| 1 |
1
두 개의 서로 다른 에너지를 이용하여 얻은 프로젝션 데이터를 물질분해 알고리즘을 통해 Bone 사이노그램 및 Water 사이노그램을 포함하는 각각의 구성 물질만의 프로젝션 데이터로 분리하는 이중 에너지 기술 분석부와,상기 Bone 사이노그램으로 수학적인 반복 재구성 방법을 활용한 영상 복원을 통해 Bone 재구성 영상을 추정하고, 추정된 Bone 재구성 영상으로 CT 촬영을 통해 얻을 수 있는 프로젝션 데이터(Raw Data)로 변환시켜주는 포워드 프로젝션(Forward Projection) 과정과 이를 FDK 알고리즘으로 영상 복원하여 콘빔 아티팩트가 나타난 FDK Bone 재구성 영상을 획득하며, 상기 Bone 재구성 영상과 FDK Bone 재구성 영상과의 차이를 통해 재현된 콘빔 아티팩트 재현 영상을 획득하고, 상기 콘빔 아티팩트 발생 영상과 콘빔 아티팩트 재현 영상과의 조합을 통해 최종적으로 콘빔 아티팩트 보정 영상을 획득하는 콘빔 아티팩트 보정부를 포함하여 구성되는 것을 특징으로 하는 CT 영상에서의 콘빔 아티팩트 보정 장치
|
| 2 |
2
제 1 항에 있어서,상기 두 개의 서로 다른 에너지는 두 개의 에너지 스펙트럼으로, 로우 에너지 스펙트럼(low energy spectrum), 하이 에너지 스펙트럼(high energy spectrum)을 포함하는 것을 특징으로 하는 CT 영상에서의 콘빔 아티팩트 보정 장치
|
| 3 |
3
제 2 항에 있어서,상기 물질분해 알고리즘은 구하고자 하는 기저 함수의 값을 이중 에너지 스펙트럼을 통해 이미 알고 있는 프로젝션 데이터 Y1과 Y2를 통해 다항식(polynomial)을 구성하고, 기저 함수의 값을 이미 알고 있는 상태로 제작된 교정 팬텀(calibration phantom)을 통한 다항식의 계수 추정과 최소 제곱법(least square fitting) 과정을 통해 추정해내는 것을 특징으로 하는 CT 영상에서의 콘빔 아티팩트 보정 장치
|
| 4 |
4
제 1 항에 있어서,상기 수학적인 반복 재구성 방법은 사이노그램의 값 행렬 b와, 데이터를 획득하는데 사용된 시스템의 지오메트리에 관련된 행렬 A를 이용하여, 최종적으로 복원하고자 하는 영상의 값인 x의 총변동(Total variation : TV)이 최소화 하도록 하는 최적화 과정과 반복 과정을 통해서 추정하는 것을 특징으로 하는 CT 영상에서의 콘빔 아티팩트 보정 장치
|
| 5 |
5
제 4 항에 있어서, 상기 수학적인 반복 재구성 방법은최적화 과정에 있어서, 매 번 추정한 값 x의 총변동(Total variation : TV)이 최소화 하도록 하여 이미지를 복원하며, 총변동을 최소화 하는 정도를 파라미터 람다(λ)로 조절하여 반복 과정을 수행할 함수 f(x)를 구한 후, 구해진 함수 f(x)를 GP-BB(Gradient-Projection-Barzilai-Borwein) 알고리즘을 이용한 수학적 반복 과정을 통해 최적의 영상 복원값 x를 추정하는 것을 특징으로 하는 CT 영상에서의 콘빔 아티팩트 보정 장치
|
| 6 |
6
(A) 이중 에너지 기술 분석부를 통해 두 개의 서로 다른 에너지를 이용하여 얻은 프로젝션 데이터를 물질분해 알고리즘을 통해 Bone 사이노그램 및 Water 사이노그램을 포함하는 각각의 구성 물질만의 프로젝션 데이터로 분리하는 단계와,(B) 콘빔 아티팩트 보정부를 통해 상기 분리한 고밀도 물질(뼈)의 프로젝션 데이터 중 Bone 사이노그램을 수학적인 반복 재구성 방법을 활용한 영상 복원을 통해 Bone 재구성 영상으로 추정하는 단계와,(C) 상기 반복 재구성 영상 복원을 통해 추정된 고밀도 물질의 Bone 재구성 영상을 기반으로 콘빔 아티팩트 재현 및 보정하는 단계를 포함하여 이루어지는 것을 특징으로 하는 CT 영상에서의 콘빔 아티팩트 보정 방법
|
| 7 |
7
제 6 항에 있어서, 상기 두 개의 서로 다른 에너지는 두 개의 에너지 스펙트럼으로, 로우 에너지 스펙트럼(low energy spectrum), 하이 에너지 스펙트럼(high energy spectrum)을 포함하는 것을 특징으로 하는 CT 영상에서의 콘빔 아티팩트 보정 방법
|
| 8 |
8
제 6 항에 있어서, 상기 물질분해 알고리즘은구하고자 하는 기저 함수의 값을 이중 에너지 스펙트럼을 통해 이미 알고 있는 프로젝션 데이터 Y1과 Y2를 통해 다항식(polynomial)을 구성하는 단계와,기저 함수의 값을 이미 알고 있는 상태로 제작된 교정 팬텀(calibration phantom)을 통한 다항식의 계수 추정과 최소 제곱법(least square fitting) 과정을 통해 추정하는 단계를 포함하는 것을 특징으로 하는 CT 영상에서의 콘빔 아티팩트 보정 방법
|
| 9 |
9
제 6 항에 있어서, 상기 수학적인 반복 재구성 방법은 사이노그램의 값 행렬 b와, 데이터를 획득하는데 사용된 시스템의 지오메트리에 관련된 행렬 A를 이용하여, 최종적으로 복원하고자 하는 영상의 값인 x의 총변동(Total variation : TV)이 최소화 하도록 하는 최적화 과정과 반복 과정을 통해서 추정하는 것을 특징으로 하는 CT 영상에서의 콘빔 아티팩트 보정 방법
|
| 10 |
10
제 9 항에 있어서, 상기 수학적인 반복 재구성 방법은최적화 과정에 있어서, 매 번 추정한 값 x의 총변동(Total variation : TV)이 최소화 하도록 하여 이미지를 복원하며, 총변동을 최소화 하는 정도를 파라미터 람다(λ)로 조절하여 반복 과정을 수행할 함수 f(x)를 구하는 제 1 단계와,상기 구해진 함수 f(x)를 GP-BB(Gradient-Projection-Barzilai-Borwein) 알고리즘을 이용한 수학적 반복 과정을 통해 최적의 영상 복원값 x를 추정하는 제 2 단계를 포함하여 이루어지는 것을 특징으로 하는 CT 영상에서의 콘빔 아티팩트 보정 방법
|
| 11 |
11
제 10 항에 있어서, 상기 제 2 단계는n번째 반복 과정 동안 풀 수식 과 초기 조건을 설정하는 단계와,상기 반복 과정을 통해 추정된 값 x를 통해 반복 재구성의 스텝 사이즈를 결정하는 단계와,상기 반복 과정을 수행하여 최적화된 값 x를 추정하는 단계를 포함하여 이루어지는 것을 특징으로 하는 CT 영상에서의 콘빔 아티팩트 보정 방법
|
| 12 |
12
제 6 항에 있어서, 상기 (C) 단계는상기 반복 재구성 영상 복원을 통해 추정된 고밀도 물질의 Bone 재구성 영상을 CT 촬영을 통해 얻을 수 있는 프로젝션 데이터(Raw Data)로 변환시켜주는 포워드 프로젝션(Forward Projection) 과정과 이를 FDK 알고리즘으로 영상 복원하여 콘빔 아티팩트가 나타난 FDK Bone 재구성 영상을 획득하는 단계와,상기 Bone 재구성 영상과 FDK Bone 재구성 영상과의 차이를 통해 재현되는 콘빔 아티팩트 재현 영상을 획득하는 단계와,콘빔 아티팩트 발생 영상과 상기 획득된 콘빔 아티팩트 재현 영상과의 조합을 통해 최종적으로 콘빔 아티팩트 보정 영상을 획득하는 단계를 포함하여 이루어지는 것을 특징으로 하는 CT 영상에서의 콘빔 아티팩트 보정 방법
|
