KR20190100005A - 혈관 모델 생성 방법 및 장치 - Google Patents

혈관 모델 생성 방법 및 장치 Download PDF

Info

Publication number
KR20190100005A
KR20190100005A KR1020180135590A KR20180135590A KR20190100005A KR 20190100005 A KR20190100005 A KR 20190100005A KR 1020180135590 A KR1020180135590 A KR 1020180135590A KR 20180135590 A KR20180135590 A KR 20180135590A KR 20190100005 A KR20190100005 A KR 20190100005A
Authority
KR
South Korea
Prior art keywords
blood vessel
polygon
path
computer
normal vector
Prior art date
Application number
KR1020180135590A
Other languages
English (en)
Other versions
KR102016959B1 (ko
Inventor
김호승
Original Assignee
(주)휴톰
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 (주)휴톰 filed Critical (주)휴톰
Priority to PCT/KR2019/002089 priority Critical patent/WO2019164271A1/ko
Publication of KR20190100005A publication Critical patent/KR20190100005A/ko
Application granted granted Critical
Publication of KR102016959B1 publication Critical patent/KR102016959B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/36—Image-producing devices or illumination devices not otherwise provided for
    • A61B90/37—Surgical systems with images on a monitor during operation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/25—User interfaces for surgical systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/30—Surgical robots
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/70—Manipulators specially adapted for use in surgery
    • A61B34/76—Manipulators having means for providing feel, e.g. force or tactile feedback
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/36—Image-producing devices or illumination devices not otherwise provided for
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/36—Image-producing devices or illumination devices not otherwise provided for
    • A61B90/361—Image-producing devices, e.g. surgical cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G06T3/0068—
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
    • A61B2034/101—Computer-aided simulation of surgical operations
    • A61B2034/105—Modelling of the patient, e.g. for ligaments or bones
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
    • A61B2034/2046—Tracking techniques
    • A61B2034/2065—Tracking using image or pattern recognition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/25—User interfaces for surgical systems
    • A61B2034/252—User interfaces for surgical systems indicating steps of a surgical procedure
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/36—Image-producing devices or illumination devices not otherwise provided for
    • A61B2090/364—Correlation of different images or relation of image positions in respect to the body

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Surgery (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Robotics (AREA)
  • Pathology (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Evolutionary Computation (AREA)
  • Epidemiology (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Computer Graphics (AREA)
  • Gynecology & Obstetrics (AREA)
  • Geometry (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Mathematical Physics (AREA)
  • Primary Health Care (AREA)
  • Image Analysis (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Processing Or Creating Images (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Manipulator (AREA)
  • Image Processing (AREA)

Abstract

컴퓨터가 수행하는 혈관 모델 생성 방법이 제공된다. 상기 방법은 혈관을 구성하는 적어도 하나의 폴리곤(polygon)을 획득하는 단계, 상기 적어도 하나의 폴리곤 각각으로부터 법선 벡터(normal vector)를 추출하는 단계, 상기 각각의 법선 벡터를 기초로 상기 혈관의 중심점을 산출하는 단계, 및 상기 혈관의 중심점을 기초로 상기 혈관의 경로(path)를 생성하는 단계를 포함한다.

Description

혈관 모델 생성 방법 및 장치{METHOD AND APPARATUS FOR GENERATING BLOOD VESSEL MODEL}
본 발명은 혈관 모델 생성 방법 및 장치에 관한 것이다.
수술과정에서, 의사의 수술을 보조하기 위한 정보를 제공할 수 있는 기술들의 개발이 요구되고 있다. 수술을 보조하기 위한 정보를 제공하기 위해서는, 수술 행위를 인식할 수 있어야 한다.
기존에는 수술 프로세스를 최적화 하기 위한 시나리오 구상을 위해서는 사전에 촬영된 의료영상을 참고하거나 매우 숙련된 의사의 자문을 받았으나, 의료영상만으로는 불필요한 프로세스의 판단이 어려웠으며 숙련된 의사의 자문은 특정 환자에 맞는 자문을 받기에 어려운 문제점이 있었다.
따라서, 의료영상이나 숙련된 의사의 자문은 수술대상 환자에 대한 수술 프로세스의 최적화를 위한 보조 용도로는 활용되기 어려운 점이 많았다.
이에, 3차원 의료영상(예를 들어, 3차원 수술도구 움직임 및 도구의 움직임으로 인해 발생하는 장기 내부의 변화에 대한 가상영상)을 이용하여 수술을 행하는데 있어서 불필요한 프로세스를 최소화하여 수술 프로세스를 최적화하고, 이에 기반한 수술보조 정보를 제공할 수 있는 방법에 대한 개발이 요구된다.
특히, 혈관을 포함하는 3차원 의료영상의 경우, 각 혈관의 위치 및 경로를 정확하게 제공함으로써, 혈관의 전체 계층구조 및 혈류의 흐름 등을 파악할 수 있도록 하여 수술 시나 시뮬레이션 시에 최적화된 수술 정보를 제공하는 방법이 필요하다.
본 발명이 해결하고자 하는 과제는 혈관 모델 생성 방법 및 장치를 제공하는 것이다.
본 발명이 해결하고자 하는 과제는 혈관 모델에서 혈관의 경로 및 혈관의 두께를 검출하여 혈관의 전체적인 계층구조를 생성하는 것이다.
본 발명이 해결하고자 하는 과제는 혈관의 상관관계와 기하학적 정보를 파악함으로써 시뮬레이션 시에 보다 정밀한 수술동작을 지정할 수 있도록 하는 것이다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
본 발명의 일 실시예에 따른 컴퓨터가 수행하는 혈관 모델 생성 방법은, 혈관을 구성하는 적어도 하나의 폴리곤(polygon)을 획득하는 단계, 상기 적어도 하나의 폴리곤 각각으로부터 법선 벡터(normal vector)를 추출하는 단계, 상기 각각의 법선 벡터를 기초로 상기 혈관의 중심점을 산출하는 단계, 및 상기 혈관의 중심점을 기초로 상기 혈관의 경로(path)를 생성하는 단계를 포함한다.
본 발명의 일 실시예에 있어서, 상기 혈관의 중심점을 산출하는 단계는, 상기 각각의 법선 벡터에 대해, 상기 법선 벡터의 반대 방향에 위치하는 폴리곤을 획득하여 상기 법선 벡터의 반대 방향 벡터와 만나는 교차 지점을 검출하는 단계, 및 상기 교차 지점 및 상기 법선 벡터를 기초로 상기 혈관의 중심점을 산출하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 혈관의 경로를 생성하는 단계는, 상기 적어도 하나의 폴리곤 중 인접하는 복수의 인접 폴리곤을 획득하는 단계, 상기 복수의 인접 폴리곤 각각에 대한 상기 혈관의 중심점을 기초로 평균 중심점을 산출하는 단계, 및 상기 복수의 인접 폴리곤에 대한 평균 중심점을 기초로 상기 혈관의 경로를 생성하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 교차 지점 및 상기 법선 벡터를 기초로 상기 혈관의 직경을 산출하는 단계를 더 포함하며, 상기 혈관의 경로를 생성하는 단계는, 상기 혈관의 직경을 상기 혈관의 경로에 반영하여 생성할 수 있다.
본 발명의 일 실시예에 있어서, 상기 혈관의 경로를 생성하는 단계는, 상기 적어도 하나의 폴리곤 중 인접하는 복수의 인접 폴리곤을 획득하는 단계, 상기 복수의 인접 폴리곤 각각에 대한 상기 혈관의 직경을 기초로 평균 직경을 산출하는 단계, 및 상기 복수의 인접 폴리곤에 대한 평균 직경을 기반으로 상기 혈관의 경로에 반영하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 평균 중심점을 소정의 값과 비교하여 상기 혈관의 경로 상에서의 분기점인지를 판단하는 단계, 및 상기 판단 결과에 따라 상기 분기점을 기초로 상기 혈관의 경로를 분기시키는 단계를 더 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 분기점을 기초로 상기 혈관의 경로에 대한 계층 구조를 도출하는 단계를 더 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 각각의 법선 벡터의 크기를 기초로 상기 혈관의 경로 상에서의 혈류의 흐름 방향을 도출하는 단계를 더 포함할 수 있다.
본 발명의 일 실시예에 따른 장치는, 하나 이상의 인스트럭션을 저장하는 메모리, 및 상기 메모리에 저장된 상기 하나 이상의 인스트럭션을 실행하는 프로세서를 포함하며, 상기 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써, 혈관을 구성하는 적어도 하나의 폴리곤(polygon)을 획득하는 단계, 상기 적어도 하나의 폴리곤 각각으로부터 법선 벡터(normal vector)를 추출하는 단계, 상기 각각의 법선 벡터를 기초로 상기 혈관의 중심점을 산출하는 단계, 및 상기 혈관의 중심점을 기초로 상기 혈관의 경로(path)를 생성하는 단계를 수행한다.
본 발명의 일 실시예에 따른 컴퓨터프로그램은 하드웨어인 컴퓨터와 결합되어, 상기 혈관 모델 생성 방법을 수행할 수 있도록 컴퓨터에서 독출가능한 기록매체에 저장된다.
본 발명에 따르면, 의료영상데이터만으로 정확하게 제공되지 못하는 혈관 부분(예컨대, 노이즈로 인하여 정확한 혈관 형태로 표현되지 못하거나 중간에 끊어진 혈관 부분 등)에 대해 혈관 경로를 생성하여 줄 수 있고, 또한 혈관 두께를 함께 반영함으로써 보다 정밀한 3차원 혈관 모델을 제공해 줄 수 있다.
본 발명에 따르면, 혈관 경로 상에서의 분기 지점을 검출함으로써 혈관의 계층 구조 및 혈류 흐름까지 파악할 수 있도록 한다.
본 발명에 따르면, 혈관의 계층 구조 및 혈류 흐름을 제공함으로써 시뮬레이션 시에 보다 정밀한 수술동작을 행하는 것이 가능하다.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 혈관 모델 생성 방법을 도시한 흐름도이다.
도 2 및 도 3은 본 발명의 일 실시예에 따른 혈관을 구성하는 적어도 하나의 폴리곤으로부터 법선 벡터를 추출하는 과정을 설명하기 위해 도시한 도면이다.
도 4는 본 발명의 일 실시예에 따른 혈관의 중심점을 산출하는 과정을 설명하기 위해 도시한 도면이다.
도 5 및 도 6은 본 발명의 일 실시예에 따른 혈관 경로를 생성하는 과정을 설명하기 위해 도시한 도면이다.
도 7은 본 발명의 일 실시예에 따라 생성되는 혈관의 경로의 일례를 개략적으로 도시한 도면이다.
도 8은 본 발명의 일 실시예에 따른 혈관 모델 생성 방법을 수행하는 장치(500)의 구성을 개략적으로 나타내는 도면이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
명세서에서 사용되는 "부" 또는 “모듈”이라는 용어는 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, "부" 또는 “모듈”은 어떤 역할들을 수행한다. 그렇지만 "부" 또는 “모듈”은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. "부" 또는 “모듈”은 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 "부" 또는 “모듈”은 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 "부" 또는 “모듈”들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 "부" 또는 “모듈”들로 결합되거나 추가적인 구성요소들과 "부" 또는 “모듈”들로 더 분리될 수 있다.
본 명세서에서 "컴퓨터"는 연산처리를 수행하여 사용자에게 결과를 제공할 수 있는 다양한 장치들이 모두 포함된다. 예를 들어, 컴퓨터는 데스크 탑 PC, 노트북(Note Book) 뿐만 아니라 스마트폰(Smart phone), 태블릿 PC, 셀룰러폰(Cellular phone), 피씨에스폰(PCS phone; Personal Communication Service phone), 동기식/비동기식 IMT-2000(International Mobile Telecommunication-2000)의 이동 단말기, 팜 PC(Palm Personal Computer), 개인용 디지털 보조기(PDA; Personal Digital Assistant) 등도 해당될 수 있다. 또한, 헤드마운트 디스플레이(Head Mounted Display; HMD) 장치가 컴퓨팅 기능을 포함하는 경우, HMD장치가 컴퓨터가 될 수 있다. 또한, 컴퓨터는 클라이언트로부터 요청을 수신하여 정보처리를 수행하는 서버가 해당될 수 있다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 혈관 모델 생성 방법을 도시한 흐름도이다.
도 1의 방법은 설명의 편의를 위하여 컴퓨터에 의하여 수행되는 것으로 서술하나, 각 단계의 수행주체가 특정 장치에 제한되는 것은 아니고 컴퓨팅 처리를 수행할 수 있는 장치를 포괄하는 의미로 사용될 수 있다. 즉, 본 실시예에서 컴퓨터는 본 발명의 실시예에 따른 혈관 모델 생성 방법을 수행할 수 있는 장치를 의미할 수 있다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 혈관 모델 생성 방법은, 혈관을 구성하는 적어도 하나의 폴리곤(polygon)을 획득하는 단계(S100), 적어도 하나의 폴리곤 각각으로부터 법선 벡터(normal vector)를 추출하는 단계(S110), 각각의 법선 벡터를 기초로 혈관의 중심점을 산출하는 단계(S120), 및 혈관의 중심점을 기초로 혈관의 경로(path)를 생성하는 단계(S130)를 포함할 수 있다. 이하, 각 단계에 대한 상세한 설명을 기재한다.
컴퓨터는 혈관을 구성하는 적어도 하나의 폴리곤(polygon)을 획득할 수 있다(S100).
일 실시예로, 컴퓨터는 대상체(예컨대, 환자)의 신체 내부를 촬영한 의료영상데이터를 기반으로 3D 혈관 모델을 생성할 수 있다. 여기서, 의료영상데이터는 의료영상 촬영장비로 촬영되는 의료영상으로서, 대상체의 신체를 3차원 모델로 구현 가능한 모든 의료영상을 포함한다. 예컨대, 의료영상데이터는 컴퓨터 단층촬영(Computed Tomography; CT) 영상, 자기공명영상(Magnetic Resonance Imaging; MRI), 양전자 단층촬영(Positron Emission Tomography; PET) 영상 등을 포함할 수 있다. 컴퓨터는 이와 같은 의료영상데이터로부터 환자의 혈관을 추출하고, 추출된 혈관을 3D 모델링할 수 있다. 일 실시예로, 컴퓨터는 의료영상데이터로부터 동맥과 정맥을 순차적으로 추출하고, 동맥을 포함하는 혈관 모델과 정맥을 포함하는 혈관 모델을 각각 3D 모델링한 다음 정합시킬 수 있다. 이때, 혈관 모델은 의료영상데이터로부터 추출된 혈관을 적어도 하나의 폴리곤으로 구성하여 3D 모델링한 폴리곤 모델일 수 있다. 따라서, 컴퓨터는 3D 혈관 모델로부터 혈관을 구성하는 적어도 하나의 폴리곤을 획득할 수 있다. 폴리곤이라 함은, 3D 컴퓨터그래픽에서 물체의 입체형상을 표현할 때 사용하는 가장 작은 단위인 다각형을 말하며, 폴리곤이 모여서 3D 오브젝트(즉, 혈관)를 표현할 수 있다.
다른 실시예로, 컴퓨터는 대상체에 대해 미리 구축된 3D 혈관 모델을 획득하고, 이로부터 혈관을 구성하는 적어도 하나의 폴리곤을 획득할 수도 있다. 이때, 컴퓨터가 3D 혈관 모델을 미리 구축하여 저장하여 둘 수도 있고, 다른 장치에서 생성한 3D 혈관 모델을 획득하여 이용할 수도 있다.
한편, 의료영상데이터를 기반으로 생성된 3D 혈관 모델의 경우, 의료영상데이터에 혈관이 얼마나 정확하게 촬영되어 반영되어 있는지, 의료영상데이터로부터 혈관의 외곽선을 얼마나 정밀하게 추출할 수 있는지 등에 따라 혈관 모델을 구현하는데 영향을 미칠 수 있다. 예컨대, 의료영상데이터로부터 혈관을 추출했으나, 노이즈로 인하여 정확한 혈관 형태를 표현하지 못하는 경우, 혈관이 연결되지 못하고 중간에 끊어진 부분이 발생하는 경우 등과 같은 문제로 인해 의료영상데이터를 기반으로 생성된 3D 혈관 모델을 이용하는데 한계가 있다. 따라서, 본 발명의 일 실시예에 따른 혈관 모델 생성 방법은 의료영상데이터를 기반으로 생성된 3D 혈관 모델에 단계 S100~S130을 적용함으로써 보다 정밀하고 정확한 3D 혈관 모델을 제공한다.
컴퓨터는 단계 S100에서 획득된 혈관을 구성하는 적어도 하나의 폴리곤 각각으로부터 법선 벡터(normal vector)를 추출할 수 있다(S110).
여기서, 법선 벡터는 곡선이나 곡면에 수직인 벡터를 말하는 것으로, 혈관 표면을 구성하는 폴리곤 혹은 폴리곤의 정점(vertex)에서 바깥 방향으로 수직인 벡터를 의미할 수 있다.
도 2 및 도 3은 본 발명의 일 실시예에 따른 혈관을 구성하는 적어도 하나의 폴리곤으로부터 법선 벡터를 추출하는 과정을 설명하기 위해 도시한 도면이다.
도 2를 참조하면, 컴퓨터는 3D 혈관 모델에서 혈관 표면을 구성하는 적어도 하나의 폴리곤(100)을 획득할 수 있다. 또한, 컴퓨터는 적어도 하나의 폴리곤(100) 각각으로부터 법선 벡터(110)를 각각 추출할 수 있다. 이때, 법선 벡터(110)는 혈관 표면에서 바깥 방향을 향하면서 폴리곤(100)에 대해 수직인 벡터일 수 있다.
일 실시예로, 도 3의 (a)를 참조하면, 컴퓨터는 혈관 표면을 구성하는 제1 폴리곤(200)을 획득하여, 제1 폴리곤(200)의 정점에 대한 법선 벡터(210, 211, 212)를 추출할 수 있다. 폴리곤은 정점(vertex)으로 구성되며, 적어도 3개의 정점이 모여서 하나의 폴리곤을 형성할 수 있다. 정점은 위치 정보(예컨대, (x, y, z) 좌표 정보)와 벡터 값(예컨대, 벡터 크기)을 포함할 수 있다. 예를 들어, 제1 폴리곤(200)이 삼각형으로 이루어진 폴리곤일 때, 3개의 정점을 포함할 수 있다. 이 경우, 컴퓨터는 제1 폴리곤(200)의 3개의 정점 각각에 대한 법선 벡터(210, 211, 212)를 추출할 수 있다. 이때, 법선 벡터(210, 211, 212)는 각각 위치 정보 및 벡터 값을 포함할 수 있다.
다른 실시예로, 도 3의 (b)를 참조하면, 컴퓨터는 혈관 표면을 구성하는 제1 폴리곤(200)을 획득하여, 제1 폴리곤(200)의 표면에 대한 법선 벡터(220)를 추출할 수 있다. 예를 들어, 제1 폴리곤(200)의 표면에 대한 법선 벡터(220)는 제1 폴리곤(200)의 3개의 정점 각각에 대한 법선 벡터를 기반으로 산출된 평균 벡터를 이용할 수 있다. 평균 벡터는 3개의 정점 각각에 대한 법선 벡터의 벡터 값을 평균하여 산출된 법선 벡터일 수 있다.
또 다른 실시예로, 도 3의 (c)를 참조하면, 컴퓨터는 혈관 표면을 구성하는 인접 폴리곤들을 획득하여, 인접 폴리곤들의 법선 벡터들을 평균한 평균 법선 벡터를 추출할 수 있다. 이때, 평균 법선 벡터는 인접 폴리곤들의 각 정점에 대한 평균 법선 벡터(230, 231, 232, 233, 234), 또는 인접 폴리곤들의 각 표면에 대한 평균 법선 벡터(240)일 수 있다.
상술한 바와 같이, 컴퓨터는 폴리곤으로부터 법선 벡터를 추출하되, 실시예에 따라 폴리곤의 정점에 대한 법선 벡터, 폴리곤의 표면에 대한 법선 벡터, 폴리곤의 정점에 대한 평균 법선 벡터, 폴리곤의 표면에 대한 평균 법선 벡터 중 어느 하나를 폴리곤의 법선 벡터로 추출할 수 있다.
이하에서는 설명의 편의를 위해서 폴리곤의 표면에 대한 법선 벡터를 추출한 경우를 예로 들어 설명하도록 한다. 다만, 본 발명의 일 실시예에 따른 각 단계는 각 폴리곤 및 각 법선 벡터에 대해 반복적으로 적용될 수 있으므로, 하나의 폴리곤으로부터 하나 이상의 법선 벡터가 추출되는 경우(즉, 폴리곤의 정점에 대한 법선 벡터, 폴리곤의 정점에 대한 평균 법선 벡터, 폴리곤의 표면에 대한 평균 법선 벡터가 추출되는 경우)에 대해서도 동일한 방식으로 적용될 수 있다.
다시 도 1을 참조하면, 컴퓨터는 적어도 하나의 폴리곤 각각으로부터 추출된 법선 벡터 각각을 기초로 혈관의 중심점을 산출할 수 있다(S120).
즉, 컴퓨터는 각 폴리곤의 법선 벡터를 이용하여 각 폴리곤에 대한 혈관의 중심점을 산출한다. 예컨대, 제1 폴리곤의 법선 벡터를 기초로 제1 폴리곤에 대한 혈관의 중심점을 산출할 수 있다.
일 실시예로, 컴퓨터는 혈관을 구성하는 폴리곤들 중 하나의 폴리곤(예: 제1 폴리곤)을 선택하고, 선택된 폴리곤(예: 제1 폴리곤)의 법선 벡터(예: 제1 법선 벡터)에 대해 반대 방향으로 연장했을 때 만나는 교차 지점을 검출할 수 있다. 컴퓨터는 교차 지점 및 제1 법선 벡터를 기초로 제1 폴리곤에 대한 혈관의 중심점을 산출할 수 있다.
도 4는 본 발명의 일 실시예에 따른 혈관의 중심점을 산출하는 과정을 설명하기 위해 도시한 도면이다.
도 4의 (a)는 튜브 형태로 이루어진 혈관을 길이 방향(즉, 혈류가 흐르는 방향)에 대해 수직으로 자른 단면을 도시한 도면이다. 도 4의 (a)를 참조하면, 혈관 표면을 구성하는 각 폴리곤들은 혈관 표면에서 바깥 방향으로 수직인 법선 벡터를 포함할 수 있다.
일 실시예로, 도 4의 (b)를 참조하면, 컴퓨터는 제1 폴리곤의 정점(P1)에서의 제1 법선 벡터(300)를 획득하고, 제1 법선 벡터(300)의 반대 방향에 위치하는 폴리곤에서 교차 지점(P2)을 검출할 수 있다. 예를 들어, 컴퓨터는 제1 법선 벡터(300)를 반대 방향으로 확장(310)하고, 확장된 반대 방향 벡터(310)와 만나는 폴리곤에서의 교차 지점(P2)을 검출할 수 있다. 컴퓨터는 제1 폴리곤의 정점(P1)과 교차 지점(P2)으로부터 중심점(C)을 산출할 수 있다. 예를 들어, 컴퓨터는 제1 폴리곤의 정점(P1)대한 위치 정보와 법선 벡터의 크기, 및 교차 지점(P2)의 위치 정보와 법선 벡터의 크기를 이용하여 두 정점 사이의 중간 지점을 중심점(C)으로 산출할 수 있다. 이와 같은 과정을 3D 혈관 모델에서 획득된 각 폴리곤에 대해 반복 수행함으로써, 각 폴리곤에 대한 혈관의 중심점을 모두 도출할 수 있다.
다시 도 1을 참조하면, 컴퓨터는 단계 S120에서 산출된 혈관의 중심점을 기초로 혈관의 경로(path)를 생성할 수 있다(S130).
즉, 컴퓨터는 각 폴리곤으로부터 산출된 각 혈관의 중심점을 기초로 3D 혈관 모델에서의 혈관 경로를 생성할 수 있다.
일 실시예로, 컴퓨터는 혈관을 구성하는 적어도 하나의 폴리곤 중에서, 인접하는 복수의 인접 폴리곤을 획득하고, 복수의 인접 폴리곤 각각에 대한 혈관의 중심점을 기초로 평균 중심점을 산출할 수 있다. 그리고, 컴퓨터는 복수의 인접 폴리곤에 대한 평균 중심점을 기초로 혈관의 경로를 생성할 수 있다. 이에 대한 구체적인 설명은 도 5 및 도 6을 참조하여 기재한다.
실시예에 따라서, 컴퓨터는 각 폴리곤의 법선 벡터를 이용하여 혈관의 중심점과 함께 혈관의 직경을 산출할 수도 있다. 이 경우, 컴퓨터는 혈관의 중심점 및 혈관의 직경을 기초로 혈관의 경로를 생성할 수 있다. 예를 들어, 컴퓨터는 혈관의 중심점을 기초로 생성된 혈관 경로에 혈관의 직경을 반영할 수 있다.
일 실시예로, 혈관의 직경을 산출함에 있어서 도 4의 (b)를 참조하면, 컴퓨터는 제1 폴리곤의 정점(P1)에서의 제1 법선 벡터(300)를 획득하고, 제1 법선 벡터(300)의 반대 방향에 위치하는 폴리곤에서 교차 지점(P2)을 검출할 수 있다. 컴퓨터는 제1 폴리곤의 정점(P1)과 교차 지점(P2)으로부터 혈관의 직경을 산출할 수 있다. 예를 들어, 컴퓨터는 제1 폴리곤의 정점(P1)과 교차 지점(P2) 사이의 거리를 산출하여 혈관의 직경으로 이용할 수 있다. 이때, 두 정점 사이의 거리는 벡터의 크기에 기초하여 산출될 수 있다.
또한 실시예에 따라, 컴퓨터는 혈관의 직경을 기초로 평균 직경을 산출할 수도 있다. 이 경우, 컴퓨터는 혈관의 중심점을 기초로 산출된 평균 중심점과 함께 평균 직경을 기초로 혈관의 경로를 생성할 수 있다. 이에 대한 구체적인 설명은 도 5 및 도 6을 참조하여 기재한다.
도 5 및 도 6은 본 발명의 일 실시예에 따른 혈관 경로를 생성하는 과정을 설명하기 위해 도시한 도면이다.
도 5는 혈관의 표면 일부를 도시한 도면으로, 혈관의 표면 일부를 구성하는 폴리곤들의 일례를 나타낸 것이다. 도 6은 도 5에 도시된 폴리곤들을 그래프 형태의 데이터 구조로 표현한 것이다.
일 실시예로, 컴퓨터는 혈관을 구성하는 폴리곤들 중에서 서로 인접하는 인접 폴리곤들을 획득할 수 있다. 예컨대, 도 5를 참조하면, A 폴리곤에 대해서 인접하는 인접 폴리곤들은 A, B, C, D 폴리곤일 수 있고, F 폴리곤에 대해서 인접하는 인접 폴리곤들은 F, H, E, G 폴리곤일 수 있다. 3D 혈관 모델은 혈관을 구성하는 폴리곤들의 어레이(array) 및 각 폴리곤을 구성하는 정점들의 어레이를 이용하여 표현할 수 있다. 따라서, 이러한 폴리곤들의 어레이 및 정점들의 어레이를 이용하면 서로 인접하는 인접 폴리곤들을 파악할 수 있다. 예를 들어, 컴퓨터는 폴리곤 어레이로부터 A 폴리곤을 추출한 다음, 정점 어레이로부터 A 폴리곤의 정점들과 적어도 2개의 정점을 공유하는 폴리곤들(B, C, D)을 획득할 수 있다. 즉, 각 폴리곤이 서로 2개 이상의 정점을 공유(즉, 엣지(edge)를 공유)하면 이들 폴리곤(A, B, C, D)은 서로 인접해 있는 것으로 판단할 수 있다. 또한, 이러한 방식으로 E, F, G, H 폴리곤도 서로 인접해 있는 인접 폴리곤들로 판단할 수 있다.
이때, 도 5에 도시된 바와 같은 혈관을 구성하는 폴리곤들은 그래프 형태의 데이터 구조로 구현될 수 있다. 예를 들어, 각 폴리곤은 하나의 노드로 표현될 수 있고, 하나의 노드와 인접하고 있는 노드들을 그래프로 연결하여 표현할 수 있다. 도 6을 참조하면, A 폴리곤은 그래프에서 A 노드로 표현될 수 있으며, A 폴리곤과 서로 인접하는 B, C, D 폴리곤은 A 노드와 연결된 B, C, D 노드로 연결되어 표현될 수 있다. 또한, B 폴리곤은 E 폴리곤과 서로 인접하므로, B 노드와 E 노드는 서로 연결되어 표현될 수 있다. 이와 같은 방식으로 전체 폴리곤에 대해 서로 연결관계를 기초로 그래프로 표현할 수 있다. 따라서, 컴퓨터는 그래프를 통해서 A, B, C, D 노드가 서로 인접하는 노드(즉, 인접 폴리곤들)로 판단하고, E, F, G, H 노드가 서로 인접하는 노드(즉, 인접 폴리곤들)로 판단할 수 있다.
컴퓨터는 상술한 바와 같은 방식으로 인접 폴리곤들을 획득하고, 획득된 인접 폴리곤들의 평균 중심점을 산출할 수 있다. 예를 들어, 컴퓨터는 인접 폴리곤들(A, B, C, D) 각각의 혈관 중심점을 평균하여, 이 평균값을 평균 중심점으로 산출할 수 있다. 평균값은 인접 폴리곤들(A, B, C, D) 각각의 위치 정보를 이용하여 평균한 평균 위치 정보(즉, 좌표 정보)일 수 있다.
여기서, 인접 폴리곤들을 획득하여 평균 중심점을 산출함에 있어서, 컴퓨터는 폴리곤들의 전체 구조를 나타낸 그래프 형태의 데이터 구조를 이용하여 서로 인접하는 인접 폴리곤들을 반복적으로 획득하는 과정을 통해서 혈관을 구성하는 전체 폴리곤에 대해서 평균 중심점을 산출할 수 있다. 예컨대, 컴퓨터는 폴리곤들의 전체 구조를 나타낸 그래프에서 A 노드를 기준으로 인접 노드 B, C, D를 획득하고, 획득한 A, B, C, D 노드에 대해 각 노드의 혈관 중심점으로부터 평균값(즉, 평균 중심점)을 계산할 수 있다. 다음으로, 컴퓨터는 폴리곤들의 전체 구조를 나타낸 그래프에서 B 노드로 이동할 수 있다. 이때, B 노드는 이미 A 노드의 인접 노드로 추출되어 평균 중심값을 산출하였기 때문에, B 노드와 인접하고 있는 어느 하나의 노드(예컨대, F 노드)로 이동할 수 있다. 컴퓨터는 이동한 노드(예컨대, F 노드)에서 다시 인접 노드들(예컨대, H, E, G 노드)을 획득하여 평균 중심점을 계산할 수 있다. 즉, 컴퓨터는 이와 같은 과정을 전체 폴리곤들에 대해 진행하고, 이후 인접 노드들(예컨대, A, B, C, D 노드)에 대해 다시 이와 인접하는 인접 노드들(예컨대, E, F, G, H 노드)을 하나의 인접 노드들(예컨대, A, B, C, D, E, F, G, H 노드)로 병합하여 이들 각 혈관의 중심점으로부터 평균 중심점을 계산할 수 있다. 컴퓨터는 전체 폴리곤에 대해 이와 같은 과정을 반복 수행할 수 있다.
이때, 전체 폴리곤에 대해 반복 수행하는 횟수는 혈관을 구성하는 전체 폴리곤의 개수, 하나의 폴리곤의 크기, 전체 혈관의 크기와 대비하여 하나의 폴리곤의 물리적 크기 등에 의해서 결정될 수 있다. 즉, 컴퓨터는 의미 있는 혈관의 경로를 도출할 때까지 상술한 바와 같은 방식으로 인접 폴리곤들에 대한 평균 중심점을 산출하는 과정을 반복 수행할 수 있다.
또한, 본 발명의 실시예에 따르면, 상술하였듯 컴퓨터는 혈관의 직경을 기초로 평균 직경을 산출할 수 있다. 일 실시예로, 컴퓨터는 혈관을 구성하는 폴리곤들 중에서 서로 인접하는 복수의 인접 폴리곤들을 획득할 수 있다. 컴퓨터는 획득한 복수의 인접 폴리곤들 각각에 대한 혈관의 직경을 평균하여 평균값을 산출할 수 있고, 산출된 평균값을 복수의 인접 폴리곤들에 대한 평균 직경으로 도출할 수 있다. 이때, 각 단계(즉, 복수의 인접 폴리곤을 획득하는 과정 및 복수의 인접 폴리곤으로부터 평균 직경을 산출하는 과정)는 도 5 및 도 6에서 상술한 과정과 동일하게 적용될 수 있으므로, 여기서는 상세한 설명을 생략하도록 한다.
즉, 컴퓨터는 복수의 인접 폴리곤들로부터 산출된 평균 중심점 및 평균 직경을 기초로 최종적인 혈관 경로를 생성할 수 있다.
도 7은 본 발명의 일 실시예에 따라 생성되는 혈관의 경로의 일례를 개략적으로 도시한 도면이다.
도 7을 참조하면, 컴퓨터는 각 폴리곤으로부터 혈관의 중심점을 산출함으로써 혈관의 경로(400)를 생성할 수 있다. 이때, 컴퓨터는 복수의 인접 폴리곤들로부터 혈관의 중심점들에 대한 평균 중심점을 산출하는 과정을 반복 수행함으로써 의미있는 혈관의 경로(410)를 생성할 수 있다. 다시 말해, 컴퓨터는 각 폴리곤에 대한 혈관 중심점의 연결성은 유지하면서 복수의 인접 폴리곤들에 대한 평균 중심점을 기초로 혈관의 경로를 보정함으로써 보다 정밀한 혈관의 경로를 도출할 수 있다.
또한, 컴퓨터는 각 폴리곤으로부터 혈관의 직경을 산출하고, 이를 혈관의 경로(400)에 반영할 수 있다. 또한, 컴퓨터는 복수의 인접 폴리곤들로부터 혈관의 직경에 대한 평균 직경을 산출하는 과정을 반복 수행할 수 있고, 이로부터 산출된 평균 직경을 의미있는 혈관의 경로(410)를 생성하는데 반영할 수 있다.
컴퓨터는 혈관의 경로(410) 및 혈관의 직경을 3차원 렌더링함으로써 최종적으로 3D 혈관 모델을 구축할 수 있다.
상술한 바와 같은 본 발명의 실시예에 따르면, 의료영상데이터를 이용하여 생성된 초기 3D 혈관 모델에서 정확하게 구현되지 못한 혈관 부분(예컨대, 노이즈로 인하여 정확한 혈관 형태로 표현되지 못하거나 중간에 끊어진 혈관 부분 등)에 대해 보상하는 효과를 얻을 수 있다. 즉, 정확하게 구현되지 못한 혈관 부분에 대해 혈관 경로를 생성하여 줄 수 있고, 또한 혈관 경로와 함께 혈관 직경을 표현해 줌으로써 보다 정밀한 3D 혈관 모델을 제공해 줄 수 있다.
본 발명의 실시예에 있어서, 컴퓨터는 복수의 인접 폴리곤들로부터 산출되는 평균 중심점을 기초로 혈관의 경로 상에서 분기점을 파악할 수 있다. 일 실시예로, 컴퓨터는 복수의 인접 폴리곤들로부터 산출되는 평균 중심점을 소정의 값과 비교하여, 평균 중심점에 대응하는 지점이 혈관의 경로 상에서의 분기점인지를 판단할 수 있다. 예컨대, 컴퓨터는 평균 중심점에서의 벡터 값이 소정의 값보다 크면 분기점으로 판단할 수 있다. 여기서, 소정의 값은 폴리곤의 법선 벡터 크기를 이용할 수 있다. 이후, 컴퓨터는 판단 결과에 따라 분기점을 기초로 혈관의 경로를 분기시킬 수 있다. 또한, 컴퓨터는 분기점을 기초로 분기된 혈관 경로에 대해 혈관 이름을 지정할 수도 있다. 예컨대, 컴퓨터는 해부학적 혈관 분포도를 기초로 분기된 혈관 경로에 대한 혈관 이름을 지정할 수 있다.
또한 본 발명의 실시예에 있어서, 컴퓨터는 분기점을 기초로 혈관의 경로에 대한 계층 구조를 도출할 수 있다. 예를 들어, 컴퓨터는 전체 혈관 경로 상에서 분기점으로부터 분기된 혈관 경로를 생성하고 각 혈관 경로에 대해 혈관 이름을 지정함으로써 전체 혈관 구조를 도출할 수 있다.
또한 본 발명의 실시예에 있어서, 컴퓨터는 혈관의 경로 상에서 혈류의 흐름 방향을 도출할 수 있다. 일 실시예로, 컴퓨터는 각 폴리곤으로부터 추출된 법선 벡터의 크기를 기초로 혈류의 흐름 방향을 파악할 수 있다. 예컨대, 컴퓨터는 제1 폴리곤의 법선 벡터의 크기와 제2 폴리곤의 법선 벡터의 크기를 비교하여, 법선 벡터의 크기가 큰 값에서 작은 값으로 연결되는 경로로 혈류가 흐르는 것으로 판단할 수 있다.
상술한 바와 같은 본 발명의 실시예에 따르면, 혈관의 경로 및 혈관의 직경(즉, 혈관의 두께)을 정확하게 도출하여 3D 혈관 모델을 구축할 수 있고, 나아가 혈관의 분기점을 기초로 혈관 경로의 계층 구조 및 혈류 흐름까지 파악할 수 있다. 따라서, 이와 같은 본 발명의 실시예에 따른 3D 혈관 모델에서는 혈관의 상관관계 및 기하학적 정보를 정확하게 파악할 수 있으므로, 이를 이용하여 시뮬레이션을 수행할 경우 보다 정밀한 수술 동작을 지정할 수 있다. 예컨대, 본 발명의 실시예에 따른 3D 혈관 모델을 이용하여 시뮬레이션을 수행하는 경우, 의료진이 이미 혈관부의 상단을 자른 후에 다시 하단을 자르는 동작을 수행할 때 하단을 자르는 동작은 불필요한 동작으로 판단할 수 있고, 또한 이러한 정보를 의료진에게 제공할 수 있다. 또한, 3D 혈관모델을 통해 혈관의 굵기를 파악할 수 있으므로, 3D 혈관 모델을 이용한 시뮬레이션에서 특정 혈관을 묶는 동작을 수행할 때 특정 혈관을 묶는 클립의 최적 크기를 알려줄 수 있다.
도 8은 본 발명의 일 실시예에 따른 혈관 모델 생성 방법을 수행하는 장치(500)의 구성을 개략적으로 나타내는 도면이다.
도 8을 참조하면, 프로세서(510)는 하나 이상의 코어(core, 미도시) 및 그래픽 처리부(미도시) 및/또는 다른 구성 요소와 신호를 송수신하는 연결 통로(예를 들어, 버스(bus) 등)를 포함할 수 있다.
일 실시예에 따른 프로세서(510)는 메모리(520)에 저장된 하나 이상의 인스트럭션을 실행함으로써, 도 1 내지 도 7과 관련하여 설명된 혈관 모델 생성 방법을 수행한다.
예를 들어, 프로세서(510)는 메모리(520)에 저장된 하나 이상의 인스트럭션을 실행함으로써 혈관을 구성하는 적어도 하나의 폴리곤(polygon)을 획득하고, 적어도 하나의 폴리곤 각각으로부터 법선 벡터(normal vector)를 추출하고, 각각의 법선 벡터를 기초로 혈관의 중심점을 산출하고, 혈관의 중심점을 기초로 혈관의 경로(path)를 생성할 수 있다.
한편, 프로세서(510)는 프로세서(510) 내부에서 처리되는 신호(또는, 데이터)를 일시적 및/또는 영구적으로 저장하는 램(RAM: Random Access Memory, 미도시) 및 롬(ROM: Read-Only Memory, 미도시)을 더 포함할 수 있다. 또한, 프로세서(510)는 그래픽 처리부, 램 및 롬 중 적어도 하나를 포함하는 시스템온칩(SoC: system on chip) 형태로 구현될 수 있다.
메모리(520)에는 프로세서(510)의 처리 및 제어를 위한 프로그램들(하나 이상의 인스트럭션들)을 저장할 수 있다. 메모리(520)에 저장된 프로그램들은 기능에 따라 복수 개의 모듈들로 구분될 수 있다.
이상에서 전술한 본 발명의 일 실시예에 따른 혈관 모델 생성 방법은, 하드웨어인 컴퓨터와 결합되어 실행되기 위해 프로그램(또는 어플리케이션)으로 구현되어 매체에 저장될 수 있다.
상기 전술한 프로그램은, 상기 컴퓨터가 프로그램을 읽어 들여 프로그램으로 구현된 상기 방법들을 실행시키기 위하여, 상기 컴퓨터의 프로세서(CPU)가 상기 컴퓨터의 장치 인터페이스를 통해 읽힐 수 있는 C, C++, JAVA, 기계어 등의 컴퓨터 언어로 코드화된 코드(Code)를 포함할 수 있다. 이러한 코드는 상기 방법들을 실행하는 필요한 기능들을 정의한 함수 등과 관련된 기능적인 코드(Functional Code)를 포함할 수 있고, 상기 기능들을 상기 컴퓨터의 프로세서가 소정의 절차대로 실행시키는데 필요한 실행 절차 관련 제어 코드를 포함할 수 있다. 또한, 이러한 코드는 상기 기능들을 상기 컴퓨터의 프로세서가 실행시키는데 필요한 추가 정보나 미디어가 상기 컴퓨터의 내부 또는 외부 메모리의 어느 위치(주소 번지)에서 참조되어야 하는지에 대한 메모리 참조관련 코드를 더 포함할 수 있다. 또한, 상기 컴퓨터의 프로세서가 상기 기능들을 실행시키기 위하여 원격(Remote)에 있는 어떠한 다른 컴퓨터나 서버 등과 통신이 필요한 경우, 코드는 상기 컴퓨터의 통신 모듈을 이용하여 원격에 있는 어떠한 다른 컴퓨터나 서버 등과 어떻게 통신해야 하는지, 통신 시 어떠한 정보나 미디어를 송수신해야 하는지 등에 대한 통신 관련 코드를 더 포함할 수 있다.
상기 저장되는 매체는, 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상기 저장되는 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있지만, 이에 제한되지 않는다. 즉, 상기 프로그램은 상기 컴퓨터가 접속할 수 있는 다양한 서버 상의 다양한 기록매체 또는 사용자의 상기 컴퓨터상의 다양한 기록매체에 저장될 수 있다. 또한, 상기 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장될 수 있다.
본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.
이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.

Claims (10)

  1. 컴퓨터가 수행하는 혈관 모델 생성 방법에 있어서,
    혈관을 구성하는 적어도 하나의 폴리곤(polygon)을 획득하는 단계;
    상기 적어도 하나의 폴리곤 각각으로부터 법선 벡터(normal vector)를 추출하는 단계;
    상기 각각의 법선 벡터를 기초로 상기 혈관의 중심점을 산출하는 단계; 및
    상기 혈관의 중심점을 기초로 상기 혈관의 경로(path)를 생성하는 단계를 포함하는 것을 특징으로 하는 혈관 모델 생성 방법.
  2. 제1항에 있어서,
    상기 혈관의 중심점을 산출하는 단계는,
    상기 각각의 법선 벡터에 대해, 상기 법선 벡터의 반대 방향에 위치하는 폴리곤을 획득하여 상기 법선 벡터의 반대 방향 벡터와 만나는 교차 지점을 검출하는 단계; 및
    상기 교차 지점 및 상기 법선 벡터를 기초로 상기 혈관의 중심점을 산출하는 단계를 포함하는 것을 특징으로 하는 혈관 모델 생성 방법.
  3. 제2항에 있어서,
    상기 혈관의 경로를 생성하는 단계는,
    상기 적어도 하나의 폴리곤 중 인접하는 복수의 인접 폴리곤을 획득하는 단계;
    상기 복수의 인접 폴리곤 각각에 대한 상기 혈관의 중심점을 기초로 평균 중심점을 산출하는 단계; 및
    상기 복수의 인접 폴리곤에 대한 평균 중심점을 기초로 상기 혈관의 경로를 생성하는 단계를 포함하는 것을 특징으로 하는 혈관 모델 생성 방법.
  4. 제2항에 있어서,
    상기 교차 지점 및 상기 법선 벡터를 기초로 상기 혈관의 직경을 산출하는 단계를 더 포함하며,
    상기 혈관의 경로를 생성하는 단계는,
    상기 혈관의 직경을 상기 혈관의 경로에 반영하여 생성하는 것을 특징으로 하는 혈관 모델 생성 방법.
  5. 제4항에 있어서,
    상기 혈관의 경로를 생성하는 단계는,
    상기 적어도 하나의 폴리곤 중 인접하는 복수의 인접 폴리곤을 획득하는 단계;
    상기 복수의 인접 폴리곤 각각에 대한 상기 혈관의 직경을 기초로 평균 직경을 산출하는 단계; 및
    상기 복수의 인접 폴리곤에 대한 평균 직경을 기반으로 상기 혈관의 경로에 반영하는 단계를 포함하는 것을 특징으로 하는 혈관 모델 생성 방법.
  6. 제3항에 있어서,
    상기 평균 중심점을 소정의 값과 비교하여 상기 혈관의 경로 상에서의 분기점인지를 판단하는 단계; 및
    상기 판단 결과에 따라 상기 분기점을 기초로 상기 혈관의 경로를 분기시키는 단계를 더 포함하는 것을 특징으로 하는 혈관 모델 생성 방법.
  7. 제6항에 있어서,
    상기 분기점을 기초로 상기 혈관의 경로에 대한 계층 구조를 도출하는 단계를 더 포함하는 것을 특징으로 하는 혈관 모델 생성 방법.
  8. 제1항에 있어서,
    상기 각각의 법선 벡터의 크기를 기초로 상기 혈관의 경로 상에서의 혈류의 흐름 방향을 도출하는 단계를 더 포함하는 것을 특징으로 하는 혈관 모델 생성 방법.
  9. 하나 이상의 인스트럭션을 저장하는 메모리; 및
    상기 메모리에 저장된 상기 하나 이상의 인스트럭션을 실행하는 프로세서를 포함하며,
    상기 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써,
    혈관을 구성하는 적어도 하나의 폴리곤(polygon)을 획득하는 단계;
    상기 적어도 하나의 폴리곤 각각으로부터 법선 벡터(normal vector)를 추출하는 단계;
    상기 각각의 법선 벡터를 기초로 상기 혈관의 중심점을 산출하는 단계; 및
    상기 혈관의 중심점을 기초로 상기 혈관의 경로(path)를 생성하는 단계를 수행하는 것을 특징으로 하는 장치.
  10. 하드웨어인 컴퓨터와 결합되어, 제1항의 방법을 수행할 수 있도록 컴퓨터에서 독출가능한 기록매체에 저장된 컴퓨터프로그램.
KR1020180135590A 2018-02-20 2018-11-07 혈관 모델 생성 방법 및 장치 KR102016959B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/KR2019/002089 WO2019164271A1 (ko) 2018-02-20 2019-02-20 가상신체모델 생성 방법 및 장치

Applications Claiming Priority (6)

Application Number Priority Date Filing Date Title
KR20180019868 2018-02-20
KR1020180019868 2018-02-20
KR1020180019867 2018-02-20
KR20180019867 2018-02-20
KR1020180019866 2018-02-20
KR20180019866 2018-02-20

Publications (2)

Publication Number Publication Date
KR20190100005A true KR20190100005A (ko) 2019-08-28
KR102016959B1 KR102016959B1 (ko) 2019-09-02

Family

ID=67763730

Family Applications (21)

Application Number Title Priority Date Filing Date
KR1020180098358A KR102014385B1 (ko) 2018-02-20 2018-08-23 수술영상 학습 및 학습 기반 수술동작 인식 방법 및 장치
KR1020180098360A KR102014355B1 (ko) 2018-02-20 2018-08-23 수술도구의 위치 정보 산출 방법 및 장치
KR1020180098413A KR102018565B1 (ko) 2018-02-20 2018-08-23 수술 시뮬레이션 정보 구축 방법, 장치 및 프로그램
KR1020180098359A KR102014359B1 (ko) 2018-02-20 2018-08-23 수술영상 기반 카메라 위치 제공 방법 및 장치
KR1020180109204A KR102014377B1 (ko) 2018-02-20 2018-09-12 학습 기반 수술동작 인식 방법 및 장치
KR1020180115328A KR102013868B1 (ko) 2018-02-20 2018-09-27 수술 최적화 방법 및 장치
KR1020180122454A KR102014351B1 (ko) 2018-02-20 2018-10-15 수술정보 구축 방법 및 장치
KR1020180122949A KR102013806B1 (ko) 2018-02-20 2018-10-16 인공데이터 생성 방법 및 장치
KR1020180130229A KR102013866B1 (ko) 2018-02-20 2018-10-29 실제수술영상을 이용한 카메라 위치 산출 방법 및 장치
KR1020180129709A KR102014364B1 (ko) 2018-02-20 2018-10-29 수술영상을 이용한 출혈 평가 방법 및 장치
KR1020180131478A KR102013837B1 (ko) 2018-02-20 2018-10-31 수술영상 제공 방법 및 장치
KR1020180135578A KR20190100004A (ko) 2018-02-20 2018-11-07 수술정보 활용 방법 및 장치
KR1020180135590A KR102016959B1 (ko) 2018-02-20 2018-11-07 혈관 모델 생성 방법 및 장치
KR1020180140050A KR20190100009A (ko) 2018-02-20 2018-11-14 수술영상 제공 방법 및 장치
KR1020180143367A KR102013857B1 (ko) 2018-02-20 2018-11-20 수술영상을 기초로 학습데이터를 생성하는 방법 및 장치
KR1020180145157A KR102013828B1 (ko) 2018-02-20 2018-11-22 수술영상을 기초로 수술시간을 예측하는 방법 및 장치
KR1020180145177A KR20190100011A (ko) 2018-02-20 2018-11-22 수술영상을 이용한 수술정보 제공 방법 및 장치
KR1020180147015A KR102014371B1 (ko) 2018-02-20 2018-11-26 수술영상의 인식도 평가 방법 및 장치
KR1020180149293A KR102013848B1 (ko) 2018-02-20 2018-11-28 혈관 모델을 이용한 혈관 정보 제공 방법 및 장치
KR1020180153569A KR102013814B1 (ko) 2018-02-20 2018-12-03 수술영상을 이용한 가상신체모델 생성 방법 및 장치
KR1020180155562A KR102013863B1 (ko) 2018-02-20 2018-12-05 가상 신체 모델 구축 방법 및 프로그램

Family Applications Before (12)

Application Number Title Priority Date Filing Date
KR1020180098358A KR102014385B1 (ko) 2018-02-20 2018-08-23 수술영상 학습 및 학습 기반 수술동작 인식 방법 및 장치
KR1020180098360A KR102014355B1 (ko) 2018-02-20 2018-08-23 수술도구의 위치 정보 산출 방법 및 장치
KR1020180098413A KR102018565B1 (ko) 2018-02-20 2018-08-23 수술 시뮬레이션 정보 구축 방법, 장치 및 프로그램
KR1020180098359A KR102014359B1 (ko) 2018-02-20 2018-08-23 수술영상 기반 카메라 위치 제공 방법 및 장치
KR1020180109204A KR102014377B1 (ko) 2018-02-20 2018-09-12 학습 기반 수술동작 인식 방법 및 장치
KR1020180115328A KR102013868B1 (ko) 2018-02-20 2018-09-27 수술 최적화 방법 및 장치
KR1020180122454A KR102014351B1 (ko) 2018-02-20 2018-10-15 수술정보 구축 방법 및 장치
KR1020180122949A KR102013806B1 (ko) 2018-02-20 2018-10-16 인공데이터 생성 방법 및 장치
KR1020180130229A KR102013866B1 (ko) 2018-02-20 2018-10-29 실제수술영상을 이용한 카메라 위치 산출 방법 및 장치
KR1020180129709A KR102014364B1 (ko) 2018-02-20 2018-10-29 수술영상을 이용한 출혈 평가 방법 및 장치
KR1020180131478A KR102013837B1 (ko) 2018-02-20 2018-10-31 수술영상 제공 방법 및 장치
KR1020180135578A KR20190100004A (ko) 2018-02-20 2018-11-07 수술정보 활용 방법 및 장치

Family Applications After (8)

Application Number Title Priority Date Filing Date
KR1020180140050A KR20190100009A (ko) 2018-02-20 2018-11-14 수술영상 제공 방법 및 장치
KR1020180143367A KR102013857B1 (ko) 2018-02-20 2018-11-20 수술영상을 기초로 학습데이터를 생성하는 방법 및 장치
KR1020180145157A KR102013828B1 (ko) 2018-02-20 2018-11-22 수술영상을 기초로 수술시간을 예측하는 방법 및 장치
KR1020180145177A KR20190100011A (ko) 2018-02-20 2018-11-22 수술영상을 이용한 수술정보 제공 방법 및 장치
KR1020180147015A KR102014371B1 (ko) 2018-02-20 2018-11-26 수술영상의 인식도 평가 방법 및 장치
KR1020180149293A KR102013848B1 (ko) 2018-02-20 2018-11-28 혈관 모델을 이용한 혈관 정보 제공 방법 및 장치
KR1020180153569A KR102013814B1 (ko) 2018-02-20 2018-12-03 수술영상을 이용한 가상신체모델 생성 방법 및 장치
KR1020180155562A KR102013863B1 (ko) 2018-02-20 2018-12-05 가상 신체 모델 구축 방법 및 프로그램

Country Status (1)

Country Link
KR (21) KR102014385B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021246612A1 (ko) * 2020-06-02 2021-12-09 재단법인 아산사회복지재단 자동으로 혈관 영상을 처리하는 방법 및 장치

Families Citing this family (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102301234B1 (ko) * 2019-09-20 2021-09-09 울산대학교 산학협력단 수술 영상 제공 시스템 및 그 방법
US11992373B2 (en) * 2019-12-10 2024-05-28 Globus Medical, Inc Augmented reality headset with varied opacity for navigated robotic surgery
KR102246966B1 (ko) * 2020-01-29 2021-04-30 주식회사 아티큐 신체의 목적 타겟 위치 확인 방법
KR102321157B1 (ko) * 2020-04-10 2021-11-04 (주)휴톰 수술 후 수술과정 분석 방법 및 시스템
WO2021235804A1 (ko) * 2020-05-18 2021-11-25 주식회사 루닛 메디컬 장치의 이상을 결정하는 방법 및 시스템
KR102348368B1 (ko) * 2020-05-21 2022-01-11 주식회사 누아 머신러닝 모델의 학습 데이터 생성과 머신러닝 모델을 이용한 유사 이미지 생성을 위한 장치, 방법, 시스템 및 컴퓨터 판독가능 저장 매체
KR102426925B1 (ko) * 2020-06-23 2022-07-29 (주)휴톰 3d 시뮬레이션을 활용한 수술로봇의 동작 정보를 획득하는 방법 및 프로그램
KR102505016B1 (ko) * 2020-08-03 2023-03-02 (주)휴톰 수술영상 내 단위동작의 서술정보 생성 시스템 및 그 방법
WO2022035237A1 (ko) * 2020-08-11 2022-02-17 (주)휴톰 수술 도구 및 장기 인식 학습 훈련을 위한 학습 데이터 수집 장치 및 방법
KR102517398B1 (ko) * 2020-11-20 2023-04-04 주식회사 엔가든 잠금 나사 삽입홀 검출 방법
CN112712878A (zh) * 2020-12-30 2021-04-27 四川桑瑞思环境技术工程有限公司 一种数字化手术室系统和控制方法
KR102464091B1 (ko) * 2021-01-14 2022-11-04 고지환 내시경을 이용한 대장 검사 가이드 장치 및 방법
US11883245B2 (en) * 2021-03-22 2024-01-30 Verb Surgical Inc. Deep-learning-based real-time remaining surgery duration (RSD) estimation
KR102640314B1 (ko) 2021-07-12 2024-02-23 (주)휴톰 인공지능 수술 시스템 및 그것의 제어방법
KR102606249B1 (ko) * 2021-07-15 2023-11-24 사회복지법인 삼성생명공익재단 뇌 혈관 모델링을 이용한 병변 분석 방법 및 그 장치
WO2023003389A1 (ko) * 2021-07-21 2023-01-26 (주)휴톰 환자의 3차원 가상 기복 모델 상에 트로카의 삽입 위치를 결정하는 장치 및 방법
US11986248B2 (en) 2021-07-29 2024-05-21 Hutom Co., Ltd. Apparatus and method for matching the real surgical image with the 3D-based virtual simulated surgical image based on POI definition and phase recognition
KR20230023876A (ko) * 2021-08-10 2023-02-20 (주)휴톰 환자의 가상 기복 모델을 생성하는 장치 및 방법
KR20230039932A (ko) 2021-09-15 2023-03-22 안명천 출혈 감지 시스템 및 방법
CN113813053A (zh) * 2021-09-18 2021-12-21 长春理工大学 一种基于腹腔镜内窥影像的手术进程分析方法
KR20230089469A (ko) 2021-12-13 2023-06-20 (주)휴톰 인공지능 기반 가상 혈관 모델 제공 방법 및 장치
CN114391947B (zh) * 2021-12-15 2024-03-01 深圳爱博合创医疗机器人有限公司 一种分级控制式介入手术机器人
KR20230111043A (ko) * 2022-01-17 2023-07-25 (주)휴톰 환자의 가상 폐 모델을 생성하는 장치 및 방법
WO2023172109A1 (ko) * 2022-03-11 2023-09-14 주식회사 림사이언스 디지털 트윈을 이용하여 니들의 경로를 관리하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체
KR20240022047A (ko) * 2022-08-10 2024-02-20 주식회사 엠티이지 수술에 대한 시나리오를 제공하는 방법 및 디바이스
KR102628690B1 (ko) * 2023-07-04 2024-01-25 주식회사 클레버러스 이상행동 탐지 시스템

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080020652A (ko) * 2005-06-01 2008-03-05 올림푸스 메디칼 시스템즈 가부시키가이샤 내시경 진단 지원 방법, 내시경 진단 지원 장치 및 내시경 진단 지원 프로그램을 기록한 기록매체
JP2011036371A (ja) * 2009-08-10 2011-02-24 Tohoku Otas Kk 医療画像記録装置
KR20150000450A (ko) * 2011-08-26 2015-01-02 이비엠 가부시키가이샤 혈관혈류 시뮬레이션 시스템, 그 방법 및 컴퓨터 소프트웨어 프로그램
JP2016039874A (ja) * 2014-08-13 2016-03-24 富士フイルム株式会社 内視鏡画像診断支援装置、システム、方法およびプログラム

Family Cites Families (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002207832A (ja) * 2000-12-28 2002-07-26 Atsushi Takahashi インターネット技術指導教育配信システム、及び通信網を利用した指導システム
EP1839568B1 (en) * 2005-01-19 2018-03-07 Olympus Corporation Operation data management device, operation control device, and operation data processing method
JP4781085B2 (ja) * 2005-10-25 2011-09-28 オリンパスメディカルシステムズ株式会社 手術予定表示システム
US9718190B2 (en) * 2006-06-29 2017-08-01 Intuitive Surgical Operations, Inc. Tool position and identification indicator displayed in a boundary area of a computer display screen
JP4762160B2 (ja) * 2007-01-16 2011-08-31 株式会社日立メディコ 手術支援システム
US20100217991A1 (en) * 2008-08-14 2010-08-26 Seung Wook Choi Surgery robot system of server and client type
KR101049507B1 (ko) * 2009-02-27 2011-07-15 한국과학기술원 영상유도수술시스템 및 그 제어방법
KR101108927B1 (ko) * 2009-03-24 2012-02-09 주식회사 이턴 증강현실을 이용한 수술 로봇 시스템 및 그 제어 방법
KR101114226B1 (ko) * 2009-05-19 2012-03-05 주식회사 이턴 이력정보를 이용한 수술 로봇 시스템 및 그 제어 방법
KR101152177B1 (ko) * 2009-04-09 2012-06-18 의료법인 우리들의료재단 수술위치 자동 유도 방법 및 그 시스템과 수술위치의 유도기능을 갖춘 장치
GB0913930D0 (en) * 2009-08-07 2009-09-16 Ucl Business Plc Apparatus and method for registering two medical images
KR101235044B1 (ko) * 2010-11-02 2013-02-21 서울대학교병원 (분사무소) 3ｄ 모델링을 이용한 수술 시뮬레이션 방법 및 자동 수술장치
KR101181613B1 (ko) * 2011-02-21 2012-09-10 윤상진 사용자 지정에 따라 결정되는 변위 정보에 기초하여 수술을 수행하는 수술용 로봇 시스템과 그 제어 방법
KR20120111871A (ko) * 2011-03-29 2012-10-11 삼성전자주식회사 3차원적 모델을 이용한 신체 장기의 영상 생성 방법 및 장치
KR101795720B1 (ko) * 2011-05-12 2017-11-09 주식회사 미래컴퍼니 수술 상황 판단 및 대응을 위한 수술 로봇 시스템의 제어 방법과 이를 기록한 기록매체 및 수술 로봇 시스템
KR20130015146A (ko) * 2011-08-02 2013-02-13 삼성전자주식회사 의료 영상 처리 방법 및 장치, 영상 유도를 이용한 로봇 수술 시스템
KR101175065B1 (ko) * 2011-11-04 2012-10-12 주식회사 아폴로엠 수술용 영상 처리 장치를 이용한 출혈 부위 검색 방법
KR101302595B1 (ko) * 2012-07-03 2013-08-30 한국과학기술연구원 수술 진행 단계를 추정하는 시스템 및 방법
KR101997566B1 (ko) * 2012-08-07 2019-07-08 삼성전자주식회사 수술 로봇 시스템 및 그 제어방법
EP3679881A1 (en) * 2012-08-14 2020-07-15 Intuitive Surgical Operations, Inc. Systems and methods for registration of multiple vision systems
KR20140112207A (ko) * 2013-03-13 2014-09-23 삼성전자주식회사 증강현실 영상 표시 시스템 및 이를 포함하는 수술 로봇 시스템
KR101572487B1 (ko) * 2013-08-13 2015-12-02 한국과학기술연구원 환자와 3차원 의료영상의 비침습 정합 시스템 및 방법
KR101538041B1 (ko) * 2013-10-15 2015-07-23 한국과학기술원 수술 도구의 위치 결정 장치 및 이를 포함하는 수술 로봇 시스템
EP3102143A4 (en) * 2014-02-04 2017-11-08 Intuitive Surgical Operations, Inc. Systems and methods for non-rigid deformation of tissue for virtual navigation of interventional tools
JP6104288B2 (ja) * 2015-01-06 2017-03-29 三菱プレシジョン株式会社 手術シミュレーション用モデルの生成方法、手術シミュレーション方法、及び手術シミュレータ
KR20160086629A (ko) * 2015-01-12 2016-07-20 한국전자통신연구원 영상유도 수술에서 수술부위와 수술도구 위치정합 방법 및 장치
JP6594133B2 (ja) * 2015-09-16 2019-10-23 富士フイルム株式会社 内視鏡位置特定装置、内視鏡位置特定装置の作動方法および内視鏡位置特定プログラム
US20170132510A1 (en) * 2015-11-05 2017-05-11 Facebook, Inc. Identifying Content Items Using a Deep-Learning Model
KR101740286B1 (ko) * 2015-12-17 2017-05-29 (주)미래컴퍼니 수술 로봇 시스템 및 적응 제어 방법
KR20180010721A (ko) * 2016-07-22 2018-01-31 한국전자통신연구원 지능형 수술 지원 시스템 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080020652A (ko) * 2005-06-01 2008-03-05 올림푸스 메디칼 시스템즈 가부시키가이샤 내시경 진단 지원 방법, 내시경 진단 지원 장치 및 내시경 진단 지원 프로그램을 기록한 기록매체
JP2011036371A (ja) * 2009-08-10 2011-02-24 Tohoku Otas Kk 医療画像記録装置
KR20150000450A (ko) * 2011-08-26 2015-01-02 이비엠 가부시키가이샤 혈관혈류 시뮬레이션 시스템, 그 방법 및 컴퓨터 소프트웨어 프로그램
JP2016039874A (ja) * 2014-08-13 2016-03-24 富士フイルム株式会社 内視鏡画像診断支援装置、システム、方法およびプログラム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021246612A1 (ko) * 2020-06-02 2021-12-09 재단법인 아산사회복지재단 자동으로 혈관 영상을 처리하는 방법 및 장치

Also Published As

Publication number Publication date
KR102013866B1 (ko) 2019-08-23
KR102014359B1 (ko) 2019-08-26
KR102014364B1 (ko) 2019-08-26
KR102013814B1 (ko) 2019-08-23
KR20190100004A (ko) 2019-08-28
KR20190100011A (ko) 2019-08-28
KR102013868B1 (ko) 2019-08-23
KR102013848B1 (ko) 2019-08-23
KR102013857B1 (ko) 2019-08-23
KR102013806B1 (ko) 2019-08-23
KR102014371B1 (ko) 2019-08-26
KR102014385B1 (ko) 2019-08-26
KR102016959B1 (ko) 2019-09-02
KR20190099999A (ko) 2019-08-28
KR102014355B1 (ko) 2019-08-26
KR20190100009A (ko) 2019-08-28
KR102013837B1 (ko) 2019-10-21
KR102014377B1 (ko) 2019-08-26
KR102018565B1 (ko) 2019-09-05
KR102013828B1 (ko) 2019-08-23
KR102014351B1 (ko) 2019-08-26
KR102013863B1 (ko) 2019-08-23

Similar Documents

Publication Publication Date Title
KR102016959B1 (ko) 혈관 모델 생성 방법 및 장치
US9355458B2 (en) Image processing apparatus, method and program
CN108805871B (zh) 血管图像处理方法、装置、计算机设备和存储介质
Wu et al. Segmentation and reconstruction of vascular structures for 3D real-time simulation
CN112509119B (zh) 针对颞骨的空间数据处理及定位方法、装置及电子设备
JP2009072576A (ja) 血管造影画像の定量的分岐解析のための方法、装置およびコンピュータプログラム
JP2011200549A (ja) ３次元テンプレート変形方法、装置及びプログラム
CN111178420B (zh) 一种二维造影图像上冠脉段标注方法及系统
CN117115150B (zh) 用于确定分支血管的方法、计算设备和介质
KR101294858B1 (ko) 간 문맥의 혈관 구조 정보를 이용한 간 세그먼트 구분 방법 및 장치
CN109377458A (zh) 一种冠脉分割断裂的修复方法及装置
CN113160189A (zh) 血管中心线提取方法、装置、设备及存储介质
EP2495700A1 (en) Image-based diagnosis assistance apparatus, its operation method and program
JP4910478B2 (ja) モデリング装置、モデリング方法およびプログラム
WO2017180097A1 (en) Deformable registration of intra and preoperative inputs using generative mixture models and biomechanical deformation
CN112382397A (zh) 基于桥血管的模型构建方法、装置、设备及存储介质
KR101957605B1 (ko) 3d cta 영상 간의 심혈관 강체 정합 방법, 이를 수행하기 위한 기록매체 및 장치
CN115249290A (zh) 针对单侧颞骨的空间数据处理方法、空间定位方法及设备
EP3972513B1 (en) Automated planning of shoulder stability enhancement surgeries
WO2017043503A1 (ja) 構造推定装置、構造推定方法、および、プログラム
WO2017094577A1 (ja) 超音波撮像装置、および画像処理方法
JP6748370B2 (ja) 生体モデル生成装置、生体モデル生成方法、および生体モデル生成プログラム
CN111507981B (zh) 图像处理方法和装置、电子设备、计算机可读存储介质
JP2007144056A (ja) モデリング装置、領域抽出装置、モデリング方法及びプログラム
JP2019512284A (ja) 組織変形の存在下において手術を支援するためのシステム及び方法

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant