| 1 |
1
(1) 혈관 내 초음파 영상 장치를 이용하여 획득된 혈관 내 초음파 영상을 극좌표 영상으로 변환하는 단계;(2) 상기 변환된 극좌표 영상에서 도뇨관(catheter) 영역을 제거하는 단계;(3) 상기 도뇨관 영역을 제거한 상기 극좌표 영상 전체로부터 내강 경계면의 위치를 찾기 위한 초기 관심 점을 추출하는 단계;(4) 추출된 상기 초기 관심 점을 필터링하여 내강 경계면 관심 점을 추출하는 단계; 및(5) 추출된 불연속적인 상기 내강 경계면 관심 점으로부터 연속적인 곡선 형태의 내강 경계면을 검출하는 단계를 포함하며,상기 단계 (4)는,(4-1) 내강 경계면에 대한 비모수적 확률 모델을 생성하는 단계; 및(4-2) 생성된 상기 확률 모델을 기반으로 스무딩 함수를 이용하여 내강 경계면 관심 점을 추출하는 단계를 포함하는 것을 특징으로 하는, 비모수적 확률 모델과 스무딩 함수를 이용한 혈관 내 초음파 영상에서 내강 경계면 자동 분할 방법
|
| 2 |
2
제1항에 있어서,(6) 검출된 상기 내강 경계면에 대한 극좌표 영상을 원좌표 영상으로 역변환하는 단계를 더 포함하는 것을 특징으로 하는, 비모수적 확률 모델과 스무딩 함수를 이용한 혈관 내 초음파 영상에서 내강 경계면 자동 분할 방법
|
| 3 |
3
제1항에 있어서, 상기 단계 (3)은,(3-1) 내강 벽의 경계는 상대적으로 고주파 성분 값과 밝은 픽셀 값을 가지는 것을 고려하여, 상기 도뇨관 영역을 제거한 상기 극좌표 영상에서, 고주파 신호의 변화가 미리 정해진 값 이상인 영역에서 관심 점을 선택하는 단계;(3-2) 상기 선택된 관심 점을 웨이블릿 변환(wavelet transform)한 후, 각 부 영역의 저해상도 영상에서 고해상도 영상으로 웨이블릿 계수가 미리 정해진 값보다 높은 점만 추적하는 단계; 및(3-3) 상기 각 부 영역에서 공통으로 남은 상기 점을 초기 관심 점으로 추출하는 단계를 포함하는 것을 특징으로 하는, 비모수적 확률 모델과 스무딩 함수를 이용한 혈관 내 초음파 영상에서 내강 경계면 자동 분할 방법
|
| 4 |
4
제3항에 있어서, 상기 웨이블릿 변환은,도비시 웨이블릿(Daubechies wavelet) 변환을 이용하는 것을 특징으로 하는, 비모수적 확률 모델과 스무딩 함수를 이용한 혈관 내 초음파 영상에서 내강 경계면 자동 분할 방법
|
| 5 |
5
삭제
|
| 6 |
6
제1항에 있어서, 상기 단계 (4-1)은,(4-1-1) 극좌표의 각도(θ)가 일정한 각 열에서, 후보 내강 경계면 관심 점에 대한 학습 데이터를 설정하는 단계; 및(4-1-2) 설정된 학습 데이터를 기반으로 극좌표의 각도(θ)가 일정한 각 열의 좌표마다 원점(0좌표)에서 상기 관심 점의 좌표까지의 거리(r)를 이용하여 각 열 영역에 대한 내강 경계면 확률 모델을 생성하는 단계를 포함하는 것을 특징으로 하는, 비모수적 확률 모델과 스무딩 함수를 이용한 혈관 내 초음파 영상에서 내강 경계면 자동 분할 방법
|
| 7 |
7
제6항에 있어서, 상기 단계 (4-1-2)에서,상기 설정된 데이터를 기반으로 비모수적(Non-parametric) 방법인 가우시안 커널을 이용한 밀도 추정법에 의해 상기 확률 모델을 생성하는 것을 특징으로 하는, 비모수적 확률 모델과 스무딩 함수를 이용한 혈관 내 초음파 영상에서 내강 경계면 자동 분할 방법
|
| 8 |
8
제1항에 있어서, 상기 단계 (4-2)는,(4-2-1) 생성된 상기 확률 모델을 이용하여 극좌표의 각도(θ)가 일정한 각 열에 위치한 초기 관심 점의 에너지 값을 계산하는 단계; 및(4-2-2) 상기 극좌표의 각도(θ)가 일정한 각 열에서, 스무딩 함수를 이용하여 계산된 상기 에너지 값 중 가장 큰 값이 최소의 임계값 T를 넘는 관심 점을 내강 경계면 관심 점으로 선정하는 단계를 포함하는 것을 특징으로 하는, 비모수적 확률 모델과 스무딩 함수를 이용한 혈관 내 초음파 영상에서 내강 경계면 자동 분할 방법
|
| 9 |
9
제1항에 있어서, 상기 단계 (5)에서,상기 내강 경계면은 다항 곡선 접합(Polynomial curve fitting) 함수를 이용하여 검출되는 것을 특징으로 하는, 비모수적 확률 모델과 스무딩 함수를 이용한 혈관 내 초음파 영상에서 내강 경계면 자동 분할 방법
|
| 10 |
10
제9항에 있어서, 상기 다항 곡선 접합 함수는,다항 회귀분석(Polynomial regression)을 기반으로 하는 것을 특징으로 하는, 비모수적 확률 모델과 스무딩 함수를 이용한 혈관 내 초음파 영상에서 내강 경계면 자동 분할 방법
|
| 11 |
11
제9항에 있어서, 상기 다항 곡선 접합 함수는,6차 다항 곡선 접합 함수인 것을 특징으로 하는, 비모수적 확률 모델과 스무딩 함수를 이용한 혈관 내 초음파 영상에서 내강 경계면 자동 분할 방법
|
