KR20170119233A - 자기 공명 영상 처리 장치 및 그 영상 처리 방법 - Google Patents

자기 공명 영상 처리 장치 및 그 영상 처리 방법 Download PDF

Info

Publication number
KR20170119233A
KR20170119233A KR1020160047150A KR20160047150A KR20170119233A KR 20170119233 A KR20170119233 A KR 20170119233A KR 1020160047150 A KR1020160047150 A KR 1020160047150A KR 20160047150 A KR20160047150 A KR 20160047150A KR 20170119233 A KR20170119233 A KR 20170119233A
Authority
KR
South Korea
Prior art keywords
magnetic resonance
signal
model
dynamic
blood flow
Prior art date
Application number
KR1020160047150A
Other languages
English (en)
Other versions
KR101797141B1 (ko
Inventor
박재석
임은지
Original Assignee
성균관대학교산학협력단
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 성균관대학교산학협력단 filed Critical 성균관대학교산학협력단
Priority to KR1020160047150A priority Critical patent/KR101797141B1/ko
Priority to PCT/KR2017/004138 priority patent/WO2017183885A1/ko
Publication of KR20170119233A publication Critical patent/KR20170119233A/ko
Application granted granted Critical
Publication of KR101797141B1 publication Critical patent/KR101797141B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/563—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution of moving material, e.g. flow contrast angiography
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/563—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution of moving material, e.g. flow contrast angiography
    • G01R33/56308—Characterization of motion or flow; Dynamic imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/563—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution of moving material, e.g. flow contrast angiography
    • G01R33/5635—Angiography, e.g. contrast-enhanced angiography [CE-MRA] or time-of-flight angiography [TOF-MRA]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/565—Correction of image distortions, e.g. due to magnetic field inhomogeneities
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/565—Correction of image distortions, e.g. due to magnetic field inhomogeneities
    • G01R33/56509—Correction of image distortions, e.g. due to magnetic field inhomogeneities due to motion, displacement or flow, e.g. gradient moment nulling

Landscapes

  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • High Energy & Nuclear Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Signal Processing (AREA)
  • Vascular Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

본 발명은 자기 공명 신호로부터 동적 혈관 영상을 추출하는 프로그램이 저장된 메모리 및 프로그램을 실행하는 프로세서를 포함하고, 프로세서는 프로그램의 실행에 따라, 모델에 기초하여, 자기 공명 신호로부터 동적 혈류 신호를 추출하고, 추출된 동적 혈류 신호에 기초하여 동적 혈관 영상을 생성한다. 이때, 모델은 자기 공명 신호에 대한 정적 배경 억제 모델, 동적 배경 억제 모델 및 시공간 모델 중 적어도 하나 이상을 포함하고, 동적 배경은 자기 공명 신호에 포함된 인공물이다.

