KR20200021714A - 의료 영상 분석 방법 및 장치 - Google Patents

Abstract

의료 영상 분석 방법 및 장치가 제공된다.
본 발명의 일 실시예에 따른 영상 분석 방법은, 영상에 n개(n은 자연수)의 방향성 필터를 컨볼루션하여 n개의 방향에 대한 n개의 활성맵을 얻는 단계, 각 방향에 대한 활성맵에, 각 방향에 대하여 미리 지정된 m(m은 자연수)개의 패턴 필터를 컨볼루션하여, 각 방향에 대한 활성맵으로부터 그래프를 얻는 단계 및 그래프를 얻는 단계를 통해 얻은 n개의 그래프를 결합하여 통합맵을 생성하는 단계를 포함할 수 있다.

Description

의료 영상 분석 방법 및 장치{METHOD AND APPARATUS FOR ANALYSING MEDICAL IMAGE}

본 발명은 의료 영상 분석 방법 및 장치에 관한 것이다. 보다 자세하게는, 엑스레이 등의 방사선 촬영 장치를 이용하여 얻은 의료 영상을 세그멘테이션(segmentation)하는 방법 및 장치에 관한 것이다.

방사선 촬영 장치는 비침습적인 검사 장치로서 신체 내의 구조를 촬영 및 처리하여 의료인에게 보여준다. 의료인은 방사선 영상을 이용하여 환자의 건강 상태 및 질병을 진단할 수 있다.

카메라가 물체로부터 반사되는 빛을 이용하여 영상을 얻는 것과 달리 방사선 촬영 장치는 방사선이 물체를 투과하고 남은 방사선량을 측정하여 영상을 얻는다. 그 결과 방사선 촬영 장치를 이용하여 얻은 영상은 카메라를 이용하여 얻은 영상과는 다르게 노이즈가 심한 형태의 영상이 얻어진다.

도 1은 방사선 촬영 장치를 이용하여 얻은 영상을 예시한 도면이다.

도 1에 나타난 것과 같이, 방사선 촬영 장치를 이용하여 얻은 영상(이하, '방사선 영상')은 뼈가 겹쳐지는 부분이 좀 더 밝아 보이는 특징이 있다. 또한 방사선 영상을 정확하게 분석하기 위하여 방사선 영상을 확대하면, 픽셀이 확대되어 방사선 영상의 분석이 어려워지는 특징이 있다.

물체 간의 경계를 컴퓨터 알고리즘으로 구분하는 것을 세그멘테이션(segmentation)이라고 한다. 방사선 영상은 빛의 반사가 아닌 투과를 이용하여 얻은 영상이기 때문에 확대한다고 해서 경계가 뚜렷하게 드러나는 것이 아니고, 2개 이상의 물체가 겹쳐지는 부분이 도리어 밝게 보이는 등 카메라를 통해 얻은 일반적인 영상과 다른 점이 많다. 기존의 세그멘테이션 알고리즘들은 대부분 카메라에서 촬영된 사진에서 세그멘테이션을 수행하기 위하여 개발되었기 때문에, 기존의 세그멘테이션 알고리즘을 이용하여 방사선 영상의 세그멘테이션을 수행하면 정확도가 매우 떨어진다.

의료 영상은 그 목적이 질병의 진단 및 치료에 있기 때문에 영상 처리 알고리즘의 정확성이 매우 중요하다. 그러나 상기한 문제로 인하여 기존의 세그멘테이션 알고리즘으로는 방사선 영상의 정확한 세그멘테이션을 수행할 수 없다.

상기와 같은 이유로 인하여 방사선 영상에 특화되어 정확성을 개선한 세그멘테이션 방법의 개발이 요구되고 있다.

한국공개특허 제10-2015-0058948호 (2015.05.29. 공개)

본 발명이 해결하고자 하는 기술적 과제는, 엑스레이 촬영 영상에서 뼈의 정확한 세그멘테이션을 수행할 수 있는 영상 분석 방법을 제공하는 것이다.

본 발명이 해결하고자 하는 다른 기술적 과제는, 방사선 영상에서 폐곡선으로 구분되는 인체 조직의 정확한 세그멘테이션을 수행할 수 있는 영상 분석 방법을 제공하는 것이다.

본 발명이 해결하고자 하는 다른 기술적 과제는, 방사선 영상에 국한되지 않고 모든 영상에 적용될 수 있는 방법으로서, 영상으로부터 폐곡선으로 구분되는 물체를 정확하게 구분하여 세그멘테이션을 수행할 수 있는 영상 분석 방법을 제공하는 것이다.

본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명의 기술분야에서의 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

상기 기술적 과제를 해결하기 위한, 본 발명의 일 실시예에 따른 영상 분석 방법은, 영상에 n개(n은 자연수)의 방향성 필터를 컨볼루션하여 n개의 방향에 대한 n개의 활성맵을 얻는 단계, 각 방향에 대한 활성맵에, 각 방향에 대하여 미리 지정된 m(m은 자연수)개의 패턴 필터를 컨볼루션하여, 각 방향에 대한 활성맵으로부터 그래프를 얻는 단계 및 그래프를 얻는 단계를 통해 얻은 n개의 그래프를 결합하여 통합맵을 생성하는 단계를 포함할 수 있다.

일 실시예에서, 활성맵을 얻는 단계와 그래프를 얻는 단계 사이에, 각 방향에 대한 활성맵에 맥스 필터를 컨볼루션하여 각 방향에 대한 활성맵의 노이즈를 제거하는 단계를 더 포함할 수 있다.

일 실시예에서, 각 방향에 대하여 미리 지정된 m개의 패턴 필터는, 각 방향의 방향성 필터로 필터링하고자 하는 방향의 오차 범위 내의 유효 픽셀을 필터링하기 위한 것일 수 있다.

일 실시예에서, 그래프를 얻는 단계는, 패턴 필터를 이용하여 필터링한 결과, 패턴 필터의 패턴을 가지고 있다고 판단된 경우, 패턴 필터의 중심점에 패턴 필터가 활성맵의 방향성에 대한 정보(이하, '방향 정보'라 함) 및 패턴 필터의 종류에 대한 정보(이하, '패턴 정보'라 함)를 포함하는 노드를 생성하는 단계를 포함할 수 있다.

일 실시예에서, 그래프를 얻는 단계는, 노드를 생성하는 단계 다음에, 인접한 노드들을 연결하는 단계를 더 포함할 수 있다.

일 실시예에서, 통합맵을 생성하는 단계는, n개의 그래프에서 동일한 좌표에 존재하는 노드를 검색하는 단계 및 검색된 노드를 서로 연결함으로써 n개의 그래프의 선을 서로 연결하는 단계를 포함할 수 있다.

일 실시예에서, 통합맵을 생성하는 단계 다음에, 통합맵에서 복수개의 끊어져 있는 선(이하, '단절선'이라 함)을 검출하는 단계, 복수개의 단절선 각각의 시작점으로 진입하는 복수개의 제1 가상 경로를 생성하는 단계, 복수개의 단절선 각각의 끝점으로부터 진출하는 복수개의 제2 가상 경로를 생성하는 단계 및 제1 가상 경로 중 어느 하나와 제2 가상 경로 중 어느 하나가 서로 맞닿은 경우, 맞닿은 가상 경로를 서로 연결하는 단계를 포함할 수 있다.

일 실시예에서, 통합맵을 생성하는 단계 다음에, 통합맵에서 분기점을 검출하는 단계, 분기점에서의 분기 방향을 결정하는 단계 및 결정된 분기 방향을 이용하여 폐곡선(closed curve)을 생성하는 단계를 포함할 수 있다.

일 실시예에서, 분기점을 검출하는 단계는, 3개 이상의 선이 교차하는 지점을 분기점으로 판단하는 단계를 포함할 수 있다.

일 실시예에서, 분기 방향을 결정하는 단계는, 분기점으로 최초로 진입한 선을 제외한 분기점으로 진입하는 다른 선으로의 분기를 분기 방향에서 제외하는 단계를 포함할 수 있다.

일 실시예에서, 분기 방향을 결정하는 단계는, 복수개의 선 각각에 포함된 노드들의 방향 정보 및 패턴 정보를 이용하여 복수개의 선 각각의 시퀀스를 생성하는 단계, 복수개의 선 각각의 시퀀스를 이용하여 분기점에서의 분기 방향을 결정하는 단계를 포함할 수 있다.

상기 기술적 과제를 해결하기 위한, 본 발명의 일 실시예에 따른 컴퓨팅 장치는, 하나 이상의 프로세서, 프로세서에 의하여 수행되는 컴퓨터 프로그램을 로드하는 메모리 및 컴퓨터 프로그램을 저장하는 스토리지를 포함하되, 컴퓨터 프로그램은, 영상에 n개(n은 자연수)의 방향성 필터를 컨볼루션하여 n개의 방향에 대한 n개의 활성맵을 얻는 인스트럭션, 각 방향에 대한 활성맵에, 각 방향에 대하여 미리 지정된 m(m은 자연수)개의 패턴 필터를 컨볼루션하여, 각 방향에 대한 활성맵으로부터 그래프를 얻는 인스트럭션 및 그래프를 얻는 인스트럭션을 통해 얻은 n개의 그래프를 결합하여 통합맵을 생성하는 인스트럭션을 포함할 수 있다.

상기 기술적 과제를 해결하기 위한, 본 발명의 일 실시예에 따른 영상 분석 장치는, 영상을 촬영하는 촬영부, 영상 또는 영상의 분석 결과를 표시하는 디스플레이, 하나 이상의 프로세서, 프로세서에 의하여 수행되는 컴퓨터 프로그램을 로드하는 메모리 및 컴퓨터 프로그램을 저장하는 스토리지를 포함하되, 컴퓨터 프로그램은, 영상에 n개(n은 자연수)의 방향성 필터를 컨볼루션하여 n개의 방향에 대한 n개의 활성맵을 얻는 인스트럭션, 각 방향에 대한 활성맵에, 각 방향에 대하여 미리 지정된 m(m은 자연수)개의 패턴 필터를 컨볼루션하여, 각 방향에 대한 활성맵으로부터 그래프를 얻는 인스트럭션 및 그래프를 얻는 인스트럭션을 통해 얻은 n개의 그래프를 결합하여 통합맵을 생성하는 인스트럭션을 포함할 수 있다.

본 발명의 일 실시예에 의하면, 방향성 필터의 부정확성을 보완하고 노이즈를 제거하는 새로운 개념의 패턴 필터를 제공할 수 있다.

본 발명의 다른 실시예에 의하면, 방향성 필터, 패턴 필터, 맥스 필터 등을 이용하여 영상에서 분석하고자 하는 대상을 정확하게 구분하여 세그멘테이션을 수행할 수 있다.

본 발명의 또 다른 실시예에 의하면, 복수개의 방향성 필터를 이용하여 생성한 영상을 그래프로 변환한 후 복수개의 그래프를 결합함에 있어서, 복수개의 그래프에 그려진 선의 방향성을 이용하여, 2개 이상의 물체가 겹쳐져 표시된 부분에 대하여 정확한 분기 설정 및 세그멘테이션을 수행할 수 있다.

본 발명의 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들이 본 발명의 기술분야에서 발휘될 수 있을 것이다.

도 1은 방사선 촬영 장치를 이용하여 얻은 의료 영상을 예시한 도면이다.
도 2는 본 발명의 일 실시예에 따른 전체적인 세그멘테이션 과정을 예시한 도면이다.
도 3은 본 발명의 일 실시예에 따른 방향성 필터를 예시한 도면이다.
도 4는 의료 영상에 본 발명의 일 실시예에 따른 방향성 필터를 적용한 결과를 예시한 도면이다.
도 5는 본 발명의 일 실시예에 따른 맥스 필터의 기능을 설명하기 위한 도면이다.
도 6은 활성맵에 본 발명의 일 실시예에 따른 맥스 필터를 적용한 결과를 예시한 도면이다.
도 7a 및 7b는 본 발명의 일 실시예에 따른 각 방향에 대한 패턴 필터를 예시한 도면이다.
도 8은 본 발명의 일 실시예에 따른 방향성 필터에 따라 그에 종속된 패턴 필터를 적용하는 과정을 예시한 도면이다.
도 9는 본 발명의 일 실시예에 따른 각 활성맵에 패턴 필터를 적용하여 얻은 복수개의 그래프를 결합하여 통합맵을 생성하는 과정을 예시한 도면이다.
도 10은 본 발명의 일 실시예에 따른 통합맵을 예시한 도면이다.
도 11은 본 발명의 일 실시예에 따른 분기 제외 방법을 예시한 도면이다.
도 12는 본 발명의 일 실시예에 따른 분기 결정 방법을 예시한 도면이다.
도 13은 본 발명의 일 실시예에 따른 영상 분석 방법을 예시한 순서도이다.
도 14는 본 발명의 일 실시예에 따른 영상 분석 장치를 예시한 블록도이다.

이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예들을 상세히 설명한다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 게시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 게시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.

다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다. 본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다.

본 명세서에서 사용되는 '포함한다(comprises)' 또는 '포함하는(comprising)'이라는 표현은 언급된 구성/단계/동작 외의 다른 구성/단계/동작의 존재 또는 추가를 배제하지 않는다.

본 명세서에 대한 설명에 앞서, 본 명세서에서 사용되는 몇몇 용어들에 대하여 명확하게 설명하기로 한다.

본 명세서에서 '방사선 영상'이란, 방사선 촬영 장치에서 방출된 방사선을 인체에 쬐어 얻은 영상을 의미한다. 방사선이 신체를 통과하여 반대편에 있는 필름이나 비디콘(vidicon) 카메라에 도착하는 양을 측정함으로써 방사선 영상을 얻을 수 있다. X-선을 예로 들면, 뼈와 같이 X-선을 거의 통과시키지 않는 부위라면 X-선은 반대편에 도착하지 못해 감광되지 않아 하얗게 보이고, 폐와 같이 X-선을 많이 통과시키는 부위는 X-선이 반대편에 많이 도착해 감광되어 까맣게 보인다.

본 발명의 기술적 사상은 방사선 영상에 국한되지 않고 의료 영상, 일반 영상 등의 모든 영상에 적용될 수 있으며, 다만 본 명세서에서는 본 발명의 기술적 사상이 적용될 수 있는 대표적인 예로서 방사선 영상을 예로 들어 설명한다.

본 명세서에서 '세그멘테이션'이란, 영상에서 사용자가 원하는 물체(object)를 구분하여 분리해 내는 작업을 의미한다. 영상 처리 분야에서 잘 알려진 세그멘테이션 방법에는 다음과 같은 방법이 있다.

Thresholding Methods 또는 Histogram-Based Methods는 원본 이미지를 배경과 오브젝트가 잘 구별되는 색 차원으로 바꾼 뒤, 적절한 수치를 설정하여 배경과 오브젝트를 나누는 방법이다. 구현이 간단하고 경우에 따라 좋은 결과를 얻을 수 있는 장점이 있는 반면, 적절한 색 차원을 찾는 것이 사용자의 경험과 직관에 의존하게 되는 단점을 가지고 있다.

Region Growing Methods 또는 Split-and-Merge Methods는 이미지를 작은 영역으로 쪼개고, 인접한 영역 간의 색감이나 밝기 차이를 계산해 비슷한 영역을 합쳐 나가서, 최종적으로 남는 영역을 오브젝트로 결정하는 방법이다.

그러나 모든 종류의 이미지에서 좋은 세그멘테이션을 구현하는 방법은 없다. 따라서 이미지와 오브젝트의 특성, 세그멘테이션에 사용할 수 있는 시간 등을 고려하여 적합한 세그멘테이션 방법을 선택할 필요가 있다.

본 명세서에서 설명하는 세그멘테이션 방법은 기존의 세그멘테이션 방법과는 다른 원리와 방법을 사용하여, 영상, 특히 방사선 영상에서의 정밀하고 빠른 세그멘테이션을 수행할 수 있는 특징이 있다.

본 명세서에서 '방향성 필터'란, 특정 방향의 외곽선을 추출해내기 위한 필터를 의미한다. 영상 처리에 있어서 외곽선을 경계로 하여 주변의 밝기값이 급격하게 변하는 현상을 보인다. 따라서 이와 같은 성질을 이용하여 외곽선을 추출해낼 수 있으며, 이를 위하여 특정 방향의 외곽선을 추출해내기 위하여 사용되는 것이 방향성 필터이다.

본 발명의 일 실시예에서 사용하는 방향성 필터는 기준선을 기준으로 양쪽의 부호가 반대이다. 예를 들어 한 측면의 값이 양수(+)이면 다른 측면의 값은 음수(-)이다. 이에 대해서는 도 3에서 자세히 설명한다.

본 명세서에서 '활성맵'이란, 영상에 방향성 필터를 적용하여 얻은 결과물을 의미한다. n개의 방향성 필터를 사용하여 영상을 분석하면, n개의 활성맵이 도출된다. n개의 활성맵은 맥스 필터 등을 이용한 후처리 과정을 거친 후 하나로 결합되어, 최종 영상을 도출하게 된다.

본 명세서에서 '맥스 필터'란, 필터 영역에서 최대값을 가지는 부분만을 남기고 그 외의 부분을 0으로 조절함으로써 단위 영역에서 노이즈를 제거하는 필터를 의미한다.

본 명세서에서 '패턴 필터'란, 각 방향에 대하여 미리 설정되는 하나 이상의 필터를 의미한다. n개의 방향성 필터를 사용한다고 할 때, n개의 방향 각각에 대하여 하나 이상의 패턴 필터가 존재한다. 예컨대 n개의 방향 각각에 대하여 m개의 패턴 필터가 존재한다고 할 때, 전체 패턴 필터의 갯수는 n×m개가 된다.

본 명세서에서 '노드'란, 각 활성맵에 패턴 필터를 적용한 결과, 해당 활성맵이 해당 패턴 필터의 패턴을 가지고 있다고 판단되는 경우, 패턴 필터의 중심에 생성하는 객체를 의미한다. 노드는 활성맵의 방향성에 대한 정보(이하, '방향 정보'라 함) 및 상기 패턴 필터의 종류에 대한 정보(이하, '패턴 정보'라 함)를 가지고 있다. 각 노드는 방향에 대한 정보를 가지고 있으며, 그 결과 각 노드를 연결한 선은 방향성을 가지게 된다.

본 명세서에서 '그래프'란, 각 활성맵에 패턴 필터를 적용하여 얻은 상기 노드를 포함하는 그래프를 의미한다. 본 발명에서 사용하는 그래프는 방향성 그래프인 것이 바람직하다. 이는 폐곡선 생성 과정에서 선의 방향성이 고려되기 때문이다. 다만, 반드시 방향성 그래프로 한정되는 것은 아니다.

본 명세서에서 '통합맵'이란, n개의 방향성 필터를 사용하여 얻은 n개의 활성맵에 대하여 각 방향성 필터에 종속된 패턴 필터를 적용하여 n개의 그래프 를 얻은 후, n개의 그래프를 하나로 결합한 것을 의미한다.

본 명세서에서 '분기 방향'이란, 분기점에서 어느 방향으로 진행하여 폐곡선을 생성할지 여부를 판단할 때, 폐곡선 생성을 위해 진행하는 방향을 의미한다.

본 명세서에서 '시퀀스'란, 복수개의 노드가 연결되어 선을 형성하고 있을 때, 노드가 연결된 순서대로 노드의 방향 정보 및 패턴 정보를 나열한 것을 의미한다.

이하, 도면들을 참조하여 본 발명의 몇몇 실시예들을 설명한다.

도 2는 본 발명의 일 실시예에 따른 전체적인 세그멘테이션 과정을 예시한 도면이다.

도 2에 나타난 것과 같이, 본 발명의 일 실시예에 따른 세그멘테이션 과정은 방향성 필터를 적용하는 단계 및 패턴 필터를 적용하는 단계를 포함한다. 방향성 필터를 적용하는 단계와 패턴 필터를 적용하는 단계 사이에 맥스 필터를 적용하는 단계를 추가할 수 있다.

본 발명의 일 실시예에 따르면, 방향성 필터를 적용하는 단계에서, n개의 방향성 필터를 영상에 적용시켜 n개의 활성맵을 얻는다. 방향성 필터의 개수는 몇 개 방향의 외곽선 성분을 추출하는지에 따라 달라질 수 있다. 본 명세서는 8개 방향의 외곽선 성분을 추출하기 위하여 8개의 방향성 필터를 이용하는 것을 예시하고 있으나, 방향성 필터의 개수는 8개보다 적을 수도 있고 많을 수도 있다.

본 발명의 일 실시예에 따르면, 패턴 필터를 적용하는 단계에서, n개의 활성맵 각각에 대하여, 각 활성맵의 방향에 대하여 지정된 하나 이상의 패턴 필터를 적용한다. 패턴 필터의 개수 및 형태는 영상의 종류, 목적 등에 따라 달라질 수 있다. 본 명세서는 8개의 방향 각각에 대하여 5개의 패턴 필터를 이용하는 것을 예시하고 있으나, 패턴 필터의 개수는 5개보다 적을 수도 있고 많을 수도 있다. 한편, 각 방향에 따라 패턴 필터의 개수가 다를 수도 있다. 예컨대, 0도 방향의 패턴 필터의 개수는 3개이고, 45도 방향의 패턴 필터의 개수는 5개인 등, 각 방향에 따라 서로 다른 개수의 패턴 필터를 지정하여 적용할 수 있다.

전술한 것과 같이, 방향성 필터를 적용하는 단계와 패턴 필터를 적용하는 단계 사이에는 맥스 필터를 적용하는 단계가 추가될 수 있다.

본 발명의 일 실시예에 따르면, 맥스 필터를 적용하는 단계에서, n개의 활성맵 각각에 대하여 동일한 맥스 필터를 적용한다. 맥스 필터는 필터 영역에서 최대값을 가지는 부분만을 남기고 그 외의 부분을 0으로 조절하는 기능을 가지고 있는 필터이다. 활성맵에 맥스 필터가 적용되면, 불명확하거나 흐린 영역이 제거되고, 뚜렷한 윤곽만 남게 된다. 그 결과, 패턴 필터를 이용한 분석의 정확도가 더욱 상승하게 된다.

도 3은 본 발명의 일 실시예에 따른 방향성 필터를 예시한 도면이다.

도 3에 나타난 것과 같이, 본 발명의 일 실시예에 따른 방향성 필터는 복수개가 존재할 수 있다. 도 3은 8개의 방향성 필터를 예시하고 있다.

본 발명의 일 실시예에서는 0도에서 시계 방향으로 돌아가며 방향을 정의한다. 물론 0도에서 반시계 방향으로 돌아가며 방향을 정의하더라도 본 발명의 기술적 사상을 적용하는 것에 아무런 문제가 없다. 다만 설명의 편의를 위하여 이하 본 명세서에서는 0도에서 시계 방향으로 돌아가며 방향을 정의하도록 한다.

본 발명의 일 실시예에서 사용하는 방향성 필터는 기준선을 기준으로 양쪽의 값이 차이가 난다. 방향성 필터의 기준선을 기준으로 설정된 방향을 향하여 진행한다고 할 때, 왼쪽의 값이 작고 오른쪽의 값이 클 수 있다. 왼쪽의 값은 작은 값, 예컨대 0 또는 음수 또는 오른쪽의 값에 비하여 작은 값을 가질 수 있고, 오른쪽의 값은 왼쪽의 값보다 큰 값을 가질 수 있다. 일례로 왼쪽의 값은 음수이고 오른쪽의 값은 양수일 수 있다. 또는 왼쪽의 값은 0이고 오른쪽의 값은 1일 수 있다.

물론 반드시 왼쪽의 값이 작고 오른쪽의 값이 커야 하는 것은 아니고, 반대로 왼쪽의 값이 크고 오른쪽의 값이 작을 수도 있다. 다만 본 명세서에서는 설명의 편의를 위하여 왼쪽의 값이 작고 오른쪽의 값이 큰 방향성 필터를 예로 들어 설명한다.

도 3에 나타난 것과 같이 각 방향성 필터는 기준선을 기준으로 설정된 방향을 향하여 진행할 때, 왼쪽의 값은 0보다 작고, 오른쪽의 값은 0보다 크다. 즉, 왼쪽의 값은 음수이고, 오른쪽의 값은 양수이다. 이와 같은 본 발명의 일 실시예에 따른 방향성 필터의 특징으로 인하여, 영상에 방향성 필터를 컨볼루션하게 되면, 기준선을 기준으로 설정된 방향의 오른쪽에 뼈, 인체 조직 등의 물체가 있을 때, 기준선 부근의 픽셀이 필터링되어 남게 된다.

분석 대상 영상에 본 발명의 일 실시예에 따른 0도의 방향성 필터를 컨볼루션하는 경우를 생각해 보면, 0도 선을 기준으로 진행 방향의 왼쪽은 어둡게 표시되는 배경이고 진행 방향의 오른쪽은 밝게 표시되는 뼈, 인체 조직 등의 물체일 때, 기준선, 곧 0도 선 부근의 픽셀이 필터링되어 남게 된다.

분석 대상 영상에 본 발명의 일 실시예에 따른 45도의 방향성 필터를 컨볼루션하는 경우를 생각해 보면, 45도 선을 기준으로 진행 방향의 왼쪽은 어둡게 표시되는 배경이고 진행 방향의 오른쪽은 밝게 표시되는 뼈, 인체 조직 등의 물체일 때, 기준선, 곧 45도 선 부근의 픽셀이 필터링되어 남게 된다.

분석 대상 영상에 본 발명의 일 실시예에 따른 90도의 방향성 필터를 컨볼루션하는 경우를 생각해 보면, 90도 선을 기준으로 진행 방향의 왼쪽은 어둡게 표시되는 배경이고 진행 방향의 오른쪽은 밝게 표시되는 뼈, 인체 조직 등의 물체일 때, 기준선, 곧 90도 선 부근의 픽셀이 필터링되어 남게 된다.

분석 대상 영상에 본 발명의 일 실시예에 따른 135도의 방향성 필터를 컨볼루션하는 경우를 생각해 보면, 135도 선을 기준으로 진행 방향의 왼쪽은 어둡게 표시되는 배경이고 진행 방향의 오른쪽은 밝게 표시되는 뼈, 인체 조직 등의 물체일 때, 기준선, 곧 135도 선 부근의 픽셀이 필터링되어 남게 된다.

분석 대상 영상에 본 발명의 일 실시예에 따른 180도의 방향성 필터를 컨볼루션하는 경우를 생각해 보면, 180도 선을 기준으로 진행 방향의 왼쪽은 어둡게 표시되는 배경이고 진행 방향의 오른쪽은 밝게 표시되는 뼈, 인체 조직 등의 물체일 때, 기준선, 곧 180도 선 부근의 픽셀이 필터링되어 남게 된다.

분석 대상 영상에 본 발명의 일 실시예에 따른 225도의 방향성 필터를 컨볼루션하는 경우를 생각해 보면, 225도 선을 기준으로 진행 방향의 왼쪽은 어둡게 표시되는 배경이고 진행 방향의 오른쪽은 밝게 표시되는 뼈, 인체 조직 등의 물체일 때, 기준선, 곧 225도 선 부근의 픽셀이 필터링되어 남게 된다.

분석 대상 영상에 본 발명의 일 실시예에 따른 270도의 방향성 필터를 컨볼루션하는 경우를 생각해 보면, 270도 선을 기준으로 진행 방향의 왼쪽은 어둡게 표시되는 배경이고 진행 방향의 오른쪽은 밝게 표시되는 뼈, 인체 조직 등의 물체일 때, 기준선, 곧 270도 선 부근의 픽셀이 필터링되어 남게 된다.

분석 대상 영상에 본 발명의 일 실시예에 따른 315도의 방향성 필터를 컨볼루션하는 경우를 생각해 보면, 315도 선을 기준으로 진행 방향의 왼쪽은 어둡게 표시되는 배경이고 진행 방향의 오른쪽은 밝게 표시되는 뼈, 인체 조직 등의 물체일 때, 기준선, 곧 315도 선 부근의 픽셀이 필터링되어 남게 된다.

도 4는 의료 영상에 본 발명의 일 실시예에 따른 방향성 필터를 적용한 결과를 예시한 도면이다.

방향성 필터를 적용한다는 것은 영상에 n개의 방향성 필터를 컨볼루션하여 n개의 활성맵을 얻는 것을 의미할 수 있다. 예컨대 영상에 8개의 방향성 필터, 예컨대 0도, 45도, 90도, 135도, 180도, 225도, 270도 및 315도의 방향성 필터를 컨볼루션하여 8개의 활성맵을 얻을 수 있다.

도 4는 설명의 편의를 위하여 n개의 활성맵을 겹쳐서 표시한 것이다. 실제로는 n개의 활성맵 각각이 생성된다.

도 4에 나타난 것과 같이, 영상에 방향성 필터를 적용하면 뼈에서 각 방향성 필터의 방향의 외곽선이 강조된 활성맵을 얻을 수 있다. 다만, 도 4에 나타난 것과 같이, 방향성 필터만을 사용하게 되면 뚜렷한 외곽선을 얻지 못하고 외곽선이 뭉게질 수 있다. 따라서 외곽선을 명확하게 하기 위하여 추가적인 필터를 적용할 필요가 있다.

도 5는 본 발명의 일 실시예에 따른 맥스 필터의 기능을 설명하기 위한 도면이다.

도 5(a)는 영상에서 특정 선분의 밝기를 나타낸 것이고, 도 5(b)는 방향성 필터를 적용하여 얻은 활성맵, 예컨대 270도 방향성 필터를 적용한 활성맵에서 해당 선분의 밝기를 나타낸 것이며, 도 5(c)는 활성맵에 맥스 필터를 적용하여 얻은 영상에서 해당 선분의 밝기를 나타낸 것이다.

도 5(a) 및 도 (b)에 나타난 것과 같이, 방향성 필터를 적용하여 얻은 활성맵은 물체의 외곽선 부분이 강조되어 표시된다. 다만, 강조된 외곽선 근처의 밝기값이 0이 아니므로 외곽선이 뭉게져서 외곽선이 명확하게 구분되지 않는다.

도 5(b) 및 도 5(c)에 나타난 것과 같이, 활성맵에 맥스 필터를 컨볼루션하면 필터 영역에서 가장 큰 값(Max 값)만 남고 나머지가 0이 된다. 그 결과 활성맵 전체에 맥스 필터를 컨볼루션하면 외곽선이 뚜렷하게 표시되는 효과가 발생한다. 현재 영상 처리 분야에서 다양한 맥스 필터가 공지되어 있으며, 어떤 종류의 맥스 필터이든 뭉게진 외곽선을 뚜렷하게 만들 수 있는 필터라면 본 발명에 적용될 수 있다.

도 6은 활성맵에 본 발명의 일 실시예에 따른 맥스 필터를 적용한 결과를 예시한 도면이다.

맥스 필터를 적용한다는 것은 n개의 활성맵 각각에 맥스 필터를 컨볼루션하여 n개의 활성맵에서 불명확한 외곽선을 뚜렷하게 만드는 것을 의미할 수 있다.

도 6의 왼쪽은 n개의 활성맵을 겹쳐서 표시한 것이고, 도 6의 오른쪽은 n개의 활성맵 각각에 대하여 맥스 필터를 적용한 영상을 겹쳐서 표시한 것이다.

도 6에 나타난 것과 같이, 활성맵에 맥스 필터를 적용하면 외곽선이 아닌 픽셀의 값은 0에 가깝게 변경되어 뭉게진 외곽선이 뚜렷하게 되고, 그 결과 아래에서 설명할 패턴 필터의 필터링 성능이 뚜렷하게 향상되는 효과를 얻을 수 있다.

도 7a 및 7b는 본 발명의 일 실시예에 따른 각 방향성 필터에 대한 패턴 필터를 예시한 도면이다.

도 7a 및 7b는 나타난 것과 같이, 각 방향에 대하여 하나 이상의 패턴 필터가 설정되어 있다. 일례로, 도 7a 및 7b에서는 패턴 필터의 8개의 방향 각각에 대하여 5개씩의 패턴 필터를 설정하고 있다. 결과적으로 모두 8×5 = 40개의 패턴 필터가 존재하게 된다.

영상에 방향성 필터를 컨볼루션하여 활성맵을 얻은 경우, 해당 방향으로의 외곽선이 필터링되어 남아 있게 된다. 활성맵에 맥스 필터를 추가로 적용하면 외곽선 중 흐릿하거나 뭉게진 부분이 제거되어 외곽선이 더욱 명확해진다.

그러나 방사선 영상 등의 의료 영상은 방사선의 투과를 이용하여 영상을 얻는 특성상 물체의 외곽선 구분이 명확하지 않으므로, 방향성 필터만을 적용하거나, 방향성 필터와 맥스 필터를 같이 적용하는 것만으로는 외곽선이 명확하게 검출되지 않을 수 있다. 또한, 외곽선을 구성하는 몇몇 픽셀은 제대로 검출되지 않아 외곽선이 툭툭 끊어져 보일 수도 있다.

이러한 문제를 해결하기 위하여 본 발명에서 도입한 것이 패턴 필터이다. 패턴 필터는 각 방향성 필터로 필터링하고자 하는 방향의 오차 범위 내에 있는 유효 픽셀을 필터링하기 위한 것이다.

도 7a 및 7b에 나타난 것과 같이, 패턴 필터는 패턴 필터가 종속된 방향성 필터의 방향과 유관한 형태를 가지고 있다.

예를 들어 0도의 방향성 필터에 종속된 패턴 필터는 0도 방향의 선을 검출하기 용이하도록 0도 방향 근처의 요소들이 큰 값을 가지고 있고, 나머지 요소들은 상대적으로 작은 값을 가지고 있다. 도 7a 및 7b에서 하얀색 영역은 큰 값을 의미하고, 검은색 영역은 작은 값, 예컨대 0 또는 음수 또는 하얀색 영역이 가지는 값에 비하여 상대적으로 작은 값을 의미한다.

도 7a 및 7b에 예시된 패턴 필터는 3×3 픽셀로 표시되어 있다. 인덱스가 0에서 시작된다고 할 때, 도 7a 및 7b에 예시된 패턴 필터는 [2][2] 행렬로 표현할 수 있다.

인덱스가 0에서 시작된다고 할 때, 0도의 방향성 필터에 종속된 패턴 필터에 대하여 [2][2] 행렬을 이용하여 검은색 영역을 0, 하얀색 영역을 1로 하여 표현하면, 0도의 방향성 필터에 종속된 첫번째 패턴 필터(인덱스 0)는 [2][0] = 1; [1][1] = 1; [1][2] = 1;의 값을 가지도록 구성될 수 있다. 또한, 0도의 방향성 필터에 종속된 두번째 패턴 필터(인덱스 1)는 [1][0] = 1; [1][1] = 1; [0][2] = 1;의 값을 가지도록 구성될 수 있다. 또한, 0도의 방향성 필터에 종속된 세번째 패턴 필터(인덱스 2)는 [1][0] = 1; [1][1] = 1; [1][2] = 1;의 값을 가지도록 구성될 수 있다. 또한, 0도의 방향성 필터에 종속된 네번째 패턴 필터(인덱스 3)는 [0][0] = 1; [1][1] = 1; [1][2] = 1;의 값을 가지도록 구성될 수 있다. 또한, 0도의 방향성 필터에 종속된 다섯번째 패턴 필터(인덱스 4)는 [1][0] = 1; [1][1] = 1; [0][2] = 1;의 값을 가지도록 구성될 수 있다.

45도의 방향성 필터에 종속된 첫번째 패턴 필터(인덱스 0)는 [0][0] = 1; [1][1] = 1; [1][2] = 1;의 값을 가지도록 구성될 수 있다. 또한, 45도의 방향성 필터에 종속된 두번째 패턴 필터(인덱스 1)는 [1][0] = 1; [1][1] = 1; [2][2] = 1;의 값을 가지도록 구성될 수 있다. 또한, 45도의 방향성 필터에 종속된 세번째 패턴 필터(인덱스 2)는 [0][0] = 1; [1][1] = 1; [2][2] = 1;의 값을 가지도록 구성될 수 있다. 또한, 45도의 방향성 필터에 종속된 네번째 패턴 필터(인덱스 3)는 [0][0] = 1; [1][1] = 1; [2][1] = 1;의 값을 가지도록 구성될 수 있다. 또한, 45도의 방향성 필터에 종속된 다섯번째 패턴 필터(인덱스 4)는 [0][1] = 1; [1][1] = 1; [2][2] = 1;의 값을 가지도록 구성될 수 있다.

도 7a 및 7b에 나타난 것과 같이, 0도의 방향성 필터에 종속된 패턴 필터와 180도의 방향성 필터에 종속된 패턴 필터는 유사한 패턴을 가지고 있다. 이는 본 발명의 일 실시예에 따른 방향성 필터가 진행 방향을 기준으로 왼쪽이 작은 값이고 오른쪽이 큰 값이어서 왼쪽이 배경이고 오른쪽인 물체인 경우, 그 중간에 있는 외곽선을 검출해 냈다면, 패턴 필터는 방향성 필터를 적용하여 검출한 외곽선의 정확도를 보완하기 위한 것이므로 배경과 물체의 구분이 불필요하고, 단지 외곽선이 해당 방향에서 일정한 오차 범위 내에 있는지 여부를 판단하는 역할을 수행하기 때문이다.

상기와 같은 이유로 45도의 방향성 필터에 종속된 패턴 필터와 225도의 방향성 필터에 종속된 패턴 필터는 유사한 패턴을 가지고 있고, 90도의 방향성 필터에 종속된 패턴 필터와 180도의 방향성 필터에 종속된 패턴 필터는 유사한 패턴을 가지고 있으며, 135도의 방향성 필터에 종속된 패턴 필터와 315도의 방향성 필터에 종속된 패턴 필터는 유사한 패턴을 가지고 있다.

다만 0도의 방향성 필터에 종속된 패턴 필터와 180도의 방향성 필터에 종속된 패턴 필터, 45도의 방향성 필터에 종속된 패턴 필터와 225도의 방향성 필터에 종속된 패턴 필터, 90도의 방향성 필터에 종속된 패턴 필터와 270도의 방향성 필터에 종속된 패턴 필터 및 135도의 방향성 필터에 종속된 패턴 필터와 315도의 방향성 필터에 종속된 패턴 필터가 항상 유사한 패턴을 가져야 하는 것은 아니며, 검출 성능을 향상시키기 위하여 패턴 필터의 패턴은 얼마든지 변경될 수 있다.

패턴 필터는 패턴 필터를 통과한 필터 영역의 중심에 노드를 생성한다는 점에서, 전술한 방향성 필터 또는 맥스 필터와는 다른 특성을 가지고 있다.

본 발명의 일 실시예에 의하면, 패턴 필터를 컨볼루션하여 필터 조건이 충족된 경우, 해당 필터 영역의 중심에 노드를 생성한다. 생성된 노드는 현재 패턴 필터가 컨볼루션된 활성맵의 방향성에 대한 정보, 곧 '방향 정보'와, 패턴 필터의 종류에 대한 정보, 곧 '패턴 정보'를 가지고 있다.

각 활성맵에서 각 방향에 따른 패턴 필터가 적용되어 노드가 생성되면, 각 활성맵에서 생성된 노드 중 인접한 노드를 서로 연결한다. 그 결과 각 활성맵에 노드와, 노드와 노드를 연결한 선이 생성된다. 즉, 각 활성맵에 각 방향에 따른 패턴 필터를 적용하면, 각 활성맵으로부터 그래프를 얻을 수 있다.

도 8은 본 발명의 일 실시예에 따른 방향성 필터에 따라 그에 종속된 패턴 필터를 적용하는 과정을 예시한 도면이다.

도 8에 나타난 것과 같이, 영상의 상단부는 270도의 방향성 필터를 이용하였을 때 적절한 외곽선이 추출되었고, 영상의 하단부는 315도의 방향성 필터를 이용하였을 때 적절한 외곽선이 추출되었다.

이 경우, 영상의 상단부에 대해서는 270도의 방향성 필터에 종속된 패턴 필터를 이용하여 노드 생성을 진행하고, 영상의 하단부에 대해서는 315도의 방향성 필터에 종속된 패턴 필터를 이용하여 노드 생성을 진행한다. 그리고 각 활성맵에 패턴 필터를 적용하여 얻은 노드를 연결하여, 각 활성맵으로부터 그래프를 얻을 수 있다.

도 9는 본 발명의 일 실시예에 따른 각 활성맵에 패턴 필터를 적용하여 얻은 복수개의 그래프를 결합하여 통합맵을 생성하는 과정을 예시한 도면이다.

도 9에 나타난 것과 같이, 각 활성맵으로부터 얻은 그래프를 결합하여 하나의 통합맵을 생성하는 과정에서, 각 그래프에서 동일한 좌표에 존재하는 노드를 연결하게 된다.

즉, 통합맵을 생성하는 단계는, 각 활성맵에 패턴 필터를 적용하여 얻은 그래프에서 동일한 좌표에 존재하는 노드를 검색하는 단계 및 서로 다른 그래프에 존재하는 검색된 노드를 서로 연결하는 단계를 포함한다.

방사선 영상은 뼈의 두께가 얇은 곳이 다른 뼈와 겹치게 되면 외곽선이 사라지는 경우가 있다. 또한 방향성 필터 및 패턴 필터의 한계로 인하여 외곽선이 있는데도 검출하지 못할 수 있다. 통합맵에 있는 선들은 뼈 등의 물체의 외곽선을 나타내는 것이므로 이상적으로라면 통합맵에 있는 선들은 모두 연결되어 있어야 하나, 방사선 영상 자체의 한계나 필터의 한계 등으로 인하여 중간 중간에 끊어져 있는 선이 있을 수 있다.

n개의 활성맵 각각에 대하여 패턴 필터를 적용하여 노드를 생성하고, n개의 활성맵 각각에서 노드를 연결하여 선을 생성할 경우, n개의 활성맵 각각에 있는 선은 특정 방향의 성분만을 추출한 것이므로, 당연히 선이 끊어져 있을 수밖에 없다. 그러나 n개의 활성맵 각각에 있는 선을 통합맵으로 결합시킨 선은 이론적으로는 끊어져서는 안 된다. 문제는, 전술한 방사선 영상 자체의 한계나 필터의 한계 등으로 인하여, n개의 활성맵 각각에 있는 선을 통합맵으로 결합시킨 선의 중간중간이 끊어져 있을 수 있다.

이러한 문제를 해결하기 위하여 본 발명의 일 실시예에 따른 영상 분석 방법은 통합맵의 끊어져 있는 선을 연결하는 예측 기능을 추가할 수 있다.

도 9에서 실제 뼈의 외곽선이 270도 방향으로 진행하다가 315도 방향으로 진행하였음에도 불구하고, 270도의 활성맵에 있는 선과 315도의 활성맵에 있는 선이 끊어져 있는 경우, 이는 방사선 영상의 문제 또는 필터의 문제이다. 따라서 이러한 문제를 해결하기 위하여 다음과 같이 가상 경로를 예측하여 끊어진 선을 연결할 수 있다.

270도의 활성맵에 있는 선의 시작점으로 진입할 수 있는 다양한 방향에 대한 가상 경로를 생성하고, 끝점으로부터 진출할 수 있는 다양한 방향에 대한 가상 경로를 생성한다. 시작점과 끝점은 노드로서 방향 정보 및 패턴 정보를 포함하고 있으므로, 방향 정보 및 패턴 정보를 이용하면 진입/진출 가능한 다양한 방향에 대한 가상 경로를 도출할 수 있다. 또한 315도의 활성맵에 있는 선의 시작점으로 진입할 수 있는 다양한 방향에 대한 가상 경로를 생성하고, 끝점으로부터 진출할 수 있는 다양한 방향에 대한 가상 경로를 생성한다.

270도의 활성맵에 있는 선의 가상 경로들과, 315도의 활성맵에 있는 선의 가상 경로들 중 서로 맞닿는 지점이 있다면, 해당 가상 경로를 연결함으로써 270도의 활성맵에 있는 선과 315도의 활성맵에 있는 선을 연결할 수 있다. 이와 같은 예측 기능을 이용하여 방사선 영상 자체의 한계나 필터의 한계 등으로 인하여 통합맵에서 중간 중간에 끊어져 있는 선을 연결할 수 있다.

정리하면 예측 기능은, 통합맵에서 복수개의 끊어져 있는 선(이하, '단절선'이라 함)을 검출하는 단계, 복수개의 단절선 각각의 시작점으로 진입하는 복수개의 제1 가상 경로를 생성하는 단계, 복수개의 단절선 각각의 끝점으로부터 진출하는 복수개의 제2 가상 경로를 생성하는 단계 및 제1 가상 경로 중 어느 하나와 제2 가상 경로 중 어느 하나가 서로 맞닿은 경우, 맞닿은 가상 경로를 서로 연결하는 단계를 포함할 수 있다.

도 10은 본 발명의 일 실시예에 따른 통합맵을 예시한 도면이다.

도 10(a)는 본 발명의 일 실시예에 따른 통합맵을 예시한 것이고, 도 10(b) 및 도 10(c)는 통합맵에 그려진 선이 여러 개의 분기로 갈라지는 경우를 예시한 것이다.

도 10(a)의 통합맵에는 노드들이 표시되어 있다. 노드들은 어느 방향성 필터로부터 유래했는지에 따라 서로 다른 색깔로 표현될 수 있다. 예를 들어 90도의 방향성 필터로부터 유래한 노드는 파란색으로 표시하고, 270도의 방향성 필터로부터 유래한 노드는 검은색으로 표시할 수 있다.

전술한 것과 같이 각 노드는 방향에 대한 정보를 가지고 있으므로, 노드들을 연결한 선 또한 방향성을 가지고 있다. 그리고 전술한 방향성 필터의 특징에 따라, 선의 진행 방향을 기준으로 진행 방향의 왼쪽은 어둡게 표시되는 배경이고, 진행 방향의 오른쪽은 밝게 표시되는 뼈, 인체 조직 등의 물체가 된다. 그 결과 선의 진행 방향을 따라 이동하다가 출발점을 만나게 되면, 영상으로부터 분리해 내고자 하는 뼈, 인체 조직 등의 물체의 외곽선을 나타내는 폐곡선이 형성되게 된다.

그러나 도 10(b) 및 10(c)에 나타난 것과 같이, 방사선 영상에서는 1개의 뼈만 있는 부분보다 2개 이상의 뼈가 겹쳐지는 부분이 더 밝게 표시된다. 본 발명의 일 실시예에 따른 방향성 필터는 진행 방향을 기준으로 왼쪽이 어두운 배경이고 오른쪽이 밝은 물체인 경우를 검출하는데, 이와 같은 알고리즘은 뼈가 겹쳐지는 부분에서는 오류를 발생시킬 수 있다. 즉, 뼈가 겹쳐지는 부분은 더 밝게 표시되므로, 뼈가 겹쳐지는 부분에서 도출된 외곽선은 정상적인 뼈의 형태를 나타내지 못할 수 있게 된다.

도 10(b)의 선은 270도 방향으로 진행하다가, a 방향과 b 방향으로 갈라지는 분기점을 만나게 된다. 도 10(b)에 나타난 것과 같이 분기점은 진행 중이던 선이 2개 이상의 다른 선과 교차하는 지점에 생긴다. 다른 말로 표현하면, 분기점은 진행 중인 선을 포함하여 3개 이상의 선이 서로 교차하는 지점에 형성된다.

도 10(b)에서 진행하던 선은 2개 이상의 다른 선과 만나는 분기점에서 a 방향과 b 방향 중 어느 분기로 갈지를 결정하여야 한다. 의료 영상의 목적에 따라 달라질 수는 있으나, 대부분의 경우 a 방향으로 진행하여 뼈 전체의 외곽선을 검출하는 것이 바람직하다.

이와 마찬가지로, 도 10(c)의 선은 90도 방향으로 진행하다가, 분기점을 만나게 되었다. 도 10(c)에서 진행 중인 선은 분기점에서 a 방향과 b 방향 중 어느 분기로 갈지를 결정하여야 한다. 의료 영상의 목적에 따라 달라질 수는 있으나, 대부분의 경우 b 방향으로 진행하여 뼈 전체의 외곽선을 검출하는 것이 바람직하다.

도 11은 본 발명의 일 실시예에 따른 분기 제외 방법을 예시한 도면이다.

도 11(a)에서 진행 중인 선은 분기점에서 a방향 또는 b 방향으로 모두 갈 수 있다. 도 11(a)의 경우는 2개 이상의 뼈가 중첩되어 생긴 분기점이 아니므로, a 방향으로 진행하든 b 방향으로 진행하든 적절한 뼈의 형상이 도출된다. 다만, 의료 영상의 목적에 따라 달라질 수는 있으나, 대부분의 경우 b 방향으로 진행하여 뼈 전체의 외곽선을 검출하는 것이 바람직하다. 이에 대해서는 시퀀스를 이용하여 분기점을 결정하는 방법을 사용할 수 있다. 시퀀스를 이용하는 방법에 대해서는 이하 도 12에서 설명한다.

도 11(b)에서 진행 중인 선은 분기점에서 a방향 또는 b 방향으로 모두 갈 수 있다. 도 11(b)의 경우는 2개 이상의 뼈가 중첩되어 생긴 분기점이므로, 만약 a 방향으로 분기하게 되면 적절한 뼈의 형상을 도출하지 못한다. 따라서, 분기점에서 a 방향으로의 분기는 피하여야 한다.

이를 위하여, 도 11(b)에서는 분기점으로 최초로 진입한 선, 곧 진행 중인 선을 제외한 다른 선 중에서, 분기점을 향해 진입하는 다른 선으로의 분기를 분기 방향에서 제외한다.

도 11(b)에서 진행 중인 선을 제외한 다른 선에는 a 방향의 선, b 방향의 선 및 c 방향의 선이 있다. 이 중에서 a 방향의 선은 분기점을 향해 진입하는 선이고, b 방향의 선과 c 방향의 선은 분기점으로부터 나가는 선이다. 따라서 a 방향의 선을 제외하고 b 방향의 선 또는 c 방향의 선으로 진행하도록 하는 것이 바람직하다.

b 방향의 선과 c 방향의 선은 2개 이상의 뼈가 중첩되어 생기는 잘못된 외곽선 방향이 아니므로 b 방향으로 진행하든 c 방향으로 진행하든 적절한 뼈의 형상이 도출된다. 다만, 의료 영상의 목적에 따라 달라질 수는 있으나, 대부분의 경우 c 방향으로 진행하여 뼈 전체의 외곽선을 검출하는 것이 바람직하다. 이에 대해서는 시퀀스를 이용하여 분기점을 결정하는 방법을 사용할 수 있다. 시퀀스를 이용하여 분기점을 결정하는 방법에 대하여 이하 도 12에서 설명한다.

도 12는 본 발명의 일 실시예에 따른 분기 결정 방법을 예시한 도면이다.

도 12는 시퀀스를 이용하여 분기점을 결정하는 방법을 예시하고 있다. 시퀀스는 선을 구성하는 노드들에 포함된 정보의 나열이다. 전술한 것과 같이 각 노드는 방향 정보 및 패턴 정보를 가지고 있다. 선을 구성하는 노드들의 방향 정보 및 패턴 정보를 일렬로 나열하면 시퀀스가 형성되며, 이와 같은 시퀀스의 패턴을 이용하여 보다 확률이 높은 시퀀스를 가진 선을 분기 방향으로 결정할 수 있다.

구체적으로, 시퀀스를 이용한 분기점 결정 방법은, 복수개의 선 각각에 포함된 노드들의 방향 정보 및 패턴 정보를 이용하여 복수개의 선 각각의 시퀀스를 생성하는 단계 및 복수개의 선 각각의 시퀀스를 이용하여 분기점에서의 분기 방향을 결정하는 단계를 포함할 수 있다.

복수개의 선 각각에 포함된 노드들의 방향 정보 및 패턴 정보를 이용하여 복수개의 선 각각의 시퀀스를 생성하는 단계는, 연속된 노드들을 대상으로 한다. 다만, 반드시 인접한 노드들의 방향 정보 및 패턴 정보를 나열하여야 하는 것은 아니고, 기 설정된 거리 또는 기 설정된 개수의 노드들을 사이에 두고 떨어져 있는 노드들의 방향 정보 및 패턴 정보를 나열하여 시퀀스를 생성할 수도 있다.

일례로, 도 12에서 진행 중인 선을 구성하는 연속된 노드의 시퀀스는 '90도 패턴[0] - 90도 패턴[2] - 90도 패턴[1]'이 된다. 이 때 각 방향 정보 및 패턴 정보에 대하여 번호 또는 문자를 붙여 시퀀스의 데이터 길이를 줄일 수도 있다. 예를 들어 도 7a 및 7b에서는 패턴 필터의 8개의 방향 각각에 대하여 5개씩의 패턴 필터를 설정하고 있으며, 결과적으로 모두 8×5 = 40개의 번호 또는 문자를 이용하여 방향 정보 및 패턴 정보를 간략하게 표현할 수 있다. 다만 본 명세서에서는 이해를 용이하게 하기 위하여 '90도 패턴[0] - 90도 패턴[2] - 90도 패턴[1]'의 형태로 표현한다.

도 12에서 a방향의 선을 구성하는 연속된 노드의 시퀀스는 '180도 패턴[1] - 180도 패턴[2] - 180도 패턴[3]'이 된다.

도 12에서 b방향의 선을 구성하는 연속된 노드의 시퀀스는 '45도 패턴[2] - 90도 패턴[0] - 135도 패턴[2]'가 된다.

복수개의 선 각각의 시퀀스를 이용하여 분기점에서의 분기 방향을 결정하는 단계는, 위와 같이 도출된 시퀀스를 이용하여 시퀀스 사이의 확률을 분석하게 된다. 진행 중인 선의 분기점까지의 시퀀스가 x이면, 분기점에서 분기되는 선의 시퀀스가 y1일 확률 보다는 y2일 확률이 높은 경우, y2의 시퀀스를 가진 선으로 분기하는 것이다. 시퀀스 사이의 확률은 사용자가 직접 설정할 수도 있고, 머신 러닝, 딥 러닝 등으로 학습한 결과를 이용할 수도 있다.

도 12에서는 a 방향으로 진행하든 b 방향으로 진행하든 적절한 뼈의 형상이 도출된다. 그러나 의사 등의 사용자가 a보다는 b로 외곽선을 결정하는 경우가 많다면, 진행 중인 선의 시퀀스로부터 a 방향의 선의 시퀀스로 가는 확률보다 진행 중인 선의 시퀀스로부터 b 방향의 선의 시퀀스로 가는 확률을 더 높게 설정할 수 있다. 이 경우 분기점에서 확률이 높은 b 방향으로 진행하여 외곽선을 그려 나갈 수 있다. 이와 같은 확률은 사용자가 직접 설정할 수도 있고, 머신 러닝, 딥 러닝 등으로 학습을 수행할 수도 있다.

도 13은 본 발명의 일 실시예에 따른 영상 분석 방법을 예시한 순서도이다.

도 13에 예시된 본 발명의 일 실시예에 따른 영상 분석 방법은 프로세서, 메모리 및 스토리지를 구비한 컴퓨팅 장치에 의해 실행될 수 있다. 또는, 영상 촬영부와 디스플레이를 포함하는 컴퓨팅 장치에 임베드되어, 영상 촬영과 동시에 영상 분석을 수행하고, 영상 분석 결과를 디스플레이에 표시하는 방식으로 실행될 수 있다. 또는, 하나 이상의 서버에 의해 SaaS(Software as a Service) 방식으로 실행될 수 있다.

도 13에 나타난 것과 같이, 본 발명의 일 실시예에 따른 영상 분석 방법은, 영상에 n개(n은 자연수)의 방향성 필터를 컨볼루션하여 n개의 방향에 대한 n개의 활성맵을 얻는 단계(S1310), 각 방향에 대한 활성맵에 각 방향에 대하여 미리 지정된 m(m은 자연수)개의 패턴 필터를 컨볼루션하여, 각 방향에 대한 활성맵으로부터 그래프를 얻는 단계 및 그래프를 얻는 단계를 통해 얻은 n개의 그래프를 결합하여 통합맵을 생성하는 단계를 포함할 수 있다. 통합맵이 생성되면, 통합맵에 표시된 외곽선으로부터 세그멘테이션하고자 하는 물체를 구분해낼 수 있다.

일 실시예에 의하면, 영상 분석 대상이 되는 영상은 방사선 영상이고, 세그멘테이션을 수행하여 구분해내는 물체는 폐곡선으로 구분되는 인체 조직일 수 있다. 보다 구체적으로, 영상 분석 대상이 되는 영상은 엑스레이 영상이고, 세그멘테이션을 수행하여 구분해내는 물체는 폐곡선으로 구분되는 뼈일 수 있다.

일 실시예에 의하면, 활성맵을 얻는 단계(S1310)와 그래프를 얻는 단계(S1320) 사이에, 활성맵 각각에 맥스 필터를 컨볼루션하여 활성맵 각각의 노이즈를 제거하는 단계가 추가될 수 있다.

그 밖에 각 단계의 구체적인 수행 방법 및 각 단계 사이/다음에 수행되는 세부 단계에 대해서는 앞에서 자세히 설명하였으므로, 반복되는 내용에 대한 설명은 생략한다.

도 14는 본 발명의 일 실시예에 따른 영상 분석 장치를 예시한 블록도이다.

도 14에 나타난 것과 같이, 본 발명의 일 실시예에 따른 영상 분석 장치는, 하나 이상의 프로세서(1410), 프로세서(1410)에 의하여 수행되는 컴퓨터 프로그램을 로드(load)하는 메모리(1420), 스토리지(1430), 버스(bus), 촬영부(1440) 및 디스플레이(1450)를 포함할 수 있다.

도 14에는 본 발명의 실시예와 관련 있는 구성요소들만이 도시되어 있다. 따라서, 본 발명이 속한 기술분야의 통상의 기술자라면 도 14에 도시된 구성요소들 외에 다른 범용적인 구성요소들이 더 포함될 수 있음을 알 수 있을 것이다.

프로세서(1410)는 본 발명의 실시예들에 따른 접근 경보 방법 또는 관제 방법을 구현할 수 있는 컴퓨팅 장치의 각 구성의 전반적인 동작을 제어한다. 프로세서(1410)는 CPU(Central Processing Unit), MPU(Micro Processor Unit), MCU(Micro Controller Unit), GPU(Graphic Processing Unit) 또는 본 발명의 기술 분야에 잘 알려진 임의의 형태의 프로세서를 포함하여 구성될 수 있다. 또한, 프로세서(1410)는 본 발명의 실시예들에 따른 방법을 실행하기 위한 적어도 하나의 애플리케이션 또는 프로그램에 대한 연산을 수행할 수 있다. 본 발명의 실시예들에 따른 방법을 구현할 수 있는 컴퓨팅 장치는 하나 이상의 프로세서를 구비할 수 있다.

메모리(1420)는 각종 데이터, 명령 및/또는 정보를 저장한다. 메모리(1420)는 본 발명의 실시예들에 따른 접근 경보 방법 또는 관제 방법을 실행하기 위하여 스토리지(1430)로부터 하나 이상의 컴퓨터 프로그램을 로드할 수 있다.

스토리지(1430)는 하나 이상의 컴퓨터 프로그램을 비임시적으로 저장할 수 있다. 스토리지(1430)는 ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리 등과 같은 비휘발성 메모리, 하드 디스크, 착탈형 디스크, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터로 읽을 수 있는 기록 매체를 포함하여 구성될 수 있다. 스토리지(1430)에는 본 발명의 실시예들에 따른 접근 경보 방법 또는 관제 방법을 수행하도록 하는 컴퓨터 프로그램이 저장되어 있다.

본 발명의 일 실시예에 따른 영상 분석 장치는, 영상을 촬영하는 촬영부(1440) 및 촬영된 영상 또는 분석 결과를 디스플레이하는 디스플레이부(1450)를 포함할 수 있다. 다만, 촬영부(1440) 및 디스플레이부(1450)는 필수 구성은 아니므로 생략될 수도 있다.

촬영부(1440)는 분석 대상 영상을 촬영한다. 촬영부(1440)는 MRI, CT, 엑스레이 등의 장치이고 촬영된 영상은 방사선 영상일 수 있다. 또는, 촬영부(1440)는 일반적인 카메라 렌즈를 이용하여 일반적인 사진을 촬영하는 것일 수도 있다.

디스플레이(1450)는 촬영된 영상, 촬영된 영상의 분석 결과 등을 표시하여, 사용자가 즉각적으로 영상 분석 결과를 볼 수 있게 할 수 있다.

버스(bus)는 상기 컴퓨팅 장치의 구성요소 간 통신 기능을 제공한다. 버스는 주소 버스(Address Bus), 데이터 버스(Data Bus), 제어 버스(Control Bus) 등 다양한 형태의 버스로 구현될 수 있다.

구체적으로, 본 발명의 일 실시예에 따른 영상 분석 장치는, 하나 이상의 프로세서(1410), 프로세서(1410)에 의하여 수행되는 컴퓨터 프로그램을 로드하는 메모리(1420) 및 컴퓨터 프로그램을 저장하는 스토리지(1430)를 포함할 수 있으며, 컴퓨터 프로그램은, 영상에 n개(n은 자연수)의 방향성 필터를 컨볼루션하여 n개의 방향에 대한 n개의 활성맵을 얻는 인스트럭션, 각 방향에 대한 활성맵에 각 방향에 대하여 미리 지정된 m(m은 자연수)개의 패턴 필터를 컨볼루션하여, 각 방향에 대한 활성맵으로부터 그래프를 얻는 인스트럭션 및 그래프를 얻는 단계를 통해 얻은 n개의 그래프를 결합하여 통합맵을 생성하는 인스트럭션을 포함할 수 있다. 활성맵을 얻는 인스트럭션과 그래프를 얻는 인스트럭션 사이에는, 활성맵 각각에 맥스 필터를 컨볼루션하여 활성맵 각각의 노이즈를 제거하는 인스트럭션이 추가될 수 있다.

그 밖에 전술한 모든 영상 분석 방법은, 컴퓨터 프로그램에 포함된 인스트럭션의 형태로, 본 발명의 일 실시예에 따른 컴퓨팅 장치 또는 영상 분석 장치에 구현될 수 있다.

한편, 본 명세서의 각 순서도는 각 단계를 순차적으로 실행하는 것으로 기재하고 있으나, 이는 본 발명의 기술 사상을 예시적으로 설명한 것에 불과할 뿐, 본 명세서의 각 순서도의 각 단계의 실행이 시계열적인 순서로 한정되는 것은 아니다.

본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 본 명세서의 각 순서도의 단계에서 하나 이상의 단계의 순서를 변경하거나, 하나 이상의 단계를 생략하거나, 하나 이상의 단계를 병렬적으로 실행하는 등 본 명세서의 각 순서도의 각 단계를 다양하게 수정 및 변형할 수 있을 것이다.

지금까지 설명된 본 발명의 실시예에 따른 방법들은 컴퓨터가 읽을 수 있는 코드로 구현된 컴퓨터 프로그램의 실행에 의하여 수행될 수 있다. 상기 컴퓨터 프로그램은 인터넷 등의 네트워크를 통하여 제1 컴퓨팅 장치로부터 제2 컴퓨팅 장치에 전송되어 상기 제2 컴퓨팅 장치에 설치될 수 있고, 이로써 상기 제2 컴퓨팅 장치에서 사용될 수 있다. 상기 제1 컴퓨팅 장치 및 상기 제2 컴퓨팅 장치는 서버 장치, 클라우드 서비스를 위한 서버 풀에 속한 물리 서버, 데스크탑 PC와 같은 고정식 컴퓨팅 장치를 모두 포함한다.

상기 컴퓨터 프로그램은 마그네틱 저장매체(예를 들면, ROM, 플로피 디스크, 하드디스크 등), 광학적 판독 매체(예를 들면, CD-ROM, DVD 등), 플래시 메모리(예를 들면, USB, SSD) 등과 같은 비-일시적인 기록매체(non-transitory medium)에 저장된 것일 수도 있다.

이상 첨부된 도면을 참조하여 본 발명의 실시예들을 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로 이해해야만 한다.

Claims (22)

1. 영상에서 물체의 외곽선을 추출하는 방법에 있어서,
   상기 영상에 n개(n은 자연수)의 방향성 필터를 컨볼루션하여 n개의 방향에 대한 n개의 활성맵을 얻는 단계;
   각 방향에 대한 활성맵에, 각 방향에 대하여 미리 지정된 m(m은 자연수)개의 패턴 필터를 컨볼루션하여, 각 방향에 대한 활성맵으로부터 그래프를 얻는 단계; 및
   상기 그래프를 얻는 단계를 통해 얻은 n개의 그래프를 결합하여 통합맵을 생성하는 단계를 포함하는,
   영상 분석 방법.
2. 제1항에 있어서,
   상기 활성맵을 얻는 단계와 상기 그래프를 얻는 단계 사이에,
   상기 각 방향에 대한 활성맵에 맥스 필터를 컨볼루션하여 상기 각 방향에 대한 활성맵의 노이즈를 제거하는 단계를 더 포함하는,
   영상 분석 방법.
3. 제1항에 있어서,
   상기 각 방향에 대하여 미리 지정된 상기 m개의 패턴 필터는, 상기 각 방향의 방향성 필터로 필터링하고자 하는 방향의 오차 범위 내에 있는 유효 픽셀을 필터링하기 위한 것인,
   영상 분석 방법.
4. 제1항에 있어서,
   상기 그래프를 얻는 단계는,
   상기 패턴 필터를 이용하여 필터링한 결과, 상기 패턴 필터의 패턴을 가지고 있다고 판단된 경우, 상기 패턴 필터의 중심점에 상기 패턴 필터가 활성맵의 방향성에 대한 정보(이하, '방향 정보'라 함) 및 상기 패턴 필터의 종류에 대한 정보(이하, '패턴 정보'라 함)를 포함하는 노드를 생성하는 단계를 포함하는,
   영상 분석 방법.
5. 제4항에 있어서,
   상기 그래프를 얻는 단계는,
   상기 노드를 생성하는 단계 다음에, 인접한 노드들을 연결하는 단계를 더 포함하는,
   영상 분석 방법.
6. 제5항에 있어서,
   상기 통합맵을 생성하는 단계는,
   상기 n개의 그래프에서 동일한 좌표에 존재하는 노드를 검색하는 단계; 및
   상기 검색된 노드를 서로 연결함으로써 상기 n개의 그래프의 선을 서로 연결하는 단계를 포함하는,
   영상 분석 방법.
7. 제6항에 있어서,
   상기 통합맵을 생성하는 단계 다음에,
   상기 통합맵에서 복수개의 끊어져 있는 선(이하, '단절선'이라 함)을 검출하는 단계;
   상기 복수개의 단절선 각각의 시작점으로 진입하는 복수개의 제1 가상 경로를 생성하는 단계;
   상기 복수개의 단절선 각각의 끝점으로부터 진출하는 복수개의 제2 가상 경로를 생성하는 단계; 및
   상기 제1 가상 경로 중 어느 하나와 상기 제2 가상 경로 중 어느 하나가 서로 맞닿은 경우, 맞닿은 가상 경로를 서로 연결하는 단계를 포함하는,
   영상 분석 방법.
8. 제6항에 있어서,
   상기 통합맵을 생성하는 단계 다음에,
   상기 통합맵에서 분기점을 검출하는 단계;
   상기 분기점에서의 분기 방향을 결정하는 단계; 및
   상기 결정된 분기 방향을 이용하여 폐곡선(closed curve)을 생성하는 단계를 포함하는,
   영상 분석 방법.
9. 제8항에 있어서,
   상기 분기점을 검출하는 단계는,
   3개 이상의 선이 교차하는 지점을 분기점으로 판단하는 단계를 포함하는,
   영상 분석 방법.
10. 제8항에 있어서,
    상기 분기 방향을 결정하는 단계는,
    상기 분기점으로 최초로 진입한 선을 제외한 상기 분기점으로 진입하는 다른 선으로의 분기를 상기 분기 방향에서 제외하는 단계를 포함하는,
    영상 분석 방법.
11. 제8항에 있어서,
    상기 분기 방향을 결정하는 단계는,
    상기 복수개의 선 각각에 포함된 노드들의 방향 정보 및 패턴 정보를 이용하여 상기 복수개의 선 각각의 시퀀스를 생성하는 단계; 및
    상기 복수개의 선 각각의 시퀀스를 이용하여 상기 분기점에서의 분기 방향을 결정하는 단계를 포함하는,
    영상 분석 방법.
12. 제1항에 있어서,
    상기 영상은 방사선 영상이고, 상기 물체는 폐곡선으로 구분되는 인체 조직인,
    영상 분석 방법.
13. 제1항에 있어서,
    상기 영상은 엑스레이 영상이고, 상기 물체는 뼈인,
    영상 분석 방법.
14. 하나 이상의 프로세서;
    상기 프로세서에 의하여 수행되는 컴퓨터 프로그램을 로드하는 메모리; 및
    상기 컴퓨터 프로그램을 저장하는 스토리지를 포함하되,
    상기 컴퓨터 프로그램은,
    상기 영상에 n개(n은 자연수)의 방향성 필터를 컨볼루션하여 n개의 방향에 대한 n개의 활성맵을 얻는 인스트럭션;
    각 방향에 대한 활성맵에, 각 방향에 대하여 미리 지정된 m(m은 자연수)개의 패턴 필터를 컨볼루션하여, 각 방향에 대한 활성맵으로부터 그래프를 얻는 인스트럭션; 및
    상기 그래프를 얻는 인스트럭션을 통해 얻은 n개의 그래프를 결합하여 통합맵을 생성하는 인스트럭션을 포함하는,
    컴퓨팅 장치.
15. 제14항에 있어서,
    상기 활성맵을 얻는 인스트럭션과 상기 그래프를 얻는 인스트럭션 사이에,
    상기 각 방향에 대한 활성맵에 맥스 필터를 컨볼루션하여 상기 각 방향에 대한 활성맵의 노이즈를 제거하는 인스트럭션을 더 포함하는,
    컴퓨팅 장치.
16. 제14항에 있어서,
    상기 각 방향에 대하여 미리 지정된 상기 m개의 패턴 필터는, 상기 각 방향의 방향성 필터로 필터링하고자 하는 방향의 오차 범위 내에 있는 유효 픽셀을 필터링하기 위한 것인,
    컴퓨팅 장치.
17. 제14항에 있어서,
    상기 그래프를 얻는 인스트럭션은,
    상기 패턴 필터를 이용하여 필터링한 결과, 상기 패턴 필터의 패턴을 가지고 있다고 판단된 경우, 상기 패턴 필터의 중심점에 상기 패턴 필터가 활성맵의 방향성에 대한 정보(이하, '방향 정보'라 함) 및 상기 패턴 필터의 종류에 대한 정보(이하, '패턴 정보'라 함)를 포함하는 노드를 생성하는 인스트럭션을 포함하는,
    컴퓨팅 장치.
18. 제17항에 있어서,
    상기 그래프를 얻는 인스트럭션은,
    상기 노드를 생성하는 인스트럭션 다음에, 인접한 노드들을 연결하는 인스트럭션을 더 포함하는,
    컴퓨팅 장치.
19. 제18항에 있어서,
    상기 통합맵을 생성하는 인스트럭션은,
    상기 n개의 그래프에서 동일한 좌표에 존재하는 노드를 검색하는 인스트럭션; 및
    상기 검색된 노드를 서로 연결함으로써 상기 n개의 그래프의 선을 서로 연결하는 인스트럭션을 포함하는,
    컴퓨팅 장치.
20. 영상을 촬영하는 촬영부;
    상기 영상 또는 상기 영상의 분석 결과를 표시하는 디스플레이;
    하나 이상의 프로세서;
    상기 프로세서에 의하여 수행되는 컴퓨터 프로그램을 로드하는 메모리; 및
    상기 컴퓨터 프로그램을 저장하는 스토리지를 포함하되,
    상기 컴퓨터 프로그램은,
    상기 영상에 n개(n은 자연수)의 방향성 필터를 컨볼루션하여 n개의 방향에 대한 n개의 활성맵을 얻는 인스트럭션;
    각 방향에 대한 활성맵에, 각 방향에 대하여 미리 지정된 m(m은 자연수)개의 패턴 필터를 컨볼루션하여, 각 방향에 대한 활성맵으로부터 그래프를 얻는 인스트럭션; 및
    상기 그래프를 얻는 인스트럭션을 통해 얻은 n개의 그래프를 결합하여 통합맵을 생성하는 인스트럭션을 포함하는,
    영상 분석 장치.
21. 제20항에 있어서,
    상기 활성맵을 얻는 인스트럭션과 상기 그래프를 얻는 인스트럭션 사이에,
    상기 각 방향에 대한 활성맵에 맥스 필터를 컨볼루션하여 상기 각 방향에 대한 활성맵의 노이즈를 제거하는 인스트럭션을 더 포함하는,
    영상 분석 장치.
22. 컴퓨터로 하여금 제1항 내지 13항 중 어느 한 항의 방법을 수행하도록 하는 컴퓨터 프로그램이 저장된, 컴퓨터 판독 가능한 기록 매체.
    

Images