KR101913977B1 - 간 경계 식별방법 및 시스템 - Google Patents

간 경계 식별방법 및 시스템 Download PDF

Info

Publication number
KR101913977B1
KR101913977B1 KR1020177006751A KR20177006751A KR101913977B1 KR 101913977 B1 KR101913977 B1 KR 101913977B1 KR 1020177006751 A KR1020177006751 A KR 1020177006751A KR 20177006751 A KR20177006751 A KR 20177006751A KR 101913977 B1 KR101913977 B1 KR 101913977B1
Authority
KR
South Korea
Prior art keywords
liver tissue
boundary
detection sub
information
liver
Prior art date
Application number
KR1020177006751A
Other languages
English (en)
Other versions
KR20170042677A (ko
Inventor
진화 소오
지인 수운
허우리 다완
Original Assignee
우시 히스키 메디칼 테크놀로지스 컴퍼니., 리미티드.
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 우시 히스키 메디칼 테크놀로지스 컴퍼니., 리미티드. filed Critical 우시 히스키 메디칼 테크놀로지스 컴퍼니., 리미티드.
Publication of KR20170042677A publication Critical patent/KR20170042677A/ko
Application granted granted Critical
Publication of KR101913977B1 publication Critical patent/KR101913977B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5207—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of raw data to produce diagnostic data, e.g. for generating an image
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0858—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving measuring tissue layers, e.g. skin, interfaces
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • 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
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • 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
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • 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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • 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
    • G06T2207/10081—Computed x-ray tomography [CT]
    • 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
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • 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
    • G06T2207/10132—Ultrasound image
    • 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
    • G06T2207/20076—Probabilistic image processing
    • 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
    • G06T2207/30008—Bone
    • 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
    • G06T2207/30008—Bone
    • G06T2207/30012—Spine; Backbone
    • 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
    • G06T2207/30056—Liver; Hepatic

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Physiology (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Pulmonology (AREA)
  • Optics & Photonics (AREA)
  • Image Analysis (AREA)

Abstract

본 발명의 실시예는 의학 영상처리 기술 영역에 관한 것으로서, 특히 간 경계 식별방법 및 시스템에 관한 것이다. 상기 방법은 식별하고자 하는 간 조직 정보를 획득하는 단계; 영상 처리 기술 또는 신호 처리 기술을 이용하여 간 조직 정보에 대응하는 간 조직의 특징 및 간 조직 경계의 특징에 따라, 상기 간 조직 정보 중의 간 조직 경계를 식별하는 단계; 식별된 간 조직 경계의 위치 정보를 출력하는 단계를 포함한다. 상기 방법으로 간 조직의 경계를 자동으로 식별할 수 있으며, 또한 간 경계의 식별 효율을 높임으로써 간 경계의 자동 위치결정을 구현할 수 있다.

Description

간 경계 식별방법 및 시스템{LIVER BOUNDARY IDENTIFICATION METHOD, AND SYSTEM}
본 발명의 실시예는 의학 영상 처리 기술분야에 관한 것으로서, 특히 간 경계 식별방법 및 시스템에 관한 것이다.
많은 임상 응용에서, 간 탄력도 검사 및 간 컬러 도플러 초음파 검사 등과 같은 간 검사 영역의 위치결정을 구현하기 위해서는 초음파 영상, 자기공명 영상(MRI, Magnetic Resonance Imaging), 컴퓨터 단층 촬영(CT, Computed Tomography) 등을 포함하는 종래의 의학 영상으로부터 간 조직의 경계를 식별할 필요가 있다.
현재는 주로 인위적인 방식을 통해 간 조직의 경계를 식별한다. 간 조직의 정보에 따라 수동으로 간 경계를 선택하는 방법은 조작자가 간 조직의 구조와 영상 정보에 대해 상당히 숙지하고 있어야만 정확하게 간 조직의 경계를 선택할 수 있기 때문에, 조작자에 대한 요구가 높고; 이와 동시에, 식별 과정에서 인위적인 방법을 통해 식별하기 때문에, 식별 시간이 비교적 길며, 따라서 간 경계의 식별 효율이 낮다.
본 발명은 간 경계의 식별 효율을 높이기 위한 간 경계 식별 방법 및 시스템을 제공하고자 하는데 그 목적이 있다.
한편으로, 본 발명은 간 경계의 식별 방법을 제공하며, 이는
식별하고자 하는 간 조직 정보를 획득하는 단계;
영상 처리 기술 또는 신호 처리 기술을 이용하여 상기 간 조직 정보에 대응하는 간 조직의 특징 및 간 조직 경계의 특징에 따라, 상기 간 조직 정보 중의 간 조직 경계를 식별하는 단계;
식별된 간 조직 경계의 위치 정보를 출력하는 단계를 포함한다.
또한, 본 발명은 정보 획득장치, 간 경계 식별장치 및 간 경계 표시 장치를 포함하는 간 경계 식별 시스템을 제공한다. 그 중 상기 정보 획득장치는 식별할 간 조직 정보를 획득하기 위한 것이고; 상기 간 경계 식별장치는 영상 처리 기술 또는 신호 처리 기술을 이용하여 상기 간 조직 정보에 대응하는 간 조직의 특징 및 간 조직 경계의 특징에 따라, 상기 간 조직 정보 중의 간 조직 경계를 식별하기 위한 것이며; 상기 간 경계 디스플레이장치는 식별한 간 조직 경계의 위치 정보를 출력하기 위한 것이다.
본 발명의 실시예에서 제공하는 간 경계 식별 방법 및 시스템은 고효율로 간 경계 영역을 식별할 수 있다. 본 발명의 실시예에서 제공하는 간 경계 식별 방법은 식별하고자 하는 간 조직 정보를 획득한 후, 영상 처리 기술 또는 신호 처리 기술을 이용하여 상기 간 조직 및 경계의 신호 특징에 따라 상기 간 조직 경계를 식별한다. 상기 방법을 이용하면 간 조직의 경계를 자동으로 식별할 수 있을 뿐만 아니라, 간 조직 경계의 식별 효율을 높일 수 있다.
여기서 설명하는 첨부도면으로 본 발명의 실시예에 대한 추가적인 이해를 제공하기 위한 것으로서, 본 발명의 실시예의 일부를 구성하나, 본 발명의 실시예를 한정하지는 않는다. 도면 중,
도 1은 본 발명의 제1 실시예에서 제공하는 간 경계 식별 방법의 구현 흐름도이다.
도 2는 본 발명의 제2 실시예에서 제공하는 간 경계 식별 방법의 구현 흐름도이다.
도 3은 본 발명의 제2 실시예 중의 간 조직의 M형 초음파 신호에 따른 경계 식별 효과도이다.
도 4는 본 발명의 제3 실시예에서 제공하는 간 경계 식별 방법의 구현 흐름도이다.
도 5는 본 발명의 제3 실시예 중 간 조직의 B형 초음파 영상에 따른 경계 식별 효과도이다.
도 6은 본 발명의 제4 실시예 중 간 경계 식별 방법의 구현 흐름도이다.
도 7은 본 발명의 제4 실시예 중 간 조직의 CT 영상에 따른 경계 식별 효과도이다.
도 8은 본 발명의 제5 실시예에서 제공하는 간 경계 식별 시스템의 구조도이다.
이하 첨부도면 및 구체적인 실시예를 결합하여 본 발명의 실시예에 대해 더욱 상세하고 완전하게 설명한다. 여기에 묘사되는 구체적인 실시예는 단지 본 발명의 실시예를 해석하기 위한 것일 뿐, 결코 본 발명의 실시예를 한정하기 위한 것이 아님을 이해할 수 있을 것이다. 또한 설명해두어야 할 점으로, 묘사의 편의를 위하여, 도면에는 전체 내용이 아닌 본 발명의 실시예와 관련된 부분만 도시하였다.
제1 실시예:
도 1은 본 발명의 제1 실시예에서 제공하는 간 경계 식별 방법의 구현 흐름도로서, 상기 방법은 간 경계의 식별 시스템을 통해 실행될 수 있다. 도 1에 도시된 바와 같이, 상기 구현 플로우는 이하 단계를 포함한다.
단계 11: 식별하고자 하는 간 조직 정보를 획득하는 단계.
그 중, 상기 간 조직 정보는 간 조직의 A형 초음파 신호, 간 조직의 M형 초음파 신호, 간 조직의 B형 초음파 영상, 간 조직의 CT 영상 또는 간 조직의 MRI 영상일 수 있다.
간 조직 정보에 따라 간 조직 정보의 유형을 획득할 수 있으며, 즉 간 조직 정보의 유형은 간 조직의 A형 초음파 신호와 간 조직의 M형 초음파 신호와 같은 초음파 신호일 수도 있고, 간 조직의 B형 초음파 영상과 같은 이차원 초음파 영상일 수도 있으며, 또한 간 조직의 CT 영상 및 간 조직의 MRI 영상과 같은 삼차원 영상일 수도 있다.
단계 12: 영상 처리 기술 또는 신호 처리 기술을 이용하여 상기 간 조직 정보에 대응하는 간 조직의 특징 및 간 조직 경계의 특징에 따라 상기 간 조직 정보 중의 간 조직 경계를 식별하는 단계.
상기 간 조직 정보가 간 조직의 초음파 신호인 경우, 신호 처리 기술을 이용하여 상기 간 조직의 초음파 신호에 대응하는 간 조직의 특징 및 간 조직 경계의 특징에 따라 상기 간 조직의 경계를 식별하고; 상기 간 조직 정보가 이차원 초음파 영상 또는 삼차원 초음파 영상인 경우, 즉 영상 처리 기술을 이용하여 상기 간 조직의 이차원 초음파 영상 또는 삼차원 초음파 영상에 대응하는 간 조직의 특징 및 간 조직 경계의 특징에 따라 상기 간 조직 경계를 식별한다.
그 중, 상기 간 조직 정보가 간 조직의 일차원 초음파 신호, 간 조직의 이차원 초음파 영상 또는 간 조직의 삼차원 초음파 영상인 경우, 영상 처리 기술 또는 신호 처리 기술을 이용하여 상기 간 조직 정보에 대응하는 간 조직의 특징 및 간 조직 경계의 특징에 따라 상기 간 조직 정보 중의 간 조직 경계를 식별하는 단계는 구체적으로, 상기 간 조직 정보를 복수의 검출 서브영역으로 구분하는 단계; 각각의 검출 서브영역에서 간 조직 정보의 특징값을 계산하고, 검출 서브영역에서 간 조직 정보의 특징값에 따라 상기 간 조직의 경계를 확정하는 단계를 포함할 수 있다.
단계 13: 식별된 간 조직 경계의 위치 정보를 출력하는 단계.
그 중, 식별된 간 조직 경계의 위치정보를 출력하는 단계는 식별된 간 조직 경계의 좌표 위치를 출력하는 단계; 및/또는 식별된 간 조직 경계의 영상을 디스플레이하는 단계를 포함할 수 있다. 즉, 식별된 간 조직 경계의 위치 정보를 출력 시, 간 조직 경계의 좌표위치만 출력할 수도 있고, 간 조직 경계의 영상만 디스플레이할 수도 있으며, 간 조직 경계의 좌표위치를 출력할 뿐만 아니라, 간 조직 경계의 영상을 디스플레이할 수도 있다.
본 발명의 제1 실시예에서 제공하는 간 조직 경계의 식별 방법은, 간 조직 정보에 대응하는 간 조직의 특징 및 간 조직 경계의 특징에 따라 상기 간 조직 경계를 자동으로 또한 고효율로 식별할 수 있다. 그 중, 상기 간 조직 정보는 간 조직의 일차원 구조 정보에 반응하는 A형 초음파 신호 또는 조직의 일차원 구조 동적 정보에 반응하는 M형 초음파 신호일 수도 있고, 간 조직의 이차원 구조에 반응하는 B형 초음파 영상일 수도 있으며, 간 조직의 삼차원 구조에 반응하는 CT 또는 MRI 영상일 수도 있다.
제2 실시예:
제2 실시예는 본 발명의 제1 실시예 중 단계 12에 대한 구체적인 최적화 방안으로서, 상기 방법은 간 조직의 일차원 초음파 신호에 적용된다. 도 2는 본 발명의 제2 실시예에서 제공하는 간 경계의 식별 방법의 구현 흐름도이고, 도 3은 본 발명의 제2 실시예 중의 간 조직의 M형 초음파 신호에 따른 경계 식별 효과도이다. 도 2와 도 3을 결합해보면, 상기 방법은
단계 21: 간 조직의 일차원 초음파 신호를 복수의 검출 서브영역(Si)으로 구분하는 단계.
상기 간 조직의 일차원 초음파 신호는 간 조직의 A형 초음파 신호 또는 간 조직의 M형 초음파 신호일 수 있다. 초음파 신호에 n개의 표본점이 포함되고, 대응되는 간 조직의 초음파 신호의 스캔 심도는 d(단위: mm)라고 가정할 경우, 1mm 심도마다 n/d개의 점을 포함한다. n개의 표본점을 복수 구간의 검출 서브영역(Si)으로 구분하고, 검출 서브영역(Si)에 대응되는 스캔 심도를 di라 하면, 그 중 i는 정수이고, 스캔 심도(di)는 검출 서브영역(Si)의 심도 평균값 또는 말단값(端値)일 수 있으며, 여기서는 말단값을 취한다.
예를 들어, z를 간격으로 하여 n개의 표본점을 복수 구간의 검출 서브영역(Si)으로 구분하면, 초음파 영상에서, 영상의 최저부(즉 스캔 심도의 가장 깊은 부위에 해당)는 일반적으로 검출 타겟이 포함되지 않기 때문에, 영상 최저부의 정보는 무시해도 된다. 이때, i=1,2,...,[d/z]-1이고, z는 검출 서브영역의 구간 길이(단위: mm)이며, []은 올림 연산(取整運算)이다. 이때, 각 구간의 검출 서브영역마다 각각 [zn/d]개의 표본점을 포함한다. 예를 들어, 초음파 신호의 스캔 심도(d)가 20mm이고, 간격(z)이 3mm인 경우, n개의 표본점을 [d/z]-1=6구간의 검출 서브영역 S1~S6으로 구분한다. 그 중 S1은 0~3mm 구간에 대응하고, S2는 3~6mm 구간에 대응하며, ... , S6는 15~18mm 구간에 대응한다. 영상 최저부(즉 18~20mm 구간에 해당)는 통상적으로 검출 타겟을 포함하고 있지 않으므로 무시된다.
단계 22: 각 검출 서브영역(Si) 중의 간 조직의 초음파 신호(Ri)의 Nakagami 분포값(mi)을 계산하는 단계.
그 중, Nakagami 통계 모델은 초음파 조직 특성 감별 기술의 일종이다. 구체적으로, 하기 공식에 따라 각각의 검출 서브영역(Si) 내의 간 조직의 영상에 대응하는 초음파 신호(Ri)의 Nakagami 분포값(mi)을 계산한다.
Figure 112017023998755-pct00001
그 중, Nakagami 분포의 확률 밀도 함수는
Figure 112017023998755-pct00002
이며,
그 중, E(.)는 평균값 함수이고, Γ(.)는 감마 함수를 나타내며, Ω=E(r2)이고, U(.)는 단위 계단 함수(單位階躍函數)를 나타내며, m은 Nakagami 분포값이고, r은 확률 분포 함수 f(r)의 종속변수이며, r≥0, m≥0이다. 각각의 검출 서브영역(Si)에 대해 설명하면, mi는 Si 영역 내의 m값이고, Ri는 초음파 신호의 포락값(包絡値)이다.
m값이 (0,1) 범위 내일 경우, 간 조직의 초음파 신호는 프리 레일리(pre-Rayleigh) 분포를 따르고; m값이 1과 같을 경우, 초음파 에코 신호는 레일리(Rayleigh) 분포를 따르며; m값이 1보다 클 경우, 초음파 에코 신호를 포스트 레일리(post-Rayleigh) 분포를 따른다.
단계 23: 하기 공식에 따라 각각의 검출 서브영역(Si)의 중량(Wi)을 계산하고, 최대 중량값에 대응하는 검출 서브영역을 간 조직의 경계 영역으로 확정하는 단계.
Figure 112017023998755-pct00003
그 중, di는 검출 서브영역(Si)에 대응하는 스캔 심도로서, 마찬가지로 검출 서브영역(Si)의 심도 평균값 또는 말단값을 취할 수 있으며, 각각의 검출 서브영역의 중량(Wi)을 편력(遍歷)하여 최대 중량값에 대응하는 검출 서브영역을 선택하고, 이를 간 조직의 경계 영역으로 삼으면, 간 조직 경계의 자동 위치결정을 완료하게 된다.
본 발명의 제2 실시예에서 제공하는 간 경계 식별 방법은 간 조직의 A형 또는 M형 초음파 신호를 통해 간 조직 경계의 실시간 자동 위치결정을 구현할 수 있다. 또한, 본 알고리즘은 복잡성이 낮기 때문에, 비교적 높은 간 조직 경계의 식별 효율을 지니며, 따라서 간 조직 경계의 실시간 자동 위치결정을 구현할 수 있다.
제3 실시예:
제3 실시예는 본 발명의 제1 실시예 중 단계 12의 구체적인 최적화 방안으로서, 상기 방법은 간 조직의 이차원 초음파 신호에 적용된다. 도 4는 본 발명의 제3 실시예에서 제공하는 간 경계의 식별 방법의 구현 흐름도이고, 도 5는 본 발명의 제3 실시예 중 간 조직의 B형 초음파 영상에 따른 경계 식별 효과도이다. 도 4와 도 5를 결합해보면, 상기 방법은 이하 단계를 포함한다.
단계 31: 상기 간 조직의 이차원 초음파 영상을 복수의 직사각형 검출 서브영역(Rij)으로 구분하는 단계로서, i, j는 자연수이며, 각각 검출 서브영역의 행, 열 번호를 나타낸다.
상기 간 조직의 이차원 초음파 영상은 간 조직의 B형 초음파 영상일 수 있다. 한 폭의 B형 초음파 영상의 크기를 w*h라고 가정하면, 그 중 w는 간 조직의 이차원 초음파 영상의 폭이고, h는 간 조직의 이차원 초음파 영상의 높이이며(w와 h의 단위는 모두 화소), 대응되는 스캔 심도는 d(단위: mm)이다. 이때 심도 방향의 스캔라인 상에서, 1mm 심도는 h/d개의 화소점을 포함하며, 크기가 w*h인 B형 초음파 영상을 복수의 직사각형 검출 서브영역(Rij)으로 구분한다.
예를 들어, z를 변의 길이로 하여 크기가 w*h인 B형 초음파 영상을 복수의 정사각형 검출 서브영역(Rij)으로 구분하며, 제1 실시예와 유사하게, 초음파 영상 중, 영상의 최저부(즉 스캔 심도의 가장 깊은 부위) 및 폭 방향의 가장 가장자리 부위는 일반적으로 검출 타겟이 포함되지 않기 때문에, 영상 최저부 및 폭 방향의 가장 가장자리 부위의 정보는 무시해도 된다. 이때
Figure 112017023998755-pct00004
Figure 112017023998755-pct00005
이며, 그 중 z는 정사각형 검출 서브영역의 변의 길이이고(단위: mm), []는 올림 연산이다. 이때, 각각의 정사각형 검출 서브영역(Rij)의 폭과 높이는 모두 [zh/d]개의 화소이다.
단계 32: 각각의 검출 서브영역(Rij)의 중량(Wij)을 계산하고, 최대 중량값에 대응하는 검출 서브영역을 간 조직 경계 영역으로 확정한다. 여기서, 연산량을 감소시키기 위하여, 절반 수량의 검출 서브영역의 중량값만 계산할 수 있으며, 예를 들어 이차원 초음파 영상을 중심선을 따라 하나를 둘로 나누어, 중심선 이상의 절반 폭의 이차원 초음파 영상 중의 각 검출 서브영역(Rkj)의 중량(Wkj)(k=imax/2)만으로 중심선 이상의 경계 서브영역을 찾아낸 다음, 이 경계 서브영역을 폭 방향(측방향)을 따라 연장시키면 전체 경계 영역을 획득할 수 있다. 그 중, 중량(Wkj)는 이하 공식에 따라 계산할 수 있다:
Figure 112017023998755-pct00006
그 중, Mkj는 검출 서브영역(Rkj)에서 간 조직의 이차원 초음파 영상의 그레이스케일 평균값이고, SDkj는 검출 서브영역(Rkj)에서 간 조직의 이차원 초음파 영상의 그레이스케일 표준차이며, dkj는 검출 서브영역(Rkj)에 대응하는 스캔 심도이다. k=imax/2에 따르면, 간 조직의 이차원 초음파 영상이 변의 길이가 z인 직사각형 영역으로 구분될 경우,
Figure 112017023998755-pct00007
이며, k는 정수이고, imax는 i값 범위 내의 최대값임을 알 수 있다.
간포막 영역이 B형 초음파 영상에서 균일하게 고에코로 나타나기 때문에, 간 경계 영역의 그레이스케일 평균값이 비교적 크고; 또한, 간포막 영역이 B형 초음파 영상에서 균일한 일치성을 지니기 때문에, 그레이스케일 표준차가 비교적 작다. 콘벡스 어레이 프로브로 스캔 시 부채꼴 B형 초음파 영상 양측의 검정색 배경 영역이 B형 초음파 영상의 중심선 부위에 위치한 검출 서브영역으로부터 검색되는 것을 방지하기 위하여, 검출 서브영역(Rkl)이 일련의 검출 영역(Rkj) 중, 중량이 최대인 영역일 경우, 상기 검출 서브영역(Rkl)을 간 조직의 경계로 확정한다.
제3 실시예에서 제공하는 간 경계의 식별 방법은 간 조직의 B형 초음파 영상을 통해 간 조직 경계의 실시간 자동 위치결정을 구현할 수 있다. 본 알고리즘은 복잡도가 낮기 때문에 비교적 높은 간 조직 경계의 식별 효율을 지니며, 따라서 간 조직 경계의 실시간 자동 위치결정을 구현할 수 있다.
제4 실시예:
제4 실시예는 본 발명의 제1 실시예 중 단계 12의 구체적인 최적화 방안으로서, 상기 방법은 간 조직의 삼차원 초음파 신호에 적용된다. 도 6은 본 발명의 제4 실시예에서 제공하는 간 경계 식별 방법의 구현 흐름도이고, 도 7은 본 발명의 제4 실시예 중 간 조직의 CT 영상에 따른 경계 식별 효과도이다. 도 6과 도 7을 결합해보면, 상기 방법은 이하 단계를 포함한다.
단계 41: 영상 분할 방법을 이용하여 상기 간 조직의 CT 영상 또는 상기 간 조직의 MRI 영상 중 피부의 이치 영상과 골격의 이치 영상을 추출하는 단계.
먼저, 피부의 이치 영상을 추출한다. 영상 좌표가 (0, 0)인 화소를 씨앗점으로 하여, 화상 분할 방법(예를 들어 영역 성장 분할법)으로 피부의 이치 영상을 추출하며, 그 중 공기의 CT값에 대응하는 영역 성장의 준칙은 [-1024, -500]HU(Hounsfield unit, 하운스)이다.
그 다음, 추골의 이치 영상과 늑골의 이치 영상을 포함하는 골격의 이치 영상을 추출한다. 전체 영상에 대해 임계값 범위가 [350, 1024]HU인 역치 분할을 실시하여 골격의 이치 영상을 추출한다.
단계 42: 상기 골격의 이치 영상의 질량중심을 계산하고, 상기 피부의 이치 영상에서 상기 질량중심과 가장 가까운 점을 계산하는 단계.
골격의 이치 영상의 질량중심(PC)을 계산한다. 늑골은 일반적으로 추골을 따라 좌우로 대칭되고, 또한 추골은 골격 영상 중 비중이 비교적 크므로, 골격 영상의 질량중심은 즉 추골의 질량중심(PC)이다.
추골의 질량중심(PC)을 시작점으로 하여, 피부의 이치 영상에서 상기 질량중심(PC)과 가장 가까운 점을 찾아 PN으로 표기한다.
단계 43: 상기 질량중심 및 상기 질량중심에서 가장 가까운 점에 따라, 상기 간 조직의 영상을 4개의 분면(象限)으로 구분하는 단계.
질량중심(PC) 및 질량중심에서 가장 가까운 점(PN)을 이용하여 CT 영상을 4개의 분면으로 구분하며, 즉 질량중심(PC) 및 질량중심에서 가장 가까운 점(PN)인 상기 두 점이 소재하는 직선을 세로 좌표축으로 하고, 질량중심(PC)을 지나 세로 좌표축과 수직을 이루는 직선을 횡 좌표축으로 한다. 간의 대부분의 영역은 제2사분면(象限) 내에 위치한다.
단계 44: 제2사분면 내의 각각의 늑골점을 피팅하여 늑골 피팅 곡선을 획득하는 단계.
B 스플라인 곡선 또는 피부 곡선으로 제2사분면 내의 늑골의 각 점을 피팅하여 늑골 피팅 곡선을 획득한다.
단계 45: 상기 늑골 피팅 곡선을 제1사분면으로 미리 설정된 값만큼 이동시켜 경계 곡선으로 삼고, 또한 상기 경계 곡선과 상기 늑골 피팅 곡선 간의 영역을 간 조직의 경계 영역으로 확정하는 단계.
늑골 곡선이 간포막에 근접하기 때문에, 늑골 곡선을 내측으로 미리 설정된 값만큼 이동시켜 경계 곡선으로 삼고, 경계 곡선과 늑골 피팅 곡선 간의 영역을 간 조직의 경계 영역으로 확정한다.
그 중, 상기 기설정값은 5mm일 수 있다.
본 발명의 제4 실시예에서 제공하는 간 경계 식별 방법은 간 조직의 CT 영상 또는 MRI 영상을 통해 간 조직 경계의 실시간 자동 위치결정을 구현할 수 있다. 또한, 본 알고리즘은 복잡도가 낮기 때문에, 비교적 높은 간 조직 경계의 식별 효율을 지니며, 따라서 간 조직 경계의 실시간 자동 위치결정을 구현할 수 있다.
제5 실시예:
도 8은 본 발명의 제5 실시예에서 제공하는 간 경계 식별 시스템의 구조도로서, 도 8에 도시된 바와 같이, 본 실시예의 상기 간 경계 식별 시스템은 정보 획득장치(51), 간 경계 식별장치(52) 및 간 경계 디스플레이장치(53)를 포함할 수 있다. 그 중, 상기 정보 획득장치(51)는 식별하고자 하는 간 조직 정보를 획득하기 위한 것이고; 상기 간 경계 식별장치(52)는 영상 처리 기술 또는 신호 처리 기술을 이용하여 상기 간 조직 정보에 대응하는 간 조직의 특징 및 간 조직 경계의 특징에 따라, 상기 간 조직 정보 중의 간 조직 경계를 식별하기 위한 것이며; 상기 간 경계 디스플레이장치(53)는 식별된 간 조직 경계의 위치 정보를 출력하기 위한 것이다.
그 중, 상기 간 조직 정보가 간 조직의 일차원 초음파 신호, 간 조직의 이차원 초음파 영상 또는 간 조직의 삼차원 초음파 영상인 경우, 상기 간 경계 식별장치(52)는 상기 간 조직 정보를 복수의 검출 서브영역으로 구분하기 위한 영역 구분 유닛; 각각의 검출 서브영역에서 간 조직 정보의 특징값을 계산하고, 검출 서브영역에서 간 조직 정보의 특징값에 따라 상기 간 조직 경계를 확정하기 위한 경계 확정 유닛을 포함할 수 있다.
그 중, 상기 간 조직 정보가 간 조직의 일차원 초음파 신호인 경우, 상기 경계 확정유닛은 각각의 검출 서브영역(Si) 중의 간 조직의 일차원 초음파 신호(Ri)의 Nakagami 분포값(mi)을 계산하기 위한 제1 특징값 계산 서브유닛; 하기 공식에 따라 각각의 검출 서브영역(Si)의 중량(Wi)을 계산하고, 최대 중량값에 대응하는 검출 서브영역을 간 조직의 경계 영역으로 확정하기 위한 제1 경계 확정 서브유닛을 포함할 수 있다.
Figure 112017023998755-pct00008
그 중, di는 검출 서브영역(Si)에 대응하는 스캔 심도이다.
그 중, 상기 간 조직 정보가 간 조직의 이차원 초음파 영상인 경우, 상기 영역 구분 유닛은 구체적으로, 상기 간 조직의 이차원 초음파 영상을 복수의 직사각형 검출 서브영역(Rij)으로 구분하기 위한 것일 수 있고; 상기 경계 확정 유닛은 하기 공식에 따라 각각의 검출 서브영역(Rkj)의 중량(Wkj)을 계산하고, 최대 중량값에 대응하는 검출 서브영역을 간 조직의 경계 영역으로 확정하기 위한 것일 수 있다.
Figure 112017023998755-pct00009
그 중, Mkj는 검출 서브영역(Rkj)에서 간 조직의 이차원 초음파 영상의 그레이스케일 평균값이고, SDkj는 검출 서브영역(Rkj)에서 간 조직의 이차원 초음파 영상의 그레이스케일 표준차(灰度標準差)이며, dkj는 검출 서브영역(Rkj)에 대응하는 스캔 심도이고, k=imax/2이다.
그 중, 상기 간 조직 정보가 간 조직의 CT 영상 또는 간 조직의 MRI 영상인 경우, 상기 간 경계 식별장치(52)는 구체적으로, 영상 분할 방법을 이용하여 상기 간 조직의 CT 영상 또는 상기 간 조직의 MRI 영상 중 피부의 이치 영상과 골격의 이치 영상을 추출하기 위한 이치 영상 획득 유닛; 상기 골격의 이치 영상의 질량중심을 계산하고, 상기 피부의 이치 영상에서 상기 질량중심과 가장 가까운 점을 계산하기 위한 특징점 확정 유닛; 상기 질량중심 및 상기 질량중심과 가장 가까운 점에 따라, 상기 간 조직의 영상을 4개의 분면으로 구분하기 위한 영상 구분 유닛; 제2사분면 내의 각 늑골점을 피팅하여 늑골 피팅 곡선을 획득하기 위한 곡선 피팅 유닛; 상기 늑골 피팅 곡선을 제1사분면으로 미리 설정된 값만큼 이동시켜 경계 영역 곡선으로 삼고, 상기 경계 영역 곡선과 상기 늑골 피팅 곡선 간의 영역을 간 조직의 경계 영역으로 확정하기 위한 경계 영역 확정 유닛을 포함한다.
본 발명의 제5 실시예에서 제공하는 간 경계 식별 시스템은 간 조직 정보에 대응하는 간 조직 경계 특징에 따라, 자동으로 또한 고효율로 상기 간 조직 경계를 식별할 수 있다. 그 중, 상기 간 조직 정보는 간 조직의 일차원 구조 정보에 반응하는 A형 초음파 신호 또는 조직의 일차원 구조 동적 정보에 반응하는 M형 초음파 영상 또는 M형 초음파 신호일 수 있고, 조직의 이차원 구조에 반응하는 B형 초음파 영상일 수도 있으며, 간 조직의 삼차원 구조에 반응하는 CT 또는 MRI 영상일 수도 있다.
상기 내용은 단지 본 발명의 실시예의 바람직한 실시예일뿐, 결코 본 발명의 실시예를 제한하기 위한 것이 아니며, 본 분야의 기술자에게 있어서, 본 발명의 실시예는 각종 변동과 변화가 있을 수 있다. 본 발명의 실시예의 정신과 원리 내에서 실시되는 임의의 수정, 동등한 교체, 개선 등은 모두 본 발명의 실시예의 보호범위 내에 포함된다.

Claims (12)

  1. 식별하고자 하는 간 조직 정보를 획득하는 단계;
    영상 처리 기술 또는 신호 처리 기술을 이용하여 상기 간 조직 정보에 대응하는 간 조직의 특징 및 간 조직 경계의 특징에 따라, 상기 간 조직 정보 중의 간 조직 경계를 식별하는 단계;
    식별된 간 조직 경계의 위치 정보를 출력하는 단계; 를 포함하고,
    상기 간 조직 정보가 간 조직의 일차원 초음파 신호, 간 조직의 이차원 초음파 영상 또는 간 조직의 삼차원 초음파 영상인 경우,
    영상 처리 기술 또는 신호 처리 기술을 이용하여 상기 간 조직 정보에 대응하는 간 조직의 특징 및 간 조직 경계의 특징에 따라 상기 간 조직 정보 중의 간 조직 경계를 식별하는 단계는,
    상기 간 조직 정보를 복수의 검출 서브영역으로 구분(劃分)하는 단계;
    각각의 검출 서브영역에서 간 조직 정보의 특징값을 계산하고, 검출 서브영역에서 간 조직 정보의 특징값에 따라 상기 간 조직의 경계를 확정하는 단계; 를 포함하는 것을 특징으로 하는 방법.
  2. 삭제
  3. 제 1 항에 있어서,
    상기 간 조직 정보가 간 조직의 일차원 초음파 신호인 경우, 상기 각각의 검출 서브영역에서 간 조직 정보의 특징값을 계산하고, 검출 서브영역에서 간 조직 정보의 특징값에 따라 상기 간 조직 경계를 확정하는 단계는
    각 검출 서브영역(Si) 중의 간 조직의 초음파 신호(Ri)의 Nakagami 분포값(mi)을 계산하는 단계;
    하기 공식에 따라 각각의 검출 서브영역(Si)의 중량(權重)(Wi)을 계산하고, 최대 중량값에 대응하는 검출 서브영역을 간 조직의 경계 영역으로 확정하는 단계;를 포함하되,
    Figure 112018048262285-pct00010

    그 중, di는 검출 서브영역(Si)에 대응하는 스캔 심도이고, i는 자연수인 것을 특징으로 하는 방법.
  4. 제 1 항에 있어서,
    상기 간 조직 정보가 간 조직의 이차원 초음파 영상인 경우,
    상기 간 조직 정보를 복수의 검출 서브영역으로 구분하는 단계는
    상기 간 조직의 이차원 초음파 영상을 복수의 직사각형 검출 서브영역(Rij)으로 구분하는 단계를 포함하고, i, j는 자연수이며;
    상기 각각의 검출 서브영역에서 간 조직 정보의 특징값을 계산하고, 검출 서브영역에서 간 조직 정보의 특징값에 따라 상기 간 조직 경계를 확정하는 단계는
    하기 공식에 따라 각각의 검출 서브영역(Rkj)의 중량(Wkj)을 계산하고, 최대 중량값에 대응하는 검출 서브영역을 간 조직의 경계 영역으로 확정하는 단계를 포함하되,
    Figure 112018048262285-pct00011

    그 중, Mkj는 검출 서브영역(Rkj)에서 간 조직의 이차원 초음파 영상의 그레이스케일 평균값이고, SDkj는 검출 서브영역(Rkj)에서 간 조직의 이차원 초음파 영상의 그레이스케일 표준차(灰度標準差)이며, dkj는 검출 서브영역(Rkj)에 대응하는 스캔 심도이고, k=imax/2이며, 또한 k는 자연수이고, imax는 i값 범위 내의 최대값인 것을 특징으로 하는 방법.
  5. 삭제
  6. 제 1 항 및 제3항 내지 제4항 중의 어느 한 항에 있어서,
    식별된 간 조직 경계의 위치 정보를 출력하는 단계는
    식별된 간 조직 경계의 좌표위치를 출력하는 단계; 및/또는
    식별된 간 조직 경계의 영상을 디스플레이하는 단계; 를 포함하는 것을 특징으로 하는 방법.
  7. 정보 획득장치, 간 경계 식별장치 및 간 경계 디스플레이 장치를 포함하되,
    상기 정보 획득장치는 식별할 간 조직 정보를 획득하기 위한 것이고;
    상기 간 경계 식별장치는 영상 처리 기술 또는 신호 처리 기술을 이용하여 상기 간 조직 정보에 대응하는 간 조직의 특징 및 간 조직 경계의 특징에 따라, 상기 간 조직 정보 중의 간 조직 경계를 식별하기 위한 것이며;
    상기 간 경계 디스플레이장치는 식별한 간 조직 경계의 위치 정보를 출력하기 위한 것이며,
    상기 간 조직 정보가 간 조직의 일차원 초음파 신호, 간 조직의 이차원 초음파 영상 또는 간 조직의 삼차원 초음파 영상인 경우,
    상기 간 경계 식별장치는
    상기 간 조직 정보를 복수의 검출 서브영역으로 구분하기 위한 영역 구분 유닛;
    각각의 검출 서브영역에서 간 조직 정보의 특징값을 계산하고, 검출 서브영역에서 간 조직 정보의 특징값에 따라 상기 간 조직 경계를 확정하기 위한 경계 확정 유닛; 을 포함하는 것을 특징으로 하는 시스템.
  8. 삭제
  9. 제 7 항에 있어서,
    상기 간 조직 정보가 간 조직의 일차원 초음파 신호인 경우, 상기 경계 확정유닛은
    각각의 검출 서브영역(Si) 중의 간 조직의 일차원 초음파 신호(Ri)의 Nakagami 분포값(mi)을 계산하기 위한 제1 특징값 계산 서브유닛;
    하기 공식에 따라 각각의 검출 서브영역(Si)의 중량(Wi)을 계산하고, 최대 중량값에 대응하는 검출 서브영역을 간 조직의 경계 영역으로 확정하기 위한 제1 경계 확정 서브유닛; 을 포함하되,
    Figure 112018048262285-pct00012

    그 중, di는 검출 서브영역(Si)에 대응하는 스캔 심도이고, i는 자연수인 것을 특징으로 하는 시스템.
  10. 제 7 항에 있어서,
    상기 간 조직 정보가 간 조직의 이차원 초음파 영상인 경우,
    상기 영역 구분 유닛은 구체적으로 상기 간 조직의 이차원 초음파 영상을 복수의 직사각형 검출 서브영역(Rij)으로 구분하기 위한 것이고, i, j는 자연수이며;
    상기 경계 확정유닛은 구체적으로 하기 공식에 따라 각각의 검출 서브영역(Rkj)의 중량(Wkj)을 계산하고, 최대 중량값에 대응하는 검출 서브영역을 간 조직의 경계 영역으로 확정하며;
    Figure 112018048262285-pct00013

    그 중, Mkj는 검출 서브영역(Rkj)에서 간 조직의 이차원 초음파 영상의 그레이스케일 평균값이고, SDkj는 검출 서브영역(Rkj)에서 간 조직의 이차원 초음파 영상의 그레이스케일 표준차이며, dkj는 검출 서브영역(Rkj)에 대응하는 스캔 심도이고, k=imax/2이며, 또한 k는 자연수이고, imax는 i 취득값 범위 내의 최대값인 것을 특징으로 하는 시스템.
  11. 삭제
  12. 제 7 항 및 제9항 내지 제10항 중의 어느 한 항에 있어서,
    상기 간 경계 디스플레이 장치는
    식별된 간 조직 경계의 좌표 위치를 출력하기 위한 위치 출력 유닛; 및/또는
    식별된 간 조직 경계의 영상을 디스플레이하기 위한 영상 디스플레이 유닛; 을 포함하는 것을 특징으로 하는 시스템.
KR1020177006751A 2014-10-21 2015-08-10 간 경계 식별방법 및 시스템 KR101913977B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201410564295.5 2014-10-21
CN201410564295.5A CN104408398B (zh) 2014-10-21 2014-10-21 一种肝脏边界的识别方法及系统
PCT/CN2015/081838 WO2016062108A1 (zh) 2014-10-21 2015-08-10 一种肝脏边界的识别方法及系统

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020187014057A Division KR101894212B1 (ko) 2014-10-21 2015-08-10 간 경계 식별방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20170042677A KR20170042677A (ko) 2017-04-19
KR101913977B1 true KR101913977B1 (ko) 2018-10-31

Family

ID=52646029

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020187014057A KR101894212B1 (ko) 2014-10-21 2015-08-10 간 경계 식별방법 및 시스템
KR1020177006751A KR101913977B1 (ko) 2014-10-21 2015-08-10 간 경계 식별방법 및 시스템

Family Applications Before (1)

Application Number Title Priority Date Filing Date
KR1020187014057A KR101894212B1 (ko) 2014-10-21 2015-08-10 간 경계 식별방법 및 시스템

Country Status (11)

Country Link
US (2) US10354390B2 (ko)
EP (2) EP3211561B1 (ko)
JP (2) JP6735738B2 (ko)
KR (2) KR101894212B1 (ko)
CN (2) CN104408398B (ko)
AU (3) AU2015335555B2 (ko)
BR (1) BR112017008006B1 (ko)
ES (1) ES2965710T3 (ko)
PL (1) PL3211561T3 (ko)
RU (2) RU2756779C2 (ko)
WO (1) WO2016062108A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10354390B2 (en) 2014-10-21 2019-07-16 Wuxi Hisky Medical Technologies Co., Ltd. Liver boundary identification method and system

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105678746B (zh) * 2015-12-30 2018-04-03 上海联影医疗科技有限公司 一种医学图像中肝脏范围的定位方法及装置
US11540810B2 (en) * 2018-05-03 2023-01-03 Koninklijke Philips N.V. Shear wave amplitude reconstruction for tissue elasticity monitoring and display
WO2020012884A1 (ja) * 2018-07-13 2020-01-16 古野電気株式会社 超音波撮像装置、超音波撮像システム、超音波撮像方法および超音波撮像プログラム
CN110555833B (zh) * 2019-08-30 2023-03-21 联想(北京)有限公司 图像处理方法、装置、电子设备以及介质
CN110772281B (zh) * 2019-10-23 2022-03-22 哈尔滨工业大学（深圳） 基于改进射线追踪法的超声ct成像系统
CN111161293B (zh) * 2019-11-25 2023-03-21 新绎健康科技有限公司 基于直角坐标空间确定gdv能量图像的轮廓的方法及系统
CN112037234B (zh) * 2020-08-19 2022-09-30 大连理工大学 用骨骼信息对ct图像中肝脏与肌肉进行分离的方法
CN112245006B (zh) * 2020-11-13 2022-03-04 范宁 一种基于三角模型的肝脏肿瘤手术方法及系统
CN112614123A (zh) * 2020-12-29 2021-04-06 深圳开立生物医疗科技股份有限公司 一种超声图像识别方法及相关装置
WO2023133935A1 (zh) * 2022-01-14 2023-07-20 汕头市超声仪器研究所股份有限公司 超声颅脑异常区域自动检测及显示方法
CN117653163A (zh) * 2023-12-05 2024-03-08 上海长征医院 一种肝脏图像采集处理的方法、系统、计算机及终端

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007135884A1 (ja) 2006-05-19 2007-11-29 Hitachi Medical Corporation 超音波診断装置及び超音波診断方法
WO2007142255A1 (ja) 2006-06-06 2007-12-13 Hitachi Medical Corporation 超音波診断装置
US20100081931A1 (en) 2007-03-15 2010-04-01 Destrempes Francois Image segmentation
WO2011083789A1 (ja) 2010-01-07 2011-07-14 株式会社 日立メディコ 医用画像診断装置と医用画像の輪郭抽出処理方法
JP5542454B2 (ja) * 2010-01-14 2014-07-09 株式会社東芝 超音波診断装置、超音波画像処理装置及び超音波画像処理プログラム

Family Cites Families (38)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3109749B2 (ja) * 1991-04-17 2000-11-20 株式会社東芝 超音波映像化装置
JP3720839B2 (ja) * 1994-05-27 2005-11-30 フクダ電子株式会社 超音波診断装置
WO1997020193A1 (en) 1995-11-28 1997-06-05 Dornier Medical Systems, Inc. Method and system for non-invasive temperature mapping of tissue
US6370480B1 (en) 1999-05-21 2002-04-09 General Electric Company Quantitative analysis system and method for certifying ultrasound medical imaging equipment
US6925200B2 (en) 2000-11-22 2005-08-02 R2 Technology, Inc. Graphical user interface for display of anatomical information
JP3655830B2 (ja) * 2001-02-08 2005-06-02 アロカ株式会社 超音波診断装置
JP4907798B2 (ja) * 2001-08-24 2012-04-04 株式会社東芝 超音波診断装置
JP4105452B2 (ja) * 2002-03-04 2008-06-25 フクダ電子株式会社 超音波診断装置
US7819806B2 (en) * 2002-06-07 2010-10-26 Verathon Inc. System and method to identify and measure organ wall boundaries
CN1788284A (zh) * 2003-05-14 2006-06-14 西门子共同研究公司 对虚拟内窥镜检查进行快速自动中心线提取的方法和设备
US20060064396A1 (en) * 2004-04-14 2006-03-23 Guo-Qing Wei Liver disease diagnosis system, method and graphical user interface
US7519209B2 (en) * 2004-06-23 2009-04-14 Vanderbilt University System and methods of organ segmentation and applications of same
JP4575738B2 (ja) * 2004-09-29 2010-11-04 富士フイルム株式会社 超音波画像境界抽出方法及び超音波画像境界抽出装置、並びに、超音波撮像装置
KR100747093B1 (ko) * 2005-01-12 2007-08-07 주식회사 메디슨 초음파 진단 영상을 이용한 대상체의 경계를 자동으로검출하는 방법 및 초음파 진단 시스템
JP4713921B2 (ja) * 2005-04-15 2011-06-29 株式会社東芝 超音波診断装置及び超音波信号処理プログラム
US7702153B2 (en) * 2005-10-07 2010-04-20 Siemens Medical Solutions Usa, Inc. Systems and methods for segmenting object of interest from medical image
EP2081494B1 (en) * 2006-11-16 2018-07-11 Vanderbilt University System and method of compensating for organ deformation
DE102007028270B4 (de) * 2007-06-15 2013-11-14 Siemens Aktiengesellschaft Verfahren zur Segmentierung von Bilddaten zur Erkennung einer Leber
EP2006803A1 (en) * 2007-06-19 2008-12-24 Agfa HealthCare NV Method of segmenting anatomic entities in 3D digital medical images
EP2208465A4 (en) * 2007-11-09 2014-12-10 Hitachi Medical Corp ULTRASOUND DEVICE, METHOD FOR CONTROLLING THE SAME, AND AN EPOGRAPHIC DIAGNOSTIC PROGRAM
CN100589124C (zh) * 2008-03-04 2010-02-10 浙江大学 多排螺旋ct影像中的自动分割肝脏区域的方法
CN101425186B (zh) * 2008-11-17 2012-03-28 华中科技大学 一种基于ct图像的肝脏分段方法及其系统
CN101601585B (zh) * 2009-07-02 2011-01-12 厦门强本科技有限公司 基于ct增强扫描技术的肝脏分段体积测量方法
RU2407426C1 (ru) * 2009-07-30 2010-12-27 Государственное учреждение Московский областной научно-исследовательский клинический институт им. М.Ф. Владимирского (МОНИКИ им. М.Ф. Владимирского) Способ определения размеров и глубины залегания анатомо-морфологических структур в живой биологической ткани при ее обследовании с помощью оптико-когерентной томографии
JP5599683B2 (ja) * 2010-09-07 2014-10-01 株式会社日立メディコ 医用画像処理装置、医用画像処理方法
US9117259B2 (en) * 2010-09-22 2015-08-25 Siemens Aktiengesellschaft Method and system for liver lesion detection
CN103402453B (zh) 2011-03-03 2016-11-16 皇家飞利浦有限公司 用于导航系统的自动初始化和配准的系统和方法
CN102956035A (zh) * 2011-08-25 2013-03-06 深圳市蓝韵实业有限公司 用于乳腺x线图像中提取乳腺区域的预处理方法及系统
KR20130080640A (ko) * 2012-01-05 2013-07-15 삼성메디슨 주식회사 초음파 영상 제공 방법 및 초음파 영상 제공 장치
JP5797124B2 (ja) * 2012-01-31 2015-10-21 富士フイルム株式会社 手術支援装置、手術支援方法および手術支援プログラム
JP5922465B2 (ja) * 2012-03-30 2016-05-24 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 磁気共鳴装置、ナビゲータ領域設定方法、およびプログラム
WO2014011925A2 (en) * 2012-07-11 2014-01-16 University Of Mississippi Medical Center Method for the detection and staging of liver fibrosis from image acquired data
KR102001219B1 (ko) * 2012-11-26 2019-07-17 삼성전자주식회사 의료 영상들의 정합 방법 및 장치
US9600875B2 (en) 2012-11-30 2017-03-21 Koninklijke Philips N.V. Tissue surface roughness quantification based on image data and determination of a presence of disease based thereon
CN103914710A (zh) * 2013-01-05 2014-07-09 北京三星通信技术研究有限公司 从图像中检测对象的设备和方法
BR112015020425B1 (pt) * 2013-02-28 2022-06-21 Koninklijke Philips N.V. Sistema de imageamento por ultrassom inspecionar um objeto em um volume e método para fornecer uma imagem de ultrassom de um objeto em um volume
US9155513B2 (en) * 2013-07-17 2015-10-13 Hepatiq Llc Systems and methods for determining hepatic function from liver scans
CN104408398B (zh) * 2014-10-21 2019-02-22 无锡海斯凯尔医学技术有限公司 一种肝脏边界的识别方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007135884A1 (ja) 2006-05-19 2007-11-29 Hitachi Medical Corporation 超音波診断装置及び超音波診断方法
WO2007142255A1 (ja) 2006-06-06 2007-12-13 Hitachi Medical Corporation 超音波診断装置
US20100081931A1 (en) 2007-03-15 2010-04-01 Destrempes Francois Image segmentation
WO2011083789A1 (ja) 2010-01-07 2011-07-14 株式会社 日立メディコ 医用画像診断装置と医用画像の輪郭抽出処理方法
JP5542454B2 (ja) * 2010-01-14 2014-07-09 株式会社東芝 超音波診断装置、超音波画像処理装置及び超音波画像処理プログラム

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10354390B2 (en) 2014-10-21 2019-07-16 Wuxi Hisky Medical Technologies Co., Ltd. Liver boundary identification method and system
US10748291B2 (en) 2014-10-21 2020-08-18 Wuxi Hisky Medical Technologies Co., Ltd. Liver boundary identification method and system

Also Published As

Publication number Publication date
PL3211561T3 (pl) 2024-02-12
RU2019131112A3 (ko) 2020-04-02
KR20170042677A (ko) 2017-04-19
CN104408398B (zh) 2019-02-22
WO2016062108A1 (zh) 2016-04-28
RU2707032C2 (ru) 2019-11-21
JP6735738B2 (ja) 2020-08-05
AU2018206807B9 (en) 2020-01-23
US10748291B2 (en) 2020-08-18
EP3211561A4 (en) 2018-10-10
EP4276757A3 (en) 2024-02-28
AU2018206806B2 (en) 2019-08-29
US20190272644A1 (en) 2019-09-05
US10354390B2 (en) 2019-07-16
BR112017008006B1 (pt) 2022-12-13
AU2015335555A1 (en) 2017-05-11
EP3211561A1 (en) 2017-08-30
AU2018206807A1 (en) 2018-08-09
RU2017117302A (ru) 2018-11-20
AU2018206806A1 (en) 2018-08-09
RU2019131112A (ru) 2019-10-25
EP3211561C0 (en) 2023-11-01
JP7016549B2 (ja) 2022-02-07
JP2017532996A (ja) 2017-11-09
JP2020127831A (ja) 2020-08-27
KR20180058228A (ko) 2018-05-31
BR112017008006A2 (pt) 2018-06-19
US20170221215A1 (en) 2017-08-03
CN104408398A (zh) 2015-03-11
EP3211561B1 (en) 2023-11-01
CN108765438A (zh) 2018-11-06
CN108765438B (zh) 2020-10-30
AU2015335555B2 (en) 2018-04-26
RU2017117302A3 (ko) 2018-11-20
AU2018206807B2 (en) 2019-09-26
ES2965710T3 (es) 2024-04-16
RU2756779C2 (ru) 2021-10-05
EP4276757A2 (en) 2023-11-15
KR101894212B1 (ko) 2018-08-31

Similar Documents

Publication Publication Date Title
KR101913977B1 (ko) 간 경계 식별방법 및 시스템
KR101913976B1 (ko) 검출영역을 선택하는 방법 및 장치 및 탄성 검출 시스템
KR101121353B1 (ko) 2차원 초음파 영상에 대응하는 2차원 ｃｔ 영상을 제공하는 시스템 및 방법
KR101121396B1 (ko) 2차원 초음파 영상에 대응하는 2차원 ｃｔ 영상을 제공하는 시스템 및 방법
CN106725593B (zh) 超声三维胎儿面部轮廓图像处理方法系统
KR101175426B1 (ko) 3차원 초음파 영상을 제공하는 초음파 시스템 및 방법
KR101926015B1 (ko) 영상 처리 장치 및 방법
JP2016195764A (ja) 医用画像処理装置およびプログラム
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

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
A107 Divisional application of patent
E701 Decision to grant or registration of patent right
GRNT Written decision to grant