KR102231215B1 - 신경관 라인 자동 생성방법 및 이를 위한 의료영상 처리장치 - Google Patents

신경관 라인 자동 생성방법 및 이를 위한 의료영상 처리장치 Download PDF

Info

Publication number
KR102231215B1
KR102231215B1 KR1020190059549A KR20190059549A KR102231215B1 KR 102231215 B1 KR102231215 B1 KR 102231215B1 KR 1020190059549 A KR1020190059549 A KR 1020190059549A KR 20190059549 A KR20190059549 A KR 20190059549A KR 102231215 B1 KR102231215 B1 KR 102231215B1
Authority
KR
South Korea
Prior art keywords
neural tube
point
line
cross
jawbone
Prior art date
Application number
KR1020190059549A
Other languages
English (en)
Other versions
KR20200134037A (ko
Inventor
이응준
Original Assignee
오스템임플란트 주식회사
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 오스템임플란트 주식회사 filed Critical 오스템임플란트 주식회사
Priority to KR1020190059549A priority Critical patent/KR102231215B1/ko
Publication of KR20200134037A publication Critical patent/KR20200134037A/ko
Application granted granted Critical
Publication of KR102231215B1 publication Critical patent/KR102231215B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. 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
    • 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
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computerised tomographs
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/14—Applications or adaptations for dentistry
    • A61B6/51—
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. 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
    • 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
    • A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
    • A61B2034/107—Visualisation of planned trajectories or target regions

Abstract

신경관 라인 자동 생성방법 및 이를 위한 의료영상 처리장치가 개시된다. 일 실시 예에 따른 신경관 자동 생성방법은, 파노라믹 영상 및 CT 단면영상들을 획득하는 단계와, 파노라믹 영상의 커브 라인을 구성하는 CT 단면영상 내 경 조직과의 거리정보를 이용하여 소공 위치를 검색하는 단계와, CT 단면영상의 프로파일 정보를 이용하여 신경관의 초기 위치를 검색하는 단계와, 검색된 소공 위치 및 초기 위치를 이용하여 신경관 라인을 생성하는 단계를 포함한다.

Description

신경관 라인 자동 생성방법 및 이를 위한 의료영상 처리장치 {Automatic generation method of neural tube line and medical image processing apparatus therefor}
본 발명은 신경관 검색을 위한 의료영상 처리 기술에 관한 것이다.
소프트웨어를 이용한 임플란트 수술 과정은 소프트웨어 상에서 임플란트 구조물(크라운, 어버트먼트, 픽스쳐 등)과 환자의 해부학적 구조물을 고려하여 임플란트 식립 계획을 수립한 후, 임플란트 수술을 진행한다. 특히 수술 케이스 중, 임플란트 식립을 계획하는 경우에는 신경의 손상이 발생하지 않도록 영상에서 가상의 신경관을 생성하여 이를 확인한다. 현재 상용화된 의료영상 프로그램은 획득된 치아영상에서 사용자가 직접 특징점들을 입력하면 각 특징점들을 라인으로 연결하여 신경관을 생성한다.
사용자에 의한 수동 신경관 생성 방식은 사용자가 치아영상에서 적절한 특징점들을 일일이 찾아 입력해야 하므로 시간이 많이 소요되고, 마우스 등의 조작수단을 핸들링하는 것에 서투른 사용자에게는 의도치 않은 특징점들을 선택하는 시행착오가 발생할 수 있다. 나아가, 신경관 생성 시마다 사용자가 치아영상에서 적절한 특징점들을 찾는 조작 동작이 반복되어야 하기 때문에 비효율적이다. 즉, 신경관 생성에 많은 시간이 소요되고 번거로움이 수반되므로 곧 전반적인 디지털 설계 프로세스를 지연시키고 효율성을 저하 시키는 요인으로 작용한다.
일 실시 예에 따라, 의료영상에서 신경관 라인을 자동 생성함에 따라 사용자 조작을 최소화할 수 있는 신경관 라인 자동 생성방법 및 이를 위한 의료영상 처리장치를 제안한다.
일 실시 예에 따른 신경관 자동 생성방법은, 파노라믹 영상 및 CT 단면영상들을 획득하는 단계와, 파노라믹 영상의 커브 라인을 구성하는 CT 단면영상 내 경 조직과의 거리정보를 이용하여 소공 위치를 검색하는 단계와, CT 단면영상의 프로파일 정보를 이용하여 신경관의 초기 위치를 검색하는 단계와, 검색된 소공 위치 및 초기 위치를 이용하여 신경관 라인을 생성하는 단계를 포함한다.
소공 위치를 검색하는 단계는, 파노라믹 영상의 커브 라인의 중심 위치에 해당하는 제1 CT 단면영상을 획득하는 단계와, 획득된 제1 CT 단면영상의 가장자리 위치와 경 조직 시작지점 간의 거리 차이를 이용하여 소공을 검색하고 검색된 소공으로부터 제1 제어 점을 생성하는 단계를 포함할 수 있다.
제1 제어 점을 생성하는 단계는, 획득된 제1 CT 단면영상 내 하단의 턱뼈 최하단 위치를 검색하는 단계와, 턱뼈 최하단 위치를 기준으로 위로 올라가면서 차례대로 제1 CT 단면영상의 가장자리 위치로부터 턱뼈 시작 지점까지 가로로 픽셀을 이동하여 라인 거리를 계산하는 단계와, 거리 계산 결과에 따라 이전 라인 거리 및 현재 라인 거리 간의 거리 차가 미리 설정된 거리 이상이면 해당 지점을 소공으로 판단하는 단계와, 소공으로부터 신경관 라인의 종료 점 생성을 위한 제1 제어 점을 생성하는 단계를 포함할 수 있다.
신경관 자동 생성방법은, 소공 검색 실패 시에, CT 단면영상을 이동하면서 이동된 CT 단면영상에서 소공을 검색하는 단계를 더 포함할 수 있다.
신경관의 초기 위치를 검색하는 단계는, 파노라믹 영상의 커브 라인의 가장자리 위치에 해당하는 제2 CT 단면영상을 획득하는 단계와, 획득된 제2 CT 단면영상에서 가로로 픽셀을 이동하면서 형성되는 라인 데이터들에 대한 라인 프로파일 그래프를 생성하는 단계와, 생성된 라인 프로파일 그래프의 변곡점 변화 형태 분석을 통해 신경관 중심 점을 검색하여 검색된 신경관 중심 점으로부터 제2 제어 점을 생성하는 단계를 포함할 수 있다.
라인 프로파일 그래프를 생성하는 단계는, 획득된 제2 CT 단면영상 하단의 턱뼈 최하단 위치를 검색하는 단계와, 검색된 턱뼈 최하단 위치를 시작지점으로 설정하고 시작지점을 기준으로 위로 차례대로 올라가면서 미리 설정된 길이의 가로 라인들을 생성하는 단계와, 생성된 각 가로 라인 픽셀 데이터 별로 픽셀 별 강도 값을 나타내는 라인 프로파일 그래프를 구성하는 단계를 포함할 수 있다.
제2 제어 점을 생성하는 단계는, 라인 프로파일 그래프에서 형성되는 변곡점들 중에 강도 값을 기준으로 턱뼈 및 신경관 표피 데이터에 해당하는 변곡점을 검색하는 단계와, 검색된 턱뼈와 신경관 표피 데이터를 통과하는 신경관 중심 점에 해당하는 변곡점을 검색하여 검색된 변곡점으로부터 제2 제어 점을 생성하는 단계를 포함할 수 있다.
신경관의 초기 위치를 검색하는 단계는, 변곡점 변화 형태 분석을 위해 비-스플라인(B-Spline) 보간을 이용하여 라인 프로파일 그래프를 재구성하는 단계를 더 포함할 수 있다.
신경관의 초기 위치를 검색하는 단계는, 변곡점 변화 형태 분석을 통해 신경관 중심 점이 검색되지 않으면 좌측 또는 우측으로 다음 CT 단면영상으로 이동하여 라인 프로파일 그래프를 생성하고 생성된 라인 프로파일 그래프 내 변곡점 변화 형태를 분석하여 신경관 중심 점을 검색하는 단계를 더 포함할 수 있다.
신경관의 초기 위치를 검색하는 단계는, 변곡점 변화 형태 분석을 통해 신경관 중심 점이 검색되지 않으면 제2 CT 단면영상 하단의 턱뼈 최하단 위치를 검색하는 단계와, 검색된 턱뼈 최하단 위치에서 미리 설정된 턱뼈 두께만큼 위로 픽셀을 이동하는 단계와, 미리 설정된 턱뼈 두께만큼 위로 이동한 지점에서 미리 설정된 신경관 위치만큼 위로 픽셀을 이동하여 해당 지점으로부터 임시 제어 점을 생성하는 단계를 더 포함할 수 있다.
신경관 라인을 생성하는 단계는, 프로파일 정보의 변곡 구간 형태 분석을 통해 검색된 변곡점과 최초 검색된 소공과의 거리가 미리 설정된 거리 이내이면 변곡점 검색을 종료하는 단계와, 소공에 의해 생성된 제1 제어 점과 변곡점에 의해 생성된 제2 제어 점을 파노라믹 영상 및 3D 볼륨 렌더링 영상 중 적어도 하나에 재배치하여 신경관을 완성하는 단계를 포함할 수 있다.
다른 실시 예에 따른 의료영상 처리장치는, 파노라믹 영상 및 CT 단면 영상들을 획득하는 데이터 획득부와, 파노라믹 영상의 커브 라인을 구성하는 CT 단면영상 내 경 조직과의 거리정보를 이용하여 소공 위치를 검색하고 CT 단면영상의 프로파일 정보를 이용하여 신경관의 초기 위치를 검색한 후 검색된 소공 위치 및 초기 위치를 이용하여 신경관 라인을 생성하는 제어부와, 생성된 신경관 라인을 화면에 표시하는 출력부를 포함한다.
데이터 획득부는 파노라믹 영상의 커브 라인의 중심 위치에 해당하는 제1 CT 단면영상을 획득하고, 제어부는 획득된 제1 CT 단면영상의 가장자리 위치와 경 조직 시작지점 간의 거리 차이를 이용하여 소공을 검색하고 검색된 소공으로부터 제1 제어 점을 생성할 수 있다.
제어부는 획득된 제1 CT 단면영상 내 하단의 턱뼈 최하단 위치를 검색하고, 턱뼈 최하단 위치를 기준으로 위로 올라가면서 차례대로 제1 CT 단면영상의 가장자리 위치로부터 턱뼈 시작 지점까지 가로로 픽셀을 이동하여 라인 거리를 계산하며, 거리 계산 결과에 따라 이전 라인 거리 및 현재 라인 거리 간의 거리 차가 미리 설정된 거리 이상이면 해당 지점을 소공으로 판단하고, 소공으로부터 신경관 라인의 종료 점 생성을 위한 제1 제어 점을 생성할 수 있다.
데이터 획득부는 파노라믹 영상의 커브 라인의 가장자리 위치에 해당하는 제2 CT 단면영상을 획득하고, 제어부는 획득된 제2 CT 단면영상에서 가로로 픽셀을 이동하면서 형성되는 라인 데이터들에 대한 라인 프로파일 그래프를 생성하고 생성된 라인 프로파일 그래프의 변곡점 변화 형태 분석을 통해 신경관 중심 점을 검색하여 검색된 신경관 중심 점으로부터 제2 제어 점을 생성할 수 있다.
제어부는 획득된 제2 CT 단면영상 하단의 턱뼈 최하단 위치를 검색하고, 검색된 턱뼈 최하단 위치를 시작지점으로 설정하고, 시작지점을 기준으로 위로 차례대로 올라가면서 미리 설정된 길이의 가로 라인들을 생성하며, 생성된 각 가로 라인 픽셀 데이터 별로 픽셀 별 강도 값을 나타내는 라인 프로파일 그래프를 구성할 수 있다.
제어부는 라인 프로파일 그래프에서 형성되는 변곡점들 중에 강도 값을 기준으로 턱뼈 및 신경관 표피 데이터에 해당하는 변곡점을 검색하고, 검색된 턱뼈와 신경관 표피 데이터를 통과하는 신경관 중심 점에 해당하는 변곡점을 검색하여 검색된 변곡점으로부터 제2 제어 점을 생성할 수 있다.
제어부는 변곡점 변화 형태 분석을 위해 비-스플라인(B-Spline) 보간을 이용하여 라인 프로파일 그래프를 재구성할 수 있다.
제어부는 변곡점 변화 형태 분석을 통해 신경관 중심 점이 검색되지 않으면 제2 CT 단면영상 하단의 턱뼈 최하단 위치를 검색하고, 검색된 턱뼈 최하단 위치에서 미리 설정된 턱뼈 두께만큼 위로 픽셀을 이동하며, 미리 설정된 턱뼈 두께만큼 위로 이동한 지점에서 미리 설정된 신경관 위치만큼 위로 픽셀을 이동하여 해당 지점으로부터 임시 제어 점을 생성할 수 있다.
제어부는 프로파일 정보의 변곡 구간 형태 분석을 통해 검색된 변곡점과 최초 검색된 소공과의 거리가 미리 설정된 거리 이내이면 변곡점 검색을 종료하고, 소공에 의해 생성된 제1 제어 점과 변곡점에 의해 생성된 제2 제어 점을 파노라믹 영상 및 3D 볼륨 렌더링 영상 중 적어도 하나에 재배치하여 신경관을 완성할 수 있다.
일 실시 예에 따른 신경관 라인 자동 생성방법 및 이를 위한 의료영상 처리장치에 따르면, 영상에서 신경관을 자동으로 검색해주기 때문에 사용자의 시간이 절약되고 사용의 편의성을 증대시킬 수 있다. 이때, 소프트웨어를 통해 신경관 라인 자동 생성을 위해 필요한 초기정보 및 소공(foremen) 정보 등의 시드(seed) 정보를 자동으로 검색함에 따라, 해당 시드 정보를 사용자가 별도로 입력할 필요가 없으므로 파노라믹 영상 생성시 바로 신경관의 위치를 파악할 수 있어 소프트웨어의 확장성에 큰 도움이 된다.
CT 단면영상 내 경 조직과의 거리정보, 프로파일 정보 및 신경관의 단면검색 등을 통해 정확한 신경관 위치 검색이 가능하다. 사용자는 자동 생성된 신경관이 손상되지 않음을 고려하여 임플란트 식립 계획을 수립하고 임플란트 수술을 진행하여 효율성을 높일 수 있다.
도 1은 본 발명의 일 실시 예에 따른 의료영상 처리장치의 구성을 도시한 도면,
도 2는 본 발명의 일 실시 예에 따른 신경관 라인 자동 생성방법의 흐름을 도시한 도면,
도 3은 본 발명의 일 실시 예에 따른 원본 영상과 원본 영상에서 추출된 경 조직 영상에서 소공(foremen)을 검색하는 예를 보여주는 도면,
도 4는 본 발명의 일 실시 예에 따른 신경관 초기 점 검색을 위한 라인 프로파일 그래프 생성구간을 설정하는 CT 단면영상을 도시한 도면,
도 5는 도 4의 라인 프로파일 그래프 생성구간에서 생성된 라인 프로파일 그래프를 도시한 도면,
도 6은 본 발명의 일 실시 예에 다른 변곡점 분석을 통해 신경관을 검색하지 못한 경우 신경관을 검색하는 방법을 설명하기 위한 CT 단면영상,
도 7은 본 발명의 일 실시 예에 따른 방법에 의해 자동으로 신경관이 생성된 파노라믹 영상을 도시한 도면,
도 8은 본 발명의 일 실시 예에 따른 방법에 의해 자동으로 신경관이 생성된 CT 단면영상을 도시한 도면,
도 9는 본 발명의 일 실시 예에 따른 방법에 의해 소공을 탈출한 신경관이 자동으로 생성되는 3D 볼륨 렌더링 영상을 도시한 도면,
도 10은 본 발명의 일 실시 예에 따른 방법에 의해 자동으로 신경관이 생성된 2D 및 3D 영상을 도시한 도면이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
본 발명의 실시 예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이며, 후술되는 용어들은 본 발명의 실시 예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
첨부된 블록도의 각 블록과 흐름도의 각 단계의 조합들은 컴퓨터 프로그램인스트럭션들(실행 엔진)에 의해 수행될 수도 있으며, 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장치의 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장치의 프로세서를 통해 수행되는 그 인스트럭션들이 블록도의 각 블록 또는 흐름도의 각 단계에서 설명된 기능들을 수행하는 수단을 생성하게 된다.
이들 컴퓨터 프로그램 인스트럭션들은 특정 방식으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장치를 지향할 수 있는 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 블록도의 각 블록 또는 흐름도의 각 단계에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다.
그리고 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장치 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장치 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장치를 수행하는 인스트럭션들은 블록도의 각 블록 및 흐름도의 각 단계에서 설명되는 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.
또한, 각 블록 또는 각 단계는 특정된 논리적 기능들을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있으며, 몇 가지 대체 실시 예들에서는 블록들 또는 단계들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들 또는 단계들은 사실 실질적으로 동시에 수행되는 것도 가능하며, 또한 그 블록들 또는 단계들이 필요에 따라 해당하는 기능의 역순으로 수행되는 것도 가능하다.
이하, 첨부 도면을 참조하여 본 발명의 실시 예를 상세하게 설명한다. 그러나 다음에 예시하는 본 발명의 실시 예는 여러 가지 다른 형태로 변형될 수 있으며, 본 발명의 범위가 다음에 상술하는 실시 예에 한정되는 것은 아니다. 본 발명의 실시 예는 이 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 본 발명을 보다 완전하게 설명하기 위하여 제공된다.
도 1은 본 발명의 일 실시 예에 따른 의료영상 처리장치의 구성을 도시한 도면이다.
의료영상 처리장치(1)는 치과 임플란트 수술용 가이드 디자인 프로그램과 같은 의료영상 처리 프로그램을 실행 가능한 전자장치이다. 전자장치는 컴퓨터, 노트북 컴퓨터, 랩탑 컴퓨터, 태블릿(Tablet) PC, 스마트폰, 휴대폰, PMP(Personal Media Player), PDA(Personal Digital Assistants) 등이 있다. 의료영상 처리 프로그램은 가이드 디자인 프로그램 이외에, 스캔 프로그램, CAD 프로그램 등이 있다. 또한, 치과 임플란트 수술용 이외에 다른 일반적인 의료영상 처리를 위한 프로그램에 적용될 수 있다.
프로그램을 이용한 영상처리 과정은 수술 환자 등록, 등록된 환자의 CT 데이터 및 구강 모델 데이터 획득, CT 데이터 및 구강 모델 데이터의 정합, 정합된 영상 데이터에서 커브 라인(curve line) 생성 및 커브 라인을 이용한 파노라믹 영상(panoramic image) 생성, 환자의 구강 모델 데이터에서 크라운 모델 위치 및 크기 결정, 환자의 CT 데이터에서 픽스쳐를 포함한 임플란트 구조물 위치 결정, 가이드 형상 디자인, 최종 가이드 출력을 포함한 과정으로 구성된다.
본 발명은 위 과정 중에서 CT 데이터를 이용하여 생성된 CT 단면 영상에서 신경관을 자동으로 생성하여 제공하도록 구성된다. 이때, 사용자가 2D 영상과 3D 영상에서 신경관을 확인하여 이를 고려한 수술 계획을 수립하도록 한다.
도 1을 참조하면, 일 실시 예에 따른 의료영상 처리장치(1)는 데이터 획득부(10), 저장부(12), 제어부(14), 입력부(16) 및 출력부(18)를 포함한다.
데이터 획득부(10)는 환자로부터 영상 데이터를 획득한다. 신경관 라인 생성을 위해 필요한 영상 데이터는 CT 데이터, 구강 모델 데이터, CT 데이터 또는 구강 모델 데이터로부터 획득된 파노라믹 영상 등이 있다. 데이터 획득부(10)는 CT 데이터와 구강 모델 데이터를 프로그램에서 실행하거나 웹 페이지 및 서버에 저장된 데이터를 로딩할 수 있다.
구강 모델 데이터는 손상된 치아를 포함한 실제 치아들의 정보를 가진 데이터이다. 구강 모델 데이터는 환자의 구강을 본떠 생성한 석고 모형을 3D 스캐너(3D Scanner)로 스캐닝하여 획득될 수 있다. 다른 예로서, 구강 내 3D 스캐너(3D Intra-oral scanner)를 이용하여 환자의 구강 내부를 스캐닝하여 획득될 수 있다. 구강 모델 데이터는 STL 포맷일 수 있다. 획득된 구강 모델 데이터는 저장부(12)에 저장될 수 있다.
CT 데이터는 CT(computed tomography, 컴퓨터 단층 촬영)를 사용하여 환자의 두부 단층 이미지들을 생성하고, 각각의 단층 이미지에서 치아 부분의 경계를 구분(Segmentation)한 후 하나로 취합함에 따라 획득될 수 있다. 이러한 구강 모델 데이터와 CT 데이터는 환자가 입을 벌린 상태에서 상악 치아 아래에서 상악 치아를 촬영하여 얻은 영상, 입을 벌린 상태에서 하악 치아 위에서 하악 치아를 촬영하여 얻은 영상, 입을 다문 상태에서 국소부위를 촬영하여 얻은 영상, 구강 방사선 사진 등을 포함한다. CT 데이터는 DICOM 포맷일 수 있다. 획득된 CT 데이터는 저장부(12)에 저장될 수 있다.
저장부(12)에는 의료영상 처리장치(1)의 동작 수행을 위해 필요한 정보와 동작 수행에 따라 생성되는 정보 등의 각종 데이터가 저장된다. 일 실시 예에 따른 저장부(12)에는 개별 환자의 구강 모델 데이터와 CT 데이터가 저장되고, 치과 치료 시뮬레이션 시 전체 구강 모델 데이터들 및 CT 데이터들 중에서 특정 환자의 구강 모델 데이터 및 CT 데이터를 사용자 요청에 따라 제어부(14)에 제공할 수 있다. 이때, 저장부(12)에는 개별 환자의 상측 치열의 영상 및 하측 치열의 영상이 저장되어 있고, 특정 환자의 구강 모델 데이터 및 CT 데이터에 매칭되는 상측 치열의 영상 및 하측 치열의 영상을 사용자 요청에 따라 제어부(14)에 제공할 수 있다.
제어부(14)는 컴퓨터 프로그램에 의한 제어를 통하여 임플란트 식립 계획을 수립하면서 각 구성요소를 제어한다. 제어부(14)는 출력부(18)를 통해 화면에 보이는 화면정보를 관리하고, 치과 영상에 가상의 픽스쳐 객체를 식립하는 시뮬레이션을 수행한다. 가상의 픽스쳐 객체가 식립되는 치과 영상은 임플란트 시술 계획 수립을 위해 생성된 환자의 치아 배열이 나타난 2D, 3D 등의 다차원 영상을 의미한다. 임플란트 시술 계획에는 X-ray, CT, MRI, 파노라믹 영상, 구강 스캔 영상, 재구성을 통해 생성된 영상, 복수의 영상을 정합한 영상 등 다양한 종류의 영상이 활용될 수 있다.
일 실시 예에 따른 제어부(14)는 데이터 획득부(10)를 통해 획득된 영상 데이터로부터 가상의 신경관 라인을 생성한다. 신경관은 3D 볼륨 렌더링 영상에서도 확인이 가능하지만, 정확한 신경관을 생성 및 확인하기 위해서는 일반적으로 2D 영상이 요구된다. 예를 들어, 환자의 CT 데이터 또는 구강 모델 데이터로부터 파노라믹 영상을 생성한다. 다른 예로, CT 데이터로부터 CT 단면영상을 생성한다. 파노라믹 영상 또는 CT 단면영상이 신경관 라인 생성을 위한 영상이 된다.
제어부(14)는 획득된 영상 데이터에서 경 조직 영역을 추출하고 추출된 경 조직 영역을 영상 처리하여 각 영역은 강화할 수 있다. 경 조직은 치아 부분, 턱뼈, 목뼈 등이 될 수 있는데, 제어부(14)는 CT 단면영상에서 경 조직과의 거리정보를 이용하여 신경관을 검색할 수 있다. 경 조직 분리는 영상을 구성하는 픽셀의 강도(intensity)를 이용하여 수행할 수 있는데, 강도는 하운스필드 유닛(Hounsfield Unit: HU, 이하 'HU'라 칭함) 값 등의 밀도 값일 수 있다. 예를 들어, HU 값이 500 이상인 영역을 경 조직 영역으로서 추출한다.
제어부(14)는 획득된 영상 데이터를 이용하여 자동으로 신경관 라인을 생성한다. 이때, 제어부(14)는 파노라믹 영상의 커브 라인을 구성하는 CT 단면영상 내 경 조직과의 거리정보를 이용하여 소공(foremen) 위치를 검색하고, CT 단면영상의 프로파일 정보를 이용하여 신경관의 초기 위치를 검색한다. 그리고 검색된 소공 위치 및 초기 위치를 이용하여 신경관 라인을 자동으로 생성한다.
전술한 자동 신경관 생성 방법에 따르면, 신경관을 수동으로 생성 시 발생하는 사용자 번거로움을 없앨 수 있다. 자동 신경관 검색의 경우 소공정보 및 초기정보를 포함한 시드(seed) 정보에 대한 사용자 입력이 필수적인데, 일 실시 예에 따른 제어부(14)는 소공정보 및 초기정보를 자동으로 검색하므로 소공정보 및 초기정보를 사용자가 입력할 필요가 없어진다.
소공 위치 검색 예를 들면, 데이터 획득부(10)가 파노라믹 영상의 커브 라인의 중심 위치에 해당하는 제1 CT 단면영상을 획득한다. 제어부(14)는 데이터 획득부(10)를 통해 획득된 제1 CT 단면영상의 가장자리 위치와 경 조직 시작지점 간의 거리 차이를 이용하여 소공을 검색하고 검색된 소공으로부터 제1 제어 점을 생성한다. 생성된 제어 점을 파노라믹 영상 및 3D 볼륨 렌더링 영상에 재구성하면 신경관을 생성할 수 있다.
경 조직 시작지점 간의 거리 차이를 이용한 소공 검색 예를 들면, 제어부(14)는 제1 CT 단면영상 내 하단의 턱뼈 최하단 위치를 검색한다. 그리고 턱뼈 최하단 위치를 기준으로 위로 올라가면서 차례대로 제1 CT 단면영상의 가장자리 위치로부터 턱뼈 시작 지점까지 가로로 픽셀을 이동하여 라인 거리를 계산한다. 이때, 거리 계산 결과에 따라 이전 라인 거리 및 현재 라인 거리 간의 거리 차가 미리 설정된 거리 이상이면 해당 지점을 소공으로 판단하고, 소공으로부터 신경관 라인의 종료 점 생성을 위한 제1 제어 점을 생성한다. 소공 검색 예는 도 3을 참조로 하여 후술한다.
신경관의 초기 위치 검색 예를 들면, 데이터 획득부(10)는 파노라믹 영상의 커브 라인의 가장자리 위치에 해당하는 제2 CT 단면영상을 획득한다. 제어부(14)는 획득된 제2 CT 단면영상에서 가로로 픽셀을 이동하면서 형성되는 라인 데이터들에 대한 라인 프로파일 그래프를 생성하고 생성된 라인 프로파일 그래프의 변곡점 변화 형태 분석을 통해 신경관 중심 점을 검색하여 검색된 신경관 중심 점으로부터 제2 제어 점을 생성한다.
라인 프로파일 그래프 생성 예를 들면, 제어부(14)는 제2 CT 단면영상 하단의 턱뼈 최하단 위치를 검색하고, 검색된 턱뼈 최하단 위치를 시작지점으로 설정한다. 그리고 시작지점을 기준으로 위로 차례대로 올라가면서 미리 설정된 길이의 가로 라인들을 생성한 후, 생성된 각 가로 라인 픽셀 데이터 별로 픽셀 별 강도 값을 나타내는 라인 프로파일 그래프를 구성한다.
일 실시 예에 따른 제어부(14)는 라인 프로파일 그래프에서 형성되는 변곡점들 중에 강도 값을 기준으로 턱뼈 및 신경관 표피 데이터에 해당하는 변곡점을 검색한다. 그리고 검색된 턱뼈와 신경관 표피 데이터를 통과하는 신경관 중심 점에 해당하는 변곡점을 검색하여 검색된 변곡점으로부터 제2 제어 점을 생성한다. 이때, 제어부(14)는 변곡점 변화 형태 분석을 위해 비-스플라인(B-Spline) 보간을 이용하여 라인 프로파일 그래프를 재구성할 수 있다. 라인 프로파일 그래프 구성 및 이를 이용한 변곡점 검색 실시 예는 도 4 및 도 5를 참조로 하여 후술한다.
일 실시 예에 따른 제어부(14)는 변곡점 변화 형태 분석을 통해 신경관 중심 점이 검색되지 않으면 임시의 제어 점을 생성한다. 예를 들어, 제2 CT 단면영상 하단의 턱뼈 최하단 위치를 검색하고, 검색된 턱뼈 최하단 위치에서 미리 설정된 턱뼈 두께만큼 위로 픽셀을 이동한다. 이후, 미리 설정된 턱뼈 두께만큼 위로 이동한 지점에서 미리 설정된 신경관 위치만큼 위로 픽셀을 이동하여 해당 지점으로부터 임시 제어 점을 생성한다. 임시 제어 점 생성 예는 도 6을 참조로 하여 후술한다.
제어부(14)는 프로파일 정보의 변곡 구간 형태 분석을 통해 검색된 변곡점과 최초 검색된 소공과의 거리가 미리 설정된 거리 이내이면 변곡점 검색을 종료하고 신경관 라인을 생성할 수 있다. 이때, 제어부(14)는 소공에 의해 생성된 제1 제어 점과 변곡점에 의해 생성된 제2 제어 점을 파노라믹 영상 및 3D 볼륨 렌더링 영상 중 적어도 하나에 재배치하여 신경관을 완성한다.
입력부(16)는 사용자 조작신호를 입력받는다. 출력부(18)는 화면을 표시한다. 출력부(18)는 제어부(14)를 통해 생성된 영상 데이터(파노라믹 영상, CT 단면영상, 3D 영상 등)를 화면에 표시한다. CT 단면영상은 축 뷰(Axial View), 시상면 뷰(Sagittal View), 관상면 뷰(Coronal View)로 표현될 수 있다. 또한, 출력부(18)는 신경관 라인 생성 결과를 화면 내 영상에 표시한다.
도 2는 본 발명의 일 실시 예에 따른 신경관 라인 자동 생성방법의 흐름을 도시한 도면이다.
도 1 및 도 2를 참조하면, 의료영상 처리장치(1)는 신경관 라인 자동생성을 위한 파노라믹 영상을 획득한다(S210). 예를 들어, 환자의 CT 데이터 또는 구강 모델 데이터로부터 생성된 파노라믹 영상을 가져온다.
이어서, 의료영상 처리장치(1)는 횡 방향의 CT 단면영상(CT cross-section image)들 중 파노라믹 영상의 커브 라인의 중심 위치에 해당하는 제1 CT 단면영상을 획득한다(S220). CT 데이터 또는 구강 모델 데이터 상에 생성되는 커브 라인을 이용하여 파노라믹 영상을 생성하는데, 의료영상 처리장치(1)는 이 커브 라인의 중심 위치에 해당하는 제1 CT 단면영상을 가져온다.
이어서, 의료영상 처리장치(1)는 파노라믹 영상의 커브 라인의 중심 위치에 해당하는 제1 CT 단면영상을 기준으로 좌측 또는 우측으로 이동하면서 소공을 검색(S230)하고, 검색된 소공을 제1 제어 점을 생성한다(S240). 이때, 검색되는 소공을 신경관 라인의 종료 점으로 설정할 수 있다. 소공 검색방법 예를 들면, 제1 CT 단면영상의 가장자리 위치(예를 들어, 좌측 끝 또는 우측 끝)와 경 조직(Hard Tissue) 시작지점 간의 거리 차이를 이용하여 소공을 검색한다. 소공 검색 예는 도 3을 참조로 하여 후술한다. 커브 라인의 중심 위치에 해당하는 제1 CT 단면영상에서 소공이 검색되지 않으면, 좌측 또는 우측으로 CT 단면영상을 이동(S225)하여 이동한 CT 단면영상에서 소공을 검색한다(S230). 소공이 검색될 때까지 CT 단면영상 이동 단계(S225) 및 소공 검색 단계(S230)를 반복 수행한다.
이어서, 의료영상 처리장치(1)는 파노라믹 영상의 커브 라인의 좌측 또는 우측 가장자리 위치에 해당하는 제2 CT 단면영상을 획득한다(S250). 그리고 획득된 제2 CT 단면영상의 라인 프로파일 그래프(Line Profile graph)의 변곡 구간 형태를 분석하여 신경관 초기 점을 검색(S260)하고 검색된 초기 점을 제2 제어 점을 생성한다(S270). 라인 프로파일의 변곡 구간 형태 분석을 통한 신경관 초기 점 검색의 실시 예는 도 4 및 도 5를 참조로 하여 후술한다.
파노라믹 영상의 커브 라인에 대한 모든 검색이 완료(S280) 되면, 의료영상 처리장치(1)는 신경관 라인을 생성한다(S290). 예를 들어, 라인 프로파일 그래프의 변곡 구간 형태 분석을 통해 검색된 변곡점과 최초 검색된 소공과의 거리가 미리 설정된 거리만큼 가까워지면, 변곡점 검색을 종료하고 신경관을 생성한다. 이때, 소공에 의해 생성된 제1 제어 점과 변곡점에 의해 생성된 제2 제어 점을 파노라믹 영상 및 3D 볼륨 렌더링 영상 중 적어도 하나에 재배치하여 신경관을 완성한다.
도 3은 본 발명의 일 실시 예에 따른 원본 영상과 원본 영상에서 추출된 경 조직 영상에서 소공을 검색하는 예를 보여주는 도면이다.
도 1 및 도 3을 참조하면, 의료영상 처리장치(1)는 원본 영상(31)으로부터 경 조직 영상(32)을 추출한다. 예를 들어, 촬영된 CT 데이터 중에 파노라믹 영상의 커브 라인의 중심 위치에 해당하는 제1 CT 단면영상을 획득하고, 획득된 제1 CT 단면영상을 대상으로 HU 값을 이용하여 연 조직 영역은 제거하고 경 조직 영역을 추출함에 따라 경 조직 영상(32)을 획득한다. 경 조직은 턱뼈를 포함하고 있다.
이어서, 추출된 경 조직 영상(32) 내에서 하단 턱뼈(320-1)의 최하단 위치를 검색한다. 그리고 턱뼈 최하단 위치를 기준으로 영상의 가장자리, 즉 좌측 또는 우측 끝 위치(도 3에서는 좌측 끝 위치)부터 위로 올라가면서 차례대로 턱뼈(320-1, 320-2) 시작 지점까지의 픽셀(pixel)을 구성하는 가로 라인들(330)의 거리를 계산한다. 거리 계산 결과에 따라, 이전 라인 거리(330-1) 및 현재 라인 거리(330-2)의 거리 차(340)가 미리 설정된 거리(예를 들어, 3mm) 이상이면, 해당 지점(350)을 소공으로 판단하여 소공 검색을 종료하고 해당 소공을 제어 점을 생성한다. 여기서, 해당 지점(350)의 세로 축 좌표는 현재 라인 거리(330-2)의 높이에 해당하는 위치로 추정하고, 가로 축 좌표는 이전 라인 거리(330-1)와 만나는 턱뼈(320-1) 시작점과, 현재 라인 거리(330-2)와 만나는 턱뼈(320-2) 시작점 사이로 추정할 수 있다.
도 4는 본 발명의 일 실시 예에 따른 신경관 초기 점 검색을 위한 라인 프로파일 그래프 생성구간을 설정하는 CT 단면영상을 도시한 도면이고, 도 5는 도 4의 라인 프로파일 그래프 생성구간에서 생성된 라인 프로파일 그래프를 도시한 도면이다.
도 1, 도 4 및 도 5를 참조하면, 의료영상 처리장치(1)는 파노라믹 영상의 커브 라인의 좌측 또는 우측 가장자리 위치에 해당하는 제2 CT 단면영상(40)을 대상으로 하단의 턱뼈 최하단 위치를 검색한다. 검색한 턱뼈 최하단 위치를 시작지점(400)으로 설정하고, 시작지점(400)을 기준으로 위로 차례대로 올라가면서(410) 미리 설정된 거리를 가지는 픽셀을 구성하는 가로 라인들(420)에 대한 라인 프로파일 그래프를 각각 구성한다. 이때, 미리 설정된 거리는 예를 들어, 시작 지점(400)을 기준으로 ±15mm: 30mm일 수 있다.
의료영상 처리장치(1)는 각 가로 라인들(420)에 대해 도 5에 도시된 바와 같은 라인 프로파일 그래프(50)를 생성한다. 소정의 라인 프로파일 그래프(50)의 가로 축은 시작 지점을 기준으로 좌우로 미리 설정된 거리(예를 들어 30mm)를 가진 픽셀을 의미하고, 세로 축은 픽셀 별 강도 값을 의미한다. 강도 값은 HU 값으로부터 결정될 수 있다. 도 5의 라인 프로파일 그래프(50)는 도 4의 가로 라인 수만큼 생성되며, 이 중 하나의 가로 라인에 대한 라인 프로파일 그래프 예시가 도 5에 도시된 바와 같다.
일 실시 예에 따른 의료영상 처리장치(1)는 라인 프로파일 그래프에서의 변곡점 형태 변화 분석을 통해 신경관 초기 점을 검색한다. 이때, 신경관 초기 점은 신경관 이동 지점을 포함한다.
도 5를 참조하여 변곡점 형태 변화 분석을 통한 신경관 검색 예를 살펴보면, 라인 프로파일 그래프(50)에서 형성되는 변곡점들에 대해 강도 값을 기준으로 턱뼈 및 신경관 표피 데이터를 검색한다. 그리고 검색된 턱뼈와 신경관 표피 데이터를 통과하는 신경관 중심 점에 해당하는 변곡점을 검색하여 검색된 변곡점으로부터 제2 제어 점을 생성한다. 예를 들어, 강도 값이 가장 큰 변곡점(510-1, 510-2)의 위치를 턱뼈로 추정하고, 그 다음 강도를 가지는 변곡점(520-1, 520-2)의 위치를 신경관 표피 데이터로 추정하며, 신경관 표피 데이터로 추정되는 변곡점(520-1, 520-2)의 위치 사이에 형성되는 변곡점(530)을 신경관 중심 점 위치로 추정할 수 있다.
이때, 변곡점 계산의 용이함을 위해 B 스플라인 보간법(B-Spline Interpolation)을 사용하여 노이즈 및 불필요한 데이터의 민감도를 떨어트려 변곡점을 계산할 수 있다. B 스플라인 곡선(B-spline curve)은 에르미트(Hermite) 곡선이나 베지어(Bezier) 곡선보다 매끄러운 형태의 곡선으로, 3차원에서 곡선을 표시할 때 양 끝점의 1차 도함수와 2차 도함수가 연속되도록 정의된 곡선이다.
소정의 CT 단면영상을 대상으로 모든 가로 라인 데이터에 대한 라인 프로파일 그래프의 변곡점 형태를 분석하였는데도 불구하고 신경관을 검색하지 못한 경우, 즉 변곡점 분석 실패 시에는 다음 CT 단면영상으로 이동하여 신경관 검색을 반복 수행할 수 있다. 신경관 단면이 잘 보이지 않는 환자의 경우가 이에 해당한다.
도 6은 본 발명의 일 실시 예에 다른 변곡점 분석을 통해 신경관을 검색하지 못한 경우 신경관을 검색하는 방법을 설명하기 위한 CT 단면영상이다.
도 5의 변곡점 분석을 수행하였음에도 불구하고 신경관을 검색하지 못한 경우, 즉 신경관 구간이 잘 분석되지 않는 경우에 프로그램은 임의의 가이드 지점을 사용자에 제시할 수 있다. 예를 들어, CT 단면영상(60)의 턱뼈 최하단 위치를 기준으로 미리 설정된 거리를 이동하여 신경관 위치 검색을 위한 가이드 지점을 생성함에 따라 자동 신경관 생성의 오류를 최소화한다. 해당 프로세스는 변곡점 검색이 잘 되지 않을 경우에만 사용한다. 예를 들어, CT 단면영상(60)의 턱뼈 최하단 위치를 검색한다. 그리고 검색된 턱뼈 최하단으로부터 미리 설정된 턱뼈 두께(예를 들어, 4.5mm)(610)만큼 위로 이동한다. 그리고 그 지점에서 미리 설정된 신경관 거리(예를 들어, 5.5mm)(620)만큼 위로 더 이동하여, 해당 위치(630)를 임시의 신경관 제어 점으로 결정한다. 임시의 신경 관 제어 점이 신경 관 라인 생성을 위한 가이드 지점이 된다.
도 7은 본 발명의 일 실시 예에 따른 방법에 의해 자동으로 신경관이 생성된 파노라믹 영상을 도시한 도면이다.
도 7을 참조하면, 각 CT 단면영상을 통해 생성된 제어 점들을 파노라믹 영상(70)에 재구성하여 신경관을 생성할 수 있다. 도 7에서는 파노라믹 영상(70)의 좌측에서 가상의 신경관(700)이 생성되었다. 가상의 신경관은 파노라믹 영상에서 중심을 기준으로 좌측 또는 우측 중 하나의 영역에만 생성될 수 있고, 좌측 및 우측 동시에 다중 신경관으로도 생성될 수 있다. 좌측과 우측의 신경관 분할은 치아번호 전치부에 해당하는 커브 라인 하방을 기준으로 좌측 및우측 신경관으로 분할한다.
도 8은 본 발명의 일 실시 예에 따른 방법에 의해 자동으로 신경관이 생성된 CT 단면영상을 도시한 도면이다.
도 8을 참조하면, 파노라믹 영상의 커브 라인의 CT 단면영상(80)에서 소공 또는 초기 점을 검색하여 이로부터 자동으로 신경관(800)을 생성한다.
도 9는 본 발명의 일 실시 예에 따른 방법에 의해 소공을 탈출한 신경관이 자동으로 생성되는 3D 볼륨 렌더링 영상을 도시한 도면이다.
도 9를 참조하면, 각 CT 단면영상에서 생성된 제어 점을 3D 볼륨 렌더링 영상(90)에서 재구성하면 소공을 탈출한 신경관(900)을 생성할 수 있다.
도 10은 본 발명의 일 실시 예에 따른 방법에 의해 자동으로 신경관이 생성된 2D 및 3D 영상을 도시한 도면이다.
도 10을 참조하면, 관상면 뷰(Coronal View) 영상(100)에서의 신경관(1000)을, 시상면 뷰(Sagittal View) 영상(102)에서의 신경관(1020)을, 축 뷰(Axial View) 영상(104)에서의 신경관(1040)을, 3D 뷰 영상(106)에서의 신경관(1060)을 각각 확인할 수 있다. 관상면 뷰 영상(100), 시상면 뷰 영상(102) 및 축 뷰 영상(104)은 CT 단면영상이다. 각 CT 단면영상에서 생성된 제어 점들을 3D 뷰 영상(106)에 재구성하여 신경관 라인을 자동 생성할 수 있다.
이제까지 본 발명에 대하여 그 실시 예들을 중심으로 살펴보았다. 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시 예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.

Claims (20)

  1. 의료영상 처리장치를 이용한 신경관 자동 생성방법에 있어서, 의료영상 처리장치가
    파노라믹 영상 및 CT 단면영상들을 획득하는 단계;
    파노라믹 영상의 커브 라인을 구성하는 CT 단면영상 내 경 조직과의 거리정보를 이용하여 소공 위치를 검색하는 단계;
    CT 단면영상의 프로파일 정보를 이용하여 신경관의 초기 위치를 검색하는 단계; 및
    검색된 소공 위치 및 초기 위치를 이용하여 신경관 라인을 생성하는 단계;
    를 포함하는 것을 특징으로 하는 신경관 자동 생성방법.
  2. 제 1 항에 있어서, 소공 위치를 검색하는 단계는
    파노라믹 영상의 커브 라인의 중심 위치에 해당하는 제1 CT 단면영상을 획득하는 단계; 및
    획득된 제1 CT 단면영상의 가장자리 위치와 경 조직 시작지점 간의 거리 차이를 이용하여 소공을 검색하고 검색된 소공으로부터 제1 제어 점을 생성하는 단계;
    를 포함하는 것을 특징으로 하는 신경관 자동 생성방법.
  3. 제 2 항에 있어서, 제1 제어 점을 생성하는 단계는
    획득된 제1 CT 단면영상 내 하단의 턱뼈 최하단 위치를 검색하는 단계;
    턱뼈 최하단 위치를 기준으로 위로 올라가면서 차례대로 제1 CT 단면영상의 가장자리 위치로부터 턱뼈 시작 지점까지 가로로 픽셀을 이동하여 라인 거리를 계산하는 단계;
    거리 계산 결과에 따라 이전 라인 거리 및 현재 라인 거리 간의 거리 차가 미리 설정된 거리 이상이면 해당 지점을 소공으로 판단하는 단계; 및
    소공으로부터 신경관 라인의 종료 점 생성을 위한 제1 제어 점을 생성하는 단계;
    를 포함하는 것을 특징으로 하는 신경관 자동 생성방법.
  4. 제 1 항에 있어서, 신경관 자동 생성방법은
    소공 검색 실패 시에, CT 단면영상을 이동하면서 이동된 CT 단면영상에서 소공을 검색하는 단계;
    를 더 포함하는 것을 특징으로 하는 신경관 자동 생성방법.
  5. 제 1 항에 있어서, 신경관의 초기 위치를 검색하는 단계는
    파노라믹 영상의 커브 라인의 가장자리 위치에 해당하는 제2 CT 단면영상을 획득하는 단계;
    획득된 제2 CT 단면영상에서 가로로 픽셀을 이동하면서 형성되는 라인 데이터들에 대한 라인 프로파일 그래프를 생성하는 단계; 및
    생성된 라인 프로파일 그래프의 변곡점 변화 형태 분석을 통해 신경관 중심 점을 검색하여 검색된 신경관 중심 점으로부터 제2 제어 점을 생성하는 단계;
    를 포함하는 것을 특징으로 하는 신경관 자동 생성방법.
  6. 제 5 항에 있어서, 라인 프로파일 그래프를 생성하는 단계는
    획득된 제2 CT 단면영상 하단의 턱뼈 최하단 위치를 검색하는 단계;
    검색된 턱뼈 최하단 위치를 시작지점으로 설정하고, 시작지점을 기준으로 위로 차례대로 올라가면서 미리 설정된 길이의 가로 라인들을 생성하는 단계; 및
    생성된 각 가로 라인 픽셀 데이터 별로 픽셀 별 강도 값을 나타내는 라인 프로파일 그래프를 구성하는 단계;
    를 포함하는 것을 특징으로 하는 신경관 자동 생성방법.
  7. 제 5 항에 있어서, 제2 제어 점을 생성하는 단계는
    라인 프로파일 그래프에서 형성되는 변곡점들 중에 강도 값을 기준으로 턱뼈 및 신경관 표피 데이터에 해당하는 변곡점을 검색하는 단계; 및
    검색된 턱뼈와 신경관 표피 데이터를 통과하는 신경관 중심 점에 해당하는 변곡점을 검색하여 검색된 변곡점으로부터 제2 제어 점을 생성하는 단계;
    를 포함하는 것을 특징으로 하는 신경관 자동 생성방법.
  8. 제 5 항에 있어서, 신경관의 초기 위치를 검색하는 단계는
    변곡점 변화 형태 분석을 위해 비-스플라인(B-Spline) 보간을 이용하여 라인 프로파일 그래프를 재구성하는 단계;
    를 더 포함하는 것을 특징으로 하는 신경관 자동 생성방법.
  9. 제 5 항에 있어서, 신경관의 초기 위치를 검색하는 단계는
    변곡점 변화 형태 분석을 통해 신경관 중심 점이 검색되지 않으면 좌측 또는 우측으로 다음 CT 단면영상으로 이동하여 라인 프로파일 그래프를 생성하고 생성된 라인 프로파일 그래프 내 변곡점 변화 형태를 분석하여 신경관 중심 점을 검색하는 단계;
    를 더 포함하는 것을 특징으로 하는 신경관 자동 생성방법.
  10. 제 5 항에 있어서, 신경관의 초기 위치를 검색하는 단계는
    변곡점 변화 형태 분석을 통해 신경관 중심 점이 검색되지 않으면 제2 CT 단면영상 하단의 턱뼈 최하단 위치를 검색하는 단계;
    검색된 턱뼈 최하단 위치에서 미리 설정된 턱뼈 두께만큼 위로 픽셀을 이동하는 단계; 및
    미리 설정된 턱뼈 두께만큼 위로 이동한 지점에서 미리 설정된 신경관 위치만큼 위로 픽셀을 이동하여 해당 지점으로부터 임시 제어 점을 생성하는 단계;
    를 더 포함하는 것을 특징으로 하는 신경관 자동 생성방법.
  11. 제 1 항에 있어서, 신경관 라인을 생성하는 단계는
    프로파일 정보의 변곡 구간 형태 분석을 통해 검색된 변곡점과 최초 검색된 소공과의 거리가 미리 설정된 거리 이내이면 변곡점 검색을 종료하는 단계; 및
    소공에 의해 생성된 제1 제어 점과 변곡점에 의해 생성된 제2 제어 점을 파노라믹 영상 및 3D 볼륨 렌더링 영상 중 적어도 하나에 재배치하여 신경관을 완성하는 단계;
    를 포함하는 것을 특징으로 하는 신경관 자동 생성방법.
  12. 파노라믹 영상 및 CT 단면 영상들을 획득하는 데이터 획득부;
    파노라믹 영상의 커브 라인을 구성하는 CT 단면영상 내 경 조직과의 거리정보를 이용하여 소공 위치를 검색하고 CT 단면영상의 프로파일 정보를 이용하여 신경관의 초기 위치를 검색한 후 검색된 소공 위치 및 초기 위치를 이용하여 신경관 라인을 생성하는 제어부; 및
    생성된 신경관 라인을 화면에 표시하는 출력부;
    를 포함하는 것을 특징으로 하는 의료영상 처리장치.
  13. 제 12 항에 있어서, 데이터 획득부는
    파노라믹 영상의 커브 라인의 중심 위치에 해당하는 제1 CT 단면영상을 획득하고,
    제어부는
    획득된 제1 CT 단면영상의 가장자리 위치와 경 조직 시작지점 간의 거리 차이를 이용하여 소공을 검색하고 검색된 소공으로부터 제1 제어 점을 생성하는 것을 특징으로 하는 의료영상 처리장치.
  14. 제 13 항에 있어서, 제어부는
    획득된 제1 CT 단면영상 내 하단의 턱뼈 최하단 위치를 검색하고,
    턱뼈 최하단 위치를 기준으로 위로 올라가면서 차례대로 제1 CT 단면영상의 가장자리 위치로부터 턱뼈 시작 지점까지 가로로 픽셀을 이동하여 라인 거리를 계산하며,
    거리 계산 결과에 따라 이전 라인 거리 및 현재 라인 거리 간의 거리 차가 미리 설정된 거리 이상이면 해당 지점을 소공으로 판단하고,
    소공으로부터 신경관 라인의 종료 점 생성을 위한 제1 제어 점을 생성하는 것을 특징으로 하는 의료영상 처리장치.
  15. 제 12 항에 있어서, 데이터 획득부는
    파노라믹 영상의 커브 라인의 가장자리 위치에 해당하는 제2 CT 단면영상을 획득하고,
    제어부는
    획득된 제2 CT 단면영상에서 가로로 픽셀을 이동하면서 형성되는 라인 데이터들에 대한 라인 프로파일 그래프를 생성하고 생성된 라인 프로파일 그래프의 변곡점 변화 형태 분석을 통해 신경관 중심 점을 검색하여 검색된 신경관 중심 점으로부터 제2 제어 점을 생성하는 것을 특징으로 하는 의료영상 처리장치.
  16. 제 15 항에 있어서, 제어부는
    획득된 제2 CT 단면영상 하단의 턱뼈 최하단 위치를 검색하고,
    검색된 턱뼈 최하단 위치를 시작지점으로 설정하고, 시작지점을 기준으로 위로 차례대로 올라가면서 미리 설정된 길이의 가로 라인들을 생성하며,
    생성된 각 가로 라인 픽셀 데이터 별로 픽셀 별 강도 값을 나타내는 라인 프로파일 그래프를 구성하는 것을 특징으로 하는 의료영상 처리장치.
  17. 제 15 항에 있어서, 제어부는
    라인 프로파일 그래프에서 형성되는 변곡점들 중에 강도 값을 기준으로 턱뼈 및 신경관 표피 데이터에 해당하는 변곡점을 검색하고, 검색된 턱뼈와 신경관 표피 데이터를 통과하는 신경관 중심 점에 해당하는 변곡점을 검색하여 검색된 변곡점으로부터 제2 제어 점을 생성하는 것을 특징으로 하는 의료영상 처리장치.
  18. 제 15 항에 있어서, 제어부는
    변곡점 변화 형태 분석을 위해 비-스플라인(B-Spline) 보간을 이용하여 라인 프로파일 그래프를 재구성하는 것을 특징으로 하는 의료영상 처리장치.
  19. 제 15 항에 있어서, 제어부는
    변곡점 변화 형태 분석을 통해 신경관 중심 점이 검색되지 않으면 제2 CT 단면영상 하단의 턱뼈 최하단 위치를 검색하고,
    검색된 턱뼈 최하단 위치에서 미리 설정된 턱뼈 두께만큼 위로 픽셀을 이동하며,
    미리 설정된 턱뼈 두께만큼 위로 이동한 지점에서 미리 설정된 신경관 위치만큼 위로 픽셀을 이동하여 해당 지점으로부터 임시 제어 점을 생성하는 것을 특징으로 하는 의료영상 처리장치.
  20. 제 12 항에 있어서, 제어부는
    프로파일 정보의 변곡 구간 형태 분석을 통해 검색된 변곡점과 최초 검색된 소공과의 거리가 미리 설정된 거리 이내이면 변곡점 검색을 종료하고,
    소공에 의해 생성된 제1 제어 점과 변곡점에 의해 생성된 제2 제어 점을 파노라믹 영상 및 3D 볼륨 렌더링 영상 중 적어도 하나에 재배치하여 신경관을 완성하는 것을 특징으로 하는 의료영상 처리장치.
KR1020190059549A 2019-05-21 2019-05-21 신경관 라인 자동 생성방법 및 이를 위한 의료영상 처리장치 KR102231215B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190059549A KR102231215B1 (ko) 2019-05-21 2019-05-21 신경관 라인 자동 생성방법 및 이를 위한 의료영상 처리장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190059549A KR102231215B1 (ko) 2019-05-21 2019-05-21 신경관 라인 자동 생성방법 및 이를 위한 의료영상 처리장치

Publications (2)

Publication Number Publication Date
KR20200134037A KR20200134037A (ko) 2020-12-01
KR102231215B1 true KR102231215B1 (ko) 2021-03-23

Family

ID=73790609

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190059549A KR102231215B1 (ko) 2019-05-21 2019-05-21 신경관 라인 자동 생성방법 및 이를 위한 의료영상 처리장치

Country Status (1)

Country Link
KR (1) KR102231215B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102339827B1 (ko) * 2020-01-17 2021-12-15 오스템임플란트 주식회사 신경관 라인 생성방법 및 이를 위한 치과 임플란트 수술계획 수립장치

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100338974B1 (ko) * 1999-03-15 2002-05-31 최은백, 이찬경 턱뼈의 뼈밀도를 확인하기 위한 시뮬레이션 방법 및 이를 실현시키기 위한 프로그램이 기록된 기록매체
KR100338975B1 (ko) * 1999-09-14 2002-05-31 최은백, 이찬경 턱뼈의 치조신경 검출방법
KR100545060B1 (ko) * 2004-05-17 2006-01-24 (주)우리들척추건강 골해영상 클러스터링 방법 및 시스템
KR20080000055A (ko) * 2006-06-26 2008-01-02 (주)풀쓰리디소프트 하악단면영상을 이용한 하악신경관 추출 장치 및 방법
KR101190651B1 (ko) * 2010-03-22 2012-10-15 이태경 영상이미지를 이용하여 천공 술식을 시뮬레이트 하는 장치 및 시뮬레이트 하는 방법

Also Published As

Publication number Publication date
KR20200134037A (ko) 2020-12-01

Similar Documents

Publication Publication Date Title
JP2019103831A (ja) 口腔内画像の選択及びロック
US8824764B2 (en) Method for digitizing dento-maxillofacial objects
KR102314890B1 (ko) 의료영상 정합 방법 및 그 장치
KR20200000704A (ko) 치과용 서지컬 가이드 설계 방법, 이를 위한 장치, 및 이를 기록한 기록매체
KR102248604B1 (ko) 최적화된 어버트먼트 및 보철물 수복 유형 설계를 위한 임플란트 식립 설계장치 및 그 방법
US11704819B2 (en) Apparatus and method for aligning 3-dimensional data
US20220246269A1 (en) Implant surgery planning method using automatic placement of implant structure, user interface providing method therefor, and teeth image processing device therefor
KR102339827B1 (ko) 신경관 라인 생성방법 및 이를 위한 치과 임플란트 수술계획 수립장치
KR102239358B1 (ko) 임플란트 중심선을 이용한 임플란트 식립 계획 수립 방법 및 이를 위한 치과영상 처리장치
KR102231215B1 (ko) 신경관 라인 자동 생성방법 및 이를 위한 의료영상 처리장치
KR102344521B1 (ko) 진단 및 진료계획 수립 방법 및 이를 위한 3차원 치과영상 제공장치
KR102346199B1 (ko) 파노라믹 영상 생성 방법 및 이를 위한 영상 처리장치
KR102210341B1 (ko) 영상처리 및 시뮬레이션을 이용한 신경관 자동 검출방법 및 그 장치
KR102566541B1 (ko) 치과 교정치료 계획 수립방법 및 그 장치
KR102350098B1 (ko) 악궁라인 생성 방법 및 이를 위한 치과영상 처리장치
KR102237711B1 (ko) 신경관 라인 생성 방법 및 이를 위한 의료영상 처리장치
TWI766446B (zh) 基於人工智慧之口腔電腦斷層掃描影像的自動色彩轉換裝置及其驅動方法
KR20220126665A (ko) 안면 이미지 매칭 기반의 시뮬레이션 장치 및 방법
KR102197309B1 (ko) 상악동 리프팅을 위한 픽스쳐 침범영역 분할이 가능한 의료영상 처리방법 및 그 장치
CN111553941A (zh) 用户口腔全景视图的合成方法及装置、电子设备
KR102251651B1 (ko) 파노라믹 영상 생성을 위한 커브 라인 자동 생성방법 및 이를 위한 치과영상 처리장치
KR102456703B1 (ko) 신경관 라인 생성방법 및 치과 임플란트 수술계획 수립장치
KR102292876B1 (ko) 자동 치식 설정을 통한 식립 계획 수립방법 및 이를 위한 치과영상 처리장치
KR102378382B1 (ko) 의료영상 정합 방법 및 그 장치
KR102292875B1 (ko) 치과용 가이드 디자인 방법 및 그 장치

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant