KR101885562B1 - Method for mapping region of interest in first medical image onto second medical image and apparatus using the same - Google Patents
Method for mapping region of interest in first medical image onto second medical image and apparatus using the same Download PDFInfo
- Publication number
- KR101885562B1 KR101885562B1 KR1020170174315A KR20170174315A KR101885562B1 KR 101885562 B1 KR101885562 B1 KR 101885562B1 KR 1020170174315 A KR1020170174315 A KR 1020170174315A KR 20170174315 A KR20170174315 A KR 20170174315A KR 101885562 B1 KR101885562 B1 KR 101885562B1
- Authority
- KR
- South Korea
- Prior art keywords
- medical image
- region
- information
- interest
- image
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000013507 mapping Methods 0.000 title claims abstract description 57
- 238000012545 processing Methods 0.000 claims abstract description 36
- 238000004891 communication Methods 0.000 claims description 21
- 238000012986 modification Methods 0.000 claims description 6
- 230000004048 modification Effects 0.000 claims description 6
- 238000013135 deep learning Methods 0.000 claims description 5
- 230000001131 transforming effect Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 238000012549 training Methods 0.000 claims description 2
- 238000007689 inspection Methods 0.000 abstract 3
- 238000010586 diagram Methods 0.000 description 10
- 238000013473 artificial intelligence Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000002059 diagnostic imaging Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 238000002595 magnetic resonance imaging Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000007408 cone-beam computed tomography Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- CYTYCFOTNPOANT-UHFFFAOYSA-N Perchloroethylene Chemical compound ClC(Cl)=C(Cl)Cl CYTYCFOTNPOANT-UHFFFAOYSA-N 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000001493 electron microscopy Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 230000003334 potential effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000002603 single-photon emission computed tomography Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
-
- G06K9/3233—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Theoretical Computer Science (AREA)
- Radiology & Medical Imaging (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Public Health (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Physics & Mathematics (AREA)
- High Energy & Nuclear Physics (AREA)
- Multimedia (AREA)
- Pulmonology (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
Description
본 발명은 피검체에 대하여 취해진 제1 의료 영상의 일부 영역인 적어도 하나의 관심 영역(ROI; region of interest)을 상기 피검체의 제2 의료 영상 위에 맵핑(mapping)하는 방법에 관한 것이다. 구체적으로, 상기 제1 의료 영상은 연속적인 다수의 개별 슬라이싱 영상을 포함하며, 상기 제2 의료 영상은 상기 다수의 개별 슬라이싱 영상에 교차하는 평면 상의 의료 영상을 포함하고, 본 발명에 따른 컴퓨팅 장치는, 제1 의료 영상 및 제1 관심 영역 정보를 획득하고, 상기 제1 의료 영상 및 상기 제1 관심 영역 정보에 기초한 영상 처리로써 유사 의료 영상(medical pseudo-image) 및 유사 관심 영역 정보가 반영된 유사 의료 영상 데이터를 생성하며, 상기 유사 의료 영상 또는 이에 정합(register)되는 상기 피검체의 타 의료 영상인 상기 제2 의료 영상 및 제2 관심 영역 정보를 포함하는 맵핑 결과 데이터를 외부 엔티티(entity)에 제공한다.The present invention relates to a method of mapping at least one region of interest (ROI), which is a part of a first medical image taken on a subject, onto a second medical image of the subject. Specifically, the first medical image includes a plurality of continuous individual slice images, and the second medical image includes a medical image on a plane intersecting the plurality of individual slice images, and the computing device according to the present invention The first medical image and the first region of interest information and acquires the first medical image and the first region of interest image processing to obtain a similar medical image in which the medical pseudo-image and the similar- And provides the mapping result data including the second medical image and the second interest area information, which is another medical image of the subject to be registered, to the external entity do.
현재, 영상을 다른 영상의 고정된 영역 내로 사영(projection)하기 위한 방법들과 시스템들이 존재한다. 그런데, 의료 영상에 있어서는 의료 영상의 일부 영역, 즉 관심 영역 및 이에 관한 부가 정보, 예를 들어 관심 영역에 관련한 의학적 소견을 나타낸 소견 정보, 의학적 진단 결과를 나타낸 진단 정보 등의 임상 정보가 동일 피검체의 다른 형식(modality)의 영상의 어느 부분에 대응되는 것인지 정확하고 효율적으로 매칭되는 방법이 부재한 상황이어서, 의료 영상에 부가된 정보가 다른 형식의 영상에 대해서는 쓸모없게 되는 경우가 빈번하다. Currently, there are methods and systems for projecting an image into a fixed area of another image. However, in the medical image, the clinical information such as the partial area of the medical image, that is, the interest area and additional information related thereto, such as the finding information indicating the medical findings related to the region of interest, and the diagnosis information showing the medical diagnosis result, There is no way to accurately and efficiently match which portion of the image of the other type of the medical image is matched so that the information added to the medical image is often useless for images of other formats.
따라서 본 발명에서는 어느 의료 영상 및 이에 결부되는 부가 정보를 다른 형식의 의료 영상에도 유용하게 쓰일 수 있도록 맵핑 가능한 의료 영상 맵핑 방법 및 이를 이용한 장치를 제안하고자 한다.Accordingly, the present invention proposes a medical image mapping method capable of mapping any medical image and additional information associated therewith so as to be useful for other types of medical images, and an apparatus using the same.
본 발명은 제1 의료 영상의 일부 영역인 관심 영역의 정보를 제2 의료 영상에 맵핑하여 대응되는 영역을 표시 제공함으로써 의료 영상의 활용성을 높이는 것을 목적으로 한다.An object of the present invention is to improve the usability of a medical image by mapping information of a region of interest, which is a partial region of the first medical image, to a second medical image and providing a corresponding region.
또한, 본 발명은 다량의 제1 의료 영상 및 관심 영역의 정보를 간편하게 제2 의료 영상들에 맵핑할 수 있게 함으로써 기계 학습, 특히 딥 러닝을 위한 빅데이터(big data)를 손쉽게 구성하는 것을 목적으로 한다.In addition, the present invention aims at easily configuring big data for machine learning, especially deep learning, by mapping a large amount of first medical image and information of a region of interest to second medical images easily do.
상기한 바와 같은 본 발명의 목적을 달성하고, 후술하는 본 발명의 특징적인 효과를 실현하기 위한 본 발명의 특징적인 구성은 하기와 같다.The characteristic configuration of the present invention for achieving the object of the present invention as described above and realizing the characteristic effects of the present invention described below is as follows.
본 발명의 일 태양에 따르면, 피검체에 대하여 취해진 제1 의료 영상의 일부 영역인 적어도 하나의 관심 영역(ROI; region of interest)을 상기 피검체의 제2 의료 영상 위에 맵핑(mapping)하는 방법이 제공되는바, 상기 제1 의료 영상은 연속적인 다수의 개별 슬라이싱 영상을 포함하며, 상기 제2 의료 영상은 상기 다수의 개별 슬라이싱 영상에 교차하는 평면 상의 의료 영상을 포함하고, 상기 방법은, (a) 컴퓨팅 장치가, (i) 상기 제1 의료 영상, 및 (ii) 상기 제1 의료 영상의 상기 개별 슬라이싱 영상 중 적어도 하나인 특정 슬라이싱 영상의 일부 영역을 상기 관심 영역으로 특정하는 정보인 제1 관심 영역 정보를 획득하거나 상기 컴퓨팅 장치에 연동되는 타 장치로 하여금 획득하도록 지원하는 단계; (b) 상기 제1 의료 영상 및 상기 제1 관심 영역 정보가 획득되면, 상기 컴퓨팅 장치가, 상기 제1 의료 영상 및 상기 제1 관심 영역 정보에 기초한 영상 처리로써 (i) 상기 교차하는 평면 상의, 상기 제2 의료 영상에 유사한 유사 의료 영상 및 (ii) 상기 제1 관심 영역 정보가 상기 유사 의료 영상에 대응되도록 변형된 결과인 유사 관심 영역 정보가 반영된 유사 의료 영상 데이터를 생성하거나 상기 타 장치로 하여금 생성하도록 지원하는 단계; (c) 상기 유사 의료 영상 데이터가 생성되면, 상기 컴퓨팅 장치가, (i) 상기 제2 의료 영상 및 (ii) 상기 유사 관심 영역 정보가 상기 제2 의료 영상에 대응되도록 변형된 결과인 제2 관심 영역 정보를 포함하는 맵핑 결과 데이터를 외부 엔티티(entity)에 제공하거나 상기 타 장치로 하여금 제공하도록 지원하되, 상기 제2 의료 영상은 상기 유사 의료 영상 또는 이에 정합(register)되는 상기 피검체의 타 의료 영상인 단계를 포함한다.According to an aspect of the present invention, there is provided a method of mapping at least one region of interest (ROI), which is a partial region of a first medical image taken on a subject, onto a second medical image of the subject Wherein the first medical image comprises a plurality of consecutive individual slice images and the second medical image comprises a plane medical image intersecting the plurality of individual slice images, ) Computing apparatus includes a first interest that is information that specifies, as the region of interest, a portion of a specific slicing image that is at least one of (i) the first medical image and (ii) the individual slicing image of the first medical image, Acquiring region information or assisting another device associated with the computing device to acquire; (b) when the first medical image and the first region of interest information are acquired, the computing device performs image processing based on the first medical image and the first region of interest information, wherein (i) Medical image data similar to the second medical image, and (ii) similar medical image data reflecting the similar-interest area information that is a result of modification of the first interest region information to correspond to the similar medical image, Supporting the creation; (c) generating the similar medical image data, the computing device comprising: (i) the second medical image; and (ii) a second interest that is a result of the similarity region information being modified to correspond to the second medical image Wherein the second medical image is provided to the external entity or to provide the other device with the mapping result data including the area information, Image.
본 발명의 다른 태양에 따르면, 본 발명에 따른 방법을 수행하도록 구현된 명령어(instructions)를 포함하는, 기계 판독 가능한 비일시적 기록 매체에 저장된, 컴퓨터 프로그램도 제공된다.According to another aspect of the present invention, there is also provided a computer program stored in a machine readable non-transitory medium, comprising instructions embodied to perform the method according to the invention.
본 발명의 또 다른 태양에 따르면, 피검체에 대하여 취해진 제1 의료 영상의 일부 영역인 적어도 하나의 관심 영역을 상기 피검체의 제2 의료 영상 위에 맵핑하는 컴퓨팅 장치가 제공되는바, 상기 제1 의료 영상은 연속적인 다수의 개별 슬라이싱 영상을 포함하며, 상기 제2 의료 영상은 상기 다수의 개별 슬라이싱 영상에 교차하는 평면 상의 의료 영상을 포함하고, 상기 컴퓨팅 장치는, (i) 상기 제1 의료 영상, 및 (ii) 상기 제1 의료 영상의 상기 개별 슬라이싱 영상 중 적어도 하나인 특정 슬라이싱 영상의 일부 영역을 상기 관심 영역으로 특정하는 정보인 제1 관심 영역 정보를 획득하는 통신부; 및 상기 제1 의료 영상 및 상기 제1 관심 영역 정보가 획득되면, 상기 제1 의료 영상 및 상기 제1 관심 영역 정보에 기초한 영상 처리로써 (i) 상기 교차하는 평면 상의, 상기 제2 의료 영상에 유사한 유사 의료 영상 및 (ii) 상기 제1 관심 영역 정보가 상기 유사 의료 영상에 대응되도록 변형된 결과인 유사 관심 영역 정보가 반영된 유사 의료 영상 데이터를 생성하거나 상기 통신부를 통하여 상기 타 장치로 하여금 생성하도록 지원하는 프로세서를 포함하고, 상기 프로세서는, 상기 유사 의료 영상 데이터가 생성되면, (i) 상기 제2 의료 영상 및 (ii) 상기 유사 관심 영역 정보가 상기 제2 의료 영상에 대응되도록 변형된 결과인 제2 관심 영역 정보를 포함하는 맵핑 결과 데이터를 외부 엔티티(entity)에 제공하거나 상기 통신부를 통하여 상기 타 장치로 하여금 제공하도록 지원하되, 상기 제2 의료 영상은 상기 유사 의료 영상 또는 이에 정합(register)되는 상기 피검체의 타 의료 영상이다.According to another aspect of the present invention, there is provided a computing device for mapping at least one region of interest, which is a portion of a first medical image taken on a subject, onto a second medical image of the subject, Wherein the image comprises a continuous plurality of individual slice images, wherein the second medical image comprises a planar medical image intersecting the plurality of individual slice images, the computing device comprising: (i) And (ii) a first region of interest information that is information that specifies at least one of the individual slice images of the first medical image as the region of interest; And image processing based on the first medical image and the first region of interest information when the first medical image and the first region of interest information are obtained, the method comprising the steps of: (i) Similar medical image and (ii) similar medical image data reflecting the similarity region information that is a result of the first region of interest information being modified to correspond to the similar medical image, or generating the other medical device through the communication unit (I) a second medical image, and (ii) a second medical image that is a result of being modified to correspond to the second medical image, wherein the similar medical image data is generated, 2 mapping result data including interest area information to an external entity, or provides the other device with the mapping result data through the communication unit And the second medical image is a medical image of the similar medical image or another medical image of the subject to be registered therewith.
본 발명에 의하면, 특정 형식(modality)을 가지는 제1 의료 영상의 일부 영역인 관심 영역의 정보를 다른 형식의 제2 의료 영상에 맵핑하여 그 관심 영역에 대응되는 영역을 제공함으로써 의료 영상의 활용성을 높이는 효과가 있다.According to the present invention, the information of the region of interest, which is a partial region of the first medical image having a certain modality, is mapped to the second medical image of the other type, and the region corresponding to the region of interest is provided, .
또한, 본 발명에 의하면, 다량의 제1 의료 영상 및 관심 영역의 정보를 간편하게 제2 의료 영상들에 맵핑할 수 있게 함으로써 기계 학습, 특히 딥 러닝(deep learning)을 위한 빅데이터(big data)를 손쉽게 구성할 수 있는 효과가 있다.In addition, according to the present invention, it is possible to easily map a large amount of first medical images and information of a region of interest to second medical images, thereby enabling big data for machine learning, especially deep learning There is an effect that can be easily configured.
구체적으로, 본 발명에 의하면, 의료 영상 및 이에 결부된 정보의 효율적인 정리가 가능해져 향후 딥 러닝 모델과 같은 AI(artificial intelligence; 인공지능)의 학습을 위한 추가 데이터 취득이 용이하며, 제1 의료 영상에 적용된 전문가의 사전 지식(privileged knowledge)이 제2 의료 영상에 대해서도 높은 정확도로 그대로 반영될 수 있는 효과가 있다.Specifically, according to the present invention, it is possible to efficiently organize medical images and information associated therewith, so that it is easy to acquire additional data for learning AI (artificial intelligence) such as a deep learning model in the future, The privileged knowledge of the expert applied to the second medical image can be reflected with high accuracy as it is.
요컨대, 본 발명의 의료 영상 맵핑 방법은 궁극적으로 AI의 학습에 이용됨으로써 의료진의 시간을 절약하고 진료의 질을 높이며 의료 현장에서의 워크플로(workflow)를 혁신할 수 있게 되는 잠재적 효과가 있다.In short, the medical image mapping method of the present invention has a potential effect of being used for learning AI, saving the time of the medical staff, improving the quality of the medical care, and innovating the workflow in the medical field.
그리고 본 발명에 의하면, 종래에 병원에서 이용하고 있는 의료 영상, 예컨대 X선 영상, MRI 영상 등이 그대로 활용될 수 있는바, 본 발명의 방법이 특정 운영체제(operating system) 등의 플랫폼에 종속되지 않음은 물론이다.According to the present invention, medical images conventionally used in hospitals, such as X-ray images and MRI images, can be used as they are, and the method of the present invention is not dependent on a platform such as a specific operating system Of course.
본 발명의 실시예의 설명에 이용되기 위하여 첨부된 아래 도면들은 본 발명의 실시예들 중 단지 일부일 뿐이며, 본 발명이 속한 기술분야의 통상의 기술자에게 있어서는 발명적 작업이 이루어짐 없이 이 도면들에 기초하여 다른 도면들이 얻어질 수 있다.
도 1은 피검체에 대하여 취해진 제1 의료 영상의 일부 영역인 적어도 하나의 관심 영역(ROI; region of interest)을 본 발명에 따라 상기 피검체의 제2 의료 영상 위에 맵핑하는 방법(이하 “의료 영상 맵핑 방법”이라 함)을 수행하는 컴퓨팅 장치의 예시적 구성을 개략적으로 도시한 개념도이다.
도 2는 본 발명에 따른 의료 영상 맵핑 방법을 수행하는 컴퓨팅 장치의 하드웨어 또는 소프트웨어 구성요소를 도시한 예시적 블록도이다.
도 3은 본 발명에 따른 의료 영상 맵핑 방법의 일 실시예를 예시적으로 나타낸 흐름도이다.
도 4a는 본 발명에 따른 의료 영상 맵핑 방법의 일 실시예에서 이용되는 제1 의료 영상을 예시적으로 나타낸 도면이다.
도 4b는 도 4a에 제1 의료 영상에 대한 관심 영역을 예시적으로 표시한 도면이다.
도 5는 본 발명에 따른 의료 영상 맵핑 방법의 일 실시예에서 수행되는 전방 사영(forward projection)을 개략적으로 예시한 개념도이다.
도 6은 본 발명에 따른 의료 영상 맵핑 방법의 일 실시예에서 수행되는 정합(registration)을 개념적으로 예시한 도면이다.
도 7은 본 발명에 따른 의료 영상 맵핑 방법에 의하여 수행된 맵핑의 결과로서 나타난 맵핑된 관심 영역을 예시적으로 나타낸 도면이다.BRIEF DESCRIPTION OF THE DRAWINGS The accompanying drawings, which are included to provide a further understanding of the invention and are incorporated in and constitute a part of this application, illustrate embodiments of the invention and, Other drawings can be obtained.
1 illustrates a method of mapping at least one region of interest (ROI), which is a partial region of a first medical image taken on a subject, onto a second medical image of the subject according to the present invention Quot; mapping method ") of the computing device according to the present invention.
2 is an exemplary block diagram illustrating the hardware or software components of a computing device that performs a medical imaging mapping method in accordance with the present invention.
FIG. 3 is a flowchart exemplarily showing an embodiment of a medical image mapping method according to the present invention.
4A is a diagram illustrating a first medical image used in an embodiment of a medical image mapping method according to the present invention.
FIG. 4B is a diagram illustrating an exemplary region of interest for a first medical image in FIG. 4A.
5 is a conceptual diagram schematically illustrating a forward projection performed in an embodiment of the medical image mapping method according to the present invention.
6 is a conceptual illustration of registration performed in an embodiment of the medical image mapping method according to the present invention.
7 is an exemplary diagram illustrating a mapped region of interest as a result of the mapping performed by the medical image mapping method according to the present invention.
후술하는 본 발명에 대한 상세한 설명은, 본 발명의 목적들, 기술적 해법들 및 장점들을 분명하게 하기 위하여 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시예는 통상의 기술자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다.The following detailed description of the invention refers to the accompanying drawings, which illustrate, by way of example, specific embodiments in which the invention may be practiced in order to clarify the objects, technical solutions and advantages of the invention. These embodiments are described in sufficient detail to enable those skilled in the art to practice the invention.
본 발명의 상세한 설명 및 청구항들에 걸쳐 이용된 "영상" 또는 "영상 데이터"라는 용어는 이산적 영상 요소들(예컨대, 2차원 영상에 있어서는 픽셀, 3차원 영상에 있어서는 복셀)로 구성된 다차원 데이터를 지칭한다. 예를 들어 "영상"은 (콘-빔형; cone-beam) 전산화 단층 촬영(computed tomography), MRI(magnetic resonance imaging), 초음파 또는 본 발명의 기술분야에서 공지된 임의의 다른 의료 영상 시스템의 의하여 수집된 피검체(subject)의 의료 영상일 수 있다. 또한 영상은 비의료적 맥락에서 제공될 수도 있는바, 예를 들어 원격 감지 시스템(remote sensing system), 전자현미경(electron microscopy) 등등이 있을 수 있다.The term "image" or "image data" used throughout the description and claims of the present invention refers to multidimensional data composed of discrete image elements (e.g., pixels in a two-dimensional image and voxels in a three- Quot; For example, "imaging" may be computed by (cone-beam) computed tomography, magnetic resonance imaging (MRI), ultrasound, or any other medical imaging system known in the art The subject may be a medical image of the subject. The images may also be provided in a non-medical context, for example, a remote sensing system, an electron microscopy, and the like.
본 발명의 상세한 설명 및 청구항들에 걸쳐, 'X선 영상' 혹은 '엑스선 영상'은 (예컨대, 비디오 화면에 표시된) 눈으로 볼 수 있는 엑스선 영상 또는 (예컨대, 엑스선 검출기의 픽셀 출력에 대응되는 파일과 같은) 엑스선 영상의 디지털 표현물을 지칭하는 용어이다.Throughout the description and claims of the present invention, an "x-ray image" or "x-ray image" can be an x-ray image that is visible (eg, displayed on a video screen) ) Is a term that refers to a digital representation of an x-ray image.
설명의 편의를 위하여 본 명세서에서 때때로 콘-빔형 CT(cone-beam computed tomography; CBCT) 영상 데이터가 예시적 영상 형식(modality)인 것으로 이용될 수 있다. 그러나 통상의 기술자는 본 발명의 다양한 실시예에서 이용되는 영상 형식들이 X선 영상, MRI, CT, PET(positron emission tomography), PET-CT, SPECT, SPECT-CT, MR-PET, 3D 초음파 영상 등등을 포함하나 이에 한정되지 않는다는 점을 이해할 수 있을 것이다.For convenience of description, cone-beam computed tomography (CBCT) image data may sometimes be used herein as an exemplary image format (modality). However, those skilled in the art will appreciate that image formats used in various embodiments of the present invention may be used in various imaging formats such as X-ray imaging, MRI, CT, positron emission tomography (PET), PET-CT, SPECT, SPECT-CT, MR- But it should be understood that the invention is not limited thereto.
본 발명의 상세한 설명 및 청구항들에 걸쳐 ‘DICOM(Digital Imaging and Communications in Medicine; 의료용 디지털 영상 및 통신)’ 표준은 의료용 기기에서 디지털 영상 표현과 통신에 이용되는 여러 가지 표준을 총칭하는 용어인바, DICOM 표준은 미국 방사선 의학회(ACR)와 미국 전기 공업회(NEMA)에서 구성한 연합 위원회에서 발표한다.Throughout the detailed description and claims of the present invention, the term 'DICOM' (Digital Imaging and Communications in Medicine) is a generic term for various standards used in digital image representation and communication in medical devices, The standard is presented at the Joint Committee composed of the American Radiation Medical Association (ACR) and the American Electrical Manufacturers Association (NEMA).
또한, 본 발명의 상세한 설명 및 청구항들에 걸쳐 ‘의료영상 저장 전송 시스템(PACS; Picture Archiving and Communication System)’은 DICOM 표준에 맞게 저장, 가공, 전송하는 시스템을 지칭하는 용어이며, X선, CT, MRI와 같은 디지털 의료영상 장비를 이용하여 획득된 의료영상 이미지는 DICOM 형식으로 저장되고 네트워크를 통하여 병원 내외의 단말로 전송이 가능하며, 이에는 판독 결과 및 진료 기록이 추가될 수 있다.In addition, the term 'Picture Archiving and Communication System (PACS)' refers to a system for storing, processing and transmitting according to the DICOM standard throughout the detailed description and claims of the present invention, , And MRI can be stored in the DICOM format and transmitted to a terminal inside or outside the hospital through the network, and the result of reading and the medical record can be added to the terminal.
본 발명의 상세한 설명 및 청구항들에 걸쳐 ‘유사 의료 영상(medical pseudo-image)’은 실제 촬영 및 획득된 의료 영상인 것처럼 보이도록 다른 의료 영상 또는 데이터를 처리함으로써 생성된 영상을 지칭하도록 의도된 용어이다.Throughout the description and claims of the present invention, a "medical pseudo-image" is a term that is intended to refer to an image produced by processing another medical image or data to appear as an actual photographed and acquired medical image to be.
그리고 본 발명의 상세한 설명 및 청구항들에 걸쳐 '학습' 혹은 '러닝'은 절차에 따른 컴퓨팅(computing)을 통하여 기계 학습(machine learning)을 수행함을 일컫는 용어인바, 인간의 교육 활동과 같은 정신적 작용을 지칭하도록 의도된 것이 아님을 통상의 기술자는 이해할 수 있을 것이다.Throughout the detailed description and claims of the present invention, 'learning' or 'learning' refers to performing machine learning through computing according to a procedure, It will be understood by those of ordinary skill in the art that the present invention is not intended to be so-called.
그리고 본 발명의 상세한 설명 및 청구항들에 걸쳐, '포함하다'라는 단어 및 그 변형은 다른 기술적 특징들, 부가물들, 구성요소들 또는 단계들을 제외하는 것으로 의도된 것이 아니다. 또한, ‘하나’ 또는 ‘한’은 하나 이상의 의미로 쓰인 것이며, ‘또 다른’은 적어도 두 번째 이상으로 한정된다.And throughout the description and claims of this invention, the word 'comprise' and variations thereof are not intended to exclude other technical features, additions, elements or steps. Also, 'one' or 'one' is used in more than one meaning, and 'another' is limited to at least the second.
통상의 기술자에게 본 발명의 다른 목적들, 장점들 및 특성들이 일부는 본 설명서로부터, 그리고 일부는 본 발명의 실시로부터 드러날 것이다. 아래의 예시 및 도면은 실례로서 제공되며, 본 발명을 한정하는 것으로 의도된 것이 아니다. 따라서, 특정 구조나 기능에 관하여 본 명세서에 개시된 상세 사항들은 한정하는 의미로 해석되어서는 아니되고, 단지 통상의 기술자가 실질적으로 적합한 임의의 상세 구조들로써 본 발명을 다양하게 실시하도록 지침을 제공하는 대표적인 기초 자료로 해석되어야 할 것이다.Other objects, advantages and features of the present invention will become apparent to those skilled in the art from this description, and in part from the practice of the invention. The following examples and figures are provided by way of illustration and are not intended to limit the invention. Accordingly, the details disclosed herein with respect to a particular structure or function are not to be construed in a limiting sense, but merely as being representative of the general inventive concept providing a guideline for carrying out the invention in various detail structures, It should be interpreted as basic data.
더욱이 본 발명은 본 명세서에 표시된 실시예들의 모든 가능한 조합들을 망라한다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시예에 관련하여 본 발명의 사상 및 범위를 벗어나지 않으면서 다른 실시예로 구현될 수 있다. 또한, 각각의 개시된 실시예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 사상 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다. Moreover, the present invention encompasses all possible combinations of embodiments shown herein. It should be understood that the various embodiments of the present invention are different, but need not be mutually exclusive. For example, certain features, structures, and characteristics described herein may be implemented in other embodiments without departing from the spirit and scope of the invention in connection with one embodiment. It should also be understood that the position or arrangement of individual components within each disclosed embodiment may be varied without departing from the spirit and scope of the present invention. The following detailed description is, therefore, not to be taken in a limiting sense, and the scope of the present invention is to be limited only by the appended claims, along with the full scope of equivalents to which such claims are entitled, if properly explained. In the drawings, like reference numerals refer to the same or similar functions throughout the several views.
본 명세서에서 달리 표시되거나 분명히 문맥에 모순되지 않는 한, 단수로 지칭된 항목은, 그 문맥에서 달리 요구되지 않는 한, 복수의 것을 아우른다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.Unless otherwise indicated herein or clearly contradicted by context, items referred to in the singular are intended to encompass a plurality unless otherwise specified in the context. In the following description of the present invention, a detailed description of known functions and configurations incorporated herein will be omitted when it may make the subject matter of the present invention rather unclear.
이하, 통상의 기술자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 바람직한 실시예들에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings, so that those skilled in the art can easily carry out the present invention.
도 1은 피검체에 대하여 취해진 제1 의료 영상의 일부 영역인 적어도 하나의 관심 영역(ROI; region of interest)을 본 발명에 따라 상기 피검체의 제2 의료 영상 위에 맵핑하는 방법(이하 “의료 영상 맵핑 방법”이라 함)을 수행하는 컴퓨팅 장치의 예시적 구성을 개략적으로 도시한 개념도이다.1 illustrates a method of mapping at least one region of interest (ROI), which is a partial region of a first medical image taken on a subject, onto a second medical image of the subject according to the present invention Quot; mapping method ") of the computing device according to the present invention.
도 1을 참조하면, 본 발명의 일 실시예에 따른 컴퓨팅 장치(100)는, 통신부(110) 및 프로세서(120)를 포함하며, 상기 통신부(110)를 통하여 외부 컴퓨팅 장치(미도시)와 직간접적으로 통신할 수 있다.1, a
구체적으로, 상기 컴퓨팅 장치(100)는, 전형적인 컴퓨터 하드웨어(예컨대, 컴퓨터 프로세서, 메모리, 스토리지, 입력 장치 및 출력 장치, 기타 기존의 컴퓨팅 장치의 구성요소들을 포함할 수 있는 장치; 라우터, 스위치 등과 같은 전자 통신 장치; 네트워크 부착 스토리지(NAS; network-attached storage) 및 스토리지 영역 네트워크(SAN; storage area network)와 같은 전자 정보 스토리지 시스템)와 컴퓨터 소프트웨어(즉, 컴퓨팅 장치로 하여금 특정의 방식으로 기능하게 하는 명령어들)의 조합을 이용하여 원하는 시스템 성능을 달성하는 것일 수 있다.In particular, the
이와 같은 컴퓨팅 장치의 통신부(110)는 연동되는 타 컴퓨팅 장치와 요청과 응답을 송수신할 수 있는바, 일 예시로서 그러한 요청과 응답은 동일한 TCP(transmission control protocol) 세션(session)에 의하여 이루어질 수 있지만, 이에 한정되지는 않는바, 예컨대 UDP(user datagram protocol) 데이터그램(datagram)으로서 송수신될 수도 있을 것이다. 덧붙여, 넓은 의미에서 상기 통신부(110)는 명령어 또는 지시 등을 전달받기 위한 키보드, 마우스, 기타 외부 입력장치, 프린터, 디스플레이, 기타 외부 출력장치를 포함할 수 있다.The
또한, 컴퓨팅 장치의 프로세서(120)는 MPU(micro processing unit), CPU(central processing unit), GPU(graphics processing unit) 또는 TPU(tensor processing unit), 캐시 메모리(cache memory), 데이터 버스(data bus) 등의 하드웨어 구성을 포함할 수 있다. 또한, 운영체제, 특정 목적을 수행하는 애플리케이션의 소프트웨어 구성을 더 포함할 수도 있다.The
도 2는 본 발명에 따른 의료 영상 맵핑 방법을 수행하는 컴퓨팅 장치의 하드웨어 또는 소프트웨어 구성요소를 도시한 예시적 블록도이며, 도 3은 본 발명에 따른 의료 영상 맵핑 방법의 일 실시예를 예시적으로 나타낸 흐름도이다.FIG. 2 is an exemplary block diagram illustrating hardware or software components of a computing device that performs a medical image mapping method according to the present invention. FIG. 3 illustrates an exemplary embodiment of a medical image mapping method according to the present invention. Fig.
도 2를 참조하여 본 발명에 따른 방법 및 장치의 구성을 개관하면, 컴퓨팅 장치(100)는 그 일 구성요소로서 영상 획득 모듈(210)을 포함할 수 있다. 이와 같은 영상 획득 모듈(210)은 상기 컴퓨팅 장치(100)에 포함된 통신부(110), 또는 상기 통신부(110) 및 프로세서(120)의 연동에 의하여 구현될 수 있음은 통상의 기술자가 이해할 수 있을 것이다.2, the
도 2를 참조하면, 영상 획득 모듈(210)은, (i) 연속적인 다수의 개별 슬라이싱 영상(slice; sliced image)을 포함하는 제1 의료 영상, 및 (ii) 상기 제1 의료 영상의 상기 개별 슬라이싱 영상 중 적어도 하나인 특정 슬라이싱 영상의 일부 영역을 상기 관심 영역으로 특정하는 정보인 제1 관심 영역 정보를 획득할 수 있다. 이러한 관심 영역 각각에 대하여 개별의 소견, 진단 또는 임상 정보가 결부될 수 있다. 2, the
이 소견, 진단 또는 임상 정보는, 판독자, 예컨대 의사의 상기 제1 의료 영상에 대한 판독 결과로서 제공되는 정보를 지칭하는데, 이에 대응되는 제1 관심 영역 정보는 제1 의료 영상의 적어도 일부 위에 중첩되는 마스크 영상(mask image)의 형식으로 된 정보를 포함할 수 있는바, 그 마스크 영상은 개별의 소견, 진단 또는 임상 정보를 지지하는 표시로서 제공되는 것이며, 바람직하게는 밀도 맵(density map)의 형태를 취할 수 있다.This finding, diagnosis or clinical information refers to information provided as a result of reading by the reader, for example a physician, on the first medical image, wherein the corresponding first region of interest information is overlaid on at least a portion of the first medical image May include information in the form of a mask image that is provided as an indication to support individual findings, diagnosis or clinical information, preferably in the form of a density map .
예를 들어, 제1 의료 영상의 일 예시에는 흉부 CT 영상이 있을 수 있다. For example, one example of a first medical image may be a chest CT image.
도 4a는 본 발명에 따른 의료 영상 맵핑 방법의 일 실시예에서 이용되는 제1 의료 영상을 예시한 도면인바, 여기에서 제1 의료 영상은 흉부 CT 영상이며, 그 중 하나의 슬라이싱 영상이 예시적으로 표시되어 있다.FIG. 4A is a diagram illustrating a first medical image used in an embodiment of the medical image mapping method according to the present invention, wherein the first medical image is a chest CT image, and one of the slice images is exemplarily Is displayed.
도 4b는 도 4a에 제1 의료 영상에 대한 관심 영역을 예시적으로 표시한 도면인바, 도 4a에 나타난 특정 슬라이싱 영상의 일부 영역이 관심 영역(410)으로서 표시되어 있다. 도 4b에 예시적으로 나타난 바와 같은 상기 관심 영역을 특정하는 정보인 제1 관심 영역 정보는 상기 관심 영역을 박스 표시(boxing)하거나 분할 표시(segmentation)하는 정보일 수 있으며, 예컨대 소정의 사용자 인터페이스를 통하여 입력된 것일 수 있다.FIG. 4B is a diagram illustrating an exemplary region of interest for the first medical image in FIG. 4A, and a portion of the specific slicing image shown in FIG. 4A is shown as a region of
이 제1 의료 영상은 예를 들어 의료 영상 촬영 기기 또는 이에 연동되는 의료영상 저장 전송 시스템(PACS)으로부터 획득되는 것일 수 있으나, 이에 한정되지는 않는다. 예를 들어, 제1 의료 영상은 의료 영상 촬영 기기를 통하여 촬영되어 DICOM 표준에 따라 PACS에 전송된 후 컴퓨팅 장치(100)의 영상 획득 모듈(210)에 의하여 획득될 수 있다.This first medical image may be obtained, for example, from a medical imaging device or a medical image storage and transmission system (PACS) coupled thereto, but is not limited thereto. For example, the first medical image may be captured through a medical imaging device, transmitted to a PACS according to the DICOM standard, and then acquired by the
다음으로, 그 획득된 제1 의료 영상 및 제1 관심 영역 정보는 영상 처리 모듈(220)에 전달될 수 있는데, 영상 처리 모듈(220)에서는, 상기 제1 의료 영상 및 상기 제1 관심 영역 정보에 기초한 영상 처리로써 (i) 상기 교차하는 평면 상의 유사 의료 영상 및 (ii) 상기 제1 관심 영역 정보가 상기 유사 의료 영상에 대응되도록 변형된 결과인 유사 관심 영역 정보가 반영된 유사 의료 영상 데이터를 생성하고, (iii) 상기 유사 의료 영상 또는 이에 정합되는 상기 피검체의 타 의료 영상인 제2 의료 영상 및 (iv) 상기 유사 관심 영역 정보가 상기 제2 의료 영상에 대응되도록 변형된 결과인 제2 관심 영역 정보를 포함하는 맵핑 결과 데이터를 생성하는바, 이와 같은 일련의 영상 처리에 관하여는 상세하게 후술하기로 한다. Next, the acquired first medical image and first region of interest information may be transmitted to the
여기에서 제2 의료 영상은 제1 의료 영상을 구성하는 상기 다수의 개별 슬라이싱 영상에 교차하는 평면 상의 의료 영상을 지칭한다. 본 발명에 있어서 제2 의료 영상은 제1 의료 영상(예컨대, CT 영상)으로부터 도출되는 유사 의료 영상(에컨대, 상기 CT 영상으로부터 산출된 영상으로서, X선 영상과 유사하도록 산출된 영상)과 비교, 대조 가능한 타 의료 영상(예컨대, X선 영상)을 지칭하는데, 타 의료 영상이 제공되지 않는 경우에 제2 의료 영상은 유사 의료 영상 그 자체(예컨대, X선 영상과 유사하도록 산출된 영상)일 수도 있다.Here, the second medical image refers to a medical image on a plane intersecting the plurality of individual slice images constituting the first medical image. In the present invention, the second medical image is compared with a similar medical image derived from the first medical image (for example, a CT image) (an image calculated from the CT image and calculated to be similar to the X-ray image) (E.g., an X-ray image). When the second medical image is not provided, the second medical image is a similar medical image itself (for example, a image calculated to be similar to an X-ray image) It is possible.
예를 들어 제1 의료 영상이 피검체의 길이방향을 따라 연속적으로 취한 횡단면(transverse plane)의 슬라이싱 영상들로 구성되어 있다면, 제2 의료 영상은 이에 교차하는 동일 피검체의 관상면(coronal plane)의 영상일 수 있다. 본 명세서에서 언급된 교차가 반드시 직교여야 하는 것은 아니며, 경사진 교차일 수 있다. 또한, 일 예시로, 제1 의료 영상이 CT 영상인 반면에 제2 의료 영상이 X선 영상일 수 있는 것처럼 제2 의료 영상과 제1 의료 영상은 동일한 형식의 것이 아닐 수 있다. 본 발명에 따른 방법 및 장치는 상이한 의료 영상 간의 관심 영역의 맵핑을 가능하게 하는바, 이를 위한 맵핑 결과 데이터가 생성되면, 맵핑 결과 데이터는 저장 및 전송 모듈(230)을 통하여 저장되거나, 그리고/또는 소정의 디스플레이 장치를 통하여 외부 엔티티(entity)에 제공되거나, 그리고/또는 컴퓨팅 장치(100)에 연동되는 타 장치, 예컨대 PACS에 제공될 수 있다.For example, if the first medical image is composed of slice images of a transverse plane taken continuously along the longitudinal direction of the subject, the second medical image may be a coronal plane of the same subject crossing the first medical image, Lt; / RTI > The crossover referred to herein does not necessarily have to be orthogonal, but may be a sloping crossover. Also, in one example, the second medical image and the first medical image may not be of the same format as the first medical image is a CT image, whereas the second medical image may be an X-ray image. The method and apparatus according to the present invention enable the mapping of regions of interest between different medical images, where mapping result data is generated, the mapping result data is stored via the storage and
여기에서 외부 엔티티라고 함은, 상기 컴퓨팅 장치(100)의 사용자, 관리자, 상기 피검체를 담당하는 담당 의료 전문가 등을 포함하나, 이 이외에도 상기 의료 영상의 맵핑 결과 데이터를 필요로 하는 주체라면 어느 주체라도 포함되는 것으로 이해되어야 할 것이다. 예를 들어, 상기 외부 엔티티는 상기 맵핑 결과 데이터를 이용하는 별도의 AI 하드웨어 및/또는 소프트웨어 모듈을 포함하는 외부의 AI 장치일 수도 있다. 또한, 외부 엔티티에서의 ‘외부’는 상기 맵핑 결과 데이터를 이용하는 AI 하드웨어 및/또는 소프트웨어 모듈이 상기 컴퓨팅 장치(100)에 일체화되는 실시예를 배제하도록 의도된 것이 아니라, 본 발명의 방법을 수행하는 하드웨어 및/또는 소프트웨어 모듈의 결과물인 맵핑 결과 데이터가 타 방법의 입력 데이터로 활용될 수 있음을 시사하도록 이용된 것임을 밝혀둔다. 즉, 상기 외부 엔티티는 상기 컴퓨팅 장치(100) 자체일 수도 있다.Here, the external entity includes a user of the
도 2에 나타난 구성요소들은 설명의 편의상 하나의 컴퓨팅 장치(예컨대, single standalone workstation)에서 실현되는 것으로 예시되었으나, 본 발명의 방법을 수행하는 컴퓨팅 장치(100)는 복수로 구성될 수도 있을 것이다.2 are illustrated as being realized in one computing device (e.g., a single standalone workstation) for convenience of explanation, the
이제 본 발명에 따른 의료 영상 맵핑 방법의 일 실시예를 도 3 내지 7을 참조하여 구체적으로 설명하기로 한다.An embodiment of a medical image mapping method according to the present invention will now be described in detail with reference to FIGS.
도 3을 참조하면, 본 발명에 따른 의료 영상 맵핑 방법은, 앞서 도 2에 관하여 설명한 바와 같이, 우선, 컴퓨팅 장치(100)의 통신부(110)에 의하여 구현되는 영상 획득 모듈(210)이, (i) 상기 제1 의료 영상, 및 (ii) 상기 제1 의료 영상의 상기 개별 슬라이싱 영상 중 적어도 하나인 특정 슬라이싱 영상의 일부 영역을 상기 관심 영역으로 특정하는 정보인 제1 관심 영역 정보를 획득하거나 상기 컴퓨팅 장치에 연동되는 타 장치로 하여금 획득하도록 지원하는 단계(S100)를 포함한다.3, an
다음으로, 본 발명에 따른 의료 영상 맵핑 방법은, 상기 컴퓨팅 장치(100)의 프로세서(120)에 의하여 구현되는 영상 처리 모듈(220)이, 상기 제1 의료 영상 및 상기 제1 관심 영역 정보에 기초한 영상 처리로써 유사 의료 영상 데이터를 생성하거나 상기 타 장치로 하여금 생성하도록 지원하는 단계(S200)를 더 포함하는데, 여기에서 유사 의료 영상 데이터는, (i) 상기 개별 슬라이스 영상에 교차하는 평면 상의 유사 의료 영상 및 (ii) 상기 제1 관심 영역 정보가 상기 유사 의료 영상에 대응되도록 변형된 결과인 유사 관심 영역 정보가 반영된 데이터를 지칭한다.The method of mapping a medical image according to the present invention may further comprise the step of determining whether the
이 단계(S200)의 제1 실시예에서, 상기 영상 처리는 전방 사영(forward projection)일 수 있다. 도 5는 본 발명에 따른 의료 영상 맵핑 방법의 일 실시예에서 수행되는 전방 사영을 개략적으로 예시한 개념도인바, 예컨대, 비특허문헌 1: Yi Du, Gongyi Yu, Xincheng Xiang. GPU accelerated voxel-driven forward projection for iterative reconstruction of cone-beam CT. BioMedical Engineering OnLine, 2017, Volume 16, Number 1, Page 1에 개시된 바와 같다.In the first embodiment of this step S200, the image processing may be a forward projection. FIG. 5 is a conceptual diagram schematically illustrating forward projection performed in an embodiment of the medical image mapping method according to the present invention, for example, Non-Patent Document 1: Yi Du, Gongyi Yu, Xincheng Xiang. GPU accelerated voxel-driven forward projection for iterative reconstruction of cone-beam CT. BioMedical Engineering OnLine, 2017, Volume 16, Number 1, Page 1.
특히, 전방 사영의 처리는 의료 영상을 촬영한 장비를 참조로 하여 이루어지는데, 예컨대, 참조되는 장비 정보에는 SSD(source to detector distance; 선원과 검출기 간의 거리), 픽셀 피치(pixel pitch) 등이 포함된다.In particular, the forward projection process is performed with reference to a device that captures a medical image. For example, the referenced device information includes a source to detector distance (SSD), a pixel pitch, and the like do.
단계(S200)의 제1 실시예에서 상기 제2 의료 영상이 상기 타 의료 영상(예컨대, CT 영상인 제1 의료 영상과 대응되는 부위를 촬영한 X선 영상)인 경우에는, 즉, 제1 의료 영상으로부터 산출되는 유사 의료 영상과 비교, 대조 가능한 별개의 타 의료 영상이 있다면, 그 타 의료 영상을 촬영한 장비의 정보를 참조로 하는 전방 사영이 수행되어 제1 의료 영상으로부터 상기 유사 의료 영상이 만들어질 수 있다.In the first embodiment of the step S200, when the second medical image is the other medical image (for example, an X-ray image of a region corresponding to the first medical image which is a CT image), that is, If there is a separate medical image that can be compared and compared with the similar medical image that is calculated from the image, the forward projection is performed with reference to the information of the equipment that photographed the other medical image to make the similar medical image from the first medical image Can be.
반면에, 상기 제2 의료 영상이 상기 유사 의료 영상(예컨대, 제1 의료 영상인 CT 영상으로부터 도출되는 영상으로서 X선 영상과 유사한 영상) 자체인 경우에는, 예컨대, 타 의료 영상이 제공되지 않은 경우에는, 제2 의료 영상이 촬영에 의하여 획득되는 성질의 것이 아니며 기존 영상에 대한 영상 처리에 의해 만들어진 영상이므로, 전형적인 촬영 장비의 정보를 참조로 하여 이루어질 수 있다.On the other hand, when the second medical image is the similar medical image (for example, an image derived from the CT image as the first medical image, similar to the X-ray image) itself, for example, , The second medical image is not a property obtained by the photographing but is an image created by the image processing on the existing image, so that it can be done with reference to the information of the typical photographing equipment.
제1 실시예에서 전방 사영은, (i) 제1 의료 영상에 대한 전방 사영 및 관심 영역에 대한 전방 사영을 따로 수행하는 방식으로 이루어지거나, (ii) 제1 의료 영상과 관심 영역에 대한 전방 사영을 동시에 수행하는 방식으로 이루어질 수 있다. In the first embodiment, the forward projection is performed in the following manner: (i) a forward projection for the first medical image and a forward projection for the ROI are performed separately, or (ii) the front projection for the first medical image and the ROI May be performed simultaneously.
전자(i)의 경우에, 상기 유사 의료 영상 데이터는, 상기 전방 사영에 의하여 상기 제1 의료 영상으로부터 생성된 상기 유사 의료 영상, 및 상기 전방 사영에 의하여 제1 관심 영역 정보로부터 생성된 상기 유사 관심 영역 정보를 각각 포함할 수 있다. 제1 관심 영역 정보가 관심 영역별로 마련될 수 있음은 전술한 바와 같으므로, 상기 유사 관심 영역 정보도 관심 영역별로 생성될 수 있다.In the case of the former (i), the similar medical image data includes the similar medical image generated from the first medical image by the forward projection, and the similar medical image generated from the first region of interest information by the forward projection And area information, respectively. Since the first ROI information can be provided for each ROI, the ROI information can be generated for each ROI.
후자(ii)의 경우에, 상기 유사 의료 영상 데이터는, N개의 제1 관심 영역 정보(Rn,x,y,z, 1≤n≤N) 각각에 소정의 연산자(F; 예컨대, 임의의 상수를 곱함, 제곱, 제곱근 등등)가 적용된 결과인 가중치{F(Rn,x,y,z)}에 대한 전방 사영의 지점별(pointwise) 결과값(Fn,i,j)을 상기 제1 의료 영상에 대한 전방 사영의 지점별 결과값(Ki,j)에 대하여 합산하여 유사 의료 영상 데이터의 지점별 결과값(Ki,j+ΣFn,i,j)을 구하는 방식인 가중 전방 사영(weighted forward projection)을 수행함으로써 생성될 수 있다. 제1 관심 영역이 다수일 때, 제1 관심 영역마다 적용되는 상기 소정의 연산자(Fn)가 상이할 수도 있을 것이다.In the latter case (ii), the similar medical image data includes a predetermined operator (F) (for example, an arbitrary one of F ( x, y, z ) (F n, i, j ) of the forward projection with respect to the weight {F (R n, x, y, z ) the first scheme to obtain the point by the result of the forward projection values for the medical image (K i, j) of point-by-point results in similar medical imaging data values (K i, j + ΣF n , i, j) by summing for the weighted forward And may be generated by performing a weighted forward projection. When the first region of interest is a plurality, the predetermined operator F n applied to the first region of interest may be different.
한편, 단계(S200)의 제2 실시예에서, 상기 영상 처리는 상기 제1 의료 영상에 따른 관상면(coronal plane) 영상들을 누적(summation) 처리하는 것일 수 있는바, 전술한 단계(S200)의 제1 실시예 및 제2 실시예뿐만 아니라 상기 유사 의료 영상 데이터를 얻을 수 있는 처리라면 무엇이라도 무방하다고 보아야 할 것이다.Meanwhile, in the second embodiment of the step S200, the image processing may summarize coronal plane images according to the first medical image. In the step S200, It is to be understood that the present invention is not limited to the first embodiment and the second embodiment but may be any processing that can obtain the similar medical image data.
전술한 단계(S200)의 제1 및 제2 실시예에서의 영상 처리는, 예를 들어, 영상 처리 모듈(220)에 포함된 사영 모듈(222)에 의하여 수행될 수 있다.The image processing in the first and second embodiments of the above-described step S200 may be performed by the
계속해서 도 3을 참조하면, 본 발명에 따른 의료 영상 맵핑 방법은, 상기 컴퓨팅 장치(100)의 프로세서(120)에 의하여 구현되는 영상 처리 모듈(220)이, (i) 상기 제2 의료 영상 및 (ii) 상기 유사 관심 영역 정보가 상기 제2 의료 영상에 대응되도록 변형된 결과인 제2 관심 영역 정보를 포함하는 맵핑 결과 데이터를 외부 엔티티(entity)에 제공하거나 상기 타 장치로 하여금 제공하도록 지원하는 단계(S300)를 더 포함한다.3, a medical image mapping method according to the present invention includes: an
비람직하게는, 이 단계(S300)에서 제2 의료 영상이 타 의료 영상인 경우에 상기 유사 의료 영상과 상기 타 의료 영상 간의 정합(registration)이 이루어지는데, 이는 유사 의료 영상에 대응되는 유사 관심 영역 정보를 제2 의료 영상에 대응되는 제2 관심 영역 정보로 맵핑하기 위한 것이다. 피검체가 취한 자세나 영상을 구성한 각도 등이 서로 완전히 일치하지는 않는 유사 의료 영상과 제2 의료 영상 간의 정합이 이루어지면, 동일한 정합 관계에 기초하여 유사 관심 영역 정보에 대해서도 제2 의료 영상 위의 대응되는 영역에 관한 정보, 즉 제2 관심 영역 정보가 획득될 수 있다. 즉, 이 경우 제2 관심 영역 정보는 상기 유사 관심 영역 정보가 상기 제2 의료 영상에 대응되도록 상기 정합 관계에 기초하여 변형된 결과이다. 여기에서 정합은, 예를 들어, 영상 처리 모듈(220)에 포함된 정합 모듈(224)에 의하여 수행될 수 있다.Preferably, registration is performed between the similar medical image and the other medical image in the case where the second medical image is another medical image in step S300, To the second region of interest information corresponding to the second medical image. If matching between the similar medical image and the second medical image in which the attitude taken by the subject and the angle constituting the image do not completely coincide with each other, then the similar medical image is also matched with the similar medical image on the second medical image Information on the region of interest, i.e., the second region of interest information, can be obtained. That is, in this case, the second region of interest information is a result of being modified based on the matching relationship such that the similarity region information corresponds to the second medical image. Here, the matching may be performed, for example, by a
도 6은 본 발명에 따른 의료 영상 맵핑 방법의 일 실시예에서 수행되는 정합(registration)을 개념적으로 예시한 도면이다. 도 6을 참조하면, 상이한 영상의 개별 부분들이 서로 대응 관계에 놓이도록 정합이 이루어진다. 예컨대, 단계(S300)에서, 이와 같은 정합은 기하학적 밀도 매칭(geometric dense matching)에 의하여 수행될 수 있다. 6 is a conceptual illustration of registration performed in an embodiment of the medical image mapping method according to the present invention. Referring to FIG. 6, matching is performed such that the individual portions of different images are in a corresponding relationship to each other. For example, in step S300, such matching may be performed by geometric dense matching.
예를 들어, 이 기하학적 밀도 매칭은 핸드크래프티드 특징(handcrafted features)을 고려하는 핸드크래프티드 방식(handcrafted method)으로 수행될 수 있는데, 그러한 핸드크래프티드 방식에는 예를 들어 SIFT(scale-invariant feature transform), HOG(histogram of oriented gradients), RANSAC(random sample consensus), 허프 변환(Hough transform) 등의 잘 알려진 방식들이 있다. 이러한 핸드크래프티드 특징은 전문가의 경험과 분석에 의한 가정에 의하여 시도와 오류를 반복해가며 긴 시간 찾아낸 방식이므로 어느 정도 견고함(robustness)이 보장된다.For example, this geometric density matching can be performed in a handcrafted method that takes into account handcrafted features, such as hand-crafted methods, for example, scale-invariant feature transform (SIFT) ), HOG (histogram of oriented gradients), RANSAC (random sample consensus), and Hough transform. These handcraped features are robustness to some extent because they are a long time-finding method by repeated attempts and errors by assumptions made by experts' experiences and analysis.
그러나 기하학적 밀도 매칭은 이에 한정되는 것은 아니며, 상기 기하학적 밀도 매칭이 상기 유사 의료 영상들과 이에 대응되는 상기 타 의료 영상들 간의 다량의 학습 데이터에 기초하여 미리 학습된 딥 러닝 알고리즘에 의하여 수행될 수도 있다는 점이 통상의 기술자에게 이해될 것인바, 비특허문헌 2: Ignacio Rocco, Relja Arandjelovic, Josef Sivic. Convolutional neural network architecture for geometric matching. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2017에 그 일 예시가 개시되어 있다. 매우 많은 수의 학습 데이터가 사용 가능한 경우에 딥 러닝 알고리즘에 의한 기하학적 밀도 매칭은 손쉽게 핸드크래프티드 방식 이상의 성능을 보일 수 있다.However, the geometric density matching is not limited to this, and the geometric density matching may be performed by a pre-learned deep learning algorithm based on a large amount of learning data between the similar medical images and the corresponding other medical images It will be understood by those skilled in the art that non-patent document 2: Ignacio Rocco, Relja Arandjelovic, Josef Sivic. Convolutional neural network architecture for geometric matching. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2017, an example thereof is disclosed. When a large number of training data is available, the geometric density matching by the deep learning algorithm can easily outperform the handcrafted method.
이와 같이 제2 의료 영상이 타 의료 영상인 경우에는 (i) 상기 타 의료 영상 및 상기 제2 관심 영역 정보; 또는 (ii) 타 의료 영상 및 상기 제2 관심 영역 정보가 반영되도록 변형된 정보;가 맵핑 결과 데이터가 된다.In the case where the second medical image is another medical image, (i) the other medical image and the second region of interest information; Or (ii) information modified to reflect the other medical image and the second ROI information become the mapping result data.
한편, 이 단계(S300)에서 제2 의료 영상이 유사 의료 영상 자체인 경우에 유사 관심 영역 정보 자체가 제2 관심 영역 정보가 되므로, 별도의 정합은 요구되지 않으며, (i) 이 유사 의료 영상 및 제2 관심 영역 정보; 또는 (ii) 유사 의료 영상 및 제2 관심 영역 정보가 반영되도록 변형된 정보 자체;가 맵핑 결과 데이터가 된다.On the other hand, if the second medical image is the similar medical image itself in step S300, the similarity area information itself is the second area of interest information, so no separate matching is required, and (i) Second ROI information; Or (ii) the information itself modified to reflect the similar medical image and the second ROI information become the mapping result data.
전술한 맵핑 결과 데이터는 컴퓨팅 장치(100) 또는 이에 연동되는 타 장치에 저장 또는 보유됨으로써 궁극적으로 외부 엔티티에 제공될 수 있다. 이는 소정의 디스플레이 장치를 통한 표시, 기타 출력 장치를 통한 출력물의 생성, 파일의 생성 및 전달 등등을 포함하나 이에 한정되지 않음은 물론이다.The mapping result data described above may be stored or held in the
도 7은 본 발명에 따른 의료 영상 맵핑 방법에 의하여 수행된 맵핑의 결과로서 나타난 맵핑된 관심 영역을 예시적으로 나타낸 도면이다.7 is an exemplary diagram illustrating a mapped region of interest as a result of the mapping performed by the medical image mapping method according to the present invention.
도 7을 참조하면, 제2 의료 영상이 상기 생성된 유사 의료 영상(710)인 경우와 제2 의료 영상이 상기 유사 의료 영상(710)과 상이한 타 의료 영상(720)인 경우가 예시적으로 도시되어 있는데, 앞서 언급된 예시에서와 같이 유사 의료 영상(710)은 CT 영상인 제1 의료 영상으로부터 산출된 영상일 수 있으며, 타 의료 영상(720)은 X선 영상일 수 있다.7, the case where the second medical image is the generated similar
단계(S300)에서는 제2 의료 영상에 대응되도록 맵핑된 관심 영역이 외부 엔티티에 제공 또는 표시될 수 있는데, 이 맵핑된 관심 영역을 포함하는 제2 의료 영상(730)은 상기 제2 관심 영역 정보가 반영된 것이라는 점이 이해될 것이다. In step S300, the mapped region of interest mapped to the second medical image may be provided or displayed on the external entity, and the second
이와 같이 본 발명은 전술한 모든 실시예들에 걸쳐, 서로 다른 형식을 가지는 의료 영상들을 매칭하여 관심 영역을 맵핑함으로써 의료 영상의 활용성을 높이는 효과가 있으며, 의료 영상 및 이에 결부된 정보의 효율적인 정리가 가능해져 향후 딥 러닝 모델과 같은 AI의 학습을 위한 추가 데이터 취득이 용이하게 되는바, 궁극적으로 AI의 조력으로써 진료의 질을 높이고 의료 현장에서의 워크플로를 개선할 수 있을 것이다.As described above, the present invention has the effect of improving the usability of the medical image by mapping the medical images having different formats by mapping the regions of interest through all of the above-described embodiments and efficiently arranging the medical images and the information associated therewith It becomes possible to acquire additional data for AI learning such as the deep learning model in the future. As a result, AI can help improve the quality of the medical treatment and improve the workflow in the medical field.
위 실시예의 설명에 기초하여 해당 기술분야의 통상의 기술자는, 본 발명의 방법 및/또는 프로세스들, 그리고 그 단계들이 하드웨어, 소프트웨어 또는 특정 용례에 적합한 하드웨어 및 소프트웨어의 임의의 조합으로 실현될 수 있다는 점을 명확하게 이해할 수 있다. 상기 하드웨어는 범용 컴퓨터 및/또는 전용 컴퓨팅 장치 또는 특정 컴퓨팅 장치 또는 특정 컴퓨팅 장치의 특별한 모습 또는 구성요소를 포함할 수 있다. 상기 프로세스들은 내부 및/또는 외부 메모리를 가지는, 하나 이상의 마이크로프로세서, 마이크로컨트롤러, 임베디드 마이크로컨트롤러, 프로그래머블 디지털 신호 프로세서 또는 기타 프로그래머블 장치에 의하여 실현될 수 있다. 게다가, 혹은 대안으로서, 상기 프로세스들은 주문형 집적회로(application specific integrated circuit; ASIC), 프로그래머블 게이트 어레이(programmable gate array), 프로그래머블 어레이 로직(Programmable Array Logic; PAL) 또는 전자 신호들을 처리하기 위해 구성될 수 있는 임의의 다른 장치 또는 장치들의 조합으로 실시될 수 있다. 더욱이 본 발명의 기술적 해법의 대상물 또는 선행 기술들에 기여하는 부분들은 다양한 컴퓨터 구성요소를 통하여 수행될 수 있는 프로그램 명령어의 형태로 구현되어 기계 판독 가능한 기록 매체에 기록될 수 있다. 상기 기계 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 기계 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 분야의 통상의 기술자에게 공지되어 사용 가능한 것일 수도 있다. 기계 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD, Blu-ray와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 전술한 장치들 중 어느 하나뿐만 아니라 프로세서, 프로세서 아키텍처 또는 상이한 하드웨어 및 소프트웨어의 조합들의 이종 조합, 또는 다른 어떤 프로그램 명령어들을 실행할 수 있는 기계 상에서 실행되기 위하여 저장 및 컴파일 또는 인터프리트될 수 있는, C와 같은 구조적 프로그래밍 언어, C++ 같은 객체지향적 프로그래밍 언어 또는 고급 또는 저급 프로그래밍 언어(어셈블리어, 하드웨어 기술 언어들 및 데이터베이스 프로그래밍 언어 및 기술들)를 사용하여 만들어질 수 있는바, 기계어 코드, 바이트코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 이에 포함된다. Based on the description of the embodiments above, those skilled in the art will recognize that the methods and / or processes of the present invention and their steps may be implemented in hardware, software, or any combination of hardware and software suitable for the particular application Points can be clearly understood. The hardware may include special features or components of a general purpose computer and / or a dedicated computing device or a specific computing device or a particular computing device. The processes may be realized by one or more microprocessors, microcontrollers, embedded microcontrollers, programmable digital signal processors or other programmable devices having internal and / or external memory. Additionally or alternatively, the processes can be configured to process application specific integrated circuits (ASICs), programmable gate arrays, programmable array logic (PAL) Or any other device or combination of devices. Furthermore, the objects of the technical solution of the present invention, or portions contributing to the prior art, may be implemented in the form of program instructions that can be executed through various computer components and recorded on a machine-readable recording medium. The machine-readable recording medium may include program commands, data files, data structures, and the like, alone or in combination. The program instructions recorded on the machine-readable recording medium may be those specially designed and constructed for the present invention or may be those known to those of ordinary skill in the computer software arts. Examples of the machine-readable recording medium include magnetic media such as hard disks, floppy disks and magnetic tape, optical recording media such as CD-ROM, DVD, Blu-ray, magneto-optical media such as floptical disks magneto-optical media, and hardware devices specifically configured to store and execute program instructions such as ROM, RAM, flash memory, and the like. Examples of program instructions include, but are not limited to, any of the above devices, as well as a heterogeneous combination of processors, processor architectures or combinations of different hardware and software, Which may be constructed using a structured programming language such as C, an object-oriented programming language such as C ++ or an advanced or low-level programming language (assembly language, hardware description languages and database programming languages and techniques) This includes not only bytecode, but also high-level language code that can be executed by a computer using an interpreter or the like.
따라서 본 발명에 따른 일 태양에서는, 앞서 설명된 방법 및 그 조합들이 하나 이상의 컴퓨팅 장치들에 의하여 수행될 때, 그 방법 및 방법의 조합들이 각 단계들을 수행하는 실행 가능한 코드로서 실시될 수 있다. 다른 일 태양에서는, 상기 방법은 상기 단계들을 수행하는 시스템들로서 실시될 수 있고, 방법들은 장치들에 걸쳐 여러 가지 방법으로 분산되거나 모든 기능들이 하나의 전용, 독립형 장치 또는 다른 하드웨어에 통합될 수 있다. 또 다른 일 태양에서는, 위에서 설명한 프로세스들과 연관된 단계들을 수행하는 수단들은 앞서 설명한 임의의 하드웨어 및/또는 소프트웨어를 포함할 수 있다. 그러한 모든 순차 결합 및 조합들은 본 개시서의 범위 내에 속하도록 의도된 것이다.Thus, in one aspect of the present invention, when the methods and combinations described above are performed by one or more computing devices, combinations of the methods and methods may be implemented as executable code that performs each of the steps. In another aspect, the method may be implemented as systems for performing the steps, and the methods may be distributed in various ways throughout the devices, or all functions may be integrated into one dedicated, stand-alone device, or other hardware. In yet another aspect, the means for performing the steps associated with the processes described above may include any of the hardware and / or software described above. All such sequential combinations and combinations are intended to be within the scope of this disclosure.
예를 들어, 상기 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다. 상기 하드웨어 장치는, 프로그램 명령어를 저장하기 위한 ROM/RAM 등과 같은 메모리와 결합되고 상기 메모리에 저장된 명령어들을 실행하도록 구성되는 MPU, CPU, GPU, TPU와 같은 프로세서를 포함할 수 있으며, 외부 장치와 신호를 주고 받을 수 있는 통신부를 포함할 수 있다. 덧붙여, 상기 하드웨어 장치는 개발자들에 의하여 작성된 명령어들을 전달받기 위한 키보드, 마우스, 기타 외부 입력장치를 포함할 수 있다.For example, the hardware device may be configured to operate as one or more software modules to perform processing in accordance with the present invention, and vice versa. The hardware device may include a processor, such as an MPU, CPU, GPU, TPU, coupled to a memory, such as ROM / RAM, for storing program instructions and configured to execute instructions stored in the memory, And a communication unit capable of receiving and sending data. In addition, the hardware device may include a keyboard, a mouse, and other external input devices for receiving commands generated by the developers.
이상에서 본 발명이 구체적인 구성요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나, 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명이 상기 실시예들에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상적인 지식을 가진 사람이라면 이러한 기재로부터 다양한 수정 및 변형을 꾀할 수 있다.While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it is to be understood that the invention is not limited to the disclosed exemplary embodiments, but, on the contrary, And various modifications and changes may be made thereto by those skilled in the art to which the present invention pertains.
따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등하게 또는 등가적으로 변형된 모든 것들은 본 발명의 사상의 범주에 속한다고 할 것이다.Therefore, the spirit of the present invention should not be construed as being limited to the above-described embodiments, and all of the equivalents or equivalents of the claims, as well as the following claims, I will say.
그와 같이 균등하게 또는 등가적으로 변형된 것에는, 예컨대 본 발명에 따른 방법을 실시한 것과 동일한 결과를 낼 수 있는, 논리적으로 동치(logically equivalent)인 방법이 포함될 것인바, 본 발명의 진의 및 범위는 전술한 예시들에 의하여 제한되어서는 아니되며, 법률에 의하여 허용 가능한 가장 넓은 의미로 이해되어야 한다.Such equally or equivalently modified means include, for example, a logically equivalent method which can produce the same result as the method according to the present invention, Should not be limited by the foregoing examples, but should be understood in the broadest sense permissible by law.
Claims (11)
상기 제1 의료 영상은 연속적인 다수의 개별 슬라이싱 영상을 포함하며, 상기 제2 의료 영상은 상기 다수의 개별 슬라이싱 영상에 교차하는 평면 상의 의료 영상을 포함하고,
상기 방법은,
(a) 컴퓨팅 장치가, (i) 상기 제1 의료 영상, 및 (ii) 상기 제1 의료 영상의 상기 개별 슬라이싱 영상 중 적어도 하나인 특정 슬라이싱 영상의 일부 영역을 상기 관심 영역으로 특정하는 정보인 제1 관심 영역 정보를 획득하거나 상기 컴퓨팅 장치에 연동되는 타 장치로 하여금 획득하도록 지원하는 단계;
(b) 상기 제1 의료 영상 및 상기 제1 관심 영역 정보가 획득되면, 상기 컴퓨팅 장치가, 상기 제1 의료 영상 및 상기 제1 관심 영역 정보에 기초한 영상 처리로써 (i) 상기 교차하는 평면 상의 유사 의료 영상 및 (ii) 상기 제1 관심 영역 정보가 상기 유사 의료 영상에 대응되도록 변형된 결과인 유사 관심 영역 정보가 반영된 유사 의료 영상 데이터를 생성하거나 상기 타 장치로 하여금 생성하도록 지원하는 단계; 및
(c) 상기 유사 의료 영상 데이터가 생성되면, 상기 컴퓨팅 장치가, (i) 상기 제2 의료 영상 및 (ii) 상기 유사 관심 영역 정보가 상기 제2 의료 영상에 대응되도록 변형된 결과인 제2 관심 영역 정보를 포함하는 맵핑 결과 데이터를 외부 엔티티(entity)에 제공하거나 상기 타 장치로 하여금 제공하도록 지원하되, 상기 제2 의료 영상은 상기 유사 의료 영상 또는 이에 정합(register)되는 상기 피검체의 타 의료 영상인 단계
를 포함하되,
상기 (b) 단계에서,
상기 영상 처리는 전방 사영(forward projection)으로서, 상기 제2 의료 영상이 상기 타 의료 영상인 경우에 상기 타 의료 영상을 촬영한 장비의 정보를 참조로 하여 이루어지고, 상기 제2 의료 영상이 상기 유사 의료 영상인 경우에 통상의 촬영 장비의 정보를 참조로 하여 이루어지는 것을 특징으로 하는 의료 영상 맵핑 방법. A method for mapping at least one region of interest (ROI), which is a partial region of a first medical image taken on a subject, onto a second medical image of the subject,
Wherein the first medical image includes a plurality of continuous individual slice images, the second medical image includes a medical image on a plane intersecting the plurality of individual slice images,
The method comprises:
(a) a computing device configured to generate a first medical image and a second medical image, the computing device comprising: (i) a first medical image, and (ii) the individual slice image of the first medical image, Acquiring one area of interest information or assisting another device associated with the computing device to acquire;
(b) when the first medical image and the first region of interest information are acquired, the computing device performs image processing based on the first medical image and the first region of interest information, wherein (i) the similarity on the intersecting plane Medical image and (ii) generating similar medical image data in which the similarity region information that is a result of modification of the first region of interest information to correspond to the similar medical image is reflected or supported by the other apparatus; And
(c) generating the similar medical image data, the computing device comprising: (i) the second medical image; and (ii) a second interest that is a result of the similarity region information being modified to correspond to the second medical image Wherein the second medical image is provided to the external entity or to provide the other device with the mapping result data including the area information, Step in the video
, ≪ / RTI &
In the step (b)
Wherein the image processing is a forward projection, wherein, when the second medical image is the other medical image, the image processing is performed with reference to information of an apparatus that has photographed the other medical image, And when the medical image is a medical image, information of a normal photographing equipment is referred to.
상기 (b) 단계에서,
상기 유사 의료 영상 데이터는, 상기 제1 관심 영역 정보에 소정의 연산자가 적용된 결과인 가중치에 대한 전방 사영의 지점별(pointwise) 결과값을 상기 제1 의료 영상에 대한 전방 사영의 지점별 결과값에 대하여 합산하는 가중 전방 사영(weighted forward projection)에 의하여 생성되는 것을 특징으로 하는 의료 영상 맵핑 방법.The method according to claim 1,
In the step (b)
Wherein the similar medical image data includes a pointwise result value of forward projection with respect to a weight which is a result of applying a predetermined operator to the first ROI information, a pointwise result value of the forward projection of the first medical image, Wherein the weighted forward projection is generated by weighted forward projection.
상기 (b) 단계에서,
상기 유사 의료 영상 데이터는,
상기 전방 사영에 의하여 상기 제1 의료 영상으로부터 생성된 상기 유사 의료 영상, 및 상기 전방 사영에 의하여 상기 제1 관심 영역 정보로부터 생성된 상기 유사 관심 영역 정보를 포함하는 것을 특징으로 하는 의료 영상 맵핑 방법.The method according to claim 1,
In the step (b)
The similar medical image data may include:
The similar medical image generated from the first medical image by the forward projection, and the similar region of interest information generated from the first region of interest information by the forward projection.
상기 제1 의료 영상은 연속적인 다수의 개별 슬라이싱 영상을 포함하며, 상기 제2 의료 영상은 상기 다수의 개별 슬라이싱 영상에 교차하는 평면 상의 의료 영상을 포함하고,
상기 방법은,
(a) 컴퓨팅 장치가, (i) 상기 제1 의료 영상, 및 (ii) 상기 제1 의료 영상의 상기 개별 슬라이싱 영상 중 적어도 하나인 특정 슬라이싱 영상의 일부 영역을 상기 관심 영역으로 특정하는 정보인 제1 관심 영역 정보를 획득하거나 상기 컴퓨팅 장치에 연동되는 타 장치로 하여금 획득하도록 지원하는 단계;
(b) 상기 제1 의료 영상 및 상기 제1 관심 영역 정보가 획득되면, 상기 컴퓨팅 장치가, 상기 제1 의료 영상 및 상기 제1 관심 영역 정보에 기초한 영상 처리로써 (i) 상기 교차하는 평면 상의 유사 의료 영상 및 (ii) 상기 제1 관심 영역 정보가 상기 유사 의료 영상에 대응되도록 변형된 결과인 유사 관심 영역 정보가 반영된 유사 의료 영상 데이터를 생성하거나 상기 타 장치로 하여금 생성하도록 지원하는 단계; 및
(c) 상기 유사 의료 영상 데이터가 생성되면, 상기 컴퓨팅 장치가, (i) 상기 제2 의료 영상 및 (ii) 상기 유사 관심 영역 정보가 상기 제2 의료 영상에 대응되도록 변형된 결과인 제2 관심 영역 정보를 포함하는 맵핑 결과 데이터를 외부 엔티티(entity)에 제공하거나 상기 타 장치로 하여금 제공하도록 지원하되, 상기 제2 의료 영상은 상기 유사 의료 영상 또는 이에 정합(register)되는 상기 피검체의 타 의료 영상인 단계
를 포함하되,
상기 (b) 단계에서,
상기 영상 처리는 상기 제1 의료 영상에 따른 관상면(coronal plane) 영상들의 누적(summation) 처리인 것을 특징으로 하는 의료 영상 맵핑 방법. A method for mapping at least one region of interest (ROI), which is a partial region of a first medical image taken on a subject, onto a second medical image of the subject,
Wherein the first medical image includes a plurality of continuous individual slice images, the second medical image includes a medical image on a plane intersecting the plurality of individual slice images,
The method comprises:
(a) a computing device configured to generate a first medical image and a second medical image, the computing device comprising: (i) a first medical image, and (ii) the individual slice image of the first medical image, Acquiring one area of interest information or assisting another device associated with the computing device to acquire;
(b) when the first medical image and the first region of interest information are acquired, the computing device performs image processing based on the first medical image and the first region of interest information, wherein (i) the similarity on the intersecting plane Medical image and (ii) generating similar medical image data in which the similarity region information that is a result of modification of the first region of interest information to correspond to the similar medical image is reflected or supported by the other apparatus; And
(c) generating the similar medical image data, the computing device comprising: (i) the second medical image; and (ii) a second interest that is a result of the similarity region information being modified to correspond to the second medical image Wherein the second medical image is provided to the external entity or to provide the other device with the mapping result data including the area information, Step in the video
, ≪ / RTI &
In the step (b)
Wherein the image processing is a summation processing of coronal plane images according to the first medical image.
상기 (c) 단계에서,
상기 제2 의료 영상이 상기 타 의료 영상인 경우에, 상기 유사 의료 영상과 상기 타 의료 영상 간의 기하학적 밀도 매칭(geometric dense matching)에 의하여 상기 제2 관심 영역 정보가 생성되는 것을 특징으로 하는 의료 영상 맵핑 방법.The method according to claim 1,
In the step (c)
Wherein the second interest region information is generated by geometric dense matching between the similar medical image and the other medical image when the second medical image is the other medical image, Way.
상기 기하학적 밀도 매칭은,
SIFT(scale-invariant feature transform), HOG(histogram of oriented gradients), RANSAC(random sample consensus), 허프 변환(Hough transform)을 포함하는 핸드크래프티드 방식(handcrafted methods) 중 적어도 하나에 의하여 수행되는 것을 특징으로 하는 의료 영상 맵핑 방법.The method according to claim 6,
The geometric density matching may include:
And is performed by at least one of a scale-invariant feature transform (SIFT), a histogram of oriented gradients (HOG), random sample consensus (RANSAC), and handcrafted methods including a Hough transform Of the medical image.
상기 기하학적 밀도 매칭은,
미리 학습된 딥 러닝 알고리즘에 의하여 수행되는 것을 특징으로 하는 의료 영상 맵핑 방법.The method according to claim 6,
The geometric density matching may include:
Wherein the step of performing the training is performed by a pre-learned deep learning algorithm.
상기 제1 의료 영상은 연속적인 다수의 개별 슬라이싱 영상을 포함하며, 상기 제2 의료 영상은 상기 다수의 개별 슬라이싱 영상에 교차하는 평면 상의 의료 영상을 포함하고,
상기 컴퓨팅 장치는,
(i) 상기 제1 의료 영상, 및 (ii) 상기 제1 의료 영상의 상기 개별 슬라이싱 영상 중 적어도 하나인 특정 슬라이싱 영상의 일부 영역을 상기 관심 영역으로 특정하는 정보인 제1 관심 영역 정보를 획득하는 통신부; 및
상기 제1 의료 영상 및 상기 제1 관심 영역 정보가 획득되면, 상기 제1 의료 영상 및 상기 제1 관심 영역 정보에 기초한 영상 처리로써 (i) 상기 교차하는 평면 상의, 상기 제2 의료 영상에 유사한 유사 의료 영상 및 (ii) 상기 제1 관심 영역 정보가 상기 유사 의료 영상에 대응되도록 변형된 결과인 유사 관심 영역 정보가 반영된 유사 의료 영상 데이터를 생성하거나 상기 통신부를 통하여 연동되는 타 장치로 하여금 생성하도록 지원하는 프로세서
를 포함하고,
상기 프로세서는,
상기 유사 의료 영상 데이터가 생성되면, (i) 상기 제2 의료 영상 및 (ii) 상기 유사 관심 영역 정보가 상기 제2 의료 영상에 대응되도록 변형된 결과인 제2 관심 영역 정보를 포함하는 맵핑 결과 데이터를 외부 엔티티(entity)에 제공하거나 상기 통신부를 통하여 상기 타 장치로 하여금 제공하도록 지원하되, 상기 제2 의료 영상은 상기 유사 의료 영상 또는 이에 정합(register)되는 상기 피검체의 타 의료 영상이며,
상기 영상 처리는 전방 사영(forward projection)으로서, 상기 제2 의료 영상이 상기 타 의료 영상인 경우에 상기 타 의료 영상을 촬영한 장비의 정보를 참조로 하여 이루어지고, 상기 제2 의료 영상이 상기 유사 의료 영상인 경우에 통상의 촬영 장비의 정보를 참조로 하여 이루어지는 것을 특징으로 하는 의료 영상 맵핑 장치.1. A computing device for mapping at least one region of interest (ROI), which is a partial region of a first medical image taken on a subject, onto a second medical image of the subject,
Wherein the first medical image includes a plurality of continuous individual slice images, the second medical image includes a medical image on a plane intersecting the plurality of individual slice images,
The computing device comprising:
(i) acquiring first interest region information, which is information that specifies, as the region of interest, a partial region of a specific slicing image that is at least one of the first medical image and (ii) the individual slicing image of the first medical image A communication unit; And
Image processing based on the first medical image and the first region of interest information when the first medical image and the first region of interest information are obtained, the method comprising: (i) Medical image and (ii) similar medical image data in which the similarity region information that is a result of the first region of interest information being modified to correspond to the similar medical image is reflected or generated to be generated by other apparatuses linked through the communication unit Processor
Lt; / RTI >
The processor comprising:
(Ii) the second region of interest information, which is a result of transforming the similar region of interest information to correspond to the second medical image, To the external entity or to provide the other device with the second medical image through the communication unit, wherein the second medical image is another medical image of the similar medical image or the subject to be registered therewith,
Wherein the image processing is a forward projection, wherein, when the second medical image is the other medical image, the image processing is performed with reference to information of an apparatus that has photographed the other medical image, Wherein the medical image mapping device is configured to refer to the information of the usual photographing equipment in the case of a medical image.
상기 제1 의료 영상은 연속적인 다수의 개별 슬라이싱 영상을 포함하며, 상기 제2 의료 영상은 상기 다수의 개별 슬라이싱 영상에 교차하는 평면 상의 의료 영상을 포함하고,
상기 컴퓨팅 장치는,
(i) 상기 제1 의료 영상, 및 (ii) 상기 제1 의료 영상의 상기 개별 슬라이싱 영상 중 적어도 하나인 특정 슬라이싱 영상의 일부 영역을 상기 관심 영역으로 특정하는 정보인 제1 관심 영역 정보를 획득하는 통신부; 및
상기 제1 의료 영상 및 상기 제1 관심 영역 정보가 획득되면, 상기 제1 의료 영상 및 상기 제1 관심 영역 정보에 기초한 영상 처리로써 (i) 상기 교차하는 평면 상의, 상기 제2 의료 영상에 유사한 유사 의료 영상 및 (ii) 상기 제1 관심 영역 정보가 상기 유사 의료 영상에 대응되도록 변형된 결과인 유사 관심 영역 정보가 반영된 유사 의료 영상 데이터를 생성하거나 상기 통신부를 통하여 연동되는 타 장치로 하여금 생성하도록 지원하는 프로세서
를 포함하고,
상기 프로세서는,
상기 유사 의료 영상 데이터가 생성되면, (i) 상기 제2 의료 영상 및 (ii) 상기 유사 관심 영역 정보가 상기 제2 의료 영상에 대응되도록 변형된 결과인 제2 관심 영역 정보를 포함하는 맵핑 결과 데이터를 외부 엔티티(entity)에 제공하거나 상기 통신부를 통하여 상기 타 장치로 하여금 제공하도록 지원하되, 상기 제2 의료 영상은 상기 유사 의료 영상 또는 이에 정합(register)되는 상기 피검체의 타 의료 영상이며,
상기 영상 처리는 상기 제1 의료 영상에 따른 관상면(coronal plane) 영상들의 누적(summation) 처리인 것을 특징으로 하는 의료 영상 맵핑 장치.1. A computing device for mapping at least one region of interest (ROI), which is a partial region of a first medical image taken on a subject, onto a second medical image of the subject,
Wherein the first medical image includes a plurality of continuous individual slice images, the second medical image includes a medical image on a plane intersecting the plurality of individual slice images,
The computing device comprising:
(i) acquiring first interest region information, which is information that specifies, as the region of interest, a partial region of a specific slicing image that is at least one of the first medical image and (ii) the individual slicing image of the first medical image A communication unit; And
Image processing based on the first medical image and the first region of interest information when the first medical image and the first region of interest information are obtained, the method comprising: (i) Medical image and (ii) similar medical image data in which the similarity region information that is a result of the first region of interest information being modified to correspond to the similar medical image is reflected or generated to be generated by other apparatuses linked through the communication unit Processor
Lt; / RTI >
The processor comprising:
(Ii) the second region of interest information, which is a result of transforming the similar region of interest information to correspond to the second medical image, To the external entity or to provide the other device with the second medical image through the communication unit, wherein the second medical image is another medical image of the similar medical image or the subject to be registered therewith,
Wherein the image processing is a summation processing of coronal plane images according to the first medical image.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170174315A KR101885562B1 (en) | 2017-12-18 | 2017-12-18 | Method for mapping region of interest in first medical image onto second medical image and apparatus using the same |
| PCT/KR2018/015479 WO2019124836A1 (en) | 2017-12-18 | 2018-12-07 | Method for mapping region of interest of first medical image onto second medical image, and device using same |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170174315A KR101885562B1 (en) | 2017-12-18 | 2017-12-18 | Method for mapping region of interest in first medical image onto second medical image and apparatus using the same |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101885562B1 true KR101885562B1 (en) | 2018-08-06 |
Family
ID=63252192
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170174315A KR101885562B1 (en) | 2017-12-18 | 2017-12-18 | Method for mapping region of interest in first medical image onto second medical image and apparatus using the same |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR101885562B1 (en) |
| WO (1) | WO2019124836A1 (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111145152A (en) * | 2019-12-24 | 2020-05-12 | 上海联影智能医疗科技有限公司 | Image detection method, computer device, and storage medium |
| CN115240819A (en) * | 2021-04-22 | 2022-10-25 | 西门子医疗有限公司 | Method for transmitting a plurality of medical images |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11562482B2 (en) * | 2020-03-30 | 2023-01-24 | Varian Medical Systems International Ag | Systems and methods for pseudo image data augmentation for training machine learning models |
| CN113160947A (en) * | 2021-05-18 | 2021-07-23 | 上海商汤智能科技有限公司 | Medical image display method and device, electronic equipment and storage medium |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101028365B1 (en) | 2009-02-04 | 2011-04-11 | 서울대학교산학협력단 | Multistage matching method and apparatus of pulmonary nodules in serial computed tomography scan |
| KR20150021352A (en) * | 2013-08-20 | 2015-03-02 | 삼성테크윈 주식회사 | Apparatus and method for alignment of images |
| KR101698850B1 (en) | 2016-04-15 | 2017-01-23 | 연세대학교 산학협력단 | Medical imaging device and image compensating method thereof |
| JP2017182129A (en) * | 2016-03-28 | 2017-10-05 | ソニー株式会社 | Information processing device |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101035055B1 (en) * | 2009-06-24 | 2011-05-19 | 전자부품연구원 | System and method of tracking object using different kind camera |
| JP5625976B2 (en) * | 2011-02-09 | 2014-11-19 | ソニー株式会社 | IMAGING DEVICE, IMAGING DEVICE CONTROL METHOD, AND PROGRAM |
| KR101279484B1 (en) * | 2012-04-18 | 2013-06-27 | 한국항공우주연구원 | Apparatus and method for processing image |
-
2017
- 2017-12-18 KR KR1020170174315A patent/KR101885562B1/en active IP Right Grant
-
2018
- 2018-12-07 WO PCT/KR2018/015479 patent/WO2019124836A1/en active Application Filing
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101028365B1 (en) | 2009-02-04 | 2011-04-11 | 서울대학교산학협력단 | Multistage matching method and apparatus of pulmonary nodules in serial computed tomography scan |
| KR20150021352A (en) * | 2013-08-20 | 2015-03-02 | 삼성테크윈 주식회사 | Apparatus and method for alignment of images |
| JP2017182129A (en) * | 2016-03-28 | 2017-10-05 | ソニー株式会社 | Information processing device |
| KR101698850B1 (en) | 2016-04-15 | 2017-01-23 | 연세대학교 산학협력단 | Medical imaging device and image compensating method thereof |
Non-Patent Citations (2)
| Title |
|---|
| Ignacio Rocco, Relja Arandjelovic, Josef Sivic. Convolutional neural network architecture for geometric matching. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2017 |
| Yi Du, Gongyi Yu, Xincheng Xiang. GPU accelerated voxel-driven forward projection for iterative reconstruction of cone-beam CT. BioMedical Engineering OnLine, 2017, Volume 16, Number 1, Page 1 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111145152A (en) * | 2019-12-24 | 2020-05-12 | 上海联影智能医疗科技有限公司 | Image detection method, computer device, and storage medium |
| CN111145152B (en) * | 2019-12-24 | 2024-02-27 | 上海联影智能医疗科技有限公司 | Image detection method, computer device, and storage medium |
| CN115240819A (en) * | 2021-04-22 | 2022-10-25 | 西门子医疗有限公司 | Method for transmitting a plurality of medical images |
| CN115240819B (en) * | 2021-04-22 | 2023-09-08 | 西门子医疗有限公司 | Method for transmitting a plurality of medical images |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2019124836A1 (en) | 2019-06-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101898575B1 (en) | Method for predicting future state of progressive lesion and apparatus using the same | |
| KR101894278B1 (en) | Method for reconstructing a series of slice images and apparatus using the same | |
| EP3611699A1 (en) | Image segmentation using deep learning techniques | |
| US10304198B2 (en) | Automatic medical image retrieval | |
| US10803354B2 (en) | Cross-modality image synthesis | |
| US10796464B2 (en) | Selective image reconstruction | |
| KR101885562B1 (en) | Method for mapping region of interest in first medical image onto second medical image and apparatus using the same | |
| US10867375B2 (en) | Forecasting images for image processing | |
| US10825149B2 (en) | Defective pixel correction using adversarial networks | |
| US10303965B2 (en) | Defective pixel identification using machine learning | |
| KR102202398B1 (en) | Image processing apparatus and image processing method thereof | |
| CN111080583B (en) | Medical image detection method, computer device, and readable storage medium | |
| US20180064409A1 (en) | Simultaneously displaying medical images | |
| US11449210B2 (en) | Method for providing an image base on a reconstructed image group and an apparatus using the same | |
| KR101919908B1 (en) | Method for facilitating labeling of medical image and apparatus using the same | |
| US20210082567A1 (en) | Method for supporting viewing of images and apparatus using same | |
| KR101919847B1 (en) | Method for detecting automatically same regions of interest between images taken on a subject with temporal interval and apparatus using the same | |
| KR102112706B1 (en) | Method for detecting nodule and apparatus using the same | |
| KR101923962B1 (en) | Method for facilitating medical image view and apparatus using the same | |
| KR102222816B1 (en) | Method for generating future image of progressive lesion and apparatus using the same | |
| US11138736B2 (en) | Information processing apparatus and information processing method | |
| US20220180194A1 (en) | Method for improving reproduction performance of trained deep neural network model and device using same | |
| KR102275622B1 (en) | Method for providing an image based on a reconstructed image group and an apparatus using the same | |
| US20230260141A1 (en) | Deep learning for registering anatomical to functional images | |
| US20230154067A1 (en) | Output Validation of an Image Reconstruction Algorithm |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GRNT | Written decision to grant | ||
| G170 | Re-publication after modification of scope of protection [patent] |