KR102205987B1 - 하악골 신경 파악방법 - Google Patents
하악골 신경 파악방법 Download PDFInfo
- Publication number
- KR102205987B1 KR102205987B1 KR1020180163180A KR20180163180A KR102205987B1 KR 102205987 B1 KR102205987 B1 KR 102205987B1 KR 1020180163180 A KR1020180163180 A KR 1020180163180A KR 20180163180 A KR20180163180 A KR 20180163180A KR 102205987 B1 KR102205987 B1 KR 102205987B1
- Authority
- KR
- South Korea
- Prior art keywords
- slice
- nerve
- image
- slice images
- interpolation
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 210000002698 mandibular nerve Anatomy 0.000 title claims abstract description 28
- 238000001514 detection method Methods 0.000 claims abstract description 48
- 230000002457 bidirectional effect Effects 0.000 claims abstract description 12
- 210000004373 mandible Anatomy 0.000 claims abstract description 12
- 210000005036 nerve Anatomy 0.000 claims description 38
- 238000013170 computed tomography imaging Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 abstract description 24
- 238000002591 computed tomography Methods 0.000 abstract description 19
- 238000010586 diagram Methods 0.000 description 13
- 238000005070 sampling Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000001356 surgical procedure Methods 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 210000001847 jaw Anatomy 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 239000002547 new drug Substances 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 239000013076 target substance Substances 0.000 description 1
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
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- 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]
- A61B6/032—Transmission 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
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/506—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of nerves
-
- 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
- A61B6/5223—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data generating planar views from image data, e.g. extracting a coronal view from a 3D image
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Public Health (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Neurology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physiology (AREA)
- Pulmonology (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
본 발명은 하악골 신경 파악방법에 관한 것으로, 보다 상세하게는 환자 또는 시술대상자의 컴퓨터단층촬영 즉, CT(Computer Tomography)촬영된 하악골 영상의 3차원 영상을 x, y 또는 z축을 기준으로 복수의 2차원 단면 슬라이스를 생성하고, 생성된 2차원 단면 슬라이스를 ANN(Artificial Neural Network)등을 이용하여 샘플링하고 샘플링된 영상의 최적상태를 추출하여 이를 토대로 보간법으로 스플라인 곡선을 형성, 각각의 샘플링된 영상간의 위치를 조정하고 정렬한다.
상기 CT영상 슬라이스의 검출 오류를 제거하고 정렬된 샘플린된 2차원 단면 슬라이스영상 각각을 기준으로 양방향 트랙킹(Tracking)을 실시하여 하악골 신경의 전체위치를 파악하는 방법에 관한 것이다.
상기 CT영상 슬라이스의 검출 오류를 제거하고 정렬된 샘플린된 2차원 단면 슬라이스영상 각각을 기준으로 양방향 트랙킹(Tracking)을 실시하여 하악골 신경의 전체위치를 파악하는 방법에 관한 것이다.
Description
본 발명은 하악골 신경 파악방법에 관한 것으로, 보다 상세하게는 환자 또는 시술대상자의 컴퓨터단층촬영 즉, CT(Computer Tomography)촬영된 하악골 영상의 3차원 영상을 x, y 또는 z축을 기준으로 복수의 2차원 단면 슬라이스를 생성하고, 생성된 2차원 단면 슬라이스를 ANN(Artificial Neural Network)등을 이용하여 샘플링하고 샘플링된 영상의 최적상태를 추출하여 이를 토대로 보간법으로 스플라인 곡선을 형성, 각각의 샘플링된 영상간의 위치를 조정하고 정렬한다.
상기 CT영상 슬라이스의 검출 오류를 제거하고 정렬된 샘플린된 2차원 단면 슬라이스영상 각각을 기준으로 양방향 트랙킹(Tracking)을 실시하여 하악골 신경의 전체위치를 파악하는 방법에 관한 것이다.
종래에는 환자 또는 시술대상자의 하악골 즉, 아래턱에 존재하는 신경의 위치를 파악하기 위해서, 3D CT영상을 관찰하며 육안으로 식별이 가능하도록 하악골 치조신경(IAN, Inferior Alveolar Nerve)이 촬영된 영상에만 수동으로 상기 IAN을 마킹하는 작업을 반복하며, 의료진 또는 작업자의 경험과 축적된 개인역량을 이용하여 환자 또는 시술대상자의 하악골 치조신경의 위치를 파악하는 기술이 존재하였다.
이러한 종래 의료진 또는 작업자의 경험과 축적된 개인역량을 이용하여 환자 또는 시술대상자의 하악골 치조신경의 위치를 파악하는 기술에는 의료진 또는 작업자가 환자 또는 시술대상자의 하악골 치조신경의 위치를 파악하는데에 상당한 시간과 노력이 요구되었으며, CT영상의 상태와 의료진 또는 작업자의 역량 차이로 인한 검출의 일관성이 현저히 떨어진다는 문제점이 존재하였다.
환자 또는 시술대상자의 하악골 치조신경의 위치를 파악하는데에 상당한 시간과 노력이 요구되며, CT영상의 상태와 의료진 또는 작업자의 역량 차이로 인한 검출의 일관성이 현저히 떨어진다는 문제점을 극복하기 위한 ANN등을 이용한 샘플링단계, 최적상태의 영상을 검출하며 이를 정렬하는 필터링단계 및 정렬단계와 정렬된 영상 각각을 기준으로 양방향 트랙킹을 실시하여 하나의 전체 하악골 치조신경구조를 파악가능한 방법에 대한 기술개발이 시급한 실정이다.
본 발명은 전술한 문제점을 해결하기 위한 ANN등을 이용한 샘플링단계, 최적상태의 영상을 검출하며 이를 정렬하는 필터링단계 및 정렬단계와 정렬된 영상 각각을 기준으로 양방향 트랙킹을 실시하여 하나의 전체 하악골 치조신경구조를 파악가능한 방법을 제공하며, 구체적으로 종래 수동으로 IAN을 마킹하였던 것을 ANN 등을 이용하여 자동으로 마킹, 선별 및 정렬을 수행하며, 육안 시인성이 낮아 판독이 어려운 CT영상의 경우를 보간법 및 스플라인곡선을 이용하여 보충하고, 정렬된 영상을 기준으로 양방향 트랙킹을 수행하여 이를 높은 정확도로 연결하여 하나의 전체 하악골 치조신경을 신속하게 파악가능한 효과를 가지는 것을 특징으로 한다.
전술한 종래기술의 문제점을 해결하기 위하여 본 발명은 구체적으로, 환자 또는 시술대상자의 하악골을 3D로 촬영하는 CT촬영단계, 상기 CT촬영단계를 통해 촬영된 3D 영상을 2차원의 영상을 가지는 슬라이스로 분할형성하는 2차원 슬라이스영상 형성단계, 상기 2차원 슬라이스영상 형성단계를 통해 형성된 다수개의 2차원 슬라이스영상 중 일부를 탐지하여 선택하는 탐지단계, 상기 탐지단계를 통해 선택된 적어도 하나 이상의 2차원 슬라이스영상을 분석하여 각 슬라이스에 배치된 하악골 신경위치를 기준으로 슬라이스를 정렬하는 정렬단계, 상기 정렬단계를 통해 정렬된 적어도 하나 이상의 2차원 슬라이스영상간의 간극을 보간하는 보간단계, 상기 보간단계를 통해 형성된 보간곡선상에 가상에 후보군을 배치하는 배치단계 및 상기 적어도 하나 이상의 2차원 슬라이스영상을 기준으로 양방향 트랙킹을 실시하는 트랙킹단계를 포함하는 하악골 신경 파악방법을 제공하는 것이 가능하다.
상기 2차원 슬라이스영상 형성단계는 상기 CT촬영단계에서의 촬영된 3차원 영상의 x, y 또는 z축을 기준으로 각각 다수개의 2차원 슬라이스를 형성하는 것이 바람직하다.
상기 탐지단계는 상기 다수개의 2차원 슬라이스를 특정구간으로 그룹화하여 그룹화된 슬라이스영상 중 하나의 슬라이스영상을 탐지하는 제1탐지단계 및 상기 제1탐지단계를 통해 탐지된 하나의 슬라이스영상에 대해 신경의 위치를 탐지하는 제2탐지단계를 포함할 수 있으며, 이 경우, 상기 제1탐지단계는 상기 그룹화된 슬라이스영상 중 하나의 슬라이스영상을 ANN 러닝결과 스코어를 기준으로 탐지하며, 상기 제2탐지단계는 상기 제1탐지단계를 통해 탐지된 하나의 슬라이스영상에 대해 ANN 러닝결과 스코어를 기준으로 신경의 위치를 탐지하는 것이 가능하다.
또한, 상기 탐지단계는 다수개의 슬라이스영상 중 수동으로 적어도 하나 이상의 2차원 슬라이스영상 선택하여 신경을 마킹하는 수동탐지단계인 것이 가능하다.
상기 보간단계는 상기 정렬단계를 통해 정렬된 일부 2차원 슬라이스간의 간극을 보간법을 이용하여 스플라인곡선으로 보간수행하여 연결하는 것이 바람직하다.
상기 배치단계는 상기 보간단계를 통해 도출된 가상의 스플라인곡선상에 다수개의 2차원 슬라이스를 토대로 하악골 신경에 대한 가상의 후보군을 선정하여 배치하되, 정렬된 상기 적어도 하나 이상의 2차원 슬라이스영상간의 중간지점을 중심으로 배치될 수 있다.
상기 트랙킹단계는 정렬된 상기 적어도 하나 이상의 2차원 슬라이스영상을 기준으로 양방향으로 동시에 트랙킹을 수행하되, 보간곡선상에 배치된 가상의 후보군 중 어느 하나를 선택하며 트랙킹을 수행하는 것이 바람직하다.
상기 트랙킹단계 이후 2차원 슬라이스를 수동으로 조정하여 재차 트랙킹단계를 수행하는 반복트랙킹단계를 더 포함할 수 있다.
본 발명은 ANN등을 이용한 샘플링단계, 최적상태의 영상을 검출하며 이를 정렬하는 필터링단계 및 정렬단계와 정렬된 영상 각각을 기준으로 양방향 트랙킹을 실시하는 트랙킹단계 등을 포함하는 하악골 신경 파악방법으로써, 수동으로 IAN을 마킹하였던 것을 ANN 등을 이용하여 자동으로 마킹, 선별 및 정렬을 수행하며, 육안 시인성이 낮아 판독이 어려운 CT영상의 경우를 보간법 및 스플라인곡선을 이용하여 보충하고, 정렬된 영상을 기준으로 양방향 트랙킹을 수행하여 이를 높은 정확도로 연결하여 하나의 전체 하악골 치조신경을 신속하게 파악가능한 효과를 가질 수 있다.
도 1은 본 발명의 일 실시예를 나타내는 3차원의 CT촬영영상에 대해 일정축을 기준으로 도출된 다수개의 2차원 슬라이스영상에 대한 개념도이다.
도 2는 본 발명의 일 실시예를 나타내는 다수개의 2차원 슬라이스영상으로부터 탐지된 적어도 하나 이상의 2차원 슬라이스영상에 대한 개념도이다.
도 3은 본 발명의 일 실시예를 나타내는 적어도 하나 이상의 2차원 슬라이스영상을 그룹화하며, 그룹화된 일부 2차원 슬라이스영상 중 탐지된 적어도 하나 이상의 2차원 슬라이스영상에 대한 개념도이다.
도 4는 본 발명의 일 실시예를 나타내는 보간법을 이용하여 하나의 슬라이스영상 각각을 연결하는 과정을 나타내는 개념도이다.
도 5는 본 발명의 일 실시예를 나타내는 보간곡석을 따라 가상의 후보군을 배치하는 것을 나타내는 개념도이다.
도 6은 본 발명의 일 실시예를 나타내는 보간곡선 및 가상의 후보군을 따라 하나의 슬라이스영상 각각에서 양방향으로 트랙킹을 실시하는 개념도이다.
도 7은 본 발명의 일 실시예를 나타내는 흐름도이다.
도 2는 본 발명의 일 실시예를 나타내는 다수개의 2차원 슬라이스영상으로부터 탐지된 적어도 하나 이상의 2차원 슬라이스영상에 대한 개념도이다.
도 3은 본 발명의 일 실시예를 나타내는 적어도 하나 이상의 2차원 슬라이스영상을 그룹화하며, 그룹화된 일부 2차원 슬라이스영상 중 탐지된 적어도 하나 이상의 2차원 슬라이스영상에 대한 개념도이다.
도 4는 본 발명의 일 실시예를 나타내는 보간법을 이용하여 하나의 슬라이스영상 각각을 연결하는 과정을 나타내는 개념도이다.
도 5는 본 발명의 일 실시예를 나타내는 보간곡석을 따라 가상의 후보군을 배치하는 것을 나타내는 개념도이다.
도 6은 본 발명의 일 실시예를 나타내는 보간곡선 및 가상의 후보군을 따라 하나의 슬라이스영상 각각에서 양방향으로 트랙킹을 실시하는 개념도이다.
도 7은 본 발명의 일 실시예를 나타내는 흐름도이다.
이하, 본 발명의 일부 실시예들을 예시적인 도면을 통해 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명의 실시예를 설명함에 있어, 관련된 발사체지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 실시예에 대한 이해를 방해한다고 판단되는 경우에는 그 상세한 설명은 생략한다.
또한, 본 발명의 실시예의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 어떤 구성 요소가 다른 구성요소에 "연결", "결합" 또는 "접속"된다고 기재된 경우, 그 구성 요소는 그 다른 구성요소에 직접적으로 연결되거나 접속될 수 있지만, 각 구성 요소 사이에 또 다른 구성 요소가 "연결", "결합" 또는 "접속"될 수도 있다고 이해되어야 할 것이다.
이하에서는 각 도면을 참고하여 본 발명의 구체적인 실시태양에 대하여 설명하도록 한다.
종래에는 환자 또는 시술대상자의 하악골 즉, 아래턱에 존재하는 신경의 위치를 파악하기 위해서, 3D CT영상을 관찰하며 육안으로 식별이 가능하도록 하악골 치조신경(IAN, Inferior Alveolar Nerve)이 촬영된 영상에만 수동으로 상기 IAN을 마킹하는 작업을 반복하며, 의료진 또는 작업자의 경험과 축적된 개인역량을 이용하여 환자 또는 시술대상자의 하악골 치조신경의 위치를 파악하는 기술이 존재하였다.
이러한 종래 의료진 또는 작업자의 경험과 축적된 개인역량을 이용하여 환자 또는 시술대상자의 하악골 치조신경의 위치를 파악하는 기술에는 의료진 또는 작업자가 환자 또는 시술대상자의 하악골 치조신경의 위치를 파악하는데에 상당한 시간과 노력이 요구되었으며, CT영상의 상태와 의료진 또는 작업자의 역량 차이로 인한 검출의 일관성이 현저히 떨어진다는 문제점이 존재하였다.
환자 또는 시술대상자의 하악골 치조신경의 위치를 파악하는데에 상당한 시간과 노력이 요구되며, CT영상의 상태와 의료진 또는 작업자의 역량 차이로 인한 검출의 일관성이 현저히 떨어진다는 문제점을 극복하기 위한 ANN등을 이용한 샘플링단계, 최적상태의 영상을 검출하며 이를 정렬하는 필터링단계 및 정렬단계와 정렬된 영상 각각을 기준으로 양방향 트랙킹을 실시하여 하나의 전체 하악골 치조신경구조를 파악가능한 방법에 대한 기술개발이 요구된다.
이와 같은 내용을 토대로, 본 발명은 전술한 문제점을 해결하기 위한 ANN등을 이용한 샘플링단계, 최적상태의 영상을 검출하며 이를 정렬하는 필터링단계 및 정렬단계와 정렬된 영상 각각을 기준으로 양방향 트랙킹을 실시하여 하나의 전체 하악골 치조신경구조를 파악가능한 방법을 제공하며, 구체적으로 종래 수동으로 IAN을 마킹하였던 것을 ANN 등을 이용하여 자동으로 마킹, 선별 및 정렬을 수행하며, 육안 시인성이 낮아 판독이 어려운 CT영상의 경우를 보간법 및 스플라인곡선을 이용하여 보충하고, 정렬된 영상을 기준으로 양방향 트랙킹을 수행하여 이를 높은 정확도로 연결하여 하나의 전체 하악골 치조신경을 신속하게 파악가능한 효과를 제공할 수 있는 특징이 있다.
도 1은 본 발명의 일 실시예를 나타내는 3차원의 CT촬영영상에 대해 일정축을 기준으로 도출된 다수개의 2차원 슬라이스영상에 대한 개념도이며, 도 2는 본 발명의 일 실시예를 나타내는 다수개의 2차원 슬라이스영상으로부터 탐지된 적어도 하나 이상의 2차원 슬라이스영상에 대한 개념도이다.
임플란트시술 또는 양약수술 등 환자의 치아 또는 턱과 관련된 외과시술을 준비함에 있어서, 환자 또는 시술대상자의 안전을 보장하고 해당시술의 완성도를 높이기 위하여 각시술전에 환자 또는 시술대상자의 하악골 신경(치조신경)의 정확한 위치파악이 요구된다.
이에 따라, 각 환자 또는 시술대상자는 CT촬영을 통해 하악골 신경의 위치정보를 3차원으로 획득하는 것이 가능하다.
하지만, 3D CT영상의 각 부분을 관찰하며 육안으로 식별이 가능한 수준으로 하악골 치조신경(IAN)이 촬영된 영상에만 수동으로 상기 IAN을 마킹하는 작업을 반복하며, 의료진 또는 작업자의 경험과 축적된 개인역량을 이용하여 환자 또는 시술대상자의 하악골 치조신경의 위치를 파악하는 종래방법은 전술한 바와 같은 문제점이 상당부분 존재하였다.
이를 개선하기 위해 도 1 및 도 2에서와 같이, 환자 또는 시술대상자의 하악골을 3D로 촬영하는 CT촬영단계(S100) 및 이를 통해 촬영된 3D 영상을 2차원을 가지는 다수개의 슬라이스영상으로 분할형성하는 2차원 슬라이스영상 형성단계(S200)를 거쳐 상기 CT촬영단계(S100)에서의 촬영된 3차원 영상의 x, y 또는 z축을 기준으로 각각 다수개의 2차원 슬라이스영상(100)을 형성하는 것이 가능하다.
또한, 상기 2차원 슬라이스영상 형성단계를 통해 형성된 다수개의 2차원 슬라이스영상(100) 중 일부를 탐지하여 선택하는 탐지단계(S400)를 거치되, 상기 탐지단계(S300)는 상기 다수개의 2차원 슬라이스영상(100)을 특정구간으로 그룹화하여 그룹화된 슬라이스영상 중 적어도 하나 이상의 2차원 슬라이스영상(200)을 탐지하는 제1탐지단계 및 상기 제1탐지단계를 통해 탐지된 적어도 하나 이상의 2차원 슬라이스영상(200) 각각에 대해 신경의 위치를 탐지하는 제2탐지단계를 포함하여 적어도 하나 이상의 2차원 슬라이스영상(200)을 획득하는 것이 가능하며,
상기 탐지단계(S300)는 다수개의 2차원 슬라이스영상(100) 중 수동으로 적어도 하나 이상의 2차원 슬라이스영상(200)을 선택하여 신경을 마킹하는 수동탐지단계를 포함하여 적어도 하나 이상의 2차원 슬라이스영상(200)을 획득하는 것이 가능하다.
이상의 탐지 또는 선택된 적어도 하나 이상의 2차원 슬라이스영상을 탐지하는 구체적인 과정 및 탐지 또는 선택된 적어도 하나 이상의 2차원 슬라이스영상을 이용하여 트랙킹을 수행하는 구체적인 과정에 대하여 도 3 내지 도 7을 참고하여 설명한다.
도 7은 본 발명의 일 실시예를 나타내는 흐름도이며, 이하 도 3 내지 도 6은 도 7에 도시된 각 단계에 대한 구체적인 내용을 표현한 개념도이다.
도 3은 본 발명의 일 실시예를 나타내는 적어도 하나 이상의 2차원 슬라이스영상을 그룹화하며, 그룹화된 일부 2차원 슬라이스영상 중 탐지된 적어도 하나 이상의 2차원 슬라이스영상에 대한 개념도이다.
도 3을 참고하면 본 발명의 탐지단계(S300)에 대한 구체적인 내용을 확인하는 것이 가능하다.
보다 상세하게는, 전체 다수개(N개)의 2차원 슬라이스영상 중 M개의 2차원 슬라이스영상을 탐지할 수 있는데, 이 경우 전술한 바와 같이 수동탐지단계를 통해 적어도 하나 이상의 2차원 슬라이스영상의 IAN에 대한 마킹을 수동으로 수행하며 탐지하거나, 슬라이스영상간의 기하학적 특징 또는 설정자(작업자)의 지식을 기반으로 하여 딥러닝, RNN(Recurrent Neural Network), CNN(Convolutional Neural Network) 또는 DNN(Deep Neural Network) 등 ANN(Artificial Neural Network) 기술을 이용하여 소정의 프로토콜에 따라 추후 하악골 신경의 파악이 용이하도록 자동으로 M개의 2차원 슬라이스영상을 탐지하는 것이 가능하다.(N>M)
향후 처리단계에서 정확도를 유지하되 전체 처리시간이 현저하게 단축되는 효과가 존재한다.
여기서, ANN이란, 기계 학습(machine learning)의 세부 방법론 중 하나로, 사람 또는 동물 두뇌의 신경망에 착안하여 구현된 컴퓨팅 시스템의 총칭을 의미할 수 있으며, 두뇌의 정보 처리 과정을 모방한 인공 신경망 알고리즘을 이용하는 방식으로 현재 신약의 선도 화합물 검색, 생화학적 목표 물질 동정, 단백질 디자인 등 상당한 영역에 활용되고 있다.
추가적으로, 탐지된 M개의 2차원 슬라이스영상을 특정구간으로 그룹화하고 그룹화된 슬라이스영상 중 적어도 하나 이상의 2차원 슬라이스영상(200)을 탐지하는 제1탐지단계 및 상기 제1탐지단계를 통해 탐지된 적어도 하나 이상의 2차원 슬라이스영상(200) 각각에 대해 신경의 위치를 탐지하는 제2탐지단계가 수행되어 추후 하악골 신경의 파악이 용이하도록 최종적으로 m개의 2차원 슬라이스영상의 탐지를 완료하는 것이 가능하다.(M>m)
이 경우, 상기 탐지단계를 통해 선택된 적어도 하나 이상의 2차원 슬라이스영상(200)을 분석하여 각 2차원 슬라이스영상(200)에 배치된 하악골 신경위치는 기 설정된 조건에 따라 각각의 2차원 슬라이스영상 중 신경의 위치를 점수(스코어)로 표현하며 해당 스코어를 기준으로 신경위치를 판단하고 이를 기준으로 해당 슬라이스를 정렬하는 정렬단계(S400)를 더 포함하는 것이 가능하며, 상기 제1탐지단계 또는 제2탐지단계의 스코어는 전술한 ANN 등의 러닝결과에 따른 인접 슬라이드영상간 유사도 스코어 또는 신경의 하악골 내부존재 여부에 따른 차등된 스코어 등을 기준으로 적어도 하나 이상의 2차원 슬라이스영상(200)을 탐지하는 것이 바람직하다.
다수개의 2차원의 슬라이스영상 중 신뢰도가 확보되는 적어도 하나 이상의 2차원의 슬라이스영상을 자동으로 확보하며, 추후 보간단계 및 트랙킹단계를 수행함에 있어서, 기준이 되는 신경의 위치를 조정하여 맞추는 과정이 요구되기 때문이다.
도 4는 본 발명의 일 실시예를 나타내는 보간법을 이용하여 하나의 슬라이스영상 각각을 연결하는 과정을 나타내는 개념도이다.
도 4를 참고하면, 전술한 바에 따른 정렬단계(S400)를 통해 정렬된 적어도 하나 이상(m개)의 2차원 슬라이스영상(200)간의 간극을 보간하는 보간단계(S500)를 확인하는 것이 가능하다.
상기 보간단계는 보간법 중 스플라인 곡선을 활용한 스플라인 보간법 등을 활용하여 보간곡선을 형성하는 것이 가능하다.
도 5는 본 발명의 일 실시예를 나타내는 보간곡석을 따라 가상의 후보군을 배치하는 것을 나타내는 개념도이다.
도 5를 참고하면, 상기 보간단계(S500)를 통해 도출된 가상의 스플라인곡선상에 다수개의 2차원 슬라이스영상(100)의 신경정보를 토대로 하악골 신경에 대한 가상의 후보군을 선정하여 배치하되, 정렬된 상기 적어도 하나 이상의 2차원 슬라이스영상(200)간의 중간지점을 중심으로 배치되는 배치단계(S600)를 확인하는 것이 가능하다.
이 경우, 상기 가상의 후보군은 다수개의 2차원 슬라이스영상(100) 또는 적어도 하나 이상의 2차원 슬라이스영상(200)에 대한 ANN분석을 통해 합리적인 후보군을 도출하여 상기 스플라인곡선(보간곡선)상에 배치하는 것이 바람직하다 할 것이다.
도 6은 본 발명의 일 실시예를 나타내는 보간곡선 및 가상의 후보군을 따라 하나의 슬라이스영상 각각에서 양방향으로 트랙킹을 실시하는 개념도이다.
도 6을 참고하면, 탐지된 적어도 하나 이상의 2차원 슬라이스영상(200)을 기준으로 양방향 트랙킹을 실시하는 트랙킹단계(S700)를 확인하는 것이 가능하다.
보다 상세하게는, 상기 트랙킹단계(S700)는 정렬된 상기 적어도 하나 이상의 2차원 슬라이스영상(200)을 기준으로 양방향으로 동시에 트랙킹을 수행하되, 보간곡선상에 배치된 가상의 후보군 중 어느 하나를 선택하며 트랙킹을 수행하는 것이 바람직하며, 이 경우 전술한 ANN 또는 MD NET(Multi-Domain Convolutional Neural Networks for Visual Tracking) 등 딥러닝 기반으로 화면상의 오브젝트를 트렉킹이 가능한 네트워크를 이용하여 비주얼을 데이터로 하는 오토 트랙킹을 수행하는 것이 가능하다.
이 경우, 적어도 하나 이상의 2차원 슬라이스영상(200) 각각을 기준으로 중간 위치에 도달할때까지 트랙킹을 수행함으로써, 최선의 경우를 가지는 신경위치의 예측을 할 수 있으며, 트랙킹 퍼포먼스의 정확도 및 진행속도 향상에 현저한 효과가 존재한다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
100 : 다수개의 2차원 슬라이스영상
200 : 선택된 적어도 하나 이상의 2차원 슬라이스영상
S100 : CT촬영단계
S200 : 2차원 슬라이스영상 형성단계
S300 : 탐지단계
S400 : 정렬단계
S500 : 보간단계
S600 : 배치단계
S700 : 트랙킹단계
S800 : 반복트랙킹단계
200 : 선택된 적어도 하나 이상의 2차원 슬라이스영상
S100 : CT촬영단계
S200 : 2차원 슬라이스영상 형성단계
S300 : 탐지단계
S400 : 정렬단계
S500 : 보간단계
S600 : 배치단계
S700 : 트랙킹단계
S800 : 반복트랙킹단계
Claims (10)
- 전자장치에서의 하악골 신경 파악방법에 있어서,
환자 또는 시술대상자의 하악골을 3D로 촬영하는 CT촬영단계(S100);
상기 CT촬영단계(S100)를 통해 촬영된 3D 영상을 2차원을 가지는 다수개의 슬라이스영상으로 분할형성하는 2차원 슬라이스영상 형성단계(S200);
상기 2차원 슬라이스영상 형성단계를 통해 형성된 다수개의 2차원 슬라이스영상(100) 중 일부를 탐지하여 선택하는 탐지단계(S300);
상기 탐지단계를 통해 선택된 적어도 하나 이상의 2차원 슬라이스영상(200)을 분석하여 각 2차원 슬라이스영상(200)에 배치된 하악골 신경위치를 기준으로 해당 슬라이스영상을 정렬하는 정렬단계(S400);
상기 정렬단계(S400)를 통해 정렬된 적어도 하나 이상의 2차원 슬라이스영상(200)간의 간극을 보간하는 보간단계(S500);
가상에 후보군을 상기 보간단계(S500)를 통해 형성된 보간곡선상에 배치하는 배치단계(S600); 및
상기 적어도 하나 이상의 2차원 슬라이스영상(200)을 기준으로 양방향 트랙킹을 실시하는 트랙킹단계(S700);
를 포함하는 하악골 신경 파악방법
- 제1항에 있어서,
상기 2차원 슬라이스영상 형성단계(S200)는,
상기 CT촬영단계(S100)에서의 촬영된 3차원 영상의 x, y 또는 z축을 기준으로 각각 다수개의 2차원 슬라이스영상(100)을 형성하는 것을 특징으로 하는 하악골 신경 파악방법
- 제1항에 있어서,
상기 탐지단계(S300)는,
상기 다수개의 2차원 슬라이스영상(100)을 특정구간으로 그룹화하여 그룹화된 슬라이스영상 중 적어도 하나 이상의 2차원 슬라이스영상(200)을 탐지하는 제1탐지단계; 및
상기 제1탐지단계를 통해 탐지된 적어도 하나 이상의 2차원 슬라이스영상(200) 각각에 대해 신경의 위치를 탐지하는 제2탐지단계;
를 포함하는 것을 특징으로 하는 하악골 신경 파악방법
- 제3항에 있어서,
상기 제1탐지단계는,
ANN 러닝결과 스코어를 기준으로 상기 그룹화된 슬라이스영상 중 적어도 하나 이상의 2차원 슬라이스영상(200)을 탐지하는 것을 특징으로 하는 하악골 신경 파악방법
- 제3항에 있어서,
상기 제2탐지단계는,
상기 제1탐지단계를 통해 탐지된 적어도 하나 이상의 2차원 슬라이스영상(200)에 대해 ANN 러닝결과 스코어를 기준으로 신경의 위치를 탐지하는 것을 특징으로 하는 하악골 신경 파악방법
- 제1항에 있어서,
상기 보간단계(S500)는,
상기 정렬단계(S400)를 통해 정렬된 적어도 하나 이상의 2차원 슬라이스영상(200)간의 간극을 보간법을 이용하여 스플라인곡선으로 보간수행하여 연결하는 것을 특징으로 하는 하악골 신경 파악방법
- 제1항에 있어서,
상기 배치단계(S600)는,
상기 보간단계(S500)를 통해 도출된 가상의 보간곡선상에 다수개의 2차원 슬라이스영상(100)의 신경정보를 토대로 하악골 신경에 대한 가상의 후보군을 선정하여 배치하되, 정렬된 상기 적어도 하나 이상의 2차원 슬라이스영상(200)간의 중간지점을 중심으로 배치되는 것을 특징으로 하는 하악골 신경 파악방법
- 제1항에 있어서,
상기 트랙킹단계(S700)는,
정렬된 상기 적어도 하나 이상의 2차원 슬라이스영상(200)을 기준으로 양방향으로 동시에 트랙킹을 수행하되, 보간곡선상에 배치된 가상의 후보군 중 어느 하나를 선택하며 트랙킹을 수행하는 것을 특징으로 하는 하악골 신경 파악방법
- 제1항에 있어서,
상기 탐지단계(S300)는,
다수개의 2차원 슬라이스영상(100) 중 수동으로 적어도 하나 이상의 2차원 슬라이스영상(200)을 선택하여 신경을 마킹하는 수동탐지단계;
인 것을 특징으로 하는 하악골 신경 파악방법
- 제1항에 있어서,
상기 트랙킹단계(S700) 이후,
적어도 하나 이상의 2차원 슬라이스영상을 수동으로 조정하여 재차 트랙킹단계를 수행하는 반복트랙킹단계(S800);
를 더 포함하는 것을 특징으로 하는 하악골 신경 파악방법
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180163180A KR102205987B1 (ko) | 2018-12-17 | 2018-12-17 | 하악골 신경 파악방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180163180A KR102205987B1 (ko) | 2018-12-17 | 2018-12-17 | 하악골 신경 파악방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200074598A KR20200074598A (ko) | 2020-06-25 |
| KR102205987B1 true KR102205987B1 (ko) | 2021-01-21 |
Family
ID=71400252
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180163180A KR102205987B1 (ko) | 2018-12-17 | 2018-12-17 | 하악골 신경 파악방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102205987B1 (ko) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100338975B1 (ko) | 1999-09-14 | 2002-05-31 | 최은백, 이찬경 | 턱뼈의 치조신경 검출방법 |
| US8798227B2 (en) | 2010-10-15 | 2014-08-05 | Kabushiki Kaisha Toshiba | Medical image processing apparatus and X-ray computed tomography apparatus |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101659323B1 (ko) | 2015-03-03 | 2016-09-23 | 주식회사 디오 | 클라우드 시스템을 이용한 치과 임플란트용 서지컬 가이드 및 식립물 제조방법 |
-
2018
- 2018-12-17 KR KR1020180163180A patent/KR102205987B1/ko active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100338975B1 (ko) | 1999-09-14 | 2002-05-31 | 최은백, 이찬경 | 턱뼈의 치조신경 검출방법 |
| US6704439B1 (en) | 1999-09-14 | 2004-03-09 | 10Dr Co. Ltd. | Method for identification of alveolar nerve region in mandible image |
| US8798227B2 (en) | 2010-10-15 | 2014-08-05 | Kabushiki Kaisha Toshiba | Medical image processing apparatus and X-ray computed tomography apparatus |
Non-Patent Citations (1)
| Title |
|---|
| KONDO, T., 등, Computer-based extraction of the inferior alveolar nerve canal in 3-D space, Computer methods and programs in biomedicine, 2004년, 76권, 3호, 페이지 181-191 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20200074598A (ko) | 2020-06-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2012328140B2 (en) | System and method for identifying eye conditions | |
| Burnsides et al. | 3-D landmark detection and identification in the CAESAR project | |
| AU670938B2 (en) | Method for identifying normal biomedical specimens | |
| JP5198476B2 (ja) | 合焦位置を決定する方法及びビジョン検査システム | |
| Harms et al. | Segmentation of stained blood cell images measured at high scanning density with high magnification and high numerical aperture optics | |
| US7415148B2 (en) | System and method for detecting anomalous targets including cancerous cells | |
| CN109784200A (zh) | 基于双目视觉的奶牛行为图像获取与体况智能监测系统 | |
| EP3047455B1 (en) | Method and system for spine position detection | |
| KR102205987B1 (ko) | 하악골 신경 파악방법 | |
| Maduri et al. | Malaria detection using image processing and machine learning | |
| Mustafa et al. | Malaria parasite diagnosis using computational techniques: a comprehensive review | |
| DE102009033927B4 (de) | Vorrichtung und Verfahren zum Lokalisieren eines validen Bereiches eines Blutausstriches | |
| JP7083191B2 (ja) | セファロ画像における計測点の自動認識方法 | |
| KR101863227B1 (ko) | 디지털 병리 시스템의 환자 케이스 동일성 판단 방법 | |
| Batitis et al. | Image classification of abnormal red blood cells using decision tree algorithm | |
| Skokan et al. | Registration of multimodal images of retina | |
| CN113627255A (zh) | 一种小鼠行为量化分析方法、装置、设备及可读存储介质 | |
| WO2021134474A1 (zh) | 样本分析系统及方法 | |
| KR102587005B1 (ko) | 상이한 촬영 시간영역대를 가지는 구강 영상을 이용한 구강내 변화 분석방법 및 정보 제공방법 | |
| CN115619747B (zh) | 幼儿眼底视网膜全景影像图谱生成和随访数据对齐方法 | |
| CN116672082B (zh) | 一种手术导航标尺的导航配准方法及装置 | |
| DE202013002483U1 (de) | Vorrichtung zur Vermessung einer Schlachttierkörperhälfte | |
| CN117351489B (zh) | 面向全身pet/ct扫描的头颈肿瘤靶区的勾画系统 | |
| US20230281802A1 (en) | Autonomous Measurement of the Zone of Inhibition for Antibacterial Sutures | |
| CN109816727B (zh) | 三维图集的目标识别方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right |