KR101926015B1 - 영상 처리 장치 및 방법 - Google Patents

영상 처리 장치 및 방법 Download PDF

Info

Publication number
KR101926015B1
KR101926015B1 KR1020150070562A KR20150070562A KR101926015B1 KR 101926015 B1 KR101926015 B1 KR 101926015B1 KR 1020150070562 A KR1020150070562 A KR 1020150070562A KR 20150070562 A KR20150070562 A KR 20150070562A KR 101926015 B1 KR101926015 B1 KR 101926015B1
Authority
KR
South Korea
Prior art keywords
segments
image
target image
data
target
Prior art date
Application number
KR1020150070562A
Other languages
English (en)
Other versions
KR20150063995A (ko
Inventor
이광희
Original Assignee
삼성메디슨 주식회사
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 삼성메디슨 주식회사 filed Critical 삼성메디슨 주식회사
Publication of KR20150063995A publication Critical patent/KR20150063995A/ko
Application granted granted Critical
Publication of KR101926015B1 publication Critical patent/KR101926015B1/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
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Radiology & Medical Imaging (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Biomedical Technology (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Physiology (AREA)
  • Quality & Reliability (AREA)

Abstract

타깃 뼈를 포함하는 피검체에 대한 볼륨 데이터를 획득하는 데이터 획득기 및 상기 볼륨 데이터 내 복수의 세그먼트들을 구분하고, 상기 타깃 뼈의 이미지 특성을 기반으로 상기 복수의 세그먼트들 중 하나의 세그먼트를 타깃 이미지로 결정하고, 상기 타깃 이미지의 중심을 지나는, 상기 타깃 이미지의 종단면(longitudinal section)을 결정하고, 상기 종단면을 기반으로 상기 타깃 뼈의 길이를 측정하는 데이터 처리기를 포함하는 영상 처리 장치가 개시된다.

Description

영상 처리 장치 및 방법{APPARATUS AND METHOD PROCESSING IMAGE}
본 개시는 영상 처리 장치 및 방법에 관한 것이다.
영상 처리 장치는 초음파 영상 장치, 컴퓨터단층촬영(Computed Tomography: CT) 장치 또는 자기공명영상(Magnetic Resonance Imaging: MRI) 장치 등의 의료 영상 장치를 위해 사용될 수 있다. 예를 들어, 영상 처리 장치는 의료 영상 장치에 포함될 수 있다.
영상 처리 장치는 태아의 생체 계측(fetal biometric measurements)에 이용될 수 있다. 생체 계측은 태아의 임신령(gestational age)을 추정하고, 태아의 크기를 평가하고, 태아의 성장을 모니터링하기 위해 수행될 수 있다. 생체 계측의 예로 대퇴골과 같은 타깃 뼈의 길이 측정이 있다. 측정된 타깃 뼈의 길이는 태아 기형을 예측하기 위한 중요한 요소이다.
따라서 효율적으로 타깃 뼈의 길이를 측정할 수 있는 영상 처리 장치 및 그 동작 방법이 요구된다.
본 개시가 해결하고자 하는 기술적 과제는, 효율적으로 타깃 뼈의 길이를 측정할 수 있는 영상 처리 장치 및 그 동작 방법을 제공하는 것에 있다.
상기 기술적 과제를 해결하기 위한 본 개시의 일 실시예에 따른 영상 처리 장치는, 타깃 뼈를 포함하는 피검체에 대한 영상 데이터를 획득하는 데이터 획득기; 및 상기 영상 데이터를 기반으로 문턱치화(thresholding)를 통해 이진 영상 데이터를 획득하고, 레이블링(labeling)을 통해 상기 이진 영상 데이터 내 복수의 세그먼트들을 구분하고, 상기 타깃 뼈의 이미지 특성을 기반으로 상기 복수의 세그먼트들 중 하나의 세그먼트를 타깃 이미지로 결정하고, 상기 타깃 이미지를 기반으로 상기 타깃 뼈의 길이를 측정하는 데이터 처리기를 포함한다.
상기 영상 데이터는 볼륨 데이터이고, 상기 데이터 처리기는, 상기 복수의 세그먼트들 각각의 형태를 분석하고, 분석된 형태를 기반으로 상기 복수의 세그먼트들로부터 하나 이상의 잔여 세그먼트들을 획득하고, 밝기 값을 기반으로 상기 하나 이상의 잔여 세그먼트들 중 하나의 세그먼트를 상기 타깃 이미지로 결정할 수 있다.
상기 데이터 처리기는, 상기 복수의 세그먼트들 각각의 형태를 분석하기 위해, 상기 복수의 세그먼트들 각각에 대해 PCA(Principle component analysis)를 수행함으로써, 상기 복수의 세그먼트들 각각마다 제1 주성분의 크기, 제2 주성분의 크기 및 제3 주성분의 크기를 획득하고, 상기 제1 내지 제3 주성분의 크기들을 기반으로 상기 하나 이상의 잔여 세그먼트들을 획득할 수 있다.
상기 데이터 처리기는, 상기 복수의 세그먼트들 각각마다 상기 제1 내지 제3 주성분의 크기들을 기반으로 정의된 튜브 스코어(tube-score)를 구하고, 상기 복수의 세그먼트들 중 상기 튜브 스코어가 임계값보다 큰 세그먼트들을 상기 하나 이상의 잔여 세그먼트들로 결정할 수 있다.
상기 튜브 스코어는
Figure 112015048533632-pat00001
로 정의되고,
Figure 112015048533632-pat00002
은 상기 제1 주성분의 크기이고,
Figure 112015048533632-pat00003
는 상기 제2 주성분의 크기이고,
Figure 112015048533632-pat00004
는 상기 제3 주성분의 크기이다.
상기 데이터 처리기는, 상기 하나 이상의 잔여 세그먼트들 중 밝기 값이 가장 큰 세그먼트를 상기 타깃 이미지로 결정할 수 있다.
상기 타깃 이미지로 결정되는 세그먼트는 상기 세그먼트에 속하는 포인트들의 밝기 값들의 합이 가장 큰 세그먼트일 수 있다.
상기 데이터 처리기는, 상기 타깃 이미지의 종단면(longitudinal section)을 결정하고, 상기 종단면을 기반으로 상기 타깃 뼈의 길이를 측정할 수 있다.
상기 데이터 처리기는, 상기 타깃 이미지에 속하는 포인트들의 평균 좌표에 대응하는 평균 포인트를 획득하고, 상기 타깃 이미지에 속하는 포인트들 중 상기 평균 포인트를 지나는 상기 볼륨 데이터의 세로 단면으로부터 가장 멀리 있는 양끝 포인트들을 획득하고, 상기 양끝 포인트들을 중심으로 하는 구들(spheres)을 설정하고, 상기 구들마다, 상기 타깃 이미지에 속하면서 상기 구들에 속하는 포인트들의 평균 좌표에 대응하는 제1 포인트 및 제2 포인트를 획득하고, 상기 타깃 이미지에 속하는 포인트들 중 상기 제1 포인트로부터의 거리가 상기 제2 포인트로부터의 거리와 동일해지는 포인트를 획득하고, 상기 포인트를 중심으로 하는 구를 설정하고, 상기 타깃 이미지에 속하면서 상기 구에 속하는 포인트들의 평균 좌표에 대응하는 제3 포인트를 획득하고, 상기 제1 포인트, 상기 제2 포인트 및 상기 제3 포인트를 지나는 단면을 상기 타깃 이미지의 상기 종단면으로 결정할 수 있다.
상기 데이터 처리기는, 상기 제1 포인트 및 상기 제2 포인트 사이의 길이를 기반으로 상기 타깃 뼈의 길이를 측정할 수 있다.
상기 데이터 처리기는, 상기 영상 데이터를 기반으로 밝기 값의 평균과 표준편차를 기반으로 적응적 문턱치를 획득하고, 상기 적응적 문턱치를 기반으로 상기 문턱치화를 수행하여 상기 이진 영상 데이터를 획득할 수 있다.
상기 데이터 처리기는, 상기 문턱치화를 수행하기 전에 상기 영상 데이터를 기반으로 탑-햇 변환(top-hat) 변환 및 콘트라스트 개선을 수행할 수 있다.
상기 데이터 처리기는, 상기 탑-햇 변환 전에 상기 영상 데이터에 디노이징(denoising)을 수행할 수 있다.
상기 영상 데이터는 2차원 영상 데이터이고, 상기 데이터 처리기는, 상기 복수의 세그먼트들 중 밝기 값이 가장 큰 세그먼트를 상기 타깃 이미지로 결정할 수 있다. 상기 타깃 이미지로 결정되는 세그먼트는 상기 세그먼트에 속하는 포인트들의 밝기 값들의 합이 가장 큰 세그먼트일 수 있다.
상기 데이터 처리기는, 상기 타깃 이미지의 장축 방향으로 양끝 포인트들을 검출하고, 상기 양끝 포인트들 사이의 거리를 기반으로 상기 타깃 뼈의 길이를 측정할 수 있다.
