예측 정보(460)의 세로 길이 정보(466)를 15mm로 예측할 수 있다. 이와 같은 방법을 통해, 오류 검출 장치는 대상 이미지 프레임(420)에 포함된 병변에 관한 예측 정보들(461, 462, 463, 464, 465, 466, 467, 468)을 예측할 수 있다.
오류 검출 장치는 대상 이미지 프레임(420)에 포함된 병변의 정보(450) 및 예측 정보(460)를 비교하여 대상 이미지 프레임(420)에 포함된 병변의 경계에 오류가 있는지 여부를 판단할 수 있다. 이하에서는, 대상 이미지 프레임(420)에 포함된 병변의 정보(450)가 예측 정보(460)에 비해 0.1%이상 크거나 작으면, 오류 검출 장치가 대상 이미지 프레임(420)에 포함된 병변의 경계에 오류가 있는지 여부를 판단하도록 설정된 경우를 가정한다. 예를 들면, 대상 이미지 프레임(420)에 포함된 병변의 정보(450)의 유사도 정보(451)가 예측 정보(460)의 유사도 정보(461)에 비해 2배 크므로, 오류 검출 장치는 대상 이미지 프레임(420)에 포함된 병변의 경계에 오류가 있는지 여부를 판단할 수 있다. 또 다른 예를 들면, 대상 이미지 프레임(420)에 포함된 병변의 정보(450)의 최단 축 길이 정보(458)가 예측 정보(460)의 최단 축 길이 정보(468)에 비해 1/2배 작으므로, 오류 검출 장치는 대상 이미지 프레임(420)에 포함된 병변의 경계에 오류가 있는지 여부를 판단할 수 있다. 이와 같은 과정을 통해, 오류 검출 장치는 병변의 정보(450) 및 예측 정보(460)의 각 세부 정보를 비교하여 오류가 있는지 여부를 판단할 수 있다.
오류가 있다는 판단이 설정된 횟수 이상 발생한 경우, 오류 검출 장치는 대상 대상 이미지 프레임(420)에 포함된 병변의 경계에 오류가 있다고 판단할 수 있다. 설정된 횟수가 2회인 경우, 본 실시예에서 2회 이상의 오류가 있다는 판단이 이루어졌으므로, 오류 검출 장치는 대상 대상 이미지 프레임(420)에 포함된 병변의 경계에 오류가 있다고 판단할 수 있다.
오류 검출 장치는 대상 이미지 프레임에 포함된 병변에 관한 예측 정보를 이용하여 병변 경계의 오류를 검출함으로써, 정확하게 병변 경계의 오류를 검출할 수 있다.
도 5는 본 발명의 일 실시예에 따른 오류 검출 장치가 병변 경계의 오류를 검출하는 또 다른 일 실시예에 따른 과정을 설명하기 위한 도면이다.
도 5를 참조하면, 오류 검출 장치는 대상 이미지 프레임의 이전 또는 이후에 획득된 2차원 이미지 프레임에 포함된 병변의 이미지에 관한 특징 정보에 기초하여 예측 정보를 생성하고, 예측 정보에 기초하여 대상 이미지 프레임에 포함된 병변 경계에 오류가 있는지 여부를 판단할 수 있다.
오류 검출 장치는 3차원 이미지를 구성하는 제 1 이미지 프레임(500), 제 2 이미지 프레임(510) 및 제 3 이미지 프레임(520)로부터 제 1 병변 경계(501), 제 2 병변 경계(511) 및 제 3 병변 경계(521)를 추출할 수 있다. 본 실시예에서는 이미지 프레임이 3개인 경우를 기준으로 설명하나, 이미지 프레임의 개수는 이에 한정되지 않는다.
대상 이미지 프레임이 제 2 이미지 프레임(510)인 경우, 오류 검출 장치는 대상 이미지 프레임(510)의 이전 및 이후에 획득된 제 1 이미지 프레임(500) 및 제 3 이미지 프레임(520)에 포함된 병변의 정보에 기초하여, 대상 이미지 프레임(510)에 포함된 병변에 관한 예측 정보를 생성할 수 있다.
예를 들면 오류 검출 장치는 제 1 이미지 프레임(500), 제 2 이미지 프레임(510) 및 제 3 이미지 프레임(520)에 포함된 병변들의 정보들(530, 540, 550)을 추출할 수 있다. 병변의 정보(530, 540, 550)는 대상 이미지 프레임에 포함된 병변 이미지의 모양(shape) 정보, 병변 이미지의 방향성(orientation) 정보, 병변 이미지의 경계(margin) 정보 및 병변 이미지의 균일도(echo pattern) 정보 등과 같은 병변 이미지에 관한 특징 정보를 포함한다.
오류 검출 장치는 제 1 이미지 프레임(500) 및 제 3 이미지 프레임(520)에 포함된 병변의 정보(530, 550)에 기초하여, 대상 이미지 프레임(510)에 포함된 병변에 관한 예측 정보(560)를 생성할 수 있다. 예를 들면, 제 1 병변의 정보(530)의 모양 정보(531) 및 제 3 병변의 정보(550)의 모양 정보(551)가 '불규칙(irregular)'인 경우, 오류 검출 장치는 예측 정보(560)의 모양 정보(561)을 '불규칙(irregular)'으로 예측할 수 있다. 또 예를 들면, 제 1 병변의 정보(530)의 균일도 정보(534) 및 제 3 병변의 정보(550)의 균일도 정보(554)가 '균일(anechoic)'인 경우, 오류 검출 장치는 예측 정보(560)의 균일도 정보(564)을 '균일(anechoic)'으로 예측할 수 있다. 이와 같은 방법을 통해, 오류 검출 장치는 대상 이미지 프레임(510)에 포함된 병변에 관한 예측 정보들(561, 562, 563, 564)을 생성할 수 있다. 마찬가지로, 제 2 이미지 프레임(510)의 예측 정보 중 방향성 정보(562)는 '평행(parallel)'으로 설정될 수 있고, 경계 정보(563)는 '명확(circumscribed)'으로 설정될 수 있다. 참고로, '평행(parallel)'이란 병변의 성장 방향이 주변의 피부조직의 성장 방향과 실질적으로 일치하는 경우를 의미한다.
오류 검출 장치는 대상 이미지 프레임(510)에 포함된 병변의 정보(540) 및 예측 정보(560)를 비교하여 대상 이미지 프레임(510)에 포함된 병변의 경계에 오류가 있는지 여부를 판단할 수 있다. 예를 들면, 병변의 정보(540)의 경계 정보(543)는 불명확(indistinct)이고, 예측 정보(560)의 경계 정보(563)는 '명확(circumscribed)'이므로, 병변의 정보(540)의 경계 정보(543) 및 예측 정보(560)의 경계 정보(563)는 다르다. 병변의 정보(540)의 경계 정보(543) 및 예측 정보(560)의 경계 정보(563)는 다르기 때문에, 오류 검출 장치는 대상 이미지 프레임(510)에 포함된 병변의 경계에 오류가 있다고 판단할 수 있다. 또 다른 예를 들면, 병변의 정보(540)의 균일도 정보(544)는 '불균일(complex)'이고, 예측 정보(560)의 균일도 정보(564)는 '균일(anechoic)'이므로, 병변의 정보(540)의 경계 정보(544) 및 예측 정보(560)의 경계 정보(564)는 다르다. 병변의 정보(540)의 경계 정보(544) 및 예측 정보(560)의 경계 정보(564)가 다르기 때문에, 오류 검출 장치는 대상 이미지 프레임(510)에 포함된 병변의 경계에 오류가 있다고 판단할 수 있다. 이와 같은 과정을 통해, 오류 검출 장치는 병변의 정보(540) 및 예측 정보(560)의 각 세부 정보를 비교하여 오류가 있는지 여부를 판단할 수 있다.
오류가 있다는 판단이 설정된 횟수 이상 발생한 경우, 오류 검출 장치는 대상 대상 이미지 프레임(510)에 포함된 병변의 경계에 오류가 있다고 판단할 수 있다. 설정된 횟수가 2회인 경우, 본 실시예에서 2회 이상의 오류가 있다는 판단이 이루어졌으므로, 오류 검출 장치는 대상 대상 이미지 프레임(510)에 포함된 병변의 경계에 오류가 있다고 판단할 수 있다.
오류 검출 장치는 대상 이미지 프레임에 포함된 병변에 관한 예측 정보를 이용하여 병변 경계의 오류를 검출함으로써, 정확하게 병변 경계의 오류를 검출할 수 있다.
도 6은 본 발명의 일 실시예에 따른 오류 검출 장치가 병변 경계의 오류를 검출하는 또 다른 일 실시예에 따른 과정을 설명하기 위한 도면이다.
도 6을 참조하면, 오류 검출 장치는 대상 이미지 프레임에 포함된 병변의 정보의 각 세부 정보 및 대상 이미지 프레임에 포함된 병변의 예측 정보의 각 세부 정보를 비교하여 대상 이미지 프레임에 포함된 병변의 경계에 오류가 있는지 여부를 판단할 수 있다. 병변 정보의 세부 정보는 이미지의 모양(shape) 정보(600), 병변 이미지의 방향성(orientation) 정보(610), 병변 이미지의 경계(margin) 정보(620), 병변 이미지의 균일도(echo pattern) 정보(630), 유사도 정보(640), 면적 정보(650), 중심점 정보(660), 둘레 정보(670) 및 최단 축 길이 정보(680)를 포함한다. 오류 검출 장치가 대상 이미지 프레임에 포함된 병변의 정보의 각 세부 정보 및 예측 병변의 정보의 각 세부 정보를 비교해 본 결과, 병변 이미지의 경계 정보(620), 병변 이미지의 균일도 정보(630), 유사도 정보(640), 면적 정보(650) 및 최단 축 길이 정보(680)에서 병변 경계의 오류가 존재한다고 판단된 경우를 가정한다.
오류 검출 장치는 판단 결과에 기초하여 판단 결과에 판단 결과값을 생성할 수 있다. 본 실시예에서는 오류가 존재하는 경우 판단 결과값이 '1'이고, 오류가 존재하지 않는 경우 판단 결과값이 '0'인 경우를 가정한다. 판단 결과값은 다양하게 설정될 수 있다.
오류 검출 장치는 생성된 판단 결과값에 가중치를 주어 오류 값을 생성할 수 있다. 가중치는 사용자에 의해 다양하게 설정될 수 있다.
오류 검출 장치는 오류 값들을 합산할 수 있다. 오류 검출 장치는 합산된 오류 값 및 설정된 기준 오류 값을 비교하여 최종적으로 대상 이미지 프레임에 포함된 병변의 경계에 오류가 있는지 여부를 판단할 수 있다. 설정된 기준 오류 값이 '7'이고, 합산된 오류 값이 설정된 기준 오류값 이상인 경우 병변 경계에 오류가 존재한다고 판단하는 경우를 가정한다. 오류 검출 장치는 합산된 오류 값('9')이 설정된 기준 오류 값('7') 이상이므로, 대상 이미지 프레임에 포함된 병변 경계에 오류가 존재한다고 판단할 수 있다.
오류 검출 장치는 병변 정보의 각 세부 정보를 기준으로 병변의 경계에 오류가 존재하는지 여부를 판단하고, 판단 결과에 가중치를 주어 합산된 오류값에 기초하여 병변 경계의 오류가 존재하는지를 판단함으로써, 정확하게 병변 경계의 오류를 검출할 수 있다.
도 7은 본 발명의 일 실시예에 따른 오류 검출 장치가 병변 경계의 오류를 검출하는 또 다른 일 실시예에 따른 과정을 설명하기 위한 도면이다.
도 7을 참조하면, 오류 검출 장치는 대상 이미지 프레임에 포함된 병변의 경계에 대응되는 에너지 값에 기초한 판단 및 대상 이미지 프레임에 포함된 병변에 대한 예측 정보에 기초한 판단을 모두 이용하여 대상 이미지 프레임에 포함된 병변의 경계에 오류가 존재하는지 여부를 판단할 수 있다.
예를 들면, 에너지 값에 기초하여 판단된 결과가 '오류가 없다'이고, 예측 정보에 기초하여 판단된 결과가 '오류가 없다'인 경우('case 1'), 오류 검출 장치는 최종적으로 대상 이미지 프레임에 포함된 병변의 경계에 오류가 없다고 판단할 수 있다.
에너지 값에 기초하여 판단된 결과가 '오류가 없다'이고, 예측 정보에 기초하여 판단된 결과가 '오류가 있다'인 경우('case 2'), 오류 검출 장치는 도 8의 오류 수정 장치로 병변 경계의 수정을 요청한다. 오류 수정 장치는 예측 정보를 생성할 때 이용한 2차원 이미지 프레임에 포함된 병변의 경계를 수정할 수 있다. 오류 검출 장치는 수정된 2차원 이미지 프레임에 포함된 병변의 정보에 기초하여 예측 정보를 생성하고, 생성된 예측 정보에 기초하여 대상 이미지 프레임에 포함된 병변의 경계에 오류가 있는지 여부를 다시 판단할 수 있다.
에너지 값에 기초하여 판단된 결과가 '오류가 있다'이고, 예측 정보에 기초하여 판단된 결과가 '오류가 없다'인 경우('case 3'), 오류 검출 장치는 도 8의 오류 수정 장치로 병변 경계의 수정을 요청한다. 오류 수정 장치는 대상 이미지 프레임에 포함된 병변의 경계를 수정할 수 있다. 오류 검출 장치는 수정된 대상 이미지 프레임에 포함된 병변의 경계에 대응되는 에너지 값을 연산하고, 연산된 에너지 값에 기초하여 대상 이미지 프레임에 포함된 병변의 경계에 오류가 있는지 여부를 다시 판단할 수 있다.
에너지 값에 기초하여 판단된 결과가 '오류가 있다'이고, 예측 정보에 기초하여 판단된 결과가 '오류가 있다'인 경우('case 4'), 오류 검출 장치는 최종적으로 대상 이미지 프레임에 포함된 병변의 경계에 오류가 있다고 판단할 수 있다.
오류 검출 장치는 2개의 판단 결과에 기초하여 대상 이미지 프레임에 포함된 병변의 경계에 오류가 존재하는지 여부를 판단함으로써, 정확하게 병변의 경계 오류를 검출할 수 있다.
도 8은 본 발명의 일 실시예에 따른 오류 수정 장치를 설명하기 위한 도면이다.
도 8을 참조하면, 오류 수정 장치(800)는 추출부(810), 생성부(820) 및 변경부(830)을 포함한다.
추출부(810)는 3차원 이미지를 구성하는 2차원 이미지 프레임들에 포함된 병변의 경계(contour)를 추출할 수 있다. 예를 들면, 추출부(810)는 2차원 이미지 프레임들에 대해 이미지 세그멘테이션을 실행하여, 2차원 이미지 프레임들에 포함된 병변의 경계를 추출할 수 있다.
생성부(820)는 대상 이미지 프레임의 이전 및 이후에 획득된 2차원 이미지 프레임들 중 적어도 하나에 포함된 병변의 경계에 기초하여 기준 병변 경계를 생성할 수 있다. 예를 들면, 생성부(820)는 대상 이미지 프레임의 이전 및 이후에 획득된 2차원 이미지 프레임들 중 적어도 두 개를 겹친 후, 겹쳐진 2차원 이미지 프레임들에 포함된 병변의 경계들 중 바깥 경계, 안쪽 경계, 병변 경계들의 중간 경계 및 병변 경계들의 평균 경계 중 어느 하나를 기준 병변 경계로 생성할 수 있다. 중간 경계는 겹쳐진 병변의 경계 중 교차하는 지점 간을 연결하는 중간(middle) 경계를 의미한다. 평균 경계는 겹쳐진 병변의 경계 간의 평균 값을 갖는 경계를 의미한다. 또 다른 예를 들면, 생성부(820)는 병변 경계의 변화 추이에 기초하여 대상 이미지 프레임에 포함된 병변 경계를 예측하고, 예측된 병변 경계를 기준 병변 경계로 생성할 수 있다. 이에 대한 구체적인 설명은 도 9 및 도 10을 참조하여 구체적으로 설명하겠다.
변경부(830)는 기준 병변 경계를 변경 시켜 적어도 하나의 후보 병변 경계를 생성할 수 있다. 변경부(830)는 대상 이미지 프레임의 병변 경계를 후보 병변 경계들 중 어느 하나로 변경할 수 있다.
변경부(830)는 후보 병변 경계의 주변에 대응되는 픽셀의 정보에 기초하여 후보 병변의 경계에 대응되는 에너지 값들을 연산할 수 있다. 변경부(830)는 후보 병변 경계 및 기준 병변 경계의 유사도를 나타내는 유사도 값을 연산할 수 있다. 변경부(830)는 연산된 에너지 값 및 연산된 유사도 값에 기초하여 후보 병변 경계 중 어느 하나를 선택할 수 있다. 변경부(830)는 대상 이미지 프레임의 병변 경계를 선택된 후보 병변 경계로 변경할 수 있다.
변경부(830)는 설정된 병변 경계 범위 내에서 기준 병변 경계를 변경할 수 있다. 예를 들면, 설정된 병변 경계의 최대 병변 경계는 바깥 경계이고, 최소 병변 경계는 안쪽 경계일 수 있다. 또 다른 예를 들면, 설정된 병변 경계의 최대 병변 경계는 바깥 경계, 중간 경계, 평균 경계 및 예측된 병변 경계 중 어느 하나보다 설정된 크기만큼 큰 경계이고, 최소 병변 경계는 바깥 경계, 중간 경계, 평균 경계 및 예측된 병변 경계 중 어느 하나보다 설정된 크기 만큼 작은 경계일 수 있다. 이에 대한 구체적인 설명은 도 11a 내지 도 11e를 참조하여 구체적으로 설명하겠다.
오류 수정 장치는 대상 이미지 프레임의 주변에 존재하는 2차원 이미지 프레임에 포함된 병변의 경계에 기초하여 기준 병변 경계를 생성하고, 기준 병변 경계를 변경시켜 생성된 후보 병변 경계 중 어느 하나를 이용하여 대상 이미지 프레임에 포함된 병변 경계를 수정함으로써, 대상 이미지 프레임에 포함된 병변의 경계를 정확하게 수정할 수 있다.
오류 수정 장치는 대상 이미지 프레임의 이전 및 이후에 획득된 2차원 이미지 프레임에 포함된 병변의 경계를 이용하여 오류를 수정함으로써, 병변 경계를 정확하게 수정할 수 있다.
도 9는 본 발명의 일 실시예에 따른 오류 수정 장치가 기준 병변 경계를 생성하는 일 실시예에 따른 과정을 설명하기 위한 도면이다.
도 9의 (a)를 참조하면, 오류 수정 장치는 3차원 이미지를 구성하는 제 1 이미지 프레임(900), 제 2 이미지 프레임(910) 및 제 3 이미지 프레임(920)으로부터 제 1 병변 경계(901), 제 2 병변 경계(911) 및 제 3 병변 경계(921)를 추출할 수 있다.
도 9의 (b)를 참조하면, 대상 이미지 프레임이 제 2 이미지 프레임(910)인 경우, 오류 수정 장치는 제 1 이미지 프레임(900) 및 제 3 이미지 프레임(920)을 겹친 후, 겹쳐진 이미지 프레임들(900, 920)에 포함된 병변의 경계들(901, 921)에 기초하여 기준 병변 경계를 생성할 수 있다.
도 9의 (c)를 참조하면, 오류 수정 장치는 겹쳐진 병변의 경계들(901, 921) 중 바깥 경계(930)를 기준 병변 경계로 생성할 수 있다.
도 9의 (d)를 참조하면, 오류 수정 장치는 겹쳐진 병변의 경계들(901, 921) 중 안쪽 경계(940)를 기준 병변 경계로 생성할 수 있다.
도 9의 (e)를 참조하면, 오류 수정 장치는 겹쳐진 병변의 경계들(901, 921)의 평균 경계(950)를 기준 병변 경계로 생성할 수 있다.
도 10a 내지 도 10d는 본 발명의 일 실시예에 따른 오류 수정 장치가 기준 병변 경계를 생성하는 또 다른 일 실시예에 따른 과정을 설명하기 위한 도면이다.
도 10a를 참조하면, 오류 수정 장치는 3차원 이미지를 구성하는 제 1 이미지 프레임(1000), 제 2 이미지 프레임(1010) 및 제 3 이미지 프레임(1020)으로부터 제 1 병변 경계(1001), 제 2 병변 경계(1011) 및 제 3 병변 경계(1021)를 추출할 수 있다.
도 10b를 참조하면, 대상 이미지 프레임이 제 2 이미지 프레임(1010)인 경우, 오류 수정 장치는 제 1 이미지 프레임(1000)에 포함된 병변 경계(1001)에 관한 특징 정보(1030) 및 제 3 이미지 프레임(1020)에 포함된 병변 경계(1021)에 관한 특징 정보(1040)를 추출할 수 있다. 특징 정보는 유사도 정보, 면적 정보, 중심점 정보, 둘레 정보, 가로길이 정보, 세로 길이 정보, 최장 축 길이 정보 및 최단 축 길이 정보를 포함할 수 있다.
도 10c를 참조하면, 오류 수정 장치는 추출된 병변 경계에 관한 특징 정보(1030, 1040)의 변화 추이에 기초하여 제 2 이미지 프레임(1010)에 포함된 병변의 경계(1011)에 관한 특징 정보(1050)를 예측할 수 있다.
도 10d를 참조하면, 오류 수정 장치는 예측된 특징 정보(1050)에 기초하여 병변 경계(1060)를 생성하고, 생성된 병변 경계(1060)를 기준 병변 경계로 생성할 수 있다.
도 11a 내지 도 11e는 본 발명의 일 실시예에 따른 오류 수정 장치가 후보 병변 경계 중 어느 하나를 선택하는 과정을 설명하기 위한 도면이다.
도 11a를 참조하면, 오류 수정 장치는 최대 병변 경계(1110) 및 최소 병변 경계(1120) 범위 내에서 기준 병변 경계(1100)를 변경시켜 후보 병변 경계를 생성할 수 있다. 예를 들면, 최대 병변 경계는 바깥 경계이고, 최소 병변 경계는 안쪽 경계일 수 있다. 또 다른 예를 들면, 최대 병변 경계는 바깥 경계, 중간 경계, 평균 경계 및 예측된 병변 경계 중 어느 하나보다 설정된 크기만큼 큰 경계이고, 최소 병변 경계는 바깥 경계, 중간 경계, 평균 경계 및 예측된 병변 경계 중 어느 하나보다 설정된 크기만큼 작은 경계일 수 있다.
도 11b를 참조하면, 오류 수정 장치는 기준 병변 경계(1100)를 일부는 축소 및 일부는 확대시켜 제 1 후보 병변 경계(1101)를 생성할 수 있다.
도 11c를 참조하면, 오류 수정 장치는 기준 병변 경계(1100)를 일부는 축소 및 일부는 확대시켜 제 2 후보 병변 경계(1102)를 생성할 수 있다.
도 11d를 참조하면, 오류 수정 장치는 기준 병변 경계(1100)를 일부는 축소 및 일부는 확대시켜 제 3 후보 병변 경계(1103)를 생성할 수 있다.
도 11e를 참조하면, 오류 수정 장치는 제 1 후보 병변 경계(1101), 제 2 후보 병변 경계(1102) 및 제 3 후보 병변 경계(1103)의 주변에 대응되는 픽셀의 정보에 기초하여 제 1 후보 병변 경계(1101), 제 2 후보 병변 경계(1102) 및 제 3 후보 병변 경계(1103)에 대응되는 에너지 값들을 연산할 수 있다. 오류 수정 장치는 각 후보 병변 경계들(1101, 1102, 1103) 및 기준 병변 경계(1100)의 유사한 정도를 나타내는 유사도 값을 연산할 수 있다. 본 실시예에서는 에너지 값이 클 수록 병변의 경계에 오류가 존재하지 않을 확률이 높고, 유사도 값이 높을 수록 후보 병변 경계 및 기준 병변 경계가 유사하다고 가정한다. 다만, 이와 같은 설정은 사용자등에 의해서 다양하게 설정될 수 있다.
오류 수정 장치는 연산된 에너지 값 및 연산된 유사도 값의 합이 가장 큰 후보 병변 경계를 선택할 수 있다. 예를 들면, 오류 수정 장치는 연산된 에너지 값 및 연산된 유사도 값의 합('42')이 가장 큰 제 3 후보 병변 경계(1103)를 선택할 수 있다. 오류 수정 장치는 대상 이미지 프레임의 병변 경계를 선택된 후보 병변 경계로 변경할 수 있다.
오류 수정 장치는 설정된 범위 내에서 기준 병변 경계를 변경시켜 후보 병변 경계를 생성하고, 후보 병변 경계 중 어느 하나를 대상 이미지 프레임의 병변의 경계로 변경함으로써, 대상 이미지 프레임에 포함된 병변의 경계를 정확하게 수정할 수 있다.
도 12는 본 발명의 일 실시예에 따른 병변 경계의 오류 검사 장치를 설명하기 위한 도면이다.
도 12를 참조하면, 오류 검사 장치(1200)는 오류 검출 장치(1210) 및 오류 수정 장치(1220)를 포함한다.
오류 검출 장치(1210)는 추출부(1211), 예측부(1212), 연산부(1213) 및 오류 판단부(1214)를 포함한다.
추출부(1211)는 3차원 이미지를 구성하는 2차원 이미지 프레임들에 포함된 병변의 경계(contour)를 추출할 수 있다. 예를 들면, 추출부(1211)는 2차원 이미지 프레임들에 대해 이미지 세그멘테이션을 실행하여, 2차원 이미지 프레임들에 포함된 병변의 경계를 추출할 수 있다.
예측부(1212)는 대상 이미지 프레임의 이전 및 이후에 획득된 2차원 이미지 프레임들 중 적어도 하나에 포함된 병변의 정보에 기초하여, 대상 이미지 프레임에 포함된 병변에 관한 예측 정보를 생성할 수 있다. 예를 들면, 예측부(1212)는 대상 이미지 프레임의 이전 및 이후에 획득된 2차원 이미지 프레임들 중 적어도 하나에 포함된 병변 정보의 변화 추이에 기초하여, 병변에 관한 예측 정보를 생성할 수 있다. 예측부(1212)는 병변 정보의 변화 추이에 기초하여 병변에 관한 예측 정보를 생성함으로써, 예측 정보에 변화 추이를 반영시킬 수 있다.
연산부(1213)는 대상 이미지 프레임에 포함된 병변의 경계의 주변에 대응되는 픽셀의 정보에 기초하여 대상 이미지 프레임에 포함된 병변의 경계에 대응되는 에너지 값들을 연산할 수 있다.
오류 판단부(1214)는 2차원 이미지 프레임들 중 대상 이미지 프레임에 포함된 병변에 관한 예측 정보 및 대상 이미지 프레임에 포함된 병변의 경계에 대응되는 에너지 값 중 적어도 하나에 기초하여 대상 이미지 프레임에 포함된 병변의 경계에 오류가 있는지 여부를 판단할 수 있다.
추출부(1211), 예측부(1212), 연산부(1213) 및 오류 판단부(1214)는 도 1의 추출부(110), 예측부(120), 연산부(130) 및 오류 판단부(140)과 동일한 기능을 수행할 수 있다.
오류 수정 장치(1220)는 생성부(1221) 및 변경부(1222)를 포함한다.
생성부(1221)는 오류 판단부(1214)에서 오류가 있다고 판단된 경우, 대상 이미지 프레임의 이전 및 이후에 획득된 2차원 이미지 프레임들 중 적어도 하나에 포함된 병변의 경계에 기초하여 기준 병변 경계를 생성할 수 있다. 예를 들면, 생성부(1221)는 대상 이미지 프레임의 이전 및 이후에 획득된 2차원 이미지 프레임들 중 적어도 두 개를 겹친 후, 겹쳐진 2차원 이미지 프레임들에 포함된 병변의 경계들 중 바깥 경계, 안쪽 경계, 병변 경계들의 중간 경계 및 병변 경계들의 평균 경계 중 어느 하나를 기준 병변 경계로 생성할 수 있다. 또 다른 예를 들면, 생성부(1221)는 병변 경계의 변화 추이에 기초하여 대상 이미지 프레임에 포함된 병변 경계를 예측하고, 예측된 병변 경계를 기준 병변 경계로 생성할 수 있다.
변경부(1222)는 기준 병변 경계를 변경 시켜 적어도 하나의 후보 병변 경계를 생성할 수 있다. 변경부(1222)는 대상 이미지 프레임의 병변 경계를 후보 병변 경계들 중 어느 하나로 변경할 수 있다.
변경부(1222)는 후보 병변 경계의 주변에 대응되는 픽셀의 정보에 기초하여 후보 병변의 경계에 대응되는 에너지 값들을 연산할 수 있다. 변경부(1222)는 후보 병변 경계 및 기준 병변 경계의 유사도를 나타내는 유사도 값을 연산할 수 있다. 변경부(1222)는 연산된 에너지 값 및 연산된 유사도 값에 기초하여 후보 병변 경계 중 어느 하나를 선택할 수 있다. 변경부(1222)는 대상 이미지 프레임의 병변 경계를 선택된 후보 병변 경계로 변경할 수 있다.
변경부(1222)는 설정된 병변 경계 범위 내에서 기준 병변 경계를 변경할 수 있다. 예를 들면, 설정된 병변 경계의 최대 병변 경계는 바깥 경계이고, 최소 병변 경계는 안쪽 경계일 수 있다. 또 다른 예를 들면, 설정된 병변 경계의 최대 병변 경계는 바깥 경계, 중간 경계, 평균 경계 및 예측된 병변 경계 중 어느 하나보다 설정된 크기만큼 큰 경계이고, 최소 병변 경계는 바깥 경계, 중간 경계, 평균 경계 및 예측된 병변 경계 중 어느 하나보다 설정된 크기만큼 작은 경계일 수 있다.
오류 검출 장치(1220)는 변경부(1222)에 의해 수정된 병변의 경계에 기초하여 수정된 병변의 경계에 오류가 있는지 여부를 다시 판단할 수 있다.
오류 검사 장치는 대상 이미지 프레임에 포함된 병변에 관한 예측 정보 또는 병변의 경계에 대응되는 에너지 값을 이용하여 병변 경계의 오류를 검출함으로써, 정확하게 병변 경계의 오류를 검출할 수 있다.
오류 검사 장치는 대상 이미지 프레임의 주변에 존재하는 2차원 이미지 프레임에 포함된 병변의 경계에 기초하여 기준 병변 경계를 생성하고, 대상 이미지 프레임에 포함된 병변 경계를 기준 병변 경계를 변경시켜 생성된 후보 병변 경계 중 어느 하나로 변경함으로써, 대상 이미지 프레임에 포함된 병변의 경계를 정확하게 수정할 수 있다.
도 13은 본 발명의 일 실시에에 따른 병변 경계의 오류 검출 방법을 설명하기 위한 흐름도이다.
도 13를 참조하면, 오류 검출 장치는 3차원 이미지를 구성하는 2차원 이미지 프레임들에 포함된 병변의 경계(contour)를 추출한다(1300). 오류 검출 장치는 2차원 이미지 프레임들에 대해 이미지 세그멘테이션을 실행하여, 2차원 이미지 프레임들에 포함된 병변의 경계를 추출할 수 있다.
오류 검출 장치는 2차원 이미지 프레임들 중 대상 이미지 프레임에 포함된 병변에 관한 예측 정보 또는 대상 이미지 프레임에 포함된 병변의 경계에 대응되는 에너지 값에 기초하여 대상 이미지 프레임에 포함된 병변의 경계에 오류가 있는지 여부를 판단한다(1310). 오류 검출 장치는 대상 이미지 프레임의 이전 및 이후에 획득된 2차원 이미지 프레임들 중 적어도 하나에 포함된 병변의 정보에 기초하여, 대상 이미지 프레임에 포함된 병변에 관한 예측 정보를 생성할 수 있다. 오류 검출 장치는 대상 이미지 프레임에 포함된 병변의 경계의 주변에 대응되는 픽셀의 정보에 기초하여 대상 이미지 프레임에 포함된 병변의 경계에 대응되는 에너지 값들을 연산할 수 있다. 오류 검출 장치는 대상 이미지 프레임에 포함된 병변의 경계에 대응되는 에너지 값 및 설정된 에너지 값을 비교하여, 대상 이미지 프레임에 포함된 병변의 경계에 오류가 있는지 여부를 판단할 수 있다. 오류 검출 장치는 2차원 이미지 프레임들에 포함된 병변의 경계들에 대응되는 에너지 값들의 분포에 기초하여, 대상 이미지 프레임에 포함된 병변의 경계에 오류가 있는지 여부를 판단할 수 있다. 오류 검출 장치는 대상 이미지 프레임에 포함된 병변의 정보의 각 세부 정보 및 예측 정보의 각 세부 정보를 비교하여 대상 이미지 프레임에 포함된 병변의 경계에 오류가 있는지 여부를 판단한 후, 판단 결과에 기초하여 최종적으로 대상 이미지 프레임에 포함된 병변의 경계에 오류가 있는지 여부를 판단할 수 있다.
도 14는 본 발명의 일 실시에에 따른 병변 경계의 오류 수정 방법을 설명하기 위한 흐름도이다.
도 14를 참조하면, 오류 수정 장치는 3차원 이미지를 구성하는 2차원 이미지 프레임들에 포함된 병변의 경계를 추출한다(1400). 예를 들면, 오류 수정 장치는 2차원 이미지 프레임들에 대해 이미지 세그멘테이션을 실행하여, 2차원 이미지 프레임들에 포함된 병변의 경계를 추출할 수 있다.
오류 수정 장치는 대상 이미지 프레임의 이전 및 이후에 획득된 2차원 이미지 프레임들 중 적어도 하나에 포함된 병변의 경계에 기초하여, 기준 병변 경계를 생성한다(1410). 예를 들면, 오류 수정 장치는 대상 이미지 프레임의 이전 및 이후에 획득된 2차원 이미지 프레임들 중 적어도 두 개를 겹친 후, 겹쳐진 2차원 이미지 프레임들에 포함된 병변의 경계들 중 바깥 경계, 안쪽 경계, 병변 경계들의 중간 경계 및 병변 경계들의 평균 경계 중 어느 하나를 기준 병변 경계로 생성할 수 있다. 또 다른 예를 들면, 오류 수정 장치는 병변 경계의 변화 추이에 기초하여 대상 이미지 프레임에 포함된 병변 경계를 예측하고, 예측된 병변 경계를 기준 병변 경계로 생성할 수 있다.
오류 수정 장치는 대상 이미지 프레임의 병변 경계를 기준 병변 경계를 변경시켜 생성된 후보 병변 경계 중 어느 하나로 변경한다(1420). 예를 들면, 오류 수정 장치는 후보 병변 경계의 주변에 대응되는 픽셀의 정보에 기초하여 후보 병변의 경계에 대응되는 에너지 값들을 연산할 수 있다. 오류 수정 장치는 후보 병변 경계 및 기준 병변 경계의 유사도를 나타내는 유사도 값을 연산할 수 있다. 오류 수정 장치는 연산된 에너지 값 및 연산된 유사도 값에 기초하여 후보 병변 경계 중 어느 하나를 선택할 수 있다. 오류 수정 장치는 대상 이미지 프레임의 병변 경계를 선택된 후보 병변 경계로 변경할 수 있다. 예를 들면, 오류 수정 장치는 설정된 병변 경계 범위 내에서 기준 병변 경계를 변경할 수 있다.
설명된 실시예들은 다양한 변형이 이루어질 수 있도록 각 실시예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다.
또한, 실시예는 그 설명을 위한 것이며, 그 제한을 위한 것이 아님을 주의하여야 한다. 또한, 본 발명의 기술분야의 통상의 전문가라면 본 발명의 기술사상의 범위에서 다양한 실시예가 가능함을 이해할 수 있을 것이다.
또한, 본 발명의 일실시예에 의하면, 전술한 방법은, 프로그램이 기록된 매체에 프로세서가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 프로세서가 읽을 수 있는 매체의 예로는, ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장장치 등이 있으며, 캐리어 웨이브(예를 들어, 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다.

Claims (25)

  1. 삭제
  2. 삭제
  3. 삭제
  4. 삭제
  5. 삭제
  6. 삭제
  7. 삭제
  8. 삭제
  9. 3차원 이미지를 구성하는 2차원 이미지 프레임들 중 적어도 하나의 이미지 프레임에 포함된 병변의 경계를 추출하는 추출부;
    대상 이미지 프레임에 포함된 병변의 기준 병변 경계를 생성하는 생성부; 및
    상기 기준 병변 경계를 변경시켜 다수의 후보 병변 경계들을 생성하고, 상기 다수의 후보 병변 경계들 중 어느 하나를 상기 대상 이미지 프레임에 포함된 병변의 경계로 변경하는 변경부를 포함하는 병변 경계의 오류 수정 장치.
  10. 제 9 항에 있어서,
    상기 생성부는,
    상기 대상 이미지 프레임의 이전 및 이후에 획득된 2차원 이미지 프레임들 중 적어도 두 개를 겹치고, 겹쳐진 2차원 이미지 프레임들에 포함된 병변의 경계들 중 바깥 경계, 안쪽 경계, 병변 경계들의 중간 경계 및 병변 경계들의 평균 경계 중 어느 하나를 상기 기준 병변 경계로 생성하는 병변 경계의 오류 수정 장치.
  11. 제 9 항에 있어서,
    상기 생성부는,
    상기 대상 이미지 프레임의 이전 및 이후에 획득된 2차원 이미지 프레임들 중 적어도 하나에 포함된 병변 경계의 변화 추이에 기초하여 상기 대상 이미지 프레임에 포함된 병변 경계를 예측하고, 예측된 병변 경계를 상기 기준 병변 경계로 생성하는 병변 경계의 오류 수정 장치.
  12. 제 9 항에 있어서,
    상기 변경부는,
    설정된 병변 경계 범위 내에서 상기 기준 병변 경계를 변경하는 병변 경계의 오류 수정 장치.
  13. 제 9 항에 있어서,
    상기 변경부는,
    상기 후보 병변 경계들의 주변에 대응되는 픽셀의 정보에 기초하여 상기 후보 병변 경계들 각각에 대응되는 에너지 값들을 연산하고, 상기 후보 병변 경계들 및 상기 기준 병변 경계의 유사도를 나타내는 유사도 값을 각각 연산하고, 연산된 에너지 값 및 연산된 유사도 값에 기초하여 상기 후보 병변 경계들 중 어느 하나를 선택하는 병변 경계의 오류 수정 장치.
  14. 3차원 이미지를 구성하는 2차원 이미지 프레임들에 포함된 병변의 경계(contour)를 추출하는 추출부; 및
    상기 2차원 이미지 프레임들 중 대상 이미지 프레임에 포함된 병변에 관한 예측 정보 및 대상 이미지 프레임에 포함된 병변의 경계에 대응되는 에너지 값 중 적어도 하나에 기초하여 상기 대상 이미지 프레임에 포함된 병변의 경계에 오류가 있는지 여부를 판단하는 오류 판단부;
    오류가 있다고 판단된 경우, 상기 대상 이미지 프레임의 이전 및 이후에 획득된 2차원 이미지 프레임들 중 적어도 하나에 포함된 병변의 경계에 기초하여, 상기 대상 이미지 프레임에 포함된 병변의 기준 병변 경계를 생성하는 생성부; 및
    상기 기준 병변 경계를 변경시켜 다수의 후보 병변 경계를 생성하고, 상기 대상 이미지 프레임의 병변 경계를, 상기 다수의 후보 병변 경계들 중 어느 하나로 변경하는 변경부를 포함하는 병변 경계의 오류 검사 장치.
  15. 제 14 항에 있어서,
    상기 대상 이미지 프레임의 이전 및 이후에 획득된 2차원 이미지 프레임들 중 적어도 하나에 포함된 병변의 정보에 기초하여, 상기 대상 이미지 프레임에 포함된 병변에 관한 예측 정보를 생성하는 예측부를 더 포함하는 병변 경계의 오류 검사 장치.
  16. 제 15 항에 있어서,
    상기 예측부는,
    상기 대상 이미지 프레임의 이전 및 이후에 획득된 2차원 이미지 프레임들 중 적어도 하나에 포함된 병변 정보의 변화 추이에 기초하여, 상기 대상 이미지 프레임에 포함된 병변에 관한 예측 정보를 생성하는 병변 경계의 오류 검사 장치.
  17. 제 14 항에 있어서,
    상기 대상 이미지 프레임에 포함된 병변의 경계의 주변에 대응되는 픽셀의 정보에 기초하여 상기 대상 이미지 프레임에 포함된 병변의 경계에 대응되는 에너지 값들을 연산하는 연산부를 더 포함하는 병변 경계의 오류 검사 장치.
  18. 제 14 항에 있어서,
    상기 오류 판단부는,
    상기 대상 이미지 프레임에 포함된 병변의 경계에 대응되는 에너지 값 및 설정된 에너지 값을 비교하거나, 상기 2차원 이미지 프레임들에 포함된 병변의 경계들에 대응되는 에너지 값들의 분포에 기초하여 상기 대상 이미지 프레임에 포함된 병변의 경계에 오류가 있는지 여부를 판단하는 병변 경계의 오류 검사 장치.
  19. 제 14 항에 있어서,
    상기 오류 판단부는,
    상기 대상 이미지 프레임에 포함된 병변의 정보의 각 세부 정보 및 상기 예측 정보의 각 세부 정보를 비교하여 상기 대상 이미지 프레임에 포함된 병변의 경계에 오류가 있는지 여부를 판단하고, 판단 결과에 기초하여 최종적으로 상기 대상 이미지 프레임에 포함된 병변의 경계에 오류가 있는지 여부를 판단하는 병변 경계의 오류 검사 장치.
  20. 제 14 항에 있어서,
    상기 생성부는,
    상기 대상 이미지 프레임에 포함된 병변에 관한 예측 정보에 기초하여 생성된 병변 경계를 상기 기준 병변 경계로 생성하는 병변 경계의 오류 검사 장치.
  21. 제 14 항에 있어서,
    상기 변경부는,
    설정된 병변 경계 범위 내에서 상기 기준 병변 경계를 변경시키는 병변 경계의 오류 검사 장치.
  22. 제 14 항에 있어서,
    상기 생성부는,
    상기 대상 이미지 프레임의 이전 및 이후에 획득된 2차원 이미지 프레임들 중 적어도 두 개를 겹치고, 겹쳐진 2차원 이미지 프레임들에 포함된 병변의 경계들 중 바깥 경계, 안쪽 경계, 병변 경계들의 중간 경계 및 병변 경계들의 평균 경계 중 어느 하나를 상기 기준 병변 경계로 생성하는 병변 경계의 오류 검사 장치.
  23. 제 14 항에 있어서,
    상기 변경부는,
    상기 후보 병변 경계들의 주변에 대응되는 픽셀의 정보에 기초하여 상기 후보 병변 경계들 각각에 대응되는 에너지 값들을 연산하고, 상기 후보 병변 경계들 및 상기 기준 병변 경계의 유사도를 나타내는 유사도 값을 각각 연산하고, 연산된 에너지 값 및 연산된 유사도 값에 기초하여 상기 후보 병변 경계들 중 어느 하나를 선택하는 병변 경계의 오류 검사 장치.
  24. 삭제
  25. 3차원 이미지를 구성하는 2차원 이미지 프레임들 중 적어도 하나의 이미지 프레임에 포함된 병변의 경계를 추출하는 단계;
    대상 이미지 프레임에 포함된 병변의 기준 병변 경계를 생성하는 단계;
    상기 기준 병변 경계를 변경시켜 다수의 후보 병변 경계들을 생성하는 단계; 및
    상기 대상 이미지 프레임의 병변 경계를, 상기 다수의 후보 병변 경계들 중 어느 하나로 변경하는 단계를 포함하는 병변 경계의 오류 수정 방법.
KR1020110114143A 2011-11-03 2011-11-03 병변 경계의 오류 검출 장치 및 방법, 병변 경계의 오류 수정 장치 및 방법 및, 병변 경계의 오류 검사 장치 KR101899866B1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020110114143A KR101899866B1 (ko) 2011-11-03 2011-11-03 병변 경계의 오류 검출 장치 및 방법, 병변 경계의 오류 수정 장치 및 방법 및, 병변 경계의 오류 검사 장치
US13/668,068 US8977052B2 (en) 2011-11-03 2012-11-02 Apparatus and method for detecting error in lesion contour, apparatus and method for correcting error in lesion contour, and apparatus for inspecting error in lesion contour
US14/611,602 US9697611B2 (en) 2011-11-03 2015-02-02 Apparatus and method for detecting error in lesion contour, apparatus and method for correcting error in lesion contour, and apparatus for inspecting error in lesion contour
US15/611,199 US10109053B2 (en) 2011-11-03 2017-06-01 Apparatus and method for detecting error in lesion contour, apparatus and method for correcting error in lesion contour, and apparatus for inspecting error in lesion contour

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020110114143A KR101899866B1 (ko) 2011-11-03 2011-11-03 병변 경계의 오류 검출 장치 및 방법, 병변 경계의 오류 수정 장치 및 방법 및, 병변 경계의 오류 검사 장치

Publications (2)

Publication Number Publication Date
KR20130049091A KR20130049091A (ko) 2013-05-13
KR101899866B1 true KR101899866B1 (ko) 2018-09-19

Family

ID=48223751

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020110114143A KR101899866B1 (ko) 2011-11-03 2011-11-03 병변 경계의 오류 검출 장치 및 방법, 병변 경계의 오류 수정 장치 및 방법 및, 병변 경계의 오류 검사 장치

Country Status (2)

Country Link
US (3) US8977052B2 (ko)
KR (1) KR101899866B1 (ko)

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10251621B2 (en) 2010-07-19 2019-04-09 Qview Medical, Inc. Automated breast ultrasound equipment and methods using enhanced navigator aids
US10603007B2 (en) 2009-11-27 2020-03-31 Qview Medical, Inc. Automated breast ultrasound equipment and methods using enhanced navigator aids
US9439621B2 (en) 2009-11-27 2016-09-13 Qview, Medical Inc Reduced image reading time and improved patient flow in automated breast ultrasound using enchanced, whole breast navigator overview images
US9826958B2 (en) 2009-11-27 2017-11-28 QView, INC Automated detection of suspected abnormalities in ultrasound breast images
KR101916855B1 (ko) * 2011-10-17 2019-01-25 삼성전자주식회사 병변 수정 장치 및 방법
US9229674B2 (en) 2014-01-31 2016-01-05 Ebay Inc. 3D printing: marketplace with federated access to printers
US20160167307A1 (en) * 2014-12-16 2016-06-16 Ebay Inc. Systems and methods for 3d digital printing
US9595037B2 (en) 2014-12-16 2017-03-14 Ebay Inc. Digital rights and integrity management in three-dimensional (3D) printing
WO2019078237A1 (ja) * 2017-10-18 2019-04-25 富士フイルム株式会社 医療画像処理装置、内視鏡システム、診断支援装置、並びに医療業務支援装置
WO2019118640A1 (en) * 2017-12-13 2019-06-20 Washington University System and method for determining segments for ablation
JP7346051B2 (ja) * 2019-03-27 2023-09-19 キヤノン株式会社 画像処理装置、画像処理方法、及びプログラム
JP2022068639A (ja) * 2020-10-22 2022-05-10 キヤノンメディカルシステムズ株式会社 医用画像処理装置
US11587236B2 (en) * 2020-10-30 2023-02-21 International Business Machines Corporation Refining lesion contours with combined active contour and inpainting
US11749401B2 (en) 2020-10-30 2023-09-05 Guerbet Seed relabeling for seed-based segmentation of a medical image
US11694329B2 (en) 2020-10-30 2023-07-04 International Business Machines Corporation Logistic model to determine 3D z-wise lesion connectivity
US11688517B2 (en) 2020-10-30 2023-06-27 Guerbet Multiple operating point false positive removal for lesion identification
US11436724B2 (en) 2020-10-30 2022-09-06 International Business Machines Corporation Lesion detection artificial intelligence pipeline computing system
US11688063B2 (en) 2020-10-30 2023-06-27 Guerbet Ensemble machine learning model architecture for lesion detection
KR102606914B1 (ko) * 2020-12-22 2023-11-28 주식회사 인피니트헬스케어 다수 관심 영역의 레이블링 및 컨투어링의 검증을 지원하는 시스템 및 방법
WO2023069917A1 (en) * 2021-10-22 2023-04-27 The Board Of Regents Of The University Of Texas System Ai-assisted clinician contour reviewing and revision
CN116364229B (zh) * 2023-04-20 2023-11-10 北京透彻未来科技有限公司 宫颈癌前病变锥切标本的智能可视化病理报告系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004216171A (ja) * 1996-04-15 2004-08-05 Olympus Corp 超音波画像診断装置
JP2011512999A (ja) 2008-03-04 2011-04-28 トモセラピー・インコーポレーテッド 改良された画像セグメンテーションの方法およびシステム

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3195136B2 (ja) 1993-09-02 2001-08-06 科学技術振興事業団 画像処理装置
CA2564240C (en) * 2004-04-26 2014-10-07 David F. Yankelevitz Medical imaging system for accurate measurement evaluation of changes in a target lesion
AU2005256785A1 (en) 2004-06-23 2006-01-05 Medicsight Plc. Lesion boundary detection
GB2461199B (en) 2004-06-23 2010-04-28 Medicsight Plc Lesion extent determination in a CT scan image
US7689016B2 (en) * 2005-05-27 2010-03-30 Stoecker & Associates, A Subsidiary Of The Dermatology Center, Llc Automatic detection of critical dermoscopy features for malignant melanoma diagnosis
KR20080021723A (ko) 2005-06-02 2008-03-07 더 메디패턴 코포레이션 컴퓨터­보조 검진을 위한 시스템 및 방법
US8014576B2 (en) 2005-11-23 2011-09-06 The Medipattern Corporation Method and system of computer-aided quantitative and qualitative analysis of medical images
US8577101B2 (en) * 2006-03-13 2013-11-05 Kitware, Inc. Change assessment method
US7844087B2 (en) * 2006-12-19 2010-11-30 Carestream Health, Inc. Method for segmentation of lesions
US8086002B2 (en) * 2007-04-27 2011-12-27 Three Palm Software Algorithms for selecting mass density candidates from digital mammograms
JP2011504115A (ja) * 2007-10-18 2011-02-03 ザ ユニバーシティ オブ ノース カロライナ アット チャペル ヒル １つの画像データからの解剖学的構造を含む対象物のモデルの領域を、診断的又は治療的介入に用いられる画像にマッピングするための方法、そのシステム及びコンピューター読み取り可能な媒体
US9235887B2 (en) * 2008-02-19 2016-01-12 Elucid Bioimaging, Inc. Classification of biological tissue by multi-mode data registration, segmentation and characterization
JP2010017370A (ja) 2008-07-11 2010-01-28 Konica Minolta Medical & Graphic Inc 濃度調整装置、濃度調整方法、及びプログラム
CA2732276A1 (en) * 2008-07-29 2010-02-04 Board Of Trustees Of Michigan State University System and method for differentiating benign from malignant contrast-enhanced lesions
JP4466968B2 (ja) 2008-11-10 2010-05-26 キヤノン株式会社 画像処理装置、画象処理方法、プログラム、及びプログラム記憶媒体
US8374892B2 (en) * 2010-01-25 2013-02-12 Amcad Biomed Corporation Method for retrieving a tumor contour of an image processing system
GB2478329B (en) * 2010-03-03 2015-03-04 Samsung Electronics Co Ltd Medical image processing
US9292933B2 (en) * 2011-01-10 2016-03-22 Anant Madabhushi Method and apparatus for shape based deformable segmentation of multiple overlapping objects
WO2012096882A1 (en) * 2011-01-11 2012-07-19 Rutgers, The State University Of New Jersey Method and apparatus for segmentation and registration of longitudinal images
JP5950619B2 (ja) * 2011-04-06 2016-07-13 キヤノン株式会社 情報処理装置
TWI528945B (zh) * 2012-01-02 2016-04-11 財團法人台灣基督長老教會馬偕紀念社會事業基金會馬偕紀念醫院 以超音波影像建立心血管功能參數之評估系統

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004216171A (ja) * 1996-04-15 2004-08-05 Olympus Corp 超音波画像診断装置
JP2011512999A (ja) 2008-03-04 2011-04-28 トモセラピー・インコーポレーテッド 改良された画像セグメンテーションの方法およびシステム

Also Published As

Publication number Publication date
US9697611B2 (en) 2017-07-04
US10109053B2 (en) 2018-10-23
US20130114904A1 (en) 2013-05-09
US20170262990A1 (en) 2017-09-14
KR20130049091A (ko) 2013-05-13
US20150146958A1 (en) 2015-05-28
US8977052B2 (en) 2015-03-10

Similar Documents

Publication Publication Date Title
KR101899866B1 (ko) 병변 경계의 오류 검출 장치 및 방법, 병변 경계의 오류 수정 장치 및 방법 및, 병변 경계의 오류 검사 장치
CN107480677B (zh) 一种识别三维ct图像中感兴趣区域的方法及装置
JP6564018B2 (ja) 放射線画像の肺野セグメンテーション技術及び骨減弱技術
US9363499B2 (en) Method, electronic device and medium for adjusting depth values
JP4999163B2 (ja) 画像処理方法および装置ならびにプログラム
US8447383B2 (en) System and method for providing 2-dimensional computerized-tomography image corresponding to 2-dimensional ultrasound image
US7804986B2 (en) System and method for detecting intervertebral disc alignment using vertebrae segmentation
US10210612B2 (en) Method and system for machine learning based estimation of anisotropic vessel orientation tensor
JP2009506831A (ja) 自動及び動的血管検出のための方法並びに装置
US9396549B2 (en) Apparatus and method for correcting lesion in image frame
CN110349086B (zh) 一种非同心成像条件的图像拼接方法
JP4964171B2 (ja) 対象領域抽出方法および装置ならびにプログラム
JP2013051988A (ja) 画像処理装置、画像処理方法、及び画像処理プログラム
KR101482247B1 (ko) 기도 추출 방법 및 그 장치
WO2007142682A2 (en) Method for detecting streaks in digital images
JP6589144B2 (ja) 姿勢推定方法および姿勢推定装置
KR101377910B1 (ko) 화상 처리 방법 및 화상 처리 장치
US20090116731A1 (en) Method and system for detection of concha and intertragal notch point in 3D undetailed ear impressions
JP2011165170A (ja) 対象物検出装置及びプログラム
CN111028169A (zh) 图像校正方法、装置、终端设备和存储介质
JP2016195755A (ja) 医用画像処理装置、医用画像処理方法及び医用イメージング装置
JP2005165969A (ja) 画像処理装置、及び方法
KR101328729B1 (ko) 영상 내 혈관 분할 방법 및 장치
KR101494975B1 (ko) 3차원 자동 유방 초음파 영상의 유두 자동 검출 시스템 및 그 검출 방법
JP2023013454A (ja) 画像処理装置、方法、プログラム及び記憶媒体

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