WO2023200043A1 - 엑스선 촬영 장치 및 이를 이용하는 엑스선 촬영 방법 - Google Patents

엑스선 촬영 장치 및 이를 이용하는 엑스선 촬영 방법 Download PDF

Info

Publication number
WO2023200043A1
WO2023200043A1 PCT/KR2022/009029 KR2022009029W WO2023200043A1 WO 2023200043 A1 WO2023200043 A1 WO 2023200043A1 KR 2022009029 W KR2022009029 W KR 2022009029W WO 2023200043 A1 WO2023200043 A1 WO 2023200043A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
energy
low
frequency component
bone
Prior art date
Legal status (The legal status 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 status listed.)
Ceased
Application number
PCT/KR2022/009029
Other languages
English (en)
French (fr)
Inventor
최일웅
신철우
조미정
서원택
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Drtech Corp
Original Assignee
Drtech Corp
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 Drtech Corp filed Critical Drtech Corp
Priority to JP2024540674A priority Critical patent/JP7804772B2/ja
Priority to CN202280089828.1A priority patent/CN118591346A/zh
Priority to EP22937556.3A priority patent/EP4445845A4/en
Publication of WO2023200043A1 publication Critical patent/WO2023200043A1/ko
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • 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
    • A61B6/5235—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 the same or different ionising radiation imaging techniques, e.g. PET and CT
    • A61B6/5241—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 the same or different ionising radiation imaging techniques, e.g. PET and CT combining overlapping images of the same imaging modality, e.g. by stitching
    • 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
    • A61B6/40—Arrangements for generating radiation specially adapted for radiation diagnosis
    • A61B6/4007—Arrangements for generating radiation specially adapted for radiation diagnosis characterised by using a plurality of source units
    • 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
    • A61B6/48—Diagnostic techniques
    • A61B6/482—Diagnostic techniques involving multiple energy imaging
    • 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
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—Two-dimensional [2D] image generation
    • G06T11/10—Texturing; Colouring; Generation of textures or colours
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/254—Analysis of motion involving subtraction of images
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10116—X-ray image
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20064—Wavelet transform [DWT]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20224—Image subtraction
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30008—Bone

Definitions

  • the present invention relates to an X-ray imaging device that acquires images using X-rays and an X-ray imaging method using the same.
  • An X-ray imaging device is an imaging device that irradiates X-rays to a affected area of the body of a human or animal and receives the transmitted X-rays to obtain an image of the affected area.
  • This X-ray imaging device is a device that continuously or continuously provides X-ray images of the affected area and is widely used for diagnosis, interpretation, and various medical procedures of the affected area.
  • DES Dual Energy Subtraction
  • DES Digital Energy Subtraction
  • body parts for example, the chest.
  • DES is especially widely used to improve the diagnostic accuracy of the chest.
  • DES technology is based on the difference in attenuation of low-energy and high-energy By erasing the affected areas, soft tissue images and bone images are created respectively. Typically, removing a specific part from an X-ray image is called subtraction.
  • Soft tissue images and bone images obtained by DES enable accurate diagnosis of lesions with improved visibility compared to existing general chest X-ray images.
  • the two-shot shooting of the dual-energy X-ray image used in this DES processing is performed by irradiating high-energy and low-energy As the position of is misaligned, motion artifact occurs in the subtracted image. For this reason, when shooting 2 shots, the subject is fixed to reduce motion noise, but significant changes occur in the heart, pulmonary blood vessels, etc., and motion noise is bound to appear, which has a negative impact on image quality and reduces video quality. It may interfere with diagnosis.
  • the problem to be solved by the present invention is to provide a method for reducing motion noise in images generated by subtraction image processing in order to improve the accuracy of image diagnosis.
  • Another problem that the present invention aims to solve is to provide a method to improve the image quality of standard images, soft tissue images, and bone images obtained by irradiating dual energy X-rays.
  • An X-ray imaging device includes an X-ray irradiation module configured to irradiate X-rays, and a X-ray irradiated from the It includes an X-ray detection module, and an image processor configured to generate an X-ray image using an output signal of the X-ray detection module.
  • the image processor includes obtaining high-energy images and low-energy images respectively obtained by X-rays of relatively high energy and relatively low energy, decomposing the high-energy images to generate high-energy frequency component images for a plurality of frequency bands.
  • the high-energy frequency component image for each of the plurality of frequency bands may include a high-energy Laplacian pyramid image of a plurality of levels and a high-energy Gaussian pyramid image of a plurality of levels, and the plurality of frequency bands
  • the star low-energy frequency component image may include a low-energy Laplacian pyramid image of multiple levels and a low-energy Gaussian pyramid image of multiple levels.
  • the merged frequency component image may be generated by merging the high-energy Laplacian pyramid image and the low-energy Laplacian pyramid image for each level.
  • the high-energy Laplacian pyramid image and the low-energy Laplacian pyramid image may be merged into a patch unit including a plurality of pixels for each level, and the high-energy Laplacian pyramid image and the low-energy Laplacian pyramid image may be merged into the patch unit for each level.
  • the patch corresponding to the higher contrast value among the corresponding patches of the high-energy Gaussian pyramid image and the low-energy Gaussian pyramid image of the corresponding level may be selected and merged.
  • the high-energy Laplacian pyramid image and the low-energy Laplacian pyramid image may be merged with each other on a pixel basis for each level or on a patch basis including a plurality of pixels, and the high-energy Laplacian pyramid image and the low-energy Laplacian pyramid image may be merged with each other at the level.
  • the pixel or patch corresponding to the statistical value representing the greater contrast among the corresponding patches of the high-energy Gaussian pyramid image and the low-energy Gaussian pyramid image of the corresponding level is selected and merged, or the high-energy Laplacian of the corresponding level is selected.
  • the pixel or patch corresponding to the one with a statistical value indicating higher contrast may be selected and merged.
  • the statistical value representing the contrast is the brightness value of a plurality of pixels constituting the corresponding patch. It may be the standard deviation or the average of the absolute deviations.
  • the statistical value representing the contrast is the value of the plurality of pixels constituting the corresponding patch. It may be the average value or median of the brightness value.
  • the high-energy frequency component images for each of the plurality of frequency bands may include high-energy frequency component images for each of the plurality of frequency bands decomposed by Fourier transform or wavelet transform.
  • the low-energy frequency component image for each frequency band may include a plurality of low-energy frequency component images for each frequency band decomposed by Fourier transform or wavelet transform, and the merged frequency component image may include the high-energy frequency component image and the low-energy frequency component image.
  • Frequency component images can be merged for each frequency band and generated using inverse Fourier transform or inverse wavelet transform.
  • the high-energy frequency component image and the low-energy frequency component image may be merged with each other on a pixel basis for each frequency band or on a patch basis including a plurality of pixels, and the high-energy frequency component image and the low-energy frequency component image may be merged with each other.
  • the pixel or patch corresponding to the statistical value indicating greater contrast among the corresponding patches of the high-energy frequency component image and the low-energy frequency component image of the corresponding frequency band may be selected and merged.
  • the statistical value representing the contrast is the absolute value of the plurality of pixel values constituting the corresponding patch. It can be the average or median.
  • the standard image may be generated by merging frequency component images for each frequency band that constitute the merged frequency component image.
  • the image processor may be configured to further perform the step of registering one or more of the high-energy image and the low-energy image, and the registration may include bone masking information and soft tissue to reflect differences in motion between bone and soft tissue. It may include multiple image registrations each performed using masking information.
  • the matching step includes generating a bone image and a soft tissue image through a subtraction operation of the high-energy image and the low-energy image, respectively, and bone including the bone masking information from the generated bone image and the generated soft tissue image.
  • the bone masking image may include edge position information of a bone included in the bone image
  • the soft tissue masking image may include edge position information of a soft tissue included in the soft tissue image.
  • Primary registration using the bone masking image may use an image registration algorithm based on global optimization.
  • the image registration algorithm may be an image registration algorithm that focuses on bone motion using a Free-Form Deformation (FD) method.
  • FFD Free-Form Deformation
  • Additional registration using the soft tissue masking image can be performed by a technique of locally registering the high-energy image and the low-energy image by measuring the similarity in patch units containing a predetermined number of pixels.
  • the similarity may be measured through calculation of pixel values or information entropy between the high-energy image and the low-energy image.
  • NCC Normalized Cross Correlation
  • MI Magnetic Information
  • An X-ray imaging device includes an X-ray irradiation module configured to irradiate X-rays, and a device configured to detect X-rays irradiated from the It includes an X-ray detection module, and an image processor configured to generate an X-ray image using an output signal of the X-ray detection module.
  • the image processor may include obtaining a high-energy image and a low-energy image respectively obtained by X-rays of relatively high energy and relatively low energy, matching one or more of the high-energy image and the low-energy image, and performing the matching.
  • the registration includes multiple image registrations performed using bone masking information and soft tissue masking information, respectively, to reflect differences in motion between bone and soft tissue.
  • the X-ray imaging method includes the steps of irradiating X-rays toward an inspection object, detecting the X-rays that have passed through the inspection object and generating a corresponding digital signal, and Includes creation steps.
  • the step of generating the X-ray image includes obtaining a high-energy image and a low-energy image obtained by Generating a frequency component image, decomposing the low energy image to generate a low energy frequency component image for each of a plurality of frequency bands, at least a portion of the high energy frequency component image for each of the plurality of frequency bands and low energy for each of the plurality of frequency bands. It includes generating a merged frequency component image by merging at least part of the frequency component image, and generating a standard image using the merged frequency component image.
  • An X-ray imaging method includes the steps of irradiating X-rays toward an inspection object, detecting X-rays that have passed through the inspection object and generating a corresponding digital signal, and using the digital signal to create an It includes the step of generating.
  • the step of generating the X-ray image includes acquiring a high-energy image and a low-energy image obtained by and generating one or more of a standard image, a bone image, and a soft tissue image through an operation using the high-energy image and the low-energy image that have undergone the matching step.
  • the registration includes multiple image registrations performed using bone masking information and soft tissue masking information respectively to reflect differences in motion between bone and soft tissue.
  • motion noise of an image generated by subtraction image processing can be reduced. Additionally, the image quality of standard images, soft tissue images, and bone images obtained by irradiating dual energy X-rays can be improved.
  • FIG. 1 is a diagram schematically showing an X-ray imaging device according to an embodiment of the present invention.
  • Figure 2 is a schematic block diagram of an X-ray imaging device according to an embodiment of the present invention.
  • Figure 3 is a flowchart schematically showing a dual energy subtraction image processing method according to an embodiment of the present invention.
  • Figure 4 is a graph showing the change in mass attenuation coefficient according to the energy of X-rays.
  • Figure 5 shows examples of low-energy images and high-energy images obtained by low-energy X-rays and high-energy X-rays, respectively.
  • Figure 6 shows a bone image without noise reduction technology using artificial intelligence and a bone image with noise reduction technology using artificial intelligence applied, respectively.
  • Figure 7 is a flowchart showing the image registration process according to an embodiment of the present invention.
  • Figure 8 shows an example of a masking image extracted by distinguishing the location and motion occurrence information of bone and soft tissue generated for image registration according to an embodiment of the present invention.
  • Figure 9 is a diagram for explaining image registration using a bone masking image during the image registration process according to an embodiment of the present invention.
  • Figure 10 shows an example of an image obtained by application of an image registration process according to an embodiment of the present invention.
  • Figure 11 shows a schematic flowchart of a method for generating a standard image according to an embodiment of the present invention.
  • FIG. 12 is a diagram illustrating the creation of a Laplacian pyramid image and a Gaussian pyramid image for generating a standard image according to an embodiment of the present invention, and the creation of a merged Laplacian pyramid image by merging them.
  • Figure 13 is a diagram for explaining the process of generating a Gaussian pyramid image and a Laplacian pyramid image according to an embodiment of the present invention.
  • Figure 14 is a diagram for explaining the process of merging a high-energy Laplacian pyramid image and a low-energy Laplacian pyramid image according to an embodiment of the present invention.
  • FIG. 15 is a diagram illustrating a pixel or patch-wise merging method when merging a high-energy Laplacian pyramid image and a low-energy Laplacian pyramid image according to an embodiment of the present invention.
  • Figure 16 is a diagram for explaining a method of generating a merged frequency component image according to an embodiment of the present invention.
  • Figure 17 is a diagram showing the filtering process of discrete wavelet transform according to an embodiment of the present invention.
  • Figure 18 is a diagram for explaining the process of generating a subband component image by discrete wavelet transform according to an embodiment of the present invention.
  • the X-ray imaging device 10 includes an X-ray irradiation module 11 that generates and irradiates X-rays, and It includes X-ray detection modules 12 and 13 that detect.
  • the X-ray detection modules 12 and 13 include a first X-ray detection module 12 for implementing a bed type imaging structure and a second X-ray detection module for implementing a stand type imaging structure ( 13) may be included.
  • the X-ray irradiation module 11 is configured to be capable of linear movement and rotational movement so as to face any one of the first and second X-ray detection modules 12 and 13.
  • the X-ray irradiation module 11 may include an X-ray source that generates X-rays, and receives power from the power module 15 to generate X-rays.
  • the connection frame 17 extends upward on the power module 15 and may be provided with a guide groove 19 for guiding the upward and downward movement of the X-ray irradiation module 11.
  • the X-ray irradiation module 11 is fastened to the connection frame 17 in a manner that allows movement in the vertical direction through the guide groove 19.
  • the connection block 21 is fastened to the connection frame 17 so as to be movable in the vertical direction, and the X-ray irradiation module 11 is supported on the connection block 21 so as to move in the up and down direction together with the connection block 21.
  • the X-ray irradiation module 11 may be supported on the connection block 21 so as to be rotatable about a horizontal axis.
  • the power module 15 may be configured to be movable in the horizontal direction on the movable frame 23 extending in the horizontal direction.
  • the moving frame 23 may be provided with a guide rail 25 extending in the horizontal direction, and the power module 15 may be moved in the horizontal direction through the guide rail 25. It is placed on top.
  • the first X-ray detection module 12 may be installed on the connection frame 17 to face the X-ray irradiation module 11 in the vertical direction. X-ray imaging may be performed using the X-ray irradiation module 11 and the first X-ray detection module 12.
  • a support table configured to allow an object, for example, a patient, to be placed on it may be placed, and the X-ray irradiation module 11 and the first X-ray detection module 12 are aligned to be positioned above and below the support table, respectively. After this, X-ray imaging can be done.
  • the second X-ray detection module 13 may be supported on a separate stand 24 to be movable in the vertical direction.
  • X-ray imaging may be performed using the X-ray irradiation module 11 and the second X-ray detection module 13.
  • the X-ray irradiation module 11 rotates with respect to the connection block 21 and is aligned to face the second X-ray detection module 13.
  • X-rays are irradiated through the irradiation module 11 and the second X-ray detection module 13 receives the X-rays that have passed through the patient, thereby performing X-ray imaging.
  • the first and second X-ray detection modules 12 and 13 may each include an X-ray detector for detecting X-rays, and the X-ray detector may have a retractable or stationary structure. Additionally, the X-ray detector may be a cassette-type X-ray detector and, when necessary, can be stored in a storage unit such as a bucky and used. The cassette-type digital X-ray detector can convert incident X-rays into electrical signals capable of image signal processing.
  • the X-ray detector may include a pixel circuit board including a thin film transistor, and may include a plurality of switching cell elements and photoelectric conversion elements arranged in a matrix.
  • the X-ray detector may be a direct detector that includes a pixel circuit board and an optical conductor with optical conductivity, or it may be an indirect detector that includes a pixel circuit board and a light emitting layer such as a scintillator. .
  • FIG. 2 shows a schematic block diagram of an X-ray imaging device according to an embodiment of the present invention.
  • the X-ray irradiation module 11 is configured to irradiate X-rays 27 toward the patient S lying on a table 28 capable of transmitting ultrasonic waves.
  • the system controller 31 controls the entire system, receives shooting commands input through a user interface 32 such as a keyboard, mouse, or touch screen input device, and controls the process to be performed accordingly.
  • a user interface 32 such as a keyboard, mouse, or touch screen input device
  • the system controller 31 controls the exposure controller 33, which controls the operation of the power module 25, and the exposure controller 33 controls the power module 25 accordingly to expose X-rays. Let this happen.
  • the system controller 31 outputs a signal to control the detector controller 34 for controlling the X-ray detection module 12.
  • the system controller 31 outputs a corresponding signal to the image processor 35.
  • the system controller 31 can transmit and receive necessary data from the exposure controller 33, the detector controller 34, and the image processor 35.
  • the image processor 35 may receive necessary information from the detector controller 34 and transmit the data necessary for image capture to the exposure controller 33.
  • the X-ray detection module 12 detects X-rays irradiated from the X-ray irradiation module 11 and passed through the patient S and generates a digital signal corresponding to the detected X-rays.
  • the image processor 35 generates an image using the digital image signal received from the X-ray detection module 12. Image processing performed by the image processor 35 and images obtained accordingly will be described later.
  • the display 36 displays an image acquired by the image processor 35 and may be any display capable of displaying an image, such as a liquid crystal display device or an OLED display device.
  • the image storage device 37 may be a memory capable of storing acquired images, and may be any type of memory such as memory, database, or cloud storage device.
  • Figure 3 is a flow chart schematically showing a dual energy subtraction image processing method according to an embodiment of the present invention, and the image processor 35 described above may be configured to perform dual energy subtraction image processing.
  • the image processor 35 is configured to perform the image processing process described below and may include a microprocessor, memory, and related hardware and software.
  • a high-energy image (I H ) and a low-energy image (I L ) are acquired using dual energy, that is, high-energy and low-energy X-rays, respectively (101, 102).
  • a high-energy image can be obtained by irradiating X-rays with relatively high energy (120 kVp)
  • a low-energy image can be obtained by irradiating X-rays with relatively low energy (60 kVp).
  • Different images are obtained depending on the difference in X-ray mass attenuation coefficient for soft tissue and bone under high-energy and low-energy conditions.
  • Figure 4 is a graph showing the change in mass attenuation coefficient according to the energy of X-rays
  • Figure 5 shows examples of low-energy images (a) and high-energy images (b) obtained by low-energy X-rays and high-energy X-rays, respectively.
  • High-energy images and low-energy images can be obtained by irradiating high-energy, X-rays, and low-energy X-rays through control of the X-ray irradiation unit 11 and acquiring images through the image acquisition unit 13, respectively.
  • FIG. 3 exemplarily shows a case in which noise reduction is performed on both a high-energy image and a low-energy image.
  • noise reduction may be performed on only one of the high-energy image and the low-energy image.
  • noise reduction can be achieved through learning through artificial intelligence (AI).
  • AI artificial intelligence
  • artificial intelligence technology using the CycleGAN architecture can learn random noise and reduce noise while minimizing anatomical loss in images.
  • Figure 6 shows a bone image without noise reduction technology using artificial intelligence (a) and a bone image with noise reduction technology using artificial intelligence (b), respectively. It can be seen that the image quality of the finally obtained subtraction image is improved by applying noise reduction technology using artificial intelligence.
  • Figure 3 exemplarily shows a case in which image registration is performed on both a high-energy image and a low-energy image, but image registration may be performed on only one of the high-energy image and the low-energy image.
  • Figure 7 shows a schematic flowchart of the image registration process according to an embodiment of the present invention.
  • Image registration is an image processing method that corrects for distortions caused by breathing, heartbeat, etc. that inevitably occur when imaging the same patient in order to compare them across time or viewpoints.
  • imaging is performed by irradiating X-rays of different energies twice, a time interval of approximately 100 to 200 ms inevitably occurs between the two imaging, resulting in motion noise due to movement of the heart, pulmonary blood vessels, etc., resulting in image registration.
  • the process becomes difficult and motion noise negatively affects material separation performance and imaging diagnostic accuracy.
  • motion noise is reduced by applying an image registration algorithm that performs precise correction calculations while preventing the image from being artificially distorted.
  • medical image registration uses a non-rigid registration method to prevent the image from being artificially distorted by considering the characteristics of the medical image. It is known to use multi-resolution image processing techniques such as Gaussian or Laplacian pyramids to take into account differences in the size and direction of motion depending on human tissue, but the existing patch unit The method of predicting motion and performing correction had limitations in accurately calculating motion for each human tissue. To overcome this limitation, in an embodiment of the present invention, the accuracy and calculation speed of the image registration algorithm are improved by distinguishing the motion of soft tissue and bone and applying each algorithm. The motion of the shoulders, spine, ribs, etc.
  • the embodiment of the present invention applies an image registration algorithm that processes soft tissue and bone separately.
  • the high-energy image (I H ) and the low-energy image (I L ) are subtracted to obtain the bone image (I BONE ) and Soft tissue images (I SOFT ) are respectively generated (201).
  • I H and I L are used for the high-energy image and low-energy image, respectively.
  • a bone masking image (I BONE_MASK ) and a soft tissue masking image (I SOFT_MASK ) are generated from the generated bone image (I BONE) and soft tissue image (I SOFT ) , respectively.
  • the bone masking image (I BONE_MASK ) can be derived from the bone image (I BONE ) and includes location information of bones included in the image, specifically edge location information
  • the soft tissue masking image (I SOFT_MASK ) is a soft tissue image.
  • I SOFT and may include location information of the soft tissue included in the image, specifically location information of the edge of the soft tissue.
  • a masking image is generated by extracting each position information.
  • the principle of subtracting images obtained by high-energy X-rays and low-energy It is extracted from temporarily acquired soft tissue images and bone images.
  • Soft tissue images and bone images contain only soft tissue or bone information, and since they are not registered, they also include information on the occurrence of motion noise. Therefore, by extracting edge information from these images, it is possible to obtain a masking image of the location of each bone and soft tissue and the location of motion occurrence in each tissue.
  • Figure 8 shows masking images extracted by distinguishing the location and motion occurrence information of bones and soft tissues, where (a) is a masking image for bones and (b) is a masking image for soft tissues.
  • the high-energy (I H ) and/or low-energy image (I L ) are firstly registered (203) using the generated bone masking image (I BONE_MASK ), and then the generated soft tissue masking is performed.
  • the image (I SOFT_MASK ) is used to secondly register the firstly registered high-energy ( IH ) and/or low-energy image ( IL ) (204).
  • Image registration using the bone masking image (I BONE_MASK ) is image registration for global optimization
  • image registration using the soft tissue masking image (I SOFT_MASK ) is image registration for local optimization.
  • the first image registration using a bone masking image is a global optimization to prevent motion registration across the image from being registered in conflicting directions and to produce optimized results by focusing on bone motion.
  • Adopt a technique.
  • the first image registration can be done with a focus on bone motion using the Free-Form Deformation (FFD) method, an image registration algorithm based on global optimization, to naturally register the global movements of the human body.
  • FFD Free-Form Deformation
  • Figure 9 shows an example of registration by image deformation by FFD.
  • Figure 9 (a) shows the image before transformation, and (b) shows the control points of the control grid selected in the image (a).
  • the control point shown in (b) of FIG. 9 can be transformed as in (c), and the image in (a) can be transformed as in (d) accordingly.
  • This FFD method is a representative image transformation technique that allows objects to be naturally transformed so as not to violate physical laws by manipulating the control points of the control grid.
  • the secondary image registration using the soft tissue masking image takes into account the fact that the motion of soft tissues such as the heart and surrounding pulmonary blood vessels occurs relatively locally, A local technique is additionally performed to match the motion of soft tissue to the image obtained by first-order registration.
  • the motion of pulmonary blood vessels can individually show various directions and sizes regardless of the surrounding area, so it is difficult to obtain accurate results when applying the FFD technique, in which the surrounding area is uniformly transformed according to changes in the control point.
  • additional registration is a technique of locally matching high-energy and low-energy images by calculating the similarity between high-energy and low-energy images in small-sized patches containing a fixed number of pixels for the required soft tissue area. It is done by.
  • methods such as NCC (Normalized Cross Correlation) or MI (Mutual Information) can be used to measure similarity, and NCC and MI calculate the pixel value correlation between two images or information entropy, respectively. This is a method of measuring similarity.
  • Figure 10 shows an image obtained by applying an image matching algorithm to the image of the extracted region of interest.
  • Figure 10 (a) shows an image obtained by applying image registration on a patch basis according to the existing method
  • Figure 10 (b) shows an image of bone and soft tissue with different characteristics according to an embodiment of the present invention. It shows images obtained by separating motions and applying an image matching algorithm to each.
  • the present invention by distinguishing the motions of bone and soft tissue and registering them respectively, even if the motions generated by each tissue conflict with each other, it is possible to distinguish them and register them precisely.
  • the target image that is, the standard image 111, and the soft tissue image are obtained through operation 107 of the image-registered high-energy image (I H ) and the low-energy image (I L ).
  • image) (112) and bone image (113) are generated.
  • the standard image 111 can be calculated by adding the high-energy image (I H ) and the low-energy image (I L ), and the soft tissue image 1122 and bone image 113 can be calculated by combining the high-energy image (I H) and the low-energy image (I L ). It can be calculated by a subtraction operation of the image (I L ).
  • a high-energy image and a low-energy image are each decomposed to generate a plurality of frequency component images, that is, images for each frequency band, and the generated plurality of high-energy frequency component images and a plurality of low-energy frequency images are respectively generated.
  • a merged frequency component image is generated by merging the components for each corresponding frequency band, and a standard image is created using the merged frequency component image for each frequency band.
  • a multi-resolution pyramid image is generated using a high-energy image and a low-energy image, thereby generating high-energy and low-energy frequency component images for each frequency band.
  • high-energy and low-energy frequency component images for each frequency band are generated through Discrete Wavelet Transform (DWT), and in another embodiment, frequency component images are generated through Discrete Fourier Transform (DFT). Generate high-energy and low-energy frequency component images for each band.
  • DWT Discrete Wavelet Transform
  • DFT Discrete Fourier Transform
  • FIG. 11 shows a schematic flowchart of a method for generating a standard image 111 according to an embodiment of the present invention
  • FIG. 12 shows a schematic flowchart of a method for generating a standard image 111 according to an embodiment of the present invention.
  • the image processing process is schematically shown.
  • a standard image 111 of excellent quality with improved global and local contrast is generated by merging a high-energy image (I H ) and a low-energy image ( IL ) to which image registration is applied.
  • the high-energy image (I H ) and the low-energy image (I L ) are converted to log scale as shown in Equation 1 below (302). This process is performed to create a linear relationship between the intensity of the tissue in the high-energy image (I H ) and the low-energy image (I L ).
  • the high-energy image (I H ) and the low-energy image (I L ) are normalized (303).
  • image standardization as shown in Equation 2 below may be selected as a method for normalization.
  • a multi-resolution pyramid image that is, a high-energy and low-energy frequency component image for each frequency band, is generated using the normalized low-energy image and the high-energy image (304).
  • the generated pyramid images of different resolutions represent frequency components for each band.
  • the generated pyramid images of different resolutions represent frequency component images for each frequency band.
  • the highest level Gaussian parimid component that is, the image in the low frequency band, shows global contrast, and as it moves to the higher frequency band, it shows detailed edge information such as thick edge information of bones and heart and pulmonary blood.
  • a high-energy Laplacian image pyramid (L H ) and a high-energy Gaussian image pyramid (G H ) are generated from the normalized high-energy image
  • a low-energy Laplacian image pyramid (L L ) and a low-energy image pyramid are generated from the normalized low-energy image.
  • a Gaussian image pyramid (G L ) is created.
  • the resolution of the image decreases. For example, if a pyramid image consists of four levels, the pyramid image at the lowest level has a resolution of 1000*1000, the pyramid image at the next level has a resolution of 500*500, and the pyramid image at the next level has a resolution of 250*250. resolution, and the highest level pyramid image can have a resolution of 125*125. In this way, multiple images of a pyramid structure with multi-resolution can be implemented.
  • Gaussian and Laplacian pyramid images can be generated as shown in Equation 3 below.
  • G L k , G H k , L L k , L H k are the k-level Gaussian and Laplacian pyramid images of the normalized low-energy image and the high-energy image
  • D and U are down-sampling and up-sampling operators.
  • * is a convolution operator
  • g is a Gaussian kernel.
  • the high-energy Laplacian pyramid image (L H ) and the low-energy Laplacian pyramid image (L L ) are merged at each level of the pyramid (305).
  • components at each level are selected and merged to increase global and local contrast.
  • a high-energy Laplacian pyramid image (L H ) and a low-energy Laplacian pyramid image (L L ) are merged at each level to generate a merged Laplacian pyramid image (L R ) including images of multiple levels.
  • FIG. 14 and 15 schematically show an image processing process for merging a high-energy Laplacian pyramid image (L H ) and a low-energy Laplacian pyramid image (L L ).
  • Each component (L R 1 , L R 2 , L R 3 , L R 4 ) of the merged Laplacian pyramid image (L R ) is merged by merging each component (L L 1 , L L 2 , L L 3 , L L 4 ). creates .
  • the high-energy Laplacian pyramid image ( One pixel or patch of L H ) and the low-energy Laplacian pyramid image (L L ) may be selected and merged.
  • whether to select the corresponding pixel or patch of the low-energy Laplacian pyramid image (L H ) and the high-energy Laplacian pyramid image (L L ) at the same level depends on the high-energy Gaussian pyramid image (G H ) and a statistical value representing the contrast of the corresponding patch of the low-energy Gaussian pyramid image (G L ).
  • it may mean a patch containing a plurality of pixels surrounding a pixel of the Laplacian pyramid image of the corresponding patch of the Gaussian pyramid image, or a patch identical to the patch of the Laplacian pyramid image.
  • the high-energy Gaussian pyramid image (G H ) and the low-energy Gaussian pyramid image (G L) at the level with the same resolution. ) of the corresponding patches the patch of the Laplacian pyramid image that has a statistical value indicating greater contrast (standard deviation of the contrast of pixels belonging to the patch, or average of the absolute deviation) is selected.
  • Figure 15 shows the lowest-level high-energy Laplacian pyramid image (L H 1 ) and the low-energy Laplacian pyramid according to the comparison results between the lowest-level high-energy Gaussian pyramid image (G H 0 ) and the low-energy Gaussian pyramid image (G L 0 ).
  • An example of merging images (L L 1 ) is shown.
  • the Gaussian pyramid image (G H 0 , G L 0 ) and the Laplacian pyramid image (L H 1 , L L 1 ) are pyramid images of the same level, that is, images with the same resolution.
  • the high-energy Gaussian pyramid image A statistical value representing the contrast of the same patch of (G H 0 ) and the low-energy Gaussian pyramid image (G L 0 ), for example, the standard deviation (STD H_11 , STD L_11 ) of the brightness of the pixels belonging to the patch is larger, i.e.
  • the brightness value (I H_11 ) of the corresponding patch of the high-energy Laplacian pyramid image (L H 1 ) is equal to that of the lowest level image (L R 1 ) of the merged Laplacian pyramid image (L R ). It is selected based on the brightness value of the corresponding patch.
  • Figure 15(b) shows an example of selecting the brightness value of the second patch of the lowest level image (L R 1 ) of the merged Laplacian pyramid image (L R ).
  • the standard deviation (STD H_12 , STD L_12 ) of the brightness of the pixels belonging to the corresponding patches of the high-energy Gaussian pyramid image (G H 0 ) and the low-energy Gaussian pyramid image (G L 0 ) is larger, that is, The lower energy side is selected, and accordingly, the brightness value (I L_12 ) of the corresponding patch of the low-energy Laplacian image (L L 1 ) is selected as the brightness value of the corresponding patch of the merged Laplacian pyramid image (L R ).
  • Pixel contrast values at higher levels of the pyramid represent global contrast and pixel contrast values at lower levels of the pyramid represent local contrast. In this way, the Laplacian components at each pyramid level can be determined.
  • the merging of the high-energy Laplacian pyramid image (L H ) and the low-energy Laplacian pyramid image (L L ) represents the contrast of the corresponding patch of the high-energy Gaussian pyramid image and the low-energy Gaussian pyramid image. It is not based on a comparison of statistical values, but rather a statistical value representing the contrast of the corresponding patch of the high-energy Laplacian pyramid image and the low-energy Laplacian pyramid image, for example, the average value or median of the brightness of the pixels constituting the patch, whichever is larger. You can select .
  • a merged image is generated from the Laplacian components of the merged Laplacian pyramid obtained by merging the high-energy Laplacian image and the low-energy Laplacian image (306).
  • a merged image can be created by sequentially merging the Laplacian components starting from the highest level.
  • the merged Laplacian pyramid images are sequentially merged from the highest level to the lowest level of the pyramid (sequentially from the bottom to the top in FIG. 16). Because high-level pyramid images represent global image components well, and low-level pyramid images represent local image components well, sequential merging from the highest level of the pyramid to the lowest levels focuses on the global image components first. This means gradually focusing on local image components.
  • scale conversion is performed to return the log scale of the merged image to the original intensity scale (307). This creates a standard video.
  • the normalized low-energy image and the high-energy image can be decomposed using discrete wavelet transform (DWT) to generate frequency component images for multiple frequency bands.
  • DWT discrete wavelet transform
  • Discrete wavelet transform is a method of improving transformation efficiency by decomposing an image into different frequency components according to human visual characteristics using a localized basis and examining and processing each component associated with the resolution corresponding to each frequency band. .
  • Discrete wavelet transform can be expressed as Equation 4 below.
  • x(t) is the original image signal
  • ⁇ is a wavelet function
  • 2 j is a compression coefficient that determines the size
  • k2 j is a transition coefficient related to movement on the time axis and a parent function whose size changes depending on the scale. (mother wavelet) is used.
  • the original discrete signal is decomposed into several subband signals with different frequencies through down-sampling of multi-resolution analysis and synthesized into an original discrete signal through up-sampling.
  • the original image signal is decomposed into a low-pass component (L) and a high-pass component (H) using a low-pass filter (LPF, h(n)) and a high-pass filter (HPF, g(n)).
  • LPF, h(n) low-pass filter
  • HPF, g(n) high-pass filter
  • wavelet transform can interpret spatial information and frequency information in each subband, it enables adaptive image processing such as reducing specific high-frequency components corresponding to noise or preserving specific edge information.
  • the transformed image obtained by performing discrete wavelet transform on the original image may include four subband component images (LL, LH, HL, HH).
  • the LL subband component image can be made up of coefficients excluded from the high-frequency component in the image by applying a horizontal low-pass filter (LPF_y) and a vertical low-pass filter (LPF_x) to the original image (x), and the HH subband component
  • the image is obtained by applying a horizontal high-pass filter (HPF_y) and a vertical high-pass filter (HPF_x) to the original image (x), and shows only high-frequency components, as opposed to the LL subband component image.
  • the LH subband component image is obtained by applying a horizontal high-pass filter (HPF_y) to the original image (x) and includes error components of horizontal frequencies.
  • the HL subband component image is obtained by applying a vertical high-frequency filter (HPF_x) to the original image (x) and includes a vertical frequency error component.
  • first down sampling and second down sampling may be performed after applying a high-frequency or low-frequency pass filter, respectively.
  • the high-energy component and the low-energy component are selected for each pixel of the image or each patch of pixels of the image. Any one pixel or patch may be selected and merged.
  • the statistical value representing the contrast is the average value or median of the absolute value of a plurality of pixel values constituting the corresponding patch. You can.
  • high-frequency frequency component images and low-frequency frequency component images for each frequency band can be generated by applying discrete Fourier transform (DFT).
  • DFT discrete Fourier transform
  • Equation 7 Equation 7 below.
  • x is the original image signal
  • k is 0, 1, 2, ... It is N-1.
  • Equation 8 Equation 8
  • x is the original image signal
  • n is 0, 1, 2, ... It is N-1.
  • a soft tissue image 112 and a bone image are generated through operation 107 of the image-registered high-energy image (I H ) and low-energy image (I L ).
  • the soft tissue image 112 and the bone image 113 can be obtained through a subtraction operation that applies a subtraction factor to the low-energy image from the high-energy image. Obtaining soft tissue images and bone images through subtraction of such high-energy images and low-energy images can be performed using known methods.
  • the present invention relates to an X-ray imaging device and method, and can be applied to X-ray imaging equipment, so it has industrial applicability.

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Radiology & Medical Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Optics & Photonics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Quality & Reliability (AREA)
  • Multimedia (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)

Abstract

본 발명의 실시예에 따른 엑스선 촬영 장치는 엑스선 조사 모듈, 엑스선 검출 모듈, 그리고 이미지 프로세서를 포함한다. 상기 이미지 프로세서는 상대적으로 큰 에너지와 상대적으로 작은 에너지의 엑스선에 의해 각각 얻어진 고에너지 영상과 저에너지 영상을 획득하는 단계, 상기 고에너지 영상을 분해하여 복수의 주파수 대역별 고에너지 주파수 성분 영상을 생성하는 단계, 상기 저에너지 영상을 분해하여 복수의 주파수 대역별 저에너지 주파수 성분 영상을 생성하는 단계, 상기 복수의 주파수 대역별 고에너지 주파수 성분 영상의 적어도 일부와 상기 복수의 주파수 대역별 저에너지 주파수 성분 영상의 적어도 일부를 병합하여 병합된 주파수 성분 영상을 생성하는 단계, 그리고 상기 병합 주파수 성분 영상을 이용하여 스탠다드 영상을 생성하는 단계를 수행하도록 구성된다.

Description

엑스선 촬영 장치 및 이를 이용하는 엑스선 촬영 방법
본 발명은 엑스선을 이용하여 이미지를 획득하는 엑스선 촬영 장치 및 이를 이용하는 엑스선 촬영 방법에 관한 것이다.
엑스선 촬영 장치는 인체 또는 동물의 몸체의 환부에 엑스선을 조사하고 투과되는 엑스선을 입사받아 환부의 이미지를 획득하는 촬영 장치이다. 이러한 엑스선 촬영 장치는 지속적으로 또는 연속적으로 환부에 대한 엑스선 영상을 제공하는 장치이며 환부의 진단이나 판독, 다양한 의료 시술을 위해 널리 이용되고 있다.
신체 부위, 예를 들어 흉부의 디지털 엑스선 영상에서 연부조직(soft tissue)과 뼈(bone)를 분리 추출한 이미지를 생성하기 위한 영상처리 기법으로 DES(Dual Energy Subtraction) 기술이 사용되고 있다. DES는 특히 흉부의 진단 정확성을 높이기 위해 많이 사용되고 있다. DES 기술은 연부조직과 뼈의 저에너지와 고에너지 엑스선의 감쇠 차이에 기반하며 각 물질에 대한 저에너지와 고에너지 조건에서의 엑스선의 감쇠 차이의 비율의 계산을 통해 흉부 엑스선 영상의 뼈 또는 연부조직에 해당하는 부분을 소거하여 연부조직 이미지와 뼈 이미지를 각각 생성한다. 통상 엑스선 영상에서 특정 부분을 제거하는 것을 차감(subtraction)이라고 칭한다.
DES에 의해 획득된 연부조직 이미지와 뼈 이미지는 기존의 일반적인 흉부 엑스선 이미지보다 개선된 시인성으로 병변에 대한 정확한 진단을 가능하게 한다. 이러한 DES 처리에 이용되는 듀얼 에너지 엑스선 영상의 2샷 촬영은 수백 밀리세컨드(msec) 간격으로 고에너지 및 저에너지 엑스선을 피사체에 조사하여 수행되며, 이로 인해 2샷을 촬영하는 과정에서 피사체가 움직이면 이미지 사이의 위치가 어긋나면서 차감 이미지에 모션 잡음(motion artifact)이 발생한다. 이로 인해 2샷 촬영을 하는 경우 모션 잡음을 감소시키기 위해 피사체를 고정하여 촬영이 이루어지고 있지만, 심장, 폐혈관 등에는 큰 변화가 발생해 모션 잡음이 나타날 수밖에 없으며 이는 이미지 품질에 부정적 영향을 주어 영상 진단에 방해가 될 수 있다.
<선행기술문헌>
- 대한민국 등록특허공보 제10-1501086호(2015.03.04.)
- 일본 등록특허공보 JP6549561B (2019.07.05.)
- 미국 등록특허공보 US8,315,355B (2012.11.20.)
본 발명이 해결하고자 하는 과제는 영상진단의 정확도를 향상시키기 위해 서브트랙션 영상처리에 의해 생성되는 영상의 모션 잡음을 감소시킬 수 있는 방안을 제공하는 것이다.
또한 본 발명이 해결하고자 하는 다른 과제는 듀얼 에너지 엑스선을 조사하여 얻어지는 스탠다드 영상, 연부조직 영상 그리고 뼈 영상의 영상 품질을 향상시킬 수 있는 방안을 제공하는 것이다.
본 발명의 실시예에 따른 엑스선 촬영 장치는 엑스선을 조사할 수 있도록 구성되는 엑스선 조사 모듈, 상기 엑스선 조사 모듈에서 조사되어 검사대상체를 통과한 엑스선을 검출하여 해당하는 디지털 신호를 출력할 수 있도록 구성되는 엑스선 검출 모듈, 그리고 상기 엑스선 검출 모듈의 출력 신호를 이용하여 엑스선 영상을 생성할 수 있도록 구성되는 이미지 프로세서를 포함한다. 상기 이미지 프로세서는 상대적으로 큰 에너지와 상대적으로 작은 에너지의 엑스선에 의해 각각 얻어진 고에너지 영상과 저에너지 영상을 획득하는 단계, 상기 고에너지 영상을 분해하여 복수의 주파수 대역별 고에너지 주파수 성분 영상을 생성하는 단계, 상기 저에너지 영상을 분해하여 복수의 주파수 대역별 저에너지 주파수 성분 영상을 생성하는 단계, 상기 복수의 주파수 대역별 고에너지 주파수 성분 영상의 적어도 일부와 상기 복수의 주파수 대역별 저에너지 주파수 성분 영상의 적어도 일부를 병합하여 병합된 주파수 성분 영상을 생성하는 단계, 그리고 상기 병합된 주파수 성분 영상을 이용하여 스탠다드 영상을 생성하는 단계를 수행하도록 구성된다.
본 발명의 실시예에 따르면, 상기 복수의 주파수 대역별 고에너지 주파수 성분 영상은 복수의 레벨의 고에너지 라플라시안 피라미드 영상과 복수의 레벨의 고에너지 가우시안 피라미드 영상을 포함할 수 있고, 상기 복수의 주파수 대역별 저에너지 주파수 성분 영상은 복수의 레벨의 저에너지 라플라시안 피라미드 영상과 복수의 레벨의 저에너지 가우시안 피라미드 영상을 포함할 수 있다. 상기 병합된 주파수 성분 영상은 상기 고에너지 라플라시안 피라미드 영상과 상기 저에너지 라플라시안 피라미드 영상이 각 레벨 별로 병합되어 생성될 수 있다.
상기 고에너지 라플라시안 피라미드 영상과 상기 저에너지 라플라시안 피라미드 영상은 각 레벨 별로 복수의 픽셀을 포함하는 패치 단위로 서로 병합될 수 있고, 상기 고에너지 라플라시안 피라미드 영상과 상기 저에너지 라플라시안 피라미드 영상을 상기 레벨 별로 상기 패치 단위로 병합할 때 해당 레벨의 고에너지 가우시안 피라미드 영상과 저에너지 가우시안 피라미드 영상의 해당하는 패치 중 더 큰 콘트라스트 값을 갖는 쪽에 해당하는 패치가 선택되어 병합이 이루어질 수 있다. 상기 고에너지 라플라시안 피라미드 영상과 상기 저에너지 라플라시안 피라미드 영상은 각 레벨 별로 픽셀 단위로 또는 복수의 픽셀을 포함하는 패치 단위로 서로 병합될 수 있고, 상기 고에너지 라플라시안 피라미드 영상과 상기 저에너지 라플라시안 피라미드 영상을 상기 레벨 별로 병합할 때 해당 레벨의 고에너지 가우시안 피라미드 영상과 저에너지 가우시안 피라미드 영상의 해당하는 패치 중 더 큰 콘트라스트를 나타내는 통계값을 갖는 쪽에 해당하는 픽셀 또는 패치가 선택되어 병합이 이루어지거나 해당 레벨의 고에너지 라플라시안 피라미드 영상과 저에너지 라플라시안 피라미드 영상의 해당하는 패치 중 더 콘트라스트를 나타내는 통계값을 갖는 쪽에 해당하는 픽셀 또는 패치가 선택되어 병합이 이루어질 수 있다.
상기 고에너지 가우시안 피라미드 영상과 상기 저에너지 가우시안 피라미드 영상의 해당하는 패치의 통계값의 비교를 기초로 상기 병합이 이루어지는 경우, 상기 콘트라스트를 나타내는 통계값은 상기 해당하는 패치를 구성하는 복수의 픽셀의 밝기값의 표준편차 또는 절대편차의 평균일 수 있다. 한편, 상기 고에너지 라플라시안 피라미드 영상과 상기 저에너지 라플라시안 피라미드 영상의 해당하는 패치의 통계값의 비교를 기초로 상기 병합이 이루어지는 경우, 상기 콘트라스트를 나타내는 통계값은 상기 해당하는 패치를 구성하는 복수의 픽셀의 밝기값의 평균값 또는 메디안일 수 있다.
한편, 본 발명의 다른 실시예에 따르면, 상기 복수의 주파수 대역별 고에너지 주파수 성분 영상은 푸리에 변환 또는 웨이블릿 변환으로 분해된 복수의 주파수 대역별 고에너지 주파수 성분 영상을 포함할 수 있다. 상기 복수의 주파수 대역별 저에너지 주파수 성분 영상은 푸리에 변환 또는 웨이블릿 변환으로 분해된 복수의 주파수 대역별 저에너지 주파수 성분 영상을 포함할 수 있고, 상기 병합된 주파수 성분 영상은 상기 고에너지 주파수 성분 영상과 상기 저에너지 주파수 성분 영상이 각 주파수 대역별로 병합되어 푸리에 역변환 또는 웨이블릿 역변환으로 생성될 수 있다.
상기 고에너지 주파수 성분 영상과 상기 저에너지 주파수 성분 영상은 각 주파수 대역별로 픽셀 단위로 또는 복수의 픽셀을 포함하는 패치 단위로 서로 병합될 수 있고, 상기 고에너지 주파수 성분 영상과 상기 저에너지 주파수 성분 영상을 상기 주파수 대역별로 병합할 때 해당 주파수 대역의 고에너지 주파수 성분 영상과 저에너지 주파수 성분 영상의 대응하는 패치 중 더 큰 콘트라스트를 나타내는 통계값을 갖는 쪽에 해당하는 픽셀 또는 패치가 선택되어 병합이 이루어질 수 있다.
상기 고에너지 주파수 성분 영상과 상기 저에너지 주파수 성분 영상의 대응하는 패치의 통계값의 비교를 기초로 상기 병합이 이루어지는 경우 상기 콘트라스트를 나타내는 통계값은 상기 해당하는 패치를 구성하는 복수의 픽셀값의 절대치의 평균값 또는 메디안일 수 있다.
상기 스탠다드 영상은 상기 병합된 주파수 성분 영상을 구성하는 복수의 주파수 대역별 주파수 성분 영상을 병합하여 생성될 수 있다.
상기 이미지 프로세서는 상기 고에너지 영상과 상기 저에너지 영상 중 하나 이상을 정합하는 단계를 더 수행하도록 구성될 수 있고, 상기 정합은 뼈와 연부조직의 모션의 차이를 반영할 수 있도록 뼈 마스킹 정보와 연부조직 마스킹 정보를 각각 이용하여 수행되는 복수의 영상 정합을 포함할 수 있다.
상기 정합 단계는 상기 고에너지 영상과 상기 저에너지 영상의 차감 연산을 통해 뼈 영상과 연부조직 영상을 각각 생성하는 단계, 상기 생성된 뼈 영상과 상기 생성된 연부조직 영상으로부터 상기 뼈 마스킹 정보를 포함하는 뼈 마스킹 영상과 연부조직 마스킹 영상을 각각 생성하는 단계, 상기 뼈 마스킹 영상을 이용하여 정합 대상인 상기 고에너지 영상과 상기 저에너지 영상 중 하나 이상을 일차적으로 정합하는 단계, 그리고 상기 연부조직 마스킹 영상을 이용하여 상기 일차적으로 정합된 상기 고에너지 영상과 상기 저에너지 영상 중 하나 이상을 추가로 정합하는 단계를 포함할 수 있다.
상기 뼈 마스킹 영상은 상기 뼈 영상에 포함된 뼈의 에지 위치 정보를 포함할 수 있고, 상기 연부조직 마스킹 영상은 상기 연부조직 영상에 포함된 연부조직의 에지 위치 정보를 포함할 수 있다.
상기 뼈 마스킹 영상을 이용하는 일차 정합은 전역적 최적화(global optimization) 기반의 영상 정합 알고리즘을 이용할 수 있다.
상기 영상 정합 알고리즘은 FFD(Free-Form Deformation) 방법으로 뼈의 모션에 중점을 두는 영상 정합 알고리즘일 수 있다.
상기 연부조직 마스킹 영상을 이용하는 추가 정합은 미리 정해진 개수의 복수의 픽셀을 포함하는 패치 단위로 고에너지 영상과 저에너지 영상의 유사도를 측정하여 국소적으로 정합하는 기법에 의해 이루어질 수 있다.
상기 유사도는 상기 고에너지 영상과 상기 저에너지 영상 간의 화소값 또는 정보 엔트로피의 계산을 통해 측정될 수 있다.
*상기 유사도는 NCC(Normalized Cross Correlation) 및 MI(Mutual Information) 중 하나 이상을 이용하여 측정될 수 있다.
본 발명의 다른 실시예에 따른 엑스선 촬영 장치는 엑스선을 조사할 수 있도록 구성되는 엑스선 조사 모듈, 상기 엑스선 조사 모듈에서 조사되어 검사대상체를 통과한 엑스선을 검출하여 해당하는 디지털 신호를 출력할 수 있도록 구성되는 엑스선 검출 모듈, 그리고 상기 엑스선 검출 모듈의 출력 신호를 이용하여 엑스선 영상을 생성할 수 있도록 구성되는 이미지 프로세서를 포함한다. 상기 이미지 프로세서는 상대적으로 큰 에너지와 상대적으로 작은 에너지의 엑스선에 의해 각각 얻어진 고에너지 영상과 저에너지 영상을 획득하는 단계, 상기 고에너지 영상과 상기 저에너지 영상 중 하나 이상을 정합하는 단계, 그리고 상기 정합하는 단계를 거친 상기 고에너지 영상과 상기 저에너지 영상을 이용하는 연산을 통해 스탠다드 영상, 뼈 영상 그리고 연부조직 영상 중 하나 이상을 생성하는 단계를 수행하도록 구성된다. 여기서, 상기 정합은 뼈와 연부조직의 모션의 차이를 반영할 수 있도록 뼈 마스킹 정보와 연부조직 마스킹 정보를 각각 이용하여 수행되는 복수의 영상 정합을 포함한다.
본 발명의 실시예에 따른 엑스선 촬영 방법은 검사대상체를 향해 엑스선을 조사하는 단계, 상기 검사대상체를 통과한 엑스선을 검출하여 해당하는 디지털 신호를 생성하는 단계, 그리고 상기 디지털 신호를 이용하여 엑스선 영상을 생성하는 단계를 포함한다. 여기서, 상기 엑스선 영상을 생성하는 단계는 상대적으로 큰 에너지와 상대적으로 작은 에너지의 엑스선에 의해 각각 얻어진 고에너지 영상과 저에너지 영상을 획득하는 단계, 상기 고에너지 영상을 분해하여 복수의 주파수 대역별 고에너지 주파수 성분 영상을 생성하는 단계, 상기 저에너지 영상을 분해하여 복수의 주파수 대역별 저에너지 주파수 성분 영상을 생성하는 단계, 상기 복수의 주파수 대역별 고에너지 주파수 성분 영상의 적어도 일부와 상기 복수의 주파수 대역별 저에너지 주파수 성분 영상의 적어도 일부를 병합하여 병합된 주파수 성분 영상을 생성하는 단계, 그리고 상기 병합된 주파수 성분 영상을 이용하여 스탠다드 영상을 생성하는 단계를 포함한다.
본 발명의 다른 실시예에 따른 엑스선 촬영 방법은 검사대상체를 향해 엑스선을 조사하는 단계, 상기 검사대상체를 통과한 엑스선을 검출하여 해당하는 디지털 신호를 생성하는 단계, 그리고 상기 디지털 신호를 이용하여 엑스선 영상을 생성하는 단계를 포함한다. 여기서, 상기 엑스선 영상을 생성하는 단계는 상대적으로 큰 에너지와 상대적으로 작은 에너지의 엑스선에 의해 각각 얻어진 고에너지 영상과 저에너지 영상을 획득하는 단계, 상기 고에너지 영상과 상기 저에너지 영상 중 하나 이상을 정합하는 단계, 그리고 상기 정합하는 단계를 거친 상기 고에너지 영상과 상기 저에너지 영상을 이용하는 연산을 통해 스탠다드 영상, 뼈 영상 그리고 연부조직 영상 중 하나 이상을 생성하는 단계를 포함한다. 상기 정합은 뼈와 연부조직의 모션의 차이를 반영할 수 있도록 뼈 마스킹 정보와 연부조직 마스킹 정보를 각각 이용하여 수행되는 복수의 영상 정합을 포함한다.
본 발명에 의하면, 서브트랙션 영상처리에 의해 생성되는 영상의 모션 잡음을 감소시킬 수 있다. 또한 듀얼 에너지 엑스선을 조사하여 얻어지는 스탠다드 영상, 연부조직 영상 그리고 뼈 영상의 영상 품질을 향상시킬 수 있다.
도 1은 본 발명의 실시예에 따른 엑스선 촬영 장치를 개략적으로 나타낸 도면이다.
도 2는 본 발명의 실시예에 따른 엑스선 촬영 장치의 개략적인 블록도이다.
도 3은 본 발명의 실시예에 따른 듀얼 에너지 서브트랙션 영상처리 방법을 개략적으로 나타내는 순서도이다.
도 4는 엑스선의 에너지에 따른 질량감쇠계수의 변화를 나타내는 그래프이다.
도 5는 저에너지 엑스선과 고에너지 엑스선에 의해 각각 획득된 저에너지 영상과 고에너지 영상의 예를 보여준다.
도 6은 인공지능을 이용한 노이즈 저감 기술이 적용되지 않은 뼈 이미지와 인공지능을 이용한 노이즈 저감 기술이 적용된 뼈 이미지를 각각 보여준다.
도 7은 본 발명의 실시예에 따른 영상 정합 과정을 보여주는 순서도이다.
도 8은 본 발명의 실시예에 따른 영상 정합을 위해 생성된 뼈와 연부조직의 위치와 모션 발생 정보를 구분하여 각각 추출한 마스킹 영상의 예를 보여준다.
도 9는 본 발명의 실시예에 따른 영상 정합 과정 중 뼈 마스킹 영상을 이용한 영상 정합을 설명하기 위한 도면이다.
도 10은 본 발명의 실시예에 따른 영상 정합 과정의 적용에 의해 얻어진 영상의 예를 도시한다.
도 11은 본 발명의 실시예에 따른 스탠다드 영상을 생성하기 위한 방법의 개략적인 순서도를 도시한다.
도 12는 본 발명의 실시예에 따른 스탠다드 영상을 생성하기 위한 라플라시안 피라미드 영상과 가우시안 피라미드 영상의 생성, 및 이들의 병합에 병합 라플라시안 피라미드 영상의 생성을 설명하기 위한 도면이다.
도 13은 본 발명의 실시예에 따른 가우시안 피라미드 영상과 라플라시안 피라미드 영상을 생성하는 과정을 설명하기 위한 도면이다.
도 14는 본 발명의 실시예에 따른 고에너지 라플라시안 피라미드 영상과 저에너지 라플라시안 피라미드 영상을 병합하는 과정을 설명하기 위한 도면이다.
도 15는 본 발명의 실시예에 따른 고에너지 라플라시안 피라미드 영상과 저에너지 라플라시안 피라미드 영상을 병합 시 픽셀 또는 패치 단위의 병합 방법을 설명하기 위한 도면이다.
도 16은 본 발명의 실시예에 따른 병합된 주파수 성분 영상을 생성하는 방법을 설명하기 위한 도면이다.
도 17은 본 발명의 실시예에 따른 이산 웨이블릿 변환의 필터링 과정을 보여주는 도면이다.
도 18은 본 발명의 실시예에 따른 이산 웨이블릿 변환에 의해 서브밴드 성분 영상을 생성하는 과정을 설명하기 위한 도면이다.
아래에서 첨부된 도면을 참조하여 본 발명의 실시예에 대해 본 발명이 속하는 기술분야에서 통상의 지식을 가지는 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 설명된 실시예에 한정되지 않는다.
도 1은 본 발명의 실시예에 따른 엑스선 촬영 장치를 예시적으로 도시한다. 도 1을 참조하면, 본 발명의 실시예에 따른 엑스선 촬영 장치(10)는 엑스선을 생성하여 조사하는 엑스선 조사 모듈(11), 그리고 엑스선 조사 모듈(11)에서 조사되어 피검체를 통과한 엑스선을 검출하는 엑스선 검출 모듈(12, 13)을 포함한다. 엑스선 검출 모듈(12, 13)은 베드 타입(bed type)의 촬영 구조를 구현하기 위한 제1 엑스선 검출 모듈(12)과 스탠드 타입(stand type)의 촬영 구조를 구현하기 위한 제2 엑스선 검출 모듈(13)를 포함할 수 있다. 엑스선 조사 모듈(11)은 제1 및 제2 엑스선 검출 모듈(12, 13) 중 어느 하나와 대향할 수 있도록 선형 이동 및 회전 이동이 가능하도록 구성된다.
엑스선 조사 모듈(11)은 엑스선을 생성하는 엑스선 소스(X-ray source)를 포함할 수 있으며, 전원 모듈(15)로부터 전원을 공급받아 엑스선을 생성한다. 연결 프레임(17)은 전원 모듈(15) 상에서 상방향으로 연장되며, 엑스선 조사 모듈(11)의 상하방향 이동을 가이드하기 위한 가이드 홈(19)을 구비할 수 있다. 엑스선 조사 모듈(11)은 가이드 홈(19)을 통해 상하방향으로 이동 가능한 방식으로 연결 프레임(17)에 체결된다. 이때, 연결 블록(21)이 상하방향으로 이동 가능하게 연결 프레임(17)에 체결되고, 엑스선 조사 모듈(11)은 연결 블록(21)과 함께 상하방향으로 이동하도록 연결 블록(21)에 지지된다. 또한, 엑스선 조사 모듈(11)은 수평방향 축을 중심으로 회전 가능하도록 연결 블록(21)에 지지될 수 있다.
전원 모듈(15)은 수평방향으로 연장되는 이동 프레임(23) 상에 수평방향으로 이동 가능하도록 구성될 수 있다. 예를 들어, 이동 프레임(23)은 수평방향으로 연장되는 가이드 레일(25)을 구비할 수 있으며, 전원 모듈(15)은 가이드 레일(25)을 통해 수평방향으로 이동 가능하도록 이동 프레임(23) 상에서 배치된다.
제1 엑스선 검출 모듈(12)은 엑스선 조사 모듈(11)을 상하방향으로 마주하도록 연결 프레임(17)에 설치될 수 있다. 엑스선 조사 모듈(11)과 제1 엑스선 검출 모듈(12)을 이용하여 엑스선 촬영이 이루어질 수 있다. 피검체, 예를 들어 환자가 올려질 수 있도록 구성된 지지 테이블이 배치될 수 있으며, 이때 엑스선 조사 모듈(11)와 제1 엑스선 검출 모듈(12)이 지지 테이블의 위와 아래에 각각 위치하는 상태로 정렬된 후 엑스선 촬영이 이루어질 수 있다.
한편, 제2 엑스선 검출 모듈(13)은 별도의 스탠드(24)에 상하방향으로 이동 가능하게 지지될 수 있다. 엑스선 조사 모듈(11)과 제2 엑스선 검출 모듈(13)을 이용하여 엑스선 촬영이 이루어질 수 있다. 이때, 엑스선 조사 모듈(11)은 연결 블록(21)에 대해 회전하여 제2 엑스선 검출 모듈(13)을 마주하도록 정렬되며, 환자가 제2 엑스선 검출 모듈(13) 앞에 밀착되어 서 있는 상태에서 엑스선 조사 모듈(11)을 통해 엑스선이 조사되고 제2 엑스선 검출 모듈(13)이 환자를 통과한 엑스선을 수신함으로써 엑스선 촬영이 이루어질 수 있다.
제1 및 제2 엑스선 검출 모듈(12, 13)은 엑스선의 검출을 위한 엑스선 디텍터를 각각 포함할 수 있으며, 엑스선 디텍터는 수납식 또는 거치식 구조를 가질 수 있다. 또한 엑스선 디텍터는 카세트형 엑스선 디텍터일 수 있으며 필요 시에 버키(bucky) 등의 수납부에 수납되어 사용될 수 있다. 카세트형 디지털 엑스선 디텍터는 입사되는 엑스선을 영상신호 처리가 가능한 전기신호로 변환할 수 있다. 예를 들어, 엑스선 디텍터는 박막 트랜지스터를 포함하는 픽셀 회로기판 등을 포함할 수 있으며, 매트릭스 형태로 배열된 다수의 스위칭 셀 소자와 광전변환소자를 구비할 수 있다. 여기서, 엑스선 디텍터는 픽셀 회로기판과 함께 광 도전성을 갖는 광 도전체를 포함하는 직접 방식의 디텍터일 수도 있고 픽셀 회로기판과 함께 신틸레이터(scintillator) 등의 발광층을 포함하는 간접 방식의 디텍터일 수도 있다.
도 2는 본 발명의 실시예에 따른 엑스선 촬영 장치의 개략적인 블록도를 도시한다. 엑스선 조사 모듈(11)은 초음파를 투과시킬 수 있는 테이블(28) 상에 누워있는 환자(S)를 향해 엑스선(27)을 조사할 수 있도록 구성된다.
시스템 컨트롤러(31)는 전체 시스템을 제어하며 키보드, 마우스, 터치스크린 입력 장치와 같은 사용자 인터페이스(32)를 통해 입력되는 촬영 명령을 수신하고 그에 따른 과정이 수행되도록 제어한다. 영상 촬영 명령이 입력되면, 시스템 컨트롤러(31)는 전원 모듈(25)의 작동을 제어하는 노출 컨트롤러(33)를 제어하고, 노출 컨트롤러(33)는 그에 따라 전원 모듈(25)을 제어하여 엑스선 노출이 이루어지도록 한다. 또한 이미지 촬영 명령이 입력되면, 시스템 컨트롤러(31)는 엑스선 검출 모듈(12)을 제어하기 위한 디텍터 컨트롤러(34)를 제어하는 신호를 출력한다. 시스템 컨트롤러(31)는 영상 촬영 명령의 입력 시 해당하는 신호를 이미지 프로세서(35)를 출력한다. 이때, 시스템 컨트롤러(31)는 노출 컨트롤러(33), 디텍터 컨트롤러(34), 그리고 이미지 프로세서(35)로부터 필요한 데이터를 송수신할 수 있다. 이미지 프로세서(35)는 디텍터 컨트롤러(34)로부터 필요한 정보를 수신하고 영상 촬영을 위해 필요한 데이터를 노출 컨트롤러(33)로 전달할 수 있다.
엑스선 검출 모듈(12)은 엑스선 조사 모듈(11)에서 조사되어 환자(S)를 통과한 엑스선을 검출하고 검출된 엑스선에 해당하는 디지털 신호를 생성한다. 이미지 프로세서(35)는 엑스선 검출 모듈(12)로부터 수신된 디지털 영상 신호를 이용하여 영상을 생성한다. 이미지 프로세서(35)에 의해 수행되는 영상 처리 및 그에 따라 얻어지는 영상에 대해서는 뒤에서 설명한다.
디스플레이(36)는 이미지 프로세서(35)에 의해 획득된 영상을 표시하며, 액정 표시 장치, OLED 표시 장치 등 영상을 표시할 수 있는 임의의 디스플레이일 수 있다. 이미지 저장 장치(37)는 획득된 영상을 저장할 수 있는 메모리일 수 있으며, 메모리, 데이터베이스, 클라우드 저장 장치 등 임의의 형태의 메모리일 수 있다.
도 3은 본 발명의 실시예에 따른 듀얼 에너지 서브트랙션 영상처리 방법을 개략적으로 나타내는 순서도이고, 상기한 이미지 프로세서(35)는 듀얼 에너지 서브트랙션 영상처리를 수행할 수 있도록 구성될 수 있다. 이미지 프로세서(35)는 이하에서 설명한 영상 처리 과정을 수행할 수 있도록 구성되며 마이크로프로세서, 메모리 및 관련 하드웨어와 소프트웨어를 포함할 수 있다.
도 3을 참조하면, 듀얼 에너지, 즉 고에너지와 저에너지의 엑스선을 각각 이용하여 고에너지 영상(IH)과 저에너지 영상(IL)을 각각 획득한다(101, 102). 예를 들어, 상대적으로 높은 에너지(120 kVp)의 엑스선을 조사하여 고에너지 영상을 획득할 수 있으며, 상대적으로 낮은 에너지(60 kVp)의 엑스선을 조사하여 저에너지 영상을 획득할 수 있다. 고에너지 조건과 저에너지 조건에서 연부조직과 뼈에 대한 엑스선 질량감쇠계수(mass attenuation coefficient)의 차이에 따라 서로 다른 영상이 얻어진다.
도 4는 엑스선의 에너지에 따른 질량감쇠계수의 변화를 나타내는 그래프이며, 도 5는 저에너지 엑스선과 고에너지 엑스선에 의해 각각 획득된 저에너지 영상(a)과 고에너지 영상(b)의 예를 보여준다. 엑스선 조사부(11)의 제어를 통해 고에너지와 엑스선과 저에너지 엑스선을 조사하고 영상 획득부(13)를 통해 영상을 각각 획득함으로써 고에너지 영상과 저에너지 영상을 획득할 수 있다.
다음으로, 획득된 고에너지 영상과 저에너지 영상 중 하나 이상에 대해 노이즈 저감을 수행한다(103, 104). 도 3에는 고에너지 영상과 저에너지 영상 모두에 대해 노이즈 저감이 수행되는 경우가 예시적으로 도시되어 있으나, 고에너지 영상과 저에너지 영상 중 어느 하나에 대해서만 노이즈 저감이 수행될 수도 있다. 예를 들어, 인공지능(AI)을 통한 학습에 의해 노이즈 저감이 이루어질 수 있다. 구체적으로, CycleGAN 아키텍쳐를 이용하는 인공지능 기술로 랜덤 노이즈를 학습하여 영상의 해부학적 손실을 최소화하면서 노이즈를 저감할 수 있다. 인공지능을 이용한 노이즈 저감 기술을 적용함으로써 낮은 선량에서도 고품질의 영상의 획득이 가능하며, 이로 인해 뒤에 수행되는 서브트랙션 팩터 결정 및 영상 정합 알고리즘의 정확도 역시 향상될 수 있다. 도 6은 인공지능을 이용한 노이즈 저감 기술이 적용되지 않은 뼈 이미지(a)와 인공지능을 이용한 노이즈 저감 기술이 적용된 뼈 이미지(b)를 각각 보여준다. 인공지능을 이용한 노이즈 저감 기술의 적용에 의해 최종적으로 얻어지는 서브트랙션 이미지의 영상 품질이 개선됨을 확인할 수 있다.
다음으로, 고에너지 영상 및 저에너지 영상 중 하나 이상에 대한 영상 정합이 수행된다(105, 106). 도 3에는 고에너지 영상과 저에너지 영상 모두에 대해 영상 정합이 수행되는 경우가 예시적으로 도시되어 있으나, 고에너지 영상과 저에너지 영상 중 어느 하나에 대해서만 영상 정합이 수행될 수도 있다. 도 7에는 본 발명의 실시예에 따른 영상 정합 과정의 개략적인 순서도가 도시되어 있다.
영상 정합은 동일한 환자를 시간 또는 시점에 따라 비교하기 위해 촬영 시 불가피하게 발생하는 호흡, 심장 박동 등에 의한 변형을 보정하기 위한 영상처리 방법이다. 서로 다른 에너지의 엑스선을 두 번 조사하여 촬영을 수행하는 경우, 두 번의 촬영 사이에 약 100 내지 200 ms의 시간 간격이 불가피하게 발생하여 심장, 폐혈관 등의 움직임으로 인한 모션 잡음이 발생하여 영상 정합 과정이 어렵게 되고 모션 잡음이 물질 분리 성능과 영상 진단 정확도에 부정적인 영향을 준다. 본 발명의 실시예에는 모션 잡음에 의해 부정적인 영향을 줄이기 위해, 영상이 인위적으로 왜곡되지 않도록 하면서 정밀한 보정 계산을 수행하는 영상 정합(image registration) 알고리즘을 적용함으로써 모션 잡음을 저감한다.
일반적으로 의료 영상 정합은 의료 영상의 특성을 고려하여 영상이 인위적으로 왜곡되지 않도록 비강체(non-rigid) 정합 방법을 사용한다. 모션의 크기와 방향이 인체 조직 별로 차이를 갖는 점을 고려하기 위해 가우시안(Gaussian) 또는 라플라시안(Laplacian) 피라미드 등의 멀티-해상도 영상처리 기법을 사용하는 것이 알려져 있지만, 기존의 패치(patch) 단위로 모션을 예측하여 보정을 수행하는 방법으로는 인체 조직 별로 모션을 정밀하게 계산하는데 한계가 있었다. 이러한 한계를 극복하기 위해, 본 발명의 실시예에서는, 연부조직과 뼈의 모션을 구분하여 각각의 알고리즘을 적용하는 방법으로 영상 정합 알고리즘의 정확도와 연산 속도를 향상시킨다. 환자의 미세한 움직임이나 호흡으로 인해 발생하는 어깨, 척추, 갈비뼈 등의 모션은 주요 관심 대상인 폐 영역과 같이 전역적(global)으로 나타나는 반면, 심장 박동으로 인해 생기는 심장과 그 주변의 폐혈관 등의 모션은 국소적으로 발생하며 뼈의 모션의 방향과는 서로 상반될 수 있기 때문에 본 발명의 실시예는 연부조직과 뼈를 구분하여 처리하는 영상 정합 알고리즘을 적용한다.
먼저, 도 7을 참조하면, 영상 정합 알고리즘을 뼈와 연부조직의 모션에 대해 구분하여 적용하기 위해, 고에너지 영상(IH)과 저에너지 영상(IL)을 차감하여 뼈 영상(IBONE)과 연부조직 영상(ISOFT)을 각각 생성한다(201). 간단한 설명을 통한 이해를 높이기 위해, 엑스선 검출 모듈(12, 13)에 의해 획득된 디지털 신호에 의해 생성된 고에너지 영상 및 저에너지 영상, 노이즈 저감 처리가 이루이진 고에너지 영상 및 저에너지 영상, 그리고 영상 정합이 이루어진 고에너지 영상 및 저에너지 영상에 대해 각각 동일한 기호, 즉 IH 및 IL를 사용한다.
그리고 나서 뼈와 연부조직의 위치 정보를 추출하기 위해, 생성된 뼈 영상(IBONE)과 연부조직 영상(ISOFT)으로부터 뼈 마스킹 영상(IBONE_MASK)과 연부조직 마스킹 영상(ISOFT_MASK)을 각각 생성한다(202). 뼈 마스킹 영상(IBONE_MASK)은 뼈 영상(IBONE)으로부터 도출될 수 있으며 영상에 포함된 뼈의 위치 정보, 구체적으로 에지의 위치 정보를 포함하고, 연부조직 마스킹 영상(ISOFT_MASK)은 연부조직 영상(ISOFT)으로부터 도출될 수 있으며 영상에 포함된 연부조직의 위치 정보, 구체적으로 연부조직의 에지의 위치 정보를 포함할 수 있다.
본 발명의 실시예에 따르면, 영상 정합 알고리즘을 뼈와 연부조직의 모션에 대해 구분하여 적용하기 위해서 각각의 위치 정보를 추출한 마스킹(masking) 영상을 생성한다. 각 조직의 위치 정보의 추출을 위해 고에너지 엑스선과 저에너지 엑스선에 의해 얻어진 영상을 차감하는 원리를 활용하며, 각 조직의 위치 정보는 고 에너지 영상과 저 에너지 영상을 정합되지 않은 상태로 차감(subtraction)하여 임시로 획득한 연부조직 영상과 뼈 영상에서 추출된다. 연부조직 영상과 뼈 영상은 연부조직 또는 뼈의 정보만을 가지고 있으며, 정합되어 있지 않기 때문에 모션 잡음의 발생 정보도 함께 포함하고 있다. 따라서 이들 영상에서 에지 정보를 추출하면 뼈와 연부조직 각각의 위치와 각 조직의 모션 발생 위치에 대한 마스킹 영상을 얻을 수 있다. 도 8은 뼈와 연부조직의 위치와 모션 발생 정보를 구분하여 각각 추출한 마스킹 영상을 나타내고, (a)는 뼈에 대한 마스킹 영상이고 (b)는 연부조직에 대한 마스킹 영상이다.
다시 도 7을 참조하면, 생성된 뼈 마스킹 영상(IBONE_MASK)을 이용하여 고에너지(IH) 및/또는 저에너지 영상(IL)을 1차로 정합하고(203), 그리고 나서 생성된 연부조직 마스킹 영상(ISOFT_MASK)을 이용하여 1차로 정합된 고에너지(IH) 및/또는 저에너지 영상(IL)을 2차로 정합한다(204). 뼈 마스킹 영상(IBONE_MASK)을 이용하는 영상 정합은 전역적(global) 최적화를 위한 영상 정합이고 연부조직 마스킹 영상(ISOFT_MASK)을 이용하는 영상 정합을 국소적(local) 최적화를 위한 영상 정합이다.
먼저 뼈 마스킹 영상(IBONE_MASK)을 이용하는 1차 영상 정합은 영상 전역에 걸쳐 모션 정합이 서로 상충하는 방향으로 정합되는 것을 방지하고 뼈의 모션에 중점을 두어 최적화된 결과를 도출할 수 있도록 전역적 최적화 기법을 채택한다. 즉 1차 영상 정합은 인체의 전역적 움직임을 자연스럽게 정합하기 위해 전역적 최적화(global optimization) 기반의 영상 정합 알고리즘인 FFD(Free-Form Deformation) 방법으로 뼈의 모션에 중점을 두고 이루어질 수 있다.
도 9에 FFD에 의한 영상 변형에 의한 정합의 예가 나타나 있다. 도 9의 (a)에는 변형 전 영상이 나타나 있고 (b)에는 (a)의 영상에서 선택된 제어 격자의 제어점이 나타나 있다. 도 9의 (b)에 나타난 제어점을 (c)와 같이 변형하고, 그에 따라 (a)의 영상이 (d)와 같이 변형될 수 있다. 이러한 FFD 방법은 대표적인 이미지 변형 기법으로 제어 격자의 제어점을 조작하여 물체를 물리 법칙에 위배되지 않도록 자연스럽게 변형될 수 있다.
다음으로, 연부조직 마스킹 영상(ISOFT_MASK)을 이용하는 2차 영상 정합은, 심장과 그 주변의 폐혈관 등의 연부조직의 모션이 상대적으로 국소적으로 발생되는 특징을 고려하여, 뼈를 중심으로 이루어진 1차 정합에 의해 얻어진 영상에 연부조직의 모션을 정합하기 위해 국소적 기법으로 추가로 이루어진다. 특히 폐혈관들의 모션은 뼈의 모션과 다르게 주변 영역과 무관하게 개별적으로 다양한 방향과 크기를 보일 수 있기 때문에 제어점 변화에 따라 주변이 일괄적으로 변형되는 FFD 기법을 적용하면 정확한 결과를 얻기 어렵다. 따라서 본 발명의 실시예에서는, 추가 정합은 필요한 연부조직 영역에 대해 정해진 개수의 픽셀을 포함하는 작은 크기의 패치(patch) 단위로 고 에너지와 저 에너지 영상의 유사도를 계산하여 국소적으로 정합하는 기법에 의해 이루어진다. 예를 들어, 유사도를 측정하는 방법으로 NCC(Normalized Cross Correlation) 또는 MI(Mutual Information) 등의 방법이 사용될 수 있으며, NCC와 MI는 각각 두 영상 간의 화소값 상관관계를 계산하거나 정보 엔트로피를 계산하여 유사도를 측정하는 방법이다.
도 10은 추출된 관심 영역의 영상에 영상 정합 알고리즘을 적용하여 얻어진 영상을 도시한다. 도 10의 (a)는 기존의 방식에 따른 패치 단위로 영상 정합을 적용하여 얻어진 영상을 보여주고, 도 10의 (b)는 본 발명의 실시예에 따라 서로 다른 특성을 갖는 뼈와 연부조직의 모션을 분리하여 각각에 영상 정합 알고리즘을 적용하여 얻어진 영상을 보여준다. 본 발명에서는 뼈와 연부조직의 모션을 구분하여 각각 정합함으로써 조직 별로 발생된 모션이 서로 상충하더라도 각각을 구분하여 정밀하게 정합할 수 있다. 국소적인 정합 기법을 영상 전반에 적용할 경우 자연스럽지 못하고 정합 잡음의 발생 위험의 문제가 있기 때문에, 계산 복잡도가 높은 전역적 최적화 기반의 FFD 기법을 적용하더라도 뼈의 모션에 중점을 두어 계산하는 방법을 통해 효과적으로 연산량을 줄여서 정합할 수 있다. 또한 심장과 그 주변의 폐혈관 등의 연부조직의 모션이 국소적인 양상을 보이는 점에 착안하여 해당 영역만 추출하여 국소적으로 정합하는 방법으로 정합 잡음의 발생 위험을 최소화하여 고속으로 정합할 수 있다.
다음으로, 도 3을 참조하면, 영상 정합이 이루어진 고에너지 영상(IH)과 저에너지 영상(IL)의 연산(107)을 통해 목표 영상, 즉 스탠다드 영상(111), 연부조직 영상(soft tissue image)(112), 뼈 영상(bone image)(113)을 생성한다. 스탠다드 영상(111)은 고에너지 영상(IH)과 저에너지 영상(IL)을 합산하여 산출될 수 있으며, 연부조직 영상(1122)과 뼈 영상(113)은 고에너지 영상(IH)과 저에너지 영상(IL)의 차감(subtraction) 연산에 의해 산출될 수 있다. 기존의 스탠다드 영상은 하나의 에너지 조건의 영상, 예를 들어 고에너지 영상 또는 저에너지 영상이 그대로 사용되거나 고에너지 영상과 저에너지 영상을 단순히 정해진 비율로 블렌딩(blending)하여 사용되는 것이 일반적이었으며, 이러한 기존의 방법에 의해 얻어진 스탠다드 영상은 양호한 콘트라스트를 갖지 못하는 문제가 있었다. 이에 비해, 본 발명에서는, 기존의 스탠다드 영상에 비해 콘트라스트가 효과적으로 향상된 스탠다드 영상이 얻어질 수 있으며, 이러한 의미에서 본 발명에 의한 스탠다드 영상은 향상된 스탠다드 영상(enhanced standard image)이라고 칭할 수 있다.
본 발명의 실시예에 따르면, 고에너지 영상과 저에너지 영상을 각각 분해하여 복수의 주파수 성분 영상, 즉 복수의 주파수 대역별 영상을 각각 생성하고, 생성된 복수의 고에너지 주파수 성분 영상과 복수의 저에너지 주파수 성분을 대응하는 주파수 대역별로 병합하여 병합된 주파수 성분 영상을 생성하고, 주파수 대역별 병합된 주파수 성분 영상을 이용하여 스탠다드 영상을 생성한다. 한 실시예에서는 고에너지 영상과 저에너지 영상을 이용하여 멀티-해상도 피라미드 영상을 생성함으로써 주파수 대역별 고에너지 및 저에너지 주파수 성분 영상을 생성한다. 한편, 다른 실시예에서는 이산 웨이블릿 변환(Discrete Wavelet Transform; DWT)을 통해 주파수 대역별 고에너지 및 저에너지 주파수 성분 영상을 생성하고, 또 다른 실시예에서는 이산 푸리에 변환(Discrete Fourier Transform; DFT)을 통해 주파수 대역별 고에너지 및 저에너지 주파수 성분 영상을 생성한다. 이하에서 이들 실시예들에 대해 차례로 설명한다.
먼저, 도 11 내지 도 16을 참조하여, 멀티-해상도 피라미드 영상의 생성을 통해 복수의 주파수 대역별 고에너지 및 저에너지 주파수 성분 영상을 생성하고 이를 기반으로 스탠다드 영상을 생성하는 방법에 대해 설명한다. 도 11에는 본 발명의 실시예에 따른 스탠다드 영상(111)을 생성하기 위한 방법의 개략적인 순서도가 도시되어 있고, 도 12에는 스탠다드 영상(111)을 생성하기 위한 본 발명의 실시예에 따른 방법의 영상 처리 과정이 개략적으로 도시되어 있다. 본 발명의 실시예에 따르면, 영상 정합이 적용된 고에너지 영상(IH)과 저에너지 영상(IL)을 병합하여 전역적 및 국소적 콘트라스트가 향상된 우수한 품질의 스탠다드 영상(111)이 생성된다.
먼저, 도 11을 참조하면, 다음의 수학식 1과 같이, 고에너지 영상(IH)과 저에너지 영상(IL)을 로그 스케일로 변환한다(302). 이 과정은 고에너지 영상(IH)과 저에너지 영상(IL)의 조직의 세기 사이의 선형적 관계를 생성하기 위해 수행된다.
Figure PCTKR2022009029-appb-img-000001
Figure PCTKR2022009029-appb-img-000002
다음으로, 고에너지 영상(IH)과 저에너지 영상(IL)의 세기 사이의 비교 연산을 위해, 고에너지 영상(IH)과 저에너지 영상(IL)을 정규화한다(303). 예를 들어, 정규화를 위한 방법으로 다음 수학식 2와 같은 이미지 표준화(image standardization)가 선택될 수 있다.
Figure PCTKR2022009029-appb-img-000003
Figure PCTKR2022009029-appb-img-000004
다음으로, 정규화된 저에너지 영상과 고에너지 영상을 이용하여 멀티-해상도 피라미드 영상, 즉 복수의 주파수 대역별 고에너지 및 저에너지 주파수 성분 영상을 생성한다(304). 생성된 서로 다른 해상도의 피라미드 영상은 대역별 주파수 성분을 나타낸다. 각 주파수 대역 별로 영상을 분해하면 고주파수 대역의 노이즈 성분을 제거할 수 있어 알고리즘의 정확도를 높일 수 있다.
정규화된 저에너지 영상과 고에너지 영상을 이용하여 멀티-해상도 영상을 생성할 경우, 생성된 서로 다른 해상도의 피라미드 영상은 주파수 대역별 주파수 성분 영상을 나타낸다. 이와 같이 멀티-해상도 피라미드 영상을 생성하여 각 주파수 대역 별로 영상을 분해하면, 고주파수 대역의 노이즈 성분을 제거할 수 있어 알고리즘의 정확도를 높일 수 있다. 또한 가장 높은 레벨의 가우시안 파리미드 성분, 즉 저주파수 대역의 영상은 전역적인 콘트라스트를 나타내며 높은 주파수 대역으로 갈수록 뼈와 심장의 굵은 엣지 정보부터 폐혈과 등의 세부적인 엣지 정보를 나타낸다.
도 12을 참조하면, 정규화된 고에너지 영상으로부터 고에너지 라플라시안 영상 피라미드(LH)와 고에너지 가우시안 영상 피라미드(GH)가 생성되고, 정규화된 저에너지 영상으로부터 저에너지 라플라시안 영상 피라미드(LL)와 저에너지 가우시안 영상 피라미드(GL)가 생성된다. 피라미드의 레벨이 증가할수록 해당 영상의 해상도가 감소하도록 구성된다. 예를 들어, 피라미드 영상이 4개의 레벨로 이루어지는 경우, 가장 낮은 레벨의 피라미드 영상은 1000*1000의 해상도, 그 다음 레벨의 피라미드 영상은 500*500의 해상도, 그 다음 레벨의 피라미드 영상은 250*250의 해상도, 그리고 가장 높은 레벨의 피라미드 영상은 125*125의 해상도를 가질 수 있다. 이러한 방식으로 멀티-해상도를 갖는 피라미드 구조의 복수의 영상이 구현될 수 있다.
구체적으로, 다음의 수학식 3과 같이 가우시안(Gaussian) 및 라플라시안(Laplacian) 피라미드 영상이 생성될 수 있다.
Figure PCTKR2022009029-appb-img-000005
여기서, GL k, GH k, LL k, LH k는 정규화된 저에너지 영상과 고에너지 영상의 k레벨의 가우시안 및 라플라시안 피라미드 영상이고, D 및 U는 다운-샘플링 및 업-샘플링 연산자이고, *는 컨벌루션(convolution) 연산자이고, g는 가우시안 커널(Gaussian kernel)이다.
Figure PCTKR2022009029-appb-img-000006
Figure PCTKR2022009029-appb-img-000007
Figure PCTKR2022009029-appb-img-000008
다음으로, 다시 도 11을 참조하면, 피라미드의 각 레벨에서 고에너지 라플라시안 피라미드 영상(LH)과 저에너지 라플라시안 피라미드 영상(LL)을 병합한다(305). 이 병합 단계에서 전역적 및 국소적 콘트라스트를 증가시킬 수 있도록 각 레벨에서의 성분이 선택되어 병합이 이루어진다. 도 12를 참조하면, 고에너지 라플라시안 피라미드 영상(LH)과 저에너지 라플라시안 피라미드 영상(LL)이 각 레벨에서 병합되어 복수의 레벨의 영상을 포함하는 병합 라플라시안 피라미드 영상(LR)이 생성된다.
도 14 및 도 15에는 고에너지 라플라시안 피라미드 영상(LH)과 저에너지 라플라시안 피라미드 영상(LL)을 병합하는 영상처리 과정이 개략적으로 도시되어 있다. 도 14를 참조하면, 고에너지 라플라시안 피라미드 영상(LH)의 각 레벨의 성분(LH 1, LH 2, LH 3, LH 4)과 저에너지 라플라시안 피라미드 영상(LL)의 동일 레벨의 성분(LL 1, LL 2, LL 3, LL 4)을 각각 병합하여 병합 라플라시안 피라미드 영상(LR)의 각 성분(LR 1, LR 2, LR 3, LR 4)을 생성한다.
본 발명의 실시예에서는, 각 레벨의 저에너지 라플라시안 피라미드 영상과 고에너지 라플라시안 영상을 병합할 때, 영상의 픽셀 별로 또는 영상의 픽셀의 패치(즉 정해진 복수 개의 픽셀의 조합) 별로 고에너지 라플라시안 피라미드 영상(LH) 및 저에너지 라플라시안 피라미드 영상(LL) 중 어느 하나의 픽셀 또는 패치가 선택되어 병합이 이루어질 수 있다. 이때, 동일 레벨의 저에너지 라플라시안 피라미드 영상(LH) 및 고에너지 라플라시안 피라미드 영상(LL)의 해당 픽셀 또는 패치 중 어느 것을 선택할 것인지의 여부는 동일한 해상도를 갖는 레벨에서의 고에너지 가우시안 피라미드 영상(GH)과 저에너지 가우시안 피라미드 영상(GL)의 대응하는 패치의 콘트라스트를 나타내는 통계값의 비교에 기초하여 이루어질 수 있다. 여기서 가우시안 파라미드 영상의 대응하는 패치의 라플라시안 파라미드 영상의 픽셀을 둘러싸는 복수의 픽셀을 포함하는 패치, 또는 라플라시안 피라미드 영상의 패치와 동일한 패치를 의미할 수 있다. 예를 들어, 저에너지 및 고에너지 라플라시안 피라미드 영상의 대응하는 픽셀 또는 패치 중 어느 것을 선택할 것인지와 관련하여, 동일한 해상도를 갖는 레벨에서의 고에너지 가우시안 피라미드 영상(GH)과 저에너지 가우시안 피라미드 영상(GL)의 대응하는 패치 중 더 큰 콘트라스트를 나타내는 통계값(패치에 속하는 픽셀들의 콘트라스트의 표준편차, 또는 절대편차의 평균)을 가지는 쪽의 라플라시안 피라미드 영상의 패치가 선택된다.
도 15에는 가장 낮은 레벨의 고에너지 가우시안 피라미드 영상(GH 0)과 저에너지 가우시안 피라미드 영상(GL 0)의 비교 결과에 따라 가장 낮은 레벨의 고에너지 라플라시안 피라미드 영상(LH 1)과 저에너지 라플라시안 피라미드 영상(LL 1)을 병합하는 예가 도시되어 있다. 여기서 가우시안 피라미드 영상(GH 0, GL 0)과 라플라시안 피라미드 영상(LH 1, LL 1)은 동일한 레벨의 피라미드 영상, 즉 동일한 해상도를 가지는 영상이다. 먼저, 도 15의 (a)를 참조하면, 고에너지 라플라시안 피라미드 영상(LH 1)과 저에너지 라플라시안 피라미드 영상(LL 1)의 첫 번째 패치 중 어느 것을 선택할 것인지와 관련하여, 고에너지 가우시안 피라미드 영상(GH 0)과 저에너지 가우시안 피라미드 영상(GL 0)의 동일한 패치의 콘트라스트를 나타내는 통계값, 예를 들어 해당 패치에 속하는 픽셀들의 밝기의 표준편차(STDH_11, STDL_11)가 큰 쪽, 즉 고에너지 쪽이 선택되고, 그에 따라 고에너지 라플라시안 피라미드 영상(LH 1)의 해당 패치의 밝기값(IH_11)이 병합 라플라시안 피라미드 영상(LR)의 가장 낮은 레벨의 영상(LR 1)의 해당 패치의 밝기값으로 선택된다. 다음으로 도 15의 (b)에는 병합 라플라시안 피라미드 영상(LR)의 가장 낮은 레벨의 영상(LR 1)의 두 번째 패치의 밝기값을 선택하는 예가 도시되어 있다. (a)에서와 마찬가지로, 고에너지 가우시안 피라미드 영상(GH 0)과 저에너지 가우시안 피라미드 영상(GL 0)의 해당 패치에 속하는 픽셀들의 밝기의 표준편차(STDH_12, STDL_12)가 큰 쪽, 즉 저에너지 쪽이 선택되고, 그에 따라 저에너지 라플라시안 영상(LL 1)의 해당 패치의 밝기값(IL_12)이 병합 라플라시안 피라미드 영상(LR)의 해당하는 패치의 밝기값으로 선택된다.
피라미드의 더 높은 레벨의 픽셀 콘트라스트 값은 전역적 콘트라스트를 나타내고 피라미드의 더 낮은 레벨의 픽셀 콘트라스트 값은 국소적 콘트라스트를 나타낸다. 이러한 방식으로 각 피라미드 레벨에서의 라플라시안 성분들이 결정될 수 있다.
한편, 본 발명의 다른 실시예에서는, 고에너지 라플라시안 피라미드 영상(LH)과 저에너지 라플라시안 피라미드 영상(LL)의 병합이, 고에너지 가우시안 피라미드 영상과 저에너지 가우시안 파라미드 영상의 해당 패치의 콘트라스트를 나타내는 통계값의 비교에 기초하는 것이 아니라, 고에너지 라플라시안 피라미드 영상과 저에너지 라플라시안 피라미드 영상의 해당 패치의 콘트라스트를 나타내는 통계값, 예를 들어 패치를 구성하는 픽셀의 밝기의 평균값 또는 메디안(median)이 큰 쪽을 선택할 수 있다.
다음으로, 도 11을 다시 참조하면, 고에너지 라플라시안 영상과 저에너지 라플라시안 영상의 병합에 의해 얻어진 병합 라플라시안 피라미드의 라플라시안 성분들로부터 병합 영상을 생성한다(306). 이때 가장 높은 단계의 라플라시안 성분부터 순차적으로 병합하여 병합 영상을 생성할 수 있다.
Figure PCTKR2022009029-appb-img-000009
병합 라플라시안 피라미드 영상을 피라미드의 가장 높은 레벨에서부터 낮은 레벨로 순차적으로(도 16에서 맨 아래에서 위 방향으로 순차적으로) 병합이 이루어진다. 높은 레벨의 피라미드 영상은 전역적 영상 성분을 잘 나타내고 낮은 레벨의 피라미드 영상을 국소적 영상 성분을 잘 나타내기 때문에, 피라미드의 가장 높은 레벨에서부터 낮은 레벨로의 순차적 병합은 전역적 영상 성분에 먼저 집중한 후 점차로 국소적 영상 성분에 집중한다는 것을 의미한다.
다음으로, 다시 도 11을 참조하면, 병합 영상의 로그 스케일을 원래의 세기 스케일로 되돌리는 스케일 변환을 수행한다(307). 이에 의해 스탠다드 영상이 생성된다.
이하에서, 도 17 내지 도 19를 참조하여 이산 웨이블릿 변환을 이용하여 스탠다드 영상을 생성하는 방법을 설명한다.
정규화된 저에너지 영상과 고에너지 영상을 이산 웨이블릿 변환(DWT)으로 분해하여 복수의 주파수 대역별 주파수 성분 영상을 생성할 수 있다. 이산 웨이블릿 변환은 영상을 국부화된 기저를 이용하여 인간의 시각적 특성에 맞게 서로 다른 주파수 성분으로 분해하고 각 주파수 대역에 해당하는 해상도와 연관된 각각의 성분들을 조사하여 처리함으로써 변환효율을 향상시키는 방법이다.
이산 웨이블릿 변환은 다음 수학식 4로 표현될 수 있다.
Figure PCTKR2022009029-appb-img-000010
여기서, x(t)는 원 영상 신호이고, ψ는 웨이블릿 함수이고, 2j는 크기를 결정하는 압축 계수, k2j는 시간 축으로의 이동에 관계되는 전이계수로서 스케일에 따라 크기가 변하는 모함수(mother wavelet)를 이용한다.
도 17을 참조하면, 원이산신호는 다해상도 분석의 다운샘플링(down-sampling)을 통해 주파수가 다른 여러 개의 부대역 신호로 분해되고 업샘플링(up-sampling)을 통해 원이산신호로 합성된다. 원 영상 신호를 저역통과필터(LPF, h(n))와 고역통과필터(HPF, g(n))를 사용하여 저역 통과 성분(L)과 고역 통과 성분(H)으로 분해한다. 이때, 사용된 스케일 함수(φ(t))는 아래의 수학식 5와 같을 수 있고 웨이블릿 함수(Ψ(t))는 아래의 수학식 6과 같을 수 있다.
Figure PCTKR2022009029-appb-img-000011
Figure PCTKR2022009029-appb-img-000012
웨이블릿 변환은 각 부대역에서 공간 정보와 주파수 정보를 해석할 수 있기 때문에 잡음에 해당하는 특정 고주파 성분의 저감 또는 특정 에지 정보의 보존 등의 적응적 영상 처리를 가능하게 한다.
도 18을 참조하면, 원본 영상에 이산 웨이블릿 변환을 수행하여 얻어진 변환영상은 네 개의 서브밴드 성분 영상(LL, LH, HL, HH)을 포함할 수 있다. LL 서브밴드 성분 영상은 원본 영상(x)에 수평방향 저역 통과 필터(LPF_y)와 수직방향 저역 통과 필터(LPF_x)를 적용하여 영상에서 고주파 성분에 배제된 계수들로 이루어질 수 있고, HH 서브밴드 성분 영상은 원본 영상(x)에 수평방향 고역 통과 필터(HPF_y)와 수직방향 고역 통과 필터(HPF_x)를 적용한 것으로 LL 서브밴드 성분 영상과 반대로 고주파 성분만 나타낸다. 또한 LH 서브밴드 성분 영상은 원본 영상(x)에 수평방향 고역 통과 필터(HPF_y)를 적용한 것으로 수평방향 주파수의 오차성분을 포함한다. HL 서브밴드 성분 영상은 원본 영상(x)에 수직방향 고주파 필터(HPF_x)를 적용한 것으로 수직방향의 주파수 오차성분을 포함한다. 여기서, 고주파 또는 저주파 통과 필터를 적용한 후 1차 다운 샘플링(first down sampling) 및 2차 다운 샘플링(second down sampling)이 각각 실행될 수 있다.
다음으로, 각 단계에서 각각의 주파수 대역별 저에너지 성분 영상과 고에너지 성분 영상을 병합할 때, 앞에서 설명한 실시예에서와 유사하게 영상의 픽셀 별로 또는 영상의 픽셀의 패치 별로 고에너지 성분과 저에너지 성분 중 어느 하나의 픽셀 또는 패치가 선택되어 병합이 이루어질 수 있다. 이때 고에너지 주파수 성분 영상과 저에너지 주파수 성분 영상의 대응하는 패치의 통계값의 비교를 기초로 병합이 이루어지는 경우 콘트라스트를 나타내는 통계값은 대응하는 패치를 구성하는 복수의 픽셀값의 절대치의 평균값 또는 메디안일 수 있다.
본 발명의 다른 실시예에 따르면, 이산 푸리에 변환(DFT)을 적용하여 주파수 대역별 고주파 주파수 성분 영상과 저주파 주파수 성분 영상을 생성할 수 있다. 이산 푸리에 변환은 다음의 수학식 7로 표현될 수 있다.
Figure PCTKR2022009029-appb-img-000013
여기서, x는 원 영상 신호이고, k는 0, 1, 2, … N-1이다.
그리고 역변환은 다음의 수학식 8로 표현될 수 있다.
Figure PCTKR2022009029-appb-img-000014
여기서, x는 원 영상 신호이고, n은 0, 1, 2, … N-1이다.
다시 도 3을 참조하면, 영상 정합이 이루어진 고에너지 영상(IH)과 저에너지 영상(IL)의 연산(107)을 통해 연부조직 영상(soft tissue image)(112)과 뼈 영상(bone image)(113)을 생성한다. 연부조직 영상(112)과 뼈 영상(113)은 고에너지 영상에서 저에너지 영상을 차감 팩터를 적용하는 차감 연산을 통해 얻어질 수 있다. 이와 같은 고에너지 영상과 저에너지 영상의 차감을 통해 연부조직 연상과 뼈 영상을 획득하는 것은 기존에 알려진 방법에 의해 수행될 수 있다.
위에서 본 발명의 실시예에 대해 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속한다.
본 발명은 엑스선 촬영 장치 및 방법에 관한 것으로 엑스선 영상 장비에 적용될 수 있어 산업상 이용가능성이 있다.

Claims (35)

  1. 엑스선을 조사할 수 있도록 구성되는 엑스선 조사 모듈,
    상기 엑스선 조사 모듈에서 조사되어 검사대상체를 통과한 엑스선을 검출하여 해당하는 디지털 신호를 출력할 수 있도록 구성되는 엑스선 검출 모듈, 그리고
    상기 엑스선 검출 모듈의 출력 신호를 이용하여 엑스선 영상을 생성할 수 있도록 구성되는 이미지 프로세서
    를 포함하고,
    상기 이미지 프로세서는
    상대적으로 큰 에너지와 상대적으로 작은 에너지의 엑스선에 의해 각각 얻어진 고에너지 영상과 저에너지 영상을 획득하는 단계,
    상기 고에너지 영상을 분해하여 복수의 주파수 대역별 고에너지 주파수 성분 영상을 생성하는 단계,
    상기 저에너지 영상을 분해하여 복수의 주파수 대역별 저에너지 주파수 성분 영상을 생성하는 단계,
    상기 복수의 주파수 대역별 고에너지 주파수 성분 영상의 적어도 일부와 상기 복수의 주파수 대역별 저에너지 주파수 성분 영상의 적어도 일부를 병합하여 병합된 주파수 성분 영상을 생성하는 단계, 그리고 상기 병합된 주파수 성분 영상을 이용하여 스탠다드 영상을 생성하는 단계
    를 수행하도록 구성되는 엑스선 촬영 장치.
  2. 제1항에 있어서,
    상기 복수의 주파수 대역별 고에너지 주파수 성분 영상은 복수의 레벨의 고에너지 라플라시안 피라미드 영상과 복수의 레벨의 고에너지 가우시안 피라미드 영상을 포함하고,
    상기 복수의 주파수 대역별 저에너지 주파수 성분 영상은 복수의 레벨의 저에너지 라플라시안 피라미드 영상과 복수의 레벨의 저에너지 가우시안 피라미드 영상을 포함하고,
    상기 병합된 주파수 성분 영상은 상기 고에너지 라플라시안 피라미드 영상과 상기 저에너지 라플라시안 피라미드 영상이 각 레벨 별로 병합되어 생성되는 엑스선 촬영 장치.
  3. 제2항에 있어서,
    상기 고에너지 라플라시안 피라미드 영상과 상기 저에너지 라플라시안 피라미드 영상은 각 레벨 별로 픽셀 단위로 또는 복수의 픽셀을 포함하는 패치 단위로 서로 병합되고,
    상기 고에너지 라플라시안 피라미드 영상과 상기 저에너지 라플라시안 피라미드 영상을 상기 레벨 별로 병합할 때 해당 레벨의 고에너지 가우시안 피라미드 영상과 저에너지 가우시안 피라미드 영상의 해당하는 패치 중 더 큰 콘트라스트를 나타내는 통계값을 갖는 쪽에 해당하는 픽셀 또는 패치가 선택되어 병합이 이루어지거나 해당 레벨의 고에너지 라플라시안 피라미드 영상과 저에너지 라플라시안 피라미드 영상의 해당하는 패치 중 더 콘트라스트를 나타내는 통계값을 갖는 쪽에 해당하는 픽셀 또는 패치가 선택되어 병합이 이루어지는 엑스선 촬영 장치.
  4. 제3항에 있어서,
    상기 고에너지 가우시안 피라미드 영상과 상기 저에너지 가우시안 피라미드 영상의 해당하는 패치의 통계값의 비교를 기초로 상기 병합이 이루어지는 경우 상기 콘트라스트를 나타내는 통계값은 상기 해당하는 패치를 구성하는 복수의 픽셀의 밝기값의 표준편차 또는 절대편차의 평균이고,
    상기 고에너지 라플라시안 피라미드 영상과 상기 저에너지 라플라시안 피라미드 영상의 해당하는 패치의 통계값의 비교를 기초로 상기 병합이 이루어지는 경우 상기 콘트라스트를 나타내는 통계값은 상기 해당하는 패치를 구성하는 복수의 픽셀의 밝기값의 평균값 또는 메디안인 엑스선 촬영 장치.
  5. 제1항에 있어서,
    상기 복수의 주파수 대역별 고에너지 주파수 성분 영상은 푸리에 변환 또는 웨이블릿 변환으로 분해된 복수의 주파수 대역별 고에너지 주파수 성분 영상을 포함하고,
    상기 복수의 주파수 대역별 저에너지 주파수 성분 영상은 푸리에 변환 또는 웨이블릿 변환으로 분해된 복수의 주파수 대역별 저에너지 주파수 성분 영상을 포함하고,
    상기 병합된 주파수 성분 영상은 상기 고에너지 주파수 성분 영상과 상기 저에너지 주파수 성분 영상이 각 주파수 대역별로 병합되어 푸리에 역변환 또는 웨이블릿 역변환으로 생성되는 엑스선 촬영 장치.
  6. 제5항에 있어서,
    상기 고에너지 주파수 성분 영상과 상기 저에너지 주파수 성분 영상은 각 주파수 대역별로 픽셀 단위로 또는 복수의 픽셀을 포함하는 패치 단위로 서로 병합되고,
    상기 고에너지 주파수 성분 영상과 상기 저에너지 주파수 성분 영상을 상기 주파수 대역별로 병합할 때 해당 주파수 대역의 고에너지 주파수 성분 영상과 저에너지 주파수 성분 영상의 대응하는 패치 중 더 큰 콘트라스트를 나타내는 통계값을 갖는 쪽에 해당하는 픽셀 또는 패치가 선택되어 병합이 이루어지는 엑스선 촬영 장치.
  7. 제6항에 있어서,
    상기 고에너지 주파수 성분 영상과 상기 저에너지 주파수 성분 영상의 대응하는 패치의 통계값의 비교를 기초로 상기 병합이 이루어지는 경우 상기 콘트라스트를 나타내는 통계값은 상기 해당하는 패치를 구성하는 복수의 픽셀값의 절대치의 평균값 또는 메디안인 엑스선 촬영 장치.
  8. 제1항에 있어서,
    상기 스탠다드 영상은 상기 병합된 주파수 성분 영상을 구성하는 복수의 주파수 대역별 주파수 성분 영상을 병합하여 생성되는 엑스선 촬영 장치.
  9. 제1항에 있어서,
    상기 이미지 프로세서는 상기 고에너지 영상과 상기 저에너지 영상 중 하나 이상을 정합하는 단계를 더 수행하도록 구성되고,
    상기 정합은 뼈와 연부조직의 모션의 차이를 반영할 수 있도록 뼈 마스킹 정보와 연부조직 마스킹 정보를 각각 이용하여 수행되는 복수의 영상 정합을 포함하는 엑스선 촬영 장치.
  10. 제9항에 있어서,
    상기 정합 단계는
    상기 고에너지 영상과 상기 저에너지 영상의 차감 연산을 통해 뼈 영상과 연부조직 영상을 각각 생성하는 단계,
    상기 생성된 뼈 영상과 상기 생성된 연부조직 영상으로부터 상기 뼈 마스킹 정보를 포함하는 뼈 마스킹 영상과 연부조직 마스킹 영상을 각각 생성하는 단계,
    상기 뼈 마스킹 영상을 이용하여 정합 대상인 상기 고에너지 영상과 상기 저에너지 영상 중 하나 이상을 일차적으로 정합하는 단계, 그리고
    상기 연부조직 마스킹 영상을 이용하여 상기 일차적으로 정합된 상기 고에너지 영상과 상기 저에너지 영상 중 하나 이상을 추가로 정합하는 단계
    를 포함하는 엑스선 촬영 장치.
  11. 제10항에 있어서,
    상기 뼈 마스킹 영상은 상기 뼈 영상에 포함된 뼈의 에지 위치 정보를 포함하고,
    상기 연부조직 마스킹 영상은 상기 연부조직 영상에 포함된 연부조직의 에지 위치 정보를 포함하는 엑스선 촬영 장치.
  12. 제10항에 있어서,
    상기 뼈 마스킹 영상을 이용하는 일차 정합은 전역적 최적화(global optimization) 기반의 영상 정합 알고리즘을 이용하는 엑스선 촬영 장치.
  13. 제12항에 있어서,
    상기 영상 정합 알고리즘은 FFD(Free-Form Deformation) 방법으로 뼈의 모션에 중점을 두는 영상 정합 알고리즘인 엑스선 촬영 장치.
  14. 제10항에 있어서,
    상기 연부조직 마스킹 영상을 이용하는 추가 정합은 미리 정해진 개수의 복수의 픽셀을 포함하는 패치 단위로 고에너지 영상과 저에너지 영상의 유사도를 측정하여 국소적으로 정합하는 기법에 의해 이루어지는 엑스선 촬영 장치.
  15. 제14항에 있어서,
    상기 유사도는 상기 고에너지 영상과 상기 저에너지 영상 간의 화소값 또는 정보 엔트로피의 계산을 통해 측정되는 엑스선 촬영 장치.
  16. 제15항에 있어서,
    상기 유사도는 NCC(Normalized Cross Correlation) 및 MI(Mutual Information) 중 하나 이상을 이용하여 측정되는 엑스선 촬영 장치.
  17. 엑스선을 조사할 수 있도록 구성되는 엑스선 조사 모듈,
    상기 엑스선 조사 모듈에서 조사되어 검사대상체를 통과한 엑스선을 검출하여 해당하는 디지털 신호를 출력할 수 있도록 구성되는 엑스선 검출 모듈, 그리고
    상기 엑스선 검출 모듈의 출력 신호를 이용하여 엑스선 영상을 생성할 수 있도록 구성되는 이미지 프로세서
    를 포함하고,
    상기 이미지 프로세서는
    상대적으로 큰 에너지와 상대적으로 작은 에너지의 엑스선에 의해 각각 얻어진 고에너지 영상과 저에너지 영상을 획득하는 단계,
    상기 고에너지 영상과 상기 저에너지 영상 중 하나 이상을 정합하는 단계, 그리고
    상기 정합하는 단계를 거친 상기 고에너지 영상과 상기 저에너지 영상을 이용하는 연산을 통해 스탠다드 영상, 뼈 영상 그리고 연부조직 영상 중 하나 이상을 생성하는 단계
    를 수행하도록 구성되고,
    상기 정합은 뼈와 연부조직의 모션의 차이를 반영할 수 있도록 뼈 마스킹 정보와 연부조직 마스킹 정보를 각각 이용하여 수행되는 복수의 영상 정합을 포함하는 엑스선 촬영 장치.
  18. 제17항에 있어서,
    상기 정합 단계는
    상기 고에너지 영상과 상기 저에너지 영상의 차감 연산을 통해 뼈 영상과 연부조직 영상을 각각 생성하는 단계,
    상기 생성된 뼈 영상과 상기 생성된 연부조직 영상으로부터 상기 뼈 마스킹 정보를 포함하는 뼈 마스킹 영상과 연부조직 마스킹 영상을 각각 생성하는 단계,
    상기 뼈 마스킹 영상을 이용하여 정합 대상인 상기 고에너지 영상과 상기 저에너지 영상 중 하나 이상을 일차적으로 정합하는 단계, 그리고
    상기 연부조직 마스킹 영상을 이용하여 상기 일차적으로 정합된 상기 고에너지 영상과 상기 저에너지 영상 중 하나 이상을 추가로 정합하는 단계
    를 포함하는 엑스선 촬영 장치.
  19. 제18항에 있어서,
    상기 뼈 마스킹 영상은 상기 뼈 영상에 포함된 뼈의 에지 위치 정보를 포함하고,
    상기 연부조직 마스킹 영상은 상기 연부조직 영상에 포함된 연부조직의 에지 위치 정보를 포함하는 엑스선 촬영 장치.
  20. 검사대상체를 향해 엑스선을 조사하는 단계,
    상기 검사대상체를 통과한 엑스선을 검출하여 해당하는 디지털 신호를 생성하는 단계, 그리고
    상기 디지털 신호를 이용하여 엑스선 영상을 생성하는 단계
    를 포함하고,
    상기 엑스선 영상을 생성하는 단계는
    상대적으로 큰 에너지와 상대적으로 작은 에너지의 엑스선에 의해 각각 얻어진 고에너지 영상과 저에너지 영상을 획득하는 단계,
    상기 고에너지 영상을 분해하여 복수의 주파수 대역별 고에너지 주파수 성분 영상을 생성하는 단계,
    상기 저에너지 영상을 분해하여 복수의 주파수 대역별 저에너지 주파수 성분 영상을 생성하는 단계,
    상기 복수의 주파수 대역별 고에너지 주파수 성분 영상의 적어도 일부와 상기 복수의 주파수 대역별 저에너지 주파수 성분 영상의 적어도 일부를 병합하여 병합된 주파수 성분 영상을 생성하는 단계, 그리고
    상기 병합된 주파수 성분 영상을 이용하여 스탠다드 영상을 생성하는 단계
    를 포함하는 엑스선 촬영 방법.
  21. 제20항에 있어서,
    상기 복수의 주파수 대역별 고에너지 주파수 성분 영상은 복수의 레벨의 고에너지 라플라시안 피라미드 영상과 복수의 레벨의 고에너지 가우시안 피라미드 영상을 포함하고,
    상기 복수의 주파수 대역별 저에너지 주파수 성분 영상은 복수의 레벨의 저에너지 라플라시안 피라미드 영상과 복수의 레벨의 저에너지 가우시안 피라미드 영상을 포함하고,
    상기 병합된 주파수 성분 영상은 상기 고에너지 라플라시안 피라미드 영상과 상기 저에너지 라플라시안 피라미드 영상이 각 레벨 별로 병합되어 생성되는 엑스선 촬영 방법.
  22. 제21항에 있어서,
    상기 고에너지 라플라시안 피라미드 영상과 상기 저에너지 라플라시안 피라미드 영상은 각 레벨 별로 픽셀 단위로 또는 복수의 픽셀을 포함하는 패치 단위로 서로 병합되고,
    상기 고에너지 라플라시안 피라미드 영상과 상기 저에너지 라플라시안 피라미드 영상을 상기 레벨 별로 병합할 때 해당 레벨의 고에너지 가우시안 피라미드 영상과 저에너지 가우시안 피라미드 영상의 해당하는 패치 중 더 큰 콘트라스트를 나타내는 통계값을 갖는 쪽에 해당하는 픽셀 또는 패치가 선택되어 병합이 이루어지거나 해당 레벨의 고에너지 라플라시안 피라미드 영상과 저에너지 라플라시안 피라미드 영상의 해당하는 패치 중 더 콘트라스트를 나타내는 통계값을 갖는 쪽에 해당하는 픽셀 또는 패치가 선택되어 병합이 이루어지는 엑스선 촬영 방법.
  23. 제22항에 있어서,
    상기 고에너지 가우시안 피라미드 영상과 상기 저에너지 가우시안 피라미드 영상의 해당하는 패치의 통계값의 비교를 기초로 상기 병합이 이루어지는 경우 상기 콘트라스트를 나타내는 통계값은 상기 해당하는 패치를 구성하는 복수의 픽셀의 밝기값의 표준편차 또는 절대편차의 평균이고,
    상기 고에너지 라플라시안 피라미드 영상과 상기 저에너지 라플라시안 피라미드 영상의 해당하는 패치의 통계값의 비교를 기초로 상기 병합이 이루어지는 경우 상기 콘트라스트를 나타내는 통계값은 상기 해당하는 패치를 구성하는 복수의 픽셀의 밝기값의 평균값 또는 메디안인 엑스선 촬영 방법.
  24. 제20항에 있어서,
    상기 복수의 주파수 대역별 고에너지 주파수 성분 영상은 푸리에 변환 또는 웨이블릿 변환으로 분해된 복수의 주파수 대역별 고에너지 주파수 성분 영상을 포함하고,
    상기 복수의 주파수 대역별 저에너지 주파수 성분 영상은 푸리에 변환 또는 웨이블릿 변환으로 분해된 복수의 주파수 대역별 저에너지 주파수 성분 영상을 포함하고,
    상기 병합된 주파수 성분 영상은 상기 고에너지 주파수 성분 영상과 상기 저에너지 주파수 성분 영상이 각 주파수 대역별로 병합되어 푸리에 역변환 또는 웨이블릿 역변환으로 생성되는 엑스선 촬영 방법.
  25. 제24항에 있어서,
    상기 고에너지 주파수 성분 영상과 상기 저에너지 주파수 성분 영상은 각 주파수 대역별로 픽셀 단위로 또는 복수의 픽셀을 포함하는 패치 단위로 서로 병합되고,
    상기 고에너지 주파수 성분 영상과 상기 저에너지 주파수 성분 영상을 상기 주파수 대역별로 병합할 때 해당 주파수 대역의 고에너지 주파수 성분 영상과 저에너지 주파수 성분 영상의 대응하는 패치 중 더 큰 콘트라스트를 나타내는 통계값을 갖는 쪽에 해당하는 픽셀 또는 패치가 선택되어 병합이 이루어지는 엑스선 촬영 방법.
  26. 제25항에 있어서,
    상기 고에너지 주파수 성분 영상과 상기 저에너지 주파수 성분 영상의 대응하는 패치의 통계값의 비교를 기초로 상기 병합이 이루어지는 경우 상기 콘트라스트를 나타내는 통계값은 상기 해당하는 패치를 구성하는 복수의 픽셀값의 절대치의 평균값 또는 메디안인 엑스선 촬영 방법.
  27. 제20항에 있어서,
    상기 스탠다드 영상은 상기 병합된 주파수 성분 영상을 구성하는 복수의 주파수 대역별 주파수 성분 영상을 병합하여 생성되는 엑스선 촬영 방법.
  28. 제20항에 있어서,
    상기 엑스선 영상을 생성하는 단계는 상기 고에너지 영상과 상기 저에너지 영상 중 하나 이상을 정합하는 단계를 더 포함하고,
    상기 정합은 뼈와 연부조직의 모션의 차이를 반영할 수 있도록 뼈 마스킹 정보와 연부조직 마스킹 정보를 각각 이용하여 수행되는 복수의 영상 정합을 포함하는 엑스선 촬영 방법.
  29. 제28항에 있어서,
    상기 정합 단계는
    상기 고에너지 영상과 상기 저에너지 영상의 차감 연산을 통해 뼈 영상과 연부조직 영상을 각각 생성하는 단계,
    상기 생성된 뼈 영상과 상기 생성된 연부조직 영상으로부터 상기 뼈 마스킹 정보를 포함하는 뼈 마스킹 영상과 연부조직 마스킹 영상을 각각 생성하는 단계,
    상기 뼈 마스킹 영상을 이용하여 정합 대상인 상기 고에너지 영상과 상기 저에너지 영상 중 하나 이상을 일차적으로 정합하는 단계, 그리고
    상기 연부조직 마스킹 영상을 이용하여 상기 일차적으로 정합된 상기 고에너지 영상과 상기 저에너지 영상 중 하나 이상을 추가로 정합하는 단계
    를 포함하는 엑스선 촬영 방법.
  30. 제29항에 있어서,
    상기 뼈 마스킹 영상은 상기 뼈 영상에 포함된 뼈의 에지 위치 정보를 포함하고,
    상기 연부조직 마스킹 영상은 상기 연부조직 영상에 포함된 연부조직의 에지 위치 정보를 포함하는 엑스선 촬영 방법.
  31. 제29항에 있어서,
    상기 뼈 마스킹 영상을 이용하는 일차 정합은 전역적 최적화(global optimization) 기반의 영상 정합 알고리즘을 이용하는 엑스선 촬영 방법.
  32. 제29항에 있어서,
    상기 연부조직 마스킹 영상을 이용하는 추가 정합은 미리 정해진 개수의 복수의 픽셀을 포함하는 패치 단위로 고에너지 영상과 저에너지 영상의 유사도를 측정하여 국소적으로 정합하는 기법에 의해 이루어지는 엑스선 촬영 방법.
  33. 검사대상체를 향해 엑스선을 조사하는 단계,
    상기 검사대상체를 통과한 엑스선을 검출하여 해당하는 디지털 신호를 생성하는 단계, 그리고
    상기 디지털 신호를 이용하여 엑스선 영상을 생성하는 단계
    를 포함하고,
    상기 엑스선 영상을 생성하는 단계는
    상대적으로 큰 에너지와 상대적으로 작은 에너지의 엑스선에 의해 각각 얻어진 고에너지 영상과 저에너지 영상을 획득하는 단계,
    상기 고에너지 영상과 상기 저에너지 영상 중 하나 이상을 정합하는 단계, 그리고
    상기 정합하는 단계를 거친 상기 고에너지 영상과 상기 저에너지 영상을 이용하는 연산을 통해 스탠다드 영상, 뼈 영상 그리고 연부조직 영상 중 하나 이상을 생성하는 단계
    를 포함하고,
    상기 정합은 뼈와 연부조직의 모션의 차이를 반영할 수 있도록 뼈 마스킹 정보와 연부조직 마스킹 정보를 각각 이용하여 수행되는 복수의 영상 정합을 포함하는 엑스선 촬영 방법.
  34. 제33항에 있어서,
    상기 정합 단계는
    상기 고에너지 영상과 상기 저에너지 영상의 차감 연산을 통해 뼈 영상과 연부조직 영상을 각각 생성하는 단계,
    상기 생성된 뼈 영상과 상기 생성된 연부조직 영상으로부터 상기 뼈 마스킹 정보를 포함하는 뼈 마스킹 영상과 연부조직 마스킹 영상을 각각 생성하는 단계,
    상기 뼈 마스킹 영상을 이용하여 정합 대상인 상기 고에너지 영상과 상기 저에너지 영상 중 하나 이상을 일차적으로 정합하는 단계, 그리고
    상기 연부조직 마스킹 영상을 이용하여 상기 일차적으로 정합된 상기 고에너지 영상과 상기 저에너지 영상 중 하나 이상을 추가로 정합하는 단계
    를 포함하는 엑스선 촬영 방법.
  35. 제34항에 있어서,
    상기 뼈 마스킹 영상은 상기 뼈 영상에 포함된 뼈의 에지 위치 정보를 포함하고,
    상기 연부조직 마스킹 영상은 상기 연부조직 영상에 포함된 연부조직의 에지 위치 정보를 포함하는 엑스선 촬영 방법.
PCT/KR2022/009029 2022-04-11 2022-06-24 엑스선 촬영 장치 및 이를 이용하는 엑스선 촬영 방법 Ceased WO2023200043A1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2024540674A JP7804772B2 (ja) 2022-04-11 2022-06-24 Ｘ線撮影装置およびこれを利用するｘ線撮影方法
CN202280089828.1A CN118591346A (zh) 2022-04-11 2022-06-24 X射线成像设备及使用该设备的x射线成像方法
EP22937556.3A EP4445845A4 (en) 2022-04-11 2022-06-24 X-RAY IMAGING DEVICE AND X-RAY IMAGING METHOD USING IT

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2022-0044502 2022-04-11
KR1020220044502A KR102760999B1 (ko) 2022-04-11 2022-04-11 엑스선 촬영 장치 및 이를 이용하는 엑스선 촬영 방법

Publications (1)

Publication Number Publication Date
WO2023200043A1 true WO2023200043A1 (ko) 2023-10-19

Family

ID=88239583

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/009029 Ceased WO2023200043A1 (ko) 2022-04-11 2022-06-24 엑스선 촬영 장치 및 이를 이용하는 엑스선 촬영 방법

Country Status (6)

Country Link
US (1) US12272029B2 (ko)
EP (1) EP4445845A4 (ko)
JP (1) JP7804772B2 (ko)
KR (1) KR102760999B1 (ko)
CN (1) CN118591346A (ko)
WO (1) WO2023200043A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW202435234A (zh) * 2023-02-20 2024-09-01 睿生光電股份有限公司 影像分析方法以及影像分析系統

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100046822A1 (en) * 2006-11-14 2010-02-25 Li Yunxiang Virtual, grid imaging method and system for eliminating scattered radiation effect
KR20110111955A (ko) * 2010-04-06 2011-10-12 삼성전자주식회사 멀티-에너지 Ｘ－ｒａｙ 시스템의 영상 처리 장치 및 그 방법
US8315355B2 (en) 2009-10-28 2012-11-20 Siemens Aktiengesellschaft Method for operating C-arm systems during repeated angiographic medical procedures
KR20130142654A (ko) * 2012-06-20 2013-12-30 삼성전자주식회사 엑스선 영상 장치 및 엑스선 영상 시스템
KR101501086B1 (ko) 2013-03-20 2015-03-10 (주)제노레이 Ｘ선 투시촬영장치의 구동방법
JP2016537099A (ja) * 2013-11-20 2016-12-01 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． デュアルエネルギスペクトルマンモグラフィー画像処理
JP6549561B2 (ja) 2013-05-13 2019-07-24 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． Ｘ線ビーム成形
JP6681864B2 (ja) * 2012-09-05 2020-04-15 三星電子株式会社Ｓａｍｓｕｎｇ Ｅｌｅｃｔｒｏｎｉｃｓ Ｃｏ．，Ｌｔｄ． エックス線画像装置

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3569566B2 (ja) * 1995-06-12 2004-09-22 コニカミノルタホールディングス株式会社 画像処理装置
JPH0944659A (ja) * 1995-07-27 1997-02-14 Fuji Photo Film Co Ltd エネルギーサブトラクション処理方法および装置
JP2000342558A (ja) * 1999-06-04 2000-12-12 Konica Corp 画像の位置合わせ処理装置及び画像間演算処理装置
JP2002324238A (ja) * 2001-04-26 2002-11-08 Fuji Photo Film Co Ltd 画像の位置合わせ方法および装置
AU2003223072A1 (en) * 2002-04-03 2003-10-13 Segami S.A.R.L. Image registration process
KR20130064483A (ko) * 2011-12-08 2013-06-18 삼성전자주식회사 의료 영상 처리 방법 및 장치
US20140243579A1 (en) * 2013-02-27 2014-08-28 Loyola University Chicago Dual-energy image suppression method
JP2017536870A (ja) * 2014-10-20 2017-12-14 ボディ・ビジョン・メディカル・リミテッドＢｏｄｙ Ｖｉｓｉｏｎ Ｍｅｄｉｃａｌ Ｌｔｄ． 外科的デバイスおよび外科的デバイスの使用方法
KR20160139163A (ko) * 2015-05-27 2016-12-07 삼성전자주식회사 엑스선 장치 및 그 제어방법
EP3806747B1 (en) * 2018-06-15 2024-07-03 Dalhousie University Methods and apparatus for dual energy x-ray imaging
JP7433971B2 (ja) * 2020-02-19 2024-02-20 キヤノン株式会社 画像処理装置、画像処理装置の作動方法及びプログラム

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100046822A1 (en) * 2006-11-14 2010-02-25 Li Yunxiang Virtual, grid imaging method and system for eliminating scattered radiation effect
US8315355B2 (en) 2009-10-28 2012-11-20 Siemens Aktiengesellschaft Method for operating C-arm systems during repeated angiographic medical procedures
KR20110111955A (ko) * 2010-04-06 2011-10-12 삼성전자주식회사 멀티-에너지 Ｘ－ｒａｙ 시스템의 영상 처리 장치 및 그 방법
KR20130142654A (ko) * 2012-06-20 2013-12-30 삼성전자주식회사 엑스선 영상 장치 및 엑스선 영상 시스템
JP6681864B2 (ja) * 2012-09-05 2020-04-15 三星電子株式会社Ｓａｍｓｕｎｇ Ｅｌｅｃｔｒｏｎｉｃｓ Ｃｏ．，Ｌｔｄ． エックス線画像装置
KR101501086B1 (ko) 2013-03-20 2015-03-10 (주)제노레이 Ｘ선 투시촬영장치의 구동방법
JP6549561B2 (ja) 2013-05-13 2019-07-24 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． Ｘ線ビーム成形
JP2016537099A (ja) * 2013-11-20 2016-12-01 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． デュアルエネルギスペクトルマンモグラフィー画像処理

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP4445845A4

Also Published As

Publication number Publication date
JP2025500595A (ja) 2025-01-09
KR102760999B1 (ko) 2025-02-03
US20230325993A1 (en) 2023-10-12
EP4445845A4 (en) 2025-12-10
JP7804772B2 (ja) 2026-01-22
KR20230145748A (ko) 2023-10-18
US12272029B2 (en) 2025-04-08
CN118591346A (zh) 2024-09-03
EP4445845A1 (en) 2024-10-16

Similar Documents

Publication Publication Date Title
US5963676A (en) Multiscale adaptive system for enhancement of an image in X-ray angiography
US7627084B2 (en) Image acquisition and processing chain for dual-energy radiography using a portable flat panel detector
US6101238A (en) System for generating a compound x-ray image for diagnosis
Chan et al. Digitization requirements in mammography: Effects on computer‐aided detection of microcalcifications
JP5556413B2 (ja) 動態画像処理装置及びプログラム
WO2023229415A1 (ko) Ar 영상 제공 방법 및 ar 영상 제공 장치
JP3569566B2 (ja) 画像処理装置
US20050135707A1 (en) Method and apparatus for registration of lung image data
EP2598032A2 (en) Method and apparatus for processing image and medical image system employing the apparatus
WO2015178745A1 (ko) 깊이 카메라를 이용한 의료영상 촬영장치 및 의료영상 보정방법
JP2023120851A (ja) 画像処理装置、画像処理方法、及びプログラム
JP2000316837A (ja) 画像診断支援装置
WO2023200043A1 (ko) 엑스선 촬영 장치 및 이를 이용하는 엑스선 촬영 방법
CN105374023B (zh) 一种分割目标区域方法，及其图像重建方法和装置
JP7408867B2 (ja) 画像処理装置、方法およびプログラム
WO2022145898A1 (ko) 인공지능 기반 실시간 자동 엑스레이 원시 영상 판독 방법 및 시스템
US20040101185A1 (en) Comparing images
WO1998052011A2 (en) Systems and methods for analyzing phantom images
CN111127371B (zh) 图像增强参数自动优化方法、存储介质和x射线扫描装置
Mol et al. Application of digital image analysis in dental radiography for the description of periapical bone lesions: a preliminary study
CN2465181Y (zh) 台式骨龄骨密度测定仪
JP2009054013A (ja) 画像処理装置
WO2023195443A1 (ja) 画像処理装置、画像処理装置の作動方法、およびプログラム
WO2016080736A1 (ko) 의료영상을 이용한 진단 보조 정보 제공 방법 및 그 시스템
US12493955B2 (en) Image processing apparatus, image processing method, image processing system and recording medium

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: 22937556

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2024540674

Country of ref document: JP

WWE Wipo information: entry into national phase

Ref document number: 2022937556

Country of ref document: EP

Ref document number: 22937556.3

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 2022937556

Country of ref document: EP

Effective date: 20240708

WWE Wipo information: entry into national phase

Ref document number: 202280089828.1

Country of ref document: CN

NENP Non-entry into the national phase

Ref country code: DE