KR102534762B1 - 신쎄틱 2차원 영상 합성 방법 및 장치 - Google Patents
신쎄틱 2차원 영상 합성 방법 및 장치 Download PDFInfo
- Publication number
- KR102534762B1 KR102534762B1 KR1020200037922A KR20200037922A KR102534762B1 KR 102534762 B1 KR102534762 B1 KR 102534762B1 KR 1020200037922 A KR1020200037922 A KR 1020200037922A KR 20200037922 A KR20200037922 A KR 20200037922A KR 102534762 B1 KR102534762 B1 KR 102534762B1
- Authority
- KR
- South Korea
- Prior art keywords
- image
- segmentation
- synthetic
- segmentation map
- data
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 36
- 230000011218 segmentation Effects 0.000 claims abstract description 190
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 47
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 47
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 41
- 230000005855 radiation Effects 0.000 claims abstract description 32
- 238000010606 normalization Methods 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 5
- 238000001308 synthesis method Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 16
- 210000001519 tissue Anatomy 0.000 description 12
- 238000003325 tomography Methods 0.000 description 10
- 210000005075 mammary gland Anatomy 0.000 description 9
- 210000000988 bone and bone Anatomy 0.000 description 8
- 210000000481 breast Anatomy 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/025—Tomosynthesis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/502—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of breast, i.e. mammography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/174—Segmentation; Edge detection involving the use of two or more images
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/04—Positioning of patients; Tiltable beds or the like
- A61B6/0407—Supports, e.g. tables or beds, for the body or parts of the body
- A61B6/0414—Supports, e.g. tables or beds, for the body or parts of the body with compression means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10112—Digital tomosynthesis [DTS]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30068—Mammography; Breast
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/436—Limited angle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Optics & Photonics (AREA)
- Geometry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Pure & Applied Mathematics (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
본 발명은, 방사선 영상 획득 장치의 검출기로부터 검사체에 대한 복수의 각도 또는 위치에서의 2차원 영상을 입력받는 영상 입력부; 상기 영상 입력부에 입력된 상기 2차원 영상을 이용하여 재구축된 3차원 영상을 합성하는 단층 영상 합성부; 상기 3차원 영상을 이루는 복셀의 특성 또는 종류를 나타내는 세그멘테이션 데이터를 포함하는 3차원 세그멘테이션 맵을 생성하는 세그멘테이션 맵 생성부; 및 상기 재구축된 3차원 영상과 상기 3차원 세그멘테이션 맵을 이용하여 신쎄틱 2차원 영상을 합성하는 신쎄틱 2차원 영상 합성부;를 포함하는 신쎄틱 2차원 영상 합성 장치를 제공한다.
Description
본 발명은 신쎄틱 2차원 영상 합성 방법 및 장치에 대한 것이다. 더욱 상세하게는, 본 발명은 시맨틱 세그멘테이션 기법을 활용하여 신쎄틱 2차원 영상(Synthetic 2D image)을 합성하여 제공하는 신쎄틱 2차원 영상 합성 방법 및 장치에 대한 것이다.
단층 영상 합성(tomosynthesis)은 제한된 각도에서 촬영된 2차원 영상 데이터를 기반으로 3차원 영상을 합성한다. 합성된 3차원 영상은 종래 2차원 영상에서 데이터가 중첩되면서 소실되었던 피사체의 구조를 알 수 있다는 장점이 있다. 또한, 단층 영상 합성은 컴퓨터 단층 촬영(computed tomography: CT)과 비교할 때 촬영 시간이 적게 걸리고 상대적으로 적은 수의 영상만으로도 효과적으로 원하는 단면의 영상을 얻을 수 있는 장점이 있다.
그런데, 합성된 3차원 영상으로부터 원하는 단면의 영상을 추출하여 진단을 하기 위해서는 사용자가 직접 깊이(depth)를 조절하면서 진단을 하여야 하는 불편이 존재한다. 이에 대해, 3차원 데이터에서 유효한 정보들만을 이용하여 새로운 2D 영상을 합성하여 사용자에게 제공하는 신쎄틱(Synthetic) 2D 기술 또는 3차원 영상 데이터 중에서 유효한 슬라이스(slice)를 표시해 주는 기술들이 개발되었다. 그러나, 기존의 방식은 다른 응용 기술에서 유연하게 적용되기 어렵고, 단순히 영상 표시를 위한 목적에 그치는 등 한계를 가지고 있다.
본 발명은 진단 및 분석을 용이하게 하기 위하여 시맨틱 세그멘테이션(semantic segmentation) 기법을 활용하여 신쎄틱 2차원 영상(Synthetic 2D image)을 합성하는 신쎄틱 2차원 영상 합성 방법 및 장치를 제공하는 것을 목적으로 한다.
본 발명은, 방사선 영상 획득 장치의 검출기로부터 검사체에 대한 복수의 각도 또는 위치에서의 2차원 영상을 입력받는 영상 입력부; 상기 영상 입력부에 입력된 상기 2차원 영상을 이용하여 재구축된 3차원 영상을 합성하는 단층 영상 합성부; 상기 3차원 영상을 이루는 복셀의 특성 또는 종류를 나타내는 세그멘테이션 데이터를 포함하는 3차원 세그멘테이션 맵을 생성하는 세그멘테이션 맵 생성부; 및 상기 재구축된 3차원 영상과 상기 3차원 세그멘테이션 맵을 이용하여 신쎄틱 2차원 영상을 합성하는 신쎄틱 2차원 영상 합성부;를 포함하는 신쎄틱 2차원 영상 합성 장치를 제공한다.
일 실시예에 있어서, 상기 신쎄틱 2차원 영상 합성부는, 상기 세그멘테이션 데이터를 이용하여 상기 검사체의 적어도 하나의 물질에 대한 인텐시티(intensity)가 조정된 신쎄틱 2차원 영상을 합성할 수 있다.
일 실시예에 있어서, 상기 세그멘테이션 맵 생성부는, 상기 세그멘테이션 데이터로서의 분류 라벨을 상기 복셀에 부여할 수 있다.
또한, 상기 세그멘테이션 맵 생성부는, 상기 영상 입력부로부터 상기 2차원 영상을 전달받아 상기 2차원 영상에 시맨틱 세그멘테이션을 수행하여 복수의 2차원 세그멘테이션 데이터를 획득하고, 상기 복수의 2차원 세그멘테이션 데이터를 이용하여 상기 3차원 세그멘테이션 맵을 생성할 수 있다.
또한, 상기 세그멘테이션 맵 생성부는, 상기 복수의 2차원 세그멘테이션 데이터를 백-프로젝션하여 상기 3차원 세그멘테이션 맵을 생성할 수 있다.
또한, 상기 세그멘테이션 맵 생성부는, 상기 2차원 영상에 대하여 분류 라벨별로 시맨틱 세그멘테이션을 수행하여 분류 라벨별 2차원 세그멘테이션 데이터를 획득할 수 있다.
일 실시예에 있어서, 상기 세그멘테이션 맵 생성부는, 상기 재구축된 3차원 영상의 복셀 각각에 대하여 시맨틱 세그멘테이션을 수행하여 상기 3차원 세그멘테이션 맵을 생성할 수 있다.
일 실시예에 있어서, 상기 신쎄틱 2차원 영상 합성 장치는, 상기 3차원 세그멘테이션 맵에 포함된 상기 복셀의 상기 세그멘테이션 데이터에 적용할 가중치로서의 시맨틱 필터를 생성하는 시맨틱 필터부를 더 포함할 수 있다.
또한, 상기 가중치는 상기 세그멘테이션 데이터별로 또는 상기 복셀별로 구분하여 설정될 수 있다.
또한, 상기 가중치는 정규화 과정을 거쳐 생성될 수 있다.
또한, 상기 신쎄틱 2차원 영상 합성부는, 상기 시맨틱 필터를 상기 복셀의 인텐시티와 곱하여 상기 신쎄틱 2차원 영상을 합성할 수 있다.
또한, 본 발명은, (a) 방사선 영상 획득 장치의 검출기로부터 검사체에 대한 복수의 각도 또는 위치에서의 2차원 영상을 입력받는 단계; (b) 단층 영상 합성부가 복수의 상기 2차원 영상을 이용하여 재구축된 3차원 영상을 합성하는 단계; (c) 세그멘테이션 맵 생성부가 상기 재구축된 3차원 영상의 복셀의 특성 또는 종류를 나타내는 세그멘테이션 데이터를 포함하는 3차원 세그멘테이션 맵을 생성하는 단계; 및 (d) 신쎄틱 2차원 영상 합성부가 상기 재구축된 3차원 영상과 상기 3차원 세그멘테이션 맵을 이용하여 신쎄틱 2차원 영상을 합성하는 단계;
를 포함하는 신쎄틱 2차원 영상 합성 방법을 제공한다.
일 실시예에 있어서, 상기 (d) 단계에서, 상기 세그멘테이션 데이터를 이용하여 상기 검사체의 적어도 하나의 물질에 대한 인텐시티가 조정된 신쎄틱 2차원 영상을 합성될 수 있다.
또한, 상기 (c) 단계에서, 상기 세그멘테이션 맵 생성부가, 상기 영상 입력부로부터 상기 2차원 영상을 전달받아 상기 2차원 영상에 시맨틱 세그멘테이션을 수행하여 복수의 2차원 세그멘테이션 데이터를 획득하고, 상기 복수의 2차원 세그멘테이션 데이터를 이용하여 상기 3차원 세그멘테이션 맵을 생성할 수 있다.
또한, 상기 (c) 단계에서, 상기 재구축된 3차원 영상의 복셀 각각에 대하여 시맨틱 세그멘테이션을 수행하여 상기 3차원 세그멘테이션 맵을 생성할 수 있다.
또한, 상기 (d) 단계에서, 상기 3차원 세그멘테이션 맵의 각 복셀의 세그멘테이션 데이터에 적용할 가중치로서의 시맨틱 필터를 생성하고, 상기 시맨틱 필터를 이용하여 상기 신쎄틱 2차원 영상이 합성될 수 있다.
또한, 상기 가중치는 상기 세그멘테이션 데이터별로 또는 상기 복셀별로 구분하여 설정될 수 있다.
또한, 상기 가중치는 정규화 과정을 거쳐 생성될 수 있다.
일 실시예에 있어서, 상기 (d) 단계에서, 상기 시맨틱 필터를 상기 복셀의 인텐시티와 곱하여 상기 신쎄틱 2차원 영상을 합성할 수 있다.
본 발명에 따르면, 단층 영상 합성에 의해 생성된 3차원 영상으로부터 신쎄틱 2D 영상을 합성할 때 사용자의 요구 또는 설정에 따라 특정 물질, 또는 특성을 갖는 부분이 영상에서 갖는 인텐시티를 조정함으로써 적응적인 신쎄틱 2D 영상을 제공할 수 있다.
도 1은 방사선 영상 획득 장치의 일례를 나타내는 도면이다.
도 2는 본 발명의 바람직한 일 실시예에 따른 신쎄틱 2차원 영상 합성 장치의 구성을 도시한 블록도이다.
도 3은 본 발명의 바람직한 일 실시예에 따른 신쎄틱 2차원 영상 합성 장치에 있어서, 세그멘테이션 맵 생성부에서 세그멘테이션 맵을 생성하는 과정을 설명하는 도면이다.
도 4는 본 발명의 바람직한 일 실시예에 따른 신쎄틱 2차원 영상 합성 장치에 있어서, 세그멘테이션 맵 생성부에서의 세그멘테이션 맵을 생성하는 과정을 예시적으로 나타내는 도면이다.
도 5는 본 발명의 바람직한 일 실시예에 따른 신쎄틱 2차원 영상 합성 장치에 있어서, 시맨틱 필터를 적용하여 신쎄틱 2차원 영상을 합성하는 것을 예시하는 도면이다.
도 6은 본 발명의 바람직한 일 실시예에 따른 신쎄틱 2차원 영상 합성 장치에 있어서, 시맨틱 필터를 적용하여 신쎄틱 2차원 영상을 합성하는 것을 설명하기 위한 도면이다.
도 7은 본 발명의 바람직한 일 실시예에 따른 신쎄틱 2차원 영상 합성 장치에 의해 신쎄틱 2차원 영상이 합성되는 것을 예시적으로 나타낸 도면이다.
도 8은 본 발명의 바람직한 일 실시예에 따른 신쎄틱 2차원 영상 합성 방법을 도시한 순서도이다.
도 9는 본 발명의 바람직한 다른 실시예에 따른 신쎄틱 2차원 영상 합성 방법을 도시한 순서도이다.
도 10은 본 발명의 바람직한 실시예에 따른 신쎄틱 2차원 영상 합성 방법을 개략적으로 도시한 도면이다.
도 2는 본 발명의 바람직한 일 실시예에 따른 신쎄틱 2차원 영상 합성 장치의 구성을 도시한 블록도이다.
도 3은 본 발명의 바람직한 일 실시예에 따른 신쎄틱 2차원 영상 합성 장치에 있어서, 세그멘테이션 맵 생성부에서 세그멘테이션 맵을 생성하는 과정을 설명하는 도면이다.
도 4는 본 발명의 바람직한 일 실시예에 따른 신쎄틱 2차원 영상 합성 장치에 있어서, 세그멘테이션 맵 생성부에서의 세그멘테이션 맵을 생성하는 과정을 예시적으로 나타내는 도면이다.
도 5는 본 발명의 바람직한 일 실시예에 따른 신쎄틱 2차원 영상 합성 장치에 있어서, 시맨틱 필터를 적용하여 신쎄틱 2차원 영상을 합성하는 것을 예시하는 도면이다.
도 6은 본 발명의 바람직한 일 실시예에 따른 신쎄틱 2차원 영상 합성 장치에 있어서, 시맨틱 필터를 적용하여 신쎄틱 2차원 영상을 합성하는 것을 설명하기 위한 도면이다.
도 7은 본 발명의 바람직한 일 실시예에 따른 신쎄틱 2차원 영상 합성 장치에 의해 신쎄틱 2차원 영상이 합성되는 것을 예시적으로 나타낸 도면이다.
도 8은 본 발명의 바람직한 일 실시예에 따른 신쎄틱 2차원 영상 합성 방법을 도시한 순서도이다.
도 9는 본 발명의 바람직한 다른 실시예에 따른 신쎄틱 2차원 영상 합성 방법을 도시한 순서도이다.
도 10은 본 발명의 바람직한 실시예에 따른 신쎄틱 2차원 영상 합성 방법을 개략적으로 도시한 도면이다.
이하, 본 발명의 바람직한 실시예를 첨부된 도면들을 참조하여 상세히 설명한다. 우선 각 도면의 구성 요소들에 참조 부호를 부가함에 있어서, 동일한 구성 요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다. 또한, 이하에서 본 발명의 바람직한 실시예를 설명할 것이나, 본 발명의 기술적 사상은 이에 한정하거나 제한되지 않고 당업자에 의해 변형되어 다양하게 실시될 수 있음은 물론이다.
도 1은 방사선 영상 획득 장치의 일례를 나타내는 도면이다.
방사선 영상 획득 장치(10)는, 검사체(18)에 대해 방사선(R)을 조사하는 방사선 소스(12)와, 상기 방사선 소스(12)에서 방출되어 검사체(18)를 투과한 방사선(R)을 검출하는 검출기(20)를 포함한다. 일 실시예에 있어서, 방사선(R)은 X선(X-ray)일 수 있으나, 방사선(R)은 X선에 한정하는 것은 아니고 의료 영상 등에 적용할 수 있는 감마선과 같은 다른 방사선을 포함할 수 있다. 또한, 일 실시예에 있어서, 상기 검사체(18)는 유방일 수 있고, 방사선 영상 획득 장치(10)는 유방을 지지하는 지지 플레이트(16)와 상부에서 유방을 가압하는 가압 플레이트(14)를 더 포함할 수 있다. (참고로, 도 1에서 세로 방향을 Z축, 가로 방향을 Y축으로 표시하였고, 도면에 수직인 방향은 X축이 된다.)
방사선 영상 획득 장치(10)의 방사선 소스(12) 또는 검출기(20) 중 적어도 하나는 검사체(18)에 대해 소정 각도로 회전하거나 위치 변경될 수 있고, 검출기(20)는 복수의 각도 또는 위치에서 검사체(18)에 대한 2차원 영상을 획득할 수 있다. 일 실시예에 있어서, 검출기(20)는 디지털 방식으로 구현되어 검사체(18)에 대한 2차원 투영 데이터을 획득할 수 있다. 일 실시예에 있어서, 방사선 영상 획득 장치(10)에 의해 획득된 영상 데이터는 디지털 유방 단층 영상 합성(Digital Breast Tomosynthesis, DBT)을 위해 사용될 수 있다.
도 2는 본 발명의 바람직한 일 실시예에 따른 신쎄틱 2차원 영상 합성 장치의 구성을 도시한 블록도이다.
본 발명의 바람직한 실시예에 따른 신쎄틱 2차원 영상 합성 장치(100)는, 방사선 영상 획득 장치(10)의 검출기(20)로부터 2차원 투영 데이터인 복수의 2차원 영상을 입력받는 영상 입력부(110), 상기 영상 입력부(110)로 입력된 영상을 이용하여 3차원 영상으로 재구축하는 단층 영상 합성부(120), 영상 입력부(110)로 입력된 영상을 이용하여 3차원 세그멘테이션 맵을 생성하는 세그멘테이션 맵 생성부(130), 및 단층 영상 합성부(120)에서 재구축된 3차원 영상과 세그멘테이션 맵 생성부(130)에서 생성된 3차원 세그멘테이션 맵을 이용하여 신쎄틱 2차원 영상을 합성하는 신쎄틱 2차원 영상 합성부(150)를 포함할 수 있다. 또한, 신쎄틱 2차원 영상 합성 장치(100)는, 사용자의 설정 또는 요구에 따라 신쎄틱 2차원 영상 합성을 위한 시맨틱 필터(semanti filter)를 생성하는 시맨틱 필터부(140)를 더 포함할 수 있다. 시맨틱 필터는 세그멘테이션 맵 생성부(130)에서 생성된 3차원 세그멘테이션 맵을 적응적으로 적용하기 위하여 사용될 수 있다.
한편, 신쎄틱 2차원 영상 합성부(150)에서 합성된 신쎄틱 2차원 영상은 디스플레이(160)를 통해 사용자에게 제시될 수 있다. 또한, 사용자는 마우스, 키보드, 터치 패드와 같은 유저 인터페이스(미도시)를 통해 신쎄틱 2차원 영상 합성을 위한 설정 또는 요구를 입력할 수 있다.
영상 입력부(110)는 방사선 영상 획득 장치(10)의 검출기(20)로부터 2차원 투영 데이터인 복수의 2차원 영상을 입력받는다. 영상 입력부(110)는 검출기(20)로부터 전달된 2차원 영상에 대하여 노이즈 제거 또는 신호 증폭과 같은 전처리를 수행하도록 구성되는 것도 가능할 수 있다.
단층 영상 합성부(120)는 영상 입력부(110)로부터 전달된 복수의 2차원 영상에 대하여 단층 영상 합성(tomosynthesis) 기법을 적용하여 3차원으로 재구성함으로써 검사체(18)를 포함하는 재구축된 3차원 영상을 합성한다.
세그멘테이션 맵 생성부(130)는 검사체(18)를 포함한 영역에 대한 3차원 세그멘테이션 맵(3D segmentation map)을 생성한다. 3차원 세그멘테이션 맵은 검사체(18)의 특성이나 물리적 속성에 따라 구분된 3차원 상의 복셀(voxel) 정보의 집합으로 이해될 수 있다. 구체적으로, 재구축된 3차원 영상의 각 복셀의 특성 또는 종류를 구분하기 위한 분류 라벨이 각 복셀별로 부여되고, 이러한 각 복셀의 분류 라벨의 집합이 3차원 세그멘테이션 맵일 수 있다.
일 실시예에 있어서, 세그멘테이션 맵 생성부(130)는 영상 입력부(110)에서 전달된 복수의 2차원 영상 각각에 대하여 시맨틱 세그멘테이션(semantic segmentation)을 수행하여 2차원 세그멘테이션 데이터를 획득하고, 2차원 세그멘테이션 데이터를 3차원으로 재구성하여 3차원 세그멘테이션 맵을 생성할 수 있다.
물론, 세그멘테이션 맵 생성부(130)가 3차원 세그멘테이션(3D segmentation)을 사용하여 3D 세그멘테이션 데이터를 직접 합성하는 것도 가능할 수 있으나, 여러가지 문제에 의해서 구현하기에 어려움이 있을 수 있다. 단층 영상 합성(tomosynthesis)을 이용하여 재구성한 3차원 데이터의 경우 제한된 각도에서 촬영된 2차원 영상을 이용함에 따라 데이터의 결핍이 일어나는 복셀(voxel)이 주변 복셀에 의한 영향을 받는 고스트 이미지(ghost Image) 현상이 존재한다. 고스트 이미지란 실제 해당 복셀에는 다른 정보가 있어야 하지만 재구성에 사용되는 데이터의 부족으로 인해서 주변 복셀의 데이터를 표시하는 현상을 말한다. 이러한 고스트 이미지로 인해 일반적인 3차원 데이터와는 다른 양상을 보이기 때문에 세그멘테이션 결과가 좋지 않을 수 있다. 또한 3차원 데이터의 경우 크기가 2차원 데이터에 비해 수십 배, 수백 배 큰 경우가 있기 때문에 많은 연산량을 필요로 하는 시맨틱 세그멘테이션을 수행하기에는 물리적인 한계가 있을 수 있다.
본 발명의 실시에 있어서, 세그멘테이션 맵 생성부(130)가 3차원 세그멘테이션 맵을 생성하는 방법에 제한이 있는 것은 아니다. 그러나, 위와 같은 이유로 인한 제약이 예상되는 경우에는, 앞서 설명한 바와 같이, 세그멘테이션 맵 생성부(130)는 복수의 2차원 영상에 대하여 시맨틱 세그멘테이션(semantic segmentation)을 수행하여 2차원 세그멘테이션 데이터를 획득하고, 2차원 세그멘테이션 데이터를 3차원으로 재구성하여 3차원 세그멘테이션 맵을 생성할 수 있다.
본 발명의 설명을 용이하게 하기 위해, 각 단계에서의 데이터 또는 영상의 부호를 표 1과 같이 정의한다.
부호 | 설명 |
Tp | 단층 영상 합성(tomosynthesis)을 위해 방사선 영상 획득 장치(10)에 의해 획득된 검사체(18)에 대한 2차원 영상(2차원 투영 데이터) |
Tr | 복수의 2차원 영상(Tp)을 이용하여 생성한 재구축된 3차원 영상(데이터) |
Sp, Sp(label) |
2차원 영상(Tp)를 세그멘테이션하여 생성한 2차원 세그멘테이션 데이터. 특정 분류 라벨에 대해서는 (label)을 추가하여 표시. |
Sr, Sr(label) |
복수의 2차원 세그멘테이션 데이터(Sp)를 이용하여 생성한 라벨별로 재구성된 3차원 세그멘테이션 데이터. 특정 분류 라벨에 대해서는 (label)을 추가하여 표시. |
Srep | 3차원 세그멘테이션 맵. 일례로, 복수의 Sr(label)을 합성하여 생성 |
Fsyn | 재구축된 3차원 영상(Tr)과 3차원 세그멘테이션 맵(Srep)을 이용하여 생성한 신쎄틱 2차원 영상 |
도 3은 본 발명의 바람직한 일 실시예에 따른 신쎄틱 2차원 영상 합성 장치에 있어서, 세그멘테이션 맵 생성부에서 세그멘테이션 맵을 생성하는 과정을 설명하는 도면이다.
세그멘테이션 맵 생성부(130)는, 영상 입력부(110)에서 전달된 복수의 2차원 영상(Tp) 각각에 대하여 시맨틱 세그멘테이션(semantic segmentation)을 수행하여 2차원 세그멘테이션 데이터 1 내지 n(Sp1, Sp2,…, Spn)을 획득한다. 시맨틱 세그멘테이션은 2차원 영상(Tp)에서의 각 픽셀에 분류 라벨(class label)을 부여하는 것을 의미한다. 검사체(18)를 포함하는 2차원 영상(Tp)에서의 분류 라벨은 뼈(bone), 조직(tissue) 및 공기(air) 등일 수 있다. 또한, 검사체(18)가 유방인 경우, 분류 라벨에는 유선(mammary gland)이 포함될 수 있다. 일 실시예에 있어서, 2차원 영상(Tp)에 대한 시맨틱 세그멘테이션은 CNN(Convolutional Neural Network)과 같은 인공 신경망 또는 딥러닝(deep learning) 기반의 알고리즘을 이용하여 수행될 수 있다. 또한, 시맨틱 세그멘테이션은 K-means 클러스터링, 오츠 쓰레스홀딩(otsu thresholding) 또는 퍼지 클러스티렁(fuzzy clustering)과 같은 기법을 활용하여 수행되는 것도 가능할 수 있다.
한편, 방사선 영상 획득 장치(10)의 검출기(20)에 의해 획득된 2차원 영상은, 물체를 투과하는 방사선의 특성상 카메라 등에 의해 획득된 일반적인 영상과는 달리 하나의 픽셀에 여러가지 분류 라벨이 부여될 수 있다. 즉, 하나의 픽셀에 뼈, 조직, 공기, 유선 들과 같은 분류 라벨 중에서 적어도 둘의 분류 라벨이 부여될 수 있다. 이에 따라, 픽셀 단위의 다중 라벨 분류(multi-label pixelwise classification)가 복수의 2차원 영상 각각에 대하여 수행되고, 복수의 2차원 세그멘테이션 데이터(Sp1, Sp2,…, Spn)가 획득될 수 있다.
세그멘테이션 맵 생성부(130)는 복수의 2차원 세그멘테이션 데이터(Sp1, Sp2,…, Spn)를 이용하여 3차원 세그멘테이션 맵(Srep)을 생성한다. 일 실시예에 있어서, 세그멘테이션 맵 생성부(130)는 복수의 2차원 세그멘테이션 데이터(Sp1, Sp2,…, Spn)에 대하여 백-프로젝션(back-projection) 알고리즘을 이용하여 3차원 세그멘테이션 맵(Srep)을 생성할 수 있다.
도 4는 본 발명의 바람직한 일 실시예에 따른 신쎄틱 2차원 영상 합성 장치에 있어서, 세그멘테이션 맵 생성부에서의 세그멘테이션 맵을 생성하는 과정을 예시적으로 나타내는 도면이다.
영상 입력부(110)에서 전달된 복수의 2차원 영상(Tp)에 대하여 시맨틱 세그멘테이션이 수행되고, 2차원 세그멘테이션 데이터(Sp)가 획득된다. 2차원 영상(Tp)은 방사선 영상의 특성상 하나의 픽셀에 복수의 분류 라벨이 부여될 수 있고, 픽셀 단위의 다중 라벨 분류(multi-label pixelwise classification)가 복수의 2차원 영상(Tp)에 대하여 수행된다. 도 4의 예시에서는, 2차원 영상(Tp)에 대하여, 조직(tissue)과 유선(mammary gland)의 분류 라벨로 다중 라벨 세그멘테이션이 수행되어 조직에 대한 2차원 세그멘테이션 데이터(Sp(tissue))와 유선에 대한 2차원 세그멘테이션 데이터(Sp(mammary gland))가 획득된 것을 나타낸다. 복수의 2차원 세그멘테이션 데이터(Sp)는 3차원 세그멘테이션 맵(Srep)으로 통합될 수 있다. 일 실시예에 있어서, 특정 분류 라벨에 대한 2차원 세그멘테이션 데이터들(Sp(tissue) 또는 Sp(mammary gland))을 이용하여, 분류 라벨별로 재구성된 3차원 세그멘테이션 데이터(Sr(tissue) 또는 Sr(mammary gland))가 생성되고, 분류 라벨별로 재구성된 3차원 세그멘테이션 데이터(Sr(tissue) 또는 Sr(mammary gland))를 이용하여 3차원 세그멘테이션 맵(Srep)이 합성될 수 있다.
다시 말하면, 세그멘테이션 맵 생성부(130)는, 다양한 각도에서 얻어진 2차원 영상(Tp) 각각에 대하여 분류 라벨별로 2차원 세그멘테이션 데이터(Sp)를 구한 후, 복수의 2차원 세그멘테이션 데이터(Sp)를 이용하여 분류 라벨별로 3차원 세그멘테이션 데이터(Sr)를 합성할 수 있다. 이 경우, 분류 라벨별로 3차원 세그멘테이션 데이터(Sr)의 각 복셀에는 특정 분류 라벨일 수 있는 정도에 대한 값(예를 들면, 특정 라벨일 확률)이 포함될 수 있다. 일 실시예에 있어서, 3차원 세그멘테이션 데이터(Sr)를 합성함에 있어서, 백-프로젝션 기법이 이용될 수 있다.
2차원 영상(Tp)을 구성하는 개별 픽셀은 방사선의 투과성으로 인해 여러 분류 라벨이 포함될 수 있지만, 재구축된 3차원 영상(Tr)을 구성하는 개별 복셀은 하나의 분류 라벨을 가질 수 있다. 이러한 이유에서, 분류 라벨별 3차원 세그멘테이션 데이터(Sr)를 이용하여 3차원 세그멘테이션 맵(Srep)이 합성되는 과정에서, 개별 복셀에 대한 분류 라벨을 특정한다. 일 실시예에 있어서, 3차원 세그멘테이션 맵(Srep)의 개별 복셀에 복수의 분류 라벨이 존재하는 경우, 가장 확률이 높은 분류 라벨로 해당 복셀의 분류 라벨을 정할 수 있다. 예를 들어, M개의 3차원 세그멘테이션 데이터(Srk, k=1…M)가 존재하는 경우, 3차원 세그멘테이션 맵(Srep)의 특정 복셀의 분류 라벨(Srep(x, y, z))은 수학식 1에 의해 구해질 수 있다.
다시 도 2를 참조하면, 신쎄틱 2차원 영상 합성부(150)는, 세그멘테이션 맵 생성부(130)에서 생성된 3차원 세그멘테이션 맵(Srep)과 단층 영상 합성부(120)에서 합성된 재구축된 3차원 영상(Tr)을 이용하여, 신쎄틱 2차원 영상(Fsyn)을 합성한다. 이 때, 신쎄틱 2차원 영상 합성부(150)는 시맨틱 필터부(140)에서 제공하는 시맨틱 필터를 적용하여 신쎄틱 2차원 영상(Fsyn)을 합성할 수 있다.
시맨틱 필터부(140)는, 사용자의 설정 또는 요구에 따라 3차원 세그멘테이션 맵(Srep)으로부터 시맨틱 필터를 생성할 수 있다. 시맨틱 필터는 이하에서 설명하는 가중치로서 설명될 수 있고, 신쎄틱 2차원 영상 합성 과정에서 물질별로 가중치를 부여하여 특정 물질이 강조되거나 강조되지 않도록 할 수 있다. 즉, 합성된 신쎄틱 2차원 영상에서의 특정 물질에 의한 영상 픽셀의 인텐시티를 조절할 수 있다.
도 5는 본 발명의 바람직한 일 실시예에 따른 신쎄틱 2차원 영상 합성 장치에 있어서, 시맨틱 필터부에서 시맨틱 필터를 생성하는 것을 예시하는 도면이다.
도 5에서는 3차원 세그멘테이션 맵(Srep)의 일부가 나타나 있다. 사용자의 선택 또는 사용자의 요구에 따라 각 라벨별로 가중치를 부여할 수 있다. 도 5에서는, 뼈에 대한 분류 라벨의 가중치(ubone)는 0.5, 조직에 대한 분류 라벨의 가 중치는(utissue)는 1.3, 공기에 대한 분류 라벨의 가중치(uair)는 0.1로 한 것을 예시하고 있다.
각 라벨별 가중치를 종합하면 시맨틱 필터로서 적용할 수 있는 가중치(ωk)가 획득될 수 있다.
도 5에서 예시된 수치는 뼈 부분을 약화시킨 본 서프레션(bone suppression)의 경우를 나타낸 것으로서, 뼈에 해당하는 복셀의 가중치를 다른 것에 비해 낮게 줌으로써 신쎄틱 2차원 영상에서 뼈 부분을 흐리게 하기 위한 것이다.
이와 같이, 특징 분류 라벨에 대한 가중치를 높이거나 낮춘 시맨틱 필터를 생성하여 신쎄틱 2차원 영상 합성에 적용함으로써 사용자가 원하는 신체 조직에 대하여 강조하거나 약화시킨 영상을 얻을 수 있게 된다.
도 6은 본 발명의 바람직한 일 실시예에 따른 신쎄틱 2차원 영상 합성 장치에 있어서, 시맨틱 필터를 적용하여 신쎄틱 2차원 영상을 합성하는 것을 설명하기 위한 도면이고, 도 7은 본 발명의 바람직한 일 실시예에 따른 신쎄틱 2차원 영상 합성 장치에 의해 신쎄틱 2차원 영상이 합성되는 것을 예시적으로 나타낸 도면이다.
도 6에서는, 이해의 편의를 위해 2차원 재구성 데이터에서 1차원 데이터를 합성하는 것을 예시한다. 즉, 본 발명에 따른 신쎄틱 2차원 영상은 3차원 데이터에서 2차원 데이터를 합성하는 것인데, 도 6은 그 방법을 예시적으로 설명하기 위하여 차원을 낮추어 예시한다.
도 6에서, 재구성된 물체가 존재하는 Tr에서, 이를 통해 합성할 수 있는 투영 데이터는 Fsyn(r)로 나타낼 수 있다. 이 때, Fsyn(r)은 방사선이 물체를 투과할 때의 감쇄된 정도의 합이라고 할 수 있다. 따라서 도 6에서 x축에 φ만큼 기울어진 선과 수직이고 중심으로부터 r만큼 떨어진 선(합성하고자 하는 영상의 픽셀과 방사선 소스가 이루는 선)에 대한 선적분을 Fsyn(r)라 할 때, 이는 수학식 2와 같이 나타낼 수 있다.
특정 물질에 대한 가중치를 주기 위한 시맨틱 필터, 즉 가중치 함수 ωn을 수학식 2에 적용하면 수학식 3과 같다.
3차원 세그멘테이션 맵(Srep)에서의 각 복셀에 대하여 사용자가 설정한 가중치를 ωk라 할 때, ωn은 ωk를 합성하고자 하는 영상의 픽셀과 방사선 소스가 이루는 선에 있는 복셀 집단에 따라 정규화함으로써 얻어질 수 있다. 정규화는 정규화하고자 하는 복셀을 선에 있는 복셀들의 가중치의 합으로서 나눔으로써 수행될 수 있다.
세그멘테이션 맵(Srep)에서의 특정 복셀의 가중치를 ωk(x, y)라 할 때, 특정 선(ray)에 포함되는 복셀들의 ωk(x, y)의 합 ωk'(r)는 수학식 4와 같이 나타낼 수 있고, ωn, ωk, ωk'의 관계는 수학식 5와 같이 나타낼 수 있으며, 이에 따라 수학식 3은 수학식 6과 같이 다시 표현될 수 있다.
도 7을 참조하면, 이상의 과정에서와 같이 재구축된 3차원 영상(Tr)과 3차원 세그멘테이션 맵(Srep)을 이용하여 신쎄틱 2차원 영상(Fsyn)이 합성되는 과정에서, 가중치(ωk)가 시맨틱 필터로 작용함으로써 사용자의 설정 또는 요구에 따라 특정 물질이 강조된 또는 강조되지 않은, 즉, 특정 물질에 의한 영상의 인텐시티가 조정된 신쎄틱 2차원 영상(Fsyn)이 합성될 수 있다.
도 8은 본 발명의 바람직한 일 실시예에 따른 신쎄틱 2차원 영상 합성 방법을 도시한 순서도이다.
영상 입력부(110)는 방사선 영상 획득 장치(10)의 검출기(20)로부터 2차원 투영 데이터인 복수의 2차원 영상을 입력받는다(S100).
단층 영상 합성부(120)는 영상 입력부(110)로부터 전달된 복수의 2차원 영상에 대하여 단층 영상 합성 기법을 적용하여 3차원으로 재구성함으로써 재구축된 3차원 영상을 합성한다(S110).
세그멘테이션 맵 생성부(130)는 검사체(18)를 포함한 영역에 대한 3차원 세그멘테이션 맵(3D segmentation map)을 생성한다. 구체적으로, 세그멘테이션 맵 생성부(130)는 영상 입력부(110)에서 전달된 복수의 2차원 영상 각각에 대하여 시맨틱 세그멘테이션(semantic segmentation)을 수행하여 2차원 세그멘테이션 데이터를 획득한다(S120).
그 다음, 세그멘테이션 맵 생성부(130)는, 2차원 세그멘테이션 데이터를 3차원으로 재구성하여 3차원 세그멘테이션 맵을 생성한다(S130).
시맨틱 필터부(140)는 사용자의 요구 또는 설정에 따라 3차원 세그멘테이션 맵의 각 복셀의 세그멘테이션 데이터(예를 들면, 분류 라벨 정보)에 적용할 가중치로서의 시맨틱 필터를 생성한다(S140).
신쎄틱 2차원 영상 합성부(150)는, 재구축된 3차원 영상과 시맨틱 필터를 이용하여 신쎄틱 2차원 영상을 합성한다(S150).
이상의 과정을 거쳐 최종 신쎄틱 2차원 영상을 획득하고(S160), 최종 신쎄틱 2차원 영상은 디스플레이(160)를 통해 사용자에게 제시될 수 있다.
도 9는 본 발명의 바람직한 다른 실시예에 따른 신쎄틱 2차원 영상 합성 방법을 도시한 순서도이다.
영상 입력부(110)는 방사선 영상 획득 장치(10)의 검출기(20)로부터 2차원 투영 데이터인 복수의 2차원 영상을 입력받는다(S200).
단층 영상 합성부(120)는 영상 입력부(110)로부터 전달된 복수의 2차원 영상에 대하여 단층 영상 합성 기법을 적용하여 3차원으로 재구성함으로써 재구축된 3차원 영상을 합성한다(S210).
세그멘테이션 맵 생성부(130)는 재구축된 3차원 영상을 이용하여 3차원 세그멘테이션 맵(3D segmentation map)을 생성한다(S220). S220 단계에서는, 재구축된 3차원 영상의 복셀 각각에 대하여 시맨틱 세그멘테이션을 직접 수행함으로써 이루어질 수 있다. S220 단계의 수행 결과, 각각의 복셀에 대한 분류 라벨이 부여될 수 있다.
시맨틱 필터부(140)는 사용자의 요구 또는 설정에 따라 3차원 세그멘테이션 맵의 각 복셀의 세그멘테이션 데이터에 적용할 가중치로서의 시맨틱 필터를 생성한다(S230).
신쎄틱 2차원 영상 합성부(150)는, 재구축된 3차원 영상과 시맨틱 필터를 이용하여 신쎄틱 2차원 영상을 합성한다(S240).
이상의 과정을 거쳐 최종 신쎄틱 2차원 영상을 획득하고(S250), 최종 신쎄틱 2차원 영상은 디스플레이(160)를 통해 사용자에게 제시될 수 있다.
도 10은 본 발명의 바람직한 실시예에 따른 신쎄틱 2차원 영상 합성 방법을 개략적으로 도시한 도면이다.
방사선 영상 획득 장치(10)의 검출기(20)로부터 2차원 투영 데이터인 복수의 2차원 영상(Tp)이 입력되어 재구축된 3차원 영상(Tr)이 합성된다(S300).
세그멘테이션 맵 생성부(130)는 3차원 세그멘테이션 맵(3D segmentation map : Srep)을 생성한다(S310).
신쎄틱 2차원 영상 합성부(150)는 재구축된 3차원 영상(Tr)과 3차원 세그멘테이션 맵(Srep)을 이용하여 신쎄틱 2차원 영상(Fsyn)을 합성한다(S320).
이러한 본 발명은, 시맨틱 세그멘테이션 데이터를 이용하여 사용자가 원하는 정보를 강조하는 필터를 동적으로 생성할 수 있다. 또한, 시맨틱 세그멘테이션 데이터를 활용함으로써 비슷한 픽셀값(픽셀 인텐시티)을 갖는 복셀이라 하더라도 그것을 분류하고 물질별 또는 특성별로 다른 가중치를 사용함으로써 적응적인 신쎄틱 2차원 영상을 획득할 수 있다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위 내에서 다양한 수정, 변경 및 치환이 가능할 것이다. 따라서, 본 발명에 개시된 실시예 및 첨부된 도면들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예 및 첨부된 도면에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
10 : 방사선 영상 획득 장치
12 : 방사선 소스
14 : 가압 플레이트
16 : 지지 플레이트
18 : 검사체
20 : 검출기
100 : 신쎄틱 2차원 영상 합성 장치
110 : 영상 입력부
120 : 단층 영상 합성부
130 : 세그멘테이션 맵 생성부
140 : 시맨틱 필터부
150 : 신쎄틱 2차원 영상 합성부
160 : 디스플레이
12 : 방사선 소스
14 : 가압 플레이트
16 : 지지 플레이트
18 : 검사체
20 : 검출기
100 : 신쎄틱 2차원 영상 합성 장치
110 : 영상 입력부
120 : 단층 영상 합성부
130 : 세그멘테이션 맵 생성부
140 : 시맨틱 필터부
150 : 신쎄틱 2차원 영상 합성부
160 : 디스플레이
Claims (19)
- 방사선 영상 획득 장치의 검출기로부터 검사체에 대한 복수의 각도 또는 위치에서의 2차원 영상을 입력받는 영상 입력부;
상기 영상 입력부에 입력된 상기 2차원 영상을 이용하여 재구축된 3차원 영상을 합성하는 단층 영상 합성부;
상기 3차원 영상을 이루는 복셀의 특성 또는 종류를 나타내는 세그멘테이션 데이터를 포함하는 3차원 세그멘테이션 맵을 생성하는 세그멘테이션 맵 생성부; 및
상기 재구축된 3차원 영상과 상기 3차원 세그멘테이션 맵을 이용하여 신쎄틱 2차원 영상을 합성하는 신쎄틱 2차원 영상 합성부;를 포함하고,
상기 신쎄틱 2차원 영상 합성부는, 상기 세그멘테이션 데이터를 이용하여 상기 검사체의 특정 물질의 인텐시티가 조정된 신쎄틱 2차원 영상을 합성하고,
상기 3차원 세그멘테이션 맵에 포함된 상기 복셀의 상기 세그멘테이션 데이터에 적용할 가중치로서의 시맨틱 필터를 생성하는 시맨틱 필터부를 더 포함하고, 상기 가중치는 사용자의 요구 또는 사용자의 설정에 따라 특정 물질, 또는 특성을 갖는 부분이 강조되거나 강조되지 않도록 조정되는 것을 특징으로 하는 신쎄틱 2차원 영상 합성 장치. - 삭제
- 제 1 항에 있어서,
상기 세그멘테이션 맵 생성부는, 상기 세그멘테이션 데이터로서의 적어도 하나의 분류 라벨을 상기 복셀에 부여하는 것을 특징으로 하는 신쎄틱 2차원 영상 합성 장치. - 제 3 항에 있어서,
상기 세그멘테이션 맵 생성부는, 상기 영상 입력부로부터 상기 2차원 영상을 전달받아 상기 2차원 영상에 시맨틱 세그멘테이션을 수행하여 복수의 2차원 세그멘테이션 데이터를 획득하고, 상기 복수의 2차원 세그멘테이션 데이터를 이용하여 상기 3차원 세그멘테이션 맵을 생성하는 것을 특징으로 하는 신쎄틱 2차원 영상 합성 장치. - 제 4 항에 있어서,
상기 세그멘테이션 맵 생성부는, 상기 복수의 2차원 세그멘테이션 데이터를 백-프로젝션하여 상기 3차원 세그멘테이션 맵을 생성하는 것을 특징으로 하는 신쎄틱 2차원 영상 합성 장치. - 제 4 항에 있어서,
상기 세그멘테이션 맵 생성부는, 상기 2차원 영상에 대하여 분류 라벨별로 시맨틱 세그멘테이션을 수행하여 분류 라벨별 2차원 세그멘테이션 데이터를 획득하는 것을 특징으로 하는 신쎄틱 2차원 영상 합성 장치. - 제 1 항에 있어서,
상기 세그멘테이션 맵 생성부는, 상기 재구축된 3차원 영상의 복셀 각각에 대하여 시맨틱 세그멘테이션을 수행하여 상기 3차원 세그멘테이션 맵을 생성하는 것을 특징으로 하는 신쎄틱 2차원 영상 합성 장치. - 삭제
- 제 1 항에 있어서,
상기 가중치는 상기 세그멘테이션 데이터별로 또는 상기 복셀별로 구분하여 설정되는 것을 특징으로 하는 신쎄틱 2차원 영상 합성 장치. - 제 9 항에 있어서,
상기 가중치는 정규화 과정을 거쳐 생성되는 것을 특징으로 하는 신쎄틱 2차원 영상 합성 장치. - 제 1 항에 있어서,
상기 신쎄틱 2차원 영상 합성부는, 상기 시맨틱 필터를 상기 복셀의 인텐시티와 곱하여 상기 신쎄틱 2차원 영상을 합성하는 것을 특징으로 하는 신쎄틱 2차원 영상 합성 장치. - (a) 방사선 영상 획득 장치의 검출기로부터 검사체에 대한 복수의 각도 또는 위치에서의 2차원 영상을 입력받는 단계;
(b) 단층 영상 합성부가 복수의 상기 2차원 영상을 이용하여 재구축된 3차원 영상을 합성하는 단계;
(c) 세그멘테이션 맵 생성부가 상기 재구축된 3차원 영상의 복셀의 특성 또는 종류를 나타내는 세그멘테이션 데이터를 포함하는 3차원 세그멘테이션 맵을 생성하는 단계; 및
(d) 신쎄틱 2차원 영상 합성부가 상기 재구축된 3차원 영상과 상기 3차원 세그멘테이션 맵을 이용하여 신쎄틱 2차원 영상을 합성하는 단계;를 포함하고,
상기 (d) 단계에서, 상기 세그멘테이션 데이터를 이용하여 상기 검사체의 적어도 하나의 물질에 의한 인텐시티가 조정된 신쎄틱 2차원 영상을 합성하고,
상기 (d) 단계에서, 상기 3차원 세그멘테이션 맵의 각 복셀의 세그멘테이션 데이터에 적용할 가중치로서의 시맨틱 필터를 생성하고, 상기 시맨틱 필터를 이용하여 상기 신쎄틱 2차원 영상이 합성되며, 상기 가중치는 사용자의 요구 또는 사용자의 설정에 따라 특정 물질, 또는 특성을 갖는 부분이 강조되거나 강조되지 않도록 조정되는 것을 특징으로 하는 신쎄틱 2차원 영상 합성 방법. - 삭제
- 제 12 항에 있어서,
상기 (c) 단계에서, 상기 세그멘테이션 맵 생성부가, 영상 입력부로부터 상기 2차원 영상을 전달받아 상기 2차원 영상에 시맨틱 세그멘테이션을 수행하여 복수의 2차원 세그멘테이션 데이터를 획득하고, 상기 복수의 2차원 세그멘테이션 데이터를 이용하여 상기 3차원 세그멘테이션 맵을 생성하는 것을 특징으로 하는 신쎄틱 2차원 영상 합성 방법. - 제 12 항에 있어서,
상기 (c) 단계에서, 상기 재구축된 3차원 영상의 복셀 각각에 대하여 시맨틱 세그멘테이션을 수행하여 상기 3차원 세그멘테이션 맵을 생성하는 것을 특징으로 하는 신쎄틱 2차원 영상 합성 방법. - 삭제
- 제 12 항에 있어서,
상기 가중치는 상기 세그멘테이션 데이터별로 또는 상기 복셀별로 구분하여 설정되는 것을 특징으로 하는 신쎄틱 2차원 영상 합성 방법. - 제 17 항에 있어서,
상기 가중치는 정규화 과정을 거쳐 생성되는 것을 특징으로 하는 신쎄틱 2차원 영상 합성 방법. - 제 12 항에 있어서,
상기 (d) 단계에서, 상기 시맨틱 필터를 상기 복셀의 인텐시티와 곱하여 상기 신쎄틱 2차원 영상을 합성하는 것을 특징으로 하는 신쎄틱 2차원 영상 합성 방법.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200037922A KR102534762B1 (ko) | 2020-03-30 | 2020-03-30 | 신쎄틱 2차원 영상 합성 방법 및 장치 |
US17/215,797 US20210304460A1 (en) | 2020-03-30 | 2021-03-29 | Method and appararus for generating synthetic 2d image |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200037922A KR102534762B1 (ko) | 2020-03-30 | 2020-03-30 | 신쎄틱 2차원 영상 합성 방법 및 장치 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20210121382A KR20210121382A (ko) | 2021-10-08 |
KR102534762B1 true KR102534762B1 (ko) | 2023-05-19 |
Family
ID=77856423
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020200037922A KR102534762B1 (ko) | 2020-03-30 | 2020-03-30 | 신쎄틱 2차원 영상 합성 방법 및 장치 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20210304460A1 (ko) |
KR (1) | KR102534762B1 (ko) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9984478B2 (en) * | 2015-07-28 | 2018-05-29 | PME IP Pty Ltd | Apparatus and method for visualizing digital breast tomosynthesis and other volumetric images |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014014725A (ja) * | 2013-10-30 | 2014-01-30 | Canon Inc | 画像処理装置、画像処理方法、及びプログラム |
JP2016522071A (ja) * | 2013-06-28 | 2016-07-28 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | トモシンセシスデータからエッジ保存合成マンモグラムを生成するための方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7561725B2 (en) * | 2003-03-12 | 2009-07-14 | Siemens Medical Solutions Usa, Inc. | Image segmentation in a three-dimensional environment |
GB2416944A (en) * | 2004-07-30 | 2006-02-08 | Voxar Ltd | Classifying voxels in a medical image |
KR101768520B1 (ko) | 2015-11-30 | 2017-09-08 | 연세대학교 원주산학협력단 | 흉부의 디지털 x선 일반촬영 및 디지털 단층영상합성의 영상을 통합적 및 연속적으로 획득하기 위한 디지털 x선 촬영 시스템의 제어방법 |
US10157460B2 (en) * | 2016-10-25 | 2018-12-18 | General Electric Company | Interpolated tomosynthesis projection images |
CN107220980B (zh) * | 2017-05-25 | 2019-12-03 | 重庆师范大学 | 一种基于全卷积网络的mri图像脑肿瘤自动分割方法 |
EP3432263B1 (en) * | 2017-07-17 | 2020-09-16 | Siemens Healthcare GmbH | Semantic segmentation for cancer detection in digital breast tomosynthesis |
CN111126242B (zh) * | 2018-10-16 | 2023-03-21 | 腾讯科技(深圳)有限公司 | 肺部图像的语义分割方法、装置、设备及存储介质 |
-
2020
- 2020-03-30 KR KR1020200037922A patent/KR102534762B1/ko active IP Right Grant
-
2021
- 2021-03-29 US US17/215,797 patent/US20210304460A1/en not_active Abandoned
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016522071A (ja) * | 2013-06-28 | 2016-07-28 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | トモシンセシスデータからエッジ保存合成マンモグラムを生成するための方法 |
JP2014014725A (ja) * | 2013-10-30 | 2014-01-30 | Canon Inc | 画像処理装置、画像処理方法、及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
US20210304460A1 (en) | 2021-09-30 |
KR20210121382A (ko) | 2021-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dougherty | Digital image processing for medical applications | |
US7636461B2 (en) | Image-wide artifacts reduction caused by high attenuating objects in ct deploying voxel tissue class | |
JP5162182B2 (ja) | 異常陰影の検出のために放射線画像を処理するための方法 | |
US6707878B2 (en) | Generalized filtered back-projection reconstruction in digital tomosynthesis | |
US7356113B2 (en) | Tomosynthesis imaging system and method | |
CN103649990B (zh) | 用于谱ct的图像处理 | |
US7978886B2 (en) | System and method for anatomy based reconstruction | |
US9613440B2 (en) | Digital breast Tomosynthesis reconstruction using adaptive voxel grid | |
EP1306807A2 (en) | A tomographic image reconstruction method for tomosynthesis | |
EP3324846B1 (en) | Computed tomography visualization adjustment | |
JP2006255419A (ja) | 対象の断層撮影画像の作成方法およびコンピュータ断層撮影装置 | |
Michael O'Connor et al. | Generation of voxelized breast phantoms from surgical mastectomy specimens | |
US20100310036A1 (en) | Computed tomography method and apparatus | |
US20100142793A1 (en) | Facilitating Computer-Aided Detection, Comparison and/or Display of Medical Images | |
CN111684486A (zh) | 由谱计算机断层摄影(ct)扫描器生成的图像质量改善的虚拟非对比图像 | |
KR102534762B1 (ko) | 신쎄틱 2차원 영상 합성 방법 및 장치 | |
JP7258744B2 (ja) | スペクトルコンピュータ断層撮影フィンガープリンティング | |
Claus et al. | New method for 3D reconstruction in digital tomosynthesis | |
JP7346546B2 (ja) | Ct仮想単色撮像のための自動的適応エネルギ設定を行う方法 | |
CN116547720A (zh) | 用于断层摄影图像数据的图像绘制方法 | |
EP3992912A1 (en) | Methods and systems for generating a spectral computed tomography image | |
Chang et al. | An adaptive optimum contrast CT image acquisition for improved spectrum estimation-guided DECT reconstruction | |
Kiarashi | Towards realizing virtual clinical trials for optimization and evaluation of breast imaging systems | |
Park et al. | Investigation of reconstruction quality in digital breast tomosynthesis (DBT) based on compressed-sensing algorithm and synthesized 2D breast image | |
Zeigler | Direct Detection of Microcalcification Pairs in Simulated Digital Mammograms |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
AMND | Amendment | ||
E601 | Decision to refuse application | ||
AMND | Amendment | ||
X701 | Decision to grant (after re-examination) | ||
GRNT | Written decision to grant |