KR20220165117A - 이중 에너지 기법 기반 다중 물질 분리 방법 및 장치 - Google Patents
이중 에너지 기법 기반 다중 물질 분리 방법 및 장치 Download PDFInfo
- Publication number
- KR20220165117A KR20220165117A KR1020210073702A KR20210073702A KR20220165117A KR 20220165117 A KR20220165117 A KR 20220165117A KR 1020210073702 A KR1020210073702 A KR 1020210073702A KR 20210073702 A KR20210073702 A KR 20210073702A KR 20220165117 A KR20220165117 A KR 20220165117A
- Authority
- KR
- South Korea
- Prior art keywords
- image
- dual energy
- energy
- density material
- density
- Prior art date
Links
- 239000000463 material Substances 0.000 title claims abstract description 359
- 238000000034 method Methods 0.000 title claims abstract description 111
- 230000009977 dual effect Effects 0.000 claims abstract description 237
- 238000000926 separation method Methods 0.000 claims abstract description 65
- 230000006866 deterioration Effects 0.000 claims abstract description 29
- 230000005855 radiation Effects 0.000 claims description 50
- 238000002591 computed tomography Methods 0.000 claims description 32
- 238000006243 chemical reaction Methods 0.000 claims description 25
- 230000015556 catabolic process Effects 0.000 claims description 23
- 238000006731 degradation reaction Methods 0.000 claims description 23
- 238000012937 correction Methods 0.000 claims description 21
- 239000013077 target material Substances 0.000 claims description 11
- 230000009466 transformation Effects 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims description 8
- 238000002601 radiography Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 29
- 238000003384 imaging method Methods 0.000 abstract description 10
- 238000003745 diagnosis Methods 0.000 abstract description 4
- 210000000988 bone and bone Anatomy 0.000 description 31
- 238000010586 diagram Methods 0.000 description 21
- 238000012549 training Methods 0.000 description 21
- 210000003205 muscle Anatomy 0.000 description 12
- 230000000694 effects Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000013135 deep learning Methods 0.000 description 3
- 230000001678 irradiating effect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 2
- 238000009547 dual-energy X-ray absorptiometry Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 210000004872 soft tissue Anatomy 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000002603 single-photon emission computed tomography Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. 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 for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/40—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment with arrangements for generating radiation specially adapted for radiation diagnosis
- A61B6/4007—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment with arrangements for generating radiation specially adapted for radiation diagnosis characterised by using a plurality of source units
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/42—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment with arrangements for detecting radiation specially adapted for radiation diagnosis
- A61B6/4208—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment with arrangements for detecting radiation specially adapted for radiation diagnosis characterised by using a particular type of detector
- A61B6/4241—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment with arrangements for detecting radiation specially adapted for radiation diagnosis characterised by using a particular type of detector using energy resolving detectors, e.g. photon counting
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/50—Clinical applications
- A61B6/505—Clinical applications involving diagnosis of bone
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/58—Testing, adjusting or calibrating apparatus or devices for radiation diagnosis
- A61B6/582—Calibration
- A61B6/583—Calibration using calibration phantoms
Abstract
본 발명의 바람직한 실시예에 따른 이중 에너지 기법 기반 다중 물질 분리 방법 및 장치는, 대상체의 이중 에너지 영상으로부터 2개의 물질만이 아닌 3개 이상의 물질을 분리하여 영상화함으로써 부가적인 정보 제공을 통한 진단 및 검사의 정확도를 향상시킬 수 있고, 영상 열화를 보정하는 과정과 가장 밀도가 높은 물질의 영향을 제거하는 과정을 통해 보다 정확한 물질 분리를 수행할 수 있다.
Description
본 발명은 이중 에너지 기법 기반 다중 물질 분리 방법 및 장치에 관한 것으로서, 더욱 상세하게는 물질을 분리하는, 방법 및 장치에 관한 것이다.
일반적인 디지털 방사선 촬영(digital radiography, DR) 영상의 경우 3차원의 물체 내부를 통과하여 감약된 방사선 정보가 2차원의 디텍터로 감지되어 영상화 하는 작업으로, 감약의 정도가 다르게 나타나는 성질을 이용하여 물체 내부 장기 및 물질이 구분된 영상이 나타난다. 이때, 방사선이 통과하는 경로에 다양한 물질이 위치하면서 복합적인 감약이 일어나게 되고, 감약이 작은 물질들(예컨대, 연조직 등)의 경우 낮은 대조도로 인해 다른 물체와 구별하기가 어렵다는 단점이 있다. 이와 같은 문제점을 극복하기 위하여, 연구자들은 연부조직만 분리된 영상을 만들고자 하였으며 그중에서 두 가지 다른 에너지를 가지는 방사선의 감약 차이를 이용하여 영상에서 밀도가 높은 물질과 밀도가 낮은 물질의 신호를 감쇄시키거나 증폭시켜 제거함으로써 영상의 물질 구분력을 증가시키는 이중 에너지 기법을 연구 중에 있다.
이중 에너지 기법을 사용한 경우 기존 디지털 방사선 촬영(DR) 영상에 비해 물질 구분력이 향상되는 것을 확인할 수 있다. 특히 고밀도 물질(예컨대, 뼈 등) 뒤에 숨겨져 식별하기 어려운 병변이나 이물질의 경우 이중 에너지 기법을 사용하여 물질 대조도를 증가시킴으로서 진단 정확성이 향상되는 것을 확인할 수 있다.
하지만, 기존 이중 에너지 방법의 경우 이중 촬영 및 양자 노이즈 보상을 위한 과선량 조사에 따른 환자 피폭선량 증가와 이중 촬영 시 발생되는 모션블러로 인한 영상 왜곡은 큰 문제점이다.
최근, 이중 에너지 엑스선 흡수법(dual energy x-ray absorptiometry, DEXA) 등과 같은 광자 계수 검출기 기반 영상 장치의 보급화를 통해 위의 문제점을 극복할 수 있으며, 3차원 영상에서 기존 두 가지의 물질을 분리하는 것을 넘어서 세가지 이상의 물질을 분리하고자 하는 연구가 진행중이다.
본 발명이 이루고자 하는 목적은, 영상 열화를 보정하는 과정과 가장 밀도가 높은 물질의 영향을 제거하는 과정을 통해, 이중 에너지 기법을 기반으로 대상체의 이중 에너지 영상으로부터 다중 물질을 분리하여 물질별 영상을 획득하는, 이중 에너지 기법 기반 다중 물질 분리 방법 및 장치를 제공하는 데 있다.
본 발명의 명시되지 않은 또 다른 목적들은 하기의 상세한 설명 및 그 효과로부터 용이하게 추론할 수 있는 범위 내에서 추가적으로 고려될 수 있다.
상기의 목적을 달성하기 위한 본 발명의 바람직한 실시예에 따른 이중 에너지 기법 기반 다중 물질 분리 방법은, 대상체에 대한 이중 에너지 영상을 획득하는 단계; 상기 대상체의 이중 에너지 영상의 영상 열화를 보정하여 복원 이중 에너지 영상을 획득하는 단계; 분리하고자 하는 복수개의 물질 중 가장 밀도가 높은 물질에 대응되는 두께-강도 룩업 테이블(look-up table)을 기반으로 상기 대상체의 복원 이중 에너지 영상으로부터 가장 밀도가 높은 물질에 대응되는 고밀도 물질 영상을 획득하는 단계; 미리 학습된 이미지 변환 모델을 이용하여 상기 고밀도 물질 영상에 대응되는 가중치 맵 영상을 획득하는 단계; 상기 대상체의 복원 이중 에너지 영상 및 상기 가중치 맵 영상을 기반으로 고밀도 물질 제거 이중 에너지 영상을 획득하는 단계; 및 분리하고자 하는 복수개의 물질 중 상기 가장 밀도가 높은 물질을 제외한 나머지 물질에 대응되는 교정용 팬텀을 통해 획득한 물질별 두께-강도 룩업 테이블(look-up table)을 기반으로, 상기 고밀도 물질 제거 이중 에너지 영상으로부터 상기 나머지 물질 각각에 대한 물질 영상을 획득하는 단계;를 포함한다.
여기서, 상기 두께-강도 룩업 테이블은, 상기 교정용 팬텀의 이중 에너지 영상의 영상 열화를 보정하여 획득한 복원 이중 에너지 영상 및 상기 교정용 팬텀에 대응되는 물질의 두께를 기반으로 획득되며, 상기 교정용 팬텀에 대응되는 이중 에너지 영상의 영상 열화 보정과 상기 대상체에 대응되는 이중 에너지 영상의 영상 열화 보정은 서로 동일한 영상 열화 보정 방법을 이용할 수 있다.
여기서, 상기 가중치 맵 영상 획득 단계는, 상기 고밀도 물질 영상을 상기 미리 학습된 이미지 변환 모델에 입력하고, 상기 미리 학습된 이미지 변환 모델로부터 출력되는 제1 에너지에 대한 제1 가중치 맵 영상과 제2 에너지에 대한 제2 가중치 맵 영상을 통해, 상기 고밀도 물질 영상에 대응되는 상기 가중치 맵 영상을 획득하는 것으로 이루어질 수 있다.
여기서, 실제 환자의 컴퓨터 단층 촬영(Computed Tomography, CT) 영상을 포함하는 학습 데이터를 이용하여 상기 이미지 변환 모델을 학습하는 단계;를 더 포함할 수 있다.
여기서, 상기 이미지 변환 모델 학습 단계는, 상기 학습 데이터에 포함된 컴퓨터 단층 촬영(CT) 영상 각각에 대하여, 상기 컴퓨터 단층 촬영(CT) 영상을 이용하여 상기 제1 에너지에 대한 제1 방사선 영상(Digitally Reconstructed Radiography, DRR)과 상기 제2 에너지에 대한 제2 방사선 영상(DRR)을 획득하고, 상기 가장 밀도가 높은 물질에 대응되는 두께-강도 룩업 테이블을 기반으로 상기 제1 방사선 영상(DRR)과 상기 제2 방사선 영상(DRR)을 이용하여 고밀도 물질 학습 영상을 획득하고, 상기 컴퓨터 단층 촬영(CT) 영상을 이용하여 상기 가장 밀도가 높은 물질이 제거된 상기 제1 에너지에 대한 제1 고밀도 물질 제거 방사선 영상과 상기 제2 에너지에 대한 제2 고밀도 물질 제거 방사선 영상을 획득하며, 상기 제1 방사선 영상(DRR)과 상기 제1 고밀도 물질 제거 방사선 영상을 이용하여 상기 제1 에너지에 대한 제1 고밀도 물질 영상을 획득하고, 상기 제2 방사선 영상(DRR)과 상기 제2 고밀도 물질 제거 방사선 영상을 이용하여 상기 제2 에너지에 대한 제2 고밀도 물질 영상을 획득하며, 상기 고밀도 물질 학습 영상과 상기 제1 고밀도 물질 영상을 이용하여 상기 제1 에너지에 대한 제1 가중치 맵 학습 영상을 획득하고, 상기 고밀도 물질 학습 영상과 상기 제2 고밀도 물질 영상을 이용하여 상기 제2 에너지에 대한 제2 가중치 맵 학습 영상을 획득하며, 상기 학습 데이터에 포함된 상기 컴퓨터 단층 촬영(CT) 영상 각각에 대해 획득한 상기 고밀도 물질 학습 영상, 상기 제1 가중치 맵 학습 영상 및 상기 제2 가중치 맵 학습 영상을 기반으로, 상기 고밀도 물질 학습 영상을 입력 데이터로 하고, 상기 제1 가중치 맵 학습 영상과 상기 제2 가중치 맵 학습 영상을 정답 레이블(label)로 하여, 상기 이미지 변환 모델을 학습하는 것으로 이루어질 수 있다.
여기서, 상기 고밀도 물질 제거 이중 에너지 영상 획득 단계는, 상기 대상체의 복원 이중 에너지 영상 중 상기 제1 에너지에 대한 제1 복원 이중 에너지 영상으로부터 상기 제1 가중치 맵 영상을 이용하여 상기 제1 에너지에 대한 제1 고밀도 물질 제거 이중 에너지 영상을 획득하고, 상기 대상체의 복원 이중 에너지 영상 중 상기 제2 에너지에 대한 제2 복원 이중 에너지 영상으로부터 상기 제2 가중치 맵 영상을 이용하여 상기 제2 에너지에 대한 제2 고밀도 물질 제거 이중 에너지 영상을 획득하는 것으로 이루어질 수 있다.
여기서, 상기 나머지 물질 각각에 대한 물질 영상 획득 단계는, 상기 나머지 물질에 대응되는 물질별 두께-강도 룩업 테이블을 기반으로, 상기 제1 고밀도 물질 제거 이중 에너지 영상과 상기 제2 고밀도 물질 제거 이중 에너지 영상을 이용하여 상기 고밀도 물질 제거 이중 에너지 영상으로부터 상기 나머지 물질 각각에 대한 물질 영상을 획득하는 것으로 이루어질 수 있다.
여기서, 상기 나머지 물질 각각에 대한 물질 영상 획득 단계는, 상기 고밀도 물질 제거 이중 에너지 영상으로부터 분리하고자 하는 상기 나머지 물질의 밀도가 높은 물질에서 낮은 물질의 순서에 따라, 대상 물질에 대응되는 두께-강도 룩업 테이블을 기반으로 상기 고밀도 물질 제거 이중 에너지 영상으로부터 대상 물질 분리 영상을 획득하고, 상기 대상 물질 분리 영상을 상기 고밀도 물질 제거 이중 에너지 영상에서 제거하며, 상기 대상 물질 분리 영상이 제거된 상기 고밀도 물질 제거 이중 에너지 영상으로 다음 물질 분리를 수행하는 과정을, 반복적으로 수행하여 상기 고밀도 물질 제거 이중 에너지 영상으로부터 상기 나머지 물질 각각에 대한 물질 영상을 획득하는 것으로 이루어질 수 있다.
여기서, 상기 교정용 팬텀은, 분리하고자 하는 물질이 n개인 경우, n개의 물질 중 가장 밀도가 낮은 물질인 제1 물질과 나머지 물질 중 하나인 제2 물질의 조합으로 이루어지는 n-1개의 서브 팬텀을 포함하며, 상기 서브 팬텀은, 상기 제1 물질로 이루어지는 계단식 형태의 제1 서브 팬텀 및 상기 제1 서브 팬텀의 일면에 위치하고 상기 제2 물질로 이루어지는 계단식 형태의 제2 서브 팬텀을 포함할 수 있다.
상기의 기술적 과제를 달성하기 위한 본 발명의 바람직한 실시예에 따른 컴퓨터 프로그램은 컴퓨터 판독 가능한 저장 매체에 저장되어 상기한 이중 에너지 기법 기반 다중 물질 분리 방법 중 어느 하나를 컴퓨터에서 실행시킨다.
상기의 목적을 달성하기 위한 본 발명의 바람직한 실시예에 따른 이중 에너지 기법 기반 다중 물질 분리 장치는, 이중 에너지 기법을 기반으로 다중 물질을 분리하는 다중 물질 분리 장치로서, 이중 에너지 기법을 기반으로 다중 물질을 분리하기 위한 하나 이상의 프로그램을 저장하는 메모리; 및 상기 메모리에 저장된 상기 하나 이상의 프로그램에 따라 이중 에너지 기법을 기반으로 다중 물질을 분리하기 위한 동작을 수행하는 하나 이상의 프로세서;를 포함하고, 상기 프로세서는, 대상체에 대한 이중 에너지 영상을 획득하고, 상기 대상체의 이중 에너지 영상의 영상 열화를 보정하여 복원 이중 에너지 영상을 획득하며, 분리하고자 하는 복수개의 물질 중 가장 밀도가 높은 물질에 대응되는 두께-강도 룩업 테이블(look-up table)을 기반으로 상기 대상체의 복원 이중 에너지 영상으로부터 가장 밀도가 높은 물질에 대응되는 고밀도 물질 영상을 획득하고, 미리 학습된 이미지 변환 모델을 이용하여 상기 고밀도 물질 영상에 대응되는 가중치 맵 영상을 획득하며, 상기 대상체의 복원 이중 에너지 영상 및 상기 가중치 맵 영상을 기반으로 고밀도 물질 제거 이중 에너지 영상을 획득하고, 분리하고자 하는 복수개의 물질 중 상기 가장 밀도가 높은 물질을 제외한 나머지 물질에 대응되는 교정용 팬텀을 통해 획득한 물질별 두께-강도 룩업 테이블(look-up table)을 기반으로, 상기 고밀도 물질 제거 이중 에너지 영상으로부터 상기 나머지 물질 각각에 대한 물질 영상을 획득한다.
여기서, 상기 두께-강도 룩업 테이블은, 상기 교정용 팬텀의 이중 에너지 영상의 영상 열화를 보정하여 획득한 복원 이중 에너지 영상 및 상기 교정용 팬텀에 대응되는 물질의 두께를 기반으로 획득되며, 상기 교정용 팬텀에 대응되는 이중 에너지 영상의 영상 열화 보정과 상기 대상체에 대응되는 이중 에너지 영상의 영상 열화 보정은 서로 동일한 영상 열화 보정 방법을 이용할 수 있다.
여기서, 상기 프로세서는, 상기 고밀도 물질 영상을 상기 미리 학습된 이미지 변환 모델에 입력하고, 상기 미리 학습된 이미지 변환 모델로부터 출력되는 제1 에너지에 대한 제1 가중치 맵 영상과 제2 에너지에 대한 제2 가중치 맵 영상을 통해, 상기 고밀도 물질 영상에 대응되는 상기 가중치 맵 영상을 획득할 수 있다.
본 발명의 바람직한 실시예에 따른 이중 에너지 기법 기반 다중 물질 분리 방법 및 장치에 의하면, 대상체의 이중 에너지 영상으로부터 2개의 물질만이 아닌 3개 이상의 물질을 분리하여 영상화함으로써, 부가적인 정보 제공을 통한 진단 및 검사의 정확도를 향상시킬 수 있다.
또한, 영상 열화를 보정하는 과정과 가장 밀도가 높은 물질의 영향을 제거하는 과정을 통해, 보다 정확한 물질 분리를 수행할 수 있다.
또한, 본 발명은 기존 3차원 영상 기반 방법에 비해 빠른 촬영 시간으로 환자의 편의성 증대를 기대할 수 있으며, 환자가 받는 피폭선량을 저감시킬 수 있다.
또한, 본 발명은 엑스선 파노라마 촬영 기기, 디지털 단층 영상 합성 기기(digital tomosynthesis), 단일 광자 방출 컴퓨터 단층 촬영 기기(single-photon emission computed tomography), 양전자 방출 단층 촬영 기기(positron emission tomography) 등과 같은 다양한 방사선 영상 기기에 적용할 수 있다.
본 발명의 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 바람직한 실시예에 따른 이중 에너지 기법 기반 다중 물질 분리 장치를 설명하기 위한 블록도이다.
도 2는 본 발명의 바람직한 실시예에 따른 이중 에너지 기법 기반 다중 물질 분리 방법을 설명하기 흐름도이다.
도 3은 본 발명의 바람직한 실시예에 따른 교정용 팬텀의 일례를 설명하기 위한 도면이다.
도 4는 본 발명의 바람직한 실시예에 따른 두께-강도 룩업 테이블의 획득 과정을 설명하기 위한 도면이다.
도 5는 도 4에 도시한 두께-강도 룩업 테이블의 획득 과정의 일례를 설명하기 위한 도면이다.
도 6은 본 발명의 바람직한 실시예에 따른 이미지 변환 모델의 학습 과정을 설명하기 위한 도면이다.
도 7은 도 6에 도시한 고밀도 물질 학습 영상의 획득 과정의 일례를 설명하기 위한 도면이다.
도 8은 도 6에 도시한 가중치 맵 학습 영상의 획득 과정의 일례를 설명하기 위한 도면이다.
도 9는 본 본 발명의 바람직한 실시예에 따른 이중 에너지 기법 기반 다중 물질 분리 과정의 일례를 설명하기 위한 도면이다.
도 10은 본 발명의 바람직한 실시예에 따른 대상체의 이중 에너지 영상의 일례를 설명하기 위한 도면으로, 도 10의 (a)는 시뮬레이션 기반 수학적 대상체 정보를 나타내고, 도 10의 (b)는 도 10의 (a)에 따른 대상체의 이중 에너지 영상을 나타낸다.
도 11은 도 10에 도시한 대상체의 이중 에너지 영상에 대응되는 가중치 맵 영상을 나타내는 도면이다.
도 12는 도 10에 도시한 대상체의 이중 에너지 영상에서 다중 물질 분리를 수행한 결과를 나타내는 도면이다.
도 2는 본 발명의 바람직한 실시예에 따른 이중 에너지 기법 기반 다중 물질 분리 방법을 설명하기 흐름도이다.
도 3은 본 발명의 바람직한 실시예에 따른 교정용 팬텀의 일례를 설명하기 위한 도면이다.
도 4는 본 발명의 바람직한 실시예에 따른 두께-강도 룩업 테이블의 획득 과정을 설명하기 위한 도면이다.
도 5는 도 4에 도시한 두께-강도 룩업 테이블의 획득 과정의 일례를 설명하기 위한 도면이다.
도 6은 본 발명의 바람직한 실시예에 따른 이미지 변환 모델의 학습 과정을 설명하기 위한 도면이다.
도 7은 도 6에 도시한 고밀도 물질 학습 영상의 획득 과정의 일례를 설명하기 위한 도면이다.
도 8은 도 6에 도시한 가중치 맵 학습 영상의 획득 과정의 일례를 설명하기 위한 도면이다.
도 9는 본 본 발명의 바람직한 실시예에 따른 이중 에너지 기법 기반 다중 물질 분리 과정의 일례를 설명하기 위한 도면이다.
도 10은 본 발명의 바람직한 실시예에 따른 대상체의 이중 에너지 영상의 일례를 설명하기 위한 도면으로, 도 10의 (a)는 시뮬레이션 기반 수학적 대상체 정보를 나타내고, 도 10의 (b)는 도 10의 (a)에 따른 대상체의 이중 에너지 영상을 나타낸다.
도 11은 도 10에 도시한 대상체의 이중 에너지 영상에 대응되는 가중치 맵 영상을 나타내는 도면이다.
도 12는 도 10에 도시한 대상체의 이중 에너지 영상에서 다중 물질 분리를 수행한 결과를 나타내는 도면이다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세히 설명한다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 게시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 게시가 완전하도록 하고, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
본 명세서에서 "제1", "제2" 등의 용어는 하나의 구성 요소를 다른 구성 요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예컨대, 제1 구성 요소는 제2 구성 요소로 명명될 수 있고, 유사하게 제2 구성 요소도 제1 구성 요소로 명명될 수 있다.
본 명세서에서 각 단계들에 있어 식별부호(예컨대, a, b, c 등)는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.
본 명세서에서, "가진다", "가질 수 있다", "포함한다" 또는 "포함할 수 있다" 등의 표현은 해당 특징(예컨대, 수치, 기능, 동작, 또는 부품 등의 구성 요소)의 존재를 가리키며, 추가적인 특징의 존재를 배제하지 않는다.
이하에서 첨부한 도면을 참조하여 본 발명에 따른 이중 에너지 기법 기반 다중 물질 분리 방법 및 장치의 바람직한 실시예에 대해 상세하게 설명한다.
먼저, 도 1을 참조하여 본 발명의 바람직한 실시예에 따른 이중 에너지 기법 기반 다중 물질 분리 장치에 대하여 설명한다.
도 1은 본 발명의 바람직한 실시예에 따른 이중 에너지 기법 기반 다중 물질 분리 장치를 설명하기 위한 블록도이다.
도 1을 참조하면, 본 발명의 바람직한 실시예에 따른 이중 에너지 기법 기반 다중 물질 분리 장치(이하 '다중 물질 분리 장치'라 한다)(100)는 영상 열화를 보정하는 과정과 가장 밀도가 높은 물질의 영향을 제거하는 과정을 통해, 이중 에너지 기법을 기반으로 대상체의 이중 에너지 영상으로부터 다중 물질을 분리하여 물질별 영상을 획득할 수 있다.
여기서, 이중 에너지 영상은 대상체에 30 keV ~ 60 keV의 저 에너지 방사선을 조사하여 획득한 저 에너지 영상과, 대상체에 80 keV ~ 144 keV의 고 에너지 방사선을 조사하여 획득한 고 에너지 영상을 말한다.
즉, 본 발명은 엑스선 및 감마선을 이용한 디지털 방사선 촬영(digital radiography, DR) 및 이중 에너지 엑스선 흡수법(dual energy x-ray absorptiometry, DEXA) 영상 시스템에서, 이중 에너지 기법을 기반으로 다중 물질을 분리함으로써, 기존 이중 에너지 기법과 동일한 조건에서 더 많은 물질의 정보를 획득함으로써, 진단 및 검사의 정확도를 향상시킬 수 있다.
이를 위해, 다중 물질 분리 장치(100)는 하나 이상의 프로세서(110), 컴퓨터 판독 가능한 저장 매체(130) 및 통신 버스(150)를 포함할 수 있다.
프로세서(110)는 다중 물질 분리 장치(100)가 동작하도록 제어할 수 있다. 예컨대, 프로세서(110)는 컴퓨터 판독 가능한 저장 매체(130)에 저장된 하나 이상의 프로그램(131)을 실행할 수 있다. 하나 이상의 프로그램(131)은 하나 이상의 컴퓨터 실행 가능 명령어를 포함할 수 있으며, 컴퓨터 실행 가능 명령어는 프로세서(110)에 의해 실행되는 경우 다중 물질 분리 장치(100)로 하여금 이중 에너지 기법을 기반으로 다중 물질을 분리하기 위한 동작을 수행하도록 구성될 수 있다.
컴퓨터 판독 가능한 저장 매체(130)는 이중 에너지 기법을 기반으로 다중 물질을 분리하기 위한 컴퓨터 실행 가능 명령어 내지 프로그램 코드, 프로그램 데이터 및/또는 다른 적합한 형태의 정보를 저장하도록 구성된다. 컴퓨터 판독 가능한 저장 매체(130)에 저장된 프로그램(131)은 프로세서(110)에 의해 실행 가능한 명령어의 집합을 포함한다. 일 실시예에서, 컴퓨터 판독 가능한 저장 매체(130)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 다중 물질 분리 장치(100)에 의해 액세스되고 원하는 정보를 저장할 수 있는 다른 형태의 저장 매체, 또는 이들의 적합한 조합일 수 있다.
통신 버스(150)는 프로세서(110), 컴퓨터 판독 가능한 저장 매체(130)를 포함하여 다중 물질 분리 장치(100)의 다른 다양한 컴포넌트들을 상호 연결한다.
다중 물질 분리 장치(100)는 또한 하나 이상의 입출력 장치를 위한 인터페이스를 제공하는 하나 이상의 입출력 인터페이스(170) 및 하나 이상의 통신 인터페이스(190)를 포함할 수 있다. 입출력 인터페이스(170) 및 통신 인터페이스(190)는 통신 버스(150)에 연결된다. 입출력 장치(도시하지 않음)는 입출력 인터페이스(170)를 통해 다중 물질 분리 장치(100)의 다른 컴포넌트들에 연결될 수 있다.
그러면, 도 2 내지 도 8를 참조하여 본 발명의 바람직한 실시예에 따른 이중 에너지 기법 기반 다중 물질 분리 방법에 대하여 설명한다.
도 2는 본 발명의 바람직한 실시예에 따른 이중 에너지 기법 기반 다중 물질 분리 방법을 설명하기 흐름도이고, 도 3은 본 발명의 바람직한 실시예에 따른 교정용 팬텀의 일례를 설명하기 위한 도면이며, 도 4는 본 발명의 바람직한 실시예에 따른 두께-강도 룩업 테이블의 획득 과정을 설명하기 위한 도면이고, 도 5는 도 4에 도시한 두께-강도 룩업 테이블의 획득 과정의 일례를 설명하기 위한 도면이며, 도 6은 본 발명의 바람직한 실시예에 따른 이미지 변환 모델의 학습 과정을 설명하기 위한 도면이고, 도 7은 도 6에 도시한 고밀도 물질 학습 영상의 획득 과정의 일례를 설명하기 위한 도면이며, 도 8은 도 6에 도시한 가중치 맵 학습 영상의 획득 과정의 일례를 설명하기 위한 도면이다.
도 2를 참조하면, 다중 물질 분리 장치(100)의 프로세서(110)는 교정용 팬텀을 이용하여 물질별 두께-강도 룩업 테이블(look-up table)을 획득할 수 있다(S110).
여기서, 두께-강도 룩업 테이블은 교정용 팬텀의 이중 에너지 영상의 영상 열화를 보정하여 획득한 복원 이중 에너지 영상 및 교정용 팬텀에 대응되는 물질의 두께를 기반으로 획득될 수 있다.
그리고, 교정용 팬텀은 분리하고자 하는 물질(또는 분리하고자 하는 물질과 유사한 선형 감약 계수값을 가지는 물질)로 이루어지는 계단식 형태로 이루어질 수 있다. 즉, 교정용 팬텀은 두께가 서로 상이한 영역들의 조합으로 이루어지도록 계단식 형상으로 이루어질 수 있다.
이때, 교정용 팬텀은 분리하고자 하는 물질이 n개인 경우, n개의 물질 중 가장 밀도가 낮은 물질인 제1 물질과 나머지 물질 중 하나인 제2 물질의 조합으로 이루어지는 n-1개의 서브 팬텀을 포함할 수 있다.
이때, 하나의 서브 팬텀은 도 3에 도시된 바와 같이 제1 물질로 이루어지는 계단식 형태의 제1 서브 팬텀 및 제1 서브 팬텀의 일면에 위치하고 제2 물질로 이루어지는 계단식 형태의 제2 서브 팬텀을 포함할 수 있다. 이때, 제1 서브 팬텀과 제2 서브 팬텀은 제1 서브 팬텀의 계단 방향(즉, 제1 물질의 두께가 상이해 지는 방향)과 제2 서브 팬텀의 계단 방향(즉, 제2 물질의 두께가 상이해 지는 방향)이 서로 직교하도록 배치될 수 있다. 이와 같은 서브 팬텀에 방사선을 조사하여 이중 에너지 영상(제1 이중 에너지 영상 및 제2 이중 에너지 영상)을 획득할 수 있다.
보다 자세히 설명하면, 도 4에 도시된 바와 같이, 프로세서(110)는 분리하고자 하는 복수개의 물질에 대응되는 교정용 팬텀에 포함된 각각의 서브 팬텀을 통해 두께-강도 룩업 테이블을 획득할 수 있다.
즉, 프로세서(110)는 서브 팬텀에 대한 이중 에너지 영상을 획득할 수 있다. 여기서, 이중 에너지 영상은 제1 에너지(30 keV ~ 60 keV의 저 에너지)에 대한 제1 이중 에너지 영상 및 제2 에너지(80 keV ~ 144 keV의 고 에너지)에 대한 제2 이중 에너지 영상을 포함할 수 있다.
그리고, 프로세서(110)는 이중 에너지 영상(제1 이중 에너지 영상 및 제2 이중 에너지 영상)의 영상 열화를 보정하여 복원 이중 에너지 영상을 획득할 수 있다. 여기서, 복원 이중 에너지 영상은 제1 에너지에 대한 제1 이중 에너지 영상의 영상 열화를 보정하여 획득한 제1 복원 이중 에너지 영상 및 제2 에너지에 대한 제2 이중 에너지 영상의 영상 열화를 보정하여 획득한 제2 복원 이중 에너지 영상을 포함할 수 있다.
일반적으로 방사선 영상은 산란, 노이즈와 같은 영상 열화가 발생되며, D = I + S + N으로 모델링할 수 있다. 여기서, D는 획득한 이중 에너지 영상을 나타내고, I는 이상적인 이중 에너지 영상을 나타내며, S는 산란선 성분이 포함된 영상을 나타내고, N은 노이즈 성분이 포함된 영상을 나타낸다. 산란선의 경우 하드웨어적인 방법(Grid technique, Air-gap technique, Narrow-detector technique 등), 소프트웨어적인 방법(Hybrid-cassette technique, De-convolution technique, Prior-information technique 등) 또는 하드웨어적인 방법과 소프트웨어적인 방법을 혼합한 형태의 방법(T. Kawamura et al, Improvement in image quality and workflow of x-ray examinations using a new image processing method, "virtual grid technology", FUJIFLIM RESEARCH & DEVELOPMENT, 60, 2015, 21-27 참고)을 통해 산란선의 영향을 제거할 수 있다. 노이즈의 경우 소프트웨어적인 방법(mean filter, average filter, wiener filter, moving average filter, median filter 등을 이용한 Filtering technique, Domain transformation technique, machine learning, deep learning 등을 이용한 Prior-information technique 등)을 통해 노이즈의 영향을 제거할 수 있다. 본 발명에 따른 이중 에너지 영상의 영상 열화는 종래의 다양한 기법을 통해 수행될 수 있으며, 특정 기법에 한정되지는 않는다. 다만, 본 발명에 따른 교정용 팬텀에 대응되는 이중 에너지 영상의 영상 열화 보정과 대상체에 대응되는 이중 에너지 영상의 영상 열화 보정은 서로 동일한 영상 열화 보정 방법(영상 열화 보정 기법과 관련 파라미터)을 이용할 수 있다.
그리고, 프로세서(110)는 복원 이중 에너지 영상(제1 복원 이중 에너지 영상 및 제2 복원 이중 에너지 영상)과 해당 서브 팬텀에 대응되는 물질의 두께를 기반으로 해당 물질에 대한 두께-강도 룩업 테이블을 획득할 수 있다.
예컨대, 물질 분리 알고리즘은 아래의 [수학식 1]과 같이 분리하고자 하는 물질의 두께와 이중 에너지 영상 간의 관계식을 나타내는 방정식일 수 있다.
여기서, td는 분리하고자 하는 제1 물질의 두께를 나타낸다. ts는 분리하고자 하는 제2 물질의 두께를 나타낸다. PL은 이중 에너지 영상 중 제1 에너지(저 에너지)에 대한 제1 이중 에너지 영상을 나타낸다. PH은 이중 에너지 영상 중 제2 에너지(고 에너지)에 대한 제2 이중 에너지 영상을 나타낸다.
즉, 아래의 [수학식 2]와 같은 선형 감약 계수와 두께에 따른 저 에너지 및 고 에너지 강도 산출 식을 이용하여, 위의 [수학식 1]과 같은 방정식을 도출할 수 있다.
그리고, 위의 [수학식 1]과 같은 물질 분리 알고리즘의 상수값(a0, a1, a2, a3, a4, a5, b0, b1, b2, b3, b4, b5)을 사전에 계산하여, 해당 물질에 대한 두께-강도 룩업 테이블을 획득할 수 있다. 이때, 프로세서(110)는 특이값 분해(Singular Value Decomposition, SVD), 신경망(neural network) 등과 같은 딥러닝 기법, 최소 제곱법 등의 다양한 분석법을 통해 물질 분리 알고리즘의 상수값을 획득할 수 있다.
프로세서(100)는 위와 같은 과정을 교정용 팬텀에 포함된 각각의 서브 팬텀에 대하여 수행하여, 분리하고자 하는 복수개의 물질 각각에 대응되는 두께-강도 룩업 테이블을 획득할 수 있다.
예컨대, 3개의 물질(뼈, 근육, 지방)을 분리하는 경우, 3개의 물질 중 가장 밀도가 낮은 물질(지방)을 제1 물질로 하는 계단식 형태의 제1 서브 팬텀과 다른 물질(뼈)을 제2 물질로 하는 계단식 형태의 제2 서브 팬텀을 도 5의 (a)의 좌측과 같이 배치하여 서브 팬텀 1을 제작하고, 도 5의 (b)의 좌측과 같이 이중 에너지 영상(Low kVp (bone-fat) 및 High kVp (bone-fat))을 획득할 수 있다.
아울러, 3개의 물질 중 가장 밀도가 낮은 물질(지방)을 제1 물질로 하는 계단식 형태의 제1 서브 팬텀과 다른 물질(근육)을 제2 물질로 하는 계단식 형태의 제2 서브 팬텀을 도 5의 (a)의 우측과 같이 배치하여 서브 팬텀 2를 제작하고, 도 5의 (b)의 우측과 같이 이중 에너지 영상(Low kVp (muscle-fat) 및 High kVp (muscle-fat))을 획득할 수 있다.
그런 다음, 서브 팬텀 1에 대한 이중 에너지 영상(Low kVp (bone-fat) 및 High kVp (bone-fat))의 영상 열화를 보정하여 복원 이중 에너지 영상(보정된 Low kVp (bone-fat) 및 보정된 High kVp (bone-fat))을 획득할 수 있다.
아울러, 서브 팬텀 2에 대한 이중 에너지 영상(Low kVp (muscle-fat) 및 High kVp (muscle-fat))의 영상 열화를 보정하여 복원 이중 에너지 영상(보정된 Low kVp (muscle-fat) 및 보정된 High kVp (muscle-fat))을 획득할 수 있다.
그런 다음, 서브 팬텀 1에 대응되는 물질(뼈-지방)의 두께, 서브 팬텀 1에 대응되는 복원 이중 에너지 영상(보정된 Low kVp (bone-fat) 및 보정된 High kVp (bone-fat)), 서브 팬텀 2에 대응되는 물질(근육-지방)의 두께 및 서브 팬텀 2에 대응되는 복원 이중 에너지 영상(보정된 Low kVp (muscle-fat) 및 보정된 High kVp (muscle-fat))을 이용하여, 뼈에 대한 두께-강도 룩업 테이블 t뼈(PL, PH), 지방에 대한 두께-강도 룩업 테이블 t지방(PL, PH) 및 근육에 대한 두께-강도 룩업 테이블 t근육(PL, PH)을 획득할 수 있다.
그리고, 프로세서(110)는 학습 데이터를 이용하여 신경망(neural network)을 포함하는 이미지 변환 모델을 학습할 수 있다(S120).
여기서, 학습 데이터는 실제 환자의 컴퓨터 단층 촬영(Computed Tomography, CT) 영상을 포함할 수 있다.
보다 자세히 설명하면, 도 6에 도시된 바와 같이, 프로세서(110)는 훈련 데이터 획득 과정과 가중치 맵 예측 훈련 과정을 수행할 수 있다. 프로세서(110)는 학습 데이터에 포함된 컴퓨터 단층 촬영(CT) 영상 각각에 대하여 방사선(Digitally Reconstructed Radiography, DRR) 영상 획득 과정, 고밀도 물질 학습 영상 획득 과정, 고밀도 물질 제거 방사선 영상 획득 과정, 고밀도 물질 영상 획득 과정 및 가중치 맵 학습 영상 획득 과정을 수행하여, 훈련 데이터 획득 과정을 수행할 수 있다. 그리고, 프로세서(110)는 학습 데이터에 포함된 컴퓨터 단층 촬영(CT) 영상 각각에 대해 획득한 고밀도 물질 학습 영상 및 가중치 맵 학습 영상(제1 가중치 맵 학습 영상 및 제2 가중치 맵 학습 영상)을 기반으로, 고밀도 물질 학습 영상을 입력 데이터로 하고, 가중치 맵 학습 영상(제1 가중치 맵 학습 영상과 제2 가중치 맵 학습 영상)을 정답 레이블(label)로 하여, 이미지 변환 모델을 학습할 수 있다. 예컨대, 프로세서(110)는 머신러닝/딥러닝 기반의 이미지 변환 모델에 고밀도 물질 학습 영상을 입력하고, 이미지 변환 모델로부터 출력되는 가중치 맵 예측 영상(제1 가중치 맵 예측 영상 및 제2 가중치 맵 예측 영상)과 정답 레이블인 가중치 맵 학습 영상(제1 가중치 맵 학습 영상과 제2 가중치 맵 학습 영상)과 비교하여 오차를 계산하며, 계산한 오차를 피드백하여 이미지 변환 모델의 파라미터를 수정하는 과정을, 이미지 변환 모델의 출력인 가중치 맵 예측 영상(제1 가중치 맵 예측 영상 및 제2 가중치 맵 예측 영상)과 정답 레이블인 가중치 맵 학습 영상(제1 가중치 맵 학습 영상과 제2 가중치 맵 학습 영상)이 서로 실질적으로 동일할 때까지 반복적으로 수행하여 이미지 변환 모델을 학습할 수 있다.
즉, 프로세서(110)는 컴퓨터 단층 촬영(CT) 영상을 이용하여 제1 에너지에 대한 제1 방사선 영상(DRR)과 제2 에너지에 대한 제2 방사선 영상(DRR)을 획득할 수 있다.
그리고, 프로세서(110)는 가장 밀도가 높은 물질에 대응되는 두께-강도 룩업 테이블을 기반으로 제1 방사선 영상(DRR)과 제2 방사선 영상(DRR)을 이용하여 고밀도 물질 학습 영상을 획득할 수 있다.
또한, 프로세서(110)는 컴퓨터 단층 촬영(CT) 영상을 이용하여 가장 밀도가 높은 물질이 제거된 제1 에너지에 대한 제1 고밀도 물질 제거 방사선 영상과 제2 에너지에 대한 제2 고밀도 물질 제거 방사선 영상을 획득할 수 있다.
그리고, 프로세서(110)는 제1 방사선 영상(DRR)과 제1 고밀도 물질 제거 방사선 영상을 이용하여 제1 에너지에 대한 제1 고밀도 물질 영상을 획득하고, 제2 방사선 영상(DRR)과 제2 고밀도 물질 제거 방사선 영상을 이용하여 제2 에너지에 대한 제2 고밀도 물질 영상을 획득할 수 있다.
그리고, 프로세서(110)는 고밀도 물질 학습 영상과 제1 고밀도 물질 영상을 이용하여 제1 에너지에 대한 제1 가중치 맵 학습 영상을 획득하고, 고밀도 물질 학습 영상과 제2 고밀도 물질 영상을 이용하여 제2 에너지에 대한 제2 가중치 맵 학습 영상을 획득할 수 있다.
예컨대, 도 7에 도시된 바와 같이, 실제 환자의 컴퓨터 단층 촬영(CT) 영상을 통해 제1 방사선 영상(저 에너지(L)에 대한 DDR 영상)과 제2 방사선 영상(고 에너지(H)에 대한 DDR 영상)을 획득할 수 있다. 그런 다음, 뼈에 대한 두께-강도 룩업 테이블 t뼈(PL, PH)을 기반으로 제1 방사선 영상(저 에너지(L)에 대한 DDR 영상 PL)과 제2 방사선 영상(고 에너지(H)에 대한 DDR 영상 PH)을 이용하여 고밀도 물질 학습 영상을 획득할 수 있다.
아울러, 도 8에 도시된 바와 같이, 컴퓨터 단층 촬영(CT) 영상을 이용하여 제1 방사선 영상(저 에너지(L)에 대한 DDR 영상)과 제2 방사선 영상(고 에너지(H)에 대한 DDR 영상)을 획득하고, 컴퓨터 단층 촬영(CT) 영상을 이용하여 뼈 정보가 제거된 제1 고밀도 물질 제거 방사선 영상(뼈 정보가 제거된 저 에너지(L)에 대한 DDR 영상)과 제2 고밀도 물질 제거 방사선 영상(뼈 정보가 제거된 고 에너지(H)에 대한 DDR 영상)을 획득할 수 있다. 그런 다음, 제1 방사선 영상(저 에너지(L)에 대한 DDR 영상)과 제1 고밀도 물질 제거 방사선 영상(뼈 정보가 제거된 저 에너지(L)에 대한 DDR 영상)을 이용하여 제1 고밀도 물질 영상(저 에너지(L)에 대한 Bone 영상)을 획득하고, 제2 방사선 영상(고 에너지(H)에 대한 DDR 영상)과 제2 고밀도 물질 제거 방사선 영상(뼈 정보가 제거된 고 에너지(H)에 대한 DDR 영상)을 이용하여 제2 고밀도 물질 영상(고 에너지(H)에 대한 Bone 영상)을 획득할 수 있다. 그런 다음, 고밀도 물질 학습 영상과 제1 고밀도 물질 영상(저 에너지(L)에 대한 Bone 영상)을 이용하여 제1 가중치 맵 학습 영상(저 에너지(L)에 대한 Weight map 영상)을 획득하고, 고밀도 물질 학습 영상과 제2 고밀도 물질 영상(고 에너지(H)에 대한 Bone 영상)을 이용하여 제2 가중치 맵 학습 영상(고 에너지(H)에 대한 Weight map 영상)을 획득할 수 있다.
이후, 프로세서(110)는 대상체에 대한 이중 에너지 영상을 획득할 수 있다(S130).
즉, 프로세서(110)는 대상체에 방사선을 조사하여 이중 에너지 영상을 획득할 수 있다.
여기서, 이중 에너지 영상은 제1 에너지(30 keV ~ 60 keV의 저 에너지)에 대한 제1 이중 에너지 영상 및 제2 에너지(80 keV ~ 144 keV의 고 에너지)에 대한 제2 이중 에너지 영상을 포함할 수 있다.
그런 다음, 프로세서(110)는 대상체의 이중 에너지 영상의 영상 열화를 보정하여 복원 이중 에너지 영상을 획득할 수 있다(S140).
즉, 프로세서(110)는 대상체의 이중 에너지 영상(제1 이중 에너지 영상 및 제2 이중 에너지 영상)의 영상 열화를 보정하여 복원 이중 에너지 영상을 획득할 수 있다.
여기서, 복원 이중 에너지 영상은 제1 에너지에 대한 제1 이중 에너지 영상의 영상 열화를 보정하여 획득한 제1 복원 이중 에너지 영상 및 제2 에너지에 대한 제2 이중 에너지 영상의 영상 열화를 보정하여 획득한 제2 복원 이중 에너지 영상을 포함할 수 있다.
이때, 교정용 팬텀에 대응되는 이중 에너지 영상의 영상 열화 보정과 대상체에 대응되는 이중 에너지 영상의 영상 열화 보정은 서로 동일한 영상 열화 보정 방법(영상 열화 보정 기법과 관련 파라미터)을 이용할 수 있다.
그런 다음, 프로세서(110)는 대상체의 복원 이중 에너지 영상으로부터 가장 밀도가 높은 물질에 대응되는 고밀도 물질 영상을 획득할 수 있다(S150).
즉, 프로세서(110)는 분리하고자 하는 복수개의 물질 중 가장 밀도가 높은 물질에 대응되는 두께-강도 룩업 테이블을 기반으로 대상체의 복원 이중 에너지 영상(제1 에너지에 대한 제1 복원 이중 에너지 영상 및 제2 에너지에 대한 제2 복원 이중 에너지 영상)으로부터 가장 밀도가 높은 물질에 대응되는 고밀도 물질 영상을 획득할 수 있다.
예컨대, 뼈에 대한 두께-강도 룩업 테이블 t뼈(PL, PH)을 기반으로 제1 복원 이중 에너지 영상(저 에너지(L)에 대한 복원 이중 에너지 영상 PL)과 제2 복원 이중 에너지 영상(고 에너지(H)에 대한 복원 이중 에너지 영상 PH)을 이용하여 고밀도 물질 영상을 획득할 수 있다.
그런 다음, 프로세서(110)는 미리 학습된 이미지 변환 모델을 이용하여 고밀도 물질 영상에 대응되는 가중치 맵 영상을 획득할 수 있다(S160).
즉, 프로세서(110)는 고밀도 물질 영상을 미리 학습된 이미지 변환 모델에 입력하고, 미리 학습된 이미지 변환 모델로부터 출력되는 제1 에너지에 대한 제1 가중치 맵 영상과 제2 에너지에 대한 제2 가중치 맵 영상을 통해, 고밀도 물질 영상에 대응되는 가중치 맵 영상을 획득할 수 있다.
그런 다음, 프로세서(110)는 대상체의 복원 이중 에너지 영상 및 가중치 맵 영상을 기반으로 고밀도 물질 제거 이중 에너지 영상을 획득할 수 있다(S170).
즉, 프로세서(110)는 대상체의 복원 이중 에너지 영상 중 제1 에너지에 대한 제1 복원 이중 에너지 영상으로부터 제1 가중치 맵 영상을 이용하여 제1 에너지에 대한 제1 고밀도 물질 제거 이중 에너지 영상을 획득할 수 있다.
그리고, 프로세서(110)는 대상체의 복원 이중 에너지 영상 중 제2 에너지에 대한 제2 복원 이중 에너지 영상으로부터 제2 가중치 맵 영상을 이용하여 제2 에너지에 대한 제2 고밀도 물질 제거 이중 에너지 영상을 획득할 수 있다.
마지막으로, 프로세서(110)는 고밀도 물질 제거 이중 에너지 영상으로부터 분리하고자 하는 복수개의 물질 중 가장 밀도가 높은 물질을 제외한 나머지 물질 각각에 대한 물질 영상을 획득할 수 있다(S180).
즉, 프로세서(110)는 분리하고자 하는 복수개의 물질 중 가장 밀도가 높은 물질을 제외한 나머지 물질에 대응되는 교정용 팬텀을 통해 획득한 물질별 두께-강도 룩업 테이블을 기반으로, 고밀도 물질 제거 이중 에너지 영상으로부터 나머지 물질 각각에 대한 물질 영상을 획득할 수 있다.
보다 자세히 설명하면, 프로세서(110)는 나머지 물질에 대응되는 물질별 두께-강도 룩업 테이블을 기반으로, 제1 고밀도 물질 제거 이중 에너지 영상과 제2 고밀도 물질 제거 이중 에너지 영상을 이용하여 고밀도 물질 제거 이중 에너지 영상으로부터 나머지 물질 각각에 대한 물질 영상을 획득할 수 있다.
즉, 프로세서(110)는 고밀도 물질 제거 이중 에너지 영상(제1 에너지에 대한 제1 고밀도 물질 제거 이중 에너지 영상 및 제2 에너지에 대한 제2 고밀도 물질 제거 이중 에너지 영상)으로부터 분리하고자 하는 나머지 물질의 밀도가 높은 물질에서 낮은 물질의 순서에 따라, 대상 물질에 대응되는 두께-강도 룩업 테이블을 기반으로 고밀도 물질 제거 이중 에너지 영상(제1 에너지에 대한 제1 고밀도 물질 제거 이중 에너지 영상 및 제2 에너지에 대한 제2 고밀도 물질 제거 이중 에너지 영상)으로부터 대상 물질 분리 영상을 획득할 수 있다.
그리고, 프로세서(110)는 대상 물질 분리 영상을 고밀도 물질 제거 이중 에너지 영상(제1 에너지에 대한 제1 고밀도 물질 제거 이중 에너지 영상 및 제2 에너지에 대한 제2 고밀도 물질 제거 이중 에너지 영상)에서 제거할 수 있다.
그리고, 프로세서(110)는 대상 물질 분리 영상이 제거된 고밀도 물질 제거 이중 에너지 영상(제1 에너지에 대한 제1 고밀도 물질 제거 이중 에너지 영상 및 제2 에너지에 대한 제2 고밀도 물질 제거 이중 에너지 영상)으로 다음 물질 분리를 수행하는 과정을, 반복적으로 수행하여 고밀도 물질 제거 이중 에너지 영상(제1 에너지에 대한 제1 고밀도 물질 제거 이중 에너지 영상 및 제2 에너지에 대한 제2 고밀도 물질 제거 이중 에너지 영상)으로부터 나머지 물질 각각에 대한 물질 영상을 획득할 수 있다.
그러면, 도 9 내지 도 12를 참조하여 본 발명의 바람직한 실시예에 따른 이중 에너지 기법 기반 다중 물질 분리 과정의 일례에 대하여 설명한다.
도 9는 본 본 발명의 바람직한 실시예에 따른 이중 에너지 기법 기반 다중 물질 분리 과정의 일례를 설명하기 위한 도면이고, 도 10은 본 발명의 바람직한 실시예에 따른 대상체의 이중 에너지 영상의 일례를 설명하기 위한 도면으로, 도 10의 (a)는 시뮬레이션 기반 수학적 대상체 정보를 나타내고, 도 10의 (b)는 도 10의 (a)에 따른 대상체의 이중 에너지 영상을 나타내며, 도 11은 도 10에 도시한 대상체의 이중 에너지 영상에 대응되는 가중치 맵 영상을 나타내는 도면이고, 도 12는 도 10에 도시한 대상체의 이중 에너지 영상에서 다중 물질 분리를 수행한 결과를 나타내는 도면이다.
도 9를 참조하면, 3개의 물질(뼈, 근육, 지방)을 분리하는 경우, "지방"을 제1 물질로 하는 계단식 형태의 제1 서브 팬텀과 "뼈"를 제2 물질로 하는 계단식 형태의 제2 서브 팬텀을 포함하는 서브 팬텀 1을 통해 서브 팬텀 1에 대한 이중 에너지 영상을 획득하고, "지방"을 제1 물질로 하는 계단식 형태의 제1 서브 팬텀과 "근육"을 제2 물질로 하는 계단식 형태의 제2 서브 팬텀을 포함하는 서브 팬텀 2를 통해 서브 팬텀 2에 대한 이중 에너지 영상을 획득할 수 있다. 그런 다음, 서브 팬텀 1에 대한 이중 에너지 영상과 서브 팬텀 2에 대한 이중 에너지 영상 각각의 영상 열화를 보정할 수 있다. 이때, 산란선의 영향을 제거하기 위해 De-convolution technique을 이용하였고, 노이즈의 영향을 제거하기 위해 Domain transformation technique을 이용하였다. 그런 다음, 서브 팬텀 1에 대응되는 물질(뼈-지방)의 두께, 서브 팬텀 1에 대응되는 영상 열화가 보정된 이중 에너지 영상, 서브 팬텀 2에 대응되는 물질(근육-지방)의 두께 및 서브 팬텀 2에 대응되는 영상 열화가 보정된 이중 에너지 영상을 이용하여, 뼈에 대한 두께-강도 룩업 테이블 t뼈(PL, PH), 지방에 대한 두께-강도 룩업 테이블 t지방(PL, PH) 및 근육에 대한 두께-강도 룩업 테이블 t근육(PL, PH)을 획득할 수 있다.
이후, 도 10에 도시된 바와 같은 대상체에 대한 이중 에너지 영상의 영상 열화를 보정할 수 있다. 이때, 교정용 팬텀에 대한 이중 에너지 영상의 영상 열화 보정에 이용된 기법(산란선의 영향을 제거하기 위한 De-convolution technique과 노이즈의 영향을 제거하기 위한 Domain transformation technique)과 파라미터를 이용하여, 대상체의 이중 에너지 영상의 영상 열화를 보정하였다.
그런 다음, 대상체에 대응되는 영상 열화가 보정된 이중 에너지 영상 및 뼈에 대한 두께-강도 룩업 테이블 t뼈(PL, PH)을 기반으로 고밀도 물질 영상(즉, 뼈 영상)을 획득할 수 있다.
그런 다음, 미리 학습되어 구축된 이미지 변환 모델을 이용하여, 도 11에 도시된 바와 같이, 고밀도 물질 영상(즉, 뼈 영상)에 대응되는 가중치 맵 영상을 획득할 수 있다.
그런 다음, 대상체에 대응되는 영상 열화가 보정된 이중 에너지 영상 및 가중치 맵 영상을 기반으로, 고밀도 물질(즉, 뼈)이 제거된 뼈 분리 이중 에너지 영상을 획득할 수 있다.
마지막으로, 고밀도 물질(즉, 뼈)이 제거된 고밀도 물질 분리 이중 에너지 영상, 지방에 대한 두께-강도 룩업 테이블 t지방(PL, PH) 및 근육에 대한 두께-강도 룩업 테이블 t근육(PL, PH)을 기반으로, 지방 분리 영상과 근육 분리 영상을 획득할 수 있다. 이에 따라, 도 12에 도시된 바와 같이, 이중 에너지 영상을 통해 뼈 분리 영상, 지방 분리 영상 및 근육 분리 영상을 획득할 수 있다.
본 실시예들에 따른 동작은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능한 저장 매체에 기록될 수 있다. 컴퓨터 판독 가능한 저장 매체는 실행을 위해 프로세서에 명령어를 제공하는데 참여한 임의의 매체를 나타낸다. 컴퓨터 판독 가능한 저장 매체는 프로그램 명령, 데이터 파일, 데이터 구조 또는 이들의 조합을 포함할 수 있다. 예컨대, 자기 매체, 광기록 매체, 메모리 등이 있을 수 있다. 컴퓨터 프로그램은 네트워크로 연결된 컴퓨터 시스템 상에 분산되어 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수도 있다. 본 실시예를 구현하기 위한 기능적인(Functional) 프로그램, 코드, 및 코드 세그먼트들은 본 실시예가 속하는 기술 분야의 프로그래머들에 의해 용이하게 추론될 수 있을 것이다.
본 실시예들은 본 실시예의 기술 사상을 설명하기 위한 것이고, 이러한 실시예에 의하여 본 실시예의 기술 사상의 범위가 한정되는 것은 아니다. 본 실시예의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 실시예의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
100 : 다중 물질 분리 장치,
110 : 프로세서,
130 : 컴퓨터 판독 가능한 저장 매체,
131 : 프로그램,
150 : 통신 버스,
170 : 입출력 인터페이스,
190 : 통신 인터페이스
110 : 프로세서,
130 : 컴퓨터 판독 가능한 저장 매체,
131 : 프로그램,
150 : 통신 버스,
170 : 입출력 인터페이스,
190 : 통신 인터페이스
Claims (13)
- 대상체에 대한 이중 에너지 영상을 획득하는 단계;
상기 대상체의 이중 에너지 영상의 영상 열화를 보정하여 복원 이중 에너지 영상을 획득하는 단계;
분리하고자 하는 복수개의 물질 중 가장 밀도가 높은 물질에 대응되는 두께-강도 룩업 테이블(look-up table)을 기반으로 상기 대상체의 복원 이중 에너지 영상으로부터 가장 밀도가 높은 물질에 대응되는 고밀도 물질 영상을 획득하는 단계;
미리 학습된 이미지 변환 모델을 이용하여 상기 고밀도 물질 영상에 대응되는 가중치 맵 영상을 획득하는 단계;
상기 대상체의 복원 이중 에너지 영상 및 상기 가중치 맵 영상을 기반으로 고밀도 물질 제거 이중 에너지 영상을 획득하는 단계; 및
분리하고자 하는 복수개의 물질 중 상기 가장 밀도가 높은 물질을 제외한 나머지 물질에 대응되는 교정용 팬텀을 통해 획득한 물질별 두께-강도 룩업 테이블(look-up table)을 기반으로, 상기 고밀도 물질 제거 이중 에너지 영상으로부터 상기 나머지 물질 각각에 대한 물질 영상을 획득하는 단계;
를 포함하는 이중 에너지 기법 기반 다중 물질 분리 방법. - 제1항에서,
상기 두께-강도 룩업 테이블은,
상기 교정용 팬텀의 이중 에너지 영상의 영상 열화를 보정하여 획득한 복원 이중 에너지 영상 및 상기 교정용 팬텀에 대응되는 물질의 두께를 기반으로 획득되며,
상기 교정용 팬텀에 대응되는 이중 에너지 영상의 영상 열화 보정과 상기 대상체에 대응되는 이중 에너지 영상의 영상 열화 보정은 서로 동일한 영상 열화 보정 방법을 이용하는,
이중 에너지 기법 기반 다중 물질 분리 방법. - 제1항에서,
상기 가중치 맵 영상 획득 단계는,
상기 고밀도 물질 영상을 상기 미리 학습된 이미지 변환 모델에 입력하고, 상기 미리 학습된 이미지 변환 모델로부터 출력되는 제1 에너지에 대한 제1 가중치 맵 영상과 제2 에너지에 대한 제2 가중치 맵 영상을 통해, 상기 고밀도 물질 영상에 대응되는 상기 가중치 맵 영상을 획득하는 것으로 이루어지는,
이중 에너지 기법 기반 다중 물질 분리 방법. - 제3항에서,
실제 환자의 컴퓨터 단층 촬영(Computed Tomography, CT) 영상을 포함하는 학습 데이터를 이용하여 상기 이미지 변환 모델을 학습하는 단계;
를 더 포함하는 이중 에너지 기법 기반 다중 물질 분리 방법. - 제4항에서,
상기 이미지 변환 모델 학습 단계는,
상기 학습 데이터에 포함된 컴퓨터 단층 촬영(CT) 영상 각각에 대하여,
상기 컴퓨터 단층 촬영(CT) 영상을 이용하여 상기 제1 에너지에 대한 제1 방사선 영상(Digitally Reconstructed Radiography, DRR)과 상기 제2 에너지에 대한 제2 방사선 영상(DRR)을 획득하고, 상기 가장 밀도가 높은 물질에 대응되는 두께-강도 룩업 테이블을 기반으로 상기 제1 방사선 영상(DRR)과 상기 제2 방사선 영상(DRR)을 이용하여 고밀도 물질 학습 영상을 획득하고,
상기 컴퓨터 단층 촬영(CT) 영상을 이용하여 상기 가장 밀도가 높은 물질이 제거된 상기 제1 에너지에 대한 제1 고밀도 물질 제거 방사선 영상과 상기 제2 에너지에 대한 제2 고밀도 물질 제거 방사선 영상을 획득하며,
상기 제1 방사선 영상(DRR)과 상기 제1 고밀도 물질 제거 방사선 영상을 이용하여 상기 제1 에너지에 대한 제1 고밀도 물질 영상을 획득하고, 상기 제2 방사선 영상(DRR)과 상기 제2 고밀도 물질 제거 방사선 영상을 이용하여 상기 제2 에너지에 대한 제2 고밀도 물질 영상을 획득하며,
상기 고밀도 물질 학습 영상과 상기 제1 고밀도 물질 영상을 이용하여 상기 제1 에너지에 대한 제1 가중치 맵 학습 영상을 획득하고, 상기 고밀도 물질 학습 영상과 상기 제2 고밀도 물질 영상을 이용하여 상기 제2 에너지에 대한 제2 가중치 맵 학습 영상을 획득하며,
상기 학습 데이터에 포함된 상기 컴퓨터 단층 촬영(CT) 영상 각각에 대해 획득한 상기 고밀도 물질 학습 영상, 상기 제1 가중치 맵 학습 영상 및 상기 제2 가중치 맵 학습 영상을 기반으로, 상기 고밀도 물질 학습 영상을 입력 데이터로 하고, 상기 제1 가중치 맵 학습 영상과 상기 제2 가중치 맵 학습 영상을 정답 레이블(label)로 하여, 상기 이미지 변환 모델을 학습하는 것으로 이루어지는,
이중 에너지 기법 기반 다중 물질 분리 방법. - 제3항에서,
상기 고밀도 물질 제거 이중 에너지 영상 획득 단계는,
상기 대상체의 복원 이중 에너지 영상 중 상기 제1 에너지에 대한 제1 복원 이중 에너지 영상으로부터 상기 제1 가중치 맵 영상을 이용하여 상기 제1 에너지에 대한 제1 고밀도 물질 제거 이중 에너지 영상을 획득하고,
상기 대상체의 복원 이중 에너지 영상 중 상기 제2 에너지에 대한 제2 복원 이중 에너지 영상으로부터 상기 제2 가중치 맵 영상을 이용하여 상기 제2 에너지에 대한 제2 고밀도 물질 제거 이중 에너지 영상을 획득하는 것으로 이루어지는,
이중 에너지 기법 기반 다중 물질 분리 방법. - 제6항에서,
상기 나머지 물질 각각에 대한 물질 영상 획득 단계는,
상기 나머지 물질에 대응되는 물질별 두께-강도 룩업 테이블을 기반으로, 상기 제1 고밀도 물질 제거 이중 에너지 영상과 상기 제2 고밀도 물질 제거 이중 에너지 영상을 이용하여 상기 고밀도 물질 제거 이중 에너지 영상으로부터 상기 나머지 물질 각각에 대한 물질 영상을 획득하는 것으로 이루어지는,
이중 에너지 기법 기반 다중 물질 분리 방법. - 제7항에서,
상기 나머지 물질 각각에 대한 물질 영상 획득 단계는,
상기 고밀도 물질 제거 이중 에너지 영상으로부터 분리하고자 하는 상기 나머지 물질의 밀도가 높은 물질에서 낮은 물질의 순서에 따라, 대상 물질에 대응되는 두께-강도 룩업 테이블을 기반으로 상기 고밀도 물질 제거 이중 에너지 영상으로부터 대상 물질 분리 영상을 획득하고, 상기 대상 물질 분리 영상을 상기 고밀도 물질 제거 이중 에너지 영상에서 제거하며, 상기 대상 물질 분리 영상이 제거된 상기 고밀도 물질 제거 이중 에너지 영상으로 다음 물질 분리를 수행하는 과정을, 반복적으로 수행하여 상기 고밀도 물질 제거 이중 에너지 영상으로부터 상기 나머지 물질 각각에 대한 물질 영상을 획득하는 것으로 이루어지는,
이중 에너지 기법 기반 다중 물질 분리 방법. - 제1항에서,
상기 교정용 팬텀은,
분리하고자 하는 물질이 n개인 경우, n개의 물질 중 가장 밀도가 낮은 물질인 제1 물질과 나머지 물질 중 하나인 제2 물질의 조합으로 이루어지는 n-1개의 서브 팬텀을 포함하며,
상기 서브 팬텀은,
상기 제1 물질로 이루어지는 계단식 형태의 제1 서브 팬텀 및 상기 제1 서브 팬텀의 일면에 위치하고 상기 제2 물질로 이루어지는 계단식 형태의 제2 서브 팬텀을 포함하는,
이중 에너지 기법 기반 다중 물질 분리 방법. - 제1항 내지 제9항 중 어느 한 항에 기재된 이중 에너지 기법 기반 다중 물질 분리 방법을 컴퓨터에서 실행시키기 위하여 컴퓨터 판독 가능한 저장 매체에 저장된 컴퓨터 프로그램.
- 이중 에너지 기법을 기반으로 다중 물질을 분리하는 다중 물질 분리 장치로서,
이중 에너지 기법을 기반으로 다중 물질을 분리하기 위한 하나 이상의 프로그램을 저장하는 메모리; 및
상기 메모리에 저장된 상기 하나 이상의 프로그램에 따라 이중 에너지 기법을 기반으로 다중 물질을 분리하기 위한 동작을 수행하는 하나 이상의 프로세서;
를 포함하고,
상기 프로세서는,
대상체에 대한 이중 에너지 영상을 획득하고,
상기 대상체의 이중 에너지 영상의 영상 열화를 보정하여 복원 이중 에너지 영상을 획득하며,
분리하고자 하는 복수개의 물질 중 가장 밀도가 높은 물질에 대응되는 두께-강도 룩업 테이블(look-up table)을 기반으로 상기 대상체의 복원 이중 에너지 영상으로부터 가장 밀도가 높은 물질에 대응되는 고밀도 물질 영상을 획득하고,
미리 학습된 이미지 변환 모델을 이용하여 상기 고밀도 물질 영상에 대응되는 가중치 맵 영상을 획득하며,
상기 대상체의 복원 이중 에너지 영상 및 상기 가중치 맵 영상을 기반으로 고밀도 물질 제거 이중 에너지 영상을 획득하고,
분리하고자 하는 복수개의 물질 중 상기 가장 밀도가 높은 물질을 제외한 나머지 물질에 대응되는 교정용 팬텀을 통해 획득한 물질별 두께-강도 룩업 테이블(look-up table)을 기반으로, 상기 고밀도 물질 제거 이중 에너지 영상으로부터 상기 나머지 물질 각각에 대한 물질 영상을 획득하는,
이중 에너지 기법 기반 다중 물질 분리 장치. - 제11항에서,
상기 두께-강도 룩업 테이블은,
상기 교정용 팬텀의 이중 에너지 영상의 영상 열화를 보정하여 획득한 복원 이중 에너지 영상 및 상기 교정용 팬텀에 대응되는 물질의 두께를 기반으로 획득되며,
상기 교정용 팬텀에 대응되는 이중 에너지 영상의 영상 열화 보정과 상기 대상체에 대응되는 이중 에너지 영상의 영상 열화 보정은 서로 동일한 영상 열화 보정 방법을 이용하는,
이중 에너지 기법 기반 다중 물질 분리 장치. - 제11항에서,
상기 프로세서는,
상기 고밀도 물질 영상을 상기 미리 학습된 이미지 변환 모델에 입력하고, 상기 미리 학습된 이미지 변환 모델로부터 출력되는 제1 에너지에 대한 제1 가중치 맵 영상과 제2 에너지에 대한 제2 가중치 맵 영상을 통해, 상기 고밀도 물질 영상에 대응되는 상기 가중치 맵 영상을 획득하는,
이중 에너지 기법 기반 다중 물질 분리 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210073702A KR102590461B1 (ko) | 2021-06-07 | 2021-06-07 | 이중 에너지 기법 기반 다중 물질 분리 방법 및 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210073702A KR102590461B1 (ko) | 2021-06-07 | 2021-06-07 | 이중 에너지 기법 기반 다중 물질 분리 방법 및 장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220165117A true KR20220165117A (ko) | 2022-12-14 |
| KR102590461B1 KR102590461B1 (ko) | 2023-10-16 |
Family
ID=84438334
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210073702A KR102590461B1 (ko) | 2021-06-07 | 2021-06-07 | 이중 에너지 기법 기반 다중 물질 분리 방법 및 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102590461B1 (ko) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103824281A (zh) * | 2014-01-07 | 2014-05-28 | 沈阳航空航天大学 | 一种胸部x光图像中骨骼抑制的方法 |
| JP2019030663A (ja) * | 2017-08-08 | 2019-02-28 | キヤノンメディカルシステムズ株式会社 | Ｘ線コンピュータ断層撮影装置 |
| KR20190092299A (ko) * | 2018-01-30 | 2019-08-07 | 연세대학교 원주산학협력단 | 딥러닝 기술을 통한 흉부 물질 분리 영상 획득 방법 및 시스템 |
| JP2019162358A (ja) * | 2018-03-20 | 2019-09-26 | キヤノン株式会社 | 放射線撮影システム、撮影制御装置及び方法 |
-
2021
- 2021-06-07 KR KR1020210073702A patent/KR102590461B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103824281A (zh) * | 2014-01-07 | 2014-05-28 | 沈阳航空航天大学 | 一种胸部x光图像中骨骼抑制的方法 |
| JP2019030663A (ja) * | 2017-08-08 | 2019-02-28 | キヤノンメディカルシステムズ株式会社 | Ｘ線コンピュータ断層撮影装置 |
| KR20190092299A (ko) * | 2018-01-30 | 2019-08-07 | 연세대학교 원주산학협력단 | 딥러닝 기술을 통한 흉부 물질 분리 영상 획득 방법 및 시스템 |
| JP2019162358A (ja) * | 2018-03-20 | 2019-09-26 | キヤノン株式会社 | 放射線撮影システム、撮影制御装置及び方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102590461B1 (ko) | 2023-10-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Karimi et al. | Segmentation of artifacts and anatomy in CT metal artifact reduction | |
| US20210056688A1 (en) | Using deep learning to reduce metal artifacts | |
| EP2567659B1 (en) | Calibration free dual energy radiography method | |
| Weidinger et al. | Polychromatic iterative statistical material image reconstruction for photon-counting computed tomography | |
| JP2019516460A (ja) | 空間とスペクトル情報に基づく複数エネルギーのｃｔ画像におけるノイズ制御のためのシステムと方法 | |
| EP3195265A2 (en) | Iterative image reconstruction with a sharpness driven regularization parameter | |
| CN110599559B (zh) | 多能量金属伪影减少 | |
| CN110636796B (zh) | X射线暗场成像中的射束硬化校正 | |
| JP7346429B2 (ja) | スペクトルコンピュータ断層撮影（ｃｔ）スキャナによって生成される画質が向上したバーチャル非造影画像 | |
| EP3207524B1 (en) | Noise reduction for spectral imaging | |
| EP3230953A1 (en) | Methods and systems for spectral ct imaging | |
| Li et al. | Multienergy cone-beam computed tomography reconstruction with a spatial spectral nonlocal means algorithm | |
| JP7370989B2 (ja) | スペクトルボリューム画像データを生成するように構成された非スペクトルコンピュータ断層撮影（ｃｔ）スキャナ | |
| Stein et al. | Photon-counting computed tomography–basic principles, potenzial benefits, and initial clinical experience | |
| EP3404618B1 (en) | Poly-energetic reconstruction method for metal artifacts reduction | |
| Pua et al. | A pseudo-discrete algebraic reconstruction technique (PDART) prior image-based suppression of high density artifacts in computed tomography | |
| EP3431007B1 (en) | Creation of electron density datasets from spectral ct datasets | |
| KR102590461B1 (ko) | 이중 에너지 기법 기반 다중 물질 분리 방법 및 장치 | |
| KR102518283B1 (ko) | 이중 에너지 기법 기반 다중 물질 분리 방법 및 장치 | |
| CN115067981A (zh) | 双能ct物质分解方法、装置、系统、电子设备及存储介质 | |
| Shi et al. | Raw-Data-Based Material Decomposition Using Modified U-Net for Low-Dose Spectral CT | |
| Hariharan | Novel Analytical and Learning-based Image Processing Techniques for Dose Reduction in Interventional X-ray Imaging | |
| CN116172594B (zh) | 用于生成患者的结果图像数据集的方法及装置 | |
| KR20190102770A (ko) | 전산화 단층촬영 영상의 빔 경화 인공물 보정 방법 및 그 방법을 이용한 전산화 단층촬영 장치 | |
| US20240104797A1 (en) | Systems, Methods, and Media for Material Decomposition and Virtual Monoenergetic Imaging from Multi-Energy Computed Tomography Data |
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 |