Nowadays, multiple sets of medical data are easily available from a patient to provide complementary information. However, differences in image resolution and patient orientation among the sets make it difficult for a clinician to accurately fuse all the image information. Therefore, many researches have been performed on medical image registration techniques to transfer all the image information into a common coordinate frame.
In this paper, a novel method is proposed for fast automatic 3D image registration of two sets of medical dara. The proposed method is based on the NML (normalized mutual infomation) maximization, and adopts a multi-resolution scheme. NMI is a registration measure uding tge statidtical dependence between random variables, which had the maximal value if two medical images are geometrically well aligned. Here, we focus on the two pointd: the decrease in relative error magnitude at each multi-resolution step and the contribution degree of each voxel in changing the NML value with respect to the intensity variance near the voxel. The method provides very fast, robust, accurate,and automatic rigid body registration in various applications of mono-modal or multi-modal image sets. We apply the method for the three matching cases: CT/CTA(CT angiography) phantom data, seven intra-patient head CT/CTA images, and seven intra-patient head CT/MR images. The computing time for registration is 2∼8 min for CT/CTA image registration and 27∼59 sec for MR/CT image registration. The speed-up ratio of the proposed fast algorithm is about 1.38∼3.01 compared to the conventional registration algorithm.
The proposed method is applied to DS-CTA (digital subtraction CT angiography)to generate artifact-free angiograms. Cerebral blood vessels are extracted using 3D CT/CTA images in two steps; 3D registration to align a CT image to the CTA image, and subtraction-and-refinement to extract blood vessels only. To further imprive the subtracted image quality in the second step, a novel 3D refinement algorithm is suggested to effectively remive unwanted residuals. Experimental results of seven clinical CT/CTA head datasets demonstrate that cerebral vessels are well extracted from CTA imafes with almost no loss. This is also a good evidence for high registration accuracy of the proposed method.. The typical processing time is 3∼9 min depending on the image size in a PC with a 2.4GHz CPU.
최근 CT, MR 과 같은 3 차원 의학 영상 획득 장비들의 발달과 컴퓨터 연산 능력의 획기적인 발달은, 다른 종류의 의학 영상들을 손쉽게 획득하게 하고 대용량 데이터의 효율적인 의학 영상 분석을 가능하게 하여, 정확한 진단이 요구되어지는 환자에 대한 보다 다각적인 진단을 수행할 수 있게 하였다. 의사들이 이러한 여러 종류의 의학 영상을 이용해 환자에 대한 진단을 수행하고자 할 때, 영상 획득 특성에 따른 각 의학 영상의 해상도 차이와 각 의학 영상 획득 시 환자의 다른 자세가 효율적인 진단에 어려움을 줄 수 있게 된다. 이러한 의학 영상들을 의사가 판독하고 종합적으로 해석하기 위해서는, 의심되는 병변에 해당하는 의학 영상들의 좌표변환을 머리 속에서 미리 수행해야 하기 때문이다. 그러나 만일 이미 좌표계가 일치된 의학 영상을 의사가 판독한다면, 훨씬 능률적인 진단을 수행 할 수 있게 된다. 이렇듯 여러의학 영상들에게 공통으로 촬영된 관심 대상의 좌표계를 통일 시키는 기법을 영상 정합이라고 한다. 영상 정합은 (1) 다른 종류 (modality)의 의학 영상 획득 장치에 의해 얻어진 의학 영상(multi=modality) 이나, (2) 동일한 의학 영상 획득 장치로 얻어진 의학 영상 (mono=modality) 들을 동일한 좌표계로 변환시키는 기법이다.
본 논문에서는 의학 영상 데이터에 대하여 고속 3 차원 영상 정합 방법을 제안하고, 이 정합 방법을 DS-CTA(digital subtraction CT angiography)에 적용한 후 혈관 부분만을 효율적으로 선별하는 3 차원 영상 개선 방법을 제안한다. 제안하는 영상 정합 방법은 피라미드형 데이터를 이용하는 다해상도 구조(multi-resolution structure)를 기반으로 하고, 정규 상호 정보량 (normalized mutual information)을 계산하는 볼륨 영역을 효율적으로선택하여 정합을 수행한다. 이 정합 방법을통해 불필요한 계산량을 줄여 정합 속도를 증가시킬 수 있었다. 조인트 히스토그램(joint histogram)과 정규 상호 정보량의 관계에 대한 고찰을 바탕으로, 반복 정합 계산(iteration)에도 불구하고 조인트 히스토그램 상에서 움직이지 않는 intensity-pair 가 있다는 것에 착안하여, 움직이지 않는 intensity-pair 를 미리 예측하여 정합 과정에서 해당하는 복셀(voxel)들을 제거하였다. 여기서 움직이지 않는 intensuty-pair 를 효율적으로 예측하기 위해, 기준볼륨 (reference volume) 좌표계에 대한 부유 볼륨(floating volume) 의 다음 해상도 단계의 움직임 정도를 추정하기 위한 CR 과 해당 복셀의 밝기 변화 량을 의미하는 MIDV 를 정의하여 효과적으로 사용하였다. 또한 제안하는 3 차원 영상 개선 방법은 CTA(CT Angiography) 영상과 정합된 ct(Computerized Tomography) 영상의 차 영상에서 잡음이 발생하는 영역이 뼈 경계와 공기 경계 면임에 착안하였다. CTA 영상과 정합된 CT 영상에서의 밝기 값들을 이용하여 뼈와 공기 마스크(mask)를 결정하고 이를 이용하여 차 영상의 잡음을 효과적으로 제거하였다. 제안된 정합 방법을팬텀 데이터와 7？의 실제 CT/CTA, MR/CT/ 임상 데이터에 적용하였다. CT/CTA 정합 계산 속도는 인텔 P4 2.4GHz CPU 컴퓨터에서 2∼8 분이 소요되었으며, MR/CT 영상 정합에 대해서는 27∼59 초가 소요되었다. 제안하는 정합 방법이 정확도를 유지하는 동시에 속도를 1.38∼3.01 배 증가 시켰음을 확인 할 수 있었다. 또한 제안된 영상 정합과 영상 개선 방법을 DS-CTA 에 적용하여, CTA 영상으로부터 혈관 영상을 거의 손실 없이 성공적으로 추출할 수 있엇다.
