| 1 |
1
진단 의료 영상의 대비 향상 방법으로서,(a) 입력된 진단 의료 영상의 통계적 파라미터를 추출하는 단계; (b) 추출된 통계적 파라미터에 기반하여 활성화 픽셀 영역과 비활성화 픽셀 영역을 구분하는 단계; (c) 상기 입력된 진단 의료 영상 중 상기 비활성화 픽셀 영역에 대해서는 해당 원본 영상의 확률밀도함수를 그대로 적용하고, 상기 활성화 픽셀 영역에 대해서는 기모델링된 감마분포곡선에 따른 확률밀도함수를 적용하는 적응식 맵핑 함수를 획득하는 단계; 및 (d) 상기 획득된 적응식 맵핑 함수에 기반하여 상기 입력된 진단 의료 영상에 관한 영상 히스토그램을 재조정하는 단계를 포함하고,상기 통계적 파라미터는, 그레이 스케일(gray scale)의 진단 의료 영상을 기준으로 할 때, 해당 영상의 전체 픽셀값들의 평균값(μ)과, 해당 영상의 전체 픽셀값들에 관한 분산값(σ2) 및 표준편차값(σ) 중 어느 하나와 관련되며,상기 단계 (b)에서, 상기 입력된 진단 의료 영상 중 픽셀값이 상기 평균값(μ) 보다 작은 값을 갖는 픽셀들의 경우,(b1) 상기 입력된 진단 의료 영상의 상기 평균값(μ)과 2σ 간의 대소 비교 결과에 따라, 상기 평균값이 2σ보다 작은 값을 갖는 경우 상기 평균값(μ)에 대한 정수값(int(μ))을, 그렇지 않은 경우 상기 평균값(μ)에서 2σ를 뺀 값에 대한 정수값(int(μ-2σ))을 제1 기준 픽셀값으로 설정하는 단계; (b2) 상기 제1 기준 픽셀값으로부터 시작하여 제1 조건을 만족할 때까지 픽셀값을 1씩 감산함으로써 제1 경계점을 획득하는 단계-여기서, 상기 제1 조건은 해당 픽셀값이 나올 확률(p(i))이 상기 진단 의료 영상의 전체 픽셀값들에 관한 확률의 평균(Pt)보다 커지는 조건을 의미하며, p(i)가 Pt보다 커지는 최초의 픽셀값이 상기 제1 경계점으로 획득됨-; (b3) 상기 제1 경계점의 픽셀값(Tl) 이하의 픽셀값들은 비활성화 픽셀 영역으로 구분되고, 상기 제1 경계점의 픽셀값(Tl)을 초과하는 픽셀값들은 제1 활성화 픽셀 영역으로 구분되는 단계를 포함하는, 진단 의료 영상의 대비 향상 방법
|
| 2 |
2
삭제
|
| 3 |
3
삭제
|
| 4 |
4
제1항에 있어서,상기 단계 (b)에서, 상기 입력된 진단 의료 영상 중 픽셀값이 상기 평균값(μ) 보다 큰 값을 갖는 픽셀들의 경우,(b4) 상기 입력된 진단 의료 영상의 상기 평균값(μ)과 2σ의 합산값과 최대 픽셀값 간의 대소 비교 결과에 따라, 상기 합산값이 상기 최대 픽셀값 보다 큰 값을 갖는 경우 상기 평균값(μ)에 대한 정수값(int(μ))을, 그렇지 않은 경우 상기 합산값에 대한 정수값(int(μ+2σ))을 제2 기준 픽셀값으로 설정하는 단계;(b5) 상기 제2 기준 픽셀값으로부터 시작하여 제2 조건을 만족할 때까지 픽셀값을 1씩 가산함으로써 제2 경계점을 획득하는 단계-여기서, 상기 제2 조건은 해당 픽셀값이 나올 확률(p(i))이 상기 진단 의료 영상의 전체 픽셀값들에 관한 확률의 평균(Pt)보다 커지는 조건을 의미하며, p(i)가 Pt보다 커지는 최초의 픽셀값이 상기 제2 경계점으로 획득됨-;(b6) 상기 제2 경계점의 픽셀값(Th) 미만의 픽셀값들은 제2 활성화 픽셀 영역으로 구분되고, 상기 제2 경계점의 픽셀값(Th) 이상의 픽셀값들은 비활성화 픽셀 영역으로 구분되는 단계를 포함하는, 진단 의료 영상의 대비 향상 방법
|
| 5 |
5
제4항에 있어서,상기 단계 (c)에서, 상기 적응식 맵핑 함수는 하기 수학식 1에 의해 정의되는, 진단 의료 영상의 대비 향상 방법
|
| 6 |
6
진단 의료 영상 처리 시스템으로서,입력된 진단 의료 영상을 저장하는 메모리와, 상기 진단 의료 영상의 처리를 위한 적어도 하나의 프로세서를 포함하되, 상기 프로세서는,입력된 진단 의료 영상의 통계적 파라미터를 추출하고, 추출된 통계적 파라미터에 기반하여 활성화 픽셀 영역과 비활성화 픽셀 영역을 구분하며, 상기 입력된 진단 의료 영상 중 상기 비활성화 픽셀 영역에 대해서는 해당 원본 영상의 확률밀도함수를 그대로 적용하고 상기 활성화 픽셀 영역에 대해서는 기모델링된 감마분포곡선에 따른 확률밀도함수를 적용하는 적응식 맵핑 함수를 획득하고, 상기 획득된 적응식 맵핑 함수에 기반하여 상기 입력된 진단 의료 영상에 관한 영상 히스토그램을 재조정함으로써, 상기 입력된 진단 의료 영상의 대비(contrast)를 향상시키되,상기 통계적 파라미터는, 그레이 스케일(gray scale)의 진단 의료 영상을 기준으로 할 때, 해당 영상의 전체 픽셀값들의 평균값(μ)과, 해당 영상의 전체 픽셀값들에 관한 분산값(σ2) 및 표준편차값(σ) 중 어느 하나와 관련되며,상기 프로세서는, 상기 활성화 픽셀 영역과 상기 비활성화 픽셀 영역을 구분함에 있어서, 상기 입력된 진단 의료 영상 중 픽셀값이 상기 평균값(μ) 보다 작은 값을 갖는 픽셀들의 경우,상기 입력된 진단 의료 영상의 상기 평균값(μ)과 2σ 간의 대소 비교 결과에 따라, 상기 평균값이 2σ보다 작은 값을 갖는 경우 상기 평균값(μ)에 대한 정수값(int(μ))을, 그렇지 않은 경우 상기 평균값(μ)에서 2σ를 뺀 값에 대한 정수값(int(μ-2σ))을 제1 기준 픽셀값으로 설정하고,상기 제1 기준 픽셀값으로부터 시작하여 제1 조건을 만족할 때까지 픽셀값을 1씩 감산함으로써 제1 경계점을 획득하며-여기서, 상기 제1 조건은 해당 픽셀값이 나올 확률(p(i))이 상기 진단 의료 영상의 전체 픽셀값들에 관한 확률의 평균(Pt)보다 커지는 조건을 의미하며, p(i)가 Pt보다 커지는 최초의 픽셀값이 상기 제1 경계점으로 획득됨-,상기 제1 경계점의 픽셀값(Tl) 이하의 픽셀값들은 비활성화 픽셀 영역으로 구분되고, 상기 제1 경계점의 픽셀값(Tl)을 초과하는 픽셀값들은 제1 활성화 픽셀 영역으로 구분되는 것을 특징으로 하는, 진단 의료 영상 처리 시스템
|
| 7 |
7
삭제
|
| 8 |
8
삭제
|
| 9 |
9
제6항에 있어서,상기 프로세서는, 상기 활성화 픽셀 영역과 상기 비활성화 픽셀 영역을 구분함에 있어서, 상기 입력된 진단 의료 영상 중 픽셀값이 상기 평균값(μ) 보다 큰 값을 갖는 픽셀들의 경우,상기 입력된 진단 의료 영상의 상기 평균값(μ)과 2σ의 합산값과 최대 픽셀값 간의 대소 비교 결과에 따라, 상기 합산값이 상기 최대 픽셀값 보다 큰 값을 갖는 경우 상기 평균값(μ)에 대한 정수값(int(μ))을, 그렇지 않은 경우 상기 합산값에 대한 정수값(int(μ+2σ))을 제2 기준 픽셀값으로 설정하고,상기 제2 기준 픽셀값으로부터 시작하여 제2 조건을 만족할 때까지 픽셀값을 1씩 가산함으로써 제2 경계점을 획득하며-여기서, 상기 제2 조건은 해당 픽셀값이 나올 확률(p(i))이 상기 진단 의료 영상의 전체 픽셀값들에 관한 확률의 평균(Pt)보다 커지는 조건을 의미하며, p(i)가 Pt보다 커지는 최초의 픽셀값이 상기 제2 경계점으로 획득됨-,상기 제2 경계점의 픽셀값(Th) 미만의 픽셀값들은 제2 활성화 픽셀 영역으로 구분되고, 상기 제2 경계점의 픽셀값(Th) 이상의 픽셀값들은 비활성화 픽셀 영역으로 구분되는 것을 특징으로 하는, 진단 의료 영상 처리 시스템
|
| 10 |
10
제9항에 있어서,상기 적응식 맵핑 함수는 하기 수학식 2에 의해 정의되는, 진단 의료 영상 처리 시스템
|
| 11 |
11
삭제
|
