KR20220044902A - 진단 지원 프로그램 - Google Patents

진단 지원 프로그램 Download PDF

Info

Publication number
KR20220044902A
KR20220044902A KR1020217042237A KR20217042237A KR20220044902A KR 20220044902 A KR20220044902 A KR 20220044902A KR 1020217042237 A KR1020217042237 A KR 1020217042237A KR 20217042237 A KR20217042237 A KR 20217042237A KR 20220044902 A KR20220044902 A KR 20220044902A
Authority
KR
South Korea
Prior art keywords
processing
images
organ
change
image
Prior art date
Application number
KR1020217042237A
Other languages
English (en)
Inventor
타케히코 아베
노리후미 요시다
Original Assignee
파라메비아 피티이. 엘티디.
가부시키가이샤 메디오트
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 파라메비아 피티이. 엘티디., 가부시키가이샤 메디오트 filed Critical 파라메비아 피티이. 엘티디.
Publication of KR20220044902A publication Critical patent/KR20220044902A/ko

Links

Images

Classifications

    • 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
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/0035—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for acquisition of images from more than one imaging mode, e.g. combining MRI and optical tomography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
    • A61B5/0044—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the heart
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/46—Arrangements for interfacing with the operator or the patient
    • A61B6/461—Displaying means of special interest
    • A61B6/463—Displaying means of special interest characterised by displaying multiple images or images and diagnostic data on one display
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/503—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of the heart
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A61B6/5247—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from an ionising-radiation diagnostic technique and a non-ionising radiation diagnostic technique, e.g. X-ray and ultrasound
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/10—Image enhancement or restoration using non-spatial domain filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/162—Segmentation; Edge detection involving graph-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/037—Emission tomography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
    • 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
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • 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
    • G06T2207/10116—X-ray image
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20072—Graph-based image processing
    • 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
    • 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
    • G06T2207/30048—Heart; Cardiac
    • 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
    • G06T2207/30061—Lung

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Pathology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Optics & Photonics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physiology (AREA)
  • Cardiology (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Artificial Intelligence (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Dentistry (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Quality & Reliability (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Image Processing (AREA)

Abstract

장기의 움직임을 디스플레이하게 하는 진단 지원 프로그램이 제공된다.
인간의 장기의 이미지들을 분석하고 분석 결과들을 디스플레이하는 진단 지원 프로그램으로서, 컴퓨터가 복수의 프레임 이미지들을 취득하는 프로세싱, 각각의 프레임 이미지들 사이에서 장기의 상태를 특징으로 하는 주기적 변화를 계산하는 프로세싱, 장기의 상태를 특징으로 하는 주기적 변화를 푸리에-변환하는 프로세싱, 푸리에-변환 이후 획득된 스펙트럼 중, 장기의 움직임 주파수에 대응하는 스펙트럼을 포함하는 고정 대역의 스펙트럼을 추출하는 프로세싱, 고정 대역에서 추출된 스펙트럼에 대해 역 푸리에 변환을 수행하는 프로세싱, 및 역 푸리에 변환을 수행한 후 각각의 이미지들을 출력하는 프로세싱을 포함하는 프로세스를 실행하게 하는 프로그램이 제공된다.

Description

진단 지원 프로그램
본 발명은 심장 이미지들을 분석하고 분석 결과들을 디스플레이하는 기법에 관한 것이다.
최근에, 심장 질환들로 인한 모랄러티 레이트(morality rate)가 높아짐에 따라, 유용하고 간단한 진단 기술의 필요성이 높게 증가하였다. MRI 진단 기술은 빠르게 발전하고 있고, 짧은 시간에 다양한 심장 검사들 수행할 수 있게 됨에 따라 심장 지역의 이미지 진단에 있어 MRI의 중요성이 높아지고 있다. "심장 MRI"에 관하여, "시네 MRI(cine MRI)", "관류", "지연 조영-증강 방법" 및 "BB(흑혈) 방법"과 같은 검사들이 수행된다. 특히, 검사 범위에 제한이 없는 시네 MRI는 초음파 검사, SPECT 검사 등에 비해 임의의 단면들을 관찰할 수 있고 재현성이 높을 수 있다. 그러므로, 이미징은 일반적으로 많은 의료 시설들에서 수행된다. 예를 들어, 시네 MRI의 경우, 심전도 게이팅 방법을 사용하여 좌심실 전체에 대해 "약 10 슬라이스/20 단계들"의 데이터 수집이 수행된다. 최근에, "정상 상태(Steady State) 방법"을 사용하여 혈액과 심근 사이의 높은 대비가 획득될 수 있다. 또한 '심장 기능 분석'에서, CT, LVG(좌심실조영술), SPECT에 비해 정확한 값들을 획득할 수 있기 때문에 MRI에 의한 심장 기능들 평가의 필요성이 높아지고 있다.
위와 같이, 심장 MRI는 임상적으로 유용하고, 특히 이미징은 많은 의료 시설들에서 시네 MRI에서 수행되지만, 이미지들은 소프트웨어를 사용하여 거의 분석되지 않았다. 이에 대한 이유는 기존의 심장 기능 분석에 사용되는 소프트웨어가 심근막들의 내측과 외측의 윤곽들을 추출 및 정정하기 위해 복잡한 동작들을 요구하기 때문이라 한다. 또한, 심근막들의 내측과 외측의 윤곽 추적이 개별 오퍼레이터에 의해 쉽게 영향을 받기 때문에, 분석 결과들의 재현성은 또한 문제였다. 또한, 심장 MRI가 보편화되고 많은 의료 시설들이 다중 제조사들에 의해 제공되는 MRI 시스템을 사용하는 상황에서, 각각의 회사에 의해 사용되는 시퀀스들의 이름들은 달라, 데이터를 쉽게 다루기 어렵게 한다.
위 문제들을 해결하고, 복잡한 심근 윤곽들을 추적하는 수고를 감소시키기 위해, 의도하지 않은 추적이 이루어지더라도 정정 작업이 감소되게 하도록 정확도를 향상시키고 자동으로 보간 프로세싱을 수행하는 소프트웨어가 제공되었다. 이 소프트웨어에서, MRI 심장 기능 분석을 위해 뷰어에 이미지들을 나란히 디스플레이하고 플릭킹 동작(flicking operation)에 의해 스트레스가 적은 이미지 관찰이 가능해진다.
비-특허 문헌 1: https://www.zio.co.jp/ziostation2/
그러나, 비-특허 문헌 1에 설명된 기법과 같이 단순히 MRI 이미지들을 나란히 디스플레이하는 것만으로는 의사가 병리학적 상태를 파악하기가 쉽지 않다. 결과적으로, 심장의 상태에 따라 이미지들을 디스플레이하는 것이 바람직하다. 즉, 인체의 심장을 피사체로 파악하고, 심장의 파형이나 주파수의 변화 경향, 또는 이의 이미지에 기반하여 실제 움직임을 보여주는 이미지들을 디스플레이하는 것이 바람직하다.
본 발명은 이러한 상황을 고려하여 이루어졌고 장기의 움직임을 디스플레이할 수 있는 진단 지원 프로그램을 제공하는 것을 목적으로 한다. 보다 구체적으로, 새로운 타겟 데이터에 대해 이미 취득된 파형 및 Hz에 대한 일치율 또는 다른 불-일치율을 디지털화하여 진단에 도움을 주는 수치 값들을 계산하고 이런 수칙 값들을 추가로 이미징함으로써 진단에 도움을 주는 이미지들을 생성하는 것을 목적으로 한다.
(1) 전술된 목적을 달성하기 위하여, 본 출원은 다음과 같은 단계들을 취하였다. 즉, 본 발명의 일 양태에 따른 진단 지원 프로그램은 인간의 장기의 이미지들을 분석하고 분석 결과들을 디스플레이하는 진단 지원 프로그램이고, 프로그램은 컴퓨터가 복수의 프레임 이미지들을 취득하는 프로세싱; 각각의 프레임 이미지들 사이에서 장기의 상태를 특징으로 하는 주기적 변화를 계산하는 프로세싱; 장기의 상태를 특징으로 하는 주기적 변화를 푸리에-변환하는 프로세싱; 푸리에-변환 이후 획득된 스펙트럼 중, 장기의 움직임 주파수에 대응하는 스펙트럼을 포함하는 고정 대역의 스펙트럼을 추출하는 프로세싱; 고정 대역에서 추출된 스펙트럼에 대해 역 푸리에 변환을 수행하는 프로세싱; 및 역 푸리에 변환을 수행한 후 각각의 이미지들을 출력하는 프로세싱을 포함하는 프로세스를 실행하게 한다.
(2) 또한, 본 발명의 일 양태에 따른 진단 지원 프로그램은 인간 장기의 이미지들을 복수의 블록 영역들로 분할하고 각각의 프레임 이미지들의 블록 영역들에서 이미지의 변화를 계산하는 프로세싱; 각각의 프레임 이미지들의 각각의 블록 영역에서 이미지의 변화를 푸리에-변환하는 프로세싱; 푸리에-변환 후 획득된 스펙트럼 중, 장기의 움직임 주파수에 대응하는 스펙트럼을 포함하는 고정 대역의 스펙트럼을 추출하는 프로세싱; 및 고정 대역에서 추출된 스펙트럼에 대해 역 푸리에 변환을 수행하는 프로세싱을 더 포함하는 특징을 갖는다.
(3) 또한, 본 발명의 일 양태에 따른 진단 지원 프로그램은 인간의 장기의 이미지들을 분석하고 분석 결과들을 디스플레이하는 진단 지원 프로그램이고, 프로그램은 컴퓨터가 복수의 프레임 이미지들을 취득하는 프로세싱; 각각의 프레임 이미지들 사이에서 장기의 상태를 특징으로 하는 주기적 변화를 계산하는 프로세싱; 각각의 프레임 이미지들 사이에서 장기의 상태를 특징으로 하는 주기적 변화를 계산하는 프로세싱; 디지털 필터에 의해 이미지에서 장기의 상태를 특징으로 하는 주기적 변화의 주파수에 대응하여 변화하는 픽셀들을 추출하는 프로세싱; 및 디지털 필터에 의해 추출된 픽셀들을 포함하는 이미지들을 출력하는 프로세싱을 포함하는 프로세스를 실행하게 한다.
(4) 또한, 본 발명의 일 양태에 따른 진단 지원 프로그램은 장기의 이미지들을 복수의 블록 영역들로 분할하고 각각의 프레임 이미지들의 각각의 블록 영역에서 이미지의 변화를 계산하는 프로세싱; 및 디지털 필터에 의해 이미지에서 장기의 움직임 주파수에 대응하여 변화하는 픽셀들을 추출하는 프로세싱을 더 포함하는 특징을 갖는다.
(5) 또한, 본 발명의 일 양태에 따른 진단 지원 프로그램은 인간의 장기의 이미지들을 분석하고 분석 결과들을 디스플레이하는 진단 지원 프로그램이고, 프로그램은 컴퓨터가 복수의 프레임 이미지들을 취득하는 프로세싱; 각각의 프레임 이미지들 사이에서 장기의 상태를 특징으로 하는 주기적 변화율을 계산하는 프로세싱; 장기의 상태를 특징으로 하는 주기적 변화에 대응하는 컬러를 선택하는 프로세싱; 및 픽셀 값들의 변화율에 대해 선택된 컬러를 추가하고 이미지들을 디스플레이 상에 디스플레이하는 프로세싱을 포함하는 프로세스를 실행하게 한다.
(6) 또한, 본 발명의 일 양태에 따른 진단 지원 프로그램은 장기의 이미지들을 복수의 블록 영역들로 분할하고 각각의 프레임 이미지들의 각각의 블록 영역에서 이미지의 변화율을 계산하는 프로세싱; 및 각 디지털 필터에 의해 이미지에서 장기의 움직임 주파수에 대응하여 변화하는 픽셀들을 추출하는 프로세싱을 더 포함하는 특징을 갖는다.
(7) 또한, 본 발명의 일 양태에 따른 진단 지원 프로그램은 인체의 이미지들을 분석하고 분석 결과들을 디스플레이하는 진단 지원 프로그램이고, 프로그램은 컴퓨터가 복수의 이미지들을 취득하는 프로세싱; 취득된 모든 프레임 이미지들에 대한 분석 범위를 규정하는 프로세싱; 보로노이 테셀레이션(Voronoi tessellation) 방법을 사용하여 분석 범위를 복수의 영역들로 분할하는 프로세싱; 및 각각의 분할된 영역들에 대한 주기적 변화에 대해 수행될 임의의 산술 연산들을 실행하는 프로세싱을 포함하는 프로세스를 실행하게 한다.
(8) 또한, 본 발명의 일 양태에 따른 진단 지원 프로그램은 인체의 이미지들을 분석하고 분석 결과들을 디스플레이하는 진단 지원 프로그램이고, 프로그램은 컴퓨터가 복수의 이미지들을 취득하는 프로세싱; 취득된 모든 프레임 이미지들에 대한 분석 범위를 규정하는 프로세싱; 분석 범위를 복수의 영역들로 분할하는 프로세싱; 및 각각의 분할된 영역들에 대한 주기적 변화의 인덱스에 기반하여 각각의 영역들을 분류하는 프로세싱을 포함하는 프로세스를 실행하게 한다.
(9) 또한, 본 발명의 일 양태에 따른 진단 지원 프로그램은 인간의 장기의 이미지들을 분석하고 분석 결과들을 디스플레이하는 진단 지원 프로그램이고, 프로그램은 컴퓨터가 복수의 프레임 이미지들을 취득하는 프로세싱; 복수의 프레임 이미지들에서 각각의 픽셀의 절대적 위치 관계가 유지되는 상태에서 장기의 상태를 특징으로 하는 주기적 변화를 계산하는 프로세싱; 장기의 상태를 특징으로 하는 주기적 변화를 푸리에-변환하는 프로세싱; 푸리에-변환 이후 획득된 스펙트럼 중, 장기의 움직임 주파수에 대응하는 스펙트럼을 포함하는 고정 대역의 스펙트럼을 추출하는 프로세싱; 고정 대역에서 추출된 스펙트럼에 대해 역 푸리에 변환을 수행하는 프로세싱; 및 역 푸리에 변환을 수행한 후 각각의 이미지들을 출력하는 프로세싱을 포함하는 프로세스를 실행하게 한다.
(10) 또한, 본 발명의 일 양태에 따른 진단 지원 프로그램은 인간의 장기의 이미지들을 분석하고 분석 결과들을 디스플레이하는 진단 지원 프로그램이고, 프로그램은 컴퓨터가 복수의 프레임 이미지들을 취득하는 프로세싱; 복수의 프레임 이미지들에서 각각의 픽셀의 절대적 위치 관계가 유지되는 상태에서 장기의 상태를 특징으로 하는 주기적 변화를 계산하는 프로세싱; 디지털 필터에 의해 이미지에서 장기의 상태를 특징으로 하는 주기적 변화의 주파수에 대응하여 변화하는 픽셀들을 추출하는 프로세싱; 및 디지털 필터에 의해 추출된 픽셀들을 포함하는 이미지들을 출력하는 프로세싱을 포함하는 프로세스를 실행하게 한다.
(11) 또한, 본 발명의 일 양태에 따른 진단 지원 프로그램은 인간의 장기의 이미지들을 분석하고 분석 결과들을 디스플레이하는 진단 지원 프로그램이고, 프로그램은 컴퓨터가 복수의 프레임 이미지들을 취득하는 프로세싱; 각각의 복수의 프레임 이미지들에서 각각의 픽셀의 절대적 위치 관계가 유지되는 상태에서 장기의 상태를 특징으로 하는 주기적 변화를 계산하는 프로세싱; 장기의 상태를 특징으로 하는 주기적 변화율에 대응하는 컬러를 선택하는 프로세싱; 및 픽셀 값들의 변화율에 대해 선택된 컬러를 추가하고 이미지들을 디스플레이 상에 디스플레이하는 프로세싱을 포함하는 프로세스를 실행하게 한다.
(12) 또한, 본 발명의 일 양태에 따른 진단 지원 프로그램은 복수의 프레임 이미지들을 복수의 그룹들로 분류하고 각각의 그룹에 속하는 복수의 프레임 이미지들에서 각각의 픽셀의 절대적 위치 관계가 유지되는 상태에서 장기의 상태를 특징으로 하는 주기적 변화를 계산하는 특징을 갖는다.
(13) 또한, 본 발명의 일 양태에 따른 진단 지원 프로그램은 프레임 이미지들이 인접한 프레임 프레임들인지 아닌지 여부에 관계없이 장기를 나타내는 픽셀들의 상대적 위치 관계가 각각의 프레임 이미지들 사이에서 유지되는 상태에서 각각의 프레임 이미지들의 블록 영역들에서 이미지 변화를 계산하는 특징을 갖는다.
(14) 또한, 본 발명의 일 양태에 따른 진단 지원 프로그램은 X-선들로 촬영된 프레임 이미지들에서 특정 영역의 투과성로부터 변화된 투과성을 원래대로 되돌리는 프로세싱을 더 포함하는 특징을 갖는다.
(15) 또한, 본 발명의 일 양태에 따른 진단 지원 프로그램은 MRI에 의해 촬영된 프레임 이미지에서 MRI 자기장이 불균일한 영역의 신호값을 정정하고 이를 자기장이 균일할 때 획득되는 이미지로 변환하는 프로세싱을 더 포함하는 특징을 갖는다.
(16) 또한, 본 발명의 일 양태에 따른 진단 지원 프로그램은 프레임 이미지들이 인접 프레임들인지 아닌지 여부에 관계없이 각각의 프레임 이미지들 사이의 전체 장기의 변화 측면들로부터 변화율을 계산하고, 계산된 변화율에 기반하여 특정 블록 영역들의 이미지 변화를 계산하는 특징을 갖는다.
(17) 또한, 본 발명의 일 양태에 따른 진단 지원 프로그램은 장기 내 블록 영역들의 위치에 따라 변화율이 변화하거나 장기 전체에 걸쳐 일정하다는 특징을 갖는다.
(18) 또한, 본 발명의 일 양태에 따른 진단 지원 프로그램은 장기의 크기가 최대일 때 최대 외부 에지를 설정하는 프로세싱; 장기의 크기가 최소일 때 최소 외부 에지를 설정하는 프로세싱; 최대 외부 에지 및 최소 외부 에지를 사용하여 각각의 이미지에서 다른 크기들의 장기들의 외부 에지들의 계수들을 계산하는 프로세싱; 및 각각의 이미지들에서 장기들의 외부 에지들의 계수들에 대응하는 파형과 파형의 제어 지점들을 그래프 상에 디스플레이하는 프로세싱을 포함하는 특징을 가지며, 제어 지점들의 위치들을 가변시킴으로써 각각의 이미지의 계수들이 변화된다.
(19) 또한, 본 발명의 일 양태에 따른 진단 지원 프로그램은 장기 이미지의 픽셀 평균값을 그래프에 디스플레이하는 특징을 갖는다.
(20) 또한, 본 발명의 일 양태에 따른 진단 지원 프로그램은 그래프와 병치된 장기의 이미지를 디스플레이하는 특징을 갖는다.
(21) 또한, 본 발명의 일 양태에 따른 진단 지원 프로그램은 인간의 장기의 이미지들을 분석하고 분석 결과들을 디스플레이하는 진단 지원 프로그램이고, 프로그램은 컴퓨터가 복수의 프레임 이미지들을 취득하는 프로세싱; 각각의 프레임 이미지들에서 인간 장기의 이미지들을 복수의 블록 영역들로 분할하는 프로세싱; 각각의 프레임 이미지들의 블록 영역들의 이미지 변화를 계산하는 프로세싱; 각각의 블록 영역들에서 변화 값을 푸리에-변환하는 프로세싱; 및 주파수 성분들의 조성비에 기반하여 컬러들에 의해 각각의 영역을 분류하는 프로세싱을 포함하는 프로세스를 실행하게 한다.
(22) 또한, 본 발명의 일 양태에 따른 진단 지원 프로그램은 인간의 장기의 이미지들을 분석하고 분석 결과들을 디스플레이하는 진단 지원 프로그램이고, 프로그램은 컴퓨터가 복수의 프레임 이미지들을 취득하는 프로세싱; 특정 프레임 이미지의 각각의 픽셀에 대해, 다음 및 후속 프레임 이미지들의 각각의 픽셀들의 좌표들과 상이한 좌표들을 갖는 픽셀들을 추출하고, 장기의 상태를 특징으로 하는 주기적 변화를 계산하는 프로세싱; 장기의 상태를 특징으로 하는 주기적 변화를 푸리에-변환하는 프로세싱; 푸리에-변환 이후 획득된 스펙트럼 중, 장기의 움직임 주파수에 대응하는 스펙트럼을 포함하는 고정 대역의 스펙트럼을 추출하는 프로세싱; 고정 대역에서 추출된 스펙트럼에 대해 역 푸리에 변환을 수행하는 프로세싱; 및 역 푸리에 변환을 수행한 후 각각의 이미지들을 출력하는 프로세싱을 포함하는 프로세스를 실행하게 한다.
(23) 또한, 본 발명의 일 양태에 따른 진단 지원 프로그램은 인간의 장기의 이미지들을 분석하고 분석 결과들을 디스플레이하는 진단 지원 프로그램이고, 프로그램은 컴퓨터가 복수의 프레임 이미지들을 취득하는 프로세싱; 특정 프레임 이미지의 각각의 픽셀에 대해, 다음 및 후속 프레임 이미지들의 각각의 픽셀들의 좌표들과 상이한 좌표들을 갖는 픽셀들을 추출하고, 장기의 상태를 특징으로 하는 주기적 변화를 계산하는 프로세싱; 디지털 필터에 의해 이미지에서 장기의 상태를 특징으로 하는 주기적 변화의 주파수에 대응하여 변화하는 픽셀들을 추출하는 프로세싱; 및 디지털 필터에 의해 추출된 픽셀들을 포함하는 이미지들을 출력하는 프로세싱을 포함하는 프로세스를 실행하게 한다.
(24) 또한, 본 발명의 일 양태에 따른 진단 지원 프로그램은 인간의 장기의 이미지들을 분석하고 분석 결과들을 디스플레이하는 진단 지원 프로그램이고, 프로그램은 컴퓨터가 복수의 프레임 이미지들을 취득하는 프로세싱; 특정 프레임 이미지의 각각의 픽셀에 대해, 다음 및 후속 프레임 이미지들의 각각의 픽셀들의 좌표들과 상이한 좌표들을 갖는 픽셀들을 추출하고, 장기의 상태를 특징으로 하는 주기적 변화를 계산하는 프로세싱; 장기의 상태를 특징으로 하는 주기적 변화율에 대응하는 컬러를 선택하는 프로세싱; 및 픽셀 값들의 변화율에 대해 선택된 컬러를 추가하고 이미지들을 디스플레이 상에 디스플레이하는 프로세싱을 포함하는 프로세스를 실행하게 한다.
본 발명의 일 양태에 따라, 인체의 심장을 피사체로 파악하고, 심장의 파형이나 주파수의 변화 경향, 또는 이의 이미지에 기반하여 실제 움직임을 각각 보여주는 이미지들을 디스플레이하는 것이 가능하게 된다.
도 1은 본 실시예에 따른 진단 지원 시스템의 개략 구성을 나타내는 도면이다.
도 2a는 심장의 단면도를 도시하는 도면이다.
도 2b는 심장의 단면도를 도시하는 도면이다.
도 2c는 심장의 단면도를 도시하는 도면이다.
도 2d는 보로노이 테셀레이션의 일 예를 도시하는 도면이다.
도 3a는 특정 블록에서 "강도"의 변화와 이의 푸리에 분석을 수행하여 획득된 결과를 도시하는 도면이다.
도 3b는 심장 박동에 가까운 주파수 성분들을 추출하여 획득된 푸리에 변환 결과와 이에 대해 역 푸리에 변환을 수행하여 획득된 심장 박동에 가까운 주파수 성분들의 "강도" 변화를 도시하는 도면이다.
도 3c는 푸리에-변환 후 획득된 스펙트럼에서 소정 고정 대역을 추출하는 예를 도시하는 도면이다.
도 4는 본 실시예에 따른 이미지 프로세싱의 개요를 도시하는 흐름도이다.
도 5는 본 실시예에 따른 이미지 프로세싱의 개요를 도시하는 흐름도이다.
도 6은 본 실시예에 따른 이미지 프로세싱의 개요를 도시하는 흐름도이다.
도 7a는 인체의 좌측 폐를 전면에서 본 개략도이다.
도 7b는 인체의 좌측 폐를 좌측에서 본 개략도이다.
도 8a는 인체의 좌측 폐를 전면에서 본 개략도이다.
도 8b는 인체의 좌측 폐를 좌측에서 본 개략도이다.
도 9a는 인체의 좌측 폐를 전면에서 본 개략도이다.
도 9b는 인체의 좌측 폐를 좌측에서 본 개략도이다.
도 10a는 인체의 좌측 폐를 전면에서 본 개략도이다.
도 10b는 인체의 좌측 폐를 좌측에서 본 개략도이다.
도 11은 본 발명의 폐장(lung field) 검출 방법의 일례를 도시하는 도면이다.
본 발명의 발명자들은 장기(예를 들어, 심장의 심근)의 움직임을 가시화하기 위한 기술이 종래에 실용화되지 않았다는 사실에 집중하였고, 장기들의 움직임의 편차뿐만 아니라 움직이지 않는 곳들까지 표현하여 의사의 진단을 지원하고, 본 발명을 제시하게 되었다는 것을 발견하였다. 즉, 과거 심장 이미지 프로세싱 기술에서 필터링 프로세싱이 잘 적용되지 않았기 때문에, 본 발명자들은 심장 이미지에 대한 타겟 주파수를 추출하는 필터를 적용하여, 보기 어려운 것을 보이게 하였다. 이런 방식으로, 과거에 많은 기술을 요구한 진단은 단순화될 수 있고, 동영상들은 질적으로 표현되어 디스플레이되는 콘텐츠에 객관성을 제공할 수 있다. 본 명세서에서 심장이 장기의 예로서 설명을 위해 사용되었지만, 본 발명은 심장에 한정되지 않고 다양한 장기들 및 혈관들에 적용될 수 있음은 말할 필요도 없다.
본 출원의 발명에서, 심근의 움직임이 일정하다고 가정하면, 피험자의 이전 이미지들과의 비교, 분석될 범위 및 전체 심근의 평균과의 비교, 정상 이미지들과의 비교, 또는 연령 샘플과의 비교에 의해 구별이 가능하다.
먼저, 본 발명의 기본 개념이 설명된다. 본 발명에 따르면, 고정된 주기에서 반복적 방식으로 캡처된 움직임에 대하여 인체 장기의 상태, 예를 들어 심장의 단면적, 표면적, 용적 등을 특징으로 하는 주기적 변화에 대하여, 전체 또는 소정 부분 범위에서 시간축의 고정된 반복 또는 고정된 움직임(루틴)은 파로서 캡처되고 측정된다. 파의 측정 결과들에 대해, (A) 파 자체의 형태 또는 (B) 파 간격들(주파수: Hz)이 사용된다.
심장 이미지들에 대해, 동일한 시간 기간 동안 유사하게 링크된 파들이 존재할 수 있다. 예를 들어, 심장 박동의 경우, 다음 근사화가 개념화할 수 있다.
(대략적인 밀도 변화의 평균)
Figure pct00001
(심장 박동)
Figure pct00002
(심장 변화)
Figure pct00003
(심전도)
Figure pct00004
(심장의 표면적 및 용적 변화)
본 발명에서, 예를 들어 심장에 관하여, 국부적 심실벽들의 변형(벽두께 확장, 벽두께 수축)에 초점을 맞추어 분석하는 것이 가능하고, 심장 수축 두께, 심장 확장 두께, 및 벽 움직임(내막 및 외막)을 캡처하여 주기적으로 나타내는 것이 가능하다. 또한, 심장의 경우, "(2 x 후벽 두께)/좌심실 확장기말 직경)"으로부터 계산되는 상대벽 두께(RWT)와, "(확장기말 용적 - 수축기말 용적)/(확장기말 용적)에서 계산되는 "박축률"을 캡처하여 주기적으로 나타내는 것이 가능하다.
본 발명에서, 이들 데이터 또는 조합하여 이들을 사용하여 획득된 데이터를 사용함으로써, 더 높은 정확도로 이미지를 추출하는 것이 가능해진다. 이 경우, 계산들은 때때로 상호작용가능하게 다수 번 수행될 있다. 이때, 다시 결과들에 관한 아티팩트가 제거되고, 함수의 추출은 새로운 데이터 추출 파형에서 제1 베이스가 되는 데이터 파형, 모랄러티의 다른 파형 등, 주변, 및 복수 횟수들의 파형을 추출하여 수행된다. 이 경우, 횟수는 1회 또는 복수회일 수 있다.
여기서, 베이스 데이터를 생성할 때, 상호 성분 추출들은 복수의 모랄러티들(예를 들어, 소정 밀도, 용적에 의해 구성되는 변화량, 심장의 움직임 등)에 의해, 또는 심장 박동 등에 대한 복수회 파형 측정에 의해 서로에 대해 구성되어, 정확도를 개선시킨다. 이렇게 함으로써, 라인 등의 소정 고정 예측에 기반하여 아티팩트를 감소시키고 정확도를 개선하는 것이 가능해진다.
여기서, '밀도'는 '밀도'로 번역되지만, 이미지에서는, 특정 영역의 픽셀들의 '흡수값'을 의미한다. 예를 들어, CT의 경우, 공기, 뼈들, 물은 각각 "-1000", "1000", "0"으로 사용된다.
본 명세서에서, "밀도"와 "강도"는 구별하여 사용된다. 위에서 설명된 바와 같이, "밀도"는 흡수 값을 의미하고 XP 및 XP 동영상들의 원본 이미지들에서 높은 통기성을 나타내고, 공기, 물 및 뼈들은 높은 투과성을 나타내는 부분을 백색으로 디지털화함으로써, 각각 "-1000", "0" 및 "1000"으로 디스플레이된다. 다른 한편, '강도'는 '밀도'에서 상대적으로 변화된 것으로, 예를 들어 '변환'을 통해 정규화되어 밀도의 정도와 신호 폭으로 디스플레이된다. 즉, "강도"는 밝고-어두움, 강조 정도 등의 상대적인 값이다. 이는 XP 이미지의 흡수 값을 직접 다루는 동안 "밀도" 또는 "밀도의 변화( 밀도)"로 표현된다. 이어서, 이것은 이미지 표현상의 이유로 위에서 설명된 바와 같이 변환되어 "강도"로 표현된다. 예를 들어, 0 내지 255까지의 256-단계 그레이 스케일들로의 컬러 디스플레이가 수행되는 경우 "강도"가 제공된다. 이러한 용어 구분은 XP 또는 CT의 경우에 적용가능하다.
다른 한편, MRI의 경우, 공기, 물, 뼈들이 각각 "-1000", "0", "1000"으로 설정하려고 하여도, MRI의 픽셀 값들, 측정기들의 유형들, 측정 당시의 사람의 신체 조건, 체격, 측정시간 등으로 인해 값들이 크게 변화되는 상황이 있고; T1 강조 이미지들 등 같은 MRI 신호들을 취득하는 방법은 또한 시설 및 측정기들의 유형들에 따라 가변하여, 고정이 가능하지 않다. 따라서, MRI의 경우, XP 및 CT의 경우처럼 "밀도"의 정의가 적용될 수 없다. 그러므로, MRI는 초기 추출 스테이지부터 상대적인 값들을 다루기 때문에, 처음부터 '강도'로 표현된다. 이어서, 프로세싱을 위한 신호들은 또한 "강도"이다.
위에서 설명된 것들로부터, 마스터 데이터를 획득하는 것이 가능하게 된다. 위에서-설명된 마스터 데이터에 대해, 위에서-설명된 마스터 데이터의 파형 및 파형의 Hz의 소정 고정된 폭과 범위에서 측정될 새로운 타겟이 추출된다. 예를 들어, 심장 박동에 대해서만 추출이 수행되거나, 혈관 추출 정도의 프레임과 같은 폭 또는 범위에서 추출이 수행된다. 또한, 이 파형과 Hz의 폭은 다른 함수의 파형 요소, 노이즈 등과 같은 아티팩트들, 다른 조정가능성, 복수회 수행된 재현성 등을 갖는 것으로 간주되는 다른 모랄러티 파형 등을 사용하여 통계에 기반하여 상대적으로 및 집합적으로 결정된다. 이어서, 조정과 경험이 여기에 요구된다(기계 학습을 적용하는 것이 또한 가능함). 이것은 폭과 범위가 확장되는 동안, 다른 함수의 요소가 진입하기 시작하고, 너무 좁으면 함수 자체의 요소가 제거되어, 범위가 조정될 필요가 있기 때문이다. 예를 들어, 복수회의 데이터가 존재하는 경우, 범위, Hz, 측정시의 일치폭 등을 특정하는 것은 쉽다. 또한, 상호 성분 추출들 및 폭으로 인한 축, 폭, 범위 및 Hz의 변동들이 추정될 수 있다. 즉, 복수회의 중첩을 통해, Hz의 축 설정은 평균화되고 분산을 통해 축, 폭, 범위, Hz 각각의 최적 범위가 계산된다. 이때, 다른 거동의 Hz(노이즈)가 추출되는 경우가 있고, 그 파형이 존재하면, 파가 존재하는 경우 파가 포함되지 않는 정도가 또한 상대적으로 측정된다.
다음으로, 측정될 새로운 타겟 데이터에 대해, 이미 캡처된 파형 및 Hz와의 일치율 및 다른 불-일치율은 정량화되어 진단에 도움을 주는 수치 값들을 계산한다. 예를 들어, 이는 마스터의 질병 파형 일치율을 측정하고 맥박계 또는 청진의 노이즈 배제와 함께 질병 파형 일치율을 계산하여 진단 보조 기기에 적용될 수 있다. 본 명세서에서, 조정가능한 일치율을 사용할 수 있는 경우가 설명된다.
[조정가능한 일치율에 관하여]
본 명세서에서, 이미지 변화의 경향은 조정가능한 일치율로 설명된다. 예를 들어, 심근 영역은 검출되고 각각의 프레임 이미지에서 블록 영역들의 평균 밀도(픽셀 값 x)를 계산하도록 복수의 블록 영역들로 분할된다. 이어서, 평균 밀도(픽셀 값 x)의 최소값에서 최대값까지의 변화폭(0% 내지 100%)에 대한 각각의 프레임 이미지의 블록 영역들의 평균 픽셀 값의 비율(x')이 계산된다. 다른 한편, 심근의 최소 위치에서 최대 위치까지 변화 폭(0% 내지 100%)에 대한 각각의 프레임 이미지의 심근 변화(y)의 비율(y')의 비율 값(x'/y')을 사용하여, 비율 값(x'/y')이 미리결정된 고정 범위 내에 있는 블록 영역들만이 추출된다.
여기서, y'=x' 또는 y=ax(a는 심근 진폭의 수치 값, 또는 밀도 수치 값의 계수를 나타냄)는 완전한 일치를 의미한다. 그러나, 이는 완전 일치의 경우에만 의미 있는 값을 나타내고, 소정 고정 폭을 갖는 값이 추출되어야 하는 것을 의미하지 않는다. 따라서, 본 실시예의 일 양태에 따르면, 고정 폭은 후술되는 바와 같이 대수(log)를 사용하여 결정된다. 즉, y=x인 경우 비율(%)로 계산되면, 조정가능성의 완전한 일치는 "log Y'/x'=0"이다. 또한, 예를 들어 조정가능한 일치율의 범위가 좁거나 (수치적으로 좁은) 범위인 것을 추출할 때, 0에 가까운 범위에서 "log Y'/x'=-0.05 ~ +0.05"로 결정되고, 조정가능한 일치율의 범위가 넓거나 (수치적으로 넓은) 범위인 경우에, 0에 가까운 범위에서 "log Y'/x'=-0.5 ~ +0.5"로 결정된다. 이 범위가 좁을수록, 그 범위 내에서 일치하는 수치 값도 또한 높고, 조정율은 높다고 할 수 있다. 픽셀들의 각각의 픽셀에 대해 이 비율값을 결정하여 개수를 카운팅할 때, 건강한 사람들의 경우 완전 일치하는 경우가 피크로 취해지는 정규 분포가 획득된다. 대조적으로, 질병을 갖는 사람들의 경우에, 이 비율 값의 분포는 잃게 된다. 또한, 위에서 설명된 바와 같이, 대수를 사용하여 폭을 결정하는 방법은 단지 일 예이고, 본 발명은 이에 한정되지 않는다.
즉, 본 발명은 다음과 같이 "이미지 추출"을 수행하는 것이다. (대략 범위에서 밀도 변화의 평균)
Figure pct00005
(심장 박동)
Figure pct00006
(심장 변화)
Figure pct00007
(심전도)
Figure pct00008
(심장 표면적 및 용적 변화), 이는 또한 대수를 사용하는 방법 이외의 방법들에 또한 적용가능하다. 이런 방법을 통해 주파수 조정가능 이미지를 디스플레이하는 것이 가능해진다.
혈관들의 경우, 일련의 심장 수축들(y)에 반응하여 생성되는 일련의 밀도 변화들(x(폐문부에서 하나의 파형)에 대해, 약간의 시간 지연(위상 변화)는 있는 그대로 존재하므로, y=a'(xt)로 디스플레이된다. 완전한 일치의 경우, t=0이므로, y=x 또는 y=a'x이다. 여기서, 예를 들어 조정가능한 일치율의 범위가 좁거나 (수치적으로 좁은) 범위인 것을 추출할 때, 0에 가까운 범위에서 "log Y'/x'=-0.05 ~ +0.05"로 결정되고, 조정가능한 일치율의 범위가 넓거나 (수치적으로 넓은) 범위인 경우에, 0에 가까운 범위에서 "log Y'/x'=-0.5 ~ +0.5"로 결정된다. 이 범위가 좁을수록, 그 범위 내에서 일치하는 수치 값도 또한 높고, 조정율은 높다고 할 수 있다.
다른 혈관들의 경우에, 위에서-설명된 '심장에 반응하는 부분'은 제외되고, 폐문에서 그린 중심 측의 밀도가 사용될 수 있다. 말초 혈관의 경우는 또한 유사하게 처리될 수 있다.
또한, 본 발명은 또한 순환계에 적용될 수 있다. 예를 들어, 심장 밀도의 변화는 말초 폐장인 폐문부로의 혈류의 밀도 변화와 직접 연관되고, 일련의 심장 밀도 변화 및 폐문부의 밀도 변화는 일종의 변환을 거쳐, 있는 그대로 전달된다. 이는 심장 밀도 변화와 폐문부 밀도 변화 사이의 관계에서 약간의 위상차를 획득하여 생성하는 것으로 보인다. 또한, 폐문부 등의 밀도 변화는 있는 그대로 혈류에 대한 폐장의 밀도 변화와 연관되어, 있는 그대로 비율로 반영되는 조정 가능성을 1씩 표현하는 것이 가능하다(Y의 일치율 관계
Figure pct00009
X). 또한, 이는 경부 혈관계에 대해, 그 주변의 중심 심장 혈관들에서 그려진 밀도의 변화가 이와 직접적으로 연관되거나, 또한 유사한 방식으로 약간의 위상을 동반하는 것과 연관되는 것으로 보인다. 이어서, 배경에 따라 밀도가 가변하고, 전파될 때, 이는 밀도 변화 상황을 전파하기 위해 조정가능한 일치율로 간주되는 것이 가능해진다.
여기서, 하나의 이미지의 변화량과 하나의 이미지의 변화율 각각에 관하여, 심장의 밀도로부터의 변화량을 1로 하였을 때 상대 값(표준 차동 신호 밀도/강도)으로 디스플레이하기 위해, 변화량 및 변화율은 (1) 각각의 이미지에 대해 서로 다른 이미지에 대해, 각각 하나에 1이 설정될 때 이미지(일반적인 가정), (2) 각각 하나에 대해 상이한 이미지에 대해, 밀도(변화량 및 변화율)를 가산하여 획득된 심장 박동이 1로 설정될 때의 비율, (3) 복수회 촬영을 수행하는 것에 대해, 각각의 호흡기를 찍는 동안 총 밀도량으로 획득된 비율은 1로 설정된다.
또한, MR 등의 3D의 경우, 심장 박동의 강도(MR의 경우) 또는 밀도(CT의 경우)를 합산하여 획득된 값(이때 1로 설정될 때)에 대해, 심장 박동의 강도나 밀도의 차이는 심장 박동의 "피크 유량 용적 데이터"(휴식 동안, 또는 작업 동안)로 변환할 수 있고, 이 값에 대해, 심장 움직임 및 움직임 비율의 실제 측정량은 적어도 MRI, CT 등으로 "3D × 시간"을 계산할 때 강도 또는 밀도의 비율을 찾음으로써 변환할 수 있다. 유사하게, 폐장에서의 "유동"의 "모세혈관 단계"의 분포가 1회의 심박 출량을 입력함으로써 폐 혈류의 말초량, 또는 용적의 분포로 변환된 추정값을 제시하는 것이 가능해진다.
즉, (대략 범위에서 밀도 변화의 평균)
Figure pct00010
(심장 박동)
Figure pct00011
(심장 변화)
Figure pct00012
(심전도)
Figure pct00013
(심장 표면적 및 용적 변화)가 만족되고, 10% 또는 20% 중 하나의 변화량만을 취하는 경우, 추정 값은 (이들의 정수) × (그때의 변화량)을 계산함으로써 계산되는 것이 가능하다.
이어서, 측정될 새로운 타겟 데이터에 대해, 진단에 도움을 주는 이미지들은 이미 캡처된 파형 및 Hz에 대한 일치율 또는 다른 불-일치율을 이미징하여 계산된다. 예를 들어, 정상적인 삼키는 것과 환자가 삼키는 것의 차이들은 시각화되고, 환자가 지금까지 하고 있는 움직임들과 현재 환자가 하고 있는 움직임들의 차이들이 보여진다. 예를 들어, 걷는 방식과 스윙하는 방식의 변화들과 차이들이 포함된다.
추출된 변화량은 시각화되어 이미지로 추출된다. 이것은 후술되는 심장 기능 분석과 혈관(혈류) 분석이다. 이어서, 심근의 변화율은 시각화된다. 이때, 결과들에 관한 아티팩트가 다시 제거하고 새로운 데이터 추출 파형, 1 베이스가 될 데이터 파형, 모랄러티의 다른 파형 등, 복수 횟수들의 파형으로부터 추출하여 함수의 추출이 수행되는 일부 경우들이 있다. 아티팩트를 제거하는 방법이 이후에 설명된다.
또한, 위에서 설명된 바와 같이 추출된 것 이외에서 변화 성분들이 추출되는 것들에서도 특정 양이 파악하는 경우가 있다. 예를 들어, 복부 장관의 움직임을 파악할 때, 복부에서 호흡의 영향과 혈관들의 영향을 배제하여 복부 장관의 움직임을 추출하려는 시도가 이루어졌다.
또한, 추출로 인한 변화율에 기반하여, 더 명확하고 더 정확한 이미지들을 제공하기 위해 소정 양의 촬영 시간이 걸리는 이미지들(CT, MRI, 특수 방사선 촬영, PET/신티그래피(scintigraphy) 등)에 교정이 적용된다. 예를 들어, 상행 대동맥 심장 교정, 심장 형태 교정, 장기지 흐릿함 교정, 흉부 주변 평가 및 환자가 자신의 호흡을 참을 수 없을 때(사진을 찍는 데 몇 분이 소요될 수 있음)의 이미징에 유용하다.
이하, 도면을 참조하여 본 발명의 실시예가 설명된다. 도 1은 본 실시예에 따른 진단 지원 시스템의 개략 구성을 도시하는 도면이다. 이 진단 지원 시스템은 컴퓨터가 진단 지원 프로그램을 실행하게 하여 특정 기능을 수행한다. 기본 모듈(1)은 심장 기능 분석 유닛(3), 혈류 분석 유닛(5), 다른 혈류 분석 유닛(7), 푸리에 분석 유닛(9), 파형 분석 유닛(10) 및 시각화/디지털화 유닛(11)을 포함한다. 기본 모듈(1)은 입력 인터페이스(13)를 통해 데이터베이스(15)로부터 이미지 데이터를 취득한다. 데이터베이스(15)는, 예를 들어 DICOM(Digital Imaging and COmmunication in Medicine)을 통한 이미지들을 저장한다. 기본 모듈(1)에서 출력된 이미지 신호는 출력 인터페이스(17)를 통해 디스플레이(19)에 디스플레이된다. 다음으로, 본 실시예에 따른 기본 모듈의 기능이 설명된다. 또한, 입력 이미지들은 데이터베이스(15)에 한정되지 않고, 다른 외부 디바이스로부터 입력 인터페이스(13)를 통해 또는 이니셔티브(initiative)에 의해 또한 입력될 수 있다.
[동적 영역 검출의 개선]
폐장, 흉부, 심장과 같은 동적 영역의 콘트라스트가 라인을 따라 균일하지 않은 경우가 있다. 이 경우, 노이즈를 제거하는 데 사용되는 임계치를 변경하고, 검출 프로세싱을 복수회 수행함으로써 동적 영역의 형상이 보다 정밀하게 검출될 수 있다. 예를 들어, 좌측 폐의 경우, 횡격막 라인의 콘트라스트가 인체 내부로 갈수록 약해지는 경향이 있다. 심첨부와 심저부가 더 작은 움직임들을 갖고 심장의 중앙부가 더 큰 움직임을 갖는 상황이 또한 있다. 이 경우, 횡격막의 좌측 절반의 나머지 부분, 심장의 움직임이 큰 부분 및 심장의 움직임이 작은 부분은 또한 노이즈를 제거하는 데 사용되는 임계치의 설정을 변경하거나, 픽셀 값에 다른 요소를 곱하여 검출될 수 있다. 이 프로세싱을 복수회 반복함으로써 전체 횡격막의 형상을 검출하거나 전체 심장의 형상을 검출하는 것이 가능해진다. 이런 방식으로, 본 방법은 횡격막의 위치뿐만 아니라 흉부의 형상, 심장, 동적 영역에 대한 라인과 표면의 변화율과 변화량을 디지털화할 수 있고, 이는 새로운 진단에 사용된다.
이런 방식으로, 진단에서 검출된 횡격막과 심장의 위치나 형상을 활용하는 것이 가능해진다. 즉, 횡격막과 심장의 좌표를 그래프화하는 것; 위에서 설명된 바와 같이 계산된 곡선들(표면들) 또는 직선들을 사용하여 흉부, 횡격막, 및 심장의 좌표들을 계산하는 것; 및 심장 박동, 혈관 박동, 폐장의 "밀도" 등을 주기 또는 좌표들에 대응하는 위치로 그래프화하는 것이 가능하다. 이러한 방법은 호흡 및 심장 맥동과 링크된 동적 영역에 적용할 수 있다.
호기, 흡기, 수축기, 및 확장기 각각의 Hz 뿐만 아니라 횡격막이나 호흡과 링크된 동적 영역의 주파수(Hz) 또는 심장의 동적 영역의 주파수(Hz)가 변화될 때, 이러한 방법은 변화에 대응하는 주파수 대역에서 측정을 가능하게 한다. 이어서, 대역 통과 필터(BPF)의 스펙트럼 추출 동안, 고정된 범위에서, 각각의 호흡이나 심장의 상태에 따라 BBF를 설정하고; 호흡이나 심장의 각각의 "재구성 단계"에서 BPF 위치에서 축의 변화에 의해 최적의 상태가 야기될 수 있고; 상기에 수반되는 가변성 BPF가 준비되는 것이 가능해진다. 천천히 호흡하거나 호흡을 멈출 때(Hz=0)와 같이 호흡 리듬이 변하거나, 일시적인 심장 세동(극도의 고주파)이나 호흡 정지(Hz=0)가 나타나더라도, 이것은 상기에 따른 이미지들을 제공하게 한다.
또한, 전체 호기 또는 흡기의 빈도는 전체 호기 또는 흡기에 대한 호흡 요소(호기 또는 흡기의 모두 또는 일부를 포함하는 호흡 요소)의 비율에 기반하여 계산되도록 이루어질 수 있다. 유사하게, 수축기 또는 확장기, 주파수 요소 및 다른 전체 주파수들은 심장 수축기, 확장기, 심장의 한 번의 맥동, 전체 측정의 맥동들에 대한 심장 동적 요소(수축기 또는 확장기의 모두 또는 일부를 포함하는 심장 동적 요소)의 비율에 기반하여 계산되도록 이루어질 수 있다. 또한, 횡격막 및 심장의 검출이 복수회 수행되는 것, 및 신호 및 이의 파형이 안정된 것이 선택되게 이루어질 수 있다. 따라서, 검출된 횡격막의 위치 또는 형상, 또는 호흡과 링크된 동적 영역의 위치 또는 형상으로부터 호흡 요소 및 심장 맥동 요소의 적어도 하나의 주파수를 계산하고, 심장 박동을 나타내는 주파수를 계산하는 것이 가능해진다. 횡격막과 심장 또는 동적 영역의 위치나 형상이 파악될 수 있을 때 호흡 요소와 심장 맥동 요소의 주파수와 심장 박동을 파악하는 것이 가능해진다. 이 방법은 파형의 일부를 분할하더라도 후속 파형을 추적하게 한다. 따라서, 도중에 호흡 요소나 심장 맥동 요소의 주파수가 변하더라도 원래의 호흡 요소 또는 심장 맥동 요소를 추종하는 것이 가능하다. 또한, 심장의 맥동 등은 종종 급작스러운 변화를 겪지만, 이는 심장 혈관 및 심장 혈관 파형들과 관련된 장기들에 또한 동일하게 적용될 수 있다.
[폐장들의 검출]
본 발명에서, 위에서 설명된 "동적 영역 검출의 개선"의 일 양태로서, 폐장들의 검출을 개선하는 것이 가능하다. 이 프로세싱에서, 최대 및 최소 폐장들을 설정한 후, 값들을 사용하여 다른 폐장들이 계산된다. 도 11은 본 발명의 폐장 검출 방법의 일례를 도시하는 도면이다. 이 방법에서 "B-스플라인(spline) 곡선"은 "각각의 이미지의 계수"를 나타내는 데 사용된다. 도 11에서, 파형 X는 "폐장을 나타내는 각각의 이미지(L)의 계수"를 나타내고, 좌측에서 우측으로, 제1 이미지의 계수, 제2 이미지의 계수... 등이 도시된다. "각각의 이미지의 계수"는 도 11의 제어 지점(Y)이 이동될 때 부드럽게 변한다. 본 발명에서, 이러한 방식으로, 계수들의 그래프는 직접 편집될 수 있다. 도 11에서, "그레이 다각형 라인(Z)"은 "각각의 이미지의 픽셀 평균 값"을 나타낸다. 최적의 조건들에서 촬영할 때, 폐장의 크기 변화는 픽셀 평균값의 변화와 일치한다. 여기에서, 이 픽셀 평균 값은 곡선 피팅에 의해 평활화될 수 있고 "계수"로 직접 사용될 수 있다. 동일한 방법은 심장 및 심혈관 주파수와 관련된 다른 장기들에 적용될 수 있다.
[심장 기능 분석]
도 2는 심장의 개략적인 구조를 나타내는 단면도이다. "심장 기능"은 일반적으로 "몸 전체에 혈액을 순환시키는 좌심실의 펌프 기능"으로 규정된다. 심장 기능 분석은 "허혈성 심장 질환", 특히 "심근 경색증" 환자의 예후를 추정하는 데 중요하다. 예를 들어, 좌심실 박출률(EF) 값이 감소하면, 펌프로서의 심장 박출량이 감소하고 전신에 충분한 혈액을 펌핑할 수 없게 된다. 다른 심장 기능들은 좌심실 확장기말 용적(EDV), 좌심실 수축기말 용적(ESV), 뇌졸중 용적(SV), 심박 출량(CO) 및 심장 지수(CI)를 포함한다. 심근의 로컬 평가를 위해서, 도 2b 및 도 2c에 도시된 바와 같이 벽 두께, 벽 움직임, 벽 두께 변화율 등을 나타내는 "불스 아이 맵(Bull's eye map)"이 사용되고, 도 2b 및 도 2c는 도 2a의 축(A)에 수직인 평면들의 단면도들이다. 이 "불스 아이 맵"은 정점의 단면을 원의 중앙에 배치하고, 단축 단층촬영 이미지들이 동심원 외측에 배치되고, 최외측 위치에 심장 저부의 단면이 디스플레이되는 이미지이다.
본 실시예에 따라, "불스 아이 맵"을 사용하는 것 외에, 다음과 지표들에 기반하여 심장의 움직임 주기가 분석된다. 즉, 심장 지역 내부의 고정된 영역의 밀도/강도를 사용하여 심장의 움직임 주기가 분석된다. 또한, X-선 투과성이 높은 지역에서 측정된 소정의 고정된 용적 밀도/강도로 구성된 범위(이외에도, CT 및 MRI를 비롯한 복수의 종류의 모랄러티), 폐용량 곡선 같은 다른 측정 방법에 의해 획득된 데이터 등, 및 외부 입력 정보가 또한 사용될 수 있다. 또한, 데이터의 정확도를 개선하기 위해서 각각의 심장 박동에 대한 분석 결과들을 비교하여 복수의 데이터 부분들로부터 경향을 분석하는 것이 바람직하다. 또한, 심장의 에지를 식별하고 이 심장의 에지의 변화에 기반하여 주파수를 획득하는 것이 가능하다. 또한, 폐장의 경계를 식별하고 경계의 움직임으로부터 주파수를 획득하는 것이 가능하다.
[혈관 박동 분석]
본 실시예에 따르면, 혈관 박동은 다음 지표들에 기반하여 분석된다. 즉, 심전도, 맥박계 같은 다른 모랄러티들의 측정 결과들로부터, 또는 폐윤곽으로부터 폐문/주혈관의 심장/위치를 특정하여 각각의 지역의 밀도/강도 변화를 사용하여 혈관 박동이 분석된다. 또한, 수동으로 이미지에 플로팅을 수행하여 타겟 지역의 밀도/강도 변화가 분석될 수 있다. 이어서, 심장 박동 또는 혈관 박동에서 획득된 심장 박동 요소를 사용하는 것이 또한 가능하다. 또한, 각각의 박동에 대한 분석 결과들을 비교하고 복수의 데이터 부분들로부터 경향을 분석하여 데이터의 정확도를 개선하는 것이 바람직하다. 또한, 각각 지역의 밀도/강도의 추출을 복수회 수행하고, 고정 범위에 관하여 상기를 수행함으로써 정확도를 개선하는 것이 가능해진다. 또한, 심혈관 박동 주파수 또는 주파수 대역을 입력하는 방법이 또한 존재한다.
[심장 지역 식별]
데이터베이스(DICOM)에서 이미지가 추출되고, 위에서 설명된 바와 같은 심장 기능 분석 결과들을 사용하여 심장 지역(특히 심근)가 자동으로 검출된다. 다음으로, 심근은 복수의 블록 영역들로 분할되어 각각의 블록 영역의 변화를 계산한다. 여기서, 블록 영역의 크기는 촬영 속도에 따라 결정될 수 있다. 촬영 속도가 느리면, 소정 프레임 이미지 뒤의 프레임 이미지에서 대응 영역을 특정하기 어려워, 블록 영역은 크게 이루어진다. 다른 한편, 촬영 속도가 빠르면, 단위 시간당 프레임 이미지들의 수가 많아, 블록 영역이 작은 경우에도 추종이 가능해진다. 또한, 블록 영역의 크기는 심장 움직임의 주기 중 어떤 타이밍이 선택되었는지에 따라 계산될 수 있다. 여기서, 심근 영역의 편차를 교정할 필요가 종종 있다. 이 경우, 심장 움직임이 식별되고, 심장 윤곽의 상대적인 위치는 추가로 파악되어 움직임에 기반하여 상대적으로 평가된다. 또한, 블록 영역이 너무 작으면, 이미지에 깜박임이 자주 발생한다. 이를 방지하기 위해서, 블록 영역은 크기가 고정될 필요가 있다.
[블록 영역들의 준비]
다음으로, 심근을 복수의 블록 영역들로 분할하는 방법이 설명된다. 도 2b 및 도 2c는 심근을 심장의 중심에서 방사상으로 분할하는 방법을 도시하는 도면이다. 심장 지역에 대해, 심장의 움직임과 혈관들의 위치 관계는 식별되고 심장 윤곽의 상대적인 위치는 파악되고, 움직임에 기반적으로 상대적으로 평가가 이루어져야 한다. 따라서, 본 출원의 발명에서, 심장 윤곽을 자동으로 검출한 후, 심근 지역은 복수의 블록 영역들로 분할되어 각각의 블록 영역에 포함된 이미지의 변화 값(픽셀 값)을 평균화한다. 그 결과, 시간이 지남에 따라 심장의 형태가 변하더라도, 시간의 경과에 따라 관심 지역의 변화들을 추적하는 것이 가능해진다.
다른 한편, 심장 지역을 특정하지 않고 블록 영역들로 분할되는 경우, 시간 경과에 따른 심장의 변화로 인해, 관심 지역은 심장 지역 외부로 떨어지게 되어, 무의미한 이미지가 된다. 또한, 심장 박동이나 주파수 대역을 입력하는 방법이 있다. 또한, 이러한 방법들은 3차원 입체 이미지들에 또한 적용할 수 있다. 3차원 입체 이미지들의 픽셀들을 일정하게 유지함으로써, 3차원 입체 이미지들에서 지역 분할을 위해 계산이 이루어질 수 있다. 이러한 상대적 위치들의 움직임에 기반한 상대적 평가는 인접한 프레임 이미지들 사이에서 수행될 수 있거나, 또는 2개 또는 3개의 이미지들마다와 같이 모든 정수 배의 이미지들에 대해 수행될 수 있다. 또한, 여러 이미지들은 함께 그룹화되어 각각의 그룹이 프로세싱될 수 있다.
도 7a는 인체의 좌측 폐를 전면에서 본 개략도이고, 도 7b는 인체의 좌측 폐를 좌측에서 본 개략도이다. 도 7a 및 도 7b 둘 모두는 흡기, 즉 들이마시는 상태의 폐를 도시한다. 도 8a는 인체의 좌측 폐를 전면에서 본 개략도이고, 도 8b는 인체의 좌측 폐를 좌측에서 본 개략도이다. 도 8a 및 도 8b 둘 모두는 모두 호기, 즉 내쉬는 상태의 폐를 도시한다. 이 도면들에 도시된 바와 같이, 호흡하는 동안 폐장의 형태가 크게 변화하지만, 횡격막 측의 폐장의 변화율은 큰 반면, 횡격막 반대측의 폐장의 변화율은 작다. 본 발명에서, 이러한 변화율에 따라 폐장의 각각의 지역의 위치가 변화된다. 이것은 폐장 지역 내 각각의 영역의 상대적인 위치 관계에 기반하여 상대적 평가를 수행하게 한다. 또한, 폐장의 변화율(예를 들어, 평균 변화율)에 기반하여, 상대적인 위치 관계는 폐장의 지역에서의 일정한 변화율로 표현될 수 있거나, 변화율은 횡격막으로부터의 거리에 따라 폐장 지역에서 적응적으로 변화될 수 있다. 이런 방식으로, 폐장 지역의 변화율을 사용하여, 호흡 주기에 동기화된 이미지를 디스플레이하는 것이 가능해진다.
도 9a는 인체의 좌측 폐를 전면에서 본 개략도이고, 도 9b는 인체의 좌측 폐를 좌측에서 본 개략도이다. 도 9a 및 도 9b 둘 모두는 모두 흡기, 즉 들이마시는 상태의 폐를 도시한다. 도 10a는 인체의 좌측 폐를 전면에서 본 개략도이고, 도 10b는 인체의 좌측 폐를 좌측에서 본 개략도이다. 도 10a 및 도 10b 둘 모두는 모두 호기, 즉 숨을 내쉬는 상태의 폐를 나타낸다. 예를 들어, 도 9a 및 도 9b에 도시된 바와 같이, 흡기 상태에서 폐장 지역의 한 위치에 마커(P1)가 플로팅되어 있다. 마커(P1)가 2차원 좌표들에 의해 규정되는 고정 지점이라고 가정하면, 도 10a 및 도 10b에 도시된 바와 같이, 좌표는 호기 상태에서도 동일하게 유지되어, 마커(P1)는 동일한 위치에 존재한다. 다른 한편, 본 발명에서, 위에서 설명된 바와 같이, 폐장 전체 지역에 대한 상대적인 위치적 관계 측면에서 평가가 수행되므로, 호기 상태에서, 그 지점은 마커(P1) 위치 대신 마커(P2)의 위치로 이동한다.　이는 또한 이때 벡터를 사용하여 흡기 동안 플롯된 지점과 호기 동안 이동하도록 식별된 지점을 평가하는 것을 가능하게 한다.
지역을 분할하기 위해, 보로노이 테셀레이션(Thiessen tessellation)이 적용될 수 있다. 보로노이 테셀레이션은 도 2d에 도시된 바와 같이, "인접한 기준 지점들을 연결하는 직선에 수직 이등분선을 그려 각 기준 지점의 가장 가까운 이웃 영역을 분할하는 방법"이다. 이러한 보로노이 테셀레이션을 적용하여, 계산 시간을 단축하는 것이 가능해진다. 또한, 이웃하는 기준 지점을 연결하는 직선을 그릴 때, 분석 타겟에 따라 가중치가 적용될 수 있다. 예를 들어, 폐 동맥들의 지역을 나눌 때, 더 두꺼운 지역에 대해서는 가중치가 증가될 수 있고 더 얇은 지역에 대해서는 가중치가 감소될 수 있다. 이것은 프로세싱 부담을 감소시키면서 분석 타겟에 따라 분할되게 한다. 또한, 분할에 의해 출현한 복수의 블록 영역들 대해서, 픽셀 값들의 변화(주기적 변화) 같은 지표들에 기반하여 분류 프로세싱이 수행될 수 있다.
이런 방식으로, 지역을 복수의 블록 영역들로 분할한 후, 심장과 같은 동적 영역에 대한 각 블록 영역의 상대적인 위치에 기반하여 각 블록 영역의 이미지 변화가 계산된다. 여기서, 픽셀로서의 덩어리 자체의 범위는 신호들의 차이를 얻을 뿐만 아니라, 신호의 차이는 덩어리보다 작은 범위 또는 덩어리를 둘러싸는 더 큰 범위로 취해질 수 있다. 또한, 횡격막 부근에서만 수직 방향으로 범위를 증가시키거나, 다른 동적 지역들에서만 수평 방향으로 범위를 증가시키거나, 범위의 형상을 변형하거나, 픽셀들의 지역들을 연결하는 것이 또한 가능하다. 또한, 하나 이상의 차이들을 계산한 후, 전체 폐장 및 심장의 형태와 매칭하도록 덩어리의 형태를 다시 규정하는 것이 바람직하다. 예를 들어, 제1 이미지에서 제2 이미지로 프로세싱이 수행된 후, 덩어리의 형태는 그 형상과 매칭하도록 제2 이미지에서 다시 생성되고 이어서 제2 이미지가 제3 이미지에 비교될 수 있다.
위의 설명에서, 장기 움직임을 고려한 "상대적 위치 관계"가 설명되었지만, 본 발명은 이에 한정되지 않고 복수의 프레임 이미지들에서 "각 픽셀의 절대적인 위치 관계"를 유지하면서 이미지 프로세싱을 수행하는 것이 또한 가능하다. "각 픽셀의 절대적 위치 관계"는 프레임 이미지에서 2차원 좌표축을 규정할 때 2차원 좌표축에 기반하여 좌표들이 특정되는 픽셀들 간의 관계를 지칭한다.　즉, 이는 관심 픽셀이 불변하는 픽셀 프로세싱 방법이다. "각 픽셀의 절대적 위치 관계"를 유지하는 프로세싱은 복수의 프레임 이미지들을 가정하지만, 프레임 이미지들의 수는 특정되지 않는다. 복수의 프레임 이미지들은 복수의 그룹들로 분류될 수 있고, 각 그룹은 동일한 수의 프레임 이미지들을 포함할 수 있거나, 각 그룹은 상이한 수의 프레임 이미지들을 포함할 수 있다.
즉, 복수의 프레임 이미지들이 복수의 그룹들로 분류되고 각 그룹에 속하는 복수의 프레임 이미지들에서 각 픽셀의 절대적 위치 관계가 유지되는 상태에서, 장기의 픽셀 값의 변화, 장기의 중심에서 바깥쪽 에지까지의 거리 변화, 또는 장기의 용적 변화가 계산된다. 이것은 픽셀 값이 약간 변경되더라도 동일한 값으로 다룰 수 있으므로, 데이터 및 프로세싱 단계들의 양을 감소시킬 수 있다.
또한, 상대적인 위치 관계도 절대적인 위치 관계도 아닌 위치 관계가 생각될 수 있다. 이것은, 특정 프레임 이미지에서 특정 좌표들을 갖는 지점(P)이 규정될 수 있고 위의 특정 지점과 상이한 좌표들을 갖는 다른 지점(Q)은 다음 및 후속 프레임 이미지들에서 규정될 수 있지만, 이 경우 벡터(PQ)의 크기는 장기의 움직임과 관련하여 작은 것으로 가정된다. 또한, 지점(Q)에 대해, 지점(Q)과 약간 상이한 좌표들을 갖는 다른 지점(R)은 다음 및 후속 프레임들에서 규정된다. 이러한 동작을 반복함으로써, 각 프레임 이미지에 대해 특정 지점(P)에서 약간 벗어난 다른 지점이 추출되고, 본 실시예가 적용된다. 구체적으로, 복수의 프레임 이미지들이 취득되고, 특정 프레임 이미지의 각 픽셀에 대해, 다음 및 후속 프레임 이미지들의 각 픽셀들과 상이한 좌표들을 갖는 픽셀들이 추출되고, 장기의 상태를 특징으로 하는 주기적 변화가 계산된다.
이어서, 장기의 상태를 특징으로 하는 주기적 변화에 대해 푸리에 변환이 수행되고, 푸리에 변환 후 획득된 스펙트럼 중 장기의 움직임 주파수에 대응하는 스펙트럼을 포함하는 고정 대역의 스펙트럼이 추출되고, 고정 대역에서 추출된 스펙트럼에 대해 역푸리에 변환이 수행되고, 역푸리에 변환을 수행한 후의 각 이미지들이 출력된다. 또한, 이미지에서 장기의 상태를 특징으로 하는 주기적 변화의 빈도에 따라 변화하는 픽셀은 디지털 필터에 의해 추출될 수 있고, 디지털 필터에 의해 추출된 픽셀들을 포함하는 이미지들이 출력될 수 있다.　또한, 장기의 상태를 특징으로 하는 주기적 변화율에 대응하는 컬러가 선택될 수 있고, 선택된 컬러는 픽셀 값들의 변화율에 가산되고 이미지들은 디스플레이에 디스플레이될 수 있다. 이것은 장기의 움직임을 표현할 수 있게 한다.
다음으로, 아티팩트들은 제거되어 이미지 데이터를 보간한다. 즉, 뼈들 등이 분석 범위 내에 포함되는 경우, 이들은 노이즈로 표현되므로, 노이즈-차단 필터를 사용하여 노이즈를 제거하는 것이 바람직하다. X-선 이미지들에 대해, 기존에, 공기와 뼈들은 각각 -1000, 1000으로 설정되어, 투과성이 높은 부분은 픽셀 값이 낮고 검게 디스플레이되고 투과성이 낮은 부분은 픽셀 값이 높아 백색으로 디스플레이된다. 예를 들어, 픽셀 값을 256 계조들로 디스플레이할 때, 흑색은 0이 되고 백색은 255가 된다.
심장 지역 내에서, X-선들은 혈관들과 뼈들이 있는 위치를 거의 투과하지 못하므로, X-선 이미지의 픽셀 값은 높아지고 X-선 이미지는 백색이 된다. 다른 CT나 MRI에도 같은 내용이 또한 적용될 수 있다. 여기서, 위에서 설명된 심장 기능 분석에 의해 획득된 결과들로부터, 심장 박동당 파형에 기반하여 동일한 위상의 값들을 사용하여 데이터를 보간함으로써 아티팩트들을 제거하는 것이 가능해진다. 또한, "좌표들이 상이함", "픽셀 값이 극도로 변함", 또는 "주파수 및 밀도가 비정상적으로 높아짐"을 검출한 경우, 이들에 대해 컷-오프가 수행되고, 나머지 획득된 이미지들에 대해, 이것은 예를 들어 최소 제곱법 등을 사용하여 연속적으로 부드러운 파형을 식별함으로써 심장의 Hz 계산 및 심근 지역 조정에 쉽게 사용될 수 있다. 또한, 이미지가 위에 중첩될 때, (1) 전후 각각의 이미지를 취득하여 획득된 취득된 비교 이미지들이 좌표들 자체와 중첩되는 경우와 (2) 기준 전후 각 이미지를 취득한 후, 상대적으로 연장된 이미지들에 의해 기준에 상대적인 위치 정보를 중첩하는 방법이 있다. 위에서 설명된 바와 같은 방법들을 사용하여, 심장 지역의 형태를 교정하고 블록 영역들의 이미지들 변화들을 교정하는 것이 가능해진다.
여기서, 시간 축의 "재구성"이 설명된다. 예를 들어, 15f/s의 흡기 시간이 2초인 경우, 30+1개의 이미지들이 획득된다. 이 경우, 각 10%에 대한 '재구성'은 각각의 시간에 3개의 이미지들이 간단히 중첩되는 경우 수행될 수 있다. 이때, 예를 들어, 0.1초가 10%를 나타낼 때, 및 이미지가 0.07초와 0.12초 각각의 사진만을 취득하는 경우에서, 0.1초의 "재구성"이 필요하다. 이 경우, 10% 전후의 이미지들에서 중간 값인 (둘 모두의 평균값) 값이 "재구성"을 수행하기 위해 제공된다. 또한, 시간 축이 취해지고, 시간의 비율로 계수가 변화될 수 있다. 예를 들어, 시간 축 차이로 인해 0.1초의 촬영 값이 없고, 0.07초와 0.12초 각각의 촬영 시간이 있는 경우, "재계산"은 재구성을 수행하기 위해 "(이중 0.07초의 값) × 2/5 + (0.12초 값) × 3/5"로서 이루어진다. 또한, "최대 차동 강도 투영(Maximum Differential Intensity Projection)"의 0 내지 100%를 포함하고, 10 내지 20%의 "재구성, 10 내지 40%의 "재구성" 등과 같은 범위들을 제공하여 계산을 수행하는 것이 바람직하다. 이러한 방식으로, 촬영되지 않은 부분에 대해 하나의 심장 박동 비율로 "재구성"을 수행하는 것이 또한 가능하다. 또한, 본 발명에 따르면, 심장, 혈류 및 이들 이외의 것들과 링크된 일련의 움직임들과 유사하게 "재구성"을 수행하는 것이 또한 가능하다.
[푸리에 분석]
위에서 설명된 바와 같이 분석된 심장 움직임 주기와 혈관 박동 주기에 기반하여, 각 블록 영역의 밀도/강도 값 및 그 변화량의 값에 대해 푸리에 분석이 수행된다. 도 3a는 특정 블록의 강도 변화 및 이의 푸리에 분석에 의해 획득된 결과를 도시하는 도면이다. 도 3b는 이에 대해 역푸리에 변환을 수행하여 획득된 심장 박동에 가까운 주파수 성분들과 심장 박동에 가까운 주파수 성분들의 강도 변화를 추출하여 획득된 푸리에 변환 결과를 도시하는 도면이다.　예를 들어, 특정 블록에서 강도의 변화가 푸리에-변환(푸리에 분석)되면, 도 3a에 도시된 바와 같은 결과가 획득된다. 이어서, 도 3b의 우측에 도시된 바와 같은 결과들은 도 3a에 도시된 주파수 성분들에서 심장 박동에 가까운 주파수 성분들을 추출하여 획득된다. 이에 대해 역푸리에 변환을 수행함으로써, 도 3b의 좌측에 도시된 같이 심장 박동에 동조된 강도의 변화가 획득될 수 있다.
여기서, 주파수 성분들을 포함하는 스펙트럼에 대해 역푸리에 변환을 수행할 때, 역푸리에 변환은 심장 박동 및 혈류의 밀도로부터 특정되는 주파수 요소(심장 박동 및 심혈관 박동 주파수), 및 스펙트럼 대역(BPF가 사용될 수 있음) 둘 모두를 고려하여; 또는 둘 중 하나의 요소에 기반하여 수행될 수 있다.
또한, 푸리에 변환을 수행할 때 짧은 시간에 계산이 수행되도록 자기회귀 이동 평균 모델(AR: Autoregressive Moving Average Model) 방법을 사용하는 것이 가능하다. AR 방법에 따르면, 자기회귀 이동 평균 모델에서 율레-워커(Yule-walker) 방정식이나 칼만(Kalman) 필터를 사용하는 방법이 있고, 이는 그로부터 도출된 율레-워커 추정들, PARCOR 방법, 또는 최소 제곱법을 사용하여 계산을 보상하는 것을 가능하게 한다. 이렇게 하여, 실시간에 가까운 이미지를 취득하고, 계산을 돕고, 더 빠른 속도로 아티팩트를 교정하는 것이 가능해진다. 이러한 푸리에 분석을 통해 각 블록 영역에서 이미지의 본질을 추출하여 디스플레이하는 것이 가능해진다.
여기서, 푸리에-변환 후 획득된 스펙트럼 중, 심장 움직임의 주기에 대응하는 스펙트럼을 포함하는 고정 대역의 스펙트럼은 각 프레임 이미지의 각 블록 영역 이미지의 변화를 푸리에-변환하여 추출될 수 있다. 도 3c는 푸리에-변환 후 획득된 스펙트럼에서 소정 고정 대역을 추출하는 예를 도시하는 도면이다. 합성파 스펙트럼의 주파수(f)에 대해, 합성 소스일 각 주파수의 f1(심장 박동 성분)과 f2(병리적 혈류 성분) 사이에서 "1/f = 1/f1 + 1/f2"의 관계가 만족되고, 스펙트럼을 추출할 때, 다음 방법을 이용하는 것이 가능하다.
(1) 스펙트럼 비율이 높은 심장 박동이 추출된다.
(2) 심장 박동/병리학적 혈류에 대응하는 스펙트럼의 피크와 복수의 이웃하는 합성파들의 피크의 중간에서 분할을 통해 스펙트럼이 추출된다.
(3) 심장 박동/병리학적 혈류에 대응하는 스펙트럼과 복수의 이웃하는 합성파들의 스펙트럼의 골(valley) 부분에서 분할을 통해 스펙트럼이 추출된다.
(4) 심장 박동 성분(혈류 성분)으로부터 소정의 고정 대역폭에 포함된 스펙트럼이 추출될 수 있다. 이 경우, 복수의 스펙트럼이 중첩된 스펙트럼이 획득되지만, 각 성분을 분리하여, 각 스펙트럼이 복구될 수 있다.
위에서 설명된 바와 같이, 본 발명에 따르면, 고정된 BPF가 사용되는 것을 의미하지 않고, 심장 움직임 주기에 대응하는 스펙트럼을 포함하는 고정 대역의 스펙트럼이 추출된다. 또한, 본 출원의 발명에 따르면, 푸리에 변환 후 획득된 스펙트럼 중 프레임 이미지에서 획득된 심장 움직임의 주파수 이외의 주파수(예를 들어, 추가로, 각 영역에서 밀도/강도, 및 심장 박동 또는 혈관 박동으로부터 획득된 심장 박동 요소), 또는 오퍼레이터에 의해 외측으로부터 입력된 주파수에 대응하는 스펙트럼(예를 들어, 스펙트럼 모델)을 포함하는 고정 대역의 스펙트럼을 추출하는 것이 가능하다.
여기서, 합성파 스펙트럼 요소는 2가지 성분들(심장 박동과 병리학적 혈류)만 갖는 경우 50% + 50%가 되고, 3가지 성분들의 경우, 분포가 각각 3분의 1이 된다. 따라서, 합성파 스펙트럼은 심장 박동 성분 스펙트럼이 몇 퍼센트인지, 병리적 혈류 성분 스펙트럼이 몇 퍼센트인지, 그리고 그 스펙트럼 성분들과 높이가 어느 정도 계산될 수 있다. 높은 비율(%)로 스펙트럼을 추출하는 것이 가능하다. 즉, 합성파 성분에 대한 병리학적 혈류 성분/심장 박동 성분의 비율이 계산되고, 높은 병리학적 혈류 성분/심장 박동 성분을 갖는 스펙트럼 값이 계산되고 추출된다. 또한, 횡격막의 식별에 대해, Hz(주파수)가 상대적으로 일정해지는 지역, 즉 Hz의 변화가 작은 영역에 대응하는 스펙트럼 또는 이의 중첩된 스펙트럼만이 심장 박동 및 심장 혈관들의 주파수들을 취득함으로써 획득된 데이터로부터 추출되는 몇몇 경우들이 있다. 또한, 스펙트럼 대역을 결정하는 경우, Hz의 변화가 생성되는 범위와 그 주변의 영역에서 스펙트럼 대역을 결정하는 일부 경우들이 있다. 이 결과로서, 심장 움직임의 주기나 혈관 박동 주기와 정확히 일치하는 경우뿐만 아니라, 고려해야 할 스펙트럼을 추출하고, 이미지 진단에 기여하게 하는 것이 가능하다.
또한, 특정 주파수 대역에 '심장 박동'과 '호흡'이 포함되는 것으로 알려져 있다. 따라서, 예를 들어, 순환계의 경우 호흡의 경우 "0~0.5Hz(호흡수 0~30회/분)"의 필터를 사용하고, 예를 들어 "0.6~2.5(심장 박동수/맥박수 36~150회/분)" Hz의 필터를 사용함으로써, 전술한 필터를 사용하여 호흡 주파수와 순환계의 주파수를 미리 특정하는 것이 가능하다. 이는 주파수 조정가능 이미지를 디스플레이하게 할 수 있다. 이는 심장의 밀도 변화를 취득할 때 호흡(폐) 밀도의 변화가 픽업되고, 폐의 밀도 변화를 취득할 때 심장의 밀도 변화가 픽업되는 경우가 있기 때문이다.
[파형 분석]
파형 분석은 심장, 혈관들, 뇌파, 및 검사들에서 일정한 파형으로 인식되는 것들에 대해 수행된다. 이것은 발 움직임들과 같이 일정한 상태로 반복되는 움직임들을 포함한다. 또한, 반복되는 움직임들의 Hz를 중첩하여 동일한 경향이 있는지 여부에 대한 분석이 수행된다. 파형 데이터는 비교되고 2개의 데이터 부분들 간의 일치율이 계산된다. 이어서, 푸리에 분석 후 데이터가 비교된다.
[디지털 필터]
또한, 위에서 설명된 푸리에 분석 대신, 디지털 필터가 사용될 수 있다. 디지털 필터는 신호의 주파수 성분들을 추출하여 조정하는 수학적 알고리즘들인 "고속 푸리에 변환 및 역 고속 푸리에 변환"에 기반하여 시간 도메인과 주파수 도메인 간의 변환을 수행한다. 이것은 위에서 설명된 푸리에 분석과 동일한 효과를 획득할 수 있게 한다.
[시각화/디지털화]
위에서 설명된 분석의 결과들은 시각화되어 디지털화된다. 표준 흡수율로서, 측정된 폐장의 전체 영역의 밀도/강도에서 평균값을 1로 하여 상대적/대수적으로 값이 종종 디스플레이된다. 또한, 혈류 방향만이 이용되기 때문에, 특정 방향으로의 변화가 종종 차단된다. 이렇게 하여, 중요한 방법의 데이터만 취하는 것이 가능해진다. 의사 컬러화는 심장 지역의 식별 결과를 사용하여 분석 범위의 변화에 따라 수행된다. 즉, 각 개인(피험자)의 분석 결과는 위상에 맞는 특정 형상(최소, 최대, 평균, 중앙값)에 따라 상대적인 면적에 맞춰진다. 또한, 복수의 해석 결과들을 비교할 수 있는 특정 형상/상으로 변형이 이루어진다.
또한, "표준 심장"을 준비할 때, 위에서 설명된 심장의 움직임 분석 결과들은 심장(심근) 내의 상대적인 위치 관계를 계산하는데 사용된다. "표준 심장"은 복수의 환자들의 심장들의 등고선들, 밀도 등을 종합적으로 평균한 라인을 사용하여 준비된다. 또한, 이 개념은 심장에 한정되지 않고, 폐들(표준 폐들) 및 다른 장기들(표준 장기들)에 적용될 수 있다. 예를 들어, 연령, 성별, 국가 및 질병 정도에 의해 "장기 모델들"을 생성하는 것이 가능하다.
심장의 픽셀 값들의 위의 변화들 외에도, 또한 심장의 중심에서 심근까지의 거리(도 2b 및 도 2c에 도시된 거리(L))의 변화들을 계산하여 푸리에 분석을 수행하는 것이 가능하고, 또한 심장 용적의 변화들을 계산하여 푸리에 분석을 수행하는 것이 가능하다.
위에서 설명된 바와 같이, "표준 심장"이 준비된 후, 조정 가능성, 일치율 및 불-일치율이 디지털화되어 제시(주파수 조정 가능 이미지의 디스플레이)되는 것이 가능해진다. 또한, 정상 상태와의 편차가 디스플레이될 수 있다. 본 실시예에 따르면, 새로운 질환의 가능성 발견, 정상 상태의 자신과의 비교, 손과 발의 비교, 반대편에 있는 다른 손과 다른 발의 비교는 푸리에 분석을 수행하여 가능하게 된다. 또한, 조정 가능성을 디지털화함으로써 발의 움직임, 연하 등의 움직임에서 어느 부분이 비정상인지 파악하는 것이 가능해진다. 또한, 고정된 시간 경과 후 질병 상태의 사람이 변화되었는지 여부를 결정하는 것이 가능해지고, 사람이 변화되는 경우, 변화 전과 후의 상태들을 비교하는 것이 가능해진다.
[심장 그리기]
본 명세서에서, 베지어(Bezier) 곡선들과 직선들의 조합을 사용하여 심장의 윤곽을 시험적으로 그림으로써 높은 매칭 속성을 획득하기 위해 심장을 조정하는 방법이 이용된다. 예를 들어, 4개의 베지어 곡선들과 1개의 직선으로 심장의 윤곽이 표현되면, 심장의 윤곽에서 5개의 지점들과 4개의 제어 지점을 찾아 심장의 윤곽을 그리는 것이 가능해진다. 심장의 복수의 윤곽들을 그리는 지점의 위치를 변위시키고, "윤곽 내부의 밀도의 총 밀도 값이 최대가 됨", "등고선 안팎의 몇 픽셀들에 대한 밀도 합 차이가 최대가 됨" 등인 조건을 사용하여 매칭 속성을 평가함으로써 높은 정확도로 심장의 윤곽을 검출하는 것이 가능해진다. 또한, 고전적인 이진화를 통한 윤곽 추출에 의해 외부 에지 근처의 지점을 추출하고 최소 제곱법 등을 사용하여 베지어 곡선의 제어 지점 위치를 조정하는 것이 가능하다. 또한, 위의 방법은 심장에 국한되지 않고, "장기 검출"로서 다른 장기에 적용될 수 있다. 이는 평면 이미지들뿐만 아니라 입체 이미지들(3D 이미지들)에도 적용가능하다. 제어 지점을 설정하는 곡면 방정식을 규정함으로써 복수의 곡면들로 둘러싸인 타겟을 장기로 추정하는 것이 가능해진다.
[푸리에 분석을 사용한 심장 기능 분석]
다음으로, 본 실시예에 따른 푸리에 분석을 사용한 심장 기능 분석이 설명된다. 도 4는 본 실시예에 따른 심장 기능 분석의 개요를 도시하는 흐름도이다. 기본 모듈(1)은 데이터베이스(15)로부터 DICOM의 이미지들을 추출한다(단계 S1). 여기서, 하나의 심장 박동에 포함된 적어도 복수의 프레임 이미지들이 취득된다. 다음으로, 취득된 각 프레임 이미지에서, 적어도 심근의 소정 고정 영역에서 픽셀 값들의 변화들, 예를 들어 밀도(밀도/강도)의 변화들을 사용하여 심장의 움직임 주기가 특정된다(단계 S2). 이어서, 심장(심근) 지역이 검출되고(단계 S3), 검출된 심근은 복수의 차단 영역들로 분할된다(단계 S4). 여기서, 위에서 설명된 바와 같이, 심근은 보로노이 테셀레이션을 이용하여 심장의 중심에서 방사상으로 분할된다. 이어서, 각 프레임 이미지의 각 블록 영역의 픽셀 값의 변화가 계산된다(단계 S5). 여기서, 각 블록 영역 내의 변화들의 값들은 평균되고 하나의 데이터 부분으로 표현된다.
또한, 픽셀을 소정 정도 흐릿하게 디스플레이하거나, 흐려진 상태로 하여 전체를 디스플레이하는 것이 또한 가능하다. 구체적으로, 혈관들의 경우에, 높은 신호 값들 사이에 낮은 신호 값이 공존하지만, 높은 신호 값들만이 대략적으로 파악할 수 있다면, 전체적으로 모호하게 받아들일 수 있다. 예를 들어, 혈류의 경우, 임계치 이상의 신호만이 추출될 수 있다. 구체적으로, 하기 표의 수치가 1 픽셀로 취해지고, 중앙의 수치가 취득되는 경우에서, 1개의 픽셀 내에서 중앙의 수치가 차지하는 비율이 취득 및 평균될 때, 그 표현이 인접 픽셀들 사이에서 원활하게 이루어질 수 있다.
Figure pct00014
또한, 각 블록 영역 내 변화 값들에 대해, 컷오프에 의해 노이즈 제거가 수행될 수 있다. 다음으로, 위에서 설명된 심장 움직임의 주기에 기반하여 각 블록 영역의 밀도/강도 값 및 그 변화량에 대해 푸리에 분석이 수행된다(단계 S6). 이렇게 하여, 각 블록 영역에서 이미지의 본질을 추출하여 디스플레이하는 것이 가능해진다.
여기서, 푸리에-변환 후 획득된 스펙트럼 중, 심장 움직임의 주기에 대응하는 스펙트럼을 포함하는 고정 대역의 스펙트럼이 추출된다. 여기서, 합성파 스펙트럼의 주파수(f)에 대해, 합성 소스가 되는 각 주파수의 f1과 f2사이에서 "1/f = 1/f1 + 1/f2"의 관계가 만족되고, 스펙트럼을 추출할 때, 다음 방법을 이용하는 것이 가능하다.
(1) 스펙트럼 비율이 높은 심장의 움직임이 추출된다.
(2) 심장 박동/혈류에 대응하는 스펙트럼의 피크와 복수의 이웃하는 합성파들의 피크의 중간에서 분할을 통해 스펙트럼이 추출된다.
(3) 심장 박동/혈류에 대응하는 스펙트럼과 복수의 이웃하는 합성파들의 스펙트럼의 피크의 골 부분에서 분할을 통해 스펙트럼이 추출된다.
여기서, 합성파 스펙트럼 요소는 2가지 성분들(심장 박동과 병리학적 혈류)만 갖는 경우 50% + 50%가 되고, 3가지 성분들의 경우, 분포가 각각 3분의 1이 된다. 따라서, 합성파 스펙트럼은 심장 박동 성분 스펙트럼이 몇 퍼센트인지, 혈류 성분 스펙트럼이 몇 퍼센트인지, 그리고 그 스펙트럼 성분들과 높이가 어느 정도 계산될 수 있다. 높은 비율(%)로 스펙트럼을 추출하는 것이 가능하다. 즉, 합성파 성분에 대한 혈류 성분/심장 박동 성분의 비율이 계산되고, 높은 혈류 성분/심장 박동 성분을 갖는 스펙트럼 값이 계산되고 추출된다.
다음으로, 노이즈 제거는 푸리에 변환에 의해 획득된 결과들에 대해 수행된다(단계 S7). 여기서, 위에서 설명된 바와 같이 컷오프 및 아티팩트 제거가 수행될 수 있다. 위에서 설명된 단계 S5 내지 단계 S7의 동작은 적어도 1회 수행되고, 완료 여부가 결정된다(단계 S8). 완료되지 않은 경우, 단계 S5로 이행되고; 완료되면, 푸리에 분석에 의해 획득된 결과들은 의사 컬러 이미지로서 디스플레이에 디스플레이된다(단계 S9). 또한, 흑백 이미지가 디스플레이될 수 있다. 이런 방식으로 복수의 주기들을 반복함으로써 데이터의 정확도가 개선되는 몇몇 경우들이 있다. 따라서, 원하는 동영상이 디스플레이되는 것이 가능하다. 또한, 디스플레이에 디스플레이되는 이미지를 교정하여 원하는 동영상이 획득될 수 있다.
위에서 설명된 바와 같은 단계들 S4 및 S5에서의 심근 분할 프로세싱 외에, 단계들 S4 및 S5 대신에 심장 중심에서 심근까지의 거리 변화를 계산하여 푸리에 분석을 수행하는 것이 또한 가능하다.
[디지털 필터를 사용한 심장 기능 분석]
다음으로, 본 실시예에 따른 디지털 필터를 사용한 심장 기능 분석이 설명된다. 도 5는 본 실시예에 따른 심장 기능 분석의 개요를 도시하는 흐름도이다. 단계들 S1 내지 S5 및 S7 내지 S9는 위에서 설명된 "푸리에 분석을 사용한 심장 기능 분석"과 동일하므로, 생략된다. 도 5의 단계 T1에서, 디지털 필터 프로세싱이 수행된다(단계 T1). 디지털 필터는 신호의 주파수 성분들을 추출하여 조정하는 수학적 알고리즘들인 "고속 푸리에 변환 및 역 고속 푸리에 변환"에 기반하여 시간 도메인과 주파수 도메인 간의 변환을 수행한다. 이것은 위에서 설명된 푸리에 분석과 동일한 효과를 획득할 수 있게 한다.
[조정 가능한 일치율을 사용한 심장 기능 분석]
다음으로, 본 실시예에 따른 조정가능 일치율을 사용한 심장 기능 분석이 설명된다. 도 6은 본 실시예에 따른 심장 기능 분석의 개요를 도시하는 흐름도이다. 단계들 S1 내지 S5 및 S7 내지 S9는 위에서 설명된 "푸리에 분석을 사용한 심장 기능 분석"과 동일하므로, 생략된다. 도 6의 단계 R1에서, 조정 가능한 일치율의 분석이 수행된다(단계 R1). 그러므로, 심장(심근) 영역이 검출되고(단계 S3), 심근이 복수의 블록 영역들로 분할된 후(단계 S4), 각 프레임 이미지에서 블록 영역들의 평균 밀도(픽셀 값(x))이 계산되고, 평균 밀도(픽셀 값(x))의 최소 값에서 최대 값까지의 변화 폭(0% 내지 100%)에 대한 각 프레임 이미지의 블록 영역들의 평균 픽셀 값의 비율(x')이 계산된다(단계 S5). 다른 한편, 심장의 표면적(또는 용적)의 최소치에서 최대치까지 변화 폭(0% 내지 100%)에 대한 각 프레임 이미지의 심장 변화(y)의 비율(y')의 비율 값(x'/y')이 계산된다(단계 S5). 이를 사용하여, 비율 값(x'/y')이 미리 결정된 고정 범위 내에 있는 블록 영역들만이 추출될 수 있다(단계 R1).
여기서, y'=x' 또는 y=ax(a는 심장의 표면적 또는 용적의 수치 값, 또는 밀도 수치 값의 계수를 나타냄)인 경우는 완전한 일치를 의미한다. 그러나, 이는 완전 일치의 경우에만 의미 있는 값을 나타내고, 소정 고정 폭을 갖는 값이 추출되어야 하는 것을 의미하지 않는다. 따라서, 본 실시예의 일 양태에 따르면, 고정 폭은 후술되는 바와 같이 대수(log)를 사용하여 결정된다. 즉, y=x인 경우 비율(%)로 계산되면, 조정가능성의 완전한 일치는 "log Y'/x'=0"이다. 또한, 예를 들어 조정가능한 일치율의 범위가 좁거나 (수치적으로 좁은) 범위인 것을 추출할 때, 0에 가까운 범위에서 "log Y'/x'=-0.05 ~ +0.05"로 결정되고, 조정가능한 일치율의 범위가 넓거나 (수치적으로 넓은) 범위인 경우에, 0에 가까운 범위에서 "log Y'/x'=-0.5 ~ +0.5"로 결정된다. 이 범위가 좁을수록, 그 범위 내에서 일치하는 수치 값도 또한 높고, 조정율은 높다고 할 수 있다. 픽셀들의 각각의 픽셀에 대해 이 비율값을 결정하여 개수를 카운팅할 때, 건강한 사람들의 경우 완전 일치하는 경우가 피크로 취해지는 정규 분포가 획득된다. 대조적으로, 질병을 갖는 사람들의 경우에, 이 비율 값의 분포는 잃게 된다. 또한, 위에서 설명된 바와 같이, 대수를 사용하여 폭을 결정하는 방법은 단지 일 예이고, 본 발명은 이에 한정되지 않는다. 즉, 본 발명은 다음과 같이 "이미지 추출"을 수행하는 것이다. (대략 범위에서 밀도 변화의 평균)
Figure pct00015
(심장 박동)
Figure pct00016
(심장 변화)
Figure pct00017
(심전도)
Figure pct00018
(심장 표면적 및 용적 변화), 이는 또한 대수를 사용하는 방법 이외의 방법들에 또한 적용가능하다.
또한, 3D를 고려할 때, 심장 박동, 심장의 표면적 또는 용적, 심박 출량, 중심 혈류량 등을 다른 디바이스로 측정함으로써, 이런 비율들로부터 각각의 영역에서 "심장의 부분 표면적", "심장 부분 용적" 및 "혈액 속도"를 계산하는 것이 가능해진다. 이러한 정량적 측정들로서, 심장의 표면적, 심장의 용적, 심박 출량, 중앙측의 혈류량이 다른 모랄러티 등으로 측정될 수 있다면, 이 영역에서 하나의 프레임 양, 이의 비율, 및 변화량 비율로부터 추정된 기능적 능력을 추정하는 것이 가능해진다. 즉, 심장 기능 분석의 경우, 심장의 움직임으로부터 심장의 용적을 추정하는 것이 가능해지고; 혈류 분석의 경우, 심박 출량으로부터 폐 혈류량을 추정하고, 중앙측의 혈류량(율)에서 도출된 분기된 혈관들의 추정 혈류량(율)을 추정하는 것이 가능해진다.
또한, 위에서 설명된 바와 같이, 취득된 전체 데이터베이스가 계산될 수 있으면 더 높은 정확도로 결정이 가능하지만, 컴퓨터 분석을 실행하는 데 시간이 종종 요구된다. 따라서, 이의 소정 고정된 수(위상)만을 추출하여 계산을 수행하는 것이 가능해진다. 예를 들어, 취득된 이미지들의 처음부터가 아니라, 이미지들의 후반부, 즉 끝까지가 아닌 이미지들의 중간에서 자동으로 취득이 이루어진다(수동 획득이 또한 가능함). 이는 환자를 처음 촬영할 때 긴장된 상태로 촬영된 이미지들을 잘라내어 보다 안정적인 이미지들을 추출하기 쉽게 한다. 또한, 취득된 이미지들(예를 들어, 300개 이미지들)을 그대로 계산하지 않고, 처음 측정된 심장의 위치 등에 기반하여 "심장 움직임"의 변화가 선택되고, 이어서 계산될 수 있다. 이는 동영상 라벨링 등이 반복될 필요가 있을 때 연속적인 심장 박동처럼 보이는 이미지 라벨링을 가능하게 한다. 이 경우, 이미지 라벨링에 의해 계산이 이루어질 수 있다. 또한, 심장(심근) 지역을 식별할 때, 수동으로 그 일부만 형상을 변경하거나 그래프 라벨링의 일부만 수동으로 변경하는 경우들에도, 노이즈 컷팅 및 최소 제곱법을 사용하여 그래프를 교정하는 것이 바람직하다.
위에서 설명된 바와 같이, 본 실시예에 따르면, X-선 동영상 디바이스로 인체의 이미지들을 평가하는 것이 가능해진다. 디지털 데이터가 획득될 수 있으면, 일반적으로 우수한 방식으로 기존 설비 디바이스들로 계산하는 것이 가능하여, 설치 비용이 절감된다. 예를 들어, 평판 검출기를 구비한 X-선 동영상 디바이스에 따르면, 단순히 피사체의 검사를 완료하는 것이 가능해진다. 심장 기능 분석에서, 심근 경색의 스크리닝이 가능해진다. 예를 들어, 평판 검출기를 구비한 X-선 동영상 디바이스에 따르면, CT를 수행하기 전에 본 실시예에 따른 진단 지원 프로그램을 실행함으로써 불필요한 검사들이 제거될 수 있다. 또한, 간단한 검사가 수행되어, 초기 단계에서 긴급도가 높은 질병을 찾아 우선적으로 처치하는 것이 가능해진다. 현재의 촬영 방법에 따르면, CT, MR 등 같은 다른 모랄러티의 경우, 몇 가지 문제들이 있지만, 이러한 문제들들을 해결할 수 있다면, 각 영역에 대한 상세한 진단이 가능해진다.
또한, 이는 다양한 종류의 혈관들 스크리닝, 예를 들어 경부 혈류 협착; 또한 혈류 평가 및 대혈관 스크리닝에 또한 적용할 수 있다. 또한, 수술 전후의 특징적인 상태 파악들에 또한 적용이 가능하다. 또한, 심장의 움직임의 주기와 혈류의 주기를 푸리에-변환하여 심장의 움직임의 파형과 혈류 파형을 제거함으로써, 복부의 X-선 이미지에서, 남아있는 생물학적 움직임의 이상, 예를 들어 장관 장폐색 등을 관찰하는 것이 가능해진다.
또한, 처음에 취득된 이미지가 소정 정도 고해상도를 나타내면, 픽셀들의 수가 많아, 종종 계산에 시간이 걸린다. 이 경우, 이미지를 고정된 픽셀들의 수로 감소시킨 후 계산이 이루어질 수 있다. 예를 들어, [4000 × 4000] 픽셀들을 [1028 × 1028] 픽셀들로 감소시킨 후 이루어진 계산을 통해 계산 시간을 감소시키는 것이 가능하다.
또한, 기존에는, 결정될 타겟 이미지의 콘트라스트 범위가 수동으로 조정되었거나; 또는, 소정 표준에 기반하여 결정될 타겟 이미지를 상대적으로 추출하는 방법이 이용되었다. 그러나, 이는 분석 타겟의 프레임(예를 들어, 폐장)을 인식하여 엄격하게 수행되지는 않았다. 본 발명에 따라 심장 지역을 검출하고 골밀도를 필터링함으로써(낮은 투과성의 소정 범위를 절단), 지역의 나머지 내부 투과성의 폭은 심장의 인식된 지역의 폭으로 엄격하게 제한되어야 한다. 이는, 결정을 내리는 사람, 예를 들어, 의사, 전문가에 의해 심장 지역을 판단하는 사람(예를 들어, 의사, 기술자 등)이 볼 때, 심장 지역의 검출 시, 결정가능한 투과도를 더 엄격하게 조정하게 한다. 또한, 이는 컬러링 평가에 적당한 투과도를 보다 엄격하게 조정하게 한다.
또한, XP와 CY에서, 노출을 감소시키기 위해 신체 상태에 따라 X-선 투과성이 변화된다. 촬영 동안, 폐의 움직임에 따라 투과성이 변화될 수 있다. 또한, MRI에서도, 소정 방향의 자기장 변화들 등으로 인해, 소정 불균일한 신호로 이미지가 촬영된다. 이에 반해, 특정 장기의 "밀도/강도" 변화는 주변 "배경"의 투과성을 둘러싸는 투과성로부터 일정한 형태로 변화된 투과성을 특정 장기의 투과성로 되돌리는 계산을 조정함으로써, 또는 자기장의 전반적인 변화의 불균일성을 균일하게 교정하여 신호 값에 소정의 고정된 교정을 적용함으로써 보다 정밀하게 측정될 수 있다. 또한, 촬영 조건들의 수치적 변화들로부터 각 장기의 특성에 기반한 투과성의 정도를 변화시키고 특정 장기의 "밀도/강도" 변화를 정밀하게 교정하여 보다 정확한 변화량이 계산될 수 있다.
본 발명에서, 평균값 또는 강도의 변화가 계산될 수 있지만, X-선, CT 등으로부터 획득된 데이터(강도)는 "감마 교정"을 겪을 수 있고, 밀도는 올바르게 반영될 수 없다. 이 감마 교정은 디스플레이에 디스플레이되는 이미지들 등의 채도와 밝기를 교정하는 프로세싱이다. 일반적으로, 컴퓨터는 입력 신호에 따라 디스플레이에 이미지들을 디스플레이하지만, 디스플레이의 특성에 따라 밝기와 채도가 변할 수 있다. 그러므로, 감마 교정은 이러한 오류들을 교정하는 데 사용된다. 감마 교정은 디스플레이로 입력 및 출력될 때 신호들 및 컬러 데이터의 상대적 관계를 조정하여, 보다 자연스럽게 보이는 디스플레이를 만든다. 그러나, 감마 교정 후의 이미지는 더 이상 원본 이미지가 아니므로, 본 발명에 따른 이미지 프로세싱을 적용할 때 불편함을 야기할 수 있다. 그러므로, 감마 교정 전의 이미지는 "감마 역 교정", 즉 감마 교정 값에 대응하는 역 필터를 감마 교정 후의 이미지에 적용하여 획득된다. 이는 감마 교정 전의 이미지를 획득할 수 있게 하고, 이는 본 발명에 따른 이미지 프로세싱이 적절하게 수행될 수 있게 한다.
또한, 본 발명은 감마 교정에 한정되지 않고, 다른 이미지 프로세싱을 거친 이미지가 복원되어 프로세싱될 수 있다. 예를 들어, 인체 외측 공간과 같이 촬영 중 밀도가 불변하는 영역에서의 픽셀 값들의 변화들로부터, 이미지에 대해 수행된 이미지 프로세싱은 유추되고, 픽셀 값들의 변화들을 일정하게 유지하는 기능은 모든 픽셀들에 적용된다. 이는 원본 이미지에 가까운 이미지를 획득할 수 있게 하고, 본 발명에 따른 이미지 프로세싱이 적절하게 수행될 수 있게 한다.
또한, 본 발명은 중첩된 이미지들로부터 개별 이미지들을 복원할 수 있다. 종래, "X-선 차분 이미지 기술"이 알려져 있다. 이 기술은 건강 검진 등을 통해 촬영된 동일 환자의 "과거와 현재 X-선 이미지들"을 중첩시키고, 과거에서 현재로 변한 영역들, 즉 비정상으로 추정되는 영역들을 강조한다. 예를 들면, 이렇게 함으로써, 암을 초기 단계에서 검출하는 것이 가능해진다. 중첩의 방법으로서, 복수의 이미지들이 "제1, 제2, 제3, 제4... 이미지들"로 촬영될 때, 예를 들어 "제1, 제2, 및 제3 이미지들"은 "제1 이미지의 중첩된 이미지"로서 사용되고; "제2, 제3, 및 제4 이미지들"은 "제2 이미지의 중첩된 이미지"로서 사용되고; "제3, 제4, 및 제5 이미지들"은 "제3 이미지의 중첩된 이미지로서 사용된다. 이러한 중첩된 이미지들에 대해, 복수의 이미지들이 중첩되는 경우 픽셀 값들이 더 높고, 중첩되지 않는 경우 픽셀 값이 더 낮다. 이러한 중첩된 이미지들은 장기들의 윤곽들을 흐리게 할 수 있으므로, 각각의 원본 이미지들로 복원하는 것이 바람직하다. 본 발명에 따르면, 장기들의 윤곽들은 식별될 수 있고, 이는 중첩된 이미지들로부터 원래 이미지를 복원할 수 있게 한다.
또한, 본 발명은 또한 장기의 각 지역의 주파수 차이를 이미지화할 수 있다. 즉, 주기적인 움직임들이 있는 장기들에서, 각 지역에 대한 변화 값들은 푸리에-변환되고, 주파수 성분들의 조성비에 기반하여 각 지역을 컬러들로 분류하는 것과 같이 가중되어, 각 지역의 특성을 나타낼 수 있다. 예를 들어, 각 지역에서 피크가 되는 주파수 성분들을 식별하고 각 지역을 컬러들로 분류하는 것이 가능하다.　또한, 각 지역에서, 특정 주파수 대역 내에서 각 주파수 성분의 백분율을 식별하고, 백분율에 따라 컬러들로 각 지역을 분류하는 것이 또한 가능하다. 또한, 특정 지역에서, 표준이될 주파수 조성비는 예를 들어 "10Hz의 경우 50% 및 20Hz의 경우 50%"이고, 이는 표준이될 주파수 조성비로부터 편차율을 시각화하는 것을 또한 가능하게 한다. 이런 방식으로, 예를 들어, 심장의 경우, 주파수의 스펙트럼 분포를 컬러들로 분류하여 디스플레이함으로써, 올바른 움직임이 이루어졌는지 올바르지 않은 움직임이 이루어졌는지 한눈에 파악하는 것이 가능해진다.
1 기본 모듈
3 심장 기능 분석 유닛
5 혈류 분석 유닛
7 다른 혈류 분석 유닛
9 푸리에 분석 유닛
10 파형 분석 유닛
11 시각화/디지털화 유닛
13 입력 인터페이스
15 데이터베이스
17 출력 인터페이스
19 디스플레이

Claims (24)

  1. 인간의 장기 이미지들을 분석하고 분석 결과들을 디스플레이하는 진단 지원 프로그램으로서,
    상기 프로그램은 컴퓨터가:
    복수의 프레임 이미지들을 취득하는 프로세싱;
    각각의 프레임 이미지들 사이에서 장기의 상태를 특징으로 하는 주기적 변화율을 계산하는 프로세싱;
    상기 장기의 상태를 특징으로 하는 상기 주기적 변화를 푸리에-변환하는 프로세싱;
    상기 푸리에-변환 후 획득된 스펙트럼 중, 장기의 움직임 주파수에 대응하는 스펙트럼을 포함하는 고정 대역의 스펙트럼을 추출하는 프로세싱;
    상기 고정 대역에서 추출된 상기 스펙트럼에 대해 역 푸리에 변환을 수행하는 프로세싱; 및
    상기 역 푸리에 변환을 수행한 후 각각의 이미지들을 출력하는 프로세싱을 포함하는 프로세스를 실행하게 하는, 진단 지원 프로그램.
  2. 제1항에 있어서,
    인체 장기의 이미지들을 복수의 블록 영역들로 분할하여 각 프레임 이미지들에서 블록 영역들의 이미지 변화를 계산하는 프로세싱;
    각각의 프레임 이미지들의 각 블록 영역에서 상기 이미지 변화를 푸리에-변환하는 프로세싱;
    상기 푸리에-변환 후 획득된 스펙트럼 중, 장기의 움직임 주파수에 대응하는 스펙트럼을 포함하는 고정 대역의 스펙트럼을 추출하는 프로세싱; 및
    상기 고정 대역에서 추출된 상기 스펙트럼에 대해 역 푸리에 변환을 수행하는 프로세싱을 더 포함하는, 진단 지원 프로그램.
  3. 인간의 장기 이미지들을 분석하고 분석 결과들을 디스플레이하는 진단 지원 프로그램으로서,
    상기 프로그램은 컴퓨터가:
    복수의 프레임 이미지들을 취득하는 프로세싱;
    각각의 프레임 이미지들 사이에서 장기의 상태를 특징으로 하는 주기적 변화를 계산하는 프로세싱;
    디지털 필터에 의해 상기 이미지에서 상기 장기의 상태를 특징으로 하는 주기적 변화의 주파수에 대응하여 변화하는 픽셀들을 추출하는 프로세싱; 및
    상기 디지털 필터에 의해 추출된 상기 픽셀들을 포함하는 이미지들을 출력하는 프로세싱을 포함하는 프로세스를 실행하게 하는, 진단 지원 프로그램.
  4. 제3항에 있어서,
    장기의 이미지들을 복수의 블록 영역들로 분할하여 각 프레임 이미지들에서 각 블록 영역의 이미지 변화를 계산하는 프로세싱; 및
    디지털 필터에 의해 상기 이미지에서 상기 장기의 움직임 주파수에 대응하여 변화하는 픽셀들을 추출하는 프로세싱을 더 포함하는, 진단 지원 프로그램.
  5. 인간의 장기 이미지들을 분석하고 분석 결과들을 디스플레이하는 진단 지원 프로그램으로서,
    상기 프로그램은 컴퓨터가:
    복수의 프레임 이미지들을 취득하는 프로세싱;
    각각의 프레임 이미지들 사이에서 장기의 상태를 특징으로 하는 주기적 변화율을 계산하는 프로세싱;
    상기 장기의 상태를 특징으로 하는 상기 주기적 변화율에 대응하는 컬러를 선택하는 프로세싱; 및
    픽셀 값들의 변화율에 대해 선택된 컬러를 추가하고 상기 이미지들을 디스플레이 상에 디스플레이하는 프로세싱을 포함하는 프로세스를 실행하게 하는, 진단 지원 프로그램.
  6. 제5항에 있어서,
    장기의 이미지들을 복수의 블록 영역들로 분할하여 각 프레임 이미지들에서 각 블록 영역의 이미지 변화율을 계산하는 프로세싱; 및
    각 블록 영역들에 대한 픽셀 값들의 변화율에 대응하는 컬러를 선택하는 프로세싱을 더 포함하는, 진단 지원 프로그램.
  7. 인체의 이미지들을 분석하고 분석 결과들을 디스플레이하는 진단 지원 프로그램으로서,
    상기 프로그램은 컴퓨터가:
    복수의 프레임 이미지들을 취득하는 프로세싱;
    모든 취득된 프레임 이미지들에 대한 분석 범위를 규정하는 프로세싱;
    보로노이 테셀레이션(Voronoi tessellation)의 방법을 사용함으로써 분석 범위를 복수의 영역들로 분할하는 프로세싱; 및
    각각의 분할된 영역들에 대한 주기적 변화에 대해 수행될 임의의 산술 연산들을 실행하는 프로세싱을 포함하는 프로세스를 실행하게 하는, 진단 지원 프로그램.
  8. 인체의 이미지들을 분석하고 분석 결과들을 디스플레이하는 진단 지원 프로그램으로서,
    상기 프로그램은 컴퓨터가:
    복수의 프레임 이미지들을 취득하는 프로세싱;
    모든 취득된 프레임 이미지들에 대한 분석 범위를 규정하는 프로세싱;
    분석 범위를 복수의 영역들로 분할하는 프로세싱; 및
    각각의 분할된 영역들에 대한 주기적 변화의 인덱스에 기반하여 각각의 영역들을 분류하는 프로세싱을 포함하는 프로세스를 실행하게 하는, 진단 지원 프로그램.
  9. 인간의 장기 이미지들을 분석하고 분석 결과들을 디스플레이하는 진단 지원 프로그램으로서,
    상기 프로그램은 컴퓨터가:
    복수의 프레임 이미지들을 취득하는 프로세싱;
    복수의 프레임 이미지들에서 각각의 픽셀의 절대적 위치 관계가 유지되는 상태에서 장기의 상태를 특징으로 하는 주기적 변화를 계산하는 프로세싱;
    상기 장기의 상태를 특징으로 하는 상기 주기적 변화를 푸리에-변환하는 프로세싱;
    상기 푸리에-변환 후 획득된 스펙트럼 중, 장기의 움직임 주파수에 대응하는 스펙트럼을 포함하는 고정 대역의 스펙트럼을 추출하는 프로세싱;
    상기 고정 대역에서 추출된 상기 스펙트럼에 대해 역 푸리에 변환을 수행하는 프로세싱; 및
    상기 역 푸리에 변환을 수행한 후 각각의 이미지들을 출력하는 프로세싱을 포함하는 프로세스를 실행하게 하는, 진단 지원 프로그램.
  10. 인간의 장기 이미지들을 분석하고 분석 결과들을 디스플레이하는 진단 지원 프로그램으로서,
    상기 프로그램은 컴퓨터가:
    복수의 프레임 이미지들을 취득하는 프로세싱;
    복수의 프레임 이미지들에서 각각의 픽셀의 절대적 위치 관계가 유지되는 상태에서 장기의 상태를 특징으로 하는 주기적 변화를 계산하는 프로세싱;
    디지털 필터에 의해 상기 이미지에서 상기 장기의 상태를 특징으로 하는 주기적 변화의 주파수에 대응하여 변화하는 픽셀들을 추출하는 프로세싱; 및
    상기 디지털 필터에 의해 추출된 상기 픽셀들을 포함하는 이미지들을 출력하는 프로세싱을 포함하는 프로세스를 실행하게 하는, 진단 지원 프로그램.
  11. 인간의 장기 이미지들을 분석하고 분석 결과들을 디스플레이하는 진단 지원 프로그램으로서,
    상기 프로그램은 컴퓨터가:
    복수의 프레임 이미지들을 취득하는 프로세싱;
    복수의 프레임 이미지들에서 각각의 픽셀의 절대적 위치 관계가 유지되는 상태에서 장기의 상태를 특징으로 하는 주기적 변화를 계산하는 프로세싱;
    상기 장기의 상태를 특징으로 하는 상기 주기적 변화율에 대응하는 컬러를 선택하는 프로세싱; 및
    픽셀 값들의 변화율에 대해 선택된 컬러를 추가하고 상기 이미지들을 디스플레이 상에 디스플레이하는 프로세싱을 포함하는 프로세스를 실행하게 하는, 진단 지원 프로그램.
  12. 제9항 내지 제11항 중 어느 한 항에 있어서,
    복수의 프레임 이미지들은 복수의 그룹들로 분류되고 각각의 그룹에 속하는 복수의 프레임 이미지들에서 각각의 픽셀의 절대적 위치 관계가 유지되는 상태에서 장기의 상태를 특징으로 하는 주기적 변화가 계산되는, 진단 지원 프로그램.
  13. 제2항, 제4항, 및 제6항 중 어느 한 항에 있어서,
    상기 프레임 이미지들이 인접한 프레임 프레임들인지 아닌지 여부에 관계없이 상기 장기를 나타내는 픽셀들의 상대적 위치 관계가 각각의 상기 프레임 이미지들 사이에서 유지되는 상태에서 각각의 상기 프레임 이미지들의 블록 영역들에서 이미지 변화가 계산되는, 진단 지원 프로그램.
  14. 제1항 내지 제13항 중 어느 한 항에 있어서,
    X-선들로 촬영된 프레임 이미지들에서 특정 영역의 투과성로부터 변화된 투과성을 소정 형태로 되돌리는 프로세싱을 더 포함하는, 진단 지원 프로그램.
  15. 제1항 내지 제13항 중 어느 한 항에 있어서,
    MRI에 의해 촬영된 프레임 이미지에서 MRI 자기장이 불균일한 영역의 신호값을 교정하고 이를 자기장이 균일할 때 획득되는 이미지로 변환하는 프로세싱을 더 포함하는, 진단 지원 프로그램.
  16. 제2항, 제4항, 및 제6항 중 어느 한 항에 있어서,
    프레임 이미지들이 인접 프레임들인지 아닌지 여부에 관계없이 각각의 프레임 이미지들 사이의 전체 장기의 변화 측면들로부터 변화율이 계산되고, 계산된 변화율에 기반하여 특정 블록 영역들의 이미지 변화가 계산되는, 진단 지원 프로그램.
  17. 제16항에 있어서,
    상기 변화율은 상기 장기 내 블록 영역들의 위치에 따라 변화하거나 상기 장기 전체에 걸쳐 일정한, 진단 지원 프로그램.
  18. 제1항 내지 제17항 중 어느 한 항에 있어서,
    상기 장기의 크기가 최대일 때 최대 외부 에지를 설정하는 프로세싱;
    상기 장기의 크기가 최소일 때 최소 외부 에지를 설정하는 프로세싱;
    상기 최대 외부 에지 및 상기 최소 외부 에지를 사용하여 각각의 이미지에서 다른 크기들의 장기들의 외부 에지들의 계수들을 계산하는 프로세싱; 및
    각각의 이미지들에서 상기 장기들의 상기 외부 에지들의 계수들에 대응하는 파형과 파형의 제어 지점들을 그래프 상에 디스플레이하는 프로세싱을 포함하고,
    상기 제어 지점들의 위치들을 가변시킴으로써 각각의 이미지의 계수들이 변화되는, 진단 지원 프로그램.
  19. 제18항에 있어서,
    상기 장기 이미지의 픽셀 평균값은 상기 그래프에 디스플레이되는, 진단 지원 프로그램.
  20. 제18항 또는 제19항에 있어서,
    상기 그래프와 병치되게 상기 장기의 이미지가 디스플레이되는, 진단 지원 프로그램.
  21. 인간의 장기 이미지들을 분석하고 분석 결과들을 디스플레이하는 진단 지원 프로그램으로서,
    상기 프로그램은 컴퓨터가:
    복수의 프레임 이미지들을 취득하는 프로세싱;
    각각의 프레임 이미지들에서 인간 장기의 이미지들을 복수의 블록 영역들로 분할하는 프로세싱;
    각각의 상기 프레임 이미지들의 블록 영역들의 이미지 변화를 계산하는 프로세싱;
    각각의 상기 블록 영역들에서 변화 값을 푸리에-변환하는 프로세싱; 및
    주파수 성분들의 조성비에 기반하여 컬러들에 의해 각각의 영역을 분류하는 프로세싱을 포함하는 프로세스를 실행하게 하는, 진단 지원 프로그램.
  22. 인간의 장기 이미지들을 분석하고 분석 결과들을 디스플레이하는 진단 지원 프로그램으로서,
    상기 프로그램은 컴퓨터가:
    복수의 프레임 이미지들을 취득하는 프로세싱;
    특정 프레임 이미지의 각각의 픽셀에 대해, 다음 및 후속 프레임 이미지들의 각각의 픽셀들의 좌표들과 상이한 좌표들을 갖는 픽셀들을 추출하고, 장기의 상태를 특징으로 하는 주기적 변화를 계산하는 프로세싱;
    상기 장기의 상태를 특징으로 하는 상기 주기적 변화를 푸리에-변환하는 프로세싱;
    상기 푸리에-변환 후 획득된 스펙트럼 중, 장기의 움직임 주파수에 대응하는 스펙트럼을 포함하는 고정 대역의 스펙트럼을 추출하는 프로세싱;
    상기 고정 대역에서 추출된 상기 스펙트럼에 대해 역 푸리에 변환을 수행하는 프로세싱; 및
    상기 역 푸리에 변환을 수행한 후 각각의 이미지들을 출력하는 프로세싱을 포함하는 프로세스를 실행하게 하는, 진단 지원 프로그램.
  23. 인간의 장기 이미지들을 분석하고 분석 결과들을 디스플레이하는 진단 지원 프로그램으로서,
    상기 프로그램은 컴퓨터가:
    복수의 프레임 이미지들을 취득하는 프로세싱;
    특정 프레임 이미지의 각각의 픽셀에 대해, 다음 및 후속 프레임 이미지들의 각각의 픽셀들의 좌표들과 상이한 좌표들을 갖는 픽셀들을 추출하고, 장기의 상태를 특징으로 하는 주기적 변화를 계산하는 프로세싱;
    디지털 필터에 의해 상기 이미지에서 상기 장기의 상태를 특징으로 하는 주기적 변화의 주파수에 대응하여 변화하는 픽셀들을 추출하는 프로세싱; 및
    상기 디지털 필터에 의해 추출된 상기 픽셀들을 포함하는 이미지들을 출력하는 프로세싱을 포함하는 프로세스를 실행하게 하는, 진단 지원 프로그램.
  24. 인간의 장기 이미지들을 분석하고 분석 결과들을 디스플레이하는 진단 지원 프로그램으로서,
    상기 프로그램은 컴퓨터가:
    복수의 프레임 이미지들을 취득하는 프로세싱;
    특정 프레임 이미지의 각각의 픽셀에 대해, 다음 및 후속 프레임 이미지들의 각각의 픽셀들의 좌표들과 상이한 좌표들을 갖는 픽셀들을 추출하고, 장기의 상태를 특징으로 하는 주기적 변화를 계산하는 프로세싱;
    상기 장기의 상태를 특징으로 하는 상기 주기적 변화율에 대응하는 컬러를 선택하는 프로세싱; 및
    픽셀 값들의 변화율에 대해 선택된 컬러를 추가하고 상기 이미지들을 디스플레이 상에 디스플레이하는 프로세싱을 포함하는 프로세스를 실행하게 하는, 진단 지원 프로그램.
KR1020217042237A 2019-07-04 2020-07-06 진단 지원 프로그램 KR20220044902A (ko)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
JPJP-P-2019-125444 2019-07-04
JP2019125444 2019-07-04
JPJP-P-2019-152401 2019-08-22
JP2019152401 2019-08-22
PCT/JP2020/026482 WO2021002478A1 (ja) 2019-07-04 2020-07-06 診断支援プログラム

Publications (1)

Publication Number Publication Date
KR20220044902A true KR20220044902A (ko) 2022-04-12

Family

ID=74100402

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020217042237A KR20220044902A (ko) 2019-07-04 2020-07-06 진단 지원 프로그램

Country Status (9)

Country Link
US (1) US20220398720A1 (ko)
EP (1) EP3995081A4 (ko)
JP (1) JPWO2021002478A1 (ko)
KR (1) KR20220044902A (ko)
CN (1) CN114040707A (ko)
AU (1) AU2020299019A1 (ko)
CA (1) CA3142467A1 (ko)
TW (1) TW202116253A (ko)
WO (1) WO2021002478A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI834115B (zh) * 2022-01-28 2024-03-01 采風智匯股份有限公司 骨骼影像處理與顯示方法

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB9920401D0 (en) * 1999-08-27 1999-11-03 Isis Innovation Non-rigid motion image analysis
DE10312193A1 (de) * 2003-03-19 2004-09-09 Siemens Ag Verfahren zum Betreiben eines bildgebenden medizinischen Untersuchungsgeräts
JP4193690B2 (ja) * 2003-12-25 2008-12-10 株式会社日立製作所 Ｍｒｉ装置
JP5575356B2 (ja) * 2006-11-17 2014-08-20 株式会社東芝 画像表示方法及びその装置並びに画像表示プログラム
JP5764058B2 (ja) * 2008-07-10 2015-08-12 コーニンクレッカ フィリップス エヌ ヴェ 心臓の同時性及び生存能力の超音波評価
DE102008049709B4 (de) * 2008-09-30 2019-12-12 Siemens Healthcare Gmbh Verfahren zur selektiven Darstellung einer Bewegung der Lunge, Computerprogramm, Bildverarbeitungseinheit und Magnetresonanzgerät
JP5402056B2 (ja) * 2009-02-16 2014-01-29 コニカミノルタ株式会社 画像処理装置、画像処理方法、およびプログラム
JP5962237B2 (ja) * 2012-06-11 2016-08-03 コニカミノルタ株式会社 胸部診断支援情報生成方法
JP6701880B2 (ja) * 2016-03-30 2020-05-27 コニカミノルタ株式会社 動態解析装置、動態解析システム、動態解析方法及びプログラム
JP6929689B2 (ja) * 2016-04-26 2021-09-01 キヤノンメディカルシステムズ株式会社 医用画像処理装置及び医用画像診断装置
US11004201B2 (en) * 2016-07-19 2021-05-11 Paramevia Pte. Ltd. Diagnosis support program
CN107403201A (zh) * 2017-08-11 2017-11-28 强深智能医疗科技（昆山）有限公司 肿瘤放射治疗靶区和危及器官智能化、自动化勾画方法
BR112020013421A2 (pt) * 2018-01-05 2020-12-01 Radwisp Pte. Ltd. programa de suporte de diagnóstico
JP6483875B1 (ja) * 2018-01-25 2019-03-13 日本メジフィジックス株式会社 心筋画像表示方法、心筋画像表示処理プログラム及び心筋画像処理装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
비-특허 문헌 1: https://www.zio.co.jp/ziostation2/

Also Published As

Publication number Publication date
AU2020299019A1 (en) 2021-12-09
TW202116253A (zh) 2021-05-01
WO2021002478A1 (ja) 2021-01-07
CN114040707A (zh) 2022-02-11
JPWO2021002478A1 (ko) 2021-01-07
CA3142467A1 (en) 2021-01-07
EP3995081A1 (en) 2022-05-11
EP3995081A4 (en) 2023-07-26
US20220398720A1 (en) 2022-12-15

Similar Documents

Publication Publication Date Title
JP7310048B2 (ja) 診断支援プログラム
US20210233243A1 (en) Diagnostic support program
US11189025B2 (en) Dynamic image analysis apparatus, dynamic image analysis method, and recording medium
WO2023063318A1 (ja) 診断支援プログラム
TWI828661B (zh) 診斷支援系統
US20220398720A1 (en) Diagnostic support program
JP2020171475A (ja) 動態画像解析装置、動態画像解析方法及びプログラム
EA040692B1 (ru) Программа поддержки диагностики
OA20419A (en) Diagnostic support program