KR20190002960A - 신체인식을 이용한 작업 기반 ct 이미지 재구성 프로토콜 최적화 방법 - Google Patents
신체인식을 이용한 작업 기반 ct 이미지 재구성 프로토콜 최적화 방법 Download PDFInfo
- Publication number
- KR20190002960A KR20190002960A KR1020170083309A KR20170083309A KR20190002960A KR 20190002960 A KR20190002960 A KR 20190002960A KR 1020170083309 A KR1020170083309 A KR 1020170083309A KR 20170083309 A KR20170083309 A KR 20170083309A KR 20190002960 A KR20190002960 A KR 20190002960A
- Authority
- KR
- South Korea
- Prior art keywords
- image
- reconstruction
- body part
- technique
- task
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000005457 optimization Methods 0.000 title claims description 4
- 238000013473 artificial intelligence Methods 0.000 claims description 3
- 238000011084 recovery Methods 0.000 abstract 2
- 238000002591 computed tomography Methods 0.000 description 15
- 210000000038 chest Anatomy 0.000 description 3
- 238000003325 tomography Methods 0.000 description 3
- 210000001015 abdomen Anatomy 0.000 description 2
- 230000003187 abdominal effect Effects 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013170 computed tomography imaging Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 206010014561 Emphysema Diseases 0.000 description 1
- 208000031481 Pathologic Constriction Diseases 0.000 description 1
- 206010056342 Pulmonary mass Diseases 0.000 description 1
- 210000000577 adipose tissue Anatomy 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 210000004351 coronary vessel Anatomy 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 210000002216 heart Anatomy 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 208000019423 liver disease Diseases 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 208000023958 prostate neoplasm Diseases 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 208000037804 stenosis Diseases 0.000 description 1
- 230000036262 stenosis Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
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
-
- 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]
-
- 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
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
-
- 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
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/416—Exact reconstruction
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Theoretical Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pulmonology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
본 발명은 자동화된 신체부위 인식기법을 이용하여, 작업 기반 CT 재구성 프로토콜을 최적화하는 방법에 관한 것이다. 본 발명의 일 실시예에 따른 최적화 방법은, 3D 촬영된 로데이터(raw data)를 획득하는 단계, 대상 환자에게 행해질 작업을 고려하여 영상 이미지 복원 파라미터를 선택하는 단계, 및 자동화 신체부위 인식기법을 이용하여 이미지를 재구성하여 표시하는 단계를 포함할 수 있다. 또한, 3D 촬영된 로데이터(raw data)를 획득하는 단계, 대상 환자에게 행해질 작업을 고려하여 영상 이미지 복원 파라미터를 선택하는 단계, 이미지를 재구성하는 단계, 및 자동화 신체부위 인식기법을 이용하여 상기 재구성된 이미지를 표시하는 단계를 포함할 수도 있다.
Description
본 발명은 CT 재구성에 있어서 프로토콜의 최적화 방법에 관한 것이다. 구체적으로는, 촬영된 CT 영상 데이터로부터 원하는 부위의 이미지를 적절하게 얻을 수 있도록 상기 데이터를 재구성함에 있어, 신체부위 인식 기법을 이용하여 최적의 파라미터들을 조합하여 재구성 프로토콜을 최적화하는 방법에 관한 것이다.
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.
컴퓨터 단층 촬영의 경우, 통상적으로 우선 의사가 수검부위, 스캔 모드, 검사의 목적과 기타 사항을 명시하기 위해 체크리스트를 작성한 다음, 검사실의 의사가 이에 따라 X선 컴퓨터 단층 촬영 시스템상에서 검사영역과 이에 상응한 스캔 프로토콜(scan protocol)을 선택하고, 토포그램 촬영(Topogram scan)을 진행하여 토포그램을 획득한다. 최종 검사실의 의사는 토포그램에 근거하여, 단층 촬영(tomogram scan)의 범위를 확정하며, 아울러 단층 촬영을 한다.
그러나 상술 상황에서 의사는 수검부위를 확정 못 할 수도 있다. 이럴 때에는 선택한 스캔 프로토콜이 토포그램의 예측결과에 적합하지 않을 수 있다. 더욱이, 동일한 신체의 부위, 예를 들면 흉부, 두부, 복부, 심장 등 특정 신체부위에 대한 촬영이라고 하더라도, 작업에 따라 영상에 나타낼 이미지의 범위나 해상도가 달라지게 되며, 이 때 적절한 프로토콜 선택은 종래에는 전적으로 검사요원의 수작업에 의존해왔다.
