KR20230030146A - 하치조 신경관 영역 검출 방법 및 장치 - Google Patents

하치조 신경관 영역 검출 방법 및 장치 Download PDF

Info

Publication number
KR20230030146A
KR20230030146A KR1020210112018A KR20210112018A KR20230030146A KR 20230030146 A KR20230030146 A KR 20230030146A KR 1020210112018 A KR1020210112018 A KR 1020210112018A KR 20210112018 A KR20210112018 A KR 20210112018A KR 20230030146 A KR20230030146 A KR 20230030146A
Authority
KR
South Korea
Prior art keywords
region
mandible
virtual
blank
neural tube
Prior art date
Application number
KR1020210112018A
Other languages
English (en)
Other versions
KR102623028B1 (ko
Inventor
주원형
김종문
박수희
최규옥
Original Assignee
오스템임플란트 주식회사
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 오스템임플란트 주식회사 filed Critical 오스템임플란트 주식회사
Priority to KR1020210112018A priority Critical patent/KR102623028B1/ko
Publication of KR20230030146A publication Critical patent/KR20230030146A/ko
Application granted granted Critical
Publication of KR102623028B1 publication Critical patent/KR102623028B1/ko

Links

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]
    • A61B6/14—
    • 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
    • A61B6/506—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 nerves
    • 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
    • A61B6/51—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 dentistry
    • 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
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30036—Dental; Teeth

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Public Health (AREA)
  • Optics & Photonics (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Physics & Mathematics (AREA)
  • Physiology (AREA)
  • Pulmonology (AREA)
  • Neurology (AREA)
  • Quality & Reliability (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

본 출원의 신경관 영역 검출 방법은, 환자의 두부에 대한 하나 이상의 CT 데이터에 기초하여 3차원 렌더링 영상을 획득하고, 3차원 렌더링 영상의 각 3차원 오브젝트들을 세그멘테이션 하여, 3차원 가상의 하악골을 획득하고, 3차원 가상의 하악골의 외면에 형성된 이공(Mental Foramen) 및 3차원 가상의 하악골의 내부에서 공백 영역을 인식하고, 공백 영역에 기초해 하치조 신경관(Inferior Alveolar Nerve) 영역을 결정한다.

