With the rapid development of 3-D imaging modalities and very powerful computer hardware, medical visualization systems have been developed for wide ranges of applications. However, one of the current limitations in building such systems is that the time-consuming preprocessing step to segment various organs is indispensable for accurate quantitative analysis. Especially, an accurate description of vessel structures is very important in most clinical applications. Compared to other human organs, vascular structures have some discernable characteristics as follows. First they are usually composed of thin narrow pipes to construct a tree-like organism. However, the detection of abnormal shapes is thought to be more important than that of normal shapes in a clinical sense. Finally, it should be noticed that the intensity values inside a single vascular structure are not constant due to various factors, such as density changes of contrast agent.
To segment vascular structures in 3-D CTAIMRA images, a new region-growing algorithm on the basis of local cube tracking is proposed. In this method, a small local cube is adopted to segment a vessel s egment, and the following local cubes are determined b ased o n its s egmentation result. T his procedure is repeated until whole segmentation is completed. Inside a local cube, the proposed method performs the minimum path analysis and cost-histogram analysis to extract the two kinds of seed areas; one for vessel of interest and the other for non-vessel objects. Using the extracted two kinds of seed areas, a competitive region-growing algorithm is applied to produce more precise vessel boundaries. By confining all the above processes to the inside of each local cube, a robust result can be obtained even in a tubular structure having steadily changing intensities. Through the experiment on a phantom dataset, it is proved that the proposed method can segment an object of interest quite well even in a very noisy environment.
Contrary to existing methods, it should be mentioned that the proposed algorithm can detect all possible branches with moderate computational complexity. In addition, its segmentation result is represented as a tree structure having many branches so that a user may easily correct the result branchby-branch, if needed. Also, the tree structure of the segmentation result is very effective for further processing, for example, such as automatic flyway generation in a virtual angiography system, or quantitative evaluation of vascular diseases.
Experimental results demonstrate that the proposed algorithm produces prospective vessel segmentation result for 3 -D C TAMRA images and s egments vessels o f various s izes well, including stenoses and aneurysms.
최근, CT, MR과 같은 3차원 의료 영상 촬영 장비들의 발달과 컴퓨터 연산 능력의 획기적인 발달로 인하여, 다양한 분야에서 컴퓨터를 활용한 의료 영상 도시 장치들을 개발하여 임상에 사용하려는 시도들이 많이 있어왔다. 그러나, 이러한 의료 영상 도시 장치를 개발함에 있어서, 계량적 분석을 위해서 반드시 필요한 다양한 인체 장기를 영역 분할 하기 위한 영상분할 작업이 시간이 많이 걸리고 복잡하여 현실적인 문제가 되고 있다. 특히, 임상 적용을 고려할 때에 가장 문제가 많이 발생하는 부분 중의 하나인 인체 내부의 혈관 부분에 대한 영상 분할 알고리즘은 임상 시스템의 개발을 위해 특히 더욱 요구되는 분야 중 하나이다. 그러나, 이러한 혈관 구조물은 인체 내부의 다른 구조물과 비교하여 몇 가지의 특징을 가진다. 우선, 혈관 구조물의 모양은 길고 가느다란 실린더 형태의 구조물이 엮어져 트리 구조를 이루고 있으며, 실제 진단에 사용할 임상 목적을 고려할 때에 이러한 정상 상태의 혈관 구조물의 발견 보다 오히려 협착(stenoses) 또는 동맥류(aneurysms)와 같은 비정상 상태의 혈관 모양을 발견해 내는 것이 더욱 중요하다. 또한, 혈관 영역의 밝기 값의 증강을 위하여 인체에 투여한 조영제의 농도 변화 등으로 하나의 혈관 내부에서도 밝기 값의 변화가 계속적으로 일어나며, 혈관이 다양한 기관 내부를 관통하고 있는 경우가 많아, 기존의 모델 기반의 분할 방법이나, 지역적 특성을 고려하지 않은 기존의 방법들을 사용하여 혈관 부분을 영역 분할하기에는 무리가 있었다.
본 논문에서는, 혈관 관측을 위해 촬영한 CT, MR과 같은 3차원 의학 영상에서 효과적으로 혈관 구조물을 영역 분할하기 위하여, 지역 입방체(local cube)의 추적 기법에 기반한 새로운 지역적응적인 영역 성장(region growing) 알고리즘을 제안한다. 제안한 지역 입방체 추적 기법은, 혈관 구조물 전체를 단 한번의 영역 성장 과정을 통해 분할을 시도하지 않고, 지역적으로 작은 볼륨(지역 입방체)로 쪼개어 각각의 작은 볼륨 내부에서 가장 최적의 판단을 내려 가장 좋은 분할 결과를 얻고, 이 분할 결과를 분석하여 다음 가지들의 위치를 예측하여 반복적으로 적용하는 방법이다. 아울러, 각각의 지역 입방체 내부에서 최적의 분할 결과를 얻어내기 위하여, 이전 지역 입방체의 분할 결과로부터 주어진 시드(seed) 영역으로부터, dynamic-programming 기법을 사용한 최소 경로 분석(minimum-path analysis) 방법과 경로값의 히스토그램 분석(cost histogram analysis) 방법을 제안하여, 현재 영역 분할 중인 혈관 부분의 시드 영역과 함께 혈관에 포함되지 않은 객체의 seed 영역을 같이 추출한 후, 경쟁적 영역 성장법(competitive region growing)을 적용하였다. 제안하는 방법은 지역 적응적인 영역 성장법을 위한 일반적인 프레임웍(framework)을 제공하고 있을 뿐 아니라, 기존의 방법들과 비교하여, 실제 임상에 적용할 수 있는 정도의 적당한 복잡도를 가지면서도 가능한 모든 가지들을 분할할 수 있으며, 뿐만 아니라, 추가 계산 없이 영역 분할 결과물의 트리 구조를 얻어내어 가지별로 분할된 결과를 얻어낼 수 있으며, 근사화된 중심축을 효과적으로 얻어낼 수 있어 가상 혈관 내시경 등 다양한 분야에 쉽게 적용될 수 있다.
제안하는 방법을, 팬텀(phantom) 데이터에 적용하여 실험한 결과, 기존의 방법과 비교하여 잡영 성분에 더욱 강인한 특성을 보였으며, 보다 분명하고 깨끗한 영역 분할 결과를 얻을 수 있음을 확인하였다. 아울러, 제안하는 방법을 뇌혈관 영역, 기관지 영역, 대동맥 혈관 영역 등 다양한 실제 임상 데이터에 적용하여 원하는 구조물을 효율적으로 영역 분할할 수 있음을 확인하였다.
