| 1 |
1
CT 영상으로부터 볼륨 렌더링한 환자 영상이 표시되는 제1 좌표계를 기준으로 하는 ROI(Region of Interest) 영역으로부터 획득한 고정된 점군과 시술 직전 위치추적 장치를 통해 정의되는 제2 좌표계를 기준으로 획득한 움직이는 점군을 추출하는 단계;상기 고정된 점군과 상기 움직이는 점군으로부터 서로 대응하는 얼굴의 해부학적 특징점들을 추출하는 단계; 상기 특징점들 중 한 점을 원점으로 하는 단위벡터를 회전축으로 다른 특징점들이 회전하면서 획득하는 회전 행렬을 이용하여, 상기 제1 좌표계 및 상기 제2 좌표계의 초기 정합을 수행하는 단계;상기 움직이는 점군의 가우시안 혼합 모델(Gaussian Mixture Model)에서의 중점을 사후 확률이 최대가 되도록 상기 고정된 점군에 매칭하는 CPD(Coherent point drift) 알고리즘을 이용하여, 상기 제1 좌표계 및 상기 제2 좌표계를 2차로 정합하는 단계; 및상기 고정된 점군에 회전 행렬과 이동 행렬 순으로 변환을 수행하여 상기 제1 좌표계 및 상기 제2 좌표계를 정밀 정합하는 단계;를 포함하는, 3차원 수술 항법 시스템을 위한 정밀 얼굴 정합 방법
|
| 2 |
2
제1항에 있어서,상기 ROI 영역은 환자의 눈, 코 및 이마를 포함하는 해부학적 특성을 갖는 영역으로 지정되고, 상기 특징점들은 각각 상기 고정된 점군과 상기 움직이는 점군의 양쪽 눈가 점과 코 점을 포함하는, 3차원 수술 항법 시스템을 위한 정밀 얼굴 정합 방법
|
| 3 |
3
제2항에 있어서, 상기 얼굴의 해부학적 특징점들을 추출하는 단계는,상기 고정된 점군과 상기 움직이는 점군으로부터 각각 무게 중심을 획득하는 단계;상기 무게 중심으로부터 거리가 최대인 제1 눈가 점을 추출하는 단계;상기 제1 눈가 점으로부터 거리가 최대인 제2 눈가 점을 추출하는 단계; 및상기 고정된 점군을 연결하는 선의 중심점과 상기 제1 눈가 점과 상기 제2 눈가 점을 지나는 평면의 수직방향으로 거리가 최대인 코 점을 추출하는 단계;를 포함하는, 3차원 수술 항법 시스템을 위한 정밀 얼굴 정합 방법
|
| 4 |
4
제3항에 있어서, 상기 제1 좌표계 및 상기 제2 좌표계의 초기 정합을 수행하는 단계는,상기 고정된 점군의 코 점이 원점으로 이동한 제1 변위와 상기 움직이는 점군의 코 점이 원점으로 이동한 제2 변위를 획득하는 단계;상기 고정된 점군의 제1 및 제2 눈가 점을 상기 제1 변위만큼 이동시키고, 상기 움직이는 점군의 제1 및 제2 눈가 점을 제2 변위만큼 이동시키는 단계;상기 고정된 점군의 제1 눈가 점과 상기 움직이는 점군의 제1 눈가 점의 중점을 구하고, 원점으로부터 상기 중점으로 향하는 제1 단위벡터를 획득하는 단계; 및상기 제1 단위벡터를 회전축으로 상기 움직이는 점군의 제1 눈가 점과 제2 눈가 점을 180도 회전하여, 상기 고정된 점군의 제1 눈가 점이 상기 움직이는 점군의 제1 눈가 점과 매칭하는 제1 회전 행렬을 획득하는 단계;를 포함하는, 3차원 수술 항법 시스템을 위한 정밀 얼굴 정합 방법
|
| 5 |
5
제4항에 있어서, 상기 제1 좌표계 및 상기 제2 좌표계의 초기 정합을 수행하는 단계는,상기 고정된 점군의 제1 눈가 점과 상기 움직이는 점군의 제1 눈가 점의 중점을 다시 획득하는 단계;상기 원점으로부터 중점으로 향하는 제2 단위벡터를 회전축으로 하여 상기 고정된 점군의 제2 눈가 점에서 상기 제2 단위벡터로의 수선의 발을 내린 제1 수선점 및 상기 움직이는 점군의 제2 눈가 점에서 상기 제2 단위벡터로의 수선의 발을 내린 제2 수선점을 획득하는 단계;상기 고정된 점군의 제2 눈가 점에서 상기 제1 수선점 사이의 벡터 및 상기 움직이는 점군의 제2 눈가 점에서 상기 제2 수선점 사이의 벡터를 내적한 값을 각 벡터의 크기로 나누어 두 벡터를 사이 각으로 하는 cos값을 획득하는 단계;상기 고정된 점군의 제2 눈가 점에서 상기 제1 수선점 사이의 벡터 및 상기 움직이는 점군의 제2 눈가 점에서 상기 제2 수선점 사이의 벡터를 외적한 값을 각 벡터의 크기로 나누어 두 벡터를 사이 각으로 하는 sin값을 획득하는 단계; 및상기 cos값 및 상기 sin값을 기초로 상기 고정된 점군의 제2 눈가 점과 상기 움직이는 점군의 제2 눈가 점과 매칭하는 제2 회전 행렬을 획득하는 단계;를 더 포함하는, 3차원 수술 항법 시스템을 위한 정밀 얼굴 정합 방법
|
| 6 |
6
제5항에 있어서, 상기 sin값을 획득하는 단계는,최종 결과 벡터가 회전축인 상기 제2 단위벡터와 방향이 같은지 반대인지에 따라 sin값의 부호를 결정하는, 3차원 수술 항법 시스템을 위한 정밀 얼굴 정합 방법
|
| 7 |
7
제5항에 있어서,상기 고정된 점군과 상기 움직이는 점군 각각의 제1 눈가 점, 제2 눈가 점 및 코 점을 이용하여 정합의 좌우 방향성을 판단하는 단계를 더 포함하는, 3차원 수술 항법 시스템을 위한 정밀 얼굴 정합 방법
|
| 8 |
8
제7항에 있어서, 상기 정합의 좌우 방향성을 판단하는 단계는,각각의 정합 결과의 상기 고정된 점군과 상기 움직이는 점군의 코 점과 중심점을 잇는 두 벡터의 사이 각도를 획득하는 단계;상기 두 벡터를 내적한 값을 각 벡터의 크기로 나누어 두 벡터 간의 cos값의 크기를 비교하는 단계; 및상기 cos값의 크기가 임계치 이하인 경우, 올바른 정합이 이루어진 것으로 판단하는 단계;를 포함하는, 3차원 수술 항법 시스템을 위한 정밀 얼굴 정합 방법
|
| 9 |
9
제1항에 있어서, 상기 제1 좌표계 및 상기 제2 좌표계를 2차로 정합하는 단계는,제1 파라미터의 값(Old Parameter)을 랜덤하게 선택하고, 로그우도(Log Likelihood)의 기댓값을 계산하는 단계;상기 기댓값의 음의 값을 최소가 되도록 제2 파라미터의 값(New Parameter)을 업데이트(update)하는 단계; 및상기 제2 파라미터의 값을 이용하여 수렴할 때까지 상기 기댓값을 계산하는 단계 및 상기 업데이트(update)하는 단계를 반복하여 수행하는 단계;를 포함하는, 3차원 수술 항법 시스템을 위한 정밀 얼굴 정합 방법
|
| 10 |
10
제1항에 있어서, 상기 제1 좌표계 및 상기 제2 좌표계를 정밀 정합하는 단계는,정합을 위한 x축 방향 이동 행렬(Tx), y축 방향 이동 행렬(Ty), z축 방향 이동 행렬(Tz)와 x축 중심 회전 행렬(Rx), y축 중심 회전 행렬(Ry), z축 중심 회전 행렬(Rz)의 변환행렬에서, 이동에 대한 임계값과 회전에 대한 임계값을 적용하는, 3차원 수술 항법 시스템을 위한 정밀 얼굴 정합 방법
|
| 11 |
11
제1항에 있어서, 상기 제1 좌표계 및 상기 제2 좌표계를 정밀 정합하는 단계는,상기 움직이는 점군과 상기 움직이는 점군에 대응하는 상기 고정된 점군의 최소거리를 이용하여 오차를 측정하는 단계를 더 포함하는, 3차원 수술 항법 시스템을 위한 정밀 얼굴 정합 방법
|
| 12 |
12
제1항에 따른,상기 3차원 수술 항법 시스템을 위한 정밀 얼굴 정합 방법을 수행하기 위한 컴퓨터 프로그램이 기록된 컴퓨터로 판독 가능한 저장 매체
|
| 13 |
13
CT 영상으로부터 볼륨 렌더링한 환자 영상이 표시되는 제1 좌표계를 기준으로 하는 ROI(Region of Interest) 영역으로부터 획득한 고정된 점군과 시술 직전 위치추적 장치를 통해 정의되는 제2 좌표계를 기준으로 획득한 움직이는 점군을 추출하는 전처리부;상기 고정된 점군과 움직이는 점군으로부터 서로 대응하는 얼굴의 해부학적 특징점들을 추출하는 특징점 추출부; 상기 특징점들 중 한 점을 원점으로 하는 단위벡터를 회전축으로 다른 특징점들이 회전하면서 획득하는 회전 행렬을 이용하여, 상기 제1 좌표계 및 상기 제2 좌표계의 초기 정합을 수행하는 초기 정합부;상기 움직이는 점군의 가우시안 혼합 모델(Gaussian Mixture Model)에서의 중점을 사후 확률이 최대가 되도록 상기 고정된 점군에 매칭하는 CPD(Coherent point drift) 알고리즘을 이용하여, 상기 제1 좌표계 및 상기 제2 좌표계를 2차로 정합하는 CPD 정합부; 및상기 고정된 점군에 회전 행렬과 이동 행렬 순으로 변환을 수행하여 상기 제1 좌표계 및 상기 제2 좌표계를 정밀 정합하는 정밀 정합부;를 포함하는, 3차원 수술 항법 시스템을 위한 정밀 얼굴 정합 장치
|
