KR101957605B1 - 3d cta 영상 간의 심혈관 강체 정합 방법, 이를 수행하기 위한 기록매체 및 장치 - Google Patents
3d cta 영상 간의 심혈관 강체 정합 방법, 이를 수행하기 위한 기록매체 및 장치 Download PDFInfo
- Publication number
- KR101957605B1 KR101957605B1 KR1020170149577A KR20170149577A KR101957605B1 KR 101957605 B1 KR101957605 B1 KR 101957605B1 KR 1020170149577 A KR1020170149577 A KR 1020170149577A KR 20170149577 A KR20170149577 A KR 20170149577A KR 101957605 B1 KR101957605 B1 KR 101957605B1
- Authority
- KR
- South Korea
- Prior art keywords
- image
- moving image
- center line
- cardiovascular
- matching
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000000747 cardiac effect Effects 0.000 title description 4
- 230000002526 effect on cardiovascular system Effects 0.000 claims abstract description 90
- 238000010968 computed tomography angiography Methods 0.000 claims abstract description 61
- 238000011156 evaluation Methods 0.000 claims abstract description 18
- 239000013598 vector Substances 0.000 claims description 32
- 230000009466 transformation Effects 0.000 claims description 19
- 238000006073 displacement reaction Methods 0.000 claims description 18
- 239000000284 extract Substances 0.000 claims description 5
- 210000000748 cardiovascular system Anatomy 0.000 claims description 3
- 230000006870 function Effects 0.000 description 12
- 210000004204 blood vessel Anatomy 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 210000004351 coronary vessel Anatomy 0.000 description 6
- 238000005457 optimization Methods 0.000 description 6
- 208000029078 coronary artery disease Diseases 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 230000002792 vascular Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 206010002383 Angina Pectoris Diseases 0.000 description 1
- 238000013155 cardiography Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000002586 coronary angiography Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 208000010125 myocardial infarction Diseases 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/005—Tree description, e.g. octree, quadtree
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Optics & Photonics (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Computer Vision & Pattern Recognition (AREA)
- High Energy & Nuclear Physics (AREA)
- Biophysics (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
3D CTA 영상 간의 심혈관 강체 정합 방법, 이를 수행하기 위한 기록매체 및 장치가 개시된다. 동일 피검자에 대해 시간차를 두고 촬영된 3D CTA(Computed Tomography Angiography) 영상 간의 심혈관 강체 정합 방법에 있어서, 이전 시점에 촬영된 3D CTA 영상인 고정된 영상 및 현재 시점에 촬영된 3D CTA 영상인 움직이는 영상으로부터 심혈관을 나타내는 3D 중심선을 추출하고, 상기 움직이는 영상으로부터 추출된 3D 중심선에 계층적으로 중요도 값을 할당하고, 상기 고정된 영상 및 상기 움직이는 영상으로부터 추출된 3D 중심선에 기반한 최적경계볼륨을 각각 생성하여 초기 정합을 수행하고, 초기 정합 이후 상기 고정된 영상으로부터 추출된 3D 중심선에 지역적 거리전파를 수행하여 3차원 거리맵을 생성하며, 상기 3차원 거리맵 및 상기 중요도 값으로부터 산출되는 평가함수를 이용하여 상기 고정된 영상 및 상기 움직이는 영상 간의 심혈관 강체 정합을 수행한다.
Description
본 발명은 3D CTA 영상 간의 심혈관 강체 정합 방법, 이를 수행하기 위한 기록매체 및 장치에 관한 것으로, 보다 상세하게는 동일 피검자에 대해 시간차를 두고 촬영된 3D CTA 영상 간의 심혈관 강체 정합 방법, 이를 수행하기 위한 기록매체 및 장치에 관한 것이다.
최근 급격하게 증가하고 있는 협심증, 심근경색 등 관상동맥 질환의 진단 및 치료를 위해 X-선 심혈관 조영술, 컴퓨터단층촬영 심혈관 조영술(CTA: Cardiac CT Angiography), 자기공명 심혈관 조영술 등의 영상 정보가 이용된다. 특히, CTA 영상은 삼차원 정보 활용이 가능하여 관상동맥 질환의 진단 및 치료를 위해 가장 많이 사용되는 영상 중 하나이다. 이에, 관상동맥 질환의 진단 및 치료를 위해 3D 영상 정보를 자동으로 정합하는 기술에 대한 연구가 활발히 이루어지고 있다.
예를 들면, 2장의 2차원 Bi-plane 영상을 3차원으로 재구성(Reconstructin)하여 CT 영상과의 3D-3D 정합 방법이 제안된바 있다. 이는 각 3차원 영상으로부터 혈관의 3D 중심선을 추출하고, GMM(Gaussian Mixture Models) 기법을 이용하여 두 혈관의 3D 중심선의 거리의 차가 최소가 되는 지점으로 자동 정합을 수행한다. 그러나, 이러한 정합 방식에 따르면, 일부 환자의 경우에는 혈관 형태의 차이로 인한 민감성을 보이며, 국부 최소에 수렴한다는 문제점이 있다.
또한, 동일 환자의 연속으로 촬영된 4D(3D+t) CT 영상을 이용한 정합 방법이 제안된바 있다. 먼저, 4D(3D+t) CT 영상으로부터 혈관의 움직임에 따른 변화량을 구분하는데, 영상이 촬영된 페이즈(Phase)로 구분하였으며, 인접 페이즈의 경우 CBSO(Cubic B-spline with Fase Localized Optimization)을 이용한다. 그리고, 변화량이 큰 혈관의 경우, 전역적 정합을 수행하고, CBSO를 통해 정밀 정합을 수행하는 두 가지 기법으로 정합을 수행한다. 그러나, 이러한 정합 방식에 따르면, End-diastole, End-systole 이외의 페이즈에서는 심장박동과 호흡 등으로 인한 혈관 움직임에 따른 CT 영상의 노이즈로 인해 자동뿐만 아니라 수동 분할에 어려움이 있다. 이와 같은 잘못된 분할 정보로 인하여 정합 오류를 야기하는 문제점은 특징 기반 정합 기법의 어려움 중 하나이기도 하다.
또한, 심장의 움직임 정보를 활용한 3D-3D 정합 방법이 제안된바 있다. 이는, B-Spline 정합 기법과 Levenberg-Marquardt를 이용한 템플릿 매칭 기법을 함께 사용하는 정합 방법으로, 4D(3D+t) CT 영상에서 End-distole에서 촬영된 영상을 기준으로 나머지 위상의 CT 영상과 CT 영상으로부터 분할된 3D 중심선을 이용한다. 그러나, 분할에 Hessian Matrix가 사용되는데, 잡음에 민감하다는 단점이 있다. 또한, 지역적 변형에 따른 국부 최소에 수렴할 수 있는 문제점을 고려하지 않은 방법으로, 특히, 심장의 빠른 움직임에 대한 고려가 부족하여 블러링 또는 고스팅 아티펙트로 인해 일부 영역에서 정합을 수행할 수 없다는 문제점이 있다. 아울러, 정합 시간에 오래 걸린다는 단점이 존재하는데, 이는 종래에 제안된 정합 방식들의 공통 문제점이기도 하다.
본 발명의 일측면은 3D 중심선에 계층적으로 중요도 값을 할당하는 단계 및 최적경계볼륨을 통한 초기 정합 단계를 포함하는 3D CTA 영상 간의 심혈관 강체 정합 방법을 제공한다.
본 발명의 다른 측면은 3D CTA 영상 간의 심혈관 강체 정합 방법을 수행하기 위한 기록매체를 제공한다.
본 발명의 또 다른 측면은 3D 중심선에 계층적으로 중요도 값을 할당하고, 최적경계볼륨을 통한 초기 정합을 수행하는 3D CTA 영상 간의 심혈관 강체 정합 장치를 제공한다.
본 발명의 일 측면에 따른 3D CTA 영상 간의 심혈관 강체 정합 방법은, 동일 피검자에 대해 시간차를 두고 촬영된 3D CTA(Computed Tomography Angiography) 영상 간의 심혈관 강체 정합 방법에 있어서, 이전 시점에 촬영된 3D CTA 영상인 고정된 영상 및 현재 시점에 촬영된 3D CTA 영상인 움직이는 영상으로부터 심혈관을 나타내는 3D 중심선을 추출하고, 상기 움직이는 영상으로부터 추출된 3D 중심선에 계층적으로 중요도 값을 할당하고, 상기 고정된 영상 및 상기 움직이는 영상으로부터 추출된 3D 중심선에 기반한 최적경계볼륨을 각각 생성하여 초기 정합을 수행하고, 초기 정합 이후 상기 고정된 영상으로부터 추출된 3D 중심선에 지역적 거리전파를 수행하여 3차원 거리맵을 생성하며, 상기 3차원 거리맵 및 상기 중요도 값으로부터 산출되는 평가함수를 이용하여 상기 고정된 영상 및 상기 움직이는 영상 간의 심혈관 강체 정합을 수행한다.
한편, 상기 움직이는 영상으로부터 추출된 3D 중심선에 계층적으로 중요도 값을 할당하는 것은, 상기 움직이는 영상으로부터 추출된 3D 중심선의 위상 정보를 기반으로 정규화된 중요도 값을 설정하여 계층적으로 할당하는 것일 수 있다.
또한, 상기 움직이는 영상으로부터 추출된 3D 중심선의 위상 정보를 기반으로 정규화된 중요도 값을 설정하기 위해, 상기 피검자의 심혈관에 대한 맞춤형 트리구조 모델링을 수행하는 것을 더 포함할 수 있다.
또한, 상기 고정된 영상 및 상기 움직이는 영상으로부터 추출된 3D 중심선에 기반한 최적경계볼륨을 각각 생성하여 초기 정합을 수행하는 것은, 상기 고정된 영상 및 상기 움직이는 영상으로부터 추출된 각 3D 중심선의 x축, y축, z축의 최소값 및 최대값에 기반한 최적경계볼륨을 각각 생성하고, 두 최적경계볼륨을 일치시키는 것일 수 있다.
또한, 상기 고정된 영상 및 상기 움직이는 영상으로부터 추출된 3D 중심선에 기반한 최적경계볼륨을 각각 생성하여 초기 정합을 수행하는 것은, 상기 고정된 영상 및 상기 움직이는 영상으로부터 추출된 3D 중심선의 전역적 이동 변위를 보정하는 것이며, 상기 고정된 영상 및 상기 움직이는 영상 간의 심혈관 강체 정합 시 이동 변위의 초기 추정치를 획득하는 것을 포함할 수 있다.
또한, 초기 정합 이후 상기 고정된 영상으로부터 추출된 3D 중심선에 지역적 거리전파를 수행하여 3차원 거리맵을 생성하는 것은, 유클리드 거리를 기반으로 3차원 거리맵을 생성하는 것일 수 있다.
또한, 상기 3차원 거리맵 및 상기 중요도 값으로부터 산출되는 평가함수를 이용하여 상기 고정된 영상 및 상기 움직이는 영상 간의 심혈관 강체 정합을 수행하는 것은, 상기 평가함수가 최소값을 갖는 위치에 수렴하도록 상기 움직이는 영상으로부터 추출된 3D 중심선의 x축, y축, z축의 방향 이동 벡터, 중심 회전 벡터 및 중심 크기 벡터로 이루어지는 변환 벡터를 단계적으로 최적화하는 것일 수 있다.
한편, 본 발명의 다른 측면은 3D CTA 영상 간의 심혈관 강체 정합 방법을 수행하기 위한, 컴퓨터 프로그램이 기록된 컴퓨터로 판독 가능한 기록매체일 수 있다.
한편, 본 발명의 또 다른 측면은 동일 피검자에 대해 시간차를 두고 촬영된 3D CTA(Computed Tomography Angiography) 영상 간의 심혈관 강체 정합 장치에 있어서, 이전 시점에 촬영된 3D CTA 영상인 고정된 영상 및 현재 시점에 촬영된 3D CTA 영상인 움직이는 영상으로부터 심혈관을 나타내는 3D 중심선을 추출하는 3D 중심선 추출부, 상기 움직이는 영상으로부터 추출된 3D 중심선에 계층적으로 중요도 값을 할당하는 중요도 값 설정부, 상기 고정된 영상 및 상기 움직이는 영상으로부터 추출된 3D 중심선에 기반한 최적경계볼륨을 각각 생성하여 초기 정합을 수행하는 초기 정합부, 초기 정합 이후 상기 고정된 영상으로부터 추출된 3D 중심선에 지역적 거리전파를 수행하여 3차원 거리맵을 생성하는 3차원 거리맵 생성부 및 상기 3차원 거리맵 및 상기 중요도 값으로부터 산출되는 평가함수를 이용하여 상기 고정된 영상 및 상기 움직이는 영상 간의 심혈관 강체 정합을 수행하는 심혈관 강체 정합부를 포함한다.
한편, 상기 3D 중심선 추출부는, 상기 움직이는 영상으로부터 추출된 3D 중심선에 대한 맞춤형 트리구조 모델링을 수행하고, 상기 맞춤형 트리구조를 기반으로 상기 움직이는 영상으로부터 추출된 3D 중심선에 정규화된 중요도 값을 계층적으로 할당할 수 있다.
또한, 상기 초기 정합부는, 상기 고정된 영상 및 상기 움직이는 영상으로부터 추출된 각 3D 중심선의 x축, y축, z축의 최소값 및 최대값에 기반한 최적경계볼륨을 각각 생성하고, 두 최적경계볼륨을 일치시키는 초기 정합을 수행할 수 있다.
또한, 상기 초기 정합부는, 상기 고정된 영상 및 상기 움직이는 영상으로부터 추출된 3D 중심선의 전역적 이동 변위를 보정하는 초기 정합을 수행하며, 상기 고정된 영상 및 상기 움직이는 영상 간의 심혈관 강체 정합 시 이동 변위의 초기 추정치를 획득할 수 있다.
또한, 상기 심혈관 강체 정합부는, 상기 평가함수가 최소값을 갖는 위치에 수렴하도록 상기 움직이는 영상으로부터 추출된 3D 중심선의 x축, y축, z축의 방향 이동 벡터, 중심 회전 벡터 및 중심 크기 벡터로 이루어지는 변환 벡터를 단계적으로 최적화할 수 있다.
상술한 본 발명의 일측면에 따르면 3D 중심선에 계층적으로 중요도 값이 할당되어 견고한 정합이 가능하고, 최적경계볼륨을 통한 초기 정합을 수행하여 정합 탐색 범위 제한에 따른 계산량 감소가 가능하여 결과적으로는 정합 시간을 단축할 수 있다.
도 1은 본 발명의 일 실시예에 따른 3D CTA 영상 간의 심혈관 강체 정합 장치의 제어 블록도이다.
도 2는 심혈관에 대한 3D 트리구조 모델링 과정의 일 예를 도시한 도면이다.
도 3은 3D 중심선에 계층적으로 중요도 값을 할당하는 소스 코드이다.
도 4는 3D CTA 영상으로부터 추출된 3D 중심선에 중요도 값을 할당한 일 예를 도시한 도면이다.
도 5는 초기 정합을 위한 최적경계볼륨 생성의 일 예를 도시한 도면이다.
도 6은 지역적 거리전파를 통하여 생성된 3차원 거리맵의 일 예이다.
도 7은 본 발명의 일 실시예에 따른 3D CTA 영상 간의 심혈관 강체 정합 방법의 순서도이다.
도 8 및 도 9는 본 발명의 일 실시예에 따른 3D CTA 영상 간의 심혈관 강체 정합 방법을 적용하여 심혈관 강체 정합을 수행한 일 예이다.
도 2는 심혈관에 대한 3D 트리구조 모델링 과정의 일 예를 도시한 도면이다.
도 3은 3D 중심선에 계층적으로 중요도 값을 할당하는 소스 코드이다.
도 4는 3D CTA 영상으로부터 추출된 3D 중심선에 중요도 값을 할당한 일 예를 도시한 도면이다.
도 5는 초기 정합을 위한 최적경계볼륨 생성의 일 예를 도시한 도면이다.
도 6은 지역적 거리전파를 통하여 생성된 3차원 거리맵의 일 예이다.
도 7은 본 발명의 일 실시예에 따른 3D CTA 영상 간의 심혈관 강체 정합 방법의 순서도이다.
도 8 및 도 9는 본 발명의 일 실시예에 따른 3D CTA 영상 간의 심혈관 강체 정합 방법을 적용하여 심혈관 강체 정합을 수행한 일 예이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소, 단계 및 동작은 하나 이상의 다른 구성요소, 단계 및 동작의 존재 또는 추가를 배제하지 않는다.
도 1은 본 발명의 일 실시예에 따른 3D CTA 영상 간의 심혈관 강체 정합 장치의 제어 블록도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 심혈관 강체 정합 장치(100)는 3D 중심선 추출부(110), 중요도 값 설정부(120), 초기 정합부(130), 3차원 거리맵 생성부(140) 및 심혈관 강체 정합부(150)를 포함하여 구성될 수 있다. 본 발명의 일 실시예에 따른 심혈관 강체 정합 장치(100)는 동일 피검자에 대해 시간차를 두고 촬영된 3D CTA 영상을 획득하여, 3D CTA 영상에 나타나는 심혈관의 특징 정보를 활용한 강체 정합을 수행할 수 있다. 이하의 설명에서, 이전 시점(t=T1)에 촬영된 3D CTA 영상을 고정된 영상(F: fixed image)이라 하고, 현재 시점(t=T1+dt)에 촬영된 3D CTA 영상을 움직이는 영상(M: moving image)이라 하기로 한다.
3D 중심선 추출부(110)는 3D CTA 영상으로부터 심혈관을 나타내는 3D 중심선을 추출할 수 있다. 3D 중심선 추출부(110)는 고정된 영상(F) 및 움직이는 영상(M)을 획득하고, 고정된 영상(F) 및 움직이는 영상(M)에 대한 3D 분할 데이터(3D segmentation data)를 생성할 수 있다. 3D 중심선 추출부(110)는 고정된 영상(F) 및 움직이는 영상(M)에 대한 분할 데이터로부터 각각 심혈관을 나타내는 3D 중심선을 추출할 수 있다.
중요도 값 설정부(120)는 움직이는 영상(M)으로부터 추출된 3D 중심선에 계층적으로 정규화된 중요도 값을 할당할 수 있다. 이와 관련하여, 도 2 내지 도 4를 참조하여 설명하기로 한다.
도 2는 심혈관에 대한 3D 트리구조 모델링 과정의 일 예를 도시한 도면이고, 도 3은 3D 중심선에 계층적으로 중요도 값을 할당하는 소스 코드이고, 도 4는 3D CTA 영상으로부터 추출된 3D 중심선에 중요도 값을 할당한 일 예를 도시한 도면이다.
도 2를 참조하면, 중요도 값 설정부(120)는 3D 중심선으로부터 피검자의 심혈관 맞춤형 트리구조 모델링을 수행할 수 있다. 중요도 값 설정부(120)는 3D CTA 영상으로부터 추출된 3D 중심선에 중요도 값 설정 시, 심혈관의 위상 모델을 기반으로 중요도 값을 할당할 수 있다. 이때, 중요도 값 설정부(120)는 3D 중심선으로부터 모델링한 피검자 맞춤형 트리구조에 기반하여 3D 중심선에 중요도 값을 할당할 수 있다. 이는, 피검자별 다양한 심혈관 상태를 반영하기 위함이다.
도 3을 참조하면, 중요도 값 설정부(120)는 피검자 맞춤형 트리구조를 활용하여 움직이는 영상(M)으로부터 추출된 3D 중심선에 계층적으로 정규화된 중요도 값을 할당할 수 있다. 중요도 값 설정부(120)는 proximal segment로부터 distal segment 방향으로 모델링 된 트리구조에 따라, 3D 중심선의 Bifurcation Node를 이용하여, Root Node로부터 Leaf Node까지 계층적으로 정규화된 중요도 값을 할당할 수 있다.
도 4를 참조하면, 중요도 값 설정부(120)에서의 3D 중심선의 중요도 값 설정 결과, 3D 중심선에서 중요도 값에 따라 중심 브랜치와 가지의 구분이 가능함을 확인할 수 있다. 이에 따라, 본 발명의 일 실시예에 따른 심혈관 강체 정합 장치(100)는 3D CTA 영상 간 강체 정합 시, 3D 중심선에서 중요도가 낮거나 불필요한 가지로 인해 지역적 오류가 있는 영역에서의 국부 최소에 수렴하는 잘못된 정합으로 인한 오류를 감소시켜 견고한 수렴을 가능하게 한다.
초기 정합부(130)는 고정된 영상(F) 및 움직이는 영상(M)으로부터 추출된 3D 중심선에 대한 초기 정합을 수행할 수 있다. 3D CTA 영상에서의 혈관 위치는 촬영 프로토콜, 환자의 자세 등에 많은 영향을 받는다. 따라서, 동일 피검자에 대해 시간차를 두고 촬영된 3D CTA 영상 간에 전역적 보정이 필요하다. 이를 위해, 초기 정합부(130)는 고정된 영상(F) 및 움직이는 영상(M)으로부터 추출된 3D 중심선에 기반하여 최적경계볼륨을 각각 생성하고, 두 최적경계볼륨을 일치시키는 방식으로 초기 정합을 수행할 수 있다. 초기 정합부(130)는 이러한 초기 정합을 수행함으로써, 움직이는 영상(M)으로부터 추출된 3D 중심선의 전역적 이동 변위 보정을 수행할 수 있으며, 추후 심혈관 강체 정합 수행 시 필요한 이동 변위에 대한 초기 추정치를 획득할 수 있다. 이와 관련하여, 도 5를 참조하여 설명하기로 한다.
도 5는 초기 정합을 위한 최적경계볼륨 생성의 일 예를 도시한 도면이다.
도 5를 참조하면, 초기 정합부(130)는 고정된 영상(F)으로부터 추출된 3D 중심선 및 움직이는 영상(M)으로부터 추출된 3D 중심선의 x축, y축, z축의 최소값(xmin, ymin, zmin) 및 최대값(xmax, ymax, zmax)를 각각 추출할 수 있다. 그리고, 초기 정합부(130)는 고정된 영상(F)으로부터 추출된 3D 중심선 및 움직이는 영상(M)으로부터 추출된 3D 중심선의 x축, y축, z축의 최소값(xmin, ymin, zmin) 및 최대값(xmax, ymax, zmax)을 꼭지점으로 하는 경계볼륨을 각각 생성할 수 있다. 여기서, 초기 정합부(130)는 추후 정합 과정에서의 3D 중심선의 기하학적 변환을 고려하여, (xmin-d, ymin-d, zmin-d) 및 (xmax+d, ymax+d, zmax+d)를 꼭지점으로 하는 최적경계볼륨을 각각 생성할 수 있다. 초기 정합부(130)는 이와 같은 방식으로 고정된 영상(F) 및 움직이는 영상(M)에서 각각 생성한 최적경계볼륨을 일치시키는 초기 정합을 수행할 수 있다.
3차원 거리맵 생성부(140)는 초기 정합 결과로부터 3차원 거리맵을 생성할 수 있다. 3차원 거리맵 생성부(140)는 고정된 영상(F)으로부터 추출된 3D 중심선의 주변 인접 영역에 지역적 거리전파를 수행하여 3차원 거리맵을 생성할 수 있다. 상술한 바와 같이 초기 정합에 따른 고정된 영상(F) 및 움직이는 영상(M) 간의 전역적 이동 변위 보정이 이루어졌으므로 영상 전체에 대한 거리맵 생성이 불필요하다. 따라서, 3차원 거리맵 생성부(140)는 거리맵 생성 시간 단축을 위해 지역적 거리전파를 수행하여 3차원 거리맵을 생성할 수 있다. 이때, 3차원 거리맵 생성부(140)는 유클리드 거리를 기반으로 3차원 거리맵을 생성할 수 있다.
지역적 거리전파를 통한 3차원 거리맵 생성 방법에 대하여 구체적으로 설명하면, 3차원 공간 i번째 위치의 전파된 거리값을 DP(i)라 하면, i번째 위치를 기준으로 26-인접 영역을 고려하여 아래의 수학식 1과 같이 거리값을 계산하고 dmax-1까지의 거리값을 전파할 수 있다. 이때, 기존의 거리값과의 비교를 통해 최소값을 할당하며, 값이 전파되지 않은 복셀 영역에는 dmax 값을 할당할 수 있다.
이와 같은 방식에 따르면, 한 번의 탐색으로 3차원 거리맵 생성을 위한 거리값 측정이 가능하고, d>dmax 인 거리값을 갖는 복셀 영역에 대한 거리 계산이 불필요하므로, 결과적으로는, 3차원 거리맵 생성 시간이 단축될 수 있다.
도 6은 지역적 거리전파를 통하여 생성된 3차원 거리맵의 일 예이다.
도 6을 참조하면, 흰색으로 표시된 선은 심혈관 중심선을 나타내고, 같은 거리값이 할당된 복셀 영역들은 동일한 명암으로 표시됨을 확인할 수 있다.
심혈관 강체 정합부(150)는 3차원 거리맵 및 중요도 값으로부터 산출되는 평가함수를 이용하여 고정된 영상(F) 및 움직이는 영상(M) 간의 심혈관 강체 정합을 수행할 수 있다.
구체적으로는, 심혈관 강체 정합부(150)는 고정된 영상(F) 및 움직이는 영상(M)으로부터 각각 추출되는 3D 중심선의 유사성 비교를 위해 아래의 수학식 2와 같은 평가함수를 이용할 수 있다.
수학식 2에서 Nc는 움직이는 영상(M)으로부터 추출된 3D 중심선의 총 개수이고, CenterlineM(i)는 움직이는 영상(M)으로부터 추출된 3D 중심선의 i번째 포인트를 나타내고, αi는 움직이는 영상(M)으로부터 추출된 3D 중심선에 할당된 중요도 값을 나타내고, DistanceMapF(i)는 고정된 영상(F)으로부터 추출된 3D 중심선에 지역적 거리전파를 수행하여 생성한 3차원 거리맵을 나타낸다.
수학식 2와 같이, 평가함수는 고정된 영상(F)과 움직이는 영상(M)으로부터 추출된 3D 중심선의 거리 차의 절대값의 평균으로 측정되는데, 움직이는 영상(M)으로부터 추출된 3D 중심선에 할당된 중요도 값이 포함되며, 고정된 영상(F)과 움직이는 영상(M)으로부터 추출된 3D 중심선이 정렬되면 최소값을 갖는다.
심혈관 강체 정합부(150)는 고정된 영상(F) 및 움직이는 영상(M)의 정합을 위해, 움직이는 영상(M)으로부터 추출된 3D 중심선에 대한 변환 벡터를 최적화할 수 있다. 이때, 변환 벡터는 움직이는 영상(M)으로부터 추출된 3D 중심선의 x축, y축, z축 방향 이동 벡터(Tx, Ty, Tz), 중심 회전 벡터(Rx, Ry, Rz) 및 중심 크기 벡터(Sx, Sy, Sz)의 9개의 벡터로 이루어질 수 있다. 이러한 9개의 변환 벡터를 동시에 최적화하는 경우 시간뿐 아니라 정확도 측면에서 비효율적이다. 이에, 심혈관 강체 정합부(150)는 이동변환, 이동변환 및 회전변환, 강체변환 순으로 변환 벡터의 최적화를 수행할 수 있다. 이동변환, 이동변환 및 회전변환, 강체변환은 아래의 수학식 3과 같이 나타낼 수 있다.
수학식 3에서 cx는 cos(θx), sx는 sin(θx)를 나타낸다.
심혈관 강체 정합부(150)는 아래 수학식 4와 같이 초기 정합 시 획득한 이동 변위에 따라 방향 이동 벡터(Tx, Ty, Tz)의 변위를 제한하여 최적화를 수행할 수 있다. 고정된 영상(F) 및 움직이는 영상(M)은 동일 피검자로부터 촬영된 영상이므로 심혈관의 형태 차이가 크지 않다고 가정하면, 고정된 영상(F) 및 움직이는 영상(M) 간에 이동 변위가 가장 큰 오차를 보이는 것이 일반적이다. 따라서, 심혈관 강체 정합부(150)는 초기 정합 시 사용되는 최적경계볼륨으로부터 산출되는 이동 변위에 따라 "?? 이동 벡터(Tx, Ty, Tz)의 변위를 제한하고 최적화를 수행할 수 있다. 그리고, 중심 회전 벡터(Rx, Ry, Rz) 및 중심 크기 벡터(Sx, Sy, Sz)의 순으로 변위를 제한하여 최적화를 수행할 수 있다.
심혈관 강체 정합부(150)는 이처럼 방향 이동 벡터(Tx, Ty, Tz), 중심 회전 벡터(Rx, Ry, Rz) 및 중심 크기 벡터(Sx, Sy, Sz)의 순으로 제한된 벡터 변위 내에서 심혈관 강체 정합을 위한 탐색을 수행할 수 있다. 여기서, 심혈관 강체 정합부(150)는 상술한 평가함수를 이용할 수 있다. 평가함수는 고정된 영상(F)과 움직이는 영상(M)으로부터 추출된 3D 중심선이 정렬되면 최소값을 갖는다. 따라서, 심혈관 강체 정합부(150)는 제한된 벡터 변위 내에서 평가함수가 최소값을 갖는 변환벡터를 탐색할 수 있다. 이때, 심혈관 강체 정합부(150)는 보다 파웰 방법을 적용하여 최적의 위치, 즉, 평가함수가 최소값을 갖는 위치로 수렴하기 위한 변환벡터를 탐색할 수 있다. 심혈관 강체 정합부(150)는 변환벡터에 따라 고정된 영상(F) 및 움직이는 영상(M) 간의 심혈관 강체 정합을 수행할 수 있다.
이와 같이, 본 발명의 일 실시예에 따른 심혈관 강체 정합 장치(100)는 초기 정합을 수행함으로써 선택적 거리 측정에 따른 정합이 가능하며, 아울러, 변환벡터의 단계적 최적화를 수행하여 정합에 필요한 계산량을 감소시켜 전체 시간을 단축할 수 있다.
이하에서는, 본 발명의 일 실시예에 따른 심혈관 강체 정합 방법에 대하여 설명하기로 한다. 본 발명의 일 실시예에 따른 심혈관 강체 정합 방법은 도 1에 도시된 심혈관 강체 정합 장치(100)와 실질적으로 동일한 구성에서 진행될 수 있다. 따라서, 도 1의 심혈관 강체 정합 장치(100)와 동일한 구성요소는 동일한 도면부호를 부여하고, 반복되는 설명은 생략하기로 한다.
도 7은 본 발명의 일 실시예에 따른 3D CTA 영상 간의 심혈관 강체 정합 방법의 순서도이다.
도 7을 참조하면, 심혈관 강체 정합 장치(100)는 동일한 피검자에 대해 시간차를 두고 촬영된 3D CTA 영상을 획득할 수 있다(700).
심혈관 강체 정합 장치(100)는 이전 시점에 촬영된 3D CTA 영상인 고정된 영상(F) 및 현재 시점에 촬영된 3D CTA 영상인 움직이는 영상(M)으로부터 3D 중심선을 추출할 수 있다(710).
심혈관 강체 정합 장치(100)는 움직이는 영상(M)으로부터 추출된 3D 중심선에 계층적으로 중요도 값을 할당할 수 있다(720).
심혈관 강체 정합 장치(100)는 고정된 영상(F) 및 움직이는 영상(M)으로부터 추출된 3D 중심선의 초기 정합을 수행할 수 있다(730).
심혈관 강체 정합 장치(100)는 고정된 영상(F)으로부터 추출된 3D 중심선에 지역적 거리전파를 수행하여 3차원 거리맵을 생성할 수 있다(740).
심혈관 강체 정합 장치(100)는 고정된 영상(F) 및 움직이는 영상(M) 간의 심혈관 강체 정합을 수행할 수 있다(750).
심혈관 강체 정합 장치(100)는 강체 정합 결과, 3차원 거리맵 및 중요도 값으로부터 산출되는 평가함수가 최소값을 갖는 위치로 수렴되는지를 확인하여(760), 심혈관 강체 정합을 반복할 수 있다.
이하에서는, 본 발명의 일 실시예에 따른 3D CTA 영상 간의 심혈관 강체 정합 방법의 유리한 효과에 대하여 설명하기로 한다.
도 8 및 도 9는 본 발명의 일 실시예에 따른 3D CTA 영상 간의 심혈관 강체 정합 방법을 적용하여 심혈관 강체 정합을 수행한 일 예이다.
먼저, 도 8의 (a)는 고정된 영상의 좌관상동맥 3D 혈관 Mesh 모델이고, 도 8의 (b)는 이에 대한 3D 중심선이며, 도 8의 (c)는 움직이는 영상으로부터 추출한 3D 중심선이다. 도 8의 (e)는 최적경계볼륨을 통해 초기 정합을 수행한 결과이고, 도 8의 (f)는 두 영상의 최종 정합 결과이다. 도 8의 (f)를 원 볼륨 정합 방식에 따른 정합 결과인 도 8의 (d)와 비교하면, 최종 정합 결과 고정된 영상과 움직이는 영상의 3D 중심선이 견고하게 일치함을 시각적으로 확인할 수 있다.
도 9의 (a)는 움직이는 영상의 우관상동맥 3D 혈관 Mesh 모델이다. 도 9의 (b)는 움직이는 영상으로부터 추출한 3D 중심선에 중요도 값을 설정한 결과로, 계층적으로 정규화된 중요도 값이 할당된 것을 확인할 수 있다. 도 9의 (c) 및 (d)는 움직이는 영상과 고정된 영상의 3D 중심선 정합 결과인데, 도 9의 (c)는 움직이는 영상으로부터 추출된 3D 중심선에 중요도 값을 모두 1로 할당한 경우로, 일부 혈관 영역에서 국부 최소에 수렴하여 잘못된 정합 결과를 보여준다. 반면, 도 9의 (d)는 움직이는 영상으로부터 추출된 3D 중심선에 계층적으로 중요도 값을 할당한 경우로, 견고한 수렴이 이루어졌음을 확인할 수 있다. 이는, 중요도 값으로 인해 중요도가 낮거나 불필요한 Sub-branch에 대한 오류를 감소시키기 때문이다.
아래의 표 1은 환자 5명의 좌관상동맥 10개와, 환자 5명의 우관상동맥 10개의 데이터에 있어서, 본 발명의 일 실시예에 따른 3D CTA 영상 간의 심혈관 강체 정합 방법을 적용한 정합을 수행한 결과 그 정확도를 산출한 결과이다.
정합의 정확도는 본 발명의 일 실시예에 따른 3D CTA 영상 간의 심혈관 강체 정합 방법에 따른 정합 결과와, 전문가에 의해 수동으로 분할 고정된 영상의 Ground Truth의 중심선으로부터 산출하였다.
아울러, 견고성 측정을 위해, 전문가에 의해 입력된 서로 다른 두 개의 심혈관 내에 M개의 해부학적 표식기간 거리 오차의 평균(ADD: Average of Distance Difference)를 사용하였다. 여기서, 견고성이란, 도 8의 (c)와 같이 국부 최소에 빠지지 않고, 도 8의 (d)와 같이 전역적 최적위치로 수렴하는 정도를 나타낸다.
수학식 5에서 p와 q는 두 혈관의 해부학적 표식기를 나타내고, E(p-q)는 p와 q사이의 유클리드 거리를 나타내며, M은 표식기의 개수(환자당 각 10쌍 사용)를 나타낸다.
이와 같은 방식으로 견고성 측정 결과, 환자 10명의 정합 오차는 평균 1.7964mm이고, 좌관상동맥에 대한 정합 오차는 평균 1.5399mm 이며, 우관상동맥에 대한 정합 오차는 평균 2.0528mm로 산출되었다.
이와 같은, 본 발명의 일 실시예에 따른 3D CTA 영상 간의 심혈관 강체 정합 방법은 다양한 컴퓨터 구성요소를 통하여 수행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다.
상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것들이거니와 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD 와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다.
프로그램 명령어의 예에는, 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 상기 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상 첨부된 도면을 참조하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.
100: 심혈관 강체 정합 장치
110: 3D 중심선 추출부
120: 중요도 값 설정부
130: 초기 정합부
140: 3차원 거리맵 생성부
150: 심혈관 강체 정합부
110: 3D 중심선 추출부
120: 중요도 값 설정부
130: 초기 정합부
140: 3차원 거리맵 생성부
150: 심혈관 강체 정합부
Claims (13)
- 동일 피검자에 대해 시간차를 두고 촬영된 3D CTA(Computed Tomography Angiography) 영상 간의 심혈관 강체 정합 방법에 있어서,
이전 시점에 촬영된 3D CTA 영상인 고정된 영상 및 현재 시점에 촬영된 3D CTA 영상인 움직이는 영상으로부터 심혈관을 나타내는 3D 중심선을 추출하고,
상기 움직이는 영상으로부터 추출된 3D 중심선에 계층적으로 중요도 값을 할당하고,
상기 고정된 영상 및 상기 움직이는 영상으로부터 추출된 3D 중심선에 기반한 최적경계볼륨을 각각 생성하여 초기 정합을 수행하고,
초기 정합 이후 상기 고정된 영상으로부터 추출된 3D 중심선에 지역적 거리전파를 수행하여 3차원 거리맵을 생성하며,
상기 3차원 거리맵 및 상기 중요도 값으로부터 산출되는 평가함수를 이용하여 상기 고정된 영상 및 상기 움직이는 영상 간의 심혈관 강체 정합을 수행하고,
상기 고정된 영상 및 상기 움직이는 영상으로부터 추출된 3D 중심선에 기반한 최적경계볼륨을 각각 생성하여 초기 정합을 수행하는 것은,
상기 고정된 영상 및 상기 움직이는 영상의 각 x, y, z 좌표 영역에서, 상기 고정된 영상 및 상기 움직이는 영상으로부터 추출된 각 3D 중심선이 나타내는 x축, y축 및 z축 좌표값의 최소값 및 최대값에 기반한 최적경계볼륨을 각각 생성하는 것을 포함하는 3D CTA 영상 간의 심혈관 강체 정합 방법. - 제1항에 있어서,
상기 움직이는 영상으로부터 추출된 3D 중심선에 계층적으로 중요도 값을 할당하는 것은,
상기 움직이는 영상으로부터 추출된 3D 중심선의 위상 정보를 기반으로 정규화된 중요도 값을 설정하여 계층적으로 할당하는 것인 3D CTA 영상 간의 심혈관 강체 정합 방법. - 제2항에 있어서,
상기 움직이는 영상으로부터 추출된 3D 중심선의 위상 정보를 기반으로 정규화된 중요도 값을 설정하기 위해, 상기 피검자의 심혈관에 대한 맞춤형 트리구조 모델링을 수행하는 것을 더 포함하는 3D CTA 영상 간의 심혈관 강체 정합 방법. - 제1항에 있어서,
상기 고정된 영상 및 상기 움직이는 영상으로부터 추출된 3D 중심선에 기반한 최적경계볼륨을 각각 생성하여 초기 정합을 수행하는 것은,
상기 고정된 영상 및 상기 움직이는 영상으로부터 추출된 두 최적경계볼륨을 일치시키는 것인 3D CTA 영상 간의 심혈관 강체 정합 방법. - 제1항에 있어서,
상기 고정된 영상 및 상기 움직이는 영상으로부터 추출된 3D 중심선에 기반한 최적경계볼륨을 각각 생성하여 초기 정합을 수행하는 것은,
상기 고정된 영상 및 상기 움직이는 영상으로부터 추출된 3D 중심선의 전역적 이동 변위를 보정하는 것이며,
상기 고정된 영상 및 상기 움직이는 영상 간의 심혈관 강체 정합 시 이동 변위의 초기 추정치를 획득하는 것을 포함하는 3D CTA 영상 간의 심혈관 강체 정합 방법. - 제1항에 있어서,
초기 정합 이후 상기 고정된 영상으로부터 추출된 3D 중심선에 지역적 거리전파를 수행하여 3차원 거리맵을 생성하는 것은,
유클리드 거리를 기반으로 3차원 거리맵을 생성하는 것인 3D CTA 영상 간의 심혈관 강체 정합 방법. - 제1항에 있어서,
상기 3차원 거리맵 및 상기 중요도 값으로부터 산출되는 평가함수를 이용하여 상기 고정된 영상 및 상기 움직이는 영상 간의 심혈관 강체 정합을 수행하는 것은,
상기 평가함수가 최소값을 갖는 위치에 수렴하도록 상기 움직이는 영상으로부터 추출된 3D 중심선의 x축, y축, z축의 방향 이동 벡터, 중심 회전 벡터 및 중심 크기 벡터로 이루어지는 변환 벡터를 단계적으로 최적화하는 것인 3D CTA 영상 간의 심혈관 강체 정합 방법. - 제1항 내지 제7항 중 어느 하나의 항에 따른 3D CTA 영상 간의 심혈관 강체 정합 방법을 수행하기 위한, 컴퓨터 프로그램이 기록된 컴퓨터로 판독 가능한 기록매체.
- 동일 피검자에 대해 시간차를 두고 촬영된 3D CTA(Computed Tomography Angiography) 영상 간의 심혈관 강체 정합 장치에 있어서,
이전 시점에 촬영된 3D CTA 영상인 고정된 영상 및 현재 시점에 촬영된 3D CTA 영상인 움직이는 영상으로부터 심혈관을 나타내는 3D 중심선을 추출하는 3D 중심선 추출부;
상기 움직이는 영상으로부터 추출된 3D 중심선에 계층적으로 중요도 값을 할당하는 중요도 값 설정부;
상기 고정된 영상 및 상기 움직이는 영상의 각 x, y, z 좌표 영역에서, 상기 고정된 영상 및 상기 움직이는 영상으로부터 추출된 각 3D 중심선이 나타내는 x축, y축 및 z축 좌표값의 최소값 및 최대값에 기반한 최적경계볼륨을 각각 생성하여 초기 정합을 수행하는 초기 정합부;
초기 정합 이후 상기 고정된 영상으로부터 추출된 3D 중심선에 지역적 거리전파를 수행하여 3차원 거리맵을 생성하는 3차원 거리맵 생성부; 및
상기 3차원 거리맵 및 상기 중요도 값으로부터 산출되는 평가함수를 이용하여 상기 고정된 영상 및 상기 움직이는 영상 간의 심혈관 강체 정합을 수행하는 심혈관 강체 정합부를 포함하는 3D CTA 영상 간의 심혈관 강체 정합 장치. - 제9항에 있어서,
상기 3D 중심선 추출부는,
상기 움직이는 영상으로부터 추출된 3D 중심선에 대한 맞춤형 트리구조 모델링을 수행하고, 상기 맞춤형 트리구조를 기반으로 상기 움직이는 영상으로부터 추출된 3D 중심선에 정규화된 중요도 값을 계층적으로 할당하는 3D CTA 영상 간의 심혈관 강체 정합 장치. - 제9항에 있어서,
상기 초기 정합부는,
상기 고정된 영상 및 상기 움직이는 영상으로부터 추출된 두 최적경계볼륨을 일치시키는 초기 정합을 수행하는 3D CTA 영상 간의 심혈관 강체 정합 장치. - 제9항에 있어서,
상기 초기 정합부는,
상기 고정된 영상 및 상기 움직이는 영상으로부터 추출된 3D 중심선의 전역적 이동 변위를 보정하는 초기 정합을 수행하며,
상기 고정된 영상 및 상기 움직이는 영상 간의 심혈관 강체 정합 시 이동 변위의 초기 추정치를 획득하는 3D CTA 영상 간의 심혈관 강체 정합 장치. - 제9항에 있어서,
상기 심혈관 강체 정합부는,
상기 평가함수가 최소값을 갖는 위치에 수렴하도록 상기 움직이는 영상으로부터 추출된 3D 중심선의 x축, y축, z축의 방향 이동 벡터, 중심 회전 벡터 및 중심 크기 벡터로 이루어지는 변환 벡터를 단계적으로 최적화하는 3D CTA 영상 간의 심혈관 강체 정합 장치.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170144674 | 2017-11-01 | ||
| KR20170144674 | 2017-11-01 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101957605B1 true KR101957605B1 (ko) | 2019-03-13 |
Family
ID=65762158
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170149577A KR101957605B1 (ko) | 2017-11-01 | 2017-11-10 | 3d cta 영상 간의 심혈관 강체 정합 방법, 이를 수행하기 위한 기록매체 및 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101957605B1 (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210108178A (ko) * | 2020-02-25 | 2021-09-02 | 숭실대학교산학협력단 | 2d xa 영상과 3d cta 영상 간의 강체 정합 방법, 이를 수행하기 위한 기록 매체 및 장치 |
| CN114373004A (zh) * | 2022-01-13 | 2022-04-19 | 强联智创（北京）科技有限公司 | 一种基于动态级联网络的无监督三维图像刚性配准方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140032810A (ko) * | 2012-09-07 | 2014-03-17 | 삼성전자주식회사 | 의료 영상들의 정합 방법 및 장치 |
| KR101652641B1 (ko) * | 2015-06-05 | 2016-09-12 | 숭실대학교산학협력단 | Ecg 신호를 이용한 영상 정합 장치 및 그 방법 |
-
2017
- 2017-11-10 KR KR1020170149577A patent/KR101957605B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140032810A (ko) * | 2012-09-07 | 2014-03-17 | 삼성전자주식회사 | 의료 영상들의 정합 방법 및 장치 |
| KR101652641B1 (ko) * | 2015-06-05 | 2016-09-12 | 숭실대학교산학협력단 | Ecg 신호를 이용한 영상 정합 장치 및 그 방법 |
Non-Patent Citations (2)
| Title |
|---|
| 수술 중 촬영된 2D XA 영상과 수술 전 촬영된 3D CTA 영상의 고속 강체 정합 기법(박태용 외 3명, 멀티미디어학회논문지16(12), 1454-1464(11pages), 2013.12. * |
| 영상 유도 중재술을 위한 2D XA영상과 3D CTA영상의 고속 강체 정합 기법(공학석사논문, 2014.02. 가톨릭대학교 대학원 디지털미디어학과 미디어공학 전공 박태용) * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210108178A (ko) * | 2020-02-25 | 2021-09-02 | 숭실대학교산학협력단 | 2d xa 영상과 3d cta 영상 간의 강체 정합 방법, 이를 수행하기 위한 기록 매체 및 장치 |
| KR102347029B1 (ko) * | 2020-02-25 | 2022-01-04 | 숭실대학교 산학협력단 | 2d xa 영상과 3d cta 영상 간의 강체 정합 방법, 이를 수행하기 위한 기록 매체 및 장치 |
| CN114373004A (zh) * | 2022-01-13 | 2022-04-19 | 强联智创（北京）科技有限公司 | 一种基于动态级联网络的无监督三维图像刚性配准方法 |
| CN114373004B (zh) * | 2022-01-13 | 2024-04-02 | 强联智创（北京）科技有限公司 | 一种动态图像配准方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2677505B1 (en) | Modelling of tubular structures | |
| CN107392994B (zh) | 冠脉血管的三维重建方法、装置、设备及存储介质 | |
| EP3605391A1 (en) | Left atrium shape reconstruction from sparse location measurements using neural networks | |
| US5889524A (en) | Reconstruction of three-dimensional objects using labeled piecewise smooth subdivision surfaces | |
| CN102763135B (zh) | 用于自动分割和时间跟踪的方法 | |
| US9155470B2 (en) | Method and system for model based fusion on pre-operative computed tomography and intra-operative fluoroscopy using transesophageal echocardiography | |
| Groher et al. | Deformable 2D-3D registration of vascular structures in a one view scenario | |
| US8218845B2 (en) | Dynamic pulmonary trunk modeling in computed tomography and magnetic resonance imaging based on the detection of bounding boxes, anatomical landmarks, and ribs of a pulmonary artery | |
| JP6243535B2 (ja) | 解剖学的構造のモデルベースのセグメンテーション | |
| EP2646979B1 (en) | Image registration apparatus | |
| WO2015116563A1 (en) | Method and system for constructing personalized avatars using a parameterized deformable mesh | |
| KR101900679B1 (ko) | 혈관 특징 정보를 기반으로 하는 삼차원 심혈관 정합 방법, 이를 수행하기 위한 기록 매체 및 장치 | |
| US8923615B2 (en) | Method and device for segmenting medical image data | |
| De Luca et al. | Estimation of large-scale organ motion in B-mode ultrasound image sequences: a survey | |
| Toth et al. | 3D/2D Registration with superabundant vessel reconstruction for cardiac resynchronization therapy | |
| CN111009032A (zh) | 基于改进外极线约束匹配的血管三维重建方法 | |
| KR101957605B1 (ko) | 3d cta 영상 간의 심혈관 강체 정합 방법, 이를 수행하기 위한 기록매체 및 장치 | |
| van Dam et al. | Development of new anatomy reconstruction software to localize cardiac isochrones to the cardiac surface from the 12 lead ECG | |
| JP5731882B2 (ja) | 医用画像データをセグメント化するための方法及び装置 | |
| JP6970737B2 (ja) | ４ｄコンピュータ断層撮影から呼吸性血液量変化を決定するシステム及び方法 | |
| Lu et al. | Learning-based regularization for cardiac strain analysis with ability for domain adaptation | |
| KR102629331B1 (ko) | Cta 영상에서 계층적 변형을 이용한 심혈관 비강체 정합 방법, 이를 수행하기 위한 기록매체 및 장치 | |
| JP2012217780A (ja) | 医用画像データをセグメント化するための方法及び装置 | |
| Bernardino Perez et al. | Volumetric parcellation of the cardiac right ventricle for regional geometric and functional assessment | |
| Simon et al. | Left ventricle motion estimation in computed tomography imaging |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |