WO2014185714A1 - 의료 영상 화질 개선 방법 및 그 장치 - Google Patents

의료 영상 화질 개선 방법 및 그 장치 Download PDF

Info

Publication number
WO2014185714A1
WO2014185714A1 PCT/KR2014/004338 KR2014004338W WO2014185714A1 WO 2014185714 A1 WO2014185714 A1 WO 2014185714A1 KR 2014004338 W KR2014004338 W KR 2014004338W WO 2014185714 A1 WO2014185714 A1 WO 2014185714A1
Authority
WO
WIPO (PCT)
Prior art keywords
medical image
representative pattern
pattern
representative
dose medical
Prior art date
Application number
PCT/KR2014/004338
Other languages
English (en)
French (fr)
Inventor
문주희
이주옥
Original Assignee
세종대학교산학협력단
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
Priority claimed from KR1020130054916A external-priority patent/KR101467380B1/ko
Priority claimed from KR20140004148A external-priority patent/KR101495489B1/ko
Application filed by 세종대학교산학협력단 filed Critical 세종대학교산학협력단
Publication of WO2014185714A1 publication Critical patent/WO2014185714A1/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
    • A61B6/5258—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
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing

Definitions

  • the present invention relates to the improvement of medical image quality, and more particularly, to a method and apparatus for improving the quality of a medical image using a reference high-dose medical image.
  • CT computerized tomography
  • MRI magnetic resonance imaging
  • X-ray simple radiography
  • Tomosynthesis tomosynthesis
  • the image processing apparatus does not significantly improve the image quality or takes a long time to improve the image quality. Therefore, there is an urgent need to develop a medical diagnostic apparatus and method for remarkably improving the image quality of displayed image information in a short time.
  • An object of the present invention is to provide a medical image quality improvement method and apparatus capable of providing a reliable high quality medical image while minimizing the radiation exposure of the patient.
  • a method of improving a medical image quality determining brightness correction coefficients for correcting brightness of pixel values of a low quality medical image using pixel values of a reference high quality medical image. ; Determining a noise correction coefficient for correcting noise of the low quality medical image by using pixel values of the reference high quality medical image; And improving the image quality of the low quality medical image by using the brightness correction coefficient and the noise correction coefficient.
  • the present invention has the effect of providing a reliable high-quality medical image while minimizing the radiation exposure of the patient by improving the image quality of the low-quality medical image using the reference high-quality medical image.
  • the present invention has an effect of improving image quality improving performance by categorizing low quality medical images in pixel block units and then performing image quality improvement processing for each category.
  • the image quality improvement performance may be improved by patterning the low quality medical image in pixel block units and performing image quality improvement processing in different patterns for each pattern.
  • FIG. 1 is a flowchart illustrating a medical image quality improving method according to an embodiment of the present invention.
  • FIG. 2 is a flowchart illustrating a medical image quality improving method according to another exemplary embodiment of the present invention.
  • FIG. 3 is a flowchart illustrating a method of improving medical image quality according to another embodiment of the present invention.
  • FIG. 4 is a diagram illustrating a method of classifying categories in pixel units according to an exemplary embodiment of the present invention.
  • FIG. 10 is a diagram illustrating a method of classifying categories by area according to an exemplary embodiment of the present invention.
  • FIG. 6 is a diagram illustrating a medical image quality improving apparatus according to an embodiment of the present invention.
  • FIG. 7 is a diagram illustrating a medical image processing apparatus according to an exemplary embodiment.
  • FIG. 8 is a diagram illustrating a medical image processing apparatus according to another exemplary embodiment of the present invention.
  • FIG. 9 is a diagram for explaining a medical image processing apparatus according to another exemplary embodiment.
  • FIG. 10 is a flowchart illustrating a method of improving image quality of a medical image processing apparatus according to an embodiment of the present invention.
  • FIG. 11 is a flowchart illustrating a process of determining a representative pattern according to an embodiment of the present invention.
  • FIG. 12 is a representative pattern table constituting a representative pattern with values on a spatial domain.
  • FIG. 13 is a representative pattern table in which a representative pattern is formed of values on a frequency domain using a fast Fourier transform.
  • FIG. 14 is a flowchart illustrating a process of matching a representative pattern according to an embodiment of the present invention.
  • 15 is a representative pattern table according to an embodiment of the present invention.
  • 16 is a flowchart illustrating a method of improving image quality of a medical image processing apparatus according to another exemplary embodiment of the present invention.
  • a method of improving a medical image quality determining brightness correction coefficients for correcting brightness of pixel values of a low quality medical image using pixel values of a reference high quality medical image. ; Determining a noise correction coefficient for correcting noise of the low quality medical image by using pixel values of the reference high quality medical image; And improving the image quality of the low quality medical image by using the brightness correction coefficient and the noise correction coefficient.
  • the medical image quality improvement method based on at least one of the characteristics of the low-quality medical image and the shooting environment, the image quality improvement of the low-quality medical image from a plurality of reference high-quality medical image Selecting a high quality medical image for reference to be used in the;
  • the method may further include obtaining pixel values of the selected reference high definition medical image, and the determining of the brightness correction factor and determining the noise correction coefficient may be performed using pixel values of the selected reference high definition medical image. Is performed.
  • the medical image quality improving method may further include generating pixel values of a reference high definition medical image to be used to improve an image quality of the image, wherein determining the brightness correction coefficient and determining the noise correction coefficient may include determining the selected high definition medical image. It is performed using pixel values.
  • the determining of the brightness correction coefficient includes determining an average value of pixel values of the reference high quality medical image as the brightness correction coefficient, and determining the noise correction coefficient comprises: And determining the ratio between the standard deviation of the pixel values of the medical image and the standard deviation of the pixel values of the reference high quality medical image as the noise correction coefficient.
  • the determining of the brightness correction coefficient may include determining an average value of pixel values of the reference high quality medical image, an average value of pixel values of the low quality medical image, and an absolute value of deviations of pixel values of the low quality medical image.
  • Determining the brightness correction coefficient using a ratio between a sum of values and a sum of absolute values of deviations of pixel values of the reference high quality medical image, and the determining of the noise correction coefficient comprises: And determining a ratio between a sum of absolute values of deviations of pixel values of a medical image and a sum of absolute values of deviations of pixel values of the reference high-definition medical image as the noise correction coefficient.
  • the medical image quality improving method includes the size of the pixel value of the target pixel to which the image processing for image quality improvement is applied in the low quality medical image and the size of pixel values of adjacent pixels adjacent to the target pixel. And classifying the category of the target pixel in comparison, wherein determining the brightness correction coefficient and determining the noise correction coefficient are performed based on the category.
  • the medical image quality improving method according to an embodiment of the present invention, the low quality medical image based on a second lookup table in which a section of pixel values corresponding to types of objects that may be included in the low quality medical image is defined.
  • the method may further include classifying categories of pixel values of, wherein the determining of the brightness correction factor and the determining the noise correction factor are performed based on the category.
  • the medical image quality improving method is based on the third lookup table in which a predetermined number of pixel values corresponding to a plurality of categories are allocated according to the size of the pixel value.
  • the method may further include classifying categories of pixel values, wherein the determining of the brightness correction coefficient and the determining of the noise correction coefficient are performed based on the category.
  • the method for improving medical image quality further includes identifying objects included in the low quality medical image, wherein the brightness correction factor and the noise correction factor are determined by the identified objects. It is determined differently for each area included.
  • the medical image quality improving apparatus for achieving the above object is determined by using the pixel values of the reference high-definition medical image brightness correction coefficient for correcting the brightness of the pixel values of the low-quality medical image
  • a brightness correction coefficient determination unit configured to determine a noise correction coefficient for correcting noise of the low quality medical image by using pixel values of the reference high quality medical image
  • an image quality improvement unit for improving the image quality of the low quality medical image by using the brightness correction coefficient and the noise correction coefficient.
  • the medical image quality improving apparatus includes a storage unit for storing a plurality of high-quality medical images for reference; And selecting a reference high quality medical image to be used to improve the quality of the low quality medical image among the plurality of reference high quality medical images based on at least one of the characteristics of the low quality medical image and the shooting environment.
  • the apparatus may further include a pixel value acquisition unit configured to acquire pixel values of the high quality medical image, wherein the brightness correction coefficient determiner and the noise correction coefficient determiner perform an operation using the selected reference high quality medical image.
  • the medical image quality improving apparatus includes a storage unit for storing a first look-up table including information for generating pixel values of the reference high-definition medical image; An input unit to receive a user input; And a pixel value obtaining unit configured to generate pixel values of a reference high quality medical image to be used to improve the quality of the low quality medical image based on at least one of the first lookup table and the user input.
  • the determiner and the noise correction coefficient determiner perform an operation using pixel values of the selected reference high quality medical image.
  • the brightness correction coefficient determiner determines the average value of the pixel values of the reference high quality medical image as the brightness correction coefficient
  • the noise correction coefficient determiner determines the standard deviation of the pixel values of the low quality medical image and the A ratio between standard deviations of pixel values of a reference high quality medical image is determined as the noise correction coefficient.
  • the brightness correction coefficient determiner is a sum of an average value of pixel values of the reference high quality medical image, an average value of pixel values of the low quality medical image, and an absolute value of deviations of pixel values of the low quality medical image
  • the The brightness correction coefficient is determined using a ratio between the sum of absolute values of deviations of pixel values of a reference high quality medical image
  • the noise correction coefficient determination unit determines an absolute value of deviations of pixel values of the low quality medical image.
  • the ratio between the sum of the sum and the sum of the absolute values of the deviations of the pixel values of the reference high-definition medical image is determined as the noise correction coefficient.
  • the medical image quality improving apparatus measures the pixel value of a target pixel to which image processing for image quality improvement is applied in the low quality medical image and the size of pixel values of adjacent pixels adjacent to the target pixel.
  • a category manager configured to classify the category of the target pixel in comparison, wherein the brightness correction coefficient determiner and the noise correction coefficient determiner perform an operation based on the category.
  • the medical image quality improving apparatus is based on the second look-up table in which the section of the pixel value corresponding to each type of object that can be included in the low quality medical image is defined based on the low quality medical image
  • a category manager further includes a category manager configured to classify categories of pixel values, wherein the brightness correction factor determiner and the noise correction factor determiner perform an operation based on the category.
  • the medical image quality improving apparatus may further include a method of improving a low quality medical image based on a third lookup table in which a predetermined number of pixel values corresponding to a plurality of categories are allocated according to the size of the pixel value.
  • a category manager configured to classify categories of pixel values, wherein the brightness correction coefficient determiner and the noise correction coefficient determiner perform an operation based on the category.
  • the medical image quality improving apparatus comprises: an object identification unit for identifying objects included in the low quality medical image; And a category manager configured to classify each region including the identified objects in the low quality medical image, wherein the brightness correction coefficient and the noise correction coefficient are differently determined for each region including the identified objects. do.
  • a medical image processing apparatus comprising: a representative pattern determination unit configured to determine a representative pattern as a reference for improving image quality using pixel values of a reference high quality medical image; A representative pattern matching unit configured to perform pattern matching between the representative pattern and pixel values of a low quality medical image for improving image quality; And an image quality improvement unit for improving an image quality of the low quality medical image by using the quality improvement method for each representative pattern according to the pattern matching.
  • the representative pattern determination unit configures a representative pattern table including a set of the representative patterns for the reference high quality medical image and sizes of the representative patterns, and the representative pattern matching unit refers to the representative pattern table.
  • the pattern matching with the low quality medical image may be performed for each representative pattern.
  • the representative pattern determination unit determines whether the area to which the representative pattern is to be extracted from the reference high-definition medical image is a flat area or an area in which an edge exists, and for each representative pattern based on the determination result.
  • the size can be calculated.
  • the representative pattern determination unit may calculate a size for each representative pattern in the reference high quality medical image using a correlation.
  • the representative pattern table further includes at least one of an average and a standard deviation in the representative pattern required for the image quality improving method for each representative pattern, and the image quality improving unit is further configured based on at least one of the average and standard deviation.
  • the image quality improvement method for each representative pattern may be determined, and the image quality of the low quality medical image may be improved by using the image quality improvement method for each representative pattern.
  • the representative pattern determination unit determines whether the current representative pattern is similar to the existing representative pattern existing in the existing representative pattern table, and if similar to the result of the determination, resets the current representative pattern to the representative pattern to represent the representative.
  • the representative pattern table may be updated by configuring a pattern table and adding the current representative pattern as a new representative pattern to the representative pattern table if the pattern table is not similar.
  • the representative pattern determination unit measures a cosine similarity between the vector of the current representative pattern and the vector of the existing representative pattern, and whether the current representative pattern is similar to the existing representative pattern based on the measured cosine similarity. Can be determined.
  • the representative pattern determination unit may set an average of upper N patterns (where N is a natural number) having a high cosine similarity with the current representative pattern as the representative pattern.
  • the representative pattern determination unit determines the representative pattern using pixel values on the spatial domain of the reference high definition medical image or selects the representative pattern using pixel values on the frequency domain of the reference high definition medical image. You can decide.
  • the representative pattern matching unit frequency of the pixel values of the representative pattern and the pixel value of the low-quality medical image and the transform coefficients determined in the reference high-quality medical image Pattern matching between the transformed transform coefficients may be performed, and the image quality improvement unit may perform inverse transformation after improving the transform coefficients of the low quality medical image for each representative pattern of the transform coefficients according to the pattern matching.
  • the representative pattern determination unit selects a reference high quality medical image to be used to improve the quality of the low quality medical image among a plurality of reference high quality medical images based on at least one of the characteristics of the low quality medical image and the shooting environment. Can be.
  • the representative pattern determination unit uses a medical image input by a user or any one selected by the user among a plurality of reference high quality medical images to be used to improve the quality of the low quality medical image. Can be selected.
  • the representative pattern matching unit determines a similarity between the representative pattern and the pattern extracted from the low quality medical image, and includes a pattern including unique identification information of the representative pattern having the highest similarity for each pattern extracted from the low quality medical image.
  • a map is generated, and the image quality improving unit calculates an image quality improvement coefficient for each representative pattern corresponding to the unique identification information by using the pattern map, and improves the quality of the low quality medical image by using the calculated image quality improvement coefficient. can do.
  • the image quality improving unit determines the average value of the representative pattern as a brightness correction coefficient, and determines the ratio between the standard deviation of the representative pattern and the standard deviation of the pattern extracted from the low quality medical image as a noise correction coefficient.
  • the image quality of the low quality medical image may be improved by using the brightness correction coefficient and the noise correction coefficient as the image quality improvement coefficient.
  • the medical image processing apparatus is based on the difference in the radiation exposure amount between the reference high-quality medical image and the low-quality medical image at least of contrast contrast and low-pass filtering for the low-quality medical image
  • the method may further include a preprocessing execution unit which performs preprocessing using one method.
  • a medical image processing apparatus comprising: a representative pattern database including a plurality of representative pattern tables; A representative pattern matching unit which selects one of the plurality of representative pattern tables and performs pattern matching between the representative pattern of the selected representative pattern table and pixel values of a low quality medical image for improving image quality; And an image quality improvement unit for improving an image quality of the low quality medical image by using the image quality improvement method for each representative pattern according to the pattern matching.
  • the representative pattern database further includes a reference high definition medical image corresponding to each of the plurality of representative pattern tables
  • the representative pattern matching unit includes a reference high definition medical image selected according to a selection input operation among the reference high definition medical images.
  • One of the plurality of representative pattern tables may be selected using the medical image.
  • a method of improving an image quality of a medical image processing apparatus by using a pixel value of a reference high-quality medical image to represent a representative pattern as a standard of image quality improvement Determining; In the medical image processing apparatus, performing pattern matching between the representative pattern and pixel values of a low quality medical image for improving image quality; And in the medical image processing apparatus, improving the quality of the low quality medical image by using the image quality improving method for each representative pattern according to the pattern matching.
  • the image quality improving method of the medical image processing apparatus includes a set of the representative pattern for the reference high quality medical image and a size of the representative pattern in the medical image processing apparatus.
  • the method may further include configuring a representative pattern table, and performing the pattern matching may include performing pattern matching with the low quality medical image for each representative pattern with reference to the representative pattern table.
  • the image quality improving method of the medical image processing apparatus in the medical image processing apparatus, based on at least one of the characteristics of the low-quality medical image and the shooting environment, a plurality of reference high-definition medical
  • the method may further include selecting a reference high quality medical image to be used to improve the quality of the low quality medical image.
  • the step of performing pattern matching determines the similarity between the representative pattern and the pattern extracted from the low quality medical image to obtain unique identification information of the representative pattern having the highest similarity for each pattern extracted from the low quality medical image.
  • Generating a pattern map comprising a step, wherein the step of improving the image quality comprises: calculating an image quality improvement coefficient for each representative pattern corresponding to the unique identification information using the pattern map; And improving the image quality of the low quality medical image by using the calculated image quality improvement coefficient.
  • the improving the image quality may include determining an average value of the representative pattern as a brightness correction factor; Determining a ratio between the standard deviation of the representative pattern and the standard deviation of the pattern extracted from the low quality medical image as a noise correction coefficient; And improving the image quality of the low quality medical image by using the brightness correction coefficient and the noise correction coefficient as the image quality improvement coefficient.
  • a method of improving an image quality of a medical image processing apparatus comprising: recording a plurality of representative pattern tables in a representative pattern database in the medical image processing apparatus; Selecting one of the plurality of representative pattern tables in the medical image processing apparatus; In the medical image processing apparatus, performing pattern matching between a representative pattern of the selected representative pattern table and pixel values of a low quality medical image for improving image quality; And in the medical image processing apparatus, improving the image quality of the low quality medical image by using the image quality improving method for each representative pattern according to the pattern matching.
  • the method for improving the quality of a medical image processing apparatus further includes recording a reference high quality medical image corresponding to each of the plurality of representative pattern tables in a representative pattern database.
  • Selecting any one of a plurality of representative pattern tables may include selecting one of the plurality of representative pattern tables using a reference high quality medical image selected according to a selection input operation among the reference high quality medical images. Can be.
  • first, second, A, and B may be used to describe various components, but the components should not be limited by the terms. The terms are used only for the purpose of distinguishing one component from another.
  • the first component may be referred to as the second component, and similarly, the second component may also be referred to as the first component.
  • FIG. 1 is a flowchart illustrating a medical image quality improving method according to an embodiment of the present invention.
  • the medical image of the present invention includes an X-ray computerized tomography image, an ultrasound tomography image, an impedance tomography image, a computed radiography (CR) image, and the like.
  • a medical image quality improving apparatus that performs the medical image quality improving method of the present invention is mounted in a medical imaging apparatus.
  • the medical imaging apparatus may be a magnetic resonance imaging apparatus, and the magnetic resonance imaging apparatus may include a gantry, an operation console, and a central processing unit.
  • the gantry is composed of a main magnet, a secondary magnet and a radio-frequency system.
  • a main magnet a resistive magnet or a superconducting electromagnet may be used.
  • the sub-magnet may include a shimming coil to have a uniform magnetic field strength, a gradient coil for vortex correction, and the like.
  • the radio frequency system may be provided with a frequency synthesizer, a radio frequency power amplifier, a coupler, and the like. Such a configuration and operating principle of the magnetic resonance imaging apparatus are well known to those skilled in the art, and thus detailed descriptions thereof will be omitted.
  • a medical imaging apparatus equipped with a medical image quality improving apparatus is not limited to a magnetic resonance imaging apparatus, and may be configured to image and output image information on a specific part of a patient's body.
  • the configuration of is also possible.
  • the medical imaging apparatus may be a computed tomography apparatus.
  • the low quality medical image may be an original medical image photographed in a Hounsfield Unit (HU) domain, or may be a digital image displayed in units of bits converted from the original image.
  • the term pixel used in the following embodiments may be a point of minimum contrast in a digital image represented by a bit or may be a point of minimum contrast in an original medical image represented by a HU.
  • the image quality improving method of the present invention is processed into a digital image or an original medical image from the beginning to the end of the process, and is not processed by changing the digital image or the original medical image for each process.
  • a brightness correction coefficient for correcting brightness of pixel values of the low quality medical image is determined using pixel values of the reference high quality medical image.
  • a reference high-dose medical image may be used instead of the reference high quality medical image
  • a low-dose medical image may be used instead of the low quality medical image.
  • the high-dose medical image refers to an image obtained by being relatively exposed to radiation
  • the low-dose medical image refers to an image obtained by being relatively exposed to radiation.
  • the pixel value of the reference high-definition medical image used to determine the brightness correction coefficient may be obtained by two methods as follows.
  • the first method is a method of acquiring pixel values from a reference high quality medical image that is most similar to a low quality medical image requiring image quality improvement among a plurality of reference high quality medical images previously photographed.
  • a reference high quality medical image to be used for improving the quality of the low quality medical image is selected from among a plurality of reference high quality medical images previously photographed based on at least one of the characteristics of the low quality medical image and the shooting environment, and then the selected reference.
  • the pixel value of the high definition medical image may be acquired.
  • the characteristics of the medical image may include the type of body part (eg, stomach or liver), location (eg, upper part of upper part, upper part of upper part), size (eg, above small size of a child, large size of adult) Size), a distance between the patient and the scanner, and the medical imaging environment may include a current and voltage in a medical imaging apparatus using radiation, a radiation exposure time, a manufacturer of the medical imaging apparatus, and the like.
  • the characteristic of the medical image may be obtained from the DICOM TAG of the medical image.
  • the reference high-definition medical image is a medical image with a higher radiation exposure than the image to be processed at present
  • the low-quality medical image is an image to be processed at present and is relatively radiological compared to the reference high-definition medical image. It is a medical image with a small dose.
  • the second method is to directly generate pixel values of the reference high quality medical image.
  • the pixel value of the reference high quality medical image to be used to improve the quality of the low quality medical image may be generated based on at least one of information for generating pixel values of the reference high quality medical image and a user input.
  • the user input may be selected from a part of information for generating a pixel value of the reference high-definition medical image, or may be about information itself for generating a pixel value of the reference high-definition medical image. This will be described in detail with reference to FIG. 2.
  • a noise correction coefficient for correcting noise of the low quality medical image is determined using pixel values of the reference high quality medical image.
  • the pixel value of the reference high quality medical image used to determine the noise correction coefficient may also be obtained by the two methods described in operation 110.
  • the image quality of the low quality medical image is improved by using the brightness correction coefficient and the noise correction coefficient.
  • the present invention improves the image quality of the low-quality medical image generated by photographing the body part of the patient by minimizing the radiation exposure by referring to the high-definition medical image for reference, thereby minimizing the radiation exposure of the patient while providing reliable high-quality medical care.
  • the present invention has an effect of significantly shortening the time taken to obtain a high-quality medical image, compared to the conventional one that takes several days to improve the image quality of a low-quality medical image.
  • the brightness correction coefficient and the noise correction coefficient of the present invention may be filter coefficient values of the filter.
  • FIG. 2 is a flowchart illustrating a medical image quality improving method according to another exemplary embodiment of the present invention.
  • an average value of pixel values of the reference high quality medical image is determined as a brightness correction factor for correcting brightness of pixel values of the low quality medical image.
  • the average value of the pixel values of the selected reference high definition medical image is used as a brightness correction coefficient. You decide.
  • the reference high quality medical image is referred to by referring to the first lookup table including information for generating the pixel value of the reference high quality medical image. Can generate a pixel value of.
  • m low (x, y) means an average value of pixel values in a low quality medical image
  • m target means a brightness correction coefficient
  • m low (x, y) is multiplied by 1.5. That is, in Table 1, the average value of the pixel values of the reference high quality medical image is determined as a multiple of the average value m low (x, y) of the pixel values of the low quality medical image.
  • a pixel value of a reference high-definition image may be generated by directly receiving a constant (eg, number 2) to be multiplied by a user (doctor) to a pixel value of a low quality medical image without a first lookup table.
  • the pixel value of the reference high definition image may be generated by receiving a desired dose difference value (for example, 200 doses) from the user based on the lookup table.
  • a ratio between the standard deviation of pixel values of the low quality medical image and the standard deviation of pixel values of the reference high quality medical image is determined as a noise correction coefficient for correcting the noise of the low quality medical image.
  • the noise correction coefficient may be calculated as in Equation 1.
  • Equation 1 std-dev low (x, y) denotes a standard deviation in x, y coordinates of a low quality medical image, and std-dev high (x, y) denotes the x, y coordinate of a high definition medical image for reference. Means the standard deviation. That is, Equation 1 has an effect of correcting noise by generally flattening pixel values of a low quality medical image.
  • the reference high definition medical image is referred to by referring to a first lookup table including information for generating a pixel value of the reference high definition medical image as shown in Table 1. It is possible to generate a pixel value of, the standard deviation std-dev high (x, y) of the reference high-definition medical image is determined, and finally the noise correction coefficient is determined through the equation (1).
  • the noise correction coefficient is calculated by substituting 100.56 for std-dev high (x, y) . You can get it.
  • the brightness correction coefficient and the noise correction coefficient are used to improve the image quality of the low quality medical image.
  • the image quality improvement of the low quality medical image may be performed by Equation 2.
  • the low quality medical image enh (x, y) having the improved image quality is added by the brightness correction coefficient m target, thereby increasing the pixel value of the low quality medical image, thereby brightening the low quality medical image.
  • the noise correction coefficient C is multiplied to reduce the quality. Pixel values of the medical image are generally flattened to correct noise of the low quality medical image.
  • FIG. 3 is a flowchart illustrating a method of improving medical image quality according to another embodiment of the present invention.
  • the ratio of the sum of the absolute values of the deviations of the pixel values of the low quality medical image to the sum of the absolute values of the deviations of the pixel values of the reference high quality medical image is used to correct the noise of the low quality medical image. Determined by the correction factor.
  • the noise correction coefficient may be calculated as shown in Equation 3.
  • AbsSumVar low (x, y) is the sum of absolute values of deviations of pixel values in the x, y coordinates of the low quality medical image
  • AbsSumVar high (x, y) is x, y of the high definition image for reference. The sum of absolute values of deviations of pixel values in coordinates.
  • the brightness correction coefficient for correcting the brightness of the pixel values of the low quality medical image is determined using the ratio between the sum of the absolute values to the deviations of the two.
  • the brightness correction coefficient may be calculated by Equation 4.
  • Equation 4 the average value of the low-quality medical image with noise corrected at the average value m high (x, y) of the reference high- quality medical image. By subtracting the brightness correction coefficient is calculated.
  • the image quality of the low quality medical image is improved by using the brightness correction coefficient and the noise correction coefficient.
  • the image quality improvement of the low quality medical image may be performed by Equation 5.
  • the low quality medical image enh (x, y) having an improved image quality is a scale factor that scales the pixel value low (x, y) of the low quality medical image and is multiplied by a noise correction coefficient A to reduce noise of the low quality medical image. Is corrected, and the brightness correction coefficient B is added to brighten the low quality medical image.
  • FIG. 4 is a diagram illustrating a method of classifying categories in pixel units according to an exemplary embodiment of the present invention.
  • pixel blocks 410, 420, 430, and 440 composed of nine pixels are illustrated, and each pixel block 410, 420, 430, and 440 is sequentially arranged in a horizontal direction and a vertical direction.
  • An edge region in a right diagonal direction and a left diagonal direction, and a target pixel P to which image processing is to be applied is positioned at the center of each pixel block 410, 420, 430, or 440, and adjacent pixels are adjacent to the P.
  • a and B are located.
  • the target pixel P of the first pixel block 410 is classified into a W category belonging to an edge region in the horizontal direction
  • the target pixel of the second pixel block 420 is classified.
  • P is classified into the X category belonging to the edge region in the vertical direction
  • the target pixel P of the third pixel block 430 is classified into the Y category belonging to the edge region in the right diagonal direction
  • the purpose of the fourth pixel block 440 The pixel P may be classified into a Z category belonging to an edge region in the left diagonal direction.
  • the categories of the pixels may be further subdivided as shown in Table 2 below.
  • the detailed type number 0 indicates that the pixel values of P in category W are smaller than the pixel values of A and the pixel values of B
  • the detailed type number 1 indicates that the pixel values of P in category W are the pixel values of A and B. Is the same value as one of the pixel values and is less than the other
  • detail type number 2 indicates that the pixel value of P in category W is the same as one of the pixel values of A and the pixel value of B and is greater than the other.
  • Value type, and detailed type number 3 is a case in which the pixel value of P in the category W is larger than the pixel value of A and the pixel value of B.
  • Detailed type numbers 4 to 15 are detailed categories which are further divided into categories X, Y, and Z according to the same criteria.
  • ETC. is a detailed category for classifying pixel blocks (eg, flat areas) that cannot be classified by the above 16 classification criteria.
  • the brightness correction coefficient and the noise correction coefficient are determined according to the category.
  • applying category classification to the embodiment of FIG. 2 is as follows.
  • a first lookup table including information for generating a high quality medical image for reference is defined as shown in Table 3 below.
  • the noise correction coefficient m i target and the standard deviation std-dev i high (x ,, y) of the reference high definition medical image have different values for each category i.
  • the brightness correction coefficient C i also has a different value for each category i.
  • std-dev i low (x, y) means standard deviation in x, y coordinates of low quality medical images belonging to category i and std-dev i high (x, y) refers to high definition for reference belonging to category i
  • Equation 7 the improvement of the low quality medical image quality according to the embodiment of FIG. 2 to which the category classification is applied is performed by Equation 7.
  • Equation 7 the image quality improvement of the low quality medical image is performed by using the optimum noise correction coefficient m i target and the brightness correction coefficient C i for each category i.
  • the noise correction coefficient to which the category classification is applied may be calculated as shown in Equation 8.
  • AbsSumVar i low (x, y) is a sum of absolute values of deviations of pixel values in x, y coordinates of a low quality medical image belonging to category i
  • AbsSumVar i high (x, y) belongs to category i
  • Equation 9 the average value of the low-quality medical image whose noise is corrected in the category i in the average value m i high (x, y) of the reference high-quality medical image belonging to category i By subtracting the brightness correction coefficient is calculated.
  • an optimal image processing for each category may be performed.
  • the category of the pixel may be classified according to whether the target pixel to which the current image processing is to be performed is a pixel belonging to a flat area, a pixel belonging to a peripheral area of the edge area, or a pixel belonging to an edge area.
  • the first category classification method is a method of classifying categories based on types of objects that may be included in a low quality medical image.
  • a second lookup table is defined in which objects that may be included in the low quality medical image and intervals of pixel values corresponding to each object are defined.
  • a pixel with an HU of 0 may be estimated as a pixel for water and classified as category 1, and a pixel corresponding to a HU range of 200 to 1000 may be classified as a pixel for bone and classified as category 8.
  • the second category classification method is a method of arbitrarily determining the number of categories and allocating a predetermined number of pixel values according to the number of categories according to the size of the pixel value.
  • a third lookup table is shown in which an equal number of pixel values are allocated according to the size of pixel values corresponding to eight categories.
  • pixels whose pixel values belong to 0 to 31 are classified into category 0, and pixels whose pixel values belong to 224 to 255 are classified into category 7.
  • image processing is performed to increase the noise correction coefficient (e.g., a value close to 1) in the pixel corresponding to category 7 in the low quality medical image to weaken the flattening, and to decrease the brightness correction coefficient to increase the brightness slightly.
  • the pixel corresponding to category 0 is subjected to image processing on the contrary.
  • FIG. 5 is a diagram for describing a method of classifying categories in units of areas according to an exemplary embodiment of the present invention.
  • a low quality medical image is classified into an upper left region 510, a lower left region 520, an upper right region 530, and a lower right region 540.
  • a method of classifying categories by area unit is to identify the objects included in the low quality image, and then classify the areas 510, 520, and 530 to which the identified objects belong as separate categories.
  • the region 540 in which no object exists is also classified into a separate category.
  • the category when classifying a category, as shown in the drawing, the category may be classified as including the surrounding area to which the object belongs, but only the area to which the object belongs is classified as a separate category except for the surrounding area to which the object belongs. You can also classify into separate categories.
  • image processing is performed by applying different brightness correction coefficients and noise correction coefficients for each category, but image processing is performed by applying the same brightness correction coefficient and noise correction coefficient to pixels belonging to the same category. .
  • image processing may be performed by applying an image processing method optimized to each category, in addition to performing image processing by varying brightness correction coefficients and noise correction coefficients for each category.
  • image processing may be performed using different filters for each category, or image processing may be performed by multiplying different values for each category.
  • a category in which image processing is not performed may occur among the categories. For example, when ⁇ is selected as 1 when image processing is performed by multiplying an original pixel value by ⁇ , image processing may not be performed.
  • FIG. 6 is a diagram illustrating a medical image quality improving apparatus according to an embodiment of the present invention.
  • the medical image quality improving apparatus 600 includes a brightness correction coefficient determining unit 610, a noise correction coefficient determining unit 620, and an image quality improving unit 630. .
  • the brightness correction coefficient determiner 610 determines the brightness correction coefficient for correcting the brightness of the pixel values of the low quality medical image using the pixel values of the reference high quality medical image.
  • the noise correction coefficient determiner 620 determines noise correction coefficients for correcting the noise of the low quality medical image by using pixel values of the reference high quality medical image.
  • the image quality improving unit 630 improves the image quality of the low quality medical image by using the brightness correction coefficient and the noise correction coefficient.
  • the medical image quality improving apparatus 600 may further include a storage unit (not shown) for storing a plurality of high quality medical images for reference.
  • the storage unit may store types of filters used for image processing, for example, a low pass filter, a high pass filter, a spatial filter, an offset, histogram-paced information, and the like. Such image processing information may be updated by the user.
  • the updated image processing information may be used later when the user analyzes image information about the same body part of another patient.
  • it may be used when another user analyzes image information of the same body part of another patient. Therefore, the user can use the image processing information that is adaptively changed by setting the most desirable image processing information according to the patient's body part and the medical image capturing environment and storing it in the storage unit.
  • the medical image quality improving apparatus 600 is based on at least one of the characteristics of the low-quality medical image and the shooting environment, the quality of the low-quality medical image among the plurality of reference high-quality medical images
  • the apparatus may further include a pixel value obtaining unit (not shown) that selects a reference high quality medical image to be used for improvement and acquires pixel values of the selected high definition medical image.
  • the pixel value acquisition unit may generate pixel values of the reference high quality medical image to be used to improve the quality of the low quality medical image.
  • the medical image quality improving apparatus 600 may further include an input unit (not shown) that receives a user input.
  • the medical image quality improving apparatus 600 may include a pixel value of a target pixel to which image processing for image quality improvement is applied in a low quality medical image and pixel values of adjacent pixels adjacent to the target pixel.
  • the method may further include a category manager (not shown) for classifying the categories of the target pixels by comparing the two.
  • FIG. 7 is a diagram illustrating a medical image processing apparatus according to an exemplary embodiment.
  • the medical image processing apparatus 700 may include a representative pattern determiner 710, a representative pattern matcher 720, an image quality improver 730, and a controller 740. ) May be included.
  • the representative pattern determiner 710 determines a representative pattern which is a standard of image quality improvement by using pixel values of a reference high quality medical image. To this end, the representative pattern determination unit 710 may first select a reference high quality medical image for determining the representative pattern from a plurality of reference high quality medical images.
  • the representative pattern determination unit 710 may be a reference high quality medical image to be used to improve the quality of the low quality medical image among a plurality of high quality medical images for reference based on the characteristics of the low quality medical image for improving the image quality and the shooting environment. Can be selected.
  • the representative pattern determination unit 710 may use any one selected by the user from among a medical image input by a user or a plurality of reference high quality medical images to be used to improve the quality of the low quality medical image. Can be selected as a medical image.
  • the representative pattern determiner 710 may configure a representative pattern table including a set of representative patterns determined for the selected reference high-definition medical image, and sizes of the representative patterns.
  • the representative pattern table may further include an average and a standard deviation in the representative pattern required for the method of improving the quality of each representative pattern in addition to the set of the representative patterns and the size of each representative pattern.
  • the average and standard deviation may be used as basic data by the image quality improving unit 730 to determine a method for improving the quality of each representative pattern.
  • the representative pattern determination unit 710 determines whether the region to which the representative pattern is to be extracted from the reference high-definition medical image is a flat area or an area in which an edge exists, and based on the determination result, The size for each representative pattern can be calculated.
  • the representative pattern determination unit 710 calculates the size of the representative pattern by setting the size of the representative pattern to be large when the position where the representative pattern is extracted from the reference high-definition medical image is a flat area (flat area). In the case where the edge exists, the size of the representative pattern may be set to be small to calculate the size.
  • setting the size of the representative pattern to be large in the case of the flat region is to treat the flat region as a background region because the non-critical portion is generally included in the flat region.
  • setting the size of the representative pattern to be small is to precisely process the edge region as the main region because the edge region generally includes an important part (object of inspection such as liver). to be.
  • the representative pattern determiner 710 may use a correlation to calculate the size for each representative pattern in the reference high quality medical image. For example, the representative pattern determiner 710 may calculate a size for each representative pattern in the reference high quality medical image using a Pearson Correlation Coefficient.
  • the representative pattern determination unit 710 may determine whether the current representative pattern is similar to the existing representative pattern existing in the existing representative pattern table.
  • the representative pattern determination unit 710 measures a cosine similarity between the vector of the current representative pattern and the vector of the existing representative pattern, and the current representative pattern is similar to the existing representative pattern based on the measured cosine similarity. Can be determined.
  • the representative pattern determination unit 710 may configure the representative pattern table by resetting the current representative pattern to the representative pattern. Alternatively, the representative pattern determination unit 710 may set the average of the upper N (natural numbers) patterns having a high cosine similarity with the current representative pattern as the representative pattern.
  • the representative pattern determination unit 710 adds the current representative pattern to the representative pattern table as a new representative pattern when the current representative pattern and the existing representative pattern are not similar as a result of the determination. Can be updated.
  • the representative pattern determination unit 710 may determine the representative pattern by using pixel values on the spatial domain of the reference high definition medical image. Alternatively, the representative pattern determination unit 710 may use the pixel values on the frequency domain of the reference high definition medical image. Representative patterns may also be determined. In this case, the pixel values in the frequency domain are Fourier transform, Discrete Cosine transform, Discrete Sine transform, Fast Fourier transform, Hadamard transform The value (hereinafter, referred to as a conversion coefficient) converted into a coefficient on a frequency by a conversion method such as the like.
  • the representative pattern matching unit 720 performs pattern matching between the representative pattern and pixel values of the low quality medical image.
  • the representative pattern matching unit 720 may perform pattern matching with the low quality medical image for each representative pattern by referring to the representative pattern table. have.
  • the representative pattern matching unit 720 may perform pattern matching between the spatial domain representative pattern of the reference high quality medical image and the spatial domain representative pattern of the low quality medical image.
  • the representative pattern matching unit 720 may perform pattern matching between the frequency domain representative pattern of the reference high quality medical image and the frequency domain representative pattern of the low quality medical image.
  • the representative pattern matching unit 720 may determine a similarity between the representative pattern and a representative pattern extracted from the low quality medical image through the pattern matching process as described above, and generate a pattern map based on the similarity determination result. Can be generated.
  • the pattern map is generated to improve the image quality for each representative pattern, and includes unique identification information of the representative pattern (the representative pattern of the reference medical image) having the highest similarity for each representative pattern extracted from the low quality medical image. can do.
  • the image quality improving unit 730 improves the quality of the low quality medical image by using the image quality improving method for each representative pattern according to the pattern matching of the representative pattern matching unit 720. That is, the image quality improving unit 730 may improve the image quality of the low quality medical image by changing the image quality improvement method for each representative pattern according to the representative pattern on the representative pattern table. Alternatively, the image quality improving unit 730 may improve the quality of the low quality medical image by changing a method for improving the quality of each representative pattern according to the size of the representative pattern on the representative pattern table.
  • the image quality improving unit 730 determines an image quality improving method according to the size of each representative pattern determined by the representative pattern determining unit 710, and uses the determined image quality improving method.
  • the image quality of the low quality medical image may be improved.
  • the image quality improving unit 730 may determine a low pass filter as the image quality improving method to improve the quality of the low quality medical image.
  • the image quality improving unit 730 determines an image quality improvement coefficient including a brightness correction coefficient and a noise correction coefficient by the image quality improvement method, so that the low quality medical image. Can improve the picture quality.
  • the image quality improving unit 730 may apply a high pass filter to the representative pattern to sharpen the edge, and when the edge is clear, the image quality improvement coefficient The image quality improvement method may be determined to determine the quality of the low quality medical image.
  • the image quality improving unit 730 may determine the quality improvement method for each representative pattern based on the average and standard deviation in the representative pattern included in the representative pattern table.
  • the image quality improving unit 730 may improve the quality of the low quality medical image by using the image quality improving method for each representative pattern.
  • the image quality improving unit 730 calculates an image quality improvement coefficient for each representative pattern corresponding to the unique identification information by using the pattern map, and uses the calculated image quality improvement coefficients to adjust the image quality of the low quality medical image. It can be improved.
  • the image quality improvement coefficient may include a brightness correction coefficient and a noise correction coefficient, wherein the brightness correction coefficient may be determined as an average value of the representative pattern, and the noise correction coefficient is a standard deviation of the representative pattern and the low quality. It may be determined as a ratio between standard deviations of patterns extracted from a medical image.
  • the image quality improving unit 730 determines the average value of the representative pattern as the brightness correction factor, and corrects the ratio between the standard deviation of the representative pattern and the standard deviation of the pattern extracted from the low quality medical image. Can be determined by coefficient.
  • the image quality improving unit 730 may improve the image quality of the low quality medical image by using the brightness correction coefficient and the noise correction coefficient as the image quality improvement coefficient.
  • the image quality improving unit 730 improves the quality of the transform coefficient (value of the frequency domain representative pattern) of the low quality medical image for each representative pattern composed of the conversion coefficients, By inversely converting the pixel value, the image quality of the low quality medical image may be improved in the frequency domain.
  • the controller 740 is a medical image processing apparatus 700 according to an embodiment of the present invention, that is, the representative pattern determination unit 710, the representative pattern matching unit 720, the image quality improvement unit 730, and the like. You can control the operation of the overall.
  • FIG. 8 is a diagram illustrating a medical image processing apparatus according to another exemplary embodiment of the present invention.
  • the medical image processing apparatus 800 may include a preprocessing processor 810, a representative pattern determiner 820, a representative pattern matcher 830, and an image quality improver ( 840, and a controller 850.
  • the preprocessing unit 810 other components except for the preprocessing unit 810, that is, the representative pattern determination unit 820, the representative pattern matching unit 830, and the image quality improvement unit 840 are illustrated.
  • the preprocessing unit 810 the preprocessing unit 810 will be described in detail.
  • the preprocessing unit 810 may perform contrast contrast and low pass filtering on the low quality medical image based on a difference in radiation exposure amount between the reference high quality medical image and the low quality medical image. At least one method may be used to perform the pretreatment.
  • the preprocessing performing unit 810 selects the reference high quality medical image
  • the medical image having more radiation exposure is selected than the low quality medical image to improve the image quality
  • the difference in the radiation exposure between the two medical images is greater than the threshold value. In large cases pretreatment can be performed.
  • FIG. 9 is a diagram for explaining a medical image processing apparatus according to another exemplary embodiment.
  • the medical image processing apparatus 900 may include a representative pattern DB 910, a representative pattern matching unit 920, an image quality improving unit 930, and a controller 940. ) May be included.
  • the other components except for the representative pattern DB 910 and the representative pattern matching unit 920 related thereto, that is, the image quality improving unit 930 may include the medical image processing apparatus of FIG. It performs the same or similar function as the components of 700).
  • another embodiment of the present invention provides a medical image processing apparatus 900 that improves the quality of a low quality medical image by using the representative pattern DB 910 without determining a representative pattern. Therefore, in another exemplary embodiment of the present invention, only the representative pattern DB 910 and the representative pattern matching unit 920 related thereto will be described in detail.
  • the representative pattern DB 910 may include a plurality of representative pattern tables and reference high quality medical images corresponding to each of the plurality of representative pattern tables.
  • the representative pattern DB 910 is automatically updated in a server when the radiation exposure amount of the reference high quality medical image is larger than that of the low quality medical image, and the server is represented every time the representative pattern DB 910 is updated.
  • the representative pattern DB 910 may be configured by performing a pattern determination function.
  • the representative pattern DB 910 may be configured.
  • the representative pattern DB 910 may have only the representative pattern table. However, in the case of the manual update, the user may use the medical image for use as the reference medical image. Since the image is selected, it is preferable that the representative pattern DB 910 both have the representative pattern table of the reference medical image and the reference medical image.
  • the representative pattern matching unit 920 may select any one of a plurality of representative pattern tables included in the representative pattern DB 910. In this case, the representative pattern matching unit 920 may select any one of the plurality of representative pattern tables by using the reference high quality medical image selected according to a selection input operation (manual) among the reference high quality medical images. Alternatively, the representative pattern table may be selected in various ways, such as randomly selecting the most suitable representative pattern table.
  • the representative pattern matching unit 920 may perform pattern matching between the representative pattern of the selected representative pattern table and pixel values of a low quality medical image for improving image quality. Since the pattern matching function of the representative pattern matching unit 920 is the same as or similar to that of the representative pattern matching unit 720 of FIG. 7, a description thereof will be omitted.
  • FIG. 10 is a flowchart illustrating a method of improving image quality of a medical image processing apparatus according to an embodiment of the present invention.
  • the medical image processing apparatus determines a representative pattern, which is a standard of image quality improvement, using pixel values of a reference high quality medical image.
  • the medical image processing apparatus may select a reference high quality medical image from the plurality of reference high quality medical images for determining the representative pattern.
  • the medical image processing apparatus selects the reference high quality medical image
  • a medical image having a greater radiation exposure amount is selected than a low quality medical image for which image quality is to be improved
  • the difference in the radiation exposure amount between two medical images is greater than a threshold value. Pretreatment can be performed.
  • pretreatment method methods such as contrast stretching and low pass filtering may be used.
  • the medical image processing apparatus performs pattern matching between the representative pattern and pixel values of the low quality medical image for improving the image quality.
  • the medical image processing apparatus may perform the pattern matching using the representative pattern table.
  • the medical image processing apparatus may determine a similarity between the representative pattern and a representative pattern extracted from the low quality medical image, and generate a pattern map based on the similarity determination result.
  • the pattern map may be used to perform image quality improvement for each representative pattern.
  • the medical image processing apparatus may improve the quality of the low quality medical image by using the image quality improving method for each representative pattern according to the pattern matching.
  • the medical image processing apparatus may perform image quality improvement on the low quality medical image using the image quality improvement method corresponding to the unique identification number (number) of the corresponding representative pattern using the pattern map.
  • FIG. 11 is a flowchart illustrating a process of determining a representative pattern according to an embodiment of the present invention.
  • the medical image processing apparatus selects a reference medical image, and determines an improvement direction of a medical image to be improved as a reference medical image.
  • the reference medical image is relatively high quality compared to the current medical image to be improved, which may mean a difference in radiation exposure amount and may be a medical image designated by a user (doctor or diagnosis person) in some cases. .
  • the reference medical image may be selected as the medical image A. have.
  • representative patterns are determined in the reference medical image, and the determined representative patterns are stored in the representative pattern table.
  • the representative pattern table is a table having a representative pattern of each pattern by dividing the reference medical image into several representative patterns.
  • the representative pattern table may be configured to change the image quality improvement method for each representative pattern later.
  • the essential elements constituting the representative pattern table include a representative pattern and a representative pattern size, and other components may be added.
  • it may be an average in the representative pattern, a standard deviation, and the like, which are required in the image quality improving method for each representative pattern.
  • the representative pattern may be determined by a value on the spatial domain, or may be determined by a value on the frequency domain.
  • the representative pattern on the spatial domain may be configured as a table as shown in FIG. 12, and the representative pattern on the frequency domain may be configured as a table as shown in FIG. 13.
  • FIG. 12 is a representative pattern table configuring a representative pattern with values on a spatial domain
  • FIG. 13 is a representative pattern table configuring a representative pattern with values on a frequency domain using a fast Fourier transform.
  • the representative pattern size is included as an essential element.
  • all the representative patterns of the representative pattern table may be configured with the same size, or may be configured with a different size for each representative pattern.
  • the size of each representative pattern is 2 N pieces.
  • each representative pattern has a different size, it is necessary to specify the size of each representative pattern.
  • the representative pattern may have a size ranging from a maximum of 10 to a minimum of 5, and a representative pattern table may be configured for each size.
  • the size of the pattern may be automatically calculated after determining whether the position where the current pattern is to be extracted is a flat area or an area where an edge exists.
  • various edge detectors such as Harris Corner Detection may be used as a method for determining the existence of an edge.
  • the Harris corner detection analyzes a distribution of values of an arbitrary region by using a Sobel operator and divides the corner corner into an edge region, a flat region, and a corner region.
  • the size of the current pattern in the reference medical image may be calculated using a correlation. For example, referring to Equations 1, 2, and 3 below, when a Pearson correlation coefficient is used, a similar pattern is determined only when the auto correlation coefficient is 0.9 or more using the Pearson correlation coefficient. .
  • Equation 10 is a formula of Pearson correlation coefficient
  • Equation 11 is a formula of covariance for calculating Pearson correlation coefficient
  • Equation 12 is an equation for calculating autocorrelation coefficient. Therefore, by substituting Equation 12 into Equations 10 and 11, autocorrelation coefficients using Pearson's correlation coefficient can be calculated.
  • the medical image processing apparatus determines whether a pattern extracted from the reference medical image exists in the representative pattern table. That is, the medical image processing apparatus determines whether the pattern extracted from the reference medical image is similar to the pattern existing in the existing representative pattern table.
  • the medical image processing apparatus If it is similar to a pattern existing in the existing representative pattern table (YES direction 1120), the medical image processing apparatus resets the representative pattern in step 1140. On the other hand, if the pattern is not similar to the representative patterns of the existing representative pattern table (No direction of 1120), in step 1120 the medical image processing apparatus adds a new representative pattern to the representative pattern table to represent the representative pattern table Update
  • a criterion is required to determine whether the pattern is similar to the representative patterns existing in the existing representative pattern table.
  • the criterion may vary according to the person providing the corresponding method. It demonstrates using.
  • the cosine similarity is mainly used to measure the similarity between two vectors.
  • the cosine similarity is used between two vectors, and the range of values is between -1 and 1, and the closer to -1, the two vectors are in different directions. If the vector is the opposite, and if it is 0, the two vectors are independent. The closer to 1, the two vectors are the same direction.
  • Equation 13 q and d denote vectors.
  • q denotes existing representative patterns
  • d denotes a pattern extracted from a reference medical image.
  • Similarity with representative patterns existing in the existing representative pattern table may be determined according to the cosine similarity calculated using Equation 10. Since the calculated similarity has a value between -1 and 1 as described above, The user or provider can set a threshold of similarity. For example, when the calculated similarity is 0.7 or more, it may be determined that it is similar, and when it is 0.9 or more, it may be determined that it is similar.
  • the representative pattern setting of step 1140 is to set a pattern having a more representative because similar patterns are viewed as the same pattern. Therefore, as the representative pattern setting method, there may be various methods.
  • the first pattern added to the representative pattern table may be set as the representative pattern. In this case, the representative pattern is set only when a new pattern is added to the representative pattern table.
  • the medical image processing apparatus may set an average of patterns having a high cosine similarity with the current representative pattern as the representative pattern.
  • the medical image processing apparatus may calculate an average each time the representative pattern is set by adding the sum of the patterns similar to each representative pattern to the representative pattern table and the number thereof, and otherwise determined to be similar to the representative pattern at present. The average between the patterns may then be calculated and set as a representative pattern.
  • FIG. 14 is a flowchart illustrating a process of matching a representative pattern according to an embodiment of the present invention.
  • the similarity with the extracted pattern is determined (1440) to generate (update) a pattern map of the medical image to be improved (steps 1420-1450).
  • the process of determining the similarity with the pattern extracted from the medical image to be repeated may be repeated up to the maximum value of N.
  • This pattern map is generated to execute the quality improvement step for each representative pattern.
  • the information included in the pattern map is the number N of the most similar representative pattern for each medical image pattern to be improved.
  • the embodiment of the present invention uses the cosine similarity of Equation 1 above.
  • the similarity determination method used in the representative pattern determination step and the similarity determination method used in the representative pattern matching step may be the same or different.
  • a cosine similarity threshold is required.
  • the cosine similarity threshold of the representative pattern determination step and the cosine similarity threshold of the representative pattern matching step may have different values.
  • the representative pattern table is updated by determining the representative pattern with the most similar representative pattern (in this case, the pattern of the most similar representative pattern and the reference medical image).
  • Cosine similarity between the data may be 0.5 or 0.9).
  • the cosine similarity threshold is set to 0.9 so that the cosine similarity between the representative pattern of the representative pattern table and the pattern of the medical image to be improved is 0.9. In the above case, it may be determined that the data is similar, and the pattern map update (step 1450) may be performed.
  • a method of inputting an original image of the medical image and a preprocessed medical image may be input.
  • pre-processing there is a possibility that representative pattern matching may not be performed properly due to a significant difference in image quality between the reference medical image and the medical image to be improved.
  • the preprocessing is performed when the difference in radiation exposure between the two medical images is large.
  • the user may directly designate whether to perform preprocessing.
  • both the result of performing the representative pattern matching using the pre-processed medical image and the result of performing the representative pattern matching using the original medical image may be provided to the user.
  • any method such as contrast stretching or low pass filtering may be used as the pretreatment method.
  • An embodiment of the present invention will be described using a contrast stretching method using minimum and maximum values.
  • Max HighDose and Min HighDose may be replaced with arbitrary values. For example, when using 16-bit data, Max HighDose can be fixed to 32767 and Min HighDose to 2048.
  • the pretreatment provides various methods instead of one method, and a plurality of methods may be used. For example, after performing a contrast stretching method using Equation 14 on the medical image to be improved, low-pass filtering may be performed. In this case, if the representative pattern is composed of values on the frequency domain, the representative pattern is converted to values on the frequency domain by converting the medical image values after preprocessing.
  • the image quality improvement is performed by using the image quality improvement method for each representative pattern designated in the representative pattern table, which may be performed based on Equations 1 and 2 below.
  • std-dev low (x, y) of Equation 1 is a standard deviation in a pattern calculated on the current medical image to be improved
  • std-dev high (x, y) is a standard deviation in a representative pattern.
  • the representative pattern table of FIG. 15 is a representative pattern table according to an embodiment of the present invention.
  • the representative pattern table of FIG. 15 has N, a representative pattern, a size, and an image quality improving method as components, and the size of the representative pattern is constant at 6, and each image pattern has a different image quality improving method.
  • the brightness correction coefficient m target of Equation 14 may be an average for each position of the representative pattern, and std-dev low (x, y) and std-dev high of Equation 12 for calculating the noise correction coefficient C. (x, y) may be the positional standard deviation of the representative pattern.
  • post-processing may be provided. Post-processing may be performed using any method, such as contrast stretching or low pass filters using Equation 11 above.
  • the low pass filter may be performed at the boundary of the pattern, or the low pass filter may be performed when the left and right value differences exceed the arbitrary threshold at the boundary of the pattern.
  • a low pass filter may be performed when a difference in values between the left and right sides of the pattern boundary exceeds a threshold and is not an actual edge.
  • image quality improvement is performed by using a transform coefficient, and then inverse transformation is performed to calculate an improved low quality medical image pixel value.
  • the representative pattern may have a 2D pattern or a 1D pattern. If the pattern has 1D, representative pattern matching may be performed horizontally, vertically, or unidirectionally, or may be performed in both horizontally and vertically.
  • the vertical representative pattern matching and the image quality improvement step are performed using the image that has been performed up to the horizontal representative pattern matching and the image quality improvement step.
  • the horizontal representative pattern matching and the image quality improvement step are performed by using the image that has been performed until the vertical representative pattern matching and the image quality improvement step.
  • post processing may be provided after performing horizontal or vertical representative pattern matching.
  • the post-processing may use contrast stretching or a low pass filter using Equation (14).
  • 16 is a flowchart illustrating a method of improving image quality of a medical image processing apparatus according to another exemplary embodiment of the present invention.
  • the medical image processing apparatus records a plurality of representative pattern tables in the representative pattern DB.
  • the medical image processing apparatus selects any one of the plurality of representative pattern tables.
  • the medical image processing apparatus performs pattern matching between a representative pattern of the selected representative pattern table and pixel values of a low quality medical image for improving image quality.
  • the medical image processing apparatus improves the quality of the low quality medical image by using the image quality improving method for each representative pattern.
  • a reference medical image is required for the representative pattern determination step. If the representative pattern determination process using the reference medical image is omitted, time for improving the medical image quality may be reduced.
  • the image quality of the medical image is improved by using the representative pattern DB (database) without the representative pattern determination step.
  • the representative pattern DB is generated in advance, and the representative pattern DB may be a representative pattern table and a reference medical image.
  • Comprising the representative pattern DB is configured to represent the representative pattern DB by performing a representative pattern determination step whenever the radiation exposure is greater than a certain amount automatically updated and updated on the server, or the user updates the representative pattern DB to the reference medical image If there is a medical image to be used, the representative pattern DB may be configured by manually updating and performing the representative pattern determination step at the time of updating.
  • the former method does not matter if the representative pattern DB has only the representative pattern table, but the latter method is when the user selects a medical image for use as a reference medical image, so that the reference pattern image and the representative pattern table of the reference medical image are combined. It is desirable to have.
  • the former method may be configured as a representative pattern table for each reference medical image together with the reference medical image to provide a reference medical image as a sample to the user.
  • the user may select a desired representative pattern table by using a reference medical image sample among a plurality of representative pattern tables in the representative pattern DB. Therefore, when the image quality improvement of the medical image is performed, the time required for the representative pattern determination step can be shortened.
  • the above-described embodiments of the present invention can be written as a program that can be executed in a computer, and can be implemented in a general-purpose digital computer that operates the program using a computer-readable recording medium.
  • the computer-readable recording medium may include a magnetic storage medium (for example, a ROM, a floppy disk, a hard disk, etc.) and an optical reading medium (for example, a CD-ROM, DVD, etc.).
  • a magnetic storage medium for example, a ROM, a floppy disk, a hard disk, etc.
  • an optical reading medium for example, a CD-ROM, DVD, etc.

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Signal Processing (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Radiology & Medical Imaging (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Artificial Intelligence (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Optics & Photonics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Image Processing (AREA)

Abstract

본 발명의 일실시예는 참조용 하이도즈 의료 영상의 화소 값들을 이용하여 로우도즈 의료 영상의 화소 값들의 밝기를 보정하기 위한 밝기 보정 계수를 결정하고, 그 참조용 하이도즈 의료 영상의 화소 값들을 이용하여 로우도즈 의료 영상의 노이즈를 보정하기 위한 노이즈 보정 계수를 결정한 후, 그 밝기 보정 계수 및 그 노이즈 보정 계수를 이용하여 로우도즈 의료 영상의 화질을 개선하는 의료 영상 화질 개선 방법을 개시한다.

Description

의료 영상 화질 개선 방법 및 그 장치
본 발명은 의료 영상 화질 개선에 관한 것으로, 특히 참조용 하이도즈(high-dose) 의료 영상을 이용하여 의료 영상의 화질을 개선하는 방법 및 그 장치에 관한 것이다.
전자 공학 기술이 발전하면서, 진단의 정확도를 높이기 위한 비침습적 진단 방법을 위해 다양한 종류의 의료 영상 장비가 선보였다. 예를 들면, 컴퓨터 단층 촬영 장치 (CT: Computerized Tomography) 및 자기 공명 영상 장치 (MRI: Magnetic Resonance Imaging device), 단순 방사선 촬영 (X-ray), 토모신세시스 (Tomosynthesis) 등이 있다. 이러한 장치들에 의하여, 과거에는 불가능했던 많은 진단 검사가 가능해지고, 또한 더욱 정밀한 진단을 내리는데 큰 도움이 되었다.
최근 수년간 진단용 의료 영상 기기의 눈부신 발전으로 진단방사선과의 역할이 급신장하였다. 그리하여, 병원을 찾는 환자의 약 50-70% 가량이 비침습적 진단을 받고, 그 결과에 의해 적절한 치료방침이 결정되고 있다. 뿐만 아니라, 수술실에서도 의료 영상 장치가 활용되는데, 이는 촬영 시간이 단축되면서 가능해졌다. 수술실에서는 이동이 가능한 의료 영상 기기가 활용되는데, 이는 진단용 의료 영상 기기에 비해 촬영 속도가 느리고 영상의 화질도 떨어지지만 환자가 움직이지 않아도 촬영이 가능하다는 장점 때문에 수술실에서의 활용이 늘고 있다. 이처럼 점차 의료 영상 기기는 소형화 및 포터블 형태로 진화하고 있으며, 이는 해상도 및 화질 저하를 야기하므로 저화질의 의료 영상의 신뢰도를 짧은 시간에 어떻게 높이는가가 중요한 문제로 대두되고 있다.
하지만, 디스플레이 되는 의료 영상이 판독하기 어려울 경우, 또는 진단에 사용하기 부적절할 경우 종래 기술에 의한 영상 처리 장치에 의해서는 화질을 크게 향상시키기 어렵거나 화질 향상에 오랜 시간이 걸렸다. 따라서, 디스플레이 되는 영상 정보의 화질을 단시간에 현저하게 향상시키는 의료 진단 장치 및 방법의 개발이 절실히 요구된다.
본 발명의 목적은 환자의 방사선 피폭량을 최소화하면서도 신뢰성 있는 고화질의 의료 영상을 제공할 수 있는 의료 영상 화질 개선 방법 및 그 장치를 제공하는 것이다.
상기 목적을 달성하기 위한 본 발명의 일실시예에 따른 의료 영상 화질 개선 방법은 참조용 고화질 의료 영상의 화소 값들을 이용하여 저화질 의료 영상의 화소 값들의 밝기를 보정하기 위한 밝기 보정 계수를 결정하는 단계; 상기 참조용 고화질 의료 영상의 화소 값들을 이용하여 상기 저화질 의료 영상의 노이즈를 보정하기 위한 노이즈 보정 계수를 결정하는 단계; 및 상기 밝기 보정 계수 및 상기 노이즈 보정 계수를 이용하여 상기 저화질 의료 영상의 화질을 개선하는 단계를 포함한다.
본 발명은 참조용 고화질 의료 영상을 이용하여 저화질 의료 영상의 화질을 개선함으로써 환자의 방사선 피폭량을 최소화하면서도 신뢰성 있는 고화질의 의료 영상을 제공할 수 있게 되는 효과가 있다.
또한, 본 발명은 저화질 의료 영상을 화소 블록 단위로 카테고리화 한후, 카테고리마다 상이한 방식으로 화질 개선 처리를 수행함으로써 화질을 개선 성능을 향상시키는 효과가 있다.
또한, 본 발명의 일 실시예에 따르면, 저화질 의료 영상을 화소 블록 단위로 패턴화 한 후 패턴마다 상이한 방식으로 화질 개선 처리를 수행함으로써 화질 개선 성능을 향상시킬 수 있다.
도 1은 본 발명의 일 실시예에 따른 의료 영상 화질 개선 방법을 설명하기 위하여 도시한 흐름도이다.
도 2는 본 발명의 다른 실시예에 따른 의료 영상 화질 개선 방법을 설명하기 위하여 도시한 흐름도이다.
도 3은 본 발명의 또 다른 실시예에 따른 의료 영상 화질 개선 방법을 설명하기 위하여 도시한 흐름도이다.
도 4는 본 발명의 일 실시예에 따라 화소 단위로 카테고리를 분류하는 방법을 설명하기 위하여 도시한 도면이다.
도면는 본 발명의 일 실시예에 따라 영역 단위로 카테고리를 분류하는 방법을 설명하기 위하여 도시한 도면이다.
도 6은 본 발명의 일 실시예에 따른 의료 영상 화질 개선 장치를 설명하기 위하여 도시한 도면이다.
도 7은 본 발명의 일 실시예에 따른 의료 영상 처리 장치를 설명하기 위해 도시한 도면이다.
도 8은 본 발명의 다른 실시예에 따른 의료 영상 처리 장치를 설명하기 위해 도시한 도면이다.
도 9는 본 발명의 또 다른 실시예에 따른 의료 영상 처리 장치를 설명하기 위해 도시한 도면이다.
도 10은 본 발명의 일 실시예에 따른 의료 영상 처리 장치의 화질 개선 방법을 설명하기 위해 도시한 흐름도이다.
도 11은 본 발명의 일 실시예에 따라 대표 패턴을 결정하는 과정을 설명하기 위해 도시한 흐름도이다.
도 12는 공간 도메인 상의 값으로 대표 패턴을 구성한 대표 패턴 테이블이다.
도 13은 고속 푸리에 변환을 이용하여 주파수 도메인 상의 값으로 대표 패턴을 구성한 대표 패턴 테이블이다.
도 14는 본 발명의 일 실시예에 따라 대표 패턴을 매칭하는 과정을 설명하기 위해 도시한 흐름도이다.
도 15는 본 발명의 일 실시예에 따른 대표 패턴 테이블이다.
도 16은 본 발명의 다른 실시예에 따른 의료 영상 처리 장치의 화질 개선 방법을 설명하기 위해 도시한 흐름도이다.
상기 목적을 달성하기 위한 본 발명의 일실시예에 따른 의료 영상 화질 개선 방법은 참조용 고화질 의료 영상의 화소 값들을 이용하여 저화질 의료 영상의 화소 값들의 밝기를 보정하기 위한 밝기 보정 계수를 결정하는 단계; 상기 참조용 고화질 의료 영상의 화소 값들을 이용하여 상기 저화질 의료 영상의 노이즈를 보정하기 위한 노이즈 보정 계수를 결정하는 단계; 및 상기 밝기 보정 계수 및 상기 노이즈 보정 계수를 이용하여 상기 저화질 의료 영상의 화질을 개선하는 단계를 포함한다.
바람직하게는, 본 발명의 일실시예에 따른 의료 영상 화질 개선 방법은 상기 저화질 의료 영상의 특성 및 촬영 환경 중 적어도 하나에 기초하여, 복수의 참조용 고화질 의료 영상들 중에서 상기 저화질 의료 영상의 화질 개선에 이용될 참조용 고화질 의료 영상을 선택하는 단계; 상기 선택된 참조용 고화질 의료 영상의 화소 값들을 획득하는 단계를 더 포함하고, 상기 밝기 보정 계수를 결정하는 단계 및 상기 노이즈 보정 계수를 결정하는 단계는 상기 선택된 참조용 고화질 의료 영상의 화소 값들을 이용하여 수행된다.
바람직하게는, 본 발명의 일실시예에 따른 의료 영상 화질 개선 방법은 참조용 고화질 의료 영상의 화소 값 생성을 위한 정보를 포함하는 제1 룩업 테이블 및 사용자 입력 중 적어도 하나에 기초하여, 상기 저화질 의료 영상의 화질 개선에 이용될 참조용 고화질 의료 영상의 화소 값들을 생성하는 단계를 더 포함하고, 상기 밝기 보정 계수를 결정하는 단계 및 상기 노이즈 보정 계수를 결정하는 단계는 상기 선택된 참조용 고화질 의료 영상의 화소 값들을 이용하여 수행된다.
바람직하게는, 상기 밝기 보정 계수를 결정하는 단계는 상기 참조용 고화질 의료 영상의 화소 값들에 대한 평균 값을 상기 밝기 보정 계수로 결정하는 단계를 포함하고, 상기 노이즈 보정 계수를 결정하는 단계는 상기 저화질 의료 영상의 화소 값들의 표준 편차와 상기 참조용 고화질 의료 영상의 화소 값들의 표준 편차간의 비율을 상기 노이즈 보정 계수로 결정하는 단계를 포함한다.
바람직하게는, 상기 밝기 보정 계수를 결정하는 단계는 상기 참조용 고화질 의료 영상의 화소 값들의 평균 값, 상기 저화질 의료 영상의 화소 값들의 평균 값 및 상기 저화질 의료 영상의 화소 값들의 편차들에 대한 절대값의 합과 상기 참조용 고화질 의료 영상의 화소 값들의 편차들에 대한 절대값의 합간의 비율을 이용하여 상기 밝기 보정 계수를 결정하는 단계를 포함하고, 상기 노이즈 보정 계수를 결정하는 단계는 상기 저화질 의료 영상의 화소 값들의 편차들에 대한 절대값의 합과 상기 참조용 고화질 의료 영상의 화소 값들의 편차들에 대한 절대값의 합간의 비율을 상기 노이즈 보정 계수로 결정하는 단계를 포함한다.
바람직하게는, 본 발명의 일실시예에 따른 의료 영상 화질 개선 방법은 상기 저화질 의료 영상에서 화질 개선을 위한 영상 처리가 적용될 목적 화소의 화소 값과 상기 목적 화소에 인접한 인접 화소들의 화소 값들의 크기를 비교하여 상기 목적 화소의 카테고리를 분류하는 단계를 더 포함하고, 상기 밝기 보정 계수를 결정하는 단계 및 상기 노이즈 보정 계수를 결정하는 단계는 상기 카테고리에 기초하여 수행된다.
바람직하게는, 본 발명의 일실시예에 따른 의료 영상 화질 개선 방법은 상기 저화질 의료 영상에 포함될 수 있는 객체의 종류별로 해당하는 화소 값의 구간이 정의된 제2 룩업 테이블에 기초하여 상기 저화질 의료 영상의 화소 값들의 카테고리를 구분하는 단계를 더 포함하고, 상기 밝기 보정 계수를 결정하는 단계 및 상기 노이즈 보정 계수를 결정하는 단계는 상기 카테고리에 기초하여 수행된다.
바람직하게는, 본 발명의 일실시예에 따른 의료 영상 화질 개선 방법은 복수의 카테고리에 대응하여 소정 개수의 화소 값들이 화소 값의 크기에 따라 할당된 제3 룩업 테이블에 기초하여 상기 저화질 의료 영상의 화소 값들의 카테고리를 구분하는 단계를 더 포함하고, 상기 밝기 보정 계수를 결정하는 단계 및 상기 노이즈 보정 계수를 결정하는 단계는 상기 카테고리에 기초하여 수행된다.
바람직하게는, 본 발명의 일실시예에 따른 의료 영상 화질 개선 방법은 상기 저화질 의료 영상에 포함된 객체들을 식별하는 단계를 더 포함하고, 상기 밝기 보정 계수 및 상기 노이즈 보정 계수는 상기 식별된 객체들이 포함된 각각의 영역마다 상이하게 결정된다.
또한, 상기 목적을 달성하기 위한 본 발명의 일실시예에 따른 의료 영상 화질 개선 장치는 참조용 고화질 의료 영상의 화소 값들을 이용하여 저화질 의료 영상의 화소 값들의 밝기를 보정하기 위한 밝기 보정 계수를 결정하는 밝기 보정 계수 결정부; 상기 참조용 고화질 의료 영상의 화소 값들을 이용하여 상기 저화질 의료 영상의 노이즈를 보정하기 위한 노이즈 보정 계수를 결정하는 노이즈 보정 계수 결정부; 및 상기 밝기 보정 계수 및 상기 노이즈 보정 계수를 이용하여 상기 저화질 의료 영상의 화질을 개선하는 화질 개선부를 포함한다.
바람직하게는, 본 발명의 일실시예에 따른 의료 영상 화질 개선 장치는 복수의 참조용 고화질 의료 영상들을 저장하는 저장부; 및 상기 저화질 의료 영상의 특성 및 촬영 환경 중 적어도 하나에 기초하여, 상기 복수의 참조용 고화질 의료 영상들 중에서 상기 저화질 의료 영상의 화질 개선에 이용될 참조용 고화질 의료 영상을 선택하고, 상기 선택된 참조용 고화질 의료 영상의 화소 값들을 획득하는 화소 값 획득부를 더 포함하고, 상기 밝기 보정 계수 결정부 및 상기 노이즈 보정 계수 결정부는 상기 선택된 참조용 고화질 의료 영상을 이용하여 동작을 수행한다.
바람직하게는, 본 발명의 일실시예에 따른 의료 영상 화질 개선 장치는 참조용 고화질 의료 영상의 화소 값 생성을 위한 정보를 포함하는 제1 룩업 테이블을 저장하는 저장부; 사용자 입력을 수신하는 입력부; 및 상기 제1 룩업 테이블 및 상기 사용자 입력 중 적어도 하나에 기초하여, 상기 저화질 의료 영상의 화질 개선에 이용될 참조용 고화질 의료 영상의 화소 값들을 생성하는 화소 값 획득부를 더 포함하고, 상기 밝기 보정 계수 결정부 및 상기 노이즈 보정 계수 결정부는 상기 선택된 참조용 고화질 의료 영상의 화소 값들을 이용하여 동작을 수행한다.
바람직하게는, 상기 밝기 보정 계수 결정부는 상기 참조용 고화질 의료 영상의 화소 값들에 대한 평균 값을 상기 밝기 보정 계수로 결정하고, 상기 노이즈 보정 계수 결정부는 상기 저화질 의료 영상의 화소 값들의 표준 편차와 상기 참조용 고화질 의료 영상의 화소 값들의 표준 편차간의 비율을 상기 노이즈 보정 계수로 결정한다.
바람직하게는, 상기 밝기 보정 계수 결정부는 상기 참조용 고화질 의료 영상의 화소 값들의 평균값, 상기 저화질 의료 영상의 화소 값들의 평균값 및 상기 저화질 의료 영상의 화소 값들의 편차들에 대한 절대값의 합과 상기 참조용 고화질 의료 영상의 화소 값들의 편차들에 대한 절대값의 합간의 비율을 이용하여 상기 밝기 보정 계수를 결정하고, 상기 노이즈 보정 계수 결정부는 상기 저화질 의료 영상의 화소 값들의 편차들에 대한 절대값의 합과 상기 참조용 고화질 의료 영상의 화소 값들의 편차들에 대한 절대값의 합간의 비율을 상기 노이즈 보정 계수로 결정한다.
바람직하게는, 본 발명의 일실시예에 따른 의료 영상 화질 개선 장치는 상기 저화질 의료 영상에서 화질 개선을 위한 영상 처리가 적용될 목적 화소의 화소 값과 상기 목적 화소에 인접한 인접 화소들의 화소 값들의 크기를 비교하여 상기 목적 화소의 카테고리를 분류하는 카테고리 관리부를 더 포함하고, 상기 밝기 보정 계수 결정부 및 상기 노이즈 보정 계수 결정부는 상기 카테고리에 기초하여 동작을 수행한다.
바람직하게는, 본 발명의 일실시예에 따른 의료 영상 화질 개선 장치는 상기 저화질 의료 영상에 포함될 수 있는 객체의 종류별로 해당하는 화소 값의 구간이 정의된 제2 룩업 테이블에 기초하여 상기 저화질 의료 영상의 화소 값들의 카테고리를 구분하는 카테고리 관리부를 더 포함하고, 상기 밝기 보정 계수 결정부 및 상기 노이즈 보정 계수 결정부는 상기 카테고리에 기초하여 동작을 수행한다.
바람직하게는, 본 발명의 일실시예에 따른 의료 영상 화질 개선 장치는 복수의 카테고리에 대응하여 소정 개수의 화소 값들이 화소 값의 크기에 따라 할당된 제3 룩업 테이블에 기초하여 상기 저화질 의료 영상의 화소 값들의 카테고리를 구분하는 카테고리 관리부를 더 포함하고, 상기 밝기 보정 계수 결정부 및 상기 노이즈 보정 계수 결정부는 상기 카테고리에 기초하여 동작을 수행한다.
바람직하게는, 본 발명의 일실시예에 따른 의료 영상 화질 개선 장치는 상기 저화질 의료 영상에 포함된 객체들을 식별하는 객체 식별부; 및 상기 저화질 의료 영상에서 상기 식별된 객체들이 포함된 각각의 영역을 구분하는 카테고리 관리부를 더 포함하고, 상기 밝기 보정 계수 및 상기 노이즈 보정 계수는 상기 식별된 객체들이 포함된 각각의 영역마다 상이하게 결정된다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 의료 영상 처리 장치는 참조용 고화질 의료 영상의 화소 값들을 이용하여 화질 개선의 기준이 되는 대표 패턴을 결정하는 대표 패턴 결정부; 상기 대표 패턴과 상기 화질 개선을 위한 저화질 의료 영상의 화소 값들 간의 패턴 매칭을 수행하는 대표 패턴 매칭부; 및 상기 패턴 매칭에 따라 상기 대표 패턴별 화질 개선 방법을 이용하여 상기 저화질 의료 영상의 화질을 개선하는 영상 화질 개선부를 포함한다.
바람직하게는, 상기 대표 패턴 결정부는 상기 참조용 고화질 의료 영상 하나에 대한 상기 대표 패턴의 집합 및 상기 대표 패턴별 크기를 포함하는 대표 패턴 테이블을 구성하고, 상기 대표 패턴 매칭부는 상기 대표 패턴 테이블을 참조하여 상기 대표 패턴별로 상기 저화질 의료 영상과의 패턴 매칭을 수행할 수 있다.
바람직하게는, 상기 대표 패턴 결정부는 상기 참조용 고화질 의료 영상에서 상기 대표 패턴을 추출하고자 하는 위치에 대해, 평탄한 영역인지 에지가 존재하는 영역인지를 판별하고, 상기 판별 결과에 기초하여 상기 대표 패턴별 크기를 산출할 수 있다.
바람직하게는, 상기 대표 패턴 결정부는 상관도를 이용하여 상기 참조용 고화질 의료 영상에서 상기 대표 패턴별 크기를 산출할 수 있다.
바람직하게는, 상기 대표 패턴 테이블은 상기 대표 패턴별 화질 개선 방법에 필요한 대표 패턴 내 평균 및 표준편차 중 적어도 하나를 더 포함하고, 상기 영상 화질 개선부는 상기 평균 및 표준편차 중 적어도 하나에 기초하여 상기 대표 패턴별 화질 개선 방법을 결정하고, 상기 대표 패턴별 화질 개선 방법을 이용하여 상기 저화질 의료 영상의 화질을 개선할 수 있다.
바람직하게는, 상기 대표 패턴 결정부는 현재 대표 패턴이 기존의 대표 패턴 테이블에 존재하는 기존 대표 패턴과 유사한지 여부를 판별하고, 상기 판별 결과 유사한 경우 상기 현재 대표 패턴을 상기 대표 패턴으로 재설정하여 상기 대표 패턴 테이블을 구성하고, 상기 판별 결과 유사하지 않은 경우 상기 대표 패턴 테이블에 상기 현재 대표 패턴을 새로운 대표 패턴으로서 추가하여 상기 대표 패턴 테이블을 업데이트할 수 있다.
바람직하게는, 상기 대표 패턴 결정부는 상기 현재 대표 패턴의 벡터와 상기 기존 대표 패턴의 벡터 간의 코사인 유사도를 측정하고, 상기 측정된 코사인 유사도에 기초하여 상기 현재 대표 패턴과 상기 기존 대표 패턴이 유사한지 여부를 판별할 수 있다.
바람직하게는, 상기 대표 패턴 결정부는 상기 현재 대표 패턴과 코사인 유사도가 높은 상위 N(상기 N은 자연수)개의 패턴들의 평균을 상기 대표 패턴으로 설정할 수 있다.
바람직하게는, 상기 대표 패턴 결정부는 상기 참조용 고화질 의료 영상의 공간 도메인상의 화소 값을 이용하여 상기 대표 패턴을 결정하거나, 상기 참조용 고화질 의료 영상의 주파수 도메인상의 화소 값을 이용하여 상기 대표 패턴을 결정할 수 있다.
바람직하게는, 상기 주파수 도메인상의 화소 값을 이용하여 상기 대표 패턴을 결정한 경우, 상기 대표 패턴 매칭부는 상기 참조용 고화질 의료 영상에서 결정된 변환 계수로 구성된 대표 패턴들과 상기 저화질 의료 영상의 화소 값의 주파수 변환된 변환 계수 간의 패턴 매칭을 수행하고, 상기 영상 화질 개선부는 상기 패턴 매칭에 따라, 상기 변환 계수로 구성된 대표 패턴별로 상기 저화질 의료 영상의 변환 계수를 화질 개선한 후 역변환할 수 있다.
바람직하게는, 상기 대표 패턴 결정부는 상기 저화질 의료 영상의 특성 및 촬영 환경 중 적어도 하나에 기초하여, 복수의 참조용 고화질 의료 영상 중에서 상기 저화질 의료 영상의 화질 개선에 이용될 참조용 고화질 의료 영상을 선택할 수 있다.
바람직하게는, 상기 대표 패턴 결정부는 사용자에 의해 입력된 의료 영상, 또는 복수의 참조용 고화질 의료 영상 중에서 상기 사용자에 의해 선택된 어느 하나를, 상기 저화질 의료 영상의 화질 개선에 이용될 참조용 고화질 의료 영상으로 선택할 수 있다.
바람직하게는, 상기 대표 패턴 매칭부는 상기 대표 패턴과 상기 저화질 의료 영상에서 추출된 패턴 간의 유사도를 판별하여, 상기 저화질 의료 영상에서 추출된 패턴별로 가장 유사도가 높은 대표 패턴의 고유 식별 정보를 포함하는 패턴 맵을 생성하고, 상기 영상 화질 개선부는 상기 패턴 맵을 이용하여 상기 고유 식별 정보에 해당하는 대표 패턴별로 화질 개선 계수를 산출하고, 상기 산출된 화질 개선 계수를 이용하여 상기 저화질 의료 영상의 화질을 개선할 수 있다.
바람직하게는, 상기 영상 화질 개선부는 상기 대표 패턴의 평균 값을 밝기 보정 계수로 결정하고, 상기 대표 패턴의 표준 편차와 상기 저화질 의료 영상에서 추출된 패턴의 표준 편차 간의 비율을 노이즈 보정 계수로 결정하며, 상기 화질 개선 계수로서 상기 밝기 보정 계수 및 상기 노이즈 보정 계수를 이용하여 상기 저화질 의료 영상의 화질을 개선할 수 있다.
바람직하게는, 본 발명의 일 실시예에 따른 의료 영상 처리 장치는 상기 참조용 고화질 의료 영상과 상기 저화질 의료 영상 간의 방사선 피폭량의 차이에 기초하여 상기 저화질 의료 영상에 대해 명암대비 스트레칭 및 저역필터링 중 적어도 하나의 방법을 이용하여 전처리를 수행하는 전처리 수행부를 더 포함할 수 있다.
상기 목적을 달성하기 위한 본 발명의 다른 실시예에 따른 의료 영상 처리 장치는 복수의 대표 패턴 테이블을 포함하는 대표 패턴 데이터베이스; 상기 복수의 대표 패턴 테이블 중 어느 하나를 선택하고, 상기 선택된 대표 패턴 테이블의 대표 패턴과 화질 개선을 위한 저화질 의료 영상의 화소 값들 간의 패턴 매칭을 수행하는 대표 패턴 매칭부; 및 상기 패턴 매칭에 따라, 상기 대표 패턴별 화질 개선 방법을 이용하여 상기 저화질 의료 영상의 화질을 개선하는 영상 화질 개선부를 포함한다.
바람직하게는, 상기 대표 패턴 데이터베이스는 상기 복수의 대표 패턴 테이블 각각에 대응되는 참조용 고화질 의료 영상을 더 포함하고, 상기 대표 패턴 매칭부는 상기 참조용 고화질 의료 영상 중 선택 입력 동작에 따라 선택된 참조용 고화질 의료 영상을 이용하여 상기 복수의 대표 패턴 테이블 중 어느 하나를 선택할 수 있다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 의료 영상 처리 장치의 화질 개선 방법은 상기 의료 영상 처리 장치에서, 참조용 고화질 의료 영상의 화소 값들을 이용하여 화질 개선의 기준이 되는 대표 패턴을 결정하는 단계; 상기 의료 영상 처리 장치에서, 상기 대표 패턴과 상기 화질 개선을 위한 저화질 의료 영상의 화소 값들 간의 패턴 매칭을 수행하는 단계; 및 상기 의료 영상 처리 장치에서, 상기 패턴 매칭에 따라 상기 대표 패턴별 화질 개선 방법을 이용하여 상기 저화질 의료 영상의 화질을 개선하는 단계를 포함한다.
바람직하게는, 본 발명의 일 실시예에 따른 의료 영상 처리 장치의 화질 개선 방법은 상기 의료 영상 처리 장치에서, 상기 참조용 고화질 의료 영상 하나에 대한 상기 대표 패턴의 집합 및 상기 대표 패턴별 크기를 포함하는 대표 패턴 테이블을 구성하는 단계를 더 포함하고, 상기 패턴 매칭을 수행하는 단계는 상기 대표 패턴 테이블을 참조하여 상기 대표 패턴별로 상기 저화질 의료 영상과의 패턴 매칭을 수행하는 단계를 포함할 수 있다.
바람직하게는, 본 발명의 일 실시예에 따른 의료 영상 처리 장치의 화질 개선 방법은 상기 의료 영상 처리 장치에서, 상기 저화질 의료 영상의 특성 및 촬영 환경 중 적어도 하나에 기초하여, 복수의 참조용 고화질 의료 영상 중에서 상기 저화질 의료 영상의 화질 개선에 이용될 참조용 고화질 의료 영상을 선택하는 단계를 더 포함할 수 있다.
바람직하게는, 상기 패턴 매칭을 수행하는 단계는 상기 대표 패턴과 상기 저화질 의료 영상에서 추출된 패턴 간의 유사도를 판별하여, 상기 저화질 의료 영상에서 추출된 패턴별로 가장 유사도가 높은 대표 패턴의 고유 식별 정보를 포함하는 패턴 맵을 생성하는 단계를 포함하고, 상기 화질을 개선하는 단계는 상기 패턴 맵을 이용하여 상기 고유 식별 정보에 해당하는 대표 패턴별로 화질 개선 계수를 산출하는 단계; 및 상기 산출된 화질 개선 계수를 이용하여 상기 저화질 의료 영상의 화질을 개선하는 단계를 포함할 수 있다.
바람직하게는, 상기 화질을 개선하는 단계는 상기 대표 패턴의 평균 값을 밝기 보정 계수로 결정하는 단계; 상기 대표 패턴의 표준 편차와 상기 저화질 의료 영상에서 추출된 패턴의 표준 편차 간의 비율을 노이즈 보정 계수로 결정하는 단계; 및 상기 화질 개선 계수로서, 상기 밝기 보정 계수 및 상기 노이즈 보정 계수를 이용하여 상기 저화질 의료 영상의 화질을 개선하는 단계를 포함할 수 있다.
상기 목적을 달성하기 위한 본 발명의 다른 실시예에 따른 의료 영상 처리 장치의 화질 개선 방법은 상기 의료 영상 처리 장치에서, 복수의 대표 패턴 테이블을 대표 패턴 데이터베이스에 기록하는 단계; 상기 의료 영상 처리 장치에서, 상기 복수의 대표 패턴 테이블 중 어느 하나를 선택하는 단계; 상기 의료 영상 처리 장치에서, 상기 선택된 대표 패턴 테이블의 대표 패턴과 화질 개선을 위한 저화질 의료 영상의 화소 값들 간의 패턴 매칭을 수행하는 단계; 및 상기 의료 영상 처리 장치에서, 상기 패턴 매칭에 따라, 상기 대표 패턴별 화질 개선 방법을 이용하여 상기 저화질 의료 영상의 화질을 개선하는 단계를 포함한다.
바람직하게는, 본 발명의 다른 실시예에 따른 의료 영상 처리 장치의 화질 개선 방법은 상기 복수의 대표 패턴 테이블 각각에 대응되는 참조용 고화질 의료 영상을 대표 패턴 데이터베이스에 기록하는 단계를 더 포함하고, 상기 복수의 대표 패턴 테이블 중 어느 하나를 선택하는 단계는 상기 참조용 고화질 의료 영상 중 선택 입력 동작에 따라 선택된 참조용 고화질 의료 영상을 이용하여 상기 복수의 대표 패턴 테이블 중 어느 하나를 선택하는 단계를 포함할 수 있다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 의료 영상 화질 개선 방법을 설명하기 위하여 도시한 흐름도이다.
본 발명의 의료 영상은 X 선 단층촬영(X-ray computerized tomography) 영상, 초음파 단층 촬영(Ultrasound tomography) 영상, 임피던스 단층 촬영(Impedance tomography) 영상, CR(Computed Radiography) 영상 등을 포함한다.
또한, 본 발명의 의료 영상 화질 개선 방법을 수행하는 의료 영상 화질 개선 장치는 의료 영상 기기에 탑재된다고 가정한다.
예컨대, 의료 영상 기기는 자기 공명 영상 장치일 수 있는데, 그 자기 공명 영상 장치는 겐트리(gantry), 동작 콘솔(operation console) 및 중앙 처리 장치로 구성될 수 있다. 겐트리는 주 자석(main magnet), 부 자석(secondary magnet) 및 무선 주파수 시스템(radio-frequency system) 등으로 구성된다. 주 자석으로는 저항성 자석(resistive magnet) 또는 초전도 전자석(superconducting electromagnet) 등이 사용될 수 있는데, 현재 대부분의 병원에서는 초전도성 전자석을 사용한다. 또한, 부 자석에는 균일한 자장 강도를 갖도록 하기 위한 쉬밍 코일(shimming coil) 및 와류 보정을 위한 그레디언트 코일(gradient coil) 등이 포함될 수 있다. 무선 주파수 시스템에는 주파수 합성기, 무선 주파수 전력 증폭기 및 커플러 등이 구비될 수 있다. 자기 공명 영상 장치의 이러한 구성 및 동작 원리에 대해서는 당업자에게 널리 알려져 있으므로, 상세한 설명은 생략한다.
한편, 본 발명의 일 실시예에 따른 의료 영상 화질 개선 장치가 탑재되는 의료 영상 기기는 자기 공명 영상 장치에 한정되지 않고, 환자의 신체의 특정부위에 대한 영상 정보를 영상화하여 출력할 수 있는 어떠한 형태의 구성도 가능하다. 예컨대, 의료 영상 기기는 컴퓨터 단층 촬영 장치일 수 있다.
이하에서, 저화질 의료 영상은 HU(Hounsfield Unit) 도메인에서 촬영된 원본 의료 영상일 수도 있고, 그 원본 영상으로부터 변환된 비트(bit) 단위로 표시되는 디지털 영상일 수도 있다. 따라서, 이하의 실시예에서 사용되는 화소라는 용어는 비트(bit)로 표시되는 디지털 영상에서의 최소단위의 명암의 점일 수도 있고, HU로 표시되는 원본 의료 영상에서의 최소단위의 명암의 점일 수도 있다. 다만, 본 발명의 화질 개선 방법은 프로세스의 처음부터 끝까지 디지털 영상으로 처리되거나, 원본 의료 영상으로 처리되며, 프로세스마다 디지털 영상 또는 원본 의료 영상이 바뀌면서 처리되지는 않는다고 가정한다.
단계 110에서는, 참조용 고화질 의료 영상의 화소 값들을 이용하여 저화질 의료 영상의 화소 값들의 밝기를 보정하기 위한 밝기 보정 계수를 결정한다.
다른 실시예에서는, 참조용 고화질 의료 영상 대신에 참조용 하이-도즈(high-dose) 의료 영상이 사용되고, 저화질 의료 영상 대신에 로우-도즈(low-dose) 의료 영상이 사용될 수 있다. 여기서, 하이-도즈 의료 영상은 방사선에 상대적으로 많이 피폭되어 얻어지는 영상을 의미하고, 로우-도즈 의료 영상은 방사선에 상대적으로 적게 피폭되어 얻어지는 영상을 의미한다.
한편, 밝기 보정 계수를 결정하는데 이용되는 참조용 고화질 의료 영상의 화소 값은 다음과 같이 2가지 방법에 의해 획득될 수 있다.
첫 번째 방법은 기존에 촬영된 복수의 참조용 고화질 의료 영상들 중에서 화질 개선이 필요한 저화질 의료 영상과 가장 유사한 종류의 참조용 고화질 의료 영상으로부터 화소 값을 획득하는 방식이다.
예컨대, 저화질 의료 영상의 특성 및 촬영 환경 중 적어도 하나에 기초하여 기존에 촬영된 복수의 참조용 고화질 의료 영상들 중에서 저화질 의료 영상의 화질 개선에 이용될 참조용 고화질 의료 영상을 선택한 후, 그 선택된 참조용 고화질 의료 영상의 화소 값을 획득할 수 있다.
여기서, 의료 영상의 특성에는 촬영된 환자의 신체 부위의 종류(예컨대, 위 또는 간), 위치(예컨대, 위의 상단부, 위의 하단부), 크기(예컨대,아이의 작은 크기의 위, 어른의 큰 크기의 위), 환자와 스캐너간의 거리 등이 포함될 수 있고, 의료 영상 촬영 환경에는 방사선을 이용하는 의료 영상 기기에서의 전류 및 전압, 방사선 노출 시간, 의료 영상 기기의 제조사 등이 포함될 수 있다. 이때, 의료 영상의 특성은 의료 영상의 DICOM TAG로부터 획득할 수도 있다.
첫 번째 방법에서, 참조용 고화질 의료 영상은 현재 영상처리하고자 하는 영상보다 상대적으로 방사선 피폭량이 많은 의료 영상이며, 저화질 의료 영상은 현재 영상처리하고자 하는 영상이자, 참조용 고화질 의료 영상에 비해 상대적으로 방사선 피폭량이 적은 의료 영상이다.
두 번째 방법은 참조용 고화질 의료 영상의 화소 값을 직접 생성하는 방식이다.
예컨대, 참조용 고화질 의료 영상의 화소 값 생성을 위한 정보와 사용자 입력 중 적어도 하나에 기초하여, 저화질 의료 영상의 화질 개선에 이용될 참조용 고화질 의료 영상의 화소 값을 생성할 수 있다. 이때, 사용자 입력은 참조용 고화질 의료 영상의 화소 값 생성을 위한 정보 중에 일부를 선택하는 것일 수도 있고, 참조용 고화질 의료 영상의 화소 값 생성을 위한 정보 자체에 대한 것일 수도 있다. 이에 대해서는 도 2에서 상세히 설명하도록 한다.
단계 120에서는, 참조용 고화질 의료 영상의 화소 값들을 이용하여 저화질 의료 영상의 노이즈를 보정하기 위한 노이즈 보정 계수를 결정한다.
이때, 노이즈 보정 계수를 결정하는데 이용되는 참조용 고화질 의료 영상의 화소 값 또한 단계 110에서 설명한 2가지 방법에 의해 획득될 수 있다.
단계 130에서는, 그 밝기 보정 계수 및 그 노이즈 보정 계수를 이용하여 저화질 의료 영상의 화질을 개선한다.
이와 같이, 본 발명은 방사선 피폭량을 최소화하여 환자의 신체 부위를 촬영하여 생성된 저화질 의료 영상의 화질을 참조용 고화질 의료 영상을 참조하여 향상시키기 때문에, 환자의 방사선 피폭량을 최소화하면서도 신뢰성 있는 고화질의 의료 영상을 제공할 수 있게 되는 효과가 있다. 또한, 종래에 저화질 의료 영상의 화질을 개선하는데 며칠이 소요되던 것과 비교하면, 본 발명은 고화질 의료 영상을 획득하는데 걸리는 시간을 획기적으로 단축시키는 효과가 있다.
한편, 본 발명의 밝기 보정 계수 및 노이즈 보정 계수는 필터의 필터 계수 값일 수도 있다.
도 2는 본 발명의 다른 실시예에 따른 의료 영상 화질 개선 방법을 설명하기 위하여 도시한 흐름도이다.
단계 210에서는, 참조용 고화질 의료 영상의 화소 값들에 대한 평균 값을 저화질 의료 영상의 화소 값들의 밝기를 보정하기 위한 밝기 보정 계수로 결정한다.
만일, 참조용 고화질 의료 영상의 화소 값을 기존에 촬영된 복수의 참조용 고화질 의료 영상 중 하나로부터 획득하여 사용하는 경우에는 그 선택된 참조용 고화질 의료 영상의 화소 값들에 대한 평균 값을 밝기 보정 계수로 결정하면 된다.
하지만, 참조용 고화질 의료 영상의 화소 값을 새롭게 생성하여 사용하는 경우에는 표1 에서와 같이 참조용 고화질 의료 영상의 화소 값 생성을 위한 정보를 포함하는 제1 룩업 테이블을 참조하여 참조용 고화질 의료 영상의 화소 값을 생성할 수 있다.
표 1
피폭량 차이(mSv) mtarget std-devhigh(x,,y)
200 mlow(x,y) * 1.5 100.56
400 mlow(x,y) * 2 50.7
600 mlow(x,y) * 2.5 25
... ... ...
표 1에서 mlow(x,y)는 저화질 의료 영상에서의 화소 값들의 평균 값을 의미하고, mtarget은 밝기 보정 계수를 의미하며, 저화질 의료 영상과의 방사선 피폭량 차이가 200 mSv만큼인 참조용 고화질 의료 영상의 화소 값들의 평균 값을 생성하고자 하는 경우에는 mlow(x,y)에 1.5를 곱하게 된다. 즉, 표 1에서는 참조용 고화질 의료 영상의 화소 값들의 평균 값을 저화질 의료 영상의 화소 값들의 평균 값 mlow(x,y)의 배수로서 결정하게 된다.
다른 실시예에서는, 제1 룩업 테이블 없이 사용자(의사)로부터 저화질 의료 영상의 화소 값에 곱해질 상수(예컨대, 숫자 2)를 직접 입력받아 참조용 고화질 영상의 화소 값을 생성할 수도 있고, 제1 룩업 테이블을 기초로 사용자로부터 희망하는 dose 차이 값(예컨대, 200 dose)을 입력 받음으로써 참조용 고화질 영상의 화소 값을 생성할 수도 있다.
단계 220에서는, 저화질 의료 영상의 화소 값들의 표준 편차와 참조용 고화질 의료 영상의 화소 값들의 표준 편차간의 비율을 저화질 의료 영상의 노이즈를 보정하기 위한 노이즈 보정 계수로 결정한다.
이때, 노이즈 보정 계수는 수학식 1과 같이 계산될 수 있다.
수학식 1
Figure PCTKR2014004338-appb-M000001
수학식 1에서 std-devlow(x,y)는 저화질 의료 영상의 x,y 좌표에서의 표준 편차를 의미하고 std-devhigh(x,y)는 참조용 고화질 의료 영상의 x,y 좌표에서의 표준 편차를 의미한다. 즉, 수학식 1은 저화질 의료 영상의 화소 값을 전반적으로 평탄화함으로써 노이즈를 보정하는 효과가 발생한다.
만일, 참조용 고화질 의료 영상의 화소 값을 새롭게 생성하여 사용하는 경우에는 표1 에서와 같이 참조용 고화질 의료 영상의 화소 값 생성을 위한 정보를 포함하는 제1 룩업 테이블을 참조하여 참조용 고화질 의료 영상의 화소 값을 생성할 수 있고,이에 따라 참조용 고화질 의료 영상의 표준 편차 std-devhigh(x,y)가 결정되고, 최종적으로 수학식 1을 통해 노이즈 보정 계수가 결정된다.
예컨대, 저화질 의료 영상과의 방사선 피폭량의 차이가 200 mSv만큼인 참조용 고화질 의료 영상의 화소 값을 생성한 경우에, 노이즈 보정 계수는 std-devhigh(x,y)에 100.56을 대입하여 계산함으로써 얻을 수 있다.
단계 230에서는, 그 밝기 보정 계수 및 그 노이즈 보정 계수를 이용하여 저화질 의료 영상의 화질을 개선한다.
저화질 의료 영상의 화질 개선은 수학식 2에 의해 수행될 수 있다.
수학식 2
Figure PCTKR2014004338-appb-M000002
수학식 2에 따르면, 화질이 개선된 저화질 의료 영상 enh(x,y)는 밝기 보정 계수 mtarget만큼이 가산됨으로써 저화질 의료 영상의 화소 값이 커지게 되고 이에 따라 저화질 의료 영상이 밝아지게 된다.
또한, 수학식 2에서 저화질 의료 영상의 화소 값 low(x,y)에서 저화질 의료 영상에서의 화소 값들의 평균 값 mlow(x,y)을 차감한 값에 노이즈 보정 계수 C를 곱함으로써, 저화질 의료 영상의 화소 값들이 전반적으로 평탄화되어 저화질 의료 영상의 노이즈가 보정된다.
도 3은 본 발명의 또 다른 실시예에 따른 의료 영상 화질 개선 방법을 설명하기 위하여 도시한 흐름도이다.
단계 310에서는, 저화질 의료 영상의 화소 값들의 편차들에 대한 절대값의 합과 참조용 고화질 의료 영상의 화소 값들의 편차들에 대한 절대값의 합간의 비율을 저화질 의료 영상의 노이즈를 보정하기 위한 노이즈 보정 계수로 결정한다.
노이즈 보정 계수는 수학식 3과 같이 계산될 수 있다.
수학식 3
Figure PCTKR2014004338-appb-M000003
수학식 3에서 AbsSumVarlow(x,y)는 저화질 의료 영상의 x,y 좌표에서의 화소 값의 편차에 대한 절대값의 합이고, AbsSumVarhigh(x,y)는 참조용 고화질 영상의 x,y 좌표에서의 화소 값의 편차에 대한 절대값의 합이다.
편차의 절대값에 대한 합계를 계산하는 것이 표준 편차를 계산하는 것보다는 연산량이 적기 때문에, 수학식 3을 이용하여 노이즈 보정 계수를 계산하게 되면 수학식 2를 이용하여 노이즈 보정 계수를 계산하는 것에 비하여 연산량이 적어지는 효과가 있다.
단계 320에서는, 참조용 고화질 의료 영상의 화소 값들의 평균 값, 저화질 의료 영상의 화소 값들의 평균 값 및 저화질 의료 영상의 화소 값들의 편차들에 대한 절대값의 합과 참조용 고화질 의료 영상의 화소 값들의 편차들에 대한 절대값의 합간의 비율을 이용하여 저화질 의료 영상의 화소 값들의 밝기를 보정하기 위한 밝기 보정 계수를 결정한다.
밝기 보정 계수는 수학식 4에 의하여 계산될 수 있다.
수학식 4
Figure PCTKR2014004338-appb-M000004
수학식 4에서는 참조용 고화질 의료 영상의 평균 값 mhigh(x,y)에서 노이즈가 보정된 저화질 의료 영상의 평균 값
Figure PCTKR2014004338-appb-I000001
을 차감함으로써 밝기 보정 계수가 계산된다.
단계 330에서는, 그 밝기 보정 계수 및 그 노이즈 보정 계수를 이용하여 저화질 의료 영상의 화질을 개선한다.
저화질 의료 영상의 화질 개선은 수학식 5에 의해 수행될 수 있다.
수학식 5
Figure PCTKR2014004338-appb-M000005
수학식 5에 따르면, 화질이 개선된 저화질 의료 영상 enh(x,y)는 저화질 의료 영상의 화소 값 low(x,y)를 스케일하는 스케일 팩터로서 노이즈 보정 계수 A가 곱해져 저화질 의료 영상의 노이즈가 보정되고, 밝기 보정 계수 B가 가산됨으로써 저화질 의료 영상이 밝아지게 된다.
지금까지는 저화질 의료 영상의 모든 화소 값에 대하여 동일한 노이즈 보정 계수와 밝기 보정 계수가 적용되는 화질 개선 방법에 대해서 설명하였지만, 이하에서는 화소 값들을 카테고리화하여 카테고리별로 상이한 노이즈 보정 계수와 밝기 보정 계수가 적용되는 화질 개선 방법에 대하여 설명하도록 한다.
도 4는 본 발명의 일 실시예에 따라 화소 단위로 카테고리를 분류하는 방법을 설명하기 위하여 도시한 도면이다.
도 4를 참조하면, 9개의 화소로 구성된 화소 블록들(410, 420, 430, 440)이 도시되어 있는데, 각각의 화소 블록들(410, 420, 430, 440)은 순서대로 가로 방향, 세로 방향, 오른쪽 대각선 방향, 왼쪽 대각선 방향의 에지 영역을 포함하고 있고, 각각의 화소 블록들(410, 420, 430, 440)의 중앙에 영상 처리가 적용될 목적 화소인 P가 위치하고, P의 주변에 인접 화소 A 와 B가 위치한다.
도 4에 기초하여, 목적 화소 P의 카테고리를 분류하면, 첫 번째 화소 블록(410)의 목적 화소 P는 가로 방향의 에지 영역에 속하는 W 카테고리로 분류되고, 두 번째 화소 블록(420)의 목적 화소 P는 세로 방향의 에지 영역에 속하는 X 카테고리로 분류되고, 세 번째 화소 블록(430)의 목적 화소 P는 오른쪽 대각선 방향의 에지 영역에 속하는 Y 카테고리로 분류되고, 네 번째 화소 블록(440)의 목적 화소 P는 왼쪽 대각선 방향의 에지 영역에 속하는 Z 카테고리로 분류될 수 있다.
도 4에서 화소의 카테고리 유형은 4개로 분류되었지만, 화소의 카테고리는 표 2에 표시된 것과 같이 보다 세분화될 수 있다.
표 2
카테고리 유형 조건 세부 유형 번호
W P < A 그리고 P < B 0
W (P < A 그리고 P = B) 또는 (P = A 그리고 P < B) 1
W (P > A 그리고 P = B) 또는 (P = A 그리고 P > B) 2
W P > A 그리고 P > B 3
X P < A 그리고 P < B 4
X (P < A 그리고 P = B) 또는 (P = A 그리고 P < B) 5
X (P > A 그리고 P = B) 또는 (P = A 그리고 P > B) 6
X P > A 그리고 P > B 7
Y P < A 그리고 P < B 8
Y (P < A 그리고 P = B) 또는 (P = A 그리고 P < B) 9
Y (P > A 그리고 P = B) 또는 (P = A 그리고 P > B) 10
Y P > A 그리고 P > B 11
Z P < A 그리고 P < B 12
Z (P < A 그리고 P = B) 또는 (P = A 그리고 P < B) 13
Z (P > A 그리고 P = B) 또는 (P = A 그리고 P > B) 14
Z P > A 그리고 P > B 15
ETC. 16
표 2에서 세부 유형 번호 0은 카테고리 W에서 P의 화소 값이 A의 화소 값 및 B의 화소 값보다 작은 경우이고, 세부 유형 번호 1은 카테고리 W에서 P의 화소 값이 A의 화소 값과 B의 화소 값 중 하나와는 같은 값이고 나머지 하나보다는 작은 값인 경우이고, 세부 유형 번호 2는 카테고리 W에서 P의 화소 값이 A의 화소 값과 B의 화소 값 중 하나와는 같은 값이고 나머지 하나보다는 큰 값인 경우이고, 세부 유형 번호 3은 카테고리 W에서 P의 화소 값이 A의 화소 값 및 B의 화소 값보다 큰 경우이다. 세부 유형 번호 4 내지 15는 이와 동일한 기준에 따라 카테고리 X, Y, Z를 보다 세분화하여 구분한 세부 카테고리이다. 또한, ETC.는 위의 16개의 분류 기준으로 분류할 수 없는 화소 블록(예컨대, 평탄한 영역)을 구분하기 위한 세부 카테고리이다.
이와 같이, 목적 화소 P의 카테고리가 분류되면, 밝기 보정 계수 및 노이즈 보정 계수는 그 카테고리에 따라 값이 결정된다.
예컨대, 도 2의 실시예에 대해 카테고리 분류를 적용하면 다음과 같다.
먼저, 참조용 고화질 의료 영상 생성을 위한 정보를 포함하는 제1 룩업 테이블은 표 3과 같이 정의된다.
표 3
dose 차이 mi target std-devi high(x,,y)
200 mi low(x,y) * 1.5 100.56
400 mi low(x,y) * 2 50.7
600 mi low(x,y) * 2.5 25
... ... ...
표 3에서는 카테고리 i 별로 노이즈 보정 계수 mi target과 참조용 고화질 의료 영상의 표준 편차 std-devi high(x,,y)가 상이한 값을 가진다.
이에 따라, 수학식 6에서와 같이 카테고리 i 별로 밝기 보정 계수 Ci도 상이한 값을 갖게 된다.
수학식 6
Figure PCTKR2014004338-appb-M000006
여기서, std-devi low(x,y)는 카테고리 i에 속하는 저화질 의료 영상의 x,y 좌표에서의 표준 편차를 의미하고 std-devi high(x,y)는 카테고리 i에 속하는 참조용 고화질 의료 영상의 x,y 좌표에서의 표준 편차를 의미한다.
마지막으로, 카테고리 분류가 적용된 도 2의 실시예에 따른 저화질 의료 영상 화질 개선은 수학식 7에 의해 수행된다.
수학식 7
Figure PCTKR2014004338-appb-M000007
즉, 수학식 7에서는 카테고리 i별로 최적의 노이즈 보정 계수 mi target과 밝기 보정 계수 Ci를 이용하여 저화질 의료 영상 화질 개선을 수행하게 된다.
다음으로, 도 3의 실시예에 대해 카테고리 분류를 적용하면 다음과 같다.
카테고리 분류가 적용된 노이즈 보정 계수는 수학식 8과 같이 계산될 수 있다.
수학식 8
Figure PCTKR2014004338-appb-M000008
여기서, AbsSumVari low(x,y)는 카테고리 i에 속하는 저화질 의료 영상의 x,y 좌표에서의 화소 값의 편차에 대한 절대값의 합이고, AbsSumVari high(x,y)는 카테고리 i에 속하는 참조용 고화질 영상의 x,y 좌표에서의 화소 값의 편차에 대한 절대값의 합이다.
수학식 9
Figure PCTKR2014004338-appb-M000009
수학식 9에서는 카테고리 i에 속하는 참조용 고화질 의료 영상의 평균 값 mi high(x,y)에서 카테고리 i에 속하는 노이즈가 보정된 저화질 의료 영상의 평균 값
Figure PCTKR2014004338-appb-I000002
을 차감함으로써 밝기 보정 계수가 계산된다.
이와 같이, 화소의 카테고리를 구분하여 영상 처리를 수행하면 카테고리별 최적의 영상 처리를 수행할 수 있게 된다.
다른 실시예에서는, 화소의 카테고리를 현재 영상 처리를 수행하고자 하는 목적 화소가 평탄한 영역에 속하는 화소인지, 에지 영역의 주변 영역에 속하는 화소인지, 또는 에지 영역에 속하는 화소인지 여부에 따라 구분할 수도 있다.
도 4의 실시예에서는 에지 방향에 기초하여 저화질 의료 영상의 화소의 카테고리를 분류하는 방식에 대해 설명하였지만, 화소의 카테고리를 분류하는 방식은 이에 한정되지 않는다. 이하에서는 화소의 카테고리를 분류하는 다른 방식들에 대하여 설명한다.
첫번째 카테고리 분류 방식은, 저화질 의료 영상에 포함될 수 있는 객체의 종류에 기초하여 카테고리를 분류하는 방식이다.
표 4를 참조하면, 저화질 의료 영상에 포함될 수 있는 객체들과 각각의 객체에 대응되는 화소 값의 구간이 정의된 제2 룩업 테이블이 도시되어 있다.
표 4
물체 HU 범위 카테고리 번호
지방 -100 0
물 0 1
뇌척수액 1~10 2
뇌 12~18 3
하얀 물체 22~32 4
회색 물체 35~45 5
출혈 55~75 6
석회 침착 80~200 7
뼈 200~1000 8
예컨대, 표 4에 따르면 HU가 0인 화소는 물에 대한 화소로 추정되며 카테고리 1로 분류되고, HU 범위 200~1000에 해당하는 화소는 뼈에 대한 화소로 추정되며 카테고리 8로 분류될 수 있다.
두번째 카테고리 분류 방식은, 카테고리의 개수를 임의로 정하고, 그 카테고리 개수에 따라 소정 개수의 화소 값들을 화소 값의 크기에 따라 할당하는 방식이다.
표 5를 참조하면, 8개의 카테고리에 대응하여 화소 값의 크기에 따라 균등한 개수의 화소 값들이 할당된 제3 룩업 테이블이 도시되어 있다.
표 5
화소 값 구간 카테고리 번호
0~31 0
32~63 1
64~97 2
98~127 3
128~159 4
160~191 5
192~223 6
224~255 7
예컨대, 표 5에 따르면 화소 값이 0~31에 속하는 화소는 카테고리 0으로 분류되고, 화소 값이 224~255에 속하는 화소는 카테고리 7로 분류된다. 이와 같이, 카테고리가 분류되면 저화질 의료 영상에서 카테고리 7에 해당하는 화소에는 노이즈 보정 계수(예컨대, 1에 가까운 값)를 크게 하여 평탄화를 약하게 하고, 밝기 보정 계수는 작게 하여 밝기를 조금만 높이도록 영상 처리를 수행하고, 카테고리 0에 해당하는 화소에는 그와 반대로 영상 처리를 수행하게 된다.
지금까지는 저화질 의료 영상에서 화소 단위로 카테고리를 분류하는 방식에 대하여 설명하였으나, 이하에서는 영역 단위로 카테고리를 분류하는 방식에 대하여 설명한다.
도 5는 본 발명의 일 실시예에 따라 영역 단위로 카테고리를 분류하는 방법을 설명하기 위하여 도시한 도면이다.
도 5를 참조하면, 저화질 의료 영상이 좌측 상단 영역(510), 좌측 하단 영역(520), 우측 상단 영역(530) 및 우측 하단 영역(540)으로 카테고리가 구분되어 있다.
이와 같이 영역 단위로 카테고리를 구분하는 방식을 설명하면, 저화질 영상에 포함된 객체들을 식별한 후에, 그 식별된 객체들이 속하는 영역들(510, 520, 530)을 별도의 카테고리로 구분하는 것이다. 도면에서는 객체가 존재하지 않는 영역(540)도 별도의 카테고리로 분류하였다.
한편, 카테고리를 분류할 때, 도면에서와 같이 객체가 속하는 주변 영역까지 포함하여 카테고리를 크게 분류할 수도 있지만, 객체가 속하는 주변 영역은 제외하고 객체가 속하는 영역만을 별도의 카테고리로 분류하고 그 외의 영역을 별도 카테고리로 분류할 수도 있다.
이와 같이 카테고리가 구분되면, 카테고리별로 상이한 밝기 보정 계수 및 노이즈 보정 계수를 적용하여 영상 처리를 수행하지만, 동일한 카테고리에 속하는 화소들에 대해서는 동일한 밝기 보정 계수 및 노이즈 보정 계수를 적용하여 영상 처리를 수행한다.
또한, 본 발명의 카테고리가 구분되면, 카테고리별로 밝기 보정 계수 및 노이즈 보정 계수를 달리하여 영상 처리를 수행하는 것 외에도, 각각의 카테고리에 최적화된 영상 처리 방법을 적용하여 영상 처리를 수행할 수도 있다.
예컨대, 카테고리별로 상이한 필터를 이용하여 영상 처리를 하거나, 카테고리별로 상이한 값을 곱하여 영상처리를 수행할 수도 있다. 이때, 카테고리 중에는 영상 처리가 수행되지 않는 카테고리가 발생할 수 있다. 예컨대, 원본 화소 값에 α를 곱하여 영상 처리하는 경우에 α가 1로 선택된 경우에는 영상 처리가 수행되지 않는 효과가 있다.
도 6은 본 발명의 일 실시예에 따른 의료 영상 화질 개선 장치를 설명하기 위하여 도시한 도면이다.
도 6을 참조하면, 본 발명의 일 실시예에 따른 의료 영상 화질 개선 장치(600)는 밝기 보정 계수 결정부(610), 노이즈 보정 계수 결정부(620) 및 화질 개선부(630)를 포함한다.
밝기 보정 계수 결정부(610)는 참조용 고화질 의료 영상의 화소 값들을 이용하여 저화질 의료 영상의 화소 값들의 밝기를 보정하기 위한 밝기 보정 계수를 결정한다.
노이즈 보정 계수 결정부(620)는 참조용 고화질 의료 영상의 화소 값들을 이용하여 저화질 의료 영상의 노이즈를 보정하기 위한 노이즈 보정 계수를 결정한다.
화질 개선부(630)는 그 밝기 보정 계수 및 그 노이즈 보정 계수를 이용하여 저화질 의료 영상의 화질을 개선한다.
바람직하게는, 본 발명의 일 실시예에 따른 의료 영상 화질 개선 장치(600)는 복수의 참조용 고화질 의료 영상들을 저장하는 저장부(미도시)를 더 포함할 수 있다. 또한, 저장부는 영상 처리에 이용되는 필터의 종류, 예컨대 저역 필터, 고역 필터, spatial 필터, 오프셋, 히스토그램 평화화 관련 정보 등을 저장할 수 있다. 이와 같은 영상 처리 정보는 사용자에 의하여 업데이트될 수도 있다.
예컨대, 영상 처리 정보가 사용자에 의하여 업데이트되는 경우, 업데이트된 영상 처리 정보는 추후에 사용자가 다른 환자의 동일한 신체 부위에 대한 영상 정보를 분석할 경우 사용될 수 있다. 또는, 다른 사용자가 다른 환자의 동일한 신체 부위에 대한 영상 정보를 분석할 경우에도 사용될 수도 있다. 따라서, 사용자는 환자의 신체 부위와 의료 영상 촬영 환경에 따른 가장 바람직한 영상 처리 정보를 설정하여 저장부에 저장하여 둠으로써, 적응적으로 변화하는 영상 처리 정보를 이용할 수 있다.
바람직하게는, 본 발명의 일 실시예에 따른 의료 영상 화질 개선 장치(600)는 저화질 의료 영상의 특성 및 촬영 환경 중 적어도 하나에 기초하여, 복수의 참조용 고화질 의료 영상들 중에서 저화질 의료 영상의 화질 개선에 이용될 참조용 고화질 의료 영상을 선택하고, 그 선택된 참조용 고화질 의료 영상의 화소 값들을 획득하는 화소 값 획득부(미도시)를 더 포함할 수 있다.
다른 실시예에서는, 본 발명의 일 실시예에 따른 화소 값 획득부는 저화질 의료 영상의 화질 개선에 이용될 참조용 고화질 의료 영상의 화소 값을 생성할 수도 있다.
바람직하게는, 본 발명의 일 실시예에 따른 의료 영상 화질 개선 장치(600)는 사용자 입력을 수신하는 입력부(미도시)를 더 포함할 수 있다.
바람직하게는, 본 발명의 일 실시예에 따른 의료 영상 화질 개선 장치(600)는 저화질 의료 영상에서 화질 개선을 위한 영상 처리가 적용될 목적 화소의 화소 값과 목적 화소에 인접한 인접 화소들의 화소 값들의 크기를 비교하여 목적 화소의 카테고리를 분류하는 카테고리 관리부(미도시)를 더 포함할 수 있다.
도 7은 본 발명의 일 실시예에 따른 의료 영상 처리 장치를 설명하기 위해 도시한 도면이다.
도 7을 참조하면, 본 발명의 일 실시예에 따른 의료 영상 처리 장치(700)는 대표 패턴 결정부(710), 대표 패턴 매칭부(720), 영상 화질 개선부(730), 및 제어부(740)를 포함할 수 있다.
상기 대표 패턴 결정부(710)는 참조용 고화질 의료 영상의 화소 값들을 이용하여 화질 개선의 기준이 되는 대표 패턴을 결정한다. 이를 위해, 상기 대표 패턴 결정부(710)는 우선적으로 상기 대표 패턴을 결정하기 위한 참조용 고화질 의료 영상을 복수의 참조용 고화질 의료 영상 중에서 선택할 수 있다.
즉, 상기 대표 패턴 결정부(710)는 화질 개선을 위한 저화질 의료 영상의 특성 및 촬영 환경 등에 기초하여, 복수의 참조용 고화질 의료 영상 중에서 상기 저화질 의료 영상의 화질 개선에 이용될 참조용 고화질 의료 영상을 선택할 수 있다.
또는, 상기 대표 패턴 결정부(710)는 사용자에 의해 입력된 의료 영상, 또는 복수의 참조용 고화질 의료 영상 중에서 상기 사용자에 의해 선택된 어느 하나를, 상기 저화질 의료 영상의 화질 개선에 이용될 참조용 고화질 의료 영상으로 선택할 수 있다.
상기 대표 패턴 결정부(710)는 상기 선택된 참조용 고화질 의료 영상 하나에 대해서 결정된 대표 패턴의 집합, 및 상기 대표 패턴별 크기를 포함하는 대표 패턴 테이블을 구성할 수 있다. 여기서, 상기 대표 패턴 테이블은 상기 대표 패턴의 집합 및 대표 패턴별 크기에 더하여, 상기 대표 패턴별 화질 개선 방법에 필요한 대표 패턴 내 평균 및 표준편차 등을 더 포함할 수 있다. 상기 평균 및 표준편차는 상기 영상 화질 개선부(730)에서 상기 대표 패턴별 화질 개선 방법을 결정하는 데에 기초 자료로 이용될 수 있다.
상기 대표 패턴 결정부(710)는 상기 참조용 고화질 의료 영상에서 상기 대표 패턴을 추출하고자 하는 위치에 대해, 평탄한 영역인지 에지(edge)가 존재하는 영역인지를 판별하고, 그 판별 결과에 기초하여 상기 대표 패턴별 크기를 산출할 수 있다.
즉, 상기 대표 패턴 결정부(710)는 상기 참조용 고화질 의료 영상에서 상기 대표 패턴을 추출하고자 하는 위치가 평탄한 영역(평탄 영역)인 경우, 상기 대표 패턴의 크기를 크게 설정하여 그 크기를 산출할 수 있고, 에지가 존재하는 영역(에지 영역)인 경우, 상기 대표 패턴의 크기를 작게 설정하여 그 크기를 산출할 수 있다.
이와 같이, 상기 평탄 영역의 경우에 상기 대표 패턴의 크기를 크게 설정하는 것은 상기 평탄 영역에 일반적으로 중요하지 부분이 포함되기 때문에 그 평탄 영역을 배경 영역으로 처리하기 위함이다. 이에 반해, 상기 에지 영역의 경우에 상기 대표 패턴의 크기를 작게 설정하는 것은 상기 에지 영역에 일반적으로 중요한 부분(간 등의 검사 대상)이 포함되기 때문에 그 에지 영역을 메인 영역으로 정밀하게 처리하기 위함이다.
상기 대표 패턴 결정부(710)는 상기 참조용 고화질 의료 영상에서 상기 대표 패턴별 크기를 산출하기 위해 상관도를 이용할 수 있다. 예를 들면, 상기 대표 패턴 결정부(710)는 피어슨 상관 계수(Pearson Correlation Coefficient)가를 이용하여 상기 참조용 고화질 의료 영상에서 상기 대표 패턴별로 크기를 산출할 수 있다.
상기 대표 패턴 테이블의 구성(업데이트)과 관련하여, 상기 대표 패턴 결정부(710)는 현재 대표 패턴이 기존의 대표 패턴 테이블에 존재하는 기존 대표 패턴과 유사한지 여부를 판별할 수 있다.
이때, 상기 대표 패턴 결정부(710)는 상기 현재 대표 패턴의 벡터와 상기 기존 대표 패턴의 벡터 간의 코사인 유사도를 측정하고, 상기 측정된 코사인 유사도에 기초하여 상기 현재 대표 패턴과 상기 기존 대표 패턴이 유사한지 여부를 판별할 수 있다.
상기 대표 패턴 결정부(710)는 상기 판별 결과 유사한 경우, 상기 현재 대표 패턴을 상기 대표 패턴으로 재설정하여 상기 대표 패턴 테이블을 구성할 수 있다. 또는, 상기 대표 패턴 결정부(710)는 상기 현재 대표 패턴과 코사인 유사도가 높은 상위 N(자연수)개의 패턴들의 평균을 상기 대표 패턴으로 설정할 수 있다.
반면, 상기 대표 패턴 결정부(710)는 상기 판별 결과, 상기 현재 대표 패턴과 상기 기존 대표 패턴이 유사하지 않은 경우, 상기 대표 패턴 테이블에 상기 현재 대표 패턴을 새로운 대표 패턴으로서 추가하여 상기 대표 패턴 테이블을 업데이트할 수 있다.
상기 대표 패턴 결정부(710)는 상기 참조용 고화질 의료 영상의 공간 도메인상의 화소 값을 이용하여 상기 대표 패턴을 결정할 수 있으며, 또 달리 상기 참조용 고화질 의료 영상의 주파수 도메인상의 화소 값을 이용하여 상기 대표 패턴을 결정할 수도 있다. 여기서, 상기 주파수 도메인상의 화소 값은 푸리에 변환(Fourier Transform), 이산 코사인 변환(Discrete Cosine Transform), 이산 사인 변환(Discrete Sine Transform), 고속 푸리에 변환(Fast Fourier Transform), 하다마드 변환(Hadamard Transform) 등의 변환 방법에 의해 주파수상의 계수로 변환된 값(이하, 변환 계수)을 말한다.
상기 대표 패턴 매칭부(720)는 상기 대표 패턴과 상기 저화질 의료 영상의 화소 값들 간의 패턴 매칭을 수행한다. 상기 대표 패턴 결정부(720)에 의해 상기 대표 패턴 테이블이 구성된 경우, 상기 대표 패턴 매칭부(720)는 상기 대표 패턴 테이블을 참조하여 상기 대표 패턴별로 상기 저화질 의료 영상과의 패턴 매칭을 수행할 수 있다.
이때, 상기 대표 패턴 매칭부(720)는 상기 참조용 고화질 의료 영상의 상기 공간 도메인 대표 패턴과, 상기 저화질 의료 영상의 공간 도메인 대표 패턴 간의 패턴 매칭을 수행할 수 있다. 또 달리, 상기 대표 패턴 매칭부(720)는 상기 참조용 고화질 의료 영상의 주파수 도메인 대표 패턴과, 상기 저화질 의료 영상의 주파수 도메인 대표 패턴 간의 패턴 매칭을 수행할 수 있다.
상기 대표 패턴 매칭부(720)는 상기와 같은 패턴 매칭 과정을 통해, 상기 대표 패턴과 상기 저화질 의료 영상에서 추출된 대표 패턴 간의 유사도를 판별할 수 있으며, 상기 유사도 판별 결과를 바탕으로 하여 패턴 맵을 생성할 수 있다. 여기서, 상기 패턴 맵은 각 대표 패턴별로 화질 개선을 실행하기 위해 생성하며, 상기 저화질 의료 영상에서 추출된 대표 패턴별로 가장 유사도가 높은 대표 패턴(참조용 의료 영상의 대표 패턴)의 고유 식별 정보를 포함할 수 있다.
상기 영상 화질 개선부(730)는 상기 대표 패턴 매칭부(720)의 패턴 매칭에 따라, 상기 대표 패턴별 화질 개선 방법을 이용하여 상기 저화질 의료 영상의 화질을 개선한다. 즉, 상기 영상 화질 개선부(730)는 상기 대표 패턴 테이블 상의 대표 패턴에 따라 상기 대표 패턴별 화질 개선 방법을 달리하여 상기 저화질 의료 영상의 화질을 개선할 수 있다. 또는, 상기 영상 화질 개선부(730)는 상기 대표 패턴 테이블 상의 대표 패턴의 크기에 따라 상기 대표 패턴별 화질 개선 방법을 달리하여 상기 저화질 의료 영상의 화질을 개선할 수 있다.
즉, 상기 영상 화질 개선부(730)는 상기 대표 패턴 테이블이 없는 경우, 상기 대표 패턴 결정부(710)에 의해 결정된 대표 패턴별 크기에 따라 화질 개선 방법을 결정하고, 상기 결정된 화질 개선 방법을 이용하여 상기 저화질 의료 영상의 화질을 개선할 수 있다.
예컨대, 상기 평탄 영역과 같이 상기 대표 패턴의 크기가 작은 경우, 상기 영상 화질 개선부(730)는 저역 필터를 상기 화질 개선 방법으로 결정하여 상기 저화질 의료 영상의 화질을 개선할 수 있다. 또한, 상기 에지 영역과 같이 상기 대표 패턴의 크기가 큰 경우, 상기 영상 화질 개선부(730)는 밝기 보정 계수와 노이즈 보정 계수를 포함하는 화질 개선 계수를 상기 화질 개선 방법으로 결정하여 상기 저화질 의료 영상의 화질을 개선할 수 있다.
참고로, 상기 에지 영역에서 에지가 불분명한 경우, 상기 영상 화질 개선부(730)는 해당 대표 패턴에 고역 필터를 적용하여 에지를 선명하게 하는 처리를 할 수 있으며, 에지가 선명해지면 상기 화질 개선 계수를 상기 화질 개선 방법으로 결정하여 상기 저화질 의료 영상의 화질을 개선할 수 있다.
한편, 상기 대표 패턴 테이블이 있는 경우, 상기 영상 화질 개선부(730)는 상기 대표 패턴 테이블에 포함된 대표 패턴 내 평균 및 표준편차 등에 기초하여 상기 대표 패턴별 화질 개선 방법을 결정할 수 있다. 상기 영상 화질 개선부(730)는 상기 대표 패턴별 화질 개선 방법을 이용하여 상기 저화질 의료 영상의 화질을 개선할 수 있다.
이때, 상기 영상 화질 개선부(730)는 상기 패턴 맵을 이용하여 상기 고유 식별 정보에 해당하는 대표 패턴별로 화질 개선 계수를 산출하고, 상기 산출된 화질 개선 계수를 이용하여 상기 저화질 의료 영상의 화질을 개선할 수 있다.
여기서, 상기 화질 개선 계수는 밝기 보정 계수와 노이즈 보정 계수를 포함할 수 있는데, 상기 밝기 보정 계수는 상기 대표 패턴의 평균 값으로 결정될 수 있고, 상기 노이즈 보정 계수는 상기 대표 패턴의 표준 편차와 상기 저화질 의료 영상에서 추출된 패턴의 표준 편차 간의 비율로 결정될 수 있다.
다시 말하면, 상기 영상 화질 개선부(730)는 상기 대표 패턴의 평균 값을 상기 밝기 보정 계수로 결정하고, 상기 대표 패턴의 표준 편차와 상기 저화질 의료 영상에서 추출된 패턴의 표준 편차 간의 비율을 노이즈 보정 계수로 결정할 수 있다. 상기 영상 화질 개선부(730)는 상기 화질 개선 계수로서 상기 밝기 보정 계수 및 상기 노이즈 보정 계수를 이용하여 상기 저화질 의료 영상의 화질을 개선할 수 있다.
한편, 상기 영상 화질 개선부(730)는 주파수 도메인 대표 패턴을 이용하는 경우, 상기 변환 계수로 구성된 대표 패턴별로 상기 저화질 의료 영상의 변환 계수(주파수 도메인 대표 패턴의 값)를 화질 개선한 후 공간 도메인상의 화소 값으로 역변환함으로써, 주파수 도메인상에서 저화질 의료 영상에 대한 화질 개선을 수행할 수 있다.
상기 제어부(740)는 본 발명의 일 실시예에 따른 의료 영상 처리 장치(700), 즉 상기 대표 패턴 결정부(710), 상기 대표 패턴 매칭부(720), 상기 영상 화질 개선부(730) 등의 동작을 전반적으로 제어할 수 있다.
도 8은 본 발명의 다른 실시예에 따른 의료 영상 처리 장치를 설명하기 위해 도시한 도면이다.
도 8을 참조하면, 본 발명의 다른 실시예에 따른 의료 영상 처리 장치(800)는 전처리 수행부(810), 대표 패턴 결정부(820), 대표 패턴 매칭부(830), 영상 화질 개선부(840), 및 제어부(850)를 포함할 수 있다.
본 발명의 다른 실시예에서는 상기 전처리 수행부(810)를 제외한 나머지 구성요소들, 즉 상기 대표 패턴 결정부(820), 상기 대표 패턴 매칭부(830), 상기 영상 화질 개선부(840)가 도 7의 의료 영상 처리 장치(700)의 구성요소들과 동일 또는 유사한 기능을 수행한다. 따라서, 본 발명의 다른 실시예에서는 상기 전처리 수행부(810)에 대해서만 상세히 설명하기로 한다.
상기 전처리 수행부(810)는 상기 참조용 고화질 의료 영상과 상기 저화질 의료 영상 간의 방사선 피폭량의 차이에 기초하여, 상기 저화질 의료 영상에 대해 명암대비 스트레칭(Contrast Stretching) 및 저역필터링(Low Pass Filtering) 중 적어도 하나의 방법을 이용하여 전처리를 수행할 수 있다.
즉, 상기 전처리 수행부(810)는 상기 참조용 고화질 의료 영상을 선택할 때, 화질 개선을 하고자 하는 저화질 의료 영상보다 방사선 피폭량이 많은 의료 영상을 선택한 경우, 두 의료 영상 간의 방사선 피폭량의 차이가 임계치보다 큰 경우에 전처리를 수행할 수 있다.
도 9는 본 발명의 또 다른 실시예에 따른 의료 영상 처리 장치를 설명하기 위해 도시한 도면이다.
도 9를 참조하면, 본 발명의 또 다른 실시예에 따른 의료 영상 처리 장치(900)는 대표 패턴 DB(910), 대표 패턴 매칭부(920), 영상 화질 개선부(930), 및 제어부(940)를 포함할 수 있다.
본 발명의 또 다른 실시예에서는 상기 대표 패턴 DB(910) 및 이와 관련된 상기 대표 패턴 매칭부(920)를 제외한 나머지 구성요소, 즉 상기 영상 화질 개선부(930)가 도 7의 의료 영상 처리 장치(700)의 구성요소와 동일 또는 유사한 기능을 수행한다.
즉, 본 발명의 또 다른 실시예에서는 대표 패턴을 결정하는 기능 없이 상기 대표 패턴 DB(910)를 이용하여 저화질 의료 영상의 화질을 개선하는 의료 영상 처리 장치(900)를 제공한다. 따라서, 본 발명의 또 다른 실시예에서는 상기 대표 패턴 DB(910) 및 이와 관련된 상기 대표 패턴 매칭부(920)에 대해서만 상세히 설명하기로 한다.
상기 대표 패턴 DB(910)는 복수의 대표 패턴 테이블 및 상기 복수의 대표 패턴 테이블 각각에 대응되는 참조용 고화질 의료 영상을 포함할 수 있다. 상기 대표 패턴 DB(910)는 상기 참조용 고화질 의료 영상의 방사선 피폭량이 상기 저화질 의료 영상의 그것보다 큰 경우 자동으로 서버에 업데이트 되고, 상기 서버는 상기 대표 패턴 DB(910)가 업데이트 될 때마다 대표 패턴 결정 기능을 수행하여 상기 대표 패턴 DB(910)를 구성할 수 있다.
또는, 사용자가 상기 대표 패턴 DB(910)에 업데이트 하여 참조용 의료 영상으로 사용하고 싶은 의료 영상이 있는 경우, 수동으로 상기 서버에 업데이트 하고, 상기 서버는 상기 업데이트 시에 대표 패턴 결정 기능을 수행하여 상기 대표 패턴 DB(910)를 구성할 수 있다.
상기 대표 패턴 DB(910)의 자동 업데이트의 경우에는 상기 대표 패턴 DB(910)가 상기 대표 패턴 테이블만 가지고 있어도 무관하나, 상기 수동 업데이트의 경우에는 상기 사용자가 상기 참조용 의료 영상으로 사용하기 위한 의료 영상을 선택한 경우이므로, 대표 패턴 DB(910)가 상기 참조 의료 영상과 해당 참조 의료 영상의 대표 패턴 테이블을 함께 가지고 있는 것이 바람직하다.
상기 대표 패턴 매칭부(920)는 상기 대표 패턴 DB(910)에 포함된 복수의 대표 패턴 테이블 중 어느 하나를 선택할 수 있다. 이때, 상기 대표 패턴 매칭부(920)는 상기 참조용 고화질 의료 영상 중 선택 입력 동작(수동)에 따라 선택된 참조용 고화질 의료 영상을 이용하여 상기 복수의 대표 패턴 테이블 중 어느 하나를 선택할 수 있으며, 또 달리 무작위로 가장 적합한 대표 패턴 테이블을 선택할 수 있는 등 다양한 방식으로 상기 대표 패턴 테이블을 선택할 수 있다.
상기 대표 패턴 매칭부(920)는 상기 선택된 대표 패턴 테이블의 대표 패턴과 화질 개선을 위한 저화질 의료 영상의 화소 값들 간의 패턴 매칭을 수행할 수 있다. 상기 대표 패턴 매칭부(920)의 패턴 매칭 기능은 도 7의 대표 패턴 매칭부(720)의 그것과 동일 또는 유사하므로 본 실시예에서는 이에 대한 설명은 생략하기로 한다.
도 10은 본 발명의 일 실시예에 따른 의료 영상 처리 장치의 화질 개선 방법을 설명하기 위해 도시한 흐름도이다.
단계 1010에서, 상기 의료 영상 처리 장치는 참조용 고화질 의료 영상의 화소 값들을 이용하여 화질 개선의 기준이 되는 대표 패턴을 결정한다.
상기 대표 패턴을 결정하기 전에, 상기 의료 영상 처리 장치는 상기 대표 패턴을 결정하기 위한 참조용 고화질 의료 영상을 복수의 참조용 고화질 의료 영상 중에서 선택할 수 있다.
또한, 상기 의료 영상 처리 장치는 상기 참조용 고화질 의료 영상을 선택할 때, 화질 개선을 하고자 하는 저화질 의료 영상보다 방사선 피폭량이 많은 의료 영상을 선택한 경우, 두 의료 영상 간의 방사선 피폭량의 차이가 임계치보다 큰 경우에 전처리를 수행할 수 있다.
이때, 전처리 방법으로는 명암대비 스트레칭(Contrast Stretching), 저역필터링(Low Pass Filtering) 등의 방법이 사용될 수 있다.
단계 1020에서, 상기 의료 영상 처리 장치는 상기 대표 패턴과 상기 화질 개선을 위한 저화질 의료 영상의 화소 값들 간의 패턴 매칭을 수행한다. 이때, 상기 의료 영상 처리 장치는 대표 패턴 테이블을 이용하여 상기 패턴 매칭을 수행할 수도 있다.
상기와 같은 패턴 매칭 과정을 통해, 상기 의료 영상 처리 장치는 상기 대표 패턴과 상기 저화질 의료 영상에서 추출된 대표 패턴 간의 유사도를 판별할 수 있으며, 상기 유사도 판별 결과를 바탕으로 하여 패턴 맵을 생성할 수 있다. 여기서, 상기 패턴 맵은 각 대표 패턴별로 화질 개선을 수행하는 데 이용될 수 있다.
단계 1030에서, 상기 의료 영상 처리 장치는 상기 패턴 매칭에 따라 상기 대표 패턴별 화질 개선 방법을 이용하여 상기 저화질 의료 영상의 화질을 개선한다. 이때, 상기 의료 영상 처리 장치는 상기 패턴 맵을 이용하여 해당 대표 패턴의 고유 식별 정호(번호)에 대응하는 화질 개선 방법을 이용하여 상기 저화질 의료 영상에 대한 화질 개선을 수행할 수 있다.
도 11은 본 발명의 일 실시예에 따라 대표 패턴을 결정하는 과정을 설명하기 위해 도시한 흐름도이다.
단계 1110에서, 상기 의료 영상 처리 장치는 참조 의료 영상을 선택하는데, 참조 의료 영상으로 현재 개선하고자 하는 의료 영상의 개선 방향을 결정한다.
이때, 상기 참조 의료 영상은 현재 개선하고자 하는 의료 영상에 비해 상대적으로 고화질이며, 이는 방사선 피폭량의 차이를 의미할 수도 있으며 때에 따라서는 사용자(의사 또는 진단하는 사람)가 지정하는 의료 영상이 될 수도 있다.
예를 들어, 의료 영상 A는 방사선 피폭량이 60mSv 이고, 개선하고자 하는 의료 영상은 방사선 피폭량이 80mSv 이지만, 사용자가 의료 영상 A처럼 보이게 개선하고자 하는 경우, 이때 상기 참조 의료 영상은 의료 영상 A로 선택할 수 있다.
상기 참조 의료 영상이 선택되면, 상기 참조 의료 영상에서 대표 패턴들을 결정하게 되는데, 이때 결정된 대표 패턴들은 대표 패턴 테이블에 저장된다. 여기서, 상기 대표 패턴 테이블이란 상기 참조 의료 영상을 몇 개의 대표적인 패턴으로 나누어 각 패턴의 대표 패턴을 가지고 있는 테이블로서, 추후에 대표 패턴별로 화질 개선 방법을 달리 하도록 구성될 수 있다.
또한, 이 대표 패턴 테이블을 구성하는 필수 요소는 대표 패턴과 대표 패턴 크기가 있으며, 이외의 다른 구성 요소를 추가할 수도 있다. 예를 들어, 대표 패턴 별 화질 개선 방법에서 필요한 대표 패턴 내 평균, 표준 편차 등이 될 수 있다.
이때, 공간 도메인상의 값으로 대표 패턴을 결정할 수도 있고, 주파수 도메인상의 값으로 결정할 수도 있다. 상기 공간 도메인상의 대표 패턴은 도 12와 같은 테이블로 구성될 수 있고, 상기 주파수 도메인상의 대표 패턴은 도 13과 같은 테이블로 구성될 수 있다. 참고로, 도 12는 공간 도메인 상의 값으로 대표 패턴을 구성한 대표 패턴 테이블이고, 도 13은 고속 푸리에 변환을 이용하여 주파수 도메인 상의 값으로 대표 패턴을 구성한 대표 패턴 테이블이다.
상기 대표 패턴은 다양한 크기를 가질 수 있기 때문에 필수 요소로 대표 패턴 크기가 포함된다. 예를 들어, 상기 대표 패턴 테이블의 모든 대표 패턴이 동일한 크기로 구성될 수도 있고, 각 대표 패턴마다 다른 크기로 구성될 수도 있다. 이때, 상기 대표 패턴이 도 13에 도시된 바와 같이 주파수 도메인 상의 값이라면 각 대표 패턴의 크기는 2N개로 구성된다.
만일, 각 대표 패턴마다 다른 크기로 구성된 경우, 각 대표 패턴의 크기를 지정하는 단계가 필요하다. 예를 들어, 상기 대표 패턴은 최대 10에서부터 최소 5까지의 크기를 가질 수 있으며, 각 크기 별로 대표 패턴 테이블을 구성할 수 있다.
또는, 상기 참조 의료 영상에서 패턴을 추출할 때 현재 패턴을 추출하고자 하는 위치가 평탄한 영역인지 에지가 존재하는 영역인지를 판별한 후 패턴의 크기를 자동으로 산출할 수도 있다. 이때, 에지 존재 여부를 판별하기 위한 방법으로는 해리스 코너 디텍션(Harris Corner Detection)과 같은 다양한 에지 디텍터(Edge Detector)가 사용될 수 있다.
상기 해리스 코너 디텍션은 소벨 연산자(Sobel Operator)를 이용한 방법으로 임의의 영역의 값들의 분포를 분석하여 에지 영역, 평탄한 영역, 코너가 있는 영역으로 구분한다.
또는, 상관도(Correlation)를 이용하여 참조 의료 영상에서의 현재 패턴의 크기를 산출할 수도 있다. 예를 들어, 하기 수학식 1, 2, 3을 참조하여 피어슨 상관 계수(Pearson Correlation Coefficient)를 이용하는 경우 피어슨 상관 계수를 이용하여 자기 상관 계수(Auto Correlation Coefficient)가 0.9 이상인 경우에만 유사한 패턴으로 판별한다.
하기 수학식 10은 피어슨 상관 계수의 수식이고, 하기 수학식 11은 피어슨 상관 계수를 산출하기 위한 공분산의 수식이고, 하기 수학식 12는 자기 상관 계수를 산출하기 위한 수학식이다. 따라서 수학식 10과 수학식 11에 수학식 12를 대입하면 피어슨 상관 계수를 이용한 자기 상관 계수를 산출할 수 있다.
수학식 10
Figure PCTKR2014004338-appb-M000010
수학식 11
Figure PCTKR2014004338-appb-M000011
수학식 12
Figure PCTKR2014004338-appb-M000012
단계 1120에서, 상기 의료 영상 처리 장치는 상기 참조 의료 영상에서 추출된 패턴이 대표 패턴 테이블에 존재하는지 여부를 판단한다. 즉, 상기 의료 영상 처리 장치는 상기 참조 의료 영상에서 추출된 패턴이 기존의 대표 패턴 테이블에 존재하는 패턴과 유사한지 여부를 판별한다.
기존의 대표 패턴 테이블에 존재하는 패턴과 유사한 경우(1120의 "예" 방향), 단계 1140에서 상기 의료 영상 처리 장치는 대표 패턴을 재설정하게 된다. 반면, 기존의 대표 패턴 테이블의 대표 패턴들과 유사하지 않는 패턴인 경우(1120의 "아니오" 방향), 단계 1120에서 상기 의료 영상 처리 장치는 상기 대표 패턴 테이블에 새로운 대표 패턴을 추가함으로써 대표 패턴 테이블을 업데이트한다.
여기서, 기존의 대표 패턴 테이블에 존재하는 대표 패턴들과 유사한지 여부를 판별하기 위해서는 기준이 필요한데, 이 기준은 해당 방법을 제공하는 사람에 따라 다를 수 있으며, 본 발명의 일 실시예에서는 코사인 유사도를 이용하여 설명한다.
상기 코사인 유사도는 두 벡터의 유사도를 측정하는 데 주로 사용되며, 두 벡터 간의 코사인 값을 이용하고 값의 범위는 -1과 1 사이의 값을 가지는데, -1에 가까울수록 두 벡터는 서로 방향이 반대인 벡터이며, 0인 경우 두 벡터는 독립이고, 1에 가까울수록 두 벡터는 방향이 같은 벡터이다.
수학식 13
Figure PCTKR2014004338-appb-M000013
상기 수학식 13에서 q와 d는 벡터를 의미하며 본 발명의 실시예에서는 q는 기존의 대표 패턴들이며 d는 참조 의료 영상에서 추출된 패턴이다. 상기 수학식 10을 이용하여 산출한 코사인 유사도에 따라 기존 대표 패턴 테이블에 존재하는 대표 패턴들과의 유사도를 판별할 수 있는데, 산출된 유사도는 앞서 설명한 바와 같이 -1과 1 사이의 값을 가지므로, 사용자 또는 제공자가 유사도의 임계값을 설정할 수 있다. 예를 들어, 산출한 유사도 0.7 이상인 경우에 유사하다고 판별할 수도 있고, 0.9 이상인 경우에 유사하다고 판별할 수도 있다.
또한, 단계 1140의 대표 패턴 설정은 유사한 패턴끼리 같은 패턴으로 보기 때문에 좀 더 대표성을 가지는 패턴을 설정하기 위함이다. 따라서, 대표 패턴 설정 방법으로는 다양한 방법이 있을 수 있다. 예를 들어, 맨 처음 대표 패턴 테이블에 추가된 패턴을 대표 패턴으로 설정할 수 있다. 이 경우, 상기 대표 패턴 설정은 상기 대표 패턴 테이블에 새 패턴이 추가되는 경우에만 대표 패턴이 설정된다.
또는, 단계 1140에서 상기 의료 영상 처리 장치는 현재 대표 패턴과 코사인 유사도가 높은 패턴들의 평균을 대표 패턴으로 설정할 수도 있다. 이 경우, 상기 의료 영상 처리 장치는 대표 패턴 테이블에 각 대표 패턴과 유사한 패턴들의 합과 그 개수를 추가하여 대표 패턴을 설정할 때마다 평균을 산출할 수 있고, 또 달리 대표 패턴과 현재 유사하다고 판단된 패턴 간의 평균을 그때그때 산출하여 대표 패턴으로 설정할 수도 있다.
도 14는 본 발명의 일 실시예에 따라 대표 패턴을 매칭하는 과정을 설명하기 위해 도시한 흐름도이다.
도 14를 참조하면, 개선하고자 하는 의료 영상을 입력하면(단계 1410), 대표 패턴 테이블의 대표 패턴 번호 'N=0'에 해당하는 대표 패턴(참조 의료 영상)과 현재 개선하고자 하는 의료 영상에서 추출된 패턴과의 유사도를 판별(1440)하여 현재 개선하고자 하는 의료 영상의 패턴 맵을 생성(업데이트)한다(단계 1420~1450).
상기 유사도 판별 단계(1440)에서 상기 판별 결과 유사도가 0.9 이하인 경우(1440의 "아니오" 방향), 상기 대표 패턴 번호를 1 증가(단계 1460)하여 'N=1'에 해당하는 대표 패턴과 현재 개선하고자 하는 의료 영상에서 추출된 패턴과의 유사도를 판단하는 과정을 N의 최대값까지 반복할 수 있다.
이 패턴 맵은 각 대표 패턴별 화질 개선 단계를 실행하기 위해 생성한다. 또한, 상기 패턴 맵이 포함하고 있는 정보는 개선하고자 하는 의료 영상 패턴별로 가장 유사한 대표 패턴의 번호(N)이다.
대표 패턴 N과의 유사도를 판별하는 방법은 다양한 방법이 사용될 수 있지만, 본 발명의 실시예에서는 상기 수학식 1의 코사인 유사도를 이용한다. 대표 패턴 결정 단계에서 사용되는 유사도 판별 방법과 대표 패턴 매칭 단계에서 사용되는 유사도 판별 방법은 같을 수도 있고 다를 수도 있다.
또는, 코사인 유사도를 이용하는 경우 코사인 유사도 임계값이 필요한데, 상기 대표 패턴 결정 단계의 코사인 유사도 임계값과 상기 대표 패턴 매칭 단계의 코사인 유사도 임계값은 서로 다른 값을 가질 수 있다. 예를 들어, 상기 대표 패턴 결정 단계에서 코사인 유사도를 이용하여 유사도를 판별할 경우, 가장 유사한 대표 패턴으로 대표 패턴을 판별하여 대표 패턴 테이블을 업데이트하고(이 경우 가장 유사한 대표 패턴과 참조 의료 영상의 패턴 간의 코사인 유사도가 0.5가 될 수도 있고 0.9가 될 수도 있다), 상기 대표 패턴 매칭 단계에서는 코사인 유사도 임계값을 0.9로 두어 대표 패턴 테이블의 대표 패턴과 현재 개선하고자 하는 의료 영상의 패턴 간의 코사인 유사도가 0.9 이상인 경우에 유사하다고 판별하여 패턴 맵 업데이트(단계 1450)를 수행할 수 있다.
단계 1410에서, 개선하고자 하는 의료 영상을 입력할 때는 의료 영상의 원본을 입력하는 방법과 전처리한 의료 영상을 입력할 수도 있다. 전처리가 필요한 경우는 참조 의료 영상과 개선하고자 하는 의료 영상 간의 화질 차이가 심하여 대표 패턴 매칭이 제대로 수행되지 않을 가능성이 있는 경우이다.
이는 임의의 방법으로 판별할 수 있는데, 참조 의료 영상을 선택할 때 개선하고자 하는 의료 영상보다 방사선 피폭량이 많은 의료 영상으로 선택한 경우에는 두 의료 영상 간의 방사선 피폭량의 차이가 큰 경우에 전처리를 수행한다. 또는, 참조 의료 영상을 사용자가 직접 지정한 경우에는 전처리 수행 여부도 사용자가 직접 지정할 수 있다. 또는, 전처리한 의료 영상을 이용하여 대표 패턴 매칭을 수행한 결과와 원본 의료 영상을 이용하여 대표 패턴 매칭을 수행한 결과를 모두 사용자에게 제공할 수 있다.
여기서, 상기 전처리 방법으로는 명암대비 스트레칭 또는 저역필터링 등 임의의 방법이 사용될 수 있는데, 본 발명의 실시예에서는 최소값과 최대값을 이용한 명암대비 스트레칭 방법을 이용하여 설명한다.
수학식 14
Figure PCTKR2014004338-appb-M000014
상기 수학식 14에서 MaxHighDose와 MinHighDose는 임의의 값으로 대체될 수 있다. 예를 들어, 16비트(bit) 데이터를 이용하는 경우, MaxHighDose는 32767, MinHighDose는 2048로 고정될 수 있다.
또한, 상기 전처리로는 한 가지 방법이 아닌 여러 가지 방법을 제공하며, 다수의 방법을 이용할 수도 있다. 예를 들어, 개선하고자 하는 의료 영상에 상기 수학식 14를 이용한 명암대비 스트레칭 방법을 수행한 후 저역 필터링을 수행할 수도 있다. 이때, 대표 패턴이 주파수 도메인상의 값으로 구성된다면, 전처리 후의 의료 영상 값을 이용하여 변환하여 주파수 도메인상의 값으로 대표 패턴을 산출한다.
이하에서는 대표 패턴 별 화질 개선 단계에 대해서 설명하기로 한다. 상기 화질 개선 단계에서는 상기 대표 패턴 테이블에서 지정하는 각 대표 패턴별 화질 개선 방법을 이용하여 화질 개선을 수행하는데, 수학식 1 및 수학식 2에 기초하여 수행될 수 있다. 이때, 수학식 1의 std-devlow(x,y)는 현재 개선하고자 하는 의료 영상에서 산출한 패턴 내의 표준 편차이고, std-devhigh(x,y)는 대표 패턴 내의 표준 편차가 된다.
도 15는 본 발명의 일 실시예에 따른 대표 패턴 테이블이다. 도 15의 대표 패턴 테이블은 N, 대표 패턴, 크기, 화질 개선 방법을 구성 요소로 가지고 있으며 대표 패턴의 크기는 6으로 일정하고, 각 대표 패턴 N마다 다른 화질 개선 방법을 가진다.
또는, 상기 수학식 14의 밝기 보정 계수 mtarget는 대표 패턴의 위치별 평균이 될 수 있고, 노이즈 보정 계수 C를 산출하기 위한 수학식 12의 std-devlow(x,y)과 std-devhigh(x,y)는 대표 패턴의 위치별 표준 편차가 될 수도 있다.
또한, 상기 화질 개선 단계를 통해 의료 영상 화질을 개선하는 경우, 패턴의 크기에 따라 아티팩트(artifact)가 생길 수 있다. 이러한 아티팩트는 사용자에 따라 거부감을 느끼는 경우도 있으므로, 후처리를 제공할 수도 있다. 후처리는 상기 수학식 11을 이용한 명암대비 스트레칭 또는 저역 필터와 같은 임의의 방법을 이용하여 수행될 수 있다.
예를 들어, 패턴의 경계에서 저역 필터를 수행할 수 있으며, 또는 패턴의 경계에서 좌우의 값 차이가 임의의 임계값을 넘는 경우 저역 필터를 수행할 수 있다. 또는, 패턴의 경계에서 좌우의 값 차이가 임계값을 넘고 실제 에지가 아닌 경우 저역 필터를 수행할 수 있다.
주파수 도메인 상에서 추출된 패턴의 경우, 화질 개선을 변환 계수를 이용하여 수행한 후, 역변환하여 개선된 저화질 의료 영상 화소 값을 산출한다.
한편, 상기 대표 패턴 매칭 단계에서 대표 패턴은 2D의 패턴을 가질 수도 있고, 1D의 패턴을 가질 수도 있다. 만약 1D의 패턴을 가지는 경우 대표 패턴 매칭은 가로 또는 세로, 단방향으로 수행될 수도 있고, 가로와 세로 양방향으로 수행될 수도 있다.
예컨대, 본 발명의 일 실시예에서는 가로 대표 패턴 매칭을 먼저 수행한 경우, 가로 대표 패턴 매칭과 화질 개선 단계까지 수행한 영상을 이용하여 세로 대표 패턴 매칭과 화질 개선 단계를 수행한다. 또는, 세로 대표 패턴 매칭을 먼저 수행하는 경우에도 세로 대표 패턴 매칭과 화질 개선 단계까지 수행한 영상을 이용하여 가로 대표 패턴 매칭과 화질 개선 단계를 수행한다.
이러한 1D 패턴을 이용한 양방향 대표 패턴 매칭을 수행할 때, 가로 또는 세로 대표 패턴 매칭을 수행한 후, 후처리를 제공할 수도 있다. 여기서 후처리는 상기 수학식 14를 이용한 명암대비 스트레칭 또는 저역 필터 등을 이용할 수 있다.
도 16은 본 발명의 다른 실시예에 따른 의료 영상 처리 장치의 화질 개선 방법을 설명하기 위해 도시한 흐름도이다.
단계 1610에서, 상기 의료 영상 처리 장치는 복수의 대표 패턴 테이블을 대표 패턴 DB에 기록한다.
단계 1620에서, 상기 의료 영상 처리 장치는 상기 복수의 대표 패턴 테이블 중 어느 하나를 선택한다.
단계 1630에서, 상기 의료 영상 처리 장치는 상기 선택된 대표 패턴 테이블의 대표 패턴과 화질 개선을 위한 저화질 의료 영상의 화소 값들 간의 패턴 매칭을 수행한다.
단계 1640에서, 상기 의료 영상 처리 장치는 상기 대표 패턴별 화질 개선 방법을 이용하여 상기 저화질 의료 영상의 화질을 개선한다.
이하에서는 본 발명의 다른 실시예에 따른 의료 영상 처리 장치의 화질 개선 방법에 대해서 보다 구체적으로 설명한다.
본 발명의 일 실시예에서는 대표 패턴 결정 단계를 위한 참조 의료 영상이 필요한데, 참조 의료 영상을 이용한 대표 패턴 결정 과정을 생략하면 의료 영상 화질 개선을 위한 시간을 절감할 수 있다.
이를 위해, 본 발명의 다른 실시예에서는 대표 패턴 결정 단계 없이 대표 패턴 DB(데이터 베이스)를 이용하여 의료 영상의 화질을 개선한다. 상기 대표 패턴 DB는 미리 생성되어 있으며, 상기 대표 패턴 DB를 구성하는 것은 대표 패턴 테이블과 참조 의료 영상이 될 수 있다.
상기 대표 패턴 DB를 구성하는 것은 방사선 피폭량이 일정량보다 큰 경우 자동으로 서버에 업데이트 되어 업데이트 될 때마다 대표 패턴 결정 단계를 수행하여 대표 패턴 DB를 구성하거나, 사용자가 대표 패턴 DB에 업데이트 하여 참조 의료 영상으로 사용하고 싶은 의료 영상이 있는 경우 수동으로 업데이트 하고 업데이트 시에 대표 패턴 결정 단계를 수행하여 대표 패턴 DB를 구성할 수 있다.
전자의 방법은 대표 패턴 DB가 대표 패턴 테이블만 가지고 있어도 무관하나, 후자의 방법은 사용자가 참조 의료 영상으로 사용하기 위한 의료 영상을 선택한 경우이므로 참조 의료 영상과 해당 참조 의료 영상의 대표 패턴 테이블을 함께 가지고 있는 것이 바람직하다. 또한, 전자의 방법도 참조 의료 영상과 함께 해당 참조 의료 영상 별 대표 패턴 테이블로 구성하여 사용자에게 참조 의료 영상을 샘플로 제공할 수 있다.
이러한 경우, 사용자는 상기 대표 패턴 DB에 존재하는 다수의 대표 패턴 테이블들 중 참조 의료 영상 샘플을 이용하여 원하는 대표 패턴 테이블을 선택할 수 있다. 따라서, 의료 영상의 화질 개선을 수행하는 경우 대표 패턴 결정 단계에 소요되는 시간을 단축할 수 있다.
한편, 상술한 본 발명의 실시예들은 컴퓨터에서 실행될 수 있는 프로그램으로 작성가능하고, 컴퓨터로 읽을 수 있는 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다.
상기 컴퓨터로 읽을 수 있는 기록매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등) 를 포함한다.
이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.

Claims (34)

  1. 참조용 하이도즈(high-dose) 의료 영상의 화소 값들을 이용하여 로우도즈(low-dose) 의료 영상의 화소 값들의 밝기를 보정하기 위한 밝기 보정 계수를 결정하는 단계;
    상기 참조용 하이도즈 의료 영상의 화소 값들을 이용하여 상기 로우도즈 의료 영상의 노이즈를 보정하기 위한 노이즈 보정 계수를 결정하는 단계; 및
    상기 밝기 보정 계수 및 상기 노이즈 보정 계수를 이용하여 상기 로우도즈 의료 영상의 화질을 개선하는 단계를 포함하는 것을 특징으로 하는 의료 영상 화질 개선 방법.
  2. 제1항에 있어서,
    상기 로우도즈 의료 영상의 특성 및 촬영 환경 중 적어도 하나에 기초하여, 복수의 참조용 하이도즈 의료 영상들 중에서 상기 로우도즈 의료 영상의 화질 개선에 이용될 참조용 하이도즈 의료 영상을 선택하는 단계; 및
    상기 선택된 참조용 하이도즈 의료 영상의 화소 값들을 획득하는 단계를 더 포함하고,
    상기 밝기 보정 계수를 결정하는 단계 및 상기 노이즈 보정 계수를 결정하는 단계는 상기 선택된 참조용 하이도즈 의료 영상의 화소 값을 이용하여 수행되는 것을 특징으로 하는 의료 영상 화질 개선 방법.
  3. 제1항에 있어서,
    참조용 하이도즈 의료 영상의 화소 값 생성을 위한 정보를 포함하는 제1 룩업 테이블 및 사용자 입력 중 적어도 하나에 기초하여, 상기 로우도즈(low-dose) 의료 영상의 화질 개선에 이용될 참조용 하이도즈 의료 영상의 화소 값들을 생성하는 단계를 더 포함하고,
    상기 밝기 보정 계수를 결정하는 단계 및 상기 노이즈 보정 계수를 결정하는 단계는 상기 선택된 참조용 하이도즈 의료 영상의 화소 값들을 이용하여 수행되는 것을 특징으로 하는 의료 영상 화질 개선 방법.
  4. 제1항에 있어서,
    상기 밝기 보정 계수를 결정하는 단계는 상기 참조용 하이도즈 의료 영상의 화소 값들에 대한 평균 값을 상기 밝기 보정 계수로 결정하는 단계를 포함하고,
    상기 노이즈 보정 계수를 결정하는 단계는 상기 로우도즈 의료 영상의 화소 값들의 표준 편차와 상기 참조용 하이도즈 의료 영상의 화소 값들의 표준 편차간의 비율을 상기 노이즈 보정 계수로 결정하는 단계를 포함하는 것을 특징으로 하는 의료 영상 화질 개선 방법.
  5. 제1항에 있어서,
    상기 밝기 보정 계수를 결정하는 단계는 상기 참조용 하이도즈 의료 영상의 화소 값들의 평균 값, 상기 로우도즈 의료 영상의 화소 값들의 평균 값 및 상기 로우도즈 의료 영상의 화소 값들의 편차들에 대한 절대값의 합과 상기 참조용 하이도즈 의료 영상의 화소 값들의 편차들에 대한 절대값의 합간의 비율을 이용하여 상기 밝기 보정 계수를 결정하는 단계를 포함하고,
    상기 노이즈 보정 계수를 결정하는 단계는 상기 로우도즈 의료 영상의 화소 값들의 편차들에 대한 절대값의 합과 상기 참조용 하이도즈 의료 영상의 화소 값들의 편차들에 대한 절대값의 합간의 비율을 상기 노이즈 보정 계수로 결정하는 단계를 포함하는 것을 특징으로 하는 의료 영상 화질 개선 방법.
  6. 제1항에 있어서,
    상기 로우도즈 의료 영상에서 화질 개선을 위한 영상 처리가 적용될 목적 화소의 화소 값과 상기 목적 화소에 인접한 인접 화소들의 화소 값들의 크기를 비교하여 상기 목적 화소의 카테고리를 분류하는 단계를 더 포함하고,
    상기 밝기 보정 계수를 결정하는 단계 및 상기 노이즈 보정 계수를 결정하는 단계는 상기 카테고리에 기초하여 수행되는 것을 특징으로 하는 의료 영상 화질 개선 방법.
  7. 제1항에 있어서,
    상기 로우도즈 의료 영상에 포함될 수 있는 객체의 종류별로 해당하는 화소 값의 구간이 정의된 제2 룩업 테이블에 기초하여 상기 로우도즈 의료 영상의 화소 값들의 카테고리를 구분하는 단계를 더 포함하고,
    상기 밝기 보정 계수를 결정하는 단계 및 상기 노이즈 보정 계수를 결정하는 단계는 상기 카테고리에 기초하여 수행되는 것을 특징으로 하는 의료 영상 화질 개선 방법.
  8. 제1항에 있어서,
    복수의 카테고리에 대응하여 소정 개수의 화소 값들이 화소 값의 크기에 따라 할당된 제3 룩업 테이블에 기초하여 상기 로우도즈 의료 영상의 화소 값들의 카테고리를 구분하는 단계를 더 포함하고,
    상기 밝기 보정 계수를 결정하는 단계 및 상기 노이즈 보정 계수를 결정하는 단계는 상기 카테고리에 기초하여 수행되는 것을 특징으로 하는 의료 영상 화질 개선 방법.
  9. 제1항에 있어서,
    상기 로우도즈 의료 영상에 포함된 객체들을 식별하는 단계를 더 포함하고,
    상기 밝기 보정 계수 및 상기 노이즈 보정 계수는 상기 식별된 객체들이 포함된 각각의 영역마다 상이하게 결정되는 것을 특징으로 하는 의료 영상 화질 개선 방법.
  10. 참조용 하이도즈 의료 영상의 화소 값들을 이용하여 로우도즈 의료 영상의 화소 값들의 밝기를 보정하기 위한 밝기 보정 계수를 결정하는 밝기 보정 계수 결정부;
    상기 참조용 하이도즈 의료 영상의 화소 값들을 이용하여 상기 로우도즈 의료 영상의 노이즈를 보정하기 위한 노이즈 보정 계수를 결정하는 노이즈 보정 계수 결정부; 및
    상기 밝기 보정 계수 및 상기 노이즈 보정 계수를 이용하여 상기 로우도즈 의료 영상의 화질을 개선하는 화질 개선부를 포함하는 것을 특징으로 하는 의료 영상 화질 개선 장치.
  11. 참조용 하이도즈 의료 영상의 화소 값들을 이용하여 화질 개선의 기준이 되는 대표 패턴을 결정하는 대표 패턴 결정부;
    상기 대표 패턴과 상기 화질 개선을 위한 로우도즈 의료 영상의 화소 값들 간의 패턴 매칭을 수행하는 대표 패턴 매칭부; 및
    상기 패턴 매칭에 따라 상기 대표 패턴별 화질 개선 방법을 이용하여 상기 로우도즈 의료 영상의 화질을 개선하는 영상 화질 개선부
    를 포함하는 것을 특징으로 하는 의료 영상 처리 장치.
  12. 제11항에 있어서,
    상기 대표 패턴 결정부는
    상기 참조용 하이도즈 의료 영상 하나에 대한 상기 대표 패턴의 집합 및 상기 대표 패턴별 크기를 포함하는 대표 패턴 테이블을 구성하고,
    상기 대표 패턴 매칭부는
    상기 대표 패턴 테이블을 참조하여 상기 대표 패턴별로 상기 로우도즈 의료 영상과의 패턴 매칭을 수행하는 것을 특징으로 하는 의료 영상 처리 장치.
  13. 제12항에 있어서,
    상기 대표 패턴 결정부는
    상기 참조용 하이도즈 의료 영상에서 상기 대표 패턴을 추출하고자 하는 위치에 대해, 평탄한 영역인지 에지가 존재하는 영역인지를 판별하고, 상기 판별 결과에 기초하여 상기 대표 패턴별 크기를 산출하는 것을 특징으로 하는 의료 영상 처리 장치.
  14. 제13항에 있어서,
    상기 대표 패턴 결정부는
    상관도를 이용하여 상기 참조용 하이도즈 의료 영상에서 상기 대표 패턴별 크기를 산출하는 것을 특징으로 하는 의료 영상 처리 장치.
  15. 제12항에 있어서,
    상기 대표 패턴 테이블은
    상기 대표 패턴별 화질 개선 방법에 필요한 대표 패턴 내 평균 및 표준편차 중 적어도 하나를 더 포함하고
    상기 영상 화질 개선부는
    상기 평균 및 표준편차 중 적어도 하나에 기초하여 상기 대표 패턴별 화질 개선 방법을 결정하고, 상기 대표 패턴별 화질 개선 방법을 이용하여 상기 로우도즈 의료 영상의 화질을 개선하는 것을 특징으로 하는 의료 영상 처리 장치.
  16. 제12항에 있어서,
    상기 대표 패턴 결정부는
    현재 대표 패턴이 기존의 대표 패턴 테이블에 존재하는 기존 대표 패턴과 유사한지 여부를 판별하고, 상기 판별 결과 유사한 경우 상기 현재 대표 패턴을 상기 대표 패턴으로 재설정하여 상기 대표 패턴 테이블을 구성하고, 상기 판별 결과 유사하지 않은 경우 상기 대표 패턴 테이블에 상기 현재 대표 패턴을 새로운 대표 패턴으로서 추가하여 상기 대표 패턴 테이블을 업데이트하는 것을 특징으로 하는 의료 영상 처리 장치.
  17. 제16항에 있어서,
    상기 대표 패턴 결정부는
    상기 현재 대표 패턴의 벡터와 상기 기존 대표 패턴의 벡터 간의 코사인 유사도를 측정하고, 상기 측정된 코사인 유사도에 기초하여 상기 현재 대표 패턴과 상기 기존 대표 패턴이 유사한지 여부를 판별하는 것을 특징으로 하는 의료 영상 처리 장치.
  18. 제17항에 있어서,
    상기 대표 패턴 결정부는
    상기 현재 대표 패턴과 코사인 유사도가 높은 상위 N(상기 N은 자연수)개의 패턴들의 평균을 상기 대표 패턴으로 설정하는 것을 특징으로 하는 의료 영상 처리 장치.
  19. 제11항에 있어서,
    상기 대표 패턴 결정부는
    상기 참조용 하이도즈 의료 영상의 공간 도메인상의 화소 값을 이용하여 상기 대표 패턴을 결정하거나, 상기 참조용 하이도즈 의료 영상의 주파수 도메인상의 화소 값을 이용하여 상기 대표 패턴을 결정하는 것을 특징으로 하는 의료 영상 처리 장치.
  20. 제19항에 있어서,
    상기 주파수 도메인상의 화소 값을 이용하여 상기 대표 패턴을 결정한 경우,
    상기 대표 패턴 매칭부는
    상기 참조용 하이도즈 의료 영상에서 결정된 변환 계수로 구성된 대표 패턴들과 상기 로우도즈 의료 영상의 화소 값의 주파수 변환된 변환 계수 간의 패턴 매칭을 수행하고,
    상기 영상 화질 개선부는
    상기 패턴 매칭에 따라, 상기 변환 계수로 구성된 대표 패턴별로 상기 로우도즈 의료 영상의 변환 계수를 화질 개선한 후 역변환하는 것을 특징으로 하는 의료 영상 처리 장치.
  21. 제11항에 있어서,
    상기 대표 패턴 결정부는
    상기 로우도즈 의료 영상의 특성 및 촬영 환경 중 적어도 하나에 기초하여, 복수의 참조용 하이도즈 의료 영상 중에서 상기 로우도즈 의료 영상의 화질 개선에 이용될 참조용 하이도즈 의료 영상을 선택하는 것을 특징으로 하는 의료 영상 처리 장치.
  22. 제11항에 있어서,
    상기 대표 패턴 결정부는
    사용자에 의해 입력된 의료 영상, 또는 복수의 참조용 하이도즈 의료 영상 중에서 상기 사용자에 의해 선택된 어느 하나를, 상기 로우도즈 의료 영상의 화질 개선에 이용될 참조용 하이도즈 의료 영상으로 선택하는 것을 특징으로 하는 의료 영상 처리 장치.
  23. 제11항에 있어서,
    상기 대표 패턴 매칭부는
    상기 대표 패턴과 상기 로우도즈 의료 영상에서 추출된 패턴 간의 유사도를 판별하여, 상기 로우도즈 의료 영상에서 추출된 패턴별로 가장 유사도가 높은 대표 패턴의 고유 식별 정보를 포함하는 패턴 맵을 생성하고,
    상기 영상 화질 개선부는
    상기 패턴 맵을 이용하여 상기 고유 식별 정보에 해당하는 대표 패턴별로 화질 개선 계수를 산출하고, 상기 산출된 화질 개선 계수를 이용하여 상기 로우도즈 의료 영상의 화질을 개선하는 것을 특징으로 하는 의료 영상 처리 장치.
  24. 제23항에 있어서,
    상기 영상 화질 개선부는
    상기 대표 패턴의 평균 값을 밝기 보정 계수로 결정하고, 상기 대표 패턴의 표준 편차와 상기 로우도즈 의료 영상에서 추출된 패턴의 표준 편차 간의 비율을 노이즈 보정 계수로 결정하며, 상기 화질 개선 계수로서 상기 밝기 보정 계수 및 상기 노이즈 보정 계수를 이용하여 상기 로우도즈 의료 영상의 화질을 개선하는 것을 특징으로 하는 의료 영상 처리 장치.
  25. 제11항에 있어서,
    상기 참조용 하이도즈 의료 영상과 상기 로우도즈 의료 영상 간의 방사선 피폭량의 차이에 기초하여 상기 로우도즈 의료 영상에 대해 명암대비 스트레칭 및 저역필터링 중 적어도 하나의 방법을 이용하여 전처리를 수행하는 전처리 수행부를 더 포함하는 것을 특징으로 하는 의료 영상 처리 장치.
  26. 복수의 대표 패턴 테이블을 포함하는 대표 패턴 데이터베이스;
    상기 복수의 대표 패턴 테이블 중 어느 하나를 선택하고, 상기 선택된 대표 패턴 테이블의 대표 패턴과 화질 개선을 위한 로우도즈 의료 영상의 화소 값들 간의 패턴 매칭을 수행하는 대표 패턴 매칭부; 및
    상기 패턴 매칭에 따라, 상기 대표 패턴별 화질 개선 방법을 이용하여 상기 로우도즈 의료 영상의 화질을 개선하는 영상 화질 개선부를 포함하는 것을 특징으로 하는 의료 영상 처리 장치.
  27. 제26항에 있어서,
    상기 대표 패턴 데이터베이스는
    상기 복수의 대표 패턴 테이블 각각에 대응되는 참조용 하이도즈 의료 영상을 더 포함하고,
    상기 대표 패턴 매칭부는
    상기 참조용 하이도즈 의료 영상 중 선택 입력 동작에 따라 선택된 참조용 하이도즈 의료 영상을 이용하여 상기 복수의 대표 패턴 테이블 중 어느 하나를 선택하는 것을 특징으로 하는 의료 영상 처리 장치.
  28. 의료 영상 처리 장치의 화질 개선 방법에 있어서,
    상기 의료 영상 처리 장치에서, 참조용 하이도즈 의료 영상의 화소 값들을 이용하여 화질 개선의 기준이 되는 대표 패턴을 결정하는 단계;
    상기 의료 영상 처리 장치에서, 상기 대표 패턴과 상기 화질 개선을 위한 로우도즈 의료 영상의 화소 값들 간의 패턴 매칭을 수행하는 단계; 및
    상기 의료 영상 처리 장치에서, 상기 패턴 매칭에 따라 상기 대표 패턴별 화질 개선 방법을 이용하여 상기 로우도즈 의료 영상의 화질을 개선하는 단계
    를 포함하는 것을 특징으로 하는 의료 영상 처리 장치의 화질 개선 방법.
  29. 제28항에 있어서,
    상기 의료 영상 처리 장치에서, 상기 참조용 하이도즈 의료 영상 하나에 대한 상기 대표 패턴의 집합 및 상기 대표 패턴별 크기를 포함하는 대표 패턴 테이블을 구성하는 단계
    를 더 포함하고,
    상기 패턴 매칭을 수행하는 단계는
    상기 대표 패턴 테이블을 참조하여 상기 대표 패턴별로 상기 로우도즈 의료 영상과의 패턴 매칭을 수행하는 단계를 포함하는 것을 특징으로 하는 의료 영상 처리 장치의 화질 개선 방법.
  30. 제28항에 있어서,
    상기 의료 영상 처리 장치에서, 상기 로우도즈 의료 영상의 특성 및 촬영 환경 중 적어도 하나에 기초하여, 복수의 참조용 하이도즈 의료 영상 중에서 상기 로우도즈 의료 영상의 화질 개선에 이용될 참조용 하이도즈 의료 영상을 선택하는 단계를 더 포함하는 것을 특징으로 하는 의료 영상 처리 장치의 화질 개선 방법.
  31. 제28항에 있어서,
    상기 패턴 매칭을 수행하는 단계는
    상기 대표 패턴과 상기 로우도즈 의료 영상에서 추출된 패턴 간의 유사도를 판별하여, 상기 로우도즈 의료 영상에서 추출된 패턴별로 가장 유사도가 높은 대표 패턴의 고유 식별 정보를 포함하는 패턴 맵을 생성하는 단계를 포함하고,
    상기 화질을 개선하는 단계는
    상기 패턴 맵을 이용하여 상기 고유 식별 정보에 해당하는 대표 패턴별로 화질 개선 계수를 산출하는 단계; 및
    상기 산출된 화질 개선 계수를 이용하여 상기 로우도즈 의료 영상의 화질을 개선하는 단계를 포함하는 것을 특징으로 하는 의료 영상 처리 장치의 화질 개선 방법.
  32. 제31항에 있어서,
    상기 화질을 개선하는 단계는
    상기 대표 패턴의 평균 값을 밝기 보정 계수로 결정하는 단계;
    상기 대표 패턴의 표준 편차와 상기 로우도즈 의료 영상에서 추출된 패턴의 표준 편차 간의 비율을 노이즈 보정 계수로 결정하는 단계; 및
    상기 화질 개선 계수로서, 상기 밝기 보정 계수 및 상기 노이즈 보정 계수를 이용하여 상기 로우도즈 의료 영상의 화질을 개선하는 단계를 포함하는 것을 특징으로 하는 의료 영상 처리 장치의 화질 개선 방법.
  33. 의료 영상 처리 장치의 화질 개선 방법에 있어서,
    상기 의료 영상 처리 장치에서, 복수의 대표 패턴 테이블을 대표 패턴 데이터베이스에 기록하는 단계;
    상기 의료 영상 처리 장치에서, 상기 복수의 대표 패턴 테이블 중 어느 하나를 선택하는 단계;
    상기 의료 영상 처리 장치에서, 상기 선택된 대표 패턴 테이블의 대표 패턴과 화질 개선을 위한 로우도즈 의료 영상의 화소 값들 간의 패턴 매칭을 수행하는 단계; 및
    상기 의료 영상 처리 장치에서, 상기 패턴 매칭에 따라, 상기 대표 패턴별 화질 개선 방법을 이용하여 상기 로우도즈 의료 영상의 화질을 개선하는 단계를 포함하는 것을 특징으로 하는 의료 영상 처리 장치의 화질 개선 방법.
  34. 제33항에 있어서,
    상기 복수의 대표 패턴 테이블 각각에 대응되는 참조용 하이도즈 의료 영상을 대표 패턴 데이터베이스에 기록하는 단계
    를 더 포함하고,
    상기 복수의 대표 패턴 테이블 중 어느 하나를 선택하는 단계는
    상기 참조용 하이도즈 의료 영상 중 선택 입력 동작에 따라 선택된 참조용 하이도즈 의료 영상을 이용하여 상기 복수의 대표 패턴 테이블 중 어느 하나를 선택하는 단계를 포함하는 것을 특징으로 하는 의료 영상 처리 장치의 화질 개선 방법.
PCT/KR2014/004338 2013-05-15 2014-05-14 의료 영상 화질 개선 방법 및 그 장치 WO2014185714A1 (ko)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR10-2013-0054916 2013-05-15
KR1020130054916A KR101467380B1 (ko) 2013-05-15 2013-05-15 의료 영상 화질 개선 방법 및 그 장치
KR20140004148A KR101495489B1 (ko) 2014-01-13 2014-01-13 의료 영상 처리 장치 및 그 화질 개선 방법
KR10-2014-0004148 2014-01-13

Publications (1)

Publication Number Publication Date
WO2014185714A1 true WO2014185714A1 (ko) 2014-11-20

Family

ID=51898622

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2014/004338 WO2014185714A1 (ko) 2013-05-15 2014-05-14 의료 영상 화질 개선 방법 및 그 장치

Country Status (1)

Country Link
WO (1) WO2014185714A1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107622471A (zh) * 2017-09-04 2018-01-23 田其冲 一种自适应的照片色彩校正方法
CN112444766A (zh) * 2020-11-05 2021-03-05 上海联影医疗科技股份有限公司 一种磁共振系统及其匀场方法
CN113543717A (zh) * 2018-12-27 2021-10-22 艾科索成像公司 以降低的成本、尺寸和功率来保持超声成像中图像质量的方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008073515A (ja) * 2006-08-22 2008-04-03 Konica Minolta Medical & Graphic Inc Ｘ線画像システム
KR20090063826A (ko) * 2007-12-14 2009-06-18 엘지전자 주식회사 영상 처리 방법
KR20100012992A (ko) * 2008-07-30 2010-02-09 국방과학연구소 적외선 열상 장치 및 그것을 이용한 영상신호 처리방법
WO2011064683A2 (en) * 2009-11-25 2011-06-03 Koninklijke Philips Electronics N.V. Enhanced image data/dose reduction

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008073515A (ja) * 2006-08-22 2008-04-03 Konica Minolta Medical & Graphic Inc Ｘ線画像システム
KR20090063826A (ko) * 2007-12-14 2009-06-18 엘지전자 주식회사 영상 처리 방법
KR20100012992A (ko) * 2008-07-30 2010-02-09 국방과학연구소 적외선 열상 장치 및 그것을 이용한 영상신호 처리방법
WO2011064683A2 (en) * 2009-11-25 2011-06-03 Koninklijke Philips Electronics N.V. Enhanced image data/dose reduction

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107622471A (zh) * 2017-09-04 2018-01-23 田其冲 一种自适应的照片色彩校正方法
CN113543717A (zh) * 2018-12-27 2021-10-22 艾科索成像公司 以降低的成本、尺寸和功率来保持超声成像中图像质量的方法
CN112444766A (zh) * 2020-11-05 2021-03-05 上海联影医疗科技股份有限公司 一种磁共振系统及其匀场方法
CN112444766B (zh) * 2020-11-05 2023-09-26 上海联影医疗科技股份有限公司 一种磁共振系统及其匀场方法

Similar Documents

Publication Publication Date Title
WO2015160207A1 (en) System and method for detecting region of interest
WO2019009489A1 (ko) 영상을 부호화/복호화 하는 방법 및 그 장치
WO2015093724A1 (en) Method and apparatus to provide blood vessel analysis information using medical image
WO2015122687A1 (en) Tomography apparatus and method of displaying a tomography image by the tomography apparatus
WO2015060656A1 (en) Magnetic resonance imaging apparatus and method
WO2019164275A1 (ko) 수술도구 및 카메라의 위치 인식 방법 및 장치
WO2015126217A2 (en) Diagnostic imaging method and apparatus, and recording medium thereof
WO2017023105A1 (en) Tomography imaging apparatus and method of reconstructing tomography image
WO2014185714A1 (ko) 의료 영상 화질 개선 방법 및 그 장치
WO2019088555A1 (ko) 전자 장치 및 이를 이용한 눈의 충혈도 판단 방법
WO2016190701A1 (en) Magnetic resonance imaging apparatus and method
WO2016093555A1 (en) X-ray apparatus and system
EP3104782A1 (en) Tomography apparatus and method of displaying a tomography image by the tomography apparatus
WO2014200289A2 (en) Apparatus and method for providing medical information
WO2016163719A1 (en) Tomography apparatus and method of reconstructing tomography image by using the tomography apparatus
EP3217881A1 (en) Tomography apparatus and method of reconstructing tomography image thereof
WO2014200265A1 (en) Method and apparatus for providing medical information
WO2015199354A1 (ko) 인접 합산 이진화를 이용한 동공 추출 방법 및 이를 이용한 동공 추출 제어장치
EP3349655A1 (en) Tomography apparatus and controlling method for the same
WO2016068420A1 (en) Medical imaging apparatus
WO2017126790A1 (en) Local coil apparatus, magnetic resonance imaging (mri) apparatus, and control method of the local coil apparatus
WO2018097677A1 (en) Image processing apparatus, image processing method, and computer-readable recording medium thereof
WO2015099426A1 (ko) 뇌경색 영역의 분할 방법
WO2021091293A1 (ko) 의료 영상 출력 장치 및 이를 이용한 의료 영상 출력 방법
WO2019240444A1 (ko) 단층 영상의 생성 방법 및 그에 따른 엑스선 영상 장치

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 14798107

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 14798107

Country of ref document: EP

Kind code of ref document: A1