KR20170064669A - 3d cta 영상 정보를 활용한 2d xa 영상에서의 자동 혈관 구조 해석 방법, 이를 수행하기 위한 기록 매체 및 장치 - Google Patents

3d cta 영상 정보를 활용한 2d xa 영상에서의 자동 혈관 구조 해석 방법, 이를 수행하기 위한 기록 매체 및 장치 Download PDF

Info

Publication number
KR20170064669A
KR20170064669A KR1020150170391A KR20150170391A KR20170064669A KR 20170064669 A KR20170064669 A KR 20170064669A KR 1020150170391 A KR1020150170391 A KR 1020150170391A KR 20150170391 A KR20150170391 A KR 20150170391A KR 20170064669 A KR20170064669 A KR 20170064669A
Authority
KR
South Korea
Prior art keywords
image
blood vessel
cta
region
interest
Prior art date
Application number
KR1020150170391A
Other languages
English (en)
Other versions
KR101785293B1 (ko
Inventor
이정진
박태용
신용빈
임선혜
구교영
Original Assignee
숭실대학교산학협력단
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 숭실대학교산학협력단 filed Critical 숭실대학교산학협력단
Priority to KR1020150170391A priority Critical patent/KR101785293B1/ko
Publication of KR20170064669A publication Critical patent/KR20170064669A/ko
Application granted granted Critical
Publication of KR101785293B1 publication Critical patent/KR101785293B1/ko

Links

Images

Classifications

    • 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
    • A61B6/46—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment with special arrangements for interfacing with the operator or the patient
    • A61B6/467—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment with special arrangements for interfacing with the operator or the patient characterised by special input means
    • A61B6/469—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment with special arrangements for interfacing with the operator or the patient characterised by special input means for selecting a region of interest [ROI]
    • 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
    • A61B6/46—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment with special arrangements for interfacing with the operator or the patient
    • A61B6/461—Displaying means of special interest
    • 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
    • A61B6/50—Clinical applications
    • A61B6/504—Clinical applications involving diagnosis of blood vessels, e.g. by angiography
    • 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
    • A61B6/5235—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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Surgery (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Optics & Photonics (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Vascular Medicine (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

3D CTA 영상 정보를 활용한 2D XA 영상에서의 자동 혈관 구조 해석 방법은, 동일 피검자의 2D XA(X-ray Angiogram) 영상의 혈관과 3D CTA(Computed Tomography Angiography) 영상의 혈관에 대하여 강체 정합을 수행하는 단계; 상기 2D XA 영상의 혈관과 상기 3D CTA 영상의 혈관에 대하여 각 혈관 그래프 구조를 생성하는 단계; 상기 2D XA 영상의 혈관의 혈관 그래프 구조를 상기 3D CTA 영상의 혈관의 혈관 그래프 구조와 비교하여, 상기 2D XA 영상의 혈관에서 관심 영역을 설정하는 단계; 및 상기 3D CTA 영상 정보를 이용하여 상기 관심 영역을 해석하는 단계를 포함한다. 이에 따라, 3D CTA 영상 정보를 이용한 유사성 비교를 통해 2D XA 영상에서의 혈관 구조 해석의 정확도를 높일 수 있고, 이를 이용한 정확한 시술이 가능하다.

