KR102354701B1 - 이미지 처리 장치 및 이에 의한 가상의 엑스선 이미지 생성 방법 - Google Patents

이미지 처리 장치 및 이에 의한 가상의 엑스선 이미지 생성 방법 Download PDF

Info

Publication number
KR102354701B1
KR102354701B1 KR1020170047382A KR20170047382A KR102354701B1 KR 102354701 B1 KR102354701 B1 KR 102354701B1 KR 1020170047382 A KR1020170047382 A KR 1020170047382A KR 20170047382 A KR20170047382 A KR 20170047382A KR 102354701 B1 KR102354701 B1 KR 102354701B1
Authority
KR
South Korea
Prior art keywords
image
virtual
ray
dimensional plane
ray image
Prior art date
Application number
KR1020170047382A
Other languages
English (en)
Other versions
KR20180115122A (ko
Inventor
강원진
홍재성
전상서
Original Assignee
재단법인대구경북과학기술원
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 재단법인대구경북과학기술원 filed Critical 재단법인대구경북과학기술원
Priority to KR1020170047382A priority Critical patent/KR102354701B1/ko
Publication of KR20180115122A publication Critical patent/KR20180115122A/ko
Application granted granted Critical
Publication of KR102354701B1 publication Critical patent/KR102354701B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—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
    • G06T3/0031—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/06—Topological mapping of higher dimensional structures onto lower dimensional surfaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06T2207/10024—Color image
    • 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
    • G06T2207/10116—X-ray image
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular

Landscapes

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

Abstract

대상체에 대한 3차원 이미지 내 혈관의 특징점들 및 반지름 크기를 추출하는 단계; 추출된 특징점들을 2차원 평면에 투영하는 단계; 2차원 평면에 투영된 각 특징점에 대해 소정 거리 범위 내에 위치하는 픽셀들의 밝기 값을 결정하는 단계; 및 결정된 밝기 값으로 각 픽셀을 채색하여 가상의 엑스선 이미지를 생성하는 단계를 포함하는 것을 특징으로 하는 본 발명의 일 실시예에 따른 가상의 엑스선 이미지 생성 방법이 개시된다.

Description

이미지 처리 장치 및 이에 의한 가상의 엑스선 이미지 생성 방법{IMAGE PROCESSING APPARATUS AND METHOD FOR GENERATING VIRTUAL X-RAY IMAGE}
본 발명은 이미지 처리 분야에 관한 것이다. 보다 구체적으로, 본 발명은 대상체의 3차원 이미지로부터 가상의 엑스선 이미지를 생성하는 방법 및 장치에 관한 것이다.
일반적으로, 혈관 중재 시술은 별도의 외과적 절개 없이 엑스선(X-ray) 영상 장치를 이용하여 획득된 투시 영상을 기반으로 혈관 내 병변에 바늘이나 카테터를 경피적으로 삽입하여 약물 치료를 하고 아울러 스텐트 삽입을 시행하는 시술 방법을 가리킨다. 부연하면, 엑스선 이미지 장치는 대상체 내부 구조를 용이하게 파악할 수 있기 때문에 의료 분야 등에서 인체 내부의 병변과 같은 이상을 검출하거나 물체나 부품의 내부 구조를 파악하기 위해서 사용된다.
종래의 혈관 중재 시술의 경우, 깊이 정보가 결여된 2차원의 엑스선 영상만 참고하기 때문에 혈관의 3차원 형상 구조 및 수술 도구의 위치 파악이 쉽지 않으며, 가령 카테터가 잘못된 경로로 전진할 경우 혈관 천공이 발생될 위험성도 존재한다. 또한, 혈관 폐색으로 인해 조영제가 도달하지 못하여 엑스선 영상에 가시화되지 못하는 영역의 경우 카테터의 진행 방향을 결정하기가 매우 어려워지며 이로 인해 시술의 정확성 및 안정성이 시술자의 경험 또는 숙련도에 크게 의존하는 경향이 있게 된다.
본 발명의 일 실시예에 따른 이미지 처리 장치 및 이에 의한 가상의 엑스선 이미지 생성 방법은 3차원 이미지로부터 가상의 엑스선 이미지를 신속하게 생성하는 것을 목적으로 한다.
또한, 본 발명의 일 실시예에 따른 이미지 처리 장치 및 이에 의한 가상의 엑스선 이미지 생성 방법은 3차원 이미지와 실제의 엑스선 이미지의 정합 속도를 향상시킴으로써, 시술의 정확도를 증가시키고 의료진에게 가해지는 부하를 감소시키는 것을 목적으로 한다.
본 발명의 일 실시예에 따른 가상의 엑스선 이미지 생성 방법은,
대상체에 대한 3차원 이미지 내 혈관의 특징점들 및 반지름 크기를 추출하는 단계; 상기 추출된 특징점들을 2차원 평면에 투영하는 단계; 상기 2차원 평면에 투영된 각 특징점에 대해 소정 거리 범위 내에 위치하는 픽셀들의 밝기 값을 결정하는 단계; 및 상기 결정된 밝기 값으로 각 픽셀을 채색하여 가상의 엑스선 이미지를 생성하는 단계를 포함할 수 있다.
상기 추출된 특징점들을 2차원 평면에 투영하는 단계는, 상기 3차원 이미지의 기준 좌표와 상기 2차원 평면의 기준 좌표 사이의 변환 관계를 고려하여 상기 추출된 특징점들을 상기 2차원 평면에 투영하는 단계를 포함할 수 있다.
상기 3차원 이미지의 기준 좌표와 상기 2차원 평면의 기준 좌표 사이의 변환 관계는, 엑스선 장치의 엑스선 소스의 기준 좌표와 디텍터의 기준 좌표 사이의 변환 관계를 나타내는 내적 파라미터 및, 상기 엑스선 소스의 기준 좌표와 환자 또는 팬텀의 기준 좌표 사이의 변환 관계를 나타내는 외적 파라미터를 이용하여 산출될 수 있다.
상기 가상의 엑스선 이미지 생성 방법은, 상기 생성된 가상의 엑스선 이미지를 상기 엑스선 장치에 의해 촬영된 대상체의 실제 엑스선 이미지에 매칭하는 단계; 및 상기 매칭 결과, 상기 가상의 엑스선 이미지와 상기 실제 엑스선 이미지의 유사도가 일정 기준 미만인 경우, 상기 외적 파라미터를 갱신하여 가상의 엑스선 이미지를 재생성하는 단계를 더 포함할 수 있다.
상기 픽셀들의 밝기 값을 결정하는 단계는, 상기 2차원 평면에 투영된 각 특징점을 중심으로 하여, 각 특징점에 대해 상기 추출된 반지름 크기에 대응하는 소정 거리 범위 내의 픽셀들을 선택하는 단계를 포함할 수 있다.
상기 픽셀들의 밝기 값을 결정하는 단계는, 각 특징점에 대응하는 반지름 크기가 클수록 각 특징점에 대응하여 선택된 픽셀들의 밝기 값을 더 낮게 결정하는 단계를 포함할 수 있다.
상기 픽셀들의 밝기 값을 결정하는 단계는, 어느 하나의 픽셀이 제 1 특징점의 소정 거리 범위 내와 제 2 특징점의 소정 거리 범위 내에 동시에 위치하는 경우, 상기 제 1 특징점에 대응하여 상기 어느 하나의 픽셀에 대해 결정되는 제 1 밝기 값과 상기 제 2 특징점에 대응하여 상기 어느 하나의 픽셀에 대해 결정되는 제 2 밝기 값을 중첩하여 상기 어느 하나의 픽셀의 최종 밝기 값을 결정하는 단계를 포함할 수 있다.
상기 밝기 값을 결정하는 단계는, 하기의 수학식 1에 따라 밝기 값을 결정하는 단계를 포함하되,
[수학식 1]
Figure 112017035721190-pat00001
상기 수학식 1에서, j는 각 특징점의 인덱스, x는 2차원 평면에 포함된 각 픽셀의 좌표, Ij(x)는 특징점 j에 대하여 픽셀 x에 설정되는 밝기 값, α는 기 설정되는 가중치, rj는 특징점 j에 대응하는 반지름 크기, Cj 2D는 특징점 j의 2차원 평면에서의 좌표를 나타낼 수 있다.
상기 2차원 평면에 포함된 각 픽셀의 최종 밝기 값은 아래의 수학식 2에 따라 결정되되,
[수학식 2]
Figure 112017035721190-pat00002
상기 수학식 2에서 I(x)는 픽셀 x의 최종 밝기 값, N은 2차원 평면에 투영된 특징점들의 개수, Ij(x)는 특징점 j에 대해 픽셀 x에 설정되는 밝기 값을 나타낼 수 있다.
상기 혈관의 반지름 크기 및 특징점들을 추출하는 단계는, 소정 임계값을 기준으로 상기 3차원 이미지를 이진화하는 단계; 세선화(skeletonization) 알고리즘을 통해 상기 3차원 이미지 내 혈관의 중심점들을 상기 특징점들로서 추출하는 단계; 및 헤시안 분석(Hessian analysis) 알고리즘을 통해 상기 3차원 이미지 내 혈관의 중심점 각각에 대응하는 반지름 크기를 추출하는 단계를 포함할 수 있다.
본 발명의 다른 실시예에 따른 이미지 처리 장치는,
대상체에 대한 3차원 이미지 내 혈관의 특징점들 및 반지름 크기를 추출하는 이미지 분석부; 및 상기 추출된 특징점들을 2차원 평면에 투영하고, 상기 2차원 평면에 투영된 각 특징점에 대해 소정 범위 내에 위치하는 픽셀들의 밝기 값을 결정하고, 상기 결정된 밝기 값으로 각 픽셀을 채색하여 가상의 엑스선 이미지를 생성하는 이미지 생성부를 포함할 수 있다.
본 발명의 일 실시예에 따른 이미지 처리 장치 및 이에 의한 가상의 엑스선 이미지 생성 방법은 3차원 이미지로부터 가상의 엑스선 이미지를 신속하게 생성할 수 있다.
또한, 본 발명의 일 실시예에 따른 이미지 처리 장치 및 이에 의한 가상의 엑스선 이미지 생성 방법은 3차원 이미지와 실제의 엑스선 이미지의 정합 속도 및 정합 정확도를 향상시킬 수 있다.
또한, 본 발명의 일 실시예에 따른 이미지 처리 장치 및 이에 의한 가상의 엑스선 이미지 생성 방법은 혈관 중재 시술 등의 시술의 정확도를 증가시키고 장시간 시술에 따라 의료진에게 가해지는 부하를 감소시킬 수 있다.
다만, 본 발명의 일 실시예에 따른 본 발명의 일 실시예에 따른 이미지 처리 장치 및 이에 의한 가상의 엑스선 이미지 생성 방법이 달성할 수 있는 효과는 이상에서 언급한 것들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은 3차원 이미지로부터 생성되는 가상의 엑스선 이미지와 실제의 엑스선 이미지를 매칭하는 일반적인 방법을 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예에 따른 이미지 처리 장치가 적용되는 환경을 도시하는 예시적인 도면이다.
도 3은 본 발명의 일 실시예에 따른 가상의 엑스선 이미지를 생성하는 과정을 개략적으로 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른 가상의 엑스선 이미지를 생성하는 방법을 설명하기 위한 순서도이다.
도 5는 3차원 이미지 내 혈관으로부터 추출되는 특징점과 반지름 크기를 설명하기 위한 도면이다.
도 6은 혈관에서 추출된 특징점들이 2차원 평면에 투영된 모습을 도시하는 예시적인 도면이다.
도 7은 엑스선 장치의 내적 파라미터와 외적 파라미터를 설명하기 위한 도면이다.
도 8은 2차원 평면의 픽셀들의 밝기 값을 결정하는 방법을 설명하기 위한 도면이다.
도 9는 2차원 평면에 투영된 특징점들 주변의 픽셀들이 채색된 모습을 도시하는 도면이다.
도 10은 본 발명의 일 실시예에 따른 이미지 처리 장치의 구성을 도시하는 볼록도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고, 이를 상세한 설명을 통해 상세히 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명은 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
본 발명을 설명함에 있어서, 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 본 명세서의 설명 과정에서 이용되는 숫자(예를 들어, 제 1, 제 2 등)는 하나의 구성요소를 다른 구성요소와 구분하기 위한 식별기호에 불과하다.
또한, 본 명세서에서, 일 구성요소가 다른 구성요소와 "연결된다" 거나 "접속된다" 등으로 언급된 때에는, 상기 일 구성요소가 상기 다른 구성요소와 직접 연결되거나 또는 직접 접속될 수도 있지만, 특별히 반대되는 기재가 존재하지 않는 이상, 중간에 또 다른 구성요소를 매개하여 연결되거나 또는 접속될 수도 있다고 이해되어야 할 것이다.
또한, 본 명세서에서 '~부(유닛)', '모듈' 등으로 표현되는 구성요소는 2개 이상의 구성요소가 하나의 구성요소로 합쳐지거나 또는 하나의 구성요소가 보다 세분화된 기능별로 2개 이상으로 분화될 수도 있다. 또한, 이하에서 설명할 구성요소 각각은 자신이 담당하는 주기능 이외에도 다른 구성요소가 담당하는 기능 중 일부 또는 전부의 기능을 추가적으로 수행할 수도 있으며, 구성요소 각각이 담당하는 주기능 중 일부 기능이 다른 구성요소에 의해 전담되어 수행될 수도 있음은 물론이다.
또한, 본 명세서에서 '대상체(object)'는 사람 또는 동물, 또는 사람 또는 동물의 일부를 포함할 수 있다. 예를 들어, 대상체는 간, 심장, 자궁, 뇌, 유방, 복부 등의 장기, 또는 혈관을 포함할 수 있다.
또한, 본 명세서에서 3차원 이미지로부터 생성되는 2차원의 엑스선 이미지를 '가상의 엑스선 이미지'라 참조하고, 엑스선 소스의 엑스선 방사에 따라 디텍터로부터 생성되는 2차원의 엑스선 이미지를 '실제의 엑스선 이미지'라 참조한다.
이하에서는, 도면을 참조하여 본 발명의 기술적 사상에 따른 예시적인 실시예들에 대해 설명한다.
종래 혈관 중재 시술을 위하여 3차원 이미지를 엑스선 이미지에 정합시키기 위한 다양한 방안들이 제안되었다. 예를 들어, 침습 마커(marker) 기반 방법, 트래커(tracker) 기반 방법, 영상 기반 방법 등이 존재하는데, 대표적으로 영상 기반 방법은 특징점 기반 방법과 명암 기반 방법으로 분류할 수 있다.
특징점 기반 방법은 3차원 이미지와 실제 엑스선 이미지 각각으로부터 특징점을 추출하고, 특징점 매칭을 통해 3차원 이미지를 실제 엑스선 이미지에 정합하는 방법이다. 특징점 기반 방법은 그 정합 속도가 빠르다는 장점이 있지만, 정확성이 상대적으로 낮다는 단점이 존재한다.
명암 기반 방법은 도 1에 도시된 바와 같이, 가상의 엑스선 소스(1)가 가상의 엑스선(2)을 3차원 이미지인 CT 영상(3)으로 방사한 경우를 가정하여 가상의 엑스선 이미지(4)를 생성하고, 이를 실제의 엑스선 이미지(5)와 매칭한 후, 3차원 이미지(3)를 실제의 엑스선 이미지(5)에 정합하는 방법이다.
명암 기반 방법의 경우, 특징점 기반 방법에 비해 정확도가 높다는 장점이 있지만, 가상의 엑스선 이미지(4)를 생성하는데 매우 오랜 시간이 소요된다는 단점이 있다. 구체적으로, 가상의 엑스선 소스(1)가 방사한 가상의 엑스선(2)이 3차원 이미지(3)의 각 복셀에 의해 감쇠되는 정도를 고려하여 가상의 엑스선 이미지(4)를 생성하였는데, 그 계산이 복잡하여 가상의 엑스선 이미지(4)를 생성하는데 오랜 시간이 걸리게 된다. 이미지 정합에 오랜 시간이 걸리게 되면, 혈관의 실시간 정보의 확인이 중요한 시술 과정에서 시술의 정확도를 저감시킬 수 있다는 문제점이 있다.
본 발명의 일 실시예에 따른 가상의 엑스선 이미지 생성 방법에서는 종래의 특징점 기반 방법과 명암 기반 방법을 모두 이용하여 빠르고 정확한 정합 결과를 제공할 수 있다.
도 2는 본 발명의 일 실시예에 따른 이미지 처리 장치(100)가 적용되는 환경을 도시하는 예시적인 도면이다.
본 발명의 일 실시예에 따른 이미지 처리 장치(100)은 일 예로서, 범용의 컴퓨터로 구현될 수 있다. 이미지 처리 장치(100)은 3차원 이미징 장치(200)에 의해 촬영되는 대상체(10)의 3차원 이미지를 3차원 이미징 장치(200)로부터 수신하거나, 기타, 별도의 서버로부터 수신할 수 있다.
상기 3차원 이미징 장치(200)는 컴퓨터 단층 촬영(CTA, computed tomographic angiography) 장치를 포함할 수 있으나, 이에 한정되는 것은 아니며, 대상체(10)의 3차원의 단층 영상을 얻을 수 있다면 다른 장치가 적용될 수도 있다.
대상체(10)는 엑스선 장치(300)의 이미징 영역, 즉, 엑스선 소스(310)와 디텍터(350) 사이 영역에서 혈관 중재 시술을 받을 수 있는데, 이 때, 이미지 처리 장치(100)는 대상체(10)에 대해 촬영되는 실제의 엑스선 이미지에 매칭하기 위한 가상의 엑스선 이미지를 3차원 이미지로부터 생성할 수 있다.
또한, 본 발명의 일 실시예에 따르면, 실제의 엑스선 이미지에 3차원 이미지 또는 3차원 이미지 내의 국소 모델(예를 들어, 시술의 대상이 되는 3차원 혈관 모델)을 정합시킴으로써, 대상체(10)의 혈관의 3차원 구조를 의료진에게 보다 명확히 알려줄 수 있다.
한편, 도 2에 도시된 엑스선 장치(300)는 이동 가능한 C암 타입 엑스선 장치로서, 엑스선 소스(310)가 대상체(10)로 엑스선을 방사하고, 디텍터(350)는 대상체(10)를 투과하여 수용되는 엑스선을 검출하여 대상체(10)에 대한 2차원 이미지를 획득한다. 도 2의 C암 타입의 엑스선 장치는 하나의 예시일 뿐이며, 본 발명의 일 실시예에서는 C암 타입의 엑스선 장치 이외에 고정식 엑스선 장치가 이용될 수도 있다.
도 3은 본 발명의 일 실시예에 따른 가상의 엑스선 이미지를 생성하는 과정을 개략적으로 설명하기 위한 도면이다.
앞서 설명한 바와 같이, 본 발명의 일 실시예에서는 특징점 기반 방법과 명암 기반 방법을 모두 이용한다. 도 3을 참조하면, 본 발명의 일 실시예에서는 3차원 이미지(410)에서 특징점(411)들을 추출하고, 추출된 특징점(411)들을 2차원 평면(430)에 투영한 후, 가상의 엑스선 이미지(DRR: digitally reconstructed radiography)(450)를 생성한다. 그리고, 가상의 엑스선 이미지(450)와 실제의 엑스선 이미지(470)를 명암 기반 방식으로 매칭한다.
즉, 가상의 엑스선 이미지(450)를 생성하는 경우에는 특징점 기반 방법을 이용하며, 이미지 매칭을 하는 경우에는 명암 기반 방법을 이용하므로, 종래의 방법들에 비해 빠르고 정확한 이미지 정합이 가능해질 수 있다.
이하에서는, 도 4 이하를 참조하여, 본 발명의 일 실시예에 대해 상세히 설명한다.
도 4는 본 발명의 일 실시예에 따른 가상의 엑스선 이미지를 생성하는 방법을 설명하기 위한 순서도이다.
S410 단계에서, 이미지 처리 장치(100)는 3차원 이미징 장치(200)에 의해 생성된 3차원 이미지 내 혈관에서 특징점들과 혈관의 반지름 크기를 추출한다. 혈관의 반지름 크기는 각 특징점들에 대하여 추출될 수 있는데, 예를 들어, 혈관으로부터 a 특징점과 b 특징점이 추출되는 경우, a 특징점에 대응하는 a 반지름 크기와 b 특징점에 대응하는 b 반지름 크기가 각각 추출될 수 있다.
도 5는 3차원 이미지(410) 내 혈관(415)으로부터 추출되는 특징점과 반지름 크기를 설명하기 위한 도면으로서, 도시된 바와 같이, 이미지 처리 장치(100)는 3차원 이미지에서 식별되는 혈관 내 특징점과 반지름 크기를 추출할 수 있다. 도 5의 Cj 3D는 3차원 이미지의 기준 좌표를 기준으로 한 특징점 j의 좌표를 나타내고, Rj는 특징점 j의 반지름 벡터를 나타낸다.
이미지 처리 장치(100)는 다양한 이미지 처리 알고리즘을 적용하여 혈관으로부터 특징점과 반지름 크기를 추출할 수 있다. 예를 들어, 이미지 처리 장치(100)는 소정 밝기 임계값을 기준으로 3차원 이미지를 이진화, 즉, 각 복셀의 원래의 밝기 값을 최대 밝기 값 또는 최소 밝기 값으로 변경하고, 세선화(skeletonization) 알고리즘을 통해 3차원 이미지 내 혈관의 중심점들을 각 특징점으로서 추출할 수 있다. 또한, 이미지 처리 장치(100)는 헤시안 분석(Hessian analysis) 알고리즘을 적용하여 3차원 이미지 내 혈관의 중심점 각각에 대응하는 반지름 크기를 추출할 수 있다.
세선화 알고리즘은 이진화된 영상을 입력으로 특정한 조건을 만족하는 픽셀을 반복적으로 제거한다. 특정한 조건은 제거 대상의 픽셀을 기준으로 주변 픽셀의 개수, 주변 픽셀의 값, 0 혹은 1을 가진 주변 픽셀의 상대적인 위치 등이 고려되며 각각의 경우에 대해 제거대상이 된 픽셀의 제거여부를 결정한다. 세선화 알고리즘을 반복적으로 수행하게 되면 결과적으로 굵기가 1 픽셀인 혈관의 중심선을 얻을 수 있다.
헤시안 분석은 혈관 중심점에 대응하는 혈관의 반지름을 얻기 위한 작업으로 2차 미분된 가우시안 정규분포를 커널(kernel)로 이용하여 합성곱(convolution)을 여러 분산 값에서 계산하여 가장 큰 응답 값을 얻는 방법이다. 2차 미분된 가우시안 정규분포를 커널로 이용하여 합성곱을 실시하면 정규분포의 분산 값에 따라 선의 굵기를 가늠할 수 있는데, 여러 분산 값에 대해 합성곱을 실시하고 가장 큰 응답 값을 가진 분산을 선택함으로써 혈관의 굵기, 즉 반지름 크기를 알 수 있다.
다시 도 4를 보면, S420 단계에서, 이미지 처리 장치(100)는 혈관에서 추출된 특징점들을 2차원 평면에 투영한다. 여기서 특징점들을 투영한다는 것은, 3차원 이미지의 특징점들 각각이 2차원 평면의 어느 지점에 매핑되는 것인지를 확인하는 과정을 의미할 수 있다.
예를 들어, 도 6에 도시된 바와 같이, 각 특징점의 3차원 좌표 값들(C3D)은 2차원 평면(430)에서의 좌표 값들(C2D)로 변환되어 2차원 평면(430)에 투영될 수 있는데, 이미지 처리 장치(100)는 3차원 이미지(415)의 기준 좌표와 2차원 평면(430)의 기준 좌표 사이의 변환 관계를 고려하여 혈관 내 특징점들을 2차원 평면(430)에 투영할 수 있다.
특징점을 투영하는 방법에 대해서는 도 7을 참조하여 상세히 설명한다.
대상체(10)는 엑스선 장치(300)의 이미징 영역, 즉, 엑스선 소스(310)와 디텍터(350) 사이의 영역에 위치하고 있다. 이 경우, 엑스선 소스(310)에 의해 엑스선이 방사되어 디텍터(350)에 의해 생성되는 실제의 엑스선 영상과 유사한 가상의 엑스선 영상을 생성하기 위해, 이미지 처리 장치(100)는 엑스선 장치(300)의 내적 파라미터(I)와 외적 파라미터(E)를 획득하고, 이를 이용하여 3차원 이미지의 기준 좌표와 2차원 평면의 기준 좌표 사이의 변환 관계를 산출한다.
도 7을 참조하면, 내적 파라미터(I)는 엑스선 소스(310)의 기준 좌표(a)와 디텍터(350)의 기준 좌표(c) 사이의 변환 관계에 해당한다. 도 7에서 내적 파라미터(I)에 대응하는 화살표는 내적 파라미터(I)가 디텍터(350)를 기준으로 한 엑스선 소스(310)의 상대적인 이동 정보를 포함한다는 것을 의미한다. 내적 파라미터(I)는 아래의 행렬로서 표현될 수 있다.
[내적 파라미터]
Figure 112017035721190-pat00003
상기 내적 파라미터(I)에서 αx, αy는 엑스선 소스(310)와 디텍터(350) 간의 수직 거리에 대응하는 초점거리를 의미하는데, αx는 초점거리를 디텍터(350)의 픽셀의 세로 변 및 가로 변 중 어느 하나의 변의 길이로 나눈 값을 의미하고, αy는 초점거리를 디텍터(350)의 픽셀의 세로 변 및 가로 변 중 다른 하나의 변의 길이로 나눈 값을 의미한다. 또한, x0, y0는 엑스선 소스(310)의 중심점을 디텍터(350)에 수직 투영한 지점과 디텍터(350)의 중심점 간의 오프셋 거리를 나타내는 영상 주점을 의미하며, s는 디텍터(350)의 픽셀의 가로 변과 세로 변 사이의 기울기인 왜도를 나타낸다.
또한, 도 7을 참조하면, 외적 파라미터(E)는 엑스선 소스(310)의 기준 좌표(a)와 엑스선 장치(300)의 이미징 영역에 위치하는 대상체(10)의 기준 좌표(b) 사이의 변환 관계에 해당한다. 도 7에서 외적 파라미터(E)에 대응하는 화살표는 외적 파라미터(E)가 엑스선 소스(310)를 기준으로 한 대상체(10)의 상대적인 이동 및 회전 정보를 포함한다는 것을 의미한다. 외적 파라미터(E)는 아래의 행렬로 표현될 수 있다.
[외적 파라미터]
Figure 112017035721190-pat00004
상기 외적 파라미터(E)의 행렬에서 r은 회전 각도와 관련된 요소들, t는 이동 거리와 관련된 요소들을 나타낸다.
대상체(10)는 시술 중에 계속 이동할 수 있으므로, 내적 파라미터(I)와 외적 파라미터(E)를 계산하기 위해, 팬텀(미도시)을 이미징 영역에 위치시키고, 팬텀을 촬영하여 생성되는 엑스선 이미지에 기초하여 내적 파라미터(I)와 외적 파라미터(E)를 계산할 수 있다.
예를 들어, 팬텀의 기준 좌표를 기준으로 한 팬텀의 특징점의 좌표를 (X, Y, X)라 하고, 디텍터(350)의 기준 좌표(c)를 기준으로 한 2차원 팬텀 영상 내 동일 특징점의 좌표를 (u, v)라 하였을 때, 이 두 좌표 사이의 관계는 아래의 수학식 1에 해당할 수 있다.
[수학식 1]
Figure 112017035721190-pat00005
상기 수학식 1에서 w는 거리 가중치이고, P는 3×4의 투영 행렬이다. 미리 알고 있는 특징점들의 좌표 값들에 따라 SVD(single value decomposition) 알고리즘을 통해 P가 획득되면, 투영 행렬 P를 QR 분해(QR decomposition)하여 내적 파라미터(I)와 외적 파라미터(E)가 획득될 수 있다.
본 발명의 일 실시예에서는 팬텀을 이미징 영역에 위치시킨 상태에서 팬텀을 엑스선 촬영하여 획득되는 엑스선 이미지에 기초하여 이미지 처리 장치(100)가 내적 파라미터(I)와 외적 파라미터(E)를 획득할 수도 있고, 또는, 내적 파라미터(I)와 외적 파라미터(E)가 미리 계산되어 이미지 처리 장치(100)에 저장될 수도 있다.
이미지 처리 장치(100)는 3차원 이미지의 기준 좌표와 2차원 평면의 기준 좌표 사이의 변환 관계(T)를 아래의 수학식 2로 계산할 수 있다.
[수학식 2]
T = I·E
상기 변환 관계(T)는 대상체(10)의 기준 좌표(b)와 디텍터(350)의 기준 좌표(c) 사이의 변환 관계를 의미하는데, 이미지 처리 장치(100)는 이 변환 관계(T)를 3차원 이미지의 기준 좌표와 2차원 평면의 기준 좌표 사이의 변환 관계로 이용할 수 있는 것이다.
이미지 처리 장치(100)는 3차원 혈관의 특징점들의 좌표를 상기 수학식 2의 변환 관계(T)에 적용하여 각 특징점들의 2차원 평면에서의 좌표를 산출할 수 있다.
다시 도 4를 보면, S430 단계에서, 이미지 처리 장치(100)는 2차원 평면에 투영된 각 특징점에 대해 소정 범위 내에 위치하는 픽셀들의 밝기 값을 결정한다.
2차원 평면는 일종의 가상의 디텍터 역할을 하기 때문에, 디텍터(350)와 마찬가지로 복수의 픽셀들로 이루어질 수 있다(도 6의 픽셀(431) 참조). 이미지 처리 장치(100)는 2차원 평면에 투영된 특징점들 각각에 대응하는 반지름 크기에 기초하여 각 특징점 주변의 픽셀들의 밝기 값을 결정할 수 있다.
간단하게는, 이미지 처리 장치(100)는 2차원 평면에 투영된 특징점들 각각에 대응하는 반지름 크기에 따라 각 특징점들 주변에 위치하는 픽셀들을 선택하고, 선택된 픽셀들의 밝기 값을 반지름 크기에 반비례하게 결정할 수 있다. 이는, 실제 엑스선 이미지에서 굵은 혈관의 밝기 값이 얇은 혈관의 밝기 값보다 어둡기 때문이다.
이에 대해 도 8을 참조하여 상세히 설명한다.
도 8은 2차원 평면(430)의 픽셀들의 밝기 값을 결정하는 방법을 설명하기 위한 도면이다.
도 8에 도시된 바와 같이, 2차원 평면(430) 내 제 1 특징점(810a), 제 2 특징점(810b) 및 제 3 특징점(810c)이 투영된 경우를 가정하면, 먼저, 이미지 처리 장치(100)는 제 1 특징점(810a)을 중심으로 제 1 특징점(810a)에 대응하는 반지름 크기 내에 위치하는 픽셀들을 제 1 그룹(820a)으로 선택하고, 제 2 특징점(810b)을 중심으로 제 2 특징점(810b)에 대응하는 반지름 크기 내에 위치하는 픽셀들을 제 2 그룹(820b)으로 선택하고, 제 3 특징점(810c)을 중심으로 제 3 특징점(810c)에 대응하는 반지름 크기 내에 위치하는 픽셀들을 제 3 그룹(820c)으로 선택할 수 있다.
도시된 바와 같이, 제 1 그룹(820a)과 제 2 그룹(820b)에는, 제 1 그룹(820a)과 제 2 그룹(820b)에 모두 속한 픽셀들(830a)이 존재할 수 있고, 제 2 그룹(820b)과 제 3 그룹(820c)에도, 제 2 그룹(820b)과 제 3 그룹(820c)에 모두 속한 픽셀들(830b)이 존재할 수 있다.
다음으로, 이미지 처리 장치(100)는 제 1 특징점(810a)에 대응하는 반지름 크기에 반비례하는 밝기 값을 제 1 그룹(820a)에 대한 밝기 값으로 설정하고, 제 2 특징점(810b)에 대응하는 반지름 크기에 반비례하는 밝기 값을 제 2 그룹(820b)에 대한 밝기 값으로 설정하고, 제 3 특징점(810c)에 대응하는 반지름 크기에 반비례하는 밝기 값을 제 3 그룹(820c)에 대한 밝기 값으로 설정한다.
제 1 그룹(820a)과 제 2 그룹(820b)에 모두 속한 픽셀들(830a)의 최종 밝기 값은, 제 1 특징점(810a)에 대응하여 설정된 밝기 값과 제 2 특징점(810b)에 대응하여 설정된 밝기 값이 중첩된 값을 갖는다. 이에 따라, 제 1 그룹(820a)과 제 2 그룹(820b)에 모두 속한 픽셀들(830a)의 최종 밝기는 제 1 그룹(820a)에만 속한 픽셀들의 밝기나 제 2 그룹(820b)에만 속한 픽셀들의 밝기보다 더 어둡게 된다.
마찬가지로, 제 2 그룹(820b)과 제 3 그룹(820c)에 모두 속한 픽셀들(830b)의 최종 밝기 값은, 제 2 특징점(810b)에 대응하여 설정된 밝기 값과 제 3 특징점(810c)에 대응하여 설정된 밝기 값이 중첩된 값을 갖는다.
2차원 평면(430)에 투영된 특징점들 사이의 거리가 가까울수록 주변 픽셀들은 여러 그룹에 속할 수 있는데, 여기서 특징점들 사이의 거리가 가깝다는 것은 3차원 이미지의 투영 방향에서 바라보았을 때, 3차원 이미지 내 혈관이 투영 방향과 평행 또는 거의 평행하게 위치하고 있다는 것을 의미할 수 있다. 즉, 투영 방향과 평행하게 위치하는 혈관은 3차원상에서 그 길이가 매우 길더라도 2차원 평면에는 매우 짧은 길이로 투영될 것이기 때문이다.
실제 엑스선 이미지의 경우, 엑스선의 방사 방향과 평행하게 위치하는 혈관은 엑스선 이미지에 어둡게 나타나기 때문에, 본 발명의 일 실시예에서도 이를 고려하여, 3차원 이미지의 투영 방향과 평행하게 위치하는 혈관, 즉, 2차원 평면에서 서로 간에 매우 가까운 거리의 특징점들 주변의 픽셀들의 밝기 값을 다른 픽셀들보다 어둡게 설정하는 것이다. 도 9를 참조하면, 투영 방향에 평행하게 위치하는 혈관에 대해서는 2차원 평면에 어둡게 채색되는 것을 알 수 있다.
이미지 처리 장치(100)는 아래의 수학식 3에 기초하여 2차원 평면에 투영된 각 특징점의 주변 픽셀들을 선택할 수 있다.
[수학식 3]
Figure 112017035721190-pat00006
상기 수학식 3에서, j는 각 특징점의 인덱스, x는 2차원 평면에 포함된 각 픽셀의 좌표, Ij(x)는 특징점 j에 대하여 픽셀 x에 설정되는 밝기 값, α는 기 설정되는 가중치, rj는 특징점 j에 대응하는 반지름 크기, Cj 2D는 특징점 j의 2차원 평면에서의 좌표를 나타낸다.
상기 수학식 3을 보면, 각 특징점을 중심으로 하여 반지름 크기에 대응하는 소정 거리 범위 내에 포함되는 픽셀들이 각 특징점에 대응하는 픽셀로 선택되는 것을 알 수 있다.
또한, 이미지 처리 장치(100)는 2차원 평면 내 픽셀들의 최종 밝기 값을 아래의 수학식 4로 설정할 수 있다.
[수학식 4]
Figure 112017035721190-pat00007
상기 수학식 4에서 I(x)는 픽셀 x의 최종 밝기 값, N은 2차원 평면에 투영된 특징점들의 개수, Ij(x)는 특징점 j에 대해 픽셀 x에 설정되는 밝기 값을 나타낸다.
수학식 4를 보면, 어느 하나의 픽셀이 여러 특징점에 대응되어 선택된 경우, 해당 픽셀의 밝기 값은 중첩적으로 어두워진다는 것을 알 수 있다.
다시 도 4를 보면, 이미지 처리 장치(100)는 S440 단계에서, 2차원 평면에 포함된 픽셀들을 최종 밝기 값으로 채색하여 가상의 엑스선 이미지를 생성한다.
이미지 처리 장치(100)는 상기 생성된 가상의 엑스선 이미지와 대상체(10)에 대해 실제 촬영된 엑스선 이미지를 매칭시킨 후, 가상의 엑스선 이미지와 실제의 엑스선 이미지의 유사도가 일정 기준(예를 들어, 정규화된 교차 상관 알고리즘 등을 통해 측정되는 기준 유사도 값) 미만인 경우, 외적 파라미터(E)를 변경하고, 그에 따라 3차원 이미지의 기준 좌표와 2차원 평면의 기준 좌표 사이의 변환 관계도 변환하여 가상의 엑스선 이미지를 재생성할 수 있다.
즉, 이미지 처리 장치(100)는 가상의 엑스선 영상이 실제의 엑스선 영상에 동일해지거나 매우 근접하게 유사해질 때까지 외적 파라미터(E)를 계속적으로 갱신하여 가상의 엑스선 이미지의 생성 및 매칭 과정을 반복할 수 있다.
가상의 엑스선 이미지와 실제의 엑스선 이미지의 유사도가 일정 기준 이상인 경우에는, 이미지 처리 장치(100)는 이미 3차원 이미지의 투영 방향을 알고 있으므로, 3차원 이미지의 투영 방향에 따라 3차원 이미지 또는 3차원 이미지의 국소 모델(예를 들어, 일부 혈관)을 실제 엑스선 이미지에 정합시켜 화면에 표시할 수 있다.
도 10은 본 발명의 일 실시예에 따른 이미지 처리 장치(100)의 구성을 도시하는 볼록도이다.
도 10을 참조하면, 본 발명의 일 실시예에 따른 이미지 처리 장치(100)는 메모리(110), 통신부(130), 이미지 분석부(150) 및 이미지 생성부(170)를 포함할 수 있다. 메모리(110), 통신부(130), 이미지 분석부(150) 및 이미지 생성부(170)는 적어도 하나의 프로세서로 구현될 수 있으며, 메모리(110)에 저장된 프로그램에 따라 동작할 수 있다.
메모리(110)에는 이미지 처리 및 생성을 위한 어플리케이션이 저장될 수 있으며, 또한, 대상체(10)의 3차원 이미지 및 실제 엑스선 이미지가 저장될 수도 있다.
통신부(130)는 3차원 이미징 장치(200), 엑스선 장치(300) 또는 기타 서버와 통신을 하며 대상체(10)의 3차원 이미지 및 실제 엑스선 이미지를 수신할 수 있다.
이미지 분석부(150)는 대상체(10)에 대한 3차원 이미지 내에 포함된 혈관의 반지름 크기와 특징점들을 추출한다.
이미지 생성부(170)는 상기 추출된 특징점들을 2차원 평면에 투영하고, 2차원 평면에 투영된 각 특징점에 대해 소정 범위 내에 위치하는 픽셀들의 밝기 값을 결정하고, 상기 결정된 밝기 값으로 각 픽셀을 채색하여 가상의 엑스선 이미지를 생성할 수 있다.
도 10에는 도시되어 있지 않지만, 이미지 처리 장치(100)는 가상의 엑스선 이미지를 화면에 표시하는 디스플레이를 더 포함할 수 있다.
또한, 이미지 처리 장치(100)는 가상의 엑스선 이미지와 실제의 엑스선 이미지가 어느 정도 유사한 것으로 판단되면, 3차원 이미지의 투영 방향을 알고 있으므로, 3차원 이미지의 투영 방향에 따라 3차원 이미지 또는 3차원 이미지의 국소 모델(예를 들어, 일부 혈관)을 실제 엑스선 이미지에 정합시켜 화면에 표시할 수도 있다.
한편, 상술한 본 발명의 실시예들은 컴퓨터에서 실행될 수 있는 프로그램으로 작성가능하고, 작성된 프로그램은 매체에 저장될 수 있다.
상기 매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등)와 같은 저장매체를 포함할 수 있으나, 이에 한정되는 것은 아니다.
첨부된 도면을 참조하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.
100: 이미지 처리 장치
110: 메모리
130: 통신부
150: 이미지 분석부
170: 이미지 생성부
200: 3차원 이미징 장치
300: 엑스선 장치
310: 엑스선 소스
350: 디텍터

Claims (12)

  1. 대상체에 대한 3차원 이미지 내 혈관의 중심점들 및 반지름 크기를 추출하는 단계;
    상기 추출된 중심점들을 2차원 평면에 투영하는 단계;
    상기 2차원 평면에 투영된 각 중심점에 대해 소정 거리 범위 내에 위치하는 픽셀들의 밝기 값을 상기 추출된 중심점들에 대응하는 반지름 크기에 기반하여 결정하는 단계; 및
    상기 결정된 밝기 값으로 각 픽셀을 채색하여 가상의 엑스선 이미지를 생성하는 단계를 포함하는 것을 특징으로 하는, 이미지 처리 장치에 의한 가상의 엑스선 이미지 생성 방법.
  2. 제1항에 있어서,
    상기 추출된 중심점들을 2차원 평면에 투영하는 단계는,
    상기 3차원 이미지의 기준 좌표와 상기 2차원 평면의 기준 좌표 사이의 변환 관계를 고려하여 상기 추출된 중심점들을 상기 2차원 평면에 투영하는 단계를 포함하는 것을 특징으로 하는 가상의 엑스선 이미지 생성 방법.
  3. 제2항에 있어서,
    상기 3차원 이미지의 기준 좌표와 상기 2차원 평면의 기준 좌표 사이의 변환 관계는,
    엑스선 장치의 엑스선 소스의 기준 좌표와 디텍터의 기준 좌표 사이의 변환 관계를 나타내는 내적 파라미터 및, 상기 엑스선 소스의 기준 좌표와 환자 또는 팬텀의 기준 좌표 사이의 변환 관계를 나타내는 외적 파라미터를 이용하여 산출되는 것을 특징으로 하는 가상의 엑스선 이미지 생성 방법.
  4. 제3항에 있어서,
    상기 가상의 엑스선 이미지 생성 방법은,
    상기 생성된 가상의 엑스선 이미지를 상기 엑스선 장치에 의해 촬영된 대상체의 실제 엑스선 이미지에 매칭하는 단계; 및
    상기 매칭 결과, 상기 가상의 엑스선 이미지와 상기 실제 엑스선 이미지의 유사도가 일정 기준 미만인 경우, 상기 외적 파라미터를 갱신하여 가상의 엑스선 이미지를 재생성하는 단계를 더 포함하는 것을 특징으로 하는 가상의 엑스선 이미지 생성 방법.
  5. 제1항에 있어서,
    상기 픽셀들의 밝기 값을 결정하는 단계는,
    상기 2차원 평면에 투영된 각 중심점을 중심으로 하여, 각 중심점에 대해 상기 추출된 반지름 크기에 대응하는 소정 거리 범위 내의 픽셀들을 선택하는 단계를 포함하는 것을 특징으로 하는 가상의 엑스선 이미지 생성 방법.
  6. 제5항에 있어서,
    상기 픽셀들의 밝기 값을 결정하는 단계는,
    각 중심점에 대응하는 반지름 크기가 클수록 각 중심점에 대응하여 선택된 픽셀들의 밝기 값을 더 낮게 결정하는 단계를 포함하는 것을 특징으로 하는 가상의 엑스선 이미지 생성 방법.
  7. 제6항에 있어서,
    상기 픽셀들의 밝기 값을 결정하는 단계는,
    어느 하나의 픽셀이 제 1 중심점의 소정 거리 범위 내와 제 2 중심점의 소정 거리 범위 내에 동시에 위치하는 경우, 상기 제 1 중심점에 대응하여 상기 어느 하나의 픽셀에 대해 결정되는 제 1 밝기 값과 상기 제 2 중심점에 대응하여 상기 어느 하나의 픽셀에 대해 결정되는 제 2 밝기 값을 중첩하여 상기 어느 하나의 픽셀의 최종 밝기 값을 결정하는 단계를 포함하는 것을 특징으로 하는 가상의 엑스선 이미지 생성 방법.
  8. 제1항에 있어서,
    상기 밝기 값을 결정하는 단계는,
    하기의 수학식 1에 따라 밝기 값을 결정하는 단계를 포함하되,
    [수학식 1]
    Figure 112021102938662-pat00008

    상기 수학식 1에서, j는 각 중심점의 인덱스, x는 2차원 평면에 포함된 각 픽셀의 좌표, Ij(x)는 중심점 j에 대하여 픽셀 x에 설정되는 밝기 값, α는 기 설정되는 가중치, rj는 중심점 j에 대응하는 반지름 크기, Cj 2D는 중심점 j의 2차원 평면에서의 좌표를 나타내는 것을 특징으로 하는 가상의 엑스선 이미지 생성 방법.
  9. 제8항에 있어서,
    상기 2차원 평면에 포함된 각 픽셀의 최종 밝기 값은 아래의 수학식 2에 따라 결정되되,
    [수학식 2]
    Figure 112021102938662-pat00009

    상기 수학식 2에서 I(x)는 픽셀 x의 최종 밝기 값, N은 2차원 평면에 투영된 중심점들의 개수, Ij(x)는 중심점 j에 대해 픽셀 x에 설정되는 밝기 값을 나타내는 것을 특징으로 하는 가상의 엑스선 이미지 생성 방법.
  10. 제1항에 있어서,
    상기 3차원 이미지 내 상기 혈관의 반지름 크기 및 중심점들을 추출하는 단계는,
    소정 임계값을 기준으로 상기 3차원 이미지를 이진화하는 단계;
    세선화(skeletonization) 알고리즘을 통해 상기 3차원 이미지 내 혈관의 중심점들을 추출하는 단계; 및
    헤시안 분석(Hessian analysis) 알고리즘을 통해 상기 3차원 이미지 내 혈관의 중심점 각각에 대응하는 반지름 크기를 추출하는 단계를 포함하는 것을 특징으로 하는 가상의 엑스선 이미지 생성 방법.
  11. 하드웨어와 결합하여 제1항의 가상의 엑스선 이미지 생성 방법을 실행시키기 위하여 매체에 저장된 프로그램.
  12. 대상체에 대한 3차원 이미지 내 혈관의 중심점들 및 반지름 크기를 추출하는 이미지 분석부; 및
    상기 추출된 중심점들을 2차원 평면에 투영하고, 상기 2차원 평면에 투영된 각 중심점에 대해 소정 범위 내에 위치하는 픽셀들의 밝기 값을 상기 추출된 중심점들에 대응하는 반지름 크기에 기반하여 결정하고, 상기 결정된 밝기 값으로 각 픽셀을 채색하여 가상의 엑스선 이미지를 생성하는 이미지 생성부를 포함하는 것을 특징으로 하는 이미지 처리 장치.
KR1020170047382A 2017-04-12 2017-04-12 이미지 처리 장치 및 이에 의한 가상의 엑스선 이미지 생성 방법 KR102354701B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170047382A KR102354701B1 (ko) 2017-04-12 2017-04-12 이미지 처리 장치 및 이에 의한 가상의 엑스선 이미지 생성 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170047382A KR102354701B1 (ko) 2017-04-12 2017-04-12 이미지 처리 장치 및 이에 의한 가상의 엑스선 이미지 생성 방법

Publications (2)

Publication Number Publication Date
KR20180115122A KR20180115122A (ko) 2018-10-22
KR102354701B1 true KR102354701B1 (ko) 2022-01-24

Family

ID=64102312

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170047382A KR102354701B1 (ko) 2017-04-12 2017-04-12 이미지 처리 장치 및 이에 의한 가상의 엑스선 이미지 생성 방법

Country Status (1)

Country Link
KR (1) KR102354701B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230158151A (ko) * 2022-05-10 2023-11-20 주식회사 고영테크놀러지 대상체 또는 수술 도구의 위치를 결정하는 방법 및 시스템
CN116433476B (zh) * 2023-06-09 2023-09-08 有方（合肥）医疗科技有限公司 Ct图像处理方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013124946A1 (ja) 2012-02-20 2013-08-29 株式会社デンソー 生体の血管径連続測定装置
JP2014526334A (ja) 2011-09-13 2014-10-06 コーニンクレッカ フィリップス エヌ ヴェ 小孔の可視化を伴う血管の輪郭描画
JP2016101358A (ja) * 2014-11-28 2016-06-02 株式会社東芝 医用画像生成装置、方法、及びプログラム
JP2017012341A (ja) * 2015-06-30 2017-01-19 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 画像処理方法および装置並びにプログラム

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101492330B1 (ko) * 2013-07-26 2015-02-11 서울여자대학교 산학협력단 혈관 조영된 컴퓨터 단층 영상의 혈관 분할 시스템 및 그 분할 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014526334A (ja) 2011-09-13 2014-10-06 コーニンクレッカ フィリップス エヌ ヴェ 小孔の可視化を伴う血管の輪郭描画
WO2013124946A1 (ja) 2012-02-20 2013-08-29 株式会社デンソー 生体の血管径連続測定装置
JP2016101358A (ja) * 2014-11-28 2016-06-02 株式会社東芝 医用画像生成装置、方法、及びプログラム
JP2017012341A (ja) * 2015-06-30 2017-01-19 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 画像処理方法および装置並びにプログラム

Also Published As

Publication number Publication date
KR20180115122A (ko) 2018-10-22

Similar Documents

Publication Publication Date Title
US10049467B2 (en) Apparatus and method for reconstructing medical image
US9240046B2 (en) Method and system to assist 2D-3D image registration
JP6533991B2 (ja) 医用画像処理装置、方法、プログラム及び放射線治療装置
Tomazevic et al. 3-D/2-D registration by integrating 2-D information in 3-D
JP2010246883A (ja) 患者位置決めシステム
Pernus 3D-2D registration of cerebral angiograms: A method and evaluation on clinical images
US9919164B2 (en) Apparatus, method, and program for processing medical image, and radiotherapy apparatus
US20150371390A1 (en) Three-Dimensional Image Segmentation Based on a Two-Dimensional Image Information
KR101954868B1 (ko) 혈관 중재 시술을 위한 내비게이션 시스템 및 가상의 엑스선 이미지 생성 방법
EP3788596B1 (en) Lower to higher resolution image fusion
Dang et al. Robust methods for automatic image‐to‐world registration in cone‐beam CT interventional guidance
US20130057569A1 (en) 2d-2d fusion for interventional guidance in trans-catheter aortic valve implantation
KR102354701B1 (ko) 이미지 처리 장치 및 이에 의한 가상의 엑스선 이미지 생성 방법
US9254106B2 (en) Method for completing a medical image data set
Kuo et al. Automatic segmentation of radiographic fiducial and seeds from X-ray images in prostate brachytherapy
US20220036609A1 (en) X-ray imaging system with foreign object reduction
US11657519B2 (en) Method for deformation correction
Oh et al. Image-based guidance system for intravascular microrobot: Fiducial marker-based registration using biplanar fluoroscopic images & CTA images
US20220044440A1 (en) Artificial-intelligence-assisted surgery
Hatt et al. Depth‐resolved registration of transesophageal echo to x‐ray fluoroscopy using an inverse geometry fluoroscopy system
Pries et al. Deep morphing: Detecting bone structures in fluoroscopic x-ray images with prior knowledge
Haase et al. Model based 3D CS-catheter tracking from 2D X-ray projections: binary versus attenuation models
US11666299B2 (en) Controlling a medical X-ray device
US11430203B2 (en) Computer-implemented method for registering low dimensional images with a high dimensional image, a method for training an aritificial neural network useful in finding landmarks in low dimensional images, a computer program and a system for registering low dimensional images with a high dimensional image
US20230172571A1 (en) Providing a result data set

Legal Events

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