표면거리 및 표면곡률 최적화 기반 다중 모달리티 뇌영상 정합

Abstract

많은 의료 연구에서는 대상으로부터 서로 다른 시간에 다양한 모달리티(modality)의 형태로 영상이 취득된다. 또한 의료 영상 촬영장비의 발전으로 영상의 질이 높아지고 그에 따라 데이터의 용량도 커지게 되었다. 이로 인해 컴퓨터 시스템을 통해 다수의 영상 데이터들을 비교하고 혼합하여 가시화하는 것이 임상에서 진단과 수술, 치료계획에 유용한 정보를 빠르게 제공하게 된다. 따라서 서로 다른 종류의 영상을 정확하게 연관시켜 복합적인 정보를 제공하기 위한 신뢰도 높은 영상 정합 기법의 연구가 요구된다. 의료 영상 정합기법 중에서 표면정보 기반 영상 정합에서는 일반적으로 두 모달리티에서 추출된 표면 윤곽선 사이의 거리를 최소화함으로써 매칭이 이루어진다. 그런데 같은 뇌를 대상으로 취득되지만 서로 다른 정보를 제공하는 두 모달리티는 관심 영역의 윤곽선 표면 특성이 서로 유사하다. 그러므로 다중 모달리티 영상 정합에서 표면거리와 함께 표면의 형태 특성을 고려하여 두 영상을 매칭하는 방법이 정합 결과의 정확도를 향상시킬 수 있다. 본 연구에서는 참조 볼륨과 테스트 볼륨 사이의 표면거리만을 최적화하는 기존의 정합 방법을 개선하여 두 볼륨의 표면곡률을 참조하고 이를 최적화하는 정합 방법을 제안한다. 이를 위해 본 연구에서는 표면거리와 표면곡률 정보를 포함하는 최적화 평가함수를 제시하였다. 이 최적화 평가함수를 최소화함으로써 계산되는 최적 변환값으로 전체 테스트 볼륨을 변환시키면 테스트 볼륨이 참조 볼륨에 정합되는 결과를 얻을 수 있다. 이같이 개선된 최적화 단계를 통해 두 영상의 표면거리와 표면곡률 차이가 최소화되고 결과적으로 정합 결과의 오류가 낮아지게 된다.

;In much of medical research, multiple images are acquired from subjects at different times, and often with different imaging modalities. Furthermore, the amount of data produced by each successive generation of imaging system is greater than the previous generation. There are, therefore, substantial benefits in improving the way in which these images are compared and combined. For this reason, research studies in robust registration techniques are required to provide integrated and useful information. Within medical imaging techniques surface registration methods generally minimize the surface distance between two modalities. However, the features of two modalities acquired from one subject are similar. So it is meaningful to match two surfaces based on optimization of both surface distance and curvature. This thesis proposes a registration method which optimizes surface distance and surface curvature of two objects. For this, a cost function that minimizes surface distance and surface curvature difference is offered. The suggested cost function makes possible a more accurate registration result than that of the cost function using the surface distance only.