KR101932721B1 - 의료 영상들의 정합 방법 및 장치 - Google Patents

의료 영상들의 정합 방법 및 장치 Download PDF

Info

Publication number
KR101932721B1
KR101932721B1 KR1020120099548A KR20120099548A KR101932721B1 KR 101932721 B1 KR101932721 B1 KR 101932721B1 KR 1020120099548 A KR1020120099548 A KR 1020120099548A KR 20120099548 A KR20120099548 A KR 20120099548A KR 101932721 B1 KR101932721 B1 KR 101932721B1
Authority
KR
South Korea
Prior art keywords
medical image
medical
image
adjacent
points
Prior art date
Application number
KR1020120099548A
Other languages
English (en)
Other versions
KR20140032810A (ko
Inventor
황영규
김정배
방원철
김도균
나종범
남우현
원치준
Original Assignee
삼성전자주식회사
한국과학기술원
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, 한국과학기술원 filed Critical 삼성전자주식회사
Priority to KR1020120099548A priority Critical patent/KR101932721B1/ko
Priority to US13/912,641 priority patent/US9563949B2/en
Publication of KR20140032810A publication Critical patent/KR20140032810A/ko
Application granted granted Critical
Publication of KR101932721B1 publication Critical patent/KR101932721B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/222—Studio circuitry; Studio devices; Studio equipment
    • H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
    • 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
    • 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
    • G06T2207/10084—Hybrid tomography; Concurrent acquisition with multiple different tomographic modalities
    • 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
    • G06T2207/10072—Tomographic images
    • G06T2207/10104—Positron emission tomography [PET]
    • 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
    • G06T2207/10136—3D 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30056—Liver; Hepatic
    • 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
    • G06T2207/30084—Kidney; Renal
    • 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
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular

Abstract

복수개의 의료 영상들을 정합하는 방법이 개시된다. 본 발명의 일 실시예에 따른 의료 영상 정합 방법은, 의료 시술 이전에 촬영된 제1 의료 영상 및 의료 시술 중 실시간으로 촬영된 제2 의료 영상을 획득하고, 환자의 관심 장기와 인접하는 다수의 해부학적 개체들 중에서 상기 해상도가 낮은 제2 의료 영상에서 식별 가능한 적어도 두 개의 인접 개체들 각각에 대한 특징점들을 상기 제1 의료 영상과 상기 제2 의료 영상에서 추출하고, 상기 제1 의료 영상의 특징점들이 나타내는 상기 인접 개체들 간의 기하학적 관계와 상기 제2 의료 영상의 특징점들이 나타내는 상기 인접 개체들 간의 기하학적 관계에 기초하여 상기 제1 의료 영상과 상기 제2 의료 영상을 정합한다.

Description

의료 영상들의 정합 방법 및 장치{Method and Appartus of maching medical images}
복수개의 의료 영상들을 정합하는 방법 및 장치에 관한 발명이다.
최근 의료기술의 발달로 인해 높은 해상도의 의료영상을 얻을 수 있고 의료 기구의 미세한 조작이 가능해 짐에 따라서, 인체의 직접적인 절개를 하지 않고도 피부에 작은 구멍을 만든 뒤 혈관 혹은 기타 원하는 신체 부위에 직접 카테터나 의료용 바늘을 넣고 의학 영상 장비로 몸속을 관찰하면서 치료하는 방법이 개발되고 있다. 이를 "영상을 이용하는 시술법", "인터벤션(Interventional) 영상 시술법" 또는 "중재적 영상 시술법"이라고 부른다. 시술자는 장기나 병변의 위치를 영상을 통해 파악한다. 게다가 시술을 하는 동안 환자는 호흡을 하거나 움직이게 되는데 이에 따른 변화를 파악해야한다. 따라서 시술자는 실시간 영상을 토대로 호흡이나 움직임을 정확하고 빠르게 파악하여 시술을 시행해야 하는데, 이 때 실시간 영상에서 장기와 병변의 형상을 육안으로 파악하기 쉽지 않다. 예컨대, 간암환자의 경우 의료 시술 중 실시간으로 획득되는 초음파 영상으로는 간의 형상과 병변을 식별할 수 없다. 초음파 영상과 대조적으로, MR(Magnetic Resonance) 또는 CT 영상은 간암환자라 할지라도 간의 형상과 병변 명확히 식별할 수 있으나, 의료 시술 중간에 실시간으로 영상을 획득할 수 없는 단점이 있다.
의료 시술 전에 사전 촬영된 영상으로서 장기와 병변이 나타나는 제1 의료 영상과 의료 시술 중 실시간으로 촬영된 영상으로서 상대적으로 에지 콘트라스트가 낮은 제2 의료 영상을 신속하고 정확하게 정합하는 방법 및 장치를 제공하는데 있다. 또한, 상기 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체를 제공하는데 있다. 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
본 발명의 일 측면에 따라 복수개의 의료 영상들을 정합하는 방법은, 의료 시술 이전에 촬영된 제1 의료 영상 및 의료 시술 중 실시간으로 촬영된 제2 의료 영상을 획득하는 단계; 환자의 관심 장기와 인접하는 다수의 해부학적 개체들 중에서 상기 제2 의료 영상에서 식별 가능한 적어도 두 개의 인접 개체들 각각에 대한 특징점들을 상기 제1 의료 영상과 상기 제2 의료 영상에서 추출하는 단계; 및 상기 제1 의료 영상의 특징점들이 나타내는 상기 인접 개체들 간의 기하학적 관계와 상기 제2 의료 영상의 특징점들이 나타내는 상기 인접 개체들 간의 기하학적 관계에 기초하여 상기 제1 의료 영상과 상기 제2 의료 영상을 정합하는 단계를 포함하는 것을 특징으로 한다.
본 발명의 다른 일 측면에 따라서 상기된 의료 영상 정합 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체가 제공된다.
본 발명의 또 다른 일 측면에 따른 복수개의 의료 영상들을 정합하는 장치는, 의료 시술 이전에 촬영된 제1 의료 영상을 저장하는 제1 의료 영상 저장부; 의료 시술 중 실시간으로 촬영된 제2 의료 영상을 획득하는 제2 의료 영상 획득부; 상기 장기와 인접하는 다수의 해부학적 개체들 중에서 상기 제2 의료 영상에서 식별 가능한 적어도 두 개의 인접 개체들 각각에 대한 특징점들을 상기 제1 의료 영상과 상기 제2 의료 영상에서 추출하는 특징점 추출부; 및 상기 제1 의료 영상의 특징점들이 나타내는 상기 인접 개체들 간의 기하학적 관계와 상기 제2 의료 영상의 특징점들이 나타내는 상기 인접 개체들 간의 기하학적 관계에 기초하여 상기 제1 의료 영상과 상기 제2 의료 영상을 정합하는 정합부를 포함한다.
상기된 바에 따르면, 관찰 대상이 되는 장기의 해부학적 특징을 식별할 수 없는 낮은 에지 콘트라스트의 의료 영상에서도 특징점을 추출하고, 추출된 특징점에 기초하여 다른 의료 영상과의 정합을 신속하고 정확하게 수행할 수 있다.
도 1은 본 발명의 일 실시예에 따른 의료 영상 정합 시스템의 구성을 도시한 도면이다.
도 2는 본 발명의 일 실시예에 따른 영상 정합 장치를 도시한 도면이다.
도 3은 본 발명의 일 실시예에 따른 영상 정합 장치에서 장기에 인접한 해부학적 개체들을 추출하는 과정의 일례를 도시한 도면이다.
도 4는 본 발명의 일 실시예에 따른 영상 정합 장치에서 특징점의 좌표를 추출하는 과정의 일례를 도시한 도면이다.
도 5는 본 발명의 일 실시예에 따른 영상 정합 장치에서 장기에 인접한 해부학적 개체들의 특징점 좌표값들 이용하여 벡터를 산출하는 과정의 일례를 도시한 도면이다.
도 6은 본 발명의 일 실시예에 따른 영상 정합 장치에서 산출된 벡터를 이용하여 정합된 의료 영상들을 보정하는 과정의 일례를 도시한 도면이다.
도 7은 본 발명의 일 실시예에 따른 의료 영상 정합 방법의 순서를 도시한 도면이다.
도 8은 간암환자의 간 영역에서 촬영된 초음파 영상과 MR 영상 및 영상 정합 장치에서 정합하여 출력된 의료 영상을 도시한 도면이다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예들을 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 의료 영상 정합 시스템의 구성을 도시한 도면이다. 도 1을 참조하면 의료 영상 정합 시스템(100)은 제1 의료 영상 장치(110), 제 2 의료 영상 장치(120), 영상 정합 장치(130) 및 영상 표시 장치(140)를 포함한다.
제1 의료 영상 장치(110)는 의료 시술 이전에 대상체의 관심 장기를 촬영하여 제1 의료 영상을 생성한다. 제1 의료 영상 장치(110)는 대상체의 관심 영역에 위치하는 장기와 병변의 해부학적 정보가 포함된 제1 의료 영상을 생성한다. 예컨대, 제1 의료 영상 장치(110)는 CT(computed tomography) 영상 장치 또는 MR(magnetic resonance)영상 장치로 X-ray 영상 장치 또는 PET 영상 장치 중 어느 하나로 구성될 수 있다. 이하에서는 설명의 편의를 위하여 제1 의료 영상은 MR 또는 CT 영상인 것으로 가정한다. 제1 의료 영상 장치(110)에서 생성한 CT 영상 또는 MR 영상의 경우 장기의 위치나 병변의 위치가 명확하게 구별이 되는 장점이 있다. 하지만 CT(computed tomography)영상 이나 MR(magnetic resonance)영상은 시술하는 동안 환자가 호흡을 하거나 뒤척일 때 장기가 변형되거나 위치가 변할 수 있는데 상기 실시간적인 변화를 반영한 영상을 얻을 수 없는 단점이 있다. 실시간으로 영상을 출력할 수 없는 각각의 이유는 CT(computed tomography)영상의 경우 방사선을 이용한 촬영방법이기 때문에 환자와 시술자가 장시간 방사능에 노출될 우려가 있기 때문에 짧은 시간의 촬영이 권장되며, MR(magnetic resonance)영상의 경우 한번 촬영하는데 시간이 오래 걸리기 때문이다.
제2 의료 영상 장치(120)는 대상체의 관심 영역에 대하여 실시간으로 제2의료 영상을 제공한다. 예컨대, 제2 의료 영상 장치(120)는 환자에 대한 중재적 의료 시술과정에서 실시간 영상을 생성하는 초음파 영상 장치(ultrasonography machine)로 구성될 수 있다. 제2 의료 영상 장치(120)는 이것에 장착된 프로브(probe)(121)를 이용하여 초음파 신호를 관심영역에 조사하고, 반사되는 초음파 신호를 검출함으로써 초음파 영상을 생성한다. 프로브(121)는 일반적으로 압전 변환기(piezoelectric transducer)로 제조된다. 프로브(121)로부터 수 내지 수백 MHz 범위의 초음파가 환자 신체 내부의 특정 부위에 전달되면, 이 초음파는 여러 다른 조직들(tissues) 사이의 계층들로부터 부분적으로 반사된다. 특히, 초음파는 신체 내부에서의 밀도 변화가 있는 곳, 예를 들어, 혈장(blood plasma) 내의 혈구들(blood cells), 장기들(organs) 내의 작은 조직들(structures) 등에서 반사된다. 이와 같이 반사된 초음파들은 프로브(121)의 압전 변환기를 진동시키고, 압전 변환기는 이 진동들에 따른 전기적 펄스들(electrical pulses)을 출력한다. 이와 같은 전기적 펄스들이 영상으로 변환된다.
이와 같이 제2 의료 영상 장치(120)에 의해 얻을 수 있는 제2 의료 영상, 예를 들면 초음파 영상들은 실시간 영상을 얻을 수 있다는 장점이 있으나, 다수의 잡음이 포함되므로 장기의 윤곽, 내부 구조나 병변을 식별해내기가 어렵다는 단점이 있다. 왜냐하면, 병변과 주변 조직은 서로 유사한 초음파 특성을 갖기 때문에 초음파 영상에서는 병변과 주변 조직의 경계에서 나타나는 명암의 대비, 즉 개체의 에지 콘트라스트(Edge Contrast)가 상대적으로 낮다. 또한, 초음파의 간섭 및 산란으로 인한 잡음(noise)과 인공물(artifact)이 존재한다. 즉, 제2 의료 영상은 제1 의료 영상보다 빠르게 획득 가능한 대신에, 신호 대 잡음비(SNR)와 개체의 에지 콘트라스트가 낮으므로 제1 의료 영상에서는 식별 가능한 장기 및 병변이 주변 조직과 명확히 구분되지 않는다는 단점이 있다.
제1 의료 영상 장치(110) 및 제2 의료 영상 장치(120)는 2차원 의료 영상을 생성할 수 있지만, 3차원 의료 영상을 생성할 수도 있다. 예컨대, 제1 의료 영상 장치(110) 및 제2 의료 영상 장치(120)는 2차원 의료 영상을 3차원 볼륨에 대한 단면으로 누적함으로써, 3차원 의료 영상을 생성할 수 있다. 예컨대, 제2 의료 영상 장치(120)가 3차원적 영상을 출력하는 방법은 다음과 같다. 환자 신체 위에서 프로브(121)의 위치(location)와 방향(orientation)을 변화시키면서, 환자 신체의 특정 부위에 대한 다수의 단면 영상들을 검출한다. 이어서, 제2 의료 영상 장치(120)는 이와 같은 단면 영상들을 축적하여 환자 신체의 특정 부위를 3차원적으로 나타내는 3차원 볼륨(volume)의 영상 데이터를 생성한다. 이와 같이 단면 영상들을 축적하여 3차원 볼륨의 영상 데이터를 생성하는 방식을 MPR(Multiplanar reconstruction) 방식이라고 한다.
영상 정합 장치(130)는 제1 의료 영상 장치(110)로부터 획득된 제1 의료 영상과 제2 의료 영상 장치(120)으로부터 획득된 제2 의료 영상을 정합(matching) 한다. 본 발명에서, 제1, 2 의료 영상의 정합(matching)이란 제1 의료 영상의 제1 좌표계를 제2 의료 영상의 제2 좌표계와 서로 대응시키는 과정을 의미한다. 정합된 결과는 제1, 제2 의료 영상을 합성하여 단일의 의료 영상일 수 있고, 좌표계가 서로 일치된 제1, 2 의료 영상이 나란히 배치된 영상일 수도 있다. 영상 정합 장치(130)는 제1 의료 영상에 나타나는 해부학적 개체들과 제2 의료 영상에 나타나는 해부학적 개체들의 기하학적 상관 관계를 이용하여 정합을 수행한다. 여기서, 기하학적 상관 관계는 해부학적 개체들 상에서 추출된 특징점들이 이루는 관계를 의미한다. 예컨대, 해부학적 개체들 중 제1 개체에서 추출된 제1 특징점들과 제2 개체에서 추출된 제2 특징점들은 3차원 영상의 단면에서 다면체를 구성하거나 또는 3차원 영상에서 다각형을 구성할 수 있다. 3차원 영상의 단면의 다각형의 면적, 모서리의 길이, 모서리들이 이루는 각도, 형상은 제1 개체와 제2 개체 사이의 기하학적 관계에 해당한다. 마찬가지로, 다면체의 형상, 외면적, 부피, 모서리 길이, 모서리들이 이루는 각도는 제1 개체와 제2 개체 사이의 기하학적 관계에 해당한다. 이하에서는 설명의 편의를 위하여 제1 개체의 특징점들과 제2 개체의 특징점들 사이의 거리, 즉 3차원 영상의 단면의 다각형의 모서리 길이를 제1 개체와 제2 개체간의 기하학적 관계로 예시하여 설명하기로 한다.
영상 정합 장치(130)가 정합한 의료 영상은 영상 표시 장치(140)에 의해 디스플레이 된다.
한편, 제1 의료 영상에서 나타나는 해부학적 개체들이 제2 의료 영상에서는 모두 식별 가능한 것은 아니다. 예컨대, 간 영역에 대한 초음파 영상에서는 간의 형상에 대한 해부학적 정보들의 에지 콘트라스트가 낮고 잡음과 섞여서 식별이 불가능하다. 대신에, 초음파 영상에서는 간의 혈관들이 배경에 비하여 어둡게 나타나는 특성이 있으므로 초음파 영상의 음영에 기초하여 간의 혈관 구조를 파악할 수 있다. 따라서, 초음파 영상에서는 간의 혈관 구조를 통해 간의 위치를 추정할 수 있다. 또한, MR 또는 CT 영상에서 추출된 간의 혈관 구조를 상호간에 비교함으로써, 초음파 영상과 MR 또는 CT 영상의 정합을 수행할 수 있다. 그렇지만, 간 암환자 또는 간경변 환자는 간 조직의 괴사하는 등의 원인으로 초음파 영상에서 간의 혈관 구조가 식별되지 않는다. 그 결과, 간암 또는 간경변 환자의 초음파 영상은 MR 또는 CT 영상과 정합을 수행하기 어려운 문제점이 존재하였다.
본 발명의 영상 정합 장치(130)는 상술된 문제점이 해결하여, 장기 또는 장기의 혈관 구조에 대한 해부학적 구조가 나타나지 않는 제2 의료 영상을 제1 의료 영상과 정합 할 수 있다. 영상 정합 장치(130)는 제2 의료 영상에서 잡음으로 식별이 불가능한 관심영역의 장기 및 병변에 대한 해부학적 구조를 이용하는 대신에, 장기의 외부에서 장기와 인접하여 위치하는 해부학적 개체들을 이용하여 정합을 수행한다. 예컨대, 간암 환자의 초음파 의료 영상에서는 간의 형상과 병변에 대한 정보를 식별할 수는 없지만, 간의 경계면과 접하는 횡격막과 간에 인접하는 하대 정맥은 간암 환자의 초음파 영상에서도 명확하게 식별된다. 영상 정합 장치(130)는 제1 의료 영상과 제2 의료 영상에서 모두 뚜렷하게 나타나는 횡격막과 하대정맥의 정보를 이용하여 간 영역에 대한 제1 의료 영상과 제2 의료 영상을 정합한다. 따라서, 관심 대상 장기인 간에 대한 정보가 제2 의료 영상에서 모두 손실되었다 하더라도 하대정맥과 횡격막을 이용하면 간 영역에 대한 제1 의료 영상과 제2 의료 영상을 정합할 수 있다.
도 2는 본 발명의 일 실시예에 따른 영상 정합 장치(200)를 도시한 도면이다. 도 2를 참조하면, 영상 정합 장치(200)는 제1 의료 영상 저장부(210), 제2 의료 영상 획득부(220), 특징점 추출부(230), 벡터 산출부(241), 정합부(240)을 포함한다.
제1 의료 영상 저장부(210)는 제1 의료 영상 장치(110)로부터 출력된 제1 의료 영상을 저장한다. 제1 의료 영상 장치(110)는 의료 시술 이전에 대상체의 관심 영역에 대하여 미리 제1 의료 영상을 생성하는 것이 바람직하다. 따라서, 영상 정합 장치(200)는 의료 시술 전에 생성되어 제1 의료 영상 저장부(210)에 저장된 제1 의료 영상을 의료 시술 중 실시간으로 획득된 제2 의료 영상과 정합한다. 전술한 바와 같이, 제1 의료 영상은 3차원의 MR 또는 CT 영상을 예시할 수 있다.
제2 의료 영상 획득부(220)는 제2 의료 영상 장치(120)로부터 출력되는 제2 의료 영상을 실시간으로 획득한다. 제2 의료 영상 장치(120)는 의료 시술 중에 대상체의 관심 영역에 대하여 실시간으로 제2 의료 영상을 생성하므로, 제2 의료 영상 획득부(220)는 제2 의료 영상 장치(120)가 제2 의료 영상을 생성함과 동시에 제2 의료 영상을 획득하는 것이 바람직하다. 따라서, 제2 의료 영상 획득부(220)에 의해 획득된 제2 의료 영상에는 환자의 신체활동에 의해 발생하는 해부학적 개체들의 변위가 실시간으로 반영될 수 있다. 전술한 바와 같이, 제2 의료 영상은 3차원 초음파 영상을 예시할 수 있다.
특징점 추출부(230)는 관심 장기와 인접하는 다수의 해부학적 개체들 중에서 에지 콘트라스트가 낮은 제2 의료 영상에서도 식별 가능한 적어도 두 개의 인접 개체들에 대한 특징점들을 제1 의료 영상과 제2 의료 영상에서 각각 추출한다. 특징점 추출부(230)는 장기 또는 장기 내부의 혈관 구조에서 특징점을 추출하는 대신에, 장기의 외부에서 장기와 인접하는 개체들을 선택하여 특징점을 추출한다. 여기서, 특징점(Landmark point)이란 영상 정합에 기준이 되는 지점을 말한다. 특징점(Landmark point)은 아래와 같은 방법으로 결정될 수 있다.
A. 대상의 해부학적 특징이 뚜렷하게 반영된 지점을 특징점(Landmark point)으로 정한다. 예를 들면, 특징점을 추출할 개체가 간이라면 간 내부 혈관구조에서 혈관이 나누어지는 지점을 특징점으로 추출할 수 있고, 특징점을 추출할 개체가 심장이라면 우심방과 좌심방이 나뉘는 경계, 대정맥과 심장의 외벽이 만나는 경계를 특징점으로 추출할 수 있다.
B. 정해진 좌표계에서 특징점을 추출할 개체의 가장 높은 지점, 혹은 가장 낮은 지점 또한 특징점(Landmark point)으로 정할 수 있다.
C. 상기 A. B.에서 선택된 특징점들 간의 사이를 보간(interpolation)할 수 있는 지점을 개체를 따라서 일정한 간격으로 선택하여 특징점(Landmark point)으로 지정할 수 있다.
지정된 특징점은 2차원일 경우 x,y축의 좌표 3차원일 경우 x,y,z축의 좌표로 나타낼 수 있다. 따라서 3차원일 경우 각각의 특징점 좌표를 벡터로
Figure 112012072568702-pat00001
과 같이 나타낸다면, (n은 특징점의 갯수를 뜻한다.) 수학식 1로 표현할 수 있다.
Figure 112012072568702-pat00002
아래첨자 i는 i번째 제2 의료 영상에서 특징점 좌표 정보를 뜻한다.
특징점 추출부(230)는 인접 개체 추출부(231)와 좌표 추출부(232)를 포함한다. 인접 개체 추출부(231)는 제1 의료 영상 또는 제2 의료 영상에서 장기의 외부에서 그 장기와 인접한 개체들을 추출한다. 좌표 추출부(232)는 추출된 개체들 상에서 전술한 특징점 선택 과정 A,B,C를 수행하여 특징점의 좌표값을 추출한다.
인접 개체 추출부(231)는 제1 의료 영상 또는 제2 의료 영상에서 장기와 인접한 개체들로서, 제1 의료 영상과 제2 의료 영상에서 모두 뚜렷하게 식별 가능한 개체들을 추출한다. 인접 개체 추출부(231)는 적어도 둘 이상의 개체들을 인접 개체들로 추출할 수 있다. 인접 개체 추출부(231)는 제2 의료 영상에서 장기에 대한 해부학적 정보가 모두 손실되었더라도 장기의 외부에 위치하고 그 장기와 인접한 개체들을 추출할 수 있어야 한다. 따라서, 인접 개체 추출부(231)에는 추출 대상이 되는 인접 개체에 대한 정보가 사전에 입력되는 것이 바람직하다. 간 영역에 대한 영상을 예시하면, 간의 외부에 존재하고 간과 인접한 개체들로서는 횡격막, 하대정맥, 쓸개, 간, 간문맥 및 간정맥 등이 있다. 이 경우 인접 개체 추출부(231)에는 제2 의료 영상에서 횡격막, 하대정맥, 쓸개, 간, 간문맥 및 간정맥을 식별하기 위한 정보가 미리 입력될 수 있다. 횡격막의 경우 소정 값 이하의 곡률을 갖는 평면이고, 하대정맥은 10mm 이상의 직경을 갖는 혈관이라는 해부학적 특징에 대한 정보가 인접 개체 추출부(231)에 사전 입력될 수 있다.
이어서, 도 3을 참조하며 인접 개체 추출부(231)가 간 영역에 대한 의료 영상에서 간과 인접한 개체로서 횡격막과 하대정맥을 추출하는 과정을 설명하기로 한다. 도 3에 도시된 제2 의료 영상(310)은 간암 환자의 간 영역에서 촬영된 3차원 초음파 영상의 2차원 단면 영상이고, 추출된 인접 개체들(320)에는 횡격막(321)과 하대정맥(322)이 포함되어 있다. 한편, 제2 의료 영상(310)에 나타난 바와 같이 초음파 영상에서는 간과 암세포에 대한 해부학적 정보들이 식별되지 않는다. 인접개체 추출 프로세스(330)는 헤시안 행렬에 기초한 필터링(Hessian Matrix-based filtering)을 수행하여 인접 개체들을 추출한다. 그러나, 헤시안 행렬에 기초한 필터링은 예시적 설명이며 본 발명에서 인접 개체를 추출하는 방법이 반드시 이에 한정되는 것은 아니다. 헤시안 행렬은 전 미분 행렬이라고도 표현하며, 복셀 값에 대한 2계 미분함수를 이용하여 영상내에서 급격한 복셀 값이 변경되는 영역을 판정할 수 있다. 여기서, 복셀값이 급격히 변경되는 영역은 개체와 개체 또는 개체와 배경의 경계영역으로 해석된다. 한편, 3차원 초음파 영상에서 헤시안 행렬을 이용하여 횡격막을 추출하는 기법은 논문 D.G Kang and J.B.Ra, "Registration of CT-ultrasound images of the liver based on efficient vessel-filtering and automatic initial transform prediction" International Journal of Computer Assisted Radiology and Surgery, Vol.1, supplement 1, pp. 54-57, June 2006에 소개되어 있다.
상기된 논문에 소개된 개시된 횡격막 추출 기법을 요약하면 먼저, 초음파 영상에서 노이즈, 얼룩점을 제거하기 위하여 가우시안 필터를 적용하여 블러(blur)를 수행한다(S301). 블러가 수행된 초음파 영상에 대하여 헤시안 행렬을 구성한다(S302). 블러된 각 복셀의 영상값에 대하여 헤시안 행렬을 구성하면 아래의 수학식 2와 같다.
Figure 112012072568702-pat00003
수학식 2에서 Hσ(x,y,z)는 복셀 (x,y,z)에 대한 헤시안 행렬을 의미하고, 엘리먼트 Iσ는 가우시안 필터를 적용하여 블러된 복셀 (x,y,z)의 영상값을 말한다. 이어서, 헤시안 행렬 Hσ에 대하여 고유 분해(eigen decomposition)을 수행하여, 고유값(eigen value) λ1,λ2,λ3을 구한다(S303). 여기서, λ1,λ2,λ3는 헤시안 행렬 분석의 개념도(331)에 표기되어 잇다. 고유값(eigen value) λ1,λ2,λ3을 이용하여, 평탄도 테스트(flatness test)를 수행하여, 횡격막이 아닌 영역을 제거한다(S304). 여기서 평탄도 테스트란 예컨대, λ1의 크기가 λ2,λ3보다 소정의 임계치보다 크면 λ2,λ3 방향으로 정의되는 평면으로 판단하여 복셀(x,y,z)는 횡격막의 복셀로 간주하는 방식으로 평면을 검출하는 알고리즘을 말한다. 평탄도 테스트를 통해 횡격막 영역의 복셀을 추출할 수 있다.
인접 개체 추출부(231)는 전술한 횡격막의 추출과 함께 하대정맥을 간 영역의 초음파 영상에서 추출할 수 있다. 하대정맥의 추출 과정은 전술한 횡격막의 추출 과정과 유사하게 헤시안 행렬을 이용하여 하대정맥을 추출할 수 있다. 인접 개체 추출부(231)가 하대정맥을 추출하는 경우, 헤시안 행렬의 고유값(eigen value) λ1,λ2,λ3을 이용하여, 혈관도 테스트(vesselness test)를 수행한다(S305). 여기서, 혈관도 테스트란 예컨대, 가장 작은 고유 값 λ1의 크기가 나머지 두 고유값들 λ2,λ3 에 비하여 미리 정해진 임계값보다 더 작다면 λ1 방향의 직선형 특성을 갖는 것으로 판단하는 알고리즘을 말한다. 따라서, 혈관도 테스트가 수행되면 복셀 (x,y,z)가 하대정맥에 속한 복셀인지를 판단할 수 있다, 이를 통해 하대정맥 영역의 복셀을 추출할 수 있다.
이어서, 도 2로 돌아가서 좌표 추출부(232)의 좌표 추출과정을 설명하기로 한다. 좌표 추출부(232)는 인접 개체 추출부(231)가 추출한 인접 개체들 상에서 특징점들의 좌표를 추출한다. 인접 개체 추출부(231)가 추출한 인접 개체들은 3차원의 볼륨에 해당하는데, 좌표 추출부(232)는 특징점이 추출되는 영역을 미리 제한하여 특징점의 좌표를 추출할 수 있다. 예를 들어, 인접 개체 추출부(231)가 관 형상의 하대정맥을 인접 개체로 추출한 경우, 좌표 추출부는 하대 정맥의 중심선(centerline)상에서만 특징점 좌표를 추출하도록 특징점 추출 영역을 제한할 수 있다. 이하에서는 도 4를 참조하여, 좌표 추출부(232)가 인접 개체상에서 특징점의 좌표를 추출하는 과정을 상세히 설명하기로 한다.
도 4를 참조하면, 먼저 좌표 추출부(232)는 하대정맥(410)에서 중심선(411)을 추출한다(S410). 하대정맥에서 중심선을 추출하는 알고리즘은 다음과 같다.
먼저, 하대정맥 내의 소정의 지점(p)에서 가장 가까운 하대정맥의 혈관벽 상의 지점(q)간의 거리 dist(p,q)를 계산한다(S411). 이러한 거리 계산과정을 하대 정맥 내의 모든 지점에 대하여 수행한다. 거리 dist(p,q)를 계산하기 위하여 Distance Transform(DT)을 수행할 할 수 있다. Distance Transform은 이미지상의 어느 한 지점에서 가장 가까지 위치한 개체의 경계까지 이르는 거리를 구하는 연산으로서, 수학식 3과 같이 정의될 수 있다. 수학식 3에서, S는 혈관벽의 표면(surface)를 의미한다.
Figure 112012072568702-pat00004
