Auto-Segmentation Algorithm For Liver-Vessel From Abdominal MDCT Image

복부 MDCT 영상으로부터 간혈관 자동 추출 알고리즘

  • 박성미 (충남대학교 정보통신공학부) ;
  • 이유진 (충남대학교 정보통신공학부) ;
  • 박종원 (충남대학교 정보통신공학부)
  • Received : 2009.09.29
  • Accepted : 2009.11.24
  • Published : 2010.03.31

Abstract

It is essential for living donor liver transplantation that surgeon must understand the hepatic vessel structure to improve the success rate of operation. In this paper, we extract the liver boundary without other surrounding structures such as heart, stomach, and spleen using the contrast enhanced MDCT liver image sequence. After that, we extract the major hepatic veins (left, middle, right hepatic vein) with morphological filter after review the basic structure of hepatic vessel which reside in segmented liver image region. The purpose of this study is provide the overall status of transplantation operation with size estimation of resection part which is dissected along with the middle hepatic vein. The method of liver extraction is as follows: firstly, we get rid of background and muscle layer with gray level distribution ratio from sampling process. secondly, the coincident images match with unit mesh image are unified with resulted image using the corse coordinate of liver and body. thirdly, we extract the final liver image after expanding and region filling. Using the segmented liver images, we extract the hepatic vessels with morphological filter and reversed the major hepatic vessels only with a results of ascending order of vessel size. The 3D reconstructed views of hepatic vessel are generated after applying the interpolation to provide the smooth view. These 3D view are used to estimate the dissection line after identify the middle hepatic vein. Finally, the volume of resection region is calculated and we can identify the possibility of successful transplantation operation.

간이식 수술을 함에 있어서 간 내부의 혈관의 형태를 알고 시작하는 것이 수술의 성공률을 매우 높일 수 있다. 본 논문은 조영제를 투여한 정상 환자의 복부 MDCT를 이용하여 얻어진 영상을 다른 여러 장기부분은 제거하고 간 영상만을 추출한 후 간 내의 혈관들의 기본형태를 파악하여 몇몇 구조단위들을 만들고 Morphological filtering을 이용하여 주요 혈관인 좌, 우, 중간정맥을 찾아낸다. 중간정맥을 기준으로 간 실질을 절단하여 절단된 부분의 크기를 예측하고 수술전에 전체 상황을 파악하기 위한 연구이다. 간의 추출 방법은 명암값의 범위와 분포 샘플링 과정에 의한 명암값 분포비율을 가지고 배경과 근육층을 제거하였다. 간의 대략적인 위치 정보와 몸통의 위치정보를 이용하여 단위 매쉬영상과 일치되는 영상을 찾은 후 결과 영상을 조합하고 8방향 연결성을 이용하여 확장하고 화소간의 채우기 과정을 거쳐 최종적인 간영상을 추출하였다. 추출된 간 영상에서 간 영역의 특징적인 명암값과 다양한 구조단위를 가지고 Morpological Filtering을 수행 한 후 나타난 결과들을 조합하여 만들어진 영상에서 각 슬라이스 별로 크기순으로 큰 부분들을 남겨두어 굵은 혈관만을 추출하였다. 추출된 영상들을 3D로 구성 시 자연스럽게 보여지도록 인터폴레이션을 수행한 후 3D Reconstruction 을 수행하여 3D 형태의 간 혈관을 보고 중간 정맥을 파악하여 간 실질의 절단 위치를 예측하게 된다. 절단되어진 간 실질의 크기를 확인하고 계산에 의하여 수술 성공 가능성을 파악할 수 있다.

Keywords

References

  1. 서울아산 병원, "장기이식센타", http://www.amc.seoul.kr
  2. 국립 암센타, "암정보서비스", http://ncc.re.kr
  3. 통계청 사망원인 통계연보 "주요질병사망원인변천 Annual mortality trends by leading causes of death in korea''(1990, 1995 and 2002)
  4. "아낌없이 몸을 떼어 주는 장기 기증자들" 월간조선, Nov. 2004.
  5. 임재훈 박원식 안중모 김삼수 정환 최형식, "PACS 의 경제성 분석," 대한PACS 학회지, 제6권 p.9-18, 2000.
  6. 박원식, "PACS의 경제성 분석," 삼성 서울병원 영상의학과.
  7. S.M. Park, E.K.Cho, Y.H.Kwon, M.S.Park, and J.W.Park, "Automatic Separate Algorithm of Vein and Artery for Auto-segmentation Liver-Vessel from Abdominal MDCT Image Using Mprphological Filtering," LECTURE NOTES IN COMPUTER SCIENCE 2005. LNCS 3612, pp. 1069-1078, 2005. Springer. Verlag Berlin Heidelberg.16-18 Dec. 2005.
  8. M. J. Carlotto, "Histogram Analysis Using Scale-Space Approach," IEEE Transaction on PAMI, pp. 121-129, Jan. 1987.
  9. R. D. Henkei, "Segmentation in Scale Space," Proceedings of 6th international conference on Computer Analysis of Images and Pattern, CAIP, Prague 1995.
  10. H. E. Burdick "Digital Imaging, theory and application" McGraw_Hill inc, 1997.
  11. S. E. Umbaugh, "Computer Vision and Image processing : A Practical Approach Using CVI Ptools", Prentice Hall PTR, 1988.
  12. D. G. Health, B. S. Kuszyk, and ElIot K.Fishman, "Automatic Liver Segmentation Technique for Three-dimensional Visualization of CT Data," Radiology, 1996.
  13. L. Gao, D. G. Heath and E. Fishman, "Abdominal Image Segmentation Using Three-Dimensional Deformable Models," Inves.Radio., Vol.33, No.6, 348-355, 1998. https://doi.org/10.1097/00004424-199806000-00006
  14. E. L. Chen, P. C. Chung, C. L. Chen, H. M. Tsai, and C. I. Chang, "An Automatic Diagnostic System for CT Liver Image Classification ," IEEE Trans. Biomed. Eng. Vol.45, pp. 783-794, 1998. https://doi.org/10.1109/10.678613
  15. L. A. Farjo, D. M. Williams, P. H. Bland, I. R. Francis, and C. R. Meyer, "Determination of Liver Volume from CT Scans Using Histogram Cluster Analysis," J Comput Assist Tomogr, Vol.16, No.5, 1992.
  16. K. T. Bae, M. L. Giger, H. MacMahon, and K. Doi, "Automatic segmentation of liver structure in CT images," Med. Phys. 20(1), 1993.
  17. A. Yezzi, S. Kichenassamy, and A. Kumar, "A Geometric Snake Model for Segmentation of medical Imagery," IEEE Trans. Med. Imag., Vol.16, 1997.
  18. L. Gao, D. G. Heath and E. Fishman, "Abdominal Image Segmentation Using Three-Dimensional Deformable Models," Inves. Radio., Vol.33, No.6, 348-355, 1998. https://doi.org/10.1097/00004424-199806000-00006
  19. T. McInemey, and D. Terzopoilos, "Topology Adaptive Deformable Surfaces for Medical Image Volume Segmentation," IEEE Trans Med. Imag., Vol.18, No.10, Oct. 1999.
  20. S.W.Yoo, Y.C.Sung, J.S.Cho, S.M.Noh, K.S.Shin, and J.W.Park, "Segmentation of Liver and Spleen by using Lattice Estimation System in Abdominal CT Image," ITC-CSCC'99, Vol.II, pp. 991-994, 1999.
  21. 성윤창, 윤용대, 송창준, 노승무, 박종원, "뇌에 대한 축상면의 MR 영상에서 뇌 영역 분할 및 조직 분할을 위한판별 값의 결정," 제13회 영상처리 및 이해에 관한 워크샵 발표 논문집, Vol. 13 No.01 pp. 0463-0468, 2001. 1.
  22. 유승화, 조준식, 노승무, 신경숙, 박종원, "명암값 분포를 이용한 자동화된 간과 비장의 정교한 추출," 한국정보과학회 논문지, Vol.28, No.1, pp. 20-32, 2001. 03.
  23. 유승화, 조준식, 노승무, 신경숙, 박종원," 조영제를 사용한 복부CT영상에서 명암값 비율을 이용한 간의 자동 추출," 대한전자공학회 논문지, Vol.38, SP, No.2, pp. 63-73, 2001. 03.