WO2013042889A1

WO2013042889A1 - 의료영상에서의 세그멘테이션 방법 및 그 장치

Info

Publication number: WO2013042889A1
Application number: PCT/KR2012/007178
Authority: WO
Inventors: 김수경; 김한영
Original assignee: 주식회사 인피니트헬스케어
Priority date: 2011-09-21
Filing date: 2012-09-06
Publication date: 2013-03-28
Also published as: KR101185728B1

Abstract

의료영상에서의 세그멘테이션 방법 및 그 장치가 개시된다. 본 발명의 일 실시 예에 따른 의료영상에서의 세그멘테이션 방법은 화면에 표시된 슬라이스(slice) 의료영상에서 사용자 입력에 따른 포인터의 위치 정보를 추출하는 단계; 상기 추출된 상기 포인터의 위치 정보와 관련된 슬라이스 의료영상의 정보와, 상기 포인터의 위치 정보를 기준으로 하는 각도 프로파일(profile) 중 적어도 하나에 기초하여 병변 종류를 판별하는 단계; 상기 판별된 상기 병변 종류에 따라 미리 설정된 세그멘테이션 알고리즘을 이용하여 상기 포인터의 위치를 포함하는 세그멘테이션(segmentation) 영역을 결정하는 단계; 및 상기 결정된 상기 세그멘테이션 영역을 상기 슬라이스 의료영상에 대한 병변 진단 영역으로 선택하는 단계를 포함함으로써, 병변 종류에 따라 최적의 세그멘테이션 시드를 획득할 수 있고, 최적의 세그멘테이션 시드를 이용하여 최적의 3차원 세그멘테이션 볼륨을 생성할 수 있다.

Description

의료영상에서의 세그멘테이션 방법 및 그 장치

본 발명은 의료영상에서의 세그멘테이션(segmentation)에 관한 것으로, 보다 상세하게는 슬라이스 의료영상에서 병변 종류를 판별하고, 판별된 병변 종류 예를 들어, 하이퍼 튜머(hyper tumor), 렁 튜머(lung tumor), 브레인 튜머(brain tumor) 등에 따른 세그멘테이션 알고리즘을 이용하여 해당 병변 종류에 대한 최적의 세그멘테이션 영역을 사용자의 인터액션(interaction)에 의하여 선택함으로써, 해당 병변의 3차원 세그멘테이션 볼륨을 생성하기 위한 최적의 시드(seed)를 사용자가 선택할 수 있고, 이를 통해 최적화된 3차원 세그멘테이션 볼륨을 얻을 수 있는 의료영상에서의 세그멘테이션 방법 및 그 장치에 관한 것이다.

본 발명은 지식경제부 및 한국산업기술평가관리원의 지식경제기술혁신사업(산업원천기술개발사업)의 일환으로 수행한 연구로부터 도출된 것이다[과제관리번호 : 10038419, 과제명 : 지능형 영상진단 및 치료지원 시스템].

암은 가능한 초기에 질병을 진단하고 주의 깊게 모니터링하는 것이 중요하며, 의사는 일차 종양 뿐만 아니라 본체의 나머지를 통하여 전이했을지도 모를 이차 종양에도 관심을 가지고 있다.

이런 종양과 같은 병변은 3차원 세그멘테이션 볼륨을 통하여 진단 및 모니터링할 수 있는데, 3차원 세그멘테이션 볼륨은 복수의 2차원 의료영상 각각의 세그멘테이션으로부터 형성될 수 있다.

종래 기술에 따른 3차원 세그멘테이션 볼륨은, 2차원 의료영상에서 의사 즉, 사용자가 모니터링하고자 하는 특정 위치를 선택하게 되면, 이에 대한 정보를 이용하여 2차원 세그멘테이션을 수행하며, 수행된 2차원 세그멘테이션 결과를 기초로 3차원 세그멘테이션 볼륨을 생성한다.

이런 종래 기술에 따른 세그멘테이션 방법은 2차원 의료영상에서 사용자가 선택한 특정 위치에 대한 세그멘테이션 결과를 알 수 없기 때문에 3차원 세그멘테이션 과정이 모두 끝난 후 생성된 3차원 세그멘테이션 볼륨을 통하여 생성된 결과물을 알 수 있다. 즉, 사용자는 생성된 3차원 세그멘테이션 볼륨이 만족스럽지 못한 경우 2차원 의료영상에서 확인하고자 하는 병변의 위치를 다시 선택한 후 이에 대한 결과를 3차원 세그멘테이션 볼륨을 통하여 확인하기 때문에 이와 같은 과정이 반복될 수 있고, 이로 인해 세그멘테이션 볼륨을 생성하는 시스템 또는 장치에 부하를 줄 수 있으며 사용자에게 불편함을 줄 수 있다.

또한, 종래의 세그멘테이션 방법은 병변 종류를 슬라이스 의료영상에서 판별하고, 판별된 병변 종류에 따른 최적화된 세그멘테이션을 수행할 수 없기 때문에 병변에 따라 최적화된 2차원 세그멘테이션을 수행할 수 없으며, 이로 인하여 최적화된 3차원 세그멘테이션 볼륨을 획득하기 어려운 문제점이 있다.

따라서, 슬라이스 의료영상에서 사용자에 의해 선택된 병변 종류에 대한 최적화된 2차원 세그멘테이션 시드를 획득하기 위한 방법의 필요성이 대두된다.

본 발명은 상기와 같은 종래 기술의 문제점을 해결하고자 도출된 것으로서, 슬라이스 의료영상에서 병변 종류를 판별하고, 판별된 병변 종류에 해당하는 세그멘테이션을 수행함으로써, 병변 종류에 따라 최적의 세그멘테이션 시드를 획득할 수 있는 의료영상에서의 세그멘테이션 방법 및 그 장치를 제공하는 것을 목적으로 한다.

구체적으로, 본 발명은 포인터의 위치 정보에 대한 밝기 값과 해당 위치에서의 각도 프로파일을 이용하여 해당 위치에 대한 병변 종류 예를 들어, 하이퍼 튜머, 렁 튜머, 브레인 튜머, 일반 튜머(general tumor) 등을 판별하고, 판별된 병변 종류에 따라 미리 설정된 세그멘테이션 알고리즘을 수행함으로써, 병변에 따라 3차원 세그멘테이션 볼륨을 생성하기 위한 최적의 세그멘테이션 시드를 획득할 수 있는 의료영상에서의 세그멘테이션 방법 및 그 장치를 제공하는 것을 목적으로 한다.

또한, 본 발명은 병변 종류에 따라 최적의 2차원 세그멘테이션 시드를 획득함으로써, 최적의 3차원 세그멘테이션 볼륨을 획득할 수 있고, 이를 통해 3차원 세그멘테이션 볼륨을 획득하기 위한 부하를 줄일 수 있는 의료영상에서의 세그멘테이션 방법 및 그 장치를 제공하는 것을 목적으로 한다.

또한, 본 발명은 병변 종류에 따라 결정된 최적의 2차원 세그멘테이션 시드를 슬라이스 의료영상에 미리 표시하고, 사용자의 선택에 의하여 결정함으로써, 사용자에게 최적의 세그멘테이션 시드를 선택하도록 할 수 있는 의료영상에서의 세그멘테이션 방법 및 그 장치를 제공하는 것을 목적으로 한다.

상기와 같은 목적을 달성하기 위하여, 본 발명의 일 실시 예에 따른 의료영상에서의 세그멘테이션 방법은 화면에 표시된 슬라이스(slice) 의료영상에서 사용자 입력에 따른 포인터의 위치 정보를 추출하는 단계; 상기 추출된 상기 포인터의 위치 정보와 관련된 슬라이스 의료영상의 정보와, 상기 포인터의 위치 정보를 기준으로 하는 각도 프로파일(profile) 중 적어도 하나에 기초하여 병변 종류를 판별하는 단계; 상기 판별된 상기 병변 종류에 따라 미리 설정된 세그멘테이션 알고리즘을 이용하여 상기 포인터의 위치를 포함하는 세그멘테이션(segmentation) 영역을 결정하는 단계; 및 상기 결정된 상기 세그멘테이션 영역을 상기 슬라이스 의료영상에 대한 병변 진단 영역으로 선택하는 단계를 포함한다.

나아가, 상기 슬라이스 의료영상에서 렁(lung) 영역과 본(bone) 영역을 추출하는 단계를 더 포함하고, 상기 판별하는 단계는 상기 각도 프로파일 중 상기 추출된 상기 렁 영역과 만나는 프로파일이 미리 설정된 제1 기준 값 보다 크면 상기 병변 종류를 렁 튜머(lung tumor)로 판별하고, 상기 각도 프로파일 중 상기 추출된 상기 본 영역과 만나는 프로파일이 미리 설정된 제2 기준 값 보다 크면 상기 병변 종류를 브레인 튜머(brain tumor)로 판별할 수 있다.

상기 결정하는 단계는 상기 추출된 상기 포인터의 위치 정보와 관련된 상기 슬라이스 의료영상의 정보에 기초하여 밝기 값의 범위를 산정하는 단계; 상기 산정된 상기 밝기 값의 범위와 상기 판별된 상기 병변 종류에 따라 미리 설정된 세그멘테이션 알고리즘을 이용하여 상기 포인터의 위치를 포함하는 제1 세그멘테이션 영역을 결정하는 단계; 상기 결정된 상기 제1 세그멘테이션 영역에 미리 설정된 피팅 모델(fitting model)을 적용하는 단계; 및 상기 피팅 모델을 이용하여 상기 제1 세그멘테이션 영역으로부터 최적의 세그멘테이션 영역을 결정하는 단계를 포함할 수 있다.

상기 제1 세그멘테이션 영역을 결정하는 단계는 상기 산정된 상기 밝기 값의 범위를 이용하여 상기 포인터의 위치를 포함하는 제2 세그멘테이션 영역을 결정하는 단계; 상기 판별된 상기 병변 종류가 렁 튜머인 경우 상기 제2 세그멘테이션 영역을 상기 각도 프로파일 중 미리 추출된 렁 영역과 만나는 제1 프로파일과 상기 렁 영역과 만나지 않는 제2 프로파일로 선별하는 단계; 상기 제2 프로파일을 상기 제1 프로파일로 보간(interpolation)하여 펜스(fence)를 형성하는 단계; 및 상기 제1 프로파일과 상기 형성된 상기 펜스에 기초하여 상기 제2 세그멘테이션 영역으로부터 상기 제1 세그멘테이션 영역을 결정하는 단계를 포함할 수 있다.

상기 제1 세그멘테이션 영역을 결정하는 단계는 상기 산정된 상기 밝기 값의 범위를 이용하여 상기 포인터의 위치를 포함하는 제2 세그멘테이션 영역을 결정하는 단계; 상기 판별된 상기 병변 종류가 브레인 튜머인 경우 상기 제2 세그멘테이션 영역 바깥에서 안티 시드(anti-seed)를 선택하는 단계; 상기 선택된 상기 안티 시드의 밝기 값에 기초하여 안티 시드 영역을 형성하는 단계; 및 상기 형성된 상기 안티 시드 영역을 이용하여 상기 제2 세그멘테이션 영역으로부터 상기 제1 세그멘테이션 영역을 결정하는 단계를 포함할 수 있다.

상기 판별하는 단계는 상기 포인터의 위치 정보에 대한 밝기 값이 미리 설정된 임계 값보다 크면 상기 병변 종류를 하이퍼 튜머(hyper tumor)로 판별하고, 상기 결정하는 단계는 상기 판별된 상기 병변 종류가 하이퍼 튜머인 경우 상기 포인터의 위치를 포함하는 상기 임계 값 이상의 영역을 상기 세그멘테이션 영역으로 결정할 수 있다.

나아가, 상기 결정된 상기 세그멘테이션 영역을 상기 슬라이스 의료영상에 미리 표시하는 단계를 더 포함하고, 상기 선택하는 단계는 상기 미리 표시된 상기 세그멘테이션 영역이 사용자에 의해 선택되면 상기 결정된 상기 세그멘테이션 영역을 상기 슬라이스 의료영상에 대한 병변 진단 영역으로 선택할 수 있다.

상기 추출하는 단계는 상기 추출된 상기 포인터의 위치 정보에 대한 밝기 값과 상기 포인터의 위치정보를 포함하는 미리 설정된 주변 영역에서 최적 위치 정보를 검출하고, 상기 판별하는 단계는 상기 검출된 상기 최적 위치 정보와 관련된 상기 슬라이스 의료영상의 정보와, 상기 포인터의 최적 위치 정보를 기준으로 하는 각도 프로파일(profile) 중 적어도 하나에 기초하여 병변 종류를 판별할 수 있다.

나아가, 상기 선택된 상기 병변 진단 영역을 3차원 볼륨 영상의 세그멘테이션을 위한 시드(seed)로 결정하는 단계; 상기 결정된 상기 시드에 기초하여 상기 슬라이스 의료영상과 관련된 복수의 슬라이스 의료영상들 각각의 세그멘테이션 영역을 결정하는 단계; 및 상기 결정된 시드와 상기 복수의 슬라이스 의료영상들 각각의 세그멘테이션 영역을 이용하여 3차원 세그멘테이션 볼륨을 생성하는 단계를 더 포함할 수 있다.

본 발명의 일 실시 예에 따른 의료영상에서의 세그멘테이션 장치는 화면에 표시된 슬라이스(slice) 의료영상에서 사용자 입력에 따른 포인터의 위치 정보를 추출하는 위치 추출부; 상기 추출된 상기 포인터의 위치 정보와 관련된 슬라이스 의료영상의 정보와, 상기 포인터의 위치 정보를 기준으로 하는 각도 프로파일(profile) 중 적어도 하나에 기초하여 병변 종류를 판별하는 판별부; 상기 판별된 상기 병변 종류에 따라 미리 설정된 세그멘테이션 알고리즘을 이용하여 상기 포인터의 위치를 포함하는 세그멘테이션(segmentation) 영역을 결정하는 결정부; 및 상기 결정된 상기 세그멘테이션 영역을 상기 슬라이스 의료영상에 대한 병변 진단 영역으로 선택하는 선택부를 포함한다.

본 발명에 따르면, 슬라이스 의료영상에서 병변 종류를 판별하고, 판별된 병변 종류에 해당하는 세그멘테이션을 수행하여 결정된 세그멘테이션 영역을 미리 표시하고, 사용자와의 인터액션을 통하여 미리 표시된 세그멘테이션 영역이 사용자에 의하여 선택되면 선택된 세그멘테이션 영역을 해당 병변에 대한 시드로 하여 3차원 세그멘테이션 볼륨을 생성하기 위한 다른 슬라이스 의료영상의 세그멘테이션을 수행함으로써, 병변 종류에 따른 최적의 세그멘테이션 시드를 획득하여 최적의 3차원 세그멘테이션 볼륨을 생성할 수 있다.

나아가, 본 발명은 3차원 세그멘테이션 볼륨을 생성하기 위한 최적의 2차원 세그멘테이션 시드를 병변 종류에 따른 세그멘테이션 알고리즘을 이용하여 획득하기 때문에 최적의 3차원 세그멘테이션 볼륨을 생성하기 위한 시스템 부하를 줄일 수 있다.

구체적으로, 본 발명은 판별된 병변 종류에 따라 수행되는 세그멘테이션 결과를 미리 화면에 표시하여 사용자로 하여금 선택하도록 함으로써, 사용자에 의해 최적의 세그멘테이션 시드가 선택되고, 사용자의 선택에 의하여 세그멘테이션 시드가 선택되기 때문에 3차원 세그멘테이션 볼륨을 생성하는데 걸리는 부하를 줄일 수 있다.

다시 말하면, 본 발명은 현재 사용자에게 디스플레이되는 2차원 슬라이스 영상에서 사용자가 해당 병변에 대한 프리 세그멘테이션 결과에 대하여 채택 여부를 결정할 수 있으므로, 프리 세그멘테이션 결과의 유효성을 신속하게 검증할 수 있다. 또한 사용자가 채택한 프리 세그멘테이션 결과는 일차적으로 검증된 결과이므로, 검증된 프리 세그멘테이션 결과를 시드 영역으로 활용하여 3차원 영상에서 세그멘테이션을 수행할 때에는 시드 영역에 우수한 정보가 포함되어 있기 때문에 상대적으로 적은 리소스를 이용하면서도 우수한 3차원 세그멘테이션 결과를 얻을 수 있다.

또한, 본 발명은 병변 종류를 판별하여 최적의 세그멘테이션 시드를 결정하기 때문에 다양한 종류의 병변에 대한 최적의 3차원 세그멘테이션 결과를 얻을 수 있고, 이에 따라 세그멘테이션 결과에 대한 신뢰성을 높일 수 있다.

도 1은 본 발명의 일 실시 예에 따른 의료영상에서의 세그멘테이션 방법에 대한 동작 흐름도를 나타낸 것이다.

도 2는 도 1에 도시된 단계 S140에 대한 일 실시 예의 동작 흐름도를 나타낸 것이다.

도 3은 도 1에 도시된 단계 S150에 대한 일 실시 예의 동작 흐름도를 나타낸 것이다.

도 4는 도 1에 도시된 단계 S160에 대한 일 실시 예의 동작 흐름도를 나타낸 것이다.

도 5는 도 4에 도시된 동작 흐름도를 설명하기 위한 의료영상에 대한 일 예시도를 나타낸 것이다.

도 6는 도 1에 도시된 단계 S160에 대한 다른 일 실시 예의 동작 흐름도를 나타낸 것이다.

도 7은 도 6에 도시된 동작 흐름도를 설명하기 위한 의료영상에 대한 일 예시도를 나타낸 것이다.

도 8은 도 1에 도시된 단계 S160에 대한 또 다른 일 실시 예의 동작 흐름도를 나타낸 것이다.

도 9는 도 8에 도시된 동작 흐름도를 설명하기 위한 의료영상에 대한 일 예시도를 나타낸 것이다.

도 10은 본 발명의 일 실시 예에 따른 의료영상에서의 세그멘테이션 장치에 대한 구성을 나타낸 것이다.

도 11은 도 10에 도시된 결정부에 대한 일 실시 예 구성을 나타낸 것이다.

상기 목적 외에 본 발명의 다른 목적 및 특징들은 첨부 도면을 참조한 실시 예에 대한 설명을 통하여 명백히 드러나게 될 것이다.

본 발명의 바람직한 실시예를 첨부된 도면들을 참조하여 상세히 설명한다. 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.

그러나, 본 발명이 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.

이하에서는, 본 발명의 일 실시 예에 따른 의료영상에서의 세그멘테이션 방법 및 그 장치를 첨부된 도 1 내지 도 11을 참조하여 상세히 설명한다.

도 1을 참조하면, 세그멘테이션 방법은 사용자에 의해 선택된 슬라이스 의료영상에서 사용자 입력 예를 들어, 마우스 이동 등에 따라 슬라이스 의료영상에 표시된 포인터를 제어한다(S110).

사용자 입력에 따른 포인터 제어에 의하여 포인터 위치가 변경되거나 포인터가 멈추게 되면 해당 포인터의 위치 정보를 추출한다(S120).

여기서, 포인터의 위치 정보는 슬라이스 의료영상에서의 좌표 정보일 수 있다.

포인터의 위치 정보가 추출되면 슬라이스 의료영상에서 입상 잡음(granular noise)을 제거하고, 추출된 포인터의 위치 정보와 관련된 슬라이스 의료영상 정보에 기초하여 포인터의 최적 위치 정보를 추출한다(S130, S140).

물론, 입상 잡음을 제거하는 단계 S130은 사용자에 의해 슬라이스 의료영상이 선택되면 화면에 해당 슬라이스 의료영상을 표시하기 전에 수행될 수도 있다.

단계 S140에서의 포인터의 최적 위치 정보는 세그멘테이션 영역을 결정하기 위한 시드 포인트(seed point)가 될 수 있으며, 최적 위치 정보를 추출하는 단계 S140에 대하여 도 2를 참조하여 상세히 설명하면 다음과 같다.

도 2를 참조하면, 최적 위치 정보를 추출하는 단계(S140)는 사용자의 동작 또는 사용자의 입력에 따라 포인터 위치를 포함하는 일정 영역 예를 들어, 포인터의 위치를 중심으로 일정 크기를 갖는 원형 또는 사각형 영역의 밝기 값들에 대한 평균 값을 계산한다(S220).

여기서, 원형 또는 사각형 영역의 밝기 값들은 슬라이스 의료영상에서 원형 또는 사각형 영역에 해당하는 슬라이스 의료영상 정보를 의미한다.

단계 S220에서 포인터 위치를 포함하는 일정 영역의 밝기 값들에 대한 평균 값이 계산되면 계산된 평균 값과 해당 포인터 위치의 밝기 값을 비교하고, 비교 결과 포인터 위치의 밝기 값이 평균 값에 대한 오차 범위 이내에 있는지 판단한다(S230, S240).

예컨대, 포인터 위치의 밝기 값이 "평균 값 - a"와 "평균 값 + a"의 두 값 사이에 있는지 판단한다. 여기서, 값 a는 상황에 따라 동적으로 결정되거나 미리 결정될 수 있다.

단계 S240 판단 결과, 포인터 위치의 밝기 값이 평균 값에 대한 오차 범위를 벗어나는 경우에는 평균 값에 기초하여 일정 영역에 포함된 밝기 값들 중에서 최적 위치 정보를 추출한다.

여기서, 일정 영역에서의 최적 위치 정보는 일정 영역에 포함된 밝기 값들 중 평균 값에 해당하는 밝기 값을 갖는 위치 정보일 수 있으며, 평균 값에 해당하는 밝기 값이 복수인 경우에는 포인터의 위치와 가장 근접한 위치를 최적 위치 정보로 추출할 수 있다. 물론, 포인터의 위치와 가장 근접한 위치를 최적 위치 정보로 추출할 수도 있지만, 이에 한정하지 않으며 평균 값을 갖는 임의의 위치를 최적 위치 정보로 임의 추출할 수도 있다.

반면 단계 S240 판단 결과, 포인터 위치의 밝기 값이 평균 값에 대한 오차 범위 이내에 존재하는 경우에는 현재 포인터의 위치 정보를 최적 위치 정보로 추출한다(S260).

다시 도 1을 참조하면, 단계 S140에 의하여 포인터의 최적 위치 정보가 추출되면 추출된 포인터의 최적 위치 정보와 관련된 슬라이스 의료영상 정보와, 최적 위치 정보를 기준으로 하는 각도 프로파일 중 적어도 하나에 기초하여 슬라이스 의료영상에서 포인터가 위치하는 병변 종류를 판별한다(S150).

여기서, 각도 프로파일은 0도부터 360도까지의 프로파일을 의미하는 것으로, 0도부터 360도까지 동일 각도 예를 들어, 10도 간격에 대한 프로파일일 수도 있으며, 상이한 각도에 대한 프로파일일 수도 있다.

단계 S150에 의하여 포인터가 위치하는 의료영상에서의 병변 종류 또는 해당 슬라이스 의료영상에 존재하는 병변 종류가 판별되면, 판별된 병변 종류에 따라 미리 설정된 세그멘테이션 알고리즘을 수행함으로써, 포인터의 위치 정보 또는 최적 위치 정보를 포함하는 세그멘테이션 영역을 결정한다(S160).

단계 S160에서 결정되는 세그멘테이션 영역은 해당 병변에 대한 세그멘테이션 알고리즘에 의하여 결정되는 최적의 세그멘테이션 영역이다.

예컨대, 판별된 병변 종류가 렁 튜머(lung tumor)인 경우에는 렁 튜머 세그멘테이션 알고리즘을 수행하고, 판별된 병변 종류가 브레인 튜머(brain tumor)인 경우에는 브레인 튜머 세그멘테이션 알고리즘을 수행함으로써, 해당 병변에 대한 최적의 세그멘테이션 영역을 결정한다.

포인터의 위치 정보 또는 최적 위치 정보를 포함하는 최적의 세그멘테이션 영역이 결정되면, 결정된 세그멘테이션 영역 즉, 최적의 세그멘테이션 영역을 슬라이스 의료영상에 미리 표시한다(S170).

화면 상에 미리 표시된 최적의 세그멘테이션 영역이 사용자에 의해 선택되면 해당 세그멘테이션 영역을 슬라이스 의료영상에서의 병변 진단 영역으로 선택하고, 선택된 병변 진단 영역을 3차원 볼륨 세그멘테이션을 수행하기 위한 시드(seed)로 결정한다(S180, S190).

단계 S180에서 사용자가 화면에 표시된 세그멘테이션 영역을 결정하는 방법은 포인터의 클릭 또는 더블 클릭, 단축키 입력 등 다양한 방식이 적용될 수 있다.

해당 병변에 대한 시드가 결정되면, 결정된 시드에 기초하여 해당 슬라이스 의료영상과 관련된 다른 복수의 슬라이스 의료영상들 각각의 세그멘테이션 영역을 결정한다(S200).

다른 복수의 슬라이스 의료영상들 각각의 세그멘테이션 영역이 결정되면 해당 슬라이스 의료영상의 세그멘테이션 영역 즉, 시드와 다른 복수의 슬라이스 의료영상들 각각의 세그멘테이션 영역을 이용하여 3차원 세그멘테이션 볼륨을 생성한다(S210).

반면 단계 S180에서 화면에 미리 표시된 세그멘테이션 영역이 사용자에 의해 선택되지 않으면 즉, 사용자가 해당 세그멘테이션 영역이 만족스럽지 않으면 포인터 위치를 이동시키는 단계 S110 과정을 다시 수행한다.

이와 같이, 본 발명은 슬라이스 의료영상의 병변 종류를 판별하고, 판별된 병변에 해당하는 세그멘테이션 알고리즘을 수행함으로써, 해당 병변에 대한 최적의 세그멘테이션 영역을 결정할 수 있으며, 결정된 세그멘테이션 영역을 사용자와의 인터액션을 통하여 선택하기 때문에 사용자가 원하는 최적의 세그멘테이션 시드가 선택될 수 있으며, 따라서 최적의 3차원 세그멘테이션 볼륨을 획득할 수 있다.

또한, 본 발명은 포인터의 위치 정보와 병변 종류에 따라 프리 세그멘테이션 과정이 수행되기 때문에 사용자 입력이 간단해지고, 사용자 인터페이스 또한 간단해지는 장점이 있다.

또한, 본 발명은 슬라이스 의료영상에 미리 표시된 세그멘테이션 영역을 확인하고, 사용자 선택에 의하여 세그멘테이션 시드가 결정되기 때문에 3차원 세그멘테이션 성능을 향상시킬 수 있고, 사용자의 만족도를 높일 수 있다.

도 3은 도 1에 도시된 단계 S150에 대한 일 실시 예의 동작 흐름도를 나타낸 것으로, 하이퍼 튜머, 렁 튜머, 브레인 튜머와 일반 튜머를 판별하는 과정을 나타낸 것이다.

도 3을 참조하면, 병변 종류를 판별하는 단계(S150)는 단계 S140에서 추출된 포인터의 최적 위치 정보에 대한 밝기 값이 미리 설정된 임계 값 예를 들어, 500[HU]보다 큰지 판단한다(S310).

여기서, HU는 하운스필드(Hounsfield) 단위이다.

단계 S310 판단 결과 최적 위치 정보에 대한 밝기 값이 임계 값보다 크면 병변 종류를 하이퍼 튜머로 판별하고, 최적 위치 정보에 대한 밝기 값이 임계 값보다 작으면 병변 종류를 하이포 튜머(hypo tumor)로 판별하여 렁 튜머, 브레인 튜머와 일반 튜머를 판별하는 과정을 수행한다(S320).

여기서, 하이퍼 튜머는 주변보다 밝기 값이 높은 튜머를 의미하고, 하이포 튜머는 주변보다 밝기 값이 낮은 튜머를 의미하며, 하이퍼 튜머와 하이포 튜머는 이 기술 분야에 종사하는 당업자라면 알 수 있기에 상세한 설명은 생략한다.

물론, 하이퍼 튜머로 판별하기 위한 임계 값은 상황에 따라 달라질 수 있다는 것을 인지하여야 한다.

단계 S310 판단 결과 해당 병변이 하이포 튜머로 판단되면, 슬라이스 의료영상에서 렁 영역과 본 영역을 추출하고, 추출된 렁 영역, 본 영역과 최적 위치 정보를 기준으로 하는 각도 프로파일을 분석한다(S330, S340).

여기서, 분석하는 각도 프로파일은 전체 각도 프로파일 중 렁 영역과 만나는 각도 프로파일, 본 영역과 만나는 각도 프로파일을 분석하는 것으로, 전체 각도 프로파일 중 몇 퍼센트의 각도 프로파일이 렁 영역 또는 본 영역과 만나는지 분석하는 것이다.

물론, 슬라이스 의료영상에서 렁 영역과 본 영역 모두 추출될 수도 있지만, 본 영역만이 추출될 수도 있으며, 두 영역이 모두 추출되는 경우에는 두 영역 모두에 대해 각도 프로파일을 분석하지만, 하나의 영역만이 추출되는 경우에는 하나의 영역에 대한 각도 프로파일만을 분석하면 된다.

단계 S330에서 렁 영역을 추출하는 방식은 슬라이스 의료영상에서 밝기 값이 제1 설정 값 예를 들어, -200[HU]보다 작은 영역을 렁 영역으로 추출할 수 있다. 예컨대, 도 5에 도시된 슬라이스 의료영상에서 밝기 값이 -200[HU]보다 작은 몸통(body) 내부 영역을 렁 영역(510)으로 추출한다.

또한, 단계 S330에서 본 영역을 추출하는 방식은 슬라이스 의료영상에서 밝기 값이 제2 설정 값 예를 들어, 5000[HU]보다 큰 영역을 본 영역으로 추출할 수 있다. 예컨대, 도 7에 도시된 슬라이스 의료영상에서 밝기 값이 500[HU]보다 큰 영역을 본 영역(710)으로 추출한다.

단계 S340에 의해 분석된 렁 영역과 만나는 각도 프로파일이 미리 설정된 제1 기준 값 예를 들어, 50[%]보다 크면 포인터가 위치하는 병변을 렁 튜머로 판별한다(S350, S360).

반면, 단계 S350 판단 결과 렁 영역과 만나는 각도 프로파일이 제1 기준 값보다 작으면 단계 S340에 의해 분석된 본 영역과 만나는 각도 프로파일이 미리 설정된 제2 기준 값 예를 들어, 80[%]보다 큰지 판단한다(S370).

단계 S370 판단 결과, 본 영역과 만나는 각도 프로파일이 제2 기준 값보다 크면 포인터가 위치하는 병변을 브레인 튜머로 판별한다(S380).

반면 S370 판단 결과, 본 영역과 만나는 각도 프로파일이 제2 기준 값보다 작으면 포인터가 위치하는 병변을 렁 튜머와 브레인 튜머를 제외한 튜머 여기서는, 일반 튜머로 판별한다(S490).

물론, 렁 튜머와 브레인 튜머를 판별하기 위한 제1 기준 값과 제2 기준 값은 상황에 따라 달라질 수 있다.

도 3의 과정에 의하여 병변 종류가 판별되면, 판별된 병변 종류에 대한 세그멘테이션 알고리즘을 이용하여 해당 병변의 세그멘테이션 영역을 결정하는데, 판별된 병변 종류가 렁 튜머, 브레인 튜머, 일반 튜머인 경우 세그멘테이션 영역을 결정하는 가정에 대해 도 4 내지 도 9를 참조하여 설명한다.

도 4는 도 1에 도시된 단계 S160에 대한 일 실시 예의 동작 흐름도를 나타낸 것으로, 단계 S150에 의해 판별된 병변이 렁 튜머인 경우에 대한 동작 흐름도이다.

도 4를 참조하면, 렁 튜머의 세그멘테이션 영역을 결정하는 단계(S160)는 단계 S140에 의하여 추출된 최적 위치 정보에 대한 의료영상 정보 예컨대, 밝기 값에 기초하여 세그멘테이션 영역을 결정하기 위한 밝기 값 범위를 산정한다(S410).

여기서, 밝기 값 범위는 최적 위치 정보에 대한 밝기 값을 기준으로 일정 표준 편차를 적용하여 산정될 수도 있고, 미리 설정된 일정 값의 범위를 지정하여 산정될 수도 있다.

밝기 값 범위가 산정되면 산정된 밝기 값 범위를 이용하여 밝기 값 범위에 해당하는 제1 세그멘테이션 영역을 결정한다(S420).

여기서, 제1 세그멘테이션 영역은 사용자의 입력에 따른 포인터의 위치 정보 또는 추출된 최적 위치 정보를 포함하는 것이 바람직하다.

제1 세그멘테이션 영역이 결정되면, 각도 프로파일을 이용하여 제1 세그멘테이션 영역을 렁 영역과 만나는 제1 프로파일과 렁 영역과 만나지 않는 제2 프로파일로 선별한다(S430).

여기서, 제1 세그멘테이션 영역 중 렁 영역과 만나지 않는 제2 프로파일은 렁 영역을 벗어난 부분이기 때문에 제2 프로파일에 대한 영역을 제한하는 과정을 수행하여야 한다.

즉, 제2 프로파일에 해당하는 영역을 제1 프로파일에 해당하는 영역으로 보간(interpolation)하여 펜스(fence)를 형성한다(S440).

예컨대, 도 5에 도시된 바와 같이 렁 영역(510)과 렁 영역을 벗어나는 경계 부분에 펜스(520)가 형성된다.

펜스가 형성되면, 형성된 펜스와 제1 프로파일에 해당하는 제1 세그멘테이션 영역에 기초하여 제2 세그멘테이션 영역을 결정한다(S450).

제2 세그멘테이션 영역이 결정되면 결정된 제2 세그멘테이션 영역에 미리 설정된 피팅 모델(fitting model)을 적용함으로써, 도 5에 도시된 일 예와 같이 제2 세그멘테이션 영역으로부터 최적의 세그멘테이션 영역(530)을 결정한다(S460, S470).

여기서, 피팅 모델은 deformable model, snake model 등을 포함할 수 있으며, deformable model과 snake model 등의 피팅 모델은 단계 S460, S470에 적용되기 위하여 본 발명의 기술 분야에 종사하는 당업자에게 있어서 자명한 범위 내에서 변형 가능하다.

도 6은 도 1에 도시된 단계 S160에 대한 다른 일 실시 예의 동작 흐름도를 나타낸 것으로, 단계 S150에 의해 판별된 병변이 브레인 튜머인 경우에 대한 동작 흐름도이다.

도 6을 참조하면, 브레인 튜머의 세그멘테이션 영역을 결정하는 단계(S160)는 단계 S140에 의하여 추출된 최적 위치 정보에 대한 밝기 값에 기초하여 세그멘테이션 영역을 결정하기 위한 밝기 값 범위를 산정한다(S610).

밝기 값 범위가 산정되면 산정된 밝기 값 범위를 이용하여 밝기 값 범위에 해당하는 제1 세그멘테이션 영역을 결정한다(S620).

제1 세그멘테이션 영역이 결정되면, 제1 세그멘테이션 영역을 보정하기 위한 안티 시드(anti-seed)를 선택한다(S630).

여기서, 안티 시드는 브레인에서 병변이 아닌 정상적인 티슈(tissue)를 의미하는 것으로, 안티 시드는 제1 세그멘테이션 영역과 본 영역 사이의 영역에서 적어도 하나 이상 선택된다.

예컨대, 도 7에 도시된 의료영상에서 본 영역(710)에 근접하는 브레인의 정상적인 티슈에 해당하는 다수의 위치를 선택할 수 있는데, 해당 위치는 본 영역(710)에 근접하며 제1 세그멘테이션 영역 바깥에 위치하는 위치가 될 수 있다.

안티 시드가 선택되면 선택된 안티 시드의 밝기 값에 기초하여 안티 시드 영역을 형성하기 위한 밝기 값 범위를 산정한다(S640).

여기서, 안티 시드 영역을 형성하기 위한 밝기 값 범위는 일정 범위가 미리 설정되어 있을 수도 있고, 선택된 안티 시드를 중심으로 주변 일정 영역의 밝기 값을 이용하여 설정될 수도 있다.

단계 S640에서 산정된 밝기 값에 기초하여 도 7에 도시된 일 예와 같이, 안티 시드 영역(720)을 형성한다(S650).

여기서, 안티 시드 영역을 형성하는 것은 브레인의 경우 결정된 제1 세그멘테이션 영역이 불확실하기 때문에 이를 보정하여 좀 더 정확한 세그멘테이션 영역을 결정하기 위한 것이다.

안티 시드 영역이 형성되면 형성된 안티 시드 영역과 제1 세그멘테이션 영역에 기초하여 제1 세그멘테이션 영역으로부터 제2 세그멘테이션 영역을 결정한다(S660).

이 때, 결정되는 제2 세그멘테이션 영역은 안티 시드 영역을 펜스로 하여 형성된 포인터 위치를 포함하는 세그멘테이션 영역으로, 제1 세그멘테이션 영역보다 작은 영역일 수도 있지만 제1 세그멘테이션 영역보다 더 큰 영역일 수도 있다.

제2 세그멘테이션 영역이 결정되면 결정된 제2 세그멘테이션 영역에 미리 설정된 피팅 모델(fitting model)을 적용함으로써, 도 7에 도시된 일 예와 같이 제2 세그멘테이션 영역으로부터 최적의 세그멘테이션 영역(730)을 결정한다(S670, S680).

여기서, 피팅 모델은 deformable model, snake model 등을 포함할 수 있다.

도 8은 도 1에 도시된 단계 S160에 대한 또 다른 일 실시 예의 동작 흐름도를 나타낸 것으로, 단계 S150에 의해 판별된 병변이 일반 튜머인 경우에 대한 동작 흐름도이다.

도 8을 참조하면, 일반 튜머의 세그멘테이션 영역을 결정하는 단계(S160)는 단계 S140에 의하여 추출된 최적 위치 정보에 대한 밝기 값에 기초하여 세그멘테이션 영역을 결정하기 위한 밝기 값 범위를 산정한다(S810).

밝기 값 범위가 산정되면 산정된 밝기 값 범위를 이용하여 밝기 값 범위에 해당하는 제1 세그멘테이션 영역을 결정한다(S820).

제1 세그멘테이션 영역이 결정되면 결정된 제1 세그멘테이션 영역에 미리 설정된 피팅 모델(fitting model)을 적용함으로써, 도 9에 도시된 일 예와 같이 제1 세그멘테이션 영역으로부터 최적의 세그멘테이션 영역(910)을 결정한다(S830, S840).

상술한 도 4 내지 도 9를 통해, 렁 튜머, 브레인 튜머, 일반 튜머에 대한 최적의 세그멘테이션 영역을 결정할 수 있으며, 하이퍼 튜머인 경우에는 최적 위치 정보를 포함하는 주변 영역에서 미리 설정된 밝기 값 범위에 해당하는 영역을 최적의 세그멘테이션 영역을 결정한다.

이와 같이, 본 발명에 따른 병변 종류에 따른 세그멘테이션 방법은 슬라이스 의료영상에서 포인터가 위치한 병변의 종류를 판별하여, 해당 병변에 대한 세그멘테이션 알고리즘을 수행함으로써, 해당 병변에 대한 최적의 세그멘테이션 영역을 결정할 수 있으며, 이렇게 결정된 최적의 세그멘테이션 영역을 이용하기 때문에 해당 병변에 대하여 신뢰성이 높은 3차원 세그멘테이션 볼륨을 생성할 수 있다.

도 10을 참조하면, 세그멘테이션 장치는 위치 추출부(1010), 마스크 추출부(1020), 판별부(1030), 결정부(1040), 표시부(1050) 및 선택부(1060)를 포함한다.

위치 추출부(1010)는 화면에 표시된 슬라이스 의료영상에서 사용자 입력에 따른 포인터의 위치 정보를 추출한다.

여기서, 위치 추출부(1010)는 포인터의 위치 정보를 실시간으로 계속적으로 추출할 수도 있으며, 사용자 입력에 따라 포인터가 움직이는 동안에는 위치 정보를 추출하지 않고 포인터가 고정된 경우에만 위치 정보를 추출할 수도 있다.

나아가, 위치 추출부(1010)는 추출된 포인터의 위치 정보에 대한 밝기 값과 포인터의 위치 정보를 포함하는 미리 설정된 주변 영역의 밝기 값들에 대한 평균 값을 비교하고, 포인터의 위치 정보에 대한 밝기 값이 평균 값에 대해 미리 설정된 오차 범위를 벗어나는 경우에는 미리 설정된 주변 영역에서 최적 위치 정보를 검출하하며, 포인터의 위치 정보에 대한 밝기 값이 평균 값에 대한 오차 범위 이내인 경우에는 해당 포인터의 위치 정보를 최적 위치 정보로 검출한다.

마스크 추출부(1020)는 슬라이스 의료영상에서 렁(lung) 영역과 본(bone) 영역을 추출한다.

이 때, 마스크 추출부(1020)는 슬라이스 의료영상에서 밝기 값이 제1 설정 값(예를 들어, -200[HU])보다 작은 몸통 내부 영역을 렁 영역으로 추출할 수 있으며, 밝기 값이 제2 설정 값(예를 들어, 5000[HU])보다 큰 영역을 본 영역으로 추출할 수 있다.

판별부(1030)는 위치 추출부(1010)에 의해 추출된 포인터의 위치 정보(또는 최적 위치 정보)와 관련된 슬라이스 의료영상의 정보와, 포인터의 위치 정보를 기준으로 하는 각도 프로파일(profile) 중 적어도 하나에 기초하여 병변 종류를 판별한다.

이 때, 판별부(1030)는 포인터의 위치 정보를 기준으로 하는 전체 각도 프로파일에서 마스크 추출부(1020)에 의해 추출된 렁 영역과 만나는 각도 프로파일이 미리 설정된 제1 기준 값 보다 크면 병변 종류를 렁 튜머로 판별하고, 전체 각도 프로파일에서 마스크 추출부(1020)에 의해 추출된 본 영역과 만나는 각도 프로파일이 미리 설정된 제2 기준 값 보다 크면 병변 종류를 브레인 튜머로 판별할 수 있다.

또한, 판별부(1030)는 포인터의 위치 정보(또는 최적 위치 정보)에 대한 밝기 값이 미리 설정된 임계 값보다 크면 병변 종류를 하이퍼 튜머로 판별하고, 이 외의 경우에 대해서는 일반 튜머로 판별한다.

결정부(1040)는 판별부(1030)에 의해 판별된 병변 종류에 따라 미리 설정된 세그멘테이션 알고리즘을 이용하여 포인터의 위치를 포함하는 세그멘테이션 영역을 결정한다.

즉, 결정부(1040)는 해당 병변에 대한 세그멘테이션 알고리즘을 수행함으로써, 병변에 따라 달라질 수 있는 최적의 세그멘테이션 영역을 결정한다.

물론, 결정부(1040)는 판별된 병변 종류가 하이퍼 튜머인 경우에는 미리 설정된 밝기 값을 갖는 포인터의 위치를 포함하는 주변 영역을 최적의 세그멘테이션 영역으로 결정하고, 판별된 병변 종류가 일반 튜머인 경우에는 도 8에서 설명한 바와 같이 산정된 밝기 값 범위에 의하여 형성된 제1 세그멘테이션 영역에 피팅 모델을 적용함으로써 최적의 세그멘테이션 영역을 결정한다.

판별부(1030)에 의해 판별된 병변 종류가 렁 튜머인 경우와 브레인 튜머인 경우에 대한 결정부(1040)의 상세 구성에 대해서는 도 11에서 설명한다.

표시부(1050)는 결정부(1040)에 의하여 결정된 세그멘테이션 영역 즉, 해당 병변에 대한 최적의 세그멘테이션 영역을 화면에 표시된 슬라이스 의료영상에 미리 표시한다.

선택부(1060)는 사용자가 표시부(1050)에 의하여 표시된 세그멘테이션 영역을 확인하고, 사용자에 의하여 화면에 미리 표시된 해당 병변의 세그멘테이션 영역이 만족스러워 선택된 경우 선택된 세그멘테이션 영역을 화면에 표시된 슬라이스 의료영상에 대한 병변 진단 영역으로 선택한다.

이 때, 선택부(1060)에 의해 선택된 세그멘테이션 영역은 3차원 볼륨 영상의 세그멘테이션을 위한 시드(seed)로 사용될 수 있다.

또한, 비록 도 10에는 도시하지 않았지만 선택부에 의해 선택된 세그멘테이션 시드를 이용하여 슬라이스 의료영상과 관련된 복수의 슬라이스 의료영상들 각각의 세그멘테이션 영역을 결정하는 구성과, 결정된 시드와 복수의 슬라이스 의료영상들 각각의 세그멘테이션 영역을 이용하여 해당 병변에 대한 3차원 세그멘테이션 볼륨을 생성하는 구성을 포함할 수도 있다.

도 11을 참조하면, 결정부(1040)는 산정부(1110), 제1 영역 결정부(1120), 선별부(1130), 안티 시드 선택부(1140), 형성부(1150), 제2 영역 결정부(1160), 적용부(1170) 및 제3 영역 결정부(1180)를 포함한다.

결정부(1040)는 판별부(1030)에 의하여 판별된 병변 종류가 렁 튜머인 경우에는 산정부(1110), 제1 영역 결정부(1120), 선별부(1130), 형성부(1150), 제2 영역 결정부(1160), 적용부(1170) 및 제3 영역 결정부(1180)를 이용하여 최적의 세그멘테이션 영역을 결정하며, 판별부(1030)에 의하여 판별된 병변 종류가 브레인 튜머인 경우에는 산정부(1110), 제1 영역 결정부(1120), 안티 시드 선택부(1140), 형성부(1150), 제2 영역 결정부(1160), 적용부(1170) 및 제3 영역 결정부(1180)를 이용하여 최적의 세그멘테이션 영역을 결정한다.

병변 종류가 렁 튜머인 경우와 브레인 튜머인 경우를 나누어 설명하면 다음과 같다.

1) 병변 종류가 렁 튜머인 경우

산정부(1110)는 추출된 포인터의 위치 정보(또는 최적 위치 정보)와 관련된 슬라이스 의료영상의 정보에 기초하여 밝기 값의 범위를 산정한다.

제1 영역 결정부(1120)는 산정부(1110)에 의해 산정된 밝기 값의 범위를 이용하여 포인터의 위치를 포함하는 제1 세그멘테이션 영역을 결정한다.

선별부(1130)는 제1 세그멘테이션 영역을 전체 각도 프로파일 추출된 렁 영역과 만나는 제1 프로파일과 렁 영역과 만나지 않는 제2 프로파일로 선별한다.

형성부(1150)는 제2 프로파일에 해당하는 제1 세그멘테이션 영역을 제1 프로파일에 해당하는 제1 세그멘테이션 영역으로 보간(interpolation)하여 펜스(fence)를 형성한다.

제2 영역 결정부(1160)는 제1 프로파일에 해당하는 제1 세그멘테이션 영역과 형성된 펜스에 기초하여 제1 세그멘테이션 영역으로부터 제2 세그멘테이션 영역을 결정한다.

적용부(1170)는 제2 영역 결정부(1160)에 의해 결정된 제2 세그멘테이션 영역에 미리 설정된 피팅 모델(fitting model) 예를 들어, deformable model 또는 snake model 등을 적용하고, 제3 영역 결정부(1180)는 피팅 모델을 이용하여 제2 세그멘테이션 영역으로부터 최적의 세그멘테이션 영역을 결정한다.

2) 병변 종류가 브레인 튜머인 경우

안티 시드 선택부(1140)는 제1 세그멘테이션 영역과 추출된 본 영역 사이의 정상적인 브레인 티슈에서 안티 시드(anti-seed)를 선택한다.

이 때, 안티 시드 선택부(1140)는 본 영역에 근접한 적어도 하나 이상의 브레인 티슈를 안티 시드로 선택할 수 있다.

형성부(1150)는 선택된 안티 시드의 밝기 값에 기초하여 안티 시드 영역을 형성하기 위한 밝기 값 범위를 결정하고, 결정된 밝기 값 범위를 이용하여 안티 시드 영역을 형성한다.

여기서, 안티 시드 영역을 형성하기 위한 밝기 값 범위는 미리 설정되어 있을 수도 있고, 선택된 안티 시드의 주변 영역에 대한 밝기 값을 이용하여 결정될 수도 있다.

제2 영역 결정부(1160)는 형성된 안티 시드 영역을 이용하여 제1 세그멘테이션 영역으로부터 제2 세그멘테이션 영역을 결정한다.

이 때, 안티 시드 영역은 제2 세그멘테이션 영역을 결정하기 위한 펜스 역할을 한다.

적용부(1170)는 제2 영역 결정부(1160)에 의해 결정된 제2 세그멘테이션 영역에 미리 설정된 피팅 모델(fitting model)을 적용하고, 제3 영역 결정부(1180)는 피팅 모델을 이용하여 제2 세그멘테이션 영역으로부터 최적의 세그멘테이션 영역을 결정한다.

본 발명의 일 실시 예에 따른 의료영상에서의 세그멘테이션 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 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 하드 디스크, 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-광 매체(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.

이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.

따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.

Claims

화면에 표시된 슬라이스(slice) 의료영상에서 사용자 입력에 따른 포인터의 위치 정보를 추출하는 단계;

상기 추출된 상기 포인터의 위치 정보와 관련된 슬라이스 의료영상의 정보와, 상기 포인터의 위치 정보를 기준으로 하는 각도 프로파일(profile) 중 적어도 하나에 기초하여 병변 종류를 판별하는 단계;

상기 판별된 상기 병변 종류에 따라 미리 설정된 세그멘테이션 알고리즘을 이용하여 상기 포인터의 위치를 포함하는 세그멘테이션(segmentation) 영역을 결정하는 단계; 및

상기 결정된 상기 세그멘테이션 영역을 상기 슬라이스 의료영상에 대한 병변 진단 영역으로 선택하는 단계

를 포함하는 의료영상에서의 세그멘테이션 방법.
제1항에 있어서,

상기 슬라이스 의료영상에서 렁(lung) 영역과 본(bone) 영역을 추출하는 단계

를 더 포함하고,

상기 판별하는 단계는

상기 각도 프로파일 중 상기 추출된 상기 렁 영역과 만나는 프로파일이 미리 설정된 제1 기준 값 보다 크면 상기 병변 종류를 렁 튜머(lung tumor)로 판별하고, 상기 각도 프로파일 중 상기 추출된 상기 본 영역과 만나는 프로파일이 미리 설정된 제2 기준 값 보다 크면 상기 병변 종류를 브레인 튜머(brain tumor)로 판별하는 것을 특징으로 하는 의료영상에서의 세그멘테이션 방법.
제1항에 있어서,

상기 결정하는 단계는

상기 추출된 상기 포인터의 위치 정보와 관련된 상기 슬라이스 의료영상의 정보에 기초하여 밝기 값의 범위를 산정하는 단계;

상기 산정된 상기 밝기 값의 범위와 상기 판별된 상기 병변 종류에 따라 미리 설정된 세그멘테이션 알고리즘을 이용하여 상기 포인터의 위치를 포함하는 제1 세그멘테이션 영역을 결정하는 단계;

상기 결정된 상기 제1 세그멘테이션 영역에 미리 설정된 피팅 모델(fitting model)을 적용하는 단계; 및

상기 피팅 모델을 이용하여 상기 제1 세그멘테이션 영역으로부터 최적의 세그멘테이션 영역을 결정하는 단계

를 포함하는 것을 특징으로 하는 의료영상에서의 세그멘테이션 방법.
제3항에 있어서,

상기 제1 세그멘테이션 영역을 결정하는 단계는

상기 산정된 상기 밝기 값의 범위를 이용하여 상기 포인터의 위치를 포함하는 제2 세그멘테이션 영역을 결정하는 단계;

상기 판별된 상기 병변 종류가 렁 튜머인 경우 상기 제2 세그멘테이션 영역을 상기 각도 프로파일 중 미리 추출된 렁 영역과 만나는 제1 프로파일과 상기 렁 영역과 만나지 않는 제2 프로파일로 선별하는 단계;

상기 제2 프로파일을 상기 제1 프로파일로 보간(interpolation)하여 펜스(fence)를 형성하는 단계; 및

상기 제1 프로파일과 상기 형성된 상기 펜스에 기초하여 상기 제2 세그멘테이션 영역으로부터 상기 제1 세그멘테이션 영역을 결정하는 단계

를 포함하는 것을 특징으로 하는 의료영상에서의 세그멘테이션 방법.
제3항에 있어서,

상기 제1 세그멘테이션 영역을 결정하는 단계는

상기 산정된 상기 밝기 값의 범위를 이용하여 상기 포인터의 위치를 포함하는 제2 세그멘테이션 영역을 결정하는 단계;

상기 판별된 상기 병변 종류가 브레인 튜머인 경우 상기 제2 세그멘테이션 영역 바깥에서 안티 시드(anti-seed)를 선택하는 단계;

상기 선택된 상기 안티 시드의 밝기 값에 기초하여 안티 시드 영역을 형성하는 단계; 및

상기 형성된 상기 안티 시드 영역을 이용하여 상기 제2 세그멘테이션 영역으로부터 상기 제1 세그멘테이션 영역을 결정하는 단계

를 포함하는 것을 특징으로 하는 의료영상에서의 세그멘테이션 방법.
제1항에 있어서,

상기 판별하는 단계는

상기 포인터의 위치 정보에 대한 밝기 값이 미리 설정된 임계 값보다 크면 상기 병변 종류를 하이퍼 튜머(hyper tumor)로 판별하고,

상기 결정하는 단계는

상기 판별된 상기 병변 종류가 하이퍼 튜머인 경우 상기 포인터의 위치를 포함하는 상기 임계 값 이상의 영역을 상기 세그멘테이션 영역으로 결정하는 것을 특징으로 하는 의료영상에서의 세그멘테이션 방법.
제1항에 있어서,

상기 결정된 상기 세그멘테이션 영역을 상기 슬라이스 의료영상에 미리 표시하는 단계

를 더 포함하고,

상기 선택하는 단계는

상기 미리 표시된 상기 세그멘테이션 영역이 사용자에 의해 선택되면 상기 결정된 상기 세그멘테이션 영역을 상기 슬라이스 의료영상에 대한 병변 진단 영역으로 선택하는 것을 특징으로 하는 의료영상에서의 세그멘테이션 방법.
제1항에 있어서,

상기 추출하는 단계는

상기 추출된 상기 포인터의 위치 정보에 대한 밝기 값과 상기 포인터의 위치정보를 포함하는 미리 설정된 주변 영역에서 최적 위치 정보를 검출하고,

상기 판별하는 단계는

상기 검출된 상기 최적 위치 정보와 관련된 상기 슬라이스 의료영상의 정보와, 상기 포인터의 최적 위치 정보를 기준으로 하는 각도 프로파일(profile) 중 적어도 하나에 기초하여 병변 종류를 판별하는 것을 특징으로 하는 의료영상에서의 세그멘테이션 방법.
제1항에 있어서,

상기 선택된 상기 병변 진단 영역을 3차원 볼륨 영상의 세그멘테이션을 위한 시드(seed)로 결정하는 단계;

상기 결정된 상기 시드에 기초하여 상기 슬라이스 의료영상과 관련된 복수의 슬라이스 의료영상들 각각의 세그멘테이션 영역을 결정하는 단계; 및

상기 결정된 시드와 상기 복수의 슬라이스 의료영상들 각각의 세그멘테이션 영역을 이용하여 3차원 세그멘테이션 볼륨을 생성하는 단계

를 더 포함하는 것을 특징으로 하는 의료영상에서의 세그멘테이션 방법.
제1항 내지 제9항 중 어느 한 항의 방법을 실행하기 위한 프로그램이 기록되어 있는 것을 특징으로 하는 컴퓨터에서 판독 가능한 기록 매체.
화면에 표시된 슬라이스(slice) 의료영상에서 사용자 입력에 따른 포인터의 위치 정보를 추출하는 위치 추출부;

상기 추출된 상기 포인터의 위치 정보와 관련된 슬라이스 의료영상의 정보와, 상기 포인터의 위치 정보를 기준으로 하는 각도 프로파일(profile) 중 적어도 하나에 기초하여 병변 종류를 판별하는 판별부;

상기 판별된 상기 병변 종류에 따라 미리 설정된 세그멘테이션 알고리즘을 이용하여 상기 포인터의 위치를 포함하는 세그멘테이션(segmentation) 영역을 결정하는 결정부; 및

상기 결정된 상기 세그멘테이션 영역을 상기 슬라이스 의료영상에 대한 병변 진단 영역으로 선택하는 선택부

를 포함하는 의료영상에서의 세그멘테이션 장치.
제11항에 있어서,

상기 슬라이스 의료영상에서 렁(lung) 영역과 본(bone) 영역을 추출하는 마스크 추출부

를 더 포함하고,

상기 판별부는

상기 각도 프로파일 중 상기 추출된 상기 렁 영역과 만나는 프로파일이 미리 설정된 제1 기준 값 보다 크면 상기 병변 종류를 렁 튜머(lung tumor)로 판별하고, 상기 각도 프로파일 중 상기 추출된 상기 본 영역과 만나는 프로파일이 미리 설정된 제2 기준 값 보다 크면 상기 병변 종류를 브레인 튜머(brain tumor)로 판별하는 것을 특징으로 하는 의료영상에서의 세그멘테이션 장치
제11항에 있어서,

상기 결정부는

상기 추출된 상기 포인터의 위치 정보와 관련된 상기 슬라이스 의료영상의 정보에 기초하여 밝기 값의 범위를 산정하는 산정부;

상기 산정된 상기 밝기 값의 범위를 이용하여 상기 포인터의 위치를 포함하는 제1 세그멘테이션 영역을 결정하는 제1 영역 결정부;

상기 판별된 상기 병변 종류가 렁 튜머인 경우 상기 제1 세그멘테이션 영역을 상기 각도 프로파일 중 미리 추출된 렁 영역과 만나는 제1 프로파일과 상기 렁 영역과 만나지 않는 제2 프로파일로 선별하는 선별부;

상기 제2 프로파일을 상기 제1 프로파일로 보간(interpolation)하여 펜스(fence)를 형성하는 형성부;

상기 제1 프로파일과 상기 형성된 상기 펜스에 기초하여 상기 제1 세그멘테이션 영역으로부터 상기 제2 세그멘테이션 영역을 결정하는 제2 영역 결정부;

상기 결정된 상기 제2 세그멘테이션 영역에 미리 설정된 피팅 모델(fitting model)을 적용하는 적용부; 및

상기 피팅 모델을 이용하여 상기 제2 세그멘테이션 영역으로부터 최적의 세그멘테이션 영역을 결정하는 제3 영역 결정부

를 포함하는 것을 특징으로 하는 의료영상에서의 세그멘테이션 장치.
제11항에 있어서,

상기 결정부는

상기 추출된 상기 포인터의 위치 정보와 관련된 상기 슬라이스 의료영상의 정보에 기초하여 밝기 값의 범위를 산정하는 산정부;

상기 산정된 상기 밝기 값의 범위를 이용하여 상기 포인터의 위치를 포함하는 제1 세그멘테이션 영역을 결정하는 제1 영역 결정부;

상기 판별된 상기 병변 종류가 브레인 튜머인 경우 상기 제1 세그멘테이션 영역 바깥에서 안티 시드(anti-seed)를 선택하는 안티 시드 선택부;

상기 선택된 상기 안티 시드의 밝기 값에 기초하여 안티 시드 영역을 형성하는 형성부;

상기 형성된 상기 안티 시드 영역을 이용하여 상기 제1 세그멘테이션 영역으로부터 상기 제2 세그멘테이션 영역을 결정하는 제2 영역 결정부;

상기 결정된 상기 제2 세그멘테이션 영역에 미리 설정된 피팅 모델(fitting model)을 적용하는 적용부; 및

상기 피팅 모델을 이용하여 상기 제2 세그멘테이션 영역으로부터 최적의 세그멘테이션 영역을 결정하는 제3 영역 결정부

를 포함하는 것을 특징으로 하는 의료영상에서의 세그멘테이션 장치.