Nothing Special   »   [go: up one dir, main page]

KR102022165B1 - 자기 공명 영상 장치 및 자기 공명 영상 장치의 재촬영 제어 방법 - Google Patents

자기 공명 영상 장치 및 자기 공명 영상 장치의 재촬영 제어 방법 Download PDF

Info

Publication number
KR102022165B1
KR102022165B1 KR1020170153517A KR20170153517A KR102022165B1 KR 102022165 B1 KR102022165 B1 KR 102022165B1 KR 1020170153517 A KR1020170153517 A KR 1020170153517A KR 20170153517 A KR20170153517 A KR 20170153517A KR 102022165 B1 KR102022165 B1 KR 102022165B1
Authority
KR
South Korea
Prior art keywords
image
gaussian distribution
slice
distortion
magnetic resonance
Prior art date
Application number
KR1020170153517A
Other languages
English (en)
Other versions
KR20190056499A (ko
Inventor
황도식
장진성
정용은
Original Assignee
연세대학교 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 연세대학교 산학협력단 filed Critical 연세대학교 산학협력단
Priority to KR1020170153517A priority Critical patent/KR102022165B1/ko
Publication of KR20190056499A publication Critical patent/KR20190056499A/ko
Application granted granted Critical
Publication of KR102022165B1 publication Critical patent/KR102022165B1/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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Radiology & Medical Imaging (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

자기 공명 영상 장치 및 자기 공명 영상 장치의 재촬영 제어 방법이 개시된다. 개시된 장치는, 자기 공명 영상을 구성하는 슬라이스 영상들을 획득하는 영상 획득부; 상기 영상 획득부에서 획득하는 슬라이스 영상별로 왜곡 지수를 연산하여 화질 평가를 수행하는 화질 평가부; 상기 화질 평가부에서 특정 슬라이스 영상의 왜곡 지수가 미리 설정된 경계값을 초과할 겨우 해당 슬라이스 영상의 재촬영을 수해하도록 제어하는 재촬영 제어부; 및 모든 슬라이스 영상의 화질이 적절하다고 판단되는 경우 모든 슬라이스 영상을 합성하여 자기 공명 영상을 생성하는 슬라이스 영상 합성부를 포함하되, 상기 화질 평가부는 상기 슬라이스 영상의 MSCN 계수와 상기 MSCN 계수에 다수의 방향에 대한 방향성 필터의 콘볼루션을 통해 연산되는 다수의 방향에 대한 방향성 계수들을 이용하여 화질 평가를 수행한다. 개시된 장치 및 방법에 의하면, 움직임 왜곡으로 인한 자기 공명 영상의 불필요한 재촬영을 방지할 수 있으며 촬영 도중에 슬라이스 영상의 재촬영을 통해 한번의 촬영으로 왜곡이 없는 자기 공명 영상을 획득할 수 있는 장점이 있다.

Description

자기 공명 영상 장치 및 자기 공명 영상 장치의 재촬영 제어 방법{Magnetic Resonance Imaging Apparatus and Method for Controlling Rescan of Magnetic Resonance Imaging Apparatus}
본 발명의 실시예들은 자기 공명 영상 장치 및 자기 공명 영상 장치의 재촬영 제어 방법에 관한 것이다.
자기 공영 영상은 촬영에 소요되는 시간이 매우 길고 이로 인해 상당한 왜곡이 발생하기도 한다. 특히, 인체 내에서 발생하는 호흡이나 심장 박동으로 인해 발생하는 움직임은 자기 공명 영상에 강한 왜곡을 발생시키며, 이를 움직임 왜곡이라고 한다.
이러한 움직임 왜곡은 영상의학과 전문의가 자기 공명 영상을 통해 질병을 진단할 때 방해가 된다. 특히, 간의 병변을 진단 및 감별할 수 있는 특정 조영제의 경우 호흡 모션이 모든 환자에서 약 15% 정도의 비율로 나타나며 이중 약 10%의 환자가 움직임 왜곡으로 인해 정확한 진단이 어려우며, 이 경우 자기 공명 영상의 재촬영을 필요로 한다.
자기 공명 영상의 촬영은 환자에게는 상당한 고통을 수반하는 작업이고 자기 공명 영상의 재촬영은 상당한 시간 물질적 비용을 소모하는 작업이기도 하다. 한편, 본 발명과 관련된 선행문헌으로 2013년 9월 24일자로 공고된 미국특허 제8,542,901호가 있다.
본 발명은 움직임 왜곡으로 인한 자기 공명 영상의 불필요한 재촬영을 방지할 수 있는 자기 공명 영상 장치 및 이의 제어 방법을 제공한다.
본 발명의 일 측면에 따르면, 자기 공명 영상을 구성하는 슬라이스 영상들을 획득하는 영상 획득부; 상기 영상 획득부에서 획득하는 슬라이스 영상별로 왜곡 지수를 연산하여 화질 평가를 수행하는 화질 평가부; 상기 화질 평가부에서 특정 슬라이스 영상의 왜곡 지수가 미리 설정된 경계값을 초과할 겨우 해당 슬라이스 영상의 재촬영을 수해하도록 제어하는 재촬영 제어부; 및 모든 슬라이스 영상의 화질이 적절하다고 판단되는 경우 모든 슬라이스 영상을 합성하여 자기 공명 영상을 생성하는 슬라이스 영상 합성부를 포함하되, 상기 화질 평가부는 상기 슬라이스 영상의 MSCN 계수와 상기 MSCN 계수에 다수의 방향에 대한 방향성 필터의 콘볼루션을 통해 연산되는 다수의 방향에 대한 방향성 계수들을 이용하여 화질 평가를 수행하는 자기 공명 영상 장치가 제공된다.
상기 다수의 방향에 대한 방향성 필터는 2D 가우스 저대역 필터와 다수의 방향 벡터의 행렬에 대한 콘볼루션한 행렬로 구성된다.
상기 화질 평가부는 상기 슬라이스 영상의 MSCN 계수 및 상기 다수의 방향에 대한 방향성 계수들로부터 제1 일반화 가우스 분포 변수들 및 제2 일반화 가우스 분포 변수들을 연산하고, 상기 슬라이스 영상의 제1 가우스 분포 변수들 및 제2 가우스 분포 변수들과 미리 설정된 왜곡이 없는 영상의 제1 가우스 분포 변수들 및 제2 가우스 분포 변수들을 비교하여 왜곡 지수를 연산한다.
상기 화질 평가부는 상기 슬라이스 영상의 제1 가우스 분포 변수들 및 제2 가우스 분포 변수들과 미리 설정된 왜곡이 없는 영상의 제1 가우스 분포 변수들 및 제2 가우스 분포 변수들의 차에 기초하여 상기 왜곡 지수를 연산한다.
상기 화질 평가부는 수평 방향(x 방향) 및 수직 방향(y 방향)의 방향수 계수들에 더 높은 가중치를 부여하여 상기 왜곡 지수를 연산한다.
상기 화질 평가부는 상기 왜곡 지수가 미리 설정된 경계값 이상일 경우 화질이 적절하지 않다고 판단한다.
특정 방향(k)에 대한 상기 방향성 필터는 다음과 같이 정의된다.
Figure 112017114240442-pat00001
위 수학식에서
Figure 112017114240442-pat00002
는 방향성 필터이고,
Figure 112017114240442-pat00003
는 2D 가우시안 저대역 필터이며,
Figure 112017114240442-pat00004
는 콘볼루션 연산자이고,
Figure 112017114240442-pat00005
는 방향 벡터임.
본 발명의 다른 측면에 따르면, 자기 공명 영상을 구성하는 슬라이스 영상들을 획득하는 단게(a); 상기 단계 (a)에서 획득하는 슬라이스 영상별로 왜곡 지수를 연산하여 화질 평가를 수행하는 단계(b); 상기 단계 (b)에서 특정 슬라이스 영상의 왜곡 지수가 미리 설정된 경계값을 초과할 겨우 해당 슬라이스 영상의 재촬영을 수행하도록 제어하는 단계(c); 및 모든 슬라이스 영상의 화질이 적절하다고 판단되는 경우 모든 슬라이스 영상을 합성하여 자기 공명 영상을 생성하는 단계(d)를 포함하되, 상기 단계(c)는 상기 슬라이스 영상의 MSCN 계수와 상기 MSCN 계수에 다수의 방향에 대한 방향성 필터의 콘볼루션을 통해 연산되는 다수의 방향에 대한 방향성 계수들을 이용하여 화질 평가를 수행하는 자기 공명 영상 장치의 재촬영 제어 방법이 제공된다.
본 발명에 의하면, 움직임 왜곡으로 인한 자기 공명 영상의 불필요한 재촬영을 방지할 수 있으며 촬영 도중에 슬라이스 영상의 재촬영을 통해 한번의 촬영으로 왜곡이 없는 자기 공명 영상을 획득할 수 있는 장점이 있다.
도 1은 본 발명의 일 실시예에 따른 자기 공명 영상 장치의 개괄적인 구조를 도시한 블록도.
도 2는 본 발명의 일 실시예에 따른 화질 평가부의 구조를 도시한 블록도.
도 3은 원본 영상과, 평균 계수로 생성된 영상, 표준 편차 계수로 생성된 영상 및 MSCN 영상을 도시한 도면.
도 4는 제1 일반화 가우스 분포 변수 및 제2 일반화 가우스 분포 변수에 따른 일반화 가우스 분포 함수의 형태 변화를 도시한 도면.
도 5는 방향성 필터에 의해 연산된 방향 계수를 적용한 영상을 도시한 도면.
도 6은 본 발명의 일 실시예에 따른 자기 공명 영상의 재촬영 제어 방법의 전체적인 흐름을 도시한 순서도.
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 일 실시예에 따른 자기 공명 영상 장치의 개괄적인 구조를 도시한 블록도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 자기 공명 영상 장치는 슬라이스 영상 획득부(100), 화질 평가부(110), 재촬영 제어부(120) 및 슬라이스 영상 합성부(130)를 포함한다.
슬라이스(Slice) 영상 획득부(100)는 자기 공명 영상을 구성하는 개별 슬라이스 영상을 획득한다. 자기 공명 영상은 3차원 영상이고 다수의 슬라이스 영상이 적층된 형태로 구성된다. 슬라이스 영상 획득부(100)는 이러한 슬라이스 영상을 획득하는 엘리먼트이다. 슬라이스 영상 획득부(100)는 알려진 자기 공명 영상 촬영 방식에 의해 획득되며, 이에 대한 상세한 설명은 생략하기로 한다.
