Journal of Korea Multimedia Society (한국멀티미디어학회논문지)

Korea Multimedia Society (한국멀티미디어학회)
권호 표지
DOI QR코드

DOI QR Code

Non-rigid Registration Method of Lung Parenchyma in Temporal Chest CT Scans using Region Binarization Modeling and Locally Deformable Model

영역 이진화 모델링과 지역적 변형 모델을 이용한 시간차 흉부 CT 영상의 폐 실질 비강체 정합 기법

  • 계희원 (한성대학교 정보시스템공학과) ;
  • 이정진 (숭실대학교 컴퓨터학부)
  • Received : 2013.03.12
  • Accepted : 2013.05.09
  • Published : 2013.06.30
Download PDF
⟨ Previous Next ⟩

Abstract

In this paper, we propose a non-rigid registration method of lung parenchyma in temporal chest CT scans using region binarization modeling and locally deformable model. To cope with intensity differences between CT scans, we segment the lung vessel and parenchyma in each scan and perform binarization modeling. Then, we match them without referring any intensity information. We globally align two lung surfaces. Then, locally deformable transformation model is developed for the subsequent non-rigid registration. Subtracted quantification results after non-rigid registration are visualized by pre-defined color map. Experimental results showed that proposed registration method correctly aligned lung parenchyma in the full inspiration and expiration CT images for ten patients. Our non-rigid lung registration method may be useful for the assessment of various lung diseases by providing intuitive color-coded information of quantification results about lung parenchyma.

본 논문에서는 시간차 흉부 CT 영상의 폐 실질 비강체 정합을 위하여 영역 이진화 모델링과 지역적 변형 모델을 이용한 정합 기법을 제안한다. 제안 기법은 먼저 폐 혈관과 실질을 분할하고, 영역 이진화 모델링을 수행하여 두 영상 사이의 밝기값의 차이에 따른 정합 오차를 최소화 한다. 다음으로 초기 정합 기법으로 두 폐 표면을 전역적으로 정렬하고, 지역적 변형 변환 모델을 제안하여 비강체 정합을 수행한다. 또한, 정합 후 감산된 시간에 따른 밝기값 차이가 미리 정의된 칼라 맵을 이용하여 가시화 된다. 실험 결과는 제안기법이 10명의 환자에 대하여 최대호흡과 최소호흡 CT 영상에서 폐 실질을 정확하게 정합하였음을 보여주었다. 제안된 비강체 정합 기법은 폐 실질에 대한 정량적 분석 결과의 직관적인 칼라 매핑을 통하여 다양한 폐 질환의 정량적 분석에 유용하게 사용될 수 있다.

Keywords

References

  1. M. Betke, H. Hong, D. Thomas, and J.P. Ko, "Landmark Detection in the Chest and Registration of Lung Surfaces with an Application to Nodule Registration," Medical Image Analysis, Vol. 7, No. 3, pp. 265-281, 2003. https://doi.org/10.1016/S1361-8415(03)00007-0
  2. L. Fan and C.W. Chen, "3D Warping and Registration from Lung Images," Proc. SPIE Medical Imaging, Vol. 3660, pp. 459- 470, 1999.
  3. L. Dougherty, D.A. Torigian, J.D. Affusso, J.C. Asmuth, and W.B. Gefter, "Use of an Optical Flow Method for the Analysis of Serial CT Lung Images," Academic Radiology, Vol. 13, No. 1, pp. 14-23, 2006. https://doi.org/10.1016/j.acra.2005.09.081
  4. D.A. Torigian, W.B. Gefter, J.D. Affuso, K. Emami, and L. Dougherty, "Application of an Optical Flow Method to Inspiratory and Expiratory Lung MDCT to Assess Regional Air Trapping: a Feasibility Study," American Journal of Roentgenology, Vol. 188, No. 3, pp. 276- 280, 2007. https://doi.org/10.2214/AJR.05.0911
  5. J.E. Wildberger, E. Klotz, H. Ditt, E. Spuntrup, A.H. Mahnken, and R.W. Gunther, "Multislice Computed Tomography Perfusion Imaging for Visualization of Acute Pulmonary Embolism: animal experience," European Radiology, Vol. 15, No. 7, pp. 1378-1386, 2005. https://doi.org/10.1007/s00330-005-2718-9
  6. R.C. Gonzalez and R.E. Woods, Digital image processing, Prentice Hall, New Jersey, U.S.A., 2008.
  7. 전태룡, 김광백, "양자화 기법과 개선된 SOM 알고리즘을 이용한 CT 영상에서의 간 종양 추출 및 분석," 2007년 한국멀티미디어학회 춘계학술발표논문집, pp. 282-293, 2007.
  8. G. Borgefors, "Distance Transformations in Arbitrary Dimensions," Computer Vision, Graphics, and Image Processing, Vol. 27, No. 3, pp. 321-345, 1984. https://doi.org/10.1016/0734-189X(84)90035-5
  9. F. Maes, A. Collignon, D. Vandermeulen, G. Marchal, and P. Suetens, "Multimodality Image Registration by Maximization of Mutual Information," IEEE Transactions on Medical Imaging, Vol. 16, No. 2, pp. 187-198, 1997. https://doi.org/10.1109/42.563664
  10. F. Maes, D. Vandermeulen, and P. Suetens, "Comparative Evaluation of Multiresolution Optimization Strategies for Multimodality Image Registration by Maximization of Mutual Information," Medical Image Analysis, Vol. 3, No. 4, pp. 373-386, 1999. https://doi.org/10.1016/S1361-8415(99)80030-9
  11. W.R. Crum, T. Hartkens, and D.L.G. Hill, "Non-Rigid Image Registration: Theory and Practice," The British Journal of Radiology, Vol. 77, No. 2, pp. 140-153, 2004. https://doi.org/10.1259/bjr/25329214
  12. 이정진, 이호, 김정곤, 이창경, 신영길, 이윤철, 이민선, "동적 MR 영상에서 비강체 정합과 감산 기법을 이용한 자동 전립선 분할 기법," 멀티미디어학회논문지, 제14권, 제3호, pp. 348-355, 2011.

Cited by

  1. Tooth Region Segmentation by Oral Cavity Model and Watershed Algorithm vol.16, pp.10, 2013, https://doi.org/10.9717/kmms.2013.16.10.1135
  2. High-quality Stitching Method of 3D Multiple Dental CT Images vol.17, pp.10, 2014, https://doi.org/10.9717/kmms.2014.17.10.1205