KR20220020033A - 영상 처리를 기반으로 하는 각막궤양 검출 장치 및 그 방법 - Google Patents

영상 처리를 기반으로 하는 각막궤양 검출 장치 및 그 방법 Download PDF

Info

Publication number
KR20220020033A
KR20220020033A KR1020200100471A KR20200100471A KR20220020033A KR 20220020033 A KR20220020033 A KR 20220020033A KR 1020200100471 A KR1020200100471 A KR 1020200100471A KR 20200100471 A KR20200100471 A KR 20200100471A KR 20220020033 A KR20220020033 A KR 20220020033A
Authority
KR
South Korea
Prior art keywords
ulcer
region
pixel
interest
area
Prior art date
Application number
KR1020200100471A
Other languages
English (en)
Other versions
KR102380560B1 (ko
Inventor
임진혁
김대원
조경진
Original Assignee
단국대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 단국대학교 산학협력단 filed Critical 단국대학교 산학협력단
Priority to KR1020200100471A priority Critical patent/KR102380560B1/ko
Priority to PCT/KR2020/011726 priority patent/WO2022034955A1/ko
Publication of KR20220020033A publication Critical patent/KR20220020033A/ko
Application granted granted Critical
Publication of KR102380560B1 publication Critical patent/KR102380560B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
    • A61B3/0016—Operational features thereof
    • A61B3/0025—Operational features thereof characterised by electronic signal processing, e.g. eye models
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
    • A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
    • A61B3/14—Arrangements specially adapted for eye photography
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • G06T2207/30041—Eye; Retina; Ophthalmic
    • 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
    • G06T2207/30096—Tumor; Lesion

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Molecular Biology (AREA)
  • Primary Health Care (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Epidemiology (AREA)
  • General Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Ophthalmology & Optometry (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 영상 처리를 기반으로 하는 각막궤양 검출 장치 및 그 방법에 대한 것이다. 본 발명에 따르면, 검사 대상자의 각막을 촬영한 안구영상을 입력받는 영상입력부, 상기 입력된 안구영상으로부터 관심영역을 추출하고, 추출된 관심영역에 포함되는 각 픽셀의 RGB값을 이용하여 배경에 해당하는 영역과 궤양에 해당하는 영역 사이의 경계가 구분되도록 영상의 전처리 과정을 수행하는 전처리부, 관심영역 내의 픽셀 값 분포에 따라 임계값을 도출하고, 도출된 임계값을 이용하여 기준 픽셀을 중심으로 궤양에 해당하는 영역을 확장하는 플러드 필(Flood-fill) 알고리즘을 적용하여 궤양영역을 검출하는 궤양영역 검출부, 그리고 검출된 상기 궤양영역에 대한 윤곽선을 생성하고, 생성된 윤곽선을 안구영상의 원본에 표시하여 출력하는 출력부를 포함한다.
이와 같이 본 발명에 따르면, 랜덤 기준점 선정 알고리즘에 의해 선정된 기준점을 중심으로 Otsu 방법을 통해 도출된 임계값을 이용하여 영역을 확장함으로써 궤양 영역을 검출하는데 있어서 객관적이고 정확도를 높일 수 있다. 또한, 본 발명에 따르면, 사용자의 개입을 최소화하여 객관적인 결과를 도출할 수 있고, 진료목적에 있어 향상된 신뢰도로 진료결과를 의료진과 환자에게 제공할 수 있다.

Description

영상 처리를 기반으로 하는 각막궤양 검출 장치 및 그 방법{Corneal Ulcer Region Detection Apparatus Using Image Processing and Method Thereof}
본 발명은 영상 처리를 기반으로 하는 각막궤양 검출 장치 및 그 방법에 관한 것으로서, 더욱 상세하게는 각막을 촬영한 원본 영상으로부터 관심영역을 분할하고, 관심영역에 포함된 궤양을 픽셀 단위로 검출하는 각막궤양 검출 장치 및 그 방법에 관한 것이다.
의료분야에서 영상분할은 질병을 조기에 진단하고 분석하기 위한 중요과정으로 인식되고 있으며 주로 CT(Computer Tomography)영상, MRI(Magnetic Resonance Imaging) 및 특수 촬영장비를 이용한 촬영영상 등을 이용한 영상분할로 육안으로 확인할 수 없는 부위의 질병 검출 또는 특정 질병의 진료를 위한 부피측정 및 진단에 이용되고 있다.
그 중에서 안과분야의 질병은 일간의 감각기관과 직결되기 때문에 섣부른 진단과 치료를 진행하기 전에 영상을 통한 초기 진단이 필수적이다.
다양한 안과질병 중 각막궤양은 각막표피에 발생하는 질병으로써 감염 경로에 따라 세균성, 진균성으로 나눌 수 있으며 환자가 직접 발병부위를 관찰할 수 없기 때문에 근접촬영 장비로 촬영된 영상을 토대로 세균성, 진균성 구분 및 추후 치료과정 등의 진단이 이루어진다. 이때, 의료진은 육안으로 궤양의 크기 등을 진단하게 되는데 문제점은 주관적인 판단에 의해 궤양이 측정되기 때문에 환자에게 궤양영역을 정확히 측정한 객관적인 자료를 제시할 수 없다는 문제가 있었다.
본 발명의 배경이 되는 기술은 대한민국 공개특허공보 제10-2020-0049195호(2020.05.08. 공개)에 개시되어 있다.
이와 같이 본 발명에 따르면, 각막을 촬영한 원본 영상으로부터 관심영역을 분할하고, 관심영역에 포함된 궤양을 픽셀 단위로 검출하는 각막궤양 검출 장치 및 그 방법을 제공하기 위한 것이다.
이러한 기술적 과제를 이루기 위한 본 발명의 실시예에 따르면 영상 처리를 기반으로 하는 각막궤양 검출 장치에 있어서, 검사 대상자의 각막을 촬영한 안구영상을 입력받는 영상입력부, 상기 입력된 안구영상으로부터 관심영역을 추출하고, 추출된 관심영역에 포함되는 각 픽셀의 RGB값을 이용하여 배경에 해당하는 영역과 궤양에 해당하는 영역 사이의 경계가 구분되도록 영상의 전처리 과정을 수행하는 전처리부, 관심영역 내의 픽셀 값 분포에 따라 임계값을 도출하고, 도출된 임계값을 이용하여 기준 픽셀을 중심으로 궤양에 해당하는 영역을 확장하는 플러드 필(Flood-fill) 알고리즘을 적용하여 궤양영역을 검출하는 궤양영역 검출부, 그리고 검출된 상기 궤양영역에 대한 윤곽선을 생성하고, 생성된 윤곽선을 안구영상의 원본에 표시하여 출력하는 출력부를 포함한다.
상기 전처리부는, 상기 관심영역에 해당하는 각각의 픽셀을 회색조(Gray scale) 형태로 변환한 다음, 상기 회색조 형태로 변환된 관심영역에 히스토그램 평활화를 수행할 수 있다.
상기 전처리부는, 하기의 수학식을 이용하여 회색조 형태로 변환할 수 있다.
Figure pat00001
상기 전처리부는, 상기 히스토그램 평활화가 적용된 관심영역에 임의의 크기를 가지는 필터를 적용하여 필터내의 픽셀 값들을 오름차순 또는 내림차순으로 정렬한 다음, 복수의 픽셀 값들의 중간 픽셀값을 이용하여 관심영역내의 노이즈를 제거하고, 감마 보정 처리하여 궤양에 해당하는 영역의 경계를 단순화할 수 있다.
상기 궤양영역 검출부는, Otsu 알고리즘을 이용하여 상기 관심영역 내의 픽셀 값 분포에 따라 임계값을 설정한 다음, 상기 관심영역에 포함된 각 픽셀의 좌표정보를 이용하여 기준점을 획득하고, 상기 획득한 기준점에 대응하는 기준 픽셀과 인접한 픽셀간의 픽셀 차이값과 상기 임계값을 비교하여 궤양에 해당하는 영역을 확장할 수 있다.
상기 궤양영역 검출부는, Otsu 알고리즘에 따라 상기 관심영역에 포함된 픽셀을 궤양에 해당하는 영역과 배경에 해당하는 영역으로 군집화하고, 상기 궤양에 해당하는 영역의 분산값과 배경에 해당하는 영역의 분산값의 차이가 최대가 되는 픽셀값을 상기 임계값으로 설정할 수 있다.
상기 분산값은, 하기의 수학식으로 이용하여 산출될 수 있다.
Figure pat00002
여기서,
Figure pat00003
는 임의의 픽셀이 궤양에 해당하는 영역에 속할 확률이고,
Figure pat00004
은 임의의 픽셀이 배경에 해당하는 영역에 속할 확률이고,
Figure pat00005
은 궤양에 해당하는 영역내 픽셀값의 평균을 나타내고,
Figure pat00006
은 배경에 해당하는 영역내 픽셀값의 평균을 나타내며,
Figure pat00007
은 전체 영상의 픽셀값의 평균을 나타낸다.
상기 궤양영역 검출부는, 상기 관심영역에 포함된 각 픽셀의 좌표 정보를 저장하는 배열을 생성한 다음, 히스토그램을 수행하여 빈도수가 가장 큰 픽셀 값에 해당하는 복수의 픽셀들 중에서 하나의 픽셀을 랜덤으로 선택하여 기준픽셀로 설정할 수 있다.
상기 출력부는, 상기 검출된 궤양 영역 내에 미 검출 영역이 포함되어 있는지 여부를 판단하고, 판단결과 미 검출 영역이 포함되어 있으면 상기 관심영역과 동일한 크기를 가지며 배경색이 반전된 반전 영상을 생성하고, 상기 반전 영상의 각 모서리에 해당하는 점에서 임계값이 0인 플러드 필(Flood-fill) 알고리즘을 적용하여 미 검출 영역에 해당하는 홀을 채울 수 있다.
상기 출력부는, 상기 궤양 영역에 모폴로지 연산에 해당하는 침식 연산과 팽창 연산을 번갈아 수행하여 상기 궤양영역의 경계부분에 포함된 노이즈를 제거하고 경계부분을 스무딩 처리하며, 캐니 엣지 디텍션(Canny Edge Detection) 알고리즘을 이용하여 궤양영역의 윤곽선을 생성할 수 있다.
또한, 본 발명의 다른 실시예에 따르면 영상 처리를 기반으로 하는 각막궤양 검출 장치를 이용한 각막 궤양 검출 방법에 있어서, 검사 대상자의 각막을 촬영한 안구영상을 입력받는 단계, 상기 입력된 안구영상으로부터 관심영역을 추출하고, 추출된 관심영역에 포함되는 각 픽셀의 RGB값을 이용하여 배경에 해당하는 영역과 궤양에 해당하는 영역 사이의 경계가 구분되도록 영상의 전처리 과정을 수행하는 단계, 관심영역 내의 픽셀 값 분포에 따라 임계값을 도출하고, 도출된 임계값을 이용하여 기준 픽셀을 중심으로 궤양에 해당하는 영역을 확장하는 플러드 필(Flood-fill) 알고리즘을 적용하여 궤양영역을 검출하는 단계, 그리고 검출된 상기 궤양영역에 대한 윤곽선을 생성하고, 생성된 윤곽선을 안구영상의 원본에 표시하여 궤양영역을 출력하는 단계를 포함한다.
이와 같이 본 발명에 따르면, 랜덤 기준점 선정 알고리즘에 의해 선정된 기준점을 중심으로 Otsu 방법을 통해 도출된 임계값을 이용하여 영역을 확장함으로써 궤양 영역을 검출하는데 있어서 객관적이고 정확도를 높일 수 있다. 또한, 본 발명에 따르면, 사용자의 개입을 최소화하여 객관적인 결과를 도출할 수 있고, 진료목적에 있어 향상된 신뢰도로 진료결과를 의료진과 환자에게 제공할 수 있다.
도 1은 본 발명의 실시예에 따른 각막궤양 검출 장치를 설명하기 위한 구성도이다.
도 2는 본 발명의 실시예에 따른 각막궤양 검출 장치를 이용하여 각막궤양 검출 방법을 나타내는 순서도이다.
도 3은 도 2에 도시된 S230단계를 설명하기 위한 순서도이다.
도4는 도 3에 도시된 S231단계에서 관심영역을 회색조로 변환한 상태를 나타내는 도면이다.
도 5는 도 3에 도시된 S232단계에서 관심영역에 히스토그램 평활화를 적용한 상태를 나타내는 도면이다.
도 6은 도 3에 도시된 S233단계에서 중간 픽셀값을 설정하는 방법을 나타내는 도면이다.
도 7은 도 3에 도시된 S233단계에서 설정된 중간값을 이용하여 관심영역에 포함된 노이즈를 제거한 상태를 나타내는 도면이다.
도 8은 도 3에 도시된 S234단계에서 관심영역에 감마보정을 적용한 상태를 나타내는 도면이다.
도 9는 도 2에 도시된 S240단계를 설명하기 위한 순서도이다.
도 10은 도 9에 도시된 S242단계에서 픽셀의 위치정보를 저장하는 배열의 구조를 설명하기 위한 도면이다.
도 11a 및 11b는 도 9에 도시된 S243단계에서 플러드 필 알고리즘에 따라 영역을 확장하는 방법을 설명하기 위한 도면이다.
도 12는 도 2에 도시된 S250를 설명하기 위한 순서도이다.
도 13은 도 12에 도시된 S251단계에서 미검출 영역을 채워 보정된 영상을 출력한 상태를 나타내는 도면이다.
도 14는 도 12에 도시된 S252단계에서 모폴로지 연산을 수행한 상태를 나타내는 도면이다.
도 15는 도 12에 도시된 S253단계에서 검출된 윤관선을 원본영상에 표시한 결과를 나타내는 도면이다.
이하 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하기로 한다. 이 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있다.
또한 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서, 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로 이러한 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
이하에서는 도 1을 이용하여 본 발명의 실시예에 따른 각막궤양 검출 장치 에 대하여 더욱 상세하게 설명한다.
도 1은 본 발명의 실시예에 따른 각막궤양 검출 장치를 설명하기 위한 구성도이다.
도 1에 도시된 바와 같이, 본 발명의 실시예에 따른 각막궤양 검출 장치(100)는 영상입력부(110), 전처리부(120), 궤양영역 검출부(130) 및 출력부(140)를 포함한다.
먼저, 영상입력부(110)는 검사 대상자의 각막을 촬영한 안구영상을 입력받는다.
그 다음, 전처리부(120)는 입력받은 안구영상으로부터 궤양영역을 분할하기 위하여 안구영상의 표면을 단순화한다. 부연하자면, 전처리부(120)는 사용자에 의해 지정된 관심영역을 추출한다. 그리고 전처리부(120)는 추출된 관심영역에 포함된 각 픽셀의 RGB값을 이용하여 배경에 해당하는 영역과 궤양에 해당하는 영역으로 구분되도록 회색조 변환, 히스토그램 평활화, 중간값 필터 및 감마보정 순으로 전처리 과정을 수행한다.
그 다음, 궤양영역 검출부(130)는 전처리 과정이 수행된 관심영역 내에 플러드 필(Flood-fill) 알고리즘을 적용하여 궤양영역을 검출한다. 이를 다시 설명하면, 궤양영역 검출부(130)는 궤양에 해당하는 영역 내에 무작위로 선택된 어느 하나의 픽셀을 기준 픽셀로 설정하고, 기준 픽셀과 인접한 픽셀간의 차이값이 기 설정된 임계값 이내이면 궤양에 해당하는 영역으로 확장한다. 이때 임계값은 Otsu 알고리즘에 의해 산출된다. 궤양영역 검출부(130)는 궤양 영역이 최대로 확장될 때까지 플러드 필(Flood-fill) 알고리즘을 반복적으로 수행하여 궤양영역을 검출한다.
마지막으로 출력부(140)는 검출된 궤양영역에 대하여 윤곽선을 생성하고, 생성된 윤곽선을 안구영상의 원본에 표시하여 출력한다. 즉, 출력부(140)는 검출된 궤양영역의 내부에 미검출 영역이 포함되어 있는지의 여부를 판단하고, 미검출 영역이 포함되어 있을 경우에는 미검출 영역을 채우는 과정을 수행한다. 그리고, 궤양영역 검출부(130)는 궤양영역의 경계부분을 스무딩 처리하여 윤곽선을 생성하고, 생성된 윤곽선을 안구영상의 원본에 표시하여 출력한다.
이하에서는 도 2 내지 도 15 를 이용하여 각막궤양 검출 장치(100)를 이용하여 각막계양을 검출하는 방법에 대해 더욱 상세하게 설명한다.
도 2는 본 발명의 실시예에 따른 각막궤양 검출 장치를 이용하여 각막궤양 검출 방법을 나타내는 순서도이다.
도 2에 도시된 바와 같이, 본 발명의 실시예에 따른 각막궤양 검출 장치(100)는 검사 대상자의 각막을 촬영한 안구영상을 입력받는다(S210).
부연하자면, 각막궤양은 각막표피에 발생하는 질병으로써 환자가 직접 발병부위를 관찰할 수 없기 때문에 근접 촬영 장비로 촬영된 영상을 토대로 진단이 이루어진다. 따라서, 영상입력부(110)는 근접 촬영 장비를 통해 촬영된 안구영상을 입력받는다.
그 다음, 전처리부(120)는 사용자에 의해 설정된 영역을 관심영역으로 추출한다(S220).
본 발명의 실시예에 따른 각막궤양 검출 방법은 사용자의 개입을 최소화한 상태에서 영상분할을 수행하여 각막궤양을 검출하는 것으로서, 사용자는 안구영상의 일부 영역을 관심영역으로 지정하거나, 임계값을 설정한다. 그러면, 전처리부(120)는 사용자에 의해 지정된 영역 또는 설정된 임계값을 통해 관심영역을 추출한다.
S220단계에서 관심영역에 대한 추출이 완료되면, 전처리부(120)는 관심영역에 전처리 과정을 수행한다(S230).
이하에서는 도 3 내지 도 8을 이용하여 S230단계에 대해 더욱 상세하게 설명한다.
도 3은 도 2에 도시된 S230단계를 설명하기 위한 순서도이고, 도4는 도 3에 도시된 S231단계에서 관심영역을 회색조로 변환한 상태를 나타내는 도면이고, 도 5는 도 3에 도시된 S232단계에서 관심영역에 히스토그램 평활화를 적용한 상태를 나타내는 도면이고, 도 6은 도 3에 도시된 S233단계에서 중간 픽셀값을 설정하는 방법을 나타내는 도면이고, 도 7은 도 3에 도시된 S233단계에서 설정된 중간값을 이용하여 관심영역에 포함된 노이즈를 제거한 상태를 나타내는 도면이고, 도 8은 도 3에 도시된 S234단계에서 관심영역에 감마보정을 적용한 상태를 나타내는 도면이다.
먼저, 도 3에 도시된 바와 같이, 본 발명의 실시예에 따른 전처리부(120)는 관심영역을 회색조(Gray scale) 형태로 변환한다(S231).
부연하자면, 전처리부(120)는 관심영역을 하기의 수학식 1을 이용하여 회색조로 변환한다.
Figure pat00008
즉, 전처리부(120)는 관심영역 내에 포함된 픽셀의 R, G, B값에 특정 상수를 곱하여 픽셀의 값을 0부터 255사이의 값으로 매핑되도록 한다. 그러면, 도 4에 도시된 바와 같이, 칼라 값을 가지고 있던 관심영역은 원본 영상과 동일한 휘도를 갖으며, 색상의 음영을 유지한 상태에서 회색조로 변환된다.
그 다음, 전처리부(120)는 회색조로 변환된 관심영역에 히스토그램 평활화 과정을 수행한다(S232).
부연하자면, 회색조로 변화된 관심영역에 포함된 픽셀의 값은 명암값을 나타낸다. 이때, 명암값의 분포가 한쪽으로 치우쳐있거나 분포가 균일하지 못하면 궤양영역에 대한 경계를 명확하게 구분할 수 없다. 따라서, 전처리부(120)는 히스토그램 평활화를 적용하여 궤양에 해당하는 영역과 배경에 해당하는 영역의 구분을 명확하게 한다.
이를 다시 설명하면, 전처리부(120)는 관심영역의 픽셀값을 이용하여 히스토그램을 생성한다. 그리고, 전처리부(120)는 획득한 히스토그램을 토대로 누적값 즉, 빈도 수를 획득하고, 획득한 빈도수를 이용하여 관심영역을 정규화한다.
이때, 전처리부(120)는 하기의 수학식 2를 이용하여 관심영역을 정규화할 수 있는 사상함수(
Figure pat00009
)를 산출한다.
Figure pat00010
여기서,
Figure pat00011
는 히스토그램의 누적값이고,
Figure pat00012
는 누적 히스토그램의 최소값이고, M 및 N은 관심영역의 크기값을 나타낸다. 또한, L은 정규화된 누적 히스토그램 범위의 크기값을 의미하므로 회색조 영상에서는 256의 값을 가진다.
그 다음, 전처리부(120)는 산출된 사상함수를 이용하여 관심영역에 매핑한다.
예를 들어 설명하면, 관심영역의 크기가 8
Figure pat00013
8이고, 히스토그램의 누적값이 34이고, 누적 히스토그램의 최소값이 1이라고 가정한다. 그러면, 전처리부(120)는 수학식 2에 의해 133.5의 사상함수를 획득할 수 있다. 그 다음, 전처리부(120)는 획득한 사상함수를 이용하여 픽셀값이 48인 모든 픽셀에 133.5라는 값으로 맵핑한다. 그러면, 도 5에 도시된 바와 같이, 전처리부(120)는 명암 대비가 높은 영상을 획득할 수 있다.
S232단계가 완료되면, 전처리부(120)는 관심영역에 포함된 노이즈를 중간 픽셀값을 이용하여 제거한다(S233).
히스토그램 평활화가 수행된 관심영역은 명암대비에 따라 궤양에 해당하는 영역과 배경에 해당하는 영역으로 구분될 수 있다. 다만, 궤양에 해당하는 영역의 경계에는 노이즈가 포함되어 있으므로 전처리부(120)는 관심영역에 중간값 필터를 적용하여 노이즈를 제거한다. 자세히는, 전처리부(120)는 임의의 크기를 가지는 필터를 관심영역에 적용하여 필터내의 픽셀값들을 오름차순 또는 내림차순으로 정렬한다. 그리고, 전처리부(120)는 정렬된 픽셀값들 중에서 중간에 위치하는 픽셀값을 이용하여 관심영역내의 노이즈를 제거한다.
예를 들어, 도 6에 도시된 바와 같이, 4×4의 크기를 갖는 관심영역 내에 3×3의 크기를 가지는 필터를 적용한다고 가정한다. 그러면, 전처리부(120)는 필터내에 포함된 픽셀값 즉, "4", "4", "5", "4", "3", "6", "3", "1", "2"를 오름차순 또는 내림차순으로 정렬하여 중간에 위치하는 픽셀값 "4"를 획득할 수 있다. 그러면, 전처리부(120)는 획득한 중간 픽셀값을 필터로 추출된 영역에 맵핑한다.
도 7에 도시된 바와 같이, 전처리부(120)는 중간 픽셀값을 적용하는 과정을 반복하여 궤양영역의 윤관선 부분에 노이즈가 제거된 영상을 획득한다.
그 다음, 전처리부(120)는 궤양에 해당하는 영역에 감마 보정 처리를 수행하여 경계를 단순화한다(S234).
부연하자면, 전처리부(120)는 관심영역에 포함된 배경에 해당하는 영역과 궤양에 해당하는 영역의 차이가 더욱 뚜렷하게 나타낼 수 있도록 감마보정 필터를 이용하여 보정작업을 수행한다.
전처리부(120)는 하기의 수학식 3에 의해 감마값을 산출하고, 산출된 감마값을 이용하여 선형을 비선형적으로 변형한다.
Figure pat00014
여기서,
Figure pat00015
는 관심영역에서 (i,j)에 위치한 픽셀의 보정된 밝기값을 나타내고,
Figure pat00016
는 픽셀값을 나타낸다.
따라서, 도 8에 도시된 바와 같이, 전처리부(120)는 산출된 감마값을 이용하여 관심영역의 밝은 부분 즉, 궤양에 해당하는 부분을 단순화되게 출력한다.
S230단계에 따라 전처리 과정이 완료되면, 궤양영역 검출부는 플러드 필(Flood-fill) 알고리즘을 적용하여 궤양영역을 검출한다(S240).
이하에서는 도 9 내지 도 11b를 이용하여 S240단계에 대해 더욱 상세하게 설명한다.
도 9는 도 2에 도시된 S240단계를 설명하기 위한 순서도이고, 도 10은 도 9에 도시된 S242단계에서 픽셀의 위치정보를 저장하는 배열의 구조를 설명하기 위한 도면이고, 도 11a 및 11b는 도 9에 도시된 S243단계에서 플러드 필 알고리즘에 따라 영역을 확장하는 방법을 설명하기 위한 도면이다.
도 9에 도시된 바와 같이, 본 발명의 실시예에 따른 궤양영역 검출부(130)는 Otsu 알고리즘을 이용하여 관심영역 내의 픽셀값 분포에 따라 임계값을 설정한다(S241).
Otsu 알고리즘은 영상내의 픽셀 값 분포에 따라 적절한 임계값을 도출할 수 있는 알고리즘이다. 따라서, 궤양영역 검출부(130)는 Otsu 알고리즘에 따라 관심영역에 포함된 픽셀을 2개의 영역으로 군집화하고, 군집화된 각각의 영역의 분산값을 이용하여 임계값을 설정한다. 자세히는, 궤양영역 검출부(130)는 히스토그램을 기반으로 특정 픽셀값을 임계값으로 하여 궤양에 해당하는 영역과 배경에 해당하는 영역으로 분류한다. 즉, 임계값은 궤양에 해당하는 영역과 배경에 해당하는 영역으로 나누는 기준 값을 나타내며, 궤양에 해당하는 영역의 분산값과 배경에 해당하는 영역의 분산값의 차이가 최대가 될 때의 기준값이 최적의 임계값이 된다.
이때, 분산값은 하기의 수학식 4를 이용하여 산출된다.
Figure pat00017
여기서,
Figure pat00018
는 임의의 픽셀이 궤양에 해당하는 영역에 속할 확률이고,
Figure pat00019
은 임의의 픽셀이 배경에 해당하는 영역에 속할 확률이고,
Figure pat00020
은 궤양에 해당하는 영역내 픽셀값의 평균을 나타내고,
Figure pat00021
은 배경에 해당하는 영역내 픽셀값의 평균을 나타내며,
Figure pat00022
은 전체 영상의 픽셀값의 평균을 나타낸다.
수학식 4에 의하면, 분산값은
Figure pat00023
으로 풀이된다. 즉, 궤양영역 검출부(130)는 궤양에 해당하는 영역의 픽셀 평균값과 배경에 해당하는 영역의 픽셀 평균값의 차이가 최대가 되어 분산 값이 최대가 될 때의 기준 값을 최적의 임계값으로 설정한다.
S241단계에서 임계값 설정이 완료되면, 궤양영역 검출부(130)는 플러드 필(Flood-fill) 알고리즘을 이용하여 궤양에 해당하는 영역을 확장하기 위하여 기준 픽셀을 설정한다(S242).
부연하자면, 플러드 필(Flood-fill) 알고리즘이란 2차원 이상의 배열에서 지정된 기준값을 중심으로 영역을 넓혀 나가는 영역확장 방식의 알고리즘으로써, 기준점이 되는 픽셀과 인접한 픽셀간의 값의 차이가 지정된 임계값 이하일 때 영역을 확장하고, 확장된 픽셀을 다시 기준점이 되는 픽셀로 설정하여 더 이상 영역이 확장되지 않을 때까지 반복하는 알고리즘이다. 그러므로, 플러드 필(Flood-fill) 알고리즘을 수행하기 위해서는 시작이 되는 기준 픽셀을 설정해주어야 한다.
기준 픽셀을 설정하는 방법을 살펴보면, 먼저 궤양영역 검출부(130)는 관심영역에 히스토그램(H)을 구한다.
도 10에 도시된 바와 같이, 궤양영역 검출부(130)는 관심영역에 포함된 각 픽셀의 좌표 정보를 저장하는 배열을 생성한다. 이때, 각 배열에 저장되는 픽셀의 개수(
Figure pat00024
)가 각 픽셀값의 확률(
Figure pat00025
)이 된다. 관심영역에서는 명도가 낮은 배경에 해당하는 영역과 명도가 높은 조명영역을 제외하면 궤양에 해당하는 영역에 속한 픽셀의 값이 가장 높은 확률을 가지게 된다. 따라서, 궤양영역 검출부(130)는 배경에 해당하는 영역
Figure pat00026
과 조명영역
Figure pat00027
을 제거하여 수학식 5와 같이 새로운 히스토그램(H')을 획득한다.
Figure pat00028
그 다음, 궤양영역 검출부(130)는 획득한 새로운 히스토그램(H')을 기반으로 빈도수가 가장 큰 픽셀 값을 수학식 6을 이용하여 획득한다.
Figure pat00029
궤양영역 검출부(130)는 획득한 픽셀값에 해당하는 복수의 픽셀들 중에서 하나의 픽셀을 랜덤으로 선택한다.
S242단계가 완료되면, 궤양영역 검출부(130)는 선택된 기준 픽셀과 인접한 픽셀간의 픽셀 차이값과 S241단계에서 획득한 임계값을 비교하여 궤양에 해당하는 영역을 확장한다(S243).
궤양영역 검출부(130)는 선택된 기준 픽셀을 중심으로 상하좌우의 4방향 또는 8방향으로 플러드 필(Flood-fill)을 진행한다.
예를 들어 설명하면, 도 11a에 도시된 바와 같이, 4방향으로 플러드 필(Flood-fill) 영역을 확장하고 임계값이 3이라고 가정한다. 그러면, 궤양영역 검출부(130)는 픽셀값이 "1"로 나타내는 기준 픽셀을 중심으로 이웃하는 주변의 픽셀, 즉 픽셀값이 각각 "6", "2", "3","5"를 가진 인접한 픽셀과의 차이값을 산출하고, 기준 픽셀과의 픽셀 차이값이 3보다 작은 픽셀 방향으로 영역을 확장한다. 여기서 확장되는 픽셀은 도 11a에서 픽셀값 "2"와 "3"을 가진 픽셀에 해당된다.
또한, 도 11b에 도시된 바와 같이, 8방향으로 플러드 필(Flood-fill) 영역을 확장하고 임계값이 3이라고 가정한다. 그러면, 궤양영역 검출부(130)는 픽셀값이 "1"로 나타내는 기준 픽셀을 중심으로 모든 방향에서 이웃하는 픽셀과의 차이값을 산출하고, 차이값이 3보다 작은 픽셀 방향으로 영역을 확장한다. 여기서 확장되는 픽셀은 도 11b에서 픽셀값 "3", "2" 및 "1"을 가진 픽셀에 해당된다.
궤양영역 검출부(130)는 더 이상 영역이 확장되지 않을 때까지 플러드 필(Flood-fill)을 반복적으로 수행하고, 확장이 완료된 상태에서의 궤양영역을 검출한다.
S240단계가 완료되면, 출력부(140)는 검출된 궤양영역에 대한 윤곽선을 생성하고, 생성된 윤곽선을 안구영상의 원본에 표시하여 출력한다(S250).
이하에서는 도 12 내지 15를 이용하여 S250단계에 대하여 더욱 구체적으로 설명한다.
도 12는 도 2에 도시된 S250를 설명하기 위한 순서도이고, 도 13은 도 12에 도시된 S251단계에서 미검출 영역을 채워 보정된 영상을 출력한 상태를 나타내는 도면이고, 도 14는 도 12에 도시된 S252단계에서 모폴로지 연산을 수행한 상태를 나타내는 도면이고, 도 15는 도 12에 도시된 S253단계에서 검출된 윤관선을 원본영상에 표시한 결과를 나타내는 도면이다.
도 12에 도시된 바와 같이, 먼저 출력부(130)는 검출된 궤양 영역 내에 미 검출 영역이 포함되어 있는지 여부를 판단하고, 판단결과 미검출 영역이 포함되어 있으면 미 검출 영역에 해당하는 홀을 채운다(S251).
부연하자면, 영상에 따라 궤양 중심부의 명암값이 다른 부분에 비해 마치 구멍이 뚫린 것처럼 검출되지 않는 현상이 발생될 수 있다. 따라서, 출력부(130)는 검출된 궤양 영역 내에 미 검출 영역이 포함되어 있는지의 여부를 판단한다.
미 검출 영역이 포함된 것으로 판단되면, 출력부(130)는 관심영역과 동일한 크기를 가지며 배경색이 반전된 반전 영상을 생성한다. 그리고, 출력부(130)는 반전 영상의 각 모서리에 해당하는 점에서 임계값이 0인 플러드 필(Flood-fill) 알고리즘을 적용하여 영역을 확장한다. 출력부(130)는 더 이상 영역이 확장되지 않을 때까지 플러드 필(Flood-fill)을 반복 수행하여 궤양 영역 내부에 남아있던 홀을 채운다. 그러면, 도 13에 도시된 바와 같이, 출력부(130)는 궤양영역 내부에 남아있던 구멍이 메워져 보다 정확한 결과영상을 도출할 수 있다.
그 다음, 출력부(130)는 궤양 영역의 경계부분에 포함된 노이즈를 제거하고 스무딩 처리를 수행한다(S252).
출력부(130)는 궤양 영역의 범위를 축소시키는 침식연산과 궤양 영역의 범위를 확대시키는 팽창 연산을 각각 변갈아 수행하는 모폴로지 연산을 수행하여 궤양 영역의 크기 변화 없이 경계 부분의 잡음을 제거한다.
자세히는, 출력부(130)는 먼저 침식 연산을 수행한 후 팽창 연산을 수행하여 배경에 해당하는 영역과 궤양 영역 사이의 노이즈를 없앤다. 그 다음, 출력부(130)는 팽창연산을 수행한 후 침식연산을 수행하여 궤양 역영 내부에 있는 작은 틈을 메운다. 도 14에 도시된 바와 같이, 출력부(130)는 연산의 반복적 수행을 통해 궤양영역의 경계부분에 스무딩 효과를 주고 내부의 미세한 틈을 메움으로써 궤양 영역의 경계검출에 적합한 결과를 도출한다.
마지막으로, 출력부(130)는 모폴로지 연산이 완료된 궤양 영역으로부터 윤곽선을 검출하고, 검출된 윤관선을 안구영상의 원본에 표시하여 출력한다(S253).
도 15에 도시된 바와 같이, 출력부(130)는 캐니 엣지 디텍션(Canny Edge Detection) 알고리즘을 이용하여 궤양영역의 윤곽선을 검출한다. 그리고, 출력부(130)는 검출된 윤곽선을 안구영상의 원본에 표시하여 출력한다.
이와 같이 본 발명에 따르면, 랜덤 기준점 선정 알고리즘에 의해 선정된 기준점을 중심으로 Otsu 방법을 통해 도출된 임계값을 이용하여 영역을 확장함으로써 궤양 영역을 검출하는데 있어서 객관적이고 정확도를 높일 수 있다. 또한, 본 발명에 따르면, 사용자의 개입을 최소화하여 객관적인 결과를 도출할 수 있고, 진료목적에 있어 향상된 신뢰도로 진료결과를 의료진과 환자에게 제공할 수 있다.
본 발명은 도면에 도시된 실시예를 참고로 하여 설명되었으나 이는 예시적인 것에 불과하며, 당해 기술이 속하는 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 진정한 기술적 보호범위는 아래의 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이다.
100 : 각막궤양 검출 장치
110 : 영상입력부
120 : 전처리부
130 : 궤양영역 검출부
140 : 출력부

Claims (20)

  1. 영상 처리를 기반으로 하는 각막궤양 검출 장치에 있어서,
    검사 대상자의 각막을 촬영한 안구영상을 입력받는 영상입력부,
    상기 입력된 안구영상으로부터 관심영역을 추출하고, 추출된 관심영역에 포함되는 각 픽셀의 RGB값을 이용하여 배경에 해당하는 영역과 궤양에 해당하는 영역 사이의 경계가 구분되도록 영상의 전처리 과정을 수행하는 전처리부,
    관심영역 내의 픽셀 값 분포에 따라 임계값을 도출하고, 도출된 임계값을 이용하여 기준 픽셀을 중심으로 궤양에 해당하는 영역을 확장하는 플러드 필(Flood-fill) 알고리즘을 적용하여 궤양영역을 검출하는 궤양영역 검출부, 그리고
    검출된 상기 궤양영역에 대한 윤곽선을 생성하고, 생성된 윤곽선을 안구영상의 원본에 표시하여 출력하는 출력부를 포함하는 각막궤양 검출 장치.
  2. 제1항에 있어서,
    상기 전처리부는,
    상기 관심영역에 해당하는 각각의 픽셀을 회색조(Gray scale) 형태로 변환한 다음, 상기 회색조 형태로 변환된 관심영역에 히스토그램 평활화를 수행하는 각막궤양 검출 장치.
  3. 제2항에 있어서,
    상기 전처리부는,
    하기의 수학식을 이용하여 회색조 형태로 변환하는 각막궤양 검출 장치:
    Figure pat00030
  4. 제2항에 있어서,
    상기 전처리부는,
    상기 히스토그램 평활화가 적용된 관심영역에 임의의 크기를 가지는 필터를 적용하여 필터내의 픽셀 값들을 오름차순 또는 내림차순으로 정렬한 다음, 복수의 픽셀 값들의 중간 픽셀값을 이용하여 관심영역내의 노이즈를 제거하고, 감마 보정 처리하여 궤양에 해당하는 영역의 경계를 단순화하는 각막궤양 검출 장치.
  5. 제1항에 있어서,
    상기 궤양영역 검출부는,
    Otsu 알고리즘을 이용하여 상기 관심영역 내의 픽셀 값 분포에 따라 임계값을 설정한 다음, 상기 관심영역에 포함된 각 픽셀의 좌표정보를 이용하여 기준점을 획득하고, 상기 획득한 기준점에 대응하는 기준 픽셀과 인접한 픽셀간의 픽셀 차이값과 상기 임계값을 비교하여 궤양에 해당하는 영역을 확장하는 각막궤양 검출 장치.
  6. 제5항에 있어서,
    상기 궤양영역 검출부는,
    Otsu 알고리즘에 따라 상기 관심영역에 포함된 픽셀을 궤양에 해당하는 영역과 배경에 해당하는 영역으로 군집화하고, 상기 궤양에 해당하는 영역의 분산값과 배경에 해당하는 영역의 분산값의 차이가 최대가 되는 픽셀값을 상기 임계값으로 설정하는 각막궤양 검출 장치.
  7. 제6항에 있어서,
    상기 분산값은,
    하기의 수학식으로 이용하여 산출되는 각막궤양 검출 장치:
    Figure pat00031

    여기서,
    Figure pat00032
    는 임의의 픽셀이 궤양에 해당하는 영역에 속할 확률이고,
    Figure pat00033
    은 임의의 픽셀이 배경에 해당하는 영역에 속할 확률이고,
    Figure pat00034
    은 궤양에 해당하는 영역내 픽셀값의 평균을 나타내고,
    Figure pat00035
    은 배경에 해당하는 영역내 픽셀값의 평균을 나타내며,
    Figure pat00036
    은 전체 영상의 픽셀값의 평균을 나타낸다.
  8. 제5항에 있어서,
    상기 궤양영역 검출부는,
    상기 관심영역에 포함된 각 픽셀의 좌표 정보를 저장하는 배열을 생성한 다음, 히스토그램을 수행하여 빈도수가 가장 큰 픽셀 값에 해당하는 복수의 픽셀들 중에서 하나의 픽셀을 랜덤으로 선택하여 기준픽셀로 설정하는 각막궤양 검출 장치.
  9. 제1항에 있어서,
    상기 출력부는,
    상기 검출된 궤양 영역 내에 미 검출 영역이 포함되어 있는지 여부를 판단하고, 판단결과 미 검출 영역이 포함되어 있으면 상기 관심영역과 동일한 크기를 가지며 배경색이 반전된 반전 영상을 생성하고,
    상기 반전 영상의 각 모서리에 해당하는 점에서 임계값이 0인 플러드 필(Flood-fill) 알고리즘을 적용하여 미 검출 영역에 해당하는 홀을 채우는 각막궤양 검출 장치.
  10. 제9항에 있어서,
    상기 출력부는,
    상기 궤양 영역에 모폴로지 연산에 해당하는 침식 연산과 팽창 연산을 번갈아 수행하여 상기 궤양영역의 경계부분에 포함된 노이즈를 제거하고 경계부분을 스무딩 처리하며, 캐니 엣지 디텍션(Canny Edge Detection) 알고리즘을 이용하여 궤양영역의 윤곽선을 생성하는 각막궤양 검출 장치.
  11. 영상 처리를 기반으로 하는 각막궤양 검출 장치를 이용한 각막 궤양 검출 방법에 있어서,
    검사 대상자의 각막을 촬영한 안구영상을 입력받는 단계,
    상기 입력된 안구영상으로부터 관심영역을 추출하고, 추출된 관심영역에 포함되는 각 픽셀의 RGB값을 이용하여 배경에 해당하는 영역과 궤양에 해당하는 영역 사이의 경계가 구분되도록 영상의 전처리 과정을 수행하는 단계,
    관심영역 내의 픽셀 값 분포에 따라 임계값을 도출하고, 도출된 임계값을 이용하여 기준 픽셀을 중심으로 궤양에 해당하는 영역을 확장하는 플러드 필(Flood-fill) 알고리즘을 적용하여 궤양영역을 검출하는 단계, 그리고
    검출된 상기 궤양영역에 대한 윤곽선을 생성하고, 생성된 윤곽선을 안구영상의 원본에 표시하여 궤양영역을 출력하는 단계를 포함하는 각막궤양 검출 방법.
  12. 제10항에 있어서,
    상기 전처리 과정을 수행하는 단계는,
    상기 관심영역에 해당하는 각각의 픽셀을 회색조(Gray scale) 형태로 변환하는 단계, 그리고
    상기 회색조 형태로 변환된 관심영역에 히스토그램 평활화를 수행하는 단계를 포함하는 각막궤양 검출 방법.
  13. 제11항에 있어서,
    상기 회색조 형태로 변환하는 단계는,
    하기의 수학식을 이용하여 각각의 픽셀값을 산출하는 각막궤양 검출 방법:
    Figure pat00037
  14. 제11항에 있어서,
    상기 전처리 과정을 수행하는 단계는,
    상기 히스토그램 평활화가 수행된 관심영역에 임의의 크기를 가지는 필터를 적용하여 필터내의 픽셀 값들을 오름차순 또는 내림차순으로 정렬한 다음, 복수의 픽셀 값들의 중간 픽셀값을 이용하여 관심영역내의 노이즈를 제거하는 단계, 그리고
    상기 잡음이 제거된 관심영역을 감마 보정 처리하여 상기 궤양에 해당하는 영역의 경계를 단순화하는 단계를 포함하는 각막궤양 검출 방법.
  15. 제11항에 있어서,
    상기 궤양영역을 검출하는 단계는,
    Otsu 알고리즘을 이용하여 상기 관심영역 내의 픽셀 값 분포에 따라 임계값을 설정하는 단계,
    상기 관심영역에 포함된 각 픽셀의 좌표정보를 이용하여 기준점을 획득하는 단계, 그리고
    상기 획득한 기준점에 대응하는 기준픽셀과 인접한 픽셀간의 픽셀 차이값과 상기 임계값을 비교하여 궤양에 해당하는 영역을 확장하는 단계를 포함하는 각막궤양 검출 방법.
  16. 제14항에 있어서,
    상기 궤양영역을 검출하는 단계는,
    Otsu 알고리즘에 따라 상기 관심영역에 포함된 픽셀을 궤양에 해당하는 영역과 배경에 해당하는 영역으로 군집화하고, 상기 궤양에 해당하는 영역의 분산값과 배경에 해당하는 영역의 분산값의 차이가 최대가 되는 픽셀값을 상기 임계값으로 설정하는 각막궤양 검출 방법.
  17. 제15항에 있어서,
    상기 분산값은,
    하기의 수학식으로 이용하여 산출되는 각막궤양 검출 방법:
    Figure pat00038

    여기서,
    Figure pat00039
    는 임의의 픽셀이 궤양에 해당하는 영역에 속할 확률이고,
    Figure pat00040
    은 임의의 픽셀이 배경에 해당하는 영역에 속할 확률이고,
    Figure pat00041
    은 궤양에 해당하는 영역내 픽셀값의 평균을 나타내고,
    Figure pat00042
    은 배경에 해당하는 영역내 픽셀값의 평균을 나타내며,
    Figure pat00043
    은 전체 영상의 픽셀값의 평균을 나타낸다.
  18. 제14항에 있어서,
    상기 기준점을 획득하는 단계는,
    상기 관심영역에 포함된 각 픽셀의 위치 정보를 저장하는 배열을 생성한 다음, 히스토그램을 수행하여 빈도수가 가장 큰 픽셀 값에 해당하는 복수의 픽셀들 중에서 하나의 픽셀을 랜덤으로 선택하여 기준 픽셀로 설정하는 각막궤양 검출 방법.
  19. 제11항에 있어서,
    상기 궤양영역을 출력하는 단계는,
    상기 검출된 궤양 영역 내에 미 검출 영역이 포함되어 있는지의 여부를 판단하고, 판단결과 미 검출 영역이 포함되어 있으면 상기 관심영역과 동일한 크기를 가지며 배경색이 반전된 반전 영상을 생성하는 단계, 그리고
    상기 반전 영상의 각 모서리점에서 임계값이 0인 플러드 필(Flood-fill) 알고리즘을 적용하여 미 검출 영역에 해당하는 홀을 채우는 단계를 포함하는 각막궤양 검출 방법.
  20. 제18항에 있어서,
    상기 궤양영역을 출력하는 단계는,
    상기 궤양 영역에 모폴로지 연산에 해당하는 침식연산과 팽창 연산을 번갈아 수행하여 궤양영역의 경계부분에 포함된 노이즈를 제거하고 경계부분을 스무딩 처리하며, 캐니 엣지 디텍션(Canny Edge Detection) 알고리즘을 이용하여 궤양영역의 윤곽선을 생성하는 단계를 더 포함하는 각막궤양 검출 방법.
KR1020200100471A 2020-08-11 2020-08-11 영상 처리를 기반으로 하는 각막궤양 검출 장치 및 그 방법 KR102380560B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020200100471A KR102380560B1 (ko) 2020-08-11 2020-08-11 영상 처리를 기반으로 하는 각막궤양 검출 장치 및 그 방법
PCT/KR2020/011726 WO2022034955A1 (ko) 2020-08-11 2020-09-01 영상 처리를 기반으로 하는 각막궤양 검출 장치 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200100471A KR102380560B1 (ko) 2020-08-11 2020-08-11 영상 처리를 기반으로 하는 각막궤양 검출 장치 및 그 방법

Publications (2)

Publication Number Publication Date
KR20220020033A true KR20220020033A (ko) 2022-02-18
KR102380560B1 KR102380560B1 (ko) 2022-03-31

Family

ID=80247011

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200100471A KR102380560B1 (ko) 2020-08-11 2020-08-11 영상 처리를 기반으로 하는 각막궤양 검출 장치 및 그 방법

Country Status (2)

Country Link
KR (1) KR102380560B1 (ko)
WO (1) WO2022034955A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102587679B1 (ko) * 2023-04-07 2023-10-12 주식회사 동진전기통신 태양광 패널 이상 검출 장치 및 그 방법

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9492322B2 (en) * 2009-11-16 2016-11-15 Alcon Lensx, Inc. Imaging surgical target tissue by nonlinear scanning
JP6363275B2 (ja) * 2017-07-13 2018-07-25 株式会社トプコン 眼科装置
JP7043759B2 (ja) * 2017-09-01 2022-03-30 株式会社ニデック 眼科装置、および白内障評価プログラム
JP7148114B2 (ja) * 2018-06-12 2022-10-05 株式会社トーメーコーポレーション 眼科装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Journal of the Society of Electronics Engineers, 2019, Vol. 56, No. 9, pages 53-66* *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102587679B1 (ko) * 2023-04-07 2023-10-12 주식회사 동진전기통신 태양광 패널 이상 검출 장치 및 그 방법

Also Published As

Publication number Publication date
WO2022034955A1 (ko) 2022-02-17
KR102380560B1 (ko) 2022-03-31

Similar Documents

Publication Publication Date Title
Figueiredo et al. Automated lesion detectors in retinal fundus images
EP2188779B1 (en) Extraction method of tongue region using graph-based approach and geometric properties
Khalil et al. Detection of glaucoma using cup to disc ratio from spectral domain optical coherence tomography images
JP3143819B2 (ja) まぶたの開度検出装置
JP2023021440A (ja) 眼の画像内における病変の検知
US11810293B2 (en) Information processing device, information processing method, and computer program
JP2012016453A (ja) 画像処理装置、画像処理方法、および画像処理プログラム
CN112164043A (zh) 一种用于多眼底图像拼接的方法及系统
KR20160118037A (ko) 의료 영상으로부터 병변의 위치를 자동으로 감지하는 장치 및 그 방법
Hatanaka et al. Improvement of automatic hemorrhage detection methods using brightness correction on fundus images
Shabbir et al. Automatic cotton wool spots extraction in retinal images using texture segmentation and Gabor wavelet
Naz et al. Glaucoma detection in color fundus images using cup to disc ratio
Khan et al. An efficient technique for retinal vessel segmentation and denoising using modified ISODATA and CLAHE
Uribe-Valencia et al. Automated Optic Disc region location from fundus images: Using local multi-level thresholding, best channel selection, and an Intensity Profile Model
KR102380560B1 (ko) 영상 처리를 기반으로 하는 각막궤양 검출 장치 및 그 방법
Kumar et al. Automatic optic disc segmentation using maximum intensity variation
CN115908405B (zh) 确定眼底特征的方法、装置和电子设备
KR20210050790A (ko) 딥러닝 기반의 아밀로이드 양성 반응을 나타내는 퇴행성 뇌질환 이미지 분류 장치 및 방법
KR102282334B1 (ko) 시신경 유두 분류 방법
Lodin et al. Retracted: Design of an iris-based medical diagnosis system
WO2021009804A1 (ja) 閾値の学習方法
Martins et al. Evaluation of retinal vessel segmentation methods for microaneurysms detection
JP7334922B1 (ja) 画像処理装置、画像処理方法及びプログラム
Chandrappa et al. Segmentation of retinal nerve fiber layer in optical coherence tomography (OCT) images using statistical region merging technique for glaucoma screening
JP2016073537A (ja) 眼底画像解析装置及び眼底画像解析方法

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right