WO2017150894A1 - 혈관 촬영 영상을 이용한 혈관 분석 방법 및 장치 - Google Patents

혈관 촬영 영상을 이용한 혈관 분석 방법 및 장치 Download PDF

Info

Publication number
WO2017150894A1
WO2017150894A1 PCT/KR2017/002213 KR2017002213W WO2017150894A1 WO 2017150894 A1 WO2017150894 A1 WO 2017150894A1 KR 2017002213 W KR2017002213 W KR 2017002213W WO 2017150894 A1 WO2017150894 A1 WO 2017150894A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
stent
blood vessel
characteristic information
target
Prior art date
Application number
PCT/KR2017/002213
Other languages
English (en)
French (fr)
Inventor
유홍기
김진원
남형수
Original Assignee
한양대학교 산학협력단
고려대학교 산학협력단
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 한양대학교 산학협력단, 고려대학교 산학협력단 filed Critical 한양대학교 산학협력단
Publication of WO2017150894A1 publication Critical patent/WO2017150894A1/ko

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 pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/12—Diagnosis using ultrasonic, sonic or infrasonic waves in body cavities or body tracts, e.g. by using catheters

Definitions

  • the present invention relates to a method and apparatus for analyzing blood vessels using an angiography image. More specifically, an angiography wall and a stent are extracted from an angiography image, and blood vessels capable of analyzing the degree of misadhesion of the stent and the thickness of the neointima. It relates to an analysis method and apparatus.
  • neovascularized cells grow on the stent strut after the procedure, and blood vessels may be narrowed again due to the overgrowth of these endothelial cells.
  • the endovascular stent was well constricted, the thickness of the neointima due to the growth of struts and endothelial cells, or the various clinical results according to the patient's condition, the structure of the stent, and the drug components expressed on the surface.
  • an angiography image is used.
  • X-ray angiography, intravascular ultrasound, and intravascular optical coherence tomography (IV-OCT) are used as angiography techniques.
  • the present invention provides an vascular analysis method and apparatus capable of extracting an inner wall of a blood vessel and a stent from an angiography image, and analyzing the degree of misadhesion of the stent and the thickness of the neointima.
  • a step of determining a stent candidate group including a local maximum brightness value in an angiogram image of a target vessel Extracting first characteristic information about the stent candidate group by using an angiogram image of the target blood vessel; And detecting a target stent in the stent candidate group by using the first characteristic information and the second characteristic information on the reference stent generated from the angiographic tomography image.
  • an image input unit for receiving a vascular tomography image for the target blood vessel;
  • a candidate group determination unit determining a stent candidate group including a local maximum brightness value in the vascular tomography image of the target blood vessel;
  • a characteristic information extracting unit extracting first characteristic information on the stent candidate group by using an angiographic tomography image of the target blood vessel;
  • a stent detector configured to detect a target stent from the stent candidate group by using the first characteristic information and second characteristic information of a reference stent generated from the angiography tomography image. to provide.
  • an angiographic tomography image can be used to quickly and accurately detect the vascular wall, target stent and neointima boundary line, and the extraction result shows the thickness of the neointima, and the protruding and misadhesive distance of the stent. Information can be provided.
  • FIG. 1 is a view for explaining a blood vessel analysis apparatus using a blood vessel imaging image according to an embodiment of the present invention.
  • FIG. 2 is a diagram illustrating a data processor according to an exemplary embodiment of the present invention.
  • FIG. 3 is a diagram illustrating an angiography image and a polar coordinate conversion image.
  • FIG. 4 is a view for explaining the extraction of the inner wall of the blood vessel according to the present invention.
  • FIG. 5 is a view for explaining a stent candidate group according to the present invention.
  • FIG. 6 shows a line profile and an A-line profile for a reference stent.
  • FIG. 7 is a view for explaining the protruding distance and misadhesion distance of the stent and the thickness of the neointima
  • FIG. 8 is a view for explaining a blood vessel analysis method using an angiography image according to an embodiment of the present invention.
  • FIG. 9 is a diagram illustrating an artificial neural network for stent detection.
  • FIG. 1 is a view for explaining a blood vessel analysis apparatus using a blood vessel imaging image according to an embodiment of the present invention.
  • a blood vessel analyzing apparatus includes an image input unit 110, a data processor 120, and a data output unit 130.
  • the image input unit 110 receives a vascular tomography image of the target blood vessel.
  • the vascular tomography image may be, for example, an intravascular ultrasound image or an intravascular tomography image.
  • the image input unit 110 may be, for example, a catheter, and may be directly inserted into the target blood vessel to receive a vascular tomography image.
  • the data processor 120 extracts the target stent inserted into the inner wall of the blood vessel and the target vessel by using the vascular tomography image of the target vessel.
  • the data processing unit 120 may extract the boundary of the neointimal lining generated by the stent, and may use the thickness of the neointimal thickness by using the extracted vessel inner wall, the target stent, and the boundary of the neointima.
  • the extrusion distance (Protrusion distance) and the misposition distance (Malapposition distance) of the stent can be calculated.
  • the data output unit 130 may output the processing result of the data processing unit 120, and may output the processing result with respect to the input vascular tomography image.
  • the data output unit 130 may display a blood vessel inner wall, a target stent, or the like extracted in the blood vessel tomography image.
  • an angiographic tomography image can be used to quickly and accurately detect the vascular wall, target stent and neointima boundary line, and the extraction result shows the thickness of the neointima, and the protruding and misadhesive distance of the stent. Information can be provided.
  • FIG. 2 is a view for explaining a data processing unit 120 according to an embodiment of the present invention.
  • FIG. 3 is a diagram illustrating an angiography image and a polar coordinate conversion image
  • FIG. 4 is a diagram for describing the extraction of an inner wall of a blood vessel according to the present invention.
  • 5 is a view for explaining a stent candidate group according to the present invention. 6 shows a line profile and an A-line profile for a reference stent.
  • the data processor 120 includes a preprocessor 210, a blood vessel inner wall extractor 220, a candidate group determiner 230, a feature information extractor 240, a stent detector 250, and a numerical calculator ( 260).
  • Components of the data processor 120 may be variously configured according to clinical indicators detected. First, a process of detecting an inner wall of a blood vessel of the data processor 120 will be described, and a process of detecting a stent and other clinical indicators will be described.
  • the vascular tomography image may be expressed by brightness of each pixel, and the preprocessing unit 210 may acquire a reflection profile (A-line), that is, a brightness value in the depth direction of the blood vessel, to obtain a vascular tomography of the target blood vessel.
  • A-line a reflection profile
  • Polar (r, ⁇ ) transformation is performed on the image.
  • the preprocessor 210 may perform polar coordinate transformation after performing preprocessing such as Gaussian low band filtering to reduce noise of the angiography tomography image.
  • an angiogram image as shown in FIG. 3 (a) may be converted into an image as shown in FIG. 3 (b) through polar coordinate transformation.
  • the depth direction (r) is a blood vessel inner wall at the center of the vessel. It corresponds to the direction facing.
  • the preprocessor 210 may generate a first inclination image in the depth direction by using the image of which polar coordinates have been performed, and may additionally generate a second inclination image.
  • the first gradient image G r and the second gradient image G rr may be generated through Equation 1.
  • the preprocessor 210 generates first and second inclination images to extract blood vessel inner walls and stents showing edge characteristics.
  • the preprocessing unit 210 may support accurate detection by removing a catheter or guide wire portion that may be taken together when the blood vessel is photographed from the first and second inclination images.
  • the preprocessor 210 may additionally support various functions or selectively provide some of the above-described functions.
  • the blood vessel inner wall extractor 220 determines a vessel inner wall at a portion representing a predetermined brightness value in the polar coordinate converted image, and may use the first gradient image.
  • the vascular inner wall extracting unit 220 may determine the boundary of the neointima like the vascular inner wall.
  • the blood vessel inner wall extractor 220 may determine a portion representing the brightness value as much as a preset ratio with respect to the maximum brightness value of the vessel tomography image as the vessel inner wall.
  • the preset ratio may be variously set according to the embodiment, for example, 20% of the maximum brightness value.
  • the portion showing the maximum brightness value of the angiography image is more likely to be the portion where the stent of the metal material with better reflectivity than the human tissue is located, and since the brightness value of the vessel wall is smaller than the brightness value of the stent, the vessel wall extracting part 220 ) Determines the darker part of the vessel wall than the maximum brightness value of the vessel tomography image.
  • the blood vessel inner wall extractor 220 may determine the vessel inner wall without using the first tilted image, but may determine the vessel inner wall in the polar coordinate-converted image.
  • the gradient image may be used to remove artifacts that may be present in the angiography image.
  • the blood vessel inner wall extractor 220 may generate an image that takes only a value representing a negative value above a threshold value in the first gradient image, since the image is a converted form of the primary gradient image.
  • Edge information of the polar coordinate conversion image such as 3 (b) is included.
  • the blood vessel inner wall extracting unit 220 will be described in more detail.
  • FIG. 4 (a) shows a polar coordinate-converted tomography image
  • FIG. 4 (b) shows an image in which only values representing negative values above a threshold value are taken from the first gradient image of FIG. 4 (a).
  • 4 (c) is a diagram illustrating a result of lumen contour detection (410) obtained by the blood vessel inner wall extracting unit 220 from FIG. 4 (a)
  • FIG. 4 (d) shows FIG. 4 (b). It is a figure which shows the vascular inner wall candidate group determined from the image.
  • the inner blood vessel wall extractor 220 may generate the image of FIG. 4 (b) from the image of FIG. 4 (a), and FIG. 4 (b) includes edge information of the image of FIG. 4 (a). That is, it can be seen that a relatively bright area in FIG. 4 (b) represents an edge portion of the image of FIG. 4 (a), and it is confirmed that the shape of the image of FIG. 4 (b) corresponds to the edge portion of FIG. 4 (a). Can be.
  • FIG. 4 (b) becomes a temporary lumen contour group, and a region through which a dotted line passes in FIG. 4 (d) represents a temporary vessel inner wall candidate group.
  • the vascular inner wall extracting unit 220 considers the distance and relative angle based on the temporary vascular inner wall candidate group C largest of the largest area among the temporary vascular inner wall candidate groups determined according to the edge information, and finally, the vascular inner wall candidate group C left , C right ).
  • the largest temporal vascular lining candidate (C largest ) is also included in the vascular lining candidate.
  • the portions protruding upward from the vascular inner wall candidate group are excluded from the vascular inner wall candidate group because they are spaced apart from each other based on C largest , and as a result, in FIG.
  • the vessel inner wall 410 as shown in FIG. 4C may be extracted from the vessel inner wall candidate group.
  • the candidate group determiner 230 determines a region including a local maximum intensity value as the stent candidate group in the vascular tomography image of the target blood vessel.
  • the candidate group determiner 230 may detect a region indicating a local maximum brightness value in the angiography image by using the above-described second tilted image.
  • the candidate group determiner 230 may determine the second tilted image through the second tilted image.
  • a stent candidate group representing a local maximum brightness value of the vascular tomography image can be determined.
  • FIG. 5 is a view schematically illustrating a part of a region displayed relatively brightly in the diagram of FIG. 4 (a), which shows a region where a local maximum brightness value obtained through a second gradient image is displayed and is extracted for clarity.
  • the inner blood vessel inner wall 410 is shown together.
  • a portion in which a dotted line is displayed is a portion representing a local maximum brightness value obtained through the secondary tilt image, and represents a stent candidate group, and a black dot overlapping the dotted line is a median point of the region representing the region maximum brightness value. Indicates.
  • At least one 510 of the region including the local maximum value protruding from the blood vessel inner wall 410 may be detected as the target stent in FIGS. 4 and 5.
  • the characteristic information extractor 240 extracts first characteristic information of the stent candidate group by using an angiography image of the target blood vessel.
  • the stent detection unit 250 extracts the target stent from the stent candidate group by using the first characteristic information and the second characteristic information of the reference stent generated from the angiographic tomography image.
  • the characteristic information may include at least one of statistical characteristics information and geometrical characteristics information.
  • the statistical characteristic information literally represents the characteristic information on the stent that can be obtained statistically, and may include statistical characteristic information on an OCT intensity image and statistical characteristic information on a gradient image. .
  • Statistical characteristic information of the reference stent may be obtained by statistically analyzing the characteristics of the stent in the angiogram and the tilted image.
  • Geometric characteristic information such as length may also be obtained through analysis of an angiography image.
  • the stent detection unit 250 extracts first characteristic information on the stent candidate group by using an angiogram image and an inclined image, compares the second characteristic information and the first characteristic information on the reference stent, An area showing characteristics similar to the second characteristic information may be extracted as the target stent.
  • the polar coordinate conversion image of the angiography image and the second gradient image of the conversion image may be used for feature information extraction.
  • the statistical characteristic information and the geometric characteristic information may be as shown in Table 1 as an example, and may be variously set according to the example.
  • statistical characteristic information and geometric characteristic information of the reference stent and the stent candidate group may be obtained from brightness values of the polar coordinate-converted image and the tilted image.
  • Brightness values of the polar coordinate-converted image and the tilted image of the reference stent may be represented by line profiles as shown in FIGS. 6 (a) and 6 (b).
  • FIG. 6 (a) shows a line profile (brightness value, intensity, amplitude) according to polar coordinates ⁇ (angle, the horizontal axis in the polar coordinates converted image), and
  • FIG. 6 (b) shows a central point of the stent candidate group (FIG. 5).
  • the statistical characteristic information of the angiographic tomography image of the reference stent can be obtained from the f n profile (solid line) of FIG. 6 (a).
  • Maximum Intensity Media Intensity, Mean Intensity, Intensity Variance, Intensity Coefficient Of Variance, Brightness Distortion Value ( It may include at least one of Intensity Skewness and Intensity Kurtosis.
  • the length of the stent is an example, and may correspond to the length of the stent in the angiographic tomography image as shown in FIG. 3 (a), as shown in [Equation 2]. Can be calculated.
  • L is the length of the stent in the angiogram image
  • N is the number of pixels of the stent candidate group in the polar coordinate-converted image
  • ( ) Denotes polar coordinates (depth, angle) constituting the stent candidate group in the polar coordinate converted image.
  • the stent detection unit 250 may detect the target stent using the first and second characteristic information.

