KR102128765B1 - 의료영상기기에서 압축센싱 활용을 위한 샘플링 패턴 산출장치 및 그 방법 - Google Patents

의료영상기기에서 압축센싱 활용을 위한 샘플링 패턴 산출장치 및 그 방법 Download PDF

Info

Publication number
KR102128765B1
KR102128765B1 KR1020180056053A KR20180056053A KR102128765B1 KR 102128765 B1 KR102128765 B1 KR 102128765B1 KR 1020180056053 A KR1020180056053 A KR 1020180056053A KR 20180056053 A KR20180056053 A KR 20180056053A KR 102128765 B1 KR102128765 B1 KR 102128765B1
Authority
KR
South Korea
Prior art keywords
pattern
undersampling
pixel
incoherence
calculating
Prior art date
Application number
KR1020180056053A
Other languages
English (en)
Other versions
KR20190131325A (ko
Inventor
김행근
강창기
손영돈
조현
Original Assignee
가천대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 가천대학교 산학협력단 filed Critical 가천대학교 산학협력단
Priority to KR1020180056053A priority Critical patent/KR102128765B1/ko
Publication of KR20190131325A publication Critical patent/KR20190131325A/ko
Application granted granted Critical
Publication of KR102128765B1 publication Critical patent/KR102128765B1/ko

Links

Images

Classifications

    • 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
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A61B6/5235—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from the same or different ionising radiation imaging techniques, e.g. PET and CT
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Pathology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Optics & Photonics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 의료영상기기의 영상 재구성 패턴 산출장치에 관한 것으로, 복수 개의 언더 샘플링 패턴에 대해 각각의 데이터 인코히어런스 값을 산출하는 데이터 인코히어런스 산출부; 그리고, 데이터 코히어런스 산출부에서 복수 개의 언더 샘플링 패턴에 대해 각각 산출된 데이터 인코히어런스 값을 참조하여, 영상 재구성을 위한 언더 샘플링 패턴을 선정하는 언더 샘플링 패턴 선정부;를 포함하여, 프로젝션 도메인에서 샘플링을 수행하는 의료영상기기가 압축 센싱 기반 영상재구성을 수행하는 데 사용 가능한 최적의 언더 샘플링 패턴을 산출하는 것을 특징으로 한다. 이로 인해, CT, PET, SPECT의 프로젝션 도메인에서도 압축 센싱을 적용하여 언더 샘플링을 통해 고속 데이터를 획득할 수 있고, 이에 따라, 영상을 효율적으로 재구성할 수 있다.

Description

의료영상기기에서 압축센싱 활용을 위한 샘플링 패턴 산출장치 및 그 방법{SAMPLING PATTERN CALCULATING APPARATUS TO USE COMPRESSED SENSING ON MEDICAL IMAGING SYSTEM AND METHOD THEREOF}
본 발명은 의료영상기기에서 압축센싱 활용을 위한 샘플링 패턴 산출장치 및 그 방법에 관한 것이다.
MRI(Magnetic Resonance Imaging)은 주파수 도메인(frequency domain)과 퓨리에 변환(Fourier Transform)에 기반하는 영상 기기이고, CT(Computed tomography), PET(Positron Emission Tomography) 및 SPECT(Single Photon Emission Computed Tomography)는 프로젝션 도메인(projection domain)에서 라돈 변환(Radon Transform)에 기반하는 영상 기기이다.
CT, PET, MRI, SPECT와 같은 의료 영상 기기에서 영상 재구성을 위한 나이퀴스트 샘플링 이론(Nyquist Sampling theory)에서는 대역폭의 2배 이상을 샘플링 데이터를 최소 샘플링 데이터로 요구하는데, 압축 센싱(CS; Compressed sensing) 기술의 경우 나이퀴스트 샘플링 이론에서 요구하는 샘플링 데이터보다 적은 양의 샘플링 데이터만으로도 나이퀴스트 샘플링 이론을 적용하여 얻은 영상과 동일 수준의 영상 재구성을 가능하게 하여 의료 기기에 적용되는 영상 재구성 기술로서 각광받고 있다.
그러나, MRI는 CS에서 필요한 성김(sparsity)를 일정 부분 만족하는 샘플링 도메인인 k-space에서 샘플링을 수행하며 샘플링 trajectory(또는 패턴)을 자유롭게 변경할 수 있어서 CS를 적용하기 용이하지만, CT, PET, SPECT의 경우 k-space에 비해 성김 정도가 떨어지는 프로젝션 도메인을 기반으로 샘플링을 수행하며 trajectory를 MRI만큼 자유롭게 변경하지 못하기 때문에 MRI처럼 CS를 활용하기 어렵다는 한계가 있다. 하지만, 저선량 피폭의 장점이 있는 CT, PET, SPECT의 중요성이 증대됨에 따라, CT, PET, SPECT에서도 영상 재구성 및 신호 획득에 CS를 적용하는 연구 및 개발이 활발히 이루어지고 있다.
대한민국 등록특허공보 제1570623호(방사상 샘플링된 이미지 데이터 세트들에서 각도 일관된 아티팩트들에 대한 다단 정정)
본 발명이 이루고자 하는 기술적 과제는 의료 영상기기인 CT, PET, SPECT에서 CS를 최대한 활용할 수 있도록 프로젝션 도메인 기반 CS 영상 재구성을 위한 최적의 언더 샘플링 패턴을 산출하는 것이다.
본 발명의 한 실시예에 따른 의료영상기기의 영상 재구성 패턴 산출장치는 복수 개의 언더 샘플링 패턴의 데이터 인코히어런스 값을 복수 개의 언더 샘플링 패턴에 대해 각각 산출하는 데이터 인코히어런스 산출부; 그리고, 상기 데이터 인코히어런스 산출부에서 상기 복수 개의 언더 샘플링 패턴에 대해 각각 산출된 데이터 인코히어런스 값을 참조하여, 영상 재구성을 위한 언더 샘플링 패턴을 선정하는 언더 샘플링 패턴 선정부;를 포함하여, 프로젝션 도메인에서 샘플링을 수행하는 의료영상기기가 영상재구성을 수행하는 데 사용할 영상 재구성 패턴을 산출한다.
상기 데이터 인코히어런스 산출부는 이미지 도메인을 기반으로 상기 복수 개의 언더 샘플링 패턴에 대한 이미지 도메인 기반의 데이터 인코히어런스(IDIC, Image Domain based Data InCoherence)를 산출하는 것을 특징으로 한다.
상기 데이터 인코히어런스 산출부는, 상기 언더 샘플링 패턴에 포함된 복수 개의 샘플링 포인트인 프로젝션 도메인에서의 LOR을 통해 이미지 도메인 상의 픽셀을 지나가는 LOR(line of response) 조합을 산출하는 픽셀별 LOR 산출부; 상기 픽셀별 LOR 산출부에서 산출된 픽셀별 LOR 조합에 대해서, 각 픽셀에 대한 모든 LOR 조합이 이루는 각도를 LOR 코릴레이션 값으로 각각 계산하는 픽셀별 코릴레이션 계산부; 상기 픽셀별 코릴레이션 계산부에서 계산된 모든 LOR 코릴레이션 값으로부터 픽셀별 IDIC(이미지 도메인 기반의 데이터 인코히어런스) 값을 계산하는 픽셀별 IDIC 계산부; 그리고, 언더 샘플링 패턴에 대한 모든 픽셀에 대해 계산된 IDIC를 픽셀의 개수로 나누어 언더 샘플링 패턴의 IDIC 대표값으로 산출하는 패턴 IDIC 대표값 산출부;를 포함하는 것을 특징으로 한다.
상기 언더 샘플링 패턴 선정부는 상기 패턴 IDIC 대표값 산출부에서 산출된 언더 샘플링 패턴의 IDIC 대표값이 가장 높은 언더 샘플링 패턴을 영상 재구성을 수행하는 데 사용할 언더 샘플링 패턴으로서 선정하는 것을 특징으로 한다.
상기 픽셀별 IDIC 계산부는 다음의 식을 이용하여 언더 샘플링 패턴의 데이터 인코히어런스를 산출하는 것을 특징으로 한다.
Figure 112018048272107-pat00001
(여기서, DIC'n은 n번째 픽셀의 DIC이고, Mn은 n번째 픽셀을 지나는 모든 LOR의 개수, n은 픽셀에 대한 인덱스, a와 b는 픽셀 n을 지나는 LOR에 대한 인덱스로서 a, b, n은 자연수임.)
상기 픽셀별 IDIC 계산부는 LOR 각도에 따른 데이터 인코히어런스 값 조절을 위해, k를 변경하여 식을 수행하는 것을 특징으로 한다.
상기 데이터 인코히어런스 산출부는 데이터 인코히어런스 기반의 주파수 도메인에서 상기 복수 개의 언더 샘플링 패턴에 대한 주파수 도메인 기반의 데이터 인코히어런스(FDIC, Frequency domain based Data InCoherence)를 산출하는 것을 특징으로 한다.
상기 데이터 인코히어런스 산출부는 다음의 식을 이용하여 언더 샘플링 패턴의 데이터 인코히어런스를 산출하는 것을 특징으로 한다.
Figure 112018048272107-pat00002
(여기서, F(Irecon)는 균일한 영상을 언더샘플링 투사 연산을 통해 얻어진 프로젝션 도메인 상의 언더 샘플링된 투영 데이터를 여과 역 투사(Filtered Back Projection)시켜 얻은 이미지 도메인 영상을 퓨리에변환하여 얻은 주파수 스펙트럼이고, F(Irecon)Peak는 해당 주파수 스펙트럼에서 DC에 해당하는 peak 값이고, F(Irecon)sidelobe는 해당 스펙트럼에서 DC를 제외한 peak들 중 가장 큰 peak를 의미함.)
상기 언더 샘플링 패턴 선정부는 상기 데이터 인코히어런스 산출부에서 산출한 주파수 도메인 기반의 데이터 인코히어런스 값이 가장 큰 언더 샘플링 패턴을 영상 재구성을 위한 언더 샘플링 패턴으로 선정하는 것을 특징으로 한다.
한 예에서, 복수 개의 언더 샘플링 패턴을 무작위로 생성하여 상기 데이터 인코히어런스 산출부로 전달하는 언더 샘플링 무작위 생성부;를 더 포함하는 것을 특징으로 한다.
본 발명의 한 실시예에 따른 의료영상기기의 영상 재구성 패턴 산출방법은 복수 개의 언더 샘플링 패턴들의 데이터 인코히어런스를 산출하는 단계; 그리고, 상기 복수 개의 언더 샘플링 패턴들의 데이터 인코히어런스 값을 비교하여 가장 높은 값을 갖는 언더 샘플링 패턴을 영상 재구성을 위한 언더 샘플링 패턴으로 선정하는 단계;를 포함하여 이루어지는 것을 특징으로 한다.
한 예에서, 상기 복수 개의 언더 샘플링 패턴들의 데이터 인코히어런스를 산출하는 단계는 IDIC를 산출하여 이루어지고, 언더 샘플링 패턴의 픽셀별 LOR(line of response)을 산출하는 단계; 언더 샘플링 패턴의 픽셀별 LOR로부터 픽셀별 LOR 코릴레이션 값을 계산하고, 픽셀별 LOR 코릴레이션 값을 이용하여 픽셀별 IDIC를 계산하는 단계; 그리고, 언더 샘플링 패턴의 픽셀별 IDIC의 평균을 산출하여 언더 샘플링 패턴의 IDIC 대표값으로 선정하는 단계;로 이루어지며, 상기 복수 개의 언더 샘플링 패턴들의 데이터 인코히어런스 값을 비교하여 가장 높은 값을 갖는 언더 샘플링 패턴을 영상 재구성을 위한 언더 샘플링 패턴으로 선정하는 단계는 상기 언더 샘플링 패턴의 IDIC 대표값을 비교하여 이루어지는 것을 특징으로 한다.
상기 복수 개의 언더 샘플링 패턴들의 데이터 인코히어런스를 산출하는 단계는 FDIC(주파수 도메인 기반의 데이터 인코히어런스)를 산출하여 이루어지고, 상기 복수 개의 언더 샘플링 패턴들의 데이터 인코히어런스 값을 비교하여 가장 높은 값을 갖는 언더 샘플링 패턴을 영상 재구성을 위한 언더 샘플링 패턴으로 선정하는 단계는 상기 복수 개의 언더 샘플링 패턴들의 데이터 인코히어런스를 산출하는 단계에서 산출된 주파수 도메인 기반의 데이터 인코히어런스 값이 가장 큰 언더 샘플링 패턴을 선정하도록 이루어지는 것을 특징으로 한다.
한 예에서, 상기 복수 개의 언더 샘플링 패턴들의 데이터 인코히어런스를 산출하는 단계 이전에, 복수 개의 언더 샘플링 패턴을 무작위로 생성하는 단계;를 더 포함하여 이루어지는 것을 특징으로 한다.
상기 단계들은 몬테 카를로법을 이용하여 수행되는 것을 특징으로 한다.
이러한 특징에 따르면, 본원 발명의 한 실시예에 따른 의료영상기기의 영상 재구성 패턴 산출장치 및 그 방법은 CT, PET, SPECT 등의 프로젝션 도메인 기반 의료영상장비에서도 CS를 효과적으로 적용하여 영상을 재구성할 수 있는 효과가 있다.
도 1은 본 발명의 한 실시예에 따른 의료영상기기에서 압축센싱 활용을 위한 샘플링 패턴 산출장치의 구조를 개략적으로 나타낸 블록도이다.
도 2는 본 발명의 한 실시예에 따른 의료영상기기에서 압축센싱 활용을 위한 샘플링 패턴 산출장치의 데이터 인코히어런스(DIC, Data In-Coherence) 산출부의 일 실시예의 구조를 개략적으로 나타낸 블록도이다.
도 3은 본 발명의 한 실시예에 따른 의료영상기기에서 압축센싱 활용을 위한 샘플링 패턴 산출장치가 픽셀별 데이터 인코히어런스를 산출하는 일 예를 나타낸 도면이다.
도 4는 본 발명의 한 실시예에 따른 의료영상기기에서 압축센싱 활용을 위한 샘플링 패턴 산출장치에서 산출식에 따른 데이터 인코히어런스를 나타낸 그래프이다.
도 5는 본 발명의 한 실시예에 따른 의료영상기기에서 압축센싱 활용을 위한 샘플링 패턴 산출장치의 데이터 인코히어런스 산출부의 다른 실시예의 구조를 개략적으로 나타낸 블록도이다.
도 6은 본 발명의 한 실시예에 따른 의료영상기기에서 압축센싱 활용을 위한 샘플링 패턴 산출장치의 데이터 인코히어런스 산출부에서 종래의 MRI에서 언더샘플링 패턴을 평가하는 방법인 주파수 스펙트럼 분석 기법을 프로젝션 도메인에 적용하여 언더 샘플링 패턴을 평가하는 방법을 개략적으로 나타낸 도면이다.
도 7은 본 발명의 한 실시예에 따른 의료영상기기에서 압축센싱 활용을 위한 샘플링 패턴 산출 방법의 흐름도이다.
도 8은 본 발명의 한 실시예에 따른 의료영상기기에서 압축센싱 활용을 위한 샘플링 패턴 산출 방법이 이미지 도메인에서의 픽셀별 데이터 인코히어런스(IDIC)를 통해 수행될 때의 흐름도이다.
도 9는 본 발명의 한 실시예에 따른 의료영상기기에서 압축센싱 활용을 위한 샘플링 패턴 산출 방법을 몬테 카를로법을 이용하여 수행하는 일 예를 나타낸 흐름도이다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
도 1은 본 발명의 한 실시예에 따른 의료영상기기에서 압축센싱 활용을 위한 샘플링 패턴 산출장치의 구조를 개략적으로 나타낸 블록도이고, 도 2는 본 발명의 한 실시예에 따른 의료영상기기에서 압축센싱 활용을 위한 샘플링 패턴 산출장치의 데이터 인코히어런스 산출부의 구조를 개략적으로 나타낸 블록도이고, 도 3은 본 발명의 한 실시예에 따른 의료영상기기에서 압축센싱 활용을 위한 샘플링 패턴 산출장치가 픽셀별 데이터 인코히어런스를 산출하는 일 예를 나타낸 도면이고, 도 4는 본 발명의 한 실시예에 따른 의료영상기기에서 압축센싱 활용을 위한 샘플링 패턴 산출장치에서 산출식에 따른 데이터 인코히어런스를 나타낸 그래프이고, 도 5는 본 발명의 한 실시예에 따른 의료영상기기에서 압축센싱 활용을 위한 샘플링 패턴 산출장치의 데이터 인코히어런스 산출부의 다른 실시예의 구조를 개략적으로 나타낸 블록도이고, 도 6은 본 발명의 한 실시예에 따른 의료영상기기에서 압축센싱 활용을 위한 샘플링 패턴 산출장치의 데이터 인코히어런스 산출부에서 종래의 MRI에서 언더샘플링 패턴을 평가하는 방법인 주파수 스펙트럼 분석 기법을 프로젝션 도메인에 적용하여 언더 샘플링 패턴을 평가하는 방법을 개략적으로 나타낸 도면이고, 도 7은 본 발명의 한 실시예에 따른 의료영상기기에서 압축센싱 활용을 위한 샘플링 패턴 산출 방법의 흐름도이고, 도 8은 본 발명의 한 실시예에 따른 의료영상기기에서 압축센싱 활용을 위한 샘플링 패턴 산출 방법이 이미지 도메인에서의 픽셀별 데이터 인코히어런스(IDIC)를 통해 수행될 때의 흐름도이고, 도 9는 본 발명의 한 실시예에 따른 의료영상기기에서 압축센싱 활용을 위한 샘플링 패턴 산출 방법을 몬테 카를로법을 이용하여 수행하는 일 예를 나타낸 흐름도이다.
도 1 내지 도 6을 참고로 하여 본 발명의 한 실시예에 따른 의료영상기기의 영상 재구성 패턴 산출장치의 구조를 설명하면, 본 발명의 한 실시예에 따른 의료영상기기의 영상 재구성 패턴 산출장치(100)는 언더 샘플링 패턴 무작위 생성부(110), 데이터 인코히어런스 산출부(120), 그리고 언더 샘플링 패턴 선정부(130)를 포함한다.
의료영상기기의 영상 재구성 패턴 산출장치(100)는 CT, PET 및 SPECT와 같이, 프로젝션 도메인에서 라돈 변환에 기반하여 샘플링을 수행하는 의료영상기기에 적용되는 것을 예로 들어 설명한다.
한 예에서, 의료영상기기의 영상 재구성 패턴 산출장치(100)는 CT, PET 및 SPECT 등과 같은 의료영상기기에 프로세서 형태로 구현되거나, 의료영상기기에 연결되는 단말장치의 형태로 구현될 수 있고, 이를 한정하지는 않아야 할 것이다.
언더 샘플링 패턴 무작위 생성부(110)는 영상 재구성을 위한 언더 샘플링 패턴(under sampling pattern)을 무작위로 생성하고, 생성한 언더 샘플링 패턴을 데이터 인코히어런스 산출부(120)로 전달한다.
언더 샘플링 패턴 무작위 생성부(110)는 영상 재구성을 위해 필요한 언더 샘플링 비(Under-sampling ratio)를 만족하도록 적어도 하나의 샘플링 포인트(point)를 포함하는 언더 샘플링 패턴을 생성한다. 한 예에서, CS를 사용하지 않는 풀 샘플링(full sampling)의 경우 샘플링 비 100%를 만족하는 샘플링 포인트를 갖도록 샘플링 패턴이 생성되나, 본 실시예에 따른 언더 샘플링 패턴 무작위 생성부(110)의 경우 언더 샘플링 비를 만족하도록 샘플링 포인트를 포함시켜 언더 샘플링 패턴을 생성한다.
언더 샘플링 패턴에 포함되는 각각의 언더 샘플링 포인트는 빈(bin)이고, 언더 샘플링 패턴은 적어도 하나의 빈들의 집합이다. 하나의 빈은 적어도 하나의 LOR(Line of Response)로 구성된다. 하나의 LOR은 하나의 프로젝션 라인에 해당하고, 이미지 도메인에서 해당 LOR을 구성하는 적어도 하나의 픽셀(pixel)로 구성된다.
도 3을 참고로 하는 예에서, 하나의 LOR은 360° 방향으로 구비된 디텍터(detector)들 중 어느 하나의 디텍터에서 다른 하나의 디텍터로 이어지는 (a) 내지 (e)와 같은 각각의 프로젝션 라인이고, 이미지 도메인의 특정 영역(1)은 픽셀들로 구성되며, (a) 내지 (d)의 LOR은 각각은 특정 영역(1) 상에 형성된 복수 개의 픽셀들로 이루어진다.
본 명세서 상에서 언더 샘플링 패턴에 포함되는 샘플링 포인트는 빈과 혼용 기재하며 해당 혼용 병기에 의해 본 발명이 한정되지 않아야 할 것이다.
CS에서 일반적으로 사용하는 언더 샘플링 패턴에 포함되는 복수 개의 빈 간의 데이터 인코히어런스가 높을수록 해당 언더 샘플링 패턴으로부터 얻는 CS 영상 재구성 결과가 우수하다. 이처럼 데이터 인코히어런스가 높은 언더 샘플링 패턴은, 샘플링 포인트가 sparse한 샘플링 도메인에서 무작위로 샘플링을 수행할 경우 얻어지는 것으로 알려져 있다.
언더 샘플링 패턴 무작위 생성부(110)는 본 발명의 한 실시예에서 몬테카를로 기법을 기반으로 샘플링 패턴을 산출하기 위해서 복수 개의 언더 샘플링 패턴을 생성하여 데이터 인코히어런스 산출부(120)로 전달하거나, 또는 이를 별도의 저장공간에 저장할 수 있다.
언더 샘플링 패턴 무작위 생성부(110)가 무작위 생성하는 언더 샘플링 패턴의 개수는 재구성하고자 하는 영상의 해상도나, 의료영상기기의 검출기의 구조에 따른 영상 크기에 맞게 입력될 수 있으며 이를 한정하지 않는다. 단, 본 발명의 한 실시예에서 기존의 CT, PET, SPECT에 몬테카를로 기법을 적용하는 경우, 언더 샘플링 패턴 무작위 생성부(110)에서 생성하는 언더 샘플링 패턴 개수는 1,000~5,000개일 수 있다.
데이터 인코히어런스 산출부(120)는 언더 샘플링 패턴 무작위 생성부(110)에서 무작위로 생성된 언더 샘플링 패턴을 전달받아 언더 샘플링 패턴의 데이터 인코히어런스(DIC, Data In-Coherence)를 산출하여, 언더 샘플링 패턴별 데이터 인코히어런스 값으로 저장한다.
데이터 인코히어런스 산출부(120)는 도 2의 구조로 형성되어 이미지 도메인 기반으로 데이터 인코히어런스, 즉, IDIC(Image domain based Data incoherence)를 산출하거나, 도 5의 구조로 형성되어 프로젝션 데이터를 퓨리에 변환한 주파수 도메인 기반으로 데이터 인코히어런스, 즉 FDIC(Frequency domain based Projection Data Incoherence)를 산출할 수 있다.
먼저, 도 2를 참고로 하여 데이터 인코히어런스 산출부(120)가 IDIC를 산출하는 예를 설명하면, 데이터 인코히어런스 산출부(120)는 픽셀별 LOR 산출부(121), 픽셀별 코릴레이션 계산부(122), 픽셀별 IDIC 계산부(123), 그리고 패턴 평균 DIC 산출부(124)를 포함하는데, 픽셀별 LOR 산출부(121)는 언더 샘플링 패턴 무작위 생성부(110)에서 생성한 언더 샘플링 패턴에 포함된 각 샘플링 포인트들을 기반으로, 이미지의 각 픽셀을 지나는 복수 개의 LOR(Line of Response)을 산출한다.
픽셀별 LOR 산출부(121)는 이미지 도메인(image domain)에 포함된 각 픽셀의 LOR을 산출한다. 픽셀별 LOR 산출부(121)가 이미지 도메인 상의 각 픽셀을 지나가는 LOR을 구함에 있어서, 픽셀별 LOR 산출부(121)는 영상기기에 형성된 하나의 빈을 구성하는 복수 개의 LOR을 모두 구할 수 있다. 본 발명의 상세한 설명에서는, 영상기기에 구성되는 빈이 하나의 LOR로 구성되는 것을 예로 들어 설명하나, 픽셀별 LOR 산출부(121)는 영상기기를 구성하는 빈을 구성하는 LOR들을 모두 구하도록 설계되어야 함은 당업자의 수준에서 자명하게 이해되어야 하며, 이로 인해 본원 발명이 한정되지 않아야 할 것이다.
픽셀별 LOR 산출부(121)는 언더 샘플링 패턴 무작위 생성부(110)에서 생성한 언더 샘플링 패턴을 바탕으로, 해당 프로젝션 도메인에 대응하는 이미지 도메인의 각 픽셀을 지나가는 LOR을 산출한다. 이로 인해, 픽셀별 LOR 산출부(121)는 언더 샘플링 패턴에서 특정 픽셀을 지나가는 LOR들을 모두 구할 수 있게 되고, 픽셀별 LOR 산출부(121)는 언더 샘플링 패턴 무작위 생성부(110)에서 생성한 모든 언더 샘플링 패턴들에 대해 위의 처리를 수행한다.
픽셀별 코릴레이션 계산부(122)는 픽셀별 LOR 산출부(121)가 언더 샘플링 패턴에 대해 구한 각 픽셀을 지나가는 LOR들을 이용하여, 해당 픽셀을 지나가는 복수 개의 LOR들의 코릴레이션을 계산한다.