하대정맥의 미소한 볼륨 ∂V내에 다수의 지점들 중에서 DT(p)가 국지적으로(locally) 최대가 되는 지점은 하대정맥의 중심선상에 위치한 점이 된다. 따라서, DT(p)가 국지적으로(locally) 최대가 되는 지점들을 추출한다(S412). 추출된 지점들은 아래의 수학식 4와 같이 하대정맥의 중심선을 구성한다.
Figure 112012072568702-pat00005
S412 단계에서 ∂V를 선택하는 방법을 설명하면, 인접 개체 전체의 볼륨에서DT(p)가 최대가 되는 지점 p0를 찾는다. 그 다음, p0를 중심으로 하고, 상기 하대정맥에 접하도록 반지름이 dist(p0,q0)가 되는 구를 ∂V0로 선택한다. 그 다음 ∂V0 내에서 p0가 아닌 점들 중에서 가장 큰 DT(p)를 갖는 p1을 찾는다. 그 다음 p1를 중심으로 하고, 상기 하대정맥에 접하도록 반지름이 dist(p1,q1)가 되는 구를 ∂V1로 선택한다. 이 과정을 반복하면 하대정맥의 중심선 상에 위치하는 지점들 pi를 추출할 수 있다.
좌표 추출부(232)는 추출된 중심선 상에서 하대정맥의 특징점들의 좌표를 추출한다(S420). 좌표 추출부(232)는 전술한 특징점 선택방법 A,B,C 단계를 통해서 하대정맥의 중심선 상에서 특징점의 좌표를 추출할 수 있다. 또는, 좌표 추출부(232)는 모든 중심선을 구성하는 모든 지점들(pi)들을 특징점으로 선택하여 좌표를 추출할 수도 있다.
다음으로, 좌표 추출부(232)는 횡격막(420)에서 특징점의 좌표를 추출한다(S430). 좌표 추출부(232)는 횡격막(420)상에서 특징점의 좌표를 추출하기 위하여, 전술한 하대 정맥의 특징점들(pi)을 이용할 수 있다. 즉, 횡격막(420)상의 다수의 지점들 중에서 하대 정맥의 특징점들(pi)과의 소정의 거리 또는 방향에 위치한 지점들을 횡격막상의 특징점들로 선택할 수 있다. 예를 들어, 하대 정맥상의 특징점 p0에서 횡격막상의 특징점들의 좌표를 추출하는 방법을 설명하기로 한다. 설명의 편의를 위하여 하대정맥의 중심선 방향을 Z' 축으로 하는 로컬 좌표계를 사용하기로 한다. 또한, 하대정맥 상의 특징점 p0에서 연장된 직선이 좌표축 X'과 이루는 각을 θ라 하고, Z'축과 이루는 각을 Φ라고 나타내기로 한다. 좌표 추출부(232)는 (θ,Φ)을 기 설정된 값에 따라서 변경하고, p0로부터 연장된 직선이 횡격막(420)과 만나는 지점들의 좌표값들을 특징점으로 선택할 수 있다. 예를들면, θ는 기 입력된 초기값 θ0로 고정하고, Φ를 0 내지 180 범위내에서 소정의 간격으로 스위핑 한다. 이후, θ0를 기 설정된 θ1, θ2 등으로 변경하여 동일한 과정을 반복한다. 결과적으로 횡격막(420)상에는 θn까지에 대응하는 n개의 직선들이 형성되고, n개의 직선들 상에서 특징점의 좌표들을 추출할 수 있다.
또 다른 방식으로 좌표 추출부(232)가 횡격막(420)상에서 특징점을 추출하는실시예로는 p0로부터 연장된 직선이 횡격막(420)과 만나는 지점들의 좌표값들 중 횡격막(420) 까지 이르는 거리가 최소인 지점(f0)를 횡격막의 특징점으로 선택하고, 그 지점의 좌표값을 추출한다. 이와 같은 방식으로, pi에 대응하는 횡격막상의 지점 fi를 특징점으로 선택하고, 그 지점의 좌표값들을 추출할 수 있다. 이상의 예시들은 좌표 추출부(232)가 횡격막(420)의 특징점들의 좌표를 추출함에 있어서, 하대정맥(410)의 특징점을 고려하여 추출하는 특징을 설명하기 위한 것이며, 본원 발명의 진정한 권리범위는 예시된 방법에 한정되는 것은 아니다.
아울러, 예시들은 제2 의료 영상에서 인접 개체들이 추출되고, 인접 개체들로부터 특징점 좌표들이 추출되는 것을 설명하고 있지만, 당업자라면 제1 의료 영상에서도 동일한 방식에 따라서 인접 개체들이 추출되고, 특징점 좌표들이 추출될 수 있음을 알 수 있을 것이다. 또한, 제2 의료 영상에 대해서는 특징점 추출부(230)에 의해 특징점이 선택되지만, 제1 의료 영상에서는 사용자의 수동 입력에 의해 특징점이 선택되는 것으로 변형하여 실시할 수도 있다. 특히, 제1 의료 영상이 MR 또는 CT 영상인 경우, 사용자에게 횡격막과 하대정맥의 정보가 명확히 제공되므로 사용자의 수동 입력에 의해서도 횡격막과 하대정맥의 특징점들이 정확히 선택될 수 있을 것이다.
도 2로 돌아가서 설명을 계속한다. 정합부(240)는 제1 의료 영상의 특징점들이 나타내는 인접 개체들 간의 기하학적 관계와 제2 의료 영상의 특징점들이 나타내는 인접 개체들 간의 기하학적 관계에 기초하여 제1 의료 영상과 제2 의료 영상을 정합한다. 즉, 정합부(240)는 제1 의료 영상과 제2 의료 영상에서 인접 개체들 간의 기하학적 관계를 서로 비교하여 제1 의료 영상과 제2 의료 영상을 정합한다. 여기서, 인접 개체들간의 기하학적 관계는 앞서 전술한 바와 같이, 제1 개체와 제2 개체의 특징점들이 이루는 거리를 의미하는 것으로 예시하여 설명한다.
정합부(240)는 벡터 산출부(241), 매트릭스 산출부(242), 기초 정합부(243), 경계 영역 선정부(244) 및 정합 영상 보정부(245)를 포함한다. 벡터 산출부(241),매트릭스 산출부(242)와 기초 정합부(243)는 특징점 기반으로 제1 의료 영상과 제2 의료 영상간의 초기 정합을 신속하게 수행한다. 이후, 경계 영역 선정부(244) 및 정합 영상 보정부(245)는 제1 의료 영상과 제2 의료 영상의 복셀의 밝기값에 기반하여 정합 결과를 보다 정밀하게 보정한다. 여기서, 특징점 기반의 정합 방법과 복셀의 밝기값에 기반한 정합 방법을 간략히 비교한다. 특징점 기반의 정합 방법은 의료 영상들 간의 공통적인 특징점을 서로 비교하여 정합을 수행하는 방식이다. 특징점 기반 정합은 추출된 특징점의 정보만을 이용하므로 계산량이 적고 신속한 정합이 가능한 장점이 있다. 이에 비하여, 복셀의 밝기값에 기반한 정합은 별도의 특징점 추출 과정이 필요 없는 반면 의료 영상들 간에 유사도 측정을 위하여 모든 복셀에 대한 연산이 수행된다. 따라서, 복셀의 밝기값에 기반한 정합은 계산량이 많고 정합에 많은 시간이 소요된다. 그렇지만, 적절한 초기 정합이 이루어진 경우 복셀의 밝기값 기반의 정합 방법은 연산량이 줄어들고, 빠른 시간안에 정합을 수행할 수 있다. 따라서, 정합부(240)는 특징점 기반으로 초기 정합을 수행한 이후에, 복셀의 밝기값 기반으로 초기 정합 결과를 보정하는 것이 바람직하다.
벡터 산출부(241)는 특징점 추출부(230)에 의해 선택된 특징점들의 좌표값들을 이용하여 인접 개체들 상호 간의 상대적 기하학적 관계를 나타내는 벡터들을 제1 의료 영상과 제2 의료 영상에서 각각 산출한다. 예를 들어, 벡터 산출부(241)는 제1 의료 영상에서 하대 정맥 특징점들의 좌표값을 횡격막 특징점들의 좌표값들과 서로 대응시킨다. 또한, 벡터 산출부(241)는 제2 의료 영상에서 하대 정맥 특징점들의 좌표값을 횡격막 특징점들의 좌표값과 서로 대응시킨다. 이하에서는 벡터 산출부(241)가 벡터를 산출하는 예시와 함께 상세히 설명한다. 예시의 설명에 앞서, 좌표 추출부(232)가 횡격막(420)상에서 특징점 좌표를 추출하는 전술한 실시예들 중에서 어떠한 방식으로 횡격막(420)상에서 특징점 좌표를 추출하였는지를 특정하고 그 다음에 벡터 산출부(241)의 동작에 대하여 설명한다.
도 5를 참조하면, 의료 영상 단면(500)은 3차원의 제1 의료 영상 또는 제2 의료 영상의 단면을 간략히 도시하고 있다. 의료 영상 단면(500)에서는 설명의 편의를 위하여 하대정맥(510)과 횡격막(520) 이외에 다른 장기나 개체들의 도시가 생략되었다. 의료 영상 단면(500)은 도 4의 3차원 영상(400)에 대하여 소정의 θ 값을 갖는 단면에 해당한다. 따라서, θ값을 변경하면, 의료 영상 단면(500)과 유사한 다른 단면들이 나타날 수 있다. 먼저, 좌표 추출부(232)는 횡격막(520)과 하대 정맥(510)이 나란히 배치되는 제1 구간(W1)에서는 하대 정맥(510)의 특징점들로부터 횡격막(520)에 이르는 거리가 최소가 되는 지점에서 횡격막(520)의 특징점 좌표들을 추출한다. 한편, Z' 축상에서 하대 정맥(510)의 최상위 특징점(z0)보다 상위에 횡격막(520)이 존재하는 제2 구간(W2)에서는 하대 정맥(510)의 최상위 특징점(z0)에서 일정한 간격으로 φ를 스위핑하며 횡격막(520)의 특징점 좌표들을 추출한다.
이 경우, 벡터 산출부(241)는 제1 구간(W1)에 대하여, 하대 정맥(510)의 특징점들 z0 내지 zn과 횡격막(520)의 특징점들 k0 내지 kn을 서로 일대일로 대응시킨다. 이어서, 벡터 산출부(241)는 서로 대응하는 특징점들의 좌표값들을 이용하여, 대응하는 특징점들간의 거리 d1 내지 dn을 산출한다.
계속하여, 벡터 산출부(241)는 제2 구간(W2)에 대하여, 하대 정맥(510)의 최상위 특징점(z0)과 제2 구간에 존재하는 횡격막(520)의 특징점들 m0 내지 mi를 서로 대응시킨다. 어서, 벡터 산출부(241)는 서로 대응하는 특징점들의 좌표값들을 이용하여, 하대 정맥(510)의 최상위 특징점(z0)으로부터 횡격막(520)의 특징점들 m0 내지 mi에 이르는 거리 l0 내지 li를 산출한다.
이상의 과정을 통해서 벡터 산출부(241)는 소정의 θ1각에 대하여 횡격막(520)과 하대 정맥(510)간의 거리들을 나타내는 벡터 V1을 수학식 5와 같이 산출한다.
Figure 112012072568702-pat00006
벡터 산출부(241)는 다른 각θ2 내지 θn에 대해 대응하는 벡터 V2 내지 Vn을 산출할 수 있다. 이상의 과정에 따라서, 벡터 산출부(241)는 제1 의료 영상 및 제2 의료 영상으로부터 각각 벡터들을 산출할 수 있다.
도 2로 돌아가서 설명을 계속한다. 매트릭스 산출부(242)는 제1 의료 영상에서 산출된 벡터와 제2 의료 영상에서 산출된 벡터를 소정의 오차범위 내로 일치시키는 변환 매트릭스 T를 산출한다. 예컨대, 제1 의료 영상에서 산출된 벡터를 YMR라고 하고, 제2 의료 영상에서 산출된 벡터를 XUS라고 하면, 오차
Figure 112012072568702-pat00007
는 아래의 수학식 6과 같이 표현될 수 있다.
Figure 112012072568702-pat00008
매트릭스 산출부(242) 수학식 6을 계산하여,
Figure 112012072568702-pat00009
가 최소화 되는 변환 매트릭스 T를 산출한다.
기초 정합부(243)는 제1 의료 영상에서 산출된 벡터YMR와 상기 제2 의료 영상에서 산출된 벡터 XUS 간의 차이에 기초하여 제1 의료 영상의 좌표계와 제2 의료 영상의 좌표계를 대응시킨다. 이를 보다 상세히 설명하면, 기초 정합부(243)는 변환 매트릭스 T 에 기초하여 상기 제1 의료 영상의 좌표계와 상기 제2 의료 영상의 좌표계를 서로 대응시킨다. 기초 정합부(243)는 제1 의료 영상과 제2 의료 영상에서 서로 대응되는 좌표값들에 기초하여 제1 의료 영상 또는 제2 의료 영상을 확대, 축소 또는 회전시킨다.
경계 영역 선정부(244)는 복셀의 밝기값이 증감하는 패턴, 즉 그래디언트를 분석하여 상기 제1 의료 영상과 상기 제2 의료 영상에서 각각 인접 개체들의 윤곽에 대하여 경계 영역을 선정한다. 도 6을 참조하면, 우측 영상은 제1 의료 영상(610)에서의 그래디언트 정보, 좌측 영상은 제2 의료 영상의 그래디언트 정보를 나타낸다. 즉, 경계 영역 선정부(244)는 제1 의료 영상과 제2 의료 영상에서 하대정맥의 경계 영역(edge volume)과 횡격막의 경계 영역(edge volume)을 각각 선정한다(S610). 경계 영역 선정부(244)는 복셀의 밝기값 변화가 기 설정된 임계치 이상인 영역을 경계 영역으로 선정할 수 있다.
정합 영상 보정부(245)는 제1 의료 영상과 제2 의료 영상에서 선정된 하대정맥과 횡격막의 경계 영역 내에서 밝기값의 증감 방향의 유사도에 기초하여 제1 의료 영상 또는 제2 의료 영상의 좌표계를 보정한다. 도 6을 참조하여 설명을 계속하면, 정합 영상 보정부(245)는 제1 의료 영상(610)과 제2 의료 영상(620)에서 선정된 경계 영역내에서 밝기값의 증감 방향을 이용하여, 제1 의료 영상과 제2 의료 영상간의 유사도(S)를 평가한다(S620). 유사도(S)는 수학식 7을 통해 계산될 수 있다.
Figure 112012072568702-pat00010
수학식 7에서, Nus, Nmr은 제1 의료 영상과 제2 의료 영상의 경계 영역내에 존재하는 복셀의 개수를 의미하고, Rus 와 Rmr의 교집합은 제1 의료 영상과 제2 의료 영상에서 공통적으로 나타나는 경계 영역을 의미하며, Ψ는 제1 의료 영상에서의 밝기값 증감 방향과 제2 의료 영상에서 밝기값 증감 방향의 차이를 나타내는 각도를 의미한다. 예컨대 Ψ=0° 인 경우 유사도가 최대이고, Ψ=90°인 경우 유사도는 최소가 된다.
정합 영상 보정부(245)는 유사도와 기 설정된 임계치를 비교한다(S630). 정합 영상 보정부(245)는 계산된 유사도가 임계치 이상이면 제2 의료 영상의 좌표계를 이동 및 회전시킨다(S640). 정합 영상 보정부(245)는 계산된 유사도가 임계치 이하인 경우에는 현재 제2 의료 영상의 좌표계에 기초하여 제1 의료 영상의 좌표계를 서로 일치시킨다(S650).
이상에서 설명된 영상 정합 장치(200)는 메모리와 영상 처리 프로세서의 결합을 통해 구현될 수도 있다. 예컨대, 제1 의료 영상 저장부(210)과 제2 의료 영상 획득부(220)는 제1 의료 영상 장치(110)와 제2 의료 영상 장치(120)로부터 출력된 제1 의료 영상과 제2 의료 영상을 저장하는 메모리들로 구성될 수 있다. 또한, 제1 의료 영상 저장부(210)과 제2 의료 영상 획득부(220)는 각각이 별도의 메모리로 구현될 수 있지만, 단일의 메모리로도 구현이 가능하다. 또한, 특징점 추출부(230), 및 정합부(240)는 단일 또는 다중의 영상 처리 프로세서에 의해 구현이 가능하다. 한편, 영상 정합 장치(200)는 사용자로부터의 소정의 정보를 입력받기 위한 I/O 인터페이스(미도시)를 더 포함할 수 있다. 여기서, 소정의 정보란 사용자가 제1 의료 영상의 특징점을 수동으로 입력하는 경우, 제1 의료 영상의 특징점의 위치 정보등을 의미할 수 있다.
도 7은 본 발명의 일 실시예에 따른 의료 영상 정합 방법의 순서를 도시한 도면이다. 도 1 내지 도 6의 설명과 중복하는 설명은 도 7에 대한 설명에는 생략하기로 한다. 따라서, 도 7에 직접적으로 개시되지 않은 내용이라 할지라도 도 1 내지 도 6을 참조하여, 본 발명의 의료 영상 정합 방법이 이해될 수 있다.
도 7을 참조하면, 의료 영상 정합 장치(200)는 의료 시술 이전에 촬영된 제1 의료 영상 및 의료 시술 중 실시간으로 촬영되는 제2 의료 영상을 획득한다(S705). 여기서, 제1 의료 영상에는 환자의 관심 장기와 관심 장기에 대한 병변이 나타나는 영상이고, 제2 의료 영상은 제1 의료 영상에 비하여 에지 콘트라스트가 낮은 영상으로서 제2 의료 영상에서는 환자의 관심 장기 또는 병변이 나타나지 않을 수 있다.
의료 영상 정합 장치(200)는 장기와 인접하는 다수의 해부학적 개체들 중에서 낮은 에지 콘트라스트의 제2 의료 영상에서 식별 가능한 적어도 두 개의 인접 개체들에 대한 특징점들을 상기 제1 의료 영상과 제2 의료 영상에서 각각 추출한다(S710).
의료 영상 정합 장치(200)는 제1 의료 영상의 특징점들이 나타내는 상기 인접 개체들 간의 기하학적 관계와 상기 제2 의료 영상의 특징점들이 나타내는 상기 인접 개체들 간의 기하학적 관계에 기초하여 상기 제1 의료 영상과 상기 제2 의료 영상을 정합한다(S715). 즉, 의료 영상 정합 장치(200)는 특징점들의 좌표값들을 이용하여 상기 인접 개체들 간의 기하학적 관계를 나타내는 벡터들을 상기 제1, 2 의료 영상에서 각각 산출한다. 그리고, 의료 영상 정합 장치(200)는 상기 제1, 2 의료 영상에서 산출된 벡터들을 이용하여 상기 인접 개체들 간의 기하학적 관계가 제1, 2 의료 영상에서 서로 일치하도록 상기 제1 의료 영상과 상기 제2 의료 영상을 정합한다.
한편, 상술한 본 발명의 실시예들은 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터로 읽을 수 있는 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다. 또한, 상술한 본 발명의 실시예에서 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, 플로피 디스크, 하드 디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등)와 같은 저장매체를 포함한다.
이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.

Claims (20)

  1. 복수개의 의료 영상들을 정합하는 방법에 있어서,
    의료 시술 이전에 촬영된 제1 의료 영상 및 의료 시술 중 실시간으로 촬영되는 제2 의료 영상을 획득하는 단계;
    환자의 관심 장기와 인접하는 다수의 해부학적 개체들 중에서 상기 제2 의료 영상에서 식별 가능한 적어도 두 개의 인접 개체들 각각에 대한 특징점들을 상기 제1 의료 영상과 상기 제2 의료 영상에서 추출하는 단계; 및
    상기 제1 의료 영상의 특징점들이 나타내는 상기 인접 개체들 간의 기하학적 관계와 상기 제2 의료 영상의 특징점들이 나타내는 상기 인접 개체들 간의 기하학적 관계에 기초하여 상기 제1 의료 영상과 상기 제2 의료 영상을 정합하는 단계를 포함하고,
    상기 정합하는 단계는,
    복셀의 밝기값의 증감에 기초하여 상기 제1 의료 영상과 상기 제2 의료 영상에서 각각 상기 인접 개체들의 윤곽을 나타내는 경계 영역을 선정하는 단계; 및
    상기 제1 의료 영상과 상기 제2 의료 영상에서 선정된 상기 경계 영역 내에서 복셀들의 밝기값의 증감 방향의 유사도에 기초하여 상기 제1 의료 영상 또는 상기 제2 의료 영상의 좌표계를 보정하는 단계를 포함하는 것을 특징으로 하는 방법.
  2. 제 1 항에 있어서, 상기 특징점들을 추출하는 단계는,
    상기 제1 의료 영상의 특징점들의 일부와 상기 제2 의료 영상의 특징점들의 일부를 상기 인접 개체들 중 제1 개체에서 각각 추출하는 단계; 및
    상기 제1 의료 영상의 특징점들의 나머지 일부와 상기 제2 의료 영상의 특징점들의 나머지 일부를 각각 상기 인접 개체들 중 제2 개체에서 각각 추출하는 단계를 포함하는 것을 특징으로 하는 방법.
  3. 제 2 항에 있어서, 상기 특징점들을 추출하는 단계는,
    상기 관심 장기와 인접한 혈관의 중심선 상에서 상기 제1, 2 의료 영상의 특징점들의 일부를 추출하는 단계; 및
    상기 관심 장기의 경계면 상의 지점들 중 상기 혈관의 중심선 상에서 추출된 특징점들로부터의 거리가 최소인 지점들에서 상기 제1, 2 의료 영상의 특징점들의 나머지 일부를 추출하는 단계를 포함하는 것을 특징으로 하는 방법.
  4. 제 1 항에 있어서, 상기 정합하는 단계는,
    상기 제1 의료 영상의 특징점들의 좌표값들을 이용하여 상기 인접 개체들 간의 기하학적 관계를 나타내는 제1 벡터를 산출하는 단계;
    상기 제2 의료 영상의 특징점들의 좌표값들을 이용하여 상기 인접 개체들 간의 기하학적 관계를 나타내는 제2 벡터를 산출하는 단계; 및
    상기 제1 의료 영상에서 산출된 제1 벡터와 상기 제2 의료 영상에서 산출된 제2 벡터 간의 차이에 기초하여 상기 제1 의료 영상의 좌표계와 상기 제2 의료 영상의 좌표계를 대응시키는 단계를 포함하는 것을 특징으로 하는 방법.
  5. 제 4 항에 있어서, 상기 대응시키는 단계는,
    상기 제1 벡터와 상기 제2 벡터 간의 차이가 소정의 임계치 이하가 되도록 상기 제1 벡터 또는 상기 제2 벡터를 변환하는 변환 매트릭스를 산출하는 단계;
    상기 변환 매트릭스에 기초하여 상기 제1 의료 영상의 좌표계와 상기 제2 의료 영상의 좌표계를 서로 대응시키는 단계; 및
    상기 제1 의료 영상과 상기 제2 의료 영상에서 서로 대응되는 좌표값들에 기초하여 상기 제1 의료 영상 또는 상기 제2 의료 영상을 확대, 축소 또는 회전시키는 단계를 포함하는 것을 특징으로 하는 방법.
  6. 삭제
  7. 제 1 항에 있어서, 상기 인접 개체들 간의 기하학적 관계는,
    상기 인접 개체들 중 제1 개체에서 추출된 제1 특징점들과 상기 인접 개체들 중 제2 개체에서 추출된 제2 특징점들이 이루는 다면체 또는 다각형의 형상, 면적,부피, 모서리 길이 또는 각도 중 적어도 하나 이상을 포함하는 것을 특징으로하는 방법.
  8. 제 1 항에 있어서,
    상기 관심 장기는 간, 신장 또는 쓸개 중 어느 하나이고,
    상기 인접 개체들은 횡격막, 하대정맥, 쓸개, 간, 간문맥 또는 간정맥 중에서 적어도 두개 이상을 포함하는 것을 특징으로 하는 방법.
  9. 제 1 항에 있어서,
    상기 제1 의료 영상은 상기 관심 장기 및 상기 관심 장기의 병변이 나타나는3차원 MRI, CT, X-ray 또는 PET 영상이고,
    상기 제2 의료 영상은 상기 제1 의료 영상에 비하여 에지 콘트라스트가 낮은3차원 초음파 영상인 것을 특징으로 하는 방법.
  10. 제 1 항에 기재된 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체.
  11. 복수개의 의료 영상들을 정합하는 장치에 있어서,
    의료 시술 이전에 촬영된 제1 의료 영상을 저장하고, 의료 시술 중 실시간으로 촬영되는 제2 의료 영상을 획득하는 적어도 하나의 메모리;
    환자의 관심 장기와 인접하는 다수의 해부학적 개체들 중에서 상기 제2 의료 영상에서 식별 가능한 적어도 두 개의 인접 개체들 각각에 대한 특징점들을 상기 제1 의료 영상과 상기 제2 의료 영상에서 추출하고, 상기 제1 의료 영상의 특징점들이 나타내는 상기 인접 개체들 간의 기하학적 관계와 상기 제2 의료 영상의 특징점들이 나타내는 상기 인접 개체들 간의 기하학적 관계에 기초하여 상기 제1 의료 영상과 상기 제2 의료 영상을 정합하는 적어도 하나의 프로세서를 포함하고,
    상기 적어도 하나의 프로세서는,
    복셀의 밝기값의 증감에 기초하여 상기 제1 의료 영상과 상기 제2 의료 영상에서 각각 상기 인접 개체들의 윤곽을 나타내는 경계 영역을 선정하고,
    상기 제1 의료 영상과 상기 제2 의료 영상에서 선정된 상기 경계 영역 내에서 복셀들의 밝기값의 증감 방향의 유사도에 기초하여 상기 제1 의료 영상 또는 상기 제2 의료 영상의 좌표계를 보정하는 것을 특징으로 하는 장치.
  12. 제 11 항에 있어서, 상기 적어도 하나의 프로세서는,
    상기 제1 의료 영상의 특징점들의 일부와 상기 제2 의료 영상의 특징점들의 일부를 상기 인접 개체들 중 제1 개체에서 각각 추출하고, 상기 제1 의료 영상의 특징점들의 나머지 일부와 상기 제2 의료 영상의 특징점들의 나머지 일부를 각각 상기 인접 개체들 중 제2 개체에서 각각 추출하는 것을 특징으로 하는 장치.
  13. 제 12 항에 있어서, 상기 적어도 하나의 프로세서는,
    상기 관심 장기와 인접한 혈관의 중심선 상에서 상기 제1, 2 의료 영상의 특징점들의 일부를 추출하고, 상기 관심 장기의 경계면 상의 지점들 중 상기 혈관의 중심선 상에서 추출된 특징점들로부터의 거리가 최소인 지점들에서 상기 제1, 2 의료 영상의 특징점들의 나머지 일부를 추출하는 것을 특징으로 하는 장치.
  14. 제 11 항에 있어서, 상기 적어도 하나의 프로세서는,
    상기 제1 의료 영상의 특징점들의 좌표값들을 이용하여 상기 인접 개체들 간의 기하학적 관계를 나타내는 제1 벡터를 산출하고, 상기 제2 의료 영상의 특징점들의 좌표값들을 이용하여 상기 인접 개체들 간의 기하학적 관계를 나타내는 제2 벡터를 산출하고,
    상기 제1 의료 영상에서 산출된 제1 벡터와 상기 제2 의료 영상에서 산출된 제2 벡터 간의 차이에 기초하여 상기 제1 의료 영상의 좌표계와 상기 제2 의료 영상의 좌표계를 대응시키는 것을 특징으로 하는 장치.
  15. 제 14 항에 있어서, 상기 적어도 하나의 프로세서는,
    상기 제1 벡터와 상기 제2 벡터 간의 차이가 소정의 임계치 이하가 되도록 상기 제1 벡터 또는 상기 제2 벡터를 변환하는 변환 매트릭스를 산출하고, 상기 변환 매트릭스에 기초하여 상기 제1 의료 영상의 좌표계와 상기 제2 의료 영상의 좌표계를 서로 대응시키고, 상기 제1 의료 영상과 상기 제2 의료 영상에서 서로 대응되는 좌표값들에 기초하여 상기 제1 의료 영상 또는 상기 제2 의료 영상을 확대, 축소 또는 회전시키는 것을 특징으로 하는 장치.
  16. 삭제
  17. 제 11 항에 있어서, 상기 인접 개체들 간의 기하학적 관계는,
    상기 인접 개체들 중 제1 개체에서 추출된 제1 특징점들과 상기 인접 개체들 중 제2 개체에서 추출된 제2 특징점들이 이루는 다면체 또는 다각형의 형상, 면적,부피, 모서리 길이 또는 각도 중 적어도 하나 이상을 포함하는 것을 특징으로하는 장치.
  18. 제 11 항에 있어서,
    상기 관심 장기는 간, 신장 또는 쓸개 중 어느 하나이고,
    상기 인접 개체들은 횡격막, 하대정맥, 쓸개, 간, 간문맥 또는 간정맥 중 적어도 두 개 이상을 포함하는 것을 특징으로 하는 장치.
  19. 제 11 항에 있어서,
    상기 제1 의료 영상은 상기 관심 장기 및 상기 관심 장기의 병변이 나타나는 3차원 MRI, CT, X-ray 또는 PET 영상이고,
    상기 제2 의료 영상은 상기 제1 의료 영상에 비하여 에지 콘트라스트가 낮은 3차원 초음파 영상인 것을 특징으로 하는 장치.
  20. 제 19 항에 있어서,
    상기 제2 의료 영상에서는 상기 관심 장기 또는 상기 관심 장기의 병변이 나타나지 않는 것을 특징으로 하는 장치.
KR1020120099548A 2012-09-07 2012-09-07 의료 영상들의 정합 방법 및 장치 KR101932721B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020120099548A KR101932721B1 (ko) 2012-09-07 2012-09-07 의료 영상들의 정합 방법 및 장치
US13/912,641 US9563949B2 (en) 2012-09-07 2013-06-07 Method and apparatus for medical image registration

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120099548A KR101932721B1 (ko) 2012-09-07 2012-09-07 의료 영상들의 정합 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20140032810A KR20140032810A (ko) 2014-03-17
KR101932721B1 true KR101932721B1 (ko) 2018-12-26

Family

ID=50233324

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120099548A KR101932721B1 (ko) 2012-09-07 2012-09-07 의료 영상들의 정합 방법 및 장치

Country Status (2)

Country Link
US (1) US9563949B2 (ko)
KR (1) KR101932721B1 (ko)

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101572487B1 (ko) * 2013-08-13 2015-12-02 한국과학기술연구원 환자와 3차원 의료영상의 비침습 정합 시스템 및 방법
KR102205898B1 (ko) * 2013-09-04 2021-01-21 삼성전자주식회사 의료영상들을 정합하는 방법 및 장치
KR102250086B1 (ko) * 2014-05-16 2021-05-10 삼성전자주식회사 의료 영상 정합 방법, 이를 포함하는 장치 및 컴퓨터 기록 매체
KR101654824B1 (ko) 2014-07-25 2016-09-06 주식회사 인피니트헬스케어 의료 영상의 위치 매칭 제어 방법 및 그 장치
ES2566427B1 (es) * 2014-09-10 2017-03-24 Universidad Autónoma de Madrid Método para posicionar dispositivos en relación a una superficie
KR102294734B1 (ko) * 2014-09-30 2021-08-30 삼성전자주식회사 영상 정합 장치, 영상 정합 방법 및 영상 정합 장치가 마련된 초음파 진단 장치
KR102328266B1 (ko) * 2014-10-29 2021-11-19 삼성전자주식회사 영상 처리 장치, 영상 처리 방법 및 영상 처리부가 마련된 초음파 영상 장치
KR20160054360A (ko) 2014-11-06 2016-05-16 삼성전자주식회사 영상 장치 및 영상화 방법
KR102367133B1 (ko) * 2015-02-24 2022-02-24 삼성전자주식회사 의료 영상 장치 및 의료 영상 처리 방법
US10624597B2 (en) 2015-02-24 2020-04-21 Samsung Electronics Co., Ltd. Medical imaging device and medical image processing method
US10127655B2 (en) * 2015-07-09 2018-11-13 Samsung Medison Co., Ltd. Medical imaging apparatus and method of operating same
DE102016202240A1 (de) * 2016-02-15 2017-08-17 Siemens Healthcare Gmbh Magnetresonanz-bildgebung
KR102527017B1 (ko) 2017-01-23 2023-05-02 한국전자통신연구원 평면 보간 기반 2차원 의료 영상을 생성하는 방법 및 장치
US10677873B2 (en) * 2017-08-29 2020-06-09 General Electric Company System and method for correcting an artifact within magnetic resonance data
KR101957605B1 (ko) * 2017-11-01 2019-03-13 숭실대학교산학협력단 3d cta 영상 간의 심혈관 강체 정합 방법, 이를 수행하기 위한 기록매체 및 장치
US20210059762A1 (en) * 2017-12-28 2021-03-04 Changi General Hospital Pte Ltd Motion compensation platform for image guided percutaneous access to bodily organs and structures
KR102168462B1 (ko) * 2018-06-12 2020-10-21 경북대학교 산학협력단 수술용 네비게이션 장치, 이를 이용한 네비게이션 수술 시스템 및 방법
CN111386555B (zh) * 2018-10-30 2024-03-29 西安大医集团股份有限公司 图像引导方法及装置、医疗设备、计算机可读存储介质
KR102234425B1 (ko) * 2019-02-18 2021-04-01 오스템임플란트 주식회사 의료영상 정합 방법 및 그 장치
CN110766735B (zh) * 2019-10-21 2020-06-26 北京推想科技有限公司 一种图像的匹配方法、装置、设备及存储介质
JP7451168B2 (ja) * 2019-12-19 2024-03-18 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、及び医用画像処理システム
KR102382678B1 (ko) * 2020-06-30 2022-04-05 (주)헬스허브 서로 다른 모달리티의 의료영상을 통합하여 정밀하게 신체 사이즈를 측정하는 방법 및 그 장치
KR102451187B1 (ko) * 2020-09-14 2022-10-05 이태경 다수의 영상을 분류하고 랜드마크를 추출하는 방법
CN113299370B (zh) * 2021-07-05 2022-03-01 数坤(北京)网络科技股份有限公司 医学图像展示方法、装置、计算机设备和存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011506033A (ja) 2007-12-18 2011-03-03 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 解剖学的構造の統計モデルに基づく撮像データのマルチモダリティ融合のためのシステム

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3878456B2 (ja) 2001-11-14 2007-02-07 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 画像診断支援システム
JP3878462B2 (ja) 2001-11-22 2007-02-07 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 画像診断支援システム
US20050171428A1 (en) * 2003-07-21 2005-08-04 Gabor Fichtinger Registration of ultrasound to fluoroscopy for real time optimization of radiation implant procedures
WO2006036842A2 (en) * 2004-09-24 2006-04-06 The University Of North Carolina At Chapel Hill Methods, systems, and computer program products for hierarchical registration between a blood vessel and tissue surface model for a subject and blood vessel and tissue surface image for the subject
CN1814323B (zh) 2005-01-31 2010-05-12 重庆海扶(Hifu)技术有限公司 一种聚焦超声波治疗系统
US10143398B2 (en) 2005-04-26 2018-12-04 Biosense Webster, Inc. Registration of ultrasound data with pre-acquired image
US7996060B2 (en) * 2006-10-09 2011-08-09 Biosense Webster, Inc. Apparatus, method, and computer software product for registration of images of an organ using anatomical features outside the organ
US8126239B2 (en) 2006-10-20 2012-02-28 Siemens Aktiengesellschaft Registering 2D and 3D data using 3D ultrasound data
RU2009129139A (ru) 2006-12-29 2011-02-10 Конинклейке Филипс Электроникс, Н.В. (Nl) Улучшенная регистрация изображений и способы для компенсировния интраоперационного движения в контролируемых по изображениям процедурах оперативного вмешательства
US20110178389A1 (en) 2008-05-02 2011-07-21 Eigen, Inc. Fused image moldalities guidance
US8111892B2 (en) * 2008-06-04 2012-02-07 Medison Co., Ltd. Registration of CT image onto ultrasound images
EP2130497A1 (en) * 2008-06-05 2009-12-09 Medison Co., Ltd. Anatomical feature extraction from an ultrasound liver image
EP2131212A3 (en) 2008-06-05 2011-10-05 Medison Co., Ltd. Non-Rigid Registration Between CT Images and Ultrasound Images
CA2655001C (en) * 2009-02-20 2015-11-24 Queen's University At Kingston Marker localization using intensity-based registration of imaging modalities
KR101121396B1 (ko) 2009-07-31 2012-03-05 한국과학기술원 2차원 초음파 영상에 대응하는 2차원 ｃｔ 영상을 제공하는 시스템 및 방법
KR101121353B1 (ko) 2009-08-03 2012-03-09 한국과학기술원 2차원 초음파 영상에 대응하는 2차원 ｃｔ 영상을 제공하는 시스템 및 방법
WO2011075821A1 (en) 2009-12-24 2011-06-30 Imris Inc. Apparatus for mri and ultrasound guided treatment

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011506033A (ja) 2007-12-18 2011-03-03 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 解剖学的構造の統計モデルに基づく撮像データのマルチモダリティ融合のためのシステム

Also Published As

Publication number Publication date
US20140072196A1 (en) 2014-03-13
KR20140032810A (ko) 2014-03-17
US9563949B2 (en) 2017-02-07

Similar Documents

Publication Publication Date Title
KR101932721B1 (ko) 의료 영상들의 정합 방법 및 장치
US10542955B2 (en) Method and apparatus for medical image registration
JP7195279B2 (ja) 画像の三次元再構成及び改善された対象物定位のために、放射状気管支内超音波プローブを用いるための方法
JP6537981B2 (ja) 複数の三次元ビューからの大きな対象のセグメンテーション
US10242450B2 (en) Coupled segmentation in 3D conventional ultrasound and contrast-enhanced ultrasound images
KR102114415B1 (ko) 의료 영상 정합 방법 및 장치
EP2680778B1 (en) System and method for automated initialization and registration of navigation system
KR102094502B1 (ko) 의료 영상들의 정합 방법 및 장치
US11013495B2 (en) Method and apparatus for registering medical images
US9545242B2 (en) Sensor coordinate calibration in an ultrasound system
US7376254B2 (en) Method for surface-contouring of a three-dimensional image
JP2011161104A (ja) 画像生成装置、画像生成方法、及びそのプログラム
KR20150026354A (ko) 의료영상들을 정합하는 방법 및 장치
WO2021099171A1 (en) Systems and methods for imaging screening

Legal Events

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