KR20120007892A - 영상 처리 방법 및 장치와 이를 채용한 의료영상시스템 - Google Patents

영상 처리 방법 및 장치와 이를 채용한 의료영상시스템 Download PDF

Info

Publication number
KR20120007892A
KR20120007892A KR1020100068674A KR20100068674A KR20120007892A KR 20120007892 A KR20120007892 A KR 20120007892A KR 1020100068674 A KR1020100068674 A KR 1020100068674A KR 20100068674 A KR20100068674 A KR 20100068674A KR 20120007892 A KR20120007892 A KR 20120007892A
Authority
KR
South Korea
Prior art keywords
parameter
intensity
subject
correction
input subject
Prior art date
Application number
KR1020100068674A
Other languages
English (en)
Inventor
한석민
강동구
김성수
오현화
이재목
성영훈
이종하
장광은
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020100068674A priority Critical patent/KR20120007892A/ko
Priority to US13/181,866 priority patent/US20120014584A1/en
Publication of KR20120007892A publication Critical patent/KR20120007892A/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/48—Diagnostic techniques
    • A61B6/482—Diagnostic techniques involving multiple energy imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/58—Testing, adjusting or calibrating thereof
    • A61B6/582—Calibration
    • A61B6/583—Calibration using calibration phantoms

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Engineering & Computer Science (AREA)
  • Radiology & Medical Imaging (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Optics & Photonics (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

영상 처리 방법 및 장치와 이를 채용한 의료영상시스템이 개시되어 있다. 영상 처리 장치에서 보정모델 생성부는 시험 피사체의 파라미터로부터 얻어지는 인텐서티-타겟 데이터 세트를 학습하여 보정모델을 생성한다. 타겟 추정부는 입력 피사체의 파라미터에 보정모델을 적용하고 입력 피사체의 파라미터를 보정하여 타겟을 추정한다.

Description

영상 처리 방법 및 장치와 이를 채용한 의료영상시스템{Method and apparatus of processing image and medical image system employing the same}
영상 처리방법 및 장치와 이를 채용한 의료영상시스템에 관한 것이다.
이중 에너지(dual energy)를 이용한 라디오그라피(radiography)에서는 일반적으로 계단 형태 또는 삼각형 형태의 웨지 팬텀(wedge phantom)을 이용한 보정(calibration)을 수행한다. 보정이란 라디오그라피 검출기로부터 출력되는 신호의 네가티브 로그(negative logarithm)에 해당하는 이중 에너지 로그 신호와 영상화 대상 물체의 두께간의 함수 관계를 추정하는 것을 의미한다. 보정을 수행하여 얻은 함수 관계를 이용하여 이중 에너지 방사선 영상을 물질 비율 및 물질 두께로 변환할 수 있다.
이중 에너지 방사선 영상으로부터 얻어지는 입력 파라미터를 보정모델을 적용하여 처리하는 영상 처리 방법 및 장치를 제공한다.
상기 영상 처리 장치를 채용한 의료영상시스템을 제공한다.
본 발명의 한 측면(aspect)에 따르면, 시험 피사체의 파라미터로부터 얻어지는 인텐서티-타겟 데이터 세트를 학습하여 보정 모델을 생성하는 단계; 및 입력 피사체의 파라미터에 상기 보정모델을 적용하고 상기 입력 피사체의 파라미터를 보정하여 타겟을 추정하는 단계를 포함하는 영상 처리 방법이 제공된다.
본 발명의 다른 측면에 따르면, 시험 피사체의 파라미터로부터 얻어지는 인텐서티-타겟 데이터 세트를 학습하여 보정모델을 생성하는 대응 함수 생성부; 및 입력 피사체의 파라미터에 상기 보정모델을 적용하고 상기 입력 피사체의 파라미터를 보정하여 타겟을 추정하는 타겟 추정부를 포함하는 영상 처리 장치가 제공된다.
본 발명의 또 다른 측면에 따르면, 상기한 영상 처리장치를 채용하여, 상기 시험 피사체의 파라미터와 상기 입력 피사체의 파라미터는 각각 방사선 영상으로부터 얻어지는 인텐서티인 의료영상시스템이 제공된다.
여기서, 상기 시험 피사체의 파라미터는 보정용 팬텀에 대한 이중 에너지 방사선 영상으로부터 얻어지는 인텐서티이고, 상기 입력 피사체의 파라미터는 상기 입력 피사체에 대한 이중 에너지 방사선 영상으로부터 얻어질 수 있다.
여기서, 상기 시험 피사체의 파라미터는 상기 보정용 팬텀에 대한 부가 정보를 더 포함하고, 상기 입력 피사체의 파라미터는 상기 입력 피사체에 대한 부가 정보를 더 포함할 수 있다.
여기서, 상기 부가 정보는 상기 보정용 팬텀 및 상기 입력 피사체의 전체 두께에 대한 정보이며, 상기 입력 피사체의 전체 두께에 따라서 서로 다른 보정모델을 선택할 수 있다.
여기서, SVR(Support Vector Regression)을 이용하여 상기 인턴서티-타겟 데이터 세트를 학습할 수 있다.
여기서, 상기 보정용 팬텀은 적어도 두가지 물질로 이루어지는 적어도 두개의 램프 웨지 팬텀을 겹쳐서 구성할 수 있다.
여기서, 상기 입력 피사체의 파라미터가 상기 보정모델 생성시 사용된 인텐서티 범위 외에 존재하는 경우, 상기 입력 피사체의 파라미터를 상기 보정모델 생성시 사용된 인텐서티 범위 이내로 투사하여 상기 입력 피사체의 파라미터와 가장 가까운 거리에 위치한 인텐서티로 보정할 수 있다.
이중 에너지 방사선영상 처리시 정상 범위를 벗어나는 오류 데이터가 입력 파라미터로 제공되더라도 정상 범위 내에서 오류 데이터와 가장 가까운 위치로 투사하여 보정함으로써, 입력 피사체의 이중 에너지 방사선 영상으로부터 원하는 타겟 예를 들면, 입력 피사체를 구성하는 소정 물질의 두께를 보다 정확하게 얻을 수 있다.
도 1은 본 발명의 실시예에 따른 영상 처리 장치의 구성을 보여주는 블럭도이다.
도 2는 도 1에 있어서 본 발명의 실시예에 따른 보정모델 생성부의 구성을 보여주는 블럭도이다.
도 3은 도 1에 있어서 본 발명의 다른 실시예에 따른 보정모델 생성부의 구성을 보여주는 블럭도이다.
도 4는 본 발명의 실시예에 따른 연속적인 가변 두께를 포함하는 보정용 팬텀과 보정모델 선택방식을 보여주는 도면이다.
도 5는 범위내 데이터와 범위외 데이터를 설명하는 도면이다.
도 6a 및 도 6b는 단일한 전체 두께와 2 종류의 전체 두께에 대하여 매핑된 인텐서티-두께 관계를 나타낸 그래프이다.
도 7은 본 발명의 실시예에 따른 영상 보정 방법을 설명하는 도면이다.
도 8은 본 발명의 실시예에 따른 영상 처리 방법을 설명하는 흐름도이다.
이하, 본 발명의 실시예에 따른 영상 처리 방법 및 장치와 이를 채용한 의료영상시스템을 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 실시예에 따른 영상 처리 장치의 구성을 보여주는 블럭도이다. 도 1에 도시된 영상 처리 장치(100)는 보정모델 생성부(110), 입력 파라미터 생성부(130) 및 타겟 추정부(150)를 포함할 수 있다. 여기서, 보정모델 생성부(110)와 타겟 추정부(150)는 적어도 하나의 프로세서로 구현될 수 있다. 한편, 영상 처리 장치(100)는 모니터 등으로 구현되는 디스플레이부(170)와 메모리 등으로 구현되는 저장부(190)를 옵션으로 구비할 수 있다. 또한, 도시되지는 않았으나, 영상 처리 장치(100)는 원격지에 위치한 의료영상시스템으로 입력 피사체로부터 추정된 인텐서치-타겟 정보를 유선 혹은 무선으로 전송하거나, 외부로부터 입력 피사체의 파라미터를 유선 혹은 무선으로 수신하기 위한 통신부를 더 포함할 수 있다.
도 1을 참조하면, 보정모델 생성부(110)는 시험 피사체의 파라미터로부터 얻어지는 인텐서티-타겟 데이터 세트를 학습하여 보정모델을 생성한다. 여기서, 시험 피사체의 파라미터는 보정용 팬텀에 대한 이중 에너지 방사선 영상 예를 들면, 적어도 고에너지 영상인 제1 에너지 영상과 저에너지 영상인 제2 에너지 영상으로부터 각각 얻어지는 인텐서티(intensity)일 수 있다. 인텐서티는 각 화소에서의 그레이 레벨값을 의미하거나 밝기값을 의미할 수 있다. 이들 각 인텐서티의 조합은 시험 피사체를 구성하는 소정 물질의 실측된 두께와 매핑시켜 인텐서티-타겟 데이터 세트를 형성한다. 이때, 시험 피사체의 파라미터는 이중 에너지 방사선 영상으로부터 얻어지는 인텐서티에 시험 피사체의 전체 두께와 관련된 부가정보를 더 포함할 수 있다. 이와 같이 시험 피사체의 전체 두께에 관련된 부가정보를 시험 피사체의 파라미터로 더 포함함으로써, 시험 피사체의 서로 다른 전체 두께를 고려하여 전체 두께에 대응하여 서로 다른 보정 모델 (calibration model)를 생성할 수 있으므로 입력 피사체의 전체 두께의 차이로 야기되는 추정 에러를 대폭 줄일 수 있다.
한편, 인텐서티-타겟 데이터 세트의 학습시, 회귀분석(regression analysis)을 적용할 수 있으며, 바람직하게는 SVR(Support Vector Regression)을 사용하나, 반드시 회귀분석 및/또는 SVR에 제한되지는 않는다.
한편, 시험 피사체로 사용되는 보정용 팬텀은 적어도 제1 및 제2 물질로 이루어지는 적어도 두개의 램프 웨지 팬텀(ramp wedge phantom)을 겹쳐서 구성할 수 있다. 여기서, 이중 에너지 방사선 영상이 마모그래피(mammography)를 위하여 사용되는 경우, 제1 및 제2 물질은 각각 선상조직(glandular tissue)에 대응하는 폴리카보네이트와 지방조직(adipose tissue)에 대응하는 폴리에틸렌일 수 있다. 단일한 두께의 보정용 팬텀인 경우 전체 두께는 일정하나, 제1 및 제2 물질은 가능한 모든 비율의 두께를 가지고 결합된다.
예를 들어, 시험 피사체의 전체 두께가 각각 3cm, 4cm, 5cm인 경우, 각 전체 두께별로 제1 에너지 영상(high)과 제2 에너지 영상(low)의 인텐서티 조합에 대응하는 소정 물질의 실측 두께는 다음 표 1 내지 표 3으로 나타낼 수 있다.
실측 두께 1mm 2mm 3mm
High 15 20 24
low 25 31 38
실측 두께 1mm 2mm 3mm
High 12 17 21
Low 22 27 35
실측 두께 1mm 2mm 3mm
High 10 15 22
Low 20 25 33
즉, 표 1에 있어서 압착 패들(compression paddle)에 의한 보정용 팬텀의 전체 두께가 3cm인 경우, 제1 에너지 영상(high)에서 인텐서티가 15이고, 제2 에너지 영상(low)에서 인텐서티가 25이면 보정용 팬텀을 구성하는 제1 물질 예를 들면 지방조직의 실측 두께가 1mm임을 의미한다.
상기한 바와 같은 시험 피사체의 각 전체 두께에 대응하여 인텐서티-타겟 데이터 세트를 구성하고, 각 전체 두께별 인텐서티-타겟 데이터 세트에 대하여 회귀분석을 수행하여 학습함으로써 각 전체 두께별 보정모델을 생성한다.
입력 파라미터 생성부(130)는 입력 피사체에 대하여 획득된 이중 에너지 방사선 영상으로부터 입력 피사체의 파라미터를 생성한다. 여기서, 입력 피사체의 파라미터는 입력 피사체에 대한 이중 에너지 방사선 영상 예를 들면, 적어도 저에너지 영상인 제1 에너지 영상과 고에너지 영상인 제2 에너지 영상으로부터 각각 얻어지는 인텐서티일 수 있다. 이때, 입력 피사체의 파라미터는 이중 에너지 방사선 영상으로부터 얻어지는 인텐서티에 입력 피사체에서 측정된 전체 두께와 관련된 부가정보를 더 포함할 수 있다. 이와 같이 전체 두께에 관련된 부가정보를 입력 피사체의 파라미터로 더 포함함으로써, 입력 피사체의 서로 다른 전체 두께를 고려하여 보정 모델을 선택하여 입력 피사체의 파라미터를 보정할 수 있으므로 보정의 정확도를 높일 수 있다.
타겟 추정부(150)는 입력 피사체의 파라미터에 보정모델을 적용하여 입력 피사체의 파라미터를 보정함으로써, 각 인텐서티의 조합에 대응하는 타겟을 추정한다. 이때, 입력 피사체의 파라미터로서, 제1 에너지 영상의 인텐서티와 제2 에너지 영상의 인텐서티 뿐만 아니라 입력 피사체에서 측정된 전체 두께를 포함시킴으로써, 입력 피사체의 전체 두께에 대응하는 보정모델을 선택할 수 있다. 구체적으로, 입력 피사체의 파라미터로서 제1 에너지 영상의 인텐서티와 제2 에너지 영상의 인텐서티를 수신하고, 디폴트 보정모델 혹은 선택된 보정모델과 각 보정모델 생성시 사용된 인텐서티-타겟 데이터 세트를 참조하여, 제1 에너지 영상의 인텐서티와 제2 에너지 영상의 인텐서티의 조합이 보정모델에 속하는 인텐서티-타겟 데이터 세트의 범위외에 존재하는 경우 이들 조합을 범위이내로 보정하여 대응하는 타겟을 추정한다. 즉, 입력 피사체의 파라미터가 정의되지 않은 값을 가지는 경우, 해당 값은 보정모델을 생성하는데 사용된 인텐서티-타겟 데이터 세트로부터 정의된 제1 물질의 두께, 제2 물질의 두께, 제1 에너지 영상의 인텐서티, 및 제2 에너지 영상의 인텐서티의 함수 관계에서 가장 가까운 값으로 매핑된다. 이와 같이, 보정용 팬텀의 전체 두께를 이중 에너지 방사선 영상 이외의 부가정보로 포함시켜, 보정용 팬텀의 전체 두께에 따라서 서로 다른 보정 모델을 생성하고, 입력 피사체의 전체 두께에 따라서 서로 다른 보정 모델을 선택하도록 함으로써 입력 피사체의 이중 에너지 방사선 영상으로부터 추정된 타겟, 예를 들면 입력 피사체를 구성하는 소정 물질의 두께에 대한 추정 에러를 감소시킬 수 있다.
따라서, 입력 피사체의 구성물질이 보정용 팬텀의 구성물질과 다른 경우, 잡음 등에 의해 입력 피사체에 대한 방사선 영상이 손상된 경우, 또는 보정용 팬텀의 두께와 입력 피사체에 대한 방사선 영상에서 구하고자 하는 물질의 두께간의 차이가 상당히 큰 경우라고 하더라도, 추정된 두께가 사전에 알고 있는 두께로부터 많이 벗어날 가능성을 줄일 수 있다.
예를 들어, 타겟 추정부(150)에서 제1 에너지 영상과 제2 에너지 영상의 각 인텐서티 조합에 대응하여, 선택된 보정모델을 이용한 보정을 통하여 추정된 타겟 즉, 두께 정보는 다음 표 4와 같이 나타낼 수 있다.
15 20 24
30 12mm 13mm 14mm
35 13mm 15mm 17mm
39 14mm 17mm 20mm
즉, 표 4에 있어서 입력 피사체가 소정의 전체 두께를 갖는 경우, 제1 에너지 영상에서 인텐서티가 20이고, 제2 에너지 영상에서 인텐서티가 35이면 입력 피사체를 구성하는 제1 물질 예를 들면 지방조직의 실측 두께가 15mm로 추정됨을 의미한다.
디스플레이부(170)는 타겟 추정부(150)에서 각 인텐서티 조합에 대응하여, 보정을 통하여 추정된 타겟 예를 들면 제1 물질의 두께 정보를 3차원적으로 표시할 수 있다.
저장부(190)는 타겟 추정부(150)에서 각 인텐서티 조합에 대응하여, 보정을 통하여 추정된 타겟 정보를 저장할 수 있다.
한편, 타겟 추정부(150)에서 각 인텐서티 조합에 대응하여, 보정을 통하여 추정된 타겟 정보는 통신부(미도시)를 통하여 입력 피사체의 파라미터를 송신한 측 혹은 원격지의 의료영상시스템에 유선 혹은 무선으로 전송될 수 있다.
도 2는 도 1에 있어서 본 발명의 실시예에 따른 보정모델 생성부(110)의 구성을 보여주는 블럭도이다. 보정모델 생성부(110)는 시험영상 생성부(210), 인텐서티-타겟 매핑부(230) 및 학습부(250)을 포함할 수 있다. 여기서, 인텐서티-타겟 매핑부(230) 및 학습부(250)는 적어도 하나의 프로세서로 구현할 수 있다.
도 2를 참조하면, 시험영상 생성부(210)는 시험 피사체에 대한 이중 에너지 방사선 영상을 획득하고, 이중 에너지 방사선 영상으로부터 시험 피사체에 대한 파라미터를 추출하여 인텐서티-타겟 매칭부(230로 제공한다. 구체적으로, 시험 피사체에 대한 이중 에너지 방사선 영상 중 제1 에너지 영상의 인텐서티와 제2 에너지 영상의 인텐서티를 시험 피사체의 파라미터로 제공한다.
인텐서티-타겟 매핑부(230)는 시험 피사체에 대한 이중 에너지 방사선 영상 중 제1 에너지 영상의 인텐서티와 제2 에너지 영상의 인텐서티의 각 조합과 각 조합에서의 시험 피사체를 구성하는 소정 물질의 실측 두께 즉, 타겟을 매핑시킨다. 이때, 매핑 결과는 룩업 테이블 형태로 저장될 수 있다.
학습부(250)는 인텐서티-타겟 매핑부(230)로부터 제공되는 인텐서티-타겟 데이터 세트에 대하여 회귀분석을 적용하여 학습함으로써, 주어진 인텐서티-타겟 데이터 세트에 대한 보정모델을 생성한다.
도 3은 도 1에 있어서 본 발명의 다른 실시예에 따른 보정모델 생성부(110)의 구성을 보여주는 블록도이다. 보정모델 생성부(110)는 시험영상 생성부(310), 부가정보 입력부(320), 인텐서티-타겟 매핑부(330) 및 학습부(350)을 포함할 수 있다. 도 2의 보정 모델 생성부(110)에 이미 설명한 바와 같이 도 3의 보정모델 생성부(110)는 부가정보 입력부(320)를 통하여 시험 피사체의 전체 두께를 부가정보를 더 포함시킨다는 점을 제외하고는 실질적으로 동일하다.
도 3을 참조하면, 인텐서티-타겟 매핑부(330)는 시험 피사체의 전체 두께별로, 시험 피사체에 대한 이중 에너지 방사선 영상 중 제1 에너지 영상의 인텐서티와 제2 에너지 영상의 인텐서티의 각 조합과 각 조합에서의 시험 피사체를 구성하는 소정 물질의 실측 두께 즉, 타겟을 매핑시킨다. 이때, 매핑 결과는 시험 피사체의 전체 두께별로 룩업 테이블 형태로 저장될 수 있다.
학습부(250)는 인텐서티-타겟 매핑부(230)로부터 제공되는 인텐서티-타겟 데이터 세트에 대하여 회귀분석을 적용하여 학습함으로써, 시험 피사체의 전체 두께별로 주어진 인텐서티-타겟 데이터 세트에 대한 보정모델을 생성한다.
도 4는 본 발명의 실시예에 따른 연속적인 가변 두께를 포함하는 보정용 팬텀과 모델 선택 방식을 보여주는 도면이다.
도 4를 참조하면, 다양한 전체 두께별로 두가지 물질이 가질 수 있는 모든 비율을 나타낼 수 있는 입체적인 보정용 팬텀(410)에 대하여, 이중 에너지 방사선 영상을 얻고, 이중 에너지 방사선 영상으로부터 제1 에너지 영상(430)과 제2 에너지 영상(5450)을 분리한다. 이때, 타겟 추정 과정 즉, 임의의 입력 피사체에 대하여 이중 에너지 방사선 영상이 얻어진 경우, 보정 모델과 비교하여 두가지 물질별 두께를 추정하는 과정에서, 만약 시험 피사체를 구성하는 물질과 입력 피사체를 구성하는 물질이 실질적으로 동일한 경우에는 제1 및 제2 에너지 영상(430, 450)에서 수직영역(470)을 선택하여 보정모델과 비교함으로써, 인텐서티-타겟 매핑을 수행한다. 한편, 시험 피사체를 구성하는 물질과 다른 물질 혹은 다른 밀도로 이루어진 입력 피사체에 대해서는 입력 피사체를 시험 피사체의 구성물질로 투사된 형태로 하여 물질비 혹은, 물질별 두께가 계산된다. 다만, 구성물질이나 구성밀도가 다르기 때문에 제1 및 제2 에너지 영상(430, 450)에서 비스듬한 영역(490)을 선택하여 보정모델과 비교함으로써, 인텐서티-타겟 매핑을 수행한다. 즉, 시험 피사체와 비교하여 입력 피사체가 어떤 다른 물질로 이루어졌는지에 따라서 제1 및 제2 에너지 영상(430, 450)에서 선택되는 비스듬한 영역(490)의 경사도가 결정될 수 있고, 보정용 팬텀에서 어떤 두께 영역에 대응시켜야 할지를 결정할 수 있다.
도 5는 범위내 데이터와 범위외 데이터를 설명하는 도면이다. 도 5를 참조하면, 시험 피사체에 대한 제1 혹은 제2 에너지 영상에서, 제1 혹은 제2 에너지 영상 안에 존재하는 인텐서티는 보정용 팬텀으로 표시할 수 있는 범위(510)에 포함되는 한편, 제1 혹은 제2 에너지 영상 밖에 존재하는 인텐서티는 보정용 팬텀으로 표시할 수 없는 범위(530)에 포함된다. 이때, 보정용 팬텀으로 표시가능한 범위(510)에 인텐시티 값이 존재하는 경우에는 각 물질의 두께 계수가 양수로 표시되는 한편, 보정용 팬텀으로 표시할 수 없는 범위(530)에 인텐서티 값이 존재하는 경우에는 각 물질의 두께 계수가 음수로 표시될 수 있다.
도 6a 및 도 6b는 단일한 전체 두께와 2 종류의 전체 두께에 대하여 매핑된 인텐서티-두께 관계 즉, 보정모델(610, 630, 650)을 나타내는 그래프이다. 도 6a 및 도 6b를 살펴보면, 제1 에너지 영상의 인텐서티, 제2 에너지 영상의 인텐서티, 및 소정 물질의 두께와의 관계는 비선형적인 특성을 보임을 알 수 있다. 이와 같이 입력과 출력간에 비선형적인 특성을 갖는 경우에는, 매핑 과정과 유사한 방식으로 회귀 분석을 수행하는 SVR을 적용할 수 있다. 이와 같이 SVR을 적용하게 되면, 보정용 팬텀의 이중 에너지 방사선 영상의 각 인텐서티 데이터가 내부의 메모리에 저장되고, 각 인텐서티 데이터에 대하여 회귀분석에 필요한 가중치가 계산된다. 이와 같이 계산된 가중치와 보정용 팬텀의 각 인텐서티 데이터를 학습하여 인텐서티-두께 관계 즉, 보정모델을 생성한다. 이후, 임의의 입력 피사체에 대한 이중 에너지 방사선 영상의 인텐서티 데이터가 주어지는 경우 이미 학습하여 수립된 보정모델을 참조하여, 보정모델 생성시 사용된 인텐서티-두께 데이터 세트에서 입력 피사체에 대한 이중 에너지 방사선 영상의 인텐서티 데이터와 가장 가까운 값을 출력한다.
한편, 도 6b에서와 같이 두개의 보정용 팬텀의 전체 두께의 차이가 1cm 미만으로 매우 작은 경우라 하더라도, 서로 다른 보정모델(630,650)을 생성할 수 있고, 해당 전체 두께를 갖는 입력 피사체가 선택할 수 있다. 예를 들어, 두개의 보정용 팬텀이 동일한 물질로 구성되고, 전체 두께의 차이가 1cm 미만인 경우에는, 제1 및 제2 에너지 영상의 인텐서티 값이 중첩되어 구별이 어려울 수 있다. 이때, 보정용 팬텀의 전체 두께에 대한 정보를 부가 정보로 추가함으로써, 제1 및 제2 에너지 영상의 인텐서티 값이 겹치더라도 추정 에러를 감소시킬 수 있다.
이를 위해서는 다양한 전체 두께에 대응할 수 있는 보정용 팬텀을 필요로 하며, 그 일예로 도 4에 도시된 바와 같이 다양한 전체 두께에 대하여, 두가지 물질로 만들 수 있는 모든 조합을 포함하는 보정용 팬텀을 구성한다. 보정용 팬텀의 전체 두께는 공지된 다양한 방법을 통하여 측정될 수 있고, 마모그래피의 경우에는 압착 패들에서 바로 측정이 가능하다.
도 7은 본 발명의 실시예에 따른 SVR을 이용한 영상 보정 방법을 설명하는 도면이다. 도 7을 참조하면, 입력 피사체에 대한 이중 에너지 방사선 영상의 인텐서티가 주어진 경우, 미리 학습하여 생성된 보정모델(710) 및 보정모델 생성시 사용된 인텐서티-두께 데이터 세트를 참조하여 가장 가까운 거리에 위치한 인텐서티와 대응하는 두께로 매핑하여 보정한다. 따라서, 입력 피사체에 대한 이중 에너지 방사선 영상의 인텐서티가 미리 정의된 범위내의 값이 아닌 경우라 하더라도 비정상적인 값의 두께가 대응되지는 않는다.
또한, SVR은 기본적으로 비선형성을 가정한 커널을 이용하여 데이터 분포를 회귀분석함으로써, 영상화되는 피사체의 인텐서티-타겟 관계가 매우 비선형적이라고 하더라도 피팅 에러(fitting error)를 대폭 감소시킬 수 있다.
또한, 보정용 팬텀의 전체 두께 및 입력 피사체의 전체 두께를 보정 모델을 생성하기 위한 파라미터로 사용함으로써, 보정용 팬텀과 다른 전체 두께를 갖는 입력 피사체에 대해서도 피팅 에러를 대폭 감소시킬 수 있다.
도 8은 본 발명의 실시예에 따른 영상 처리 방법을 설명하는 흐름도로서, 라디오그라피 검출기 등과 같이 특수한 하드웨어를 사용하는 동작을 제외하고는 적어도 하나의 프로세서에서 동작될 수 있다.
도 8을 참조하면, 810 단계에서는 입력 피사체의 파라미터 즉, 입력 파라미터를 생성한다. 입력 파라미터에는 입력 피사체의 이중 에너지 방사선 영상에서 동일한 위치에 대하여 제1 에너지 영상의 인텐서티와 제2 에너지 영상의 인텐서티가 포함되고, 추가적으로 시험 피사체를 이용한 보정모델 생성시 시험 피사체의 전체 두께가 사용된 경우에는 입력 피사체의 전체 두께를 입력 파라미터에 포함시킬 수 있다.
830 단계에서는 810 단계에서 생성된 입력 파라미터에 보정모델을 적용시킨다. 이때, 입력 피사체의 전체 두께가 입력 파라미터에 포함된 경우에는 입력 피사체의 전체 두께에 대응하는 보정모델을 선택할 수 있다.
850 단계에서는 830 단계에서의 보정모델을 적용한 결과, 입력 파라미터의 오류를 보정하고, 보정된 입력 파라미터에 대응하는 타겟, 예를 들면 입력 피사체를 구성하는 소정 물질의 두께를 추정한다.
본 발명은 또한 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있으며, 또한 캐리어 웨이브 (예를 들어 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
상기한 설명에서 많은 사항이 구체적으로 기재되어 있으나, 그들은 발명의 범위를 한정하는 것이라기보다, 실시예의 예시로서 해석되어야 한다. 예들 들어, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면, 본 발명의 실시예에서 시험 피사체 및 입력 피사체의 파라미터의 종류와 보정용 팬텀의 구조를 다양하게 변형할 수 있음을 알 수 있을 것이다. 따라서, 본 발명의 범위는 설명된 실시예에 의하여 정하여 질 것이 아니고 특허 청구범위에 기재된 기술적 사상에 의해 정하여져야 한다.
110 : 보정모델 생성부 130 : 입력 파라미터 생성부
150 : 타겟 추정부 170 : 디스플레이부
190 : 저장부 210, 310 : 시험 영상 생성부
230, 330 : 인텐서티-타겟 매핑부
250, 350 : 학습부 320 : 부가정보 입력부

Claims (16)

  1. 시험 피사체의 파라미터로부터 얻어지는 인텐서티-타겟 데이터 세트를 학습하여 보정모델을 생성하는 단계; 및
    입력 피사체의 파라미터에 상기 보정모델을 적용하고 상기 입력 피사체의 파라미터를 보정하여 타겟을 추정하는 단계를 포함하는 영상 처리 방법.
  2. 제1 항에 있어서, 상기 시험 피사체의 파라미터는 보정용 팬텀에 대한 이중 에너지 방사선 영상으로부터 얻어지는 인텐서티이고, 상기 입력 피사체의 파라미터는 상기 입력 피사체에 대한 이중 에너지 방사선 영상으로부터 얻어지는 인텐서티인 영상 처리 방법.
  3. 제2 항에 있어서, 상기 시험 피사체의 파라미터는 상기 보정용 팬텀에 대한 부가 정보를 더 포함하고, 상기 입력 피사체의 파라미터는 상기 입력 피사체에 대한 부가 정보를 더 포함하는 영상 처리 방법.
  4. 제3 항에 있어서, 상기 부가 정보는 상기 보정용 팬텀 및 상기 입력 피사체의 전체 두께에 대한 정보이며, 상기 입력 피사체의 전체 두께에 따라서 서로 다른 보정모델을 선택하는 영상 처리 방법.
  5. 제1 항에 있어서, SVR(Support Vector Regression)을 이용하여 상기 인턴서티-타겟 데이터 세트를 학습하는 영상 처리 방법.
  6. 제2 항 또는 제 3항에 있어서, 상기 보정용 팬텀은 적어도 두가지 물질로 이루어지는 적어도 두개의 램프 웨지 팬텀을 겹쳐서 구성하는 영상 처리 방법.
  7. 제1 항에 있어서, 상기 입력 피사체의 파라미터가 상기 보정모델 생성시 사용된 인텐서티 범위 외에 존재하는 경우, 상기 입력 피사체의 파라미터를 상기 보정모델 생성시 사용된 인텐서티 범위 이내로 투사하여 상기 입력 피사체의 파라미터와 가장 가까운 거리에 위치한 인텐서티로 보정하는 영상 처리 방법.
  8. 시험 피사체의 파라미터로부터 얻어지는 인텐서티-타겟 데이터 세트를 학습하여 보정모델을 생성하는 대응 함수 생성부; 및
    입력 피사체의 파라미터에 상기 보정모델을 적용하고 상기 입력 피사체의 파라미터를 보정하여 타겟을 추정하는 타겟 추정부를 포함하는 영상 처리 장치.
  9. 제8 항에 있어서, 상기 보정모델 생성부는
    상기 시험 피사체의 파라미터로부터 얻어지는 인텐서티와 타켓을 매핑시켜 인텐서티-타겟 데이터 세트를 얻는 인텐서티-타겟 매핑부; 및
    상기 인텐서티-타겟 데이터 세트에 대하여 회귀 분석을 적용하여 학습하는 학습부를 포함하는 영상 처리 장치.
  10. 제8 항에 있어서, 상기 시험 피사체의 파라미터는 보정용 팬텀에 대한 이중 에너지 방사선 영상으로부터 얻어지는 인텐서티이고, 상기 입력 피사체의 파라미터는 상기 입력 피사체에 대한 이중 에너지 방사선 영상으로부터 얻어지는 인텐서티인 영상 처리 장치.
  11. 제10 항에 있어서, 상기 시험 피사체의 파라미터는 보정용 팬텀에 대한 부가 정보를 더 포함하고, 상기 입력 피사체의 파라미터는 상기 입력 피사체의 부가 정보를 더 포함하는 영상 처리 장치.
  12. 제11 항에 있어서, 상기 부가 정보는 상기 보정용 팬텀과 상기 입력 피사체의 전체 두께에 대한 정보이며, 상기 입력 피사체의 전체 두께에 따라서 서로 다른 보정모델을 선택하는 영상 처리 장치.
  13. 제10 항에 있어서, 상기 타겟 추정부는 상기 입력 피사체의 파라미터가 상기 보정모델 생성시 사용된 인텐서티 범위 외에 존재하는 경우, 상기 입력 피사체의 파라미터를 상기 보정모델 생성시 사용된 인텐서티 범위 이내로 투사하여 상기 입력 피사체의 파라미터와 가장 가까운 거리에 위치한 인텐서티로 보정하는 영상 처리 장치.
  14. 제8 항 내지 제13 항 중 어느 한 항에 기재된 영상 처리 장치를 채용하며, 상기 시험 피사체의 파라미터와 상기 입력 피사체의 파라미터는 각각 방사선 영상으로부터 얻어지는 인텐서티인 의료영상시스템.
  15. 제14 항에 있어서, 상기 방사선 영상은 적어도 제1 에너지 영상과 제2 에너지 영상을 포함하는 의료영상시스템.
  16. 제14 항에 있어서, 상기 영상 처리 장치가 원격지에 위치한 의료영상시스템.
KR1020100068674A 2010-07-15 2010-07-15 영상 처리 방법 및 장치와 이를 채용한 의료영상시스템 KR20120007892A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020100068674A KR20120007892A (ko) 2010-07-15 2010-07-15 영상 처리 방법 및 장치와 이를 채용한 의료영상시스템
US13/181,866 US20120014584A1 (en) 2010-07-15 2011-07-13 Method and apparatus of processing image and medical image system employing the apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020100068674A KR20120007892A (ko) 2010-07-15 2010-07-15 영상 처리 방법 및 장치와 이를 채용한 의료영상시스템

Publications (1)

Publication Number Publication Date
KR20120007892A true KR20120007892A (ko) 2012-01-25

Family

ID=45467036

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020100068674A KR20120007892A (ko) 2010-07-15 2010-07-15 영상 처리 방법 및 장치와 이를 채용한 의료영상시스템

Country Status (2)

Country Link
US (1) US20120014584A1 (ko)
KR (1) KR20120007892A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140043520A (ko) * 2012-09-21 2014-04-10 삼성전자주식회사 객체 정보 추정 장치 및 동작 방법
JP2020520701A (ja) * 2017-05-19 2020-07-16 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． Ｘ線画像における改善されたジオメトリ測定

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2973391B1 (en) 2013-03-15 2018-11-14 Koninklijke Philips N.V. Determining a residual mode image from a dual energy image
US10375318B2 (en) * 2017-09-06 2019-08-06 Xuesong Li Apparatuses and methods for optical calibration
US10856835B2 (en) 2018-07-13 2020-12-08 Loyola University Chicago Phantoms and methods of calibrating dual energy imaging systems therewith
JP2022158574A (ja) * 2021-04-02 2022-10-17 富士フイルム株式会社 学習装置、方法およびプログラム、並びに放射線画像処理装置、方法およびプログラム

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5753931A (en) * 1995-07-13 1998-05-19 Nike, Inc. Object imaging device and method using line striping
US6415051B1 (en) * 1999-06-24 2002-07-02 Geometrix, Inc. Generating 3-D models using a manually operated structured light source
US7526123B2 (en) * 2004-02-12 2009-04-28 Nec Laboratories America, Inc. Estimating facial pose from a sparse representation
JP3882929B2 (ja) * 2004-03-29 2007-02-21 セイコーエプソン株式会社 画像処理システム、プロジェクタおよび画像処理方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140043520A (ko) * 2012-09-21 2014-04-10 삼성전자주식회사 객체 정보 추정 장치 및 동작 방법
JP2020520701A (ja) * 2017-05-19 2020-07-16 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． Ｘ線画像における改善されたジオメトリ測定

Also Published As

Publication number Publication date
US20120014584A1 (en) 2012-01-19

Similar Documents

Publication Publication Date Title
KR20120007892A (ko) 영상 처리 방법 및 장치와 이를 채용한 의료영상시스템
US11972585B2 (en) Dense body marker estimation from camera data for patient positioning in medical imaging
US10492755B2 (en) Calibration phantom comprising a reflectance calibration target and a plurality of radio-opaque markers
RU2504841C2 (ru) Сегментация магнитного резонанса с использованием данных пропускания при формировании гибридных ядерных/магнитно-резонансных изображений
US8340373B2 (en) Quantitative image reconstruction method and system
US20090268953A1 (en) Method for the automatic adjustment of image parameter settings in an imaging system
JP5399826B2 (ja) デジタル乳房造影化した画像表示からある量の濃厚組織を得るための方法
CN108292428A (zh) 图像重建的系统和方法
JPH0614193A (ja) ディジタル放射線画像における自動階調スケール生成方法
CN103796587A (zh) 无校准双能量射线照相方法
US7775714B2 (en) Methods of assessing performance in an imaging system
US9374565B2 (en) System and method for multi-material correction of image data
KR20120041557A (ko) 영상을 처리하는 방법, 이를 수행하는 영상처리장치 및 의료영상시스템
CN104939848A (zh) 单色图像的生成
US20190231294A1 (en) System and method for detecting anatomical regions
EP2662835A2 (en) Method of reconstructing image and apparatus and tomography apparatus for performing the same
US20200320705A1 (en) System and method for assessing a pulmonary image
CN113743814A (zh) 医学影像质量评价和处理方法、装置、设备和介质
US7680352B2 (en) Processing method, image processing system and computer program
CN105374014B (zh) 图像校正方法及装置、医学图像生成方法及装置
CN110916703A (zh) 扫描剂量调制方法、装置、扫描设备及存储介质
CN104657987A (zh) 基于pet/ct图像质量客观算法的评价方法及系统
US20090190716A1 (en) Sensitometric response mapping for radiological images
US20230144823A1 (en) Apparatus for generating an augmented image of an object
Khobragade et al. CT automated exposure control using a generalized detectability index

Legal Events

Date Code Title Description
WITN Withdrawal due to no request for examination