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Surgery (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Cardiology (AREA)
  • Physiology (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Vascular Medicine (AREA)

Abstract

혈관 촬영 영상에서, 혈관 내벽 및 스텐트를 추출하고, 스텐트의 오부착 정도 및 신생 내막의 두께를 분석할 수 있는 혈관 분석 방법 및 장치가 개시된다. 개시된 혈관 분석 방법은 타겟 혈관에 대한 혈관 단층 촬영 영상에서, 지역 최대 밝기 값을 포함하는 스텐트 후보군을 결정하는 단계; 상기 타겟 혈관에 대한 혈관 단층 촬영 영상을 이용하여, 상기 스텐트 후보군에 대한 제1특성 정보를 추출하는 단계; 및 상기 제1특성 정보와, 혈관 단층 촬영 영상으로부터 생성된 레퍼런스 스텐트에 대한 제2특성 정보를 이용하여, 상기 스텐트 후보군에서 타겟 스텐트를 검출하는 단계를 포함한다.

Description

혈관 촬영 영상을 이용한 혈관 분석 방법 및 장치
본 발명은 혈관 촬영 영상을 이용한 혈관 분석 방법 및 장치에 관한 것으로서, 더욱 상세하게는 혈관 촬영 영상에서, 혈관 내벽 및 스텐트를 추출하고, 스텐트의 오부착 정도 및 신생 내막의 두께를 분석할 수 있는 혈관 분석 방법 및 장치에 관한 것이다.
혈관 내에 스텐트를 삽입하는 경우, 스텐트의 혈관에 대한 외벽 협착 여부의 파악이 중요하다. 그리고, 시술 후 스텐트 스트럿(strut)상에서 신생내막 세포가 자라게 되는데, 이러한 내막 세포의 과잉성장으로 인해 혈관이 다시 좁아질 수 있다.
따라서 시술 후 혈관 내 스텐트가 잘 협착되었는지 여부, 스트럿과 내막 세포의 성장에 의한 신생내막의 두께 등을 확인하거나, 환자의 상태, 스텐트의 구조 및 표면에서 표출되는 약물 성분에 따른 다양한 임상결과를 확인하는 과정이 필요한데, 이 때, 혈관 촬영 영상이 이용된다. 혈관 촬영 기술로 X선 혈관조영술 (X-ray Angiography), 혈관내 초음파 (Intravascular Ultrasound), 혈관내광단층촬영기술 (IV-OCT; Intravascular Optical Coherence Tomography) 등이 이용된다.
하지만, 현재 혈관 촬영 영상을 이용하여 스텐트나 혈관 내벽, 신생 내막의 두께를 계산하는 과정은 대부분 수작업을 통해 이루어지고 있다. 따라서 혈관 촬영 영상을 이용하여 자동으로 혈관을 분석할 수 있는 연구가 필요하다.
본 발명은 혈관 촬영 영상에서, 혈관 내벽 및 스텐트를 추출하고, 스텐트의 오부착 정도 및 신생 내막의 두께를 분석할 수 있는 혈관 분석 방법 및 장치를 제공하기 위한 것이다.
상기한 목적을 달성하기 위한 본 발명의 일 실시예에 따르면, 타겟 혈관에 대한 혈관 단층 촬영 영상에서, 지역 최대 밝기 값을 포함하는 스텐트 후보군을 결정하는 단계; 상기 타겟 혈관에 대한 혈관 단층 촬영 영상을 이용하여, 상기 스텐트 후보군에 대한 제1특성 정보를 추출하는 단계; 및 상기 제1특성 정보와, 혈관 단층 촬영 영상으로부터 생성된 레퍼런스 스텐트에 대한 제2특성 정보를 이용하여, 상기 스텐트 후보군에서 타겟 스텐트를 검출하는 단계를 포함하는 혈관 촬영 영상을 이용한 혈관 분석 방법를 제공한다.
또한 상기한 목적을 달성하기 위한 본 발명의 다른 실시예에 따르면, 타겟 혈관에 대한 혈관 단층 촬영 영상을 입력받는 영상 입력부; 상기 타겟 혈관에 대한 혈관 단층 촬영 영상에서, 지역 최대 밝기 값을 포함하는 스텐트 후보군을 결정하는 후보군 결정부; 상기 타겟 혈관에 대한 혈관 단층 촬영 영상을 이용하여, 상기 스텐트 후보군에 대한 제1특성 정보를 추출하는 특성 정보 추출부; 및 상기 제1특성 정보와, 혈관 단층 촬영 영상으로부터 생성된 레퍼런스 스텐트에 대한 제2특성 정보를 이용하여, 상기 스텐트 후보군에서 타겟 스텐트를 검출하는 스텐트 검출부를 포함하는 혈관 촬영 영상을 이용한 혈관 분석 장치를 제공한다.
본 발명에 따르면, 혈관 단층 촬영 영상을 이용하여 혈관 내벽, 타겟 스텐트 및 신생 내막의 경계선을 빠르고 정확하게 검출할 수 있으며, 추출 결과를 통해 신생 내막의 두께, 그리고 스텐트의 돌출 거리 및 오부착 거리에 대한 정보를 제공할 수 있다.
또한 본 발명에 따르면, 검출된 다양한 임상 지표(혈관 내벽, 타겟 스텐트, 신생 내막의 경계선, 신생 내막의 두께, 스텐트의 돌출 거리 및 오부착 거리)를 통해 의사의 진단을 도울 수 있으며, 관련 질환의 이해를 높일 수 있다.
도 1은 본 발명의 일실시예에 따른 혈관 촬영 영상을 이용한 혈관 분석 장치를 설명하기 위한 도면이다.
도 2는 본 발명의 일실시예에 따른 데이터 처리부를 설명하기 위한 도면이다.
도 3은 혈관 단층 촬영 영상과 극좌표 변환 영상을 도시하는 도면이다.
도 4는 본 발명에 따른 혈관 내벽 추출을 설명하기 위한 도면이다.
도 5는 본 발명에 따른 스텐트 후보군을 설명하기 위한 도면이다.
도 6은 레퍼런스 스텐트에 대한 라인 프로파일 및 A-라인 프로파일을 나타내는 도면이다.
도 7은 스텐트의 돌출 거리 및 오부착 거리 그리고 신생 내막의 두께를 설명하기 위한 도면이다.
도 8은 본 발명의 일실시예에 따른 혈관 촬영 영상을 이용한 혈관 분석 방법을 설명하기 위한 도면이다.
도 9는 스텐트 검출을 위한 인공 신경망을 도시하는 도면이다.
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.
이하에서, 본 발명에 따른 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일실시예에 따른 혈관 촬영 영상을 이용한 혈관 분석 장치를 설명하기 위한 도면이다.
도 1을 참조하면, 본 발명에 따른 혈관 분석 장치는 영상 입력부(110), 데이터 처리부(120) 및 데이터 출력부(130)를 포함한다.
영상 입력부(110)는 타겟 혈관에 대한 혈관 단층 촬영 영상을 입력받는다. 혈관 단층 촬영 영상은 일실시예로서, 혈관내 초음파 영상, 혈관내 광단층 촬영 영상 등일 수 있다. 또는 영상 입력부(110)는 예를 들어 카테터일 수 있으며, 직접 타겟 혈관에 삽입되어 혈관 단층 촬영 영상을 입력받을 수 있다.
데이터 처리부(120)는 타겟 혈관에 대한 혈관 단층 촬영 영상을 이용하여, 혈관 내벽 및 타겟 혈관 내에 삽입된 타겟 스텐트를 추출한다. 또한 실시예에 따라서, 데이터 처리부(120)는 스텐트에 의해 생성되는 신생 내막의 경계선을 추출할 수 있으며, 추출된 혈관 내벽, 타겟 스텐트 및 신생 내막의 경계선을 이용하여 신생 내막의 두께(Neointimal thickness), 그리고 스텐트의 돌출 거리(Protrusion distance) 및 오부착 거리(Malapposition distance)를 계산할 수 있다.
데이터 출력부(130)는 데이터 처리부(120)의 처리 결과를 출력하며, 입력된 혈관 단층 촬영 영상에 대해 처리 결과를 출력할 수 있다. 예를 들어, 데이터 출력부(130)는 혈관 단층 영상에 추출된 혈관 내벽, 타겟 스텐트 등을 표시할 수 있다.
본 발명에 따르면, 혈관 단층 촬영 영상을 이용하여 혈관 내벽, 타겟 스텐트 및 신생 내막의 경계선을 빠르고 정확하게 검출할 수 있으며, 추출 결과를 통해 신생 내막의 두께, 그리고 스텐트의 돌출 거리 및 오부착 거리에 대한 정보를 제공할 수 있다.
또한 본 발명에 따르면, 검출된 다양한 임상 지표(혈관 내벽, 타겟 스텐트, 신생 내막의 경계선, 신생 내막의 두께, 스텐트의 돌출 거리 및 오부착 거리)를 통해 의사의 진단을 도울 수 있으며, 관련 질환의 이해를 높일 수 있다.
도 2는 본 발명의 일실시예에 따른 데이터 처리부(120)를 설명하기 위한 도면이다. 도 3은 혈관 단층 촬영 영상과 극좌표 변환 영상을 도시하는 도면이며, 도 4는 본 발명에 따른 혈관 내벽 추출을 설명하기 위한 도면이다. 도 5는 본 발명에 따른 스텐트 후보군을 설명하기 위한 도면이다. 도 6은 레퍼런스 스텐트에 대한 라인 프로파일 및 A-라인 프로파일을 나타내는 도면이다.
도 2를 참조하면, 데이터 처리부(120)는 전처리부(210), 혈관 내벽 추출부(220), 후보군 결정부(230), 특성 정보 추출부(240), 스텐트 검출부(250) 및 수치 연산부(260)를 포함한다. 데이터 처리부(120)의 구성 요소는 검출되는 임상 지표에 따라 다양하게 구성될 수 있다. 먼저, 데이터 처리부(120)의 혈관 내벽 검출 과정을 설명하고, 스텐트 검출 과정 및 그외 임상 지표 검출 과정을 설명하기로 한다.
<혈관 내벽 검출>
혈관 단층 촬영 영상은 각 화소별 밝기로 표현될 수 있는데, 전처리부(210)는 혈관의 깊이 방향의 반사 프로파일(A-line), 즉 밝기 값이 획득될 수 있도록, 타겟 혈관에 대한 혈관 단층 촬영 영상에 대해 극좌표(r,θ) 변환을 수행한다. 이 때, 전처리부(210)는 혈관 단층 촬영 영상의 노이즈를 줄이기 위해 가우시안 저대역 필터링 등의 전처리를 수행한 후 극좌표 변환을 수행할 수 있다.
일예로서, 도 3(a)와 같은 혈관 단층 촬영 영상은 극좌표 변환을 통해 도 3(b)와 같은 영상으로 변환될 수 있으며, 도 3(b)에서 깊이 방향(r)은 혈관 중심에서 혈관 내벽을 향하는 방향에 대응된다.
전처리부(210)는 극좌표 변환이 수행된 영상을 이용하여, 깊이 방향에 대해 1차 경사 영상을 생성하며, 추가적으로 2차 경사 영상을 생성할 수 있다. 1차 경사 영상(Gr) 및 2차 경사 영상(Grr)은 [수학식 1]을 통해 생성될 수 있다.
Figure PCTKR2017002213-appb-M000001
여기서,
Figure PCTKR2017002213-appb-I000001
는 극좌표 변환이 수행된 영상을 나타내며, 편미분을 통해 경사 영상이 얻어질 수 있다. 편미분에 의해 밝기 값이 급격히 변환되는 영역이 검출될 수 있는데, 예를 들어 에지(edge) 영역이 검출될 수 있다. 전처리부(210)는 에지 특성을 나타내는 혈관 내벽 및 스텐트를 추출하기 위해 1차 및 2차 경사 영상을 생성한다.
그리고 전처리부(210)는 혈관 촬영시 함께 촬영될 수 있는 카테터(catheter)나 가이드 와이어(guide wire) 부분을 1차 및 2차 경사 영상에서 제거함으로써, 정확한 검출을 지원할 수 있다.
전처리부(210)는 전술된 기능 이외, 실시예에 따라서 다양한 기능을 부가적으로 지원하거나 또는 전술된 기능중 일부 기능을 선택적으로 제공할 수 있다.
혈관 내벽 추출부(220)는 극좌표 변환된 영상에서 기 설정된 밝기 값을 나타내는 부분을 혈관 내벽을 결정하며, 이 때 1차 경사 영상을 이용할 수 있다. 또한 신생 내막의 경계선 역시 혈관 내벽의 일종이므로 혈관 내벽 추출부(220)는 혈관 내벽과 같이 신생 내막의 경계선을 결정할 수 있다.
보다 구체적으로, 혈관 내벽 추출부(220)는 혈관 단층 촬영 영상의 최대 밝기 값에 대해 기 설정된 비율만큼의 밝기 값을 나타내는 부분을 혈관 내벽으로 결정할 수 있다. 기 설정된 비율은 실시예에 따라서 다양하게 설정될 수 있으며, 예를 들어 최대 밝기 값의 20%일 수 있다. 혈관 단층 촬영 영상의 최대 밝기 값을 나타내는 부분은 인체 조직보다 반사율이 좋은 금속 재질의 스텐트가 위치한 부분일 확률이 높으며, 혈관 내벽의 밝기 값은 스텐트의 밝기 값보다 작기 때문에, 혈관 내벽 추출부(220)는 혈관 단층 촬영 영상의 최대 밝기 값보다 어두운 부분을 혈관 내벽으로 결정한다.
이 때, 혈관 내벽 추출부(220)는 1차 경사 영상을 이용하지 않고, 극좌표 변환된 영상에서 기 설정된 밝기 값을 나타내는 부분을 혈관 내벽을 결정할 수도 있지만, 혈관 내벽을 보다 정확히 추출하기 위해, 1차 경사 영상을 이용하여, 혈관 단층 촬영 영상에 존재할 수 있는 아티팩트(artifact)를 제거할 수 있다.
예를 들어, 혈관 내벽 추출부(220)는 1차 경사 영상에서 임계값 이상의 음의 값을 나타내는 값만을 취한 영상을 생성할 수 있으며, 이러한 영상은 1차 경사 영상의 변환된 형태이기 때문에, 도 3(b)와 같은 극좌표 변환 영상의 에지 정보를 포함한다.
도 4를 참조하여, 혈관 내벽 추출부(220)에 대해 보다 상세히 설명하기로 한다.
도 4(a)는 극좌표 변환된 혈관 단층 촬영 영상을 나타내며, 도 4(b)는 도 4(a)의 1차 경사 영상에서 임계값 이상의 음의 값을 나타내는 값만을 취한 영상을 나타낸다. 그리고 도 4(c)는 혈관 내벽 추출부(220)가 도 4(a)로부터 추출한 혈관 내벽(410, result of lumen contour detection)을 도시하는 도면이며, 도 4(d)는 도 4(b) 영상에서 결정된 혈관 내벽 후보군을 나타내는 도면이다.
혈관 내벽 추출부(220)는 도 4(a) 영상으로부터 도 4(b) 영상을 생성할 수 있으며, 도 4(b)는 도 4(a) 영상의 에지 정보를 포함한다. 즉, 도 4(b)에서 상대적으로 밝게 표시된 영역은 도 4(a) 영상의 에지 부분을 나타낸다고 볼 수 있으며, 도 4(b) 영상의 형태가 도 4(a)의 에지 부분에 대응됨을 확인할 수 있다.
이러한 도 4(b)의 에지 부분은 임시 혈관 내벽 후보군(temporary lumen contour)이 되며, 도 4(d)에서 점선이 통과하는 영역이 임시 혈관 내벽 후보군을 나타낸다.
혈관 내벽 추출부(220)는 에지 정보에 따라 결정된 임시 혈관 내벽 후보군 중에서, 가장 넓은 영역의 임시 혈관 내벽 후보군(Clargest)을 기준으로 거리 및 상대적인 각도 등을 고려하여, 최종적으로 혈관 내벽 후보군(Cleft, Cright)을 결정한다. 가장 넓은 영역의 임시 혈관 내벽 후보군(Clargest) 역시 혈관 내벽 후보군에 포함된다.
도 4(b) 및 4(d)에서, 혈관 내벽 후보군으로부터 위쪽으로 상대적으로 돌출된 부분은, Clargest 를 기준으로 멀리 이격되어 있기 때문에 혈관 내벽 후보군에서 제외되며, 결국, 도 4(d)의 혈관 내벽 후보군으로부터 도 4(c)와 같은 혈관 내벽(410)이 추출될 수 있다.
< 스텐트 검출>
후보군 결정부(230)는 타겟 혈관에 대한 혈관 단층 촬영 영상에서, 지역 최대 밝기 값(local maximum intensity)을 포함하는 영역을 스텐트 후보군으로 결정한다. 후보군 결정부(230)는 일실시예로서 전술된 2차 경사 영상을 이용하여, 혈관 단층 촬영 영상에서 지역 최대 밝기 값을 나타내는 영역을 검출할 수 있다. 전술된 바와 같이, 스텐트가 위치한 영역은 금속 재질의 특성상 최대 밝기 값을 나타낼 확률이 높고, 2차 경사 영상은 지역 최대 값 정보를 포함하므로, 후보군 결정부(230)는 제2차 경사 영상을 통해 확인할 수 있는 혈관 단층 촬영 영상의 지역 최대 밝기 값을 나타내는 스텐트 후보군을 결정할 수 있다.
도 5는 도 4(a)의 도면에서 상대적으로 밝게 표시된 영역의 일부분을 대략적으로 도시한 도면으로서, 2차 경사 영상을 통해 얻어진 지역 최대 밝기 값이 나타난 부분을 표시하고 있으며, 이해를 돕기 위해 추출된 혈관 내벽(410)을 함께 도시하고 있다.
도 5를 참조하면, 점선이 표시된 부분은 2차 경사 영상을 통해 얻어진 지역 최대 밝기 값을 나타내는 부분으로서, 스텐트 후보군을 나타내며, 점선에 오버랩된 검은색 점은 지역 최대 밝기 값을 나타내는 영역의 중앙값 지점을 나타낸다.
일예로서, 도 4 및 도 5에서 혈관 내벽(410)으로부터 돌출된 지역 최대 값을 포함하는 영역 중 적어도 하나(510)가 타겟 스텐트로 검출될 수 있다.
특성 정보 추출부(240)는 타겟 혈관에 대한 혈관 단층 촬영 영상을 이용하여, 스텐트 후보군에 대한 제1특성 정보를 추출한다. 그리고 스텐트 검출부(250)는 제1특성 정보와, 혈관 단층 촬영 영상으로부터 생성된 레퍼런스 스텐트에 대한 제2특성 정보를 이용하여, 스텐트 후보군에서 타겟 스텐트를 추출한다.
특성 정보는 통계적 특성 정보(Statistical Features) 및 기하학적 특성 정보(Geometrical Features) 중 적어도 하나 이상을 포함할 수 있다.
통계적 특성 정보는 문자 그대로 통계적으로 얻을 수 있는 스텐트에 대한 특성 정보를 나타내며, 혈관 단층 촬영 영상(OCT Intensity Image)에서의 통계적 특성 정보, 경사 영상(Gradient Image)에 대한 통계적 특성 정보를 포함할 수 있다. 혈관 단층 촬영 영상 및 경사 영상에서의 스텐트에 대한 특성을 통계적으로 분석하여 레퍼런스 스텐트에 대한 통계적 특성 정보가 획득될 수 있다. 길이 등의 기하학적 특성 정보 역시 혈관 단층 촬영 영상의 분석을 통해 획득될 수 있다.
즉, 스텐트 검출부(250)는 혈관 단층 촬영 영상 및 경사 영상을 이용하여 스텐트 후보군에 대한 제1특성 정보를 추출하고, 레퍼런스 스텐트에 대한 제2특성 정보와 제1특성 정보를 비교하여, 스텐트 후보군에서 제2특성 정보와 유사한 특성을 나타내는 영역을 타겟 스텐트로 추출할 수 있다. 이 때, 혈관 단층 촬영 영상의 극좌표 변환 영상과 변환 영상의 2차 경사 영상이 특성 정보 추출에 이용될 수 있다.
통계적 특성 정보 및 기하학적 특성 정보는 일실시예로서 [표 1]과 같을 수 있으며, 실시예에 따라서 다양하게 설정될 수 있다.
Figure PCTKR2017002213-appb-T000001
일실시예로서, 레퍼런스 스텐트 및 스텐트 후보군에 대한 통계적 특성 정보 및 기하학적 특성 정보는 극좌표 변환된 영상 및 경사 영상의 밝기 값으로부터 얻어질 수 있다. 레퍼런스 스텐트에 대한 극좌표 변환된 영상 및 경사 영상의 밝기 값은 도 6(a) 및 도 6(b)와 같은 라인 프로파일로 표현될 수 있다. 도 6(a)는 극좌표 θ(angle, 극좌표 변환된 영상에서의 가로 축)에 따른 라인 프로파일(밝기 값, intensity, amplitude)을 나타내며, 도 6(b)는 스텐트 후보군의 중앙 지점 (도 5의 검은색 점)의 극좌표 r(depth, 극좌표 변환된 영상에서의 세로 축)에 따른 A-라인 프로파일(밝기 값, intensity)을 나타낸다. 마찬가지로 스텐트 후보군에 대한 극좌표 변환된 영상 및 경사 영상의 밝기 값은 도 6과 같이 표현될 수 있다.
[표 1] 및 도 6을 참조하여, 레퍼런스 스텐트에 대한 특성 정보를 자세히 설명하면, 레퍼런스 스텐트의 혈관 단층 촬영 영상에 대한 통계적 특성 정보는 도 6(a)의 fn 프로파일(실선)로부터 얻어질 수 있으며, 최대 밝기값(Maximum Intensity), 중앙 밝기값(Medial Intensity), 평균 밝기값(Mean Intensity), 밝기 분산값(Intensity Variance), 밝기 변동계수(Intensity Coefficient Of Variance), 밝기 왜도값(Intensity Skewness) 및 밝기 첨도값(Intensity Kurtosis)중 적어도 하나 이상을 포함할 수 있다.
그리고 레퍼런스 스텐트의 2차 경사 영상에 대한 통계적 특성 정보는 도 6(a)의 Grr 프로파일(점선)로부터 얻어질 수 있으며, 최대 밝기값(Maximum Amplitude), 중앙 밝기값(Medial Amplitude), 평균 밝기값(Mean Amplitude), 밝기 분산값(Amplitude Variance), 밝기 변동계수(Amplitude Coefficient Of Variance), 밝기 왜도값(Amplitude Skewness) 및 밝기 첨도값(Amplitude Kurtosis)중 적어도 하나 이상을 포함할 수 있다.
또한 레퍼런스 스텐트의 혈관 단층 촬영 영상에 대한 기하학적 특성 정보는, 혈관 단층 촬영 영상에서의 밝기 값에 따른 스텐트의 길이, 스텐트의 제1밝기 값 및 제2밝기 값 사이의 관계 정보 중 적어도 하나 이상을 포함할 수 있다. 일실시예로서, 제1 및 제2밝기 값은 최대 밝기 값, 최대 밝기 값의 절반, 1/5이 되는 밝기 값 및 스텐트 종단에서의 밝기 값 중 선택될 수 있다.
도 3 및 도 6을 참조하여 설명하면, 스텐트의 길이(Length)는 일예로서, 도 3(a)와 같은 혈관 단층 촬영 영상에서의 스텐트의 길이에 대응될 수 있으며, [수학식 2]과 같이 계산될 수 있다.
Figure PCTKR2017002213-appb-M000002
여기서, L은 혈관 단층 촬영 영상에서의 스텐트의 길이이며, N은 극좌표 변환된 영상에서의 스텐트 후보군의 화소 개수, (
Figure PCTKR2017002213-appb-I000002
)은 극좌표 변환된 영상에서의 스텐트 후보군을 구성하는 극좌표 (depth, angle)을 의미한다.
관계 정보로서, 도 6(b)에서 최대 밝기 값(M) 및 절반의 밝기 값(M/2)을 나타내는 지점 사이의 거리(Whalf , A Half Length), 최대 밝기 값(M) 및 1/5 밝기 값을 나타내는 지점 사이의 거리(A Fifth Length), 절반의 밝기 값(M/2)을 나타내는 지점에서 프로파일의 끝 사이(μbehind)의 밝기 평균값(Behind Profile Mean), 절반의 밝기 값(M/2)을 나타내는 지점에서 프로파일의 끝 사이(μbehind)의 밝기 분산값(Behind Profile Variance), 절반의 밝기 값(M/2)을 나타내는 지점에서 프로파일의 끝 사이(μbehind)의 밝기 변동계수(Behind Profile COV), 최대 밝기 값(M) 및 절반의 밝기 값(M/2)을 나타내는 지점 사이의 기울기(Slope), 최대 밝기 값(M) 대비 μbehind 구간의 평균 밝기 값의 비율(Peak-to-Shadow Ratio) 등이 포함될 수 있다.
스텐트 후보군에 대한 특성 정보 역시, 레퍼런스 스텐트에 대한 특성 정보와 같이 추출될 수 있다.
결국, 스텐트 검출부(250)는 제1 및 제2특성 정보를 이용하여, 타겟 스텐트를 검출할 수 있다.
< 타겟 스텐트의 돌출 거리 및 오부착 거리, 신생 내막의 두께>
혈관과 스텐트를 도시하고 있는 도 7을 참조하면, 타겟 스텐트의 돌출 거리 및 오부착 거리 그리고 신생 내막의 두께는, 도 7에 도시된 바와 같이 정의될 수 있다.
즉, 혈관 내벽(710), 신생 내막(770, Neointima)의 경계선(720) 및 타겟 스텐트(730)가 검출되면, 수치 연산부(260)는 타겟 스텐트(730)의 위치, 혈관 내벽(710) 및 신생 내막의 경계선(720)을 이용하여, 타겟 스텐트의 돌출 거리(740, Protrusion Distance) 및 오부착 거리(750, Malapposition Distance)와 신생 내막의 두께(760, Neointimal Thickness)를 계산할 수 있다.
타겟 스텐트의 두께(780)는 시술된 스텐트의 스펙 정보로부터 획득될 수 있다.
도 8은 본 발명의 일실시예에 따른 혈관 촬영 영상을 이용한 혈관 분석 방법을 설명하기 위한 도면이다. 도 9는 스텐트 검출을 위한 인공 신경망을 도시하는 도면이다. 도 8에서는 도 1에서 설명된 혈관 분석 장치의 혈관 분석 방법이 일실시예로서 설명된다.
본 발명에 따른 혈관 분석 장치는 타겟 혈관에 대한 혈관 단층 촬영 영상에서, 지역 최대 밝기 값을 포함하는 스텐트 후보군을 결정(S810)하고, 타겟 혈관에 대한 혈관 단층 촬영 영상을 이용하여, 스텐트 후보군에 대한 제1특성 정보를 추출(S820)한다.
그리고 혈관 분석 장치는 제1특성 정보와, 혈관 단층 촬영 영상으로부터 생성된 레퍼런스 스텐트에 대한 제2특성 정보를 이용하여, 스텐트 후보군에서 타겟 스텐트를 검출(S830)한다. 일실시예로서, 혈관 분석 장치는 제1특성 정보와 제2특성 정보를 비교하고, 유사한 특성을 나타내거나 특성이 매칭되는 스텐트를 스텐트 후보군에서 타겟 스텐트로 검출할 수 있으며, 이를 위해 인공 신경망을 이용할 수 있다.
일실시예로서, 본 발명에서 이용되는 인공 신경망은 도 9에 도시된 바와 같이, 입력층(L1), 은닉층(L2) 및 출력층(L3)으로 구성될 수 있다. 인공 신경망은 최근 딥러닝(deep learning) 관련하여 많이 이용되고 있는 기술로서, 훈련(training) 모드에서 노드를 연결하는 연결선의 가중치가 조정되며, 분류(classification) 모드에서 입력값에 대해 참값(true) 또는 거짓값(false)으로 분류가 수행된다.
본 발명에서는 훈련 모드에서 제2특성 정보가 이용되며, 분류 모드에서 입력층으로 스텐트 후보군에 대한 제1특성 정보가 입력된다. 인공 신경망의 훈련을 위해, [표 1]에 표시된 특성 정보 중에서 선택된 제2특성 정보가 이용될 수 있다. 훈련 및 분류 과정의 반복을 통해, 분류 성능이 가장 좋은 특성 정보가 선택될 수 있다.
제1특성 정보는 입력층에서 입력되어 은닉층을 거쳐 출력층으로 전달되며, 각각의 노드는 가중치와 입력값을 이용하여 기 설정된 연산을 수행한다. 최종적으로 출력층은 제2특성 정보와 유사한 제1특성 정보를 나타내는 스텐트를 타겟 스텐트로 분류하는 결과를 출력할 수 있다.
입력층의 노드의 개수는 입력되는 제1특성 정보의 개수에 따라 결정될 수 있으며, [표 1]에서 * 표시가 된 특성 정보가 제1특성 정보로 이용될 경우, 11개의 노드가 이용될 수 있다. 은닉층의 개수 및 은닉층의 노드의 개수는 인공 신경망 알고리즘에 따라 다양하게 설정될 수 있으며, 출력층의 노드는 최종적으로 분류되는 값에 따라 결정될 수 있다.
정리하면, 혈관 분석 장치는 제2특성 정보를 통해 훈련된 인공신경망에 대해, 제1특성 정보를 입력값으로 이용하여, 상기 타겟 스텐트를 검출할 수 있다.
한편, 실시예에 따라서 본 발명에 따른 혈관 분석 방법은 타겟 혈관에 대한 혈관 단층 촬영 영상에 대한 극좌표 변환을 수행하는 단계 및 변환 영상의 깊이 방향에 대한 1차 경사 영상을 이용하여, 기 설정된 밝기 값을 나타내는 부분을 혈관 내벽 및 신생 내막의 경계선으로 결정하는 단계를 더 포함할 수 있다.
또한 실시예에 따라서 본 발명에 따른 혈관 분석 방법은 타겟 스텐트의 위치, 상기 혈관 내벽 및 신생 내막의 경계선을 이용하여, 타겟 스텐트의 돌출 거리 및 오부착 거리 그리고 신생 내막의 두께를 계산하는 단계를 더 포함할 수 있다.
앞서 설명한 기술적 내용들은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예들을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 하드웨어 장치는 실시예들의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.

Claims (15)

  1. 타겟 혈관에 대한 혈관 단층 촬영 영상에서, 지역 최대 밝기 값을 포함하는 스텐트 후보군을 결정하는 단계;
    상기 타겟 혈관에 대한 혈관 단층 촬영 영상을 이용하여, 상기 스텐트 후보군에 대한 제1특성 정보를 추출하는 단계; 및
    상기 제1특성 정보와, 혈관 단층 촬영 영상으로부터 생성된 레퍼런스 스텐트에 대한 제2특성 정보를 이용하여, 상기 스텐트 후보군에서 타겟 스텐트를 검출하는 단계
    를 포함하는 혈관 촬영 영상을 이용한 혈관 분석 방법.
  2. 제 1항에 있어서,
    상기 특성 정보는
    통계적 특성 정보 및 기하학적 특성 정보 중 적어도 하나 이상을 포함하는
    혈관 촬영 영상을 이용한 혈관 분석 방법.
  3. 제 2항에 있어서,
    상기 통계적 특성 정보는
    상기 혈관 단층 촬영 영상에 대한 통계적 특성 정보; 및
    상기 혈관 단층 촬영 영상의 경사 영상에 대한 통계적 특성 정보
    를 포함하는 혈관 촬영 영상을 이용한 혈관 분석 방법.
  4. 제 3항에 있어서,
    상기 통계적 특성 정보는
    최대 밝기값, 중앙 밝기값, 평균 밝기값, 밝기 분산값, 밝기 변동게수, 밝기 왜도값 및 밝기 첨도값 중 적어도 하나 이상을 포함하는
    혈관 촬영 영상을 이용한 혈관 분석 방법.
  5. 제 3항에 있어서,
    상기 경사 영상은
    상기 혈관 단층 촬영 영상을 극좌표계로 변환한 영상의 깊이 방향에 대한 2차 경사 영상인
    혈관 촬영 영상을 이용한 혈관 분석 방법.
  6. 제 2항에 있어서,
    상기 기하학적 특성 정보는
    상기 혈관 단층 촬영 영상에 대한 기하학적 특성 정보이며,
    상기 기하학적 특성 정보는
    밝기 값에 따른 스텐트의 길이, 스텐트의 제1밝기 값 및 제2밝기 값 사이의 관계 정보 중 적어도 하나 이상을 포함하는
    혈관 촬영 영상을 이용한 혈관 분석 방법.
  7. 제 1항에 있어서,
    상기 스텐트 후보군에서 타겟 스텐트를 검출하는 단계는
    상기 제2특성 정보를 통해 훈련된 인공신경망에 대해, 상기 제1특성 정보를 입력값으로 이용하여, 상기 타겟 스텐트를 검출하는
    혈관 촬영 영상을 이용한 혈관 분석 방법.
  8. 제 1항에 있어서,
    타겟 혈관에 대한 혈관 단층 촬영 영상에 대한 극좌표 변환을 수행하는 단계; 및
    상기 변환 영상의 깊이 방향에 대한 1차 경사 영상을 이용하여, 기 설정된 밝기 값을 나타내는 부분을 혈관 내벽 또는 신생 내막의 경계선으로 결정하는 단계
    를 포함하는 혈관 촬영 영상을 이용한 혈관 분석 방법.
  9. 제 8항에 있어서,
    상기 타겟 스텐트의 위치, 상기 혈관 내벽 및 신생 내막의 경계선을 이용하여, 상기 타겟 스텐트의 돌출 거리(Protrusion distance) 및 오부착 거리(Malapposition distance) 그리고 상기 신생 내막의 두께(Neointimal thickness)를 계산하는 단계
    를 더 포함하는 혈관 촬영 영상을 이용한 혈관 분석 방법.
  10. 타겟 혈관에 대한 혈관 단층 촬영 영상을 입력받는 영상 입력부;
    상기 타겟 혈관에 대한 혈관 단층 촬영 영상에서, 지역 최대 밝기 값을 포함하는 스텐트 후보군을 결정하는 후보군 결정부;
    상기 타겟 혈관에 대한 혈관 단층 촬영 영상을 이용하여, 상기 스텐트 후보군에 대한 제1특성 정보를 추출하는 특성 정보 추출부; 및
    상기 제1특성 정보와, 혈관 단층 촬영 영상으로부터 생성된 레퍼런스 스텐트에 대한 제2특성 정보를 이용하여, 상기 스텐트 후보군에서 타겟 스텐트를 검출하는 스텐트 검출부
    를 포함하는 혈관 촬영 영상을 이용한 혈관 분석 장치.
  11. 제 10항에 있어서,
    상기 특성 정보는
    통계적 특성 정보 및 기하학적 특성 정보 중 적어도 하나 이상을 포함하는
    혈관 촬영 영상을 이용한 혈관 분석 장치.
  12. 제 11항에 있어서,
    상기 통계적 특성 정보는
    최대 밝기값, 중앙 밝기값, 평균 밝기값, 밝기 분산값, 밝기 변동게수, 밝기 왜도값 및 밝기 첨도값 중 적어도 하나 이상을 포함하는
    혈관 촬영 영상을 이용한 혈관 분석 장치.
  13. 제 11항에 있어서,
    상기 기하학적 특성 정보는
    상기 혈관 단층 촬영 영상에 대한 기하학적 특성 정보이며,
    상기 기하학적 특성 정보는
    밝기 값에 따른 스텐트의 길이, 스텐트의 제1밝기 값 및 제2밝기 값 사이의 관계 정보 중 적어도 하나 이상을 포함하는
    혈관 촬영 영상을 이용한 혈관 분석 장치.
  14. 제 10항에 있어서,
    상기 스텐트 검출부는
    상기 제2특성 정보를 통해 훈련된 인공신경망에 대해, 상기 제1특성 정보를 입력값으로 이용하여, 상기 타겟 스텐트를 검출하는
    혈관 촬영 영상을 이용한 혈관 분석 장치.
  15. 제 10항에 있어서,
    타겟 혈관에 대한 혈관 단층 촬영 영상에 대한 극좌표 변환을 수행하는 전처리부;
    상기 변환 영상의 깊이 방향에 대한 1차 경사 영상을 이용하여, 기 설정된 밝기 값을 나타내는 부분을 혈관 내벽 및 신생 내막의 경계선으로 결정하는 혈관 내벽 추출부; 및
    상기 타겟 스텐트의 위치, 상기 혈관 내벽 및 신생 내막의 경계선을 이용하여, 상기 타겟 스텐트의 돌출 거리(Protrusion distance) 및 오부착 거리(Malapposition distance) 그리고 상기 신생 내막의 두께(Neointimal thickness)를 계산하는 수치 연산부
    를 더 포함하는 혈관 촬영 영상을 이용한 혈관 분석 장치.
PCT/KR2017/002213 2016-03-04 2017-02-28 혈관 촬영 영상을 이용한 혈관 분석 방법 및 장치 WO2017150894A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020160026145A KR101971764B1 (ko) 2016-03-04 2016-03-04 혈관 촬영 영상을 이용한 혈관 분석 방법 및 장치
KR10-2016-0026145 2016-03-04

Publications (1)

Publication Number Publication Date
WO2017150894A1 true WO2017150894A1 (ko) 2017-09-08

Family

ID=59743021

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2017/002213 WO2017150894A1 (ko) 2016-03-04 2017-02-28 혈관 촬영 영상을 이용한 혈관 분석 방법 및 장치

Country Status (2)

Country Link
KR (1) KR101971764B1 (ko)
WO (1) WO2017150894A1 (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102058348B1 (ko) * 2017-11-21 2019-12-24 서울여자대학교 산학협력단 컴퓨터 단층 촬영 영상에서 딥러닝 특징과 형상 특징을 이용한 혈관근지방종과 투명세포 신세포암 분류 장치 및 방법
KR102143940B1 (ko) 2018-04-03 2020-08-13 고려대학교 산학협력단 다기능 신경망을 활용한 혈관탐지 및 망막부종진단 장치 및 그 방법
KR102343889B1 (ko) * 2019-08-05 2021-12-30 재단법인 아산사회복지재단 초음파 영상 기반의 기계 학습을 통한 관상동맥 병변 진단 시스템 및 이의 진단 방법
KR102246966B1 (ko) * 2020-01-29 2021-04-30 주식회사 아티큐 신체의 목적 타겟 위치 확인 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100094127A1 (en) * 2008-10-14 2010-04-15 Lightlab Imaging, Inc. Methods for stent strut detection and related measurement and display using optical coherence tomography
US20140100449A1 (en) * 2012-10-05 2014-04-10 Volcano Corporation Automatic stent detection
KR20140092102A (ko) * 2013-01-15 2014-07-23 연세대학교 산학협력단 스텐트가 삽입된 혈관 분석 시스템
KR101462402B1 (ko) * 2014-03-25 2014-11-17 연세대학교 산학협력단 심혈관oct영상생성방법 및 이를 이용한 스텐트 검출방법
JP2015150369A (ja) * 2014-02-19 2015-08-24 株式会社ワイディ ステント検出装置、ステント画像表示装置、およびそのプログラムと方法。

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100094127A1 (en) * 2008-10-14 2010-04-15 Lightlab Imaging, Inc. Methods for stent strut detection and related measurement and display using optical coherence tomography
US20140100449A1 (en) * 2012-10-05 2014-04-10 Volcano Corporation Automatic stent detection
KR20140092102A (ko) * 2013-01-15 2014-07-23 연세대학교 산학협력단 스텐트가 삽입된 혈관 분석 시스템
JP2015150369A (ja) * 2014-02-19 2015-08-24 株式会社ワイディ ステント検出装置、ステント画像表示装置、およびそのプログラムと方法。
KR101462402B1 (ko) * 2014-03-25 2014-11-17 연세대학교 산학협력단 심혈관oct영상생성방법 및 이를 이용한 스텐트 검출방법

Also Published As

Publication number Publication date
KR101971764B1 (ko) 2019-04-24
KR20170104065A (ko) 2017-09-14

Similar Documents

Publication Publication Date Title
WO2017150894A1 (ko) 혈관 촬영 영상을 이용한 혈관 분석 방법 및 장치
CN107451998B (zh) 一种眼底图像质量控制方法
CN102793551B (zh) 胸部诊断辅助信息生成系统
Wong et al. Level-set based automatic cup-to-disc ratio determination using retinal fundus images in ARGALI
Wong et al. Automated detection of kinks from blood vessels for optic cup segmentation in retinal images
JP5597049B2 (ja) 画像処理装置、画像処理方法、および画像処理プログラム
US6453058B1 (en) Computer-assisted diagnosis method using correspondence checking and change detection of salient features in digital images
US10178941B2 (en) Image processing apparatus, image processing method, and computer-readable recording device
WO2016159726A1 (ko) 의료 영상으로부터 병변의 위치를 자동으로 감지하는 장치 및 그 방법
WO2012157835A1 (ko) 영상의 융합 기법을 이용한 의료용 혈관영상 처리방법
WO2017116074A1 (ko) 적응적 임계값 영상분할을 이용한 ct 영상 동맥경화반 용적 측정방법 및 장치
WO2019098415A1 (ko) 자궁경부암에 대한 피검체의 발병 여부를 판정하는 방법 및 이를 이용한 장치
WO2020122672A1 (ko) 안저 영상과 형광안저혈관조영 영상의 정합을 이용한 자동 혈관 분할 장치 및 방법
US8050472B2 (en) Method of acquiring phalange edge image and system therefor
WO2020101264A1 (ko) 관상동맥석회화점수 산정 방법 및 장치
Kus et al. Fully automated gradient based breast boundary detection for digitized X-ray mammograms
Hatanaka et al. Automated detection algorithm for arteriolar narrowing on fundus images
WO2014204126A2 (ko) 3차원 초음파 촬영장치 및 그 운영방법
WO2012033349A2 (ko) 초음파 영상을 이용한 경동맥 혈관의 내막두께와 중막두께의 비율 측정방법
JPH11238129A (ja) 眼科用画像処理装置
CN115908405A (zh) 确定眼底特征的方法、装置和电子设备
WO2018074661A1 (ko) 혈관대응최적화를 이용한 관상동맥 혈관 추출 장치 및 방법
CN111028219B (zh) 一种结肠图像识别方法、装置以及相关设备
WO2016013881A1 (ko) 3차원 볼륨 영상의 빅 데이터 데이터베이스 구축 장치 및 방법
CN108090900B (zh) 一种基于ivoct图像的分叉血管自动识别方法

Legal Events

Date Code Title Description
NENP Non-entry into the national phase

Ref country code: DE

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

Ref document number: 17760298

Country of ref document: EP

Kind code of ref document: A1

122 Ep: pct application non-entry in european phase

Ref document number: 17760298

Country of ref document: EP

Kind code of ref document: A1