KR20100096470A - 씨티 이미지를 이동한 3차원 심장 모델링 방법 - Google Patents
씨티 이미지를 이동한 3차원 심장 모델링 방법 Download PDFInfo
- Publication number
- KR20100096470A KR20100096470A KR1020090015365A KR20090015365A KR20100096470A KR 20100096470 A KR20100096470 A KR 20100096470A KR 1020090015365 A KR1020090015365 A KR 1020090015365A KR 20090015365 A KR20090015365 A KR 20090015365A KR 20100096470 A KR20100096470 A KR 20100096470A
- Authority
- KR
- South Korea
- Prior art keywords
- heart
- image
- patient
- converted
- mesh data
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/408—Dual energy
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
본 발명은, (a) 환자의 심장을 CT 이미지로 촬영하는 단계; (b) 촬영된 환자의 CT 이미지를 프로세싱하여 3차원 모델로 변환하는 단계; (c) 3차원 모델로 변환된 데이터를 메시(mesh) 데이터로 변환하는 단계; (d) 변환된 메시 데이터에 인체의 조직의 특성에 따른 물성치를 부여하는 단계; 및 (e) 물성치가 부여된 메시 데이터에 기초하여 심장의 거동을 해석하는 단계;를 포함하는 점에 특징이 있다.
Description
본 발명은 CT 이미지를 이동GKS 3차원 심장 모델링 방법에 관한 것으로, 더욱 상세하게는 CT 이미지를 이용하여 각 환자의 실제 흉곽 및 심장의 형상을 촬영하고 이를 이용하여 실제 심장의 형상에 근접한 심장의 형상을 3차원적으로 확보하여 더욱 정확하고 효과적인 심장 거동 해석을 할 수 있는 CT 이미지를 이동한 3차원 심장 모델링 방법에 관한 것이다.
인간의 심장은 혈액을 효과적으로 방출시키기 위하여 심근을 일정한 순서에 따라서 작용시키는 명령체계가 있다. 심장은 일정한 순서에 따라서 수축과 팽창을 되풀이 하면서 동맥에 혈액을 공급한다. 만약, 심장이 정해진 순서에 따라 움직이지 않으면 심장은 효율적으로 동맥에 혈액을 공급할 수 없다.
이와 같은 심작의 박동은 심장 세포 내의 세포 전압의 규칙적인 변화에 따라 심근 세포가 수축 이완함으로써 이뤄지게 된다.
심장의 전압변화가 비정상적으로 이뤄질 경우 서맥(bradycardia), 빈맥(tachycardia), 세동(fibrillation)과 같은 부정맥(arrhythmias)이 발생하게 된 다.
세동과 같이 심장이 비정상적인 박동을 하게 되면, 전체적으로 수축 이완 운동을 할 수 없게 되어 심장은 동맥으로 혈액을 보낼 수 없게 된다. 이와 같이 심장이 동맥으로 혈액을 보내지 못하게 되면 환자는 사망하게 된다.
환자에게 심장의 이상 박동이 발생하는 경우 심실 제세동기(defibrillator)를 이용하여 환자에게 전기 충격을 가하게 된다. 이때 제세동기는 펄스 형상의 전기적 자극을 발생하여 환자에게 전달함으로써, 심장의 전기적 분포 및 박동을 정상상태로 되돌리는 역할을 한다.
이와 같은 심실 제세동기는 인체에 중요한 영향을 미치는 의료기기이기 때문에 개발 과정에서 임상실험을 거치는 것이 매우 중요하다. 또한, 이와 같은 심실 제세동기를 이용하여 환자를 치료하는 경우에 있어서도 전기적 자극의 형태와 세기 등이 환자에게 중요한 영향을 미치므로, 어떠한 방법으로 심실 제세동기를 사용하여 치료할 것인지는 매우 중요하다.
이와 같이 심실 제세동기에 대한 임상 시험을 가상적으로 수행하거나 환자의 치료 방법을 테스트 하기 위해서 가상적으로 환자의 심장을 모델링하여 수학적 방법으로 환자의 심장 거동을 해석하는 방법을 사용하였다.
그런데 종래에는 전형적인 심장 모델을 가상적으로 설정하고 그 심장에 대하여 전기자극을 수학적으로 가하여 분석하는 방법을 사용하였다.
심장은 환자의 성별, 나이, 질병 유무 등등의 개인적 특성에 따라 모두 다름에도 불구하고 전형적 심장 모델을 이용하여 심장 거동을 해석하게 되므로 정확도 와 신뢰성 측명에서 많은 문제점이 있었다.
본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로, 각 환자의 실제 심장의 형상과 특성에 근접하는 3차원 심장 모델을 이용하여 심장의 거동을 해석할 수 있는 방법을 제공하는 것을 목적으로 한다.
본 발명은, (a) 환자의 심장을 CT 이미지로 촬영하는 단계; (b) 촬영된 환자의 CT 이미지를 프로세싱하여 3차원 모델로 변환하는 단계; (c) 3차원 모델로 변환된 데이터를 메시(mesh) 데이터로 변환하는 단계; (d) 변환된 메시 데이터에 인체의 조직의 특성에 따른 물성치를 부여하는 단계; 및 (e) 물성치가 부여된 메시 데이터에 기초하여 심장의 거동을 해석하는 단계;를 포함하는 점에 특징이 있다.
본 발명은 환자의 실제 심장의 형상에 근접한 심장 모델을 이용함으로써 더욱 정확한 심장 거동을 해석할 수 있는 장점이 있다.
또한 본 발명은 환자의 실제 심장의 특성을 반영하여 심장 거동을 해석하는 것을 가능하게 함으로써 심장 질환의 치료 가능성을 향상시킬 수 있는 장점이 있다.
이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세히 설명한다.
도 1은 본 발명의 일실시예에 따른 CT 이미지를 이동한 3차원 심장 모델링 방법의 일례를 설명하기 위한 순서도이다.
먼저, 환자의 심장을 CT 이미지로 촬영하는 단계를 수행한다(S100). CT 이미지 획득의 기본 원리는 물체의 내부 구조를 여러 방향에서 투과 측정하여 컴퓨터로 횡단면상을 재구성하여 영상 기록 장치에 기록하는 것이다. CT 이미지는 세 단계를 거쳐 얻을 수 있다. 먼저, X-선 투과량에 관한 자료 수집하는 단계, 다음으로 X-선 투과 량에 관한 자료를 데이터 프로세싱으로 변환하는 Computing 연산 단계, 마지막으로 Computing 연산과정을 거친 자료를 디지털영상으로 볼 수 있도록 변환하는 단계로 구성된다.
CT 이미지의 획득 범위는 촬영 범위와 관련이 있다. 심장를 정확하게 구분하기 위해서는 조영제를 투여하는 것이 필수적이다.
일반적으로 CT 이미지는 국제 의료 영상 규격인 DICOM과 일반 이미지 파일 형식(JPG, TIF, BMP)의 두가지 방식으로 얻을 수 있다.
위 과정을 거쳐서 심장 주변의 다수의 2차원 이미지 데이터를 얻을 수 있다. 이때 각 이미지들은 서로 나란한 상태로 소정 간격으로 떨어진 단면에 대한 이미지들이다.
다음으로 촬영된 CT 이미지를 프로세싱하여 3차원 모델로 변환하는 단계를 수행한다(S200).
CT 2차원 이미지들에 대하여 혈액 영역, 심실 영역, 심방 영역 등을 구분하는 단계를 수행한다. 이는 각 이미지들의 음영이나 콘트라스트를 이용하여 각 영역 별로 구분할 수 있다. 일반적으로 알려진 edge detection 방법 등을 이용하여 각 조직의 영역들을 1차적으로 구분하고, 조영제에 의한 이미지의 음영을 이용하여 각 영역들이 심실 영역인지, 심방 영역인지 판단하여 지정하게 된다.
상기와 같은 과정을 모든 2차원 이미지들에 대해 수행한 다음, 2차원 이미지의 각 영역들을 연속적으로 연결하여 3차원 심장 데이터 모델로 변환한다.
각 영역별로 3차원 모델이 완성되면, 3차원 모델로 변환된 데이터를 메시 데이터(mesh data)로 변환하는 단계를 수행한다(S300).
유한요소 해석법 등의 수치해석적 방법을 이용한 심장 거동을 분석하기 위해서는 3차원 모델을 분할하여 심장 거동 모듈에서 사용하는 적당한 형태의 메시로 분할하게 된다. 이때 심장 영역에 대해서는 심근 세포 단위로 메시 데이터 분할을 수행함으로써 해석의 정확도를 향상시킬 수 있다.
다음으로, 변환된 메시 데이터에 인체의 조직의 특성에 따른 물성치를 부여하는 단계를 수행한다(S400).
심근 세포의 물리적, 신경적 특성 역시 환자의 개인차에 따라 다르므로 개인별 특성차를 반영함으로써 해석의 정확도를 향상시킬 수 있다.
환자의 성별, 연령, 병력 등을 주요 인자로 하여 환자의 심장 조직의 물성치를 데이터 베이스화하여 사용하는 것도 가능하다.
다음으로, 물성치가 부여된 메시 데이터에 기초하여 심장의 거동을 해석하는 단계를 수행한다(S500).
공지된 Ten Tusscher model 등을 이용하여 심근세포를 수치해석적으로 모델 링하여 심장 거동을 해석할 수 있다. 이와 같은 심근 세포의 수학적 모델링에는 세포 내의 칼슘이온의 농도 등이 고려되어 시간에 따른 심근 세포의 전압 변화를 구현하게 된다.
한편, 앞에서 심장의 CT 이미지를 획득하고 이를 3차원 모델로 변환하는 단계를 포함하는 일련의 과정에는 심장의 흉곽에 대한 CT 이미지 데이터를 함께 처리할 수도 있다.
이와 같이, 흉곽과 심장을 함께 모델링 및 해석함으로써, 심실 제세동기에 의한 전기적 자극에 따른 심장의 거동을 해석하는 것도 더욱 용이해지는 장점이 있다. 또한, 일반적으로 심장의 심전도(ECG)는 흉곽 표면에 부착된 전극에 의해 측정되는데, 상술한 바와 같이 흉곽과 심장을 함께 모델링하여 해석하면 측정된 심전도와 해석된 심장 거동을 서로 비교 및 분석하여 심장의 진단 및 치료에 이용할 수 있다.
도 1은 본 발명에 따른 CT 이미지를 이동한 3차원 심장 모델링 방법의 일실시예를 설명하기 위한 순서도이다.
Claims (3)
- (a) 환자의 심장을 CT 이미지로 촬영하는 단계;(b) 촬영된 환자의 CT 이미지를 프로세싱하여 3차원 모델로 변환하는 단계;(c) 3차원 모델로 변환된 데이터를 메시(mesh) 데이터로 변환하는 단계;(d) 변환된 메시 데이터에 인체의 조직의 특성에 따른 물성치를 부여하는 단계; 및(e) 물성치가 부여된 메시 데이터에 기초하여 심장의 거동을 해석하는 단계;를 포함하는 것을 특징으로 하는 CT 이미지를 이동한 3차원 심장 모델링 방법.
- 제1항에 있어서,상기 (b) 단계는 심장과 흉곽을 포함하여 3차원 모델로 변환하고,상기 (c) 단계에서 심장은 심근 세포 단위로 메시 데이터로 변환하는 것을 특징으로 하는 CT 이미지를 이동한 3차원 심장 모델링 방법.
- 제2항에 있어서,상기 (e) 단계는 유한요소해석법에 의해 심장 거동을 해석하는 것을 특징으로 하는 CT 이미지를 이동한 3차원 심장 모델링 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020090015365A KR20100096470A (ko) | 2009-02-24 | 2009-02-24 | 씨티 이미지를 이동한 3차원 심장 모델링 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020090015365A KR20100096470A (ko) | 2009-02-24 | 2009-02-24 | 씨티 이미지를 이동한 3차원 심장 모델링 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20100096470A true KR20100096470A (ko) | 2010-09-02 |
Family
ID=43003989
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020090015365A KR20100096470A (ko) | 2009-02-24 | 2009-02-24 | 씨티 이미지를 이동한 3차원 심장 모델링 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20100096470A (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150017646A (ko) * | 2013-08-06 | 2015-02-17 | 삼성전자주식회사 | 심장 운동 모델링에 기반하여 심장 질환을 진단하는 방법 및 장치 |
| KR102441143B1 (ko) | 2022-06-14 | 2022-09-06 | 부산대학교 산학협력단 | 인체 호흡기관의 시뮬레이션 방법 |
-
2009
- 2009-02-24 KR KR1020090015365A patent/KR20100096470A/ko not_active Application Discontinuation
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150017646A (ko) * | 2013-08-06 | 2015-02-17 | 삼성전자주식회사 | 심장 운동 모델링에 기반하여 심장 질환을 진단하는 방법 및 장치 |
| KR102441143B1 (ko) | 2022-06-14 | 2022-09-06 | 부산대학교 산학협력단 | 인체 호흡기관의 시뮬레이션 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6564475B2 (ja) | 数学的分析および機械学習を使用して病気を診断する方法およびシステム | |
| CN108431720B (zh) | 用于定位纤颤源的系统和方法 | |
| US20190090774A1 (en) | System and method for localization of origins of cardiac arrhythmia using electrocardiography and neural networks | |
| Sermesant et al. | Patient-specific electromechanical models of the heart for the prediction of pacing acute effects in CRT: a preliminary clinical validation | |
| CN103391744B (zh) | 用于提供电活动图的系统 | |
| Weber et al. | Wave-direction and conduction-velocity analysis from intracardiac electrograms–a single-shot technique | |
| JP2013006070A (ja) | カテーテルの移動と複数心拍の統合を含む非接触式心臓マッピング | |
| JP2017518849A (ja) | 心臓組織を通じた電気的活動の分布、変動および／または動きの推定 | |
| CN107007279A (zh) | 一种基于堆栈式自编码器的无创心内异常激动点定位方法 | |
| CA3203044A1 (en) | Method and system for engineering cycle variability-related features from biophysical signals for use in characterizing physiological systems | |
| CN110811596B (zh) | 基于低秩与稀疏约束和非局部全变分的无创心脏电位重建方法 | |
| KR20100096470A (ko) | 씨티 이미지를 이동한 3차원 심장 모델링 방법 | |
| Rahimi et al. | Sensitivity of noninvasive cardiac electrophysiological imaging to variations in personalized anatomical modeling | |
| US20230036977A1 (en) | Systems and Methods for Electrocardiographic Mapping and Target Site Identification | |
| Dossel et al. | Optimization of electrode positions for multichannel electrocardiography with respect to electrical imaging of the heart | |
| Tomasz et al. | Architecture of a mobile system for the analysis of biomedical signals based on electrical tomography | |
| Saadi et al. | Low-cost ecg monitoring system with classification using deep learning | |
| Li et al. | Towards Enabling Cardiac Digital Twins of Myocardial Infarction Using Deep Computational Models for Inverse Inference | |
| Miri et al. | Applicability of body surface potential map in computerized optimization of biventricular pacing | |
| CN113288167B (zh) | 心肌病的辅助诊断设备、装置和计算机可读存储介质 | |
| Chang et al. | Ex Vivo Noninvasive Electrophysiologic Imaging Based on Cardiac Electrophysiology Simulation and Clinical Data | |
| Yadan et al. | An expert review of the inverse problem in electrocardiographic imaging for the non-invasive identification of atrial fibrillation drivers | |
| Tang et al. | Retrieving hidden atrial repolarization waves from standard surface ECGs | |
| Chockalingam et al. | A comparative note on recent advances of signal/image processing techniques in healthcare | |
| Li et al. | Forward-Solution Aided Deep-Learning Framework for Patient-Specific Noninvasive Cardiac Ectopic Pacing Localization |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |