KR20150059098A - 영상에 복수의 모델을 피팅하는 영상 표시 장치 및 그 방법 - Google Patents

Abstract

영상 데이터로부터 모델을 피팅하는 영상 처리 장치가 제공된다. 영상 처리 장치는 영상 데이터에 포함되어 있는 제1 모델의 파라미터 세트를 결정하는 모델 추정 과정과 결정된 파라미터 세트를 이용하여 인라이어 스케일을 결정하는 인라이어 스케일 추정 과정을 순차적으로 반복 수행함으로써, 제1 모델의 최종 파라미터 세트 및 최종 인라이어 스케일을 결정한다.

Description

영상에 복수의 모델을 피팅하는 영상 표시 장치 및 그 방법 {Image Display System And Method For Fitting Multiple Models To Image}

본 발명은 영상 데이터에 모델을 피팅하는 영상 표시 장치 및 방법에 대한 것으로, 보다 구체적으로는 복수의 모델들을 보다 정확하게 표시하기 위한 발명이다.

여러 화상 진단 장치 중 초음파 진단 장치는 프로브(probe)의 트랜스듀서(transducer)로부터 생성되는 초음파 신호를 대상체로 조사하고, 대상체로부터 반사된 에코 신호의 정보를 수신하여 대상체 내부의 부위에 대한 영상을 얻는다. 특히, 초음파 진단 장치는 대상체 내부의 관찰, 이물질 검출, 및 상해 측정 등 의학적 목적으로 사용된다. 이러한 초음파 진단 장치는 X선을 이용하는 진단 장치에 비하여 안정성이 높고, 실시간으로 영상의 표시가 가능하며, 방사능 피폭이 없어 안전하다는 장점이 있어서 다른 화상 진단 장치와 함께 널리 이용된다.

이와 같은 초음파 장치를 비롯하여, 컴퓨터 단층 촬영 장치(Computed Tomography, CT), X-Ray 장치, 자기 공명 영상(Magnetic Resonance Image, MRI) 장치 등으로 대상체에 대한 촬영을 수행하고 나면, 수행 결과 2차원 또는 3차원의 영상이 획득된다. 사용자들은 획득된 영상으로부터 특정 모델을 피팅(Fitting)하여 살펴보는 것이 필요하며, 이와 관련하여 정확한 모델을 피팅하는 다양한 알고리즘들이 소개되고 있다. 그러나, 소개된 알고리즘들에 내재되어 있는 한계로 인하여, 정확한 피팅 모델을 획득하지 못하는 경우가 많다.

이러한 문제점을 해결하기 위하여 본 발명의 일 측면에 따른 영상 처리 장치는, 제1 모델의 데이터을 포함하는 영상 데이터를 저장하는 저장부; 및 초기 인라이어 스케일(inlier scale)을 이용하여 상기 영상 데이터로부터 상기 제1 모델의 파라미터 세트(model parameters)를 결정하는 모델 추정 과정과 상기 파라미터 세트를 이용하여 인라이어 스케일을 결정하는 인라이어 스케일 추정 과정을 순차적으로 반복 수행(performing iteratively)함으로써, 상기 제1 모델의 최종 파라미터 세트 및 최종 인라이어 스케일을 결정하는 프로세서를 포함하고, 상기 모델 추정 과정이 반복될 때, 반복되는 상기 모델 추정 과정은, 직전에 수행된 인라이어 스케일 추정 과정에 따라 결정된 인라이어 스케일을 이용하여 새로운 파라미터 세트를 결정하고, 상기 인라이어 스케일 추정 과정은, 직전에 수행된 모델 추정 과정에 따라 결정된 파라미터 세트를 이용하여 새로운 인라이어 스케일을 결정하는 것을 특징으로 한다.

상기 모델 추정 과정과 상기 인라이어 스케일 추정 과정을 순차적으로 반복 수행함으로써 결정되는 파라미터 세트들 및 인라이어 스케일들은 상기 제1 모델의 최종 파라미터 세트 및 최종 인라이어 스케일로 수렴할 수 있다.

상기 영상 데이터는 제1 모델 및 제2 모델이 포함된 복수의 모델의 데이터를 포함하고, 상기 프로세서는 상기 제1 모델의 최종 파라미터 세트 및 최종 인라이어 스케일에 기초하여, 상기 제1 모델의 데이터로부터 상기 제1 모델의 최종 인라이어 스케일보다 인접한 거리에 있는 제1 인라이어 데이터를 제거하는 인라이어 제거 과정를 수행하고, 상기 제1 인라이어 데이터가 제거된 상기 영상 데이터에 대하여, 상기 모델 추정 과정과 상기 인라이어 스케일 추정 과정을 순차적으로 반복 수행함으로써, 상기 제2 모델의 최종 파라미터 세트 및 최종 인라이어 스케일을 결정하는 최종 결정 과정을 수행할 수 있다.

상기 프로세서는 상기 인라이어 제거 과정과 상기 최종 결정 과정을 순차적으로 반복 수행함으로써, 상기 복수의 모델에 포함되는 모든 모델들 각각의 최종 파라미터 세트들을 결정할 수 있다.

상기 제1 인라이어 스케일은 사용자 입력에 의하여 설정될 수 있다.

상기 모델 추정 과정은 결정론적 방법(Deterministic Method)로서 MaxFS(Maximum Feasible Subsystem) 방법을 사용할 수 있다.

상기 인라이어 스케일 추정 과정은 IKOSE(Iterative Kth Ordered Scale Estimator), MED, MAD, KOSE 중 적어도 하나의 방법을 사용할 수 있다.

상기 영상 데이터는 초음파 영상을 포함하고, 상기 제1 모델은 기하학적 도형으로서 직선, 원, 타원, 평면, 구 및 곡면 중 하나일 수 있다.

상기 제1 모델은 상기 영상 데이터로부터 추정이 가능한 선형 또는 비선형 모델로서, 호모그라피 추정(homography estimation), 펀더멘탈 매트릭스 추정(fundamental matrix estimation), 광학 플로우 추정(optical flow estimation), 모션 추정(motion estimation) 중 적어도 하나일 수 있다.

상기 문제점을 해결하기 위하여 본 발명의 일 측면에 따른 영상 처리 방법은, 제1 모델의 데이터를 포함하는 영상 데이터에 대하여, 초기 인라이어 스케일(inlier scale)을 이용하여 상기 영상 데이터로부터 상기 제1 모델의 파라미터 세트(model parameters)를 결정하는 모델 추정 과정 및 상기 파라미터 세트를 이용하여 인라이어 스케일을 결정하는 인라이어 스케일 추정 과정을 순차적으로 반복 수행하는 단계; 및 상기 모델 추정 과정 및 상기 인라이어 스케일 추정 과정을 순차적으로 반복 수행한 결과에 기초하여, 상기 제1 모델의 최종 파라미터 세트 및 최종 인라이어 스케일을 결정하는 단계;를 포함하고, 상기 모델 추정 과정이 반복될 때, 반복되는 상기 모델 추정 과정은, 직전에 수행된 인라이어 스케일 추정 과정에 따라 결정된 인라이어 스케일을 이용하여 새로운 파라미터 세트를 결정하고, 상기 인라이어 스케일 추정 과정은, 직전에 수행된 모델 추정 과정에 따라 결정된 파라미터 세트를 이용하여 새로운 인라이어 스케일을 결정하는 것을 특징할 수 있다.

본 발명은, 다음의 자세한 설명과 그에 수반되는 도면들의 결합으로 쉽게 이해될 수 있으며, 참조 번호(reference numerals)들은 구조적 구성요소(structural elements)를 의미한다.
도 1은 다수의 점을 포함하는 영상 데이터에서 모델(Model)로서의 선(Line)을 피팅하는 일례를 도시한 것이다.
도 2는 본 발명의 일 실시예에 따르는 영상 처리 장치를 도식적으로 나타낸 것이다.
도 3은 본 발명의 일 실시예에 따라 영상 데이터에서 모델을 피팅하는 과정을 도식적으로 나타낸 것이다.
도 4는 본 발명의 일 실시예에 따라 영상 데이터에서 복수의 모델을 피팅하는 예시들을 나타낸 것이다.
도 5는 본 발명의 일 실시예에 따라 영상 데이터에서 복수의 모델을 피팅하는 과정을 나타내는 흐름도이다.
도 6a 및 도 6a는 본 발명의 일 실시예를 초음파 영상에 적용하여 사용하는 예시들을 나타낸 것이다.
도 7은 본 발명의 일 실시예에 따른 영상 처리 장치가 적용될 수 있는 초음파 진단 장치의 블록도이다.

본 발명에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.

명세서 전체에서 어떤 부분이 어떤 구성요소를 “포함”한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 “…부”, “…모듈” 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.

명세서 전체에서 "초음파 영상"이란 초음파를 이용하여 획득된 대상체(object)에 대한 영상을 의미한다. 또한, 대상체는 사람 또는 동물, 또는 사람 또는 동물의 일부를 포함할 수 있다. 예를 들어, 대상체는 간, 심장, 자궁, 뇌, 유방, 복부 등의 장기, 또는 혈관을 포함할 수 있다. 또한, 대상체는 팬텀(phantom)을 포함할 수도 있으며, 팬텀은 생물의 밀도와 실효 원자 번호에 아주 근사한 부피를 갖는 물질을 의미할 수 있다.

또한, 명세서 전체에서 "사용자"는 의료 전문가로서 의사, 간호사, 임상 병리사, 의료 영상 전문가 등이 될 수 있으며, 의료 장치를 수리하는 기술자가 될 수 있으나, 이에 한정되지는 않는다.

이하에서는 도면을 참조하여 본 발명의 실시 예들을 상세히 설명한다.

도 1은 영상 처리 장치가 다수의 점을 포함하는 영상 데이터에서 모델(Model)로서의 선(Line)을 피팅(Fitting)하는 일례를 도시한 것이다.

도 1의 영상 데이터에는 다수의 점들이 포함되어 있고, 그 중 대다수의 점들이 좌측 상단에서부터 우측 하단을 향하여 배치되어 있다. 이러한 점들의 분포로부터, 사용자는 좌측 상단으로부터 우측 하단을 향하는 특정 모델, 예를 들어, 직선(Model : Line)을 영상 데이터에 피팅할 수 있다. 이 때, 모델은 기하학적 도형일 수 있으며, 해당 기하학적 도형을 피팅하는 작업은, 해당 기하학적 도형을 정의할 수 있는 파라미터 세트를 결정하는 작업을 포함할 수 있다. 예를 들어, 도 1의 직선(Model : Line)을 피팅하는 작업은, 해당 직선을 정의하는 두 점의 좌표 또는 위치, 곧 해당 직선의 파라미터 세트를 결정함으로써 수행될 수 있다.

더불어, 영상 데이터에 포함되는 다수의 점들은, 결정되는 해당 모델과 관련하여 인라이어(inlier)와 아웃라이어(outlier)로 구분할 수 있다. 예를 들어, 모델로 결정되는 해당 특정 직선에 상대적으로 가까이 위치한 점들은 인라이어, 해당 특정 직선으로부터 멀리 위치한 점들은 아웃라이어로 구분될 수 있다. 인라이어와 아웃라이어로 구분됨에 있어서, 결정되는 해당 모델로부터의 소정의 거리 이내에 위치하는 점들은 인라이어, 소정 거리 이외에 위치하는 점들은 아웃라이어로 분류될 수 있다. 이때, 인라이어와 아웃라이어를 구분하는 데에 이용되는 소정의 거리를 인라이어 스케일(inlier scale) 또는 노이즈 스케일(noise scale)이라고 부른다.

도 2는 본 발명의 일 실시예에 따른 영상 처리 장치를 도시한 것이다. 본 발명의 일 실시예에 따르면, 영상 처리 장치(200)은 저장부(220) 및 프로세서(210)를 포함한다.

저장부(220)는 영상 데이터를 저장한다. 저장부(220)에 저장된 영상 데이터는 초음파 시스템, CT, MRI, X-ray 등의 의료 장치에 의하여 획득된 영상 데이터일 수 있다. 영상 데이터는 2차원 또는 3차원의 데이터일 수 있다.

더불어, 저장부(220)는 영상 처리 장치(200)에 의하여 획득된 영상 데이터일 수 있고, 영상 처리 장치(200)가 외부의 다른 장치로부터 수신하거나 입력받은 영상 데이터일 수 있다.

영상 데이터는 한 개 또는 그 이상의 모델의 데이터를 포함할 수 있다. 모델은 직선, 원, 타원, 평면, 구, 곡면 등의 기하학적 도형일 수 있다. 또는, 모델은 데이터로부터 추정 가능한 선형 또는 비선형 모델일 수 있다. 예를 들어, 모델은 호모그라피 추정(homography estimation), 펀더멘탈 매트릭스 추정(fundamental matrix estimation), 광학 플로우 추정(optical flow estimation), 모션 추정(motion estimation)일 수 있다.

프로세서(210)는 영상 데이터에 대하여 영상 처리를 수행하여 영상 데이터에 포함되어 있는 모델을 결정할 수 있다. 일 실시예에 따라, 프로세서(210)는 모델을 결정함에 있어서, 모델의 파라미터를 결정함으로써 상기 모델을 결정할 수 있다. 예를 들어, 영상 데이터에 모델로서 직선이 포함되어 있는 경우, 프로세서(210)는 해당 직선을 정의할 수 있는 두 개의 점의 좌표 또는 위치를 결정함으로써 해당 직선을 결정할 수 있다. 다른 예를 들어, 영상 데이터에 모델로서 원이 포함되어 있는 경우, 프로세서(210)는 해당 원을 규정할 수 있는 중심점의 좌표 또는 위치와 원의 반경을 결정할 수 있다.

일 실시예에 따르면, 프로세서(210)는, 소정의 초기 인라이어 스케일을 이용하여 모델의 파라미터를 결정한다. 이어 프로세서(210)는 결정된 파라미터를 이용하여 모델의 새로운 인라이어 스케일을 결정한다. 이어 프로세서(210)는 새로이 결정된 인라이어 스케일을 이용하여, 새로운 파라미터를 결정한다. 인라이어 스케일을 이용하여 모델의 파라미터를 결정하는 과정을 모델 추정 과정이라고 칭하고, 모델의 파라미터를 이용하여 인라이어 스케일을 결정하는 과정을 인라이어 스케일 추정 과정이라고 칭한다면, 프로세서(210)는 모델 추정과정과 인라이어 스케일 추정 과정을 순차적으로 반복 수행(Iteration)함으로써, 보다 정확한 파라미터와 인라이어 스케일을 결정할 수 있다. 본원은 이러한 과정을 IMaxFS(Iterative MaxFS Framework)라고 칭한다.

이 때, 일 실시예에 따라서는, 모델 추정 과정과 인라이어 스케일 추정 과정의 순차적 반복 수행을 시작할 수 있도록, 최초에는 초기 인라이어 스케일이 주어지고 이를 이용하여 모델 추정 과정이 먼저 수행될 수 있다. 실시예에 따라서, 초기 인라이어 스케일 값은 초기 모델 파라미터가 왜곡되지 않도록 하기 위하여, 모델 파라미터가 결정될 수 있는 정도에 한하여 매우 작은 값을 가지도록 설정될 수 있다. 초기 인라이어 스케일 값의 설정에 대해서는 아래에서 보다 자세하게 설명한다.

또한, 실시예들에 따라서, 모델 추정 과정에 있어서, 인라이어 스케일이 주어지면 MaxFS(Maximum Feasible Subsystem), RANSAC(Random Sample Consensus)과 같은 알고리즘을 이용하여 모델의 파라미터를 결정할 수 있다. 실시예들에 따라서, 인라이어 스케일 추정 과정에 있어서, 모델의 파라미터가 주어지면 IKOSE(Iterative Kth Ordered Scale Estimator)와 같은 알고리즘을 이용하여 모델의 인라이어 스케일을 결정할 수 있다.

더불어, 본원에 따르는 IMaxFS에 있어서 다음과 같은 방법도 고려할 수 있다. 먼저, Iterative MaxFS Framework(IMaxFS)은 앞에서 설명한 바와 같이 인라이어 스케일 S와 모델 파라미터를 번갈아 가면서 추정하게 되는데, 인라이어 스케일 S가 주어지면, MaxFS에 의해 모델 파라미터를 추정하고, 추정된 모델 파라미터로부터 IKOSE를 수행하여 현재의 인라이어 스케일을 추정한다. IKOSE는 인라이어가 가우시안 분포(Gaussian distribution)를 보인다는 것을 가정을 하기 때문에, 만약 모델 파라미터가 실제 모델에서 벗어나게 되거나, IKOSE 알고리즘 상 K번째의 정렬된 절대 레지듀얼(Kth ordered absolute residual)이 아웃라이어에 속하면, 결정된 인라이어 스케일은 왜곡되거나(biased), 심지어 실패(break down)할 수 있다. 이러한 경우를 방지하기 위하여, 본원에서는 IKOSE 알고리즘을 적용함에 있어서 IKOSE 알고리즘 상 K를 전체 영상 데이터의 10%로 고정한다. 그리고, 최초로 결정되는 모델 파라미터가 실제 모델로부터 심하게 왜곡되는 것을 피하기 위해, 초기 인라이어 스케일을 매우 작은 값으로 시작해서, MaxFS에 의해 결정되는 인라이어의 개수가 특정 임계치보다 커질 때까지 인라이어 스케일을 점차 증가 시킨다.

도 3은 본 발명의 일 실시예에 따라 영상 데이터에서 모델을 피팅하는 과정을 도식적으로 나타낸 것이다.

도 3에 따르면, 앞에서 설명한 바와 같이 본원 발명의 일 실시에에 따라, 인라이어 스케일(S)을 이용하여 모델 추정 과정을 수행하고, 모델 추정 과정을 통하여 결정된 파라미터(θ)를 이용하여 인라이어 스케일을 결정하는 과정이, 반복적으로 수행된다. 데이터 분포(310)는 초기 인라이어 스케일을 매우 작은 값으로 설정하고 본원 발명에 따른 모델 추정 과정을 수행했을 때의 초기 결과를 나타내며, 데이터 분포(320)는 본원 발명에 따라 모델 추정 과정과 인라이어 스케일 추정 과정을 반복적으로 수행하였을 때의 최종 결과를 나타낸다.

한편, 본원 발명의 일 실시예에 따르면, 영상 데이터에 두 개 이상의 모델들이 포함되어 있는 경우, 영상 데이터에 대하여 제1 모델을 먼저 피팅하고, 이어 제2 모델을 피팅할 수 있다. 이 때, 영상 처리 장치는 앞에서 설명한 ImaxFS를 통하여 먼저 제1 모델의 파라미터와 인라이어들을 결정한다. 이어 영상 데이터로부터 제1 모델의 인라이어들을 제거한다. 그리고 남은 영상 데이터에 대하여 다시 IMaxFS를 적용하여 제2 모델을 피팅할 수 있다. 이와 같은 방식을 반복함으로써, 영상 데이터에 포함된 복수의 모델을 각각에 대하여 모델의 파라미터와 인라이어를 결정할 수 있다.

도 4는 본 발명의 일 실시예에 따라 영상 데이터에서 복수의 모델을 피팅하는 예시들을 나타낸 것이다.

도 4에 따르면, 영상 데이터(410)은 복수의 직선 모델을 포함하는 영상 데이터이다. 이러한 복수의 직선 모델에 대하여, 본원의 IMaxFS를 반복적으로 적용하면, 영상 데이터(420)에서와 같이 다섯 개의 직선 모델을 정확하게 획득할 수 있다. 유사한 방식으로, 영상 데이터(430)은 복수의 원 모델을 포함하는 영상 데이터이다. 이러한 복수의 원 모델에 대하여, 본원의 IMaxFS를 반복적으로 적용하면, 영상 데이터(440)에서와 같이 다섯 개의 원 모델을 정확하게 획득할 수 있다.

도 5는 본 발명의 일 실시예에 따라 영상 데이터에서 복수의 모델을 피팅하는 과정을 나타내는 흐름도이다.

단계(S510)에서 영상 처리 장치는 복수의 모델을 포함하는 영상 데이터를 획득한다.

단계(S520)에서 영상 처리 장치는 인라이어 스케일에 기초하여 제1 모델에 대하여 모델 추정 과정을 수행하여 제1 모델의 파라미터 세트를 결정한다. 단계(S520)가 처음 수행될 때는 초기 인라이어 스케일이 사전에 설정되거나 사용자의 입력으로부터 입력받을 수 있다.

단계(530)에서 영상 처리 장치는 결정된 파라미터 세트에 기초하여 인라이어 스케일 추정 과정을 수행하여 새로운 인라이어 스케일을 결정할 수 있다.

단계(540)에서 영상 처리 장치는 결정된 파라미터 세트와 인라이어 스케일이 특정 파라미터 세트와 인라이어 스케일로 수렴되는지를 판단한다. 만약 아직 수렴되는 특정 파라미터와 인라이어 스케일이 결정되지 않는다면, 영상 처리 장치는 직전에 결정된 인라이어 스케일에 기초하여 단계(520)을 수행하여 재차 파라미터 세트를 결정하고, 이어 단계(530)을 수행하여 또다시 새로운 인라이어 스케일을 결정한다. 이에 따라, 단계(S520) 내지 단계(S540)는 단계(S520)에서의 모델 추정 과정과 단계(S530)에서의 인라이어 스케일 추정 과정을 통하여 결정되는 파라미터 세트들 및 인라이어 스케일들이 특정 파라미터 세트와 특정 인라이어 스케일로 수렴하는 것이 확인될 때까지 반복된다.

단계(540)의 판단 결과, 이전에 결정되는 파라미터 세트와 인라이어 스케일이 특정 파라미터 세트와 특정 인라이어 스케일로 수렴된다고 결정되는 경우, 영상 처리 장치는 단계(S550)을 수행한다.

단계(S550)에서 영상 처리 장치는 단계(540)의 결정에 따라 확인된 특정 파라미터 세트와 특정 인라이어 스케일을, 제1 모델의 최종 파라미터 세트와 인라이어 스케일로 결정한다.

이어, 단계(S560)에서 영상 처리 장치는 영상 데이터에 제1 모델 이외의 모델이 더 존재하는지를 판단한다. 다음 모델이 더 이상 존재하지 않는다고 판단되면, 영상 처리 장치는 본 발명에 따른 모델 피팅 작업을 종료한다.

단계(S560)에서 영상 데이터에 제1 모델 이외의 다른 모델이 더 포함되어 있다고 판단되면, 영상 처리 장치는 단계(S570)을 수행한다.

단계(S570)에서 영상 처리 장치는 영상 데이터로부터, 직전에 결정된 모델의 데이터 및 인라이어들을 제거한다.

이어, 영상 처리 장치는 다시 단계(S520) 내지 단계(S540)을 수행하여 다음 모델에 대하여, 모델의 파라미터 세트와 인라이어 스케일을 결정하는 과정을 수행한다.

이러한 과정들을 통하여, 영상 처리 장치는 영상 데이터에 포함되어 있는 모든 모델들 각각에 대하여, 파라미터 세트와 인라이어 스케일을 결정할 수 있다.

도 6a 및 도 6b는 본 발명의 일 실시예를 초음파 영상에 적용하여 사용하는 예시들을 나타낸 것이다.

도 6a에 따르면, 영상 데이터는 초음파 데이터를 포함한다. 영상 처리 장치는 초음파 데이터로부터 초음파 영상(610)을 형성한다. 더불어, 영상 처리 장치는 초음파 데이터에 대하여 본원 발명에서와 같은 모델 추정 과정을 적용하여 초음파 데이터에 포함되어 있는 모델을 결정한다. 보다 구체적인 일 실시예에 따르면, 초음파 영상(610)에서 영상 차리 장치는 본원 발명에서의 IMaxFS 알고리즘을 적용하여 직선(622)을 결정한다. 실제 사용 사례에서는, 초음파 검진을 위하여 사용되는 바늘에 대하여, 해당 바늘의 모습이 초음파 영상에 포함될 때, 본원에서와 같은 모델 추정 과정을 통하여 해당 바늘의 위치를 확인할 수 있따.

도 6b에 따르면, 영상 데이터는 초음파 영상을 포함한다. 영상 처리 장치는 영상 데이터로부터 초음파 영상(630)을 형성한다. 더불어, 영상 처리 장치는 본원 발명에서와 같은 모델 추정 과정을 이용하여 초음파 데이터에 포함되어 있는 모델을 결정한다. 도 6b의 예시에 따르면, 초음파 데이터에는 복수의 모델들이 포함되어 있다. 실시예에 따라, 영상 처리 장치는 초음파 영상(630)에 대하여, IMaxFS 알고리즘을 적용하여, 한 개의 타원(642), 두 개의 원(644, 646), 한 개의 직선(648)을 결정한다. 실제 사용 사례에서는 두개골의 초음파 영상은 타원의 형태를 가지므로, 해당 두개골의 영상에 타원을 정합하고 대상체의 의료 진단에 해당 정합된 초음파의 타원 좌표를 이용할 수 있다.

도 7는 본 발명의 일 실시예에 따른 초음파 시스템이 적용될 수 있는 초음파 진단 장치의 블록도이다.

본 발명의 일 실시예에 따른 영상 처리 방법은 도 7에 도시된 초음파 진단 장치(10000)에 의하여 수행될 수 있으며, 본 발명의 일 실시예에 따른 영상 처리 장치는 도 7에 도시된 초음파 진단 장치(10000)에 포함될 수 있다.

도 2의 초음파 시스템(200)은 도 7의 초음파 진단 장치(10000)가 수행하는 기능의 일부 또는 전부를 수행할 수 있다. 예를 들어, 도 2의 프로세서(210)는 도 7의 초음파 송수신부(1110), 영상 처리부(1120), 통신부(1400), 및 제어부(1300)의 일부 구성 또는 기능을 포함할 수 있다. 또한 도 2의 저장부(220)는 도 7의 메모리(1500)에 대응될 수 있다.

이하 도 7의 초음파 진단 장치(10000)의 구성요소들에 대해 차례로 살펴본다.

본 발명의 일 실시예에 따른 초음파 영상 데이터 획득부(1100)는, 대상체(10)에 대한 초음파 영상 데이터를 획득할 수 있다. 본 발명의 일 실시예에 따른 초음파 영상 데이터는 대상체(10)에 관한 2차원 초음파 영상 데이터일 수도 있고, 3차원 초음파 영상 데이터일 수도 있다.

본 발명의 일 실시예에 의하면, 초음파 영상 데이터 획득부(1100)는, 프로브(20), 초음파 송수신부(1110), 영상 처리부(1120)를 포함할 수 있다.

프로브(20)는, 초음파 송수신부(1110)로부터 인가된 구동 신호(driving signal)에 따라 대상체(10)로 초음파 신호를 송출하고, 대상체(10)로부터 반사된 초음파 에코 신호를 수신한다. 프로브(20)는 복수의 트랜스듀서를 포함하며, 복수의 트랜스듀서는 전달되는 전기적 신호에 따라 진동하며 음향 에너지인 초음파를 발생시킨다. 또한, 프로브(20)는 초음파 진단 장치(10000)의 본체와 유선 또는 무선으로 연결될 수 있으며, 초음파 진단 장치(10000)는 구현 형태에 따라 복수 개의 프로브(20)를 구비할 수 있다. 본 발명의 일 실시예에 의하면, 프로브(20)는 1D(Dimension), 1.5D, 2D(matrix), 및 3D 프로브 중 적어도 하나를 포함할 수 있다.

송신부(1111)는 프로브(20)에 구동 신호를 공급하며, 펄스 생성부(1113), 송신 지연부(1114), 및 펄서(1115)를 포함한다. 펄스 생성부(1113)는 소정의 펄스 반복 주파수(PRF, Pulse Repetition Frequency)에 따른 송신 초음파를 형성하기 위한 펄스(pulse)를 생성하며, 송신 지연부(1114)는 송신 지향성(transmission directionality)을 결정하기 위한 지연 시간(delay time)을 펄스에 적용한다. 지연 시간이 적용된 각각의 펄스는, 프로브(20)에 포함된 복수의 압전 진동자(piezoelectric vibrators)에 각각 대응된다. 펄서(1115)는, 지연 시간이 적용된 각각의 펄스에 대응하는 타이밍(timing)으로, 프로브(20)에 구동 신호(또는, 구동 펄스(driving pulse))를 인가한다.

수신부(1112)는 프로브(20)로부터 수신되는 에코 신호를 처리하여 초음파 데이터를 생성하며, 증폭기(1116), ADC(아날로그 디지털 컨버터, Analog Digital converter)(1117), 수신 지연부(1118), 및 합산부(1119)를 포함할 수 있다. 증폭기(1116)는 에코 신호를 각 채널(channel) 마다 증폭하며, ADC(1117)는 증폭된 에코 신호를 아날로그-디지털 변환한다. 수신 지연부(1118)는 수신 지향성(reception directionality)을 결정하기 위한 지연 시간을 디지털 변환된 에코 신호에 적용하고, 합산부(1119)는 수신 지연부(1118)에 의해 처리된 에코 신호를 합산함으로써 초음파 영상 데이터를 생성한다. 예를 들어, 합산부(1119)는 어깨 초음파 영상 데이터를 생성할 수 있다. 또한, 합산부(1119)는 바늘을 통해 점액낭(330)으로 약물이 주입되는 동안 실시간으로 어깨 초음파 영상 데이터를 획득할 수도 있다.

영상 처리부(1120)는 초음파 송수신부(1110)에서 생성된 초음파 영상 데이터에 대한 주사 변환(scan conversion) 과정을 통해 초음파 영상을 생성한다. 한편, 초음파 영상은, A 모드(amplitude mode), B 모드(brightness mode) 및 M 모드(motion mode)에서 대상체를 스캔하여 획득된 그레이 스케일(gray scale)의 영상뿐만 아니라, 도플러 효과(doppler effect)를 이용하여 움직이는 대상체 표현하는 도플러 영상을 포함할 수도 있다. 도플러 영상은, 혈액의 흐름을 나타내는 혈류 도플러 영상 (또는, 컬러 도플러 영상으로도 불림), 조직의 움직임을 나타내는 티슈 도플러 영상, 및 대상체의 이동 속도를 파형으로 표시하는 스펙트럴 도플러 영상을 포함할 수 있다.

B 모드 처리부(1123)는, 초음파 영상 데이터로부터 B 모드 성분을 추출하여 처리한다. 영상 생성부(1122)는, B 모드 처리부(1123)에 의해 추출된 B 모드 성분에 기초하여 신호의 강도가 휘도(brightness)로 표현되는 B 모드 영상을 생성할 수 있다. 예를 들어, 영상 생성부(1122)는 삼각근(310), 지방층(320), 점액낭(330), 힘줄(340)을 포함하는 어깨 초음파 영상을 2차원의 B 모드 영상으로 생성할 수 있다.

영상 생성부(1122)는, 복수의 B 모드 영상을 순차적으로 생성할 수도 있다. 예를 들어, 영상 생성부(1122)는, 제 1 B 모드 영상 및 제 2 B 모드 영상을 생성할 수 있다. 또한, 영상 생성부(1122)는 바늘을 통해 점액낭(330)으로 약물이 주입되는 동안 실시간 어깨 초음파 영상을 생성할 수도 있다.

도플러 처리부(1124)는, 초음파 영상 데이터로부터 도플러 성분을 추출하고, 영상 생성부(1122)는 추출된 도플러 성분에 기초하여 대상체의 움직임을 컬러 또는 파형으로 표현하는 도플러 영상을 생성할 수 있다.

일 실시 예에 의한 영상 생성부(1122)는, 볼륨 데이터에 대한 볼륨 렌더링 과정을 거쳐 3차원 초음파 영상을 생성할 수 있으며, 압력에 따른 대상체(10)의 변형 정도를 영상화한 탄성 영상을 생성할 수도 있다. 또한, 영상 생성부(1122)는, 초음파 영상 데이터로부터 스펙클의 이동 경로를 추정하고, 추정된 스펙클의 이동 경로에 기초하여 스펙클의 움직임을 화살표 또는 컬러로 표현하는 스펙클 추적 영상을 생성할 수도 있다.

나아가, 영상 생성부(1122)는 초음파 영상 상에 여러 가지 부가 정보를 텍스트 또는 그래픽으로 표현할 수도 있다. 예를 들어, 영상 생성부(1122)는, 초음파 영상의 전부 또는 일부와 관련된 적어도 하나의 주석(annotation)을 초음파 영상에 추가할 수 있다. 즉, 영상 생성부(1122)는, 초음파 영상을 분석하고, 분석한 결과에 기초하여 초음파 영상의 전부 또는 일부와 관련된 적어도 하나의 주석을 추천할 수 있다. 또한, 영상 생성부(1122)는, 사용자에 의해 선택된 적어도 하나의 주석을 초음파 영상에 추가할 수도 있다.

한편, 영상 처리부(1120)는, 영상 처리 알고리즘을 이용하여, 초음파 영상 중에서 관심 영역을 추출할 수도 있다. 이때, 영상 처리부(1120)는, 관심 영역에 색을 추가하거나 패턴을 추가하거나 테두리를 추가할 수도 있다.

사용자 입력부(1200)는, 사용자(예컨대, 소노그래퍼)가 초음파 진단 장치(10000)를 제어하기 위한 데이터를 입력하는 수단을 의미한다. 예를 들어, 사용자 입력부(1200)에는 키 패드(key pad), 돔 스위치 (dome switch), 터치 패드(접촉식 정전 용량 방식, 압력식 저항막 방식, 적외선 감지 방식, 표면 초음파 전도 방식, 적분식 장력 측정 방식, 피에조 효과 방식 등), 트랙볼, 조그 스위치 등이 있을 수 있으나, 이에 한정되는 것은 아니다. 예를 들어, 사용자 입력부(1200)는, 심전도 측정 모듈, 호흡 측정 모듈, 음성 인식 센서, 제스처 인식 센서, 지문 인식 센서, 홍채 인식 센서, 깊이 센서, 거리 센서 등 다양한 입력 수단을 더 포함할 수도 있다.

본 발명의 일 실시예에 의하면, 사용자 입력부(1200)는 직접 터치(real-touch) 뿐만 아니라 근접 터치(proximity touch)도 검출할 수 있다. 사용자 입력부(1200)는, 초음파 영상에 대한 터치 입력(예컨대, 터치&홀드, 탭, 더블 탭, 플릭 등)을 감지할 수 있다. 또한, 사용자 입력부(1200)는, 터치 입력이 감지된 지점으로부터의 드래그 입력을 감지할 수도 있다. 한편, 사용자 입력부(1200)는, 초음파 영상에 포함된 적어도 둘 이상의 지점에 대한 다중 터치 입력(예컨대, 핀치)을 감지할 수도 있다.

본 발명의 일 실시예에 의하면, 사용자 입력부(1200)는, B 모드 영상 중에서 관심 영역을 선택 받을 수 있다. 예를 들어, 사용자 입력부(1200)는, 어깨 초음파 영상 중에서 삼각근(310)과 힘줄(340)을 포함하는 관심 영역을 선택하는 사용자 입력을 수신할 수 있다.

제어부(1300)는, 초음파 진단 장치(10000)의 전반적인 동작을 제어한다. 예를 들어, 제어부(1300)는, 초음파 영상 데이터 획득부(1100), 사용자 입력부(1200), 통신부(1400), 메모리(1500), 디스플레이부(1600)를 전반적으로 제어할 수 있다.

제어부(1300)는, 어깨 초음파 영상 데이터에 포함된 에코 신호의 강도 정보에 기초하여, 삼각근(310)과 힘줄(340) 사이에 위치하는 지방층(320)을 검출할 수 있다.

예를 들어, 제어부(1300)는, 에코 신호의 강도가 임계 값 이상인 영역을 지방층(320)으로 검출할 수 있다. 또한, 제어부(1300)는, 어깨 초음파 영상에서 에코 신호의 강도 변화도가 양(positive)의 제 1 임계 값 이상인 제 1 경계를 지방층(320)의 상단부로 결정하고, 어깨 초음파 영상에서 에코 신호의 강도 변화도가 음(negative)의 제 2 임계 값 이하인 제 2 경계를 지방층(320)의 하단부로 결정할 수도 있다. 한편, 제어부(1300)는, 제 1 경계와 제 2 경계 사이의 거리에 기초하여, 지방층(320)의 두께를 검출할 수도 있다.

제어부(1300)는, 지방층(320)의 위치를 이용하여, 지방층(320)과 힘줄(340) 사이에 위치하는 점액낭(330)을 검출할 수 있다. 예를 들어, 제어부(1300)는, 지방층(320) 아래의 무반향 영역(anechoic zone)을 점액낭(330)으로 결정할 수 있다.

또한, 제어부(1300)는, 어깨 초음파 영상에서 에코 신호의 강도 변화도가 제 1 임계 값보다 작고 제 3 임계 값보다 큰 제 3 경계를 더 추출하고, 제 3 경계를 힘줄(340)의 상단부로 결정할 수도 있다. 이때, 제어부(1300)는, 제 2 경계와 제 3 경계 사이의 거리에 기초하여, 점액낭(330)의 두께를 더 검출할 수도 있다.

제어부(1300)는, 관심 영역이 선택된 경우, 관심 영역에 대한 에코 신호의 강도 정보에 기초하여, 지방층(320)을 검출할 수 있다. 또한, 제어부(1300)는, 지방층(320)의 위치 또는 점액낭(330)의 위치에 기초하여, 관심 영역의 위치 또는 크기를 변경할 수도 있다.

통신부(1400)는, 초음파 진단 장치(10000)와 서버(2000), 초음파 진단 장치(10000)와 제 1 디바이스(3000), 초음파 진단 장치(10000)와 제 2 디바이스(4000) 간의 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다. 예를 들어, 통신부(1400)는, 근거리 통신 모듈(1410), 유선 통신 모듈(1420), 이동 통신 모듈(1430) 등을 포함할 수 있다.

근거리 통신 모듈(1410)은 소정 거리 이내의 근거리 통신을 위한 모듈을 말한다. 근거리 통신 기술로 무선 랜(Wi-Fi), 블루투스(Bluetooth), BLE, UWB(Ultra Wideband), 지그비(ZigBee), NFC(Near Field Communication), WFD(Wi-Fi Direct), 적외선 통신(IrDA, infrared Data Association) 등이 이용될 수 있다.

유선 통신 모듈(1420)은 전기적 신호 또는 광 신호를 이용한 통신을 위한 모듈을 의미하며, 일 실시 예에 의한 유선 통신 기술에는 페어 케이블(pair cable), 동축 케이블, 광섬유 케이블, 이더넷(ethernet) 케이블 등이 포함될 수 있다

이동 통신 모듈(1430)은, 이동 통신망 상에서 기지국, 외부의 디바이스(3000, 4000), 서버(2000) 중 적어도 하나와 무선 신호를 송수신한다. 여기에서, 무선 신호는, 음성 호 신호, 화상 통화 호 신호 또는 문자/멀티미디어 메시지 송수신에 따른 다양한 형태의 데이터를 포함할 수 있다.

통신부(1400)는, 유선 또는 무선으로 네트워크(30)와 연결되어 외부 디바이스(예컨대, 제 1 디바이스(3000) 또는 제 2 디바이스(4000))나 서버(2000)와 통신한다. 통신부(1400)는 의료 영상 정보 시스템(PACS, Picture Archiving and Communication System)을 통해 연결된 병원 서버나 병원 내의 다른 의료 장치와 데이터를 주고 받을 수 있다. 또한, 통신부(1400)는 의료용 디지털 영상 및 통신(DICOM, Digital Imaging and Communications in Medicine) 표준에 따라 데이터 통신할 수 있다.

통신부(1400)는 네트워크(30)를 통해 대상체(10)의 초음파 영상, 초음파 영상 데이터, 도플러 영상 데이터 등 대상체(10)의 진단과 관련된 데이터를 송수신할 수 있으며, CT, MRI, X-ray 등 다른 의료 장치에서 촬영한 의료 영상 또한 송수신할 수 있다. 나아가, 통신부(1400)는 서버(2000)로부터 환자의 진단 이력이나 치료 일정 등에 관한 정보를 수신하여 대상체(10)의 진단에 활용할 수도 있다.

메모리(1500)는, 제어부(1300)의 처리를 위한 프로그램을 저장할 수도 있고, 입/출력되는 데이터들(예를 들어, 초음파 영상 데이터, 약물의 확산 경계에 관한 정보, 피검사자 정보, 프로브 정보, 바디마커 등)을 저장할 수도 있다.

메모리(1500)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. 또한, 초음파 진단 장치(10000)는 인터넷(internet)상에서 메모리(1500)의 저장 기능을 수행하는 웹 스토리지(web storage) 또는 클라우드 서버를 운영할 수도 있다.

디스플레이부(1600)는, 초음파 진단 장치(10000)에서 처리되는 정보를 표시 출력한다. 예를 들어, 디스플레이부(1600)는 초음파 영상을 표시하거나, 컨트롤 패널과 관련된 UI(User Interface) 또는 GUI(Graphic User Interface)를 표시할 수 있다.

본 발명의 일 실시예에 의하면, 디스플레이부(1600)는, 점액낭(330)의 위치 정보를 어깨 초음파 영상 데이터에 기초하여 생성된 어깨 초음파 영상 위에 표시할 수 있다. 예를 들어, 디스플레이부(1600)는, 기 설정된 형태의 인디케이터를 어깨 초음파 영상 위의 점액낭(330)의 위치에 표시할 수 있다. 디스플레이부(1600)는, 점액낭(330)과 지방층(320)을 구별하는 제 1 경계선, 및 점액낭(330)과 힘줄(340)을 구별하는 제 2 경계선을 표시할 수도 있다.

디스플레이부(1600)와 터치패드가 레이어 구조를 이루어 터치 스크린으로 구성되는 경우, 디스플레이부(1600)는 출력 장치 이외에 입력 장치로도 사용될 수 있다. 디스플레이부(1600)는 액정 디스플레이(liquid crystal display), 박막 트랜지스터 액정 디스플레이(thin film transistor-liquid crystal display), 유기 발광 다이오드(organic light-emitting diode), 플렉시블 디스플레이(flexible display), 3차원 디스플레이(3D display), 전기영동 디스플레이(electrophoretic display) 중에서 적어도 하나를 포함할 수 있다. 그리고 초음파 진단 장치(10000)의 구현 형태에 따라 초음파 진단 장치(10000)는 디스플레이부(1600)를 2개 이상 포함할 수도 있다.

본 발명의 일 실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.

본 발명에 따르면, 3차원의 초음파 영상 위에 형성된 레이블의 기하학적 모양을 고려하여 보다 정확하고 편리하게 레이블을 에디팅할 수 있다.

이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속한다.

Claims (19)

1. 제1 모델의 데이터을 포함하는 영상 데이터를 저장하는 저장부; 및
   초기 인라이어 스케일(inlier scale)을 이용하여 상기 영상 데이터로부터 상기 제1 모델의 파라미터 세트(model parameters)를 결정하는 모델 추정 과정과 상기 파라미터 세트를 이용하여 인라이어 스케일을 결정하는 인라이어 스케일 추정 과정을 순차적으로 반복 수행(performing iteratively)함으로써, 상기 제1 모델의 최종 파라미터 세트 및 최종 인라이어 스케일을 결정하는 프로세서를 포함하고,
   상기 모델 추정 과정이 반복될 때, 반복되는 상기 모델 추정 과정은, 직전에 수행된 인라이어 스케일 추정 과정에 따라 결정된 인라이어 스케일을 이용하여 새로운 파라미터 세트를 결정하고,
   상기 인라이어 스케일 추정 과정은, 직전에 수행된 모델 추정 과정에 따라 결정된 파라미터 세트를 이용하여 새로운 인라이어 스케일을 결정하는 것을 특징으로 하는, 영상 처리 장치.
2. 제 1항에 있어서, 상기 모델 추정 과정과 상기 인라이어 스케일 추정 과정을 순차적으로 반복 수행함으로써 결정되는 파라미터 세트들 및 인라이어 스케일들은 상기 제1 모델의 최종 파라미터 세트 및 최종 인라이어 스케일로 수렴하는 것을 특징으로 하는, 영상 처리 장치.
3. 제 1항에 있어서, 상기 영상 데이터는 제1 모델 및 제2 모델이 포함된 복수의 모델의 데이터를 포함하고,
   상기 프로세서는
   상기 제1 모델의 최종 파라미터 세트 및 최종 인라이어 스케일에 기초하여, 상기 영상 데이터로부터 상기 제1 모델의 최종 인라이어 스케일보다 인접한 거리에 있는 제1 인라이어 데이터를 제거하는 인라이어 제거 과정를 수행하고,
   상기 제1 인라이어 데이터가 제거된 상기 영상 데이터에 대하여, 상기 모델 추정 과정과 상기 인라이어 스케일 추정 과정을 순차적으로 반복 수행함으로써, 상기 제2 모델의 최종 파라미터 세트 및 최종 인라이어 스케일을 결정하는 최종 결정 과정을 수행하는 것을 특징으로 하는, 영상 처리 장치.
4. 제 3항에 있어서, 상기 프로세서는,
   상기 복수의 모델 중 하나의 모델의 최종 파라미터 세트 및 최종 인라이어 스케일이 결정될 때마다, 상기 복수의 모델 중 다른 하나의 모델에 대하여 상기 인라이어 제거 과정과 상기 최종 결정 과정을, 순차적으로 반복 수행함으로써, 상기 복수의 모델에 포함되는 모든 모델들 각각의 최종 파라미터 세트 및 최종 인라이어 스케일을 결정하는 것을 특징으로 하는, 영상 처리 장치.
5. 제 1항에 있어서, 상기 제1 인라이어 스케일은 사용자 입력에 의하여 설정되는 것을 특징으로 하는, 영상 처리 장치.
6. 제 1항에 있어서, 상기 모델 추정 과정은 결정론적 방법(Deterministic Method)으로서 MaxFS(Maximum Feasible Subsystem)을 사용하는 것을 특징으로 하는, 영상 처리 장치.
7. 제 1항에 있어서, 상기 인라이어 스케일 추정 과정은 IKOSE(Iterative Kth Ordered Scale Estimator), MED, MAD, KOSE 중 적어도 하나의 방법을 사용하는 것을 특징으로 하는, 영상 처리 장치.
8. 제 1항에 있어서,
   상기 영상 데이터는 초음파 영상을 포함하고,
   상기 제1 모델은 기하학적 도형으로서 직선, 원, 타원, 평면, 구, 및 곡면 중 하나인 것을 특징으로 하는, 영상 처리 장치.
9. 제 1항에 있어서,
   상기 제1 모델은 상기 영상 데이터로부터 추정이 가능한 선형 또는 비선형 모델로서, 호모그라피 추정(homography estimation), 펀더멘탈 매트릭스 추정(fundamental matrix estimation), 광학 플로우 추정(optical flow estimation), 모션 추정(motion estimation) 중 적어도 하나인 것을 특징으로 하는, 영상 처리 장치.
10. 제1 모델의 데이터를 포함하는 영상 데이터에 대하여, 초기 인라이어 스케일(inlier scale)을 이용하여 상기 영상 데이터로부터 상기 제1 모델의 파라미터 세트(model parameters)를 결정하는 모델 추정 과정 및 상기 파라미터 세트를 이용하여 인라이어 스케일을 결정하는 인라이어 스케일 추정 과정을 순차적으로 반복 수행하는 단계; 및
    상기 모델 추정 과정 및 상기 인라이어 스케일 추정 과정을 순차적으로 반복 수행한 결과에 기초하여, 상기 제1 모델의 최종 파라미터 세트 및 최종 인라이어 스케일을 결정하는 단계;를 포함하고,
    상기 모델 추정 과정이 반복될 때, 반복되는 상기 모델 추정 과정은, 직전에 수행된 인라이어 스케일 추정 과정에 따라 결정된 인라이어 스케일을 이용하여 새로운 파라미터 세트를 결정하고,
    상기 인라이어 스케일 추정 과정은, 직전에 수행된 모델 추정 과정에 따라 결정된 파라미터 세트를 이용하여 새로운 인라이어 스케일을 결정하는 것을 특징으로 하는, 영상 처리 방법.
11. 제 10항에 있어서, 상기 모델 추정 과정과 상기 인라이어 스케일 추정 과정을 순차적으로 반복 수행함으로써 결정되는 파라미터 세트들 및 인라이어 스케일들은 상기 제1 모델의 최종 파라미터 세트 및 최종 인라이어 스케일로 수렴하는 것을 특징으로 하는, 영상 처리 방법.
12. 제 10항에 있어서, 상기 영상 데이터는 제1 모델 및 제2 모델이 포함된 복수의 모델의 데이터를 포함할 때,
    상기 제1 모델의 최종 파라미터 세트 및 최종 인라이어 스케일에 기초하여, 상기 영상 데이터로부터 상기 제1 모델의 최종 인라이어 스케일보다 인접한 거리에 있는 제1 인라이어 데이터를 제거하는 인라이어 제거 단계; 및
    상기 제1 인라이어 데이터가 제거된 상기 영상 데이터에 대하여, 상기 모델 추정 과정과 상기 인라이어 스케일 추정 과정을 순차적으로 반복 수행함으로써, 상기 제2 모델의 최종 파라미터 세트 및 최종 인라이어 스케일을 결정하는 최종 결정 과정을 수행하는 단계;를 더 포함하는, 영상 처리 방법.
13. 제 12항에 있어서,
    상기 복수의 모델 중 하나의 모델의 최종 파라미터 세트 및 최종 인라이어 스케일이 결정될 때마다, 상기 복수의 모델 중 다른 하나의 모델에 대하여 상기 인라이어 제거 과정과 상기 최종 결정 과정을, 순차적으로 반복 수행함으로써, 상기 복수의 모델에 포함되는 모든 모델들 각각의 최종 파라미터 세트들이 결정되는 것을 특징으로 하는, 영상 처리 방법.
14. 제 10항에 있어서, 상기 제1 인라이어 스케일은 사용자 입력에 의하여 설정되는 것을 특징으로 하는, 영상 처리 방법.
15. 제 10항에 있어서, 상기 모델 추정 과정은 결정론적 방법(Deterministic Method)로서 MaxFS(Maximum Feasible Subsystem)을 사용하는 것을 특징으로 하는, 영상 처리 방법.
16. 제 10항에 있어서, 상기 인라이어 스케일 추정 과정은 IKOSE(Iterative Kth Ordered Scale Estimator), MED, MAD, KOSE 중 적어도 하나의 방법을 사용하는 것을 특징으로 하는, 영상 처리 방법.
17. 제 10항에 있어서,
    상기 영상 데이터는 초음파 영상을 포함하고,
    상기 제1 모델은 기하학적 도형으로서 직선, 원, 타원, 평면, 구 및 곡면 중 하나인 것을 특징으로 하는, 영상 처리 방법.
18. 제 10항에 있어서,
    상기 제1 모델은 상기 영상 데이터로부터 추정이 가능한 선형 또는 비선형 모델로서, 호모그라피 추정, 펀더멘탈 매트릭스 추정, 광학 플로우 추정, 모션 추정 중 적어도 하나인 것을 특징으로 하는, 영상 처리 방법.
19. 제 10항 내지 제 18항 중 어느 한 항의 방법을 컴퓨터에서 실행하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체.

Images