KR20130011552A - 의료 영상 시스템에서 영상 보조 검출 장치 및 방법 - Google Patents

의료 영상 시스템에서 영상 보조 검출 장치 및 방법 Download PDF

Info

Publication number
KR20130011552A
KR20130011552A KR1020110072782A KR20110072782A KR20130011552A KR 20130011552 A KR20130011552 A KR 20130011552A KR 1020110072782 A KR1020110072782 A KR 1020110072782A KR 20110072782 A KR20110072782 A KR 20110072782A KR 20130011552 A KR20130011552 A KR 20130011552A
Authority
KR
South Korea
Prior art keywords
image
sinogram
preprocessing
feature points
preprocessed
Prior art date
Application number
KR1020110072782A
Other languages
English (en)
Inventor
임내현
김동현
양승욱
최병욱
Original Assignee
삼성전자주식회사
연세대학교 산학협력단
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, 연세대학교 산학협력단 filed Critical 삼성전자주식회사
Priority to KR1020110072782A priority Critical patent/KR20130011552A/ko
Publication of KR20130011552A publication Critical patent/KR20130011552A/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
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing

Landscapes

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

Abstract

본 발명은 의료 영상 시스템에 관한 것으로, 특히 의료 영상 시스템에서 복원 전 의료 영상을 검출하기 위한 영상 보조 검출 장치 및 방법에 관한 것이다. 본 발명에 따른 의료 영상 시스템에서 영상 보조 검출 방법은, 사이노그램(sinogram)의 형태를 가진 영상에서 소정값 이상의 신호강도를 가지는 특징점들이 가시화되도록 선처리하는 과정과, 상기 선처리된 영상을 저장하는 과정을 포함한다.

Description

의료 영상 시스템에서 영상 보조 검출 장치 및 방법{IMAGE COMPUTER-AIDED DIAGNOSIS APPARATUS AND METHOD IN MEDICAL IMAGE SYSTEM}
본 발명은 의료 영상 시스템에 관한 것으로, 특히 의료 영상 시스템에서 복원 전 의료 영상을 검출하기 위한 영상 보조 검출 장치 및 방법에 관한 것이다.
보조 검출(Computer-Aided Diagnosis, 이하 CAD) 기술은 영상영역(image space)에서 병변(lesion)으로 의심되는 영역들을 추출(extraction)하거나 표시(prompt)하는 기술이다. 이러한 CAD 기술은 임상적으로 혈관 동맥류(aneurysm), 암조직(cancer tissue)과 전이(metastasis), 폐결절(pulmonary nodule), 종양(tumor) 등을 검출하는 데에 널리 쓰이며, 상기 병변으로 의심되는 부분들을 추출 혹은 표시해내는 것이 기술의 핵심이다. 또한 CAD 기술은 병변 이외에도 영상에 나타나는 특정 인체 구조만을 주변으로부터 분리해내는 것(일 예로, 헤드(Head) 컴퓨터 단층촬영(Computed tomography, 이하 CT) 영상에서 두개골(skull)을 제외한 뇌만을 분리)이 가능하다.
한편, 상기 CT 영상 혹은 양전자 단층촬영(Positron Emission Tomography, 이하 PET) 영상을 위한 영상 장비들은 환자로부터 데이터를 관심 부위에 대한 일정 각도에서의 프로젝션(projection)의 형태로 영상을 획득한다. 여기서, 상기 일정 각도에서의 프로젝션의 형태로 획득된 영상은 사이노그램(sinogram)으로 형성된다.
임상에서는 상기 sinogram의 데이터가 전체 검사영역크기(full scanning field of view)로 얻어지지만, 그 데이터 용량이 방대하여 의료영상저장전송시스템(Picture Archiving Communication System, 이하 PACS)에 하루 또는 이틀 동안만 저장이 된 후, 삭제된다. 그리고 sinogram을 영상으로 복원하는 경우에는 sinogram 전체를 복원하지 않고 일부만 복원에 이용하게 되어 많은 정보가 누락되기도 한다. 또한 스파이럴(spiral) CT 영상의 경우에는 sinogram의 데이터가 연속적으로 얻어지기 때문에 이론적으로는 어떠한 횡단면의 영상도 복원하여 얻을 수 있지만, 데이터의 저장이 어렵기 때문에 그 유용성이 충분히 활용되고 있지 않다. 또한 임상에서는 판독의사의 필요에 따라 같은 영상을 다른 형태의 복원 알고리즘을 통해 복원하여 영상을 다시 판독해야 하는 경우도 발생한다. 하지만 상기한 바와 같이 sinogram의 데이터는 오랜 기간 동안 저장되지 않기 때문에 불편함을 겪고 있다.
이 밖에 현재까지 영상이 아닌 의료 영상 데이터 그 자체를 이용한 연구 및 기술은 주로 복원된 영상의 신호 대 잡음 비(SNR) 등을 향상 시키기 위한 필터링이 대부분을 이루며, sinogram의 형태를 가진 데이터의 경우는 이 밖에도 데이터 자체를 이용하여 영상에서 발생하는 모션(motion) 보정 혹은 금속 물질로 인해 발생하는 인공물(artifact) 보정에 응용되고 있다. 또한 sinogram 형태를 가진 데이터로부터 촬영된 물체의 윤곽선 혹은 형태의 세그먼테이션(segmentation)에 관련된 연구는 진행 중에 있으나 이는 CAD 기술에의 적용에 미치지 못한 상태이다.
본 발명은 의료 영상 시스템에서 영상 보조 검출 장치 및 방법을 제공한다.
또한 본 발명은 의료 영상 시스템에서 복원 전 의료 영상을 검출하기 위한 영상 보조 검출 장치 및 방법을 제공한다.
본 발명에 따른 의료 영상 시스템에서 영상 보조 검출 장치는, 사이노그램(sinogram)의 형태를 가진 영상에서 소정 값 이상의 신호강도를 가지는 특징점들이 가시화되도록 선처리하는 선처리부와, 상기 선처리된 영상을 저장하는 저장부를 포함한다.
또한 본 발명에 따른 의료 영상 시스템에서 영상 보조 검출 방법은, 사이노그램(sinogram)의 형태를 가진 영상에서 소정값 이상의 신호강도를 가지는 특징점들이 가시화되도록 선처리하는 과정과, 상기 선처리된 영상을 저장하는 과정을 포함한다.
본 발명을 통해 영상 영역이 아닌 복원 전 영상 데이터(unreconstructed data)에서의 CAD가 가능해진다. 그리고 본 발명은 sinogram의 형태를 가진 영상으로부터 전체 영상이 아닌 특정 관심 부위만을 분리하여 저장할 수 있기 때문에, 해당 기술이 구현될 수 있는 병원 내 의료 시스템에서 데이터의 운용을 효율적으로 할 수 있다. 또한 본 발명은 임상에서 판독의가 관심 부위에 대한 영상을 다시 접하여 추가적인 판단을 내리는 데에도 도움이 될 것으로 기대된다.
한편 그 외의 다양한 효과는 후술될 본 발명의 실시 예에 따른 상세한 설명에서 직접적 또는 암시적으로 개시될 것이다.
도 1은 본 발명의 실시 예에 따른 CAD 장치의 구성을 나타낸 도면,
도 2는 Central section theorem을 나타낸 도면,
도 3은 Central section theorem를 이용하여 k-space의 형태를 가진 영상을 sinogram의 형태를 가진 영상으로 변환하는 일 예를 나타낸 도면,
도 4는 본 발명의 실시 예에 따라 Top-Hat Transform을 이용하여 선처리하는 방법을 나타낸 도면,
도 5는 본 발명의 실시 예에 따른 CAD 장치에서의 보조 검출 방법을 나타낸 도면,
도 6은 본 발명의 실시 예에 따른 CAD 장치에서의 보조 검출 동작의 흐름을 일 예의 데이터에 적용시켜 개괄적으로 도시한 도면,
도 7은 본 발명의 실시 예에 따른 CAD 장치에서의 보조 검출 방법을 이용하는 일 예를 도시한 도면.
이하, 본 발명에 따른 바람직한 실시 예를 첨부한 도면을 참조하여 상세히 설명한다. 하기의 설명에서는 본 발명에 따른 동작을 이해하는데 필요한 부분만이 설명되며 그 이외 부분의 설명은 본 발명의 요지를 흩트리지 않도록 생략될 것이라는 것을 유의하여야 한다.
본 발명의 주요한 요지는, 의사가 실제로 보게 되는 의료 영상이 아닌 sinogram의 형태를 가진 복원(재구축) 전의 의료 영상(unreconstructed data)에서 분리된 영상의 특징점만을 검출하여 저장하는 것이다. 본 발명에서 Sinogram의 형태를 가진 영상으로부터 검출된 특징점 정보는 풀(full) sinogram의 형태를 가진 영상보다 적은 정보량을 가지게 된다. 기존의 의료 영상 시스템에서는 로우 데이터(raw data)의 정보량이 방대하기 때문에, row data를 영상으로 전환한 후에 삭제한다. 이에 기존의 의료 영상 시스템에서는 raw data를 다시 이용하여 필요에 따라 다른 알고리즘을 통해 영상으로 복원하는 것이 어려웠다. 본 발명은 이러한 raw data의 중요도 및 유용성을 증대시키기 위해 원하는 특징점(병변 또는 특정 인체 구조)만을 원본 영상 데이터로부터 분리해내어 따로 저장하는 방안을 제안한다.
이하, 도면을 참조하여 본 발명의 CAD 장치 및 방법에 대하여 상세히 설명하기로 한다.
도 1은 본 발명의 실시 예에 따른 CAD 장치의 구성을 보이고 있다.
도 1을 참조하면, CAD 장치는 변환부(110), 선처리부(130), 검출부(150) 및 저장부(170)를 포함한다.
상기 변환부(110)는 입력된 영상이 sinogram의 형태를 가진 영상인지 확인한다. 여기서, CT 및 PET와 같은 영상 장비의 경우에는 엑스-레이(x-ray) 이미터(emitter) & 디텍터(detector) 쌍이 영상화되는 물체 주변을 회전하며 데이터를 얻어 자동으로 sinogram의 형태를 가진 영상을 출력한다. 하지만 MRI와 같은 영상 장비의 경우에는 신호의 주파수 및 에너지에 따라 데이터를 배열하는 케이-스페이스(k-space)의 형태를 가진 영상을 출력한다. 즉, 변환부(110)는 CT 및 PET와 같은 영상 장비로부터 영상을 입력받는 경우 sinogram의 형태를 가진 영상을 입력받고, MRI와 같은 영상 장비로부터 영상을 입력 받는 경우 k-space의 형태를 가진 영상을 입력받는다.
따라서, 변환부(110)는 입력된 영상이 sinogram의 형태를 가진 영상인 경우 추가적인 변환과정 없이 입력된 sinogram의 형태를 가진 영상을 선처리부(130)로 전달한다. 반면, 변환부(110)는 입력된 영상이 k-space의 형태를 가진 영상인 경우 도 2 및 도 3과 같은 센트럴 섹션 정리(Central section theorem)를 이용하여 입력된 k-space의 형태를 가진 영상을 sinogram의 형태를 가진 영상으로 변환한다.
도 2는 Central section theorem을 보이고 있다.
도 2를 참조하면, 일정한 각도
Figure pat00001
에서의
Figure pat00002
의 프로젝션(projection)을
Figure pat00003
라 하고,
Figure pat00004
를
Figure pat00005
의 2차원 푸리에 트랜스폼(2D Fourier Transform)이라 하면,
Figure pat00006
의 1차원 푸리에 트랜스폼(1D Fourier Transform)은
Figure pat00007
의 중심을 같은 각도
Figure pat00008
를 이루며 지나는 선의 2D Fourier Transform과 같다.
Figure pat00009
=0인 경우에 대해
Figure pat00010
의 1D Fourier Transform은 아래 <수학식 1>과 같이 나타낼 수 있다.
Figure pat00011
따라서
Figure pat00012
의 1D Fourier Transform은
Figure pat00013
=0일때의 k-space의 한 선과 같아진다.
도 3은 Central section theorem를 이용하여 k-space의 형태를 가진 영상을 sinogram의 형태를 가진 영상으로 변환하는 일 예를 보이고 있다.
도 3을 참조하면, k-space의 형태를 가진 영상(a)의 중심을 지나는 선의 각도를 바꿔가며 각각 1DFT를 한 후, 이를 순차적으로 쌓아주면 sinogram의 형태를 가진 영상(b)를 얻을 수 있다. 여기서, 본 발명에 적용시킬 수 있는 영상은 본 발명의 실시 예에서 사용한 뇌 영상(brain imaging) 뿐만 아니라 임상적 상황에서 필요로 하는 어떠한 영상에도 적용이 가능하다.
상기 선처리부(130)는 sinogram의 형태를 가진 영상에서 나타나는 특징점을 부각시키고 배경 신호를 억제시키는(즉, 특징점을 가시화하는) 선처리를 수행한다. 기본적으로 영상에서 높은 신호강도를 가지는 특징점은 sinogram의 형태를 가진 영상에서도 밝게 나타나기 때문에 기존에 개발된 여러 필터 혹은 변환(transform) 기법을 통해 구현될 수 있으며, 상기 선처리부(130)에서는 대표적으로 탑-햇 변환(Top-Hat Transform)을 이용하는 방안을 제안한다.
도 4는 본 발명의 실시 예에 따라 Top-Hat Transform을 이용하여 선처리하는 방법을 보이고 있다.
도 4를 참조하면, Top-hat transform은 그레이스케일(grayscale) 영상으로부터 작은 특징 혹은 모양을 분리해내는 형태학의 오퍼레이션(morphological operation)을 말한다. 만약 f를 대상 그레이스케일 영상, b를 스트럭쳐링 엘리먼트(structuring element)라 하면, f의 top-hat transform(Tw(f))은 아래 <수학식 2>와 같이 나타낼 수 있다.
Figure pat00014
여기서 o는 오프닝 오퍼레이션(opening operation)을 말하며, Tw(f)는 f를 b로 에로딩(eroding) 한 후, 그 결과를 다시 본 영상에서 빼주는 과정을 포함한다. Tw(f)는 입력 영상 f중 b보다 '작고', 주변보다 '밝은' 부분을 추출해내기 때문에, b를 잘 지정해주면 효과적으로 sonogram의 형태를 가진 영상에 나타나는 특징점을 배경으로부터 분리할 수 있다. 일 예로, 도 4에서 여러 가지 structuring element 중 영상에서 나타나는 병변의 형태를 잘 표현하는 디스크(disk) 모양을 이용하여 Top-hat transform을 통한 특징점을 가시화하는 선처리 과정을 나타내었다.
상기 선처리부(130)에서 상기 선처리된 sinogram의 형태를 가진 영상은 저장부(170)에 전달되어 저장될 수도 있고, 검출부(150)에 전달되어 추가적으로 상기 선처리된 sinogram의 형태를 가진 영상에서 배경의 신호 잡음이 제거될 수도 있다.
즉, 상기 선처리부(130)를 실제 영상(뇌영상 등)에 적용했을 때 영상에 잡음이 많이 복원되지만 영상의 질이 보장되지 않는다. 따라서 검출부(150)는 선처리부(130)에서 선처리된 sinogram의 형태를 가진 영상으로부터 특징점들을 완전히 분리해내어 상기 분리된 특징점들을 이용해 영상 마스크를 만들거나, 신호 강도 경계화(intensity threshold) 기법을 이용하여 배경의 신호 잡음을 제거한다. 그리고 상기 검출부(150)는 선처리된 sinogram의 형태를 가진 영상에서 배경의 신호 잡음이 제거된 영상을 저장부(170)로 전달한다.
그리고 상기 저장부(170)는 선처리부(130)로부터 전달받은 특징점 또는 검출부(150)로부터 전달받은 특징점에서 배경의 신호 잡음이 제거된 영상을 저장한다.
도 5는 본 발명의 실시 예에 따른 CAD 장치에서의 보조 검출 방법을 보이고 있다.
도 5를 참조하면, 501 단계에서 변환부(110)는 영상 장비로부터 sinogram의 형태를 가진 영상 또는 k-space의 형태를 가진 영상을 입력받는다. 그리고 503 단계에서 변환부(110)는 상기 입력된 영상이 sinogram의 형태를 가진 영상인지 확인하여, sinogram의 형태를 가진 영상인 경우 507 단계로 진행하고, sinogram의 형태를 가진 영상이 아닌 경우(즉, k-space의 형태를 가진 영상인 경우) 505 단계로 진행한다. 상기 505 단계에서 변환부(110)는 도 2 및 도 3에 도시한 Central section theorem를 이용하여 입력된 k-space의 형태를 가진 영상을 sinogram의 형태를 가진 영상으로 변환한다.
그리고 507 단계에서 선처리부(130)는 도 4에 도시한 Top-Hat Transform 을 이용하여 sinogram의 형태를 가진 영상에서 나타나는 특징점을 부각시키고 배경 신호를 억제시키는 선처리를 수행한다.
509 단계에서 검출부(150)는 상기 선처리된 sinogram의 형태를 가진 영상으로부터 특징점들을 완전히 분리해내어 상기 분리된 특징점들을 이용해 영상 마스크를 만들거나, 신호 강도 경계화 기법을 이용하여 배경의 신호 잡음을 제거한다. 여기서, 509 단계를 부가적인 동작으로 CAD 장치의 구현에 따라 수행되지 않을 수도 있다.
511 단계에서 저장부(170)는 상기 507 단계 또는 상기 509 단계로부터 전달받은 영상을 저장한다. 즉, 511 단계에서 저장부(170)는 입력된 sinogram의 형태를 가진 영상으로부터 분리된 특징점들을 저장할 수 있다.
이하, 도 6 및 도 7을 참고하여 본 발명의 실시 예에 따른 CAD 장치에서의 보조 검출 동작의 흐름을 설명하기로 한다.
도 6은 본 발명의 실시 예에 따른 CAD 장치에서의 보조 검출 동작의 흐름을 일 예의 데이터에 적용시켜 개괄적으로 보이고 있다.
도 6을 참고하면, 본 발명의 실시 예에 따라 CAD 장치에서 획득된 sinogram의 형태를 가진 영상으로부터 영상 선처리 및 특징 분할 과정이 수행되면, 영상 데이터 크기가 확연히 줄기 때문에, 영상 데이터를 저장 및 전송하는 것이 용이해 질 수 있다.
도 7은 본 발명의 일 실시예의 효과를 표현한 모식도이다.
상기 설명한 바와 같이 기존의 sinogram의 형태를 가진 영상 데이터들은 용량이 커서 오랜 기간 동안 보관하는 것이 어려웠고, 이 때문에 판독의가 추후에 같은 영상 데이터를 다시 접하여 추가적인 작업을 하는 것이 어려웠다. 그러나 본 발명은 복원 전 의료 데이터의 유용성을 CAD 기술을 통해 구현하여, 입력된 sinogram의 형태를 가진 영상에서 특징점만을 분리해낸 영상 데이터를 저장 및 전송함으로 데이터량을 줄이고, 추후 판독의들에게 저장된 영상 데이터를 제공할 수 있다.
한편 본 발명의 상세한 설명에서는 구체적인 실시 예에 관해 설명하였으나, 본 발명의 범위에서 벗어나지 않는 한도 내에서 여러 가지 변형이 가능함은 물론이다. 그러므로 본 발명의 범위는 설명된 실시 예에 국한되어 정해져서는 안되며 후술하는 특허 청구의 범위뿐만 아니라 이 특허 청구의 범위와 균등한 것들에 의해 정해져야 한다.

Claims (12)

  1. 의료 영상 시스템에서 영상 보조 검출 장치에 있어서,
    사이노그램(sinogram)의 형태를 가진 영상에서 소정 값 이상의 신호강도를 가지는 특징점들이 가시화되도록 선처리하는 선처리부와,
    상기 선처리된 영상을 저장하는 저장부를 포함하는 영상 보조 검출 장치.
  2. 제 1 항에 있어서, 상기 선처리부는,
    적어도 하나의 필터 또는 변환 기법을 이용하여 선처리함을 특징으로 하는 영상 보조 검출 장치.
  3. 제 1 항에 있어서, 상기 선처리부는,
    탑-햇 변환(Top-Hat Transform)을 이용하여 선처리함을 특징으로 하는 영상 보조 검출 장치.
  4. 제 1 항에 있어서,
    영상 장비로부터 입력된 영상이 k-space의 형태를 가진 영상인 경우, 상기 k-space의 형태를 가진 영상을 상기 sinogram의 형태를 가진 영상으로 변환하는 변환부를 더 포함하는 영상 보조 검출 장치.
  5. 제 4 항에 있어서, 상기 변환부는,
    센트럴 섹션 정리(Central section theorem)를 이용하여 변환함을 특징으로 하는 영상 보조 검출 장치.
  6. 제 1 항에 있어서,
    상기 선처리된 영상으로부터 상기 특징점들을 분리하고 상기 분리된 특징점들을 이용해 영상 마스크를 만들거나, 또는 신호 강도 경계화 기법을 이용하여 상기 선처리된 영상에서 배경의 신호 잡음을 제거하는 검출부를 더 포함하는 영상 보조 검출 장치.
  7. 의료 영상 시스템에서 영상 보조 검출 방법에 있어서,
    사이노그램(sinogram)의 형태를 가진 영상에서 소정값 이상의 신호강도를 가지는 특징점들이 가시화되도록 선처리하는 과정과,
    상기 선처리된 영상을 저장하는 과정을 포함하는 영상 보조 검출 방법.
  8. 제 7 항에 있어서, 상기 선처리하는 과정은,
    적어도 하나의 필터 또는 변환 기법을 이용하여 선처리함을 특징으로 하는 영상 보조 검출 방법.
  9. 제 7 항에 있어서, 상기 선처리하는 과정은,
    탑-햇 변환(Top-Hat Transform)을 이용하여 선처리함을 특징으로 하는 영상 보조 검출 방법.
  10. 제 7 항에 있어서,
    영상 장비로부터 입력된 영상이 k-space의 형태를 가진 영상인 경우, 상기 k-space의 형태를 가진 영상을 상기 sinogram의 형태를 가진 영상으로 변환하는 과정을 더 포함하는 영상 보조 검출 방법.
  11. 제 10 항에 있어서, 상기 변환하는 과정은,
    센트럴 섹션 정리(Central section theorem)를 이용하여 변환함을 특징으로 하는 영상 보조 검출 방법.
  12. 제 7 항에 있어서,
    상기 선처리된 영상으로부터 상기 특징점들을 분리하고 상기 분리된 특징점들을 이용해 영상 마스크를 만들거나, 또는 신호 강도 경계화 기법을 이용하여 상기 선처리된 영상에서 배경의 신호 잡음을 제거하는 검출 과정을 더 포함하는 영상 보조 검출 방법.
KR1020110072782A 2011-07-22 2011-07-22 의료 영상 시스템에서 영상 보조 검출 장치 및 방법 KR20130011552A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020110072782A KR20130011552A (ko) 2011-07-22 2011-07-22 의료 영상 시스템에서 영상 보조 검출 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020110072782A KR20130011552A (ko) 2011-07-22 2011-07-22 의료 영상 시스템에서 영상 보조 검출 장치 및 방법

Publications (1)

Publication Number Publication Date
KR20130011552A true KR20130011552A (ko) 2013-01-30

Family

ID=47840490

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020110072782A KR20130011552A (ko) 2011-07-22 2011-07-22 의료 영상 시스템에서 영상 보조 검출 장치 및 방법

Country Status (1)

Country Link
KR (1) KR20130011552A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101950815B1 (ko) * 2017-08-25 2019-02-21 뉴로핏 주식회사 패치 가이드 방법 및 프로그램

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101950815B1 (ko) * 2017-08-25 2019-02-21 뉴로핏 주식회사 패치 가이드 방법 및 프로그램

Similar Documents

Publication Publication Date Title
US10363010B2 (en) Method for breast screening in fused mammography
KR102114415B1 (ko) 의료 영상 정합 방법 및 장치
US9098935B2 (en) Image displaying apparatus, image displaying method, and computer readable medium for displaying an image of a mammary gland structure without overlaps thereof
US8634628B2 (en) Medical image processing apparatus, method and program
EP3447733B1 (en) Selective image reconstruction
US20130190602A1 (en) 2d3d registration for mr-x ray fusion utilizing one acquisition of mr data
JP6381895B2 (ja) 画像処理装置、画像処理方法およびｘ線診断装置
WO2018043575A1 (ja) 画像処理装置、画像処理方法およびプログラム
CN106780649B (zh) 图像的伪影去除方法和装置
JP2005199057A (ja) 肺画像データの位置合わせのための方法及び装置
US20150363963A1 (en) Visualization With Anatomical Intelligence
KR20140089669A (ko) 영상에서 스펙클을 제거하는 방법, 장치 및 시스템.
JP5388638B2 (ja) 画像処理装置および画像処理プログラム
CN115100067A (zh) 图像重建方法及装置
JP6301277B2 (ja) 診断補助画像生成装置および診断補助画像生成方法、並びに、診断補助画像生成プログラム
WO2011050454A1 (en) Bone imagery segmentation method and apparatus
CN101866487B (zh) 从医学图像中提取身体部位的方法和系统
JP2007029514A (ja) 画像解析装置、画像解析方法およびそのプログラム
Al-Ashwal et al. Digital processing for computed tomography images: brain tumor extraction and histogram analysis
Ambily et al. Brain tumor detection using image fusion and neural network
JP6275157B2 (ja) 画像データに基づく組織表面ラフネスの定量化、及びそれに基づく疾患の存在の決定
Carminati et al. Reconstruction of the descending thoracic aorta by multiview compounding of 3-d transesophageal echocardiographic aortic data sets for improved examination and quantification of atheroma burden
KR20130011552A (ko) 의료 영상 시스템에서 영상 보조 검출 장치 및 방법
JP2015136480A (ja) ３次元医用画像表示制御装置およびその作動方法並びに３次元医用画像表示制御プログラム
JP2006043200A (ja) 脳内出血／くも膜下出血診断支援システム

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application