KR101989156B1 - 장기의 영상에서 장기에 포함된 객체의 영상을 분리하는 방법, 장치 및 의료 영상 시스템 - Google Patents

Abstract

본 발명의 일 실시예에 따른장기의 영상에서 장기에 포함된 객체의 영상을 분리하는 방법은 장기에 포함된 객체의 사전 지식(prior knowledge)을 이용하여 상기 객체의 레퍼런스(reference) 모델을 생성하는 단계, 피검자의 상기 장기에 대한 제1영상을 획득하는 단계, 상기 획득한 제1영상 내에서 상기 객체의 형상을 추정할 수 없는 제1영역이 존재하는지 여부를 판단하는 단계 및 상기 제1영역이 존재하지 않는다고 판단된 경우에는 상기 제1영상으로부터 상기 객체에 대한 제2영상을 분리(segmentation)하고, 상기 제1영역이 존재한다고 판단된 경우에는 상기 레퍼런스(reference) 모델로부터 상기 제1영역의 진행 방향을 추정하여 상기 제1영상으로부터 상기 제2영상을 분리(segmentation)하는 단계를 포함한다.

Description

장기의 영상에서 장기에 포함된 객체의 영상을 분리하는 방법, 장치 및 의료 영상 시스템 {Method, apparatus and medical imaging system for segmenting image of object from image of organ}

장기의 영상에서 장기에 포함된 객체의 영상을 분리하는 방법 및 장치가 개시된다.

환자 맞춤형 장기 모델링을 위해서는 CT 영상이나 MRI 영상 등의 의료 영상으로부터 필요한 정보를 취득해 내는 것이 중요하다. 이러한 영상의 분리(segmentation)를 위해서 이미 알려진 장기의 형상을 이용하여 장기 영상 내에서 원하는 객체의 영상을 분리하거나 사용자가 직접 환자의 장기 영상 내에서 객체를 분리하는 방법 등이 사용되고 있다.

장기의 영상에서 장기에 포함된 객체의 영상을 정밀하게 분리하는 방법 및 장치를 제공하는데 있다. 또한, 상기 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공한다. 해결하려는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.

상기 기술적 과제를 해결하기 위한 장기의 영상에서 장기에 포함된 객체의 영상을 분리하는 방법은 장기에 포함된 객체의 사전 지식(prior knowledge)을 이용하여 상기 객체의 레퍼런스(reference) 모델을 생성하는 단계, 피검자의 상기 장기에 대한 제1영상을 획득하는 단계, 상기 획득한 제1영상 내에서 상기 객체의 형상을 추정할 수 없는 제1영역이 존재하는지 여부를 판단하는 단계 및 상기 제1영역이 존재하지 않는다고 판단된 경우에는 상기 제1영상으로부터 상기 객체에 대한 제2영상을 분리(segmentation)하고, 상기 제1영역이 존재한다고 판단된 경우에는 상기 레퍼런스(reference) 모델로부터 상기 제1영역의 진행 방향을 추정하여 상기 제1영상으로부터 상기 제2영상을 분리(segmentation)하는 단계를 포함한다.

상기 다른 기술적 과제를 해결하기 위한 장기의 영상에서 장기에 포함된 객체의 영상을 분리하는 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공한다.

상기 또 다른 기술적 과제를 해결하기 위한 장기의 영상에서 장기에 포함된 객체의 영상을 분리하는 장치는 장기에 포함된 객체의 사전 지식(prior knowledge)을 이용하여 상기 객체의 레퍼런스(reference) 모델을 생성하는 레퍼런스 모델 생성부, 피검자의 상기 장기에 대한 제1영상을 획득하는 인터페이스부, 상기 획득한 제1영상 내에서 상기 객체의 형상을 추정할 수 없는 제1영역이 존재하는지 여부를 판단하는 판단부, 상기 제1영역이 존재하지 않는다고 판단된 경우에는 상기 제1영상으로부터 상기 객체에 대한 제2영상을 분리(segmentation)하고, 상기 제1영역이 존재한다고 판단된 경우에는 상기 레퍼런스(reference) 모델로부터 상기 제1영역의 진행 방향을 추정하여 상기 제1영상으로부터 상기 제2영상을 분리(segmentation)하는 영상 분리부를 포함한다.

상기 또 다른 기술적 과제를 해결하기 위한 의료 영상 시스템은 피검자의 의료 영상을 획득하는 영상 획득 장치, 장기에 포함된 객체의 사전 지식(prior knowledge)을 이용하여 상기 객체의 레퍼런스(reference) 모델을 생성하고, 획득된 상기 피검자의 상기 장기에 대한 제1영상 내에서 상기 객체의 형상을 추정할 수 없는 제1영역이 존재하지 않는다고 판단된 경우에는 상기 제1영상으로부터 상기 객체에 대한 제2영상을 분리(segmentation)하고, 상기 제1영역이 존재한다고 판단된 경우에는 상기 레퍼런스(reference) 모델로부터 상기 제1영역의 진행 방향을 추정하여 상기 제1영상으로부터 상기 제2영상을 분리(segmentation)하는 영상 분리 장치 및 상기 분리된 제2영상을 디스플레이하는 영상 표시 장치를 포함한다.

상기된 바에 따르면, 장기의 영상에서 객체의 정보가 불충분한 경우에도 객체의 레퍼런스 모델의 정보를 이용하여 손실된 부분을 복원하여 장기의 영상에서 객체의 영상을 정밀하게 분리할 수 있다.

도 1은 본 발명의 일 실시예에 따른 장기의 영상에서 장기에 포함된 객체의 영상을 분리하기 위한 시스템의 일 예를 도시한 도면이다.
도 2는 도 1에 도시된 영상 처리 장치의 일 예를 나타낸 구성도이다.
도 3은 도 2에 도시된 레퍼런스 모델 생성부의 일 예를 나타낸 구성도이다.
도 4는 본 실시예에 따른 레퍼런스 모델이 생성되는 과정의 일 예를 도시한 도면이다.
도 5a 내지 도 5b는 본 실시예에 따른 레퍼런스 모델의 일 예를 도시한 도면이다.
도 6은 도 2에 도시된 영상 분리부의 일 예를 나타낸 구성도이다.
도 7은 객체의 형상을 추정할 수 없는 영역의 일 예를 도시한 도면이다.
도 8 내지 도 9는 객체의 형상을 추정할 수 없는 영역의 진행 방향을 추정하는 방법의 일 예를 도시한 도면이다.
도 10은 본 실시예에 따른 장기의 영상에서 장기에 포함된 객체의 영상을 분리하는 방법을 나타낸 흐름도이다.

이하, 첨부된 도면을 참조하여 본 발명의 실시예들을 상세히 설명한다.

도 1은 장기의 영상에서 장기에 포함된 객체의 영상을 분리하기 위한 시스템(1)의 일 예를 나타낸 구성도이다. 본 시스템은 영상 획득 장치(10), 영상 분리 장치(20) 및 영상 표시 장치(30)로 구성된다.

영상 획득 장치(10)는 피검자의 객체를 포함하는 장기(40)의 영상(이하, '피검자의 의료 영상'이라 함)을 획득한다. 여기에서 객체는 체내 장기(40)를 형성하는 조직들 중에서 튜브(tube) 형상을 한 조직(tissue)을 포함하며, 조직은 본류(main stream)들 및 하나 이상의 지류(branch)들의 조합으로 구성될 수도 있다. 예를 들어 장기(40)를 간(liver)라고 한다면, 객체에 해당하는 튜브 형상을 한 조직에는 간에 분포된 혈관(blood vessel) 조직이 될 수 있다. 그러나 이에 한정되지 않고 림프선(lymphatic gland), 담관(bile duct) 등 튜브 형상을 한 조직이라면 제한 없이 객체에 해당될 수 있다.

피검자의 의료 영상은 장기(40)의 해부학적 정보의 분석이 용이한 영상이 포함될 수 있다. 여기에서 장기(40)의 해부학적 정보는 장기(40)의 형상, 윤곽 또는 장기의 내부 특징, 예를 들어 혈관의 분포 형태 등을 포함할 수 있다. 피검자의 의료 영상은 장기(40)의 CT(computed tomography) 혹은 MR(magnetic resonance)영상이 될 수 있으나, 이에 한정되지 않는다. 영상 획득 장치(10)는 피검자의 의료 영상을 영상 분리 장치(20)로 전송한다.

영상 분리 장치(20)는 영상 획득 장치(10)로부터 피검자의 의료 영상을 전송받아, 전송받은 영상에서 객체의 영상, 구체적으로 튜브 형상을 한 조직의 영상을 분리(segmentation)한다. 예를 들어 영상 분리 장치(20)는 복수의 사람들의 장기(40)에 대한 영상(이하, '외부 의료 영상(50)'이라 함)들을 입력받아 객체에 대한 표준화된 모델인 레퍼런스(reference) 모델을 생성할 수 있다. 영상 분리 장치(20)는 생성된 레퍼런스 모델을 이용하여 영상 획득 장치(10)로부터 전송받은 피검자의 의료 영상 내에서 객체의 영상을 분리할 수 있다. 또한, 영상 분리 장치(20)는 분리된 객체의 영상을 참조하여 레퍼런스 모델을 갱신할 수도 있다. 영상 분리 장치(20)는 분리된 객체의 영상을 영상 표시 장치(30)로 전송한다. 영상 분리 장치(20)의 구체적인 동작 내용은 도 2 이하의 도면들을 참조하여 후술한다.

영상 표시 장치(30)는 영상 분리 장치(20)로부터 객체의 영상을 전송받아 화면에 표시한다.

도 2는 영상 분리 장치(20)의 일 예를 나타낸 구성도이다. 영상 분리 장치(20)는 레퍼런스 모델 생성부(210), 인터페이스부(220), 영상 분리부(230) 및 판단부(240)로 구성된다.

도 2에 도시된 영상 분리 장치(20)에는 본 실시예와 관련된 구성요소들만이 도시되어 있다. 따라서, 도 2에 도시된 구성요소들 외에 다른 범용적인 구성요소들이 더 포함될 수 있음을 본 실시예와 관련된 기술분야에서 통상의 지식을 가진 자라면 이해할 수 있다. 또한, 도 2에 도시된 영상 분리 장치(20)는 하나 또는 복수 개의 프로세서에 해당할 수 있다. 그리고 도 2에 도시된 바와 같이 영상분리부(230)와 판단부(240)은 별개의 프로세서일 수도 있으나, 한 개의 프로세서로 동작할 수도 있다.

레퍼런스 모델 생성부(210)는 장기(40)에 포함된 객체의 사전 지식(prior knowledge)을 이용하여 객체의 레퍼런스(reference) 모델을 생성한다. 여기에서 객체의 사전 지식은 객체의 해부학적 정보, 통계학적 정보 또는 그들의 조합을 포함한다. 예를 들어, 레퍼런스 모델 생성부(210)는 객체에 대한 통계학적 정보들과 인터페이스부(220)로부터 입력받은 외부 의료 영상(50)들을 이용하여 객체에 대한 레퍼런스 모델을 생성할 수 있다. 여기에서 외부 의료 영상(50)들은 이전의 의료 행위를 통해 얻은 복수의 인체들의 객체를 포함한 장기(40)를 나타내는 영상들을 포함한다. 여기에서 복수의 인체들에는 피검자를 포함하지 않은 타인들의 인체들일 수도 있고, 피검자를 포함한 인체들일 수도 있다. 외부 의료 영상(50)은 장기(40)에 대한 해부학적 정보의 분석이 용이한 영상이 포함될 수 있다. 예를 들어, 외부 의료 영상(50)에는 CT 혹은 MR 영상이 될 수 있으나, 이에 한정되지 않는다.

레퍼런스 모델 생성부(210)는 생성된 레퍼런스 모델에 대한 데이터를 영상 분리부(230)로 전송한다. 또한, 레퍼런스 모델 생성부(210)는 영상 분리부(230)가 분리한 영상을 참조하여 레퍼런스(reference) 모델을 갱신할 수도 있다. 레퍼런스 모델 생성부(210)의 구체적인 동작 내용은 도 3 내지 도 5b를 참조하여 후술한다.

인터페이스부(220)는 피검자의 장기(40)에 대한 영상을 획득한다. 예를 들어, 인터페이스부(220)는 영상 획득 장치(10)로부터 피검자의 장기(40)에 대한 영상을 전송받아 이를 영상 분리부(230)로 전송한다. 여기에서 인터페이스부(220)는 데이터의 입력 또는 출력을 수행하는 유닛(unit)일 수 있고, 사용자가 직접 입력하는 정보를 다른 유닛들에 전송하는 유닛일 수도 있다.

인터페이스부(220)는 외부로부터 입력받은 외부 의료 영상(50)들을 레퍼런스 모델 생성부(210)로 전송한다. 또한, 인터페이스부(220)는 레퍼런스 모델 생성부(210)로부터 레퍼런스 모델에 대한 영상을 전송받아 영상 표시 장치(30)로 전송할 수 있고, 레퍼런스 모델에 대한 영상을 디스플레이(display)할 수도 있다. 또한, 인터페이스부(220)는 영상 분리부(230)로부터 피검자의 장기(40)에 대한 영상에서 분리된 객체에 대한 영상을 전송받아 영상 표시 장치(30)로 전송할 수 있고, 분리된 객체에 대한 영상을 디스플레이할 수도 있다.

또한, 인터페이스부(220)는 영상 분리 장치(20)가 영상을 분리하는 과정에서 사용자가 입력한 정보들을 레퍼런스 모델 생성부(210) 또는 영상 분리부(230)에 전송할 수도 있다.

판단부(240)는 피검자의 장기(40)에 대한 영상 내에서 객체의 형상을 추정할 수 없는 영역에 해당하는 제1영역이 존재하는지 여부를 판단한다. 예를 들어, 판단부(240)는, 영상 분리부(230)가 피검자의 장기(40)에 대한 영상으로부터 객체의 영상을 분리하는 동안 제1영역이 존재하는지 여부를 판단할 수 있다.

영상 분리부(230)는, 제1영역이 존재하지 않는다고 판단된 경우에는, 피검자의 장기(40)에 대한 영상으로부터 객체에 대한 영상을 분리(segmentation)한다. 또한, 영상 분리부(230)는, 제1영역이 존재한다고 판단된 경우에는, 레퍼런스(reference) 모델로부터 객체의 형상을 추정할 수 없는 영역의 진행 방향을 추정하여 피검자의 장기(40)에 대한 영상으로부터 객체에 대한 영상을 분리(segmentation)한다.

예를 들어, 영상 분리부(230)는 피검자의 장기(40)에 대한 영상으로부터 객체에 대한 영상을 분리하는 도중에, 판단부(240)로부터 제1영역이 존재한다는 정보를 전송받은 경우에는, 레퍼런스(reference) 모델로부터 제1영역의 진행 방향을 추정하여 객체에 대한 영상 분리를 수행할 수 있다. 또한, 영상 분리부(230)는 피검자의 장기(40)에 대한 영상으로부터 객체에 대한 영상을 분리하는 도중에, 판단부(240)로부터 제1영역이 존재하지 않는다는 정보를 전송받은 경우에는, 피검자의 장기(40)에 대한 영상으로부터 객체에 대한 영상을 분리한다. 영상 분리부(230)의 구체적인 동작 내용은 도 6 내지 도 9를 참조하여 후술한다.

이와 같이, 영상 분리부(230)가 피검자의 장기(40)에 대한 영상으로부터 객체에 대한 영상을 분리하는 과정에서 레퍼런스 모델을 참조함에 따라, 영상 분리부(230)는 피검자의 장기(40)에 대한 영상에서 보다 정밀하게 객체에 대한 영상을 분리할 수 있다.

도 3은 도 2에 도시된 레퍼런스 모델 생성부(210)의 일 예를 나타낸 구성도이다. 레퍼런스 모델 생성부(210)는 해부학적 정보 획득부(211), 모델링부(212) 및 통계적 모델 데이터베이스(213)로 구성된다. 도 3에 도시된 레퍼런스 모델 생성부(210)에는 본 실시예와 관련된 구성요소들만이 도시되어 있다. 따라서, 도 3에 도시된 구성요소들 외에 다른 범용적인 구성요소들이 더 포함될 수 있음을 본 실시예와 관련된 기술분야에서 통상의 지식을 가진 자라면 이해할 수 있다. 또한, 도 3에 도시된 레퍼런스 모델 생성부(210)는 하나 또는 복수 개의 프로세서에 해당할 수 있다.

해부학적 정보 획득부(211)는 인터페이스부(220)로부터 입력받은 외부 의료 영상(50)들 각각에서 객체에 대한 해부학적 정보를 획득한다. 구체적으로, 외부 의료 영상(50)에는 객체를 포함하고 있는 장기(40) 전체의 형상이 나타나 있기 때문에, 외부 의료 영상(50) 중에서 객체의 해부학적 정보를 추출한다. 해부학적 정보 획득부(211)가 해부학적 정보를 획득하는 과정에서, 외부로부터 사용자 예를 들어, 의료 전문가의 소견, 객체에 대해 문헌에 개시된 정보, 타인의 의료 영상에서 얻은 정보 등이 인터페이스부(220)를 통하여 입력되어 활용될 수 있다.

해부학적 정보 획득부(211)는 각각의 외부 의료 영상(50)들에서 획득된 해부학적 정보들을 조합하여 객체의 평균적인 해부학적 정보를 계산한다. 구체적으로, 객체가 가지고 있는 고유의 특성이 존재하기 때문에, 개개인마다 객체의 해부학적 정보는 상이할 수 있으나, 편차는 크지 않다. 따라서 각각의 외부 의료 영상(50)들로부터 획득된 해부학적 정보들의 평균치를 계산하여 레퍼런스 모델을 생성하기 위한 정보로 활용할 수 있다. 해부학적 정보 획득부(211)는 계산된 해부학적 정보를 모델링부(212)로 전송한다.

통계적 모델 DB(213)는 객체의 통계학적 정보를 나타내는 데이터들을 저장하고, 저장된 데이터들을 모델링부(212)로 전송한다. 여기에서 통계학적 정보는 이전의 의료 행위들에 의해서 얻어진 객체를 구성하는 본류 및 하나 이상의 지류들의 길이(length) 및 반경(radius), 본류 또는 지류로부터 다른 지류들이 분리되는 분기점의 위치 및 개수 등의 정보 등을 포함할 수 있다.

도 4는 모델링부(212)가 레퍼런스 모델을 생성하는 과정의 일 예를 도시한 도면이다.

도 3 내지 도 4를 참조하면, 모델링부(212)는 객체의 사전 지식(prior knowledge)(400)을 이용하여 레퍼런스 모델을 생성(410)한다. 여기에서 객체의 사전 지식(400)은 해부학적 정보 획득부(211)로부터 전송받은 해부학적 정보와 통계적 모델 DB(213)로부터 전송받은 통계학적 정보 또는 그들의 조합을 포함할 수 있다.

도 5a 내지 도 5b는 모델링부(212)가 생성한 레퍼런스 모델의 일 예를 도시한 도면들이다.

도 5a를 참조하면, 모델링부(212)는 객체의 해부학적 정보로부터 얻은 객체의 전체 형상(500)에 객체의 통계학적 정보(510)를 함께 표시한 레퍼런스 모델을 생성할 수 있다. 구체적으로, 도 5a에서 선(line)들의 조합으로 형성된 트리(tree) 형상이 객체의 전체 형상(500)을 의미하며, 사각 형상의 지점(520)들이 본류 또는 지류들의 분기점들을 의미하며, 객체의 전체 형상(500)에 인접하여 표시된 정보(510)는 각 본류 또는 지류들의 길이 및 반경을 의미한다.

또한, 도 5a 내지 도 5b를 참조하면, 모델링부(212)는 객체의 해부학적 정보로부터 얻은 객체의 전체 형상(500)에 객체의 통계학적 정보(510)를 조합하여, 객체의 길이 또는 굵기가 반영된 부피를 갖는 형상의 레퍼런스 모델(530)을 생성할 수도 있다.

다시 도 3을 참조하면, 모델링부(212)는 생성한 레퍼런스 모델을 영상 분리부(230)로 전송한다.

도 6은 도 2에 도시된 영상 분리부(230)의 일 예를 나타내는 구성도이다. 영상 분리부(230)는 시작점 결정부(231), 분리 작업 수행부(232) 및 방향 추정부(233)로 구성된다. 도 6에 도시된 영상 분리부(230)에는 본 실시예와 관련된 구성요소들만이 도시되어 있다. 따라서, 도 6에 도시된 구성요소들 외에 다른 범용적인 구성요소들이 더 포함될 수 있음을 본 실시예와 관련된 기술분야에서 통상의 지식을 가진 자라면 이해할 수 있다. 또한, 도 6에 도시된 영상 분리부(230)는 하나 또는 복수 개의 프로세서에 해당할 수 있다.

시작점 결정부(231)는 인터페이스부(220)로부터 피검자의 의료 영상을 전송받고, 피검자의 의료 영상에서 시작점의 위치를 결정한다. 여기에서 시작점은 피검자의 의료 영상에서 객체의 영상을 분리하기 시작하는 지점을 의미한다. 시작점은 피검자의 의료 영상에서 객체를 나타내는 부분 중의 임의의 점이며, 피검자의 의료 영상에서 시각적으로 객체가 가장 잘 발견되는 지점으로 선택될 수 있다.

예를 들어, 피검자의 의료 영상이 환자의 간을 촬영한 CT 영상이라면, 환자의 간을 촬영한 영상에서 시각상으로 가장 판단하기 쉬운 하대정맥(vena cava inferior)을 시작점으로 결정할 수 있다. 시작점은 피검자의 의료 영상 상에서 사용자, 예를 들어 의료 전문가가 직접 결정할 수도 있고, 시작점 결정부(231)에서 사용자의 개입 없이 자동으로 결정될 수도 있다. 시작점 결정부(231)는 결정된 시작점의 위치에 대한 데이터를 분리 작업 수행부(232)로 전송한다.

분리 작업 수행부(232)는 시작점 결정부(231)로부터 전송받은 시작점의 위치에 대한 데이터 및 레퍼런스 모델 생성부(210)로부터 전송받은 레퍼런스 모델을 이용하여, 인터페이스부(220)로부터 전송받은 피검자의 의료 영상으로부터 객체에 대한 영상을 분리한다. 구체적으로, 분리 작업 수행부(232)는 피검자의 의료 영상 상의 시작점의 위치를 기점으로 레퍼런스 모델의 정보를 이용하여 피검자의 의료 영상으로부터 객체에 대한 영상의 분리를 수행할 수 있다.

예를 들어, 피검자의 의료 영상이 피검자의 간을 촬영한 영상이고 객체가 간에 분포된 혈관들이며, 레퍼런스 모델에 간문맥(hepatic portal vein)이 포함되어 있지 않다면, 레퍼런스 모델에 포함되지 않은(예를 들어, 간문맥) 영상은 분리되지 않는다. 여기에서 레퍼런스 모델의 정보는 객체를 구성하는 본류 또는 지류들의 길이, 지름 등을 의미할 수 있으나, 이에 한정되지 않는다.

또한 레퍼런스 모델 생성부(210)는, 분리 작업 수행부(232)가 피검자의 의료 영상에서 분리한 객체의 영상을 참조하여, 레퍼런스 모델을 갱신한다. 예를 들어, 분리 작업 수행부(232)는, 분리 작업 수행부(232)가 피검자의 의료 영상에서 객체의 영상을 분리하는 중에 얻게 되는 객체의 해부학적 정보 데이터 또는 통계학적 정보 데이터를 레퍼런스 모델 생성부(210)로 전송하고, 레퍼런스 모델 생성부(210)는 레퍼런스 모델 생성부(210)로부터 전송받은 데이터를 이용하여 레퍼런스 모델을 갱신할 수 있다.

구체적으로, 레퍼런스 모델은 객체에 대한 표준화된 모델이므로, 레퍼런스 모델에서 얻을 수 있는 객체의 사전 지식, 예를 들어 객체의 해부학적 정보 또는 통계학적 정보는 피검자의 객체의 해부학적 정보 또는 통계학적 정보와 오차가 존재할 수 있다. 예를 들어, 객체가 간에 분포된 혈관 조직이라면, 레퍼런스 모델에서 얻을 수 있는 혈관 조직의 길이 또는 반경과 피검자의 간에 분포된 혈관의 길이 또는 반경은 일정 부분 오차가 존재할 수 있다. 따라서 레퍼런스 모델 생성부(210)가 피검자의 의료 영상에서 분리한 객체의 영상을 참조하여 레퍼런스 모델을 갱신함으로써, 레퍼런스 모델 생성부(210)는 피검자의 객체의 특유한 특징을 반영한 레퍼런스 모델을 생성할 수 있다.

도 2와 도 6을 참조하면, 판단부(240)가 객체의 형상을 추정할 수 없는 제1영역이 존재한다고 판단한 경우, 분리 작업 수행부(232)는 제1영역에 대한 정보를 방향 추정부(233)로 전송한다. 여기에서 객체의 형상을 추정할 수 없는 영역의 일 예는 도 7을 참조하여 후술한다.

도 7은 객체의 형상을 추정할 수 없는 영역인 제1영역의 일 예를 도시한 도면이다.

도 7을 참조하면, 제1영역은 객체에 대한 정보가 손실된 영역(710) 또는 객체를 형성하는 지류들 중 적어도 두 개 이상의 지류들이 중첩된 영역(720) 등을 의미할 수 있다. 도 7의 원형 포인트(700)는 시작점을 의미한다.

다시 도 6을 참조하면, 방향 추정부(233)는 판단부(240)로부터 전송받은 객체의 형상을 추정할 수 없는 영역에 대한 정보 및 레퍼런스 모델 생성부(210)로부터 전송받은 레퍼런스 모델을 이용하여 제1영역의 특성을 분석하고, 분석된 특성을 이용하여 제1영역의 진행 방향을 추정한다. 여기에서 제1영역의 진행 방향은 분리 작업 수행부(232)가 피검자의 의료 영상에서 제1영역의 영상을 분리하는 방향을 의미할 수 있다.

구체적으로, 방향 추정부(233)는 레퍼런스 모델에서 피검자의 의료 영상 내의 제1영역과 대응되는 영역을 특정한다. 그리고 방향 추정부(233)는 레퍼런스 모델에서 특정된 영역의 곡률(curvature) 또는 비틀림(torsion) 정도를 계산한다. 여기에서 곡률 또는 비틀림 정도는 레퍼런스 모델에 나타난 객체의 형상을 바탕으로 계산된 것으로서, 곡률은 곡선 또는 곡면의 휨 정도를 나타내는 변화율을 의미하며, 비틀림은 기둥 모양의 물체를 비틀었을 경우의 변형을 의미한다.

예를 들어, 객체가 간에 분포된 혈관 조직인 경우, 방향 추정부(233)는 레퍼런스 모델에서 제1영역과 대응되는 영역을 특정하고, 방향 추정부(233)는 특정된 레퍼런스 모델의 영역을 구성하는 혈관의 중심선(centerline)에서의 곡률 또는 비틀림 정도를 계산할 수 있다. 여기에서 곡률 또는 비틀림 정도를 계산하는 구체적인 알고리즘은 당해 기술분야에서 통상의 지식을 가진 자에게 자명하므로 생략한다.

도 8 내지 도 9는 방향 추정부(233)가 객체의 형상을 추정할 수 없는 영역인 제1영역의 진행 방향을 추정하는 방법의 일 예를 도시한 도면이다.

방향 추정부(233)는 계산된 곡률 또는 비틀림 정도를 이용하여 아래의 수학식 1에 따라 제1영역의 진행 방향을 추정한다.

도 8을 참조하면, 위의 수학식 1에서

는 제1영역 내의 한 지점(800)에서의 곡률,

는 그 지점(800)에서의 비틀림 정도를 의미한다. 또한, T는 그 지점(800)의 단위 접선 벡터 N은 그 지점(800)의 단위 법선 벡터, B는 그 지점(800)의 단위 이중법선벡터를 의미한다. 위의 수학식 1의 계산 결과 도출되는 T', N', B'을 조합하면 그 지점(800)의 진행 방향(810)을 알 수 있다.

또한, 단위 접선 벡터, 단위 법선 벡터 및 단위 이중법선벡터 사이의 관계식은 아래의 수학식 2와 같고, 도 8에 도시한 바와 같이 서로 수직한 관계에 있다.

다시 도 6을 참조하면, 방향 추정부(233)는 추정된 진행 방향에 대한 정보를 분리 작업 수행부(232)로 전송하고, 분리 작업 수행부(232)는 전송받은 정보를 이용하여 제1영역에 대한 영상의 분리를 수행한다.

예를 들어, 도 9를 참조하면, 피검자의 의료 영상에서 객체에 대한 정보가 손실된 영역(910)이 있는 경우에는, 분리 작업 수행부(232)는 방향 추정부(233)로부터 추정된 진행 방향(930)에 대한 정보를 전송받고, 전송받은 경로(930)에 대응하여 영상의 분리를 진행한다.

이와 같은 과정을 거치면, 분리 작업 수행부(232)가 피검자의 의료 영상으로부터 객체에 대한 영상의 분리를 수행할 때, 피검자의 의료 영상에서 객체의 정보가 손실된 영역이 존재하더라도 객체의 완성된 영상을 분리해낼 수 있다.

또한, 도 9를 참조하면, 피검자의 의료 영상에서 객체를 형성하는 지류들 중 적어도 두 개 이상의 지류들이 중첩된 영역(920)이 있는 경우에는, 분리 작업 수행부(232)는 방향 추정부(233)로부터 진행 방향(940)에 대한 정보를 전송받고, 전송받은 경로(940)에 대응하여 영상의 분리를 진행한다.

이와 같은 과정을 거치면, 분리 작업 수행부(232)가 피검자의 의료 영상으로부터 객체에 대한 영상의 분리를 수행할 때, 피검자의 의료 영상에서 정보가 중첩된 영역에 대한 영상의 분리가 가능하므로 객체를 형성하는 지류들 중 적어도 두 개 이상의 지류들이 중첩된 영역이 존재하더라도 객체의 완성된 영상을 분리해낼 수 있다.

다시 도 6을 참조하면, 분리 작업 수행부(232)는 방향 추정부(233)에 의해서 추정된 방향(도 9의 930 또는 940)를 따라 피검자의 의료 영상에서 객체의 영상을 분리할 때, 레퍼런스 모델의 정보를 참조하여 객체의 영상의 분리를 수행할 수 있다. 여기서 레퍼런스 모델의 정보는 레퍼런스 모델에서의 객체의 길이 또는 반경 등을 포함할 수 있다.

예를 들어, 방향 추정부(233)에 의해서 추정된 방향(도 9의 930 또는 940)에 오류가 있는 경우, 분리 작업 수행부(232)가 피검자의 의료 영상으로부터 분리한 객체의 영상은 실제적인 객체의 형상과 다를 수 있다. 따라서 분리 작업 수행부(232)는 레퍼런스 모델의 정보를 참조하여 객체의 영상의 분리를 수행할 수 있다.

구체적으로, 방향 추정부(233)에 의해서 추정된 방향(도 9의 930 또는 940)에 대응하여 분리한 객체의 영상 정보가 레퍼런스 모델의 정보와 소정의 오차 값 이상의 값을 갖는 경우, 분리 작업 수행부(232)는 객체의 영상의 분리를 중단한다. 여기에서 소정의 오차는 레퍼런스 모델의 정보를 참조하여 인터페이스부(220)를 통해 사용자가 직접 입력할 수도 있고, 분리 작업 수행부(232)가 사용자의 개입 없이 자동으로 결정할 수 있다.

이렇게 분리 작업 수행부(232)가 레퍼런스 모델의 정보를 참조하여 객체의 영상의 분리를 수행함으로써 피검자의 의료 영상 내의 객체의 형상 다른 경로로 영상의 분리가 진행되는 것을 방지할 수 있다.

도 10은 본 실시예에 따른 장기의 영상에서 장기에 포함된 객체의 영상을 분리하는 방법을 나타낸 흐름도이다. 도 10을 참조하면, 장기에 포함된 객체의 영상을 분리하기 위한 방법은 도 1 내지 도 3 및 도 7에 도시된 영상 분리 장치(20) 및 객체의 영상을 분리하기 위한 시스템(1)에서 시계열적으로 처리되는 단계들로 구성된다. 따라서, 이하에서 생략된 내용이라 하더라도 도 1 내지 도 3 및 도7에 도시된 영상 분리 장치(20) 및 객체의 영상을 분리하기 위한 시스템(1)에 관하여 이상에서 기술된 내용은 도 10의 장기 변형모델을 추정하는 방법에도 적용됨을 알 수 있다.

1010 단계에서, 레퍼런스 모델 생성부(210)는 장기에 포함된 객체의 사전 지식을 이용하여 객체의 레퍼런스 모델을 생성한다.

1020 단계에서, 인터페이스부(220)는 피검자의 장기에 대한 영상을 획득한다.

1030 단계에서, 판단부(240)는 피검자의 장기에 대한 영상 내에서 객체의 형상을 추정할 수 없는 영역이 존재하는지 여부를 판단한다. 판단 결과, 객체의 형상을 추정할 수 없는 영역이 존재하는 경우에는 1040 단계로 진행하고, 그렇지 않은 경우에는 1050 단계로 진행한다.

1040 단계에서, 방향 추정부(233)는 피검자의 장기에 대한 영상 내에서 객체의 형상을 추정할 수 없는 영역의 진행 방향을 레퍼런스 모델로부터 추정한다.

1050 단계에서, 분리 작업 수행부(232)는 피검자의 장기에 대한 영상으로부터 객체에 대한 영상을 분리한다.

이처럼, 장기의 영상에서 장기에 포함된 객체의 영상을 분리하는 방법에 따르면, 영상의 분리 작업이 사용자의 개입 없이 영상 분리 장치(20)에 의하여 자동적으로 수행되기 때문에, 피검자의 의료 영상으로부터 객체의 영상을 사용자가 분리하는 방식에 비하여 영상의 분리 속도를 높일 수 있다.

또한, 영상 분리 장치(20)가 장기의 영상에 포함된 해부학적 정보를 이용하여 피검자의 의료 영상으로부터 객체의 영상을 분리함으로써, 보다 정밀하게 객체의 영상을 분리할 수 있다.

추가적으로, 영상 분리 장치(20)는 레퍼런스 모델을 참조하여 객체의 영상을 분리함으로써, 의료 영상의 종류 또는 의료 영상에 불분명한 부분이 존재하는지 여부에 구애받지 않고 피검자의 의료 영상으로부터 객체의 영상을 분리할 수 있다.

한편, 상술한 방법은 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터로 읽을 수 있는 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다. 또한, 상술한 방법에서 사용된 데이터의 구조는 컴퓨터로 읽을 수 있는 기록매체에 여러 수단을 통하여 기록될 수 있다. 상기 컴퓨터로 읽을 수 있는 기록매체는 마그네틱 저장매체(예를 들면, 롬, 램, USB, 플로피 디스크, 하드 디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등), PC 인터페이스(PC Interface)(예를 들면, PCI, PCI-express, Wifi 등)와 같은 저장매체를 포함한다.

본 실시예와 관련된 기술 분야에서 통상의 지식을 가진 자는 상기된 기재의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 방법들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.

20 ... 영상 처리 장치
210 ... 레퍼런스 모델 생성부
220 ... 인터페이스부
230 ... 영상 분리부
240 ... 판단부

Claims (20)

1. 영상을 분리하는 방법에 있어서,
   장기에 포함된 객체의 사전 지식(prior knowledge)을 이용하여 상기 객체의 레퍼런스(reference) 모델을 생성하는 단계;
   피검자의 상기 장기에 대한 제1영상을 획득하는 단계;
   상기 제1영상에서, 시작점의 위치를 결정하는 단계; 및
   상기 시작점의 위치를 기점으로, 상기 레퍼런스 모델을 이용하여 상기 제1영상에서 상기 객체에 대한 제2영상을 분리(segmentation)하는 단계를 포함하며, 상기 제2영상을 분리하는 단계는:
   상기 획득한 제1영상 내에서 상기 객체의 형상을 추정할 수 없는 영역인, 상기 객체의 적어도 두 개 이상의 부분이 중첩된 제1영역이 존재하는지 여부를 판단하는 단계; 및
   상기 제1영역이 존재하지 않는다고 판단된 경우에는 상기 제1영상으로부터 상기 객체에 대한 상기 제2영상을 분리(segmentation)하고, 상기 제1영역이 존재한다고 판단된 경우에는 상기 레퍼런스(reference) 모델에서 상기 제1영역과 대응되는 영역을 특정하고, 상기 특정된 영역으로부터 상기 제1영상 내에서 상기 제1영역의 상기 적어도 두 개 이상의 부분의 추정 경로가 위치하는 방향인 상기 제1영역의 진행 방향을 추정하여 상기 제1영상으로부터 상기 제2영상을 분리(segmentation)하는 단계를 포함하는 방법.
2. 제1항에 있어서,
   상기 제2영상을 참조하여 상기 레퍼런스(reference) 모델을 갱신하는 단계를 더 포함하는 방법.
3. 제1항에 있어서,
   상기 제2영상을 분리하는 단계는 상기 제1영역이 존재한다고 판단된 경우에는 상기 레퍼런스(reference) 모델 중 상기 제1영역에 대응하는 상기 특정된 영역의 특성을 분석한 결과에 따라 상기 제1영역의 진행 방향을 추정하여 상기 제1영상으로부터 상기 제2영상을 분리(segmentation)하는 방법.
4. 제3항에 있어서,
   상기 레퍼런스(reference) 모델 중 상기 제1영역에 대응하는 상기 특정된 영역의 곡률(curvature) 또는 비틀림(torsion) 정도를 계산하는 단계를 더 포함하고,
   상기 분리하는 단계는 상기 계산된 곡률(curvature) 또는 비틀림(torsion) 정도를 이용하여 상기 제1영역의 진행 방향을 추정하여 상기 제1영상으로부터 상기 제2영상을 분리(segmentation)하는 방법.
5. 삭제
6. 제1항에 있어서,
   상기 제1영역은 상기 객체를 형성하는 지류(branch)들 중 적어도 두 개 이상의 지류(branch)들이 중첩된 영역을 포함하는 방법.
7. 제1항에 있어서,
   상기 객체의 레퍼런스(reference) 모델을 생성하는 단계는
   상기 장기의 형상을 나타내는 하나 이상의 영상들을 획득하는 단계;
   상기 획득된 영상들 또는 상기 장기에 대한 통계학적 정보들로부터 상기 객체의 사전 지식(prior knowledge)을 획득하는 단계; 및
   상기 획득한 사전 지식(prior knowledge)을 이용하여 상기 객체의 레퍼런스(reference) 모델을 생성하는 단계인 방법.
8. 제1항 또는 제7항에 있어서,
   상기 객체의 사전 지식(prior knowledge)은 상기 객체의 해부학적 정보, 통계학적 정보 또는 그들의 조합을 포함하는 것을 특징으로 하는 방법.
9. 제1항의 방법을 컴퓨터에서 실행시키기 위한 프로그램으로 기록한 컴퓨터로 읽을 수 있는 기록매체.
10. 영상을 분리하는 장치에 있어서,
    장기에 포함된 객체의 사전 지식(prior knowledge)을 이용하여 상기 객체의 레퍼런스(reference) 모델을 생성하는 레퍼런스 모델 생성부;
    피검자의 상기 장기에 대한 제1영상을 획득하는 인터페이스부;
    상기 제1영상에서, 시작점의 위치를 결정하는 시작점 결정부;
    상기 획득한 제1영상 내에서 상기 객체의 형상을 추정할 수 없는 영역인, 상기 객체의 적어도 두 개 이상의 부분이 중첩된 제1영역이 존재하는지 여부를 판단하는 판단부; 및
    상기 시작점의 위치를 기점으로, 상기 레퍼런스 모델을 이용하여 상기 제1영상에서 상기 객체에 대한 제2영상을 분리(segmentation)하는 영상 분리부를 포함하며, 상기 영상 분리부는,
    상기 제1영역이 존재하지 않는다고 판단된 경우에는 상기 제1영상으로부터 상기 객체에 대한 상기 제2영상을 분리(segmentation)하고, 상기 제1영역이 존재한다고 판단된 경우에는 상기 레퍼런스(reference) 모델에서 상기 제1영역과 대응되는 영역을 특정하고, 상기 특정된 영역으로부터 상기 제1영상 내에서 상기 제1영역의 상기 적어도 두 개 이상의 부분의 추정 경로가 위치하는 방향인 상기 제1영역의 진행 방향을 추정하여 상기 제1영상으로부터 상기 제2영상을 분리(segmentation)하는 장치.
11. 제10항에 있어서,
    상기 레퍼런스 모델 생성부는 제2영상을 참조하여 상기 레퍼런스(reference) 모델을 갱신하는 장치.
12. 제10항에 있어서,
    상기 영상 분리부는 상기 제1영역이 존재한다고 판단된 경우에는 상기 레퍼런스(reference) 모델 중 상기 제1영역에 대응하는 상기 특정된 영역의 특성을 분석한 결과에 따라 상기 제1영역의 진행 방향을 추정하여 상기 제1영상으로부터 상기 제2영상을 분리(segmentation)하는 장치.
13. 제12항에 있어서,
    상기 영상 분리부는
    상기 레퍼런스(reference) 모델 중 상기 제1영역에 대응하는 상기 특정된 영역의 곡률(curvature) 또는 비틀림(torsion) 정도를 계산하고, 상기 계산된 곡률(curvature) 또는 비틀림(torsion) 정도를 이용하여 상기 제1영역의 진행 방향을 추정하여 상기 제1영상으로부터 상기 제2영상을 분리(segmentation)하는 장치.
14. 삭제
15. 제10항에 있어서,
    상기 제1영역은 상기 객체를 형성하는 지류(branch)들 중 적어도 두 개 이상의 지류(branch)들이 중첩된 영역을 포함하는 장치.
16. 제10항에 있어서,
    상기 레퍼런스(reference) 모델 생성부는 상기 장기의 형상을 나타내는 하나 이상의 영상들을 획득하고, 상기 획득된 영상들 또는 상기 장기에 대한 통계학적 정보들로부터 상기 객체의 사전 지식(prior knowledge)을 획득하고, 상기 획득한 사전 지식(prior knowledge)을 이용하여 상기 객체의 레퍼런스(reference) 모델을 생성하는 장치.
17. 제10항 또는 제16항에 있어서,
    상기 객체의 사전 지식(prior knowledge)은 상기 객체의 해부학적 정보, 통계학적 정보 또는 그들의 조합을 포함하는 것을 특징으로 하는 장치.
18. 피검자의 장기에 대한 의료 영상을 획득하는 영상 획득 장치;
    상기 의료 영상 내에서 상기 장기에 포함된 객체의 형상을 추정할 수 없는 영역인, 상기 객체의 적어도 두 개 이상의 부분이 중첩된 제1영역이 존재하지 않는다고 판단된 경우에는 상기 의료 영상으로부터 상기 객체에 대한 제2영상을 분리(segmentation)하고, 상기 제1영역이 존재한다고 판단된 경우에는 상기 객체에 대한 레퍼런스(reference) 모델에서 상기 제1영역과 대응되는 영역을 특정하고, 상기 특정된 영역으로부터 상기 의료 영상 내에서 상기 제1영역의 상기 적어도 두 개 이상의 부분의 추정 경로가 위치하는 방향인 상기 제1영역의 진행 방향을 추정하여 상기 의료 영상으로부터 상기 제2영상을 분리(segmentation)하는 영상 분리 장치; 및
    상기 분리된 제2영상을 디스플레이하는 영상 표시 장치를 구비하는 의료 영상 시스템.
19. 제18항에 있어서,
    상기 영상 분리 장치는 상기 장기에 포함된 객체의 사전 지식(prior knowledge)을 이용하여 상기 레퍼런스(reference) 모델을 생성하는 의료 영상 시스템.
20. 제18항에 있어서,
    상기 영상 분리 장치는 상기 제2영상을 참조하여 상기 레퍼런스(reference) 모델을 갱신하는 의료 영상 시스템.

Images