의료영상을 이용한 인체장기의 분할 및 시각화 = Segmentation and Visualization of Human Anatomy using Medical Imagery

국문 초록 (Abstract)

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

다국어 초록 (Multilingual Abstract)

Conventional CT and MRI scans produce cross-section slices of body that are viewed sequentially by radiologists who must imagine or extrapolate from these views what the 3 dimensional anatomy should be. By using sophisticated algorithm and high performance computing, these cross-sections may be rendered as direct 3D representations of human anatomy. The 2D medical image analysis forced to use time-consuming, subjective, error-prone manual techniques, such as slice tracing and region painting, for extracting regions of interest. To overcome the drawbacks of 2D medical image analysis, combining with medical image processing, 3D visualization is essential for extracting anatomical structures and making measurements. We used the gray-level thresholding, region growing, contour following, deformable model to segment human organ and used the feature vectors from texture analysis to detect harmful cancer. We used the perspective projection and marching cube algorithm to render the surface from volumetric MR and CT image data. The 3D visualization of human anatomy and segmented human organ provides valuable benefits for radiation treatment planning, surgical planning, surgery simulation, image guided surgery and interventional imaging applications.

참고문헌 (Reference)

1 김동욱, "하프변환을 이용한 항공영상의 전력선 검출" 한국전자통신학회 05 (05): 171-179, 2010

2 이주호, "이미지 처리기술을 이용한 온라인 바코드 품질검사 시스템" 한국전자통신학회 7 (7): 1053-1059, 2012

3 양황규, "워터쉐드 알고리즘을 이용한 지능형 비디오 영상 분할 시스템" 한국전자통신학회 05 (05): 309-314, 2010

4 성윤창, "부분체적의 문제로 번진 명암값으로 표현된 뇌의 자기공명영상에 대한 영역분할 및 체적계산" 25 (25): 1006-1016, 2000

5 김도연, "복부 CT 영상에서 신장암의 자동추출" 한국정보과학회 29 (29): 803-808, 2002

6 유승화, "명암값 분포를 이용한 자동화된 간과 비장의 정교한추출" 28 (28): 20-32, 2001

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

8 Do-Yeon Kim, "Pulmonary Nodule Detection Using Chest CT Images" 44 (44): 252-257, 2003

9 "NEMA Draft Standards, Digital Imaging and Communications in Medicine (DICOM)"

10 C. Xu, "Medical Image Segmentation Using Deformable Models" SPIE Press 129-174, 2000

11 Do-Yeon Kim, "Internal Carotid Artery Segmentation for Stenosis Grading Using MR Angiography Images" 511 (511): 511-514, 2003

12 F.A. Jolesz, "Interactive Virtual Endoscopy" 169 : 1229-1235, 1997

13 박장식, "Gaussian 혼합모델을 이용한 영상기반 화재검출 알고리즘" 한국전자통신학회 6 (6): 206-211, 2011

14 박장식, "Gaussian 혼합모델 기반 조명 변화에 강건한 연기검출 알고리즘" 한국전자통신학회 7 (7): 733-739, 2012

15 R.C. Gonzalez, "Digital Image Processing" Addison-Wesley 458-465, 1992

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

17 김도연, "CT 영상에서 결절성 폐암의 자동추출 및 체적계산" 7 (7): 451-457, 2001

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

19 J. K. Udopa, "3D Imaging in Medicine" CRC Press 285-300, 2000