KR20080027861A - 이미지 처리 - Google Patents

Abstract

적어도 하나의 대상 경계선을 포함하는 이미지를 처리하는 방법으로서, 상기 방법은, 컨투어들이 상기 이미지를 구역들로 분리하는 상기 이미지의 컨투어 맵을 생성하는 단계와, 구역들을, 그들의 픽셀들의 통계적 속성들이 상기 이미지에 존재할 것으로 알려지거나 생각되는 대상으로 기대되는 픽셀들의 통계학적 속성들과 충분히 매치되는 경우, 합병하는 단계를 포함한다. 본 발명은 대응하는 장치로 확장된다. 상기 이미지는, 예를 들어, 관절의 X-레이인 메디컬 이미지일 수 있다.

이미지 처리, 메디컬 이미지, 컨투어 맵, X-레이

Description

이미지 처리{IMAGE PROCESSING}

본 발명은, X-레이 영상들 및 MRI 영상들과 같은 메디컬 이미지들을 향상시키기 위해 이용될 수 있는 이미지 처리 기법들에 관한 것이다. 당연히, 본 발명에 의해 제공되는 이미지 처리 기법들은 영상의 다른 유형들에 적용가능하다.

일 측면에 따르면, 본 발명은 메디컬 이미지를 처리하기 위한 방법을 제공하는데, 상기 방법은, 이미지를 컨투어 맵(contour map)으로 표현하는 단계와, 조직 데이터(histological data)의 안내(guidance)로 컨투어들의 배열을 수정함으로써, 컨투어들이 이미지에서 상이한 물리적 구조들 간의 경계선들로 분해되도록 하는 단계를 포함한다.

본 발명은 또한, 메디컬 이미지를 처리하기 위한 장치로 구성되는데, 상기 장치는, 이미지를 컨투어 맵으로 표현하는 수단, 및 조직 데이터의 안내로 컨투어들의 배열을 수정함으로써, 컨투어들이 이미지에서 상이한 물리적 구조들 간의 경계선들로 분해되도록 하는 수단을 포함한다.

이러한 방식으로 이미지를 처리함으로써, 상기 이미지의 세부묘사들을 의미있는 방식으로 이르게 하는 것이 가능하다. 전형적으로, X-레이 영상들은 힘줄(tendon), 인대(ligament), 연골(cartilage)과 같은 연조직(soft tissue)에 대한 의미있는 정보를 제공하지 않는다. 특히, 본 발명에 따른 방식으로 X-레이 영상을 처리함으로써, 방금 언급했던 종류의 연조직에 대한 의미있는 정보를 복구하는 것이 가능하다. 이것은 관절, 힘줄, 및 인대 문제들 및 종양들의 비침습성(non-invasive) 진단에 있어서 특히 이득을 가진다.

다른 측면에 따르면, 본 발명은, 적어도 하나의 대상 경계선(object boundary)을 포함하는 이미지를 처리하는 방법을 제공하는데, 상기 방법은, 컨투어들이 이미지를 구역들로 분리하는 이미지의 컨투어 맵을 생성하는 단계와, 구역들을, 그들의 픽셀들의 통계학적 속성들이 이미지에 존재한다고 알려지거나 생각되어 지는 대상으로 기대되는 픽셀들의 통계학적 속성들과 매치하는 경우에, 합병(merge)하는 단계를 포함한다.

본 발명은 또한, 적어도 하나의 대상 경계선을 포함하는 이미지를 처리하는 장치로 구성되는데, 상기 장치는, 컨투어들이 이미지를 구역들로 분리하는 컨투어 맵을 생성하는 수단과, 구역들을, 그들의 픽셀들의 통계학적 속성들이 이미지에 존재한다고 알려지거나 생각되어지는 대상으로 기대된 픽셀들의 통계학적 속성들과 매치되는 경우에, 합병하는 수단을 포함한다,

전형적으로, 비록 배타적인 것은 아니지만, 본 발명에 의해 처리되는 이미지는, X-레이 또는 MRI 영상과 같은 메디컬 이미지이다. 이미지 구역들의 합병을 안내하는데 이용되는 기대된 픽셀 속성들을 가지는 대상은, 동종 대상(homogenous object)이거나 아닐 수 있다. 예를 들어, 그러한 대상은, 자체가 심층, 이행층, 및 표재층을 포함하는 한 편의 관절연골(articular cartilage)을 포함할 수 있다.

본 발명은 또한, 적어도 부분적으로는 본 발명에 의해 규정된 기법들을 이용하여 처리되어온 메디컬 이미지를 기초로, 인간 또는 동물의 상태에 대하여 진단하는 방법으로 구성된다.

단지 예시적으로, 본 발명의 어떤 실시예들이 첨부된 도면들을 참조하여 지금부터 설명될 것이다.

도 1은, 개인용 컴퓨터에 연결된 X-레이 기계의 블럭도,

도 2는, 골편(bone fragment)의 X-레이 영상의 개략적인 도,

도 3은, 도 2의 이미지의 일부를 분석하기 위한 단계들의 흐름도,

도 4는, 도 2의 X-레이 이미지에서의 관심 영역의 선택을 나타내는 도,

도 5는, 도 4에서 선택된 관심 영역의 확대를 나타내는 도,

도 6은, 도 5에 도시된 X-레이의 섹션으로부터 도출된 컨투어 맵을 도시한 도,

도 7은, 도 5 및 도 6에 도시된 관심 영역의 조직 이미지의 컨투어 맵을 도시한 도,

도 8은, 도 2의 X-레이 영상에서의 추가적인 관심 영역들의 선택을 나타내는 도,

도 9는, 무릎 관절의 X-레이를 나타내는 도,

도 10은, 본 발명의 기법들을 이용하여 향상된 도 9의 X-레이 내에서의 관심영역을 나타내는 도,

도 11은, 도 10의 영역의 확대를 나타내는 도,

도 12는, 도 10의 다른 영역의 확대를 나타내는 도,

도 13은, 도 9에 도시된 관절의 경골 고평부(tibial plateau)의 이미지를 나타내는 도,

도 14는, 골절된 사지의 X-레이를 나타내는 도,

도 15는, 본 발명의 기법들을 이용하여 향상된 도 14의 X-레이 내의 관심 영역을 나타내는 도,

도 16은, 도 15의 이미지의 일부의 확대를 나타내는 도,

도 1은, 개인용 컴퓨터(PC)(12)에 연결된 메디컬 X-레이 기계(10)를 나타낸다. 기계(10)에 의해 촬영된 X-레이 영상들은, 처리를 위해 연결(14)을 통해 PC(12)로 전송된다.

우리는 지금부터, X-레이 기계(10)가, 시체의 관절로부터 뼈의 조각을 분석하기 위해 이용되는 경우를 고려할 것이며, 여기서 상기 조각은 관절연골로 덮여있다. 도 2는, 기계(10)에 의해 촬영된 골편(bone fragment)의 영상(15)을 도시한다. 상기 영상(15)은, 4개의 상이한 음영 영역들(16, 18, 20, 21)을 포함한다. 영역(16)은 뼈를 나타내며, 영역들(18, 20, 21)은 관절연골의 심층(deep layers), 이행층(transitional layers), 및 표재층들(superficial layers) 각각을 나타낸다.

영상(15)의 비음영 영역들은 X-레이 기계(10)의 시야에서 골편 주위의 자유공간을 나타낸다. 실제로 영역들(16, 18, 20, 21)이 서로에 대하여 경계가 불분명 하다는 것을 기술분야의 당업자들은 바로 깨닫겠지만, 명확성을 위해, 도 2에서 영역들(16, 18, 20, 21)은 서로로부터 명확하게 경계지어진 것으로 도시되어 있다. PC(12)는, 도 3의 흐름도에 설명된 절차를 이용하여 X-레이 영상(15)을 처리한다.

단계 S1에서, 영상(15)을 나타내는 데이터가 기계(10)로부터 PC(12)에 의해 수신되며, 픽셀들의 2차원 어레이로서 저장된다.

단계 S2에서, 유한 임펄스 응답(FIR: finite impulse response) 필터들의 연속이 노이즈 제거, 이미지 선명화(image sharpening), 및 특징 추출을 위해 영상(15)에 적용된다. 이러한 목적들을 달성하기 위해 적당한 필터링 알고리즘들은 기술분야의 당업자에게 용이하게 명백할 것이다.

단계 S3에서, 관심 영역(ROI: region of interest)(22)이 후속 처리단계들을 위해 선택된다. 도 4에 도시된 바와 같이, 뼈(16), 3개의 관절연골 층들(18, 20, 21) 및 배경들의 일부들을 포함하도록 ROI(22)가 선택된다.

도 5는, ROI(22)의 확대를 도시한다. ROI(22)에 의해 묶여진 영상의 일부를 앞으로 분석중 이미지(IUA: image under analysis)(23)라 불리어질 것이며, 이어지는 단계들 S4 내지 S6에서 적절히(in its own right) 개별 2차원 픽셀 어레이로서 처리된다.

단계 S4에서, IUA(23)의 픽셀 밀도(density)는 라플라시안 피라미드 필터(Laplacian pyramid filter) 및 가우시안 피라미드 필터(Gaussian pyramid filter) 중 어느 하나 또는 그 둘에 의해 증가된다. 그러한 필터들을 실행하기 위한 적절할 알고리즘들은 기술분야의 당업자에게 용이하게 명백할 것이다. 이 필터 들의 효과는 IUA(23) 내에서 보간(interpolate)함으로써, IUA(23) 내의 픽셀들의 밀도를 증가시킨다. 채용된 픽셀 밀도에서의 증가는 전형적으로 범위 6 내지 12의 팩터(factor)이다.

단계 S5에서는, 휘도(luminance) 이외의 IUA(23)의 픽셀들의 특징들이 버려진다(폐기된다). 다음, IUA(23) 내의 픽셀들의 최대 및 최소 휘도 값들이 검출되고, IUA에 대한 휘도 범위를 계산하기 위해 이용된다. 그 후, 휘도 범위는 0에서 255로 확장되는 값들의 범위로 맵핑됨으로써, IUA(23)에서의 최저 휘도 값은 0으로 대체되고, 최고 휘도 값은 255로 대체되며, 사이의 휘도 값들은 0 내지 255 범위에서 비례값들로 대체된다. 따라서, IUA(23)는 표준화된 휘도 어레이(normalised luminance array: NLA))로 변환된다. 이러한 유형의 이미지 데이터 어레이들을 자신의 스크린(미도시)에 표시할 목적을 위해, PC(12)는 0 내지 255 범위에서의 각 값을 눈금 스펙트럼(graduated spectrum)에서 상이한 칼라로서 표시하도록 구성된다.

단계 S6에서, IUA(23)는 자신의 뼈와 관절연골 구역들의 경계선들을 검출할 목적으로 분석된다. 우선, NLA가, 도 6에 도시된 바와 같이, NLA 내의 픽셀에 할당된 표준화된 휘도 값들의 크기를 나타내는 컨투어들을 가지는 NLA의 컨투어 맵(24)을 생성하기 위해, 컨투어 필터링을 수행한다. 컨투어 필터링을 수행하기 위한 적당한 알고리즘은 기술분야의 당업자에 용이하게 명백할 것이다.

맵(24)은 자신의 컨투어들에 의해 구역들로 분리된다. 예를 들어, 도 6에 도 시된 바와 같이, 컨투어들(26, 28)은 구역들 a₀ 및 a₁을 정의한다. 상기 맵(24)에 할당된 컨투어들의 수량은, 상기 맵(24)을, ROI(22)에 존재할 것으로 알려진 물리적으로 구별되는 구역들의 수보다 큰 영역들의 수로 분리되도록, 계획적으로 선택된다. 현재의 경우, 상기 ROI(22)는 5개의 상이한 구역들(뼈, 심층, 이행층, 및 표재층 관절연골 및 배경 공간 각각)을 포함하는 것으로 알려져 있어, 따라서 11개의 컨투어들이 상기 맵(24)에 이용되어 상기 맵을 12개의 구역들 a₀, a₂, a₂,...a₁₁(도 6의 좌측에서 우측으로)로 분리한다. 다음, 컨투어 맵(24)에서의 구역들이, 구역들의 수를 ROI(22)에 존재할 것으로 알려진 수, 즉, 5까지 줄일 목적으로, 합병(merge)되는 것이 고려된다. 컨투어 맵 구역들의 합병은, 지금부터 설명될 조직 데이터(histological data)에 의해 안내된다.

도 7에 도시된 바와 같은, ROI(22)의 조직 이미지(histological image: 34)는 PC(12)에 내포되어 있다. 상기 조직 이미지(34) 내의 픽셀들은, 조직구조(histology)에 인가된 염색으로 인해 상이한 휘도 값들을 가진다.

컨투어 필터가, ROI(22)에 존재할 것으로 알려진 5개의 구역들의 경계선들을 검출하기 위해 조직 이미지(34)에 적용된다. 따라서, 조직 이미지는, 각각 뼈, 심층 관절연골, 이행층 관절연골, 표재층 관절연골 및 배경을 포함하는 5개의 구역들 b₀, b₁, b₂, b₃, b₄로 분리된다. 다음, 구역들 a₀ 내지 a₁₁은, 이웃하는 구역들의 쌍들, 즉, a₀과 a₁, a₂와 a₃, a₄와 a₅ 등으로 할당된다. 그 후, 컨투어 맵(24)에 존재하는 구역들의 수를 줄이기 위해 쌍들 내의 구역들을 합병하는 것이 고려된다. 이 절 차를 설명하기 위해, 우리는 지금부터 한 쌍의 구역들 a₀ 및 a₁을 고려할 것이다.

우선, 구역들 a₀ 및 a₁에 의해 덮이는 NLA의 일부에서 표준화된 휘도 값들의 표준편차가 계산된다. 그 후, 그 값은 조직 이미지의 구역 b₀의 픽셀들의 휘도 값들의 표준편차와 비교된다. 두 표준편차 값들이 서로의 5% 내인 경우, 비교는 양(positive)으로 결정된다. 다음, 순위 상관(rank-order correlation) 및 콜모고로프-스미르노프(Kolmogorov-Smirnov) 테스트들이, 한편으로는 a₀ 및 a₁의 결합된 픽셀 집단의 표준화된 휘도 값들과, 다른 한편으로는 b₀의 픽셀 집단의 휘도 값들, 사이의 상관계수를 생성하기 위해 이용된다. 상관계수가 ≥0.95인 경우, 상관 비교는 양(positive)으로 결정된다. 상관 및 표준편차 비교 양자가 양인 경우, 두 구역들 a₀ 및 a₁은 단일 구역 a_{0 + 1}으로 합병된다.

a₀ 및 a₁에 대한 합병 테스트를 완성한 후에는, 합병 테스트는 a₂ 및 a₃에 대하여 수행된다. a₀ 및 a₁이 합병되도록 허여되는 경우, a₂ 및 a₃의 결합된 집단은 b₀의 집단에 대하여 아니면 b₁의 집단에 대하여 테스트된다. 이러한 식으로, 절차는, 합병을 위한 쌍들 a_2m, a_{2m +1}을 테스트할 때 일련의 구역들 b₀ 내지 b₄을 통해 진행된다.

합병 테스트가 모든 쌍들 a_2m, a_{2m +1}(m=0 내지 5)에 대하여 한번 수행되면, 맵(24) 내의 구역들의 수가 여전히 5보다 큰지를 결정하기 위해 체크된다. 상기 맵(24) 내의 구역들의 수가 5보다 큰 것으로 알려지는 경우, 이웃하는 구역들의 쌍들 내의 어떠한 구역들도 합병될 수 있는지를 결정하기 위해, 생존 구역들은 재검사된다. 이러한 반복 절차는, 상기 맵(24) 내의 구역들의 수가, 4개의 생존 구역들의 경계선들이, 맵의 좌측에서 우측으로, 뼈, 심층 관절연골, 이행층 관절연골, 표재층 관절연골 및 배경영역들 각각의 컨투어들을 정확하게 반영해야 하는 포인트인, 5까지 줄어들 때까지 계속된다.

도 8에 도시된 바와 같이, 추가적인 ROI들(예를 들면 36, 38 및 40)이, 골편의 큰 부분에 대한 정보를 구성하기 위해 위에서 설명한 방식으로 처리될 수 있다.

도 2 내지 도 8을 참조하면서 설명된 처리가, 분리된 골편보다는, 살아있는 환자의 전체 관절의 X-레이를 향상시키기 위해 이용될 때, 관련 연조직의 개선된 이미지화는 관절의 상태의 평가를 용이하게 한다는 것이, 기술분야의 당업자에게 명백할 것이다. 마찬가지로, 본 기법은 모든 다른 연조직들, 특히, 힘줄 및 인대, 근육, 추간판(intervertebral discs), 혈관, 뇌, 척추, 신경, 가슴 및 전립선의 이미지들에 적용될 수 있다. 또한, 신체 어딘가의 종양들(특히 뼈 내의)을 시각화하고, 골편들의 회복을 시각화하고, 백내장에서의 변화를 탐지하는데 적용될 수 있다. 따라서, 상기 기법은, 단지 위에서 설명된 실시예의 목적으로 선택된 시나리오인 뼈들 상의 연골에만 한정하지 않는다. 신체의 어떠한 연조직에도 일반적인 이용가능성을 가질 수 있다.

본 발명은, 분석을 위해 디지털 이미지들을 수신할 수 있는 어떠한 호환성 컴퓨터(또는 다른 데이터 처리 장치)에 설치되기 위한 소프트웨어 팩키지(예를 들 어 CD 상의)로서 제공될 수 있다는 것은 명백할 것이다. 그러한 소프트웨어는, 전형적으로 하나 또는 그 이상의 특정 이미지 유형들의 분석을 위해 맞추어질 것이며, 따라서, IUA들 내의 구역들의 합병에 대한 결정들을 안내하기 위해, 이러한 이미지 유형들에서 기대될 수 있는 대상들의 기대된 통계적 속성들에 대한 지식을 포함할 것이다. 다시 말해서, 소프트웨어는, 목표 이미지 유형들을 위해, 위에서 설명된 실시예에서 특징화된 송장 샘플(cadaverous sample)의 b₀-b₄ 구역들의 기대된 통계적 속성들의 등가물을 지닐 것이다. 더 구체적인 예로서, 소프트웨어 팩키지가 가슴 종양들의 분석 및 무릎 관절 분석을 위해 맞추어진 것이라며, 상기 팩키지는, 가슴 및 무릎 관절 이미지에서 발견될 것으로 기대될 수 있는 대상들의 기대된 통계적 속성들을 갖게 된다.

본 발명을 X-레이 이미지들에 적용함을 통해 드러나는 이미지 세부묘사들의 몇몇 예들이 지금부터 제공될 것이다.

도 9는, 본 발명을 이용한 개선을 위해 제공되는 무릎 관절의 X-레이 영상이다. 본 발명에 의한 개선을 위한 ROI는, 도면상에 중첩된 검은색 프레임에 의해 구별된다. 본 발명의 처리기법들을 적용함으로써 ROI를 향상시킨 결과는, 도 10에 도시된다. 그 도면에서, 유리 연골(hyaline cartilage)에 대응하는 이미지 구역은, 2개의 어두운 색의 구역들 사이의 밝은 색의 밴드로서 나타난다. 본 발명의 이미지 향상 기법들은, 유리 연골이 화살표 B로 표시되는 영역과 비교해서, 화살표 A로 표시되는 영역에서 퇴보하는 것을 보여주고 있음을 주지해야 한다. 화살표 A와 B로 표시된 도 10의 향상된 ROI의 일부들이, 도 11 및 도 12에서 각각 확대되어 도시된다. 도 9에 도시된 관절은 제거되며, 도 13에 도시된 바와 같이, 경골 고평부의 검사는, 도 11에서 이미지화된 섹션에 대응하는 포인트에서 경골 고평부의 퇴보가 실제로 있었음을 나타낸다.

도 14는, 골절된 사지의 X-레이 이미지이다. 도 15는, 본 발명의 기법들을 이용하여 X-레이의 ROI를 향상시킨 결과를 도시한다. 도 15에서 화살표로 표시된 영역은 도 16에서 확대되어 도시된다. 활살표의 머리와 별표 마크들은 본 발명을 이용하여 시각화될 수 있는 비재생된 및 재생된 뼈의 영역들을 각각 나타낸다.

Claims (19)

1. 메디컬 이미지를 처리하는 방법으로서, 상기 방법은, 상기 이미지를 컨투어 맵(contour map)으로 표현하는 단계와, 컨투어들의 배열을 조직 데이터의 안내(guidance)로 수정함으로써 상기 컨투어들이 상기 이미지에서 상이한 물리적 구조들 간의 경계선들로 분해되도록 하는 단계를 포함하는 메디컬 이미지 처리 방법.
2. 제 1 항에 있어서,

   상기 이미지를 컨투어 맵으로 표현하는 단계는, 컨투어들이 상기 이미지를 구역들로 분리하는 이미지의 컨투어 맵을 생성하며, 상기 컨투어 배열을 수정하는 단계는, 구역들을, 그들의 픽셀들의 통계적 속성들이 상기 이미지에 존재할 것으로 알려지거나 생각되는 대상으로 기대되는 픽셀들의 통계학적 속성들과 충분히 매치되는 경우에, 합병하는 것을 포함하는 메디컬 이미지 처리 방법.
3. 적어도 하나의 대상 경계선을 포함하는 메디컬 이미지를 처리하는 방법으로서, 상기 방법은, 컨투어들이 상기 이미지를 구역들로 분리하는 상기 이미지의 컨투어 맵을 생성하는 단계와, 구역들을, 그들의 픽셀들의 통계적 속성들이 상기 이미지에 존재하는 것으로 알려지거나 생각되는 대상으로 기대되는 픽셀들의 통계학적 속성들과 충분히 매치되는 경우에, 합병하는 단계를 포함하는 메디컬 이미지 처리 방법.
4. 제 2 항 또는 제 3 항에 있어서,

   상기 통계적 속성들은, 한편으로는 대상으로 기대되는 픽셀들의, 다른 한편으로는 합병을 위해 제안된 구역들의 픽셀들의, 휘도 값들의 표준편차를 포함하는 메디컬 이미지 처리 방법.
5. 제 2 항 내지 제 4 항 중 어느 한 항에 있어서,

   상기 통계적 속성들의 매치 정도의 평가는, 대상으로 기대되는 픽셀들의 휘도 값들을, 합병을 위해 제안된 구역들의 픽셀들의 휘도 값들과 서로 관련시키는 것을 포함하는 메디컬 이미지 처리 방법.
6. 적어도 하나의 대상 경계선을 포함하는 이미지를 처리하는 방법으로서, 상기 방법은, 컨투어들이 상기 이미지를 구역들로 분리하는 상기 이미지의 컨투어 맵을 생성하는 단계와, 구역들을, 그들의 픽셀들의 통계적 속성들이 상기 이미지에 존재할 것으로 알려지거나 생각되는 대상으로 기대되는 픽셀들의 통계학적 속성들과 충분히 매치되는 경우, 합병하는 단계를 포함하는 이미지 처리 방법.
7. 제 1 항 내지 제 6 항 중 어느 한 항에 있어서,

   상기 이미지로부터 컨투어 맵을 생성하기 이전에 상기 이미지를 필터링하는 단계를 더 포함하며, 상기 필터링 처리는 노이즈 제거 필터링, 특징 추출 필터링 또는 에지 선명 필터링 중 하나 또는 그 이상을 포함하는 방법.
8. 제 1 항 내지 제 7 항 중 어느 한 항에 있어서,

   상기 이미지는 X-레이 영상 및 MRI영상 중 하나인 방법.
9. 제 1 항 내지 제 8 항 중 어느 한 항에 있어서,

   상기 이미지는 관절이거나 관절의 일부인 방법.
10. 이미지를 처리하는 방법으로서, 이미지 내의 여러 개의 관심영역들을 식별하는 단계와, 상기 복수 개의 영역들 중 각각에 대하여, 제 1 항 내지 제 9 항 중 어느 한 항의 방법에 따라 영역을 처리하는 단계를 포함하는 이미지 처리 방법.
11. 메디컬 이미지를 처리하는 장치로서, 상기 장치는, 상기 이미지를 컨투어 맵(contour map)으로 표현하는 수단과, 컨투어들의 배열을 조직 데이터의 안내로 수정함으로써 상기 컨투어들이 상기 이미지에서 상이한 물리적 구조들 간의 경계선들로 분해되도록 하는 수단을 포함하는 메디컬 이미지 처리 장치.
12. 제 11 항에 있어서,

    상기 표현하는 수단은, 컨투어들이 상기 이미지를 구역들로 분리하는 상기 이미지의 컨투어 맵을 생성하며, 상기 수정하는 수단은, 구역들을, 그들의 픽셀들 의 통계적 속성들이 이미지에 존재할 것으로 알려지거나 생각되는 대상으로 기대되는 픽셀들의 통계학적 속성들과 충분히 매치되는 경우, 합병하는 메디컬 이미지 처리 장치.
13. 적어도 하나의 대상 경계선을 포함하는 메디컬 이미지를 처리하는 장치로서, 상기 장치는, 컨투어들이 상기 이미지를 구역들로 분리하는 상기 이미지의 컨투어 맵을 생성하는 수단과, 구역들을, 그들의 픽셀들의 통계적 속성들이 이미지에서 존재하는 것으로 알려지거나 생각되는 대상으로 기대되는 픽셀들의 통계학적 속성들과 충분히 매치되는 경우, 합병하는 수단를 포함하는 메디컬 이미지 처리 장치.
14. 제 12 항 또는 제 13 항에 있어서,

    상기 통계적 속성들은, 한편으로는 대상으로 기대되는 픽셀들의, 다른 한편으로는 합병을 위해 제안된 구역들의 픽셀들의, 휘도 값들의 표준편차를 포함하는메디컬 이미지 처리 장치.
15. 제 12 항 내지 제 14 항 중 어느 한 항에 있어서,

    상기 수정하는 수단은, 대상으로 기대되는 픽셀들의 휘도 값들을, 합병을 위해 제안된 구역들의 픽셀들의 휘도 값들과 서로 관련시키도록 배열되는 메디컬 이미지 처리장치.
16. 적어도 하나의 대상 경계선을 포함하는 이미지를 처리하는 장치로서, 상기 장치는, 컨투어들이 상기 이미지를 구역들로 분리하는 상기 이미지의 컨투어를 생성하는 수단관, 구역들을, 그들의 픽셀들의 통계적 속성들이 상기 이미지에 존재하는 것으로 알려지거나 생각되는 대상으로 기대되는 픽셀들의 통계학적 속성들과 충분히 매치되는 경우, 합병하는 수단을 포함하는 이미지 처리 장치.
17. 제 11 항 내지 제 16 항 중 어느 한 항에 있어서,

    상기 이미지로부터 컨투어 맵을 생성하기 이전에 상기 이미지를 필터링하는 수단을 더 포함하며, 상기 필터링 수단은 노이즈 제거 필터링, 특징 추출 필터링 또는 에지 선명 필터링 중 하나 또는 그 이상을 적용하기 위해 배열되는 장치.
18. 데이터 처리 장치로 하여금 제 1 항 내지 제 10 항 중 어느 한 항에 따른 방법을 수행하도록 하기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체.
19. 생물학적 실체의 상태를 진단하는 방법으로서, 제 1 항 내지 제 10 항 중 어느 한 항의 방법에 의해 처리된 이미지의 사용을 포함하는 진단방법.

Images