CT 촬영의 원리에 대해 간략히 설명하자면, CT는 신체에 X선을 일정한 방향으로 쏘고, 이를 통과해 나온 X선의 강도를 측정하는 것으로서, 신체를 통과하는 동안 X선의 강도가 얼마나 감쇠했는가를 측정하는 것이다. 뼈처럼 밀도 높은 부분을 통과할 때에는 X선의 강도가 많이 감쇠하고, 근육처럼 밀도가 낮은 부분을 통과할 때에는 적게 감쇠한다. 이런 작업을 CT 장비를 돌리면서 모든 방향으로 수행하면, 모든 방향에서 X선 강도의 감쇠율 데이터를 얻을 수 있다.
그런데 어떤 방향으로 측정한 X선 강도의 감쇠율은 그 방향에서 밀도함수의 적분에 해당된다. 밀도 함수를 3차원 공간에 그래프로 나타내면, 어떤 방향의 적분값이란 이 그래프를 평면으로 잘랐을 때 생기는 단면의 넓이가 된다. 즉, 어떤 입체를 모든 방향의 평면으로 자른 단면의 넓이(밀도 함수의 적분값)로부터, 입체의 모양(밀도 함수)을 복원해내는 것이다. 이는 매우 고도의 수학적 계산을 요하는 작업으로, 이러한 복원에 적용되는 파라미터의 종류나 범위에 따라 얻어지는 영상의 모양도 달라지게 되는 것이다. 따라서, 수검부위 뿐만 아니라 작업에 의해서도 의사의 스캔 프로토콜은 달라져야만 한다.
그러나 이러한 프로토콜의 선택을 의사 개인의 수작업에 의존할 경우, 미숙련 등의 요인에 의해 최적의 프로토콜을 선택하지 못할 경우가 발생하기 마련이며, 따라서 촬영 효율이 고르지 못한 문제가 있다.
본 발명의 목적은 수검부위에 대한 CT 촬영시, 자동화 신체부위 인식 기법을 이용하여, 수행하고자 하는 작업에 최적화된 프로토콜을 얻을 수 있는 방법을 제공하는 것이다.
상기 작업을 해결하기 위한 본 발명의 프로토콜 최적화 방법은, 수검부위 및 작업을 동시에 고려하여, 수행 작업에 최적화된 프로토콜을 자동화 신체인식을 통해 자동으로 찾아내는 방법이다.
본 발명에 따른 방법은, 먼저 3D 촬영된 로 데이터(raw data)를 획득하고, 대상 환자에게 행해질 작업을 고려하여 영상 이미지 재구성(복원) 파라미터를 선택한 다음, 자동화 신체부위 인식기법을 이용하여 이미지를 재구성하여 표시하는 것을 특징으로 한다.
본 발명의 다른 실시예에 따르면, 3D 촬영된 로데이터(raw data)를 획득하고, 대상 환자에게 행해질 작업을 고려하여 영상 이미지 복원 파라미터를 선택한 다음, 이미지를 재구성하고, 자동화 신체부위 인식기법을 이용하여 상기 재구성된 이미지를 표시하는 것을 특징으로 한다.
본 발명의 또다른 실시예에 따르면, 자동화 신체부위 인식은 인공지능(AI)에 의해 수행되어지는 것을 특징으로 한다.
본 발명의 또다른 실시예에 따르면, 표시되는 이미지는 수검부위 또는 작업에 따라 부위별로 다른 파라미터를 적용하는 프로토콜에 의해 수행되는 것을 특징으로 한다.
본 발명에 의하면, 환자에게 행해질 작업을 고려하여 최적화된 프로토콜을 자동으로 선택할 수 있어, 의사의 숙련도 등 개인차에 의존하지 않는 고른 결과를 얻을 수 있게 된다. 또한, 신체부위별로 다른 파라미터를 적용하여, 하나의 이미지 내에서 복수의 작업 수행에 알맞은 영상을 얻을 수 있다.
도 1은 본 발명의 제1 실시예에 따른 플로우차트를 나타낸다.
도 2는 본 발명의 제2 실시예에 따른 플로우차트를 나타낸다.
도 3은 하나의 이미지 내에 복수의 파라미터를 적용하여 이미지를 재구성/표시한 예시도이다.
도 4는 파라미터 선택에 따라 표시 이미지의 종류가 달라지는 것을 나타낸 모식도이다.
도 2는 본 발명의 제2 실시예에 따른 플로우차트를 나타낸다.
도 3은 하나의 이미지 내에 복수의 파라미터를 적용하여 이미지를 재구성/표시한 예시도이다.
도 4는 파라미터 선택에 따라 표시 이미지의 종류가 달라지는 것을 나타낸 모식도이다.
CT의 구성 일부인 X-선관(X-ray tube)으로부터 생성된 X-선이 피사체를 투과하면 감쇠(attenuation)가 발생하고, 이 감쇠 정보가 검출기(detector)에 의하여 전기적 신호로 변환된다. X-선관과 검출기가 피사체 주위를 회전하여 얻는 감쇠정보를 로(raw) 데이터 혹은 투영(projection) 데이터라 한다. 로우 데이터를 역투영하여 영상을 계산하는 과정을 영상 재구성이라 하며, 역투영에 의한 스무딩(smoothing) 현상을 보정하고, 고주파 성분도 복원하는 필터(filter) 혹은 커널(kernel)을 적용한 필터 보정 역투영법(filtered back projection:FBP)이 가장 널리 쓰이는 재구성 기법이다.
이에 반하여, 반복적 재구성(iterative reconstruction: IR)기법은 스캐너 모델과 통계 영상 잡음 감소 모델을 활용한 인공물(artefact) 및 잡음 저감 기술을 로 데이터에 적용하여 FBP 영상을 재구성한 후, 촬영 대상 환자에 적응적인 영상 기반의 잡음 저감 기술을 적용하고, 이를 최초의 FBP재구성 영상과 혼합하는 과정을 반복한다. 또는, 반복적 과정을 로우 데이터 공간과 재구성 영상 공간 사이를 포괄하여 수행하는 기법도 이에 해당한다.
이러한 반복적 재구성 기법은 잡음 및 인공물을 미리 정의된 모델을 특정 환자와 검사 대상에 적응적으로 활용하므로, 고식적인 필터보정역투영(FBP) 재구성 기법보다, 같은 방사선량을 이용하여 우월한 화질의 영상을 재구성하거나, 또는, 적은 방사선량으로써 동등한 화질의 영상을 재구성하는 장점이 있다. 그러나, 그 방대한 계산량에 의한 긴 소요 시간으로 인해 범용적 활용에 제한이 있었으나, 최근 컴퓨터 기술의 비약적 발달로 계산 시간이 많이 단축되어 현재 CT 분야에서 실질적으로 큰 공헌을 하고 있다.
이처럼 CT 이미지 재구성에서 고려되는 요소로는 재구성 기법이나 재구성에 적용되는 필터나 커널 이외에도, 절편 두께, 윈도우 폭 및/또는 레벨 등이 있다.
상기 영상 재구성 과정에서 적용되는 파라미터의 종류에 따라 얻어지는 이미지의 종류나 해상도도 달라지게 된다. 예를 들어, 보다 세밀한 커널을 적용할 경우 잡음이 증가하기는 하나 좀 더 세밀한 이미지를 얻을 수 있게 된다. 또한, 표시 윈도우의 폭/레벨 설정에 따라서도 표시 이미지의 조영 부위가 달라지게 된다.
한편, 수검부위가 동일하다고 하더라도 대상에게 수행되어질 작업의 종류에 따라 관심영역(region of Interest: ROI)도 달라지게 된다. 예를 들어 동일한 심장 CT라 하더라도, 작업이 관상동맥 영역화(coronary artery segmentation)인지, 협착측정(stenosis grading)인지 여부에 따라 관심영역이 다르며, 흉부 CT라 하더라도 작업이 폐 결절 검출(lung nodule detection)인지, 폐기종 정량화(emphysema quantification)인지 여부에 따라 다르며, 복부 CT라 하더라도 간질환 진단(hepatic disease diagnosis)인지, 전립선 종양 영역화(prostate tumor segmentation)인지 여부에 따라 다르다.
나아가, 재구성된 이미지를 표시하는 과정에서 적용되는 윈도우 폭/레벨에 의해서도 조영부위가 달라진다. 통상 CT 스캔을 통해 제공될 수 있는 -1,000HU에서 +1,000HU 범위의 이미지 재구성을 위한 감쇠값은 전형적으로 다수의 부합되는 회색 음영으로 묘사된다. 그러나 인간의 눈은 단지 이들 음영의 일부만을 구별할 수 있다. 이미지 윈도우(image window)는 한층 더 근소한 영상 농도 차이의 분명한 명암대비를 만들어내는 수단이다. 윈도우의 개념은 25 ~ 1,000HU의 임의로 정해진 밀도 범위에 따라 회색의 눈금(윈도우 폭)을 확장하는 것을 가능하게 한다. X선에 대한 감쇠가 적은 공기, 지방조직 등은 어둡게 보이고, 감쇠가 큰 골조직에서는 밝게 나타나는데, 윈도우 폭을 너무 높게 하면 영상의 밝은 부분이 표시 한계를 벗어나 포화되어 전체적으로 어둡게 나타나고, 또 너무 낮추면 표시 가능한 밝기의 범위가 줄어들어 대조도가 낮아지게 된다. 즉, 윈도우 폭의 조절은 대조도(contrast)에 영향을 미친다. 한편, 윈도우 레벨은 상기 윈도우 폭의 중앙값으로서, 밝기(brightness)의 양을 조절한다. 따라서, 영상을 표시할 때 관심영역의 특성에 맞추어 적절하게 조절해야만 관심영역을 명확하게 표시할 수 있게 된다.
예를 들어 도 4에 나타낸 바와 같이, 신체 축에 수직인 평면을 나타낸 영상에 있어서, 동일한 평면으로부터 얻은 로 데이터라 하더라도 윈도우 폭/레벨 수치의 조절에 의해 밀도가 낮은 소프트한 조직을 강조하여 표시할지, 아니면 밀도가 높은 폐 조직을 강조하여 표시할지 결정할 수 있게 된다.
본 발명에서는 수행되어질 작업을 고려하여 상기한 바와 같은 파라미터들을 적절하게 선택함으로써, 해당 작업에 최적화된 프로토콜을 제공할 수 있다. 도 1의 플로우차트에 나타낸 바와 같이, 본 발명의 일 실시예에서는 먼저 3D 스캔을 통해 로 데이터를 획득한 후, 작업을 고려하여 재구성 파라미터를 결정한다. 그리고 이처럼 결정된 파라미터를 이용하여 이미지를 재구성함에 있어서, 자동화된 신체부위 인식기법을 적용할 수 있다. 자동 인식된 신체부위에 근거하여 상기 선택된 파라미터를 최적으로 조합하여 해당 작업에 최적화된 프로토콜을 제공할 수 있다.
또한, 본 발명의 또다른 실시예에 의하면, 도 2의 플로우차트에 나타낸 바와 같이, 자동화된 신체부위 인식기법을 재구성된 이미지의 표시 단계에서 적용할 수도 있다. 이 경우, 특히 윈도우 폭과 윈도우 레벨을 조절함으로써 최적화된 이미지를 제공할 수 있는 프로토콜을 제공할 수 있다.
상기 도 2의 방법에 대해 보다 구체적으로 설명하자면, 도 3에 나타낸 바와 같이 흉부 관찰을 위해서는 윈도우 폭/레벨 값이 1500/-600 정도가 적당하고, 복부 관찰을 위해서는 400/-60 정도가 적당하다. 본 발명에서는 이러한 관심 신체부위를 자동으로 인식하여 하나의 이미지 내에서 흉부는 1500/-600의 윈도우 폭/레벨로 표시하고, 복부는 400/-60의 윈도우 폭/레벨로 표시할 수 있다. 즉, 종래 수동에 의해 이미지를 표시하는 경우와 비교할 경우, 2회 이상의 작업을 하나의 이미지 내에 적절하게 표시할 수 있는 최적화된 프로토콜을 제공할 수 있게 된다.
상술한 본 발명의 실시예들은 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 (7)
- 3D 촬영된 로데이터(raw data)를 획득하는 단계,
대상 환자에게 행해질 작업을 고려하여 영상 이미지 복원 파라미터를 선택하는 단계, 및
자동화 신체부위 인식기법을 이용하여 이미지를 재구성하여 표시하는 단계
를 포함하는 것을 특징으로 하는,
신체인식을 이용한 작업 기반 CT 재구성 프로토콜 최적화 방법.
- 제1항에 있어서,
자동화 신체부위 인식기법은 인공지능에 의해 행해지는 것을 특징으로 하는 방법. - 제1항에 있어서,
상기 영상 이미지 복원 파라미터는 재구성 기법, 재구성에 적용되는 필터나 커널, 및절편(slice) 두께로부터 선택되는 것을 특징으로 하는 방법. - 3D 촬영된 로데이터(raw data)를 획득하는 단계,
대상 환자에게 행해질 작업을 고려하여 영상 이미지 복원 파라미터를 선택하는 단계,
이미지를 재구성하는 단계, 및
자동화 신체부위 인식기법을 이용하여 상기 재구성된 이미지를 표시하는 단계
를 포함하는 것을 특징으로 하는,
신체인식을 이용한 작업 기반 CT 재구성 프로토콜 최적화 방법. - 제4항에 있어서,
자동화 신체부위 인식기법은 인공지능에 의해 행해지는 것을 특징으로 하는 방법. - 제4항에 있어서,
상기 영상 이미지 복원 파라미터는 재구성 기법, 재구성에 적용되는 필터나 커널, 및 절편(slice) 두께로부터 선택되고,
상기 재구성된 이미지를 표시하는 단계는 윈도우 폭 및/또는 레벨 조절을 포함하는 것을 특징으로 하는 방법. - 제 1 항 내지 제 6 항 중 어느 한 항에 따른 방법을 실행하도록 구성되는 프로그램을 저장하는, 컴퓨터 판독가능 저장 매체.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170083309A KR20190002960A (ko) | 2017-06-30 | 2017-06-30 | 신체인식을 이용한 작업 기반 ct 이미지 재구성 프로토콜 최적화 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170083309A KR20190002960A (ko) | 2017-06-30 | 2017-06-30 | 신체인식을 이용한 작업 기반 ct 이미지 재구성 프로토콜 최적화 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20190002960A true KR20190002960A (ko) | 2019-01-09 |
Family
ID=65017469
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170083309A KR20190002960A (ko) | 2017-06-30 | 2017-06-30 | 신체인식을 이용한 작업 기반 ct 이미지 재구성 프로토콜 최적화 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20190002960A (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11915822B2 (en) | 2020-11-30 | 2024-02-27 | Coreline Soft Co., Ltd. | Medical image reading assistant apparatus and method for adjusting threshold of diagnostic assistant information based on follow-up examination |
| US12079988B2 (en) | 2020-11-30 | 2024-09-03 | Coreline Soft Co., Ltd. | Medical image reconstruction apparatus and method for screening for plurality of types of lung diseases |
-
2017
- 2017-06-30 KR KR1020170083309A patent/KR20190002960A/ko not_active Application Discontinuation
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11915822B2 (en) | 2020-11-30 | 2024-02-27 | Coreline Soft Co., Ltd. | Medical image reading assistant apparatus and method for adjusting threshold of diagnostic assistant information based on follow-up examination |
| US12079988B2 (en) | 2020-11-30 | 2024-09-03 | Coreline Soft Co., Ltd. | Medical image reconstruction apparatus and method for screening for plurality of types of lung diseases |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102013089B (zh) | 用于噪声减少的迭代ct图像滤波器 | |
| US10085698B2 (en) | Methods and systems for automated tube current modulation | |
| US8965078B2 (en) | Projection-space denoising with bilateral filtering in computed tomography | |
| JP5028528B2 (ja) | Ｘ線ｃｔ装置 | |
| EP3143935A1 (en) | Tomography apparatus and method of reconstructing tomography images | |
| JP2019130302A (ja) | 医用画像処理装置及びｘ線ｃｔシステム | |
| KR101946576B1 (ko) | 의료 영상 장치 및 의료 영상 처리 방법 | |
| EP3326533A1 (en) | Tomographic device and tomographic image processing method according to same | |
| US9984476B2 (en) | Methods and systems for automatic segmentation | |
| JP2004073869A (ja) | Ｃｔ画像のフィルタリング法、コンピュータ断層撮影装置およびコンピュータソフトウェア製品 | |
| US11288775B2 (en) | Methods and systems for parametric noise modulation in x-ray imaging | |
| US9895126B2 (en) | System and method for quantification of muscle and fat using abdominal CT imaging | |
| EP3349655B1 (en) | Tomography apparatus and controlling method for the same | |
| WO2022223296A1 (en) | Planning of wide-coverage axial ct scans | |
| US20220414832A1 (en) | X-ray imaging restoration using deep learning algorithms | |
| KR20160065674A (ko) | 의료 영상 장치 및 의료 영상 처리 방법 | |
| KR20190002960A (ko) | 신체인식을 이용한 작업 기반 ct 이미지 재구성 프로토콜 최적화 방법 | |
| US20210279847A1 (en) | Systems and methods for adaptive blending in computed tomography imaging | |
| KR20180063753A (ko) | 의료 영상 장치 및 동작 방법 | |
| CN117437144A (zh) | 用于图像去噪的方法和系统 | |
| KR102399792B1 (ko) | 인공지능 기반 Hounsfield unit (HU) 정규화 및 디노이징 (Denoising)을 통한 전처리 장치 및 방법 | |
| US20230145920A1 (en) | Systems and methods for motion detection in medical images | |
| US20050018889A1 (en) | Systems and methods for filtering images | |
| US11972510B2 (en) | Method for generating tomographic image and X-ray imaging apparatus according to same | |
| JP2013046774A (ja) | Ｘ線断層撮影装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |