KR20160126185A - 컴퓨터를 이용한 x-선 영상처리 골절 위험 평가모델 작성방법, 시스템 및 컴퓨터 프로그램 - Google Patents
컴퓨터를 이용한 x-선 영상처리 골절 위험 평가모델 작성방법, 시스템 및 컴퓨터 프로그램 Download PDFInfo
- Publication number
- KR20160126185A KR20160126185A KR1020150056933A KR20150056933A KR20160126185A KR 20160126185 A KR20160126185 A KR 20160126185A KR 1020150056933 A KR1020150056933 A KR 1020150056933A KR 20150056933 A KR20150056933 A KR 20150056933A KR 20160126185 A KR20160126185 A KR 20160126185A
- Authority
- KR
- South Korea
- Prior art keywords
- dimensional
- image
- fracture risk
- image processing
- trabecular
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012545 processing Methods 0.000 title claims abstract description 25
- 238000004590 computer program Methods 0.000 title claims description 6
- 238000011156 evaluation Methods 0.000 title description 3
- 210000000988 bone and bone Anatomy 0.000 claims abstract description 52
- 206010017076 Fracture Diseases 0.000 claims abstract description 49
- 208000010392 Bone Fractures Diseases 0.000 claims abstract description 48
- 238000012417 linear regression Methods 0.000 claims abstract description 8
- 238000012502 risk assessment Methods 0.000 claims description 9
- 238000000926 separation method Methods 0.000 claims description 9
- 235000019997 soju Nutrition 0.000 claims description 3
- 235000020083 shōchū Nutrition 0.000 claims description 2
- 238000013507 mapping Methods 0.000 claims 1
- 230000009466 transformation Effects 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 208000001132 Osteoporosis Diseases 0.000 description 4
- 238000013210 evaluation model Methods 0.000 description 4
- 210000000115 thoracic cavity Anatomy 0.000 description 4
- 238000000844 transformation Methods 0.000 description 4
- 230000037182 bone density Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 206010041569 spinal fracture Diseases 0.000 description 3
- 206010065687 Bone loss Diseases 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 210000001624 hip Anatomy 0.000 description 2
- 210000001981 hip bone Anatomy 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 210000003141 lower extremity Anatomy 0.000 description 2
- 210000004705 lumbosacral region Anatomy 0.000 description 2
- 210000000614 rib Anatomy 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 244000291564 Allium cepa Species 0.000 description 1
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- 206010020850 Hyperthyroidism Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 206010041541 Spinal compression fracture Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 239000011575 calcium Substances 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 210000000845 cartilage Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000002512 chemotherapy Methods 0.000 description 1
- 210000000038 chest Anatomy 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 239000003246 corticosteroid Substances 0.000 description 1
- 229960001334 corticosteroids Drugs 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000009245 menopause Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000001959 radiotherapy Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 210000003625 skull Anatomy 0.000 description 1
- 210000000278 spinal cord Anatomy 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 210000001562 sternum Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
- A61B5/4504—Bones
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—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
- A61B6/5235—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 the same or different ionising radiation imaging techniques, e.g. PET and CT
- A61B6/5241—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 the same or different ionising radiation imaging techniques, e.g. PET and CT combining overlapping images of the same imaging modality, e.g. by stitching
-
- G06F19/321—
-
- G06F19/3431—
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Radiology & Medical Imaging (AREA)
- Optics & Photonics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- High Energy & Nuclear Physics (AREA)
- Physiology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Rheumatology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
본 발명은 X-선 영상을 토대로 이미지 프로세싱을 거쳐 3차원 변수로 대응시킨 후 이를 이용하여 골절이 일어날 위험도를 평가하는 모델의 작성 방법에 관한 것으로, 미리 정한 뼈 부위에 대해 서로 다른 방향에서 촬영한 복수 개의 2차원 X-선 영상을 상기 미리 정한 뼈 부위의 3차원 모델을 보유한 데이터베이스에 저장하는 단계; 상기 저장된 2차원 X-선 영상에 공간영역 방식의 영상정합 기법을 이용하여 원점 및 특징점을 추출하는 3차원 영상처리(image processing) 단계; 상기 3차원 영상처리 단계를 거친, 정합된 영상을 이용하여 상기 미리 정한 뼈 부위의 3차원 골질을 나타내는 3차원 변수 값을 구하는 단계; 상기 3차원 영상처리 단계를 거친, 정합된 영상을 이용하여 상기 미리 정한 뼈 부위의 영상 변수를 구하는 단계; 상기 3차원 변수 및 영상 변수를 선형회귀 방식으로 계산하여 골절위험도 점수로 환산하는 단계; 및 상기 골절위험도 점수를 이용하여 골절위험을 예측하는 단계를 포함한다.
Description
본 발명은 골절위험 평가 모델 작성 방법에 관한 것으로, 보다 상세하게는 X-선 영상을 토대로 이미지 프로세싱을 거쳐 3차원 변수로 대응시킨 후 이를 이용하여 골절이 일어날 위험도를 평가하는 모델의 작성 방법에 관한 것이다.
척추는 신체의 중심이 되는 부분으로, 체중을 하지로 전달하고 몸의 균형과 중심을 잡는 부위이며, 뇌와 장기 및 사지 간의 신호를 전달해주는 신경의 줄기(척수)가 지나가는 통로로, 신경줄기를 보호해 주는 매우 중요한 역할을 담당한다.
이러한 척추는 반듯한 일직선상의 구조가 아닌 몇 개의 곡선 형태를 이루고 있으며, 여기에 두개골, 상지골, 늑골, 하지골 등이 연결된다. 이와 같은 특징에 따라 척추는 크게 4 부분으로 나뉘는데, 머리쪽부터 경추부, 흉추부, 요추부, 천추부 및 미골이다. 이 중 12개의 뼈로 이루어진 흉추부는 12쌍의 늑골과 가슴 중앙의 흉골로 이뤄지는 흉곽을 지지해주는 역할을 하는 부위이며, 그 아래쪽에 5개의 뼈로 이루어진 요추부가 있다.
흉추부와 요추부는 신체 중 몸통에 해당하는 구간으로 척추의 가장 긴 구간을 차지하고, 가장 움직임이 많은 유연한 부위이기 때문에 추락이나 교통사고 등의 강한 외력에 의해 척추뼈가 부러지는 골절 등의 손상이 잘 발생하는 부위이다. 특히, 산업의 발달, 놀이와 주거 공간의 대형화와 고층화, 교통의 고속화 등으로 척추가 손상당할 수 있는 위험이 많아지고, 평균 수명의 증가로 노인층에서 골다공증이 심해짐에 따라 척추 골절은 더욱 빈번하게 일어나고 있다.
척추 골절 중 압박골절은 낙상 등 척추 손상을 입었거나, 골다공증 환자의 척추뼈에서 칼슘이 빠져나가 작은 충격에도 척추뼈가 납작하게 부서지듯 주저앉는 골절로, 보통 척추뼈의 일부분이 깨어져 심한 허리 통증을 유발하며, 가장 많이 발생하는 부위는 흉추 12번과 요추 1번이다. 골 밀도가 낮아져서 발생하는 골절이나 함몰을 예방하기 위해서는 골 손실의 정도를 조사하고 앞으로의 경과를 예측하는 것이 바람직하다. 이는 골 손실의 원인이 일차성 골다공증과 폐경기뿐만 아니라 암, 화학요법, 방사선요법, 갑상선기능 항진증 및 코르티코 스테로이드의 장기적인 사용 등 다양하기 때문이다. 척추골절은 한번 발생하면 다른 척추골절을 유발할 가능성이 크게 높아지므로 골절위험을 평가하여 예방책을 세우는 것이 최선의 방법이다.
이를 위해 종래 기술은 정량적 전산화 단층촬영(Quantitative computed tomography)을 이용하여 골다공증으로 인한 척추 압박 골절과 척추부 골밀도를 측정하여 골절과 골밀도의 상관관계를 분석한다. 상대적으로 정확도가 높은 이 방법의 단점은 이 방법은 시간과 비용이 많이 소모되고 X-선 조사량이 많다는 것으로, 이러한 문제를 해결하기 위한 다양한 시도가 진행되고 있다.
미국 공개특허 2014-0093149호는 System and method of predicting future fractures에 관한 것으로, 환자의 뼈 영상을 획득하여 뼈 구조 변수를 결정하여 골절 위험을 예측하는 기술을 개시한다. 그러나 상기 특허는 뼈 구조 변수의 계산과 함께 환자의 습관을 예측하고 환자가 넘어졌을 때 뼈에 가해지는 최대 충격힘을 계산하여 골절부하와 최대 충격 힘 사이의 비율을 계산하는 등의 복잡한 단계를 거치는 문제점이 있다.
따라서, 시간과 비용을 단축하면서도 정확도가 향상된 x-ray 영상 활용 골절위험 평가 시스템을 개발할 필요가 있다.
상기와 같은 종래 기술의 문제점을 해결하기 위해, X-선 촬영을 최소화하여 환자부담을 줄이면서도 골절위험 예측의 정확도를 높인 평가시스템 및 평가방법을 제공하고자 한다.
본 발명자들은 오랜 연구를 통하여 CT를 촬영하지 않고, 복수 개의 2차원 X-선 영상을 사용하여 3차원 뼈 형상을 모델링하고 골절위험도 점수를 계산하여 본 발명을 완성하기에 이르렀다.
본 발명의 골절 위험 평가모델 작성 방법은 복수 개의 평면 X-선 영상으로 3차원 영상인 qCT에 비해 시간과 비용을 단축시키고 방사능 노출을 줄일 수 있으며, 종래 기술의 단순 2차원 영상에 비해서 분석의 정확도를 향상시킬 수 있다.
도 1은 본 발명에 따른 골절위험 평가 모델 작성 순서를 나타내는 개념도이다.
도 2는 본 발명에 따른 3차원 변수를 나타내는 개념도이다.
도 3은 본 발명에 따른 3차원 골모델링 알고리즘과 관련 도면을 나타낸 개념도이다.
도 4는 허리뼈의 정상상태 및 골절상태를 나타내는 X-선 영상이다.
도 5는 본 발명에 따른 x, y, z 값에 대한 X-선 영상을 나타낸 개념도이다.
도 2는 본 발명에 따른 3차원 변수를 나타내는 개념도이다.
도 3은 본 발명에 따른 3차원 골모델링 알고리즘과 관련 도면을 나타낸 개념도이다.
도 4는 허리뼈의 정상상태 및 골절상태를 나타내는 X-선 영상이다.
도 5는 본 발명에 따른 x, y, z 값에 대한 X-선 영상을 나타낸 개념도이다.
다양한 구현예가 도면을 참조하여 개시된다. 아래 설명에서는 하나 이상의 구현예에서 전반적 이해를 돕기 위해 다수의 구체적인 세부사항들이 개시된다. 그러나 각 구현예는 이러한 구체적인 세부사항들 없이도 실행될 수 있다는 점이 인식되어야 한다. 이후의 기재 및 첨부된 도면은 하나 이상의 구현예의 특정한 예시를 상세하게 기술한다. 하지만, 이러한 예시는 예시적인 것이고 다양한 구현예의 원리에서 다양한 방법 중 일부가 이용될 수 있으며 기술되는 설명은 그러한 구현예 및 균등물을 모두 포함하고자 하는 의도이다.
다양한 구현예 및 특징이 다수의 부품 및 구성부를 포함할 수 있는 장치에 의하여 제시될 것이다. 다양한 장치가 추가적인 부품, 구성부를 포함할 수 있고 그리고/또는 도면과 관련하여 논의된 부품, 구성부 모두를 포함할 수 없다는 점 또한 이해되고 인식되어야 한다.
본 명세서에서 사용되는 "실시예", "구현예", "예시" 등은 기술된 임의의 구현예 또는 설계가 다른 구현예 또는 설계보다 양호하다거나, 이점이 있는 것으로 해석되지 않아야 한다.
더불어, 용어 "또는"은 배타적 "또는"이 아니라 내포적 "또는"을 의미하는 것으로 의도된다. 즉, 달리 특정되지 않거나 문맥상 명확하지 않은 경우에, "X는 A 또는 B를 이용한다"는 자연적인 내포적 치환 중 하나를 의미하는 것으로 의도된다. 즉, X가 A를 이용하거나; X가 B를 이용하거나; 또는 X가 A 및 B 모두를 이용하는 경우, "X는 A 또는 B를 이용한다"가 각 경우 어느 것으로도 적용될 수 있다. 또한, 본 명세서에 사용된 "및/또는"이라는 용어는 열거된 관련 항목 중 하나 이상의 항목의 가능한 모든 조합을 지칭하고 포함하는 것으로 이해되어야 한다.
또한, "포함한다" 및/또는 "포함하는"이라는 용어는, 해당 특징, 단계, 동작, 구성요소 및/또는 구성부가 존재함을 의미하지만, 하나 이상의 다른 특징, 단계, 동작, 구성요소, 구성부 및/또는 이들의 그룹의 존재 또는 추가를 배제하지 않는 것으로 이해되어야 한다. 또한, 달리 특정되지 않거나 단수 형태를 지시하는 것으로 문맥상 명확하지 않은 경우에, 본 명세서와 청구범위에서 단수는 일반적으로 "하나 또는 그 이상"을 의미하는 것으로 해석되어야 한다.
도 1은 본 발명에 따른 골절위험 평가 모델 작성 순서를 나타내는 개념도이다. 본 발명의 일 구현예에 따른 컴퓨터를 이용한 X-선 영상처리(image processing) 골절 위험 평가모델 작성방법으로, 미리 정한 뼈 부위에 대해 서로 다른 방향에서 촬영한 복수 개의 2차원 X-선 영상을 상기 미리 정한 뼈 부위의 3차원 모델을 보유한 데이터베이스에 저장하는 단계; 상기 저장된 2차원 X-선 영상에 공간영역 방식의 영상정합 기법을 이용하여 원점 및 특징점을 추출하는 3차원 영상처리(image processing) 단계; 상기 3차원 영상처리 단계를 거친, 정합된 영상을 이용하여 상기 미리 정한 뼈 부위의 3차원 골질을 나타내는 3차원 변수인 Tb.Th(Trabecular Thickness), Tb.N(Trabecular Number) 및 Tb.Sp(Trabecular Separation) 값을 구하는 단계; 상기 3차원 영상처리 단계를 거친, 정합된 영상을 이용하여 상기 미리 정한 뼈 부위의 영상 변수인 x(계조(grey level) 값이 0과 255 사이인 부분의 넓이), y(계조(grey level) 값이 0을 제외한 최소값) 및 z(계조(grey level) 값이 255를 제외한 최대값)를 구하는 단계; 상기 3차원 변수 및 영상 변수를 선형회귀 방식으로 계산하여 골절위험도 점수(a×Tb.Th + b×Tb.N + c×Tb.Sp + d×x + e×y + f×z)로 환산하는 단계; 및 상기 골절위험도 점수를 이용하여 골절위험을 예측하는 단계를 포함한다.
본 발명의 일 구현예에 따른 영상 정합 혹은 영상 맞추기 알고리즘은 세기 바탕 방식과 특징 바탕 방식으로 나뉘며, 고정된 영상을 참조영상 혹은 원본영상이라고 하고, 맞추어질 영상을 맞출영상이라고도 한다. 영상 정합은 맞출영상을 공간적으로 변형해 참조영상에 맞추는 과정을 포함한다. 세기 바탕 방식은 영상의 세기의 형태를 비교하는 방식이고, 특징 바탕 방식은 영상 속의 점, 선, 테두리 등을 찾아 서로 맞추는 방식이다. 세기 바탕 방식은 그림을 통째로 비교해 정합하는 데 반해, 특징 바탕 방식은 둘 이상의 그림 속에서 여러 개의 특징을 찾아 비교한다. 두 영상 속에서 몇 개의 특징점의 대응관계를 알면 두 영상의 변환 관계를 결정할 수 있기 때문에, 그로부터 영상 속의 다른 점들의 대응관계를 계산할 수 있다.
일반적으로, 영상 정합 알고리즘은 참조영상과 맞출영상 사이의 변환관계에 따라 분류될 수도 있다. 넓게 분류하면, 첫 번째 범주로 변위, 회전, 확대·축소, 아핀변환 등을 포함한 선형 변환을 들 수 있다. 하지만, 선형변환은 영상들 사이의 기하학적 변형은 설명할 수 없다. 둘째 범주로 탄성, 혹은 비강체 변환을 들 수 있다. 이와 같은 변환은 국소적인 변형을 설명할 수 있다. 비강체 변환은 물리적 연속체 모델(점성 유체)나 미분동형사상과 같은 변형을 포함한다. 본 발명의 일 구현예에서 골 모델링을 위한 영상 정합 알고리즘은 선형 변환을 사용한다. 본 발명의 일 구현예에서 상기 3차원 영상처리 단계는 상기 2차원 X-선 영상을 3차원 모델의 투영상과 대응시킨다.
본 발명의 일 구현예에 따른 영상정합 알고리즘 방식 중 공간 영역 방식은 영상의 공간 속에서 그림의 픽셀 세기 패턴이나 특징을 맞추는 방식이다. 특징 맞추기는 사람이 일일이 그림 속의 특징점을 손으로 맞추는 수동 영상 정합을 자동화한 방식으로, 두 그림 속의 특징점 쌍의 개수가 해당 영상 변형에 필요한 최소 개수보다 많은 경우, RANSAC("RANdom SAmple Consensus")과 같은 방식을 이용해 두 영상 사이의 영상 변형을 찾아낼 수 있다. 본 발명의 일 구현예에서 상기 공간영역 방식은 RANSAC(RANdom SAmple Consensus) 방식을 활용하여 영상정합한다.
RANSAC("RANdom SAmple Consensus") 알고리즘은 측정 노이즈가 심한 원본 데이터로부터 모델 파라미터를 예측하는 방법으로 Fischler와 Bolles에 의해서 제안되었다. RANSAC은 전체 원본 데이터 중에서 모델 변수를 결정하는데 필요한 최소의 데이터를 임의로 샘플링하면서 반복적으로 해를 계산함으로써 최적의 해를 찾는다. 이 방법은 전통적인 통계적 방법과는 반대의 개념을 가진다. 즉, 대부분의 방법들이 초기의 해를 획득하기 위해서 가능한 많은 데이터를 사용하고 그 결과로부터 유효하지 않은 데이터를 제거한다. 반면에 이 방법은 가능한 적은 양의 초기 데이터를 사용해서 일관된 데이터의 집합(consensus set)을 확장시켜가는 방식을 사용한다. 즉, 주어진 원본 데이터에서 일부를 임의로 선택한 후 최적 변수를 예측하는 과정을 반복하면서 좋은 모델 변수를 찾는다.
도 2는 본 발명에 따른 3차원 변수를 나타내는 개념도이다. 도 2a는 Tb.Sp(Trabecular Separation)이고, 도 2b는 Tb.N(Trabecular Number)이다. 본 발명의 일 구현예에 따른 3차원 변수인 Tb.Th(Trabecular Thickness)는 2차원 X-선 영상에서 소주골 평균 두께이고, Tb.N(Trabecular Number)은 2차원 X-선 영상에서 단위당 가로지르는 소주골의 평균 개수이며, Tb.Sp(Trabecular Separation)는 2차원 X-선 영상에서 소주골 사이의 평균 거리이다.
본 발명의 일 구현예에 따른 컴퓨터를 이용한 X-선 영상처리(image processing) 골 모델링 작성 시스템은, 상기 시스템은 미리 정한 뼈 부위의 3차원 모델을 보유한 데이터베이스; 상기 데이터베이스에 2차원 X-선 영상을 저장하도록 지시하는 영상저장 지시부; 상기 데이터베이스에 저장된 2차원 X-선 영상에 공간영역 방식의 영상정합 기법을 이용하여 원점 및 특징점을 추출하도록 지시하는 3차원 영상처리(image processing) 지시부; 상기 3차원 영상처리 단계를 거친, 정합된 영상을 이용하여 상기 미리 정한 뼈 부위의 3차원 골질을 나타내는 3차원 변수인 Tb.Th(Trabecular Thickness), Tb.N(Trabecular Number), 및 Tb.Sp(Trabecular Separation) 값을 구하는 3차원변수 계산부; 및 상기 3차원변수를 이용하여 3차원 골 형상을 표시하는 표시부를 포함한다.
또한, 본 발명의 일 구현예에 따른 골 모델링 작성을 위하여 컴퓨터 판독 매체에 저장된 컴퓨터 프로그램은, 상기 컴퓨터 프로그램은 컴퓨터로 하여금 이하의 동작들을 수행하도록 하며, 상기 동작들은: 미리 정한 뼈 부위에 대해 정면과 측면을 포함한 서로 다른 방향에서 촬영한 복수 개의 2차원 X-선 영상을 상기 미리 정한 뼈 부위의 3차원 모델을 보유한 데이터베이스에 저장하는 동작; 상기 저장된 2차원 X-선 영상에 공간영역 방식의 영상정합 기법을 이용하여 원점 및 특징점을 추출하는 3차원 영상처리(image processing) 동작; 및 상기 3차원 영상처리 단계를 거친, 정합된 영상을 이용하여 상기 미리 정한 뼈 부위의 3차원 골질을 나타내는 3차원 변수인 Tb.Th(Trabecular Thickness), Tb.N(Trabecular Number), Tb.Sp(Trabecular Separation) 및 Conn.D(Connectivity Density) 값을 구하는 동작을 포함하고, 상기 3차원 영상처리 단계는, 상기 복수 개의 X-선 영상을 가상 3차원 공간에서 수직으로 배치하는 동작; 및 상기 복수 개의 X-선 영상에서 측정한 뼈 내부 구멍(bone pore)의 지름을 이용하여 3차원 구 형태의 뼈 내부 구멍을 모델링하는 동작을 포함한다.
[실시예]
이하, 도 3을 참조하여 본 발명의 일 실시예에 따른 알고리즘을 설명한다. 도 3a는 골 모델링 알고리즘으로 2차원 영상을 이용하여 3차원 모델을 작성하는 흐름을 설명한다.
제1 허리뼈(L1)에서 제4 허리뼈(L4)까지는 척추뼈몸통(body)과 척추뼈고리(arch)로 구성되고, 척추뼈고리는 척추뼈뿌리(pedicle)와 한쌍의 척추뼈고리판(lamina)을 포함하는 공통점이 있으므로 L1 내지 L4를 관심영역으로 설정하였다. 상기 L1 내지 L4의 정면 및 측면 2차원 X-선 영상을 이용한 3차원 모델링을 진행하기 위해 각각의 꼭지점까지의 거리를 이용하여 L1 내지 L4 각각에 상응하는 4개의 직육면체를 만들었다. 도 3b에 상기 직육면체를 형성한 내용을 나타내었다. 상기 영상을 이루는 픽셀에서 0에서 255까지의 표준회색 색표(grey scale)의 값을 이용하여 색표 값이 0일때는 1, 색표값이 255일때는 0이 되도록 선형 변환(linear transformation) 및 크기 조정(scaling)하여 지수(index)를 부여했다. 상기 지수를 부여하는 과정을 반복하여 정면 및 측면 영상 전체에서 지수를 계산하였다. 이렇게 계산한 지수의 좌표별 값은 도 3c에 도시하였다. 측면과 정면 영상에서 계산된 픽셀의 지수를 좌표에 맞게 곱하여 3차원 화소(voxel)의 지수를 계산하였고 이 값을 구하는 과정은 도 3d에 도시하였다. 상기 3차원 화소의 지수값 계산과정을 반복하여 직육면체 3차원 화소 전체에 지수를 부여하고, 3차원 화소의 지수가 일정 수치 이상일 경우에는 직육면체에서 해당 부분을 구의 형태로 제거하여 완성하였다.
골절위험도 점수(a×Tb.Th + b×Tb.N + c×Tb.Sp + d×x + e×y + f×z)에서 x는 X-선 영상 중 허리뼈(lumbar) 부분만 잘라낸 영역의 넓이로, 상기 넓이는 사람마다 다르고 골절이 생긴 사람은 뼈가 위에서 눌린 형태이기 때문에 상기 영역이 좁게 관찰되었다. 도 4에서 오른쪽 정상 허리뼈 영상과 비교하여 왼쪽에 화살표로 표시된 골절부를 확인할 수 있다. y값은 흑백 영상인 X-선 영상에서 가장 어두운 값을 말한다. y값을 구할 때는 사람의 자세나 촬영환경으로 인한 오차를 줄이기 위해 검정색인 색표값 0은 제외하고 그 다음으로 어두운 값을 선택한다. 도 3c에 나타난 값에서 선택하는 경우 74이다. z값은 X-선 영상에서 가장 밝은 값을 말하는 것으로, y값과 마찬가지로 가장 완전한 흰색인 색표값 255는 제외한다. 도 3c에 나타난 값에서 선택하는 경우는 185가 된다. 도 5에서 상기 x, y, z값 구하는 과정을 표시하였다.
변수에 곱해지는 수치인 상수인 a, b, c, d, e, f는 선형회귀방법(linear regression)을 통해 얻는 임의의 숫자로, 선형회귀방법을 사용하면 상기 변수들이 골절위험도 상수에 영향을 끼치는 정도인 정량적인 수치를 구할 수 있다. 상기 상수의 절대값은 사람마다 다르지만 Tb.Th.와 Tb.N은 클수록 좋기 때문에 양수가 나오고, 이와 반대로 Tb.Sp는 작을수록 좋기 때문에 음수가 나올 가능성이 높다. 선형회귀분석을 통해 얻은 일 실시예 값은 다음 식과 같았다.
0.756 =4×Tb.Th + (-6)×Tb.N + 2.3×Tb.Sp + 0.7×x + 8.3×y + (-4.1)×z
골절위험도는 0보다 1에 가까울수록 골절위험이 낮고 따라서 위 값은 0.756의 수치를 얻었으므로 골절위험이 낮은 상태로 파악된다.
이상의 설명은 본 발명의 기술 사상을 일 구현 예를 이용하여 설명한 것으로써, 본 발명이 속하는 기술 분야에서 통상의 지식을 갖는 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에서 설명된 구현 예는 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이런 구현 예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호범위는 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 한다.
Claims (6)
- 컴퓨터를 이용한 X-선 영상처리(image processing) 골절 위험 평가모델 작성방법으로,
미리 정한 뼈 부위에 대해 서로 다른 방향에서 촬영한 복수 개의 2차원 X-선 영상을 상기 미리 정한 뼈 부위의 3차원 모델을 보유한 데이터베이스에 저장하는 단계;
상기 저장된 2차원 X-선 영상에 공간영역 방식의 영상정합 기법을 이용하여 원점 및 특징점을 추출하는 3차원 영상처리(image processing) 단계;
상기 3차원 영상처리 단계를 거친, 정합된 영상을 이용하여 상기 미리 정한 뼈 부위의 3차원 골질을 나타내는 3차원 변수인 Tb.Th(Trabecular Thickness), Tb.N(Trabecular Number) 및 Tb.Sp(Trabecular Separation) 값을 구하는 단계;
상기 3차원 영상처리 단계를 거친, 정합된 영상을 이용하여 상기 미리 정한 뼈 부위의 영상 변수인 x(계조(grey level) 값이 0과 255 사이인 부분의 넓이), y(계조(grey level) 값이 0을 제외한 최소값) 및 z(계조(grey level) 값이 255를 제외한 최대값)를 구하는 단계;
상기 3차원 변수 및 영상 변수를 선형회귀 방식으로 계산하여 골절위험도 점수(a×Tb.Th + b×Tb.N + c×Tb.Sp + d×x + e×y + f×z)로 환산하는 단계; 및
상기 골절위험도 점수를 이용하여 골절위험을 예측하는 단계를 포함하는,
골절 위험 평가모델 작성방법.
- 제 1항에 있어서,
상기 공간영역 방식은 RANSAC(RANdom SAmple Consensus) 방식을 활용하여 영상정합하는,
골절 위험 평가모델 작성방법.
- 제 1항에 있어서,
상기 3차원 영상처리 단계는 상기 2차원 X-선 영상을 3차원 모델의 투영상과 대응시키는,
골절 위험 평가모델 작성방법.
- 제 1항에 있어서,
상기 3차원 변수인 Tb.Th(Trabecular Thickness)는 2차원 X-선 영상에서 소주골 평균 두께,
Tb.N(Trabecular Number)은 2차원 X-선 영상에서 단위당 가로지르는 소주골의 평균 개수,
Tb.Sp(Trabecular Separation)는 2차원 X-선 영상에서 소주골 사이의 평균 거리로 계산하는,
골절 위험 평가모델 작성방법.
- 컴퓨터를 이용한 X-선 영상처리(image processing) 골절 위험 평가모델 작성 시스템으로,
상기 시스템은 미리 정한 뼈 부위의 3차원 모델을 보유한 데이터베이스;
상기 데이터베이스에 2차원 X-선 영상을 저장하도록 지시하는 영상저장 지시부;
상기 데이터베이스에 저장된 2차원 X-선 영상에 공간영역 방식의 영상정합 기법을 이용하여 원점 및 특징점을 추출하도록 지시하는 3차원 영상처리(image processing) 지시부;
상기 3차원 영상처리 단계를 거친, 정합된 영상을 이용하여 상기 미리 정한 뼈 부위의 3차원 골질을 나타내는 3차원 변수인 Tb.Th(Trabecular Thickness), Tb.N(Trabecular Number) 및 Tb.Sp(Trabecular Separation) 값을 구하는 3차원변수 계산부;
상기 3차원 영상처리 단계를 거친, 정합된 영상을 이용하여 상기 미리 정한 뼈 부위의 영상 변수인 x(계조(grey level) 값이 0과 255 사이인 부분의 넓이), y(계조(grey level) 값이 0을 제외한 최소값) 및 z(계조(grey level) 값이 255를 제외한 최대값)를 구하는 이미지 계산부;
상기 3차원 변수 및 영상 변수를 선형회귀 방식으로 계산하여 골절위험도 점수(a×Tb.Th + b×Tb.N + c×Tb.Sp + d×x + e×y + f×z)로 환산하는 환산부; 및
상기 골절위험도 점수를 이용하여 골절위험 예측값을 표시하는 표시부를 포함하는,
골절 위험 평가모델 작성 시스템.
- 골절 위험 평가모델 작성을 위하여 컴퓨터 판독 매체에 저장된 컴퓨터 프로그램으로,
상기 컴퓨터 프로그램은 컴퓨터로 하여금 이하의 동작들을 수행하도록 하며, 상기 동작들은:
미리 정한 뼈 부위에 대해 서로 다른 방향에서 촬영한 복수 개의 2차원 X-선 영상을 상기 미리 정한 뼈 부위의 3차원 모델을 보유한 데이터베이스에 저장하는 동작;
상기 저장된 2차원 X-선 영상에 공간영역 방식의 영상정합 기법을 이용하여 원점 및 특징점을 추출하는 3차원 영상처리(image processing) 동작;
상기 3차원 영상처리 단계를 거친, 정합된 영상을 이용하여 상기 미리 정한 뼈 부위의 3차원 골질을 나타내는 3차원 변수인 Tb.Th(Trabecular Thickness), Tb.N(Trabecular Number) 및 Tb.Sp(Trabecular Separation) 값을 구하는 동작;
상기 3차원 영상처리 단계를 거친, 정합된 영상을 이용하여 상기 미리 정한 뼈 부위의 영상 변수인 x(계조(grey level) 값이 0과 255 사이인 부분의 넓이), y(계조(grey level) 값이 0을 제외한 최소값) 및 z(계조(grey level) 값이 255를 제외한 최대값)를 구하는 동작;
상기 3차원 변수 및 영상 변수를 선형회귀 방식으로 계산하여 골절위험도 점수(a×Tb.Th + b×Tb.N + c×Tb.Sp + d×x + e×y + f×z)로 환산하는 동작; 및
상기 골절위험도 점수를 이용하여 골절위험을 예측하는 동작을 포함하는,
컴퓨터 프로그램.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020150056933A KR20160126185A (ko) | 2015-04-23 | 2015-04-23 | 컴퓨터를 이용한 x-선 영상처리 골절 위험 평가모델 작성방법, 시스템 및 컴퓨터 프로그램 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020150056933A KR20160126185A (ko) | 2015-04-23 | 2015-04-23 | 컴퓨터를 이용한 x-선 영상처리 골절 위험 평가모델 작성방법, 시스템 및 컴퓨터 프로그램 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20160126185A true KR20160126185A (ko) | 2016-11-02 |
Family
ID=57518225
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020150056933A KR20160126185A (ko) | 2015-04-23 | 2015-04-23 | 컴퓨터를 이용한 x-선 영상처리 골절 위험 평가모델 작성방법, 시스템 및 컴퓨터 프로그램 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20160126185A (ko) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107320119A (zh) * | 2017-07-04 | 2017-11-07 | 上海联影医疗科技有限公司 | 图像获取方法、装置及医学设备 |
| KR20200085470A (ko) * | 2019-01-07 | 2020-07-15 | 주식회사 씨아이메디칼 | Ai 골밀도 판독 장치 및 방법 |
| KR102173321B1 (ko) * | 2019-08-02 | 2020-11-03 | 주식회사 딥노이드 | 형태학적 특징을 이용한 자동 척추 골절 진단 및 검출 장치 및 방법 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140093149A1 (en) | 2004-09-16 | 2014-04-03 | Imatx, Inc. | System and Method of Predicting Future Fractures |
-
2015
- 2015-04-23 KR KR1020150056933A patent/KR20160126185A/ko not_active Application Discontinuation
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140093149A1 (en) | 2004-09-16 | 2014-04-03 | Imatx, Inc. | System and Method of Predicting Future Fractures |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107320119A (zh) * | 2017-07-04 | 2017-11-07 | 上海联影医疗科技有限公司 | 图像获取方法、装置及医学设备 |
| CN107320119B (zh) * | 2017-07-04 | 2020-12-04 | 上海联影医疗科技股份有限公司 | 图像获取方法、装置及医学设备 |
| KR20200085470A (ko) * | 2019-01-07 | 2020-07-15 | 주식회사 씨아이메디칼 | Ai 골밀도 판독 장치 및 방법 |
| KR102173321B1 (ko) * | 2019-08-02 | 2020-11-03 | 주식회사 딥노이드 | 형태학적 특징을 이용한 자동 척추 골절 진단 및 검출 장치 및 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7639866B2 (en) | Method of radiographic imaging for three-dimensional reconstruction, and a computer program and apparatus for implementing the method | |
| CA2788445C (en) | A method and a system for multi-dimensional visualization of the spinal column by vertebra vectors, sacrum vector, sacrum plateau vector and pelvis vectors | |
| EP1718206B1 (en) | Time-dependent three-dimensional musculo-skeletal modeling based on dynamic surface measurements | |
| CN110544245B (zh) | 图像处理方法、装置、计算机可读存储介质及电子设备 | |
| JP5486197B2 (ja) | 椎骨中心検出装置および方法並びにプログラム | |
| US20090226055A1 (en) | Systems and methods for multi-dimensional characterization and classification of spinal shape | |
| US8660329B2 (en) | Method for reconstruction of a three-dimensional model of a body structure | |
| CN107072623A (zh) | 用于测量和评估脊椎不稳性的系统和方法 | |
| Zhang et al. | 3-D reconstruction of the spine from biplanar radiographs based on contour matching using the hough transform | |
| KR101265981B1 (ko) | 한국인 인체척추 정보의 제작방법 및 시스템 | |
| CHOI et al. | CNN-based spine and Cobb angle estimator using moire images | |
| Jiang et al. | A fast 3-D ultrasound projection imaging method for scoliosis assessment | |
| Bagheri et al. | Reliability of three-dimensional spinal modeling of patients with idiopathic scoliosis using EOS system | |
| KR20160126185A (ko) | 컴퓨터를 이용한 x-선 영상처리 골절 위험 평가모델 작성방법, 시스템 및 컴퓨터 프로그램 | |
| Tan et al. | High precision semiautomated computed tomography measurement of lumbar disk and vertebral heights | |
| Sun et al. | A statistical model of spine shape and material for population-oriented biomechanical simulation | |
| Groisser et al. | 3D Reconstruction of Scoliotic Spines from Stereoradiography and Depth Imaging | |
| Moura et al. | A flexible approach for the calibration of biplanar radiography of the spine on conventional radiological systems | |
| KR20160126195A (ko) | 컴퓨터를 이용한 x-선 영상처리 골 모델링 작성방법, 시스템 및 컴퓨터 프로그램 | |
| Le Pennec et al. | CT-based semi-automatic quantification of vertebral fracture restoration | |
| Kumar et al. | Improving visibility of stereo-radiographic spine reconstruction with geometric inferences | |
| KR20170004514A (ko) | 척추 측만증 분석시스템 | |
| Shim et al. | 2D-3D registration for 3D analysis of lower limb alignment in a weight-bearing condition | |
| Legaye et al. | Correction for patient sway in radiographic biplanar imaging for three-dimensional reconstruction of the spine: in vitro study of a new method | |
| Zhang et al. | Correlation between cobb angle and spinous process angle measured from ultrasound data |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E601 | Decision to refuse application |