[국내논문]'Chamfer Matching'과 'Mutual Information Maximization' 알고리즘을 이용한 해부학적 영상과 핵의학 기능영상의 정합 연구 A study of registration algorithm based on 'Chamfer Matching' and 'Mutual Information Maximization' for anatomical image and nuclear medicine functional image원문보기
본 연구에서는 다중영상 획득용 두뇌팬텀을 사용하여 CT, MR, 그리고 PET영상을 획득하였으며, 이를 정합대상으로 하여 해부학적 영상과 핵의학 기능영상과의 정합을 실시하였다. 정합 알고리즘으로는 현재 널리 사용되고 있는 'Chamfer Matching' 알고리즘과 Mutual Information Maximization' 알고리즘을 이용하였고, 기존 연구에서 타당성이 검증된 정합 프로그램을 사용하였다. 정합 결과, CT-MR, CT-PET, MR-PET세 가지 정합경우에 대하여 두 알고리즘 모두 효과적인 방법임을 알 수 있었으나, 저해상도의 핵의학 영상인 PET과의 정합에선 Mutual Information Maximization'알고리즘이 더 효과적인 방법임을 확인하였다.
본 연구에서는 다중영상 획득용 두뇌팬텀을 사용하여 CT, MR, 그리고 PET영상을 획득하였으며, 이를 정합대상으로 하여 해부학적 영상과 핵의학 기능영상과의 정합을 실시하였다. 정합 알고리즘으로는 현재 널리 사용되고 있는 'Chamfer Matching' 알고리즘과 Mutual Information Maximization' 알고리즘을 이용하였고, 기존 연구에서 타당성이 검증된 정합 프로그램을 사용하였다. 정합 결과, CT-MR, CT-PET, MR-PET세 가지 정합경우에 대하여 두 알고리즘 모두 효과적인 방법임을 알 수 있었으나, 저해상도의 핵의학 영상인 PET과의 정합에선 Mutual Information Maximization'알고리즘이 더 효과적인 방법임을 확인하였다.
In this study, using brain phantom for multi-modality imaging, we acquired CT, MR and PET images and performed registration of these anatomical images and nuclear medicine functional images. The algorithms and program applied for registration were Chamfer Matching and Mutual Information Maximization...
In this study, using brain phantom for multi-modality imaging, we acquired CT, MR and PET images and performed registration of these anatomical images and nuclear medicine functional images. The algorithms and program applied for registration were Chamfer Matching and Mutual Information Maximization algorithm which have been using frequently in clinic and verified accuracy respectively. In result, both algorithms were useful methods for CT-MR, CT-PET and MR-PET. But Mutual Information Maximization was more effective algorithm for low resolution image as nuclear medicine functional image.
In this study, using brain phantom for multi-modality imaging, we acquired CT, MR and PET images and performed registration of these anatomical images and nuclear medicine functional images. The algorithms and program applied for registration were Chamfer Matching and Mutual Information Maximization algorithm which have been using frequently in clinic and verified accuracy respectively. In result, both algorithms were useful methods for CT-MR, CT-PET and MR-PET. But Mutual Information Maximization was more effective algorithm for low resolution image as nuclear medicine functional image.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
신체표면에 rnarker를 부착하여 이를 기준으로 정합하는 방법은 정합과정에서 편리성은 있으나, 실제 임상에서 모든 환자에 적용하기에는 한계성이 있다. 본 연구에서는 이러한 Extrinsic 방법의 영상정합은 배제하고, 영상 정보만을 활용하여 정합하는 Intrinsic 방법중 가장 많이 사용되고 있는 'Chamfer Mashing' 알고리즘과 'Mutual Information Maximization' 알고리즘에 대한 비교, 분석을 수행하였다.
제안 방법
Fig. 1에서와 같이, 위치확인용 localizer를 탈 부착이 용이하도록 다목적용 뇌 팬텀에 삽입하여 CT, MR, PET 에 모두 사용할 수 있도록 하였으며 위치확인을 위한 프레임을 기준 외부표식자 (external fiducial marker)로 사용하기에 적합하도록 구성하여 실린더타입으로 내부에 물을 채울 수 있도록 구성 하였고 뇌 볼륨은 950ml이다. 팬텀은 뇌의 단층면을 볼륨으로 구성하였으며 위치확인을 위한 localizer frame으로 구성되어있다.
본 연구에서는 'Chamfer Matching' 알고리즘과 'Mutual Information Maximization'알고리즘을 구현한 정합 프로그램을 사용하여 상호보완적인 정보를 제공해 줄 수 있는 해부학적 영상과 핵의학 기능영상으로 정합을 수행해 보았으며 영상 특성별 정합정도를 비교하여 보았다. 보다 정확한 정합영상을 얻기 위해선 저해상도의 핵의학영상과의 정합 시, 정량적인 오차 분석 등 추가적인 연구가 요구되며 이에 대한 분석이 필요할 것으로 본다.
본 연구에서는 CT와 MR, PET영상을 각 진단영상의 장점을 활용, 'Chamfer Matching' 알고리즘과 'Mutual Information Maximization' 알고리즘을 사용하여 정합을 수행, 비교하여 보았다.
영상 특성별 정합정도를 비교하여 보았다. 영상정합은 모두 3가지 경우에 대하여 실시하였는데, reference영상을 CT 영상으로 하여 MR과 PET영상에 대하여 각각 수행하였고, 추가로 MR영상을 reference영상으로 하여 PET영상을 정합하였다.
이상에서 살펴본 두 영상정합 알고리즘인 'Chamfer Matching' 알고리즘과 'Mutual Information Maximization' 알고리즘을 구현, 이전 연구에서 타당성을 검증받은 정합 구현 프로그램을 사용하여 다중영상(CT, MRI, PET)간 영상정합을 수행하였으며 영상 특성별 정합정도를 비교하여 보았다. 영상정합은 모두 3가지 경우에 대하여 실시하였는데, reference영상을 CT 영상으로 하여 MR과 PET영상에 대하여 각각 수행하였고, 추가로 MR영상을 reference영상으로 하여 PET영상을 정합하였다.
대상 데이터
CT영상은 3차 증류수를 채워 512x512 매트릭스, 0.5mm/pixel, 슬라이스 두께로 64프레임 영상을 획득하였으며, MR 영상의 획득방법은 3차증류수로 CuSO4 0.16mol 용액을 만들어 영상 매트릭스 256x256, 0.78mm/pixel, 2mm 슬라이스 두께로 64프레임 영상 32프레임을 획득하였고, PET영상은 F-18 5mCi를 삼차증류수 950ml에 골고루 잘 섞은 후 볼륨으로 쌓아놓은 뇌 팬텀 내부에 채우고 128×128 매트릭스, 1.72mm/pixel, 2.43mm 슬라이스 두께로 63프레임 영상을 획득하였다.
1에서와 같이, 위치확인용 localizer를 탈 부착이 용이하도록 다목적용 뇌 팬텀에 삽입하여 CT, MR, PET 에 모두 사용할 수 있도록 하였으며 위치확인을 위한 프레임을 기준 외부표식자 (external fiducial marker)로 사용하기에 적합하도록 구성하여 실린더타입으로 내부에 물을 채울 수 있도록 구성 하였고 뇌 볼륨은 950ml이다. 팬텀은 뇌의 단층면을 볼륨으로 구성하였으며 위치확인을 위한 localizer frame으로 구성되어있다.
성능/효과
역시 비교적 해상도가 높은 CT와 MR간의 영상정합은 두 정합 알고리즘에 대한 결과에서 뚜렷한 차이점을 찾을 수 없었으나, 저 해상도의 PET영상을 정합대상으로 한 CT-PET과 MR-PET 간의 정합시, 'Mutual Information Maximization' 알고리즘이 'Chamfer Matching' 알고리즘보다 CT-MR간 정합에서와는 달리 정합 수행시간이 짧았으며, 별도의 추가적인 수동 조작이 필요하지 않을 정도로 효과적이었다. 다만 PET영상의 특성상 정량적으로 정확한 정합여부를 확인할 수 없었으나 위치확인용 'N-shape localizer'부분과 팬텀의 두뇌부분의 영상을 통해 가시적으로 정합정도를 판별할 수 있었다.
실험결과, 이전 연구에서와 같이 대체로 효과적인 정합이 이루어져, 두 알고리즘 모두 유용한 방법임을 확인하였고, 정합 구현 프로그램의 유용성 또한 확인할 수 있었다. 역시 비교적 해상도가 높은 CT와 MR간의 영상정합은 두 정합 알고리즘에 대한 결과에서 뚜렷한 차이점을 찾을 수 없었으나, 저 해상도의 PET영상을 정합대상으로 한 CT-PET과 MR-PET 간의 정합시, 'Mutual Information Maximization' 알고리즘이 'Chamfer Matching' 알고리즘보다 CT-MR간 정합에서와는 달리 정합 수행시간이 짧았으며, 별도의 추가적인 수동 조작이 필요하지 않을 정도로 효과적이었다.
구현 프로그램의 유용성 또한 확인할 수 있었다. 역시 비교적 해상도가 높은 CT와 MR간의 영상정합은 두 정합 알고리즘에 대한 결과에서 뚜렷한 차이점을 찾을 수 없었으나, 저 해상도의 PET영상을 정합대상으로 한 CT-PET과 MR-PET 간의 정합시, 'Mutual Information Maximization' 알고리즘이 'Chamfer Matching' 알고리즘보다 CT-MR간 정합에서와는 달리 정합 수행시간이 짧았으며, 별도의 추가적인 수동 조작이 필요하지 않을 정도로 효과적이었다. 다만 PET영상의 특성상 정량적으로 정확한 정합여부를 확인할 수 없었으나 위치확인용 'N-shape localizer'부분과 팬텀의 두뇌부분의 영상을 통해 가시적으로 정합정도를 판별할 수 있었다.
후속연구
정합정도를 비교하여 보았다. 보다 정확한 정합영상을 얻기 위해선 저해상도의 핵의학영상과의 정합 시, 정량적인 오차 분석 등 추가적인 연구가 요구되며 이에 대한 분석이 필요할 것으로 본다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.