KR102349199B1 - 곡선 유사성에 기반한 가이드와이어 검출 방법 및 장치 - Google Patents

곡선 유사성에 기반한 가이드와이어 검출 방법 및 장치 Download PDF

Info

Publication number
KR102349199B1
KR102349199B1 KR1020210067041A KR20210067041A KR102349199B1 KR 102349199 B1 KR102349199 B1 KR 102349199B1 KR 1020210067041 A KR1020210067041 A KR 1020210067041A KR 20210067041 A KR20210067041 A KR 20210067041A KR 102349199 B1 KR102349199 B1 KR 102349199B1
Authority
KR
South Korea
Prior art keywords
curve
candidate
source
points
electronic device
Prior art date
Application number
KR1020210067041A
Other languages
English (en)
Other versions
KR102349199B9 (ko
Inventor
김영언
송교석
Original Assignee
주식회사 메디픽셀
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 주식회사 메디픽셀 filed Critical 주식회사 메디픽셀
Priority to KR1020210067041A priority Critical patent/KR102349199B1/ko
Application granted granted Critical
Publication of KR102349199B1 publication Critical patent/KR102349199B1/ko
Priority to US17/580,243 priority patent/US11612442B2/en
Publication of KR102349199B9 publication Critical patent/KR102349199B9/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/757—Matching configurations of points or features
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/12—Arrangements for detecting or locating foreign bodies
    • 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
    • A61B6/504—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 blood vessels, e.g. by angiography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/36—Image-producing devices or illumination devices not otherwise provided for
    • A61B90/37—Surgical systems with images on a monitor during operation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M25/00—Catheters; Hollow probes
    • A61M25/01—Introducing, guiding, advancing, emplacing or holding catheters
    • A61M25/09—Guide wires
    • A61M25/09041—Mechanisms for insertion of guide wires
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/457—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by analysing connectivity, e.g. edge linking, connected component analysis or slices
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
    • A61B2034/2046—Tracking techniques
    • A61B2034/2065—Tracking using image or pattern recognition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/36—Image-producing devices or illumination devices not otherwise provided for
    • A61B2090/364—Correlation of different images or relation of image positions in respect to the body
    • A61B2090/365—Correlation of different images or relation of image positions in respect to the body augmented reality, i.e. correlating a live optical image with another image
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/36—Image-producing devices or illumination devices not otherwise provided for
    • A61B90/37—Surgical systems with images on a monitor during operation
    • A61B2090/374—NMR or MRI
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/36—Image-producing devices or illumination devices not otherwise provided for
    • A61B90/37—Surgical systems with images on a monitor during operation
    • A61B2090/376—Surgical systems with images on a monitor during operation using X-rays, e.g. fluoroscopy
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Surgery (AREA)
  • Biomedical Technology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Robotics (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biophysics (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Optics & Photonics (AREA)
  • Gynecology & Obstetrics (AREA)
  • Pulmonology (AREA)
  • Anesthesiology (AREA)
  • Hematology (AREA)
  • Vascular Medicine (AREA)
  • Dentistry (AREA)

Abstract

일 실시예에 따른 전자 장치에 의해 수행되는 곡선 간 유사성 판단 방법은, 혈관 영상으로부터 적어도 일부 혈관에 대응하는 후보 곡선 및 가이드와이어에 대응하는 소스 곡선을 추출하는 단계, 후보 곡선 및 소스 곡선의 각각으로부터 동일한 샘플링 개수의 포인트들(points)을 샘플링(sampling)하는 단계, 후보 곡선으로부터 샘플링된 포인트들 및 소스 곡선으로부터 샘플링된 포인트들에 기초하여, 후보 곡선과 소스 곡선 사이의 유사도를 산출하는 단계, 및 산출된 유사도에 기초하여, 후보 곡선 및 소스 곡선이 유사한 지 여부를 결정하는 단계를 포함할 수 있다.

Description

곡선 유사성에 기반한 가이드와이어 검출 방법 및 장치{DEVICE AND METHOD FOR DETECTING GUIDEWIRE BASED ON CURVE SIMILARITY}
이하, 가이드와이어 검출 기술이 제공된다.
체내에 시술도구를 삽입하고 X선을 통해 시술도구의 위치를 확인하며 진행하는 시술에서는, 조영제(Contrast) 투입을 통해 혈관의 구조와 위치가 파악될 수 있다. 다만, 조영제 투입 후 짧은 시간 동안만 혈관이 식별될 수 있다. 심장 부위 및/또는 심장에 인접한 부위의 혈관의 위치는 심장의 박동과 호흡의 영향으로 인하여 불규칙하게 바뀔 수 있다. 따라서, 주기적으로 혈관의 모양을 파악하기 위해 조영제가 반복적으로 주입될 수 있다. 심혈관 중재시술에서는 가이드와이어를 병변 부위까지 이동시키는 작업이 매우 중요하다. 조영제를 반복적으로 주입하더라도, 다음 조영제가 투입되기 전까지는 혈관이 명확히 식별되기 어려우므로, 가이드와이어를 조작하여 원하는 위치까지 도달시키기 어려울 수 있다. 가이드와이어의 선단부가 혈관을 기준으로 위치되는 지점이 식별되기 어렵기 때문이다.
위에서 설명한 배경기술은 발명자가 본원의 개시 내용을 도출하는 과정에서 보유하거나 습득한 것으로서, 반드시 본 출원 전에 일반 공중에 공개된 공지기술이라고 할 수는 없다.
일 실시예에 따른 전자 장치에 의해 수행되는 곡선 간 유사성 판단 방법은, 혈관 영상으로부터 적어도 일부 혈관에 대응하는 후보 곡선 및 가이드와이어에 대응하는 소스 곡선을 추출하는 단계, 상기 후보 곡선 및 상기 소스 곡선의 각각으로부터 동일한 샘플링 개수의 포인트들(points)을 샘플링(sampling)하는 단계, 상기 후보 곡선으로부터 샘플링된 포인트들 및 상기 소스 곡선으로부터 샘플링된 포인트들에 기초하여, 상기 후보 곡선과 상기 소스 곡선 사이의 유사도를 산출하는 단계, 및 상기 산출된 유사도에 기초하여, 상기 후보 곡선 및 상기 소스 곡선이 유사한 지 여부를 결정하는 단계를 포함할 수 있다.
상기 추출하는 단계는, 기준 프레임의 혈관 영상으로부터 상기 적어도 일부 혈관에 대응하는 상기 후보 곡선을 추출하는 단계, 대상 프레임의 혈관 영상으로부터 상기 가이드와이어에 대응하는 상기 소스 곡선을 추출하는 단계를 포함할 수 있다.
상기 유사도를 산출하는 단계는, 상기 후보 곡선 및 상기 소스 곡선의 각각으로부터 인접한 포인트 간의 간격이 동일하도록 포인트들을 샘플링하는 단계를 포함할 수 있다.
상기 유사도를 산출하는 단계는, 상기 후보 곡선과 상기 소스 곡선 사이의 거리 정보 및 각도 정보 중 적어도 하나에 기초하여 상기 유사도를 산출하는 단계를 포함할 수 있다.
상기 유사도를 산출하는 단계는, 상기 후보 곡선으로부터 샘플링된 포인트들의 각각을 상기 소스 곡선으로부터 샘플링된 포인트들과 서로 중첩되지 않도록 매칭시키는 단계, 및 매칭되는 포인트 간의 유클리드 거리(euclidean distance)의 합산의 최소값에 기초하여 상기 후보 곡선과 상기 소스 곡선 사이의 상기 거리 정보를 산출하는 단계를 포함할 수 있다.
상기 유사도를 산출하는 단계는, 상기 매칭되는 포인트 간의 유클리드 거리의 산술 평균(arithmetic mean)을 상기 후보 곡선과 상기 소스 곡선 사이의 상기 거리 정보로 산출하는 단계를 포함할 수 있다.
상기 유사도를 산출하는 단계는, 상기 후보 곡선으로부터 샘플링된 포인트들의 각각과 상기 소스 곡선으로부터 샘플링된 포인트의 각각에 대한 유클리드 거리에 기초하여 거리 매트릭스(distance matrix)를 산출하는 단계, 및 상시 산출된 거리 매트릭스에서 헝가리안 알고리즘(hungarian algorithm)에 기초하여 상기 거리 정보를 산출하는 단계를 포함할 수 있다.
상기 유사도를 산출하는 단계는, 상기 후보 곡선으로부터 샘플링된 포인트들 중 인접하는 포인트를 서로 연결하여 선분들을 생성하고, 상기 생성된 선분들 중 인접한 선분 사이의 각도들을 산출하는 단계, 상기 소스 곡선으로부터 샘플링된 포인트들 중 인접한 포인트를 서로 연결하여 선분들을 생성하고, 상기 생성된 선분들 중 인접한 선분 사이의 각도들을 산출하는 단계, 및 상기 후보 곡선으로부터 산출된 각도들과 상기 소스 곡선으로부터 산출된 각도들을 사용하여 상기 후보 곡선과 상기 소스 곡선 사이의 상기 각도 정보를 산출하는 단계를 포함할 수 있다.
상기 유사도를 산출하는 단계는, 상기 소스 곡선으로부터 산출된 각도들의 확률분포 및 상기 후보 곡선으로부터 산출된 각도들의 확률분포로부터 크로스 엔트로피(entropy) 및 쿨백-라이블러 발산(Kullback-Leibler divergence) 중 하나를 사용하여 상기 각도 정보를 산출하는 단계를 포함할 수 있다.
일 실시예에 따른 전자 장치에 의해 수행되는 방법은, 상기 산출된 유사도에 기초하여 상기 소스 곡선과 가장 유사한 후보 곡선을 선택하고, 상기 선택된 후보 곡선에 대응하는 혈관 영역에 상기 가이드와이어가 존재한다고 판단하는 단계를 더 포함할 수 있다.
일 실시예에 따른 전자 장치에 의해 수행되는 방법은, 상기 가이드와이어가 존재한다고 판단되는 혈관 영역에 상기 가이드와이어를 오버레이하여 혈관 영상과 함께 시각화하는 단계를 더 포함할 수 있다.
일 실시예에 따른 전자 장치에 의해 수행되는 방법은, 상기 가이드와이어가 존재한다고 판단되는 혈관 영역에 기초하여 구동부를 동작시킴으로써 목적 부위를 향해 상기 가이드와이어의 선단부를 이동시키는 단계를 더 포함할 수 있다.
일 실시예에 따른 전자 장치는 혈관 영상으로부터 적어도 일부 혈관에 대응하는 후보 곡선 및 가이드와이어에 대응하는 소스 곡선을 추출하고, 상기 후보 곡선 및 상기 소스 곡선의 각각으로부터 동일한 샘플링 개수의 포인트들(points)을 샘플링(sampling)하며, 상기 후보 곡선으로부터 샘플링된 포인트들 및 상기 소스 곡선으로부터 샘플링된 포인트들에 기초하여, 상기 후보 곡선과 상기 소스 곡선 사이의 유사도를 산출하고, 상기 산출된 유사도에 기초하여, 상기 후보 곡선 및 상기 소스 곡선이 유사한 지 여부를 결정하는 프로세서를 더 포함할 수 있다.
도 1은 일 실시예에 따른 의료 도구 제어 시스템을 도시한다.
도 2는 일 실시예에 따른 전자 장치에 의해 수행되는 곡선 간 유사성 판단 방법에 관하여 설명한다.
도 3 내지 도 5는 일 실시예에 따른 전자 장치가 혈관 영상으로부터 후보 곡선과 소스 곡선을 추출하는 과정을 설명한다.
도 6은 후보 곡선 및 소스 곡선으로부터 동일한 샘플링 개수의 포인트들을 샘플링하는 과정을 나타낸다.
도 7 내지 도 9에서는 전자 장치가 후보 곡선과 소스 곡선 사이의 거리 정보를 산출하는 과정을 설명한다.
도 10에서는 전자 장치가 후보 곡선과 소스 곡선 사이의 각도 정보를 산출하는 과정을 설명한다.
도 11은 일 실시예에 따른 전자 장치의 구조를 설명하는 블록도이다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 구현될 수 있다. 따라서, 실제 구현되는 형태는 개시된 특정 실시예로만 한정되는 것이 아니며, 본 명세서의 범위는 실시예들로 설명한 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설명된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 실시예들을 첨부된 도면들을 참조하여 상세하게 설명한다. 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고, 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은 일 실시예에 따른 의료 도구 제어 시스템을 도시한다.
일 실시예에 따른 의료 도구 제어 시스템은 의료 도구(120)의 이동을 제어하는 시스템으로서, 의료 도구 제어 시스템은 혈관 영상 촬영 장치(130) 및 의료 도구 제어 장치를 포함할 수 있다. 도 1에서는 설명의 편의를 위해 의료 도구 제어 장치의 구동부(110)만 도시되었으나, 이로 한정하는 것은 아니다.
혈관 영상 촬영 장치(130)는 혈관 영상(131)을 촬영하는 장치이다. 혈관 영상(131)은 대상 객체(예를 들어, 피시술자(190))의 혈관이 촬영된 영상을 나타낸다. 혈관 영상 촬영 장치(130)는 혈관조영술(coronary angiography, 이하 'CAG') 또는 자기공명 이미징(Magnetic Resonance Imaging, 이하 'MRI')를 이용하여 혈관 영상(131)을 촬영할 수 있다. 혈관 영상(131)에서는 혈관 뿐만 아니라 의료 도구(120)도 함께 촬영될 수 있다.
본 명세서에서 의료 도구(120)는 혈관에 삽입되는 부재(member)로서 시술자(예를 들어, 의사)의 조작 및/또는 주어진 명령에 따라 이동 및/또는 작동되는 수술용 도구일 수 있다. 예를 들어, 의료 도구(120)는 의료용 와이어(120)(medical wire)로서, 카테터(catheter) 및 가이드와이어를 포함할 수 있다. 카테터는 풍선카테터 및/또는 가이드와이어의 혈관 내 목표 환부로의 삽입 및 접근을 보조하는 통로를 제공하는 의료 기기(medical device)를 나타낼 수 있다. 카테터는 주로 경피적 시술(예를 들어, 경피적혈관중재술 또는 경피적혈관성형술)을 위해 가이드와이어의 혈관 내 이송을 위한 내강(lumen)을 가지는 중재 카테터를 설명한다. 가이드와이어는 혈관을 포함한 맥관을 통해 카테터, 풍선, 스텐트 등의 의료 기기가 목적 환부에 도달하도록 이송 경로를 안내하는 유도 철심을 나타낼 수 있다. 참고로, 카테터는 대동맥 및/또는 관상동맥과 같은 주요 혈관에서 가이드와이어와 함께 이송되어, 말초 혈관에 도달할 수 있다. 가이드와이어는 카테터의 내강을 통해 이송될 수 있고, 가이드와이어의 선단부(tip)가 말초혈관으로 삽입 및 이동될 수 있다. 이하, 명세서에서는 의료 도구를 주로 가이드와이어로 설명하나, 이로 한정하지는 않는다.
의료 도구 제어 장치는 혈관에 삽입된 의료 도구(120)를 혈관 내 목적 부위(destination part)까지 이동시킬 수 있다. 도 1에서 의료 도구(120)가 피시술자(190)의 손목의 혈관을 통해 삽입되는 것으로 도시되었으나, 이로 한정하는 것은 아니고 피시술자(190)의 하지의 혈관을 통해 삽입될 수도 있다. 목적 부위는 질환 및 병변 등이 잠재적으로 또는 명시적으로 존재하는 부위일 수 있다.
의료 도구 제어 장치는 의료 도구(120)의 선단부(tip)를 목적 부위까지 이동시킬 수 있다. 의료 도구 제어 장치는 의료 도구(120)를 이송하는 로봇을 포함할 수 있다. 예를 들어, 의료 도구 제어 장치는 구동부(110)를 통해 의료 도구(120)를 이송할 수 있다. 구동부(110)는 하나 이상의 모터를 포함할 수 있고, 모터의 회전력을 직선 운동 및/또는 원하는 축(desired axis)의 회전 운동으로 변환하는 기계 동력 전달 구조를 포함할 수 있다. 예를 들어, 구동부(110)는 전진 명령에 응답하여 의료용 와이어(120)를 밀어내는 구동을 통해 의료 도구(120)를 전진시킬 수 있다. 구동부(110)는 후진 명령에 응답하여 의료용 와이어(120)를 당기는 구동을 통해 의료 도구(120)를 후진시킬 수 있다. 구동부(110)는 회전 명령에 응답하여 의료용 와이어(120)의 길이방향 축을 기준축으로 의료용 와이어(120)를 회전시키는 구동을 통해 의료 도구(120)를 회전시킬 수 있다. 다만, 이로 한정하는 것은 아니고, 의료 도구(120)는 의료인의 조작에 따라 이송될 수도 있다.
일 실시예에 따른 의료 도구 제어 시스템은, 방사선을 이용하는 영상 촬영 장치로부터 시술자가 이격된 상태에서, 심혈관, 뇌혈관, 담관 등의 질환을 치료하기 위해 카테터를 이용하는 중재 시술 등에서 가이드와이어의 정확한 위치를 사용자(예를 들어, 의료인)에게 제공할 수 있다.
일 실시예에 따른 의료 도구 제어 시스템은 전자 장치(미도시됨)를 포함하고, 전자 장치(미도시됨)는 혈관 영상 촬영 장치(130)와 통합적으로 구현되어 혈관 영상을 촬영하거나, 혈관 영상 촬영 장치(130)로부터 혈관 영상을 수신할 수 있다. 전자 장치(미도시됨)는 심혈관 중재시술시 심장 박동으로 인한 가이드와이어의 정확한 위치를 추정할 수 있다. 예를 들어, 전자 장치(미도시됨)는 최초에 조영제가 환자에게 주입될 때 자동적으로 혈관의 구조를 분석하고, 이후 실시간으로 가이드와이어의 위치를 추정할 수 있다. 전자 장치(미도시됨)는 최초 획득된 혈관 구조 상에 실시간 가이드와이어 위치를 오버레이(overlay)함으로써 조영제(Contrast)가 투입되지 않는 시간 구간 동안에도 혈관 내의 정확한 가이드와이어의 위치를 사용자(예를 들어, 시술자)에게 제공할 수 있다. 따라서, 일 실시예에 따른 전자 장치(미도시됨)는 가이드와이어의 위치를 실시간으로 정확하게 표시하여 조영제 투여량을 줄이고 시술자에게 요구되는 숙련도를 낮출 수 있다. 전자 장치(미도시됨)는 가이드와이어 검출 장치라고도 나타낼 수 있다.
도 2는 일 실시예에 따른 전자 장치에 의해 수행되는 곡선 간 유사성 판단 방법에 관하여 설명한다.
단계(210)에서 일 실시예에 따른 전자 장치는 혈관 영상으로부터 적어도 일부 혈관에 대응하는 후보 곡선 및 가이드와이어에 대응하는 소스 곡선을 추출할 수 있다.
전자 장치는 혈관 영상 촬영 장치로부터 촬영된 혈관 영상을 수신할 수 있다. 전자 장치는 기준 프레임의 혈관 영상으로부터 적어도 일부 혈관에 대응하는 후보 곡선을 추출할 수 있다. 전자 장치는 대상 프레임의 혈관 영상으로부터 가이드와이어에 대응하는 소스 곡선을 추출할 수 있다.
예를 들어, 전자 장치는 최초에 조영제가 환자에게 주입될 때 혈관의 구조를 분석하고, 이후 실시간으로 가이드와이어의 위치를 추정할 수 있다. 전자 장치는 최초에 조영제가 환자에게 주입되는 시점에 대응하는 기준 프레임의 혈관 영상으로부터 적어도 일부 혈관에 대응하는 후보 곡선을 추출할 수 있다. 전자 장치는 가이드와이어가 위치할 수 있는 일부 혈관 마다 대응하는 후보 곡선을 추출할 수 있다. 전자 장치는 이후 실시간으로 가이드와이어의 위치를 추정하기 위해, 가이드와이어의 위치를 추정하는 시점에 대응하는 대상 프레임의 혈관 영상으로부터 가이드와이어에 대응하는 소스 곡선을 추출할 수 있다. 그러나, 기준 프레임의 혈관 영상과 대상 프레임의 혈관 영상은 반드시 위의 시점으로 한정하지는 않는다.
단계(220)에서 일 실시예에 따른 전자 장치는 후보 곡선 및 소스 곡선의 각각으로부터 동일한 샘플링 개수의 포인트들(points)을 샘플링(sampling)할 수 있다. 전자 장치는 후보 곡선 및 소스 곡선의 각각으로부터 인접한 포인트 간의 간격이 동일하도록 포인트들을 샘플링 할 수 있다. 여기서, 인접한 포인트 간의 간격은 하나의 포인트에서 다른 포인트까지의 샘플링된 곡선의 일부에 대응하는 거리를 나타낼 수 있다.
단계(230)에서 일 실시예에 따른 전자 장치는 후보 곡선으로부터 샘플링된 포인트들 및 소스 곡선으로부터 샘플링된 포인트들에 기초하여, 후보 곡선과 소스 곡선 사이의 유사도(similarity level)를 산출할 수 있다. 전자 장치는 후보 곡선과 소스 곡선 사이의 거리 정보 및 각도 정보 중 적어도 하나에 기초하여 유사도를 산출할 수 있다. 후보 곡선과 소스 곡선 사이의 거리 정보 및 각도 정보를 산출하는 방법과 관련하여서는 후술한다.
단계(240)에서 일 실시예에 따른 전자 장치는 산출된 유사도에 기초하여, 후보 곡선 및 소스 곡선이 서로 유사한 지 여부를 결정할 수 있다. 전자 장치는 후보 곡선들 중 소스 곡선과의 유사도가 가장 큰 후보 곡선을 선택할 수 있다. 전자 장치는 유사도가 가장 큰 후보 곡선에 대응하는 혈관을 가이드와이어가 위치하고 있는 혈관인 것으로 판단할 수 있다. 이하에서는, 전자 장치가 후보 곡선과 소스 곡선 사이의 유사도를 판단하는 방법에 관하여 보다 구체적으로 설명한다.
도 3 내지 도 5는 일 실시예에 따른 전자 장치가 혈관 영상으로부터 후보 곡선과 소스 곡선을 추출하는 과정을 설명한다.
도 3은 일 실시예에 따른 전자 장치가 후보 곡선을 추출하는 과정을 설명한다. 전자 장치는 기준 프레임의 혈관 영상(310)으로부터 혈관 영역을 분할한 혈관 영역 영상(320)를 추출할 수 있다. 예를 들어, 도 3에 도시된 바와 같이, 전자 장치는 기준 프레임에서 획득된 혈관 영상(310)(예를 들어, 심혈관조영술(Cornoary Angiography, CAG) 영상)으로부터 혈관 영역 영상(320)을 획득할 수 있다. 혈관 영역 영상(320)은 혈관에 속하는 영역을 나타내는 영역으로서, 도 3에서는 혈관 영역이 백색으로 표시되고, 나머지 영역이 흑색으로 표시되는 마스킹 영상으로 도시되었으나, 이로 한정하는 것은 아니다.
전자 장치는 기준 프레임의 혈관 영상(310)으로부터 혈관 영역을 분할한 혈관 영역 영상(320)을 추출할 수 있고, 혈관 영영 영상(320)에서 적어도 일부 혈관에 대응하는 후보 곡선들(331, 332, 333, 334)을 추출할 수 있다. 예를 들어, 전자 장치는 적어도 일부 혈관의 중심선(centerline)을 따라 후보 곡선들을 추출할 수 있다. 도 3에서는 적어도 일부 혈관에 대응하여 추출된 후보 곡선들(331, 332, 333, 334)이 각각 다른 영상 내에 표시되는 것으로 도시되었으나, 이로 한정하지 않고 후보 곡선들(331, 332, 333, 334)은 하나의 영상 내에 표시될 수도 있다.
도 4는 일 실시예에 따른 전자 장치가 카테터와이어에 대응하는 소스 곡선을 추출하는 과정을 설명한다.
일 실시예에 따른 전자 장치는 대상 프레임(예를 들어, 현재 프레임)의 혈관 영상(410)으로부터 가이드와이어에 대응하는 소스 곡선(420)을 추출할 수 있다. 예를 들어, 전자 장치는 기계 학습 모델에 기초하여 대상 프레임의 혈관 영상(410)으로부터 가이드와이어 정보를 추출할 수 있다. 기계 학습 모델은 혈관 영상으로부터 가이드와이어를 추출하도록 설계 및 트레이닝된 모델로서, 뉴럴 네트워크를 포함할 수 있다. 가이드와이어 정보는 혈관 영상 중 가이드와이어에 대응하는 부분에 관한 정보로서, 영상에서 가이드와이어에 속하는 픽셀, 지점 및 영역 중 적어도 하나 또는 둘 이상의 조합을 지시하는 정보를 포함할 수 있다. 전자 장치는 기계 학습 모델에 기초하여 추출된 가이드와이어 정보를 사용하여 가이드와이어에 대응하는 소스 곡선(420)을 추출할 수 있다. 그러나, 전자 장치가 가이드와이어의 정보를 추출하는 방법을 반드시 위로 한정하지는 않는다. 전자 장치는 기계 학습 모델을 사용하지 않고도 혈관 영상(410)으로부터 가이드와이어에 대응하는 소스 곡선을 다양한 방법으로 추출할 수 있다.
도 5는 일 실시예에 따른 전자 장치가 혈관 영상으로부터 추출한 후보 곡선과 소스 곡선을 나타낸다.
일 실시예에 따른 전자 장치는 혈관 영상 촬영 장치로부터 혈관 영상을 수신할 수 있다. 전자 장치는 혈관 영상으로부터 적어도 일부 혈관에 대응하는 후보 곡선들(521, 522, 523) 및 가이드와이어에 대응하는 소스 곡선(510)을 각각 추출할 수 있다. 전술한 바와 같이, 전자 장치는 기준 프레임의 혈관 영상으로부터 적어도 일부 혈관에 대응하는 후보 곡선들(521, 522, 523)을 추출할 수 있고, 대상 프레임의 혈관 영상으로부터 가이드와이어에 대응하는 소스 곡선(510)을 추출할 수 있다. 기준 프레임의 혈관 영상과 대상 프레임의 혈관 영상은 동일한 해상도(resolution)를 가지기 때문에, 혈관 영상으로부터 추출된 후보 곡선들과 소스 곡선을 혈관 영상 내에서 추출된 위치를 고려하여 도 5에 도시된 바와 같이 하나의 영상 내에 표시할 수 있다. 전자 장치는 후보 곡선과 소스 곡선 사이의 거리 정보 및 각도 정보를 산출하여, 후보 곡선과 소스 곡선 사의 유사도를 산출할 수 있다.
다른 일 실시예에 따르면, 전자 장치는 후보 곡선들과 소스 곡선을 반드시 하나의 영상 내에 표시하지 않을 수도 있다. 대신에, 전자 장치는 후보 곡선이 표시된 영상 내에서의 후보 곡선의 위치(예를 들어, x좌표 및 y좌표) 및 소스 곡선이 표시된 영상 내에서의 소스 곡선 위치를 고려하여 후보 곡선과 소스 곡선 사이의 거리 정보 및 각도 정보를 산출할 수도 있다. 예를 들어, 후보 곡선 상의 제1 포인트와 소스 곡선 상의 제2 포인트 사이의 거리는, 제1 포인트의 영상 내에서의 위치에 대응하는 좌표와 제2 포인트의 다른 영상 내에서의 위치에 대응하는 좌표에 기초하여 산출될 수 있다.
도 6은 후보 곡선 및 소스 곡선으로부터 동일한 샘플링 개수의 포인트들을 샘플링하는 과정을 나타낸다.
일 실시예에 따른 전자 장치는 후보 곡선(620) 및 소스 곡선(610)의 각각으로부터 동일한 샘플링 개수의 포인트들을 샘플링할 수 있다. 도 6에서는 후보 곡선과 소스 곡선에 대하여 50개의 샘플링 개수의 포인트들로 샘플링하는 예시를 설명하나, 샘플링 개수는 반드시 이로 한정하지는 않는다.
전자 장치는 후보 곡선을 제1 샘플링 개수의 포인트들로 샘플링하는 경우, 후보 곡선의 양 끝단이 샘플링 포인트에 포함되도록 제1 샘플링 개수로 샘플링할 수 있다. 마찬가지로, 전자 장치는 소스 곡선을 제1 샘플링 개수의 포인트들로 샘플링하는 경우, 소스 곡선의 양 끝단이 샘플링 포인트에 포함되도록 제1 샘플링 개수로 샘플링할 수 있다.
일 실시예에 따르면, 전자 장치는 후보 곡선들 중 하나와 소스 곡선을 비교하는 경우, 비교할 때 마다 미리 결정된 동일한 샘플링 개수의 포인트들로 샘플링 할 수 있다. 예를 들어, 전자 장치는 제1 후보 곡선과 소스 곡선이 유사한 지 여부를 결정하는 경우, 제1 후보 곡선과 소스 곡선을 제1 샘플링 개수의 포인트들로 샘플링한다고 가정한다. 이 경우, 전자 장치는 제1 후보 곡선과 상이한 제2 후보 곡선을 소스 곡선과 유사한 지 여부를 결정하는 경우에도, 제1 샘플링 개수의 포인트들을 제2 후보 곡선과 소스 곡선으로부터 샘플링할 수 있다.
다른 실시예에 따르면, 전자 장치는 후보 곡선들 중 하나와 소스 곡선을 비교하는 경우, 비교할 때 마다 동일한 샘플링 개수의 포인트들로 샘플링하지 않을 수도 있다. 예를 들어, 전자 장치는 제1 후보 곡선과 소스 곡선이 유사한지 여부를 결정하는 경우, 제1 후보 곡선과 소스 곡선을 제1 샘플링 개수의 포인트들로 샘플링한다고 가정한다. 이 경우, 전자 장치는 제1 후보 곡선과 상이한 제2 후보 곡선을 소스 곡선과 유사한 지 여부를 결정하는 경우, 제1 샘플링 개수와 상이한 제2 샘플링 개수의 포인트들을 제2 후보 곡선과 소스 곡선으로부터 샘플링할 수 있다.
도 7 내지 도 9에서는 전자 장치가 후보 곡선과 소스 곡선 사이의 거리 정보를 산출하는 과정을 설명한다. 혈관 영상으로부터 적어도 일부 혈관에 대응하는 후보 곡선은 복수개 추출될 수 있다. 그러나, 설명의 편의를 위하여 도 7 내지 도 9에서는 하나의 후보 곡선과 소스 곡선의 유사도를 산출하는 경우에 관하여 주로 설명한다.
도 7에서, 일 실시예에 따른 전자 장치는 후보 곡선(720)으로부터 샘플링된 포인트들의 각각을 소스 곡선(710)으로부터 샘플링된 포인트들과 서로 중첩되지 않도록 매칭시킬 수 있다. 전자 장치는 후보 곡선(720)과 소스 곡선(710)에서 서로 매칭되는 포인트 간의 유클리드 거리(euclidean distance)의 합산의 최소값에 기초하여 후보 곡선(720)과 소스 곡선(710) 사이의 거리 정보를 산출할 수 있다. 유클리드 거리는 두개의 포인트 사이의 직선 상의 거리를 나타낼 수 있다. 보다 구체적으로, 전자 장치는 후보 곡선(720)과 소스 곡선(710)에서 서로 매칭되는 포인트 간의 유클리드 거리의 산술 평균(arithmetic mean)을 후보 곡선(720)과 소스 곡선(710) 사이의 거리 정보로 산출할 수 있다.
예를 들어, 전자 장치가 소스 곡선(710) 및 후보 곡선(720)을 모두 제1 샘플링 개수로 샘플링하는 경우를 가정한다. 전자 장치는 후보 곡선(720)으로부터 제1 샘플링 개수로 샘플링된 포인트들의 각각을 소스 곡선(710)으로부터 제1 샘플링 개수로 샘플링된 포인트들 중 하나의 포인트와 매칭시킬 수 있다. 후보 곡선(720)에서 샘플링된 포인트들의 각각에 매칭되는 소스 곡선(710)의 포인트는 서로 상이하다.
도 7에서는 후보 곡선의 포인트와 매칭하는 소스 곡선의 포인트를 서로 선분으로 연결한 것을 도시한다. 도 7에서 선분으로 서로 연결된 양끝단의 포인트들은 후보 곡선(720) 및 소스 곡선(710)에서 샘플링된 포인트들 중 서로 매칭되는 포인트들을 나타낸다. 특히, 도 7에서는 샘플링된 후보 곡선(720)과 소스 곡선(710)에서 서로 매칭되는 포인트 간의 유클리드 거리의 합산이 최소가 되는 경우에 대하여 나타낸다. 예를 들어, 전자 장치는 후보 곡선(720)의 제1 포인트(721)를 소스 곡선(710)의 제1 포인트(711)와 매칭시킬 수 있고, 후보 곡선(720)의 제2 포인트(722)를 소스 곡선(710)의 제2 포인트(712)와 매칭시킬 수 있으며, 후보 곡선(720)의 제3 포인트(723)를 소스 곡선(710)의 제3 포인트(713)와 매칭시킬 수 있다. 샘플링된 후보 곡선과 소스 곡선에서 서로 매칭되는 포인트 간의 유클리드 거리의 합산이 최소가 되는 경우, 서로 매칭되는 포인트를 연결하여 생성되는 선분들은 서로 교차하지 않는다는 특징이 있다.
전자 장치는 소스 곡선(710)에서 샘플링된 포인트들과 후보 곡선(720)에서 샘플링된 포인트들을 서로 중첩되지 않도록 매칭시켜, 서로 매칭되는 포인트 간의 유클리드 거리의 합산을 다양하게 산출할 수 있다. 전자 장치는 다양하게 산출된 유클리드 거리의 합산 중 최소값을 판별하여, 판별된 최소값에 기초하여 후보 곡선과 소스 곡선 사이의 거리 정보를 산출할 수 있다. 보다 구체적으로, 전자 장치는 해당 유클리드 거리의 합산을 후보 곡선과 소스 곡선을 샘플링한 샘플링 개수로 나누어 거리 정보를 산출할 수 있다. 그러나, 전자 장치는 보다 효율적인 알고리즘을 이용하여 유클리드 거리의 합산이 최소가 되도록 소스 곡선의 포인트와 후보 곡선의 포인트를 바로 매칭시킬 수 있으며, 이에 관하여서는 도 8 내지 도 9에서 설명한다.
도 8 내지 도 9은 일 실시예에 따른 전자 장치가 거리 매트릭스(distance matrix)를 사용하여 거리 정보를 산출하는 방법에 관하여 설명한다.
도 8은 전자 장치가 후보 곡선 및 소스 곡선을 이용하여 산출한 거리 매트릭스(800)를 나타낸다. 전자 장치는 후보 곡선으로부터 샘플링된 포인트들의 각각과 소스 곡선으로부터 샘플링된 포인트의 각각에 대한 유클리드 거리에 기초하여 거리 매트릭스(800)를 산출할 수 있다.
예를 들어, 전자 장치는 후보 곡선 및 소스 곡선을 제1 샘플링 개수의 포인트로 샘플링할 수 있다. 전자 장치는 후보 곡선에서 샘플링된 i번째 포인트와 소스 곡선에서 샘플링된 j번째 포인트 사이의 유클리드 거리를 산출할 수 있다. 이때, i 및 j는 자연수를 나타낼 수 있다. 전자 장치는 거리 매트릭스(800)의 i번째 행 및 j번째 열에 대응하는 성분(801)에 후보 곡선의 i번째 포인트와 소스 곡선의 j번째 포인트 사이의 유클리드 거리를 표시할 수 있다. 이하, 명세서에서 매트릭스 성분에 대응하는 값이란 해당 성분에 표시된 유클리드 거리를 나타낼 수 있다.
일 실시예에 따른 전자 장치는 산출된 거리 매트릭스(800)에서 헝가리안 알고리즘(hungrian algorithm)을 사용하여 후보 곡선과 소스 곡선 사이의 거리 정보를 산출할 수 있다. 헝가리안 알고리즘은 할당 문제(assignment problem)를 해결할 수 있는 알고리즘으로, 시간복잡도는 O(N3)이다.
보다 구체적으로, 전자 장치가 후보 곡선 및 소스 곡선을 제1 샘플링 개수의 포인트로 샘플링한 경우, 전자 장치는 헝가리안 알고리즘을 사용하여 산출된 거리 매트릭스(800)에서 제1 샘플링 개수의 성분을 선택할 수 있다. 거리 매트릭스(800)에서 행과 열의 값이 모두 상이한 제1 샘플링 개수의 성분들의 조합은 다양하게 존재한다. 다시 말해, 전자 장치는 거리 매트릭스(800)에서 행과 열의 값이 전혀 중복되지 않는 제1 샘플링 개수의 성분들을 선택할 수 있다. 이때, 전자 장치는 헝가리안 알고리즘을 사용하여 거리 매트릭스(800)에서 행과 열이 모두 상이한 제1 샘플링 개수의 성분들의 조합 중 각 성분에 대응하는 값들의 합산이 최소가 되는 조합을 선택할 수 있다. 도 9에서는 전자 장치에 의해 선택된 각 성분에 대응하는 값들의 합산이 최소가 되는 제1 샘플링 개수의 성분들이 유색으로 표시되고, 나머지 성분들은 흰색으로 표시되는 거리 매트릭스(900)가 도시된다. 전자 장치는 선택된 제1 샘플링 개수의 성분에 대응하는 값의 합산에 기초하여 후보 곡선 및 소스 곡선의 거리 정보를 산출할 수 있다. 전자 장치는 선택된 제1 샘플링 개수의 성분에 대응하는 값의 합산을 제1 샘플링 개수로 나눈 값을 거리 정보로 산출할 수 있다.
다시 말해, 일 실시예에 따른 전자 장치가 거리 매트릭스에서 헝가리안 알고리즘을 사용하여 선택한 제1 샘플링 개수의 성분의 각각은 후보 곡선 및 소스 곡선에서 서로 매칭되는 포인트를 지시할 수 있다. 예를 들어, 전자 장치가 거리 매트릭스에서 a번째 행 및 b번째 열의 성분을 선택한 경우, 후보 곡선의 a번째 포인트와 소스 곡선의 b번째 포인트를 서로 매칭시키는 것으로 판단할 수 있다.
일 실시예에 따르면, 전자 장치는 후보 곡선과 소스 곡선 사이의 산출된 거리 정보를 사용하여 유사도로 산출할 수 있다. 예를 들어, 전자 장치는 후보 곡선과 소스 곡선 사이의 산출된 거리 정보에 대응하는 값의 역수를 유사도로 산출할 수 있으나, 유사도를 산출하는 방법은 반드시 이로 한정하지는 않는다. 전자 장치는 산출된 거리 정보가 작을수록 유사도가 높으며, 후보 곡선과 소스 곡선이 서로 유사한 것으로 판단할 수 있다. 반대로, 전자 장치는 산출된 거리 정보가 클수록 유사도가 낮으며, 후보 곡선과 소스 곡선이 서로 비유사한 것으로 판단할 수 있다.
일 실시예에 따르면, 전자 장치는 혈관 영상으로부터 추출된 복수의 후보 곡선들 마다 소스 곡선과의 거리 정보를 산출할 수 있다. 전자 장치는 산출된 거리 정보가 가장 작은 후보 곡선을 선택하여, 선택된 후보 곡선에 대응하는 혈관 영역에 가이드와이어가 존재하는 것으로 판단할 수 있다. 심장 박동으로 인하여 기존 프레임의 혈관 영상에서 혈관 영역들의 배치와 대상 프레임의 혈관 영상에서 혈관 영역들의 배치가 크게 차이가 나지 않을 것이기 때문에, 전자 장치는 후보 곡선과 소스 곡선 사이의 거리 정보가 작을수록 유사도가 높은 것으로 판단할 수 있다.
도 10에서는 전자 장치가 후보 곡선과 소스 곡선 사이의 각도 정보를 산출하는 과정을 설명한다. 혈관 영상으로부터 적어도 일부 혈관에 대응하는 후보 곡선은 복수개 추출될 수 있다. 그러나, 설명의 편의를 위하여 도 10에서는 하나의 후보 곡선과 소스 곡선의 유사도를 산출하는 경우에 관하여 주로 설명한다.
일 실시예에 따른 전자 장치는 후보 곡선(1020)으로부터 샘플링된 포인트들 중 인접하는 포인트를 서로 연결하여 선분들을 생성하고, 생성된 선분들 중 인접한 선분 사이의 각도들을 산출할 수 있다. 마찬가지로, 전자 장치는 소스 곡선(1010)으로부터 샘플링된 포인트들 중 인접한 포인트를 서로 연결하여 선분들을 생성하고, 생성된 선분들 중 인접한 선분 사이의 각도들을 산출할 수 있다. 인접한 선분 사이의 각도는 인접한 선분이 이루는 180도 이하의 각도를 나타낼 수 있다. 그러나, 반드시 이로 한정하는 것은 아니다.
예를 들어, 도 10에서 전자 장치가 소스 곡선(1010) 및 후보 곡선(1020)으로부터 5개의 포인트들을 샘플링하는 경우를 가정한다. 전자 장치는 소스 곡선(1010)으로부터 5개로 샘플링된 포인트들(1011, 1012, 1013, 1014, 1015) 중 인접한 포인트를 서로 연결하여 선분을 생성할 수 있다. 전자 장치는 소스 곡선 내에서 생성된 선분들 중 인접한 선분 사이의 각도들(
Figure 112021060157488-pat00001
,
Figure 112021060157488-pat00002
,
Figure 112021060157488-pat00003
)을 산출할 수 있다. 마찬가지로, 전자 장치는 후보 곡선(1020)으로부터 5개로 샘플링된 포인트들(1021, 1022, 1023, 1024, 1025) 중 인접한 포인트를 서로 연결하여 선분을 생성할 수 있다. 전자 장치는 후보 곡선 내에서 생성된 선분들 중 인접한 선분 사이의 각도들(
Figure 112021060157488-pat00004
,
Figure 112021060157488-pat00005
,
Figure 112021060157488-pat00006
)을 산출할 수 있다. 전자 장치는 소스 곡선(1010)으로부터 산출된 각도들(
Figure 112021060157488-pat00007
,
Figure 112021060157488-pat00008
,
Figure 112021060157488-pat00009
)과 후보 곡선(1020)으로부터 산출된 각도들(
Figure 112021060157488-pat00010
,
Figure 112021060157488-pat00011
,
Figure 112021060157488-pat00012
)을 사용하여 후보 곡선과 소스 곡선 사이의 각도 정보를 산출할 수 있다.
일 실시예에 따르면, 전자 장치는 소스 곡선으로부터 산출된 각도들의 확률분포 및 후보 곡선으로부터 산출된 각도들의 확률분포로부터 크로스 엔트로피(cross entropy) 및 쿨백-라이블러 발산(Kullback-Leibler divergence) 중 하나를 사용하여 후보 곡선과 소스 곡선 사이의 각도 정보를 산출할 수 있다.
일 실시예에 따른 전자 장치는 소스 곡선으로부터 산출된 각도들의 확률분포 p, 후보 곡선으로부터 산출된 각도들의 확률분포 q를 각각 산출할 수 있다.
예를 들어, 전자 장치는 크로스 엔트로피를 사용하여 후보 곡선과 소스 곡선 사이의 각도 정보를 산출할 수 있다. 크로스 엔트로피는 다음의 수학식 1과 같이 정의된다.
Figure 112021060157488-pat00013
수학식 1에서, H는 크로스 엔트로피(cross entropy) 값, pi는 소스 곡선에서 산출된 각도들의 확률 분포에 의한 확률 값, qi는 후보 곡선에서 산출된 각도들의 확률 분포에 의한 확률 값을 나타낸다. 크로스 엔트로피 값이 작아질수록 두 확률 분포가 유사한 것으로 판단할 수 있다. 전자 장치는 크로스 엔트로피 값을 소스 곡선과 후보 곡선 사이의 각도 정보로 산출할 수 있다.
다른 예를 들어, 전자 장치는 쿨백-라이블러 발산(Kullback-Leibler divergence)를 사용하여 후보 곡선과 소스 곡선 사이의 각도 정보를 산출할 수 있다. 쿨백-라이블러 발산은 두 확률분포의 차이를 계산하는 데에 사용하는 함수로, 다음의 수학식 2와 같이 정의될 수 있다.
Figure 112021060157488-pat00014
수학식 2에서, DKL는 쿨백-라이블러 발산 값을 나타낸다. 쿨백-라이블러 값이 작아질수록 두 확률 분포가 유사한 것으로 판단할 수 있다. 전자 장치는 쿨백-라이블러 발산 값을 소스 곡선과 후보 곡선 사이의 각도 정보로 산출할 수 있다.
다른 일 실시예에 따르면, 전자 장치는 커널 함수(kernel function)를 이용한 커널 밀도 추정(kernel density estimation)을 수행함으로써 소스 곡선에서 산출된 각도들의 이산적인 확률 분포를 스무딩(smoothing)할 수 있다. 마찬가지로, 전자 장치는 커널 함수를 이용한 커널 밀도 추정을 수행함으로써 후보 곡선세어 산출된 각도들의 이산적인 확률 분포를 스무딩할 수 있다. 커널 함수는 예를 들어, Gaussian, Epanechnikov, uniform 함수들이 이용될 수 있다. 전자 장치는 소스 곡선의 스무딩된 확률 분포 및 후보 곡선의 스무딩된 확률 분포로부터 크로스 엔트로피(cross entropy) 및 쿨백-라이블러 발산(Kullback-Leibler divergence) 중 하나를 사용하여 후보 곡선과 소스 곡선 사이의 각도 정보를 산출할 수도 있다.
일 실시예에 따르면, 전자 장치는 후보 곡선과 소스 곡선 사이의 산출된 각도 정보를 사용하여 유사도를 산출할 수 있다. 예를 들어, 전자 장치는 후보 곡선과 소스 곡선 사이의 산출된 각도 정보에 대응하는 값의 역수를 유사도로 산출할 수 있으나, 유사도를 산출하는 방법은 반드시 이로 한정하지는 않는다. 전자 장치는 산출된 각도 정보가 작을수록 유사도가 높으며, 후보 곡선과 소스 곡선이 서로 유사한 것으로 판단할 수 있다. 전자 장치는 산출된 각도 정보가 클수록 유사도가 낮으며, 후보 곡선과 소스 곡선이 서로 비유사한 것으로 판단할 수 있다.
일 실시예에 따르면, 전자 장치는 혈관 영상으로부터 추출된 복수의 후보 곡선들 마다 소스 곡선과의 각도 정보를 산출할 수 있다. 전자 장치는 산출된 각도 정보가 가장 작은 후보 곡선을 선택하여, 선택된 후보 곡선에 대응하는 혈관 영역에 가이드와이어가 존재하는 것으로 판단할 수 있다. 이는, 기준 프레임의 혈관 영상에서 가이드와이어가 배치된 혈관 영역과 대상 프레임의 혈관 영상에서 가이드와이어가 배치된 혈관 영역은 유사한 형태를 가질 것이기 때문에, 전자 장치는 후보 곡선과 소스 곡선 사이의 각도 정보가 작을수록 유사도가 높은 것으로 판단할 수 있다.
일 실시예에 따르면, 전자 장치는 후보 곡선과 소스 곡선 사이의 거리 정보 및 각도 정보 모두를 사용하여 유사도를 산출할 수 있다. 일 실시예에 따른 전자 장치는 소스 곡선과 비교하여 거리가 가까우며 형태가 유사한 후보 곡선을 소스 곡선과 유사한 것으로 판단할 수 있다. 다시 말해, 전자 장치는 서로 다른 두 곡선의 유사도를 영상 내에서의 위치와 형태를 모두 고려하여 산출할 수 있다. 전자 장치는 후보 곡선과 소스 곡선 사이의 유사도를 거리 정보 및 각도 정보에 기초한 다양한 함수를 통해 계산할 수 있다.
일 실시예에 따르면, 전자 장치는 거리 정보에 대응하는 값(d)과 각도 정보에 대응하는 값(s)을 곱한 값(d
Figure 112021060157488-pat00015
s)에 기초하여 유사도를 산출할 수 있다. 예를 들어, 전자 장치는 거리 정보에 대응하는 값과 각도 정보에 대응하는 값을 곱한 값의 역수를 유사도로 산출할 수 있으나, 반드시 이로 한정하지는 않는다.
다른 일 실시예에 따르면, 전자 장치는 거리 정보에 대응하는 값(d)에 자연 상수(e)의 각도 정보에 대응하는 값 제곱을 곱한 값(
Figure 112021060157488-pat00016
)에 기초하여 유사도를 산출할 수도 있다. 예를 들어, 전자 장치는 거리 정보에 대응하는 값(d)에 자연 상수(e)의 각도 정보에 대응하는 값 제곱을 곱한 값(
Figure 112021060157488-pat00017
)의 역수를 유사도로 산출할 수 있으나, 반드시 이로 한정하지는 않는다.
전자 장치는 산출된 유사도가 클수록 후보 곡선과 소스 곡선이 서로 유사한 것으로 판단할 수 있고, 산출된 유사도가 작을수록 후보 곡선과 소스 곡선이 서로 비유사한 것으로 판단할 수 있다.
전자 장치는 복수의 후보 곡선들 마다 소스 곡선과의 관계에서 산출된 유사도에 기초하여 소스 곡선과 가장 유사한 후보 곡선을 선택하고, 선택된 후보 곡선에 대응하는 혈관 영역에 가이드와이어가 존재한다고 판단할 수 있다. 보다 구체적으로, 전자 장치는 후보 곡선들 마다 소스 곡선 사이에 산출된 유사도 중 가장 큰 유사도를 갖는 후보 곡선을 소스 곡선과 가장 유사한 후보 곡선으로 판단할 수 있다. 전자 장치는 가장 큰 유사도를 갖는 후보 곡선에 대응하는 혈관 영역에 가이드와이어가 존재하는 것으로 판단할 수 있다.
일 실시예에 따르면, 전자 장치는 가이드와이어가 존재한다고 판단되는 혈관 영역에 가이드와이어를 오버레이하여 혈관 영상과 함께 시각화할 수 있다. 또한, 일 실시예에 따르면, 전자 장치는 가이드와이어를 구동시킬 수 있는 구동부를 더 포함할 수 있다. 전자 장치는 가이드와이어가 존재한다고 판단되는 혈관 영역에 기초하여 구동부를 동작시킴으로써 가이드와이어의 목적 부위를 향해 가이드와이어의 선단부를 이동시킬 수 있다.
또한 일 실시예에 따르면, 전자 장치는 다양한 샘플링 개수로 후보 곡선과 소스 곡선을 샘플링함으로써 유사도를 각각 산출할 수 있다. 전자 장치는 산출된 복수의 유사도를 사용하여 소스 곡선과 가장 유사한 후보 곡선을 선택할 수도 있다. 예를 들어, 전자 장치는 후보 곡선 및 소스 곡선의 각각으로부터 제1 샘플링 개수의 포인트들을 샘플링할 수 있다. 전자 장치는 후보 곡선으로부터 샘플링된 제1 샘플링 개수의 포인트들 및 소스 곡선으로부터 샘플링된 제1 샘플링 개수의 포인트들에 기초하여 후보 곡선과 소스 곡선 사이의 제1 유사도를 전술한 방법에 따라 산출할 수 있다. 또한, 전자 장치는 후보 곡선 및 소스 곡선의 각각으로부터 제1 샘플링 개수와 상이한 제2 샘플링 개수의 포인트들을 샘플링할 수 있다. 전자 장치는 후보 곡선으로부터 샘플링된 제2 샘플링 개수의 포인트들 및 소스 곡선으로부터 샘플링된 제2 샘플링 개수의 포인트들에 기초하여 후보 곡선과 소스 곡선 사이의 제2 유사도를 재산출할 수 있다. 전자 장치는 산출된 제1 유사도 및 제2 유사도 중 적어도 하나에 기초하여 소스 곡선과 가장 유사한 후보 곡선을 선택함으로써 가이드와이어의 위치를 추정할 수 있다. 예시적으로, 전자 장치는 제1 유사도 및 제2 유사도의 산술 평균을 후보 곡선과 소스 곡선의 최종 유사도로 산출하여, 유사도가 가장 높은 후보 곡선을 선택할 수 있다.
두 곡선의 유사도를 비교하기 위한 종래의 방법에는, ICP(iterative closest point)의 알고리즘을 이용하여 두 곡선을 정합(registration) 하는데 필요한 변환 행렬(transformation matrix)의 크기에 기초하여 두 곡선의 유사도를 산출하는 방법이 존재한다. 그러나, 위 방법은 대부분 반복적(iterative)으로 더 유의미한 포인트 쌍을 찾아가는 과정을 거쳐야 한다는 단점이 존재한다. 이러한 방법으로 곡선 간의 유사성을 판단할 경우, 많은 계산량이 요구되므로 실시간 실행 등 빠른 연산 등이 요구되는 환경에서는 사용되기 어렵다. 다른 방법으로는, 곡선이 수학적으로 파라미터화 되어있는 경우 사용할 수 있는 곡률(curvature) 비교 방식으로 두 곡선의 유사도를 산출하는 방법이 존재한다. 그러나, 2차원 포인트 어레이로 이루어진 이산적인(discrete) 곡선에서 정확한 곡률이 계산될 수 없고, 근사값을 사용하는 방법이 있을 수 있으나 이는 마찬가지로 반복적인(iterative) 접근이 강제되므로 연산 속도 측면에서 불리함을 갖는다. 반면, 일 실시예에 따른 전자 장치에 의해 수행되는 곡선의 유사도 판단 방법은 서로 다른 두 곡선의 유사도를 거리 정보와 각도 정보를 반영하는 수치를 기반으로 유사도를 산출할 수 있다. 일 실시예에 따른 방법으로는 유사도를 한 번의 계산 과정을 통해 얻을 수 있으므로 실시간으로 변화하는 곡선에 대하여서도 유사도를 산출하는데에도 많은 계산량이 요구되지 않는다. 또한, 일 실시예에 따른 방법은 곡선의 전체적인 형태를 고려함으로써 동일한 곡선을 단순히 회전시키거나 확대 또는 축소하는 등의 변화에 대해 강건한 수치를 얻을 수 있다. 일 실시예에 따른 방법은 여러 개의 곡선으로 이루어진 구조물 간의 유사도를 계산하거나 이미지 정합(registration) 등에서 활용될 수 있다.
도 11은 일 실시예에 따른 전자 장치의 구조를 설명하는 블록도이다.
전자 장치(1100)는 영상 획득부(1110), 프로세서(1120), 디스플레이(1130), 및 메모리(1140)를 포함할 수 있다. 전자 장치(1100)는 가이드와이어 검출 장치라고도 나타낼 수 있다.
영상 획득부(1110)는 기준 프레임의 혈관 영상 및 대상 프레임의 혈관 영상을 획득할 수 있다. 일 실시예에 따른 영상 획득부(1110)는 기준 프레임 및 대상 프레임의 CAG(Cornary Angiography) 영상을 기준 프레임 및 대상 프레임의 혈관 영상으로서 획득할 수 있다. 영상 획득부(1110)는 혈관 영상을 촬영하거나, 외부 촬영 장치로부터 혈관 영상을 수신할 수 있다.
프로세서(1120)는 기준 프레임의 혈관 영상을 획득할 수 있다. 프로세서(1120)는 기준 프레임의 혈관 영상으로부터 적어도 일부 혈관에 대응하는 후보 곡선을 추출할 수 있다. 프로세서(1120)는 대상 프레임의 혈관 영상을 획득할 수 있다. 프로세서(1120)는 대상 프레임의 혈관 영상으로부터 가이드와이어에 대응하는 소스 곡선을 추출할 수 있다. 프로세서(1120)는 후보 곡선 및 소스 곡선의 각각으로부터 동일한 샘플링 개수의 포인트들을 샘플링할 수 있다. 프로세서(1120)는 후보 곡선으로부터 샘플링된 포인트들 및 소스 곡선으로부터 샘플링된 포인트들에 기초하여, 후보 곡선과 소스 곡선 사이의 유사도를 산출할 수 있다. 프로세서(1120)는 산출된 유사도에 기초하여 후보 곡선 및 소스 곡선이 유사한 지 여부를 결정할 수 있다. 다만, 프로세서(1120)의 동작을 전술한 바로 한정하는 것은 아니고, 도 1 내지 도 10에서 전술한 동작들을 수행할 수 있다.
디스플레이(1130)는 선택된 후보 곡선에 대응하는 혈관 영역에 가이드와이어를 오버레이하여 혈관 영상과 함께 시각화할 수 있다.
메모리(1140)는 가이드와이어 검출 방법을 수행하기 위해 요구되는 데이터 및/또는 정보를 임시적으로 및/또는 영구적으로 저장할 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 컨트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있으며 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
위에서 설명한 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 또는 복수의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 이를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (20)

  1. 전자 장치에 의해 수행되는 곡선 간 유사성 판단 방법에 있어서,
    혈관 영상으로부터 적어도 일부 혈관에 대응하는 후보 곡선 및 가이드와이어에 대응하는 소스 곡선을 추출하는 단계;
    상기 후보 곡선 및 상기 소스 곡선의 각각으로부터 동일한 샘플링 개수의 포인트들(points)을 샘플링(sampling)하는 단계;
    상기 후보 곡선으로부터 샘플링된 포인트들 및 상기 소스 곡선으로부터 샘플링된 포인트들에 기초하여, 상기 후보 곡선과 상기 소스 곡선 사이의 유사도를 산출하는 단계; 및
    상기 산출된 유사도에 기초하여, 상기 후보 곡선 및 상기 소스 곡선이 유사한 지 여부를 결정하는 단계
    를 포함하고,
    상기 유사도를 산출하는 단계는,
    상기 후보 곡선으로부터 샘플링된 포인트들의 각각을 상기 소스 곡선으로부터 샘플링된 포인트들과 서로 중첩되지 않도록 매칭시키는 단계; 및
    매칭되는 포인트 간의 유클리드 거리(euclidean distance)의 합산의 최소값에 기초하여 상기 후보 곡선과 상기 소스 곡선 사이의 거리 정보를 산출하는 단계
    를 포함하는 방법.
  2. 제1항에 있어서,
    상기 추출하는 단계는,
    기준 프레임의 혈관 영상으로부터 상기 적어도 일부 혈관에 대응하는 상기 후보 곡선을 추출하는 단계;
    대상 프레임의 혈관 영상으로부터 상기 가이드와이어에 대응하는 상기 소스 곡선을 추출하는 단계
    를 포함하는 방법.
  3. 제1항에 있어서,
    상기 유사도를 산출하는 단계는,
    상기 후보 곡선 및 상기 소스 곡선의 각각으로부터 인접한 포인트 간의 간격이 동일하도록 포인트들을 샘플링하는 단계
    를 포함하는 방법.
  4. 삭제
  5. 삭제
  6. 제1항에 있어서,
    상기 유사도를 산출하는 단계는,
    상기 매칭되는 포인트 간의 유클리드 거리의 산술 평균(arithmetic mean)을 상기 후보 곡선과 상기 소스 곡선 사이의 상기 거리 정보로 산출하는 단계
    를 포함하는 방법.
  7. 제1항에 있어서,
    상기 유사도를 산출하는 단계는,
    상기 후보 곡선으로부터 샘플링된 포인트들의 각각과 상기 소스 곡선으로부터 샘플링된 포인트의 각각에 대한 유클리드 거리에 기초하여 거리 매트릭스(distance matrix)를 산출하는 단계; 및
    상시 산출된 거리 매트릭스에서 헝가리안 알고리즘(hungarian algorithm)에 기초하여 상기 거리 정보를 산출하는 단계
    를 포함하는 방법.
  8. 전자 장치에 의해 수행되는 곡선 간 유사성 판단 방법에 있어서,
    혈관 영상으로부터 적어도 일부 혈관에 대응하는 후보 곡선 및 가이드와이어에 대응하는 소스 곡선을 추출하는 단계;
    상기 후보 곡선 및 상기 소스 곡선의 각각으로부터 동일한 샘플링 개수의 포인트들(points)을 샘플링(sampling)하는 단계;
    상기 후보 곡선으로부터 샘플링된 포인트들 및 상기 소스 곡선으로부터 샘플링된 포인트들에 기초하여, 상기 후보 곡선과 상기 소스 곡선 사이의 유사도를 산출하는 단계; 및
    상기 산출된 유사도에 기초하여, 상기 후보 곡선 및 상기 소스 곡선이 유사한 지 여부를 결정하는 단계
    를 포함하고,
    상기 유사도를 산출하는 단계는,
    상기 후보 곡선으로부터 샘플링된 포인트들 중 인접하는 포인트를 서로 연결하여 선분들을 생성하고, 상기 생성된 선분들 중 인접한 선분 사이의 각도들을 산출하는 단계;
    상기 소스 곡선으로부터 샘플링된 포인트들 중 인접한 포인트를 서로 연결하여 선분들을 생성하고, 상기 생성된 선분들 중 인접한 선분 사이의 각도들을 산출하는 단계; 및
    상기 후보 곡선으로부터 산출된 각도들과 상기 소스 곡선으로부터 산출된 각도들을 사용하여 상기 후보 곡선과 상기 소스 곡선 사이의 각도 정보를 산출하는 단계
    를 포함하는 방법.
  9. 제8항에 있어서,
    상기 유사도를 산출하는 단계는,
    상기 소스 곡선으로부터 산출된 각도들의 확률분포 및 상기 후보 곡선으로부터 산출된 각도들의 확률분포로부터 크로스 엔트로피(entropy) 및 쿨백-라이블러 발산(Kullback-Leibler divergence) 중 하나를 사용하여 상기 각도 정보를 산출하는 단계
    를 포함하는 방법.
  10. 제1항에 있어서,
    상기 산출된 유사도에 기초하여 상기 소스 곡선과 가장 유사한 후보 곡선을 선택하고, 상기 선택된 후보 곡선에 대응하는 혈관 영역에 상기 가이드와이어가 존재한다고 판단하는 단계
    를 더 포함하는 방법.
  11. 제10항에 있어서,
    상기 가이드와이어가 존재한다고 판단되는 혈관 영역에 상기 가이드와이어를 오버레이하여 혈관 영상과 함께 시각화하는 단계
    를 더 포함하는 방법.
  12. 삭제
  13. 전자 장치에 있어서,
    혈관 영상으로부터 적어도 일부 혈관에 대응하는 후보 곡선 및 가이드와이어에 대응하는 소스 곡선을 추출하고, 상기 후보 곡선 및 상기 소스 곡선의 각각으로부터 동일한 샘플링 개수의 포인트들(points)을 샘플링(sampling)하며, 상기 후보 곡선으로부터 샘플링된 포인트들 및 상기 소스 곡선으로부터 샘플링된 포인트들에 기초하여, 상기 후보 곡선과 상기 소스 곡선 사이의 유사도를 산출하고, 상기 산출된 유사도에 기초하여, 상기 후보 곡선 및 상기 소스 곡선이 유사한 지 여부를 결정하는 프로세서
    를 포함하고,
    상기 프로세서는,
    상기 후보 곡선으로부터 샘플링된 포인트들의 각각을 상기 소스 곡선으로부터 샘플링된 포인트들과 서로 중첩되지 않도록 매칭시키고, 매칭되는 포인트 간의 유클리드 거리의 합산의 최소값에 기초하여 상기 후보 곡선과 상기 소스 곡선 사이의 거리 정보를 산출하는,
    전자 장치.
  14. 제13항에 있어서,
    상기 프로세서는,
    기준 프레임의 혈관 영상으로부터 상기 적어도 일부 혈관에 대응하는 상기 후보 곡선을 추출하고, 대상 프레임의 혈관 영상으로부터 상기 가이드와이어에 대응하는 상기 소스 곡선을 추출하는,
    전자 장치.
  15. 제13항에 있어서,
    상기 프로세서는,
    상기 후보 곡선 및 상기 소스 곡선의 각각으로부터 인접한 포인트 간의 간격이 동일하도록 포인트들을 샘플링하는,
    전자 장치.
  16. 삭제
  17. 삭제
  18. 제13항에 있어서,
    상기 프로세서는,
    상기 후보 곡선으로부터 샘플링된 포인트들의 각각과 상기 소스 곡선으로부터 샘플링된 포인트의 각각에 대한 유클리드 거리에 기초하여 거리 매트릭스(distance matrix)를 산출하고, 상시 산출된 거리 매트릭스에서 헝가리안 알고리즘(hungarian algorithm)에 기초하여 상기 거리 정보를 산출하는,
    전자 장치.
  19. 전자 장치에 있어서,
    혈관 영상으로부터 적어도 일부 혈관에 대응하는 후보 곡선 및 가이드와이어에 대응하는 소스 곡선을 추출하고, 상기 후보 곡선 및 상기 소스 곡선의 각각으로부터 동일한 샘플링 개수의 포인트들(points)을 샘플링(sampling)하며, 상기 후보 곡선으로부터 샘플링된 포인트들 및 상기 소스 곡선으로부터 샘플링된 포인트들에 기초하여, 상기 후보 곡선과 상기 소스 곡선 사이의 유사도를 산출하고, 상기 산출된 유사도에 기초하여, 상기 후보 곡선 및 상기 소스 곡선이 유사한 지 여부를 결정하는 프로세서
    를 포함하고,
    상기 프로세서는,
    상기 후보 곡선으로부터 샘플링된 포인트들 중 인접하는 포인트를 서로 연결하여 선분들을 생성하고, 상기 생성된 선분들 중 인접한 선분 사이의 각도들을 산출하고, 상기 소스 곡선으로부터 샘플링된 포인트들 중 인접한 포인트를 서로 연결하여 선분들을 생성하고, 상기 생성된 선분들 중 인접한 선분 사이의 각도들을 산출하며, 상기 후보 곡선으로부터 산출된 각도들과 상기 소스 곡선으로부터 산출된 각도들을 사용하여 상기 후보 곡선과 상기 소스 곡선 사이의 각도 정보를 산출하는,
    전자 장치.
  20. 하드웨어와 결합되어 제1항 내지 제3항 및 제6항 내지 제11항 중 어느 하나의 항의 방법을 실행시키기 위하여 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램.
KR1020210067041A 2021-05-25 2021-05-25 곡선 유사성에 기반한 가이드와이어 검출 방법 및 장치 KR102349199B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020210067041A KR102349199B1 (ko) 2021-05-25 2021-05-25 곡선 유사성에 기반한 가이드와이어 검출 방법 및 장치
US17/580,243 US11612442B2 (en) 2021-05-25 2022-01-20 Vascular imaging device and method for detecting guidewire based on curve similarity levels

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210067041A KR102349199B1 (ko) 2021-05-25 2021-05-25 곡선 유사성에 기반한 가이드와이어 검출 방법 및 장치

Publications (2)

Publication Number Publication Date
KR102349199B1 true KR102349199B1 (ko) 2022-01-10
KR102349199B9 KR102349199B9 (ko) 2024-08-30

Family

ID=79347543

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210067041A KR102349199B1 (ko) 2021-05-25 2021-05-25 곡선 유사성에 기반한 가이드와이어 검출 방법 및 장치

Country Status (2)

Country Link
US (1) US11612442B2 (ko)
KR (1) KR102349199B1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200129229A (ko) * 2019-05-07 2020-11-18 울산대학교 산학협력단 가이드와이어의 내비게이션 장치 및 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200129229A (ko) * 2019-05-07 2020-11-18 울산대학교 산학협력단 가이드와이어의 내비게이션 장치 및 방법

Also Published As

Publication number Publication date
KR102349199B9 (ko) 2024-08-30
US20220378512A1 (en) 2022-12-01
US11612442B2 (en) 2023-03-28

Similar Documents

Publication Publication Date Title
KR102483198B1 (ko) 혈관 영상에 기초한 주요 혈관 영역 추출 방법 및 장치
CN107809955B (zh) 经由感兴趣界标的自动检测在x射线成像中进行实时准直和roi过滤器定位
US11464580B2 (en) System and method for a tracked procedure
US20190130578A1 (en) Vascular segmentation using fully convolutional and recurrent neural networks
KR102305965B1 (ko) 가이드와이어 검출 방법 및 장치
EP3009073B1 (en) Real-time simulation of fluoroscopic images
US20100239148A1 (en) Method and System for Automatic Aorta Segmentation
US20110228992A1 (en) Method and System for Guiding Catheter Detection in Fluoroscopic Images
EP2940657B1 (en) Regression for periodic phase-dependent modeling in angiography
CN109938836A (zh) 一种血管介入机器人手术中的自动无标记的引导导丝方法
KR102356341B1 (ko) 혈관 내 의료 도구 삽입 장치를 위한 가이드 데이터 제공 방법 및 장치
US6888916B2 (en) Preprocessing methods for robust tracking of coronary arteries in cardiac computed tomography images and systems therefor
KR102349199B1 (ko) 곡선 유사성에 기반한 가이드와이어 검출 방법 및 장치
KR102418439B1 (ko) 혈관 영상으로부터 혈관 영역 및 의료도구 선단부 영역을 구분하여 추출하는 방법 및 장치
JP2022507106A (ja) 解剖学的計測ワイヤを用いた対応付けのためのシステムおよび方法
KR20240003038A (ko) 가이드와이어 팁의 형상 결정 방법 및 장치
KR102542972B1 (ko) 3차원 혈관 구조를 생성하는 방법 및 장치
KR102425857B1 (ko) 혈관 분할에 기초하여 혈관 영상을 처리하는 방법 및 장치
Schell Vision-based guidance for robot assisted endovascular intervention
CN117279588A (zh) 导航介入设备
Ashammagari A Framework for Automating Interventional Surgeries (Catheter detection and Automation of a crucial step in Percutaneous Coronary Interventional surgery-PCI)

Legal Events

Date Code Title Description
AMND Amendment
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant