KR20180088061A - Ct 영상과 표면 스캔 모델의 정합 방법 및 장치 - Google Patents

Ct 영상과 표면 스캔 모델의 정합 방법 및 장치 Download PDF

Info

Publication number
KR20180088061A
KR20180088061A KR1020170012635A KR20170012635A KR20180088061A KR 20180088061 A KR20180088061 A KR 20180088061A KR 1020170012635 A KR1020170012635 A KR 1020170012635A KR 20170012635 A KR20170012635 A KR 20170012635A KR 20180088061 A KR20180088061 A KR 20180088061A
Authority
KR
South Korea
Prior art keywords
block
image
point
scan model
matching
Prior art date
Application number
KR1020170012635A
Other languages
English (en)
Inventor
조현래
Original Assignee
주식회사 이우소프트
(주)바텍이우홀딩스
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 주식회사 이우소프트, (주)바텍이우홀딩스 filed Critical 주식회사 이우소프트
Priority to KR1020170012635A priority Critical patent/KR20180088061A/ko
Publication of KR20180088061A publication Critical patent/KR20180088061A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/60—Editing figures and text; Combining figures or text
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/60—Rotation of whole images or parts thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

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

Abstract

CT 영상과 표면 스캔 모델을 정합하기 위한 장치가 제공된다. 본 장치는, 상기 CT 영상과 상기 표면 스캔 모델을 저장하는 저장부, 상기 CT 영상과 상기 표면 스캔 모델을 표시하는 디스플레이부, 상기 CT 영상에서 적어도 하나의 타겟 포인트(target points)를 선정하고 상기 표면 스캔 모델에서 상기 적어도 하나의 타겟 포인트와 각각 대응하는 적어도 하나의 소스 포인트(source points)를 선정하도록 해 주는 입력 인터페이스, 및 영상 처리부를 포함할 수 있다. 상기 영상 처리부는, 상기 적어도 하나의 타겟 포인트를 기준으로 상기 적어도 하나의 소스 포인트를 보정하고, 상기 적어도 하나의 타겟 포인트 및 상기 적어도 하나의 타겟 포인트와 각각 대응하는 상기 적어도 하나의 보정된 소스 포인트를 기초로 상기 CT 영상과 상기 표면 스캔 모델을 정합(global registration)하도록 구성될 수 있다.

Description

CT 영상과 표면 스캔 모델의 정합 방법 및 장치{Method and apparatus for registering a CT image with a surface scan model}
본 발명은 의료 영상 처리에 관한 것으로, 더 구체적으로는 3차원 CT 영상과 표면 스캔 모델을 정합하는 기술에 관한 것이다.
임플란트 식립 및 치과 수술 진행 시, 사전 계획 단계에서 해당 기관의 조직 구조와 신경관 위치를 정밀하게 파악하는 것은 환자의 안전을 위해 매우 중요한 절차이다. 이러한 이유로 인해 치과 수술 시술자는 치아의 내·외부 특성을 보다 면밀히 살펴 보길 원하는데, 현재는 CT 영상이 그 재구성(reconstruction) 기술의 한계로 인해 사용자의 요구를 만족시키는 선명한 해상도(resolution)로 제공되지 못하고 있다. 이러한 CT 영상의 단점을 극복하고자 사전에 고 해상도로 모델링된 표면 정보 영상을 기존 CT 영상에 매칭/정합하는 기술이 제안된 바 있다.
CT 영상과 표면 정보 영상의 매칭/정합을 지원하기 위해 대부분의 치과용 수술 가이드 소프트웨어는 영상 정합(image registration) 기능이 지원된다. 영상 신호 처리 분야에서 영상 정합은 같은 대상을 다른 관점이나 다른 시간에 촬영한 두 개의 영상을 하나의 좌표 공간에 표현함으로써 대상의 형태적으로 같은 부위가 겹쳐져 대응되도록 매칭시키는 기법을 말한다.
종래의 치과용 의료 소프트웨어에서 제공하는 영상 정합 방법은, 사용자가 정합 기준이 되는 대응점들을 수동으로 입력하고 3차원 좌표 공간에서 입력된 대응점들 간의 기하적인 관계를 계산하는 것에 기반하고 있다. 이러한 방식의 단점은, 사용자의 입장에서 영상들에서의 정확한 대응점들을 오차 없이 클릭하기에 지나친 집중력이 요구되어 사용하기 불편하다는 점이다. 또한 계산 과정에서 물체들 간의 형태, 즉 특징적인 유사성(similarity)이 비교된다 할 수 없으므로 시각적으로 충분히 정합된 결과를 얻기 힘들다는 단점도 있다.
또 다른 정합 방법으로, 전술한 방식에 비해 보다 정확한 대응점들을 얻기 위해 영상 특징 추출 알고리즘을 적용하여 물체에서 가장 특징적인 키 포인트를 자동으로 검출하는 방식이 있다. 이 방법은 일반적으로 비교할 두 개체의 형태와 특징이 똑같다면 전술한 방식에 비해 보다 쉽게 정확한 결과를 획득 할 수 있다. 하지만 실제 치아 의료 영상 데이터의 경우 환자의 충진된 금속재질 인공물의 빛 반사와 환경에 의한 잡음(noise)이 매우 많이 포함되어 있으며 일부 가려지거나(occlusion) 동일하지 않은 표면 형태가 포함될 수 있다. 이런 상황에서 '특징 기반의 키 포인트 자동 추출 방식'은 의도치 않은 오차를 일으킬 가능성이 크다.
또 다른 정합 방법으로, ICP(Iterative Closest Point) 방식이 있다. ICP 방식은 반복적으로 두 개의 오브젝트 분포 사이의 거리 오차가 줄어드는 방향으로 이동하여 점차 오차를 최소화하는 방식이다. 이 방식은 데이터의 일부분이 다른 형태를 지니더라도 대다수의 영역이 만족하는 방향을 찾아가며 완전히 형태가 다르다고 판단되는 부분은 예외(outlier)로 처리되기 때문에 위에서 언급했던 부분 가려짐(occlusion) 문제에 어느 정도 대응 가능하다. 하지만 이러한 특징 때문에 데이터 전역(global)에서의 최소 오차가 아닌 국소 지역(local)에서의 최소값에 만족한 결과를 반환하는데 그치고 있으며, 정합 결과가 비교 물체의 초기 시작 위치에 따라 종속되는 문제가 있다. 또한 시스템에 큰 사이즈의 데이터가 입력되었을 때 모든 대응 지점들 간의 비교를 통한 거리 오차가 계산되어야 하므로 처리 시간이 지나치게 많이 걸릴 수 있는 단점이 있다.
본 발명의 과제는 사용자에 의한 대응점들의 잘못된 수동 입력에 따른 정합 결과의 부정확함, 형태의 가려짐 또는 일부분 다름으로 인해 발생하는 특징 기반 키 포인트 검출의 어려움 및 적절하지 못한 초기 시작 위치로 인해 국소 최소치(local minima)에 최적화되는 문제를 개선한 CT 영상과 표면 스캔 모델의 정합 방법 및 장치를 제공하는 것이다.
본 발명의 다른 과제는 전체 혹은 일부분이 동일한 형태의 대상에 적용 시 종래에 비해 빠른 속도로 처리가 가능하며 또한 정확한 결과를 획득할 수 있도록 해 주는 CT 영상과 표면 스캔 모델의 정합 방법 및 장치를 제공하는 것이다.
본 발명의 또 다른 과제는 사용자 입장에서 대응점들의 입력 시에 어느 정도의 위치적 오차가 허용되며 이로 인해 사용자의 인지적 부하(cognitive load)를 줄여 사용의 편의를 제공해 주는 CT 영상과 표면 스캔 모델의 정합 방법 및 장치를 제공하는 것이다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급한 과제들에 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
일 측면에서, CT 영상과 표면 스캔 모델을 정합하기 위한 장치가 제공된다. 본 장치는, 상기 CT 영상과 상기 표면 스캔 모델을 저장하는 저장부, 상기 CT 영상과 상기 표면 스캔 모델을 표시하는 디스플레이부, 상기 CT 영상에서 적어도 하나의 타겟 포인트(target points)를 선정하고 상기 표면 스캔 모델에서 상기 적어도 하나의 타겟 포인트와 각각 대응하는 적어도 하나의 소스 포인트(source points)를 선정하도록 해 주는 입력 인터페이스, 및 영상 처리부를 포함하고, 상기 영상 처리부는, 상기 적어도 하나의 타겟 포인트를 기준으로 상기 적어도 하나의 소스 포인트를 보정하고, 상기 적어도 하나의 타겟 포인트 및 상기 적어도 하나의 타겟 포인트와 각각 대응하는 상기 적어도 하나의 보정된 소스 포인트를 기초로 상기 CT 영상과 상기 표면 스캔 모델을 정합(global registration)하도록 구성될 수 있다.
일 실시예에서, 상기 영상 처리부는, 상기 적어도 하나의 타겟 포인트를 중심으로 선정된 크기의 제1 블록을 정의하고, 상기 적어도 하나의 소스 포인트를 중심으로 상기 선정된 크기의 제2 블록을 정의하고, 상기 제1 블록과 상기 제2 블록을 국소 정합(local registration)하고, 상기 국소 정합 결과에 따라 상기 적어도 하나의 소스 포인트를 보정하도록 더 구성될 수 있다.
일 실시예에서, 상기 영상 처리부는, 상기 제2 블록의 위치를 회전 이동시켜 가면서 상기 제1 블록과 상기 제2 블록 간의 유사도가 최대가 되는 상기 제2 블록의 회전 이동 상태를 기준으로 상기 적어도 하나의 소스 포인트의 위치를 보정하는 기능을 수행하도록 더 구성될 수 있다.
일 실시예에서, 상기 영상 처리부는, 상기 제1 블록의 특징과 상기 제2 블록의 특징을 비교하여 상기 제1 블록과 상기 제2 블록을 국소 정합하는 기능을 수행하도록 더 구성될 수 있다.
일 실시예에서, 상기 제1 블록의 특징은 상기 제1 블록에서의 표면의 포인트 클라우드(surface point cloud), 상기 표면에 수직한 법선 및 상기 표면의 곡률 중 적어도 하나를 포함하며, 상기 제2 블록의 특징은 상기 제2 블록에서의 표면의 포인트 클라우드, 상기 표면에 수직한 법선 및 상기 표면의 곡률 중 적어도 하나를 포함할 수 있다.
일 실시예에서, 상기 영상 처리부는, 상기 제1 블록의 특징과 상기 제2 블록의 특징을 가지고 ICP(Iterative Closest Point) 알고리즘을 이용하여 상기 제1 블록과 상기 제2 블록을 국소 정합하는 기능을 수행하도록 더 구성될 수 있다.
일 측면에서, CT 영상과 표면 스캔 모델을 정합하는 방법이 제공된다. 본 방법은, (i) 상기 CT 영상과 상기 표면 스캔 모델을 디스플레이에 표시하는 단계, (ii) 상기 CT 영상에서 적어도 하나의 타겟 포인트를 선정하도록 하는 단계, (iii) 상기 표면 스캔 모델에서 상기 선정된 적어도 하나의 타겟 포인트와 각각 대응하는 적어도 하나의 소스 포인트를 선정하도록 하는 단계, (iv) 상기 적어도 하나의 타겟 포인트를 기준으로 상기 적어도 하나의 소스 포인트를 보정하는 단계, 및 (v) 상기 적어도 하나의 타겟 포인트 및 상기 적어도 하나의 타겟 포인트와 각각 대응하는 상기 적어도 하나의 보정된 소스 포인트를 기초로 상기 CT 영상과 상기 표면 스캔 모델을 정합하는 단계를 포함할 수 있다.
일 실시예에서, 상기 단계 (iv)는, (iv-i) 상기 적어도 하나의 타겟 포인트를 중심으로 선정된 크기의 제1 블록을 정의하는 단계, (iv-ii) 상기 적어도 하나의 소스 포인트를 중심으로 상기 선정된 크기의 제2 블록을 정의하는 단계, (iv-iii) 상기 제1 블록과 상기 제2 블록을 국소 정합하는 단계, 및 (iv-iv) 상기 국소 정합 결과에 따라 상기 적어도 하나의 소스 포인트를 보정하는 단계를 포함할 수 있다.
일 실시예에서, 상기 단계 (iv-iii)는, (iv-iii-i) 상기 제2 블록의 위치를 회전 이동시켜 가면서 상기 제1 블록과 상기 제2 블록 간의 유사도가 최대가 되는 상기 제2 블록의 회전 이동 상태를 기준으로 상기 적어도 하나의 소스 포인트의 위치를 보정하는 단계를 포함할 수 있다.
일 실시예에서, 상기 단계 (iv-iii)는, (iv-iii-ii) 상기 제1 블록의 특징과 상기 제2 블록의 특징을 비교하여 상기 제1 블록과 상기 제2 블록을 국소 정합하는 단계를 포함할 수 있다.
일 실시예에서, 상기 제1 블록의 특징은 상기 제1 블록에서의 표면의 포인트 클라우드, 상기 표면에 수직한 법선 및 상기 표면의 곡률 중 적어도 하나를 포함하며, 상기 제2 블록의 특징은 상기 제2 블록에서의 표면의 포인트 클라우드, 상기 표면에 수직한 법선 및 상기 표면의 곡률 중 적어도 하나를 포함할 수 있다.
일 실시예에서, 상기 단계 (iv-iii-ii)는, 상기 제1 블록의 특징과 상기 제2 블록의 특징을 가지고 ICP 알고리즘을 이용하여 상기 제1 블록과 상기 제2 블록을 국소 정합하는 단계를 포함할 수 있다.
본 발명의 실시예들에 따른 CT 영상과 표면 스캔 모델의 정합 방법 및 장치에 따르면, 전체 혹은 일부분이 동일한 형태의 대상에 적용 시 종래에 비해 빠른 속도로 처리가 가능하며 또한 정확한 결과를 획득할 수 있다는 기술적 효과가 있다.
또한 본 발명의 실시예들에 따른 CT 영상과 표면 스캔 모델의 정합 방법 및 장치에 따르면, 사용자 입장에서 대응점들의 입력 시에 어느 정도의 위치적 오차가 허용되며 이로 인해 사용자의 인지적 부하(cognitive load)를 줄여 사용의 편의를 제공해 줄 수 있다는 기술적 효과가 있다.
또한 본 발명의 실시예들에 따른 CT 영상과 표면 스캔 모델의 정합 방법 및 장치에 따르면, 대상의 형태 일부가 다르더라도 국소 정합에 의한 전처리에 의해 정확한 정합이 이루어 질 수 있다는 기술적 효과가 있다.
도 1은 본 발명에 따라 CT 영상과 표면 스캔 모델을 정합하기 위한 장치의 구성의 일 실시예를 도시한 도면이다.
도 2는 본 발명에 따라 CT 영상과 표면 스캔 모델을 정합하는 방법을 예시하는 흐름도의 일 실시예를 도시한 도면이다.
도 3은 본 발명에 따른 CT 영상과 표면 스캔 모델을 나란히 도시한 도면이다.
도 4는 본 발명의 일 실시예에 따라 CT 영상과 표면 스캔 모델을 정합한 정합 결과를 도시한 도면이다.
본 발명의 이점들과 특징들 그리고 이들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해 질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 본 실시예들은 단지 본 발명의 개시가 완전하도록 하며 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려 주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용되는 용어는 단지 특정한 실시예를 설명하기 위해 사용되는 것으로 본 발명을 한정하려는 의도에서 사용된 것이 아니다. 예를 들어, 단수로 표현된 구성 요소는 문맥상 명백하게 단수만을 의미하지 않는다면 복수의 구성 요소를 포함하는 개념으로 이해되어야 한다. 또한, 본 발명의 명세서에서, '포함하다' 또는 '가지다' 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것일 뿐이고, 이러한 용어의 사용에 의해 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성이 배제되는 것은 아니다. 또한, 본 명세서에 기재된 실시예에 있어서 '모듈' 혹은 '부'는 적어도 하나의 기능이나 동작을 수행하는 기능적 부분을 의미할 수 있다.
덧붙여, 다르게 정의되지 않는 한 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미가 있는 것으로 해석되어야 하며, 본 발명의 명세서에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 보다 상세히 설명한다. 다만, 이하의 설명에서는 본 발명의 요지를 불필요하게 흐릴 우려가 있는 경우, 널리 알려진 기능이나 구성에 관한 구체적 설명은 생략하기로 한다.
도 1은 본 발명에 따라 CT 영상과 표면 스캔 모델을 정합하기 위한 장치의 구성의 일 실시예를 도시한 도면이다.
도 1에 도시된 바와 같이, 장치(100)는 입력 인터페이스(110), 영상 처리부(120), 저장부(130) 및 디스플레이부(140)를 포함할 수 있다. 입력 인터페이스(110)는 본 발명의 다양한 실시예들에 따른 영상 처리를 수행하기 위하여 사용자 명령을 입력하기 위한 하드웨어 및 소프트웨어 모듈로 구성될 수 있다. 입력 인터페이스(110)는 필요한 다양한 명령을 영상 처리부(120)로 입력하거나, 치과용 단층촬영으로 획득한 CT 영상, 치열 표면 정보를 정밀하게 스캔하여 표현한 표면 스캔 모델(영상) 등의 영상 데이터를 저장부(130)로 입력하기 위해 사용될 수 있다. 입력 인터페이스(110)는 사용자로 하여금 디스플레이된 CT 영상의 치아 부분에서 복수의 타겟 포인트(target points)를 선정하고 또한 표면 스캔 모델의 치아 부분에서 복수의 타겟 포인트와 각각 대응하는 복수의 소스 포인트(source points)를 선정하도록 함으로써 이에 따른 다양한 영상 처리가 이루어질 수 있도록 해 준다. 본 발명에 있어서는, 복수의 타겟 포인트의 각각과 그와 대응하는 복수의 소스 포인트 중의 하나가 포인트 쌍을 구성하는 것으로 정의한다. 일 실시예에서, 입력 인터페이스(110)는 컴퓨터의 키보드(keyboard), 키패드(keypad), 터치패드(touchpad), 마우스(mouse) 등을 포함할 수 있으나, 입력 인터페이스의 종류가 이에 제한되는 것은 아니다. 예컨대, 입력 인터페이스(110)는 전술한 입력 장치들을 이용하여 제어 가능한 그래픽 사용자 인터페이스(Graphic User Interface)를 포함할 수도 있다. 디스플레이부(140)는 본 발명의 일 실시예에 따른 CT 영상 및 표면 스캔 모델, 본 발명의 다양한 실시예에 따라 형성된 영상들 등의 다양한 영상들을 디스플레이하기 위한 것으로, LCD 디스플레이, LED 디스플레이, AMOLED 디스플레이, CRT 디스플레이 등의 다양한 디스플레이 장치를 포함할 수 있다.
저장부(130)는 CT 영상, 표면 스캔 모델, 본 발명의 장치(100)에 의해 CT 영상과 표면 스캔 모델을 정합하여 생성된 정합 영상 등 다양한 영상을 저장하기 위해 사용될 수 있다. 저장부(130)는 본 발명의 다양한 실시예들에 따른 영상 처리를 수행함에 따른 중간 결과의 영상 데이터, 본 발명의 다양한 실시예들에 따른 영상 처리를 수행함으로써 얻어진, 결과 영상 데이터, 본 발명의 다양한 실시예들에 따른 영상 처리를 수행하는데 필요한 변수값들을 저장하기 위해 사용될 수 있다. 다양한 실시예에서, 저장부(130)는 전술한 각종 영상들을 DICOM(Digital Imaging and Communications in Medicine) 형식 또는 일반적인 이미지 파일 형식(BMP, JPEG, TIFF 등)으로 저장할 수 있다. 저장부(130)는 영상 처리부(120)의 구현에 필요한 소프트웨어/펌웨어 등을 더 저장할 수 있다. 저장부(130)는 플래시 메모리 타입(flash memory type), 하드 디스크 타입(hard disk type), 멀티미디어 카드(MultiMedia Card: MMC), 카드 타입의 메모리(예를 들어, SD(Secure Digital) 카드 또는 XD(eXtream Digital) 카드 등), RAM(Random Access Memory), SRAM(Static Random Access Memory), ROM(Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크 및 광 디스크 중 어느 하나의 저장 매체로 구현될 수 있으나, 당업자라면 저장부(130)의 구현 형태가 이에 한정되는 것이 아님을 알 수 있을 것이다.
영상 처리부(120)는 복수의 포인트 쌍의 각각에 대하여 해당 타겟 포인트를 중심으로 선정된 크기의 제1 블록을 정의하고, 해당 소스 포인트를 중심으로 선정된 크기의 제2 블록을 정의하고, 제1 블록과 제2 블록을 국소 정합(local registration)하고, 국소 정합 결과에 따라 소스 포인트를 보정하는 기능을 수행하도록 구성될 수 있다. 영상 처리부(120)는 제1 블록과 제2 블록을 국소 정합함에 있어 제2 블록의 위치를 회전 이동시켜 가면서 제1 블록과 제2 블록 간의 유사도가 최대가 되는 제2 블록의 회전 이동 상태를 결정하고, 제1 블록과 상기 제2 블록 간의 유사도가 최대가 되는 제2 블록의 회전 이동 상태를 기준으로 소스 포인트의 위치를 보정하도록 더 구성될 수 있다. 국소 정합은 제1 블록의 특징과 제2 블록의 특징을 비교함으로써 이루어 질 수 있다. 일 실시예에서, 제1 블록의 특징은 제1 블록에서의 표면의 포인트 클라우드(surface point cloud), 동 표면에 수직한 법선 및 동 표면의 곡률 중 적어도 하나를 포함할 수 있다. 일 실시예에서, 제2 블록의 특징은 제2 블록에서의 표면의 포인트 클라우드, 동 표면에 수직한 법선 및 동 표면의 곡률 중 적어도 하나를 포함할 수 있다. 일 실시예에서, 영상 처리부(120)는 제1 블록의 특징과 제2 블록의 특징을 가지고 ICP(Iterative Closest Point) 알고리즘을 이용하여 제1 블록과 제2 블록을 국소 정합하도록 더 구성될 수 있다.
영상 처리부(120)는 복수의 타겟 포인트 및 복수의 타겟 포인트와 각각 대응하는 복수의 보정된 소스 포인트를 기초로 CT 영상과 표면 스캔 모델을 전역적으로 정합(global registration)하도록 더 구성될 수 있다.
영상 처리부(120)는, 하드웨어적 측면에서 응용 주문형 집적 회로(Application Specific Integrated Circuits: ASICs), 디지털 신호 처리기(Digital Signal Processors: DSPs), 디지털 신호 처리 소자(Digital Signal Processing Devices: DSPDs), 프로그램 가능 논리 소자(Programmable Logic Devices: PLDs), 현장 프로그램 가능 게이트 어레이(Field-Programmable Gate Arrays: FPGAs), 프로세서(processors), 제어기(controllers), 마이크로 컨트롤러(micro-controllers) 및 마이크로 프로세서 (microprocessors) 중 적어도 하나를 이용하여 구현될 수 있다. 영상 처리부(120)는 또한 전술한 하드웨어 플랫폼(platform) 상에서 실행 가능한 펌웨어(firmware)/소프트웨어 모듈로 구현될 수 있다. 이 경우, 펌웨어/소프트웨어 모듈은 적절한 프로그램(program) 언어로 쓰여진 하나 또는 그 이상의 소프트웨어 애플리케이션(software applications)에 의해 구현될 수 있다.
도 2는 본 발명에 따라 CT 영상과 표면 스캔 모델을 정합하는 방법을 예시하는 흐름도의 일 실시예를 도시한 도면이다. 도 3은 본 발명에 따른 CT 영상과 표면 스캔 모델을 나란히 도시한 도면이다.
본 방법은 CT 영상(310)과 표면 스캔 모델(320)을 디스플레이부(140)에 나란히 표시하는 단계(S210)로부터 시작된다. CT 영상(310)은 CT 촬영 장치에 의해 획득한 3차원 영상일 수 있다. 표면 스캔 모델(320)은 치열 표면 정보를 정밀하게 스캔함으로써 획득한 영상일 수 있다. 도시된 실시예에서는 CT 영상(310)과 표면 스캔 모델(320)을 좌우로 나란히 표시하였으나 이들을 위아래로 나란히 표시하는 것도 가능하고 이들을 따로따로 표시하는 것도 가능하다. 단계(S215)에서는 사용자가 CT 영상(310)의 치아 부분에서 타겟 포인트(312)를 선정한다. 단계(S220)에서는 사용자가 표면 스캔 모델(320)의 치아 부분에서 선택된 타겟 포인트(312)와 대응하는 소스 포인트(322)를 선정한다. 본 발명의 실시예에 있어서는 타겟 포인트(312)와 소스 포인트(322)의 선정 입력 시에 어느 정도의 위치적 오차가 허용되며 이로 인해 사용자의 인지적 부하(cognitive load)를 줄이게 되어 사용자에게 편리함을 제공 할 수 있다. 타겟 포인트(312)와 소스 포인트(322)는 이하에서 설명될 국소 정합의 대응 위치에 대한 확률적 단서로서 이용될 수 있다. 단계(S225)에서는 타겟 포인트(312)를 중심으로 선정된 크기의 제1 블록을 정의한다. 단계(S235)에서는 소스 포인트(322)를 중심으로 선정된 크기의 제2 블록을 정의한다. 제1 블록 및 제2 블록의 크기는 각각 타겟 포인트(312)와 소스 포인트(322)를 기준으로 한 유클리디언 거리(실측 사이즈, mm)에 따른 신뢰 확률을 근거로 정해질 수 있다.
단계(S240)에서는 제1 블록과 제2 블록을 국소 정합한다. 일 실시예에서, 국소 정합은 제2 블록의 위치를 회전 이동시켜 가면서 제1 블록과 제2 블록 간의 유사도가 최대가 되는 제2 블록의 회전 이동 상태를 결정함으로써 이루어질 수 있다. 제1 블록과 제2 블록의 유사도는 제1 블록의 특징과 제2 블록의 특징을 비교함으로써 산출될 수 있다. 여기서, 제1 블록의 특징은 제1 블록에서의 표면의 포인트 클라우드, 동 표면에 수직한 법선 및 동 표면의 곡률 중 적어도 하나를 포함할 수 있고, 제2 블록의 특징도 제2 블록에서의 표면의 포인트 클라우드, 동 표면에 수직한 법선 및 동 표면의 곡률 중 적어도 하나를 포함할 수 있다. 일 실시예에서, 제1 블록의 특징과 제2 블록의 특징을 가지고 ICP 알고리즘을 이용하여 제1 블록과 제2 블록을 국소 정합할 수 있다. 단계(S245)에서는 국소 정합 결과에 따라 소스 포인트(322)를 보정한다. 제1 블록과 제2 블록 간의 유사도가 최대가 되는 제2 블록의 회전 이동 상태를 기준으로 소스 포인트(322)의 위치를 보정할 수 있다. 단계(S250)에서는 제1 블록의 크기 및 제2 블록의 크기를 변경시켜 가면서 단계(S240) 및 단계(S245)를 복수 회 반복하는 단계를 수행한다. 일 실시예에서, 제1 블록의 크기 및 제2 블록의 크기를 점점 넓혀 가면서 단계(S240) 및 단계 (S245)를 복수 회 반복할 수 있다. 좁은 블록 영역에서 시작하여 점차 넓은 범위를 포함하는 볼록 영역을 정의하여 단계(S240) 및 단계(S245)를 반복하는 계층적 정합을 수행함으로써 이점을 얻을 수 있다. 좁은 블록 영역에서의 정합은 노이즈 제거에 효율적인 반면 넓은 범위에서의 정합은 상대적으로 전체적인 정합 안정도를 보장해 줄 수 있으므로 이들 정합 결과를 모두 고려함으로써 전체적인 정합 정확도를 향상시킬 수 있게 된다. 따라서, 복수의 국소 정합 결과를 가중 평균하여 소스 포인트(322)를 보정함으로써 좀 더 정합 정확도를 향상시킬 수 있다.
단계(S255)에서는 단계(S215) 내지 단계(S245)을 복수 회 반복 수행한다. 즉, 사용자가 CT 영상(310)과 표면 스캔 모델(320)의 치아 부분들에 각각 타겟 포인트(314)와 소스 포인트(324)를 선정하고 국소 정합을 실행하여 소스 포인트(324)의 위치를 보정한다. 마찬가지로 사용자가 CT 영상(310)과 표면 스캔 모델(320)의 치아 부분들에 각각 타겟 포인트(316)와 소스 포인트(326)를 선정하고 국소 정합을 실행하여 소스 포인트(326)의 위치를 보정한다. 이와 같이 소스 포인트들(322, 324, 326)이 모두 보정되면 복수의 타겟 포인트(312, 314, 316) 및 복수의 타겟 포인트(312, 314, 316)와 각각 대응하는 복수의 보정된 소스 포인트(322, 324, 326)를 기초로 CT 영상(310)과 표면 스캔 모델(320)을 전역적으로 정합하는 단계를 수행한다(단계(S255) 참조).
이상의 실시예에서는 타겟 포인트 하나와 소스 포인트 하나를 선정한 후 국소 정합을 실시하는 것으로 설명하였으나, 복수의 타겟 포인트(312, 314, 316) 및 복수의 소스 포인트(322, 324, 326)를 한꺼번에 차례로 선정하고 각 포인트 쌍에 대해 차례로 국소 정합을 실시하는 것도 가능하다. 또한 이상의 실시예에서는 3개의 타겟 포인트와 3개의 소스 포인트를 선정하고 그 각 포인트 쌍에 대해 국소 정합을 실행하는 것으로 설명하였으나, 임의의 개수의 타겟 포인트 및 소스 포인트를 선정하고 그 각 포인트 쌍에 대해 국소 정합을 실행함으로써 정합의 정확도를 한층 더 향상시킬 수 있다.
도 4는 본 발명의 일 실시예에 따라 CT 영상과 표면 스캔 모델을 정합한 정합 결과를 도시한 도면이다. 도시된 도면을 참조해 보면 국소 정합 결과를 통합한 결과로 전체적인 정합 정확도가 크게 향상되었음을 알 수 있다.
본원에 개시된 실시예들에 있어서, 도시된 구성 요소들의 배치는 발명이 구현되는 환경 또는 요구 사항에 따라 달라질 수 있다. 예컨대, 일부 구성 요소가 생략되거나 몇몇 구성 요소들이 통합되어 하나로 실시될 수 있다. 또한 일부 구성 요소들의 배치 순서 및 연결이 변경될 수 있다.
이상에서는 본 발명의 다양한 실시예들에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예들에 한정되지 아니하며, 상술한 실시예들은 첨부하는 특허청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양하게 변형 실시될 수 있음은 물론이고, 이러한 변형 실시예들이 본 발명의 기술적 사상이나 범위와 별개로 이해되어져서는 아니 될 것이다. 따라서, 본 발명의 기술적 범위는 오직 첨부된 특허청구범위에 의해서만 정해져야 할 것이다.
110: 입력 인터페이스
120: 영상 처리부
130: 저장부
140: 디스플레이부
310: CT 영상
312, 314, 316: 타겟 포인트
320: 표면 스캔 모델
322, 324, 326: 소스 포인트

Claims (12)

  1. CT 영상과 표면 스캔 모델을 정합하기 위한 장치로서,
    상기 CT 영상과 상기 표면 스캔 모델을 저장하는 저장부,
    상기 CT 영상과 상기 표면 스캔 모델을 표시하는 디스플레이부,
    상기 CT 영상에서 적어도 하나의 타겟 포인트(target points)를 선정하고 상기 표면 스캔 모델에서 상기 적어도 하나의 타겟 포인트와 각각 대응하는 적어도 하나의 소스 포인트(source points)를 선정하도록 해 주는 입력 인터페이스, 및
    영상 처리부를 포함하고,
    상기 영상 처리부는, 상기 적어도 하나의 타겟 포인트를 기준으로 상기 적어도 하나의 소스 포인트를 보정하고, 상기 적어도 하나의 타겟 포인트 및 상기 적어도 하나의 타겟 포인트와 각각 대응하는 상기 적어도 하나의 보정된 소스 포인트를 기초로 상기 CT 영상과 상기 표면 스캔 모델을 정합(global registration)하도록 구성되는, 정합 장치.
  2. 제1항에 있어서,
    상기 영상 처리부는, 상기 적어도 하나의 타겟 포인트를 중심으로 선정된 크기의 제1 블록을 정의하고, 상기 적어도 하나의 소스 포인트를 중심으로 상기 선정된 크기의 제2 블록을 정의하고, 상기 제1 블록과 상기 제2 블록을 국소 정합(local registration)하고, 상기 국소 정합 결과에 따라 상기 적어도 하나의 소스 포인트를 보정하도록 더 구성되는, 정합 장치.
  3. 제2항에 있어서,
    상기 영상 처리부는, 상기 제2 블록의 위치를 회전 이동시켜 가면서 상기 제1 블록과 상기 제2 블록 간의 유사도가 최대가 되는 상기 제2 블록의 회전 이동 상태를 기준으로 상기 적어도 하나의 소스 포인트의 위치를 보정하는 기능을 수행하도록 더 구성되는, 정합 장치.
  4. 제2항에 있어서,
    상기 영상 처리부는, 상기 제1 블록의 특징과 상기 제2 블록의 특징을 비교하여 상기 제1 블록과 상기 제2 블록을 국소 정합하는 기능을 수행하도록 더 구성되는, 정합 장치.
  5. 제4항에 있어서,
    상기 제1 블록의 특징은 상기 제1 블록에서의 표면의 포인트 클라우드(surface point cloud), 상기 표면에 수직한 법선 및 상기 표면의 곡률 중 적어도 하나를 포함하며,
    상기 제2 블록의 특징은 상기 제2 블록에서의 표면의 포인트 클라우드, 상기 표면에 수직한 법선 및 상기 표면의 곡률 중 적어도 하나를 포함하는, 정합 장치.
  6. 제4항에 있어서,
    상기 영상 처리부는, 상기 제1 블록의 특징과 상기 제2 블록의 특징을 가지고 ICP(Iterative Closest Point) 알고리즘을 이용하여 상기 제1 블록과 상기 제2 블록을 국소 정합하는 기능을 수행하도록 더 구성되는, 정합 장치.
  7. CT 영상과 표면 스캔 모델을 정합하는 방법으로서,
    (i) 상기 CT 영상과 상기 표면 스캔 모델을 디스플레이에 표시하는 단계,
    (ii) 상기 CT 영상에서 적어도 하나의 타겟 포인트를 선정하도록 하는 단계,
    (iii) 상기 표면 스캔 모델에서 상기 선정된 적어도 하나의 타겟 포인트와 각각 대응하는 적어도 하나의 소스 포인트를 선정하도록 하는 단계,
    (iv) 상기 적어도 하나의 타겟 포인트를 기준으로 상기 적어도 하나의 소스 포인트를 보정하는 단계, 및
    (v) 상기 적어도 하나의 타겟 포인트 및 상기 적어도 하나의 타겟 포인트와 각각 대응하는 상기 적어도 하나의 보정된 소스 포인트를 기초로 상기 CT 영상과 상기 표면 스캔 모델을 정합하는 단계를 포함하는 정합 방법.
  8. 제7항에 있어서,
    상기 단계 (iv)는,
    (iv-i) 상기 적어도 하나의 타겟 포인트를 중심으로 선정된 크기의 제1 블록을 정의하는 단계,
    (iv-ii) 상기 적어도 하나의 소스 포인트를 중심으로 상기 선정된 크기의 제2 블록을 정의하는 단계,
    (iv-iii) 상기 제1 블록과 상기 제2 블록을 국소 정합하는 단계, 및
    (iv-iv) 상기 국소 정합 결과에 따라 상기 적어도 하나의 소스 포인트를 보정하는 단계를 포함하는, 정합 방법.
  9. 제8항에 있어서,
    상기 단계 (iv-iii)는,
    (iv-iii-i) 상기 제2 블록의 위치를 회전 이동시켜 가면서 상기 제1 블록과 상기 제2 블록 간의 유사도가 최대가 되는 상기 제2 블록의 회전 이동 상태를 기준으로 상기 적어도 하나의 소스 포인트의 위치를 보정하는 단계를 포함하는, 정합 방법.
  10. 제8항에 있어서,
    상기 단계 (iv-iii)는,
    (iv-iii-ii) 상기 제1 블록의 특징과 상기 제2 블록의 특징을 비교하여 상기 제1 블록과 상기 제2 블록을 국소 정합하는 단계를 포함하는, 정합 방법.
  11. 제10항에 있어서,
    상기 제1 블록의 특징은 상기 제1 블록에서의 표면의 포인트 클라우드, 상기 표면에 수직한 법선 및 상기 표면의 곡률 중 적어도 하나를 포함하며,
    상기 제2 블록의 특징은 상기 제2 블록에서의 표면의 포인트 클라우드, 상기 표면에 수직한 법선 및 상기 표면의 곡률 중 적어도 하나를 포함하는, 정합 방법.
  12. 제10항에 있어서,
    상기 단계 (iv-iii-ii)는, 상기 제1 블록의 특징과 상기 제2 블록의 특징을 가지고 ICP 알고리즘을 이용하여 상기 제1 블록과 상기 제2 블록을 국소 정합하는 단계를 포함하는, 정합 방법.
KR1020170012635A 2017-01-26 2017-01-26 Ct 영상과 표면 스캔 모델의 정합 방법 및 장치 KR20180088061A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170012635A KR20180088061A (ko) 2017-01-26 2017-01-26 Ct 영상과 표면 스캔 모델의 정합 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170012635A KR20180088061A (ko) 2017-01-26 2017-01-26 Ct 영상과 표면 스캔 모델의 정합 방법 및 장치

Publications (1)

Publication Number Publication Date
KR20180088061A true KR20180088061A (ko) 2018-08-03

Family

ID=63250330

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170012635A KR20180088061A (ko) 2017-01-26 2017-01-26 Ct 영상과 표면 스캔 모델의 정합 방법 및 장치

Country Status (1)

Country Link
KR (1) KR20180088061A (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200100907A (ko) * 2019-02-18 2020-08-27 오스템임플란트 주식회사 의료영상 정합 방법 및 그 장치
KR102273437B1 (ko) * 2021-01-20 2021-07-07 주식회사 에이치디엑스윌 컴퓨터 단층촬영 영상을 활용한 3차원 구강 스캔 데이터 정합 장치 및 방법
KR102273438B1 (ko) * 2021-01-27 2021-07-07 주식회사 에이치디엑스윌 구강 스캔 데이터의 크라운 분할을 이용한 구강 스캔 데이터와 컴퓨터 단층촬영 이미지 자동 정합 장치 및 방법
KR102334485B1 (ko) * 2020-08-20 2021-12-06 이마고웍스 주식회사 치과용 3차원 데이터 위치 정렬 자동화 방법 및 이를 컴퓨터에서 실행시키기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록 매체
US12023221B2 (en) 2020-08-20 2024-07-02 Imagoworks Inc. Automated method for aligning 3D dental data and computer readable medium having program for performing the method

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200100907A (ko) * 2019-02-18 2020-08-27 오스템임플란트 주식회사 의료영상 정합 방법 및 그 장치
KR102334485B1 (ko) * 2020-08-20 2021-12-06 이마고웍스 주식회사 치과용 3차원 데이터 위치 정렬 자동화 방법 및 이를 컴퓨터에서 실행시키기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록 매체
WO2022039316A1 (ko) * 2020-08-20 2022-02-24 이마고웍스 주식회사 치과용 3차원 데이터 위치 정렬 자동화 방법 및 이를 컴퓨터에서 실행시키기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록 매체
KR20220023321A (ko) * 2020-08-20 2022-03-02 이마고웍스 주식회사 치과용 3차원 데이터 위치 정렬 자동화 방법 및 이를 컴퓨터에서 실행시키기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록 매체
KR20220103902A (ko) * 2020-08-20 2022-07-25 이마고웍스 주식회사 치과용 3차원 데이터 위치 정렬 자동화 방법 및 이를 컴퓨터에서 실행시키기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록 매체
US12023221B2 (en) 2020-08-20 2024-07-02 Imagoworks Inc. Automated method for aligning 3D dental data and computer readable medium having program for performing the method
KR102273437B1 (ko) * 2021-01-20 2021-07-07 주식회사 에이치디엑스윌 컴퓨터 단층촬영 영상을 활용한 3차원 구강 스캔 데이터 정합 장치 및 방법
WO2022158804A1 (ko) * 2021-01-20 2022-07-28 주식회사 에이치디엑스윌 컴퓨터 단층촬영 영상을 활용한 3차원 구강 스캔 데이터 정합 장치 및 방법
KR102273438B1 (ko) * 2021-01-27 2021-07-07 주식회사 에이치디엑스윌 구강 스캔 데이터의 크라운 분할을 이용한 구강 스캔 데이터와 컴퓨터 단층촬영 이미지 자동 정합 장치 및 방법
WO2022164126A1 (ko) * 2021-01-27 2022-08-04 주식회사 에이치디엑스윌 구강 스캔 데이터의 크라운 분할을 이용한 구강 스캔 데이터와 컴퓨터 단층촬영 이미지 자동 정합 장치 및 방법

Similar Documents

Publication Publication Date Title
CN110914866B (zh) 用于在图像分析中进行解剖结构分割的系统和方法
KR20180088061A (ko) Ct 영상과 표면 스캔 모델의 정합 방법 및 장치
JP4545140B2 (ja) 画像データ処理方法、医療用観察システム、医療用検査装置及びコンピュータプログラム
CN106127730B (zh) 使用机器学习和扩展的霍夫变换的自动化感兴趣区域检测
WO2019037676A1 (zh) 图像处理方法及装置
CN111145259B (zh) 自动校准的系统和方法
US9530238B2 (en) Image processing apparatus, method and program utilizing an opacity curve for endoscopic images
US20230390032A1 (en) Method for determining object area from three-dimensional model, and three-dimensional model processing device
EP3843038B1 (en) Image processing method and system
WO2022127043A1 (zh) 基于卷积神经网络的检测方法、装置、计算机设备及存储介质
JP2020071516A (ja) 情報処理装置、情報処理方法、及びプログラム
WO2011065414A1 (ja) 画像処理方法、画像処理装置及びプログラム
EP3677212B1 (en) Method and system for determining a navigation pathway for invasive medical instrument in blood vessels
CN116777887A (zh) 血管中心线树的提取方法、装置、设备、介质及程序产品
CN111161240A (zh) 血管分类方法、计算机设备和可读存储介质
Touati et al. A robust construction algorithm of the centerline skeleton for complex aortic vascular structure using computational fluid dynamics
CN114332128B (zh) 医学图像处理方法及其装置、电子设备和计算机存储介质
CN111918611A (zh) 胸部x线图像的异常显示控制方法、异常显示控制程序、异常显示控制装置以及服务器装置
US8284196B2 (en) Method and system for reconstructing a model of an object
CN116664644B (zh) 一种基于磁共振图像的血管中心线配准方法及装置
KR102418810B1 (ko) 마진라인 포인트 선택 방법 및 이를 위한 덴탈 캐드 장치
JP7294702B2 (ja) 画像処理装置、画像処理方法、及びプログラム
JP7276978B2 (ja) 画像処理装置、画像処理方法、及びプログラム
KR102428102B1 (ko) 보철물 설계 과정에서의 객체 선택 방법 및 이를 위한 덴탈 캐드 장치
KR102610046B1 (ko) 환축의 x선 영상을 이용하여 환축의 관심 조직의 크기를 수치화하는 방법 및 장치

Legal Events

Date Code Title Description
E902 Notification of reason for refusal