KR102361354B1 - Method of providing disease information for cardiac stenosis on coronary angiography - Google Patents
Method of providing disease information for cardiac stenosis on coronary angiographyDownload PDFInfo
- Publication number
- KR102361354B1 KR102361354B1KR1020200033550AKR20200033550AKR102361354B1KR 102361354 B1KR102361354 B1KR 102361354B1KR 1020200033550 AKR1020200033550 AKR 1020200033550AKR 20200033550 AKR20200033550 AKR 20200033550AKR 102361354 B1KR102361354 B1KR 102361354B1
- Authority
- KR
- South Korea
- Prior art keywords
- image
- stenosis
- vessel
- blood vessel
- extracted
- 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.)
- Active
Links
Images
Classifications
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
- 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
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
Translated fromKoreanDescription
Translated fromKorean본 발명은 심장 협착증 진단 방법에 관한 것으로, 보다 상세하게는 CAG(Coronary angiography) 이미지로부터 혈관 폭을 추출하고, 관상 동맥 협심증 여부를 자동으로 진단할 수 있는 관상동맥 조영 영상에서 심장 협착증 질병 정보 제공 방법에 관한 것이다.The present invention relates to a method for diagnosing cardiac stenosis, and more particularly, to a method for providing information on heart stenosis disease from a coronary angiography image capable of extracting the vessel width from a CAG (Coronary Angiography) image and automatically diagnosing whether or not coronary angina is present. is about
관상 동맥 질환(Coronary artery disease;CAD)은 죽음을 야기하는 원인들 중 하나다. CAD는 급성 이벤트와 만성 이벤트를 특징으로 할 수 있다. 급성 이벤트는 즉각적인 간호를 요할 수 있는 플라크 파열(plaque rupture)을 포함할 수 있다. 만성이벤트는, 허혈을 야기하는 점진적이고 해부학적인 협소화를 야기할 수 있는 플라크의 축적을 포함할 수 있다.Coronary artery disease (CAD) is one of the leading causes of death. CAD can be characterized as both acute and chronic events. Acute events may include plaque ruptures that may require immediate care. Chronic events can include the build-up of plaques that can lead to gradual and anatomical narrowing leading to ischemia.
관상 동맥 질환의 증상을 가진 환자를 진단하기 위한 비침습성 임상학적인 메트릭(metric)에 가장 널리 사용되는 것들 중 하나는 관상 동맥 조영술(CAG:Coronary angiography)을 이용하여죽상 동맥 경화에 의한 관상동맥 협착 여부를 진단하는 방법으로 CAG결과 시술 혹은 수술적치료에 있어 가장 신뢰할 수 있는 해부학적 정보를 제공하는 것으로 알려져 있다.One of the most widely used non-invasive clinical metrics for diagnosing patients with symptoms of coronary artery disease is the use of coronary angiography (CAG).As a method for diagnosing coronary artery stenosis due to atherosclerosis, it is known that CAG results provide the most reliable anatomical information for procedures or surgical treatment.
좌측 관상동맥 촬영을 위해 4 - 6개의 투사 각도로 촬영하고, 우측 관상동맥 촬영을 위해 2 - 3개의 투사 각도로 촬영을 진행한다.For left coronary angiography, 4 to 6 projection angles are taken, and for right coronary angiography, 2 to 3 projection angles are taken.
심장협착(Coronary stenosis)은관상동맥에 이물질이 쌓이면서 협착이 발생하고, 관상동맥 내경이 50% 이상 좁아진 경우를 의미 있는 관상동맥 협착으로 표현한다.Coronary stenosis isA case in which stenosis occurs due to accumulation of foreign substances in the coronary artery and the inner diameter of the coronary artery is narrowed by 50% or more is expressed as meaningful coronary stenosis.
CAG 이미지로부터 혈관 폭을 추출하고, 관상 동맥 협심증 여부를 판단하는 것이다.It is to extract the vessel width from the CAG image and to determine whether or not coronary angina is present.
통상 협착증의 추정은 두 개의 단계인, (1) 국부적 지름의 측정 및 (2) 기준 건강한 지름의 측정과 관련될 수 있다. 퍼센트 협착증을 측정하기 위해, cCTA는 관상 동맥 트리의 상이한 영역에서 해부학적 협소화의 정도에 대한 정보를 제공할 수 있다. 관상 동맥 트리의 영역 내의 해부학적 협소화의 정도는, 침습성 혈관 조영술 시행과 압력 측정이나 침습성 측정의 연기를 결정하는데 사용되는 임상학적인 측정치일 수 있다. 일부 실시예에서, 해부학적 협소화의 정도는 병원에서 카테고리적으로(가령, 0%, 1-30%, 31-49%, 50-69%, 70-100%) 추정될 수 있거나, 분석을 위해 중앙 실험실(core lab)로 전송될 수 있다. 정량적 컴퓨터 단층 촬영(QCT) 및 정성적 관상 혈관 조영술(QCA)은, 퍼센트 협착증이 0에서 100까지 숫자로 추정될 수 있는 방법을 포함할 수 있다. QCA는 혈관 조영상에 대해 평가된 침습성 시술과 관련될 수 있고, cCTA에 대해 평가된 QCT는 시간 소요적이고 일반적으로 중앙 실험실에서 수행될 수 있다. 따라서, 관상 동맥 트리의 영역 내의 해부학적 협소화의 정도를 결정하는, 더 안전하고 덜 시간 소요적인 방법을 제공하기 위한 욕구가 존재한다.Estimation of conventional stenosis can involve two steps: (1) determination of the local diameter and (2) determination of a baseline healthy diameter. To measure percent stenosis, cCTA can provide information on the extent of anatomical narrowing in different regions of the coronary tree. The degree of anatomical narrowing within the region of the coronary tree may be a clinical measure used to determine the conduct of invasive angiography and the postponement of pressure measurements or invasive measurements. In some embodiments, the degree of anatomical narrowing can be estimated categorically (eg, 0%, 1-30%, 31-49%, 50-69%, 70-100%) in the hospital, or for analysis may be transferred to a core lab. Quantitative computed tomography (QCT) and qualitative coronary angiography (QCA) may include methods in which percent stenosis can be estimated numerically from 0 to 100. QCA may be associated with an invasive procedure assessed for angiography, and QCT assessed for cCTA may be time consuming and typically performed in a central laboratory. Accordingly, a need exists to provide a safer and less time consuming method of determining the degree of anatomical narrowing within a region of the coronary tree.
협소화의 정도를 결정하는 것은 기준 혈관 지름, 가령, 건강한 내강 지름을 식별하는 것이 우선 수반된다. 그러나 기준 건강한 지름의 추정은 가령, 확산(diffuse) 병소, 개구(ostial) 병소 및 분기(bifurcation) 병소와 같은 비중심적인 질환 영역에서 과제가 될 수 있다. 또한, 비중심적인 병소 내의 건강한 내강 지름을 추정하기 위한 욕구도 존재한다.Determining the degree of narrowing involves first identifying a reference vessel diameter, eg, a healthy lumen diameter. However, estimation of the baseline healthy diameter can be challenging in non-central disease areas, such as diffuse lesions, ostial lesions and bifurcation lesions. There is also a desire to estimate healthy lumen diameters within non-central lesions.
또한, DICOM 영상에서 임의의 프레임을 뽑아 영상의 잡음을 제거하고 frangi 필터를 씌우는 종래 방식의 경우 기존 영상에서 잡음 제거는 효과적으로 되지만 frangi 필터를 씌우게 될 경우 추출된 혈관이 기존 영상에 비해 얇게 나오고 특히 혈관이 갈라지는 부분에서는 혈관이 끊어지는 경우도 발생하게 된다.In addition, in the case of the conventional method of extracting random frames from the DICOM image, removing noise from the image, and applying a frangi filter, noise removal from the existing image is effective, but when the frangi filter is applied, the extracted blood vessels appear thinner than the existing image. In the part where the blood vessel is split, the blood vessel may be cut off.
본 발명을 이러한 문제점을 해결하기 위한 것으로, CAG 이미지로 부터 혈관 폭을 추출하고, 관상 동맥 협심증 여부의 질병을 자동으로 예측할 수 있는 관상동맥 조영 영상에서 심장 협착증 질병 정보 제공 방법을 제공하는 것을 목적으로 한다.In order to solve this problem, the present invention aims to provide a method for providing information on heart stenosis disease in a coronary angiography image capable of extracting the blood vessel width from a CAG image and automatically predicting the disease of coronary angina. do.
그리고 본 발명은 DICOM 영상에서 임의의 프레임을 뽑아 영상의 잡음을 제거하고 frangi 필터를 씌우는 종래의 방식과 달리 전처리 방법을 바꾸어서 침식 팽창을 이용한 대비 강조와 혈관의 경계선을 지키는 잡음 제거 방식으로 frangi 필터를 씌워도 혈관이 얇게 추출되지 않고 기존 영상과 비슷하게 혈관을 추출할 수 있는 관상동맥 조영 영상에서 심장 협착증 질병 정보 제공 방법을 제공하는 것을 다른 목적으로 한다.In addition, the present invention uses a frangi filter to enhance contrast using erosion dilatation and to remove noise while maintaining the boundary of blood vessels by changing the pre-processing method, unlike the conventional method of removing noise from the image by extracting random frames from the DICOM image and applying a frangi filter. Another object of the present invention is to provide a method for providing information on heart stenosis disease from a coronary angiography image that can extract blood vessels similarly to existing images without thinning the blood vessels even when covered.
이러한 과제를 해결하기 위한 본 발명의 관상동맥 조영 영상에서 심장 협착증 질병 정보 제공 방법은 (a)혈관에 조영제를 투입하여 촬영된 10개 이상의 프레임을 가지는 DICOM 동영상을 획득하는 단계와, (b)상기 단계(a)에서 획득된 영상을 전처리하여 혈관을 추출하는 단계, (c)상기 단계(b)에서 추출된 혈관을 이용하여 중심축과 혈관폭을 측정하는 단계, 및 (d)상기중심축과 혈관폭을 이용하여 관상동맥의 협착증을 진단하는 단계를 포함하여 이루어지게 함으로써 달성될 수 있다.In order to solve this problem, the method for providing information on heart stenosis disease in a coronary angiography image of the present invention includes the steps of (a) acquiring a DICOM video having 10 or more frames captured by injecting a contrast medium into a blood vessel, (b) the Pre-processing the image obtained in step (a) to extract blood vessels, (c) measuring the central axis and blood vessel width using the blood vessels extracted in step (b), and (d) the central axis and Diagnosis of coronary artery stenosis using the blood vessel width can be achieved by making it happen.
또한, (b)단계에서의 전처리는 영상의 침식과 팽창을 이용한 것으로 침식 팽창 연산을 통해 영상의 서로 다른 부분을 추출하고, 상기 서로 다른 부분의 추출은 영상에서 하얗게 추출된 영역과 검정색으로 추출된 영역을 추출한 다음 연산하여 대비가 강조된 혈관 영상을 얻는 것이 바람직하다.In addition, the pre-processing in step (b) uses erosion and expansion of the image, and extracts different parts of the image through erosion expansion operation, and the extraction of the different parts is extracted with white and black from the image. It is preferable to extract the region and then calculate it to obtain a blood vessel image with enhanced contrast.
또한, (c)단계는 해당 영상의 각 픽셀 값들을 점과 점 사이의 거리를 구하는 공식을 이용하여 유클리드 거리값으로 변환하고, 변환된 유클리드 거리 픽셀 값에서 중심선을 추출하고, 중심선이 추출되면 중심선으로부터 혈관 경계선까지의 거리 즉, 혈관의 폭을 구하는 단계를 수행하게 할 수 있다.In addition, in step (c), each pixel value of the image is converted to a Euclidean distance value using a formula for calculating the distance between points, and a center line is extracted from the converted Euclidean distance pixel value, and when the center line is extracted, the center line It is possible to perform the step of obtaining the distance from the blood vessel boundary, that is, the width of the blood vessel.
그리고 혈관 폭이 50% 이상 급격하게 줄어드는 부분인 협착에서 window가 표시하되, 중심선 좌표에서 window의 중심부가 형성되도록 설정하고, 가지 혈관으로 분지될 때 협착으로 잘못 진단하지 않도록 window안에 잡히는 pixel수의 상한선을 설정하는 것이 더욱 바람직하다.In addition, the window is displayed at the stenosis, the part where the width of the blood vessel decreases sharply by more than 50%, but set so that the center of the window is formed at the center line coordinates. It is more preferable to set
따라서 본 발명의 관상동맥 조영 영상에서 심장 협착증 질병 정보 제공 방법에 의하면, DICOM영상이 빅데이터화 된다면 머신러닝으로 발전 가능성이 보일 뿐만 아니라, 시술자의 진단 정확성을 높여줌으로써 심장 협착의 정확한 진단이 가능해지고, 신속한 자동 검출로 조영술로 인한 환자의 방사선 노출 정도를 감소시킬 수 있는 효과가 있다.Therefore, according to the method for providing information on heart stenosis disease in the coronary angiography image of the present invention, if the DICOM image becomes big data, the possibility of development into machine learning is shown, and the accurate diagnosis of cardiac stenosis is possible by increasing the diagnostic accuracy of the operator, Rapid automatic detection has the effect of reducing the radiation exposure of the patient due to angiography.
또한, DICOM 영상에서 임의의 프레임을 뽑아 영상의 잡음을 제거하고 frangi 필터를 씌우는 종래의 방식과 달리 전처리 방법을 바꾸어서 침식 팽창을 이용한 대비 강조와 혈관의 경계선을 지키는 잡음 제거 방식을 이용하기 때문에 frangi 필터를 씌워도 혈관이 얇게 추출되지 않고 기존 영상과 비슷하게 혈관을 추출할 수 있는 효과가 있다.In addition, unlike the conventional method of extracting random frames from DICOM images, removing noise from the image, and applying a frangi filter, the preprocessing method is changed to enhance contrast using erosion dilatation and noise removal method to keep the boundaries of blood vessels. Blood vessels are not extracted thinly even if they are covered, and blood vessels can be extracted similarly to existing images.
도 1은 본 발명의 관상동맥 조영 영상에서 심장 협착증 질병 정보 제공 장치의 주요 구성도,
도 2 내지 도 3은 DICOM 이미지 선정을 위한 참고 도면,
도 4는 서로 다른 밝기를 갖는 영역을 추출하기 위한 영상 침식 및 팽창과정을 설명하기 위한 도면,
도 5는 Bilateral filter를 이용하여 영상 생성하는 참고도면,
도 6은 Frangi's vesselness filter를 이용하여 혈관 추출을 위한 참고도면,
도 7과 도 8은 잡음을 제거한 상태의 참고 도면,
도 9는 중심선 추출 및 혈관폭 계산을 위한 참고 도면,
도 11 내지 도 13은 협착증을 진단하는 방법을 설명하는 참고 도면,
그리고
도 14는 본 발명의 관상동맥 조영 영상에서 심장 협착증 질병 정보 제공 방법을 설명하기 위한 흐름도이다.1 is a main configuration diagram of an apparatus for providing information on heart stenosis disease in a coronary angiography image of the present invention;
2 to 3 are reference views for DICOM image selection,
4 is a view for explaining an image erosion and expansion process for extracting regions having different brightness;
5 is a reference view for generating an image using a bilateral filter;
6 is a reference view for blood vessel extraction using Frangi's vesselness filter;
7 and 8 are reference views of a state in which noise is removed;
9 is a reference diagram for centerline extraction and blood vessel width calculation;
11 to 13 are reference views for explaining a method for diagnosing stenosis;
and
14 is a flowchart for explaining a method of providing information on a heart stenosis disease in a coronary angiography image of the present invention.
본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정 해석되지 아니하며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다.The terms or words used in the present specification and claims are not to be construed as limited in their ordinary or dictionary meanings, and on the principle that the inventor can appropriately define the concept of the term in order to best describe his invention. It should be interpreted as meaning and concept consistent with the technical idea of the present invention.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "…부", "…기", "모듈", "장치" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 및/또는 소프트웨어의 결합으로 구현될 수 있다.Throughout the specification, when a part "includes" a certain element, it means that other elements may be further included, rather than excluding other elements, unless otherwise stated. In addition, terms such as “…unit”, “…group”, “module”, and “device” described in the specification mean a unit that processes at least one function or operation, which is implemented by a combination of hardware and/or software can be
명세서 전체에서 "및/또는"의 용어는 하나 이상의 관련 항목으로부터 제시 가능한 모든 조합을 포함하는 것으로 이해되어야 한다. 예를 들어, "제1 항목, 제2 항목 및/또는 제3 항목"의 의미는 제1, 제2 또는 제3 항목뿐만 아니라 제1, 제2 또는 제3 항목들 중 2개 이상으로부터 제시될 수 있는 모든 항목의 조합을 의미한다.Throughout the specification, the term “and/or” should be understood to include all combinations possible from one or more related items. For example, the meaning of “the first item, the second item and/or the third item” may be presented from the first, second, or third item as well as two or more of the first, second, or third items. A combination of all possible items.
명세서 전체에서 각 단계들에 있어 식별부호(예를 들어, a, b, c, ...)는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 한정하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않은 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.In each step throughout the specification, identification symbols (eg, a, b, c, ...) are used for convenience of description, and identification symbols do not limit the order of each step, and each step is Unless the context clearly dictates a specific order, the order may differ from the stated order. That is, each step may occur in the same order as specified, may be performed substantially simultaneously, or may be performed in the reverse order.
이하, 도면을 참고하여 본 발명의 일실시예에 대하여 설명한다.Hereinafter, an embodiment of the present invention will be described with reference to the drawings.
도 1은 본 발명의 일실시예에 의한 관상동맥 조영 영상에서 심장 협착증 진단을 위한 장치의 주요 구성도로서, 도시된 바와 같이 의료용 디지털 영상 및 통신(Digital Imaging and Communications in Medicine;이하, DICOM이라 함)(100)으로부터 동영상을 획득하여 전처리부(200)에서 소정의 프레임으로부터 혈관을 추출한 다음 중심축 추출 및 혈관 폭을 계산하여 관상 동맥 협심증을 진단하는 심장협착감지부(300)를 포함하여 구성한다.1 is a main configuration diagram of an apparatus for diagnosing cardiac stenosis in a coronary angiography image according to an embodiment of the present invention. ) (100) to extract a blood vessel from a predetermined frame in the
DICOM(100)은 의료용 디지털 영상 및 통신(Digital Imaging and Communications in Medicine, DICOM) 표준으로 의료용 기기에서 디지털 영상표현과 통신에 사용되는 여러 가지 표준을 총칭하는 말로, 미국방사선의학회(ACR)와 미국전기공업회(NEMA)에서 구성한 연합 위원회에서 발표한 것으로, 혈관에 조영제를 투입하여 촬영된 10개 이상의 프레임을 가지는 동영상을 획득하도록 동작한다.DICOM (100) is a medical digital imaging and communications (DICOM) standard that collectively refers to various standards used for digital image expression and communication in medical devices. It was announced by the association committee constituted by the Industrial Association (NEMA), and it operates to acquire a video having more than 10 frames taken by injecting a contrast agent into the blood vessel.
전처리부(200)는 DICOM(100)에서 획득한 10개 이상의 프레임 영상에서 혈관을 추출하고 추출한 혈관에서 노이즈를 제거한 다음 혈관이 가장 잘 보이는 프레임을 추출하도록 동작한다.The
이를 위하여 전처리부(200)는 이미지선택부(210)에서 DICOM(100)에서 획득한 10개 이상의 모든 프레임 영상에 1차 frangi 필터를 적용하여 혈관이 가장 잘 보이는 프레임을 추출하도록 한다.To this end, the
1차 frangi 필터를 적용할 경우 주변 기관 및 조직이 삭제되고 혈관이 추출된다.When the first frangi filter is applied, surrounding organs and tissues are removed and blood vessels are extracted.
프레임 별로 픽셀 값들을 더하여 더한 값이 최대값일 때 혈관이 가장 잘 보이는 프레임으로 판단하면 된다.When pixel values are added for each frame and the added value is the maximum value, it is determined as the frame in which the blood vessels are most visible.
도 2와 도 3의 DICOM 이미지 선정을 위한 도면을 참고하면, 도 2에 모든 프레임에 Frangi's vesselness filter를 적용하여 혈관 pixel intensity를 높인 도면이 도시되어 있다.Referring to the drawings for DICOM image selection of FIGS. 2 and 3 , FIG. 2 shows a view in which the vessel pixel intensity is increased by applying Frangi's vesselness filter to all frames.
도 2는 DICOM 영상에서 가장 첫 번째 프레임으로 혈관이 보이지 않는 상태의 영상이고, 도 3은 각 프레임 별 영상에서 혈관이 가장 잘 보이게 하기 위해 frangi's filter를 씌운 것을 원본 영상과 함께 보여주는 도면이다.FIG. 2 is an image of a state in which blood vessels are not visible in the first frame of the DICOM image, and FIG. 3 is a view showing the frangi's filter applied with the original image to make the blood vessels most visible in the image for each frame.
도 3을 참고하면, 각각 1, 20, 31, 50번째 프레임을 예시로 보인 것이며 이 중에서 31번째 프레임 영상의 경우 frangi‘s filter를 씌웠을 때 혈관이 가장 많이 보이므로 DICOM 영상에서 가장 의미 있는 프레임으로 해당 영상을 기준으로 실험을 진행하게 되는 것이다.Referring to FIG. 3, the 1st, 20th, 31st, and 50th frames are shown as examples, and among these, the 31st frame image shows the most blood vessels when frangi's filter is applied, so it is the most meaningful frame in the DICOM image. The experiment will be conducted based on the video.
즉 이미지선택부(210)는 혈관이 가장 잘 보이는 max 프레임(도면에서는 31번째 프레임)을 선택하여 노이즈제거부(220)에서 영상의 전처리가 진행되도록 한다.That is, the
전처리 방법은 영상의 침식과 팽창을 이용하는 것으로 침식 및 팽창 연산을 통해 영상의 서로 다른 부분을 추출하도록 한다.The preprocessing method uses erosion and dilation of the image, and extracts different parts of the image through erosion and dilation operations.
이를 위하여 Multiscale Top-Hat filter를 이용하여 영상을 침식 및 팽창시키도록 하며 이러한 영역 추출을 위한 참고도면이 도 4에 도시되어 있다.To this end, the image is eroded and expanded using a multiscale Top-Hat filter, and a reference diagram for extracting this region is shown in FIG. 4 .
도 4는 서로 다른 밝기를 갖는 영역을 추출하기 위한 영상 침식 및 팽창과정을 설명하기 위한 도면으로, 도면을 참고하면, 영상에서 구조체를 설정한 후 침식 및 팽창 그리고 연산을 실시하여 하얀색 영역(Iw)을 먼저 추출하고, 검정색 영역(Ib)을 추출한 다음, Iw와 Ib를 연산하여 대비가 강조된 영상(Ic)을 얻는 방식이다.4 is a view for explaining an image erosion and expansion process for extracting regions having different brightness. Referring to the drawings, after setting a structure in the image, erosion and expansion and calculation are performed to the white region (Iw ) is first extracted, a black region (Ib) is extracted, and then Iw and Ib are calculated to obtain an image (Ic ) with enhanced contrast.
좌측 도면은 이미지선택부(210)에서 선택되어 노이즈제거부(220)로 입력된 영상이고, 해당 영상에서 하얀색영역(Iw)을 추출하기 위하여 Iw는 다음의 수학식1에서 추출한다.The figure on the left is an image selected by the
수학식 1에서 마이너스(
도 4에서 좌측 두번째그림을 참조하면, 위 연산을 진행한 영상을 원본 영상에서 빼주게 되면 혈관 영역만 하얗게 되고(하얀색영역(Iw)) 배경은 검정색인 영상을 얻을 수 있는 것이다.Referring to the second figure from the left in FIG. 4 , if the image on which the above operation has been performed is subtracted from the original image, only the blood vessel region becomes white (white region Iw), and an image with a black background can be obtained.
또한, 검정색 영역(Ib)은 다음 수학식2로 추출한다.Also, the black region Ib is extracted by
수학식 2에서 플러스(
도 4의 좌측 세번째 그림을 참고하면, 위 연산 과정을 수행한 후 원본 영상을 빼주면 혈관 영역을 포함한 배경 영상(검정색(Ib))이 검정색인 영상을 얻을 수 있는 것이다.Referring to the third figure from the left of FIG. 4 , if the original image is subtracted after performing the above calculation process, an image in which the background image (black color Ib) including the blood vessel region is black can be obtained.
따라서, 하얗게 추출된 영역(Iw)과 검정색(Ib)으로 추출된 영역을 연산하여 대비가 강조된 혈관 영상(Ic)은 도 4의 우측도면으로 다음의 수학식 3으로 획득할 수 있다.Accordingly, the blood vessel image Ic in which the contrast is emphasized by calculating the area extracted as the white area Iw and the area extracted as the black color Ib can be obtained by the following
하얀색 영역을 추출한 영상(Iw)에서 검은색 영역을 추출한 영상(Ib)을 빼게 되면 배경과 혈관의 intensity 값이 낮아지게 되므로 여기에 원본 영상을 더하게 되면 원본 영상에서의 혈관 영역의 instensity 값이 낮아지면서 기존의 영상에 비해 혈관의 대비가 확실하게 차이 나는 영상(Ic)을 얻을 수 있는 것이다.If the image (Ib) extracted from the black area is subtracted from the image (Iw) from which the white area is extracted, the intensity values of the background and blood vessels are lowered. It is possible to obtain an image (Ic) in which the contrast of blood vessels is clearly different from that of the existing image.
도 4를 참고하면, 혈관의 대비가 강조되어 있음을 알 수 있다.Referring to FIG. 4 , it can be seen that the contrast of blood vessels is emphasized.
그러나 Multiscale Top-Hat filter를 이용하여 영상을 침식 및 팽창시키는 경우에는 혈관의 대비도 강조되나 동시에 주변의 잡음들도 함께 대비가 강조되는 단점이 존재하기 때문에 bilateral 필터를 사용하여야 한다.However, when the image is eroded and dilated using the multiscale Top-Hat filter, the contrast of blood vessels is emphasized, but at the same time, the contrast of the surrounding noise is also emphasized, so a bilateral filter should be used.
bilateral 필터를 사용하면 가우시안 필터와 다르게 중심 픽셀에서의 거리 뿐만 아니라 밝기 차이도 고려하기 때문에 혈관의 경계를 유지하면서 주변 잡음을 제거할 수 있는 장점이 있다.Unlike the Gaussian filter, the bilateral filter has the advantage of removing ambient noise while maintaining the boundary of blood vessels because it considers the difference in brightness as well as the distance from the central pixel.
도 5의 Bilateral filter를 이용하여 영상을 생성하는 도면을 참고하면, Multiscale Top-Hat filter를 이용하여 혈관의 대비가 강조된 영상에서 주변의 잡음들을 제거한 영상이 우측에 도시되어 있다.Referring to the diagram of generating an image using the bilateral filter of FIG. 5 , an image obtained by removing surrounding noises from an image in which the contrast of blood vessels is emphasized using a multiscale top-hat filter is shown on the right.
Bilateral filter는 Mask를 이용하여 중심 pixel에서의 거리뿐만 아니라 밝기 차이도 고려하는 filter로서, 가중치가 적용된 mask로 부드러운 영상을 생성하고, Edge를 보호하면서 영상의 smoothing을 진행한다.Bilateral filter is a filter that considers not only the distance from the center pixel but also the difference in brightness by using a mask. It creates a smooth image with a weighted mask and smooths the image while protecting the edge.
Bilateral filter를 적용하기 위한 수학식은 다음과 같다.The equation for applying the bilateral filter is as follows.
여기서, σd는Pixel 위치 차이에 대한 가중치를 σr은 Pixel 값 차이에 대한 가중치를 N(x)는 현재 pixel 주변 값의 범위를 y는 현재 pixel 주변의 화소 값을 의미한다.where σd isσr is the weight for the pixel position difference, N(x) is the range of values around the current pixel, and y is the pixel value around the current pixel.
수학식 4는 σd와 σr 두 가지를 동시에 고려하기 때문에 효과적인 잡음 제거와 경계 보존이 가능하다는 이점이 있다.Equation 4 has the advantage that effective noise removal and boundary preservation are possible because both σd and σr are simultaneously considered.
I라는 입력 영상이 있을 때 입력 위치 x가 있고 그 주변 위치 y가 있을 때에 대하여 각 픽셀과 주변 요소로부터 가중치를 구하게 된다.When there is an input image called I, a weight is obtained from each pixel and surrounding elements when there is an input position x and a peripheral position y.
이때 가중치는 각각 픽셀의 위치 및 값 차이에 대해서 구한다.In this case, the weight is obtained for each pixel position and value difference.
상기 두 가중치를 함께 적용한 가중 평균을 모든 픽셀에 적용하면 결과 영상이 나타나는 것이다. 이때 곱하게 되는 C는 필터에 사용되는 마스크의 합이 1이 되도록 만드는 정규화 상수이다. 즉, 두 개의 가우시안 함수(위치를 고려하는 가우시안 식, 값을 고려하는 가우시안 식)의 곱으로 구성된 필터임을 알 수 있다.When the weighted average obtained by applying the above two weights together is applied to all pixels, the resulting image appears. At this time, C to be multiplied is a normalization constant that makes the sum of the masks used in the filter equal to 1. That is, it can be seen that the filter is composed of the product of two Gaussian functions (a Gaussian expression considering a position and a Gaussian expression considering a value).
Gaussian filter는 화소 값에 따른 가중치를 고려하지 않기 때문에 경계 부분 영상에 손상이 발생한다.Since the Gaussian filter does not consider the weights according to the pixel values, damage occurs to the boundary part image.
혈관추출부(230)는 노이즈제거부(220)에서 Multiscale Top-Hat filter를 이용하여 혈관의 대비가 강조된 영상에서 Bilateral filter를 이용하여 노이즈가 제거된 영상에서 frangi vesselness 필터를 이용하여 혈관을 추출하도록 한다.The
이때의 frangi vesselness 필터는 frangi 필터와 같이 단순히 사용하게 될 경우 혈관이 기존 영상에 비해 얇게 추출되기 때문에 협착이 아닌 부분에서도 협착으로 보게 되는 단점이 존재할 수 있으므로, 결과적으로 얻은 영상에서 잡음 제거를 위해 threshold와 area open을 한 후 이미지를 이진화한다.At this time, when the frangi vesselness filter is simply used like the frangi filter, since the vessel is extracted thinner than the existing image, there may be a disadvantage of seeing it as a stenosis even in a non-stenotic part. and area open, then binarize the image.
도 6의 Frangi's vesselness filter를 이용하여 혈관 추출을 위한 도면을 참고하면, frangi's vesselness filter는 밝기 값이 균일하고 일정한 너비를 가지는 혈관이나 도로를 추출하는 filter로서, 2차 편미분을 정사각행렬로 표현한 Hessian matrix 기반으로 입력 영상을 Gaussian filter로 평활화한 후 적용한다.Referring to the drawing for blood vessel extraction using the Frangi's vesselness filter of FIG. 6, the frangi's vesselness filter is a filter for extracting blood vessels or roads with uniform brightness values and a constant width, and Hessian matrix expressing the second partial differential in a square matrix Based on this, the input image is smoothed with a Gaussian filter and then applied.
도면의 우측 사진을 보면 혈관은 대부분 지역에서 밝기 변화가 없고 혈관의 경계에서만 밝기 변화가 크게 나타나는 것을 알 수 있다.Looking at the picture on the right side of the drawing, it can be seen that there is no change in brightness in most regions of blood vessels, and a large change in brightness appears only at the boundary of blood vessels.
이러한 Frangi's vesselness filter를 이용한 혈관의 추출은 수학식 5에 의하여 추출될 수 있다.The extraction of blood vessels using this Frangi's vesselness filter can be extracted by
H(I(x,y))는 Hessian의 고유백터(eigenvector)의 방향으로 함수의 곡률(curvature)특성을 나타내는 행렬로, λ1은 절대값이 작은 고유치(eigenvalue), λ2는 절대값이 큰 eigenvalue,
Frangi's vesselness filter를 이용한 혈관 추출영상에서 잡음 제거를 위해 threshold와 area open을 한 후 이미지를 이진화한다.After opening the threshold and area to remove noise from the blood vessel extraction image using Frangi's vesselness filter, the image is binarized.
도 7과 도 8의 잡음을 제거한 상태의 도면을 참고하면, 도 7과 도 8의 각 도면에서 좌측의 Frangi's vesselness filter를 이용한 혈관 추출영상에서 threshold와 area open을 한 후 얇은 가지 혈관 및 불필요한 부분을 제거하고 이미지를 이진화하는 과정을 우측도면에 도시하였다.Referring to the drawings of the state in which the noise of FIGS. 7 and 8 has been removed, in each of FIGS. 7 and 8, in the blood vessel extraction image using Frangi's vesselness filter on the left, after threshold and area open, thin branch blood vessels and unnecessary parts The process of removing and binarizing the image is shown in the figure on the right.
상술한 바와 같이 혈관추출부에서 혈관영상이 추출되면 다음으로 중심축 추출 및 혈관 폭을 계산하여 관상 동맥 협심증을 심장협착감지부(300)에서 진단하도록 한다.As described above, when the blood vessel image is extracted from the blood vessel extraction unit, the heart
이를 위하여 심장협착감지부(300)는 중심선을 추출하는 중심선추출부(310)와 추출된 중심선을 이용하여 혈관폭을 계산하는 혈관폭 계산부(320) 그리고 계산된 혈관폭을 이용하여 심장협착증을 진단하는 진단부(330)로 구성한다.To this end, the heart
중심선추출부(310)는 혈관추출부에서 추출된 혈관영상에서 혈관의 중심축을 추출한다.The
도 9의 중심선 추출 및 혈관폭 계산을 위한 도면을 참고하면, 각 픽셀 값들을 점과 점 사이의 거리를 구하는 공식을 이용하여 유클리드 거리값으로 변환한다.Referring to the drawing for centerline extraction and vessel width calculation of FIG. 9 , each pixel value is converted into a Euclidean distance value using a formula for calculating the distance between points.
픽셀값들을 유클리드 거리값으로 변환하는 수학식은 다음과 같다.Equation for converting pixel values into Euclidean distance values is as follows.
수학식 6에 의하여 변환된 유클리드 거리 픽셀 값에서 중심선을 추출한다.A center line is extracted from the converted Euclidean distance pixel value according to Equation (6).
상기 수학식을 사용하면 (x,y) 좌표에서 (x0,y0) 좌표까지의 거리 (D(x,y))를 구할 수 있다. 상기 식을 모든 혈관 영역에 사용하면 혈관 폭을 구할 수가 있는 것이다. 혈관 폭은 지름의 길이가 되며 지름의 길이가 반이 되는 지점이 곧 혈관의 중심선이 되는 것이다.Using the above equation, the distance (D(x,y)) from the (x,y) coordinate to the (x0,y0) coordinate can be obtained. If the above formula is used for all blood vessel regions, the blood vessel width can be obtained. The width of the blood vessel becomes the length of the diameter, and the point where the length of the diameter becomes half becomes the center line of the blood vessel.
수학식 6을 통하여 중심선추출부(310)에서 중심선이 추출되면, 혈관폭계산부(320)는 추출된 혈관 중심선으로부터 혈관 경계선까지의 거리 즉, 혈관의 폭을 구할 수 있는 것이다.When the center line is extracted from the center
그 방법으로는 중심선에서부터 경계까지의 최단거리로 반환하고 혈관외부의 경우 "0"으로 반환한다.In this method, the shortest distance from the center line to the boundary is returned, and "0" is returned in the case of the outside of the blood vessel.
진단부(330)는 추출된 영상에 19x19픽셀로 윈도우(window)를 형성하고, 중심선에 해당하는 좌표에서만 윈도우의 중심부가 형성되게 설정한다.The
또한, 임의로 협착을 만들어 주고 협착이 감지되면 윈도우를 표시하도록 한다.In addition, stenosis is randomly created and a window is displayed when stenosis is detected.
이때 윈도우 안에 검출되는 픽셀(pixel)의 상한선을 설정해두고 설정치보다 줄어들면 협착증으로 진단한다.At this time, the upper limit of the pixels detected in the window is set, and if it is reduced than the set value, stenosis is diagnosed.
픽셀의 상한선은 가지 혈관으로 분지될때 협착으로 잘못 진단하지 않도록 window안에 잡히는 pixel수의 상한선을 설정하여야 하는 것이다.The upper limit of the pixel is to set the upper limit of the number of pixels captured in the window to avoid erroneous diagnosis of stenosis when branching into branch blood vessels.
바람직하게는 혈관 폭이 50% 이상 급격하게 줄어드는 부분인 협착에서만 window가 표시되도록 하고, 심장 협착 공식을 이용하여 50% 이상 좁아질 경우에만 협착증으로 진단한다.Preferably, the window is displayed only at the stenosis, which is the part where the blood vessel width is rapidly reduced by 50% or more, and only when the blood vessel narrows by 50% or more using the cardiac stenosis formula, stenosis is diagnosed.
도 10의 협착증을 판별하는 윈도우 표시창을 예시한 도면을 참고하면, 특정 혈관 위치에서 설정치보다 낮은 픽셀수가 감지된 부분이 협착증으로 진단되는 것을 설명하고 있다.Referring to the diagram illustrating the window display window for determining the stenosis of FIG. 10 , it is described that a portion in which the number of pixels lower than the set value is detected at a specific blood vessel location is diagnosed as stenosis.
도 11 내지 도 13의 협착증을 진단하는 방법을 설명하는 참고 도면을 이용하여 심장협착공식에 대하여 설명한다.A cardiac stenosis formula will be described using reference drawings for explaining a method for diagnosing stenosis of FIGS. 11 to 13 .
심장협착공식은 다음 수학식7과 같다.The cardiac stenosis formula is as follows:
여기서 dv는 정상혈관폭, dvb는 협착이 있는 혈관폭으로 50%이상 좁아진 경우에만 의미있는 협착증으로 진단한다.Here, dv is the normal blood vessel width and dvb is the blood vessel width with stenosis, and only when it is narrowed by 50% or more, meaningful stenosis is diagnosed.
도 11에서 관상동맥(coronary artery) 상에 확대 단면도를 보면 정상혈관폭(dv)보다 협착이 있는 혈관폭(dvb)이 표시되어 있다.When looking at an enlarged cross-sectional view on the coronary artery in FIG. 11 , the blood vessel width with stenosis (dvb ) is displayed rather than the normal blood vessel width (dv ).
도 12의 좌측도면은 협착이 있는 혈관폭(dvb)은 2.2mm이고 정상혈관폭(dv)은 7.6mm이어서 협착률이 71%인 것을, 우측도면은 협착이 있는 혈관폭(dvb)은 3.5mm이고 정상혈관폭(dv)은 8.84mm이어서 협착률이 63.8%인 것을 도시하고 있다.The left view of FIG. 12 shows that the vessel width with stenosis (dvb ) is 2.2 mm and the normal vessel width (dv ) is 7.6 mm, so that the stenosis rate is 71%, and the right view shows the vessel width with stenosis (dvb ) It was 3.5 mm and the normal vessel width (dv ) was 8.84 mm, indicating that the stenosis rate was 63.8%.
도 13은 Mean filter를 사용하여 denoise를 한 이후 frangi's filter를 적용한 영상으로, 기존의 method에 비해 혈관을 더욱 선명하게 추출할 수 있음을 나타내고 있다.13 is an image to which frangi's filter is applied after denoising using a mean filter, and shows that blood vessels can be more clearly extracted compared to the existing method.
또한, 협착이 아닌 부분임에도 협착처럼 보인 부분에 대한 해결책을 제시할 수 있으며, 관상동맥 조영 영상으로부터 혈관 주위 기관, 뼈 조직 등의 잡음을 효과적으로 제거하고 혈관만을 추출할 수 있는 것이다.In addition, it is possible to present a solution to the part that looks like a stenosis even though it is not a stenosis, and it is possible to effectively remove noises such as surrounding organs and bone tissue from the coronary angiography image and to extract only the blood vessels.
또한 본 발명은 유클리드 거리 변환을 통해 혈관의 중심선과 혈관 폭을 계산하고 줄기 혈관에서 가지 혈관으로 갈라질 때 협착으로 잘못 detect되지 않도록 알고리즘이 설계되어 있기 때문에 손쉽게 효율적으로 협착증을 자동화 기기로 진단할 수 있는 것이다.In addition, the present invention calculates the center line and width of the blood vessel through Euclidean distance transformation, and the algorithm is designed to prevent erroneous detection of stenosis when branching from a stem vessel to a branch vessel. will be.
이하, 도면을 참고하여 본 발명의 관상동맥 조영 영상에서 심장 협착증 질병 정보 제공 방법에 대하여 설명한다.Hereinafter, a method for providing information on heart stenosis disease in a coronary angiography image of the present invention will be described with reference to the drawings.
도 14는 본 발명의 관상동맥 조영 영상에서 심장 협착증 질병 정보 제공 방법을 설명하기 위한 흐름도로서, DICOM이미지부(100)에서 DICOM이미지를 획득하는 단계(S110)와, 전처리부(200)에서 영상처리하여 혈관을 추출하는 단계(S120) 그리고 심장협착감지부(300)에서 중심선을 추출하여 혈관폭을 계산하여 협착증 유무를 진단하는 단계(S130)를 포함한다.14 is a flowchart for explaining a method for providing information on cardiac stenosis disease in a coronary angiography image of the present invention, in which the
DICOM이미지부(100)에서 DICOM이미지를 획득하는 단계(S110)는 혈관에 조영제를 투입하여 혈관을 촬영하는 단계(S111)와 이미지를 획득하는 단계(S112)로 이루어져 DICOM에서 촬영된 10개 이상의 프레임을 가지는 동영상을 획득한다.The step (S110) of acquiring a DICOM image from the
단계 S110에서 10개 이상의 프레임을 갖는 동영상이 획득되면 전처리부(200)는 영상처리하여 혈관을 추출하는 단계(S120)를 수행한다.When a video having 10 or more frames is acquired in step S110, the
단계 S120은 구체적으로 DICOM(100)에서 획득한 10개 이상의 프레임 영상에서 영상처리를 행한 다음(S121) 혈관을 추출하는 단계(S122)를 수행한다.In step S120, specifically, image processing is performed on 10 or more frame images obtained from the DICOM 100 (S121), and then the step of extracting blood vessels (S122) is performed.
단계 S121에서의 영상처리는 획득한 10개 이상의 프레임 영상에서 영상처리를 행한 다음 혈관을 추출하고 추출한 혈관에서 노이즈를 제거한 다음 혈관이 가장 잘 보이는 프레임을 추출하여 다시 노이즈를 제거한다.In the image processing in step S121, image processing is performed on the acquired 10 or more frame images, then the blood vessels are extracted, noise is removed from the extracted blood vessels, and then the frame in which the blood vessels are most visible is extracted and the noise is removed again.
노이즈 제거 과정은 상술한 수학식 1 내지 4에 의하여 Multiscale Top-Hat filter를 이용하여 혈관의 대비가 강조된 영상에서 Bilateral filter를 이용하여 노이즈가 제거되도록 한다.In the noise removal process, noise is removed by using a bilateral filter in an image in which the contrast of blood vessels is emphasized using a multiscale top-hat filter according to
단계 S122에서의 혈관추출은 단계 S121에서의노이즈가 제거된 영상에서 frangi vesselness 필터를 이용하여 혈관을 추출하도록 한다.The blood vessel extraction in step S122 is to extract the blood vessels from the image from which the noise in step S121 is removed using the frangi vesselness filter.
이때도 상술한 바와 같이 frangi vesselness 필터는 frangi 필터와 같이 단순히 사용하게 될 경우 혈관이 기존 영상에 비해 얇게 추출되기 때문에 협착이 아닌 부분에서도 협착으로 보게 되는 단점이 존재할 수 있으므로, 결과적으로 얻은 영상에서 잡음 제거를 위해 threshold와 area open을 한 후 이미지를 이진화하여야 한다.Again, as described above, when the frangi vesselness filter is simply used like the frangi filter, since the blood vessel is extracted thinner than the existing image, there may be a disadvantage of seeing it as a stenosis even in a non-stenotic part, so noise in the resulting image For removal, the image should be binarized after threshold and area open.
이러한 Frangi's vesselness filter를 이용한 혈관의 추출은 수학식 5에 의하여 추출될 수 있다.The extraction of blood vessels using this Frangi's vesselness filter can be extracted by
또한, Frangi's vesselness filter를 이용한 혈관 추출영상에서 잡음 제거를 위해 threshold와 area open을 한 후 이미지를 이진화하는 것이 바람직하다.In addition, it is preferable to binarize the image after opening the threshold and area to remove noise from the blood vessel extraction image using Frangi's vesselness filter.
상술한 바와 같이 혈관추출부에서 혈관영상이 추출되면 단계 S130을 통하여 중심축 추출 및 혈관 폭을 계산하여 관상 동맥 협심증을 심장협착감지부(300)에서 진단하도록 한다.As described above, when the blood vessel image is extracted from the blood vessel extraction unit, the heart
중심선추출부(310)는 혈관추출부에서 추출된 혈관영상에서 혈관의 중심축을 추출한다(S131).The
중심축을 추출하기 위하여 각 픽셀 값들을 점과 점 사이의 거리를 구하는 공식(수학식 6)을 이용하여 유클리드 거리값으로 변환한다.In order to extract the central axis, each pixel value is converted into a Euclidean distance value using the formula (Equation 6) for calculating the distance between points.
중심선추출부(310)에서 중심선이 추출되면, 혈관폭계산부(320)는 추출된 혈관 중심선으로부터 혈관 경계선까지의 거리 즉, 혈관의 폭을 구한다(S132).When the center line is extracted by the center
단계 S132에서 혈관 폭이 계산되면 진단부(330)는 추출된 영상에 19x19픽셀로 윈도우(window)를 형성하고, 중심선에 해당하는 좌표에서만 윈도우의 중심부가 형성되게 설정한다.When the blood vessel width is calculated in step S132, the
또한, 임의로 협착을 만들어 주고 협착이 감지되면 윈도우를 표시하도록 한다.In addition, stenosis is randomly created and a window is displayed when stenosis is detected.
이때 윈도우 안에 검출되는 픽셀(pixel)의 상한선을 설정해두고 설정치보다 줄어들면 협착증으로 진단한다.At this time, the upper limit of the pixels detected in the window is set, and if it is reduced than the set value, stenosis is diagnosed.
픽셀의 상한선은 가지 혈관으로 분지될때 협착으로 잘못 진단하지 않도록 window안에 잡히는 pixel수의 상한선을 설정하여야 하는 것이다.The upper limit of the pixel is to set the upper limit of the number of pixels captured in the window to avoid erroneous diagnosis of stenosis when branching into branch blood vessels.
바람직하게는 혈관 폭이 50% 이상 급격하게 줄어드는 부분인 협착에서만 window가 표시되도록 하고, 심장 협착 공식을 이용하여 50% 이상 좁아질 경우에만 협착증으로 진단하면 된다(S133, S134,S135).Preferably, the window is displayed only at the stenosis, which is the part where the blood vessel width is rapidly reduced by 50% or more, and only when the blood vessel narrows by 50% or more using the cardiac stenosis formula, stenosis is diagnosed (S133, S134, S135).
상술한 바와 같이 본 발명의 관상동맥 조영 영상에서 심장 협착증 질병 정보 제공 방법에 의하면, DICOM 영상에서 임의의 프레임을 뽑아 영상의 잡음을 제거하고 frangi 필터를 씌우는 종래의 방식과 달리 전처리 방법을 바꾸어서 침식 팽창을 이용한 대비 강조와 혈관의 경계선을 지키는 잡음 제거 방식으로 frangi 필터를 씌워도 혈관이 얇게 추출되지 않고 기존 영상과 비슷하게 혈관을 추출할 수 있는 것이다.As described above, according to the method for providing information on cardiac stenosis disease in the coronary angiography image of the present invention, the pre-processing method is changed by changing the pre-processing method, unlike the conventional method of removing noise from the image by extracting an arbitrary frame from the DICOM image, and applying a frangi filter. Contrast enhancement using , and noise-removing method that protects the boundaries of blood vessels, even when the frangi filter is applied, blood vessels are not extracted thinly, and blood vessels can be extracted similarly to the existing image.
이상에서 본 발명은 기재된 구체예에 대하여 상세히 설명되었지만 본 발명의 기술사상 범위 내에서 다양한 변형 및 수정이 가능함은 당업자에게 있어서 명백한 것이며, 이러한 변형 및 수정이 첨부된 특허 청구범위에 속함은 당연한 것이다.Although the present invention has been described in detail with respect to the described embodiments, it is apparent to those skilled in the art that various changes and modifications are possible within the scope of the technical spirit of the present invention, and it is natural that such variations and modifications belong to the appended claims.
100 : DICOM 이미지부200 : 전처리부
210 : 이미지선택부220 : 노이즈제거부
230 : 혈관추출부300 : 심장협착감지부
310 : 중심선추출부320 : 혈관폭계산부
330 : 진단부100: DICOM image unit 200: pre-processing unit
210: image selection unit 220: noise removal unit
230: blood vessel extraction unit 300: heart stenosis detection unit
310: center line extraction unit 320: blood vessel width calculation unit
330: diagnostic unit
Claims (8)
Translated fromKorean(b)상기 단계(a)에서 획득된 영상을 전처리부에서 영상처리하여 혈관을 추출하는 단계;
(c)상기 단계(b)에서 추출된 혈관을 이용하여 중심선추출부에서 혈관의 중심선을 추출하고, 혈관폭계산부에서는 추출된 혈관중심선으로부터 혈관 경계선까지의 거리인 혈관폭을 계산하는 단계;및
(d)상기 중심축과 혈관폭을 이용하여 진단부에서 관상동맥의 협착증 질병 정보를 제공하는 단계;
를 포함하고,
상기 (b)단계에서의 전처리부는
영상의 침식과 팽창을 이용한 것으로 침식 팽창 연산을 통해 영상의 서로 다른 부분을 추출하며, 상기 서로 다른 부분의 추출은 영상에서 하얗게 추출된 영역과 검정색으로 추출된 영역을 추출한 다음 연산하여 대비가 강조된 혈관 영상을 얻은 다음,
상기 대비가 강조된 혈관영상을 bilateral 필터를 사용하여 중심 픽셀에서의 거리뿐만 아니라 밝기 차이도 고려하기 때문에 혈관의 경계를 유지하면서 주변 잡음을 제거하고, 노이즈가 제거된 영상에서 frangi vesselness 필터를 이용하여 혈관을 추출하는 것을 특징으로 하는 관상동맥 조영 영상에서 심장 협착증 질병 정보 제공 방법.
(a) acquiring a DICOM video having 10 or more frames taken by injecting a contrast medium into the blood vessel in the DICOM image unit;
(b) extracting blood vessels by image processing the image obtained in step (a) in a preprocessor;
(c) extracting the center line of the blood vessel from the center line extraction unit using the blood vessel extracted in step (b), and calculating the vessel width, which is the distance from the extracted vessel center line to the vessel boundary line, in the vessel width calculator; And
(d) providing information on the disease of coronary artery stenosis in the diagnosis unit using the central axis and the blood vessel width;
including,
The pre-processing unit in step (b)
It uses erosion and dilatation of the image and extracts different parts of the image through erosion dilatation calculation, and the extraction of the different parts extracts the white and black regions from the image and then calculates the contrast-emphasized blood vessels After getting the video,
Since the contrast-emphasized vessel image uses a bilateral filter to consider not only the distance from the central pixel but also the difference in brightness, while maintaining the boundary of the vessel, the surrounding noise is removed. A method for providing information about heart stenosis disease from a coronary angiogram, characterized in that extracting a.
상기 (c)단계는
해당 영상의 각 픽셀 값들을 점과 점 사이의 거리를 구하는 공식을 이용하여 유클리드 거리값으로 변환하고, 변환된 유클리드 거리 픽셀 값에서 중심선을 추출하고,
중심선이 추출되면 중심선으로부터 혈관 경계선까지의 최단거리로 반환하여 거리 즉, 혈관의 폭을 구하는 단계를 포함하는 관상동맥 조영 영상에서 심장 협착증 질병 정보 제공 방법.
The method according to claim 1,
Step (c) is
Each pixel value of the image is converted to a Euclidean distance value using the formula to find the distance between points, and the center line is extracted from the converted Euclidean distance pixel value,
When the center line is extracted, returning to the shortest distance from the center line to the vessel boundary line to obtain the distance, that is, the width of the vessel.
혈관 폭이 50% 이상 급격하게 줄어드는 부분인 협착에서 window를 표시하되, 중심선 좌표에서 window의 중심부가 형성되도록 설정하는 관상동맥 조영 영상에서 심장 협착증 질병 정보 제공 방법.
6. The method of claim 5,
A method of providing information on diseases of cardiac stenosis in coronary angiography images in which a window is displayed at the stenosis, a part where the blood vessel width is rapidly reduced by 50% or more, but the center of the window is formed at the center line coordinates.
가지 혈관으로 분지될때 협착으로 잘못 진단하지 않도록 window안에 잡히는 pixel수의 상한선을 설정하는 것을 특징으로 하는 관상동맥 조영 영상에서 심장 협착증 질병 정보 제공 방법.in claim 5
A method of providing information on diseases of cardiac stenosis in coronary angiography, characterized in that the upper limit of the number of pixels captured in the window is set to avoid erroneous diagnosis of stenosis when branching into branch blood vessels.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190106981 | 2019-08-30 | ||
| KR20190106981 | 2019-08-30 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210027035A KR20210027035A (en) | 2021-03-10 |
| KR102361354B1true KR102361354B1 (en) | 2022-02-10 |
Family
ID=75148649
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200033550AActiveKR102361354B1 (en) | 2019-08-30 | 2020-03-19 | Method of providing disease information for cardiac stenosis on coronary angiography |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102361354B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102600668B1 (en) | 2022-10-18 | 2023-11-10 | 메디컬아이피 주식회사 | Disease prediction method and apparatus |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102460948B1 (en)* | 2021-03-19 | 2022-10-28 | 제주대학교 산학협력단 | A method to provide necessary information for an assessment of a stenosis severity in a coronary artery |
| KR102620619B1 (en)* | 2021-08-18 | 2024-01-03 | 주식회사 팬토믹스 | Method for determining Coronary artery stenosis |
| TWI824829B (en)* | 2021-12-20 | 2023-12-01 | 仁寶電腦工業股份有限公司 | Angiography image determination method and angiography image determination device |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101182729B1 (en)* | 2011-03-10 | 2012-09-13 | 동국대학교 산학협력단 | Medical image processing methods for blood vessel |
| JP2014094157A (en)* | 2012-11-09 | 2014-05-22 | Toshiba Corp | Medical image processor, and medical image diagnostic apparatus |
| JP2018183645A (en)* | 2012-08-16 | 2018-11-22 | キヤノンメディカルシステムズ株式会社 | Image processing device |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101578770B1 (en)* | 2013-11-21 | 2015-12-18 | 삼성전자주식회사 | Apparatus por processing a medical image and method for processing a medical image |
| EP3429465B1 (en) | 2016-03-16 | 2020-11-11 | HeartFlow, Inc. | Systems and methods for estimating healthy lumen diameter and stenosis quantification in coronary arteries |
- 2020
- 2020-03-19KRKR1020200033550Apatent/KR102361354B1/enactiveActive
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101182729B1 (en)* | 2011-03-10 | 2012-09-13 | 동국대학교 산학협력단 | Medical image processing methods for blood vessel |
| JP2018183645A (en)* | 2012-08-16 | 2018-11-22 | キヤノンメディカルシステムズ株式会社 | Image processing device |
| JP2014094157A (en)* | 2012-11-09 | 2014-05-22 | Toshiba Corp | Medical image processor, and medical image diagnostic apparatus |
Non-Patent Citations (1)
| Title |
|---|
| 박석일 외 3명, 혈관조영상에서 ML 추정을 이용한 적응적 윤곽 추적 알고리듬, 대한 PACS 학회지 1997년 제3권: pp.47~52 (1997.03.31.)* |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102600668B1 (en) | 2022-10-18 | 2023-11-10 | 메디컬아이피 주식회사 | Disease prediction method and apparatus |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20210027035A (en) | 2021-03-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102361354B1 (en) | Method of providing disease information for cardiac stenosis on coronary angiography | |
| CN110490040B (en) | Method for identifying local vascular stenosis degree in DSA coronary artery image | |
| JP4909377B2 (en) | Image processing apparatus, control method therefor, and computer program | |
| Niemeijer et al. | Comparative study of retinal vessel segmentation methods on a new publicly available database | |
| US20220319004A1 (en) | Automatic vessel analysis from 2d images | |
| Shikata et al. | Automated segmentation of pulmonary vascular tree from 3D CT images | |
| JP5305821B2 (en) | Medical image processing apparatus and medical image diagnostic apparatus | |
| JP5665768B2 (en) | Image processing apparatus, image processing method, imaging system, and program | |
| US20230113721A1 (en) | Functional measurements of vessels using a temporal feature | |
| JP5631339B2 (en) | Image processing apparatus, image processing method, ophthalmic apparatus, ophthalmic system, and computer program | |
| US20220335612A1 (en) | Automated analysis of image data to determine fractional flow reserve | |
| KR101472558B1 (en) | The system and method for automatic segmentation of lung, bronchus, pulmonary vessels images from thorax ct images | |
| EP3719808A1 (en) | Determining levels of hypertension from retinal vasculature images | |
| JP2011517986A (en) | Automatic detection and accurate segmentation of abdominal aortic aneurysms | |
| CN113470137B (en) | IVOCT image guide wire artifact removing method based on gray-scale weighting | |
| Kigka et al. | A three-dimensional quantification of calcified and non-calcified plaques in coronary arteries based on computed tomography coronary angiography images: Comparison with expert's annotations and virtual histology intravascular ultrasound | |
| Kishore et al. | Automatic stenosis grading system for diagnosing coronary artery disease using coronary angiogram | |
| Oloumi et al. | Computer-aided diagnosis of plus disease in retinal fundus images of preterm infants via measurement of vessel tortuosity | |
| Tsai et al. | Automatic segmentation of vessels from angiogram sequences using adaptive feature transformation | |
| JP2019536531A (en) | Apparatus for detecting opacity in X-ray images | |
| CN119600017B (en) | Neurosurgery medical image analysis method and system based on image processing | |
| Fadzil et al. | Determination of foveal avascular zone in diabetic retinopathy digital fundus images | |
| Tsai et al. | Adaptive segmentation of vessels from coronary angiograms using multi-scale filtering | |
| KR102242114B1 (en) | Oct medical image based artificial intelligence computer aided diagnosis system and its method | |
| Mwawado et al. | Robust edge detection method for the segmentation of diabetic foot ulcer images |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PA0109 | Patent application | Patent event code:PA01091R01D Comment text:Patent Application Patent event date:20200319 | |
| PA0201 | Request for examination | ||
| PG1501 | Laying open of application | ||
| E902 | Notification of reason for refusal | ||
| PE0902 | Notice of grounds for rejection | Comment text:Notification of reason for refusal Patent event date:20210622 Patent event code:PE09021S01D | |
| E90F | Notification of reason for final refusal | ||
| PE0902 | Notice of grounds for rejection | Comment text:Final Notice of Reason for Refusal Patent event date:20211216 Patent event code:PE09021S02D | |
| E701 | Decision to grant or registration of patent right | ||
| PE0701 | Decision of registration | Patent event code:PE07011S01D Comment text:Decision to Grant Registration Patent event date:20220204 | |
| GRNT | Written decision to grant | ||
| PR0701 | Registration of establishment | Comment text:Registration of Establishment Patent event date:20220207 Patent event code:PR07011E01D | |
| PR1002 | Payment of registration fee | Payment date:20220207 End annual number:3 Start annual number:1 | |
| PG1601 | Publication of registration |