Description

자기 공명 영상 처리 장치 및 그 영상 처리 방법{APPARATUS AND METHOD FOR IMAGE PROCESSING OF MAGNETIC RESONANCE}
본 발명은 자기 공명 영상 처리 장치 및 그 영상 처리 방법에 관한 것이다.
일반적으로, 자기 공명 영상(magnetic resonance image; MRI)을 처리하는 기기는 전자파 에너지의 공급에 따른 공명현상을 이용하여 환자의 특정부위에 대한 단층 영상을 획득하는 장치이다. 자기 공명 영상 기기는 X선(x-ray)이나 컴퓨터 단층 촬영(computer tomography; CT)와 같은 촬영 기기에 비해 방사선 피폭이 없고 단층 영상을 비교적 용이하게 얻을 수 있어 널리 사용되고 있다.
최근에는 이러한 자기 공명 영상 기기를 통하여, 환자의 혈관 질환을 진단하고 치료하기 위한 혈관 조영술(angiography)에 활용되고 있다. 이때, 혈관 조영술은 혈관에 대한 자기 공명 영상을 통하여, 환자의 혈관의 모양, 협착 및 폐색 등을 파악할 수 있다.
종래의 자기 공명 영상 기기에 의한 혈관 조영술은 환자에 대한 자기 공명 영상과 추가로 획득한 정적 참고 영상의 감산을 통하여, 혈관의 가시성을 높이는 방법을 사용한다. 또한, 종래의 자기 공명 영상 기기에 의한 혈관 조영술은 획득한 데이터를 각 시간 프레임 또는 주변 시간의 고주파수 신호 정보만을 포함하여, 각 시간 프레임의 영상을 복원한다.
그러나 종래의 자기 공명 영상 기기에 의한 혈관 조영술은 추가로 획득한 정적 참고 영상의 감산 과정에서 환자의 움직임으로 인한 인공물(artifact) 또는 잡음(noise)이 발생할 수 있어, 혈관의 가시성이 낮아질 수 있다. 또한, 종래의 자기 공명 영상 기기에 의한 혈관 조영술은 전체 동적 영상에서 시간에 따른 변하는 정보를 활용하지 못하다는 단점이 있다.
이와 관련하여, 한국 공개특허공보 제10-2014-0142652호(발명의 명칭: " 측부순환의 영상화 및 평가를 위한 새로운 자기공명영상기법")는 신체 내 측부순환을 영상화하는 자기 공명 영상 기법을 개시하고 있다. 구체적으로 이 발명은 역동적 자화율대조조영증강 관류강조영상(DSC-PWI)의 소스 데이터를 영상 후처리한 후 후처리를 통해 얻은 영상을 디지털 감산 혈관 조영술(DSA)의 영상과 대조하여 측부순환을 영상화한다.
본 발명은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 모델에 기초하여, 고해상도의 동적 혈관 영상을 제공하는 자기 공명 영상 처리 장치 및 그 영상 처리 방법을 제공한다.
다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 제 1 측면에 따른 자기 공명 영상 처리 장치는 자기 공명 신호로부터 동적 혈관 영상을 추출하는 프로그램이 저장된 메모리 및 프로그램을 실행하는 프로세서를 포함하고, 프로세서는 프로그램의 실행에 따라, 모델에 기초하여, 자기 공명 신호로부터 동적 혈류 신호를 추출하고, 추출된 동적 혈류 신호에 기초하여 동적 혈관 영상을 생성한다. 이때, 모델은 자기 공명 신호에 대한 정적 배경 억제 모델, 동적 배경 억제 모델 및 시공간 모델 중 적어도 하나 이상을 포함하고, 동적 배경은 자기 공명 신호에 포함된 인공물이다.
또한, 본 발명의 제 2 측면에 따른 자기 공명 영상 처리 장치에서의 영상 처리 방법은 모델에 기초하여 자기 공명 신호로부터 동적 혈류 신호를 추출하는 단계; 및 추출된 동적 혈류 신호에 기초하여 동적 혈관 영상을 생성하는 단계를 포함한다. 이때, 모델은 자기 공명 신호에 대한 정적 배경 억제 모델, 동적 배경 억제 모델 및 시공간 모델 중 적어도 하나 이상을 포함하고, 동적 배경은 자기 공명 신호에 포함된 인공물이다.
본 발명은 환자의 움직임 등에 의해 발생할 수 있는 인공물 및 잡음의 증폭을 줄일 수 있어 사용자에게 강건한 동적 혈관 영상을 제공할 수 있다. 또한, 본 발명은 적은 양의 데이터만으로 고해상도의 혈관 영상을 생성할 수 있다. 본 발명은 각 시간 프레임에 필요한 데이터를 획기적으로 줄일 수 있으며, 전체 동적 영상을 복원하기 용이하다. 그러므로 본 발명을 통하여, 의료진은 환자의 혈관의 모양, 협착 및 폐색 등을 빠르고 정확하게 판단할 수 있다.
도 1은 본 발명의 일 실시예에 따른 자기 공명 영상 처리 시스템을 전체적으로 나타낸 블록 구성도이다.
도 2는 본 발명의 일 실시예에 따른 자기 공명 영상 처리 장치의 블록도이다.
도 3은 관상면 동적 혈관 영상의 예시도이다.
도 4는 시상면 동적 혈관 영상의 예시도이다.
도 5는 본 발명의 일 실시예에 따른 동적 배경 억제 모델의 예시도이다.
도 6은 본 발명의 일 실시예에 따른 샘플링된 자기 공명 신호에 기초하여 생성된 동적 혈관 영상의 예시도이다.
도 7은 본 발명의 일 실시예에 따른 동적 혈관 영상과 종래의 동적 혈관 영상을 비교한 예시도이다.
도 8은 본 발명의 일 실시예에 따른 자기 공명 영상 처리 장치의 영상 처리 방법이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
다음은 도 1 내지 도 7을 참조하여, 본 발명의 일 실시예에 따른 자기 공명 영상 처리 시스템(100)를 설명한다.
본 발명의 일 실시예에 따른 자기 공명 영상 처리 시스템(100)은 기 생성된 모델에 기초하여, 자기 공명 기기(210)로부터 수집된 자기 공명 신호로부터 동적 혈류 신호를 추출한다. 그러므로 자기 공명 영상 처리 장치(200)는 가시성 높은 고해상도의 동적 혈관 영상을 사용자에게 제공한다.
도 1은 본 발명의 일 실시예에 따른 자기 공명 영상 처리 시스템(100)을 전체적으로 나타낸 블록 구성도이다.
여기서, 자기 공명 영상(magnetic resonance imaging; MRI) 처리 시스템(100)은 핵자기공명(nuclear magnetic resonance; NMR)이라는 물리학적 원리를 영상화하기 위해 인체에 무해한 자기장과 비전리 방사선(라디오 고주파)을 이용하는 장치로서, 그 구조는 종래의 단층촬영기기의 구조와 실질적으로 동일하다.
주자석(main magnet; 101)은 예컨대 사람 신체의 검사될 부분과 같은 물체의 검사 영역 내에서 핵 스핀을 분극화 또는 정렬시키기 위한 일정한 크기의 강자계를 발생시킨다. 핵 스핀 공명 측정을 위해 필요한 주자석의 높은 균질성은 구형 측정 공간(M) 내에서 정해지며, 이러한 측정 공간(M) 내로 사람 신체의 검사될 부분이 들어가게 된다. 이때, 균질성 요구를 만족시키면서 특히 시간 불변적인 작용들을 제거하기 위해서 적합한 지점에 소위 강자성 재료로 이루어진 심-플레이트(shim plate)가 제공된다. 시간 가변적인 작용들은 심-전원(shim supply, 115)에 의해 구동되는 심-코일(102)에 의해 제거된다.
주자석(101) 내에 3개의 부분 권선으로 이루어진 원통형 경사 코일 시스템(103)이 삽입된다. 각각의 부분 권선은 증폭기(114)에 의해서 평행 좌표계의 개별 방향으로 선형 경사 필드를 발생시키기 위해 전류를 공급받는다. 여기서, 경사 필드 시스템(103)의 제 1 부분 권선은 x 방향으로 경사(Gx)를 발생시키고, 제 2 부분 권선은 y 방향으로 경사(Gy)를 발생시키며, 제 3 부분 권선은 z 방향으로 경사(Gz)를 발생시킨다. 각각의 증폭기(114)는 디지털-아날로그 컨버터를 가지는데, 상기 디지털-아날로그 컨버터는 정확한 시간에 맞게 경사 펄스를 발생시키기 위해서 시퀀스 제어 시스템(118)에 의해 제어된다.
경사 필드 시스템(103) 내에는 고주파 안테나(104)가 제공되며, 이런 고주파 안테나(104)는 핵을 여기시키고 검사될 물체 또는 물체의 검사될 영역에 핵 스핀을 정렬시키기 위해 고주파 전력 증폭기(116)에 의해 방출되는 고주파 펄스를 교번자계(alternating field)로 변환시킨다. 고주파 안테나(104)에 의해서 선회하는 핵 스핀으로부터 방출된 교번자계, 즉 통상적으로 하나 이상의 고주파 펄스 및 하나 이상의 경사 펄스로 이루어진 펄스 시퀀스에 의해 야기되는 핵 스핀 에코 신호가 전압으로 변환되는데, 상기 전압은 증폭기(107)에 의해서 고주파 시스템(122)의 고주파 수신 채널(108)로 공급된다.
또한, 고주파 시스템(122)은 송신 채널(109)을 포함하는데, 이러한 송신 채널(109) 내에서 자기 핵 공명을 여기시키기 위한 고주파 펄스가 발생된다. 이 경우 개별 고주파 펄스는 설치 컴퓨터(120)에 의해 사전 설정되는 펄스 시퀀스에 의해 시퀀스 제어 시스템(118) 내에서 디지털 방식으로 일련의 복소수로서 표시된다. 이러한 숫자 열은 실수부 및 허수부로서 각각의 입력단(12)을 지나 고주파 시스템(122)에 결합된 디지털-아날로그 컨버터로 공급되어서, 상기 디지털-아날로그 컨버터로부터 송신 채널(109)로 공급된다. 이때, 송신 채널(109) 내에서 펄스 시퀀스가 고주파 캐리어 신호로 변조되는데, 고주파 캐리어 신호의 기본 주파수는 측정 공간 내에 있는 핵 스핀의 공명 주파수에 상응한다.
이때, 경사 필드 시스템(103)과 고주파 시스템(122) 간의 연결에 있어서, 송신 채널(109)에 의한 송신 동작으로부터 고주파 수신 채널(108)에 의한 수신 동작으로의 전환은 송수 전환기(duplexer, 106)에 의해 이루어진다.
고주파 안테나(104)는 핵 스핀을 여기시키기 위한 고주파 펄스를 측정 공간(M) 내로 방사하고 그 결과 나타나는 에코 신호를 샘플링(sampling)한다. 이에 상응하여 획득되는 핵 공명 신호는 고주파 시스템(122)의 수신 채널(108) 내에서 위상 감응 방식으로(phase-sensitively) 복호화 되어서, 개별 아날로그-디지털 컨버터에 의해서 측정 신호의 실수부 및 허수부로 변환된다. 영상처리장치(117)는 각각의 출력단(11)을 지나 영상처리장치(117)에 공급된 신호 데이터를 처리하여 하나의 영상으로 재구성시킨다.
측정 데이터, 영상 데이터 및 제어 프로그램의 관리는 설치 컴퓨터(120)에 의해서 이루어지고, 제어 프로그램에 의한 프리 세팅에 의해서 시퀀스 제어 시스템(118)이 소정의 개별 펄스 시퀀스의 생성 및 이에 상응하는 k 공간(k-space)의 샘플링을 제어한다.
이때, 시퀀스 제어 시스템(118)이 정확한 시간에 따른 경사 전환, 정해진 위상 및 진폭을 가진 고주파 펄스의 방출 및 핵공명 신호의 수신을 제어하고, 신호 합성기(synthesizer, 119)는 고주파 시스템(122) 및 시퀀스 제어 시스템(118)을 위한 시간축(time base)을 제공한다. 핵 스핀 영상을 생성하기 위한 적합한 제어 프로그램의 선택 및 생성된 핵 스핀 영상의 하나의 키패드(keypad) 및 하나 이상의 디스플레이를 구비한 단말장치(121)에 의해서 이루어진다.
한편, 영상처리장치(117), 시퀀스 제어 시스템(118) 및 신호 합성기(119)는 각각 별도의 장치로 도시되어 있으나, 컴퓨터(120)에 내장된 소프트웨어 또는 하드웨어의 형태로 구현될 수 있다. 예를 들면, 영상처리장치(117)는 영상처리를 수행하는 프로세서 및 영상처리를 수행하기 위한 프로그램 또는 소프트웨어가 저장된 메모리 또는 저장장치를 포함할 수 있다. 프로세서가 영상처리를 수행하기 위한 프로그램 또는 소프트웨어를 실행함에 따라 본 발명의 일 실시예에 해당하는 자기 공명 영상 처리 방법을 실행할 수 있다.
일반적으로 자기 공명 영상은 정적 조직 및 환자의 움직임에 의해 발생할 수 있는 인공물등을 포함하는 배경 영상과 동적 혈관 영상이 각 슬라이드에 중첩되어 있다. 일반적인 자기 공명 영상은 동적 혈관 영상의 가시성이 떨어질 수 있다. 그러므로 본 발명의 일 실시예에 따른 자기 공명 영상 처리 장치(200)는 자기 공명 영상으로부터 동적 혈관의 가시성을 떨어뜨리는 배경 영상 및 동적 혈관 영상을 분리하는 것이 목표이다.
이를 위해, 본 발명의 일 실시예에 따른 자기 공명 영상 처리 장치(200)는 영상 신호를 관심영역인 동적 혈관과 비관심영역인 정적 배경 신호 및 환자의 움직임에 의한 동적 배경 신호로 모델링한다. 그리고 자기 공명 영상 처리 장치(200)는 각각 신호의 특성에 최적화된 영상의 사전정보에 기반하여, 관심영역의 신호만을 추출하고 그외의 배경신호들을 제거한다. 아래에서는 이에 대한 구체적인 방법을 설명하기로 한다.
도 2는 본 발명의 일 실시예에 따른 자기 공명 영상 처리 장치(200)의 블록도이다.
이때, 자기 공명 영상 처리 장치(200)는 도 1의 영상처리장치(117) 또는 컴퓨터(120)일 수 있다. 또한, 자기 공명 영상 처리 장치(200)는 본 발명의 하나의 구현 예에 불가하다. 그러므로 자기 공명 영상 처리는 도 2에 도시된 구성요소를 기초로 여러 가지로 변형이 가능하다.
예를 들어, 자기 공명 영상 처리 장치(200)는 자기 공명 기기(210)와 연결된 영상 처리를 위한 별도의 컴퓨팅 장치일 수 있다. 이때, 자기 공명 영상 처리 장치(200)는 자기 공명 기기(210)를 통하여, 데이터를 송수신할 수 있는 통신 모듈(미도시)을 더 포함할 수 있다. 또한, 자기 공명 영상 처리 장치(200)는 자기 공명 기기(210)에 탑재된 메모리(230) 및 프로세서(240)를 포함하는 것일 수 있으나 이에 한정된 것은 아니다.
또한, 자기 공명 기기(210)는 도 1의 자기 공명 영상(magnetic resonance imaging; MRI) 처리 시스템(100)의 구성요소에 기초하여 구성된 자기 공명 신호를 발생할 수 있는 장치가 될 수 있으나, 이에 한정된 것은 아니다.
다시, 도 2를 참조하면, 자기 공명 영상 처리 장치(200)는 메모리(230) 및 프로세서(240)를 포함한다.
이때, 메모리(230)는 자기 공명 영상으로부터 동적 혈관 영상을 추출하는 프로그램이 저장된다. 이때, 메모리(230)는 전원이 공급되지 않아도 저장된 정보를 계속 유지하는 비휘발성 저장장치 및 저장된 정보를 유지하기 위하여 전력이 필요한 휘발성 저장장치를 통칭하는 것이다.
프로세서(240)는 메모리(230)에 저장된 프로그램의 실행에 따라, 기 생성된 모델에 기초하여, 자기 공명 기기(210)로부터 수신한 자기 공명 신호로부터 동적 혈관 영상을 생성한다.
이때, 자기 공명 신호는 시공간 인코딩 영역(k, t-space)에서의 시간의 흐름에 따라 공간을 표현하는 복수의 프레임(frame)을 포함하는 영상 데이터일 수 있다.
이때, 자기 공명 신호에는 관심 영역(region of interest) 및 배경(background)을 포함할 수 있다. 예를 들어, 자기 공명 신호에는 관찰 대상이 되는 환자와 주변의 변하지 않은 배경인 정적 배경, 환자의 움직임에 의해 발생할 수 있는 인공물인 동적 배경 및 환자의 혈관을 포함하는 관심 영역이 포함될 수 있다.
그러므로 프로세서(240)는 자기 공명 신호로부터 관심 영역에 대응하는 혈류 신호를 감지할 수 있다. 이를 위하여, 프로세서(240)는 기 생성된 모델을 이용하여, 관심 영역만 추출하고, 관심 영역에 기초하여, 동적 혈관 영상을 생성할 수 있다.
즉, 모델은 정적 배경 억제 모델, 동적 배경 억제 모델 및 시공간 모델 중 적어도 하나 이상을 포함할 수 있다. 이때, 정적 배경 억제 모델은 자기 공명 신호에서 대상이 되는 환자 외의 배경을 억제하기 위한 모델이다. 동적 배경 억제 모델은 환자의 움직임으로 인하여 생성된 인공물을 억제하기 위한 모델이다. 또한, 시공간 모델은 혈류 신호를 감지하기 위한 모델이다.
이하에서는 구체적인 프로세서(240)가 자기 공명 신호에 기초하여, 모델을 생성하는 과정을 설명한다.
앞에서 도 1을 참조하여 설명한 바와 같이, 자기 공명 기기(210)는 자기 공명 신호를 발생하기 위하여, 하나의 자기장을 고정시킨 채 다른 자기장을 전자기 펄스를 이용하여 조절하여, 스핀 시스템을 여기(excitation) 시킬 수 있다. 그리고 자기 공명 기기(210)는 자기 공명 기기(210)에 포함된 복수의 경사자계 코일에 기초하여, 자기장을 형성하여 시공간 영역에 대한 자기 공명 신호를 획득할 수 있다.
자기 공명 영상 처리 장치(200)의 프로세서(240)는 자기 공명 기기(210)로부터 획득된 신호를 수신할 수 있다. 그리고 자기 공명 영상 처리 장치(200)는 자기 공명 기기(210)로부터 획득된 자기 공명 신호에 대응하여, 모델을 생성할 수 있다.
예를 들어, 자기 공명 기기(210)로부터 시공간(x-t 공간)에서 획득된 신호는 다음 [수학식 1]과 같이 표현될 수 있다.
Figure pat00001
[수학식 1]에서
Figure pat00002
는 카소라티 행렬(Casorati matrix)로
Figure pat00003
와 같이 표현할 수 있다. 이때, 매 시간 프레임 내의 이미지 열 벡터 X t는 전체 동적 위상 T p를 통해 적층된다.
또한, X 0는 자기 공명 신호 중 조영제가 들어오기 전의 조영 증강 이전의 신호에 대한 행렬이다. 예를 들어, X 0는 조영 증강 이전 신호의 평균에 의해 생성된 행렬로, 정적 배경에 대한 행렬일 수 있다. X DCE는 동적 혈관 영상을 포함하는 관심 영역에 대한 행렬이다. 그리고 X M은 움직임이 유도된 신호에 대한 행렬로, 동적 배경에 대한 행렬일 수 있으며, N은 잡음 행렬이다.
즉, 프로세서(240)는 전체 신호로부터 정적 배경 억제 모델 및 동적 배경 억제 모델에 기초하여, 정적 배경(X 0)과 동적 배경(X M)을 억제하여, 관심영역에 대한 행렬(X DCE)을 추출할 수 있다. 그리고 프로세서(240)는 관심 영역에 대한 행렬(X DCE)에 기초하여 생성된 시공간 모델을 통하여, 동적 혈관 영상을 추출할 수 있다.
구체적으로 프로세서(240)는 전체 시공간 영역에 대한 자기 공명 신호 전체를 이용하여 모델을 생성할 수 있다.
또한, 프로세서(240)는 자기 공명 신호 중 일부를 샘플링 하여, 모델을 생성할 수 있다. 예를 들어, 프로세서(240)는 전체 시공간 영역에 대한 자기 공명 신호 중 나이퀴스트(Nyquist) 비율로 획득된 데이터를 이용하여 모델을 생성할 수 있다. 또한, 프로세서(240)는 전체 자기 공명 신호 중 언더 샘플링에 기초하여 선택된 신호에 대하여, 모델을 생성할 수 있다.
환자의 움직임에 대한 모델은 조영제가 들어오기 전의 영상으로부터 움직임을 에뮬레이션(emulation)하여 모델을 생성할 수 있다.
또한, 동적 혈류 모델은 사전 정보에 기반하여 자기 공명 신호 없이도 모델 생성이 가능하다.
이때, 샘플링 방법은 언더 샘플링(under sampling) 방법일 수 있다. 언더 샘플링 방법은 영상에 포함된 복수의 프레임 각각에 대한 독립적인 가변 랜덤 언더 샘플링일 수 있다. 또한, 언더 샘플링 방법은 샘플링하는 현재 프레임 주변 시간의 고주파수 데이터를 공유하는 언더 샘플링 방법일 수 있으나, 이에 한정된 것은 아니다.
예를 들어, 프로세서(240)는 공간 영역에서 저주파수를 높은 밀도로, 고주파수를 낮은 밀도로 다운 샘플링 하는 가변 밀도 언더 샘플링 형태로 데이터를 획득하고, 시간 도메인 방향으로 비간섭성(incoherence)을 유지하도록 임의의 샘플링 패턴을 획득할 수 있다. 이때, 가변 밀도 언더 샘플링은 카르테시안(Cartesian) 격자에서의 언더 샘플링 또는 방사형/나선형과 같은 임의의 언더 샘플링일 수 있다.
한편, 프로세서(240)는 자기 공명 신호로부터 정적 배경 억제 모델 및 동적 배경 억제 모델을 생성할 수 있다. 이를 위하여, 프로세서(240)는 자기 공명 신호 중 조영제가 들어오기 전의 조영 증강 이전의 신호를 사용할 수 있다.
도 3은 관상면 동적 혈관 영상의 예시도이다. 또한, 도 4는 시상면 동적 혈관 영상의 예시도이다.
이때, 정적 배경은 자기 공명 영상 중 관심 영역(region of interest)을 제외한 부분이 될 수 있다. 예를 들어, 도 3 및 도 4를 참조하면, 정적 배경은 관심 영역인 환자에 해당하는 영상 밖의 검은 부분이 될 수 있다.
동적 배경은 환자의 움직임에 의해서 생성되는 인공물이 될 수 있다. 예를 들어, 인공물은 자기 공명 신호로부터 정적 배경을 억제를 위한 감산 과정에서 환자의 움직임에 의해서 발생하는 것일 수 있다. 다시 도 3 및 도 4를 참조하면, 인공물은 환자의 움직임에 의해서 발생하는 잔상(P300, P330, P410, P430) 부분이 될 수 있다.
프로세서(240)는 조영 증강 이전 신호를 통하여, 자기 공명 신호로부터 정적 배경을 억제할 수 있는 모델을 생성할 수 있다. 이때, 정적 배경 영상 억제 모델은 조영 증강 이전 신호를 이용하는 방법, 조영 증강 이전 신호 중 샘플링된 영상을 이용하는 방법 및 사영 연산자(projection operation)에 기초하는 방법 중 어느 하나에 의해 생성될 수 있으나, 이에 한정된 것은 아니다.
즉, 프로세서(240)는 조영 증강 이전 신호 중 전체 신호를 정적 배경 억제 모델로 생성할 수 있다. 그리고 프로세서(240)는 획득된 전체 신호에 기초하여, 생성된 정적 배경 억제 모델에 기초하여, 자기 공명 신호에서 정적 배경을 억제할 수 있다.
또는, 프로세서(240)는 조영 증강 이전 신호 중 샘플링된 신호를 추출하여, 정적 배경 억제 모델을 획득할 수 있다. 예를 들어, 프로세서(240)는 추출된 샘플링된 신호에 대한 시간 방향 평균을 산출할 수 있다. 프로세서(240)는 산출된 시간 방향 평균에 기초하여, 정적 배경 억제 모델을 획득할 수 있다.
그리고 프로세서(240)는 전체 신호 데이터를 배경으로 투영시킬 수 있는 사영 연산자(projection operation)에 기초하여, 정적 배경 억제 모델을 획득할 수 있다. 이때, 프로세서(240)는 하나의 단층 혹은 이웃한 여러 단층의 조영 증강 이전 신호를 이용할 수 있다.
또한, 프로세서(240)는 움직임 모델을 생성하여, 증강 이전 영상으로부터 동적 배경을 억제할 수 있는 동적 배경 억제 모델을 생성할 수 있다. 이를 이용하여, 프로세서(240)는 자기 공명 기기(210)로부터 수신한 증강 이전 신호에 포함된 인공물을 억제할 수 있다. 이때, 동적 배경 억제 모델은 인공물에 대한 움직임 모델일 수 있다.
도 5는 본 발명의 일 실시예에 따른 동적 배경 억제 모델의 예시도이다.
조영 증강 이전 신호는 픽셀 사이에 거리에 반비례하는 강한 상관 관계(correlation)를 보이는 경향이 있다. 또한, 조영 증강 이전 신호에서 인접한 프레임에 포함된 픽셀은 유사한 분포를 가지는 경향이 있다. 그러므로 강건한 동적 배경 억제 모델을 생성하기 위하여, 프로세서(240)는 도 5와 같이, 조영 증강 이전 신호에 대한 이동(translation), 회전(rotation) 및 임의(random) 등과 같은 변환을 고려할 수 있다.
그리고 동적 배경 억제 모델을 생성하기 위하여, 프로세서(240)는 다양한 변환을 수행한 조영 증강 이전 신호에 기초하여, 동적 배경 사영 행렬을 산출할 수 있다. 이때, 동적 배경 사영 행렬은 동적 배경 공간의 서브 공간이 될 수 있다. 동적 배경 공간은 획득한 조영 증강 이전 신호 및 정적 배경 억제 모델 생성시 사용된 정적 배경에 기초하여, 생성될 수 있다.
또한, 프로세서(240)는 주성분 분석(principal component analysis; PCA)를 이용하여, 동적 배경 공간 사영 행렬을 산출하여 동적 배경 억제 모델을 생성할 수 있다. 예를 들어, 프로세서(240)는 특이점 분해(singular value decomposition; SVD)에 기초하여, 동적 배경 억제 모델을 생성할 수 있다.
한편, 프로세서(240)는 자기 공명 신호로부터 혈류 신호를 감지할 수 있는 시공간 모델을 생성할 수 있다.
프로세서(240)는 다양한 상황을 고려하여 자기 공명 신호로부터 혈류 신호를 감지하기 위하여, 조영제의 유입 시간 및 유입 속도를 조절하여 생성된 자기 공명 신호에 기초하여, 시공간 모델을 생성할 수 있다.
일반적으로 혈류 신호는 증가 후 감소하는 패턴을 보인다. 그러므로 프로세서(240)는 시공간 모델을 생성하기 위하여, 정규화된 감마 함수(normalized gamma-variate function), 단일 구획 재순환(single compartment recirculation; SCR) 함수 및 지수 함수 등을 사용할 수 있다.
또한, 프로세서(240)는 시공간 모델을 생성한 이후, 조영 증강 혈류 신호에 대한 세기에 기초하여 시공간 모델을 정교화할 수 있다. 이때, 세기의 변화는 조영제의 유입, 조영제의 유입에 단일 구획 재순환 및 정상 상태(steady-state) 순환 중 적어도 하나에 대응하는 조영 증강 혈류 신호의 증가 및 감소가 될 수 있다.
프로세서(240)는 시공간 모델이 생성되면, 정규화된 감마 함수 및 지수 함수의 선형연산을 통하여, 생성된 시공간 모델을 정교화할 수 있다.
마지막으로 프로세서(240)는 시공간 모델에 대한 최적화를 수행하여, 모델의 효율성을 증대시킬 수 있다.
이를 위하여, 프로세서(240)는 생성된 시공간 모델에 대한 주성분 분석을 수행할 수 있다. 그리고 프로세서(240)는 주성분 분석 결과에 기초하여, 추출된 주성분이 포함되도록 최적화된 시공간 모델을 생성할 수 있다.
예를 들어, 프로세서(240)는 시공간 모델로부터 3 내지 5개의 주성분을 추출하여, 시공간 모델을 최적화할 수 있다. 이때, 최적화된 시공간 모델의 주성분의 개수는 확인하고자 하는 혈관의 종류 및 상태, 혈류의 속도, 관련 질병의 종류 등에 기초하여, 정해질 수 있다.
이하에서는 앞에서 설명한 과정을 수학식을 참조하여, 구체적으로 설명한다.
구체적으로 다시 [수학식 1]을 참조하면, [수학식 1]에서는 X DCE 및 X M에 대한 신호의 혼합을 피하기 위하여, 움직임으로부터 유발된 인공물로부터 움직임 모델을 분리할 수 있다.
앞에서 설명한 바와 같이, 프로세서(240)는 도 5와 같이, 일반화된 픽셀 통계를 생성하기 위하여 모든 가능한 변환에 대한 동적 정보를 에뮬레이션하여, 통합 이미지 X S를 생성할 수 있다.
통합 이미지 X S는 자기 공명 신호에 포함된 인공물의 특징(feature)에 대한 표현을 향상시키기 위하여, 백그라운드 평균 이미지(background mean image) μ 가 감산될 수 있다. 그러므로 통합 이미지 X S는 잔여 이미지(residual images) X R로 변환될 수 있다. 이때, 백그라운드 평균 이미지는
Figure pat00004
를 통하여, 산출될 수 있다.
잔여 이미지는 X R는 특이값 분해에 기초하여, 좌측 단일 벡터(left singular vector)로 산출될 수 있다.
Figure pat00005
그러므로 자기 공명 신호로부터 움직임 모델의 분리는 P M에 의해 생성된 부분 공간 상에 희소 신호 모델(sparse signal model) S를 투영하여 수행될 수 있다. 즉 X M은 [수학식 3]과 같이 표현될 수 있다.
Figure pat00006
앞에서 살펴본 바와 같이, 프로세서(240)는 단일 구획 재순환 및 정상 상태 등에서의 시간에 따른 조영제 유입 변화(concentration time-course)에 기초하여, 시공간 모델을 생성할 수 있다.
즉, [수학식 1]은 단일 구획 재순환에 기초하여 수집된 시뮬레이션 신호 및 특이값 분해를 통하여, [수학식 4]과 같이 표현될 수 있다. 이때, 시뮬레이션 신호가 행 방향으로 적층된 시간에 따른 조영제 유입 벡터 D는 UΣV H가 될 수 있다. U는 열 벡터의 기저(basis)이다. V 행 벡터의 기저이고, 시간에 따른 조영제 유입 변화에 대한 시간적 기저(temporal basis)가 될 수 있다. 또한, Σ는 특이값 행렬(singular value matrix)가 될 수 있다.
시간에 대한 서브공간에서, 고유값(eigenvalue)는 0에 가까워진다. 그러므로 [수학식 1]에서 X DCE는 다음 [수학식 4]와 같이 표현될 수 있다.
Figure pat00007
또한, 조영 증강 데이터는 [수학식 3] 및 [수학식 4]에 기초하여, [수학식 5]와 같이, 보정될 수 있다.
Figure pat00008
이때, A는
Figure pat00009
(I는 단위행렬)이며, B는
Figure pat00010
이다. 그러므로 프로세서(240)는 최적화 과정을 통하여, [수학식 5]에서 A 및 B를 추정하여, U를 산출하거나 U 및 Vr을 산출할 수 있다. 이때, Vr은 시공간 모델의 기저 V에서 고유값이 가장 큰 행 벡터만을 순서대로 r개를 선택하여 얻은 시공간 모델을 사용할 수 있다.
예를 들어, 프로세서(240)는 아래 [수학식 6]을 최적화하여, 동적 혈류 신호를 감지할 수 있는 모델을 생성할 수 있다.
Figure pat00011
이때, λ M은 X DCE과 X M 사이의 균형 파라미터(balancing parameter)가 될 수 있다. 또한, d r 은 참조 및 측정된 조영 증강 데이터간의 나머지 값(k-t 공간)이 될 수 있다. 이때, d r 은 측정된 값이다. F u 는 푸리에(Fourier) 언더 샘플링 연산자이고,
Figure pat00012
는 희소화 변환(sarsifying transform) 함수이다.
또한, [수학식 6]은 다시 보강된 라그랑주 승수법(augmented Lagrange multiplier; ALM)에 기초하여, [수학식 7]과 같이 설명될 수 있다.
Figure pat00013
이때, 프로세서(240)는 ADMM(alternating direction method multipliers)에 기초하여, [수학식 7]을 통하여, 파라미터를 추정할 수 있다.
예를 들어, 프로세서(240)는 k번째 스탭에서 U k 와 X k M 이 주어지면, 이를 이용하여, 다음 [수학식 8] 내지 [수학식 10]과 같이, k+1번째 스탭에서의 3가지 서브 문제로 변환하여, 파라미터를 추정할 수 있다.
Figure pat00014
Figure pat00015
Figure pat00016
프로세서(240)는 위에서 설명한 추정 과정에 대한 반복 수행할 수 있다. 그리고 프로세서(240)는 시뮬레이션 데이터를 통하여 산출된 U와의 거리가 미리 정해진 값에 충족되거나, 미리 설정된 최대 반복 수에 수렴할 때까지, 반복 추정할 수 있다.
프로세서(240)는 이러한 과정을 통하여, 최종적으로 U 혹은 U및 V r 을 산출할 수 있다. 그리고 프로세서(240)는 Vr은 시공간 사전정보 모델의 기저 V에서 고유값이 큰 행 벡터만을 순서대로 r개를 선택하여 얻은 시공간 모델로 사용하여 U를 산출하거나 U 및 Vr을 산출할 수 있다. 그러므로 혈류 신호는 산출된 U와 Vr의 곱으로 얻을 수 있다.
위에서 설명한 수학식 들은 동적 혈류 신호를 감지하기 위한 영상 복원의 한 예일 뿐이다. 그러므로 위의 수학식은 Vr을 사전 정보 모델로 산출하고, U를 산출할 때를 나타낼 수 있다.
한편, 프로세서(240)는 생성된 모델에 기초하여, 자기 공명 신호로부터 혈류 신호를 감지할 수 있다.
앞에서 설명한 바와 같이, 프로세서(240)는 자기 공명 영상에 대한 정적 배경 억제 모델, 동적 배경 억제 모델 및 시공간 모델 중 적어도 하나 이상을 이용하여, 동적 혈류 신호를 감지할 수 있다.
이때, 본 발명의 일 실시예에 따른 프로세서(240)는 정적 배경 억제 모델에 기초하여, 자기 공명 신호로부터 정적 배경을 억제할 수 있다. 그리고 프로세서(240)는 정적 배경에 억제된 자기 공명 신호로부터 동적 배경 억제 모델 및 시공간 모델 중 어느 하나에 기초하여, 동적 혈류 신호를 감지할 수 있다.
또는, 본 발명의 일 실시예에 따른 프로세서(240)는 정적 배경 억제 모델에 기초하여, 자기 공명 신호로부터 정적 배경을 억제할 수 있다. 그리고 프로세서(240)는 정적 배경에 억제된 자기 공명 신호로부터 동적 배경 억제 모델 및 시공간 모델을 순차적으로 적용하여 동적 혈류 신호를 감지할 수 있다.
예를 들어, 프로세서(240)는 정적 배경 억제 모델에 기초하여, 자기 공명 신호로부터 정적 배경을 억제할 수 있다. 그리고 프로세서(240)는 정적 배경이 억제된 자기 공명 신호로부터 동적 배경 억제 모델에 기초하여, 동적 배경을 억제할 수 있다. 마지막으로 프로세서(240)는 동적 배경 및 정적 배경이 억제된 자기 공명 신호에 대하여, 시공간 모델에 기초하여, 동적 혈류 신호를 추출할 수 있다.
이와 같이, 프로세서(240)는 생성하는 동적 혈관 영상의 목적에 따라 사용할 모델을 선택하여 동적 혈류 신호를 감지할 수 있다. 이때, 프로세서(240)는 동적 혈류 신호 추출과정을 반복적으로 수행하여, 최종적인 동적 혈류 신호를 추출할 수 있다.
이를 위하여, 프로세서(240)는 정적 배경을 억제하기 위하여 사용한 정보 및 추출된 동적 혈류 신호에 기초하여, 갱신된 자기 공명 신호와 최초 입력된 원본 자기 공명 신호의 오차를 산출할 수 있다. 그리고 오차가 미리 정해진 오차 범위 이내인 경우, 추출된 동적 혈류 신호가 유효한 것으로 판단할 수 있다.
구체적으로 프로세서(240)는 동적 혈류 신호를 추출하는 과정에서 추출된 정적 배경 및 추출된 동적 혈류 신호에 기초하여, 자기 공명 신호를 갱신할 수 있다. 그리고 프로세서(240)는 갱신된 자기 공명 신호 및 최초 입력된 원본 동적 혈류 신호 간의 오차를 산출할 수 있다. 그리고 산출된 오차가 미리 정해진 오차 범위 이내인 경우, 프로세서(240)는 추출된 동적 혈류 신호에 기초하여, 동적 혈관 영상을 생성할 수 있다.
만약, 오차가 미리 정해진 오차 범위를 초과하는 경우, 프로세서(240)는 최초 입력된 동적 혈류 신호간의 오차가 미리 정해진 오차 범위 내에 포함될까지 동적 혈류 신호를 재추출할 수 있다.
최종적으로 동적 혈류 신호가 추출되면, 프로세서(240)는 최종적으로 추출된 동적 혈류 신호에 기초하여, 동적 혈관 영상을 생성할 수 있다.
그리고 프로세서(240)는 통신 모듈(미도시)을 통하여, 자기 공명 기기(210)에 생성된 동적 혈관 영상을 전달할 수 있다. 자기 공명 기기(210)는 별도의 디스플레이 장치(120)를 통하여, 사용자에게 동적 혈관 영상을 제공할 수 있다. 이때, 사용자는 환자에 대한 동적 혈관 영상을 요청한 의료진 및 환자가 될 수 있다.
또는, 프로세서(240)는 직접 연결된 디스플레이 장치(120)을 통하여, 생성된 동적 혈관 영상을 디스플레이 할 수 있다.
다시 도 3 및 도 4를 참조하면, 본 발명의 일 실시예에 따른 자기 공명 영상 처리 장치(200)는 앞에서 설명한 동적 혈관 영상 추출과정을 통하여, 도 3의 (b) 및 도 4의 (b)와 같이, 동적 혈관 영상을 생성할 수 있다. 이때, 도 3의 (a) 및 도 3의 (b)는 종래의 최대 신호세기 사영 방법을 이용하여 추출된 동적 혈관 영상이다.
도 3을 참조하면 종래의 기술에 따른 동적 혈관 영상에서는 인공물(P300) 및 잡음(P310, P320)의 증폭이 확연하게 드러난다. 그러나 자기 공명 영상 처리 장치(200)를 통하여 추출된 동적 혈관 영상에서는 종래의 기술에 비하여, 인공물(P330) 및 잡음(P340, P350)이 감소되었다.
또한, 도 4를 참조하면 종래의 기술에 따른 동적 혈관 영상에서의 인공물(P400) 및 잡음(P410)에 비하여, 자기 공명 영상 처리 장치(200)를 통하여 추출된 동적 혈관 영상에서는 인공물(P420) 및 잡음(P430)이 감소된 것을 확인할 수 있다.
도 6은 본 발명의 일 실시예에 따른 샘플링된 자기 공명 신호에 기초하여 생성된 동적 혈관 영상의 예시도이다.
도 6에서 상단의 첫 번째 도면(R=1)은 자기 공명 신호로부터 샘플링을 수행하지 않은 경우에 생성된 동적 혈관 영상이다. 또한, 두 번째 도면(R=20)은 자기 공명 신호를 1/20으로 샘플링한 후 생성된 동적 혈관 영상이며, 세 번째 도면(R=30)은 자기 공명 신호를 1/30으로 샘플링한 후 생성된 동적 혈관 영상, 네 번째 도면(R=40)은 자기 공명 신호를 1/40으로 샘플링한 후 생성된 동적 혈관 영상, 마지막 도면(R=50)는 자기 공명 신호를 1/50으로 샘플링한 후 생성된 동적 혈관 영상이다.
또한, 도 6의 하단은 각각의 샘플링 된 동적 혈관 영상과 샘플링 하지 않은 동적 혈관 영상의 비교 결과이다. 이때, NRMSE는 정규화된 평균 제곱근 편차(normalized root mean square error)이다. 자기 공명 영상 처리 장치(200)는 전체 자기 공명 신호와 비교하면, 샘플링을 수행한 경우 0.0145 내지 0.024의 오차를 보인다.
그러므로 자기 공명 영상 처리 장치(200)는 확인하고자 하는 혈관의 종류와 상태, 질병의 종류 및 환자의 상태 등을 고려하여 오차에 대응하는 샘플링 비율(sampling rate)을 정할 수 있다. 예를 들어, 자기 공명 영상 처리 장치(200)는 빠른 혈류 흐름을 보이는 특정 혈관에 대하여, 샘플링 비율을 높게
그리고 자기 공명 영상 처리 장치(200)는 정해진 샘플링 비율에 따라 선택된 자기 공명 신호를 통하여, 동적 혈류 신호를 추출할 수 있다.
도 7은 본 발명의 일 실시예에 따른 동적 혈관 영상과 종래의 동적 혈관 영상을 비교한 예시도이다.
도 7의 (a)는 종래의 기법을 통하여 추출된 동적 혈관 영상이며, 도 7의 (b)는 본 발명의 일 실시예에 따른 자기 공명 영상 처리 장치(200)를 통하여 추출된 동적 혈관 영상이다. 이때, 종래 기법 및 자기 공명 영상 처리 장치(200)는 각각 언더샘플링 기법(2.5% 획득)을 이용하여 획득된 자기 공명 신호에 기초하여, 동적 혈관 영상을 생성한 것이다.
자기 공명 영상 처리 장치(200)를 통하여 추출된 동적 혈관 영상에서의 인공물 및 잡음 부분(P740, P750)은 종래의 기법의 인공물 및 잡음 부분(P710, P720) 보다 현저하기 줄어든 것을 확인할 수 있다. 또한, 자기 공명 영상 처리 장치(200)를 통하여 추출된 동적 혈관 영상에서의 혈류 신호(P730)는 종래의 기법의 혈류 신호(P700)에 비하여, 선명한 것을 확인할 수 있다.
이와 같이, 자기 공명 영상 처리 장치(200)는 종래의 기법에 비하여, 인공물을 억제하고, 동적 혈관 신호만을 선별할 수 있다. 그러므로 자기 공명 영상 처리 장치(200)는 인공물 및 잡음이 획기적으로 감소된 높은 가시성의 동적 혈관 영상을 생성할 수 있다.
다음은 도 8을 참조하여, 본 발명의 일 실시예에 따른 자기 공명 영상 처리 장치(200)의 영상 처리 방법을 설명한다.
도 8은 본 발명의 일 실시예에 따른 자기 공명 영상 처리 장치(200)의 영상 처리 방법이다.
자기 공명 영상 처리 장치(200)는 모델에 기초하여 자기 공명 신호로부터 동적 혈류 신호를 추출한다(S800). 이때, 자기 공명 신호는 자기 공명 기기(210)로부터 수신한 시공간 인코딩 영역에서 발생된 신호에 기초한 것이다.
자기 공명 영상 처리 장치(200)는 추출된 동적 혈류 신호에 기초하여 동적 혈관 영상을 생성한다(S810).
자기 공명 영상 처리 장치(200)는 추출된 정적 배경 및 추출된 동적 혈류 신호에 기초하여, 자기 공명 신호를 갱신할 수 있다(S820). 그리고 자기 공명 영상 처리 장치(200)는 갱신된 자기 공명 신호 및 최초에 입력된 자기 공명 신호의 오차를 산출할 수 있다(S830).
자기 공명 영상 처리 장치(200)는 산출된 오차가 미리 정해진 오차 범위를 초과하는 경우, 자기 공명 신호로부터 동적 혈류 신호를 재추출할 수 있다.
그리고 자기 공명 영상 처리 장치(200)는 오차가 미리 정해진 오차 범위 이내인 경우(S840), 최종적으로 추출된 동적 혈류 신호에 기초하여 동적 혈관 영상을 생성할 수 있다.
한편, 모델은 자기 공명 신호에 대한 정적 배경 억제 모델, 동적 배경 억제 모델 및 시공간 모델 중 적어도 하나 이상을 포함한다. 또한, 동적 배경은 자기 공명 신호에 포함된 인공물일 수 있다.
즉, 자기 공명 영상 처리 장치(200)는 동적 혈류 신호를 추출하는 단계 이전에, 모델을 생성할 수 있다.
이를 위하여, 자기 공명 영상 처리 장치(200)는 먼저, 조영제의 유입 시간 및 유입 속도의 변화에 따른 조영 증강 혈류 신호를 수집할 수 있다.
그리고 자기 공명 영상 처리 장치(200)는 수집된 조영 증강 혈류 신호에 기초하여, 시공간 모델을 생성할 수 있다. 이때, 자기 공명 영상 처리 장치(200)는 수집된 조영 증강 혈류 신호 및 정규화된 감마 함수에 기초하여, 시공간 모델을 생성할 수 있다.
자기 공명 영상 처리 장치(200)는 자기 공명 신호에 포함된 조영 증강 이전의 신호로부터 정적 배경 억제 모델을 생성할 수 있다.
또한, 자기 공명 영상 처리 장치(200)는 자기 공명 신호에 포함된 조영 증강 이전의 신호로부터 움직임 모델을 생성할 수 있다. 그리고 자기 공명 영상 처리 장치(200)는 생성된 움직임 모델에 기초하여 동적 배경 억제 모델을 생성할 수 있다.
본 발명의 일 실시예에 따른 자기 공명 영상 처리 장치(200) 및 영상 처리 방법은 환자의 움직임 등에 의해 발생할 수 있는 인공물 및 잡음의 증폭을 줄일 수 있어 사용자에게 강건한 동적 혈관 영상을 제공할 수 있다. 자기 공명 영상 처리 장치(200) 및 영상 처리 방법은 적은 양의 데이터만으로 고해상도의 혈관 영상을 생성할 수 있다. 또한, 자기 공명 영상 처리 장치(200) 및 영상 처리 방법은 각 시간 프레임에 필요한 데이터를 획기적으로 줄일 수 있으며, 전체 동적 영상을 복원하기 용이하다.
그러므로 자기 공명 영상 처리 장치(200) 및 영상 처리 방법을 통하여, 의료진은 환자의 혈관의 모양, 협착 및 폐색 등을 빠르고 정확하게 판단할 수 있다.
본 발명의 일 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체 및 통신 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. 통신 매체는 전형적으로 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈, 또는 반송파와 같은 변조된 데이터 신호의 기타 데이터, 또는 기타 전송 메커니즘을 포함하며, 임의의 정보 전달 매체를 포함한다.
본 발명의 방법 및 시스템은 특정 실시예와 관련하여 설명되었지만, 그것들의 구성 요소 또는 동작의 일부 또는 전부는 범용 하드웨어 아키텍쳐를 갖는 컴퓨터 시스템을 사용하여 구현될 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
200: 자기 공명 영상 처리 장치
210: 자기 공명 기기
220: 디스플레이 장치
230: 메모리
240: 프로세서

Claims (14)

  1. 자기 공명 영상 처리 장치에 있어서,
    자기 공명 신호로부터 동적 혈관 영상을 추출하는 프로그램이 저장된 메모리 및
    상기 프로그램을 실행하는 프로세서를 포함하고,
    상기 프로세서는 상기 프로그램의 실행에 따라, 모델에 기초하여, 자기 공명 신호로부터 동적 혈류 신호를 추출하고, 상기 추출된 동적 혈류 신호에 기초하여 상기 동적 혈관 영상을 생성하되,
    상기 모델은 상기 자기 공명 신호에 대한 정적 배경 억제 모델, 동적 배경 억제 모델 및 시공간 모델 중 적어도 하나 이상을 포함하고,
    상기 동적 배경은 자기 공명 신호에 포함된 인공물인, 자기 공명 영상 처리 장치.
  2. 제 1 항에 있어서,
    상기 프로세서는 조영제의 유입 시간 및 유입 속도의 변화에 따른 조영 증강 혈류 신호를 상기 수집된 자기 공명 신호로 수집하고, 상기 수집된 자기 공명 신호에 기초하여, 상기 시공간 모델을 생성하는 것인, 자기 공명 영상 처리 장치.
  3. 제 2 항에 있어서,
    상기 프로세서는 정규화된 감마 함수(normalized gamma-variate function), 단일 구획 재순환(single compartment recirculation; SCR) 함수 및 지수 함수 중 어느 하나에 기초하여, 상기 시공간 모델을 생성하는, 자기 공명 영상 처리 장치.
  4. 제 2 항에 있어서,
    상기 프로세서는 상기 조영 증강 혈류 신호에 대한 세기의 변화에 기초하여, 상기 시공간 모델을 정교화하는 것이되,
    상기 세기의 변화는 상기 조영제의 유입, 상기 조영제 유입에 따른 단일 구획 재순환(single compartment recirculation) 및 정상 상태 순환 중 적어도 하나에 대응하는 조영 증강 혈류 신호의 증가 및 감소인, 자기 공명 영상 처리 장치.
  5. 제 2 항에 있어서,
    상기 프로세서는 상기 수집된 자기 공명 신호에 기초하여, 상기 수집된 자기 공명 신호 및 하기 수학식에 대한 최적화를 통하여, 최적화된 열 벡터의 기저 및 행 벡터의 기저를 산출하고, 상기 산출된 최적화된 열 벡터의 기저 및 행 벡터의 기저에 기초하여, 상기 시공간 모델을 생성하는 것인, 자기 공명 영상 처리 장치.
    [수학식]
    Figure pat00017
  6. 제 5 항에 있어서,
    상기 프로세서는 ADMM(alternating direction method multipliers)에 기초하여, 상기 최적화를 수행하는 것인, 자기 공명 영상 처리 장치.
  7. 제 1 항에 있어서,
    상기 프로세서는 상기 자기 공명 신호에 포함된 조영 증강 이전의 신호로부터 상기 정적 배경 억제 모델을 생성하는 것인, 자기 공명 영상 처리 장치.
  8. 제 1 항에 있어서,
    상기 프로세서는 상기 모델로부터 추출된 정적 배경 및 상기 추출된 동적 혈류 신호에 기초하여, 상기 자기 공명 신호를 갱신하고,
    상기 갱신된 자기 공명 신호 및 최초의 자기 공명 신호 간의 오차를 산출하고, 상기 오차가 미리 정해진 오차 허용 범위 이내인 경우, 상기 추출된 동적 혈류 신호에 기초하여 상기 동적 혈관 영상을 생성하며,
    상기 오차가 미리 정해진 오차 허용 범위를 초과하는 경우, 상기 모델에 기초하여, 상기 갱신된 자기 공명 신호로부터 동적 혈류 신호를 재추출하는, 자기 공명 영상 처리 장치.
  9. 자기 공명 영상 처리 장치에서의 영상 처리 방법에 있어서,
    모델에 기초하여 자기 공명 신호로부터 동적 혈류 신호를 추출하는 단계; 및
    상기 추출된 동적 혈류 신호에 기초하여 동적 혈관 영상을 생성하는 단계를 포함하되,
    상기 모델은 상기 자기 공명 신호에 대한 정적 배경 억제 모델, 동적 배경 억제 모델 및 시공간 모델 중 적어도 하나 이상을 포함하고,
    상기 동적 배경은 자기 공명 신호에 포함된 인공물인, 영상 처리 방법.
  10. 제 9 항에 있어서,
    상기 동적 혈류 신호를 추출하는 단계 이전에,
    조영제의 유입 시간 및 유입 속도의 변화에 따른 조영 증강 혈류 신호를 수집하는 단계; 및
    상기 수집된 조영 증강 혈류 신호에 기초하여, 상기 시공간 모델을 생성하는 단계를 더 포함하는, 영상 처리 방법.
  11. 제 9 항에 있어서,
    상기 동적 혈류 신호를 추출하는 단계 이전에, 상기 자기 공명 신호에 포함된 조영 증강 이전의 신호로부터 상기 정적 배경 억제 모델을 생성하는 단계를 더 포함하는, 영상 처리 방법.
  12. 제 9 항에 있어서,
    상기 동적 혈류 신호를 추출하는 단계 이전에, 상기 자기 공명 신호에 포함된 조영 증강 이전의 신호로부터 움직임 모델을 생성하는 단계; 및
    상기 생성된 움직임 모델에 기초하여 상기 동적 배경 억제 모델을 생성하는 단계를 더 포함하는, 영상 처리 방법.
  13. 제 10 항에 있어서,
    상기 동적 혈관 영상을 생성하는 단계는,
    상기 모델로부터 추출된 정적 배경 및 상기 추출된 동적 혈류 신호에 기초하여, 상기 자기 공명 신호를 갱신하는 단계;
    상기 갱신된 자기 공명 신호 및 상기 자기 공명 신호의 오차를 산출하는 단계; 및
    상기 오차가 미리 정해진 오차 허용 범위 이내인 경우, 상기 추출된 동적 혈류 신호에 기초하여 상기 동적 혈관 영상을 생성하는 단계를 포함하고,
    상기 오차가 미리 정해진 오차 허용 범위 초과인 경우, 상기 동적 혈류 신호를 추출하는 단계 및 상기 자기 공명 신호를 갱신하는 단계를 재수행하는 단계를 포함하는, 영상 처리 방법.
  14. 제 9 항 내지 제 13 항 중 어느 한 항에 기재된 방법을 컴퓨터 상에서 수행하기 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체.
KR1020160047150A 2016-04-18 2016-04-18 자기 공명 영상 처리 장치 및 그 영상 처리 방법 KR101797141B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020160047150A KR101797141B1 (ko) 2016-04-18 2016-04-18 자기 공명 영상 처리 장치 및 그 영상 처리 방법
PCT/KR2017/004138 WO2017183885A1 (ko) 2016-04-18 2017-04-18 자기 공명 영상 처리 장치 및 그 영상 처리 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160047150A KR101797141B1 (ko) 2016-04-18 2016-04-18 자기 공명 영상 처리 장치 및 그 영상 처리 방법

Publications (2)

Publication Number Publication Date
KR20170119233A true KR20170119233A (ko) 2017-10-26
KR101797141B1 KR101797141B1 (ko) 2017-11-13

Family

ID=60116166

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160047150A KR101797141B1 (ko) 2016-04-18 2016-04-18 자기 공명 영상 처리 장치 및 그 영상 처리 방법

Country Status (2)

Country Link
KR (1) KR101797141B1 (ko)
WO (1) WO2017183885A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116563673B (zh) * 2023-07-10 2023-12-12 浙江华诺康科技有限公司 烟雾训练数据生成方法、装置和计算机设备

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5161427B2 (ja) * 2006-02-20 2013-03-13 株式会社東芝 画像撮影装置、画像処理装置及びプログラム
JP5624346B2 (ja) * 2009-04-03 2014-11-12 株式会社東芝 磁気共鳴イメージング装置
JP5877000B2 (ja) 2011-07-12 2016-03-02 株式会社根本杏林堂 Ｍｒｉ装置
US9424395B2 (en) * 2013-03-04 2016-08-23 Heartflow, Inc. Method and system for sensitivity analysis in modeling blood flow characteristics
JP6240319B2 (ja) * 2013-06-03 2017-11-29 サムスン ライフ パブリック ウェルフェア ファウンデーションＳａｍｓｕｎｇ Ｌｉｆｅ Ｐｕｂｌｉｃ Ｗｅｌｆａｒｅ Ｆｏｕｎｄａｔｉｏｎ 側副循環の画像化及び評価のための新しい磁気共鳴画像法

Also Published As

Publication number Publication date
WO2017183885A1 (ko) 2017-10-26
KR101797141B1 (ko) 2017-11-13

Similar Documents

Publication Publication Date Title
CN111513716B (zh) 使用扩展灵敏度模型和深度神经网络进行磁共振图像重建的方法和系统
CN109477877B (zh) 磁共振成像系统和方法
Schloegl et al. Infimal convolution of total generalized variation functionals for dynamic MRI
US11341616B2 (en) Methods and system for selective removal of streak artifacts and noise from images using deep neural networks
Doneva Mathematical models for magnetic resonance imaging reconstruction: An overview of the approaches, problems, and future research areas
US10234528B2 (en) Method and apparatus to correct noise effects in quantitative techniques in magnetic resonance imaging
US9746539B2 (en) MR imaging with suppresion of flow artifacts
US9664764B2 (en) Magnetic resonance imaging apparatus and susceptibility-weighted imaging method using the same
US11506735B2 (en) Systems and methods for magnetic resonance imaging
US20140079305A1 (en) Method and apparatus for image enhancement in magnetic resonance imaging using motion corrupted data
Dietrich et al. 3D free‐breathing multichannel absolute mapping in the human body at 7T
US10295640B2 (en) Method and apparatus for movement correction of magnetic resonance measurement data
US11125847B2 (en) System and method for out-of-view artifact suppression for magnetic resonance fingerprinting
US12067652B2 (en) Correction of magnetic resonance images using multiple magnetic resonance imaging system configurations
US20220180575A1 (en) Method and system for generating magnetic resonance image, and computer readable storage medium
CN113966471A (zh) 螺旋k空间采样磁共振图像的重建
KR101797141B1 (ko) 자기 공명 영상 처리 장치 및 그 영상 처리 방법
US20240164737A1 (en) Image reconstruction incorporating maxwell fields and gradient impulse response function distortion
US11940516B2 (en) Systems and methods for magnetic resonance imaging
KR101826063B1 (ko) 화학 교환 포화 전이 자기 공명 영상 장치 및 방법
US11754654B2 (en) Method and device for determining a motion field from k-space data
Akçakaya et al. Subject-specific convolutional neural networks for accelerated magnetic resonance imaging
US20230326099A1 (en) Magnetic resonance image processing apparatus and method using artificial neural network in k-space domain
Laraib Computationally optimized 3D stack-of-spirals image reconstruction
WO2023186609A1 (en) Deep learning based denoising of mr images

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant