$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

의료영상을 이용한 인체장기의 분할 및 시각화

Segmentation and Visualization of Human Anatomy using Medical Imagery

한국전자통신학회 논문지 = The Journal of the Korea Institute of Electronic Communication Sciences, v.8 no.1, 2013년, pp.191 - 197  

이준구 (한국원자력연구원) ,  김양모 (충남대학교 전기공학과) ,  김도연 (순천대학교 컴퓨터공학과)

초록
AI-Helper 아이콘AI-Helper

방사선과 의사들은 CT 및 MRI 스캐너로부터 얻어진 인체의 단면 영상을 연속적으로 보고 실제 3차원적으로 인체가 어떻게 구성되어 있는지를 상상하여 병변을 구별하는데, 의학영상을 이용한 인체 장기의 3차원 시각화는 2차원 형태의 인체 단면 영상들을 복잡한 알고리즘이나 고성능의 컴퓨팅 파워를 사용하여 실제 인체와 같이 3차원으로 재구성하여 보여준다. 단면 영상의 추적, 관심영역의 표시 및 추출등과 같은 2차원 영상분석은 시간이 많이 소모되고, 주관적일 수가 있으며, 수작업인 관계로 빈번한 에러가 발생하는 단점을 가지는데, 이와 같은 2차원 의료 영상 분석의 단점을 보완하기 위해 의학영상처리 기술과 접목한 3차원 의료 영상의 시각화는 필수적이라 할 수 있다. 명암값 임계치 방법, 영역확장(region growing) 방법, 윤곽선(contour) 추출 방법 및 변형모델(deformable model) 방법을 사용하여 인체의 각 장기를 분리하였으며, 텍스쳐분석(texture analysis)을 통하여 고안된 특징자를 이용하여 암 부분을 인식하는데 사용하였고, 원근투영(perspective projection) 및 볼륨 데이터의 표면을 렌더링하기 위해 마칭큐브(marching cube) 알고리즘을 사용하였다. 인체 및 분리된 장기에 대한 3차원 시각화는 방사선치료계획(radiation treatment planning), 외과 수술계획, 모의수술, 중재적(interventional)시술 및 영상유도수술(image guided surgery)에 효과적으로 사용될 수 있다.

Abstract AI-Helper 아이콘AI-Helper

Conventional CT and MRI scans produce cross-section slices of body that are viewed sequentially by radiologists who must imagine or extrapolate from these views what the 3 dimensional anatomy should be. By using sophisticated algorithm and high performance computing, these cross-sections may be rend...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

제안 방법

  • 3차원 시각화를 구현하기 위해 CT 나 MRI 등의 의료 영상 스캐너를 사용하여 촬영된 원천 단면 영상에서 인체 장기를 분리 추출하였다. 명암값 임계치 방법, 영역확장(region growing) 방법, 윤곽선(contour) 추출 방법 및 snake와 ballon으로 대표되는 변형모델(deformable model) 방법등을 사용하였다.
  • CT 및 MRI 로부터 얻어진 인체의 단면영상을 이용하여 특정 장기의 3차원 시각화를 하기 위해 영상획득, 영상분석, 인체장기분리, 렌더링 및 디스플레이 과정을 수행하였다(그림 1).
  • 경동맥의 내부를 시각화할수 있는 내시경 영상 생성을 목적으로 분할된 경동맥을 이용하여 가상카메라의 항해 경로를 결정하였다. 항해 계획을 위해 사전에 비행 경로를 계산하여, 가상카메라가 미리 정해진 경로를 따라 움직이도록 하였다.
  • 영상 분리에 보편적으로 널리 사용되고 손쉽게 구현할 수 있는 명암값 임계치 방법[5-6], 영역확장(region growing) 방법[7], 윤곽선(contour) 추출 방법 및 snake와 ballon으로 대표되는 변형모델(deformable model) 방법[8]을 사용하여 인체의 각 장기를 분리하였다. 또한 텍스쳐분석(texture analysis)을 통하여 특징자를 고안하였고 이를 인체에 존재하는 각종 암 부분을 인식하는데 사용하였다. 각종 장기의 분리와 3차원 시각화를 위해 폐를 촬영한 흉부 CT 원천 단면 영상, 간과 비장을 촬영한 상복부 CT 원천 단면 영상(그림 2), 신장을 촬영한 하복부 CT 원천 단면 영상, 뇌를 촬영한 두경부 MR 원천 단면 영상, 경동맥을 촬영한 목 MRA 원천 단면 영상(그림 3)등을 사용하였다.
  • 명암값 임계치 방법, 영역확장(region growing) 방법, 윤곽선(contour) 추출 방법 및 snake와 ballon으로 대표되는 변형모델(deformable model) 방법등을 사용하였다. 분리된 인체 장기의 3차원 시각화를 위해서는, 물체에 대한 거리감으로 인해 복잡한 구조물 해석에 유용한 원근투영(perspective projection) 및 볼륨 데이터 렌더링에 사용되는 방법 중의 하나인 표면 렌더링 기법을 사용하여 가상 카메라가 위치한 곳의 영상을 생성하였다.
  • 상복부 CT 원천 단면 영상을 사용하여 간장과 비장을 분할하였다. 배경과 근육층을 제거하기 위해 전처리 과정을 수행하였으며, 장기의 명암값 범위와 비율을 이용하여 신장 및 비장 영역과 노이즈를 구분하였다.

대상 데이터

  • CT 및 MRI 영상을 이용하여 3차원 시각화를 구현하기 위해 인텔 P4 1.7 GHz 프로세서에 768MB의 메모리, 64MB의 비디오 메모리를 가진 NVIDIA TNT2 Model 64 그래픽 카드를 사용하였다. 사용된 인체 장기의 3차원 시각화 영상은 가상카메라의 특정 각도에서 가상으로 촬영되고 캡쳐된 영상으로 실제적으로는 3차원 객체에 대하여 온라인으로 줌(zoom) 및 회전(rotation) 시킬 수 있는 기능을 가지고 있다.
  • GE사의 Hispeed Advantage CT 스캐너를 사용하여 폐를 촬영한 흉부 CT 영상, 간과 비장을 촬영한 상복부 CT 영상, 신장을 촬영한 하복부 CT 영상 및 GE사의 Signa Horizon Echo Speed MR 스캐너를 사용하여 뇌를 촬영한 두경부 MR 영상, 경동맥을 촬영한 목 MRA 영상을 사용하였다. 촬영된 영상의 크기는 두경부 MR 영상이 256*256 픽셀이고 나머지의 영상은 모두 512*512 픽셀이며, 영상 파일의 포맷은 ACR/NEMA의 DICOM[4] 형식으로 픽셀당 12 비트를 할당하여 저장된다.
  • 또한 텍스쳐분석(texture analysis)을 통하여 특징자를 고안하였고 이를 인체에 존재하는 각종 암 부분을 인식하는데 사용하였다. 각종 장기의 분리와 3차원 시각화를 위해 폐를 촬영한 흉부 CT 원천 단면 영상, 간과 비장을 촬영한 상복부 CT 원천 단면 영상(그림 2), 신장을 촬영한 하복부 CT 원천 단면 영상, 뇌를 촬영한 두경부 MR 원천 단면 영상, 경동맥을 촬영한 목 MRA 원천 단면 영상(그림 3)등을 사용하였다.

이론/모형

  • 3차원 시각화에 사용된 모든 의학영상은 그레이 스케일의 영상으로 각각의 영상에 대한 명암값 분석, 영상의 관심영역(region-of-interest)에 대한 분석 및 인체의 해부학적인 정보를 이용하여 장기 특성에 맞는 분리(segmentation) 알고리즘을 적용하였다. 영상 분리에 보편적으로 널리 사용되고 손쉽게 구현할 수 있는 명암값 임계치 방법[5-6], 영역확장(region growing) 방법[7], 윤곽선(contour) 추출 방법 및 snake와 ballon으로 대표되는 변형모델(deformable model) 방법[8]을 사용하여 인체의 각 장기를 분리하였다.
  • 3차원 시각화를 구현하기 위해 CT 나 MRI 등의 의료 영상 스캐너를 사용하여 촬영된 원천 단면 영상에서 인체 장기를 분리 추출하였다. 명암값 임계치 방법, 영역확장(region growing) 방법, 윤곽선(contour) 추출 방법 및 snake와 ballon으로 대표되는 변형모델(deformable model) 방법등을 사용하였다. 분리된 인체 장기의 3차원 시각화를 위해서는, 물체에 대한 거리감으로 인해 복잡한 구조물 해석에 유용한 원근투영(perspective projection) 및 볼륨 데이터 렌더링에 사용되는 방법 중의 하나인 표면 렌더링 기법을 사용하여 가상 카메라가 위치한 곳의 영상을 생성하였다.
  • 렌더링에 사용된 볼륨 데이터의 전부를 사용하는 볼륨 렌더링에 비해 볼륨 데이터의 일부만을 사용한다는 비판이 있지만, 3차원 표면 재구성에 사용되는 표면 렌더링은 속도가 빠르고 작은 객체의 시각화에 유용하게 사용되는 장점을 가지고 있다. 본 논문에서는 표면 렌더링의 대표적인 방법인 마칭큐브(marching cube) 알고리즘을[15] 사용하여 3차원 시각화 영상을 생성하였다. 마칭큐브(marching cube) 알고리즘은 3차원 볼륨 데이터에서 등가면(isosurface)을 추출하는 기법으로, 픽셀값을 이용하여 큐브를 형성하고 각각의 픽셀 명암값을 이용하여 등가면을 추출하여 영상을 생성하는 실용적인 알고리즘이다.
  • 3차원 시각화에 사용된 모든 의학영상은 그레이 스케일의 영상으로 각각의 영상에 대한 명암값 분석, 영상의 관심영역(region-of-interest)에 대한 분석 및 인체의 해부학적인 정보를 이용하여 장기 특성에 맞는 분리(segmentation) 알고리즘을 적용하였다. 영상 분리에 보편적으로 널리 사용되고 손쉽게 구현할 수 있는 명암값 임계치 방법[5-6], 영역확장(region growing) 방법[7], 윤곽선(contour) 추출 방법 및 snake와 ballon으로 대표되는 변형모델(deformable model) 방법[8]을 사용하여 인체의 각 장기를 분리하였다. 또한 텍스쳐분석(texture analysis)을 통하여 특징자를 고안하였고 이를 인체에 존재하는 각종 암 부분을 인식하는데 사용하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
방사선과 의사들은 어떻게 병변을 구별하는가? 방사선과 의사들은 CT 및 MRI 스캐너로부터 얻어진 인체의 단면 영상을 연속적으로 보고 실제 3차원적으로 인체가 어떻게 구성되어 있는지를 상상하여 병변을 구별하는데, 의학영상을 이용한 인체 장기의 3차원 시각화는 2차원 형태의 인체 단면 영상들을 복잡한 알고리즘이나 고성능의 컴퓨팅 파워를 사용하여 실제 인체와 같이 3차원으로 재구성하여 보여준다. 단면 영상의 추적, 관심영역의 표시 및 추출등과 같은 2차원 영상분석은 시간이 많이 소모되고, 주관적일 수가 있으며, 수작업인 관계로 빈번한 에러가 발생하는 단점을 가지는데, 이와 같은 2차원 의료 영상 분석의 단점을 보완하기 위해 의학영상처리 기술과 접목한 3차원 의료 영상의 시각화는 필수적이라 할 수 있다.
의학영상을 이용한 인체 장기의 3차원 시각화는 어떻게 구성되는가? 방사선과 의사들은 CT 및 MRI 스캐너로부터 얻어진 인체의 단면 영상을 연속적으로 보고 실제 3차원적으로 인체가 어떻게 구성되어 있는지를 상상하여 병변을 구별하는데, 의학영상을 이용한 인체 장기의 3차원 시각화는 2차원 형태의 인체 단면 영상들을 복잡한 알고리즘이나 고성능의 컴퓨팅 파워를 사용하여 실제 인체와 같이 3차원으로 재구성하여 보여준다. 단면 영상의 추적, 관심영역의 표시 및 추출등과 같은 2차원 영상분석은 시간이 많이 소모되고, 주관적일 수가 있으며, 수작업인 관계로 빈번한 에러가 발생하는 단점을 가지는데, 이와 같은 2차원 의료 영상 분석의 단점을 보완하기 위해 의학영상처리 기술과 접목한 3차원 의료 영상의 시각화는 필수적이라 할 수 있다.
의학영상처리 기술과 접목한 3차원 의료 영상의 시각화는 어떻게 구현되는가? 단면 영상의 추적, 관심영역의 표시 및 추출등과 같은 2차원 영상분석은 시간이 많이 소모되고, 주관적일 수가 있으며, 수작업인 관계로 빈번한 에러가 발생하는 단점을 가지는데, 이와 같은 2차원 의료 영상 분석의 단점을 보완하기 위해 의학영상처리 기술과 접목한 3차원 의료 영상의 시각화는 필수적이라 할 수 있다. 명암값 임계치 방법, 영역확장(region growing) 방법, 윤곽선(contour) 추출 방법 및 변형모델(deformable model) 방법을 사용하여 인체의 각 장기를 분리하였으며, 텍스쳐분석(texture analysis)을 통하여 고안된 특징자를 이용하여 암 부분을 인식하는데 사용하였고, 원근투영(perspective projection) 및 볼륨 데이터의 표면을 렌더링하기 위해 마칭큐브(marching cube) 알고리즘을 사용하였다. 인체 및 분리된 장기에 대한 3차원 시각화는 방사선치료계획(radiation treatment planning), 외과 수술계획, 모의수술, 중재적(interventional)시술 및 영상유도수술(image guided surgery)에 효과적으로 사용될 수 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (19)

  1. R.A. Robb, "Virtual (Computed) Endoscopy : Development and Evaluation Using the Visible Human Datasets", Visible Human Project Conference, 1996. 

  2. F.A. Jolesz, W.E. Lorensen, H. Shinmoto, et al, "Interactive Virtual Endoscopy", American Journal of Roentgenology, Vol. 169, pp. 1229-1235, 1997. 

  3. J. K. Udopa, G. T. Hermen , "3D Imaging in Medicine", CRC Press, pp. 285-300, 2000. 

  4. NEMA Draft Standards, "Digital Imaging and Communications in Medicine (DICOM)", Part 1-14. 

  5. S. E. Umbaugh, "Computer Vision and Image Processing", Prentice-Hall, pp. 84-86, 1998. 

  6. J. R. Parker, "Algorithms for Image Processing and Computer Vision", John-Wiley & Sons, pp. 116-128, 1997. 

  7. R.C. Gonzalez, R.E. Woods, "Digital Image Processing", Addison-Wesley, pp. 458-465, 1992. 

  8. C. Xu, D.L. Pham, J.L. Prince, "Medical Image Segmentation Using Deformable Models", SPIE Press, pp. 129-174, 2000. 

  9. 김도연, 김진환, 노승무, 박종원, "CT 영상에서 결절성 폐암의 자동추출 및 체적계산", 한국정보과학회논문지, 7권, 5호, pp. 451-457, 2001. 

  10. Do-Yeon Kim, Jin-Hwan Kim, Seung-Moo Noh, Jong-Won Park, "Pulmonary Nodule Detection Using Chest CT Images", Acta Radiologica, Vol. 44, No. 3, pp. 252-257, 2003. 

  11. 유승화, 조준식, 노승무, 신경숙, 박종원, "명암값 분포를 이용한 자동화된 간과 비장의 정교한 추출", 한국정보과학회논문지, 28권, 1호, pp. 20-32, 2001. 

  12. 김도연, 노승무, 조준식, 김종철, 박종원, "복부 CT 영상에서 신장암의 자동추출", 한국정보과학회논문지, 29권, 11-12호, pp. 803-808, 2002. 

  13. 성윤창, 송창준, 노승무, 박종원, "부분체적의 문제로 번진 명암값으로 표현된 뇌의 자기공명영상에 대한 영역분할 및 체적계산", 한국통신학회논문지, 25권, 7A호, pp. 1006-1016, 2000. 

  14. Do-Yeon Kim, June-Sik Cho, Seung-Moo Noh, Jong-Won Park, "Internal Carotid Artery Segmentation for Stenosis Grading Using MR Angiography Images", Proceeding of ITCCSCC 2003, pp. 511-514, 2003. 

  15. 김동욱, 강정혁, "하프변환을 이용한 항공영상의 전력선 검출", 한국전자통신학회논문지, 5권, 2호, pp. 171-179, 2010. 

  16. 양황규, "워터쉐드 알고리즘을 이용한 지능형비디오 영상분할시스템", 한국전자통신학회 논문지, 5권, 3호, pp. 309-314, 2010. 

  17. 박장식, 김현태, 유윤식, "Gaussian 혼합모델을 이용한 영상기반 화재 검출", 한국전자통신학회논문지, 6권, 2호, pp. 206-211, 2011. 

  18. 박장식, 송종관, 윤병우, "Gaussian 혼합모델 기반 조명변화에 따른 강건한 연기검출 알고리즘", 한국전자통신학회논문지, 7권, 4호, pp. 733-739, 2012. 

  19. 이주호, 송하주, "이미지처리 기술을 이용한 온라인 바코드 품질검사 시스템", 한국전자통신학회논문지, 7권, 5호, pp. 1053-1059, 2012. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트