KR102013863B1 - 가상 신체 모델 구축 방법 및 프로그램 - Google Patents
가상 신체 모델 구축 방법 및 프로그램 Download PDFInfo
- Publication number
- KR102013863B1 KR102013863B1 KR1020180155562A KR20180155562A KR102013863B1 KR 102013863 B1 KR102013863 B1 KR 102013863B1 KR 1020180155562 A KR1020180155562 A KR 1020180155562A KR 20180155562 A KR20180155562 A KR 20180155562A KR 102013863 B1 KR102013863 B1 KR 102013863B1
- Authority
- KR
- South Korea
- Prior art keywords
- image data
- model
- patient
- artery
- virtual body
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000000605 extraction Methods 0.000 claims abstract description 146
- 210000001367 artery Anatomy 0.000 claims abstract description 119
- 210000000056 organ Anatomy 0.000 claims abstract description 118
- 210000003462 vein Anatomy 0.000 claims abstract description 101
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 83
- 230000002792 vascular Effects 0.000 claims description 46
- 238000001356 surgical procedure Methods 0.000 claims description 28
- 230000005477 standard model Effects 0.000 claims description 24
- 230000003187 abdominal effect Effects 0.000 claims description 20
- 210000000709 aorta Anatomy 0.000 claims description 18
- 230000007774 longterm Effects 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 5
- 210000002417 xiphoid bone Anatomy 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 11
- 238000004088 simulation Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 4
- 238000002591 computed tomography Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 206010008479 Chest Pain Diseases 0.000 description 2
- 210000002434 celiac artery Anatomy 0.000 description 2
- 239000002872 contrast media Substances 0.000 description 2
- 238000010894 electron beam technology Methods 0.000 description 2
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 210000000845 cartilage Anatomy 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000001621 ilium bone Anatomy 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000002357 laparoscopic surgery Methods 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 210000003049 pelvic bone Anatomy 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 230000002980 postoperative effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 206010039722 scoliosis Diseases 0.000 description 1
- 230000008961 swelling Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
- A61B90/36—Image-producing devices or illumination devices not otherwise provided for
- A61B90/37—Surgical systems with images on a monitor during operation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/25—User interfaces for surgical systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/30—Surgical robots
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/70—Manipulators specially adapted for use in surgery
- A61B34/76—Manipulators having means for providing feel, e.g. force or tactile feedback
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
- A61B90/36—Image-producing devices or illumination devices not otherwise provided for
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
- A61B90/36—Image-producing devices or illumination devices not otherwise provided for
- A61B90/361—Image-producing devices, e.g. surgical cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G06T3/0068—
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/101—Computer-aided simulation of surgical operations
- A61B2034/105—Modelling of the patient, e.g. for ligaments or bones
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
- A61B2034/2046—Tracking techniques
- A61B2034/2065—Tracking using image or pattern recognition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/25—User interfaces for surgical systems
- A61B2034/252—User interfaces for surgical systems indicating steps of a surgical procedure
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
- A61B90/36—Image-producing devices or illumination devices not otherwise provided for
- A61B2090/364—Correlation of different images or relation of image positions in respect to the body
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Surgery (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Robotics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Pathology (AREA)
- General Physics & Mathematics (AREA)
- Radiology & Medical Imaging (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Artificial Intelligence (AREA)
- Gynecology & Obstetrics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Image Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Processing Or Creating Images (AREA)
- Image Processing (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Surgical Instruments (AREA)
Abstract
가상 신체 모델 구축 방법 및 프로그램이 제공된다. 상기 가상 신체 모델 구축 방법은 컴퓨터가 환자의 동맥 추출용 영상 데이터 및 정맥 추출용 영상 데이터를 획득하는 단계, 상기 컴퓨터가 획득한 상기 동맥 추출용 영상 데이터 및 상기 정맥 추출용 영상 데이터를 기반으로 정합 기준 지점을 탐색하고, 상기 정합 기준 지점을 이용하여 혈관 장기 모델을 생성하는 단계, 상기 컴퓨터가 생성된 상기 혈관 장기 모델을 기반으로 기복 모델인 상기 환자의 가상 신체 모델을 생성하는 단계를 포함한다.
Description
본 발명은 가상 신체 모델 구축 방법 및 프로그램에 관한 것이다.
수술 과정에서, 의사의 수술을 보조하기 위한 정보를 제공할 수 있는 기술들의 개발이 요구되고 있다. 수술을 보조하기 위한 정보를 제공하기 위해서는, 수술 행위를 인식할 수 있어야 한다.
기존에는 수술 프로세스를 최적화 하기 위한 시나리오 구상을 위해서는 사전에 촬영된 의료영상을 참고하거나 매우 숙련된 의사의 자문을 받았으나, 의료영상만으로는 불필요한 프로세스의 판단이 어려웠으며 숙련된 의사의 자문은 특정 환자에 맞는 자문을 받기에 어려운 문제점이 있었다.
따라서, 의료영상이나 숙련된 의사의 자문은 수술대상 환자에 대한 수술 프로세스의 최적화를 위한 보조 용도로는 활용되기 어려운 점이 많았다.
이에, 환자의 혈관 및 장기 상태와 동일한 가상 신체 모델을 이용하여, 수술을 행하는데 있어서 불필요한 프로세스를 최소화하여 수술 프로세스를 최적화하고, 이에 기반한 수술보조 정보를 제공할 수 있는 방법에 대한 개발이 요구된다.
본 발명이 해결하고자 하는 과제는 수술 전 수술의 시뮬레이션을 위한, 수술 시의 환자의 혈관 및 장기 상태와 동일한 가상 신체 모델을 구축하는 방법을 제공하는 것이다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상술한 과제를 해결하기 위한 본 발명의 일 실시예에 따른 가상 신체 모델 구축 방법은 컴퓨터가 환자의 동맥 추출용 영상 데이터 및 정맥 추출용 영상 데이터를 획득하는 단계, 상기 컴퓨터가 획득한 상기 동맥 추출용 영상 데이터 및 상기 정맥 추출용 영상 데이터를 기반으로 정합 기준 지점을 탐색하고, 상기 정합 기준 지점을 이용하여 혈관 장기 모델을 생성하는 단계, 상기 컴퓨터가 생성된 상기 혈관 장기 모델을 기반으로 기복 모델인 상기 환자의 가상 신체 모델을 생성하는 단계를 포함하고, 상기 동맥 추출용 영상 데이터는 조영된 동맥을 포함하고, 상기 정맥 추출용 영상 데이터는 조영된 정맥을 포함하고, 상기 혈관 장기 모델은, 상기 동맥 추출용 영상 데이터 및 상기 정맥 추출용 영상 데이터 중 어느 하나에서 얻어진 장기 영상 정보를 기반으로 장기를 모델링 하는 것이다.
상기 정합 기준 지점은 복강 동맥(celiac axis)이며, 상기 복강 동맥은 분기점인 것을 특징으로 한다.
상기 혈관 장기 모델을 생성하는 단계는, 상기 컴퓨터가 상기 동맥 추출용 영상 데이터 및 상기 정맥 추출용 영상 데이터 를 축방향(axial 방향)으로 설정하여, 각각의 영상 프레임 상에서 대동맥의 지점을 각각 추출하는 단계, 상기 컴퓨터가 상기 대동맥 지점을 기준으로 각각의 상기 영상 프레임을 상기 환자의 머리에서 발 방향으로 연속적으로 하나의 프레임씩 변화시키면서 상기 정합 기준 지점을 탐색하는 단계, 및 상기 컴퓨터가 탐색하여 추출된 상기 정합 기준 지점을 기반으로 상기 동맥 추출용 영상 데이터와 상기 정맥 추출용 영상 데이터를 정합하는 단계 및 상기 컴퓨터가 정합된 영상 데이터를 이용하여 상기 혈관 장기 모델을 생성하는 단계를 포함하고, 상기 정맥 추출용 영상 데이터는 조영되지 않은 동맥도 포함하는 것이다.
상기 정합 기준 지점이 복강 동맥(celiac axis)인 경우, 상기 정합 기준 지점을 탐색하는 단계는, 상기 동맥 추출용 영상 데이터를 상기 환자의 머리에서 발 방향으로 연속적으로 하나의 프레임씩 변화시키면서, 대동맥의 원형 가장 자리에 다른 원형이 돌출하는 첫 번째 레이어를 복강 동맥의 분기점으로 설정하고, 상기 복강 동맥의 분기점의 제1 좌표를 기록하는 단계; 및 상기 정맥 추출용 영상 데이터를 상기 환자의 머리에서 발 방향으로 연속적으로 하나의 프레임씩 변화시키면서, 대동맥의 원형 가장 자리에 다른 원형이 돌출하는 첫 번째 레이어를 복강 동맥의 분기점으로 설정하고, 상기 복강 동맥의 분기점의 제2 좌표를 기록하는 단계를 포함하고, 상기 동맥 추출용 영상 데이터와 상기 정맥 추출용 영상 데이터를 정합하는 단계는, 상기 제1 좌표와 상기 제2 좌표의 변위를 보정하며 상기 동맥 추출용 영상 데이터와 상기 정맥 추출용 영상 데이터를 정합하되, 회전과는 무관하게 정합하는 것이다.
상기 혈관 장기 모델을 생성하는 단계는, 상기 컴퓨터가 상기 동맥 추출용 영상 데이터를 기반으로 한 제1 혈관 모델과 상기 정맥 추출용 영상 데이터를 기반으로 한 제2 혈관 모델 상에서 상기 정합 기준 지점을 탐색하는 단계 및 상기 컴퓨터가 상기 정합 기준 지점을 이용하여 상기 제1 혈관 모델, 상기 제2 혈관 모델 및 상기 모델링 된 장기 모델을 정합하여 상기 혈관 장기 모델을 생성하는 단계를 포함한다.
상기 정합 기준 지점을 탐색하는 것은, 혈관 모델 상의 360° 각각의 지점에서의 법선 벡터가 상기 혈관 모델의 외벽과 접촉하는 부분을 파악하고, 혈관 단면의 길이가 가장 긴 대동맥을 기준으로 하여, 상기 대동맥부터 혈관 모델 상의 360° 각각의 지점에서의 법선 벡터가 상기 혈관 모델의 외벽과 접촉하는 부분을 파악하는 것을 반복함으로써 상기 정합 기준 지점을 탐색하는 것이다.
상기 환자의 가상 신체 모델을 생성하는 단계는, 상기 혈관 장기 모델과 기복 표준 모델을 정합하여 상기 환자의 가상 신체 모델을 생성하는 것으로서, 상기 혈관 장기 모델과 기복 표준 모델에서, 검상돌기(xiphoid process), 우측 상전장골극(right anterior superior iliac spine) 및 좌측 상전장골극(left anterior superior iliac spine)의 3개의 지점을 추출하여 상기 혈관 장기 모델과 상기 기복 표준 모델을 정합시킴으로써 상기 환자의 가상 신체 모델을 생성하는 것이고, 상기 기복 표준 모델은 환자의 나이, 성별 및 신체 조건을 기반으로 하여 표준이 되는 기복 모델이다.
상기 환자의 가상 신체 모델을 생성하는 단계는, 상기 환자의 의료 영상 데이터를 가상 신체 모델 생성의 학습 모델에 적용함으로써, 상기 환자의 수술 시 장기의 배치 또는 기복 상태를 예측하여 상기 환자의 가상 신체 모델을 생성하는 것을 포함한다.
상기 환자의 가상 신체 모델을 생성하는 단계는, 상기 환자의 의료 영상 데이터가 수술 전 수술자세로 촬영된 의료 영상 데이터인 경우, 상기 환자의 수술 전 수술자세로 촬영된 의료 영상 데이터를 가상 신체 모델 생성의 학습 모델에 적용함으로써, 상기 환자의 수술 시 기복 상태 구현에 따른 환자의 신체 표면 외형 변화 및 기복 상태 구현에 따른 장기 배치 변화 중 적어도 하나가 적용된 상기 환자의 가상 신체 모델을 생성하는 것이다.
상기 환자의 가상 신체 모델을 생성하는 단계는, 상기 환자의 의료 영상 데이터가 수술 전 정자세로 촬영된 의료 영상 데이터인 경우, 상기 환자의 수술 전 정자세로 촬영된 의료 영상 데이터를 가상 신체 모델 생성의 학습 모델에 적용함으로써, 수술자세에 따른 장기 배치, 상기 환자의 수술 시 기복 상태 구현에 따른 환자의 신체 표면 외형 변화 및 기복 상태 구현에 따른 장기 배치 변화 중 적어도 하나가 적용된 상기 환자의 가상 신체 모델을 생성하는 것이다.
상기 학습 모델은, 수술 받은 복수의 대상체에서 획득된 의료 영상 데이터로서, 수술 전 정자세 또는 수술 자세로 촬영된 의료 영상 데이터 및 수술 시 기복 상태 영상 데이터를 기반으로 하여, 기본 가상 신체 모델은 수술 전 정자세 또는 수술 자세로 촬영된 의료 영상 데이터를 기반으로 생성하고, 기복 상태 가상 신체 모델은 수술 시 수술자세로 기복 상태가 적용된 기복 상태 영상 데이터를 기반으로 생성하여, 상기 복수의 대상체에 대하여 상기 기본 가상 신체 모델 및 상기 기복 상태 가상 신체 모델을 매칭하여 학습 데이터셋을 구축하고, 구축된 상기 학습 데이터셋을 이용하여 학습을 수행한 것이다.
상술한 과제를 해결하기 위한 본 발명의 다른 실시예에 따른 가상 신체 모델 구축 컴퓨터 프로그램은 하드웨어인 컴퓨터와 결합되어, 상기 방법 중 어느 하나의 방법을 실행시키기 위해 매체에 저장된다.
본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
상기 본 발명에 의하면, 정맥 및 동맥이 조영된 영상 데이터를 정합 기준 지점을 이용하여 정합함으로써, 동일한 시간에 추출하지 못하였던 정맥 및 동맥이 조영된 영상 데이터를 정확하게 정합할 수 있다.
또한, 상기 본 발명에 의하면, 환자의 영상 데이터를 기반으로 생성된 혈관 장기 모델을 신체 조건이 일치하는 기복 표준 모델과 정합 시, 체부위를 결정하는 목표지점으로서 3개의 정합 지점을 이용하여 정합함으로써, 수술 시 환자의 기복 상태와 동일한 가상 신체 모델을 생성할 수 있다.
또한, 상기 본 발명에 의하면, 수술 시 삽입하는 내시경 카메라의 삽입 위치를 구분할 수 있는 지점을 지정함으로써, 실제 수술 과정에서 시뮬레이션 할 때와 동일한 위치에 내시경 카메라를 삽입할 수 있다.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 가상 신체 모델 구축 방법을 설명하기 위한 도면이다.
도 2는 조영된 동맥을 포함하는 동맥 추출용 영상 데이터와 조영된 정맥을 포함하는 정맥 추출용 영상 데이터를 설명하기 위한 도면이다.
도 3은 동맥 추출용 영상 데이터와 정맥 추출용 영상 데이터를 기반으로 하여 정합하지 않았을 경우와 정합하였을 경우의 혈관 상태를 설명하기 위한 도면이다.
도 4는 혈관 장기 모델에 기복을 적용하지 않을 때와 기복을 적용하였을 때의 상태를 설명하기 위한 도면이다.
도 5는 영상 데이터를 이용하여 혈관 장기 모델을 생성하는 방법을 설명하기 위한 도면이다.
도 6은 각각의 혈관 모델을 정합하여 혈관 장기 모델을 생성하는 방법을 설명하기 위한 도면이다.
도 7은 본 발명의 정합 기준 지점의 일 실시예를 설명하기 위한 도면이다.
도 8은 3차원 제1 혈관 모델 및 제2 혈관 모델에서 정합 기준 지점인 복강 동맥을 찾는 방법을 설명하기 위한 도면이다.
도 9는 가상 신체 모델의 생성에 있어서 기준이 되는 지점과 수술 시 가상 신체 모델과 비교하여 실제 환자의 신체에 대하여 적용하는 기준 지점을 설명하기 위한 도면이다.
도 2는 조영된 동맥을 포함하는 동맥 추출용 영상 데이터와 조영된 정맥을 포함하는 정맥 추출용 영상 데이터를 설명하기 위한 도면이다.
도 3은 동맥 추출용 영상 데이터와 정맥 추출용 영상 데이터를 기반으로 하여 정합하지 않았을 경우와 정합하였을 경우의 혈관 상태를 설명하기 위한 도면이다.
도 4는 혈관 장기 모델에 기복을 적용하지 않을 때와 기복을 적용하였을 때의 상태를 설명하기 위한 도면이다.
도 5는 영상 데이터를 이용하여 혈관 장기 모델을 생성하는 방법을 설명하기 위한 도면이다.
도 6은 각각의 혈관 모델을 정합하여 혈관 장기 모델을 생성하는 방법을 설명하기 위한 도면이다.
도 7은 본 발명의 정합 기준 지점의 일 실시예를 설명하기 위한 도면이다.
도 8은 3차원 제1 혈관 모델 및 제2 혈관 모델에서 정합 기준 지점인 복강 동맥을 찾는 방법을 설명하기 위한 도면이다.
도 9는 가상 신체 모델의 생성에 있어서 기준이 되는 지점과 수술 시 가상 신체 모델과 비교하여 실제 환자의 신체에 대하여 적용하는 기준 지점을 설명하기 위한 도면이다.
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 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
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 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
공간적으로 상대적인 용어인 "아래(below)", "아래(beneath)", "하부(lower)", "위(above)", "상부(upper)" 등은 도면에 도시되어 있는 바와 같이 하나의 구성요소와 다른 구성요소들과의 상관관계를 용이하게 기술하기 위해 사용될 수 있다. 공간적으로 상대적인 용어는 도면에 도시되어 있는 방향에 더하여 사용시 또는 동작시 구성요소들의 서로 다른 방향을 포함하는 용어로 이해되어야 한다. 예를 들어, 도면에 도시되어 있는 구성요소를 뒤집을 경우, 다른 구성요소의 "아래(below)"또는 "아래(beneath)"로 기술된 구성요소는 다른 구성요소의 "위(above)"에 놓여질 수 있다. 따라서, 예시적인 용어인 "아래"는 아래와 위의 방향을 모두 포함할 수 있다. 구성요소는 다른 방향으로도 배향될 수 있으며, 이에 따라 공간적으로 상대적인 용어들은 배향에 따라 해석될 수 있다.
본 명세서에서 '컴퓨터'는 연산처리를 수행하여 사용자에게 결과를 제공할 수 있는 다양한 장치들이 모두 포함된다. 예를 들어, 컴퓨터는 데스크 탑 PC, 노트북(Note Book)뿐만 아니라 스마트폰(Smart phone), 태블릿 PC, 셀룰러폰(Cellular phone), 피씨에스폰(PCS phone; Personal Communication Service phone), 동기식/비동기식 IMT-2000(International Mobile Telecommunication-2000)의 이동 단말기, 팜 PC(Palm Personal Computer), 개인용 디지털 보조기(PDA; Personal Digital Assistant) 등도 해당될 수 있다.
본 명세서에서 '동맥 추출용 영상 데이터'는 동맥을 추출하기 위한 영상 데이터로서, 조영된 동맥을 포함하고, 조영제를 통해 동맥이 명확하고 선명하게 나타나는 영상 데이터이다. 동맥 추출용 영상 데이터는 동맥이 더욱 명확하고 선명하게 나타날 뿐이며, 정맥 및 기타 장기들도 포함되어 나타날 수 있다.
본 명세서에서 '정맥 추출용 영상 데이터'는 정맥을 추출하기 위한 영상 데이터로서, 조영된 정맥을 포함하고, 조영제를 통해 정맥이 명확하고 선명하게 나타나는 영상 데이터이다. 정맥 추출용 영상 데이터는 정맥이 더욱 명확하고 선명하게 나타날 뿐이며, 동맥 및 기타 장기들도 포함되어 나타날 수 있다.
본 명세서에서 '영상 데이터'는 의학 화상 처리 방식에 의해 획득된 영상은 모두 포함된다. 예를 들어, 영상 데이터는 CT(Computer tomography), 핵자기공명 컴퓨터 단층촬영 영상(Nuclear Magnetic Resonance Computed Tomography, NMR-CT), 양전자 단층촬영 영상(positron emission tomography; PET), CBCT(conebeamCT), 전자빔 단층촬영 영상(Electron beam tomography), 엑스레이(X-ray), 자기공명영상(margnetic resonance imaging)이 해당될 수 있다.
본 명세서에서 '혈관 장기 모델'은 환자의 신체 내부의 혈관 및 장기와 동일한 위치 및 크기 등으로 모델링 된 가상의 혈관 장기 모델이다.
본 명세서에서 '제1 혈관 모델'은 조영된 동맥을 포함하는 동맥 추출용 영상 데이터를 기반으로 하여 환자의 신체 내부의 동맥 및 정맥 등의 혈관과 동일한 위치 및 크기 등으로 모델링 된 혈관 모델이다.
본 명세서에서 '제2 혈관 모델'은 조영된 정맥을 포함하는 정맥 추출용 영상 데이터를 기반으로 하여 환자의 신체 내부의 동맥 및 정맥 등의 혈관과 동일한 위치 및 크기 등으로 모델링 된 혈관 모델이다.
본 명세서에서 '기복 모델'은 수술을 위해 기체를 환자의 신체 안에 주입하였을 때의 혈관 및/또는 장기의 배치, 또는 기복 상태를 실제의 환자의 상태와 유사하게 만들어 놓은 가상의 기복 상태의 모델이다.