Description

3D CTA 영상 정보를 활용한 2D XA 영상에서의 자동 혈관 구조 해석 방법, 이를 수행하기 위한 기록 매체 및 장치{METHOD FOR AUTOMATIC ANALYSIS OF VASCULAR STRUCTURES IN 2D XA IMAGES USING 3D CTA IMAGES, RECORDING MEDIUM AND DEVICE FOR PERFORMING THE METHOD}
본 발명은 3D CTA 영상 정보를 활용한 2D XA 영상에서의 자동 혈관 구조 해석 방법, 이를 수행하기 위한 기록 매체 및 장치에 관한 것으로서, 더욱 상세하게는 2D XA(X-ray Angiogram) 영상의 혈관 구조를 자동으로 파악하기 위해 정합 기술을 기반으로 3D CTA(Computed Tomography Angiography) 영상의 정보를 활용한 자동 혈관 구조 해석 기법에 관한 것이다.
의료 분야에서는 진단 및 치료를 위하여 1차원 영상(EKG 등), 2차원 영상(X-ray, 초음파 영상 등), 3차원 영상(CT, MRI, PET 등)이 사용되고 있다. 또한, 정지된 영상뿐만 아니라 시간에 따라 움직이는 3D(2D+t), 4D(3D+t) 영상이 사용되고 있다. 이러한 의료 분야에서 영상 기술의 발전은 진단 및 치료 정확성을 향상하는 장점이 있지만, 영상의 데이터량이 방대하여 의사들이 일일이 확인하기 어렵다는 단점이 있다.
이러한 단점을 보완하기 위하여 컴퓨터를 이용한 보조 기술의 연구가 활발히 수행되고 있다. 특히 최근 관상동맥 질환 환자가 급격하게 증가하면서, 이 질환의 진단 및 치료 과정에 도움을 주는 컴퓨터 보조 기술의 필요성도 증가하고 있다. 관상동맥 질환은 관상동맥에 노폐물이 생겨 혈관이 좁아지거나 폐쇄되어 심근에 대사요구를 충족시키지 못하여 발생하는 질환으로, 최근 서구식 식생활, 평균 수명의 연장, 운동 부족 등의 원인으로 급격하게 증가하고 있다.
관상동맥 질환에 대한 대표적 치료방법은 금속 그물망인 스텐트를 병변에 삽입하여 전개시킴으로써 협착을 완화시키는 스텐트 삽입술이다. 스텐트 삽입술은 비수술적 치료방법으로 최소한의 절개와 마취, 침습적 조작을 이용하기 때문에 환자가 느끼는 육체적, 정신적, 경제적 부담이 적다는 장점이 있다.
하지만, 시술 시 삼차원 구조 파악은 2D XA(X-ray Angiogram) 영상에 의존하여 의료진의 직관과 촉감적 피드백에 좌우되기 때문에, 고난이도 시술의 정확성을 담보하기 어렵다. 그리고 이로 인해 체내 삽입기구의 부정확한 위치삽입 또는 이탈 등의 합병증이 발생할 수 있다는 단점이 있다.
이러한 단점을 보완하기 위하여 2D+t XA(X-ray Angiogram), 3D+t CTA(Computed Tomography Angiography) 영상 등의 많은 정보를 자동으로 처리하고, 이를 활용하는 시술 보조 기술에 대한 연구가 필요하다.
US 2014-0032197 A KR 2015-0115438 A KR 1485899 B1
박태용 외 3명, 수술 중 촬영된 2D XA 영상과 수술 전 촬영된 3D CTA 영상의 고속 강체 정합 기법, Journal of Korea Multimedia Society Vol. 16, No. 12, December 2013, pp. 1454-1464
이에, 본 발명의 기술적 과제는 이러한 점에서 착안된 것으로 본 발명의 목적은 3D CTA 영상 정보를 활용한 2D XA 영상에서의 자동 혈관 구조 해석 방법을 제공하는 것이다.
본 발명의 다른 목적은 상기 3D CTA 영상 정보를 활용한 2D XA 영상에서의 자동 혈관 구조 해석 방법을 수행하기 위한 컴퓨터 프로그램이 기록된 기록 매체를 제공하는 것이다.
본 발명의 또 다른 목적은 상기 3D CTA 영상 정보를 활용한 2D XA 영상에서의 자동 혈관 구조 해석 방법을 수행하기 위한 장치를 제공하는 것이다.
상기한 본 발명의 목적을 실현하기 위한 일 실시예에 따른 3D CTA 영상 정보를 활용한 2D XA 영상에서의 자동 혈관 구조 해석 방법은, 동일 피검자의 2D XA(X-ray Angiogram) 영상의 혈관과 3D CTA(Computed Tomography Angiography) 영상의 혈관에 대하여 강체 정합을 수행하는 단계; 상기 2D XA 영상의 혈관과 상기 3D CTA 영상의 혈관에 대하여 각 혈관 그래프 구조를 생성하는 단계; 상기 2D XA 영상의 혈관의 혈관 그래프 구조를 상기 3D CTA 영상의 혈관의 혈관 그래프 구조와 비교하여, 상기 2D XA 영상의 혈관에서 관심 영역을 설정하는 단계; 및 상기 3D CTA 영상 정보를 이용하여 상기 관심 영역을 해석하는 단계를 포함한다.
본 발명의 실시예에서, 상기 3D CTA 영상 정보를 이용하여 상기 관심 영역을 해석하는 단계는, 상기 관심 영역에서 상기 2D XA 영상으로부터 추출된 혈관 정보를 이용하여 변경 가능한 모든 경우의 수의 혈관 그래프 구조 모델을 생성하는 단계; 및 상기 모든 경우의 수의 혈관 그래프 구조 모델을 각각 강체 정합된 상기 3D CTA 영상과 유사도를 측정하는 단계를 포함할 수 있다.
본 발명의 실시예에서, 상기 3D CTA 영상 정보를 이용하여 상기 관심 영역을 해석하는 단계는, 상기 관심 영역의 하위 영역의 변경 가능한 모든 경우의 수의 혈관 그래프 구조 모델을 생성하는 단계를 더 포함할 수 있다.
본 발명의 실시예에서, 상기 3D CTA 영상 정보를 이용하여 상기 관심 영역을 해석하는 단계는, 상기 모든 경우의 수의 혈관 그래프 구조 모델 중 상기 3D CTA 영상과 가장 근접한 혈관 그래프 구조를 도출하는 단계를 더 포함할 수 있다.
본 발명의 실시예에서, 상기 3D CTA 영상 정보를 이용하여 상기 관심 영역을 해석하는 단계는, 미리 설정된 유사도 임계값보다 작은 경우 불확실한 정보로 가정하는 단계를 더 포함할 수 있다.
본 발명의 실시예에서, 상기 3D CTA 영상 정보를 이용하여 상기 관심 영역을 해석하는 단계는, 상기 2D XA 영상의 혈관의 그래프 구조를 상기 3D CTA 영상의 혈관의 그래프 구조와 비교하여 해석할 수 있다.
본 발명의 실시예에서, 상기 2D XA 영상의 혈관에서 관심 영역을 설정하는 단계는, 상기 2D XA 영상의 혈관에서 순환구조, 상기 3D CTA 영상의 혈관의 그래프 구조에 존재하지 않는 구조 및 상기 3D CTA 영상의 혈관의 그래프 구조와 다른 구조 중 적어도 하나를 관심 영역으로 설정할 수 있다.
상기한 본 발명의 다른 목적을 실현하기 위한 일 실시예에 따른 컴퓨터로 판독 가능한 저장 매체에는, 3D CTA 영상 정보를 활용한 2D XA 영상에서의 자동 혈관 구조 해석 방법을 수행하기 위한 컴퓨터 프로그램이 기록되어 있다.
상기한 본 발명의 또 다른 목적을 실현하기 위한 일 실시예에 3D CTA 영상 정보를 활용한 2D XA 영상에서의 자동 혈관 구조 해석 장치는, 동일 피검자의 2D XA(X-ray Angiogram) 영상의 혈관과 3D CTA(Computed Tomography Angiography) 영상의 혈관에 대하여 강체 정합을 수행하는 강체 정합부; 상기 2D XA 영상의 혈관과 상기 3D CTA 영상의 혈관에 대하여 각 혈관 그래프 구조를 생성하는 혈관 그래프 구조 생성부; 상기 2D XA 영상의 혈관의 혈관 그래프 구조를 상기 3D CTA 영상의 혈관의 혈관 그래프 구조와 비교하여, 상기 2D XA 영상의 혈관에서 관심 영역을 설정하는 관심 영역 설정부; 및 상기 3D CTA 영상 정보를 이용하여 상기 관심 영역을 해석하는 관심 영역 해석부를 포함한다.
본 발명의 실시예에서, 상기 관심 영역을 해석부는, 상기 관심 영역에서 상기 2D XA 영상으로부터 추출된 혈관 정보를 이용하여 변경 가능한 모든 경우의 수의 혈관 그래프 구조 모델을 생성하는 모델 생성부; 상기 모든 경우의 수의 혈관 그래프 구조 모델을 각각 강체 정합된 상기 3D CTA 영상과 유사도를 측정하는 유사도 측정부; 및 상기 모든 경우의 수의 혈관 그래프 구조 모델 중 상기 3D CTA 영상과 가장 근접한 혈관 그래프 구조를 도출하는 도출부를 포함할 수 있다.
이와 같은 2D XA 영상에서의 자동 혈관 구조 해석 방법에 따르면, 제한된 2D XA 영상 정보를 보완하기 위해 동일 환자의 3D CTA 영상 정보를 이용한 유사성 비교를 통해 혈관의 구조를 해석한다. 따라서, 2D XA 영상에서의 혈관 구조 해석의 정확도를 높일 수 있고, 이를 이용한 정확한 시술이 가능하다. 또한, 나날이 증가하는 수많은 의료 데이터를 사전에 자동으로 영상처리를 수행하여 의료진에게 도움을 줄 수 있는 시술 보조 기술로 사용 가능하다.
도 1은 본 발명의 일 실시예에 따른 2D XA 영상에서의 자동 혈관 구조 해석 장치의 블록도이다.
도 2는 도 1의 2D XA 영상에서의 자동 혈관 구조 해석 장치의 관심 영역 해석부의 상세 블록도이다.
도 3은 강체 정합시 시뮬레이션 기법을 설명하는 개념도이다.
도 4는 2D XA 영상에서의 혈관 그래프 구조를 생성하는 것을 설명하는 도면이다.
도 5는 3D CTA 영상에서의 혈관 그래프 구조를 생성하는 것을 설명하는 도면이다.
도 6은 2D XA 영상의 혈관에서 관심 영역을 설정하는 것을 설명하는 도면이다.
도 7 내지 도 10은 도 6의 관심 영역의 해석을 위해 생성한 혈관 그래프 구조 모델을 보여주는 도면들이다.
도 11은 도 6의 관심 영역의 가능한 모든 혈관 그래프 구조의 예를 보여주는 도면들이다.
도 12는 본 발명의 일 실시예에 따른 2D XA 영상에서의 자동 혈관 구조 해석 방법의 흐름도이다.
도 13은 도 12의 3D CTA 영상 정보를 이용하여 관심 영역을 해석하는 단계의 상세한 흐름도이다.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시예에 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시예로 구현될 수 있다. 또한, 각각의 개시된 실시예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.
이하, 도면들을 참조하여 본 발명의 바람직한 실시예들을 보다 상세하게 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 2D XA 영상에서의 자동 혈관 구조 해석 장치의 블록도이다. 도 2는 도 1의 2D XA 영상에서의 자동 혈관 구조 해석 장치의 관심 영역 해석부의 상세 블록도이다.
본 발명에 따른 2D XA 영상에서의 자동 혈관 구조 해석 장치(10, 이하 장치)는 동일 환자의 3D CTA(Computed Tomography Angiography) 영상 정보를 활용하여 2D XA(X-ray Angiogram) 영상의 혈관 구조를 자동으로 해석한다.
도 1을 참조하면, 본 발명에 따른 장치(10)는 강체 정합부(110), 혈관 그래프 구조 생성부(130), 관심 영역 설정부(150) 및 관심 영역 해석부(170)를 포함한다.
상기 강체 정합부(110)는 동일 피검자의 2D XA(X-ray Angiogram) 영상의 혈관과 3D CTA(Computed Tomography Angiography) 영상의 혈관에 대하여 강체 정합을 수행한다. 상기 혈관 그래프 구조 생성부(130)는 상기 2D XA 영상의 혈관과 상기 3D CTA 영상의 혈관에 대하여 각 혈관 그래프 구조를 생성한다.
상기 관심 영역 설정부(150)는 상기 2D XA 영상의 혈관의 혈관 그래프 구조를 상기 3D CTA 영상의 혈관의 혈관 그래프 구조와 비교하여, 상기 2D XA 영상의 혈관에서 관심 영역을 설정한다. 상기 관심 영역 해석부(170)는 상기 3D CTA 영상 정보를 이용하여 상기 관심 영역을 해석한다.
도 2를 참조하면, 상기 관심 영역 해석부(170)는 상기 관심 영역에서 상기 2D XA 영상으로부터 추출된 혈관 정보를 이용하여 변경 가능한 모든 경우의 수의 혈관 그래프 구조 모델을 생성하는 모델 생성부(171), 상기 모든 경우의 수의 혈관 그래프 구조 모델을 각각 강체 정합된 상기 3D CTA 영상과 유사도를 측정하는 유사도 측정부(173) 및 상기 모든 경우의 수의 혈관 그래프 구조 모델 중 상기 3D CTA 영상과 가장 근접한 혈관 그래프 구조를 도출하는 도출부(175)를 포함한다.
상기 각 구성의 자세한 설명은 후술한다.
본 발명의 상기 장치(10)는 3D CTA 영상 정보를 활용한 2D XA 영상에서의 자동 혈관 구조 해석을 수행하기 위한 소프트웨어(애플리케이션)가 설치되어 실행될 수 있으며, 상기 강체 정합부(110), 상기 혈관 그래프 구조 생성부(130), 상기 관심 영역 설정부(150) 및 상기 관심 영역 해석부(170)의 구성은 상기 장치(10)에서 실행되는 상기 3D CTA 영상 정보를 활용한 2D XA 영상에서의 자동 혈관 구조 해석을 수행하기 위한 소프트웨어에 의해 제어될 수 있다.
상기 장치(10)는 별도의 단말이거나 또는 단말의 일부 모듈일 수 있다. 또한, 상기 강체 정합부(110), 상기 혈관 그래프 구조 생성부(130), 상기 관심 영역 설정부(150) 및 상기 관심 영역 해석부(170)의 구성은 통합 모듈로 형성되거나, 하나 이상의 모듈로 이루어 질 수 있다. 그러나, 이와 반대로 각 구성은 별도의 모듈로 이루어질 수도 있다.
상기 장치(10)는 이동성을 갖거나 고정될 수 있다. 상기 장치(10)는, 서버(server) 또는 엔진(engine) 형태일 수 있으며, 디바이스(device), 기구(apparatus), 단말(terminal), UE(user equipment), MS(mobile station), 무선기기(wireless device), 휴대기기(handheld device) 등 다른 용어로 불릴 수 있다.
상기 장치(10)는 운영체제(Operation System; OS), 즉 시스템을 기반으로 다양한 소프트웨어를 실행하거나 제작할 수 있다. 상기 운영체제는 소프트웨어가 장치의 하드웨어를 사용할 수 있도록 하기 위한 시스템 프로그램으로서, 안드로이드 OS, iOS, 윈도우 모바일 OS, 바다 OS, 심비안 OS, 블랙베리 OS 등 모바일 컴퓨터 운영체제 및 윈도우 계열, 리눅스 계열, 유닉스 계열, MAC, AIX, HP-UX 등 컴퓨터 운영체제를 모두 포함할 수 있다.
본 발명에 따른 상기 장치(10)는 2D XA 영상의 혈관 구조를 파악하기 위해, 동일 환자에 대해 미리 획득된 3D CTA 영상 정보를 이용하여 2D XA 영상의 혈관과 3D CTA 영상의 혈관을 강체 정합하고, 혈관의 그래프 구조를 생성 및 분석한 후 혈관 간의 유사성을 비교한다.
상기 강체 정합부(110)는 동일 피검자의 2D XA 영상의 혈관과 3D CTA 영상의 혈관에 대하여 강체 정합을 수행한다. 본 발명에서는 2D XA 영상의 해석에 있어 다른 양식(modality)인 3D CTA 영상을 참고하므로, 서로 다른 양식 간 정합을 위해서는 먼저 정합 공간의 일치를 선행해야 한다.
이를 위하여, 도 3을 참조하면, 상기 강체 정합부(110)는 3D CTA 영상의 혈관을 XA 영상 촬영 장비인 C-arm으로부터 획득되는 Dicom 정보를 이용하여 2D XA 영상이 획득 될 당시와 동일하게 가상 시뮬레이션(simulation) 환경을 만들어서 적용하여 수행한다.
Dicom 정보를 이용하여 2D XA 영상이 획득 될 당시와 완벽하게 동일한 환경을 적용하더라도 촬영 장비의 프로토콜, 환자의 자세, 심장 박동과 호흡 등에 영향을 받아 오차가 발생할 수 있다. 이러한 오차를 줄이기 위하여 최적화 기법을 적용한 강체 변환을 수행함으로써 정밀 정합을 수행할 수 있다.
상기 혈관 그래프 구조 생성부(130)는 상기 2D XA 영상의 혈관과 상기 3D CTA 영상의 혈관에 대하여 각 혈관 그래프 구조를 생성한다.
2D XA 영상은 X선을 실제 심장에 투과하여 보여주는 투영(Projection)된 영상으로, 투영 과정에서 깊이(depth) 정보가 사라짐으로 인해 혈관이 겹쳐져 보이지 않는 부분이 발생하거나 왜곡되는 등의 문제가 발생할 수 있다. 이는 혈관의 구조를 파악하기 어렵다는 문제를 발생시킨다. 이러한 문제점을 해결하기 위하여 3D CTA 영상의 토폴로지(Topology) 정보를 이용한 2D XA 영상의 혈관 구조 해석을 통하여 2D XA 영상의 혈관 구조 파악을 돕고자 한다.
2D XA 영상의 혈관 구조는 겹쳐지거나 가려짐으로 인하여 매우 복잡한 구조를 가지고 있기 때문에, 보다 용이한 해석을 위해서 혈관 구조의 복잡성(Complexity)을 낮추는 작업이 필요하다. 이를 위하여 복잡한 혈관의 구조를 그래프 구조로 생성한다.
혈관 그래프 구조는 혈관을 트리(tree)의 브랜치(branch) 형상으로 나타내는 것이다. 이러한 기법을 통해, 도 4를 참조하면 2D XA 영상에서의 혈관의 분기점과 연결을 나타내는 혈관 그래프 구조를 생성하고, 이와 별도로 도 5를 참조하면 3D CTA 영상에서의 혈관의 연결과 분기를 나타내는 혈관 그래프 구조를 생성한다.
상기 2D XA 영상의 혈관의 혈관 그래프 구조 및 상기 3D CTA 영상의 혈관의 혈관 그래프 구조가 각각 생성되면, 상기 관심 영역 설정부(150)는 상기 2D XA 영상의 혈관의 혈관 그래프 구조를 상기 3D CTA 영상의 혈관의 혈관 그래프 구조와 비교하여, 상기 2D XA 영상의 혈관에서 관심 영역(Region of Interesting, 이하 ROI)을 설정한다.
상기 혈관 그래프 구조 생성부(130)에서 생성된 혈관 그래프 구조는 각 노드와 에지(edge)들의 관계 파악과 그래프 간 비교가 용이하다는 점을 이용한다. 예를 들어, 상기 2D XA 영상의 혈관에서 순환 구조가 발생하거나 3D CTA 영상으로부터 생성된 그래프 구조에 존재하지 않는 구조가 발생하였을 경우 및 상기 3D CTA 영상의 혈관의 그래프 구조와 다른 구조가 발생한 경우 등에 해당 영역을 ROI로 지정한다(도 6 참조).
상기 관심 영역 해석부(190)는 상기 3D CTA 영상 정보를 이용하여 상기 ROI를 해석한다. 즉, 상기 관심 영역 해석부(190)는 혈관 간의 유사성 비교 과정을 수행하는데, 상기 지정된 ROI는 3D CTA 영상으로부터 생성된 혈관 그래프 구조와 2D XA 영상으로부터 생성된 혈관 그래프 구조의 비교를 통하여 비교적 간단한 방법으로 해석이 가능할 수도 있다.
그러나, 대부분의 경우 해석을 하기 어려운 문제가 발행할 수 있다. 이러한 ROI를 해석하기 위하여 먼저 모델 생성부(171)는 2D XA 영상으로부터 추출된 혈관 및 혈관 정보들을 이용하여 변경될 수 있는 모든 경우의 수를 가정함으로써 변경될 수 있는 모든 혈관 그래프 구조 모델들을 생성한다. 또한, ROI의 구조 변환은 하위 영역에 영향을 끼칠 수 있기 때문에 ROI의 하위 영역의 변경 가능한 모든 경우의 수를 적용한 모델을 추가로 생성한다.
도 7 내지 도 10을 참조하면, 관심 영역의 해석을 위해 생성한 혈관 그래프 구조 모델의 예들을 나타낸다.
도 7을 참조하면, 도 6의 ROI에서 분지점이 존재한다고 가정한 경우로서, 혈관 B의 끝점 또는 혈관 일부가 혈관 A에 가려져 보이지 않는 경우의 혈관 그래프 구조 모델을 생성한 것이다.
도 8을 참조하면, 도 6의 ROI에서 분지점이 존재한다고 가정한 경우로서, 혈관 A의 끝점 또는 혈관 일부가 혈관 B에 가려져서 보이지 않는 경우의 혈관 그래프 구조 모델을 생성한 것이다.
도 9를 참조하면, 도 6의 ROI에서 분지점이 존재하지 않는다고 가정한 경우로서, 혈관 A와 혈관 B가 매우 근접하여 접점이 발생한 경우로 가짜 분지점이 발생한 경우의 혈관 그래프 구조 모델을 생성한 것이다.
도 10을 참조하면, 도 6의 ROI에서 분지점이 존재하지 않는다고 가정한 경우로서, 혈관 A와 혈관 B의 교차점이 발생한 경우로서 가짜 분지점이 발생한 경우의 혈관 그래프 구조 모델을 생성한 것이다.
도 11을 참조하면, 도 6의 ROI의 하위 영역의 변경 가능한 모든 경우의 수를 적용한 모델을 추가로 생성한 혈관 그래프 구조 모델 세트를 나타낸다.
상기 유사도 측정부(173)는 생성된 모든 혈관 그래프 구조 모델들 중 최적의 해와 가장 유사한 답을 이끌어 내기 위해 최적의 해와 가장 유사한 3D CTA 영상 정보를 이용하여 2D XA 영상 정보와 유사성 비교를 수행한다.
유사성 비교는 상기 강체 정합부(110)에서 수행된 강체 정합된 결과를 이용하여 3D 혈관과 인접한 2D 혈관에 대해 수행된다. 인접한 혈관 간의 유사도 측정은 그래프 구조를 기반으로 혈관의 centerline, ellipse, gradient, intensity, vesselness value 등의 추가 정보를 활용하여 2D XA 영상으로부터 추출된 혈관과 3D CTA 영상으로부터 추출된 혈관의 유사도를 측정한다.
상기 도출부(175)는 상기 유사도 측정부(173)에서 측정된 유사도 비교 결과를 이용하여 그래프 구조의 최적의 해와 가장 근접한 결론을 도출한다. 예를 들어, 상기 3D CTA 영상과 유사도가 가장 높은 혈관 그래프 구조 모델이 결과로 도출될 수 있다.
3D CTA 영상 정보를 이용하더라도 2D XA 영상의 혈관 구조를 완벽하게 파악할 수 없는 경우도 존재하기 때문에, 유사도 측정 결과 미리 설정된 유사도 임계값(Threshold) 보다 작은 경우 불확실한 정보로 가정하여 그에 따른 결과를 최종 결과 값으로 제공한다.
이와 같이 본 발명은, 3D 데이터만을 이용한 보조 기술로써 단일 양식(modality)을 사용하는 종래 기술과 달리, 서로 다른 양식을 사용하였다. 즉, 정보의 손실과 왜곡이 심한 2D XA 영상을 보완하기 위하여 동일 환자의 3D CTA 영상을 이용하여 유사성 비교를 통해 정확한 혈관 구조 분석을 수행할 수 있다.
도 12는 본 발명의 일 실시예에 따른 2D XA 영상에서의 자동 혈관 구조 해석 방법의 흐름도이다. 도 13은 도 12의 3D CTA 영상 정보를 이용하여 관심 영역을 해석하는 단계의 상세한 흐름도이다.
본 실시예에 따른 2D XA 영상에서의 자동 혈관 구조 해석 방법은, 도 1의 장치(10)와 실질적으로 동일한 구성에서 진행될 수 있다. 따라서, 도 1의 장치(10)와 동일한 구성요소는 동일한 도면부호를 부여하고, 반복되는 설명은 생략한다. 또한, 본 실시예에 따른 2D XA 영상에서의 자동 혈관 구조 해석 방법은 2D XA 영상에서의 자동 혈관 구조 해석을 수행하기 위한 소프트웨어(애플리케이션)에 의해 실행될 수 있다.
도 12를 참조하면, 본 실시예에 따른 2D XA 영상에서의 자동 혈관 구조 해석 방법은 동일 피검자의 2D XA(X-ray Angiogram) 영상의 혈관과 3D CTA(Computed Tomography Angiography) 영상의 혈관에 대하여 강체 정합을 수행한다(단계 S10).
본 발명에서는 2D XA 영상의 해석에 있어 다른 양식(modality)인 3D CTA 영상을 참고하므로, 서로 다른 양식 간 정합을 위해서는 먼저 정합 공간의 일치를 선행해야 한다.
이를 위하여, 도 3을 참조하면, 3D CTA 영상의 혈관을 XA 영상 촬영 장비인 C-arm으로부터 획득되는 Dicom 정보를 이용하여 2D XA 영상이 획득 될 당시와 동일하게 가상 시뮬레이션(simulation) 환경을 만들어서 적용하여 수행한다.
Dicom 정보를 이용하여 2D XA 영상이 획득 될 당시와 완벽하게 동일한 환경을 적용하더라도 촬영 장비의 프로토콜, 환자의 자세, 심장 박동과 호흡 등에 영향을 받아 오차가 발생할 수 있다. 이러한 오차를 줄이기 위하여 최적화 기법을 적용한 강체 변환을 수행함으로써 정밀 정합을 수행할 수 있다.
강체 정합이 완료되면, 상기 2D XA 영상의 혈관과 상기 3D CTA 영상의 혈관에 대하여 각 혈관 그래프 구조를 생성한다(단계 S30).
2D XA 영상은 X선을 실제 심장에 투과하여 보여주는 투영(Projection)된 영상으로, 투영 과정에서 깊이(depth) 정보가 사라짐으로 인해 혈관이 겹쳐져 보이지 않는 부분이 발생하거나 왜곡되는 등의 문제가 발생할 수 있다. 이는 혈관의 구조를 파악하기 어렵다는 문제를 발생시킨다. 이러한 문제점을 해결하기 위하여 3D CTA 영상의 토폴로지(Topology) 정보를 이용한 2D XA 영상의 혈관 구조 해석을 통하여 2D XA 영상의 혈관 구조 파악을 돕고자 한다.
2D XA 영상의 혈관 구조는 겹쳐지거나 가려짐으로 인하여 매우 복잡한 구조를 가지고 있기 때문에, 보다 용이한 해석을 위해서 혈관 구조의 복잡성(Complexity)을 낮추는 작업이 필요하다. 이를 위하여 복잡한 혈관의 구조를 그래프 구조로 생성한다.
혈관 그래프 구조는 혈관을 트리(tree)의 브랜치(branch) 형상으로 나타내는 것이다. 이러한 기법을 통해, 도 4를 참조하면 2D XA 영상에서의 혈관의 분기점과 연결을 나타내는 혈관 그래프 구조를 생성하고, 이와 별도로 도 5를 참조하면 3D CTA 영상에서의 혈관의 연결과 분기를 나타내는 혈관 그래프 구조를 생성한다.
상기 2D XA 영상의 혈관의 혈관 그래프 구조 및 상기 3D CTA 영상의 혈관의 혈관 그래프 구조가 각각 생성되면, 상기 2D XA 영상의 혈관의 혈관 그래프 구조를 상기 3D CTA 영상의 혈관의 혈관 그래프 구조와 비교하여, 상기 2D XA 영상의 혈관에서 관심 영역(Region of Interesting, 이하 ROI)을 설정한다(단계 S50).
상기 생성된 혈관 그래프 구조는 각 노드와 에지(edge)들의 관계 파악과 그래프 간 비교가 용이하다는 점을 이용한다. 예를 들어, 상기 2D XA 영상의 혈관에서 순환 구조가 발생하거나 3D CTA 영상으로부터 생성된 그래프 구조에 존재하지 않는 구조가 발생하였을 경우 및 상기 3D CTA 영상의 혈관의 그래프 구조와 다른 구조가 발생한 경우 등에 해당 영역을 ROI로 지정한다(도 6 참조).
ROI가 지정되면, 상기 3D CTA 영상 정보를 이용하여 상기 ROI를 해석한다(단계 S70). 즉, 혈관 간의 유사성 비교 과정을 수행하는데, 상기 지정된 ROI는 3D CTA 영상으로부터 생성된 혈관 그래프 구조와 2D XA 영상으로부터 생성된 혈관 그래프 구조의 비교를 통하여 비교적 간단한 방법으로 해석이 가능할 수도 있다.
그러나, 대부분의 경우 해석을 하기 어려운 문제가 발행할 수 있다. 이러한 ROI를 해석하기 위하여, 도 13을 참조하면, 2D XA 영상으로부터 추출된 혈관 및 혈관 정보들을 이용하여 변경될 수 있는 모든 경우의 수를 가정함으로써 변경될 수 있는 모든 혈관 그래프 구조 모델들을 생성한다(단계 S71). 또한, ROI의 구조 변환은 하위 영역에 영향을 끼칠 수 있기 때문에 ROI의 하위 영역의 변경 가능한 모든 경우의 수를 적용한 모델을 추가로 생성할 수 있다(단계 S72).
도 7 내지 도 10을 참조하면, 관심 영역의 해석을 위해 생성한 혈관 그래프 구조 모델의 예들을 나타내고, 도 11을 참조하면, 도 6의 ROI의 하위 영역의 변경 가능한 모든 경우의 수를 적용한 모델을 추가로 생성한 혈관 그래프 구조 모델 세트를 나타낸다.
상기 모든 경우의 수의 혈관 그래프 구조 모델을 각각 강체 정합된 상기 3D CTA 영상과 유사도를 측정한다(단계 S73). 즉, 상기 생성된 모든 혈관 그래프 구조 모델들 중 최적의 해와 가장 유사한 답을 이끌어 내기 위해 최적의 해와 가장 유사한 3D CTA 영상 정보를 이용하여 2D XA 영상 정보와 유사성 비교를 수행한다.
유사성 비교는 수행된 강체 정합된 결과를 이용하여 3D 혈관과 인접한 2D 혈관에 대해 수행된다. 인접한 혈관 간의 유사도 측정은 그래프 구조를 기반으로 혈관의 centerline, ellipse, gradient, intensity, vesselness value 등의 추가 정보를 활용하여 2D XA 영상으로부터 추출된 혈관과 3D CTA 영상으로부터 추출된 혈관의 유사도를 측정한다.
이어, 상기 측정된 유사도 비교 결과를 이용하여 그래프 구조의 최적의 해와 가장 근접한 결론을 도출한다(단계 S74). 예를 들어, 상기 3D CTA 영상과 유사도가 가장 높은 혈관 그래프 구조 모델이 결과로 도출될 수 있다.
3D CTA 영상 정보를 이용하더라도 2D XA 영상의 혈관 구조를 완벽하게 파악할 수 없는 경우도 존재하기 때문에, 유사도 측정 결과 미리 설정된 유사도 임계값(Threshold) 보다 작은 경우 불확실한 정보로 가정하여 그에 따른 결과를 최종 결과 값으로 제공한다.
이와 같이 본 발명은, 3D 데이터만을 이용한 보조 기술로써 단일 양식(modality)을 사용하는 종래 기술과 달리, 서로 다른 양식을 사용하였다. 즉, 정보의 손실과 왜곡이 심한 2D XA 영상을 보완하기 위하여 동일 환자의 3D CTA 영상을 이용하여 유사성 비교를 통해 정확한 혈관 구조 분석을 수행할 수 있다.
이와 같은, 2D XA 영상에서의 자동 혈관 구조 해석 방법은 애플리케이션으로 구현되거나 다양한 컴퓨터 구성요소를 통하여 수행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다.
상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것들이거니와 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다.
프로그램 명령어의 예에는, 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 상기 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상에서는 실시예들을 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
본 발명은 비강체 정합을 위한 사전 기술로 사용하여 관상 동맥 중재술(PCI) 시술 중 실시간으로 보여줄 수 있는 네비게이션 기반의 시술 보조 기술로 활용할 수 있다. 또한, 혈관 및 병변을 자동 라벨링(Labeling) 하여 환자의 진단 및 치료에 도움을 줄 수 있는 보조 기술로 활용할 수 있다. 나아가, 본 발명은 심혈관에 국한되지 않고, 다양한 혈관에 응용 가능하다.
10: 2D XA 영상에서의 자동 혈관 구조 해석 장치
110: 강체 정합부
130: 혈관 그래프 구조 생성부
150: 관심 영역 설정부
170: 관심 영역 해석부
171: 모델 생성부
173: 유사도 측정부
175: 도출부

Claims (10)

  1. 동일 피검자의 2D XA(X-ray Angiogram) 영상의 혈관과 3D CTA(Computed Tomography Angiography) 영상의 혈관에 대하여 강체 정합을 수행하는 단계;
    상기 2D XA 영상의 혈관과 상기 3D CTA 영상의 혈관에 대하여 각 혈관 그래프 구조를 생성하는 단계;
    상기 2D XA 영상의 혈관의 혈관 그래프 구조를 상기 3D CTA 영상의 혈관의 혈관 그래프 구조와 비교하여, 상기 2D XA 영상의 혈관에서 관심 영역을 설정하는 단계; 및
    상기 3D CTA 영상 정보를 이용하여 상기 관심 영역을 해석하는 단계를 포함하는, 3D CTA 영상 정보를 활용한 2D XA 영상에서의 자동 혈관 구조 해석 방법.
  2. 제1항에 있어서, 상기 3D CTA 영상 정보를 이용하여 상기 관심 영역을 해석하는 단계는,
    상기 관심 영역에서 상기 2D XA 영상으로부터 추출된 혈관 정보를 이용하여 변경 가능한 모든 경우의 수의 혈관 그래프 구조 모델을 생성하는 단계; 및
    상기 모든 경우의 수의 혈관 그래프 구조 모델을 각각 강체 정합된 상기 3D CTA 영상과 유사도를 측정하는 단계를 포함하는, 3D CTA 영상 정보를 활용한 2D XA 영상에서의 자동 혈관 구조 해석 방법.
  3. 제2항에 있어서, 상기 3D CTA 영상 정보를 이용하여 상기 관심 영역을 해석하는 단계는,
    상기 관심 영역의 하위 영역의 변경 가능한 모든 경우의 수의 혈관 그래프 구조 모델을 생성하는 단계를 더 포함하는, 3D CTA 영상 정보를 활용한 2D XA 영상에서의 자동 혈관 구조 해석 방법.
  4. 제2항에 있어서, 상기 3D CTA 영상 정보를 이용하여 상기 관심 영역을 해석하는 단계는,
    상기 모든 경우의 수의 혈관 그래프 구조 모델 중 상기 3D CTA 영상과 가장 근접한 혈관 그래프 구조를 도출하는 단계를 더 포함하는, 3D CTA 영상 정보를 활용한 2D XA 영상에서의 자동 혈관 구조 해석 방법.
  5. 제2항에 있어서, 상기 3D CTA 영상 정보를 이용하여 상기 관심 영역을 해석하는 단계는,
    미리 설정된 유사도 임계값보다 작은 경우 불확실한 정보로 가정하는 단계를 더 포함하는, 3D CTA 영상 정보를 활용한 2D XA 영상에서의 자동 혈관 구조 해석 방법.
  6. 제1항에 있어서, 상기 3D CTA 영상 정보를 이용하여 상기 관심 영역을 해석하는 단계는,
    상기 2D XA 영상의 혈관의 그래프 구조를 상기 3D CTA 영상의 혈관의 그래프 구조와 비교하여 해석하는, 3D CTA 영상 정보를 활용한 2D XA 영상에서의 자동 혈관 구조 해석 방법.
  7. 제1항에 있어서, 상기 2D XA 영상의 혈관에서 관심 영역을 설정하는 단계는,
    상기 2D XA 영상의 혈관에서 순환구조, 상기 3D CTA 영상의 혈관의 그래프 구조에 존재하지 않는 구조 및 상기 3D CTA 영상의 혈관의 그래프 구조와 다른 구조 중 적어도 하나를 관심 영역으로 설정하는, 3D CTA 영상 정보를 활용한 2D XA 영상에서의 자동 혈관 구조 해석 방법.
  8. 제1항 내지 제7항 중 어느 하나의 항에 따른 3D CTA 영상 정보를 활용한 2D XA 영상에서의 자동 혈관 구조 해석 방법을 수행하기 위한, 컴퓨터 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체.
  9. 동일 피검자의 2D XA(X-ray Angiogram) 영상의 혈관과 3D CTA(Computed Tomography Angiography) 영상의 혈관에 대하여 강체 정합을 수행하는 강체 정합부;
    상기 2D XA 영상의 혈관과 상기 3D CTA 영상의 혈관에 대하여 각 혈관 그래프 구조를 생성하는 혈관 그래프 구조 생성부;
    상기 2D XA 영상의 혈관의 혈관 그래프 구조를 상기 3D CTA 영상의 혈관의 혈관 그래프 구조와 비교하여, 상기 2D XA 영상의 혈관에서 관심 영역을 설정하는 관심 영역 설정부; 및
    상기 3D CTA 영상 정보를 이용하여 상기 관심 영역을 해석하는 관심 영역 해석부를 포함하는, 3D CTA 영상 정보를 활용한 2D XA 영상에서의 자동 혈관 구조 해석 장치.
  10. 제9항에 있어서, 상기 관심 영역을 해석부는,
    상기 관심 영역에서 상기 2D XA 영상으로부터 추출된 혈관 정보를 이용하여 변경 가능한 모든 경우의 수의 혈관 그래프 구조 모델을 생성하는 모델 생성부;
    상기 모든 경우의 수의 혈관 그래프 구조 모델을 각각 강체 정합된 상기 3D CTA 영상과 유사도를 측정하는 유사도 측정부; 및
    상기 모든 경우의 수의 혈관 그래프 구조 모델 중 상기 3D CTA 영상과 가장 근접한 혈관 그래프 구조를 도출하는 도출부를 포함하는, 3D CTA 영상 정보를 활용한 2D XA 영상에서의 자동 혈관 구조 해석 장치.
KR1020150170391A 2015-12-02 2015-12-02 3d cta 영상 정보를 활용한 2d xa 영상에서의 자동 혈관 구조 해석 방법, 이를 수행하기 위한 기록 매체 및 장치 KR101785293B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150170391A KR101785293B1 (ko) 2015-12-02 2015-12-02 3d cta 영상 정보를 활용한 2d xa 영상에서의 자동 혈관 구조 해석 방법, 이를 수행하기 위한 기록 매체 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150170391A KR101785293B1 (ko) 2015-12-02 2015-12-02 3d cta 영상 정보를 활용한 2d xa 영상에서의 자동 혈관 구조 해석 방법, 이를 수행하기 위한 기록 매체 및 장치

Publications (2)

Publication Number Publication Date
KR20170064669A true KR20170064669A (ko) 2017-06-12
KR101785293B1 KR101785293B1 (ko) 2017-10-17

Family

ID=59219448

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150170391A KR101785293B1 (ko) 2015-12-02 2015-12-02 3d cta 영상 정보를 활용한 2d xa 영상에서의 자동 혈관 구조 해석 방법, 이를 수행하기 위한 기록 매체 및 장치

Country Status (1)

Country Link
KR (1) KR101785293B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190037458A (ko) * 2017-09-29 2019-04-08 주식회사 인피니트헬스케어 의료 영상 기반 뇌혈전 영역 식별 및 가시화를 위한 컴퓨팅 시스템 및 방법
KR20190139721A (ko) * 2018-06-08 2019-12-18 연세대학교 산학협력단 X-ray/CT 영상에서 혈관 조각 병합 방법 및 장치
KR20210016862A (ko) * 2019-08-05 2021-02-17 재단법인 아산사회복지재단 관상동맥 혈관조영술 기반의 기계 학습을 통한 허혈 병변 정보 제공 장치, 정보 제공 방법 및 이의 기록매체
KR20210112436A (ko) * 2020-03-04 2021-09-15 숭실대학교산학협력단 혈관 특징 정보 기반 다중 모달리티 비강체 정합 방법, 이를 수행하기 위한 기록 매체 및 장치

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102372046B1 (ko) 2020-03-12 2022-03-11 숭실대학교 산학협력단 인공지능 기술을 이용한 혈관 구조 추출 방법, 이를 수행하기 위한 기록 매체 및 장치

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9830427B2 (en) 2011-06-20 2017-11-28 Siemens Healthcare Gmbh Method for intracranial aneurysm analysis and endovascular intervention planning
US10210956B2 (en) 2012-10-24 2019-02-19 Cathworks Ltd. Diagnostically useful results in real time

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190037458A (ko) * 2017-09-29 2019-04-08 주식회사 인피니트헬스케어 의료 영상 기반 뇌혈전 영역 식별 및 가시화를 위한 컴퓨팅 시스템 및 방법
KR20190139721A (ko) * 2018-06-08 2019-12-18 연세대학교 산학협력단 X-ray/CT 영상에서 혈관 조각 병합 방법 및 장치
KR20210016862A (ko) * 2019-08-05 2021-02-17 재단법인 아산사회복지재단 관상동맥 혈관조영술 기반의 기계 학습을 통한 허혈 병변 정보 제공 장치, 정보 제공 방법 및 이의 기록매체
KR20210112436A (ko) * 2020-03-04 2021-09-15 숭실대학교산학협력단 혈관 특징 정보 기반 다중 모달리티 비강체 정합 방법, 이를 수행하기 위한 기록 매체 및 장치

Also Published As

Publication number Publication date
KR101785293B1 (ko) 2017-10-17

Similar Documents

Publication Publication Date Title
JP6878439B2 (ja) 体部の３次元モデル
JP7039442B2 (ja) 血管モデルの作成方法
US11816837B2 (en) Vascular characteristic determination with correspondence modeling of a vascular tree
US11728037B2 (en) Diagnostically useful results in real time
KR101785293B1 (ko) 3d cta 영상 정보를 활용한 2d xa 영상에서의 자동 혈관 구조 해석 방법, 이를 수행하기 위한 기록 매체 및 장치
US8942455B2 (en) 2D/3D image registration method
JP2022517581A (ja) 冠動脈の動的ロードマップを提供するための方法およびシステム
JP2006110344A (ja) 解剖学的領域の三次元モデルと該領域の投影画像とを位置揃えする方法及びシステム
US20130172732A1 (en) Method for performing dynamic registration, overlays, and 3d views with fluoroscopic images
Tmenova et al. CycleGAN for style transfer in X-ray angiography
KR101900679B1 (ko) 혈관 특징 정보를 기반으로 하는 삼차원 심혈관 정합 방법, 이를 수행하기 위한 기록 매체 및 장치
CN107787203B (zh) 图像配准
JP6509446B2 (ja) 血管構造の合成表現
Ambrosini et al. Continuous roadmapping in liver TACE procedures using 2D–3D catheter-based registration
CN114332285B (zh) 一种冠状动脉路径图的生成方法、装置、可读存储介质
KR20210115223A (ko) 인공지능 기술을 이용한 혈관 구조 추출 방법, 이를 수행하기 위한 기록 매체 및 장치
Luo et al. Intra-operative 2-D ultrasound and dynamic 3-D aortic model registration for magnetic navigation of transcatheter aortic valve implantation
US20190076105A1 (en) Hemodynamic parameters for co-registration
US20220139564A1 (en) Medical data processing device, medical data processing method, and non-transitory computer-readable recording medium
KR102350998B1 (ko) 혈관 특징 정보 기반 다중 모달리티 비강체 정합 방법, 이를 수행하기 위한 기록 매체 및 장치
KR102229367B1 (ko) 뇌혈관 비교 판독 영상 디스플레이 장치 및 방법
Jeong et al. Deep-learning-based registration of diagnostic angiogram and live fluoroscopy for percutaneous coronary intervention
Laura Graph-matching and FEM-based registration of computed tomographies for outcome validation of liver interventions
Ambrosini et al. 2d/3d catheter-based registration for image guidance in TACE of liver tumors
Oyarzun Laura Graph-matching and FEM-based Registration of Computed Tomographies for Outcome Validation of Liver Interventions

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)