제안된 혈관질환 의심 영역 탐색 방안의 유용성을 확인하기 위해 CT혈관조영술을 통해 얻은 실제 의료 영상을 토대로 복원된 몇 가지 혈관 모델을 적용하였다. 그림 65-68는 적용 결과를 나타내는 것으로 그림 64는 협착 질환이 있는 하지동맥(종아리부위) 일부에 대한 탐색 결과를 나타내며, 그림 65는 협착질환이 있는 슬와동맥 일부 (무릎부위)에 대한 탐색 결과를 나타내다. 그리고 그림 66-67은 협착과 팽창질환이 있는 2 가지 경우로 총장골동맥(골반부위) 일부와 슬와동맥 일부(무릎부위)에 대한 탐색 결과를 나타낸다.
그림 65. 하지동맥 일부에 대한 탐색결과 (협착: a =0.8, D =n 2,d =0.25)
그림 66. 슬와동맥 일부에 대한 탐색 결과 (협착: a =0.8, D =n 2, d =0.25).
그림 67. 총장골동맥 일부에 대한 탐색 결과
(협착: a=0.8, D =n 2, d =0.25, 팽창: a =1.5, D =n 3, d =0.2)
그림 68. 슬와동맥 일부에 대한 탐색 결과
(협착: a=0.8, D =n 2, d =0.25, 팽창: a =1.5, D =n 3, d =0.2)
협착 및 팽창질환이 포함된 몇 가지 혈관의 적용 결과 그림 65-68에서와 같이 탐색을 위한 파라미터 주변 인접 노드 수 Dn 와 허용 면적 차이 d 의 경우 협착 영역과 팽창 영역 탐색을 위해 서로 다른 범위 값이 요구되지만, 동일한 질환 의심 영역 탐색에서는 다양한 형태의 혈관 모델에 대해 동일한 범위 값을 활용하여 탐색이 가능함을 확인할 수 있다. 이를 통해 제안된 방안이 혈관질환(협착, 팽창) 의심 영역에 대한 탐색에 유용하게 활용될 수 있음을 확인하였다.
제안된 혈관질환 의심 영역 탐색 방안은 3D 혈관 모델을 이루는 가지 단위의 각 단면에 대한 외형 정보를 토대로 단면 면적들간의 차이를 활용하여 혈관의 대표 질환인 협착과 팽창에 해당하는 영역을 빠르게 찾고 이를 시각화 해줌으로써 가상
카메라를 이용하여 모든 가지 내부를 탐색하는 번거러움을 겪지 않고, 빠르게 혈관질환 의심 영역의 위치와 상태를 확인할 수 있다.
제 8 장 결론 및 토의
혈관질환에 대한 정확한 진단을 위해서는 많은 시간과 비용이 수반되는 복잡한 과정이 요구된다. 이를 해결하기 위해 많은 의료분야에서는 경제적이고 위험부담이 적은 진단 방법으로 가상현실기술을 이용한 가상내시경이 중요한 이슈가 되고 있다.
가상내시경은 환자에게 고통을 전혀 주지 않을 뿐만 아니라 실제 내시경으로는 접근이 불가능한 심장, 혈관, 뇌혈관 등의 기관에 대한 검사 및 관찰이 가능하다 장점을 가지는 반면, 관심을 두는 3D 모델에서 가상내시경을 조작하고 질환영역의 경로를 찾아 검사하기까지는 많은 노력과 경험이 요구되며, 조작에 따라 즉각적인 시각화가 요구된다.
본 논문에서는 가상 카메라의 조작이 용이하면서 빠르고 정확한 탐험 및 혈관질환(협착, 팽창) 의심 영역의 탐색이 가능한 가상혈관경 시스템을 구현하였으며, 이를 위해 3D 골격 곡선 생성 방안과 탐색 경로 결정 및 가상 카메라 운용 방안, 그리고 혈관질환 의심 영역 탐색 방안을 제안하였다.
제안된 3D 골격 곡선 생성 방안은 복잡한 기하학적 계산이 아닌 간단한 방법으로 혈관의 중심을 표현하는 골격 곡선을 생성하는 것으로 처리속도 측면에서 이점을 가지며, 복셀 세선화와 혈관 모델의 외곽선 기반 다각형 내부 중심점 찾기를 활용하여 중심을 추정함으로써 보다 정확한 혈관 중심 표현이 가능한 3D 골격 곡선을 생성하였다. 제안된 탐색 경로 결정 및 가상 카메라 운용 방안에서는 생성된 골격 곡선을 토대로 원하는 탐색구간의 최적경로를 생성한 다음, 최적경로 상에 있는 노드들에서의 가상 카메라에 대한 위치와 자세를 결정하고, 위치 보간 및 쿼터니언 기반 자세 보간을 적절하게 활용함으로써 혈관 내부의 간편하고 정확한 탐색을 지원하도록 하였다. 또한, 키보드/마우스와 립모션 인터페이스를 통해 간단한
조작으로 혈관 내부를 검사할 수 있는 가상혈관경 테스트베드를 구현하여 기초적인 사용성 평가를 수행하였다. 이를 통해 제안된 방안의 유용성과 함께 립모션의 활용 가능성을 확인하였다. 혈관질환 의심 영역 탐색 방안에서는 생성된 3D 골격 곡선과 외곽선 정보를 활용하여 각 노드들의 외곽선에 대한 면적을 계산하고, 혈관질환 의심 영역을 탐색을 위해 면적을 고려한 간단한 휴리스틱 탐색 방법을 정의하여 이를 몇 가지 실제 혈관 모델에 적용함으로써 혈관질환 영역 탐색 지원을 위한 요소기술로의 유용성을 확인할 수 있었다. 이러한 가상혈관경 시스템은 기존 가상혈관경 시스템의 단점을 보완하고, 현재 활용되고 있는 침습적 혈관내시경 방식을 대체하기 위한 유용한 도구들 중의 하나로 활용될 수 있으리라 사료된다.
본 연구의 장점은 다음과 같이 요약할 수 있다.
l 의료분야에서 순환기계질환과 관련된 혈관에 대한 진단 및 시술 계획, 수술의 빠른 진행을 위한 요소기술로 활용될 수 있으며, 교육 및 해석, 시뮬레이션에도 활용이 가능하다.
l Leap Motion을 활용한 간단한 조작을 통해 혈관 내부를 탐험할 수 있으며, 질환 의심 영역을 탐색해 줌으로써 모든 혈관의 내부를 탐험해야 하는 기존 가상 내시경/혈관경의 번거러움을 해소하였다.
l 3D 골격 곡선을 토대로 혈관의 정확한 영역(가지 및 분기영역) 분할이 가능하므로, 분할된 영역의 자유곡면 근사를 통해 육면체(hexahedron) 기반의 CAE 해석용의 고품질 혈관 모델을 생성할 수 있다.
그러나, 본 연구에서는 몇 가지 한계점을 가지고 있다. 3D 골격 곡선 생성과정에서
의료데이터로부터 복원된 혈관 복셀 모델에 대해 복셀 세선화를 적용하여 복셀 골격 모델을 생성하고, 이를 토대로 3D 골격 곡선을 생성하는데, 이는 최초 수행되는 복셀 세선화의 결과에 많은 영향을 받으며, 구현된 가상혈관경의 경우 혈관 내부 탐색을 위한 최소한의 기능과 정보만을 제공하고 있어 상황에 따라 다양한 조작이 요구되는 사용자와의 상호작용 측면에서 제약을 가지고 있다. 그리고 혈관질환 의심 영역 탐색을 위해 몇 가지 파라미터를 활용하는 휴리스틱 탐색 방법을 정의하고 이를 적용하였다. 그러나 정확한 질환 의심 영역 탐색을 위해서는 파라미터 조절을 위한 사용자의 개입이 필요하다는 한계가 있다.
따라서, 추후 연구는 다음과 같이 요약된다.
l 복셀 세선화 과정에서 발생할 수 있는 복셀들 간의 절단 및 구멍을 검출/개선 방안을 적용함으로써 다양한 형태의 3차원 모델에서도 안정적인 복셀 골격 모델을 생성할 수 있는 방안 개발이 요구된다.
l 가상혈관경이 적용 가능한 분야의 전문가와의 협업을 통한 요구사항 수집 및 적용 시나리오 모색을 하고, 사용자 친화적인 기능의 개선 및 추가가 요구되며, 효과적인 가상현실 인터페이스 장치의 조합 또는 적용하는 방안의 개발이 요구된다.
l 다양한 형태의 혈관 질환을 탐색할 수 있는 강건하고 자동화된 혈관질환 탐색 방안이 요구된다.
참고문헌
1. Lee, J. K., Kim, Y. M. and Kim, D. Y., 2013, Segmentation and Visualization of Human Anatomy using Medical Imagery, Korea institute of electronic communication sciences, 8(1), pp.191-197.
2. Klug, H. P. and Alexander, L.E., 1954, X-ray Diffraction procedures, New York: Wiley.
3. Brenner, D. J. and Hall, E. J., 2007, Computed tomography-an increasing source of radiation exposure, New England Journal of Medicine, 357(22), pp.
2277-2284.
4. Edelman, R. R. and Warach, S., 1993, Magnetic resonance imaging, New England Journal of Medicine, 328(10), pp. 708-716.
5. Bartz, D., 2005, Virtual Endoscopy in Research and Clinical Practice, Computer Graphics Forum, 24(1), pp. 111-126.
6. Ferlitsch, A., Glauninger, P., Gupper, A., Schillinger, M., Gangl, A. and Schoefl, R., 2002, Evaluation of a virtual endoscopy simulator for training gastrointestinal endoscopy, Endoscopy, 34(9), pp. 698-702.
7. Variyam, E. P., 1997, Practical Flexible Sigmoidoscopy, Gastrointestinal Endoscopy, 45(3), pp. 339-340.
8. Pfister, H., Hardenbergh, J., knittel, J., Lauer, H. and Seiler, L., 1999, The VolumePro real-time ray-casting system, In Proceedings of the 26th annual conference on Computer graphics and interactive techniques, pp. 251-260.
9. 임석현, 신병석, 2004, 볼륨프로 하드웨어를 이용한 효율적인 투시투영 방법, 정 보과학회논문지, 31(3-4), pp. 195-203.
10. Lorensen, W., Jolesz, F. and Kikinis, R., 1995, The exploration of cross-sectional data with a virtual endoscope, Interactive Technology and the New Medical Paradigm for Health Care, pp. 221-230.
11. Rubin, G. D., Beaulieu, C. F., Argiro, V., Ringl, H., Norbash, A. M., Feller, J. F. and Napel, S., 1996, Perspective volume rendering of CT and MR images: applications for endoscopic imaging, Radiology, 199(2), pp. 321-330.
12. Hong, L., Muraki, S., Kaufman, A., Bartz, D. and He, T., 1997, Virtual voyage: Interactive navigation in the human colon, In Proceedings of the 24th annual conference on Computer graphics and interactive techniques, Los Angeles, USA, August 5-7, pp. 27-34.
13. http://www.viatronix.com/ct-colonography.asp.
14. Gobbetti, E., Pili, P., Zorcolo, A. and Tuveri, M., 1998, Interactive virtual angioscopy, In Proceedings of the Visualization, IEEE, pp. 435-438.
15. Bartz, D. and Skalej, M., 1999, VIVENDI-A virtual endoscopy system for virtual medicine, In Data Visualization, pp.155-166.
16. Vilanova, A., Konig, A. and Groller, E., 1999, VirEn: A virtual endoscopy system, Machine Graphics and Vision, 8(3), pp. 469-487.
17. Bartz, D., 1996, Prototyping a virtual colonoscopy system, Master’s thesis, Dept, of Computer Science, University of Erlangen-Numberg.
18. http://www.infinitt.com.
19. Lee, J.K., Kim, Y.N. and Kim, D.Y., 2013, Segmentation and Visualization of Human Anatomy using Medical Imagery, 8(10, pp.191-197.
20. 박형준, 2007, 의료영상을 이용한 3차원 형상 모델 생성, 한국 CAD/CAM 학회 학 회지, 13(1), pp. 36-47.
21. Suetens, P., 2009, Fundamentals of medical imaging, Cambridge university press.
22. Lorensen, W. E. and Cline, H.E., 1987, Marching cubes: A high resolution 3D surface construction algorithm, In ACM siggraph computer graphics, 21(4), pp.
163-169.
23. Kobbelt, L. P., Botsch, M., Schwanecke, U. and Seidel, H. P., 2001, Feature sensitive surface extraction from volume data, In Proceesings fo the 28th annual conference on Computer graphics and interactive techniques, pp. 57-66.
24. 나경태, 채영호, 2010, 튜얼 컨투어링 방법을 적용한 직관적인 공간 조각 인터페 이스, HCI, pp. 391-393.
25. Meyers, D., Skinner, S. and Sloan, D., 1992, Surfaces from contours, ACM Transactions On Graphics (TOG), 11(3), pp. 228-258.
26. Varady, T., Martin, R. R. and Cox, J., 1997, Reverse engineering of geometric models-an introduction, Computer-Aided Design, 29(4), pp. 255-268.
27. Wang, T. and Basu, A., 2004, An Improved fully parallel 3D thinning algorithm, A paper of Comp. Sci. Dept. of Alberta University, Canada.
28. Bergefors, G., Nystrom, I. and Di Baja, G. S., 1999, Computing skeletons in three dimensions, Pattern recognition, 32(7), 1225-1236.
29. Palagyi, K. and Kuba, A., 1998, A 3D-6-subiteration algorithm for extracting medial lines, Pattern Recognition Letters, 19(7), pp. 613-627.
30. Lohou, C. and Bertrand, G., 2004, A 3D 12-subiteration thinning algorithm based on P-simple points, Discrete applied mathematics, 139(1), 171-195.
31. Lee, T. C. Kashyap, R. L. and Chu, C. N., 1994, Building skeleton models via 3-D medial surface axis thinning algorithms, CVGIP: Graphical Models and Image Processing, 56(6), pp. 462-478.
32. Leymarie, F. F. and Kimia, B. B., 2003, Computation of the shock scaffold
for unorganized point clouds in 3D, 2003, Proceedings of the 2003 IEEE computer society conference on Computer vision and pattern recognition, Madison, Wisconsin, June 18-20, pp. 821-827.
33. Foskey, M., Lin, M. C. and Manocha, D, 2003, Efficient computation of a simplified medial axis, Journal of Computing and Information Science in Engineering, 3(4), pp. 274-284.
34. Dey, T. K. and Zhao, W., 2004, Approximating the medial axis from the voronoi diagram with a convergence guarantee, Algorithmica, 38(1), 179-200.
35. Au, O. K. C., Tai, C. L., Chu, H. K., Cohen-Or, D. and Lee, T. Y., 2008, Skeleton extraction by mesh contraction, In ACM Transactions on Graphics, 27(3), pp. 1-10.
36. Wang, S., Wu, J., Wei, M. and Ma, X., 2012, Robust curve skeleton extraction for vascular structures, Graphical Models, 74(4) pp. 109-120.
37. 김아미, 송주환, 2010, 복셀 세선화와 구조 그래프를 이용한 3차원 모델 검색, 한국정보기술학회 논문지, 8(7), pp. 59-64.
38. Ma, C. M. and Sonka, M., 1996, A fully parallel 3D thinning algorithm and its application, Computer vision and image understanding, 64(3), pp. 420-433.
39. Cornea, N. D., Silver, D. and Min, P., 2007, Curve-Skeleton properties, application, and algorithms, IEEE Transactions on Visualization & Computer Graphics, 13(3), pp. 530-548.
40. Garland, M. and Heckbert, P. S., 1997, Surface simplification using quadric error metrics, In Proceedings of the 24th annual conference on Computer graphics and interactive techniques, pp.209-216.
41. Lee, I. K., 2000, Curve reconstruction from unorganized points, Computer aided geometric design, 17(2), 161-177.
42. Tagliasacchi, A., Zhang, H. and Cohen-Or, D., 2009, Curve Skeleton extraction from incomplete point cloud, In ACM Transactions on Graphics, 28(3), pp. 1-9.
43. Wesarg, S. and Firle, E., 2004, Segmentation of vessels: the corkscrew algorithm, proceedings SIPE Medical Imaging, International Society for Optics and Photonics, pp. 1609-1620.
44. 박형준, 2005, 실제 세계에서의 STL 출력, 한국CAD/CAM학회 학회지, 11(3), pp.
6-11.
45. http://biomedical.materialise.com/mimics.
46. Wold, S., Esbensen, K. and Geladi, P., 1987, Principal component analysis, Chemometrics and intelligent laboratory systems, 2(1-3), pp. 37-52.
47. https://en.wikipedia.org/wiki/Centroid.
48. Chew, L. P., 1989, Constrained Delaunay triangulations, Algorithmica, 4(1-4), pp. 97-108.
49. Park, H. J. and Lee, J. H., 2006, B-spline Curve Approximation Based on Adaptive Selection of Dominant Points, Transactions of the Society of CAD/CAM Engineers, 11(1), pp. 1-10.
50. Huang, H., Wu, S., Cohen-Or, D., Gong, M., Zhang, H., Li, G. and Chen, B., 2003, L1-Medial Skeleton of Point Cloud, ACM Transactions on Graphics, 32(4), pp. 1-8.
51. Leap Motion, https://www.leapmotion.com/.
52. Thomas H. et al., 2001, Introduction to Algorithms, Second Edition, MIT Press and McGraw-Hill, pp. 595-601.
53. Kremer, V. E., 2008, Quaternions and SLERP, In University of Saarbrucken, Department for Computer Science Seminar Character Animation.
54. Park, S. J. and Park, H., 2015, Generation of 3D Skeleton Curve of Human Blood Vessels Using Voxel Thinning, Proceedings of the Society of CAD/CAM Engineers Conference, Pyungchang, Korea, February 4-6, pp.852 – 855.
55. Kim, D. Y. and Park, J. W., 2003, Virtual Angioscopy for Diagnosis of Carotid Artery Stenosis, Journal of KISS: Software and Application, 30(9/10), pp.821-828.