KR20160097209A - 메디컬 이미징 - Google Patents

Abstract

메디컬 이미징에서의 방법이 제공된다. 본 방법에서, 타겟은 이미징 데이터를 획득하기 위하여 하이퍼스펙트럼 이미징 시스템으로 이미징된다. 획득된 이미징 데이터는 공간 및 스펙트럼 평균화에 의해 전처리된다. 전처리된 이미징 데이터로부터 결정될 엔드멤버들의 수가 선택된다. 엔드멤버들은 전처리된 이미징 데이터 및 선택된 수의 엔드멤버들에 대한 버텍스 성분 분석에 기초하여 전처리된 이미징 데이터로부터 추출되며, 상기 엔드멤버들은 엔드멤버들에 의해 걸쳐 있는 서브스페이스에서 전처리된 이미징 데이터의 프로젝션들의 극한을 정의한다. 선택된 수의 엔드 멤버들의 적어도 하나의 발현도 맵은 추출된 엔드멤버들 및 이미징 데이터에 대한 필터 벡터 알고리즘을 이용하여 전처리된 이미징 데이터에서 생성된다.

Description

메디컬 이미징{MEDICAL IMAGING}

본 발명은 메디컬 이미징에 관한 것이고, 보다 구체적으로, 피부과에서의 이미징에 관한 것이다.

피부암들은 서양에서 가장 일반적인 암 유형이다. 현재, 2 내지 3 백만 비흑색종 및 132,000 흑색종 케이스들이 세계적으로 매년 보고되고 있다 (WHO). 흑색종은 25-29 세 나이의 젊은 성인들에 대해 가장 일반적인 암이다. 비흑색종 피부암들 및 86 악성 흑색점 (LM) 의 약 90% 는 악성 세포들이 원래 조직인 표피에 국한되어 있는 흑색종의 초기 형태이며, 이에 따라 이는 종종 인 시츄 흑색종으로서 보고된다. 이는 태양에 손상된 피부에서 발생한다. 악성 흑색점 흑색종 (LMM) 은 악성 흑색종 세포들이 피부의 진피와 더 깊은 층들까지 침입하였을 때 진단된다. 침입형 LMM 의 예후는 LM 보다 더 좋지 못하다. 클리닉적으로, LM 은 침입형 LMM 과 차별화될 수 없다.

LM 과 LMM 양쪽 모두에 대해, 외과적 제거가 첫번째 치료이다. 뒤에 남아있는 심지어 몇몇 손상된 세포들이 종종 다시 암을 재발시킬 수 있기 때문에, 모든 손상된 피부 세포들을 제거하는 것이 본질적이다. LM 및 LMM 의 경계들은 종종, 조직병리학적 샘플링에서만 보여지는 병변 경계들의 서브클리닉 확장으로 인하여 눈으로 정의하는 것이 어렵다. 종종 재적출이 요구된다.

현재, 종양 세포 확산의 영역들을 정확하기 식별하기 위한 정확한 채내 진행 방법들이 존재하지 않는다. 조기에 정확한 진단은 환자의 생존율을 증가시키고 처리 비용을 급격하게 감소시킨다.

클리적으로 이용되는 당해 기술의 방법은 일반 내과 범위와 함께 조사 병변들에 기초한다. 이들 디바이스들은 실제적으로, 1 에서부터 3 까지 상이한 집적화된 조명 선택들을 갖는 광학적 확대 렌즈들이다. 이들 디바이스들은 통상 디지털 카메라들과 함께 이용될 수 있다. 이 유형의 장비는 3 개의 넓은 스펙트럼 대역들 (적색, 녹색 및 청색) 을 갖는 높은 분해능 이미지를 얻는다.

하이퍼스펙트럼 이미징은 종종 이미징된 피부 병변들에 대한 정확한 공간 및 스펙트럼 정보를 제공한다. 도 1 은 하이퍼스펙트럼 데이터큐브를 예시한다. 도 1 에 도시된 바와 같이, 하이퍼스펙트럼 이미지는 단기간 내에 그리고 동일한 위치로부터 획득된 이삼십 개 내지 수 천 개의 단색 이미지들을 포함한다. 이미지들의 세트 (104) 는 통상적으로 하이퍼스펙트럼 데이터큐브라 지칭된다. 이들 단색 이미지들은 70 개의 상이한 파장들에서 획득된다. 따라서, 기본적으로, 하이퍼스펙트럼 이미지에서 모든 픽셀은 특정 파장에서의 특정 스폿에서 광 강도를 나타낸다. 하이퍼스펙트럼 데이터큐브를 통한 픽셀들의 세트는 스펙트럼 (106) 을 형성한다.

본 발명의 목적은 위의 단점들의 적어도 일부분을 완화시키기 위해 메디컬 이미징에서의 방법, 장치 및 컴퓨터 프로그램 제품을 제공하는 것이다. 본 발명의 목적은 독립항들에서 진술된 것에 의해 특징화되는 방법, 장치 및 컴퓨터 프로그램 제품에 의해 실현된다. 본 발명의 바람직한 실시형태들은 종속항들에서 개시된다.

일 양태에 따르면, 메디컬 이미징에서의 방법이 제공되며, 본 방법은: 이미징 데이터를 획득하기 위하여 하이퍼스펙트럼 이미징 시스템으로 타겟을 이미징하는 단계; 획득된 이미징 데이터를 공간 및 스펙트럼 평균화에 의해 전처리하는 단계; 전처리된 이미징 데이터로부터 결정될 엔드멤버들의 수를 선택하는 단계; 전처리된 이미징 데이터 및 선택된 수의 엔드멤버들에 대한 버텍스 성분 분석에 기초하여 전처리된 이미징 데이터로부터 엔드멤버들을 추출하는 단계로서, 상기 엔드멤버들은 엔드멤버들에 의해 걸쳐 있는 서브스페이스에서 전처리된 이미징 데이터의 프로젝션들의 극한 (extremity) 을 정의하는, 추출하는 단계; 추출된 엔드멤버들 및 이미징 데이터에 대한 필터 벡터 알고리즘을 이용하여 전처리된 이미징 데이터에서 선택된 수의 엔드 멤버들의 적어도 하나의 발현도 맵 (abundance map) 을 생성하는 단계를 포함한다.

일 양태에 따르면, 일 양태에 따라 방법을 수행하는 수단을 포함하는 장치가 제공된다.

일 양태에 따르면, 메디컬 이미징을 위한 장치가 제공되며, 본 장치는: 적어도 하나의 프로세서 및 컴퓨터 프로그램 코드를 포함한 적어도 하나의 메모리를 포함하고, 적어도 하나의 메모리 및 컴퓨터 프로그램 코드는 적어도 하나의 프로세서로, 장치로 하여금, 적어도: 하이퍼스펙트럼 이미징 시스템에 의해 이미징된 타겟의 이미징 데이터를 획득하게 하고; 획득된 이미징 데이터를 공간 및 스펙트럼 평균화에 의해 전처리하게 하고; 전처리된 이미징 데이터로부터 결정될 엔드멤버들의 수를 선택하게 하고; 전처리된 이미징 데이터 및 선택된 수의 엔드멤버들에 대한 버텍스 성분 분석에 기초하여 전처리된 이미징 데이터로부터 엔드멤버들을 추출하게 하는 것으로서, 상기 엔드멤버들은 엔드멤버들에 의해 걸쳐 있는 서브스페이스에서 전처리된 이미징 데이터의 프로젝션들의 극한 (extremity) 을 정의하는, 추출하게 하고; 추출된 엔드멤버들 및 이미징 데이터에 대한 필터 벡터 알고리즘을 이용하여 전처리된 이미징 데이터에서 선택된 수의 엔드 멤버들의 적어도 하나의 발현도 맵을 생성하게 한다.

일 양태에 따르면, 컴퓨터에 의해 판독가능한 분배 매체 상에서 구현되고, 장치 내에 로딩될 때 일 양태에 따라 방법을 실행하게 하는 프로그램 명령들을 포함하는 컴퓨터 프로그램 제품이 제공된다.

일 양태에 따르면, 일 양태에 따라 장치로 하여금 방법을 수행하게 하도록 구성되는 처리 수단을 포함하는 장치가 제공된다.

실시형태들 중 일부는 대상체들의 메디컬 이미징에서의 개선을 제공하여, 대상체에서의 조직의 존재가 눈에 가시적이지 않는 경우에도 결정될 수도 있게 된다. 예를 들어, 악성 조직의 일부 부분이 대상체에서 인간의 눈에 가시적이지 않는 경우에도 악성 및 건강한 조직의 경계들이 외과적 절차들 없이도 정확하게 결정될 수도 있다.

일부 실시형태들은 LM 및 LMM 을 포함한 피부과적 병변들의 경계 영역들을 명료하게 하고 병변들을 서로 분리시키는 것을 제공한다.

다음에서, 본 발명은 첨부된 도면들을 참조로 바람직한 실시형태들에 의해 보다 자세하게 설명될 것이다.
도 1 은 하이퍼스펙트럼 데이터큐브를 예시한다.
도 2a 는 일 실시형태에 따른 메디컬 이미징을 위한 장치를 예시한다.
도 2b 는 일 실시형태에 따른 하이퍼스펙트럼 카메라의 구조를 예시한다.
도 3 은 일 실시형태에 따른 프로세스를 예시한다.
도 4a 내지 도 4c 는 통상적인 디지털 카메라를 이용하여 대상체로부터 획득된 하이퍼스펙트럼 이미징 및 사진을 이용하여 LM 을 갖는 생체내 대상체로부터의 이미지들을 예시한다.
도 5a 내지 도 5c 는 통상적인 디지털 카메라를 이용하여 대상체로부터 획득된 하이퍼스펙트럼 이미징 및 사진을 이용하여 LMM 을 갖는 생체내 대상체로부터의 이미지들을 예시한다.
도 6a 내지 도 6c 는 통상적인 디지털 카메라를 이용하여 대상체로부터 획득된 하이퍼스펙트럼 이미징 및 사진을 이용하여 무흑색소성 악성 흑색점, 무흑색소성 악성 흑색점 흑색종 및 건강한 피부에 대한 생체내 대상체로부터의 이미지들을 예시한다.

다음 실시형태들은 예시적인 것이다. 명세서가 텍스트의 수개의 위치들에서 "한", "하나", 또는 "일부" 실시형태(들) 을 지칭할 수도 있지만, 이는 각각의 참조가 동일한 실시형태(들)로 이루어지거나 또는 특정 피쳐만이 단일의 실시형태에 적용하는 것만을 반드시 의미하는 것은 아니다. 상이한 실시형태들의 단일의 피쳐들은 또한 다른 실시형태들을 제공하도록 또한 결정될 수도 있다.

여러 실시형태들은 대상체 또는 대상체 일부의 메디컬 이미징에 관한 것이다. 대상체는 인간일 수도 또는 동물일 수도 있다. 메디컬 이미징은 대상체의 이미징 데이터를 형성한다. 이미징 데이터는, 상이한 유형의 조직들의 경계들을 결정하고/하거나 대상체에서의 조직(들)의 특정 유형의 존재를 결정하기 위해 이미징 데이터로부터 정보가 추출될 수도 있도록 실시형태들에서 설명되는 바와 같이 처리된다. 하이퍼스펙트럼 이미징 덕분에, 조직들의 존재는 이들이 인간의 눈에 가시적이지 않는 경우에도 결정될 수도 있다. 이는 임상학자들이 외과적 절차들 없이도 대상체의 메디컬 조건으로부터 정보를 획득하게 허용한다. 정보는 임상학자들이 앞에서보다 더 양호하게 외과적 절차들을 계획하게 허용하여 절차 자체가 더욱 성공하기 쉽게 한다. 일 예에서, 악성 조직의 경계들은 제거가 완료되도록 미리 정확하게 결정되어, 임상학자들이 악성 조직의 제거를 위한 외과 수술을 계획하게 할 수도 있다. 이는 대상체의 건강에 위험을 주는 악성 조직들에 대해 특히 중요하다.

하이퍼스펙트럼 이미징에서 대상체로부터의 광의 반사들은 하이퍼스펙트럼 카메라에서 얻어진다. 하이퍼스펙트럼 카메라는 이미징 데이터를 형성한다. 형성된 이미징 데이터는 대상체의 하이퍼스펙트럼 이미지들에 의해 형성된 하이퍼스펙트럼 데이터큐브일 수도 있다. 하이퍼스펙트럼 데이터큐브의 각각의 픽셀은 각각이 스펙트럼의 일부분, 예를 들어 파장(들) 에 대응하는 복수의 광 강도 값들을 갖는다. 픽셀 당 광 강도 값들은 하이퍼스펙트럼 카메라에서의 스펙트럼에 걸친 측정에 적용되는 분해능에 의존한다. 광의 상이한 파장들은 상이한 깊이들에서의 타겟으로부터 반사할 수도 있어, 이에 의해, 하이퍼스펙트럼 이미지들이 상이한 깊이들에서 대상체에서의 조직 유형들을 결정하는데 이용될 수도 있다.

하이퍼스펙트럼 이미징은 대상체에서 조직(들)의 유형 및 메디컬 이미징의 목적에 따라 결정될 수도 있는 파장 범위 및 파장 분해능을 이용할 수도 있다. 더 높은 정확도가 요구된다면, 더 높은 분해능의 파장들이 이용될 수도 있다. 한편, 더 낮은 수의 파장들에 의해 충분한 정확도가 제공될 수도 있다면, 파장들에 대해 더 낮은 분해능이 이용될 수도 있다. 따라서, 하이퍼스펙트럼 데이터큐브에서의 단일의 픽셀은 파장 범위에서 분해능에 의해 정의되는 복수의 파장들에 대한 광 강도를 포함한다. 픽셀은 대상체에서의 단일의 위치로부터 측정되는 광 강도를 표현한다. 대상체의 이미지 평면은 하이퍼스펙트럼 데이터큐브의 픽셀들을 포함한다. 각각의 픽셀은 대상체 상의 위치에 대응한다. 위치는 2차원 좌표들, 예를 들어, X-Y 좌표들에서 정의될 수도 있다.

일 실시형태에 따른 장치가 도 2a 에 예시된다. 이하, 장치는 일 실시형태에 따라 하이퍼스펙트럼 카메라의 구조를 예시하는 도 2a 및 도 2b 양쪽 모두를 참조하여 설명될 것이다. 도 2b 에 예시된 구조는 도 2a 의 장치의 하이퍼스펙트럼 카메라에 이용될 수도 있다. 구조체는 콘 (212) 및 광원 (210), 카메라 오프닝 (208), 예를 들어, 이미징 데이터를 형성하기 위하여 타겟으로부터 반사된 광이 카메라에 진입하도록 허용하는 카메라 렌즈들, 및 콘 내에 배치된 확산 시트 (222) 를 포함한다. 광원은, 콘이 타겟을 이미징하기 위하여 하이퍼스펙트럼 카메라에 설치될 때 타겟으로부터 이격된 콘의 끝에 배치될 수도 있다. 광원은 타겟을 균일하게 조명하기 위해 카메라 오프닝 주변에 배치될 수도 있다. 콘은 광원으로부터의 광을 카메라 오프닝에 반대되는 콘의 끝에서 콘의 오프닝 (224) 을 통과하여 타겟에 보낸다. 이 방식으로, 타겟에 대한 광은 확산 시트와 콘 양쪽 모두에 의해 보내진다. 하이퍼스펙트럼 카메라는 압전소자형 (piezo-actuated) Fabry-Perot 간섭계에 기초할 수도 있다.

하이퍼스펙트럼 카메라 (202) 는 핸들 (204) 에 설치될 수도 있다. 사용자, 이를 테면, 임상학자는 대상체 상에 있는 타겟 (206) 상에서 하이퍼스펙트럼 카메라를 위치시키기 위한 핸들을 쥘 수도 있다. 하이퍼스펙트럼 카메라는 스크류들에 의해 핸들에 또는 핸들에 접속될 수도 있고 카메라는 단일 바디 내에 인클로즈될 수도 있다. 바디는 임상 작업에 적절한 임의의 재료들일 수도 있다. 이들 재료들은 예를 들어, 여러 플라스틱 조성물들을 포함할 수도 있다.

콘 (212) 은 광원 주변에 그리고 타겟을 향하여 확장되도록 배치된다. 이러한 방식으로, 외부 광원들을 간섭하는 것이 배제될 수도 있고 카메라에 대한 일관성있는 대상체 거리가 유지될 수도 있다. 콘 및 카메라는 스레드될 수도 있어, 콘이 쉽게 변경될 수도 있고 이미징 동안에 콘의 위치에 고정될 수도 있다. 콘들은 차별화된 타겟들 및 대응하는 위치들을 매칭하기 위한 수개의 직경들이 제공될 수도 있는데, 위치들의 예들은 인간의 몸에서의 상이한 위치들에서의 피부 기형들이다.

광원은 타겟이 균일하게 조명되도록 원형 광원, 즉, 링라이트일 수도 있다. 일 실시형태에서, 광원은 광섬유 (216) 에 의해 원격 광원 (214) 에 접속된 광섬유 링-라이트이다. 광섬유는 원격 광원에 의해 방사된 광이 카메라 오프닝 주변에 배치된 광섬유 링 라이트에 진행하게 허용한다. 원격 광원은 예를 들어, 할로겐 광일 수도 있다. 원격 광원은 핸드헬드 하이퍼스펙트럼 카메라의 간단하고 가벼운 구성을 허용한다. 광원이 원격이기 때문에, 즉, 핸드헬드 카메라 유닛으로부터 외부에 있기 때문에, 광원으로부터 핸드헬드 하이퍼스펙트럼 카메라 및 타겟으로의 열의 전달이 방지 또는 적어도 완화될 수도 있다. 광원은 열의 전달을 방지하고 간단하고 가벼운 구조를 실현하기 위해 핸드헬드 하이퍼스펙트럼 카메라로부터 또한 원격으로 배치되는 전력공급장치에 의해 급전될 수도 있다. 확산 시트가 타겟으로부터 광원을 분리하도록 광원과 타겟 사이에 확산 시트가 위치될 수도 있다. 바람직하게, 확산 시트는 콘에 대항하여 가깝게 콘의 내부에 위치되어 광원으로부터의 광이 확산 시트를 통과하여 타겟으로 진행하게 되고 미광이 방지되거나 또는 적어도 최소화된다. 확산 시트는 타겟 상에 보다 지속적인 광 분배 패턴을 허용한다. 확산 시트로서, 페이퍼 시트, 또는 유리로 제조된 광학 확산기가 이용될 수도 있다. 확산 시트의 사이즈, 예를 들어, 직경 및 형상은 사이즈, 예를 들어, 미광을 최소화하도록 하는 콘의 직경 및 형상에 맞추어질 수도 있다. 추가적으로, 확산 시트는 광원으로부터 타겟으로의 미광을 방지하기 위해 콘 내에서 자신의 위치에 밀봉될 수도 있다. 밀봉은 탄성 재료 및/또는 실리콘 페이스트들의 적절하게 성형된 시일들에 의해 제공될 수도 있다.

컴퓨터 (208) 예를 들어, 랩톱 컴퓨터는, 컴퓨터가 하이퍼스펙트럼 카메라로부터 이미징 데이터를 수신할 수도 있도록 하이퍼스펙트럼 카메라에 접속될 수도 있다. 하이퍼스펙트럼 카메라와 컴퓨터 사이의 접속부 (220) 는 하이퍼스펙트럼 카메라로부터 컴퓨터로 이미징 데이터를 통신할 수 있는 임의의 유선 또는 무선 접속부일 수도 있다. 무선 접속부들의 예들은 블루투스 및 IEEE 802.11 기반 무선 근거리 네트워크 접속들이다. 유선 접속부들의 예들은 범용 시리얼 버스 및 이더넷을 포함한다. 유선 접속의 이점은 하이퍼스펙트럼 카메라가 유선 접속을 통하여 급전될 수도 있다는 것이다. 한편, 유선 접속은, 간섭을 받을 수도 있고 무선 접속을 세트업하기 위해 컴퓨터 사용자 인터페이스 상에서 인간의 액션을 종종 요구하는 무선 접속들에 비해, 더 높은 신뢰성과 더 고속의 접속 세트업을 제공할 수도 있다.

일 실시형태에 따른 핸드헬드 하이퍼스펙트럼 카메라는 핸들, 하이퍼스펙트럼 카메라, 및 하이퍼스펙트럼 카메라에 양쪽 모두 외부에 있는 원격 데이터 처리 디바이스 및 원격 광원으로의 인터페이스들 (220, 216) 을 포함한다. 원격 데이터 처리 디바이스는 예를 들어, 컴퓨터일 수도 있다. 인터페이스들은 위에 설명된 바와 같이, 원격 데이터 처리 디바이스 및 광원에 접속을 제공할 수도 있다. 이미징 데이터의 처리는 적어도 부분적으로 원격 데이터 처리 유닛, 예를 들어, 핸드헬드 카메라로부터 이격된 컴퓨터에서 수행될 수도 있기 때문에, 핸드헬드 카메라 유닛은 보다 낮은 처리 용량 및 전력 소모를 갖고 구현될 수도 있다. 광원이 핸드헬드 카메라로부터 이격된 외부 유닛에 또한 위치될 때, 핸드헬드 카메라는 간단한 구조, 낮은 수의 컴포넌트들 및 가벼운 중량을 갖도록 설계될 수도 있다. 이러한 식으로, 카메라는 클리닉 작업에 특히 적합하게 이루어질 수도 있다. 또한, 광원 및 데이터 처리의 일방 또는 양방이 외부 유닛 자체의 전력 공급 장치를 갖고 핸드헬드 카메라로부터 이격되어 외부 유닛들에 위치될 때, 핸드헬드 카메라 유닛의 전력 소모는 매우 낮게 유지될 수도 있어, 핸드헬드 카메라가 전자 메인들로의 트랜스포머로부터 또는 심지어 매우 소형의 배터리들로부터 낮은 직류 전압으로 급전될 수도 있다.

도 3 은 일 실시형태에 따른 프로세스를 예시한다. 프로세스는 도 2a 의 장치에 예시된 하나 이상의 엔티티들에 의해 수행될 수도 있다. 302 에서, 이미징 데이터는 하이퍼스펙트럼 카메라로부터 얻어질 수도 있다. 바람직하게, 카메라는 풀 프레임 이미저로서 동작한다. 이러한 식으로, 푸시 브룸 이미징에 기초한 카메라가 이용되었던 경우보다 더 고속으로 오브젝트가 이미징될 수도 있다. 푸시 브룸 이미징은 라인 바이 라인으로 오브젝트로부터 이미지 데이터를 형성하는 것을 의미한다. 이미징 데이터는 하이퍼스펙트럼 데이터 큐를 포함할 수도 있다. 하이퍼스펙트럼 카메라는 압전소자형 (piezo-actuated) Fabry-Perot 간섭계에 기초할 수도 있다. 하이퍼스펙트럼 데이터큐브는 간섭계의 간섭계 설정을 성공적으로 변경함으로써 압전소자형 Fabry-Perot 간섭계를 이용하여 형성될 수도 있다. 간섭계 설정은 미러들 사이의 갭을 포함할 수도 있다. 하이퍼스펙트럼 데이터큐브에서, 데이터큐브의 픽셀은 특정 스펙트럼 파장에 대해 이미징된 타겟에서의 특정 위치에서 광의 강도를 포함한다.

다음 표는 하이퍼스펙트럼 이미징 장치의 실제적인 구현을 위하여 Fabry-Perot 간섭계에 기초한 하이퍼스펙트럼 카메라의 사양들을 보여준다.

Fabry-Perot 간섭계에 기초한 하이퍼스펙트럼 카메라는 2592 픽셀들 바이 1944 픽셀들의 최대 공간 분해능을 갖고 대략 500 내지 900 나노미터들의 범위의 파장을 제공한다. 하이퍼스펙트럼 카메라는 320 바이 240 픽셀들의 최종 이미지 평면 분해능을 갖는 이미징 데이터를 제공하기 위해 픽셀 비닝, 예를 들어, 4 곱하기 4 픽셀 비닝을 수행할 수도 있다. 픽셀 비닝은 미러 관측 에러의 효과들이 감소될 수도 있도록 하는 픽셀들의 전처리를 의미한다. 따라서, 하이퍼스펙트럼 카메라에서 이미 이미징 데이터에 일정 전처리를 적용하는 것이 가능하다. 한편, 전처리를 포함한 모든 처리는 외부 유닛, 예를 들어, 컴퓨터에 의해 수행될 수도 있다. 픽셀 비닝에서, 주어진 간격, 빈에 드는 오리지널 데이터 값들은 그 간격을 대표하는 값, 종종 중앙 값으로 대체된다. 이러한 방식으로 픽셀들이 평균화될 수도 있다. 스펙트럼 분해능에 의존하여, 이미징 데이터는 스펙트럼 데이터의 40 내지 60 개의 이용가능한 대역들을 포함할 수도 있다.

304 및 306 에서, 이미징 데이터는 공간 및 스펙트럼 평균화에 의해 전처리된다. 공간 평균화에서, 각각의 스펙트럼은 9 개의 최인접 이웃들의 평균 값으로서 계산될 수도 있고, 스펙트럼 평균에서, 각각의 파장 대역은 2 개의 최인접 이웃들의 평균 값으로서 계산될 수도 있다. 이는 또한 평균화 블러링으로서 지칭될 수도 있다. 이미징 데이터는 임의의 이미징 데이터, 예를 들어, 콘으로부터 픽셀들을 포함하는 이미징 데이터를 생략하도록 크롭핑될 수도 있다. 이러한 방식으로, 대상이 되는 당면 영역은 처리의 효율을 위하여 이미징 데이터에 포함될 수도 있다. 평균화 블러링에서, 이미징 데이터는 공간 도메인 선형 필터에 의해 처리될 수도 있고, 여기에서, 결과적인 이미지에서의 각각의 픽셀은 입력 이미지에서의 자신의 이웃하는 픽셀들의 평균 값과 동일한 값을 갖는다. 평균화 블러링은 균일한 잡음 효과에 대한 이미징 데이터에 적용될 수도 있다. 블러링은 이미지 평면 상에서 3 곱하기 3 의 픽셀 블록들에서 수행될 수도 있다.

그 후, 전처리된 이미징 데이터는 308 및 310 에서 스펙트럼적으로 믹싱되지 않고 반전될 수도 있다.

스펙트럼 비믹싱 뒤의 추론은 이미징 데이터의 주어진 픽셀에서의 스펙트럼이, 이미징되고 있는 타겟에 존재하는 상이한 유형의 조직으로부터의 광의 반사들의 혼합체라는 것이다. 선형 믹싱 모델은 반사들의 혼합을 기술하는데 이용될 수도 있다. 하이퍼스펙트럼 이미징에 의해 얻어진 이미징 데이터에 적용되는 선형 믹싱 모델은 각각의 픽셀이 엔드 멤버들로 지칭되는 물질-기원 구성 스펙트럼의 선형 조합으로 이루어지는 검출된 스펙트럼을 나타낸다. 물질은 특정 유형의 조직, 예를 들어, 건강한 조직, 악성 조직, 피부, LM 또는 LMM 일 수도 있다. 선형 믹싱 모델은 이미징 데이터에서의 상이한 조직들이 효과적으로 식별될 수도 있도록 역 동작, 비믹싱을 디바이스화하는데 이용될 수도 있다.

선형 믹싱 모델은 다음과 같이 표현될 수도 있다:

여기에서, x 는 검출된 스펙트럼이며, a 는 엔드멤버 s 에 대한 발현도 계수이며, M 은 엔드멤버들의 수이며, w 는 잡음 항이다. LMM 을 모든 관측된 픽셀 스펙트럼들로 확장하여, 우리는 하기의 행렬 형태에 도달한다:

X = AS+W,

여기에서

그리고 W = (w[1],w[2], ... w[N])^T 이고, 여기에서, N 은 파장들의 수이고, A 는 발현도 맵이다.

비믹싱 프로세스들의 목적은 이들 구성 스펙트럼들 및 각각의 픽셀에 대한 이들 상대 발현도를 추정하는 것이다. 이들 발현도 계수들이 주어지면, 장면 내의 주어진 엔드멤버의 상대적 발생을 디스플레이하는 새로운 이미지들이 도시될 수 있으며, 이들은 통상 발현도 맵들이라 지칭된다.

308 에서, 전처리된 이미징 데이터는 VCA (Vertex Component Analysis) 을 전처리된 데이터에 적용함으로써 비믹싱될 수도 있다. VCA 는 J. Nascimento 등: J. Nascimento 및 J. Dias 의 "Vertex Component Analysis: A fast algorithm to unmix hyperspectral data" (IEEE Transactions on Geoscience and Remote Sensing, vol. 43, no. 4, pp. 898-910, 2005) 에 개요가 서술되어 있다.

전처리된 이미징 데이터로부터 결정될 엔드멤버들의 수는 VCA 에 대하여 선택될 수도 있다. 엔드멤버들의 수는 적어도 2 개일 수도 있지만, 그 이상, 예를 들어, 3, 4, 5, 6 또는 임의의 수의 엔드멤버들일 수도 있다. 엔드멤버들은 선택된 수의 엔드멤버들 및 VCA 에 기초하여 전처리된 이미징 데이터로부터 추출될 수도 있다. 엔드멤버들은 엔드멤버들에 의해 걸쳐 있는 서브스페이스에서의 전처리된 이미징 데이터의 프로젝션들의 극한을 정의할 수도 있다.

VCA 는 입력 데이터 X 에서의 순수 픽셀들 S 의 존재를 추정하며, 이전에 결정된 엔드멤버들에 의해 걸쳐 있는 서브스페이스 상으로 데이터의 반복적 직교 프로젝션들을 수행함으로써 진행한다. 순수 픽셀은 균일한 구조를 갖는 조직을 이미징함으로써 얻어지는 픽셀로 지칭될 수도 있다. 구조는 이미징 조직이 본질적으로 단일의 재료로 될 때 균일한 구조일 수도 있다. 따라서, 순수 픽셀에서의 스펙트럼은 특정 재료 또는 물질, 예를 들어, 악성 조직 또는 건강한 조직만을 표현한다. 이 프로젝션의 극한은 새로운 엔드멤버 시그너쳐인 것으로서 취해진다. 이 프로세스는 M 개의 엔드멤버들이 추출될 때가지 반복한다.

이로써, 존재하는 순수 픽셀들의 추정은 강력한 것이지만 많은 데이터 유형에서 반드시 참일 필요는 없다. 물질 식별에 직접 유용한 엔드멤버 스펙트럼들을 구하는 것과 대조적으로, 이미징되는 장면 내에서 존재하는 재료 차이들을 발견하기 위하여, 가장 순수한 픽셀 스펙트럼을 엔드멤버 시그너처들로서 선택하는 거동이 충분한 것일 수도 있다.

310 에서, 적어도 하나의 발현도 맵 A 가 생성될 수도 있다. 전처리된 이미징 데이터는 하나 이상의 발현도 맵들로 변환될 수도 있다. 각각의 엔드멤버에 대응하는 발현도 맵을 유도하는 것이 가능하다. 발현도 맵들은 비-네가티브 최소자승 반전 또는 FVA (Filter Vector Algorithm) 를 이용하여 생성될 수도 있다. FVA 는 J. Bowles, P. Palmadesso, J. Antoniades, M. Baumback 및 L. Rickard 의 "Use of filter vectors in hyperspectral data analysis", (Proc. SPIE, pp. 148, AT157, 1995) 에 기술되어 있다.

FVA 는 계산적으로 덜 비싸기 때문에 바람직하다. FVA 는 추출된 엔드멤버들 및 이미징 데이터 상에 적용된다. 발현도 맵들은 이미징 데이터에서의 엔드멤버들의 발생을 나타낸다. 엔드멤버들의 발생은 타겟의 조직학적 특성들을 결정하는데 이용될 수도 있다. 이러한 식으로, 정보는 진단 및 처리시 이용하기 위하여 제공될 수도 있다.

FVA 에서, 필터 벡터들 F 의 세트가 형성되고, 이는 발현도 계수들을 추정하는데 이용된다. 추정은 다음과 같이 수행될 수도 있다:

A = FX,

여기에서

이고,

여기에서, J 는 N × N 단위 행렬이고, A 는 발현도 맵이며, N 은 파장들의 수이다.

312 에서, 310 에서 획득된 하나 이상의 발현도 맵들은 대상체에서의 조직의 존재를 결정하는데 이용될 수도 있고, 조직이 눈으로 가시적이지 않은 경우에도 결정될 수도 있다. 발현도 맵은 타겟에서의 조직의 경계를 예시한다. 이러한 식으로, 조직이 존재하는 타겟에서의 영역들이 결정될 수도 있다. 조직은 건강할 수도 있거나 악성일 수도 있다. 악성 조직은 피부과적 병변을 포함할 수도 있다. 피부과적 병변들의 예들은 LM 및 LMM 을 포함한다. 발현도 맵들은 디스플레이 디바이스, 예를 들어, 컴퓨터 디스플레이 상에 디스플레이될 수도 있다. 하나보다 많은 예를 들어, 2, 3, 4, 5, 6 또는 임의의 수의 발현도 맵들이 타겟에서의 상이한 조직에 각각 대응하여 얻어질 때, 각각의 유형의 조직에 대한 타겟에서의 경계들은 발현도 맵들에 기초하여 결정될 수도 있고, 이에 의해, 각각의 유형의 조직에 대응하는 타겟에서의 영역들이 결정될 수도 있다.

일 실시형태에서, 발현도 맵들은 LM 및 LMM 중 적어도 하나의 진단에 이용될 수도 있다. 임상학자는 진단에 이용될 하나 이상의 발현도 맵들을 생성하는 일 실시형태에 따라 장치를 동작시킬 수도 있다. 발현도 맵들은 진단시 임상학자를 돕기 위해 디스플레이 상에 보여질 수도 있다.

일 실시형태에 따른 방법의 단계들은 도 2a 에 예시된 장치의 상이한 엔티티들에서 수행될 수도 있음이 이해되어야 한다. 따라서, 단계들 중 일부는 컴퓨터에 의해 수행될 수도 있고, 단계들 중 일부는 하이퍼스펙트럼 카메라에 의해 수행될 수도 있다. 바람직하게는, 하이퍼스펙트럼 카메라는 단계들 304 내지 312 중 하나 이상에서 처리되도록 컴퓨터에 전송되는 이미징 데이터를 형성한다 (302).

클리닉 설정시, 잠재적으로 영향을 받는 피부 영역의 고속 결정이 가장 중요함을 이해해야 한다. 이러한 목적을 위해, 이용되지 않는 처리 방법들의 계산적 복잡도는 세심한 고려요건이 주어져야 한다. 이러한 면에서, VCA 는 J. Nascimento 등에서 설명된 N-FINDR 에 대한 비교시 1 내지 2 오더의 크기의 절감을 제공하는 것으로 보여진다.

VCA 와 FVA 의 조합은 통상적인 랩톱 컴퓨터에서의 처리의 수 초만을 필요로 하는 이미징 데이터의 처리로 인하여 클리닉 작업에 특히 적합하다.

도 4, 도 5 및 도 6 에서의 이미지들은 임의의 외과적 절차들 없이도 그 전에 생체내 대상체로부터 획득되었다. 이미지들에서의 발현도 맵들은 본원에서의 여러 실시형태들에 설명된 하이퍼스펙트럼 이미징 방법을 이용하여 생성되었다. 예시된 발현도 맵들은 조직병리학 샘플링에 의해 확인되었다. 이미지들에서, 병변 경계들은 병변들의 정확한 제거를 위하여 식별될 수도 있다. LM 은 정확한 비침입 진단을 위하여 침입 LMM 과 차별화될 수도 있다.

도 4a 내지 도 4c 는 통상적인 디지털 카메라를 이용하여 대상체로부터 획득된 하이퍼스펙트럼 이미징 및 사진을 이용하여 LM 을 갖는 생체내 대상체로부터의 이미지들을 예시한다. 도 4a 에서, LM 의 발현도 맵이 예시된다. 도 4b 에서, 건강한 피부의 발현도 맵이 예시된다. 도 4c 에서, 도 4a 및 도 4b 에 예시된 타겟 영역의 사진이 도시된다. 도 4c 의 사진에서, 악성 조직이 사진 중앙에 어두운 영역으로서 도시된다. 건강한 피부의 발현도 맵은 도 4b 에서 어두운 영역으로 건강하지 않은 조직을 보여준다. LM 의 발현도 맵은 도 4a 에 밝은 영역으로 LM 인 조직을 보여준다.

도 5a 내지 도 5c 는 통상적인 디지털 카메라를 이용하여 대상체로부터 획득된 하이퍼스펙트럼 이미징 및 사진을 이용하여 LMM 을 갖는 생체내 대상체로부터의 이미지들을 예시한다. 도 5a 에서, LMM 의 발현도 맵이 예시된다. 도 5b 에서, 건강한 피부의 발현도 맵이 예시된다. 도 5c 에서, 도 5a 및 도 5b 에 예시된 타겟 영역의 사진이 도시된다. 이 종양은 환자의 귀에 있었다. 표피의 깊이는 매우 얕으며, 이는 피부의 반사율의 발현도 맵에서 보여질 수도 있고, 여기에서 혈관들 (blood vessels) 이 눈에 잘띄게 가시적으로 된다. 도 5c 의 사진에서, 악성 조직이 사진 중앙에 어두운 영역으로서 도시된다. 건강한 피부의 발현도 맵은 도 5b 에서 건강하지 않은 조직을 어두운 영역으로 보여준다. LMM 의 발현도 맵은 도 4a 에 밝은 영역으로 LMM 인 조직을 보여준다.

도 6a 내지 도 6c 는 통상적인 디지털 카메라를 이용하여 대상체로부터 획득된 하이퍼스펙트럼 이미징 및 사진을 이용하여 무흑색소성 LM 및 무흑색소성 LMM 에 대한 생체내 대상체로부터의 이미지들을 예시한다. 도 6a 에서, 무흑색소성 LM 및 무흑색소성 LMM 의 발현도 맵이 예시된다. 무흑색소성 흑색종의 위치는 무흑색소성 LM 및 무흑색소성 LMM 의 발현도의 중심에서 증가된 강도로서 식별될 수도 있다. 도 6b 에서, 건강한 피부의 발현도 맵이 예시된다. 도 6c 에서, 도 6a 및 도 6b 에 예시된 타겟 영역의 사진이 도시된다. 도 6c 의 사진에서, 악성 조직이 사진 중앙에 어두운 영역으로서 도시된다. 건강한 피부의 발현도 맵은 도 6b 에서 건강하지 않은 조직을 어두운 영역으로 보여준다. 무흑색소성 LM 및 무흑색소성 LMM 의 발현도 맵은 도 6a 에서 밝은 영역으로 악성인 조직을 보여준다.

본원에 설명된 기술들 및 방법들은 여러 수단에 의해 구현될 수도 있다. 예를 들어, 이들 기술들은 하드웨어 (하나 이상의 디바이스들), 펌웨어 (하나 이상의 디바이스들), 소프트웨어 (하나 이상의 디바이스들), 또는 이들의 조합들에서 구현될 수도 있다. 하드웨어 구현에서, 처리 유닛은 하나 이상의 ASIC (application specific integrated circuit) 들, DSP (digital signal processing device) 들, DSPD (digital signal processing device) 들, PLD (programmable logic device) 들, FPGA (field programmable gate array) 들, 프로세서들, 제어기들, 마이크로 제어기들, 마이크로프로세서들, 본원에서 설명된 기능들을 수행하도록 설계된 다른 전자 유닛들, 또는 이들의 조합들, 예를 들어, 컴퓨터 유닛 내에서 구현될 수도 있다. 컴퓨터 유닛은 발현도 맵들을 디스플레이하기 위해 디스플레이에 접속되거나 디스플레이가 설치될 수도 있다. 펌웨어 또는 소프트웨어에서, 구현은 본원에 설명된 기능들을 수행하는 적어도 하나의 칩세트 (예를 들어, 절차들, 함수들 등) 의 모듈들을 통하여 수행될 수 있다. 소프트웨어 코드들은 메모리 유닛에 저장될 수도 있고 프로세서들에 의해 실행될 수도 있다. 메모리 유닛은 프로세서 내에 또는 프로세서 외부에서 구현될 수도 있다. 후자의 경우에, 이는 당해 기술 분야에 알려진 바와 같이, 여러 수단을 통하여 프로세서에 통신적으로 커플링될 수 있다. 추가적으로, 본원에 설명된 장치의 컴포넌트들은 본원에 관련하여 설명된 여러 양태들 등의 실현들을 용이하게 하기 위하여 추가적인 컴포넌트들에 의해 재정렬되고/되거나 보완될 수도 있고, 이들은 당해 기술 분야의 당업자에 의해 알려진 바와 같이, 주어진 도면들에서 서술된 정밀한 구성들로 제한되지 않는다.

따라서, 일 실시형태에 따르면, 장치는 위의 실시형태들 중 어느 것에서 설명된 기능들을 수행하도록 구성되는 처리 수단을 포함한다. 일 실시형태에서, 적어도 하나의 프로세서, 메모리 및 컴퓨터 프로그램 코드는 본 발명의 실시형태들을 수행하기 위한 처리 수단의 일 실시형태를 형성한다.

설명된 바와 같은 실시형태들은 컴퓨터 프로그램에 의해 정의되는 컴퓨터 프로세스의 형태로 또한 수행될 수도 있다. 컴퓨터 프로그램은 소스 코드 형태, 오브젝트 코드 형태, 또는 일부 중간 형태에 있을 수도 있고, 이는 프로그램을 수행할 수도 있는 임의의 엔티티 또는 디바이스일 수도 있는 일정 유형의 캐리어에 저장될 수도 있다. 예를 들어, 컴퓨터 프로그램은 컴퓨터 또는 프로세서에 의해 판독가능한 컴퓨터 프로그램 분배 매체 상에 저장될 수도 있다. 컴퓨터 프로그램은 예를 들어, 기록 매체, 컴퓨터 메모리, 판독전용 메모리, 전기 캐리어 신호, 원격 통신 신호, 및 소프트웨어 분배 패키지를 예를 들어, 포함하지만 이들에 제한되지 않는다.

본 발명이 첨부된 도면들에 따라 일 예를 참조로 위에 설명되어 있지만, 본 발명은 이들에 제한되지 않고 첨부된 청구항들의 범위 내에서 수개의 방식들로 변경될 수도 있음이 분명하다. 따라서, 모든 단어 및 표현은 광의적으로 해석되어야 하며, 실시형태를 비제한적으로 예시하도록 의도된다.

당해 기술 분야의 당업자에게 명백한 바와 같이, 기술 진보로서, 여러 방식으로 구현될 수도 있음이 분명하다. 또한, 당해 기술 분야의 당업자는 상술한 실시형태들이 반드시 요구되는 것은 아니지만, 여러 방식들로 다른 실시형태들과 결합될 수도 있음이 분명하다.

Claims (18)

1. 메디컬 이미징에서의 방법으로서,
   이미징 데이터를 획득하기 위하여 하이퍼스펙트럼 이미징 시스템으로 타겟을 이미징하는 단계 (302);
   획득된 상기 이미징 데이터를 공간 및 스펙트럼 평균화에 의해 전처리하는 단계 (304, 306);
   전처리된 상기 이미징 데이터로부터 결정될 엔드멤버들의 수를 선택하는 단계 (308);
   상기 전처리된 이미징 데이터 및 선택된 수의 상기 엔드멤버들에 대한 버텍스 성분 분석에 기초하여 상기 전처리된 이미징 데이터로부터 상기 엔드멤버들을 추출하는 단계 (308) 로서, 상기 엔드멤버들은 상기 엔드멤버들에 의해 이어지는 서브스페이스에서 상기 전처리된 이미징 데이터의 프로젝션들의 극한 (extremity) 을 정의하는, 상기 추출하는 단계;
   추출된 상기 엔드멤버들 및 상기 이미징 데이터에 대한 필터 벡터 알고리즘을 이용하여 상기 전처리된 이미징 데이터에서 상기 선택된 수의 엔드멤버들의 적어도 하나의 발현도 맵 (abundance map) 을 생성하는 단계 (310) 를 포함하는, 메디컬 이미징에서의 방법.
2. 제 1 항에 있어서,
   상기 전처리된 이미징 데이터는 상기 선택된 수의 엔드멤버들에 대하여 믹싱되지 않는, 메디컬 이미징에서의 방법.
3. 제 1 항 또는 제 2 항에 있어서,
   생성된 상기 발현도 맵들은 디스플레이되는, 메디컬 이미징에서의 방법.
4. 제 1 항 내지 제 3 항 중 어느 한 항에 있어서,
   상기 전처리하는 단계는 상기 이미징 데이터를 크롭핑하는 단계 및 상기 이미징 데이터를 블러링하는 단계 중 적어도 하나를 포함하는, 메디컬 이미징에서의 방법.
5. 제 1 항 내지 제 4 항 중 어느 한 항에 있어서,
   상기 이미징 데이터는 하이퍼스펙트럼 데이터큐브를 포함하고, 상기 데이터큐브의 픽셀이 스펙트럼의 특정 파장에 대해 이미징된 타겟에서의 특정 위치에서 광의 강도를 포함하는, 메디컬 이미징에서의 방법.
6. 제 1 항 내지 제 5 항 중 어느 한 항에 있어서,
   상기 엔드멤버들은 적어도 건강한 조직 및 악성 조직에 대응하는, 메디컬 이미징에서의 방법.
7. 제 1 항 내지 제 6 항 중 어느 한 항에 있어서,
   상기 발현도 맵은 상기 타겟에서의 특정 조직의 경계들을 정의하는, 메디컬 이미징에서의 방법.
8. 제 1 항 내지 제 7 항 중 어느 한 항에 있어서,
   상기 방법은 피부과적 병변들의 경계들을 결정하는 단계를 포함하는, 메디컬 이미징에서의 방법.
9. 제 1 항 내지 제 8 항 중 어느 한 항에 있어서,
   피부과적 병변들은 LM (Lentigo Maligna) 및 LMM (Lentigo Maligna Melanoma) 중 적어도 하나를 포함하는, 메디컬 이미징에서의 방법.
10. 메디컬 이미징을 위한 장치 (arrangement) 로서,
    적어도 하나의 프로세서 및 컴퓨터 프로그램 코드를 포함한 적어도 하나의 메모리를 포함하고,
    상기 적어도 하나의 메모리 및 상기 컴퓨터 프로그램 코드는 상기 적어도 하나의 프로세서에 의해 상기 장치로 하여금, 적어도:
    하이퍼스펙트럼 이미징 시스템에 의해 이미징된 타겟의 이미징 데이터를 획득하게 하고 (302);
    획득된 상기 이미징 데이터를 공간 및 스펙트럼 평균화에 의해 전처리하게 하고 (304, 306);
    전처리된 상기 이미징 데이터로부터 결정될 엔드멤버들의 수를 선택하게 하고 (308);
    상기 전처리된 이미징 데이터 및 선택된 수의 상기 엔드멤버들에 대한 버텍스 성분 분석에 기초하여 상기 전처리된 이미징 데이터로부터 상기 엔드멤버들을 추출하게 하는 것 (308) 으로서, 상기 엔드멤버들은 상기 엔드멤버들에 의해 걸쳐 있는 서브스페이스에서 상기 전처리된 이미징 데이터의 프로젝션들의 극한을 정의하는, 상기 추출하게 하고;
    추출된 상기 엔드멤버들 및 상기 이미징 데이터에 대한 필터 벡터 알고리즘을 이용하여 상기 전처리된 이미징 데이터에서 상기 선택된 수의 엔드 멤버들의 적어도 하나의 발현도 맵을 생성하게 하도록 (310) 구성되는, 메디컬 이미징을 위한 장치.
11. 제 10 항에 있어서,
    제 2 항 내지 제 9 항 중 어느 한 항에 기재된 방법을 수행하는 수단을 포함하는, 메디컬 이미징을 위한 장치.
12. 제 10 항 또는 제 11 항에 있어서,
    하이퍼스펙트럼 이미징 데이터를 획득하는 핸드헬드 하이퍼스펙트럼 카메라를 포함하고,
    상기 하이퍼스펙트럼 카메라는,
    핸들,
    상기 타겟으로부터 반사된 광을 수광하는 카메라 렌즈로서, 상기 카메라 렌즈가 상기 타겟을 향할 때 광원이 상기 타겟을 조명하기 위하여 상기 카메라 렌즈 주변에 배열되는, 상기 카메라 렌즈, 및
    상기 광원 주변에 배열되고 상기 타겟을 향하여 확장하는 콘을 포함하는, 메디컬 이미징을 위한 장치.
13. 제 12 항에 있어서,
    확산 시트는 상기 광원과 상기 타겟 사이에 위치되는, 메디컬 이미징을 위한 장치.
14. 제 13 항에 있어서,
    상기 확산 시트는 상기 콘의 사이즈 및 형상에 맞추어지고 상기 콘의 내부 위치에 밀봉되는, 메디컬 이미징을 위한 장치.
15. 제 12 항에 있어서,
    상기 광원은 핸드헬드 카메라 유닛으로부터 이격되어 있고, 광섬유에 의해, 상기 카메라 렌즈 주변에 배열된 광섬유 링 라이트 (ring-light) 에 접속되는, 메디컬 이미징을 위한 장치.
16. 제 12 항에 있어서,
    상기 하이퍼스펙트럼 카메라는 원격 데이터 처리 유닛에 대한 인터페이스를 포함함으로써, 상기 이미징 데이터가 적어도 하나의 발현도 맵을 생성하는 데이터 처리 유닛에 전송되는, 메디컬 이미징을 위한 장치.
17. 제 10 항 내지 제 16 항 중 어느 한 항에 있어서,
    상기 장치는 LM 및 LMM 중 적어도 하나의 진단에 이용되는, 메디컬 이미징을 위한 장치.
18. 프로그램 명령들을 포함하고 컴퓨터에 의해 판독가능한 분배 매체 상에서 구현되는 컴퓨터 프로그램 제품으로서,
    상기 프로그램 명령들은 장치 내에 로딩될 때 제 1 항 내지 제 9 항 중 어느 한 항에 기재된 방법을 실행하는, 판독가능한 분배 매체 상에서 구현되는 컴퓨터 프로그램 제품.

Images