상기 기술적 과제를 해결하기 위한 본 개시의 다른 실시예에 따른 영상 처리 방법은, 타깃 뼈를 포함하는 피검체에 대한 영상 데이터를 획득하는 단계; 상기 영상 데이터를 기반으로 문턱치화(thresholding)를 통해 이진 영상 데이터를 획득하는 단계; 레이블링(labeling)을 통해 상기 이진 영상 데이터 내 복수의 세그먼트들을 구분하는 단계; 상기 타깃 뼈의 이미지 특성을 기반으로 상기 복수의 세그먼트들 중 하나의 세그먼트를 타깃 이미지로 결정하는 단계; 및 상기 타깃 이미지를 기반으로 상기 타깃 뼈의 길이를 측정하는 단계를 포함한다.
상기 기술적 과제를 해결하기 위한 본 개시의 또 다른 실시예에 따른 컴퓨터로 판독 가능한 기록 매체는, 상기 영상 처리 방법을 구현하기 위한 프로그램이 기록된다.
본 개시의 실시예에 따르면, 효율적으로 타깃 뼈의 길이를 측정할 수 있는 영상 처리 장치 및 그 동작 방법을 제공할 수 있다.
도 1은 본 개시의 일 실시예에 따른 영상 처리 장치의 블록도이다.
도 2는 2차원 영상 데이터로 영상화된 2차원 영상의 일 예이다.
도 3은 디노이징을 통해 전처리된 영상의 일 예를 나타낸다.
도 4는 탑-햇 변환된 영상의 일 예를 나타낸다.
도 5는 콘트라스트 개선된 영상의 일 예를 나타낸다.
도 6은 이진 영상의 일 예를 나타낸다.
도 7은 레이블링된 이진 영상의 일 예를 나타낸다.
도 8은 타깃 이미지만이 표시된 이진 영상의 일 예를 나타낸다.
도 9는 타깃 이미지를 기반으로 타깃 뼈의 길이를 측정하는 방법의 일 예를 나타낸다.
도 10은 볼륨 데이터의 일 예를 나타낸다.
도 11은 여러 형태의 타깃 이미지들의 예이다.
도 12는 볼륨 데이터의 가로 단면을 나타낸다.
도 13은 본 개시의 다른 실시예에 따른 영상 처리 방법의 흐름도이다.
이하에서는 도면을 참고하여 본 개시의 실시예들을 상세히 설명한다.
도 1은 본 개시의 실시예에 따른 영상 처리 장치의 블록도이다.
도 1을 참고하면, 영상 처리 장치(100)는 데이터 획득기(data acquisition device, 110) 및 데이터 처리기(data processor, 120)를 포함한다.
영상 처리 장치(100)는 초음파 영상 장치, 컴퓨터단층촬영(Computed Tomography: CT) 장치 또는 자기공명영상(Magnetic Resonance Imaging: MRI) 장치 등의 의료 영상 장치를 위해 사용될 수 있다. 예를 들어, 영상 처리 장치(100)는 의료 영상 장치에 포함될 수 있다.
데이터 획득기(110)는 피검체(subject)에 대한 영상 데이터를 획득할 수 있다. 피검체는 인체를 포함하는 동물체이거나, 동물체의 일부이다. 또한, 피검체는 타깃 뼈(target bone)를 포함하는데, 타깃 뼈는 길고 가는 관(tube) 형태이다. 예를 들어, 피검체는 산모이고, 타깃 뼈는 태아의 대퇴골과 같은 긴 뼈(long bone)일 수 있다. 영상 데이터는 피검체 내 단면을 영상화할 수 있는 2차원 영상 데이터이거나, 피검체 내 3차원 공간을 입체 영상화할 수 있는 볼륨 데이터일 수 있다.
2차원 영상 데이터는 복수의 픽셀 값일 수 있고, 볼륨 데이터는 복수의 복셀(voxel) 값일 수 있다. 픽셀 값은 대응하는 픽셀의 밝기 값(luminance value)일 수 있고, 복셀 값은 대응하는 복셀의 밝기 값일 수 있다. 이하에서는 설명의 편의를 위해, 포인트가 픽셀 또는 복셀을 의미하는 용어로 사용된다.
데이터 획득기(110)는 초음파 신호 등을 이용하여 피검체를 스캔함으로써 영상 데이터를 획득할 수 있으나, 이에 제한되는 것은 아니다. 다른 예로, 데이터 획득기(110)는 영상 처리 장치(100) 외부의 스캔 장치에서 피검체를 스캔한 스캔 정보를 전달받고, 스캔 정보를 기반으로 영상 데이터를 획득할 수 있다. 또 다른 예로, 데이터 획득기(110)는 외부 장치로부터 영상 데이터를 전달받을 수도 있다. 다만, 이에 한정되는 것은 아니고, 영상 처리 장치(100)는 다양한 방법으로 영상 데이터를 획득할 수 있다.
데이터 처리기(120)는 영상 데이터를 처리하여 타깃 뼈의 길이를 측정할 수 있다. 데이터 처리기(120)는 영상 데이터를 기반으로 문턱치화(thresholding)를 통해 이진 영상(binary image) 데이터를 획득하고, 레이블링(labeling)을 통해 이진 영상 데이터 내 복수의 세그먼트들을 구분하고, 타깃 뼈의 이미지 특성을 기반으로 복수의 세그먼트들 중 하나의 세그먼트를 타깃 이미지로 결정하고, 타깃 이미지를 기반으로 타깃 뼈의 길이를 측정할 수 있다.
먼저, 영상 데이터가 2차원 영상 데이터인 경우, 데이터 처리기(120)의 영상 데이터 처리 방법을 설명한다.
도 2는 2차원 영상 데이터로 영상화된 2차원 영상의 일 예이다. 도 2의 2차원 영상은 B 모드 초음파 영상이다.
도 2를 참고하면, 2차원 영상은 타깃 뼈의 이미지인 타깃 이미지를 포함한다. 그러나, 노이즈 및 타깃 뼈 주위 다른 조직(tissue)의 이미지 등으로 인해, 2차원 영상에서 타깃 이미지의 경계가 명확하지 않다.
따라서 데이터 처리기(도 1의 120)는 문턱치화를 수행하기 전에 2차원 영상을 다음과 같이 처리할 수 있다.
데이터 처리기(120)는 2차원 영상을 전처리(preprocess)하여 전처리된 영상을 획득할 수 있다. 예를 들어, 전처리로 TV(total variation) 알고리즘에 기반한 디노이징(denosing)이 수행될 수 있다.
도 3은 디노이징을 통해 전처리된 영상의 일 예를 나타낸다. 도 3을 참고하면, 디노이징을 통해 노이즈는 제거되고, 에지(edge)는 유지됨을 알 수 있다.
TV 알고리즘에 기반한 디노이징은 예시일 뿐이고, 데이터 처리기(도 1의 120)는 다양한 전처리 방식을 통해 2차원 영상에서 노이즈를 제거하고, 화질을 개선할 수 있다. 다만, 데이터 처리기(120)는 전처리 과정을 생략할 수도 있다.
타깃 뼈의 이미지인 타깃 이미지는 가늘고 긴 형태이고, 타깃 이미지의 밝기 값은 다른 영역의 밝기 값에 비해 높다. 따라서 전처리된 영상에서 가늘고 긴 형태의 밝은 영역을 추출하기 위해, 데이터 처리기(120)는 전처리된 영상에 탑-햇(top-hat) 변환을 수행할 수 있다. 전처리 과정이 생략되면, 데이터 처리기(120)는 이진 영상에 탑-햇 변환을 수행할 수도 있다.
탑-햇 변환(h)은 다음 수학식으로 나타낼 수 있다.
[수학식 1]
Figure 112015048533632-pat00005
여기서, f는 입력 이미지, 즉 전처리된 영상이다. b는 형태소(structuring element)이고, ˚는 개방 연산(opening operation)을 나타낸다.
도 4는 탑-햇 변환된 영상의 일 예를 나타낸다.
탑-햇 변환 후, 타깃 이미지의 에지를 더 명확히 하여, 타깃 이미지와 다른 영역을 더 명확히 구분하기 위해, 탑-햇 변환된 영상에 콘트라스트 개선(contrast enhancing)이 수행될 수 있다.
예를 들어, 256 그레이 레벨(gray level)의 탑-햇 변환된 영상에 콘트라스트 개선을 적용한 영상(CEh(p), p는 포인트를 나타냄)은 다음 수학식을 통해 획득될 수 있다.
[수학식 2]
Figure 112015048533632-pat00006
여기서, h(p)는 탑-햇 변환된 영상에서 포인트 p의 밝기 값이고, max와 min은 각각 탑-햇 변환된 영상에서 최대 밝기 값과 최소 밝기 값이다. 이때, min은 0 또는 0에 가까운 값이므로, min=20과 같은 적당히 작은 값이 할당될 수도 있다.
도 5는 콘트라스트 개선된 영상의 일 예를 나타낸다.
이와 같이, 데이터 처리기(도 1의 120)는 2차원 영상에 디노이징, 탑-햇 변환 및 콘트라스트 개선 등을 수행할 수 있다.
다음, 데이터 처리기(120)는 콘트라스트 개선된 영상으로부터 적응적 문턱치(adaptive threshold)가 적용된 이진 영상을 획득할 수 있다.
예를 들어, 콘트라스트 개선된 영상(CEh(p))으로부터 이진 영상(g(p))은 다음 수학식을 통해 획득될 수 있다.
[수학식 3]
Figure 112015048533632-pat00007
여기서, T는 적응적 문턱치이다. 즉, 이진 영상은 콘트라스트 개선된 영상의 밝기 값이 적응적 문턱치(T)보다 큰 포인트는 백색으로, 나머지 포인트들은 흑색으로 표시하는 영상일 수 있다.
적응적 문턱치는 콘트라스트 개선된 영상에서 밝기 값의 평균과 표준편차를 기반으로 획득될 수 있다. 예를 들어, 적응적 문턱치(T)는 다음 수학식을 통해 획득될 수 있다.
[수학식 4]
Figure 112015048533632-pat00008
여기서, m은 콘트라스트 개선된 영상에서 밝기 값들의 평균이고, s는 밝기 값들의 표준편차이고, a는 가중치(weight)이다.
도 6은 이진 영상의 일 예를 나타낸다.
도 6을 참고하면, 이진 영상은 타깃 이미지를 포함하기도 하지만, 다른 형태를 갖는 다른 조직의 이미지를 포함할 수 있다.
따라서 데이터 처리기(도 1의 120)는 타깃 이미지를 추출하기 위해 이진 영상을 다음과 같이 처리할 수 있다.
데이터 처리기(120)는 레이블링(labeling)을 통해 이진 영상 데이터 내 복수의 세그먼트들을 구분할 수 있다. 복수의 세그먼트들 각각은 밝기 값이 1인 포인트들이 모여 있는 영역이다. 복수의 세그먼트들은 타깃 이미지의 후보들(candidates)이다.
도 7은 레이블링된 이진 영상의 일 예를 나타낸다.
도 7을 참고하면, 이진 영상에서 복수의 세그먼트들 각각은 서로 다른 그레이 레벨로 레이블링된다. 다만, 도 11은 레이블링의 예시일 뿐, 이진 영상은 다양한 방법으로 레이블링될 수 있다. 예를 들어, 복수의 세그먼트들 각각은 숫자로 레이블링될 수도 있다.
다음, 데이터 처리기(도 1의 120)는 타깃 뼈의 이미지 특성을 기반으로 복수의 세그먼트들 중 하나의 세그먼트를 타깃 이미지로 결정할 수 있다. 복수의 세그먼트들 중 타깃 뼈의 이미지 특성을 가장 많이 갖고 있는 세그먼트가 타깃 뼈의 이미지인 타깃 이미지로 결정된다.
타깃 뼈는 주변 조직에 비해 반사도가 높기 때문에, 타깃 뼈의 이미지는 밝기 값이 다른 영역에 비해 크다. 따라서 데이터 처리기(120)는 복수의 세그먼트들 중 밝기 값이 가장 큰 세그먼트를 타깃 이미지로 결정할 수 있다. 구체적으로, 데이터 처리기(120)는 복수의 세그먼트들에 속하는 포인트들의 밝기 값의 합을 구하고, 밝기 값의 합이 가장 큰 세그먼트를 타깃 이미지로 결정할 수 있다.
각 세그먼트의 밝기 값의 합(SL)은 다음 수학식과 같이 나타낼 수 있다.
[수학식 5]
Figure 112015048533632-pat00009
여기서, L은 세그먼트의 인덱스이고, p는 포인트를 나타낸다.
타깃 이미지가 결정되면, 데이터 처리기(120)는 타깃 이미지로 결정된 세그먼트를 제외한 나머지 부분은 모두 흑색으로 표시할 수 있다.
도 8은 타깃 이미지만이 표시된 이진 영상의 일 예를 나타낸다.
데이터 처리기(도 1의 120)는 결정된 타깃 이미지를 기반으로 타깃 뼈의 길이를 측정할 수 있다.
도 9는 타깃 이미지를 기반으로 타깃 뼈의 길이를 측정하는 방법의 일 예를 나타낸다.
도 9를 참고하면, 데이터 처리기(도 1의 120)는 타깃 이미지를 세선화(skeletonization)하여 측정선(11)을 획득할 수 있다. 측정부(128)는 타깃 이미지와 측정선(11)의 교점들인 제1 포인트(12a) 및 제2 포인트(12b) 사이의 거리를 기반으로 타깃 뼈의 길이를 측정할 수 있다.
다만, 도 9는 예시일 뿐, 데이터 처리기(120)는 다양한 방식으로 추출 영상에서 타깃 이미지의 장축 방향으로 양끝 포인트들(12a, 12b)을 검출하여, 양끝 포인트들(12a, 12b) 사이의 거리를 기반으로 타깃 뼈의 길이를 측정할 수 있다.
지금까지는 영상 데이터가 2차원 영상 데이터인 경우를 설명하였다. 이하, 영상 데이터가 볼륨 데이터인 경우를 설명한다.
도 10은 볼륨 데이터의 일 예를 나타낸다.
도 10을 참고하면, 볼륨 데이터(300)는 타깃 뼈의 3차원 이미지인 타깃 이미지(310)를 포함한다. 도시의 편의를 위해, 도 10에서 타깃 이미지(310)가 명확하게 도시되었으나, 실제 볼륨 데이터에서는 노이즈 등으로 인해 타깃 이미지의 경계가 명확하지 않을 것이다.
2차원 영상 데이터에서는 픽셀 값이 처리되나, 볼륨 데이터에서는 복셀 값이 처리된다. 이 점을 제외하면, 2차원 영상 데이터 처리 방식이 볼륨 데이터에도 적용될 수 있다. 따라서, 2차원 영상 데이터 처리 방식과 동일한 볼륨 데이터 처리 방식은 간략히 설명하고, 볼륨 데이터에만 적용되는 처리 방식을 위주로 설명한다.
데이터 처리기(도 1의 120)는 문턱치화를 통해 볼륨 데이터로부터 이진 볼륨 데이터를 획득할 수 있다. 이진 볼륨 데이터를 획득하기 전에 앞에서 설명된 탑-햇 변환, 콘트라스트 개선 등이 수행될 수 있고, 다음에 적응적 문턱치가 적용될 수 있다.
이진 볼륨 데이터는 타깃 이미지를 포함하기도 하지만, 다른 형태를 갖는 다른 조직의 이미지를 포함할 수 있다. 따라서 이진 볼륨 데이터로부터 타깃 이미지를 추출하기 위한 영상 처리가 다음과 같이 수행될 수 있다.
데이터 처리기(120)는 이진 볼륨 데이터에 레이블링을 수행할 수 있다. 이진 볼륨 데이터는 레이블링을 통해 복수의 세그먼트들로 구분되는데, 복수의 세그먼트들 각각은 밝기 값이 1인 포인트들이 모여 있는 3차원 영역이다. 복수의 세그먼트들은 타깃 이미지의 후보들이다.
데이터 처리기(120)는 복수의 세그먼트들 중 하나의 세그먼트를 타깃 이미지로 결정할 수 있다. 복수의 세그먼트들 중 타깃 뼈의 이미지 특성을 가장 많이 갖고 있는 세그먼트가 타깃 이미지로 결정된다.
타깃 뼈의 이미지 특성은 형태 정보 및 밝기 값을 포함할 수 있다.
데이터 처리기(120)는 복수의 세그먼트들 각각의 형태를 분석하고, 분석된 형태를 기반으로 복수의 세그먼트들로부터 하나 이상의 잔여 세그먼트들을 획득할 수 있다. 다음, 데이터 처리기(120)는 밝기 값을 기반으로 하나 이상의 잔여 세그먼트들 중 하나의 세그먼트를 타깃 이미지로 결정할 수 있다.
도 11은 여러 형태의 타깃 이미지의 예이다.
도 11을 참고하면, 타깃 이미지는 직선의 튜브 형태이거나, 곡선의 튜브 형태이다.
복수의 세그먼트들 각각의 형태를 분석하기 위해, 데이터 처리기(도 1의 120)는 복수의 세그먼트들 각각에 대해 PCA(Principle component analysis)를 수행할 수 있다. PCA는 데이터 집합을 분석하는 기법중의 하나로서, 데이터의 분포 형태를 파악하는데 유용하다. PCA는 데이터의 분산을 최대로 하는 방향을 찾아 그로부터 데이터를 축약하여 데이터의 정보를 보다 보기 쉽게 표현해주는 분석 기법이다. PCA는 데이터를 한 개의 축으로 사상시켰을 때 그 분산(variance)이 가장 커지는 축이 첫 번째 좌표축으로 오고, 두 번째로 커지는 축이 두 번째 좌표축으로 오는 것과 같이 새로운 좌표계로 데이터를 선형 변환하는 것이다.
데이터 처리기(120)는 PCA를 통해서 복수의 세그먼트들 각각마다 제1 주성분의 방향과 크기, 제2 주성분의 방향과 크기, 제3 주성분의 방향과 크기를 얻을 수 있다. 튜브 형태의 데이터는 제1 주성분의 크기는 상대적으로 크고, 나머지 제2, 3 주성분의 크기는 상대적으로 작다. 따라서, 데이터 처리기(120)는 제1 내지 제3 주성분의 크기들을 기반으로 복수의 세그먼트들 각각의 형태를 분석할 수 있다.
제1 내지 제3 주성분의 크기들을 이용하여, 튜브 스코어(tube-score)가 다음과 같이 정의될 수 있다.
[수학식 6]
Figure 112015048533632-pat00010
여기서, Ts는 튜브 스코어이고,
Figure 112015048533632-pat00011
은 제1 주성분의 크기이고,
Figure 112015048533632-pat00012
는 제2 주성분의 크기이고,
Figure 112015048533632-pat00013
는 제3 주성분의 크기이다.
데이터 처리기(120)는 복수의 세그먼트들마다 튜브 스코어를 구하고, 복수의 세그먼트들 중 튜브 스코어가 임계값보다 큰 세그먼트들을 하나 이상의 잔여 세그먼트들로 결정할 수 있다. 즉, 튜브 스코어가 임계값 이하인 세그먼트는 타깃 이미지 후보에서 제외한다. 임계값은 경험적으로 설정될 수 있다. 예를 들어, 임계값은 0.997로 설정될 수 있다.
데이터 처리기(120)는 분석된 형태를 기반으로 복수의 세그먼트들로부터 하나 이상의 잔여 세그먼트들을 획득하고, 밝기 값을 기반으로 하나 이상의 잔여 세그먼트들 중 하나의 세그먼트를 타깃 이미지로 결정한다.
데이터 처리기(120)는 하나 이상의 잔여 세그먼트들 중 밝기 값이 가장 큰 세그먼트를 상기 타깃 이미지로 결정할 수 있다. 구체적으로, 데이터 처리기(120)는 하나 이상의 잔여 세그먼트들에 속하는 포인트들의 밝기 값의 합을 구하고, 밝기 값의 합이 가장 큰 세그먼트를 타깃 이미지로 결정할 수 있다.
데이터 처리기(120)는 타깃 이미지를 결정하기 전에 세그먼트들의 형태를 분석함으로써 복수의 세그먼트들 중 일부 세그먼트들을 후보에서 제외한다. 이를 통해, 상대적으로 크기가 큰 세그먼트가 타깃 이미지로 잘못 선택되는 것이 방지될 수 있다.
데이터 처리기(120)는 결정된 타깃 이미지를 기반으로 타깃 뼈의 길이를 측정할 수 있다.
그런데, 이진 볼륨 데이터 안에는 복수의 긴 뼈(long bone)들의 이미지가 존재할 수 있다. 위에서 설명된 방식으로 데이터 처리기(120)는 기준이 되는 첫 번째 긴 뼈, 즉 타깃 뼈의 길이를 측정할 수 있다. 다음, 데이터 처리기(120)는 타깃 뼈의 길이를 기반으로 다른 긴 뼈들의 이미지를 선택하고, 다른 긴 뼈들의 길이 역시 측정할 수 있다.
다음, 결정된 타깃 이미지를 기반으로 타깃 뼈의 길이를 측정하는 방법을 설명한다.
데이터 처리기(120)는 타깃 이미지의 종단면(longitudinal section)을 결정하고, 종단면을 기반으로 타깃 뼈의 길이를 측정할 수 있다. 타깃 뼈의 길이를 정확히 측정하기 위해서는 타깃 뼈의 종단면에서 타깃 뼈의 길이가 측정되어야 하기 때문이다.
3차원 공간에서 특정 평면을 결정하기 위해서는 최소 3개 이상의 포인트가 필요하고, 이 포인트들은 한 직선상에 있지 않아야 한다. 따라서 타깃 이미지의 종단면을 결정하기 위해, 종단면 상의 3개 이상의 포인트를 결정해야 한다. 다음, 도 12를 참고하여 종단면 상의 3개의 포인트를 결정하는 방법을 설명한다.
도 12는 볼륨 데이터의 가로 단면을 나타낸다.
도 12를 참고하면, 볼륨 데이터(300a)는 타깃 이미지(310a)로 결정된 세그먼트를 포함한다. 데이터 처리기(도 1의 120)는 타깃 이미지(310a)에 속하는 모든 포인트들의 평균 좌표에 대응하는 평균 포인트(M1)를 획득한다. 데이터 처리기(120)는 타깃 이미지(310a)에 속하는 포인트들 중 평균 포인트(M1)를 지나는 세로 단면(300b)을 기준으로 가장 멀리 있는 양끝 포인트들(S1, E1)을 획득할 수 있다. 세로 단면(300b)은 평균 포인트(M1)를 지나는, 볼륨 데이터(300a)의 세로 단면이다.
데이터 처리기(120)는 양끝 포인트들(S1, E1)마다 양끝 포인트들(S1, E1)을 중심으로 하는 구들(spheres)(21, 22)을 설정한다. 데이터 처리기(120)는 각 구(21, 22)에 대해, 타깃 이미지(310a)에 속하면서 각 구(21, 22)에 속하는 포인트들의 평균 좌표에 대응하는 제1 포인트(S2) 및 제2 포인트(E2)을 획득한다. 각 구(21, 22)의 반지름은 타깃 이미지(310a)에 속하면서 각 구(21, 22)에 속하는 포인트들이 적절히 존재할 수 있도록 설정될 수 있다. 예를 들어, 양끝 포인트들(S1, E1) 사이의 거리의 1/3을 각 구(21, 22)의 반지름으로 설정할 수 있다.
데이터 처리기(120)는 타깃 이미지(310a)에 속하는 포인트들 중 제1 포인트(S2)로부터의 거리가 제2 포인트(E2)로부터의 거리와 동일해지는 포인트(M2)를 획득한다. 즉, 제1 포인트(S2)와 포인트(M2) 사이의 거리는 제2 포인트(E2)와 포인트(M2) 사이의 거리와 동일하다. 타깃 이미지(310a)에 속하는 포인트들 중 제1 포인트(S2)로부터의 거리가 제2 포인트(E2)로부터의 거리와 동일해지는 복수의 포인트들이 존재할 수 있다. 데이터 처리기(120)는 그 복수의 포인트들 중 임의의 하나를 포인트(M2)로 획득할 수 있다.
데이터 처리기(120)는 포인트(M2)를 중심으로 하는 구(23)를 설정한다. 데이터 처리기(120)는 타깃 이미지(310a)에 속하면서 구(23)에 속하는 포인트들의 평균 좌표에 대응하는 제3 포인트(M3)를 획득한다.
데이터 처리기(120)는 제1 포인트(S2), 제2 포인트(E2) 및 제3 포인트(M3)를 지나는 단면을 타깃 이미지(310a)의 종단면으로 결정할 수 있다. 또한, 데이터 처리기(120)는 제1 포인트(S2) 및 제2 포인트(E2) 사이의 길이를 기반으로 타깃 뼈의 길이를 측정할 수 있다.
도 12는 타깃 이미지의 종단면을 결정하는 방법의 예시이고, 다른 다양한 방법들로 타깃 이미지의 종단면을 결정할 수 있다.
도 13은 본 개시의 다른 실시예에 따른 영상 처리 방법을 나타내는 흐름도이다.
도 13을 참고하면, 타깃 뼈를 포함하는 피검체에 대한 영상 데이터를 획득한다(S210). 영상 데이터를 기반으로 문턱치화를 통해 이진 영상 데이터를 획득한다(S220). 레이블링을 통해 이진 영상 데이터 내 복수의 세그먼트들을 구분한다(S230). 타깃 뼈의 이미지 특성을 기반으로 복수의 세그먼트들 중 하나의 세그먼트를 타깃 이미지로 결정한다(S240). 타깃 이미지를 기반으로 타깃 뼈의 길이를 측정한다(S250).
도 13의 영상 처리 방법은 도 1의 영상 처리 장치에서 수행될 수 있다. 영상 처리 방법의 각 단계는 도 1 내지 도 12에서 설명한 내용이 적용될 수 있다. 따라서 중복되는 설명은 생략한다.
이와 같이, 본 개시의 실시예에 따르면, 효율적으로 타깃 뼈의 길이를 측정할 수 있는 영상 처리 장치 및 방법이 제공될 수 있다.
본 개시의 실시예에 따른 영상 처리 장치는 영상 데이터를 기반으로 타깃 뼈의 이미지인 타깃 이미지를 자동으로 추출하여, 타깃 뼈의 길이를 자동으로 측정할 수 있다. 이는 사용자가 영상을 보고 수동으로 타깃 뼈의 길이를 측정하는 경우에 비해 효율적이다. 수동 측정의 경우, 사용자의 숙련도 및 사용자의 주관적 판단에 따라 측정 편차가 발생하는 문제가 있다. 또한 수동 측정의 경우, 측정에 소요되는 시간이 길어질 수 있다. 본 개시의 실시예에 따르면, 타깃 뼈의 길이가 자동으로 측정되므로, 측정의 정확성이 증가될 수 있다. 또한, 측정에 소요되는 시간이 단축될 수 있다.
또한, 본 개시의 실시예에 따른 영상 처리 장치는 볼륨 데이터로부터 타깃 이미지를 자동으로 추출하고, 타깃 이미지로부터 종단면을 자동으로 결정할 수 있다. 만일 사용자가 수동으로 타깃 뼈의 종단면을 찾아야 한다면, 사용자간 편차로 정확도가 보장되기 힘들다. 또한 사용자가 종단면을 찾기 위해 스캔을 반복해야 하는 경우, 사용자의 RSI(repetitive stress injury)가 증가될 수 있다. 따라서 본 개시의 실시예에 따르면, 측정의 정확성이 증가될 수 있다. 또한, 사용자의 RSI가 감소될 수 있다.
한편, 상술한 방법은 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터로 읽을 수 있는 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다. 또한, 상술한 방법에서 사용된 데이터의 구조는 컴퓨터로 읽을 수 있는 기록매체에 여러 수단을 통하여 기록될 수 있다. 상기 컴퓨터로 읽을 수 있는 기록매체는 마그네틱 저장매체(예를 들면, 롬, 램, USB, 플로피 디스크, 하드 디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등), PC 인터페이스(PC Interface)(예를 들면, PCI, PCI-express, Wifi 등)와 같은 저장매체를 포함한다.
본 실시예와 관련된 기술 분야에서 통상의 지식을 가진 자는 상기된 기재의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 방법들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 개시의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 개시에 포함된 것으로 해석되어야 할 것이다.

Claims (20)

  1. 타깃 뼈를 포함하는 피검체에 대한 볼륨 데이터를 획득하는 데이터 획득기; 및
    상기 볼륨 데이터 내 복수의 세그먼트들을 구분하고,
    상기 복수의 세그먼트들 각각의 제1 주성분의 크기, 제2 주성분의 크기 및 제3 주성분의 크기를 기반으로 정의된 튜브 스코어를 획득하고, 상기 복수의 세그먼트들 중 상기 튜브 스코어가 임계값보다 큰 세그먼트들을 하나 이상의 잔여 세그먼트들로 획득하고, 상기 타깃 뼈의 이미지 특성을 기반으로 상기 하나 이상의 잔여 세그먼트들 중 하나의 세그먼트를 타깃 이미지로 결정하고,
    상기 타깃 이미지의 중심을 지나는, 상기 타깃 이미지의 종단면(longitudinal section)을 결정하고,
    상기 종단면을 기반으로 상기 타깃 뼈의 길이를 측정하는 데이터 처리기를 포함하는 영상 처리 장치.
  2. 제1항에 있어서,
    상기 데이터 처리기는,
    상기 복수의 세그먼트들 각각의 형태를 분석하고, 분석된 형태를 기반으로 상기 복수의 세그먼트들로부터 하나 이상의 잔여 세그먼트들을 획득하고,
    밝기 값을 기반으로 상기 하나 이상의 잔여 세그먼트들 중 하나의 세그먼트를 상기 타깃 이미지로 결정하는 영상 처리 장치.
  3. 제2항에 있어서,
    상기 데이터 처리기는,
    상기 복수의 세그먼트들 각각의 형태를 분석하기 위해, 상기 복수의 세그먼트들 각각에 대해 PCA(Principle component analysis)를 수행함으로써, 상기 복수의 세그먼트들 각각마다 상기 제1 주성분의 크기, 상기 제2 주성분의 크기 및 상기 제3 주성분의 크기를 획득하고, 상기 제1 내지 제3 주성분의 크기들을 기반으로 상기 하나 이상의 잔여 세그먼트들을 획득하는 영상 처리 장치.
  4. 삭제
  5. 제3항에 있어서,
    상기 튜브 스코어는
    Figure 112018037756157-pat00014
    로 정의되고,
    Figure 112018037756157-pat00015
    은 상기 제1 주성분의 크기이고,
    Figure 112018037756157-pat00016
    는 상기 제2 주성분의 크기이고,
    Figure 112018037756157-pat00017
    는 상기 제3 주성분의 크기인 영상 처리 장치.
  6. 제5항에 있어서,
    상기 데이터 처리기는,
    상기 하나 이상의 잔여 세그먼트들 중 밝기 값이 가장 큰 세그먼트를 상기 타깃 이미지로 결정하는 영상 처리 장치.
  7. 제6항에 있어서,
    상기 타깃 이미지로 결정되는 세그먼트는 상기 세그먼트에 속하는 포인트들의 밝기 값들의 합이 가장 큰 세그먼트인 영상 처리 장치.
  8. 제1항에 있어서,
    상기 데이터 처리기는,
    상기 볼륨 데이터를 기반으로 문턱치화(thresholding)를 통해 이진 영상 데이터를 획득하고,
    레이블링(labeling)을 통해 상기 이진 영상 데이터 내 상기 복수의 세그먼트들을 구분하는, 영상 처리 장치.
  9. 제7항에 있어서,
    상기 데이터 처리기는,
    상기 타깃 이미지에 속하는 포인트들의 평균 좌표에 대응하는 평균 포인트를 획득하고,
    상기 타깃 이미지에 속하는 포인트들 중 상기 평균 포인트를 지나는 상기 볼륨 데이터의 세로 단면으로부터 가장 멀리 있는 양끝 포인트들을 획득하고,
    상기 양끝 포인트들을 중심으로 하는 구들(spheres)을 설정하고,
    상기 구들마다, 상기 타깃 이미지에 속하면서 상기 구들에 속하는 포인트들의 평균 좌표에 대응하는 제1 포인트 및 제2 포인트를 획득하고,
    상기 타깃 이미지에 속하는 포인트들 중 상기 제1 포인트로부터의 거리가 상기 제2 포인트로부터의 거리와 동일해지는 포인트를 획득하고,
    상기 포인트를 중심으로 하는 구를 설정하고, 상기 타깃 이미지에 속하면서 상기 구에 속하는 포인트들의 평균 좌표에 대응하는 제3 포인트를 획득하고,
    상기 제1 포인트, 상기 제2 포인트 및 상기 제3 포인트를 지나는 단면을 상기 타깃 이미지의 상기 종단면으로 결정하는 영상 처리 장치.
  10. 제9항에 있어서,
    상기 데이터 처리기는, 상기 제1 포인트 및 상기 제2 포인트 사이의 길이를 기반으로 상기 타깃 뼈의 길이를 측정하는 영상 처리 장치.
  11. 제8항에 있어서,
    상기 데이터 처리기는,
    상기 볼륨 데이터를 기반으로 밝기 값의 평균과 표준편차를 기반으로 적응적 문턱치를 획득하고,
    상기 적응적 문턱치를 기반으로 상기 문턱치화를 수행하여 상기 이진 영상 데이터를 획득하는 영상 처리 장치.
  12. 제11항에 있어서,
    상기 데이터 처리기는,
    상기 문턱치화를 수행하기 전에 상기 볼륨 데이터를 기반으로 탑-햇 변환(top-hat) 변환 및 콘트라스트 개선을 수행하는 영상 처리 장치.
  13. 제12항에 있어서,
    상기 데이터 처리기는,
    상기 탑-햇 변환 전에 상기 이진 영상 데이터에 디노이징(denoising)을 수행하는 영상 처리 장치.
  14. 제13항에 있어서,
    상기 데이터 처리기는,
    상기 복수의 세그먼트들 중 밝기 값이 가장 큰 세그먼트를 상기 타깃 이미지로 결정하는 영상 처리 장치.
  15. 제14항에 있어서,
    상기 타깃 이미지로 결정되는 세그먼트는 상기 세그먼트에 속하는 포인트들의 밝기 값들의 합이 가장 큰 세그먼트인 영상 처리 장치.
  16. 제15항에 있어서,
    상기 데이터 처리기는,
    상기 타깃 이미지의 장축 방향으로 양끝 포인트들을 검출하고, 상기 양끝 포인트들 사이의 거리를 기반으로 상기 타깃 뼈의 길이를 측정하는 영상 처리 장치.
  17. 타깃 뼈를 포함하는 피검체에 대한 볼륨 데이터를 획득하는 단계;
    상기 볼륨 데이터 내 복수의 세그먼트들을 구분하는 단계;
    상기 복수의 세그먼트들 각각의 제1 주성분의 크기, 제2 주성분의 크기 및 제3 주성분의 크기를 기반으로 정의된 튜브 스코어를 획득하는 단계;
    상기 복수의 세그먼트들 중 상기 튜브 스코어가 임계값보다 큰 세그먼트들을 하나 이상의 잔여 세그먼트들로 획득하는 단계;
    상기 타깃 뼈의 이미지 특성을 기반으로 상기 하나 이상의 잔여 세그먼트들 중 하나의 세그먼트를 타깃 이미지로 결정하는 단계;
    상기 타깃 이미지의 중심을 지나는, 상기 타깃 이미지의 종단면(longitudinal section)을 결정하는 단계; 및
    상기 종단면을 기반으로 상기 타깃 뼈의 길이를 측정하는 단계를 포함하는 영상 처리 방법.
  18. 제17항에 있어서,
    상기 복수의 세그먼트들 중 하나 이상의 잔여 세그먼트들을 획득하는 단계는: 상기 복수의 세그먼트들 각각의 형태를 분석하고, 분석된 형태를 기반으로 상기 복수의 세그먼트들로부터 하나 이상의 잔여 세그먼트들을 획득하는 단계를 포함하고,
    상기 하나 이상의 잔여 세그먼트들 중 하나의 세그먼트를 타깃 이미지로 결정하는 단계는
    밝기 값을 기반으로 상기 하나 이상의 잔여 세그먼트들 중 하나의 세그먼트를 상기 타깃 이미지로 결정하는 단계를 포함하는 영상 처리 방법.
  19. 제17항에 있어서,
    상기 볼륨 데이터 내 상기 복수의 세그먼트들을 구분하는 단계는:
    상기 볼륨 데이터를 기반으로 문턱치화(thresholding)를 통해 이진 영상 데이터를 획득하는 단계; 및
    레이블링(labeling)을 통해 상기 이진 영상 데이터 내 상기 복수의 세그먼트들을 구분하는 단계를 포함하는 영상 처리 방법.
  20. 제17항 내지 제19항 중 어느 한 항의 영상 처리 방법을 컴퓨터에서 실행시키기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체.
KR1020150070562A 2012-02-06 2015-05-20 영상 처리 장치 및 방법 KR101926015B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20120011793 2012-02-06
KR1020120011793 2012-02-06

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020120142309A Division KR20130090740A (ko) 2012-02-06 2012-12-07 영상 처리 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20150063995A KR20150063995A (ko) 2015-06-10
KR101926015B1 true KR101926015B1 (ko) 2019-02-26

Family

ID=49216263

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020120142309A KR20130090740A (ko) 2012-02-06 2012-12-07 영상 처리 장치 및 방법
KR1020150070562A KR101926015B1 (ko) 2012-02-06 2015-05-20 영상 처리 장치 및 방법

Family Applications Before (1)

Application Number Title Priority Date Filing Date
KR1020120142309A KR20130090740A (ko) 2012-02-06 2012-12-07 영상 처리 장치 및 방법

Country Status (1)

Country Link
KR (2) KR20130090740A (ko)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101579740B1 (ko) * 2014-09-01 2015-12-23 삼성메디슨 주식회사 초음파 진단장치, 그에 따른 초음파 진단 방법 및 그에 따른 컴퓨터 판독 가능한 저장매체
KR101654676B1 (ko) 2014-09-02 2016-09-06 삼성메디슨 주식회사 초음파 영상에 가변적 에디팅을 수행하는 방법 및 그 방법을 수행하는 초음파 시스템
KR102277200B1 (ko) * 2019-08-02 2021-07-13 한림대학교 산학협력단 쇄골 ct 영상의 길이 계측 장치 및 계측 방법
KR102363721B1 (ko) * 2020-03-05 2022-02-16 (주)헬스허브 불완전한 의료영상에 대한 신체부위의 추정을 통한 신체 사이즈 측정 장치 및 그 방법
KR102588116B1 (ko) * 2021-04-19 2023-10-11 주식회사 바스젠바이오 엑스레이 영상에서 골절을 검출하는 방법
CN113763324B (zh) * 2021-08-02 2024-07-26 阿里巴巴达摩院(杭州)科技有限公司 图像处理方法、计算机可读存储介质、处理器和系统
CN115937371B (zh) * 2022-11-30 2024-03-22 上海哔哩哔哩科技有限公司 人物模型的生成方法和系统
KR102659750B1 (ko) * 2023-04-06 2024-04-24 주식회사 써지컬에이아이 세그먼트 스캐닝을 이용하여 엑스레이 영상에서 관절의 중심점을 검출하는 장치 및 방법

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110196236A1 (en) * 2010-02-08 2011-08-11 Gokul Swamy System and method of automated gestational age assessment of fetus

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06245928A (ja) * 1993-02-26 1994-09-06 Fuji Photo Film Co Ltd 分割パターン認識方法および装置
EP2597615A1 (en) * 2008-11-25 2013-05-29 Algotec Systems Ltd. Method and system for segmenting medical imaging data according to a skeletal atlas
KR101078756B1 (ko) * 2009-10-12 2011-11-01 서울대학교산학협력단 디지털 유방 ｘ-선 영상에서 미세석회화 군집 검출 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110196236A1 (en) * 2010-02-08 2011-08-11 Gokul Swamy System and method of automated gestational age assessment of fetus

Also Published As

Publication number Publication date
KR20150063995A (ko) 2015-06-10
KR20130090740A (ko) 2013-08-14

Similar Documents

Publication Publication Date Title
KR101926015B1 (ko) 영상 처리 장치 및 방법
US9152854B2 (en) Image processing apparatus and method
JP6422198B2 (ja) 画像処理装置、画像処理方法、及び画像処理プログラム
US9633108B2 (en) Method and system for anomaly detection in data sets
JP6265588B2 (ja) 画像処理装置、画像処理装置の作動方法、及び画像処理プログラム
US10043111B2 (en) Medical image processing apparatus, medical image processing method, and medical image processing program
JP3928978B1 (ja) 医用画像処理装置、医用画像処理方法及びプログラム
US8831311B2 (en) Methods and systems for automated soft tissue segmentation, circumference estimation and plane guidance in fetal abdominal ultrasound images
KR101175426B1 (ko) 3차원 초음파 영상을 제공하는 초음파 시스템 및 방법
CN108378869B (zh) 一种从超声图像中自动测量胎儿头围长度的图像处理方法及处理系统
WO2009020548A2 (en) Reduction of lymph tissue false positives in pulmonary embolism detection
Ribeiro et al. Handling inter-annotator agreement for automated skin lesion segmentation
CN103778600A (zh) 图像处理系统
CN107169975A (zh) 超声图像的分析方法及装置
KR20180045473A (ko) 이미지 분석을 이용한 흑색종 검사 시스템, 방법 및 컴퓨터 프로그램
CN109948622B (zh) 一种头颈体动脉瘤检测方法、装置及计算机可读存储介质
KR20180051267A (ko) 골 등급 측정 장치 및 방법
CN111612755B (zh) 肺部病灶分析方法、装置、电子设备和存储介质
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
JP5961512B2 (ja) 画像処理装置およびその作動方法並びに画像処理プログラム
JP6296385B2 (ja) 医用画像処理装置、その医用目的領域抽出方法及び医用目的領域抽出処理プログラム
EP3345159B1 (en) Method and apparatus for identifying a gap between objects in an image
KR102384083B1 (ko) 자기공명영상을 이용한 천장관절염 진단 및 염증 정도를 평가하기 위한 장치 및 방법
KR101085949B1 (ko) 폐 분류 장치 및 그 방법
KR102499143B1 (ko) 동맥의 내막-중막 두께 측정 방법 및 그 장치

Legal Events

Date Code Title Description
A107 Divisional application of patent
PA0107 Divisional application

Comment text: Divisional Application of Patent

Patent event date: 20150520

Patent event code: PA01071R01D

Filing date: 20121207

Application number text: 1020120142309

PG1501 Laying open of application
A201 Request for examination
PA0201 Request for examination

Patent event code: PA02012R01D

Patent event date: 20171122

Comment text: Request for Examination of Application

Patent event code: PA02011R04I

Patent event date: 20150520

Comment text: Divisional Application of Patent

E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20180214

Patent event code: PE09021S01D

E701 Decision to grant or registration of patent right
PE0701 Decision of registration

Patent event code: PE07011S01D

Comment text: Decision to Grant Registration

Patent event date: 20180830

PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20181130

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20181203

End annual number: 3

Start annual number: 1

PG1601 Publication of registration
PR1001 Payment of annual fee

Payment date: 20211026

Start annual number: 4

End annual number: 4

PR1001 Payment of annual fee

Payment date: 20221025

Start annual number: 5

End annual number: 5

PR1001 Payment of annual fee

Payment date: 20231025

Start annual number: 6

End annual number: 6