KR102554220B1 - Pet-mri 다중 영상 정합 시스템 및 방법 - Google Patents

Pet-mri 다중 영상 정합 시스템 및 방법 Download PDF

Info

Publication number
KR102554220B1
KR102554220B1 KR1020210027485A KR20210027485A KR102554220B1 KR 102554220 B1 KR102554220 B1 KR 102554220B1 KR 1020210027485 A KR1020210027485 A KR 1020210027485A KR 20210027485 A KR20210027485 A KR 20210027485A KR 102554220 B1 KR102554220 B1 KR 102554220B1
Authority
KR
South Korea
Prior art keywords
pet
sinogram
mri
raw data
image
Prior art date
Application number
KR1020210027485A
Other languages
English (en)
Other versions
KR20210110236A (ko
Inventor
서성호
정준영
류연철
Original Assignee
가천대학교 산학협력단
(의료)길의료재단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 가천대학교 산학협력단, (의료)길의료재단 filed Critical 가천대학교 산학협력단
Publication of KR20210110236A publication Critical patent/KR20210110236A/ko
Application granted granted Critical
Publication of KR102554220B1 publication Critical patent/KR102554220B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A61B6/5247—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from an ionising-radiation diagnostic technique and a non-ionising radiation diagnostic technique, e.g. X-ray and ultrasound
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/0035—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for acquisition of images from more than one imaging mode, e.g. combining MRI and optical tomography
    • 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
    • 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
    • A61B6/03—Computed tomography [CT]
    • A61B6/037—Emission tomography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
    • A61B6/5264—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise due to motion
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/4808—Multimodal MR, e.g. MR combined with positron emission tomography [PET], MR combined with ultrasound or MR combined with computed tomography [CT]
    • G01R33/481—MR combined with positron emission tomography [PET] or single photon emission computed tomography [SPECT]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/4818—MR characterised by data acquisition along a specific k-space trajectory or by the temporal order of k-space coverage, e.g. centric or segmented coverage of k-space
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/5608—Data processing and visualization specially adapted for MR, e.g. for feature analysis and pattern recognition on the basis of measured MR data, segmentation of measured MR data, edge contour detection on the basis of measured MR data, for enhancing measured MR data in terms of signal-to-noise ratio by means of noise filtering or apodization, for enhancing measured MR data in terms of resolution by means for deblurring, windowing, zero filling, or generation of gray-scaled images, colour-coded images or images displaying vectors instead of pixels

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Medical Informatics (AREA)
  • Radiology & Medical Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Optics & Photonics (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • General Physics & Mathematics (AREA)
  • Pulmonology (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Nuclear Medicine (AREA)

Abstract

본 기술은 PET-MRI 다중 영상 정합 시스템 및 방법이 개시된다. 이러한 기술에 대한 구체적인 구현 예는 PET 및 MRI를 통해 각각 획득된 로우 데이터로부터 각각의 사이노그램(sinogram) 데이터를 획득한 다음 획득된 각각의 사이노그램 영역에서 상호 정합함에 따라, 촬영 시 대상체의 움직임으로 인한 잡음 및 오류를 최소화할 수 있고, 이에 복원된 영상 품질을 향상시킬 수 있다.

Description

PET-MRI 다중 영상 정합 시스템 및 방법{SYSTEM AND METHOD FOR REGISTRATING MULTIPLE IMAGES}
본 발명은 PET-MRI 다중 영상 정합 시스템 및 방법에 관한 것으로서, 더욱 상세하게는 PET 및 MRI를 통해 각각 획득된 로우 데이터로부터 각각의 사이노그램(sinogram) 데이터를 획득한 다음 획득된 각각의 사이노그램 영역에서 상호 정합함에 따라, 촬영 시 대상체의 움직임으로 인한 잡음 및 오류를 최소화할 수 있고, 이에 영상 품질을 향상할 수 있도록 기술에 관한 것이다.
세포, 전임상, 임상실험 및 환자의 진단을 위해 사용되는 의료 영상은 일반적으로 크게 구조적인 영상과 기능적인 영상으로 분류된다. 구조적인 영상은 인체의 구조 및 해부학적 영상을 의미하고, 기능적인 영상은 인체의 인지, 감각기능 등에 대한 기능 정보를 직접 또는 간접적인 방법으로 영상화하는 것이다.
구조 및 해부학적 영상기술에는 컴퓨터단층촬영장치(Computed Tomography: CT), 자기공명단층촬영장치(Magnetic Resonance Imaging: MRI)등이 있고, 인체의 생리적 및 생화학적 작용을 관찰하여 기능 정보를 영상화하는 기술로서는 양전자방출 단층촬영장치(Positron Emission Tomography :PET)가 널리 사용되고 있다.
순차형(sequentail) PET-MRI 영상장치 또는 개별 영상장치로부터 얻어진 MRI와 PET 영상들을 함께 활용하기 위해서는, 각 영상 촬영 시의 대상체 위치 및 자세의 차이 때문에 다중 영상들 간의 상호 정합이 반드시 필요하다. 또, 일체형(integrated) PET-MRI 영상장치의 경우에도 동시에 얻어지지 않은 경우라면 각 영상 촬영사이의 대상체 움직임으로 인해 상호정합이 필요할 수 있다.
기존의 다중 영상 간 상호 정합 방법들은 영상을 재구성한 후에 영상 영역(image domain)에서 두 영상 내 대상체의 위치 및 자세를 조정하는 방식으로 정합을 수행하는 영상 기반 상호 정합 방법들이다. 다중 영상은 개별 영상의 재구성 개선이나 영상 내 물리적 현상 보정을 위해 많이 활용되는데, 영상 기반 상호 정합을 이용하는 경우에는 반드시 개별 영상들의 재구성과 상호 정합을 순차적으로 실행한 후에 추가적인 재구성 개선 및 영상 보정 작업을 진행할 수 있다. 이로 인해 중복적인 영상 재구성이 발생하게 된다는 부담이 있다.
따라서, 본 발명이 이루고자 하는 기술적 과제는 PET 및 MRI를 통해 각각 획득된 로우 데이터로부터 각각의 사이노그램(sinogram) 데이터를 획득한 다음 획득된 각각의 사이노그램 영역에서 상호 정합함에 따라, 촬영 시 대상체의 움직임으로 인한 잡음 및 오류를 최소화할 수 있고, 이에 영상 품질을 향상할 수 있는 PET-MRI 다중 영상 정합 시스템 및 방법을 제공하고자 함에 목적이 있다.
본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있으며, 본 발명의 실시예에 의해 보다 분명하게 알게 될 것이다. 또한, 본 발명의 목적 및 장점들은 특허청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.
이러한 특징에 따르면, 일 실시예에 따른 PET-MRI 다중 영상 정합 시스템은
PET(Positron emission computed tomography) 및 MRI(magnetic resonance imaging) 각각으로부터 각각의 로우 데이터를 획득하는 로우 데이터 획득부; 상기 PET 및 MRI 으로부터 획득된 로우 데이터 각각에 대해 사이노그램 데이터를 획득하는 전처리부; 획득된 사이노그램 데이터를 비교하여 각 대상체의 위치 및 자세가 일치하도록 각각의 사이노그램 영역에 대해 정합하여 재구성부로 전달하는 정합부를 포함하는 것을 일 특징으로 한다.
바람직하게 상기 전처리부는 PET 영상의 로우 데이터로부터 방사선 검출 정보인 경우 사이노그램 데이터를 획득하는 PET 사이노그램 획득모듈을 포함할 수 있고, 획득된 PET 영상의 로우 데이터가 방사선 검출 순서 정보인 경우 PET 영상을 사이노그램 영상으로 변환한 다음 상기 PET 사이노그램 획득모듈로 전달하는 PET 변환모듈을 더 포함할 수 있다.
바람직하게 상기 전처리부는, MRI로부터 획득된 k 공간을 구성하는 주파수 성분의 로우 데이터가 방사선 좌표계인 경우 1차원 푸리에 역변환을 수행하여 사이노그램 데이터를 획득하는 MRI 사이노그램 획득모듈을 포함할 수 있고, MRI로부터 획득된 k 공간을 구성하는 주파수 성분의 로우 데이터가 직각 좌표계인 경우 로우 데이터를 방사선 좌표계로 변환한 다음 상기 MRI 사이노그램 획득모듈로 전달하는 MRI 변환모듈을 더 포함할 수 있다.
일 실시 예에 따른 PET-MRI 다중 영상 정합 방법은, PET(Positron emission computed tomography) 및 MRI(magnetic resonance imaging) 각각으로부터 로우 데이터를 획득하는 로우 데이터 획득단계; 상기 PET 및 MRI 으로부터 획득된 로우 데이터 각각에 대해 사이노그램 데이터를 획득하는 전처리단계; 획득된 사이노그램 데이터를 비교하여 각 대상체의 위치 및 자세가 일치하도록 각각의 사이노그램 영역에 대해 정합하여 재구성부로 전달하는 정합단계를 포함하는 것을 일 특징으로 한다.
바람직하게 상기 전처리단계는 PET의 로우 데이터로부터 방사선 검출 정보인 경우 사이노그램 데이터를 획득하는 PET 사이노그램 획득 단계를 포함할 수 있고, 획득된 PET 영상의 로우 데이터가 방사선 검출 순서 정보인 경우 PET 영상을 사이노그램 영상으로 변환한 다음 상기 PET 사이노그램 획득단계로 전달하는 PET 변환단계를 더 포함할 수 있다.
바람직하게 상기 전처리단계는, MRI로부터 획득된 k 공간을 구성하는 주파수 성분의 로우 데이터가 방사형 좌표계인 경우 1차원 푸리에 역변환을 수행하여 사이노그램 데이터를 획득하는 MRI 사이노그램 획득단계를 포함할 수 있고, MRI로부터 획득된 k 공간을 구성하는 주파수 성분의 로우 데이터가 직각 좌표계인 경우 로우 데이터를 방사선 좌표계로 변환한 다음 상기 MRI 사이노그램 획득단계로 전달하는 MRI 변환단계를 더 포함할 수 있다.
일 실시 예에 따르면, PET 및 MRI를 통해 각각 획득된 로우 데이터로부터 각각의 사이노그램(sinogram) 데이터를 획득한 다음 획득된 각각의 사이노그램 영역에서 상호 정합함에 따라, 촬영 시 대상체의 움직임으로 인한 잡음 및 오류를 최소화할 수 있고, 이에 복원된 영상 품질을 향상시킬 수 있다.
본 명세서에서 첨부되는 다음의 도면들은 본 발명의 바람직한 실시 예를 예시하는 것이며, 후술하는 발명의 상세한 설명과 함께 본 발명의 기술사상을 더욱 이해시키는 역할을 하는 것이므로, 본 발명은 그러한 도면에 기재된 사항에만 한정되어 해석되어서는 아니된다.
도 1은 일 실시 예의 PET-MRI 다중 영상 정합 시스템의 구성도이다.
도 2 및 도 3은 일 실시예의 시스템의 전처리부의 세부 구성도이다.
도 4는 다른 실시예의 PET-MRI 다중 영상 정합과정의 전체 흐름도이다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설명된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시 예를 설명함으로써, 본 발명을 상세히 설명한다.
도 1은 일 실시 예에 따른 PET-MRI 다중 영상 정합 시스템의 구성을 도시한 도면이고, 도 2는 도 1에 도시된 PET 로우 데이터에 대한 전처리부의 세부 구성도이고 도 3은 도 1에 도시된 MRI의 로우 데이터에 대한 저처리부의 세부 구성도이다.
도 1 내지 도 3을 참조하면, 일 실시 예에 따른 PET-MRI 다중 영상 정합 시스템은 PET 및 MRI를 통해 각각 획득된 로우 데이터로부터 각각의 사이노그램(sinogram) 데이터를 획득한 다음 획득된 각각의 사이노그램 영역에서 상호 정합한 후 재구성하는 구성을 갖추며, 이에 시스템은, 로우 데이터 획득부(100), 전처리부(200), 및 정합부(300)를 포함할 수 있다.
여기서, 로우 데이터 획득부(100)는 PET(Positron emission computed tomography) 및 MRI(magnetic resonance imaging) 각각으로부터 로우 데이터를 획득할 수 있다. 즉, 로우 데이터 획득부(100)는 PET 아날로그 신호를 일정 샘플링의 주사루를 가지는 디지털 형태의 로우 데이터를 도출하여 전처리부(200)로 전달할 수 있다. 본 명세서 상에서는 PET 아날로그 신호로부터 디지털 형태의 로우 데이터를 도출하는 일련의 과정에 대해 구체적으로 명시하지 않지만, 당업자의 수준에서 이해되어야 할 것이다. 이때 로우 데이터는 방사선 검출 정보 또는 방사선 검출 순서 정보 중 하나 일 수 있다.
한편, 로우 데이터 획득부(100)는 비침습적으로 인체 조직 내부의 해부학적 및 기능적(Functional) 영상정보를 획득하는 MRI로부터 획득된 k 공간을 구성하는 주파수 성분의 로우 데이터를 도출할 수 있다. 그리고, 도출된 k 공간의 로우 데이터는 전처리부(200)로 전달된다. 여기서, k 공간 상의 로우 데이터는 방사선 좌표계 또는 직각 좌표계 중 하나로 나타낸다. 본 명세서 상에서는 MRI에서 획득된 k 공간의 로우 데이터를 출력하는 일련의 과정에 대해 구체적으로 명시하지 않지만, 당업자의 수준에서 이해되어야 할 것이다.
이에 전처리부(200)는 PET의 로우 데이터와 MRI의 로우 데이터를 전달받아 각각의 사이노그램 데이터를 획득한 다음 획득된 각각의 사이노그램 데이터는 정합부(200)로 전달할 수 있다. 이에 전처리부(200)는 도 2 및 도 3에 도시된 바와 같이, PET 사이노그램 획득모듈(210), PET 변환모듈(220), MRI 사이노그램 획득모듈(230), 및 MRI 변환모듈(240) 중 적어도 하나를 포함할 수 있다.
여기서, PET 사이노그램 획득모듈(210)은 획득된 로우 데이터가 방사선 검출 정보인 경우 대상체가 움직이는 주기에 따라 데이터를 분류하여 분류된 로우 데이터로부터 사이노그램 데이터를 생성한다. 즉, 대상체가 움직이는 주기에 따라 제1 내지 제N 그룹들로 게이팅하고, 제1 내지 제N 그룹들에 대한 제1 내지 제N 사이노그램들을 생성한다. 따라서, 제1 내지 제N 사이노그램들은 움직임에 따른 불러가 포함되지 않는다. 일 례로 대상체의 호흡 움직임에 따른 복수의 상태들 중 어느 하나의 상태에 대한 제1 사이노그램이 생성되는 경우, 한 번의 호흡주기 내에서 대상체의 상태들은 매 호흡주기에서 일응 유사하게 반복된다. 대상체의 호흡 주기가 약 1cycle/5sec라고 하면, 대상체의 상태는 1초, 6초, 11초 등에서 일응 유사하고, 2초, 7초, 12초 등에서 일응 유사하게 된다, 이에 PET 사이노그램 획득모듈(210)은 검출시간이 1초, 6초, 11초 등일 때 획득된 데이터를 기초로 제1 사이노그램을 생성하고, 검출시간이 2초, 7초, 12초 등일 때 획득된 데이터를 기초로 제2 사이노그램을 생성한다. 동일하게 제3 내지 제N 사이노그램들이 생성된다.
한편, 획득된 로우 데이터가 방사선 검출 순서 정보인 경우 획득된 로우 데이터는 PET 변환모듈(220)로 전달되고, PET 변환모듈(220)은 획득된 PET 영상을 사이노그램 영상으로 변환한 다음 변환된 사이노그램 영상을 PET 사이노그램 획득모듈(210)로 전달하고, PET 사이노그램 획득모듈(210)은 변환된 사이노그램 영상으로부터 사이노그램 데이터를 도출할 수 있다.
또한, MRI에서 획득된 로우 데이터가 방사선 좌표계인 경우 k 공간 상의 로우 데이터는 MRI 사이노그램 획득모듈(230)로 전달되고, MRI 사이노그램 획득모듈(230)은 MRI로부터 획득된 k 공간을 구성하는 주파수 성분의 로우 데이터에 대해 1차원 푸리에 역변환을 수행한 다음 사이노그램 데이터를 획득한다.
그리고, MRI에서 획득된 로우 데이터가 직각 좌표계인 경우 k 공간 상의 로우 데이터는 MRI 변환모듈(240)로 전달되고, MRI 변환모듈(240)은 MRI로부터 획득된 k 공간을 구성하는 주파수 성분의 로우 데이터를 방사선 좌표계로 변환한 다음 MRI 사이노그램 획득모듈(230)로 전달한다.
각각 PET 사이노그램 획득모듈(210) 및 MRI 사이노그램 획득모듈(230)의 각 사이노그램 데이터는 정합부(300)로 전달되며, 정합부(300)는 각각의 사이노그램 영역에 대해 획득된 사이노그램 데이터를 비교하여 각 대상체의 위치 및 자세가 일치시키는 정합을 수행한다.
즉, 정합부(300)는 사이노그램 영역 별 각 사이노그램 데이터의 비교를 통해 사이노그램의 움직임을 추정할 수 있고, 이러한 사이노그램에서 각도 별 중심값의 이동 정보를 통해 움직임을 추정할 수 있으며, 추정된 움직임을 통해 역으로 적용하여 사이노그램의 움직임을 보정할 수 있다.
이에 일 실시 예에 따르면, 촬영 시 대상체의 움직임으로 인한 잡음 및 오류를 최소화할 수 있고, 이에 복원된 영상 품질을 향상시킬 수 있다.
도 4는 일 실시 예에 따른 PET-MRI 다중 영상 정합과정을 도시한 흐름도로서, 도 3을 참조하여 다른 실시 예에 따른 PET-MRI 다중 영상 정합방법을 설명한다.
일 실시 예에 따르면, 단계(S10)(S11)(S12)에서, 일 실시 예의 전처리부(200)는 도 1의 로우 데이터 획득부(100)에서 PET로부터 획득된 로우 데이터가 방사선 촬영 정보인 경우 사이노그램 데이터를 획득한다.
단계(S11)에서 PET로부터 획득된 로우 데이터가 방사선 촬영 정보가 아닌 경우 단계(S13)에서, 일 실시 예의 전처리부(200)는 방사선 검출 순서 정보로 판단하여 PET 영상을 사이노그램 영상으로 변환한 다음 상기 단계(S12)로 진행한다.
한편, 단계(S21)에서 일 실시 예의 전처리부(200)는 MRI로부터 획득된 k 공간 상의 로우 데이터가 방사형 좌표계인 경우 단계(S22)로 진행하고 단계(S22)에서, 전처리부(200)는 MRI로부터 획득된 k 공간을 구성하는 주파수 성분의 로우 데이터에 대해 1차원 푸리에 역변환을 수행하여 사이노그램 데이터를 획득한다.
그러나, 단계(S21)에서 MRI로부터 획득된 k 공간 상의 로우 데이터가 방사형 좌표계가 아닌 경우 직각 좌표계로 판단하여 단계(S23)로 진행하고, 단계(S23)에서 일 실시 예의 전처리부(200)는 로우 데이터를 방사선 좌표계로 변환한 다음 단계(S22)로 진행한다.
그리고, 단계(S30)에서 각 사이노그램 데이터는 정합부(300)로 전달되며, 정합부(300)는 각각의 사이노그램 영역에 대해 획득된 사이노그램 데이터를 비교하여 각 대상체의 위치 및 자세가 일치시키는 정합을 수행한다.
이에 촬영 시 대상체의 움직임으로 인한 잡음 및 오류를 최소화할 수 있고, 이에 복원된 영상 품질을 향상시킬 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로 (collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기 광매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
100 : 로우 데이터 획득부
200 : 전처리부
210 : PET 사이노그램 획득모듈
220 : PET 변환모듈
230 : MRI 사이노그램 획득모듈
240 : MRI 변환모듈
300 : 정합부

Claims (10)

  1. PET(Positron emission computed tomography) 및 MRI(magnetic resonance imaging) 각각으로부터 각각의 로우 데이터를 획득하는 로우 데이터 획득부;
    상기 PET 및 MRI 으로부터 획득된 로우 데이터 각각에 대해 사이노그램 데이터를 획득하는 전처리부;
    획득된 사이노그램 데이터를 비교하여 각 대상체의 위치 및 자세가 일치하도록 각각의 사이노그램 영역에 대해 정합하여 재구성부로 전달하는 정합부를 포함하고,
    상기 전처리부는,
    PET 영상의 로우 데이터로부터 방사선 검출 정보인 경우 사이노그램 데이터를 획득하는 PET 사이노그램 획득모듈; 및
    획득된 PET 영상의 로우 데이터가 방사선 검출 순서 정보인 경우 PET 영상을 사이노그램 영상으로 변환한 다음 상기 PET 사이노그램 획득모듈로 전달하는 PET 변환모듈을 포함하는
    것을 특징으로 하는 PET-MRI 다중 영상 정합 시스템.
  2. 삭제
  3. 삭제
  4. 제1항에 있어서, 상기 전처리부는
    MRI로부터 획득된 k 공간을 구성하는 주파수 성분의 로우 데이터가 방사선 좌표계인 경우 1차원 푸리에 역변환을 수행하여 사이노그램 데이터를 획득하는 MRI 사이노그램 획득모듈을 포함하는 것을 특징으로 하는 PET-MRI 다중 영상 정합 시스템.
  5. 제4항에 있어서, 상기 전처리부는,
    MRI로부터 획득된 k 공간을 구성하는 주파수 성분의 로우 데이터가 직각 좌표계인 경우 로우 데이터를 방사선 좌표계로 변환한 다음 상기 MRI 사이노그램 획득모듈로 전달하는 MRI 변환모듈을 더 포함하는 것을 특징으로 하는 PET-MRI 다중 영상 정합 시스템.
  6. PET(Positron emission computed tomography) 및 MRI(magnetic resonance imaging) 각각으로부터 각각의 로우 데이터를 획득하는 로우 데이터 획득단계;
    상기 PET 및 MRI 으로부터 획득된 로우 데이터 각각에 대해 사이노그램 데이터를 획득하는 전처리단계;
    획득된 사이노그램 데이터를 비교하여 각 대상체의 위치 및 자세가 일치하도록 각각의 사이노그램 영역에 대해 정합하여 재구성부로 전달하는 정합단계를 포함하고,
    상기 전처리단계는,
    PET 영상의 로우 데이터로부터 방사선 검출 정보인 경우 사이노그램 데이터를 획득하는 PET 사이노그램 획득단계; 및
    획득된 PET 영상의 로우 데이터가 방사선 검출 순서 정보인 경우 PET 영상을 사이노그램 영상으로 변환한 다음 상기 PET 사이노그램 획득단계를 수행하는 PET 변환단계를 포함하는
    것을 특징으로 하는 PET-MRI 다중 영상 정합 방법.
  7. 삭제
  8. 삭제
  9. 제6항에 있어서, 상기 전처리 단계는,
    MRI로부터 획득된 k 공간을 구성하는 주파수 성분의 로우 데이터가 방사선 좌표계인 경우 1차원 푸리에 역변환을 수행하여 사이노그램 데이터를 획득하는 MRI 사이노그램 획득단계를 포함하는 것을 특징으로 하는 PET-MRI 다중 영상 정합 방법.
  10. 제9항에 있어서, 상기 전처리 단계는
    MRI로부터 획득된 k 공간을 구성하는 주파수 성분의 로우 데이터가 직각 좌표계인 경우 로우 데이터를 방사선 좌표계로 변환한 다음 상기 MRI 사이노그램 획득 단계를 수행하는 MRI 변환단계를 더 포함하는 것을 특징으로 하는 PET-MRI 다중 영상 정합 방법.


KR1020210027485A 2020-02-28 2021-03-02 Pet-mri 다중 영상 정합 시스템 및 방법 KR102554220B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20200025470 2020-02-28
KR1020200025470 2020-02-28

Publications (2)

Publication Number Publication Date
KR20210110236A KR20210110236A (ko) 2021-09-07
KR102554220B1 true KR102554220B1 (ko) 2023-07-12

Family

ID=77797209

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210027485A KR102554220B1 (ko) 2020-02-28 2021-03-02 Pet-mri 다중 영상 정합 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102554220B1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009098100A (ja) * 2007-10-19 2009-05-07 Shimadzu Corp 核医学診断装置
US20170215818A1 (en) 2016-02-03 2017-08-03 General Electric Company High-resolution computed tomography or c-arm imaging

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101047662B1 (ko) * 2008-11-27 2011-07-07 성균관대학교산학협력단 Ｐｅｔ-ｍｒｉ 융합시스템
KR101958098B1 (ko) * 2017-07-31 2019-03-13 인제대학교 산학협력단 비스듬히 배치한 섬광결정을 이용한 양전자 방출 단층 촬영기의 영상재구성 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009098100A (ja) * 2007-10-19 2009-05-07 Shimadzu Corp 核医学診断装置
US20170215818A1 (en) 2016-02-03 2017-08-03 General Electric Company High-resolution computed tomography or c-arm imaging

Also Published As

Publication number Publication date
KR20210110236A (ko) 2021-09-07

Similar Documents

Publication Publication Date Title
US20220296177A1 (en) Methods and systems for retrospective internal gating
US10438380B2 (en) Systems and methods for translation of medical imaging using machine learning
US11250543B2 (en) Medical imaging using neural networks
US10803354B2 (en) Cross-modality image synthesis
KR20200044222A (ko) 뉴럴 네트워크를 이용한 비매칭 저 선량 엑스선 전산단층 촬영 영상 처리 방법 및 그 장치
US20160095565A1 (en) Method and imaging system for compensating for location assignment errors in pet data occurring due to a cyclical motion of a patient
CN109381205B (zh) 用于执行数字减影血管造影的方法、混合成像装置
US11269036B2 (en) System and method for phase unwrapping for automatic cine DENSE strain analysis using phase predictions and region growing
JP6611660B2 (ja) 画像位置合わせ装置および方法並びにプログラム
US20190080490A1 (en) Reducing movement artifacts in computed tomography image data
KR102554220B1 (ko) Pet-mri 다중 영상 정합 시스템 및 방법
CN115720667A (zh) Ai实现的早期-pet采集
US11481934B2 (en) System, method, and computer-accessible medium for generating magnetic resonance imaging-based anatomically guided positron emission tomography reconstruction images with a convolutional neural network
BR112021009916A2 (pt) correção de movimento automatizada em imagem de pet
CN115222599A (zh) 一种pet图像重建方法、系统及存储介质
KR102573944B1 (ko) Mri 영상을 이용한 pet 영상의 움직임 보정 방법
EP4083650A1 (en) Controlling a scanning operation of a medical imaging device
US20210295160A1 (en) Machine learning method of neural network predicting mechanism of action of drug, and method of predicting mechanism of action of drug by using the neural network
CN110327066B (zh) 心脏运动信号获取方法、装置、计算机设备和存储介质
US20240153089A1 (en) Systems and methods for processing real-time cardiac mri images
US20220414835A1 (en) Medical information processing apparatus, medical information processing method, and medical information processing program
WO2022184736A1 (en) Processing medical imaging data generated by a medical imaging device
CN115705654A (zh) 多模态医学影像处理方法、装置、计算机设备和存储介质
KR101725668B1 (ko) 4d 영상의 화질 개선을 위한 반복적 움직임 보상 기법
CN116325018A (zh) X射线和ct的深度学习模型训练

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right