KR102401111B1 - Apparatus and method for analyzing image of myocardial perfusion with magnetic resonance - Google Patents
Apparatus and method for analyzing image of myocardial perfusion with magnetic resonance Download PDFInfo
- Publication number
- KR102401111B1 KR102401111B1 KR1020200010633A KR20200010633A KR102401111B1 KR 102401111 B1 KR102401111 B1 KR 102401111B1 KR 1020200010633 A KR1020200010633 A KR 1020200010633A KR 20200010633 A KR20200010633 A KR 20200010633A KR 102401111 B1 KR102401111 B1 KR 102401111B1
- Authority
- KR
- South Korea
- Prior art keywords
- command
- frame
- outlines
- target image
- outline
- Prior art date
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
Abstract
심근관류 자기공명 영상 분석 장치 및 방법이 개시된다. 상기 심근관류 자기공명 영상 분석 장치 및 방법은 외부로부터 수신된 적어도 하나의 프레임별 심혈관 영상 이미지로부터 대상 이미지를 개별적으로 획득하고, 획득한 적어도 하나의 프레임별 대상 이미지를 전처리하며, 특정 픽셀 밝기값을 기준으로 적어도 하나의 프레임별 대상 이미지를 이진화하여 적어도 하나의 외곽선을 추출하며, 이진화된 프레임별 대상 이미지로부터 적어도 하나의 유효 데이터를 획득하여 심실 및 심근, 또는 비장의 위치 및 프레임별 밝기 변화를 동적으로 인식함으로써, 심혈관 질환 진단 장치와 연동하여 고속, 고효율 및 고신뢰성의 심혈관 진단이 가능한 심혈관 영상 분석 장치심근관류 자기공명 영상 분석 장치 및 방법을 제공할 수 있다.An apparatus and method for analyzing myocardial perfusion magnetic resonance imaging are disclosed. The myocardial perfusion magnetic resonance image analysis apparatus and method separately acquires a target image from at least one frame-by-frame cardiovascular image image received from the outside, pre-processes the acquired target image for each frame, and calculates a specific pixel brightness value. At least one frame-by-frame target image is binarized as a reference to extract at least one outline, and at least one valid data is obtained from the binarized frame-by-frame target image to dynamically change the location of the ventricle, myocardium, or spleen and the change in brightness for each frame By recognizing that, it is possible to provide a cardiovascular image analysis device and myocardial perfusion magnetic resonance image analysis device and method capable of high-speed, high-efficiency and high-reliability cardiovascular diagnosis in conjunction with a cardiovascular disease diagnosis device.
Description
본 발명은 심근관류 자기공명 영상 분석 장치 및 방법에 관한 것으로서, 보다 상세하게는, 심혈관 질환을 진단하기 위해 촬영된 영상 데이터를 분석하는 심근관류 자기공명 영상 분석 장치 및 분석 방법에 관한 것이다.The present invention relates to a myocardial perfusion magnetic resonance image analysis apparatus and method, and more particularly, to a myocardial perfusion magnetic resonance image analysis apparatus and method for analyzing image data taken for diagnosing cardiovascular disease.
일반적으로, 심혈관 질환이 의심되는 환자를 대상으로 심근관류 이상을 진단하기 위해서는 약물 부하 심근관류 자기공명영상 검사를 시행한다. In general, drug-loaded myocardial perfusion magnetic resonance imaging is performed to diagnose myocardial perfusion abnormalities in patients with suspected cardiovascular disease.
약물 부하 심근관류 자기공명영상 검사는 심혈관의 확장을 위해 약물(adenosine)을 주입한 상태에서 조영제를 주입하여 혈류 결손이 있는 부위를 찾아내는 검사로, 한두 개의 관상동맥이 막혔을 경우에는 심근 내에서의 상대적인 밝기 차이를 통해 숙련된 영상의학과 의사가 육안으로 소견을 판정할 수 있다. Drug-loaded myocardial perfusion magnetic resonance imaging is a test that detects blood flow defects by injecting a contrast agent in the state of injecting adenosine for cardiovascular expansion. Through the difference in brightness, an experienced radiologist can determine the findings with the naked eye.
그러나, 세 개의 관상동맥에 모두 이상이 있거나 미세관상동맥의 기능 이상으로 심근의 전반적인 혈류 감소가 발생하는 경우에는 자세한 정량적인 검사가 필수적으로 요구된다. However, when all three coronary arteries have abnormalities or when overall myocardial blood flow is decreased due to microcoronary function abnormalities, detailed quantitative tests are essential.
이와 같이 심장 관류의 특이 병변을 진단하기 위한 방법으로, 종래에는 조영제를 투여한 뒤 자기공명 영상장치(Magnetic Resonance Imaging, 이하, MRI)로 촬영하여 심혈관 질환의 유무를 진단하는 검사 방법을 이용하고 있다.As such, as a method for diagnosing specific lesions of cardiac perfusion, conventionally, a test method for diagnosing the presence or absence of cardiovascular disease by administering a contrast agent and then imaging with a magnetic resonance imaging (MRI) is used. .
MRI 영상을 이용하여 심혈관 질환을 진단하는 종래의 심혈관 질환 진단 검사의 정량적 분석은, 도 1에서와 같이, 투여된 조영제가 심장 내에 점차 확산되면서 매 프레임마다 달라지는 밝기 변화에 따라 휴식 상태일 때와 약물 부하 상태일 때의 시간에 따른 심근 및 심실의 밝기 간의 기울기 비(upslope)를 산출하여 심근관류의 예비능 지표(Myocardial perfusion reserve index, MPRI)를 구함으로써 심혈관 질환의 유무를 판별한다.Quantitative analysis of a conventional cardiovascular disease diagnostic test for diagnosing cardiovascular disease using an MRI image, as shown in FIG. 1, shows that the administered contrast agent is gradually diffused in the heart and is in a resting state and drug according to a change in brightness that changes every frame The presence or absence of cardiovascular disease is determined by calculating the upslope between the brightness of the myocardium and the ventricle according to time in the load state and obtaining the myocardial perfusion reserve index (MPRI).
그러나, 종래의 심근관류 자기공명 영상의 정량적 분석을 위해서는 심실과 심근을 의료인이 확인하여 경계면을 선택하는 작업이 필요하며, 약물부하 검사의 적절성 평가를 위해 비장의 위치를 확인하고 비장의 밝기 신호를 심근의 것과 육안으로 비교하는 작업을 별개로 진행하여야 하는 불편함이 있다.
선행기술문헌 1은 visual assessment의 한계를 설명하고 있으며, 선행기술문헌 2는 visual assessment와 semi-quantitative, quantitative analysis을 비교하여 설명하고 있으며, 선행기술문헌 3은 선행기술문헌 2와 마찬가지로 semi-quantitative analysis에 관하여 심근을 manually contouring 하는 과정에 대하여 최근에 설명하고 있으며, 선행기술문헌 4는 심근에 약물(adenosine)을 이용한 심근부하(stress)가 제대로 적용이 되어야 허혈성 심근을 정확하게 구분할 수 있으며, adenosine에 의한 stress 유도가 잘 되었는지 확인하기 위해서 비장(spleen)의 MRI 신호 변화를 심근(myocardium)의 신호 변화와 비교해야 함을 설명하고 있다.
그러나, 일선에서 비장(spleen)의 MRI 신호 변화를 자동으로 동시에 평가할 수 있는 기술이 요청되고 있다.However, for quantitative analysis of conventional myocardial perfusion magnetic resonance imaging, it is necessary for a medical practitioner to check the ventricle and myocardium and select the interface. There is an inconvenience in that the work of comparing the myocardium with the naked eye must be performed separately.
However, there is a demand for a technology capable of automatically and simultaneously evaluating changes in MRI signals of the spleen.
상기와 같은 문제점을 해결하기 위한 본 발명의 목적은 고효율, 고정밀 및 고신뢰성의 심근관류 자기공명 영상 분석 장치를 제공하는 데 있다.An object of the present invention to solve the above problems is to provide a myocardial perfusion magnetic resonance image analysis apparatus with high efficiency, high precision and high reliability.
또한, 상기와 같은 문제점을 해결하기 위한 본 발명의 다른 목적은 고효율, 고정밀 및 고신뢰성의 심근관류 자기공명 영상 분석 방법을 제공하는 데 있다.Another object of the present invention to solve the above problems is to provide a method for analyzing myocardial perfusion magnetic resonance imaging with high efficiency, high precision and high reliability.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 심근관류 자기공명 영상 분석 장치는, 메모리(memory) 및 상기 메모리에 저장된 적어도 하나의 명령을 실행하는 프로세서(processor)를 포함하되, 상기 적어도 하나의 명령은, 외부로부터 수신된 적어도 하나의 프레임별 심혈관 영상 이미지로부터 대상 이미지를 개별적으로 획득하도록 하는 명령, 적어도 하나의 상기 프레임별 대상 이미지들을 전처리하도록 하는 명령, 사전 설정된 픽셀 밝기 값을 기준으로 적어도 하나의 상기 프레임별 대상 이미지를 이진화하여 적어도 하나의 외곽선을 추출하도록 하는 명령, 상기 이진화된 프레임별 대상 이미지로부터 적어도 하나의 유효 데이터를 획득하도록 하는 명령 및 상기 유효 데이터로부터 심실의 위치를 예측하도록 하는 명령을 포함한다.To achieve the above object, an apparatus for analyzing myocardial perfusion magnetic resonance image according to an embodiment of the present invention includes a memory and a processor executing at least one instruction stored in the memory, wherein the at least one The command of is a command to individually acquire a target image from at least one frame-by-frame cardiovascular image image received from the outside, a command to preprocess at least one target image for each frame, at least based on a preset pixel brightness value A command to extract at least one outline by binarizing the target image for each frame, a command to obtain at least one valid data from the target image for each binarized frame, and a command to predict the position of a ventricle from the valid data contains commands.
여기서, 적어도 하나의 상기 프레임별 대상 이미지를 전처리하도록 하는 명령은, 상기 프레임별 대상 이미지의 픽셀 크기를 조정하도록 하는 명령 및 픽셀 크기가 조정된 상기 프레임별 대상 이미지를 확대하도록 하는 명령을 포함할 수 있다.Here, the command to pre-process the at least one target image for each frame may include a command to adjust a pixel size of the target image for each frame and a command to enlarge the target image for each frame whose pixel size is adjusted. there is.
또한, 상기 이진화된 프레임별 대상 이미지로부터 적어도 하나의 유효 데이터를 획득하도록 하는 명령은, 상기 프레임별 대상 이미지로부터 추출된 복수의 외곽선들을 대상으로 예외 발생 여부를 확인하도록 하는 명령 및 예외가 발생하지 않을 경우, 상기 추출된 복수의 외곽선들을 필터링하여 상기 유효 데이터를 획득하도록 하는 명령을 포함할 수 있다.In addition, the command to obtain at least one valid data from the target image for each binarized frame includes a command to check whether an exception occurs with respect to a plurality of outlines extracted from the target image for each frame, and an exception not to occur In this case, it may include a command to obtain the valid data by filtering the plurality of extracted outlines.
이때, 상기 추출된 복수의 외곽선들을 필터링하여 상기 유효 데이터를 획득하도록 하는 명령은, 상기 복수의 외곽선들의 중심 사이의 거리를 사전 설정값과 비교하도록 하는 명령, 상기 중심 사이의 거리가 상기 사전 설정값 대비 큰 적어도 하나의 외곽선을 삭제하도록 필터링하는 명령 및 상기 필터링 후 남은 복수의 외곽선들로부터 상기 유효 데이터를 획득하도록 하는 명령을 포함할 수 있다.In this case, the command to obtain the valid data by filtering the plurality of extracted outlines includes a command to compare the distance between the centers of the plurality of outlines with a preset value, and the distance between the centers is the preset value It may include a command for filtering to delete at least one outline having a large contrast and a command for obtaining the valid data from a plurality of outlines remaining after the filtering.
또한, 상기 유효 데이터는, 상기 프레임별 대상 이미지의 필터링 후 남은 복수의 외곽선들 중 중심 좌표를 기준으로 가장 일측에 위치하는 제1 외곽선, 상기 제1 외곽선의 중심을 기준으로 타측 방향에 위치한 외곽선들 중 가장 근접하게 위치한 제2 외곽선 및 상기 제2 외곽선의 중심 좌표를 중심점으로 하고, 상기 제1 외곽선과의 최소 거리를 반지름으로 하는 제1 원을 포함할 수 있다.In addition, the valid data may include a first outline positioned at the most one side with respect to a center coordinate among a plurality of outlines remaining after filtering the target image for each frame, and outlines positioned in the other direction with respect to the center of the first outline. The first circle may include a second outline positioned closest to each other and a first circle having a center coordinate of the second outline as a center point and a minimum distance from the first outline as a radius.
상기 심실의 위치를 예측하도록 하는 명령은 좌심실의 위치를 예측하도록 하는 명령을 포함하되, 상기 좌심실의 위치를 예측하도록 하는 명령은, 상기 프레임별 대상 이미지들로부터 추출된 상기 복수의 제1 외곽선들을 대상으로 평균 중심 좌표를 산출하도록 하는 명령 및 복수의 상기 제1 외곽선들을 필터링하여, 제1 대표 외곽선을 추출하도록 하는 명령을 포함할 수 있다.The command to predict the position of the ventricle includes a command to predict the position of the left ventricle, wherein the command to predict the position of the left ventricle includes the plurality of first outlines extracted from the target images for each frame. It may include a command to calculate the average center coordinates and a command to extract the first representative outline by filtering the plurality of first outlines.
여기서, 상기 복수의 상기 제1 외곽선들을 필터링하여, 제1 대표 외곽선을 추출하도록 하는 명령은, 복수의 상기 제1 외곽선들 중 상기 평균 중심 좌표를 기준으로 특정값 이상 또는 상기 특정값 이하의 좌표값을 갖는 적어도 하나의 제1 외곽선을 삭제하도록 필터링하는 명령, 반지름의 크기가 0인 상기 제1 원을 삭제하도록 하는 명령 및 상기 프레임별 대상 이미지들의 상기 제1 외곽선들 중 넓이가 가장 큰 제1 외곽선을 제1 대표 외곽선으로 추출하여 상기 좌심실의 위치를 예측하도록 하는 명령을 포함할 수 있다.Here, the command to extract a first representative outline by filtering the plurality of first outlines includes a coordinate value greater than or equal to a specific value or less than or equal to a specific value based on the average center coordinate among the plurality of first outlines. A filtering command to delete at least one first outline having may include a command to predict the position of the left ventricle by extracting as a first representative outline.
한편, 상기 심실의 위치를 예측하도록 하는 명령은 우심실의 위치를 예측하도록 하는 명령을 포함하되, 상기 우심실의 위치를 예측하도록 하는 명령은, 상기 대상 이미지들로부터 추출된 복수의 상기 제2 외곽선들을 대상으로 평균 중심 좌표를 산출하도록 하는 명령 및 복수의 상기 제2 외곽선들을 필터링하여, 제2 대표 외곽선을 추출하도록 하는 명령을 포함할 수 있다.Meanwhile, the command to predict the position of the ventricle includes a command to predict the position of the right ventricle, and the command to predict the position of the right ventricle includes a plurality of second outlines extracted from the target images. It may include a command to calculate the average center coordinates and a command to extract a second representative outline by filtering the plurality of second outlines.
이때, 상기 복수의 상기 제2 외곽선들을 필터링하여, 제2 대표 외곽선을 추출하도록 하는 명령은, 복수의 상기 제2 외곽선들 중 상기 평균 중심 좌표를 기준으로 특정값 이상 또는 상기 특정값 이하의 좌표값을 갖는 적어도 하나의 제2 외곽선을 삭제하도록 필터링하는 명령, 반지름의 크기가 0인 상기 제1 원을 삭제하도록 하는 명령 및 상기 프레임별 대상 이미지들의 상기 외곽선들 중 넓이가 가장 큰 제2 외곽선을 제2 대표 외곽선으로 추출하여 상기 우심실의 위치를 예측하도록 하는 명령을 포함할 수 있다.In this case, the command to extract the second representative outline by filtering the plurality of second outlines includes a coordinate value greater than or equal to a specific value or less than or equal to a specific value with respect to the average center coordinate among the plurality of second outlines. A filtering command to delete at least one second outline having It may include a command to extract the 2 representative outlines to predict the position of the right ventricle.
또한, 상기 심근관류 자기공명 영상 분석 장치는 상기 유효 데이터로부터 심실의 위치를 예측하도록 하는 명령 이전에, 상기 심실의 위치를 검증하도록 하는 명령을 더 포함할 수 있다.In addition, the myocardial perfusion magnetic resonance image analysis apparatus may further include a command to verify the location of the ventricle before the command to predict the location of the ventricle from the valid data.
여기서, 상기 심실의 위치를 검증하도록 하는 명령은, 제1 대표 외곽선을 둘러싸는 최소 반지름을 갖는 제2 원을 생성하도록 하는 명령, 상기 제2 원의 중심으로부터 제2 대표 외곽선과 외접하는 최소 거리를 반지름으로 하는 제3 원을 생성하도록 하는 명령 및 상기 제2 원 및 상기 제3 원의 반지름의 차이가 사전 설정 값 대비 작은 경우, 예외를 발생하도록 하는 명령을 포함할 수 있다.Here, the command to verify the position of the ventricle is a command to generate a second circle having a minimum radius surrounding the first representative outline, the minimum distance circumscribed with the second representative outline from the center of the second circle It may include a command to generate a third circle having a radius, and a command to generate an exception when a difference between the radii of the second circle and the third circle is smaller than a preset value.
이때, 상기 예외 발생 시, 상기 픽셀의 임계값을 조정하여 상기 적어도 하나의 프레임별 대상 이미지를 이진화하여 적어도 하나의 외곽선을 추출하도록 하는 명령을 재수행할 수 있다.In this case, when the exception occurs, the command to extract at least one outline by binarizing the target image for each frame by adjusting the threshold value of the pixel may be re-executed.
또한, 상기 심근관류 자기공명 영상 분석 장치는 상기 유효 데이터로부터 심근 영역을 산출하도록 하는 명령을 더 포함할 수 있다.In addition, the myocardial perfusion magnetic resonance image analysis apparatus may further include a command to calculate a myocardial region from the valid data.
이때, 상기 심근 영역을 산출하도록 하는 명령은, 적어도 하나의 직선에 의해 상기 심실을 복수의 영역으로 분할하도록 하는 명령, 블록 껍질 알고리즘을 이용하여, 상기 제1 대표 외곽선의 블록 껍질을 생성하도록 하는 명령, 상기 블록 껍질을 소정 크기만큼 확대한 껍질을 생성하도록 하는 명령 및 상기 껍질 및 상기 제3 원의 외곽을 둘러싸는 심근 영역을 산출하도록 하는 명령을 포함할 수 있다.In this case, the command to calculate the myocardial region includes a command to divide the ventricle into a plurality of regions by at least one straight line, and a command to generate a block shell of the first representative outline using a block shell algorithm , a command to generate a shell enlarged by a predetermined size of the block shell, and a command to calculate a myocardial region surrounding the shell and the third circle.
여기서, 상기 적어도 하나의 직선은, 상기 프레임별 대상 이미지를 기준으로, 좌심실의 중심을 지나면서 우심실의 일측과 접하는 제1 직선, 상기 프레임별 대상 이미지를 기준으로, 상기 좌심실의 중심을 지나면서 상기 우심실의 타측과 접하는 제2 직선 및 상기 제1 직선 및 상기 제2 직선의 기울기를 반으로 가르며, 상기 우심실을 지나는 제3 직선 중 적어도 하나를 포함할 수 있다.Here, the at least one straight line is a first straight line that comes into contact with one side of the right ventricle while passing through the center of the left ventricle based on the target image for each frame, and passes through the center of the left ventricle based on the target image for each frame It may include at least one of a second straight line in contact with the other side of the right ventricle and a third straight line that cuts the slopes of the first and second straight lines in half and passes through the right ventricle.
또한, 상기 심근관류 자기공명 영상 분석 장치는 상기 심근 영역 내 허혈 발생 영역을 예측하도록 하는 명령을 더 포함할 수 있다.In addition, the myocardial perfusion magnetic resonance image analysis apparatus may further include a command to predict an ischemia occurrence region in the myocardial region.
상기 목적을 달성하기 위한 본 발명의 다른 실시예에 따른 심근관류 자기공명 영상 분석 장치는, 메모리(memory) 및 상기 메모리에 저장된 적어도 하나의 명령을 실행하는 프로세서(processor)를 포함하되, 상기 적어도 하나의 명령은, 외부로부터 수신된 적어도 하나의 프레임별 심혈관 영상 이미지로부터 대상 이미지를 개별적으로 획득하도록 하는 명령, 적어도 하나의 상기 프레임별 대상 이미지들을 전처리하도록 하는 명령, 사전 설정된 픽셀 밝기 값을 기준으로 적어도 하나의 상기 프레임별 대상 이미지를 이진화하여 적어도 하나의 외곽선을 추출하도록 하는 명령, 상기 이진화된 프레임별 대상 이미지로부터 적어도 하나의 유효 데이터를 획득하도록 하는 명령 및 상기 유효 데이터로부터 비장의 위치를 예측하도록 하는 명령을 포함한다.Myocardial perfusion magnetic resonance image analysis apparatus according to another embodiment of the present invention for achieving the above object includes a memory and a processor for executing at least one instruction stored in the memory, wherein the at least one The command of is a command to individually acquire a target image from at least one frame-by-frame cardiovascular image image received from the outside, a command to preprocess at least one target image for each frame, at least based on a preset pixel brightness value A command to extract at least one outline by binarizing the target image for each frame, a command to obtain at least one valid data from the target image for each binarized frame, and a command to predict the position of the spleen from the valid data contains commands.
여기서, 적어도 하나의 상기 프레임별 대상 이미지를 전처리하도록 하는 명령은, 상기 프레임별 대상 이미지 내 일측의 소정 영역을 마스킹(masking) 처리하도록 하는 명령, 상기 프레임별 대상 이미지의 픽셀 크기를 조정하도록 하는 명령 및 픽셀 크기가 조정된 상기 프레임별 대상 이미지를 확대하도록 하는 명령을 포함할 수 있다.Here, the at least one command to preprocess the target image for each frame includes a command for masking a predetermined area on one side of the target image for each frame, a command for adjusting the pixel size of the target image for each frame and a command to enlarge the target image for each frame whose pixel size is adjusted.
또한, 상기 이진화된 프레임별 대상 이미지로부터 적어도 하나의 유효 데이터를 획득하도록 하는 명령은, 상기 프레임별 대상 이미지로부터 추출된 복수의 외곽선들을 대상으로 예외 발생 여부를 확인하도록 하는 명령 및 예외가 발생하지 않을 경우, 상기 추출된 복수의 외곽선들을 이용하여 상기 유효 데이터를 획득하도록 하는 명령을 포함할 수 있다.In addition, the command to obtain at least one valid data from the target image for each binarized frame includes a command to check whether an exception occurs with respect to a plurality of outlines extracted from the target image for each frame, and an exception not to occur In this case, the command may include a command to obtain the valid data using the plurality of extracted outlines.
이때, 상기 추출된 복수의 외곽선들을 이용하여 상기 유효 데이터를 획득하도록 하는 명령은, 상기 프레임별 대상 이미지로부터 추출된 복수의 외곽선들의 중심 좌표를 좌표값에 따라 정렬하여 저장하도록 하는 명령 및 추출된 상기 복수의 외곽선들 중 상기 대상 이미지의 프레임별로 가장 일측에 위치하는 외곽선을 저장하도록 하는 명령을 포함할 수 있다.In this case, the command to obtain the valid data using the plurality of extracted outlines includes a command to align and store the center coordinates of the plurality of outlines extracted from the target image for each frame according to coordinate values and to store the extracted It may include a command to store the outline located at the most one side for each frame of the target image among the plurality of outlines.
상기 유효 데이터로부터 비장의 위치를 예측하도록 하는 명령은, 상기 프레임별 대상 이미지들로부터 추출된 복수의 상기 외곽선들의 중심 좌표들을 대상으로 평균 중심 좌표 값을 산출하도록 하는 명령, 상기 평균 중심 좌표 값을 기준으로 데이터 필터링을 수행하도록 하는 명령 및 상기 필터링 후 남은 복수의 외곽선들 중 가장 넓이가 큰 제3 대표 외곽선을 추출하여 상기 비장의 위치를 예측하도록 하는 명령을 포함할 수 있다.The command to predict the position of the spleen from the valid data is a command to calculate an average central coordinate value for the central coordinates of the plurality of outlines extracted from the target images for each frame, and the average central coordinate value is based on the It may include a command to perform data filtering with , and a command to predict the location of the spleen by extracting a third representative outline having the largest width among the plurality of outlines remaining after the filtering.
상기 목적을 달성하기 위한 본 발명의 또 다른 실시예에 따른 심근관류 자기공명 영상 분석 방법은, 외부로부터 수신된 적어도 하나의 프레임별 심혈관 영상 이미지로부터 대상 이미지를 개별적으로 획득하는 단계, 심실의 위치를 예측하는 제1 모드 및 비장의 위치를 예측하는 제2 모드 중 어느 하나로의 대상 모드 정보를 확인하는 단계, 상기 대상 모드에 따라 적어도 하나의 상기 프레임별 대상 이미지를 전처리하는 단계, 사전 설정된 픽셀 밝기값을 기준으로, 전처리된 상기 프레임별 대상 이미지를 이진화하여 적어도 하나의 외곽선을 추출하는 단계, 이진화된 상기 프레임별 대상 이미지로부터 적어도 하나의 유효 데이터를 획득하는 단계 및 상기 유효 데이터로부터 상기 대상 모드에 따른 장기의 위치를 예측하는 단계를 포함한다.Myocardial perfusion magnetic resonance image analysis method according to another embodiment of the present invention for achieving the above object includes: individually acquiring a target image from at least one frame-by-frame cardiovascular image image received from the outside; Checking target mode information in any one of a first mode for predicting and a second mode for predicting the position of the spleen, pre-processing at least one target image for each frame according to the target mode, preset pixel brightness value extracting at least one outline by binarizing the pre-processed target image for each frame based on , obtaining at least one valid data from the binarized target image for each frame, and predicting the position of the organ.
여기서, 상기 대상 모드에 따라 적어도 하나의 상기 프레임별 대상 이미지를 전처리하는 단계는, 상기 대상 모드가 상기 제1 모드일 경우, 상기 프레임별 대상 이미지의 픽셀 크기를 조정하는 단계 및 픽셀 크기가 조정된 상기 프레임별 대상 이미지를 확대하는 단계를 포함할 수 있다.Here, the pre-processing of at least one target image for each frame according to the target mode includes: when the target mode is the first mode, adjusting the pixel size of the target image for each frame and adjusting the pixel size It may include enlarging the target image for each frame.
또한, 상기 대상 모드에 따라 적어도 하나의 상기 프레임별 대상 이미지를 전처리하는 단계는, 상기 대상 모드가 상기 제2 모드일 경우, 상기 프레임별 대상 이미지 내 일측의 소정 영역을 마스킹(masking) 처리하는 단계, 상기 프레임별 대상 이미지의 픽셀 크기를 조정하는 단계 및 픽셀 크기가 조정된 상기 프레임별 대상 이미지를 확대하는 단계를 포함할 수 있다.In addition, the pre-processing of the at least one target image for each frame according to the target mode may include: when the target mode is the second mode, masking a predetermined area on one side of the target image for each frame , adjusting the pixel size of the target image for each frame and enlarging the target image for each frame whose pixel size is adjusted.
상기 이진화된 프레임별 대상 이미지로부터 적어도 하나의 유효 데이터를 획득하는 단계는, 상기 프레임별 대상 이미지로부터 추출된 복수의 외곽선들을 대상으로 예외 발생 여부를 확인하는 단계 및 예외가 발생하지 않을 경우, 상기 추출된 복수의 외곽선들을 이용하여 상기 유효 데이터를 획득하는 단계를 포함할 수 있다.The step of obtaining at least one valid data from the target image for each binarized frame includes checking whether an exception has occurred for a plurality of outlines extracted from the target image for each frame, and if no exception occurs, the extraction The method may include obtaining the valid data by using the plurality of outlines.
상기 유효 데이터로부터 상기 대상 모드에 따른 장기의 위치를 예측하는 단계는, 상기 대상 모드가 상기 제1 모드일 경우, 상기 프레임별 대상 이미지들로부터 추출된 복수의 제1 외곽선들을 대상으로 평균 중심 좌표를 산출하는 단계, 복수의 상기 제1 외곽선들 중 상기 평균 중심 좌표를 기준으로 특정값 이상 또는 상기 특정값 이하의 좌표값을 갖는 적어도 하나의 제1 외곽선을 삭제하는 단계 및 상기 프레임별 대상 이미지들의 상기 제1 외곽선들 중 넓이가 가장 큰 제1 외곽선을 제1 대표 외곽선으로 추출하여, 좌심실의 위치를 예측하는 단계를 포함하되, 상기 제1 외곽선들은 상기 추출된 복수의 외곽선들을 필터링 한 후 상기 프레임별 대상 이미지들로부터 각각 중심 좌표를 기준으로 가장 일측에 위치하는 외곽선을 추출한 것일 수 있다.The predicting of the position of the organ according to the target mode from the valid data may include, when the target mode is the first mode, an average center coordinate of a plurality of first outlines extracted from the target images for each frame. Calculating, deleting at least one first outline having a coordinate value greater than or equal to a specific value or less than or equal to a specific value based on the average center coordinate among a plurality of first outlines, and the frame-by-frame target images extracting a first outline having the largest width among the first outlines as a first representative outline to predict a location of the left ventricle, wherein the first outlines are extracted by the frame after filtering the plurality of outlines It may be that an outline located at the most one side is extracted from the target images based on the center coordinates, respectively.
또는, 상기 유효 데이터로부터 상기 대상 모드에 따른 장기의 위치를 예측하는 단계는, 상기 대상 모드가 상기 제1 모드일 경우, 상기 프레임별 대상 이미지들로부터 추출된 복수의 제2 외곽선들을 대상으로 평균 중심 좌표를 산출하는 단계, 복수의 상기 제2 외곽선들 중 상기 평균 중심 좌표를 기준으로 특정값 이상 또는 상기 특정값 이하의 좌표값을 갖는 적어도 하나의 제2 외곽선을 삭제하는 단계 및 상기 프레임별 대상 이미지들의 상기 제2 외곽선들 중 넓이가 가장 큰 제2 외곽선을 제2 대표 외곽선으로 추출하여, 우심실의 위치를 예측하는 단계를 포함하되, 상기 제2 외곽선들은 상기 추출된 복수의 외곽선들을 필터링 한 후 상기 프레임별 대상 이미지의 상기 제1 외곽선의 중심을 기준으로 타측 방향에 위치한 외곽선들 중 가장 근접하게 위치한 외곽선을 각각 추출한 것일 수 있다.Alternatively, the predicting of the position of the organ according to the target mode from the valid data may include, when the target mode is the first mode, an average center of a plurality of second outlines extracted from the target images for each frame. Calculating coordinates, deleting at least one second outline having a coordinate value greater than or equal to a specific value or less than or equal to a specific value based on the average center coordinate among a plurality of second outlines, and the target image for each frame extracting a second outline having the largest width among the second outlines of the ventricle as a second representative outline to predict a position of the right ventricle, wherein the second outlines are extracted after filtering the plurality of outlines. The outlines located closest to each other may be extracted from among the outlines located in the other direction with respect to the center of the first outline of the target image for each frame.
한편, 상기 유효 데이터로부터 상기 대상 모드에 따른 장기의 위치를 예측하는 단계는, 상기 대상 모드가 상기 제2 모드일 경우, 상기 프레임별 대상 이미지로부터 단일 추출되는 대표 외곽선들의 중심 좌표들을 대상으로 평균 중심 좌표 값을 산출하는 단계, 상기 평균 중심 좌표 값을 기준으로 데이터 필터링을 수행하는 단계 및 상기 필터링 후 남은 상기 복수의 대표 외곽선들 중 가장 넓이가 큰 제3 대표 외곽선을 추출하여 상기 비장의 위치를 예측하는 단계를 포함할 수 있다.Meanwhile, in the step of predicting the position of the organ according to the target mode from the valid data, when the target mode is the second mode, the average center of the center coordinates of the representative outlines single extracted from the target image for each frame Calculating a coordinate value, performing data filtering based on the average center coordinate value, and extracting a third representative outline having the largest width among the plurality of representative outlines remaining after the filtering to predict the location of the spleen may include the step of
이때, 상기 대표 외곽선들의 중심 좌표들을 대상으로 평균 중심 좌표 값을 산출하는 단계는, 상기 프레임별 대상 이미지로부터 복수의 외곽선들이 추출될 경우, 추출된 복수의 외곽선들의 개별 중심 좌표를 산출하는 단계 및 특정 값 이상 또는 이하의 상기 개별 중심 좌표를 포함하는 외곽선을 삭제하는 단계를 포함할 수 있다. In this case, the calculating of the average center coordinate value with respect to the center coordinates of the representative outlines includes: when a plurality of outlines are extracted from the target image for each frame, calculating individual center coordinates of the plurality of extracted outlines; It may include deleting an outline including the individual center coordinates greater than or equal to the value.
또한, 상기 평균 중심 좌표 값을 기준으로 데이터 필터링을 수행하는 단계는, 상기 평균 중심 좌표를 기준으로 특정 값 이상 또는 이하의 좌표값을 갖는 적어도 하나의 대표 외곽선을 삭제하는 단계를 포함할 수 있다.In addition, performing data filtering based on the average center coordinate value may include deleting at least one representative outline having a coordinate value greater than or equal to a specific value based on the average center coordinate value.
상기 유효 데이터로부터 상기 대상 모드에 따른 장기의 위치를 예측하는 단계는, 상기 대상 모드가 상기 제1 모드일 경우 심근 영역을 산출하는 단계를 더 포함할 수 있다.Predicting the position of the organ according to the target mode from the valid data may further include calculating a myocardial region when the target mode is the first mode.
또한, 상기 유효 데이터로부터 상기 대상 모드에 따른 장기의 위치를 예측하는 단계는, 상기 심근 영역을 산출하는 단계 이후에, 상기 심근 영역 내 허혈 방생 영역을 예측하는 단계를 더 포함할 수 있다.The predicting of the position of the organ according to the target mode from the valid data may further include estimating the ischemic release region within the myocardial region after calculating the myocardial region.
본 발명의 실시예에 따른 심근관류 자기공명 영상 분석 장치 및 방법은 외부로부터 수신된 적어도 하나의 프레임별 심혈관 영상 이미지로부터 대상 이미지를 개별적으로 획득하고, 획득한 적어도 하나의 프레임별 대상 이미지를 전처리하며, 특정 픽셀 밝기값을 기준으로 적어도 하나의 프레임별 대상 이미지를 이진화하여 적어도 하나의 외곽선을 추출하며, 이진화된 프레임별 대상 이미지로부터 적어도 하나의 유효 데이터를 획득하여 심실 및 심근, 또는 비장의 위치 및 프레임별 밝기 변화를 동적으로 인식함으로써, 심혈관 질환 진단 장치와 연동하여 고속, 고효율 및 고신뢰성의 심혈관 진단이 가능한 심혈관 영상 분석 장치심근관류 자기공명 영상 분석 장치 및 방법을 제공할 수 있다.Myocardial perfusion magnetic resonance image analysis apparatus and method according to an embodiment of the present invention separately acquires a target image from at least one frame-by-frame cardiovascular image image received from the outside, pre-processes the acquired target image for each frame, , extracts at least one outline by binarizing at least one target image for each frame based on a specific pixel brightness value, and obtaining at least one valid data from the binarized target image for each frame to determine the location of the ventricles, myocardium, or spleen By dynamically recognizing brightness changes for each frame, it is possible to provide an apparatus and method for analyzing a cardiovascular image, which is capable of performing high-speed, high-efficiency, and highly reliable cardiovascular diagnosis in conjunction with a cardiovascular disease diagnosis apparatus.
도 1은 조영제가 투여된 심장이 촬영된 시간별 MRI 촬영 이미지들이다.
도 2는 본 발명의 실시예에 따른 심근관류 자기공명 영상 분석 장치의 블록 구성도이다.
도 3은 본 발명의 실시예에 따른 심근관류 자기공명 영상 분석 방법의 순서도이다.
도 4는 본 발명의 실시예에 따른 심근관류 자기공명 영상 분석 방법 중 제1 모드에 따른 대상 이미지의 전처리 방법을 설명하기 위한 이미지들이다.
도 5는 본 발명의 실시예에 따른 심근관류 자기공명 영상 분석 방법 중 제2 모드에 따른 대상 이미지의 전처리 방법을 설명하기 이미지들이다.
도 6은 본 발명의 실시예에 따른 심근관류 자기공명 영상 분석 방법 중 제1 모드일 경우 대상 이미지별 데이터 필터링하는 단계를 설명하기 위한 순서도이다.
도 7은 본 발명의 실시예에 따른 심근관류 자기공명 영상 분석 방법 중 제2 모드일 경우 대상 이미지별 데이터 필터링하는 단계를 설명하기 위한 순서도이다.
도 8은 본 발명의 실시예에 따른 심근관류 자기공명 영상 분석 방법 중 제1 모드에 따른 심실 및 심근의 위치를 산출하는 단계를 설명하기 위한 순서도이다.
도 9는 본 발명의 실시예에 따른 심근관류 자기공명 영상 분석 방법 중 심실의 위치를 검증하는 단계를 설명하기 위한 이미지이다.
도 10은 본 발명의 실시예에 따른 심근관류 자기공명 영상 분석 방법 중 심근 영역을 예측하는 단계를 설명하기 위한 순서도이다.
도 11은 본 발명의 실시예에 따른 심근관류 자기공명 영상 분석 방법 중 프레임별 대상 이미지 내 심근 영역에서 추출된 픽셀들을 대상으로, 필터링 전후의 픽셀 값을 추출한 그래프이다.
도 12는 본 발명의 실시예에 따른 심근관류 자기공명 영상 분석 방법 중 심근 영역 내 허혈 발생 영역을 예측하는 단계를 설명하기 위한 그래프이다.
도 13은 본 발명의 실시예에 따른 심근관류 자기공명 영상 분석 방법 중 제2 모드로 동작할 경우 비장의 위치를 산출하는 단계를 설명하기 위한 순서도이다.1 is an MRI image of a heart to which a contrast agent is administered.
2 is a block diagram of a myocardial perfusion magnetic resonance image analysis apparatus according to an embodiment of the present invention.
3 is a flowchart of a method for analyzing myocardial perfusion magnetic resonance imaging according to an embodiment of the present invention.
4 is an image for explaining a method for pre-processing a target image according to the first mode among myocardial perfusion magnetic resonance image analysis methods according to an embodiment of the present invention.
5 is an image illustrating a pre-processing method of a target image according to the second mode among the myocardial perfusion magnetic resonance image analysis method according to an embodiment of the present invention.
6 is a flowchart for explaining a step of filtering data for each target image in the first mode of the myocardial perfusion magnetic resonance image analysis method according to an embodiment of the present invention.
7 is a flowchart for explaining a step of filtering data for each target image in the second mode of the myocardial perfusion magnetic resonance image analysis method according to an embodiment of the present invention.
8 is a flowchart for explaining the step of calculating the positions of the ventricles and the myocardium according to the first mode in the myocardial perfusion magnetic resonance image analysis method according to an embodiment of the present invention.
9 is an image for explaining the step of verifying the position of the ventricle in the myocardial perfusion magnetic resonance image analysis method according to an embodiment of the present invention.
10 is a flowchart illustrating a step of predicting a myocardial region in the myocardial perfusion magnetic resonance image analysis method according to an embodiment of the present invention.
11 is a graph in which pixel values before and after filtering are extracted from pixels extracted from a myocardial region in a target image for each frame in the method for analyzing myocardial perfusion magnetic resonance imaging according to an embodiment of the present invention.
12 is a graph for explaining a step of predicting an ischemia occurrence region in a myocardial region in the myocardial perfusion magnetic resonance image analysis method according to an embodiment of the present invention.
13 is a flowchart for explaining the step of calculating the position of the spleen when operating in the second mode among the myocardial perfusion magnetic resonance image analysis method according to an embodiment of the present invention.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다. Since the present invention can have various changes and can have various embodiments, specific embodiments are illustrated in the drawings and described in detail in the detailed description. However, this is not intended to limit the present invention to specific embodiments, and it should be understood to include all modifications, equivalents and substitutes included in the spirit and scope of the present invention. In describing each figure, like reference numerals have been used for like elements.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는 데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. "및/또는"이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다. Terms such as first, second, A, and B may be used to describe various elements, but the elements should not be limited by the terms. The above terms are used only for the purpose of distinguishing one component from another. For example, without departing from the scope of the present invention, a first component may be referred to as a second component, and similarly, a second component may also be referred to as a first component. The term “and/or” includes a combination of a plurality of related listed items or any of a plurality of related listed items.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. When an element is referred to as being “connected” or “connected” to another element, it is understood that it may be directly connected or connected to the other element, but other elements may exist in between. it should be On the other hand, when it is said that a certain element is "directly connected" or "directly connected" to another element, it should be understood that the other element does not exist in the middle.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The terms used in the present application are only used to describe specific embodiments, and are not intended to limit the present invention. The singular expression includes the plural expression unless the context clearly dictates otherwise. In the present application, terms such as “comprise” or “have” are intended to designate that a feature, number, step, operation, component, part, or combination thereof described in the specification exists, but one or more other features It should be understood that this does not preclude the existence or addition of numbers, steps, operations, components, parts, or combinations thereof.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless defined otherwise, all terms used herein, including technical and scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art to which this invention belongs. Terms such as those defined in commonly used dictionaries should be interpreted as having a meaning consistent with the meaning in the context of the related art, and should not be interpreted in an ideal or excessively formal meaning unless explicitly defined in the present application. does not
이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 본 발명을 설명함에 있어 전체적인 이해를 용이하게 하기 위하여 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다. Hereinafter, preferred embodiments of the present invention will be described in more detail with reference to the accompanying drawings. In describing the present invention, in order to facilitate the overall understanding, the same reference numerals are used for the same components in the drawings, and duplicate descriptions of the same components are omitted.
도 2는 본 발명의 실시예에 따른 심근관류 자기공명 영상 분석 장치의 블록 구성도이다.2 is a block diagram of a myocardial perfusion magnetic resonance image analysis apparatus according to an embodiment of the present invention.
도 2를 참조하면, 심근관류 자기공명 영상 분석 장치(1000)는 심혈관이 촬영된 영상 이미지를 분석하는 장치일 수 있다. 예를 들어, 심혈관이 촬영된 영상 이미지는 자기공명 영상장치(Magnetic Resonance Imaging, MRI)로 촬영된 이미지일 수 있다. Referring to FIG. 2 , the myocardial perfusion magnetic resonance
실시예에 따르면, 심근관류 자기공명 영상 분석 장치(1000)는 심혈관 질환 진단을 위한 유효 데이터를 생성할 수 있다. 여기서, 유효 데이터는 심실, 심근 및 비장의 위치 데이터 및 심근관류가 의심되는 음영 부위 정보를 포함할 수 있다. According to an embodiment, the myocardial perfusion magnetic resonance
예를 들어, 심근관류 자기공명 영상 분석 장치(1000)는 심혈관 질환 진단 장치 내 프로그램으로 삽입되어 제공되거나, 심혈관 질환 진단 장치와 연동되는 별도의 독립적인 장치로 제공될 수 있다.For example, the myocardial perfusion magnetic resonance
하기에서는 독립적인 장치로 제공되는 경우의 심근관류 자기공명 영상 분석 장치를 구성별로 보다 구체적으로 설명하도록 하겠다. Hereinafter, the myocardial perfusion magnetic resonance image analysis apparatus provided as an independent apparatus will be described in more detail for each configuration.
심근관류 자기공명 영상 분석 장치(1000)는 적어도 하나의 명령을 저장하는 메모리(100) 및 상기 메모리(100)의 적어도 하나의 명령을 실행하는 프로세서(200)를 포함할 수 있다.The myocardial perfusion magnetic resonance
또한, 심근관류 자기공명 영상 분석 장치(1000)는 상기 프로세서(200)를 통해 실행되는 네트워크와 연결되어 통신을 수행하는 송수신 장치(300), 입력 인터페이스 장치(400), 출력 인터페이스 장치(500), 저장 장치(600) 등을 더 포함할 수 있다.In addition, the myocardial perfusion magnetic resonance
심근관류 자기공명 영상 분석 장치(1000)에 포함된 각각의 구성 요소들은 버스(bus, 700)에 의해 연결되어 서로 통신을 수행할 수 있다.Each of the components included in the myocardial perfusion magnetic resonance
예를 들어, 심근관류 자기공명 영상 분석 장치(1000)는 마이크로 컨트롤러 유닛(Micro Controller Unit)으로 제공될 수 있다.For example, the myocardial perfusion magnetic resonance
심근관류 자기공명 영상 분석 장치(1000) 내 메모리(100) 및 저장 장치(600)은 각각 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나로 구성될 수 있다.The
예를 들어, 메모리(100)는 읽기 전용 메모리(read only memory, ROM) 및 랜덤 액세스 메모리(random access memory, RAM) 중에서 적어도 하나로 구성될 수 있다.For example, the
또한, 메모리(100)는 렌더링 엔진(Rendering Engine) 프로그램 및 물리 엔진(Physics Engine) 프로그램을 포함할 수 있다. 여기서, 렌더링 엔진 프로그램은 가상 환경을 영상으로 표현해주는 그래픽 엔진(Graphic Engine)일 수 있으며, 물리 엔진 프로그램은 가상 물체가 현실의 물리 법칙에 따라 움직일 수 있도록 처리해주는 프로그램일 수 있다.Also, the
메모리(100)는 적어도 하나의 명령을 포함할 수 있다. 이때, 상기 적어도 하나의 명령은, 수신된 적어도 하나의 프레임별 심혈관 영상 이미지로부터 대상 이미지를 개별적으로 획득하도록 하는 명령, 상기 적어도 하나의 프레임별 대상 이미지를 전처리하도록 하는 명령, 상기 적어도 하나의 프레임별 대상 이미지를 이진화하도록 하는 명령, 상기 적어도 하나의 프레임별 대상 이미지로부터 적어도 하나의 유효 데이터를 획득하도록 하는 명령 및 상기 유효 데이터로부터 심실의 위치를 예측하도록 하는 명령을 포함할 수 있다.The
프로세서(200)는 메모리(100) 및 저장 장치(600) 중에서 적어도 하나에 저장된 프로그램 명령(program command)을 실행할 수 있다. 실시예에 따르면, 프로세서(200)는 메모리(100) 내 적어도 하나의 명령을 수행할 수 있다.The
상기 적어도 하나의 명령을 수행하는 프로세서(200)의 동작은 후술될 본 발명의 실시예에 따른 심근관류 자기공명 영상 분석 장치를 이용한 심근관류 자기공명 영상 분석 방법의 설명 시 보다 자세히 설명하겠다.The operation of the
도 3은 본 발명의 실시예에 따른 심근관류 자기공명 영상 분석 방법의 순서도이다.3 is a flowchart of a method for analyzing myocardial perfusion magnetic resonance imaging according to an embodiment of the present invention.
도 3을 참조하면, 심근관류 자기공명 영상 분석 장치(1000) 내 프로세서(200)는 대상 이미지를 획득할 수 있다(S1000).Referring to FIG. 3 , the
보다 구체적으로 설명하면, 프로세서(200)는 적어도 하나의 프레임별 심혈관 영상 이미지를 수신할 수 있다(S1100). 여기서, 심혈관 영상 이미지는 심혈관 부위를 자기 공명 영상 장치(MRI, Magnetic Resonance Imaging)로 촬영한 영상 이미지일 수 있다.More specifically, the
프로세서(200)는 수신된 적어도 하나의 프레임별 심혈관 영상 이미지로부터 관심 영역(A)을 추출하여 대상 이미지를 획득할 수 있다(S1500). 여기서, 관심 영역(A)은 심혈관 영상 이미지의 중심부에 위치하며, 심실, 심근 및 비장 이미지를 포함하는 영역일 수 있다.The
실시예에 따르면, 관심 영역(A)은 사전 설정된 설정값에 의해 추출될 수 있다. 예를 들어, 설정값은 심혈관 영상 이미지의 중앙 좌표를 포함하는 픽셀 값 또는 좌표값으로 제공될 수 있다.According to an embodiment, the region of interest A may be extracted according to a preset setting value. For example, the set value may be provided as a pixel value or a coordinate value including a center coordinate of a cardiovascular image.
프로세서(200)는 제1 모드를 실행할 수 있다(S2000). 여기서, 제1 모드는 심근 및 심실의 위치를 예측하기 위한 프로세서(200)의 실행 모드일 수 있다. 다시 말하면, 프로세서(200)는 제1 모드의 실행에 따라 후술될 단계들을 거쳐 심근 및 심실의 위치를 예측할 수 있다. The
프로세서(200)는 제1 모드에 따른 심근 및 심실의 위치 예측이 완료되면, 프로세서(200)는 제2 모드를 실행(S9000)하여 비장의 위치를 예측할 수 있다. 비장의 위치를 예측하는 방법은 심실 및 심근의 위치를 예측하는 방법과 유사함으로, 이하에서는 대상 모드에 따른 대상 장기의 위치 예측 방법으로 통합하여 설명하겠다.When the prediction of the position of the myocardium and the ventricle according to the first mode is completed, the
프로세서(200)는 실행 중인 대상 모드를 확인할 수 있다(S3000). 프로세서(200)는 추출된 대상 이미지를 대상 모드별로 전처리할 수 있다(S4000). 프로세서(200)의 대상 모드별 대상 이미지의 전처리 단계는 하기 도 4 및 도 5를 참조하여 보다 자세히 설명하겠다.The
도 4는 본 발명의 실시예에 따른 심근관류 자기공명 영상 분석 방법 중 제1 모드에 따른 대상 이미지의 전처리 방법을 설명하기 위한 이미지들이다.4 is an image for explaining a pre-processing method of a target image according to the first mode among the myocardial perfusion magnetic resonance image analysis method according to an embodiment of the present invention.
도 4를 참조하면, 프로세서(200)는 앞서 설명한 바와 같이, 제1 모드에 따라 대상 이미지를 전처리할 수 있다.Referring to FIG. 4 , as described above, the
일 실시예에 따라 보다 구체적으로 설명하면, 프로세서(200)는 제1 모드로 동작할 경우, 대상 이미지의 픽셀(Pixel) 크기를 조정(scaling)할 수 있다. 예를 들어, 프로세서(200)는 제1 모드로 동작할 경우, 프레임별 추출된 적어도 하나의 대상 이미지의 픽셀 비트(pixel bit)를 10비트(bit)에서 8비트(bit)로 조정할 수 있다.More specifically, according to an embodiment, when the
이후, 프로세서(200)는 조절된 대상 이미지를 확대할 수 있다. 예를 들어, 프로세서(200)는 제1 모드로 동작할 경우, 대상 이미지를 가로 및 세로 방향으로 각각 32배 확대시킬 수 있다.Thereafter, the
도 5는 본 발명의 실시예에 따른 심근관류 자기공명 영상 분석 방법 중 제2 모드에 따른 대상 이미지의 전처리 방법을 설명하기 이미지들이다.5 is an image illustrating a pre-processing method of a target image according to the second mode among the myocardial perfusion magnetic resonance image analysis method according to an embodiment of the present invention.
도 5를 참조하면, 프로세서(200)는, 다른 실시예에 따라, 프로세서(200)는 제2 모드로 동작할 수 있다. Referring to FIG. 5 , the
프로세서(200)는 제2 모드로 동작할 경우, 추출된 대상 이미지의 좌측 끝으로부터 일정 영역을 마스킹(masking) 할 수 있다. 예를 들어, 프로세서(200)는 대상 이미지의 좌측 열을 기준으로 1/4만큼 마스킹할 수 있다.When the
이후, 프로세서(200)는 앞서 설명한 제1 모드에서와 같이, 대상 이미지의 픽셀(Pixel)을 조정(scaling)할 수 있다. 예를 들어, 프로세서(200)는 제1 모드에서와 같이, 프레임별 추출된 적어도 하나의 대상 이미지의 픽셀 비트(pixel bit)를 10비트(bit)에서 8비트(bit)로 조정할 수 있다.Thereafter, as in the first mode described above, the
프로세서(200)는 조정된 대상 이미지를 확대할 수 있다. 예를 들어, 프로세서(200)는 제2 모드로 동작할 경우, 대상 이미지를 가로 및 세로 방향으로 각각 16배 확대시킬 수 있다.The
다시 도 3을 참조하면, 프로세서(200)는 전처리된 적어도 하나의 대상 이미지를 이진화 할 수 있다(S5000). 이에 따라, 프로세서(200)는 대상 이미지로부터 외곽선(Contour)을 추출할 수 있다.Referring back to FIG. 3 , the
실시예에 따라 보다 구체적으로 설명하면, 프로세서(200)는 특정 임계값(threshold)을 설정하여 대상 이미지를 이진화할 수 있다. 여기서, 특정 임계값(threshold)은 대상 이미지 내 픽셀(pixel)의 특정 밝기값일 수 있으며, 외곽선(Contour)이 명확히 드러나도록 조정하여 설정할 수 있다.More specifically, according to the embodiment, the
이후, 프로세서(200)는 적어도 하나의 대상 이미지로부터 대상 모드별 유효 데이터를 획득할 수 있다(S6000).Thereafter, the
보다 구체적으로 설명하면, 프로세서(200)는 개별 대상 이미지로부터 획득된 적어도 하나의 외곽선(contour)을 대상으로 예외(exception) 발생 여부를 확인할 수 있다(S6100). 예를 들어, 예외(exception)가 발생하는 경우는 이진화된 대상 이미지 상에 복수의 외곽선(contour)이 형성되거나, 이진화로부터 획득한 복수의 외곽선(contour) 중 어느 하나가 특정 조건에 부합하지 않을 경우를 포함할 수 있다. 여기서, 상기 특정 조건은, 이진화된 외곽선(contour)의 크기가 특정 값보다 작거나 크고, 가로 및 세로의 크기 비율이 이상하거나, 외곽선(contour)을 둘러싸는 사각형에 빈 곳이 많거나 외곽선(contour)에 저장되어 있는 좌푯값이 특정 값 이상 또는 이하인 경우, 또는 외곽선(contour)의 중심 좌푯값이 특정 값 이상 또는 이하인 경우 중 적어도 어느 하나를 포함할 수 있다. 이때, 설정된 특정 값에 대해서도 예외가 발생할 경우, 특정 임계값(threshold)을 재조정할 수 있다. More specifically, the
예외(exception)가 발생될 경우, 프로세서(200)는 대상 이미지별로 예외를 발생시키는 적어도 하나의 외곽선(contour)를 삭제하고, 남은 적어도 하나의 외곽선(contour), 다시 말해, 예외가 발생되지 않는 적어도 하나의 외곽선(contour)을 획득할 수 있다. When an exception is generated, the
이때, 상기 예외가 발생되지 않는 적어도 하나의 외곽선(contour)을 대상으로, 이후의 과정에서 또다시 예외(exception)가 발생될 경우, 프로세서(200)는 특정 임계값(threshold)을 재조정하여 S5000 단계부터 재수행할 수 있다. 따라서, 본 발명의 실시예에 따른 심근관류 영상 분석 장치 내 프로세서(200)는 대상 이미지별로 노이즈(noise) 없는 적어도 하나의 정밀한 외곽선(contour)들을 획득할 수 있다. At this time, when an exception occurs again in the subsequent process for at least one contour in which the exception does not occur, the
이후, 프로세서(200)는 대상 이미지별로 획득한 적어도 하나의 외곽선(contour)들을 대상으로, 대상 모드별 데이터 필터링을 수행할 수 있다(S6500). Thereafter, the
일 실시예에 따르면, 프로세서(200)는 제1 모드로 동작할 경우, 대상 이미지별로 획득한 적어도 하나의 외곽선(contour)들을 대상으로 데이터 필터링을 수행할 수 있다.According to an embodiment, when the
제1 모드로의 동작시 데이터 필터링을 수행하는 단계는 하기 도 6을 참조하여 보다 구체적으로 설명하겠다.The step of performing data filtering during operation in the first mode will be described in more detail with reference to FIG. 6 below.
도 6은 본 발명의 실시예에 따른 심근관류 자기공명 영상 분석 방법 중 제1 모드일 경우 대상 이미지별 데이터 필터링하는 단계를 설명하기 위한 순서도이다.6 is a flowchart for explaining a step of filtering data for each target image in the first mode of the myocardial perfusion magnetic resonance image analysis method according to an embodiment of the present invention.
도 3 및 도 6을 참조하면, 프로세서(200)는 제1 모드로 동작할 경우, 복수의 프레임별 대상 이미지(I1, I2, …, IN)들을 필터링할 수 있다.3 and 6 , when the
보다 구체적으로 설명하면, 프로세서(200)는 N이 1(S6510)인 제1 대상 이미지(I1)를 준비할 수 있다(S6520).More specifically, the
이후, 프로세서(200)는 제1 대상 이미지에서 복수의 외곽선(contour)들이 추출된 경우, 추출된 적어도 하나의 외곽선(contour)을 필터링할 수 있다(S6530).Thereafter, when a plurality of contours are extracted from the first target image, the
실시예에 따르면, 프로세서(200)는 추출된 외곽선(contour)들의 중심 사이의 거리를 사전 설정값과 비교하여, 중심 사이의 거리가 설정값보다 큰 경우에 해당하는 적어도 하나의 외곽선(contour)을 삭제할 수 있다.According to an embodiment, the
이후, 해당 대상 이미지가 마지막인 제N 대상 이미지가 아닐 경우(S6540), 프로세서(200)는 다음 프레임 이미지(N=n+1)인 제2 대상 이미지를 대상(S6550)으로 S6510부터 S6550까지의 단계를 순차적으로 수행할 수 있다. 이에 따라, 프로세서(200)는 제N 대상 이미지인 모든 프레임별 대상 이미지들의 데이터 필터링을 수행할 수 있다. 따라서, 모든 프레임별 대상 이미지들은 데이터 필터링을 통해, 모든 프레임 대상 이미지들은 동일한 외곽선이 일괄적으로 남아있을 수 있다.Thereafter, when the corresponding target image is not the last Nth target image (S6540), the
프로세서(200)는 필터링된 모든 프레임별 대상 이미지들로부터 추출된 외곽선(contour)으로부터 유효 데이터를 획득할 수 있다(S6560). 예를 들어, 유효 데이터는 제1 외곽선, 제2 외곽선 및 제1 원의 정보를 포함할 수 있다. The
실시예에 따라 보다 구체적으로 설명하면, 프로세서(200)는 필터링된 모든 프레임별 대상 이미지들에 3개 이상의 외곽선(contour)이 남을 경우, 상기 외곽선(contour)들 중 제1 대상 이미지의 중심 좌표를 기준으로 가장 우측에 위치하는 제1 외곽선(contour, 미도시) 및 상기 제1 외곽선의 중심으로부터 좌측 방향으로 가장 근접한 거리에 위치하는 제2 외곽선(contour, 미도시)을 추출할 수 있다.In more detail according to the embodiment, when three or more contours remain in all the filtered target images for each frame, the
이후, 프로세서(200)는 추출된 제1 외곽선의 중심 좌표를 중심점으로 하고, 제2 외곽선과 외접하는 최소 반지름을 갖는 제1 원(미도시)을 생성할 수 있다. Thereafter, the
프로세서(200)는 상기 제1 및 제2 외곽선들을 제외한 적어도 하나의 다른 외곽선(contour)은 삭제할 수 있다.The
프로세서(200)는 추출된 유효 데이터들인 제1 외곽선, 제2 외곽선 및 제1 원을 저장 장치(600)에 저장할 수 있다. 이때, 프로세서(200)는 유효 데이터들을 좌표 값을 기준으로 정렬하여 저장할 수 있다. The
따라서, 프로세서(200)는 모든 프레임별 대상 이미지들로부터 각각 심근 및 심실의 위치를 예측하기 위한 적어도 하나의 유효 데이터를 추출할 수 있다. Accordingly, the
다시 도 3을 참조하면, 다른 실시예에 따라, 프로세서(200)는 비장의 위치를 예측하는 제2 모드로 동작할 경우, 대상 이미지별로 획득한 적어도 하나의 외곽선(contour)들을 이용하여, 유효 데이터를 획득할 수 있다(S6500). Referring back to FIG. 3 , according to another embodiment, when the
제2 모드로의 동작시 유효 데이터를 획득하는 단계는 하기 도 7을 참조하여 보다 구체적으로 설명하겠다.The step of acquiring valid data during operation in the second mode will be described in more detail with reference to FIG. 7 below.
도 7은 본 발명의 실시예에 따른 심근관류 자기공명 영상 분석 방법 중 제2 모드일 경우 대상 이미지별 유효 데이터를 획득하는 단계를 설명하기 위한 순서도이다.7 is a flowchart illustrating a step of acquiring valid data for each target image in the second mode of the myocardial perfusion magnetic resonance image analysis method according to an embodiment of the present invention.
도 7을 참조하면, 프로세서(200)는 제2 모드로 동작할 경우, 복수의 프레임별 대상 이미지(I1, I2, …, IN)들을 대상으로 유효 데이터를 획득할 수 있다. 다시 말하면, 프로세서(200)는 제2 모드로 동작할 경우, 복수의 프레임별 대상 이미지(I1, I2, …, IN)들을 대상으로 획득한 데이터를 필터링할 수 있다.Referring to FIG. 7 , when the
보다 구체적으로 설명하면, 프로세서(200)는 N이 1(S6510A)인 제1 대상 이미지(I1)를 준비할 수 있다(S6520A). More specifically, the
프로세서(200)는 제1 대상 이미지(I1)로부터 추출된 적어도 하나의 외곽선(contour)의 중심 좌표를 저장 장치(600)에 저장할 수 있다(S6530A). The
이후, 프로세서(200)는 저장 장치(600)에 저장된 적어도 하나의 중심 좌표를 좌표값에 따라 정렬시킬 수 있다(S6540A).Thereafter, the
또한, 프로세서(200)는 제1 대상 이미지에서 적어도 하나의 외곽선(contour)이 추출될 경우, 가장 우측에 위치하는 외곽선(contour)를 저장할 수 있다(S6550A).Also, when at least one contour is extracted from the first target image, the
이후, 프로세서(200)는 다음 프레임 이미지(N=n+1)인 제2 대상 이미지를 대상(S6560A)으로 S6510A부터 S6560A까지의 단계를 순차적으로 수행함으로써, 제N 대상 이미지인 모든 프레임 대상 이미지들로부터 비장의 위치를 예측하기 위한 적어도 하나의 유효 데이터를 획득할 수 있다.Thereafter, the
다시 도 3을 참조하면, 프로세서(200)는 프레임별 대상 이미지들로부터 대상 모드에 따른 대상 장기의 위치를 예측할 수 있다(S7000). Referring back to FIG. 3 , the
실시예에 따르면, 프로세서(200)는 제1 모드로의 동작에 따라 심근 및 심실의 위치를 예측할 수 있다. 심근 및 심실의 위치를 예측하는 단계는 하기 도 8을 참조하여 보다 구체적으로 설명하겠다.According to an embodiment, the
도 8은 본 발명의 실시예에 따른 심근관류 자기공명 영상 분석 방법 중 제1 모드에 따른 심실 및 심근의 위치를 산출하는 단계를 설명하기 위한 순서도이다.8 is a flowchart for explaining the step of calculating the positions of the ventricles and the myocardium according to the first mode in the myocardial perfusion magnetic resonance image analysis method according to an embodiment of the present invention.
도 8을 참조하면, 프로세서(200)는 제1 모드에 따른 심실의 위치를 예측할 수 있다. Referring to FIG. 8 , the
일 실시예에 따르면, 프로세서(200)는 좌심실의 위치를 예측할 수 있다(S7100).According to an embodiment, the
보다 구체적으로 설명하면, 프로세서(200)는 저장 장치(600)에 저장된 프레임별 대상 이미지들의 유효 데이터 중 복수의 제1 외곽선들을 대상으로 평균 중심 좌표를 산출할 수 있다(S7110). More specifically, the
이후, 프로세서(200)는 제1 외곽선들을 필터링(S7130)하여 제1 대표 외곽선을 추출할 수 있다. Thereafter, the
실시예에 따라 보다 구체적으로 설명하면, 프로세서(200)는 복수의 제1 외곽선들을 대상으로 획득한 평균 중심 좌표를 이용하여, 제1 외곽선을 필터링 할 수 있다. 예를 들어, 프로세서(200)는 복수의 상기 제1 외곽선들 중 상기 평균 중심 좌표를 기준으로 특정값 이상 또는 상기 특정값 이하의 좌표값을 갖는 적어도 하나의 제1 외곽선을 삭제할 수 있다. More specifically, according to an embodiment, the
이후, 프로세서(200)는 반지름의 크기가 0인 적어도 하나의 제1 원을 삭제할 수 있다. Thereafter, the
그리고, 프로세서(200)는 제1 외곽선(LR)이 없는 대상 이미지 프레임의 경우, 해당 프레임의 근처에 위치한 대상 이미지의 제1 외곽선의 좌표 값을 바탕으로, 보간(interpolation) 또는 보외(extrapolation)를 수행할 수 있다. Then, in the case of the target image frame without the first outline LR, the
이후, 프로세서(200)는 모든 대상 이미지들의 제1 외곽선 중에서 넓이가 가장 큰 제1 외곽선을 제1 대표 외곽선(LRs, 도 9 참조)으로 추출할 수 있다(S7150). Thereafter, the
프로세서(200)는 모든 대상 이미지들의 제1 외곽선을 제1 대표 외곽선(LRs)으로 변경하여 대체할 수 있다(S7170).The
이때, 제1 대표 외곽선(LRs, 도 9 참조)은 좌심실의 위치를 의미할 수 있다. 따라서, 프로세서(200)는 좌심실의 위치를 예측할 수 있다. In this case, the first representative outline LRs (refer to FIG. 9 ) may mean the position of the left ventricle. Accordingly, the
다시 도 8을 참조하면, 다른 실시예에 따라, 프로세서(200)는 우심실의 위치를 예측할 수 있다(S7300).Referring back to FIG. 8 , according to another embodiment, the
보다 구체적으로 설명하면, 프로세서(200)는 유효 데이터 중 복수의 제2 외곽선들로부터 적어도 하나의 제2 외곽선을 필터링하여 제2 대표 외곽선(LLs)을 추출할 수 있다. 적어도 하나의 제2 외곽선을 필터링하여 제2 대표 외곽선(LLs)을 추출하는 단계들(S7310, S7330, S7350)은 상기 제1 대표 외곽선(LRs)을 추출하는 단계와 동일하므로, 자세한 설명은 생략토록 하겠다.More specifically, the
프로세서(200)는 모든 대상 이미지들의 제2 외곽선을 제2 대표 외곽선(LLs)으로 변경하여 대체할 수 있다(S7370). 따라서, 프로세서(200)는 우심실의 위치를 예측할 수 있다. The
도 9는 본 발명의 실시예에 따른 심근관류 자기공명 영상 분석 방법 중 심실의 위치를 검증하는 단계를 설명하기 위한 이미지이다.9 is an image for explaining the step of verifying the position of the ventricle in the myocardial perfusion magnetic resonance image analysis method according to an embodiment of the present invention.
도 9를 참조하면, 프로세서(200)는 좌심실 및 우심실의 위치를 검증할 수 있다(S7500). Referring to FIG. 9 , the
보다 구체적으로 설명하면, 프로세서(200)는 제1 대표 외곽선(LRs)를 둘러싸는 가장 작은 제3 원(C3)을 생성할 수 있다. 이후, 프로세서(200)는 상기 제3 원(C3)의 중심 및 반지름 정보를 저장 장치(600)에 저장할 수 있다.More specifically, the
프로세서(200)는 제3 원(C3)의 중심으로부터 제2 대표 외곽선(LLs)과 외접하는 최소 거리를 반지름으로 하는 제4 원(C4)을 생성할 수 있다. 이후, 프로세서는 제4 원(C4)의 반지름 정보를 저장할 수 있다. The
프로세서(200)는 저장된 제3 및 제4 원(C3, C4)의 반지름 차이를 비교할 수 있다. 이때, 반지름의 차이가 특정값 대비 작을 경우, 예외(exception)을 발생시킬 수 있다. 예외(exception)가 발생될 경우, 프로세서(200)는 저장 장치(600) 내 저장된 정보들을 삭제하고, 특정 임계값(threshold)을 재조정하여 도 3의 S5000 단계부터 재수행할 수 있다.The
다시 도 8을 참조하면, 프로세서(200)는 유효 데이터로부터 심근 영역을 예측할 수 있다(S7700). 심근 영역을 예측하는 단계는 도 10을 참조하여 보다 구체적으로 설명하겠다.Referring back to FIG. 8 , the
도 10은 본 발명의 실시예에 따른 심근관류 자기공명 영상 분석 방법 중 심근 영역을 예측하는 단계를 설명하기 위한 순서도이다.10 is a flowchart illustrating a step of predicting a myocardial region in the myocardial perfusion magnetic resonance image analysis method according to an embodiment of the present invention.
도 9 및 도 10을 참조하면, 프로세서(200)는 적어도 하나의 직선을 생성하여 심실을 분할하여 적어도 하나의 분할 영역을 생성할 수 있다(S7710).9 and 10 , the
일 실시예에 따라 보다 구체적으로 설명하면, 프로세서(200)는 좌심실의 중심을 지나면서 우심실에 접하는 제1 직선(L1) 및 제2 직선(L2)을 생성하여 심실을 4개의 섹터(sector)로 분할할 수 있다.More specifically, according to an embodiment, the
다른 실시예에 따라 보다 구체적으로 설명하면, 프로세서(200)는 좌심실인 제1 대표외곽선(LRS)의 중심 좌표를 지나는 제1 직선 및 제2 직선과 함께, 상기 두 직선(L1, L2)의 기울기를 반으로 분할하며 우심실인 제2 대표외곽선(LLS)를지나가는 제3 직선(L3)을 생성할 수 있다.When described in more detail according to another embodiment, the
이후, 프로세서(200)는 제3 직선(L3)의 기울기를 0도부터 0.1도씩 조정(L3')함으로써 직선의 일부 좌표가 우심실인 제2 대표 외곽선(LLs)에 접하는지 또는 내부에 속하는지를 판단하여 제1 내지 제3 직선들(L1, L2, L3)의 위치를 확정지을 수 있다. 이에 따라, 프로세서(200)는 확정된 제1 내지 제3 직선들(L1, L2, L3)을 이용하여 심실을 6개의 분할 영역(secter, S)으로 분할할 수 있다. Thereafter, the
그러나, 프로세서(200)는 상기 언급한 바에 국한되지 않고, 제1 직선(L1) 및 제2 직선(L2)만을 이용하여, 심실을 4개의 분할 영역(secter, S)으로 분할할 수 있다.However, the
한편, 각도가 서로 같은 직선들이 존재할 경우, 프로세서(200)는 예외(exception)를 발생시킬 수 있다. 예외(exception)가 발생될 경우, 프로세서(200)는 저장 장치(600) 내 저장된 정보들을 삭제하고, 특정 임계값(threshold)을 재조정하여 S5000 단계부터 재수행할 수 있다.Meanwhile, when straight lines having the same angle exist, the
이후, 프로세서(200)는 블록 껍질 알고리즘(convex hull algorythm)을 이용하여, 좌심실을 둘러싸는 제1 대표 외곽선(LRs)의 블록 껍질(convex hull, CH)을 생성할 수 있다(S7720).Thereafter, the
이후, 프로세서(200)는 제3 및 제4 원(C3, C4)의 반지름의 차이만큼 블록 껍질(convex hull)을 확대한 제1 껍질(CH1)을 생성할 수 있다(S7730).Thereafter, the
또한, 프로세서(200)는 제3 및 제4 원(C3, C4)의 반지름의 차이의 반(1/2) 만큼 블록 껍질(convex hull)을 확대한 제2 껍질(CH2)을 생성할 수 있다(S7740).Also, the
프로세서(200)는 생성된 제2 껍질(CH2) 및 제3 원의 외곽을 둘러싸는 제3 외곽선(contour, 미도시)을 생성할 수 있다(S7750). 이에 따라, 프로세서(200)는 제3 외곽선(contour)으로 둘러싸인 좌심실 영역을 심근 영역으로 예측할 수 있다.The
다시 도 8을 참조하면, 프로세서(200)는 프레임별 대상 이미지를 분석하여, 적어도 하나의 정보를 획득할 수 있다(S7800). Referring back to FIG. 8 , the
실시예에 따르면, 프로세서(200)는 프레임별 대상 이미지의 획득 시간 정보와 프레임별 좌심실 중심의 평균 픽셀 값, 프레임별 대상 이미지 내 심근 영역의 대상 픽셀 값 및 프레임별 대상 이미지의 각 분할 영역(S)별 평균 픽셀 값 등을 추출할 수 있다. 여기서, 각 분할 영역(S)별 평균 픽셀값은 제2 껍질(CH2) 상에 위치하는 픽셀(Pixel) 값을 기준으로 적용될 수 있다. 또한, 상기 픽셀 값은 S4000 단계에서의 조정(Scaling)되지 않은 확대된 대상 이미지의 픽셀(Pixel)값인 심혈관 영상 이미지의 픽셀 값으로 추출할 수 있다. 예를 들어, 상기 픽셀(Pixel) 값은 심혈관 영상 이미지의 픽셀 값인 10bit로 추출될 수 있다.According to the embodiment, the
심근 영역의 대상 픽셀 값은 각 분할 영역(S)별 평균 픽셀값의 평균으로 산출될 수 있다. The target pixel value of the myocardial region may be calculated as an average of the average pixel values for each divided region S.
이후, 프로세서(200)는 적어도 하나의 분석 데이터를 텍스트 파일 형태로 저장 장치(600)에 저장할 수 있다. 저장 장치(600)에 저장된 적어도 하나의 데이터는 연동된 심혈관 질환 진단 장치로 송신될 수 있다.Thereafter, the
프로세서(200)는 심근 영역 내 허혈 발생 영역을 예측할 수 있다(S7900). 허혈 발생 영역을 예측하는 단계는 하기 도 11 및 12를 참조하여 보다 자세히 설명하겠다.The
도 11은 본 발명의 실시예에 따른 심근관류 자기공명 영상 분석 방법 중 프레임별 대상 이미지 내 심근 영역에서 추출된 픽셀들을 대상으로, 필터링 전후의 픽셀 값을 추출한 그래프이다.11 is a graph in which pixel values before and after filtering are extracted from pixels extracted from a myocardial region in a target image for each frame in a method for analyzing myocardial perfusion magnetic resonance imaging according to an embodiment of the present invention.
도 11을 참조하면, 프로세서(200)는 프레임별 대상 이미지의 심근 영역 내 픽셀(Pixel)들의 밝기 변화가 가장 큰 프레임을 추출할 수 있다.Referring to FIG. 11 , the
여기서, 프레임별 대상 이미지의 심근 영역 내 픽셀(Pixel)들의 밝기 값은 앞서 심근 영역의 위치 산출 시 설명한 바와 같이, 제2 껍질(CH2) 상에 위치하는 픽셀(Pixel) 값을 기준으로 산출할 수 있다.Here, the brightness values of the pixels in the myocardial region of the target image for each frame can be calculated based on the pixel values located on the second shell CH2, as described above when calculating the position of the myocardial region. there is.
보다 구체적으로 설명하면, 프로세서(200)는 조영제를 투입한 후의 시간에 따른 심근 영역의 밝기 변화를 관찰하기 위해, 프레임별 대상 이미지의 시간 정보를 x축으로 하고, 심근 영역에서의 평균 밝기값을 y축으로 하는 그래프를 생성(도 11에서의 파란색 그래프)할 수 있다.More specifically, in order to observe the change in brightness of the myocardial region according to time after the contrast medium is injected, the
프로세스(200)는 상기 그래프가 완만해지도록 필터링(도 11에서의 빨간색 그래프)을 수행할 수 있다. 이후, 프로세서(200)는 필터링된 그래프에서 기울기가 가장 큰 프레임의 대상 이미지를 추출할 수 있다. 프로세서(200)는 상기 추출된 프레임의 대상 이미지를 기준으로, 특정 프레임 이후의 대상 이미지를 선정하여, 제3 외곽선(contour) 내 위치하는 특정 값 이하의 적어도 하나의 픽셀(Pixel)을 추출할 수 있다. 다시 말하면, 프로세서(200)는 선정된 대상 이미지의 심근 영역에서 특정 값 이하의 밝기 값을 갖는 저음영의 적어도 하나의 픽셀(Pixel)을 추출할 수 있다. 여기서, 적어도 하나의 저음영의 픽셀(Pixel)을 추출하는 특징은 하기 도 12를 참조하여 보다 구체적으로 설명하겠다.
도 12는 본 발명의 실시예에 따른 심근관류 자기공명 영상 분석 방법 중 심근 영역 내 허혈 발생 영역을 예측하는 단계를 설명하기 위한 그래프이다.12 is a graph for explaining a step of predicting an ischemia occurrence region in a myocardial region in the myocardial perfusion magnetic resonance image analysis method according to an embodiment of the present invention.
도 12를 참조하면, 프로세서(200)는 제3 직선(L3)의 기울기를 0도부터 0.1도씩 조정(L3')하여, 해당 각도에서의 상기 제3 직선(L3) 내에 존재하는 픽셀들의 평균 밝기 값을 산출할 수 있다.Referring to FIG. 12 , the
이후, 프로세서(200)는 제3 직선(L3)의 각도별 픽셀 평균 밝기 값을 특정 값과 비교할 수 있다. 이에 따라, 프로세서(200)는 특정 값 이하의 평균 밝기 값을 갖는 적어도 하나의 제3 직선(L3)의 각도 정보를 저장할 수 있다.Thereafter, the
이후, 프로세서(200)는 저장된 적어도 하나의 각도에서의 상기 제3 직선(L3) 내 위치한, 특정 값 이하의 밝기 값을 갖는 적어도 하나의 저음영 픽셀(Pixel)을 추출할 수 있다. Thereafter, the
이후, 프로세서(200)는 추출된 저음영 픽셀(Pixel)을 허혈 영역(파란색 영역)으로 표시할 수 있다.Thereafter, the
다시 도 3을 참조하면, 프로세서(200)는 S7000 단계에서, 제2 모드로의 동작에 따라 비장의 위치를 예측할 수 있다. 비장의 위치를 예측하는 단계는 하기 도 13을 참조하여 보다 구체적으로 설명하겠다.Referring back to FIG. 3 , in step S7000 , the
도 13은 본 발명의 실시예에 따른 심근관류 자기공명 영상 분석 방법 중 제2 모드로 동작할 경우 비장의 위치를 산출하는 단계를 설명하기 위한 순서도이다.13 is a flowchart for explaining the step of calculating the position of the spleen when operating in the second mode among the myocardial perfusion magnetic resonance image analysis method according to an embodiment of the present invention.
도 5 및 도 13을 참조하면, 프로세서(200)는 도 6에서 추출된 프레임별 대상 이미지 내 외곽선들의 중심 좌표를 이용하여 평균 중심 좌표 값을 산출할 수 있다(S7100A).5 and 13 , the
이때, 개별 프레임의 대상 이미지에서 복수의 외곽선들이 추출될 경우, 프로세서(200)는 추출된 복수의 외곽선들의 개별 중심 좌표를 산출하여, 특정 값 이상 또는 이하의 외곽선을 삭제할 수 있다. 따라서, 프로세서(200)는 프레임별로 하나의 대표 외곽선만을 추출함으로써, 복수의 프레임들로부터 추출된 대표 외곽선들의 평균 중심 좌표를 산출할 수 있다. 예를 들어, 프로세서(200)는 산출된 평균 중심 좌표를 저장 장치(600)에 저장할 수 있다.In this case, when a plurality of outlines are extracted from the target image of an individual frame, the
이후, 프로세서(200)는 산출된 평균 중심 좌표값을 기준으로, 필터링을 수행할 수 있다(S7200A). Thereafter, the
실시예에 따르면, 프로세서(200)는 저장 장치(600)에 저장된 평균 중심 좌표를 프레임별로 추출된 대상 이미지 내 대표 외곽선들의 중심 좌표와 비교할 수 있다. According to an embodiment, the
예를 들어, 프로세서(200)는 상기 평균 중심 좌표를 기준으로 특정 값 이상 또는 이하의 좌표값을 갖는 적어도 하나의 대표 외곽선을 삭제할 수 있다. 이때, 프로세서(200)는 적어도 하나의 대표 외곽선이 추출되지 않은 대상 이미지의 프레임의 경우, 해당 대상 이미지의 근처에 위치한 전후 프레임의 대표 외곽선을 바탕으로, 보간(interpolation) 또는 보외(extrapolation)하여 적용할 수 있다. For example, the
이후, 프로세서(200)는 모든 대상 이미지들의 대표 외곽선들 중 넓이가 가장 큰 제3 대표 외곽선을 추출할 수 있다(S7300A).Thereafter, the
프로세서(200)는 모든 대상 이미지들 내 적어도 하나의 대표 외곽선을 추출된 제3 대표 외곽선으로 대체하여 적용할 수 있다(S7400A). 이때, 예외(exception)가 발생될 경우, 프로세서(200)는 대상 이미지별로 생성된 적어도 하나의 외곽선(contour)를 삭제하고, 특정 임계값(threshold)을 재조정하여 S5000 단계부터 재수행하거나 또는 삭제하는 외곽선의 특정 크기를 변경할 수 있다. 이에 따라, 프로세서(200)는 비장의 위치를 예측할 수 있다(S7500A).The
이후, 프로세서(200)는 프레임별 대상 이미지로부터 추출된 비장의 위치 정보를 저장할 수 있다(S7600A). Thereafter, the
보다 구체적으로 설명하면, 프로세서(200)는 비장의 위치 정보인, 프레임별 대상 이미지로부터 추출된 제3 대표 외곽선 내 중심 위치의 픽셀 값을 추출할 수 있다.More specifically, the
이후, 프로세서(200)는 비장의 위치 정보인 상기 픽셀 값을 해당 대상 이미지에 표시하여 이미지 파일로 저장할 수 있다. 실시예에 따르면, 프로세서(200)는 비장의 위치를 도 5의 B와 같이, 이미지 파일로 저장할 수 있다. 이때, 상기 이미지 파일은 S4000 단계에서의 대상 이미지의 픽셀을 조정하기 전 원본 이미지인 심혈관 영상 이미지의 픽셀 크기로 저장될 수 있다. 예를 들어, 상기 이미지 파일의 픽셀 크기는 10bit일 수 있다. Thereafter, the
또한, 프로세서(200)는 비장의 위치 정보를 추출한 시간 정보, 심근 영역의 전체 평균 픽셀 값, 각 섹터별 픽셀 값, 좌심실 및 우심실 중심의 픽셀 값 및 비장 중심의 픽셀 값을 저장할 수 있다. 이때, 비장 중심의 픽셀 값을 저장할 경우, 프로세서(200)는 필터링 전과 후의 데이터를 개별 저장할 수 있다.In addition, the
본 발명의 실시예에 따른 심근관류 자기공명 영상 분석 장치는 비장의 위치를 추출하고, 비장의 위치가 추출된 프레임별 대상 이미지 파일을 저장함으로써, 심실, 심근 및 비장의 픽셀 밝기 값의 그래프 변화를 비교하여 약물 부하 검사의 적절성 유무를 용이하게 확인할 수 있다.Myocardial perfusion magnetic resonance image analysis apparatus according to an embodiment of the present invention extracts the location of the spleen and stores the target image file for each frame from which the location of the spleen is extracted. By comparison, it is possible to easily check whether the drug load test is appropriate or not.
이상, 본 발명의 실시예에 따른 심근관류 자기공명 영상 분석 장치 및 방법에 대해 설명하였다.The apparatus and method for analyzing myocardial perfusion magnetic resonance image according to an embodiment of the present invention have been described above.
본 발명의 실시예에 따른 심근관류 자기공명 영상 분석 장치 및 방법은 외부로부터 수신된 적어도 하나의 프레임별 심혈관 영상 이미지로부터 대상 이미지를 개별적으로 획득하고, 획득한 적어도 하나의 프레임별 대상 이미지를 전처리하며, 특정 픽셀 밝기값을 기준으로 적어도 하나의 프레임별 대상 이미지를 이진화하여 적어도 하나의 외곽선을 추출하며, 이진화된 프레임별 대상 이미지로부터 적어도 하나의 유효 데이터를 획득하여 심실 및 심근, 또는 비장의 위치 예측 및 프레임별 밝기 변화를 동적으로 인식함으로써, 심혈관 질환 진단 장치와 연동하여 고속, 고효율 및 고신뢰성의 심혈관 진단이 가능한 심근관류 자기공명 영상 분석 장치 및 방법을 제공할 수 있다. Myocardial perfusion magnetic resonance image analysis apparatus and method according to an embodiment of the present invention separately obtains a target image from at least one frame-by-frame cardiovascular image image received from the outside, pre-processes the obtained target image for each frame, , extracts at least one outline by binarizing at least one target image for each frame based on a specific pixel brightness value, and predicts the location of the ventricle, myocardium, or spleen by acquiring at least one valid data from the binarized target image for each frame And by dynamically recognizing the brightness change for each frame, it is possible to provide an apparatus and method for analyzing myocardial perfusion magnetic resonance imaging capable of performing high-speed, high-efficiency, and highly reliable cardiovascular diagnosis in conjunction with the cardiovascular disease diagnosis apparatus.
본 발명의 실시예에 따른 방법의 동작은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 프로그램 또는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의해 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산 방식으로 컴퓨터로 읽을 수 있는 프로그램 또는 코드가 저장되고 실행될 수 있다.The operation of the method according to the embodiment of the present invention can be implemented as a computer-readable program or code on a computer-readable recording medium. The computer-readable recording medium includes all types of recording devices in which data that can be read by a computer system is stored. In addition, the computer-readable recording medium may be distributed in a network-connected computer system to store and execute computer-readable programs or codes in a distributed manner.
또한, 컴퓨터가 읽을 수 있는 기록매체는 롬(rom), 램(ram), 플래시 메모리(flash memory) 등과 같이 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치를 포함할 수 있다. 프로그램 명령은 컴파일러(compiler)에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터(interpreter) 등을 사용해서 컴퓨터에 의해 실행될 수 있는 고급 언어 코드를 포함할 수 있다.In addition, the computer-readable recording medium may include a hardware device specially configured to store and execute program instructions, such as ROM, RAM, and flash memory. The program instructions may include not only machine language codes such as those generated by a compiler, but also high-level language codes that can be executed by a computer using an interpreter or the like.
본 발명의 일부 측면들은 장치의 문맥에서 설명되었으나, 그것은 상응하는 방법에 따른 설명 또한 나타낼 수 있고, 여기서 블록 또는 장치는 방법 단계 또는 방법 단계의 특징에 상응한다. 유사하게, 방법의 문맥에서 설명된 측면들은 또한 상응하는 블록 또는 아이템 또는 상응하는 장치의 특징으로 나타낼 수 있다. 방법 단계들의 몇몇 또는 전부는 예를 들어, 마이크로프로세서, 프로그램 가능한 컴퓨터 또는 전자 회로와 같은 하드웨어 장치에 의해(또는 이용하여) 수행될 수 있다. 몇몇의 실시예에서, 가장 중요한 방법 단계들의 하나 이상은 이와 같은 장치에 의해 수행될 수 있다. Although some aspects of the invention have been described in the context of an apparatus, it may also represent a description according to a corresponding method, wherein a block or apparatus corresponds to a method step or feature of a method step. Similarly, aspects described in the context of a method may also represent a corresponding block or item or a corresponding device feature. Some or all of the method steps may be performed by (or using) a hardware device such as, for example, a microprocessor, a programmable computer, or an electronic circuit. In some embodiments, one or more of the most important method steps may be performed by such an apparatus.
실시예들에서, 프로그램 가능한 로직 장치(예를 들어, 필드 프로그머블 게이트 어레이)가 여기서 설명된 방법들의 기능의 일부 또는 전부를 수행하기 위해 사용될 수 있다. 실시예들에서, 필드 프로그머블 게이트 어레이는 여기서 설명된 방법들 중 하나를 수행하기 위한 마이크로프로세서와 함께 작동할 수 있다. 일반적으로, 방법들은 어떤 하드웨어 장치에 의해 수행되는 것이 바람직하다.In embodiments, a programmable logic device (eg, a field programmable gate array) may be used to perform some or all of the functionality of the methods described herein. In embodiments, the field programmable gate array may operate in conjunction with a microprocessor to perform one of the methods described herein. In general, the methods are preferably performed by some hardware device.
이상 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.Although described above with reference to the preferred embodiment of the present invention, those skilled in the art can variously modify and change the present invention within the scope without departing from the spirit and scope of the present invention as set forth in the claims below. You will understand that you can.
1000: 심근관류 자기공명 영상 분석 장치 100: 메모리
200: 프로세서 300: 송수신 장치
400: 입력 인터페이스 장치 500: 출력 인터페이스 장치
600: 저장 장치 700: 버스(Bus)1000: myocardial perfusion magnetic resonance image analysis device 100: memory
200: processor 300: transceiver
400: input interface device 500: output interface device
600: storage device 700: Bus
Claims (32)
상기 메모리에 저장된 적어도 하나의 명령을 실행하는 프로세서(processor)를 포함하되,
상기 적어도 하나의 명령은,
외부로부터 수신된 적어도 하나의 프레임별 심혈관 영상 이미지로부터 대상 이미지를 개별적으로 획득하도록 하는 명령,
적어도 하나의 상기 프레임별 대상 이미지들을 전처리하도록 하는 명령,
사전 설정된 픽셀 밝기 값을 기준으로 적어도 하나의 상기 프레임별 대상 이미지를 이진화하여 적어도 하나의 외곽선을 추출하도록 하는 명령,
상기 이진화된 프레임별 대상 이미지로부터 적어도 하나의 유효 데이터를 획득하도록 하는 명령 및
상기 유효 데이터로부터 심실의 위치를 예측하도록 하는 명령을 포함하고,
상기 유효 데이터로부터 심실의 위치를 예측하도록 하는 명령 이전에, 상기 심실의 위치를 검증하도록 하는 명령을 더 포함하는, 심근관류 자기공명 영상 분석 장치.memory; and
Comprising a processor (processor) for executing at least one instruction stored in the memory,
The at least one command is
command to individually acquire a target image from at least one frame-by-frame cardiovascular image image received from the outside;
command to pre-process at least one target image for each frame;
a command to extract at least one outline by binarizing at least one target image for each frame based on a preset pixel brightness value;
instructions to obtain at least one valid data from the target image for each binarized frame; and
instructions for predicting a position of a ventricle from the valid data;
Prior to the command to predict the location of the ventricle from the valid data, further comprising a command to verify the location of the ventricle, myocardial perfusion magnetic resonance image analysis apparatus.
적어도 하나의 상기 프레임별 대상 이미지를 전처리하도록 하는 명령은,
상기 프레임별 대상 이미지의 픽셀 크기를 조정하도록 하는 명령 및
픽셀 크기가 조정된 상기 프레임별 대상 이미지를 확대하도록 하는 명령을 포함하는, 심근관류 자기공명 영상 분석 장치.According to claim 1,
The command to pre-process at least one target image for each frame,
a command to adjust the pixel size of the target image for each frame; and
A myocardial perfusion magnetic resonance image analysis apparatus comprising a command to enlarge the target image for each frame whose pixel size is adjusted.
상기 이진화된 프레임별 대상 이미지로부터 적어도 하나의 유효 데이터를 획득하도록 하는 명령은,
상기 프레임별 대상 이미지로부터 추출된 복수의 외곽선들을 대상으로 예외 발생 여부를 확인하도록 하는 명령 및
예외가 발생하지 않을 경우, 상기 추출된 복수의 외곽선들을 필터링하여 상기 유효 데이터를 획득하도록 하는 명령을 포함하는, 심근관류 자기공명 영상 분석 장치.According to claim 1,
The command to obtain at least one valid data from the target image for each binarized frame includes:
a command to check whether an exception has occurred for a plurality of outlines extracted from the target image for each frame; and
and a command to obtain the valid data by filtering the plurality of extracted outlines when no exception occurs.
상기 추출된 복수의 외곽선들을 필터링하여 상기 유효 데이터를 획득하도록 하는 명령은,
상기 복수의 외곽선들의 중심 사이의 거리를 사전 설정값과 비교하도록 하는 명령,
상기 중심 사이의 거리가 상기 사전 설정값 대비 큰 적어도 하나의 외곽선을 삭제하도록 필터링하는 명령 및
상기 필터링 후 남은 복수의 외곽선들로부터 상기 유효 데이터를 획득하도록 하는 명령을 포함하는, 심근관류 자기공명 영상 분석 장치.4. The method of claim 3,
The command to obtain the valid data by filtering the plurality of extracted outlines,
command to compare the distance between the centers of the plurality of outlines with a preset value;
a command for filtering to delete at least one outline whose distance between the centers is greater than the preset value; and
and a command to acquire the valid data from the plurality of outlines remaining after the filtering.
상기 유효 데이터는,
상기 프레임별 대상 이미지의 필터링 후 남은 복수의 외곽선들 중 중심 좌표를 기준으로 가장 일측에 위치하는 제1 외곽선;
상기 제1 외곽선의 중심을 기준으로 타측 방향에 위치한 외곽선들 중 가장 근접하게 위치한 제2 외곽선; 및
상기 제1 외곽선의 중심 좌표를 중심점으로 하고, 상기 제2 외곽선과 외접하는 제1 원을 포함하는, 심근관류 자기공명 영상 분석 장치.5. The method of claim 4,
The valid data is
a first outline positioned at the most one side with respect to the center coordinate among the plurality of outlines remaining after filtering the target image for each frame;
a second outline located closest to the center of the first outline from among the outlines located in the other direction; and
and a first circle circumscribing the second outline with a center coordinate of the first outline as a center point.
상기 심실의 위치를 예측하도록 하는 명령은 좌심실의 위치를 예측하도록 하는 명령을 포함하되,
상기 좌심실의 위치를 예측하도록 하는 명령은,
상기 프레임별 대상 이미지들로부터 추출된 상기 복수의 제1 외곽선들을 대상으로 평균 중심 좌표를 산출하도록 하는 명령 및
복수의 상기 제1 외곽선들을 필터링하여, 제1 대표 외곽선을 추출하도록 하는 명령을 포함하는, 심근관류 자기공명 영상 분석 장치.6. The method of claim 5,
The command to predict the position of the ventricle includes a command to predict the position of the left ventricle,
The command to predict the position of the left ventricle is
a command to calculate average center coordinates for the plurality of first outlines extracted from the target images for each frame; and
and a command for filtering the plurality of first outlines to extract a first representative outline.
상기 복수의 상기 제1 외곽선들을 필터링하여, 제1 대표 외곽선을 추출하도록 하는 명령은,
복수의 상기 제1 외곽선들 중 상기 평균 중심 좌표를 기준으로 특정값 이상 또는 상기 특정값 이하의 좌표값을 갖는 적어도 하나의 제1 외곽선을 삭제하도록 필터링하는 명령,
반지름의 크기가 0인 상기 제1 원을 삭제하도록 하는 명령 및
상기 프레임별 대상 이미지들의 상기 외곽선들 중 넓이가 가장 큰 제1 외곽선을 제1 대표 외곽선으로 추출하여 상기 좌심실의 위치를 예측하도록 하는 명령을 포함하는, 심근관류 자기공명 영상 분석 장치.7. The method of claim 6,
A command to filter the plurality of first outlines to extract a first representative outline includes:
A command for filtering to delete at least one first outline having a coordinate value greater than or equal to a specific value or less than or equal to a specific value based on the average center coordinate among a plurality of the first outlines;
a command to delete the first circle having a radius of 0; and
and a command for predicting the position of the left ventricle by extracting a first outline having the largest width among the outlines of the target images for each frame as a first representative outline.
상기 심실의 위치를 예측하도록 하는 명령은 우심실의 위치를 예측하도록 하는 명령을 포함하되,
상기 우심실의 위치를 예측하도록 하는 명령은,
상기 대상 이미지들로부터 추출된 복수의 상기 제2 외곽선들을 대상으로 평균 중심 좌표를 산출하도록 하는 명령 및
복수의 상기 제2 외곽선들을 필터링하여, 제2 대표 외곽선을 추출하도록 하는 명령을 포함하는, 심근관류 자기공명 영상 분석 장치.6. The method of claim 5,
The command to predict the position of the ventricle includes a command to predict the position of the right ventricle,
The command to predict the position of the right ventricle is
a command to calculate average center coordinates for a plurality of the second outlines extracted from the target images; and
and a command to extract a second representative outline by filtering the plurality of second outlines.
상기 복수의 상기 제2 외곽선들을 필터링하여, 제2 대표 외곽선을 추출하도록 하는 명령은,
복수의 상기 제2 외곽선들 중 상기 평균 중심 좌표를 기준으로 특정값 이상 또는 상기 특정값 이하의 좌표값을 갖는 적어도 하나의 제2 외곽선을 삭제하도록 필터링하는 명령,
반지름의 크기가 0인 상기 제1 원을 삭제하도록 하는 명령 및
상기 프레임별 대상 이미지들의 상기 외곽선들 중 넓이가 가장 큰 제2 외곽선을 제2 대표 외곽선으로 추출하여 상기 우심실의 위치를 예측하도록 하는 명령을 포함하는, 심근관류 자기공명 영상 분석 장치.9. The method of claim 8,
A command to filter the plurality of second outlines to extract a second representative outline includes:
a command for filtering to delete at least one second outline having a coordinate value greater than or equal to a specific value or less than or equal to a specific value based on the average center coordinate among a plurality of second outlines;
a command to delete the first circle having a radius of 0; and
and a command for predicting the position of the right ventricle by extracting a second outline having the largest width among the outlines of the target images for each frame as a second representative outline.
상기 심실의 위치를 검증하도록 하는 명령은,
제1 대표 외곽선을 둘러싸는 최소 반지름을 갖는 제3 원을 생성하도록 하는 명령,
상기 제3 원의 중심으로부터 제2 대표 외곽선과 외접하는 최소 거리를 반지름으로 하는 제4 원을 생성하도록 하는 명령 및
상기 제3 원 및 상기 제4 원의 반지름의 차이가 사전 설정 값 대비 작은 경우, 예외를 발생하도록 하는 명령을 포함하는, 심근관류 자기공명 영상 분석 장치.According to claim 1,
The command to verify the position of the ventricle,
instructions to create a third circle having a minimum radius surrounding the first representative outline;
a command to generate a fourth circle having a radius of a minimum distance circumscribed with a second representative outline from the center of the third circle; and
and a command to generate an exception when the difference between the radii of the third circle and the fourth circle is smaller than a preset value.
상기 예외 발생 시, 상기 픽셀의 임계값을 조정하여 상기 적어도 하나의 프레임별 대상 이미지를 이진화하여 적어도 하나의 외곽선을 추출하도록 하는 명령을 재수행하는, 심근관류 자기공명 영상 분석 장치.12. The method of claim 11,
When the exception occurs, a command to extract at least one outline by binarizing the target image for each frame by adjusting the threshold value of the pixel is re-executed.
상기 유효 데이터로부터 심근 영역을 산출하도록 하는 명령을 더 포함하는, 심근관류 자기공명 영상 분석 장치.According to claim 1,
Further comprising a command to calculate a myocardial region from the valid data, myocardial perfusion magnetic resonance image analysis apparatus.
상기 유효 데이터로부터 심근 영역을 예측하도록 하는 명령을 더 포함하되,
상기 심근 영역을 산출하도록 하는 명령은,
적어도 하나의 직선에 의해 상기 심실을 복수의 영역으로 분할하도록 하는 명령,
블록 껍질 알고리즘을 이용하여, 상기 제1 대표 외곽선의 블록 껍질을 생성하도록 하는 명령,
상기 블록 껍질을 소정 크기만큼 확대한 껍질을 생성하도록 하는 명령 및
상기 껍질 및 상기 제3 원의 외곽을 둘러싸는 심근 영역을 산출하도록 하는 명령을 포함하는, 심근관류 자기공명 영상 분석 장치.12. The method of claim 11,
Further comprising instructions to predict a myocardial region from the valid data,
The command to calculate the myocardial region comprises:
instructions to divide the ventricle into a plurality of regions by at least one straight line;
A command to generate a block shell of the first representative outline using a block shell algorithm;
a command to generate a shell that enlarges the block shell by a predetermined size; and
and a command to calculate a myocardial region surrounding the shell and the third circle.
상기 적어도 하나의 직선은,
상기 프레임별 대상 이미지를 기준으로, 좌심실의 중심을 지나면서 우심실의 일측과 접하는 제1 직선,
상기 프레임별 대상 이미지를 기준으로, 상기 좌심실의 중심을 지나면서 상기 우심실의 타측과 접하는 제2 직선 및
상기 제1 직선 및 상기 제2 직선의 기울기를 반으로 가르며, 상기 우심실을 지나는 제3 직선 중 적어도 하나를 포함하는, 심근관류 자기공명 영상 분석 장치.15. The method of claim 14,
The at least one straight line is
A first straight line passing through the center of the left ventricle and contacting one side of the right ventricle based on the target image for each frame;
a second straight line passing through the center of the left ventricle and contacting the other side of the right ventricle based on the target image for each frame;
The apparatus for analyzing myocardial perfusion magnetic resonance image, comprising at least one of a third straight line that cuts the slopes of the first straight line and the second straight line in half and passes through the right ventricle.
상기 심근 영역 내 허혈 발생 영역을 예측하도록 하는 명령을 더 포함하는, 심근관류 자기공명 영상 분석 장치.15. The method of claim 14,
The myocardial perfusion magnetic resonance image analysis apparatus further comprising a command to predict an ischemia occurrence region within the myocardial region.
상기 메모리에 저장된 적어도 하나의 명령을 실행하는 프로세서(processor)를 포함하되,
상기 적어도 하나의 명령은,
외부로부터 수신된 적어도 하나의 프레임별 심혈관 영상 이미지로부터 대상 이미지를 개별적으로 획득하도록 하는 명령,
적어도 하나의 상기 프레임별 대상 이미지들을 전처리하도록 하는 명령,
사전 설정된 픽셀 밝기 값을 기준으로 적어도 하나의 상기 프레임별 대상 이미지를 이진화하여 적어도 하나의 외곽선을 추출하도록 하는 명령,
상기 이진화된 프레임별 대상 이미지로부터 적어도 하나의 유효 데이터를 획득하도록 하는 명령 및
상기 유효 데이터로부터 비장의 위치를 예측하도록 하는 명령을 포함하고,
상기 유효 데이터로부터 비장의 위치를 예측하도록 하는 명령 이전에, 상기 비장의 위치를 검증하도록 하는 명령을 더 포함하는, 심근관류 자기공명 영상 분석 장치.memory; and
Comprising a processor (processor) for executing at least one instruction stored in the memory,
The at least one command is
command to individually acquire a target image from at least one frame-by-frame cardiovascular image image received from the outside;
command to pre-process at least one target image for each frame;
a command to extract at least one outline by binarizing at least one target image for each frame based on a preset pixel brightness value;
instructions to obtain at least one valid data from the target image for each binarized frame; and
instructions to predict the location of the spleen from the valid data,
Prior to the command to predict the location of the spleen from the valid data, the method further comprising a command to verify the location of the spleen.
적어도 하나의 상기 프레임별 대상 이미지를 전처리하도록 하는 명령은,
상기 프레임별 대상 이미지 내 일측의 소정 영역을 마스킹(masking) 처리하도록 하는 명령,
상기 프레임별 대상 이미지의 픽셀 크기를 조정하도록 하는 명령 및
픽셀 크기가 조정된 상기 프레임별 대상 이미지를 확대하도록 하는 명령을 포함하는, 심근관류 자기공명 영상 분석 장치.18. The method of claim 17,
The command to pre-process at least one target image for each frame,
A command for masking a predetermined area on one side of the target image for each frame;
a command to adjust the pixel size of the target image for each frame; and
A myocardial perfusion magnetic resonance image analysis apparatus comprising a command to enlarge the target image for each frame whose pixel size is adjusted.
상기 이진화된 프레임별 대상 이미지로부터 적어도 하나의 유효 데이터를 획득하도록 하는 명령은,
상기 프레임별 대상 이미지로부터 추출된 복수의 외곽선들을 대상으로 예외 발생 여부를 확인하도록 하는 명령 및
예외가 발생하지 않을 경우, 상기 추출된 복수의 외곽선들을 이용하여 상기 유효 데이터를 획득하도록 하는 명령을 포함하는, 심근관류 자기공명 영상 분석 장치.18. The method of claim 17,
The command to obtain at least one valid data from the target image for each binarized frame includes:
a command to check whether an exception has occurred for a plurality of outlines extracted from the target image for each frame; and
and a command to acquire the valid data using the plurality of extracted outlines when no exception occurs.
상기 추출된 복수의 외곽선들을 이용하여 상기 유효 데이터를 획득하도록 하는 명령은,
상기 프레임별 대상 이미지로부터 추출된 복수의 외곽선들의 중심 좌표를 좌표값에 따라 정렬하여 저장하도록 하는 명령 및
추출된 상기 복수의 외곽선들 중 상기 대상 이미지의 프레임별로 가장 일측에 위치하는 외곽선을 저장하도록 하는 명령을 포함하는, 심근관류 자기공명 영상 분석 장치.20. The method of claim 19,
The command to obtain the valid data using the plurality of extracted outlines includes:
a command to align and store the center coordinates of a plurality of outlines extracted from the target image for each frame according to coordinate values; and
and a command to store an outline located at the most one side for each frame of the target image from among the plurality of extracted outlines.
상기 유효 데이터로부터 비장의 위치를 예측하도록 하는 명령은,
상기 프레임별 대상 이미지들로부터 추출된 복수의 상기 외곽선들의 중심 좌표들을 대상으로 평균 중심 좌표 값을 산출하도록 하는 명령,
상기 평균 중심 좌표 값을 기준으로 데이터 필터링을 수행하도록 하는 명령 및
상기 필터링 후 남은 복수의 외곽선들 중 가장 넓이가 큰 제3 대표 외곽선을 추출하여 상기 비장의 위치를 예측하도록 하는 명령을 포함하는, 심근관류 자기공명 영상 분석 장치.21. The method of claim 20,
The command to predict the location of the spleen from the valid data includes:
command to calculate an average center coordinate value for the center coordinates of the plurality of outlines extracted from the target images for each frame;
a command to perform data filtering based on the mean center coordinate value; and
and extracting a third representative outline having the largest width among the plurality of outlines remaining after the filtering to predict the location of the spleen.
심실의 위치를 예측하는 제1 모드 및 비장의 위치를 예측하는 제2 모드 중 어느 하나로의 대상 모드 정보를 확인하는 단계;
상기 대상 모드에 따라 적어도 하나의 상기 프레임별 대상 이미지를 전처리하는 단계;
사전 설정된 픽셀 밝기값을 기준으로, 전처리된 상기 프레임별 대상 이미지를 이진화하여 적어도 하나의 외곽선을 추출하는 단계;
이진화된 상기 프레임별 대상 이미지로부터 적어도 하나의 유효 데이터를 획득하는 단계; 및
상기 유효 데이터로부터 상기 대상 모드에 따른 장기의 위치를 예측하는 단계를 포함하고,
상기 유효 데이터로부터 상기 대상 모드에 따른 장기의 위치를 예측하도록 하는 명령 이전에, 상기 대상 모드에 따른 장기의 위치를 검증하도록 하는 단계를 더 포함하는, 심근관류 자기공명 영상 분석 방법.separately acquiring a target image from at least one frame-by-frame cardiovascular image image received from the outside;
confirming object mode information in any one of a first mode for predicting a location of a ventricle and a second mode for predicting a location of a spleen;
pre-processing at least one target image for each frame according to the target mode;
extracting at least one outline by binarizing the pre-processed target image for each frame based on a preset pixel brightness value;
obtaining at least one valid data from the binarized target image for each frame; and
Predicting the position of the organ according to the target mode from the valid data,
The method further comprising verifying the position of the organ according to the target mode before the command to predict the position of the organ according to the target mode from the valid data.
상기 대상 모드에 따라 적어도 하나의 상기 프레임별 대상 이미지를 전처리하는 단계는,
상기 대상 모드가 상기 제1 모드일 경우, 상기 프레임별 대상 이미지의 픽셀 크기를 조정하는 단계; 및
픽셀 크기가 조정된 상기 프레임별 대상 이미지를 확대하는 단계를 포함하는, 심근관류 자기공명 영상 분석 방법.23. The method of claim 22,
The pre-processing of at least one target image for each frame according to the target mode includes:
adjusting a pixel size of the target image for each frame when the target mode is the first mode; and
A method for analyzing myocardial perfusion magnetic resonance image, comprising enlarging the target image for each frame whose pixel size is adjusted.
상기 대상 모드에 따라 적어도 하나의 상기 프레임별 대상 이미지를 전처리하는 단계는,
상기 대상 모드가 상기 제2 모드일 경우, 상기 프레임별 대상 이미지 내 일측의 소정 영역을 마스킹(masking) 처리하는 단계;
상기 프레임별 대상 이미지의 픽셀 크기를 조정하는 단계; 및
픽셀 크기가 조정된 상기 프레임별 대상 이미지를 확대하는 단계를 포함하는, 심근관류 자기공명 영상 분석 방법.23. The method of claim 22,
The pre-processing of at least one target image for each frame according to the target mode includes:
masking a predetermined area on one side of the target image for each frame when the target mode is the second mode;
adjusting the pixel size of the target image for each frame; and
A method for analyzing myocardial perfusion magnetic resonance image, comprising enlarging the target image for each frame whose pixel size is adjusted.
상기 이진화된 프레임별 대상 이미지로부터 적어도 하나의 유효 데이터를 획득하는 단계는,
상기 프레임별 대상 이미지로부터 추출된 복수의 외곽선들을 대상으로 예외 발생 여부를 확인하는 단계; 및
예외가 발생하지 않을 경우, 상기 추출된 복수의 외곽선들을 이용하여 상기 유효 데이터를 획득하는 단계를 포함하는, 심근관류 자기공명 영상 분석 방법.23. The method of claim 22,
The step of obtaining at least one valid data from the target image for each binarized frame comprises:
checking whether an exception has occurred with respect to a plurality of outlines extracted from the target image for each frame; and
and obtaining the valid data using the plurality of extracted outlines when no exception occurs.
상기 유효 데이터로부터 상기 대상 모드에 따른 장기의 위치를 예측하는 단계는,
상기 대상 모드가 상기 제1 모드일 경우,
상기 프레임별 대상 이미지들로부터 추출된 복수의 제1 외곽선들을 대상으로 평균 중심 좌표를 산출하는 단계;
복수의 상기 제1 외곽선들 중 상기 평균 중심 좌표를 기준으로 특정값 이상 또는 상기 특정값 이하의 좌표값을 갖는 적어도 하나의 제1 외곽선을 삭제하는 단계; 및
상기 프레임별 대상 이미지들의 상기 제1 외곽선들 중 넓이가 가장 큰 제1 외곽선을 제1 대표 외곽선으로 추출하여, 좌심실의 위치를 예측하는 단계를 포함하되,
상기 제1 외곽선들은 상기 추출된 복수의 외곽선들을 필터링 한 후 상기 프레임별 대상 이미지들로부터 각각 중심 좌표를 기준으로 가장 일측에 위치하는 외곽선을 추출한 것인, 심근관류 자기공명 영상 분석 방법.23. The method of claim 22,
The step of predicting the position of the organ according to the target mode from the valid data,
When the target mode is the first mode,
calculating average center coordinates for a plurality of first outlines extracted from the target images for each frame;
deleting at least one first outline having a coordinate value greater than or equal to a specific value or less than or equal to a specific value based on the average center coordinate from among the plurality of first outlines; and
extracting a first outline having the largest width among the first outlines of the target images for each frame as a first representative outline to predict the position of the left ventricle;
The method of analyzing a myocardial perfusion magnetic resonance image, wherein the first outlines are extracted from the plurality of extracted outlines, and then, from the target images for each frame, an outline located at the most one side based on the center coordinates, respectively.
상기 유효 데이터로부터 상기 대상 모드에 따른 장기의 위치를 예측하는 단계는,
상기 대상 모드가 상기 제1 모드일 경우,
상기 프레임별 대상 이미지들로부터 추출된 복수의 제2 외곽선들을 대상으로 평균 중심 좌표를 산출하는 단계;
복수의 상기 제2 외곽선들 중 상기 평균 중심 좌표를 기준으로 특정값 이상 또는 상기 특정값 이하의 좌표값을 갖는 적어도 하나의 제2 외곽선을 삭제하는 단계; 및
상기 프레임별 대상 이미지들의 상기 제2 외곽선들 중 넓이가 가장 큰 제2 외곽선을 제2 대표 외곽선으로 추출하여, 우심실의 위치를 예측하는 단계를 포함하되,
상기 제2 외곽선들은 상기 추출된 복수의 외곽선들을 필터링 한 후 상기 프레임별 대상 이미지의 상기 제1 외곽선의 중심을 기준으로 타측 방향에 위치한 외곽선들 중 가장 근접하게 위치한 외곽선을 각각 추출한 것인, 심근관류 자기공명 영상 분석 방법.27. The method of claim 26,
The step of predicting the position of the organ according to the target mode from the valid data,
When the target mode is the first mode,
calculating average center coordinates for a plurality of second outlines extracted from the target images for each frame;
deleting at least one second outline having a coordinate value greater than or equal to a specific value or less than or equal to a specific value based on the average center coordinate from among the plurality of second outlines; and
extracting a second outline having the largest width among the second outlines of the target images for each frame as a second representative outline to predict the position of the right ventricle;
Myocardial perfusion, in which the second outlines are obtained by extracting the closest outlines among outlines located in the other direction with respect to the center of the first outline of the target image for each frame after filtering the plurality of extracted outlines Magnetic resonance imaging analysis method.
상기 유효 데이터로부터 상기 대상 모드에 따른 장기의 위치를 예측하는 단계는,
상기 대상 모드가 상기 제2 모드일 경우, 상기 프레임별 대상 이미지로부터 단일 추출되는 대표 외곽선들의 중심 좌표들을 대상으로, 평균 중심 좌표 값을 산출하는 단계;
상기 평균 중심 좌표 값을 기준으로 데이터 필터링을 수행하는 단계; 및
상기 필터링 후 남은 대표 외곽선들 중 가장 넓이가 큰 제3 대표 외곽선을 추출하여 상기 비장의 위치를 예측하는 단계를 포함하는, 심근관류 자기공명 영상 분석 방법.28. The method of claim 27,
The step of predicting the position of the organ according to the target mode from the valid data,
when the target mode is the second mode, calculating an average center coordinate value based on center coordinates of representative outlines single extracted from the target image for each frame;
performing data filtering based on the average center coordinate value; and
and extracting a third representative outline having the largest width among the remaining representative outlines after the filtering and predicting the position of the spleen.
상기 대표 외곽선들의 중심 좌표들을 대상으로 평균 중심 좌표 값을 산출하는 단계는,
상기 프레임별 대상 이미지로부터 복수의 외곽선들이 추출될 경우, 추출된 복수의 외곽선들의 개별 중심 좌표를 산출하는 단계; 및
특정 값 이상 또는 이하의 상기 개별 중심 좌표를 포함하는 외곽선을 삭제하는 단계를 포함하는, 심근관류 자기공명 영상 분석 방법.29. The method of claim 28,
Calculating an average center coordinate value for the center coordinates of the representative outlines includes:
calculating individual center coordinates of the plurality of extracted outlines when a plurality of outlines are extracted from the target image for each frame; and
A method for analyzing myocardial perfusion magnetic resonance image, comprising deleting an outline including the individual central coordinates above or below a specific value.
상기 평균 중심 좌표 값을 기준으로 데이터 필터링을 수행하는 단계는,
상기 평균 중심 좌표를 기준으로 특정 값 이상 또는 이하의 좌표값을 갖는 적어도 하나의 대표 외곽선을 삭제하는 단계를 포함하는, 심근관류 자기공명 영상 분석 방법.29. The method of claim 28,
The step of performing data filtering based on the average center coordinate value comprises:
and deleting at least one representative outline having a coordinate value above or below a specific value based on the average central coordinates.
상기 유효 데이터로부터 상기 대상 모드에 따른 장기의 위치를 예측하는 단계는,
상기 대상 모드가 상기 제1 모드일 경우 심근 영역을 산출하는 단계를 더 포함하는, 심근관류 자기공명 영상 분석 방법.23. The method of claim 22,
The step of predicting the position of the organ according to the target mode from the valid data,
The method further comprising calculating a myocardial region when the target mode is the first mode.
상기 유효 데이터로부터 상기 대상 모드에 따른 장기의 위치를 예측하는 단계는,
상기 심근 영역을 산출하는 단계 이후에, 상기 심근 영역 내 허혈 방생 영역을 예측하는 단계를 더 포함하는, 심근관류 자기공명 영상 분석 방법.32. The method of claim 31,
The step of predicting the position of the organ according to the target mode from the valid data,
After calculating the myocardial region, the method further comprising the step of predicting an ischemic release region within the myocardial region.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200010633A KR102401111B1 (en) | 2020-01-29 | 2020-01-29 | Apparatus and method for analyzing image of myocardial perfusion with magnetic resonance |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200010633A KR102401111B1 (en) | 2020-01-29 | 2020-01-29 | Apparatus and method for analyzing image of myocardial perfusion with magnetic resonance |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210096942A KR20210096942A (en) | 2021-08-06 |
| KR102401111B1 true KR102401111B1 (en) | 2022-05-23 |
Family
ID=77315214
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200010633A KR102401111B1 (en) | 2020-01-29 | 2020-01-29 | Apparatus and method for analyzing image of myocardial perfusion with magnetic resonance |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102401111B1 (en) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006134430A2 (en) | 2005-05-12 | 2006-12-21 | Cnr Consiglio Nazionale Delle Ricerche | Apparatus for determining myocardium martial accumulation by analysing magnetic resonance images |
| US20090290777A1 (en) | 2008-05-23 | 2009-11-26 | Siemens Corporate Research, Inc. | Automatic localization of the left ventricle in cardiac cine magnetic resonance imaging |
| US20100215238A1 (en) | 2009-02-23 | 2010-08-26 | Yingli Lu | Method for Automatic Segmentation of Images |
| WO2015132585A1 (en) * | 2014-03-05 | 2015-09-11 | St George's Hospital Medical School | Apparatus and methods for detecting myocardial iron content using black-blood magnetic resonance data |
| JP2019081034A (en) * | 2019-02-28 | 2019-05-30 | キヤノンメディカルシステムズ株式会社 | Ultrasonic diagnostic device, ultrasonic image processing device, and ultrasonic image processing program |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101030169B1 (en) * | 2009-04-17 | 2011-04-18 | 금오공과대학교 산학협력단 | Method for ventricle segmentation using radial threshold determination |
-
2020
- 2020-01-29 KR KR1020200010633A patent/KR102401111B1/en active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006134430A2 (en) | 2005-05-12 | 2006-12-21 | Cnr Consiglio Nazionale Delle Ricerche | Apparatus for determining myocardium martial accumulation by analysing magnetic resonance images |
| US20090290777A1 (en) | 2008-05-23 | 2009-11-26 | Siemens Corporate Research, Inc. | Automatic localization of the left ventricle in cardiac cine magnetic resonance imaging |
| US20100215238A1 (en) | 2009-02-23 | 2010-08-26 | Yingli Lu | Method for Automatic Segmentation of Images |
| WO2015132585A1 (en) * | 2014-03-05 | 2015-09-11 | St George's Hospital Medical School | Apparatus and methods for detecting myocardial iron content using black-blood magnetic resonance data |
| JP2019081034A (en) * | 2019-02-28 | 2019-05-30 | キヤノンメディカルシステムズ株式会社 | Ultrasonic diagnostic device, ultrasonic image processing device, and ultrasonic image processing program |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20210096942A (en) | 2021-08-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4139869B2 (en) | Medical image processing device | |
| RU2565510C2 (en) | System for fast and accurate quantitative evaluation of traumatic brain injury | |
| US9953437B1 (en) | Method and device for constructing a table including information on a pooling type and testing method and testing device using the same | |
| JP5536664B2 (en) | Medical image processing apparatus and method | |
| US9449247B2 (en) | Contour correction device, method, and program | |
| EP2899689A1 (en) | Method for inpainting a target area in a target video | |
| DE102006017113A1 (en) | Patient image vessel boundary detecting method, involves detecting group of edges in medical image of patient based on change in intensity between data points over set of distances, and selecting set of edges from group of edges | |
| US20100189317A1 (en) | Selection of datasets from 3d renderings for viewing | |
| JP4823204B2 (en) | Medical image processing device | |
| Mahmoudi et al. | GPU-based segmentation of cervical vertebra in X-ray images | |
| KR20210020618A (en) | Abnominal organ automatic segmentation based on deep learning in a medical image | |
| JP2010508570A (en) | Combined intensity projection | |
| Jacobs et al. | Evaluation of an automated method for arterial input function detection for first-pass myocardial perfusion cardiovascular magnetic resonance | |
| JP3928977B1 (en) | Medical image processing apparatus, image processing method, and program | |
| CN112700451A (en) | Method, system and computer readable medium for automatic segmentation of 3D medical images | |
| CN107019523B (en) | System and method for enhanced visualization of multiple low contrast objects within an imaged subject | |
| US8306354B2 (en) | Image processing apparatus, method, and program | |
| US20230218223A1 (en) | Generation of mri images of the liver | |
| US7529397B2 (en) | Automatic seeding points selection for DTI fiber tracking | |
| KR102401111B1 (en) | Apparatus and method for analyzing image of myocardial perfusion with magnetic resonance | |
| KR20210020629A (en) | Tumor automatic segmentation based on deep learning in a medical image | |
| CN101802877B (en) | Path proximity rendering | |
| US11651512B2 (en) | Measurement device and measurement method for left atrium thickness of heart | |
| Forkert et al. | Automatic brain segmentation in time-of-flight MRA images | |
| CN109643441B (en) | Image processing apparatus, image processing method, computer-readable storage medium, and image processing system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |