KR101954858B1

KR101954858B1 - 흉부 ct 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 방법 및 장치

Info

Publication number: KR101954858B1
Application number: KR1020170139424A
Authority: KR
Inventors: 홍헬렌; 정주립
Original assignee: 서울여자대학교 산학협력단
Priority date: 2017-10-25
Filing date: 2017-10-25
Publication date: 2019-03-07

Abstract

본 발명의 일 실시예에 의한 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 방법은, (a) 복수의 흉부 슬라이스를 포함하는 흉부 CT 영상에서 타원 모델링에 기반하여 초기 폐 종양을 추출하는 단계; (b) 상기 각각의 흉부 슬라이스에서 밝기값과 모양 정보에 기반하여 흉벽과 종격막을 추출하는 단계; 및 (c) 추출된 흉벽과 종격막의 확률맵에 기반한 비대칭 다중 변형 모델을 이용하여 초기 폐 종양 추출 결과를 개선함으로써 폐 종양을 최종적으로 분할하는 단계를 포함하여, 흉벽과 종격막을 배제하여 폐 종양을 정확하게 분할할 수 있다.

Description

흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 방법 및 장치{METHOD AND APPARATUS FOR LUNG TUMOR SEGMENTATION USING WEIGHTED VOTING-BASED ELLIPSE PROPAGATION AND NEIGHBOR STRUCTURE PROBABILITY MAP IN CHEST CT IMAGES}

본 발명은 흉부 CT(computer tomography) 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 방법에 관한 것이다.

암의 예후 및 치료 반응 평가를 위해서는 종양 크기를 측정하는 것이 필수적이다. 종양 크기는 현재 일차원 RECIST 또는 2차원 WHO를 사용하여 정량화되지만, 종양의 3D 측정과 비교하여 선-길이 측정이 오도될 수 있음을 암시하는 입증되지 않은 증거가 계속 나오고 있다[1-5]. 또한, 이미지 특징을 분석하고 치료 계획을 위해 종양 볼륨(volume)을 파악하기 위해서는 용적 분할(volumetric segmentation)이 필요하다. 따라서 흉부 CT 영상에서 폐 종양 볼륨을 효율적이고 확실하게 얻기 위해서는 자동 폐 종양 분할이 필요하다. 그러나 도 1에 도시된 바와 같이 종양의 밝기값은 주변 기관과 유사하기 때문에 흉벽이나 종격막에 부착된 종양을 분할하는 것은 어렵다.

폐 종양 분할의 몇 가지 방법이 제안되었으며, 이러한 방법은 일반적으로 밝기값 및 형태 기반 방법과 에너지 최적화 기반 방법의 두 가지 범주로 나뉜다. 전통적인 의료 영상 분할인 밝기값 기반 분할은 때때로 정확한 종양 분할을 제공하지 못한다. 따라서 전통적인 밝기값-기반 분할인 영역 성장 방법의 결점을 극복하기 위해, Gu et al.은 영역 성장과 함께 여러 개의 시드 포인트를 사용하는 앙상블 분할 접근법을 제안했다. 그러나 밝기값-기반 방법은 불규칙한 형태의 종양 또는 주변 기관(예를 들어, 흉벽, 종격막)과 함께 표면의 큰 부분을 공유하는 종양을 분할하는 데 한계가 있다. Yong et al.은 기하학적 및 형태학적 특징의 분석에 기초하여 흉벽에 부착된 종양에 대한 분할 방법을 제안하였다. 그러나 이 방법은 축면의 이미지만 조사하고 평가하는 제한이 있다[7].

더 많은 정보를 고려하여 종양 분할을 해결하기 위해, 보다 복잡한 분할 방법론이 제안되었다. Lerme et al.은 측지선 거리에 의해 수정된 그래프-컷 알고리즘을 이용한 종양 분할 방법을 제시하였다. 이 방법은 객체와 배경 영역의 초기 영역을 정의하기 위해 많은 사용자 상호 작용이 필요하다는 한계가 있다[8]. Plajer et al.은 사용자가 미리 정의한 다섯 가지 상이한 모델을 고려한 능동 윤곽 알고리즘을 이용한 종양 분할 방법을 제시하였다. Awad et al.은 10 기하학 기반 및 밝기값 기반 에너지를 사용하는 스파스 필드 능동 표면 알고리즘을 사용하는 종양 분할 방법을 개발했다. 이 방법에서는 주변 기관에 부착된 종양을 처리하기 위해, 폐 분할을 전처리로서 수행한다[10]. Tan et al.은 초기 병변 추출을 위한 분수령과 정교화를 위한 능동 윤곽으로 구성된 폐 병변 분할 방법을 제안했다. 흉벽이나 종격막을 배제하는 것이 중요함에도 불구하고, 대부분의 기존 방법은 기울기 및 형상 기반 에너지 최적화에 기반한다.

[1] A. J. Buckler, J. L. Mulshine, R. Gottlieb, B. Zaho, P. D. Mozley, L. Schwartz, The use of volumetric CT as an imaging biomarker in lung cancer, Academic Radiology 17 (1) (2010) 100-106. [2] T. Tirkes, M. A. Hollar, M. Tann, M. D. Kohli, F. Akisik, K. Sandrasgaran, Response criteria in oncologic imaging: review of traditional and new criteria, Radio Graphics 33 (5) (2013) 1323-1341. [3] L. Villemaire, A. M. Owrangi, R. Etemad-Rezai, L. Wilson, E. O'Riordan, H. Keller, B. Driscoll, G. Bauman, A. Fenster, G. Parraga, Pulmanary tumor measurements from x-ray computed tomography in one, two, and three dimensions, Academic Radiology 18 (11) (2011) 1391-1402. [4] P. D. Mozley, C. Bendtsen, B. Zhao, L. H. Schwartsz, M. Thorn, Y. Rong, L. Zhang, A. Perrone, R. Korn, A. J. Buckler, Measurement of tumor volumes improves RECIST-based response assessments in advanced lung cancer, Translational Oncology 5 (1) (2012) 19-25. [5] J. Xiao, Y Tan, W. Li, J. Gong, Z. Zhou, Y. Huang, J. Zheng, Y. Deng, L. Wang, J. Peng, D. Ren, P. Lan, J. Wang, Tumor volume reduction rate is superior to RECIST for predicting the pathological response of rectal cancer treated with neoadjuvant chemoradiation: results from a [prospective study, Oncology Letters 9 (2015) 2680-2686. [6] Y. Gu, V. Kumar, L. O. Hall, D. B. Goldgof, C. Li, R. Korn, C. Bendtsen, E. R. Velazquez, An Dekker, H. Aerts, P. Lambin, X. Li, J. Tian, R. A. Gatenby, R. J. Gillies, Automated delineation of lung tumors from CT images using a single click ensemble segmentation approach, Pattern Recognition 46 (3) (2013) 692-702. [7] J. R. Yong, S. Qi, H. van Triest, Y. Kang, W. Qian, Automatic segmentation of juxta-pleural tumors, Bio-Medical Materials And Engineering 24 (6) (2014) 3137-3144. [8] N. Lerme, F. Malgouyres, J. Rocchisani, Fast and Memory Efficient Segmentation of Lung Tumors Using Graph Cuts, 3rd International workshop on pulmonary image analysis in MICCAI (2010) 9-20. [9] I. C. Plajer, D. Richter, A new approach to model based active contours in lung tumor segmentation in 3D CT image data, IEEE International Conference on Information Technology and Applications in Biomedicine (ITAB) (2010). [10] J. Awad, A. Owrangi, L. Villemaire, E. O'Riordan, G. Parraga, A. Fenster, Three-dimensional lung tumor segmentation from x-ray computed tomography using sparse field active models, Medical Physics 39 (2) (2012) 851-865. [11] Y. Tan, L. H. Schwartz, B. Zhao, Segmentation of lung lesions on CT scans using watershed, active contours, and Markov random field, Medical Physics 40 (4) (2013) 043502.

본 발명이 해결하고자 하는 과제는 폐 종양의 분할 정확도를 향상시킬 수 있는 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 방법을 제공하는 것이다.

본 발명이 해결하고자 하는 다른 과제는 폐 종양의 분할 정확도를 향상시킬 수 있는 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 장치를 제공하는 것이다.

상기 과제를 해결하기 위한 본 발명의 일 실시예에 의한 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 방법은,

(a) 복수의 흉부 슬라이스를 포함하는 흉부 CT 영상에서 타원 모델링에 기반하여 초기 폐 종양을 추출하는 단계;

(b) 상기 각각의 흉부 슬라이스에서 밝기값과 모양 정보에 기반하여 흉벽과 종격막을 추출하는 단계; 및

(c) 추출된 흉벽과 종격막의 확률맵에 기반한 비대칭 다중 변형 모델을 이용하여 초기 폐 종양 추출 결과를 개선함으로써 폐 종양을 최종적으로 분할하는 단계를 포함한다.

본 발명의 일 실시예에 의한 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 방법에 있어서,

상기 단계 (a)는 중앙 슬라이스의 타원 모델을 이웃 슬라이스들로 확장하는 가중치 투표 기반 타원 전파에 기반한 타원 모델링을 이용하여 초기 폐 종양을 추출하는 단계를 포함할 수 있다.

또한, 본 발명의 일 실시예에 의한 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 방법에 있어서, 상기 단계 (a)는,

(a-1) 사용자 상호 작용으로부터 획득된 폐 종양의 직경 정보에 기반하여 중앙 슬라이스에서 폐 종양과 관련된 타원을 추정하는 단계;

(a-2) 각각의 이웃 슬라이스의 기울기 이미지에 대해 허프 변환(Hough Transformation)을 수행하여 상기 각각의 이웃 슬라이스에서 타원 후보들을 추정하는 단계; 및

(a-3) 이전 슬라이스에서 추정된 타원과 상기 타원 후보들을 이용하여 가중치 투표 맵을 생성하고, 상기 생성된 가중치 투표 맵에 기반하여 상기 각각의 이웃 슬라이스에서 폐 종양에 해당하는 타원을 추정하는 단계를 포함할 수 있다.

또한, 본 발명의 일 실시예에 의한 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 방법에 있어서, 상기 가중치 투표 맵은,

[수학식 1]

에 의해 각 픽셀에 대해 계산되는 가중치 투표 맵 값(WV)에 기반하여 생성되고,

N은 타원 후보들의 수를 나타내며, c는 i번째 슬라이스 S_i에 있는 타원의 중심을 나타낼 수 있다.

또한, 본 발명의 일 실시예에 의한 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 방법에 있어서, 상기 단계 (b)는,

(b-1) 밝기값을 이용하는 임계값 방법에 기반하여 폐 실질을 추출하는 단계;

(b-2) 곡률 정보를 이용한 폐 경계 평활법에 기반하여 종양을 포함한 폐 경계를 추정하는 단계;

(b-3) 폐 경계 평활이 실패한 영역이 있는 경우, 형상 기반 보간에 기반하여 상기 종양을 포함한 폐 경계를 보정함으로써 종양을 포함한 폐 실질을 분할하는 단계; 및

(b-4) 폐 실질 분할 영역의 영역 반전에 의해 흉벽을 추출하는 단계를 포함할 수 있다.

또한, 본 발명의 일 실시예에 의한 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 방법에 있어서, 상기 단계 (b-3)에서 보정 대상의 슬라이스는,

[수학식 2]

에 의해 결정되고,

형상 기반 보간에 사용될 슬라이스는,

[수학식 3]

및

[수학식 4]

에 의해 선택되며,

i는 슬라이스 번호를 나타내고, k는 보정 대상의 선택된 슬라이스 번호를 의미하며, E는 타원의 영역을 나타내고, L 및 L_s는 추출된 폐 실질 및 폐 평활화에 의해 분할된 폐를 나타내며, a 및 b는 형상 기반 보간을 위해 사용될 선택된 슬라이스 번호를 의미할 수 있다.

(b-5) 밝기값 히스토그램을 종격막 모델과 종양 모델의 2개의 가우시안 모델로 모델링하는 단계;

(b-6) 상기 종격막 모델과 종양 모델의 교차점에서의 밝기값을 종격막의 임계값으로 추정하는 단계; 및

(b-7) 상기 추정된 임계값에 기반하여 종격막을 추출하는 단계를 더 포함할 수 있다.

또한, 본 발명의 일 실시예에 의한 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 방법에 있어서, 상기 단계 (c)는,

(c-1) 상기 추출된 흉벽과 종격막 각각에 대해 서브 볼륨의 복셀의 수에 기반하여 흉벽과 종격막의 확률맵을 생성하는 단계; 및

(c-2) 초기 폐 종양 추출 결과에 대해 흉벽과 종격막의 확률맵에 기반한 비대칭 다중 변형 모델을 이용하여 초기 폐 종양 추출 결과를 개선함으로써 폐 종양을 최종적으로 분할하는 단계를 포함할 수 있다.

또한, 본 발명의 일 실시예에 의한 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 방법에 있어서, 상기 단계 (c-2)는,

[수학식 5]

[수학식 6]

[수학식 7]

[수학식 8]

[수학식 9]

에 의해 에너지(E)가 최소가 되는 φ₁을 결정하여 초기 폐 종양 추출 결과를 개선함으로써 폐 종양을 최종적으로 분할하는 단계를 포함하고,

는 픽셀의 밝기값이고, c 및

는 영역

내의 평균 밝기값 및 표준 편차이며,

는 타원 경계로부터의 거리를 나타내고,

는 이미지의 기울기를 의미하며,

는 헤비사이드(Heaviside) 함수이고,

는 헤비사이드 함수의 기울기이며,

은 상기 흉벽 및 종격막의 확률맵의 값이고,

은 영역

을 제거하여 비대칭 형태로 다중 변형 모델을 생성하는 페널티 함수이며,

는 영역

의 크기를 나타내고, φ₁ 및 φ₂는 각각 영역의 내부는 양수의 값을 갖도록 하고 영역의 외부는 음수의 값을 갖도록 하는 함수일 수 있다.

상기 다른 과제를 해결하기 위한 본 발명의 일 실시예에 의한 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 장치는,

복수의 흉부 슬라이스를 포함하는 흉부 CT 영상에서 타원 모델링에 기반하여 초기 폐 종양을 추출하기 위한 초기 폐 종양 추출부;

상기 각각의 흉부 슬라이스에서 밝기값과 모양 정보에 기반하여 흉벽과 종격막을 추출하기 위한 흉벽과 종격막 추출부; 및

추출된 흉벽과 종격막의 확률맵에 기반한 비대칭 다중 변형 모델을 이용하여 초기 폐 종양 추출 결과를 개선함으로써 폐 종양을 최종적으로 분할하기 위한 폐 종양 분할부를 포함한다.

본 발명의 일 실시예에 의한 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 장치에 있어서,

상기 초기 폐 종양 추출부는, 중앙 슬라이스의 타원 모델을 이웃 슬라이스들로 확장하는 가중치 투표 기반 타원 전파에 기반한 타원 모델링을 이용하여 초기 폐 종양을 추출하는 동작을 수행할 수 있다.

또한, 본 발명의 일 실시예에 의한 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 장치에 있어서, 상기 초기 폐 종양 추출부는,

사용자 상호 작용으로부터 획득된 폐 종양의 직경 정보에 기반하여 중앙 슬라이스에서 폐 종양과 관련된 타원을 추정하는 동작;

각각의 이웃 슬라이스의 기울기 이미지에 대해 허프 변환(Hough Transformation)을 수행하여 상기 각각의 이웃 슬라이스에서 타원 후보들을 추정하는 동작; 및

이전 슬라이스에서 추정된 타원과 상기 타원 후보들을 이용하여 가중치 투표 맵을 생성하고, 상기 생성된 가중치 투표 맵에 기반하여 상기 각각의 이웃 슬라이스에서 폐 종양에 해당하는 타원을 추정하는 동작을 수행할 수 있다.

또한, 본 발명의 일 실시예에 의한 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 장치에 있어서, 상기 가중치 투표 맵은,

[수학식 1]

또한, 본 발명의 일 실시예에 의한 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 장치에 있어서, 상기 흉벽과 종격막 추출부는,

밝기값을 이용하는 임계값 방법에 기반하여 폐 실질을 추출하는 동작;

곡률 정보를 이용한 폐 경계 평활법에 기반하여 종양을 포함한 폐 경계를 추정하는 동작;

폐 경계 평활이 실패한 영역이 있는 경우, 형상 기반 보간에 기반하여 상기 종양을 포함한 폐 경계를 보정함으로써 종양을 포함한 폐 실질을 분할하는 동작; 및

폐 실질 분할 영역의 영역 반전에 의해 흉벽을 추출하는 동작을 수행할 수 있다.

또한, 본 발명의 일 실시예에 의한 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 장치에 있어서, 상기 폐 경계 평활이 실패한 영역이 있는 경우, 형상 기반 보간에 기반하여 상기 종양을 포함한 폐 경계를 보정함으로써 종양을 포함한 폐 실질을 분할하는 동작에서 보정 대상의 슬라이스는,

[수학식 2]

에 의해 결정되고,

형상 기반 보간에 사용될 슬라이스는,

[수학식 3]

및

[수학식 4]

에 의해 선택되며,

밝기값 히스토그램을 종격막 모델과 종양 모델의 2개의 가우시안 모델로 모델링하는 동작;

상기 종격막 모델과 종양 모델의 교차점에서의 밝기값을 종격막의 임계값으로 추정하는 동작; 및

상기 추정된 임계값에 기반하여 종격막을 추출하는 동작을 더 수행할 수 있다.

또한, 본 발명의 일 실시예에 의한 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 장치에 있어서, 상기 폐 종양 분할부는,

상기 추출된 흉벽과 종격막 각각에 대해 서브 볼륨의 복셀의 수에 기반하여 흉벽과 종격막의 확률맵을 생성하는 동작; 및

초기 폐 종양 추출 결과에 대해 흉벽과 종격막의 확률맵에 기반한 비대칭 다중 변형 모델을 이용하여 초기 폐 종양 추출 결과를 개선함으로써 폐 종양을 최종적으로 분할하는 동작을 수행할 수 있다.

또한, 본 발명의 일 실시예에 의한 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 장치에 있어서, 상기 폐 종양을 최종적으로 분할하는 동작은,

[수학식 5]

[수학식 6]

[수학식 7]

[수학식 8]

[수학식 9]

에 의해 에너지(E)가 최소가 되는 φ₁을 결정하여 초기 폐 종양 추출 결과를 개선함으로써 폐 종양을 최종적으로 분할하는 동작을 포함하고,

는 픽셀의 밝기값이고, c 및

는 영역

내의 평균 밝기값 및 표준 편차이며,

는 타원 경계로부터의 거리를 나타내고,

는 이미지의 기울기를 의미하며,

는 헤비사이드(Heaviside) 함수이고,

는 헤비사이드 함수의 기울기이며,

은 상기 흉벽 및 종격막의 확률맵의 값이고,

은 영역

는 영역

본 발명의 일 실시예에 의한 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 방법 및 장치에 의하면, 흉벽과 종격막을 배제하여 폐 종양을 분할함으로써 폐 종양의 분할 정확도를 향상시킬 수 있다.

도 1은 폐 종양 분할의 문제점을 나타낸 것으로, 흉벽과 종격막에 부착된 폐종양을 도시한 도면.
도 2는 본 발명의 일 실시예에 의한 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 방법의 흐름도.
도 3은 초기 폐 종양 추출 단계의 상세 흐름도.
도 4는 중앙 슬라이스의 타원 모델링을 도시한 도면으로, 도 4a는 원본 CT 이미지, 도 4b는 사용자가 정의한 직경, 도 4c는 타원의 가장 긴 축과 가장 짧은 축, 도 4d는 추정된 타원을 도시한 도면.
도 5는 가중치 투표 기반 타원 전파를 도시한 도면으로, 도 5a는 기울기 이미지, 도 5b는 타원 후보들, 도 5c는 가중치 투표 맵, 도 5d는 전파된 타원을 도시한 도면.
도 6은 흉벽 추출 단계의 상세 흐름도.
도 7은 흉벽 추출을 위한 폐 실질 분할을 도시한 도면으로, 상단 행은 간단한 임계값 방법을 사용하여 추출된 폐 실질, 두 번째 행은 종양 기반 곡률 정보를 포함하는 예상 경계, 세 번째 행은 보정될 슬라이스 k 및 선택된 슬라이스들인 a 및 b, 하단 행은 보정된 폐 분할 결과를 도시한 도면.
도 8은 종격막 추출 단계의 상세 흐름도.
도 9는 히스토그램 모델링을 이용한 종격막 추출을 도시한 도면으로, 도 5a는 원본 CT 영상, 도 5b는 밝기값 히스토그램, 도 5c는 추출된 종격막, 도 5d는 히스토그램 모델링을 이용한 임계값 추정을 도시한 도면.
도 10은 폐 종양을 최종적으로 분할하는 단계의 상세 흐름도.
도 11은 두 개의 레벨-셋 함수를 갖는 다중 변형 모델의 도식화를 도시한 도면으로, 도 11a는 다중 변형 모델, 도 11b는 제안된 종양 분할을 위한 비대칭 다중 변형 모델을 도시한 도면.
도 12는 주변 기관 확률맵의 생성을 도시한 도면.
도 13은 본 발명의 일 실시예에 의한 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 장치의 블록도.
도 14는 SSMH 데이터 세트의 분할 결과를 도시한 도면으로, 상단 행은 흉부 CT 영상에서 종양을 포위하는 VOI, 두 번째 행은 Tan의 방법을 사용한 분할 결과, 세 번째 행은 본 발명에서 제안된 방법을 사용하는 분할 결과, 하단 행은 수동 분할 결과를 도시한 도면.
도 15는 SNUH 데이터 세트의 분할 결과를 도시한 도면으로, 상단 행은 흉부 CT 영상에서 종양을 포위하는 VOI, 두 번째 행은 Tan의 방법을 사용한 분할 결과, 하단 행은 본 발명에서 제안된 방법을 사용하는 분할 결과를 도시한 도면,

본 발명의 목적, 특정한 장점들 및 신규한 특징들은 첨부된 도면들과 연관되어지는 이하의 상세한 설명과 바람직한 실시예들로부터 더욱 명백해질 것이다.

이에 앞서 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이고 사전적인 의미로 해석되어서는 아니되며, 발명자가 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있는 원칙에 입각하여 본 발명의 기술적 사상에 부합되는 의미와 개념으로 해석되어야 한다.

본 명세서에서 각 도면의 구성요소들에 참조번호를 부가함에 있어서, 동일한 구성 요소들에 한해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 번호를 가지도록 하고 있음에 유의하여야 한다.

또한, "제1", "제2", "일면", "타면" 등의 용어는, 하나의 구성요소를 다른 구성요소로부터 구별하기 위해 사용되는 것으로, 구성요소가 상기 용어들에 의해 제한되는 것은 아니다.

이하, 본 발명을 설명함에 있어, 본 발명의 요지를 불필요하게 흐릴 수 있는 관련된 공지 기술에 대한 상세한 설명은 생략한다.

이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시형태를 상세히 설명하기로 한다.

제안된 방법

본 발명의 일 실시예에 의한 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 방법은 도 2에 도시된 바와 같이, 세 가지 주요 단계로 구성된다. 첫째, 단계 S200에서, 복수의 흉부 슬라이스를 포함하는 흉부 CT 영상에서 타원 모델링에 기반하여 초기 폐종양을 추출한다. 둘째, 단계 S202에서, 상기 각각의 흉부 슬라이스에서 밝기값과 모양 정보에 기반하여 흉벽과 종격막을 추출한다. 마지막으로, 단계 S204에서, 추출된 흉벽과 종격막의 확률맵에 기반한 비대칭 다중 변형 모델을 이용하여 초기 폐 종양 추출 결과를 개선함으로써 폐 종양을 최종적으로 분할한다.

한편, 도 13은 본 발명의 일 실시예에 의한 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 장치의 블록도이다.

도 13에 도시된 본 발명의 일 실시예에 의한 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 장치는, 복수의 흉부 슬라이스를 포함하는 흉부 CT 영상에서 타원 모델링에 기반하여 초기 폐 종양을 추출하기 위한 초기 폐 종양 추출부(1300), 상기 각각의 흉부 슬라이스에서 밝기값과 모양 정보에 기반하여 흉벽과 종격막을 추출하기 위한 흉벽과 종격막 추출부(1302), 및 추출된 흉벽과 종격막의 확률맵에 기반한 비대칭 다중 변형 모델을 이용하여 초기 폐 종양 추출 결과를 개선함으로써 폐 종양을 최종적으로 분할하기 위한 폐 종양 분할부(1304)를 포함한다.

본 발명의 일 실시예에서 상기 단계 S200은 초기 폐 종양 추출부(1300)에 의해 수행되고, 상기 단계 S202는 흉벽과 종격막 추출부(1302)에 의해 수행되며, 상기 단계 S204는 폐 종양 분할부(1304)에 의해 수행되지만, 본 발명은 이에 한정되지 않는다.

즉, 본 발명의 일 실시예에 의한 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 방법의 상기 단계들은 저장 장치에 저장되어, 범용적인 마이크로프로세서와 같은 제어부에 의해 수행될 수 있다.

하기에 본 발명의 일 실시예에 의한 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 방법의 세 가지 주요 단계들에 대해 상세히 설명하기로 한다.

초기 폐 종양의 추출

폐 종양은 CT 영상에서 밝게 나타나는 조직이므로, 어두운 밝기값을 갖는 주변 폐 실질과 밝은 밝기값을 갖는 종양을 구별하기 쉽다. 그러나 종양 분할시 밝기값만 사용할 경우 흉벽과 종격막은 밝기값이 비슷하기 때문에 포함된다. 주변 기관을 제외하고 초기 종양을 정의하려면, 종양의 모양 정보를 고려해야 한다. 종양의 모양은 축 방향 슬라이스에서 타원에 가장 가깝고 중심에서 경계까지 직경 크기가 감소하기 때문에, 중앙 슬라이스의 타원 모델을 이웃 슬라이스들로 확장하여 초기 폐 종양을 추출한다.

일반적으로, 타원은 기울기 정보를 사용하여 타원을 추출하는 일반적인 방법 인 허프 변환(Hough Transformation)을 사용하여 추정할 수 있다. 그러나 폐 종양이 주변 기관과 강하게 연결되어있는 경우 기울기 정보로는 종양 모양을 나타내는 데 충분하지 않다. 따라서 본 발명의 일 실시예에서는 가중치 투표 기반 타원 전파가 제안된다.

도 3 및 도 4를 참조하면, 단계 S300에서, 사용자 상호 작용으로부터 획득된 폐 종양의 직경 정보에 기반하여 중앙 슬라이스에서 폐 종양과 관련된 타원을 추정한다.

즉, 중앙 슬라이스에서 폐 종양과 관련된 타원이 사용자 상호 작용으로부터 얻어진 직경 정보에 기초하여 추정되는데, 타원의 가장 긴 축은 직경으로 정의되고 타원의 최단 축은 직경의 수직선으로 정의된다.

그 다음, 단계 S302에서, 각각의 이웃 슬라이스의 기울기 이미지(도 5a)에 대해 허프 변환(Hough Transformation)을 수행하여 각각의 이웃 슬라이스에서 타원 후보들을 추정한다(도 5b).

단계 S304에서, 이전 슬라이스에서 추정된 타원과 상기 타원 후보들을 이용하여 가중치 투표 맵을 생성하고, 상기 생성된 가중치 투표 맵에 기반하여 상기 각각의 이웃 슬라이스에서 폐 종양에 해당하는 타원을 추정한다.

주변 기관의 기울기로 인한 타원 후보를 제외하고 적절한 타원을 선택하려면 도 5c에 도시된 바와 같이 가중치 투표 맵을 사용하여 타원을 추정한다.

가중치 투표 맵은 타원 후보들에 속하는 확률을 의미하는데, 수학식 1과 같이 상기 이전 슬라이스에서 추정된 타원의 중심과 각 타원 후보의 중심점까지의 거리를 가중치로 사용하여 가중치 투표 맵이 생성된다.

즉, 가중치 투표 맵은 수학식 1에 의해 각 픽셀에 대해 계산되는 가중치 두표 맵 값(WV)에 기반하여 생성된다.

여기서, N은 타원 후보들의 수를 나타내며, c는 i번째 슬라이스 S_i에 있는 타원의 중심을 나타낸다.

흉벽과 종격막의 추출

흉벽의 추출

종양은 주변 기관에 다양한 방식으로 연결되어 있기 때문에 종양에서 주변 기관을 제외하기 위하여 추가 정보를 사용해야 한다. 따라서 주변 기관을 제외하기 위한 지역 정보를 추정하기 위해 흉벽과 종격막을 폐 경계 추정과 히스토그램 모델링을 사용하여 추출한다.

흉벽은 복잡한 모양을 가지고 있으며 흉벽 내부에 있는 뼈와 근육 때문에 밝기값 범위가 일정하지는 않지만, 흉벽과 접촉하는 폐 실질은 비교적 명확한 밝기값 범위를 가지고 있다. 따라서 종양을 포함한 폐 실질을 분할한 후에, 흉벽은 분할 된 영역의 역에 의해 추출된다.

도 6 및 도 7에 도시된 바와 같이 폐 실질 조직 분할 방법은 세 단계로 구성된다.

첫째, 단계 S600에서, 밝기값을 이용하는 임계값 방법에 기반하여 폐 실질을 추출한다. 폐 실질을 추출하기 위해 -400HU의 간단한 임계값 방법이 수행된다(도 7의 상단 행).

둘째, 단계 S602에서, 곡률 정보를 이용한 폐 경계 평활법에 기반하여 종양을 포함한 폐 경계를 추정한다(도 7의 두 번째 행). 이 단계에서는 종양을 포함한 폐 경계를 추정하기 위해 폐 경계 평활법이 곡률 정보를 이용하여 수행된다.

그러나 폐 종양이 흉벽에 강하게 연결되어있는 경우처럼 폐 경계 평활이 실패한 영역이 있을 수 있다. 따라서 단계 S604에서, 폐 경계 평활이 실패한 영역이 있는 경우, 형상 기반 보간에 기반하여 상기 종양을 포함한 폐 경계를 보정함으로써 종양을 포함한 폐 실질을 분할한다(도 7의 세 번째 행 및 하단 행).

폐 경계 평활이 실패한 영역이 있는 경우 슬라이스는 보정되어야 하고 보정 대상의 슬라이스는 수학식 2에 기반하여 결정된다.

그리고 형상 기반 보간에 사용될 슬라이스들은 수학식 2 내지 수학식 4를 사용하여 선택된다.

여기에서, i는 슬라이스 번호를 나타내고, k는 보정 대상의 선택된 슬라이스 번호를 의미한다. E는 타원의 영역을 나타내고, L 및 L_s는 추출된 폐 실질 및 폐 평활화에 의해 분할된 폐를 나타내며, a 및 b는 형상 기반 보간을 위해 사용될 선택된 슬라이스 번호를 의미한다.

그리고, 단계 S606에서, 폐 실질 분할 영역의 영역 반전에 의해 흉벽을 추출한다.

종격막의 추출

종격막의 밝기값은 종양의 밝기값과 약간 다르다. 그러나 도 9a에서 보듯이 밝기값 분포가 넓게 겹치기 때문에 종격막의 임계값을 예측하는 것은 어렵다. 따라서 본 발명의 일 실시예에서는 도 9b와 같은 히스토그램 모델링을 사용하여 종격막의 임계값을 추정한다.

도 8 및 도 9를 참조하면, 먼저, 단계 S800에서, 도 8b의 밝기값 히스토그램을 도 8d에 도시된 바와 같이 종격막 가우시안 모델(G_M)과 종양 가우시안 모델(G_T)의 2개의 가우시안 모델로 모델링한다. 두 번째로, 단계 S802에서, 도 8d에 도시된 바와 같이, 상기 종격막 모델(G_M)과 종양 모델(G_T)의 교차점에서의 밝기값을 종격막의 임계값으로 추정한다. 그 다음, 단계 S804에서, 상기 추정된 임계값에 기반하여 종격막을 추출한다. 즉, 상기 추정된 종격막의 임계값 이하의 밝기값을 갖는 픽셀들을 종격막으로서 추출한다.

초기 종양의 개선

종양의 초기 추출은 주변 기관을 배제할 수 있지만 종양이 단순한 형태로 추출되기 때문에 초기 종양을 개선해야 한다. 따라서 본 발명의 일 실시예에서는 주변 기관 확률맵을 갖는 비대칭 다중 변형 모델을 사용하여 초기 종양을 개선한다.

비대칭 다중 변형 모델은 도 11에서와 같이 대칭 형태를 갖는 두 개의 레벨-셋(level-set) 함수를 갖는 기존의 다중 변형 모델의 수정된 버전이다.

도 10 및 도 12를 참조하면, 단계 S1000에서, 주변 기관의 확률을 추정하기 위해, 도 12와 같이 상기 추출된 흉벽과 종격막 각각에 대해 서브 볼륨의 복셀의 수에 기반하여 흉벽과 종격막의 확률맵을 생성한다. 즉, 흉벽과 종격막의 확률맵은 서브 볼륨의 복셀의 수를 계산하여 생성된다.

그 다음, 단계 S1002에서, 초기 폐 종양 추출 결과에 대해 흉벽과 종격막의 확률맵에 기반한 비대칭 다중 변형 모델을 이용하여 초기 폐 종양 추출 결과를 개선함으로써 폐 종양을 최종적으로 분할한다. 즉, 이 단계에서는 비대칭 다중 변형 모델의 최적화를 사용하여 종양 분할을 수행한다. 본 발명에서 제안된 방법의 에너지 함수는 수학식 5로 정의된다.

즉, 이 단계에서는 에너지(E)가 최소가 되는 φ₁을 결정하여 초기 폐 종양 추출 결과를 개선함으로써 폐 종양을 최종적으로 분할한다. φ₁은 폐 종양 영역을 다른 영역들과 구분짓는 경계선을 나타내는 함수이다.

여기서,

는 픽셀의 밝기값이고, c 및

는 대응하여 영역

내의 평균 밝기값 및 표준 편차이다.

는 타원 경계로부터의 거리를 나타내고,

는 이미지의 기울기를 의미한다.

는 헤비사이드(Heaviside) 함수이고,

는 헤비사이드 함수의 기울기이며,

은 상기 흉벽과 종격막의 확률맵의 값이다.

은 영역

을 제거하여 비대칭 형태로 다중 변형 모델을 생성하는 페널티 함수이고,

는 영역

의 크기를 나타내며, φ₁ 및 φ₂는 각각 영역의 내부는 양수의 값을 갖도록 하고 영역의 외부는 음수의 값을 갖도록 하는 함수이다. 마지막 항은 볼록 상태를 기반으로 종양 경계의 매끄러움을 제어한다.

상기 초기 폐 종양 추출부(1300)는, 중앙 슬라이스의 타원 모델을 이웃 슬라이스들로 확장하는 가중치 투표 기반 타원 전파에 기반한 타원 모델링을 이용하여 초기 폐 종양을 추출하는 동작을 수행한다.

더 상세하게는, 상기 초기 폐 종양 추출부(1300)는, 사용자 상호 작용으로부터 획득된 폐 종양의 직경 정보에 기반하여 중앙 슬라이스에서 폐 종양과 관련된 타원을 추정하는 동작, 각각의 이웃 슬라이스의 기울기 이미지에 대해 허프 변환(Hough Transformation)을 수행하여 타원 후보들을 추정하는 동작, 및 상기 폐 종양과 관련된 타원과 상기 타원 후보들을 이용하여 가중치 투표 맵을 생성하고, 상기 생성된 가중치 투표 맵에 기반하여 상기 각각의 이웃 슬라이스에서 폐 종양에 해당하는 타원을 추정하는 동작을 수행한다.

상기 가중치 투표 맵은, 상기 수학식 1에 의해 각 픽셀에 대해 계산되는 가중치 투표 맵 값(WV)에 기반하여 생성된다.

상기 흉벽과 종격막 추출부(1302)는, 밝기값을 이용하는 임계값 방법에 기반하여 폐 실질을 추출하는 동작, 곡률 정보를 이용한 폐 경계 평활법에 기반하여 종양을 포함한 폐 경계를 추정하는 동작, 폐 경계 평활이 실패한 영역이 있는 경우, 형상 기반 보간에 기반하여 상기 종양을 포함한 폐 경계를 보정함으로써 종양을 포함한 폐 실질을 분할하는 동작, 및 폐 실질 분할 영역의 영역 반전에 의해 흉벽을 추출하는 동작을 수행한다.

상기 폐 경계 평활이 실패한 영역이 있는 경우, 형상 기반 보간에 기반하여 상기 종양을 포함한 폐 경계를 보정함으로써 종양을 포함한 폐 실질을 분할하는 동작에서 보정 대상의 슬라이스는, 상기 수학식 2에 의해 결정되고, 형상 기반 보간에 사용될 슬라이스는, 상기 수학식 3 및 수학식 4에 의해 선택된다.

또한, 상기 흉벽과 종격막 추출부(1302)는, 밝기값 히스토그램을 종격막 모델과 종양 모델의 2개의 가우시안 모델로 모델링하는 동작, 상기 종격막 모델과 종양 모델의 교차점에서의 밝기값을 종격막의 임계값으로 추정하는 동작, 및 상기 추정된 임계값에 기반하여 종격막을 추출하는 동작을 더 수행한다.

상기 폐 종양 분할부(1304)는, 상기 추출된 흉벽과 종격막 각각에 대해 서브 볼륨의 복셀의 수에 기반하여 흉벽과 종격막의 확률맵을 생성하는 동작, 및 초기 폐 종양 추출 결과에 대해 흉벽과 종격막의 확률맵에 기반한 비대칭 다중 변형 모델을 이용하여 초기 폐 종양 추출 결과를 개선함으로써 폐 종양을 최종적으로 분할하는 동작을 수행한다.

상기 폐 종양을 최종적으로 분할하는 동작은, 상기 수학식 5 내지 수학식 9에 의해 에너지(E)가 최소가 되는 φ₁을 결정하여 초기 폐 종양 추출 결과를 개선함으로써 폐 종양을 최종적으로 분할하는 동작을 포함한다.

결과

실험 데이터 세트

본 발명의 분할 정확성을 검증하기 위해 두 가지 유형의 데이터 세트를 사용하여 분할 결과를 정성적 및 정량적으로 평가했다. 첫 번째 데이터 세트에는 서울 성모 병원(SSMH)의 환자 5명의 9개의 호흡기 CT 영상으로부터 얻은 45개의 종양이 포함되어있다. 평균 직경은 2.7±1.2㎝이고 직경 범위는 1.6~4.6㎝이었다. CT 영상은 Sonata Sensation Open(Siemens)에서 입수했다. 각 이미지는 512×512 픽셀의 매트릭스 크기를 가지며 0.97 내지 0.98㎜ 범위의 평면 내 해상도를 갖는다. 슬라이스 두께는 3.0㎜이고 스캔 당 이미지 수는 93에서 185까지이다. 실측 검증 정보를 위해, 완전 호기 단계(full-expiration phase)의 총 종양 볼륨(GTV: Gross Tumor Volume)은 종양 전문의의 수동 분류로 정의되며 다른 단계의 GTV는 비 강체 정합을 사용하여 추정된다.

두 번째 데이터 세트에는 서울대학교 병원(SNUH)의 10명의 환자로부터 얻은 10개의 종양이 포함되어있다. 평균 직경은 3.9±1.0㎝이고 직경 범위는 2.5~5.5㎝이었다. CT 이미지는 Somatom Definition, Sensation 16(Siemens) 및 Aquilion ONE(Toshiba)에서 얻은 것이다. 각각의 이미지는 512×512 픽셀의 매트릭스 크기를 가지며 평면 내 해상도는 0.52에서 0.73㎜ 범위였다. 슬라이스 두께는 1.0에서 1.25㎜ 범위였고 스캔 당 이미지 수는 282에서 472 범위였다.

정성 평가

정성적 평가를 위해, 본 발명에서 제안된 방법과 Tan의 방법[11]의 분할 결과는 수동 분할 결과와 시각적으로 비교되었다. 도 14는 SSMH 데이터 세트를 사용한 분할 결과를 보여준다. 주변 기관에 강하게 부착된 병변의 경우, Tan의 방법은 도 14d 및 도 14e에서와 같이 종양으로서 흉벽과 종격을 함께 분할하는 경향이 있다. 그러나 제안된 방법의 분할 결과는 치료 계획을 위한 GTV가 과도하게 분할되는 경향을 고려하면 수동 분할과 유사하다.

도 15는 SNUH 데이터 세트를 사용한 분할 결과를 보여준다. SSMH 및 SNUH 데이터 세트의 분할 결과는 종양을 폐 실질뿐만 아니라 주변 기관과도 구분하는 것으로 보인다.

종양의 분할 정확도

종양의 분할 정확도를 확인하기 위해 수학식 10 내지 수학식 13을 사용하여 4가지 평가 기준으로 정량적 평가를 제공하였다.

여기서, A는 자동으로 분할된 영역을 나타내고, M은 수동으로 분할된 영역을 나타낸다. Dice Similarity Coefficient(DSC)와 Jaccard Index(JI)의 값은 A와 M 사이에 겹침이 없음을 나타내는 0에서 완전히 겹치는 것을 나타내는 1까지이다. 언더-세그먼테이션 비율(UR) 및 오버-세그멘테이션 비율(OR)은 수동으로 분할된 영역에 비해 언더-세그먼트화된 영역 및 오버-세그먼트화된 영역에 의해 야기된 A와 M 간의 차이를 각각 나타낸다. 0에 가까운 UR 및 OR 값은 높은 일치를 나타내며 1에 가까운 값은 낮은 일치를 나타낸다.

표 1은 SSMH 데이터 세트에서 측정된 DSC, JI, UR 및 OR 값을 보여준다. 주변 기관에 부착된 종양의 평균 DSC와 평균 JI는 고립된 종양과 크게 차이가 없었다 (p> 0.05).

상관 분석

종양의 분할 정확도를 검증하기 위해 수동으로 추정된 직경과 자동으로 추정된 직경 및 유효 직경 사이의 상관 관계를 사용하여 정량적 평가를 수행하였다. 직경은 종양이 가장 두드러지는 축 방향 평면에서 경계 지점 사이의 가장 긴 거리로 추정되며 유효 직경은 분할된 대상의 동일한 볼륨을 가진 구의 직경을 의미한다. 직경들 간의 관계를 검증하기 위해 피어슨의 상관 계수를 수학식 14와 수학식 15를 사용하여 측정했다. 이 값은 -1과 +1 사이의 값을 가지며 +1은 완전히 양의 상관 관계를 나타내고, 0은 상관 관계를 나타내지 않으며, -1은 완전히 음의 상관 관계를 나타낸다.

여기서, n은 데이터의 수를 나타내고, M, A 및 E는 각각 수동 및 자동 추정된 직경 및 유효 직경을 나타낸다.

및

는 평균 및 표준 편차를 각각 나타낸다.

SSMH와 SNUH 데이터 세트의

은 0.99와 0.94(p<0.05)였고, SSMH와 SNUH 데이터 세트의

는 0.95와 0.84 (p<0.05)였다. 수동으로 추정된 직경과 자동으로 추정된 직경 사이에는 선형적인 관계가 있음이 관찰된다.

이상 본 발명을 구체적인 실시예를 통하여 상세하게 설명하였으나, 이는 본 발명을 구체적으로 설명하기 위한 것으로, 본 발명은 이에 한정되지 않으며, 본 발명의 기술적 사상 내에서 당 분야의 통상의 지식을 가진 자에 의해 그 변형이나 개량이 가능함은 명백하다고 할 것이다.

본 발명의 단순한 변형 내지 변경은 모두 본 발명의 영역에 속하는 것으로, 본 발명의 구체적인 보호 범위는 첨부된 청구범위에 의하여 명확해질 것이다.

1300 : 초기 폐 종양 추출부
1302 : 흉벽과 종격막 추출부
1304 : 폐 종양 분할부

Claims

(a) 복수의 흉부 슬라이스를 포함하는 흉부 CT 영상에서 타원 모델링에 기반하여 초기 폐 종양을 추출하는 단계;
(b) 상기 각각의 흉부 슬라이스에서 밝기값과 모양 정보에 기반하여 흉벽과 종격막을 추출하는 단계; 및
(c) 추출된 흉벽과 종격막의 확률맵에 기반한 비대칭 다중 변형 모델을 이용하여 초기 폐 종양 추출 결과를 개선함으로써 폐 종양을 최종적으로 분할하는 단계를 포함하고,
상기 단계 (a)는 중앙 슬라이스의 타원 모델을 이웃 슬라이스들로 확장하는 가중치 투표 기반 타원 전파에 기반한 타원 모델링을 이용하여 초기 폐 종양을 추출하는 단계를 포함하는, 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 방법.
삭제
청구항 1에 있어서,
상기 단계 (a)는,
(a-1) 사용자 상호 작용으로부터 획득된 폐 종양의 직경 정보에 기반하여 중앙 슬라이스에서 폐 종양과 관련된 타원을 추정하는 단계;
(a-2) 각각의 이웃 슬라이스의 기울기 이미지에 대해 허프 변환(Hough Transformation)을 수행하여 상기 각각의 이웃 슬라이스에서 타원 후보들을 추정하는 단계; 및
(a-3) 이전 슬라이스에서 추정된 타원과 상기 타원 후보들을 이용하여 가중치 투표 맵을 생성하고, 상기 생성된 가중치 투표 맵에 기반하여 상기 각각의 이웃 슬라이스에서 폐 종양에 해당하는 타원을 추정하는 단계를 포함하는, 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 방법.
청구항 3에 있어서,
상기 가중치 투표 맵은,
[수학식 1]

에 의해 각 픽셀에 대해 계산되는 가중치 투표 맵 값(WV)에 기반하여 생성되고,
N은 타원 후보들의 수를 나타내며, c는 i번째 슬라이스 S_i에 있는 타원의 중심을 나타내는, 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 방법.
청구항 3에 있어서,
상기 단계 (b)는,
(b-1) 밝기값을 이용하는 임계값 방법에 기반하여 폐 실질을 추출하는 단계;
(b-2) 곡률 정보를 이용한 폐 경계 평활법에 기반하여 종양을 포함한 폐 경계를 추정하는 단계;
(b-3) 폐 경계 평활이 실패한 영역이 있는 경우, 형상 기반 보간에 기반하여 상기 종양을 포함한 폐 경계를 보정함으로써 종양을 포함한 폐 실질을 분할하는 단계; 및
(b-4) 폐 실질 분할 영역의 영역 반전에 의해 흉벽을 추출하는 단계를 포함하는, 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 방법.
청구항 5에 있어서,
상기 단계 (b-3)에서 보정 대상의 슬라이스는,
[수학식 2]

에 의해 결정되고,
형상 기반 보간에 사용될 슬라이스는,
[수학식 3]

및
[수학식 4]

에 의해 선택되며,
i는 슬라이스 번호를 나타내고, k는 보정 대상의 선택된 슬라이스 번호를 의미하며, E는 타원의 영역을 나타내고, L 및 L_s는 추출된 폐 실질 및 폐 평활화에 의해 분할된 폐를 나타내며, a 및 b는 형상 기반 보간을 위해 사용될 선택된 슬라이스 번호를 의미하는, 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 방법.
청구항 6에 있어서,
상기 단계 (b)는,
(b-5) 밝기값 히스토그램을 종격막 모델과 종양 모델의 2개의 가우시안 모델로 모델링하는 단계;
(b-6) 상기 종격막 모델과 종양 모델의 교차점에서의 밝기값을 종격막의 임계값으로 추정하는 단계; 및
(b-7) 상기 추정된 임계값에 기반하여 종격막을 추출하는 단계를 더 포함하는, 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 방법.
(a) 복수의 흉부 슬라이스를 포함하는 흉부 CT 영상에서 타원 모델링에 기반하여 초기 폐 종양을 추출하는 단계;
(b) 상기 각각의 흉부 슬라이스에서 밝기값과 모양 정보에 기반하여 흉벽과 종격막을 추출하는 단계; 및
(c) 추출된 흉벽과 종격막의 확률맵에 기반한 비대칭 다중 변형 모델을 이용하여 초기 폐 종양 추출 결과를 개선함으로써 폐 종양을 최종적으로 분할하는 단계를 포함하고,
상기 단계 (c)는,
(c-1) 상기 추출된 흉벽과 종격막 각각에 대해 서브 볼륨의 복셀의 수에 기반하여 흉벽과 종격막의 확률맵을 생성하는 단계; 및
(c-2) 초기 폐 종양 추출 결과에 대해 흉벽과 종격막의 확률맵에 기반한 비대칭 다중 변형 모델을 이용하여 초기 폐 종양 추출 결과를 개선함으로써 폐 종양을 최종적으로 분할하는 단계를 포함하는, 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 방법.
청구항 8에 있어서,
상기 단계 (c-2)는,
[수학식 5]

[수학식 6]

[수학식 7]

[수학식 8]

[수학식 9]

에 의해 에너지(E)가 최소가 되는 φ₁을 결정하여 초기 폐 종양 추출 결과를 개선함으로써 폐 종양을 최종적으로 분할하는 단계를 포함하고,

는 픽셀의 밝기값이고, c 및
는 영역
내의 평균 밝기값 및 표준 편차이며,
는 타원 경계로부터의 거리를 나타내고,
는 이미지의 기울기를 의미하며,
는 헤비사이드(Heaviside) 함수이고,
는 헤비사이드 함수의 기울기이며,
은 상기 흉벽 및 종격막의 확률맵의 값이고,
은 영역
을 제거하여 비대칭 형태로 다중 변형 모델을 생성하는 페널티 함수이며,
는 영역
의 크기를 나타내고, φ₁ 및 φ₂는 각각 영역의 내부는 양수의 값을 갖도록 하고 영역의 외부는 음수의 값을 갖도록 하는 함수인, 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 방법.
복수의 흉부 슬라이스를 포함하는 흉부 CT 영상에서 타원 모델링에 기반하여 초기 폐 종양을 추출하기 위한 초기 폐 종양 추출부;
상기 각각의 흉부 슬라이스에서 밝기값과 모양 정보에 기반하여 흉벽과 종격막을 추출하기 위한 흉벽과 종격막 추출부; 및
추출된 흉벽과 종격막의 확률맵에 기반한 비대칭 다중 변형 모델을 이용하여 초기 폐 종양 추출 결과를 개선함으로써 폐 종양을 최종적으로 분할하기 위한 폐 종양 분할부를 포함하고,
상기 초기 폐 종양 추출부는, 중앙 슬라이스의 타원 모델을 이웃 슬라이스들로 확장하는 가중치 투표 기반 타원 전파에 기반한 타원 모델링을 이용하여 초기 폐 종양을 추출하는 동작을 수행하는, 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 장치.
삭제
청구항 10에 있어서,
상기 초기 폐 종양 추출부는,
사용자 상호 작용으로부터 획득된 폐 종양의 직경 정보에 기반하여 중앙 슬라이스에서 폐 종양과 관련된 타원을 추정하는 동작;
각각의 이웃 슬라이스의 기울기 이미지에 대해 허프 변환(Hough Transformation)을 수행하여 상기 각각의 이웃 슬라이스에서 타원 후보들을 추정하는 동작; 및
이전 슬라이스에서 추정된 타원과 상기 타원 후보들을 이용하여 가중치 투표 맵을 생성하고, 상기 생성된 가중치 투표 맵에 기반하여 상기 각각의 이웃 슬라이스에서 폐 종양에 해당하는 타원을 추정하는 동작을 수행하는, 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 장치.
청구항 12에 있어서,
상기 가중치 투표 맵은,
[수학식 1]

에 의해 각 픽셀에 대해 계산되는 가중치 투표 맵 값(WV)에 기반하여 생성되고,
N은 타원 후보들의 수를 나타내며, c는 i번째 슬라이스 S_i에 있는 타원의 중심을 나타내는, 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 장치.
청구항 12에 있어서,
상기 흉벽과 종격막 추출부는,
밝기값을 이용하는 임계값 방법에 기반하여 폐 실질을 추출하는 동작;
곡률 정보를 이용한 폐 경계 평활법에 기반하여 종양을 포함한 폐 경계를 추정하는 동작;
폐 경계 평활이 실패한 영역이 있는 경우, 형상 기반 보간에 기반하여 상기 종양을 포함한 폐 경계를 보정함으로써 종양을 포함한 폐 실질을 분할하는 동작; 및
폐 실질 분할 영역의 영역 반전에 의해 흉벽을 추출하는 동작을 수행하는, 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 장치.
청구항 14에 있어서,
상기 폐 경계 평활이 실패한 영역이 있는 경우, 형상 기반 보간에 기반하여 상기 종양을 포함한 폐 경계를 보정함으로써 종양을 포함한 폐 실질을 분할하는 동작에서 보정 대상의 슬라이스는,
[수학식 2]

에 의해 결정되고,
형상 기반 보간에 사용될 슬라이스는,
[수학식 3]

및
[수학식 4]

에 의해 선택되며,
i는 슬라이스 번호를 나타내고, k는 보정 대상의 선택된 슬라이스 번호를 의미하며, E는 타원의 영역을 나타내고, L 및 L_s는 추출된 폐 실질 및 폐 평활화에 의해 분할된 폐를 나타내며, a 및 b는 형상 기반 보간을 위해 사용될 선택된 슬라이스 번호를 의미하는, 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 장치.
청구항 15에 있어서,
상기 흉벽과 종격막 추출부는,
밝기값 히스토그램을 종격막 모델과 종양 모델의 2개의 가우시안 모델로 모델링하는 동작;
상기 종격막 모델과 종양 모델의 교차점에서의 밝기값을 종격막의 임계값으로 추정하는 동작; 및
상기 추정된 임계값에 기반하여 종격막을 추출하는 동작을 더 수행하는, 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 장치.
복수의 흉부 슬라이스를 포함하는 흉부 CT 영상에서 타원 모델링에 기반하여 초기 폐 종양을 추출하기 위한 초기 폐 종양 추출부;
상기 각각의 흉부 슬라이스에서 밝기값과 모양 정보에 기반하여 흉벽과 종격막을 추출하기 위한 흉벽과 종격막 추출부; 및
추출된 흉벽과 종격막의 확률맵에 기반한 비대칭 다중 변형 모델을 이용하여 초기 폐 종양 추출 결과를 개선함으로써 폐 종양을 최종적으로 분할하기 위한 폐 종양 분할부를 포함하고,
상기 폐 종양 분할부는,
상기 추출된 흉벽과 종격막 각각에 대해 서브 볼륨의 복셀의 수에 기반하여 흉벽과 종격막의 확률맵을 생성하는 동작; 및
초기 폐 종양 추출 결과에 대해 흉벽과 종격막의 확률맵에 기반한 비대칭 다중 변형 모델을 이용하여 초기 폐 종양 추출 결과를 개선함으로써 폐 종양을 최종적으로 분할하는 동작을 수행하는, 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 장치.
청구항 17에 있어서,
상기 폐 종양을 최종적으로 분할하는 동작은,
[수학식 5]

[수학식 6]

[수학식 7]

[수학식 8]

[수학식 9]

에 의해 에너지(E)가 최소가 되는 φ₁을 결정하여 초기 폐 종양 추출 결과를 개선함으로써 폐 종양을 최종적으로 분할하는 동작을 포함하고,

는 픽셀의 밝기값이고, c 및
는 영역
내의 평균 밝기값 및 표준 편차이며,
는 타원 경계로부터의 거리를 나타내고,
는 이미지의 기울기를 의미하며,
는 헤비사이드(Heaviside) 함수이고,
는 헤비사이드 함수의 기울기이며,
은 상기 흉벽 및 종격막의 확률맵의 값이고,
은 영역
을 제거하여 비대칭 형태로 다중 변형 모델을 생성하는 페널티 함수이며,
는 영역
의 크기를 나타내고, φ₁ 및 φ₂는 각각 영역의 내부는 양수의 값을 갖도록 하고 영역의 외부는 음수의 값을 갖도록 하는 함수인, 흉부 CT 영상에서 가중치 투표 기반 타원 전파 및 주변 기관 확률맵을 이용한 폐 종양 분할 장치.