이때, 픽셀별 코릴레이션 계산부(122)는 한 픽셀을 지나가는 LOR들 중 두 개의 LOR을 한 쌍으로 하여, 한 쌍의 LOR의 코릴레이션을 계산한다. 한 픽셀에 네 개의 LOR이 지나가는 경우, 한 쌍의 LOR에 대해 계산한 코릴레이션과 다른 한 쌍의 LOR에 대해 계산한 코릴레이션을 평균 연산하여 해당 픽셀에 대한 코릴레이션으로 계산한다.
픽셀별 코릴레이션 계산부(122)는 언더 샘플링 패턴에 의해 산출된 픽셀을 통과하는 복수의 LOR 정보를 통해, 각 픽셀을 지나가는 LOR들의 코릴레이션 값을 계산한다.
도 3과 같이, 이미지 도메인 상의 특정 영역(1)에 포함된 특정 픽셀(A)을 지나가는 LOR (a), (b), (c)와, 특정 영역(1)의 밖에 위치하는 픽셀을 지나가는 LOR (d), 그리고 특정 영역(1)의 내부에 위치하나 특정 영역(A)을 지나가지 않는 LOR (e)의 일예를 참조하여 설명하면, 픽셀별 LOR 산출부(121)는 이미지의 특정 영역(1)에 포함된 특정 픽셀(A)을 지나가는 적어도 하나의 LOR을 산출하며, 특정 영역(1)에 포함된 모든 픽셀을 지나가는 적어도 하나의 LOR을 산출한다.
픽셀별 코릴레이션 계산부(122)가 특정 픽셀(A)을 지나가는 LOR들의 코릴레이션을 계산하는 일예를 도 3의 우측에 도시된 도면을 참고로 하여 설명하면, 픽셀별 코릴레이션 계산부(122)는 특정 픽셀(A)을 지나가는 LOR (a)와 LOR (b)의 각도를 이용하여 해당 픽셀(A)에서의 LOR (a)와 LOR (b)의 LOR 코릴레이션을 계산한다.
픽셀별 코릴레이션 계산부(122)는 하기의 식 1로부터 두 LOR의 코릴레이션을 도출한다.
[식 1]
Figure 112018048272107-pat00003
위의 식 1에서, Ea 및 Eb는 특정 픽셀(A)을 지나가는 LOR (a), LOR (b)에 대한 각 벡터이고, θa,b는 LOR (a)와 LOR (b) 간의 각도이다. 이때, a, b는 서로 다른 LOR을 구분하기 위한 변수로서, 특정 픽셀(A)을 지나가는 다른 LOR 쌍에 대한 LOR 코릴레이션을 구할 때는 벡터 E, 각도 cos에 포함되는 a, b의 변수는 LOR 코릴레이션을 구하고자 하는 LOR에 대한 각 변수로 대체하여 계산한다.
한편, 픽셀별 코릴레이션 계산부(122)가 특정 픽셀(A)을 지나가는 LOR (a)와 LOR (c) 사이의 각도를 계산하여 두 LOR 간의 코릴레이션을 계산하는 경우, 두 개의 LOR은 특정 픽셀(1)만을 공유하고 나머지 픽셀은 공유하지 않는 구조를 갖고, 이는 해당 픽셀(A)을 지나가는 LOR 쌍들 중에서 가장 상관관계가 낮은 경우이므로, 픽셀별 코릴레이션 계산부(122)는 LOR (a)와 LOR (c)의 코릴레이션을 0으로 계산한다.
다른 한 예에서, 픽셀별 코릴레이션 계산부(122)는 특정 픽셀(A)을 지나가는 LOR (a)와 특정 픽셀(A)을 지나가지 않는 LOR (d)가 특정 픽셀(A) 내에서 겹치는 픽셀이 존재하지 않으므로, 두 LOR 간의 각도와 두 LOR 간의 코릴레이션을 계산하지 않는다. 이처럼, 픽셀별 코릴레이션 계산부(122)가 어느 한 픽셀의 코릴레이션을 계산함에 있어서, 해당 픽셀을 지나가는 LOR만을 코릴레이션을 계산에 이용한다.
그리고, 계속해서 도 3의 우측에 도시된 도면을 참고로 하는 다른 한 예에서, 픽셀별 코릴레이션 계산부(122)는 LOR (a)와 LOR (e)가 특정 영역(1)에서 평행하게 지나가는 경우, 두 LOR 간의 각도가 0°이므로, 이 경우 두 LOR 간의 코릴레이션을 1로 계산한다.
이와 같이, 픽셀별 코릴레이션 계산부(122)가 한 픽셀을 지나는 모든 LOR들에 대해서, 두 개의 LOR을 한 쌍으로 구성하여 LOR 코릴레이션을 계산함에 있어서, 픽셀에 대한 코릴레이션은 0부터 1의 값을 가질 수 있으며, 이때, LOR 코릴레이션이 1에 가까울수록 픽셀을 지나가는 LOR 쌍의 데이터 인코히어런스가 작고, LOR 코릴레이션이 0에 가까울수록 픽셀을 지나가는 LOR 쌍의 데이터 인코히어런스가 크다.
픽셀별 IDIC 계산부(123)는 픽셀별 코릴레이션 계산부(122)에서 픽셀을 지나가는 복수 개의 LOR 쌍들에 대한 코릴레이션들을 이용하여 픽셀의 데이터 인코히어런스를 산출하는데, 이때, 다음의 식 2를 이용하여 해당 픽셀의 데이터 인코히어런스를 산출할 수 있다. 그리고 이때, 픽셀별 IDIC 계산부(123)가 픽셀에 대해 계산하는 데이터 인코히어런스는 이미지 도메인 기반의 데이터 인코히어런스로서, 픽셀별 IDIC 계산부(123)를 설명함에 있어 DIC와 IDIC를 혼용 기재하더라도 IDIC를 동일하게 지칭하는 것으로 해석되어야 할 것이다.
[식 2]
Figure 112018048272107-pat00004
위의 식 2에서, DICn은 n번째 픽셀의 DIC이고, Mn은 n번째 픽셀을 지나는 모든 LOR의 개수이고, n은 픽셀에 대한 index, a와 b는 픽셀 n을 지나는 LOR에 대한 index로서, a, b, n은 자연수이다. 데이터 인코히어런스는 LOR 코릴레이션과 반비례하므로, 1에서 코사인(cosθ) 값을 빼주는 형태로 픽셀에 대한 데이터 인코히어런스가 계산된다.
이때, 픽셀별 IDIC 계산부(123)는 위의 식 2를 다음의 식 3과 같이 변경하여, 사인(sinθ) 값을 이용하여 픽셀의 데이터 인코히어런스를 계산한다.
[식 3]
Figure 112018048272107-pat00005
위의 식 2에서, DIC'n은 n번째 픽셀의 DIC이고, k는 자연수로서, 5 이하의 값으로 설정될 수 있다.
픽셀별 IDIC 계산부(123)가 식 3과 같이, 픽셀을 지나가는 LOR들로부터 LOR 코릴레이션 값들을 이용하여 픽셀의 DIC를 계산함에 있어서, 식 2에서는 두 LOR 간의 코릴레이션 계산을 위해 코사인을 이용하지만, 식 3에서는 사인의 k 제곱을 이용하여 데이터 인코히어런스 연산을 수행함에 따라, 1에서 코사인값을 빼는 연산을 배제할 수 있게 되며, 동시에, 도 4의 그래프에 도시한 것처럼 두 LOR 간의 각도 차이에 따른 두 LOR 간의 코릴레이션 값을 유연하게 조정 가능하다. 예로서, 사인(sin)의 k 제곱을 통해 두 LOR 간의 각도 차가 크지 않은 경우엔 1에 가까운 코릴레이션을 할당하고, 특정 각도 이상 차이가 나는 경우 90도 각도 차이처럼 0에 가까운 코릴레이션을 할당하여 코사인을 이용하는 연산보다 유연하게 처리할 수 있다.
자세하게는, 픽셀 IDIC 계산부(123)가 식 3과 같이 사인의 k 제곱을 이용하여 픽셀의 데이터 인코히어런스를 계산함에 있어서, 픽셀을 지나가는 두 LOR이 이루는 각도가 70~110°나 0~10° 또는 170~180와 같이 90° 또는 0° 주변의 값을 갖는 경우, 두 LOR의 코릴레이션은 도 4의 그래프에서 도시한 것처럼, 두 LOR의 각도가 90° 또는 0°일 때의 코릴레이션 값과 유사한 1 또는 0의 값으로 계산된다. 이와 같이, 식 3을 통해 데이터 인코히어런스를 산출함에 따라, 픽셀을 지나는 두 LOR의 각도가 10~70° 또는 110~170°의 영역에 형성되었을 때 픽셀을 지나가는 두 LOR의 코릴레이션 값의 편차가 식 2를 이용할 때보다 커지므로, 유사한 프로젝션 정보를 담고 있는 LOR을 효과적으로 구분할 수 있다. 이에 따라, 식 3은 식 2보다 CS 활용을 위한 샘플링 패턴으로 추출하는 지표로서 용이하게 이용할 수 있다.
그리고, 패턴 IDIC 대표값 선정부(124)는 픽셀별 코릴레이션 계산부(122) 및 픽셀별 IDIC 계산부(123)로부터 언더 샘플링 패턴을 구성하는 모든 픽셀에 대해 계산한 각 픽셀의 IDIC 값들을 언더 샘플링 패턴을 구성하는 전체 픽셀의 개수로 나누어, 해당 언더 샘플링 패턴의 IDIC 대표값으로서 선정하고, 산출된 언더 샘플링 패턴의 IDIC 대표값을 언더 샘플링 패턴 선정부(130)로 전달한다.
패턴 IDIC 대표값 선정부(124)는 특정 언더 샘플링 패턴에 대해 산출된 패턴 IDIC 대표값을 언더 샘플링 패턴에 매칭시켜 언더 샘플링 패턴 선정부(130)로 전달할 수 있고, 이를 별도의 저장 공간에 저장할 수 있다.
언더 샘플링 패턴 선정부(130)는 패턴 IDIC 대표값 선정부(124)로부터 전달받은 언더 샘플링 패턴별 IDIC 대표값을 참조 및 이들을 비교하여 복수 개의 언더 샘플링 패턴들 중 가장 높은 대표값 IDIC를 갖는 언더 샘플링 패턴을 영상 획득 및 재구성을 위한 언더 샘플링 패턴으로 선정한다.
언더 샘플링 패턴 선정부(130)는 패턴 IDIC 대표값 선정부(124)로부터 전달받은 언더 샘플링 패턴별 IDIC 대표값을 오름차순 또는 내림차순으로 정렬하는 처리를 수행하고, 이를 참조하여 IDIC 대표값이 가장 높은 언더 샘플링 패턴 하나를 영상 재구성을 위한 언더 샘플링 패턴으로 선정할 수 있다.
도 5를 참고로 하여 데이터 인코히어런스 산출부(120)가 프로젝션 데이터를 퓨리에 변환한 주파수 도메인 기반으로 FDIC를 산출하는 예를 설명하면, 데이터 인코히어런스 산출부(120')는 패턴 FDIC 선정부(125)를 포함하고, 패턴 FDIC 선정부(125)는 다음의 식 4를 이용하여 언더 샘플링 패턴의 FDIC를 산출한다.
[식 4]
Figure 112018048272107-pat00006
위의 식 4에서, F()는 퓨리에변환을 의미하고, Irecon은 도 6의 (d)로서, 도 6의 (b)와 같이 균일해야 하는 영상이 프로젝션 도메인에서 언더 샘플링을 수행함으로 인해 영상왜곡을 가지게 된 영상이다. 이를 도 6에 기재된 수식의 형태에선 Irecon=G u -1 (G u (I))으로 표현된다. 식 4의 peak는 도 6의 (e)에서 도시하는 주파수 스펙트럼의 DC 성분의 피크 값으로, 가장 큰 피크에 해당하고, sidelobe는 도 6의 (e)에서 도시하는 주파수 스펙트럼들 중 DC 성분인 peak를 제외한 나머지 peak들 중 가장 큰 피크이다. 참고로 DC성분의 peak는 영상의 실제 데이터에 해당하고 sidelobe는 프로젝션 도메인에서의 언더샘플링으로 인해 발생한 artifact (혹은 noise)에 해당한다.
도 6을 참고하여 위의 식 4를 좀더 자세히 설명하면, 이미지 도메인 상에서 영상 영역 전체가 균일한 값을 갖는 도 6의 (b) 형태의 영상은 언더 샘플링 포워드 프로젝션 처리( G u (I))를 통해 언더 샘플링되어 도 6의 (c) 형태와 같은 프로젝션 도메인 상의 데이터가 된다. 이는 G(I)의 포워드 프로젝션 처리 후에 언더 샘플링 패턴 무작위 생성부(110)으로부터 생성된 패턴을 적용하는 것과 같다. 이때, FBP(여과 역 투사; filtered back projection)와 같은 역 라돈 변환(inverse radon transform)을 수행( G u -1 ( Gu (I)))하여 도 6의 (d)와 같은 이미지 도메인 데이터로 변환하고, 이를 퓨리에 변환(Fourier Transform) 수행(F( G u -1 ( G u (I))))하여 도 6의 (e)에 도시한 것처럼 주파수 스펙트럼으로 변경하여, 투영 데이터에서 언더 샘플링이 이루어진 프로젝션 데이터를 통해 역 라돈 변환의 이미지 도메인 상의 주파수 스펙트럼 데이터를 획득하고 이를 통해 프로젝션 도메인 상의 해당 언더 샘플링패턴 에 대한 FDIC를 구한다.
한편, 이미지 도메인 상의 영상에서 나이퀴스트 샘플링을 만족하는 풀 샘플링 패턴을 이용하여 프로젝션 데이터를 얻고 이를 역 라돈 변환한 주파수 스펙트럼은 도 6의 (a)의 형태와 같이 주파수 도메인 상에서 DC 값에 해당하는 오직 하나의 peak가 존재하며, 이와 같이 DC 값이 하나의 peak 값으로 존재하는 경우엔 FDIC가 최대인 1을 가지게 된다.
도 6의 (e)에서 구한 프로젝션 도메인에서 언더샘플링 패턴의 FDIC가 풀 샘플링의 FDIC인 1에 가까운 값을 가질수록, 해당 언더 샘플링으로 얻은 프로젝션 데이터로부터 CS 영상재구성 결과가 우수하다.이때, 도 6의 (d)과 같이 언더 샘플링으로 인해 발생하는 영상왜곡의 주파수 성분이 주파수 스펙트럼에서 DC 값 외의 노이즈 피크 값들로 나타나는데, , 도 6의 (e)과 같이 DC 성분의 피크값이 높고, 노이즈 피크 값들이 주파수 스펙트럼에서 고루 퍼져 sidelobe가 낮게 형성되는 경우, CS 적용에 효과적인 언더 샘플링이라 할 수 있다. 이는, 데이터 인코히어런스가 높을수록 노이즈에 의한 주파수 성분들이 모여 하나의 피크로 형성되기 어렵고, 이에 따라, 주파수 스펙트럼에서 sidelobe의 피크가 낮은 값을 갖게 됨에 따른 것이다.
이러한 도 6의 예에 식 4를 적용하면, 도 6의 (a)는 이상적인 풀 샘플링으로 언더 샘플링에 의한 영상왜곡이 없기 때문에 균일한 영상에 존재하는 DC 성분에 의한 하나의 peak만을 갖게 되므로 FDIC는 1의 값을 갖게 된다. 하지만, 도 6의 (e)와 같이 프로젝션 도메인에서 언더 샘플링에 의한 노이즈 피크들 및 sidelobe가 존재하는 경우 FDIC는 1보다 작은 값을 갖게 된다. 이때, CS 적용에 효과적인 언더 샘플링 패턴일수록 FDIC 값이 1에 가깝다.
이처럼, 주파수 도메인에서 peak와 sidelobe의 크기 비율을 이용하여 프로젝션 도메인에서 언더 샘플링 패턴의 데이터 인코히어런스를 산출할 수 있고, 언더 샘플링 패턴 선정부(130)는 데이터 인코히어런스 산출부(120')가 산출한 FDIC 값이 도 6의 (a)와 같이 이상적인 1에 가까운 값을 가질수록 효과적인 샘플링이 이루어진 것으로 판단하여 언더 샘플링 패턴을 선정할 수 있다.
이와 같이, 균일한 영상을 사용하여 프로젝션 도메인에서의 언더 샘플링에 의한 영상왜곡을 주파수 도메인에서의 DC 값인 peak 값과 sidelobe를 비교하는 도 6의 처리과정은, 기존의 MRI 영상기기에서 언더 샘플링 패턴을 추출하는 방식을 효과적으로 프로젝션 도메인 기반의 영상기기인 CT, PET, SPECT에 적용한것으로서, 이에 따라, 프로젝션 도메인에서 CS 기법에 효과적인 언더 샘플링을 추출할 수 있게 된다.
데이터 인코히어런스 산출부(120')의 패턴 FDIC 선정부(125)가 데이터 인코히어런스를 산출함에 있어서, 데이터 인코히어런스 산출부(120)가 IDIC를 이용하는 경우의 실시예와 마찬가지로, 언더 샘플링 패턴 무작위 생성부(110)에서 생성한 언더 샘플링 패턴들에 대해서 모두 데이터 인코히어런스 값을 산출하여 패턴별 FDIC 값으로서 언더 샘플링 패턴 선정부(130)로 전달하고, 언더 샘플링 패턴 선정부(130)는 패턴 인코히어런스 산출부(120')에서 선정한 패턴별 FDIC 값들을 비교하여 하나의 언더 샘플링 패턴을 추출한다.
이와 같이, 데이터 인코히어런스 산출부(120')가 패턴 FDIC 선정부(125)를 이용하여 언더 샘플링 패턴별 데이터 인코히어런스를 산출하는 구조를 가짐에 따라, 도 2의 구조를 갖는 데이터 인코히어런스 산출부(120)에서 픽셀별 연산이 이루어짐에 따라 많은 연산량을 요구하던 것에 비해, 언더 샘플링 패턴의 데이터 인코히어런스를 보다 적은 연산량으로 빠르고 효과적으로 산출할 수 있는 효과가 있다.
본 발명의 의료영상기기의 영상 재구성 패턴 산출장치(100)가 도 1 내지 도 6을 참고로 하여 설명한 구조를 가짐에 따라, CT, PET 또는 SPECT와 같이 프로젝션 도메인에서 영상을 재구성하는 의료영상기기에서 영상 재구성의 결과가 좋은 언더 샘플링 패턴을 선정할 수 있어, 본 발명을 이용하는 의료영상기기는 선정된 언더 샘플링 패턴을 이용하여 효율적으로 영상 재구성을 수행할 수 있는 효과가 있다.
다음으로, 도 7 내지 도 9를 참고하여 의료영상기기의 영상 재구성 패턴 산출방법을 자세히 설명하도록 한다. 도 7 및 도 8은 본 발명의 한 실시예에 따른 의료영상기기의 영상 재구성 패턴 산출 방법의 흐름도이고, 도 9는 본 발명의 한 실시예에 따른 의료영상기기의 영상 재구성 패턴 산출 방법을 몬테 카를로법을 이용하여 수행하는 일 예를 나타낸 흐름도이다.
본 실시예에서, 의료영상기기의 영상 재구성 패턴 산출방법은 언더 샘플링 패턴을 무작위로 생성하는 단계(S10), 언더 샘플링 패턴의 데이터 인코히어런스를 산출하는 단계(S20), 그리고 무작위로 산출된 언더 샘플링 패턴들의 DIC 값을 비교하여 가장 높은 값을 갖는 언더 샘플링 패턴을 선정하는 단계(S30)를 포함하여 이루어진다.
언더 샘플링 패턴을 무작위로 생성하는 단계(S10)는 도 1에서 도시한 의료영상기기의 영상 재구성 패턴 산출장치(100)의 언더 샘플링 패턴 무작위 생성부(110)에서 수행될 수 있다.
언더 샘플링 패턴의 데이터 인코히어런스를 산출하는 단계(S20)는 도 1에서 도시한 의료영상기기의 영상 재구성 패턴 산출장치(100)의 데이터 인코히어런스 산출부(120, 120')에서 IDIC 또는 FDIC를 산출하여 수행될 수 있다.
언더 샘플링 패턴의 데이터 인코히어런스를 산출하는 단계(S20)가 IDIC를 통해 수행되는 일예는 도 8에 도시한 것과 같이 언더 샘플링 패턴의 픽셀별 LOR을 산출하는 단계(S21), 언더 샘플링 패턴의 픽셀별 LOR로부터 IDIC를 계산하는 단계(S22) 및 언더 샘플링 패턴의 픽셀별 IDIC의 평균을 산출하여 언더 샘플링 패턴의 IDIC 대표값으로 선정하는 단계(S23)를 포함하여 이루어진다.
언더 샘플링 패턴의 픽셀별 LOR을 산출하는 단계(S21)는 언더 샘플링 패턴의 픽셀을 지나가는 모든 LOR 조합을 산출하고, 언더 샘플링 패턴의 픽셀별 LOR로부터 IDIC를 계산하는 단계(S22)는 언더 샘플링 패턴의 픽셀별 LOR 조합들에 대해 픽셀별 LOR 코릴레이션 값을 계산하고, 픽셀별 LOR 코릴레이션 값을 이용하여 픽셀별 IDIC(데이터 인코히어런스)를 계산하도록 수행되며, 언더 샘플링 패턴의 픽셀별 IDIC의 평균을 산출하여 언더 샘플링 패턴의 IDIC 대표값으로 선정하는 단계(S23)는 언더 샘플링 패턴의 픽셀별 LOR로부터 IDIC를 계산하는 단계(S22)에서 모든 픽셀에 대해 계산된 픽셀별 IDIC를 평균내어 해당 언더 샘플링 패턴의 IDIC 대표값으로 선정하도록 수행된다.
이때, 언더 샘플링 패턴의 데이터 인코히어런스를 산출하는 단계(S20)는 도 8의 흐름을 참고하여 설명한 것처럼 IDIC를 산출하는 형태가 아니라, 데이터 인코히어런스 산출부(120')의 패턴 FDIC 선정부(125)를 이용하여 FDIC를 산출하도록 수행될 수 있으며, 이 경우, 언더 샘플링 패턴의 데이터 인코히어런스를 산출하는 단계(S20)는 언더 샘플링 패턴들에 대해 FDIC를 산출하도록 수행된다.
무작위로 산출된 언더 샘플링 패턴들의 DIC 값을 비교하여 가장 높은 값을 갖는 언더 샘플링 패턴을 선정하는 단계(S30)는 도 1에 도시된 의료영상기기의 영상 재구성 패턴 산출장치(100)의 언더 샘플링 패턴 선정부(130)에서 수행될 수 있다.
도 7 및 도 8의 방법은 컴퓨터 판독 가능한 기록매체에 저장될 수 있고, 해당 방법을 수행함으로부터 CT, PET, SPECT와 같이 프로젝션 도메인에서 영상을 재구성하는 의료영상기기에서 효과적으로 영상을 재구성할 수 있는 언더 샘플링 패턴을 선정할 수 있게 된다.
한 예에서, 도 7 및 도 8 방법은 도 9의 몬테 카를로법으로 구현될 수 있는데, 무작위로 생성된 언더 샘플링 패턴들을 IDIC 또는 FDIC로 연산하고, 무작위로 생성된 언더 샘플링 패턴들의 IDIC 연산 값 또는 FDIC 연산 값을 정렬하여 최적의 언더 샘플링 패턴을 결과로 추출한다.
이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.
100 : 의료영상기기의 영상 재구성 패턴 산출장치
110 : 언더 샘플링 패턴 무작위 생성부
120 : 데이터 인코히어런스 산출부 130 : 언더 샘플링 패턴 선정부
121 : 픽셀 LOR 산출부 122 : 픽셀 IDIC 산출부
123 : 패턴 IDIC 대표값 선정부

Claims (15)

  1. 무작위로 생성된 언더 샘플링 패턴의 데이터의 인코히어런스(incoherence)로부터 도출된 복수 개의 언더 샘플링 패턴의 데이터 인코히어런스 값을 각각 산출하는 데이터 인코히어런스 산출부; 그리고,
    상기 데이터 인코히어런스 산출부에서 상기 복수 개의 언더 샘플링 패턴에 대해 각각 산출된 데이터 인코히어런스 값을 참조하여, 영상 재구성을 위한 언더 샘플링 패턴을 선정하는 언더 샘플링 패턴 선정부;
    를 포함하여, 프로젝션 도메인에서 샘플링을 수행하는 의료영상기기가 영상재구성을 수행하는 데 사용할 영상 재구성 패턴을 산출하되,
    상기 데이터 인코히어런스 산출부는 이미지 도메인을 기반으로 상기 복수 개의 언더 샘플링 패턴에 대한 이미지 도메인 기반의 데이터 인코히어런스(IDIC, Image Domain based Data InCoherence)를 산출하는 것을 특징으로 하는 의료영상기기의 영상 재구성 패턴 산출장치.
  2. 삭제
  3. 제1항에 있어서,
    상기 데이터 인코히어런스 산출부는,
    상기 언더 샘플링 패턴에 포함된 복수 개의 샘플링 포인트인 프로젝션 도메인에서의 LOR을 통해 이미지 도메인 상의 픽셀을 지나가는 LOR(line of response) 조합을 산출하는 픽셀별 LOR 산출부;
    상기 픽셀별 LOR 산출부에서 산출된 픽셀별 LOR 조합에 대해서, 각 픽셀에 대한 모든 LOR 조합이 이루는 각도를 LOR 코릴레이션 값으로 각각 계산하는 픽셀별 코릴레이션 계산부;
    상기 픽셀별 코릴레이션 계산부에서 계산된 모든 LOR 코릴레이션 값으로부터 픽셀별 IDIC(이미지 도메인 기반의 데이터 인코히어런스) 값을 계산하는 픽셀별 IDIC 계산부; 그리고,
    언더 샘플링 패턴에 대한 모든 픽셀에 대해 계산된 IDIC를 픽셀의 개수로 나누어 언더 샘플링 패턴의 IDIC 대표값으로 산출하는 패턴 IDIC 대표값 산출부;를 포함하는 것을 특징으로 하는 의료영상기기의 영상 재구성 패턴 산출장치.
  4. 제3항에 있어서,
    상기 언더 샘플링 패턴 선정부는 상기 패턴 IDIC 대표값 산출부에서 산출된 언더 샘플링 패턴의 IDIC 대표값이 가장 높은 언더 샘플링 패턴을 영상 재구성을 수행하는 데 사용할 언더 샘플링 패턴으로서 선정하는 것을 특징으로 하는 의료영상기기의 영상 재구성 패턴 산출장치.
  5. 제3항에 있어서,
    상기 픽셀별 IDIC 계산부는 다음의 식을 이용하여 언더 샘플링 패턴의 데이터 인코히어런스를 산출하는 것을 특징으로 하는 의료영상기기의 영상 재구성 패턴 산출장치.
    Figure 112018048272107-pat00007

    (여기서, DIC'n은 n번째 픽셀의 DIC이고, Mn은 n번째 픽셀을 지나는 모든 LOR의 개수, n은 픽셀에 대한 인덱스, a와 b는 픽셀 n을 지나는 LOR에 대한 인덱스로서 a, b, n은 자연수임.)
  6. 제5항에 있어서,
    상기 픽셀별 IDIC 계산부는 LOR 각도에 따른 데이터 인코히어런스 값 조절을 위해, k를 변경하여 식을 수행하는 것을 특징으로 하는 의료영상기기의 영상 재구성 패턴 산출장치.
  7. 제1항에 있어서,
    상기 데이터 인코히어런스 산출부는 데이터 인코히어런스 기반의 주파수 도메인에서 상기 복수 개의 언더 샘플링 패턴에 대한 주파수 도메인 기반의 데이터 인코히어런스(FDIC, Frequency domain based Data InCoherence)를 산출하는 것을 특징으로 하는 의료영상기기의 영상 재구성 패턴 산출장치.
  8. 제7항에 있어서,
    상기 데이터 인코히어런스 산출부는 다음의 식을 이용하여 언더 샘플링 패턴의 데이터 인코히어런스를 산출하는 것을 특징으로 하는 의료영상기기의 영상 재구성 패턴 산출장치.
    Figure 112018048272107-pat00008

    (여기서, F(Irecon)는 균일한 영상을 언더샘플링 투사 연산을 통해 얻어진 프로젝션 도메인 상의 언더 샘플링된 투영 데이터를 여과 역 투사(Filtered Back Projection)시켜 얻은 이미지 도메인 영상을 퓨리에변환하여 얻은 주파수 스펙트럼이고, F(Irecon)Peak는 해당 주파수 스펙트럼에서 DC에 해당하는 peak 값이고, F(Irecon)sidelobe는 해당 스펙트럼에서 DC를 제외한 peak들 중 가장 큰 peak를 의미함.)
  9. 제8항에 있어서,
    상기 언더 샘플링 패턴 선정부는 상기 데이터 인코히어런스 산출부에서 산출한 주파수 도메인 기반의 데이터 인코히어런스 값이 가장 큰 언더 샘플링 패턴을 영상 재구성을 위한 언더 샘플링 패턴으로 선정하는 것을 특징으로 하는 의료영상기기의 영상 재구성 패턴 산출장치.
  10. 삭제
  11. 컴퓨터로 구현되는 의료영상기기의 영상 재구성 패턴 산출장치에 의해 수행되는 의료영상기기의 영상 재구성 패턴 산출방법에 있어서,
    무작위로 생성된 복수 개의 언더 샘플링 패턴들 데이터의 인코히어런스(incoherence) 값을 각각 산출하는 단계; 그리고,
    도출된 상기 복수 개의 언더 샘플링 데이터의 인코히어런스 값을 비교하여 가장 높은 인코히어런스 값을 갖는 언더 샘플링 패턴을 영상 재구성을 위한 언더 샘플링 패턴으로 선정하는 단계;
    를 포함하고,
    이미지 도메인을 기반으로 상기 복수 개의 언더 샘플링 패턴에 대한 이미지 도메인 기반의 데이터 인코히어런스(IDIC, Image Domain based Data InCoherence)를 산출하도록 구비되는 것을 특징으로 하는 의료영상기기의 영상 재구성 패턴 산출방법.
  12. 제11항에 있어서,
    상기 복수 개의 언더 샘플링 패턴들의 데이터 인코히어런스를 산출하는 단계는 IDIC를 산출하여 이루어지고,
    언더 샘플링 패턴의 픽셀별 LOR(line of response)을 산출하는 단계;
    언더 샘플링 패턴의 픽셀별 LOR로부터 픽셀별 LOR 코릴레이션 값을 계산하고, 픽셀별 LOR 코릴레이션 값을 이용하여 픽셀별 IDIC를 계산하는 단계; 그리고,
    언더 샘플링 패턴의 픽셀별 IDIC의 평균을 산출하여 언더 샘플링 패턴의 IDIC 대표값으로 선정하는 단계;로 이루어지며,
    상기 복수 개의 언더 샘플링 패턴들의 데이터 인코히어런스 값을 비교하여 가장 높은 값을 갖는 언더 샘플링 패턴을 영상 재구성을 위한 언더 샘플링 패턴으로 선정하는 단계는 상기 언더 샘플링 패턴의 IDIC 대표값을 비교하여 이루어지는 것을 특징으로 하는 의료영상기기의 영상 재구성 패턴 산출방법.
  13. 제11항에 있어서,
    상기 복수 개의 언더 샘플링 패턴들의 데이터 인코히어런스를 산출하는 단계는 FDIC(주파수 도메인 기반의 데이터 인코히어런스)를 산출하여 이루어지고,
    상기 복수 개의 언더 샘플링 패턴들의 데이터 인코히어런스 값을 비교하여 가장 높은 값을 갖는 언더 샘플링 패턴을 영상 재구성을 위한 언더 샘플링 패턴으로 선정하는 단계는 상기 복수 개의 언더 샘플링 패턴들의 데이터 인코히어런스를 산출하는 단계에서 산출된 주파수 도메인 기반의 데이터 인코히어런스 값이 가장 큰 언더 샘플링 패턴을 선정하도록 이루어지는 것을 특징으로 하는 의료영상기기의 영상 재구성 패턴 산출방법.
  14. 삭제
  15. 제11항에 있어서,
    상기 단계들은 몬테 카를로법을 이용하여 수행되는 것을 특징으로 하는 의료영상기기의 영상 재구성 패턴 산출방법.
KR1020180056053A 2018-05-16 2018-05-16 의료영상기기에서 압축센싱 활용을 위한 샘플링 패턴 산출장치 및 그 방법 KR102128765B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180056053A KR102128765B1 (ko) 2018-05-16 2018-05-16 의료영상기기에서 압축센싱 활용을 위한 샘플링 패턴 산출장치 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180056053A KR102128765B1 (ko) 2018-05-16 2018-05-16 의료영상기기에서 압축센싱 활용을 위한 샘플링 패턴 산출장치 및 그 방법

Publications (2)

Publication Number Publication Date
KR20190131325A KR20190131325A (ko) 2019-11-26
KR102128765B1 true KR102128765B1 (ko) 2020-07-01

Family

ID=68731252

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180056053A KR102128765B1 (ko) 2018-05-16 2018-05-16 의료영상기기에서 압축센싱 활용을 위한 샘플링 패턴 산출장치 및 그 방법

Country Status (1)

Country Link
KR (1) KR102128765B1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013529491A (ja) 2010-06-21 2013-07-22 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 低線量ｃｔイメージングを実行するための方法及びシステム
US9170315B2 (en) 2013-10-23 2015-10-27 Samsung Electronics Co., Ltd. Magnetic resonance imaging apparatus and method

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013009652A1 (en) 2011-07-08 2013-01-17 Regents Of The University Of Minnesota Multistep correction for angle consistent artifacts in radial sampled image datasets
US9081074B2 (en) * 2012-08-21 2015-07-14 Beth Israel Deaconess Medical Center, Inc. (Bidmc, Inc.) Method and apparatus for accelerated phase contrast magnetic resonance angiography and blood flow imaging
US10663549B2 (en) * 2014-11-25 2020-05-26 Siemens Healthcare Gmbh Compressed sensing reconstruction for multi-slice and multi-slab acquisitions

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013529491A (ja) 2010-06-21 2013-07-22 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 低線量ｃｔイメージングを実行するための方法及びシステム
US9170315B2 (en) 2013-10-23 2015-10-27 Samsung Electronics Co., Ltd. Magnetic resonance imaging apparatus and method

Also Published As

Publication number Publication date
KR20190131325A (ko) 2019-11-26

Similar Documents

Publication Publication Date Title
Mehta et al. Rodeo: robust de-aliasing autoencoder for real-time medical image reconstruction
Liu et al. Total variation-stokes strategy for sparse-view X-ray CT image reconstruction
Burger et al. A variational reconstruction method for undersampled dynamic x-ray tomography based on physical motion models
JP2020516345A (ja) 深層学習に基づくトモグラフィ再構成
Leuschner et al. The lodopab-ct dataset: A benchmark dataset for low-dose ct reconstruction methods
Ge et al. ADAPTIVE-NET: deep computed tomography reconstruction network with analytical domain transformation knowledge
JP2017094097A (ja) 医用画像処理装置、ｘ線コンピュータ断層撮像装置及び医用画像処理方法
Matos et al. Deep learning for plasma tomography using the bolometer system at JET
US9805481B2 (en) System and method for regularized reconstruction of phase contrast computerized tomography
Li et al. Sparse CT reconstruction based on multi-direction anisotropic total variation (MDATV)
Barkan et al. Adaptive compressed tomography sensing
Zhou et al. Spatial orthogonal attention generative adversarial network for MRI reconstruction
Kim et al. A streak artifact reduction algorithm in sparse‐view CT using a self‐supervised neural representation
Li et al. Image reconstructions from super‐sampled data sets with resolution modeling in PET imaging
Ma et al. A multilevel based reweighting algorithm with joint regularizers for sparse recovery
Gao et al. Principal component reconstruction (PCR) for cine CBCT with motion learning from 2D fluoroscopy
Zhang et al. CT image reconstruction algorithms: A comprehensive survey
KR102128765B1 (ko) 의료영상기기에서 압축센싱 활용을 위한 샘플링 패턴 산출장치 및 그 방법
Richter et al. Compressed sensing for reduction of noise and artefacts in direct PET image reconstruction
Jeong et al. Sinogram-based super-resolution in PET
Chrysostomou Sinogram denoise based on generative adversarial networks
Marquez et al. Coded aperture optimization for single pixel compressive computed tomography
Shi et al. Multi-stage Deep Learning Artifact Reduction for Computed Tomography
Wu et al. Iterative CT reconstruction using curvelet-based regularization
Zhu et al. CT image reconstruction from partial angular measurements via compressed sensing

Legal Events

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