KR102225043B1 - 3차원 산업용 컴퓨터 단층 영상 기법에서 금속으로 인한 인공음영 제거 방법 및 장치 - Google Patents

3차원 산업용 컴퓨터 단층 영상 기법에서 금속으로 인한 인공음영 제거 방법 및 장치 Download PDF

Info

Publication number
KR102225043B1
KR102225043B1 KR1020190134994A KR20190134994A KR102225043B1 KR 102225043 B1 KR102225043 B1 KR 102225043B1 KR 1020190134994 A KR1020190134994 A KR 1020190134994A KR 20190134994 A KR20190134994 A KR 20190134994A KR 102225043 B1 KR102225043 B1 KR 102225043B1
Authority
KR
South Korea
Prior art keywords
data
matching
cad
module
cad data
Prior art date
Application number
KR1020190134994A
Other languages
English (en)
Other versions
KR20210006270A (ko
Inventor
이창옥
전수민
김성은
Original Assignee
한국과학기술원
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 한국과학기술원 filed Critical 한국과학기술원
Priority to US16/722,402 priority Critical patent/US11080900B2/en
Publication of KR20210006270A publication Critical patent/KR20210006270A/ko
Application granted granted Critical
Publication of KR102225043B1 publication Critical patent/KR102225043B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • 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
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/416—Exact reconstruction

Abstract

다양한 실시예들에 따른 3차원 산업용 컴퓨터 단층 영상 기법에서 금속으로 인한 인공음영 제거 방법 및 장치는, CT 데이터에 대응하여, CAD 데이터를 정렬하고, 정렬된 CAD 데이터로부터 정합 데이터를 생성하고, 정합 데이터를 기반으로, 금속 영역에 대응하는 사이노그램 서저리 영역을 설정하고, 정합 데이터를 기반으로, CT 데이터에서 에버리지 필 인을 수행하고, 에버리지 필 인 된 정보를 이용하여 사이노그램 서저리 영역의 데이터를 업데이트하고, 새로이 대체된 사이노그램으로부터 3차원 CT 영상을 재구성하도록 구성될 수 있다.

Description

3차원 산업용 컴퓨터 단층 영상 기법에서 금속으로 인한 인공음영 제거 방법 및 장치{METHOD AND APPARATUS FOR METAL ARTIFACT REDUCTION IN INDUSTRIAL 3-DIMENSIONAL CONE BEAM COMPUTED TOMOGRAPHY}
다양한 실시예들은 3차원 산업용 컴퓨터 단층 영상(CT) 기법에서 금속으로 인한 인공음영 제거 방법 및 장치에 관한 것이다.
산업용 X-ray 컴퓨터 단층촬영(CT)은 결함검출, 고장분석, 측정학 등 제조업에 대한 내부점검으로 업계 각 분야에서 활용되어 왔다. 산업용 CT는 금속 및 비금속 성분, 고형 및 섬유 소재, 매끄럽고 불규칙하게 표면화된 물체에 이르기까지 제조품의 내부 정보를 제공한다. 특히 3차원 원추형 빔 CT(CBCT)에서 얻은 재구성 영상은 3차원의 부피상세 정보를 찾아 측정하는 데 이상적인 테스트 기법을 제공한다. 그러나 CT 촬영의 잠재적 단점은 빔 경화 효과(beam hardening artifact)와 같은 물리적 현상으로 인해 데이터에 인공음영(artifact)이 발생할 수 있다는 것이다. X-ray 시스템은 일반적으로 여러 에너지 레벨로 구성된 빔을 사용하며 에너지 스펙트럼의 다양한 구성요소는 물체를 통과할 때 균일하게 감쇠되지 않는다. X-ray 스펙트럼 중 저에너지 요소는 밀도가 높은 부분을 통과할 때 더 쉽게 감쇠되거나 심지어 완전히 흡수된다. 빔 감쇠가 선형이라는 가정 하에 재구성되는 영상은 재료 특성에 대한 잘못된 정보를 제공한다. 우리는 이러한 현상을 빔 경화 효과라고 부르며, 이로 인하여 CT 영상에 나타나는 인공음영을 빔 경화 인공음영이라 부른다. 특히 금속 물체에 의한 빔 경화 인공음영은 원인과 모양 패턴에 따라 각각 금속 인공음영 또는 줄무늬 모양 인공음영이라고 한다. 제품 품질 평가의 정확성은 영상 품질과 직접 관련이 있으므로 빔 경화 인공음영을 줄이기 위한 다양한 방법이 제안되었다.
빔 경화 감소 알고리즘은 하드웨어 기반 접근방식과 소프트웨어 기반 접근방식의 두 가지 접근방식으로 분류할 수 있다. 하드웨어 기반 접근방식으로는 물리적 필터링 및 이중 스펙트럼 시스템이 있다. 그러나 물리적 필터링은 신호 대 노이즈 비율을 감소시키고 이중 스펙트럼 시스템은 두 번 스캔해야 하는 문제 및 해결해야 할 시스템 한계를 가지고 있다. 소프트웨어 기반 접근방식은 영상에 대한 사전 처리 및 후 처리를 포함한다. 다 에너지 투영 데이터를 한 에너지 투영 데이터로 변환하는 선형화는 가장 일반적인 사전 처리 보정 방법 중 하나이다. 후처리 접근방식은 영상 분할 및 재처리에 기초한다. 그러나 그러한 접근방식은 빔 경화를 충분히 제거하지 못하며 감소 알고리즘 자체로 인한 2차 인공음영을 생성하기도 한다.
다양한 실시예들은 3차원 산업용 컴퓨터 단층 영상 기법에서 금속으로 인한 인공음영을 제거할 수 있는 전자 장치 및 그의 동작 방법을 제공할 수 있다.
다양한 실시예들에 따른 전자 장치의 동작 방법은, 3차원 산업용 컴퓨터 단층 영상 기법에서 금속으로 인한 인공음영 제거를 위한 것으로, CT 데이터 및 컴퓨터 지원 설계(CAD) 데이터를 준비하는 동작, 상기 CT 데이터를 기반으로, 상기 CAD 데이터를 정렬(align)하여, 상기 CAD 데이터로부터 정합(registration) 데이터를 생성하는 동작, 및 상기 정합된 데이터를 이용하여 미가공 사이노그램 데이터를 보정하여 CT 영상을 재구성하는 동작을 포함할 수 있다.
다양한 실시예들에 따른 전자 장치는, 3차원 산업용 컴퓨터 단층 영상(CT) 기법에서 금속으로 인한 인공음영 제거를 위한 것으로, CT 데이터 및 CAD 데이터를 준비하도록 구성되는 데이터 준비 모듈, 상기 CT 데이터를 기반으로, 상기 CAD 데이터를 정렬하여, 상기 CAD 데이터로부터 정합을 위한 데이터를 생성하도록 구성하는 정합 모듈, 및 상기 정합된 데이터를 분할하는 모듈, 및 이를 이용하여 미가공 사이노그램 데이터를 보정하여 CT 영상을 재구성하는 모듈을 포함할 수 있다.
다양한 실시예들에 따르면, 전자 장치는 CAD 데이터를 이용하여, 3차원 산업용 컴퓨터 단층 영상 기법에서 금속으로 인한 인공음영을 제거할 수 있다. 즉 전자 장치는 CT 데이터를 직접적으로 보정하는 것이 아니라, CT 부피 정보에 정합되는 CAD 데이터를 생성하고, 이에 기반한 분할정보를 이용하여, 인공음영을 야기하는 미가공 사이노그램 데이터를 보정하여 인공음영을 제거할 수 있다. 이를 통해, 전자 장치는 3차원 산업용 컴퓨터 단층 영상에서 금속으로 인한 인공음영을 보다 정확하게 그리고 보다 효율적으로 제거할 수 있다.
도 1은 다양한 실시예들에 따른 전자 장치를 도시하는 도면이다.
도 2는 도 1의 CT 영상 생성 모듈을 도시하는 도면이다.
도 3은 다양한 실시예들에 따른 전자 장치의 동작 방법을 도시하는 도면이다.
도 4는 도 3의 정합 데이터 생성 동작을 도시하는 도면이다.
도 5a, 도 5b, 도 5c 및 도 5d는 도 3의 정합 데이터 생성 동작을 설명하기 위한 도면들이다.
도 6은 도 3의 정합 데이터 생성 동작을 도시하는 도면이다.
도 7 및 도 8은 도 3의 정합 데이터 생성 동작을 설명하기 위한 도면들이다.
도 9는 도 3의 CT 영상 생성 동작을 도시하는 도면이다.
도 10은 도 3의 CT 영상 생성 동작을 설명하기 위한 도면들이다.
도 11a, 도 11b, 도 11c, 도 11d 및 도 11e는 다양한 실시예들에 따른 전자 장치의 동작 효과를 설명하기 위한 도면들이다.
이하, 본 문서의 다양한 실시예들이 첨부된 도면을 참조하여 설명된다.
산업 분야에서는, 대부분의 제품이 제조 공정 전에 CAD(Computer Aided Design) 데이터의 형태로 설계되기 때문에, CAD 데이터를 인라인 검사 시스템에 사용할 수 있다.
도 1은 다양한 실시예들에 따른 전자 장치(100)를 도시하는 도면이다. 도 2는 도 1의 CT 영상 생성 모듈(130)을 도시하는 도면이다.
도 1을 참조하면, 다양한 실시예들에 따른 전자 장치(100)는 데이터 준비 모듈(110), 정합(registration) 모듈(120) 및 CT 영상 생성 모듈(130)을 포함할 수 있다.
데이터 준비 모듈(110)은 특정 객체에 대한 CT 데이터(VCT) 및 CAD 데이터(VCAD)를 준비할 수 있다. 데이터 준비 모듈(110)은 CT 데이터(VCT) 및 CAD 데이터(VCAD)에서, 객체의 내부와 외부를 구분하기 위해 노이즈를 제거할 수 있다. 그리고 데이터 준비 모듈(110)은 객체를 구성하는 물질에 따라 설정되는 임계 값을 적용하여, 이진 볼륨 데이터(binary volume data) 형식으로 CT 데이터(VCT) 및 CAD 데이터(VCAD)를 재구성할 수 있다. 일 예로, 데이터 준비 모듈(110)은 비등방 확산 및 쇼크 필터(anisotropic diffusion and shock filter)를 이용하여, CT 데이터(VCT)를 재구성할 수 있다.
정합 모듈(120)은 CT 데이터(VCT)에 정합되도록, CAD 데이터(VCAD)를 변환할 수 있다. 즉 정합 모듈(120)은 CT 데이터(VCT)를 기반으로, CAD 데이터(VCAD)로부터 정합 데이터를 생성할 수 있다. 예를 들면, 정합 모듈(120)은 PSO(particle swarm optimization) 알고리즘을 이용하여, CAD 데이터(VCAD)로부터 정합 데이터를 생성할 수 있다. 이를 위해, 정합 모듈(120)은 CT 데이터(VCT)에 대응하여, CAD 데이터(VCAD)를 정렬할 수 있다. 그리고 정합 모듈(120)은 CAD 데이터(VCAD)로부터 정합 데이터를 생성할 수 있다. 이 때 정합 모듈(120)은 CAD 데이터(VCAD)의 볼륨(volume) 또는 각도 중 적어도 어느 하나를 조절할 수 있다. 예를 들면, 정합 모듈(120)은, CT 데이터(VCT)의 볼륨에 상응하도록, CAD 데이터(VCAD)의 볼륨을 조절할 수 있으며, CT 데이터(VCT)를 기반으로, CAD 데이터(VCAD)의 각도를 조절할 수 있다.
일 실시예에 따르면, 정합 모듈(120)은 초기 조건을 기반으로, CAD 데이터(VCAD)로부터 정합 데이터를 생성할 수 있다. 구체적으로, 정합 모듈(120)은 CAD 데이터(VCAD)에 정합과정을 수행하여, 초기 조건으로서 정합 파라미터들을 획득할 수 있다. 이를 통해, 정합 모듈(120)은 정합 파라미터들을 기반으로, CAD 데이터(VCAD)로부터 정합 데이터를 생성할 수 있다.
다른 실시예에 따르면, 정합 모듈(120)은 두 개의 레벨들에 따라 정합과정을 수행하여, CAD 데이터(VCAD)로부터 정합 데이터를 생성할 수 있다. 구체적으로, 정합 모듈(120)은 CAD 데이터(VCAD)를 다운샘플링하고, 다운샘플링된 CAD 데이터(VCAD)에 정합과정을 수행하여, 제 1 저해상도 정합 파라미터들을 획득할 수 있다. 그리고 정합 모듈(120)은 제 1 저해상도 정합 파라미터들을 기반으로 원래의 CAD 데이터(VCAD)에 정합과정을 수행하여, 제 2 고해상도 정합 파라미터들을 획득할 수 있다. 이를 통해, 정합 모듈(120)은 제 2 고해상도 정합 파라미터들을 기반으로, CAD 데이터(VCAD)로부터 정합 데이터를 생성할 수 있다.
CT 영상 생성 모듈(130)은 정합된 데이터를 이용하여 사이노그램 데이터를 보정하고, 이를 이용하여 금속으로 인한 인공음영을 제거할 수 있다. CT 영상 생성 모듈(130)은, 도 2에 도시된 바와 같이 서저리(surgery) 설정 모듈(210), 에버리지 필 인(average fill-in) 모듈(220), 사이노그램 업데이트 모듈(230) 및 CT 영상 재구성 모듈(240)을 포함할 수 있다.
서저리 설정 모듈(210)은 정합 데이터를 기반으로, 사이노그램 서저리 영역(sinogram surgery region)을 설정할 수 있다. 구체적으로, 서저리 설정 모듈(210)은 미리 정해진 변환 계수를 적용하여, 정합 데이터를 재구성할 수 있다. 그리고 서저리 설정 모듈(210)은 재구성된 정합 데이터에서 금속 영역(metal region)을 추출할 수 있다. 이를 통해, 서저리 설정 모듈(210)은 금속 영역에 대응하여, 사이노그램 서저리 영역을 설정할 수 있다.
에버리지 필 인 모듈(220)은 정합 데이터를 기반으로, 에버리지 필 인을 수행할 수 있다. 구체적으로, 에버리지 필 인 모듈(220)은 정합 데이터에서 금속 영역을 둘러싸는 연결 영역들을 분할할 수 있다. 그리고 에버리지 필 인 모듈(220)은 연결 영역들로부터 평균 감쇠 계수를 계산할 수 있다. 이를 통해, 에버리지 필 인 모듈(220)은 정합 데이터의 금속 영역을 평균 감쇠 계수로 채울 수 있다.
사이노그램 업데이트 모듈(230)은 정합 데이터에서, 사이노그램 서저리 영역을 업데이트할 수 있다. 즉 사이노그램 업데이트 모듈(230)은 정합 데이터를 이용하여, 사이노그램 서저리 영역을 업데이트할 수 있다.
CT 영상 재구성 모듈(240)은 업데이트된 서저리 영역을 이용하여, CT 영상을 재구성할 수 있다. 즉 CT 영상 재구성 모듈(240)은 업데이트된 사이노그램 서저리 영역을 이용하여, CT 영상을 재구성할 수 있다.
다양한 실시예들에 따른 전자 장치(100)는, CT 데이터 및 CAD 데이터를 준비하도록 구성되는 데이터 준비 모듈(110), CT 데이터를 기반으로, CAD 데이터를 정렬하여, CAD 데이터로부터 정합 데이터를 생성하도록 구성되는 정합 모듈(120), 및 정합 데이터로부터 사이노그램을 보정하고 이로부터 영상을 재 구성하는 CT 영상 생성 모듈(130)을 포함할 수 있다.
다양한 실시예들에 따르면, 정합 모듈(120)은, CT 데이터의 볼륨에 상응하도록, CAD 데이터의 크기를 조절하고, CT 데이터를 기반으로, CAD 데이터의 각도를 조절하도록 구성될 수 있다.
다양한 실시예들에 따르면, 정합 모듈(120)은, CAD 데이터에 정합과정을 수행하여, 정합 파라미터들을 획득하고, 정합 파라미터들을 기반으로, CAD 데이터로부터 정합 데이터를 생성하도록 구성될 수 있다.
다양한 실시예들에 따르면, 정합 모듈(120)은, CAD 데이터를 다운샘플링하고, 다운샘플링된 CAD 데이터에 정합과정을 수행하여, 제 1 저해상도 정합 파라미터들을 획득하도록 구성될 수 있다.
다양한 실시예들에 따르면, 정합 모듈(120)은, 제 1 저해상도 정합 파라미터들을 기반으로 CAD 데이터에 정합과정을 수행하여, 제 2 고해상도 정합 파라미터들을 획득하고, 제 2 고해상도 정합 파라미터들을 기반으로, CAD 데이터로부터 정합 데이터를 생성하도록 구성될 수 있다.
다양한 실시예들에 따르면, CT 영상 생성 모듈(130)은, 정합 데이터를 기반으로, 금속 영역에 대응하는 사이노그램 서저리 영역을 설정하고, 정합 데이터를 기반으로, 에버리지 필 인을 수행하고, 사이노그램 서저리 영역을 업데이트하고, 3차원 CT 영상을 재구성하도록 구성될 수 있다.
다양한 실시예들에 따르면, CT 영상 생성 모듈(130)은, 미리 정해진 변환 계수를 적용하여, 정합 데이터를 얻고, 정합 데이터에서 금속 영역을 추출하여 사이노그램에서 금속의 영향을 받을 서저리 영역을 설정하도록 구성될 수 있다.
다양한 실시예들에 따르면, CT 영상 생성 모듈(130)은, 정합 데이터에서 금속 영역을 둘러싸는 연결 영역들을 분할하고, 연결 영역들로부터 평균 감쇠 계수를 계산하고, 평균 감쇠 계수로 금속 영역을 채우도록 구성될 수 있다.
다양한 실시예들에 따르면, 데이터 준비 모듈(110)은, CT 데이터와 CAD 데이터를 이진 볼륨 데이터 형식으로 재구성하도록 구성될 수 있다.
다양한 실시예들에 따르면, 정합 모듈(120)은, PSO 알고리즘을 이용하여, CAD 데이터로부터 정합 데이터를 생성하도록 구성될 수 있다.
도 3은 다양한 실시예들에 따른 전자 장치(100)의 동작 방법을 도시하는 도면이다.
도 3을 참조하면, 전자 장치(100)는 310 동작에서 특정 객체에 대한 CT 데이터(VCT) 및 CAD 데이터(VCAD)를 준비할 수 있다. 데이터 준비 모듈(110)은 CT 데이터(VCT) 및 CAD 데이터(VCAD)에서, 객체의 내부와 외부를 구분하기 위해 노이즈를 제거할 수 있다. 그리고 데이터 준비 모듈(110)은 객체를 구성하는 물질에 따라 설정되는 임계 값을 적용하여, 이진 볼륨 데이터(binary volume data) 형식으로 CT 데이터(VCT) 및 CAD 데이터(VCAD)를 재구성할 수 있다. 일 예로, 데이터 준비 모듈(110)은 비등방 확산 및 쇼크 필터(anisotropic diffusion and shock filter)를 이용하여, CT 데이터(VCT)를 재구성할 수 있다.
전자 장치(100)는 320 동작에서 CT 데이터(VCT)에 기반하여, CAD 데이터(VCAD)로부터 정합 데이터를 생성할 수 있다. 정합 모듈(120)이 CT 데이터(VCT)에 정합되도록, CAD 데이터(VCAD)를 변환하여, 정합 데이터를 생성할 수 있다. 예를 들면, 정합 모듈(120)은 PSO 알고리즘을 이용하여, CAD 데이터(VCAD)로부터 정합 데이터를 생성할 수 있다.
일 실시예에 따르면, 정합 모듈(120)은 초기 조건을 기반으로, CAD 데이터(VCAD)로부터 정합 데이터를 생성할 수 있다. 구체적으로, 정합 모듈(120)은 CAD 데이터(VCAD)에 정합과정을 수행하여, 초기 조건으로서 정합 파라미터들을 획득할 수 있다. 이를 통해, 정합 모듈(120)은 정합 파라미터들을 기반으로, CAD 데이터(VCAD)로부터 정합 데이터를 생성할 수 있다.
다른 실시예에 따르면, 정합 모듈(120)은 두 개의 레벨들에 따라 정합과정을 수행하여, CAD 데이터(VCAD)로부터 정합 데이터를 생성할 수 있다. 구체적으로, 정합 모듈(120)은 CAD 데이터(VCAD)를 다운샘플링하고, 다운샘플링된 CAD 데이터(VCAD)에 정합과정을 수행하여, 제 1 저해상도 정합 파라미터들을 획득할 수 있다. 그리고 정합 모듈(120)은 제 1 저해상도 정합 파라미터들을 초기값으로 원래의 CAD 데이터(VCAD)에 정합과정을 수행하여, 제 2 고해상도 정합 파라미터들을 획득할 수 있다. 이를 통해, 정합 모듈(120)은 제 2 고해상도 정합 파라미터들을 기반으로, CAD 데이터(VCAD)로부터 정합 데이터를 생성할 수 있다.
도 4는 도 3의 정합 데이터 생성 동작(320)을 도시하는 도면이다. 도 5a, 도 5b, 도 5c 및 도 5d는 도 3의 정합 데이터 생성 동작(320)을 설명하기 위한 도면들이다.
도 4를 참조하면, 전자 장치(100)는 410 동작에서 CT 데이터(VCT)에 대응하여, CAD 데이터(VCAD)를 정렬할 수 있다. 정합 모듈(120)이 CT 데이터(VCT)에 정합되도록, CAD 데이터(VCAD)를 정렬할 수 있다. 예를 들면, CT 데이터(VCT)와 CAD 데이터(VCAD)가 각각 도 5a 및 도 5b에 도시된 바와 같이 준비된 경우, 정합 모듈(120)은 도 5c에 도시된 바와 같이 CAD 데이터(VCAD)를 정렬할 수 있다.
예를 들면, 3차원 이진 볼륨 객체(
Figure 112019110310325-pat00001
)에 대하여, 하기 [수학식 1]과 같이 관성텐서(inertia tensor)(
Figure 112019110310325-pat00002
)가 관성 모멘트(moment of inertia)(
Figure 112019110310325-pat00003
,
Figure 112019110310325-pat00004
,
Figure 112019110310325-pat00005
)와 관성 상승 모멘트(product of inertia)(
Figure 112019110310325-pat00006
,
Figure 112019110310325-pat00007
,
Figure 112019110310325-pat00008
)에 의해 정의될 수 있다. 여기서, 관성 모멘트(
Figure 112019110310325-pat00009
,
Figure 112019110310325-pat00010
,
Figure 112019110310325-pat00011
)와 관성 상승 모멘트(
Figure 112019110310325-pat00012
,
Figure 112019110310325-pat00013
,
Figure 112019110310325-pat00014
)가 하기 [수학식 2]와 같이 정해질 수 있다. 이 때 관성텐서는 대칭행렬이므로, 주축 정리(principal axis theorem)에 따라, 관성벡터(
Figure 112019110310325-pat00015
)의 고유 벡터(
Figure 112019110310325-pat00016
,
Figure 112019110310325-pat00017
,
Figure 112019110310325-pat00018
)들이 3차원 이진 볼륨 객체(
Figure 112019110310325-pat00019
)의 주축일 수 있다. 여기서, 고유값(
Figure 112019110310325-pat00020
,
Figure 112019110310325-pat00021
,
Figure 112019110310325-pat00022
)들이 하기 [수학식 3]과 같이 고유 벡터(
Figure 112019110310325-pat00023
,
Figure 112019110310325-pat00024
,
Figure 112019110310325-pat00025
)들과 관계를 만족할 수 있다.
Figure 112019110310325-pat00026
Figure 112019110310325-pat00027
Figure 112019110310325-pat00028
상기 [수학식 3]에 기반하여, 두 개의 3차원 이진 볼륨 객체(
Figure 112019110310325-pat00029
,
Figure 112019110310325-pat00030
)들에 대해, 객체(
Figure 112019110310325-pat00031
,
Figure 112019110310325-pat00032
)들의 크기 비율(
Figure 112019110310325-pat00033
)이 하기 [수학식 4]와 같이 도출될 수 있다. 객체(
Figure 112019110310325-pat00034
,
Figure 112019110310325-pat00035
)들의 크기 비율(
Figure 112019110310325-pat00036
)은 스케일링 상수(scaling constant)(
Figure 112019110310325-pat00037
)로 표현될 수 있다.
Figure 112019110310325-pat00038
이를 통해, 주축의 행렬(
Figure 112019110310325-pat00039
,
Figure 112019110310325-pat00040
)들과 스케일링 상수(
Figure 112019110310325-pat00041
)를 기반으로, CT 데이터(VCT)와 CAD 데이터(VCAD)의 정합을 위한 변환 행렬(
Figure 112019110310325-pat00042
)이 하기 [수학식 5]와 같이 획득될 수 있다. 이에 따라, 정합 모듈(120)은 변환 행렬(
Figure 112019110310325-pat00043
)을 이용하여, 하기 [수학식 6]과 같이 CAD 데이터(VCAD)를 정렬하고, 이로 인해 정렬된 CAD 데이터(Valign)가 생성될 수 있다. 여기서, 도 5a에 도시된 바와 같은 CT 데이터(VCT)에 정합되도록, 정합 모듈(120)이 도 5b에 도시된 바와 같은 CAD 데이터(VCAD)를 정렬하여, 도 5c에 도시된 바와 같은 정렬된 CAD 데이터(Valign)를 생성할 수 있다.
Figure 112019110310325-pat00044
Figure 112019110310325-pat00045
전자 장치(100)는 420 동작에서 CAD 데이터(VCAD)로부터 정합 데이터를 생성할 수 있다. 정합 모듈(120)이 CAD 데이터(VCAD)로부터 정합 데이터를 생성할 수 있다. 이 때 정합 모듈(120)은 CAD 데이터(VCAD)에 정합과정을 수행하여, 정합 파라미터들을 획득할 수 있다. 정합 모듈(120)은 PSO 알고리즘을 이용하여, 정합과정을 수행할 수 있다. 그리고 정합 모듈(120)은, 정합 파라미터들을 기반으로, CAD 데이터(VCAD)로부터 정합 데이터를 생성할 수 있다. 예를 들면, 정합 모듈(120)은, 도 5d에 도시된 바와 같이 정합 파라미터들을 기반으로, CAD 데이터(VCAD)의 볼륨 또는 각도 중 적어도 어느 하나를 조절하고, 이로 인해 정합 데이터가 생성될 수 있다. 예를 들면, 정합 모듈(120)은, CT 데이터(VCT)의 볼륨에 상응하도록, CAD 데이터(VCAD)의 볼륨을 조절할 수 있으며, CT 데이터(VCT)를 기반으로, CAD 데이터(VCAD)의 각도를 조절할 수 있다.
예를 들면, 하기 [수학식 7]과 같은 에너지 함수가 미리 정의될 수 있다. 이 때
Figure 112019110310325-pat00046
는 영상(
Figure 112019110310325-pat00047
), 즉 CAD 데이터(VCAD)에서 제로 레벨 세트가 객체의 경계이고,
Figure 112019110310325-pat00048
과
Figure 112019110310325-pat00049
가 상수인 레벨 세트 함수를 나타낼 수 있다. 이러한 상수는
Figure 112019110310325-pat00050
과
Figure 112019110310325-pat00051
의 관점에서 상기 [수학식 7]을 최소화함으로써, 각각 양과 음의 영역에서 영상(
Figure 112019110310325-pat00052
)의 평균 강도가 될 수 있다. 여기서, 영상(
Figure 112019110310325-pat00053
)은 3차원 영상이므로, 도 5e에 도시된 바와 같은 오일러 회전(Euler rotation)이 고려될 수 있다. 이를 기반으로,
Figure 112019110310325-pat00054
가 하기 [수학식 8]과 같이 기준 레벨 세트 함수(reference shape prior)(
Figure 112019110310325-pat00055
)로부터 획득될 수 있다.
Figure 112019110310325-pat00056
Figure 112019110310325-pat00057
예를 들면, 정합 모듈(120)은 하기 [표 1]과 같이 표현되는 알고리즘에 따라, 정합 파라미터들을 획득할 수 있다. 정합 모듈(120)은 상기와 같이 획득되는
Figure 112019110310325-pat00058
를 기반으로, 정합 파라미터들로서
Figure 112019110310325-pat00059
,
Figure 112019110310325-pat00060
및
Figure 112019110310325-pat00061
를 획득할 수 있다. 여기서,
Figure 112019110310325-pat00062
는 회전축에 대한 회전각을 나타내고,
Figure 112019110310325-pat00063
는 x, y, z 축에 따른 변환 계수를 나타내며,
Figure 112019110310325-pat00064
는 회전축의 단위 일반 벡터를 나타낼 수 있다. 이를 통해, 정합 모듈(120)은 정합 파라미터들을 기반으로, CAD 데이터(VCAD)로부터 정합 데이터를 생성할 수 있다. 예를 들면, 정합 모듈(120)은 정합 파라미터들을 기반으로, CAD 데이터(VCAD)의 볼륨 또는 각도 중 적어도 어느 하나를 조절할 수 있다.
Figure 112019110310325-pat00065
도 6은 도 3의 정합 데이터 생성 동작(320)을 도시하는 도면이다. 도 7 및 도 8은 도 3의 정합 데이터 생성 동작(320)을 설명하기 위한 도면들이다.
도 6을 참조하면, 전자 장치(100)는 610 동작에서 일차 정합과정을 수행할 수 있다. 정합 모듈(120)은, 도 7의 (a)에 도시된 바와 같이 CAD 데이터(VCAD)를 정렬할 수 있다. 그리고 정합 모듈(120)은, 도 7의 (b)에 도시된 바와 같이 CAD 데이터(VCAD)의 볼륨 또는 각도 중 적어도 어느 하나를 조절하여, 도 7의 (c)에 도시된 바와 같이 제 1 저해상도 정합 데이터를 생성할 수 있다. 이를 위해, 정합 모듈(120)은 PSO 알고리즘을 이용하여, 일차 정합과정을 수행할 수 있다.
예를 들면, 정합 모듈(120)은 하기 [표 2]와 같이 표현되는 알고리즘에 따라, 일차 정합과정을 수행할 수 있다. 정합 모듈(120)은 CAD 데이터(VCAD)를 다운샘플링할 수 있다. 여기서, CAD 데이터(VCAD)의 크기가
Figure 112019110310325-pat00066
일 때, 다운샘플링된 CAD 데이터(VCAD)의 크기는
Figure 112019110310325-pat00067
일 수 있다. 그리고 정합 모듈(120)은 다운샘플링된 CAD 데이터(VCAD)에 정합과정을 수행하여, 제 1 저해상도 정합 파라미터들을 획득할 수 있다. 여기서, 제 1 저해상도 정합 파라미터들은 하기 [표 3]과 같은 값들로 획득될 수 있다.
전자 장치(100)는 620 동작에서 이차 고해상도 정합을 수행할 수 있다. 정합 모듈(120)은, 도 8의 (a)에 도시된 바와 같이 제 1 저해상도 정합 데이터를 정렬할 수 있다. 그리고 정합 모듈(120)은, 도 8의 (b)에 도시된 바와 같이 제 1 저해상도 정합 데이터의 볼륨 또는 각도 중 적어도 어느 하나를 조절하여, 도 8의 (c)에 도시된 바와 같이 제 2 고해상도 정합 데이터를 생성할 수 있다. 이를 위해, 정합 모듈(120)은 PSO 알고리즘을 이용하여, 이차 고해상도 정합과정을 수행할 수 있다.
예를 들면, 정합 모듈(120)은 하기 [표 2]와 같이 표현되는 알고리즘에 따라, 이차 고해상도 정합과정을 수행할 수 있다. 정합 모듈(120)은 제 1 저해상도 정합 파라미터들을 기반으로 원래의 CAD 데이터(VCAD)에 정합과정을 수행하여, 제 2 고해상도 정합 파라미터들을 획득할 수 있다. 여기서, 제 2 고해상도 정합 파라미터들은 하기 [표 3]과 같은 값들로 획득될 수 있다. 이를 통해, 정합 모듈(120)은 제 2 고해상도 정합 파라미터들을 기반으로, CAD 데이터(VCAD)로부터 제 2 고해상도 정합 데이터, 즉 최종 정합 데이터를 생성할 수 있다.
Figure 112019110310325-pat00068
Figure 112019110310325-pat00069
이에 따라, 정합된 데이터는 CT 데이터(VCT)에 대하여, 하기 [표 4]와 같이 정합될 수 있다. 정합 모듈(120)이 CT 데이터(VCT)에 대응하여, CAD 데이터(VCAD)를 정렬함으로써, CAD 데이터(VCAD)가 CT 데이터(VCT)에 정합될 수 있다. 그리고 정합 모듈(120)이 CAD 데이터(VCAD)로부터 정합 데이터를 생성함에 따라, 정합된 데이터가 CT 데이터(VCT)에 더 정합될 수 있다.
Figure 112019110310325-pat00070
전자 장치(100)는 330 동작에서 CT 영상을 생성할 수 있다. CT 영상 생성 모듈(130)은 정합된 데이터를 이용하여 금속으로 인한 인공음영을 제거할 수 있다.
도 9는 도 3의 CT 영상 생성 동작(330)을 도시하는 도면이다. 도 10은 도 3의 CT 영상 생성 동작(330)을 설명하기 위한 도면들이다.
도 9를 참조하면, 전자 장치(100)는 910 동작에서 정합된 데이터에 기반하여, 사이노그램 서저리 영역을 설정할 수 있다. 서저리 설정 모듈(210)은, 하기 [수학식 9]와 같이 미리 정해진 변환 계수를 적용하여, 정합된 데이터를 재구성할 수 있다. 그리고 서저리 설정 모듈(210)은, 하기 [수학식 10]과 같이 재구성된 정합 데이터에서 금속 영역을 추출할 수 있다. 이를 통해, 서저리 설정 모듈(210)은, 하기 [수학식 11]과 같이 금속 영역에 대응하여, 사이노그램 서저리 영역을 설정할 수 있다. 예를 들면, 서저리 설정 모듈(210)은 도 10의 (a)에 도시된 바와 같은 정합된 데이터로부터, 사이노그램 서저리 영역을 설정할 수 있다.
Figure 112019110310325-pat00071
여기서,
Figure 112019110310325-pat00072
는 초기 사이노그램 데이터를 나타내고,
Figure 112019110310325-pat00073
는 영상의 재구성을 나타내는 연산자를 의미하며,
Figure 112019110310325-pat00074
는 금속으로 인한 인공음영이 나타나는 초기 사이노그램으로부터 재구성된 영상을 나타낼 수 있다.
Figure 112019110310325-pat00075
여기서,
Figure 112019110310325-pat00076
은 금속 영역을 나타낼 수 있다.
Figure 112019110310325-pat00077
여기서,
Figure 112019110310325-pat00078
는 사이노그램 서저리 영역을 나타낼 수 있다.
전자 장치(100)는 920 동작, 930 동작 및 940 동작에서 정합된 데이터와 사이노그램 서저리 영역에 대한 반복적인 업데이트를 수행할 수 있다. 이를 위해, 정합된 데이터에 대해, 하기 [수학식 12]와 같은 정의가 있을 수 있다.
Figure 112019110310325-pat00079
전자 장치(100)는 920 동작에서 정합된 데이터에 기반하여, 에버리지 필 인을 수행할 수 있다. 에버리지 필 인 모듈(220)은 정합된 데이터에서 금속 영역을 둘러싸는 연결 영역들을 분할할 수 있다. 그리고 에버리지 필 인 모듈(220)은 연결 영역들로부터 평균 감쇠 계수(average intensity value)를 계산할 수 있다. 이를 통해, 에버리지 필 인 모듈(220)은, 하기 [수학식 13]과 같이 정합된 데이터의 금속 영역을 평균 감쇠 계수로 채울 수 있다.
Figure 112019110310325-pat00080
여기서,
Figure 112019110310325-pat00081
는 (n-1)번째 재구성된 CT 영상을 나타내고,
Figure 112019110310325-pat00082
는 연결 영역들을 나타내며,
Figure 112019110310325-pat00083
는 평균 감쇠 계수를 나타낼 수 있다.
전자 장치(100)는 930 동작에서 사이노그램 서저리 영역을 업데이트할 수 있다. 사이노그램 업데이트 모듈(230)은, 하기 [수학식 14]와 같이 정합된 데이터에서, 사이노그램 서저리 영역을 업데이트할 수 있다. 즉 사이노그램 업데이트 모듈(230)은 정합된 데이터를 이용하여, 사이노그램 서저리 영역을 보정할 수 있다.
Figure 112019110310325-pat00084
전자 장치(100)는 940 동작에서 업데이트된 사이노그램으로부터 CT 영상을 재구성할 수 있다. CT 영상 재구성 모듈(240)은, 하기 [수학식 15]와 같이 업데이트된 서저리 영역을 이용하여, CT 영상을 재구성할 수 있다. 즉 CT 영상 재구성 모듈(240)은 업데이트된 사이노그램 서저리 영역을 이용하여, CT 영상을 재구성할 수 있다. 예를 들면, 영상 재구성 모듈(240)은 도 10의 (b)에 도시된 바와 같이 재구성된 CT 영상을 획득할 수 있다.
Figure 112019110310325-pat00085
다양한 실시예들에 따른 전자 장치(100)의 동작 방법은, CT 데이터 및 CAD 데이터를 준비하는 동작, CT 데이터를 기반으로, CAD 데이터를 정렬하여, CAD 데이터로부터 정합 데이터를 생성하는 동작, 및 사이노그램 데이터를 보정하는 동작을 포함할 수 있다.
다양한 실시예들에 따르면, CAD 데이터 생성 동작은, CT 데이터의 볼륨에 상응하도록, CAD 데이터의 볼륨을 조절하는 동작, 및 CT 데이터를 기반으로, CAD 데이터의 각도를 조절하는 동작을 더 포함할 수 있다.
다양한 실시예들에 따르면, 정합 데이터 생성 동작은, CAD 데이터에 정합과정을 수행하여, 정합 파라미터들을 획득하는 동작, 및 정합 파라미터들을 기반으로, CAD 데이터로부터 정합 데이터를 생성하는 동작을 더 포함할 수 있다.
다양한 실시예들에 따르면, 상기 방법은, CAD 데이터를 다운샘플링하는 동작, 및 다운샘플링된 CAD 데이터에 정합과정을 수행하여, 제 1 저해상도 정합 파라미터들을 획득하는 동작을 더 포함할 수 있다.
다양한 실시예들에 따르면, 정합 데이터 생성 동작은, 제 1 저해상도 정합 파라미터들을 기반으로 CAD 데이터에 정합과정을 수행하여, 제 2 고해상도 정합 파라미터들을 획득하는 동작, 및 제 2 고해상도 정합 파라미터들을 기반으로, CAD 데이터로부터 정합 데이터를 생성하는 동작을 더 포함할 수 있다.
다양한 실시예들에 따르면, 정합 보정 동작은, 정합된 데이터를 기반으로, 금속 영역에 대응하는 사이노그램 서저리 영역을 설정하는 동작, 정합된 데이터를 기반으로, 에버리지 필 인을 수행하는 동작, 사이노그램 서저리 영역을 업데이트하는 동작, 및 CT 영상을 재구성하는 동작을 포함할 수 있다.
다양한 실시예들에 따르면, 사이노그램 서저리 영역 설정 동작은, 미리 정해진 변환 계수를 적용하여, 정합 데이터를 재구성하는 동작, 정합된 데이터에서 금속 영역을 추출하는 동작, 및 금속 영역에 대응하여, 사이노그램 서저리 영역을 설정하는 동작을 포함할 수 있다.
다양한 실시예들에 따르면, 에버리지 필 인 수행 동작은, 정합된 데이터에서 금속 영역을 둘러싸는 연결 영역들을 분할하는 동작, 연결 영역들로부터 평균 감쇠 계수를 계산하는 동작, 및 평균 감쇠 계수로 금속 영역을 채우는 동작을 포함할 수 있다.
다양한 실시예들에 따르면, CT 데이터 및 CAD 데이터 준비 동작은, 상기 CT 데이터와 상기 CAD 데이터를 이진 볼륨 데이터 형식으로 재구성하는 동작을 포함할 수 있다.
다양한 실시예들에 따르면, 정합 데이터 생성 동작은, PSO 알고리즘을 이용하여, 상기 CAD 데이터로부터 상기 정합 데이터를 생성할 수 있다.
다양한 실시예들에 따르면, 전자 장치(100)는 CAD 데이터를 이용하여, 3차원 산업용 컴퓨터 단층 영상 기법에서 금속으로 인한 인공음영을 제거할 수 있다. 다양한 실시예들에 따르면, 전자 장치(100)는 도 10의 (a)에 도시된 바와 같은 정합된 데이터로부터 인공음영을 제거하고, 이로 인해 도 10의 (b)에 도시된 바와 같이 재구성된 CT 영상을 획득할 수 있다. 즉 전자 장치(100)는 CT 데이터를 직접적으로 보정하는 것이 아니라, CAD 데이터로부터 CT 데이터에 정합 데이터를 생성하고, 정합된 데이터로부터 에버리지 필 인과 사이노그램 서저리를 통하여 인공음영을 제거할 수 있다. 이를 통해, 전자 장치(100)는 보다 효율적으로 3차원 산업용 컴퓨터 단층 영상 기법에서 금속으로 인한 인공음영을 제거할 수 있다.
도 11a, 도 11b, 도 11c, 도 11d 및 도 11e는 다양한 실시예들에 따른 전자 장치(100)의 동작 효과를 설명하기 위한 도면들이다.
도 11a를 참조하면, 다양한 실시예들에 따른 전자 장치(100)의 동작 효과를 도출하기 위한 객체(1100)가 준비될 수 있다. 객체(1100)는 고리(ring) 형태의 바디(1110) 및 바디(1110)의 고리 형태를 따라 삽입되는 복수 개의 엘리먼트(1120, 1130)들로 이루어질 수 있다. 복수 개의 엘리먼트(1120, 1130)들은 정해진 간격으로 이격되어 원 형상으로 바디(1110)에 삽입될 수 있다. 예를 들면, 바디(1110)의 외경은 150 mm이고 바디(1110)의 내경은 118 mm이며, 엘리먼트(1120, 1130)들의 직경은 5 mm일 수 있다. 그리고 엘리먼트(1120, 1130)들은 복수 개의 제 1 엘리먼트(1120)들과 제 1 엘리먼트(1120)들 사이에 배치되는 복수 개의 제 2 엘리먼트(1130)들을 포함할 수 있다. 이 때 바디(1110)와 제 1 엘리먼트(1120)들은 비금속 재질로 형성되고, 제 2 엘리먼트(1130)들은 금속 재질로 형성될 수 있다. 예를 들면, 바디(1110)는 아크릴(acryl)로 이루어지고, 제 1 엘리먼트(1120)들은 테프론(Teflon)으로 이루어지고, 제 2 엘리먼트(1130)들은 스레인리스 스틸(stainless steel)로 이루어질 수 있다.
이러한 객체(1110)에 대한 CT 영상은, 도 11b에 도시된 바와 같이 획득될 수 있다. 이 때 CT 영상에서, 제 2 엘리먼트(1130)에 대응하여, 인공음영이 나타날 수 있다. 제 2 엘리먼트(1130)가 금속 재질로 형성됨에 따라, 제 2 엘리먼트(1130)에 대응하여, 인공음영이 발생될 수 있다. 인공음영을 줄이기 위해, 일반적인 알고리즘, 예컨대 NMAR(normalized metal artifact reduction)을 적용하는 경우, 객체(1110)에 대한 CT 영상은, 도 11c에 도시된 바와 같이 획득될 수 있다. 한편, 다양한 실시예들에 따른 전자 장치(100)에 의해, 객체(1110)에 대한 CT 영상은, 도 11d 또는 도 11e에 도시된 바와 같이 획득될 수 있다. 여기서, 전자 장치(100)가 CAD 데이터로부터 정합 데이터를 생성하는 데 있어서, shape prior를 이용하지 않는 경우, CT 영상은, 도 11d에 도시된 바와 같이 획득되고, shape prior를 이용하는 경우, CT 영상은, 도 11e에 도시된 바와 같이 획득될 수 있다.
도 11b 및 도 11c를 비교하면, 일반적인 알고리즘을 적용하더라도, 객체(1110)에 대한 CT 영상에 나타나는 인공음영이 다소 감소될 수 있다. 다만, 도 11c, 도 11d 및 도 11e를 비교하면, 다양한 실시예들에 따른 전자 장치(100)에 의해, 객체(1110)에 대한 CT 영상에 나타나는 인공음영이 현저하게 감소될 수 있다. 도 11d와 도 11e를 비교하면, 다양한 실시예들에 따른 전자 장치(100)가 shape prior를 이용함에 따라, 객체(1110)에 대한 CT 영상에 나타나는 인공음영이 보다 현저하게 감소될 수 있다.
본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 다양한 실시예들에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 해당 실시 예의 다양한 변경, 균등물, 및/또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및/또는 B 중 적어도 하나", "A, B 또는 C" 또는 "A, B 및/또는 C 중 적어도 하나" 등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", "첫째" 또는 "둘째" 등의 표현들은 해당 구성요소들을, 순서 또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에 "(기능적으로 또는 통신적으로) 연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제 3 구성요소)를 통하여 연결될 수 있다.
본 문서에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구성된 유닛을 포함하며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 모듈은 ASIC(application-specific integrated circuit)으로 구성될 수 있다.
본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(100))에 의해 읽을 수 있는 저장 매체(storage medium)에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어로서 구현될 수 있다. 예를 들면, 기기의 프로세서는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
다양한 실시예들에 따르면, 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 통합 이전에 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.

Claims (20)

  1. 전자 장치의 동작 방법에 있어서,
    준비된 CT 데이터를 기반으로, 준비된 CAD 데이터를 정렬하여, 상기 CAD 데이터로부터 정합 데이터를 생성하는 동작; 및
    상기 정합 데이터를 이용하여 사이노그램 서저리 영역 업데이트를 통한 CT 영상을 생성하는 동작을 포함하고,
    상기 정합 데이터를 생성하는 동작은,
    상기 CT 데이터에 대해 상기 CAD 데이터의 볼륨 또는 각도 중 적어도 하나를 조절하여, 상기 CAD 데이터로부터 상기 정합 데이터를 생성하고,
    상기 CT 영상을 생성하는 동작은,
    상기 정합 데이터를 기반으로, 금속 영역에 대응하는 사이노그램 서저리 영역을 설정하는 동작;
    상기 정합 데이터를 기반으로, 에버리지 필 인을 수행하는 동작;
    상기 사이노그램 서저리 영역을 업데이트하는 동작; 및
    상기 CT 영상을 재구성하는 동작을 포함하고,
    상기 에버리지 필 인 수행 동작은,
    상기 정합 데이터에서 상기 금속 영역을 둘러싸는 연결 영역들을 분할하는 동작;
    상기 연결 영역들로부터 평균 감쇠 계수를 계산하는 동작; 및
    상기 평균 감쇠 계수로 상기 금속 영역을 채우는 동작을 포함하는 방법.
  2. 제 1 항에 있어서, 상기 정합 데이터 생성 동작은,
    상기 CT 데이터의 볼륨에 상응하도록, 상기 CAD 데이터의 볼륨을 조절하는 동작; 및
    상기 CT 데이터를 기반으로, 상기 CAD 데이터의 각도를 조절하는 동작을 더 포함하는 방법.
  3. 제 1 항에 있어서, 상기 정합 데이터 생성 동작은,
    상기 CAD 데이터에 정합과정을 수행하여, 정합 파라미터들을 획득하는 동작; 및
    상기 정합 파라미터들을 기반으로, 상기 CAD 데이터로부터 상기 정합 데이터를 생성하는 동작을 더 포함하는 방법.
  4. 제 1 항에 있어서,
    상기 CAD 데이터를 다운샘플링하는 동작; 및
    상기 다운샘플링된 CAD 데이터에 정합과정을 수행하여, 제 1 저해상도 정합 파라미터들을 획득하는 동작을 더 포함하는 방법.
  5. 제 4 항에 있어서, 상기 정합 데이터 생성 동작은,
    상기 제 1 저해상도 정합 파라미터들을 기반으로 상기 CAD 데이터에 정합과정을 수행하여, 제 2 고해상도 정합 파라미터들을 획득하는 동작; 및
    상기 제 2 고해상도 정합 파라미터들을 기반으로, 상기 CAD 데이터로부터 상기 정합 데이터를 생성하는 동작을 포함하는 방법.
  6. 삭제
  7. 제 1 항에 있어서, 상기 사이노그램 서저리 영역 설정 동작은,
    미리 정해진 변환 계수를 적용하여, 상기 정합 데이터를 재구성하는 동작;
    상기 정합 데이터에서 금속 영역을 추출하는 동작; 및
    상기 금속 영역에 대응하여, 상기 사이노그램 서저리 영역을 설정하는 동작을 포함하는 방법.
  8. 삭제
  9. 삭제
  10. 제 1 항에 있어서, 상기 정합 데이터 생성 동작은,
    해상도를 달리하는 2단계 PSO 알고리즘을 이용하여, 상기 CAD 데이터로부터 상기 정합 데이터를 생성하는 방법.
  11. 전자 장치에 있어서,
    준비된 CT 데이터를 기반으로, 준비된 CAD 데이터를 정렬하여, 상기 CAD 데이터로부터 정합 데이터를 생성하도록 구성되는 정합 모듈; 및
    상기 정합 데이터를 이용하여 CT 영상을 생성하는 모듈을 포함하고,
    상기 정합 모듈은,
    상기 CT 데이터에 대해 상기 CAD 데이터의 볼륨 또는 각도 중 적어도 하나를 조절하여, 상기 CAD 데이터로부터 상기 정합 데이터를 생성하고,
    상기 CT 영상을 생성하는 모듈은,
    상기 정합 데이터를 기반으로, 금속 영역에 대응하는 사이노그램 서저리 영역을 설정하고,
    상기 정합 데이터를 기반으로, 에버리지 필 인을 수행하고,
    상기 사이노그램 서저리 영역을 업데이트하고,
    상기 CT 영상을 재구성하도록 구성되고,
    상기 CT 영상을 생성하는 모듈은,
    상기 정합 데이터에서 상기 금속 영역을 둘러싸는 연결 영역들을 분할하고,
    상기 연결 영역들로부터 평균 감쇠 계수를 계산하고,
    상기 평균 감쇠 계수로 상기 금속 영역을 채우도록 구성되는 장치.
  12. 제 11 항에 있어서, 상기 정합 모듈은,
    상기 CT 데이터의 볼륨에 상응하도록, 상기 CAD 데이터의 볼륨을 조절하고, 상기 CT 데이터를 기반으로, 상기 CAD 데이터의 각도를 조절하도록 구성되는 장치.
  13. 제 11 항에 있어서, 상기 정합 모듈은,
    상기 CAD 데이터에 정합과정을 수행하여, 정합 파라미터들을 획득하고,
    상기 정합 파라미터들을 기반으로, 상기 CAD 데이터로부터 상기 정합 데이터를 생성하도록 구성되는 장치.
  14. 제 11 항에 있어서, 상기 정합 모듈은,
    상기 CAD 데이터를 다운샘플링하고,
    상기 다운샘플링된 CAD 데이터에 정합과정을 수행하여, 제 1 저해상도 정합 파라미터들을 획득하도록 구성되는 장치.
  15. 제 14 항에 있어서, 상기 정합 모듈은,
    상기 제 1 저해상도 정합 파라미터들을 기반으로 상기 CAD 데이터에 정합과정을 수행하여, 제 2 고해상도 정합 파라미터들을 획득하고,
    상기 제 2 고해상도 정합 파라미터들을 기반으로, 상기 CAD 데이터로부터 상기 정합 데이터를 생성하도록 구성되는 장치.
  16. 삭제
  17. 제 11 항에 있어서, 상기 CT 영상을 생성하는 모듈은,
    미리 정해진 변환 계수를 적용하여, 상기 정합 데이터를 재구성하고,
    상기 정합 데이터에서 금속 영역을 추출하고,
    상기 금속 영역에 대응하여, 상기 사이노그램 서저리 영역을 설정하도록 구성되는 장치.
  18. 삭제
  19. 삭제
  20. 제 11 항에 있어서, 상기 정합 모듈은,
    해상도를 달리하는 2단계 PSO 알고리즘을 이용하여, 상기 CAD 데이터로부터 정합을 위한 변수를 생성하도록 구성되는 장치.
KR1020190134994A 2019-07-08 2019-10-29 3차원 산업용 컴퓨터 단층 영상 기법에서 금속으로 인한 인공음영 제거 방법 및 장치 KR102225043B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US16/722,402 US11080900B2 (en) 2019-07-08 2019-12-20 Method and apparatus for metal artifact reduction in industrial 3-dimensional cone beam computed tomography

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020190082057 2019-07-08
KR20190082057 2019-07-08

Publications (2)

Publication Number Publication Date
KR20210006270A KR20210006270A (ko) 2021-01-18
KR102225043B1 true KR102225043B1 (ko) 2021-03-09

Family

ID=74236899

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190134994A KR102225043B1 (ko) 2019-07-08 2019-10-29 3차원 산업용 컴퓨터 단층 영상 기법에서 금속으로 인한 인공음영 제거 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102225043B1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101804699B1 (ko) 2016-08-31 2017-12-06 연세대학교 산학협력단 컴퓨터 단층 촬영 영상의 아티팩트를 보정하는 방법 및 장치
US20180149471A1 (en) * 2016-11-30 2018-05-31 Industrial Technology Research Institute Measuring equipment and measuring method

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IL126761A0 (en) * 1998-10-26 1999-08-17 Romidot Ltd Computerized tomography for non-destructive testing
KR20140033317A (ko) * 2010-12-06 2014-03-18 인디안 인스티튜트 오브 테크놀로지, 카라그푸르 비선형에너지 연산자를 사용한 x-레이 이미지에서 미세석회화를 검출하기 위한 방법 및 시스템
KR101611488B1 (ko) * 2014-03-28 2016-04-12 재단법인 아산사회복지재단 의료 영상에서 아티팩트와 병변을 구분하는 방법
KR101744080B1 (ko) * 2014-07-04 2017-06-09 주식회사 인스바이오 치과 시술 시뮬레이션을 위한 치아모델 생성 방법
KR101666959B1 (ko) * 2015-03-25 2016-10-18 ㈜베이다스 카메라로부터 획득한 영상에 대한 자동보정기능을 구비한 영상처리장치 및 그 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101804699B1 (ko) 2016-08-31 2017-12-06 연세대학교 산학협력단 컴퓨터 단층 촬영 영상의 아티팩트를 보정하는 방법 및 장치
US20180149471A1 (en) * 2016-11-30 2018-05-31 Industrial Technology Research Institute Measuring equipment and measuring method

Also Published As

Publication number Publication date
KR20210006270A (ko) 2021-01-18

Similar Documents

Publication Publication Date Title
JP7202302B2 (ja) 断層撮影再構成に使用するためのデータのディープラーニングに基づく推定
US9437017B2 (en) Method and apparatus for metal artifact elimination in a medical image
Wang et al. Metal artifact reduction in CT using fusion based prior image
Bal et al. Metal artifact reduction in CT using tissue‐class modeling and adaptive prefiltering
US10521886B2 (en) System and method for image correction
KR101598265B1 (ko) X선 컴퓨터 단층 촬영 장치 및 화상 재구성 방법
JP6283850B2 (ja) 画像処理方法、画像処理装置及びプログラム
US8774355B2 (en) Method and apparatus for direct reconstruction in tomosynthesis imaging
US9824468B2 (en) Dictionary learning based image reconstruction
Hashemi et al. Adaptively tuned iterative low dose CT image denoising
US7916828B1 (en) Method for image construction
US20130004038A1 (en) Functional image data enhancement and/or enhancer
US20200126273A1 (en) Method for reconstructing a three-dimensional image data set
CN110268441B (zh) 获得物体的多个部件的3d模型数据的方法
JP6987352B2 (ja) 医用画像処理装置および医用画像処理方法
CN114693660A (zh) 一种基于ict的固体火箭发动机装药计算网格生成方法
KR102225043B1 (ko) 3차원 산업용 컴퓨터 단층 영상 기법에서 금속으로 인한 인공음영 제거 방법 및 장치
Johari et al. Metal artifact suppression in dental cone beam computed tomography images using image processing techniques
US10969771B2 (en) Computed tomography for non-destructive evaluation of manufactured parts
Borg et al. Reduction of variable-truncation artifacts from beam occlusion during in situ x-ray tomography
Huo et al. Removing ring artefacts in CT images via unidirectional relative variation model
US20210012544A1 (en) Method and apparatus for metal artifact reduction in industrial 3-dimensional cone beam computed tomography
US20220172461A1 (en) Machine learning apparatus, machine learning method, and non-transitory computer-readable storage medium
Gottschalk et al. Deep learning based metal inpainting in the projection domain: Initial results
Huo et al. Removing ring artifacts in CBCT images via smoothing

Legal Events

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