KR20190002958A - 심장의 기하학적 정보를 이용한 좌심방이 검출방법 - Google Patents

Abstract

본 발명은 심장 영상의 Z축 영상의 기하학적 정보를 이용한 좌심방이 검출 방법에 관한 것이다. 본 발명의 일 실시예에 따른 좌심방이 검출 방법은, 심장의 3차원 영상으로부터 획득된 Z축 영상에서 원형에 가까운 구조물 2개를 검출하는 단계; 상기 획득된 Z축 영상에서 특정의 밝기값을 갖는 구조물 1개를 검출하는 단계;상기 획득된 Z축 영상에서 사전 정의된 기하학적 위치관계를 갖는 3개의 구조물을 검출하는 단계; 상기 각각의 검출하는 단계에서 검출된 구조물들을 비교하여 좌심방이를 검출하는 단계를 포함할 수 있다.

Description

심장의 기하학적 정보를 이용한 좌심방이 검출방법{A METHOD FOR DECTING A LEFT ATRIAL APPENDAGE USING A GEOMETRIC INFORMATION OF A HEART}

본 발명은 좌심방이 위치 검출 방법에 관한 발명이다. 보다 구체적으로, 본 발명은 심장의 3차원 영상으로부터 획득된 영상의 기하학적 정보에 기초하여 좌심방이의 위치를 효과적으로 검출하는 방법에 관한 발명이다.

일반적으로, 컴퓨터 단층 촬영(CT: Computed Tomography) 장치는 엑스선 발생 장치, 엑스선 검출기 및 DAS(data acquisition system)로 이루어진 데이터 수집 장치 및 영상 구성 장치를 포함한다.

이러한 컴퓨터 단층 촬영 장치는 엑스선 발생 장치를 이용해 소정 양의 엑스선이 인체를 투과하게 하고, 데이터 수집 장치를 이용해 인체에 투과된 엑스선의 량을 측정하여 디지털 영상 신호로 변환하며, 영상 구성 장치를 이용해 디지털 영상 신호를 재구성하여 인체 단층 영상 또는 3차원 인체 영상을 만들어 낸다. 상기 컴퓨터 단층 촬영 장치에 의해 생성된 3차원 인체 영상은, 내과적 질환을 검출하는 데에 유용하게 사용될 수 있다.

내과적 질환에 있어, 심방세동은 가장 흔한 지속성 부정맥이며, 심인성 뇌경색의 주된 원인이다. 심방세동 환자에서 심방의 효과적인 수축이 없기 때문에 좌심방 내에 혈액의 저류가 형성되고, 이것으로 인하여 혈전 생성이 촉진된다. 주로 혈전이 형성되는 부위는 좌심방이로 알려져 있다. 좌심방이는 심장의 좌심방의 일부분으로써 특별한 역할을 하지 않는 부위로 알려져 있다. 그러나 좌심방이의 모양이 복잡한 주머니 형태를 띠고 있어서 부정맥환자의 경우 혈액순환이 원활하지 않게 되면서 좌심방이 내에서 혈액 와류가 발생한다. 이러한 와류가 혈전을 생성시키는 가장 큰 원인으로 꼽히며, 혈전은 뇌혈관 등으로 흘러들어가 뇌졸중을 유발하는 것으로 알려져 있다.

이에 따라, 뇌졸중을 예방하는 시술기법으로 좌심방이 폐색술이 있다. 좌심방이를 기구를 사용하여 물리적으로 폐쇄시키는 방법이 치료현장에서 일반적인 방법이다. 이러한 좌심방이 폐색술 등의 시술을 위해서는 좌심방의 검출이 필수적인데, 전술한 바와도 같이 좌심방이는 매우 복잡한 형태를 띠고 있을 뿐만 아니라, 환자마다 그 형상도 가지각색이라 어떠한 특정의 형상 인식에 기반한 검출방법이 사용될 수 없는 경우가 대부분이다.

따라서, 심장 영상으로부터 보다 정확하고 강건하며 신뢰적인 방식으로 좌심방이를 검출할 수 있는 방법에 대한 요구가 증가하고 있는 상황이다.

그러므로, 본 발명은 이러한 종래의 문제점들을 해결하고자 안출된 것으로서, 본 발명의 목적은 3차원 CT 영상을 기반으로 좌심방이의 위치를 자동으로 특정하여 좌심방이의 체적 기하학적 정보 등의 임상적 정보를 얻어낼 수 있는 기반이 되는 방법에 대하여 제공하는 것을 목적으로 한다.

이러한 과제를 해결하기 위한 본 발명의 심장의 기하학적 구조를 이용한 좌심방이 검출 방법은, 좌심방이만을 특정하여 탐색하는 것이 아니라, 상행, 하행 대동맥 및 좌심방을 동시에 고려하여 이들 간 지역적 특성을 이용하여 두 개의 상하대동맥 및 좌심방이를 동시에 검출하는 방법이다.

본 발명에 따른 방법은, 먼저 3D 촬영된 영상으로부터 조영된 기관만을 선택한 후, 각각의 독립된 구조물별로 라벨링을 행하고, 독립된 구조물들 중 원형의 형태를 띈 구조물 2개를 선택하여 상행, 하행 대동맥으로 상정하고, 영상 이미지에서의 밝기값을 이용해 좌심방이로 예상되는 구조물들을 선별한 다음, 상기 상행/하행 대동맥으로 상정된 2개의 구조물과의 기하학적 관계를 이용하여 좌심방이 여부를 검출하는 것을 특징으로 하는 것이다.

본 발명의 일 실시예에 따르면, 먼저 Z축 영상(x-y 평면 영상)에서 2차원의 이산 구조의 후보물체들을 구하기 위하여 연결요소 라벨링(Connected Component Labeling) 알고리즘을 이용하여 조영강도에 근사하는 요소들만을 선택한다.

앞서 설명한 바와도 같이, 좌심방이 그 자체만을 검출하기에는 좌심방이의 특징이 뚜렷하지 않아서 수학적으로 모델링하는 것이 용이하지 않다. 그러나 아래와 같은 3개 구조물의 기하학적 특징을 고려한다면 좌심방이의 위치를 검출하는 것이 가능해진다:

i) 상행 및 하행 대동맥은 영상에서 둥근 형태이다.

ii) 상행 및 하행 대동맥 사이에 좌심방이가 위치한다.

iii) 상행, 하행 대동맥, 및 좌심방이 사이에는 특정의 기하학적 관계가 존재한다.

따라서 3개의 구조물을 동시에 고려하되, 가장 상단 및 하단에 있는 물체는 원형에 가까워야 하며, 동시에 기하학적 관계를 만족시키는 중간 위치에 있는 물체를 선택하면, 해당 물체를 좌심방이라고 특정할 수 있게 된다.

이를 위한 단계적 수학적 모델은 아래 식으로 나타낼 수 있다. 2차원 이산 구조물을 영상의 평면 이미지를 x-y 평면으로 삼아 y축의 높이를 기준으로 정렬하여 아래 식을 적용할 수 있다.

[식 (2)]

상기 식에서 I는 x-y 평면(z축)의 2D 영상 이미지를 나타내며, P는 해당 구조물을 선택할 확률을 나타내며, L은 로그함수를 의미한다. 영상에서 3개 구조물을 선택할 확률은, 영상에서 상행 및 하행 대동맥을 선택할 확률, 영상에서 좌심방이를 선택할 확률, 및 3개 구조물이 특정의 기하학적 관계에 있을 확률의 곱에 근사한다. 그리고 이를 최대가능도방법(MLE; maximum likelihood estimation)에 적용하여 그 값이 최대가 될 때 3개 구조물(상행 및 하행 대동맥, 좌심방이)을 정확하게 검출된 것으로 정의한다.

한편, 상기 확률들은 모두 가우시안 분포를 따르므로

의 식으로 나타낼 수 있다. 그러나 로그 함수는 단조증가 함수이므로, 상기와 같이 최대값을 나타내는 요소의 선택에 있어서, 원래의 값을 취하던 로그 값을 취하던 간에 그 결과가 다르지 않기 때문에 로그 함수로 변환하여 사용할 수 있다. 만약 이처럼 로그 값을 취하지 않으면 상기 확률은 곱셈으로 엮여 있으므로 그 계산값이 매우 커질 수 있기 때문에, 컴퓨터 등의 연산장치에서 계산하기 수월하게 하기 위하여 로그 값을 취한 것이다.

한편, 상, 하단의 구조물은 주성분 분석(主成分分析, Principal component analysis; PCA)을 통하여 주성분 벡터의 크기를 얻어 비율을 확인함으로써 원형 모양인지 아닌지를 판단할 수 있다. 상기 주성분분석(PCA)은 여러 변수들의 변량을 '주성분(principal component)'이라고 지칭되는 서로 상관성이 높은 여러 변수들의 선형 조합으로 분석하여, 새로운 변수들로 요약 및 축소하는 기법을 의미한다. 상, 하단에 존재하는 구조물들이 원에 가까운지 확인할 수 있다면, 이들을 상행, 하행 대동맥이라고 판단할 수 있다.

그리고 좌심방이는 그 형태에 특징이 뚜렷하지 않기 때문에, 구조물의 밝기 값을 이용하여 근사치를 구한다. 즉, 구조물의 평균 밝기 값이 조영제의 밝기 값에 가까울 경우 이를 좌심방이 후보군으로 선별하는 것이다.

마지막으로 관심 대상인 3개의 구조물이 특정 위치관계에 있을 확률은 도 1에 나타낸 모식도에서 정의된 기하학적 위치관계를 이용하여 모델링하였다. 즉, 사전 수집된 데이터로부터 얻어진 3개의 구조물 사이의 위치관계와 가장 유사한 기하학적 관계를 갖는 구조물 3개를 선택할 수 있도록 하였다.

이렇게 얻어진 3개의 함수값, 즉, 2개의 원형 구조물을 선택하는 함수값, 조영제의 밝기값을 갖는 구조물을 선택하는 함수값, 및 사전 정의된 기하학적 위치관계에 있는 3개의 구조물을 선택하는 함수값을 최대가능도방법에 적용하여 가장 높은 값을 갖는 3개의 구조물을 선택하면, 상행, 하행 대동맥 및 좌심방이를 정확하게 검출해낼 수 있게 된다.

본 발명의 검출 방법에 따르면, 심장 조영 영상으로부터 좌심방이를 검출함에 있어 보다 신뢰적이고 보다 안전한 방식으로 검출하는 것이 가능하다.

또한, 본 발명의 일 실시예에 따른 좌심방이 검출 방법에 따르면, 두 개의 대동맥(상행 대동맥 및 하행 대동맥)과 함께 좌심방이를 동시에 그리고 정확하게 검출하는 것이 가능하다.

또한, 본 발명의 일 실시예에 따른 검출 방법은 2개의 대동맥과 좌심방이 사이의 기하학적 정보를 이용하고, 따라서 상행, 하행 대동맥 및 좌심방이의 검출 확률을 보다 향상시킬 수 있다.

도 1은 심장 3차원 영상으로부터 획득된 Z축 영상의 예시도이다.
도 2는 심장 3차원 영상에서 상행, 하행 대동맥 및 좌심방이(LAA) 사이의 기하학적 관계를 나타낸 예시도이다.
도 3 및 도 4는 본 발명의 일 실시예에 따라 상행, 하행 대동맥 및 좌심방이가 검출된 예시도이다.

이하 본 발명의 바람직한 실시예들의 상세한 설명이 첨부된 도면들을 참조하여 설명될 것이다. 도면들 중 동일한 구성들은 가능한 한 어느 곳에서든지 동일한 부호들을 나타내고 있음을 유의하여야 한다. 이하의 설명에서 구체적인 특정 사항들이 나타나고 있는데, 이는 본 발명의 보다 전반적인 이해를 돕기 위해 제공된 것이다. 그리고 본 발명을 설명함에 있어, 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명은 생략한다.

본 명세서에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 본 발명이 속하는 기술 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 본 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 명세서에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 명세서의 전반에 걸친 내용을 토대로 정의되어야 한다.

본 명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다.

3차원의 조영 이미지를 Z축을 따라 X-Y 평면 방향으로 자르게 되면 2차원(즉, 평면) 이미지가 형성된다. 이하에서, 이와 같이 3차원 조영 이미지를 Z축을 따라 X-Y 평면 방향으로 잘라 획득한 2차원 이미지를 "Z축 영상(Z-axial image)"으로 지칭하기로 한다.

도 1은 심장의 3차원 조영 영상으로부터 획득된 Z축 영상의 예시도이다. 도시된 바와 같이, 본 발명의 일 실시예에 따른 Z축 영상(예를 들어, CT 영상)에는 복수 개의 이미지들이 포함되는데, 이들 이미지들에서 상행 대동맥과 하행 대동맥 및 좌심방이를 찾아내는 것이 본 발명의 과제에 해당한다.

보다 구체적으로, 본 발명의 일 실시예에 따른 좌심방이 검출 방법은, 심장 3차원 영상으로부터 Z축 영상을 획득하는 단계; 상기 획득된 Z축 영상에 연결 요소 라벨링(CCL; connected component labeling) 기법을 적용하여 군집화된 복수의 객체들을 검출하는 단계; 상기 검출된 복수의 객체들을 벡터로 표현하는 단계; 상기 벡터로 표현된 복수의 객체들 각각에 주성분분석(PCA; principal component analysis) 기법을 적용하여 상기 객체들을 두 개의 축들 및 상기 두 개의 축들 각각이 갖는 크기로 표현하는 단계; 상기 복수의 객체들 중 임의의 두 개의 객체들의 비율을 확인하여 원형모양인지 아닌지 판단하는 단계; 상기 복수의 객체들 중 조영제의 밝기값을 갖는 객체를 선별하는 단계; 및 상기 원형으로 판단된 두 개의 객체들 쌍과 조영제 밝기값에 기초하여, 상행 대동맥, 하행 대동맥 및 좌심방이를 검출하는 단계를 포함할 수 있다.

먼저, Z축 영상에 연결 요소 라벨링(CCL; connected component labeling) 기법을 적용하여 군집화된 복수의 객체들은 다음의 집합으로 나타내어질 수 있다.

[식 (1)]

상기 식 (1)에서 C는 3차원 영상에서 측정되는 각 요소(구조물)이고, c_i는 2차원 점들로 이루어진 구조물이며, i는 각 구조물의 갯수를 나타낸다.

한편, c_i는 2차원 벡터들의 집합(Kc_i)으로 표현될 수 있다.

[식 (2)]

상기 2차원 벡터로 표현된 객체들을, 두 개의 축들 및 두 개의 축들 각각이 갖는 크기로 표현하는 단계에는 주성분분석(PCA; principal component analysis) 기법을 적용하는 것을 특징으로 한다.

상기 주성분분석(PCA)은 여러 변수들의 변량을 '주성분(principal component)'이라고 지칭되는 서로 상관성이 높은 여러 변수들의 선형 조합으로 분석하여, 새로운 변수들로 요약 및 축소하는 기법을 의미한다. 이러한 주성분분석(PCA) 기법을 통해, 각 객체(c_i)는 두 개의 축들(λ₁ 및 λ₂)과 상기 두 개의 축들의 크기(λ_1,ci 및 λ_2,ci)로 표현될 수 있다.

참고로, 심장 내의 상행 대동맥 및 하행 대동맥은 일반적으로 원의 형태를 갖는다. 따라서, 이상적인 원형 객체를 가정할 경우, 두 개의 축들(λ₁ 및 λ₂)이 각각 갖는 크기(λ_1,ci 및 λ_2,ci)는 동일하다, 즉 이상적인 원형 객체의 경우, λ_2,ci/λ_1,ci는 1의 값을 갖는다. 하지만, 실제의 Z축 영상 내의 객체들, 특히 상행 대동맥 및 하행 대동맥은 여러 다양한 요인들로 인해 완전히 이상적인 원으로서 표현되지 않을 수 있고, 따라서 이상적인 원에 거의 근접한 타원의 형태를 가질 수도 있다. 그러므로, λ_2,ci/λ_1,ci의 값이 1이거나 또는 1에 근접할 경우 그 객체(c_i)는 원형일 확률이 높고, 이는 해당 객체가 상행 대동맥 또는 하행 대동맥일 확률이 높다는 것을 의미한다.

이러한 특징을 이용한 이하의 수식은 두 개의 객체가 동시에 원에 가장 가까운 것을 선택하도록 하는 수식에 해당한다.

[식 (3)]

상기 식에서 r_ci는 아래와 같이 정의된다.

r_ck도 이와 같은 방식으로 정의될 수 있다.

여기서, λ_1,ci는 객체 c_i의 λ₁축의 길이를 나타내고, λ_2,ci는 객체 c_i의 λ₂축의 길이를 나타내고, λ_1,ck는 객체 c_k의 λ₁축의 길이를 나타내고, 그리고 λ_2,ck는 객체 c_k의 λ₂축의 길이를 나타낸다. 객체들 c_i 및 c_k가 이상적인 원의 경우, 함수

의 값은 0이다. 다시 말하면, 두 객체(c_i, c_k)에 대한

함수 값이 0에 가까울수록 두 객체(c_i, c_k)가 원형일 확률이 높다는 것을 의미한다.

한편, 좌심방이는 그 형태가 매우 다양하여 상기 대동맥의 경우에서와 같이 형태적 특징에 기반하여 검출하는 것이 어려운바, 영상 이미지에서의 밝기값을 통해 검출하도록 하였다. 구체적으로는 구조물의 평균 밝기값

이 조영제 밝기값

에 가깝게 모델링될 수 있도록 아래와 같은 수식을 적용하였다.

[식 (4)]

구조물의 평균 밝기값

이 조영제 밝기값

에 가까울수록 상기 함수값은 0에 근접하는 객체 c_j를 선택할 수 있도록 하였다.

추가로, 나머지 기하학적 관계를 나타내는 수식을 아래와 같이 정의하였다.

[식 (5)]

상기 식에서 δ_ij는 c_i-c_j사이의 거리, δ_jk는 c_j-c_k사이의 거리, δ_ik는 c_i-c_k사이의 거리이다. 사전에 약 60여개의 데이터로부터 실측된 값으로부터 d_1~3 및 σ_{1 ~3}은 다음과 같은 상수로 대입될 수 있다.

d₁= 49.23mm, σ₁= 3.02mm

d₂= 65.37mm, σ₂= 10.77mm

d₃= 81.6mm , σ₃= 3.31mm

상기 수식은 도 1에 나타낸 도식화된 모델을 통해 구상된 것이다. 상기 함수값이 0에 가까울수록 3개의 객체들(c_i, c_j, c_k)은 도 1에 도식화한 기하학적 관계에 위치하고 있을 확률이 높다.

도 4 및 5는 본 발명의 일 실시예에 따른 촤심방이 검출 기법을 적용하여 도시된 3차원 이미지의 예시도이다.

도시된 바와 같이, 본 발명의 일 실시예에 따른 좌심방이 검출 방법을 적용함으로써 좌심방이의 위치를 정확하게 파악할 수 있고, 실제 실험 예에서도 60개의 샘플들에 대해서 91%의 정확도를 보였다.

상술한 본 발명의 일 실시 예들은 컴퓨터에서 실행될 수 있는 프로그램으로 작성가능하고, 컴퓨터로 판독 가능한 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 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.

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 할 것이다.

Claims (5)

1. Z축 영상의 기하학적 정보를 이용한 좌심방이 검출 방법으로서,
   심장의 3차원 영상으로부터 획득된 Z축 영상에서 원형에 가까운 구조물 2개를 검출하는 단계;
   상기 획득된 Z축 영상에서 특정의 밝기값을 갖는 구조물 1개를 검출하는 단계;
   상기 획득된 Z축 영상에서 사전 정의된 기하학적 위치관계를 갖는 3개의 구조물을 검출하는 단계;
   상기 각각의 검출하는 단계에서 검출된 구조물들을 비교하여 좌심방이를 검출하는 단계
   를 포함하는,
   심장의 기하학적 정보를 이용한 좌심방이 검출방법.
2. 제 1 항에 있어서,
   원형에 가까운 구조물 2개를 검출하는 단계는,
   상기 획득된 Z축 영상에 연결 요소 라벨링(CCL; connected component labeling) 기법을 적용하여 군집화된 복수의 객체들을 추출하는 단계;
   상기 추출된 복수의 객체들을 벡터로 표현하는 단계;
   상기 벡터로 표현된 복수의 객체들 각각에 주성분분석(PCA; principal component analysis) 기법을 적용하여 상기 객체들을 두 개의 축들 및 상기 두 개의 축들 각각이 갖는 크기로 표현하는 단계를 포함하는,
   심장의 기하학적 정보를 이용한 좌심방이 검출방법.
3. 제 1 항에 있어서,
   상기 특정의 밝기값을 갖는 구조물 1개를 검출하는 단계는 조영제 밝기값에 가장 가까운 밝기값을 갖는 구조물을 선택하는 것을 특징으로 하는,
   심장의 기하학적 정보를 이용한 좌심방이 검출방법.
4. 제 1 항에 있어서,
   상기 각각의 검출하는 단계에서 검출된 구조물들을 비교하여 좌심방이를 검출하는 단계는,
   이전 단계에서 해당 구조물을 검출할 확률에 의거한 최대가능도방법(MLE; maximum likelihood estimation)을 적용하여 구현되는,
   심장의 기하학적 정보를 이용한 좌심방이 검출방법.
5. 제 1 항 내지 제 4 항 중 어느 한 항에 따른 방법을 실행하도록 구성되는 프로그램을 저장하는, 컴퓨터 판독가능 저장 매체.

Images