KR20170128975A - Vessel segmentation device and vessel segmentation method thereof - Google Patents

Vessel segmentation device and vessel segmentation method thereof Download PDF

Info

Publication number
KR20170128975A
KR20170128975A KR1020160059755A KR20160059755A KR20170128975A KR 20170128975 A KR20170128975 A KR 20170128975A KR 1020160059755 A KR1020160059755 A KR 1020160059755A KR 20160059755 A KR20160059755 A KR 20160059755A KR 20170128975 A KR20170128975 A KR 20170128975A
Authority
KR
South Korea
Prior art keywords
blood vessel
image
branch point
unit
graph
Prior art date
Application number
KR1020160059755A
Other languages
Korean (ko)
Inventor
이정원
이수열
정지욱
채승훈
Original Assignee
한국전자통신연구원
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 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020160059755A priority Critical patent/KR20170128975A/en
Publication of KR20170128975A publication Critical patent/KR20170128975A/en

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
    • A61B6/50—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
    • A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computerised tomographs
    • A61B6/032—Transmission computed tomography [CT]
    • 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
    • A61B6/503—Clinical applications involving diagnosis of heart
    • 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
    • A61B6/5223—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data generating planar views from image data, e.g. extracting a coronal view from a 3D image

Abstract

The present invention relates to an image segmentation technology. Especially, the present invention relates to a vessel segmentation device and a method thereof. According to an embodiment of the present invention, the vessel segmentation device comprises: a vessel segmentation unit for segmenting a vessel from a received image; a graph image generation unit for generating a graph image corresponding to the image of the vessel segmented by the vessel segmentation unit; and a small vessel extraction unit for comparing at least one branch point structural type received from a database with a structure of a branch point selected among a plurality of branch points included in the graph image. According to an embodiment of the present invention, the vessel segmentation device can automatically segment a desired vessel from an image, thereby reducing the time required to establish a plan for an operation of a patient and to simulate the operation.

Description

혈관 분할 장치 및 그것의 혈관 분할 방법{VESSEL SEGMENTATION DEVICE AND VESSEL SEGMENTATION METHOD THEREOF}[0001] VESSEL SEGMENTATION DEVICE AND VESSEL SEGMENTATION METHOD THEREOF [0002]

본 출원은 영상 분할 기술에 관한 것으로, 특히 혈관을 분할하는 장치 및 그 방법에 관한 것이다.The present application relates to an image segmentation technique, and more particularly, to an apparatus and method for segmenting a blood vessel.

일반적으로, 영상 분할 기술은 종양과 질병의 검출, 혈관의 부피 측정, 컴퓨터의 도움을 받은 수술, 진단, 치료 계획, 해부학적 구조의 연구 등과 같은 의료 영상분야에 널리 응용되고 있다. 특히 의료 분야에 있어서, 치료, 수술 등의 의료 행위에 대한 계획을 수립하고 정확한 수술 부위의 결정을 위하여, 인체의 특정 부위를 분할 측정하는 영상 분할 기술이 널리 사용되고 있는 것이다.In general, image segmentation techniques are widely applied in the field of medical imaging such as detection of tumors and diseases, volume measurement of blood vessels, computer assisted surgery, diagnosis, treatment planning, and study of anatomical structures. Particularly in the medical field, an image segmentation technique is widely used in which a plan for medical treatment such as treatment, surgery, etc. is established and a specific region of a human body is divided and measured to determine an accurate surgical site.

그러나 종래의 영상 분할 기술은 자동으로 원하는 혈관 구조를 모두 분할하지 못한다는 한계가 있다. 예를 들어, CT 촬영된 영상으로부터 혈관을 분할하는 경우, 혈관의 굵기가 굵은 혈관 또는 CT 촬영 전에 주입된 조영제에 의해서 밝게 조영 증강되는 혈관(이하, 대혈관)은 비교적 쉽게 분할될 수 있다. 그러나 특정 수술에 있어서 중요하지만 지름이 작은 혈관들 또는 정맥과 같이 조영 증강이 약한 혈관(이하, 소혈관)은 종래의 영상 분할 기술을 통하여 자동 분할이 어렵다는 문제가 있다.However, the conventional image segmentation technique has a limitation that it can not automatically divide all the desired blood vessel structures. For example, in the case of dividing a blood vessel from a CT-captured image, a blood vessel having a thick blood vessel or a blood vessel (hereinafter referred to as a large blood vessel) brightly enhanced by a contrast agent injected before a CT scan can be divided relatively easily. However, there is a problem that it is difficult to automatically segment blood vessels (hereinafter referred to as small blood vessels) such as blood vessels or veins which are important in a specific operation but have weak contrast enhancement through conventional image segmentation techniques.

더욱이 원하는 혈관 구조를 모두 분할하기 위하여, 종래의 혈관 분할 장치는 혈관의 분기점을 사용자가 마우스로 직접 클릭하여 그 지점에서 혈관의 트래킹을 진행하는 방식을 사용한다. 그러나 이러한 방법은 혈관을 분할하는데 많은 시간과 인력이 소모된다는 한계가 있다.Furthermore, in order to divide all of the desired blood vessel structures, the conventional blood vessel dividing apparatus uses a method in which the user directly clicks the branch point of the blood vessel to track the blood vessel at that point. However, this method has a limit in that it takes a lot of time and manpower to divide the blood vessel.

본 출원의 목적은 영상으로부터 자동으로 혈관을 분할할 수 있는 장치 및 방법을 제공하는데 있다.It is an object of the present invention to provide an apparatus and a method for automatically segmenting blood vessels from an image.

본 출원의 실시 예에 따른 혈관 분할 장치는 입력된 영상으로부터 혈관을 분할하는 혈관 분할부, 상기 혈관 분할부에 의하여 분할된 혈관의 영상에 대응하는 그래프 영상을 생성하는 그래프 영상 생성부 및 상기 그래프 영상에 포함된 복수의 분기점들 중 선택된 분기점의 구조와 데이터 베이스로부터 수신된 적어도 하나의 분기점 구조 타입을 비교하는 소혈관 추출부를 포함한다.A blood vessel dividing apparatus according to an embodiment of the present invention includes a blood vessel dividing unit for dividing a blood vessel from an input image, a graph image generating unit for generating a graph image corresponding to an image of a blood vessel divided by the blood vessel dividing unit, And a small blood vessel extracting unit for comparing at least one branch point structure type received from the database with the structure of the selected branch point among the plurality of branch points included in the database.

본 출원의 실시 예에 따른 혈관 분할 방법은 입력 영상으로부터 대혈관을 분할하여 혈관 분할 영상을 생성하는 단계, 상기 혈관 분할 영상에 대응하는 그래프 영상을 생성하는 단계, 상기 그래프 영상에 포함된 복수의 분기점들 중 선택된 분기점과 데이터 베이스로부터 수신된 적어도 하나의 분기점 구조 타입을 비교하여, 소혈관의 누락 가능성을 판단하는 단계 및 상기 소혈관의 누락 가능성의 판단 결과에 기초하여, 상기 입력 영상의 밝기 값을 선택적으로 조정하는 단계를 포함한다.According to an embodiment of the present invention, there is provided a blood vessel segmentation method comprising: generating a blood vessel segment image by dividing a large blood vessel from an input image; generating a graph image corresponding to the blood vessel segment image; Comparing the selected branch point with at least one branch point structure type received from the database to determine a possibility of omission of the small blood vessel and determining a brightness value of the input image based on the determination result of the possibility of omission of the small blood vessel And optionally adjusting.

본 출원의 실시 예에 따른 혈관 분할 장치는 자동으로 영상으로부터 원하는 혈관을 분할할 수 있다. 따라서, 환자의 수술 계획을 수립하고 수술 시뮬레이션에 소요되는 시간이 감소될 수 있다.The blood vessel dividing device according to the embodiment of the present application can automatically divide the desired blood vessel from the image. Therefore, the time required for establishing the patient's surgical plan and simulating the surgery can be reduced.

도 1은 본 출원의 기술적 사상의 실시 예에 따른 혈관 분할 장치를 보여주는 블록도이다.
도 2는 혈관 분할부에 의하여 혈관이 분할된 영상의 일 실시 예를 보여주는 영상이다.
도 3a 내지 도 3c는 혈관 분할 영상으로부터 그래프 영상을 생성하는 그래프 영상 생성부의 동작을 예시적으로 보여주는 영상이다.
도 4는 데이터 베이스에 저장된 분기점 위치에 따른 분기점 구조 타입들의 일 실시 예를 보여주는 영상이다.
도 5는 도 1의 혈관 분할 장치의 동작을 예시적으로 설명하기 위한 순서도이다.
도 6은 본 출원의 기술적 사상의 실시 예에 따른 혈관 분할 장치를 구현하는 컴퓨팅 장치를 예시적으로 설명하기 위한 블록도이다.1 is a block diagram illustrating a blood vessel segmentation device according to an embodiment of the present invention.
2 is an image showing an embodiment of an image in which a blood vessel is divided by an alveolar part.
3A to 3C illustrate an operation of a graph image generating unit for generating a graph image from a blood vessel segment image.
4 is an image showing one embodiment of the branch point structure types according to the branch point location stored in the database.
FIG. 5 is a flowchart illustrating an operation of the blood vessel dividing apparatus of FIG. 1; FIG.
FIG. 6 is a block diagram exemplarily illustrating a computing device implementing a vessel segmentation device according to an embodiment of the technical idea of the present application. FIG.

이하에서는, 본 출원의 기술적 사상을 본 출원의 기술분야에서 통상의 지식을 가진자가 용이하게 이해할 수 있을 정도로 상세히 설명하기 위하여, 본 출원의 기술적 사상이 첨부된 도면을 참조하여 설명될 것이다. 도 1은 본 출원의 기술적 사상의 실시 예에 따른 혈관 분할 장치(100)를 보여주는 블록도이며, 도 2 내지 도 4는 혈관 분할 장치(100)의 동작 과정을 좀 더 자세히 보여주기 위한 예시적인 영상들이다. In the following, the technical idea of the present application will be described with reference to the accompanying drawings in order to explain the technical idea of the present application in such a manner as to be easily understood by those skilled in the art. FIG. 1 is a block diagram showing a blood vessel dividing apparatus 100 according to an embodiment of the present invention. FIGS. 2 to 4 illustrate an exemplary image admit.

도 1을 참조하면, 혈관 분할 장치(100)는 영상 수신부(110), 혈관 분할부(120), 그래프 영상 생성부(130), 세그먼트 조사부(140), 데이터 베이스(150), 소혈관 추출부(160) 및 민감도 보정부(170)를 포함한다.1, the blood vessel dividing apparatus 100 includes an image receiving unit 110, a blood vessel dividing unit 120, a graph image generating unit 130, a segment examining unit 140, a database 150, (160) and a sensitivity correction unit (170).

영상 수신부(110)는 혈관을 촬영한 영상을 수신한다. 예를 들어, 영상 수신부(110)는 외부로부터 대상 환자의 CT 촬영(컴퓨터 단층 촬영) 영상, X-ray 혈관 조영(X-ray Angiography) 영상을 수신할 수 있다.The image receiving unit 110 receives an image of a blood vessel. For example, the image receiving unit 110 may receive a CT image (computerized tomography) image and an X-ray angiography image of a subject from the outside.

혈관 분할부(120)는 영상 수신부(110) 또는 민감도 보정부(170)로부터 대상 환자의 혈관을 촬영한 영상을 전달받는다. 혈관 분할부(120)는 전달받은 영상의 민감도에 기초하여, 전달받은 영상으로부터 혈관을 분할한다.The blood vessel dividing unit 120 receives the image of the blood vessel of the subject from the image receiving unit 110 or the sensitivity correction unit 170. The blood vessel dividing unit 120 divides the blood vessel from the transmitted image based on the sensitivity of the received image.

예를 들어, 혈관 분할부(120)는 영상 수신부(110)로부터 CT 촬영의 원본 영상을 전달받을 수 있다. 이 경우, 도 2에 도시된 바와 같이, 혈관 분할부(120)는 CT 촬영 원본 영상의 민감도에 기초하여 혈관을 분할할 수 있다. 이 경우, 혈관 분할부(120)에 의하여 분할되는 혈관은, 예를 들어, 굵기가 굵거나 조영 증강이 강한 대혈관일 수 있다. For example, the blood vessel dividing unit 120 may receive an original image of a CT scan from the image receiving unit 110. In this case, as shown in FIG. 2, the blood vessel partitioning part 120 can divide the blood vessel based on the sensitivity of the CT image. In this case, the blood vessel divided by the blood vessel partitioning part 120 may be, for example, a large blood vessel having a large thickness or a strong contrast enhancement.

다른 예로, 혈관 분할부(120)는 민감도 보정부(170)로부터 민감도가 보정된 영상을 전달받을 수 있다. 예를 들어, 혈관 분할부(120)는 민감도 보정부(170)로부터 입력 영상의 국소 부분의 민감도를 보정하는 보정된 혈관 분할 파라미터를 전달받을 수 있다. 다른 예로, 혈관 분할부(120)는 민감도 보정부(170)로부터 입력 영상 전체에 대한 민감도를 보정하는 보정된 혈관 분할 파라미터를 전달받을 수도 있다. 이 경우, 혈관 분할부(120)는 보정된 파라미터 값에 기초하여 혈관을 분할할 수 있다. 이 경우, 혈관 분할부(120)에 의하여 분할되는 혈관은, 예를 들어, 대혈관에 비하여 굵기가 얇거나 조영 증강이 약한 소혈관일 수 있다.As another example, the vascular decomposing section 120 may receive the corrected sensitivity image from the sensitivity correction section 170. For example, the vascular segment 120 may receive a corrected vessel segmentation parameter that corrects the sensitivity of the local portion of the input image from the sensitivity correction unit 170. In another example, the vascular decompressor 120 may receive a corrected vessel segmentation parameter that corrects the sensitivity of the entire input image from the sensitivity corrector 170. In this case, the blood vessel dividing section 120 can divide the blood vessel based on the corrected parameter value. In this case, the blood vessel divided by the blood vessel partitioning part 120 may be, for example, a small blood vessel whose thickness is thinner than that of the large blood vessel, or a small blood vessel whose contrast enhancement is weak.

그래프 영상 생성부(130)는 혈관 분할부(120)로부터 대상 환자의 혈관이 분할된 영상을 수신한다. 그래프 영상 생성부(130)는 수신한 영상 정보를 이용하여 대상 환자의 그래프 영상을 생성한다. The graph image generating unit 130 receives the divided images of the blood vessels of the subject from the blood vessel dividing unit 120. The graph image generating unit 130 generates a graph image of the subject using the received image information.

예를 들어, 도 3a에 도시된 바와 같이, 그래프 영상 생성부(130)는 혈관 분할부(120)로부터 대혈관이 분할된 영상을 수신할 수 있다. 이 경우, 그래프 영상 생성부(130)는 도 3b에 도시된 바와 같이 대혈관에 대응하는 그래프 영상을 생성할 수 있다. For example, as shown in FIG. 3A, the graph image generating unit 130 may receive an image segmented by the large blood vessel from the blood vessel dividing unit 120. FIG. In this case, the graph image generating unit 130 may generate a graph image corresponding to the large blood vessel as shown in FIG. 3B.

다른 예로, 그래프 영상 생성부(130)는 혈관 분할부(120)로부터 소혈관이 분할된 영상을 수신할 수 있다. 이 경우, 도 3c에 도시된 바와 같이, 그래프 영상 생성부(130)는 대혈관 및 소혈관에 대응하는 그래프를 생성할 수 있다. As another example, the graph image generating unit 130 may receive the divided blood vessels from the blood vessel dividing unit 120. In this case, as shown in FIG. 3C, the graph image generating unit 130 may generate a graph corresponding to the large blood vessel and the small blood vessel.

계속해서 도 1을 참조하면, 세그먼트 조사부(140)는 그래프 영상 생성부(130)로부터 대상 환자의 대혈관에 대응하는 그래프 또는 대혈관 및 소혈관에 대응하는 그래프를 수신한다. 세그먼트 조사부(140)는 수신한 그래프의 혈관 세그먼트를 조사하여, 대상 환자의 혈관의 분기점(이하, 대상 분기점)의 위치 및 대상 분기점의 구조를 판단한다. 1, the segment examination unit 140 receives a graph corresponding to the major blood vessel of the subject patient or a graph corresponding to the major blood vessel and the small blood vessel from the graph image generating unit 130. [ The segment examination unit 140 examines the blood vessel segment of the received graph, and determines the structure of the position of the branching point of the blood vessel (hereinafter referred to as the target branching point) and the structure of the target branching point.

데이터 베이스(150)는 혈관에서의 분기점 위치에 따른 분기점 구조에 대한 정보를 저장한다. 개인마다 차이가 있기는 하지만, 혈관이 분기되는 형태는 통계적으로 몇 가지 타입으로 나눌 수 있다. 예를 들어, 다수의 환자를 대상으로 혈관의 네트워크 구조와 분기점을 조사하면, 분기점의 구조는 분기점의 혈관 상 위치에 따라 몇 가지 타입으로 구분될 수 있다. 예를 들어, 도 4에 도시된 바와 같이, 특정 세그먼트에 위치하는 분기점의 구조는 4개의 타입으로 구분될 수 있다. The database 150 stores information on a branching point structure according to a branching point position in a blood vessel. Although there are differences among individuals, the type of branching of blood vessels can be statistically divided into several types. For example, when examining the network structure and bifurcation points of a blood vessel for a large number of patients, the structure of the bifurcation point can be classified into several types according to the position of the blood vessel image at the branch point. For example, as shown in FIG. 4, the structure of a branch point located in a specific segment can be divided into four types.

이와 같이, 분기점의 구조는 혈관에서의 분기점 위치에 따라 몇 가지 타입으로 분류될 수 있으며, 데이터 베이스(150)는 이러한 분기점 위치에 따른 분기점 구조 타입에 대한 정보를 저장할 수 있다. In this way, the structure of the branch point can be classified into several types according to the location of the branch point in the blood vessel, and the database 150 can store information on the branch point structure type according to the location of the branch point.

소혈관 추출부(160)는 세그먼트 조사부(140)로부터 대상 분기점의 위치 및 대상 분기점의 구조에 대한 정보를 수신한다. 소혈관 추출부(160)는 대상 분기점의 위치 정보에 기초하여, 데이터 베이스(150)로부터 해당 분기점 위치에 대응하는 분기점 구조 타입에 대한 정보를 수신한다. The small blood vessel extracting unit 160 receives the information about the position of the target diverging point and the structure of the target diverging point from the segment examining unit 140. [ The small vessel extracting unit 160 receives information on the branch point structure type corresponding to the corresponding branch point position from the database 150, based on the position information of the target branch point.

소혈관 추출부(160)는 대상 분기점의 구조 정보와 데이터 베이스(150)로부터 수신한 분기점 구조 타입에 대한 정보를 비교함으로써, 소혈관이 누락되었을 가능성이 있는지의 여부를 판단한다. 예를 들어, 대상 분기점 구조가 분기점 구조 타입 중 어느 하나와 일치하지 않는 경우, 소혈관 추출부(160)는 소혈관이 누락되었을 가능성이 높다고 판단할 수 있다. 다른 예로, 대상 분기점 구조가 분기점 구조 타입 중 어느 하나와 특정 소혈관이 누락된 점만을 제외하고는 일치한다면, 소혈관 추출부(160)는 해당 소혈관이 누락되었을 가능성이 높다고 판단할 수 있다. The small blood vessel extracting unit 160 compares the structure information of the target branch point with the information on the branch point structure type received from the database 150 to determine whether or not the small blood vessel is likely to be missing. For example, if the target branch point structure does not match any of the branch point structure types, the small blood vessel extraction unit 160 may determine that the possibility of a small blood vessel being missing is high. In another example, if the target bifurcation structure coincides with any one of the branch point structure types except for the point where the specific small blood vessel is missing, the small blood vessel extraction unit 160 may determine that the possibility of the small blood vessel being missing is high.

민감도 보정부(170)는 소혈관 추출부(160)로부터 소혈관 누락 가능성에 대한 정보를 수신한다. The sensitivity correction unit 170 receives information on the possibility of a small blood vessel missing from the small blood vessel extraction unit 160.

만약 소혈관이 누락 가능성이 크다면, 민감도 보정부(170)는 입력 영상의 민감도를 높이는 보정을 수행할 수 있다. 예를 들어, 민감도 보정부(170)는 입력 영상의 전체적인 민감도를 높이는 보정을 수행할 수 있다. 다른 예로, 민감도 보정부(170)는 입력 영상의 국소 부분의 민감도를 높이는 보정을 수행할 수 있다. 이 경우, 민감도 보정부(170)는 전체 영상 또는 국소 부분에 대응하는 혈관 분할 파라미터의 값을 높이는 보정을 통하여, 입력 영상의 민감도를 조정할 수 있다. 다만, 이는 예시적인 것이며, 민감도 보정부(170)는 다양한 방식으로 전체 영상 또는 국소 영상의 민감도를 조정할 수 있다.If a small blood vessel is likely to be missing, the sensitivity correction unit 170 may perform a correction to increase the sensitivity of the input image. For example, the sensitivity correction unit 170 may perform a correction to increase the overall sensitivity of the input image. As another example, the sensitivity correction unit 170 may perform a correction to increase the sensitivity of the local portion of the input image. In this case, the sensitivity correction unit 170 may adjust the sensitivity of the input image by correcting the value of the blood vessel segmentation parameter corresponding to the entire image or local portion. However, this is an example, and the sensitivity correction unit 170 can adjust the sensitivity of the entire image or the local image in various ways.

한편, 민감도 보정부(170)는 혈관 분할 파라미터를 높이는 보정을 수행한 후에, 보정된 혈관 분할 파라미터를 혈관 분할부(120)에 제공할 수 있다. 이 경우, 혈관 분할부(120)는 CT 촬영 영상으로부터 노이즈를 제거하고 소혈관을 효율적으로 분할하기 위하여, 대상 분기점에 대응하는 데이터 베이스(150)에 저장된 대상 분기점 구조 타입 정보를 참조할 수 있다. On the other hand, the sensitivity correction unit 170 may perform correction to increase the blood vessel segmentation parameter, and then provide the corrected segmentation parameter to the blood vessel segmentation unit 120. [ In this case, the blood vessel dividing unit 120 may refer to the target branch point structure type information stored in the database 150 corresponding to the target branch point, in order to remove noise from the CT image and efficiently divide the small blood vessel.

상술한 바와 같이, 본 출원의 실시 예에 따른 혈관 분할 장치(100)는 대상 환자의 혈관 영상을 그래프 영상으로 변환하여 대상 분기점을 조사하고, 대상 분기점 구조를 데이터 베이스에 저장된 분기점 구조 타입에 대한 정보와 비교함으로써 대상 환자의 혈관 구조를 자동으로 정확하게 분할할 수 있다. As described above, the blood vessel dividing apparatus 100 according to the embodiment of the present application converts a blood vessel image of a target patient into a graph image, examines a target diverging point, and displays the target diverging point structure as information about a diverging point structure type stored in the database The blood vessel structure of the subject can be automatically and accurately divided.

도 5는 도 1의 혈관 분할 장치(100)의 동작을 설명하기 위한 순서도이다. 이하에서는 도 5 및 도 1을 참조하여, 혈관 분할 장치(100)의 동작이 좀 더 자세히 설명될 것이다. FIG. 5 is a flowchart for explaining the operation of the blood vessel partitioning apparatus 100 of FIG. Hereinafter, with reference to FIG. 5 and FIG. 1, the operation of the blood vessel dividing apparatus 100 will be described in more detail.

S110 단계에서, 혈관 분할부(120)는 영상 수신부(110)로부터 수신된 대상 환자의 영상으로부터 대혈관을 분할한다. 예를 들어, 혈관 분할부(120)는, 예를 들어, 영상의 밝기 값에 기초하여 영상으로부터 대혈관을 분할할 수 있다.In step S110, the blood vessel dividing unit 120 divides the large blood vessel from the image of the subject received from the image receiving unit 110. [ For example, the blood vessel dividing section 120 can divide the large blood vessel from the image based on, for example, the brightness value of the image.

S120 단계에서, 그래프 영상 생성부(130)는 대혈관이 분할된 영상을 수신하고, 분할된 대혈관에 대응하는 그래프 영상을 생성한다. In step S120, the graph image generating unit 130 receives the divided image of the large blood vessel, and generates a graph image corresponding to the divided large blood vessel.

S130 단계에서, 세그먼트 조사부(140)는 대혈관에 대응하는 그래프를 수신하고, 수신된 그래프의 혈관 세그먼트를 조사하여 대상 분기점의 위치 및 대상 분기점의 구조를 판단한다.In step S130, the segment examination unit 140 receives the graph corresponding to the large vessel and examines the vessel segment of the received graph to determine the position of the target branch point and the structure of the target branch point.

S140 단계에서, 소혈관 추출부(160)는 대상 분기점의 위치 정보에 기초하여 데이터 베이스(150)로부터 해당 분기점의 위치에 대응하는 분기점 구조 타입에 대한 정보를 수신하고, 대상 분기점의 구조 정보와 분기점 구조 타입에 대한 정보를 비교한다. In step S140, the small vessel extracting unit 160 receives the information on the branch point structure type corresponding to the position of the branch point from the database 150 based on the position information of the target branch point, Compare the information about the structure type.

S145 단계에서, 소혈관 추출부(160)는 대상 분기점의 구조 정보와 분기점 구조 타입에 대한 정보를 비교하여 일치 여부를 확인함으로써, 소혈관이 누락되었을 가능성이 있는 지 판단한다. In step S145, the small vessel extracting unit 160 compares the structure information of the target branch point with the information on the branch point structure type to determine whether or not the small vessel is likely to be missing.

만약 소혈관이 누락되었을 가능성이 있다면, 민감도 보정부(170)는 입력 영상의 혈관 분할 파라미터의 민감도를 높이는 보정을 수행한다(S150 단계). 이후, 소혈관 추출부(160)에 의하여 보정된 혈관 분할 파라미터 값에 의하여 소혈관 트랙킹이 가능한지 판단한다(S155 단계). If there is a possibility that the small blood vessel is missing, the sensitivity correction unit 170 performs a correction for increasing the sensitivity of the blood vessel segmentation parameter of the input image (step S150). Thereafter, it is determined whether small vessel tracking is possible by the blood vessel segmentation parameter value corrected by the small blood vessel extraction unit 160 (step S155).

만약 보정된 혈관 분할 파라미터 값에 의하여 소혈관 트랙킹이 가능하다면, 대상 분기점에 대한 소혈관을 분할하고 그래프를 생성하는 동작이 혈관 분할부(120) 및 그래프 영상 생성부(130)에 의하여 각각 수행된다(S160 단계). 이후, 소혈관까지 분할된 대상 세그먼트의 분기점 구조와 데이터 베이스(150)의 분기점 구조 타입을 비교하는 동작이 다시 수행된다. 이 경우, 소혈관 트랙킹이 가능한지 여부의 판단 동작은, 예를 들어, 보정된 혈관 분할 파라미터 값에 의한 노이즈 값을 기준 값과 비교함으로써 수행될 수 있다. If small blood vessel tracking is possible by the corrected blood vessel segmentation parameter value, an operation of dividing a small blood vessel to a target branch point and generating a graph is performed by the blood vessel partitioning unit 120 and the graph image generating unit 130, respectively (Step S160). Thereafter, the operation of comparing the branch point structure of the target segment segmented into small blood vessels and the branch point structure type of the database 150 is performed again. In this case, the determination operation as to whether or not the small-vessel tracking is possible can be performed, for example, by comparing the noise value based on the corrected vessel segmentation parameter value with the reference value.

만약 보정된 혈관 분할 파라미터 값에 의하여 소혈관 트랙킹이 가능하지 않다면, 보정된 민감도 값이 기준 민감도 값보다 큰지의 여부가 판단된다(S165 단계). 만약 보정된 민감도 값이 기준 민감도 값보다 크지 않다면, 입력 영상의 민감도를 보정하는 동작이 다시 수행된다(S150 단계). 하지만, 만약 보정된 민감도 값이 기준 민감도 값보다 크다면, 모든 대혈관 세그먼트에 대한 조사가 완료되었는 지의 여부가 판단된다(S175 단계). If small blood vessel tracking is not possible by the corrected blood vessel segmentation parameter value, it is determined whether the corrected sensitivity value is larger than the reference sensitivity value (step S165). If the corrected sensitivity value is not greater than the reference sensitivity value, the operation of correcting the sensitivity of the input image is performed again (operation S150). However, if the corrected sensitivity value is greater than the reference sensitivity value, it is determined whether all the large vessel segments have been examined (step S175).

한편, S145 단계에서, 만약 소혈관이 누락되었을 가능성이 크지 않다면, 모든 대혈관 세그먼트에 대한 조사가 완료되었는 지의 여부가 판단된다(S175 단계). 만약 모든 대혈관 세그먼트에 대한 조사가 완료되지 않았다면, 다음 대혈관 세그먼트의 분기점에 대한 조사가 수행된다(S180 단계). On the other hand, if it is not likely that the small blood vessel is missing in step S145, it is determined whether all the large vessel segments have been examined (step S175). If the examination for all of the large vessel segments is not completed, an examination for the next large vessel segment is performed (step S180).

상술한 바와 같이, 본 출원의 실시 예에 따른 혈관 분할 동작은 대상 환자의 혈관 영상을 그래프 영상으로 변환하여 대상 분기점을 조사하고, 대상 분기점 구조를 데이터 베이스에 저장된 분기점 구조 타입에 대한 정보와 비교함으로써 대상 환자의 혈관 구조를 자동으로 정확하게 분할할 수 있다.As described above, in the blood vessel dividing operation according to the embodiment of the present application, the target bifurcation point is converted by converting the blood vessel image of the target patient into the graph image, and the target bifurcation structure is compared with the information about the bifurcation structure type stored in the database The blood vessel structure of the subject can be automatically and accurately divided.

도 6은 본 출원의 기술적 사상의 실시 예에 따른 혈관 분할 장치를 구현하는 컴퓨팅 장치(200)를 예시적으로 설명하기 위한 블록도이다. 도 6을 참조하면, 컴퓨팅 장치(200)는 영상 입력 장치(10) 및 사용자 장치(20)와 인터페이스를 수행한다. 컴퓨팅 장치(200)는 제어부(210), 프로그램 메모리(220), 데이터 메모리(230), 불휘발성 메모리(240) 및 표시부(250)를 포함한다. FIG. 6 is a block diagram for exemplary illustration of a computing device 200 implementing a vessel segmentation device according to an embodiment of the present technology. Referring to FIG. 6, a computing device 200 interfaces with a video input device 10 and a user device 20. The computing device 200 includes a control unit 210, a program memory 220, a data memory 230, a nonvolatile memory 240 and a display unit 250.

프로그램 메모리(220)는 본 출원의 실시 예에 따른 혈관 분할 기술을 구현하기 위하여 필요한 소프트웨어 프로그램을 저장하는데 사용될 수 있다. 예를 들어, 도 1에서 설명된 혈관 분할부(120) 및 그래프 영상 생성부(130)는 각각 소프트웨어로 구현될 수 있다. 이 경우, 혈관 분할부(120) 및 그래프 영상 생성부(130)의 동작을 지원하는 소프트웨어는 불휘발성 메모리(240)에 저장될 수 있으며, 혈관 분할 동작이 시작될 때에 불휘발성 메모리(240)로부터 프로그램 메모리(220)로 로딩 될 수 있다. 프로그램 메모리(220)는, 예를 들어, DRAM, SRAM 등과 같은 휘발성 메모리로 구현될 수 있으나, 이에 한정되는 것은 아니다. The program memory 220 may be used to store software programs necessary to implement the vessel segmentation technique according to embodiments of the present application. For example, the blood vessel dividing unit 120 and the graph image generating unit 130 described in FIG. 1 may be implemented by software, respectively. In this case, the software supporting the operation of the blood vessel dividing unit 120 and the graph image generating unit 130 may be stored in the nonvolatile memory 240, and when the blood vessel dividing operation is started, And may be loaded into the memory 220. The program memory 220 may be implemented as a volatile memory such as, for example, a DRAM, an SRAM, or the like, but is not limited thereto.

데이터 메모리(230)는 본 출원의 실시 예에 따른 혈관 분할 기술을 구현하기 위한 각종 데이터를 저장하는데 사용된다. 예를 들어, 데이터 메모리(230)는 영상 입력 장치(10)를 통하여 수신된 대상 환자의 CT 촬영 영상, CT 촬영 영상으로부터 분할된 대혈관 및/또는 소혈관 영상, 대혈관 및/또는 소혈관에 대응하는 그래프 영상을 저장하는데 사용될 수 있다. 데이터 메모리(230)는, 예를 들어, DRAM, SRAM 등과 같은 휘발성 메모리로 구현될 수 있으나, 이에 한정되는 것은 아니다. The data memory 230 is used to store various data for implementing the blood vessel segmentation technique according to the embodiment of the present application. For example, the data memory 230 stores the CT image of the subject, the large blood vessel and / or the small blood vessel image divided from the CT image, the large blood vessel and / or the small blood vessel, received through the image input device 10 Can be used to store corresponding graph images. The data memory 230 may be implemented as a volatile memory such as a DRAM, an SRAM, or the like, but is not limited thereto.

불휘발성 메모리(240)는 도 1의 데이터 베이스(150)에 저장된 혈관 세그먼트의 분기점 위치에 따른 분기점 구조 타입 정보를 저장하는데 사용될 수 있다. 또한, 불휘발성 메모리(240)는 도 1의 혈관 분할부(120) 및 그래프 영상 생성부(130)의 동작을 지원하는 소프트웨어를 저장하는데 사용될 수 있다. 혈관 분할 동작이 시작되면, 불휘발성 메모리(240)에 저장된 분기점 위치에 따른 분기점 구조 타입 정보 및 소프트웨어들은 각각 데이터 메모리(230) 및 프로그램 메모리(220)로 로딩될 수 있다. 불휘발성 메모리(240)는, 예를 들어, 플래시, MRAM, FRAM 등과 같은 불휘발성 메모리로 구현될 수 있으나, 이에 한정되는 것은 아니다. The nonvolatile memory 240 may be used to store the branch point structure type information according to the branch point position of the vascular segment stored in the database 150 of FIG. The nonvolatile memory 240 can also be used to store software supporting the operation of the blood vessel dividing unit 120 and the graph image generating unit 130 of FIG. The branch point structure type information and software corresponding to the branch point location stored in the nonvolatile memory 240 may be loaded into the data memory 230 and the program memory 220, respectively. The non-volatile memory 240 may be implemented as a nonvolatile memory such as, for example, flash, MRAM, FRAM, and the like, but is not limited thereto.

표시부(250)는 본 출원의 실시 예에 따른 혈관 분할 기술을 사용자에게 실시간으로 보여준다. 예를 들어, 표시부(250)는 대상 환자의 대혈관이 분할된 영상, 분할된 대혈관에 대응하는 그래프 영상, 대상 분기점의 구조 및 분기점 구조 타입에 대한 영상을 사용자에게 디스플레이할 수 있다. 더불어, 표시부(250)는 사용자가 직접 혈관 분할을 제어할 수 있도록, 사용자에게 관련 영상 및 정보를 제공할 수 있다. 예를 들어, 분할된 대혈관에 대한 세그먼트 및 분기점 조사 시에, 사용자는 표시부(250)에 디스플레이된 영상을 통하여 직접 조사를 시작할 대혈관을 선택할 수 있다. The display unit 250 displays the blood vessel segmentation technique according to the embodiment of the present application to the user in real time. For example, the display unit 250 may display a segmented image of a subject patient, a graph image corresponding to a divided large blood vessel, a structure of a target divergence point, and an image of a divergent structure type to a user. In addition, the display unit 250 may provide the user with related images and information so that the user can directly control the vessel segmentation. For example, at the time of segment and bifurcation examination of a divided large blood vessel, the user can select a blood vessel to directly start irradiation through the image displayed on the display unit 250.

제어부(210)는 컴퓨팅 장치(200)의 전반적인 동작을 제어한다. 예를 들어, 제어부(210)는 프로그램 메모리(220) 및 데이터 메모리(230)에 저장된 소프트웨어 및 데이터를 제어하여, 도 1에서 설명된 세그먼트 조사부(140)의 분기점 조사 동작, 소혈관 추출부(160)의 비교 및 소혈관 누락 가능성 판단 동작, 민감도 보정부(170)의 민감도 보정 동작 등을 수행할 수 있다. The control unit 210 controls the overall operation of the computing device 200. For example, the control unit 210 controls the software and data stored in the program memory 220 and the data memory 230 to perform a branch point survey operation of the segment survey unit 140 described in FIG. 1, ), A small-vessel-missing possibility determination operation, a sensitivity correction operation of the sensitivity correction unit 170, and the like.

한편, 본 출원의 상세한 설명에서는 구체적인 실시 예에 관하여 설명하였으나, 본 출원의 범위에서 벗어나지 않는 한도 내에서 여러 가지 변형이 가능함은 물론이다. 그러므로 본 출원의 범위는 상술한 실시 예에 국한되어 정해져서는 안되며, 후술하는 특허청구범위뿐만 아니라 이 출원의 특허청구범위와 균등한 것들에 의해 정해져야 한다.While the present invention has been described in connection with what is presently considered to be practical exemplary embodiments, it is to be understood that the invention is not limited to the disclosed embodiments. Therefore, the scope of the present application should not be limited to the above-described embodiments, but should be determined by the scope of the appended claims, as well as the claims of the present application.

100: 혈관 분할 장치
110: 영상 수신부
120: 혈관 분할부
130: 그래프 영상 생성부
140: 세그먼트 조사부
150: 데이터 베이스
160: 소혈관 추출부
170: 민감도 보정부
200: 컴퓨팅 장치
210: 제어부
220: 프로그램 메모리
230: 데이터 메모리
240: 불휘발성 메모리
250: 표시부100: blood vessel dividing device
110:
120: vascular compartment
130: Graph image generating unit
140: Segment Investigation Section
150: Database
160: small blood vessel extracting unit
170: Sensitivity correction unit
200: computing device
210:
220: Program memory
230: Data memory
240: nonvolatile memory
250:

Claims (14)

입력된 영상으로부터 혈관을 분할하는 혈관 분할부;
상기 혈관 분할부에 의하여 분할된 혈관의 영상에 대응하는 그래프 영상을 생성하는 그래프 영상 생성부; 및
상기 그래프 영상에 포함된 복수의 분기점들 중 선택된 분기점의 구조와 데이터 베이스로부터 수신된 적어도 하나의 분기점 구조 타입을 비교하는 소혈관 추출부를 포함하는 혈관 분할 장치.A blood vessel dividing unit dividing a blood vessel from the input image;
A graph image generating unit for generating a graph image corresponding to an image of a blood vessel divided by the blood vessel dividing unit; And
And a small blood vessel extracting unit for comparing the structure of the selected branch point among the plurality of branch points included in the graph image and at least one branch point structure type received from the database. 제 1 항에 있어서,
상기 데이터 베이스는 복수의 분기점 구조 타입들을 저장하며, 상기 데이터 베이스에 저장된 상기 복수의 분기점 구조 타입들은 혈관 세그먼트 상의 분기점 위치에 따라 복수의 그룹들로 구분되는 혈관 분할 장치.The method according to claim 1,
Wherein the database stores a plurality of branch point structure types and the plurality of branch point structure types stored in the database are divided into a plurality of groups according to a location of a branch point on the vessel segment. 제 2 항에 있어서,
상기 소혈관 추출부는 상기 선택된 분기점의 위치 정보에 기초하여, 상기 복수의 그룹들 중 적어도 하나의 그룹을 선택하는 혈관 분할 장치.3. The method of claim 2,
Wherein the small blood vessel extracting unit selects at least one group among the plurality of groups based on the position information of the selected branch point. 제 3 항에 있어서,
상기 소혈관 추출부는 상기 적어도 하나의 그룹에 포함된 적어도 하나의 분기점 구조 타입과 상기 선택된 분기점의 구조 사이의 비교 결과에 기초하여, 상기 분할된 혈관의 영상에서 소혈관의 누락 가능성을 판단하는 혈관 분할 장치.The method of claim 3,
Wherein the small blood vessel extracting unit extracts a small blood vessel from the image of the divided blood vessel based on a comparison result between at least one branch point structure type included in the at least one group and the structure of the selected branch point, Device. 제 1 항에 있어서,
상기 분할된 혈관의 영상에서 소혈관이 누락된 것으로 판단된 경우, 상기 입력된 영상의 민감도를 조절하는 민감도 보정부를 더 포함하는 혈관 분할 장치.The method according to claim 1,
Further comprising a sensitivity correction unit for adjusting a sensitivity of the input image when it is determined that the small blood vessel is missing from the image of the divided blood vessel. 제 1 항에 있어서,
상기 그래프 영상 생성부에 의하여 생성된 상기 그래프 영상의 혈관 세그먼트 및 분기점의 위치를 탐색하는 세그먼트 조사부를 더 포함하는 혈관 분할 장치.The method according to claim 1,
And a segment examination unit for searching for a position of a blood vessel segment and a branch point of the graph image generated by the graph image generation unit. 제 1 항에 있어서,
상기 입력된 영상은 CT 촬영 영상 및 X-ray 조영 영상 중 적어도 하나인 혈관 분할 장치.The method according to claim 1,
Wherein the input image is at least one of a CT image and an X-ray image. 입력 영상으로부터 대혈관을 분할하여 혈관 분할 영상을 생성하는 단계;
상기 혈관 분할 영상에 대응하는 그래프 영상을 생성하는 단계;
상기 그래프 영상에 포함된 복수의 분기점들 중 선택된 분기점과 데이터 베이스로부터 수신된 적어도 하나의 분기점 구조 타입을 비교하여, 소혈관의 누락 가능성을 판단하는 단계; 및
상기 소혈관의 누락 가능성의 판단 결과에 기초하여, 상기 입력 영상의 민감도를 보정하는 단계를 포함하는 혈관 분할 방법.Generating a blood vessel segment image by dividing a large blood vessel from an input image;
Generating a graph image corresponding to the blood vessel segment image;
Comparing at least one branch point structure type received from a database with a selected branch point among a plurality of branch points included in the graph image to determine a possibility of missing a small blood vessel; And
And correcting the sensitivity of the input image based on the determination result of the possibility of omission of the small blood vessel. 제 8 항에 있어서,
상기 입력 영상의 민감도를 보정하는 단계는 상기 선택된 분기점에 대응하는 혈관 분할 파라미터의 민감도를 보정함으로써 수행되는 혈관 분할 방법.9. The method of claim 8,
Wherein the step of correcting the sensitivity of the input image is performed by correcting the sensitivity of the blood vessel segmentation parameter corresponding to the selected branch point. 제 9 항에 있어서,
상기 보정된 혈관 분할 파라미터에 의한 노이즈 판단 값과 기준 값의 비교 결과에 기초하여, 상기 입력 영상으로부터 소혈관을 분할 가능한지의 여부를 판단하는 단계를 더 포함하는 혈관 분할 방법.10. The method of claim 9,
Further comprising the step of determining whether or not the small blood vessel can be divided from the input image based on a result of comparison between the noise determination value and the reference value based on the corrected blood vessel segmentation parameter. 제 10 항에 있어서,
상기 보정된 혈관 분할 파라미터의 값과 미리 설정된 혈관 분할 파라미터의 비교 결과에 기초하여, 상기 그래프 영상에 포함된 복수의 분기점들 중 선택되지 않은 분기점에 대한 소혈관의 누락 가능성을 판단할 지의 여부를 결정하는 단계를 더 포함하는 혈관 분할 방법.11. The method of claim 10,
Determines whether to determine the possibility of missing a small blood vessel with respect to a non-selected branch point among a plurality of branch points included in the graph image, based on a result of comparison between the corrected blood vessel segmentation parameter value and a preset blood vessel segmentation parameter The method further comprising the steps of: 제 8 항에 있어서,
상기 데이터 베이스는 복수의 분기점 구조 타입들을 포함하며,
상기 데이터 베이스로부터 수신된 상기 적어도 하나의 분기점 구조 타입은 상기 선택된 분기점의 위치 정보에 기초하여 선택되는 혈관 분할 방법.9. The method of claim 8,
The database includes a plurality of branch point structure types,
Wherein the at least one branch point structure type received from the database is selected based on position information of the selected branch point. 제 8 항에 있어서,
상기 그래프 영상의 혈관 세그먼트 및 분기점의 위치를 탐색하는 단계를 더 포함하는 혈관 분할 방법.9. The method of claim 8,
Further comprising the step of searching for a position of a vein segment and a branch point of the graph image. 제 8 항에 있어서,
상기 입력된 영상은 CT 촬영 영상 및 X-ray 조영 영상 중 적어도 하나인 혈관 분할 방법.9. The method of claim 8,
Wherein the input image is at least one of a CT image and an X-ray image.
KR1020160059755A 2016-05-16 2016-05-16 Vessel segmentation device and vessel segmentation method thereof KR20170128975A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160059755A KR20170128975A (en) 2016-05-16 2016-05-16 Vessel segmentation device and vessel segmentation method thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160059755A KR20170128975A (en) 2016-05-16 2016-05-16 Vessel segmentation device and vessel segmentation method thereof

Publications (1)

Publication Number Publication Date
KR20170128975A true KR20170128975A (en) 2017-11-24

Family

ID=60810453

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160059755A KR20170128975A (en) 2016-05-16 2016-05-16 Vessel segmentation device and vessel segmentation method thereof

Country Status (1)

Country Link
KR (1) KR20170128975A (en)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111311583A (en) * 2020-02-24 2020-06-19 广州柏视医疗科技有限公司 Method and system for naming pulmonary trachea and blood vessel in segmented mode
CN113408647A (en) * 2021-07-07 2021-09-17 中国科学院生物物理研究所 Extraction method of cerebral small vessel structural features
US11610309B2 (en) 2020-02-10 2023-03-21 Medipixel, Inc. Method and device for extracting major vessel region on basis of vessel image

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11610309B2 (en) 2020-02-10 2023-03-21 Medipixel, Inc. Method and device for extracting major vessel region on basis of vessel image
CN111311583A (en) * 2020-02-24 2020-06-19 广州柏视医疗科技有限公司 Method and system for naming pulmonary trachea and blood vessel in segmented mode
CN113408647A (en) * 2021-07-07 2021-09-17 中国科学院生物物理研究所 Extraction method of cerebral small vessel structural features
CN113408647B (en) * 2021-07-07 2024-04-02 中国科学院生物物理研究所 Extraction method of cerebral small blood vessel structural characteristics

Similar Documents

Publication Publication Date Title
RU2627147C2 (en) Real-time display of vasculature views for optimal device navigation
CN110211111A (en) A kind of method, apparatus of vessel extraction, image processing equipment and storage medium
CN111080584B (en) Quality control method for medical image, computer device and readable storage medium
US10692198B2 (en) Image processing apparatus, image processing method, image processing system, and non-transitory computer-readable storage medium for presenting three-dimensional images
US10052032B2 (en) Stenosis therapy planning
JP6214646B2 (en) Temporal anatomical target tagging in angiograms
CN111145160B (en) Method, device, server and medium for determining coronary artery branches where calcified regions are located
US11847730B2 (en) Orientation detection in fluoroscopic images
CN110415792A (en) Image detecting method, device, computer equipment and storage medium
KR20170128975A (en) Vessel segmentation device and vessel segmentation method thereof
JP5830627B2 (en) Image region association device, three-dimensional model generation device, image region association method, and image region association program
US10245001B2 (en) Generation of a three-dimensional reconstruction of a body part by an X-ray machine
JPWO2014162740A1 (en) Image region association device, three-dimensional model generation device, image region association method, and image region association program
CN111091539B (en) Network model training and medical image processing methods, devices, mediums and equipment
CN113516623A (en) Puncture path checking method and device, computer equipment and readable storage medium
US11576638B2 (en) X-ray imaging apparatus and X-ray image processing method
KR20190014325A (en) Method and program for reducing artifacts by structural simirality, and medial imaging device
JP2021010650A (en) Moving body tracking device, radiation treatment system and moving body tracking method
JP2020027507A (en) Medical information processing device, medical information processing method, and program
JP2009160313A (en) Image processing apparatus, image processing method, and computer program
JP2011110357A (en) Image processing method, image processing apparatus and program
CN109389577B (en) X-ray image processing method and system, and computer storage medium
JP2016159116A (en) Three-dimensional model creation device and method, and three-dimensional model creation program
US10417765B2 (en) Adaptive segmentation for rotational C-arm computed tomography with a reduced angular range
US11553891B2 (en) Automatic radiography exposure control using rapid probe exposure and learned scene analysis