KR20210006270A - 3차원 산업용 컴퓨터 단층 영상 기법에서 금속으로 인한 인공음영 제거 방법 및 장치 - Google Patents
3차원 산업용 컴퓨터 단층 영상 기법에서 금속으로 인한 인공음영 제거 방법 및 장치 Download PDFInfo
- Publication number
- KR20210006270A KR20210006270A KR1020190134994A KR20190134994A KR20210006270A KR 20210006270 A KR20210006270 A KR 20210006270A KR 1020190134994 A KR1020190134994 A KR 1020190134994A KR 20190134994 A KR20190134994 A KR 20190134994A KR 20210006270 A KR20210006270 A KR 20210006270A
- Authority
- KR
- South Korea
- Prior art keywords
- data
- matching
- cad
- module
- cad data
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/416—Exact reconstruction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
다양한 실시예들에 따른 3차원 산업용 컴퓨터 단층 영상 기법에서 금속으로 인한 인공음영 제거 방법 및 장치는, CT 데이터에 대응하여, CAD 데이터를 정렬하고, 정렬된 CAD 데이터로부터 정합 데이터를 생성하고, 정합 데이터를 기반으로, 금속 영역에 대응하는 사이노그램 서저리 영역을 설정하고, 정합 데이터를 기반으로, CT 데이터에서 에버리지 필 인을 수행하고, 에버리지 필 인 된 정보를 이용하여 사이노그램 서저리 영역의 데이터를 업데이트하고, 새로이 대체된 사이노그램으로부터 3차원 CT 영상을 재구성하도록 구성될 수 있다.
Description
다양한 실시예들은 3차원 산업용 컴퓨터 단층 영상(CT) 기법에서 금속으로 인한 인공음영 제거 방법 및 장치에 관한 것이다.
산업용 X-ray 컴퓨터 단층촬영(CT)은 결함검출, 고장분석, 측정학 등 제조업에 대한 내부점검으로 업계 각 분야에서 활용되어 왔다. 산업용 CT는 금속 및 비금속 성분, 고형 및 섬유 소재, 매끄럽고 불규칙하게 표면화된 물체에 이르기까지 제조품의 내부 정보를 제공한다. 특히 3차원 원추형 빔 CT(CBCT)에서 얻은 재구성 영상은 3차원의 부피상세 정보를 찾아 측정하는 데 이상적인 테스트 기법을 제공한다. 그러나 CT 촬영의 잠재적 단점은 빔 경화 효과(beam hardening artifact)와 같은 물리적 현상으로 인해 데이터에 인공음영(artifact)이 발생할 수 있다는 것이다. X-ray 시스템은 일반적으로 여러 에너지 레벨로 구성된 빔을 사용하며 에너지 스펙트럼의 다양한 구성요소는 물체를 통과할 때 균일하게 감쇠되지 않는다. X-ray 스펙트럼 중 저에너지 요소는 밀도가 높은 부분을 통과할 때 더 쉽게 감쇠되거나 심지어 완전히 흡수된다. 빔 감쇠가 선형이라는 가정 하에 재구성되는 영상은 재료 특성에 대한 잘못된 정보를 제공한다. 우리는 이러한 현상을 빔 경화 효과라고 부르며, 이로 인하여 CT 영상에 나타나는 인공음영을 빔 경화 인공음영이라 부른다. 특히 금속 물체에 의한 빔 경화 인공음영은 원인과 모양 패턴에 따라 각각 금속 인공음영 또는 줄무늬 모양 인공음영이라고 한다. 제품 품질 평가의 정확성은 영상 품질과 직접 관련이 있으므로 빔 경화 인공음영을 줄이기 위한 다양한 방법이 제안되었다.
빔 경화 감소 알고리즘은 하드웨어 기반 접근방식과 소프트웨어 기반 접근방식의 두 가지 접근방식으로 분류할 수 있다. 하드웨어 기반 접근방식으로는 물리적 필터링 및 이중 스펙트럼 시스템이 있다. 그러나 물리적 필터링은 신호 대 노이즈 비율을 감소시키고 이중 스펙트럼 시스템은 두 번 스캔해야 하는 문제 및 해결해야 할 시스템 한계를 가지고 있다. 소프트웨어 기반 접근방식은 영상에 대한 사전 처리 및 후 처리를 포함한다. 다 에너지 투영 데이터를 한 에너지 투영 데이터로 변환하는 선형화는 가장 일반적인 사전 처리 보정 방법 중 하나이다. 후처리 접근방식은 영상 분할 및 재처리에 기초한다. 그러나 그러한 접근방식은 빔 경화를 충분히 제거하지 못하며 감소 알고리즘 자체로 인한 2차 인공음영을 생성하기도 한다.
다양한 실시예들은 3차원 산업용 컴퓨터 단층 영상 기법에서 금속으로 인한 인공음영을 제거할 수 있는 전자 장치 및 그의 동작 방법을 제공할 수 있다.
다양한 실시예들에 따른 전자 장치의 동작 방법은, 3차원 산업용 컴퓨터 단층 영상 기법에서 금속으로 인한 인공음영 제거를 위한 것으로, CT 데이터 및 컴퓨터 지원 설계(CAD) 데이터를 준비하는 동작, 상기 CT 데이터를 기반으로, 상기 CAD 데이터를 정렬(align)하여, 상기 CAD 데이터로부터 정합(registration) 데이터를 생성하는 동작, 및 상기 정합된 데이터를 이용하여 미가공 사이노그램 데이터를 보정하여 CT 영상을 재구성하는 동작을 포함할 수 있다.
다양한 실시예들에 따른 전자 장치는, 3차원 산업용 컴퓨터 단층 영상(CT) 기법에서 금속으로 인한 인공음영 제거를 위한 것으로, CT 데이터 및 CAD 데이터를 준비하도록 구성되는 데이터 준비 모듈, 상기 CT 데이터를 기반으로, 상기 CAD 데이터를 정렬하여, 상기 CAD 데이터로부터 정합을 위한 데이터를 생성하도록 구성하는 정합 모듈, 및 상기 정합된 데이터를 분할하는 모듈, 및 이를 이용하여 미가공 사이노그램 데이터를 보정하여 CT 영상을 재구성하는 모듈을 포함할 수 있다.
다양한 실시예들에 따르면, 전자 장치는 CAD 데이터를 이용하여, 3차원 산업용 컴퓨터 단층 영상 기법에서 금속으로 인한 인공음영을 제거할 수 있다. 즉 전자 장치는 CT 데이터를 직접적으로 보정하는 것이 아니라, CT 부피 정보에 정합되는 CAD 데이터를 생성하고, 이에 기반한 분할정보를 이용하여, 인공음영을 야기하는 미가공 사이노그램 데이터를 보정하여 인공음영을 제거할 수 있다. 이를 통해, 전자 장치는 3차원 산업용 컴퓨터 단층 영상에서 금속으로 인한 인공음영을 보다 정확하게 그리고 보다 효율적으로 제거할 수 있다.
도 1은 다양한 실시예들에 따른 전자 장치를 도시하는 도면이다.
도 2는 도 1의 CT 영상 생성 모듈을 도시하는 도면이다.
도 3은 다양한 실시예들에 따른 전자 장치의 동작 방법을 도시하는 도면이다.
도 4는 도 3의 정합 데이터 생성 동작을 도시하는 도면이다.
도 5a, 도 5b, 도 5c 및 도 5d는 도 3의 정합 데이터 생성 동작을 설명하기 위한 도면들이다.
도 6은 도 3의 정합 데이터 생성 동작을 도시하는 도면이다.
도 7 및 도 8은 도 3의 정합 데이터 생성 동작을 설명하기 위한 도면들이다.
도 9는 도 3의 CT 영상 생성 동작을 도시하는 도면이다.
도 10은 도 3의 CT 영상 생성 동작을 설명하기 위한 도면들이다.
도 11a, 도 11b, 도 11c, 도 11d 및 도 11e는 다양한 실시예들에 따른 전자 장치의 동작 효과를 설명하기 위한 도면들이다.
도 2는 도 1의 CT 영상 생성 모듈을 도시하는 도면이다.
도 3은 다양한 실시예들에 따른 전자 장치의 동작 방법을 도시하는 도면이다.
도 4는 도 3의 정합 데이터 생성 동작을 도시하는 도면이다.
도 5a, 도 5b, 도 5c 및 도 5d는 도 3의 정합 데이터 생성 동작을 설명하기 위한 도면들이다.
도 6은 도 3의 정합 데이터 생성 동작을 도시하는 도면이다.
도 7 및 도 8은 도 3의 정합 데이터 생성 동작을 설명하기 위한 도면들이다.
도 9는 도 3의 CT 영상 생성 동작을 도시하는 도면이다.
도 10은 도 3의 CT 영상 생성 동작을 설명하기 위한 도면들이다.
도 11a, 도 11b, 도 11c, 도 11d 및 도 11e는 다양한 실시예들에 따른 전자 장치의 동작 효과를 설명하기 위한 도면들이다.
이하, 본 문서의 다양한 실시예들이 첨부된 도면을 참조하여 설명된다.
산업 분야에서는, 대부분의 제품이 제조 공정 전에 CAD(Computer Aided Design) 데이터의 형태로 설계되기 때문에, CAD 데이터를 인라인 검사 시스템에 사용할 수 있다.
도 1은 다양한 실시예들에 따른 전자 장치(100)를 도시하는 도면이다. 도 2는 도 1의 CT 영상 생성 모듈(130)을 도시하는 도면이다.
도 1을 참조하면, 다양한 실시예들에 따른 전자 장치(100)는 데이터 준비 모듈(110), 정합(registration) 모듈(120) 및 CT 영상 생성 모듈(130)을 포함할 수 있다.
데이터 준비 모듈(110)은 특정 객체에 대한 CT 데이터(VCT) 및 CAD 데이터(VCAD)를 준비할 수 있다. 데이터 준비 모듈(110)은 CT 데이터(VCT) 및 CAD 데이터(VCAD)에서, 객체의 내부와 외부를 구분하기 위해 노이즈를 제거할 수 있다. 그리고 데이터 준비 모듈(110)은 객체를 구성하는 물질에 따라 설정되는 임계 값을 적용하여, 이진 볼륨 데이터(binary volume data) 형식으로 CT 데이터(VCT) 및 CAD 데이터(VCAD)를 재구성할 수 있다. 일 예로, 데이터 준비 모듈(110)은 비등방 확산 및 쇼크 필터(anisotropic diffusion and shock filter)를 이용하여, CT 데이터(VCT)를 재구성할 수 있다.
정합 모듈(120)은 CT 데이터(VCT)에 정합되도록, CAD 데이터(VCAD)를 변환할 수 있다. 즉 정합 모듈(120)은 CT 데이터(VCT)를 기반으로, CAD 데이터(VCAD)로부터 정합 데이터를 생성할 수 있다. 예를 들면, 정합 모듈(120)은 PSO(particle swarm optimization) 알고리즘을 이용하여, CAD 데이터(VCAD)로부터 정합 데이터를 생성할 수 있다. 이를 위해, 정합 모듈(120)은 CT 데이터(VCT)에 대응하여, CAD 데이터(VCAD)를 정렬할 수 있다. 그리고 정합 모듈(120)은 CAD 데이터(VCAD)로부터 정합 데이터를 생성할 수 있다. 이 때 정합 모듈(120)은 CAD 데이터(VCAD)의 볼륨(volume) 또는 각도 중 적어도 어느 하나를 조절할 수 있다. 예를 들면, 정합 모듈(120)은, CT 데이터(VCT)의 볼륨에 상응하도록, CAD 데이터(VCAD)의 볼륨을 조절할 수 있으며, CT 데이터(VCT)를 기반으로, CAD 데이터(VCAD)의 각도를 조절할 수 있다.
일 실시예에 따르면, 정합 모듈(120)은 초기 조건을 기반으로, CAD 데이터(VCAD)로부터 정합 데이터를 생성할 수 있다. 구체적으로, 정합 모듈(120)은 CAD 데이터(VCAD)에 정합과정을 수행하여, 초기 조건으로서 정합 파라미터들을 획득할 수 있다. 이를 통해, 정합 모듈(120)은 정합 파라미터들을 기반으로, CAD 데이터(VCAD)로부터 정합 데이터를 생성할 수 있다.
다른 실시예에 따르면, 정합 모듈(120)은 두 개의 레벨들에 따라 정합과정을 수행하여, CAD 데이터(VCAD)로부터 정합 데이터를 생성할 수 있다. 구체적으로, 정합 모듈(120)은 CAD 데이터(VCAD)를 다운샘플링하고, 다운샘플링된 CAD 데이터(VCAD)에 정합과정을 수행하여, 제 1 저해상도 정합 파라미터들을 획득할 수 있다. 그리고 정합 모듈(120)은 제 1 저해상도 정합 파라미터들을 기반으로 원래의 CAD 데이터(VCAD)에 정합과정을 수행하여, 제 2 고해상도 정합 파라미터들을 획득할 수 있다. 이를 통해, 정합 모듈(120)은 제 2 고해상도 정합 파라미터들을 기반으로, CAD 데이터(VCAD)로부터 정합 데이터를 생성할 수 있다.
CT 영상 생성 모듈(130)은 정합된 데이터를 이용하여 사이노그램 데이터를 보정하고, 이를 이용하여 금속으로 인한 인공음영을 제거할 수 있다. CT 영상 생성 모듈(130)은, 도 2에 도시된 바와 같이 서저리(surgery) 설정 모듈(210), 에버리지 필 인(average fill-in) 모듈(220), 사이노그램 업데이트 모듈(230) 및 CT 영상 재구성 모듈(240)을 포함할 수 있다.
서저리 설정 모듈(210)은 정합 데이터를 기반으로, 사이노그램 서저리 영역(sinogram surgery region)을 설정할 수 있다. 구체적으로, 서저리 설정 모듈(210)은 미리 정해진 변환 계수를 적용하여, 정합 데이터를 재구성할 수 있다. 그리고 서저리 설정 모듈(210)은 재구성된 정합 데이터에서 금속 영역(metal region)을 추출할 수 있다. 이를 통해, 서저리 설정 모듈(210)은 금속 영역에 대응하여, 사이노그램 서저리 영역을 설정할 수 있다.
에버리지 필 인 모듈(220)은 정합 데이터를 기반으로, 에버리지 필 인을 수행할 수 있다. 구체적으로, 에버리지 필 인 모듈(220)은 정합 데이터에서 금속 영역을 둘러싸는 연결 영역들을 분할할 수 있다. 그리고 에버리지 필 인 모듈(220)은 연결 영역들로부터 평균 감쇠 계수를 계산할 수 있다. 이를 통해, 에버리지 필 인 모듈(220)은 정합 데이터의 금속 영역을 평균 감쇠 계수로 채울 수 있다.
사이노그램 업데이트 모듈(230)은 정합 데이터에서, 사이노그램 서저리 영역을 업데이트할 수 있다. 즉 사이노그램 업데이트 모듈(230)은 정합 데이터를 이용하여, 사이노그램 서저리 영역을 업데이트할 수 있다.
CT 영상 재구성 모듈(240)은 업데이트된 서저리 영역을 이용하여, CT 영상을 재구성할 수 있다. 즉 CT 영상 재구성 모듈(240)은 업데이트된 사이노그램 서저리 영역을 이용하여, CT 영상을 재구성할 수 있다.
다양한 실시예들에 따른 전자 장치(100)는, CT 데이터 및 CAD 데이터를 준비하도록 구성되는 데이터 준비 모듈(110), CT 데이터를 기반으로, CAD 데이터를 정렬하여, CAD 데이터로부터 정합 데이터를 생성하도록 구성되는 정합 모듈(120), 및 정합 데이터로부터 사이노그램을 보정하고 이로부터 영상을 재 구성하는 CT 영상 생성 모듈(130)을 포함할 수 있다.
다양한 실시예들에 따르면, 정합 모듈(120)은, CT 데이터의 볼륨에 상응하도록, CAD 데이터의 크기를 조절하고, CT 데이터를 기반으로, CAD 데이터의 각도를 조절하도록 구성될 수 있다.
다양한 실시예들에 따르면, 정합 모듈(120)은, CAD 데이터에 정합과정을 수행하여, 정합 파라미터들을 획득하고, 정합 파라미터들을 기반으로, CAD 데이터로부터 정합 데이터를 생성하도록 구성될 수 있다.
다양한 실시예들에 따르면, 정합 모듈(120)은, CAD 데이터를 다운샘플링하고, 다운샘플링된 CAD 데이터에 정합과정을 수행하여, 제 1 저해상도 정합 파라미터들을 획득하도록 구성될 수 있다.
다양한 실시예들에 따르면, 정합 모듈(120)은, 제 1 저해상도 정합 파라미터들을 기반으로 CAD 데이터에 정합과정을 수행하여, 제 2 고해상도 정합 파라미터들을 획득하고, 제 2 고해상도 정합 파라미터들을 기반으로, CAD 데이터로부터 정합 데이터를 생성하도록 구성될 수 있다.
다양한 실시예들에 따르면, CT 영상 생성 모듈(130)은, 정합 데이터를 기반으로, 금속 영역에 대응하는 사이노그램 서저리 영역을 설정하고, 정합 데이터를 기반으로, 에버리지 필 인을 수행하고, 사이노그램 서저리 영역을 업데이트하고, 3차원 CT 영상을 재구성하도록 구성될 수 있다.
다양한 실시예들에 따르면, CT 영상 생성 모듈(130)은, 미리 정해진 변환 계수를 적용하여, 정합 데이터를 얻고, 정합 데이터에서 금속 영역을 추출하여 사이노그램에서 금속의 영향을 받을 서저리 영역을 설정하도록 구성될 수 있다.
다양한 실시예들에 따르면, CT 영상 생성 모듈(130)은, 정합 데이터에서 금속 영역을 둘러싸는 연결 영역들을 분할하고, 연결 영역들로부터 평균 감쇠 계수를 계산하고, 평균 감쇠 계수로 금속 영역을 채우도록 구성될 수 있다.
다양한 실시예들에 따르면, 데이터 준비 모듈(110)은, CT 데이터와 CAD 데이터를 이진 볼륨 데이터 형식으로 재구성하도록 구성될 수 있다.
다양한 실시예들에 따르면, 정합 모듈(120)은, PSO 알고리즘을 이용하여, CAD 데이터로부터 정합 데이터를 생성하도록 구성될 수 있다.
도 3은 다양한 실시예들에 따른 전자 장치(100)의 동작 방법을 도시하는 도면이다.
도 3을 참조하면, 전자 장치(100)는 310 동작에서 특정 객체에 대한 CT 데이터(VCT) 및 CAD 데이터(VCAD)를 준비할 수 있다. 데이터 준비 모듈(110)은 CT 데이터(VCT) 및 CAD 데이터(VCAD)에서, 객체의 내부와 외부를 구분하기 위해 노이즈를 제거할 수 있다. 그리고 데이터 준비 모듈(110)은 객체를 구성하는 물질에 따라 설정되는 임계 값을 적용하여, 이진 볼륨 데이터(binary volume data) 형식으로 CT 데이터(VCT) 및 CAD 데이터(VCAD)를 재구성할 수 있다. 일 예로, 데이터 준비 모듈(110)은 비등방 확산 및 쇼크 필터(anisotropic diffusion and shock filter)를 이용하여, CT 데이터(VCT)를 재구성할 수 있다.
전자 장치(100)는 320 동작에서 CT 데이터(VCT)에 기반하여, CAD 데이터(VCAD)로부터 정합 데이터를 생성할 수 있다. 정합 모듈(120)이 CT 데이터(VCT)에 정합되도록, CAD 데이터(VCAD)를 변환하여, 정합 데이터를 생성할 수 있다. 예를 들면, 정합 모듈(120)은 PSO 알고리즘을 이용하여, CAD 데이터(VCAD)로부터 정합 데이터를 생성할 수 있다.
일 실시예에 따르면, 정합 모듈(120)은 초기 조건을 기반으로, CAD 데이터(VCAD)로부터 정합 데이터를 생성할 수 있다. 구체적으로, 정합 모듈(120)은 CAD 데이터(VCAD)에 정합과정을 수행하여, 초기 조건으로서 정합 파라미터들을 획득할 수 있다. 이를 통해, 정합 모듈(120)은 정합 파라미터들을 기반으로, CAD 데이터(VCAD)로부터 정합 데이터를 생성할 수 있다.
다른 실시예에 따르면, 정합 모듈(120)은 두 개의 레벨들에 따라 정합과정을 수행하여, CAD 데이터(VCAD)로부터 정합 데이터를 생성할 수 있다. 구체적으로, 정합 모듈(120)은 CAD 데이터(VCAD)를 다운샘플링하고, 다운샘플링된 CAD 데이터(VCAD)에 정합과정을 수행하여, 제 1 저해상도 정합 파라미터들을 획득할 수 있다. 그리고 정합 모듈(120)은 제 1 저해상도 정합 파라미터들을 초기값으로 원래의 CAD 데이터(VCAD)에 정합과정을 수행하여, 제 2 고해상도 정합 파라미터들을 획득할 수 있다. 이를 통해, 정합 모듈(120)은 제 2 고해상도 정합 파라미터들을 기반으로, CAD 데이터(VCAD)로부터 정합 데이터를 생성할 수 있다.
도 4는 도 3의 정합 데이터 생성 동작(320)을 도시하는 도면이다. 도 5a, 도 5b, 도 5c 및 도 5d는 도 3의 정합 데이터 생성 동작(320)을 설명하기 위한 도면들이다.
도 4를 참조하면, 전자 장치(100)는 410 동작에서 CT 데이터(VCT)에 대응하여, CAD 데이터(VCAD)를 정렬할 수 있다. 정합 모듈(120)이 CT 데이터(VCT)에 정합되도록, CAD 데이터(VCAD)를 정렬할 수 있다. 예를 들면, CT 데이터(VCT)와 CAD 데이터(VCAD)가 각각 도 5a 및 도 5b에 도시된 바와 같이 준비된 경우, 정합 모듈(120)은 도 5c에 도시된 바와 같이 CAD 데이터(VCAD)를 정렬할 수 있다.
예를 들면, 3차원 이진 볼륨 객체()에 대하여, 하기 [수학식 1]과 같이 관성텐서(inertia tensor)()가 관성 모멘트(moment of inertia)(, , )와 관성 상승 모멘트(product of inertia)(, , )에 의해 정의될 수 있다. 여기서, 관성 모멘트(, , )와 관성 상승 모멘트(, , )가 하기 [수학식 2]와 같이 정해질 수 있다. 이 때 관성텐서는 대칭행렬이므로, 주축 정리(principal axis theorem)에 따라, 관성벡터()의 고유 벡터(, , )들이 3차원 이진 볼륨 객체()의 주축일 수 있다. 여기서, 고유값(, , )들이 하기 [수학식 3]과 같이 고유 벡터(, , )들과 관계를 만족할 수 있다.
상기 [수학식 3]에 기반하여, 두 개의 3차원 이진 볼륨 객체(, )들에 대해, 객체(, )들의 크기 비율()이 하기 [수학식 4]와 같이 도출될 수 있다. 객체(, )들의 크기 비율()은 스케일링 상수(scaling constant)()로 표현될 수 있다.
이를 통해, 주축의 행렬(, )들과 스케일링 상수()를 기반으로, CT 데이터(VCT)와 CAD 데이터(VCAD)의 정합을 위한 변환 행렬()이 하기 [수학식 5]와 같이 획득될 수 있다. 이에 따라, 정합 모듈(120)은 변환 행렬()을 이용하여, 하기 [수학식 6]과 같이 CAD 데이터(VCAD)를 정렬하고, 이로 인해 정렬된 CAD 데이터(Valign)가 생성될 수 있다. 여기서, 도 5a에 도시된 바와 같은 CT 데이터(VCT)에 정합되도록, 정합 모듈(120)이 도 5b에 도시된 바와 같은 CAD 데이터(VCAD)를 정렬하여, 도 5c에 도시된 바와 같은 정렬된 CAD 데이터(Valign)를 생성할 수 있다.
전자 장치(100)는 420 동작에서 CAD 데이터(VCAD)로부터 정합 데이터를 생성할 수 있다. 정합 모듈(120)이 CAD 데이터(VCAD)로부터 정합 데이터를 생성할 수 있다. 이 때 정합 모듈(120)은 CAD 데이터(VCAD)에 정합과정을 수행하여, 정합 파라미터들을 획득할 수 있다. 정합 모듈(120)은 PSO 알고리즘을 이용하여, 정합과정을 수행할 수 있다. 그리고 정합 모듈(120)은, 정합 파라미터들을 기반으로, CAD 데이터(VCAD)로부터 정합 데이터를 생성할 수 있다. 예를 들면, 정합 모듈(120)은, 도 5d에 도시된 바와 같이 정합 파라미터들을 기반으로, CAD 데이터(VCAD)의 볼륨 또는 각도 중 적어도 어느 하나를 조절하고, 이로 인해 정합 데이터가 생성될 수 있다. 예를 들면, 정합 모듈(120)은, CT 데이터(VCT)의 볼륨에 상응하도록, CAD 데이터(VCAD)의 볼륨을 조절할 수 있으며, CT 데이터(VCT)를 기반으로, CAD 데이터(VCAD)의 각도를 조절할 수 있다.
예를 들면, 하기 [수학식 7]과 같은 에너지 함수가 미리 정의될 수 있다. 이 때 는 영상(), 즉 CAD 데이터(VCAD)에서 제로 레벨 세트가 객체의 경계이고, 과 가 상수인 레벨 세트 함수를 나타낼 수 있다. 이러한 상수는 과 의 관점에서 상기 [수학식 7]을 최소화함으로써, 각각 양과 음의 영역에서 영상()의 평균 강도가 될 수 있다. 여기서, 영상()은 3차원 영상이므로, 도 5e에 도시된 바와 같은 오일러 회전(Euler rotation)이 고려될 수 있다. 이를 기반으로, 가 하기 [수학식 8]과 같이 기준 레벨 세트 함수(reference shape prior)()로부터 획득될 수 있다.
예를 들면, 정합 모듈(120)은 하기 [표 1]과 같이 표현되는 알고리즘에 따라, 정합 파라미터들을 획득할 수 있다. 정합 모듈(120)은 상기와 같이 획득되는 를 기반으로, 정합 파라미터들로서 , 및 를 획득할 수 있다. 여기서, 는 회전축에 대한 회전각을 나타내고, 는 x, y, z 축에 따른 변환 계수를 나타내며, 는 회전축의 단위 일반 벡터를 나타낼 수 있다. 이를 통해, 정합 모듈(120)은 정합 파라미터들을 기반으로, CAD 데이터(VCAD)로부터 정합 데이터를 생성할 수 있다. 예를 들면, 정합 모듈(120)은 정합 파라미터들을 기반으로, CAD 데이터(VCAD)의 볼륨 또는 각도 중 적어도 어느 하나를 조절할 수 있다.
도 6은 도 3의 정합 데이터 생성 동작(320)을 도시하는 도면이다. 도 7 및 도 8은 도 3의 정합 데이터 생성 동작(320)을 설명하기 위한 도면들이다.
도 6을 참조하면, 전자 장치(100)는 610 동작에서 일차 정합과정을 수행할 수 있다. 정합 모듈(120)은, 도 7의 (a)에 도시된 바와 같이 CAD 데이터(VCAD)를 정렬할 수 있다. 그리고 정합 모듈(120)은, 도 7의 (b)에 도시된 바와 같이 CAD 데이터(VCAD)의 볼륨 또는 각도 중 적어도 어느 하나를 조절하여, 도 7의 (c)에 도시된 바와 같이 제 1 저해상도 정합 데이터를 생성할 수 있다. 이를 위해, 정합 모듈(120)은 PSO 알고리즘을 이용하여, 일차 정합과정을 수행할 수 있다.
예를 들면, 정합 모듈(120)은 하기 [표 2]와 같이 표현되는 알고리즘에 따라, 일차 정합과정을 수행할 수 있다. 정합 모듈(120)은 CAD 데이터(VCAD)를 다운샘플링할 수 있다. 여기서, CAD 데이터(VCAD)의 크기가 일 때, 다운샘플링된 CAD 데이터(VCAD)의 크기는 일 수 있다. 그리고 정합 모듈(120)은 다운샘플링된 CAD 데이터(VCAD)에 정합과정을 수행하여, 제 1 저해상도 정합 파라미터들을 획득할 수 있다. 여기서, 제 1 저해상도 정합 파라미터들은 하기 [표 3]과 같은 값들로 획득될 수 있다.
전자 장치(100)는 620 동작에서 이차 고해상도 정합을 수행할 수 있다. 정합 모듈(120)은, 도 8의 (a)에 도시된 바와 같이 제 1 저해상도 정합 데이터를 정렬할 수 있다. 그리고 정합 모듈(120)은, 도 8의 (b)에 도시된 바와 같이 제 1 저해상도 정합 데이터의 볼륨 또는 각도 중 적어도 어느 하나를 조절하여, 도 8의 (c)에 도시된 바와 같이 제 2 고해상도 정합 데이터를 생성할 수 있다. 이를 위해, 정합 모듈(120)은 PSO 알고리즘을 이용하여, 이차 고해상도 정합과정을 수행할 수 있다.
예를 들면, 정합 모듈(120)은 하기 [표 2]와 같이 표현되는 알고리즘에 따라, 이차 고해상도 정합과정을 수행할 수 있다. 정합 모듈(120)은 제 1 저해상도 정합 파라미터들을 기반으로 원래의 CAD 데이터(VCAD)에 정합과정을 수행하여, 제 2 고해상도 정합 파라미터들을 획득할 수 있다. 여기서, 제 2 고해상도 정합 파라미터들은 하기 [표 3]과 같은 값들로 획득될 수 있다. 이를 통해, 정합 모듈(120)은 제 2 고해상도 정합 파라미터들을 기반으로, CAD 데이터(VCAD)로부터 제 2 고해상도 정합 데이터, 즉 최종 정합 데이터를 생성할 수 있다.
이에 따라, 정합된 데이터는 CT 데이터(VCT)에 대하여, 하기 [표 4]와 같이 정합될 수 있다. 정합 모듈(120)이 CT 데이터(VCT)에 대응하여, CAD 데이터(VCAD)를 정렬함으로써, CAD 데이터(VCAD)가 CT 데이터(VCT)에 정합될 수 있다. 그리고 정합 모듈(120)이 CAD 데이터(VCAD)로부터 정합 데이터를 생성함에 따라, 정합된 데이터가 CT 데이터(VCT)에 더 정합될 수 있다.
전자 장치(100)는 330 동작에서 CT 영상을 생성할 수 있다. CT 영상 생성 모듈(130)은 정합된 데이터를 이용하여 금속으로 인한 인공음영을 제거할 수 있다.
도 9는 도 3의 CT 영상 생성 동작(330)을 도시하는 도면이다. 도 10은 도 3의 CT 영상 생성 동작(330)을 설명하기 위한 도면들이다.
도 9를 참조하면, 전자 장치(100)는 910 동작에서 정합된 데이터에 기반하여, 사이노그램 서저리 영역을 설정할 수 있다. 서저리 설정 모듈(210)은, 하기 [수학식 9]와 같이 미리 정해진 변환 계수를 적용하여, 정합된 데이터를 재구성할 수 있다. 그리고 서저리 설정 모듈(210)은, 하기 [수학식 10]과 같이 재구성된 정합 데이터에서 금속 영역을 추출할 수 있다. 이를 통해, 서저리 설정 모듈(210)은, 하기 [수학식 11]과 같이 금속 영역에 대응하여, 사이노그램 서저리 영역을 설정할 수 있다. 예를 들면, 서저리 설정 모듈(210)은 도 10의 (a)에 도시된 바와 같은 정합된 데이터로부터, 사이노그램 서저리 영역을 설정할 수 있다.
여기서, 는 초기 사이노그램 데이터를 나타내고, 는 영상의 재구성을 나타내는 연산자를 의미하며, 는 금속으로 인한 인공음영이 나타나는 초기 사이노그램으로부터 재구성된 영상을 나타낼 수 있다.
전자 장치(100)는 920 동작, 930 동작 및 940 동작에서 정합된 데이터와 사이노그램 서저리 영역에 대한 반복적인 업데이트를 수행할 수 있다. 이를 위해, 정합된 데이터에 대해, 하기 [수학식 12]와 같은 정의가 있을 수 있다.
전자 장치(100)는 920 동작에서 정합된 데이터에 기반하여, 에버리지 필 인을 수행할 수 있다. 에버리지 필 인 모듈(220)은 정합된 데이터에서 금속 영역을 둘러싸는 연결 영역들을 분할할 수 있다. 그리고 에버리지 필 인 모듈(220)은 연결 영역들로부터 평균 감쇠 계수(average intensity value)를 계산할 수 있다. 이를 통해, 에버리지 필 인 모듈(220)은, 하기 [수학식 13]과 같이 정합된 데이터의 금속 영역을 평균 감쇠 계수로 채울 수 있다.
전자 장치(100)는 930 동작에서 사이노그램 서저리 영역을 업데이트할 수 있다. 사이노그램 업데이트 모듈(230)은, 하기 [수학식 14]와 같이 정합된 데이터에서, 사이노그램 서저리 영역을 업데이트할 수 있다. 즉 사이노그램 업데이트 모듈(230)은 정합된 데이터를 이용하여, 사이노그램 서저리 영역을 보정할 수 있다.
전자 장치(100)는 940 동작에서 업데이트된 사이노그램으로부터 CT 영상을 재구성할 수 있다. CT 영상 재구성 모듈(240)은, 하기 [수학식 15]와 같이 업데이트된 서저리 영역을 이용하여, CT 영상을 재구성할 수 있다. 즉 CT 영상 재구성 모듈(240)은 업데이트된 사이노그램 서저리 영역을 이용하여, CT 영상을 재구성할 수 있다. 예를 들면, 영상 재구성 모듈(240)은 도 10의 (b)에 도시된 바와 같이 재구성된 CT 영상을 획득할 수 있다.
다양한 실시예들에 따른 전자 장치(100)의 동작 방법은, CT 데이터 및 CAD 데이터를 준비하는 동작, CT 데이터를 기반으로, CAD 데이터를 정렬하여, CAD 데이터로부터 정합 데이터를 생성하는 동작, 및 사이노그램 데이터를 보정하는 동작을 포함할 수 있다.
다양한 실시예들에 따르면, CAD 데이터 생성 동작은, CT 데이터의 볼륨에 상응하도록, CAD 데이터의 볼륨을 조절하는 동작, 및 CT 데이터를 기반으로, CAD 데이터의 각도를 조절하는 동작을 더 포함할 수 있다.
다양한 실시예들에 따르면, 정합 데이터 생성 동작은, CAD 데이터에 정합과정을 수행하여, 정합 파라미터들을 획득하는 동작, 및 정합 파라미터들을 기반으로, CAD 데이터로부터 정합 데이터를 생성하는 동작을 더 포함할 수 있다.
다양한 실시예들에 따르면, 상기 방법은, CAD 데이터를 다운샘플링하는 동작, 및 다운샘플링된 CAD 데이터에 정합과정을 수행하여, 제 1 저해상도 정합 파라미터들을 획득하는 동작을 더 포함할 수 있다.
다양한 실시예들에 따르면, 정합 데이터 생성 동작은, 제 1 저해상도 정합 파라미터들을 기반으로 CAD 데이터에 정합과정을 수행하여, 제 2 고해상도 정합 파라미터들을 획득하는 동작, 및 제 2 고해상도 정합 파라미터들을 기반으로, CAD 데이터로부터 정합 데이터를 생성하는 동작을 더 포함할 수 있다.
다양한 실시예들에 따르면, 정합 보정 동작은, 정합된 데이터를 기반으로, 금속 영역에 대응하는 사이노그램 서저리 영역을 설정하는 동작, 정합된 데이터를 기반으로, 에버리지 필 인을 수행하는 동작, 사이노그램 서저리 영역을 업데이트하는 동작, 및 CT 영상을 재구성하는 동작을 포함할 수 있다.
다양한 실시예들에 따르면, 사이노그램 서저리 영역 설정 동작은, 미리 정해진 변환 계수를 적용하여, 정합 데이터를 재구성하는 동작, 정합된 데이터에서 금속 영역을 추출하는 동작, 및 금속 영역에 대응하여, 사이노그램 서저리 영역을 설정하는 동작을 포함할 수 있다.
다양한 실시예들에 따르면, 에버리지 필 인 수행 동작은, 정합된 데이터에서 금속 영역을 둘러싸는 연결 영역들을 분할하는 동작, 연결 영역들로부터 평균 감쇠 계수를 계산하는 동작, 및 평균 감쇠 계수로 금속 영역을 채우는 동작을 포함할 수 있다.
다양한 실시예들에 따르면, CT 데이터 및 CAD 데이터 준비 동작은, 상기 CT 데이터와 상기 CAD 데이터를 이진 볼륨 데이터 형식으로 재구성하는 동작을 포함할 수 있다.
다양한 실시예들에 따르면, 정합 데이터 생성 동작은, PSO 알고리즘을 이용하여, 상기 CAD 데이터로부터 상기 정합 데이터를 생성할 수 있다.
다양한 실시예들에 따르면, 전자 장치(100)는 CAD 데이터를 이용하여, 3차원 산업용 컴퓨터 단층 영상 기법에서 금속으로 인한 인공음영을 제거할 수 있다. 다양한 실시예들에 따르면, 전자 장치(100)는 도 10의 (a)에 도시된 바와 같은 정합된 데이터로부터 인공음영을 제거하고, 이로 인해 도 10의 (b)에 도시된 바와 같이 재구성된 CT 영상을 획득할 수 있다. 즉 전자 장치(100)는 CT 데이터를 직접적으로 보정하는 것이 아니라, CAD 데이터로부터 CT 데이터에 정합 데이터를 생성하고, 정합된 데이터로부터 에버리지 필 인과 사이노그램 서저리를 통하여 인공음영을 제거할 수 있다. 이를 통해, 전자 장치(100)는 보다 효율적으로 3차원 산업용 컴퓨터 단층 영상 기법에서 금속으로 인한 인공음영을 제거할 수 있다.
도 11a, 도 11b, 도 11c, 도 11d 및 도 11e는 다양한 실시예들에 따른 전자 장치(100)의 동작 효과를 설명하기 위한 도면들이다.
도 11a를 참조하면, 다양한 실시예들에 따른 전자 장치(100)의 동작 효과를 도출하기 위한 객체(1100)가 준비될 수 있다. 객체(1100)는 고리(ring) 형태의 바디(1110) 및 바디(1110)의 고리 형태를 따라 삽입되는 복수 개의 엘리먼트(1120, 1130)들로 이루어질 수 있다. 복수 개의 엘리먼트(1120, 1130)들은 정해진 간격으로 이격되어 원 형상으로 바디(1110)에 삽입될 수 있다. 예를 들면, 바디(1110)의 외경은 150 mm이고 바디(1110)의 내경은 118 mm이며, 엘리먼트(1120, 1130)들의 직경은 5 mm일 수 있다. 그리고 엘리먼트(1120, 1130)들은 복수 개의 제 1 엘리먼트(1120)들과 제 1 엘리먼트(1120)들 사이에 배치되는 복수 개의 제 2 엘리먼트(1130)들을 포함할 수 있다. 이 때 바디(1110)와 제 1 엘리먼트(1120)들은 비금속 재질로 형성되고, 제 2 엘리먼트(1130)들은 금속 재질로 형성될 수 있다. 예를 들면, 바디(1110)는 아크릴(acryl)로 이루어지고, 제 1 엘리먼트(1120)들은 테프론(Teflon)으로 이루어지고, 제 2 엘리먼트(1130)들은 스레인리스 스틸(stainless steel)로 이루어질 수 있다.
이러한 객체(1110)에 대한 CT 영상은, 도 11b에 도시된 바와 같이 획득될 수 있다. 이 때 CT 영상에서, 제 2 엘리먼트(1130)에 대응하여, 인공음영이 나타날 수 있다. 제 2 엘리먼트(1130)가 금속 재질로 형성됨에 따라, 제 2 엘리먼트(1130)에 대응하여, 인공음영이 발생될 수 있다. 인공음영을 줄이기 위해, 일반적인 알고리즘, 예컨대 NMAR(normalized metal artifact reduction)을 적용하는 경우, 객체(1110)에 대한 CT 영상은, 도 11c에 도시된 바와 같이 획득될 수 있다. 한편, 다양한 실시예들에 따른 전자 장치(100)에 의해, 객체(1110)에 대한 CT 영상은, 도 11d 또는 도 11e에 도시된 바와 같이 획득될 수 있다. 여기서, 전자 장치(100)가 CAD 데이터로부터 정합 데이터를 생성하는 데 있어서, shape prior를 이용하지 않는 경우, CT 영상은, 도 11d에 도시된 바와 같이 획득되고, shape prior를 이용하는 경우, CT 영상은, 도 11e에 도시된 바와 같이 획득될 수 있다.
도 11b 및 도 11c를 비교하면, 일반적인 알고리즘을 적용하더라도, 객체(1110)에 대한 CT 영상에 나타나는 인공음영이 다소 감소될 수 있다. 다만, 도 11c, 도 11d 및 도 11e를 비교하면, 다양한 실시예들에 따른 전자 장치(100)에 의해, 객체(1110)에 대한 CT 영상에 나타나는 인공음영이 현저하게 감소될 수 있다. 도 11d와 도 11e를 비교하면, 다양한 실시예들에 따른 전자 장치(100)가 shape prior를 이용함에 따라, 객체(1110)에 대한 CT 영상에 나타나는 인공음영이 보다 현저하게 감소될 수 있다.
본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 다양한 실시예들에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 해당 실시 예의 다양한 변경, 균등물, 및/또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및/또는 B 중 적어도 하나", "A, B 또는 C" 또는 "A, B 및/또는 C 중 적어도 하나" 등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", "첫째" 또는 "둘째" 등의 표현들은 해당 구성요소들을, 순서 또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에 "(기능적으로 또는 통신적으로) 연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제 3 구성요소)를 통하여 연결될 수 있다.
본 문서에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구성된 유닛을 포함하며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 모듈은 ASIC(application-specific integrated circuit)으로 구성될 수 있다.
본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(100))에 의해 읽을 수 있는 저장 매체(storage medium)에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어로서 구현될 수 있다. 예를 들면, 기기의 프로세서는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
다양한 실시예들에 따르면, 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 통합 이전에 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.
Claims (20)
- 전자 장치의 동작 방법에 있어서,
CT 데이터 및 CAD 데이터를 준비하는 동작;
상기 CT 데이터를 기반으로, 상기 CAD 데이터를 정렬하여, 상기 CAD 데이터로부터 정합 데이터를 생성하는 동작; 및
상기 정합 데이터를 이용하여 사이노그램 서저리 영역 업데이트를 통한 CT 영상을 생성하는 방법.
- 제 1 항에 있어서, 상기 정합 데이터 생성 동작은,
상기 CT 데이터의 볼륨에 상응하도록, 상기 CAD 데이터의 볼륨을 조절하는 동작; 및
상기 CT 데이터를 기반으로, 상기 CAD 데이터의 각도를 조절하는 동작을 더 포함하는 방법.
- 제 1 항에 있어서, 상기 정합 데이터 생성 동작은,
상기 CAD 데이터에 정합과정을 수행하여, 정합 파라미터들을 획득하는 동작; 및
상기 정합 파라미터들을 기반으로, 상기 CAD 데이터로부터 상기 정합 데이터를 생성하는 동작을 더 포함하는 방법.
- 제 1 항에 있어서,
상기 CAD 데이터를 다운샘플링하는 동작; 및
상기 다운샘플링된 CAD 데이터에 정합과정을 수행하여, 제 1 저해상도 정합 파라미터들을 획득하는 동작을 더 포함하는 방법.
- 제 4 항에 있어서, 상기 정합 데이터 생성 동작은,
상기 제 1 저해상도 정합 파라미터들을 기반으로 상기 CAD 데이터에 정합과정을 수행하여, 제 2 고해상도 정합 파라미터들을 획득하는 동작을 더 포함하고,
상기 제 2 고해상도 정합 파라미터들을 기반으로, 상기 CAD 데이터로부터 상기 정합 데이터를 생성하는 동작을 더 포함하는 방법.
- 제 1 항에 있어서, 상기 CT 영상을 생성하는 동작은,
상기 정합 데이터를 기반으로, 금속 영역에 대응하는 사이노그램 서저리 영역을 설정하는 동작;
상기 정합 데이터를 기반으로, 에버리지 필 인을 수행하는 동작;
상기 사이노그램 서저리 영역을 업데이트하는 동작; 및
상기 CT 영상을 재구성하는 동작을 포함하는 방법.
- 제 6 항에 있어서, 상기 사이노그램 서저리 영역 설정 동작은,
미리 정해진 변환 계수를 적용하여, 상기 정합 데이터를 재구성하는 동작;
상기 정합 데이터에서 금속 영역을 추출하는 동작; 및
상기 금속 영역에 대응하여, 상기 사이노그램 서저리 영역을 설정하는 동작을 포함하는 방법.
- 제 6 항에 있어서, 상기 에버리지 필 인 수행 동작은,
상기 정합 데이터에서 상기 금속 영역을 둘러싸는 연결 영역들을 분할하는 동작;
상기 연결 영역들로부터 평균 감쇠 계수를 계산하는 동작; 및
상기 평균 감쇠 계수로 상기 금속 영역을 채우는 동작을 포함하는 방법.
- 제 1 항에 있어서, 상기 CT 데이터 및 CAD 데이터 준비 동작은,
상기 CT 데이터와 상기 CAD 데이터를 이진 볼륨 데이터 형식으로 재구성하는 동작을 포함하는 방법.
- 제 1 항에 있어서, 상기 정합 데이터 생성 동작은,
PSO 알고리즘을 이용하여, 상기 CAD 데이터로부터 상기 정합 데이터를 생성하는 방법.
- 전자 장치에 있어서,
CT 데이터 및 CAD 데이터를 준비하도록 구성되는 데이터 준비 모듈;
상기 CT 데이터를 기반으로, 상기 CAD 데이터를 정렬하여, 상기 CAD 데이터로부터 정합 데이터를 생성하도록 구성되는 정합 모듈; 및
상기 정합 데이터를 이용하여 CT 영상을 생성하는 모듈을 포함하는 장치.
- 제 11 항에 있어서, 상기 정합 모듈은,
상기 CT 데이터의 볼륨에 상응하도록, 상기 CAD 데이터의 볼륨을 조절하고, 상기 CT 데이터를 기반으로, 상기 CAD 데이터의 각도를 조절하도록 구성되는 장치.
- 제 11 항에 있어서, 상기 정합 모듈은,
상기 CAD 데이터에 정합과정을 수행하여, 정합 파라미터들을 획득하고,
상기 정합 파라미터들을 기반으로, 상기 CAD 데이터로부터 상기 정합 데이터를 생성하도록 구성되는 장치.
- 제 11 항에 있어서, 상기 정합 모듈은,
상기 CAD 데이터를 다운샘플링하고,
상기 다운샘플링된 CAD 데이터에 정합과정을 수행하여, 제 1 저해상도 정합 파라미터들을 획득하도록 구성되는 장치.
- 제 14 항에 있어서, 상기 정합 모듈은,
상기 제 1 저해상도 정합 파라미터들을 기반으로 상기 CAD 데이터에 정합과정을 수행하여, 제 2 고해상도 정합 파라미터들을 획득하고,
상기 제 2 고해상도 정합 파라미터들을 기반으로, 상기 CAD 데이터로부터 상기 정합 데이터를 생성하도록 구성되는 장치.
- 제 11 항에 있어서, 상기 CT 영상을 생성하는 모듈은,
상기 정합 데이터를 기반으로, 금속 영역에 대응하는 사이노그램 서저리 영역을 설정하고,
상기 정합 데이터를 기반으로, 에버리지 필 인을 수행하고,
상기 사이노그램 서저리 영역을 업데이트하고,
상기 CT 영상을 재구성하도록 구성되는 장치.
- 제 16 항에 있어서, 상기 CT 영상을 생성하는 모듈은,
미리 정해진 변환 계수를 적용하여, 상기 정합 데이터를 재구성하고,
상기 정합 데이터에서 금속 영역을 추출하고,
상기 금속 영역에 대응하여, 상기 사이노그램 서저리 영역을 설정하도록 구성되는 장치.
- 제 16 항에 있어서, 상기 CT 영상을 생성하는 모듈은,
상기 정합 데이터에서 상기 금속 영역을 둘러싸는 연결 영역들을 분할하고,
상기 연결 영역들로부터 평균 감쇠 계수를 계산하고,
상기 평균 감쇠 계수로 상기 금속 영역을 채우도록 구성되는 장치.
- 제 11 항에 있어서, 상기 데이터 준비 모듈은,
상기 CT 데이터와 상기 CAD 데이터를 이진 볼륨 데이터 형식으로 재구성하도록 구성되는 장치.
- 제 11 항에 있어서, 상기 정합 모듈은,
PSO 알고리즘을 이용하여, 상기 CAD 데이터로부터 정합을 위한 변수를 생성하도록 구성되는 장치.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/722,402 US11080900B2 (en) | 2019-07-08 | 2019-12-20 | Method and apparatus for metal artifact reduction in industrial 3-dimensional cone beam computed tomography |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020190082057 | 2019-07-08 | ||
KR20190082057 | 2019-07-08 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20210006270A true KR20210006270A (ko) | 2021-01-18 |
KR102225043B1 KR102225043B1 (ko) | 2021-03-09 |
Family
ID=74236899
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020190134994A KR102225043B1 (ko) | 2019-07-08 | 2019-10-29 | 3차원 산업용 컴퓨터 단층 영상 기법에서 금속으로 인한 인공음영 제거 방법 및 장치 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102225043B1 (ko) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20010081097A (ko) * | 1998-10-26 | 2001-08-27 | 추후보정 | 비파괴 테스트용 컴퓨터 단층 촬영법 및 장치 |
KR20140033317A (ko) * | 2010-12-06 | 2014-03-18 | 인디안 인스티튜트 오브 테크놀로지, 카라그푸르 | 비선형에너지 연산자를 사용한 x-레이 이미지에서 미세석회화를 검출하기 위한 방법 및 시스템 |
KR20150113393A (ko) * | 2014-03-28 | 2015-10-08 | 재단법인 아산사회복지재단 | 의료 영상에서 아티팩트와 병변을 구분하는 방법 |
KR20160004864A (ko) * | 2014-07-04 | 2016-01-13 | 주식회사 인스바이오 | 치과 시술 시뮬레이션을 위한 치아모델 생성 방법 |
KR20160116075A (ko) * | 2015-03-25 | 2016-10-07 | ㈜베이다스 | 카메라로부터 획득한 영상에 대한 자동보정기능을 구비한 영상처리장치 및 그 방법 |
KR101804699B1 (ko) * | 2016-08-31 | 2017-12-06 | 연세대학교 산학협력단 | 컴퓨터 단층 촬영 영상의 아티팩트를 보정하는 방법 및 장치 |
US20180149471A1 (en) * | 2016-11-30 | 2018-05-31 | Industrial Technology Research Institute | Measuring equipment and measuring method |
-
2019
- 2019-10-29 KR KR1020190134994A patent/KR102225043B1/ko active IP Right Grant
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20010081097A (ko) * | 1998-10-26 | 2001-08-27 | 추후보정 | 비파괴 테스트용 컴퓨터 단층 촬영법 및 장치 |
KR20140033317A (ko) * | 2010-12-06 | 2014-03-18 | 인디안 인스티튜트 오브 테크놀로지, 카라그푸르 | 비선형에너지 연산자를 사용한 x-레이 이미지에서 미세석회화를 검출하기 위한 방법 및 시스템 |
KR20150113393A (ko) * | 2014-03-28 | 2015-10-08 | 재단법인 아산사회복지재단 | 의료 영상에서 아티팩트와 병변을 구분하는 방법 |
KR20160004864A (ko) * | 2014-07-04 | 2016-01-13 | 주식회사 인스바이오 | 치과 시술 시뮬레이션을 위한 치아모델 생성 방법 |
KR20160116075A (ko) * | 2015-03-25 | 2016-10-07 | ㈜베이다스 | 카메라로부터 획득한 영상에 대한 자동보정기능을 구비한 영상처리장치 및 그 방법 |
KR101804699B1 (ko) * | 2016-08-31 | 2017-12-06 | 연세대학교 산학협력단 | 컴퓨터 단층 촬영 영상의 아티팩트를 보정하는 방법 및 장치 |
US20180149471A1 (en) * | 2016-11-30 | 2018-05-31 | Industrial Technology Research Institute | Measuring equipment and measuring method |
Also Published As
Publication number | Publication date |
---|---|
KR102225043B1 (ko) | 2021-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7202302B2 (ja) | 断層撮影再構成に使用するためのデータのディープラーニングに基づく推定 | |
US9437017B2 (en) | Method and apparatus for metal artifact elimination in a medical image | |
US10521886B2 (en) | System and method for image correction | |
KR101598265B1 (ko) | X선 컴퓨터 단층 촬영 장치 및 화상 재구성 방법 | |
Wang et al. | Metal artifact reduction in CT using fusion based prior image | |
JP6283850B2 (ja) | 画像処理方法、画像処理装置及びプログラム | |
US8774355B2 (en) | Method and apparatus for direct reconstruction in tomosynthesis imaging | |
US7978886B2 (en) | System and method for anatomy based reconstruction | |
Kanwal et al. | Region based adaptive contrast enhancement of medical X-ray images | |
US11308664B2 (en) | Method for reconstructing a three-dimensional image data set | |
Gaffling et al. | A Gauss-Seidel iteration scheme for reference-free 3-D histological image reconstruction | |
JP6987352B2 (ja) | 医用画像処理装置および医用画像処理方法 | |
CN110268441B (zh) | 获得物体的多个部件的3d模型数据的方法 | |
CN114693660A (zh) | 一种基于ict的固体火箭发动机装药计算网格生成方法 | |
Robins et al. | Techniques for virtual lung nodule insertion: volumetric and morphometric comparison of projection-based and image-based methods for quantitative CT | |
KR102225043B1 (ko) | 3차원 산업용 컴퓨터 단층 영상 기법에서 금속으로 인한 인공음영 제거 방법 및 장치 | |
US20200393823A1 (en) | Computed tomography for non-destructive evaluation of manufactured parts | |
US11080900B2 (en) | Method and apparatus for metal artifact reduction in industrial 3-dimensional cone beam computed tomography | |
Huo et al. | Removing ring artefacts in CT images via unidirectional relative variation model | |
US20220172461A1 (en) | Machine learning apparatus, machine learning method, and non-transitory computer-readable storage medium | |
Gottschalk et al. | Deep learning based metal inpainting in the projection domain: Initial results | |
Tarroni et al. | Prosthetic component segmentation with blur compensation: a fast method for 3D fluoroscopy | |
JP4607476B2 (ja) | 放射線画像診断装置および放射線画像診断装置のデータ処理方法 | |
Huo et al. | Removing ring artifacts in CBCT images via smoothing | |
Zhou et al. | Research on reverse engineering reconstruction of parts CAD model for additive manufacturing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |