표면 정보를 이용한 MRI와 PET 영상 정합을 위한 볼륨 영상 처리

Abstract

Image Registration is the process of aligning images so that corresponding features can easily be related. It is useful for generating information which is new, complex and complement for each image. Especially medical image registration is essential process to the medical image analysis for establishing shape, structure, size, and spatial relationships of anatomical structures within the patient, together with spatial information about function and any pathology or other abnormality. Image registration can be classified into several categories by variable criteria. Globally it can be divided into monomodality and multimodality registration by the modality employed, and also into the point based, surface based and intensity based registration by the image features applied. In this paper, it will be described about the MRI-PET brain volume image processing which is essential procedure for the surface based registration includes preprocessing volume images, extracting and making new information from them and transforming them geometrically in more efficient way. They are the very necessary process for MRI - PET brain image registration, which is the multimodality registration of anatomical and functional images to detect abnormality of glucose metabolism in a brain. It is required to preprocess the volume images to approximate the different voxel values and to make it easy to extract necessary information from the images, and to study about the more efficient method of sampling and geometric transformation. MRI and PET volume images are preprocessed and segmented as properly by considering each modality feature. To preprocessing MRI and PET brain volume images, each voxel value of object volume images acquired by different modalities are adjusted to be regular square shapes by linear interpolation. Also for the segmentation of the brain area are applied thresholing, dilation, erosion and region growing algorithms, and then surface information like point locations and connection measurements, is extracted by using the 8 directional chaincode algorithm. After completing segmentation and extraction of the surface information, sampling points from the brain surface of the test volume PET image applying the curvature values calculated from the surface information. Initial geometric transformation is accomplished after the sampling procedure based on the interested brain volume size instead of doing over the whole volume area to result the more exact transformation.; 영상 정합이란 영상들을 배열하여 대응되는 특성을 연관시키는 과정으로, 서로 다른 정보를 결합하여 상호 보완적인 복합적이고 새로운 정보를 생성한다는 점에서 유용한 의미를 가진다. 특히 의료 분야에서의 영상 정합은 인체의 해부학적 구조, 크기 및 연관성 등을 병변의 기능 정보와 함께 생성하기 위한 것으로 의료 영상 분석의 기본이라 할 수 있다. 영상 정합은 여러 기준에 의하여 분류될 수 있는데 모달리티를 기준으로 크게 단일 및 다중 모달리티 정합으로 나뉠 수 있으며, 또한 정합에 사용되는 영상의 특성에 따라 표식 기반, 표면 정보 기반 및 명암도 기반 정합으로 나뉘어 질 수 있다. 본 논문에서는 다중 모달리티 볼륨 영상의 표면 정보 기반 영상 정합 기법을 응용하기 위한, 볼륨 영상의 전처리 및 정보 생성 그리고 효과적인 기하 변환을 목적으로 한다. 해부학적 영상을 얻을 수 있는 대표적인 모달리티인 MRI 뇌 영상과 기능적 모달리티인 PET 뇌 영상의 정합을 통하여 뇌 부위의 포도당 대사 이상을 판별할 수 있는 가시적인 결과를 얻기 위한 주요 과정으로서, 서로 상이한 복셀 정보를 조정하고, 표면 정보를 효율적으로 추출하기 위한 전처리 과정이 요구되며, 효과적인 샘플링 및 기하 변환 방법에 대한 연구가 필요하다. 이러한 요구 사항에 대하여 본 논문에서는 상이한 복셀 정보의 조정을 위하여 각 모달리티 별 복셀 크기에 대한 선형 보간을 통하여 복셀 크기를 정방형으로 조정하고, MRI와 PET 영상에 대하여 각 모달리티 별 볼륨 영상의 특성에 맞는 서로 다른 전처리를 수행하였다. MRI와 PET 뇌 볼륨 영상에 대하여 이진 영상 변환, 영상 팽창 및 침식을 통한 전처리 수행 후 영역 확장 알고리즘을 이용하여 뇌영역을 분할해 내었으며, 8방향 체인 코드 알고리즘을 사용하여 뇌 영역 표면의 연결 방향 성분 및 표면 점 위치 정보를 추출하였다. 그리고 PET 뇌 볼륨 영상에 대하여 표면 곡률 정보를 이용한 샘플링을 수행하고, 참조 MRI 영상과의 실제 관심 영역인 뇌 볼륨 크기에 기반한 바운딩 박스를 생성하여 효과적인 초기 기하 변환이 이루어 지도록 하였다.