KR20160036517A - 뇌졸중 전자동 경색부 구분 방법 - Google Patents

뇌졸중 전자동 경색부 구분 방법 Download PDF

Info

Publication number
KR20160036517A
KR20160036517A KR1020150136869A KR20150136869A KR20160036517A KR 20160036517 A KR20160036517 A KR 20160036517A KR 1020150136869 A KR1020150136869 A KR 1020150136869A KR 20150136869 A KR20150136869 A KR 20150136869A KR 20160036517 A KR20160036517 A KR 20160036517A
Authority
KR
South Korea
Prior art keywords
stroke
pwi
infarct
region
penumbra
Prior art date
Application number
KR1020150136869A
Other languages
English (en)
Other versions
KR101723791B1 (ko
Inventor
김남국
정계삼
강동화
Original Assignee
재단법인 아산사회복지재단
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 재단법인 아산사회복지재단 filed Critical 재단법인 아산사회복지재단
Publication of KR20160036517A publication Critical patent/KR20160036517A/ko
Application granted granted Critical
Publication of KR101723791B1 publication Critical patent/KR101723791B1/ko

Links

Images

Classifications

    • 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
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
    • A61B5/0042—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the brain
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4058—Detecting, measuring or recording for evaluating the nervous system for evaluating the central nervous system
    • A61B5/4064—Evaluating the brain
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • 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
    • A61B2576/026—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part for the brain

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Neurology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Neurosurgery (AREA)
  • Psychology (AREA)
  • Physiology (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

본 발명은 뇌졸중 환자에 대한 infarct 영역과 penumbra 영역을 자동으로 평가하여 시술에 앞서 의사에게 뇌졸중 환자에 대한 시술 정보를 제공하고 뇌졸중의 예후를 예측할 수 있는 방법 및 장치에 관한 것으로, 본 발명에 따른 뇌졸중 전자동 infarct 구분방법은 (a) 뇌 MRI(Diffusion Weighted Image, Perfusion Weighted Image)를 분석하여 infarct 영역과 penumbra 영역을 자동으로 분석하는 단계와 (b) 이를 통해 뇌졸중 환자에 대한 시술 정보를 제공하고 뇌졸중의 예후를 예측할 수 있는 정보를 제공하는 단계를 포함한다.

Description

뇌졸중 전자동 경색부 구분 방법{Method for stroke infarction section classification}
본 발명은 뇌졸중 전자동 경색부 구분 방법에 관한 것으로서, 상세하게는 뇌졸중 환자에 대한 뇌경색(cerebral infarction) 영역과 가장자리 음영(penumbra) 영역을 자동으로 평가하여 시술에 앞서 의사에게 뇌졸중 환자에 대한 시술 정보를 제공하고 뇌졸중의 예후를 예측할 수 있는 방법에 관한 것이다.
뇌졸중 환자가 응급실에 도착하는 경우, 일정 시간 이내 혈전 용해제를 주입하는 시술을 하여야 한다. 그러나, 시간이 경과하여 infarct 영역이 뇌 전체의 일정 부분 이상이 넘어가는 경우 혈전용해제를 주입하는 시술을 수행할 수 없는데, 일반적으로 응급실에는 이러한 판단을 전문적으로 할 수 있는 전문의가 부족한 문제점이 있다.
따라서 뇌졸중의 판단은 보통 MRI 영상으로 대부분 하게 되는데, 영상판독에 숙련된 전문의가 부재한 상태에서 이러한 MRI 영상만으로는 신속하고 정확한 판단에 어려움이 있기 때문에, 상기 MRI 영상을 분석에 의해 빠른 시간 내에 의사가 뇌졸중을 판단할 수 있도록 정보를 제공해줄 필요가 있다.
본 발명은 상기와 같은 종래의 문제점을 해결하기 위하여 제안된 것으로, 본 발명에 따른 뇌졸중 전자동 경색부 구분 방법의 목적은 자기공명영상 (Magnetic Resonance Image, 이하 MRI) 중 확산강조영상 (Diffusion-Weighted Image, 이하 DWI)과 관류강조영상 (Perfusion-Weighted Image, 이하 PWI)을 분석하여 infarct 영역과 penumbra 영역을 전자동으로 분석하고, 이를 통해 의사에게 환자에 대한 시술을 가이드할 수 있는 방법을 제공하는데 있다.
본 발명에 따른 뇌졸중 전자동 경색부 구분 방법은 (a) 뇌 MRI (DWI, PWI)를 분석하여 infarct 영역과 penumbra 영역을 자동으로 분석하는 단계와, (b) 이를 통해 뇌졸중 환자에 대한 시술 정보를 제공하고 뇌졸중의 예후를 예측할 수 있는 정보를 제공하는 단계를 포함한다.
이상에서 설명한 바와 같이, 본 발명에 따른 뇌졸중 전자동 경색부 구분 방법은 MRI (DWI, PWI)를 분석하여 infarct 영역과 penumbra 영역을 분석함으로써, 의사에게 환자에 대한 시술을 가이드할 수 있으며, 뇌졸중 환자에 대한 정확한 응급 처치 및 치료가 이루어지도록 하는 효과가 있다.
도 1은 본 발명에 따른 뇌졸중 전자동 경색부 구분 방법의 전체 흐름을 나타내는 흐름도.
도 2 내지 도 3는 본 발명에 따른 뇌졸중 전자동 경색부 구분 방법의 상세 흐름을 나타내는 흐름도.
도 4 내지 도 9는 본 발명에 따른 뇌졸중 전자동 경색부 구분 방법의 실험 실시예 및 GUI 실시예를 나타내는 도면.
이하, 본 발명에 따른 뇌졸중 전자동 경색부 구분 방법을 실시하기 위한 구체적인 내용을 설명하면 다음과 같다.
본 발명에 따른 뇌졸중 전자동 경색부 구분 방법은 (a) 뇌 MRI (DWI, PWI)를 분석하여 infarct 영역과 penumbra 영역을 자동으로 분석하는 단계와 (b) 이를 통해 뇌졸중 환자에 대한 시술 정보를 제공하고 뇌졸중의 예후를 예측할 수 있는 정보를 제공하는 단계를 포함한다.
도 1은 본 발명에 따른 뇌졸중 전자동 경색부 구분 방법의 전체 흐름을 나타내며, 먼저 뇌 MR 영상을 촬영한 후 등록 과정을 거쳐 자동 템플릿 분할 과정을 거치며, 상기 MR 영상을 각각 DWI와 PWI로 개별 분석하여, 자동 템플릿 분할 영상과, DWI, PWI 영상을 정합하여 최종 Infarct/Penumbra mismatch 결과를 획득한다. 이러한 infarct 영역과 penumbra 영역에 대한 분석 결과를 포함하는 뇌졸중 환자에 대한 시술 정보를 의료진에 제공하고 뇌졸중의 예후를 예측할 수 있는 정보도 함께 제공한다.
도 2는 본 발명에 따른 뇌졸중 전자동 경색부 구분 방법의 워크 플로우를 나타내는 흐름도로 먼저, 참조 이미지의 히스토그램 매칭을 위한 템플릿을 생성, DWI의 DICOM 파일들을 통해 b1000과 apparent diffusion coefficient(이하 ADC) 영상을 계산하고, 히스토그램 매칭 후, ADC를 기반으로 긍정오류(False Posive)를 감소시키고, 매개 변수의 최적 조합에 대한 FROC(Free Response Operating Characteristic) 분석을 수행하여, 최종 정확도 및 긍정오류(~ 90 %, 1.5 F.P)를 도출한다.
또한, 본 발명에 있어서, PWI의 관류는 도 3에 도시된 바와 같이, DICOM에서 위상(phase)을 확인하고, 4차원 영상을 생성한 후, 시공간적 스무딩(Spatiotemporal smoothing)을 적용한 다음, 시간 축에 대해 감마변량맞춤(gamma-variate fitting)에 해당하는 처리 과정을 거쳐 확인한다. 전처리 후, 각 voxel들의 조영제 농도의 시간에 따른 변화곡선을 통해 time-to-peak(이하 TTP)과 bolus arrival time(이하 BAT)을 산출하고, PWI 내의 middle cerebral artery (이하 MCA)의 위치를 결정한다.
본 발명에 있어서, 뇌졸중 발생 후 6 시간 이내에 획득된 DWI 데이터에 히스토그램 매칭을 적용하고, 분할된 infarct 영역의 3 차원 볼륨을 측정하고, FROC 최적 조합을 검색하며, PWI는 MCA 영역 내의 voxel에서 bolus의 시간에 따른 변화를 가장 잘 반영하는 곡선을 arterial input function(이하 AIF)으로 결정하고, AIF를 활용해 PWI에 대해 디컨볼루션(deconvolution)을 수행한다.
이후 분석 맵들 (deconvolved TTP, 이하 Tmax; mean-transit time, 이하 MTT; cerebral blood volume, 이하 CBV; cerebral blood flow, 이하 CBF)을 계산하고, UI를 통합하며, PWI를 분할하고, infarct-penumbra 영역들을 비교하며, 보정한 후, FLAIR(Fluid-attenuated inversion recovery)와 병합하는 과정을 거친다.
도 4 내지 도 9는 본 발명에 따른 뇌졸중 전자동 경색부 구분 방법의 실험 실시예 및 GUI 실시예를 나타내는 도면이다.
도 4 의 시간별 tracer의 농도 그래프와 도 5 내지 도 8의 본 발명의 뇌졸중 전자동 경색부 구분을 위한 MR 영상 및 도 9의 본 발명의 GUI 실시예를 통해, 뇌졸중에 따른 경색부 구분 방법을 잘 보여주고 있다.
이상 본 발명의 뇌졸중 전자동 경색부 구분 방법을 실시예로 설명하였으나 본 발명의 기술적 사상이 상기 실시예로 한정되는 것은 아니며, 본 발명의 기술적 사상을 벗어나지 않는 범주에서 다양한 뇌졸중 전자동 경색부 구분 방법 및 장치로 구현할 수 있다.

Claims (7)

  1. 뇌 MRI (DWI, PWI)를 분석하여 infarct 영역과 penumbra 영역을 자동으로 분석하는 단계와, 이를 통해 뇌졸중 환자에 대한 시술 정보를 제공하고 뇌졸중의 예후를 예측할 수 있는 정보를 제공하는 단계를 포함하는 것을 특징으로 하는 뇌졸중 전자동 경색부 구분 방법.
  2. 제1항에 있어서,
    상기 infarct 영역과 penumbra 영역을 자동으로 분석하는 단계는,
    자동 템플릿 분할 영상과 개별 분석된 DWI, PWI MR 영상을 정합하여 시술정보와 예후 예측 정보를 제공하기 위한 최종 Infarct/Penumbra mismatch 결과를 획득하는 것을 특징으로 하는 뇌졸중 전자동 경색부 구분 방법.
  3. 제2항에 있어서,
    상기 자동 템플릿 분할 영상은 뇌 MR 영상 등록 과정을 거쳐 자동 템플릿 분할 과정을 거쳐 획득하는 것을 특징으로 하는 뇌졸중 전자동 경색부 구분 방법.
  4. 제2항에 있어서,
    템플릿으로 히스토그램 매칭을 하는 단계;
    DWI 의 DICOM 파일들을 통해 b1000과 ADC 영상을 계산하는 단계; 및
    히스토그램 매칭 후, 상기 ADC 영상을 기반으로 긍정오류를 감소시키고, FROC 분석을 수행하여 최종 정확도 및 긍정오류를 단계를 더 포함하는 것을 특징으로 하는 뇌졸중 전자동 경색부 구분 방법.
  5. 제4항에 있어서,
    상기 PWI의 관류는 DICOM에서 위상을 확인하고, 4 차원 영상을 생성한 후, 시공간적 스무딩을 적용한 다음, 시간 축에 대해 감마변량맞춤에 해당하는 처리 과정을 거쳐 확인하는 것을 특징으로 하는 뇌졸중 전자동 경색부 구분 방법.
  6. 제5항에 있어서,
    상기 PWI의 관류의 확인 단계 후,
    각 voxel들의 조영제 농도의 시간에 따른 변화곡선을 통해 TTP와 BAT를 산출하고, PWI 내의 MCA의 위치를 결정하는 것을 특징으로 하는 뇌졸중 전자동 경색부 구분 방법.
  7. 제4항에 있어서,
    뇌졸중 발생 후 일정 시간 이내에 획득된 DWI 데이터에 히스토그램 매칭을 적용하는 단계;
    분할된 infarct 영역의 3 차원 볼륨을 측정하고, FROC 최적 조합을 검색하는 단계;
    MCA 영역 내의 voxel에서 bolus의 시간에 따른 변화를 가장 잘 반영하는 곡선을 AIF으로 PWI를 결정하는 단계;
    상기 AIF를 활용하여 PWI에 대해 디컨볼루션(deconvolution)을 수행하는 단계; 및
    분석맵들(Tmax; MTT; CBV; CBF)을 계산하고, UI를 통합하며, PWI를 분할하고, infarct-penumbra 영역들을 비교하며, 보정한 후, FLAIR와 병합하는 과정을 거치는 단계를 더 포함하는 것을 특징으로 하는 뇌졸중 전자동 경색부 구분 방법.
KR1020150136869A 2014-09-25 2015-09-25 뇌졸중 전자동 경색부 구분 방법 KR101723791B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20140128073 2014-09-25
KR1020140128073 2014-09-25

Publications (2)

Publication Number Publication Date
KR20160036517A true KR20160036517A (ko) 2016-04-04
KR101723791B1 KR101723791B1 (ko) 2017-04-07

Family

ID=55799794

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150136869A KR101723791B1 (ko) 2014-09-25 2015-09-25 뇌졸중 전자동 경색부 구분 방법

Country Status (1)

Country Link
KR (1) KR101723791B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102294164B1 (ko) * 2020-04-10 2021-08-31 주식회사 쓰리케이비카스 출혈성 변환 예측을 위한 뇌전산화단층 영상 데이터 관리 시스템
CN117612713A (zh) * 2023-10-08 2024-02-27 郑州大学 一种基于云计算的脑卒中行为的智能分析系统及方法
CN117612713B (zh) * 2023-10-08 2024-06-11 郑州大学 一种基于云计算的脑卒中行为的智能分析系统及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000126150A (ja) * 1998-10-23 2000-05-09 Ge Yokogawa Medical Systems Ltd 関心領域設定方法、画像処理装置および医用画像処理装置
KR20040039176A (ko) 2001-09-14 2004-05-10 알랜 클레인펠드 뇌졸중의 조기 진단법
JP2011139799A (ja) * 2010-01-07 2011-07-21 Toshiba Corp 画像処理装置及び磁気共鳴イメージング装置
JP2011172918A (ja) * 2010-01-27 2011-09-08 Toshiba Corp 超音波診断装置、医用画像診断装置、超音波画像処理装置、医用画像処理装置、超音波診断システム及び医用画像診断システム
KR20140080694A (ko) * 2012-12-13 2014-07-01 노슨(Nohsn) 주식회사 치료기기 제어장치 및 이를 이용한 치료 시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000126150A (ja) * 1998-10-23 2000-05-09 Ge Yokogawa Medical Systems Ltd 関心領域設定方法、画像処理装置および医用画像処理装置
KR20040039176A (ko) 2001-09-14 2004-05-10 알랜 클레인펠드 뇌졸중의 조기 진단법
JP2011139799A (ja) * 2010-01-07 2011-07-21 Toshiba Corp 画像処理装置及び磁気共鳴イメージング装置
JP2011172918A (ja) * 2010-01-27 2011-09-08 Toshiba Corp 超音波診断装置、医用画像診断装置、超音波画像処理装置、医用画像処理装置、超音波診断システム及び医用画像診断システム
KR20140080694A (ko) * 2012-12-13 2014-07-01 노슨(Nohsn) 주식회사 치료기기 제어장치 및 이를 이용한 치료 시스템

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102294164B1 (ko) * 2020-04-10 2021-08-31 주식회사 쓰리케이비카스 출혈성 변환 예측을 위한 뇌전산화단층 영상 데이터 관리 시스템
CN117612713A (zh) * 2023-10-08 2024-02-27 郑州大学 一种基于云计算的脑卒中行为的智能分析系统及方法
CN117612713B (zh) * 2023-10-08 2024-06-11 郑州大学 一种基于云计算的脑卒中行为的智能分析系统及方法

Also Published As

Publication number Publication date
KR101723791B1 (ko) 2017-04-07

Similar Documents

Publication Publication Date Title
Storelli et al. Measurement of whole-brain and gray matter atrophy in multiple sclerosis: assessment with MR imaging
US9053534B2 (en) Voxel-based approach for disease detection and evolution
US10210611B2 (en) Image processing apparatus, image processing method, and computer program product
Rosso et al. Prediction of infarct growth based on apparent diffusion coefficients: penumbral assessment without intravenous contrast material
Boldsen et al. Better diffusion segmentation in acute ischemic stroke through automatic tree learning anomaly segmentation
KR102021541B1 (ko) 의료 영상 기반 뇌혈전 영역 식별 및 가시화를 위한 컴퓨팅 시스템 및 방법
US10335106B2 (en) Computing system and method for identifying and visualizing cerebral thrombosis based on medical images
US7106892B2 (en) Display of image data information
CN107280696A (zh) 确定描述侧支内的血液流动的侧支信息的方法和拍摄装置
US9171366B2 (en) Method for localization of an epileptic focus in neuroimaging
De Stefano et al. MAGNIMS recommendations for harmonization of MRI data in MS multicenter studies
KR101723791B1 (ko) 뇌졸중 전자동 경색부 구분 방법
Wang et al. A deep-learning approach for segmentation of liver tumors in magnetic resonance imaging using UNet++
KR101806841B1 (ko) 영상 기반 뇌졸중 병변 진단 시스템 및 방법
Tabbara et al. Multi-stage automated local arterial input function selection in perfusion MRI
KR20200062656A (ko) 의료 영상으로부터 뇌혈관 나이를 추정하는 방법 및 시스템
Tian et al. A semi-automated region of interest detection method in the scintigraphic glomerular filtration rate determination for patients with abnormal low renal function
Forkert et al. Automatic brain segmentation in time-of-flight MRA images
Hagiwara et al. Multiparametric MRI: From simultaneous rapid acquisition methods and analysis techniques using scoring, machine learning, radiomics, and deep learning to the generation of novel metrics
Woodall et al. Repeatability of tumor perfusion kinetics from dynamic contrast-enhanced MRI in glioblastoma
CN113222893B (zh) 一种异常区域确定方法及装置
KR20220110466A (ko) 뇌경색 볼륨 계산 기반의 뇌경색 예측 방법 및 그를 위한 장치
KR101126223B1 (ko) Ｍｒ 영상을 이용한 자동 간 분할 방법
KR102447400B1 (ko) 딥러닝 모델을 이용한 병변 영역 추출 기반의 뇌경색 예측 방법 및 그를 위한 장치
Revenaz et al. A semi-automated measuring system of brain diffusion and perfusion magnetic resonance imaging abnormalities in patients with multiple sclerosis based on the integration of coregistration and tissue segmentation procedures

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
FPAY Annual fee payment

Payment date: 20200309

Year of fee payment: 4