Abstract
The transit time of contrast agents and the parameters of time-intensity curves in ultrasonography are important factors to diagnose various diseases of a digestive organ. We have implemented an automatic parametric imaging method to overcome the difficulty of the diagnosis by naked eyes. However, the micro-bubble noise and the respiratory motions may degrade the reliability of the parameter images. In this paper, we introduce an optimization technique based on MRF(Markov Random Field) model to enhance the quality of the parameter images, and present an image tracking algorithm to compensate the image distortion by respiratory motions. A method to extract the respiration periods from the ultrasound image sequence has been developed. We have implemented the ROI(Region of Interest) tracking algorithm using the dynamic weights and a momentum factor based on these periods. An energy function is defined for the Gibbs sampler of the image enhancement method. Through the experiments using the data to diagnose liver lesions, we have shown that the proposed method improves the quality of the parametric images.
의료 초음파 영상에서 조영제의 전이시간과 조영효과 변화 곡선 특성에 대한 파라미터는 각종 소화기 질환을 진단하는 중요한 인자가 된다. 이러한 진단인자들에 대한 육안판별의 어려움을 극복하기 위하여 파라미터 영상의 자동 생성 기법을 구현할 수 있는데 이 과정에서 마이크로 버블형태의 노이즈와 호흡에 의한 흔들림 현상은 추출된 영상의 신뢰도를 저하 시킨다. 이에 본 연구에서는 MRF(Markov Random Field) 모델을 기반으로 하는 최적화 기법을 적용하여 파라미터 영상을 개선하는 방법을 고찰하며, 호흡에 의한 영상의 흔들림을 보정하기 위한 영상추적 기법을 제시한다. 세부적으로 초음파 동영상 원시 데이터로부터 호흡주기 추출 기법을 구현하였으며, 추출된 주기를 기반으로 모멘텀 요소와 동적 가중치를 반영하는 ROI(Region of Interest) 추적 알고리즘을 적용하였다. 또한 영상 개선 기법에 적용되는 Gibbs 샘플러의 에너지 함수를 정의하고 실제 간질환 진단 데이터를 대상으로 영상 개선 효과를 실험적으로 평가하였다.