Description

하치조 신경관 영역 검출 방법 및 장치 {METHOD AND APPARATUS FOR DETECTING INFERIOR ALVEOLAR NERVE REGION}
본 발명은 3차원 영상에서 하치조 신경관 영역을 검출하기 위한 방법 및 장치에 관한 것이다.
MPR(Multi Planar Reformatting) 영상 또는 단면(Section) 영상과 같은 2차원 영상에서, HU(Hounsfield Unit) 값을 이용하여 하치조 신경관 영역을 검출하는 방법이 이용된다.
예를 들어, 2차원 영상 내에서 하악골을 구성하는 골의 영역 중에서, 하치조 신경과 맞닿아 하치조 신경을 감싸고 있는 골의 영역은 하악골을 구성하는 다른 골의 영역보다 골밀도가 높아 HU 값이 더 높게 나오게 된다. 종래의 2차원 영상에서 하치조 신경관 영역을 검출하는 방법은, 이러한 특징을 이용하여, 하악골로서 인식되는 골의 영역 중에서, 다른 영역에 비하여 상대적으로 가장 높은 HU 값이 나오는 두 영역 내에서 각각 하나씩의 포인트(Point)를 찾아, 두 포인트를 서로 연결함으로써, 형성된 영역을 하치조 신경관 영역으로서 검출하고, 검출된 신경관 영역을 사용자에게 화면을 통해 표시한다.
그러나, 3차원 영상의 경우, 2차원 영상에 비하여 구조가 복잡하기 때문에, 종래 2차원 영상에 이용하던 방법을 3차원 영상에 그대로 적용할 수 없다는 기술적 한계가 존재한다.
본 발명의 일 실시예에 따른 해결하고자 하는 과제는, 높은 HU 값이 나오는 두 포인트(Point)를 찾아 그 두 포인트 사이를 연결하여 하치조 신경관 영역을 생성하는 종래의 방법을 사용하지 않고도 3차원 영상에서 이공과 하치조 신경관 영역을 검출하는 것을 포함한다.
본 발명의 명시되지 않은 또 다른 목적들은 하기의 상세한 설명 및 그 효과로부터 용이하게 추론할 수 있는 범위 내에서 추가적으로 고려될 수 있다.
상기 과제를 해결하기 위해, 본 발명의 일 측면에 따른 하치조 신경관 영역 검출 장치에 의하여 수행되는 하치조 신경관 영역 검출 방법은, 환자의 두부에 대한 하나 이상의 CT 데이터에 기초하여 3차원 렌더링 영상을 획득하고, 상기 3차원 렌더링 영상의 각 3차원 오브젝트들을 세그멘테이션 하여, 3차원 가상의 하악골을 얻는 단계, 상기 3차원 가상의 하악골의 외면에 형성된 복수의 구멍들 중 어느 하나를 이공(Mental Foramen)으로 결정하는 단계, 상기 3차원 가상의 하악골에 의해 둘러싸인 공백 영역을 인식하는 단계 및 상기 공백 영역 중 상기 이공으로부터 연장되는 공백 영역을 하치조 신경관(Inferior Alveolar Nerve) 영역으로 결정하는 단계를 포함한다.
여기서, 상기 3차원 렌더링 영상에서, 상기 하나 이상의 CT 데이터의 HU(Hounsfield)값 또는 그레이 스케일 값에 기초해, 상기 CT 데이터 상에서 뼈로 인식되는 소정의 임계치 이상의 값을 갖는 영역은 뼈(bone)로 인식되어 가상의 골영역으로 재현되고, 상기 CT 데이터 상에서 상기 소정의 임계치 미만의 값을 갖는 영역은 공백 영역으로서 재현될 수 있다.
상기 3차원 가상의 하악골의 외면에 형성된 복수의 구멍들 중 어느 하나를 이공(Mental Foramen)으로 결정하는 단계에서, 상기 이공은 상기 환자의 치아 정보에 기초하여 결정되며, 상기 치아 정보는 상기 환자의 각 치아에 대한 위치 및 치식 중 적어도 하나를 포함할 수 있다.
여기서, 상기 치아 정보는, 상기 CT 데이터에 기초하여 생성될 수 있다.
여기서, 상기 이공은, 상기 복수의 구멍 중 상기 환자의 제1 및 제2 소구치 사이에 위치한 구멍으로 결정될 수 있다.
상기 공백 영역 중 상기 이공으로부터 연장되는 공백 영역을 하치조 신경관(Inferior Alveolar Nerve) 영역으로 결정하는 단계에서, 상기 방법은 상기 공백 영역 중 상기 이공으로부터 연장되는 후보 신경관 영역을 선정하고, 선정된 상기 후보 신경관 영역 중 연장 방향에 있어서의 길이가 가장 긴 영역에 기초해 상기 하치조 신경관 영역을 결정할 수 있다.
상기 3차원 가상의 하악골은 복수의 복셀로 이루어지며, 상기 방법의 상기 3차원 가상의 하악골에 의해 둘러싸인 공백 영역을 인식하는 단계는, 상기 3차원 가상의 하악골을 이루는 복수의 복셀 중 최외곽을 형성하는 복셀의 내부에 위치하는 각 복셀에 대응되는 상기 적어도 하나의 CT 데이터의 HU(hounsfield unit) 값을 기초로, 본-복셀(bone voxel)에 해당하는 복셀과, 상기 본-복셀을 제외한 나머지-복셀을 구별한 뒤, 구별된 나머지-복셀 중에서 면접합에 의해 나머지-복셀들 끼리를 연결하고, 이격 없이 연결된 나머지-복셀들을 하나의 복셀 그룹으로 분류함으로써 적어도 하나의 복셀 그룹을 생성하는 단계; 및 각 복셀 그룹을 하나의 공백 영역으로 인식하는 단계를 포함할 수 있다.
상기 방법은, 상기 가상의 하악골의 외면에 형성된 복수의 구멍들 중 어느 하나를 이공으로 결정하는 단계에서, 미리 학습된 이공 인식 모델을 이용하여, 상기 가상의 하악골에서 이공을 인식할 수 있으며, 상기 이공 인식 모델은, 복수의 학습용 3차원 하악골 영상들을 학습 입력 영상으로 하고, 상기 학습 입력 영상에서 이공이 표시된 결과를 레이블로 하여 학습된 것일 수 있다.
본 발명의 다른 측면에 따른 하치조 신경관 영역 검출 장치는, 환자의 두부에 대한 하나 이상의 CT 데이터를 획득하는 입력부 및 적어도 하나의 프로세서를 포함하되, 상기 적어도 하나의 프로세서는 획득된 상기 하나 이상의 CT 데이터에 기초하여 3차원 렌더링 영상을 획득하고, 상기 3차원 렌더링 영상의 각 3차원 오브젝트들을 세그멘테이션 하여, 3차원 가상의 하악골을 생성하고, 상기 3차원 가상의 하악골의 외면에 형성된 복수의 구멍들 중 어느 하나를 이공(Mental Foramen)으로 결정하고, 상기 3차원 가상의 하악골의 내부에서 공백 영역을 인식하고, 상기 공백 영역 중 상기 이공으로부터 연장되는 공백 영역에 기초해 하치조 신경관(Inferior Alveolar Nerve) 영역을 결정할 수 있다.
본 발명의 또 다른 측면에 따른 컴퓨터 프로그램을 저장하고 있는 컴퓨터 판독 가능한 기록매체가 제공될 수 있으며, 상기 컴퓨터 프로그램은 환자의 두부에 대한 하나 이상의 CT 데이터에 기초하여 3차원 렌더링 영상을 획득하고, 상기 3차원 렌더링 영상의 각 3차원 오브젝트들을 세그멘테이션 하여, 3차원 가상의 하악골을 얻는 단계, 상기 3차원 가상의 하악골의 외면에 형성된 복수의 구멍들 중 어느 하나를 이공(Mental Foramen)으로 결정하는 단계, 상기 3차원 가상의 하악골의 내부에서 공백 영역을 인식하는 단계 및 상기 공백 영역 중 상기 이공으로부터 연장되는 공백 영역에 기초해 하치조 신경관(Inferior Alveolar Nerve) 영역을 결정하는 단계를 포함하는 방법을 상기 프로세서가 수행하도록 하기 위한 명령어를 포함할 수 있다.
본 발명의 또 다른 측면에 따른 컴퓨터 판독 가능한 기록매체에 저장되어 있는 컴퓨터 프로그램이 제공될 수 있으며, 상기 컴퓨터 프로그램은 환자의 두부에 대한 하나 이상의 CT 데이터에 기초하여 3차원 렌더링 영상을 획득하고, 상기 3차원 렌더링 영상의 각 3차원 오브젝트들을 세그멘테이션 하여, 3차원 가상의 하악골을 얻는 단계, 상기 3차원 가상의 하악골의 외면에 형성된 복수의 구멍들 중 어느 하나를 이공(Mental Foramen)으로 결정하는 단계, 상기 3차원 가상의 하악골의 내부에서 공백 영역을 인식하는 단계 및 상기 공백 영역 중 상기 이공으로부터 연장되는 공백 영역에 기초해 하치조 신경관(Inferior Alveolar Nerve) 영역을 결정하는 단계를 포함하는 방법을 상기 프로세서가 수행하도록 하기 위한 명령어를 포함할 수 있다.
이상에서 설명한 바와 같이 본 발명의 실시예들에 의하면, 환자의 두부에 대한 CT 데이터를 기초로 생성된 가상의 3차원 영상에서 HU 값 또는 그레이 스케일 값을 이용하여, 환자의 하악골의 이공과 하악골에 의해 둘러싸인 공백 영역을 하치조 신경관 영역으로서 검출될 수 있다.
또한, 검출된 하치조 신경관 영역 및 이공이 표시된 가상의 3차원 하악골 영상이 뷰어 프로그램을 통해 사용자에게 제공될 수 있다.
여기에서 명시적으로 언급되지 않은 효과라 하더라도, 본 발명의 기술적 특징에 의해 기대되는 이하의 명세서에서 기재된 효과 및 그 잠정적인 효과는 본 발명의 명세서에 기재된 것과 같이 취급된다.
도 1은 본 발명의 일 실시예에 따른 하치조 신경관 영역 검출 장치의 블록도이다.
도 2는 본 발명의 일 실시예에 따른 하치조 신경관 영역 검출 방법의 흐름도이다.
도 3은 하치조 신경관 영역 검출 방법에 있어서, CT 데이터에 기초하여 3차원 가상의 하악골을 얻는 단계의 상세 흐름도이다.
도 4는 복수의 구멍 중 이공을 결정하는 단계의 상세 흐름도이다.
도 5는 하치조 신경관 영역을 결정하는 단계의 상세 흐름도이다.
도 6의 (a)는 본 발명의 일 실시예에 따른 하치조 신경관 영역 검출 방법에서 사용되는 두개골 영상에 대한 예시도이다.
도 6의 (b)는 본 발명의 일 실시예에 따른 하치조 신경관 영역 검출 방법에서 사용되는 하악골 영상에 대한 예시도이다.
도 7은 하악골의 영상의 내측의 하치조 신경관 영역과 외측에서 보이는 이공을 예로 들어 나타낸 도면이다.
도 8의 (a)는 본 발명의 일 실시예에 따른 하치조 신경관 영역 검출 방법에 있어서, 하치조 신경관 영역에 신경관 영역을 3차원 렌더링 영상에 표시하는 예시적 영상들이다.
도 8의 (b)는 본 발명의 일 실시예에 따른 하치조 신경관 영역 검출 방법에 있어서, 하치조 신경관 영역이 표시된 CT 데이터의 예시적 영상들이다.
이하, 본 발명에 관련된 하치조 신경관 영역 검출 방법 및 장치에 대하여 도면을 참조하여 보다 상세하게 설명한다. 그러나, 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 설명하는 실시예에 한정되는 것이 아니다. 그리고, 본 발명을 명확하게 설명하기 위하여 설명과 관계없는 부분은 생략되며, 도면의 동일한 참조부호는 동일한 부재임을 나타낸다.
이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다.
본 발명은 하치조 신경관 영역 검출 방법 및 장치에 관한 것이다.
도 1은 본 발명의 일 실시예에 따른 하치조 신경관 영역 검출 장치의 블록도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 하치조 신경관 영역 검출 장치(10)는 통신부(90), 입력부(100), 출력부(200), 프로세서(300) 및 메모리(400)를 포함한다.
본 발명의 일 실시예에 따른 하치조 신경관 영역 검출 장치(10)는 3차원 영상을 생성하고, 3차원 영상에서 이공(Mental Foramen)을 결정하고, 검출된 이공을 기초로 하치조 신경관(Inferior Alveolar Nerve)을 검출하기 위한 장치이다.
여기서, 3차원 영상은, 하나 이상의 CT 데이터에 기초하여 생성된 3차원 렌더링 영상을 의미할 수 있다. 3차원 렌더링 영상은 3차원 가상 객체의 형태로 재현된 3차원 오브젝트들, 예를 들면, 가상의 상악골, 가상의 하악골 및 가상 치아를 포함할 수 있다.
하치조 신경관 영역 검출 장치(10)는 3차원 렌더링 영상에서, 각 3차원 가상 객체를 세그멘테이션(분할)하고, 3차원 가상의 하악골이 재현된 3차원 가상의 하악골 영상을 생성할 수 있다. 하치조 신경관 영역 검출 장치(10)는 3차원 렌더링 영상에서 세그멘테이션된 각 가상 치아에 대한 치아 정보를 생성할 수 있다. 여기서, 치아 정보는, 각 치아에 대한 위치 및 치식 중 적어도 하나를 포함할 수 있고, 3차원 렌더링 영상 내의 분할 및 재현된 각 가상 치아에 대응하는 치아정보가 할당될 수 있다. 하치조 신경관 영역 검출 장치(10)는 3차원 렌더링 영상에서, 각 3차원 가상 객체를 세그멘테이션하고, 3차원 가상의 하악골과 가상 치아가 함께 재현된 3차원 가상의 하악골-치아 영상을 생성할 수도 있다.
이하에는 하치조 신경관 영역 검출 장치(10)의 각 구성요소의 기능이 구체적으로 설명된다.
통신부(90)는 외부 장치로부터, 환자에 대한 적어도 하나의 CT 데이터를 수신하여, 프로세서(300)에 전달할 수 있다. 외부 장치는 예를 들면, CT 촬영장치, CBCT촬영장치, 등일 수 있으며, 통신부(90)는 유무선 네트워크 카드 등의 하드웨어 장치를 포함한다.
하치조 신경관 영역 검출 장치(10)는 입력부(100)를 통해 사용자로부터 적어도 하나의 선택 입력을 수신할 수 있다. 선택 입력은 하치조 신경관 영역 검출 장치(10)를 제어하기 위한 데이터를 포함한다.
출력부(200)는 프로세서(300)에 의해 생성된 하치조 신경관 영역에 하치조 신경관 영역이 표시된 하치조 신경관 영역 검출 결과를 사용자에게 제공할 수 있다.
본 발명의 일 실시예에서 출력부(200)는 화면정보를 출력하는 디스플레이부를 포함할 수 있다. 출력부(200)는 3차원 가상의 오브젝트들이 모두 재현된 3차원 렌더링 영상 또는 3차원 가상의 하악골과 가상 치아만이 재현된 3차원 가상의 하악골-치아 영상을 사용자에게 제공할 수 있다. 출력부(200)는 하치조 신경관 영역 및 이공이 표시된 3차원 가상의 하악골만을 사용자에게 디스플레이할 수도 있다.
프로세서(300)는 입력부(100)를 통해 획득된 하나 이상의 CT 데이터에 기초하여 3차원 렌더링 영상을 생성할 수 있다. 3차원 렌더링 영상은 3차원 가상 객체의 형태로 재현된 3차원 오브젝트들, 예를 들면, 가상의 상악골, 가상의 하악골 및 가상 치아를 포함할 수 있다. 프로세서(300)는 3차원 렌더링 영상에서, 각 3차원 가상 객체를 세그멘테이션하고, 입력부(100)를 통해 입력된 사용자의 선택에 응답하여, 사용자에 의해 선택된 3차원 가상의 오브젝트만이 재현된 3차원 영상을 생성할 수 있다. 또한, 프로세서(300)는 3차원 렌더링 영상에서 세그멘테이션된 각 가상 치아에 대한 치아 정보를 생성하여, 3차원 렌더링 영상 내의 분할 및 재현된 각 가상 치아에 할당할 수 있다.
프로세서(300)는 3차원 렌더링 영상을 기초로 3차원 가상의 하악골의 외면에 형성된 복수의 구멍을 검출할 수 있다. 프로세서(300)는 검출된 복수의 구멍들 중 각 치아의 치아 정보를 기초로 어느 하나를 이공으로 결정할 수 있다. 이때, 치아 정보는 하나 이상의 CT 데이터에 기초하여 생성된 3차원 렌더링 영상의 각 가상 치아에 할당된 해당 치아의 위치 및 치식 중 적어도 어느 하나를 포함할 수 있으며, 제 1 소구치 및 제 2 소구치 사이에 위치한 구멍이 이공으로 결정될 수 있다. 프로세서(300)는 복수의 구멍 각각이 제 1 소구치와 제 2 소구치 사이에 위치하는지 여부를 판단할 수 있다. 예를 들어, 3차원 가상의 하악골 및 3차원 가상 치아가 재현된 3차원 렌더링 영상에 대하여, 프로세서(300)는 각 가상 치아의 중심점으로부터 치아의 치축에 평행하게 연장되어, 하악골에 교차하는 직선을 해당 치아의 위치 기준선으로서 획득하고, 해당 치아의 위치 기준선을 해당 치아의 위치로서 정의한 뒤, 각 구멍이 어느 치아의 위치기준선 사이에 위치하는지를 판단할 수 있다.
한편, 프로세서(300)는 미리 학습된 이공 인식 모델을 이용하여, 세그멘테이션된 3차원 가상의 하악골 외면의 이공을 인식할 수 있다. 여기서, 이공 인식 모델은, 메모리(400)에 미리 저장될 수 있다.
프로세서(300)는 3차원 가상의 하악골에 의해 둘러싸인 공백 영역을 인식할 수 있다. 프로세서(300)는 인식된 공백 영역 중에서 이공으로부터 연장되는 공백 영역에 기초해 하치조 신경관 영역을 결정할 수 있다. 이때, 이공으로부터 연장되는 공백 영역이 복수개인 경우, 프로세서(300)는 이공으로부터 연장되는 각 공백 영역을 후보 신경관 영역으로 선정하고, 선정된 후보 신경관 영역에 해당하는 공백 영역의 연장 방향에 있어서의 길이를 각각 측정하여 가장 길이가 긴 공백 영역을 하치조 신경관 영역을 구성하는 공백 영역으로 결정할 수 있다.
메모리(400)는 이공 인식 모델을 저장할 수 있다. 여기서, 이공 인식 모델은, 복수의 학습용 3차원 가상의 하악골 및 각 복수의 학습용 3차원 가상의 하악골에 이공이 표시된 결과를 기초로 임의의 3차원 가상의 하악골로부터 이공을 결정하도록 지도 학습된 것일 수 있다.
또한, 메모리(400)는 프로세서(300)의 상술한 동작 및 제어를 위한 프로그램들(하나 이상의 인스트럭션들을 포함)을 저장할 수 있으며, 메모리(400)에 저장된 프로그램들은 기능에 따라 복수 개의 모듈들로 구분될 수 있다.
도 2는 본 발명의 일 실시예에 따른 하치조 신경관 영역 검출 방법의 흐름도이다.
도 2를 참조하면, 본 발명의 일 실시예에 따른 하치조 신경관 영역 검출 방법은 하치조 신경관 영역 검출 장치에 의하여 수행되며, 단계 S110에서 프로세서(300)는 환자의 두부에 대한 하나 이상의 CT 데이터에 기초하여 3차원 렌더링 영상을 획득하고, 획득된 3차원 렌더링 영상의 각 3차원 오브젝트들을 세그멘테이션하여, 세그멘테이션 된 각 3차원 오브젝트로부터 3차원 가상의 하악골을 얻을 수 있다. CT 데이터에는 상악골 및 하악골을 이어주는 턱관절 등이 나타나지 않기 때문에, 프로세서(300)가 CT 데이터의 상악골 및 하악골을 CT 데이터의 HU값을 기초로, 3차원 렌더링 영상으로 변환하면, 프로세서(300)에 의해 전체 두개골 영상 내에서 상악골 및 하악골의 연결부에 공백 영역이 재현된다. 연결부의 공백 영역을 이용해 프로세서(300)는 하악골과 상악골을 기 정해진 알고리즘에 의해 용이하게 세그멘테이션 할 수 있다.
이후, 단계 S120에서 프로세서는 가상의 하악골의 외면에 형성된 복수의 구멍들 중 어느 하나를 이공으로 결정한다.
프로세서(300)는 입력된 3차원으로 세그멘테이션된 가상의 하악골의 외측에서, 각 치아에 대해 할당된 치식 및 치아의 위치 중 적어도 어느 하나를 인식하여, 치식번호로 4번 영역과 5번 영역에 해당하는 하악의 제1 소구치와 제2 소구치 영역 사이에 위치하는 구멍을 이공으로 인식할 수 있다. 치아와 이공의 위치관계를 판단하는 방법에 대해서는 전술한 바, 추가 설명은 생략된다.
한편, 본 발명의 실시예에 따르면, 프로세서(300)는 미리 학습된 이공 인식 모델을 이용하여, 세그멘테이션된 3차원 가상의 하악골 내의 이공을 인식할 수 있다. 여기서, 이공 인식 모델에 적용되는 신경망은 심층 신경망(Deep Neural Network) 또는 컨볼루션 신경망(Convolutional Neural Network, CNN) 중 어느 하나 이상이고, 컨볼루션 신경망이 적용된 경우 통합 계층(pooling layer)를 포함하는 것을 특징으로 한다.
세그멘테이션된 가상의 하악골에서 이공을 인식하는 과정에 대해서는 하기 도 8에서 상세히 설명한다.
단계 S130에서 프로세서(300)는 가상의 하악골의 내측에 위치하는, 가상의 하악골에 의해 둘러싸인 공백 영역을 인식한다.
여기서, 가상의 하악골 내부에 형성된 공백 영역은 프로세서(300)가 하나 이상의 CT 데이터에 기초하여 3차원 렌더링 영상을 생성할 때, CT 데이터의 HU 값을 기초로 뼈(bone)로서 인식되지 않아 골 영역과 다른 형태(예를 들면, 빈 공간의 형태)로 재현된 영역을 의미한다. 구체적으로, CT 데이터의 각 영역의 HU값이 뼈(bone)로서 인식되기 위한 제 1 임계치 이상인 영역은 3차원 렌더링 영상에서 상악골 또는 하악골과 같은 골의 영역을 갖는 구조물로서 재현되고, 제 1 임계치보다 작은 HU값을 갖는 뼈로 인식되지 않는 부분, 예를 들면, 연조직(soft tissue) 또는 에어(air)부는 공백 영역으로 재현된다. 공백 영역은 골의 영역을 갖는 구조물의 외부 또는 내부의 에어부일 수 있고, 하치조 신경관 등을 포함하는 연조직일 수 있다. 이때, 3차원 가상의 하악골 영상은 복수의 복셀을 포함할 수 있으며, 프로세서(300)는 가상의 하악골의 최외곽부에 위치한 복셀의 내부에 위치하는 복셀에 대해서, 뼈(bone) 영역에 해당하는 본-복셀(bone voxel)인지 또는, 본-복셀이 아닌 나머지-복셀인지에 대한 정보를 3차원 가상의 하악골 재현 과정에서 미리 판단하여 갖고 있다. 따라서, 프로세서(300)는 나머지-복셀간에 면접합을 이루고 있는 나머지-복셀들은 서로 연결하여 인식하고, 서로 연결된 복셀들은 하나의 복셀 그룹으로 분류하고, 이와 같은 방식으로 복수의 복셀 그룹이 검출될 수 있다. 프로세서(300)는 각 복셀 그룹을 하나의 공백 영역으로서 인식할 수 있다. 한편, 프로세서(300)는 HU값 뿐만 아니라, 그레이 스케일 값을 이용함으로써, 3차원으로 세그멘테이션된 가상의 하악골을 얻는 과정에서 검은색으로 표시되는 영역(뼈(bone)로서 인식되지 않은 영역)을 나머지-복셀로 태깅(tagging)하여 생성하고, 나머지-복셀을 기초로 가상의 하악골 내부에 형성된 공백 영역으로서 인식하고, 뼈로서 인식된 영역을 본-복셀로 태깅하여 생성한 뒤, 본-복셀을 기초로 가상의 하악골을 생성할 수 있으며, 가상의 하악골의 내부에는 나머지-복셀에 의한 공백 영역이 존재할 수 있다. 그 외에는 그레이 스케일 값을 이용한 경우에도, HU값과 동일하므로, 생략한다.
이후, 단계 S140에서 프로세서(300)는 이공으로부터 시작하여 연장되는 공백 영역에 기초해 하치조 신경관 영역을 결정한다.
이후, 프로세서(300)는 결정된 하치조 신경관 영역 및 이공을 기정해진 색상과 모형을 통해 표시할 수 있으며, 색상과 모형은 입력부(100)를 통한 사용자의 입력에 의해 설정될 수 있다. 또한, 프로세서(300)는 검출된 하치조 신경관 영역 및 이공에 대한 3차원 영상을 인코딩하여, 통신부(90)를 통해 외부의 장치에 전송하여, 외부의 장치에서 결정된 하치조 신경관 영역 및 이공이 표시된 3차원 가상의 하악골이 디스플레이되도록 할 수 있다.
도 3은 하치조 신경관 영역 검출 방법에 있어서, CT 데이터에 기초하여 3차원 가상의 하악골을 얻는 단계 S110의 상세 흐름도이다.
CT 데이터에 기초하여 3차원 가상의 하악골을 얻는 단계 S110에서, CT 데이터의 HU값(또는 그레이 스케일 값)을 기초로 뼈와 뼈가 아닌 부분으로 인식된 것을 기초로, 본-복셀에 의한 골 영역과, 나머지-복셀에 의한 공백 영역을 포함하는 3차원 렌더링 영상을 생성할 수 있다(S111). 3차원 렌더링 영상에는 골 영역의 집합에 의해 3차원 가상 오브젝트, 예를 들어, 상악골, 하악골, 치아 등이 포함되어 있다. 이후, 3차원 가상 오브젝트의 경계를 인식하는 각 가상의 구조물에 대한 세그멘테이션을 수행할 수 있다(S113). 3차원 렌더링 영상 생성시, 상악골과 하악골을 연결하는 턱관절이 공백 영역으로 생성되어, 골의 최외곽선을 정의하는 것으로 상악골과 하악골의 경우 세그멘테이션 될 수 있다. 3차원 렌더링 영상 내의 가상 오브젝트 중 어느 것이 가상 상악골인지, 가상 하악골인지 등에 대해서는, 프로세서(300)는 기 정해진 알고리즘 또는 기 학습된 인공 신경망을 이용한 객체 인식에 의해 결정할 수 있다.
도 4는 복수의 구멍 중 이공을 결정하는 단계 S120의 상세 흐름도이다.
단계 S120에서, 프로세서(300)는 가상의 하악골의 외면에 형성된 적어도 하나의 구멍을 3차원 렌더링 영상의 형상에 기초해 검출할 수 있다. 검출된 구멍이 복수인 경우, 프로세서(300)는 치아 정보를 기초로 이공을 결정할 수 있다. 한편, 프로세서(300)는 메모리(400)에 저장된 미리 학습된 이공 인식 모델을 이용하여 이공을 검출할 수도 있다.
도 5는 하치조 신경관 영역을 결정하는 단계 S140의 상세 흐름도이다.
단계 S140에서, 이공으로부터 시작하여 연장되는 공백 영역이 복수인 경우, 복수의 공백 영역은 각각 후보 신경관 영역으로 선정되고(S141), 하나 이상의 후보 신경관 중 연장 방향의 길이가 가장 긴 공백 영역이 하치조 신경관 영역으로 결정될 수 있다(S143).
도 6(a)는 본 발명의 일 실시예에 따른 하치조 신경관 영역 검출 방법에서 사용되는 두개골 영상에 대한 예시도이다.
도 6(b)는 본 발명의 일 실시예에 따른 하치조 신경관 영역 검출 방법에서 사용되는 하악골 영상에 대한 예시도이다.
본 발명의 일 실시예에 따른 하치조 신경관 영역 검출 장치는, 이공과 하치조 신경관을 인식하기 위해, 전체 두개골 영상(401)에서 하악골 영역(402)이 세그멘테이션된 영상을 이용하게 된다.
하나 이상의 CT 데이터에 기초하여 3차원 가상의 오브젝트가 각각 세그멘테이션된 가상의 3차원 영상은 개별 치아에 대한 위치 및 치식 중 적어도 하나를 포함하는 치아 정보를 포함할 수 있고, 각 개별 치아에는 해당 치아의 치아 정보가 할당되어 있고, 프로세서(300)는 하악골 영역(402)의 외면에 복수의 구멍이 검출된 경우 치아정보에 기초해 각 치아와 각 구멍간의 위치관계를 기초로 이공을 결정할 수 있다.
하악과 상악은 TMJ(Temporomandibular Joint)의 디스크 및 근육으로 이어져있으나, CT 데이터에서 디스크(Disk) 및 근육을 확인하기에는 어렵기 때문에 상악과 하악의 두 개의 골 영상은 3차원 렌더링 영상으로 생성시, TMJ의 디스크 민 근육으로 이어진 부분이 공백 영역으로 재현되어, 3차원 렌더링 영상 내에서 기 설정된 알고리즘에 의해 세그멘테이션 될 수 있다.
이후, 하기 도 6에 나타난 바와 같이 하치조 신경관 영역 검출 장치는 세그멘테이션된 가상의 하악골의 외측에서 나타나는 이공을 먼저 검출한다.
도 7의 (a)는 하악골의 영상의 내측의 하치조 신경관 영역을 나타낸 것이고, 도 7의 (b)는 하악골의 외측에서 보이는 이공을 예로 들어 나타낸 도면이다.
본 발명의 일 실시예에 따른 하치조 신경관 영역 검출 장치는, 3차원 가상의 하악골 및 가상의 치아 영상, 그리고 치아 정보를 기초로 이공(502)을 검출할 수 있으며, 또한, 미리 학습된 이공 인식 모델을 이용하여, 세그멘테이션된 가상의 하악골에서 이공(502)을 인식한다.
여기서, 이공 인식 모델은, 복수의 학습용 3차원 하악골 영상들을 학습 입력 영상으로 하고, 학습 입력 영상에서 이공이 표시된 결과를 레이블로 하여 학습된 것이다.
3차원 영상의 가상의 하악골 내측에는 길게 공백(뼈가 존재하지 않음)이 형성되는 영역(503)이 있는데 이 부분 및 이공(502)까지를 하치조 신경관이라고 할 수 있다.
도 7에 보이는 바와 같이, 하치조 신경관은 그 일단에서 굽은 커브 형상을 하고 있는 굴곡부(504)를 갖고 있는데 이공(502)은 하치조 신경관의 굴곡부(504)의 메지얼(mesial) 방향에 있어서의 최외곽 점으로부터 약 3mm 후방에 위치하게 된다.
이 특성과 이공은 하치조 신경관의 시작점이라는 점, 하치조 신경관은 하악골 안에서 긴 통로 형상의 공백 영역을 가지고 있다는 점을 이용하여 본 발명의 일 실시예에 따르면 하치조 신경관 영역 검출 장치는 3차원 영상에서 다양한 구멍이 있더라도, 이공으로부터 연장되기 시작한 공백 영역 해당 공백 영역의 길이등을 기초로, 프로세서(300)는 하치조 신경관을 구성하는 공백 영역과 이공을 오류없이 찾아낼 수 있다.
한편, 제1 소구치와 제2 소구치 영역은 치식번호로 4번과 5번 영역이며, 프로세서(300)는 해당 영역을 3차원으로 세그멘테이션된 가상의 3차원 영상에서 넘버링된 개별 치아에 대한 위치 및 치식 중 적어도 하나를 포함하는 치아 정보를 통해 제 1 소구치와 제 2 소구치가 3차원 렌더링 영상 내에서 어느 것인지 인식할 수 있다. 이를 이용하여, 프로세서(300)는 하악골 영역(501)에서 이공의 영역(502)을 먼저 인식하고, 이후, 하치조 신경관 영역(503)을 검출하게 된다.
이공의 영역(502)은 주로 소구치 인근에 위치하므로 하악골 영역(501)에 이공을 제외한 다른 곳(예를 들면, 해면골)에 구멍이 있더라도, 하치조 신경관 영역 검출 장치는 소구치 인근에 위치한 구멍을 이공으로 인식한다.
도 7의 (b)에 나타난 바와 같이, 세그멘테이션된 하악골을 보게 되면 하악골에 구멍이 나있는 것을 확인할 수 있다. 이 구멍이 이공이며, 도 7의 (a)에 나타난 바와 같이, 하치조 신경관 영역 검출 장치(10)는 이공 및 이공으로부터 연장되어 이어진 통로 형상의 공백 영역을 하치조 신경관으로 인식할 수 있다.
도 8은 본 발명의 일 실시예에 따른 하치조 신경관 영역 검출 방법에 있어서, 하치조 신경관 영역에 하치조 신경관 영역을 표시하는 단계에 대한 예시적 영상들이다.
도 8의 (a)에 나타난 바와 같이, 세그멘테이션된 3차원 가상의 하악골(601)에서 이공(602)을 인식하고, 공백 영역(603)을 인식한다.
본 발명의 일 실시예에 따르면, 하치조 신경관 영역 검출 장치는 이공(602)과 연결되며 이공(602)과 인접하게 위치하는 커브 형상의 굴곡부를 갖는 공백 영역(603) 및 이공(602)을 하치조 신경관 영역(603)으로 결정한다. 결정된 하치조 신경관 영역(603)은 출력부(200)에 의해 표시될 수 있고, 결정된 신경관 영역(603)에 관한 정보를 외부 장치로 전송해, 외부 장치에 의해 디스플레이될 수도 있다.
본 발명의 또 다른 실시예에 따르면, 도 8의 (b)에 나타난 바와 같이, 하치조 신경관 영역 검출 장치(10)는 도 8의 (a)에서 생성한 3차원 렌더링 영상 내에서 검출한 이공(602) 및 공백 영역(603), 그리고 3차원 렌더링 영상과 3차원 렌더링 영상 생성의 기초가 된 CT 데이터의 정합관계를 기초로, 3차원 렌더링 영상 생성의 기초가 된 CT 데이터 내에서도 이공(604) 및 이공(604)에 연결되는 신경관 통로 영역(606)을 포함한 하치조 신경관 영역(607)을 검출할 수 있고, CT 영상 내에서의 피질골(605)과 해면골(606) 이외의 영역을 이공(604) 및 신경관 통로 영역(606)을 포함한 하치조 신경관 영역(607)으로 인식하고 표기할 수 있다. CT 영상 내에서의 하치조 신경관 영역(607)의 표시는 CT 뷰어상에서 이루어질 수도 있으며, CT 뷰어는 신경관 영역 검출 장치(10)내의 메모리(400)에 저장될 수도 있고, 외부 장치에 별도로 마련될 수도 있다.
도 8의 (b)에서와 같이, CT 데이터의 2차원 단면들의 경우 검은색과 흰색으로만 표시되어있으며, 이 검은색과 흰색의 표시를 근거로 3차원 렌더링 영상을 생성할 때, 2차원 단면에서 뼈의 경우 흰색으로 표시되고 뼈가 아닌 부분의 경우 검은색으로 표시되기 때문에 하치조 신경관 영역 검출 장치(10)는 이 차이를 이용하여 3차원 렌더링 영상에서 가상의 하악골을 포함한 오브젝트 및 공백 영역을 생성할 수 있고, 3차원 렌더링 영상에서 인식된 이공(602)과 공백 영역(603)을 검출할 수 있다.
본 출원의 일 실시예에 따른 하치조 신경관 영역 검출 방법 및 장치는, 해면골로 이루어져 있어 여러 구멍이 있을 수 하악골 내측의 경우에도, 이공으로부터 시작된 가장 길게 연결되어 있는 공백 영역을 하치조 신경관 통로 영역으로 인식함으로써, 하치조 신경관을 정확히 검출할 수 있다.
또한, 컴퓨터 프로그램을 저장하고 있는 컴퓨터 판독 가능한 기록매체로서, 상기 컴퓨터 프로그램은, 하치조 신경관 영역 검출 방법을 프로세서가 수행하도록 하기 위한 명령어를 포함하는, 컴퓨터 판독 가능한 기록매체를 제공할 수 있다.
또한, 컴퓨터 판독 가능한 기록매체에 저장되어 있는 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램은, 하치조 신경관 영역 검출 방법을 프로세서가 수행하도록 하기 위한 명령어를 포함하는, 컴퓨터 프로그램을 제공할 수 있다.
이러한 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 기록 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(Floptical disk)와 같은 자기-광매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상의 설명은 본 발명의 일 실시예에 불과할 뿐, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명의 본질적 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현할 수 있을 것이다. 따라서 본 발명의 범위는 전술한 실시예에 한정되지 않고 특허 청구 범위에 기재된 내용과 동등한 범위 내에 있는 다양한 실시 형태가 포함되도록 해석되어야 할 것이다.

Claims (11)

  1. 하치조 신경관 영역 검출 장치에 의하여 수행되는 하치조 신경관 영역 검출 방법에 있어서,
    환자의 두부에 대한 하나 이상의 CT 데이터에 기초하여 3차원 렌더링 영상을 획득하고, 상기 3차원 렌더링 영상의 각 3차원 오브젝트들을 세그멘테이션 하여, 3차원 가상의 하악골을 얻는 단계;
    상기 3차원 가상의 하악골의 외면에 형성된 복수의 구멍들 중 어느 하나를 이공(Mental Foramen)으로 결정하는 단계;
    상기 3차원 가상의 하악골에 의해 둘러싸인 공백 영역을 인식하는 단계
    및
    상기 공백 영역 중 상기 이공으로부터 연장되는 공백 영역에 기초해 하치조 신경관(Inferior Alveolar Nerve) 영역을 결정하는 단계;를 포함하는 하치조 신경관 영역 검출 방법.
  2. 제 1항에 있어서, 상기 3차원 렌더링 영상에서, 상기 하나 이상의 CT 데이터의 HU(Hounsfield)값 또는 그레이 스케일 값에 기초해, 상기 CT 데이터 상에서 뼈로 인식되는 소정의 임계치 이상의 값은 갖는 영역은 뼈(bone)로 인식되어 가상의 골영역으로 재현되고, 상기 CT 데이터 상에서 상기 소정의 임계치 미만의 값을 갖는 영역은 공백 영역으로서 재현된 것인 하치조 신경관 영역 검출방법.
  3. 제1항에 있어서,
    상기 3차원 가상의 하악골의 외면에 형성된 복수의 구멍들 중 어느 하나를 이공(Mental Foramen)으로 결정하는 단계에서, 상기 이공은, 상기 환자의 치아 정보에 기초하여 결정되며, 상기 치아 정보는 상기 환자의 각 치아에 대한 위치 및 치식 중 적어도 하나를 포함하는, 하치조 신경관 영역 검출 방법.
  4. 제3항에 있어서,
    상기 치아 정보는,
    상기 CT 데이터에 기초하여 생성되는, 하치조 신경관 영역 검출 방법.
  5. 제1항 내지 제4항 중 어느 한 항에 있어서,
    상기 이공은,
    상기 복수의 구멍 중 상기 환자의 제1 및 제2 소구치 사이에 위치한 구멍으로 결정되는, 하치조 신경관 영역 검출 방법.
  6. 제1항 내지 제4항 중 어느 한 항에 있어서,
    상기 공백 영역 중 상기 이공으로부터 연장되는 공백 영역을 기초로 하치조 신경관(Inferior Alveolar Nerve) 영역을 결정하는 단계에서, 상기 공백 영역 중 상기 이공으로부터 연장되는 후보 신경관 영역을 선정하고, 선정된 상기 후보 신경관 영역의 공백 영역 중 상기 이공으로부터의 연장 방향에 있어서의 길이가 가장 긴 영역 및 상기 이공을 상기 하치조 신경관 영역으로 결정하는, 하치조 신경관 영역 검출 방법.
  7. 제1항에 있어서,
    상기 3차원 가상의 하악골은 복수의 복셀로 이루어지며,
    상기 3차원 가상의 하악골에 의해 둘러싸인 공백 영역을 인식하는 단계는,
    상기 3차원 가상의 하악골을 이루는 복수의 복셀 중 최외곽을 형성하는 복셀의 내부에 위치하는 각 복셀에 대응되는 상기 적어도 하나의 CT 데이터의 HU(hounsfield unit) 값을 기초로, 본-복셀(bone voxel)에 해당하는 복셀과, 상기 본-복셀을 제외한 나머지-복셀을 구별한 뒤, 구별된 나머지-복셀 중에서 면접합에 의해 나머지-복셀들 끼리를 연결하고, 이격 없이 연결된 나머지-복셀들을 하나의 복셀 그룹으로 분류함으로써 적어도 하나의 복셀 그룹을 생성하는 단계; 및
    각 복셀 그룹을 하나의 공백 영역으로 인식하는 단계를 포함하는, 하치조 신경관 영역 검출 방법.
  8. 제1항에 있어서,
    상기 가상의 하악골의 외면에 형성된 복수의 구멍들 중 어느 하나를 이공으로 결정하는 단계는,
    미리 학습된 이공 인식 모델을 이용하여, 상기 3차원 가상의 하악골에서 이공을 인식하는 단계를 포함하며,
    상기 이공 인식 모델은, 복수의 학습용 3차원 가상의 하악골 및 상기 각 복수의 학습용 3차원 가상의 하악골에 이공이 표시된 결과를 기초로 임의의 3차원 가상의 하악골로부터 이공을 결정하도록 지도 학습(supervised learning)된 것인 하치조 신경관 영역 검출 방법.
  9. 환자의 두부에 대한 하나 이상의 CT 데이터를 획득하는 입력부;
    및
    적어도 하나의 프로세서를 포함하되, 상기 적어도 하나의 프로세서는 획득된 상기 하나 이상의 CT 데이터에 기초하여 3차원 렌더링 영상을 획득하고, 상기 3차원 렌더링 영상의 각 3차원 오브젝트들을 세그멘테이션 하여, 3차원 가상의 하악골을 생성하고, 상기 3차원 가상의 하악골의 외면에 형성된 복수의 구멍들 중 어느 하나를 이공(Mental Foramen)으로 결정하고, 상기 3차원 가상의 하악골의 내부에서 공백 영역을 인식하고, 상기 공백 영역 중 상기 이공으로부터 연장되는 공백 영역에 기초해 하치조 신경관(Inferior Alveolar Nerve) 영역을 결정하는 하치조 신경관 영역 검출 장치.
  10. 컴퓨터 프로그램을 저장하고 있는 컴퓨터 판독 가능한 기록매체로서,
    상기 컴퓨터 프로그램은, 환자의 두부에 대한 하나 이상의 CT 데이터에 기초하여 3차원 렌더링 영상을 획득하고, 상기 3차원 렌더링 영상의 각 3차원 오브젝트들을 세그멘테이션 하여, 3차원 가상의 하악골을 얻는 단계;
    상기 3차원 가상의 하악골의 외면에 형성된 복수의 구멍들 중 어느 하나를 이공(Mental Foramen)으로 결정하는 단계;
    상기 3차원 가상의 하악골의 내부에서 공백 영역을 인식하는 단계
    및
    상기 공백 영역 중 상기 이공으로부터 연장되는 공백 영역에 기초해 하치조 신경관(Inferior Alveolar Nerve) 영역을 결정하는 단계;를 포함하는 방법을 상기 프로세서가 수행하도록 하기 위한 명령어를 포함하는, 컴퓨터 판독 가능한 기록매체.
  11. 컴퓨터 판독 가능한 기록매체에 저장되어 있는 컴퓨터 프로그램으로서,
    상기 컴퓨터 프로그램은,
    환자의 두부에 대한 하나 이상의 CT 데이터에 기초하여 3차원 렌더링 영상을 획득하고, 상기 3차원 렌더링 영상의 각 3차원 오브젝트들을 세그멘테이션 하여, 3차원 가상의 하악골을 얻는 단계;
    상기 3차원 가상의 하악골의 외면에 형성된 복수의 구멍들 중 어느 하나를 이공(Mental Foramen)으로 결정하는 단계;
    상기 3차원 가상의 하악골의 내부에서 공백 영역을 인식하는 단계
    및
    상기 공백 영역 중 상기 이공으로부터 연장되는 공백 영역에 기초해 하치조 신경관(Inferior Alveolar Nerve) 영역을 결정하는 단계;를 포함하는 방법을 상기 프로세서가 수행하도록 하기 위한 명령어를 포함하는, 컴퓨터 프로그램.
KR1020210112018A 2021-08-25 2021-08-25 하치조 신경관 영역 검출 방법 및 장치 KR102623028B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210112018A KR102623028B1 (ko) 2021-08-25 2021-08-25 하치조 신경관 영역 검출 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210112018A KR102623028B1 (ko) 2021-08-25 2021-08-25 하치조 신경관 영역 검출 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20230030146A true KR20230030146A (ko) 2023-03-06
KR102623028B1 KR102623028B1 (ko) 2024-01-10

Family

ID=85509763

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210112018A KR102623028B1 (ko) 2021-08-25 2021-08-25 하치조 신경관 영역 검출 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102623028B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117152238A (zh) * 2023-10-25 2023-12-01 天津医科大学口腔医院 基于深度学习的前牙区牙槽骨面积自动测量方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014028043A (ja) * 2012-07-31 2014-02-13 Denso Corp 下顎管抽出装置、下顎管抽出方法、及びプログラム
KR20200127757A (ko) * 2019-05-03 2020-11-11 연세대학교 산학협력단 신체 유사도 지수 산출 방법과, 이를 이용한 수술 계획 시뮬레이션 방법 및 장치
KR20210092974A (ko) * 2020-01-17 2021-07-27 오스템임플란트 주식회사 신경관 라인 생성방법 및 이를 위한 치과 임플란트 수술계획 수립장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014028043A (ja) * 2012-07-31 2014-02-13 Denso Corp 下顎管抽出装置、下顎管抽出方法、及びプログラム
KR20200127757A (ko) * 2019-05-03 2020-11-11 연세대학교 산학협력단 신체 유사도 지수 산출 방법과, 이를 이용한 수술 계획 시뮬레이션 방법 및 장치
KR20210092974A (ko) * 2020-01-17 2021-07-27 오스템임플란트 주식회사 신경관 라인 생성방법 및 이를 위한 치과 임플란트 수술계획 수립장치

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
박현지. 치과 CT에서 신경관 검출을 위한 정밀 변환 네트워크 기반 자동 평면 검출법. 서울대학교 대학원 컴퓨터 공학부. 2020.2월 공개* *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117152238A (zh) * 2023-10-25 2023-12-01 天津医科大学口腔医院 基于深度学习的前牙区牙槽骨面积自动测量方法及系统
CN117152238B (zh) * 2023-10-25 2024-02-09 天津医科大学口腔医院 基于深度学习的前牙区牙槽骨面积自动测量方法及系统

Also Published As

Publication number Publication date
KR102623028B1 (ko) 2024-01-10

Similar Documents

Publication Publication Date Title
US20200402647A1 (en) Dental image processing protocol for dental aligners
US11464467B2 (en) Automated tooth localization, enumeration, and diagnostic system and method
KR101839789B1 (ko) 치과 영상의 판독 데이터 생성 시스템
US11189028B1 (en) AI platform for pixel spacing, distance, and volumetric predictions from dental images
US11443423B2 (en) System and method for constructing elements of interest (EoI)-focused panoramas of an oral complex
CN110612069A (zh) 动态牙弓图
US10470726B2 (en) Method and apparatus for x-ray scan of occlusal dental casts
US20220084267A1 (en) Systems and Methods for Generating Quick-Glance Interactive Diagnostic Reports
KR102462185B1 (ko) 딥러닝 인공지능 알고리즘을 이용한 치열 교정에 대한 정보 제공 방법 및 이를 이용한 디바이스
US20110311116A1 (en) System and methods for anatomical structure labeling
US20210357688A1 (en) Artificial Intelligence System For Automated Extraction And Processing Of Dental Claim Forms
US12062170B2 (en) System and method for classifying a tooth condition based on landmarked anthropomorphic measurements
US20220361992A1 (en) System and Method for Predicting a Crown and Implant Feature for Dental Implant Planning
US20220358740A1 (en) System and Method for Alignment of Volumetric and Surface Scan Images
KR102623028B1 (ko) 하치조 신경관 영역 검출 방법 및 장치
KR102692396B1 (ko) Ct를 이용한 3d 두부 계측 랜드마크 자동 검출 장치 및 방법
US11488305B2 (en) Segmentation device
KR102373429B1 (ko) 연조직 기준점 결정 방법 및 시스템, 그리고 수술 후의 보정 연조직 기준점 예측 방법 및 시스템
KR102373428B1 (ko) 3차원 세팔로메트리를 위한 기준점 결정 방법 및 시스템
US20230419631A1 (en) Guided Implant Surgery Planning System and Method
KR20220026845A (ko) 의료 영상의 가명화 방법 및 장치
Liu et al. Fully automatic AI segmentation of oral surgery-related tissues based on cone beam computed tomography images
KR102277022B1 (ko) 구강 ct 영상 및 구강 스캔 영상의 정합 방법 및 장치
CN116883428B (zh) 一种下颌骨螺旋ct影像分区分割方法
KR20240086448A (ko) 딥러닝을 이용하여 컴퓨터단층촬영 영상에서 치아를 분할하기 위한 장치 및 이를 위한 방법

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right