KR20000056228A - An image processing method for a liver and a spleen from tomographical image - Google Patents
An image processing method for a liver and a spleen from tomographical image Download PDFInfo
- Publication number
- KR20000056228A KR20000056228A KR1019990005354A KR19990005354A KR20000056228A KR 20000056228 A KR20000056228 A KR 20000056228A KR 1019990005354 A KR1019990005354 A KR 1019990005354A KR 19990005354 A KR19990005354 A KR 19990005354A KR 20000056228 A KR20000056228 A KR 20000056228A
- Authority
- KR
- South Korea
- Prior art keywords
- image
- organ
- liver
- pixels
- spleen
- Prior art date
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1075—Measuring physical dimensions, e.g. size of the entire body or parts thereof for measuring dimensions by non-invasive methods, e.g. for determining thickness of tissue layer
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0073—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by tomography, i.e. reconstruction of 3D images from 2D projections
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1076—Measuring physical dimensions, e.g. size of the entire body or parts thereof for measuring dimensions inside body cavities, e.g. using catheters
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
Description
본 발명은 단층촬영 영상으로부터 간과 비장의 이미지를 추출하고 그 체적을 산출하기 위한 방법에 관한 것이다.The present invention relates to a method for extracting liver and spleen images from tomography images and calculating their volume.
간은 인체의 여러 장기중 그 기능이 매우 중요하며 동양인의 경우 간에 대한 질환의 발생 비율이 서양인에 비해 매우 높은 관계로 많은 의학적 관심을 갖게 하는 장기중 하나이다. 비장은 간의 기능 중 일부를 담당하며 간의 기능이 원할하지 못할 경우 간의 기능을 대신하는 중요한 장기로 알려져 있다.The liver is one of the organs that have a lot of medical attention because the function of the organs of the human body is very important and the Asians have a much higher incidence of diseases for the liver. The spleen is responsible for some of the functions of the liver and is known as an important organ to replace the function of the liver if it is not desired.
현재까지 이러한 장기에 대한 구별 및 인식은 의료전문가의 시각적 판단에 의존하고 있으며, 이에 의해 구별된 각 장기의 체적을 알아낼 수 있는 별다른 방법은 없었다. 이러한 환경에서 영상이 갖는 여러 조건에 따라 각 장기의 시각적 인식이나 판독이 용이하지 않을 수 있으며, 또한 간의 크기를 정량적으로 계산하여 간의 비대등으로 인한 환자 상태의 진단에 어려움이 있었다. 이에 따라 현재까지는 조영증강제(contrast enhancement medium)와 같은 물질을 투여한 후 이에 의해 강조된 특정 장기를 관찰하고 있으며, 사체에 대한 부검등을 통해 장기의 체적을 계산하는 방법이 사용되어 왔다.To date, the distinction and recognition of these organs is dependent on the visual judgment of the medical professional, and there is no way to find out the volume of each organ. In such an environment, it may not be easy to visually recognize or read each organ according to various conditions of the image, and it is difficult to diagnose a patient condition due to liver enlargement by quantitatively calculating the size of the liver. Thus, until now, the administration of a substance such as contrast enhancement medium has been performed to observe a particular organ highlighted by it, and a method of calculating the volume of an organ through autopsy of a corpse has been used.
본 발명의 목적은, 상술한 종래 기술이 가지고 있는 결점이나 결함등을 실질적으로 제거하기 위한 것으로, 조영증강제를 사용하지 않고 단층촬영된 영상데이터로부터 장기의 명암값을 자동적으로 추정하여 해당 장기를 추출하는 것이다.An object of the present invention is to substantially eliminate the defects and defects of the prior art described above, and automatically extracts the organs by automatically estimating the contrast values of the organs from the tomography image data without using a contrast enhancer. It is.
본 발명의 다른 목적은 추출된 장기의 외곽선에 붙어있는 잡음을 제거하므로써 장기 추출의 정확도를 향상시키는 것이다.Another object of the present invention is to improve the accuracy of organ extraction by removing the noise attached to the outline of the extracted organ.
본 발명의 또 다른 목적은 단층촬영 장치로부터 제공되는 헤더 정보와 추출된 장기의 영상으로부터 제공되는 정보를 이용하여 장기의 체적을 산출하는 것이다.Still another object of the present invention is to calculate the volume of an organ using header information provided from a tomography apparatus and information provided from an extracted organ image.
본 발명의 또 다른 목적은 추출된 장기 내부의 누락된 픽셀을 보충하므로써 체적 산출의 오차를 줄이는 것이다.It is another object of the present invention to reduce the error of volume calculation by replenishing missing pixels inside the extracted organ.
위와 같은 목적을 달성하기 위한 본 발명의 특징은 단층촬영장치로부터 제공되는 영상데이터로부터 신체의 일부가 아닌 배경 및 근육의 이미지를 제거하는 전처리과정과, 전처리과정이 완료된 영상으로부터 추출하고자 하는 장기의 명암값과 위치를 추정하는 장기탐색과정과, 장기 탐색과정이 완료된 영상에서 장기의 외곽선에 붙어 있는 불필요성분은 제거하고, 장기 영상의 내부 픽셀중 장기부분에 해당되는 부분을 탐색하는 다듬기 및 채우기과정과, 단층촬영장치로부터 제공되는 정보와 추출된 장기 영상 정보를 이용하여 추출된 장기의 체적을 산출하는 장기체적산출과정으로 이루어지는 점에 있다.A feature of the present invention for achieving the above object is a pre-processing to remove the image of the background and muscles that are not part of the body from the image data provided from the tomography apparatus, and the contrast of the organ to be extracted from the image of the pre-processing is completed Organ search process for estimating the value and position, trimming and filling process to search for the parts of the internal pixels of the organ image in the long-term image In this regard, the present invention comprises a long-term volume calculation process for calculating the volume of the extracted organ using information provided from the tomography apparatus and the extracted organ image information.
도 1은 본 발명에 따른 이미지 프로세싱의 처리 관계를 나타내는 제어블록도,1 is a control block diagram showing a processing relationship of image processing according to the present invention;
도 2는 장기의 추출에 사용되는 원시 CT 영상 예시도,2 is an exemplary raw CT image used for extraction of an organ;
도 3은 도 2의 영상에서 각 픽셀이 갖는 명암 값의 분포를 알려주는 히스토그램,3 is a histogram indicating the distribution of contrast values of each pixel in the image of FIG. 2;
도 4는 특정 명암 값에 의해 구별되는 장기의 CT 영상 예시도,4 is an exemplary CT image of an organ distinguished by a specific contrast value;
도 5는 본 발명에 따른 장기 추출 방법을 나타내는 흐름도,5 is a flowchart illustrating a method of extracting an organ according to the present invention;
도 6은 도 1의 원시 CT영상에서 배경이 제거된 영상 예시도,6 is an exemplary view of a background removed from the raw CT image of FIG. 1;
도 7은 도 6의 영상에서 몸통의 위치를 알려주는 좌표를 나타내는 예시도,7 is an exemplary view showing coordinates for indicating a position of a torso in the image of FIG. 6;
도 8은 도 7의 영상을 평준화시킨 이미지의 예시도,8 is an exemplary diagram of an image obtained by leveling an image of FIG. 7;
도 9는 도 8에 나타난 영상에서 지방과 뼈의 성분을 제거한 이미지의 예시도,9 is an exemplary view of an image in which fat and bone components are removed from the image shown in FIG. 8;
도 10은 도 9의 영상으로부터 근육층 성분을 제거한 영상의 예시도,10 is an exemplary view of an image in which muscle layer components are removed from the image of FIG. 9;
도 11은 장기의 명암 값 추정을 위해 샘플링된 모습을 보여주는 영상 예시도,11 is an exemplary view showing a sample sampled for estimating a contrast value of an organ;
도 12는 장기의 위치 탐색을 위한 위치 탐색선이 설정된 영상 예시도,12 is a diagram illustrating an image in which a location search line for location search of an organ is set;
도 13은 장기를 구성하는 픽셀을 추적하는 알고리즘의 영상행렬 예시도,13 is an example of an image matrix of an algorithm for tracking pixels constituting an organ;
도 14는 간과 비장이 추적된 영상의 예시도,14 is an exemplary view of an image in which the liver and spleen are tracked;
도 15는 도 14의 영상으로부터 분리된 간과 비장의 영상 예시도,15 is an exemplary view of the liver and spleen separated from the image of FIG. 14;
도 16은 본 발명에 따른 다듬기 과정의 알고리즘의 영상행렬 예시도,16 is an example of an image matrix of an algorithm of a smoothing process according to the present invention;
도 17은 본 발명에 따른 다듬기 과정을 거친 간과 비장의 영상 예시도,17 is an exemplary view showing the liver and spleen through the smoothing process according to the present invention;
도 18은 본 발명에 따른 채우기 과정의 알고리즘의 영상행렬 예시도,18 is an exemplary view of an image matrix of an algorithm of a filling process according to the present invention;
도 19는 본 발명에 따른 이로젼 과정후의 간과 비장의 영상 예시도,19 is an exemplary view of the liver and spleen after the erosion process according to the present invention,
도 20은 본 발명에 따른 다일레이션 과정후의 간과 비장의 영상 예시도이다.20 is an exemplary view of the liver and spleen after the dilation process according to the present invention.
이하 본 발명의 구성 및 그 동작에 관하여 상세히 설명하기로 한다. 도 1은 본 발명에 따른 이미지 프로세싱의 처리 관계를 나타내는 제어블록도이다. 단층촬영장치(10)로부터 제공되는 영상화일은 인터페이스 카드(20)를 통해 이미지 프로세싱 유니트(30)에 전달된다. 이때 이미지 프로세싱 유니트(30)는 전달된 영상 정보를 주기억장치(40)에 저장하고, 보조 기억장치(50)에 저장된 장기 추출을 위한 프로그램을 로딩(Loading)하여 장기를 추정 및 추출하여 산출된 정보를 추출 이미지 출력장치(60)로 출력한다.Hereinafter, the configuration and operation of the present invention will be described in detail. 1 is a control block diagram illustrating a processing relationship of image processing according to the present invention. The image file provided from the tomography apparatus 10 is transferred to the image processing unit 30 through the interface card 20. At this time, the image processing unit 30 stores the transferred image information in the main memory device 40 and loads a program for extracting the organs stored in the auxiliary memory device 50 to estimate and extract the organs. Is output to the extracted image output device 60.
단층촬영 장치(10)로는 컴퓨터 단층촬영장치(이하 CT라 칭함) 또는 자기공명 단층촬영장치(MRI)등이 있으며 본 발명에서의 영상 화일은 CT 영상을 의미하는 것으로 한다. 또한 추출 이미지 출력장치(60)로는 처리된 정보를 사용자가 인식할 수 있도록 디스플레이하는 기능을 하는 것으로서, 프린터 또는 모니터등을 들수 있다.The tomography apparatus 10 includes a computed tomography apparatus (hereinafter referred to as CT) or a magnetic resonance tomography apparatus (MRI), and the image file in the present invention means a CT image. In addition, the extracted image output device 60 is a function of displaying the processed information so that the user can recognize, and may include a printer or a monitor.
단층촬영 장치(10)로부터 제공되는 하나의 CT 영상 슬라이스의 사이즈는 512 × 512 크기이며 각 픽셀이 0에서 4095의 명암 값에 의해 표현될 수 있는 영상을 담고 있다. 한 픽셀은 2 바이트로 구성되어 CT 영상 슬라이스 하나는 512 x 512 x 2 = 520 kbyte 이다. 또한 이 화일의 헤더에는 영상의 구성과 형식에 대한 정보로부터 환자에 대한 정보에 이르기까지 다양한 종류의 정보를 가지고 있다.The size of one CT image slice provided from the tomography apparatus 10 is 512 x 512 in size and contains an image in which each pixel can be represented by a contrast value of 0 to 4095. One pixel consists of two bytes, so one CT image slice is 512 x 512 x 2 = 520 kbytes. In addition, the header of the file contains various types of information, from information on the composition and format of the image to information on the patient.
본 발명은 이러한 영상슬라이스 정보를 다시 8 비트 pgm 화일로 변환된 후에 장기의 추출을 위해 처리된다. 이 과정에서 CT 영상 화일의 각 픽셀은 8 비트로 표현될 수 있는 0에서 255의 명암 값을 갖는 영상으로 변하게 된다. 장기의 추출을 위해서는 추출하고자 하는 장기가 갖는 여러 가지 특징 정보를 이용할 수 있다. 이러한 정보에는 각 장기의 명암 값 및 위치, 형태, 크기등 여러 가지가 있으나, 본 발명에서는 간과 비장을 구성하는 픽셀들의 명암 값과 각각에 대한 위치정보를 이용하였다.In the present invention, the image slice information is converted into an 8-bit pgm file, and then processed for extraction of an organ. In this process, each pixel of the CT image file is transformed into an image having a contrast value of 0 to 255, which can be represented by 8 bits. In order to extract an organ, various characteristic information of an organ to be extracted may be used. There are various kinds of information such as the intensity value, location, shape, and size of each organ. In the present invention, the intensity value of pixels constituting the liver and spleen and location information of each are used.
일반적으로 정상인의 한 CT 영상에 포함된 각 장기들은 다른 장기와 구별되는 일정한 영역의 명암 값 분포를 갖고 있으며, 이러한 명암 값의 분포를 이용하여 특정 장기를 추출할 수 있다. 그러나 일부 장기는 서로 동일한 또는 비슷한 명암 값을 가질 수 있으며, 이 경우 각 장기의 위치에 관한 정보를 추가로 이용하게 된다.In general, each organ included in one CT image of a normal person has a certain range of contrast values that are distinguished from other organs, and specific organs can be extracted using the distribution of the contrast values. However, some organs may have the same or similar contrast values, in which case additional information about the location of each organ is used.
도 2는 장기의 추출에 사용되는 원시 CT 영상의 예시도로서, 여러 장기 중 간이 비교적 크게 나타나는 슬라이스이다. 도 3은 이러한 영상에서 각 픽셀이 갖는 명암값에 의한 히스토그램을 보여주고 있다. 히스토그램 상에서 알 수 있듯이 명암 값의 범위가 90 - 92의 범위에서 가장 높은 피크를 보이고 있으며, 이러한 명암 값을 갖는 부분은 간, 비장 그리고 근육 부분이다.2 is an exemplary diagram of a raw CT image used for extracting an organ, in which a liver appears relatively large among several organs. FIG. 3 shows a histogram based on contrast values of each pixel in such an image. As can be seen on the histogram, the intensity range shows the highest peak in the range of 90-92, and the portion with the intensity is the liver, spleen and muscle.
한편 특정한 장기를 구성하는 모든 픽셀의 명암 값이 반드시 주어진 값의 범위 안에 있지는 않다. 장기 내에 포함되어 있는 다른 부분, 예를 들어 미세한 혈관이나 지방 또는 수분 등과 같은 성분에 의해 장기내의 일부분은 다른 명암 값을 가질 수 있다. 그러나 이러한 부분이 각 장기의 전체적인 입장에서 해당 장기의 내부에 존재하는 작은 부분인 경우에는 다른 명암 값을 갖는다해도 해당 장기의 일부로 취급된다.On the other hand, the contrast values of all the pixels that make up a particular organ are not necessarily in the range of a given value. Other parts included in the organ, such as microscopic blood vessels, components such as fat or water, may cause portions of the organ to have different contrast values. However, if this part is a small part of the organ from the overall perspective of each organ, it is treated as part of the organ even if it has a different contrast value.
본 발명에서 간이나 비장의 추출을 위해 이용된 CT 영상은 장기에 특별한 병변을 가지고 있지 않는 정상인의 경우로만 한정하였으며, 추출하고자 하는 간과 비장의 명암 값은 사전에 추정된 값을 사용하지 않고 각 CT 영상마다 다를 수 있다는 가정 하에서 시작하였다.In the present invention, the CT image used for the extraction of liver or spleen is limited only to a normal person who does not have a special lesion in the organ, and the contrast values of the liver and spleen to be extracted are each CT without using an estimated value. We started with the assumption that each image could be different.
도 4는 주어진 특정 범위의 명암 값에 해당하는 픽셀을 다른 부분과 구별되어 보이도록 처리한 것으로 몸체 내부의 흰색으로 보이는 부분이 주어진 명암 값의 범위에 해당하는 픽셀들이다. 도 4a는 위, 도 4b는 간과 비장, 도 4c는 뼈를 나타내는 것으로, 도 4에서 알 수 있듯이 일부는 장기의 구별이 명확하지는 않으나 보편적으로 특정 장기에 해당되는 영역에서 주어진 명암 값을 갖는 픽셀들이 집중됨을 알 수 있다. 이러한 사실은 CT 영상내의 각 장기가 다른 장기와 구별되는 일정한 범위의 명암 값을 갖고 있다는 것을 의미하며, 이러한 정보를 이용하여 특정 장기를 전체 영상으로부터 분리해 내게 된다. 이에 따라 본 발명에서는 주어진 CT 영상에서 추출하고자 하는 장기의 명암 값을 자동적으로 결정하도록 하고 있다.FIG. 4 is a process in which pixels corresponding to a given specific range of contrast values are displayed to be distinguished from other portions, and parts of white color inside the body are pixels corresponding to a given range of contrast values. 4A shows the stomach, FIG. 4B shows the liver and the spleen, and FIG. 4C shows the bones. As can be seen from FIG. You can see the concentration. This means that each organ in the CT image has a range of contrast values that are distinct from other organs, and this information can be used to separate a particular organ from the entire image. Accordingly, the present invention is to automatically determine the contrast value of the organ to be extracted from a given CT image.
CT 영상은 촬영된 부위에 따라 여러 장기에 대한 영상을 담고 있으며 간, 비장, 심장, 위 그리고 신장 등의 장기가 여러 슬라이스에 걸쳐 나타나게 된다. 보통 한 사람에 대하여 적게는 14 슬라이스에서 많게는 20 슬라이스로 촬영되고 있고, 진단 목적에 따라 촬영되는 슬라이스의 수와 슬라이스간의 간격이 달라질 수 있다. 그러나 촬영된 모든 슬라이스가 간과 비장을 포함하고 있지는 않다. 20 슬라이스가 촬영된 경우에는 보통 간은 15에서 18 슬라이스, 비장은 6에서 8 슬라이스 정도가 각 장기를 포함하고 있다.CT images contain images of various organs, depending on the area where they are taken, and organs such as liver, spleen, heart, stomach, and kidneys appear in multiple slices. Usually, one person is photographed from as few as 14 slices to as many as 20 slices, and the number of slices and the interval between slices may vary depending on the diagnosis purpose. However, not all slices taken contain liver and spleen. When 20 slices are taken, the liver usually contains 15 to 18 slices and the spleen contains 6 to 8 slices.
도 5는 본 발명에 따른 장기 추출 방법을 나타내는 흐름도이다. 단층촬영장치로부터 제공되는 영상데이터로부터 신체의 일부가 아닌 배경을 제거하는 S1 과정과, 각 장기 사이의 명암 분포차이를 강조해주는 표준화과정(S2 과정)과, 배경이 제거되고 몸통만 남은 영상에서 일정 명암값을 벗어나는 지방과 늑골을 제거하는 S3 과정과, 몸통 주변을 기준으로 가장 안쪽에서 제거되고 있는 픽셀의 좌표를 설정하고 이러한 좌표를 바로 인접한 주변의 좌표와 비교하여 그 차이가 3 픽셀 이상인 부분을 근육으로 간주하여 제거하는 S4 과정과, 근육이 제거된 슬라이스중 장기 의 영상이 가장 크게 나타나고 있는 슬라이스에서 정방형의 일정 크기의 표본 영역을 다수 설정하여 그 영역내 픽셀들의 명암값의 분포로부터 장기의 명암값을 산출하는 S5 과정과, 근육층이 제거된 영상에서 정해진 거리만큼씩 장기의 위치탐색선을 이동하며 픽셀들의 명암 값을 비교하여 이미 조사된 장기의 명암값과 임계치 이상 일치하는 픽셀들의 위치를 탐색하여 그 위치를 장기의 내부에 해당되는 좌표로 판단하는 S6 과정과, 간과 비장으로 판단되는 픽셀들을 4-연결성에 의해 추정된 명암 값을 근거로 추적하여 각 좌표를 포함시키므로써 간과 비장의 각 폐영역을 추출하는 S7 과정과, 추출된 폐영역에 포함되지 않은 위치좌표를 중심으로 또 다른 폐영역을 추출함에 따라 분리된 간의 폐영역을 추출하는 S8 과정과, 설정된 스트럭춰링 엘리먼트(Structuring Element)를 장기의 내부에서 외부로 경계선을 따라 스캔하면서 주어진 SE가 들어가지 않는 작은 외부로의 돌출부분을 제거하여 추출된 장기의 외곽선에 붙어있는 잡음을 제거하는 다듬기과정(S9 과정)과, 장기 내부의 직경 6픽셀 이하의 작은 홀을 미세혈관으로 취급하여 장기의 일부로 변환하고, 직경 6픽셀을 초과하는 크기의 홀은 장기 내부의 다른 조직으로 판단하기 위해 3회 반복 수행되는 이로젼(Erosion) 및 다일레이션(Dilation)과정으로 이루어지는 채우기과정 (S10 과정)을 포함하여 이루어진다. 이하에서 첨부되는 도면을 참조로 하여 그 동작을 상세히 설명한다.5 is a flowchart illustrating a method of extracting an organ according to the present invention. The S1 process removes the background that is not part of the body from the image data provided by the tomography apparatus, the standardization process that emphasizes the difference in contrast distribution between organs (S2 process), and the constant image in the image where the background is removed and only the body remains. S3 process of removing fat and ribs out of the contrast value, and setting the coordinates of the pixel that is removed from the innermost side around the body, and comparing these coordinates with the coordinates of the immediate surroundings. The S4 process of removing and treating the muscle as a muscle, and setting a large number of square constant sample areas in the slice in which the image of the organ is the largest among the slices from which the muscle is removed, S5 process of calculating the value, and the location search line of the organ by the predetermined distance in the image from which the muscle layer is removed S6 process of comparing the contrast values of the pixels, searching for the positions of pixels that match the contrast value of the previously investigated organs above the threshold, and determining the position as coordinates corresponding to the inside of the organs; S7 process of extracting each lung region of the liver and spleen by tracking them based on the contrast value estimated by 4-connectivity, and another lung around the position coordinates not included in the extracted lung region. S8 process of extracting the lung region separated by the extraction of the area, and a small outward protrusion where a given SE does not enter while scanning the set Structuring Element from the inside of the organ along the boundary line Trimming to remove noise on the outline of the extracted organ by removing the Filled with erosion and dilation processes, which are treated as tubules and converted into parts of the organ, and the holes with a size exceeding 6 pixels in diameter are repeated three times in order to judge other tissues inside the organ. Process (S10 process) is made. Hereinafter, the operation will be described in detail with reference to the accompanying drawings.
512 x 512 크기의 픽셀로 구성된 전체 CT 영상은 CT 영상 중앙에 있는 환자의 몸통을 제외한 배경의 명암값이 거의 0에 가까운 검은 바탕을 가지고 있다. 이러한 부분은 실제 몸체에 해당되는 부분이 아니므로 간 또는 비장의 추출과는 전혀 관계가 없다. 따라서 먼저 이러한 부분을 제거(명암 값 255의 흰색으로 변형)한다. 이러한 과정은 512 X 512 크기의 전체 영상을 스캔하면서 명암 값이 70 이하이며 몸체의 일부가 아닌 픽셀을 흰색으로 변화시킴으로 이루어질 수 있다. 도면 6은 8 비트 pgm 형식으로 변환된 입력 CT 영상으로부터 배경의 검은 바탕이 제거된 영상이다. 간과 비장을 추출하는 과정은 이러한 영상으로부터 시작된다.The entire CT image, consisting of 512 x 512 pixels, has a black background with almost zero contrast in the background except for the torso of the patient in the center of the CT image. Since this part is not the part corresponding to the actual body, it has nothing to do with extraction of the liver or spleen. Therefore, first remove these parts (transform them to white with a contrast value of 255). This process can be accomplished by scanning the entire image of 512 X 512 and changing the pixel to white when the contrast value is 70 or less and not part of the body. FIG. 6 is an image from which a black background of a background is removed from an input CT image converted into an 8-bit pgm format. The process of extracting the liver and spleen begins with these images.
한편, 배경이 제거되고 남은 몸통 부분은 그 위치가 전체 512 x 512 크기의 영상에서 촬영하는 조건에 따라 약간의 차이를 보이고 있으며, 또한 동일한 개인에 대해 촬영된 경우에도 슬라이스에 따라 그 위치에서 차이를 보이게 된다. 이에 따라 간과 비장의 추출을 위한 세부적인 과정은 전체 512 x 512의 영상 내에서 몸통이 위치한 좌표를 결정된 후 이루어지게 된다. 이러한 좌표를 중심으로 하여 CT 영상을 처리할 경우 512 x 512 크기의 전체 영상을 읽어가며 이루어지는 처리에 비해 시간적 효율이 매우 좋아질 수 있다. 도 7은 배경이 제거된 후, 주어진 512 x 512 크기의 CT 영상에서 몸통의 위치를 알려주는 8 개의 좌표를 표현한 것이다.On the other hand, the remaining part of the body after removing the background shows a slight difference depending on the shooting conditions of the entire 512 x 512 sized image. It becomes visible. Accordingly, the detailed process for extracting the liver and spleen is performed after the body position coordinates are determined within the entire 512 x 512 image. If the CT image is processed based on these coordinates, the time efficiency can be very improved compared to the process performed by reading the entire image of 512 x 512 size. FIG. 7 represents eight coordinates indicating the position of the torso in a given CT image of 512 × 512 size after the background is removed.
배경이 제거된 CT 영상에 대하여 평준화(equalization)과정을 수행한다. 여기서 평준화 과정이란 CT 영상에 대한 시각적 구별의 용이성을 높이기 위한 처리과정이다. 원래의 CT 영상에서 각 장기는 나름 데로의 명암 값 분포를 갖고 있으나 그 차이가 심하지 않음으로 인해 장기의 경계 부분에서 장기사이의 구별이 용이하지 않다. 따라서 각 장기 사이의 명암 값의 차이를 크게 강조해 줌으로서 시각적 구별이 용이하도록 할 수 있다. 이를 위한 처리과정이 평준화 과정이다. 다만 이러한 과정은 장기의 추출과는 관계없이 영상 식별의 용이성을 향상시키기 위한 처리과정이다. 도 8은 도 6에 나타난 바와 같이 배경이 제거된 영상에서 평준화 과정을 수행한 결과를 나타낸 영상이다.An equalization process is performed on the CT image from which the background is removed. Here, the leveling process is a processing process for increasing the ease of visual discrimination for the CT image. In the original CT image, each organ has its own distribution of contrast values, but the difference is not so severe that it is difficult to distinguish between organs at the boundary of organs. Therefore, it is possible to make the visual distinction easier by emphasizing the difference between the contrast values between the organs. The processing for this is the leveling process. However, this process is a process for improving the ease of image identification regardless of the extraction of organs. FIG. 8 is an image showing a result of performing a leveling process on an image from which a background is removed as shown in FIG. 6.
가장 외곽부분의 비교적 검은 부분의 지방(명암 값 60 이하)이 발견된다. 또한 그 안쪽에는 간 또는 비장과 거의 동일한 명암 값을 가지는 근육층이 존재하고 있다. 이러한 부분이 간과 동일한 명암 값을 가지고 있음으로 인해 일부 위치에서 간 또는 비장과 붙어있는 슬라이스의 경우 간과 비장에 해당하는 픽셀의 추적할 때 장기의 일부인 것으로 잘못 인식하여 실제 장기를 구성하는 픽셀들과 함께 추출될 수 있다. 이 경우 근육층은 그 형태가 매우 불규칙적이어서 후에 이를 제거하는 트리밍 과정이 매우 어렵다. 따라서 근육 부분이 추출하고자 하는 장기로부터 완전히 제거되지 못하면 정확한 간과 비장의 추출이 이루어지지 않을 뿐 아니라 최종적으로 산출된 장기의 체적이 적지 않은 오차를 갖게된다.Fatty areas in the darkest part of the outermost area (less than 60) are found. Also inside is a muscle layer with almost the same intensity as the liver or spleen. Due to the fact that these parts have the same intensity values as the liver, slices that are attached to the liver or spleen in some locations, along with the pixels that make up the real organ, are mistakenly recognized as part of the organ when tracking the pixels corresponding to the liver and spleen. Can be extracted. In this case, the muscle layer is very irregular in shape, so it is very difficult to trim it later. Therefore, if the muscle part is not completely removed from the organ to be extracted, not only accurate extraction of liver and spleen is made but also the volume of the finally calculated organ has a small error.
이에 따라 본 발명에서는 이러한 근육 부분을 사전에 제거하도록 하였으며 그 과정은 다음과 같다. 먼저 배경이 제거된 영상에서 몸통의 좌측과 위 부분, 그리고 우측을 따라 충분한 두께로 탐색하게 되면 지방(명암값 60 이하), 근육(명암값 88 - 92), 그리고 뼈(명암값(115 - 178)등을 발견할 수 있다. 이때 일차적으로 이들 명암 값을 이용하여 추출하고자 하는 간, 비장과 근육을 제외한 지방과 뼈를 제거하게 된다. 도 9는 지방과 뼈가 제거된 영상을 나타내고 있다.Accordingly, in the present invention, such muscle parts are removed in advance, and the process is as follows. First, if you search for enough thickness along the left, upper, and right sides of the torso in the image where the background has been removed, the fat (contrast value below 60), muscle (contrast value 88-92), and bone (contrast value (115-178) At this time, the fat and bone except for the liver, the spleen and the muscle to be extracted are first removed using these contrast values.
지방과 뼈가 제거되면 몸통 둘레에 불규칙한 띠 모양의 근육 부분이 나타난다. 이러한 근육은 간이나 비장과 거의 동일한 명암 값을 갖고 있으며, 이것의 일부는 내부에 존재하는 간 또는 비장과 붙어 있음을 알 수 있다. 따라서 근육 부분에 대한 탐색을 진행하여 이 부분을 신체 내부의 간과 비장으로부터 분리시켜 제거하게 된다. 도 10은 근육층이 제거된 영상을 나타내고 있다.When fat and bone are removed, irregular bands of muscle appear around the body. These muscles have almost the same intensity values as the liver or spleen, and some of them are attached to the liver or spleen inside. Therefore, the muscle part is searched for and removed from the liver and spleen inside the body. 10 shows an image in which the muscle layer is removed.
정상인의 경우, 조영제를 사용하지 않은 CT 영상을 조사한 결과에서 간과 비장의 명암 값이 거의 일정함은 이미 언급한 바와 같다. 간의 명암 값으로 조사된 90에서 92에 해당하는 픽셀(pixel)을 배경만 제거된 영상으로부터 추출하면 비장과 근육 등의 다른 부분도 함께 선택된다. 이들 중 근육 부분은 이미 상기 S4 과정까지의 처리과정에서 제거되었으며 간과 비장은 반대편의 위치에 있으므로 이러한 위치 정보를 이용하여 간과 비장에 해당하는 부분을 각각 추출할 수 있다. 그러나 이러한 명암 값은 단지 통계적인 수치일 뿐이며, 따라서 모든 사람의 CT 영상에 동일하게 적용될 수 있는 명암값이라고 볼 수는 없다. 따라서 본 발명에서는 이러한 문제의 해결을 위하여 각 개인의 CT 영상마다 간의 명암 값이 어떠한 분포에 해당하는지를 사전에 알아낼 수 있도록 하였으며 그 과정은 다음과 같다.As mentioned above, the contrast values of liver and spleen are almost constant in the CT scan without contrast medium. When 90 to 92 pixels, which are irradiated with the liver's contrast value, are extracted from the image with only the background removed, other parts such as the spleen and muscle are also selected. Since the muscle part of these has already been removed in the process up to the S4 process and the liver and spleen are located on the opposite side, it is possible to extract the parts corresponding to the liver and spleen by using such position information. However, these contrast values are only statistical values, and therefore, they cannot be regarded as equally applicable to everyone's CT images. Therefore, in order to solve this problem, the present invention was able to find out in advance what distribution the contrast values of the liver correspond to for each individual CT image, and the process is as follows.
한 사람에 대한 20 슬라이스의 CT 영상 중에 간이 포함된 슬라이스는 15에서 18슬라이스 정도이다. 이중에서 8번째부터 12번째 슬라이스에서 간이 가장 크게 나타나고 있으며, 그 위치도 좌측 상단에서 하단부까지 퍼져있는 형태가 일관성 있게 관찰되었다. 이에 따라 이들 슬라이스에서 간의 일부라 추측되는 세 부분 선택하였으며, 각 위치에서 50 x 50 크기의 픽셀을 선택한다. 이렇게 샘플링된 부분을 구성하는 픽셀들의 명암 값의 분포를 조사하여 상위 95%를 구성하고 있는 픽셀들의 명암 값 범위를 해당 환자의 전체 CT 영상에서 간과 비장의 명암 값으로 결정하였다. 또한 이러한 결정의 오차를 없애기 위해 8번째에서 12번째 슬라이스까지 모두 적용시켜 결정하였다.Among 20 slices of CT scans for a person, the slices containing the liver are 15 to 18 slices. Among the 8th to 12th slices, the liver was the largest, and its position was consistently observed from the top left to the bottom. This selects three parts of these slices that are considered part of the liver, and selects 50 x 50 pixels at each location. The intensity ranges of the pixels constituting the sampled portion were examined and the intensity ranges of the pixels constituting the top 95% were determined as the intensity values of the liver and spleen in the entire CT image of the patient. In addition, in order to eliminate the error of the decision was determined by applying all the 8th to 12th slice.
도 11은 간과 비장이 크게 나타나고 있는 슬라이스에서 각 장기의 명암 값을 추정하기 위해 픽셀들이 샘플링된 모습을 보여주고 있다. 실제는 배경 및 근육층이 제거된 CT 영상이 사용되고 있으나, 여기서는 시각적 편의를 위하여 평준화 영상을 이용하여 표현한 것이다. 간의 명암 값을 추정하기 위한 샘플링은 다음과 같다. 근육이 제거된 영상의 좌측 상단의 좌표 (P, Q)의 위치에서 왼쪽 대각선 아래 방향으로 20 픽셀 떨어진 곳으로부터 50 X 50 크기의 첫 샘플링이 이루어진다. 다시 첫 번째 영역아래로 25 픽셀 좌로 이동한 지역에서 같은 크기의 두 번째 영역에 대한 샘플링이 이루어지며, 같은 방법으로 세 번째 영역의 샘플링이 이루어진다.FIG. 11 illustrates a sample of pixels for estimating contrast values of organs in slices with large liver and spleen. In reality, the CT image from which the background and muscle layers have been removed is used. However, for the sake of simplicity, the image is expressed using a leveling image. Sampling to estimate the contrast value of the liver is as follows. The first sample of size 50 X 50 is taken from the position of the upper left coordinate (P, Q) of the muscle removed image 20 pixels away from the left diagonal. Again, sampling is performed for the second region of the same size in the region shifted 25 pixels left below the first region, and the third region is sampled in the same way.
비장의 경우는 다음과 같다. 근육이 제거된 영상의 우측 하단의 좌표 (L, M) 으로부터 왼쪽 대각선 위쪽 방향으로 10 픽셀 이동한 위치에서 20 X 20 크기의 첫 영역에 대한 샘플링이 이루어지며, 다시 첫 번째 영역의 오른쪽 대각선 방향에서 두 번째 영역, 계속해서 같은 방법으로 세 번째 영역의 샘플링이 이루어진다.The spleen is as follows. Sampling is performed for the first area of size 20 X 20 at a position shifted 10 pixels upward from the left diagonal coordinates (L, M) of the removed muscle image, and again in the right diagonal direction of the first area. Sampling of the second area, the third area in the same way, continues.
이러한 과정을 실제 CT 영상에 적용해 보면 영상에 따라 약간의 차이는 있으나, 정상인의 경우 간과 비장은 90에서 92정도의 명암 값을 구성하는 픽셀이 해당 장기를 구성하는 전체 픽셀중 95% 이상을 차지하고 있음을 알 수 있었으며, 이러한 명암 값 추정을 이용한 장기의 추출 방법이 최종적으로 추출된 장기의 정확도를 높여 주었다.When applying this process to actual CT images, there are some differences depending on the images.However, in normal people, the liver and spleen occupy 95% or more of the pixels that constitute 90 to 92 pixels. It was found that the method of organ extraction using the light and dark value estimation increased the accuracy of the organs finally extracted.
다음 과정으로, 이러한 방법에 의해 알아낸 명암 값을 이용하여 간과 비장에 해당하는 픽셀들을 추적하고, 또한 이렇게 추적된 픽셀들을 주어진 영상에서 추출함으로서 추출된 장기의 초기 결과가 나올 수 있다. 그러나 장기의 추적 이전에 먼저 각 장기의 위치에 대한 결정이 이루어져야 한다. 이러한 위치 결정의 목적은 장기에 대한 추적 속도를 높이기 위한 것이며, 경우에 따라 각 장기가 분리되어 있는 경우에도 올바른 탐색이 이루어지도록 하기 위함이다. 또한 처음의 탐색 위치가 장기의 내부가 아닌 경우 간이나 비장이 존재하지 않는 것으로 처리되는 것을 방지하기 위해서이다.As a next step, the initial values of the extracted organs can be obtained by tracking pixels corresponding to the liver and spleen using the intensity values obtained by this method, and extracting the traced pixels from a given image. However, determination of the location of each organ must first be made before organ tracking. The purpose of this positioning is to speed up the tracking of organs and, in some cases, to ensure correct navigation even when each organ is separated. It is also to prevent the liver or spleen from being processed if the initial search position is not inside the organ.
도 12는 장기의 위치 탐색을 위한 위치 탐색선이 설정된 영상 예시도이다. 간은 한 슬라이스 내에서 항상 좌측 상단 부근에 위치하고, 비장의 경우는 몸통의 오른쪽 하단에 위치하므로(각 장기의 위치는 거의 고정되어 있다) 이러한 위치를 중심으로 방향을 설정하고 주어진 명암 값을 이용하여 탐색함으로서 찾을 수 있다. 대부분 장기의 위치는 고정되어 있으나 사람마다, 또는 슬라이스마다 장기의 크기 및 모습이 달라지면서 그 위치가 약간 씩 달라질 수 있다. 또한 사람에 따라서 특정 슬라이스에서는 장기가 분리된 형태로 나타나기도 한다. 따라서 본 발명에서는 이러한 장기의 정확한 추출을 위해 위치 탐색선이 설정되어 이용되고 있다. 사용되는 위치 탐색선은 영상 내에서 간과 비장의 크기, 모양, 또는 분리여부에 관계없이 그 존재를 확인 할 수 있도록 설정되었다. 위치 탐색선의 정확한 위치 및 이를 이용한 위치 좌표의 설정과정은 다음과 같다.12 is an exemplary view illustrating an image in which a location search line for organ location search is set. The liver is always near the top left in one slice, and the spleen is located in the bottom right corner of the body (the location of each organ is almost fixed). You can find it by searching. Most organs are fixed in position, but each person or slice may have slightly different positions as the size and shape of the organs vary. Also, in some slices, organs appear in separate forms. Therefore, in the present invention, a position search line is set and used for accurate extraction of such organs. The location search line used was set to identify the existence of the liver, spleen regardless of size, shape, or separation in the image. The exact position of the position search line and the process of setting the position coordinate using the same are as follows.
간의 경우 위치 탐색선은 근육층이 제거된 몸통 왼편의 중앙 벽에서 시작하여 몸통 왼편의 2/3 위치까지 설정되어 있다. 이러한 위치 탐색선을 20 픽셀씩 오른쪽으로 이동하며 위 방향으로 픽셀들의 명암 값을 비교할때 이미 조사된 장기의 명암 값의 범위에 해당하는 픽셀이 발견되면 그 픽셀 주변의 8개의 픽셀이 역시 조사된 장기의 명암값 범위에 있을 경우 그 위치를 간의 내부에 해당되는 좌표로 유지한다. 간을 위한 또 하나의 탐색선은 몸통 중앙의 상단에 위치해 있다. 이는 보통 분리된 작은 간의 경우 몸통 중앙의 상단에 위치하기 때문에 이러한 분리된 간을 찾기 위한 탐색선이다.In the case of the liver, the position search line is set at the center wall on the left side of the body from which the muscle layer has been removed and is set to the position 2/3 of the left side of the body. Moving this position search line by 20 pixels to the right and comparing the contrast values of the pixels in the upward direction, if a pixel falls within the range of the contrast value of the already investigated organ, eight pixels around that pixel are also examined. If it is within the contrast range of, the position is maintained at the coordinates corresponding to the inside of the liver. Another search line for the liver is located at the top of the center of the body. This is a search line to find these isolated livers, since they are usually located at the top of the center of the body.
비장의 탐색을 위한 탐색선은 몸통 오른편의 중앙에서 시작하여 오른편의 2/3 위치까지이다. 이러한 비장 탐색선을 오른쪽에서 왼쪽으로 10 픽셀씩 이동하며 아래 방향으로 비장의 위치를 탐색하고 그 위치를 기억하게 된다. 탐색을 통해 간과 비장에 대하여 각 장기의 내부로 확인된 다수의 좌표를 기억 유지하게 되며 장기 추출의 다음 과정에서 이러한 좌표를 이용하여 각 좌표를 포함하는 폐영역을 추출함으로서 간과 비장의 추출이 이루어 질 수 있다. 여기서 중요한 사실은 각 장기에 대하여 다수의 위치 탐색 좌표를 유지하게 되며 이들 좌표를 모두 이용하여 장기를 추적함으로서 분리된 장기의 검출이 가능게 된다는 점이다.The search line for the search of the spleen starts from the center of the right side of the body and to the 2/3 position of the right side. The spleen search line is moved by 10 pixels from right to left to search for the location of the spleen in the downward direction and remember the location. Through the exploration, a number of coordinates identified as internal to each organ are stored and maintained in the liver and spleen. The liver and spleen can be extracted by extracting the lung region containing each coordinate using these coordinates in the next process of organ extraction. Can be. The important fact here is to maintain multiple location search coordinates for each organ and to track the organs using all of these coordinates to detect the separated organs.
간의 위치가 탐색되어 유지된 일련의 위치 좌표를 이용하여 간을 구성하고 있는 연결된 픽셀들을 추적하게 된다. 이는 주어진 좌표로부터 4-연결성(4 - connectivity)에 의해 연결된 픽셀들만을 분리해 낸다. 도 13은 장기를 구성하는 픽셀을 추적하는 알고리즘의 영상행렬 예시도이다. 도 13c에서 B라 표시된 부분의 초기 좌표로부터 시작하여 픽셀의 명암 값이 주어진 범위에 해당하는가를 비교한다. 이 초기좌표는 선택하고자 하는 영역내의 어느 지점에 위치한 픽셀이라도 관계없다. 초기좌표의 픽셀이 주어진 명암 값의 범위에 포함되면 다른 명암 값(=0)으로 바꾸고, 다음에는 도 13a에서 나타난 (x-1, y)의 픽셀에 대해 비교한다. 만일 이 픽셀도 조사된 명암 값의 범위에 포함되면 4-연결성에 의해 연결된 것으로 보고 (x-1, y)를 초기좌표로 하는 추적루틴을 재귀 호출한다. (x-1, y)가 연결되지 않았다면 도 13b에 나타나 있는 순서대로 각 방향에 대해 비교하며 연결된 경우에는 마찬가지로 재귀호출을 수행한다. 이때 연결된 것으로 조사된 픽셀은 명암 값을 0으로 바꾸므로 다시 조사되지 않는다. 이와 같이 닫힌 영역내의 한 점으로부터 출발하여 도 13d와 같이 연결된 모든 픽셀들을 표시하게 된다. 도 13c의 영상에 대해 도 13d에서 명암 값이 0으로 바뀐 부분만 남기고 나머지는 제거하면 도 13e와 같이 연결되어 있는 영역만 남는다. 이러한 과정은 유지된 모든 위치좌표에 대하여 이루어지면 만약 동일한 폐영역내에서 발견된 좌표의 경우에는 이전의 위치좌표에 대하여 먼저 탐색된 범위 안에 있게 되므로 새로운 탐색은 이루어지지 않는다. 또한 이전의 탐색 범위에 들지 않은 위치 좌표를 이용하여 탐색이 이루어진다면 이는 분리된 장기의 일부를 의미한다. 이로써 CT 영상 내에서 간과 비장의 추적 및 추출이 이루어 질 수 있다.The position of the liver is tracked to keep track of the connected pixels that make up the liver using a set of position coordinates. This separates only pixels connected by 4-connection from a given coordinate. 13 is an example of an image matrix of an algorithm for tracking pixels constituting an organ. Starting from the initial coordinates of the portion indicated by B in FIG. 13C, the contrast values of the pixels fall within a given range. This initial coordinate may be a pixel located at any point in the area to be selected. If the pixel of the initial coordinate is included in the range of the given contrast value, it is changed to another contrast value (= 0), and then compared with respect to the pixel of (x-1, y) shown in FIG. 13A. If this pixel is also included in the range of examined contrast values, it is considered connected by 4-connectivity and recursively calls the tracking routine whose initial coordinate is (x-1, y). If (x-1, y) is not connected, each direction is compared in the order shown in FIG. 13B, and if connected, recursion is similarly performed. At this time, the pixel irradiated as connected changes the contrast value to 0 and is not irradiated again. Starting from a point in the closed region as such, all pixels connected as shown in FIG. 13D are displayed. For the image of FIG. 13C, only the portion where the contrast value is changed to 0 in FIG. 13D is left and the remaining portion is removed, leaving only the connected regions as shown in FIG. 13E. If this is done for all retained position coordinates, no new search is made if the coordinates found in the same closed area are within the range searched first for the previous position coordinates. In addition, if the search is performed using a position coordinate that is not included in the previous search range, it means a part of the separated organ. This allows tracking and extraction of liver and spleen within CT images.
도 14는 이러한 과정을 CT 영상에 적용하였을 때 간과 비장이 추적된 영상의 예시도이다. 원래의 CT 영상에서 각 장기가 추적되어 추출된 모습을 평준화 영상으로부터 비교할 수 있도록 표현된 것이다. 근육층이 제거된 CT 영상에서 간과 비장의 명암값이 추정된 후 간과 비장의 일부로 추적된 픽셀을 검은색으로 보여주고 있다. 도 15a는 도 14의 영상으로부터 분리된 간의 영상예시도이며, 도 15b는 도 14의 영상으로부터 분리된 비장의 영상 예시도이다.14 is an exemplary view of an image in which the liver and spleen are tracked when this process is applied to a CT image. Each organ was traced and extracted from the original CT image so that it can be compared from the leveling image. The CT image of the muscle layer removed shows the dark and dark values of the liver and the spleen, and shows the pixels traced as part of the liver and spleen in black. FIG. 15A is an exemplary view of the liver separated from the image of FIG. 14, and FIG. 15B is an exemplary view of the spleen separated from the image of FIG. 14.
도 15a 및 도 15b를 통해 알 수 있듯이, 근육이 제거된 영상으로부터 추출된 간과 비장의 영상을 살펴보면, 영상의 외곽부분에 고르지 못한 돌출 부분이 있음을 볼 수 있다. 이러한 부분은 각 장기 주변의 다른 조직, 예를 들어 미처 제거되지 못한 근육이나 해당 장기와 밀접한 다른 장기의 일부가 분리되지 못하고 간 또는 비장과 함께 추출되었거나, 또는 이러한 부분에서 명암 값이 고르게 분포되어 있지 않기 때문이다. 트리밍 과정은 이러한 잡음을 제거하여 최종적으로 추출된 각 장기가 부드러운 외곽선을 가지도록 하는 과정이다.As can be seen through Figure 15a and 15b, looking at the liver and spleen images extracted from the muscle removed image, it can be seen that there is an uneven protrusion on the outer portion of the image. These parts were extracted with the liver or spleen without separation of other tissues around each organ, such as muscles that could not be removed or parts of other organs closely related to the organ, or evenly distributed contrast values in these areas. Because it does not. The trimming process removes these noises so that each finally extracted organ has a smooth outline.
이 알고리즘은 마치 적당한 크기의 공을 간과 비장의 내부에서 경계선을 따라 굴렸을 때, 공이 들어가지 않는 외부로의 돌출부분이 제거되는 것과 같은 효과를 가지도록 하였다. 좀더 정확하게 표현하면, 이는 모포로지컬 필터(morphological filter)를 이용하는 방법으로, 어떤 크기의 스트럭춰링 엘리먼트(structuring element, SE)를 영상 전체에 대해 스캔하면서 주어진 SE보다 작은 굵기를 가진 바깥으로의 돌출 부분을 제거하게 된다.The algorithm works as if the ball of the appropriate size was rolled along the boundary line inside the liver and spleen, and the outward protrusion where the ball did not enter was removed. More precisely, it uses a morphological filter that scans a structured element (SE) of any size over the entire image, with outward projections with a thickness less than the given SE. Will be removed.
실제로 구현된 알고리즘에서는 12 * 12 의 SE를 사용하였으나 여기서는 편의상 3 x 3 의 SE를 예로 설명하고자 한다. 도 16b와 같은 영상에 대해 도 16a와 같은 SE를 좌측 상단부터 차례로 한 픽셀씩 움직이면서 적용될 영상과 비교한다. 이때 모든 픽셀(9개)이 SE와 같은 경우에만 해당 픽셀을 선택한다. 따라서 도 16c에서 B로 표시된 부분과 그 주변은 남아있는 반면, A로 표시된 부분처럼 SE보다 작은 굵기의 영역은 제거된다. 그러나 B'의 영역은 간의 말단 부위로 간의 일부임에도 불구하고 SE에 일치하지 못하여 손상되는 것을 방지하기 위해 다음의 방법을 취한다. 이는 SE와 비교할 때 일치하는 개수를 세어 9개가 아닌 7개만 같아도 원 영상의 픽셀들을 선택하도록 하는 것이다. 이와 같이 약간의 오차를 허용하게 되면 경계부분에 존재하는 임의의 불규칙한 모양도 포함시킬 수 있어 원래의 영상에 대한 손실을 줄일 수 있다. SE를 원의 형태로 하였을 경우에는 불규칙한 경계부분이 전부 원의 곡선으로 되지만 이러한 오차 허용방식을 이용함으로서 불규칙한 모양을 그대로 살릴 수 있다. 도 16c에서는 비교적 두꺼운 근육의 일부가 남아 있었으나 각 장기의 위치탐색을 통해 얻어진 좌표를 중심으로 폐 영역만 추출해내면 해당 장기에 속하지 않은 부분은 제거되므로 도 16d의 결과를 얻는다.In practice, the algorithm implemented uses a SE of 12 * 12, but for the sake of convenience, the SE of 3 × 3 will be described as an example. For the image of FIG. 16B, the SE of FIG. 16A is compared with the image to be applied while moving one pixel from the upper left one by one. The pixel is selected only when all pixels (9) are equal to SE. Thus, while the portion indicated by B in FIG. 16C and its periphery remain, the region of thickness smaller than SE, such as the portion indicated by A, is removed. However, although the region of B 'is a terminal portion of the liver, the following method is taken to prevent damage due to inconsistent with SE. This compares with SE and counts the number of matches so that only seven pixels, not nine, are selected. This slight tolerance allows the inclusion of any irregular shape at the boundary, thus reducing the loss of the original image. In the case of SE in the form of a circle, the irregular boundary part becomes the curve of the circle, but by using this error tolerance method, the irregular shape can be kept as it is. In FIG. 16C, a portion of the relatively thick muscle remains, but only the lung region is extracted based on the coordinates obtained through the location search of each organ, thereby removing the part not belonging to the organ, thereby obtaining the result of FIG. 16D.
본 발명에서는 SE의 크기를 12 x 12로 고정하였으므로 제거 대상이 12 pixel 이상의 두께를 가진 경우에 대해서는 효과를 얻을 수 없다. 여기서 SE의 크기를 좀 더 크게 함으로서 이보다 더 두꺼운 외부로의 돌출부분을 제거할 수는 있으나, SE의 크기를 너무 크게 하면 수행시간이 길어지게 된다. 따라서 처리할 영상의 특성에 따라 SE의 크기를 가변적으로 조절하여 적용하도록 한다.In the present invention, since the size of the SE is fixed to 12 x 12, no effect is obtained when the object to be removed has a thickness of 12 pixels or more. In this case, a larger SE size can be used to remove thicker protrusions. However, if the SE size is too large, the execution time becomes longer. Therefore, the size of SE is adjusted and applied according to the characteristics of the image to be processed.
이상의 과정에 의해 원래의 영상으로부터 추적 분리된 영상을 트리밍하여 얻은 결과 영상은 도 17에 나타난다. 도 17a는 다듬기 과정을 거친 간의 영상을 나타낸 것이고, 도 17 b는 다듬기 과정을 거친 비장의 영상을 나타내고 있다. 도 15a 및 도 15b의 영상에 비해 훨씬 부드러운 외곽선을 가지고 있음을 확인할 수 있다.The resultant image obtained by trimming the image tracked and separated from the original image by the above process is shown in FIG. 17. 17A shows an image of the liver that has undergone a smoothing process, and FIG. 17B shows an image of the spleen that has undergone a smoothing process. It can be seen that it has a much smoother outline than the images of FIGS. 15A and 15B.
추출된 간과 비장의 영상에 대한 트리밍 과정을 통해 가장자리 부분은 다듬어졌으나, 아직도 간 내부에는 255의 명암 값을 갖고 흰색으로 나타난 미세한 점이나 작은 홀들이 존재한다. 이러한 부분은 이전의 명암 값 추정 단계에서 추정된 장기의 명암 값의 범위에는 들지 않으나 장기의 내부를 지나는 일부 혈관 또는 미세한 다른 부분들로서 그 크기에 따라 일부는 해당 장기에 포함시켜야 한다는 것이 의료 전문가들의 보편적인 판단이다. 그러나 현재 추출된 장기의 내부에는 이러한 부분이 명암 값 255의 흰색으로 처리되어 해당 장기에 포함되지 않는 것으로 취급되고 있다. 때문에 장기의 체적을 구하는 데 있어서 해당 장기의 일부가 아닌 것으로 취급되어 정확한 장기의 체적을 구하는데 오차를 갖게 할 수 있다. 따라서 이러한 부분은 실제 각 장기와 같은 명암 값으로 처리하여 체적을 구해야 한다.The edges were trimmed by trimming the extracted liver and spleen images, but there are still tiny dots or small holes that appear white with contrast values of 255. These parts are not within the range of the organ's contrast values estimated at the previous stage of estimating the contrast values, but some blood vessels or other microscopic parts that pass through the organ's interior, which, depending on their size, need to be included in the organs. It is a judgment. However, inside the organs currently extracted, these parts are treated as white with a contrast value of 255 and are not considered to be included in the organs. Therefore, in obtaining the volume of an organ, it may be treated as not part of the organ, thereby making an error in obtaining an accurate organ volume. Therefore, these parts should be treated with the same intensity value as each organ to obtain a volume.
이로젼(Erosion) 및 다일레이션(Dilation)은 간과 비장의 내부에 존재하는 작은 홀들을 그 크기에 따라 일부를 해당 장기의 부분으로 변환시키기 위한 목적으로 사용된다. 이로젼(Erosion)과정을 영상에 적용하게 되면 흰색으로 되어있는 부분이 축소되며 검은 색 되어 있는 부분은 크게되는 효과를 주게된다. 이러한 알고리즘을 CT 영상에 적용하게 되면, 추출된 장기의 영상 배경에 있는 흰 부분이 이로젼(Erosion)의 수행과 함께 감소되므로 역으로 전체 장기의 크기가 커지는 결과를 가져온다. 또한 이러한 효과로서 각 장기의 내부에 존재하는 흰 부분들도 주변에 있는 검은 부분의 크기가 커짐에 따라 점차 감소하게 되고, 결과적으로 추출된 간의 명암 값과 다른 값을 갖기 때문에 간 내부에서 흰색으로 나타난 부분들이 크기가 이로젼(Erosion)이 적용됨에 따라 점차 작아지며, 한번의 이로젼(Erosion)에 의해 흰 홀의 직경이 두 픽셀씩 감소하게 된다.Erosion and dilation are used to convert small holes in the liver and spleen into parts of the organ according to their size. When the erosion process is applied to the image, the white part is reduced and the black part is enlarged. Applying this algorithm to CT images, the white part in the image background of the extracted organs decreases with the execution of erosion, which in turn results in an increase in the size of the entire organs. In addition, the white parts inside each organ gradually decrease as the size of the surrounding black parts increases, and as a result, they appear white in the liver because they have different values from the extracted liver contrast values. The parts become smaller in size as erosion is applied, and the diameter of the white hole is reduced by two pixels by one erosion.
다일레이션(Dilation)은 이로젼(Erosion)과는 반대의 개념을 갖는 동작을 의미한다. 다일레이션(Dilation)에 의해 흰 영역의 크기는 점차 커지고 검은 영역의 크기는 점차 감소된다. 즉, 이로젼(Erosion)에 의해 커진 장기의 전체 크기는 다일레이션(Dilation)에 의해 다시 원래의 크기로 복구될 수 있다. 그러나 추출된 장기의 내부에 존재하던 흰 영역이 이전의 이로젼(Erosion)에 의해 완전히 검은 색으로 채워진 경우에는 다시 복구되지 않는다.Dilation refers to an operation that has a concept opposite to erosion. By dilation, the size of the white area is gradually increased and the size of the black area is gradually reduced. That is, the total size of the organs grown by erosion can be restored to the original size by dilation. However, if the white area that existed inside the extracted organ is completely black by the previous erosion, it is not restored again.
여기서 중요한 점은 이미 언급하였듯이, 간 내부에 존재하는 흰 부분 모두가 간으로 취급되는 것은 아니라는 점이다. 흰 부분의 크기에 따라 일부는 간 내부를 지나는 다른 조직일 수 있다. 이에 따라 이로젼(Erosion)의 수행 횟수의 결정이 중요한 문제가 되었으며, 본 발명에서는 이로젼(Erosion)의 수행 횟수를 3회로 제한함으로서 직경이 6 픽셀보다 작은 홀의 경우 미세한 혈관으로 취급하여 간의 일부로 변환시켰다. 그러나 그 이상의 경우에는 간을 통과하는 비교적 큰 다른 조직의 일부로 간주하여 다시 원래의 크기로 복구하였다. 만약 흰 영역의 크기가 6 픽셀을 초과하는 크기였다면 3 번의 이로젼(Erosion)과정을 진행해도 더 작아진 형태이지만 흰 부분이 남아 있을 수 있으므로 원래대로 복구될 수 있으나, 그렇지 않은 경우에는 이로젼(Erosion)에 의해 흰 부분이 모두 없어지므로 다일레이션(Dilation)을 수행한다고 해도 다시 원래의 모양을 회복할 수 없게 된다.The important point here is that, as already mentioned, not all white parts inside the liver are treated as liver. Depending on the size of the white part, some may be other tissues that pass inside the liver. Accordingly, the determination of the number of executions of the erosion has become an important problem, and in the present invention, the number of executions of the erosion is limited to three times, so that a hole smaller than 6 pixels in diameter is treated as a small vessel and converted into a part of the liver. I was. More than that, however, it was considered part of another relatively large tissue passing through the liver and restored to its original size. If the size of the white area is more than 6 pixels, the size of the white area is smaller after 3 erosions, but the white area may be left. Erosion removes all white parts, so even if dilation is performed, the original shape cannot be restored.
결론적으로 이로젼(Erosion)후 다일레이션(Dilation)을 수행함으로서 추출된 전체 장기의 크기는 변화가 없으면서 장기 내부에 존재하는 흰 부분중 일정 크기 이하의 작은 부분들을 장기의 일부로서 변환시킬 수 있다. 이러한 결정은 진단 방사선 분야의 의료전문가의 판단을 근거로 하였다.In conclusion, by performing dilation after erosion, the size of the extracted whole organs can be transformed as a part of organs. This decision was based on the judgment of a medical professional in the field of diagnostic radiology.
도 18은 본 발명에 따른 채우기 과정의 알고리즘의 영상행렬 예시도이다. 도 18a는 원래의 영상행렬이며, 도 18b는 이로젼(Erosion)을 1회 수행한 결과를 나타내고, 도 18c는 다시 1회의 다일레이션(Dilation)을 수행한 결과에 따른 영상행렬을 나타낸다.18 is a diagram illustrating an image matrix of an algorithm of a filling process according to the present invention. FIG. 18A illustrates an original image matrix, and FIG. 18B illustrates a result of performing one erosion, and FIG. 18C illustrates an image matrix according to a result of one dilation.
도 19a는 도 17a의 영상으로부터 이로젼(Erosion)을 수행한 후의 간의 영상 예시도, 도 19b는 도 17b의 영상으로부터 이로젼(Erosion)을 수행한 후의 비장의 영상 예시도이다. 도 20a는 도 19a의 영상으로부터 다일레이션(Dilation)을 수행한 후의 간의 영상 예시도이며, 도 20b는 도 19b의 영상에서 다일레이션(Dilatin)을 수행한 결과에 따른 비장의 영상 예시도이다.FIG. 19A illustrates an image of the liver after performing erosion from the image of FIG. 17A, and FIG. 19B illustrates an image of the spleen after performing erosion from the image of FIG. 17B. FIG. 20A is a diagram illustrating an image of the liver after dilation is performed from the image of FIG. 19A, and FIG. 20B is a diagram illustrating an image of the spleen according to the result of performing dilatinization on the image of FIG. 19B.
단층촬영 장치로부터 제공되는 CT 영상 화일의 헤더 부분에는 CT 영상에 대한 여러 가지 정보를 유지하고 있다. 환자의 성별 및 나이 등에 관한 사항과 촬영된 CT 영상의 크기 등에 관한 여러 가지 환경정보 등이 유지되어 있다. 특히 여러 가지 환경정보 중에 슬라이스 사이의 간격에 대한 정보와 영상을 구성하는 픽셀들의 크기에 대한 정보는 추출된 장기의 체적을 계산하는데 유용하게 사용된다. 한 사람에 대하여 촬영된 CT 영상의 슬라이스의 수는 촬영 목적에 따라 달라질 수 있으나 보통 20 슬라이스 정도로 촬영되고 있다. 이 경우 CT 영상 슬라이스의 간격이 10mm 정도이며, 한 픽셀의 가로, 세로의 크기가 0.65mm 정도이다. 다만 모든 CT 영상이 일정한 간격 및 크기를 갖는 것이 아니므로 이러한 정보는 각 CT 영상의 헤더 부분을 분석해 보아야 한다.The header portion of the CT image file provided by the tomography apparatus holds various information about the CT image. Various environmental information, such as the sex and age of the patient and the size of the CT image taken, is maintained. In particular, among various environmental information, information about the interval between slices and information about the size of pixels constituting the image is useful for calculating the volume of the extracted organ. The number of slices of a CT image photographed for a person may vary depending on a photographing purpose, but is usually about 20 slices. In this case, the distance between the CT image slices is about 10 mm, and the size of one pixel is about 0.65 mm. However, not all CT images have a constant interval and size, so this information should be analyzed in the header portion of each CT image.
각 장기의 체적은 다음의 식을 통해 산출될 수 있다.The volume of each organ can be calculated by the following equation.
수식에 사용된 부호중 "N"은 추출된 장기(간 또는 비장)를 포함하는 슬라이스의 수를 의미하며 "Si"은 슬라이스 번호, "D"는 슬라이스 사이의 간격, "Lp"는추출된 장기(간 또는 비장)를 구성하는 픽셀의 수, "X"는 한 픽셀의 가로의 길이, "Y"는 한 픽셀의 세로의 길이를 의미한다."N" in the formula is the number of slices containing the extracted organ (liver or spleen), "S i " is the slice number, "D" is the interval between slices, "L p " is the extraction The number of pixels constituting the old organ (liver or spleen), "X" means the horizontal length of one pixel, and "Y" means the vertical length of one pixel.
지금까지 언급된 장기의 추출 및 체적의 산출을 위한 알고리즘을 총 30명의 CT 영상에 적용하였다. 이들 결과를 보면, 추출된 장기의 정확성 면에서는 진단 방사선 분야의 전문의에 의해 매뉴얼 방식으로 분리된 영상과 비교하였을 때 상당히 정확한 장기의 추출이 이루어졌음을 알 수 있다. 이는 추출된 장기의 영상을 이용하여 얻은 체적과 매뉴얼에 의해 얻어진 영상으로부터 구해진 체적과 비교하였을 때 5% 이내의 차이를 보이고 있는 사실로도 뒷받침되고 있다.Algorithms for extracting organs and calculating volume mentioned above were applied to a total of 30 CT images. From these results, it can be seen that the accuracy of the extracted organs was significantly accurate when compared with images separated by manual methods by a specialist in diagnostic radiology. This is supported by the fact that the difference between the volume obtained using the extracted organ image and the volume obtained from the manual image is within 5%.
아래의 표 1은 본 발명에서 제안된 방법에 의해 추출된 간과 비장의 영상으로부터 구한 체적의 평균값과 부검등의 매뉴얼 방식으로 구한 체적의 평균값을 비교한 것이다.Table 1 below compares the average value of the volume obtained from the liver and spleen images extracted by the method proposed in the present invention with the average value of the volume obtained by a manual method such as an autopsy.
CT 영상에 따라 약간의 차이는 있으나 전체적으로 비장의 경우 간보다 약간 큰 오차를 보이고 있으며 이는 간에 비해 비장의 크기가 상대적으로 작기 때문인 것으로 판단된다. 결론적으로 본 발명에 의한 간과 비장의 추출 및 이를 통한 장기의 체적 계산은 비교적 정확하게 이루어지고 있다고 할 수 있다.Although there are some differences depending on the CT images, the spleen shows a slightly larger error than the liver. This is because the size of the spleen is relatively small. In conclusion, the extraction of liver and spleen according to the present invention and the volume calculation of organs through it can be said to be relatively accurate.
이상에서 설명한 바와 같이, 본원 발명은 조영증강제를 사용하지 않고도 단층촬영된 영상 슬라이스의 명암 값을 자동적으로 추정하여 해당 장기를 추적하여 추출할 수 있는 효과를 가진다. 또한, 추출된 장기의 외곽선에 붙어있는 잡음을 제거하므로써 추출의 정확성을 높일 수 있으며, 단층촬영 장치로부터 제공되는 정보와 추출된 장기의 면적 정보를 통해 장기의 체적을 산출할 수 있는 효과가 있다.As described above, the present invention has an effect of automatically estimating the contrast value of the tomography image slice without using a contrast enhancer to track and extract the organ. In addition, it is possible to increase the accuracy of the extraction by removing the noise attached to the outline of the extracted organ, it is possible to calculate the volume of the organ through the information provided from the tomography apparatus and the area information of the extracted organ.
Claims (5)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1019990005354A KR100332072B1 (en) | 1999-02-18 | 1999-02-18 | An image processing method for a liver and a spleen from tomographical image |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1019990005354A KR100332072B1 (en) | 1999-02-18 | 1999-02-18 | An image processing method for a liver and a spleen from tomographical image |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20000056228A true KR20000056228A (en) | 2000-09-15 |
| KR100332072B1 KR100332072B1 (en) | 2002-04-10 |
Family
ID=19574474
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1019990005354A KR100332072B1 (en) | 1999-02-18 | 1999-02-18 | An image processing method for a liver and a spleen from tomographical image |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR100332072B1 (en) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2003017833A1 (en) * | 2001-08-31 | 2003-03-06 | Jong-Won Park | Method and apparatus for a medical image processing system |
| KR100458088B1 (en) * | 2002-05-21 | 2004-11-20 | 박종원 | A volume calculation method for the target internal organs using computed tomography |
| KR101048605B1 (en) * | 2010-11-26 | 2011-07-12 | 한국지질자원연구원 | A volumetry analysis device and its methodology in computer tomography |
| KR101126222B1 (en) * | 2010-05-10 | 2012-03-20 | 가톨릭대학교 산학협력단 | Method for developing real-time automatic spleen 3D segmentation and volumetry based on diffusion weighted imaging |
| KR101126223B1 (en) * | 2010-07-15 | 2012-03-22 | 가톨릭대학교 산학협력단 | Liver segmentation method using MR images |
| KR20160134117A (en) * | 2015-05-14 | 2016-11-23 | 한국외국어대학교 연구산학협력단 | Semi-automatic segmentation apparatus and method for medical images using an organic seed |
| KR20200106326A (en) * | 2019-03-04 | 2020-09-14 | 시너지에이아이 주식회사 | Method for determining the degree of cancer metastasis and medical electronic device thereof |
| CN113412082A (en) * | 2018-12-11 | 2021-09-17 | 辛纳吉A.I.有限公司 | Organ volume measuring method and device using artificial neural network |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS5897344A (en) * | 1981-12-03 | 1983-06-09 | 日本電気株式会社 | Computer tomography apparatus |
| KR880009617A (en) * | 1987-02-11 | 1988-10-04 | 아더 엠. 킹 | Method of obtaining nuclear magnetic resonance angiography images |
| US4951222A (en) * | 1988-06-09 | 1990-08-21 | Bethlehem Steel Corporation | Method and system for dimensional and weight measurements of articles of manufacture by computerized tomography |
| JP2931983B2 (en) * | 1989-06-30 | 1999-08-09 | ジーイー横河メディカルシステム株式会社 | Radiation therapy system |
| KR19980041861A (en) * | 1996-11-01 | 1998-08-17 | 제이 엘. 채스킨 | Fast segmentation system and method of cardiac image |
-
1999
- 1999-02-18 KR KR1019990005354A patent/KR100332072B1/en not_active IP Right Cessation
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2003017833A1 (en) * | 2001-08-31 | 2003-03-06 | Jong-Won Park | Method and apparatus for a medical image processing system |
| KR100458088B1 (en) * | 2002-05-21 | 2004-11-20 | 박종원 | A volume calculation method for the target internal organs using computed tomography |
| KR101126222B1 (en) * | 2010-05-10 | 2012-03-20 | 가톨릭대학교 산학협력단 | Method for developing real-time automatic spleen 3D segmentation and volumetry based on diffusion weighted imaging |
| KR101126223B1 (en) * | 2010-07-15 | 2012-03-22 | 가톨릭대학교 산학협력단 | Liver segmentation method using MR images |
| KR101048605B1 (en) * | 2010-11-26 | 2011-07-12 | 한국지질자원연구원 | A volumetry analysis device and its methodology in computer tomography |
| WO2012070762A2 (en) * | 2010-11-26 | 2012-05-31 | 한국지질자원연구원 | Apparatus and method for measuring the volume of foreign substances within a geological sample core using computer tomography |
| WO2012070762A3 (en) * | 2010-11-26 | 2012-07-19 | 한국지질자원연구원 | Apparatus and method for measuring the volume of foreign substances within a geological sample core using computer tomography |
| KR20160134117A (en) * | 2015-05-14 | 2016-11-23 | 한국외국어대학교 연구산학협력단 | Semi-automatic segmentation apparatus and method for medical images using an organic seed |
| CN113412082A (en) * | 2018-12-11 | 2021-09-17 | 辛纳吉A.I.有限公司 | Organ volume measuring method and device using artificial neural network |
| KR20200106326A (en) * | 2019-03-04 | 2020-09-14 | 시너지에이아이 주식회사 | Method for determining the degree of cancer metastasis and medical electronic device thereof |
Also Published As
| Publication number | Publication date |
|---|---|
| KR100332072B1 (en) | 2002-04-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR100889014B1 (en) | Extraction method of tongue region using graph-based approach | |
| US7916912B2 (en) | Efficient border extraction of image feature | |
| EP1302163A2 (en) | Method and apparatus for calculating an index of local blood flows | |
| WO2015076406A1 (en) | Device for assisting in diagnosis of osteoporosis | |
| WO2002094097A1 (en) | Boundary finding in dermatological examination | |
| WO1997047235A1 (en) | Dermal diagnostic analysis system and method | |
| CN109377481B (en) | Image quality evaluation method, image quality evaluation device, computer equipment and storage medium | |
| KR100332072B1 (en) | An image processing method for a liver and a spleen from tomographical image | |
| CN113222974A (en) | Automatic evaluation method and device for collateral circulation | |
| CN115937196A (en) | Medical image analysis system, analysis method and computer-readable storage medium | |
| JP3195136B2 (en) | Image processing device | |
| JP2002269539A (en) | Image processor, image processing method, and computer- readable storage medium with image processing program stored therein, and diagnosis support system using them | |
| CN113034522B (en) | CT image segmentation method based on artificial neural network | |
| JP2000126150A (en) | Setting of interest region, image processing device, and image processing device for medical purpose | |
| CN110136095A (en) | Liver three-dimensional CT image lesion region automatic extracting system and method | |
| CN112037217B (en) | Intraoperative blood flow imaging method based on fluorescence imaging | |
| CN109993754B (en) | Method and system for skull segmentation from images | |
| CN115775219A (en) | Medical image segmentation method, system, electronic device, and medium | |
| US12016696B2 (en) | Device for the qualitative evaluation of human organs | |
| Wirth et al. | Combination of color and focus segmentation for medical images with low depth-of-field | |
| CN113487628B (en) | Model training method, coronary vessel identification method, device, equipment and medium | |
| KR100291861B1 (en) | A method of separating the white matter and the grey matter from brain image and calculating the volume of thereof | |
| Sawarkar et al. | Automated Skin Lesion Preprocessing Model of Dermoscopic Images Towards Melanoma Detection | |
| US20240037741A1 (en) | Cardiac Catheterization Image Recognition and Evaluation Method | |
| WO2006123272A2 (en) | Automatic organ mapping method an device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20130213 Year of fee payment: 12 |
|
| FPAY | Annual fee payment |
Payment date: 20140114 Year of fee payment: 13 |
|
| LAPS | Lapse due to unpaid annual fee |