WO2017135635A1 - 의료영상을 이용한 혈류 분석 방법 - Google Patents

의료영상을 이용한 혈류 분석 방법 Download PDF

Info

Publication number
WO2017135635A1
WO2017135635A1 PCT/KR2017/000883 KR2017000883W WO2017135635A1 WO 2017135635 A1 WO2017135635 A1 WO 2017135635A1 KR 2017000883 W KR2017000883 W KR 2017000883W WO 2017135635 A1 WO2017135635 A1 WO 2017135635A1
Authority
WO
WIPO (PCT)
Prior art keywords
function
blood vessel
time
signal
medical image
Prior art date
Legal status (The legal status 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 status listed.)
Ceased
Application number
PCT/KR2017/000883
Other languages
English (en)
French (fr)
Inventor
장진희
남윤호
김범수
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Industry Academic Cooperation Foundation of Catholic University of Korea
Original Assignee
Industry Academic Cooperation Foundation of Catholic University of Korea
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Industry Academic Cooperation Foundation of Catholic University of Korea filed Critical Industry Academic Cooperation Foundation of Catholic University of Korea
Priority to US16/074,636 priority Critical patent/US10750964B2/en
Publication of WO2017135635A1 publication Critical patent/WO2017135635A1/ko
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A61B5/026—Measuring blood flow
    • A61B5/0263—Measuring blood flow using NMR
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A61B5/026—Measuring blood flow
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/5601—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution involving use of a contrast agent for contrast manipulation, e.g. a paramagnetic, super-paramagnetic, ferromagnetic or hyperpolarised contrast agent
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/563—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution of moving material, e.g. flow contrast angiography
    • G01R33/5635—Angiography, e.g. contrast-enhanced angiography [CE-MRA] or time-of-flight angiography [TOF-MRA]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7278—Artificial waveform generation or derivation, e.g. synthesizing signals from measured signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/4818—MR characterised by data acquisition along a specific k-space trajectory or by the temporal order of k-space coverage, e.g. centric or segmented coverage of k-space
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/563—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution of moving material, e.g. flow contrast angiography
    • G01R33/56366—Perfusion imaging
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G06T2207/30104—Vascular flow; Blood flow; Perfusion

Definitions

  • the present invention relates to a technique for analyzing blood flow in blood vessels in the body by using medical images such as MRI and CT. Specifically, when a contrast agent is administered to the body to take an image of the body, the photographed image is used. A technique for deriving a function of blood flow in veins and arteries in the body.
  • a phase contrast magnetic resonance imaging technique using a magnetic resonance imaging device is widely used.
  • a reference image which does not reflect the velocity is taken by using a gradient magnetic pulse whose image of the blood flow velocity is zero immediately after the R-wave of an electrocardiogram, and a velocity encoded image in which the velocity of the blood flow is reflected by using a velocity encoded gradient magnetic field. Is taken. After that, a reference image and a velocity encoded image are captured. The images are taken in succession during one period of ECG, with different phase coding sizes and until the k-space is filled. Thereafter, the captured image is reconstructed into a velocity image to measure blood flow velocity during one cycle of the ECG.
  • US Patent No. 8837800 et al. In order to analyze the flow of arteries and veins, select some of the pixels constituting the image to derive arterial and vein functions using a medical image, and the signal of each pixel Using generalization and Gaussian transform, we propose a technique for deriving arterial and venous functions for the blood vessels of each pixel.
  • the present invention by administering a contrast medium such as MRI, TRMRA, CT, accurately recognize the blood vessels from the medical image generated when the body image is taken, and by analyzing the blood vessels by a new technique, the arterial function and vein function respectively high accuracy
  • a contrast medium such as MRI, TRMRA, CT
  • the purpose of the present invention is to provide a technique for accurately analyzing blood flow in arteries and veins.
  • the blood flow analysis method using a medical image from the four-dimensional medical image data that combines the data obtained by taking a three-dimensional image of the patient's body at a predetermined cycle, Determining a location; Among the blood vessel signals included in the 3D medical image data regarding the position of the blood vessel determined by the determining, the first-order functions for the arterial function and the venous function are obtained by using the blood vessel signal of the head region and the blood vessel signal of the heart region. Deriving; And deriving a second function, which is a final function of the arterial function and the venous function, by using the first order function and the blood vessel signals of the neck region.
  • the position of blood vessels is accurately determined using the time-phase signal size change in the 4D medical image data including the 3D image taken at each time zone, and the artery is used by the size of the signal in the blood vessel.
  • 1 to 4 is a flow chart of the blood flow analysis method using a medical image according to an embodiment of the present invention.
  • 5 to 8 are embodiments in which blood flow is analyzed according to an embodiment of the present invention.
  • 1 to 4 are flowcharts of a blood flow analysis method using medical images according to an embodiment of the present invention.
  • the blood flow analysis method using a medical image performed by a terminal capable of data processing, such as a computer or other device receiving the image data taken from the device for photographing the medical image Can be.
  • a terminal capable of data processing such as a computer or other device receiving the image data taken from the device for photographing the medical image Can be.
  • the body of the patient to be photographed at step S10 preferably includes from the head to the chest region near the heart, but will not be limited thereto.
  • the 4D medical image data may be data photographed using, for example, time-resolved magnetic resonance angiography (TRMRA).
  • TRMRA is a type of angiography (MRA) using magnetic resonance imaging, and can observe changes in blood vessel signals over time.
  • MRA angiography
  • the image can be obtained every two seconds using the above technique.
  • any technique for obtaining 4D medical image data by acquiring a 3D image at a predetermined time may be used.
  • a method for acquiring a blood vessel signal in an image by determining the position of a blood vessel using medical image data may be performed by using a signal change when the contrast agent is administered in the MRA.
  • the step S10 of determining the position of the blood vessel specifically, among the pixels constituting the 4D medical image data, the pixels higher in the preset ratio in the order of the difference between the maximum value and the minimum value of the size of the other signal in time. It is determined by the pixels constituting the blood vessel.
  • contrast medium When contrast medium is administered in MRA, the signal intensity is rapidly increased when proper imaging technique is used at the position where contrast medium is delivered. Accordingly, when a TRMRA image having a time resolution is obtained after administration of a contrast agent, hemodynamic information can be obtained through signal change.
  • 10% of pixels having a large difference in signal are determined as pixels photographing blood vessels.
  • An example of this is shown in detail in FIG. 5.
  • image data having a maximum value data 10 and a minimum value data 20 of a signal is extracted from three-dimensional image data photographed after administration of a contrast agent. Thereafter, the image data 30 having the difference between the maximum value and the minimum value is generated or extracted. After analyzing these difference values with the graph 40, the pixels having the difference value 41 in a 10% ratio, for example, are selected in the largest order of the difference values. The portion where the selected pixel is positioned on the image data is determined as the blood vessel data 50.
  • step S10 among the blood vessel signals included in the 3D medical image data regarding the position of the blood vessel determined by step S10, blood vessel signals of the head region and blood vessel signals of the heart region may be obtained.
  • step S20 a first-order function for arterial input function (AIF) and venous output function (VOF) is derived.
  • AIF arterial input function
  • VEF venous output function
  • the medical image data used in the present invention is, for example, data obtained by capturing a region from the head of the patient.
  • Arterial function and venous function are functions defined for image analysis obtained in chronological order after adding a contrast agent, and are mainly defined as patterns in which signals change in time in major blood vessels.
  • Brain regions are often defined at the neck when analyzing.
  • blood vessels in the neck are mixed with veins and arteries, making it difficult to define arterial and venous function accurately.
  • the arterial function and the venous function are first defined, and the arterial function and the vein function are finally derived by correcting the first order function by analyzing blood vessel signals in the neck region.
  • the average of blood vessel signals near the heart most reflect the arterial function, and the average at the end of the head will mostly reflect the venous function.
  • a function representing a pattern of the mean values of the blood vessel signals 120 at the position R2 of the blood vessel lower than the first height based on the image among the 4D medical image data is 1 for the artery function.
  • a step S22 of deriving a difference function is performed.
  • the first-order function 130 is derived using the above assumptions, and the first-order function 130 may include the arterial function 130 and the venous function 130, respectively. Through the above process, the arteries and veins are primarily classified to accurately distinguish blood vessels.
  • the final function for the arterial function and the venous function is obtained by using the derived first order function and the blood vessel signal of the neck region.
  • a step S30 of deriving a difference function is performed.
  • Blood vessel signals other than the neck can be analyzed according to the part of the body that should be analyzed for blood flow through arterial and venous function. However, most of the brain region analyzes define arterial and venous function in the neck area.
  • a secondary function is derived as the final function.
  • the quadratic function can be derived based on the blood vessel signals of other regions depending on the body to be analyzed.
  • step S30 it is important to limit the data of the neck area among the 4D medical image data.
  • An embodiment for this is shown in FIGS. 2 and 6.
  • step S1 in order to determine the neck area, first, in step S1, generating an average image 60 for all time zones in the 4D medical image data photographed for each time zone is performed.
  • the mask image 80 is filled by selecting a pixel having a signal larger than a predetermined threshold size from the generated average image, and then filling the region 70 composed of the selected pixels by applying a median filter.
  • a step S2 of generating is performed.
  • the number of pixels of the mask is calculated from the body to the head direction, and then the images 81 and 83 of the upper and lower portions of the predetermined first height among the mask images 80 and 90 are calculated.
  • a step S3 of setting a region 91 having a second predetermined height as the neck region including the region having the smallest number of pixels is performed.
  • Step S3 begins with the premise that, in terms of performance, finding a cross section containing the neck has a relatively small volume of the human neck compared to the head and body. That is, in order to exclude the upper part and the lower part of the image in which an error may occur due to the absence of a pixel when determining the neck part based on the number of pixels in the image, a predetermined first height (eg For example, the upper and lower images 81 and 83 of 30 cm are excluded from the mask images 80 and 90, and the region having the smallest number of pixels in the remaining region 82 (preferably the smallest number of pixels). The area 91 of the second height (for example, 10 cm) is set to the neck area.
  • a predetermined first height eg
  • the upper and lower images 81 and 83 of 30 cm are excluded from the mask images 80 and 90, and the region having the smallest number of pixels in the remaining region 82 (preferably the smallest number of pixels).
  • the area 91 of the second height (for example, 10 cm) is set to
  • the blood vessel signals at the neck region are reflected in the first order function to derive the second, that is, the final functions of the arterial and venous functions. Specific embodiments of this are illustrated in FIGS. 4 and 8.
  • the blood vessel signals 141 of the neck region derived according to the above technique are extracted (S31).
  • a step (S32) of calculating a first time that is a time at which blood vessel signals have a maximum value in the extracting step is performed, and a reference value is calculated to classify the first time 150 as an arterial or venous signal. The process is performed.
  • the second time which is an average value of the time when the blood vessel signal corresponding to the artery signal has the maximum value and the average time of the time when the blood vessel signal corresponding to the vein signal has the maximum value
  • a step S33 of calculating a third time is performed.
  • step S33 comparing the first time 150 with the second time and the third time, and dividing the blood vessel signal at the neck into a vein signal and an arterial signal. (S34).
  • average values ((TTPR1 + TTPR2) / 2, 151) of the second time TTPR2 and the third time TTPR1 are calculated.
  • a plurality of first times 150 may be calculated for each blood vessel signal.
  • the blood vessel signal corresponding to the first time 150 smaller than (TTPR1 + TTPR2) / 2 is an arterial signal, and at a large first time.
  • Corresponding blood vessel signal is divided into vein signal.
  • the arterial and vein functions are derived primarily from the region near the heart and the head region where the arterial and vein signals are dominantly distributed, and then the blood vessel signals of the neck area to be observed. Finally, arterial and venous function in the neck area is derived.
  • the artery and vein flow can be accurately derived as a mathematical function in the region to be analyzed for blood flow. Through this, it can be used to extract various information related to hemodynamics, and can also be used for visualization processes such as showing images or difference images at meaningful specific time points, and can be used for various diagnosis and treatment in blood flow analysis. It has an effect.
  • an application basically installed in the user terminal (this may include a program included in the platform or operating system basically mounted on the terminal) It may be executed by the user, or may be executed by an application (ie, a program) directly installed on the user terminal through an application providing server, such as an application store server, an application, or a web server associated with the corresponding service.
  • an application ie, a program
  • the function of the real-time detection method of the fiber in the air through the image processing program according to the embodiment of the present invention described above is implemented as an application (that is, a program) that is basically installed in the user terminal or directly installed by the user and It can be recorded on a computer-readable recording medium such as a terminal.

Landscapes

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

Abstract

4차원 의료영상을 이용하여 체내의 정맥 및 동맥의 혈액의 흐름에 대한 수학적 함수를 도출하기 위한 기술을 제공한다. 본 발명의 일 실시예에 따른 의료영상을 이용한 혈류 분석 방법은, 기설정된 주기로 환자의 신체에 대한 3차원 영상을 촬영한 데이터들을 결합한 4차원 의료영상 데이터로부터, 혈관의 위치를 결정하는 단계; 결정하는 단계에 의하여 결정된 혈관의 위치에 대한 3차원 의료영상 데이터에 포함된 혈관 신호 중, 머리 부위의 혈관신호 및 심장 영역의 혈관신호를 이용하여, 동맥 함수 및 정맥 함수에 대한 1차 함수를 도출하는 단계; 및 1차 함수와 목 부위의 혈관신호를 이용하여, 동맥 함수 및 정맥 함수에 대한 최종 함수인 2차 함수를 도출하는 단계;를 포함하는 것을 특징으로 한다.

Description

의료영상을 이용한 혈류 분석 방법
본 발명은 MRI, CT 등의 의료영상을 이용하여 체내의 혈관에서의 혈류흐름을 분석하는 기술에 관한 것으로, 구체적으로는 조영제를 체내에 투여하여 체내의 영상을 촬영 시, 촬영된 영상을 이용하여 체내의 정맥 및 동맥에서의 혈액의 흐름에 대한 함수를 도출하기 위한 기술에 관한 것이다.
혈류와 같은 인체 내의 유체 흐름을 비침습적으로 측정하는 방법에서는, 자기 공명 영상기를 이용한 위상 대조 자기 공명 영상 기법이 널리 사용되고 있다. 상기의 기법은, 심전도의 R-wave 직후 혈류 속도의 영상을 0으로 하는 경사자계 펄스를 사용하여 속도를 반영하지 않는 레퍼런스 영상이 촬영되고, 속도부호화 경사자계를 이용하여 혈류 속도가 반영된 속도부호화 영상이 촬영된다. 이후 레퍼런스 영상과 속도 부호화 영상이 촬영된다. 이를 연속적으로 심전도의 한 주기동안 짝지어 촬영하고, 위상부호화의 크기를 달리하며 k-공간을 다 채울때까지 촬영한다. 이후, 촬영된 영상을 속도 영상으로 재구성하여, 심전도의 한 주기 동안의 혈류 속도를 측정하게 된다.
그러나 이러한 기법은, 혈류를 분석하는 데 있어서 혈류 속도만을 알 수 있고, 높은 시간해상도 및 정확한 혈류의 흐름을 표현하는 데 부족한 문제점이 지적되어 왔다.
이를 위하여, 미국등록특허 8837800호 등에서는, 동맥 및 정맥의 흐름을 분석하기 위하여, 의료영상을 이용하여 동맥 및 정맥 함수를 도출하기 위해서 영상을 구성하는 픽셀 중 일부를 선택하고, 각 픽셀들의 신호를 일반화 및 가우시안 트랜스폼을 이용하여 각 픽셀들이 구성하는 혈관에 대한 동맥함수 및 정맥함수를 도출하는 기법을 제시하고 있다.
그러나 이러한 기존의 방법에 의하여도, 정맥함수 및 동맥함수를 정확하게 도출하지 못하고 오류가 발생하는 문제점이 존재하고 있으며, 정확하게 의료영상으로부터 혈관을 인식함으로써 해당 혈관에서의 혈류를 분석하지 못하는 문제점이 지적되어 왔다.
이에 본 발명은, MRI, TRMRA, CT 등 조영제를 투여하여 체내 영상을 촬영 시 생성되는 의료영상으로부터 혈관을 정확하게 인지하고, 해당 혈관을 새로운 기법으로 분석함으로써, 동맥함수 및 정맥함수를 각각 정확도가 높도록 도출함으로써, 동맥 및 정맥에서의 혈류를 정확하게 분석할 수 있는 기술을 제공하는 데 그 목적이 있다.
상기 목적을 달성하기 위하여, 본 발명의 일 실시예에 따른 의료영상을 이용한 혈류 분석 방법은, 기설정된 주기로 환자의 신체에 대한 3차원 영상을 촬영한 데이터들을 결합한 4차원 의료영상 데이터로부터, 혈관의 위치를 결정하는 단계; 상기 결정하는 단계에 의하여 결정된 혈관의 위치에 대한 3차원 의료영상 데이터에 포함된 혈관 신호 중, 머리 부위의 혈관신호 및 심장 영역의 혈관신호를 이용하여, 동맥 함수 및 정맥 함수에 대한 1차 함수를 도출하는 단계; 및 상기 1차 함수와 목 부위의 혈관신호를 이용하여, 상기 동맥 함수 및 정맥 함수에 대한 최종 함수인 2차 함수를 도출하는 단계;를 포함하는 것을 특징으로 한다.
본 발명에 의하면, 시간대별로 촬영한 3차원 영상을 포함하는 4차원 의료영상 데이터에서의 시간대별 신호 크기의 변화를 이용하여 혈관의 위치를 정확하게 파악하고, 해당 혈관에서의 신호의 크기를 이용하여 동맥 및 정맥 함수를 정확하게 분석하고, 특히 목 부위의 혈관 신호를 이용함으로써, 매우 정확도가 높은 동맥 함수 및 정맥 함수를 도출할 수 있게 된다.
즉, 의료영상을 새로운 방식으로 분석하여 정확하게 혈류를 분석할 수 있도록 함으로써, 수학적인 모형을 이용하여 혈류역학과 관련된 다양한 정보를 추출할 수 잇고, 의미있는 특정 시점에서의 영상 및 차이영상을 생성하는 등 시각화 과정에서도 유효하게 이용할 수 있는 효과가 있다.
도 1 내지 4는 본 발명의 일 실시예에 따른 의료영상을 이용한 혈류 분석 방법의 플로우차트.
도 5 내지 8은 본 발명의 일 실시예의 구현에 따라서 혈류가 분석되는 실시예.
이하, 첨부된 도면을 참조하여 본 발명의 일 실시예에 따른 의료영상을 이용한 혈류 분석 방법에 대해서 설명하기로 한다.
이하의 실시 예는 본 발명의 이해를 돕기 위한 상세한 설명이며, 본 발명의 권리 범위를 제한하는 것이 아님은 당연할 것이다. 따라서 본 발명과 동일한 기능을 수행하는 균등한 발명 역시 본 발명의 권리 범위에 속할 것이다.
또한 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.
또한, 본 발명의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 어떤 구성 요소가 다른 구성요소에 “연결”, “결합” 또는 “접속” 된다고 기재된 경우, 그 구성 요소는 그 다른 구성요소에 직접적으로 연결되거나 또는 접속될 수 있지만, 각 구성 요소 사이에 또 다른 구성 요소가 “연결”, “결합” 또는 “접속”될 수도 있다고 이해되어야 할 것이다.
도 1 내지 4는 본 발명의 일 실시예에 따른 의료영상을 이용한 혈류 분석 방법의 플로우차트이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 의료영상을 이용한 혈류 분석 방법은, 의료영상을 촬영하는 장치로부터 촬영된 영상 데이터를 수신한 컴퓨터 또는 기타 장치 등 데이터 처리가 가능한 단말에 의하여 수행될 수 있다.
본 발명의 일 실시예에 따른 의료영상을 이용한 혈류 분석 방법에서는, 먼저 기설정된 주기로 환자의 신체에 대한 3차원 영상을 촬영한 데이터를 결합한 4차원 의료영상 데이터로부터 혈관의 위치를 결정하는 단계(S10)가 수행된다. S10 단계에서 촬영되는 환자의 신체는 바람직하게는 머리부터 심장 부근의 가슴 영역까지를 포함함이 바람직하나, 이에 제한되지는 않을 것이다.
본 발명에 있어서 4차원 의료영상 데이터는, 예를 들어 TRMRA(time-resolved magnetic resonance angiography)를 이용하여 촬영한 데이터일 수 있다. TRMRA는 자기공명영상을 이용한 혈관조영기법(MRA)의 일종으로서, 시간에 따라서 혈관신호의 변화를 관찰할 수 있다. 본 발명의 실시예에 대한 실험에 있어서 상기의 기법을 사용시 약 2초마다 영상을 얻을 수 있다. 물론 상기의 기법 이외에, 일정한 시간마다 3차원 영상을 획득하여 4차원의 의료영상 데이터를 획득하는 모든 기법이 사용될 수 있을 것이다.
본 발명에서 의료영상 데이터를 이용하여 혈관의 위치를 결정함으로써 영상 내에서 혈관신호를 획득하도록 하는 방법은, MRA에서 조영제 투여 시의 신호 변화를 이용함에 따라서 수행될 수 있다.
즉, 혈관의 위치를 결정하는 S10 단계는, 구체적으로 4차원 의료영상 데이터를 구성하는 픽셀들 중, 시간에 다른 신호의 크기의 최대값 및 최소값의 차이값 순으로 기설정된 비율의 상위의 픽셀을 혈관을 구성하는 픽셀로 결정하게 된다.
MRA 등에서 조영제를 투여한 경우, 조영제가 전달된 위치에서는 적절한 영상기법을 활용 시 신호강도가 급격하게 높아지게 된다. 이에 따라서 조영제 투여 후 시간해상도를 갖는 TRMRA 영상을 획득 시, 이에 의한 신호 변화를 통하여 혈류역학 정보를 얻을 수 있다.
이에 따라서 신호의 차이가 큰 상위의 예를 들어 10%의 픽셀들을 혈관을 촬영한 픽셀로 결정하게 되는 것이다. 이에 대한 예가 도 5에 자세하게 도시되어 있다.
도 5를 참조하면, 조영제 투여 후 촬영된 3차원 영상 데이터에서, 신호의 최대값 데이터(10)와 최소값 데이터(20)를 갖는 영상 데이터를 추출한다. 이후, 최대값과 최소값의 차이를 갖는 영상 데이터(30)를 생성 또는 추출하게 된다. 이러한 차이값들을 그래프(40)로 분석한 뒤, 이들 중 차이값이 가장 큰 순서대로, 예를 들어 10% 비율의 차이값(41)을 갖는 픽셀들을 선택하게 된다. 선택된 픽셀이 영상 데이터 상에서 위치하는 부분을 혈관 데이터(50)로 결정하게 된다.
다시 도 1에 대한 설명으로 돌아와서, S10 단계가 수행되면, S10 단계에 의하여 결정된 혈관의 위치에 대한 3차원 의료영상 데이터에 포함된 혈관 신호들 중, 머리 부위의 혈관 신호 및 심장 영역의 혈관신호를 이용하여 동맥 함수(AIF, Arterial Input Function) 및 정맥 함수(VOF, Venous Output Function)에 대한 1차 함수를 도출하는 단계(S20)를 수행하게 된다.
상기 언급한 바와 같이 본 발명에서 사용되는 의료영상 데이터는 예를 들어 환자의 머리부터 가슴 영역을 촬영한 데이터이다. 동맥 함수 및 정맥 함수는, 조영제를 투입한 후, 시간순으로 획득한 영상 분석을 위하여 정의되는 함수로서, 주요 혈관에서 시간에 따라서 신호가 변화하는 패턴으로 주로 정의된다.
이때 뇌영역을 분석 시 종종 목부위에서 정의된다. 그러나 목부위의 혈관은 정맥 및 동맥이 혼재하고 있어 동맥 함수 및 정맥 함수를 정확하게 정의하기가 힘들다. 이에 따라서, 본 발명에서는 1차적으로 동맥 함수 및 정맥 함수를 정의하고, 목 부위에서의 혈관 신호를 분석하여 1차 함수를 보정하여 최종적으로 동맥 함수 및 정맥 함수를 도출하게 되는 것이다.
