KR20210017290A - 전립선암 강조영상 생성 방법 및 장치 - Google Patents
전립선암 강조영상 생성 방법 및 장치 Download PDFInfo
- Publication number
- KR20210017290A KR20210017290A KR1020190096320A KR20190096320A KR20210017290A KR 20210017290 A KR20210017290 A KR 20210017290A KR 1020190096320 A KR1020190096320 A KR 1020190096320A KR 20190096320 A KR20190096320 A KR 20190096320A KR 20210017290 A KR20210017290 A KR 20210017290A
- Authority
- KR
- South Korea
- Prior art keywords
- image
- prostate cancer
- diffusion
- weighted image
- weighted
- Prior art date
Links
- 206010060862 Prostate cancer Diseases 0.000 title claims abstract description 112
- 208000000236 Prostatic Neoplasms Diseases 0.000 title claims abstract description 112
- 238000000034 method Methods 0.000 title claims abstract description 33
- 210000001519 tissue Anatomy 0.000 claims abstract description 49
- 238000009792 diffusion process Methods 0.000 claims abstract description 41
- 210000002307 prostate Anatomy 0.000 claims abstract description 27
- 238000003745 diagnosis Methods 0.000 claims abstract description 15
- 239000003086 colorant Substances 0.000 claims description 8
- 206010028980 Neoplasm Diseases 0.000 claims description 4
- 201000011510 cancer Diseases 0.000 claims description 4
- 238000012805 post-processing Methods 0.000 abstract description 6
- 238000007796 conventional method Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 2
- 125000004435 hydrogen atom Chemical group [H]* 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- G06K9/2054—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30081—Prostate
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
본 발명은 전립선암 강조영상 생성 방법 및 장치에 관한 것으로서, 그 전립선암 강조영상생성방법은 자기공명장치를 이용하여 T2 강조 영상과 확산 강조 영상을 얻는 단계; 확산민감 경사자장의 세기를 다르게 하여 촬영한 다수의 영상을 이용하여 화소별 현성확산계수 지도(ADC 맵)를 얻는 단계; 상기 T2 강조 영상과 확산 강조 영상 및 ADC 맵에 대해 전립선 각 부위의 위치를 일치시키고 해상도를 동일하게 하는 공간적 정합(spatial co-registration)을 수행하는 단계; 상기 T2 강조 영상, 확산강조영상 및 ADC 맵 각각에서 전립선 정상 조직 부위에서 선택된 일정 크기의 전립선 정상 조직 영역에 대한 화소의 평균값을 구하여 상기 T2 강조 영상, 확산강조영상 및 ADC 맵의 전체 화소를 정상 조직 영역의 평균값으로 나누는 단계; 및 정상조직의 평균값으로 나눈 T2 강조 영상과 확산 강조 영상 및 ADC 맵을 이용하여 전립선암 강조 영상을 얻는 단계를 포함한다.
본 발명에 의하면, 다중 자기공명영상에 나타나는 전립선암 신호를 후처리 기법으로 향상시켜 기존 방식으로는 보이지 않는 전립선암 조직의 내부 구조를 더 잘 보여줌으로써, 영상의학 전문의들이 전립선암 진단을 보다 정확하게 할 수 있게 한다.
본 발명에 의하면, 다중 자기공명영상에 나타나는 전립선암 신호를 후처리 기법으로 향상시켜 기존 방식으로는 보이지 않는 전립선암 조직의 내부 구조를 더 잘 보여줌으로써, 영상의학 전문의들이 전립선암 진단을 보다 정확하게 할 수 있게 한다.
Description
본 발명은 영상처리방법에 관한 것으로서, 특히 전립선암 진단에 활용되는 세 종류의 자기공명(MR)영상의 화소값을 조정하고 융합하여 영상으로 보이는 전립선암의 대조도를 향상시키는 전립선암 강조영상 생성 방법 및 장치에 관한 것이다.
전립선암은 조기진단 시 좋은 예후를 보이므로 전립선암에 대한 정확하고 신뢰성 있는 검사가 필요하다. 전립선암이 의심되는 환자는 다중 자기공명(MR) 영상을 촬영한다. 이 때, 일반적으로 T2 강조 영상과 확산 강조 영상(Diffusion weighted image, DWI)이 포함된다. 자기공명장치 안에 자기장을 가하면 인체 내 수소 원자들은 높은 에너지 상태에서 일정한 방향성을 띄게 된다. 이 때 90도 고주파 펄스를 가하면 수소 원자들은 원래 가지고 있던 방향성을 잃으면서 에너지를 방출하는데, 처음 에너지의 37%까지 감소하는데 걸리는 시간을 T2 이완 시간이라 한다. 인체 조직에 따라 T2 이완 시간은 달라지는데, T2 이완 시간 차이를 이용하여 만든 영상을 T2 강조 영상이라 한다. 전립선암은 일반 조직에 비해 짧은 T2 이완 시간을 가지므로, T2 강조 영상에서 일반 조직보다 더 검게 보이는 경향이 있다.
확산 강조 영상은 인체 내 물 분자들의 확산 정도를 영상화 하는 기법으로, 영상 촬영 시 두 번 이상의 확산 민감 경사 자장(Diffusion-sensitizing gradient pulse)을 주어 영상을 획득한다. 이 때 확산 민감 경사 자장의 세기(b factor)에 따라 각기 다른 확산 강조 영상을 획득할 수 있으며, 확산이 크거나 빠른 경우에는 조직이 검게 나타나고, 확산이 작거나 느린 조직은 더 밝게 나타난다. 일반적으로 b-factor가 큰 (b factor > 1000s/mm2) 확산 강조 영상에서 전립선암은 일반 조직보다 더 밝게 나타나는 경향이 있다.
확산 민감 경사 자장의 세기를 다르게 하여 얻은 다수의 영상을 특정 수식에 대입하면 화소별 현성확산계수 지도(Apparent diffusion coefficient, ADC map)를 얻을 수 있다. ADC map에서는 확산이 잘 되는 즉, 확산 계수가 큰 조직은 고신호로 나타내며, 확산이 잘 되지 않는 즉, 확산계수가 작은 조직은 저신호로 나타난다. ADC map에서 전립선암은 일반 조직보다 더 검게 보이는 경향이 있다.
일반적으로 전립선암 진단은 세 종류의 영상 즉, T2 강조 영상, b-factor 1000s/mm2 에서 획득한 확산 강조 영상 및 ADC map을 평행하게 놓은 상태에서 이루어진다. 그러나 영상에 나타나는 전립선암 진단은 여전히 전문의들 간의 진단 불일치 및 높은 거짓 양성 (false-positive) 비율을 나타내어 어려움을 겪고 있다.
본 발명이 해결하고자 하는 과제는 상술한 전립선암 진단의 어려움을 해결하기 위해 창출된 것으로서, 다중 자기공명영상에 나타나는 전립선암 신호를 후처리 기법으로 향상시켜 기존 방식으로는 보이지 않는 전립선암 조직의 내부 구조를 더 잘 보여줌으로써, 영상의학 전문의들의 전립선암 진단 의사 결정을 돕기 위한, 전립선암 강조영상 생성 방법 및 장치를 제공하는 것이다.
상기 기술적 과제를 이루기 위한 본 발명에 따른 전립선암 강조영상 생성 방법은, 자기공명장치를 이용하여 T2 강조 영상과 확산 강조 영상을 얻는 단계; 확산민감 경사자장의 세기를 다르게 하여 촬영한 다수의 영상을 이용하여 화소별 현성확산계수 지도(ADC 맵)를 얻는 단계; 상기 T2 강조 영상과 확산 강조 영상 및 ADC 맵에 대해 전립선 각 부위의 위치를 일치시키고 해상도를 동일하게 하는 공간적 정합(spatial co-registration)을 수행하는 단계; 상기 T2 강조 영상, 확산강조영상 및 ADC 맵 각각에서 전립선 정상 조직 부위에서 선택된 일정 크기의 전립선 정상 조직 영역에 대한 화소의 평균값을 구하여 상기 T2 강조 영상, 확산강조영상 및 ADC 맵의 전체 화소를 정상 조직 영역의 평균값으로 나누어 표준화하는 단계; 및 정상조직의 평균값으로 나눈 T2 강조 영상과 확산 강조 영상 및 ADC 맵을 이용하여 전립선암 강조 영상을 얻는 단계를 포함한다.
상기 T2강조영상은 측면으로 촬영한 고해상도 영상이고, 상기 확산강조영상은 b-factor 1000s/mm2에서 측면으로 촬영한 저해상도 영상인 것을 특징으로 한다. 상기 전립선암 강조영상 생성 단계는 상기 정상조직의 평균값으로 나누어진 T2 강조 영상, 확산강조영상 및 ADC 맵의 화소값에 대해 1을 빼서 정상조직의 화소 평균값을 0으로 만들고, T2강조영상과 확산강조영상에 나타나는 전립선암의 신호를 음수값을 갖도록 하는 단계; 및 상기 T2 강조 영상, 확산강조영상 및 ADC 맵의 화소값을 곱하는 단계를 포함할 수 있다.
본 발명에 따른 전립선암 강조영상 생성 방법은, 상기 전립선암 강조영상의 각 화소 값의 크기에 따라 컬러를 다르게 부여하여 전립선암 컬러 강조영상을 생성하는 단계를 더 포함할 수 있다. 또한 본 발명에 따른 전립선암 강조영상 생성 방법은 상기 전립선암 컬러 강조영상과 상기 T2 강조영상을 오버레이 하여 컬러를 통해 전립선암 부위를 용이하게 식별할 수 있게 하는 전립선암 강조영상을 생성하는 단계를 더 포함할 수 있다.
상기 기술적 과제를 이루기 위한 본 발명에 따른 전립선암 강조영상 생성 장치는, 확산민감 경사자장의 세기를 다르게 하여 촬영한 다수의 확산강조영상을 이용하여 화소별 현성확산계수 지도(ADC 맵)를 생성하는 ADC 맵 생성부; 자기공명장치를 이용하여 촬영된 T2 강조 영상과 확산 강조 영상 및 상기 ADC 맵 생성부에서 생성된 ADC 맵에 대해 전립선 각 부위의 위치를 서로 일치시키고 해상도를 동일하게 하는 공간적 정합(spatial co-registration)부; 상기 T2 강조 영상, 확산강조영상 및 ADC 맵 각각에서 전립선 정상 조직 부위에서 선택된 일정 크기의 전립선 정상 조직 영역에 대한 화소의 평균값을 구하고 상기 T2 강조 영상, 확산강조영상 및 ADC 맵의 전체 화소를 정상 조직 영역의 평균값으로 나누어 표준화하는 영상 표준화부; 및 상기 영상 표준화부에서 생성된 정상조직의 평균값으로 나눈 T2 강조 영상과 확산 강조 영상 및 ADC 맵을 이용하여 전립선암 강조 영상을 생성하는 전립선암 강조영상 생성부를 포함한다.
상기 전립선암 강조영상 생성부는 상기 정상조직의 평균값으로 나누어진 T2 강조 영상, 확산강조영상 및 ADC 맵의 화소값에 대해 1을 뺀 후, 상기 T2 강조 영상, 확산강조영상 및 ADC 맵의 화소값을 곱하여 전립선암 강조영상을 생성할 수 있다. 또한 상기 전립선암 강조영상 생성부는 상기 전립선암 강조영상의 각 화소 값의 크기에 따라 컬러를 다르게 부여하여 전립선암 컬러 강조영상을 생성하고, 상기 전립선암 컬러 강조영상과 상기 T2 강조영상을 오버레이 하여 컬러를 통해 전립선암 부위를 용이하게 식별할 수 있게 하는 전립선암 강조영상을 생성할 수 있다.
본 발명에 따른 전립선암 강조영상 생성 방법 및 장치에 의하면, 다중 자기공명영상에 나타나는 전립선암 신호를 후처리 기법을 통해 향상시켜 기존 방식으로는 보이지 않는 전립선암 조직의 내부 구조를 더 잘 보여줌으로써, 영상의학 전문의들이 전립선암 진단을 보다 정확하게 할 수 있게 한다.
도 1은 본 발명에 따른 전립선암 강조영상 생성 장치의 일실시예를 블록도로 나타낸 것이다.
도 2는 본 발명에 따른 전립선암 강조영상 생성 방법에 대한 일실시예를 흐름도로 나타낸 것이다.
도 3은 본 발명에 따른 전립선암 강조영상 생성 방법 및 장치에 사용되는 입력영상과 출력영상의 일 예를 나타낸 것이다.
도 4는 본 발명에 따른 전립선암 강조영상 생성 방법 및 장치에 사용되는 T2 강조영상에서 전립선 정상조직 부위의 하나의 화소를 선택한 후 상하좌우 5화소씩 더해 11x11 화소로 이루어진 정사각형 모양의 전립선 정상조직 영역을 나타낸 것이다.
도 2는 본 발명에 따른 전립선암 강조영상 생성 방법에 대한 일실시예를 흐름도로 나타낸 것이다.
도 3은 본 발명에 따른 전립선암 강조영상 생성 방법 및 장치에 사용되는 입력영상과 출력영상의 일 예를 나타낸 것이다.
도 4는 본 발명에 따른 전립선암 강조영상 생성 방법 및 장치에 사용되는 T2 강조영상에서 전립선 정상조직 부위의 하나의 화소를 선택한 후 상하좌우 5화소씩 더해 11x11 화소로 이루어진 정사각형 모양의 전립선 정상조직 영역을 나타낸 것이다.
이하, 첨부된 도면을 참조로 본 발명의 바람직한 실시예를 상세히 설명하기로 한다. 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 바람직한 일 실시예에 불과할 뿐이고, 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원 시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.
본 발명은 전립선암 진단에 활용되는 세 종류의 자기공명(MR)영상의 화소값을 조정하고 융합하여, 영상으로 보이는 전립선암의 대조도를 향상시키는 MR영상 후처리를 이용한다. 도 1은 본 발명에 따른 전립선암 강조영상 생성 장치의 일실시예를 블록도로 나타낸 것이다. 도 1을 참조하면, 본 발명에 따른 전립선암 강조영상 생성 장치의 일실시예는 ADC 맵 생성부(110), 공간적 정합(spatial co-registration)부(120), 영상 표준화부(130) 및 전립선암 강조영상생성부(140)를 포함하여 이루어진다.
ADC 맵 생성부(110)는 확산민감 경사자장의 세기를 다르게 하여 촬영한 다수의 확산강조영상을 이용하여 화소별 현성확산계수 지도(Apparent Diffusion Coefficient Map, ADC 맵)를 생성한다.
공간적 정합(spatial co-registration)부(120)는 자기공명장치를 이용하여 촬영된 T2 강조 영상과 확산 강조 영상 및 상기 ADC 맵 생성부에서 생성된 ADC 맵에 대해 전립선 각 부위의 위치를 서로 일치시키고 해상도를 동일하게 한다. 상기 T2강조영상은 측면으로 촬영한 고해상도 영상이고, 상기 확산강조영상은 b-factor 1000s/mm2에서 획득한 측면으로 촬영한 저해상도 영상이 사용될 수 있다.
영상 표준화부(130)는 상기 T2 강조 영상, 확산강조영상 및 ADC 맵 각각에서 전립선 정상 조직 부위에서 선택된 일정 크기의 전립선 정상 조직 영역에 대한 화소의 평균값을 구하고 상기 T2 강조 영상, 확산강조영상 및 ADC 맵의 전체 화소를 정상 조직 영역의 평균값으로 나눈다. 그리고 나서 상기 정상조직의 평균값으로 나누어진 T2 강조 영상, 확산강조영상 및 ADC 맵의 화소값에 대해 1을 빼서 정상조직의 화소값을 0으로 만들 수 있다.
영상 표준화부(130)에서 정상조직의 평균값으로 나누어진 T2 강조 영상, 확산강조영상 및 ADC 맵의 화소값에 대해 1을 뺀 후, 전립선암 강조영상생성부(140)는 T2 강조 영상과 확산 강조 영상 및 ADC 맵을 이용하여 전립선암 강조 영상을 생성한다. 예를 들어, 영상표준화부(130)에서 상기 정상조직의 평균값으로 나누어진 T2 강조 영상, 확산강조영상 및 ADC 맵의 화소값에 대해 1을 뺀 후, 전립선암 강조영상 생성부(140)는 상기 T2 강조 영상, 확산강조영상 및 ADC 맵의 화소값을 곱하여 전립선암 강조영상을 생성할 수 있다. 또한 전립선암 강조영상 생성부(140)는 상기 전립선암 강조영상의 각 화소 값의 크기에 따라 컬러를 다르게 부여하여 전립선암 컬러 강조영상을 생성하고, 상기 전립선암 컬러 강조영상과 상기 T2 강조영상을 오버레이 하여 컬러를 통해 전립선암 부위를 용이하게 식별할 수 있게 하는 전립선암 강조영상을 생성할 수도 있다.
도 2는 본 발명에 따른 전립선암 강조영상 생성 방법에 대한 일실시예를 흐름도로 나타낸 것이다.
T2 강조 영상과 b-factor 1000s/mm2에서 획득한 확산 강조 영상 및 ADC map의 해상도가 서로 맞지 않으므로 영상의 공간적 정합(spatial co-registration) 과정을 통해 해상도를 맞춘다. 기준 해상도는 저해상도인 확산 강조 영상에 맞춘다
도 1 및 도 2를 참조하면, 자기공명장치를 이용하여 T2 강조 영상과 확산 강조 영상을 얻는다.(S210단계) 상기 T2강조영상은 측면으로 촬영한 고해상도 영상이고, 상기 확산강조영상은 b-factor 1000s/mm2에서 측면으로 촬영한 저해상도 영상인 것이 바람직하다. 확산민감 경사자장의 세기를 다르게 하여 촬영한 다수의 영상을 이용하여 화소별 현성확산계수 지도(ADC 맵)을 생성한다.(S220단계) 즉, 측면으로 찍은 고해상도 T2 강조 영상과 측면으로 찍은 저해상도 확산 강조 영상을 획득한 후, ADC 맵을 얻는다.
상기 T2 강조 영상과 확산 강조 영상 및 ADC 맵에 대해 전립선 각 부위의 위치를 일치시키고 해상도를 동일하게 하는 공간적 정합(spatial co-registration)을 수행한다.(S230단계) 즉, T2 강조 영상과 b-factor 1000s/mm2에서 획득한 확산 강조 영상 및 ADC map의 해상도가 서로 맞지 않으므로 영상의 공간적 정합(spatial co-registration) 과정을 통해 해상도를 맞춘다. 기준 해상도는 저해상도인 확산 강조 영상에 맞출 수 있다.
상기 T2 강조 영상, 확산강조영상 및 ADC 맵 각각에서 전립선 정상 조직 부위에서 선택된 일정 크기의 전립선 정상 조직 영역에 대한 화소의 평균값을 구하여 상기 T2 강조 영상, 확산강조영상 및 ADC 맵의 전체 화소를 정상 조직 영역의 평균값으로 나누어 표준화한다.(S240단계) T2 강조 영상에서 전립선 정상 조직 부위를 임의로 선택한 후, 상하좌우 5화소씩 더해 11 X 11 화소로 이루어진 정사각형 모양의 전립선 정상 조직 영역의 평균값을 구한다. 그리고 b-factor 1000s/mm2에서 획득한 확산 강조 영상 및 ADC 맵에서도 T2 강조 영상에서 추출한 영역과 동일한 부위로부터 평균값을 구한다. T2 강조 영상의 전체 화소를 정상 조직 영역의 평균값으로 나눈다. 다른 두 종류의 영상 즉, 확산강조영상 및 ADC 맵 역시 전체 화소를 정상 조직 영역의 평균값으로 나눈다. 그리고 나서 상기 정상조직의 평균값으로 나누어진 T2 강조 영상, 확산강조영상 및 ADC 맵의 화소값에 대해 1을 빼서 정상조직의 화소값을 0으로 만들 수 있다.
정상조직의 평균값으로 나누어진 T2 강조 영상, 확산강조영상 및 ADC 맵의 화소값에 대해 1을 빼서 정상조직화소값을 0으로 만든 후, 전립선암 강조영상 생성부(140)에 의해 T2 강조 영상과 확산 강조 영상 및 ADC 맵을 이용하여 전립선암 강조 영상을 얻는다.(S250단계) 예를 들어, S240단계에서 상기 정상조직의 평균값으로 나누어진 T2 강조 영상, 확산강조영상 및 ADC 맵의 화소값에 대해 1을 빼서 정상조직의 화소값을 0으로 만든 후, S250단계에서는 상기 전립선암 강조영상은 T2강조영상과 확산강조영상에 나타나는 전립선암의 신호를 음수값을 갖도록 하여 상기 T2 강조 영상, 확산강조영상 및 ADC 맵의 화소값을 곱하여 생성할 수 있다. 또한 상기 전립선암 강조영상의 각 화소 값의 크기에 따라 컬러를 다르게 부여하여 전립선암 컬러 강조영상을 생성할 수 있다. 정상 조직의 평균값으로 나눈 T2 강조 영상과 b-factor 1000s/mm2 영상 및 ADC 맵을 곱하여 전립선암 강조 영상을 얻는다. (도 3의 네 번째 열, 참조번호 340)
또한 상기 전립선암 컬러 강조영상과 상기 T2 강조영상을 오버레이 하여 컬러를 통해 전립선암 부위를 용이하게 식별할 수 있게 하는 전립선암 강조영상을 생성할 수 있다. (도 3의 다섯 번째 열, 참조번호 350).
위 과정을 통해 생성된 전립선암 강조 영상은 전립선암 신호는 최대한 높아지고 정상 조직은 억제된 양상을 보여 암의 발견이 용이할 뿐 아니라 기존 영상에서는 보이지 않던 암의 불균질한 내부구조를 보여주어 전립선암 진단 의사 결정에 도움이 될 수 있다. 특히 강조된 신호 강도를 서로 다른 색으로 보여줌으로써, 전립선암 내부의 불균질한 신호강도를 직관적으로 알 수 있다. 즉, 강한 신호는 빨갛게, 약한 신호는 파랗게 서로 다른 색으로 하여 시각성을 높일 수 있다. 후처리 없는 종래 영상에서는 이러한 차이를 사람의 눈으로 알아낼 수 없었기 때문에 전립선암이 아닌 경우에 발생하는 신호강도의 변화와 전립선암에서의 신호강도 변화에서 병변 내부의 불균일한 신호강도의 분포는 진단에 사용할 수 없었다.
전립선암 강조 영상을 얻는 후처리 기법을 통해 세 종류의 영상 내 화소를 조정하고 융합하여 정상조직을 최대한 억제하고 전립선암 강조 영상을 만들 수 있다. 전립선암을 강조하기 위해 T2강조영상, 확산강조영상, ADC 맵으로 이루어지는 세 종류의 MR 영상을 사용하여 정상조직의 화소값을 0으로 만들고, 각각의 영상을 곱하여 하나의 영상으로 전립선암 부위를 나타낸다. 이를 통해 세 영상을 따로 따로 보고 전립선암 진단을 내리는 종래의 방식보다 전립선암의 특성을 보다 더 시각적으로 명확하게 나타낼 수 있다.
본 발명은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터(정보 처리 기능을 갖는 장치를 모두 포함한다)가 읽을 수 있는 코드로서 구현될 수 있다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 장치의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광데이터 저장장치 등이 있다. 또한, 본 명세서에서, “부”는 프로세서 또는 회로와 같은 하드웨어 구성(hardware component), 및/또는 프로세서와 같은 하드웨어 구성에 의해 실행되는 소프트웨어 구성(software component)일 수 있다.
본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 등록청구범위의 기술적 사상에 의해 정해져야 할 것이다.
110 : ADC 맵 생성부
120 : 공간적 정합부
130 : 영상표준화부 132 : 평균값 산출부
134 : 화소별 표준화부 140 : 전립선암 강조영상 생성부
130 : 영상표준화부 132 : 평균값 산출부
134 : 화소별 표준화부 140 : 전립선암 강조영상 생성부
Claims (10)
- 자기공명장치를 이용하여 T2 강조 영상과 확산 강조 영상을 얻는 단계;
확산민감 경사자장의 세기를 다르게 하여 촬영한 다수의 영상을 이용하여 화소별 현성확산계수 지도(Apparent Diffusion Coefficient Map, ADC 맵)를 얻는 단계;
상기 T2 강조 영상과 확산 강조 영상 및 ADC 맵의 해상도를 일치시키고, 전립선 정상 조직 부위 화소를 이용하여 상기 T2 강조 영상, 확산강조영상 및 ADC 맵의 전체 화소를 표준화하는 단계; 및
정상조직의 평균값으로 나누어 표준화한 T2 강조 영상과 확산 강조 영상 및 ADC 맵을 이용하여 전립선암 강조 영상을 얻는 단계를 포함하는 전립선암 진단을 용이하게 하는 전립선암 강조영상 생성방법. - 제1항에 있어서, 상기 표준화 단계는
상기 T2 강조 영상과 확산 강조 영상 및 ADC 맵에 대해 공간적 정합(spatial co-registration)을 하는 단계; 및
상기 T2 강조 영상, 확산강조영상 및 ADC 맵 각각에서 전립선 정상 조직 부위에서 선택된 일정 크기의 전립선 정상 조직 영역에 대한 화소의 평균값을 구하여 상기 T2 강조 영상, 확산강조영상 및 ADC 맵의 전체 화소를 정상 조직 영역의 평균값으로 나누어 표준화하는 단계를 포함하는 것을 특징으로 하는 전립선암 강조영상 생성방법. - 제1항에 있어서,
상기 T2강조영상은 측면으로 촬영한 고해상도 영상이고, 상기 확산강조영상은 측면으로 촬영한 저해상도 영상인 것을 특징으로 하는 전립선암 강조영상 생성방법. - 제1항에 있어서, 상기 확산강조영상은
b-factor 1000s/mm2에서 획득한 것임을 특징으로 하는 전립선암 강조영상 생성방법. - 제2항에 있어서, 상기 전립선암 강조영상 생성 단계는
상기 T2 강조 영상, 확산강조영상 및 ADC 맵의 화소값을 곱하는 단계를 포함하는 것을 특징으로 하는 전립선암 진단을 용이하게 하는 전립선암 강조영상 생성방법. - 제5항에 있어서,
상기 전립선암 강조영상의 각 화소 값의 크기에 따라 컬러를 다르게 부여하여 전립선암 컬러 강조영상을 생성하는 단계를 더 포함하는 것을 특징으로 하는 전립선암 진단을 용이하게 하는 전립선암 강조영상 생성방법. - 확산민감 경사자장의 세기를 다르게 하여 촬영한 다수의 확산강조영상을 이용하여 화소별 현성확산계수 지도(ADC 맵)를 생성하는 ADC 맵 생성부;
자기공명장치를 이용하여 촬영된 T2 강조 영상과 확산 강조 영상 및 상기 ADC 맵 생성부에서 생성된 ADC 맵에 대해 전립선 각 부위의 위치를 서로 일치시키고 해상도를 동일하게 하는 공간적 정합(spatial co-registration)부;
상기 T2 강조 영상, 확산강조영상 및 ADC 맵 각각에서 전립선 정상 조직 부위에서 선택된 일정 크기의 전립선 정상 조직 영역에 대한 화소의 평균값을 구하고 상기 T2 강조 영상, 확산강조영상 및 ADC 맵의 전체 화소를 정상 조직 영역의 평균값으로 나누어 표준화하는 영상 표준화부; 및
상기 영상 표준화부에서 생성된 정상조직의 평균값으로 나눈 T2 강조 영상과 확산 강조 영상 및 ADC 맵을 이용하여 전립선암 강조 영상을 생성하는 전립선암 강조영상 생성부를 포함하는 전립선암 진단을 용이하게 하는 전립선암 강조영상 생성장치. - 제7항에 있어서,
상기 T2강조영상은 측면으로 촬영한 고해상도 영상이고, 상기 확산강조영상은 b-factor 1000s/mm2에서 획득한 측면으로 촬영한 저해상도 영상인 것을 특징으로 하는 전립선암 진단을 용이하게 하는 전립선암 강조영상 생성장치. - 제7항에 있어서, 상기 전립선암 강조영상 생성부는
상기 정상조직의 평균값으로 나누어진 T2 강조 영상, 확산강조영상 및 ADC 맵의 화소값에 대해 정상조직 화소값을 0으로 하여 전립선암 강조영상을 생성하는 것을 특징으로 하는 전립선암 진단을 용이하게 하는 전립선암 강조영상 생성장치. - 제9항에 있어서, 상기 전립선암 강조영상 생성부는
상기 전립선암 강조영상의 각 화소 값의 크기에 따라 컬러를 다르게 부여하여 전립선암 컬러 강조영상을 생성하는 것을 특징으로 하는 전립선암 진단을 용이하게 하는 전립선암 강조영상 생성장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190096320A KR102254970B1 (ko) | 2019-08-07 | 2019-08-07 | 전립선암 강조영상 생성 방법 및 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190096320A KR102254970B1 (ko) | 2019-08-07 | 2019-08-07 | 전립선암 강조영상 생성 방법 및 장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210017290A true KR20210017290A (ko) | 2021-02-17 |
| KR102254970B1 KR102254970B1 (ko) | 2021-05-21 |
Family
ID=74731544
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190096320A KR102254970B1 (ko) | 2019-08-07 | 2019-08-07 | 전립선암 강조영상 생성 방법 및 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102254970B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220141597A (ko) | 2021-04-13 | 2022-10-20 | 연세대학교 산학협력단 | 블로흐 방정식 기반 생성적 적대 신경망을 이용한 지방 포화 자기 공명 영상 생성 방법 및 장치 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090123616A (ko) * | 2008-05-28 | 2009-12-02 | 재단법인 아산사회복지재단 | 자동화된 목적 장기의 체절 및 암 조직의 시각화를 위한확산 강조 영상의 처리장치 및 그 방법 |
| KR20140054690A (ko) * | 2012-10-29 | 2014-05-09 | 서울여자대학교 산학협력단 | Ｔ2강조 ｍｒ 영상과 확산강조 ｍｒ 영상의 융합 시스템 및 그 방법 |
| JP2017140209A (ja) * | 2016-02-10 | 2017-08-17 | 株式会社日立製作所 | 磁気共鳴イメージング装置及び画像処理方法 |
| KR20180082817A (ko) * | 2017-01-11 | 2018-07-19 | 서울여자대학교 산학협력단 | 다중 파라메터 자기공명영상에서 전립선 주변부 영역의 전립선암 자동 검출 및 국소화 방법 |
| KR20180091766A (ko) | 2017-02-07 | 2018-08-16 | 연세대학교 산학협력단 | 전립선암 진단에 관한 정보제공방법 |
| US20180240233A1 (en) * | 2017-02-22 | 2018-08-23 | Siemens Healthcare Gmbh | Deep Convolutional Encoder-Decoder for Prostate Cancer Detection and Classification |
-
2019
- 2019-08-07 KR KR1020190096320A patent/KR102254970B1/ko active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090123616A (ko) * | 2008-05-28 | 2009-12-02 | 재단법인 아산사회복지재단 | 자동화된 목적 장기의 체절 및 암 조직의 시각화를 위한확산 강조 영상의 처리장치 및 그 방법 |
| KR20140054690A (ko) * | 2012-10-29 | 2014-05-09 | 서울여자대학교 산학협력단 | Ｔ2강조 ｍｒ 영상과 확산강조 ｍｒ 영상의 융합 시스템 및 그 방법 |
| JP2017140209A (ja) * | 2016-02-10 | 2017-08-17 | 株式会社日立製作所 | 磁気共鳴イメージング装置及び画像処理方法 |
| KR20180082817A (ko) * | 2017-01-11 | 2018-07-19 | 서울여자대학교 산학협력단 | 다중 파라메터 자기공명영상에서 전립선 주변부 영역의 전립선암 자동 검출 및 국소화 방법 |
| KR20180091766A (ko) | 2017-02-07 | 2018-08-16 | 연세대학교 산학협력단 | 전립선암 진단에 관한 정보제공방법 |
| US20180240233A1 (en) * | 2017-02-22 | 2018-08-23 | Siemens Healthcare Gmbh | Deep Convolutional Encoder-Decoder for Prostate Cancer Detection and Classification |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220141597A (ko) | 2021-04-13 | 2022-10-20 | 연세대학교 산학협력단 | 블로흐 방정식 기반 생성적 적대 신경망을 이용한 지방 포화 자기 공명 영상 생성 방법 및 장치 |
| US11874357B2 (en) | 2021-04-13 | 2024-01-16 | Uif (University Industry Foundation), Yonsei University | Method and device for generating fat suppression magnetic resonance image using generative adversarial neural network based on the Bloch equation |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102254970B1 (ko) | 2021-05-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108460809B (zh) | 用于前列腺癌检测和分类的深度卷积编码器-解码器 | |
| EP3876194B1 (en) | Artificial intelligence (ai) based parkinson's disease diagnosing apparatus and method | |
| US9858665B2 (en) | Medical imaging device rendering predictive prostate cancer visualizations using quantitative multiparametric MRI models | |
| Wink et al. | 3D MRA coronary axis determination using a minimum cost path approach | |
| US9361686B2 (en) | Method and apparatus for the assessment of medical images | |
| Re et al. | Enhancing pancreatic adenocarcinoma delineation in diffusion derived intravoxel incoherent motion f‐maps through automatic vessel and duct segmentation | |
| Ardekani et al. | Geometric distortion correction of high‐resolution 3 T diffusion tensor brain images | |
| CN107527361B (zh) | 基于磁共振影像融合显示的图像显示系统及显示方法 | |
| Koolstra et al. | Cartesian MR fingerprinting in the eye at 7T using compressed sensing and matrix completion‐based reconstructions | |
| CN111212600B (zh) | 帕金森病诊断装置 | |
| Guo et al. | Multi‐slice myelin water imaging for practical clinical applications at 3.0 T | |
| US8275181B2 (en) | Method for tracking of contrast enhancement pattern for pharmacokinetic and parametric analysis in fast-enhancing tissues using high-resolution MRI | |
| KR102254970B1 (ko) | 전립선암 강조영상 생성 방법 및 장치 | |
| Ferrer et al. | Deep learning-based assessment of cerebral microbleeds in COVID-19 | |
| Tan et al. | Denoising and Multiple Tissue Compartment Visualization of Multi‐b‐Valued Breast Diffusion MRI | |
| Lee et al. | Registration and quantification network (RQnet) for IVIM‐DKI analysis in MRI | |
| Zhu et al. | Spatial regression analysis of diffusion tensor imaging (SPREAD) for longitudinal progression of neurodegenerative disease in individual subjects | |
| Duché et al. | Partial volume model for brain MRI scan using MP2RAGE | |
| Conlin et al. | Performance of an efficient image‐registration algorithm in processing MR renography data | |
| Salmani Rahimi et al. | Combined dynamic contrast‐enhanced liver MRI and MRA using interleaved variable density sampling | |
| US20130322713A1 (en) | Color map design method for assessment of the deviation from established normal population statistics and its application to quantitative medical images | |
| US20230152404A1 (en) | Identification of advisory regions in breast magnetic resonance imaging | |
| Arani et al. | Left–right intensity asymmetries vary depending on scanner model for FLAIR and T1 weighted MRI images | |
| Roy et al. | Synthesizing MR contrast and resolution through a patch matching technique | |
| Chandra et al. | Local contrast‐enhanced MR images via high dynamic range processing |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E90F | Notification of reason for final refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |