KR101981583B1 - method for Information processing in medical images - Google Patents
method for Information processing in medical images Download PDFInfo
- Publication number
- KR101981583B1 KR101981583B1 KR1020170025570A KR20170025570A KR101981583B1 KR 101981583 B1 KR101981583 B1 KR 101981583B1 KR 1020170025570 A KR1020170025570 A KR 1020170025570A KR 20170025570 A KR20170025570 A KR 20170025570A KR 101981583 B1 KR101981583 B1 KR 101981583B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- medical image
- medical
- image
- computer
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
- G06F21/6254—Protecting personal data, e.g. for financial or medical purposes by anonymising data, e.g. decorrelating personal data from the owner's identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/604—Tools and structures for managing or administering access control systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
Abstract
본 발명은, OCR을 통하여 의료영상에 포함되어 있는 개인정보와 의료정보를 분류하고, 개인정보를 익명화하여 개인정보 유출 및 도용을 차단하며, 의료영상 내에서 OCR을 통해 획득한 분석 결과를 기반으로 의료정보 분류를 통해 빅데이터 구축할 수 있는 의료영상 내 정보처리방법을 제공한다. 본 발명은, 의료영상 내에 포함된 텍스트 형태의 정보를 처리하는 방법에 있어서, 제1컴퓨터가 특정 환자의 원본의료영상을 획득하는 단계; 상기 원본의료영상 내에서 광학문자인식(OCR)을 통해 개인정보와 의료정보를 분류하는 단계; 상기 원본의료영상에서 상기 개인정보를 익명화하여 수정의료영상을 생성하는 단계; 및 상기 의료정보를 추출하여 상기 원본의료영상 또는 상기 수정의료영상과 매칭하여 저장하는 단계를 포함한다.The present invention classifies personal information and medical information included in a medical image through OCR, blocks personal information leakage and theft by anonymizing personal information, and based on analysis results obtained through OCR in a medical image And provides an information processing method in a medical image that can construct big data through classification of medical information. The present invention relates to a method of processing textual information contained in a medical image, the method comprising the steps of: a first computer obtaining an original medical image of a particular patient; Classifying personal information and medical information through optical character recognition (OCR) in the original medical image; Generating a corrected medical image by anonymizing the personal information in the original medical image; And extracting the medical information and matching with the original medical image or the corrected medical image.
Description
본 발명은 의료영상에 포함되어 있는 개인정보를 익명화하여 개인정보 유출을 차단하는 의료영상 내 정보처리방법에 관한 것이다. The present invention relates to an information processing method in a medical image that anonymizes personal information included in a medical image to block personal information leakage.
웹 기반 의료정보시스템 환경은 공개구조의 인터넷망을 사용하게 되므로, 네트워크 기반의 중앙 집중 시스템에 저장 관리 및 처리된다. 이와 같은 웹 기반 의료정보는 실시간 공유 및 활용되는 특성으로 기밀성 보장, 접근 권한관리, 익명성 확보 등이 취약하다.Since the web - based medical information system environment uses the open internet network, it is stored and managed in a network - based centralized system. Such web - based medical information is vulnerable to securing confidentiality, managing access rights, and securing anonymity due to its real - time sharing and utilization characteristics.
또한, 의료정보는 통합 관리됨으로서 데이터베이스 접근시 업무 관련자 모두 접근 가능하여 진료정보 데이터베이스 시스템에 저장된 각종 의료 데이터에 대한 프라이버시 보호와 정보공유 및 접근 제어 보안문제가 대두된다. In addition, since the medical information is integrated and managed, all business people can access the database, thereby protecting the privacy of various medical data stored in the medical information database system, and information sharing and access control security problems.
특히, 개인 의료기록은 보험 상품 및 진료 위치 추적 등의 용도로 활용될 수 있으며 처방 약품 시장 현황, 매출 추이 분석, 주요 질병 발생 추이 등 다양한 형태로 가공된 정보들은 제약사 영업 전략과 신약 개발 방향 등을 수립하는데 반드시 필요한 정보이다. In particular, personal medical records can be used for insurance products and location tracking. Information processed in various forms, such as prescription drug market status, sales trend analysis, and major disease outbreaks, It is necessary information to establish.
따라서 개인 의료기록은 제약사들이 거액을 들여서라도 꼭 확보하고자 하는 매우 가치가 높은 정보지만 유출되는 경우 개인의 의료 현황과 현재까지의 의료 정보 동향까지 모두 파악할 수 있어 개인의 사생활을 침해할 뿐만 아니라 다양한 방면에서 악용될 수 있는 심각한 문제가 발생할 가능성이 높다. Therefore, personal medical records are highly valuable information that drug companies want to secure even if they pay a lot of money, but if they are leaked, they can understand both personal medical condition and current medical information trends, There is a high possibility that a serious problem that can be exploited by the user is likely to occur.
따라서, 개인 의료 영상에서 개인정보를 추출하여 암호화, 삭제 또는 마스킹 등의 기술의 중요성이 대두되고 있으나 병원간 개인 의료 영상은 촬영하는 장비와 촬영 부위에 따라 형식이 달라 현실적으로 서로 다른 영상의 개인 정보를 지우는 기술의 개발에 어려움이 많은 실정이다.Therefore, the importance of technologies such as encryption, deletion, or masking has been emphasized by extracting personal information from personal medical images. However, personal medical images between hospitals are different from each other depending on the equipment to be photographed, There are many difficulties in developing erase technology.
본 발명이 해결하고자 하는 과제는 OCR을 통하여 의료영상에 포함되어 있는 개인정보와 의료정보를 분류하고, 개인정보를 익명화하여 개인정보 유출 및 도용을 차단하는 의료영상 내 정보처리방법을 제공하는 것이다.A problem to be solved by the present invention is to provide an information processing method in a medical image in which personal information and medical information included in a medical image are classified through OCR, and personal information is anonymized to prevent personal information leakage and theft.
또한, 의료영상 내에서 OCR을 통해 획득한 분석 결과를 기반으로 의료정보 분류를 통해 빅데이터 구축할 수 있는 의료영상 내 정보처리방법을 제공하는 것이다.It is another object of the present invention to provide an information processing method in a medical image that can construct big data through classification of medical information based on analysis results obtained through OCR in a medical image.
본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.The problems to be solved by the present invention are not limited to the above-mentioned problems, and other problems which are not mentioned can be clearly understood by those skilled in the art from the following description.
상술한 과제를 해결하기 위한 본 발명의 일 면에 따른 의료영상 내 정보처리방법은, 의료영상 내에 포함된 텍스트 형태의 정보를 처리하는 방법에 있어서, 제1컴퓨터가 특정 환자의 원본의료영상을 획득하는 단계; 상기 원본의료영상 내에서 광학문자인식(OCR)을 통해 개인정보와 의료정보를 분류하는 단계; 상기 원본의료영상에서 상기 개인정보를 익명화하여 수정의료영상을 생성하는 단계; 및 상기 의료정보를 추출하여 상기 원본의료영상 또는 상기 수정의료영상과 매칭하여 저장하는 단계를 포함한다.According to an aspect of the present invention, there is provided a method of processing textual information contained in a medical image, the method comprising: acquiring an original medical image of a specific patient; ; Classifying personal information and medical information through optical character recognition (OCR) in the original medical image; Generating a corrected medical image by anonymizing the personal information in the original medical image; And extracting the medical information and matching with the original medical image or the corrected medical image.
또한, 본 발명의 다른 일 면에 따른 의료영상 내 정보처리방법은, 의료영상 내에 포함된 텍스트 형태의 정보를 처리하는 방법에 있어서, 제1컴퓨터가 특정 환자의 원본의료영상을 획득하는 단계; 상기 원본의료영상을 제공하는 의료장치 정보를 기반으로 상기 원본의료영상 내 각 정보의 배치위치정보를 획득하는 단계; 상기 배치위치정보를 기반으로 상기 원본의료영상 내의 개인정보와 의료정보를 식별하는 단계; 상기 원본의료영상에서 상기 개인정보를 익명화하여 수정의료영상을 생성하는 단계; 및 상기 의료정보를 추출하여 상기 원본의료영상 또는 상기 수정의료영상과 매칭하여 저장하는 단계를 포함한다.According to another aspect of the present invention, there is provided a method of processing textual information included in a medical image, the method comprising: acquiring an original medical image of a specific patient by a first computer; Acquiring placement position information of each piece of information in the original medical image based on medical device information providing the original medical image; Identifying individual information and medical information in the original medical image based on the placement position information; Generating a corrected medical image by anonymizing the personal information in the original medical image; And extracting the medical information and matching with the original medical image or the corrected medical image.
상기 개인정보와 의료정보를 분류하는 단계는; 광학문자인식을 통해 획득된 텍스트데이터 형태를 기반으로 상기 개인정보와 상기 의료정보를 구별하는 것을 특징으로 할 수 있다.Wherein classifying the personal information and the medical information comprises: And distinguishes the personal information from the medical information based on a text data form obtained through optical character recognition.
상기 개인정보와 의료정보를 분류하는 단계는; 상기 의료영상 내에서 병변 이미지상에 상기 의료정보에 해당하는 텍스트가 표시되는 경우, 상기 병변 이미지와 상기 텍스트의 경계를 식별하는 단계; 및 광학문자인식(OCR)을 통해 텍스트를 추출하는 단계를 더 포함할 수 있다.Wherein classifying the personal information and the medical information comprises: Identifying a boundary between the lesion image and the text if the text corresponding to the medical information is displayed on the lesion image in the medical image; And extracting text through optical character recognition (OCR).
상기 수정의료영상을 생성하는 단계는; 제1 컴퓨터가 상기 환자의 원본의료영상의 헤더정보를 분석하여 상기 개인정보를 삭제대상 정보와 유지대상 정보를 구분하는 단계; 상기 원본의료영상에서 상기 삭제대상 정보를 삭제하는 단계; 상기 삭제대상 정보가 삭제된 상기 수정의료영상을 제2컴퓨터로 전송하는 단계를 포함하고, 상기 삭제대상 정보는 상기 헤더정보중 개인식별이 가능한 항목 또는 파일명을 포함하는 정보인 것이 바람직하다.Wherein the generating the corrected medical image comprises: The first computer analyzing the header information of the original medical image of the patient to distinguish the deletion object information and the maintenance object information from the personal information; Deleting the deletion object information from the original medical image; And transmitting the modified medical image from which the deletion object information is deleted to the second computer, wherein the deletion object information is information including an item or file name that can be personally identified in the header information.
상기 의료영상은 DICOM 영상이고, 상기 DICOM 영상을 광학문자인식(OCR)을 이용하여 환자식별정보를 획득하는 것이 가능하다.The medical image is a DICOM image, and it is possible to obtain patient identification information by using optical character recognition (OCR) on the DICOM image.
상기 수정의료영상을 생성하는 단계는; 상기 제1컴퓨터가 상기 환자의 원본의료영상을 획득하는 단계; 상기 원본의료영상에 대해 환자식별정보를 포함하는 암호키를 이용한 암호화된 파일을 생성하는 단계; 상기 암호화된 파일을 제2컴퓨터로 전송하는 단계; 상기 제2컴퓨터의 요청에 따라, 상기 제1컴퓨터가 복호화키를 전송하되, 상기 복호화키는 상기 제2컴퓨터가 상기 암호화된 파일을 복호화하는 키데이터인, 복호화키 전송단계를 포함할 수 있다.Wherein the generating the corrected medical image comprises: The first computer acquiring the original medical image of the patient; Generating an encrypted file using an encryption key including patient identification information for the original medical image; Transmitting the encrypted file to a second computer; And a decryption key transmitting step in response to a request from the second computer, wherein the first computer transmits a decryption key, and the decryption key is key data decrypting the encrypted file by the second computer.
상기 암호화된 파일을 복호화하는 단계는; DICOM영상 내에 포함되어 있는 헤더정보를 분석하여 원본 의료영상을 확인하고 상기 개인정보를 복원하는 것이 가능하다.The step of decrypting the encrypted file comprises: It is possible to analyze the header information included in the DICOM image to check the original medical image and restore the personal information.
상기 제1컴퓨터가 상기 의료정보와 상기 의료영상 간의 매칭관계를 기반으로 학습을 수행하는 단계를 더 포함할 수 있다.The first computer may further include performing learning based on a matching relationship between the medical information and the medical image.
상기 학습수행단계는 상기 의료정보의 결과값을 기반으로 상기 의료영상을 그룹핑하는 단계 및 각 그룹 내의 의료영상에 대해 학습을 수행하는 단계를 포함할 수 있다.The learning step may include grouping the medical images based on the result values of the medical information, and performing learning on the medical images in each group.
본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.Other specific details of the invention are included in the detailed description and drawings.
본 발명에 따른 의료영상 내 정보처리방법에 의하면, OCR을 통하여 의료영상에 포함되어 있는 개인정보와 의료정보를 분류하고, 개인정보를 익명화하여 개인정보 유출 및 도용을 차단하는 효과가 있다.According to the medical image information processing method of the present invention, the personal information and medical information included in the medical image are classified through the OCR, and the personal information is anonymized to prevent personal information leakage and theft.
또한, 의료영상 내에서 OCR을 통해 획득한 분석 결과를 기반으로 의료정보 분류를 통해 빅데이터 구축함으로써, 외부전송이나 임상데이터로 활용하기 위해 민간에게 의료 정보를 개방하는 의료 빅데이터 활성화를 추진할 수 있는 효과가 있다.In addition, by building big data through classification of medical information based on the analysis results obtained through OCR in medical image, it is possible to promote medical big data which open medical information to private to use as external transmission or clinical data It is effective.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.The effects of the present invention are not limited to the above-mentioned effects, and other effects not mentioned can be clearly understood by those skilled in the art from the following description.
도 1은 본 발명의 일 실시에에 따른 의료정보시스템을 나타낸 블록도이다.
도 2는 본 발명의 일 실시에에 따른 의료영상 내 정보처리방법을 나타낸 순서도이다.
도 3은 본 발명의 다른 실시에에 따른 의료영상 내 정보처리방법을 나타낸 순서도이다.
도 4는 본 발명의 개인정보를 익명화하여 수정의료영상을 생성하는 단계의 일 실시예를 상세히 나타낸 순서도이다.
도 5는 도 4를 설명하기 위한 개념도이다.
도 6은 본 발명의 개인정보를 익명화하여 수정의료영상을 생성하는 단계의 다른 실시예를 상세히 나타낸 순서도이다.
도 7 및 도 8은 본 발명의 DICOM 영상의 헤더정보를 이용해서 데이터를 분류하는 방법을 설명하기 위한 초음파 영상이다.1 is a block diagram showing a medical information system according to an embodiment of the present invention.
2 is a flowchart illustrating a method of processing information in a medical image according to an embodiment of the present invention.
3 is a flowchart illustrating a method of processing information in a medical image according to another embodiment of the present invention.
4 is a flowchart illustrating an example of a step of generating a corrected medical image by anonymizing personal information according to an embodiment of the present invention.
Fig. 5 is a conceptual diagram for explaining Fig.
FIG. 6 is a detailed flowchart of another embodiment of the step of generating a corrected medical image by anonymizing the personal information of the present invention.
7 and 8 are ultrasound images for explaining a method of classifying data using header information of the DICOM image of the present invention.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. BRIEF DESCRIPTION OF THE DRAWINGS The advantages and features of the present invention and the manner of achieving them will become apparent with reference to the embodiments described in detail below with reference to the accompanying drawings. The present invention may, however, be embodied in many different forms and should not be construed as limited to the embodiments set forth herein. Rather, these embodiments are provided so that this disclosure will be thorough and complete and will fully convey the concept of the invention to those skilled in the art. To fully disclose the scope of the invention, and the invention is only defined by the scope of the claims.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.The terminology used herein is for the purpose of illustrating embodiments and is not intended to be limiting of the present invention. In the present specification, the singular form includes plural forms unless otherwise specified in the specification. The terms " comprises " and / or " comprising " used in the specification do not exclude the presence or addition of one or more other elements in addition to the stated element. Like reference numerals refer to like elements throughout the specification and " and / or " include each and every combination of one or more of the elements mentioned. Although " first ", " second " and the like are used to describe various components, it is needless to say that these components are not limited by these terms. These terms are used only to distinguish one component from another. Therefore, it goes without saying that the first component mentioned below may be the second component within the technical scope of the present invention.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않은 한 이상적으로 또는 과도하게 해석되지 않는다.Unless defined otherwise, all terms (including technical and scientific terms) used herein may be used in a sense that is commonly understood by one of ordinary skill in the art to which this invention belongs. In addition, commonly used predefined terms are not ideally or excessively interpreted unless explicitly defined otherwise.
공간적으로 상대적인 용어인 "아래(below)", "아래(beneath)", "하부(lower)", "위(above)", "상부(upper)" 등은 도면에 도시되어 있는 바와 같이 하나의 구성요소와 다른 구성요소들과의 상관관계를 용이하게 기술하기 위해 사용될 수 있다. 공간적으로 상대적인 용어는 도면에 도시되어 있는 방향에 더하여 사용시 또는 동작시 구성요소들의 서로 다른 방향을 포함하는 용어로 이해되어야 한다. 예를 들어, 도면에 도시되어 있는 구성요소를 뒤집을 경우, 다른 구성요소의 "아래(below)" 또는 "아래(beneath)"로 기술된 구성요소는 다른 구성요소의 "위(above)"에 놓여질 수 있다. 따라서, 예시적인 용어인 "아래"는 아래와 위의 방향을 모두 포함할 수 있다. 구성요소는 다른 방향으로도 배향될 수 있으며, 이에 따라 공간적으로 상대적인 용어들은 배향에 따라 해석될 수 있다.The terms spatially relative, "below", "beneath", "lower", "above", "upper" And can be used to easily describe a correlation between an element and other elements. Spatially relative terms should be understood in terms of the directions shown in the drawings, including the different directions of components at the time of use or operation. For example, when inverting an element shown in the figures, an element described as "below" or "beneath" of another element may be placed "above" another element . Thus, the exemplary term " below " can include both downward and upward directions. The components can also be oriented in different directions, so that spatially relative terms can be interpreted according to orientation.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다. Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings.
도 1은 본 발명의 일 실시에에 따른 의료정보시스템을 나타낸 블록도이다.1 is a block diagram showing a medical information system according to an embodiment of the present invention.
도 1에 도시된 바와 같이, 의료영상을 획득하기 위한 통상의 의료 영상 장비(10)가 구비된다. 이러한 의료 영상 장비(10)는 일예로, 방사선의 X선을 이용하여 인체 내부의 해부학적 영상을 촬영하는 컴퓨터 단층 촬영장치(CT; Computed Tomography)와, 인체에 고주파를 쏘아 그 신호를 영상으로 재구성하는 자기공명 영상 촬영장치(MRI; Magnetic Resonance Imaging)와, 양전자를 방출하는 방사성 의약품을 인체에 주입해 각 부위별로 나타나는 생리학적 반응을 3차원 영상으로 재구성하는 PET 장치(PET; Positron Emission Tomography)와, PET에 CT를 결합한 PET-CT 장치와, PET의 높은 화질과 MRI의 우수한 해상도를 융합한 PET-MR 장치와, 뇌파 측정을 위한 뇌전도 장치(EEG; electro encephalography)를 포함하여 구성할 수 있다.As shown in FIG. 1, a conventional
또한, 병원 PACS(picture archiving communication system)(20)는 의료 영상 장비(110)에서 획득한 CT 이미지, MRI 이미지, PET 이미지, PET-CT 이미지, PETMR 이미지, EEG 이미지에 대한 영상 저장 및 전송 기능을 수행할 수 있도록 한다.The hospital image archiving communication system (PACS) 20 can store and transmit image data for a CT image, an MRI image, a PET image, a PET-CT image, a PETMR image, and an EEG image acquired from the medical image equipment 110 To be performed.
PACS(20)는 상기 의료 영상 장비(10)로부터 획득한 의료영상 이미지를 수집하여 데이터베이스(미도시)에 저장하며, 의료영상의 요청에 대응하여 수집된 해당 의료영상을 본 발명의 제1 컴퓨터(30)에 전송한다.The PACS 20 collects medical image images acquired from the
컴퓨터는 서버장치와 클라이언트장치로 구성될 수 있다. 클라이언트장치는 특정한 프로그램이 포함 또는 설치되어, 연산처리를 수행하는 사용자가 보유한 장치를 의미한다. 상기 '클라이언트장치'는, 연산처리를 수행하여 사용자에게 결과를 제공할 수 있는 다양한 장치들이 모두 포함된다. 예를 들어, 컴퓨터는 데스크 탑 PC, 노트북(Note Book) 뿐만 아니라 스마트폰(Smart phone), 태블릿 PC, 셀룰러폰(Cellular phone), 피씨에스폰(PCS phone; Personal Communication Service phone), 동기식/비동기식 IMT-2000(International Mobile Telecommunication-2000)의 이동 단말기, 팜 PC(Palm Personal Computer), 개인용 디지털 보조기(PDA; Personal Digital Assistant) 등도 해당될 수 있다. The computer may be comprised of a server device and a client device. The client device refers to a device held by a user who executes a calculation process, in which a specific program is included or installed. The 'client device' includes various devices capable of performing computation processing and providing results to a user. For example, the computer may be a smart phone, a tablet PC, a cellular phone, a personal communication service phone (PCS phone), a synchronous / asynchronous A mobile terminal of IMT-2000 (International Mobile Telecommunication-2000), a Palm Personal Computer (PC), a personal digital assistant (PDA), and the like.
도 2는 본 발명의 일 실시에에 따른 의료영상 내 정보처리방법을 나타낸 순서도이다.2 is a flowchart illustrating a method of processing information in a medical image according to an embodiment of the present invention.
도 2에 도시된 바와 같이, 본 발명의 일실시에에 따른 의료영상 내 정보처리방법은, 의료영상 내에 포함된 텍스트 형태의 정보를 처리하는 방법에 있어서, 제1 컴퓨터(30)가 특정 환자의 원본의료영상을 획득하는 단계(S100); 상기 원본의료영상 내에서 광학문자인식(OCR)을 통해 개인정보와 의료정보를 분류하는 단계(S110); 상기 원본의료영상에서 상기 개인정보를 익명화하여 수정의료영상을 생성하는 단계(S120); 및 상기 의료정보를 추출하여 상기 원본의료영상 또는 상기 수정의료영상과 매칭하여 저장하는 단계(S130)를 포함한다.As shown in FIG. 2, the method for processing information in a medical image according to an embodiment of the present invention is a method for processing information in a form of text included in a medical image, Acquiring an original medical image (S100); (S110) classifying the personal information and the medical information through optical character recognition (OCR) in the original medical image; (S120) anonymizing the personal information in the original medical image to generate a corrected medical image; And extracting the medical information and matching and storing the original medical image or the corrected medical image (S130).
이와 같이 구성된 본 발명의 일 실시에에 따른 의료영상 내 정보처리방법은 먼저, 상기 제1 컴퓨터(30)가 특정 환자의 원본의료영상을 획득하고, 상기 원본의료영상 내에서 광학문자인식(OCR)을 통해 개인정보와 의료정보를 분류하게 된다(S100~S110).In the medical image information processing method according to an embodiment of the present invention configured as described above, first, the
한편, 상기 개인정보와 의료정보를 분류하는 단계(S100)에서는 상기 의료영상 내의 각 데이터가 배치되는 위치를 기반으로 해당 데이터 유형을 판단할 수도 있다. Meanwhile, in step S100 of classifying the personal information and the medical information, the data type may be determined on the basis of the position of each data in the medical image.
또한, 상기 개인정보와 의료정보를 분류하는 단계(S100)에서는 상기 의료영상 내에서 병변 부위의 이미지상에 의료정보가 표시되는 경우, 이미지 프로세싱을 이용하여 텍스트를 식별하는 것이 바람직하다.In the step S100 of classifying the personal information and the medical information, when medical information is displayed on an image of a lesion in the medical image, it is preferable to identify the text using image processing.
따라서, 상기 개인정보와 의료정보를 분류하는 단계(S100)는, 상기 의료영상 내에서 병변 이미지상에 상기 의료정보에 해당하는 텍스트가 표시되는 경우, 상기 병변 이미지와 상기 텍스트의 경계를 식별하는 단계; 및 광학문자인식(OCR)을 통해 텍스트를 추출하는 단계를 더 포함할 수 있다.Therefore, if the text corresponding to the medical information is displayed on the lesion image in the medical image, the step of classifying the personal information and the medical information may include the step of identifying the boundary between the lesion image and the text ; And extracting text through optical character recognition (OCR).
이후, 상기 제1 컴퓨터(30)가 원본의료영상에서 상기 개인정보를 익명화하여 수정의료영상을 생성하고, 상기 의료정보를 추출하여 상기 원본의료영상 또는 상기 수정의료영상과 매칭하여 저장한다(S120~S130).Then, the
도 3은 본 발명의 다른 실시에에 따른 의료영상 내 정보처리방법을 나타낸 순서도이다.3 is a flowchart illustrating a method of processing information in a medical image according to another embodiment of the present invention.
도 3에 도시된 바와 같이, 본 발명의 다른 실시에에 따른 의료영상 내 정보처리방법은, 의료영상 내에 포함된 텍스트 형태의 정보를 처리하는 방법에 있어서, 제1 컴퓨터(30)가 특정 환자의 원본의료영상을 획득하는 단계(S200); 상기 원본의료영상을 제공하는 의료장치 정보를 기반으로 상기 원본의료영상 내 각 정보의 배치위치정보를 획득하는 단계(S210); 상기 배치위치정보를 기반으로 상기 원본의료영상 내의 개인정보와 의료정보를 식별하는 단계(S220); 상기 원본의료영상에서 상기 개인정보를 익명화하여 수정의료영상을 생성하는 단계(S230); 및 상기 의료정보를 추출하여 상기 원본의료영상 또는 상기 수정의료영상과 매칭하여 저장하는 단계(S240)를 포함한다.As shown in FIG. 3, the medical image information processing method according to another embodiment of the present invention is a method of processing text type information included in a medical image, Acquiring an original medical image (S200); Acquiring position information of each piece of information in the original medical image based on the medical device information providing the original medical image (S210); Identifying (S 220) personal information and medical information in the original medical image based on the placement location information; (S230) anonymizing the personal information in the original medical image to generate a corrected medical image; And extracting the medical information and matching and storing the original medical image or the corrected medical image (S240).
이와 같이 구성된 본 발명의 다른 실시에에 따른 의료영상 내 정보처리방법은 먼저, 제1 컴퓨터(30)가 특정 환자의 원본의료영상을 획득하고, 상기 원본의료영상을 제공하는 의료장치 정보를 기반으로 상기 원본의료영상 내 각 정보의 배치위치정보를 획득한다(S200~S210).In the medical image information processing method according to another embodiment of the present invention configured as described above, first, the
이후, 상기 배치위치정보를 기반으로 상기 원본의료영상 내의 개인정보와 의료정보를 식별하고, 상기 원본의료영상에서 상기 개인정보를 익명화하여 수정의료영상을 생성한다(S220~S230).Thereafter, the personal information and the medical information in the original medical image are discriminated based on the arrangement position information, and the corrected medical image is generated by anonymizing the personal information in the original medical image (S220 to S230).
즉, 의료영상에는 개인정보와 측정데이터가 이미지로 포함되어 있어서, 추출하는 과정 필요하다. 이때, OCR을 통해 의료영상 내에서 익명화 처리하여야 할 개인정보와 의료정보를 분류할 수 있다. 이때, 의료장치에 따라 각 데이터가 배치되는 위치가 결정되어 있으므로, 영상 내의 위치를 기반으로 어떠한 데이터인지 유형을 판단할 수 있게 되는 것이다.That is, since the medical image includes the personal information and the measurement data as an image, the extraction process is necessary. At this time, OCR can classify personal information and medical information to be anonymized in the medical image. At this time, since the positions where the respective data are arranged are determined according to the medical device, it is possible to determine what kind of data or type based on the position in the image.
이후, 제1 컴퓨터(30)는 상기 의료정보를 추출하여 상기 원본의료영상 또는 상기 수정의료영상과 매칭하여 저장한다(S240).Thereafter, the
도 4는 본 발명의 개인정보를 익명화하여 수정의료영상을 생성하는 단계의 일 실시예를 상세히 나타낸 순서도이고, 도 5는 도4를 설명하기 위한 개념도이다.FIG. 4 is a flowchart illustrating an example of a step of generating a corrected medical image by anonymizing personal information according to an embodiment of the present invention. FIG. 5 is a conceptual diagram for explaining FIG.
도시된 바와 같이, 상기 개인정보를 익명화하여 수정의료영상을 생성하는 단계의 일 실시예는, 상기 제1 컴퓨터(30)가 상기 환자의 원본의료영상의 헤더정보를 분석하여 상기 개인정보를 삭제대상 정보와 유지대상 정보를 구분하는 단계(S121); 상기 원본의료영상에서 상기 삭제대상 정보를 삭제하는 단계(S122); 상기 삭제대상 정보가 삭제된 상기 수정의료영상을 제2컴퓨터(40)로 전송하는 단계(S123)를 포함한다. 이때, 상기 삭제대상 정보는 상기 헤더정보중 개인식별이 가능한 항목 또는 파일명을 포함하는 정보인 것이 바람직하다.As shown in the figure, the
이와 같이 구성된 본 발명의 일 실시예에 따른 개인정보를 익명화하여 수정의료영상을 생성하는 단계에서는, 먼저 제1 컴퓨터(30)가 상기 병원PACS(20)로부터 환자의 의료영상을 전송받는다.In the step of generating the corrected medical image by anonymizing the personal information according to the embodiment of the present invention configured as described above, the
이때, PACS(20)는 상기 의료 영상 장비(10)로부터 획득한 의료영상 이미지를 수집하여 데이터베이스(미도시)에 저장하며, 의료영상의 요청에 대응하여 수집된 해당 의료영상을 본 발명의 제1 컴퓨터(30)에 전송한다.At this time, the
이후, 제1 컴퓨터(30)는 상기 환자의 의료영상의 헤더정보를 분석하여 삭제대상 정보와 유지대상 정보를 구분한다(S121).Thereafter, the
여기서, 상기 의료영상은 DICOM 영상이고, 상기 DICOM 영상을 광학문자인식(OCR)을 이용하여 상기 환자식별정보를 획득할 수 있다.Here, the medical image may be a DICOM image, and the DICOM image may be obtained using optical character recognition (OCR).
이후, 상기 원본의료영상에서 상기 삭제대상 정보를 삭제한다(S122).Thereafter, the deletion object information is deleted from the original medical image (S122).
상기 삭제대상 정보는 도 4에 도시된 바와 같이, 상기 헤더정보중 개인식별이 가능한 항목이거나 또는 파일명을 포함하는 정보로서, 이를 분석하여 삭제대상 정보와 유지대상 정보를 구분할 수 있다.As shown in FIG. 4, the deletion object information may be an item that can be personally identified in the header information or may include a file name, and may be analyzed to distinguish the deletion object information from the maintenance object information.
이후, 제1 컴퓨터(30)는 상기 삭제대상 정보가 삭제된 수정의료영상을 제2 컴퓨터(40)로 전송한다(S203).Then, the
도 6은 본 발명의 개인정보를 익명화하여 수정의료영상을 생성하는 단계의 다른 실시예를 상세히 나타낸 순서도이다.FIG. 6 is a detailed flowchart of another embodiment of the step of generating a corrected medical image by anonymizing the personal information of the present invention.
개인정보는 외부전송이나 임상데이터로 활용하기 위해 익명화를 수행할 필요가 있으며, 익명화 처리 후 필요 시에 복호화하는 기술이 필요하다.Personal information needs to be anonymized in order to be used for external transfer or clinical data, and it needs to be anonymized and then decrypted if necessary.
따라서, 도 6에 도시된 바와 같이, 본 발명의 개인정보를 익명화하여 수정의료영상을 생성하는 단계의 다른 실시예는, 상기 제1컴퓨터(30)가 상기 환자의 원본의료영상을 획득하는 단계(S124); 상기 원본의료영상에 대해 환자식별정보를 포함하는 암호키를 이용한 암호화된 파일을 생성하는 단계(S125);6, another embodiment of the step of generating a corrected medical image by anonymizing the personal information of the present invention comprises the steps of: (a) obtaining the original medical image of the patient by the
상기 암호화된 파일을 제2 컴퓨터(40)로 전송하는 단계(S126); 상기 제2 컴퓨터(40)의 요청에 따라, 상기 제1 컴퓨터(30)가 복호화키를 전송하되, 상기 복호화키는 상기 제2 컴퓨터(40)가 상기 암호화된 파일을 복호화하는 키데이터인, 복호화키 전송단계(S127)를 포함한다. Transmitting the encrypted file to the second computer (S126); The
이와 같이 구성된 본 발명의 다른 실시예에 따른 개인정보를 익명화하여 수정의료영상을 생성하는 단계에서는, 먼저In the step of generating the corrected medical image by anonymizing the personal information according to another embodiment of the present invention,
먼저, 제1 컴퓨터(30)에서 상기 환자의 원본의료영상을 획득한다(S124).First, the
이때, PACS(20)는 상기 의료 영상 장비(10)로부터 획득한 의료영상 이미지를 수집하여 데이터베이스(미도시)에 저장하며, 의료영상의 요청에 대응하여 수집된 해당 의료영상을 본 발명의 제1 컴퓨터(30)에 전송한다.At this time, the
이후, 상기 전송받은 의료영상에 대해 환자식별정보를 포함하는 암호키를 이용한 암호화된 파일을 생성한다(S125). 여기서, 상기 의료영상은 DICOM 영상이고, 상기 DICOM 영상을 광학문자인식(OCR)을 이용하여 상기 환자식별정보를 획득하게 된다.Thereafter, an encrypted file using the encryption key including the patient identification information is generated for the transmitted medical image (S125). Here, the medical image is a DICOM image, and the DICOM image is acquired using optical character recognition (OCR).
한편, 본 발명의 암호화 방식은 암호화를 위한 암호화키와 복호화를 위한 복호화키가 동일한 대칭키 방식이 사용될 수 있으며, Twofish, Serpent, AES, Blowfish, CAST5, RC4, 3DES, IDEA, RC6, DES 등 중에서 선택된 암호화 방식이 이용될 수 있다. 이외에도 통상의 기술자에게 잘 알려진 암호화 방식이 적용되는 것이 가능하다. Meanwhile, in the encryption scheme of the present invention, a symmetric key scheme in which an encryption key for encryption and a decryption key for decryption are the same may be used. The selected encryption method can be used. In addition, it is possible that a well-known encryption scheme is applied to an ordinary technician.
이후, 상기 암화된 파일을 제2 컴퓨터(40)로 전송하고(S126), 상기 제2 컴퓨터(40)에서 상기 제1 컴퓨터(30)로 복호화키를 요청하여 상기 암호화된 파일을 복호화하게 된다(S127).Thereafter, the encrypted file is transmitted to the second computer 40 (S126), and the
이때, 상기 암호화된 파일을 복호화하는 단계(S127)는 상기 DICOM영상 내에 포함되어 있는 헤더정보를 이용하여 원본 영상 정보를 확인하고 상기 개인정보를 복원하는 것이 바람직하다.At this time, in the step of decrypting the encrypted file (S127), it is preferable that the original image information is confirmed using the header information included in the DICOM image and the personal information is restored.
도 7 및 도 8은 본 발명의 DICOM 영상의 헤더(header)에 있는 정보를 이용해서 데이터를 분류하는 방법을 설명하기 위한 초음파 영상이다.7 and 8 are ultrasound images for explaining a method of classifying data using information in a header of a DICOM image of the present invention.
예를 들어, 연구목적 또는 빅데이터 분석 등의 목적으로 DICOM 영상의 헤더에 있는 정보를 이용해서 나누는 방법을 적용할 수 있다.For example, a method of dividing by using the information in the header of the DICOM image can be applied for the purpose of research purpose or big data analysis.
구체적으로, 현재 보유하고 있는 영상들 중에서 slice thickness가 5mm 미만인 데이터만 분류해야 하는 경우 DICOM 영상의 헤더에 있는 slice thickness 정보를 이용해서 slice thickness가 5mm 이하인 데이터만 분류해서 활용할 수 있다.Specifically, if only the data having a slice thickness of less than 5 mm is to be classified among currently held images, it is possible to classify and use only data having a slice thickness of 5 mm or less using the slice thickness information in the header of the DICOM image.
다른 예로서, 초음파 영상처럼 DICOM 헤더에 관련 정보가 있지 않고 영상 위에 관련 정보가 문자로 찍혀있는 경우에는 도시된 바와 같이 초음파 영상에 화면에 필요한 정보가 표시되어 있는 경우가 있다. As another example, if there is no related information in the DICOM header, such as an ultrasound image, and related information is displayed on the image, the information necessary for the screen may be displayed on the ultrasound image, as shown in FIG.
도 7 및 도 8의 경우에는 경동맥의 초음파 영상인데, 경동맥 중에서도 현재 위치가 CCA인지 Bulb 인지 등이 표시되어 있다.7 and 8 are ultrasound images of the carotid artery. In the carotid artery, the current position is CCA or Bulb.
한편, 상기 제1 컴퓨터(30)가 상기 의료정보와 상기 의료영상 간의 매칭관계를 기반으로 학습을 수행하는 단계를 더 포함할 수 있다.The
이때, 상기 학습수행단계는; 상기 의료정보의 결과값을 기반으로 상기 의료영상을 그룹핑하는 단계; 및 각 그룹 내의 의료영상에 대해 학습을 수행하는 단계로 구성되는 것이 바람직하다.Here, the learning step may include: Grouping the medical image based on a result value of the medical information; And performing learning on the medical images in each group.
상기 제1 컴퓨터(30)는 상기 의료정보를 기반으로 빅데이터를 구축할 수 있다. 상기 빅데이터를 구축하기 위하여 머신러닝(machine learning) 또는 딥러닝(deep learning) 알고리즘에 기반하여 상기 각각의 상기 의료정보를 분석 및 분류할 수 있다.The
머신러닝 또는 기계 학습(機械學習) 은 인공 지능의 한 분야로, 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야를 말한다. 가령, 기계 학습을 통해서 수신한 이메일이 스팸인지 아닌지를 구분할 수 있도록 훈련할 수 있다. 기계 학습의 핵심은 표현(representation)과 일반화(generalization)에 있다. 표현이란 데이터의 평가이며, 일반화란 아직 알 수 없는 데이터에 대한 처리이다. 이는 전산 학습 이론 분야이기도 하다. 다양한 기계 학습의 응용이 존재한다. 문자 인식은 이를 이용한 가장 잘 알려진 사례이다.Machine learning or machine learning is a field of artificial intelligence that is used to develop algorithms and techniques that enable computers to learn. For example, machine learning can be trained to identify whether emails received are spam or not. The key to machine learning lies in representation and generalization. Expression is the evaluation of data, and generalization is processing of data that is not yet known. This is also the field of computational learning theory. There are various applications of machine learning. Character recognition is the best known example of this.
한편, 머신 러닝은 기본적으로 알고리즘을 이용해 데이터를 분석하고, 분석을 통해 학습하며, 학습한 내용을 기반으로 판단이나 예측을 한다. 따라서 궁극적으로는 의사 결정 기준에 대한 구체적인 지침을 소프트웨어에 직접 코딩해 넣는 것이 아닌, 대량의 데이터와 알고리즘을 통해 컴퓨터 그 자체를 ‘학습’ 시켜 작업 수행 방법을 익히는 것을 목표로 한다.On the other hand, machine learning basically uses algorithms to analyze data, learn through analysis, and make judgments or predictions based on the learning contents. So, ultimately, we aim to learn how to do things by 'learning' the computer itself through massive amounts of data and algorithms, rather than coding specific instructions directly into the software.
본 발명의 상기 딥러닝 알고리즘은 심층 신경망(deep neural network), 합성곱 신경망(convolutional neural network), 순환 신경망(recurrent neural network) 등과 같은 하나 이상의 딥러닝 알고리즘을 모듈화하여 데이터베이스에 저장하는 것이 바람직하다.The deep learning algorithm of the present invention is preferably modularized and stored in a database in one or more deep learning algorithms such as a deep neural network, a convolutional neural network, a recurrent neural network, and the like.
여기서 상기 딥러닝 알고리즘 모듈 데이터베이스에 하나 이상의 딥러닝 알고리즘을 모듈화하여 데이터베이스에 저장하는 것은 이미지 객체를 분석하는 과정에서 각각의 이미지 객체 모듈에 따라 적합한 딥러닝 알고리즘이 다르기 때문이다.Here, one or more deep learning algorithms are modularized in the deep learning algorithm module database and stored in the database because a suitable deep learning algorithm is different according to each image object module in the process of analyzing image objects.
이상에서 전술한 본 발명의 일 실시예에 따른 사용자 인증방법은, 하드웨어인 컴퓨터(즉, 정품인증서버)와 결합되어 실행되기 위해 프로그램(또는 어플리케이션)으로 구현되어 매체에 저장될 수 있다.As described above, the user authentication method according to an embodiment of the present invention may be implemented as a program (or application) to be executed in combination with a computer (i.e., a product activation server) which is hardware and stored in a medium.
상기 전술한 프로그램은, 상기 컴퓨터가 프로그램을 읽어들여 프로그램으로 구현된 상기 방법들을 실행시키기 위하여, 상기 컴퓨터의 프로세서(CPU)가 상기 컴퓨터의 장치 인터페이스를 통해 읽힐 수 있는 C, C++, JAVA, 기계어 등의 컴퓨터 언어로 코드화된 코드(Code)를 포함할 수 있다. 이러한 코드는 상기 방법들을 실행하는 필요한 기능들을 정의한 함수 등과 관련된 기능적인 코드(Functional Code)를 포함할 수 있고, 상기 기능들을 상기 컴퓨터의 프로세서가 소정의 절차대로 실행시키는데 필요한 실행 절차 관련 제어 코드를 포함할 수 있다. 또한, 이러한 코드는 상기 기능들을 상기 컴퓨터의 프로세서가 실행시키는데 필요한 추가 정보나 미디어가 상기 컴퓨터의 내부 또는 외부 메모리의 어느 위치(주소 번지)에서 참조되어야 하는지에 대한 메모리 참조관련 코드를 더 포함할 수 있다. 또한, 상기 컴퓨터의 프로세서가 상기 기능들을 실행시키기 위하여 원격(Remote)에 있는 어떠한 다른 컴퓨터나 서버 등과 통신이 필요한 경우, 코드는 상기 컴퓨터의 통신 모듈을 이용하여 원격에 있는 어떠한 다른 컴퓨터나 서버 등과 어떻게 통신해야 하는지, 통신 시 어떠한 정보나 미디어를 송수신해야 하는지 등에 대해 통신 관련 코드를 더 포함할 수 있다. The above-described program may be stored in a computer-readable medium such as C, C ++, JAVA, machine language, or the like that can be read by the processor (CPU) of the computer through the device interface of the computer, And may include a code encoded in a computer language of the computer. Such code may include a functional code related to a function or the like that defines necessary functions for executing the above methods, and includes a control code related to an execution procedure necessary for the processor of the computer to execute the functions in a predetermined procedure can do. Further, such code may further include memory reference related code as to whether the additional information or media needed to cause the processor of the computer to execute the functions should be referred to at any location (address) of the internal or external memory of the computer have. Also, when the processor of the computer needs to communicate with any other computer or server that is remote to execute the functions, the code may be communicated to any other computer or server remotely using the communication module of the computer It is possible to further include a communication-related code for determining whether to communicate, what information or media should be transmitted or received during communication, and the like.
상기 저장되는 매체는, 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상기 저장되는 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있지만, 이에 제한되지 않는다. 즉, 상기 프로그램은 상기 컴퓨터가 접속할 수 있는 다양한 서버상의 다양한 기록매체 또는 사용자의 상기 컴퓨터상의 다양한 기록매체에 저장될 수 있다. 또한, 상기 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장될 수 있다.The medium to be stored is not a medium for storing data for a short time such as a register, a cache, a memory, etc., but means a medium that semi-permanently stores data and is capable of being read by a device. Specifically, examples of the medium to be stored include ROM, RAM, CD-ROM, magnetic tape, floppy disk, optical data storage, and the like, but are not limited thereto. That is, the program may be stored in various recording media on various servers to which the computer can access, or on various recording media on the user's computer. In addition, the medium may be distributed to a network-connected computer system so that computer-readable codes may be stored in a distributed manner.
본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.The steps of a method or algorithm described in connection with the embodiments of the present invention may be embodied directly in hardware, in software modules executed in hardware, or in a combination of both. The software module may be a random access memory (RAM), a read only memory (ROM), an erasable programmable ROM (EPROM), an electrically erasable programmable ROM (EEPROM), a flash memory, a hard disk, a removable disk, a CD- May reside in any form of computer readable recording medium known in the art to which the invention pertains.
이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.While the present invention has been described in connection with what is presently considered to be practical exemplary embodiments, it is to be understood that the invention is not limited to the disclosed embodiments, but, on the contrary, You will understand. It is therefore to be understood that the above-described embodiments are illustrative in all aspects and not restrictive.
10 : 의료 영상 장비
20 : 병원 PACS
30 : 제1 컴퓨터
40 : 제2 컴퓨터10: Medical imaging equipment
20: Hospital PACS
30: a first computer
40: second computer
Claims (11)
제1컴퓨터가 특정 환자의 원본의료영상을 획득하는 단계;
상기 원본의료영상을 제공하는 의료장치 정보를 기반으로 상기 원본의료영상 내 각 정보의 배치위치정보를 획득하는 단계;
상기 배치위치정보를 기반으로 상기 원본의료영상 내의 개인정보와 의료정보를 식별하는 단계;
상기 원본의료영상 내에서 식별된 개인정보가 배치되어 있는 영역에 대하여 광학문자인식(OCR)을 통해 개인정보를 추출하는 단계;
상기 원본의료영상에서 상기 개인정보를 익명화하여 수정의료영상을 생성하는 단계; 및
상기 의료정보를 추출하여 상기 원본의료영상 또는 상기 수정의료영상과 매칭하여 저장하여 학습용 데이터를 구축하는 단계;를 포함하고,
상기 개인정보를 추출하는 단계는,
상기 의료영상 내에서 병변 이미지상에 상기 의료정보에 해당하는 텍스트가 표시되는 경우,
이미지 프로세싱을 이용하여 상기 병변 이미지와 상기 텍스트의 경계를 식별하는 단계; 및
상기 광학문자인식(OCR)을 통해 텍스트를 추출하는 단계를 포함하고,
상기 원본의료영상을 제공하는 의료장치 정보를 기반으로 상기 원본의료영상 내 각 정보의 배치위치정보를 획득하는 단계에서,
상기 의료장치 정보는,
각 의료장치마다 원본의료영상 내 배치위치가 상이한 개인정보와 의료정보의 배치위치를 포함하는 것인, 의료영상 내 정보처리방법.A method of processing textual information contained in a medical image,
The first computer acquiring an original medical image of a specific patient;
Acquiring placement position information of each piece of information in the original medical image based on medical device information providing the original medical image;
Identifying individual information and medical information in the original medical image based on the placement position information;
Extracting personal information through optical character recognition (OCR) for an area in which the personal information identified in the original medical image is arranged;
Generating a corrected medical image by anonymizing the personal information in the original medical image; And
Extracting the medical information, and matching the original medical image or the corrected medical image and storing the extracted medical information to construct learning data,
The step of extracting the personal information includes:
When a text corresponding to the medical information is displayed on the lesion image in the medical image,
Identifying a boundary between the lesion image and the text using image processing; And
And extracting text through the optical character recognition (OCR)
Wherein the acquiring position information of each information in the original medical image based on the medical device information providing the original medical image,
Wherein the medical device information comprises:
Wherein each of the medical devices includes personal information having a different placement position in the original medical image and a placement position of the medical information.
상기 수정의료영상을 생성하는 단계는;
제1 컴퓨터가 상기 환자의 원본의료영상의 헤더정보를 분석하여 상기 개인정보를 삭제대상 정보와 유지대상 정보를 구분하는 단계;
상기 원본의료영상에서 상기 삭제대상 정보를 삭제하는 단계;
상기 삭제대상 정보가 삭제된 상기 수정의료영상을 제2컴퓨터로 전송하는 단계를 포함하고,
상기 삭제대상 정보는 상기 헤더정보중 개인식별이 가능한 항목 또는 파일명을 포함하는 정보인,
의료영상 내 정보처리방법.The method according to claim 1,
Wherein the generating the corrected medical image comprises:
The first computer analyzing the header information of the original medical image of the patient to distinguish the deletion object information and the maintenance object information from the personal information;
Deleting the deletion object information from the original medical image;
And transmitting the corrected medical image with the deletion target information deleted to a second computer,
Wherein the deletion object information is information including an item or file name that can be personally identified in the header information,
Information processing methods in medical images.
상기 의료영상은 DICOM 영상이고,
상기 DICOM 영상을 광학문자인식(OCR)을 이용하여 환자식별정보를 획득하는
의료영상 내 정보처리방법.6. The method of claim 5,
Wherein the medical image is a DICOM image,
The DICOM image is acquired by using optical character recognition (OCR)
Information processing methods in medical images.
상기 수정의료영상을 생성하는 단계는;
상기 제1컴퓨터가 상기 환자의 원본의료영상을 획득하는 단계;
상기 원본의료영상에 대해 환자식별정보를 포함하는 암호화키를 이용한 암호화된 파일을 생성하는 단계;
상기 암호화된 파일을 제2컴퓨터로 전송하는 단계;
상기 제2컴퓨터의 요청에 따라, 상기 제1컴퓨터가 복호화키를 전송하되, 상기 복호화키는 상기 제2컴퓨터가 상기 암호화된 파일을 복호화하는 키데이터인, 복호화키 전송단계;를 포함하는,
의료영상 내 정보처리방법.The method according to claim 1,
Wherein the generating the corrected medical image comprises:
The first computer acquiring the original medical image of the patient;
Generating an encrypted file using the encryption key including the patient identification information for the original medical image;
Transmitting the encrypted file to a second computer;
And a decryption key transmitting step in response to a request from the second computer, wherein the first computer transmits a decryption key, and the decryption key is key data decrypting the encrypted file by the second computer.
Information processing methods in medical images.
상기 암호화된 파일을 복호화하는 단계는;
DICOM영상 내에 포함되어 있는 헤더정보를 분석하여 원본 의료영상을 확인하고 상기 개인정보를 복원하는
의료영상 내 정보처리방법.8. The method of claim 7,
The step of decrypting the encrypted file comprises:
The header information included in the DICOM image is analyzed to confirm the original medical image and the personal information is restored
Information processing methods in medical images.
상기 제1컴퓨터가 상기 의료정보와 상기 의료영상 간의 매칭관계를 기반으로 학습을 수행하는 단계;를 더 포함하는,
의료영상 내 정보처리방법.The method according to claim 1,
The first computer performing learning based on a matching relationship between the medical information and the medical image,
Information processing methods in medical images.
상기 학습수행단계는;
상기 의료정보의 결과값을 기반으로 상기 의료영상을 그룹핑하는 단계; 및
각 그룹 내의 의료영상에 대해 학습을 수행하는 단계;를 포함하는,
의료영상 내 정보처리방법.10. The method of claim 9,
Wherein the learning step comprises:
Grouping the medical image based on a result value of the medical information; And
And performing learning on the medical images in each group.
Information processing methods in medical images.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170025570A KR101981583B1 (en) | 2017-02-27 | 2017-02-27 | method for Information processing in medical images |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170025570A KR101981583B1 (en) | 2017-02-27 | 2017-02-27 | method for Information processing in medical images |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20180098869A KR20180098869A (en) | 2018-09-05 |
| KR101981583B1 true KR101981583B1 (en) | 2019-05-23 |
Family
ID=63594597
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170025570A KR101981583B1 (en) | 2017-02-27 | 2017-02-27 | method for Information processing in medical images |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101981583B1 (en) |
Families Citing this family (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10331852B2 (en) | 2014-01-17 | 2019-06-25 | Arterys Inc. | Medical imaging and efficient sharing of medical imaging information |
| JP6871250B2 (en) | 2015-11-29 | 2021-05-12 | アーテリーズ インコーポレイテッド | Efficient sharing of medical imaging and medical imaging information |
| US11688495B2 (en) | 2017-05-04 | 2023-06-27 | Arterys Inc. | Medical imaging, efficient sharing and secure handling of medical imaging information |
| WO2020106588A1 (en) * | 2018-11-21 | 2020-05-28 | Arterys Inc. | Systems and methods for tracking, accessing and merging protected health information |
| CN109767338A (en) * | 2018-11-30 | 2019-05-17 | 平安科技（深圳）有限公司 | Processing method, device, equipment and the readable storage medium storing program for executing of enterogastritis reimbursement process |
| KR102309208B1 (en) * | 2019-01-10 | 2021-10-07 | 주식회사 바이오크 | Method for classifying image of pathological record |
| KR102274569B1 (en) * | 2019-03-04 | 2021-07-08 | 시너지에이아이 주식회사 | Method for determining the degree of cancer metastasis and medical electronic device thereof |
| KR102366290B1 (en) | 2019-05-13 | 2022-02-22 | (주)비주얼터미놀로지 | Medical machine learning system |
| US11080424B2 (en) | 2019-05-21 | 2021-08-03 | Verb Surgical Inc. | Method and system for anonymizing raw surgical procedure videos |
| KR102324217B1 (en) | 2019-06-24 | 2021-11-10 | (주)비주얼터미놀로지 | Health record system |
| KR102091388B1 (en) * | 2019-10-07 | 2020-03-20 | 파이 주식회사 | Method for maintaining security for sensitive information and apparatus using the method |
| KR102500378B1 (en) | 2019-11-13 | 2023-02-15 | 부산대학교 산학협력단 | Automatic medical drawing generator, the method for generating automatic medical drawing thereof and machine learning based automatic medical drawing generator |
| KR102533858B1 (en) * | 2019-11-13 | 2023-05-18 | 배재대학교 산학협력단 | Molding simulation service system and method |
| US20210192291A1 (en) * | 2019-12-20 | 2021-06-24 | GE Precision Healthcare LLC | Continuous training for ai networks in ultrasound scanners |
| KR102297548B1 (en) * | 2019-12-24 | 2021-09-02 | 서울대학교산학협력단 | Privacy preserving method based on neural network and data processing apparatus |
| KR102386497B1 (en) * | 2019-12-26 | 2022-04-14 | 주식회사 엠티이지 | Apparatus and method for detecting personal identification information for surgical video de-identification |
| CN111755118B (en) * | 2020-03-16 | 2024-03-08 | 腾讯科技（深圳）有限公司 | Medical information processing method, device, electronic equipment and storage medium |
| KR102434396B1 (en) * | 2020-06-18 | 2022-08-24 | 휴마니타스 주식회사 | Apparatus for non-identifying text information in medical images |
| KR102481236B1 (en) | 2020-07-06 | 2022-12-23 | 부산대학교 산학협력단 | Medical drawing editing system and method for editing medical drawing thereof |
| KR102417757B1 (en) | 2020-08-27 | 2022-07-06 | (주)비주얼터미놀로지 | Medical image conversion system and medical image conversion method |
| KR102475392B1 (en) * | 2021-03-25 | 2022-12-07 | 주식회사 에어스메디컬 | System and method for restoring and transmitting medical images |
| CN113808710B (en) * | 2021-08-11 | 2024-04-26 | 武汉联影医疗科技有限公司 | Medical image processing method, medical image processing device, server and computer readable storage medium |
| KR102410848B1 (en) * | 2021-08-30 | 2022-06-22 | (주)아이알엠 | De-identification method of electronic apparatus for de-identifying personal identification information in images |
| CN113744845A (en) * | 2021-09-17 | 2021-12-03 | 平安好医投资管理有限公司 | Medical image processing method, device, equipment and medium based on artificial intelligence |
| KR102585793B1 (en) * | 2021-11-09 | 2023-10-06 | (주)미소정보기술 | Method for processing images |
| KR20240017610A (en) * | 2022-08-01 | 2024-02-08 | 주식회사 지오비전 | digitally standardizing method of medical test readings |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003070804A (en) * | 2001-09-05 | 2003-03-11 | Olympus Optical Co Ltd | Remote medical support system |
| JP2016041247A (en) * | 2014-08-18 | 2016-03-31 | シーメンス アクチエンゲゼルシヤフトＳｉｅｍｅｎｓ Ａｋｔｉｅｎｇｅｓｅｌｌｓｃｈａｆｔ | Method for computer-aided analysis of medical images |
| JP2016048530A (en) * | 2014-08-28 | 2016-04-07 | テクマトリックス株式会社 | Digital medical image data storage system |
| KR101624305B1 (en) * | 2014-12-22 | 2016-05-26 | 연세대학교 산학협력단 | Post-processing method and system for voxel-base analysis and Texture analysis in Radiologic and Digital medical image Reading Environment |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101604086B1 (en) | 2014-03-11 | 2016-03-17 | 계명대학교 산학협력단 | Integrated computer-aided diagnosis system using heterogeneous bio data for diagnosis and similar patient search from database |
-
2017
- 2017-02-27 KR KR1020170025570A patent/KR101981583B1/en active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003070804A (en) * | 2001-09-05 | 2003-03-11 | Olympus Optical Co Ltd | Remote medical support system |
| JP2016041247A (en) * | 2014-08-18 | 2016-03-31 | シーメンス アクチエンゲゼルシヤフトＳｉｅｍｅｎｓ Ａｋｔｉｅｎｇｅｓｅｌｌｓｃｈａｆｔ | Method for computer-aided analysis of medical images |
| JP2016048530A (en) * | 2014-08-28 | 2016-04-07 | テクマトリックス株式会社 | Digital medical image data storage system |
| KR101624305B1 (en) * | 2014-12-22 | 2016-05-26 | 연세대학교 산학협력단 | Post-processing method and system for voxel-base analysis and Texture analysis in Radiologic and Digital medical image Reading Environment |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20180098869A (en) | 2018-09-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101981583B1 (en) | method for Information processing in medical images | |
| CN108021819B (en) | Anonymous and secure classification using deep learning networks | |
| US11593522B2 (en) | Systems and methods for a de-identified medical and healthcare data marketplace | |
| JP7411017B2 (en) | Systems and methods for anonymizing health data and modifying and compiling health data across geographic areas for analysis | |
| US20190043611A1 (en) | Anonymizing data | |
| US20190122753A1 (en) | Method, apparatus and system for rendering and displaying medical images | |
| US20130219193A1 (en) | Encrypted biometric data management and retrieval | |
| Noumeir et al. | Pseudonymization of radiology data for research purposes | |
| Barra et al. | Cloud-based biometrics (biometrics as a service) for smart cities, nations, and beyond | |
| US20110125646A1 (en) | Methods and systems for managing personal health records by individuals | |
| US20210005296A1 (en) | System and method for determining best practices for third parties accessing a health care network | |
| EP4026135B1 (en) | System for protecting and anonymizing personal data | |
| KR102000745B1 (en) | Method and system for managing personal medical information data | |
| Erickson et al. | Multisite image data collection and management using the RSNA image sharing network | |
| Grana et al. | Electronic health record: A review | |
| Jeyakumar et al. | Secure medical image storage and retrieval for Internet of Medical Imaging Things using blockchain-enabled edge computing | |
| EP4035095A1 (en) | Utilizing a user's health data stored over a health care network for disease prevention | |
| KR101938376B1 (en) | Systems and method for managing web-based clinical trial medical imaging and program therefor | |
| van Ooijen et al. | Pseudonymization and Anonymization of Radiology Data | |
| Amin et al. | Development of a Secure Cloud-based Breast Cancer Diagnosis System | |
| Omotosho et al. | A secure cloud-based picture archiving and communication system for developing countries | |
| KR102475392B1 (en) | System and method for restoring and transmitting medical images | |
| US20210005299A1 (en) | System and method for improving treatment of a chronic disease of a patient | |
| Elkhawass | IoMT Preserving Patients’ Privacy | |
| Stanciu | Data Management Plan for Healthcare: Following FAIR Principles and Addressing Cybersecurity Aspects. A Systematic Review using InstructGPT |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) |