화질 평가부(110)는 슬라이스 영상 획득부(100)에서 획득하는 슬라이스 영상별로 화질을 평가한다. 예를 들어, 자기 공명 영상이 총 20개의 슬라이스로 이루어져 있을 경우, 화질 평가부(110)는 획득하는 슬라이스 영상마다 화질을 평가하며, 총 20번의 화질 평가를 수행하게 된다.
화질 평가부(110)는 환자의 움직임으로 인한 왜곡이 슬라이스 영상에 발생하였는지 여부를 평가한다. 본 발명의 화질 평가는 비참조 방식의 평가로서 추후 설명하는 알고리즘을 통해 화질 평가에 따른 왜곡 지수를 출력하며, 왜곡 지수가 미리 설정된 경계값을 초과하는지 여부에 의해 움직임 왜곡 여부를 판단한다.
재촬영 제어부(120)는 자기 공명 영상을 구성하는 슬라이스 영상 별 화질 평가 결과에 기초하여 특정 슬라이스 영상의 재촬영을 제어한다. 화질 평가부(110)에서 특정 슬라이스 영상의 왜곡 지수가 미리 설정된 경계값을 초과한다고 판단되는 경우, 재촬영 제어부(120)는 해당 슬라이스 영상을 재촬영하도록 자기 공명 영상 장치를 제어한다. 재촬영된 슬라이스 영상에 대해서는 다시 화질 평가부(110)에 의해 화질 평가가 이루어진다.
슬라이스 영상 합성부(130)는 화질 평가부(110)의 화질 평가를 통과한 슬라이스 영상들을 합성하여 자기 공명 영상을 생성한다. 예를 들어, 20개의 슬라이스 영상 중 1번 슬라이스 영상과 3번 슬라이스 영상에서 움직임 왜곡이 있다고 판단되는 경우, 1번 슬라이스 영상과 3번 슬라이스 영상에 대해서는 재촬영을 수행하고 다시 화질 평가를 수행한다. 화질 평가에 의해 1번 슬라이스 영상과 3번 슬라이스 영상의 왜곡 지수가 미리 설정된 경계값 이하일 경우, 슬라이스 영상 합성부는 20개의 슬라이스 영상에 대한 합성을 수행한다.
기존의 자기 공명 영상 촬영의 경우, 움직임으로 인한 왜곡 여부를 전문의가 직접 진단하였으며, 자기 공명 영상 촬영이 종료된 후 판단을 할 수 밖에 없었다. 또한, 움직임 왜곡이 있다고 판단되는 경우 자기 공명 영상 전체를 재촬영하는 수밖에 없으므로 환자에게는 상당한 고통이 따를 수밖에 없고 시간적 및 물질적으로도 상당한 비용이 소요될 수 밖에 없었다.
본 발명에 의할 경우, 자기 공명 영상의 촬영 과정 중에 슬라이스 영상별로 움직임 왜곡 여부를 판단하고 슬라이스 영상별 재촬영을 수행하기 때문에 자기 공영 영상의 촬영이 완료된 후 다시 재촬영을 해야 하는 시간적 및 물질적 손해를 미연에 방지할 수 있다.
이하에서는 슬라이스 영상별로 화질을 평가하는 화질 평가부의 구체적인 구성에 대해 설명한다.
본 발명의 화질 평가는 왜곡이 없는 자기 공명 영상의 특징에 획득한 슬라이스 영상이 얼마나 근접하는지 여부에 의해 이루어지는 비참조 방식의 화질 평가이다. 왜곡이 없는 영상의 특징을 파악하기 위해 본 발명에서는 MSCN(Mean Subtracted Contrast Normalization) 계수를 이용한다. 슬라이스 영상의 MSCN 계수로부터 슬라이스 영상의 특징 정보를 추출하고, 이를 통해 움직임 왜곡 여부를 판단하는 것이다.
도 2는 본 발명의 일 실시예에 따른 화질 평가부의 구조를 도시한 블록도이다.
도 2를 참조하면, 본 발명의 일 실시예에 따른 화질 평가부는 MSCN 계수 연산부(200), 방향성 계수 연산부(210), 일반화 가우스 분포 변수 연산부(220) 및 평가부(230)를 포함한다.
MSCN 계수 연산부(200)는 획득한 슬라이스 영상에 대해 MSCN 계수를 연산한다. MSCN 계수는 각 픽셀별로 연산되며 MSCN 계수 역시 영상의 형태를 가지고, 본 실시예에서는 이를 MSCN 계수로 이루어지는 MSCN 영상으로 정의한다. MSCN 계수는 비교적 빠른 속도로 연산이 가능한 장점이 있다.
본 발명의 일 실시예에 따르면, MSCN 계수는 다음의 수학식 1과 같이 연산된다.
Figure 112017114240442-pat00006
위 수학식 1에서,
Figure 112017114240442-pat00007
는 MSCN 계수이고,
Figure 112017114240442-pat00008
는 획득한 영상이며,
Figure 112017114240442-pat00009
는 평균 계수이고,
Figure 112017114240442-pat00010
는 표준 편차 계수이며,
Figure 112017114240442-pat00011
는 분모가 0이 되지 않도록 하는 안정화 상수이다. 또한, 획득한 영상이
Figure 112017114240442-pat00012
차원일 때,
Figure 112017114240442-pat00013
이고,
Figure 112017114240442-pat00014
이다.
한편, 평균 계수
Figure 112017114240442-pat00015
및 표준편차 계수
Figure 112017114240442-pat00016
는 하기의 수학식 2 및 수학식 3과 같이 연산된다.
Figure 112017114240442-pat00017
Figure 112017114240442-pat00018
수학식 2 및 수학식 3에서,
Figure 112017114240442-pat00019
인 2D 가우시안 가중함수(2D Gaussian Weighting function)이다. 일례로, K와 L은 3으로 설정될 수 있다.
이와 같이 픽셀 (x,y)별로 연산되는 MSCN 계수로 MSCN 영상을 생성할 수 있다.
도 3은 원본 영상과, 평균 계수로 생성된 영상, 표준 편차 계수로 생성된 영상 및 MSCN 영상을 도시한 도면이다.
도 3에서, (a)는 슬라이스 원본 영상이고, (b)는 원본 영상의 평균 계수로 생성된 영상이며, (c)는 원본 영상의 표준편차 계수로 생성된 영상이고, (d)는 MSCN 영상이다.
도 3을 참조하면, 획득된 원본 영상(a)에 비해 MSCN 영상(d)에서 고주파 성분, 즉 에지 정보가 더 잘 표현되어 있음을 알 수 있다.
한편, MSCN 계수는 일반화 가우스 분포를 따르는 특성이 있으며 일반화 가우스 분포는 다음의 수학식 4와 같이 표현될 수 있다.
Figure 112017114240442-pat00020
위 수학식 4에서,
Figure 112017114240442-pat00021
는 일반화 가우스 분포 함수이고,
Figure 112017114240442-pat00022
는 제1 일반화 가우스 분포 변수이며,
Figure 112017114240442-pat00023
는 제2 일반화 가우스 분포 변수이고 ,
Figure 112017114240442-pat00024
는 감마 함수이다.
Figure 112017114240442-pat00025
와
Figure 112017114240442-pat00026
는 일반화 가우스 분포의 형태를 결정하는 형태 변수에 해당되며, 일반화 가우스 분포는
Figure 112017114240442-pat00027
및
Figure 112017114240442-pat00028
에 의해 그 형태가 결정될 수 있다.
Figure 112017114240442-pat00029
와
Figure 112017114240442-pat00030
는 다음의 수학식 5와 같은 관계를 갖는다.
Figure 112017114240442-pat00031
위 수학식 5에서,
Figure 112017114240442-pat00032
는 표준 편차이다. 한편, 감마 함수
Figure 112017114240442-pat00033
는 공지된 함수로서 다음의 수학식 6과 같다.
Figure 112017114240442-pat00034
영상의 왜곡과 MSCN 계수가 따르는 일반화 가우스 분포 함수는 상관 관계가 있으며 왜곡 정도에 따라 일반화 가우스 분포 함수는 그 형태가 달라진다. 따라서, 영상의 왜곡 정도에 따라 제1 일반화 가우스 분포 변수 및 제2 일반화 가우스 분포 변수는 달라지게 된다.
도 4는 제1 일반화 가우스 분포 변수 및 제2 일반화 가우스 분포 변수에 따른 일반화 가우스 분포 함수의 형태 변화를 도시한 도면이다.
도 4를 참조하면, (a), (b), (c)의 일반화 가우스 분포 함수는 각기 다른 제1 일반화 가우스 분포 변수 및 제2 일반화 가우스 분포 변수를 갖는다.
제1 일반화 가우스 분포 변수 및 제2 일반화 가우스 분포 변수에 따라 일반화 가우스 분포 함수의 형태가 결정되므로, 획득한 슬라이스 영상으로부터 제1 일반화 가우스 분포 변수 및 제2 일반화 가우스 분포 변수를 획득하고, 이를 움직임 왜곡이 없는 슬라이스 영상의 제1 일반화 가우스 분포 변수 및 제2 일반화 가우스 분포 변수와 비교하여 영상의 화질을 평가할 수 있다. 여기서, 움직임 왜곡이 없는 슬라이스영상의 제1 일반화 가우스 분포 및 제2 일반화 가우스 분포는 미리 설정될 수 있다.
앞서 설명한 MSCN 계수를 이용한 화질 평가만으로는 움직임 왜곡을 적절히 평가하기는 어렵다. 움직임으로 인한 왜곡은 특정한 방향성을 가지는 것이 일반적이나 MSCN 계수만으로는 이러한 방향성 왜곡을 적절히 평가하기 어려운 측면이 있다.
본 발명에서는 움직임에 따른 왜곡이 적절히 평가될 수 잇도록 방향성 계수를 별도로 연산하여 화질 평가에 사용한다. 방향성 계수는 MSCN 계수에 방향성 필터를 적용한 계수로 정의되며, MSCN 계수에 방향성 필터를 콘볼루션하여 생성하며, 방향성 계수 연산부(210)는 방향별로 방향상 계수를 연산한다. 여기서, 방향성 필터는 특정 방향에 보다 높은 가중치를 부여한 필터를 의미한다.
방향성 계수를 위한 방향은 다양하게 설정될 수 있으며, 일례로 x축 방향, y축 방향, y=x 방향 및 y=-x 방향의 방향성 필터를 이용하여 방향성 계수를 연산할 수 있다. 물론, 더 많은 방향에 대해서도 방향성 계수를 연산할 수도 있을 것이다. 방향성 필터는 다음의 수학식 7과 같이 정의될 수 있다.
Figure 112017114240442-pat00035
수학식 5에서,
Figure 112017114240442-pat00036
는 방향성 필터이고,
Figure 112017114240442-pat00037
는 2D 가우시안 저대역 필터이며,
Figure 112017114240442-pat00038
는 콘볼루션 연산자이고,
Figure 112017114240442-pat00039
는 방향 벡터이다.
Figure 112017114240442-pat00040
가
Figure 112017114240442-pat00041
와 동일한
Figure 112017114240442-pat00042
차원을 갖도록
Figure 112017114240442-pat00043
는
Figure 112017114240442-pat00044
사이즈를 갖는다. 한편,
Figure 112017114240442-pat00045
는
Figure 112017114240442-pat00046
와 같은 방향 벡터일 수 있다.
Figure 112017114240442-pat00047
사이즈의
Figure 112017114240442-pat00048
에
Figure 112017114240442-pat00049
를 콘볼루션하면
Figure 112017114240442-pat00050
차원의
Figure 112017114240442-pat00051
를 얻을 수 있다.
방향성 계수 연산부(210)는 위와 같이 정의된 방향성 필터를 이용하여 다음의 수학식과 8과 같이 방향성 계수를 연산한다.
Figure 112017114240442-pat00052
수학식 8에서,
Figure 112017114240442-pat00053
는 방향 계수이고 방향성 계수 연산부(210)는 방향(k)별로 방향성 계수를 연산한다.
도 5는 방향성 필터에 의해 연산된 방향 계수를 적용한 영상을 도시한 도면이다.
도 5를 참조하면, 중앙의 필터는 MSCN 계수에 의한 영상을 나타내며, 좌측의 두 영상은 x축 방향 및 y축 방향의 방향성 필터로 연산된 방향 계수에 의한 영상을 나타내고, 우측의 두 영상은 y=x 방향 및 y=-x 방향의 방향성 필터로 연산된 방향 계수에 의한 영상을 나타낸다.
실시예에 따라, 본 발명의 방향성 계수 연산부(210)는 더 많은 방향성 필터를 포함할 수도 있고, 더 적은 방향성 필터만을 사용하게 될 수도 있다.
결국, 방향성 계수는 MSCN 계수에 특정 방향을 나타내는 방향성 계수를 컨볼루션함으로써 해당 방향으로의 특징이 보다 현출되도록 나타낸 계수인 것이며, 이러한 방향성 계수를 통해 움직임에 따른 왜곡을 더욱 명확히 파악할 수 있는 것이다.
일반화 가우수 분포 연산부(220)는 연산된 MSCN 계수 및 다수의 방향에 대한 방향성 계수 각각에 대해 제1 일반화 가우수 분포 변수 및 제2 일반화 가우수 분포 변수를 연산한다. 연산된 MSCN 계수 및 방향별 방향성 계수들은 일반화 가우스 분포를 따르므로, 이에 대한 제1 일반화 가우수 분포 변수 및 제2 일반화 가우수 분포 변수를 연산하는 것이다.
제1 일반화 가우스 분포 변수 및 제2 일반화 가우스 분포 변수는 다음의 수학식 9와 같이 연산한다.
Figure 112017114240442-pat00054
수학식 9에서,
Figure 112017114240442-pat00055
는 MSCN 계수의 분산이며,
Figure 112017114240442-pat00056
는 표준편차이고,
Figure 112017114240442-pat00057
는 일반화 가우스 분포 함수의 제1 일반화 가우스 분포 변수이며,
Figure 112017114240442-pat00058
는 일반화 가우스 비 함수이고,
Figure 112017114240442-pat00059
는 MSCN 계수의 평균이다.
한편, MSCN 계수
Figure 112017114240442-pat00060
를 수학식 4의 일반화 가우스 분포 함수에 대입하면 다음의 수학식 10과 같다.
Figure 112017114240442-pat00061
수학식 10에서,
Figure 112017114240442-pat00062
이다.
그러므로,
Figure 112017114240442-pat00063
의 기대값은 하기 수학식 11과 같다.
Figure 112017114240442-pat00064
Figure 112017114240442-pat00065
이 y축 대칭이므로, 기대값은 하기 수학식과 같다.
Figure 112017114240442-pat00066
Figure 112017114240442-pat00067
로 변환하면, 기대값은 하기 수학식 13과 같다.
Figure 112017114240442-pat00068
수학식 6을 이용하면,
Figure 112017114240442-pat00069
이므로, 기대값은 하기 수학식과 같다.
Figure 112017114240442-pat00070
이제, 수학식 5 및 수학식 14를 이용하면, 수학식 9에서 하기 수학식이 도출된다.
Figure 112017114240442-pat00071
그러므로, 연산된 MSCN 계수의 기대값과 표준편차를 수학식 15에 대입하여 제1 일반화 가우스 분포 변수를 연산해 낼 수 있다.
또한, 연산된 MSCN 계수의 표준편차와 연산된 제1 일반화 가우스 분포 변수를 수학식 5에 대입하면 제2 일반화 가우스 분포 변수를 연산해 낼 수 있다.
그리고, MSCN 계수 대신 방향 계수를 대입하여 연산하면 전술한 과정에 의해 각 방향 계수들의 제1 일반화 가우스 분포 변수 및 제2 일반화 가우스 분포 변수 또한 연산해 낼 수 있다.
위 수학식들을 이용하여 MSCN 계수 뿐만 아니라 방향성 계수들에 대해서도 제1 일반화 가우스 분포 변수 및 제2 일반화 가우스 분포 변수를 연산한다.
평가부(230)는 MSCN 계수 및 방향별 방향성 계수들의 제1 일반화 가우스 분포 변수 및 제2 일반화 가우스 분포 변수와 미리 설정된 왜곡이 없는 영상의 제1 일반화 가우스 분포 변수 및 제2 일반화 가우스 분포 변수를 비교하여 화질을 평가한다. 왜곡이 없는 영상의 제1 일반화 가우스 분포 변수 및 제2 일반화 가우스 분포 변수는 미리 설정될 수도 있으며 필요에 따라 동적으로 연산될 수도 있을 것이다. 일례로, 자기 공명 영상 촬영 장치마다 제1 및 제2 일반화 가우스 분포 변수가 다를 수 있으므로 이를 고려하여 왜곡이 없는 영상의 제1 및 제2 일반화 가우수 분포 변수를 동적으로 연산할 수도 있을 것이다.
구체적으로 평가부(230)는 촬영된 슬라이스 영상의 MSCN 계수와 다수의 방향에 대한 방향성 계수들과 미리 설정된 왜곡이 없는 영상의 MSCN 계수와 다수의 방향에 대한 방향성 계수들을 비교하여 왜곡 지수를 생성한다.
일례로, 다변수 가우시안 모델을 이용하여 화질 평가를 수행할 수 있을 것이며, 보다 단순하게는 슬라이스 영상의 제1 및 제2 일반화 가우스 분포 변수들과 왜곡이 없는 영상의 제1 및 제2 일반화 가우스 분포 변수와의 차를 이용하여 다음의 수학식 16과 같이 연산될 수도 있을 것이다.
Figure 112017114240442-pat00072
위 수학식 16에서, D는 왜곡 지수이며, P1은 왜곡이 없는 영상의 제1 일반화 가우스 분포 변수 및 제2 일반화 가우스 분포 변수들(MSCN 계수 및 방향성 계수들의 제1 일반화 가우스 분포 변수 및 제2 일반화 가우스 분포 변수)로 이루어진 변수 벡터이고, P2는 슬라이스 영상의 제1 일반화 가우스 분포 변수 및 제2 일반화 가우스 분포 변수(MSCN 계수 및 방향성 계수들의 제1 일반화 가우스 분포 변수 및 제2 일반화 가우스 분포 변수)로 이루어진 변수 벡터이다.
평가부(230)는 수학식 16과 같이 연산되는 왜곡 지수를 이용하여 이용하여 화질을 평가하며 왜곡 지수가 낮을수록 화질이 좋다는 것을 의미한다.
평가부(230)는 수학식 16과 같이 연산되는 왜곡 지수와 미리 설정된 경계값을 비교하여 왜곡 지수가 밀 설정된 경계값을 초과하는 경우 움직임 왜곡이 있다고 판단한다.
한편, 움직임 왜곡을 더욱 명확히 판단하기 위해 특정 방향의 방향성 벡터의 제1 일반화 가우스 분포 변수 및 제2 일반화 가우스 분포 변수에 대해 더 높은 가중치를 부여하여 왜곡 지수를 연산할 수도 있을 것이다. 바람직하게는 자기 공명 영상의 슬라이스 영상에서의 움직임 왜곡은 수직 또는 수평 방향으로 발생하므로 x방향 및 y방향의 방향성 계수들에 대해 더 높은 가중치를 비교하여 왜곡 지수를 연산할 수 있을 것이다.
도 6은 본 발명의 일 실시예에 따른 자기 공명 영상의 재촬영 제어 방법의 전체적인 흐름을 도시한 순서도이다.
도 6을 참조하면, 우선 슬라이스 영상을 획득한다(단계 600).
획득한 슬라이스 영상에 대해 MSCN 계수를 연산한다(단계 602).
또한, 단계 602에서 MSCN 계수에 방향별 방향성 필터를 적용하여 슬라이스 영상에 대한 방향성 계수를 연산한다(단계 604).
연산된 MSCN 계수와 방향별 방향성 계수들의 제1 일반화 가우스 분포 변수 및 제2 일반화 가우스 분포 변수와 왜곡이 없는 영상에 대해 미리 설정된 MSCN 계수와 방향별 방향성 계수들의 제1 일반화 가우스 분포 변수 및 제2 일반화 가우스 분포 변수를 비교하여 화질을 평가한다(단계 606).
화질 평가는 제1 일반화 가우스 분포 변수와 제2 일반화 가우스 분포 변수의 차에 기초하여 이루어지며, MSCN 계수 및 방향별 방향성 계수별로 제1 일반화 가우스 분포 변수와 제2 일반화 가우스 분포의 차에 기초하여 왜곡 지수를 생성한다. 앞서 설명한 바와 같이, 자기 공명 영상에서는 가로 방향과 세로 방향의 움직임 왜곡이 빈번히 발생하므로 x 방향의 방향성 계수에 대한 제1 일반화 가우스 분포 변수의 차와 제2 일반화 가우스 분포 변수의 차에 더 높은 가중치를 반영하여 왜곡 지수를 연산하는 것이 바람직하다.
화질 평가에 따른 왜곡 지수가 미리 설정된 경계값을 초과하는지 여부를 판단한다(단계 608). 화질 평가에 따른 왜곡 지수가 미리 설정된 경계값을 초과할 경우 해당 슬라이스 영상에 대한 재촬영을 수행한다(단계 610).
단계 600 내지 610은 모든 슬라이스 영상에 대해 이루어지며 모든 슬라이스 영상에 대해 화질 평가가 적절한지 여부를 판단한다(단계 612).
모든 슬라이스 영상에 대해 화질 평가가 적절할 경우 슬라이스 영상들을 합성하여 자기 공명 영상을 생성한다(단계 614).
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 (14)

  1. 자기 공명 영상을 구성하는 슬라이스 영상들을 획득하는 영상 획득부;
    상기 영상 획득부에서 획득하는 슬라이스 영상별로 왜곡 지수를 연산하여 화질 평가를 수행하는 화질 평가부;
    상기 화질 평가부에서 특정 슬라이스 영상의 왜곡 지수가 미리 설정된 경계값을 초과할 겨우 해당 슬라이스 영상의 재촬영을 수해하도록 제어하는 재촬영 제어부; 및
    모든 슬라이스 영상의 화질이 적절하다고 판단되는 경우 모든 슬라이스 영상을 합성하여 자기 공명 영상을 생성하는 슬라이스 영상 합성부를 포함하되,
    상기 화질 평가부는 상기 슬라이스 영상의 MSCN 계수와 상기 MSCN 계수에 다수의 방향에 대한 방향성 필터의 콘볼루션을 통해 연산되는 다수의 방향에 대한 방향성 계수들을 이용하여 화질 평가를 수행하는 것을 특징으로 하는 자기 공명 영상 장치.
  2. 제1항에 있어서,
    상기 다수의 방향에 대한 방향성 필터는 2D 가우스 저대역 필터와 다수의 방향 벡터의 행렬에 대한 콘볼루션한 행렬로 구성되는 것을 특징으로 하는 자기 공명 영상 장치.
  3. 제1항에 있어서,
    상기 화질 평가부는 상기 슬라이스 영상의 MSCN 계수 및 상기 다수의 방향에 대한 방향성 계수들로부터 제1 일반화 가우스 분포 변수들 및 제2 일반화 가우스 분포 변수들을 연산하고, 상기 슬라이스 영상의 제1 가우스 분포 변수들 및 제2 가우스 분포 변수들과 미리 설정된 왜곡이 없는 영상의 제1 가우스 분포 변수들 및 제2 가우스 분포 변수들을 비교하여 왜곡 지수를 연산하는 것을 특징으로 하는 자기 공명 영상 장치.
  4. 제3항에 있어서,
    상기 화질 평가부는 상기 슬라이스 영상의 제1 가우스 분포 변수들 및 제2 가우스 분포 변수들과 미리 설정된 왜곡이 없는 영상의 제1 가우스 분포 변수들 및 제2 가우스 분포 변수들의 차에 기초하여 상기 왜곡 지수를 연산하는 것을 특징으로 하는 자기 공명 영상 장치.
  5. 제4항에 있어서,
    상기 화질 평가부는 수평 방향(x 방향) 및 수직 방향(y 방향)의 방향수 계수들에 더 높은 가중치를 부여하여 상기 왜곡 지수를 연산하는 것을 특징으로 하는 자기 공명 영상 장치.
  6. 제1항에 있어서,
    상기 화질 평가부는 상기 왜곡 지수가 미리 설정된 경계값 이상일 경우 화질이 적절하지 않다고 판단하는 것을 특징으로 하는 자기 공명 영상 장치.
  7. 제1항에 있어서,
    특정 방향(k)에 대한 상기 방향성 필터는 다음과 같이 정의되는 것을 특징으로 하는 자기 공명 영상 장치.
    Figure 112017114240442-pat00073

    위 수학식에서
    Figure 112017114240442-pat00074
    는 방향성 필터이고,
    Figure 112017114240442-pat00075
    는 2D 가우시안 저대역 필터이며,
    Figure 112017114240442-pat00076
    는 콘볼루션 연산자이고,
    Figure 112017114240442-pat00077
    는 방향 벡터임.
  8. 자기 공명 영상을 구성하는 슬라이스 영상들을 획득하는 단계(a);
    상기 단계 (a)에서 획득하는 슬라이스 영상별로 왜곡 지수를 연산하여 화질 평가를 수행하는 단계(b);
    상기 단계 (b)에서 특정 슬라이스 영상의 왜곡 지수가 미리 설정된 경계값을 초과할 겨우 해당 슬라이스 영상의 재촬영을 수행하도록 제어하는 단계(c); 및
    모든 슬라이스 영상의 화질이 적절하다고 판단되는 경우 모든 슬라이스 영상을 합성하여 자기 공명 영상을 생성하는 단계(d)를 포함하되,
    상기 단계(c)는 상기 슬라이스 영상의 MSCN 계수와 상기 MSCN 계수에 다수의 방향에 대한 방향성 필터의 콘볼루션을 통해 연산되는 다수의 방향에 대한 방향성 계수들을 이용하여 화질 평가를 수행하는 것을 특징으로 하는 자기 공명 영상 장치의 재촬영 제어 방법.
  9. 제8항에 있어서,
    상기 다수의 방향에 대한 방향성 필터는 2D 가우스 저대역 필터와 다수의 방향 벡터의 행렬에 대한 콘볼루션한 행렬로 구성되는 것을 특징으로 하는 자기 공명 영상 장치의 재촬영 제어 방법.
  10. 제9항에 있어서,
    상기 단계 (c)는 상기 슬라이스 영상의 MSCN 계수 및 상기 다수의 방향에 대한 방향성 계수들로부터 제1 일반화 가우스 분포 변수들 및 제2 일반화 가우스 분포 변수들을 연산하고, 상기 슬라이스 영상의 제1 가우스 분포 변수들 및 제2 가우스 분포 변수들과 미리 설정된 왜곡이 없는 영상의 제1 가우스 분포 변수들 및 제2 가우스 분포 변수들을 비교하여 왜곡 지수를 연산하는 것을 특징으로 하는 자기 공명 영상 장치의 재촬영 제어 방법.
  11. 제10항에 있어서,
    상기 단계(c)는 상기 슬라이스 영상의 제1 가우스 분포 변수들 및 제2 가우스 분포 변수들과 미리 설정된 왜곡이 없는 영상의 제1 가우스 분포 변수들 및 제2 가우스 분포 변수들의 차에 기초하여 상기 왜곡 지수를 연산하는 것을 특징으로 하는 자기 공명 영상 장치의 재촬영 제어 방법.
  12. 제11항에 있어서,
    상기 단계(b)는 수평 방향(x 방향) 및 수직 방향(y 방향)의 방향수 계수들에 더 높은 가중치를 부여하여 상기 왜곡 지수를 연산하는 것을 특징으로 하는 자기 공명 영상 장치의 재촬영 제어 방법.
  13. 제8항에 있어서,
    상기 단계(c)는 상기 왜곡 지수가 미리 설정된 경계값 이상일 경우 화질이 적절하지 않다고 판단하는 것을 특징으로 하는 자기 공명 영상 장치의 재촬영 제어 방법.
  14. 제8항에 있어서,
    특정 방향(k)에 대한 상기 방향성 필터는 다음과 같이 정의되는 것을 특징으로 하는 자기 공명 영상 장치의 재촬영 제어 방법.
    Figure 112019070103555-pat00078

    위 수학식에서
    Figure 112019070103555-pat00079
    는 방향성 필터이고,
    Figure 112019070103555-pat00080
    는 2D 가우시안 저대역 필터이며,
    Figure 112019070103555-pat00081
    는 콘볼루션 연산자이고,
    Figure 112019070103555-pat00082
    는 방향 벡터임.






KR1020170153517A 2017-11-17 2017-11-17 자기 공명 영상 장치 및 자기 공명 영상 장치의 재촬영 제어 방법 KR102022165B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170153517A KR102022165B1 (ko) 2017-11-17 2017-11-17 자기 공명 영상 장치 및 자기 공명 영상 장치의 재촬영 제어 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170153517A KR102022165B1 (ko) 2017-11-17 2017-11-17 자기 공명 영상 장치 및 자기 공명 영상 장치의 재촬영 제어 방법

Publications (2)

Publication Number Publication Date
KR20190056499A KR20190056499A (ko) 2019-05-27
KR102022165B1 true KR102022165B1 (ko) 2019-09-17

Family

ID=66679285

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170153517A KR102022165B1 (ko) 2017-11-17 2017-11-17 자기 공명 영상 장치 및 자기 공명 영상 장치의 재촬영 제어 방법

Country Status (1)

Country Link
KR (1) KR102022165B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112649775B (zh) * 2019-10-10 2023-02-28 上海联影医疗科技股份有限公司 磁共振成像控制方法、装置
CN111401324A (zh) * 2020-04-20 2020-07-10 Oppo广东移动通信有限公司 图像质量评估方法、装置、存储介质及电子设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3128228B2 (ja) 1990-07-13 2001-01-29 株式会社東芝 磁気共鳴映像装置
JP2008246193A (ja) 2007-03-05 2008-10-16 Toshiba Corp 磁気共鳴診断装置および医用画像表示装置
KR101751974B1 (ko) 2016-03-11 2017-07-11 성균관대학교산학협력단 자기 공명 영상 장치 및 이를 이용한 자기 공명 영상 처리 방법

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013109095A1 (ko) * 2012-01-19 2013-07-25 고려대학교 산학협력단 자기 공명 영상 처리 방법
KR101593480B1 (ko) * 2013-01-04 2016-02-15 연세대학교 원주산학협력단 영상강도 최소화를 통한 자기공명 확산텐서 영상정합 및 왜곡보정 방법 및 그 시스템
KR101806902B1 (ko) * 2016-02-16 2017-12-12 삼성전자주식회사 자기 공명 영상 복원 방법 및 장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3128228B2 (ja) 1990-07-13 2001-01-29 株式会社東芝 磁気共鳴映像装置
JP2008246193A (ja) 2007-03-05 2008-10-16 Toshiba Corp 磁気共鳴診断装置および医用画像表示装置
KR101751974B1 (ko) 2016-03-11 2017-07-11 성균관대학교산학협력단 자기 공명 영상 장치 및 이를 이용한 자기 공명 영상 처리 방법

Also Published As

Publication number Publication date
KR20190056499A (ko) 2019-05-27

Similar Documents

Publication Publication Date Title
US11478212B2 (en) Method for controlling scanner by estimating patient internal anatomical structures from surface data using body-surface and organ-surface latent variables
EP2505162B1 (en) Method and apparatus for generating medical image of body organ by using 3-D model
US8842936B2 (en) Method, apparatus, and program for aligning images
JP5819428B2 (ja) 画像診断装置及び画像補正方法
CN110070611B (zh) 一种基于深度图像融合的人脸三维重建方法和装置
CN103026379B (zh) 推算图像噪音水平的方法
US10417777B2 (en) Image processing apparatus, image processing method, and non-transitory computer-readable storage medium
US7899229B2 (en) Method for detecting anatomical motion blur in diagnostic images
CA2530203A1 (en) System and method for adaptive medical image registration
US9965858B2 (en) Image alignment device, method, and program, and method for generating 3-D deformation model
JP4138371B2 (ja) 解剖学的特徴位置検出装置並びに記録媒体および被写体構造計測装置並びに記録媒体
JP4938427B2 (ja) 脳出血部位体積計算装置
KR102022165B1 (ko) 자기 공명 영상 장치 및 자기 공명 영상 장치의 재촬영 제어 방법
US11593941B2 (en) Image processing apparatus, image processing method, and storage medium
CN111815735B (zh) 一种人体组织自适应的ct重建方法及重建系统
JP5597517B2 (ja) 医用画像処理装置、医用画像撮影装置、及び医用画像処理プログラム
US11631160B2 (en) Image processing apparatus, image processing method, and X-ray CT apparatus
US20210374483A1 (en) Learning method, learning device, generative model, and program
KR102136094B1 (ko) 모아레 패턴을 이용한 안압 측정 방법
KR101907792B1 (ko) 화질 평가 장치 및 방법과 이에 관한 기록매체
US10600182B2 (en) Image processing apparatus and image processing method, that determine a conformable image
US10074196B2 (en) Reconstructing a three-dimensional image dataset from two-dimensional projection images, X-ray device and computer program
KR101964844B1 (ko) 움직임 보상에 기반한 ct 데이터 재구성 방법 및 장치
KR101763376B1 (ko) 신뢰 기반 재귀적 깊이 영상 필터링 방법
KR102726302B1 (ko) 인공지능 기반의 뇌병변 검출 방법 및 인공지능 기반의 뇌병변 검출 장치

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant