KR20140067526A - 의료 영상들의 정합 방법 및 장치 - Google Patents

의료 영상들의 정합 방법 및 장치 Download PDF

Info

Publication number
KR20140067526A
KR20140067526A KR1020120134868A KR20120134868A KR20140067526A KR 20140067526 A KR20140067526 A KR 20140067526A KR 1020120134868 A KR1020120134868 A KR 1020120134868A KR 20120134868 A KR20120134868 A KR 20120134868A KR 20140067526 A KR20140067526 A KR 20140067526A
Authority
KR
South Korea
Prior art keywords
medical
image
medical image
medical device
images
Prior art date
Application number
KR1020120134868A
Other languages
English (en)
Other versions
KR102001219B1 (ko
Inventor
김정배
황영규
방원철
오영택
김도균
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 KR1020120134868A priority Critical patent/KR102001219B1/ko
Priority to CN201310393995.8A priority patent/CN103839251A/zh
Priority to US14/088,787 priority patent/US10542955B2/en
Priority to EP13194482.9A priority patent/EP2736015A1/en
Publication of KR20140067526A publication Critical patent/KR20140067526A/ko
Application granted granted Critical
Publication of KR102001219B1 publication Critical patent/KR102001219B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/38—Registration of image sequences
    • 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
    • G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
    • 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
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
    • A61B6/5264—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise due to motion
    • 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
    • A61B6/12—Arrangements for detecting or locating foreign bodies
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10084—Hybrid tomography; Concurrent acquisition with multiple different tomographic modalities
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Public Health (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Optics & Photonics (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Biophysics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Computer Graphics (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

의료 영상들을 정합하는 방법이 개시된다. 본 발명의 일 실시예에 따른 의료 영상 정합 방법은, 관심 볼륨(VOI) 내에서 선택된 제1 단면에 대하여 제1 의료 장치가 촬영한 제1 의료 영상을 획득하는 단계; 상기 제1 의료 영상에 나타난 해부학적 특징에 기초하여 상기 관심 볼륨(VOI)에 대하여 미리 촬영된 제2 의료 영상들의 세트로부터 상기 제1 단면에 대응하는 단면 영상을 검출하는 단계; 상기 검출된 단면 영상과 상기 제1 의료 영상에 기초하여, 상기 제1 의료 장치와 상기 제2 의료 영상들 촬영한 제2 의료 장치가 사용하는 가상의 좌표계를 맵핑하는 단계; 및 상기 맵핑된 가상의 좌표계를 이용하여 상기 제1 의료 장치가 촬영하는 단면의 이동을 상기 제2 의료 영상들의 세트에서 추적하는 단계를 포함한다.

Description

의료 영상들의 정합 방법 및 장치{Method and Apparatus of matching medical images}
복수개의 의료 영상들을 정합하는 방법 및 장치에 관한 발명이다.
최근 의료기술의 발달로 인해 높은 해상도의 의료영상을 얻을 수 있고 의료 기구의 미세한 조작이 가능해 짐에 따라서, 인체의 직접적인 절개를 하지 않고도 피부에 작은 구멍을 만든 뒤 혈관 혹은 기타 원하는 신체 부위에 직접 카테터나 의료용 바늘을 넣고 의학 영상 장비로 몸속을 관찰하면서 치료하는 방법이 개발되고 있다. 이를 "영상을 이용하는 시술법", "인터벤션(Interventional) 영상 시술법" 또는 "중재적 영상 시술법"이라고 부른다. 시술자는 장기나 병변의 위치를 영상을 통해 파악한다. 게다가 시술을 하는 동안 환자는 호흡을 하거나 움직이게 되는데 이에 따른 변화를 파악해야한다. 따라서 시술자는 실시간 영상을 토대로 호흡이나 움직임을 정확하고 빠르게 파악하여 시술을 시행해야 하는데, 이 때 실시간 영상에서 장기와 병변의 형상을 육안으로 파악하기 쉽지 않다. 초음파 영상과 대조적으로, MR(Magnetic Resonance) 또는 CT 영상은 장기와 병변 명확히 식별할 수 있다. 하지만, MR 또는 CT 영상은 의료 시술 중 실시간으로 영상이 획득될 수 없기 때문에, 의료 시술 중 발생되는 환자의 호흡과 움직임이 반영되지 않는 단점이 있다.
의료 시술중 의료 영상을 촬영하는 제1 의료 장치와 의료 시술 이전에 의료 영상을 촬영하는 제2 의료장치가 사용하는 가상의 좌표계를 맵핑시킴으로써 제1 의료 장치와 제2 의료 장치가 촬영한 의료 영상들을 신속하고 정확하게 정합하는 방법 및 장치를 제공한다. 또한, 상기 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체를 제공하는데 있다. 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상기된 기술적 과제를 이루기 위하여 본 발명의 일 실시예에 따른 의료 영상들의 정합 방법은, 관심 볼륨(VOI) 내에서 선택된 제1 단면에 대하여 제1 의료 장치가 촬영한 제1 의료 영상을 획득하는 단계; 상기 제1 의료 영상에 나타난 해부학적 특징에 기초하여 상기 관심 볼륨(VOI)에 대하여 미리 촬영된 제2 의료 영상들의 세트로부터 상기 제1 단면에 대응하는 단면 영상을 검출하는 단계; 상기 검출된 단면 영상과 상기 제1 의료 영상에 기초하여, 상기 제1 의료 장치와 상기 제2 의료 영상들 촬영한 제2 의료 장치가 사용하는 가상의 좌표계를 맵핑하는 단계; 및 상기 맵핑된 가상의 좌표계를 이용하여 상기 제1 의료 장치가 촬영하는 단면의 이동을 상기 제2 의료 영상들의 세트에서 추적하는 단계를 포함한다.
본 발명의 다른 일 측면에 따라서 상기된 의료 영상 정합 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체가 제공된다.
상기된 기술적 과제를 이루기 위하여 본 발명의 일 실시예에 따른 의료 영상들의 정합 장치는, 관심 볼륨(VOI) 내에서 선택된 제1 단면에 대하여 제1 의료 장치가 촬영한 제1 의료 영상을 획득하는 제1 의료 영상 획득부; 상기 제1 의료 영상에 나타난 해부학적 특징에 기초하여 상기 관심 볼륨(VOI)에 대하여 미리 촬영된 제2 의료 영상들의 세트로부터 상기 제1 단면에 대응하는 단면 영상을 검출하는 검출부; 상기 검출된 단면 영상과 상기 제1 의료 영상에 기초하여, 상기 제1 의료 장치와 상기 제2 의료 영상들 촬영한 제2 의료 장치가 사용하는 가상의 좌표계를 맵핑하는 좌표 변환부; 및 상기 맵핑된 가상의 좌표계를 이용하여 상기 제1 의료 장치가 촬영하는 단면의 이동을 상기 제2 의료 영상들의 세트에서 추적하는 영상 출력부를 포함한다.
본 발명의 일 실시예에 따르면, 제1 의료 장치와 제2 의료 장치가 촬영한 의료 영상들을 정합시 복잡하고 번거로운 수동 정합 과정을 생략할 수 있으므로 보다 정확하고 신속하게 정합을 수행할 수 있다.
도 1은 본 발명의 일 실시예에 따른 의료 영상 정합 시스템의 구성을 도시한 도면이다.
도 2는 본 발명의 일 실시예에 따른 의료 영상 정합 방법의 흐름을 도시한 도면이다.
도 3은 본 발명의 일 실시예에 따른 의료 영상 정합 방법에서 평면 정합 과정을 도시한 도면이다.
도 4는 본 발명의 일 실시예에 따른 의료 영상 정합 방법에서 좌표변환 함수의 생성 과정을 도시한 도면이다.
도 5는 본 발명의 일 실시예에 따른 의료 영상 정합 방법에서 특징점 정합과 가상 좌표계의 보정 과정을 도시한 도면이다.
도 6은 도 5의 특징점 정합 과정에서 영상의 출력 과정을 도시한 도면이다.
도 7은 도 5의 특징점 정합 과정에서 특징점(P2)의 검출 과정을 도시한 도면이다.
도 8은 본 발명의 일 실시예에 따라서 정합된 영상의 출력 과정을 도시한 도면이다.
도 9A는 본 발명의 일 실시예에 따른 의료 영상 정합 장치를 도시한 도면이다.
도 9B는 도 9A의 의료 영상 정합 장치의 보다 상세한 구조를 도시한 도면이다.
도 10은 본 발명의 일 실시예에 따른 의료 영상 정합 방법에서 평면 정합 과정의 의료 영상들을 도시한 도면이다.
도 11은 본 발명의 일 실시예에 따른 의료 영상 정합 방법에서 특징점 정합 과정의 의료 영상들을 도시한 도면이다.
도 12는 본 발명의 일 실시예에 따른 의료 영상 정합 방법에서 세그멘테이션된 해부학적 개체들을 도시한 도면이다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예들을 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 의료 영상 정합 시스템의 구성을 도시한 도면이다.
도 1은 본 발명의 일 실시예에 따른 의료 영상 정합 시스템의 구성을 도시한 도면이다. 도 1을 참조하면 의료 영상 정합 시스템(100)은 제1 의료 장치(120), 제2 의료 장치(110), 의료 영상 정합 장치(130) 및 영상 표시 장치(140)를 포함한다.
제2 의료 장치(110)는 의료 시술 이전에 대상체의 관심 볼륨(VOI : Volume of Interest)에 대한 제2 의료 영상들의 세트를 생성한다. 예컨대, 제2 의료 장치(110)는 CT(computed tomography) 영상 장치 또는 MR(magnetic resonance)영상 장치로 X-ray 영상 장치 또는 PET 영상 장치 중 어느 하나로 구성될 수 있다. 이하에서는 설명의 편의를 위하여 제2 의료 영상들은 MR 또는 CT 영상인 것으로 가정한다. 제2 의료 장치(110)에서 생성한 CT 영상 또는 MR 영상의 경우 장기의 위치나 병변의 위치가 명확하게 구별이 되는 장점이 있다. 하지만 CT(computed tomography)영상 이나 MR(magnetic resonance)영상은 시술하는 동안 환자가 호흡을 하거나 뒤척일 때 장기가 변형되거나 위치가 변할 수 있는데 상기 실시간적인 변화를 반영한 영상을 얻을 수 없는 단점이 있다. 실시간으로 영상을 출력할 수 없는 각각의 이유는 CT(computed tomography)영상의 경우 방사선을 이용한 촬영방법이기 때문에 환자와 시술자가 장시간 방사능에 노출될 우려가 있기 때문에 짧은 시간의 촬영이 권장되며, MR(magnetic resonance)영상의 경우 한번 촬영하는데 시간이 오래 걸리기 때문이다.
제1 의료 장치(120)는 대상체의 관심 볼륨에 대하여 실시간으로 의료 영상을 제공한다. 예컨대, 제1 의료 장치(120)는 환자에 대한 중재적 의료 시술과정에서 실시간 영상을 생성하는 초음파 영상 장치(ultrasonography machine)로 구성될 수 있다. 제1 의료 장치(120)는 이것에 장착된 프로브(probe)(121)를 이용하여 초음파 신호를 관심영역에 조사하고, 반사되는 초음파 신호를 검출함으로써 초음파 영상을 생성한다. 프로브(121)는 일반적으로 압전 변환기(piezoelectric transducer)로 제조된다. 프로브(121)로부터 수 내지 수백 MHz 범위의 초음파가 환자 신체 내부의 특정 부위에 전달되면, 이 초음파는 여러 다른 조직들(tissues) 사이의 계층들로부터 부분적으로 반사된다. 특히, 초음파는 신체 내부에서의 밀도 변화가 있는 곳, 예를 들어, 혈장(blood plasma) 내의 혈구들(blood cells), 장기들(organs) 내의 작은 조직들(structures) 등에서 반사된다. 이와 같이 반사된 초음파들은 프로브(121)의 압전 변환기를 진동시키고, 압전 변환기는 이 진동들에 따른 전기적 펄스들(electrical pulses)을 출력한다. 이와 같은 전기적 펄스들이 영상으로 변환된다.
이와 같이 제1 의료 장치(120)에 의해 얻을 수 있는 의료 영상, 예를 들면 초음파 영상들은 실시간 영상을 얻을 수 있다는 장점이 있으나, 다수의 잡음이 포함되므로 장기의 윤곽, 내부 구조나 병변을 식별해내기가 어렵다는 단점이 있다. 왜냐하면, 병변과 주변 조직은 서로 유사한 초음파 특성을 갖기 때문에 초음파 영상에서는 병변과 주변 조직의 경계에서 나타나는 명암의 대비, 즉 개체의 에지 콘트라스트(Edge Contrast)가 상대적으로 낮다. 또한, 초음파의 간섭 및 산란으로 인한 잡음(noise)과 인공물(artifact)이 존재한다. 즉, 초음파 의료 영상은 MR 또는 CT 영상보다 빠르게 획득 가능한 대신에, 신호 대 잡음비(SNR)와 개체의 에지 콘트라스트가 낮으므로 MR 또는 의료 영상에서는 식별 가능한 장기 및 병변이 주변 조직과 명확히 구분되지 않는다는 단점이 있다.
제1 의료 장치(120) 및 제2 의료 장치(120)가 촬영하는 의료 영상들은 모두 2차원의 단면 영상에 해당한다. 그러나, 2차원의 단면 영상들을 누적함으로써 3차원 의료 영상을 생성할 수도 있다. 예컨대, 제2 의료 장치(120)는 단면 영상의 위치(location)와 방향(orientation)을 변화시키면서, 다수의 단면 영상들을 촬영한다.이와 같은 단면 영상들이 축적되면 환자 신체의 특정 부위를 3차원적으로 나타내는 3차원 볼륨(volume)의 영상 데이터가 생성될 수 있다. 이와 같이 단면 영상들을 축적하여 3차원 볼륨의 영상 데이터를 생성하는 방식을 MPR(Multiplanar reconstruction) 방식이라고 한다. 특히, 제2 의료 영상들 각각은 2차원 영상에 해당하지만, 영상의 픽셀들에는 깊이 값이 존재한다. 즉, 제2 의료 영상들은 복셀들로 구성된다. 따라서, 제2 의료 영상들을 축척하면 관심 볼륨에 대한 3차원 모델이 생성될 수 있다.
의료 영상 정합 장치(130)는 제2 의료 장치(110)로부터 획득된 제2 의료 영상들의 세트와 제1 의료 장치(120)으로부터 획득된 제1 의료 영상을 정합(matching) 한다. 본 발명에서, 제1, 2 의료 영상들의 정합(matching)은 제1 의료 장치(120)와 제2 의료 장치(110)가 사용하는 가상의 좌표계들을 서로 대응시키는 과정을 포함한다. 정합된 의료 영상은, 제1, 제2 의료 영상이 오버레이된 의료 영상일 수 있고, 서로 같은 뷰(view)를 갖는 제1, 2 의료 영상이 나란히 배치된 영상일 수도 있다. 의료 영상 정합 장치(130)가 정합한 의료 영상은 영상 표시 장치(140)에 의해 디스플레이 된다.
제1 의료 장치(120)와 제2 의료 장치(110)는 서로 다른 장소에 위치하고 동시에 사용되는 장치가 아니므로, 제1 의료 장치(120)와 제2 의료 장치(110)는 각각 서로 상이한 가상의 좌표계를 사용하게 된다. 의료 영상 정합 장치(130)는 서로 상이한 제1 의료 장치(120)와 제2 의료 장치(110)의 가상의 좌표계를 서로 맵핑시킴으로써, 제1 의료 장치(120)와 제2 의료 장치(110)가 촬영한 의료 영상들을 정합할 수 있다. 제1 의료 장치(120)와 제2 의료 장치(110)가 사용하는 가상의 좌표계에서 의료 영상이 촬영된 단면을 특정하는데에는, 3축의 위치정보(x,y,z)와 함께 3축의 회전정보(roll, pitch, yaw)가 사용된다. 예를 들어, 도 10의 이미지(1010)를 참조하면, 제1 의료 장치(120)와 제2 의료 장치(110)는 3차원 공간상의 위치를 식별하기 위하여 가상의 좌표계를 사용한다. 제1 의료 장치(120)와 제2 의료 장치(110)가 사용하는 가상의 좌표계를 이용하면, 촬영된 의료 영상들이 3차원 공간상의 어느 지점에서 촬영되었는지를 파악할 수 있다. MR 또는 CT 영상의 경우, 제2 의료 장치(110)가 촬영할 단면을 선택하는 과정에서 가상의 좌표계의 좌표값들이 사용된다. 따라서, 제2 의료 장치(110)에 의해 촬영된 의료 영상에 대한 좌표값들은 별도로 센싱하지 않더라도 파악할 수 있다.
이와 대조적으로, 제1 의료 장치(120)는 프로브(121)의 움직임에 따라서 촬영하는 단면의 위치가 변화된다. 여기서 프로브(121)의 움직임은 제1 의료 장치(120)의 제어에 따라서 움직이는 것이 아니라, 의료 시술자의 제어에 따라서 임의로 움직이게 된다. 따라서, 제1 의료 장치(120)가 촬영한 의료 영상이 가상의 좌표계에서 어느 위치에 해당하는지를 파악하기 위해서는 프로브(121)의 움직임을 센싱하여야 한다. 프로브(121)의 움직임을 센싱하는 방식으로는, 예컨데, 프로브(121)에 마그네틱 트랙커(Magnetic Tracker)를 이용하여 자기장의 변화를 센싱하는 방식, 프로브(121)에 옵티컬 마커(Optical Marker)를 부착하여 적외선 또는 컬러 카메라로 광학적 변화를 센싱하는 방식이 사용될 수 있다.
제1 의료 장치(120)와 제2 의료 장치(110)는 일반적으로 서로 다른 3차원 좌표계를 사용하며, 제1 의료 장치(120)가 사용하는 좌표계에서의 단면(1011)은 B1 지점의 3축 위치정보(x,y,z)와 프로브(121)의 3축 회전정보(roll, pitch, yaw)를 이용하여 특정된다.
도 2는 본 발명의 일 실시예에 따른 의료 영상 정합 방법의 흐름을 도시한 도면이다. 도 2를 설명하기에 앞서, 의료 영상 정합 장치(130)는 제2 의료 장치(110)가 관심 볼륨에 대하여 촬영한 제2 의료 영상들의 세트를 이미 의료 영상 정합 장치(130)에 저장하고 있는 것을 가정하기로 한다.
먼저, 의료 영상 정합 장치(130)는 관심 볼륨(VOI) 내에서 선택된 제1 단면에 대하여 제1 의료 장치(120)가 촬영한 제1 의료 영상을 획득한다(S205). 여기서, 제1 단면은 제1 의료 장치(120)를 통해서 촬영하는 중간에 선택된 단면으로서, 사용자는 제2 의료 영상들이 촬영된 단면과 평행한 방향의 단면을 선택하는 것이 바람직하다. 그 이유는 후술하는 바와 같이, 제1 단면에 대응하는 단면 영상을 제2 의료 영상들의 세트에서 검출시 정확도를 높이기 위해서이다. 제1 단면의 선택은 사용자의 입력에 기초하여 이루어지는데, 사용자는 제1 단면의 선택을 제1 의료 장치(120)를 통해 입력하거나 또는 의료 영상 정합 장치(130)를 통해 입력할 수 있다. 도 10의 이미지(1010)에서 단면 1011은 사용자에 의해 선택된 제1 단면을 도시하고, 의료 영상(1020)는 제1 의료 장치(120)가 촬영한 제1 의료 영상을 도시한다.
의료 영상 정합 장치(130)는 제1 의료 영상에 나타난 해부학적 특징에 기초하여 관심 볼륨(VOI)에 대하여 미리 촬영된 제2 의료 영상들의 세트로부터 제1 단면에 대응하는 단면 영상을 검출한다(S210). 즉, 의료 영상 정합 장치(130)는 제1 의료 영상에 나타난 해부학적 특징과 제2 의료 영상들의 세트에 나타난 해부학적 특징을 서로 비교하여, 제1 의료 영상과 가장 유사성이 큰 단면 영상을 제2 의료 영상들의 세트에서 검출한다. 도 10을 참조하면, 의료영상들(1030)은 제2 의료 영상들의 세트에 해당한다. 의료 영상 정합 장치(130)는 의료영상들(1030) 중에서 의료 영상(1020)과 가장 유사한 해부학적 특징이 나타나는 의료 영상(1033)을 단면(1011)에 대응하는 단면 영상으로 검출한다.
도 3을 참조하여 S210 단계를 보다 상세히 설명하기로 한다.
의료 영상 정합 장치(130)는 제1 의료 영상에서 나타나는 해부학적 개체들과 제2 의료 영상들의 세트에서 나타나는 해부학적 개체들을 각각 세그멘테이션한다(S305). 여기서, 해부학적 개체들이란, 장기, 혈관, 병변, 뼈, 장기와 장기의 경계면 등 제1 의료 영상에서 식별가능한 인체의 구성물들을 말한다. 세그멘테이션이란, 이러한 해부학적 개체들 각각을 배경의 영상과 분리해 내는 것을 말한다. 의료 영상 정합 장치(130)에는 세그멘테이션을 수행할 해부학적 개체에 대한 정보가 미리 입력되어 있을 수 있다. 예컨대, 초음파 의료 영상의 경우, 혈관 조직은 배경에 비하여 더 어두운 밝기값을 갖는 정보가 미리 입력되횡격막의 경우 소정 값 이하의 곡률을 갖는 평면이고, 하대정맥은 10mm 이상의 직경을 갖는 혈관이라는 해부학적 특징에 대한 정보가 미리 입력될 수 있다.
의료 영상 정합 장치(130)는 그래프 컷(graph cut) 기법 또는 가우시안 믹스쳐 모델(GMM) 기법을 사용하여 세그멘테이션을 수행할 수 있다. 그래프 컷 기법이란, 배경의 시드(seed) 값과 해부학적 개체의 시드 값을 이용하여, 배경의 시드 포인트와 해부학적 개체의 시드 포인트의 영역을 점차 확장한다. 확장하는 중, 배경 영역과 해부학적 개체의 영역이 만나게 되는 경계 영역을 잘라내는 방식으로 해부학적 개체를 세그멘테이션하는 방식이다. 가우시안 믹스쳐 모델 기법은 의료 영상의 컬러 히스토그램을 복수개의 가우시안 분포 모델들로 표현한다. 이어서, 히스토그램에서 특정 영역의 가우시안 분포 모델을 선택하는 방식으로 해부학적 개체들을 세그멘테이션하는 방식이다. 이외에도 다양한 세그멘테이션 방식이 적용될 수 있다.
의료 영상 정합 장치(130)는 제1 의료 영상에서 세그멘테이션 된 해부학적 개체들과 제2 의료 영상들의 세트에서 세그멘테이션된 해부학적 개체들 간의 유사도를 계산한다(S310). 보다 직관적으로 말하면, 의료 영상 정합 장치(130)는 제1 의료 영상에서 관찰되는 해부학적 개체들이 제2 의료 영상들의 세트에서 얼마나 비슷하게 관찰되는지를 수치적으로 표현한다.
의료 영상 정합 장치(130)는 가보 웨이브릿(Gabor Wavelet) 기법 또는 지역적 이진 패턴 매칭(Local Binary Pattern Matching) 기법을 이용하여 유사도를 계산할 수 있다. 가보 웨이브릿 기법이란, 해부학적 개체들을 여러개의 서로 다른 특성을 갖는 가보 필터들에 의해 필터링하고, 그 필터링된 결과를 비교하는 기법이다. 지역적 이진 패턴 매칭이란, 하나의 중심 픽셀에 대한 주변 픽셀들의 관계를 규정하는 기법으로서, 주변 픽셀의 값들을 중심 픽셀의 값을 기준으로 이진화하고 그 결과를 기 정의된 방향으로 정렬하여 나타낸다. 이와 같이 이진화된 결과를 서로 비교함으로써 해부학적 개체들간의 유사도를 정량적으로 평가할 수 있다.
의료 영상 정합 장치(130)는 제2 의료 영상들의 세트에서 계산된 유사도가 최대인 단면 영상을 선택한다(S320). 즉, 의료 영상 정합 장치(130)는 제1 의료 영상과 가장 유사한 해부학적 특징이 나타나는 단면 영상을 제2 의료 영상들의 세트에서 선택한다. 도 12를 참조하여 설명하면, 이미지 1210 및 1220은 제2 의료 영상들의 세트에서 세그멘테이션된 혈관을 예시한 것이고, 이미지 1230은 제1 의료 영상에서 세그멘테이션된 혈관을 예시한 그림이다. 이미지 1210과 이미지 1220은 제2 의료 영상들의 세트 중 서로 다른 단면 영상들로부터 세그멘테이션된 것이다. 의료 영상 정합 장치(130)는 이미지 1230과 이미지 1210과의 유사도를 계산하고, 이미지 1230과 이미지 1220과의 유사도를 각각 계산한다. 그 결과, 이미지 1220은 이미지 1210에 비하여 이미지 1230에 유사하므로, 의료 영상 정합 장치(130)는 이미지 1230이 나타나는 단면 영상을 선택한다.
도 2로 돌아가서 설명을 계속한다. 의료 영상 정합 장치(130)는 검출된 단면 영상과 제1 의료 영상에 기초하여, 제1 의료 장치(120)와 제2 의료 장치(110)가 사용하는 가상의 좌표계를 맵핑한다(S215).즉, 의료 영상 정합 장치(130)는 제1 의료 장치(120)가 사용하는 가상 좌표계인 제1 좌표계와 제2 의료 장치(110)가 사용하는 가상 좌표계인 제2 좌표계를 서로 대응시킨다.
S215 단계에 대해서, 도 4를 참조하여 보다 상세히 설명한다.
의료 영상 정합 장치(130)는 제2 의료 장치(110)의 가상 좌표계인 제2 좌표계 상에서 제1 의료 장치(120)의 프로브(121)의 좌표값에 대응하는 지점을 검출한다(S405). 즉, 의료 영상 정합 장치(130)는 제1 의료 장치(120)의 가상 좌표계인 제1 좌표계 상에서 프로브(121)의 위치의 좌표값에 대응하는 지점을 제2 좌표계 상에서 검출한다. 도 10을 참조하면, 이미지 1010에 표시된 프로브(121)가 위치한 지점(B1)에 대응하는 지점은 이미지 1030에서 지점 B2에 해당하고, 의료 영상 정합 장치(130)는 지점 B2을 검출한다. 의료 영상 정합 장치(130)는 S320 단계에서 선택된 단면 영상(1033)과 제1 의료 영상(1020)에서 세그멘테이션된 해부학적 개체들의 위치가 일치하도록 단면 영상(1033)과 제1 의료 영상(1020)을 오버레이 한다. 만약, 제1 의료 영상(1020)과 제2 의료 영상들(1030)의 해상도가 서로 상이한 경우에는, 해상도를 일치시키기 위하여 어느 한쪽의 영상을 업스케일링하거나 또는 다운 스케일링할 수 있다. 의료 영상 정합 장치(130)는 단면 영상(1033)과 제1 의료 영상(1020)이 오버레이된 상태에서, 프로브(121)가 위치한 지점(B1)을 단면 영상(1033)에서 지정한다. 따라서, 의료 영상 정합 장치(130)는 프로브(121)의 위치한 지점(B1)에 대응하는 지점(B2)의 위치를 제2 좌표계 상에서 검출할 수 있다.
의료 영상 정합 장치(130)는 검출된 지점(B2)의 좌표값을 이용하여, 제1 좌표계를 제2 좌표계로 변환하기 위한 좌표 변환 함수를 생성한다(S410). 다시 말하면, 의료 영상 정합 장치(130)는 제1 좌표계 상의 좌표값을 제2 좌표계 상의 좌표값으로 변환하기 위한 좌표 변환 함수를 생성한다. 제2 좌표계에서 지점(B2)의 좌표를 Tinit 이라고 한다. 이후, 프로브(121)가 일정 변위만큼 이동하였을 때, 프로브(121)의 이동 T(x,y,z)라고 하고, 프로브(121)의 회전을 R(Ψ,θ,φ)라고 하면 T(x,y,z)과 R(Ψ,θ,φ)는 아래의 수학식 1과 2로 표현될 수 있다.
Figure pat00001
Figure pat00002
의료 영상 정합 장치(130)는 Tinit ,T(x,y,z) 및 R(Ψ,θ,φ)를 이용하여, 좌표 변환 함수 M을 아래의 수학식 3과 같이 생성할 수 있다.
Figure pat00003
도 2로 돌아가서 설명을 계속한다. 의료 영상 정합 장치(130)는 맵핑된 가상의 좌표계를 이용하여 제1 의료 장치(120)가 촬영하는 단면의 이동을 상기 제2 의료 영상들의 세트에서 추적한다(S220). 즉, 의료 영상 정합 장치(130)는 수학식 3의 좌표 변환 함수를 이용하여, 프로브(121)의 이동을 제2 의료 영상들의 세트에서 추적한다. S220 단계의 보다 상세한 내용에 대해서는 후술하는 도 6 및 도 8의 설명을 참조한다.
도 5는 본 발명의 일 실시예에 따른 의료 영상 정합 방법에서 특징점 정합과 가상 좌표계의 보정 과정을 도시한 도면이다. 도 5에서 도시하는 과정들은 실시예에 따라서 수행되거나 생략될 수 있는 선택적 단계들에 해당한다. 즉, 도 2에서 정합된 결과가 만족스러운 경우에는 도 5의 도시된 과정은 생략이 가능하다. 그러나, 도 2에서 정합된 결과가 부정확하거나 보다 정밀한 정합 결과가 필요한 경우에는 도 5의 과정들이 수행될 수 있다. 도 2에서 제1 단면에 대응하는 단면을 검출하여 제1 좌표계와 제2 좌표계를 서로 맵핑하는 것을 평면 정합이라고 명칭하고, 도 5에서 설명하는 정합 과정을 특징점 정합이라고 명칭한다. 한편, 도 5에서의 특징점 정합은 평면 정합이 이미 선행되었음을 가정하고 설명한다. 또한, 전술한 설명과 중복하는 내용에 대해서는 그 설명을 생략하므로, 전술한 설명들은 도 5의 실시예를 위해 참조될 수 있다.
도 5를 참조하면, 의료 영상 정합 장치(130)는 특징점 정합 모드가 선택되었는지를 판단한다(S505). 의료 영상 정합 장치(130)는 사용자 인터페이스(미도시)를 통해 특징점 정합 모드를 선택받을 수 있는 그래피컬 유저 인터페이스(GUI)를 디스플레이할 수 있다.
특징점 정합 모드가 선택된 경우, 의료 영상 정합 장치(130)는 제1 의료 장치(120)가 촬영한 제2 단면에 대한 제3 의료 영상을 획득한다(S510). 여기서, 제2 단면이란, 제1 단면과 같은 단면일 수도 있지만 정합의 정확성을 높이기 위해서는 제2 단면은 제1 단면과 상이한 단면인 것이 바람직하다. 제2 단면은 제1 단면과 마찬가지로 사용자에 의해 선택될 수 있다. 제2 단면은 제1 단면과 교차하는 단면일 수 있다. 도 11을 참조하면, 프로브(121)는 x 축 방향으로 90도 회전하여, 제2 단면(1111)을 촬영하고 있다. 의료 영상(1120)은 제2 단면에 대해 촬영된 제3 의료 영상이다.
이 때, 제3 의료 영상이 디스플레이되는데, 의료 영상 정합 장치(130)는 제2 단면에 대한 단면 영상을 제2 의료 영상들의 세트로부터 재구성하여 출력할 수도 있다(노드 D). 노드 D는 실시예에 따라서 생략이 가능하다. 이하, 도 6을 참조하여 노드 D를 보다 상세히 설명하기로 한다.
의료 영상 정합 장치(130)는 제1 의료 장치(120)의 프로브(121)가 제3 의료 영상(1120)을 촬영할 때의 위치한 지점(B3)의 좌표값을 수신한다(S605). 여기서, 지점(B3)의 좌표값은 제3 의료 영상(1120)과 별도로 수신될 수 있지만 이와 달리 제3 의료 영상(1120)과 함께 획득될 수도 있다.
의료 영상 정합 장치(130)는 지점(B3)의 좌표값을 이용하여, 제2 단면(1111)에 대한 단면영상을 제2 의료 영상들의 세트에서 재구성한다(S610). 이 때, 전술한 MPR(Multiplanar reconstruction) 방식에 따라서, 제2 의료 영상들이 이미 3차원 모델(1130)로 재구성되었다고 가정하고 설명한다. 의료 영상 정합 장치(130)는 전술한 수학식 3의 좌표 변환 함수를 이용하여, 3차원 모델(1130)에서의 지점(B4) 및 단면(1131)을 검출한다. 이어서, 의료 영상 정합 장치(130)는 3차원 모델(1130)로부터 단면(1131)의 영상을 재구성한다. 재구성된 영상은 제2 단면(1111)에 대한 단면 영상에 해당한다.
의료 영상 정합 장치(130)는 제2 단면에 대해서 재구성된 단면 영상과 제3 의료 영상(1120)을 함께 출력한다(S615). 여기서, 재구성된 단면 영상과 제3 의료 영상(1120)은 오버레이되어 출력되거나 또는 병렬적으로 나란히 배치되어 출력될 수 있다.
도 5로 돌아가서 설명을 계속한다. 의료 영상 정합 장치(130)는 제3 의료 영상(1120)에서 특징점(P1)을 추출한다(S515). 의료 영상 정합 장치(130)는 특징점 추출 알고리즘에 따라서 자동으로 특징점(P1)을 추출하거나 또는 사용자의 입력에 기초하여 특징점(P1)을 추출할 수 있다. 사용자의 입력에 기초하여 특징점(P1)을 추출하는 경우, 사용자가 제3 의료 영상(1120)에서 특징점(P1)의 위치를 직접 지정할 수 있다.
여기서, 특징점(Landmark point)이란 영상 정합에 기준이 되는 지점을 말한다. 특징점(Landmark point)은 아래와 같은 방법으로 결정될 수 있다.
A. 대상의 해부학적 특징이 뚜렷하게 반영된 지점을 특징점(Landmark point)으로 정한다. 예를 들면, 특징점을 추출할 개체가 간이라면 간 내부 혈관구조에서 혈관이 나누어지는 지점을 특징점으로 추출할 수 있고, 특징점을 추출할 개체가 심장이라면 우심방과 좌심방이 나뉘는 경계, 대정맥과 심장의 외벽이 만나는 경계를 특징점으로 추출할 수 있다.
B. 정해진 좌표계에서 특징점을 추출할 개체의 가장 높은 지점, 혹은 가장 낮은 지점 또한 특징점(Landmark point)으로 정할 수 있다.
C. 상기 A. B.에서 선택된 특징점들 간의 사이를 보간(interpolation)할 수 있는 지점을 개체를 따라서 일정한 간격으로 선택하여 특징점(Landmark point)으로 지정할 수 있다.
지정된 특징점은 2차원일 경우 x,y축의 좌표 3차원일 경우 x,y,z축의 좌표로 나타낼 수 있다. 따라서 3차원일 경우 각각의 특징점 좌표를 벡터로
Figure pat00004
과 같이 나타낸다면, (n은 특징점의 갯수를 뜻한다.) 수학식 4로 표현할 수 있다.
Figure pat00005
아래첨자 i는 i번째 제2 의료 영상에서 특징점 좌표 정보를 뜻한다.
도 11을 참조하면, 제3 의료 영상(1120)에서 P1은 의료 영상 정합 장치(130)가 추출한 특징점이다.
이어서, 의료 영상 정합 장치(130)는 제2 의료 영상들의 세트에서 특징점(P1)에 대응하는 특징점(P2)을 검출한다(S520). S520 단계의 특징점(P2)의 검출과정에 대해서는 도 7을 참조하여 보다 상세히 설명한다.
도 7을 참조하면, 의료 영상 정합 장치(130)는 관심 볼륨에 대한 제2 단면이 포함된 3차원 모델을 재구성한다(S705). 여기서, 3차원 모델은 관심 볼륨 전체에 대한 3차원 모델(1130)일 수도 있으나, 3차원 모델에서 일부만을 포함하는 서브 볼륨에 대한 3차원 모델(1140)일 수도 있다.
서브 볼륨에 대한 3차원 모델(1140)을 재구성하는 방법을 살펴보면, 의료 영상 정합 장치(130)는 제2 단면을 촬영할 때 제1 의료 장치(120)의 프로브(121)가 위치한 지점(B3)의 좌표값을 수신한다(S701).
의료 영상 정합 장치(130)는 제2 단면이 포함된 서브볼륨의 영역을 제2 의료 단면 영상들의 세트에서 검출한다(S702). 의료 영상 정합 장치(130)는 지점(B3)의 좌표값을 수학식 3의 좌표 변환 함수를 이용하여 지점(B4)의 좌표값으로 변환한다. 이를 통해, 의료 영상 정합 장치(130)는 제2 의료 영상들의 세트에서 평면(1131)을 특정할 수 있다. 평면(1131)에서 기 설정된 소정의 크기만큼 두께를 확장하여, 서브 볼륨의 영역을 특정한다. 의료 영상 정합 장치(130)는 두께를 확장함에 있어서,해부학적 개체가 존재하지 않는 영역에 대해서는 서브 볼륨의 영역을 확장하지 않는 것이 바람직하다.
의료 영상 정합 장치(130)는 서브 볼륨 영역의 단면들을 제2 의료 영상들의 세트로부터 축척하여 3차원 모델(1140)을 재구성한다(S703). 여기서, 3차원 모델(1140)을 재구성하는데에는 전술한 MPR 기법이 사용될 수 있다. 도 11에 도시된 바와 같이, 서브볼륨에 대한 3차원 모델(1140)은 관심 볼륨에 대한 전체 3차원 모델(1130)에 비하여 작은 볼륨을 갖는다. 따라서, 볼륨에 대한 전체 3차원 모델(1130)에서 특징점(P2)를 탐색하는 시간에 비하여, 서브 볼륨에 대한 3차원 모델(1140)에서 특징점(P2)를 탐색하는 시간이 보다 적게 소요될 수 있다.
의료 영상 정합 장치(130)는 3차원 모델(1140)에서 나타난 해부학적 개체들을 세그멘테이션한다(S710). 즉, 의료 영상 정합 장치(130)는 2차원이 아닌 3차원 모델(1140)에서 해부학적 개체들을 세그멘테이션한다. 도 11에 도시된 혈관 구조(1150)는 3차원 모델(1140)에서 세그멘테이션된 해부학적 개체이다. 또한, 의료 영상 정합 장치(130)는 제3 의료 영상에서 나타난 해부학적 개체들을 세그멘테이션한다. 여기서, 세그멘테이션을 위하여, 전술한 그래프컷 기법 또는 가우시안 믹스쳐 모델 기법이 사용될 수 있다.
의료 영상 정합 장치(130)는 특징점(P1)에 대응하는 특징점(P2)을 3차원 모델(1140)에서 검출한다(S715). 의료 영상 정합 장치(130)는 3차원 모델(1140)에서 세그멘테이션된 해부학적 개체들과 제3 의료 영상에서 세그멘테이션된 해부학적 개체들을 비교한다. 3차원 모델(1140)에서 세그멘테이션된 해부학적 개체들은 3차원 오브젝트이고, 제3 의료 영상에서 세그멘테이션된 해부학적 개체들은 2차원 오브젝트에 해당한다. 따라서, 의료 영상 정합 장치(130)는 볼륨과 평면을 서로 비교하게 된다. 즉,의료 영상 정합 장치(130)는 볼륨내에서 평면을 회전 및 이동시키면서, 평면과 가장 유사한 단면을 볼륨내에서 찾는다. 이 때, 평면과 가장 유사한 단면을 찾아내기 위하여, 전술한 가보 웨이브릿(Gabor Wavelet) 기법 또는 지역적 이진 패턴 매칭(Local Binary Pattern Matching) 기법이 사용될 수 있다.
의료 영상 정합 장치(130)는 3차원 모델(1140)에서 찾아진 평면에서 나타난 해부학적 개체들과 제3 의료 영상에서 나타난 해부학적 개체들의 위치를 일치시킴으로써, 특징점(P1)에 대응하는 특징점(P2)를 3차원 모델(1140)에서 검출한다.
도 5로 돌아가서 설명을 계속한다. 의료 영상 정합 장치(130)는 특징점(P1)과 특징점(P2)을 비교하여 맵핑된 가상 좌표계를 보정한다(S520). 의료 영상 정합 장치(130)는 특징점(P1)을 특징점(P2)을 동일한 지점으로 간주했을 때, 제3 의료 영상을 촬영시 프로브(121)가 위치한 지점(B3)에 대응하는 지점(B5)을 제2 의료 영상들의 세트에서 검출한다(S527). 도 11을 참조하면, 3차원 모델(1130)에서 지점(B5)은 특징점(P1)과 특징점(P2)의 위치를 일치시켰을 때, 프로브(121)가 위치하는 지점(B3)에 대응하는 지점을 나타낸다. 즉, 특징점 정합을 수행하기 전에는 프로브(121)가 위치하는 지점(B3)에 대응하는 지점이 B4 였지만, 그 지점이 B5로 보정된다. 따라서, B4의 위치를 B5로 이동시킴에 따라서, 평면 정합 결과의 오차가 보정될 수 있다.
의료 영상 정합 장치(130)는 좌표 변환 함수를 보정한다(S529). 의료 영상 정합 장치(130)는 제1 좌표계의 지점(B3)의 좌표값이 제2 좌표계의 지점(B5)의 좌표값으로 변환될 수 있도록, 좌표 변환 함수를 보정한다. 이 때, 의료 영상 정합 장치(130)는 평면 정합 결과 생성된 좌표 변환 함수를 정정할 수 있지만, 수학식 1 내지 수학식 3을 이용하여 새로운 좌표 변환 함수를 생성할 수도 있다.
도 8은 본 발명의 일 실시예에 따라서 정합된 영상의 출력 과정을 도시한 도면이다. 도 8의 단계들은, 도 5에 도시된 노드 C에서 수행될 수 있다.
의료 영상 정합 장치(130)는 제3 단면에 대하여 제1 의료 장치(120)가 촬영한 제4 의료 영상과, 제4 의료 영상의 촬영을 위해 이동된 프로브(121)의 좌표값을 획득한다(S805). 프로브(121)의 좌표값이란 제1 좌표계에서 프로브(121)가 위치한 지점(B6)의 좌표값으로서 제4 의료 영상과 함께 획득될 수 있다(S805).
의료 영상 정합 장치(130)는 맵핑된 가상 좌표계를 이용하여, 프로브(121)의 좌표값을 제2 좌표계의 좌표값으로 변환한다(S810). 즉, 의료 영상 정합 장치(130)는 제1 좌표계의 지점(B6)의 좌표값을 좌표 변환 함수를 이용하여 제2 좌표계의 지점(B7)의 좌표값으로 변환한다.
의료 영상 정합 장치(130)는 변환된 좌표값에 기초하여, 제2 의료 영상들의 세트로부터 제3 단면의 단면 영상을 재구성한다(S815). 이때, 전술한 MPR방식에 따라서, 제2 의료 영상들이 이미 3차원 모델로 재구성되었다고 가정하고 설명한다. 의료 영상 정합 장치(130)는 좌표 변환 함수를 이용하여, 3차원 모델 내에서 지점(B6) 및 제3 단면을 검출한다. 이어서, 의료 영상 정합 장치(130)는 3차원 모델로부터 제3 단면의 단면 영상을 재구성한다.
의료 영상 정합 장치(130)는 제3 단면에 대해서 재구성된 단면 영상과 제4 의료 영상을 함께 출력한다(S820). 여기서, 재구성된 단면 영상과 제4 의료 영상(1120)은 오버레이되어 출력되거나 또는 나란히 배치되어 출력될 수 있다.
도 9A는 본 발명의 일 실시예에 따른 의료 영상 정합 장치를 도시한 도면이다. 전술한 도 1 내지 도 8에 대한 설명들은 도 9A의 의료 영상 정합 장치(900A)를 위해 참조될 수 있다.
도 9A를 참조하면, 의료 영상 정합 장치(900A)는 제1 의료 영상 획득부(910A), 검출부(920A), 좌표 변환부(930A) 및 영상 출력부(940A)를 포함한다.
제1 의료 영상 획득부(910A)는 관심 볼륨(VOI) 내에서 선택된 제1 단면에 대하여 제1 의료 장치가 촬영한 제1 의료 영상을 획득한다. 여기서, 제1 단면은 제1 의료 장치(120)를 통해서 촬영하는 중간에 선택된 단면으로서, 사용자는 제2 의료 영상들이 촬영된 단면과 평행한 방향의 단면을 선택하는 것이 바람직하다.
검출부(920A)는 제1 의료 영상에 나타난 해부학적 특징에 기초하여 관심 볼륨(VOI)에 대하여 미리 촬영된 제2 의료 영상들의 세트로부터 상기 제1 단면에 대응하는 단면 영상을 검출한다.
좌표 변환부(930A)는 검출된 단면 영상과 상기 제1 의료 영상에 기초하여, 제1 의료 장치(120)와 제2 의료 장치(110)가 사용하는 가상의 좌표계를 맵핑한다.
영상 출력부(940A)는 맵핑된 가상의 좌표계를 이용하여 제1 의료 장치(120)가 촬영하는 단면의 이동을 상기 제2 의료 영상들의 세트에서 추적한다.
의료 영상 정합 장치(900A)의 보다 상세한 구조에 대해서는 도 9B를 참조하여 설명을 계속한다. 전술한 도 1 내지 도 9A에 대한 설명들은 도 9B의 의료 영상 정합 장치(900B)를 위해 참조될 수 있다.
도 9A를 참조하면, 의료 영상 정합 장치(900B)는 제1 의료 영상 획득부(910B), 검출부(920B), 좌표 변환부(930B), 영상 출력부(940B) 및 제2 의료 영상 저장부(950B)를 포함한다. 설명의 편의를 위하여, 평면 정합시와 특징점 정합시 의료 영상 정합 장치(900B)의 동작을 나누어 설명하기로 한다.
제2 의료 영상 저장부(950B)는 제2 의료 장치(110)가 의료 시술 전에 촬영한 제2 의료 영상들의 세트를 저장한다. 제2 의료 영상들 각각에는 제2 의료 영상들이 촬영된 지점에 대한 제2 좌표계의 좌표값들이 맵핑되어 있다.
검출부(920B)는 영상 분리부(921B), 단면 영상 검출부(922B), 특징점 검출부(922B)를 포함한다. 단면 영상 검출부(922B)는 제1 의료 영상에 나타난 해부학적 특징에 기초하여 제2 의료 영상들의 세트로부터 상기 제1 단면에 대응하는 단면 영상을 검출한다. 단면 영상 검출부(922B)는 제1 의료 영상 및 제2 의료 영상들의 세트에 나타난 각각의 해부학적 개체들의 유사도에 기초하여 단면 영상을 검출한다.
평면 정합시, 영상 분리부(921B)는 제1 의료 영상에서 나타난 해부학적 개체들과 제2 의료 영상들의 세트에서 나타난 해부학적 개체들을 각각 세그멘테이션(segmentation)한다. 영상 분리부(921B)는 그래프 컷(graph cut) 기법 및 가우시안 믹스쳐 모델(GMM) 기법 중 적어도 하나에 기초하여 제1 의료 영상과 제2 의료 영상들의 세트에서 나타난 장기, 혈관 및 병변 중 적어도 하나를 세그멘테이션할 수 있다.
평면 정합시, 단면 영상 검출부(922B)는 제1 의료 영상에서 세그멘테이션 된 해부학적 개체들과 상기 제2 의료 영상들의 세트에서 세그멘테이션 된 해부학적 개체들 간의 유사도를 계산하고, 제2 의료 영상들의 세트에서 계산된 유사도가 최대인 단면 영상을 선택한다. 단면 영상 검출부(922B)는 가보 웨이브릿(Gabor Wavelet) 기법 및 지역적 이진 패턴 매칭(Local Binary Pattern Matching) 기법 중 적어도 하나에 기초하여 세그멘테이션된 해부학적 개체들간의 유사도를 계산할 수 있다. 특징점 검출부(922B)는 특징점 정합시, 제3 의료 영상에서 특징점(P1)을 추출하고, 추출된 특징점(P1)에 대응되는 특징점(P2)을 상기 제2 의료 영상들의 세트에서 검출한다. 특징점 정합시 의료 영상 정합 장치(900B)의 동작에 대해서는 후술하는 설명을 참조한다.
좌표 변환부(930B)는 기준점 검출부(931B) 및 변환함수 생성부(932B)를 포함한다. 기준점 검출부(931B)는 제1 의료 장치의 가상 좌표계에서 제1 의료 장치(120)의 프로브(121)가 위치한 지점(B1)에 대응하는 지점(B2)을 제2 의료 장치(110)의 가상 좌표계에서 검출한다.
변환함수 생성부(932B)는 지점(B2)의 좌표값을 이용하여 제1 의료 장치(120)의 가상 좌표계를 제2 의료 장치(110)의 가상 좌표계로 변환하기 위한 좌표 변환 함수를 생성한다. 이때, 영상 출력부(940B)는 생성된 좌표 변환 함수를 이용하여 단면의 이동을 추적한다.
이하에서는, 특징점 정합시 의료 영상 정합 장치(900B)의 동작을 설명한다. 모델 재구성부(941)가 제2 의료 영상들의 세트를 이용하여 관심 볼륨에 대한 3차원 모델을 재구성하였음을 가정한다.
제1 의료 영상 획득부(910B)는 관심 볼륨(VOI) 내에서 선택된 제2 단면에 대하여 제1 의료 장치(120)가 촬영한 제3 의료 영상을 획득한다. 제3 의료 영상과 함께 프로브(121)가 위치한 지점(B3)의 좌표값이 함께 획득될 수 있다. 기준점 검출부(931B)는 수학식 3의 좌표 변환 함수를 이용하여, 지점(B3)의 좌표값을 3차원 모델(1130)에서의 지점(B4)의 좌표값으로 변환한다. 단면 재구성부(942B)는 3차원 모델(1130)로부터 단면(1131)의 영상을 재구성한다. 재구성된 영상은 제2 단면(1111)에 대한 단면 영상에 해당한다. 영상 정합부(943B)는 제2 단면에 대해서 재구성된 단면 영상과 제3 의료 영상(1120)을 함께 출력한다. 여기서, 재구성된 단면 영상과 제3 의료 영상(1120)은 오버레이되어 출력되거나 또는 병렬적으로 나란히 배치되어 출력될 수 있다.
특징점 검출부(922B)는 제3 의료 영상에서 특징점(P1)을 추출하고, 추출된 특징점(P1)에 대응되는 특징점(P2)을 검출한다. 특징점 검출부(922B)는 의료 영상 정합 장치(130)는 특징점 추출 알고리즘에 따라서 자동으로 특징점(P1)을 추출하거나 또는 사용자의 입력에 기초하여 특징점(P1)을 추출할 수 있다. 이 때, 모델 재구성부(941B)는 서브 볼륨에 대한 3차원 모델(1140)을 재구성한다. 서브 볼륨에 대한 3차원 모델(1140)을 재구성하는 방법은 도 7을 참조한다. 영상 분리부(921B)는 3차원 모델(1140)에서 나타난 해부학적 개체들을 세그멘테이션한다. 영상 분리부(921B)는 제3 의료 영상에서 나타난 해부학적 개체들을 세그멘테이션한다.
이어서, 특징점 검출부(922B)는 3차원 모델(1140)에서 세그멘테이션된 해부학적 개체들과 제3 의료 영상에서 세그멘테이션된 해부학적 개체들을 비교하여, 특징점(P1)에 대응하는 특징점(P2)을 3차원 모델(1140)에서 검출한다.
좌표 변환부(930B)는 추출된 특징점(P1) 및 검출된 특징점(P2)에 기초하여 맵핑된 가상의 좌표계를 보정한다. 기준점 검출부(931B)는 특징점(P1)와 특징점(P2)을 동일한 지점으로 간주했을 때, 제3 의료 영상을 촬영시 프로브(121)가 위치한 지점(B3)에 대응하는 지점(B5)을 제2 의료 영상들의 세트에서 검출한다. 좌표 변환 함수 생성부(932B)는 제1 좌표계의 지점(B3)의 좌표값이 제2 좌표계의 지점(B5)의 좌표값으로 변환될 수 있도록, 좌표 변환 함수를 보정한다.
이상의 설명을 통해서 의료 영상 정합 장치(900B)가 평면 정합과 특징점 정합을 수행하는 경우의 동작을 살펴보았다. 이하에는, 의료 영상 정합 장치(900B)가 맵핑된 가상의 좌표계를 이용하여 제1 의료 장치(120)가 촬영하는 단면의 이동을 제2 의료 영상들의 세트에서 추적할 때 동작을 설명한다.
제1 의료 영상 획득부(910B)는 제3 단면에 대하여 제1 의료 장치(120)가 촬영한 제4 의료 영상과, 제4 의료 영상의 촬영을 위해 이동된 프로브(121)의 좌표값 을 획득한다.
좌표 변환부(930B)는 맵핑된 가상 좌표계를 이용하여, 프로브(121)의 좌표값을 제2 좌표계의 좌표값으로 변환한다.
단면 재구성부(942B)는 변환된 좌표값에 기초하여, 제2 의료 영상들의 세트로부터 제3 단면의 단면 영상을 재구성한다. 이때, 모델 재구성부(941B)가 한번 재구성한 관심볼륨의 3차원 모델은 계속 사용될 수 있다. 기준점 검출부(931B)는 좌표 변환 함수를 이용하여, 3차원 모델 내에서 지점(B6) 및 제3 단면을 검출한다. 단면 재구성부(942B)는 검출된 지점(B6) 및 제3 단면을 이용하여 3차원 모델로부터 제3 단면의 단면 영상을 재구성한다.
영상 정합부(943B)는 제3 단면에 대해서 재구성된 단면 영상과 제4 의료 영상을 함께 출력한다. 재구성된 단면 영상과 제4 의료 영상(1120)은 오버레이되어 출력되거나 또는 나란히 배치되어 출력될 수 있다.
영상 출력부(940B)가 출력한 영상은 영상 표시 장치(140)에서 디스플레이된다.
한편, 상술한 본 발명의 실시예들은 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터로 읽을 수 있는 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다. 또한, 상술한 본 발명의 실시예에서 사용된 데이터의 구조는 컴퓨터로 읽을 수 있는 기록매체에 여러 수단을 통하여 기록될 수 있다. 상기 컴퓨터로 읽을 수 있는 기록매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드 디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등)와 같은 저장매체를 포함한다.
이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.

Claims (20)

  1. 관심 볼륨(VOI)에 대한 의료 영상들을 정합하는 방법에 있어서,
    상기 관심 볼륨(VOI) 내에서 선택된 제1 단면에 대하여 제1 의료 장치가 촬영한 제1 의료 영상을 획득하는 단계;
    상기 제1 의료 영상에 나타난 해부학적 특징에 기초하여 상기 관심 볼륨(VOI)에 대하여 미리 촬영된 제2 의료 영상들의 세트로부터 상기 제1 단면에 대응하는 단면 영상을 검출하는 단계;
    상기 검출된 단면 영상과 상기 제1 의료 영상에 기초하여, 상기 제1 의료 장치와 상기 제2 의료 영상들 촬영한 제2 의료 장치가 사용하는 가상의 좌표계를 맵핑하는 단계; 및
    상기 맵핑된 가상의 좌표계를 이용하여 상기 제1 의료 장치가 촬영하는 단면의 이동을 상기 제2 의료 영상들의 세트에서 추적하는 단계를 포함하는 방법.
  2. 제 1 항에 있어서,
    상기 검출하는 단계는,
    상기 제1 의료 영상 및 제2 의료 영상들의 세트에 나타난 각각의 해부학적 개체들의 유사도에 기초하여 상기 단면 영상을 검출하는 방법.
  3. 제 1 항에 있어서,
    상기 검출하는 단계는,
    상기 제1 의료 영상에서 나타난 해부학적 개체들과 상기 제2 의료 영상들의 세트에서 나타난 해부학적 개체들을 각각 세그멘테이션(segmentation)하는 단계;
    상기 제1 의료 영상에서 세그멘테이션 된 해부학적 개체들과 상기 제2 의료 영상들의 세트에서 세그멘테이션된 해부학적 개체들 간의 유사도를 계산하는 단계; 및
    상기 제2 의료 영상들의 세트에서 상기 계산된 유사도가 최대인 단면 영상을 선택하는 단계를 포함하는 방법.
  4. 제 3 항에 있어서,
    상기 세그멘테이션하는 단계는
    그래프 컷(graph cut) 기법 및 가우시안 믹스쳐 모델(GMM) 기법 중 적어도 하나에 기초하여 상기 제1 의료 영상과 상기 제2 의료 영상들의 세트에서 나타난 장기, 혈관 및 병변 중 적어도 하나를 세그멘테이션하고,
    상기 계산하는 단계는
    가보 웨이브릿(Gabor Wavelet) 기법 및 지역적 이진 패턴 매칭(Local Binary Pattern Matching) 기법 중 적어도 하나에 기초하여 상기 세그멘테이션된 해부학적 개체들간의 유사도를 계산하는 방법.
  5. 제 1 항에 있어서,
    상기 맵핑하는 단계는
    상기 제1 의료 장치의 가상 좌표계에서 상기 제1 의료 장치의 프로브가 위치한 지점(B1)에 대응하는 지점(B2)을 상기 제2 의료 장치의 가상 좌표계에서 검출하는 단계;
    상기 대응하는 지점(B2)의 좌표값을 이용하여 상기 제1 의료 장치의 가상 좌표계를 상기 제2 의료 장치의 좌표계로 변환하기 위한 좌표 변환 함수를 생성하는 단계를 포함하고,
    상기 추적하는 단계는 상기 생성된 좌표 변환 함수를 이용하여 상기 단면의 이동을 추적하는 방법.
  6. 제 1 항에 있어서,
    상기 관심 볼륨(VOI) 내에서 선택된 제2 단면에 대하여 상기 제1 의료 장치가 촬영한 제3 의료 영상을 획득하는 단계;
    상기 제3 의료 영상에서 특징점(P1)을 추출하는 단계;
    상기 제2 의료 영상들의 세트에서 상기 추출된 특징점(P1)에 대응되는 특징점(P2)을 검출하는 단계; 및
    상기 추출된 특징점(P1) 및 검출된 특징점(P2)에 기초하여, 상기 맵핑된 가상의 좌표계를 보정하는 단계를 더 포함하는 방법.
  7. 제 6 항에 있어서,
    상기 특징점(P2)을 검출하는 단계는
    상기 제2 의료 영상들의 세트를 이용하여 상기 관심 볼륨에 대한 3차원 모델을 재구성하는 단계;
    상기 재구성된 3차원 모델과 상기 제3 의료 영상에서 나타난 해부학적 개체들을 각각 세그멘테이션 하는 단계; 및
    상기 재구성된 3차원 모델 및 상기 제3 의료 영상으로부터 각각 세그멘테이션된 해부학적 개체들을 비교하여, 상기 재구성된 3차원 모델에서 상기 특징점(P1)에 대응되는 상기 특징점(P2)을 검출하는 단계를 포함하는 방법.
  8. 제 6 항에 있어서,
    상기 보정하는 단계는
    상기 특징점(P1)과 상기 특징점(P2)이 일치하도록 좌표 변환 함수를 보정하고,
    상기 추적하는 단계는, 상기 보정된 좌표 변환 함수를 이용하여 상기 단면의 이동을 추적하는 방법.
  9. 제 1 항에 있어서,
    상기 추적하는 단계는,
    상기 제1 의료 장치의 프로브가 이동함에 따라 상기 제1 의료 장치가 제3 단면에 대해 촬영한 제4 의료 영상을 획득하는 단계;
    상기 맵핑된 가상의 좌표계에 기초하여 상기 제4 의료 영상을 촬영시 상기 제1 의료 장치의 프로브가 위치한 지점의 좌표값을 상기 제2 의료 장치의 가상의 좌표계의 좌표값으로 변환하는 단계; 및
    상기 변환된 좌표값에 기초하여 상기 제2 의료 영상들의 세트로부터 상기 제3 단면에 대한 단면 영상을 재구성하는 단계를 더 포함하는 방법.
  10. 제 9 항에 있어서,
    상기 제4 의료 영상과 상기 재구성된 제3 단면에 대한 단면 영상을 출력하는 단계를 더 포함하는 방법.
  11. 의료 영상들을 정합하는 장치에 있어서,
    관심 볼륨(VOI) 내에서 선택된 제1 단면에 대하여 제1 의료 장치가 촬영한 제1 의료 영상을 획득하는 제1 의료 영상 획득부;
    상기 제1 의료 영상에 나타난 해부학적 특징에 기초하여 상기 관심 볼륨(VOI)에 대하여 미리 촬영된 제2 의료 영상들의 세트로부터 상기 제1 단면에 대응하는 단면 영상을 검출하는 검출부;
    상기 검출된 단면 영상과 상기 제1 의료 영상에 기초하여, 상기 제1 의료 장치와 상기 제2 의료 영상들 촬영한 제2 의료 장치가 사용하는 가상의 좌표계를 맵핑하는 좌표 변환부; 및
    상기 맵핑된 가상의 좌표계를 이용하여 상기 제1 의료 장치가 촬영하는 단면의 이동을 상기 제2 의료 영상들의 세트에서 추적하는 영상 출력부를 포함하는 장치.
  12. 제 11 항에 있어서,
    상기 검출부는
    상기 제1 의료 영상 및 제2 의료 영상들의 세트에 나타난 각각의 해부학적 개체들의 유사도에 기초하여 상기 단면 영상을 검출하는 장치.
  13. 제 11 항에 있어서,
    상기 검출부는
    상기 제1 의료 영상에서 나타난 해부학적 개체들과 상기 제2 의료 영상들의 세트에서 나타난 해부학적 개체들을 각각 세그멘테이션(segmentation)하는 영상 분리부; 및
    상기 제1 의료 영상에서 세그멘테이션 된 해부학적 개체들과 상기 제2 의료 영상들의 세트에서 세그멘테이션 된 해부학적 개체들 간의 유사도를 계산하고,상기 제2 의료 영상들의 세트에서 상기 계산된 유사도가 최대인 단면 영상을 선택하는 단면 영상 검출부를 포함하는 하는 장치.
  14. 제 13 항에 있어서,
    상기 영상 분리부는
    그래프 컷(graph cut) 기법 및 가우시안 믹스쳐 모델(GMM) 기법 중 적어도 하나에 기초하여 상기 제1 의료 영상과 상기 제2 의료 영상들의 세트에서 나타난 장기, 혈관 및 병변 중 적어도 하나를 세그멘테이션하고,
    상기 단면 영상 검출부
    가보 웨이브릿(Gabor Wavelet) 기법 및 지역적 이진 패턴 매칭(Local Binary Pattern Matching) 기법 중 적어도 하나에 기초하여 상기 세그멘테이션된 해부학적 개체들간의 유사도를 계산하는 장치.
  15. 제 11 항에 있어서,
    상기 좌표 변환부는
    상기 제1 의료 장치의 가상 좌표계에서 상기 제1 의료 장치의 프로브가 위치한 지점(B1)에 대응하는 지점(B2)을 상기 제2 의료 장치의 가상 좌표계에서 검출하는 기준점 검출부; 및
    상기 대응하는 지점(B2)의 좌표값을 이용하여 상기 제1 의료 장치의 가상 좌표계를 상기 제2 의료 장치의 가상 좌표계로 변환하기 위한 좌표 변환 함수를 생성하는 변환 함수 생성부를 포함하고,
    상기 영상 출력부는 상기 생성된 좌표 변환 함수를 이용하여 상기 단면의 이동을 추적하는 장치.
  16. 제 11 항에 있어서,
    상기 제1 의료 영상 획득부는 상기 관심 볼륨(VOI) 내에서 선택된 제2 단면에 대하여 상기 제1 의료 장치가 촬영한 제3 의료 영상을 더 획득하고,
    상기 검출부는 제3 의료 영상에서 특징점(P1)을 추출하고, 상기 추출된 특징점(P1)에 대응되는 특징점(P2)을 상기 제2 의료 영상들의 세트에서 검출하고,
    상기 좌표 변환부는 상기 추출된 특징점(P1) 및 검출된 특징점(P2)에 기초하여 상기 맵핑된 가상의 좌표계를 보정하는 장치.
  17. 제 16 항에 있어서,
    상기 영상 출력부는 상기 제2 의료 영상들의 세트를 이용하여 상기 관심 볼륨에 3차원 모델을 재구성하고,
    상기 검출부는
    상기 재구성된 3차원 모델과 상기 제3 의료 영상에서 나타난 해부학적 개체들을 각각 세그멘테이션 하는 영상 분리부; 및
    상기 재구성된 3차원 모델 및 상기 제3 의료 영상으로부터 각각 세그멘테이션된 해부학적 개체들을 비교하여, 상기 재구성된 3차원 모델에서 상기 특징점(P1)에 대응되는 상기 특징점(P2)을 검출하는 특징점 검출부를 포함하는 장치.
  18. 제 16 항에 있어서,
    상기 좌표 변환부는 상기 특징점(P1)과 상기 특징점(P2)이 일치하도록 좌표 변환 함수를 보정하고,
    상기 영상 출력부는 상기 보정된 좌표 변환 함수를 이용하여 상기 단면의 이동을 추적하는 장치.
  19. 제 11 항에 있어서,
    상기 제1 의료 영상 획득부는 상기 제1 의료 장치의 프로브가 이동함에 따라 상기 제1 의료 장치가 제3 단면에 대해 촬영한 제4 의료 영상을 획득하고,
    상기 좌표 변환부는 상기 맵핑된 가상의 좌표계에 기초하여 상기 제4 의료 영상을 촬영시 상기 제1 의료 장치의 프로브가 위치한 지점의 좌표값을 상기 제2 의료 장치의 가상의 좌표계의 좌표값으로 변환하고,
    상기 영상 출력부는 상기 변환된 좌표값에 기초하여 상기 제2 의료 영상들의 세트로부터 상기 제3 단면에 대한 단면 영상을 재구성하는 장치.
  20. 제 19 항에 있어서,
    상기 영상 출력부는 상기 제4 의료 영상과 상기 재구성된 제3 단면에 대한 단면 영상을 출력하는 장치.
KR1020120134868A 2012-11-26 2012-11-26 의료 영상들의 정합 방법 및 장치 KR102001219B1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020120134868A KR102001219B1 (ko) 2012-11-26 2012-11-26 의료 영상들의 정합 방법 및 장치
CN201310393995.8A CN103839251A (zh) 2012-11-26 2013-09-03 用于医学图像配准的方法和设备
US14/088,787 US10542955B2 (en) 2012-11-26 2013-11-25 Method and apparatus for medical image registration
EP13194482.9A EP2736015A1 (en) 2012-11-26 2013-11-26 Method and apparatus for medical image registration

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120134868A KR102001219B1 (ko) 2012-11-26 2012-11-26 의료 영상들의 정합 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20140067526A true KR20140067526A (ko) 2014-06-05
KR102001219B1 KR102001219B1 (ko) 2019-07-17

Family

ID=49765276

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120134868A KR102001219B1 (ko) 2012-11-26 2012-11-26 의료 영상들의 정합 방법 및 장치

Country Status (4)

Country Link
US (1) US10542955B2 (ko)
EP (1) EP2736015A1 (ko)
KR (1) KR102001219B1 (ko)
CN (1) CN103839251A (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016013881A1 (ko) * 2014-07-23 2016-01-28 연세대학교 산학협력단 3차원 볼륨 영상의 빅 데이터 데이터베이스 구축 장치 및 방법
KR20160066941A (ko) * 2014-12-03 2016-06-13 삼성전자주식회사 의료 영상 처리 장치 및 그에 따른 의료 영상 처리 방법
KR20200013984A (ko) * 2018-07-31 2020-02-10 서울대학교산학협력단 3d 영상 정합 제공 장치 및 그 방법
KR20210041242A (ko) * 2019-10-07 2021-04-15 연세대학교 산학협력단 정상 조직 영역의 예측 방법 및 이를 이용한 정상 조직 영역 예측용 디바이스

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102011113611B3 (de) * 2011-09-16 2012-10-04 PTW-Freiburg Physikalisch-Technische Werkstätten Dr. Pychlau GmbH Wasserphantom und Messsystem
KR20140137715A (ko) * 2013-05-23 2014-12-03 삼성디스플레이 주식회사 엑스레이 검출 장치 및 방법
KR101572487B1 (ko) * 2013-08-13 2015-12-02 한국과학기술연구원 환자와 3차원 의료영상의 비침습 정합 시스템 및 방법
WO2015124388A1 (en) * 2014-02-19 2015-08-27 Koninklijke Philips N.V. Motion adaptive visualization in medical 4d imaging
CN106102549B (zh) * 2014-03-17 2018-12-04 直观外科手术操作公司 用于控制成像器械定向的系统和方法
CN105433977B (zh) * 2014-07-31 2020-02-07 东芝医疗系统株式会社 医学成像系统、手术导引系统以及医学成像方法
US9740710B2 (en) * 2014-09-02 2017-08-22 Elekta Inc. Systems and methods for segmenting medical images based on anatomical landmark-based features
CN104408398B (zh) * 2014-10-21 2019-02-22 无锡海斯凯尔医学技术有限公司 一种肝脏边界的识别方法及系统
CN105701846B (zh) * 2014-11-27 2019-01-15 东芝医疗系统株式会社 医学图像处理装置和方法以及医学成像设备
WO2016134771A1 (en) * 2015-02-26 2016-09-01 Brainlab Ag Adaptation of image data sets to an updated atlas-based reference system
CN105160693B (zh) * 2015-09-28 2018-04-27 沈阳东软医疗系统有限公司 一种用于医学图像的曲率测量方法和装置
JP6632361B2 (ja) * 2015-12-15 2020-01-22 キヤノン株式会社 画像処理装置、画像処理システム、画像処理方法、及びプログラム。
US10592820B2 (en) 2016-06-09 2020-03-17 International Business Machines Corporation Sequential learning technique for medical image segmentation
CN106780481B (zh) * 2017-01-06 2020-01-21 东软医疗系统股份有限公司 一种医学准标位置的检测方法和装置
JP7171228B2 (ja) * 2018-05-09 2022-11-15 キヤノンメディカルシステムズ株式会社 超音波診断装置及び医用情報処理プログラム
WO2019239744A1 (ja) * 2018-06-11 2019-12-19 パナソニックＩｐマネジメント株式会社 撮像制御装置、撮像制御方法、及びプログラム
US20230419602A1 (en) * 2020-11-05 2023-12-28 Koninklijke Philips N.V. Rendering and displaying a 3d representation of an anatomical structure

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020014751A (ko) * 2000-08-18 2002-02-25 카페주토 루이스 제이. 3차원 맵상에 진단 영상 데이타를 묘사하는 방법 및 장치
EP1650707A2 (en) * 2004-10-22 2006-04-26 Medison Co., Ltd. Apparatus and method for enhancing quality of sectional plane image in 3 dimensional ultrasound data
US20080085042A1 (en) * 2006-10-09 2008-04-10 Valery Trofimov Registration of images of an organ using anatomical features outside the organ
US20090097778A1 (en) * 2007-10-11 2009-04-16 General Electric Company Enhanced system and method for volume based registration
WO2010064348A1 (ja) * 2008-12-05 2010-06-10 キヤノン株式会社 医用画像の位置あわせのための情報処理装置、情報処理方法、プログラム
KR20100062889A (ko) * 2008-12-02 2010-06-10 주식회사 메디슨 영상 정합을 수행하는 시스템 및 방법
US20110028843A1 (en) * 2009-07-31 2011-02-03 Dong Gyu Hyun Providing a 2-dimensional ct image corresponding to a 2-dimensional ultrasound image
KR20120111871A (ko) * 2011-03-29 2012-10-11 삼성전자주식회사 3차원적 모델을 이용한 신체 장기의 영상 생성 방법 및 장치

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2631096B2 (ja) 1995-05-15 1997-07-16 允彦 杉田 除水装置
JPH0924034A (ja) 1995-07-13 1997-01-28 Toshiba Corp 超音波及び核磁気共鳴複合診断装置
JPH0984746A (ja) 1995-07-19 1997-03-31 Olympus Optical Co Ltd 磁気共鳴観測システム
JP2695142B2 (ja) 1995-11-09 1997-12-24 賢司 小蒲 リラクセーション誘導装置とこれを利用した学習方法
JP3871747B2 (ja) 1996-11-25 2007-01-24 株式会社日立メディコ 超音波診断装置
EP1182970B1 (en) 1999-12-15 2006-05-10 Koninklijke Philips Electronics N.V. Diagnostic imaging system with ultrasound probe
JP3878456B2 (ja) 2001-11-14 2007-02-07 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 画像診断支援システム
US8111892B2 (en) 2008-06-04 2012-02-07 Medison Co., Ltd. Registration of CT image onto ultrasound images
EP2130497A1 (en) 2008-06-05 2009-12-09 Medison Co., Ltd. Anatomical feature extraction from an ultrasound liver image
EP2194506B1 (en) 2008-12-02 2016-03-09 Samsung Medison Co., Ltd. Image based registration
KR101121286B1 (ko) 2009-07-31 2012-03-23 한국과학기술원 센서의 교정을 수행하는 초음파 시스템 및 방법
KR101121353B1 (ko) 2009-08-03 2012-03-09 한국과학기술원 2차원 초음파 영상에 대응하는 2차원 ｃｔ 영상을 제공하는 시스템 및 방법
KR101117026B1 (ko) 2009-12-15 2012-03-16 삼성메디슨 주식회사 서로 다른 영상간에 영상 정합을 수행하는 영상 정합 시스템 및 방법
KR20110078274A (ko) 2009-12-31 2011-07-07 주식회사 사이버메드 이미지 정합을 이용한 혈관 치료용 마이크로 로봇의 위치 추적 방법
KR101135536B1 (ko) 2010-02-05 2012-04-17 삼성모바일디스플레이주식회사 유기 발광 장치
KR101118549B1 (ko) 2010-06-15 2012-02-22 연세대학교 산학협력단 의료용 융합영상 획득장치 및 획득방법
US20120253170A1 (en) 2011-03-29 2012-10-04 Samsung Electronics Co., Ltd. Method and apparatus for generating medical image of body organ by using 3-d model

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020014751A (ko) * 2000-08-18 2002-02-25 카페주토 루이스 제이. 3차원 맵상에 진단 영상 데이타를 묘사하는 방법 및 장치
EP1650707A2 (en) * 2004-10-22 2006-04-26 Medison Co., Ltd. Apparatus and method for enhancing quality of sectional plane image in 3 dimensional ultrasound data
US20080085042A1 (en) * 2006-10-09 2008-04-10 Valery Trofimov Registration of images of an organ using anatomical features outside the organ
US20090097778A1 (en) * 2007-10-11 2009-04-16 General Electric Company Enhanced system and method for volume based registration
KR20100062889A (ko) * 2008-12-02 2010-06-10 주식회사 메디슨 영상 정합을 수행하는 시스템 및 방법
WO2010064348A1 (ja) * 2008-12-05 2010-06-10 キヤノン株式会社 医用画像の位置あわせのための情報処理装置、情報処理方法、プログラム
US20100239150A1 (en) * 2008-12-05 2010-09-23 Canon Kabushiki Kaisha Information processing apparatus for registrating medical images, information processing method and program
US20110028843A1 (en) * 2009-07-31 2011-02-03 Dong Gyu Hyun Providing a 2-dimensional ct image corresponding to a 2-dimensional ultrasound image
KR20120111871A (ko) * 2011-03-29 2012-10-11 삼성전자주식회사 3차원적 모델을 이용한 신체 장기의 영상 생성 방법 및 장치

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Pham, Dzung L., et al., "Current methods in medical image segmentation." Annual review of biomedical engineering vol. 2.1 (2000)* *
Zitova, Barbara, et al., "Image registration methods: a survey." Image and vision computing vol. 21.11 (2003)* *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016013881A1 (ko) * 2014-07-23 2016-01-28 연세대학교 산학협력단 3차원 볼륨 영상의 빅 데이터 데이터베이스 구축 장치 및 방법
KR20160066941A (ko) * 2014-12-03 2016-06-13 삼성전자주식회사 의료 영상 처리 장치 및 그에 따른 의료 영상 처리 방법
US10105118B2 (en) 2014-12-03 2018-10-23 Samsung Electronics Co., Ltd. Apparatus and method of processing medical image
KR20200013984A (ko) * 2018-07-31 2020-02-10 서울대학교산학협력단 3d 영상 정합 제공 장치 및 그 방법
US11468577B2 (en) 2018-07-31 2022-10-11 Gmeditec Corp. Device for providing 3D image registration and method therefor
KR20210041242A (ko) * 2019-10-07 2021-04-15 연세대학교 산학협력단 정상 조직 영역의 예측 방법 및 이를 이용한 정상 조직 영역 예측용 디바이스

Also Published As

Publication number Publication date
CN103839251A (zh) 2014-06-04
US20140148690A1 (en) 2014-05-29
US10542955B2 (en) 2020-01-28
KR102001219B1 (ko) 2019-07-17
EP2736015A1 (en) 2014-05-28

Similar Documents

Publication Publication Date Title
KR102001219B1 (ko) 의료 영상들의 정합 방법 및 장치
KR102094502B1 (ko) 의료 영상들의 정합 방법 및 장치
KR102114415B1 (ko) 의료 영상 정합 방법 및 장치
KR101932721B1 (ko) 의료 영상들의 정합 방법 및 장치
JP7195279B2 (ja) 画像の三次元再構成及び改善された対象物定位のために、放射状気管支内超音波プローブを用いるための方法
KR101982149B1 (ko) 의료 영상의 일부 정보를 활용한 장기 영상 생성 방법 및 장치
CA2645385C (en) Anatomical modeling from a 3-d image and surface mapping
KR102205898B1 (ko) 의료영상들을 정합하는 방법 및 장치
KR102233427B1 (ko) 의료 영상 정합 방법 및 장치
KR20120111871A (ko) 3차원적 모델을 이용한 신체 장기의 영상 생성 방법 및 장치
JP2012205899A (ja) ３次元的モデルを利用した身体臓器の映像生成方法及び装置並びにコンピュータ読み取り可能な記録媒体
KR20130143434A (ko) 고강도 집속 초음파의 초점을 결정하는 방법 및 장치
KR102233966B1 (ko) 의료 영상 정합 방법 및 그 장치
KR20150145106A (ko) 의료 영상 정합 방법 및 그 장치
US7376254B2 (en) Method for surface-contouring of a three-dimensional image
KR102250086B1 (ko) 의료 영상 정합 방법, 이를 포함하는 장치 및 컴퓨터 기록 매체
KR20150026354A (ko) 의료영상들을 정합하는 방법 및 장치
KR20150088972A (ko) 의료 영상 정합 방법 및 그 장치

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant