KR20180110354A - 뇌 자기 공명 이미지의 이진화 변환 장치, 이를 위한 방법 및 이 방법이 기록된 컴퓨터로 판독 가능한 기록 매체 - Google Patents

Abstract

본 발명은 뇌 자기 공명 이미지의 이진화 변환 장치, 이를 위한 방법 및 이 방법이 기록된 컴퓨터로 판독 가능한 기록 매체에 관한 것으로, 자기 공명 이미지를 입력받아 뇌의 전경(Foreground) 부분을 전처리한 MR 이미지를 생성하고, 상기 MR 이미지를 그레이 스케일 이미지로 변환하는 이미지 개선부; 상기 그레이 스케일 이미지 내 뇌의 전경 부분의 엔트로피 및 뇌의 배경 부분의 엔트로피의 합을 최대값으로 만드는 제1 그레이 레벨 값 및 상기 그레이 스케일 이미지 내 그레이 레벨의 표준 편차인 제2 그레이 레벨 값을 산출하고, 상기 제1 그레이 레벨 값에서 상기 제2 그레이 레벨 값을 차감한 값을 이진화 임계값(Threshold value)으로 산출하는 임계값 연산부; 및 상기 그레이 스케일 이미지로부터 상기 이진화 임계값을 경계로 구분되는 이진화 이미지를 획득하는 이진화 변환부를 포함한다.

Description

뇌 자기 공명 이미지의 이진화 변환 장치, 이를 위한 방법 및 이 방법이 기록된 컴퓨터로 판독 가능한 기록 매체{APPARATUS FOR BINARIZING IN BRAIN MAGNETIC RESONANCE IMAGING, METHOD THEREOF AND COMPUTER RECORDABLE MEDIUM STORING THE METHOD}

본 발명은 뇌 자기 공명 이미지의 이진화 변환 장치 및 이진화 변환 방법에 관한 것으로, 더욱 자세하게는, 자기 공명 이미지를 뇌의 전경 부분 및 배경 부분으로 이진화하는데 있어서, 정밀도가 향상되고, 오류가 감소된 이진화 이미지를 생성할 수 있는 뇌 자기 공명 이미지의 이진화 변환 장치, 이를 위한 방법 및 이 방법이 기록된 컴퓨터로 판독 가능한 기록 매체에 관한 것이다.

자기 공명 이미지(Magnetic Resonance Image, MRI) 장치는, 환자를 강력한 자장 속에 위치시킨 후 수소원자핵(Hydrogen nucleus=proton)만을 여기(excitation)시키는 고주파(Radiofrequency)를 순간적으로 발사하고, 소정의 시간이 경과한 후 여기되었던 수소원자핵이 이완(relaxation)되면서 흡수했던 고주파신호를 다시 방출하면 이 신호를 컴퓨터로 전달하여 계산함으로써 이미지를 얻는 장치이다. 이때 방출되는 신호의 크기는 각 조직이 함유하는 수소원자의 양과 각 조직 특유의 T1 및 T2 이완 시간에 따라 다르다. 따라서 자기 공명 이미지는 조직 사이의 T1 이완 시간과 T2 이완 시간의 차이를 반영하는 T1 강조(Weighted) 영상과 T2 강조 영상을 통상적으로 포함한다.

상술한 자기 공명 이미지 장치에 의하여 획득한 자기 공명 이미지를 통하여 뇌의 특징을 추출하거나 뇌의 이상 징후를 식별하는 경우, 뇌의 전경(Foreground region) 부분 및 뇌의 배경(Background) 부분을 명확하게 구분할 수 있는 이미지를 획득할 필요성이 있으며, 이를 위하여 다양한 MRI 이진화(Binarization) 기법이 사용되고 있다.

종래의 여러 MRI 이진화 기법들이 갖고 있는 주요한 문제점 중 하나는 뇌 부분의 많은 픽셀이 정확하게 이진화(Binarize)되지 않는다는 것이다. 뇌의 전경 부분을 흰 픽셀로 표현하고, 뇌의 배경 부분을 검은 픽셀로 표현하는 것, 즉, 이진화가 어려운 이유는 MRI에서 검은색 배경이 넓은 영역을 차지하고, MRI의 배경과 전경 사이의 대비에 있어서 큰 차이가 있기 때문이다.

대한민국등록특허 제10-1203047호

본 발명은 상술한 문제를 해결하기 위해 제안된 것으로서, 자기 공명 이미지로부터 산출된 엔트로피 및 표준 편차를 이용하여 최적의 임계값을 결정함으로써, 뇌의 전경 부분 및 배경 부분을 이진화하는데에 있어서 정밀도가 향상되고 오류가 감소된 이진화 이미지를 생성할 수 있는 뇌 자기 공명 이미지의 이진화 변환 장치, 이를 위한 방법 및 이 방법이 기록된 컴퓨터로 판독 가능한 기록 매체를 제공하는데 그 목적이 있다.

상기 기술적 과제를 달성하기 위해 개시된 본 발명의 일 실시예에 따른 뇌 자기 공명 이미지의 이진화 변환 장치는, 자기 공명 이미지를 입력받아 뇌의 전경(Foreground) 부분을 전처리한 MR 이미지를 생성하고, 상기 MR 이미지를 그레이 스케일 이미지로 변환하는 이미지 개선부; 상기 그레이 스케일 이미지 내 뇌의 전경 부분의 엔트로피 및 뇌의 배경 부분의 엔트로피의 합을 최대값으로 만드는 제1 그레이 레벨 값 및 상기 그레이 스케일 이미지 내 그레이 레벨의 표준 편차인 제2 그레이 레벨 값을 산출하고, 상기 제1 그레이 레벨 값에서 상기 제2 그레이 레벨 값을 차감한 값을 이진화 임계값(Threshold value)으로 산출하는 임계값 연산부; 및 상기 그레이 스케일 이미지로부터 상기 이진화 임계값을 경계로 구분되는 이진화 이미지를 획득하는 이진화 변환부를 포함한다.

여기서, 상기 이미지 개선부는, 상기 자기 공명 이미지의 R, G, B 구성요소 각각을 정규화(Normalize) 처리함으로써 정규화된 R, G, B 구성요소를 생성하는 정규화부; 상기 정규화된 R, G, B 구성요소의 합을 참조하여 상기 뇌의 전경 부분에 속한 R, G, B 구성요소가 보정된 상기 MR 이미지를 생성하는 보정 이미지 획득부; 및 상기 MR 이미지의 R, G, B 구성요소 각각에 가중치를 부여하고, 상기 가중치가 부여된 R, G, B 구성요소를 합산하여 상기 그레이 스케일 이미지로 변환하는 그레이 스케일 변환부를 포함할 수 있다.

상기와 같은 목적을 달성하기 위하여 본 발명의 다른 실시예는, 자기 공명 이미지를 입력받아 뇌의 전경(Foreground) 부분을 전처리한 MR 이미지를 생성하고, 상기 MR 이미지를 그레이 스케일 이미지로 변환하는 단계; 상기 그레이 스케일 이미지 내 뇌의 전경 부분의 엔트로피 및 뇌의 배경 부분의 엔트로피의 합을 최대값으로 만드는 제1 그레이 레벨 값 및 상기 그레이 스케일 이미지 내 그레이 레벨의 표준 편차인 제2 그레이 레벨 값을 산출하고, 상기 제1 그레이 레벨 값에서 상기 제2 그레이 레벨 값을 차감하여 이진화 임계값(Threshold value)으로 산출하는 단계; 및 상기 그레이 스케일 이미지로부터 상기 이진화 임계값을 경계로 구분되는 이진화 이미지를 획득하는 단계를 포함한다.

여기서, 상기 MR 이미지를 그레이 스케일 이미지로 변환하는 단계는, 상기 자기 공명 이미지의 R, G, B 구성요소 각각을 정규화(Normalize) 처리함으로써 정규화된 R, G, B 구성요소를 생성하는 단계; 상기 정규화된 R, G, B 구성요소의 합을 참조하여 상기 뇌의 전경 부분에 속한 R, G, B 구성요소가 보정된 상기 MR 이미지를 생성하는 단계; 상기 MR 이미지의 R, G, B 구성요소 각각에 가중치를 부여하고, 상기 가중치가 부여된 R, G, B 구성요소를 합산하여 상기 그레이 스케일 이미지로 변환하는 단계를 포함할 수 있다.

한편, 상기와 같은 목적을 달성하기 위하여 본 발명의 또 다른 실시예는, 뇌 자기 공명 이미지의 이진화 변환 방법을 실행하는 프로그램을 기록한 컴퓨터 판독 가능한 기록매체를 제공할 수 있다.

개시된 기술의 실시예들은 다음의 장점을 포함하는 효과를 가질 수 있다. 다만, 개시된 기술의 실시예들이 이를 전부 포함하여야 한다는 의미는 아니므로, 개시된 기술의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.

전술한 본 발명에 따르면, 자기 공명 이미지로부터 산출된 엔트로피 및 표준 편차를 이용하여 최적의 임계값을 결정함으로써, 뇌의 전경 부분 및 배경 부분을 이진화하는데에 있어서 정밀도가 향상되고, 오류가 감소된 이진화 이미지를 생성할 수 있고, 획득된 이진화 이미지를 통하여 뇌의 특징을 추출하거나 뇌의 이상 징후를 명확하게 식별하게 하는 효과가 있다.

도 1은 본 발명의 일 실시예에 따른 뇌 자기 공명 이미지의 이진화 변환 장치를 나타낸 도면이다.
도 2는 본 발명의 일 실시예에 따른 뇌 자기 공명 이미지의 이진화 변환 장치에 입력된 자기 공명 이미지의 일례를 나타낸 사진이다.
도 3은 본 발명의 일 실시예에 따른 뇌 자기 공명 이미지의 이진화 변환 장치에서 변환된 그레이 스케일 이미지를 나타낸 사진이다.
도 4는 본 발명의 일 실시예에 따른 뇌 자기 공명 이미지의 이진화 변환 장치에서 획득된 이진화 이미지를 나타낸 사진이다.
도 5은 본 발명의 일 실시예에 따른 뇌 자기 공명 이미지의 이진화 변환 방법을 나타낸 도면이다.

이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 설명한다. 그러나 본 발명의 실시형태는 여러 가지의 다른 형태로 변형될 수 있으며, 본 발명의 범위가 이하 설명하는 실시형태로만 한정되는 것은 아니다. 도면에서의 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있으며, 도면상의 동일한 부호로 표시되는 요소는 동일한 요소이다.

한편, 본 출원에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.

"제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.

그리고 명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때 이는 "직접적으로 연결"되어 있는 경우뿐만 아니라 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한, 어떤 부분이 어떤 구성요소를 "포함" 또는 "구비"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함하거나 구비할 수 있는 것을 의미한다.

도 1은 본 발명의 일 실시예에 따른 뇌 자기 공명 이미지의 이진화 변환 장치를 나타낸 도면으로, 본 발명의 뇌 자기 공명 이미지의 이진화 변환 장치는, 이미지 개선부(100), 임계값 연산부(200) 및 이진화 변환부(300)를 포함할 수 있다.

이미지 개선부(100)는, 자기 공명 이미지를 입력받아 뇌의 전경(Foreground) 부분을 전처리한 MR 이미지를 생성하고, 생성된 MR 이미지를 그레이 스케일 이미지로 변환하여 임계값 연산부(200)로 출력한다. 여기서, 이미지 개선부(100)는, 정규화부(110), 보정 이미지 획득부(120), 그레이 스케일 변환부(130)를 포함한다.

먼저, 자기 공명 이미지 내 x 및 y 좌표를 갖는 픽셀(Pixel)의 신호의 세기값(이하, '픽셀 값'으로 칭함)을 f(x,y)라 하면, 입력된 자기 공명 이미지는 f(x,y)로 표현될 수 있으며, 도 2는 입력된 자기 공명 이미지의 일례를 도시하고 있다.

자기 공명 이미지 f(x,y) 내 모든 픽셀의 픽셀 값이 좁게 분산되어 있을 경우, 낮은 대비(Contrast)를 나타내어 개체의 구별이 어렵기 때문에 대비가 개선된 이미지로 변환시키는 것이 바람직하다. 따라서, 이미지 개선부(100)는 자기 공명 이미지를 입력받아 자기 공명 이미지의 픽셀에 대하여 스케일링(Scaling) 및 시프팅(Shifting) 처리를 수행하여 대비가 개선된 이미지를 생성한다.

여기서, 이미지 개선부(100)는 R, G, B 구성 요소의 최대값 및 최소값의 차이가 128 이하인 이미지가 입력된 경우에만 스케일링 및 시프팅 연산을 수행할 수도 있다. 즉, 입력 이미지 f(x,y)의 픽셀 간 세기 차가 적어 명확한 영상을 얻기 어려운 경우에 대비 개선을 위한 스케일링 및 시프팅 연산이 수행될 수 있다. 입력 이미지 f(x,y)에 대한 그레이 스케일 이미지인 g(x,y)는 수학식 1로 표현될 수 있다.

여기서, T는 RGB 이미지를 그레이 스케일 이미지로 변환하기 위한 변환 함수(Transformation function)로, 입력 이미지 f(x,y)에서 기준이 되는 어느 한 픽셀 및 그 주위의 이웃(neighborhood) 픽셀을 이용하여 그레이 레벨을 산출하는 함수일 수 있다. 이때, 변환 함수에 대하여 상술하면 아래와 같다.

변환 함수(T)는 α, β, γ, δ와 같은 상수(Constant)들이 사용될 수 있다. 여기서, α, β, γ, δ과 같은 상수들이 변환 함수(T)에 적용될 경우, 픽셀 값이 255보다 큰 픽셀에 대해서도 변환 함수(T)를 적용할 수 있고, 상수들이 달라짐에 따라 그레이 스케일 이미지 g(x,y)의 밝기(Brightness), 대비 수준(Contrast level)이 달라질 수 있으며, 뇌의 픽셀 값 또한 증가할 수 있다. 또한, α, β, γ, δ는 파라미터(Parameter)로서, 적절한 통계 수법에 의해 일정한 값으로 얻어질 수 있다. 본 발명에서는 α, β, γ, δ를 각각 α=0.25, β=0, γ=3, δ=1로 정의할 수 있다.

한편, 정규화부(110)는, 입력된 자기 공명 이미지의 R, G, B 구성요소 각각을 정규화(Normalize) 처리할 수 있다. 정규화부(110)의 상세 동작은 하기와 같다.

먼저, 입력된 자기 공명 이미지 f(x,y)는 R, G, B 구성 요소의 조합으로 이루어지므로, f(x,y)는 수학식 2와 같이 표현될 수 있다.

여기서, 수학식 3에 표현된 바와 같이, 정규화부(110)는 최대 픽셀 값인 g_m(x,y), 예를 들면, 최대 세기(Maximum intensity)인 255를 이용하여 입력 이미지 f(x,y)의 R, G, B 구성요소를 각각 정규화할 수 있다. 즉, 입력 이미지 f(x,y)의 R, G, B 구성요소 각각을 g_m(x,y)로 나눌 경우, R, G, B 구성요소의 픽셀 값 범위가 정규화된 범위로 변환될 수 있다. 예를 들어, R, G, B 구성요소 각각의 픽셀 값 범위가 0 내지 255의 범위일 경우, 픽셀 값이 255인 g_m(x,y)로 나누면 0 내지 1의 범위로 변환될 수 있다. 이와 같이, R, G, B의 각 구성 요소가 정규화된 y_R(x,y), y_G(x,y), y_B(x,y)는 수학식 3에 의하여 산출될 수 있다.

한편, 보정 이미지 획득부(120)는, 정규화부(110)에서 정규화된 R, G, B 구성요소를 처리하여 보정된 R, G, B 구성요소를 도출할 수 있다. 보정 이미지 획득부(120)의 상세 동작은 하기와 같다.

먼저, 보정 이미지 획득부(120)는 y_R(x,y), y_G(x,y), y_B(x,y)를 수학식 4와 같이 R, G, B로 설정한다.

또한, 보정 이미지 획득부(120)은 'L=R+G+B'라는 수식을 이용하여 R, G, B의 각 정규화된 픽셀 값, 즉, 픽셀 세기를 합산한 L값을 산출하고, 수학식 5에 표현된 바와 같이 L값에 따라 C값을 산출한다.

여기서, 상술한 바와 같이 본 발명에서 α, β, γ는 각각 α=0.25, β=0, γ=3으로 정의될 수 있으므로, 수학식 5의 α, β, γ에 각각 해당되는 값을 대입하여 C 값을 산출할 수 있으나 이에 한정되지 않는다.

이후에, 보정 이미지 획득부(120)은 'η=C/L'라는 수식을 이용하여 'η'을 산출하고, η값에 따라 보정된 y_R(x,y), y_G(x,y), y_B(x,y)를 산출한다. 즉, 수학식 6에 표현된 바와 같이, η값이 1보다 작거나 같으면, y_R(x,y), y_G(x,y), y_B(x,y) 각각에 η값을 곱하여 보정된 y_R(x,y), y_G(x,y), y_B(x,y)를 산출할 수 있다.

또한, 보정 이미지 획득부(120)는 η값이 1보다 크면 수학식 7에 표현된 바와 같이 nR, nG, nB, nL, gL, nη로 정의된 변수를 계산하고, 수학식 8에 표현된 바와 같이 변수 nR, nG, nB, nL, gL, nη를 이용하여 보정된 y_R(x,y), y_G(x,y), y_B(x,y)를 산출할 수 있다.

한편, 보정 이미지 획득부(120)는 하기 수학식 9에 표현된 바와 같이, 보정된 y_R(x,y), y_G(x,y), y_B(x,y) 각각에 수학식 3에서 기술한 g_m(x,y)를 나눔으로써 최종적으로 뇌의 전경 부분의 픽셀 값이 개선된 R, G, B 구성요소인 y'_R(x,y), y'_G(x,y), y'_B(x,y)를 산출할 수 있다. 이와 같이, R, G, B 구성요소에서 뇌의 전경 부분의 픽셀 값이 개선됨으로써, 뇌의 전경 부분을 개선한 MR 이미지가 생성될 수 있다.

한편, 수학식 10에 표현된 바와 같이, 그레이 스케일 변환부(130)는 MR 이미지의 R, G, B 구성요소 각각에 대하여 가중치를 부여하고, 가중치가 부여된 R, G, B 구성요소를 합산하여 MR 이미지를 그레이 스케일(Grayscale) 이미지인 g(x,y)로 변환하며, 이러한 그레이 스케일 이미지는 도 3에 도시된 바와 같다.

한편, 임계값 연산부(200)는 그레이 스케일 이미지 내 엔트로피 및 표준 편차에 기반하여 이진화(Binarization)를 위한 임계값(Threshold value)을 산출한다. 임계값 연산부(200)의 상세 동작은 하기와 같다.

먼저, 임계값 연산부(200)는 그레이 스케일 이미지 g(x,y)에 대한 히스토그램(Histogram) 및 확률 질량 함수(Probability mass function, PMF)를 각각 h(g) 및 p(g)라고 표시하고, 흑백조의 픽셀값, 즉, 픽셀 세기(intensity)에 해당하는 그레이 레벨인 g는 0 내지 G_max까지의 범위라고 정의한다. 여기서 G_max는 그레이 스케일 이미지에서 최대 그레이 레벨을 표시한 것이고, 일반적인 그레이 스케일 이미지에서 G_max는 255를 나타낸다. 만약 그레이 레벨 범위가 부분 구간, 예를 들어 [g_min,g_max]로 지나치게 제한적이지 않다면, 그레이 레벨의 범위는 상술한 바와 같이 0 내지 G_max까지의 범위라고 정해질 수 있다. 따라서, 전체 확률 함수(Collective possibility function)는 수학식 11로 표현될 수 있다.

수학식 11에 표현된 전체 확률 함수 P(g)는 뇌의 전경(혹은 개체 부분)에 대한 확률 질량 함수 P_f(T), 뇌의 배경(혹은 개체가 아닌 부분)에 대한 확률 질량 함수 P_b(T)로 분리될 수 있으며, 각각의 확률 질량 함수는 수학식 12에 의해 산출될 수 있다.

여기서, T는 P(g)를 P_f(T) 및 P_b(T)로 분리하기 위한 임계값이다. 즉, P_f(T)는 g의 범위가 0≤g≤T이고, P_b(T)는 g의 범위가 T+1≤g≤G이다.

한편, 그레이 스케일 이미지 g(x,y)의 픽셀수가 np일 때, 그레이 레벨의 평균(Mean)을 나타내는 m(g) 및 분산(Variance)을 나타내는 σ²(g)는 수학식 13 및 수학식 14에 의해 산출될 수 있다.

따라서, 최종적으로 그레이 레벨의 표준 편차 σ(g)는 하기 수학식 15에 의하여 계산된다.

여기서, 잘 알려진 바와 같이, 표준 편차(σ)는 분산(σ²)의 제곱근이다.

한편, 이미지의 전경 및 배경은 두 개의 다른 신호 소스(Signal source)를 가지므로, 수학식 12에서 나타낸 확률 질량 함수 P_f(T) 및 P_b(T)를 이용하여, 수학식 16에 표현된 바와 같이 두 개로 분류된 엔트로피가 산출할 수 있고, 이를 합산한 값이 최대값에 이를 때 이미지는 최적으로 이진화되었다고 할 수 있다. 즉, 가능한 결과값에 대한 불확실성을 의미하는 엔트로피는 그 값이 크면 클수록 이미지의 세세한 부분이 더 잘 표현될 수 있다. 이러한 알고리즘을 통해 최적의 임계값을 산출하기 위한 엔트로피 T_fb는 수학식 16에 의하여 산출된다.

여기서, 수학식 16의 전항은 뇌의 전경 부분의 확률 질량 함수 P_f(T)를 이용한 엔트로피가 정의된 항이고, 후항은 뇌의 배경 부분의 확률 질량 함수 P_b(T)를 이용한 엔트로피가 정의된 항이다. 따라서, 뇌의 전경 부분 및 배경 부분 각각의 엔트로피를 합산한 결과를 최대값으로 만드는 T_fb가 최적의 이진화 임계값으로 결정될 수 있다.

최종적으로, 수학식 17에 표현된 바와 같이, 임계값 연산부(200)는 엔트로피 T_fb로부터 표준 편차 σ(g)를 감하여 이진화 임계값 'T_F'를 산출할 수 있다. 즉, 이미지에서 표현될 수 있는 정보의 이론적인 확장성을 의미하는 엔트로피에서 픽셀 값의 불균일성을 나타내는 표준 편차를 제함으로써 최적의 이진화 임계값(T_F)이 산출될 수 있다.

이와 같이, 임계값 연산부(200)는 엔트로피 및 표준 편차를 사용하여 이진화 임계값을 생성함으로써, 검은색 배경 영역과 주요한 뇌 영역 사이에서 오직 뇌 영역만을 이진화하는 최적의 임계값을 생성할 수 있다.

한편, 수학식 18에 표현된 바와 같이, 이진화 변환부(300)는 임계값 연산부(200)에서 산출된 이진화 임계값을 기준으로 하여 그레이 스케일 이미지 g(x,y)에서 이진화 임계값인 T_F를 초과하는 픽셀 값은 1로 설정하여 뇌의 전경 부분을 표시하고, 이진화 임계값인 T_F 보다 작거나 같은 값을 0으로 설정하여 뇌의 배경 부분을 표시함으로써 이진화 이미지를 획득할 수 있다.

도 4에 도시된 바와 같이, 최종적으로 획득된 이진화 이미지는 흰색으로 표현된 뇌의 전경 부분과 검은색으로 표현된 뇌의 배경 부분이 명확하게 구분된다. 이러한 이진화 이미지는 뇌의 이상(Abnormality)을 추출하고 감지하는 데에 유용하게 활용될 수 있다. 또한, 본 발명에서 상술한 과정은 모든 타입의 MR 이미지에 적합하게 적용될 수 있다.

도 5는 본 발명의 일 실시예에 따른 뇌 자기 공명 이미지의 이진화 변환 방법을 나타낸 도면으로, 도 1 내지 도 4를 참조하여 본 발명의 뇌 자기 공명 이미지의 이진화 변환 방법에 대하여 설명하면 하기와 같다.

먼저, 자기 공명 이미지를 입력받아 뇌의 전경 부분을 전처리한 MR 이미지를 생성하고, 생성된 MR 이미지를 그레이 스케일 이미지로 변환하는데, 그 상세한 과정은 하기와 같다.

즉, 자기 공명 이미지의 R, G, B 구성요소 각각을 정규화(Normalize) 처리함으로써 정규화된 R, G, B 구성요소를 생성한다(S100). 이때, 입력된 자기 공명 이미지 f(x,y)의 R, G, B 구성요소 각각에 픽셀 값이 255인 g_m(x,y)를 나눔으로써 정규화된 R, G, B 구성요소를 생성할 수 있다.

이후에, 정규화된 R, G, B 구성요소의 합을 참조하여 뇌의 전경 부분에 속한 R, G, B 구성요소가 보정된 MR 이미지를 생성한다(S200). 여기서, 수학식 5에 표현된 바와 같이 정규화된 R, G, B 구성요소의 합을 나타낸 L값에 따라 C값을 산출한다. 또한, 'η=C/L'라는 수식을 이용하여 'η'을 산출하고, η값에 따라 보정된 R, G, B 구성요소를 산출한다. 이때, η값이 1보다 작거나 같으면, 수학식 6에 따라 연산하여 보정된 R, G, B 구성요소를 산출하고, η값이 1보다 클 경우, 수학식 7에 따라 nR, nG, nB, nL, gL, nη로 정의된 변수를 계산하며, 계산된 변수를 이용하여 수학식 8에 따라 연산함으로써 보정된 R, G, B 구성요소를 산출할 수 있다. 또한, 보정된 R, G, B 구성요소 각각에 수학식 3에서 기술한 g_m(x,y)를 나눔으로써 최종적으로 뇌의 전경 부분의 픽셀 값이 개선된 MR 이미지를 획득할 수 있다.

이후에, MR 이미지의 R, G, B 구성요소 각각에 대하여 가중치를 부여하고, 가중치가 부여된 R, G, B 구성요소를 합산하여 MR 이미지를 그레이 스케일 이미지로 변환한다(S300).

다음에, 그레이 스케일 이미지 내 뇌의 전경 부분의 엔트로피 및 뇌의 배경 부분의 엔트로피의 합을 최대값으로 만드는 제1 그레이 레벨 값 및 그레이 스케일 이미지 내 그레이 레벨의 표준 편차인 제2 그레이 레벨 값을 산출하고, 제1 그레이 레벨 값에서 제2 그레이 레벨값을 차감하여 이진화 임계값으로 산출한다(S400).

최종적으로, 그레이 스케일 이미지로부터 이진화 임계값을 경계로 구분되는 이진화 이미지를 획득한다(S500). 이때, 그레이 스케일 이미지 g(x,y)에서 이진화 임계값인 T_F를 초과하는 픽셀 값은 1로 설정하여 뇌의 전경 부분을 표시하고, 이진화 임계값인 T_F 보다 작거나 같은 값을 0으로 설정하여 뇌의 배경 부분을 표시함으로써 이진화 이미지를 획득할 수 있다.

이러한 본 발명에 의한 뇌 자기 공명 이미지의 이진화 변환 방법은 프로그램으로 구현되어 컴퓨터로 읽을 수 있는 기록매체(씨디롬, 램, 롬, 플로피 디스크, 하드 디스크, 광자기 디스크 등)에 저장될 수 있다.

이상 본 발명을 바람직한 실시예를 통하여 설명하였는데, 상술한 실시예는 본 발명의 기술적 사상을 예시적으로 설명한 것에 불과하며, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 다양한 변화가 가능함은 이 분야에서 통상의 지식을 가진 자라면 이해할 수 있을 것이다. 따라서 본 발명의 보호범위는 특정 실시예가 아니라 특허청구범위에 기재된 사항에 의해 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술적 사상도 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

100: 이미지 개선부 110: 정규화부
120: 보정 이미지 획득부 130: 그레이 스케일 변환부
200: 임계값 연산부 300: 이진화 변환부

Claims (5)

1. 자기 공명 이미지를 입력받아 뇌의 전경(Foreground) 부분을 전처리한 MR 이미지를 생성하고, 상기 MR 이미지를 그레이 스케일 이미지로 변환하는 이미지 개선부;
   상기 그레이 스케일 이미지 내 뇌의 전경 부분의 엔트로피 및 뇌의 배경 부분의 엔트로피의 합을 최대값으로 만드는 제1 그레이 레벨 값 및 상기 그레이 스케일 이미지 내 그레이 레벨의 표준 편차인 제2 그레이 레벨 값을 산출하고, 상기 제1 그레이 레벨 값에서 상기 제2 그레이 레벨 값을 차감한 값을 이진화 임계값(Threshold value)으로 산출하는 임계값 연산부; 및
   상기 그레이 스케일 이미지로부터 상기 이진화 임계값을 경계로 구분되는 이진화 이미지를 획득하는 이진화 변환부를 포함하는 것을 특징으로 하는 뇌 자기 공명 이미지의 이진화 변환 장치.
   
2. 청구항 1에 있어서,
   상기 이미지 개선부는,
   상기 자기 공명 이미지의 R, G, B 구성요소 각각을 정규화(Normalize) 처리함으로써 정규화된 R, G, B 구성요소를 생성하는 정규화부;
   상기 정규화된 R, G, B 구성요소의 합을 참조하여 상기 뇌의 전경 부분에 속한 R, G, B 구성요소가 보정된 상기 MR 이미지를 생성하는 보정 이미지 획득부; 및
   상기 MR 이미지의 R, G, B 구성요소 각각에 가중치를 부여하고, 상기 가중치가 부여된 R, G, B 구성요소를 합산하여 상기 그레이 스케일 이미지로 변환하는 그레이 스케일 변환부를 포함하는 뇌 자기 공명 이미지의 이진화 변환 장치.
   
3. 자기 공명 이미지를 입력받아 뇌의 전경(Foreground) 부분을 전처리한 MR 이미지를 생성하고, 상기 MR 이미지를 그레이 스케일 이미지로 변환하는 단계;
   상기 그레이 스케일 이미지 내 뇌의 전경 부분의 엔트로피 및 뇌의 배경 부분의 엔트로피의 합을 최대값으로 만드는 제1 그레이 레벨 값 및 상기 그레이 스케일 이미지 내 그레이 레벨의 표준 편차인 제2 그레이 레벨 값을 산출하고, 상기 제1 그레이 레벨 값에서 상기 제2 그레이 레벨 값을 차감하여 이진화 임계값(Threshold value)으로 산출하는 단계; 및
   상기 그레이 스케일 이미지로부터 상기 이진화 임계값을 경계로 구분되는 이진화 이미지를 획득하는 단계를 포함하는 것을 특징으로 하는 뇌 자기 공명 이미지의 이진화 변환 방법.
   
4. 청구항 3에 있어서,
   상기 MR 이미지를 그레이 스케일 이미지로 변환하는 단계는,
   상기 자기 공명 이미지의 R, G, B 구성요소 각각을 정규화(Normalize) 처리함으로써 정규화된 R, G, B 구성요소를 생성하는 단계;
   상기 정규화된 R, G, B 구성요소의 합을 참조하여 상기 뇌의 전경 부분에 속한 R, G, B 구성요소가 보정된 상기 MR 이미지를 생성하는 단계;
   상기 MR 이미지의 R, G, B 구성요소 각각에 가중치를 부여하고, 상기 가중치가 부여된 R, G, B 구성요소를 합산하여 상기 그레이 스케일 이미지로 변환하는 단계를 포함하는 뇌 자기 공명 이미지의 이진화 변환 방법.
   
5. 청구항 3 및 청구항 4 중 한 항에 기재된 뇌 자기 공명 이미지의 이진화 변환 방법을 실행하는 프로그램을 기록한 컴퓨터 판독 가능한 기록매체.

Images