KR20200010485A

KR20200010485A - 3d 이미지에서 이소성 골화증의 분석을 위한 시스템 및 방법

Info

Publication number: KR20200010485A
Application number: KR1020197038063A
Authority: KR
Inventors: 알리 베흐루즈
Original assignee: 퍼킨엘머 헬스 사이언시즈, 아이엔씨.
Priority date: 2017-05-24
Filing date: 2018-05-23
Publication date: 2020-01-30
Also published as: US20180338740A1; US10813614B2; WO2018217871A1; CA3063727C; CA3063727A1; CN110678903A; CN110678903B; EP3635682A1; EP3635682B1; MX2019014006A; KR102380026B1

Abstract

이소성 골화증(HO), 정상 골격, 및 연질 조직의 영역들을 구별하기 위하여 대상체의 3D 이미지의 자동화된 구분화를 가능하게 하는 시스템 및 방법이 본원에서 제공된다. 특정 실시예에 있어서, 방법은, 그 이후에 수동으로 또는 자동으로 HO 또는 정상 골격으로서 분류될 수 있는 대상체의 3D 이미지(예를 들어, CT 또는 마이크로CT 이미지)의 이산적이고 구별가능한 영역을 식별한다.

Description

3D 이미지에서 이소성 골화증의 분석을 위한 시스템 및 방법

관련 출원들에 대한 상호 참조

본 출원은, 본원에 그 전체가 참조로서 포함되는, "SYSTEMS AND METHODS FOR AUTOMATED ANALYSIS OF HETEROTOPIC OSSIFICATION IN 3D IMAGES"라는 명칭으로 2017년 05월 24일자로 출원된 미국 특허 출원 일련번호 제15/604,350호에 대한 우선권을 주장한다.

기술분야

본 발명은 전반적으로 이미지 프로세싱 및 분석의 방법들 및 시스템들에 관한 것이다. 보다 더 구체적으로, 특정 실시예들에 있어서, 본 발명은, 예를 들어, 컴퓨터 단층촬영(CT) 스캐너를 가지고 캡처된, 소형 대상체(예를 들어, 소형 동물, 소형 포유류)의 해부학적 이미지로부터 이소성 골화증의 자동 분리(splitting) 및 구분화(segmentation)에 관한 것이다.

포유류들의 생체 내 이미징에 관한 다양한 기술들이 존재한다 - 예를 들어, 생체 발광, 형광, 단층촬영, 및 멀티모달(multimodal) 이미징 기술들. 소형 포유류들의 생체 내 이미징은, 다양한 분야들, 예를 들어, 종양학, 감염성 질환, 및 약물 발견에서 대규모의 연구자들의 커뮤니티에 의해 수행된다.

생체 내 마이크로 컴퓨터 단층촬영(이하에서, "마이크로CT")는 고 해상도로 조직들, 장기들, 및 비-장기 구조체들을 이미징할 수 있는 x-레이 기반 기술이지만, 더 높은 스루풋의 이미징은 용인할 수 있는 정확도 및 이미지 세부사항을 유지하면서 이미지 획득 및/또는 프로세싱 속도를 높이기 위해 더 낮은 해상도의 마이크로CT 이미징을 유용하게 사용할 수 있다. 마이크로CT는 빠르게 발전하여 왔으며, 이는 멀티-모달 애플리케이션들을 용이하게 하고 길이 방향 실험 모델들을 가능하게 하기 위하여 저 도우즈(dose) 스캐닝 및 고속 이미징 프로토콜들을 필요로 한다. 생체 내 이미징은 흔히, 살아 있는 동물 내부의 생물학적 현상의 비-침습 시공간적 시각화를 위하여, 형광 프로브와 같은 시약들의 사용을 수반한다. 멀티-모달 이미징은, 예를 들어, FMT, PET, MRI, CT, 및/또는 SPECT 이미징 데이터를 결합함으로써, 상이한 방식들로 획득된 이미지들의 융합을 수반한다.

이미지 분석 애플리케이션들 및/또는 이미지 시스템들은 일반적으로, 생의학적 이미지들의 시각화, 분석, 프로세싱, 구분화, 레지스트레이션(registration) 및 측정을 가능하게 한다. 이러한 애플리케이션들 및 시스템들은 또한, 볼륨 렌더링(volume rendering) 툴들(예를 들어, 볼륨 합성, 깊이 셰이딩(shading), 그래디언트(gradient) 셰이딩, 최대 강도 투영, 합산 복셀(voxel) 투영, 신호 투영); (예를 들어, 관심 대상 구조체들의 구역(area)들을 정의하기 위한, 원치 않는 물체들을 삭제하기 위한, 이미지들 및 물체 맵들을 편집하기 위한) 조작 기능들; 및 (예를 들어, 표면 복셀들의 수, 노출된 면(face)들의 수, 영역(region)의 평면 구역, 및 영역의 추정된 표면적 또는 영역의 체적의 계산을 위한) 측정 기능들을 제공한다.

이미지 구분화 기술들은 흔히 관심이 있는 상이한 구조체들, 장기들, 및/또는 조직들에 대응하는 이미지들의 별개의 영역들을 식별하기 위하여 사용된다. 관심이 있는 상이한 구조체들이 사실상 유사하거나 및/또는 서로 매우 근접하게 발견되는 경우, 정확하고 강건한 이미지 구분화가 도전이 될 수 있다. 예를 들어, (개별적인 뼈들을 구분하기 위한) 개별적인 뼈들의 표현들의 구분화는, 이를 해결하기 위하여 다수의 이미지 구분화 기술들이 개발되어온 도전이다.

이러한 구분화 도전들은 또한 특정 질병들의 이미지들의 분석에서도 만나게 된다. 예를 들어, 특정 질병들은 조직의 비정상적인 성장과 같은 구조적 특징들을 생성한다. 이러한 특징들의 식별 및 분석은 다양한 치료들의 효능뿐만 아니라 대상체 내의 질병 상태 및 진행에 관한 가치 있는 통찰을 제공할 수 있다. 이러한 비정상적인 성장들은 정상적이고 건강한 대상체들 내에서도 또한 발견되는 조직으로 구성되어 있지만, 분석 목적들을 위하여 동일한 조직의 정상적인 구조체들과는 분리되고 구별되어야만 한다. 이는 이러한 질병들의 이미지 분석을 더 복잡하게 만든다.

이러한 질병 중 하나는 이소성 골화증(heterotopic ossification; HO)이며, 이는 또한 전위성(ectopic) 뼈 또는 골격-외 뼈 형성으로도 지칭된다. HO는, 뼈가 정상 골격 외부의 연질 결합 조직에서 형성되는 질병이다. HO는 외상 또는 수술, 예를 들어, 관절 교체 수술로부터 기인할 수 있거나, 또는 이는, 진행성 골화성 섬유이형성증(fibrodysplasia ossificans progressiva; FOP) 또는 진행성 골 이형성증(progressive osseous heteroplasia; POH)에 의해 초래될 수 있다. HO의 쥐 모델(mouse model)들은, 예를 들어, HO의 원인들 및 비정상적인 뼈 형상을 조절하는 메커니즘의 식별에 대한 지식을 제공하기 위하여, HO의 연구에서 자주 사용된다. 쥐 모델들에서의 HO의 연구는 또한 치료 접근 방식에 대한 통찰을 제공한다.

마이크로CT 이미지들이 HO와 연질 조직 사이의 충분한 대비(contrast)를 제공하기 때문에 마이크로CT 이미징은 흔히 생체 내 HO 형성 및 진행의 연구에서 사용된다. 말기 HO를 갖는 쥐 모델의 뒷다리들의 마이크로CT 스캔의 일 예가 도 1에 도시된다. HO에 대응하는 골격-외 골화 덩어리들이 도면에서 수동으로 식별되며, 이들은 쥐 모델의 경골들에 인접하여 위치되고 이에 평행하게 이어진다. 이소성 골화증 형성 및 구조적 특징들의 분석 및 수량화는, 상이한 치료들의 효능 및 역동학(kinetics)의 분석뿐만 아니라 대상체 내의 질병 진단, 상태, 및 진행의 이해를 발전시키는데 유용한 통찰을 제공할 수 있다. 그러나, 지금까지, HO 영역들의 식별은 수동으로 수행되어 왔다.

따라서, 대상체 내의 관련된 구조적 특징들의 자동화된 검출 및 구분화를 위한 개선된 시스템들 및 방법들에 대한 필요성이 존재한다. 특히, 동일하거나 또는 유사한 조직 유형들의 정상적이고 건강한 구조체들과 비정상적인 성장들을 자동을 구별할 수 있는 시스템들 및 방법들에 대한 필요성이 존재한다. 이러한 접근 방식들은 특히 HO와 같은 질병들의 연구와 관련된다.

이소성 골화증(HO), 정상 골격, 및 연질 조직의 영역들을 구별하기 위하여 대상체들의 3D 이미지들의 자동화된 구분화를 가능하게 하는 시스템들 및 방법들이 본원에서 제공된다. 특정 실시예들에 있어서, 방법들은, 그 이후에 수동으로 또는 자동으로 HO 또는 정상 골격으로서 분류될 수 있는 대상체의 3D 이미지(예를 들어, CT 또는 마이크로CT)의 이산적이고 구별가능한 영역들을 식별한다.

본원에서 설명되는 접근 방식들은 다수의 분리 동작들뿐만 아니라 하이브리드 임계화 접근 방식(hybrid thresholding approach)을 사용한다. 특정 실시예들에 있어서, 하이브리드 임계화 접근 방식 및 다수의 분리 동작들은, HO의 물리적 특성들 및 HO를 나타내는 이미지 영역들의 결과적인 특성들에 의해 제기되는 고유 이미지 프로세싱 도전들을 처리한다. 그럼으로써 본원에서 설명되는 접근 방식들은 강건하고 계산적으로 효율적인 방식으로 정상 골격 및 HO에 대응하는 이미지 내의 영역들의 검출 및 구분화를 가능하게 한다. 그럼으로써 본원에서 설명되는 검출 및 구분화 접근 방식들은, 형태적 속성들, 밀도, 및 구조적 파라미터들의 분석을 포함하는 HO 형성의 간소화된 수량적 분석을 가능하게 한다. 예를 들어, 길이 방향 연구들에서 HO 볼륨의 자동화된 수량화는 상이한 치료들의 효능 및 역동학에 대한 통찰을 제공한다. 따라서, 이러한 방식으로 HO의 개선된 수량적 분석을 가능하게 함으로써, 본원에서 설명되는 시스템들 및 방법들은 치료 효능을 평가하기 위한 그리고 대상체 내의 질병 상태 및/또는 진행을 평가하기 위한 가치 있는 툴을 제공한다.

일 측면에 있어서, 본 발명은 대상체의 3D 이미지(예를 들어, 대상체의 해부학적 이미지)에서 이소성 골화증(heterotopic ossification; HO)을 자동으로 검출하기 위한 방법에 관한 것으로서, 상기 방법은: (a) 컴퓨팅 디바이스의 프로세서에 의해, 대상체의 3D 이미지를 수신하는 단계[예를 들어, 여기에서 이미지는 해부학적 이미지(예를 들어, CT 이미지, 예를 들어, 마이크로CT 이미지이다)]; (b) 상기 프로세서에 의해, 뼈의 그래픽적 표현을 포함하는 이미지 내의 관심이 있는 초기 영역을 식별하는 초기 뼈 마스크를 생성하기 위하여 수신된 3D 이미지에 전역 임계화(thresholding) 동작을 적용하는 단계[예를 들어, 여기에서, 초기 뼈 마스크는 복수의 복셀들을 포함하는 바이너리 마스크(binary mask)이며, 각각의 초기 뼈 마스크 복셀은 수신된 3D 이미지의 복셀에 대응하고, 여기에서 뼈(예를 들어, 전역 임계화 동작에 의해 처음에 평가되는 바와 같은 정상 골격 및 HO를 포함함)에 대응하는 것으로서 식별된 초기 뼈 마스크 복셀들에는 제 1 값(예를 들어 수치 1; 예를 들어, 불(Boolean) '참(true)')이 할당되며, 비-뼈 조직에 대응하는 것으로서 식별된 복셀들에는 제 2 값(예를 들어, 수치 0; 불 '거짓(false)')이 할당된다)]; (c) 상기 프로세서에 의해, 상기 초기 뼈 마스크에 의해 식별된 상기 이미지의 관심이 있는 상기 초기 영역에 적용되는 3D 에지 검출 동작을 사용하여 경계 값 맵을 결정하는 단계로서, 상기 경계 값 맵은 뼈가 연질 조직과 만나는 경계들에 대응하는 3D 이미지의 복셀들의 강도 값들을 식별하고 포함하는, 단계[예를 들어, 여기에서 경계 값 맵은 복수의 복셀들을 포함하며, 그 각각은 관심이 있는 영역 내의 3D 이미지의 복셀에 대응하고, 여기에서 뼈가 연질 조직과 만나는 경계들에 대응하는 것으로서 식별된 경계 값 맵 복셀들에는 3D 이미지의 대응하는 복셀의 강도 값이 할당되며, 모든 다른 경계 값 맵 복셀들에는 널(null) 값(예를 들어, 수치 0)이 할당된다]; (d) 상기 프로세서에 의해, 상기 초기 뼈 마스크 및 상기 경계 값 맵을 사용하여 뼈 임계 맵을 결정하는 단계로서, 상기 뼈 임계 맵은, 상기 초기 뼈 마스크의 각각의 복셀에 대하여, 상기 초기 뼈 마스크 내의 복셀들에 대해 상기 경계 값 맵의 값들을 외삽함으로써 결정되는 임계 값을 포함하는, 단계[예를 들어, 여기에서 뼈 임계 맵은 복수의 복셀들을 포함하며, 그 각각은 초기 뼈 마스크에 의해 식별된 관심이 있는 상기 초기 영역 내의 복셀에 대응하고, 여기에서 각각의 뼈 임계 맵 복셀에는 그 복셀에 대하여 결정된 임계 값이 할당된다]; 및 (e) 상기 프로세서에 의해, 상기 수신된 3D 이미지 및 상기 뼈 임계 맵을 사용하여 최종 뼈 마스크(예를 들어, 정상 골격 및 HO를 포함함)를 결정하는 단계[예를 들어, 뼈(예를 들어, 정상 골격 및 HO를 포함함)에 대응하는 것으로서 뼈 임계 맵의 대응하는 복셀의 값 이상의 강도들을 갖는 관심이 있는 초기 영역의 복셀들을 식별함으로써; 예를 들어, 여기에서 뼈 및 HO 마스크는 복수의 복셀들을 포함하며, 그 각각은 관심이 있는 초기 영역 내의 3D 이미지의 복셀에 대응하고, 여기에서, 3D 이미지의 각각의 복셀에 대하여, 최종 뼈 마스크의 대응하는 복셀은, 3D 이미지 복셀의 강도가 대응하는 뼈 임계 맵 복셀의 로컬 임계 값 이상인 경우에 뼈로서 식별되고 제 1 값(예를 들어, 수치 1; 예를 들어, 불 '참')이 할당되며, 모든 다른 복셀들에는 제 2 값(예를 들어, 수치 0; 예를 들어, 불 '거짓')이 할당된다]를 포함한다.

특정 실시예들에 있어서, 단계 (b)는, 상기 프로세서에 의해, 상기 3D 이미지의 복셀들의 강도들을 사용하여 전역 임계 값을 결정하는 단계[예를 들어, 3D 이미지의 복셀들의 강도들의 분포를 나타내는 히스토그램을 사용하여]를 포함한다.

특정 실시예들에 있어서, 상기 전역 임계 값은, 상기 초기 뼈 마스크가 상기 3D 이미지 내의 뼈를 과도하게 나타내도록 결정된다(예를 들어, 초기 뼈 마스크는 정상 골격 및 HO를 둘러싸는 3D 이미지 내의 모든 부분들을 식별하고, 상기 부분들은 또한 3D 이미지 내의 일부 비-뼈 조직(예를 들어, 연질 조직)을 둘러싼다(예를 들어, 초기 뼈 마스크는 모든 뼈 및 HO가 식별된다는 것을 보장하기 위하여 과도하게-포괄적(overly-inclusive)이다)).

특정 실시예들에 있어서, 상기 전역 임계화 동작은, 상기 전역 임계 값을 사용하여 결정되는 상한 임계치 및 하한 임계치를 사용하는 이력(hysteresis) 임계화 동작이다(예를 들어, 상한 임계 값은 전역 임계 값의 제 1 분율이며, 하한 임계 값은 전역 임계 값의 제 2 분율이다).

특정 실시예들에 있어서, 상기 방법은, (f) 상기 프로세서에 의해, 상기 초기 뼈 마스크에 대해 거리 변환을 적용함으로써 거리 맵을 결정하는 단계[예를 들어, 여기에서 거리 맵은 복수의 거리 맵 복셀들을 포함하고, 그 각각은 최종 뼈 마스크의 복셀에 대응하며, 복셀로부터 최인접 경계 및/또는 비-뼈 복셀(예를 들어, 0의 값을 갖는 최종 뼈 마스크의 복셀)까지의 거리를 나타내는 거리 값을 갖는다(예를 들어, 거리 값이 할당된다)]; (g) 상기 프로세서에 의해, 상기 거리 맵 내의 집수 지역(catchment basin)들 및/또는 분기점 라인들의 세트를 식별하기 위하여 상기 거리 맵에 분기점 구분화 동작을 적용하는 단계[예를 들어, 거리 맵이 분기점 라인들에 의해 서로 분리되는 복수의 집수 지역들로 분할되도록; 예를 들어, 여기에서 분기점 구분화 동작은 분기점 라인들(예를 들어, 각각의 분기점 라인은 수치 0 또는 불 '참'과 같은 제 2 값이 할당된 복셀들의 연결된 라인에 대응함)에 의해 서로 분리되는 복수의 집수 지역들(예를 들어, 각각의 집수 지역은 수치 1 또는 불 '참'과 같은 제 1 값이 할당된 복셀들의 연결된 영역에 대응함)을 포함하는 분기점 마스크를 생성한다]; (h) 상기 프로세서에 의해, 상기 최종 뼈 마스크 및 단계 (g)로부터의 상기 식별된 집수 지역들 및/또는 분기점 라인들을 사용하여 제 1 분리 뼈 마스크를 생성하는 단계[예를 들어, 최종 뼈 마스크로부터 분기점 라인들에 대응하는 복셀들을 제거함으로써, 제 1 분리 뼈 마스크를 생성한다; 예를 들어, 최종 뼈 마스크를 가지고 분기점 마스크를 마스킹함으로써(예를 들어, 분기점 마스크와 최종 뼈 마스크 사이에 논리적 복셀-바이-복셀(voxel-by-voxel) AND 연산을 수행함으로써), 제 1 분리 뼈 마스크를 생성한다]; (i) 상기 프로세서에 의해, 상기 3D 이미지 내의 분리 라인의 세트를 식별하기 위하여 상기3D 이미지에 하나 이상의 2차 도함수 분리 필터들을 적용하는 단계; (j) 상기 프로세서에 의해, 상기 제 1 분리 뼈 마스크로부터 상기 분리 라인 복셀들의 세트에 대응하는 복셀들을 제거하여[예를 들어, 연질 조직을 식별하는 제 2 값(예를 들어, 수치 0; 예를 들어, 불 '거짓')으로 그들의 값을 설정함으로써], 제 2 분리 뼈 마스크를 생성하는 단계; (k) 상기 프로세서에 의해, 하나 이상의 형태학적 프로세싱 동작들을 통해 상기 제 2 분리 뼈 마스크의 복수의 라벨링된 분리 바이너리 컴포넌트들을 결정하는 단계(예를 들어, 연결된 컴포넌트 라벨링 및/또는 거리 및 분기점 변환들을 사용하여 집수 지역들을 식별함으로써); (l) 상기 프로세서에 의해, 시드(seed)들로서 상기 제 2 분리 뼈 마스크의 상기 복수의 라벨링된 분리 바이너리 컴포넌트들을 사용하여 상기 최종 뼈 마스크 내의 영역 성장 동작을 수행하여 라벨링된 최종 뼈 맵을 생성하는 단계(예를 들어, 라벨링된 최종 뼈 맵은 복수의 라벨링된 영역들을 포함하며, 각각의 영역의 전체는 정상 골격 또는 HO에 대응한다); 및 (m) 상기 프로세서에 의해, 상기 라벨링된 최종 뼈 맵의 그래픽적 표현을 렌더링(render)하는 단계(예를 들어, 사용자에게 디스플레이 하기 위하여, 예를 들어, 여기에서 그래픽적 표현은, 예를 들어, 상이한 컬러들을 사용하여 라벨링된 최종 뼈 맵의 상이한 라벨링된 영역들을 시각적으로 구별한다)를 더 포함한다.

특정 실시예들에 있어서, 상기 방법은, (f) 상기 프로세서에 의해, 상기 3D 이미지 내의 분리 라인 복셀들의 세트를 식별하기 위하여 상기 3D 이미지에 하나 이상의 2차 도함수 분리 필터들을 적용하는 단계; (g) 상기 프로세서에 의해, 상기 최종 뼈 마스크로부터 상기 분리 라인 복셀들의 세트에 대응하는 복셀들을 제거하여[예를 들어, 연질 조직을 식별하는 제 2 값(예를 들어, 수치 0; 불 '거짓')으로 그들의 값을 설정함으로써], 제 1 분리 뼈 마스크를 생성하는 단계; (h) 상기 프로세서에 의해, 상기 제 1 분리 뼈 마스크에 거리 변환을 적용함으로써 거리 맵을 결정하는 단계[예를 들어, 여기에서 거리 맵은 복수의 거리 맵 복셀들을 포함하며, 이들의 각각은 제 1 분리 뼈 마스크의 복셀에 대응하고, 복셀로부터 최인접 경계 및/또는 비-뼈 복셀(예를 들어, 0의 값을 갖는 제 1 분리 뼈 마스크의 복셀)까지의 거리를 나타내는 거리 값을 갖는다(예를 들어, 거리 값이 할당된다)]; (i) 상기 프로세서에 의해, 상기 거리 맵 내의 집수 지역(catchment basin)들 및/또는 분기점 라인들의 세트를 식별하기 위하여 상기 거리 맵에 분기점 구분화 동작을 적용하는 단계[예를 들어, 거리 맵이 분기점 라인들에 의해 서로 분리되는 복수의 집수 지역들로 분할되도록; 예를 들어, 여기에서 분기점 구분화 동작은 분기점 라인들(예를 들어, 각각의 분기점 라인은 수치 0 또는 불 '참'과 같은 제 2 값이 할당된 복셀들의 연결된 라인에 대응함)에 의해 서로 분리되는 복수의 집수 지역들(예를 들어, 각각의 집수 지역은 수치 1 또는 불 '참'과 같은 제 1 값이 할당된 복셀들의 연결된 영역에 대응함)을 포함하는 분기점 마스크를 생성한다]; (j) 상기 프로세서에 의해, (A) 상기 제 1 분리 뼈 마스크 및 (B) 단계 (i)로부터의 상기 식별된 집수 지역들 및/또는 분기점 라인들을 사용하여 제 2 분리 뼈 마스크를 생성하는 단계[예를 들어, 제 1 분리 뼈 마스크로부터 분기점 라인들에 대응하는 복셀들을 제거함으로써, 제 2 분리 뼈 마스크를 생성한다; 예를 들어, 제 1 분리 뼈 마스크를 가지고 분기점 마스크를 마스킹함으로써(예를 들어, 분기점 마스크와 제 1 분리 뼈 마스크 사이에 논리적 복셀-바이-복셀 AND 연산을 수행함으로써), 제 2 분리 뼈 마스크를 생성한다]; (k) 상기 프로세서에 의해, 하나 이상의 형태학적 프로세싱 동작들을 통해 상기 제 2 분리 뼈 마스크의 복수의 라벨링된 분리 바이너리 컴포넌트들을 결정하는 단계(예를 들어, 연결된 컴포넌트 라벨링 및/또는 거리 및 분기점 변환들을 사용하여 집수 지역들을 식별함으로써); (l) 상기 프로세서에 의해, 시드들로서 상기 제 2 분리 뼈 마스크의 상기 복수의 라벨링된 분리 바이너리 컴포넌트들을 사용하여 상기 최종 뼈 마스크 내의 영역 성장 동작을 수행하여 라벨링된 최종 뼈 맵을 생성하는 단계(예를 들어, 라벨링된 최종 뼈 맵은 복수의 라벨링된 영역들을 포함하며, 각각의 영역의 전체는 정상 골격 또는 HO에 대응한다); 및 (m) 상기 프로세서에 의해, 상기 라벨링된 최종 뼈 맵의 그래픽적 표현을 렌더링(render)하는 단계(예를 들어, 사용자에게 디스플레이 하기 위하여, 예를 들어, 여기에서 그래픽적 표현은, 예를 들어, 상이한 컬러들을 사용하여 라벨링된 최종 뼈 맵의 상이한 라벨링된 영역들을 시각적으로 구별한다)를 더 포함한다.

특정 실시예들에 있어서, 상기 방법은, (n) 단계 (m) 다음에, 상기 프로세서에 의해, 그래픽 사용자 인터페이스(graphical user interface; GUI)를 통해, 상기 라벨링된 최종 뼈 맵의 복수의 라벨링된 영역들 중 하나 이상의 사용자 선택을 수신하는 단계로서, 상기 사용자 선택은 HO에 대응하는 것으로서 상기 하나 이상의 라벨링된 영역들의 식별에 대응하는, 단계; 및 (o) 상기 프로세서에 의해, 상기 사용자에 의해 선택된 상기 하나 이상의 라벨링된 영역들을 HO에 대응하는 것으로서 라벨링하고, 상기 프로세서에 의해, 나머지 라벨링된 영역들을 정상 골격에 대응하는 것으로서 라벨링하여, 정상 골격에 대응하는 상기 3D 이미지의 영역들과 HO에 대응하는 상기 이미지의 영역들을 구별하는 바이너리 라벨링된 정상 골격 및 HO 맵을 생성하는 단계를 포함한다.

특정 실시예들에 있어서, 상기 방법은, 상기 프로세서에 의해, 상기 바이너리 라벨링된 정상 골격 및 HO 맵을 사용하여 (예를 들어, 진단 목적을 위해; 예를 들어, 치료 효능을 결정하기 위해) 하나 이상의 형태적 측정들을 결정하는 단계를 포함한다.

특정 실시예들에 있어서, 상기 방법은, 상기 프로세서에 의해, HO에 대응하는 것으로서 라벨링된 바이너리 라벨링된 정상 골격 및 HO 맵의 영역들의 총 볼륨을 결정하는 단계를 포함한다.

특정 실시예들에 있어서, 하나 이상의 2차 도함수 분리 필터들은, LoG(Laplacian of Gaussian), HEH(highest Hessian eigenvalue, with preliminary Gaussian filtering), 및 LEH(lowest Hessian eigenvalue, with preliminary Gaussian filtering)로 구성된 그룹으로부터 선택된 적어도 하나의 멤버를 포함한다.

특정 실시예들에 있어서, 상기 하나 이상의 2차 도함수 분리 필터들을 적용하는 단계는 복수의 2차 도함수 분리 필터들을 적용하는 단계를 포함하며, 복수의 2차 도함수 분리 필터들을 적용하는 단계는, 적용되는 각각의 2차 도함수 분리 필터에 대하여, 필터링된 이미지를 생성하는 단계 및 임계 값(예를 들어, 미리 결정된 임계 값)보다 더 높거나 또는 더 낮은 강도를 갖는 상기 필터링된 이미지의 복셀들을 분리 라인 복셀들로서 식별하는 단계를 포함한다.

특정 실시예들에 있어서, 상기 방법은, 상기 하나 이상의 2차 도함수 분리 필터들을 적용하기 이전에, 상기 프로세서에 의해, 상기 3D 이미지의 가우시안 필터링된 버전을 생성하기 위하여 상기 3D 이미지에 대하여 가우시안 필터링 동작을 수행하는 단계; 및 상기 프로세서에 의해, 상기 3D 이미지의 상기 가우시안 필터링된 버전에 상기 하나 이상의 2차 도함수 분리 필터들을 적용하는 단계를 포함한다.

특정 실시예들에 있어서, 상기 대상체의 상기 3D 이미지는 CT 이미지(예를 들어, 마이크로CT 이미지)이며, 상기 방법은, CT 이미지(예를 들어, 마이크로CT 이미지)를 획득하는 단계를 포함한다.

다른 측면에 있어서, 본 발명은 대상체의 3D 이미지(예를 들어, 대상체의 해부학적 이미지)에서 이소성 골화증(HO)의 자동화된 검출을 위한 시스템에 관한 것으로서, 상기 시스템은, 프로세서; 및 저장된 명령어들을 갖는 메모리를 포함하며, 상기 명령어들은 상기 프로세서에 의해 실행될 때 상기 프로세서로 하여금, (a)대상체의 3D 이미지를 수신하고[예를 들어, 여기에서 이미지는 해부학적 이미지(예를 들어, CT 이미지, 예를 들어, 마이크로CT 이미지이다)]; (b) 뼈의 그래픽적 표현을 포함하는 이미지 내의 관심이 있는 초기 영역을 식별하는 초기 뼈 마스크를 생성하기 위하여 수신된 3D 이미지에 전역 임계화 동작을 적용하며[예를 들어, 여기에서, 초기 뼈 마스크는 복수의 복셀들을 포함하는 바이너리 마스크이며, 각각의 초기 뼈 마스크 복셀은 수신된 3D 이미지의 복셀에 대응하고, 여기에서 뼈(예를 들어, 전역 임계화 동작에 의해 처음에 평가되는 바와 같은 정상 골격 및 HO를 포함함)에 대응하는 것으로서 식별된 초기 뼈 마스크 복셀들에는 제 1 값(예를 들어 수치 1; 예를 들어, 불 '참')이 할당되며, 비-뼈 조직에 대응하는 것으로서 식별된 복셀들에는 제 2 값(예를 들어, 수치 0; 불 '거짓')이 할당된다)]; (c) 상기 초기 뼈 마스크에 의해 식별된 상기 이미지의 관심이 있는 상기 초기 영역에 적용되는 3D 에지 검출 동작을 사용하여 경계 값 맵을 결정하되, 상기 경계 값 맵은 뼈가 연질 조직과 만나는 경계들에 대응하는 3D 이미지의 복셀들의 강도 값들을 식별하고 포함하며[예를 들어, 여기에서 경계 값 맵은 복수의 복셀들을 포함하며, 그 각각은 관심이 있는 영역 내의 3D 이미지의 복셀에 대응하고, 여기에서 뼈가 연질 조직과 만나는 경계들에 대응하는 것으로서 식별된 경계 값 맵 복셀들에는 3D 이미지의 대응하는 복셀의 강도 값이 할당되며, 모든 다른 경계 값 맵 복셀들에는 널(null) 값(예를 들어, 수치 0)이 할당된다]; (d) 상기 초기 뼈 마스크 및 상기 경계 값 맵을 사용하여 뼈 임계 맵을 결정하되, 상기 뼈 임계 맵은, 상기 초기 뼈 마스크의 각각의 복셀에 대하여, 상기 초기 뼈 마스크 내의 복셀들에 대해 상기 경계 값 맵의 값들을 외삽함으로써 결정되는 임계 값을 포함하며[예를 들어, 여기에서 뼈 임계 맵은 복수의 복셀들을 포함하며, 그 각각은 초기 뼈 마스크에 의해 식별된 관심이 있는 상기 초기 영역 내의 복셀에 대응하고, 여기에서 각각의 뼈 임계 맵 복셀에는 그 복셀에 대하여 결정된 임계 값이 할당된다]; 및 (e) 상기 수신된 3D 이미지 및 상기 뼈 임계 맵을 사용하여 최종 뼈 마스크(예를 들어, 정상 골격 및 HO를 포함함)를 결정하게끔 한다[예를 들어, 뼈(예를 들어, 정상 골격 및 HO를 포함함)에 대응하는 것으로서 뼈 임계 맵의 대응하는 복셀의 값 이상의 강도들을 갖는 관심이 있는 초기 영역의 복셀들을 식별함으로써; 예를 들어, 여기에서 뼈 및 HO 마스크는 복수의 복셀들을 포함하며, 그 각각은 관심이 있는 초기 영역 내의 3D 이미지의 복셀에 대응하고, 여기에서, 3D 이미지의 각각의 복셀에 대하여, 최종 뼈 마스크의 대응하는 복셀은, 3D 이미지 복셀의 강도가 대응하는 뼈 임계 맵 복셀의 로컬 임계 값 이상인 경우에 뼈로서 식별되고 제 1 값(예를 들어, 수치 1; 예를 들어, 불 '참')이 할당되며, 모든 다른 복셀들에는 제 2 값(예를 들어, 수치 0; 예를 들어, 불 '거짓')이 할당된다].

특정 실시예들에 있어서, 단계 (b)에서, 상기 명령어들은 상기 프로세서로 하여금, 상기 3D 이미지의 복셀들의 강도들을 사용하여 전역 임계 값을 결정하게끔 한다[예를 들어, 3D 이미지의 복셀들의 강도들의 분포를 나타내는 히스토그램을 사용하여].

특정 실시예들에 있어서, 상기 명령어들은 상기 프로세서로 하여금 상기 초기 뼈 마스크가 상기 3D 이미지 내의 뼈를 과도하게 나타내도록 상기 전역 임계 값을 결정하게끔 한다(예를 들어, 초기 뼈 마스크는 정상 골격 및 HO를 둘러싸는 3D 이미지 내의 모든 부분들을 식별하고, 상기 부분들은 또한 3D 이미지 내의 일부 비-뼈 조직(예를 들어, 연질 조직)을 둘러싼다(예를 들어, 초기 뼈 마스크는 모든 뼈 및 HO가 식별된다는 것을 보장하기 위하여 과도하게-포괄적이다)).

특정 실시예들에 있어서, 상기 명령어들은 상기 프로세서로 하여금, (f) 상기 초기 뼈 마스크에 대해 거리 변환을 적용함으로써 거리 맵을 결정하고[예를 들어, 여기에서 거리 맵은 복수의 거리 맵 복셀들을 포함하고, 그 각각은 최종 뼈 마스크의 복셀에 대응하며, 복셀로부터 최인접 경계 및/또는 비-뼈 복셀(예를 들어, 0의 값을 갖는 최종 뼈 마스크의 복셀)까지의 거리를 나타내는 거리 값을 갖는다(예를 들어, 거리 값이 할당된다)]; (g) 상기 거리 맵 내의 집수 지역들 및/또는 분기점 라인들의 세트를 식별하기 위하여 상기 거리 맵에 분기점 구분화 동작을 적용하며[예를 들어, 거리 맵이 분기점 라인들에 의해 서로 분리되는 복수의 집수 지역들로 분할되도록; 예를 들어, 여기에서 분기점 구분화 동작은 분기점 라인들(예를 들어, 각각의 분기점 라인은 수치 0 또는 불 '참'과 같은 제 2 값이 할당된 복셀들의 연결된 라인에 대응함)에 의해 서로 분리되는 복수의 집수 지역들(예를 들어, 각각의 집수 지역은 수치 1 또는 불 '참'과 같은 제 1 값이 할당된 복셀들의 연결된 영역에 대응함)을 포함하는 분기점 마스크를 생성한다]; (h) 상기 최종 뼈 마스크 및 단계 (g)로부터의 상기 식별된 집수 지역들 및/또는 분기점 라인들을 사용하여 제 1 분리 뼈 마스크를 생성하고[예를 들어, 최종 뼈 마스크로부터 분기점 라인들에 대응하는 복셀들을 제거함으로써, 제 1 분리 뼈 마스크를 생성한다; 예를 들어, 최종 뼈 마스크를 가지고 분기점 마스크를 마스킹함으로써(예를 들어, 분기점 마스크와 최종 뼈 마스크 사이에 논리적 복셀-바이-복셀 AND 연산을 수행함으로써), 제 1 분리 뼈 마스크를 생성한다]; (i) 상기 3D 이미지 내의 분리 라인의 세트를 식별하기 위하여 상기3D 이미지에 하나 이상의 2차 도함수 분리 필터들을 적용하며; (j) 상기 제 1 분리 뼈 마스크로부터 상기 분리 라인 복셀들의 세트에 대응하는 복셀들을 제거하여[예를 들어, 연질 조직을 식별하는 제 2 값(예를 들어, 수치 0; 예를 들어, 불 '거짓')으로 그들의 값을 설정함으로써], 제 2 분리 뼈 마스크를 생성하고; (k) 하나 이상의 형태학적 프로세싱 동작들을 통해 상기 제 2 분리 뼈 마스크의 복수의 라벨링된 분리 바이너리 컴포넌트들을 결정하며(예를 들어, 연결된 컴포넌트 라벨링 및/또는 거리 및 분기점 변환들을 사용하여 집수 지역들을 식별함으로써); (l) 시드들로서 상기 제 2 분리 뼈 마스크의 상기 복수의 라벨링된 분리 바이너리 컴포넌트들을 사용하여 상기 최종 뼈 마스크 내의 영역 성장 동작을 수행하여 라벨링된 최종 뼈 맵을 생성하고(예를 들어, 라벨링된 최종 뼈 맵은 복수의 라벨링된 영역들을 포함하며, 각각의 영역의 전체는 정상 골격 또는 HO에 대응한다); 및 (m) 상기 라벨링된 최종 뼈 맵의 그래픽적 표현을 렌더링하게끔 한다(예를 들어, 사용자에게 디스플레이 하기 위하여, 예를 들어, 여기에서 그래픽적 표현은, 예를 들어, 상이한 컬러들을 사용하여 라벨링된 최종 뼈 맵의 상이한 라벨링된 영역들을 시각적으로 구별한다).

특정 실시예들에 있어서, 상기 명령어들은 상기 프로세서로 하여금, (f) 상기 3D 이미지 내의 분리 라인 복셀들의 세트를 식별하기 위하여 상기 3D 이미지에 하나 이상의 2차 도함수 분리 필터들을 적용하고; (g) 상기 최종 뼈 마스크로부터 상기 분리 라인 복셀들의 세트에 대응하는 복셀들을 제거하여[예를 들어, 연질 조직을 식별하는 제 2 값(예를 들어, 수치 0; 불 '거짓')으로 그들의 값을 설정함으로써], 제 1 분리 뼈 마스크를 생성하며; (h) 상기 제 1 분리 뼈 마스크에 거리 변환을 적용함으로써 거리 맵을 결정하고[예를 들어, 여기에서 거리 맵은 복수의 거리 맵 복셀들을 포함하며, 이들의 각각은 제 1 분리 뼈 마스크의 복셀에 대응하고, 복셀로부터 최인접 경계 및/또는 비-뼈 복셀(예를 들어, 0의 값을 갖는 제 1 분리 뼈 마스크의 복셀)까지의 거리를 나타내는 거리 값을 갖는다(예를 들어, 거리 값이 할당된다)]; (i) 상기 거리 맵 내의 집수 지역들 및/또는 분기점 라인들의 세트를 식별하기 위하여 상기 거리 맵에 분기점 구분화 동작을 적용하며[예를 들어, 거리 맵이 분기점 라인들에 의해 서로 분리되는 복수의 집수 지역들로 분할되도록; 예를 들어, 여기에서 분기점 구분화 동작은 분기점 라인들(예를 들어, 각각의 분기점 라인은 수치 0 또는 불 '참'과 같은 제 2 값이 할당된 복셀들의 연결된 라인에 대응함)에 의해 서로 분리되는 복수의 집수 지역들(예를 들어, 각각의 집수 지역은 수치 1 또는 불 '참'과 같은 제 1 값이 할당된 복셀들의 연결된 영역에 대응함)을 포함하는 분기점 마스크를 생성한다]; (i) (A) 상기 제 1 분리 뼈 마스크 및 (B) 단계 (i)로부터의 상기 식별된 집수 지역들 및/또는 분기점 라인들을 사용하여 제 2 분리 뼈 마스크를 생성하고[예를 들어, 제 1 분리 뼈 마스크로부터 분기점 라인들에 대응하는 복셀들을 제거함으로써, 제 2 분리 뼈 마스크를 생성한다; 예를 들어, 제 1 분리 뼈 마스크를 가지고 분기점 마스크를 마스킹함으로써(예를 들어, 분기점 마스크와 제 1 분리 뼈 마스크 사이에 논리적 복셀-바이-복셀 AND 연산을 수행함으로써), 제 2 분리 뼈 마스크를 생성한다]; (k) 하나 이상의 형태학적 프로세싱 동작들을 통해 상기 제 2 분리 뼈 마스크의 복수의 라벨링된 분리 바이너리 컴포넌트들을 결정하며(예를 들어, 연결된 컴포넌트 라벨링 및/또는 거리 및 분기점 변환들을 사용하여 집수 지역들을 식별함으로써); (l) 시드들로서 상기 제 2 분리 뼈 마스크의 상기 복수의 라벨링된 분리 바이너리 컴포넌트들을 사용하여 상기 최종 뼈 마스크 내의 영역 성장 동작을 수행하여 라벨링된 최종 뼈 맵을 생성하고(예를 들어, 라벨링된 최종 뼈 맵은 복수의 라벨링된 영역들을 포함하며, 각각의 영역의 전체는 정상 골격 또는 HO에 대응한다); 및 (m) 상기 라벨링된 최종 뼈 맵의 그래픽적 표현을 렌더링하게끔 한다(예를 들어, 사용자에게 디스플레이 하기 위하여, 예를 들어, 여기에서 그래픽적 표현은, 예를 들어, 상이한 컬러들을 사용하여 라벨링된 최종 뼈 맵의 상이한 라벨링된 영역들을 시각적으로 구별한다).

특정 실시예들에 있어서, 상기 명령어들은 상기 프로세서로 하여금, (n) 단계 (m) 다음에, 그래픽 사용자 인터페이스(GUI)를 통해, 상기 라벨링된 최종 뼈 맵의 복수의 라벨링된 영역들 중 하나 이상의 사용자 선택을 수신하되, 상기 사용자 선택은 HO에 대응하는 것으로서 상기 하나 이상의 라벨링된 영역들의 식별에 대응하며; 및 (o) 상기 사용자에 의해 선택된 상기 하나 이상의 라벨링된 영역들을 HO에 대응하는 것으로서 라벨링하고, 나머지 라벨링된 영역들을 정상 골격에 대응하는 것으로서 라벨링하여, 정상 골격에 대응하는 상기 3D 이미지의 영역들과 HO에 대응하는 상기 이미지의 영역들을 구별하는 바이너리 라벨링된 정상 골격 및 HO 맵을 생성하게끔 한다.

특정 실시예들에 있어서, 상기 명령어들은 상기 프로세서로 하여금, 상기 바이너리 라벨링된 정상 골격 및 HO 맵을 사용하여 (예를 들어, 진단 목적을 위해; 예를 들어, 치료 효능을 결정하기 위해) 하나 이상의 형태적 측정들을 결정하게끔 한다.

특정 실시예들에 있어서, 상기 명령어들은 상기 프로세서로 하여금, HO에 대응하는 것으로서 라벨링된 바이너리 라벨링된 정상 골격 및 HO 맵의 영역들의 총 볼륨을 결정하게끔 한다.

특정 실시예들에 있어서, 상기 명령어들은 상기 프로세서로 하여금, 상기 하나 이상의 2차 도함수 분리 필터들을 적용하기 이전에, 상기 3D 이미지의 가우시안 필터링된 버전을 생성하기 위하여 상기 3D 이미지에 대하여 가우시안 필터링 동작을 수행하고; 및 상기 3D 이미지의 상기 가우시안 필터링된 버전에 상기 하나 이상의 2차 도함수 분리 필터들을 적용하게끔 한다.

특정 실시예들에 있어서, 상기 대상체의 상기 3D 이미지는 CT 이미지(예를 들어, 마이크로CT 이미지)이다.

특정 실시예들에 있어서, 상기 시스템은 대상체의 3D 이미지를 획득하기 위한 CT 스캐너(예를 들어, 마이크로CT 스캐너)를 포함하며, 명령어들은 상기 프로세서로 하여금 상기 CT 스캐너를 사용하여 상기 대상체의 상기 3D 이미지를 획득하게끔 한다.

본 개시의 이상의 그리고 다른 목표들, 측면들, 특징들, 이점들은 첨부된 도면들과 함께 취해지는 다음의 설명을 참조함으로써 더 명백해지고 양호하게 이해될 것이다.
도 1은 정상 골격 및 이소성 골화증(HO)을 예시하는 쥐의 뒷다리들의 그레이 스케일 마이크로CT 이미지이다.
도 2는 예시적인 실시예에 따른 정상 골격 및 HO를 검출하고 구분화하기 위한 프로세스를 도시하는 블록도이다.
도 3a는 예시적인 실시예에 따른 본원에서 설명되는 접근 방식들을 사용하여 결정된 초기 뼈 마스크의 표현을 도시하는 이미지이다.
도 3b는 예시적인 실시예에 따른 본원에서 설명되는 접근 방식들을 사용하여 결정되는 경계 값 맵의 표현을 도시하는 이미지이다.
도 3c는 예시적인 실시예에 따른 본원에서 설명되는 접근 방식들을 사용하여 결정되는 뼈 임계 맵의 표현을 도시하는 이미지이다.
도 3d는 예시적인 실시예에 따른 본원에서 설명되는 접근 방식들을 사용하여 결정되는 최종 뼈 마스크의 표현을 도시하는 이미지이다.
도 4는 예시적인 실시예에 따른 본원에서 설명되는 접근 방식들을 사용하여 결정되는 거리 맵의 표현을 도시하는 이미지이다.
도 5는 예시적인 실시예에 따른 본원에서 설명되는 접근 방식들을 사용하여 결정되는 제 1 분리 뼈 마스크 의 표현을 도시하는 이미지이다.
도 6은 예시적인 실시예에 따른 본원에서 설명되는 접근 방식들을 사용하여 결정되는 제 2 분리 뼈 마스크의 복수의 라벨링된 분리 바이너리(binary) 컴포넌트들의 표현을 도시하는 이미지이다.
도 7은 예시적인 실시예에 따른 본원에서 설명되는 접근 방식들을 사용하여 결정되는 라벨링된 최종 뼈 맵의 표현을 도시하는 이미지이다.
도 8은 예시적인 실시예에 따른 정상 골격 및 HO를 검출하고 구분화하기 위한 프로세스를 도시하는 블록도이다.
도 9는 예시적인 실시예에 따른 본원에서 설명되는 접근 방식들을 사용하여 결정되는 라벨링된 최종 뼈 맵의 표현을 도시하는 이미지이다.
도 10은 특정 실시예들에서 사용되는 예시적인 클라우드 컴퓨팅 환경의 블록도이다.
도 11은 특정 실시예들에서 사용되는 예시적인 컴퓨팅 디바이스 및 예시적인 모바일 컴퓨팅 디바이스의 블록도이다.
본 개시의 특징들 및 이점들은, 전체에 걸쳐 유사한 참조 문자들이 대응하는 엘리먼트들을 식별하는 도면들과 함께 취해질 때 이하에서 기술되는 상세한 설명으로부터 더 명백해 질 것이다. 도면들에서, 유사한 참조 번호들은 일반적으로 동일하거나, 기능적으로 유사하거나, 및/또는 구조적으로 유사한 엘리먼트들을 나타낸다.

정의들

본 출원에 있어서, "또는"의 사용은 달리 언급되지 않는 한 "및/또는"을 의미한다. 본원에서 사용될 때, 용어 "포함한다" 및 "포함하는" 및 "포함한"과 같은 이러한 용어의 변형어들은 다른 첨가물들, 컴포넌트들, 정수들 또는 단계들을 배제하도록 의도되지 않는다. 본원에서 사용될 때, 용어 "약" 및 "대략"은 동의어로서 사용된다. 약/대략과 함께 또는 약/대략 없이 본원에서 사용되는 임의의 수들은 당업자에 의해 이해되는 임의의 정상적인 변동들을 포괄하도록 의도된다. 특정 실시예들에 있어서, 용어 "대략" 또는 "약"은, (이러한 수가 가능한 값의 100%를 초과하는 경우는 제외하고는) 달리 언급되지 않는 한 또는 달리 문맥으로부터 명확하지 않은 한, 언급된 기준 값의 각각의 방향에서 25%, 20%, 19%, 18%, 17%, 16%, 15%, 14%, 13%, 12%, 11%, 10%, 9%, 8%, 7%, 6%, 5%, 4%, 3%, 2%, 1%, 또는 더 작은 것 내에 속하는 값들의 범위를 지칭한다.

이미지: 본원에서 사용될 때, 예를 들어, 포유류의 3차원 이미지에서와 같은 용어 "이미지"는, 사진, 비디오 프레임, 스트리밍 비디오뿐만 아니라 임의의 전자, 디지털, 또는 수학적 아날로그의 사진, 비디오 프레임, 또는 스트리밍 비디오와 같은 임의의 시각적 표현을 포함한다. 본원에서 설명되는 임의의 장치는, 특정 실시예들에 있어서, 프로세서에 의해 생성되는 이미지 또는 임의의 다른 결과를 디스플레이하기 위한 디스플레이를 포함한다. 본원에서 설명되는 임의의 방법은, 특정 실시예들에 있어서, 방법에 의해 생성된 이미지 또는 임의의 다른 결과를 디스플레이하는 단계를 포함한다.

3D, 3차원: 본원에서 사용될 때, "이미지"와 관련하여 "3D" 또는 "3차원"은 3개의 공간 차원들을 갖는 정보를 전달하는 것을 의미한다. 3D 이미지는 3 차원의 데이터세트로서 렌더링될 수 있거나 및/또는 2차원 표현들의 세트로서 또는 3차원 표현으로서 디스플레이될 수 있다. 특정 실시예들에 있어서, 3-D 이미지는 복셀(예를 들어, 체적 픽셀(volumetric pixel)) 데이터로서 표현된다.

다양한 의료용 이미징 디바이스들 및 다른 3-D 이미징 디바이스들(예를 들어, 컴퓨터 단층촬영 스캐너(CT 스캐너), 마이크로CT 스캐너 등)은 분석을 위하여 복셀들을 포함하는 3-D 이미지들을 출력하거나 또는 달리 3-D 이미지들로 변환되는 그들을 출력을 갖는다. 특정 실시예들에 있어서, 복셀은 3-D 이미지(예를 들어, 3-D 어레이) 내의 고유 좌표에 대응한다. 특정 실시예들에 있어서, 각각의 복셀은 충전(fill)된 상태 또는 충전되지 않은 상태(예를 들어, 바이너리 온 또는 오프) 중 하나로 존재한다.

마스크: 본원에서 사용될 때, "마스크"는 2D 또는 3D 영역을 식별하는 그래픽 패턴이며, 다른 그래픽 패턴 또는 이미지의 부분들의 제어 또는 유지를 제어하기 위하여 사용된다. 특정 실시예들에 있어서, 마스크는 바이너리 2-D 또는 3-D 이미지로서 표현되며, 여기에서 2-D 이미지의 각각의 픽셀 또는 3-D 이미지의 각각 복셀에는 값들의 바이너리 세트의 2개의 값들 중 하나가 할당된다(예를 들어, 각각의 픽셀 또는 복셀에는 1 또는 0이 할당될 수 있으며, 예를 들어, 각각의 픽셀 또는 복셀에는 불 "참" 또는 "거짓" 값이 할당될 수 있다).

2차 도함수 분리 필터: 본원에서 사용될 때, "2차 도함수 분리 필터"를 적용하는 것은, 복수의 복셀들의 각각에서, 3D 이미지, 예를 들어, 그레이-스케일 3D 이미지의 강도의 2차 도함수들(또는 그것의 근사들)에 기초하는 이미지 프로세싱 동작이다. 일부 실시예들에 있어서, 분리 필터는, 가우시안의 라플라시안(Laplacian of Gaussian; LoG), 예비 가우시안 필터링을 갖는 최고 헤시안 고유값(highest Hessian eigenvalue with preliminary Gaussian filtering; HEH), 및 예비 가우시안 필터링을 갖는 최저 헤시안 고유값(lowest Hessian eigenvalue with preliminary Gaussian filtering; LEH)으로부터 선택된 가우시안 2차 도함수 필터들로부터 도출된다.

분리-라인 복셀들: 본원에서 사용될 때, 용어들 "분리-라인 복셀들"은, 특정 마스크로부터 복셀들을 식별하고 제거하여 특정 마스크를 분리하기 위해 사용되는 마스크 및/또는 주어진 이미지의 복셀들을 지칭한다.

시드: 본원에서 사용될 때, 용어 "시드"는, 특정 중지 기준이 충족될 때까지 시드의 크기를 확장하는 성장 동작에 대한 초기 시작 영역으로서 사용되는 복셀들의 세트(예를 들어, 복셀들의 연결된 세트)를 지칭한다. 특정 실시예들에 있어서, 성장 동작은 그것의 이웃하는 복셀들에 반복적으로 부가함으로써 시드의 크기를 확장한다.

라벨: 본원에서 사용될 때, 용어 "라벨"은, 이미지의 특정 영역에 링크된 식별자(예를 들어, 텍스트 값, 수치 값, 불 값, 및 유사한 것과 같은 식별자의 컴퓨터 표현)를 지칭한다.

대상체: 본원에서 사용될 때, 용어 "대상체"는 이미징되는 개체를 지칭한다. 특정 실시예들에 있어서, 대상체는 사람이다. 특정 실시예들에 있어서, 대상체는 소형 동물이다.

소형 동물: 본원에서 사용될 때, "소형 동물"은 마이크로CT 및/또는 마이크로-MR 이미저로 이미징될 수 있는 소형 포유류들을 지칭한다. 일부 실시예들에 있어서, "소형 동물"은 생쥐들, 시궁쥐들, 들쥐들, 토끼들, 햄스터들, 및 유사한 크기의 동물들을 지칭한다.

뼈, 뼈 조직: 본원에서 사용될 때, 용어 "뼈" 및 "뼈 조직"은 임의의 골성 조직을 지칭하며, 정상골격 및 이소성 골화증(HO) 둘 모두를 포함한다.

링크: 본원에서 사용될 때, 제 1 데이터 구조체 또는 데이터 엘리먼트가 제 2 데이터 구조체 또는 데이터 엘리먼트에 링크된다에서와 같은 용어들 "링크" 및 "링크된"은 전자적으로(예를 들어, 컴퓨터 메모리 내에) 저장된 2개의 데이터 구조체들 또는 데이터 엘리먼트들 사이의 연관의 컴퓨터 표현을 지칭한다.

제공한다: 본원에서 사용될 때, "데이터를 제공하는 것"에서와 같은 용어 "제공한다"는 상이한 소프트웨어 애플리케이션들, 모듈들, 시스템들, 및/또는 데이터베이스들 사이에서 데이터를 전달하기 위한 프로세스를 지칭한다. 특정 실시예들에 있어서, 데이터를 제공하는 것은, 동일한 소프트웨어 애플리케이션의 상이한 모듈들 사이에서 또는 소프트웨어 애플리케이션들 사이에서 데이터를 전송하기 위한 프로세스에 의한 명령어들의 실행을 포함한다. 특정 실시예들에 있어서, 소프트웨어 애플리케이션은 다른 애플리케이션에 데이터를 파일 형태로 제공할 수 있다. 특정 실시예들에 있어서, 애플리케이션은 동일한 프로세서 상의 다른 애플리케이션에 데이터를 제공할 수 있다. 특정 실시예들에 있어서, 표준 프로토콜은 상이한 자원들 상의 애플리케이션들에 데이터를 제공하기 위해 사용될 수 있다. 특정 실시예들에 있어서, 소프트웨어 애플리케이션 내의 모듈은 그 모듈로 인수(argument)들을 전달함으로써 다른 모듈에 데이터를 제공할 수 있다.

청구된 발명의 시스템들, 아키텍처들, 디바이스들, 방법들 및 프로세스들은 본원에서 설명되는 실시예들로부터의 정보를 사용하여 개발되는 변형예들 및 적응예들을 포괄하는 것으로서 고려된다. 본원에서 설명되는 시스템들, 아키텍처들, 디바이스들, 방법들 및 프로세스들의 적응 및/또는 수정은 본 설명에 의해 고려되는 바와 같이 수행될 수 있다.

물품들, 디바이스들, 시스템들 및 아키텍처들은 특정 컴포넌트들을 갖거나, 포함하거나, 또는 이들로 구성되는 것으로서 설명되거나, 또는, 프로세스들 또는 방법들이 특정 단계들을 갖거나, 포함하거나 또는 이들로 구성되는 것으로서 설명되는, 본 설명의 전체에 걸쳐, 추가적으로, 나열된 컴포넌트들로 구성되거나 또는 본질적으로 구성되는 본 발명의 물품들, 디바이스들, 시스템들, 및 아키텍처들이 존재하고, 나열된 프로세싱 단계들로 구성되거나 또는 본질적으로 구성되는 본 발명에 따른 프로세스들 및 방법들이 존재한다는 것이 고려된다.

단계들의 순서 또는 특정 액션을 수행하기 위한 순서는 본 발명이 동작가능하게 남아 있는 한 중요하지 않다는 것이 이해되어야만 한다. 또한, 2개 이상의 단계들 또는 액션들이 동시에 수행될 수도 있다.

본원에서, 예를 들어, 배경 기술 섹션에서의 임의의 간행물의 언급은, 본원에서 제공되는 청구항들 중 임의의 청구항에 대한 선행 기술로서 간행물이 역할한다는 것을 인정하는 것은 아니다. 배경 기술 섹션은 명료성의 목적들의 위해 제공되며, 임의의 청구항에 대한 종래 기술의 설명으로서 의도되지 않는다.

언급된 바와 같이 문헌들은 본원에 참조로서 포함된다. 특정 용어의 의미에서 임의의 차이가 존재하는 경우, 이상의 정의 섹션에서 제공된 의미가 제어한다.

표제들은 독자의 편의성을 위하여 제공되며 - 표제의 존재 및/또는 배치는 본원에서 설명되는 주제의 범위를 제한하도록 의도되지 않는다.

3D 이미지들 내의 HO의 그래픽적 표현의 검출 및 구분화를 위한 시스템들 및 방법들이 본원에서 설명된다. 특정 실시예들에 있어서, 본원에서 설명되는 시스템들 및 방법들은, 대상체의 3D 이미지를 수신하고, 특히 정상 골격뿐만 아니라 HO를 포함하는 뼈의 그래픽적 표현들에 대응하는 3D 이미지의 영역들을 식별하기 위한 이미지 프로세싱 동작들의 조합을 사용하는 툴을 제공한다. 특정 실시예들에 있어서, 3D 이미지의 정상 골격 및 HO 영역들을 식별하는 최종 뼈 마스크가 결정된다.

특정 실시예들에 있어서, 일단 정상 골격 및 HO가 검출되면, 본원에서 설명되는 시스템들 및 방법들은 정상 골격에 대응하는 영역들로부터 HO 영역들의 분리를 가능하게 한다. 특히, 특정 실시예들에 있어서, 본원에서 설명되는 시스템들 및 방법들은, 자동화된 방식으로 복수의 이산적이고 구별가능한 라벨링된 영역들을 포함하는 라벨링된 최종 뼈 맵을 결정한다. 최종 뼈 맵의 각각의 라벨링된 영역은, 그 전체적으로, 정상 골격 또는 HO 중 하나에 대응한다. 따라서, 특정 실시예들에 있어서, 시스템들 및 방법들은, 그 이후에 수동으로 또는 자동으로 HO 또는 정상 골격으로서 분류될 수 있는 대상체의 3D 이미지(예를 들어, CT 또는 마이크로CT)의 이산적이고 구별가능한 영역들을 식별한다.

도 2는 정상 골격 및 HO를 검출하고 구분화하기 위한 예시적인 프로세스(200)를 도시한다. 프로세스(200)는, 3D 마이크로CT 이미지와 같은 대상체의 3D 이미지를 수신함으로써 시작한다(205). 특정 실시예들에 있어서, 3D 마이크로CT 이미지는 복수의 복셀들을 포함하며, 이들의 각각은 이미징된 대상체의 영역 내의 특정 3D 볼륨을 나타낸다. 3D 이미지의 각각의 복셀은, 3D 이미지를 획득하기 위하여 사용되는 특정 이미징 기법을 통해 검출되는 바와 같은 대비의 측정치를 제공하는 강도 값을 갖는다. 예를 들어, 3D 마이크로CT 이미지들의 복셀 강도들은 하운스필드(Hounsfield) 단위 값들을 사용하여 표현될 수 있으며, 이는, X-레이들이 마이크로CT 검출기의 X-레이 검출기에 의해 검출되기 이전에 대상체의 다양한 영역들을 통과할 때 X-레이들이 경험하는 감쇠의 측정치를 제공한다.

특정 실시예들에 있어서, 이미징되는 대상체의 영역은, 연질 조직과 함께, 정상 골격 및 HO 둘 모두를 포함하는 뼈로 형성된 다양한 구조체들을 포함한다. 따라서, 수신된 3D 이미지는 연질 조직과 함께, 정상 골격 및 HO를 포함하는 뼈의 그래픽적 표현들을 포함한다. HO를 나타내는 쥐 모델의 뒷다리들의 마이크로CT 이미지의 일 예가 도 1에 도시된다. 도면에서, 어두운 그레이 영역들은 뼈의 그래픽적 표현들에 대응한다. (예를 들어, 이미지 상에 사용자가 수동으로 그리는 것을 통해) 수동으로 식별된 HO의 특정 영역들이 표시된다. 이미지 내의 다른 뼈는 정상 골격에 대응한다.

특정 실시예들에 있어서, 프로세스(200)는 2개의 페이즈(phase)들을 포함한다. 제 1 페이즈에서, 정상 골격 및 HO를 포함하는 뼈의 그래픽적 표현에 대응하는 이미지의 영역들이 식별된다. 특정 실시예들에 있어서, 3D 이미지의 정상 골격 및 HO 영역들을 식별하는 최종 뼈 마스크(230)가 제 1 페이즈의 결과이다. 특정 실시예들에 있어서, 제 2 페이즈에서, 최종 뼈 마스크는 복수의 이산적이고 구별가능한 라벨링된 영역들을 포함하는 라벨링된 최종 뼈 맵(270)을 결정하기 위하여 구분화된다. 최종 뼈 맵의 각각의 라벨링된 영역의 전체가 정상 골격 또는 HO 중 하나에 대응한다. 따라서, 최종 뼈 맵의 각각의 라벨링된 영역은 (i) 정상 골격의 영역 또는 (ii) HO의 영역 중 하나에 대응한다.

본원에서 설명되는 시스템들 및 방법들을 통해 결정되는 라벨링된 최종 뼈 맵은 정상 골격 또는 HO 중 하나에 대응하는 이미지 영역들 사이의 빠르고 일관적인 구별을 용이하게 한다.

A. 3D 이미지에서의 이소성 골화증(HO)의 검출

특정 실시예들에 있어서, 최종 뼈 마스크(230)를 결정하기 위하여 3D 이미지에서의 HO의 검출은 하이브리드 임계화 접근 방식을 사용하는 것을 포함한다. 하이브리드 임계화 접근 방식은, 별개로 사용될 때 각각의 기술이 HO를 정확하고 효율적으로 검출하는 것을 방해하는 한계들을 극복하기 위하여 전역 및 로컬 임계화 기술들의 유용한 특징들을 결합한다.

특정 실시예들에 있어서, HO의 강건한 검출은 HO와 정상 골격 사이의 구조적 차이들에 기인하여 도전이 된다. 예를 들어, HO는 전형적으로 정상 골격보다 더 많이 단편화된 구조를 가지며, 이는 일반적으로 뼈 조직의 크고 연속적으로 연결된 영역들에 대응한다. 결과적으로, HO를 포함하는 3D 볼륨들을 나타내는 이미지 복셀들은 일반적으로 정상 골격을 포함하는 3D 볼륨들을 나타내는 이미지 복셀들보다 더 낮은 강도들을 갖는다.

이러한 효과들은 전형적으로 부분 용적 효과들로 지칭된다. 즉, HO의 영역들에 대응하는 주어진 3D 볼륨은 전형적으로 뼈 조직 및 연질 조직의 조합을 포함할 것이며, 반면 정상 골격에 대응하는 3D 볼륨은 보통 거의 전체적으로 뼈 조직을 포함할 것이다. 따라서, HO를 나타내는 이미지 복셀들은, 이들이 나타내는 3D 영역 내의 뼈 조직과 연질 조직의 양 사이의 평균(예를 들어, 볼륨 평균)을 나타내는 강도를 가질 수 있다. 따라서, HO의 영역들을 나타내는 이미지 복셀들과 연질 조직을 나타내는 이미지 복셀들을 구별하는 것은, 정상 골격을 나타내는 이미지 복셀들과 연질 조직을 나타내는 이미지 복셀들을 구별하는 것보다 더 어렵다.

흔히 정상 골격에 대응하는 이미지의 영역들을 식별하기 위해 사용되는 전역 임계화 동작들은 HO에 대응하는 영역들을 정확하고 강건하게 식별할 수 없다. 전역 임계화 동작들은, 전경(예를 들어, 뼈) 및 배경(예를 들어, 연질 조직) 복셀들을 구별하기 위하여 전체 이미지(예를 들어, 마이크로CT 이미지)에 걸쳐 단일 전역 임계 값을 사용한다. 전역 임계 값은 전체 3D 이미지에 대한 복셀 강도들의 분포(예를 들어, 히스토그램을 통해 표현되는 분포)에 기초하여 결정된다. 그런 다음, 이미지 내의 각각의 복셀의 강도는, 이것을 전경(예를 들어, 뼈) 또는 배경(예를 들어, 연질 조직)에 대응하는 것으로서 식별하기 위하여 전역 임계 값과 비교된다.

따라서, 전역 임계화 동작에서 복셀이 비교되는 전역 임계 값은 전체로서 이미지의 분석에 기초하며, 이미지의 상이한 영역들 사이의 로컬 변동들을 처리하지 않는다. 이력 임계화와 같은 특정한 진보된 전역 임계화 기술들은 다수의 임계 값들을 사용하지만, 이러한 임계 값들은 전역 임계 값의 함수들로서 결정되며, 따라서, 여전히 이미지의 상이한 영역들 사이의 로컬 변동들을 처리하지 않는다(예를 들어, 전역 임계화 동작들의 임계 값들은 복셀-바이-복셀 단위로 결정되지 않는다).

전역 임계화의 이러한 단점은 HO의 정확하고 강건한 검출을 위한 그것의 사용을 제한한다. 예를 들어, 한편으로, 정상 골격의 검출을 가능하게 하는 전역 임계 값은 HO 영역들에 대응하는 복셀들의 더 낮은 강도에 기인하여 HO에 대응하는 이미지의 영역들의 배제를 야기할 수 있다. 다른 한편으로, 모든 HO 영역들이 검출되는 것을 가능하게 하는 전역 임계 값은 이미지 내의 뼈 영역들의 과도 검출을 야기할 수 있다 - 즉, 연질 조직에 대응하는 이미지의 다양한 영역들이 뼈로서 부정확하게 식별될 것이다.

로컬 임계화 접근 방식들은, 이웃하는 복셀들의 강도들의 분석에 기초하여, 이미지의 각각의 복셀에 대하여 특정 로컬 임계 값들을 결정하기 위해 이웃 또는 커널(kernel)-기반 동작들을 이용한다. 로컬 임계화가 전역 임계화가 그러지 않는 방식으로 이미지의 상이한 영역들 사이의 로컬 변동들을 처리하지만, 반면 로컬 임계화 동작들은 이들이 이미지 내의 각각의 복셀에 대하여 일련의 이웃 동작들을 수행한다는 사실에 기인하여 계산적으로 비용이 많이 들고 시간 소모적이다(예를 들어, 여기에서, 이웃 동작들은 이웃하는 복셀들의 강도들에 기초하여 주어진 복셀에 대한 임계 값을 결정한다). 로컬 임계화 동작에 대하여 요구되는 계산 비용 및 시간은 많은 수의 복셀들을 갖는 큰 3D 이미지에 대하여 금지될 수 있다. 추가적으로, 로컬 임계화 동작들은 전경(예를 들어, 뼈)로서 부정확하게 식별되는 분리된 아일랜드(island)와 같은 아티팩트(artifact)를 생성하는 경향이 있다.

전역 및 로컬 임계화 동작들의 유용한 특징들을 결합함으로써, 본원에서 설명되는 검출 및 구분화 툴에 의해 사용되는 하이브리드 임계화 접근 방식은 홀로 사용될 때의(예를 들어, 각각의 접근 방식이 단독으로 사용될 때의) 개별적인 기술들과 연관된 한계들을 극복하며, 계산적으로 효율적이고 빠른 방식으로 정확하고 강건한 HO 검출을 가능하게 한다.

A.i 전역 임계화 및 초기 뼈 마스크 결정

특정 실시예들에 있어서, 하이브리드 임계화 접근 방식은, 정상 골격 및 HO를 포함하는 뼈의 그래픽적 표현을 포함하는 3D 이미지 내의 관심이 잇는 초기 영역을 식별하는 초기 뼈 마스크를 생성하기 위하여 3D 이미지에 전역 임계화 동작을 적용한다(210). 이상에서 설명된 바와 같이, 전역 임계화 동작들은, 전경(예를 들어, 뼈) 및 배경(예를 들어, 연질 조직) 복셀들을 구별하기 위하여 단일 전역 임계 값을 사용한다.

특정 실시예들에 있어서, 전역 임계 값은 전체 3D 이미지에 대한 복셀 강도들의 분포(예를 들어, 히스토그램을 통해 표현되는 분포)에 기초하여 결정된다. 그런 다음, 이미지 내의 각각의 복셀의 강도는, 이것을 전경(예를 들어, 뼈) 또는 배경(예를 들어, 연질 조직)에 대응하는 것으로서 식별하기 위하여 전역 임계와 비교된다. 예를 들어, 3D 이미지의 복셀의 강도들의 히스토그램이 생성될 수 있다. 보통 히스토그램은 복셀 강도들의 바이(bi)- 또는 멀티-모달 분포를 보여줄 것이다(예를 들어, 히스토그램은 2개의 피크들을 포함할 것이다). 전형적으로, 분포의 제 1 피크는 주로 뼈 복셀들의 강도들을 포함하며, 분포의 제 2 피크는 주로 연질 조직에 대응하는 복셀들의 강도들을 포함한다. 따라서, 전역 임계 값은 2개의 피크들 사이의 (예를 들어, 밸리(valley) 내의) 사이에 속하는 강도 값들로서 결정될 수 있다. 수동 선택(예를 들어, 그래픽 사용자 인터페이스(GUI)를 통한 사용자 상호작용) 및 자동화된 기술을 포함하는 다양한 접근 방식들은 이미지 복셀 강도들의 히스토그램을 사용하여 전역 임계 값들을 결정하기 위해 사용될 수 있다. 전역 임계 값을 결정하기 위한 자동화된 기술 중 하나의 예는 N. Otsu의 “A Threshold Selection Method from Gray-Level Histograms"( IEEE Transactions on Systems, Man, and Cybernetics, vol. 9, no. 1, pgs. 62 - 66 (1979))에서 설명되며, 이로써 이의 내용은 그 전체가 본원에 참조로서 포함된다.

특정 실시예들에 있어서, 통상적인 접근 방식들을 사용하여 결정된 전역 임계 값들은, 전역 임계화 동작에서 사용될 때, 연질 조직으로서 부정확하게 식별되는 HO에 대응하는 이미지의 영역들을 야기한다. 이는, 예를 들어, 부분 용적 효과들의 결과로서 발생할 수 있다. 따라서, 특정 실시예들에 있어서, 전역 임계화 동작(210)에서 사용되는 전역 임계 값은, 전역 임계화 동작이 뼈 조직을 과도 검출하도록 결정된다. 즉, 초기 뼈 마스크를 통해 식별된 관심이 있는 초기 영역은 (예를 들어, 정상 골격 및 HO 영역들을 포함하는) 이미지 내의 뼈 조직 영역들의 전체뿐만 아니라 연질 조직에 대응하는 일부 영역들을 포함한다. 이는, 예를 들어, 3D 이미지의 복셀 강도들의 분포의 통상적인 분석에 의해 지시되는 것보다 더 낮은 전역 임계 값을 설정함으로써 달성될 수 있다. 이러한 방식으로 뼈 조직을 과도 검출하는 것은, HO에 대응하는 3D 이미지의 영역들이 관심이 있는 초기 영역 내에 포함되는 것을 보장한다.

특정 실시예들에 있어서, 전역 임계화 동작(210)은, 3D 이미지의 각각의 복셀에 대하여, 복셀의 강도를 결정된 전역 임계 값과 비교한다. 3D 이미지의 복셀의 강도가 전역 임계 값보다 더 높은 것으로 결정되는 경우, 초기 뼈 마스크 내의 대응하는 복셀의 값에는 수치 1 또는 불 '참'과 같은 이것을 뼈에 대응하는 것으로서 식별하는 제 1 값이 할당된다. 전역 임계 값 아래의 강도들을 갖는 이미지 복셀들에 대응하는 초기 뼈 마스크의 복셀들은, 수치 0 또는 불 '거짓'과 같은 이들을 연질 조직에 대응하는 것으로서 식별하는 제 2 값이 할당된다.

특정 실시예들에 있어서, 전역 임계화 동작(210)은 이력 임계화 동작이다. 이력 임계화 동작은 단일 임계 값에 기초하여 결정될 수 있는 2개의 임계치들 - 상한 및 하한 임계치 - 을 사용한다. 예를 들어, 상한 및 하한 임계 값들은 전역 임계치의 분율들로서 결정될 수 있다. 예를 들어, 상한 임계치는 전역 임계치의 90%로서 결정될 수 있으며, 하한 임계치는 전역 임계 값의 10%로서 결정될 수 있다.

이력 임계화 접근 방식에 있어서, 3D 이미지의 복셀들은 먼저 상한 임계치와 비교된다. 3D 이미지의 복셀이 상한 임계치 이상의 강도를 갖는 것으로 결정되는 경우, 이는 뼈로서 식별되며, 초기 뼈 마스크 내의 대응하는 복셀의 값은 수치 1 또는 불 '거짓'과 같은 제 1 값으로 설정된다. 그런 다음, 뼈로서 식별된 복셀의 특정 거리(예를 들어, 미리 정의된 거리) 내의 복셀들이 재귀적으로 탐색되고, 하한 임계치와 비교된다. 상한 임계치와의 비교를 통해 뼈로서 식별된 복셀의 특정 거리 이내의 복셀의 강도 값이 하한 임계치보다 더 큰 경우, 이는 또한 뼈로서 식별되고, 초기 뼈 마스크 내의 대응하는 복셀에도 또한 제 1 값이 할당된다. 뼈로서 식별되지 않은 복셀들에 대하여, 초기 뼈 마스크 내의 대응하는 복셀들에는 수치 0 또는 불 '거짓'과 같은 제 2 값이 할당된다. 특정 실시예들에 있어서, 이력 임계화는 더 간단한 전역 임계화 기술들보다 덜 "얼룩덜룩한(speckled)" 마스크를 생성한다.

도 3a는 도 1에 도시된 마이크로CT 이미지로부터 생성된 초기 뼈 마스크의 일 예를 도시한다. 초기 뼈 마스크에 의한 3D 이미지 내의 뼈의 과도 표현은 도 3a의 초기 뼈 마스크와 도 3d에 도시된 최종 뼈 마스크를 비교함으로써 관찰될 수 있다. 도 3d에 도시된 최종 뼈 마스크는, 로컬 임계화 접근 방식을 사용하여 관심이 있는 초기 영역을 정제하는 프로세스(200)의 후속 단계들에 의해 생성된다.

A.ii 에지 검출 및 경계 값 맵 결정

특정 실시예들에 있어서, 일단 관심이 잇는 초기 영역이 수립되면, 에지 검출(215) 및 임계치 외삽(220) 단계들을 포함하는 일련의 동작들을 사용하는 로컬 임계화 접근 방식이 관심이 있는 초기 영역 내의 각각의 복셀에 대한 로컬 임계 값을 결정하기 위해 관심이 있는 초기 영역 내에 적용된다. 그런 다음, 관심이 있는 초기 영역 내의 복셀들의 강도들은, 이들을 전경(예를 들어, 뼈) 또는 배경(예를 들어, 연질 조직)으로서 식별하기 위하여 그들의 대응하는 로컬 임계 값들과 비교된다. 이러한 방식으로, 관심이 있는 초기 영역을 식별하는 초기 뼈 마스크는, 정상 골격 및 HO 둘 모두를 포함하는 뼈 조직에 대응하는 이미지의 영역들을 정확하게 식별하는 최종 뼈 마스크(230)를 생성하기 위하여 정제된다.

특정 실시예들에 있어서, 프로세스(200)는 에지 검출 단계(215)를 포함한다. 에지 검출 단계는, 3D 이미지의 관심이 있는 초기 영역 내에서, 뼈가 연질 조직을 만나는 하나의 경계인 에지 복셀들을 검출한다. 에지 검출 단계(215)에서 이용될 수 있는 에지 검출 방법들의 예들은, 비제한적으로, 캐니 에지 검출, 소벨 에지 검출, 및 영점 교차에 기초하는 방법들을 포함한다.

일단 에지 복셀들이 식별되면, 그들의 강도 값들이 경계 값 맵을 결정하기 위하여 사용된다. 특히, 경계 값 맵은 3D 이미지의 에지 복셀들의 강도 값들을 식별하고 이들을 포함한다(예를 들어, 여기에서 3D 이미지의 에지 복셀들은 뼈가 연질 조직을 만나는 경계들에 대응하는 복셀들이다). 예를 들어, 특정 실시예들에 있어서, 경계 값 맵은 복수의 복셀들을 포함하며, 그 각각은 관심이 있는 영역 내의 3D 이미지의 복셀에 대응한다. 에지 복셀들에 대응하는 경계 값 맵 복셀들에는 3D 이미지의 대응하는 에지 복셀의 강도 값이 할당되며, 모든 다른 경계 값 맵 복셀들에는 널 값(예를 들어, 수치 0)이 할당된다.

도 3b는 도 3a의 초기 뼈 마스크에 의해 식별된 관심이 있는 초기 영역에 대하여 결정된 경계 값 맵의 일 예를 도시한다. 도 3b의 이미지는 에지 복셀들에 대응하는 도 3b에 도시된 경계 값 맵의 그레이 스케일 레벨들의 복셀들을 도시한다. 더 밝은 값들은 더 높은 강도들(예를 들어, 더 큰 하운스필드 단위 값들)을 나타낸다. 에지 복셀들에 대응하지 않는 복셀들은 도시되지 않는다.

A.iii 임계치 외삽 및 뼈 임계 맵 결정

특정 실시예들에 있어서, 프로세스(200) 내의 다른 단계에서, 경계 값 맵은 관심이 있는 초기 영역(예를 들어, 이는 초기 뼈 마스크에 의해 식별됨)에 대한 뼈 임계 맵을 결정하기 위하여 사용된다. 뼈 임계 맵은 복수의 복셀들을 포함하며, 그 각각은 초기 뼈 마스크에 의해 식별된 관심이 있는 초기 영역 내의 3D 이미지의 복셀에 대응한다. 뼈 임계 맵의 각각의 복셀은, 경계 값 맵의 값들을 초기 뼈 마스크 내의 복셀들에 외삽함으로써 결정되는 임계 값을 갖는다. 경계 값 맵의 외삽은, 경계 값 맵 내에 포함된 에지 복셀들의 강도 값들이 관심이 있는 초기 영역 내에 있는 3D 이미지의 복셀들에 대응하는 이웃하는 비-에지 복셀들에 점진적으로 외삽되는 임계치 외삽 단계(220)에서 달성된다.

예를 들어, 경계 임계 맵의 값들은 처음에 에지 복셀들에 대응하는 뼈 임계 맵의 복셀들에 대한 로컬 임계 값들로서 사용된다. 다음 단계에서, 에지 복셀들에 대응하는 몇몇 이웃하는 복셀들을 갖는 뼈 임계 맵의 주어진 비-에지 복셀에는 이웃하는 에지 복셀들의 임계 값들을 평균화함으로써 결정되는 임계 값이 할당된다. 후속 단계들에서, 뼈 임계 맵의 복셀들에 대한 임계 값들은, 이에 대한 임계 값들이 반복적인 방식으로, 관심이 있는 초기 영역 내에서 안쪽으로 이동하면서 이전 단계들에서 결정되었던 이웃하는 복셀들의 값들을 평균화함으로써 결정된다.

뼈 임계 맵을 결정하기 위하여 임계치 외삽 단계(220)에서 사용되는 예시적인 접근 방식은, J. H. Warsing 등의 "An Improved Segmentation Method for In Vivo μCT Imaging"(Journal of Bone and Mineral Research, vol. 19, no. 10, pgs. 1640 - 1650 (2004))에 상세하게 설명되며, 이로써 이의 내용은 그 전체가 참조로서 포함된다.

도 3c는, 도 3a의 초기 뼈 마스크에 의해 식별된 관심이 있는 초기 영역에 대한 도 3b의 경계 값 맵의 임계치 외삽에 의해 결정되는 뼈 임계 맵의 일 예를 도시한다. 더 밝은 그레이 스케일 값들은 더 높은 임계 값들을 나타낸다. 초기 뼈 마스크 외부의 복셀들에 대한 임계 값들은 도시되지 않는다(따라서, 이들은 백색 배경을 구성한다). 특히, 도 3c에 도시된 바와 같이, 몇몇 HO 영역들 내에 있는 복셀들에 대한 뼈 임계 맵의 임계 값들은 정상 골격 영역들 내의 복셀들에 대한 것들보다 더 낮다. 따라서, 로컬 임계화 접근 방식은, 고-밀도 뼈 또는 HO 컴포넌트들의 검출에 있어서 오류들/아티팩트들을 도입하지 않으면서 HO의 저-밀도 구역들의 정확한 검출을 가능하게 한다.

A.iv 최종 뼈 마스크 결정

특정 실시예들에 있어서, 뼈 임계 맵 및 3D 이미지는 단계(225)에서 최종 뼈 마스크(230)를 결정하기 위하여 사용되며, 여기에서 뼈 임계 맵이 3D 이미지에 적용된다. 특정 실시예들에 있어서, 최종 뼈 마스크(230)는, 뼈 임계 맵의 대응하는 복셀의 임계 값에 대하여 관심이 있는 초기 영역 내에 있는 3D 이미지의 각각의 복셀에 대한 강도를 비교함으로써 결정된다. 특정 실시예들에 있어서, 뼈 임계 맵의 대응하는 복셀들의 임계 값들보다 더 높은 강도들을 갖는 3D 이미지의 복셀들은 (예를 들어, 정상 골격 및 HO를 포함하는) 뼈에 대응하는 것으로서 식별되며, 뼈 임계 맵의 대응하는 복셀들의 임계 값들 아래의 강도들을 갖는 복셀들은 비-뼈 조직(예를 들어, 연질 조직)에 대응하는 것으로서 식별된다.

따라서, 이에 의해 최종 뼈 마스크는, 하이브리드 임계화 접근 방식을 통해(예를 들어, 도 2에 도시된 단계들(210, 215, 220, 및 225)을 통해) 결정된 3D 이미지의 영역을 정상 골격 및 HO를 포함하는 뼈에 대응하는 것으로 식별한다. 특히, 특정 실시예들에 있어서, 최종 뼈 마스크는 복수의 복셀들을 포함하며, 그 각각은 3D 이미지의 복셀에 대응한다. 그들의 강도들을 뼈 임계 맵의 대응하는 로컬 임계 값들과 비교함으로써 뼈에 대응하는 것으로서 식별된 3D 이미지의 복셀들에 대응하는 최종 뼈 마스크의 복셀들에는 수치 1 또는 불 '참'과 같은 제 1 값이 할당된다. 최종 뼈 마스크의 모든 다른 복셀들에는 수치 0 또는 불 '거짓'과 같은 제 2 값이 할당된다.

도 3d는 본원에서 설명되는 하이브리드 임계화 접근 방식을 통해 결정된 최종 뼈 마스크(230)의 일 예를 도시한다. 특히, 도 3d의 최종 뼈 마스크는, 도 3a의 초기 뼈 마스크에 의해 식별된 관심이 있는 초기 영역에 도 2에 도시된 프로세스(200)의 단계들(215, 220, 및 225)을 포함하는 로컬 임계화 접근 방식을 적용함으로써 결정된다. 도 3d의 최종 뼈 마스크는 관심이 있는 초기 영역 내의 더 작은 영역을 식별하며, 전역 임계화 단계(210)에 의한 과도 검출의 결과로서 관심이 있는 초기 영역 내에 포함되는 연질 조직에 대응하는 영역들을 배제한다. 따라서, 도 3d의 최종 뼈 맵은 초기 뼈 마스크보다 더 정확한 뼈(예를 들어, 정상 골격 및 연질 조직을 포함함)에 대응하는 3D 이미지의 영역들의 식별을 제공한다.

특히, 로컬 임계 값들을 결정하고 이들을 관심이 있는 초기 영역에 적용하는 것에 관한 단계들(예를 들어, 에지 검출(215), 임계치 외삽(220), 및 3D 이미지에 뼈 임계 맵을 적용하는 단계(225))을 제한하기 위하여 전역 임계화 동작(210)을 먼저 적용함으로써, 최종 뼈 마스크는 계산적으로 효율적인 방식으로 생성된다. 구체적으로, 에지 검출(215), 임계치 외삽(220), 및 3D 이미지에 뼈 임계 맵을 적용하는 것(225)의 단계들은 전체 이미지와는 대조적으로 단지 관심이 있는 초기 영역 내의 복셀들에 대해서만 동작해야 할 필요가 있다. 이는 프로세싱 시간을 포함하는 계산 비용들을 감소시키며, 또한 이러한 단계들 중 임의의 단계 또는 이들의 조합들이 관심이 있는 초기 영역 외부에 아티팩트들을 생성할 가능성을 제거한다. 따라서, 본원에서 설명되는 시스템들 및 방법들의 하이브리드 임계화 접근 방식은, 정확하고, 강건하며 효율적인 방식으로 3D 이미지의 영역들이 정상 골격 또는 HO에 관계 없이 뼈에 대응하는 것으로서 식별되는 것을 가능하게 한다.

B. 정상 골격 및 이소성 골화증(HO)의 자동화된 구분화

특정 실시예들에 있어서, 일단, 예를 들어, 이상에서 설명된 접근 방식들을 통해 정상 골격 및 HO가 검출되면, 본원에서 설명되는 시스템들 및 방법들은 정상 골격에 대응하는 영역들로부터 HO 영역들의 분리를 가능하게 한다. HO 영역들은 보통 정상 골격에 연결되거나 및/또는 매우 근접하여 형성되기 때문에 정상 골격으로부터의 HO의 강건한 분리가 도전이 된다. 예를 들어, 도 1의 이미지는 쥐 모델의 뒷다리들 가까이에 형성된 HO를 도시한다. 도면에 도시된 바와 같이, HO의 영역들은 그것의 발목 관절들에서 쥐의 경골에 연결되어 있다.

도 1로부터 명백한 바와 같이, 이러한 상황들에서, HO와 정상 골격을 구별하는 것은 사소한 것이 아니다. 이미지 분석에 대한 현재 기술들은 정상 골격으로부터 HO의 수동 분리를 필요로 하며, 여기에서 사용자에게 이미지가 제시되고, 사용자가 이미지 상에 HO와 정상 골격 사이의 경계들을 수동으로 부지런히 그려야만 한다. 또한, 번거로움에 더하여, 이러한 수동 구분화 접근 방식들은 인적 오류 및 불일치가 발생하기 쉽다. 상이한 사용자들이 HO와 정상 골격 사이에 상이한 경계들을 그릴 수 있으며, 그에 따라서 이러한 수동 구분화 기술들을 통해 HO에 대응하는 것으로서 식별된 특정 영역들이 사용자마다 변화할 것이다. 사용한 사용자들에 의해 그려진 경계들 사이의 불일치는, 예를 들어, 형태적 측정들이 길이 방향 연구들에서 이러한 방식으로 식별된 HO 영역들을 사용하여 결정될 때, 심각하고 상당한 오류들을 야기할 수 있다.

특정 실시예들에 있어서, 본원에서 설명되는 시스템들 및 방법들은 뼈에 대응하는 영역들을 식별하는 정확한 구분화 마스크들에 대한 다수의 분리 동작들을 사용한다. 결정된 라벨링된 영역들의 각각은 전체적으로 뼈 또는 HO 중 하나에 대응한다. 이러한 구분화가 자동으로 수행되며, 그럼으로써 사용자 상호작용에 기반하는 번거로움, 오류 가능성, 및 불일치한 수동 구분화에 대한 필요성을 제거한다.

B.i 거리 변환 및 거리 맵 결정

특정 실시예들에 있어서, 본원에서 설명되는 접근 방식들은 제 1 분리 뼈 마스크를 생성하기 위하여 분기점 구분화 동작과 함께 거리 변환을 사용하는 것을 포함한다. 거리 변환 및 분기점 구분화 동작들은, HO와 정상 골격 사이의 연결들이 전형적으로 좁은 커넥터들("넥(neck)"으로도 지칭됨)의 형태를 취한다는 사실을 이용한다.

특히, 특정 실시예들에 있어서, 프로세스(200)는 거리 맵을 결정하기 위하여 최종 뼈 마스크(235)에 거리 변환을 적용하는 단계를 포함한다. 거리 변환은, [예를 들어, 제 1 값(예를 들어, 수치 1; 예를 들어, 불 '거짓')이 할당된] 뼈에 대응하는 최종 뼈 마스크의 각각의 복셀에 대하여, 복셀로부터 3D 이미지의 최인접 경계 또는 연질 조직 영역까지의 거리[예를 들어, 제 2 값(예를 들어, 수치 0; 불 '거짓')을 갖는 최종 뼈 마스크의 최인접 복셀까지의 거리]를 결정한다. 따라서 거리 변환은 거리 맵을 생성하며, 거리 맵은 복수의 거리 맵 복셀들을 포함하고, 그 각각은 최종 뼈 마스크의 복셀에 대응하며, 복셀로부터 최인접 경계 및/또는 비-뼈 복셀(예를 들어, 0의 값을 갖는 최종 뼈 마스크의 복셀)까지의 거리를 나타내는 거리 값을 갖는다(예를 들어, 거리 값이 할당된다).

도 3d의 최종 뼈 마스크에 거리 변환을 적용함으로써 결정된 예시적인 거리 맵이 도 4에 도시된다. 거리 맵 복셀들의 값들은 녹색 대 청색 대 백색 컬러 스케일을 통해 표현되며, 여기에서 녹색은 최대 거리들을 나타내고, 청색은 중간 거리들을 나타내며, 백색은 0 거리를 나타낸다. 즉, 경계들로부터 가장 멀리에 있는 복셀들은 녹색으로 컬러링되며, 경계들로부터 중간 거리에 있는 복셀들은 청색으로 컬러링되고, 경계 복셀들은 백색으로 나타난다. 따라서, 뼈의 가장 두꺼운 영역들은 밝은 녹색으로 도시되며, 이미지 내의 뼈의 가장 얇은 '넥들' 및 가장 많이 단편화된 영역들은 밝은 청색으로서 도시되며 백색으로 페이드(fade) 인한다.

B.ii 분기점 구분화 및 제 1 분리 마스크 결정

특정 실시예들에 있어서, 일단 거리 맵이 결정되면, 분기점 구분화 단계(255)가 거리 맵에 적용된다. 분기점 구분화 단계(255)는 거리 맵 내의 집수 지역들 및/또는 분기점 라인들의 세트를 식별하는 분기점 구분화 동작을 포함한다. 거리 맵의 집수 지역들은, 거리 맵 내에서 더 큰 거리 값들에 의해 표현되는 뼈의 더 두꺼운 영역들에 대응한다. 집수 지역들은, HO와 정상 골격 사이에 흔히 형성되는 좁은 커넥터들에 대응하는 복셀들의 연결된 라인들에 대응하는 분기점 라인들에 의래 서로 분리된다. 이러한 좁은 커넥터들은 거리 맵 내의 작은 거리 값들에 의해 표현되며, 그에 따라서 분기점 변환에 의해 분기점 라인들로서 식별된다.

특정 실시예들에 있어서, 분기점 구분화 동작은 거리 맵을 분기점 라인들에 의해 서로 분리된 복수의 집수 지역들로 분할한다. 특정 실시예들에 있어서, 분기점 구분화 동작은 분기점 라인들(예를 들어, 각각의 분기점 라인은 수치 0 또는 불 '참'과 같은 제 2 값이 할당된 복셀들의 연결된 라인에 대응함)에 의해 서로 분리되는 복수의 집수 지역들(예를 들어, 각각의 집수 지역은 수치 1 또는 불 '참'과 같은 제 1 값이 할당된 복셀들의 연결된 영역에 대응함)을 포함하는 분기점 마스크를 생성한다.

특정 실시예들에 있어서, 제 1 분리 뼈 마스크는 (A) 최종 뼈 마스크 및 (B) 분기점 구분화 동작을 통해 식별된 집수 지역들 및/또는 분기점 라인들을 사용하여 생성된다. 예를 들어, 제 1 분리 뼈 마스크는 최종 뼈 마스크로부터 분기점 라인들에 대응하는 복셀들을 제거함으로써 생성될 수 있다. 특정 실시예들에 있어서, 제 1 분리 뼈 마스크는, 예를 들어, 분기점 마스크와 최종 뼈 마스크 사이에 논리적인 복셀-바이-복셀 AND 연산을 수행함으로써, 최종 뼈 마스크를 가지고 분기점 마스크를 마스킹함으로써 생성된다. 이러한 방식으로, 최종 뼈 마스크를 분리하여 제 1 분리 뼈 마스크를 생성하기 위하여 거리 변환 및 분기점 구분화 단계들이 사용된다.

도 5는 거리 변환(235) 및 분기점 구분화(255) 단계들을 통해 결정된 제 1 분리 뼈 마스크의 일 예를 도시한다. 특정 실시예들에 있어서, 최종 뼈 마스크를 분리하는 것은 복수의 이산적이고, 구별가능하며, 연결된 영역들을 포함하는 제 1 분리 뼈 마스크를 생성한다. 각각의 영역은, 최종 뼈 마스크로부터 제거되었던 분리 라인 복셀들에 대응하는 복셀들의 좁은 라인들에 의해 다른 영역들로부터 분리된 뼈로서 식별되는(예를 들어, 뼈에 대응하는 것으로서 최종 뼈 마스크의 복셀들을 식별하는 제 1 값이 할당된) 복셀들의 연결된 세트에 대응한다. 이러한 구별가능 영역들은 본원에서 "분리 바이너리 컴포넌트들"로서 지칭되며, 연결된 컴포넌트 분석 및 라벨링과 같은 형태학적 동작들을 통해 서로 식별되고 구별될 수 있다. 각각의 식별된 영역에는 별개의 라벨이 할당(예를 들어, 링크)될 수 있으며, 그럼으로써 복수의 라벨링된 분리 바이너리 컴포넌트들을 생성한다.

예시의 목적들을 위해, 도 5에서 제 1 분리 뼈 마스크의 분리 바이너리 컴포넌트들이 식별되고 라벨링되었으며, 도면에서 영역들(510, 520, 530, 540)로서 식별되고 상이한 컬러들로 도시된다. 제 1 분리 뼈 마스크의 분리 바이너리 컴포넌트들의 결정 및 라벨링이 요구되는 것은 아니지만, 일부 특정 실시예들에서 수행될 수 있다.

B.iii 2차 도함수 필터링 및 제 2 분리 마스크 결정

특정 실시예들에 있어서, 제 2 분리 단계(245)가 수행된다. 특정 실시예들에 있어서, 제 2 분리 단계(245)는 3D 이미지에 하나 이상의 2차 도함수 분리 필터들을 적용하는 단계를 포함한다. 2차 도함수 분리 필터들은, 3D 이미지의 주어진 복셀에 대하여, 라플라시안 값, 최고 헤시안 고유값, 및 최저 헤시안 고유값과 같은 공간적 2차 도함수에 기초하여 값을 계산한다. 분리 라인 복셀들의 세트로서 사용될 3D 이미지의 복셀들은, 복셀들의 위치에서 계산된, 이미지에 걸친 강도 변동들의 공간적 2차 도함수들에 기초하여 값들(예를 들어, 라플라시안, 예를 들어, 최고 헤시안 고유값, 예를 들어, 최저 헤시안 고유값)을 결정함으로써 식별된다. 이러한 값들은 분리 라인 복셀들의 세트를 식별하기 위해 임계 값(예를 들어, 미리 결정된 임계 값)과 비교된다. 예를 들어, 라플라시안 값은 제 1 분리 뼈 마스크 내의 복셀에 대응하는 3D 이미지의 각각의 복셀에 대하여 결정될 수 있다. 특정 실시예들에 있어서, 이에 대하여 계산된 라플라시안 값들이 미리 결정된 임계 값보다 더 높은 복셀들은 분리 라인 복셀들로서 식별된다. 특정 실시예들에 있어서, 이에 대하여 계산된 라플라시안 값들이 미리 결정된 임계 값보다 더 낮은 복셀들은 분리 라인 복셀들로서 식별된다. 유사한 접근 방식들은 최고 헤시안 고유값 및 최저 헤시안 고유값과 같은 공간적 2차 도함수들에 기초하여 다른 값들에 대해 사용될 수 있다. 특정 실시예들에 있어서, 하나 이상의 2차 도함수 분리 필터들에 의해 결정된 분리 라인 복셀들은 분리 라인 복셀들의 제 2 세트 내에서 결합된다.

분기점 구분화 단계(255)틀 통한 최종 뼈 마스크의 분리와 유사한 방식으로, 제 2 분리 단계는 제 1 분리 뼈 마스크를 분리한다. 특히, 특정 실시예들에 있어서, 2차 도함수 분리 필터들을 통해 식별된 분리 라인 복셀들의 세트에 대응하는 복셀들은 제 2 분리 뼈 마스크를 생성하기 위하여 제 1 분리 뼈 마스크로부터 제거된다. 분리 뼈 마스크들을 생성하는데 있어서의 2차 도함수 분리 필터들, 그들의 조합들 및 사용은 2015년 07월 29일자로 출원된 미국 출원 제14/812,483호에서 상세하게 설명되며, 이로써 이의 내용이 전체적으로 참조로서 포함된다.

B.iv 연결된 컴포넌트 라벨링 및 라벨링된 분리 마스크 결정

제 1 분리 뼈 마스크와 관련하여 이상에서 설명된 바와 같이, 특정 실시예들에 있어서, 제 2 분리 뼈 마스크는 복수의 분리 바이너리 컴포넌트들을 포함한다. 제 2 분리 뼈 마스크의 분리 바이너리 컴포넌트들은 (예를 들어, 먼저 제 1 분리 뼈 마스크를 생성하기 위하여 최종 뼈 마스크로부터 분리 라인 복셀들의 제 1 세트에 대응하는 복셀들을 제거하고, 그 다음 제 2 분리 뼈 마스크를 생성하기 위하여 제 1 분리 뼈 마스크로부터 분리 라인 복셀들의 제 2 세트에 대응하는 복셀들의 제거에 의한) 분리 라인 복셀들의 제 1 세트 및 분리 라인 복셀들의 제 2 세트 둘 모두에 대응하는 복셀들의 제거에 의해 생성된 영역들에 대응한다.

특정 실시예들에 있어서, 연결된 컴포넌트 라벨링 단계(250)가 수행되며, 여기에서 연결된 컴포넌트 분석 및 라벨링과 같은 형태학적 동작들이 제 2 분리 뼈 마스크의 복수의 이러한 분리 바이너리 컴포넌트들을 결정하기 위해 사용된다. 각각의 식별된 영역에는 별개의 라벨이 할당(예를 들어, 링크)될 수 있으며, 그럼으로써 제 2 분리 뼈 마스크의 복수의 라벨링된 분리 바이너리 컴포넌트들을 생성한다.

제 2 분리 뼈 마스크의 복수의 라벨링된 분리 바이너리 컴포넌트들(610, 620, 630, 640, 650, 660, 및 670)의 일 예가 도 6에 도시된다. 분리 바이너리 컴포넌트들은 상이한 컬러들로 도시된다.

B.v 마커 제어형 분기점 및 라벨링된 최종 뼈 맵 결정

특정 실시예들에 있어서, 시드들로서 제 2 분리 뼈 마스크의 복수의 라벨링된 분리 바이너리 컴포넌트들을 사용하여 라벨링된 최종 뼈 맵(270)을 생성하는 영역 성장 동작 단계(260)가 수행된다. 특정 실시예들에 있어서, 영역 성장 동작 단계(260)는, 일단 성장 동작을 통해 확장된 시드들이 최종 뼈 마스트 내로 제한되는 것을 보장하기 위하여 (예를 들어, 영역 성장 동작이 최종 뼈 마스크 내에서 수행되도록) 최종 뼈 마스크를 사용한다. 특정 실시예들에 있어서, 성장 동작 단계(260)는 마커 제어형 분기점 성장 동작을 포함한다.

도 7은, 시드들로서 도 6에 도시된 제 2 분리 뼈 마스크의 라벨링된 분리 바이너리 컴포넌트들(610, 620, 630, 640, 650, 660, 및 670)을 사용하는 성장 단계를 통해 생성된 라벨링된 최종 뼈 맵의 일 예를 도시한다. 생성된 라벨링된 최종 뼈 맵은 복수의 라벨링된 영역들을 포함하며, 각각의 영역의 전체가 정상 골격 또는 HO 중 하나에 대응한다. 도 7에서, 영역들(710 및 740)은 HO에 대응하며, 영역들(720, 730, 750, 760, 및 770)은 정상 골격에 대응한다.

B.vi 대안적인 실시예들 및 선택적인 단계들

특정 실시예들에 있어서, 제 1 분리 뼈 마스크는 2차 도함수 필터들을 사용하는 최종 뼈 마스크의 제 1 분리에 의해 생성되며, 그 이후에 거리 변환 및 분기점 구분화 단계가 제 2 분리 뼈 마스크를 생성하기 위하여 사용된다(예를 들어, 단계(245)가 단계들(235 및 255) 이전에 수행될 수 있다). 도 8은, 프로세스(200)와 유사하지만, 2차 도함수 분리 단계(845)가 거리 변환(850) 및 분기점 구분화 단계들(855) 이전에 수행되는 예시적인 프로세스(800)를 도시한다. 도 8에 도시된 프로세스(800)에 있어서, 최종 뼈 마스크(830)는 도 2에 도시된 프로세스(200)와 동일한 방식으로, 전역 임계화 동작(810), 경계 값 맵을 결정하기 위한 에지 검출(815), 뼈 임계 맵을 결정하기 위한 임계치 외삽(820), 및 3D 이미지(805)에 뼈 임계 맵을 적용하는 단계(825)에 의한 최종 뼈 마스크의 결정(830)을 통해 결정된다.

특정 실시예들에 있어서, 2차 도함수 필터링 단계(845)는 분리 라인 복셀들의 세트를 결정하기 위해 사용되며, 대응하는 복셀들은 제 1 분리 뼈 마스크를 생성하기 위하여 최종 뼈 마스크로부터 제거된다. 특정 실시예들에 있어서, 거리 맵은 제 1 분리 뼈 마스크(850)에 거리 변환을 적용함으로써 결정되며, 그 이후에 거리 맵의 집수 지역 및/또는 분기점 라인들을 식별하기 위하여 분기점 구분화 단계(855)가 거리 맵에 적용된다. 그런 다음 (A) 제 1 분리 뼈 마스크 및 (B) 식별된 집수 지역들 및/또는 분기점 라인들을 사용하여 제 2 분리 뼈 마스크가 생성된다. 도 2에 도시된 예시적인 프로세스(200)와 마찬가지로, 연결된 컴포넌트 라벨링 단계(860)는 제 2 분리 뼈 마스크의 복수의 분리 바이너리 컴포넌트들을 결정하기 위하여 사용되며, 이들은 그런 다음 라벨링된 최종 뼈 맵을 생성하기 위한 영역 성장 동작 단계(870)에서 시드들로서 사용된다.

프로세스(800)를 통해 생성된 라벨링된 최종 뼈 맵(875)의 일 예가 도 9에 도시된다. 도 9의 라벨링된 최종 뼈 맵에서, 영역들(906, 908, 910, 920, 및 918)은 HO에 대응하며, 영역들(902, 904, 912, 914, 916, 922, 924, 및 926)은 정상 골격에 대응한다.

특정 실시예들에 있어서, 추가적인 단계들이 본원에서 설명된 HO 검출 및 구분화 접근 방식들에 포함될 수 있다. 예를 들어, 특정 실시예들에 있어서, 최종 뼈 마스크(230, 830)이 결정된 이후에 선택적인 형태학적 충전 단계(예를 들어, 835)가 최종 뼈 마스크 내의 작은 홀들을 채우기 위하여 적용된다. 특정 실시예들에 있어서, 선택적인 예비 가우시안 필터링 단계(240, 840)이 하나 이상의 2차 도함수 필터들을 적용하기 이전에 3D 이미지의 가우시안 필터링된 버전을 생성하기 위하여 적용된다. 특정 실시예들에 있어서, 다양한 단계들에서 결정되는 3D 이미지의 복셀 값들 및/또는 마스크들 또는 맵들 중 임의의 것은, 동작이 구현되는 방식에 의존하여, 주어진 동작 이전에 음수 1(-1)을 각각의 복셀 강도에 곱함으로써 반전될 수 있다(예를 들어, 복셀 도치(inversion) 단계 (265, 865)를 통해).

C. 추가적인 프로세싱

C.i 2-라벨 맵 생성을 위한 사용자 상호작용

특정 실시예들에 있어서, 일단 라벨링된 최종 뼈 맵(270)이 결정되면, 라벨링된 최종 뼈 맵의 그래픽적 표현이 사용자에게 제시되며, 사용자는 HO 및/또는 정상 골격에 대응하는 라벨링된 영역들을 선택할 수 있다. 일단 사용자가, 예를 들어, 최종 뼈 맵의 어떠한 라벨링된 영역들이 HO에 대응하는지를 선택하면, 그 영역들은 HO에 대응하는 것으로서 라벨링되며 나머지 영역들은 정상 골격에 대응하는 것으로서 라벨링되고, 그럼으로써 정상 골격에 대응하는 3D 이미지의 영역들과 HO에 대응하는 이미지의 영역들을 구별하는 바이너리 라벨링된 정상 골격 및 HO 맵을 생성한다.

이러한 방식으로, 본원에서 설명되는 시스템들 및 방법들은 그에 따라서 이미지 내의 HO 영역들을 식별하기 위해 필요한 사용자 상호작용의 레벨을 단순히 디스플레이되는 최종 뼈 맵의 주어진 영역을 HO 또는 정상 골격 중 하나에 대응하는 것으로서 선택하는 것으로 감소시킨다. 특정 실시예들에 있어서, 이는 그래픽 사용자 인터페이스(GUI) 내에서의 몇 번의 빠른 (예를 들어, 마우스를 이용한) "클릭들' 또는 (예를 들어, 터치 감지 인터페이스를 사용하는) '탭들"을 통해 달성될 수 있다. 따라서, 본원에서 설명되는 HO 검출 및 구분화 툴은 HO에 대응하는 이미지의 영역들을 식별하기 위하여 사용자가 손으로 경계들을 그리는 번거롭고 힘든 프로세스를 제거한다. 또한, 최종 뼈 맵의 복수의 라벨링된 영역들이 자동으로 생성되기 때문에, 상이한 사용자들 사이의 불일치들 및 오류들이 극적으로 감소된다(예를 들어, 2 이상의 사용자들이 HO에 대응하는 것으로서 영역들의 동일한 세트를 선택하는 것은 거의 보장되지만, 2 이상의 사용자들이 이미지 상에 정확하게 동일한 경계들을 그릴 가능성은 매우 낮다).

C.ii 메트릭(metric) 결정

따라서, 대상체의 이미지에서 HO를 자동으로 검출하고 구분화하기 위한 툴을 제공함으로써, 본원에서 설명되는 시스템들 및 방법들은 본원에서 설명되는 검출 및 구분화 접근 방식들을 가능하게 하여 HO 형성의 간소화된 정량 분석을 가능하게 한다. 본원에서 설명되는 시스템들 및 방법들은 HO의 행태적 속성들, 밀도, 및 구조적 파라미터들의 분석에 대한 기반을 제공한다.

예를 들어, 일단 바이너리 라벨링된 정상 골격 및 HO 맵이 결정되면, 이는, 예를 들어, 진단 목적들 및/또는 치료 효능을 결정하기 위한 것과 관련하여 하나 이상의 형태적 측정들을 자동으로 결정하기 위하여 사용될 수 있다. 예를 들어, HO에 대응하는 것으로서 라벨링된 바이너리 라벨링된 정상 골격 및 HO 맵의 영역들의 총 볼륨이 계산될 수 있다.

따라서, 이러한 방식으로 HO의 개선된 수량적 분석을 가능하게 함으로써, 본원에서 설명되는 시스템들 및 방법들은 치료 효능을 평가하기 위한 그리고 대상체 내의 질병 상태 및/또는 진행을 평가하기 위한 가치 있는 툴을 제공한다.

C.iii 추가적인 애플리케이션들

특정 실시예들에 있어서, 본원에서 설명되는 접근 방식들은, 마이크로CT, 자기 공명 이미징(magnetic resonance imaging; MRI), 및 광학 이미징 모달러티들을 포함하여 뼈 조직을 이미징할 수 있는 다양한 이미징 모달러티들에서 HO 영역들의 검출 및 구분화를 위하여 사용될 수 있다. 추가적으로, 본원에서 설명되는 검출 및 구분화 접근 방식들은, 낮은 대비 및/또는 해상도를 갖는 3D 이미지들 내의 미네랄들, 세포들, 장기들, 및 다른 엔터티들의 구분화를 포함하여 다른 이미지-기반 물체 구분화 문제들에 적용될 수 있다.

D. 컴퓨터 시스템들 및 네트워크 환경

도 10에 도시된 바와 같이, 본원에서 설명되는 HO의 자동화된 검출 및 구분화를 위한 시스템들 및 방법들을 제공하는데 사용하기 위한 네트워크 환경(1000)의 일 구현예가 도시되고 설명된다. 간략한 개요에서, 이제 도 10을 참조하면, 예시적인 클라우드 컴퓨팅 환경(1000)의 블록도가 도시되고 설명된다. 클라우드 컴퓨팅 환경(1000)은 하나 이상의 자원 제공자들(1002a, 1002b, 1002c)(집합적으로, 1002)을 포함할 수 있다. 각각의 자원 제공자(1002)는 컴퓨팅 자원들을 포함할 수 있다. 일부 구현예들에 있어서, 컴퓨팅 자원들은 데이터를 프로세싱하기 위해 사용되는 임의의 하드웨어 및/또는 소프트웨어를 포함할 수 있다. 예를 들어, 컴퓨팅 자원들은 알고리즘들, 컴퓨터 프로그램들, 및/또는 컴퓨터 애플리케이션들을 실행할 수 있는 하드웨어 및/또는 소프트웨어를 포함할 수 있다. 일부 구현예들에 있어서, 예시적인 컴퓨팅 자원들은 저장 및 검색 성능들을 갖는 애플리케이션 서버들 및/또는 데이터베이스들을 포함할 수 있다. 각각의 자원 제공자(1002)는 클라우드 컴퓨팅 환경(1000) 내의 임의의 다른 자원 제공자(1002)에 연결될 수 있다. 일부 구현예들에 있어서, 자원 제공자들(1002)은 컴퓨터 네트워크(1008)를 통해 연결될 수 있다. 각각의 자원 제공자(1002)는 컴퓨터 네트워크(1008)를 통해 하나 이상의 컴퓨팅 디바이스(1004a, 1004b, 1004c)(집합적으로, 1004)에 연결될 수 있다.

클라우드 컴퓨팅 환경(1000)은 자원 관리자(1006)를 포함할 수 있다. 자원 관리자(1006)는 컴퓨터 네트워크(1008)를 통해 자원 제공자(1002) 및 컴퓨팅 디바이스들(1004)에 연결될 수 있다. 일부 구현예들에 있어서, 자원 관리자(1006)는 하나 이상의 자원 제공자들(1002)에 의한 하나 이상의 컴퓨팅 디바이스들(1004)로의 컴퓨팅 자원들의 공급을 가능하게 할 수 있다. 자원 관리자(1006)는 특정 컴퓨팅 디바이스(1004)로부터의 컴퓨팅 자원에 대한 요청을 수신할 수 있다. 자원 관리자(1006)는 컴퓨팅 디바이스(1004)에 의해 요청된 컴퓨팅 자원을 제공할 수 있는 하나 이상의 자원 제공자들(1002)을 식별할 수 있다. 자원 관리자(1006)는 컴퓨팅 자원을 제공하기 위한 자원 제공자(1002)를 선택할 수 있다. 자원 관리자(1006)는 자원 제공자(1002)와 특정 컴퓨팅 디바이스(1004) 사이의 연결을 가능하게 할 수 있다. 일부 구현예들에 있어서, 자원 관리자(1006)는 특정 자원 관리자(1002)와 특정 컴퓨팅 디바이스(1004) 사이의 연결을 수립할 수 있다. 일부 구현예들에 있어서, 자원 관리자(1006)는 특정 컴퓨팅 디바이스(1004)를 요청된 컴퓨팅 자원을 갖는 특정 자원 제공자(1002)로 리다이렉트(redirect)할 수 있다.

도 11은 본 개시에서 설명되는 기술들을 구현하기 위하여 사용될 수 있는 컴퓨팅 디바이스(1100) 및 모바일 컴퓨팅 디바이스(1150)의 일 예를 도시한다. 컴퓨팅 디바이스(1100)는, 랩탑들, 데스크탑들, 워크스테이션들, 개인용 디지털 보조 기기들, 서버들, 블레이드 서버들, 메인프레임들, 및 다른 적절한 컴퓨터들과 같은 다양한 형태들의 디지털 컴퓨터들을 나타내도록 의도된다. 모바일 컴퓨팅 디바이스(1150)는, 개인용 디지털 보조 기기들, 셀룰러 전화기들, 스마트-폰들, 및 다른 유사한 컴퓨팅 디바이스들과 같은 다양한 형태들의 모바일 디바이스들을 나타내도록 의도된다. 여기에 도시된 컴포넌트들, 그들의 연결들 및 관계들, 및 그들의 기능들은 오로지 예들일 뿐이며, 제한적인 것을 의미하지 않는다.

컴퓨팅 디바이스(1100)는, 프로세서(1102), 메모리(1104), 저장 디바이스(1106), 메모리(1104) 및 다수의 고속 확장 포트들(1110)에 연결되는 고속 인터페이스(1108), 및 저속 확장 포트(1114) 및 저장 디바이스(1106)에 연결되는 저속 인터페이스(1112)를 포함한다. 프로세서(1102), 메모리(1104), 저장 디바이스(1106), 고속 인터페이스(1108), 고속 확장 포트들(1110) 및 저속 인터페이스(1112)의 각각은 다양한 버스들을 사용하여 상호연결되며, 공통 마더보드 상에 또는 다른 적절한 방식들로 장착될 수 있다. 프로세서(1102)는, 고속 인터페이스(1108)에 결합된 디스플레이(1116)와 같은 외부 입력/출력 디바이스 상에 GUI에 대한 그래픽 정보를 디스플레이하기 위하여 저장 디바이스(1106) 상에 또는 메모리(1104) 내에 저장된 명령어들을 포함하는 컴퓨팅 디바이스(1100) 내에서의 실행을 위한 명령어들을 프로세싱할 수 있다. 다른 구현예들에 있어서, 다수의 프로세서들 및/또는 다수의 버스들은, 다수의 메모리들 및 유형들의 메모리들과 함께 적절하게 사용될 수 있다. 또한, 다수의 컴퓨팅 디바이스들이 연결될 수 있으며, 여기에서 각각의 디바이스는 필요한 동자들의 부분들을 제공한다(예를 들어, 서버 뱅크, 블레이드 서버들의 그룹, 또는 다중-프로세서 시스템). 따라서, 복수의 기능들이 "프로세서"에 의해 수행되는 것으로서 설명되는 용어가 본원에서 사용될 때, 이는 복수의 기능들이 임의의 수의 컴퓨팅 디바이스들(하나 또는 그 이상)의 임의의 수의 프로세서들(하나 또는 그 이상)에 의해 수행되는 실시예들을 포괄한다. 추가로, 기능이 "프로세서"에 의해 수행되는 것으로서 설명되는 경우, 이는 그 기능이 (예를 들어, 분산형 컴퓨팅 시스템에서) 임의의 수의 컴퓨팅 디바이스들(하나 또는 그 이상)의 임의의 수의 프로세서들(하나 또는 그 이상)에 의해 수행되는 실시예들을 포괄한다.

메모리(1104)는 컴퓨팅 디바이스(1100) 내에 정보를 저장한다. 일부 구현예들에 있어서, 메모리(1104)는 휘발성 메모리 유닛 또는 유닛들이다. 일부 구현예들에 있어서, 메모리(1104)는 비휘발성 메모리 유닛 또는 유닛들이다. 메모리(1104)는 또한 자기 또는 광학 디스크와 같은 다른 형태의 컴퓨터-판독가능 매체일 수 있다.

저장 디바이스(1106)는 컴퓨팅 디바이스(1100)에 대한 대규모 저장을 제공할 수 있다. 일부 구현예들에 있어서, 저장 디바이스(1106)는, 저장 영역 네트워크 또는 다른 구성들의 디바이스들을 포함하여, 플로피 디스크 디바이스, 하드 디스크 디바이스, 광학 디스크 디바이스, 또는 테이프 디바이스, 플래시 메모리 또는 다른 유사한 고체 상태 메모리 디바이스, 또는 디바이스들의 어레이와 같은 컴퓨터-판독가능 매체일 수 있거나 또는 이를 포함할 수 있다. 명령어들은 정보 캐리어에 저장될 수 있다. 명령어들은, 하나 이상의 프로세싱 디바이스들(예를 들어, 프로세서(1102))에 의해 실행될 때, 이상에서 설명된 것들과 같은 하나 이상의 방법들을 수행한다. 명령어들은 또한 컴퓨터- 또는 기계-판독가능 매체들(예를 들어, 메모리(1104), 저장 디바이스(1106), 또는 프로세서(1102) 상의 메모리)과 같은 하나 이상의 저장 디바이스들에 의해 저장될 수 있다.

고속 인터페이스(1108)는 컴퓨팅 디바이스(1100)에 대한 대역폭-집중 동작들을 관리하며, 저속 인터페이스(1112)는 더 낮은 대역폭-집중 동작들을 관리한다. 기능들의 이러한 할당은 단지 예이다. 일부 구현예들에 있어서, 고속 인터페이스(1108)는 메모리(1104), 디스플레이(1116)(예를 들어, 그래픽 프로세서 또는 가속기를 통해), 및 다양한 확장 카드들(미도시)을 받아들 일 수 있는 고속 확장 포트들(1110)에 결합된다. 구현예에 있어서, 저속 인터페이스(1112)는 저장 디바이스(1106)와 저속 확장 포트(1114)에 결합된다. 다양한 통신 포트들(예를 들어, USB, Bluetooth®, 이더넷, 무선 이더넷)을 포함할 수 있는 저속 확장 포트(1114)는, 키보드, 포인팅 디바이스, 스캐너와 같은 하나 이상의 입력/출력 디바이스들에 결합될 수 있거나, 또는 예를 들어, 네트워크 어댑터를 통해 스위치 또는 라우터와 같은 네트워킹 디바이스들에 결합될 수 있다.

컴퓨팅 디바이스(1100)는 도면에 도시된 바와 같이 다수의 상이한 형태들로 구현될 수 있다. 예를 들어, 이는, 표준 서버(1120)로서 또는 이러한 서버들의 그룹 내에서 여러 번 구현될 수 있다. 이에 더하여, 이는 랩탑 컴퓨터(1122)와 같은 개인용 컴퓨터에서 구현될 수 있다. 이는 또한 랙 서버 시스템(1124)의 부분으로서 구현될 수도 있다. 대안적으로, 컴퓨팅 디바이스(1100)로부터의 컴포넌트들은 모바일 컴퓨팅 디바이스(1150)와 같은 모바일 디바이스(미도시) 내의 다른 컴포넌트들과 결합될 수 있다. 이러한 디바이스들의 각각은 컴퓨팅 디바이스(1100) 및 모바일 컴퓨팅 디바이스(1150) 중 하나 이상을 포함할 수 있으며, 전체 시스템은 서로 통신하는 다수의 컴퓨팅 디바이스들로 이루어질 수 있다.

모바일 컴퓨팅 디바이스(1150)는, 다른 컴포넌트들 중에서도 특히, 프로세서(1152), 메모리(1164), 디스플레이(1154)와 같은 입력/출력 디바이스, 통신 인터페이스(1166), 및 트랜시버(1168)를 포함한다. 모바일 컴퓨팅 디바이스(1150)는 추가적인 저장을 제공하기 위한 마이크로-드라이브 또는 다른 디바이스와 같은 저장 디바이스를 구비할 수 있다. 프로세서(1152), 메모리(1164), 디스플레이(1154), 통신 인터페이스(1166), 및 트랜시버(1168)의 각각은 다양한 버스들을 사용하여 상호연결되며, 컴포넌트들 중 몇몇은 공통 마더보드 상에 또는 적절한 다른 방식으로 장착될 수 있다.

프로세서(1152)는 메모리(1164)에 저장된 명령어들을 포함하여 모바일 컴퓨팅 디바이스(1150) 내에서 명령어들을 실행할 수 있다. 프로세서(1152)는 별개의 그리고 다수의 아날로그 및 디지털 프로세서들을 포함하는 칩들의 칩셋으로서 구현될 수 있다. 프로세서(1152)는, 예를 들어, 사용자 인터페이스들의 제어, 모바일 컴퓨팅 디바이스(1150)에 의한 애플리케이션 실행, 및 모바일 컴퓨팅 디바이스(1150)에 의한 무선 통신과 같은 모바일 컴퓨팅 디바이스(1150)의 다른 컴포넌트들의 조율을 가능하게 할 수 있다.

프로세서(1152)는, 디스플레이(1154)에 결합된 디스플레이 인터페이스(1156) 및 제어 인터페이스(1158)를 통해 사용자와 통신할 수 있다. 디스플레이(1154)는, 예를 들어, TFT(Thin-Film-Transistor Liquid Crystal Display; 박막-트랜지스터 액정 크리스탈 디스플레이) 디스플레이 또는 OLED(Organic Light Emitting Diode; 유기 발광 다이오드) 디스플레이 또는 다른 적절한 디스플레이 기술품일 수 있다. 디스플레이 인터페이스(1156)는 사용자에게 그래픽 및 다른 정보를 나타내기 위해 디스플레이(1154)를 구동하기 위한 적절한 회로부를 포함할 수 있다. 제어 인터페이스(1158)는 사용자로부터 명령들을 수신하고, 이들을 프로세서(1152)에 제출하기 위하여 변환할 수 있다. 이에 더하여, 외부 인터페이스(1162)는, 다른 디바이스들과의 모바일 컴퓨팅 디바이스(1150)의 근거리 통신을 가능하게 하기 위하여 프로세서(1152)와의 통신을 제공할 수 있다. 외부 인터페이스(1162)는, 예를 들어, 일부 구현예들에서는 유선 통신을, 다른 구현예들에서는 무선 통신을 가능하게 할 수 있으며, 다수의 인터페이스들이 또한 사용될 수도 있다.

메모리(1164)는 모바일 컴퓨팅 디바이스(1150) 내에 정보를 저장한다. 메모리(1164)는 컴퓨터-판독가능 매체 또는 매체들, 휘발성 메모리 유닛 또는 유닛들, 또는 비-휘발성 메모리 유닛 또는 유닛들 중 하나 이상으로서 구현될 수 있다. 확장 메모리(1174)가 또한 제공될 수 있으며, 예를 들어, SIMM(Single In Line Memory Module) 카드 인터페이스를 포함할 수 있는 확장 인터페이스(1172)를 통해 모바일 컴퓨팅 디바이스(1150)에 연결될 수 있다. 확장 메모리(1174)는 모바일 컴퓨팅 디바이스(1150)에 대한 추가 저장 공간을 제공할 수 있거나, 또는, 모바일 컴퓨팅 디바이스(1150)에 대한 애플리케이션들 또는 다른 정보를 저장할 수 있다. 특히, 확장 메모리(1174)는 이상에서 설명된 프로세스들을 수행하거나 또는 보충하기 위한 명령어들을 포함할 수 있으며, 보안 정보를 또한 포함할 수 있다. 따라서, 예를 들어, 확장 메모리(1174)는 모바일 컴퓨팅 디바이스(1150)에 대한 보안 모듈로서 제공될 수 있으며, 모바일 컴퓨팅 디바이스(1150)의 안전한 사용을 허용하는 명령어들을 가지고 프로그래밍될 수 있다. 이에 더하여, 보안 애플리케이션은, 해킹이 불가능한 방식으로 SIMM 카드 상에 식별 정보를 배치하는 것과 같은 추가적인 정보와 함께 SIMM 카드들을 통해 제공될 수 있다.

메모리는, 예를 들어, 이하에서 설명되는 바와 같은 플래시 메모리 및/또는 NVRAM 메모리(non-volatile random access memory)를 포함할 수 있다. 일부 구현예들에 있어서, 명령어들은 정보 캐리어에 저장될 수 있다. 그 명령어들은, 하나 이상의 프로세싱 디바이스들(예를 들어, 프로세서(1152))에 의해 실행될 때, 이상에서 설명된 것들과 같은 하나 이상의 방법들을 수행한다. 명령어들은 또한 하나 이상의 컴퓨터- 또는 기계-판독가능 매체들(예를 들어, 메모리(1164), 확장 메모리(1174), 또는 프로세서(1152) 상의 메모리)과 같은 하나 이상의 저장 디바이스들에 의해 저장될 수 있다. 일부 구현예들에 있어서, 명령어들은, 예를 들어, 트랜시버(1168) 또는 외부 인터페이스(1162)을 통해 전파되는 신호로 수신될 수 있다.

모바일 컴퓨팅 디바이스(1150)는, 필요한 경우 디지털 신호 프로세싱 회로부를 포함할 수 있는 통신 인터페이스(1166)을 통해 무선으로 통신할 수 있다. 통신 인터페이스(1166)는, 다른 것들 중에서도 특히, GSM 음성 호들(Global System for Mobile communications), SMS(Short Message Service), EMS(Enhanced Messaging Service), 또는 MMS 메시징(Multimedia Messaging Service), CDMA(code division multiple access), TDMA(time division multiple access), PDC(Personal Digital Cellular), WCDMA(Wideband Code Division Multiple Access), CDMA2000, 또는 GPRS(General Packet Radio Service)와 같은 다양한 모드들 또는 프로토콜들 하에서의 통신을 가능하게 할 수 있다. 이러한 통신은, 예를 들어, 라디오-주파수를 사용하여 트랜시버(1168)를 통해 일어날 수 있다. 이에 더하여, 예컨대, Bluetooth®, Wi-Fi™, 또는 다른 이러한 트랜시버(미도시)를 사용하여 근거리 통신이 일어날 수 있다. 이에 더하여, GPS(Global Positioning System) 수신기 모듈(1170)은, 모바일 컴퓨팅 디바이스(1150) 상에서 실행 중인 애플리케이션들에 의해 적절하게 사용될 수 있는 추가적인 네비게이션- 및 위치-관련 무선 데이터들을 모바일 컴퓨팅 디바이스(1150)로 제공할 수 있다.

모바일 컴퓨팅 디바이스(1150)는 또한, 사용자로부터 발화된 정보를 수신할 수 있으며 이를 사용가능한 디지털 정보로 변환할 수 잇는 오디오 코덱(1160)을 사용하여 오디오로 통신할 수 있다. 오디오 코덱(1160)는, 예를 들어, 모바일 컴퓨팅 디바이스(1150)의 핸드셋 내의 스피커를 통해서와 같이, 사용자에 대한 가청 사운드를 마찬가지로 생성할 수 있다. 이러한 사운드는, 음성 전화 호들로부터의 사운드를 포함할 수 있으며, 녹음된 사운드(예를 들어, 음성 메시지, 음악 파일들 등)을 포함할 수 있고, 또한 모바일 컴퓨팅 디바이스(1150) 상에서 동작하는 애플리케이션들에 의해 생성된 사운드를 포함할 수 있다.

모바일 컴퓨팅 디바이스(1150)는 도면에 도시된 바와 같이 다수의 상이한 형태들로 구현될 수 있다. 예를 들어, 이는 셀룰러 전화기(1180)로서 구현될 수 있다. 이는 또한, 스마트-폰(1182), 개인용 디지털 보조 기기, 또는 다른 유사한 모바일 디바이스의 부분으로서 구현될 수 있다.

본원에서 설명된 시스템들 및 기술들의 다양한 구현예들은 디지털 전자 회로부, 집적 회로부, 특수 설계된 ASIC(application specific integrated circuit)들, 컴퓨터 하드웨어, 펌웨어, 소프트웨어, 및/또는 이들의 조합들로 실현될 수 있다. 이러한 다양한 구현예들은, 저장 시스템, 적어도 하나의 입력 디바이스, 및 적어도 하나의 출력 디바이스로부터 명령어들을 수신하고, 이들로 데이터 및 명령어들을 전송하기 위해 결합된, 특수 또는 범용 목적일 수 있는 적어도 하나의 프로그램가능 프로세서를 포함하는 프로그램가능 시스템 상에서 실행가능하거나 및/또는 번역가능한 하나 이상의 컴퓨터 프로그램들로의 구현을 포함할 수 있다.

이러한 컴퓨터 프로그램들(프로그램들, 소프트웨어, 소프트웨어 애플리케이션들 또는 코드로서도 알려짐)은 프로그램가능 프로세서에 대한 기계 명령어들을 포함하며, 고-레벨 절차적 및/또는 객체-지향 프로그래밍 언어로, 및/또는 어셈블리/기계 언어로 구현될 수 있다. 본원에서 사용될 때, 용어들 기계-판독가능 매체 및 컴퓨터-판독가능 매체는, 기계-판독가능 신호로서 기계 명령어들을 수신하는 기계-판독가능 매체를 포함하여, 프로그램가능 프로세서로 기계 명령어들 및/또는 데이터를 제공하기 위해 사용되는 임의의 컴퓨터 프로그램 제품, 장치 및/또는 디바이스(예를 들어, 자기 디스크들, 광학 디스크들, 메모리, 프로그램가능 로직 디바이스(Programmable Logic Device; PLD)들)를 지칭한다. 용어 기계-판독가능 신호는 프로그램가능 프로세서로 기계 명령어들 및/또는 데이터를 제공하기 위해 사용되는 임의의 신호를 지칭한다.

사용자와의 상호작용을 가능하게 하기 위하여, 본원에서 설명된 시스템들 및 기술들은, 사용자가 컴퓨터로 입력을 제공할 수 있는 키보드 및 포인팅 디바이스(예를 들어, 마우스 또는 트랙볼) 및 사용자에게 정보를 디스플레이하기 위한 디스플레이 디바이스(예를 들어, CRT(cathode ray tube) 또는 LCD(liquid crystal display) 모니터)를 갖는 컴퓨터 상에 구현될 수 있다. 다른 종류의 디바이스들이 사용자와의 상호작용을 가능하게 하기 위해 마찬가지로 사용될 수 있다; 예를 들어, 사용자에게 제공되는 피드백은 임의의 형태의 센서적 피드백(예를 들어, 시각적 피드백, 청각적 피드백, 또는 촉각적 피드백)일 수 있으며; 사용자로부터의 입력은 음향, 언어, 또는 촉각 입력을 포함하는 임의의 형태로 수신될 수 있다.

본원에서 설명되는 시스템들 및 기술들은, 백 엔드 컴포넌트(예를 들어, 데이터 서버로서)를 포함하는, 또는 미들웨어 컴포넌트(예를 들어, 애플리케이션 서버)를 포함하는, 또는 프런트 엔드 컴포넌트(예를 들어, 이를 통해 사용자가 본원에서 설명되는 시스템들 및 기술들의 구현예와 상호작용할 수 있는 그래픽 사용자 인터페이스 또는 웹 브라우저를 갖는 클라이언트 컴퓨터) 또는 이러한 백엔드, 미들웨어, 또는 프런트 엔드 컴포넌트들의 임의의 조합을 포함하는 컴퓨팅 시스템 내에서 구현될 수 있다. 시스템의 컴포넌트들은 임의의 형태의 또는 매체의 디지털 데이터 통신(예를 들어, 통신 네트워크)에 의해 상호연결될 수 있다. 통신 네트워크들의 예들은, 근거리 네트워크(local area network; LAN), 광역 네트워크(wide area network; WAN), 및 인터넷을 포함한다.

컴퓨팅 시스템은 클라이언트들 및 서버들을 포함할 수 있다. 클라이언트 및 서버는 일반적으로 서로 원격에 있으며, 전형적으로 통신 네트워크를 통해 상호작용한다. 클라이언트 및 서버의 관계는 서로에 대해 클라이언트-서버 관계를 가지며 개별적인 컴퓨터들 상에서 실행되는 컴퓨터 프로그램들에 의해 발생한다.

일부 구현예들에 있어서, 본원에서 설명되는 임의의 모듈들은 분리되거나, 단일의 또는 결합된 모듈들로 결합되거나 또는 통합될 수 있다. 도면들에 도시된 모듈들은 본원에서 설명되는 시스템들을 그 안에 도시된 소프트웨어 아키텍처로 한정하도록 의도되지 않는다.

본원에서 설명되는 상이한 구현예들의 엘리먼트들은 이상에서 구체적으로 기술되지 않은 다른 구현예들을 형성하기 위해 결합될 수 있다. 엘리먼트들은 그들의 동작에 부정적인 영향을 주지 않으면서 본원에서 설명되는 프로세스들, 컴퓨터 프로그램들, 데이터베이스들 등에서 제외될 수 있다. 이에 더하여, 도면 내에 도시된 논리 흐름들은 바람직한 결과들을 달성하기 위하여 도시된 특정 순서 또는 순차적 순서를 요구하지 않는다. 다양한 별개의 엘리먼트들이 본원에서 설명된 기능들을 수행하기 위하여 하나 이상의 개별적인 엘리먼트들로 결합될 수 있다. 일부 구현예들에 있어서, 구조적 관점에서 시스템들 및 방법들의 기능들 및 장치들이 본원에서 설명되었다.

장치 및 시스템들이 특정 컴포넌트들을 갖거나, 포함하거나, 또는 이들로 구성되는 것으로서 설명되거나, 또는, 프로세스들 및 방법들이 특정 단계들을 갖거나, 포함하거나 또는 이들로 구성되는 것으로서 설명되는, 본 설명의 전체에 걸쳐, 추가적으로, 나열된 컴포넌트들로 구성되거나 또는 본질적으로 구성되는 본 발명의 장치 및 시스템들이 존재하고, 나열된 프로세싱 단계들로 구성되거나 또는 본질적으로 구성되는 본 발명에 따른 프로세스들 및 방법들이 존재한다는 것이 고려된다.

본 발명이 특정한 선호되는 실시예들을 참조하여 구체적으로 도시되고 설명되었지만, 첨부된 청구항들에 의해 정의되는 바와 같은 본 발명의 사상 및 범위로부터 벗어나지 않고 형태 및 세부사항들에 있어서 다양한 변화들이 이루어질 수 있다는 것이 당업자들에게 이해되어야만 할 것이다.

Claims

대상체의 3D 이미지에서 이소성 골화증(heterotopic ossification; HO)을 자동으로 검출하기 위한 방법으로서,
(a) 컴퓨팅 디바이스의 프로세서에 의해, 대상체의 3D 이미지를 수신하는 단계;
(b) 상기 프로세서에 의해, 수신된 3D 이미지에 전역 임계화(thresholding) 동작을 적용하여, 뼈의 그래픽 표현을 포함하는 상기 이미지 내의 관심 대상 초기 영역을 식별하는 초기 뼈 마스크를 생성하는 단계;
(c) 상기 프로세서에 의해, 상기 초기 뼈 마스크에 의해 식별된 상기 이미지의 상기 관심 대상 상기 초기 영역에 적용되는 3D 에지 검출 동작을 사용하여 경계값 맵을 결정하는 단계로서, 상기 경계값 맵은 뼈가 연질 조직과 만나는 경계에 대응하는 3D 이미지의 복셀의 강도값을 식별하고 포함하는, 상기 경계값 맵을 결정하는 단계;
(d) 상기 프로세서에 의해, 상기 초기 뼈 마스크 및 상기 경계값 맵을 사용하여 뼈 임계 맵을 결정하는 단계로서, 상기 뼈 임계 맵은, 상기 초기 뼈 마스크의 각각의 복셀에 대하여, 상기 초기 뼈 마스크 내의 복셀에 상기 경계값 맵의 값을 외삽함으로써 결정되는 임계값을 포함하는, 상기 뼈 임계 맵을 결정하는 단계; 및
(e) 상기 프로세서에 의해, 상기 수신된 3D 이미지 및 상기 뼈 임계 맵을 사용하여 최종 뼈 마스크를 결정하는 단계를 포함하는, 방법.
청구항 1에 있어서, 단계 (b)는, 상기 프로세서에 의해, 상기 3D 이미지의 복셀의 강도를 사용하여 전역 임계값을 결정하는 단계를 포함하는, 방법.
청구항 2에 있어서, 상기 전역 임계값은, 상기 초기 뼈 마스크가 상기 3D 이미지 내의 뼈를 과도하게 나타내도록 결정되는, 방법.
청구항 2 또는 청구항 3에 있어서, 상기 전역 임계화 동작은, 상기 전역 임계값을 사용하여 결정되는 상한 임계치 및 하한 임계치를 사용하는 이력(hysteresis) 임계화 동작인, 방법.
청구항 1 내지 청구항 4 중 어느 한 항에 있어서,
(f) 상기 프로세서에 의해, 상기 최종 뼈 마스크에 거리 변환을 적용함으로써 거리 맵을 결정하는 단계;
(g) 상기 프로세서에 의해, 상기 거리 맵에 분기점 구분화 동작을 적용하여 상기 거리 맵 내의 집수 지역(catchment basin) 및/또는 분기점 라인의 세트를 식별하는 단계;
(h) 상기 프로세서에 의해, 상기 최종 뼈 마스크 및 단계 (g)로부터의 식별된 집수 지역 및/또는 분기점 라인을 사용하여 제1 분리 뼈 마스크를 생성하는 단계;
(i) 상기 프로세서에 의해, 상기 3D 이미지에 하나 이상의 2차 도함수 분리 필터를 적용하여 상기 3D 이미지 내의 분리 라인 복셀의 세트를 식별하는 단계;
(j) 상기 프로세서에 의해, 상기 제1 분리 뼈 마스크로부터 상기 분리 라인 복셀의 세트에 대응하는 복셀을 제거하여, 제2 분리 뼈 마스크를 생성하는 단계;
(k) 상기 프로세서에 의해, 하나 이상의 형태학적 프로세싱 동작을 통해 상기 제2 분리 뼈 마스크의 복수의 라벨링된 분리 바이너리 컴포넌트를 결정하는 단계;
(l) 상기 프로세서에 의해, 시드(seed)로서 상기 제2 분리 뼈 마스크의 상기 복수의 라벨링된 분리 바이너리 컴포넌트를 사용하여 상기 최종 뼈 마스크 내의 영역 성장 동작을 수행함으로써, 라벨링된 최종 뼈 맵을 생성하는 단계; 및
(m) 상기 프로세서에 의해, 상기 라벨링된 최종 뼈 맵의 그래픽 표현을 렌더링(rendering)하는 단계를 더 포함하는, 방법.
청구항 1 내지 청구항 4 중 어느 한 항에 있어서,
(f) 상기 프로세서에 의해, 상기 3D 이미지에 하나 이상의 2차 도함수 분리 필터를 적용하여 상기 3D 이미지 내의 분리 라인 복셀의 세트를 식별하는 단계;
(g) 상기 프로세서에 의해, 상기 최종 뼈 마스크로부터 상기 분리 라인 복셀의 세트에 대응하는 복셀을 제거하여, 제1 분리 뼈 마스크를 생성하는 단계;
(h) 상기 프로세서에 의해, 상기 제1 분리 뼈 마스크에 거리 변환을 적용함으로써 거리 맵을 결정하는 단계;
(i) 상기 프로세서에 의해, 상기 거리 맵에 분기점 구분화 동작을 적용하여 상기 거리 맵 내의 집수 지역(catchment basin) 및/또는 분기점 라인의 세트를 식별하는 단계;
(j) 상기 프로세서에 의해, (A) 상기 제1 분리 뼈 마스크 및 (B) 단계 (i)로부터의 식별된 집수 지역 및/또는 분기점 라인을 사용하여 제2 분리 뼈 마스크를 생성하는 단계;
(k) 상기 프로세서에 의해, 하나 이상의 형태학적 프로세싱 동작을 통해 상기 제2 분리 뼈 마스크의 복수의 라벨링된 분리 바이너리 컴포넌트를 결정하는 단계;
(l) 상기 프로세서에 의해, 시드로서 상기 제2 분리 뼈 마스크의 상기 복수의 라벨링된 분리 바이너리 컴포넌트를 사용하여 상기 최종 뼈 마스크 내의 영역 성장 동작을 수행함으로써, 라벨링된 최종 뼈 맵을 생성하는 단계; 및
(m) 상기 프로세서에 의해, 상기 라벨링된 최종 뼈 맵의 그래픽 표현을 렌더링하는 단계를 더 포함하는, 방법.
청구항 5 또는 청구항 6에 있어서,
(n) 단계 (m) 다음에, 상기 프로세서에 의해, 그래픽 사용자 인터페이스(graphical user interface; GUI)를 통해, 상기 라벨링된 최종 뼈 맵의 복수의 라벨링된 영역 중 하나 이상의 라벨링된 영역의 사용자 선택을 수신하는 단계로서, 상기 사용자 선택은 HO에 대응하는 것으로서 상기 하나 이상의 라벨링된 영역의 식별에 대응하는, 단계; 및
(o) 상기 프로세서에 의해, 상기 사용자에 의해 선택된 상기 하나 이상의 라벨링된 영역을 HO에 대응하는 것으로서 라벨링하고, 상기 프로세서에 의해, 나머지 라벨링된 영역을 정상 골격에 대응하는 것으로서 라벨링함으로써, 정상 골격에 대응하는 상기 3D 이미지의 영역과 HO에 대응하는 상기 이미지의 영역을 구별하는 바이너리 라벨링된 정상 골격 및 HO 맵을 생성하는 단계를 포함하는, 방법.
청구항 7에 있어서, 상기 프로세서에 의해, 상기 바이너리 라벨링된 정상 골격 및 HO 맵을 사용하여 하나 이상의 형태적 측정을 결정하는 단계를 포함하는, 방법.
청구항 8에 있어서, 상기 프로세서에 의해, HO에 대응하는 것으로서 라벨링된 상기 바이너리 라벨링된 정상 골격 및 HO 맵의 영역의 총 볼륨을 결정하는 단계를 포함하는, 방법.
청구항 5 내지 청구항 9 중 어느 한 항에 있어서, 상기 하나 이상의 2차 도함수 분리 필터는, LoG(Laplacian of Gaussian), HEH(highest Hessian eigenvalue, with preliminary Gaussian filtering) 및 LEH(lowest Hessian eigenvalue, with preliminary Gaussian filtering)로 구성된 그룹으로부터 선택된 적어도 하나의 멤버를 포함하는, 방법.
청구항 5 내지 청구항 10 중 어느 한 항에 있어서, 상기 하나 이상의 2차 도함수 분리 필터를 적용하는 것은 복수의 2차 도함수 분리 필터를 적용하는 것을 포함하며, 상기 복수의 2차 도함수 분리 필터를 적용하는 것은,
적용되는 각각의 2차 도함수 분리 필터에 대하여, 필터링된 이미지를 생성하는 것 및 임계값보다 더 높거나 또는 더 낮은 강도를 갖는 상기 필터링된 이미지의 복셀을 분리 라인 복셀로서 식별하는 것을 포함하는, 방법.
청구항 5 내지 청구항 11 중 어느 한 항에 있어서,
상기 하나 이상의 2차 도함수 분리 필터를 적용하기 이전에, 상기 프로세서에 의해, 상기 3D 이미지에 대하여 가우시안 필터링 동작을 수행하여 상기 3D 이미지의 가우시안 필터링된 버전을 생성하는 단계; 및
상기 프로세서에 의해, 상기 3D 이미지의 상기 가우시안 필터링된 버전에 상기 하나 이상의 2차 도함수 분리 필터를 적용하는 단계를 포함하는, 방법.
청구항 1 내지 청구항 12 중 어느 한 항에 있어서, 상기 대상체의 상기 3D 이미지는 CT 이미지이며, 상기 방법은 CT 이미지를 획득하는 단계를 포함하는, 방법.
대상체의 3D 이미지에서 이소성 골화증(HO)의 자동화된 검출을 위한 시스템으로서,
프로세서; 및
저장된 명령어들을 갖는 메모리를 포함하되, 상기 명령어들은 상기 프로세서에 의해 실행될 때, 상기 프로세서로 하여금,(a) 대상체의 3D 이미지를 수신하고;
(b) 수신된 3D 이미지에 전역 임계화 동작을 적용하여 뼈의 그래픽 표현을 포함하는 이미지 내의 관심 대상 초기 영역을 식별하는 초기 뼈 마스크를 생성하며;
(c) 상기 초기 뼈 마스크에 의해 식별된 상기 이미지의 상기 관심 대상 상기 초기 영역에 적용되는 3D 에지 검출 동작을 사용하여 경계값 맵을 결정하되, 상기 경계값 맵은 뼈가 연질 조직과 만나는 경계에 대응하는 3D 이미지의 복셀의 강도 값을 식별하고 포함하며;
(d) 상기 초기 뼈 마스크 및 상기 경계값 맵을 사용하여 뼈 임계 맵을 결정하되, 상기 뼈 임계 맵은, 상기 초기 뼈 마스크의 각각의 복셀에 대하여, 상기 초기 뼈 마스크 내의 복셀에 상기 경계값 맵의 값을 외삽함으로써 결정되는 임계값을 포함하며; 그리고
(e) 상기 수신된 3D 이미지 및 상기 뼈 임계 맵을 사용하여 최종 뼈 마스크를 결정하게끔 하는, 시스템.
청구항 14에 있어서, 단계 (b)에서, 상기 명령어들은, 상기 프로세서로 하여금, 상기 3D 이미지의 복셀의 강도를 사용하여 전역 임계값을 결정하게끔 하는, 시스템.
청구항 15에 있어서, 상기 명령어들은, 상기 프로세서로 하여금, 상기 초기 뼈 마스크가 상기 3D 이미지 내의 뼈를 과도하게 표현하도록 상기 전역 임계값을 결정하게끔 하는, 시스템.
청구항 15 또는 청구항 16에 있어서, 상기 전역 임계화 동작은, 상기 전역 임계값을 사용하여 결정되는 상한 임계치 및 하한 임계치를 사용하는 이력 임계화 동작인, 시스템.
청구항 14 내지 청구항 17 중 어느 한 항에 있어서, 상기 명령어들은, 상기 프로세서로 하여금,
(f) 상기 최종 뼈 마스크에 거리 변환을 적용함으로써 거리 맵을 결정하고;
(g) 상기 거리 맵에 분기점 구분화 동작을 적용하여 상기 거리 맵 내의 집수 지역 및/또는 분기점 라인의 세트를 식별하며;
(h) 상기 최종 뼈 마스크 및 단계 (g)로부터의 식별된 상기 집수 지역 및/또는 분기점 라인을 사용하여 제1 분리 뼈 마스크를 생성하고;
(i) 상기 3D 이미지에 하나 이상의 2차 도함수 분리 필터를 적용하여 상기 3D 이미지 내의 분리 라인의 세트를 식별하며;
(j) 상기 제1 분리 뼈 마스크로부터 상기 분리 라인 복셀의 세트에 대응하는 복셀을 제거하여, 제2 분리 뼈 마스크를 생성하고;
(k) 하나 이상의 형태학적 프로세싱 동작을 통해 상기 제2 분리 뼈 마스크의 복수의 라벨링된 분리 바이너리 컴포넌트를 결정하며;
(l) 시드로서 상기 제2 분리 뼈 마스크의 상기 복수의 라벨링된 분리 바이너리 컴포넌트를 사용하여 상기 최종 뼈 마스크 내의 영역 성장 동작을 수행하여 라벨링된 최종 뼈 맵을 생성하고; 그리고
(m) 상기 라벨링된 최종 뼈 맵의 그래픽 표현을 렌더링하게끔 하는, 시스템.
청구항 14 내지 청구항 17 중 어느 한 항에 있어서, 상기 명령어들은, 상기 프로세서로 하여금,
(f) 상기 3D 이미지에 하나 이상의 2차 도함수 분리 필터를 적용하여 상기 3D 이미지 내의 분리 라인 복셀의 세트를 식별하고;
(g) 상기 최종 뼈 마스크로부터 상기 분리 라인 복셀의 세트에 대응하는 복셀을 제거함으로써, 제1 분리 뼈 마스크를 생성하며;
(h) 상기 제1 분리 뼈 마스크에 거리 변환을 적용함으로써 거리 맵을 결정하고;
(i) 상기 거리 맵에 분기점 구분화 동작을 적용하여 상기 거리 맵 내의 집수 지역 및/또는 분기점 라인의 세트를 식별하며;
(j) (A) 상기 제1 분리 뼈 마스크 및 (B) 단계 (i)로부터의 식별된 상기 집수 지역 및/또는 분기점 라인을 사용하여 제2 분리 뼈 마스크를 생성하고;
(k) 하나 이상의 형태학적 프로세싱 동작을 통해 상기 제2 분리 뼈 마스크의 복수의 라벨링된 분리 바이너리 컴포넌트들을 결정하며;
(l) 시드로서 상기 제2 분리 뼈 마스크의 상기 복수의 라벨링된 분리 바이너리 컴포넌트를 사용함으로써, 상기 최종 뼈 마스크 내의 영역 성장 동작을 수행하여 라벨링된 최종 뼈 맵을 생성하고; 그리고
(m) 상기 라벨링된 최종 뼈 맵의 그래픽 표현을 렌더링하게끔 하는, 시스템.
청구항 18 또는 청구항 19에 있어서, 상기 명령어들은, 상기 프로세서로 하여금,
(n) 단계 (m) 다음에, 그래픽 사용자 인터페이스(GUI)를 통해, 상기 라벨링된 최종 뼈 맵의 복수의 라벨링된 영역 중 하나 이상의 라벨링된 영역의 사용자 선택을 수신하되, 상기 사용자 선택은 HO에 대응하는 것으로서 상기 하나 이상의 라벨링된 영역의 식별에 대응하며; 그리고
(o) 상기 사용자에 의해 선택된 상기 하나 이상의 라벨링된 영역을 HO에 대응하는 것으로서 라벨링하고, 나머지 라벨링된 영역을 정상 골격에 대응하는 것으로서 라벨링함으로써, 정상 골격에 대응하는 상기 3D 이미지의 영역과 HO에 대응하는 상기 이미지의 영역을 구별하는 바이너리 라벨링된 정상 골격 및 HO 맵을 생성하게끔 하는, 시스템.
청구항 20에 있어서, 상기 명령어들은, 상기 프로세서로 하여금, 상기 바이너리 라벨링된 정상 골격 및 HO 맵을 사용하여 하나 이상의 형태적 측정을 결정하게끔 하는, 시스템.
청구항 21에 있어서, 상기 명령어들은, 상기 프로세서로 하여금, HO에 대응하는 것으로서 라벨링된 바이너리 라벨링된 정상 골격 및 HO 맵의 영역의 총 볼륨을 결정하게끔 하는, 시스템.
청구항 18 내지 청구항 22 중 어느 한 항에 있어서, 상기 하나 이상의 2차 도함수 분리 필터는, LoG(Laplacian of Gaussian), HEH(highest Hessian eigenvalue, with preliminary Gaussian filtering) 및 LEH(lowest Hessian eigenvalue, with preliminary Gaussian filtering)로 구성된 그룹으로부터 선택된 적어도 하나의 멤버를 포함하는, 시스템.
청구항 18 내지 청구항 23 중 어느 한 항에 있어서, 상기 하나 이상의 2차 도함수 분리 필터를 적용하는 것은 복수의 2차 도함수 분리 필터를 적용하는 것을 포함하며, 상기 복수의 2차 도함수 분리 필터를 적용하는 것은,
적용되는 각각의 2차 도함수 분리 필터에 대하여, 필터링된 이미지를 생성하는 것 및 임계값보다 더 높거나 또는 더 낮은 강도를 갖는 상기 필터링된 이미지의 복셀을 분리 라인 복셀로서 식별하는 것을 포함하는, 시스템.
청구항 18 내지 청구항 24 중 어느 한 항에 있어서, 상기 명령어들은, 상기 프로세서로 하여금,
상기 하나 이상의 2차 도함수 분리 필터를 적용하기 이전에, 상기 3D 이미지에 대하여 가우시안 필터링 동작을 수행하여 상기 3D 이미지의 가우시안 필터링된 버전을 생성하고;
상기 3D 이미지의 상기 가우시안 필터링된 버전에 상기 하나 이상의 2차 도함수 분리 필터를 적용하게끔 하는, 시스템.
청구항 14 내지 청구항 25 중 어느 한 항에 있어서, 상기 대상체의 상기 3D 이미지는 CT 이미지인, 시스템.
청구항 26에 있어서, 상기 시스템은 상기 대상체의 상기 3D 이미지를 획득하기 위한 CT 스캐너를 포함하며, 상기 명령어들은, 상기 프로세서로 하여금 상기 CT 스캐너를 사용하여 상기 대상체의 상기 3D 이미지를 획득하게끔 하는, 시스템.