KR20150118484A - 의료 영상 정합 방법 및 장치 - Google Patents

의료 영상 정합 방법 및 장치 Download PDF

Info

Publication number
KR20150118484A
KR20150118484A KR1020140044423A KR20140044423A KR20150118484A KR 20150118484 A KR20150118484 A KR 20150118484A KR 1020140044423 A KR1020140044423 A KR 1020140044423A KR 20140044423 A KR20140044423 A KR 20140044423A KR 20150118484 A KR20150118484 A KR 20150118484A
Authority
KR
South Korea
Prior art keywords
medical image
medical
matching
images
image
Prior art date
Application number
KR1020140044423A
Other languages
English (en)
Other versions
KR102233427B1 (ko
Inventor
황영규
김정배
오영택
방원철
나종범
남우현
원치준
Original Assignee
삼성전자주식회사
한국과학기술원
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, 한국과학기술원 filed Critical 삼성전자주식회사
Priority to KR1020140044423A priority Critical patent/KR102233427B1/ko
Priority to US14/597,290 priority patent/US10945708B2/en
Publication of KR20150118484A publication Critical patent/KR20150118484A/ko
Application granted granted Critical
Publication of KR102233427B1 publication Critical patent/KR102233427B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5238—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image
    • A61B8/5261—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image combining images from different diagnostic modalities, e.g. ultrasound and X-ray
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
    • A61B5/1128—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique using image analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7285—Specific aspects of physiological measurement analysis for synchronising or triggering a physiological measurement or image acquisition with a physiological event or waveform, e.g. an ECG signal
    • A61B5/7289—Retrospective gating, i.e. associating measured signals or images with a physiological event after the actual measurement or image acquisition, e.g. by simultaneously recording an additional physiological signal during the measurement or image acquisition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computerised tomographs
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/44—Constructional features of apparatus for radiation diagnosis
    • A61B6/4417—Constructional features of apparatus for radiation diagnosis related to combined acquisition of different diagnostic modalities
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/48—Diagnostic techniques
    • A61B6/486—Diagnostic techniques involving generating temporal series of image data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A61B6/5247—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from an ionising-radiation diagnostic technique and a non-ionising radiation diagnostic technique, e.g. X-ray and ultrasound
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5288—Devices using data or image processing specially adapted for radiation diagnosis involving retrospective matching to a physiological signal
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/46—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient
    • A61B8/461—Displaying means of special interest
    • A61B8/463—Displaying means of special interest characterised by displaying multiple images or images and diagnostic data on one display
    • 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
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2505/00—Evaluating, monitoring or diagnosing in the context of a particular type of medical care
    • A61B2505/05—Surgical care
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computerised tomographs
    • A61B6/037—Emission tomography
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/5608—Data processing and visualization specially adapted for MR, e.g. for feature analysis and pattern recognition on the basis of measured MR data, segmentation of measured MR data, edge contour detection on the basis of measured MR data, for enhancing measured MR data in terms of signal-to-noise ratio by means of noise filtering or apodization, for enhancing measured MR data in terms of resolution by means for deblurring, windowing, zero filling, or generation of gray-scaled images, colour-coded images or images displaying vectors instead of pixels
    • 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
    • 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
    • G06T2207/10116—X-ray 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10132—Ultrasound image
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing

Abstract

개시된 실시 예들은 의료 영상 정합 방법 및 장치에 관한 것으로, 실시 예에 따른 의료 영상 정합 방법은 료 시술 이전에 호흡 변형 정보가 반영된 비 실시간 의료영상들을 생성하고, 의료 시술 중에는 실시간 의료영상과 생성된 비 실시간 의료 실시간 의료 영상을 강체 정합하여 호흡 변형 정보가 고려된 정확도 높은 정합 영상을 얻을 수 있다.

Description

의료 영상 정합 방법 및 장치{Method and Apparatus for medical image registration}
개시된 실시 예들은 대상체의 신체 활동을 고려하여 복수 개의 의료 영상들을 정합하는 방법 및 장치에 관한 것이다.
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, 이때 실시간 영상에서 장기와 병변의 형상을 육안으로 파악하기 쉽지 않다. 초음파 영상과 대조적으로, MR(Magnetic Resonance) 또는 CT 영상은 장기와 병변을 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.
실시 예들은 의료 시술 이전에 호흡 변형 정보가 반영된 비 실시간 의료영상들을 생성하고, 의료 시술 중에는 실시간 의료영상과 생성된 비 실시간 의료 실시간 의료 영상을 강체 정합하여 호흡 변형 정보가 고려된 정확도 높은 정합 영상을 출력할 수 있는 의료 영상 정합 방법 및 장치를 제공하는 것이다.
일 실시 예에 따른 의료 영상 정합 방법은 대상체의 적어도 2 이상의 호흡에서 촬영된 제1 의료 영상들을 기초로 제1 의료 영상 모델을 생성하는 단계; 상기 대상체의 관심 영역에 대한 제2 의료 영상을 획득하는 단계; 상기 생성된 제1 의료 영상 모델에서 선택된 적어도 하나 이상의 제1 의료 영상과 상기 획득된 제2 의료 영상 간에 초기 정합을 수행하는 단계; 상기 초기 정합에 따라 획득된 정합 파라미터를 이용하여 상기 제1 의료 영상 모델을 변환하는 단계; 상기 변환된 제1 의료 영상 모델에서 선택된 적어도 하나의 제1 의료 영상과 상기 획득된 제2 의료 영상 간에 보강 정합을 수행하는 단계; 및 상기 보강 정합의 코스트를 비교하여 상기 제2 의료 영상과 정합된 제1 의료 영상을 출력하는 단계를 포함한다.
상기 제1 의료 영상 모델은, 상기 제1 의료 영상들과, 상기 제1 의료 영상들을 보간하여 생성된 상기 2 이상의 호흡과 인접한 호흡에서의 의료 영상을 포함하는 제1 의료 영상들의 세트일 수 있다.
상기 제1 의료 영상 모델은, 상기 제1 의료 영상들을 기초로 생성된 3차원 제1 의료 영상들과, 상기 3차원 제1 의료 영상들에 대해 비강체 정합(non-rigid registration)을 통해 획득된 변위 벡터를 이용하여 보간된 상기 2 이상의 호흡과 인접한 호흡에서의 3차원 제1 의료 영상을 포함하는 4차원 제1 의료 영상들의 세트일 수 있다.
상기 3차원 제1 의료 영상들에 대해, 상기 변위 벡터를 선형 분할하거나 또는 비선형 분할하여 상기 인접한 호흡에서의 3차원 제1 의료 영상을 보간할 수 있다.
상기 초기 정합은, 상기 제1 의료 영상으로부터 추출된 특징점과, 상기 제2 의료 영상에서 추출된 특징점을 매칭함으로써 수행되는 강체 정합일 수 있다.
상기 제1 의료 영상 모델에서, 상기 호흡 중 들숨에서 획득된 제1 의료 영상의 특징점과, 상기 제2 의료 영상의 특징점을 매칭하여 상기 정합 파라미터를 획득하고, 상기 획득된 파라미터를 이용하여 상기 제1 의료 영상 모델의 나머지 제1 의료 영상들을 변환할 수 있다.
상기 제1 의료 영상 모델에서, 상기 호흡 중 날숨, 중간 숨, 들숨에 상응하는 적어도 3 이상의 제1 의료 영상의 특징점들과, 상기 제2 의료 영상의 특징점을 각각 매칭하여 적어도 3 이상의 정합 파라미터를 획득하고, 상기 획득된 적어도 3 이상의 정합 파라미터를 이용하여 나머지 정합 파라미터를 보간하고, 상기 획득된 적어도 3 이상의 정합 파라미터와 상기 보간된 정합 파라미터를 이용하여 상기 제1 의료 영상 모델을 변환할 수 있다.
상기 제1 의료 영상 모델에서, 모든 제1 의료 영상들의 특징점과 상기 제 의료 영상의 특징점을 매칭하여 모든 정합 파라미터를 획득하고, 상기 획득된 모든 정합 파라미터를 이용하여 상기 제1 의료 영상 모델을 변환할 수 있다.
상기 보강 정합은, 상기 선택된 적어도 하나의 제1 의료 영상과 상기 제2 의료 영상의 영상 강도(intensity)와 그래디언트(gradient)에 기반하여 수행되는 강체 정합일 수 있다.
상기 선택된 적어도 하나의 제1 의료 영상을 다운 샘플링하고, 상기 다운 샘플링된 제1 의료 영상과 상기 제2 의료 영상에 대해 제1 보강 정합을 수행하고, 상기 제1 보강 정합의 코스트 값이 최소인 제1 의료 영상을 포함하는 제1 의료 영상들을 업 샘플링하여, 상기 업 샘플링된 제1 의료 영상들과 상기 제2 의료 영상에 대해 제2 보강 정합을 수행할 수 있다.
상기 변환된 제1 의료 영상 모델에서, 상기 호흡 중 날숨, 중간 숨, 들숨에 상응하는 적어도 3 이상의 제1 의료 영상들과 상기 제2 의료 영상에 대해 제1 보강 정합을 수행하고, 상기 제1 보강 정합의 코스트 값이 최소인 제1 의료 영상을 포함하는 제1 의료 영상들과 상기 제2 의료 영상에 대해 제2 보강 정합을 수행할 수 있다.
상기 보강 정합을 수행한 후, 상기 보강 정합의 코스트가 최소인 제1 의료 영상을 기준으로 상기 변위 벡터를 추가 분할하여 상기 제1 의료 영상을 보간함으로써, 상기 제1 의료 영상 모델을 갱신할 수 있다.
상기 제1 의료 영상은 의료 시술 이전에 촬영된 MR, CT, PET 또는 X-ray 영상이고, 상기 제2 의료 영상은 의료 시술 중 촬영되는 3차원 또는 2차원 초음파 영상일 수 있다.
다른 실시 예에 따른 의료 영상 정합 장치는 대상체의 적어도 2 이상의 호흡에서 촬영된 제1 의료 영상들을 기초로 제1 의료 영상 모델을 생성하는 의료 영상 모델 생성부; 상기 대상체의 관심 영역에 대한 제2 의료 영상을 획득하는 의료 영상 획득부; 상기 생성된 제1 의료 영상 모델에서 선택된 적어도 하나 이상의 제1 의료 영상과 상기 획득된 제2 의료 영상 간에 초기 정합을 수행하는 초기 정합부; 상기 제1 의료 영상 모델에서 선택된 적어도 하나의 제1 의료 영상과 상기 획득된 제2 의료 영상 간에 보강 정합을 수행하는 보강 정합부; 및 상기 초기 정합에 따라 획득된 정합 파라미터를 이용하여 상기 제1 의료 영상 모델을 변환하여 상기 보강 정합부에 제공하고, 상기 보강 정합의 코스트를 비교하여 상기 제2 의료 영상과 정합된 제1 의료 영상을 출력하도록 제어하는 제어부를 포함한다.
상기 제1 의료 영상 모델은, 상기 제1 의료 영상들과, 상기 제1 의료 영상들을 보간하여 생성된 상기 2 이상의 호흡과 인접한 호흡에서의 의료 영상을 포함하는 제1 의료 영상들의 세트일 수 있다.
상기 의료 영상 모델 생성부는, 상기 제1 의료 영상들을 기초로 생성된 3차원 제1 의료 영상들과, 상기 3차원 제1 의료 영상들에 대해 비강체 정합(non-rigid registration)을 통해 획득된 변위 벡터를 이용하여 보간된 상기 2 이상의 호흡과 인접한 호흡에서의 3차원 제1 의료 영상을 포함하는 4차원 제1 의료 영상들의 세트늘 생성할 수 있다.
상기 의료 영상 모델 생성부는, 상기 3차원 제1 의료 영상들에 대해, 상기 변위 벡터를 선형 분할하거나 또는 비선형 분할하여 상기 인접한 호흡에서의 3차원 제1 의료 영상을 보간할 수 있다.
상기 초기 정합부는, 상기 제1 의료 영상으로부터 추출된 특징점과, 상기 제2 의료 영상에서 추출된 특징점을 매칭하는 강체 정합일 수 있다.
상기 보강 정합부는, 상기 선택된 적어도 하나의 제1 의료 영상과 상기 제2 의료 영상의 영상 강도(intensity)와 그래디언트(gradient)에 기반하여 수행되는 강체 정합일 수 있다.
상기 제1 의료 영상은 의료 시술 이전에 촬영된 MR, CT, PET 또는 X-ray 영상이고, 상기 제2 의료 영상은 의료 시술 중 촬영되는 3차원 또는 2차원 초음파 영상일 수 있다.
개시된 실시 예는 의료 시술 이전에 호흡 변형 정보가 반영된 비 실시간 의료영상들을 생성하고, 의료 시술 중에는 실시간 의료영상과 생성된 비 실시간 의료 실시간 의료 영상을 강체 정합하여 호흡 변형 정보가 고려된 정확도 높은 정합 영상을 얻을 수 있다.
도 1은 의료 영상 시스템(100)의 개략도이다.
도 2는 도 1에 도시된 의료 영상 정합 장치(130)의 개략 도이다.
도 3은 비 실시간 의료 영상 모델을 설명하기 위한 예시 도이다.
도 4는 일 실시 예에 따른 의료 영상 정합 방법을 설명하기 위한 예시 도이다.
도 5 내지 7은 다른 실시 예에 따른 보강 정합을 설명하는 예시 도들이다.
도 8은 의료 시술 전에 수행되는 비 실시간 의료 영상 모델을 생성하는 방법을 설명하는 흐름 도이다.
도 9는 의료 시술 중에 수행되는 의료 영상 정합 방법을 설명하기 위한 흐름 도이다.
도 10은 2차원 영상에서 어파인 변환함수(Taffine)를 획득하는 방법을 도시한다.
본 실시 예들은 다양한 변환을 가할 수 있고 여러 가지 실시 예를 가질 수 있는바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나 이는 특정한 실시 형태에 대해 범위를 한정하려는 것이 아니며, 개시된 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 실시 예들을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 용어들에 의해 한정되어서는 안 된다. 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 권리범위를 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
이하, 실시 예를 첨부도면을 참조하여 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어, 동일하거나 대응하는 구성 요소는 동일한 도면번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.이하, 첨부된 도면을 참조하여 본 발명의 실시예들을 설명한다.
도 1은 일 실시 예에 따른 의료 영상 시스템(100)을 도시한다. 도 1을 참조하면 시스템(100)은 제1 의료 장치(110), 제2 의료 장치(120), 의료 영상 정합 장치(130) 및 영상 표시 장치(140)를 포함한다.
제1 의료 장치(110)는 의료 시술 이전에 대상체의 관심 볼륨(VOI : Volume of Interest)에 대한 제1 의료 영상을 생성한다. 예컨대, 제1 의료 장치(110)는 CT(computed tomography) 영상 장치, MR(magnetic resonance)영상 장치, X-ray 영상 장치 또는 PET 영상 장치 중 어느 하나로 구성될 수 있다. 이하에서는 설명의 편의를 위하여 제1 의료 영상은 MR 또는 CT 영상인 것으로 가정한다. 제1 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 이러한 실시간 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. 일반적으로 CT 영상은 환자의 호흡이 일시적으로 정지된 상태, 예컨대 최대 들숨 상태에서 촬영된다.
실시 예에서, 제1 의료 장치(110)를 통해 2개 이상의 MR/CT 영상(제1 의료 영상)을 획득한다. 여기서, 2개 이상의 제1 의료 영상은 서로 다른 호흡에서 획득된 영상들일 수 있으며, 예를 들면, 최대 날숨/최대 들숨으로 가급적 많은 차이를 보일수록 환자의 많은 호흡 변형 정보를 포함할 수 있다. 또한, 더 많은 수의 제1 의료 영상을 획득할 수 있는 경우, 중간 숨에서 영상이 많이 획득될수록 좀 더 환자의 실제 호흡 변형 정보에 가까운 의료 영상 모델을 생성할 수 있다. 또한, 시술 및 진단 중 단계에서 두 개 이상의 장기를 하나의 ROI(Region of interest)내에서 촬영해야 하는 경우, 두 장기의 실제 호흡 주기 내의 변형 패턴은 다를 수 있기 때문에 중간 숨 촬영을 통해 실제 호흡 패턴에 더 가깝게 의료 영상을 생성할 수 있다. 따라서, 대상체의 호흡에 따라 달라지는 각각의 장기의 이동 및 모양의 변형 정보를 반영할 수 있다. 제1 의료 장치(100)는, 시술 및 진단 전단계(pre-operative stage)에서 획득된 2 이상의 호흡에서 촬영된 제1 의료 영상들을 의료 영상 정합 장치(130)에 제공하고, 의료 영상 정합 장치(130)는 제1 의료 영상들을 기초로 제1 의료 영상 모델을 생성한다. 제1 의료 영상 모델에 대해서는 후술한다.
제2 의료 장치(120)는 대상체의 관심 볼륨에 대하여 실시간으로 의료 영상을 제공한다. 따라서, 제2 의료 장치(120)를 이용하여 대상체의 신체 활동에 따른 의료 영상의 변화가 관찰될 수 있다. 일 실시 예에 따르면, 제2 의료 장치(120)는 환자에 대한 중재적 의료 시술과정에서 실시간 영상을 생성하는 초음파 영상 장치(ultrasonography machine)로 구성될 수 있다. 제2 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 제조될 수 있으나, 이에 한정되는 것은 아니다. 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 제2 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 특성이 있기 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, 신호대 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(110) 및 제2 의료 장치(120)가 촬영하는 의료 영상들은 2차원으로 촬영된 단면 영상들을 축적하여 생성된 3차원 의료 영상일 수 있다. 예컨대, 제1 의료 장치(110)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. 이하의 설명에서는 제1 의료 장치(110)와 제2 의료 장치(120)가 촬영하는 영상들은 모두 3차원인 것을 가정하여 설명한다.
제2 의료 장치(120)는 시술 및 진단 중 단계(intra-operative stage)에서, 확인하고자 하는 영역 또는 ROI 영역에 대해서 제2 의료 영상을 획득하여, 의료 영상 정합 장치(130)에 제공한다.
의료 영상 정합 장치(130)는 제1 의료 장치(110)에서 대상체의 적어도 2 이상의 호흡에서 촬영된 제1 의료 영상들을 기초로 제1 의료 영상 모델을 생성하고, 대상체의 관심 영역에 대한 제2 의료 영상을 제2 의료 장치(120)로부터 획득한다. 제1 의료 영상 모델은 시술 전에 획득된 제1 의료 영상들의 세트이며, 제2 의료 영상은 시술 중에 획득된 의료 영상일 수 있다. 예를 들면, 제1 의료 영상은 CT/MR 영상일 수 있으며, 제2 의료 영상은 초음파 영상일 수 있다. 의료 영상 정합 장치(130)는 제1 의료 영상 모델에서 선택된 적어도 하나 이상의 제1 의료 영상과 획득된 제2 의료 영상 간에 정합을 수행하여, 시술 중에 획득된 제2 의료 영상과 가장 유사한 제1 의료 영상을 선택할 수 있다.
도 2를 참조하면, 의료 영상 정합 장치(130)는 제어부(200), 의료 영상 모델 생성부(210), 의료 영상 획득부(220), 초기 정합부(230), 보강 정합부(240) 및 의료 영상 저장부(250)를 포함한다.
의료 영상 모델 생성부(210)는 적어도 2 이상의 호흡에서 촬영된 제1 의료 영상들을 기초로 제1 의료 영상 모델을 생성한다. 제1 의료 영상 모델은 제1 의료 영상들과, 제1 의료 영상들을 보간하여 생성된 2 이상의 호흡과 인접한 호흡에서의 의료 영상을 포함하는 제1 의료 영상들의 세트일 수 있다. 제1 의료 영상 모델은, 제1 의료 영상이 3차원 의료 영상인 경우, 3차원 제1 의료 영상들에 대해 비강체 정합(non-rigid registration)을 통해 획득된 변위 벡터를 이용하여 보간된 2 이상의 호흡과 인접한 호흡에서의 3차원 제1 의료 영상을 포함하는 4차원 제1 의료 영상들의 세트일 수 있다.
도 3을 참조하면, 제1 의료 영상 모델이 도시되어 있다. 제1 의료 영상 모델은 3차원 제1 의료 영상들(300 내지 320)의 세트이며, 제1 의료 장치(110)를 통해 획득된 3개의 영상들(300, 310, 320)과, 3개의 영상들을 이용하여 보간된 제1 의료 영상들(301, 302, 311, 312)을 포함한다. 3개의 영상들(300, 310, 320)은 각각 최대 들숨, 중간 숨, 최대 날숨에서 촬영된 의료 영상들이며, 제1 의료 영상들(301 및 302)은 최대 들숨에서 촬영된 제1 의료 영상(300)과 중간 숨에서 촬영된 제1 의료 영상(310)을 이용하여 보간된 의료 영상들이며, 제1 의료 영상들(311 및 312)은 중간 숨에서 촬영된 제1 의료 영상(310)과 최대 날숨에서 촬영된 제1 의료 영상(320)을 이용하여 보간된 의료 영상들이다. 의료 영상들의 보간은 인근 호흡, 예를 들면, 최대 들숨에서 촬영된 제1 의료 영상(300)과 중간 숨에서 촬영된 제1 의료 영상(310)에 대해 비강체 정합을 수행하고, 비강체 정합을 통해 획득된 변위 벡터를 이용하여, 보간된 제1 의료 영상들(301)을 생성한다. 따라서, 1 호흡 주기(t) 동안의 제1 의료 영상들의 세트인 제1 의료 영상 모델을 생성함으로써, 4차원 제1 의료 영상 모델을 생성할 수 있다. 여기서, 1 호흡 주기(t)는 대상체가 들숨과 날숨을 반복하는 주기적 호흡과정에서 1 주기의 시간 길이를 의미한다. 다만, 실시 예에 따라서 1 주기 이상의 시간 길이 동안에 제1 의료 영상들이 촬영될 수도 있음을 물론이다. 또한, 도 3에 도시된 제1 의료 영상 모델은 시술 전 제1 의료 장치(110)를 통해 획득된 제1 의료 영상들에 대해 미리 생성하는 것이므로, 객체의 모양을 변형시키는 비강체 정합을 이용할 수 있어서, 강체 정합보다 정확한 영상 정합을 할 수 있다. 도 3을 참조하여 설명한 예시에서, 3개의 호흡, 최대 들숨, 중간 숨, 최대 날숨에서 촬영된 제1 의료 영상에 대해 설명하였지만, 이에 한정되지 않고, 2개의 호흡, 또는 다른 호흡들에서 촬영된 제1 의료 영상일 수 있음은 물론이다.
예를 들면, 시술 및 진단 전단계에서, 호흡에 따라 달라지는 각 장기의 이동 및 모양 변형의 정보를 포함하는 4차원 MR/CT 영상을 생성하기 위해, 2개 이상의 3차원 MR/CT 영상이 획득하되, 각각 2개의 3차원 MR/CT영상은 서로 다른 숨에서 촬영한다. 각 숨은 최대 날숨/최대 들숨으로 가급적 많은 차이를 보일수록 환자의 많은 호흡 변형 정보를 포함할 수 있으며, 3개 이상의 3차원 MR/CT영상에 대한 촬영이 가능한 경우, 중간 숨에서 영상이 많이 획득할수록 좀 더 환자의 실제 호흡 변형 정보에 가까운 4차원 MR/CT영상을 생성할 수 있다. 특히 시술 및 진단 중 단계에서 두 개 이상의 장기를 하나의 ROI내에서 촬영해야 하는 경우, 두 장기의 실제 호흡 주기 내의 변형 패턴은 다를 수 있기 때문에 중간 숨 촬영을 통해 실제 호흡 패턴에 더 가깝게 4차원 MR/CT영상을 생성할 수 있다. 이어, 3차원 MR/CT 영상을 획득하고 나면 인근 호흡의 영상 간에 비강체 정합을 수행한다. 비강체 정합을 통해 획득된 변위 벡터(displacement vector)는 각 숨 사이의 중간 영상을 보간하는 데 사용된다. 3차원 MR/CT 영상이 두 개인 경우는 두 영상 사이의 보간 영상은 변위 벡터를 선형적으로 나누어 생성할 수 있다. 만약 중간 숨에 대한 실제 영상을 2개 이상 획득한 경우, 급격히 변형되는 보간 영상을 만들지 않기 위해 스플라인 보간 기법(cardinal-spline)을 이용하여 변위 벡터를 비선형적으로 나누어 보간 영상을 생성할 수도 있다. 스플라인 보간 기법은 선형 보간에서 갑작스런 변화를 제어할 수 있다. 따라서, 호흡에 따른 장기의 변형 정보를 포함하고 있는 4차원 MR/CT영상을 비강체 정합을 통해 생성함으로써, 시술 중 단계에서는 강체 정합만으로도 변형 정보가 포함된 정확도 높은 정합 결과를 얻을 수 있다.
의료 영상 획득부(220)는 제1 의료 장치(110)가 대상체에 대하여 소정의 시간 동안 촬영한 복수 개의 제1 의료 영상들을 획득한다. 여기서, 의료 영상 획득부(220)는 제1 의료 영상들을 시술 전 획득하여, 의료 영상 모델 생성부(210)에 제공하고, 의료 영상 모델 생성부(210)는 도 3에 도시된 제1 의료 영상 모델을 생성한다. 의료 영상 획득부(220)는 제2 의료 장치(110)가 대상체에 대하여 촬영한 제2 의료 영상을 획득한다. 의료 영상 획득부(220)는 제1 의료 장치(110) 및 제2 의료 장치(120)로부터 의료 영상들을 획득하기 위한 인터페이스들을 포함한다. 의료 영상 획득부(220)는 제어부(200)의 제어에 따라서 각각 제1 의료 장치(110) 및 제2 의료 장치(120)에 의해 촬영된 의료 영상들을 획득한다.
초기 정합부(230)는 의료 영상 모델 생성부(210)에서 생성된 제1 의료 영상 모델에서 하나 이상의 제1 의료 영상을 선택하고, 선택된 제1 의료 영상과 제2 의료 장치(120)에서 획득된 제2 의료 영상 간에 초기 정합을 수행한다. 초기 정합은 특징점 기반의 강체 정합일 수 있으며, 제1 의료 영상과 제2 의료 영상은 서로 다른 의료 장치들(110 및 120)에서 촬영된 영상들이므로, 이종 영상 간의 정합일 수 있다. 초기 정합부(230)는 이종 영상 정합을 수행시에 동일하거나 가장 유사한 호흡 상태에서 촬영된 영상들, 일부 영상들 또는 전체 영상들에 대해 정합함으로써, 이종 영상 정합의 오차를 최소화하고 빠르고 정확하게 정합을 수행할 수 있다.
초기 정합부(230)는 제1 의료 영상과 제2 의료 영상에서 특징점을 추출하여, 특징점 매칭을 통해 초기 정합을 수행한다. 추출되는 특징점의 개수는 2개 이상일 수 있으며, 그 수에 한정되는 것은 아니다.
특징점(Landmark point)이란 영상 정합에 기준이 되는 지점으로서, 제1 의료 영상과 제2 의료 영상에서 나타나는 해부학적 개체들로부터 추출할 수 있다. 해부학적 개체들이란, 장기, 혈관, 병변, 뼈, 장기와 장기의 경계면 등 대상체의 구성물들을 포함하며 이에 한정되지 않는다.
특징점은 아래와 같은 방법으로 추출할 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 좌표로, 3차원일 경우 x,y,z축의 좌표로 나타낼 수 있다. 따라서 3차원일 경우 각각의 특징점 좌표를 벡터로
Figure pat00001
과 같이 나타낸다면, (n은 특징점의 갯수를 뜻한다.) 수학식 1로 표현할 수 있다.
Figure pat00002
i는 i번째 제1 의료 영상에서 특징점 좌표 정보를 뜻한다.
추출된 특징점을 이용하여 제1 의료 영상과 제2 의료 영상 중 어느 하나의 영상을 다른 하나의 영상을 기준으로 회전, 스케일링, 이동(translation) 또는 기울기 변형(shearing) 시키는 변환 함수를 산출한다. 여기서, 변환 함수는 어파인 정합 기법에 의해 산출되는 어파인 변환함수(Taffine)일 수 있다. 어파인 변환함수(Taffine)는 ICP(iterative closest point) 알고리즘을 사용하여 산출될 수 있다. ICP 알고리즘은 서로 다른 영상에서의 특징점들을 1:1 대응시키는 경우의 수들 중에서, 대응되는 특징점들의 거리차이를 최소화하는 알고리즘을 의미한다.
도 10은 2차원 영상에서 어파인 변환함수(Taffine)를 획득하는 방법을 도시한다. 501은 어파인 변환함수(Taffine)를 적용하기 전에 상태이고, 502는 어파인 변환함수(Taffine)를 적용하여 변환하고자 하는 상태이다. 어파인 변환은 1:1 점대응이므로, 아래의 수학식 2에 의해서 어파인 변환함수(Taffine)를 결정할 수 있다.
Figure pat00003
전술한 변환 함수를 이용하여 제1 의료 영상 또는 제2 의료 영상의 좌표를 변환 또는 역변환할 수 있으며, 제1 의료 영상에서의 제1 지점이 제2 의료 영상에서의 제2 지점과 대응하는 지점이라고 가정할 때, 제1 지점은 좌표 변환에 의해 제2 지점으로 변환되거나 역변환될 수 있다.
초기 정합 시에는 다음과 같은 방법으로 도 3에 도시된 제1 의료 영상 모델에서 제2 의료 영상과 매칭시킬 적어도 하나 이상의 제1 의료 영상을 선택할 수 있다.
1개의 제1 의료 영상과 초기 정합을 수행하는 방법이다. 제1 의료 영상 모델 중에서, 획득된 제2 의료 영상과 호흡이 유사할 것으로 판단되는 하나의 제1 의료 영상을 선택하고, 선택된 제1 의료 영상과 제2 의료 영상과 초기 정합을 수행한다. 예를 들면, 제2 의료 영상을 시술 중에 호흡을 뺀 상태에서 촬영하였을 경우 날숨 쪽의 제1 의료 영상을 선택한다. 이러한 선택은 대체로 초기 정합의 파라미터의 정확도가 높을 때, 다른 호흡에 대해서도 유사한 파라미터를 가질 것으로 예상하고 사용할 수 있다. 여기서, 호흡이 유사할 것으로 판단되는 것을 위주로 설명하였지만, 이에 한정되지 않고, 제1 의료 영상들과 제2 의료 영상의 유사도 판단 방법들을 통해 초기 정합을 수행한 제1 의료 영상을 선택할 수도 있다. 유사도 판단으로 가보 웨이브릿(Gabor Wavelet) 기법 또는 지역적 이진 패턴 매칭(Local Binary Pattern Matching) 기법을 이용할 수 있으나 이에 한정되지 않는다.
3 내지 4개의 제1 의료 영상과 초기 정합을 수행하는 방법이다. 예를 들면, 날숨, 중간 숨 들숨 근처에서 선정된 3 내지 4개의 제1 의료 영상에 대해 1개의 초음파 영상과 각각 초기 정합을 수행한다. 그리고 초기 정합 수행 결과로 획득된 파라미터 사이는 간단한 파라미터 보간 방법을 통해 근사화하여 나머지 제1 의료 영상들에 대해 초기 정합 파라미터를 생성한다.
제1 의료 영상 모델에 포함된 전체 제1 의료 영상과 초기 정합을 수행하는 방법이다. 각각의 제1 의료 영상에 대해 제2 의료 영상과 모두 초기 정합을 수행한다. 이 방법은 초기 정합의 정확도가 다소 떨어지는 대신 충분히 빠를 때 사용할 수 있다.
제어부(200)는 초기 정합부(230)에서 초기 정합에 따라 획득된 정합 파라미터를 이용하여 제1 의료 영상 모델을 변환한다. 여기서, 정합 파라미터는 제1 의료 영상과 제2 의료 영상 간의 변환 함수에 의한 좌표 변환 파라미터일 수 있다.
보강 정합부(240)는 변환된 제1 의료 영상 모델에서 선택된 적어도 하나의 제1 의료 영상과 제2 의료 영상 간에 보강 정합을 수행한다. 보강 정합은 최적화 기법을 적용하는 정합으로서, 영상의 세기(intensity)와 기울기(gradient)에 기반한 강체 정합일 수 있다. 보강 정합은 각 영상 간 정합이 서로 의존적(dependent)이지 않기 때문에 각각의 GPU(Graphic Processing Unit, 미도시)등을 이용하여 병렬 처리할 수 있다. 보강 정합에 대해 초기 정합과 마찬가지로 몇 가지 실시 예를 도 5 내지 7을 참조하여 설명한다.
도 5에는 전체 제1 의료 영상 모델에 속한 제1 의료 영상들(440)과 제2 의료 영상(450) 간에 정합을 수행하는 것이 도시되어 있다. 여기서, 제1 의료 영상들(440)은 초기 정합 수행 결과에 따른 정합 파라미터를 통해 변환된 영상들이다. 도 5에 도시된 것처럼, 전체 제1 의료 영상(440)에 대해 정합을 수행한다.
도 6에는 3 내지 4개의 제1 의료 영상(441 내지 444)과 제2 의료 영상(450)에 대해 보강 정합을 수행하는 방법이다. 예를 들면, 날숨, 중간 숨 들숨 근처에서 3 내지 4개의 제1 의료 영상과 1개의 초음파 영상과 각각 보강 정합을 수행하고, 정합 코스트를 비교한다. 그리고 코스트가 최소인 제1 의료 영상(442)을 결정하고, 제1 의료 영상(442)에 대해 제1 의료 영상 근처에 보간된 제1 의료 영상들(442-1 내지 442-4)과 제2 의료 영상(450)에 대해 추가 보강 정합을 수행한다.
도 7에는 다중 해상도(Multiresolution) 방법을 이용하는 것으로, 정합의 속도가 느린 경우 사용할 수 있다. 먼저, 변환된 제1 의료 영상 모델의 제1 의료 영상들(440)을 2 내지 3 레벨 정도 다운 샘플링하고, 다운 샘플링된 제1 의료 영상들(440-1)에 대해 병렬처리 방식을 사용하여 제2 의료 영상(450)과 보강 정합을 수행한다. 정합의 수행 결과 정합 코스트가 최소가 되는 제1 의료 영상(442-1) 근처의 일부 영상들(442-1 내지 442-4)에 대해, 업 샘플링하여 재차 보강 정합을 수행한다.
또한, 보강 정합부(240)는 전술한 3가지 방법 중 하나로 보강 정합을 수행하여, 정합 코스트가 최소인 제1 의료 영상 또는 상대적으로 작은 제1 의료 영상들을 의료 영상 모델 생성부(210)에 제공할 수 있다. 의료 영상 모델 생성부(210)는 제공된 제1 의료 영상에 대해 이전 변위 벡터보다 더 작은 간격으로 나누어 제1 의료 영상을 보간하여, 이전 생성된 제1 의료 영상 모델을 갱신할 수 있다. 보강 정합부(240)는 보간된 제1 의료 영상과 제2 의료 영상에 대해 추가 보강 정합을 수행할 수 있다.
제어부(200)는 보강 정합부(240)에서의 보강 정합의 코스트를 비교하여 제2 의료 영상과 정합된 제1 의료 영상을 출력하도록 제어한다. 제어부(200)는 보강 정합이 종료되고 나면, 최종 변환된 제1 의료 영상 각각에 대한 세기 및 기울기 기반의 측정값을 획득하고, 각각에 대한 측정값을 비교하여 가장 최대의 또는 최소의 정합 측정값을 가지는 제1 의료 영상을 현재 획득된 제2 의료 영상에 가장 가까운 영상이라고 판단한다. 즉, 시술 중 단계에서는 초기 정합 및 보강 정합에서 강체 정합만을 수행하였지만, 해당 영상은 호흡에 의한 변형 정보까지 포함하여 정합된 영상이므로 높은 정확도를 가질 수 있다. 또한, 비교적 빠른 속도로 수행할 수 있는 강체 정합으로 대상 장기의 호흡에 의한 변형까지 고려된 정확도 높은 정합 결과를 얻을 수 있다. 또한, 시술 중에는 비강체 정합을 수행하지 않고도 현재 획득된 제2 의료 영상, 예를 들면 3차원 초음파 영상에 대해 가장 가깝게 정합된 영상을 획득할 수 있다.
실시 예에서, 정합은 제1 의료 장치(110)와 제2 의료 장치(120)가 사용하는 좌표를 서로 대응시키는 과정을 포함한다. 정합된 영상은 서로 다른 의료 영상들이 오버레이된 융합 영상(fusion image)일 수 있고, 서로 다른 의료 영상들이 나란히 배치된 영상일 수도 있다. 의료 영상 정합 장치(130)가 정합한 의료 영상은 영상 표시 장치(140)에 의해 디스플레이될 수 있다.
의료 영상 저장부(250)는 의료 영상 모델 생성부(210)에서 생성된 제1 의료 영상 모델, 의료 영상 획득부(220)에서 획득한 시술 전 촬영된 제1 의료 영상, 시술 중 획득한 제2 의료 영상, 정합된 영상을 저장한다.
도 8은 의료 시술 전에 수행되는 비 실시간 의료 영상 모델을 생성하는 방법을 설명하는 흐름 도이다.
도 8을 참조하면, 단계 800에서, 2 이상의 호흡별 제1 의료 영상들(300, 310 및 320)을 획득한다. 여기서, 제1 의료 영상은 시술 및 진단 전단계에서 제1 의료 장치를 통해 획득되는 영상으로서, 한 번의 호흡 주기(t) 중에서, 2 이상의 호흡 별로 촬영된 영상일 수 있다. 단계 802에서, 인접 호흡 간 제1 의료 영상들(300 및 310, 310 및 320)에 대해 비강체 정합을 수행한다.
단계 804에서, 보간된 제1 의료 영상들(301, 302, 311 및 312)을 획득한다.
단계 806에서, 제1 의료 영상과 보간된 제1 의료 영상을 포함하는 제1 의료 영상 모델을 생성한다. 여기서, 제1 의료 영상은 3차원 의료 영상일 수 있으며, 제1 의료 영상 모델은 4차원 의료 영상들일 수 있다.
도 4 및 9를 참조하여 의료 시술 중에 수행되는 의료 영상 정합 방법을 설명한다.
도 9를 참조하면, 단계 900에서, 제2 의료 영상을 획득한다. 단계 902에서, 제1 의료 영상 모델 중 적어도 하나의 제1 의료 영상(410)과 제2 의료 영상(450)에 대해 초기 정합을 수행한다. 여기서, 초기 정합은 특징점 기반의 강체 정합일 수 있으며, 각각의 특징점을 포함한 제1 의료 영상(410-1)과 제2 의료 영상(450-1)간에 초기 정합을 수행한다. 초기 정합 수행 결과에 따른 정합 파라미터를 이용하여 제1 의료 영상 모델에 속한 제1 의료 영상들을 변환하여 변환된 제1 의료 영상 모델(440)을 생성한다. 도 4에는 하나의 제1 의료 영상(410)을 기준 영상으로 제2 의료 영상과 초기 정합하는 것이 도시되어 있지만, 전술한 것처럼, 전체 제1 의료 영상과 3 내지 4개의 제1 의료 영상과 제2 의료 영상을 초기 정합할 수 있음은 물론이다.
단계 904에서, 초기 정합된 제2 의료 영상 모델 중 적어도 하나 이상의 제1 의료 영상(441, 443, 446 또는 449)에 대해 제2 의료 영상(450)과 보강 정합을 수행한다. 보강 정합은 각각의 영상의 세기 및 기울기에 기반한 강체 정합일 수 있다. 보강 정합의 다양한 실시 예는 도 5 내지 7을 참조하여 설명한 바와 같다.
단계 906에서, 단계 904에서, 보강 정합한 결과에 따른 정합 코스트를 비교한다. 단계 908에서, 최종 정합된 제1 의료 영상을 선택한다. 제2 의료 영상(450)과 최종 정합된 또는 가장 유사한 제1 의료 영상(460)을 선택한다.
실시 예에 따른 의료 영상 정합 방법 및 장치는 비교적 빠른 속도로 수행할 수 있는 강체 정합으로 대상 장기의 호흡에 의한 변형까지 고려된 정확도 높은 정합 결과를 얻을 수 있다. 또한, 시술 중에는 시간이 오래 걸리는 비강체 정합을 수행하지 않고도 현재 획득된 제2 의료 영상, 예를 들면 초음파 영상에 대해 가장 가깝게 정합된 영상을 획득할 수 있다. 또한, 시술 전 단계에서 호흡 변형 정보가 고려된 제1 의료 영상 모델, 예를 들면, MR/CT 영상을 생성하고, 시술 중에는 강체 정합을 이용하여 호흡 변형 정보가 고려된 정확도 높은 정합 영상을 얻을 수 있다.
본 실시 예들에 따른 장치는 프로세서, 프로그램 데이터를 저장하고 실행하는 메모리, 디스크 드라이브와 같은 영구 저장부(permanent storage), 외부 장치와 통신하는 통신 포트, 터치 패널, 키(key), 버튼 등과 같은 사용자 인터페이스 장치 등을 포함할 수 있다. 소프트웨어 모듈 또는 알고리즘으로 구현되는 방법들은 상기 프로세서상에서 실행 가능한 컴퓨터가 읽을 수 있는 코드들 또는 프로그램 명령들로서 컴퓨터가 읽을 수 있는 기록 매체 상에 저장될 수 있다. 여기서 컴퓨터가 읽을 수 있는 기록 매체로 마그네틱 저장 매체(예컨대, ROM(read-only memory), RAM(random-access memory), 플로피 디스크, 하드 디스크 등) 및 광학적 판독 매체(예컨대, 시디롬(CD-ROM), 디브이디(DVD: Digital Versatile Disc)) 등이 있다. 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템들에 분산되어, 분산 방식으로 컴퓨터가 판독 가능한 코드가 저장되고 실행될 수 있다. 매체는 컴퓨터에 의해 판독가능하며, 메모리에 저장되고, 프로세서에서 실행될 수 있다.
본 실시 예는 기능적인 블록 구성들 및 다양한 처리 단계들로 나타내어질 수 있다. 이러한 기능 블록들은 특정 기능들을 실행하는 다양한 개수의 하드웨어 또는/및 소프트웨어 구성들로 구현될 수 있다. 예를 들어, 실시 예는 하나 이상의 마이크로프로세서들의 제어 또는 다른 제어 장치들에 의해서 다양한 기능들을 실행할 수 있는, 메모리, 프로세싱, 로직(logic), 룩 업 테이블(look-up table) 등과 같은 직접 회로 구성들을 채용할 수 있다. 구성 요소들이 소프트웨어 프로그래밍 또는 소프트웨어 요소들로 실행될 수 있는 것과 유사하게, 본 실시 예는 데이터 구조, 프로세스들, 루틴들 또는 다른 프로그래밍 구성들의 조합으로 구현되는 다양한 알고리즘을 포함하여, C, C++, 자바(Java), 어셈블러(assembler) 등과 같은 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능적인 측면들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다. 또한, 본 실시 예는 전자적인 환경 설정, 신호 처리, 및/또는 데이터 처리 등을 위하여 종래 기술을 채용할 수 있다. “매커니즘”, “요소”, “수단”, “구성”과 같은 용어는 넓게 사용될 수 있으며, 기계적이고 물리적인 구성들로서 한정되는 것은 아니다. 상기 용어는 프로세서 등과 연계하여 소프트웨어의 일련의 처리들(routines)의 의미를 포함할 수 있다.
본 실시 예에서 설명하는 특정 실행들은 예시들로서, 어떠한 방법으로도 기술적 범위를 한정하는 것은 아니다. 명세서의 간결함을 위하여, 종래 전자적인 구성들, 제어 시스템들, 소프트웨어, 상기 시스템들의 다른 기능적인 측면들의 기재는 생략될 수 있다. 또한, 도면에 도시된 구성 요소들 간의 선들의 연결 또는 연결 부재들은 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것으로서, 실제 장치에서는 대체 가능하거나 추가의 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들로서 나타내어질 수 있다.
본 명세서(특히 특허청구범위에서)에서 “상기”의 용어 및 이와 유사한 지시 용어의 사용은 단수 및 복수 모두에 해당하는 것일 수 있다. 또한, 범위(range)를 기재한 경우 상기 범위에 속하는 개별적인 값을 포함하는 것으로서(이에 반하는 기재가 없다면), 상세한 설명에 상기 범위를 구성하는 각 개별적인 값을 기재한 것과 같다. 마지막으로, 방법을 구성하는 단계들에 대하여 명백하게 순서를 기재하거나 반하는 기재가 없다면, 상기 단계들은 적당한 순서로 행해질 수 있다. 반드시 상기 단계들의 기재 순서에 한정되는 것은 아니다. 모든 예들 또는 예시적인 용어(예들 들어, 등등)의 사용은 단순히 기술적 사상을 상세히 설명하기 위한 것으로서 특허청구범위에 의해 한정되지 않는 이상 상기 예들 또는 예시적인 용어로 인해 범위가 한정되는 것은 아니다. 또한, 당업자는 다양한 수정, 조합 및 변경이 부가된 특허청구범위 또는 그 균등물의 범주 내에서 설계 조건 및 팩터에 따라 구성될 수 있음을 알 수 있다.

Claims (20)

  1. 대상체의 적어도 2 이상의 호흡에서 촬영된 제1 의료 영상들을 기초로 제1 의료 영상 모델을 생성하는 단계;
    상기 대상체의 관심 영역에 대한 제2 의료 영상을 획득하는 단계;
    상기 생성된 제1 의료 영상 모델에서 선택된 적어도 하나 이상의 제1 의료 영상과 상기 획득된 제2 의료 영상 간에 초기 정합을 수행하는 단계;
    상기 초기 정합에 따라 획득된 정합 파라미터를 이용하여 상기 제1 의료 영상 모델을 변환하는 단계;
    상기 변환된 제1 의료 영상 모델에서 선택된 적어도 하나의 제1 의료 영상과 상기 획득된 제2 의료 영상 간에 보강 정합을 수행하는 단계; 및
    상기 보강 정합의 코스트를 비교하여 상기 제2 의료 영상과 정합된 제1 의료 영상을 출력하는 단계를 포함하는 의료 영상 정합 방법.
  2. 제 1 항에 있어서,
    상기 제1 의료 영상 모델은,
    상기 제1 의료 영상들과, 상기 제1 의료 영상들을 보간하여 생성된 상기 2 이상의 호흡과 인접한 호흡에서의 의료 영상을 포함하는 제1 의료 영상들의 세트인 의료 영상 정합 방법.
  3. 제 1 항에 있어서,
    상기 제1 의료 영상 모델은,
    상기 제1 의료 영상들을 기초로 생성된 3차원 제1 의료 영상들과, 상기 3차원 제1 의료 영상들에 대해 비강체 정합(non-rigid registration)을 통해 획득된 변위 벡터를 이용하여 보간된 상기 2 이상의 호흡과 인접한 호흡에서의 3차원 제1 의료 영상을 포함하는 4차원 제1 의료 영상들의 세트인 의료 영상 정합 방법.
  4. 제 3 항에 있어서,
    상기 3차원 제1 의료 영상들에 대해, 상기 변위 벡터를 선형 분할하거나 또는 비선형 분할하여 상기 인접한 호흡에서의 3차원 제1 의료 영상을 보간하는 의료 영상 정합 방법.
  5. 제 1 항에 있어서,
    상기 초기 정합은,
    상기 제1 의료 영상으로부터 추출된 특징점과, 상기 제2 의료 영상에서 추출된 특징점을 매칭함으로써 수행되는 강체 정합인 의료 영상 정합 방법.
  6. 제 5 항에 있어서,
    상기 제1 의료 영상 모델에서, 상기 호흡 중 들숨에서 획득된 제1 의료 영상의 특징점과, 상기 제2 의료 영상의 특징점을 매칭하여 상기 정합 파라미터를 획득하고, 상기 획득된 파라미터를 이용하여 상기 제1 의료 영상 모델의 나머지 제1 의료 영상들을 변환하는 의료 영상 정합 방법.
  7. 제 5 항에 있어서,
    상기 제1 의료 영상 모델에서, 상기 호흡 중 날숨, 중간 숨, 들숨에 상응하는 적어도 3 이상의 제1 의료 영상의 특징점들과, 상기 제2 의료 영상의 특징점을 각각 매칭하여 적어도 3 이상의 정합 파라미터를 획득하고, 상기 획득된 적어도 3 이상의 정합 파라미터를 이용하여 나머지 정합 파라미터를 보간하고, 상기 획득된 적어도 3 이상의 정합 파라미터와 상기 보간된 정합 파라미터를 이용하여 상기 제1 의료 영상 모델을 변환하는 의료 영상 정합 방법.
  8. 제 5 항에 있어서,
    상기 제1 의료 영상 모델에서, 모든 제1 의료 영상들의 특징점과 상기 제 의료 영상의 특징점을 매칭하여 모든 정합 파라미터를 획득하고, 상기 획득된 모든 정합 파라미터를 이용하여 상기 제1 의료 영상 모델을 변환하는 의료 영상 정합 방법.
  9. 제 1 항에 있어서,
    상기 보강 정합은,
    상기 선택된 적어도 하나의 제1 의료 영상과 상기 제2 의료 영상의 영상 강도(intensity)와 그래디언트(gradient)에 기반하여 수행되는 강체 정합인 의료 영상 정합 방법.
  10. 제 9 항에 있어서,
    상기 선택된 적어도 하나의 제1 의료 영상을 다운 샘플링하고, 상기 다운 샘플링된 제1 의료 영상과 상기 제2 의료 영상에 대해 제1 보강 정합을 수행하고, 상기 제1 보강 정합의 코스트 값이 최소인 제1 의료 영상을 포함하는 제1 의료 영상들을 업 샘플링하여, 상기 업 샘플링된 제1 의료 영상들과 상기 제2 의료 영상에 대해 제2 보강 정합을 수행하는 의료 영상 정합 방법.
  11. 제 9 항에 있어서,
    상기 변환된 제1 의료 영상 모델에서, 상기 호흡 중 날숨, 중간 숨, 들숨에 상응하는 적어도 3 이상의 제1 의료 영상들과 상기 제2 의료 영상에 대해 제1 보강 정합을 수행하고, 상기 제1 보강 정합의 코스트 값이 최소인 제1 의료 영상을 포함하는 제1 의료 영상들과 상기 제2 의료 영상에 대해 제2 보강 정합을 수행하는 의료 영상 정합 방법.
  12. 제 3 항에 있어서,
    상기 보강 정합을 수행한 후, 상기 보강 정합의 코스트가 최소인 제1 의료 영상을 기준으로 상기 변위 벡터를 추가 분할하여 상기 제1 의료 영상을 보간함으로써, 상기 제1 의료 영상 모델을 갱신하는 의료 영상 정합 방법.
  13. 제 1 항에 있어서,
    상기 제1 의료 영상은 의료 시술 이전에 촬영된 MR, CT, PET 또는 X-ray 영상이고, 상기 제2 의료 영상은 의료 시술 중 촬영되는 3차원 또는 2차원 초음파 영상인 의료 영상 정합 방법.
  14. 대상체의 적어도 2 이상의 호흡에서 촬영된 제1 의료 영상들을 기초로 제1 의료 영상 모델을 생성하는 의료 영상 모델 생성부;
    상기 대상체의 관심 영역에 대한 제2 의료 영상을 획득하는 의료 영상 획득부;
    상기 생성된 제1 의료 영상 모델에서 선택된 적어도 하나 이상의 제1 의료 영상과 상기 획득된 제2 의료 영상 간에 초기 정합을 수행하는 초기 정합부;
    상기 제1 의료 영상 모델에서 선택된 적어도 하나의 제1 의료 영상과 상기 획득된 제2 의료 영상 간에 보강 정합을 수행하는 보강 정합부; 및
    상기 초기 정합에 따라 획득된 정합 파라미터를 이용하여 상기 제1 의료 영상 모델을 변환하여 상기 보강 정합부에 제공하고, 상기 보강 정합의 코스트를 비교하여 상기 제2 의료 영상과 정합된 제1 의료 영상을 출력하도록 제어하는 제어부를 포함하는 의료 영상 정합 장치.
  15. 제 14 항에 있어서,
    상기 제1 의료 영상 모델은,
    상기 제1 의료 영상들과, 상기 제1 의료 영상들을 보간하여 생성된 상기 2 이상의 호흡과 인접한 호흡에서의 의료 영상을 포함하는 제1 의료 영상들의 세트인 의료 영상 정합 장치.
  16. 제 14 항에 있어서,
    상기 의료 영상 모델 생성부는,
    상기 제1 의료 영상들을 기초로 생성된 3차원 제1 의료 영상들과, 상기 3차원 제1 의료 영상들에 대해 비강체 정합(non-rigid registration)을 통해 획득된 변위 벡터를 이용하여 보간된 상기 2 이상의 호흡과 인접한 호흡에서의 3차원 제1 의료 영상을 포함하는 4차원 제1 의료 영상들의 세트를 생성하는 의료 영상 정합 장치.
  17. 제 16 항에 있어서,
    상기 의료 영상 모델 생성부는,
    상기 3차원 제1 의료 영상들에 대해, 상기 변위 벡터를 선형 분할하거나 또는 비선형 분할하여 상기 인접한 호흡에서의 3차원 제1 의료 영상을 보간하는 의료 영상 정합 장치.
  18. 제 14 항에 있어서,
    상기 초기 정합부는,
    상기 제1 의료 영상으로부터 추출된 특징점과, 상기 제2 의료 영상에서 추출된 특징점을 매칭하는 강체 정합인 의료 영상 정합 장치.
  19. 제 14 항에 있어서,
    상기 보강 정합부는,
    상기 선택된 적어도 하나의 제1 의료 영상과 상기 제2 의료 영상의 영상 강도(intensity)와 그래디언트(gradient)에 기반하여 수행되는 강체 정합인 의료 영상 정합 장치.
  20. 제 14 항에 있어서,
    상기 제1 의료 영상은 의료 시술 이전에 촬영된 MR, CT, PET 또는 X-ray 영상이고, 상기 제2 의료 영상은 의료 시술 중 촬영되는 3차원 또는 2차원 초음파 영상인 의료 영상 정합 장치.
KR1020140044423A 2014-04-14 2014-04-14 의료 영상 정합 방법 및 장치 KR102233427B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020140044423A KR102233427B1 (ko) 2014-04-14 2014-04-14 의료 영상 정합 방법 및 장치
US14/597,290 US10945708B2 (en) 2014-04-14 2015-01-15 Method and apparatus for registration of medical images

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140044423A KR102233427B1 (ko) 2014-04-14 2014-04-14 의료 영상 정합 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20150118484A true KR20150118484A (ko) 2015-10-22
KR102233427B1 KR102233427B1 (ko) 2021-03-29

Family

ID=54264064

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140044423A KR102233427B1 (ko) 2014-04-14 2014-04-14 의료 영상 정합 방법 및 장치

Country Status (2)

Country Link
US (1) US10945708B2 (ko)
KR (1) KR102233427B1 (ko)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017099375A1 (ko) * 2015-12-11 2017-06-15 삼성전자 주식회사 영상처리장치 및 그의 영상처리방법
WO2017142183A1 (ko) * 2016-02-15 2017-08-24 삼성전자(주) 영상처리장치, 영상처리방법 및 이를 기록한 기록매체
KR101876643B1 (ko) * 2016-11-23 2018-07-13 한국과학기술원 2d 형광 투시 영상과 3d ct 영상 정합 기반의 치료 가이딩 시스템 및 방법
CN109934861A (zh) * 2019-01-22 2019-06-25 广东工业大学 一种头颈部多模态医学图像自动配准方法
WO2020032325A1 (ko) * 2018-08-06 2020-02-13 전북대학교산학협력단 다중 모달리티 영상 생성 기법을 이용한 의료영상진단시스템
WO2021060700A1 (ko) * 2019-09-24 2021-04-01 가톨릭대학교 산학협력단 비디오투시 연하검사 판독 장치 및 방법
KR20210052270A (ko) * 2019-10-30 2021-05-10 주식회사 스키아 환자의 증강 현실 기반의 의료 정보를 제공하는 방법, 장치 및 컴퓨터 프로그램
KR20210054860A (ko) * 2019-11-06 2021-05-14 상명대학교산학협력단 호흡 측정 장치 및 방법
KR20210085791A (ko) * 2019-12-31 2021-07-08 주식회사 코어라인소프트 정량화 파라미터를 이용하는 의료 영상 분석 시스템 및 유사 증례 검색 시스템, 및 그 시스템에서 실행되는 방법

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB201416416D0 (en) * 2014-09-17 2014-10-29 Biomediq As Bias correction in images
US11244478B2 (en) * 2016-03-03 2022-02-08 Sony Corporation Medical image processing device, system, method, and program
EP3565259A4 (en) * 2016-12-28 2019-11-06 Panasonic Intellectual Property Corporation of America THREE-DIMENSIONAL MODEL DISTRIBUTION METHOD, THREE-DIMENSIONAL MODEL RECEIVING METHOD, THREE-DIMENSIONAL MODEL DISTRIBUTION DEVICE, AND THREE-DIMENSIONAL MODEL RECEIVING DEVICE
KR101929412B1 (ko) 2017-02-28 2018-12-14 연세대학교 산학협력단 영상 데이터베이스 기반 2차원 x-선 영상 및 3차원 ct 영상의 실시간 정합 방법 및 그 장치
CN108154503A (zh) * 2017-12-13 2018-06-12 西安交通大学医学院第附属医院 一种基于图像处理的白癜风病情诊断系统
CN113902780B (zh) * 2021-08-31 2023-02-21 数坤(北京)网络科技股份有限公司 一种影像配准方法、装置、设备和可读存储介质
CN116823905A (zh) * 2023-06-26 2023-09-29 阿里巴巴达摩院(杭州)科技有限公司 图像配准方法、电子设备以及计算机可读存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050063991A (ko) * 2003-12-23 2005-06-29 한국전자통신연구원 영상 피라미드를 이용한 영상정합 처리방법 및 장치
KR20110013026A (ko) * 2009-07-31 2011-02-09 주식회사 메디슨 2차원 초음파 영상에 대응하는 2차원 ｃｔ 영상을 제공하는 시스템 및 방법

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7117026B2 (en) 2002-06-12 2006-10-03 Koninklijke Philips Electronics N.V. Physiological model based non-rigid image registration
WO2008063494A2 (en) 2006-11-16 2008-05-29 Vanderbilt University Apparatus and methods of compensating for organ deformation, registration of internal structures to images, and applications of same
EP2131212A3 (en) * 2008-06-05 2011-10-05 Medison Co., Ltd. Non-Rigid Registration Between CT Images and Ultrasound Images
KR101080605B1 (ko) 2010-04-30 2011-11-04 한국과학기술원 Ｍｒ 영상을 이용한 ｐｅｔ 영상 감쇄 보상 방법 및 ｐｅｔ 장치
US8391573B2 (en) 2011-03-09 2013-03-05 General Electric Company Method and apparatus for motion correcting medical images
US9119550B2 (en) * 2012-03-30 2015-09-01 Siemens Medical Solutions Usa, Inc. Magnetic resonance and ultrasound parametric image fusion
US20130345545A1 (en) * 2012-06-21 2013-12-26 Siemens Medical Solutions Usa, Inc. Ultrasound Enhanced Magnetic Resonance Imaging
CN104603836A (zh) * 2012-08-06 2015-05-06 范德比尔特大学 用于在图像引导手术期间校正数据变形的改进的方法
US9400317B2 (en) * 2012-12-04 2016-07-26 Siemens Medical Solutions Usa, Inc. MR scan selection for PET attenuation correction

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050063991A (ko) * 2003-12-23 2005-06-29 한국전자통신연구원 영상 피라미드를 이용한 영상정합 처리방법 및 장치
KR20110013026A (ko) * 2009-07-31 2011-02-09 주식회사 메디슨 2차원 초음파 영상에 대응하는 2차원 ｃｔ 영상을 제공하는 시스템 및 방법

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Alignment of sparse freehand 3-D ultrasound with preoperative images of the liver using models of respiratory motion and deformation, IEEE, 2005.11.* *
Image interpolation in 4D CT using a BSpline deformable registration model, Int. J. Radiation Oncology Biol.Phys., 2006.04.* *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10719935B2 (en) 2015-12-11 2020-07-21 Samsung Electronics Co., Ltd. Image processing apparatus and image processing method thereof
KR20170069587A (ko) 2015-12-11 2017-06-21 삼성전자주식회사 영상처리장치 및 그의 영상처리방법
WO2017099375A1 (ko) * 2015-12-11 2017-06-15 삼성전자 주식회사 영상처리장치 및 그의 영상처리방법
WO2017142183A1 (ko) * 2016-02-15 2017-08-24 삼성전자(주) 영상처리장치, 영상처리방법 및 이를 기록한 기록매체
US11051715B2 (en) 2016-02-15 2021-07-06 Samsung Electronics Co., Ltd. Image processing apparatus, image processing method, and recording medium recording same
KR101876643B1 (ko) * 2016-11-23 2018-07-13 한국과학기술원 2d 형광 투시 영상과 3d ct 영상 정합 기반의 치료 가이딩 시스템 및 방법
WO2020032325A1 (ko) * 2018-08-06 2020-02-13 전북대학교산학협력단 다중 모달리티 영상 생성 기법을 이용한 의료영상진단시스템
CN109934861A (zh) * 2019-01-22 2019-06-25 广东工业大学 一种头颈部多模态医学图像自动配准方法
CN109934861B (zh) * 2019-01-22 2022-10-18 广东工业大学 一种头颈部多模态医学图像自动配准方法
WO2021060700A1 (ko) * 2019-09-24 2021-04-01 가톨릭대학교 산학협력단 비디오투시 연하검사 판독 장치 및 방법
KR20210052270A (ko) * 2019-10-30 2021-05-10 주식회사 스키아 환자의 증강 현실 기반의 의료 정보를 제공하는 방법, 장치 및 컴퓨터 프로그램
KR20210054860A (ko) * 2019-11-06 2021-05-14 상명대학교산학협력단 호흡 측정 장치 및 방법
KR20210085791A (ko) * 2019-12-31 2021-07-08 주식회사 코어라인소프트 정량화 파라미터를 이용하는 의료 영상 분석 시스템 및 유사 증례 검색 시스템, 및 그 시스템에서 실행되는 방법

Also Published As

Publication number Publication date
KR102233427B1 (ko) 2021-03-29
US20150289848A1 (en) 2015-10-15
US10945708B2 (en) 2021-03-16

Similar Documents

Publication Publication Date Title
KR102233427B1 (ko) 의료 영상 정합 방법 및 장치
KR102114415B1 (ko) 의료 영상 정합 방법 및 장치
US8126239B2 (en) Registering 2D and 3D data using 3D ultrasound data
EP2131326B1 (en) Registration of CT image onto ultrasound images
KR101932721B1 (ko) 의료 영상들의 정합 방법 및 장치
JP6620252B2 (ja) 超音波融合撮像システムにおけるプローブ誘導変形の補正
EP3441939A1 (en) A method and system for registering a 3d pre-acquired image coordinates system with a medical positioning system coordinate system and with a 2d image coordinate system
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
KR102328266B1 (ko) 영상 처리 장치, 영상 처리 방법 및 영상 처리부가 마련된 초음파 영상 장치
KR20140105101A (ko) 의료 영상들의 정합 방법 및 장치
JP2009136679A (ja) ３−ｄ画像および表面マッピングによる解剖学的モデル化
KR20120111871A (ko) 3차원적 모델을 이용한 신체 장기의 영상 생성 방법 및 장치
CN108289651A (zh) 用于跟踪身体部位中的超声探头的系统
KR20140126815A (ko) 호흡 주기 동안 체내 장기의 변화를 추적하는 방법, 장치 및 시스템.
JP5495886B2 (ja) 患者位置決めシステム
KR20150145106A (ko) 의료 영상 정합 방법 및 그 장치
US7773719B2 (en) Model-based heart reconstruction and navigation
US20160155222A1 (en) Medical image processing apparatus and medical image registration method using the same
US11127153B2 (en) Radiation imaging device, image processing method, and image processing program
Deligianni et al. Nonrigid 2-D/3-D registration for patient specific bronchoscopy simulation with statistical shape modeling: Phantom validation
US8908950B2 (en) Method for ascertaining the three-dimensional volume data, and imaging apparatus
CN108430376B (zh) 提供投影数据集
US9521980B2 (en) Method for registering medical images, apparatus performing the method, and computer readable media including the method
KR20190074226A (ko) Ent 뼈 거리 색상 코딩된 안면 맵
Timinger et al. Motion compensated coronary interventional navigation by means of diaphragm tracking and elastic motion models

Legal Events

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