WoorimTech 과학/공학 소프트웨어 전문

3D-Doctor 벡터 기반의 3차원 의학 영상 처리 소프트웨어

Sample Images | Tutorial | Download

3D-Doctor : 벡터 기반 기술을 이용하여 3D 모델을 보다 정확하게 가시화 해주는 의료 영상처리 소프트웨어

Back-Projection과 Iterative 방법을 이용한 3차원 볼륨 재구성

3D-Doctor의 Image/Reconstruction 명령은 일정한 간격을 가지고 여러 각도에서 얻은 2차원 영상들을 취해서 Filtered Back-Projection 또는 Iterative Reconstruction을 이용하여 볼륨 영상을 재구성합니다. 만약 사용자가 이런 방법으로 획득한 영상을 가지고 있다면, 사용자는 3D-Doctor를 이용하여 3차원 단층 영상을 생성할 수 있고, 3차원 가시화와 분석을 수행할 수 있다.

Deconvolution에 의한 탁월한 3차원 복원

3D-Doctor는 두가지 3D 영사 Deconvolution 방법을 사용해 왔습니다(Fast Nearest Neighbor 알고리즘 과 Iterative Deconvolution을 기반으로 한 Optimal Maximum Entropy). Image Deconvolution은 영상을 획득시 초래될 수 있는 영상의 Degradation을 제거하거나 감소시키기 위해 사용됩니다. 이러한 Degradation에는 Optical System에 의한 Blurring이나 움직임, 전기적 또는 Photometric Source에 의한 잡음 등을 포함합니다.

CCD 카메라를 이용하는 Microscope와 같은 3차원 영상 취득 장치로 부터 영상을 획득하고 그 PSF(Point Spread of the Device) 영상을 사용 가능할 때, 영상 처리 과정에서 발생하는 Blur와 왜곡을 제거할 수 있는 해당 시스템의 PSF를 이용하여 취득된 영상을 Deconvolve하기 위하여 3D-Doctor의 Reconstruction 기능을 통해 새로운 3D 영상을 만들 수 있습니다. Image Deconvolution은 영상 복원 또는 영상의 명확성과 질 향상을 필요로 하는 곳에 많이 활용됩니다.

아래 예제의 경우, 왼쪽 그림은 Hubble Space Telescope 원시 영상을, 오른쪽 그림은 Deconvolution 알고리즘에 기초한 3D-Doctor의 Maximum Entropy을 이용하여 영상 강조한 결과입니다. 이것은 여러분이 중요한 세부 사항을 놓치지 않게 하여 보다 여러분의 연구에 필요한 정확한 정보를 확보할 수 있음을 의미합니다. 만약, 사용자가 PSF를 갖고 있지 않다면, 3D-Doctor는 Deconvolution을 위해 PSF를 생성하는 기능을 제공하므로 이를 이용하시면 됩니다.

3D-Doctor는 다음 두가지 Deconvolution 기능을 제공합니다.

1. Fast Nearest Neighbor Deconvolution

이 명령은 Fast Nearest Neighbor Deconvolution 알고리즘을 이용하여 3D 영상 복원 또는 재구성을 수행합니다. Parameter Dialog Box에 원시 영상의 파일 이름, PSF 영상 파일 이름 그리고 복원된 영상을 저장할 출력 파일을 입력합니다. 이 알고리즘은 Nearest Image Layer로 부터의 정보를 사용하기 때문에 Maximum entropy 방법보다 훨씬 빠르게 Deconvolution할 수 있습니다. 정밀한 복원 및 질이 속도보다 중요한 경우 Maximum Entropy 방법을 권장합니다.

2. Maximum Entropy Deconvolution

이 명령은 Iteractive Maximum Entropy Deconvolution 알고리즘을 이용하여 3D 영상 복원 및 재구성할 때 사용합니다. Parameter Dialog Box에는 원시 영상 파일 이름, PSF 영상 파일 이름, 복원된 영상을 저장할 출력 파일 이름 그리고 반복 횟수를 입력합니다. 반복 횟수가 클 수록 처리 시간은 길어집니다. 이 알고리즘은 최고의 Restoration Quality를 얻기 위해 Deconvolution을 반복 수행하기 때문에 Fast Nearest Neighbor Deconvolution보다 처리 시간이 더 길고 시스템 메모리도 더 많이 사용합니다. 처리 시간은 영상의 크기와 사용자의 시스템 설정에 따라 달라집니다.