본 명세서에서 '기복 표준 모델'은 환자의 나이, 성별 및 신체 조건을 기반으로 하여 표준이 되는 기복 모델이다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 가상 신체 모델 구축 방법을 설명하기 위한 도면이다.
도 2는 조영된 동맥을 포함하는 동맥 추출용 영상 데이터와 조영된 정맥을 포함하는 정맥 추출용 영상 데이터를 설명하기 위한 도면이다.
도 3은 동맥 추출용 영상 데이터와 정맥 추출용 영상 데이터를 기반으로 하여 정합하지 않았을 경우와 정합하였을 경우의 혈관 상태를 설명하기 위한 도면이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 가상 신체 모델 구축 방법은, 컴퓨터가 환자의 동맥 추출용 영상 데이터 및 정맥 추출용 영상 데이터를 획득하는 단계(S100), 컴퓨터가 정합 기준 지점을 이용하여 혈관 장기 모델을 생성하는 단계(S200) 및 컴퓨터가 가상 신체 모델을 생성하는 단계(S300)를 포함한다.
컴퓨터가 환자의 동맥 추출용 영상 데이터 및 정맥 추출용 영상 데이터를 획득하는 단계(S100)에서, 동맥 추출용 영상 데이터는 조영된 동맥을 포함하고, 정맥 추출용 영상 데이터는 조영된 정맥을 포함한다.
컴퓨터가 환자의 동맥 추출용 영상 데이터 및 정맥 추출용 영상 데이터를 획득하는 단계(S100)와 관련하여, 도 2를 참조하면, 도 2의 (a) 및 (b)는 조영된 동맥을 포함하는 동맥 추출용 영상 데이터이며, 도 2의 (a)는 분기전, 도 2의 (b)는 분기후를 나타내고, 도 2의 (c) 및 (d)는 조영된 정맥을 포함하는 정맥 추출용 영상 데이터이며, 도 2의 (c)는 분기전, 도 2의 (d)는 분기후를 나타낸다.
도 2의 (a) 및 (b)에는 동맥이 조영된 영상 데이터로서, 중앙에 있는 원형 부분이 다른 부분과 비교하여 더 밝게 보이고, 동일한 부분이 도 2의 (c) 및 (d)에는 다른 부분과 비슷한 밝기로 보이는 형태로서, 중앙에 있는 원형 부분이 대동맥인 것을 확인할 수 있다.
또한, 도 2의 (d) 및 (d)에는 대동맥으로 추정되는 주변 부분에 복수의 원형 및 타원형 등의 형태가 보이지만, 도 2의 (a) 및 (b)에는 동일한 부분이 나타나 있지 않은 것으로 보아, 해당 부분은 정맥인 것으로 파악할 수 있다.
도 2의 (a), (b), (c) 및 (d)에서 확인된 바와 같이, 조영된 정맥을 포함하는 정맥 추출용 영상 데이터라 하더라도, 동맥 부분을 확인할 수 있다.
따라서, 동맥 추출용 영상 데이터 및 정맥 추출용 영상 데이터를 획득하여 정합할 때에 동맥을 기준으로 하여 정합할 수 있다.
동맥을 기준으로 하여 동맥 추출용 영상 데이터 및 정맥 추출용 영상 데이터를 정합하는 방법에 대한 자세한 설명은 후술한다.
컴퓨터가 정합 기준 지점을 이용하여 혈관 장기 모델을 생성하는 단계(S200)는 컴퓨터가 획득한 동맥 추출용 영상 데이터 및 정맥 추출용 영상 데이터를 기반으로 정합 기준 지점을 탐색하고, 정합 기준 지점을 이용하여 혈관 장기 모델을 생성하는 것이다.동맥 추출용 영상 데이터와 정맥 추출용 영상 데이터는 동시간에 획득한 것이 아니므로 환자 신체의 위치 정보가 어긋날 수 있다. 동맥 추출용 영상 데이터와 정맥 추출용 영상 데이터를 기반으로 정합 과정을 거치지 않는다면, 환자 신체 내부의 혈관 상태를 정확하게 재현하기 어려운 문제점이 있다.
도 3을 참고하면, 도 3의 (a)는 동맥을 도시한 도면이며, 도 3의 (b)는 정합을 실시하지 않은 동맥과 정맥의 상태이고, 도 3의 (c)는 정합을 실시한 동맥과 정맥의 상태를 나타낸 도면이다.
도 3의 (b)와 (c)를 비교하기 위하여, 중앙에 표시한 원형안의 혈관 상태를 살펴보면, 동일한 위치의 중앙 원형 안의 혈관 상태는, 도 3의 (b)에서는 혈관과 혈관이 서로 뚫고 나가는 모습이 확인되며, 도 3의 (c)에서는 혈관이 서로를 뚫고 나가지 않으며, 잘 어우러져 있는 모습을 확인할 수 있다.
도 3을 참고하여 볼 때, 다른 시간에 획득한 동맥 추출용 영상 데이터와 정맥 추출용 영상 데이터는 완전하게 일치할 수 없으므로 반드시 정합 과정이 필요하다. 또한, 정확한 정합을 위하여 정합 기준 지점이 필요하다.
정합 기준 지점은 미리 설정되어 있거나, 사용자 등이 지정할 수 있다.
바람직하게는 정합 기준 지점은 복강 동맥(celiac axis)이며, 복강 동맥은 동맥에서 분기점에 해당된다.
복강 동맥과 관련하여 자세한 것은 도 7에서 설명한다.
혈관 장기 모델을 생성하는 단계(S200)는 일 실시예로, 영상 데이터를 정합하여 혈관 장기 모델을 생성하고, 다른 실시예로, 각각의 영상 데이터를 이용한 혈관 모델을 정합하여 혈관 장기 모델을 생성한다.
혈관 장기 모델을 생성하는 단계(S200)의 각각의 실시예는 도 5 및 도 6에서 자세하게 후술한다.
혈관 장기 모델은, 동맥 추출용 영상 데이터 및 정맥 추출용 영상 데이터 중 어느 하나에서 얻어진 장기 영상 정보를 기반으로 장기를 모델링 하는 것을 포함한다.
혈관 장기 모델은 상술한 바와 같이 환자의 신체 내부의 혈관 및 장기와 동일한 위치 및 크기 등으로 모델링 된 가상의 혈관 장기 모델이며, 따라서, 혈관뿐만 아니라 장기 또한 모델링이 필요하다.
혈관의 모델링의 경우에는, 동맥 추출용 영상 데이터 및 정맥 추출용 영상 데이터를 정합함으로써 혈관을 모델링하며, 장기의 모델링의 경우에는, 동맥 추출용 영상 데이터 및 정맥 추출용 영상 데이터 중 어느 하나에서 얻어진 장기 영상 정보를 기반으로 장기를 모델링 하는 것이다.
생성된 혈관 모델과 장기 모델을 정합하여 혈관 장기 모델을 생성한다.
동맥 추출용 영상 데이터에서는 장기의 형태 또한 함께 포함될 수 있으며, 정맥 추출용 영상 데이터에도 장기의 형태가 함께 포함될 수 있다.
따라서, 컴퓨터는 동맥 추출용 영상 데이터 및 정맥 추출용 영상 데이터 중 어느 하나에서 장기 영상 정보를 획득할 수 있고, 획득한 장기 영상 정보를 기반으로 하여 장기를 모델링한다.
컴퓨터가 가상 신체 모델을 생성하는 단계(S300)는 컴퓨터가 생성된 혈관 장기 모델을 기반으로 기복 모델인 환자의 가상 신체 모델을 생성하는 것이다.
컴퓨터는 생성된 혈관 장기 모델에 수술 시에 기체를 주입하여 기복될 기복 상태를 반영한, 기복된 상태의 혈관 장기 상태를 나타내는 환자의 가상 신체 모델을 생성한다.
도 4를 참조하면, 도 4의 (a)는 기복하지 않은 신체 상태를 확인할 수 있으며, 도 4의 (b)는 기복 후 신체 상태를 확인할 수 있다.
도 4의 (a)와 도 4의 (b)의 혈관 및 장기의 형태와 배치 등이 서로 상이한 것을 확인할 수 있으므로, 기복하지 않은 신체 상태로서의 혈관 장기 모델을 기복 상태의 모델과 결합하여야 수술 시 환자 신체 내부의 혈관 및 장기의 상태를 그대로 가상 신체 모델로서 형성할 수 있다.
가상 신체 모델을 생성하는 단계(S300)는 일 실시예로, 혈관 장기 모델과 기복 표준 모델을 정합하여 환자의 가상 신체 모델을 생성하는 것이고, 다른 실시예로는 학습 모델을 활용하여 환자의 가상 신체 모델을 생성하는 것이다.
가상 신체 모델을 생성하는 방법 중 일 실시예인, 혈관 장기 모델과 기복 표준 모델을 정합하여 환자의 가상 신체 모델을 생성하는 방법은 도 9의 설명에서 후술하며, 다른 실시예인 학습 모델을 활용하여 환자의 가상 신체 모델을 생성하는 방법 또한 도 9의 설명 이후 후술한다.
도 5는 영상 데이터를 이용하여 혈관 장기 모델을 생성하는 방법을 설명하기 위한 도면이다.
도 6은 각각의 혈관 모델을 정합하여 혈관 장기 모델을 생성하는 방법을 설명하기 위한 도면이다.
도 7은 본 발명의 정합 기준 지점의 일 실시예를 설명하기 위한 도면이다.
도 5를 참조하면, 영상 데이터를 이용하여 혈관 장기 모델을 생성하는 방법은, 컴퓨터가 동맥 추출용 영상 데이터 및 정맥 추출용 영상 데이터를 축방향(axial 방향)으로 설정하여, 각각의 영상 프레임 상에서 대동맥의 지점을 각각 추출하는 단계(S210), 컴퓨터가 동맥 지점을 기준으로 각각의 영상 프레임을 연속적으로 변화시키면서 정합 기준 지점을 탐색하는 단계(S220), 컴퓨터가 정합 기준 지점을 기반으로 동맥 추출용 영상 데이터와 정맥 추출용 영상 데이터를 정합하는 단계(S230) 및 컴퓨터가 정합된 영상 데이터를 이용하여 혈관 장기 모델을 생성하는 단계(S240)를 포함한다.
컴퓨터가 동맥 추출용 영상 데이터 및 정맥 추출용 영상 데이터의 영상 프레임 상에서 동맥 지점을 각각 추출하는 단계(S210)에서, 정맥 추출용 영상 데이터는 조영되지 않은 동맥을 포함하고, 동맥 추출용 영상 데이터는 조영되지 않은 정맥도 포함할 수 있다.
정맥 추출용 영상 데이터는 조영되지 않은 동맥도 포함하므로, 컴퓨터는 정맥 추출용 영상 데이터 상에서 동맥 지점을 추출할 수 있다.
따라서, 컴퓨터는 동맥 및 정맥 추출용 영상 데이터 각각의 복수의 프레임에서 동맥 지점을 추출한다.
컴퓨터가 동맥 지점을 기준으로 각각의 영상 프레임을 연속적으로 변화시키면서 정합 기준 지점을 탐색하는 단계(S220)는 컴퓨터가 대동맥 지점을 기준으로 각각의 영상 프레임을 환자의 머리에서 발 방향으로 연속적으로 하나의 프레임씩 변화시키면서 정합 기준 지점을 탐색하는 것이다.
정합 기준 지점은 미리 설정되어 있거나, 사용자 등이 지정할 수 있다.
바람직하게는 정합 기준 지점은 복강 동맥(celiac axis)이며, 복강 동맥은 동맥에서 분기점에 해당된다.
복강 동맥의 정합 기준 지점과 관련하여 도 7을 참조하면, 도 7은 동맥 혈관을 도시하고 있는 도면으로서, 혈관 상에서 작은 분기점으로 보이는 지점이 복강 동맥(10)에 해당한다.
복강 동맥(10)은 동맥 중 심장에서 출발하여 2번째 분기점에 해당한다.
복강 동맥(10)은 분기점으로써 정합 기준 지점이므로, 각각의 영상 프레임에서 혈관이 어떤 프레임에서 분기되었는지, 몇 번째 분기점인지를 확인함으로써 기준 지점인 복강 동맥(10)을 탐색할 수 있다.
따라서, 정합 기준 지점이 복강 동맥(celiac axis)인 경우, 정합 기준 지점을 탐색하는 단계는, 동맥 추출용 영상 데이터를 환자의 머리에서 발 방향으로 연속적으로 하나의 프레임씩 변화시키면서, 대동맥의 원형 가장 자리에 다른 원형이 돌출하는 첫 번째 레이어를 복강 동맥의 분기점으로 설정하고, 복강 동맥의 분기점의 제1 좌표를 기록하는 단계 및 정맥 추출용 영상 데이터를 환자의 머리에서 발 방향으로 연속적으로 하나의 프레임씩 변화시키면서, 대동맥의 원형 가장 자리에 다른 원형이 돌출하는 첫 번째 레이어를 복강 동맥의 분기점으로 설정하고, 복강 동맥의 분기점의 제2 좌표를 기록하는 단계를 포함한다.
또한, 이 때, 동맥 추출용 영상 데이터와 정맥 추출용 영상 데이터를 정합하는 단계는, 제1 좌표와 제2 좌표의 변위를 보정하며 동맥 추출용 영상 데이터와 정맥 추출용 영상 데이터를 정합한다. 정합 시, 회전은 고려하지 않고 정합한다.
컴퓨터가 정합 기준 지점을 기반으로 동맥 추출용 영상 데이터와 정맥 추출용 영상 데이터를 정합하는 단계(S230)는, 탐색하여 획득한 복강 동맥(10)을 기반으로 하여, 복강 동맥(10)이 위치한 영상 프레임을 기준으로 동맥 추출용 영상 데이터와 정맥 추출용 영상 데이터를 정합한다.
컴퓨터가 정합된 영상 데이터를 이용하여 혈관 장기 모델을 생성하는 단계(S240)는, 동맥 추출용 영상 데이터와 정맥 추출용 영상 데이터를 정합한 영상 데이터를 기준으로 하여 환자의 혈관 및 장기 배치를 나타내는 혈관 장기 모델을 생성하는 것이다.
영상 데이터를 이용하여 혈관 장기 모델을 생성하는 방법과는 다르게, 각각의 동맥 추출용 영상 데이터와 정맥 추출용 영상 데이터를 이용하여 생성된 혈관 모델을 정합하여 혈관 장기 모델을 생성하는 방법은 도 6을 참조할 수 있다.
도 6을 참조하면, 각각의 혈관 모델을 정합하여 혈관 장기 모델을 생성하는 방법은, 컴퓨터가 제1 혈관 모델과 제2 혈관 모델 상에서 정합 기준 지점을 탐색하는 단계(S250) 및 컴퓨터가 정합 기준 지점을 이용하여 제1 혈관 모델, 제2 혈관 모델 및 장기 모델을 정합하여 혈관 장기 모델을 생성하는 단계(S260)를 포함한다.
컴퓨터가 제1 혈관 모델과 제2 혈관 모델 상에서 정합 기준 지점을 탐색하는 단계(S250)는 컴퓨터가 동맥 추출용 영상 데이터를 기반으로 한 제1 혈관 모델과 정맥 추출용 영상 데이터를 기반으로 한 제2 혈관 모델 상에서 정합 기준 지점을 탐색하는 것이다.
구체적으로 설명하면, 먼저 컴퓨터가 동맥 추출용 영상 데이터를 기반으로 3차원 제1 혈관 모델을 생성하고, 정맥 추출용 영상 데이터를 기반으로 3차원 제2 혈관 모델을 생성한다.
정맥 추출용 영상 데이터는 조영되지 않은 동맥도 포함하므로, 제2 혈관 모델 생성 시, 동맥 또한 함께 생성한다.
각각 생성된 3차원 제1 혈관 모델 및 제2 혈관 모델의 정합시에도 기준이 되는 정합 기준 지점을 기반으로 하여 정합하여야 하는데, 이 때에도 복강 동맥을 정합 기준 지점으로써 제1 혈관 모델 및 제2 혈관 모델을 정합할 수 있다.
각각 생성된 3차원 제1 혈관 모델 및 제2 혈관 모델에서 컴퓨터가 정합 기준 지점으로써 분기점인 복강 동맥을 추출하여 정합을 수행하여야 한다.
컴퓨터가 정합 기준 지점인 복강 동맥을 추출하는 방법은, 도 5을 참조하면, 각각의 제1 혈관 모델 및 제2 혈관 모델에 모두 적용이 가능하며, 컴퓨터가 혈관 모델 상의 360° 각각의 지점에서의 법선 벡터가 혈관 모델의 외벽과 접촉하는 부분을 파악한다.
컴퓨터는 혈관 모델의 외벽과 접촉하는 복수의 법선 벡터를 기반으로 하여 혈관의 단면의 길이가 긴 것을 대동맥으로 파악한다.
대동맥이 어떤 것인지 파악이 된 후에는, 컴퓨터는 대동맥을 기준으로 하여 계속 혈관 모델 상의 360° 각각의 지점에서의 법선 벡터가 혈관 모델의 외벽과 접촉하는 부분을 파악하는 것을 반복한다.
분기점이 없는 혈관과 비교하여, 복강 동맥인 분기점의 부분에서는 외벽과 접촉하는 법선 벡터가 점차적으로 매우 길게 나타나며, 따라서 법선 벡터의 길이를 기반으로 하여 분기점이 어느 부분부터 시작되어 어느 부분까지 존재하는지 등 또한 파악될 수 있다.컴퓨터가 정합 기준 지점을 이용하여 제1 혈관 모델, 제2 혈관 모델 및 장기 모델을 정합하여 혈관 장기 모델을 생성하는 단계(S260)에서 장기 모델은 동맥 추출용 영상 데이터 및 상기 정맥 추출용 영상 데이터 중 어느 하나에서 얻어진 장기 영상 정보를 기반으로 모델링 된 장기 모델이다.
컴퓨터가 제1 혈관 모델과 제2 혈관 모델 상에서 정합 기준 지점을 탐색하는 단계(S250)에서 추출된 정합 기준 지점인 복강 동맥을 이용하여, 컴퓨터가 각각 생성된 제1 혈관 모델, 제2 혈관 모델 및 장기 모델을 정합함으로써 환자의 신체 내부와 동일한 혈관 장기 모델을 생성한다.
도 9는 가상 신체 모델의 생성에 있어서 기준이 되는 지점과, 수술 시 가상 신체 모델과 비교하여 실제 환자의 신체에 대하여 적용하는 기준 지점을 설명하기 위한 도면이다.
도 9는 신체를 나타낸 도면으로서, 도 9를 참조하면, 신체 내부(혈관 장기 모델, 기복 표준 모델 또는 가상 신체 모델의 내부)는 검상돌기(xiphoid process)(20), 우측 상전장골극(right anterior superior iliac spine)(30), 좌측 상전장골극(left anterior superior iliac spine)(40) 및 배꼽(50)을 포함한다.
각각의 지점들에 대한 구체적인 설명은 가상 신체 모델의 생성 방법과 함께 설명한다.
가상 신체 모델을 생성하는 방법 중 일 실시예인, 혈관 장기 모델과 기복 표준 모델을 정합하여 환자의 가상 신체 모델을 생성하는 방법에 대하여 이하 설명한다.
기복 표준 모델은 환자의 나이, 성별 및 신체 조건을 기반으로 하여 표준이 되는 기복 모델인데, 신체조건은 환자의 키, 몸무게, BMI 등 기초적인 신체 조건을 의미한다.
환자의 키, 몸무게, BMI 등이 일치한다고 하여도 각각의 환자마다 구체적인 신체 조건이 상이할 수 있으며, 상체가 더 길거나 하체가 더 긴 경우, 흉통이 양 옆으로 넓은 경우 또는 흉통이 앞뒤로 넓은 경우 등의 경우에는 기복 표준 모델과 환자의 신체가 완벽하게 일치할 수는 없다.
환자의 혈관 장기 모델과 환자의 기초적인 신체조건을 기반으로 한 기복 표준 모델 정합시에 형태가 일치하지 않는 경우에는 정합할 수가 없다.
따라서, 혈관 장기 모델과 기복 표준 모델의 형태가 상이할 수 있으므로, 혈관 장기 모델과 기복 표준 모델의 정합 시, 정합에 있어 기준이 되는 지점이 필요하다.
정합에 있어 기준이 되는 지점은 변경되지 않는 지점으로써, 최소 3개 이상의 지점이 필요하다.
정합에 있어 기준이 되는 지점은 일 실시예로, 혈관 장기 모델과 기복 표준모델에서, 검상돌기(xiphoid process)(20), 우측 상전장골극(right anterior superior iliac spine)(30) 및 좌측 상전장골극(left anterior superior iliac spine)(40)의 3개의 지점이다.
검상돌기는 사람의 갈비뼈 사이의 복장뼈의 아래 끝에 위치하는 작은 연골조직으로서 청소년기 이후에는 움직임이 없는 섬유화 관절이다.
우측 상전장골극과 좌측 상전장골극은 흔히 일반적으로 골반뼈 중 전단으로 튀어나와 있는 뼈를 의미하는 것으로, 피하에서 잘 촉지할 수 있다.
검상돌기와 우측 상전장골극 및 좌측 상전장골극은 환자의 체부위를 결정하는 목표 지점으로서 활용한다면 혈관 장기 모델과 기복 표준 모델의 정확한 정합을 수행할 수 있다.
따라서, 혈관 장기 모델과 기복 표준 모델을 정합하여 환자의 가상 신체 모델을 생성하는 방법은 혈관 장기 모델과 기복 표준 모델 각각에서 검상돌기(xiphoid process)(20), 우측 상전장골극(right anterior superior iliac spine)(30) 및 좌측 상전장골극(left anterior superior iliac spine)(40)의 3개의 지점을 추출하여, 3개의 지점을 기반으로 하여 혈관 장기 모델과 기복 표준 모델을 정합시킴으로써 환자의 가상 신체 모델을 생성하는 것이다.
3개의 지점을 기반으로 하여 혈관 장기 모델과 기복 표준 모델을 정합시키는 방법은, 3개의 지점을 기반으로 하여 비교할 때, 기복 표준 모델에 비하여 환자의 혈관 장기 모델의 형태가 신체의 상하(y축) 또는 좌우(x축)으로 얼마나 늘어나는지를 확인하여, 상하 또는 좌우로 늘어나는 비율만큼 신체의 앞뒤(z축)로 부푸는 정도 또한 늘려주어 정합시킨다.
또한, 가상 신체 모델의 생성 시, 환자의 실제 배꼽 위치와 동일한 위치에 가상 신체 모델 상에 배꼽(50)의 위치를 지정한다.
배꼽(50)의 위치는 복강경 수술 시, 내시경 카메라가 들어가는 위치를 잡는 기준으로써, 가상 신체 모델에 배꼽(50)이 없다면, 가상 신체 모델을 기반으로 하여 수술의 시뮬레이션을 실시하였다 하더라도, 실제 수술에서 내시경 카메라가 들어가는 위치를 동일하게 잡기 어렵다.
따라서, 배꼽(50)의 위치 또한 가상 신체 모델에 지정함으로써, 수술의 시뮬레이션에서 실시하였던 동일한 위치상에 내시경 카메라를 삽입할 수 있는 효과가 있다.
가상 신체 모델의 생성 시, 환자의 실제 배꼽 위치와 동일한 위치에 가상 신체 모델 상에 배꼽(50)의 위치를 지정하는 것은, 후술하는 학습 모델을 활용한 환자의 가상 신체 모델을 생성하는 방법에도 동일하게 적용된다.
가상 신체 모델을 생성하는 방법의 다른 실시예인 학습 모델을 활용하여 환자의 가상 신체 모델을 생성하는 방법은, 환자의 의료 영상 데이터를 가상 신체 모델 생성의 학습 모델에 적용함으로써, 환자의 수술시 장기의 배치 또는 기복 상태를 예측하여 환자의 가상 신체 모델을 생성하는 것이다.
학습 모델은, 수술 받은 복수의 대상체에서 획득된 의료 영상 데이터를 기반으로 하여 생성된 기본 가상 신체 모델 및 기복 상태 가상 신체모델을 매칭하여 학습 데이터셋으로 구축하여 학습을 수행한 것이다.
기본 가상 신체 모델은, 수술 전 정자세 또는 수술 자세로 촬영된 의료 영상 데이터를 기반으로 생성된다.
기복 상태 가상 신체 모델은, 수술 시 수술자세로 기복 상태가 적용된 기복 상태 영상 데이터를 기반으로 생성된다.
즉, 학습 모델은 학습의 수행을 통해, 수술 전 정자세로 촬영된 의료 영상 데이터를 기반으로 하여 수술 시 수술 자세로 기복 상태가 적용된 기복 상태 가상 신체 모델을 예측할 수 있도록 제공하고, 수술 전 수술자세로 촬영된 의료 영상 데이터를 기반으로 하여 수술 시 수술 자세로 기복 상태가 적용된 기복 상태 가상 신체 모델을 예측할 수 있도록 제공하는 것이다.
따라서, 수술 전 촬영된 환자의 영상 데이터가 정자세이든 수술 자세이든 학습 모델을 통하여 수술 시의 수술 자세로 기복 상태가 적용된 가상 신체 모델을 생성할 수 있다.
학습 모델을 이용하여 가상 신체 모델을 생성하는 것은, 일 실시예로, 환자의 의료 영상 데이터가 수술 전 수술자세로 촬영된 의료 영상 데이터인 경우, 컴퓨터가 환자의 수술 전 수술자세로 촬영된 의료 영상 데이터를 가상 신체 모델 생성의 학습 모델에 적용함으로써, 환자의 수술 시 기복 상태 구현에 따른 환자의 신체 표면 외형 변화 및 기복 상태 구현에 따른 장기 배치 변화 중 적어도 하나가 적용된 환자의 가상 신체 모델을 생성하는 것이다.
다른 실시예로, 환자의 의료 영상 데이터가 수술 전 정자세로 촬영된 의료 영상 데이터인 경우, 환자의 수술 전 정자세로 촬영된 의료 영상 데이터를 가상 신체 모델 생성의 학습 모델에 적용함으로써, 수술자세에 따른 장기 배치, 환자의 수술 시 기복 상태 구현에 따른 환자의 신체 표면 외형 변화 및 기복 상태 구현에 따른 장기 배치 변화 중 적어도 하나가 적용된 환자의 가상 신체 모델을 생성하는 것이다.
이상에서 전술한 본 발명의 일 실시예에 따른 가상 신체 모델 구축 방법은, 하드웨어인 컴퓨터와 결합되어 실행되기 위해 컴퓨터 프로그램(또는 어플리케이션)으로 구현되어 매체에 저장될 수 있다.
본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.
이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 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, 제한적이 아닌 것으로 이해해야만 한다.
10 : 복강 동맥
20 : 검상돌기
30 : 우측 상전장골극
40 : 좌측 상전장골극
50 : 배꼽
20 : 검상돌기
30 : 우측 상전장골극
40 : 좌측 상전장골극
50 : 배꼽
Claims (12)
- 컴퓨터가 환자의 동맥 추출용 영상 데이터 및 정맥 추출용 영상 데이터를 획득하는 단계;
상기 컴퓨터가 획득한 상기 동맥 추출용 영상 데이터 및 상기 정맥 추출용 영상 데이터를 기반으로 정합 기준 지점을 탐색하고, 상기 정합 기준 지점을 이용하여 혈관 장기 모델을 생성하는 단계;
상기 컴퓨터가 생성된 상기 혈관 장기 모델을 기반으로 기복 모델인 상기 환자의 가상 신체 모델을 생성하는 단계를 포함하고,
상기 동맥 추출용 영상 데이터는 조영된 동맥을 포함하고,
상기 정맥 추출용 영상 데이터는 조영된 정맥을 포함하고,
상기 혈관 장기 모델은,
상기 동맥 추출용 영상 데이터 및 상기 정맥 추출용 영상 데이터 중 어느 하나에서 얻어진 장기 영상 정보를 기반으로 장기를 모델링 하는 것이고,
상기 혈관 장기 모델을 생성하는 단계는,
상기 컴퓨터가 상기 동맥 추출용 영상 데이터 및 상기 정맥 추출용 영상 데이터를 축방향(axial 방향)으로 설정하여, 각각의 영상 프레임 상에서 대동맥의 지점을 각각 추출하는 단계;
상기 컴퓨터가 상기 대동맥 지점을 기준으로 각각의 상기 영상 프레임을 상기 환자의 머리에서 발 방향으로 연속적으로 하나의 프레임씩 변화시키면서 상기 정합 기준 지점을 탐색하는 단계;
상기 컴퓨터가 탐색하여 추출된 상기 정합 기준 지점을 기반으로 상기 동맥 추출용 영상 데이터와 상기 정맥 추출용 영상 데이터를 정합하는 단계; 및
상기 컴퓨터가 정합된 영상 데이터를 이용하여 상기 혈관 장기 모델을 생성하는 단계를 포함하고,
상기 정맥 추출용 영상 데이터는 조영되지 않은 동맥도 포함하는 것인,
가상 신체 모델 구축 방법. - 제1항에 있어서,
상기 정합 기준 지점이 복강 동맥(celiac axis)인 경우,
상기 정합 기준 지점을 탐색하는 단계는,
상기 동맥 추출용 영상 데이터를 상기 환자의 머리에서 발 방향으로 연속적으로 하나의 프레임씩 변화시키면서, 대동맥의 원형 가장 자리에 다른 원형이 돌출하는 첫 번째 레이어를 복강 동맥의 분기점으로 설정하고, 상기 복강 동맥의 분기점의 제1 좌표를 기록하는 단계; 및
상기 정맥 추출용 영상 데이터를 상기 환자의 머리에서 발 방향으로 연속적으로 하나의 프레임씩 변화시키면서, 대동맥의 원형 가장 자리에 다른 원형이 돌출하는 첫 번째 레이어를 복강 동맥의 분기점으로 설정하고, 상기 복강 동맥의 분기점의 제2 좌표를 기록하는 단계를 포함하고,
상기 동맥 추출용 영상 데이터와 상기 정맥 추출용 영상 데이터를 정합하는 단계는,
상기 제1 좌표와 상기 제2 좌표의 변위를 보정하며 상기 동맥 추출용 영상 데이터와 상기 정맥 추출용 영상 데이터를 정합하되, 회전과는 무관하게 정합하는 것인,
가상 신체 모델 구축 방법. - 컴퓨터가 환자의 동맥 추출용 영상 데이터 및 정맥 추출용 영상 데이터를 획득하는 단계;
상기 컴퓨터가 획득한 상기 동맥 추출용 영상 데이터 및 상기 정맥 추출용 영상 데이터를 기반으로 정합 기준 지점을 탐색하고, 상기 정합 기준 지점을 이용하여 혈관 장기 모델을 생성하는 단계;
상기 컴퓨터가 생성된 상기 혈관 장기 모델을 기반으로 기복 모델인 상기 환자의 가상 신체 모델을 생성하는 단계를 포함하고,
상기 동맥 추출용 영상 데이터는 조영된 동맥을 포함하고,
상기 정맥 추출용 영상 데이터는 조영된 정맥을 포함하고,
상기 혈관 장기 모델은,
상기 동맥 추출용 영상 데이터 및 상기 정맥 추출용 영상 데이터 중 어느 하나에서 얻어진 장기 영상 정보를 기반으로 장기를 모델링 하는 것이고,
상기 혈관 장기 모델을 생성하는 단계는,
상기 컴퓨터가 상기 동맥 추출용 영상 데이터를 기반으로 한 제1 혈관 모델과 상기 정맥 추출용 영상 데이터를 기반으로 한 제2 혈관 모델 상에서 상기 정합 기준 지점을 탐색하는 단계; 및
상기 컴퓨터가 상기 정합 기준 지점을 이용하여 상기 제1 혈관 모델, 상기 제2 혈관 모델 및 상기 모델링 된 장기 모델을 정합하여 상기 혈관 장기 모델을 생성하는 단계를 포함하고,
상기 정합 기준 지점을 탐색하는 것은,
혈관 모델 상의 360° 각각의 지점에서의 법선 벡터가 상기 혈관 모델의 외벽과 접촉하는 부분을 파악하고,
혈관 단면의 길이가 가장 긴 대동맥을 기준으로 하여, 상기 대동맥부터 혈관 모델 상의 360° 각각의 지점에서의 법선 벡터가 상기 혈관 모델의 외벽과 접촉하는 부분을 파악하는 것을 반복함으로써 상기 정합 기준 지점을 탐색하는 것인,
가상 신체 모델 구축 방법. - 컴퓨터가 환자의 동맥 추출용 영상 데이터 및 정맥 추출용 영상 데이터를 획득하는 단계;
상기 컴퓨터가 획득한 상기 동맥 추출용 영상 데이터 및 상기 정맥 추출용 영상 데이터를 기반으로 정합 기준 지점을 탐색하고, 상기 정합 기준 지점을 이용하여 혈관 장기 모델을 생성하는 단계;
상기 컴퓨터가 생성된 상기 혈관 장기 모델을 기반으로 기복 모델인 상기 환자의 가상 신체 모델을 생성하는 단계를 포함하고,
상기 동맥 추출용 영상 데이터는 조영된 동맥을 포함하고,
상기 정맥 추출용 영상 데이터는 조영된 정맥을 포함하고,
상기 혈관 장기 모델은,
상기 동맥 추출용 영상 데이터 및 상기 정맥 추출용 영상 데이터 중 어느 하나에서 얻어진 장기 영상 정보를 기반으로 장기를 모델링 하는 것이고,
상기 환자의 가상 신체 모델을 생성하는 단계는,
상기 혈관 장기 모델과 기복 표준 모델을 정합하여 상기 환자의 가상 신체 모델을 생성하는 것으로서,
상기 혈관 장기 모델과 기복 표준 모델에서, 검상돌기(xiphoid process), 우측 상전장골극(right anterior superior iliac spine) 및 좌측 상전장골극(left anterior superior iliac spine)의 3개의 지점을 추출하여 상기 혈관 장기 모델과 상기 기복 표준 모델을 정합시킴으로써 상기 환자의 가상 신체 모델을 생성하는 것이고,
상기 기복 표준 모델은 환자의 나이, 성별 및 신체 조건을 기반으로 하여 표준이 되는 기복 모델인,
가상 신체 모델 구축 방법. - 컴퓨터가 환자의 동맥 추출용 영상 데이터 및 정맥 추출용 영상 데이터를 획득하는 단계;
상기 컴퓨터가 획득한 상기 동맥 추출용 영상 데이터 및 상기 정맥 추출용 영상 데이터를 기반으로 정합 기준 지점을 탐색하고, 상기 정합 기준 지점을 이용하여 혈관 장기 모델을 생성하는 단계;
상기 컴퓨터가 생성된 상기 혈관 장기 모델을 기반으로 기복 모델인 상기 환자의 가상 신체 모델을 생성하는 단계를 포함하고,
상기 동맥 추출용 영상 데이터는 조영된 동맥을 포함하고,
상기 정맥 추출용 영상 데이터는 조영된 정맥을 포함하고,
상기 혈관 장기 모델은,
상기 동맥 추출용 영상 데이터 및 상기 정맥 추출용 영상 데이터 중 어느 하나에서 얻어진 장기 영상 정보를 기반으로 장기를 모델링 하는 것이고,
상기 환자의 가상 신체 모델을 생성하는 단계는,
상기 환자의 의료 영상 데이터를 가상 신체 모델 생성의 학습 모델에 적용함으로써, 상기 환자의 수술 시 장기의 배치 또는 기복 상태를 예측하여 상기 환자의 가상 신체 모델을 생성하는 것을 포함하는,
가상 신체 모델 구축 방법. - 제1항, 제3항, 제4항 및 제5항 중 어느 한 항에 있어서,
상기 정합 기준 지점은 복강 동맥(celiac axis)이며, 상기 복강 동맥은 분기점인 것을 특징으로 하는,
가상 신체 모델 구축 방법. - 제5항에 있어서,
상기 환자의 가상 신체 모델을 생성하는 단계는,
상기 환자의 의료 영상 데이터가 수술 전 수술자세로 촬영된 의료 영상 데이터인 경우,
상기 환자의 수술 전 수술자세로 촬영된 의료 영상 데이터를 가상 신체 모델 생성의 학습 모델에 적용함으로써, 상기 환자의 수술 시 기복 상태 구현에 따른 환자의 신체 표면 외형 변화 및 기복 상태 구현에 따른 장기 배치 변화 중 적어도 하나가 적용된 상기 환자의 가상 신체 모델을 생성하는 것인,
가상 신체 모델 구축 방법. - 제5항에 있어서,
상기 환자의 가상 신체 모델을 생성하는 단계는,
상기 환자의 의료 영상 데이터가 수술 전 정자세로 촬영된 의료 영상 데이터인 경우,
상기 환자의 수술 전 정자세로 촬영된 의료 영상 데이터를 가상 신체 모델 생성의 학습 모델에 적용함으로써, 수술자세에 따른 장기 배치, 상기 환자의 수술 시 기복 상태 구현에 따른 환자의 신체 표면 외형 변화 및 기복 상태 구현에 따른 장기 배치 변화 중 적어도 하나가 적용된 상기 환자의 가상 신체 모델을 생성하는 것인,
가상 신체 모델 구축 방법. - 제5항에 있어서,
상기 학습 모델은,
수술 받은 복수의 대상체에서 획득된 의료 영상 데이터로서, 수술 전 정자세 또는 수술 자세로 촬영된 의료 영상 데이터 및 수술 시 기복 상태 영상 데이터를 기반으로 하여,
기본 가상 신체 모델은, 수술 전 정자세 또는 수술 자세로 촬영된 의료 영상 데이터를 기반으로 생성하고,
기복 상태 가상 신체 모델은, 수술 시 수술자세로 기복 상태가 적용된 기복 상태 영상 데이터를 기반으로 생성하여,
상기 복수의 대상체에 대하여 상기 기본 가상 신체 모델 및 상기 기복 상태 가상 신체 모델을 매칭하여 학습 데이터셋을 구축하고,
구축된 상기 학습 데이터셋을 이용하여 학습을 수행한 것인,
가상 신체 모델 구축 방법. - 하드웨어인 컴퓨터와 결합되어, 제1항 내지 제5항, 제7항 내지 제9항 중 어느 한 항의 방법을 실행시키기 위해 매체에 저장된, 가상 신체 모델 구축 컴퓨터 프로그램.
- 삭제
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/KR2019/002089 WO2019164271A1 (ko) | 2018-02-20 | 2019-02-20 | 가상신체모델 생성 방법 및 장치 |
Applications Claiming Priority (6)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR20180019868 | 2018-02-20 | ||
| KR1020180019868 | 2018-02-20 | ||
| KR1020180019867 | 2018-02-20 | ||
| KR20180019867 | 2018-02-20 | ||
| KR1020180019866 | 2018-02-20 | ||
| KR20180019866 | 2018-02-20 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102013863B1 true KR102013863B1 (ko) | 2019-08-23 |
Family
ID=67763730
Family Applications (21)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180098358A KR102014385B1 (ko) | 2018-02-20 | 2018-08-23 | 수술영상 학습 및 학습 기반 수술동작 인식 방법 및 장치 |
| KR1020180098360A KR102014355B1 (ko) | 2018-02-20 | 2018-08-23 | 수술도구의 위치 정보 산출 방법 및 장치 |
| KR1020180098413A KR102018565B1 (ko) | 2018-02-20 | 2018-08-23 | 수술 시뮬레이션 정보 구축 방법, 장치 및 프로그램 |
| KR1020180098359A KR102014359B1 (ko) | 2018-02-20 | 2018-08-23 | 수술영상 기반 카메라 위치 제공 방법 및 장치 |
| KR1020180109204A KR102014377B1 (ko) | 2018-02-20 | 2018-09-12 | 학습 기반 수술동작 인식 방법 및 장치 |
| KR1020180115328A KR102013868B1 (ko) | 2018-02-20 | 2018-09-27 | 수술 최적화 방법 및 장치 |
| KR1020180122454A KR102014351B1 (ko) | 2018-02-20 | 2018-10-15 | 수술정보 구축 방법 및 장치 |
| KR1020180122949A KR102013806B1 (ko) | 2018-02-20 | 2018-10-16 | 인공데이터 생성 방법 및 장치 |
| KR1020180130229A KR102013866B1 (ko) | 2018-02-20 | 2018-10-29 | 실제수술영상을 이용한 카메라 위치 산출 방법 및 장치 |
| KR1020180129709A KR102014364B1 (ko) | 2018-02-20 | 2018-10-29 | 수술영상을 이용한 출혈 평가 방법 및 장치 |
| KR1020180131478A KR102013837B1 (ko) | 2018-02-20 | 2018-10-31 | 수술영상 제공 방법 및 장치 |
| KR1020180135578A KR20190100004A (ko) | 2018-02-20 | 2018-11-07 | 수술정보 활용 방법 및 장치 |
| KR1020180135590A KR102016959B1 (ko) | 2018-02-20 | 2018-11-07 | 혈관 모델 생성 방법 및 장치 |
| KR1020180140050A KR20190100009A (ko) | 2018-02-20 | 2018-11-14 | 수술영상 제공 방법 및 장치 |
| KR1020180143367A KR102013857B1 (ko) | 2018-02-20 | 2018-11-20 | 수술영상을 기초로 학습데이터를 생성하는 방법 및 장치 |
| KR1020180145157A KR102013828B1 (ko) | 2018-02-20 | 2018-11-22 | 수술영상을 기초로 수술시간을 예측하는 방법 및 장치 |
| KR1020180145177A KR20190100011A (ko) | 2018-02-20 | 2018-11-22 | 수술영상을 이용한 수술정보 제공 방법 및 장치 |
| KR1020180147015A KR102014371B1 (ko) | 2018-02-20 | 2018-11-26 | 수술영상의 인식도 평가 방법 및 장치 |
| KR1020180149293A KR102013848B1 (ko) | 2018-02-20 | 2018-11-28 | 혈관 모델을 이용한 혈관 정보 제공 방법 및 장치 |
| KR1020180153569A KR102013814B1 (ko) | 2018-02-20 | 2018-12-03 | 수술영상을 이용한 가상신체모델 생성 방법 및 장치 |
| KR1020180155562A KR102013863B1 (ko) | 2018-02-20 | 2018-12-05 | 가상 신체 모델 구축 방법 및 프로그램 |
Family Applications Before (20)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180098358A KR102014385B1 (ko) | 2018-02-20 | 2018-08-23 | 수술영상 학습 및 학습 기반 수술동작 인식 방법 및 장치 |
| KR1020180098360A KR102014355B1 (ko) | 2018-02-20 | 2018-08-23 | 수술도구의 위치 정보 산출 방법 및 장치 |
| KR1020180098413A KR102018565B1 (ko) | 2018-02-20 | 2018-08-23 | 수술 시뮬레이션 정보 구축 방법, 장치 및 프로그램 |
| KR1020180098359A KR102014359B1 (ko) | 2018-02-20 | 2018-08-23 | 수술영상 기반 카메라 위치 제공 방법 및 장치 |
| KR1020180109204A KR102014377B1 (ko) | 2018-02-20 | 2018-09-12 | 학습 기반 수술동작 인식 방법 및 장치 |
| KR1020180115328A KR102013868B1 (ko) | 2018-02-20 | 2018-09-27 | 수술 최적화 방법 및 장치 |
| KR1020180122454A KR102014351B1 (ko) | 2018-02-20 | 2018-10-15 | 수술정보 구축 방법 및 장치 |
| KR1020180122949A KR102013806B1 (ko) | 2018-02-20 | 2018-10-16 | 인공데이터 생성 방법 및 장치 |
| KR1020180130229A KR102013866B1 (ko) | 2018-02-20 | 2018-10-29 | 실제수술영상을 이용한 카메라 위치 산출 방법 및 장치 |
| KR1020180129709A KR102014364B1 (ko) | 2018-02-20 | 2018-10-29 | 수술영상을 이용한 출혈 평가 방법 및 장치 |
| KR1020180131478A KR102013837B1 (ko) | 2018-02-20 | 2018-10-31 | 수술영상 제공 방법 및 장치 |
| KR1020180135578A KR20190100004A (ko) | 2018-02-20 | 2018-11-07 | 수술정보 활용 방법 및 장치 |
| KR1020180135590A KR102016959B1 (ko) | 2018-02-20 | 2018-11-07 | 혈관 모델 생성 방법 및 장치 |
| KR1020180140050A KR20190100009A (ko) | 2018-02-20 | 2018-11-14 | 수술영상 제공 방법 및 장치 |
| KR1020180143367A KR102013857B1 (ko) | 2018-02-20 | 2018-11-20 | 수술영상을 기초로 학습데이터를 생성하는 방법 및 장치 |
| KR1020180145157A KR102013828B1 (ko) | 2018-02-20 | 2018-11-22 | 수술영상을 기초로 수술시간을 예측하는 방법 및 장치 |
| KR1020180145177A KR20190100011A (ko) | 2018-02-20 | 2018-11-22 | 수술영상을 이용한 수술정보 제공 방법 및 장치 |
| KR1020180147015A KR102014371B1 (ko) | 2018-02-20 | 2018-11-26 | 수술영상의 인식도 평가 방법 및 장치 |
| KR1020180149293A KR102013848B1 (ko) | 2018-02-20 | 2018-11-28 | 혈관 모델을 이용한 혈관 정보 제공 방법 및 장치 |
| KR1020180153569A KR102013814B1 (ko) | 2018-02-20 | 2018-12-03 | 수술영상을 이용한 가상신체모델 생성 방법 및 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (21) | KR102014385B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023136695A1 (ko) * | 2022-01-17 | 2023-07-20 | (주)휴톰 | 환자의 가상 폐 모델을 생성하는 장치 및 방법 |
Families Citing this family (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102301234B1 (ko) * | 2019-09-20 | 2021-09-09 | 울산대학교 산학협력단 | 수술 영상 제공 시스템 및 그 방법 |
| US11992373B2 (en) * | 2019-12-10 | 2024-05-28 | Globus Medical, Inc | Augmented reality headset with varied opacity for navigated robotic surgery |
| KR102246966B1 (ko) * | 2020-01-29 | 2021-04-30 | 주식회사 아티큐 | 신체의 목적 타겟 위치 확인 방법 |
| KR102321157B1 (ko) * | 2020-04-10 | 2021-11-04 | (주)휴톰 | 수술 후 수술과정 분석 방법 및 시스템 |
| WO2021235804A1 (ko) * | 2020-05-18 | 2021-11-25 | 주식회사 루닛 | 메디컬 장치의 이상을 결정하는 방법 및 시스템 |
| KR102348368B1 (ko) * | 2020-05-21 | 2022-01-11 | 주식회사 누아 | 머신러닝 모델의 학습 데이터 생성과 머신러닝 모델을 이용한 유사 이미지 생성을 위한 장치, 방법, 시스템 및 컴퓨터 판독가능 저장 매체 |
| KR102395873B1 (ko) * | 2020-06-02 | 2022-05-10 | 주식회사 메디픽셀 | 자동으로 혈관 영상을 처리하는 방법 및 장치 |
| KR102426925B1 (ko) * | 2020-06-23 | 2022-07-29 | (주)휴톰 | 3d 시뮬레이션을 활용한 수술로봇의 동작 정보를 획득하는 방법 및 프로그램 |
| KR102505016B1 (ko) * | 2020-08-03 | 2023-03-02 | (주)휴톰 | 수술영상 내 단위동작의 서술정보 생성 시스템 및 그 방법 |
| WO2022035237A1 (ko) * | 2020-08-11 | 2022-02-17 | (주)휴톰 | 수술 도구 및 장기 인식 학습 훈련을 위한 학습 데이터 수집 장치 및 방법 |
| KR102517398B1 (ko) * | 2020-11-20 | 2023-04-04 | 주식회사 엔가든 | 잠금 나사 삽입홀 검출 방법 |
| CN112712878A (zh) * | 2020-12-30 | 2021-04-27 | 四川桑瑞思环境技术工程有限公司 | 一种数字化手术室系统和控制方法 |
| KR102464091B1 (ko) * | 2021-01-14 | 2022-11-04 | 고지환 | 내시경을 이용한 대장 검사 가이드 장치 및 방법 |
| US11883245B2 (en) * | 2021-03-22 | 2024-01-30 | Verb Surgical Inc. | Deep-learning-based real-time remaining surgery duration (RSD) estimation |
| KR102640314B1 (ko) | 2021-07-12 | 2024-02-23 | (주)휴톰 | 인공지능 수술 시스템 및 그것의 제어방법 |
| KR102606249B1 (ko) * | 2021-07-15 | 2023-11-24 | 사회복지법인 삼성생명공익재단 | 뇌 혈관 모델링을 이용한 병변 분석 방법 및 그 장치 |
| WO2023003389A1 (ko) * | 2021-07-21 | 2023-01-26 | (주)휴톰 | 환자의 3차원 가상 기복 모델 상에 트로카의 삽입 위치를 결정하는 장치 및 방법 |
| US11986248B2 (en) | 2021-07-29 | 2024-05-21 | Hutom Co., Ltd. | Apparatus and method for matching the real surgical image with the 3D-based virtual simulated surgical image based on POI definition and phase recognition |
| KR20230023876A (ko) * | 2021-08-10 | 2023-02-20 | (주)휴톰 | 환자의 가상 기복 모델을 생성하는 장치 및 방법 |
| KR20230039932A (ko) | 2021-09-15 | 2023-03-22 | 안명천 | 출혈 감지 시스템 및 방법 |
| CN113813053A (zh) * | 2021-09-18 | 2021-12-21 | 长春理工大学 | 一种基于腹腔镜内窥影像的手术进程分析方法 |
| KR20230089469A (ko) | 2021-12-13 | 2023-06-20 | (주)휴톰 | 인공지능 기반 가상 혈관 모델 제공 방법 및 장치 |
| CN114391947B (zh) * | 2021-12-15 | 2024-03-01 | 深圳爱博合创医疗机器人有限公司 | 一种分级控制式介入手术机器人 |
| WO2023172109A1 (ko) * | 2022-03-11 | 2023-09-14 | 주식회사 림사이언스 | 디지털 트윈을 이용하여 니들의 경로를 관리하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 |
| KR20240022047A (ko) * | 2022-08-10 | 2024-02-20 | 주식회사 엠티이지 | 수술에 대한 시나리오를 제공하는 방법 및 디바이스 |
| KR102628690B1 (ko) * | 2023-07-04 | 2024-01-25 | 주식회사 클레버러스 | 이상행동 탐지 시스템 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100124638A (ko) * | 2009-05-19 | 2010-11-29 | 주식회사 이턴 | 이력정보를 이용한 수술 로봇 시스템 및 그 제어 방법 |
| KR101049507B1 (ko) * | 2009-02-27 | 2011-07-15 | 한국과학기술원 | 영상유도수술시스템 및 그 제어방법 |
| KR101572487B1 (ko) * | 2013-08-13 | 2015-12-02 | 한국과학기술연구원 | 환자와 3차원 의료영상의 비침습 정합 시스템 및 방법 |
| JP2016039874A (ja) * | 2014-08-13 | 2016-03-24 | 富士フイルム株式会社 | 内視鏡画像診断支援装置、システム、方法およびプログラム |
Family Cites Families (30)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002207832A (ja) * | 2000-12-28 | 2002-07-26 | Atsushi Takahashi | インターネット技術指導教育配信システム、及び通信網を利用した指導システム |
| EP1839568B1 (en) * | 2005-01-19 | 2018-03-07 | Olympus Corporation | Operation data management device, operation control device, and operation data processing method |
| JP4767591B2 (ja) * | 2005-06-01 | 2011-09-07 | オリンパスメディカルシステムズ株式会社 | 内視鏡診断支援方法、内視鏡診断支援装置および内視鏡診断支援プログラム |
| JP4781085B2 (ja) * | 2005-10-25 | 2011-09-28 | オリンパスメディカルシステムズ株式会社 | 手術予定表示システム |
| US9718190B2 (en) * | 2006-06-29 | 2017-08-01 | Intuitive Surgical Operations, Inc. | Tool position and identification indicator displayed in a boundary area of a computer display screen |
| JP4762160B2 (ja) * | 2007-01-16 | 2011-08-31 | 株式会社日立メディコ | 手術支援システム |
| US20100217991A1 (en) * | 2008-08-14 | 2010-08-26 | Seung Wook Choi | Surgery robot system of server and client type |
| KR101108927B1 (ko) * | 2009-03-24 | 2012-02-09 | 주식회사 이턴 | 증강현실을 이용한 수술 로봇 시스템 및 그 제어 방법 |
| KR101152177B1 (ko) * | 2009-04-09 | 2012-06-18 | 의료법인 우리들의료재단 | 수술위치 자동 유도 방법 및 그 시스템과 수술위치의 유도기능을 갖춘 장치 |
| GB0913930D0 (en) * | 2009-08-07 | 2009-09-16 | Ucl Business Plc | Apparatus and method for registering two medical images |
| JP2011036371A (ja) * | 2009-08-10 | 2011-02-24 | Tohoku Otas Kk | 医療画像記録装置 |
| KR101235044B1 (ko) * | 2010-11-02 | 2013-02-21 | 서울대학교병원 (분사무소) | 3ｄ 모델링을 이용한 수술 시뮬레이션 방법 및 자동 수술장치 |
| KR101181613B1 (ko) * | 2011-02-21 | 2012-09-10 | 윤상진 | 사용자 지정에 따라 결정되는 변위 정보에 기초하여 수술을 수행하는 수술용 로봇 시스템과 그 제어 방법 |
| KR20120111871A (ko) * | 2011-03-29 | 2012-10-11 | 삼성전자주식회사 | 3차원적 모델을 이용한 신체 장기의 영상 생성 방법 및 장치 |
| KR101795720B1 (ko) * | 2011-05-12 | 2017-11-09 | 주식회사 미래컴퍼니 | 수술 상황 판단 및 대응을 위한 수술 로봇 시스템의 제어 방법과 이를 기록한 기록매체 및 수술 로봇 시스템 |
| KR20130015146A (ko) * | 2011-08-02 | 2013-02-13 | 삼성전자주식회사 | 의료 영상 처리 방법 및 장치, 영상 유도를 이용한 로봇 수술 시스템 |
| JP5596866B2 (ja) * | 2011-08-26 | 2014-09-24 | イービーエム株式会社 | 血管治療効果の血流シュミレーションシステム、その方法及びコンピュータソフトウエアプログラム |
| KR101175065B1 (ko) * | 2011-11-04 | 2012-10-12 | 주식회사 아폴로엠 | 수술용 영상 처리 장치를 이용한 출혈 부위 검색 방법 |
| KR101302595B1 (ko) * | 2012-07-03 | 2013-08-30 | 한국과학기술연구원 | 수술 진행 단계를 추정하는 시스템 및 방법 |
| KR101997566B1 (ko) * | 2012-08-07 | 2019-07-08 | 삼성전자주식회사 | 수술 로봇 시스템 및 그 제어방법 |
| EP3679881A1 (en) * | 2012-08-14 | 2020-07-15 | Intuitive Surgical Operations, Inc. | Systems and methods for registration of multiple vision systems |
| KR20140112207A (ko) * | 2013-03-13 | 2014-09-23 | 삼성전자주식회사 | 증강현실 영상 표시 시스템 및 이를 포함하는 수술 로봇 시스템 |
| KR101538041B1 (ko) * | 2013-10-15 | 2015-07-23 | 한국과학기술원 | 수술 도구의 위치 결정 장치 및 이를 포함하는 수술 로봇 시스템 |
| EP3102143A4 (en) * | 2014-02-04 | 2017-11-08 | Intuitive Surgical Operations, Inc. | Systems and methods for non-rigid deformation of tissue for virtual navigation of interventional tools |
| JP6104288B2 (ja) * | 2015-01-06 | 2017-03-29 | 三菱プレシジョン株式会社 | 手術シミュレーション用モデルの生成方法、手術シミュレーション方法、及び手術シミュレータ |
| KR20160086629A (ko) * | 2015-01-12 | 2016-07-20 | 한국전자통신연구원 | 영상유도 수술에서 수술부위와 수술도구 위치정합 방법 및 장치 |
| JP6594133B2 (ja) * | 2015-09-16 | 2019-10-23 | 富士フイルム株式会社 | 内視鏡位置特定装置、内視鏡位置特定装置の作動方法および内視鏡位置特定プログラム |
| US20170132510A1 (en) * | 2015-11-05 | 2017-05-11 | Facebook, Inc. | Identifying Content Items Using a Deep-Learning Model |
| KR101740286B1 (ko) * | 2015-12-17 | 2017-05-29 | (주)미래컴퍼니 | 수술 로봇 시스템 및 적응 제어 방법 |
| KR20180010721A (ko) * | 2016-07-22 | 2018-01-31 | 한국전자통신연구원 | 지능형 수술 지원 시스템 및 방법 |
-
2018
- 2018-08-23 KR KR1020180098358A patent/KR102014385B1/ko active IP Right Grant
- 2018-08-23 KR KR1020180098360A patent/KR102014355B1/ko active IP Right Grant
- 2018-08-23 KR KR1020180098413A patent/KR102018565B1/ko active IP Right Grant
- 2018-08-23 KR KR1020180098359A patent/KR102014359B1/ko active IP Right Grant
- 2018-09-12 KR KR1020180109204A patent/KR102014377B1/ko active IP Right Grant
- 2018-09-27 KR KR1020180115328A patent/KR102013868B1/ko active IP Right Grant
- 2018-10-15 KR KR1020180122454A patent/KR102014351B1/ko active IP Right Grant
- 2018-10-16 KR KR1020180122949A patent/KR102013806B1/ko active IP Right Grant
- 2018-10-29 KR KR1020180130229A patent/KR102013866B1/ko active IP Right Grant
- 2018-10-29 KR KR1020180129709A patent/KR102014364B1/ko active IP Right Grant
- 2018-10-31 KR KR1020180131478A patent/KR102013837B1/ko active
- 2018-11-07 KR KR1020180135578A patent/KR20190100004A/ko not_active Application Discontinuation
- 2018-11-07 KR KR1020180135590A patent/KR102016959B1/ko active IP Right Grant
- 2018-11-14 KR KR1020180140050A patent/KR20190100009A/ko not_active Application Discontinuation
- 2018-11-20 KR KR1020180143367A patent/KR102013857B1/ko active IP Right Grant
- 2018-11-22 KR KR1020180145157A patent/KR102013828B1/ko active IP Right Grant
- 2018-11-22 KR KR1020180145177A patent/KR20190100011A/ko not_active Application Discontinuation
- 2018-11-26 KR KR1020180147015A patent/KR102014371B1/ko active IP Right Grant
- 2018-11-28 KR KR1020180149293A patent/KR102013848B1/ko active IP Right Grant
- 2018-12-03 KR KR1020180153569A patent/KR102013814B1/ko active IP Right Grant
- 2018-12-05 KR KR1020180155562A patent/KR102013863B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101049507B1 (ko) * | 2009-02-27 | 2011-07-15 | 한국과학기술원 | 영상유도수술시스템 및 그 제어방법 |
| KR20100124638A (ko) * | 2009-05-19 | 2010-11-29 | 주식회사 이턴 | 이력정보를 이용한 수술 로봇 시스템 및 그 제어 방법 |
| KR101572487B1 (ko) * | 2013-08-13 | 2015-12-02 | 한국과학기술연구원 | 환자와 3차원 의료영상의 비침습 정합 시스템 및 방법 |
| JP2016039874A (ja) * | 2014-08-13 | 2016-03-24 | 富士フイルム株式会社 | 内視鏡画像診断支援装置、システム、方法およびプログラム |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023136695A1 (ko) * | 2022-01-17 | 2023-07-20 | (주)휴톰 | 환자의 가상 폐 모델을 생성하는 장치 및 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102013866B1 (ko) | 2019-08-23 |
| KR102014359B1 (ko) | 2019-08-26 |
| KR102014364B1 (ko) | 2019-08-26 |
| KR102013814B1 (ko) | 2019-08-23 |
| KR20190100004A (ko) | 2019-08-28 |
| KR20190100011A (ko) | 2019-08-28 |
| KR102013868B1 (ko) | 2019-08-23 |
| KR102013848B1 (ko) | 2019-08-23 |
| KR102013857B1 (ko) | 2019-08-23 |
| KR102013806B1 (ko) | 2019-08-23 |
| KR102014371B1 (ko) | 2019-08-26 |
| KR102014385B1 (ko) | 2019-08-26 |
| KR102016959B1 (ko) | 2019-09-02 |
| KR20190099999A (ko) | 2019-08-28 |
| KR102014355B1 (ko) | 2019-08-26 |
| KR20190100009A (ko) | 2019-08-28 |
| KR102013837B1 (ko) | 2019-10-21 |
| KR20190100005A (ko) | 2019-08-28 |
| KR102014377B1 (ko) | 2019-08-26 |
| KR102018565B1 (ko) | 2019-09-05 |
| KR102013828B1 (ko) | 2019-08-23 |
| KR102014351B1 (ko) | 2019-08-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102013863B1 (ko) | 가상 신체 모델 구축 방법 및 프로그램 | |
| TWI693936B (zh) | 三維經穴映射裝置及其映射方法 | |
| JP2021045558A (ja) | 血管モデルの作成方法 | |
| KR101900679B1 (ko) | 혈관 특징 정보를 기반으로 하는 삼차원 심혈관 정합 방법, 이를 수행하기 위한 기록 매체 및 장치 | |
| US11660142B2 (en) | Method for generating surgical simulation information and program | |
| KR101785293B1 (ko) | 3d cta 영상 정보를 활용한 2d xa 영상에서의 자동 혈관 구조 해석 방법, 이를 수행하기 위한 기록 매체 및 장치 | |
| CN115565667A (zh) | Cto介入治疗成功率的预测方法、装置、设备及介质 | |
| JP5558793B2 (ja) | 画像処理方法、画像処理装置及びプログラム | |
| KR102298417B1 (ko) | 수술 시뮬레이션 정보 생성방법 및 프로그램 | |
| WO2020031071A1 (en) | Internal organ localization of a subject for providing assistance during surgery | |
| KR102457585B1 (ko) | 수술 중 혈관 네비게이션 방법 및 시스템 | |
| CN112862827B (zh) | 一种左心耳的开口参数确定方法、装置、终端及存储介质 | |
| Mori et al. | Automated nomenclature of upper abdominal arteries for displaying anatomical names on virtual laparoscopic images | |
| US11986248B2 (en) | Apparatus and method for matching the real surgical image with the 3D-based virtual simulated surgical image based on POI definition and phase recognition | |
| CN111741729A (zh) | 手术最优化方法以及装置 | |
| CN113408152B (zh) | 冠脉旁路移植仿真系统、方法、介质及电子设备 | |
| KR101940706B1 (ko) | 수술 시뮬레이션 정보 생성방법 및 프로그램 | |
| Rosado-Toro et al. | Functional analysis of arteriovenous fistulae in non-contrast magnetic resonance images | |
| CN109700528B (zh) | 一种实时构建心脏三维模型方法及装置 | |
| Pfeifer et al. | Cardiac modeling using active appearance models and morphological operators | |
| CN117373069A (zh) | 结构图像分析方法、装置、设备及介质 | |
| CN115281830A (zh) | 数据处理方法、装置及存储介质 | |
| KR20230167194A (ko) | 수술 종류에 따라 장기 및 혈관에 대한 3d 모델을 생성하는 방법, 장치 및 프로그램 | |
| KR20230023876A (ko) | 환자의 가상 기복 모델을 생성하는 장치 및 방법 | |
| Banerjee | Fast 4D Ultrasound Registration for Image Guided Liver Interventions |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GRNT | Written decision to grant |