KR20050055600A

KR20050055600A - 검사 객체에 대한 결과 이미지들을 생성하는 방법

Info

Publication number: KR20050055600A
Application number: KR1020040102226A
Authority: KR
Inventors: 마르틴 탕크
Original assignee: 지멘스 악티엔게젤샤프트
Priority date: 2003-12-08
Filing date: 2004-12-07
Publication date: 2005-06-13
Also published as: CN1666710A; DE10357205A1; JP2005169120A; NL1027673C2; NL1027673A1; US20050148852A1

Abstract

본 발명은 단면 이미지 데이터를 사용하여 검사 객체에 대한 결과 이미지들을 자동으로 생성하는 방법에 관한 것이다. 이 경우에, 타겟 구조(Z)는 진단 질의에 기초하여 단면 이미지 데이터(D)에서 최우선으로 확인되고, 타겟 구조(Z)는 모델 파라미터들(t_x, t_y, t_z, r_x, r_y, r_z, d₀)를 사용하여 변화될 수 있는 기하형태를 갖는 해부학적 기준 모델(M)을 선택하기 위한 기초로서 사용된다. 기준 모델(M)은 타겟 구조(Z)에 자동으로 적응된다. 단면 이미지 데이터는 그 후에 적응된 기준 모델(M)에 기초하여 단편화되고, 진단 질의에 관한 검사 객체의 해부학적 구조들은 적응된 기준 모델(M)의 윤곽 및/또는 관련 구조들에 다른 적어도 하나의 모델 부분(T₁, T₂, T₃, T₄, T₅) 내에 위치되거나 그로부터 특정 값만큼 최대 불일치를 갖는 단면 이미지 데이터 내의 모든 픽셀들을 선택함으로써 분리된다. 관련 구조들은 그 후에 개별적으로 시각적으로 디스플레이되고/디스플레이되거나 나중의 시각적 디스플레이를 위해 저장된다. 본 명세서는 또한 상응하는 이미지 처리 시스템을 기술한다.

Description

검사 객체에 대한 결과 이미지들을 생성하는 방법{METHOD FOR PRODUCING RESULT IMAGES FOR AN EXAMINATION OBJECT}

본 발명은 검사 중인 검사 객체로부터의 단면 이미지 데이터를 사용하여 검사 객체에 대한 결과 이미지들을 자동적으로 생성하는 방법에 관한 것이다. 본 발명은 또한 상기 방법을 수행하기 위해 사용될 수 있는 이미지 처리 시스템에 관한 것이다.

컴퓨터 단층 촬영기들, 자기 공명 단층 촬영기들 및 초음파 장비와 같은 단면 이미지들을 생성하는 기구(modality)들을 사용하는 검사들의 결과는 일반적으로 검사 중인 검사 객체의 다수의 단면 이미지들 시리즈들을 포함한다. 검사의 추가적인 계획 및/또는 진단 생성을 위해, 상기 단면 이미지 데이터는 많은 경우에 있어서 검사 자체 동안, 또는 검사 후 즉시 추가로 처리되어야 한다. 이러한 검사들의 흐름은 일반적으로 이러한 경우에 진단 질의(diagnostic questionnaire)에 의해 결정된다. 대부분의 경우에, 이는 개략적인 이미지들이 준비된 후에서야 더 자세히 검사되는 특정 기관(organ) 또는 기관들 계통을 포함한다. 이러한 것의 일례는 환자의 만성적인 무릎 관련 문제들의 검사이다. 무릎(knee)의 상대적으로 적은 단면 이미지들 시리즈들을 준비한 후에, 무릎의 내부 구조들의 기존 병리(pathology)들의 중간 진단(intermediate diagnosis)이 먼저 생성되고, 이에 기초하여 무릎의 해당 부분의 더 확장된 검사들이 그 후에 행해진다. 일반적으로, 이러한 중간 진단을 생성하기 위해, 예를 들어 방사선 기사(radiologist) 또는 MTRA(의료-기술 방사선 보조자, medical - technical radiological assistant)와 같은 사용자는 개별적인 개략적 이미지들을 분석하고, 그 후에 추가로 처리할 방법에 관해 결정하는 것이 필요하다. 이러한 타입의 중간 진단은 저평가되어서는 안되는 시간 관련성(time involvement)을 요구하고, 이는 전체 검사 작업 흐름에 악영향을 준다. 추가적인 문제는, 단면 이미지 데이터에서, 특히 매우 복잡한 해부학적 구조들의 경우에, 특정한 내부 구조들의 병리들을 식별하는 것이 매우 어렵고 상당한 비용을 요구한다는 것이다. 따라서 부정확한 중간 진단들을 만들기 쉽다. 이는 경우에 따라 단면 이미지 검사들의 품질을 손상시키는 결과를 가져온다.

단면 이미지들에서 문제되는 특정한 구조들을 위해 개별적인 모델들을 생성하고, 진단들을 지원하기 위해 상기 모델들을 이용하거나 중재 계획(intervention scheme)을 위해, 다양한 방법들이 이미 공인되어 공지되어 있다. 따라서, 예를 들어, WO 99/55233은, 모델을 3개의 수동으로 검출된 해부학적 랜드마크(landmark)들에 적응함으로써 검사될 사람의 심장에 대한 개별적인 모델이 반-자동으로 생성되고 평가되는 심장의 초음파 이미지들에 대해 모델에 기반하여 평가하는 방법을 기술한다. 또한, DE 103 11 319 A1은, 심장 중재 치료(cardiac intervention procedure)를 계획하기 위해서, 3개의 수동 조작 해부학적 랜드마크들을 사용하는 것과 같은 CT 이미지들에 기초하여 심장의 개별적인 3D 모델이 생성되는 방법을 기술한다. 나아가, US 2003/0097219는 좌심실의 모델이 해부학적 랜드마크들에 기초하여 반-자동으로 생성되는 방법을 기술한다. 마지막으로, WO 00/32106은 호흡기 계통이나 소화기 계통의 개별적인 모델들을 이용하는 가상 내시경 검사를 수행하는 방법을 개시한다. 그러나, 상기 방법들 모두는 단지 하나의 모델의 출력에 관한 것이기 때문에, 이에 기초한 진단이나 중재 계획은 생성된 모델의 품질에 매우 크게 의존한다.

따라서, 본 발명의 목적은 생성된 단면 이미지 데이터를 이용하는 검사 객체에 대해 결과 이미지들을 자동으로 생성하기 위한 택일적인 방법 및 이미지 처리 시스템을 제공하여, 진단들, 특히 검사가 계속될 중간 진단들이 훨씬 더 쉽고, 빠르고 안전하게 생성되도록 하는 것이다.

상기 목적은 청구항 1에 따른 방법 및 청구항 16에 따른 이미지 처리 시스템에 의해 달성된다.

본 발명은 무엇보다 타겟 구조가 진단 질의에 기초하여 단면 이미지 데이터에 자동으로 포함되는 것을 포함한다. 그 후에 상기 타겟 구조는 모델 파라미터들을 이용하여 변화될 수 있는 기하형태를 갖는 해부학적 기준 모델(norm model)을 선택하는 기초로서 사용된다. 이러한 경우에, 다양한 해부학적 모델들이 데이터베이스에서 관리될 수 있는데, 여기서 검사될 각각의 기관은 상기 기관을 커버하는 적어도 하나의 상응하는 해부학적 기준 모델을 갖는다. 그 후에 상기 기준 모델은 단면 이미지 데이터 내의 타겟 구조에 자동으로 적응되는데, 다시 말하면 상기 타겟 구조에 기초하여 개별화된다. 그 후에 상기 단면 이미지 데이터는 적응된 기준 모델에 기초하여 단편화되고, 여기서 진단 질의(diagnostic questionnaire)에 관련된 검사 객체의 관련 해부학적 구조들은 적응된 모델의 윤곽(contour) 및/또는 관련 해부학적 구조들에 따른 적어도 하나의 모델 일부 내에 위치되거나, 이로부터 특정한 차이 값만큼 최대 불일치(discrepancy)를 갖는 단면 이미지 데이터 내의 모든 픽셀들을 선택함으로써 분리된다. 이러한 경우에, 상기 선택은 문제되는 픽셀들이 제거되거나, 문제되는 모델이나 모델 일부의 모든 나머지 화소들이 제거되도록, 즉 문제되는 픽셀들이 컷아웃(cutout)되도록 행해질 수 있다. 상기 문맥에서, "모델 일부(model part)"는 예를 들어 두개골(skull) 모델 내의 두개골에 기초한 기준 모델의 일부를 의미하는 것으로 이해된다. 이러한 경우에, 상기 모델 일부는 실제 검사될 기관(일부)에 정확히 일치할 수 있다. 그 후에 관련 해부학적 구조들은 별도로 가상적으로 디스플레이되고/디스플레이되거나 나중의 각 디스플레이를 위해 저장된다.

이러한 경우에, 상기 가상 디스플레이는, 예를 들어, 문제되는 기구(modality)나, 이에 네트워크를 통해 연결된 워크스테이션을 위한 동작 콘솔(console)의 스크린 상, 2 또는 3차원으로 이루어질 수 있다. 마찬가지로, 프린터, 상영관(filming station) 등을 통해 결과 이미지들을 출력하는 것도 가능하다. 관련 해부학적 구조들의 시각적 디스플레이는 문제되는 기관의 단위 부분들 모두가, 예를 들어 분해도로서, 결과 이미지에 서로 별개로 보여지는 형태로 이루어질 수 있다. 또한, 개별적인 구조들은 진단을 하는 사람이 다양한 출력들, 스크린 윈도우들 등을 통해 연속적이거나 병행하여 볼 수 잇는 개별적인 결과 이미지들을 통해 보여질 수 있다. 3차원 디스플레이의 경우에, 이는 사용자가 공간에서 가상적으로 적절한 사용자 인터페이스 상에 대화적으로 상기 구조들이나 상기 개별적인 구조를 회전시키고, 이에 따라 모든 측면으로부터 상기 구조들을 볼 수 있도록 행해질 수 있다. 또한, 전술한 바와 같이, 단순히 구조들의 표면이 보여지는 "SSD(표면 음영 디스플레이, surface shaded display)" 표현 타입 이외에, VRT(볼륨 렌더링 기술, volume rendering technique), MPR(다면 재구성, multiplanar reconstruction), MIP(최대 세기 투사, maximum intensity projection) 등과 같은 별도의 시각적 디스플레이 동안 개별적인 관련 구조들을 개별적으로 활용하는 다른 표현 타입들도 사용될 수 있다.

상기 제안된 방법에 따라, 단면 이미지 데이터는 기준 모델에 기초하여 단편화될 수 있고, 다시 말하면, 모든 진단상으로 관련된 모든 부분들로 나누어질 수 있다. 상기 결과 이미지들 내의 다양한 해부학 구조들의 연속적인 구별된 시각적 디스플레이는, 특히 덜 숙련된 사람에 대해, 올바른 중간 진단을 하는 것을 매우 간단하게 하도록 한다. 따라서 상기 방법은 단면 이미지 검사 동안 중간 진단(intermediate diagnosis)의 더 빠른 작성과 평가를 하도록 하고, 이는 전반적인 검사 시간을 감소시키는 동시에 검사 결과의 품질을 향상시킨다. 상기 방법은 또한 검사 다음의 실제 의료적 진단을 최적화하도록 할 수 있다. 처음에 기술한 공지된 방법과 달리, 본 방법은 구조의 모델이 아닌 문제되는 구조에 대해 실제 측정되고 단편화된 볼륨 데이터를 가상으로 디스플레이하는 것을 포함한다.

상기 문맥에서, US 6,556,696 B1에 기술된 것과 같은 종래의 임계값 또는 영역-성장(regional-growth) 방법들과 반대로, 예를 들어, 개별적인 모델이 기초한 단편화는 본 방법이 분리된 구조들이 단면 이미지 데이터의 명암대조(contrast)의 현저히 급격한 변화에 의해 식별될 수 없는 경우에도 사용될 수 있다는 장점을 갖는다.

이를 위해, 본 발명에 기초한 이미지 처리 시스템은 측정된 단면 이미지 데이터를 수신하는 인터페이스, 진단 질의에 기초하여 단면 이미지 데이터 내의 타겟 구조를 확인하는 타겟-구조 확인 수단, 특정 모델 파라미터들에 기초하여 개별적으로 변화될 수 있는 기하형태를 갖는 단면 이미지 데이터 내의 다양한 타겟 구조들에 대해 바람직하게는 데이터베이스의 형태인 다수의 해부학적 기준 모델들을 구비한 메모리 디바이스, 및 확인된 타겟 구조에 따라 해부학적 기준 모델들 중 하나를 선택하는 선택 유닛을 필요로 한다. 또한, 이미지 처리 시스템은 단면 이미지 데이터 내의 타겟 구조에 선택된 기준 모델을 적응시키는 적응 유닛을 필요로 하고, 또한 적응된 기준 모델에 기초하여 단면 이미지 데이터를 단편화하고, 단편화하면서, 적응된 기준 모델의 윤곽이나 관련 해부학적 구조들에 따른 모델 기준 내에 위치되거나 이로부터 특정한 차이 값에 의한 최대 불일치를 갖는 단면 이미지 데이터 내의 모든 픽셀들을 선택함으로서 진단 질의에 관한 검사 객체의 해부학적 구조들을 분리하기 위한 단편화 유닛을 필요로 한다. 마지막으로, 시각 디스플레이 디바이스는 관련 해부학적 구조들을 개별적으로 자동으로 시각적으로 디스플레이하거나 상기 구조들을 나중의 시각 디스플레이를 위해 적당한 방식으로 저장하기 위해 요구된다. 상기 문맥에서, "시각 디스플레이 디바이스"는 관련 구조들이, 예를 들어 스크린 상이나 이미지 처리 시스템에 연결된 다른 출력 유닛들 상에서, 서로 별개로 디스플레이되고 개별적으로 보여질 수 있도록 하기 위해서, 단편화된 단면 이미지를 조율하는(condition) 디바이스를 의미하는 것으로 이해되어야 한다.

종속 청구항들은 각각 본 발명의 특히 바람직한 실시예들과 한정들을 포함하는데, 여기에서 본 발명의 이미지 처리 시스템은 또한 본 방법 청구항들에 따라 개발될 수 있다.

일 바람직한 변형예에서, 기준 모델이 타겟 구조에 적응되는 동시에, 특정한 불일치 함수가 변형되는 기준 모델의 기하형태와 타겟 구조 사이의 현재의 불일치 값을 확인하기 위한 기초로서 개별적으로 사용된다. 이는 상기 적응이 불일치 값을 단순히 최소화함으로써 완전히 자동적으로 수행될 수 있다는 것을 의미한다.

이 경우에, 상기 자동적인 적응은 배경(background)에서 전적으로 발생할 수 있고, 이는 사용자가 다른 일을 지원할 수 있고, 특히, 다른 이미지 데이터의 처리 및/또는 다른 측정들의 제어를 병행하기 위해 필요한 결과 이미지들을 생성하는 이미지 처리 시스템에 대한 콘솔을 사용할 수 있다는 것을 의미한다. 택일적으로, 상기 프로세스는, 예를 들어 상기 자동 방법 동안에, 스크린 상이나 스크린의 하부영역 상에 영구적으로 디스플레이될 수 있고, 이는 사용자가 상기 적응 프로세스의 진행을 모니터링할 수 있다는 것을 의미한다.

바람직하게도, 불일치 함수의 현재 값은 사용자에게 디스플레이된다. 특히, 상기 불일치 값들은 스크린 상에서, 예를 들어 태스크바(taskbar) 등에서 영구적으로 디스플레이될 수 있는 동시에, 사용자 인터페이스의 나머지는 사용자에 의한 다른 일을 위해 남겨진다.

바람직하게는, 사용자는 필요하다면 자동 적응 프로세스에 개입하고 개별적인 모델 파라미터들을 수동으로 조절할 옵션을 갖는다. 이 경우에, 바람직하게는 사용자에게 현재의 불일치 값이 제시되어서, 문제되는 모델 파라미터들을 변화시킬 때, 사용자가 기하학적인 불일치들이 사용자의 행동에 의해 감소되는지 및 어느 정도까지 감소되는지를 즉시 알 수 있도록 한다. 특히, 상기 상황에서 각각의 모델 파라미터에 대해 개별적인 불일치 값들을 결정하고, 전체 불일치 값 대신 또는 그에 부가하여 상기 값들을 디스플레이하는 것도 가능하다. 이의 통상적인 예는 타겟 구조 및/또는 적응될 기준 모델의 디스플레이, 또는 단말기 상의 그래픽 사용자 인터페이스 상의 상기 객체들 중 적어도 일부의 디스플레이이고, 여기에서 특정한 모델 파라미터-예를 들어 모델 상의 2개의 포인트들 사이의 거리를 적응시키기 위해, 사용자는 키보드를 사용할 수 있거나 마우스 등과 같은 포인터 디바이스를 사용할 수 있다. 그 후에 프로세스 바(process bar)나 유사한 시각적으로 용이하게 인식가능한 수단이 사용자에게 불일치들이 사용자 행동에 의해 감소되는 정도를 보여주기 위해 사용되고, 상기 디스플레이는 모델의 전체 불일치를 먼저 보여주고 특정한 현재 모델 파라미터의 적응에 대한 불일치들- 예를 들어 모델 내의 2개의 포인트들 사이의 거리의 경우에, 타겟 구조들 내의 관련 포인트들 사이의 거리에 대한 차이를 다음으로 보여준다.

하나의 특히 바람직한 예시적인 실시예에서, 단편화는 타겟 구조에 기준 모델을 적응시키는 것이 규정된 임계값 이하인 최소 불일치 값에 도달되는 것을 포함하는 지를 결정하기 위해 자동 체크에 의해 진행된다. 다시 말하자면, 모델과 데이터 레코드 내의 타겟 구조 사이의 불일치가 충분히 작은지를 결정하기 위해 체크가 수행된다. 만일 그러하기만 하다면, 측정된 데이터 레코드의 자동 단편화가 모델에 기초하여 수행된다. 그렇지 않다면, 본 방법은 단면 이미지 데이터의 추가적인 수동 처리를 위해 중단된다. 이는 모델과 측정된 데이터 레코드 사이의 초과 불일치들이 부정확한 자동 단편화를 수행하는 것을 신뢰성 있게 방지하는데, 상기 단편화는 자동적으로 단편화되고 시각적으로 디스플레이된 해부학적 구조들에 기초하여 부정확한 분석을 초래할 수 있다.

매우 바람직하게는, 관련 해부학적 구조들의 단순한 별개의 시각적 디스플레이 이외에, 상기 기준으로부터의 불일치들에 대해 이러한 해부학적 구조들을 체크하는 것도 가능하다. 다시 말하자면, 문제되는 해부학적 구조와 개별적인 모델이나 모델 부분 사이의 불일치들이 자동으로 확인된다.

바람직하게는, 이는 특정한 방식으로 단지 개별화된 기준 모델이나 기존 모델 부분을 사용하여 행해진다. 기준으로부터의 상기 불일치들의 식별을 위해 사용될 비교 기준 모델(comparative norm model)을 개별화할 때, 비교 기준 모델이나 관련 기준 모델 부분 자체의 기하형태가 병리들을 갖지 않도록 하는 변환(transformation)들이 수행되는 것을 보장하는 것이 필요하다. 그 후에 확인된 불일치들은 해부학적 구조들과 함께 그래픽으로 시각적으로 디스플레이될 수 있다. 예를 들어, 상기 불일치들은 스크린 상의 시각적으로 디스플레이된 데이터 레코드에서 사용자를 위해 표시될 수 있다. 덧붙여, 상기 불일치들은 청각 신호에 의해 사용자에게 모호하지 않게 디스플레이될 수 있다. 따라서 검사된 해부학적 구조들이 자동적으로 만들어지고 사용자에게 표시되는 것은 단순한 문제이다.

본 방법의 추가적인 개량 예에서, 기준으로부터 확인된 불일치들에 기초하여 검사 객체가 자동으로 분류되는 것도 가능하다. 예를 들어, 추가적인 검사들이 필요한지, 만일 그렇다면 어느 검사가 수행되는 지가 자동으로 규정될 수 있다. 이 경우에, 단지 제안(proposal)으로서 사용자에 대한 분류를 제공하는 것은 자명한 단계이고, 이에 의해 사용자는 그 후에 상기 제안에 동의할 수 있고, 이에 따라 추가적인 검사들이 큰 복잡성없이 수행되도록 하고, 또는 통상적인 방식으로, 사용자는 상세한 검사들이 수행될 필요가 있는지 및 어떤 상세한 검사들이 수행될 필요가 있는지에 대한 독립적인 결정을 할 수 있도록 하기 위해서 상기 제안을 간단하게 거절할 수 있도록 한다.

임의의 적당한 개별화 방법을 사용하여, 해부학적 기준 모델의 개별화, 즉 타겟 구조로의 적응을 수행하는 것은 기본적으로 가능하다. 해부학적 모델을 개별화하는 아이디어는 일반적으로 단순화된 형태로 공식화될 수 있고, 이에 따라 최적 형태인 모델을 개별적인 컴퓨터-단층촬영, 자기-공명-단층촬영이나 초음파 데이터 레코드에 적응시키는 기하학적 변환이-3차원 모델의 경우에- 발견되도록 한다. 모델의 기하형태와 연관될 수 있는 모든 정보는 이러한 경우에 마찬가지로 개별화된다. 의료 이미지 처리 동안, 최적 변환 파라미터들을 결정하는 방법은 정합(registration) 또는 매칭(matching) 방법이라 지칭된다. 상기 문맥에서, 사용되는 기하학적 변환에 따라, 고정적이고(rigid), 밀접하고(affirnitive), 전망있고(perspective), 탄력적이고(elastic) 방법들로 공지된 것 들 사이의 차이가 일반적으로 도출된다. 상기 정합 방법들은, 예를 들어 공통 이미지 내의 2 이상의 이미지들을 조합하거나 해부학적 지형도(atlase)들을 적응시키기 위해, 지금까지 사용되어 왔다. 다양한 상기 방법들은 특히 WO 01/45047 A1, DE 693 32 042 T2, WO 01/43070 A1 및 DE 199 53 308 A1에 기술되어 있다.

개별화 문제를 수학적으로 처리하기 위해, 전술한 바와 같은 불일치 함수가 통상적으로 사용되는데, 이는 임의의 변환된 모델과 단면 이미지 데이터 레코드 사이의 불일치를 기술한다. 상기 문맥에서, 불일치 함수의 타입은 사용된 해부학적 기준 모델의 각각의 타입에 의존한다.

사용될 수 있는 디지털 해부학적 기준 모델들은 기본적으로 매우 다양한 설계들을 가질 수 있다. 예를 들어 하나의 옵션은 보셀(볼륨 픽셀, voxel) 기반의 해부학적 구조들을 모델링하는 것이고, 상기 체적측정(volumetric) 데이터의 편집은 일반적으로 값비싸고 쉽게 이용할 수 없는 특별한 소프트웨어를 필요로 한다. 다른 옵션은 "유한 요소들(finite elements)"을 사용하여 모델링하는 것인데, 여기서 모델은 일반적으로 사면체(tetrahedra)로부터 만들어진다. 그러나, 상기 모델들은 또한 특수하고, 값비싼 소프트웨어를 필요로 한다. 상대적으로 쉽게 이용가능한 것은 삼각형법(triangulation)을 이용하여 해부학적 경계 영역들을 단순하게 모델링하는 것이다. 상응하는 데이터 구조들은 컴퓨터 그래픽들 분야로부터의 많은 표준 프로그램들에 의해 지원된다. 이러한 원리에 기초하여 만들어진 모델들은 "표면-지향 해부학적 모델들(surface-oriented anatomical models)"이라 지칭된다. 이들은 해부학적 구조들을 모델링하기 위한 최저의 공통자(common denominator)인데, 왜냐하면, 보셀들을 삼각형화하고 유한 요소 방법으로부터의 사면체를 삼각형들로 변환시킴으로써 처음에 언급된 체적측정 모델들로부터 둘 다 도출될 수 있기 때문이다.

따라서, 기준 모델들로서 삼각형에 기초하여 만들어진 표면-지향 모델들을 이용하는 것은 자명한 단계(obvious step)이다. 첫째, 본 방법은 모델들이 가장 간단하고 값싼 방식으로 생성되도록 한다. 둘째, 다른 형태로 생성된 모델들, 특히 전술한 체적측정 모델들은 적당한 변환을 통해 수용될 수 있고, 이는 나중에 적당한 모델을 새로 생성할 필요가 없다는 것을 의미한다.

상기 표면 모델들을 새로 생성하기 위해, 예를 들어, 종래의 수동 방법을 사용하여 적당한 복잡성을 가지고서 단면 이미지 샷(shot)들을 단편화하는 것이 가능하다. 상기 방식으로 얻어지는, 예를 들어 개별적인 조직들과 같은 개별적인 구조들에 대한 정보는 모델들을 생성하기 위해 최종적으로 사용될 수 있다. 인간 뼈대 모델들을 얻기 위해, 예를 들어, 인간 두개골을 레이저 스캐너들을 사용하여 측정하거나, 또는 컴퓨터 단층촬영을 사용하여 스캐닝하고 단편화하고 삼각형화하는 것도 가능하다.

상기 모델들에서, 예를 들어, 불일치 함수는 최소 자승(least squares) 방법에 기초하여 정의될 수 있고, 상기 함수는 타겟 구조들에 대해 변환된 모델 삼각형들의 위치들로부터 불일치의 측정값을 계산하기 위해 사용된다.

본 발명의 하나의 특히 바람직한 실시예에서, 탄성 정합(elastic registration) 방법이 사용된다. 가능한 한 빨리 불일치 함수에 대한 최소 값을 발견하기 위해, 상기 방법은 바람직하게는 다단계 방법을 사용하는 것을 포함한다. 예를 들어, 3 단계 방법에서, 적당한 위치설정, 즉 이동(translation), 회전 및 스케일링이 모델을 대략적으로 적응시키기 위해 먼저 사용될 수 있다. 그 후에 체적측정 변환이 더 좋은 동조를 달성하기 위해서 제 2 단계에서 수행될 수 있다. 그 후에, 제 3 단계에서, 미세한 동조가 모델을 최적인 방식으로 국부적으로 상기 구조에 적응시키기 위해 수행된다.

특히 바람직하게는, 개별화가 모델 파라미터들이 모델의 전체 해부학적 기하형태에 대한 상기 파라미터들의 영향도에 따라 계층적으로 배열된다. 그 후에 기준 모델이 다수의 반복 단계들에서 개별화되고, 각각의 반복 단계에서 동시에 설정될 수 있는 모델 파라미터들의 수(및 그에 따라 모델 변형에 대한 자유도의 수)가 반복 단계들 수가 증가할 때 계층적인 파라미터들 배열에 따라 증가된다. 본 방법은 개별화 동안에 모델의 전체 해부학적 기하형태에 가장 큰 영향도를 갖는 모델 파라미터들이 먼저 조절된다. 그 후에, 전체 기하형태의 일부에만 영향을 미치는 하위(subordinate) 모델 파라미터들을 점차적으로 설정하는 것이 가능하다. 이는 적응이 전적으로 자동으로 수행되는지, 또는 사용자가 적응 방법에 수동으로 개입하는지에 관계없이, 모델 적응 동안, 효과적이고 결과적으로 시간 절약형인 실행을 보장한다. (부분적으로) 수동 방법의 경우에, 예를 들어, 이는 각각의 반복 단계 동안 사용자에게 예를 들어 그래픽 사용자 인터페이스를 사용하여 단지 변형에 대한 계층적인 배열에 기초하여 개별적인 모델 파라미터들을 제공함으로서 행해질 수 있다.

바람직하게는, 모델 파라미터들은 하나의 계층적인 클래스와 각각 연관된다. 이는 상이한 모델 파라미터들은 그들이 모델의 전체 해부학적 기하형태에 대해 대략적으로 동일한 영향을 가지기 때문에 동일한 계층적인 클래스로 연관될 수 있다는 것을 의미한다. 특정한 반복 단계 동안, 그 후에 세팅 목적들을 위해 특정한 계층적인 클래스 내의 모델 파라미터들 모두를 부가하는 것이 가능하다. 후속의 반복 단계에서, 그 아래의 계층적인 클래스 내의 모델 파라미터들이 부가되고, 이하 유사하다.

모델 파라미터는 문제되는 모델 파라미터가 특정한 값에 의해 바뀔 때 발생되는 모델 기하형태에서의 불일치에 기초하여 계층적인 클래스와 연관될 수 있다. 이러한 경우에, 하나의 특히 바람직한 방법에서, 다양한 계층적인 클래스들이 그들과 연관된, 예를 들어 수치적인 불일치 범위들과 같은 특정한 불일치 범위들을 갖는다. 다시 말하자면, 예를 들어, 파라미터를 계층적인 클래스로 포함시키기 위해, 상기 파라미터는 바뀌고, 기하학적으로 변화된 모델과 원래 상태 사이의 최종 불일치가 계산된다. 이 경우에, 불일치의 정도는 사용된 기준 모델의 타입에 의존한다. 유일한 중요 인자는 정확히 정의된 불일치 정도가 확인되는 것인데, 상기 불일치 정도는 모델 기하형태에 대한 다양한 모델 파라미터들의 영향의 실제적인 비교를 보장하기 위해, 관련 모델 파라미터가 변화되기 전 및 후에 모델에 대한 기하학적 변화를 가능한 한 정확하게 정량화한다. 이를 위해, 기하학적 영향을 집적 비교하기 위해, 바람직하게는 각각의 파라미터 타입, 예를 들어 모델 내의 2개의 포인트들 사이의 거리가 변화되는 범위 파라미터들이나 모델 내의 2개의 포인트들 사이의 각이 변화되는 각도 파라미터들에 대해, 균일한 단계 크기가 사용된다. 그 후에 상기 파라미터들은 이러한 불일치 정보에 대해 수치적인 범위들을 규정함으로써 계층적인 클래스들로 삽입된다. 삼각형에 기초하여 생성된 표면 모델들이 사용되고 있을 때, 변화되지 않은 기준 모델과 변화된 기준 모델 사이의 불일치는 바람직하게는 다양한 상태들인 모델들 내의 상응하는 삼각형들 사이의 기하학적 거리들의 합에 기초하여 파라미터의 변형 다음에 계산된다.

바람직하게는, 제 1 반복 단계에서 즉시 설정될 수 있는 모델 파라미터들을 갖는 최상위 계층 클래스는 적어도 기준 모델로의 전체적인 변화(global alteration)를 촉진하는 변형(variation)을 갖는 바로 그 모델 파라미터들을 포함한다. 예를 들어, 상기 파라미터들은 3개의 모델 축들을 중심으로 전체 모델을 회전시키고, 상기 3개의 모델 축들을 따라 이동시키며, 상기 3개의 모델 축들을 따라 전체 모델을 스케일링하기 위한 전체 9개의 파라미터들을 포함한다.

개별적인 모델 파라미터들은 단면 이미지 데이터의 단편화 동안에, 기본적으로, 계층적으로 분류될 수 있다. 이 경우에, 예를 들어, 각각의 반복 단계는 그 후에 먼저 어느 추가적인 모델 파라미터들이 기하 형태에 가장 큰 영향을 갖는 지를 결정하기 위한 체크를 포함하고, 그 후에 상기 파라미터들이 부가된다. 그러나, 이는 중요한 연관된 연산 복잡도를 갖기 때문에, 모델 파라미터들은, 예를 들어 기준 모델이 실제로 생성될 때, 다만 적어도 기준 모델이 나중의 선택을 위해 모델 데이터베이스 등에 저장되기 전에, 분류되거나 특히 바람직하게는 미리 계층적인 순서로 삽입된다.

다시 말하자면, 모델 파라미터들은 기준 모델들을 생성하기 위한 개별적인 방법에서 바람직하게는 미리 모델의 전체 해부학적 기하형태에 대한 영향에 대해 계층적으로 배열되는데, 상기 기준 모델들은 결과 이미지들을 생성하기 위해 인용된 방법에서 사용할 수 있다. 이 경우에, 모델 파라미터들은 상응하는 계층적인 클래스들에 할당될 수 있고, 파라미터는 문제되는 모델 파라미터가 특정 값에 의해 변화될 때 발생하는 모델 기하형태에서의 불일치에 기초하여 다시 상응하는 계층적인 클래스들에 할당될 수 있다. 이와 같이 기준 모델을 생성하기 위한 별도의 방법으로의 모델 파라미터들의 계층적인 배열을 제거하는 것은 각각의 기준 모델이 단 한번 모델 파라미터들의 계층적인 순서의 계산이 수행될 것을 요구하고, 이에 따라 소중한 연산 시간이 단편화 동안 절약될 수 있다는 장점을 갖는다. 계층적인 순서는 예를 들어 계층적인 클래스들에 배열되거나 적당한 마커(marker) 등과 조합되어 파라미터들을 저장함으로써, 파일 헤더나 파일 내의 다른 정규화된 위치에 기준 모델과 함께 상대적으로 쉽게 저장될 수 있고, 상기 파일은 또한 문제되는 기준 모델에 대한 추가적인 데이터를 포함한다.

하나의 특히 바람직한 예시적인 실시예에서, 모델 파라미터들은 모델이 각각의 파라미터 세트에 대해 해부학적으로 의미있는 기하형태를 갖도록 모델에 대한 적어도 하나의 해부학적 랜드마크(landmark)를 위한 위치에 개별적으로 링크된다. 이의 통상적인 예들은 먼저 전체 모델의 회전이나 이동과 같은 전체적인 파라미터들이고, 여기에서 모든 모델 파라미터들은 서로 적당히 맞도록(suit) 각자의 위치가 변화되었다. 다른 모델 파라미터들의 예들은, 예를 들어 무릎 위치(knee position)를 결정하기 위해, 2개의 해부학적 랜드마크들 사이의 거리, 또는 3개의 해부학적 랜드마크들 사이의 각도이다.

이와 같이 의학적으로 적당한 형태로 선택된 해부학적 랜드마크들로 상기 모델 파라미터들을 결합하는 것은 개별화 후에 진단 설명(diagnostic statement) 가능성이 있다는 장점을 갖는다. 해부학 전문가의 저술은 또한 이러한 해부학적 랜드마크들의 위치를 정확히 설명해준다. 따라서 이러한 행동은 의학적으로 숙련된 사용자, 예를 들어 의사나 MTA가 해부학적 랜드마크들에 친숙하고 이들이 기본적으로 해부시술(anatomy)을 결정하기 때문에, 단편화의 수행을 단순화시킨다.

단면 이미지 데이터에 분리될 객체 요소에 대해 타겟 기하형태를 자동적으로 확인하기 위한 다양한 옵션들이 있다. 한가지 대안은 "임계값 방법(threshold value method)"를 사용하는 것이다. 이 방법은 영구적으로 설정된 임계값과, 개별적인 보셀들, 즉 개별적인 3D 픽셀들의 세기 값들(컴퓨터 단층촬영에서는 "Hounsfield 값들"이라 지칭됨)를 비교함으로서 작동한다. 만일 보셀의 값이 상기 임계값 이상이라면, 상기 보셀은 특정 구조의 일부로서 간주된다. 그러나, 자기 공명 샷들의 경우에, 본 방법은 주로 조영재(contrast agent) 검사들에서 사용되거나 환자 피부의 표면을 식별하기 위해서 사용될 수 있다. 컴퓨터 단층촬영 샷들의 경우에, 본 방법은 추가적으로 특정 뼈 구조들을 식별하기 위해 사용될 수 있다. 본 방법은 다른 조직(tissue) 구조들을 식별하는 데는 적당하지 않다.

하나의 바람직한 방법에서, 따라서 타겟 기하형태는 윤곽 분석(contour analysis) 방법을 적어도 부분적으로 사용하여 확인된다. 이러한 윤곽 분석 방법들은 인접 픽셀들 사이의 그래디언트들(gradient)에 기초하여 작동한다. 매우 다양한 윤곽 분석 방법들이 당업자에 공지되어 있다. 이러한 윤곽 분석 방법들의 장점은 방법들이 컴퓨터 단층촬영 단면 이미지 데이터와 자기 공명 단면 이미지 데이터 모두에 대해서, 그리고 초음파 단면 이미지 데이터에 대해서 적당한 형태로 사용될 수 있다는 것이다.

타겟-구조 확인 유닛, 선택 유닛, 적응 유닛과 단편화 유닛뿐만 아니라 이미지 처리 시스템에 대한 시각 디스플레이 유닛은 이미지 컴퓨터에서 적당한 프로세서에서 특히 바람직하게는 소프트웨어의 형태로 구현될 수 있다. 상기 이미지 컴퓨터는 이미지 데이터를 수신하기 위한 적당한 인터페이스 및 해부학적 기준 모델들에 대한 적당한 메모리 디바이스를 가져야 한다. 상기 문맥에서, 상기 메모리 디바이스는 반드시 이미지 컴퓨터의 집적된 부분일 필요는 없고, 오히려 이미지 컴퓨터가 적당한 외부 메모리 디바이스에 액세스할 수 있다면 중분하다. 완전성을 위해, 이 시점에서 다양한 구성요소들이 반드시 하나의 프로세서나 하나의 이미지 컴퓨터 내에 존재해야 할 필요는 없고, 오히려 다양한 구성요소들이 다수의 프로세서들이니 상호링크된 컴퓨터들을 통해 분산될 수도 있다는 것이 언급되어야 할 것이다.

소프트웨어의 형태로 본 방법을 구현하는 것은 적당한 업데이트들을 사용하여 적당하게 상대적으로 쉽게 기존 이미지 처리 시스템들을 갱신하는 것이 가능하다는 장점을 갖는다. 본 발명의 이미지 처리 시스템은, 특히, 본 발명에 기초하여 단면 이미지 데이터를 처리하기 위해 필요한 구성요소들을 갖는 단면 이미지 데이터 자체를 기록하는 기구에 대한 작동 유닛(actuation unit)일 수 있다.

본 발명은 이하 첨부 도면들을 참조하여 예시적인 실시예들을 사용하여 더 자세히 설명된다.

도 1에 도시된 본 발명의 이미지 처리 시스템(1)의 예시적인 실시예는 기본적으로 이미지 컴퓨터(10), 및 그에 연결되고 스크린(6), 키보드(7) 및 포인터 디바이스(8), 이 경우에는 마우스(8)를 구비한 콘솔(5)을 포함한다. 상기 콘솔(5) 또는 다른 사용자 인터페이스는, 예를 들어, 진단 질의를 입력하기 위해, 또는 규정된 진단 질의를 포함하는 데이터베이스로부터 진단 질의를 선택하기 위해 사용자에 의해 사용될 수 있다.

이미지 컴퓨터(10)는, 예를 들어 워크스테이션 등과 같은 일반적인 설계의 컴퓨터일 수 있고, 이는 컴퓨터 단층촬영, 자기 공명 단층촬영, 초음파 장비 등과 같은 이미지 레코더들(기구들)을 제어하거나/제어하고 다른 이미지 평가 동작들을 위해 사용될 수 있다. 이러한 이미지 컴퓨터(10) 내의 기본적인 구성요소들은, 특히, 이 경우에 자기 공명 단층촬영기(tomography; 2)인 기구(modality; 2)에 의해 측정된 환자(P)로부터 단면 이미지 데이터(D)를 수신하기 위한 프로세서(11)와 인터페이스(13)이다.

도 1에 도시된 예시적인 실시예에서, 기구(2)는 제어 디바이스(3)에 연결되고, 상기 제어 디바이스는 차례로 버스에 연결되고, 버스에는 이미지 처리 시스템(1)이 연결된다. 또한, 상기 버스(4)는 상기 기구(2)에 의해 기록된 이미지 및/또는 상기 이미지 처리 시스템(1)에 의해 추가로 처리된 이미지 데이터(D)를 영구적으로 파일링하거나 버퍼-저장하기 위해 버스에 연결된 대용량 메모리(9)를 구비한다. 통상의 방사선학 정보 시스템(RIS)에 존재하는 다른 구성요소들, 예를 들어 추가의 기구들, 대용량 메모리들, 워크스테이션들, 프린터들과 같은 출력 장치들, 상영관들(filming stations) 등이 상기 버스(4)에 연결되어 더 큰 네트워크를 형성할 수 있다는 것은 말할 필요도 없다. 마찬가지로, 외부 네트워크나 추가의 RIS들로의 연결도 가능하다. 이러한 장치에서, 모든 데이터는 개별적인 구성요소들 사이의 통신을 위해 바람직하게는 DICOM(digital imaging and communication in medicine, DICOM = 의료분야에서의 디지털 이미지 처리 및 통신)에서 포매팅된다.

기구(2)는 제어 디바이스(3)를 사용하는 통상적인 방식으로 작동되고, 이는 또한 기구(2)로부터의 데이터를 필요로 한다. 제어 디바이스(3)는 제자리에서 콘솔들을 동작시킬 목적으로 (그러나, 이 경우에 도시되지는 않는) 별도의 콘솔 등을 구비할 수 있다. 택일적으로, 상기 콘솔은, 예를 들어, 기구와 근접한 별도의 워크스테이션을 사용하여 버스를 통해 동작될 수 있다.

검사 객체의 결과 이미지들을 생성할 본 발명의 방법에 대한 통상적인 시퀀스가 도 2에 도시되어 있다.

먼저, 단면 이미지 데이터(D) 내의 타겟 구조들(Z)이 규정된 진단 질의들에 기초하여 제 1 방법 단계(I)에서 확인된다. 이는 바람직하게는, 예를 들어 전술한 윤곽 분석 방법을 사용하여, 완전히 자동으로 행해진다. 특정한 구조들 및 특정한 기록 방법들의 경우에, 이미 전술한 바와 같이, 임계값 방법을 사용하는 것도 가능하다. 단면 이미지 데이터(D)는 예를 들어 기구(2) 또는 기구의 제어 디바이스(3)로부터 버스(4)를 통해 이미지 컴퓨터(10)에 직접 제공될 수 있다. 택일적으로, 상기 데이터는 일정 시간 전에 이미 기록되고 대용량 메모리(9)에 파일링된 단면 이미지 데이터(D)일 수 있다.

단계(Ⅱ)에서, 기준 모델(M)은 그 후에 타겟 구조(Z)에 따라 선택된다. 본 단계는 또한 타겟 구조를 확인하기 위해 방법 단계(I) 이전에, 또는 상기 단계와 병행하여 수행될 수 있는데, 이는 물론 확인될 타겟 구조(Z)의 타입이 이미 진단 질의로부터 알려졌기 때문이다. 이와 같이, 이미지 컴퓨터(10)는 상이한 가능한 해부학적 구조들에 대한 매우 다양한 기준 모델들을 포함하는 메모리(12)를 구비한다. 상기 모델들은 일반적으로 다수의 모델 부분들을 포함하는 모델들이다.

본 방법의 통상적인 예는 무릎 검사(knee examination)를 참조하여 설명될 것이고, 여기서 진단 질의는 무릎 내의 특정 구조들을 검사하는 것을 목적으로 한다. 무릎에 대한 타겟 구조는 그 후에 먼저 예를 들어 무릎의 외측 뼈대 표면과 같은 기록된 단면 이미지 데이터에서 확인된다. 본 방법의 적당한 무릎 모델은 예를 들어 "대퇴골(femur)", "경골(tibia), "슬개골(patella; kneecap)" 및 그에 따른 각각의 연골(meniscus)들과 같은 모델 부분들을 포함한다. 반대로, 환자의 머리에 관련된 진단 질의의 경우에, 예를 들어 두개골 골절 증상을 체크하기 위해, 단면 이미지 데이터로부터 확인된 타겟 구조는 두개골의 뼈대 표면 구조일 수 있다. 이와 같은 환자의 단층촬영 데이터로부터 얻어진 타겟 구조가 도 4에 도시되어 있다. 도 5는, 특히 전두골(frontal bone, T₁), 오른쪽 두정골(parietal)(T₂), 왼쪽 두정골(parietal)(T₃), 안면 두개골(facial cranium, T₄) 및 하악골(lower jaw, T₇)과 같은 적당한 두개골 기준 모델을 보여준다. 모델은 인식성을 개선하기 위해 연속적인 표면으로 도시되어 있다. 실제로, 모델들은 삼각형들에 기초하여 만들어진다. 골반의 상응하는 표면 모델은 도 9에 도시되어 있다.

적당한 모델(M)이 선택 유닛(14)을 사용하여 선택되고, 타겟 구조가 타겟-구조 확인 유닛(17)을 사용하여 확인되는데, 이 경우에 상기 확인 유닛은 이미지 컴퓨터(10) 내의 프로세서(11) 상의 소프트웨어 형태로 존재한다. 이는 도 1에 개략적으로 도시되어 있다.

다음으로, 방법 단계(Ⅲ)에서, 모델은 "탄력적인 정합(elastic registration) 방법"을 사용하여 개별화된다. 그러나, 다른 개별화 방법들도 원칙적으로 가능하다. 기준 모델(M)의 타겟 구조(z)로의 이러한 적응은-도 1에 개략적으로 도시된 바와 같이- 마찬가지로 이미지 컴퓨터(10) 내의 프로세서(11) 상의 소프트웨어 모듈의 형태인 적응 유닛(15) 내에서 수행된다.

개별화 프로세스의 하나의 바람직한 실시예는 도 3에서 더 정확한 형태인 흐름도의 형태로 개략적으로 도시되어 있다. 이러한 적응형 프로세서에서, 개별적인 모델 파라미터들은 긍극적으로 모든 파라미터들이 개별화되거나 개별화가 충분할 때까지, 즉 기준 모델(M)과 타겟 구조(Z) 사이의 불일치들이 최소이거나 규정된 임계값 이하일 때까지 다수의 반복 단계들(S)에서 변화된다. 이 경우에, 각각의 반복 단계(S)는 루프의 형태로 수행되는 다수의 프로세스 단계들(Ⅲa, Ⅲb, Ⅲc, Ⅲd, Ⅲd)을 포함한다.

상기 루프 또는 제 1 반복 단계(S)는 방법(Ⅲa)에서 시작하는데, 여기에서 이동(translation), 회전(rotation) 및 스케일링(scaling)을 위한 최적의 파라미터들이 먼저 결정된다. 이는 최상위(결과적으로 "0번째") 계층적 클래스 내의 파라미터들이고, 이는 상기 파라미터들이 전체 기하형태에 영향을 미치기 때문이다. 이동(t_x, t_y, t_z)에 대한 3개의 파라미터들 및 3개의 모델 축들을 중심으로 회전(r_x, r_y, r_z)에 대한 3개의 파라미터들이 도 5에 개략적으로 도시되어 있다.

상기 적응이 가능한 범위에서 행해진다면, 아직 결정되지 않은 모델 파라미터들은 이미 결정된 파라미터들을 사용하여 추가의 단계(Ⅲb)에서 평가된다. 다시 말하자면, 상위(superordinate) 파라미터들에 대한 설정들이 상위 파라미터들에 대한 시작 값들을 평가하기 위해 사용된다. 이러한 것의 한가지 예는 신체 크기에 대한 스케일링 파라미터에 대한 설정들로부터의 무릎 폭 평가값이다. 상기 값은 관련 파라미터의 후속의 설정을 위해 본래의 값으로 규정된다. 이는 본 방법의 처리 속도를 크게 높인다.

그 후에 관련 파라미터들은 방법 단계(Ⅲc)에서 최적의 형태로 설정된다.

도시된 예시적인 실시예에서, 파라미터들은 모델의 전체적인 해부학적 기하형태에 대한 영향의 견지에서 계층적으로 배열된다. 파라미터의 기하학적 효과가 클 수록, 계층에서의 위치가 더 높아진다. 반복 단계들(S)의 수가 증가되기 때문에, 설정될 수 있는 모델 파라미터들의 수는 이 경우에 계층적인 배열에 따라 증가된다.

다시 말하자면, 제 1 반복 단계(S)에서, 또는 루프의 제 1 통과(pass) 내에서, 0번째 계층 레벨 이하의 제 1 계층적인 레벨이 단계(Ⅲb)내의 모델을 설정하기 위해 사용된다. 제 2 통과 동안, 그 후에 방법 단계(Ⅲa)에서 모델을 다시 추가적인 이동, 회전 및 스케일링할 수 있다. 방법 단계(Ⅲb)에서, 그 후에 제 2 계층적 클래스들 내의 아직 결정되지 않은 모델 파라미터들은 이미 결정된 파라미터들을 사용하여 평가되고, 상기 결정된 파라미터들은 그 후에 설정 목적을 위해 단계(Ⅲc)에서 부가된다. 본 방법은 그 후에 n번 반복되고, 여기에서 n번째 레벨로부터의 모든 파라미터들은 n번째 반복 단계에서 최적화되고, 차례로 반복 단계(S)의 최종 단계((Ⅲd)는 지금까지 최적화되지 않은 추가적으로 이용가능한 파라미터들이 있는지를 처리한다. 그 후에 차례로, 새로운 (n+1)번째 반복 단계가 시작되고, 여기에서 모델은 다시 먼저 적절히 시프트되고, 회전되거나 스케일링되며, 최종적으로 모든 파라미터들이 다시 차례로 설정될 수 있고, 이 경우에 (n+1)번째 클래스의 파라미터들도 이용가능하다. 그 후에 모든 파라미터들이 개별화되었는지, 즉 아직 최적화되지 않은 파라미터들이 있는지를, 또는 필요한 적응이 이미 달성되었는지를 결정하기 위해 방법 단계(Ⅲd)에서 새로운 체크를 한다.

도 6a 내지 도 6c는 상기 타입의 적응 프로세스(adaptation process)에 대한 매우 단순한 예를 보여준다. 상기 도면은 명확성을 향샹시키기 위해 모델(M)을 연속적인 표면으로 다시 보여준다. 도 6a는 타겟 구조에 대해 이동된 모델(M)을 갖는 타겟 구조(Z)를 보여준다. 단순한 이동, 회전 및 스케일링에 의해 도 6b에 도시된 이미지를 만들고, 여기에서 모델(M)은 타겟 구조(Z)에 상대적으로 양호하게 이미 적응되었다. 추가로 하위 파라미터들을 설정함으로써, 도 6c에서 달성된 적응이 최종적으로 얻어진다.

전술한 반복 방법을 통해 최대한 시간 효율적이고 효과적인 적응의 달성이 보증된다. 적응 동안, 항상 타겟 구조물(Z) 및 관련 모델(M) 모두, 및 현재 계산된 불일치 값이나 현재 계산된 불일치 함수 값이 콘솔(5)의 스크린(6) 상에 표시될 수 있다. 또한 상기 불일치들이 도 6a 내지 도 6c에 도시된 것처럼 시각적으로 디스플레이될 수도 있다. 또한 불일치는 적절한 착색(coloration)을 통해 시각적으로 디스플레이될 수도 있다.

하위 계층 클래스들은 기하학적 영향의 정량적 분석으로부터 얻어진다. 이를 위해, 각각의 파라미터가 변동되고, 기하학적으로 변동된 모델과 본래 상태의 결과적인 불일치가 계산된다. 상기 불일치는, 도 9에 도시된 것과 같은 삼각형을 기초로 한 표면 모델이 사용되는 경우, 예컨대 상응하는 모델 삼각형들의 기하학적 거리들 합에 의해 정량화될 수 있다. 불일치에 대한 수치적인 범위들을 규정함으로써, 파라미터들은 계층적인 클래스들에 삽입될 수 있다. 이 때 상이한 파라미터가 동일한 계층 클래스에 삽입되는 것은 충분히 있을 수 있는 일이다. 이러한 현상은 특히 불일치들에 대한 수치적 범위들의 크기에 따라 좌우된다. 동일한 계층 클래스 내에 있는 상기 파라미터들은 앞서 설명한 것처럼 정해진 반복 단계(S) 내에서 동시 변동을 위해 처음으로 제공되거나, 자동 적응 방법에서 적절하게 자동 변동된다.

전술한 것처럼, 본 방법은 바람직하게 모델의 특정한 해부학적 마커들의 하나 이상의 위치들과 직접 연결된 모델 파라미터들을 사용하는 것을 포함한다. 먼저, 이는 단지 의학적으로 적당한 모델의 변환이 수행된다는 장점을 갖는다. 둘째, 의학적으로 숙련된 사용자는 일반적으로 이러한 해부학적 랜드마크들을 알고 있고, 그에 따라 이러한 파라미터들을 매우 잘 처리할 수 있다는 장점을 갖는다. 상기 파라미터들의 예들은 도 8의 두개골 모델에 표시된 해부학적 랜드마크들(L, L₁, L₂)의 위치 또는 안와 공동들(orbital cavities, eye sockets)의 중심점에서의 해부학적 랜드마크들(L₁, L₂) 사이의 거리(d₀)와 같은 각각의 랜드마크들간의 거리이다. 사용자에 의한 자동 적응 프로세스에서의 수동 개입 동안 안와 공동들에 대한 이러한 거리(d₀)를 설정하기 위해, 사용자는 예를 들어 해부학적 랜드마크들(L₁, L₂) 중 하나를 선택하고 그것의 위치를 대화적으로 변화시키기 위해, 마우스 포인터를 사용할 수 있다. 그 후에 모들의 기하형태는 동시에 적절히 자동으로 형성된다.

기준 모델(M)에서의 2개의 해부학적 랜드마크들 사이의 거리를 커버하는 모델 파라미터를 변화시킬 때, 기준 모델의 기하형태는 바람직하게는 거리의 변화에 비례하여 해부학적 랜드마크들 사이의 직선을 따른 영역에서 형성된다. 인접 랜드마크에 대한 첫번째 해부학적 랜드마크의 위치에서의 변화를 커버하는 모델 파라미터를 변화시킬 때, 기준 모델(M)의 기하형태는 바람직하게는 관련 인접 랜드마크들의 방향에 있는 관련 제 1 해부학적 랜드마크 주위의 영역에서 동시에 적절히 형성된다. 이 경우에, 상기 형성은 바람직하게는 관련 제 1 해부학적 랜드마크가 증가함에 따라 감소된다. 다시 말하자면, 상기 형성은 도면들에 도시된 효과를 달성하기 위해서, 랜드마크로부터 먼 거리에 있는 영역에서보다 랜드마크 주위의 상대적으로 좁은 영역에서 더 크다. 택일적으로, 규칙들이 해부학적으로 저당한 변환을 초래하기만 하면, 다른 변환 규칙들도 생각할 수 있다. 이는 선택된 각각의 모델에 의존할 수 있다.

두개골 모델 상의 해부학적 마커들(L, L₁, L₂)은 또한 2개의 랜드마크들 사이의 거리들이 상이한 계층적 클래스들에 삽입된 통상적인 예를 설명하기 위해 사용될 수 있다. 이에 따라서, 도 8에 도시된 두개골 모델은 2개의 안와 공동들 사이의 거리(d₀)에 의해서 결정될 뿐만 아니라 2개의 경상 돌기(processi styloidei)사이의 거리에 의해 변수화되고, 상기 2개의 경상 돌기는 두개골 기저에 있는 작은 뼈대 돌출부들이다(도 8에 도시되지 않음). 이 경우에, 안와 거리(orbital distance)를 특정하는 제 1 파라미터의 기하학적 효과는 경상 돌기 사이의 거리를 나타내는 제 2 파라미터의 기하학적 효과보다 더 크다. 이는 1 밀리미터만큼의 파라미터 변동을 위해 모델의 기하학적 변동에 의해 검사될 수 있다. 경상 돌기들이 상대적으로 작은 구조들이기 때문에, 기하학적 모델 변동은 상기 뼈대 돌출부들 주의의 작은 영역에 한정될 것이다. 이는 상대적으로 훨씬 더 큰 안와 공동들과 반대이다. 안와 거리가 변동되는 경우, 다수의 모델 구성요소는 자신의 기하형태를 변동시켜 증가된 불일치를 초래할 것이다. 이런 이유 때문에, 안와 거리의 파라미터는 경상 돌기 사이의 거리의 변동보다 훨씬 더 높은 계층적인 클래스에 배열되고, 이는 기본적으로 파라미터 계층에서 더 큰 기하학적 범위를 갖는 파라미터들은 더 큰 국부 효과를 갖는 파라미터들보다 더 높기 때문이다.

모든 설정가능한 파라미터들이 최종적으로 개별화되거나 불일치 함수가 최소 값에 도달될 때, 방법 단계(Ⅳ)는 데이터 레코드, 즉 타겟 구조로부터의 개별화된 기준 모델의 불일치가 충분히 작은 지를 체크한다. 상기 문맥에서, 예를 들어, 현재 도달된 불일치 값이 한계값 이하인지를 체크하는 것이 가능하다. 만일 한계값 이하가 아니라면, 자동 프로세스는 종료되고, 이 경우에 방법 단계(V)와 같이 도식적으로 표시된 바와 같이, 나머지 처리가 통상적인 형태로 발생한다. 다시 말하자면, 그 후에 이미지 데이터는 사용자에 의해 수동으로 평가되고 수동 중간 진단(manual intermediate diagnosis)이 생성된다. 적절하게도, 이러한 종료 발생시에, 상응하는 신호가 사용자에게 출력되는데, 이는 사용자가 진행중인 프로세스를 수동으로 계속하여 처리할 필요가 있다는 것을 즉각 인식한다는 것을 의미한다.

다른 한편, 만일 기준 모델(M)의 타겟 구조(Z)로의 적응이 충분하다면, 단편화는 방법 단계(Ⅵ)에서 수행된다. 이는, 도 1에 개략적으로 도시된 바와 같이, 프로세서(11) 내에서 소프트웨어 모듈의 형태인 분리 유닛(16)에서 행해진다. 상기 문맥에서, 진단 질의에 기초하여 관련있는 해부학적 구조에 따라 모델 윤곽이나 특정 모델 부분 내에 있는 단면 이미지 데이터 내의 모든 픽셀들은 선택된다. 이를 위해, 모든 다른 데이터가 소거되는데, 이는 예를 들어 필요한 필셀들만이 남는다는 것을 의미한다.

방법 단계(Ⅶ)에서, 모든 단편화된 데이터는 그 후에 완전히 자동으로 조절되어서, 원하는 결과 이미지들의 형태인 진단상으로 관련된 해부학적 구조들의 별도의 시각적 디스플레이가 가능하도록 한다. 상기 조절은 그래픽 사용자 인터페이스를 사용하여 행해진다. 예를 들어, 프로그램을 위한 인터페이스에 따라 시각적 디스플레이 유닛을 사용하여 별개의 관련 (서브) 구조들에 대한 데이터를 조절함으로써, 3차원 객체들을 보여주기 위한 상업적으로 이용가능한 프로그램을 사용하여 상기 조절을 하는 것은 자명한 단계이다.

도 7a 및 도 7b는 예를 들어 두개골을 검사할 때 관련 구조들의 시각적 디스플레이가 가능한 형태를 보여준다. 각각의 도면은 도 5에 도시된 두개골 기준 모델을 보여준다. 도 7a는 분해도의 방식으로 상기 모델(M)을 보여주는데, 여기에서 기본 모델 부분들(T₁, T₂, T₃, T₄, T₅, T₆, T₇)이 결과 이미지 상에 서로 별도로 도시되어 있다. 이는 특히 전두골(T₁)(os frontale), 오른쪽 두정골(T₂)(os parietale dexter), 왼쪽 두정골(T₃)(os parietale sinister), 안면 두개골(T₄)(viscerocranium), 후두골(occipital)(T₅)(os occipitale), 두개골의 기저(T₆)(basis cranii interna)이고, 상기 두개골의 기저는 후두골(T₅)의 일부 및 하악골(T₇)(mandibula)을 포함한다. 도 7a에서, 안면 두개골(T₄) 및 두개골의 기저(T₆)(후두골(T₅)를 포함)는 공통 부분으로서 서로에 결합된다. 모든 하위구조들이나 모델 부분들(T₁, T₂, T₃, T₄, T₅, T₆, T₇)이 그래픽 사용자 인터페이스 상에 사용자에 의해 별도로 마크될 수 있고, 예를 들어 마우스를 사용하여 "클릭킹 온(clicked on)"될 수 있고, 공간에서 가상으로 상기 구조들이나 부분들을 회전시키고 스케일링함으로써 모든 측면들에서 별도로 볼 수 있다. 도 7b는, 안면 두개골(T₄) 및 두개골 기저(T₆)(후두골(T₅)를 포함하는) 두개골의 접착 부분의 평면도를 도시한다. 이미지 7a와 이미지 7b를 도 5와 비교하여 매우 빨리 알 수 있는 바와 같이, (내부 구조들을 포함하는) 관련 구조들의 별도의 시각적 디스플레이가 복잡한 구조 내부의 병리(pathology)들을 더 쉽게 검출할 수 있도록 한다. 따라서, 두개골 검사의 도시된 예에서, 심지어 숙련되지 않은 의료 인력이나 심지어 문외한도 쉽게 도 7b에 도시된 표현에서 두개골의 기저에서 골절을 검출할 수 있을 것이다. 반대로, 이는 단면 이미지 데이터의 분류적인 평가의 경우에 숙련된 의료 인력에 의해서만 가능하다.

도 2에 도시된 예시적인 실시예의 경우에, 대부분의 경우에서와 같이, 시각적 디스플레이는 즉각적이다. 만일 실행 프로세스가 배경에서 동작하고 있다면, 청각 및/또는 시각 표시는, 예를 들어, 시각 디스플레이가 가능한 단계로 프로세스가 진행한 것으로 가정한다. 택일적으로, 또는 부가하여, 서로 별도로 진단상으로 관련된 해부학적 구조들을 보여주거나, 상기 이미지들이 기초한 조절된 데이터를 보여주는, 이러한 방식으로 생성된 결과 이미지들은 상기 이미지들이 나중에 임의의 시간에 검출될 수 있도록 처음에 버퍼-저장될 수 있다. 결과 이미지들은 바람직하게는 프린터, 상영관 등에서 출력될 수 있고, 또는 스크린 등에서 디스플레이되도록 다른 상영관으로 네트워크를 통해 송신될 수 있다.

도 2에 도시된 예시적인 실시예에서, 각각의 연관된 기준 모델이나 모델 부분의 다양한 별도의 구조들에서 기준으로부터의 불일치들은 또한 사용자에 의한 진단을 간략화하기 위해 결과 이미지들에 마크된다. 이는 바람직하게는, 사용자에게 특정 위치들에서 기준으로부터의 상응하는 불일치들이 있다는 것을 시그널링하는 청각 신호와 조합하여 행해진다.

방법 단계(Ⅸ)에서, 추가적인 검사 단계들이 그 후에 규정된다. 이는 사용자에 의해 수동으로 기준 등으로부터 만들어진 불일치에 기초하여 자동으로 행해질 수 있다. 하나의 특히 바람직한 변형에서, 기준으로부터의 불일치들은 자동으로 사용자에게 추가적인 검사 단계들을 제안하기 위해 기초로서 사용되고, 여기에서 사용자는 수락 또는 거부하거나, 아니면 부가 또는 변경할 수 있다.

제안된 이미지 처리 시스템은 따라서 보기 위한 이미지들을 조절하기 위해서 뿐만 아니라 단면 이미지 검사의 과정에서 중개 진단들의 더 빠른 생성 및 확인(validation)을 초래하는 모델-기반 전문가 시스템으로서 사용된다. 본 발명의 방법 및 이미지 처리 시스템이 따라서 전체 검사 시간을 상당히 감소시키는 것을 도울 뿐만 아니라 검사 결과의 품질을 향상시키는 것을 돕는다. 특히, 검사 다음의 실제 의료 진단은 또한 개략적인 접근방법을 사용하여 최적화될 수 있고, 이는 가능한 병리들의 식별이 별도의 관련 해부학적 구조들을 갖는, 가능하게는 기준으로부터의 불일치들에 대해 이미 제공된 마킹(marking)들을 갖는, 결과 이미지들의 제공의 결과로서 의사에 대해 훨씬 더 간단하게 행해진다.

이 시점에서, 도면들에 도시된 시스템 구조(system architecture)와 프로세스들은 단지 당업자에 의해 상세점에서 쉽게 변경될 수 있는 예시적인 실시예들이라는 것이 명백히 다시 한번 지적될 것이다. 특히, (예를 들어 적당한 콘솔이 설치된 것으로 가정된) 제어 디바이스(3)는 또한 본 발명의 방법에 기초한 이미지 처리가 직접 그곳에서 수행될 수 있도록 이미지 컴퓨터(10)의 모든 상응하는 구성요소들을 가질 수 있다. 이 경우에, 제어 디바이스(3) 자체는 본 발명의 이미지 처리 시스템을 형성하고, 추가적인 워크스테이션이나 별개의 이미지 컴퓨터는 필요하지 않다.

공지된 사후처리 프로세스들이 이미 구현된 기존의 이미지 처리 시스템들에 대해 본 발명에 기초한 프로세스 제어 유닛을 갱신하여, 이러한 설치들이 모두 전술한 본 발명의 방법에 따라 사용될 수 있도록 하는 것은 자명한 단계이다. 많은 경우들에서, 적당한 제어 소프트웨어 모듈들로써 제어 소프트웨어를 업데이트하는 것을 충분할 수 있다.

본 발명에 의해, 이전에 생성된 단면 이미지 데이터를 사용하여 검사 객체에 대해 자동으로 검사 이미지들을 생성하여, 진단들, 특히 검사를 계속하기 위한 중간 진단들을 쉽게 생성하는 대안적인 방법 및 이미지 처리 시스템이 제공된다.

도 1은 데이터 버스에 의해 기구 및 이미지 데이터 저장장치에 연결된 본 발명의 이미지 처리 시스템의 예시적인 실시예에 대한 개략적인 도시이고,

도 2는 하나의 가능한 본 발명에 따른 방법의 시퀀스를 도시하는 흐름도이고,

도 3은 바람직한 모델 개별화 방법을 더 자세히 도시하는 흐름도이고,

도 4는 컴퓨터 단층촬영의 단면 이미지 데이터 내의 인간 두개골에 대한 가능한 타겟 구조들의 도시이고,

도 5는 인간 두개골의 표면 모델의 도시이고,

도 6a는 도 5에 도시된 바와 같이 아직 적응되지 않은 표면 기준 모델(norm model)을 갖는 도 4에 도시된 타겟 구조들의 도시이고,

도 6b는 도 6a에 도시된 바와 같지만 타겟 구조에 부분적으로 적응된 기준 모델, 및 타겟 구조들의 도시이고,

도 6c는 도 6b에 도시된 바와 같지만 타겟 구조에 추가로 적응된 기준 모델, 및 타겟 구조들의 도시이고,

도 7a는 분해도의 형태로 다수의 별개 모델 부분들에 시각적으로 디스플레이된 도 5에 도시된 두개골 기준 모델의 도시이고,

도 7b는 다른 시야각에서 본 도 7a에 도시된 두개골 기준 모델의 일부의 도시이고,

도 8은 도 5에 도시된 바와 같은 두개골 기준 모델에 대한 해부학적 마크들의 도시이고,

도 9는 삼각형에 기초하여 형성된 인간 골반(pelvis)의 표면 모델의 도시이다.

Claims

검사 객체로부터의 단면 이미지 데이터를 사용하여 검사 객체에 대한 결과 이미지들을 자동으로 생성하는 방법으로서,

타겟 구조(Z)가 진단 질의(diagnostic questionnaire)에 기초하여 상기 단면 이미지 데이터(D)에서 최우선으로 확인되고,

상기 타겟 구조(Z)는 모델 파라미터들(t_x, t_y, t_z, r_x, r_y, r_z, d₀)을 이용하여 변화될 수 있는 기하형태를 갖는 해부학적 기준 모델(M)을 선택하기 위한 기초로서 사용되고,

상기 기준 모델(M)은 상기 단면 이미지 데이터(D) 내의 상기 타겟 구조(Z)에 자동으로 적응되고,

상기 단면 이미지 데이터는 그 후에 상기 적응된 기준 모델(M)에 기초하여 단편화되고, 상기 진단 질의와 관련된 상기 검사 객체의 해부학적 구조들은 상기 관련 해부학적 구조들에 따라 상기 적응된 기준 모델(M)의 윤곽 및/또는 적어도 하나의 모델 부분(T₁, T₂, T₃, T₄, T₅) 내에 위치되거나 이로부터 특정한 차이 값만큼 최대 불일치를 갖는 단면 이미지 데이터 내의 모든 픽셀들을 선택함으로서 분리되며,

상기 관련 해부학적 구조들은 그 후에 시각적으로 별도로 디스플레이되고/디스플레이되거나 나중의 시각적 디스플레이를 위해 저장되는 이미지 자동 생성 방법.
제 1항에 있어서,

상기 적응 동안, 특정한 불일치 함수가 상기 변형된 기준 모델(M)과 상기 타겟 구조(Z) 사이의 현재의 불일치 값을 확인하기 위한 기초로서 개별적으로 사용되는 것을 특징으로 하는 이미지 자동 생성 방법.
제 2항에 있어서,

상기 모델 파라미터들(t_x, t_y, t_z, r_x, r_y, r_z, d₀)은 상기 불일치 값이 최소화되도록 자동 적응 방법에서 변경되는 것을 특징으로 하는 이미지 자동 생성 방법.
제 2항 또는 제 3항에 있어서,

상기 단편화는 상기 기준 모델(M)을 상기 타겟 구조(Z)에 적응시키는 것이 규정된 임계값 이하인 도달될 최소의 불일치값을 포함하는 지를 결정하기 위해서 자동 체크에 의해 진행되고, 만일 상기 최소의 불일치값을 포함하지 않는다면 상기 단면 이미지 데이터의 추가적인 수동 처리를 위해 취소되는 것을 특징으로 하는 이미지 자동 생성 방법.
제 1항 내지 제 4항 중 어느 하나의 항에 있어서,

상기 검사 객체의 적어도 하나의 개별적인 해부학적 구조는 상기 기준으로부터의 불일치들을 위해 자동으로 체크되는 것을 특징으로 하는 이미지 자동 생성 방법.
제 5항에 있어서,

상기 기준으로부터 확인된 불일치들은 시각적으로 그래픽으로 디스플레이되고/디스플레이되거나 상기 연관된 개별적인 해부학적 구조로서 사용자에게 청각적으로 시그널링되는 것을 특징으로 하는 이미지 자동 생성 방법.
제 5항 또는 제 6항에 있어서,

상기 검사 객체는 상기 기준으로부터 확인된 불일치들에 기초하여 자동으로 분류되는 것을 특징으로 하는 이미지 자동 생성 방법.
제 1항 내지 제 7항 중 어느 하나의 항에 있어서,

상기 기준 모델(M)은 상기 모델(M)의 전체 해부학적 기하형태에 대한 영향도의 견지에서 계층적인 순서로 존재하는 모델 파라미터들(t_x, t_y, t_z, r _x, r_y, r_z, d₀)을 사용하여 다수의 반복 단계들에서 상기 단면 이미지 데이터(D) 내의 상기 타겟 구조(Z)에 적응되고, 이 경우에 상기 설정가능한 모델 파라미터들(t_x, t_y, t_z, r_x, r_y, r_z, d₀)의 수는 반복 단계들의 수가 증가될 때 각자의 계층적인 순서에 따라 증가되는 것을 특징으로 하는 이미지 자동 생성 방법.
제 8항에 있어서,

상기 모델 파라미터들(t_x, t_y, t_z, r_x, r_y, r_z, d₀)은 하나의 계층적인 클래스와 개별적으로 연관되는 것을 특징으로 하는 이미지 자동 생성 방법.
제 9항에 있어서,

상기 모델 파라미터들(t_x, t_y, t_z, r_x, r_y, r_z, d₀)은 문제되는 상기 모델 파라미터들(t_x, t_y, t_z, r_x, r_y, r_z, d ₀)이 특정 값만큼 변경될 때 발생하는 상기 모델 기하형태에서의 불일치에 기초하여 계층적인 클래스와 연관되는 것을 특징으로 하는 이미지 자동 생성 방법.
제 10항에 있어서,

상기 다양한 계층적인 클래스들은 클래스들과 연관된 불일치들의 특정한 값 범위들을 갖는 것을 특징으로 하는 이미지 자동 생성 방법.
제 1항 내지 제 11항 중 어느 하나의 항에 있어서,

상기 사용된 기준 모델들(M)은 삼각형에 기초하여 생성된 표면 모델들인 것을 특징으로 하는 이미지 자동 생성 방법.
제 1항 내지 제 12항 중 어느 하나의 항에 있어서,

상기 모델 파라미터들은 상기 모델(M)이 각각의 파라미터 세트에 대해 해부학적으로 의미있는 기하형태를 갖도록 적어도 하나의 해부학적 랜드마크에 대한 위치로 개별적으로 링크되는 것을 특징으로 하는 이미지 자동 생성 방법.
제 1항 내지 제 13항 중 어느 하나의 항에 있어서,

상기 단면 이미지 데이터(D) 내의 타겟 구조(Z)는 윤곽 분석 방법을 사용하여 적어도 부분적으로 자동적으로 확인되는 것을 특징으로 하는 이미지 자동 생성 방법.
프로그램가능한 이미지 처리 시스템 내의 메모리에 직접 로딩될 수 있는 컴퓨터 프로그램 제품으로서,

상기 이미지 처리 시스템 상에 실행될 때 제 1항 내지 제 14항 중 어느 하나의 항에서와 같은 방법의 모든 단계들을 수행하기 위해 프로그램 코드 수단을 구비한 컴퓨터 프로그램 제품.
검사 객체로부터의 단면 이미지 데이터를 사용하여 검사 객체에 대한 결과 이미지들을 자동으로 생성하는 이미지 처리 시스템(1)으로서,

상기 측정된 단면 이미지 데이터를 수신하는 인터페이스(13),

진단 질의에 기초하여 상기 단면 이미지 데이터(D) 내의 타겟 구조(Z)를 확인하는 타겟-구조 확인 유닛(17),

특정한 모델 파라미터들(t_x, t_y, t_z, r_x, r_y, r _z, d₀)에 기초하여 개별적으로 변화될 수 있는 기하형태를 갖는, 상기 단면 이미지 데이터(D) 내의 다양한 타겟 구조들(Z)에 대한 다수의 해부학적 기준 모델들(M)을 구비한 메모리 디바이스(12),

상기 확인된 타겟 구조(Z)에 따라 상기 해부학적 기준 모델들(D) 중 하나를 선택하는 선택 유닛(14),

상기 단면 이미지 내의 상기 타겟 구조(Z)에 상기 선택된 기준 모델(M)을 적응시키는 적응 유닛(15),

상기 적응된 기준 모델에 기초하여 상기 단면 이미지 데이터를 단편화하고, 이와 같이 단편화할 때, 상기 관련 해부학적 구조들에 따라 상기 적응된 기준 모델(M)의 윤곽이나 모델 부분 내에 위치되거나 이로부터 특정 차이 값만큼 최대 불일치를 갖는 단면 이미지 데이터 내의 모든 픽셀들을 선택함으로써 상기 진단 질의에 관련된 검사 객체의 해부학적 구조들을 분리시키는 단편화 유닛(16), 및

상기 관련 해부학적 구조들을 자동으로 시각적으로 디스플레이하고/디스플레이하거나 나중의 시각적 디스플레이를 위해 상기 구조들을 저장하는 시각적 디스플레이 유닛(18)을 포함하는 이미지 처리 시스템.
검사 객체에 대한 단면 이미지 데이터를 측정하는 기구(modality)로서, 제 16항에 따른 이미지 처리 시스템을 포함하는 데이터 측정 기구.