KR20220153131A - 석회화 지도 생성 방법 및 이를 수행하기 위한 컴퓨팅 장치 - Google Patents
석회화 지도 생성 방법 및 이를 수행하기 위한 컴퓨팅 장치 Download PDFInfo
- Publication number
- KR20220153131A KR20220153131A KR1020210059737A KR20210059737A KR20220153131A KR 20220153131 A KR20220153131 A KR 20220153131A KR 1020210059737 A KR1020210059737 A KR 1020210059737A KR 20210059737 A KR20210059737 A KR 20210059737A KR 20220153131 A KR20220153131 A KR 20220153131A
- Authority
- KR
- South Korea
- Prior art keywords
- images
- generating
- image
- calcified lesion
- calcification
- Prior art date
Links
- 230000002308 calcification Effects 0.000 title claims abstract description 101
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000003902 lesion Effects 0.000 claims abstract description 114
- 238000007781 pre-processing Methods 0.000 claims abstract description 15
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 14
- 238000002591 computed tomography Methods 0.000 claims description 145
- 239000000284 extract Substances 0.000 claims description 14
- 238000013528 artificial neural network Methods 0.000 claims description 12
- 210000000709 aorta Anatomy 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 239000002131 composite material Substances 0.000 claims description 5
- 230000007423 decrease Effects 0.000 claims description 2
- 238000012549 training Methods 0.000 claims description 2
- 210000001765 aortic valve Anatomy 0.000 abstract description 11
- 238000011282 treatment Methods 0.000 abstract description 4
- 238000011269 treatment regimen Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- 208000003017 Aortic Valve Stenosis Diseases 0.000 description 4
- 206010002906 aortic stenosis Diseases 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 206010050559 Aortic valve calcification Diseases 0.000 description 1
- 206010008479 Chest Pain Diseases 0.000 description 1
- 208000000059 Dyspnea Diseases 0.000 description 1
- 206010013975 Dyspnoeas Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002513 implantation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 208000013220 shortness of breath Diseases 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 206010042772 syncope Diseases 0.000 description 1
- 210000001835 viscera Anatomy 0.000 description 1
Images
Classifications
-
- 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
- A61B6/02—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
- A61B6/12—Arrangements for detecting or locating foreign bodies
-
- 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
- A61B6/504—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 blood vessels, e.g. by angiography
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Pathology (AREA)
- Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Animal Behavior & Ethology (AREA)
- Optics & Photonics (AREA)
- Veterinary Medicine (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- Pulmonology (AREA)
- Data Mining & Analysis (AREA)
- Physiology (AREA)
- Quality & Reliability (AREA)
- Human Computer Interaction (AREA)
- Vascular Medicine (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
석회화 지도 생성 방법 및 이를 수행하기 위한 컴퓨팅 장치가 개시된다. 개시되는 일 실시예에 따른 컴퓨팅 장치는, 하나 이상의 프로세서들, 및 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비하는 컴퓨팅 장치로서, 환자의 흉부를 촬영한 CT 영상들을 획득하는 영상 획득 모듈, 획득한 CT 영상들 중 기 설정된 신체 부위를 기준으로 일부 CT 영상들을 추출하는 전처리 모듈, 추출한 CT 영상들에서 석회화 병변 영역을 추출하여 석회화 병변 이미지를 각각 생성하는 석회화 병변 이미지 생성 모듈, 및 석회화 병변 이미지들을 합성하여 석회화 지도를 생성하는 석회화 지도 생성 모듈을 포함한다.
Description
본 발명의 실시예는 석회화 지도 생성 기술과 관련된다.
대동맥판막 협착증은 다양한 원인으로 대동맥 판막이 굳어져 심장으로부터의 혈액흐름을 방해하는 질환이다. 이는 결국 신체 전반에 부담을 주어 호흡곤란, 가슴통증, 실신과 같은 증상을 발생시키며 더 나아가 사망률 증가의 원인이 되기도 한다. 병리학적으로는 대동맥판막 협착증의 진행은 대동맥 판막의 석회화를 동반하며, 질환이 오래되고 심각해지면 석회화의 범위와 크기 역시 증가하는 경향을 보인다.
최근, 대동맥판막 협착증 치료에 있어 대동맥판막 치환 시술을 통한 인공판막 삽입이 적극적으로 활용되고 있다. 이 시술 과정에서 단단한 대동맥판막 석회화는 인공판막의 위치이탈 및 형태변형을 초래할 수 있기에 시술 전 석회화의 크기, 형태와 위치에 대한 조사가 대동맥판막 치환시술에서 매우 중요하다.
한편, 다각도의 X-선에 기반한 전산화 단층촬영(Computed Tomography, CT)는 석회화 병변 영상화에 탁월한 장비이다. 하지만 2차원 기반의 CT 단면 영상만으로는 다양한 위치에서의 다발성 석회화 병변들을 체계적으로 영상화 하여 종합적으로 평가하기 어렵다는 것이 한계이다.
본 발명은 대동맥판막 협착증과 관련해 환자의 대동맥판막에 존재하는 석회화 병변들을 한 눈에 확인할 수 있는 석회화 지도 생성 방법 및 이를 수행하기 위한 컴퓨팅 장치를 제공하고자 한다.
한편, 본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
개시되는 일 실시예에 따른 컴퓨팅 장치는, 하나 이상의 프로세서들, 및 상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비하는 컴퓨팅 장치로서, 환자의 흉부를 촬영한 CT(Computed Tomography) 영상들을 획득하는 영상 획득 모듈; 상기 획득한 CT 영상들 중 기 설정된 신체 부위를 기준으로 일부 CT 영상들을 추출하는 전처리 모듈; 상기 추출한 CT 영상들에서 석회화 병변 영역을 추출하여 석회화 병변 이미지를 각각 생성하는 석회화 병변 이미지 생성 모듈; 및 상기 석회화 병변 이미지들을 합성하여 석회화 지도를 생성하는 석회화 지도 생성 모듈을 포함한다.
상기 석회화 병변 이미지 생성 모듈은, 상기 추출한 CT 영상들에서 CT 번호가 기 설정된 임계 CT 번호 이상인 영역을 상기 석회화 병변 영역으로 추출할 수 있다.
상기 석회화 병변 이미지 생성 모듈은, 상기 추출한 CT 영상이 입력되는 경우, 입력된 CT 영상에서 석회화 병변 영역을 분할(Segmentation)하여 석회화 병변 이미지를 출력하도록 학습되는 인공 신경망 모델을 포함할 수 있다.
상기 석회화 지도 생성 모듈은, 상기 각 석회화 병변 이미지에 대응하는 CT 영상과 상기 신체 부위가 포함된 CT 영상 간의 거리를 산출하고, 산출된 거리에 따라 각 석회화 병변 이미지에 가중치를 부여할 수 있다.
상기 석회화 지도 생성 모듈은, 상기 가중치에 따라 각 석회화 병변 이미지에 색상 값을 부여하여 상기 석회화 지도를 생성할 수 있다.
상기 석회화 지도 생성 모듈은, 상기 가중치가 높을수록 기 설정된 제1 색에 가까운 색상 값을 부여하고, 상기 가중치가 낮을수록 기 설정된 제2 색에 가까운 색상 값을 부여할 수 있다.
상기 석회화 지도 생성 모듈은, 상기 신체 부위가 포함된 CT 영상과 상기 석회화 지도를 합성하여 CT 석회화 합성 지도를 생성할 수 있다.
상기 신체 부위는, 상기 환자의 대동맥륜(Aortic Annulus)이고, 상기 전처리 모듈은, 상기 대동맥륜을 기준으로 상기 CT 영상들을 추출할 수 있다.
상기 전처리 모듈은, 상기 획득한 CT 영상에서 상기 대동맥륜을 검출하고, 상기 획득한 CT 영상들 중 상기 대동맥륜에 평행하면서 상기 환자의 대동맥의 길이 방향에 수직한 단면의 CT 영상들을 추출할 수 있다.
개시되는 일 실시예에 따른 석회화 지도 생성 방법은, 하나 이상의 프로세서들, 및 상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비하는 컴퓨팅 장치에서 수행되는 방법으로서, 환자의 흉부를 촬영한 CT 영상들을 획득하는 동작; 상기 획득한 CT 영상들 중 기 설정된 신체 부위를 기준으로 일부 CT 영상들을 추출하는 동작; 상기 추출한 CT 영상들에서 석회화 병변 영역을 추출하여 석회화 병변 이미지를 각각 생성하는 동작; 및 상기 석회화 병변 이미지들을 합성하여 석회화 지도를 생성하는 동작을 포함한다.
상기 석회화 병변 이미지를 각각 생성하는 동작은, 상기 추출한 CT 영상들에서 CT 번호가 기 설정된 임계 CT 번호 이상인 영역을 상기 석회화 병변 영역으로 추출할 수 있다.
상기 석회화 병변 이미지를 각각 생성하는 동작은, 상기 추출한 CT 영상을 인공 신경망 모델로 입력하는 동작; 및 상기 입력된 CT 영상에서 석회화 병변 영역을 분할하여 석회화 병변 이미지를 출력하도록 상기 인공 신경망 모델을 학습시키는 동작을 포함할 수 있다.
상기 석회화 지도를 생성하는 동작은, 상기 각 석회화 병변 이미지에 대응하는 CT 영상과 상기 신체 부위가 포함된 CT 영상 간의 거리를 산출하는 동작; 및 산출된 거리에 따라 각 석회화 병변 이미지에 가중치를 부여하는 동작을 포함할 수 있다.
상기 석회화 지도를 생성하는 동작은, 상기 가중치에 따라 각 석회화 병변 이미지에 색상 값을 부여하여 석회화 지도를 생성하는 동작을 더 포함할 수 있다.
상기 석회화 지도를 생성하는 동작은, 상기 가중치가 높을수록 기 설정된 제1 색에 가까운 색상 값을 부여하고, 상기 가중치가 낮을수록 기 설정된 제2 색에 가까운 색상 값을 부여할 수 있다.
상기 석회화 지도를 생성하는 동작은, 상기 신체 부위가 포함된 CT 영상과 상기 석회화 지도를 합성하여 CT 석회화 합성 지도를 생성하는 동작을 더 포함할 수 있다.
상기 신체 부위는, 상기 환자의 대동맥륜이고, 상기 CT 영상들을 추출하는 동작은, 상기 대동맥륜을 기준으로 상기 CT 영상들을 추출할 수 있다.
상기 CT 영상들을 추출하는 동작은, 상기 획득한 CT 영상에서 상기 대동맥륜을 검출하고, 상기 획득한 CT 영상들 중 상기 대동맥륜에 평행하면서 상기 환자의 대동맥의 길이 방향에 수직한 단면의 CT 영상들을 추출할 수 있다.
개시되는 일 실시예에 따른 컴퓨터 프로그램은, 컴퓨터 판독 가능한 저장 매체에 저장된 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램은 하나 이상의 명령어들을 포함하고, 상기 명령어들은 하나 이상의 프로세서들을 갖는 컴퓨팅 장치에 의해 실행될 때, 상기 컴퓨팅 장치로 하여금, 환자의 흉부를 촬영한 CT 영상들을 획득하고, 상기 획득한 CT 영상들 중 기 설정된 신체 부위를 기준으로 일부 CT 영상들을 추출하고, 상기 추출한 CT 영상들에서 석회화 병변 영역을 추출하여 석회화 병변 이미지를 각각 생성하고, 그리고 상기 석회화 병변 이미지들을 합성하여 석회화 지도를 생성하도록 한다.
본 발명의 실시예에 따르면, CT 영상에 기반하여 대동맥륜을 기준으로 하는 석회화 지도를 생성함으로써, 대동맥 판막에서 석회화 병변들의 크기, 위치, 및 분포 등을 한 눈에 쉽게 파악할 수 있게 된다. 그로 인해, 대동맥 판막 치환을 위한 치료 계획 설정에 중요한 정보(예를 들어, 판막 사이즈 선정 등)를 획득하고 적절한 치료 전략을 선택할 수 있게 된다.
한편, 본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 석회화 지도 생성 장치의 구성을 나타낸 블록도이고,
도 2는 본 발명의 일 실시예에서 대동맥륜을 기준으로 CT 영상들을 추출한 상태를 나타낸 도면이며,
도 3은 본 발명의 일 실시예에 따른 추출된 CT 영상에서 석회화 병변 영역을 선택하는 상태를 나타낸 도면이고,
도 4는 본 발명의 일 실시예에 따른 추출된 각 CT 영상에서 석회화 병변 영역을 추출하여 석회화 병변 이미지들을 각각 생성한 상태를 나타낸 도면이며,
도 5는 본 발명의 일 실시예에 따른 석회화 지도를 생성하는 상태를 나타낸 도면이고,
도 6은 본 발명의 일 실시예에서 CT 석회화 합성 지도를 나타낸 도면이고,
도 7은 본 발명의 일 실시예에 따른 석회화 지도 생성 방법을 나타낸 흐름도이며,
도 8은 예시적인 실시예들에서 사용되기에 적합한 컴퓨팅 장치를 포함하는 컴퓨팅 환경을 예시하여 설명하기 위한 블록도이다.
도 2는 본 발명의 일 실시예에서 대동맥륜을 기준으로 CT 영상들을 추출한 상태를 나타낸 도면이며,
도 3은 본 발명의 일 실시예에 따른 추출된 CT 영상에서 석회화 병변 영역을 선택하는 상태를 나타낸 도면이고,
도 4는 본 발명의 일 실시예에 따른 추출된 각 CT 영상에서 석회화 병변 영역을 추출하여 석회화 병변 이미지들을 각각 생성한 상태를 나타낸 도면이며,
도 5는 본 발명의 일 실시예에 따른 석회화 지도를 생성하는 상태를 나타낸 도면이고,
도 6은 본 발명의 일 실시예에서 CT 석회화 합성 지도를 나타낸 도면이고,
도 7은 본 발명의 일 실시예에 따른 석회화 지도 생성 방법을 나타낸 흐름도이며,
도 8은 예시적인 실시예들에서 사용되기에 적합한 컴퓨팅 장치를 포함하는 컴퓨팅 환경을 예시하여 설명하기 위한 블록도이다.
이하, 본 발명의 실시 예를 첨부된 도면들을 참조하여 더욱 상세하게 설명한다. 본 발명의 실시 예는 여러 가지 형태로 변형할 수 있으며, 본 발명의 범위가 아래의 실시 예들로 한정되는 것으로 해석되어서는 안 된다. 본 실시 예는 당업계에서 평균적인 지식을 가진 자에게 본 발명을 더욱 완전하게 설명하기 위해 제공되는 것이다. 따라서 도면에서의 요소의 형상은 보다 명확한 설명을 강조하기 위해 과장되었다.
본 발명이 해결하고자 하는 과제의 해결 방안을 명확하게 하기 위한 발명의 구성을 본 발명의 바람직한 실시 예에 근거하여 첨부 도면을 참조하여 상세히 설명하되, 도면의 구성요소들에 참조번호를 부여함에 있어서 동일 구성요소에 대해서는 비록 다른 도면상에 있더라도 동일 참조번호를 부여하였으며 당해 도면에 대한 설명 시 필요한 경우 다른 도면의 구성요소를 인용할 수 있음을 미리 밝혀둔다.
도 1은 본 발명의 일 실시예에 따른 석회화 지도 생성 장치의 구성을 나타낸 블록도이다.
도 1을 참조하면, 석회화 지도 생성 장치(100)는 영상 획득 모듈(102), 전처리 모듈(104), 석회화 병변 이미지 생성 모듈(106), 및 석회화 지도 생성 모듈(108)을 포함할 수 있다. 여기서는, 대동맥 판막과 관련하여 석회화 지도를 생성하는 것을 일 실시예로 설명하기로 하나, 본 발명의 권리범위가 이에 한정되는 것은 아니며 다양한 신체 부위에 발생하는 석회화 병변에 대한 석회화 지도를 생성할 수 있음은 물론이다.
일 실시예에서, 영상 획득 모듈(102), 전처리 모듈(104), 석회화 병변 이미지 생성 모듈(106), 및 석회화 지도 생성 모듈(108)은 물리적으로 구분된 하나 이상의 장치를 이용하여 구현되거나, 하나 이상의 프로세서 또는 하나 이상의 프로세서 및 소프트웨어의 결합에 의해 구현될 수 있으며, 도시된 예와 달리 구체적 동작에 있어 명확히 구분되지 않을 수 있다.
영상 획득 모듈(102)은 환자의 심장 부위를 포함하는 CT(Computed Tomography) 영상들을 획득할 수 있다. 예를 들어, CT 영상은 환자의 흉부를 촬영한 영상일 수 있다.
여기서, CT는 신체의 한 단면 주위를 돌면서 가느다란 X선을 투사하고 X선이 신체를 통과하면서 감소되는 양을 측정하는 기법이다. 이때, X선이 투과된 정도를 컴퓨터로 분석하여 내부 장기의 밀도를 결정하고, 이를 통해 내부의 자세한 단면을 재구성하여 영상으로 나타나게 한다. 즉, CT 영상은 신체의 여러 각도에서 투과시킨 X선을 컴퓨터로 측정하고 단면에 대한 흡수치를 재구성하여 나타낸 영상일 수 있다. CT 영상은 신체의 단면에 수직한 방향(즉, 신체의 길이 방향)으로 이동하면서 일정 간격(예를 들어, 1mm)으로 촬영된 것일 수 있다.
전처리 모듈(104)은 획득한 CT 영상들 중 일부를 기 설정된 신체 부위를 기준으로 추출할 수 있다. 예시적인 실시예에서, 전처리 모듈(104)은 획득한 CT 영상들 중에서 대동맥륜(Aortic Annulus)을 기준으로 일부 CT 영상들을 추출할 수 있다. 여기서, 대동맥륜은 심장과 대동맥의 경계이자 대동맥이 시작되는 부위이다.
전처리 모듈(104)은 CT 영상에서 대동맥륜을 검출하고, CT 영상들 중 대동맥륜에 평행하면서 대동맥의 길이 방향에 수직한 단면의 CT 영상들을 추출할 수 있다. 도 2는 본 발명의 일 실시예에서 대동맥륜을 기준으로 CT 영상들을 추출한 상태를 나타낸 도면이다. 도 2에 도시된 바와 같이, 전처리 모듈(104)은 CT 영상들 중 대동맥륜과 평행하면서 대동맥의 길이 방향에 수직한 단면의 CT 영상(도 2에서는, A, B, C)들을 추출할 수 있다.
석회화 병변 이미지 생성 모듈(106)은 전처리 모듈(104)이 추출한 CT 영상에서 석회화 병변 영역을 추출하여 석회화 병변 이미지들을 생성할 수 있다. 예시적인 실시예에서, 석회화 병변 이미지 생성 모듈(106)은 추출된 CT 영상에서 CT 번호(Hounsfield Unit : HU)에 기반하여 석회화 병변 영역을 선택할 수 있다. 여기서, CT 번호는 X선이 물질을 투과할 때 발생하는 감쇄(Attenuation)에 따른 흡수 계수에 의해 설정되는 수치로서, -1,000 ~ 1,000까지의 값이 매겨져 있다.
석회화 병변 이미지 생성 모듈(106)은 추출된 CT 영상에서 CT 번호가 기 설정된 임계 CT 번호(예를 들어, 130 HU) 이상인 영역을 석회화 병변 영역으로 선택할 수 있다. 도 3은 본 발명의 일 실시예에 따른 추출된 CT 영상에서 석회화 병변 영역을 선택하는 상태를 나타낸 도면이다. 도 3에서 화살표로 표시된 부분이 석회화 병변 영역이다.
석회화 병변 이미지 생성 모듈(106)은 추출된 각 CT 영상에서 석회화 병변 영역을 추출하여 석회화 병변 이미지들을 생성할 수 있다. 도 4는 본 발명의 일 실시예에 따른 추출된 각 CT 영상(A, B, C)에서 석회화 병변 영역을 추출하여 석회화 병변 이미지들을 각각 생성한 상태를 나타낸 도면이다. 일 실시예에서, 석회화 병변 이미지는 바이너리 이미지로 생성될 수 있다. 예를 들어, 바이너리 이미지는 추출된 각 CT 영상(A, B, C)에서 석회화 병변 영역은 픽셀 값이 1이고 나머지는 픽셀 값이 0일 수 있다.
여기서는, 추출된 CT 영상에서 CT 번호에 기반하여 석회화 병변 영역을 추출하는 것으로 설명하였으나, 이에 한정되는 것은 아니며 인공 지능을 이용하여 석회화 병변 영역을 추출할 수도 있다.
즉, 석회화 병변 이미지 생성 모듈(106)은 추출된 각 CT 영상에서 석회화 병변 부분을 분할(Segmentation)하기 위해 인공 신경망 모델을 이용할 수 있다. 이때, 인공 신경망 모델은 입력되는 CT 영상에서 석회화 병변의 경계로 이루어지는 영역을 예측하도록 학습될 수 있다. 즉, 인공 신경망 모델은 CT 영상이 입력되는 경우, CT 영상에서 석회화 병변 부분을 분할하여 석회화 병변 이미지를 출력하도록 학습될 수 있다.
인공 신경망 모델은 CT 영상 및 기 설정된 파라미터 값을 입력으로 하여 바이너리 이미지(Binary Image)를 생성할 수 있다. 여기서, 바이너리 이미지는 CT 영상의 크기와 동일한 크기를 가지며 픽셀 값이 0 또는 1로 이루어지는 이미지일 수 있다.
또한, 바이너리 이미지는 CT 영상에서 석회화 병변 영역에 대한 바이너리 이미지일 수 있다. 예를 들어, 바이너리 이미지는 석회화 병변의 경계(에지)를 기준으로 하여 그 내부는 픽셀 값이 1이고 그 외부는 픽셀 값이 0일 수 있으나, 이에 한정되는 것은 아니며 그 반대의 경우일 수도 있다. 인공 신경망 모델은 예를 들어, U-Net 모델, Mask R-CNN(Convolutional Neural Network) 모델일 수 있으나, 이에 한정되는 것은 아니다.
석회화 지도 생성 모듈(108)은 석회화 병변 이미지들을 기반으로 석회화 지도를 생성할 수 있다. 구체적으로, 석회화 지도 생성 모듈(108)은 각 석회화 병변 이미지에 대해 가중치를 부여할 수 있다. 일 실시예에서, 석회화 지도 생성 모듈(106)은 해당 석회화 병변 이미지와 대동맥륜과의 거리에 기반하여 각 석회화 병변 이미지에 대해 가중치를 부여할 수 있다.
즉, CT 영상은 신체의 단면에 수직한 방향으로 이동하면서 일정 간격으로 촬영된 것이므로, 각 석회화 병변 이미지에 대응하는 CT 영상 단면과 대동맥륜이 포함된 CT 영상 단면과의 거리를 산출할 수 있다.
석회화 지도 생성 모듈(108)은 각 석회화 병변 이미지를 합성하여 석회화 지도를 생성할 수 있다. 이때, 석회화 지도 생성 모듈(108)은 각 석회화 병변 이미지에 부여된 가중치(또는 대동맥륜과의 거리)에 따라 각 석회화 병변 이미지에 색상을 입힐 수 있다.
일 실시예에서, 석회화 지도 생성 모듈(108)은 석회화 병변 이미지에 부여된 가중치가 높을수록(또는 대동맥륜과의 거리가 가까울수록) 제1 색(예를 들어, 보라색)에 가까운 색상을 입힐 수 있다. 석회화 지도 생성 모듈(108)은 석회화 병변 이미지에 부여된 가중치가 낮을수록(또는 대동맥륜과의 거리가 멀수록) 제2 색(예를 들어, 노란색)에 가까운 색상을 입힐 수 있다.
도 5는 본 발명의 일 실시예에 따른 석회화 지도를 생성하는 상태를 나타낸 도면이다. 도 5에서는 대동맥륜과의 거리가 가까운 석회화 병변 이미지에 대해 보라색에 가까운 색상을 입혔고, 대동맥륜과의 거리가 먼 석회화 병변 이미지에 대해 노란색에 가까운 색상을 입혔다.
한편, 석회화 지도 생성 모듈(108)은 도 6에 도시된 바와 같이, CT 영상과 석회화 지도를 합성하여 CT 석회화 합성 지도를 생성 할 수도 있다. 이 경우, CT 영상에서 석회화 병변들이 대동맥륜을 기준으로 어느 정도 거리에 어느 정도가 분포하는지 여부를 한 눈에 쉽게 파악할 수 있게 된다.
개시되는 실시예에 따르면, CT 영상에 기반하여 대동맥륜을 기준으로 하는 석회화 지도를 생성함으로써, 대동맥 판막에서 석회화 병변들의 크기, 위치, 및 분포 등을 한 눈에 쉽게 파악할 수 있게 된다. 그로 인해, 대동맥 판막 치환을 위한 치료 계획 설정에 중요한 정보(예를 들어, 판막 사이즈 선정 등)를 획득하고 적절한 치료 전략을 선택할 수 있게 된다.
본 명세서에서 모듈이라 함은, 본 발명의 기술적 사상을 수행하기 위한 하드웨어 및 상기 하드웨어를 구동하기 위한 소프트웨어의 기능적, 구조적 결합을 의미할 수 있다. 예컨대, 상기 "모듈"은 소정의 코드와 상기 소정의 코드가 수행되기 위한 하드웨어 리소스의 논리적인 단위를 의미할 수 있으며, 반드시 물리적으로 연결된 코드를 의미하거나, 한 종류의 하드웨어를 의미하는 것은 아니다.
도 7은 본 발명의 일 실시예에 따른 석회화 지도 생성 방법을 나타낸 흐름도이다. 도시된 흐름도에서는 상기 방법을 복수 개의 단계로 나누어 기재하였으나, 적어도 일부의 단계들은 순서를 바꾸어 수행되거나, 다른 단계와 결합되어 함께 수행되거나, 생략되거나, 세부 단계들로 나뉘어 수행되거나, 또는 도시되지 않은 하나 이상의 단계가 부가되어 수행될 수 있다.
석회화 지도 생성 장치(100)는 심장 부위를 포함하는 CT 영상들을 획득한다(S 101). 예를 들어, CT 영상은 환자의 흉부를 촬영한 영상일 수 있다.
다음으로, 석회화 지도 생성 장치(100)는 획득한 CT 영상들 중 일부를 대동맥륜을 기준으로 추출한다(S 103). 석회화 지도 생성 장치(100)는 CT 영상에서 대동맥륜을 검출하고, CT 영상들 중 대동맥륜에 평행하면서 대동맥의 길이 방향에 수직한 단면의 CT 영상들을 추출할 수 있다.
다음으로, 석회화 지도 생성 장치(100)는 추출한 CT 영상에서 석회화 병변 영역을 추출하여 석회화 병변 이미지들을 생성한다(S 105). 석회화 지도 생성 장치(100)는 추출된 CT 영상에서 CT 번호에 기반하여 석회화 병변 영역을 추출할 수도 있고, 인공 신경망 모델을 이용하여 석회화 병변 영역을 분할할 수도 있다.
다음으로, 석회화 지도 생성 장치(100)는 각 석회화 병변 이미지에 대응하는 CT 영상과 대동맥륜이 포함된 CT 영상과의 거리를 산출한다(S 107). 석회화 지도 생성 장치(100)는 산출된 거리에 따라 각 석회화 병변 이미지에 가중치를 부여할 수 있다.
다음으로, 석회화 지도 생성 장치(100)는 각 석회화 병변 이미지를 합성하여 석회화 지도를 생성한다(S 109). 석회화 지도 생성 장치(100)는 산출된 거리(또는, 가중치)에 따라 각 석회화 병변 이미지에 색상 값을 부여하여 석회화 지도를 생성할 수 있다. 또한, 석회화 지도 생성 장치(100)는 CT 영상과 석회화 지도를 합성하여 CT 석회화 합성 지도를 생성 할 수 있다.
도 8은 예시적인 실시예들에서 사용되기에 적합한 컴퓨팅 장치를 포함하는 컴퓨팅 환경(10)을 예시하여 설명하기 위한 블록도이다. 도시된 실시예에서, 각 컴포넌트들은 이하에 기술된 것 이외에 상이한 기능 및 능력을 가질 수 있고, 이하에 기술된 것 이외에도 추가적인 컴포넌트를 포함할 수 있다.
도시된 컴퓨팅 환경(10)은 컴퓨팅 장치(12)를 포함한다. 일 실시예에서, 컴퓨팅 장치(12)는 석회화 지도 생성 장치(100)일 수 있다.
컴퓨팅 장치(12)는 적어도 하나의 프로세서(14), 컴퓨터 판독 가능 저장 매체(16) 및 통신 버스(18)를 포함한다. 프로세서(14)는 컴퓨팅 장치(12)로 하여금 앞서 언급된 예시적인 실시예에 따라 동작하도록 할 수 있다. 예컨대, 프로세서(14)는 컴퓨터 판독 가능 저장 매체(16)에 저장된 하나 이상의 프로그램들을 실행할 수 있다. 상기 하나 이상의 프로그램들은 하나 이상의 컴퓨터 실행 가능 명령어를 포함할 수 있으며, 상기 컴퓨터 실행 가능 명령어는 프로세서(14)에 의해 실행되는 경우 컴퓨팅 장치(12)로 하여금 예시적인 실시예에 따른 동작들을 수행하도록 구성될 수 있다.
컴퓨터 판독 가능 저장 매체(16)는 컴퓨터 실행 가능 명령어 내지 프로그램 코드, 프로그램 데이터 및/또는 다른 적합한 형태의 정보를 저장하도록 구성된다. 컴퓨터 판독 가능 저장 매체(16)에 저장된 프로그램(20)은 프로세서(14)에 의해 실행 가능한 명령어의 집합을 포함한다. 일 실시예에서, 컴퓨터 판독 가능 저장 매체(16)는 메모리(랜덤 액세스 메모리와 같은 휘발성 메모리, 비휘발성 메모리, 또는 이들의 적절한 조합), 하나 이상의 자기 디스크 저장 디바이스들, 광학 디스크 저장 디바이스들, 플래시 메모리 디바이스들, 그 밖에 컴퓨팅 장치(12)에 의해 액세스되고 원하는 정보를 저장할 수 있는 다른 형태의 저장 매체, 또는 이들의 적합한 조합일 수 있다.
통신 버스(18)는 프로세서(14), 컴퓨터 판독 가능 저장 매체(16)를 포함하여 컴퓨팅 장치(12)의 다른 다양한 컴포넌트들을 상호 연결한다.
컴퓨팅 장치(12)는 또한 하나 이상의 입출력 장치(24)를 위한 인터페이스를 제공하는 하나 이상의 입출력 인터페이스(22) 및 하나 이상의 네트워크 통신 인터페이스(26)를 포함할 수 있다. 입출력 인터페이스(22) 및 네트워크 통신 인터페이스(26)는 통신 버스(18)에 연결된다. 입출력 장치(24)는 입출력 인터페이스(22)를 통해 컴퓨팅 장치(12)의 다른 컴포넌트들에 연결될 수 있다. 예시적인 입출력 장치(24)는 포인팅 장치(마우스 또는 트랙패드 등), 키보드, 터치 입력 장치(터치패드 또는 터치스크린 등), 음성 또는 소리 입력 장치, 다양한 종류의 센서 장치 및/또는 촬영 장치와 같은 입력 장치, 및/또는 디스플레이 장치, 프린터, 스피커 및/또는 네트워크 카드와 같은 출력 장치를 포함할 수 있다. 예시적인 입출력 장치(24)는 컴퓨팅 장치(12)를 구성하는 일 컴포넌트로서 컴퓨팅 장치(12)의 내부에 포함될 수도 있고, 컴퓨팅 장치(12)와는 구별되는 별개의 장치로 컴퓨팅 장치(12)와 연결될 수도 있다.
이상의 상세한 설명은 본 발명을 예시하는 것이다. 또한 전술한 내용은 본 발명의 바람직한 실시 형태를 나타내어 설명하는 것이며, 본 발명은 다양한 다른 조합, 변경 및 환경에서 사용할 수 있다. 즉 본 명세서에 개시된 발명의 개념의 범위, 저술한 개시 내용과 균등한 범위 및/또는 당업계의 기술 또는 지식의 범위내에서 변경 또는 수정이 가능하다. 저술한 실시예는 본 발명의 기술적 사상을 구현하기 위한 최선의 상태를 설명하는 것이며, 본 발명의 구체적인 적용 분야 및 용도에서 요구되는 다양한 변경도 가능하다. 따라서 이상의 발명의 상세한 설명은 개시된 실시 상태로 본 발명을 제한하려는 의도가 아니다. 또한 첨부된 청구범위는 다른 실시 상태도 포함하는 것으로 해석되어야 한다.
10 컴퓨팅 환경
12 컴퓨팅 장치
14 프로세서
16 컴퓨터 판독 가능 저장 매체
18 통신 버스
20 프로그램
22 입출력 인터페이스
24 입출력 장치
26 네트워크 통신 인터페이스
100 석회화 지도 생성 장치
102 영상 획득 모듈
104 전처리 모듈
106 석회화 병변 이미지 생성 모듈
108 석회화 지도 생성 모듈
12 컴퓨팅 장치
14 프로세서
16 컴퓨터 판독 가능 저장 매체
18 통신 버스
20 프로그램
22 입출력 인터페이스
24 입출력 장치
26 네트워크 통신 인터페이스
100 석회화 지도 생성 장치
102 영상 획득 모듈
104 전처리 모듈
106 석회화 병변 이미지 생성 모듈
108 석회화 지도 생성 모듈
Claims (19)
- 하나 이상의 프로세서들, 및
상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비하는 컴퓨팅 장치로서,
환자의 흉부를 촬영한 CT(Computed Tomography) 영상들을 획득하는 영상 획득 모듈;
상기 획득한 CT 영상들 중 기 설정된 신체 부위를 기준으로 일부 CT 영상들을 추출하는 전처리 모듈;
상기 추출한 CT 영상들에서 석회화 병변 영역을 추출하여 석회화 병변 이미지를 각각 생성하는 석회화 병변 이미지 생성 모듈; 및
상기 석회화 병변 이미지들을 합성하여 석회화 지도를 생성하는 석회화 지도 생성 모듈을 포함하는, 컴퓨팅 장치. - 청구항 1에 있어서,
상기 석회화 병변 이미지 생성 모듈은,
상기 추출한 CT 영상들에서 CT 번호가 기 설정된 임계 CT 번호 이상인 영역을 상기 석회화 병변 영역으로 추출하는, 컴퓨팅 장치. - 청구항 1에 있어서,
상기 석회화 병변 이미지 생성 모듈은,
상기 추출한 CT 영상이 입력되는 경우, 입력된 CT 영상에서 석회화 병변 영역을 분할(Segmentation)하여 석회화 병변 이미지를 출력하도록 학습되는 인공 신경망 모델을 포함하는, 컴퓨팅 장치. - 청구항 1에 있어서,
상기 석회화 지도 생성 모듈은,
상기 각 석회화 병변 이미지에 대응하는 CT 영상과 상기 신체 부위가 포함된 CT 영상 간의 거리를 산출하고, 산출된 거리에 따라 각 석회화 병변 이미지에 가중치를 부여하는, 컴퓨팅 장치. - 청구항 4에 있어서,
상기 석회화 지도 생성 모듈은,
상기 가중치에 따라 각 석회화 병변 이미지에 색상 값을 부여하여 상기 석회화 지도를 생성하는, 컴퓨팅 장치. - 청구항 5에 있어서,
상기 석회화 지도 생성 모듈은,
상기 가중치가 높을수록 기 설정된 제1 색에 가까운 색상 값을 부여하고, 상기 가중치가 낮을수록 기 설정된 제2 색에 가까운 색상 값을 부여하는, 컴퓨팅 장치. - 청구항 5에 있어서,
상기 석회화 지도 생성 모듈은,
상기 신체 부위가 포함된 CT 영상과 상기 석회화 지도를 합성하여 CT 석회화 합성 지도를 생성하는, 컴퓨팅 장치. - 청구항 1에 있어서,
상기 신체 부위는, 상기 환자의 대동맥륜(Aortic Annulus)이고,
상기 전처리 모듈은, 상기 대동맥륜을 기준으로 상기 CT 영상들을 추출하는, 컴퓨팅 장치. - 청구항 8에 있어서,
상기 전처리 모듈은,
상기 획득한 CT 영상에서 상기 대동맥륜을 검출하고, 상기 획득한 CT 영상들 중 상기 대동맥륜에 평행하면서 상기 환자의 대동맥의 길이 방향에 수직한 단면의 CT 영상들을 추출하는, 컴퓨팅 장치. - 하나 이상의 프로세서들, 및
상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비하는 컴퓨팅 장치에서 수행되는 방법으로서,
환자의 흉부를 촬영한 CT 영상들을 획득하는 동작;
상기 획득한 CT 영상들 중 기 설정된 신체 부위를 기준으로 일부 CT 영상들을 추출하는 동작;
상기 추출한 CT 영상들에서 석회화 병변 영역을 추출하여 석회화 병변 이미지를 각각 생성하는 동작; 및
상기 석회화 병변 이미지들을 합성하여 석회화 지도를 생성하는 동작을 포함하는, 석회화 지도 생성 방법. - 청구항 10에 있어서,
상기 석회화 병변 이미지를 각각 생성하는 동작은,
상기 추출한 CT 영상들에서 CT 번호가 기 설정된 임계 CT 번호 이상인 영역을 상기 석회화 병변 영역으로 추출하는, 석회화 지도 생성 방법. - 청구항 10에 있어서,
상기 석회화 병변 이미지를 각각 생성하는 동작은,
상기 추출한 CT 영상을 인공 신경망 모델로 입력하는 동작; 및
상기 입력된 CT 영상에서 석회화 병변 영역을 분할하여 석회화 병변 이미지를 출력하도록 상기 인공 신경망 모델을 학습시키는 동작을 포함하는, 석회화 지도 생성 방법. - 청구항 10에 있어서,
상기 석회화 지도를 생성하는 동작은,
상기 각 석회화 병변 이미지에 대응하는 CT 영상과 상기 신체 부위가 포함된 CT 영상 간의 거리를 산출하는 동작; 및
산출된 거리에 따라 각 석회화 병변 이미지에 가중치를 부여하는 동작을 포함하는, 석회화 지도 생성 방법. - 청구항 13에 있어서,
상기 석회화 지도를 생성하는 동작은,
상기 가중치에 따라 각 석회화 병변 이미지에 색상 값을 부여하여 석회화 지도를 생성하는 동작을 더 포함하는, 석회화 지도 생성 방법. - 청구항 14에 있어서,
상기 석회화 지도를 생성하는 동작은,
상기 가중치가 높을수록 기 설정된 제1 색에 가까운 색상 값을 부여하고, 상기 가중치가 낮을수록 기 설정된 제2 색에 가까운 색상 값을 부여하는, 석회화 지도 생성 방법. - 청구항 14에 있어서,
상기 석회화 지도를 생성하는 동작은,
상기 신체 부위가 포함된 CT 영상과 상기 석회화 지도를 합성하여 CT 석회화 합성 지도를 생성하는 동작을 더 포함하는, 석회화 지도 생성 방법. - 청구항 10에 있어서,
상기 신체 부위는, 상기 환자의 대동맥륜이고,
상기 CT 영상들을 추출하는 동작은, 상기 대동맥륜을 기준으로 상기 CT 영상들을 추출하는, 석회화 지도 생성 방법. - 청구항 17에 있어서,
상기 CT 영상들을 추출하는 동작은,
상기 획득한 CT 영상에서 상기 대동맥륜을 검출하고, 상기 획득한 CT 영상들 중 상기 대동맥륜에 평행하면서 상기 환자의 대동맥의 길이 방향에 수직한 단면의 CT 영상들을 추출하는, 석회화 지도 생성 방법. - 컴퓨터 판독 가능한 저장 매체에 저장된 컴퓨터 프로그램으로서,
상기 컴퓨터 프로그램은 하나 이상의 명령어들을 포함하고, 상기 명령어들은 하나 이상의 프로세서들을 갖는 컴퓨팅 장치에 의해 실행될 때, 상기 컴퓨팅 장치로 하여금,
환자의 흉부를 촬영한 CT 영상들을 획득하고,
상기 획득한 CT 영상들 중 기 설정된 신체 부위를 기준으로 일부 CT 영상들을 추출하고,
상기 추출한 CT 영상들에서 석회화 병변 영역을 추출하여 석회화 병변 이미지를 각각 생성하고, 그리고
상기 석회화 병변 이미지들을 합성하여 석회화 지도를 생성하도록 하는, 컴퓨터 프로그램.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210059737A KR102555598B1 (ko) | 2021-05-10 | 2021-05-10 | 석회화 지도 생성 방법 및 이를 수행하기 위한 컴퓨팅 장치 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210059737A KR102555598B1 (ko) | 2021-05-10 | 2021-05-10 | 석회화 지도 생성 방법 및 이를 수행하기 위한 컴퓨팅 장치 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20220153131A true KR20220153131A (ko) | 2022-11-18 |
KR102555598B1 KR102555598B1 (ko) | 2023-07-14 |
Family
ID=84234773
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020210059737A KR102555598B1 (ko) | 2021-05-10 | 2021-05-10 | 석회화 지도 생성 방법 및 이를 수행하기 위한 컴퓨팅 장치 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102555598B1 (ko) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116630628A (zh) * | 2023-07-17 | 2023-08-22 | 四川大学 | 一种主动脉瓣钙化分割方法、系统、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005143622A (ja) * | 2003-11-12 | 2005-06-09 | Hitachi Medical Corp | X線ct装置 |
JP2014522693A (ja) * | 2011-07-15 | 2014-09-08 | コーニンクレッカ フィリップス エヌ ヴェ | スペクトルct向けの画像処理 |
JP2016041247A (ja) * | 2014-08-18 | 2016-03-31 | シーメンス アクチエンゲゼルシヤフトSiemens Aktiengesellschaft | 医療用画像のコンピュータ支援による解析方法 |
US20170301096A1 (en) * | 2014-09-12 | 2017-10-19 | Koninklijke Philips N.V. | Analyzing aortic valve calcification |
KR20200104100A (ko) | 2019-02-26 | 2020-09-03 | 사회복지법인 삼성생명공익재단 | 확률 모델을 이용한 관상동맥 석회화 수치의 예측장치, 이의 예측방법 및 기록매체 |
-
2021
- 2021-05-10 KR KR1020210059737A patent/KR102555598B1/ko active IP Right Grant
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005143622A (ja) * | 2003-11-12 | 2005-06-09 | Hitachi Medical Corp | X線ct装置 |
JP2014522693A (ja) * | 2011-07-15 | 2014-09-08 | コーニンクレッカ フィリップス エヌ ヴェ | スペクトルct向けの画像処理 |
JP2016041247A (ja) * | 2014-08-18 | 2016-03-31 | シーメンス アクチエンゲゼルシヤフトSiemens Aktiengesellschaft | 医療用画像のコンピュータ支援による解析方法 |
US20170301096A1 (en) * | 2014-09-12 | 2017-10-19 | Koninklijke Philips N.V. | Analyzing aortic valve calcification |
KR20200104100A (ko) | 2019-02-26 | 2020-09-03 | 사회복지법인 삼성생명공익재단 | 확률 모델을 이용한 관상동맥 석회화 수치의 예측장치, 이의 예측방법 및 기록매체 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116630628A (zh) * | 2023-07-17 | 2023-08-22 | 四川大学 | 一种主动脉瓣钙化分割方法、系统、设备及存储介质 |
CN116630628B (zh) * | 2023-07-17 | 2023-10-03 | 四川大学 | 一种主动脉瓣钙化分割方法、系统、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
KR102555598B1 (ko) | 2023-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7053541B2 (ja) | 患者固有の深層学習画像ノイズ除去方法およびシステム | |
JP6877868B2 (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 | |
EP3576020A1 (en) | Methods for generating synthetic training data and for training deep learning algorithms for tumor lesion characterization, method and system for tumor lesion characterization, computer program and electronically readable storage medium | |
CN106716488B (zh) | 分析主动脉瓣钙化 | |
US20200401854A1 (en) | Method and system for image segmentation and identification | |
CN106651750A (zh) | 用于基于卷积神经网络回归的2d/3d图像配准的方法和系统 | |
JP4785371B2 (ja) | 動的制約を用いる多次元構造の抽出方法及びシステム | |
Heckel et al. | Sketch‐based editing tools for tumour segmentation in 3D medical images | |
CN111145160B (zh) | 钙化区域所处冠脉分支的确定方法、装置、服务器及介质 | |
US9317926B2 (en) | Automatic spinal canal segmentation using cascaded random walks | |
KR102555598B1 (ko) | 석회화 지도 생성 방법 및 이를 수행하기 위한 컴퓨팅 장치 | |
CN114943699B (zh) | 分割模型训练方法、冠脉钙化斑块的分割方法、相关装置 | |
KR102037117B1 (ko) | 구조유사도를 이용한 아티펙트 저감방법 및 프로그램 및 의료영상획득장치 | |
CN116051738A (zh) | 基于cta影像的冠状动脉血管模型重构的方法和可读存储介质 | |
Fontanella et al. | Diffusion models for counterfactual generation and anomaly detection in brain images | |
AU2020223750B2 (en) | Method and System for Image Annotation | |
US11455711B2 (en) | Providing an optimum subtraction data set | |
Balashova et al. | 3D organ shape reconstruction from Topogram images | |
EP3896649A1 (en) | Medical image synthesis of abnormality patterns associated with covid-19 | |
US11166689B1 (en) | Providing a dynamic mask image | |
JP2013013744A (ja) | 画像処理装置及び画像処理方法 | |
US20220044454A1 (en) | Deep reinforcement learning for computer assisted reading and analysis | |
KR20210073282A (ko) | 영상 처리 장치 및 이를 포함하는 석회화 분석 시스템 | |
El-Shafai et al. | Deep learning-based hair removal for improved diagnostics of skin diseases | |
US20240108299A1 (en) | Artifact-driven data synthesis in computed tomography |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |