KR20210141939A

KR20210141939A - 모션 보정 및 피크 향상을 위한 이미지 식별 및 선택

Info

Publication number: KR20210141939A
Application number: KR1020217029020A
Authority: KR
Inventors: 니콜라오스 카나치오스; 자차오 량
Original assignee: 홀로직, 인크.
Priority date: 2019-03-14
Filing date: 2020-03-13
Publication date: 2021-11-23
Also published as: DE202020006019U1; US20220171009A1; AU2020234709A1; CN113490964A; WO2020186175A1; JP2022524990A; EP3939000A1

Abstract

이미징 데이터에 대해 모션 보정을 수행하기 위한 방법들 및 시스템들. 방법들은 이미징 데이터의 세트에 액세스하는 단계를 포함한다. 이미징 데이터의 세트는 제1 시점에 대한 제1 이미징 데이터, 제2 시점에 대한 제2 이미징 데이터, 및 제3 시점에 대한 제3 이미징 데이터를 포함한다. 관심 영역(ROI)의 위치는 상이한 이미징 데이터에서 식별된다. 이미징 데이터에 걸친 ROI의 위치들 사이의 차이들이 결정되고 집계되어 이미징 데이터의 세트에서의 개개의 이미징 데이터에 대한 집계 모션 스코어를 생성한다. 그 후, 집계 모션 스코어에 기초하여 이미징 데이터 중 하나가 모션 보정을 위한 기준 이미징 데이터로서 선택된다. 이미징 데이터의 세트의 모션 보정은 선택된 기준 이미징 데이터에 기초하여 수행된다. MRI 이미징 데이터의 피크 향상을 위해 이미지들에 대한 유사한 비교들이 수행될 수 있다.

Description

모션 보정 및 피크 향상을 위한 이미지 식별 및 선택

본 출원은 PCT 국제 특허 출원으로서 2020년 3월 13일에 출원되었고, 2019년 3월 14일에 출원된 미국 특허 출원 제62/818,449호의 우선권을 주장하며, 그의 개시내용은 그 전체가 본 명세서에 참조로 포함된다.

의료 이미징(medical imaging)은 인체에서의 암들 또는 다른 상태들과 같은 비정상들을 식별 및 진단하기 위한 널리 이용되는 도구가 되었다. 예를 들어, 자기 공명 이미징(magnetic resonance imaging)(MRI)은 의료 응용들을 위해 이용될 수 있는 하나의 이미징 양식(imaging modality)이다. MRI에서, 환자의 신체 영역의 3차원(즉, 체적) 이미징 정보가 진단 목적으로 획득된다. 컴퓨터 단층촬영(computed tomography)(CT), 양전자 방출 단층촬영(positron emission tomography)(PET), 유방촬영(mammography), 및 단층영상합성(tomosynthesis)과 같은 다른 이미징 양식들이 또한 의료 이미징 절차들을 위해 이용가능하다. 일부 이미징 양식들에서, 이미지들은 종종 동적 이미징으로 지칭되는 다수의 시점들에서 획득될 수 있다. 예를 들어, MRI 정보는 혈액의 이동과 같은 동적 프로세스들의 시간 진행을 연구하기 위해 다수의 시점들에서 획득될 수 있다. 단층영상합성은 상이한 시점들에서 다수의 각도들에서 환자의 유방과 같은 환자의 일부의 이미지들을 획득하는 것을 수반한다. 일부 경우들에서, 콘트라스트-향상된 또는 이중-에너지 유방촬영 또한 다수의 상이한 시점들에서 이미지들을 획득하는 것을 수반할 수 있다. 시간이 지남에 따라 이미지들이 획득되는 그러한 동적 이미징 절차들 동안, 환자는 이미징 절차를 완료하는데 필요한 시간 동안 움직일 수 있다. 환자가 이미징 절차 동안 움직이면, 획득된 이미징 데이터는 환자의 그러한 움직임을 고려하기 위해 보정될 필요가 있을 수 있다.

이들 및 다른 일반적인 고려사항들과 관련하여, 본 명세서에 개시된 양태들이 구성되었다. 또한, 비록 비교적 특정적인 문제들이 설명될 수 있지만, 그러한 예들은 본 개시내용의 배경에서 또는 다른 곳에서 식별된 특정적인 문제들의 해결로 제한되지 않아야 한다는 것을 이해해야 한다.

본 개시내용의 예들은 이미징 절차들 및 그러한 이미징 절차들로부터의 결과적인 이미지 품질을 개선하기 위한 시스템들 및 방법들을 설명한다. 일 양태에서, 본 기술은, 방법으로서, 제1 시점에 대한 제1 이미징 데이터, 제2 시점에 대한 제2 이미징 데이터, 및 제3 시점에 대한 제3 이미징 데이터를 포함하는 이미징 데이터의 세트에 액세스하는 단계를 포함하는, 방법에 관한 것이다. 방법은 제1 이미징 데이터에서 관심 영역(region of interest)(ROI)의 제1 위치를 식별하는 단계; 제2 이미징 데이터에서 ROI의 제2 위치를 식별하는 단계; 및 제3 이미징 데이터에서 ROI의 제3 위치를 식별하는 단계를 더 포함한다. 방법은 또한 식별된 위치들 사이의 복수의 차이들을 결정하는 단계 ―복수의 차이들은, 제1 위치와 제2 위치; 제1 위치와 제3 위치; 및 제2 위치와 제3 위치 사이의 차이를 포함함― 를 포함한다. 방법은 결정된 복수의 차이들에 기초하여, 제1 이미징 데이터, 제2 이미징 데이터 또는 제3 이미징 데이터 중 하나를 모션 보정을 위한 기준 이미징 데이터로서 선택하는 단계, 및 선택된 기준 이미지로 이미징 데이터의 세트에 대한 모션 보정을 수행하는 단계를 추가로 포함한다.

예에서, 이미징 데이터의 세트는 자기 공명 이미징(MRI) 데이터이다. 다른 예에서, 이미징 데이터의 세트는 2차원 의료 이미지들을 포함하고, ROI의 위치들은 제1 차원에 대응하는 제1 좌표 및 제2 차원에 대응하는 제2 좌표를 포함한다. 또 다른 예에서, 제1 위치와 제2 위치 사이의 차이를 결정하는 단계는, 제1 위치의 제1 좌표와 제2 위치의 제1 좌표 사이의 차이를 결정하는 단계; 및 제1 위치의 제2 좌표와 제2 위치의 제2 좌표 사이의 차이를 결정하는 단계를 포함한다. 또 다른 예에서, 이미징 데이터의 세트는 3차원 의료 이미지들을 포함하고, ROI의 위치들은 제1 차원에 대응하는 제1 좌표, 제2 차원에 대응하는 제2 좌표, 및 제3 차원에 대응하는 제2 좌표를 포함한다. 또 다른 예에서, 제1 위치와 제2 위치 사이의 차이를 결정하는 단계는, 제1 위치의 제1 좌표와 제2 위치의 제1 좌표 사이의 차이를 결정하는 단계; 제1 위치의 제2 좌표와 제2 위치의 제2 좌표 사이의 차이를 결정하는 단계; 및 제1 위치의 제3 좌표와 제2 위치의 제3 좌표 사이의 차이를 결정하는 단계를 포함한다. 다른 예에서, 제1 위치와 제2 위치 사이의 차이를 결정하는 단계는 제1 위치와 제2 위치 사이의 거리를 결정하는 단계를 포함한다.

다른 양태에서, 본 기술은, 시스템으로서, 디스플레이; 적어도 하나의 프로세서; 및 명령어들을 저장하는 메모리를 포함하고, 명령어들은, 적어도 하나의 프로세서에 의해 실행될 때, 시스템으로 하여금 동작들의 세트를 수행하게 하는, 시스템에 관한 것이다. 동작들의 세트는 제1 시점에 대한 제1 이미징 데이터, 제2 시점에 대한 제2 이미징 데이터, 및 제3 시점에 대한 제3 이미징 데이터를 포함하는 이미징 데이터의 세트에 액세스하는 동작; 제1 이미징 데이터에서 관심 영역(ROI)의 제1 위치를 식별하는 동작; 제2 이미징 데이터에서 ROI의 제2 위치를 식별하는 동작; 및 제3 이미징 데이터에서 ROI의 제3 위치를 식별하는 동작을 포함한다. 동작들의 세트는 또한 식별된 위치들 사이의 복수의 차이들을 결정하는 동작 ―복수의 차이들은, 제1 위치와 제2 위치; 제1 위치와 제3 위치; 및 제2 위치와 제3 위치 사이의 차이를 포함함― 을 포함한다. 동작들의 세트는 결정된 복수의 차이들에 기초하여, 제1 이미징 데이터, 제2 이미징 데이터 또는 제3 이미징 데이터 중 하나를 모션 보정을 위한 기준 이미징 데이터로서 선택하는 동작; 선택된 기준 이미징 데이터로 이미징 데이터의 세트에 대한 모션 보정을 수행하는 동작; 및 모션 보정된 이미징 데이터의 세트의 적어도 일부를 디스플레이 상에 디스플레이하는 동작을 더 포함한다.

예에서, 시스템은 의료 이미징 장치를 더 포함하고, 동작들의 세트는 의료 이미징 장치로부터 이미징 데이터의 세트를 획득하는 동작을 더 포함한다. 다른 예에서, 의료 이미징 장치는 자기 공명 이미징(MRI) 기계이고, 이미징 데이터는 MRI 볼륨들을 포함한다. 또 다른 예에서, 이미징 데이터의 세트는 2차원 의료 이미지들을 포함하고, ROI의 위치들은 제1 차원에 대응하는 제1 좌표 및 제2 차원에 대응하는 제2 좌표를 포함하고, 제1 위치와 제2 위치 사이의 차이를 결정하는 동작은, 제1 위치의 제1 좌표와 제2 위치의 제1 좌표 사이의 차이를 결정하는 동작; 및 제1 위치의 제2 좌표와 제2 위치의 제2 좌표 사이의 차이를 결정하는 동작을 포함한다. 또 다른 예에서, 의료 이미지들은 3차원 의료 이미지들이고, ROI의 위치는 제1 차원에 대응하는 제1 좌표, 제2 차원에 대응하는 제2 좌표, 및 제3 차원에 대응하는 제2 좌표를 포함하고, 제1 위치와 제2 위치 사이의 차이를 결정하는 동작은, 제1 위치의 제1 좌표와 제2 위치의 제1 좌표 사이의 차이를 결정하는 동작; 제1 위치의 제2 좌표와 제2 위치의 제2 좌표 사이의 차이를 결정하는 동작; 및 제1 위치의 제3 좌표와 제2 위치의 제3 좌표 사이의 차이를 결정하는 동작을 포함한다. 또 다른 예에서, 제1 위치와 제2 위치 사이의 차이를 결정하는 동작은 제1 위치와 제2 위치 사이의 거리를 결정하는 동작을 포함한다.

다른 양태에서, 본 기술은, 방법으로서, 복수의 시점들에서 획득된 의료 이미지들의 세트에 액세스하는 단계를 포함하는, 방법에 관한 것이다. 방법은 또한 의료 이미지들의 세트에서의 의료 이미지들의 적어도 절반에서 관심 영역(ROI)을 식별하는 단계; 의료 이미지들의 세트에서의 의료 이미지들의 적어도 절반에서 ROI의 위치를 식별하는 단계; 의료 이미지들의 세트의 의료 이미지들의 적어도 하나의 쌍에서의 ROI의 식별된 위치들을 비교하는 단계; 식별된 위치들의 비교들에 기초하여, 의료 이미지들의 세트의 의료 이미지들 중 하나를 모션 보정을 위한 기준 이미지로 선택하는 단계; 및 선택된 기준 이미지로 의료 이미지들의 세트의 모션 보정을 수행하는 단계를 포함한다.

예에서, 비교하는 동작은 의료 이미지들의 세트에서의 의료 이미지들의 복수의 쌍들에서의 ROI의 식별된 위치들을 비교하는 단계를 포함한다. 다른 예에서, 의료 이미지들의 복수의 쌍들은 의료 이미지들의 세트에서의 모든 가능한 의료 이미지들의 쌍들을 포함한다. 또 다른 예에서, 의료 이미지들은 2차원 의료 이미지들이고, ROI의 위치들은 제1 차원에 대응하는 제1 좌표 및 제2 차원에 대응하는 제2 좌표를 포함한다. 또 다른 예에서, 의료 이미지들은 3차원 의료 이미지들이고, ROI의 위치들은 제1 차원에 대응하는 제1 좌표, 제2 차원에 대응하는 제2 좌표, 및 제3 차원에 대응하는 제2 좌표를 포함한다.

다른 양태에서, 본 기술은, 방법으로서, 제1 시점에 대한 제1 이미징 데이터, 제2 시점에 대한 제2 이미징 데이터, 및 제3 시점에 대한 제3 이미징 데이터를 포함하는 이미징 데이터의 세트에 액세스하는 단계를 포함하는, 방법에 관한 것이다. 방법은 또한 제1 이미징 데이터에서 관심 영역(ROI)의 제1 위치를 식별하는 단계; 제2 이미징 데이터에서 ROI의 제2 위치를 식별하는 단계; 및 제3 이미징 데이터에서 ROI의 제3 위치를 식별하는 단계를 포함한다. 방법은 제1 위치와 제2 위치 사이의 제1 차이를 결정하는 단계; 제1 위치와 제3 위치 사이의 제2 차이를 결정하는 단계; 및 제2 위치와 제3 위치 사이의 제3 차이를 결정하는 단계를 더 포함한다. 방법은 또한 제1 차이 및 제2 차이를 집계(aggregating)하여 제1 이미징 데이터에 대한 제1 집계 모션 스코어를 생성하는 단계; 제1 차이 및 제3 차이를 집계하여 제2 이미징 데이터에 대한 제2 집계 모션 스코어를 생성하는 단계; 및 제2 차이 및 제3 차이를 집계하여 제3 이미징 데이터에 대한 제3 집계 모션 스코어를 생성하는 단계를 포함한다. 방법은 제1 집계 모션 스코어, 제2 집계 모션 스코어 및 제3 집계 모션 스코어에 기초하여, 제1 이미징 데이터, 제2 이미징 데이터 또는 제3 이미징 데이터 중 하나를 모션 보정을 위한 기준 이미징 데이터로서 선택하는 단계; 및 선택된 기준 이미징 데이터에 기초하여 이미징 데이터의 세트의 모션 보정을 수행하는 단계를 추가로 포함한다.

예에서, 제1 차이는 제1 위치와 제2 위치 사이의 거리이고; 제2 차이는 제1 위치와 제3 위치 사이의 거리이고; 제3 차이는 제2 위치와 제3 위치 사이의 거리이다. 다른 예에서, 제1 차이는 제1 위치와 제2 위치 사이의 영역(area)이고; 제2 차이는 제1 위치와 제3 위치 사이의 영역이고; 제3 차이는 제2 위치와 제3 위치 사이의 영역이다.

다른 양태에서, 본 기술은, 방법으로서, 제1 시점에 대한 제1 이미징 데이터, 제2 시점에 대한 제2 이미징 데이터, 및 제3 시점에 대한 제3 이미징 데이터를 포함하는 이미징 데이터의 세트에 액세스하는 단계; 제1 이미징 데이터에서 관심 영역(ROI)의 윤곽(outline)을 식별하는 단계; 제2 이미징 데이터에서 ROI의 윤곽을 식별하는 단계; 및 제3 이미징 데이터에서 ROI의 윤곽을 식별하는 단계; 제1 윤곽과 제2 윤곽 사이의 제1 영역을 결정하는 단계; 제1 윤곽과 제3 윤곽 사이의 제2 영역을 결정하는 단계; 제2 윤곽과 제3 윤곽 사이의 제3 영역을 결정하는 단계; 제1 영역 및 제2 영역을 집계하여 제1 이미징 데이터에 대한 제1 집계 모션 스코어를 생성하는 단계; 제1 영역 및 제3 영역을 집계하여 제2 이미징 데이터에 대한 제2 집계 모션 스코어를 생성하는 단계; 제2 영역 및 제3 영역을 집계하여 제3 이미징 데이터에 대한 제3 집계 모션 스코어를 생성하는 단계; 제1 집계 모션 스코어, 제2 집계 모션 스코어, 및 제3 집계 모션 스코어에 기초하여, 제1 이미징 데이터, 제2 이미징 데이터, 또는 제3 이미징 데이터 중 하나를 모션 보정을 위한 기준 이미징 데이터로서 선택하는 단계; 선택된 기준 이미징 데이터에 기초하여 이미징 데이터의 세트의 모션 보정을 수행하는 단계; 및 모션 보정된 이미징 데이터의 세트의 적어도 일부를 디스플레이하는 단계를 포함하는, 방법에 관한 것이다.

예에서, 제1 영역은 제1 윤곽과 제2 윤곽 사이의 비중첩 영역이고; 제2 영역은 제1 윤곽과 제3 윤곽 사이의 비중첩 영역이고; 제3 영역은 제2 윤곽과 제3 윤곽 사이의 비중첩 영역이다. 다른 예에서, 제1 이미징 데이터, 제2 이미징 데이터 또는 제3 이미징 데이터 중 하나를 모션 보정을 위한 기준 이미징 데이터로서 선택하는 단계는 최저 집계 모션 스코어를 갖는 이미징 데이터를 선택하는 단계를 포함한다. 또 다른 예에서, 제1 영역은 제1 윤곽과 제2 윤곽 사이의 중첩 영역이고; 제2 영역은 제1 윤곽과 제3 윤곽 사이의 중첩 영역이고; 제3 영역은 제2 윤곽과 제3 윤곽 사이의 중첩 영역이다. 또 다른 예에서, 제1 이미징 데이터, 제2 이미징 데이터 또는 제3 이미징 데이터 중 하나를 모션 보정을 위한 기준 이미징 데이터로서 선택하는 단계는 최고 집계 모션 스코어를 갖는 이미징 데이터를 선택하는 단계를 포함한다. 또 다른 예에서, ROI는 유방의 피부 라인이다.

다른 예에서, 본 기술은, 방법으로서, MRI 이미징 데이터의 세트에 액세스하는 단계 ―MRI 이미징 데이터의 세트는 적어도 제1 시간에 획득된 제1 볼륨 및 제2 시간에 획득된 제2 볼륨을 포함함―; 제1 볼륨에서의 적어도 하나의 로컬 콘트라스트 향상 영역을 식별하는 단계; 제2 볼륨에서의 적어도 하나의 로컬 콘트라스트 향상 영역을 식별하는 단계; 제1 볼륨에서의 로컬 콘트라스트 향상 영역에 대한 콘트라스트 역학(contrast dynamics)을 평가하는 단계; 제2 볼륨에서의 로컬 콘트라스트 향상 영역에 대한 콘트라스트 역학을 평가하는 단계; 제1 볼륨 및 제2 볼륨에서의 로컬 콘트라스트 향상 영역에 대한 평가된 콘트라스트 역학에 기초하여, 제1 볼륨 또는 제2 볼륨을 피크 향상 볼륨으로서 선택하는 단계; 및 피크 향상 볼륨에 기초하여 MRI 이미징 데이터의 세트에 대한 채색(colorization)을 수행하는 단계를 포함하는, 방법에 관한 것이다.

본 개요는 이하의 상세한 설명에서 더 설명되는 개념들 중에서 선택된 것을 간략화된 형태로 소개하기 위해 제공된다. 본 개요는 청구 대상의 주요 특징들 또는 본질적인 특징들을 식별하도록 의도된 것은 아니며, 청구 대상의 범위를 제한하기 위해 이용되도록 의도된 것도 아니다. 예들의 추가적인 양태들, 특징들, 및/또는 이점들이 이하의 설명에서 부분적으로 개시될 것이고, 부분적으로, 설명으로부터 명백할 것이고, 또는 본 개시내용의 실시에 의해서 학습될 수 있을 것이다.

비제한적이고 비배타적인 예들이 이하의 도면들을 참조하여 설명된다.
도 1은 동적 이미징 절차 동안 획득된 예시적인 이미지들의 세트를 도시한다.
도 2a는 동적 이미징 절차 동안 획득된 다른 예시적인 이미지들의 세트를 도시한다.
도 2b는 2개의 이미지들에서의 관심 영역(ROI)들의 차이를 도시한다.
도 2c는 유방의 피부 라인의 2개의 윤곽들 사이의 비중첩 영역의 예를 도시한다.
도 3은 의료 이미지들의 모션 보정을 수행하기 위한 예시적인 방법을 도시한다.
도 4는 의료 이미지들의 모션 보정을 수행하기 위한 예시적인 방법을 도시한다.
도 5a 및 도 5b는 의료 이미지들의 모션 보정을 수행하기 위한 예시적인 방법을 도시한다.
도 6은 MRI 이미지들의 채색을 수행하기 위한 예시적인 방법을 도시한다.
도 7은 본 명세서에서 논의된 의료 이미징 기술들을 위한 시스템의 예를 도시한다.

동적 이미징은 다수의 시점들에서 의료 이미지들을 획득하는 유용한 도구이다. 이들 의료 이미지들은 환자의 단일 스캔 또는 이미징 절차 동안에 획득될 수 있다. 예를 들어, MRI 이미지들은 혈액의 이동과 같은 동적 프로세스들의 시간 진행을 연구하기 위해 연속하여 획득될 수 있다. 동적 콘트라스트 향상(DCE) MRI는 동적 MRI 이미징의 하나의 그러한 예이다. DCE MRI에서, 조영제(contrast agent)의 정맥내 주사(intravenous injection) 후에 다수의 MRI 볼륨들이 획득된다. 각각의 획득된 볼륨은 볼륨이 획득된 개개의 시점에서 조영제가 환자를 통해 어떻게 진행했는지를 보여준다. 단층영상합성은 상이한 시점들에서 다수의 각도들에서 환자의 유방과 같은 환자의 일부의 이미지들을 획득하는 것을 수반한다. 그러한 동적 이미징 절차들 동안, 환자는 이미징 절차를 완료하는데 필요한 시간 동안 움직일 수 있다. 환자 움직임은 또한 스캔의 지속기간이 더 긴 경우에 더 가능성이 있고, 더 긴 스캔은 또한 더 짧은 스캔보다 더 많은 이미지를 획득할 수 있다. 각각의 개별 환자는 또한 자신의 개별 스캔 동안 상이한 방식으로 움직일 수 있다. 그러나, 임의의 동적 이미징 절차 동안의 환자 움직임은 종종 이미징 절차로부터 생성된 이미지들의 궁극적인 이미지 품질을 저하시킨다. 예를 들어, DCE MRI에서, 환자의 움직임으로 인해 다수의 이미지들이 오정렬되어 있기 때문에, 보이도록 의도되어 있는 동적 프로세스들을 보는 것이 더 어려울 수 있다.

따라서, 동적 이미징 절차들 동안 획득된 이미지들이 모션에 대해 보정되는 것을 허용하는 프로세스들을 갖는 것이 바람직하다. 일부 모션 보정 알고리즘들에서, 모션은 제1 이미지와 매칭하도록 후속 이미지들을 시프트함으로써 보정된다. 예를 들어, 예시적인 MRI 절차에서, 4개의 이미지들이 상이한 시점들에서 획득될 수 있다. 절차 동안 모션을 보정하기 위해, 마지막 3개의 이미지들은 제1 이미지와 정렬하도록 시프트될 수 있다. 그러나, 그러한 디폴트 프로세스는 환자의 움직임의 광범위한 보정을 초래할 수 있고, 환자의 상이한 타입의 움직임을 고려하지 못할 수 있다. 임의의 이미지에 대한 광범위한 모션 보정은, 특히 작은 병변들을 진단할 때, 결과적인 이미지 품질을 감소시키고, 이미지로부터 이용가능한 잠재적인 임상적 정확도에 영향을 미칠 수 있다.

본 기술은 이미징된 환자의 특정 모션을 고려하고, 의료 이미지들의 세트에 대해 수행될 필요가 있는 모션 보정의 총량을 감소시킴으로써, 그러한 모션 보정 프로세스들을 개선한다. 예를 들어, 본 기술은 동적 이미징 절차 동안 획득된 이미지들 각각에서 식별된 마커들 또는 관심 영역(ROI)들의 위치들을 분석한다. 예로서, 제1 이미지에서의 ROI의 위치는 다른 획득된 이미지들 각각에서의 ROI의 위치와 비교될 수 있다. 유사하게, 제2 이미지에서의 ROI의 위치는 다른 획득된 이미지들 각각에서의 ROI의 위치와 비교될 수 있다. ROI 위치들의 비교는 각각의 개개의 이미지에서 상대적 ROI 위치들 사이의 거리를 결정하는 것을 수반할 수 있다. ROI 위치들의 비교들에 기초하여, 이어서 이미지들 중 하나가 모션 보정을 수행하기 위한 기준 또는 베이스 이미지로서 선택된다. 예를 들어, 전체 이미지들의 세트에 대한 이미지 보정의 총량을 감소시키는 이미지가 모션 보정을 위한 기준 이미지로서 선택될 수 있다. 이어서, 선택된 이미지를 기준 이미지로서 이용하여 모션 보정 절차가 수행되며, 이는 동적 이미징 처리들에 필요한 전체 이미지 보정을 줄인다.

본 기술은 또한 유방과 같은, 이미징되는 환자의 부분의 채색을 위한 피크 향상 볼륨으로서 이용할 가장 적합한 볼륨을 식별하기 위해 다수의 이미지들 또는 MRI 볼륨들을 분석할 수 있다. 일반적으로, 유방 MRI 병변의 채색은 콘트라스트의 피크 농도가 달성되기 전에 이미징된 유방 조직에서의 콘트라스트 역학을 결정하는 것에 기초한다. 많은 현재의 MRI 채색 시스템들에서, 고정된 타임아웃 기간, 예를 들어, 120초가 MRI 볼륨을 선택하기 위해 이용된다. 따라서, 동일한 볼륨이 피크 향상 볼륨으로서 항상 이용되었다. 예를 들어, 고정된 타임아웃 기간에 가장 가깝게 획득된 볼륨은 볼륨들 자체의 어떠한 분석도 없이 피크 향상 볼륨으로서 디폴트로 선택되었다. 그러나, 타임아웃 기간은 상이한 타입의 MRI 이미징 장치들 사이에서 상이하고, 상이한 타입의 MRI 이미징 장치들은 타임아웃 기간에 대해 상이한 설정들을 요구하였다. 이미징 장치들 사이의 그 변동성은 또한, 특히 조직 역학의 변동성을 고려할 때, 볼륨을 피크 향상 볼륨으로서 잘못 라벨링할 가능성을 증가시켰다.

본 기술은 DCE MRI 절차 동안 획득된 다수의 MRI 볼륨들을 실제로 분석함으로써 피크 볼륨 선택 프로세스를 개선한다. 예를 들어, 본 기술은 각각의 획득된 볼륨의 콘트라스트 역학을 평가하여 피크 향상 특성들을 나타내는 볼륨들을 더 정확하게 선택할 수 있다. 이와 같이, MRI 볼륨들의 세트에 대한 채색 및 농도 곡선들은 디폴트 시점보다는 피크 향상 볼륨의 더 정확한 선택에 기초할 수 있다.

도 1은 동적 이미징 절차 동안 획득된 예시적인 이미지들의 세트(100)를 도시한다. 이미지들의 세트(100)는 제1 시점에 획득된 제1 이미지(102), 제2 시점에 획득된 제2 이미지(104), 제3 시점에 획득된 제3 이미지(106), 및 제4 시점에 획득된 제4 이미지(108)를 포함한다. 세트에서의 각각의 이미지는 유방(110)의 묘사를 포함한다. 관심 영역(ROI)(112)이 또한 이미지들 각각에서 식별되었다. 도시된 예에서, ROI는 유방(110)의 중심이다. 그러나, ROI는 다른 예들에서 상이할 수도 있고, 이미징되고 있는 환자의 유방 또는 부분의 임의의 식별가능한 특징일 수 있다. 유방이 이미징되는 예에서, ROI는 피부 라인, 유두(nipple), 흉벽(chest wall) 또는 다른 기준 마커들(fiduciary markers)일 수 있다. 이미지들의 세트(100)로부터 알 수 있는 바와 같이, 이미지들 각각에서 유방(110) 및 관심 영역이 움직였다. 따라서, 환자는 제1 이미지(102)가 획득된 시간과 제4 이미지(108)가 획득된 시간 사이에 움직였고, 소정 형태의 모션 보정이 요구된다.

본 기술은 모션 보정 프로세스들을 위한 기준 이미지로서 이용될 이미지들의 세트(100)의 가장 적절한 이미지를 식별한다. 예를 들어, 기준 이미지는 나머지 기준들이 매칭하도록 변경되거나, 적어도 기준 이미지에서의 유방(110)의 위치에 더 가깝게 이동하도록 변경되는 이미지이다. 기준 이미지를 선택하기 위해, 이미지들에 걸친 ROI(112)의 위치들의 분석이 수행된다.

도시된 예에서, 제1 이미지에서의 ROI(112)는 0의 x 좌표 및 0의 y 좌표에 위치한다. (x,y)의 전형적인 좌표 표기법이 여기서 이용될 수 있다. 이와 같이, 제1 이미지(102)에서의 ROI(112)의 위치는 (x1,y1)로 지칭될 수 있고, (0,0)의 값을 갖는다. 제2 이미지(104)에서의 RO1(112)의 위치는 (x2,y2)로서 표현되고 (3,0)의 값을 갖는다. 제3 이미지(106)에서의 ROI(112)의 위치는 (x3,y3)으로 표현되고 (2,0)의 값을 가지며, 제4 이미지(108)에서의 ROI(112)의 위치는 (x4,y4)이고 (4,0)의 값을 갖는다. 따라서, 도시된 예에서, 유방(112)은 x-방향으로만 시프트되었다.

이미지들의 세트(100) 중 어느 이미지가 기준 이미지로서 선택되기에 가장 적합한지를 결정하기 위해, 각각의 이미지에서의 ROI(112)의 위치의 비교가 나머지 이미지에서의 ROI(112)의 위치와 비교된다. 비교들은 이미지들 각각에 대한 집계 모션 스코어를 결정하기 위해 이용되거나 집계될 수 있다. 최저 집계 모션 스코어를 갖는 이미지들의 세트(100)의 이미지가 기준 이미지로서 선택될 수 있다.

제1 이미지(102)에 대한 집계 모션 스코어를 결정하기 위해, 제1 이미지(102)에서의 ROI(112)의 위치와 나머지 이미지들에서의 ROI(112)의 위치들 사이의 차이가 결정된다. 예를 들어, 제1 이미지(102)에 대한 차이들 및 집계 모션 스코어는 다음과 같다:

표 1: 제1 이미지 분석

상기의 표로부터 알 수 있는 바와 같이, 제1 이미지에 대한 집계 모션 스코어는 제1 이미지(102)와 나머지 이미지들 사이의 ROI(112)의 위치에서의 차이들의 합 또는 집계이다. 주목할 점은, 도시된 예에서, 유방(110)의 y-방향에서의 움직임이 없기 때문에, y-좌표에 관한 계산들은 생략되어 있는데, 그 이유는 차이들 각각이 0이기 때문이다. 또한, 본 예에서의 차이들은 일반적으로 음의 값들이 회피될 수 있도록 차이들의 절대값으로서 취해진다.

제2 이미지(104)에 대한 차이들 및 집계 모션 스코어는 다음과 같다:

표 2: 제2 이미지 분석

제3 이미지(106)에 대한 차이들 및 집계 모션 스코어는 다음과 같다:

표 3: 제3 이미지 분석

제4 이미지(108)에 대한 차이들 및 집계 모션 스코어는 다음과 같다:

표 4: 제4 이미지 분석

다음의 표는 집계 모션 스코어들 각각의 요약을 제공한다:

표 5: 표 1 - 표 4의 집계 모션 스코어 요약

따라서, 제2 이미지(104) 및 제3 이미지(106)는 최저 집계 모션 스코어들(5)을 갖고, 7의 집계 모션 스코어를 갖는 제4 이미지(108) 및 9의 집계 모션 스코어를 갖는 제1 이미지(102)가 뒤따른다. 따라서, 이 예에서, 제2 이미지(104) 또는 제3 이미지(108) 중 하나가 모션 보정을 위한 대표 이미지로서 선택된다. 본 예와 같은 일부 예들에서, 최저 집계 모션 스코어들에 대해 2개의 이미지들 사이에 동점이 있다. 동점을 깨기 위해, 임의의 쌍 사이의 최대 차이가 이용될 수 있다. 예를 들어, 본 예에서, 제2 이미지(104)에 대한 계산된 차이들은 3, 1 및 1이다. 제3 이미지(106)에 대한 계산된 차이들은 2, 1 및 2이다. 따라서, 제2 이미지에 대한 최대 차이는 3이고, 제3 이미지에 대한 최대 차이는 2이다. 최저 최대 차이를 갖는 이미지가 모션 보정을 위한 기준 이미지로서 선택된다. 결과적으로, 본 예에서, 제3 이미지(106)가 기준으로서 선택된다. 집계 모션 스코어들에 기초하여, 제1 이미지(102)는 기준 이미지로서 이용하기 위한 최악의 선택이었을 것인데, 그 이유는 제1 이미지를 이용하는 것이 이미지들의 세트(100)에 걸쳐 가장 많은 양의 모션 보정을 필요로 하였을 것이기 때문이다. 이와 같이, 이미지들의 세트(100) 내의 이미지들의 다수의 쌍들의 분석은, 기준 이미지의 식별이 임의의 기준 이미지가 선택된 경우보다 더 적은 모션 보정을 요구하게 하며, 이는 모션 보정 후에 이미지들의 세트(100)의 개선된 이미지 품질을 초래한다. 분석 또는 이미지들의 더 많은 쌍들은 또한 기준 이미지로서 이용하기 위한 가장 적절한 이미지의 선택에서 개선된 정확도를 초래할 수 있다.

도 2는 동적 이미징 절차 동안 획득된 예시적인 이미지들의 세트(200)를 도시한다. 이미지들의 세트(200)는 제1 시점에서 획득된 제1 이미지(202), 제2 시점에서 획득된 제2 이미지(204), 제3 시점에서 획득된 제3 이미지(206), 및 제4 시점에서 획득된 제4 이미지(208)를 포함한다. 세트에서의 각각의 이미지는 유방(210)의 묘사를 포함한다. ROI(212)는 또한 이미지들 각각에서 식별되었다. 도시된 예에서, ROI는 유방(210)의 중심이다. 이미지들의 세트(200)로부터 볼 수 있는 바와 같이, 유방(210) 및 관심 영역이 이미지들 각각에서 움직였다. 도 2에 도시된 예는 도 2의 유방(210) 이동이 2차원이라는 점에서 도 2에 도시된 예와 상이하다.

도 2에 도시된 예에서, 제1 이미지에서의 ROI(212)는 (0,0)에 위치한다. 제2 이미지(204)에서의 ROI(212)의 위치는 (3,1)이고, 제3 이미지(206)에서의 ROI(212)의 위치는 (2,-2)이고, 제4 이미지(208)에서의 ROI(212)의 위치는 (-2, 1)이다. 이미지들의 세트(200)에서의 이미지들의 쌍들 각각 사이의 차이를 결정하는 것은 이미지들 각각에서의 ROI(212) 위치들로부터의 거리를 계산함으로써 수행될 수 있다. 2개의 ROI(212) 위치들 사이의 거리를 계산하기 위한 하나의 예시적인 방정식은 다음과 같다:

상기의 방정식에서, D는 거리이고, x₁은 제1 ROI(212) 위치의 x 좌표이고, y₁은 제1 ROI(212) 위치의 y 좌표이고, x₂는 제2 ROI(212) 위치의 x 좌표이고, y₂는 제2 ROI(212) 위치의 y 좌표이다. 주목할 점은, 상기의 거리 방정식이 도 1의 예에서 거리를 계산하는데 이용되었을 수 있고, 동일한 결과가 달성될 것이라는 점이다.

따라서, 제1 이미지(202)에 대한 차이들 및 집계 모션 스코어는 다음과 같다:

표 6: 제1 이미지 분석

제2 이미지(204)에 대한 차이들 및 집계 모션 스코어는 다음과 같다:

표 7: 제2 이미지 분석

제3 이미지(206)에 대한 차이들 및 집계 모션 스코어는 다음과 같다:

표 8: 제3 이미지 분석

제4 이미지(208)에 대한 차이들 및 집계 모션 스코어는 다음과 같다:

표 9: 제4 이미지 분석

다음의 표는 집계 모션 스코어들 각각의 요약을 제공한다:

표 10: 표 6 - 표 9의 집계 모션 스코어 요약

상기의 표로부터 알 수 있는 바와 같이, 제1 이미지(102)는 최저 집계 모션 스코어를 갖는다. 따라서, 제1 이미지(102)는 모션 보정을 위한 기준 이미지로서 선택된다.

도 2b는 2개의 이미지들에서의 ROI들의 차이를 도시한다. 특히, 이미지(202)로부터의 유방(210)의 피부 라인(216A)의 윤곽은 도 2a에 도시된 이미지(204)로부터의 유방(210)의 피부 라인(216B)의 윤곽의 상부에 오버레이되어 도시되어 있다. 일부 예들에서, 본 기술은 이미지들 각각에서의 ROI의 위치들 사이의 차이들을 결정하기 위해, 유방의 피부 라인, 흉벽, 또는 윤곽들을 갖는 다른 식별가능한 마커들과 같은 ROI의 윤곽을 이용할 수 있다. 2개의 윤곽들 사이의 차이를 결정하는 것은 윤곽들 둘다에 공통이 아닌 영역을 결정하는 것을 포함할 수 있다. 도 2c는 유방의 피부 라인의 2개의 윤곽들 사이의 영역의 예를 도시한다. 공통이 아니거나 중첩하지 않는 영역은 해시 라인으로 표시된다. 그러한 비중첩 영역은 이미지들의 세트에서의 이미지들의 각각의 쌍에 대해 결정될 수 있다. 비중첩 영역의 결정은 2개의 윤곽들을 중첩시키고, 중첩하지 않는 윤곽들에서의 영역들을 계산함으로써 이루어질 수 있다. 그러한 결정은 이미지 분석 프로세스를 통해 이루어질 수 있다. 영역은 또한 각각의 윤곽을 곡선 또는 함수로서 표현한 다음, 2개의 곡선 또는 함수들에서의 차이 사이의 적분을 취함으로써 결정될 수 있다. 예를 들어, 도 2b 및 도 2c에 나타낸 한 쌍의 윤곽들(216A, 216B)에 대해, 제1 윤곽(216A)은 제1 함수 f(x)로서 표현될 수 있고, 제2 윤곽(216B)은 제2 함수 g(x)로서 표현될 수 있다. 2개의 함수들 사이의 영역은

와 같은 2개의 함수들의 차이의 적분을 취함으로써 결정될 수 있다. 구현에 따라, 전체 영역을 결정하기 위해 2개의 함수들의 각각의 교차점 사이에서 적분이 계산될 필요가 있을 수 있다.

각각의 이미지에 대해, 이미지들의 각각의 쌍에 대한 영역들에서의 차이들의 집계에 기초하는 집계 모션 스코어가 또한 계산될 수 있다. 그러한 결정은 2개의 포인트들 사이의 거리를 결정하는 것과 관련된 위에서 논의된 집계 모션 스코어들과 유사하다. ROI의 윤곽이 이용되는 예들에서, 집계 모션 스코어는 2개의 윤곽들 사이의 영역들에 기초할 수 있다. 최저 집계 모션 스코어를 갖는 이미지가 그 후 모션 보정을 수행하기 위한 기준 이미지로서 선택된다.

알 수 있는 바와 같이, 상기의 예시적인 이미지들의 세트는 4개의 이미지만을 포함하지만, 모션 보정을 위한 가장 적절한 기준 이미지를 선택하는 프로세스는 더 많거나 더 적은 수의 기준을 갖는 이미지들의 세트에 적용될 수 있다. 예로서, (이미지들의 수에 관계없이) 이미지들의 세트에서의 각각의 이미지에 대해, 세트에서의 이미지들의 각각의 가능한 쌍에 대한 ROI의 위치들 사이의 차이가 결정될 수 있다. 그 다음, 차이들은 이미지들의 세트에서의 각각의 이미지에 대한 집계 모션 스코어를 결정하기 위해 집계될 수 있다. 최저 집계 모션 스코어를 갖는 이미지가 그 후 모션 보정을 위한 기준 이미지로서 선택된다.

또한, 도 1 및 도 2a 내지 도 2c의 상기의 예들에서, 이미지들의 세트들은 2차원 이미지들이다. 예를 들어, 이미지들은 MRI 볼륨으로부터의 슬라이스들을 나타낼 수 있다. 제1 이미지는 제1 시점에서 취해진 제1 MRI 볼륨으로부터의 슬라이스일 수 있고, 제2 이미지는 제2 시점에서 취해진 제2 MRI 볼륨으로부터의 슬라이스일 수 있으며, 제3 이미지는 제3 시점에서 취해진 제3 MRI 볼륨으로부터의 슬라이스일 수 있고, 제4 이미지는 제4 시점에서 취해진 제4 MRI 볼륨으로부터의 슬라이스일 수 있다. 특정 이미지가 기준 이미지로서 선택될 때, 전체 대응하는 볼륨은 모션 보정을 수행하기 위한 기준 볼륨으로서 선택될 수 있다. 예를 들어, 제3 이미지가 기준 이미지로서 선택되는 경우, 제3 시점에서 획득된 MRI 볼륨이 모션 보정을 수행하기 위한 기준 볼륨으로서 선택될 수 있다.

다른 예들에서, ROI 위치들의 분석 및 비교는 3차원 이미지들 또는 이미지 데이터에 걸쳐 행해질 수 있다. 예를 들어, ROI의 3차원 위치는 제1 볼륨에서 식별될 수 있고, ROI의 위치들은 다른 볼륨들에서 식별될 수 있다. ROI의 위치는 3차원 데카르트 좌표들 (x, y, z)로 표현될 수 있다. 제1 볼륨에서의 ROI의 위치는 (x1, y1, z1)로서 표현될 수 있고, 제2 볼륨에서의 ROI의 위치는 (x2, y2, z2)로서 표현될 수 있다. ROI의 2개의 위치들 사이의 거리는 다음의 방정식으로 결정될 수 있다:

상기의 예들에서와 같이, ROI의 위치들 사이의 차이는 볼륨들의 세트에서의 모든 가능한 볼륨들의 쌍들에 대해 결정될 수 있다. 각각의 볼륨에 대한 차이들은 볼륨들 각각에 대한 집계 모션 스코어를 결정하기 위해 집계될 수 있고, 최저 집계 모션 스코어를 갖는 볼륨이 모션 보정을 위한 기준 볼륨으로서 선택된다.

또한, 상기의 예들에서는 단일 ROI만이 식별되었지만, 다른 예들에서는 각각의 이미지에서의 다수의 ROI들이 식별될 수 있다. 예를 들어, 각각의 이미지에서 제1 ROI가 식별될 수 있고 제2 ROI가 식별될 수 있다. 제1 ROI의 위치들 사이의 차이를 결정하기 위한 프로세스 및 위치들의 차이들의 계산은 전술한 바와 같이 결정될 수 있다. 그 다음, 동일한 프로세스가 제2 ROI에 대해 수행될 수 있다. 각각의 이미지에 대한 집계 모션 스코어는 그 후 제1 ROI 및 제2 ROI에 대한 결정된 차이들의 조합일 수 있다.

도 3은 의료 이미지들의 모션 보정을 수행하기 위한 예시적인 방법(300)을 도시한다. 동작 302에서, 이미징 데이터의 세트가 액세스된다. 이미징 데이터의 세트에 액세스하는 것은 의료 이미징 장치로부터 이미지들을 획득하는 것 및/또는 다른 저장 소스로부터 의료 이미지들을 수신하는 것을 포함할 수 있다. 이미징 데이터의 세트는 제1 시점에 대한 제1 이미징 데이터, 제2 시점에 대한 제2 이미징 데이터, 및 제3 시점에 대한 제3 이미징 데이터를 포함할 수 있다. 추가적인 이미징 데이터가 또한 이미징 데이터의 세트에 포함될 수 있다. 이미징 데이터의 세트는, 예를 들어, MRI 볼륨들 및/또는 MRI 볼륨들의 슬라이스들과 같은 MRI 이미징 데이터를 포함할 수 있다. 동작 304에서, 제1 이미징 데이터에서의 ROI의 제1 위치가 식별된다. 이미징 데이터에서의 ROI의 식별은, 이미징 데이터를 분석하여 이미징 데이터에서의 특정한 ROI를 식별하고, 그 위치 및 좌표들을 결정하는 컴퓨터-보조 검출을 통해 수행될 수 있다. 동작 306에서, 제2 이미징 데이터에서의 ROI에 대한 제2 위치가 식별되고, 동작 308에서, ROI의 제3 위치가 제3 이미징 데이터에서 식별된다. ROI의 제2 위치는 제2 이미징 데이터에서의 ROI의 위치이다. 유사하게, ROI의 제3 위치는 제3 이미징 데이터에서의 ROI의 위치이다. 일부 예들에서, 이미징 데이터의 세트는 2차원 의료 이미지들을 포함하고, ROI의 위치들은 제1 차원(예를 들어, x 차원)에 대응하는 제1 좌표 및 제2 차원(예를 들어, y 차원)에 대응하는 제2 좌표를 포함한다. 예를 들어, ROI의 위치들은 (x, y)와 같은 좌표들로서 표현될 수 있다. 다른 예들에서, 이미징 데이터의 세트는 3차원 의료 이미지들을 포함할 수 있으며, ROI의 위치들은 제1 차원(예를 들어, x 차원)에 대응하는 제1 좌표, 제2 차원(예를 들어, y 차원)에 대응하는 제2 좌표 및 제3 차원(예를 들어, z 차원)에 대응하는 제2 좌표를 포함한다. 예를 들어, ROI의 위치들은 (x, y, z)와 같은 좌표들로서 표현될 수 있다. 결정된 차이들은 하나의 위치로부터 다른 위치까지의 거리들일 수 있고, 이러한 거리들은 상기의 거리 방정식들을 이용하여 계산되거나 결정될 수 있다.

동작 310에서, ROI의 식별된 위치들 사이의 복수의 차이들이 결정된다. 예를 들어, (1) 제1 위치와 제2 위치, (2) 제1 위치와 제3 위치, 및 (3) 제2 위치와 제3 위치 사이의 차이가 모두 결정될 수 있다. 예로서, 이미징 데이터의 세트가 2차원 이미지들을 포함하는 경우, 제1 위치와 제2 위치 사이의 차이를 결정하는 것은 제1 위치의 제1 좌표와 제2 위치의 제1 좌표 사이의 차이를 결정하는 것, 및 제1 위치의 제2 좌표와 제2 위치의 제2 좌표 사이의 차이를 결정하는 것을 포함할 수 있다. 이미징 데이터의 세트가 3차원 이미지들을 포함하는 예에서, 제1 위치와 제2 위치 사이의 차이를 결정하는 것은 제1 위치의 제1 좌표와 제2 위치의 제1 좌표 사이의 차이를 결정하는 것, 제1 위치의 제2 좌표와 제2 위치의 제2 좌표 사이의 차이를 결정하는 것, 및 제1 위치의 제3 좌표와 제2 위치의 제3 좌표 사이의 차이를 결정하는 것을 포함할 수 있다.

동작 310에서 결정된 복수의 차이들에 기초하여, 기준 이미징 데이터가 동작 312에서 선택된다. 예를 들어, 제1 이미징 데이터, 제2 이미징 데이터, 또는 제3 이미징 데이터는 모션 보정을 위한 기준 이미징 데이터가 되도록 선택된다. 결정은 이미징 데이터 각각에 대한 집계 모션 스코어에 기초할 수 있고, 그 집계 모션 스코어는 결정된 복수의 차이들에 기초한다. 동작 314에서, 동작 312에서 기준 이미징 데이터로서 선택된 이미징 데이터에 기초하여 모션 보정이 수행된다. 예를 들어, 선택된 이미징 데이터 이외의 이미징 데이터는 선택된 이미징 데이터와 더 근접하게 매칭하도록 변경될 수 있다. 모션 보정을 수행하는 것은 모션 보정된 이미징 데이터의 세트를 초래할 수 있다. 동작 316에서, 모션 보정된 이미징 데이터의 세트의 적어도 일부가 디스플레이될 수 있다. 모션 보정된 이미징 데이터의 세트는 또한 로컬로 또는 원격으로 저장될 수 있다. 모션 보정된 이미징 데이터의 세트는 또한 이미징 절차가 수행된 임상 작업 또는 검토를 완료하거나 수행하는데 이용될 수 있다. 모션 보정된 이미징 데이터의 세트는 또한 MRI 또는 단층영상합성 절차들에서와 같이 최종 이미지들을 계산 또는 생성하기 위해 이용될 수 있다. 예를 들어, 단층영상합성 볼륨의 재구성이 모션 보정된 이미징 데이터의 세트로부터 생성될 수 있고/있거나 단층영상합성 슬라이스들이 모션 보정된 이미징 데이터의 세트로부터 생성될 수 있다.

도 4는 모션 보정을 수행하기 위한 다른 방법(400)을 도시한다. 동작 402에서, 의료 이미지들의 세트가 액세스된다. 의료 이미지들의 세트는 복수의 상이한 시점들에서 획득된 의료 이미지들을 포함한다. 동작 404에서, 의료 이미지들의 세트에서의 의료 이미지들 각각에서 ROI가 식별된다. 일부 예들에서, ROI는 의료 이미지들의 세트에서의 의료 이미지들의 적어도 대부분 또는 약 절반에서 식별될 수 있다. 동작 406에서, 의료 이미지들 각각에서 ROI의 위치가 식별된다. 일부 예들에서, ROI의 위치는 동작 404에서 ROI가 식별된 각각의 이미지에 대해 식별된다. ROI의 식별 및 ROI의 위치의 식별은 컴퓨터-보조 검출을 이용하여 수행될 수 있다.

동작 408에서, 동작 406에서 식별된 ROI의 위치들이 비교된다. 예로서, 적어도 한 쌍의 의료 이미지들에서의 ROI의 위치가 비교된다. 다른 예들에서, ROI의 위치는 의료 이미지들의 세트에서의 의료 이미지들의 복수의 쌍들에 대해 비교될 수 있다. 예를 들어, 복수의 쌍들은 의료 이미지들의 세트에서의 모든 가능한 의료 이미지들의 쌍들을 포함할 수 있다. 동작 410에서, 동작 408에서의 ROI의 위치의 비교들에 기초하여 모션 보정을 위한 기준 이미지가 선택된다. 동작 412에서, 의료 이미지들의 세트에 기초하여 의료 이미지들의 세트에 대해 모션 보정이 수행된다. 모션 보정을 수행하는 것은 모션 보정된 의료 이미지들의 세트를 초래할 수 있다. 동작 414에서, 모션 보정된 의료 이미지들의 세트의 적어도 일부가 디스플레이될 수 있다. 모션 보정된 의료 이미지들의 세트는 또한 로컬로 또는 원격으로 저장될 수 있다. 모션 보정된 이미징 데이터의 세트는 또한 이미징 절차가 수행된 임상 작업 또는 검토를 완료하거나 수행하는데 이용될 수 있다. 모션 보정된 이미징 데이터의 세트는 또한 MRI 또는 단층영상합성 절차들에서와 같이 최종 이미지들을 계산 또는 생성하기 위해 이용될 수 있다. 예를 들어, 단층영상합성 볼륨의 재구성이 모션 보정된 이미징 데이터의 세트로부터 생성될 수 있고/있거나 단층영상합성 슬라이스들이 모션 보정된 이미징 데이터의 세트로부터 생성될 수 있다.

도 5a는 모션 보정을 수행하기 위한 다른 방법(500)을 도시한다. 동작 502에서, 이미징 데이터의 세트가 액세스된다. 이미징 데이터는 적어도 제1 시점에 대한 제1 이미징 데이터, 제2 시점에 대한 제2 이미징 데이터, 및 제3 시점에 대한 제3 이미징 데이터를 포함한다. 동작 504에서, ROI의 제1 위치가 제1 이미징 데이터에서 식별된다. 동작 506에서, ROI의 제2 위치가 제2 이미징 데이터에서 식별된다. 동작 508에서, ROI의 제3 위치가 제3 이미징 데이터에서 식별된다.

동작 510에서, 제1 위치와 제2 위치 사이의 제1 차이가 결정된다. 동작 512에서, 제1 위치와 제3 위치 사이의 제2 차이가 결정된다. 동작 514에서, 제2 위치와 제3 위치 사이의 제3 차이가 결정된다. 동작 516에서, 제1 차이 및 제2 차이가 집계되어 제1 이미징 데이터에 대한 제1 집계 모션 스코어를 생성한다. 동작 518에서, 제1 차이 및 제3 차이가 집계되어 제2 이미징 데이터에 대한 제2 집계 모션 스코어를 생성한다. 동작 520에서, 제2 차이 및 제3 차이가 집계되어 제3 이미징 데이터에 대한 제3 집계 모션 스코어를 생성한다.

동작 522에서, 기준 이미징 데이터가 제1 합성 모션 스코어, 제2 합성 모션 스코어 및 제3 합성 모션 스코어에 기초하여 선택된다. 예를 들어, 최저 집계 모션 스코어를 갖는 이미징 데이터가 모션 보정을 위한 기준 이미징 데이터로서 선택될 수 있다. 따라서, 제1 이미징 데이터, 제2 이미징 데이터 또는 제3 이미징 데이터 중 하나는 동작 522에서 모션 보정을 위한 기준 이미징 데이터이다. 동작 524에서, 선택된 기준 이미징 데이터에 기초하여 이미징 데이터의 세트에 대해 모션 보정이 수행된다. 이어서, 모션 보정된 이미징 데이터가 또한 디스플레이될 수 있다.

도 5b는 모션 보정을 수행하기 위한 다른 방법(550)을 도시한다. 동작 552에서, 이미징 데이터의 세트가 액세스된다. 이미징 데이터는 적어도 제1 시점에 대한 제1 이미징 데이터, 제2 시점에 대한 제2 이미징 데이터, 및 제3 시점에 대한 제3 이미징 데이터를 포함한다. 동작 554에서, ROI의 제1 윤곽이 제1 이미징 데이터에서 식별된다. 동작 556에서, ROI의 제2 윤곽이 제2 이미징 데이터에서 식별된다. 동작 558에서, ROI의 제3 윤곽이 제3 이미징 데이터에서 식별된다.

동작 560에서, 제1 윤곽과 제2 윤곽 사이에서 제1 영역이 결정된다. 결정된 영역은 제1 이미징 데이터와 제2 이미징 데이터가 중첩될 때 제1 윤곽과 제2 윤곽 사이의 비중첩 영역일 수 있다. 다른 예들에서, 결정된 영역은 제1 이미징 데이터와 제2 이미징 데이터가 중첩될 때 제1 윤곽과 제2 윤곽 사이의 중첩 영역일 수 있다. 동작 562에서, 제2 영역이 제1 윤곽과 제3 윤곽 사이에서 결정된다. 동작 564에서, 제3 영역이 제2 윤곽과 제3 윤곽 사이에서 결정된다. 동작 566에서, 제1 영역 및 제2 영역이 집계되어 제1 이미징 데이터에 대한 제1 집계 모션 스코어를 생성한다. 동작 568에서, 제1 영역 및 제3 영역이 집계되어 제2 이미징 데이터에 대한 제2 집계 모션 스코어를 생성한다. 동작 570에서, 제2 영역 및 제3 영역이 집계되어 제3 이미징 데이터에 대한 제3 집계 모션 스코어를 생성한다.

동작 572에서, 제1 합성 모션 스코어, 제2 합성 모션 스코어, 및 제3 합성 모션 스코어에 기초하여 기준 이미징 데이터가 선택된다. 예를 들어, 동작들 560-564에서 결정된 영역들이 개개의 윤곽들의 비중첩 영역들인 예들에서, 최저 집계 모션 스코어를 갖는 이미징 데이터가 모션 보정을 위한 기준 이미징 데이터로서 선택될 수 있다. 동작들 560-564에서 결정된 영역들이 개개의 윤곽들의 중첩 영역들인 예들에서, 최고 집계 모션 스코어를 갖는 이미징 데이터가 모션 보정을 위한 기준 이미징 데이터로서 선택될 수 있다. 따라서, 제1 이미징 데이터, 제2 이미징 데이터 또는 제3 이미징 데이터 중 하나는 동작 572에서 모션 보정을 위한 기준 이미징 데이터이다. 동작 574에서, 선택된 기준 이미징 데이터에 기초하여 이미징 데이터의 세트에 대해 모션 보정이 수행된다. 이어서, 모션 보정된 이미징 데이터가 또한 디스플레이될 수 있다. 모션 보정된 이미징 데이터의 세트는 또한 이미징 절차가 수행된 임상 작업 또는 검토를 완료하거나 수행하는데 이용될 수 있다. 모션 보정된 이미징 데이터의 세트는 또한 MRI 또는 단층영상합성 절차들에서와 같이 최종 이미지들을 계산 또는 생성하기 위해 이용될 수 있다. 예를 들어, 단층영상합성 볼륨의 재구성이 모션 보정된 이미징 데이터의 세트로부터 생성될 수 있고/있거나 단층영상합성 슬라이스들이 모션 보정된 이미징 데이터의 세트로부터 생성될 수 있다.

도 6은 MRI 이미지들의 채색을 수행하기 위한 예시적인 방법을 도시한다. 동작 602에서, MRI 이미징 데이터의 세트가 액세스된다. MRI 이미징 데이터의 세트는 적어도 제1 시간에 획득된 제1 볼륨 및 제2 시간에 획득된 제2 볼륨을 포함할 수 있다. MRI 이미징 데이터의 세트에 추가 볼륨들이 포함될 수도 있다. 동작 604에서, MRI 이미징 데이터의 세트에서의 MRI 이미지들 중 적어도 2개에서 적어도 하나의 로컬 콘트라스트 향상 영역이 식별된다. 예를 들어, 로컬 콘트라스트 향상 영역이 제1 볼륨 및 제2 볼륨에서 식별될 수 있다. 동작 606에서, 식별된 로컬 콘트라스트 향상 영역에 대한 콘트라스트 역학이 로컬 콘트라스트 향상 영역이 식별된 MRI 볼륨들에 대해 평가된다. 각각의 MRI 볼륨에 대한 식별된 로컬 콘트라스트 향상 영역을 평가하는 것은 각각의 MRI 볼륨을 마치 그것이 피크 향상 볼륨인 것처럼 취급함으로써 각각의 MRI 볼륨의 채색을 수행하는 것을 포함할 수 있다. 예를 들어, 제1 MRI 볼륨의 채색은 제1 MRI 볼륨을 피크 향상 볼륨으로 취급하여 수행될 수 있고, 식별된 로컬 콘트라스트 향상 영역에 대한 콘트라스트 역학이 평가될 수 있다. 동일한 것이 제2 MRI 볼륨에 대해 행해질 수 있다.

동작 608에서, 피크 향상 볼륨은 로컬 콘트라스트 향상 영역에 대한 평가된 콘트라스트 역학에 기초하여 선택된다. 예를 들어, 피크 향상 볼륨을 선택하는 것은 MRI 이미징 데이터의 세트에서의 각각의 MRI 볼륨에 대한 로컬 콘트라스트 향상 영역들에 대한 평가된 콘트라스트 역학의 비교를 포함할 수 있다. 동작 610에서, MRI 이미징 데이터의 세트의 채색이 동작 608에서 선택된 피크 향상 볼륨에 기초하여 수행된다. MRI 이미징 데이터의 채색된 세트는 그 다음 로컬로 또는 원격으로 디스플레이 및/또는 저장될 수 있다.

도 7은 의료 이미징 장치(701) 및 의료 이미징의 본 예들 중 하나 이상이 구현될 수 있는 적절한 동작 환경(703)을 갖는 시스템(700)의 일례를 도시한다. 의료 이미징 장치(701)는 MRI 장치와 같은 동적 이미징이 가능한 임의의 의료 이미징 장치일 수 있다. 의료 이미징 장치(701)는 동작 환경(703)과 통신할 수 있고, 의료 이미지들을 동작 환경(703)에 통신하도록 구성될 수 있다. 의료 이미징 장치(701)는 또한 원격 저장소(705)와 통신할 수 있고, 의료 이미지들을 원격 저장소(705)에 통신하도록 구성될 수 있다. 원격 저장소(705)는 또한 동작 환경(703)과 통신할 수 있고, 저장된 의료 이미지들을 환경(703)에 전송하도록 구성될 수 있다.

동작 환경(703)은 의료 이미징 장치(701)에 직접 통합될 수 있거나, 본 명세서에 설명된 이미징 시스템들과는 별개이지만 이를 제어하기 위해 이용되는 컴퓨터 시스템에 통합될 수 있다. 이는, 적절한 동작 환경의 단지 하나의 예이고, 용도 또는 기능의 범위와 관련한 어떠한 제한도 제시하기 위한 것은 아니다. 이용하기에 적합할 수 있는 다른 컴퓨팅 시스템들, 환경들 및/또는 구성들은, 제한적인 것은 아니지만, 이미징 시스템들, 개인용 컴퓨터들, 서버 컴퓨터들, 핸드-헬드 또는 랩탑 디바이스들, 멀티프로세서 시스템들, 마이크로프로세서 기반 시스템들, 프로그래밍가능 소비자 전자장치, 예를 들어, 스마트폰들, 네트워크 PC들, 미니컴퓨터들, 메인프레임 컴퓨터들, 태블릿들, 및 상기의 시스템들 또는 디바이스들 중 임의의 것을 포함하는 분산 컴퓨팅 환경들 등을 포함한다.

가장 기본적인 구성에서, 동작 환경(703)은 전형적으로 적어도 하나의 프로세서(702) 및 메모리(704)를 포함한다. 컴퓨팅 디바이스의 정확한 구성 및 타입에 따라, (다른 것들 중에서, 본 명세서에 개시된 이미지 획득 및 처리 방법들을 수행하는 명령어들을 저장하는) 메모리(704)는 휘발성(RAM 등), 비휘발성(ROM, 플래시 메모리 등), 또는 이 둘의 어떤 조합일 수 있다. 이러한 가장 기본적인 구성은 파선(706)에 의해서 도 7에 도시되어 있다. 더욱이, 환경(703)은 또한, 제한적인 것은 아니지만, 자기 또는 광학 디스크들, 고체 상태 디바이스들, 또는 테이프를 포함하는 저장 디바이스들(이동식(708), 및/또는 비이동식(710))을 포함할 수 있다. 유사하게, 환경(703)은 또한 터치 스크린들, 키보드, 마우스, 펜, 음성 입력 등과 같은 입력 디바이스(들)(714), 및/또는 디스플레이, 스피커들, 프린터 등과 같은 출력 디바이스(들)(716)를 가질 수 있다. 또한, LAN, WAN, 점대점(point to point), 블루투스, RF 등과 같은, 하나 이상의 통신 접속(712)이 환경에 포함될 수 있다.

동작 환경(703)은 전형적으로 적어도 어떤 형태의 컴퓨터 판독가능 매체들을 포함한다. 컴퓨터 판독가능 매체들은 처리 유닛(702) 또는 동작 환경을 포함하는 다른 디바이스들에 의해 액세스될 수 있는 임의의 이용가능한 매체들일 수 있다. 예로서, 동작 환경은 적어도 하나의 프로세서(702) 및 적어도 하나의 프로세서(702)에 동작가능하게 접속된 메모리(704)를 포함할 수 있다. 메모리는 명령어들을 저장하며, 명령어들은 적어도 하나의 프로세서에 의해 실행될 때, 시스템으로 하여금 전술한 방법 동작들을 포함하는 본 명세서에 설명된 동작들과 같은 동작들의 세트를 수행하게 한다.

제한이 아닌 예로써, 컴퓨터 판독가능 매체들은 컴퓨터 저장 매체들 및 통신 매체들을 포함할 수 있다. 컴퓨터 저장 매체들은 컴퓨터 판독가능 명령어들, 데이터 구조들, 프로그램 모듈들 또는 다른 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현되는 휘발성 및 비휘발성, 이동식 및 비이동식 매체들을 포함한다. 컴퓨터 저장 매체들은, RAM, ROM, EEPROM, 플래시 메모리 또는 다른 메모리 기술, CD-ROM, DVD(digital versatile disk) 또는 다른 광학 저장 장치, 자기 카세트들, 자기 테이프, 자기 디스크 저장 장치 또는 다른 자기 저장 디바이스들, 고체 상태 저장 장치, 또는 원하는 정보를 저장하는데 이용될 수 있는 임의의 다른 유형의 매체를 포함한다. 통신 매체들은, 반송파 또는 다른 전송 메커니즘과 같은 변조된 데이터 신호로 컴퓨터 판독가능 명령어들, 데이터 구조들, 프로그램 모듈들 또는 다른 데이터를 구현하고, 임의의 정보 전달 매체들을 포함한다. 용어 "변조된 데이터 신호"는 신호의 특성들 중 하나 이상이 정보를 그 신호에 인코딩하는 방식으로 설정되거나 변경된 신호를 의미한다. 제한이 아닌 예로써, 통신 매체들은 유선 네트워크 또는 직접 유선 접속 등의 유선 매체들과, 음향, RF, 적외선 및 다른 무선 매체들과 같은 무선 매체들을 포함한다. 상기 중 임의의 것의 조합이 또한 컴퓨터 판독가능 매체들의 범위 내에 포함되어야 한다. 컴퓨터 판독가능 디바이스는 컴퓨터 저장 매체들을 포함하는 하드웨어 디바이스이다.

동작 환경(703)은 하나 이상의 원격 컴퓨터로의 논리적 접속들을 이용하여 네트워크화된 환경에서 동작하는 단일 컴퓨터일 수 있다. 원격 컴퓨터는 개인용 컴퓨터, 서버, 라우터, 네트워크 PC, 피어(peer) 디바이스 또는 다른 공통 네트워크 노드일 수 있고, 전형적으로 전술한 요소 중 많은 요소 및 전부 뿐만 아니라, 언급되지 않은 다른 것을 포함할 수 있다. 논리적 접속들은 이용가능한 통신 매체들에 의해서 지원되는 임의의 방법을 포함할 수 있다. 그러한 네트워킹 환경은 사무실들, 전사적 컴퓨터 네트워크들, 인트라넷들 및 인터넷에서 이용가능하다.

일부 실시예들에서, 본 명세서에 설명된 컴포넌트들은 컴퓨터 저장 매체 및 다른 유형의 매체들 상에 저장되고 통신 매체들에서 송신될 수 있는 컴퓨터 시스템(703)에 의해 실행가능한 그러한 모듈들 또는 명령어들을 포함한다. 컴퓨터 저장 매체들은 컴퓨터 판독가능 명령어들, 데이터 구조들, 프로그램 모듈들 또는 다른 데이터와 같은 정보를 저장하는 임의의 방법 또는 기술로 구현되는 휘발성 및 비휘발성, 이동식 및 비이동식 매체들을 포함한다. 상기 중 임의의 것의 조합이 또한 판독가능 매체들의 범위 내에 포함되어야 한다. 일부 실시예들에서, 컴퓨터 시스템(703)은 컴퓨터 시스템(703)에 의한 이용을 위해 원격 저장 매체들에 데이터를 저장하는 네트워크의 일부이다.

본 명세서에서 설명된 실시예들은 소프트웨어, 하드웨어, 또는 소프트웨어와 하드웨어의 조합을 이용하여, 본 명세서에서 개시된 시스템들 및 방법들을 구현하고 실시할 수 있다. 본 개시내용 전체를 통해 특정 디바이스들이 특정 기능들을 수행하는 것으로서 언급되었지만, 본 기술분야의 통상의 기술자라면, 이러한 디바이스들은 예시의 목적으로 제공된 것이고, 본 개시내용의 범위를 벗어나지 않고도, 다른 디바이스들을 이용하여 본 명세서에서 개시된 기능을 수행하도록 실시될 수 있다는 것을 이해할 것이다. 또한, 본 개시내용의 일부 양태들은 본 개시내용의 양태들에 따른 시스템들 및 방법들의 블록도들 및/또는 동작 예시들을 참조하여 위에서 설명된다. 블록들에서 언급된 기능들, 동작들, 및/또는 작용들은 임의의 각각의 흐름도에 도시된 순서를 벗어나 발생할 수 있다. 예를 들어, 연속하여 도시된 2개의 블록들은, 관련된 기능 및 구현에 따라, 실제로 실행되거나 실질적으로 동시에 또는 역순으로 수행될 수 있다.

이러한 개시내용은 첨부 도면들을 참조하여 본 기술의 일부 양태들을 설명하였고, 가능한 실시예들 중 일부 만이 도시되었다. 그러나, 다른 양태들이 많은 다른 형태로 구현될 수 있으며, 본 명세서에 개시된 실시예들로 제한되는 것으로서 해석되어서는 안된다. 오히려, 이러한 실시예들은 본 개시내용이 철저하고 완벽하며, 가능한 실시예들의 범위를 본 기술분야의 통상의 기술자들에게 완전하게 전달하도록 제공되었다. 또한, 본 명세서 및 청구항들에서 이용되는 바와 같이, "요소 A, 요소 B, 또는 요소 C 중 적어도 하나"라는 문구는 다음 중 임의의 것을 전달하도록 의도된다: 요소 A, 요소 B, 요소 C, 요소들 A 및 B, 요소들 A 및 C, 요소들 B 및 C, 및 요소들 A, B, 및 C. 또한, 본 기술분야의 통상의 기술자는 "약" 또는 "실질적으로"와 같은 용어들이 본 명세서에서 이용되는 측정 기술들에 비추어 전달되는 정도를 이해할 것이다. 그러한 용어들이 본 기술분야의 통상의 기술자에 의해 명확하게 정의되거나 이해되지 않을 수 있는 한, 용어 "약"은 ± 10%를 의미할 것이다.

특정 실시예들이 본 명세서에서 설명되었지만, 기술의 범위는 그러한 특정 실시예들로 제한되지 않는다. 또한, 상이한 예들 및 실시예들이 별개로 설명될 수 있지만, 그러한 실시예들 및 예들은 본 명세서에서 설명된 기술의 구현 시에 서로 조합될 수 있다. 본 기술분야의 통상의 기술자는, 본 기술의 범위 및 사상에 포함되는 다른 실시예들 또는 개선들을 인식할 것이다. 따라서, 특정의 구조, 작용들 또는 매체들은 단지 예시적인 실시예들로서 개시되어 있다. 본 기술의 범위는 이하의 청구항들 및 임의의 균등물에 의해서 정의된다.

Claims

방법으로서,
제1 시점에 대한 제1 이미징 데이터, 제2 시점에 대한 제2 이미징 데이터, 및 제3 시점에 대한 제3 이미징 데이터를 포함하는 이미징 데이터의 세트에 액세스하는 단계;
상기 제1 이미징 데이터에서 관심 영역(ROI)의 제1 위치를 식별하는 단계;
상기 제2 이미징 데이터에서 상기 ROI의 제2 위치를 식별하는 단계;
상기 제3 이미징 데이터에서 상기 ROI의 제3 위치를 식별하는 단계;
상기 식별된 위치들 사이의 복수의 차이들을 결정하는 단계 ―상기 복수의 차이들은,
상기 제1 위치와 상기 제2 위치;
상기 제1 위치와 상기 제3 위치; 및
상기 제2 위치와 상기 제3 위치 사이의 차이를 포함함―;
상기 결정된 복수의 차이들에 기초하여, 상기 제1 이미징 데이터, 상기 제2 이미징 데이터 또는 상기 제3 이미징 데이터 중 하나를 모션 보정을 위한 기준 이미징 데이터로서 선택하는 단계, 및
상기 선택된 기준 이미지로 상기 이미징 데이터의 세트에 대한 모션 보정을 수행하는 단계를 포함하는, 방법.
제1항에 있어서,
상기 이미징 데이터의 세트는 자기 공명 이미징(MRI) 데이터인, 방법.
제1항 또는 제2항에 있어서,
상기 이미징 데이터의 세트는 2차원 의료 이미지들을 포함하고, 상기 ROI의 상기 위치들은 제1 차원에 대응하는 제1 좌표 및 제2 차원에 대응하는 제2 좌표를 포함하는, 방법.
제3항에 있어서,
상기 제1 위치와 상기 제2 위치 사이의 차이를 결정하는 단계는,
상기 제1 위치의 상기 제1 좌표와 상기 제2 위치의 상기 제1 좌표 사이의 차이를 결정하는 단계; 및
상기 제1 위치의 상기 제2 좌표와 상기 제2 위치의 상기 제2 좌표 사이의 차이를 결정하는 단계를 포함하는, 방법.
제1항 내지 제4항 중 어느 한 항에 있어서,
상기 이미징 데이터의 세트는 3차원 의료 이미지들을 포함하고, 상기 ROI의 상기 위치들은 제1 차원에 대응하는 제1 좌표, 제2 차원에 대응하는 제2 좌표, 및 제3 차원에 대응하는 제2 좌표를 포함하는, 방법.
제5항에 있어서,
상기 제1 위치와 상기 제2 위치 사이의 차이를 결정하는 단계는,
상기 제1 위치의 상기 제1 좌표와 상기 제2 위치의 상기 제1 좌표 사이의 차이를 결정하는 단계;
상기 제1 위치의 상기 제2 좌표와 상기 제2 위치의 상기 제2 좌표 사이의 차이를 결정하는 단계; 및
상기 제1 위치의 상기 제3 좌표와 상기 제2 위치의 상기 제3 좌표 사이의 차이를 결정하는 단계를 포함하는, 방법.
제1항 내지 제6항 중 어느 한 항에 있어서,
상기 제1 위치와 상기 제2 위치 사이의 차이를 결정하는 단계는 상기 제1 위치와 상기 제2 위치 사이의 거리를 결정하는 단계를 포함하는, 방법.
시스템으로서,
디스플레이;
적어도 하나의 프로세서; 및
명령어들을 저장하는 메모리를 포함하고,
상기 명령어들은, 상기 적어도 하나의 프로세서에 의해 실행될 때, 상기 시스템으로 하여금 동작들의 세트를 수행하게 하고, 상기 동작들의 세트는,
제1 시점에 대한 제1 이미징 데이터, 제2 시점에 대한 제2 이미징 데이터, 및 제3 시점에 대한 제3 이미징 데이터를 포함하는 이미징 데이터의 세트에 액세스하는 동작;
상기 제1 이미징 데이터에서 관심 영역(ROI)의 제1 위치를 식별하는 동작;
상기 제2 이미징 데이터에서 상기 ROI의 제2 위치를 식별하는 동작;
상기 제3 이미징 데이터에서 상기 ROI의 제3 위치를 식별하는 동작;
상기 식별된 위치들 사이의 복수의 차이들을 결정하는 동작 ―상기 복수의 차이들은,
상기 제1 위치와 상기 제2 위치;
상기 제1 위치와 상기 제3 위치; 및
상기 제2 위치와 상기 제3 위치 사이의 차이를 포함함―;
상기 결정된 복수의 차이들에 기초하여, 상기 제1 이미징 데이터, 상기 제2 이미징 데이터 또는 상기 제3 이미징 데이터 중 하나를 모션 보정을 위한 기준 이미징 데이터로서 선택하는 동작;
상기 선택된 기준 이미징 데이터로 상기 이미징 데이터의 세트에 대한 모션 보정을 수행하는 동작; 및
상기 모션 보정된 이미징 데이터의 세트에 기초한 이미지를 상기 디스플레이 상에 디스플레이하는 동작을 포함하는, 시스템.
제8항에 있어서,
의료 이미징 장치를 더 포함하고, 상기 동작들의 세트는 상기 의료 이미징 장치로부터 상기 이미징 데이터의 세트를 획득하는 동작을 더 포함하는, 시스템.
제9항에 있어서,
상기 의료 이미징 장치는 자기 공명 이미징(MRI) 기계이고, 상기 이미징 데이터는 MRI 볼륨들을 포함하는, 시스템.
제8항 내지 제10항 중 어느 한 항에 있어서,
상기 이미징 데이터의 세트는 2차원 의료 이미지들을 포함하고, 상기 ROI의 상기 위치들은 제1 차원에 대응하는 제1 좌표 및 제2 차원에 대응하는 제2 좌표를 포함하고, 상기 제1 위치와 상기 제2 위치 사이의 차이를 결정하는 동작은,
상기 제1 위치의 상기 제1 좌표와 상기 제2 위치의 상기 제1 좌표 사이의 차이를 결정하는 동작; 및
상기 제1 위치의 상기 제2 좌표와 상기 제2 위치의 상기 제2 좌표 사이의 차이를 결정하는 동작을 포함하는, 시스템.
제8항 내지 제11항 중 어느 한 항에 있어서,
상기 의료 이미지들은 3차원 의료 이미지들이고, 상기 ROI의 상기 위치들은 제1 차원에 대응하는 제1 좌표, 제2 차원에 대응하는 제2 좌표, 및 제3 차원에 대응하는 제2 좌표를 포함하고, 상기 제1 위치와 상기 제2 위치 사이의 차이를 결정하는 동작은,
상기 제1 위치의 상기 제1 좌표와 상기 제2 위치의 상기 제1 좌표 사이의 차이를 결정하는 동작;
상기 제1 위치의 상기 제2 좌표와 상기 제2 위치의 상기 제2 좌표 사이의 차이를 결정하는 동작; 및
상기 제1 위치의 상기 제3 좌표와 상기 제2 위치의 상기 제3 좌표 사이의 차이를 결정하는 동작을 포함하는, 시스템.
제8항 내지 제12항 중 어느 한 항에 있어서,
상기 제1 위치와 상기 제2 위치 사이의 차이를 결정하는 동작은 상기 제1 위치와 상기 제2 위치 사이의 거리를 결정하는 동작을 포함하는, 시스템.
방법으로서,
복수의 시점들에서 획득된 의료 이미지들의 세트에 액세스하는 단계;
상기 의료 이미지들의 세트에서의 상기 의료 이미지들의 적어도 절반에서 관심 영역(ROI)을 식별하는 단계;
상기 의료 이미지들의 세트에서의 상기 의료 이미지들의 적어도 절반에서 상기 ROI의 위치를 식별하는 단계;
상기 의료 이미지들의 세트의 상기 의료 이미지들의 적어도 하나의 쌍에서의 상기 ROI의 상기 식별된 위치들을 비교하는 단계;
상기 식별된 위치들의 상기 비교들에 기초하여, 상기 의료 이미지들의 세트의 상기 의료 이미지들 중 하나를 모션 보정을 위한 기준 이미지로 선택하는 단계; 및
상기 선택된 기준 이미지로 상기 의료 이미지들의 세트의 모션 보정을 수행하는 단계를 포함하는, 방법.
제14항에 있어서,
상기 비교하는 동작은 상기 의료 이미지들의 세트에서의 의료 이미지들의 복수의 쌍들에서의 상기 ROI의 상기 식별된 위치들을 비교하는 단계를 포함하는, 방법.
제15항에 있어서,
상기 의료 이미지들의 복수의 쌍들은 상기 의료 이미지들의 세트에서의 모든 가능한 의료 이미지들의 쌍들을 포함하는, 방법.
제14항에 있어서,
상기 의료 이미지들은 2차원 의료 이미지들이고, 상기 ROI의 상기 위치들은 제1 차원에 대응하는 제1 좌표 및 제2 차원에 대응하는 제2 좌표를 포함하는, 방법.
제14항에 있어서,
상기 의료 이미지들은 3차원 의료 이미지들이고, 상기 ROI의 상기 위치들은 제1 차원에 대응하는 제1 좌표, 제2 차원에 대응하는 제2 좌표, 및 제3 차원에 대응하는 제2 좌표를 포함하는, 방법.
방법으로서,
제1 시점에 대한 제1 이미징 데이터, 제2 시점에 대한 제2 이미징 데이터, 및 제3 시점에 대한 제3 이미징 데이터를 포함하는 이미징 데이터의 세트에 액세스하는 단계;
상기 제1 이미징 데이터에서 관심 영역(ROI)의 제1 위치를 식별하는 단계;
상기 제2 이미징 데이터에서 상기 ROI의 제2 위치를 식별하는 단계;
상기 제3 이미징 데이터에서 상기 ROI의 제3 위치를 식별하는 단계;
상기 제1 위치와 상기 제2 위치 사이의 제1 차이를 결정하는 단계;
상기 제1 위치와 상기 제3 위치 사이의 제2 차이를 결정하는 단계;
상기 제2 위치와 상기 제3 위치 사이의 제3 차이를 결정하는 단계;
상기 제1 차이 및 상기 제2 차이를 집계하여 상기 제1 이미징 데이터에 대한 제1 집계 모션 스코어를 생성하는 단계;
상기 제1 차이 및 상기 제3 차이를 집계하여 상기 제2 이미징 데이터에 대한 제2 집계 모션 스코어를 생성하는 단계;
상기 제2 차이 및 상기 제3 차이를 집계하여 상기 제3 이미징 데이터에 대한 제3 집계 모션 스코어를 생성하는 단계;
상기 제1 집계 모션 스코어, 상기 제2 집계 모션 스코어 및 상기 제3 집계 모션 스코어에 기초하여, 상기 제1 이미징 데이터, 상기 제2 이미징 데이터 또는 상기 제3 이미징 데이터 중 하나를 모션 보정을 위한 기준 이미징 데이터로서 선택하는 단계; 및
상기 선택된 기준 이미징 데이터에 기초하여 상기 이미징 데이터의 세트의 모션 보정을 수행하는 단계를 포함하는, 방법.
제19항에 있어서,
상기 제1 차이는 상기 제1 위치와 상기 제2 위치 사이의 거리이고;
상기 제2 차이는 상기 제1 위치와 상기 제3 위치 사이의 거리이고;
상기 제3 차이는 상기 제2 위치와 상기 제3 위치 사이의 거리인, 방법.
제19항 또는 제20항에 있어서,
상기 제1 차이는 상기 제1 위치와 상기 제2 위치 사이의 영역이고;
상기 제2 차이는 상기 제1 위치와 상기 제3 위치 사이의 영역이고;
상기 제3 차이는 상기 제2 위치와 상기 제3 위치 사이의 영역인, 방법.
방법으로서,
제1 시점에 대한 제1 이미징 데이터, 제2 시점에 대한 제2 이미징 데이터, 및 제3 시점에 대한 제3 이미징 데이터를 포함하는 이미징 데이터의 세트에 액세스하는 단계;
상기 제1 이미징 데이터에서 관심 영역(ROI)의 윤곽을 식별하는 단계;
상기 제2 이미징 데이터에서 상기 ROI의 윤곽을 식별하는 단계;
상기 제3 이미징 데이터에서 상기 ROI의 윤곽을 식별하는 단계;
상기 제1 윤곽과 상기 제2 윤곽 사이의 제1 영역을 결정하는 단계;
상기 제1 윤곽과 상기 제3 윤곽 사이의 제2 영역을 결정하는 단계;
상기 제2 윤곽과 상기 제3 윤곽 사이의 제3 영역을 결정하는 단계;
상기 제1 영역 및 상기 제2 영역을 집계하여 상기 제1 이미징 데이터에 대한 제1 집계 모션 스코어를 생성하는 단계;
상기 제1 영역 및 상기 제3 영역을 집계하여 상기 제2 이미징 데이터에 대한 제2 집계 모션 스코어를 생성하는 단계;
상기 제2 영역 및 상기 제3 영역을 집계하여 상기 제3 이미징 데이터에 대한 제3 집계 모션 스코어를 생성하는 단계;
상기 제1 집계 모션 스코어, 상기 제2 집계 모션 스코어, 및 상기 제3 집계 모션 스코어에 기초하여, 상기 제1 이미징 데이터, 상기 제2 이미징 데이터, 또는 상기 제3 이미징 데이터 중 하나를 모션 보정을 위한 기준 이미징 데이터로서 선택하는 단계;
상기 선택된 기준 이미징 데이터에 기초하여 상기 이미징 데이터의 세트의 모션 보정을 수행하는 단계; 및
모션 보정된 이미징 데이터의 세트의 적어도 일부를 디스플레이하는 단계를 포함하는, 방법.
제22항에 있어서,
상기 제1 영역은 상기 제1 윤곽과 상기 제2 윤곽 사이의 비중첩 영역이고;
상기 제2 영역은 상기 제1 윤곽과 상기 제3 윤곽 사이의 비중첩 영역이고;
상기 제3 영역은 상기 제2 윤곽과 상기 제3 윤곽 사이의 비중첩 영역인, 방법.
제23항에 있어서,
상기 제1 이미징 데이터, 상기 제2 이미징 데이터 또는 상기 제3 이미징 데이터 중 하나를 모션 보정을 위한 상기 기준 이미징 데이터로서 선택하는 단계는 최저 집계 모션 스코어를 갖는 상기 이미징 데이터를 선택하는 단계를 포함하는, 방법.
제22항에 있어서,
상기 제1 영역은 상기 제1 윤곽과 상기 제2 윤곽 사이의 중첩 영역이고;
상기 제2 영역은 상기 제1 윤곽과 상기 제3 윤곽 사이의 중첩 영역이고;
상기 제3 영역은 상기 제2 윤곽과 상기 제3 윤곽 사이의 중첩 영역인, 방법.
제25항에 있어서,
상기 제1 이미징 데이터, 상기 제2 이미징 데이터 또는 상기 제3 이미징 데이터 중 하나를 모션 보정을 위한 상기 기준 이미징 데이터로서 선택하는 단계는 최고 집계 모션 스코어를 갖는 상기 이미징 데이터를 선택하는 단계를 포함하는, 방법.
제22항 내지 제26항 중 어느 한 항에 있어서,
상기 ROI는 유방의 피부 라인인, 방법.
방법으로서,
MRI 이미징 데이터의 세트에 액세스하는 단계 ―상기 MRI 이미징 데이터의 세트는 적어도 제1 시간에 획득된 제1 볼륨 및 제2 시간에 획득된 제2 볼륨을 포함함―;
상기 제1 볼륨에서의 적어도 하나의 로컬 콘트라스트 향상 영역을 식별하는 단계;
상기 제2 볼륨에서의 상기 적어도 하나의 로컬 콘트라스트 향상 영역을 식별하는 단계;
상기 제1 볼륨에서의 상기 로컬 콘트라스트 향상 영역에 대한 콘트라스트 역학을 평가하는 단계;
상기 제2 볼륨에서의 상기 로컬 콘트라스트 향상 영역에 대한 콘트라스트 역학을 평가하는 단계;
상기 제1 볼륨 및 상기 제2 볼륨에서의 상기 로컬 콘트라스트 향상 영역에 대한 상기 평가된 콘트라스트 역학에 기초하여, 상기 제1 볼륨 또는 상기 제2 볼륨을 피크 향상 볼륨으로서 선택하는 단계; 및
상기 피크 향상 볼륨에 기초하여 상기 MRI 이미징 데이터의 세트에 대한 채색을 수행하는 단계를 포함하는, 방법.