1차 함수를 도출하는 데에는, 다음과 같은 조건이 적용된다. 즉, 4차원의 의료영상 데이터에서 심장 근처의 혈관 신호의 평균은 동맥 함수를 대부분 반영하며, 머리 끝에서의 평균은 정맥 함수를 대부분 반영할 것이다.
이를 이용하여, 본 발명에서는 1차 함수를 도 2 및 7에 도시된 예와 같이 도출하게 된다.
도 2와 도 7을 함께 참조하면, 먼저 4차원 의료영상 데이터(100)들 중 영상을 기준으로 기설정된 제1 높이의 상부의 혈관의 위치(R1)에서의 혈관 신호들(110)의 평균치의 패턴을 나타내는 함수를 정맥 함수에 대한 1차 함수로 도출하는 단계(S21)를 수행한다.
한편 이와 함께, 4차원 의료영상 데이터들 중 영상을 기준으로 기설정된 제1 높이의 하부의 혈관의 위치(R2)에서의 혈관 신호들(120)의 평균치의 패턴을 나타내는 함수를 동맥 함수에 대한 1차 함수로 도출하는 단계(S22)를 수행한다.
상기의 가정을 이용하여 1차 함수(130)가 도출되며 1차 함수(130)에는 각각 동맥 함수(130에서의 R2) 및 정맥 함수(130에서의 R1)가 포함될 수 있다. 상기의 과정을 통하여, 1차적으로 동맥 및 정맥을 구분하여 정확하게 혈관을 구분하도록 하게 된다.
다시 도 1에 대한 설명으로 돌아와서, S20 단계를 통하여 1차 함수가 도출되면, 도출된 1차 함수와 혈관신호들 중 목 부위의 혈관신호를 이용하여, 동맥 함수 및 정맥 함수에 대한 최종 함수인 2차 함수를 도출하는 단계(S30)를 수행하게 된다.
동맥 함수 및 정맥 함수를 통하여 혈류를 분석해야 하는 신체 부위에 따라서 목 부위 이외의 혈관신호를 분석할 수 있으나, 뇌영역을 분석 시 대부분 목 부위에서의 동맥 및 정맥 함수를 정의하고 있다.
이에 따라서 머리 부위 및 심장 근처의 가슴 부위의 1차 함수를 목 부위의 혈관 신호에 따라서 보정함으로써, 최종 함수로서 2차 함수를 도출하게 된다. 물론 상기 언급한 바와 같이, 목 부위 이외에, 분석 대상이 되는 신체에 따라서 다른 부위의 혈관 신호를 기준으로 2차 함수가 도출될 수 있음은 당연할 것이다.
S30 단계의 수행을 위하여 4차원 의료영상 데이터들 중 목 부위의 데이터를 한정하는 것이 중요하다. 이를 위한 실시예가 도 2 및 도 6에 도시되어 있다.
도 2와 도 6을 함께 참조하면, 목 부위를 결정하기 위하여, 먼저 시간대별로 촬영된 4차원 의료영상 데이터에 있어서, 전체 시간대에 대한 평균 영상(60)을 생성하는 단계(S1)를 수행한다.
이후, 생성된 평균 영상으로부터, 기설정된 임계 크기보다 큰 신호를 갖는 픽셀을 선택한 뒤, 선택된 픽셀로 구성된 영역(70)을 미디언 필터(Median Filter)를 적용하여 모두 채움으로써 마스크 영상(80)을 생성하는 단계(S2)를 수행한다.
즉, S1 단계에 의하여 생성된 평균 영상(60)으로부터 임계 기법(thresholding)을 통하여 예를 들어 전체영역의 신호의 평균값의 0.5배수보다 큰 픽셀만을 남기고 배경이 제거된 초기 마스크를 생성한 뒤, 마스크 영역 내에 남아있는 홀(hole)들에 대해서 미디언 필터링을 통하여 채워줌으로써 최종적인 마스크를 생성하게 되는 것이다.
S2 단계에 의하여 마스크가 생성되면, 몸에서 머리 방향으로 마스크의 픽셀들의 수를 계산한 다음에, 마스크 영상(80, 90) 중 기설정된 제1 높이의 상부 및 하부의 영상(81, 83)을 제외한 영역(82)들 중, 픽셀 수가 가장 적은 영역을 포함하는 기설정된 제2 높이의 영역(91)을 목 부위로 설정하는 단계(S3)를 수행한다.
S3 단계는 그 수행 기준에 있어서, 목을 포함하는 단면을 찾는 것은 사람의 목이 머리와 몸에 비하여 비교적 적은 부피를 가진다는 가정에서 시작한다. 즉, 영상에 있어서 픽셀 수를 기준으로 목 부위를 결정 시 픽셀이 존재하지 않아 오류가 발생할 수 있는 영상의 맨 위 부분 및 아래 부분에 대해서는 이를 판단 대상으로부터 제외하기 위하여, 기설정된 제1 높이(예를 들어 30cm)의 상부 및 하부의 영상(81, 83)을 마스크 영상(80, 90)으로부터 제외하고, 남은 영역(82)에 있어서 픽셀 수가 가장 적은 영역을 포함하는(바람직하게는 픽셀 수가 가장 적은 영역을 중심으로) 제2 높이(예를 들어 10cm)의 영역(91)을 목 부위로 설정하게 되는 것이다.
다시 도 1에 대한 설명으로 돌아와서, 목 부위에서의 혈관 신호를 1차 함수에 반영함으로써, 2차 함수, 즉 동맥 함수와 정맥 함수의 최종 함수를 도출하게 된다. 이에 관한 구체적인 실시예가 도 4 및 8에 도시되어 있다.
도 4 및 8을 함께 참조하면, 1차 함수가 나타내는 혈관신호(140)들 중, 상기의 기법에 따라서 도출된 목 부위에서의 혈관신호(141)들을 추출하는 단계(S31)를 수행하게 된다.
이후, 추출하는 단계에서의 혈관 신호들이 최대값을 가지는 시간인 제1 시간을 계산하는 단계(S32)를 수행하게 되며, 제1 시간(150)을 동맥 또는 정맥 신호로 분류하기 위하여 기준 값을 계산하는 과정이 수행된다.
구체적으로, 상기의 1차 함수에 포함된 혈관 신호들 중 동맥 신호에 대응하는 혈관 신호가 최대값을 갖는 시간의 평균치인 제2 시간 및 정맥 신호에 대응하는 혈관 신호가 최대값을 갖는 시간의 평균치인 제3 시간을 연산하는 단계(S33)가 수행된다.
S33 단계에 대해서 제2 시간 및 제3 시간이 연산되면, 제1 시간(150)과, 제2 시간 및 제3 시간을 비교하여, 목 부위에서의 혈관 신호를 정맥 신호 및 동맥 신호로 구분하는 단계(S34)를 수행한다.
구체적으로 도 8을 참조하면, 제2 시간(TTPR2)과 제3 시간(TTPR1)의 평균값((TTPR1+TTPR2)/2, 151)을 연산한다. 제1 시간(150)은 혈관 신호별로 복수개가 계산될 것이다. 계산된 제1 시간(150)들에 해당하는 혈관신호(152)들 중, (TTPR1+TTPR2)/2보다 작은 제1 시간(150)에 해당하는 혈관신호를 동맥 신호로, 큰 제1 시간에 해당하는 혈관신호를 정맥 신호로 구분하게 된다.
S34가 수행되면, 구분된 신호마다 해당 신호가 최대값을 갖는 시간의 최빈값을 계산한 후, 최빈값에 가까운 기설정된 비율(예를 들어 50%)의 신호들의 평균값이 갖는 패턴을 동맥 함수 및 정맥 함수에 대한 제2 함수(160)로서 도출하는 단계(S35)가 수행된다.
상기와 같은 과정을 통하면, 동맥 신호와 정맥 신호가 지배적으로 분포되는 심장 부근의 영역 및 머리 영역에서 1차적으로 동맥 함수 및 정맥 함수를 도출한 뒤, 이를 관찰 대상이 되는 목 부위의 혈관 신호들에 반영하여 최종적으로 목 부위에서의 동맥 함수 및 정맥 함수를 도출하게 된다.
이와 같은 본 발명의 실시예에 의하면, 혈류를 분석하기 위한 대상이 되는 영역에서, 정확하게 동맥 및 정맥의 흐름을 수학적인 함수로서 도출할 수 있다. 이를 통해, 혈류역학과 관련된 다양한 정보를 추출해 내는 데 이용할 수 있으며, 의미있는 특정 시점에서의 영상 또는 차이영상을 보여주는 등의 시각화 과정에도 이용될 수 있어, 혈류 분석 시의 다양한 진단 및 치료에 사용될 수 있는 효과가 있다.
이상에서 전술한 본 발명의 실시 예에 따른 의료영상을 이용한 혈류 분석 방법의 기능은, 사용자 단말에 기본적으로 설치된 애플리케이션(이는 단말기에 기본적으로 탑재된 플랫폼이나 운영체제 등에 포함된 프로그램을 포함할 수 있음)에 의해 실행될 수 있고, 사용자가 애플리케이션 스토어 서버, 애플리케이션 또는 해당 서비스와 관련된 웹 서버 등의 애플리케이션 제공 서버를 통해 사용자 단말에 직접 설치한 애플리케이션(즉, 프로그램)에 의해 실행될 수도 있다. 이러한 의미에서, 전술한 본 발명의 실시 예에 따른 이미지 처리 프로그램을 통한 공기 중 섬유의 실시간 검출방법의 기능은 사용자 단말에 기본적으로 설치되거나 사용자에 의해 직접 설치된 애플리케이션(즉, 프로그램)으로 구현되고 사용자 단말 등의 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다.
이상에서, 본 발명의 실시예를 구성하는 모든 구성 요소들이 하나로 결합되거나 결합되어 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 실시 예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. 또한, 그 모든 구성 요소들이 각각 하나의 독립적인 하드웨어로 구현될 수 있지만, 각 구성 요소들의 그 일부 또는 전부가 선택적으로 조합되어 하나 또는 복수 개의 하드웨어에서 조합된 일부 또는 전부의 기능을 수행하는 프로그램 모듈을 갖는 컴퓨터 프로그램으로서 구현될 수도 있다. 그 컴퓨터 프로그램을 구성하는 코드들 및 코드 세그먼트들은 본 발명의 기술 분야의 당업자에 의해 용이하게 추론될 수 있을 것이다. 이러한 컴퓨터 프로그램은 컴퓨터가 읽을 수 있는 저장매체(Computer Readable Media)에 저장되어 컴퓨터에 의하여 읽혀지고 실행됨으로써, 본 발명의 실 시예를 구현할 수 있다. 컴퓨터 프로그램의 저장매체로서는 자기 기록매체, 광 기록매체, 등이 포함될 수 있다.
또한, 이상에서 기재된 “포함하다”, “구성하다” 또는 “가지다” 등의 용어는, 특별히 반대되는 기재가 없는 한, 해당 구성 요소가 내재될 수 있음을 의미하는 것이므로, 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것으로 해석되어야 한다. 기술적이거나 과학적인 용어를 포함한 모든 용어들은, 다르게 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 사전에 정의된 용어와 같이 일반적으로 사용되는 용어들은 관련 기술의 문맥상의 의미와 일치하는 것으로 해석되어야 하며, 본 발명에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서 본 발명에 개시된 실시 예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시 예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (5)

  1. 기설정된 주기로 환자의 신체에 대한 3차원 영상을 촬영한 데이터들을 결합한 4차원 의료영상 데이터로부터, 혈관의 위치를 결정하는 단계;
    상기 결정하는 단계에 의하여 결정된 혈관의 위치에 대한 3차원 의료영상 데이터에 포함된 혈관 신호 중, 머리 부위의 혈관신호 및 심장 영역의 혈관신호를 이용하여, 동맥 함수 및 정맥 함수에 대한 1차 함수를 도출하는 단계; 및
    상기 1차 함수와 목 부위의 혈관신호를 이용하여, 상기 동맥 함수 및 정맥 함수에 대한 최종 함수인 2차 함수를 도출하는 단계;를 포함하는 것을 특징으로 하는 의료영상을 이용한 혈류 분석 방법.
  2. 제1항에 있어서,
    상기 혈관의 위치를 결정하는 단계는,
    상기 4차원 의료영상 데이터를 구성하는 픽셀들 중, 시간에 따른 신호의 크기의 최대값 및 최소값의 차이값 순으로 기설정된 비율의 상위의 픽셀을 혈관을 구성하는 픽셀로 결정하는 것을 특징으로 하는 의료영상을 이용한 혈류 분석 방법.
  3. 제1항에 있어서,
    시간대별로 촬영된 4차원 의료영상 데이터에 있어서, 전체 시간대에 대한 평균 영상을 생성하는 단계;
    상기 생성된 평균 영상으로부터 기설정된 임계 크기보다 큰 신호를 갖는 픽셀을 선택한 뒤, 선택된 픽셀로 구성된 영역을 미디언 필터(median filter)를 적용하여 마스크 영상을 생성하는 단계; 및
    상기 생성된 마스크 영상 중, 기설정된 제1 높이의 상부 및 하부의 영상을 제외한 영역들 중, 픽셀수가 가장 적은 영역을 포함하는 기설정된 제2 높이의 영역을 목 부위로 결정하는 단계;를 더 포함하는 것을 특징으로 하는 의료영상을 이용한 혈류 분석 방법.
  4. 제1항에 있어서,
    상기 1차 함수를 도출하는 단계는,
    상기 4차원 의료영상 데이터들 중 영상을 기준으로 기설정된 제1 높이의 상부의 혈관의 위치에서의 혈관 신호들의 평균치의 패턴을 나타내는 함수를 정맥 함수에 대한 제1 함수로 도출하는 단계; 및
    상기 4차원 의료영상 데이터들 중 영상을 기준으로 기설정된 제1 높이의 하부의 혈관의 위치에서의 혈관 신호들의 평균치의 패턴을 나타내는 함수를 동맥 함수에 대한 제1 함수로 도출하는 단계;를 포함하는 것을 특징으로 하는 의료영상을 이용한 혈류 분석 방법.
  5. 제1항에 있어서,
    상기 2차 함수를 도출하는 단계는,
    상기 1차 함수가 나타내는 혈관신호들 중, 상기 목 부위에서의 혈관 신호를 추출하는 단계;
    상기 추출하는 단계에서의 혈관 신호들이 최대값을 가지는 시간인 제1 시간을 계산하는 단계;
    상기 제1 함수에 포함된 혈관 신호들 중, 동맥 신호에 대응하는 혈관 신호가 최대값을 갖는 시간의 평균치인 제2 시간 및 정맥 신호에 대응하는 혈관 신호가 최대값을 갖는 시간의 평균치인 제3 시간을 연산하는 단계;
    상기 제1 시간과, 상기 제2 시간 및 상기 제3 시간을 비교하여, 상기 목 부위에서의 혈관 신호를 정맥 신호 및 동맥 신호로 구분하는 단계; 및
    상기 구분된 신호마다, 상기 신호가 최대값을 갖는 시간의 최빈값을 계산한 후, 상기 최빈값에 가까운 기설정된 비율의 신호들의 평균값이 갖는 패턴을 상기 동맥 함수 및 정맥 함수에 대한 제2 함수로 도출하는 단계;를 포함하는 것을 특징으로 하는 의료영상을 이용한 혈류 분석 방법.
PCT/KR2017/000883 2016-02-04 2017-01-25 의료영상을 이용한 혈류 분석 방법 Ceased WO2017135635A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US16/074,636 US10750964B2 (en) 2016-02-04 2017-01-25 Method for analyzing blood flow by using medical image

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020160014162A KR101840106B1 (ko) 2016-02-04 2016-02-04 의료영상을 이용한 혈류 분석 방법
KR10-2016-0014162 2016-02-04

Publications (1)

Publication Number Publication Date
WO2017135635A1 true WO2017135635A1 (ko) 2017-08-10

Family

ID=59499670

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2017/000883 Ceased WO2017135635A1 (ko) 2016-02-04 2017-01-25 의료영상을 이용한 혈류 분석 방법

Country Status (3)

Country Link
US (1) US10750964B2 (ko)
KR (1) KR101840106B1 (ko)
WO (1) WO2017135635A1 (ko)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102272741B1 (ko) * 2019-07-11 2021-07-02 가톨릭대학교 산학협력단 4차원 자기공명 혈관조영술의 영상정보 후처리를 통한 3차원 감산 동맥조영술과 3차원 감산 정맥조영술 및 4차원 컬러 혈관조영술의 동시 구현 방법과 의료영상 시스템
US11341636B2 (en) * 2019-11-01 2022-05-24 GE Precision Healthcare LLC Methods and systems for an adaptive five-zone perfusion scan
CN111436905B (zh) * 2020-04-03 2024-03-19 图湃(北京)医疗科技有限公司 一种光学相干层析血管造影方法及装置
CN112990029B (zh) * 2021-03-23 2022-08-19 桂林电子科技大学 一种评估静脉血管状态的装置
KR102611037B1 (ko) 2023-07-04 2023-12-08 주식회사 휴런 뇌와 관련된 정보로부터의 혈관 함수를 추출하기 위한 장치 및 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0792184A (ja) * 1993-09-24 1995-04-07 Kowa Co 血流測定装置
JP2003019119A (ja) * 2001-07-10 2003-01-21 Canon Inc 眼底血流計
US20100056936A1 (en) * 2006-12-01 2010-03-04 Hitoshi Fujii Blood flow rate imaging device
KR20100133996A (ko) * 2008-03-11 2010-12-22 카롤린스카 인스티튜테트 이노베이션스 아베 기관의 영상-기반 동적 기능을 평가하기 위한 컴퓨터-기반 방법 및 시스템
KR20150113157A (ko) * 2013-03-04 2015-10-07 하트플로우, 인크. 혈류 특성 모델링 감도 분석 방법 및 시스템

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2131212A3 (en) 2008-06-05 2011-10-05 Medison Co., Ltd. Non-Rigid Registration Between CT Images and Ultrasound Images
US20160166159A1 (en) * 2011-05-11 2016-06-16 Qing Yang Method and system for mapping tissue status of acute stroke
US8837800B1 (en) * 2011-10-28 2014-09-16 The Board Of Trustees Of The Leland Stanford Junior University Automated detection of arterial input function and/or venous output function voxels in medical imaging
FR3027115B1 (fr) * 2014-10-13 2019-05-10 Olea Medical Systeme et procede pour estimer une quantite d'interet d'un systeme dynamique artere/tissu/veine

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0792184A (ja) * 1993-09-24 1995-04-07 Kowa Co 血流測定装置
JP2003019119A (ja) * 2001-07-10 2003-01-21 Canon Inc 眼底血流計
US20100056936A1 (en) * 2006-12-01 2010-03-04 Hitoshi Fujii Blood flow rate imaging device
KR20100133996A (ko) * 2008-03-11 2010-12-22 카롤린스카 인스티튜테트 이노베이션스 아베 기관의 영상-기반 동적 기능을 평가하기 위한 컴퓨터-기반 방법 및 시스템
KR20150113157A (ko) * 2013-03-04 2015-10-07 하트플로우, 인크. 혈류 특성 모델링 감도 분석 방법 및 시스템

Also Published As

Publication number Publication date
US10750964B2 (en) 2020-08-25
KR20170092903A (ko) 2017-08-14
US20190038150A1 (en) 2019-02-07
KR101840106B1 (ko) 2018-04-26

Similar Documents

Publication Publication Date Title
US12171539B2 (en) Rapid quantitative evaluations of heart function with strain measurements from MRI
Pinti et al. A novel GLM-based method for the Automatic IDentification of functional Events (AIDE) in fNIRS data recorded in naturalistic environments
Yan et al. Novel deep convolutional neural network for cuff-less blood pressure measurement using ECG and PPG signals
KR102001790B1 (ko) 인공지능 기반 혈류 구간 분류 방법 및 시스템
JP2020163213A (ja) ４次元（４ｄ）フロー磁気共鳴画像化のための装置、方法、および物品
US10755455B1 (en) Method for digital subtraction angiography, X-ray facility, computer program, and electronically readable data carrier
CA3104074A1 (en) Methods and systems to quantify and remove asynchronous noise in biophysical signals
JP2017534378A (ja) 血流量及び灌流量のマルチスペクトル画像化によって得られる信号を使用して血行動態パラメータを決定する方法、システム、及びコンピュータプログラム製品
EP2886052B1 (en) Magnetic resonance imaging device
US20250061576A1 (en) Diagnostic support program
US10750964B2 (en) Method for analyzing blood flow by using medical image
US20210219934A1 (en) Method, system, and medium for analyzing image sequence of periodic physiological activity
WO2020138932A1 (ko) 머신러닝 기반의 gre 영상을 활용한 혈전 분류 방법 및 시스템
WO2015070046A1 (en) System and method for tracking cerebral blood flood flow in fmri
WO2021006460A1 (ko) 4차원 자기공명 혈관조영술의 영상정보 후처리를 통한 3차원 감산 동맥조영술과 3차원 감산 정맥조영술 및 4차원 컬러 혈관조영술의 동시 구현 방법과 의료영상 시스템
Molinaro et al. Cardiorespiratory parameters monitoring through a single digital camera in real scenarios: ROI tracking and motion influence
CN110517229B (zh) 一种脉搏检测方法、系统、电子装置及存储介质
Karlen et al. Respiratory rate assessment from photoplethysmographic imaging
Jiang et al. Adaptive thresholding with inverted triangular area for real-time detection of the heart rate from photoplethysmogram traces on a smartphone
KR102633581B1 (ko) 뇌 관련 혈관 함수를 기초로 동맥 함수를 보정하는 방법
Carvajal et al. Dimensional analysis of HRV in hypertrophic cardiomyopathy patients
JP4972477B2 (ja) 医用画像処理装置
CN114913133B (zh) 肺部医学图像的处理方法及装置、存储介质和计算机设备
JPH04307049A (ja) 心臓その他脈動体画像の解析装置
WO2015194744A1 (ko) 자기 공명 영상 시스템에서 혈관벽 영상을 획득하는 방법

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: 17747680

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: 17747680

Country of ref document: EP

Kind code of ref document: A1