KR20170025067A - 의료용 볼륨 데이터 처리 장치 및 방법 - Google Patents

의료용 볼륨 데이터 처리 장치 및 방법 Download PDF

Info

Publication number
KR20170025067A
KR20170025067A KR1020150120950A KR20150120950A KR20170025067A KR 20170025067 A KR20170025067 A KR 20170025067A KR 1020150120950 A KR1020150120950 A KR 1020150120950A KR 20150120950 A KR20150120950 A KR 20150120950A KR 20170025067 A KR20170025067 A KR 20170025067A
Authority
KR
South Korea
Prior art keywords
data
volume data
threshold value
feature
voxels
Prior art date
Application number
KR1020150120950A
Other languages
English (en)
Inventor
임세열
서동완
한태희
Original Assignee
(주)바텍이우홀딩스
주식회사바텍
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 (주)바텍이우홀딩스, 주식회사바텍 filed Critical (주)바텍이우홀딩스
Priority to KR1020150120950A priority Critical patent/KR20170025067A/ko
Priority to US15/250,868 priority patent/US20170061676A1/en
Publication of KR20170025067A publication Critical patent/KR20170025067A/ko

Links

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
    • A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
    • 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
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • 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
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/037—Emission tomography
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/08—Volume rendering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • 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
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30008—Bone
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30016—Brain
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/41—Medical

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Graphics (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computer Hardware Design (AREA)
  • General Health & Medical Sciences (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Optics & Photonics (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Architecture (AREA)
  • Pulmonology (AREA)
  • Quality & Reliability (AREA)
  • Image Processing (AREA)

Abstract

본 발명은 잡음의 영향이 줄어들고 특징 영역의 표현력이 향상된 볼륨 데이터를 획득할 수 있는 볼륨 데이터 처리 장치 및 방법을 제공하고자 한다.
이를 위하여, 본 발명은 볼륨 데이터의 상대적으로 명도 값이 큰 복셀들로 이루어진 특징 영역을 추출하여 특징 데이터를 생성하는 특징 데이터 생성부, 특징 데이터에 역치값들을 설정하여 역치 데이터를 생성하는 역치 데이터 생성부, 역치 데이터를 이용하여 볼륨 데이터를 역치 처리하는 역치 처리부 및 역치 데이터를 이용하여 역치 처리된 볼륨 데이터의 상대적으로 명도 값이 큰 복셀들로 이루어진 특징 영역을 강조하는 특징 강조부를 구비한다.

Description

의료용 볼륨 데이터 처리 장치 및 방법{medical volume data processing apparatus and method}
본 발명은 의료용 볼륨 데이터 처리 장치 및 방법에 관한 것으로, 더욱 상세하게는 잡음의 영향을 줄이고 특징 영역의 표현력을 향상시킬 수 있는 의료용 볼륨 데이터 처리 장치 및 방법에 관한 것이다.
의료용 볼륨 렌더링 영상은 주로 의사가 환자에게 환자의 골격 구조에 대해 설명할 때 또는 향후 치료 계획을 설명할 때 사용되며, 수술 전 의사의 실습을 위한 모형 제작을 위해 사용되는 경우도 있다.
의료용 볼륨 렌더링 영상은 복셀로 이루어지는 의료용 볼륨 데이터(이하, 볼륨 데이터라 한다.)를 렌더링함으로써 획득되는데, 볼륨 렌더링은 개별적으로 추출된 3차원 데이터 세트(즉, 볼륨 데이터)를 2차원 투사 영상으로 디스플레이하는 기술이며, 복셀은 3차원 공간의 한 점을 정의한 일단의 데이터이다.
한편, 볼륨 데이터는 컴퓨터 단층 촬영(CT : computed tomography) 장치, 자기 공명 영상(MRI : magnetic resonance imaging) 장치, 양전자 방출 단층 촬영(PET : positron emission tomography) 장치, 및 단일 광자 방출 단층 촬영(SPECT : single photon emission computed tomography) 장치와 같은 의료 영상 장치로 피검자를 촬영함으로써 획득된다.
그러한 의료 영상 장치를 통해 획득되는 볼륨 데이터에는 잡음이 많이 존재하므로, 그러한 볼륨 데이터를 렌더링한 영상에도 잡음이 많이 존재한다. 볼륨 렌더링 영상의 잡음의 영향을 최소화하기 위해, 일반적으로 볼륨 렌더링 영상의 컬러링(coloring)을 조절하는 방법을 사용한다. 한편, 컬러링은 볼륨 데이터의 CT 넘버(또는 하운스필드 유닛(HU : Hounsfield Unit))에 따라 명도를 다르게 부여하는 것을 말한다.
그런데 잡음의 영향을 줄이기 위해 컬러링을 조절하면 관심 영역(예 : 두개골)의 약한 부분, 예를 들면 상대적으로 CT 넘버가 낮은 부분(예 : 안와하공, 연골 등)의 명도가 낮아지는 등 표현력이 떨어지게 되고, 약한 부분의 표현력을 향상시키기 위해 컬러링을 조절하면 잡음의 영향으로 관심 영역의 정밀한 모습을 확인할 수 없다.
상기와 같이 종래 기술은 컬러링에 따라, 잡음의 영향으로 관심 영역의 정밀한 모습을 확인할 수 없거나 관심 영역의 약한 부분의 표현력 떨어지는 문제점이 있으며, 이러한 문제점을 해결하고자 하는 것이 본 발명의 과제이다.
따라서, 잡음의 영향이 줄어들고 관심 영역의 표현력이 향상되어 컬러링 조절이 필요 없는 볼륨 데이터를 획득할 수 있는 볼륨 데이터 처리 장치 및 방법을 제공하는 것이 본 발명의 과제이다.
본 발명의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있으며, 본 발명의 실시 예에 의해 보다 분명하게 알게 될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.
상기 목적을 달성하기 위한 본 발명의 장치는, 볼륨 데이터의 상대적으로 명도 값이 큰 복셀들로 이루어진 특징 영역을 추출하여 특징 데이터를 생성하는 특징 데이터 생성부, 특징 데이터에 역치값들을 설정하여 역치 데이터를 생성하는 역치 데이터 생성부, 역치 데이터를 이용하여 볼륨 데이터를 역치 처리하는 역치 처리부 및 역치 데이터를 이용하여 역치 처리된 볼륨 데이터의 상대적으로 명도 값이 큰 복셀들로 이루어진 특징 영역을 강조하는 특징 강조부를 구비한다.
또한, 상기 목적을 달성하기 위한 본 발명의 방법은, (a) 볼륨 데이터의 상대적으로 명도 값이 큰 복셀들로 이루어진 특징 영역을 추출하여 특징 데이터를 생성하는 단계, (b) 특징 데이터에 역치값들을 설정하여 역치 데이터를 생성하는 단계, (c) 역치 데이터를 이용하여 볼륨 데이터를 역치 처리하는 단계; 및 (d) 역치 데이터를 이용하여 역치 처리된 볼륨 데이터의 상대적으로 명도 값이 큰 복셀들로 이루어진 특징 영역을 강조하는 단계를 구비한다.
상기와 같은 본 발명은, 잡음의 영향을 줄어들고 관심 영역의 표현력이 향상된 볼륨 데이터를 획득할 수 있다.
또한, 잡음의 영향을 줄어들고 관심 영역의 표현력이 향상된 볼륨 데이터를 획득함으로써 사용자의 컬러링 조절이 필요 없는 효과가 있다.
도 1은 본 발명의 일 실시 예에 따른 볼륨 데이터 처리 방법을 도시한 흐름도;
도 2는 S100 단계를 상세하게 도시한 흐름도;
도 3은 볼륨 데이터의 한 단면을 도시한 도면;
도 4는 특징 데이터의 한 단면을 도시한 도면;
도 5에 S200 단계를 상세하게 도시한 흐름도;
도 6은 역치 처리된 특징 데이터의 한 단면을 도시한 도면;
도 7은 역치 데이터의 한 단면을 도시한 도면;
도 8은 역치 처리된 볼륨 데이터의 한 단면을 도시한 도면;
도 9는 S400 단계를 상세하게 도시한 흐름도;
도 10은 역치 처리된 볼륨 데이터를 소벨 마스크로 처리한 결과를 도시한 도면;
도 11은 역치 데이터를 소벨 마스크로 처리한 결과를 도시한 도면;
도 12는 특징이 강조된 볼륨 데이터의 한 단면을 도시한 도면;
도 13은 본 발명에 따른 볼륨 데이터의 영상과 종래 기술에 따른 볼륨 데이터의 영상을 비교한 비교도;
도 14는 본 발명에 따른 볼륨 데이터의 영상과 종래 기술에 따른 볼륨 데이터의 영상을 비교한 비교도; 및
도 15는 본 발명의 일 실시 예에 따른 볼륨 데이터 처리 장치를 도시한 도면이다.
상술한 목적, 특징 및 장점은 첨부된 도면을 참조하여 상세하게 후술되어 있는 상세한 설명을 통하여 보다 명확해 질 것이며, 그에 따라 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 또한, 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에 그 상세한 설명을 생략하기로 한다.
그리고 명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때 이는 "직접적으로 연결"되어 있는 경우뿐만 아니라 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한, 어떤 부분이 어떤 구성요소를 "포함" 또는 "구비"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함하거나 구비할 수 있는 것을 의미한다. 또한, 명세서 전체의 기재에 있어서 일부 구성요소들을 단수형으로 기재하였다고 해서, 본 발명이 그에 국한되는 것은 아니며, 해당 구성요소가 복수 개로 이루어질 수 있음을 알 것이다.
도 1은 본 발명의 일 실시 예에 따른 볼륨 데이터 처리 방법을 도시한 흐름도이다.
먼저, 볼륨 데이터의 특징 영역을 추출하여 특징 데이터를 생성한다(S100).
특징 영역은 주변의 복셀들에 비해 복셀의 명도 값이 큰 복셀들로 이루어진 영역이다. 그러한 특징 영역은 DoG(difference of gaussians) 알고리즘, LoG(laplacian of gaussian) 알고리즘, DoH(determinant of hessian) 알고리즘 등과 같은 공지의 블롭 디텍션 알고리즘(blob detection algorithm)을 이용하여 추출할 수 있다.
도 2는 S100 단계를 상세하게 도시한 흐름도이다. DoG 알고리즘을 예로 들어 설명한다. 먼저, 볼륨 데이터의 각 복셀들에 대하여, 상대적으로 작은 사이즈의 마스크로 가우시안 처리한다(S110). 다음으로, 볼륨 데이터의 각 복셀들에 대하여, 상대적으로 큰 사이즈의 마스크로 가우시안 처리한다(S120). 다음으로, 상대적으로 작은 사이즈의 마스크로 가우시안 처리된 복셀의 값과 그 복셀에 대응하는 상대적으로 큰 사이즈의 마스크로 가우시안 처리된 복셀의 값의 차이 값을 계산한다(S130). 다음으로, 음의 차이 값을 가지는 복셀들에 대응하는 볼륨 데이터의 복셀들만을 추출함(S140)으로써 특징 데이터를 생성한다.
도 3은 볼륨 데이터의 한 단면을 도시한 도면이고, 도 4는 볼륨 데이터로부터 생성한 특징 데이터의 한 단면을 도시한 도면이다. 도 3에 있어서, 명도가 높게 나타나는 영역(뼈)은 특징 영역으로 판단할 수 있다. 도 4는 도 3과 대비하면, 도 3에 나타난 영상의 뼈(특징 영역)와 뼈 주위의 일부 조직이 상대적으로 높은 명도로 표현된 것을 알 수 있다.
다음으로, 특징 데이터에 역치값들을 설정하여 역치 데이터를 생성한다(S200).
도 5에 도시된 바와 같이, S200 단계는 역치 필터를 이용하여 특징 데이터를 역치 처리한 후(S210), 역치 처리된 특징 데이터의 각 복셀에 대하여 사전 설정된 사이즈의 마스크로 평균처리함(S220)으로써 특징 데이터에 역치값들을 설정한다.
상세하게 살펴보면, S210 단계에서는 역치 필터의 값과 그에 대응하는 특징 데이터의 복셀의 값 중에서 더 큰 값을 특징 데이터의 그 복셀에 할당함으로써 역치 처리한다. 한편, 역치 필터는 사전 설정된 좌우 구간을 가지고, 그 좌우 구간에서 필터의 값이 점진적으로 감소하는 1차원 필터로서, 특징 데이터의 각 최외곽 복셀들 및 그들의 좌우 구간에 적용된다. 그리고, 특징 데이터의 복셀들로 이루어지는 각 행(또는 열)에 있어서, 최외곽 복셀들은 그 각 행(또는 열)의 0을 초과하는 값을 가지는 복셀들 중 양쪽 가장 끝에 위치하는 복셀들을 지칭한다.
도 6은 특징 데이터를 역치 필터를 이용하여 역치 처리한 결과를 도시한 도면이다. 도 6은 도 4와 대비하여, 특징 영역 주위에 어두운 영역이 형성되고, 밝은 영역이 그 어두운 영역 주위에 형성되었음을 알 수 있는데, 이는 특징 데이터의 최외곽 복셀들 및 그들의 좌우 구간마다 값이 점진적으로 감소하는 역치 필터로 역치 처리되어 밝은 영역에서 어두운 영역으로 변화된 결과이다.
다음으로, S220 단계에서는 사전 설정된 사이즈의 마스크를 이용하여 역치 처리된 볼륨 데이터의 각 복셀들을 평균처리함으로써 볼륨 데이터에 역치값들을 설정한다.
도 7은 평균처리한 결과를 도시한 도면이다. 도 7은 도 6과 대비하여, 영상의 각 부분들의 선명도가 낮아졌음을 알 수 있다.
다음으로, 역치 데이터를 이용하여 볼륨 데이터를 역치 처리한다(S300).
S300 단계에서는 역치 데이터의 각 복셀의 값과 그에 대응하는 볼륨 데이터의 복셀의 값 중에서 더 큰 값을 볼륨 데이터의 그 복셀에 할당함으로써 역치 처리한다.
도 8은 역치 데이터를 이용하여 볼륨 데이터를 역치 처리한 결과를 도시한 도면이다. 도 8은 도 3 및 도 7과 대비하여, 도 3 및 도 7의 영상의 각 부분들 중 영상의 밝은 부분들로만 이루어졌음을 알 수 있다. 한편, 도 3과 도 7을 비교하면, 영상의 중앙 부분은 도 3이 더 밝아 보이는데, 이는 도 3의 영상의 중앙 부분을 밝게 표시한 것일 뿐, 도 3의 영상의 중앙 부분의 값들이 도 7의 영상의 중앙 부분의 값들보다 더 큰 것은 아니다.
다음으로, 역치 데이터를 이용하여 역치 처리된 볼륨 데이터의 특징을 강조한다(S400).
역치 처리된 볼륨 데이터의 특징 영역, 즉, 주변의 복셀들에 비해 복셀의 명도 값이 큰 복셀들로 이루어진 영역의 명도, 색 등을 강조함(예컨대, 특징 영역의 복셀의 값을 상향 조정하거나, 특징 영역 주변의 복셀의 값을 하향 조정함)으로써, 역치 처리된 볼륨 데이터의 특징을 강조할 수 있다. 이를 위하여, 소벨 오퍼레이터(sobel operator), 미분 에지 디텍션(differential edge detection), 캐니 에지 디텍터(canny edge detector) 등과 같은 에지 디텍션(edge detection) 알고리즘을 이용한다.
도 9는 S400 단계를 상세하게 도시한 흐름도이다. 소벨 오퍼레이터 알고리즘을 예로 들어 설명한다. 먼저, 역치 처리된 볼륨 데이터의 각 복셀에 대하여 소벨 마스크를 이용하여 처리한다(S410). 다음으로, 역치 데이터의 각 복셀에 대하여 소벨 마스크를 이용하여 처리한다(S420). 다음으로, 소벨 마스크를 이용하여 처리된 볼륨 데이터의 복셀의 값이 그 복셀에 대응하는 소벨 마스크를 이용하여 처리된 역치 데이터의 복셀의 값보다 작으면, 소벨 마스크를 이용하여 처리된 볼륨 데이터의 복셀의 값을 0으로 설정함(S430)으로써 역치 처리된 볼륨 데이터의 특징을 강조한다.
상술한 S400 단계에 있어서, 도 9에 도시된 바와 같이, 특징이 강조된 볼륨 데이터의 각 복셀에 대하여 가우시안 처리하고(S440), 가우시안 처리된 각 복셀과 그 복셀의 좌우에 위치하는 복셀 중 가장 낮은 값을 그 복셀에 할당함(S450)으로써, 노이즈를 제거하는 것 또한 바람직하다.
도 10은 S410 단계에 따른 역치 처리된 볼륨 데이터를 소벨 마스크를 이용하여 처리한 결과를 도시한 도면이고, 도 11은 S420 단계에 따른 역치 데이터를 소벨 마스크를 이용하여 처리한 결과를 도시한 도면이고, 도 12는 S430 단계에 따른 역치 처리된 볼륨 데이터의 특징을 강조한 결과를 도시한 도면이다.
도 10은 도 8과 대비하여, 영상의 특징 영역 주위에 형성된 밝은 부분이 대부분 사라지고, 특징 영역이 보다 선명해졌음을 알 수 있다. 도 11은 도 7과 대비하여, 영상의 주변 부위에 형성된 밝은 부분이 대부분 사라졌음을 알 수 있다. 도 12는 도 10과 대비하여, 특징 영역 주위에 존재하던 일부 밝은 부분이 사라졌음을 알 수 있다.
또한, 도 12는 도 3과 대비하여, 영상의 특징 영역(뼈)과 그 주변의 명암 차이가 보다 확실하게 도시되었음을 알 수 있다.
도 13 및 도 14를 참고하여, 본 발명의 일 실시 예에 따른 볼륨 데이터 처리 방법을 통해 처리된 볼륨 데이터의 영상(우측)과, 종래 기술에 따른 영상(좌측)을 비교하도록 하겠다.
도 13의 우측에 도시된 본 발명의 일 실시 예에 따른 볼륨 데이터 처리 장치를 통해 처리된 볼륨 데이터의 영상(우측)은, 도 13의 좌측에 도시된 종래 기술에 따른 영상(좌측)에 비하여, 중앙 부분(코 부분)과 그 좌우에 위치한 부분이 표현되고, 눈 부분의 노이즈에 따른 영향이 감소되는 등 표현력이 향상되었음을 알 수 있다. 한편, 도 10의 좌측에 도시된 종래 기술에 따른 영상(좌측)은 노이즈의 영향을 최소화하기 위해 컬러링을 조절한 영상이다.
도 14의 우측에 도시된 본 발명의 일 실시 예에 따른 볼륨 데이터 처리 장치를 통해 처리된 볼륨 데이터의 영상(우측)은, 도 14의 좌측에 도시된 종래 기술에 따른 영상(좌측)에 비하여, 눈 부분, 눈 부분의 좌상 및 우상, 및 치아의 양옆의 노이즈에 따른 영향이 감소되는 등 표현력이 향상되었음을 알 수 있다. 한편, 도 11의 좌측에 도시된 종래 기술에 따른 영상(좌측)은 약한 부분의 표현력을 향상시키기 위해 컬러링을 조절한 영상이다.
도 15에 도시된 바와 같이, 본 발명의 일 실시 예에 따른 볼륨 데이터 처리 장치는 특징 데이터 생성부(100), 역치 데이터 생성부(200), 역치 처리부(300), 및 특징 강조부(400)를 구비한다.
먼저, 특징 데이터 생성부(100)는 볼륨 데이터의 특징 영역을 추출하여 특징 데이터를 생성한다.
다음으로, 역치 데이터 생성부(200)는 특징 데이터에 역치값들을 설정하여 역치 데이터를 생성한다.
다음으로, 역치 처리부(300)는 역치 데이터를 이용하여 볼륨 데이터를 역치 처리한다.
다음으로, 특징 강조부(400)는 역치 데이터를 이용하여 역치 처리된 볼륨 데이터의 특징을 강조한다.
이상과 같이 본 발명은 비록 한정된 실시 예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시 예에 한정되는 것은 아니며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 다양한 치환, 변형 및 변경이 가능하다.
그러므로 본 발명의 범위는 설명된 실시 예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.

Claims (16)

  1. 볼륨 데이터의 상대적으로 명도 값이 큰 복셀들로 이루어진 특징 영역을 추출하여 특징 데이터를 생성하는 특징 데이터 생성부;
    상기 특징 데이터에 역치값들을 설정하여 역치 데이터를 생성하는 역치 데이터 생성부;
    상기 역치 데이터를 이용하여 상기 볼륨 데이터를 역치 처리하는 역치 처리부; 및
    상기 역치 데이터를 이용하여 상기 역치 처리된 볼륨 데이터의 상대적으로 명도 값이 큰 복셀들로 이루어진 특징 영역을 강조하는 특징 강조부
    를 구비하는 볼륨 데이터 처리 장치.
  2. 제 1항에 있어서,
    상기 특징 데이터 생성부는 DoG 알고리즘, LoG 알고리즘, 및 DoH 알고리즘 중 어느 하나의 알고리즘을 이용하여 상기 특징 영역을 추출하는
    볼륨 데이터 처리 장치.
  3. 제 1항에 있어서,
    상기 역치 데이터 생성부는 역치 필터를 이용하여 상기 특징 데이터를 역치 처리하고, 상기 역치 처리된 특징 데이터의 각 복셀에 대하여 사전 설정된 사이즈의 마스크로 평균처리함으로써 상기 역치값들을 설정하는
    볼륨 데이터 처리 장치.
  4. 제 3항에 있어서,
    상기 역치 필터는 사전 설정된 좌우 구간을 가지고, 그 좌우 구간에서 필터의 값들이 점진적으로 감소하는 구성으로 이루어진
    볼륨 데이터 처리 장치.
  5. 제 4항에 있어서,
    상기 역치 처리는 상기 특징 데이터의 0을 초과하는 값을 지니는 각 최외곽 복셀들 및 그들의 좌우 구간에 적용되는
    볼륨 데이터 처리 장치.
  6. 제 1항에 있어서,
    상기 역치 처리부는 상기 역치 데이터의 각 복셀의 값과 그에 대응하는 상기 볼륨 데이터의 복셀의 값 중에서, 더 큰 값을 상기 볼륨 데이터의 복셀에 할당함으로써 역치 처리하는
    볼륨 데이터 처리 장치.
  7. 제 1항에 있어서,
    상기 특징 강조부는 소벨 오퍼레이터, 미분 에지 디텍션, 및 캐니 에지 디텍터 중 어느 하나를 이용하여 상기 볼륨 데이터의 특징을 강조하는
    볼륨 데이터 처리 장치.
  8. 제 1항 내지 제 7항 중 어느 한 항에 있어서,
    상기 특징 영역이 강조된 볼륨 데이터를 가우시안 처리하고,
    상기 가우시안 처리된 볼륨 데이터의 각 복셀에 대하여, 그 복셀과 좌우에 위치하는 복셀 중 가장 낮은 값으로 할당함으로써,
    상기 특징이 강조된 볼륨 데이터의 노이즈를 제거하는 노이즈 제거부를 더 포함하는
    볼륨 데이터 처리 장치.
  9. (a) 볼륨 데이터의 상대적으로 명도 값이 큰 복셀들로 이루어진 특징 영역을 추출하여 특징 데이터를 생성하는 단계;
    (b) 상기 특징 데이터에 역치값들을 설정하여 역치 데이터를 생성하는 단계;
    (c) 상기 역치 데이터를 이용하여 상기 볼륨 데이터를 역치 처리하는 단계; 및
    (d) 상기 역치 데이터를 이용하여 상기 역치 처리된 볼륨 데이터의 상대적으로 명도 값이 큰 복셀들로 이루어진 특징 영역을 강조하는 단계
    를 구비하는 볼륨 데이터 처리 방법.
  10. 제 9항에 있어서,
    상기 (a) 단계는 DoG 알고리즘, LoG 알고리즘, 및 DoH 알고리즘 중 어느 하나의 알고리즘을 이용하여 상기 특징 영역을 추출하는
    볼륨 데이터 처리 방법.
  11. 제 9항에 있어서,
    상기 (b) 단계는 역치 필터를 이용하여 상기 특징 데이터를 역치 처리하는 단계; 및
    상기 역치 처리된 특징 데이터의 각 복셀에 대하여 사전 설정된 사이즈의 마스크로 평균처리함으로써 상기 역치값들을 설정하는 단계;
    를 포함하는 볼륨 데이터 처리 방법.
  12. 제 11항에 있어서,
    상기 역치 필터는 사전 설정된 좌우 구간을 가지고, 그 좌우 구간에서 필터의 값들이 점진적으로 감소하는 구성으로 이루어진
    볼륨 데이터 처리 방법.
  13. 제 12항에 있어서,
    상기 역치 처리는 상기 특징 데이터의 0을 초과하는 값을 지니는 각 최외곽 복셀들 및 그들의 좌우 구간에 적용되는
    볼륨 데이터 처리 방법.
  14. 제 9항에 있어서,
    상기 (c) 단계는 상기 역치 데이터의 각 복셀의 값과 그에 대응하는 상기 볼륨 데이터의 복셀의 값 중에서, 더 큰 값을 상기 볼륨 데이터의 복셀에 할당함으로써 역치 처리하는
    볼륨 데이터 처리 방법.
  15. 제 9항에 있어서,
    상기 (d) 단계는 소벨 오퍼레이터, 미분 에지 디텍션, 및 캐니 에지 디텍터 중 어느 하나를 이용하여 상기 볼륨 데이터의 특징을 강조하는
    볼륨 데이터 처리 방법.
  16. 제 9항 내지 제 15항 중 어느 한 항에 있어서,
    상기 특징 영역이 강조된 볼륨 데이터를 가우시안 처리하고,
    상기 가우시안 처리된 볼륨 데이터의 각 복셀에 대하여, 그 복셀과 좌우에 위치하는 복셀 중 가장 낮은 값으로 할당함으로써,
    상기 특징 영역이 강조된 볼륨 데이터의 노이즈를 제거하는 단계를 더 구비하는
    볼륨 데이터 처리 방법.
KR1020150120950A 2015-08-27 2015-08-27 의료용 볼륨 데이터 처리 장치 및 방법 KR20170025067A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020150120950A KR20170025067A (ko) 2015-08-27 2015-08-27 의료용 볼륨 데이터 처리 장치 및 방법
US15/250,868 US20170061676A1 (en) 2015-08-27 2016-08-29 Processing medical volume data

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150120950A KR20170025067A (ko) 2015-08-27 2015-08-27 의료용 볼륨 데이터 처리 장치 및 방법

Publications (1)

Publication Number Publication Date
KR20170025067A true KR20170025067A (ko) 2017-03-08

Family

ID=58104163

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150120950A KR20170025067A (ko) 2015-08-27 2015-08-27 의료용 볼륨 데이터 처리 장치 및 방법

Country Status (2)

Country Link
US (1) US20170061676A1 (ko)
KR (1) KR20170025067A (ko)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6973219B2 (en) * 2001-11-21 2005-12-06 Ge Medical Systems Global Technology Company, Llc Segmentation driven image noise reduction filter
US7162073B1 (en) * 2001-11-30 2007-01-09 Cognex Technology And Investment Corporation Methods and apparatuses for detecting classifying and measuring spot defects in an image of an object
US9324003B2 (en) * 2009-09-14 2016-04-26 Trimble Navigation Limited Location of image capture device and object features in a captured image
US8233586B1 (en) * 2011-02-17 2012-07-31 Franz Edward Boas Iterative reduction of artifacts in computed tomography images using forward projection and an edge-preserving blur filter
US9401017B2 (en) * 2014-05-05 2016-07-26 Wisconsin Alumni Research Foundation Systems and methods for semi-automated segmentation of medical images
US9964499B2 (en) * 2014-11-04 2018-05-08 Toshiba Medical Systems Corporation Method of, and apparatus for, material classification in multi-energy image data

Also Published As

Publication number Publication date
US20170061676A1 (en) 2017-03-02

Similar Documents

Publication Publication Date Title
US11062449B2 (en) Method and system for extracting vasculature
Park et al. Skull stripping based on region growing for magnetic resonance brain images
Manniesing et al. Vessel enhancing diffusion: A scale space representation of vessel structures
JP4413504B2 (ja) 医用画像処理装置、医用画像処理方法および医用画像処理プログラム
JP5039310B2 (ja) 脳内出血部位セグメンテーション装置
Luo et al. Vision-based surgical field defogging
CN106911904B (zh) 图像处理方法、图像处理系统及成像系统
US9117291B2 (en) Image processing apparatus, image processing method, and non-transitory storage medium
CN104240271B (zh) 医用图像处理装置
JP2011120897A (ja) 医用画像中の人工物体を抑制するためのシステムおよび方法
JP5654561B2 (ja) 輪郭形成のための自動コントラスト増強法
WO2007105107A2 (en) Methods, apparatus and computer-readable media for image segmentation
JP4869223B2 (ja) 医療画像の利用可能性を自動的に改善するための方法およびシステム
Dawood et al. The importance of contrast enhancement in medical images analysis and diagnosis
JP2019515255A (ja) 医療画像処理
JP3599868B2 (ja) 人体部分抽出方法および医用装置
EP1624411A2 (en) Soft tissue filtering in medical images
Yilmaz et al. Noise removal of CBCT images using an adaptive anisotropic diffusion filter
US7609870B2 (en) Methods and systems for enhancing images
Okuwobi et al. SWM-DE: Statistical wavelet model for joint denoising and enhancement for multimodal medical images
US20100061656A1 (en) Noise reduction of an image signal
KR20170025067A (ko) 의료용 볼륨 데이터 처리 장치 및 방법
Sultana et al. Automatic segmentation of infantile hemangiomas
Shamsudeen et al. An objective function based technique for devignetting fundus imagery using MST
Setty et al. Details enhancement of MRI image using illumination and reflectance estimation