WO2018021652A1 - 룩업테이블을 이용한 mri 기반 합성영상의 방사선량 추정방법 - Google Patents

룩업테이블을 이용한 mri 기반 합성영상의 방사선량 추정방법 Download PDF

Info

Publication number
WO2018021652A1
WO2018021652A1 PCT/KR2017/003095 KR2017003095W WO2018021652A1 WO 2018021652 A1 WO2018021652 A1 WO 2018021652A1 KR 2017003095 W KR2017003095 W KR 2017003095W WO 2018021652 A1 WO2018021652 A1 WO 2018021652A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
radiation dose
lookup table
mri
composite image
Prior art date
Application number
PCT/KR2017/003095
Other languages
English (en)
French (fr)
Inventor
강영남
김신욱
김지나
신헌주
박형욱
계철승
김기준
신진솔
Original Assignee
가톨릭대학교 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 가톨릭대학교 산학협력단 filed Critical 가톨릭대학교 산학협력단
Priority to US15/762,987 priority Critical patent/US10602956B2/en
Publication of WO2018021652A1 publication Critical patent/WO2018021652A1/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
    • A61B5/05—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
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/007—Environmental aspects, e.g. temperature variations, radiation, stray fields
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • 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
    • A61B6/501—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 the head, e.g. neuroimaging or craniography
    • 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
    • A61B6/505—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 bone
    • 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
    • A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A61B6/5247—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from an ionising-radiation diagnostic technique and a non-ionising radiation diagnostic technique, e.g. X-ray and ultrasound
    • 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
    • A61B6/54—Control of apparatus or devices for radiation diagnosis
    • A61B6/542—Control of apparatus or devices for radiation diagnosis involving control of exposure
    • A61B6/544—Control of apparatus or devices for radiation diagnosis involving control of exposure dependent on patient size
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • 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]
    • 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
    • G01R33/4808—Multimodal MR, e.g. MR combined with positron emission tomography [PET], MR combined with ultrasound or MR combined with computed tomography [CT]
    • G01R33/4812—MR combined with X-ray or computed tomography [CT]
    • 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
    • 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
    • G01R33/5602—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution by filtering or weighting based on different relaxation times within the sample, e.g. T1 weighting using an inversion pulse
    • 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
    • G01R33/5608—Data processing and visualization specially adapted for MR, e.g. for feature analysis and pattern recognition on the basis of measured MR data, segmentation of measured MR data, edge contour detection on the basis of measured MR data, for enhancing measured MR data in terms of signal-to-noise ratio by means of noise filtering or apodization, for enhancing measured MR data in terms of resolution by means for deblurring, windowing, zero filling, or generation of gray-scaled images, colour-coded images or images displaying vectors instead of pixels
    • 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
    • G01R33/4824—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 using a non-Cartesian trajectory
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]

Definitions

  • the present invention relates to a method for estimating radiation dose, and more particularly, to a method for estimating radiation dose of an MRI-based composite image using a lookup table.
  • CT computed tomography
  • MRI magnetic resonance imaging
  • CT imaging (or CT scanning) has the advantage of obtaining accurate cross-sectional images, while the disadvantage is that the patient is not avoided because of the large amount of radiation to be irradiated. Nevertheless, CT imaging is used because of its high accuracy and easy calculation of radiation dose (hereinafter referred to as "dose") through black and white photography. On the other hand, CT-image has a disadvantage in that it is difficult to distinguish tumor from normal tissue because of low contrast of tissue.
  • MRI imaging uses high frequency and does not use radiation, there is no risk of exposure to radiation.
  • MRI imaging can freely select the required angle in the human body, as well as excellent resolution. Therefore, in order to reduce the patient's coverage, radiology is gradually shifting from CT to MRI.
  • Such MRI-images have the advantage that tumors can be easily distinguished, while the dose calculation is difficult because radiation is not used.
  • FIG. 1 is a conventional CT image taken of a plurality of patients
  • FIG. 2 is a synthetic CT image generated by superimposing a plurality of CT images shown in FIG. 1
  • FIG. 4 is an image in which a boundary of a region of interest is displayed by hand after overlapping a conventional MR-simulated image and a synthetic CT image
  • FIG. 5 is a state in which a line weakening coefficient is assigned to a region of interest bounded in FIG. 4. It is an image to show.
  • a composite CT image as shown in FIG. 2 is generated from a plurality of CT images as shown in FIG. 1 and overlaps the MR-simulated image as shown in FIG. 3. Then, the boundary of the region of interest is manually displayed (see FIG. 4). Next, a linear attenuation coefficient (LAC) is assigned to the ROI bounded as shown in FIG. 5. Radiation dose distribution was obtained by using one-to-one matching of Hounsfield Unit (HU) based on the image as shown in FIG. 5.
  • HU Hounsfield Unit
  • an object of the present invention is a look-up table capable of accurately estimating the cumulative radiation dose only by MRI imaging without CT imaging for radiotherapy or imaging of diagnostic images To provide a method for estimating the radiation dose of MRI-based composite images.
  • the object of the present invention is the step of generating a look-up table representing the line weakness coefficient of the ROI from the CT image (S100); Photographing at least two of a T1 image, a T2 image, and a Petra image of the patient from the MRI apparatus (S120); Generating a composite image by superimposing the captured images (S140); Distinguishing the ROI by displaying a boundary line of the ROI in the synthesized image (S160); Designating a line attenuation coefficient of the lookup table in the divided ROI (S180); And estimating the radiation dose based on the synthesized image in which the line attenuation coefficient is designated (S200).
  • the radiation dose estimation method of the MRI-based composite image using a lookup table may be achieved.
  • the generation of the lookup table (S100) may be based on CT images of a plurality of patients.
  • the region of interest may include at least one of a brain, eyeball, nasal cavity, and bone.
  • the T1 image and the Petra image are superimposed, the T2 image and the Petra image are superimposed, or the T1 image, the T2 image, and the Petra image are superimposed.
  • the boundary line of the ROI may be displayed based on the grayscale or the CT-number of each pixel of the composite image.
  • the line weakening coefficient may be designated using an average value of the range of the line thinning coefficient of the corresponding ROI in the lookup table.
  • the radiation dose estimating step (S200) estimates the radiation dose using a one-to-one matching of a contrast field degree (HU).
  • the cumulative radiation dose can be accurately estimated only by MRI imaging without CT imaging for radiotherapy or imaging of diagnostic images.
  • the patient can escape the risk of exposure to radiation.
  • 1 is a conventional CT image taken of a plurality of patients
  • FIG. 2 is a composite CT image generated by overlapping a plurality of CT images shown in FIG. 1;
  • FIG. 4 is an image in which a boundary of a region of interest is displayed by hand after superimposing a conventional MR-simulated image and a synthesized CT-image;
  • FIG. 5 is an image illustrating a state in which a line attenuation coefficient is assigned to an ROI bounded in FIG. 4;
  • 6A is a flowchart illustrating a method of estimating a radiation dose of an MRI-based composite image using a lookup table according to an embodiment of the present invention
  • 6B is a flowchart illustrating specific steps of forming a boundary line of an ROI in one embodiment of the present invention
  • Figure 7 is an example of a lookup table consisting of a line weakness coefficient extracted by CT-image of a plurality of patients for use in the present invention
  • FIG. 11 is an example of a composite image generated according to the present invention when the ROI is an eyeball;
  • FIG. 13 is an example of a composite image generated according to the present invention when the ROI is a bone
  • FIG. 14 is an example of a result of estimating radiation dose using one-to-one matching of Hounsfield Unit (HU) based on the composite images of FIGS. 11 to 13;
  • HU Hounsfield Unit
  • FIG. 15 is a detailed embodiment of the present invention
  • FIG. 15A is a T1-weighted MR image
  • FIG. 15B is a T2-Weighted MR image
  • FIG. 15C is a Petra MR image
  • FIG. 15D is a synthesized CT image generated according to FIG. 6B. to be.
  • FIG. 6A is a flowchart illustrating a method of estimating a radiation dose of an MRI-based composite image using a lookup table according to an embodiment of the present invention.
  • a lookup table representing the line weakness coefficient of the ROI is generated from the CT image (S100).
  • Figure 7 is an example of a lookup table consisting of a pre-coated coefficient extracted by CT-image of a plurality of patients for use in the present invention.
  • CT images are taken of 15 patients, and then gray scale values are read for each region of interest (eg, brain, eyeball, nasal cavity, bone, etc.).
  • region of interest eg, brain, eyeball, nasal cavity, bone, etc.
  • gray scale values range from 0 to 65,535, with gray being " 0 " representing black, and " 65,535 " representing white.
  • This gray scale value can simply be converted into a linear weakness coefficient. It can be seen from the lookup table of FIG. 7 that the gray scale values of the ROIs each form a predetermined range.
  • the gray scale of the brain ranges from 533 to 739
  • the gray scale of the eyeball ranges from 226 to 329
  • the gray scale of the nasal cavity ranges from 9.6 to 98
  • the bone It can be seen that the gray scale of is in the range of 1024 to 1414.
  • CT-images for generating such a look-up table are preferably taken from the records already taken and stored in an existing hospital, rather than newly photographed, and the larger the number of cases (number of patients), the better.
  • T1 image, T2 image and Petra (Pointwise Echo Time Reduction with Radial Acquisition, PETRA) images of the patient are taken from the MRI apparatus (S120).
  • T1, T2 and Petra images are different MRI-images taken of the same site at the same time frame for the same patient.
  • 8 is an example of a T1 image photographed in this manner
  • FIG. 9 is an example of a T2 image
  • FIG. 10 is an example of a Petra image.
  • T2 image the more water, the higher the signal intensity of T2 image (appears white).
  • white the part of the T2 image that appears to be high signal intensity (white).
  • the white area is the “ventricular color”.
  • the ventricles are filled with water. Therefore, the water-black side is the T1-weighted image and the white side is the T2-weighted image. That is, the T2 image is similar to the negative image of the CT, and the T1 image and the T2 image can be distinguished by the color of the ventricles.
  • Gray matter which is where the cell bodies are.
  • Gray matter is a mixture of water and fat in half.
  • the cell wall that makes up the cell body is fat, but the contents of the cytoplasm are mainly water. Therefore, gray matter, a mass of cell bodies, is water and fat.
  • both T1 and T2 images become gray with black and white.
  • MRI images retrieve signals from both sides. This is mainly a signal from the water. As a result, in bones and calcifications with low water content, the signal is low and both the T1 and T2 images are black.
  • the Petra (Pointwise Echo Time Reduction with Radial Acquisition, PETRA) image clearly distinguishes the air from the tissues, so the body outlines well, and the inside of the body distinguishes the bones. Therefore, the Petra image is very helpful in reducing the geometric error when overlapping with the T1 image and the T2 image.
  • a synthesized image is generated by superimposing the captured T1, T2 and Petra images (S140).
  • 11 is an example of a composite image generated according to the present invention when the ROI is an eyeball
  • FIG. 12 is an example of a synthetic image generated according to the present invention when the ROI is a nasal cavity
  • FIG. 13 is a bone when the ROI is a bone.
  • three images may be superimposed while minimizing geometric error, and an image having a clear boundary between the ROI, the air, the ROI, and the surrounding tissue may be obtained. This clear image helps to define the boundary in the next step.
  • the boundary of the region of interest is displayed on the synthesized image to distinguish the region of interest (S160).
  • a boundary line may be collectively performed in software by a known method (eg, Image Outline Enhancer, outline correction) based on the gray scale value and contrast contrast of each pixel.
  • the line weakening coefficient of the lookup table is assigned to the ROI that is automatically divided by the software (S180).
  • the gray scale of the brain is in the range of 533 to 739
  • the gray scale of the eyeball is in the range of 226 to 329
  • the gray scale of the nasal cavity is in the range of 9.6 to 98
  • the gray scale of the bone is 1024. ⁇ 1414 range.
  • designating the pre-emption coefficient specify the average value or median value of each range value.
  • FIG. 14 is an example of a result of estimating radiation dose using one-to-one matching of Hounsfield Unit (HU) based on the composite images of FIGS. 11 to 13. As shown in FIG. 14, it can be seen that a place where the radiation dose is concentrated is displayed in red, and a lower place is displayed in green. Therefore, the doctor may confirm the place where the radiation dose is concentrated through the image as shown in FIG. 14, and may use the same for later treatment.
  • HU has a value ranging from -1000 to +1000.
  • FIG. 6B is a flowchart illustrating specific steps of forming a boundary line of an ROI in one embodiment of the present invention.
  • FIG. 15 is a specific embodiment of the present invention.
  • FIG. 15A is a T1-weighted MR image
  • FIG. 15B is a T2-Weighted MR.
  • 15C is a Petra MR image
  • FIG. 15D is a synthesized CT image generated according to FIG. 6B. That is, FIGS. 15A to 15C show MR images, and FIG. 15D is for dose calculation.
  • areas of interest body, air, eyeball, lens, cavity, ventricle, brain stem, brain stem
  • One of the bones (Bone, etc.) is designated (S300).
  • a boundary line is distinguished using a software algorithm in a designated region of interest (eg, a body) (S310).
  • the contrast enhancement degree is performed on the generated boundary line (closed curve) (S330). And, the above process is repeated sequentially for Air, Eyeball, Lens, Cavity, Ventricle, Brain Stem, Bone, etc. S390).
  • synthesized CT images are generated by combining the results of the degree of contrast enhancement performed so far (S370).
  • the present invention relates to a method for estimating radiation dose, and more particularly, to a method for estimating radiation dose of an MRI-based composite image using a lookup table.

Landscapes

  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Medical Informatics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Radiology & Medical Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Optics & Photonics (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Pulmonology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Neurosurgery (AREA)
  • Neurology (AREA)
  • Environmental & Geological Engineering (AREA)
  • Toxicology (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Artificial Intelligence (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

본 발명은 방사선량 추정방법에 관한 것으로, 보다 상세하게는 룩업테이블을 이용한 MRI 기반 합성영상의 방사선량 추정방법에 관한 것이다. 이를 위해, 본 발명은 상기와 같은 목적은, CT-영상으로부터 관심영역의 선감약계수를 나타내는 룩업테이블을 생성하는 단계(S100); MRI 장비로부터 환자의 T1영상, T2영상 및 페트라 영상중 적어도 2개를 촬영하는 단계(S120); 촬영된 영상을 중첩하여 합성영상을 생성하는 단계(S140); 합성영상에서 관심영역의 경계선을 표시하여 관심영역을 구분짓는 단계(S160); 구분지어진 관심영역에 룩업테이블의 선감약계수를 지정하는 단계(S180); 및 선감약계수가 지정된 합성영상에 기초하여 방사선량을 추정하는 단계(S200);가 제공된다.

Description

룩업테이블을 이용한 MRI 기반 합성영상의 방사선량 추정방법
본 발명은 방사선량 추정방법에 관한 것으로, 보다 상세하게는 룩업테이블을 이용한 MRI 기반 합성영상의 방사선량 추정방법에 관한 것이다.
최근 영상의학이 발전하면서 수술이나 치료전 검사를 위해 컴퓨터 단층촬영(CT) 또는 자기공명 영상(MRI)이 많이 사용되고 있다. 이러한 의료기술은 환자 신체 내부의 상태를 사진판독으로 확인할 수 있고, 3D 모델링도 가능하다는 점에서 매우 효율적인 검사방법으로 인정되고 있다.
CT-촬영(또는 CT-스캔)의 경우 정확한 단면 영상을 얻을 수 있는 장점이 있는 반면, 다량의 방사선을 조사하여야 하기 때문에 환자가 방사선에 피복되는 것을 피할 수 없다는 단점이 있었다. 그럼에도 불구하고 CT-촬영이 사용되는 이유는 정확도가 높고 흑백사진을 통해 방사선량(이하 "선량"이라 함) 계산이 쉽기 때문이다. 반면에 CT-영상은 조직의 대조도가 낮아서 정상조직과 종양을 구별하기 어렵다는 단점이 있다.
한편, MRI 촬영의 경우 고주파를 이용하고 방사선을 사용하지 않기 때문에 방사선에 노출될 위험이 없는 안정성이 있다. 또한, MRI 촬영은 인체내 필요한 각도를 자유자재로 선택해 촬영할 수 있음은 물론 해상도도 뛰어나다. 따라서, 환자의 피복량을 줄이기 위하여 영상의학은 점차 CT-촬영에서 MRI-촬영으로 전환되고 있는 추세이다. 이러한 MRI-영상은 종양의 구별이 쉽다는 장점이 있는 반면, 방사선을 사용하지 않기 때문에 선량 계산이 어렵다는 단점이 있다.
이와 같은 CT-촬영과 MRI-촬영의 장단점을 감안하여 장점을 살리고 단점을 극복하기 위하여 다양한 방법들이 제시되곤 하였다.
이러한 방법론중 하나는 합성 CT-영상을 만드는 것이다. 예를 들어, 도 1은 복수의 환자를 대상으로 촬영한 종래의 CT-영상이고, 도 2는 도 1에 도시된 복수의 CT영상을 중첩하여 생성한 합성 CT-영상이며, 도 3은 종래의 MRI 영상, 도 4는 종래의 MR-시뮬레이션 영상과 합성 CT-영상을 중첩한 후 관심영역의 경계를 손으로 표시한 영상, 도 5는 도 4에서 경계지어진 관심영역에 선감약계수를 지정한 상태를 나타내는 영상이다.
도 1 내지 도 5에 도시된 바와 같이, 도 1과 같은 복수의 CT-영상으로부터 도 2와 같은 합성 CT-영상을 생성하고, 이를 도 3과 같은 MR-시뮬레이션 영상과 중첩한다. 그 뒤, 관심영역의 경계를 수작업으로 표시한다(도 4 참조). 그 다음, 도 5와 같이 경계지어진 관심영역에 선감약계수(Linear Attenuation Coefficient, LAC)를 지정한다. 도 5와 같은 영상에 기초하여 조영 증강 정도(Hounsfield Unit: HU)의 일대일 매칭을 이용하면 방사선량 분포도를 얻을 수 있었다.
그러나, 이와 같은 종래의 방법은 다음과 같은 단점이 있다. 즉, 합성 CT-영상은 평균값을 사용한다는 특징이 있으나, 결국 CT-촬영을 한번은 해야한다는 점, 복수의 영상을 중첩할 때 기하학적 위치 오차가 발생한다는 점 및 평균값을 사용하기 때문에 실제 환자의 CT-데이터가 아니라는 단점이 있었다. 또한, 관심영역의 경계를 육안으로 확인하면서 수작업으로 그려야 하기 때문에 번거롭고 정확하지 않았다.
따라서, 본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로, 본 발명의 목적은 방사선 치료 또는 진단영상의 촬영을 위해 CT-촬영 없이 MRI-촬영만으로 누적 방사선량을 정확하게 추정할 수 있는 룩업테이블을 이용한 MRI 기반 합성영상의 방사선량 추정방법을 제공하는 것이다.
본 발명은 상기와 같은 목적은, CT-영상으로부터 관심영역의 선감약계수를 나타내는 룩업테이블을 생성하는 단계(S100); MRI 장비로부터 환자의 T1영상, T2영상 및 페트라 영상중 적어도 2개를 촬영하는 단계(S120); 촬영된 영상을 중첩하여 합성영상을 생성하는 단계(S140); 합성영상에서 관심영역의 경계선을 표시하여 관심영역을 구분짓는 단계(S160); 구분지어진 관심영역에 룩업테이블의 선감약계수를 지정하는 단계(S180); 및 선감약계수가 지정된 합성영상에 기초하여 방사선량을 추정하는 단계(S200);를 포함하는 것을 특징으로 하는 룩업테이블을 이용한 MRI 기반 합성영상의 방사선량 추정방법에 의해 달성될 수 있다.
그리고, 룩업테이블의 생성단계(S100)는 복수 환자의 CT영상에 기초하는 것이 바람직하다.
이러한, 관심영역은 뇌, 눈알, 비강, 뼈 중 적어도 하나를 포함할 수 있다.
그리고, 합성영상의 생성단계(S140)는, T1영상과 페트라 영상을 중첩하거나 T2영상과 페트라 영상을 중첩하거나 T1영상, T2영상 및 페트라 영상을 중첩하여 생성하는 것이 바람직하다.
관심영역의 경계선을 표시하는 단계(S160)는 합성영상 각 픽셀의 그레이스케일 또는 CT-넘버에 기초하여 표시할 수 있다.
또한, 선감약계수의 지정단계(S180)는, 룩업테이블중 해당 관심영역의 선감약계수 범위의 평균값을 사용하여 지정할 수 있다.
아울러, 방사선량 추정단계(S200)는 조영 증강 정도(Hounsfield Unit: HU)의 일대일 매칭을 이용하여 방사선량을 추정한다.
본 발명의 일실시예에 따르면, 방사선 치료 또는 진단영상의 촬영을 위해 CT-촬영 없이 MRI-촬영만으로 누적 방사선량을 정확하게 추정할 수 있다. 따라서, 환자는 방사능의 피폭 위험으로 부터 벗어날 수 있다.
그리고, MRI-영상으로 부터 CT-촬영을 한 것과 같은 합성영상을 생성해 낼 수 있는 장점이 있다. 더욱이, 정상조직과 종양의 구분이 명확한 영상을 얻을 수 있어서 방사선을 이용한 치료에 유용하게 사용될 수 있다.
본 명세서에서 첨부되는 다음의 도면들은 본 발명의 바람직한 실시예를 예시하는 것이며, 후술하는 발명의 상세한 설명과 함께 본 발명의 기술사상을 더욱 이해시키는 역할을 하는 것이므로, 본 발명은 그러한 도면에 기재된 사항에만 한정되어서 해석되어서는 아니된다.
도 1은 복수의 환자를 대상으로 촬영한 종래의 CT-영상,
도 2는 도 1에 도시된 복수의 CT영상을 중첩하여 생성한 합성 CT-영상,
도 3은 종래의 MRI 영상,
도 4는 종래의 MR-시뮬레이션 영상과 합성 CT-영상을 중첩한 후 관심영역의 경계를 손으로 표시한 영상,
도 5는 도 4에서 경계지어진 관심영역에 선감약계수를 지정한 상태를 나타내는 영상,
도 6a는 본 발명의 일실시예에 따른 룩업테이블을 이용한 MRI 기반 합성영상의 방사선량 추정방법을 나타내는 흐름도,
도 6b는 본 발명의 일실시예중 관심영역의 경계선을 형성하는 구체적인 단계에 관한 흐름도,
도 7은 본 발명에서 사용하기 위하여, 복수 환자의 CT-영상으로 추출한 선감약계수로 이루어진 룩업테이블의 일예,
도 8은 T1 영상의 일예,
도 9는 T2 영상의 일예,
도 10은 페트라 영상의 일예,
도 11은 관심영역이 눈알인 경우 본 발명에 따라 생성된 합성영상의 일예,
도 12는 관심영역이 비강인 경우 본 발명에 따라 생성된 합성영상의 일예,
도 13은 관심영역이 뼈인 경우 본 발명에 따라 생성된 합성영상의 일예,
도 14는 도 11 내지 도 13의 합성영상에 기초한 조영 증강 정도(Hounsfield Unit: HU)의 일대일 매칭을 이용하여 방사선량을 추정한 결과영상의 일예,
도 15는 본 발명의 구체적인 실시 영상으로, 도 15a는 T1-weighted MR 영상, 도 15b는 T2-Weighted MR 영상, 도 15c는 페트라 MR 영상, 그리고 도 15d는 도 6b에 따라 생성된 합성한 CT영상이다.
이하, 첨부된 도면들을 참조하여 본 발명의 구성을 보다 상세하게 설명하고자 한다. 본 발명은 다양한 변경을 가할 수 있고 여러가지 형태를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 본문에 상세하게 설명하고자 한다.
본 출원에서 "포함한다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
또한, 다르게 정의되지 않는 한 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하에서는 본 발명의 일실시예에 따른 룩업테이블을 이용한 MRI 기반 합성영상의 방사선량 추정방법에 대해 첨부된 도면을 참조하여 상세히 설명하도록 한다. 도 6a는 본 발명의 일실시예에 따른 룩업테이블을 이용한 MRI 기반 합성영상의 방사선량 추정방법을 나타내는 흐름도이다. 도 6a에 도시된 바와 같이, 먼저 CT-영상으로부터 관심영역의 선감약계수를 나타내는 룩업테이블을 생성한다(S100).
도 7은 본 발명에서 사용하기 위하여, 복수 환자의 CT-영상으로 추출한 선감약계수로 이루어진 룩업테이블의 일예이다. 도 7에 도시된 바와 같이, 15명의 환자를 대상으로 CT-영상을 촬영한 뒤, 각 관심영역(예: 뇌, 눈알, 비강, 뼈 등)에 대한 그레이 스케일값을 독출한다. 이러한 그레이 스케일값은 0 ~ 65,535 범위이며, 그레이 스케일이 "0"이면 검은색이고, "65,535"이면 흰색을 나타낸다. 이러한 그레이 스케일값은 선감약계수로 간단히 변환될 수 있다. 도 7의 룩업테이블로부터 각 관심영역의 그레이 스케일값이 각각 일정 범위를 형성한다는 점을 알 수 있다. 예를 들어, 뇌(a)의 그레이 스케일은 533 ~ 739 범위이고, 눈알(b)의 그레이 스케일은 226 ~ 329 범위이고, 비강(c)의 그레이 스케일은 9.6 ~ 98 범위이고, 뼈(d)의 그레이 스케일은 1024 ~ 1414 범위임을 알 수 있다. 이러한 룩업테이블을 생성하기 위한 CT-영상은 새롭게 촬영되기 보다는 기존 병원에서 이미 촬영되어 보관중인 기록물을 활용하는 것이 바람직하고, 경우의 수(환자의 수)는 많을 수록 바람직하다.
그 다음, MRI 장비로부터 환자의 T1영상, T2영상 및 페트라(Pointwise Echo Time Reduction with Radial Acquisition, PETRA) 영상을 촬영한다(S120). T1, T2 및 페트라 영상은 동일한 환자를 대상으로 동일한 시간대에 동일한 부위를 촬영한 상이한 MRI-영상이다. 도 8은 이와 같은 방식으로 촬영된 T1 영상의 일예이고, 도 9는 T2 영상의 일예이며, 도 10은 페트라 영상의 일예이다.
참고로, T1 영상은 지방성분이 많을수록 신호강도가 높다(하얗게 보임). 뇌영상에서, 지방조직 > 백질 > 회색질 > CSF 순이며, 대부분의 병변은 물을 많이 함유하고 있어(염증으로 인한 부종, 혈류가 풍부한 종양 등) T1 영상에서 저신호강도(까맣게)로 보인다.
그리고, T2 영상은 물이 많을수록 신호강도가 높다(하얗게 보임). 뇌 영상에서, CSF > 회색질> 백질 > 지방조직 순이며, 병변은 T2 영상에선 고신호강도(흰색)로 보인다. 즉, 병변을 빨리 찾으려면 T2 영상에서 고신호강도(흰색)로 보이는 부분을 먼저 찾으면 된다. 이러한 T1 영상과 T2 영상의 차이점을 표로 정리하면 다음과 같다.
구분 T1 T2
물 검은색 흰색
지방 흰색 검은색
구분 T1 T2
뇌실 검은색 흰색
백색질 흰색 검은색
회색질 회색 회색
석회화, 뼈 검은색 검은색
T1 영상과 T2 영상에서 흰색 부분은 포인트는 “뇌실의 색”이다. 뇌실은 물로 가득 차 있다. 따라서 물이 검게 찍혀 있는 쪽이 T1 강조영상이고 희게 찍혀 있는 쪽이 T2 강조영상이다. 즉, T2 영상은 마치 CT의 네거티브 영상과 유사하고, T1영상과 T2 영상은 뇌실의 색으로 구별할 수 있다.
다음으로 회색질인데 회색질은 세포체가 존재하는 곳이다. 회색질은 물과 지방이 반반씩 섞여 있다. 세포체를 만드는 세포벽은 지방이지만 세포질의 내용물은 주로 물이다. 그러므로 세포체의 덩어리인 회색질은 물과 지방인 것이다. 따라서 T1 영상 및 T2 영상 양쪽 모두 검은색과 흰색이 섞인 회색이 되는 것이다.
마지막으로 뼈와 석회화인데, MRI 영상에서는 양쪽으로부터의 신호를 검색한다. 이것은 주로 물에서 오는 신호이다. 그 때문에 물의 함유량이 적은 뼈나 석회화에서는 신호가 적어서 T1, T2 영상 모두 검은색이 된다
페트라(Pointwise Echo Time Reduction with Radial Acquisition, PETRA) 영상은 공기와 조직을 잘 구분하여 표현하기 때문에 몸의 윤곽을 잘 나타내고, 신체 내부에서는 뼈를 잘 구분하여 표현하는 특징이 있다. 따라서, 페트라 영상은 T1영상 및 T2영상과 중첩시 기하학적 오차를 줄이는데 많은 도움이 된다.
그 다음, 촬영된 T1, T2 및 페트라 영상을 중첩하여 합성영상을 생성한다(S140). 도 11은 관심영역이 눈알인 경우 본 발명에 따라 생성된 합성영상의 일예이고, 도 12는 관심영역이 비강인 경우 본 발명에 따라 생성된 합성영상의 일예이며, 도 13은 관심영역이 뼈인 경우 본 발명에 따라 생성된 합성영상의 일예이다.
도 11 내지 도 13에 도시된 바와 같이, 기하학적 오차를 최소화하면서 3장의 영상을 중첩할 수 있고, 관심영역과 공기, 관심영역과 주변 조직 간의 경계가 선명한 영상을 얻을 수 있다. 이와 같은 선명한 영상은 다음 단계에서 경계를 정의하는데 많은 도움을 준다.
그 다음, 합성영상에서 관심영역의 경계선을 표시하여 관심영역을 구분짓는다(S160). 이러한 경계선은 각 픽셀의 그레이 스케일값 및 콘트라스트 대비 등에 기초하여 공지의 방법(예 : Image Outline Enhancer, 윤곽 보정)으로 소프트웨어적으로 일괄 수행될 수 있다.
그 다음, 소프트웨어에 의해 자동으로 구분지어진 관심영역에 룩업테이블의 선감약계수를 지정한다(S180). 예를 들어, 도 7과 같은 룩업테이블에서 뇌의 그레이 스케일은 533 ~ 739 범위이고, 눈알의 그레이 스케일은 226 ~ 329 범위이고, 비강의 그레이 스케일은 9.6 ~ 98 범위이고, 뼈의 그레이 스케일은 1024 ~ 1414 범위이다. 선감약계수를 지정할 때는 각 범위값의 평균값 또는 중간값으로 지정한다.
그 다음, 각 관심영역마다 선감약계수가 지정된 합성영상에 기초하여 방사선량을 추정한다(S200). 이러한 방사선량의 추정은 조영 증강 정도(Hounsfield Unit: HU)의 일대일 매칭을 이용한다. 이와 같은 HU 방법을 사용하면 방사선량의 분포도를 얻을 수 있다. 도 14는 도 11 내지 도 13의 합성영상에 기초한 조영 증강 정도(Hounsfield Unit: HU)의 일대일 매칭을 이용하여 방사선량을 추정한 결과영상의 일예이다. 도 14에 도시된 바와 같이, 방사선량이 집중되는 곳은 붉은 색으로 표시되고, 그 보다 낮은 곳은 녹색으로 표시되는 것을 알 수 있다. 따라서, 의사는 도 14와 같은 영상을 통해 방사선량이 집중되는 곳을 확인할 수 있고, 이를 추후 치료에 활용할 수 있다. 참고로, HU는 -1000 ~ +1000 범위의 값을 갖는다.
도 6b는 본 발명의 일실시예중 관심영역의 경계선을 형성하는 구체적인 단계에 관한 흐름도이고, 도 15는 본 발명의 구체적인 실시 영상으로, 도 15a는 T1-weighted MR 영상, 도 15b는 T2-Weighted MR 영상, 도 15c는 페트라 MR 영상, 그리고 도 15d는 도 6b에 따라 생성된 합성한 CT영상이다. 즉, 도 15a 내지 도 15c는 MR 영상을 얻은 것이고, 도 15d는 선량계산을 위한 것이다. 도 6b 및 도 15에 도시된 바와 같이, 먼저 관심영역들(신체(Body), 공기(Air), 눈알(Eyeball), 수정체(Lens), 비강(Cavity), 뇌실(Ventricle), 뇌줄기(Brain Stem), 뼈(Bone) 등)중 하나를 지정한다(S300).
그 다음, 지정된 관심영역(예 : 신체(body))에 소프트웨어 알고리즘을 이용하여 경계선을 구분짓는다(S310).
그 다음, 생성된 경계선(폐곡선)에 내부에 대해 조영 증강 정도를 수행한다(S330). 그리고, 이와 같은 상기의 과정을 공기(Air), 눈알(Eyeball), 수정체(Lens), 비강(Cavity), 뇌실(Ventricle), 뇌줄기(Brain Stem), 뼈(Bone) 등에 대해 순차적으로 반복한다(S390).
최종적으로 지금까지 수행한 조영 증강 정도의 결과를 종합하여 합성된 CT 영상(도 15d 참조)을 생성한다(S370).
비록 본 발명이 상기에서 언급한 바람직한 실시예와 관련하여 설명되어졌지만, 본 발명의 요지와 범위로 부터 벗어남이 없이 다른 다양한 수정 및 변형이 가능한 것은 당업자라면 용이하게 인식할 수 있을 것이며, 이러한 변경 및 수정은 모두 첨부된 특허청구의 범위에 속함은 자명하다.
본 발명은 방사선량 추정방법에 관한 것으로, 보다 상세하게는 룩업테이블을 이용한 MRI 기반 합성영상의 방사선량 추정방법에 관한 것이다.
-

Claims (7)

  1. CT-영상으로부터 관심영역의 선감약계수를 나타내는 룩업테이블을 생성하는 단계(S100);
    MRI 장비로부터 환자의 T1영상, T2영상 및 페트라 영상중 적어도 2개를 촬영하는 단계(S120);
    상기 촬영된 영상을 중첩하여 합성영상을 생성하는 단계(S140);
    상기 합성영상에서 관심영역의 경계선을 표시하여 상기 관심영역을 구분짓는 단계(S160);
    구분지어진 관심영역에 상기 룩업테이블의 상기 선감약계수를 지정하는 단계(S180); 및
    상기 선감약계수가 지정된 상기 합성영상에 기초하여 방사선량을 추정하는 단계(S200);를 포함하는 것을 특징으로 하는 룩업테이블을 이용한 MRI 기반 합성영상의 방사선량 추정방법.
  2. 제 1 항에 있어서,
    상기 룩업테이블의 생성단계(S100)는 복수 환자의 CT영상에 기초하는 것을 특징으로 하는 룩업테이블을 이용한 MRI 기반 합성영상의 방사선량 추정방법.
  3. 제 1 항에 있어서,
    상기 관심영역은 뇌, 눈알, 비강, 뼈 중 적어도 하나를 포함하는 것을 특징으로 하는 룩업테이블을 이용한 MRI 기반 합성영상의 방사선량 추정방법.
  4. 제 1 항에 있어서,
    상기 합성영상의 생성단계(S140)는,
    상기 T1영상과 페트라 영상을 중첩하거나
    상기 T2영상과 페트라 영상을 중첩하거나
    상기 T1영상, T2영상 및 페트라 영상을 중첩하여 생성하는 것을 특징으로 하는 룩업테이블을 이용한 MRI 기반 합성영상의 방사선량 추정방법.
  5. 제 1 항에 있어서,
    상기 관심영역의 경계선을 표시하는 단계(S160)는 상기 합성영상 각 픽셀의 그레이스케일 또는 CT-넘버에 기초하여 표시하는 것을 특징으로 하는 룩업테이블을 이용한 MRI 기반 합성영상의 방사선량 추정방법.
  6. 제 1 항에 있어서,
    상기 선감약계수의 지정단계(S180)는, 상기 룩업테이블중 해당 관심영역의 선감약계수 범위의 평균값을 사용하여 지정하는 것을 특징으로 하는 룩업테이블을 이용한 MRI 기반 합성영상의 방사선량 추정방법.
  7. 제 1 항에 있어서,
    상기 방사선량 추정단계(S200)는 조영 증강 정도(Hounsfield Unit: HU)의 일대일 매칭을 이용하여 상기 방사선량을 추정하는 것을 특징으로 하는 룩업테이블을 이용한 MRI 기반 합성영상의 방사선량 추정방법.
PCT/KR2017/003095 2016-07-28 2017-03-23 룩업테이블을 이용한 mri 기반 합성영상의 방사선량 추정방법 WO2018021652A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US15/762,987 US10602956B2 (en) 2016-07-28 2017-03-23 Radiation dose estimating method of MRI based composite image using lookup table

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2016-0096286 2016-07-28
KR1020160096286A KR101796392B1 (ko) 2016-07-28 2016-07-28 룩업테이블을 이용한 mri 기반 합성영상의 방사선량 추정방법

Publications (1)

Publication Number Publication Date
WO2018021652A1 true WO2018021652A1 (ko) 2018-02-01

Family

ID=60386451

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2017/003095 WO2018021652A1 (ko) 2016-07-28 2017-03-23 룩업테이블을 이용한 mri 기반 합성영상의 방사선량 추정방법

Country Status (3)

Country Link
US (1) US10602956B2 (ko)
KR (1) KR101796392B1 (ko)
WO (1) WO2018021652A1 (ko)

Families Citing this family (2)

* 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
CN112946546B (zh) * 2019-12-10 2023-10-27 西门子(深圳)磁共振有限公司 短t2组织的成像方法、系统及磁共振成像系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010082031A (ja) * 2008-09-30 2010-04-15 Hitachi Ltd エネルギー情報を用いたｘ線ｃｔ画像再構成法
JP5270892B2 (ja) * 2007-09-28 2013-08-21 株式会社東芝 Ｍｒｉ装置
JP2014215238A (ja) * 2013-04-26 2014-11-17 玄紀 田中 核医学画像再構成装置、核医学画像再構成方法、及びプログラム
JP5741980B2 (ja) * 2012-03-28 2015-07-01 国立研究開発法人放射線医学総合研究所 Ｍｒ画像からのｐｅｔ吸収補正画像生成方法及びコンピュータプログラム
WO2015175848A1 (en) * 2014-05-14 2015-11-19 The Johns Hopkins University System and method for automatic localization of structures in projection images

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7433504B2 (en) * 2004-08-27 2008-10-07 General Electric Company User interactive method for indicating a region of interest
EP2161594B1 (en) * 2008-09-09 2017-11-08 Multi Magnetics Incorporated System and method for correcting attenuation in hybrid medical imaging
CN112932672A (zh) * 2012-08-03 2021-06-11 史赛克公司 用于机器人外科手术的系统和方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5270892B2 (ja) * 2007-09-28 2013-08-21 株式会社東芝 Ｍｒｉ装置
JP2010082031A (ja) * 2008-09-30 2010-04-15 Hitachi Ltd エネルギー情報を用いたｘ線ｃｔ画像再構成法
JP5741980B2 (ja) * 2012-03-28 2015-07-01 国立研究開発法人放射線医学総合研究所 Ｍｒ画像からのｐｅｔ吸収補正画像生成方法及びコンピュータプログラム
JP2014215238A (ja) * 2013-04-26 2014-11-17 玄紀 田中 核医学画像再構成装置、核医学画像再構成方法、及びプログラム
WO2015175848A1 (en) * 2014-05-14 2015-11-19 The Johns Hopkins University System and method for automatic localization of structures in projection images

Also Published As

Publication number Publication date
US20190269346A1 (en) 2019-09-05
KR101796392B1 (ko) 2017-11-10
US10602956B2 (en) 2020-03-31

Similar Documents

Publication Publication Date Title
US10413253B2 (en) Method and apparatus for processing medical image
US8280490B2 (en) Registration aid for medical images
CN105078495B (zh) 一种pet-ct扫描成像方法及相关成像方法
US20080013672A1 (en) Method and device for automatically differentiating bones or other calcium-containing materials and contrast agent in soft tissue
Xia et al. Observation of normal appearance and wall thickness of esophagus on CT images
Dalager et al. Impact of luminal density on plaque classification by CT coronary angiography
Zuo et al. Automatic motion correction for breast MR imaging.
JP2002345807A (ja) 医療用画像の領域抽出方法
CN107115119B (zh) Pet图像衰减系数的获取方法、衰减校正的方法及系统
Studholme et al. Automated 3D Registration of Truncated MR and CT Images of the Head.
US20130261445A1 (en) Representation of blood vessels and tissue in the heart
EP3220826B1 (en) Method and apparatus for processing medical image
CN105640583A (zh) 血管造影方法
JP2002527834A (ja) 画像化方法
Dane et al. Radiation dose reduction, improved isocenter accuracy and CT scan time savings with automatic patient positioning by a 3D camera
Chen et al. Automated quality control of emission-transmission misalignment for attenuation correction in myocardial perfusion imaging with SPECT-CT systems
WO2018021652A1 (ko) 룩업테이블을 이용한 mri 기반 합성영상의 방사선량 추정방법
US20060173279A1 (en) Method for implementing a medical imaging examination procedure
WO2000067202A1 (en) Ct/mr fused image presentation algorithm
JP5005139B2 (ja) 領域抽出方法、領域抽出装置およびｘ線ｃｔ装置
JP2003224775A (ja) 時系列処理画像の表示装置
Nömayr et al. Anatomical accuracy of lesion localization
Pappas et al. New method to assess the registration of CT-MR images of the head
JP2003126076A (ja) Ｘ線ｃｔ装置
Cohen et al. Quantitative evaluation of rigid and elastic registrations for abdominal perfusion imaging with X-ray computed tomography

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: 17834597

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: 17834597

Country of ref document: EP

Kind code of ref document: A1