KR101214349B1

KR101214349B1 - System and Method for Diagnosing Disease Based on Distributed Process

Info

Publication number: KR101214349B1
Application number: KR1020110039581A
Authority: KR
Inventors: 김혜진; 정부은
Original assignee: 주식회사 포스코아이씨티
Priority date: 2011-04-27
Filing date: 2011-04-27
Publication date: 2012-12-20
Also published as: KR20120121652A

Abstract

검사 대상 이미지의 진단으로 인한 부하 가중을 최소화할 수 있는 본 발명의 일 측면에 따른 분산 처리 기반의 질병 진단 시스템은, 검사 대상 이미지로부터 획득된 복수개의 제1 서브 이미지들 중 자신에게 할당된 제1 서브 이미지와 하나 이상의 질병 이미지간의 유사 여부를 판단하고, 상기 복수개의 제1 서브 이미지들로부터 선택된 복수개의 제2 서브 이미지들 중 자신에게 할당된 제2 서브 이미지와 상기 질병 이미지간의 유사 여부를 판단하는 복수개의 단위 처리부; 상기 각 단위 처리부 중 자원 사용률이 낮은 순서에 따라 상기 제1 서브 이미지 및 제2 서브 이미지들 중 적어도 하나 이상의 서브 이미지를 상기 단위 처리부에 할당하는 분산 처리 서버; 및 상기 검사 대상 이미지를 상기 분산 처리 서버로 제공하고, 상기 제2 서브 이미지와 상기 질병 이미지와의 유사 여부에 판단에 따른 상기 검사 대상 이미지의 진단 결과를 제공하는 분석 서버를 포함하는 질병 진단 장치를 포함하는 것을 특징으로 한다.According to an aspect of the present invention, a disease treatment system based on a distributed process capable of minimizing load weighting due to diagnosis of a test target image may include: a first allocated to the first among a plurality of first sub-images acquired from the test target image; Determining similarity between the sub-image and the at least one disease image, and determining whether or not the similarity between the disease image and the second sub-image assigned to the self among the plurality of second sub-images selected from the plurality of first sub-images A plurality of unit processing units; A distributed processing server which allocates at least one or more sub-images of the first sub-image and the second sub-images to the unit processing unit according to the order of the low resource utilization rate among the unit processing units; And an analysis server configured to provide the test subject image to the distributed processing server and provide a diagnosis result of the test subject image based on whether the second sub image is similar to the disease image. It is characterized by including.

Description

System and Method for Diagnosing Disease Based on Distributed Process

본 발명은 질병 진단 시스템 및 방법에 관한 것이다.The present invention relates to a disease diagnosis system and method.

환자의 질병 유무는 전문의가 환자를 대면하여 직접 검진함으로써 판단하는 것이 일반적지만, 최근에는 의료 기기 및 통신 네트워크의 발달로 인해 전문의가 환자를 직접 검진하지 않고, 통신 네트워크를 통해 전송되는 환자의 망막 이미지나 홍채 이미지등과 같은 다양한 검사 대상 이미지를 이용하여 환자의 질병 유무를 판단할 수 있게 되었다.In general, a patient's disease is judged by a face-to-face examination by a specialist, but recently, due to the development of a medical device and a communication network, a specialist's retinal image is transmitted through a communication network instead of directly examining a patient. Various examination target images such as iris images can be used to determine the patient's disease.

이러한 경우, 전문의는 검사 대상 이미지를 컴퓨터 모니터와 같은 출력 장치를 통해 확대하여 출력한 후 검사 대상 이미지를 육안으로 진단하여 질병 유무를 판단하게 된다.In this case, the specialist enlarges the image to be examined through an output device such as a computer monitor and outputs the image, and then visually diagnoses the image to be examined to determine whether there is a disease.

그러나, 상술한 바와 같이, 검사 대상 이미지를 전문의의 육안 진단 만을 이용하여 질병 유무를 판단하는 경우, 질병에 상응하는 증세가 잘 드러나지 않는 질병 초기의 경우에는 질병 유무의 판단이 어렵다는 문제점이 있다.However, as described above, in the case of determining the presence or absence of a disease by using only a visual examination of a doctor, an object to be examined may be difficult to determine whether or not the disease is present in the early stage of the disease.

특히, 도 1에 도시된 바와 같이, 검사 대상 이미지에 육안으로 구별하기 어려운 정도의 병증이 존재하는 경우, 전문의의 육안 진단 만을 이용하여 질병 유무를 판단하게 되면 질병 유무를 잘못 판단할 가능성이 높아 심각한 문제를 야기시킬 수 있기 때문에 최근에는 검사 대상 이미지를 컴퓨터 시스템을 이용하여 진단하는 방법이 제시된바 있다.In particular, as shown in Figure 1, when there is a degree of difficulty in distinguishing the naked eye in the image to be examined, it is highly likely to misjudge the presence of the disease if it is determined only by visual inspection of a specialist serious Recently, a method of diagnosing a test target image using a computer system has been proposed.

하지만, 컴퓨터 시스템을 이용하여 검사 대상 이미지를 진단하는 경우 막대한 연산량이 요구되기 때문에 진단에 많은 시간이 소요될 수 있고, 막대한 연산량으로 인해 컴퓨터 시스템의 부하가 가중될 수 있다는 문제점이 있다.However, when diagnosing a test target image using a computer system, a large amount of computation is required, and thus a large amount of time may be required for diagnosis, and a large amount of computation may increase the load of the computer system.

검사 대상 이미지의 분산 처리를 통해 검사 대상 이미지의 진단에 소요되는 시간을 감소시킬 수는 있지만, 검사 대상 이미지를 분산 처리 한다 해도 검사 대상 이미지의 진단을 위한 연산량을 감소시킬 수는 없기 때문에 컴퓨터 시스템의 부하가 가중될 수 있다는 문제점은 여전히 존재한다.Although distributed processing of the inspection target image can reduce the time required for diagnosis of the inspection target image, distributed processing of the inspection target image does not reduce the amount of computation for diagnosis of the inspection target image. There is still a problem that load can be weighted.

본 발명은 상술한 문제점을 해결하기 위한 것으로서, 검사 대상 이미지를 1차적으로 간이 진단한 결과에 따라 검사 대상 이미지를 2차적으로 정밀 진단할 수 있는 분산 처리 기반의 질병 진단 시스템 및 방법을 제공하는 것을 그 기술적 과제로 한다.SUMMARY OF THE INVENTION The present invention has been made to solve the above-mentioned problems, and to provide a system and a method for diagnosing a disease based on a distributed processing which can secondaryly precisely diagnose a test subject image according to a simple diagnosis result of a first test subject image. Let it be technical problem.

또한, 본 발명은 분산 처리 기법을 통해 검사 대상 이미지의 1차 및 2차 진단을 수행할 수 있는 분산 처리 기반의 질병 진단 시스템 및 방법을 제공하는 것을 그 기술적 과제로 한다.Another object of the present invention is to provide a distributed diagnosis-based disease diagnosis system and method capable of performing primary and secondary diagnosis of a test target image through a distributed processing technique.

상술한 목적을 달성하기 위한 본 발명의 일 측면에 따른 분산 처리 기반의 질병 진단 시스템은, 검사 대상 이미지로부터 획득된 복수개의 제1 서브 이미지들 중 자신에게 할당된 제1 서브 이미지와 하나 이상의 질병 이미지간의 유사 여부를 판단하고, 상기 복수개의 제1 서브 이미지들로부터 선택된 복수개의 제2 서브 이미지들 중 자신에게 할당된 제2 서브 이미지와 상기 질병 이미지간의 유사 여부를 판단하는 복수개의 단위 처리부; 상기 각 단위 처리부 중 자원 사용률이 낮은 순서에 따라 상기 제1 서브 이미지 및 제2 서브 이미지 중 적어도 하나 이상의 서브 이미지를 상기 단위 처리부에 할당하는 분산 처리 서버; 및 상기 검사 대상 이미지를 상기 분산 처리 서버로 제공하고, 상기 제2 서브 이미지와 상기 질병 이미지와의 유사 여부에 판단에 따른 상기 검사 대상 이미지의 진단 결과를 제공하는 분석 서버를 포함하는 질병 진단 장치를 포함하는 것을 특징으로 한다.According to an aspect of the present invention, a distributed processing-based disease diagnosis system according to an aspect of the present invention includes a first sub-image and one or more disease images allocated to itself among a plurality of first sub-images obtained from an inspection target image. A plurality of unit processing units for determining whether or not there is a similarity between the plurality of first sub-images, and determining whether the second sub-images allocated to the plurality of second sub-images selected from the plurality of first sub-images are similar to the disease image; A distributed processing server for allocating at least one or more sub-images of the first sub-image and the second sub-image to the unit processing unit according to the order of low resource usage rate among the unit processing units; And an analysis server configured to provide the test subject image to the distributed processing server and provide a diagnosis result of the test subject image based on whether the second sub image is similar to the disease image. It is characterized by including.

상술한 목적을 달성하기 위한 본 발명의 다른 측면에 따른 분산 처리 기반의 질병 진단 방법은, 검사 대상 이미지로부터 획득된 복수개의 제1 서브 이미지들 중 각 단위 처리부 별로 할당된 제1 서브 이미지와 하나 이상의 질병 이미지간의 유사 여부를 판단하는 단계; 상기 제1 서브 이미지들 중 상기 질병 이미지와 유사한 것으로 판단되는 제2 서브 이미지들을 선택하는 단계; 상기 제2 서브 이미지들 중 상기 각 단위 처리부 별로 할당된 제2 서브 이미지와 상기 질병 이미지간의 유사 여부를 판단하는 단계; 및 상기 유사 여부 판단에 따라 상기 검사 대상 이미지에 대한 진단 결과를 제공하는 단계를 포함하는 것을 특징으로 한다.According to another aspect of the present invention, there is provided a method for diagnosing diseases based on distributed processing according to an aspect of the present invention, wherein the first sub-image allocated to each unit processing unit and one or more of the plurality of first sub-images obtained from the inspection target image are provided. Determining similarity between disease images; Selecting second sub-images among the first sub-images that are determined to be similar to the disease image; Determining whether the second sub-image allocated to each unit processor among the second sub-images is similar to the disease image; And providing a diagnosis result for the test target image according to the similarity determination.

본 발명에 따르면, 검사 대상 이미지를 1차적으로 간이 진단한 결과 질병 이미지와 유사한 것으로 판단된 검사 대상 이미지에 대해 2차적으로 정밀 진단하기 때문에 검사 대상 이미지의 진단으로 인한 연산량을 최소화할 수 있다는 효과가 있다.According to the present invention, since the second diagnosis is precisely performed on the test target image determined as being similar to the disease image as a result of the first simple diagnosis of the test target image, the amount of calculation due to the diagnosis of the test target image can be minimized. have.

또한, 본 발명에 따르면, 분산 처리 기법을 이용하여 검사 대상 이미지의 1차 및 2차 진단을 수행하기 때문에 검사 대상 이미지의 진단에 소요되는 시간을 최소화할 수 있다는 효과가 있다.In addition, according to the present invention, since the first and second diagnosis of the inspection target image are performed by using a distributed processing technique, the time required for diagnosis of the inspection target image can be minimized.

도 1은 육안으로 진단하기 힘든 검사 대상 이미지의 예를 보여주는 도면.
도 2는 본 발명의 일 실시예에 따른 분산 처리 기반의 질병 진단 시스템의 구성을 개략적으로 보여주는 블록도.
도 3은 본 발명의 일 실시예에 따른 단말 처리 장치의 구성을 개략적으로 보여주는 블록도.
도 4는 본 발명의 일 실시예에 따른 질병 진단 장치의 구성을 개략적으로 보여주는 블록도.
도 5는 본 발명의 일 실시예에 따른 분석 서버의 구성을 개략적으로 보여주는 블록도.
도 6은 본 발명의 일 실시예에 따른 분산 처리 서버의 구성을 개략적으로 보여주는 블록도.
도 7은 검사 대상 이미지 상에서 복수개의 서브 이미지를 획득하는 방법을 보여주는 도면.
도 8은 본 발명의 일 실시예에 따른 단위 처리부의 구성을 개략적으로 보여주는 블록도.
도 9는 본 발명의 일 실시예에 따른 분산 처리 기반의 질병 진단 방법을 보여주는 플로우차트.BRIEF DESCRIPTION OF THE DRAWINGS The figure which shows the example of the test subject image which is difficult to diagnose visually.
Figure 2 is a block diagram schematically showing the configuration of a disease diagnosis system based on distributed processing according to an embodiment of the present invention.
3 is a block diagram schematically illustrating a configuration of a terminal processing apparatus according to an embodiment of the present invention.
Figure 4 is a block diagram schematically showing the configuration of a disease diagnosis apparatus according to an embodiment of the present invention.
Figure 5 is a block diagram schematically showing the configuration of the analysis server according to an embodiment of the present invention.
Figure 6 is a block diagram schematically showing the configuration of a distributed processing server according to an embodiment of the present invention.
7 is a diagram illustrating a method of obtaining a plurality of sub images on an inspection target image.
8 is a block diagram schematically illustrating a configuration of a unit processing unit according to an embodiment of the present invention.
9 is a flowchart showing a disease treatment method based on distributed processing according to an embodiment of the present invention.

이하, 첨부되는 도면을 참고하여 본 발명의 실시예들에 대해 상세히 설명한다.Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings.

도 2는 본 발명의 일 실시예에 따른 분산 처리 기반의 질병 진단 시스템의 구성을 개략적으로 보여주는 블록도이다. 도 2에 도시된 바와 같이, 본 발명에 따른 분산 처리 기반의 질병 진단 시스템(200)은, 하나 이상의 단말 처리 장치(210a~210n) 및 하나 이상의 단말 처리 장치(210a~210n)들과 네트워크(220)를 통해 연결 가능한 질병 진단 장치(230)를 포함한다.2 is a block diagram schematically showing the configuration of a disease diagnosis system based on distributed processing according to an embodiment of the present invention. As shown in FIG. 2, the distributed processing-based disease diagnosis system 200 according to the present invention includes one or more terminal processing apparatuses 210a to 210n and one or more terminal processing apparatuses 210a to 210n and a network 220. It includes a disease diagnosis device 230 that can be connected through.

단말 처리 장치(210a~210n)는 검사 대상 이미지를 획득하여 네트워크(220)를 통해 질병 진단 장치(230)로 전송하고, 질병 진단 장치(230)로부터 검사 대상 이미지에 대한 진단 결과를 수신하여 이를 출력한다.The terminal processing apparatuses 210a to 210n acquire an image to be examined and transmit the test target image to the disease diagnosis apparatus 230 through the network 220, and receive a diagnosis result of the test target image from the disease diagnosis apparatus 230 and output it. do.

일 실시예에 있어서, 단말 처리 장치(210a~210n)에 의해 획득되는 검사 대상 이미지는, 인체의 혈관을 촬영한 혈관 이미지, 심장을 촬영한 심장 이미지, 안구를 촬영한 안구 이미지, 및 방사선 촬영 이미지 중 적어도 하나를 포함할 수 있다.In one embodiment, the inspection target image obtained by the terminal processing apparatuses 210a to 210n may include a blood vessel image of a human blood vessel, a heart image of a heart, an eye image of an eyeball, and a radiographic image. It may include at least one of.

이하에서는 이러한 단말 처리 장치(210a~210n)의 구성을 도 3을 참조하여 구체적으로 설명한다.Hereinafter, the configuration of the terminal processing apparatuses 210a to 210n will be described in detail with reference to FIG. 3.

도 3은 본 발명의 일 실시예에 따른 단말 처리 장치의 구성을 개략적으로 보여주는 블록도이다. 도 3에 도시된 바와 같이, 본 발명의 일 실시예에 따른 단말 처리 장치(210~210n)는 촬영부(310), 출력부(320), 저장부(330), 및 제어부(340)를 포함한다.3 is a block diagram schematically illustrating a configuration of a terminal processing apparatus according to an embodiment of the present invention. As shown in FIG. 3, the terminal processing apparatuses 210 to 210n according to the exemplary embodiment of the present invention include a photographing unit 310, an output unit 320, a storage unit 330, and a controller 340. do.

먼저, 촬영부(310)는, 환자로부터 검사 대상 이미지를 획득한다. 일 실시예에 있어서, 이러한 촬영부(310)는 인체의 혈관을 촬영하기 위한 디지털 혈관 촬영 장치, 심장을 촬영하기 위한 디지털 방사선 촬영장치, 안구를 촬영하기 위한 안구 촬영 장치, 또는 환자로부터 방사선 영상을 촬영하기 위한 방사선 이미지 촬영 장치일 수 있다.First, the photographing unit 310 obtains a test target image from a patient. In one embodiment, the imaging unit 310 is a digital vascular imaging apparatus for photographing blood vessels of the human body, a digital radiography apparatus for photographing the heart, an eye imaging apparatus for photographing the eye, or a radiographic image from the patient It may be a radiographic imaging apparatus for imaging.

다음으로, 출력부(320)는 질병 진단 장치(230)로부터 전송되는 진단 결과를 출력한다. 일 실시예에 있어서 출력부(320)는 진단 결과를 화면을 통해 출력하는 모니터이거나 진단 결과를 종이를 통해 인쇄하는 프린터일 수 있다. 출력부(320)가 모니터로 구현되는 경우, 출력부(320)는 제어부(340)의 제어에 따라 진단 결과를 더욱 선명하게 제공하기 위해 진단 결과를 확대하여 제공할 수 있다.Next, the output unit 320 outputs the diagnosis result transmitted from the disease diagnosis apparatus 230. In one embodiment, the output unit 320 may be a monitor for outputting a diagnosis result through a screen or a printer for printing the diagnosis result through a paper. When the output unit 320 is implemented as a monitor, the output unit 320 may enlarge and provide the diagnostic result in order to more clearly provide the diagnostic result under the control of the controller 340.

다음으로, 저장부(330)는, 촬영부(310)에 의해 촬영된 검사 대상 이미지나 출력부(320)에 의해 출력될 진단 결과를 저장한다. 도 3에서는 이러한 저장부(330)가 단말 처리 장치(210a~210n)의 필수 구성요소인 것으로 도시하였지만, 저장부(330)는 단말 처리 장치(210a~210n)와 별개의 구성요소로 구현될 수도 있다.Next, the storage unit 330 stores the inspection target image photographed by the photographing unit 310 or the diagnosis result to be output by the output unit 320. Although FIG. 3 illustrates that the storage unit 330 is an essential component of the terminal processing apparatuses 210a to 210n, the storage unit 330 may be implemented as a separate component from the terminal processing apparatuses 210a to 210n. have.

다음으로, 제어부(340)는 촬영부(310)를 제어하여 검사하기 원하는 이미지가 촬영되도록 하고, 촬영된 이미지를 저장부(330)에 저장하거나 네트워크(220)를 통해 질병 진단 장치(230)로 전송한다.Next, the controller 340 controls the photographing unit 310 to capture an image to be examined and stores the photographed image in the storage unit 330 or to the disease diagnosis apparatus 230 through the network 220. send.

또한, 제어부(340)는 질병 진단 장치(230)로부터 진단 결과를 수신하고, 수신된 진단 결과를 이미지 확대 등과 같은 미리 정해진 이미지 처리 기법에 따라 처리하여 출력부(320)로 제공한다.In addition, the controller 340 receives a diagnosis result from the disease diagnosis apparatus 230, processes the received diagnosis result according to a predetermined image processing technique such as an image enlargement, and provides the result to the output unit 320.

다시 도 2를 참조하면, 네트워크(220)는 하나 이상의 단말 처리 장치(210a~210n)와 질병 진단 장치(230)를 연결시키는 것으로서, 유선 또는 무선 네트워크일 수 있다.Referring back to FIG. 2, the network 220 connects one or more terminal processing apparatuses 210a to 210n and the disease diagnosis apparatus 230, and may be a wired or wireless network.

다음으로, 질병 진단 장치(230)는, 하나 이상의 단말 처리 장치(210a~210n)와 네트워크(220)로 연결 되어 각 단말 처리 장치(210a~210n)들로부터 검사 대상 이미지를 수신한다.Next, the disease diagnosis apparatus 230 is connected to one or more terminal processing apparatuses 210a to 210n and a network 220 to receive an inspection target image from each terminal processing apparatus 210a to 210n.

또한 질병 진단 장치(230)는, 검사 대상 이미지가 복수개로 분할된 제1 서브 이미지와 질병 이미지간의 유사 여부를 예비적으로 판단한 후, 제1 서브 이미지들 중 질병 이미지와 유사한 것으로 판단되는 제2 서브 이미지들을 질병 이미지와 다시 비교하여 유사 여부를 정밀하게 판단함으로써 진다 결과를 생성하고, 생성된 진단 결과를 네트워크(220)를 통해 각 단말 처리 장치(210a~210n)로 제공한다.In addition, the disease diagnosis apparatus 230 may preliminarily determine whether the test target image is similar to the first sub-image divided into a plurality of disease images and the disease image, and then the second sub-image determined to be similar to the disease image among the first sub-images. The images are compared again with the disease image to precisely determine whether similarity is generated, and a result is generated, and the generated diagnosis result is provided to each of the terminal processing apparatuses 210a to 210n through the network 220.

상술한 실시예에 있어서, 검사 대상 이미지가 단말 처리 장치(210~210n)로부터 수신되는 것으로 기재하였지만, 변형된 실시예에 있어서 검사 대상 이미지는 질병 진단 장치(230)내에 미리 저장되어 있을 수 있다.In the above-described embodiment, the test subject image is described as being received from the terminal processing apparatuses 210 to 210n. However, in the modified embodiment, the test subject image may be stored in the disease diagnosis apparatus 230 in advance.

이하에서는 이러한 질병 진단 장치(230)의 구성을 도 4를 참조하여 보다 구체적으로 설명한다. 이하, 설명의 편의를 위해 검사 대상 이미지는 단말 처리 장치(210a~210n)로부터 수신되는 것으로 가정하여 설명한다.Hereinafter, the configuration of the disease diagnosis apparatus 230 will be described in more detail with reference to FIG. 4. Hereinafter, for convenience of explanation, it is assumed that the inspection target image is received from the terminal processing apparatuses 210a to 210n.

도 4는 본 발명의 일 실시예에 따른 질병 진단 장치의 구성을 개략적으로 보여주는 블록도이다.Figure 4 is a block diagram schematically showing the configuration of a disease diagnosis apparatus according to an embodiment of the present invention.

도 4에 도시된 바와 같이, 본 발명의 일 실시예에 따른 질병 진단 장치(230)는 분석 서버(410), 분산 처리 서버(420), 및 하나 이상의 단위 처리부(430a~430n)를 포함한다.As shown in FIG. 4, the apparatus for diagnosing disease 230 according to an embodiment of the present invention includes an analysis server 410, a distributed processing server 420, and one or more unit processing units 430a ˜ 430n.

먼저, 분석 서버(410)는 단말 처리 장치(210a~210n)로부터 검사 대상 이미지를 수신하여 분산 처리 서버(420)로 전달하고, 검사 대상 이미지에 대한 진단 결과를 생성하여 단말 처리 장치(210a~210n)로 전송한다. 이러한 분석 서버(410)의 구성을 도 5를 참조하여 보다 구체적으로 설명한다.First, the analysis server 410 receives the inspection target image from the terminal processing apparatuses 210a to 210n and delivers the inspection target image to the distributed processing server 420, and generates a diagnostic result for the inspection target image to generate the terminal processing apparatuses 210a to 210n. To send). The configuration of the analysis server 410 will be described in more detail with reference to FIG. 5.

도 5는 본 발명의 일 실시예에 따른 분석 서버의 구성을 개략적으로 보여주는 블록도이다. 도 5에 도시된 바와 같이, 분석 서버(410)는 제1 인터페이스부(510), 윈도우 크기 조절부(520), 및 진단 결과 생성부(530)를 포함한다.5 is a block diagram schematically illustrating a configuration of an analysis server according to an embodiment of the present invention. As shown in FIG. 5, the analysis server 410 includes a first interface unit 510, a window size adjusting unit 520, and a diagnosis result generating unit 530.

먼저, 제1 인터페이스부(510)는, 단말 처리 장치(210a~210n)로부터 검사 대상 이미지를 수신하고, 진단 결과 생성부(530)에 의해 생성된 진단 결과를 단말 처리 장치(210a~210n)로 제공한다.First, the first interface unit 510 receives a test target image from the terminal processing apparatuses 210a to 210n, and transfers the diagnosis result generated by the diagnostic result generating unit 530 to the terminal processing apparatuses 210a to 210n. to provide.

다음으로, 윈도우 크기 조절부(520)는, 검사 대상 이미지로부터 복수개의 제1 서브 이미지를 획득하기 위한 윈도우의 크기 및 윈도우의 쉬프트 값을 결정한다. 본 발명의 경우, 검사 대상 이미지의 분석 속도를 향상시키기 위해 검사 대상 이미지를 분산 처리 하는데, 검사 대상 이미지의 분산 처리를 위해 검사 대상 이미지를 복수개의 제1 서브 이미지로 분할할 필요가 있다.Next, the window size adjusting unit 520 determines the size of the window and the shift value of the window for obtaining the plurality of first sub-images from the inspection target image. In the present invention, the inspection target image is distributedly processed to improve the analysis speed of the inspection target image, and it is necessary to divide the inspection target image into a plurality of first sub-images for the dispersion processing of the inspection target image.

따라서, 윈도우 크기 조절부(520)가 검사 대상 이미지를 복수개의 제1 서브 이미지로 분할하기 위한 윈도우 크기와, 윈도우의 쉬프트 값을 결정하는 것이다. 일 실시예에 있어서, 윈도우 크기 조절부(520)는 검사 대상 이미지와 비교될 질병 이미지의 크기와 동일한 크기로 윈도우 크기를 결정할 수 있다.Accordingly, the window size adjusting unit 520 determines a window size and a window shift value for dividing the inspection target image into a plurality of first sub-images. In one embodiment, the window size adjusting unit 520 may determine the window size to the same size as the size of the disease image to be compared with the examination target image.

일 실시예에 있어서, 윈도우 크기 조절부(520)는, 검사 대상 이미지 분석의 정밀성에 초점을 두는 경우 검사 대상 이미지 상에서 x축 방향으로의 윈도우 쉬프트 값은 윈도우의 x축 방향의 길이 값 내에서 설정하고, y축 방향으로의 윈도우 쉬프트 값은 윈도우의 y축 방향의 길이 값 내에서 설정할 수 있다.In one embodiment, when the window size adjusting unit 520 focuses on the precision of the inspection target image analysis, the window shift value in the x-axis direction on the inspection target image is set within a length value in the x-axis direction of the window. The window shift value in the y-axis direction can be set within the length value in the y-axis direction of the window.

또한, 윈도우 크기 조절부(520)는, 검사 대상 이미지 분석의 신속성에 초점을 두는 경우 x축 방향으로의 윈도우 쉬프트 값은 윈도우의 x축 방향의 길이 값보다 크게 설정하고, y축 방향으로의 윈도우 쉬프트 값은 윈도우의 y축 방향의 길이 값보다 크게 설정할 수 있다.In addition, the window size adjusting unit 520 sets the window shift value in the x-axis direction to be larger than the length value in the x-axis direction of the window when focusing on the rapidity of the inspection target image analysis, and the window in the y-axis direction. The shift value may be set larger than the length value in the y-axis direction of the window.

윈도우 크기 조절부(520)는 결정된 윈도우 크기 및 윈도우의 쉬프트 값을 분산 처리 서버(420)로 제공한다.The window size adjusting unit 520 provides the determined window size and the window shift value to the distributed processing server 420.

다음으로, 진단 결과 생성부(530)는, 검사 대상 이미지 상에서 질병 이미지와 유사한 것으로 판단된 제2 서브 이미지에 상응하는 영역을 마킹 함으로써 검사 대상 이미지에 대한 진단 결과를 생성한다.Next, the diagnosis result generator 530 generates a diagnosis result for the test target image by marking a region corresponding to the second sub-image determined to be similar to the disease image on the test target image.

즉, 단위 처리부(430a~430n)의해 질병 이미지와 유사한 것으로 판단된 제2 서브 이미지는 질병 이미지에 상응하는 병증이 존재하는 영역으로 판단될 수 있기 때문에, 검사 대상 이미지 상에서 해당 영역을 식별력이 양호한 색상으로 마킹하는 것이다.That is, since the second sub image determined to be similar to the disease image by the unit processing units 430a to 430n may be determined to be an area in which a disease corresponding to the disease image exists, a color having good discrimination in the area of the inspection target image. Is to mark.

다시 도 4를 참조하면, 분산 처리 서버(420)는, 분석 서버(410)로부터 전달되는 검사 대상 이미지를 복수개의 제1 서브 이미지로 분할하고, 복수개의 제1 서브 이미지를 단위 처리부(430a~430n)에 할당함으로써 검사 대상 이미지가 복수개의 단위 처리부(430a~430n)에 의해 예비적으로 분석될 수 있도록 한다.Referring back to FIG. 4, the distributed processing server 420 divides the inspection target image transmitted from the analysis server 410 into a plurality of first sub images, and divides the plurality of first sub images into unit processing units 430a to 430n. ) So that the inspection target image can be preliminarily analyzed by the plurality of unit processing units 430a to 430n.

또한, 분한 처리 서버(420)는 복수개의 제1 서브 이미지들 중 질병 이미지와 유사한 것으로 판단되는 제2 서브 이미지들을 선택하고, 제2 서브 이미지들을 단위 처리부(430a~430n)에 다시 할당함으로써 검사 대상 이미지가 정밀 분석될 수 있도록 한다.In addition, the divided processing server 420 selects the second sub-images determined to be similar to the disease image among the plurality of first sub-images, and reassigns the second sub-images to the unit processing units 430a to 430n. Allows the image to be precisely analyzed.

이러한 분산 처리 서버(420)의 구성을 도 6을 참조하여 보다 구체적으로 설명한다.The configuration of the distributed processing server 420 will be described in more detail with reference to FIG. 6.

도 6은 본 발명의 일 실시예에 따른 분산 처리 서버의 구성을 개략적으로 보여주는 블록도이다.6 is a block diagram schematically illustrating a configuration of a distributed processing server according to an embodiment of the present invention.

도 6에 도시된 바와 같이, 본 발명의 일 실시예에 따른 분산 처리 서버(420)는, 제2 인터페이스부(610), 제1 서브 이미지 획득부(620), 제1 서브 이미지 할당부(630), 자원 모니터링부(640), 제2 서브 이미지 선택부(650), 및 제2 서브 이미지 할당부(660)를 포함한다.As shown in FIG. 6, the distributed processing server 420 according to an exemplary embodiment of the present invention may include a second interface unit 610, a first sub image acquisition unit 620, and a first sub image allocation unit 630. ), A resource monitoring unit 640, a second sub image selecting unit 650, and a second sub image allocating unit 660.

먼저, 제2 인터페이스부(610)는, 분석 서버(410)로부터 검사 대상 이미지, 윈도우 크기, 및 윈도우의 쉬프트 값을 수신하여 제1 서브 이미지 획득부(620)로 전달하고, 각각의 단말 처리부(430a~430n)으로부터 제2 서브 이미지와 질병 이미지에 대한 유사 여부 판단 결과를 수신하여 분석 서버(410)로 제공한다.First, the second interface unit 610 receives an inspection target image, a window size, and a shift value of a window from the analysis server 410, and transmits the received image to the first sub image obtaining unit 620, and each terminal processing unit ( The similarity determination result for the second sub image and the disease image is received from 430a to 430n and provided to the analysis server 410.

다음으로, 제1 서브 이미지 획득부(620)는 제2 인터페이스부(610)로부터 수신되는 검사 대상 이미지로부터 복수개의 제1 서브 이미지를 획득한다. 일 실시예에 있어서, 제1 서브 이미지 획득부(620)는, 도 7에 도시된 바와 같이, 제2 인터페이스부(610)로부터 전달 받은 윈도우 크기에 상응하는 윈도우를 제2 인터페이스부(610)로부터 전달 받은 윈도우의 쉬프트 값에 따라 검사 대상 이미지상에서 쉬프트 시켜가면서 각 윈도우에 의해 특정되는 이미지 영역을 각각의 제1 서브 이미지로 획득할 수 있다.Next, the first sub image obtaining unit 620 obtains a plurality of first sub images from the inspection target image received from the second interface unit 610. In an exemplary embodiment, the first sub image acquirer 620 may, as illustrated in FIG. 7, receive a window corresponding to the window size received from the second interface 610 from the second interface 610. The image area specified by each window may be acquired as each first sub-image while being shifted on the inspection target image according to the received shift value of the window.

다음으로, 제1 서브 이미지 할당부(630)는, 자원 모니터링부(640)의 모니터링 결과에 따라 단위 처리부(430a~430n)의 자원 사용률이 낮은 순서에 따라 각 제1 서브 이미지들을 비교 대상이 되는 질병 이미지 또는 질병 이미지의 식별번호와 함께 단위 처리부(430a~430n)에 할당한다.Next, the first sub-image allocator 630 compares each of the first sub-images in order of decreasing resource usage rate of the unit processing units 430a to 430n according to the monitoring result of the resource monitoring unit 640. It is allocated to the unit processing units 430a to 430n together with the disease image or the identification number of the disease image.

일 실시예에 있어서, 제1 서브 이미지 할당부(630)는, 질병 이미지 또는 질병 이미지의 식별번호를 비교 대상이 되는 질병 이미지가 변경되는 경우에만 전송할 수 있다.In one embodiment, the first sub-image assigning unit 630 may transmit the disease image or the identification number of the disease image only when the disease image to which the comparison target is changed is changed.

이와 같이, 본 발명은 하나의 검사 대상 이미지를 복수개의 제1 서브 이미지로 분할하고, 분할된 제1 서브 이미지를 단위 처리부(430a~430n)들의 자원 사용량을 고려하여 각 단위 처리부(430a~430n)로 할당하기 때문에, 검사 대상 이미지 분석의 정확성을 향상시키면서 검사 대상 이미지의 분석에 소요되는 시간을 단축시킬 수 있게 된다.As described above, the present invention divides one inspection target image into a plurality of first sub-images, and divides the divided first sub-image into consideration of resource usage of the unit processing units 430a through 430n, respectively. Since it is assigned to, it is possible to shorten the time required for analysis of the inspection target image while improving the accuracy of the inspection target image analysis.

다음으로, 자원 모니터링부(640)는, 소정 시간 간격으로 각 단위 처리부(430a~430n)의 자원 사용률을 모니터링하여 그 결과를 제1 서브 이미지 할당부(630) 및 제2 서브 이미지 할당부(660)로 제공한다.Next, the resource monitoring unit 640 monitors resource utilization rates of the unit processing units 430a to 430n at predetermined time intervals, and displays the results of the first sub image allocator 630 and the second sub image allocator 660. )

일 실시예에 있어서, 자원 모니터링부(640)는 단위 처리부(430a~430n)를 모니터링하여 현재 제1 서브 이미지를 분석하고 있지 않은 단위 처리부(430a~430n)들에 대한 정보를 제1 서브 이미지 할당부(630)로 제공하거나, 제2 서브 이미지를 분석하고 있지 않은 단위 처리부(430a~430n)들에 대한 정보를 제2 서브 이미지 할당부(660)로 제공할 수 있다.In an embodiment, the resource monitoring unit 640 monitors the unit processing units 430a ˜ 430n to allocate information about the unit processing units 430a ˜ 430n that are not currently analyzing the first sub image to allocate the first sub image. The second sub image allocator 660 may provide information about the unit processors 430a ˜ 430n that are not analyzing the second sub image.

이러한 실시예에 따르는 경우 제1 서브 이미지 할당부(630) 및 제2 서브 이미지 할당부(660)는 단위 처리부(430a~430n)들 중 현재 제1 또는 제2 서브 이미지를 분석하고 있지 않은 단위 처리부(430a~430n)에게 제1 서브 이미지 또는 제2 서브 이미지를 우선하여 할당하게 된다.According to this embodiment, the first sub-image allocator 630 and the second sub-image allocator 660 are unit processing units that are not currently analyzing the first or second sub-images among the unit processing units 430a to 430n. The first sub image or the second sub image is allocated to 430a ˜ 430n first.

다른 실시예에 있어서, 자원 모니터링부(640)는 각 단위 처리부(430a~430n)들의 CPU 사용률을 모니터링하여 그 결과를 제1 서브 이미지 할당부(630) 및 제2 서브 이미지 할당부(660)로 제공할 수 있다. 이러한 실시예에 따르는 경우 제1 서브 이미지 할당부(630) 및 제2 서브 이미지 할당부(660)는 단위 처리부(430a~430n)들 중 CPU 사용률이 낮은 단위 처리부(430a~430n)들에게 제1 서브 이미지 또는 제2 서브 이미지를 우선하여 할당하게 된다.In another embodiment, the resource monitoring unit 640 monitors the CPU utilization of each unit processing unit 430a ˜ 430n and returns the result to the first sub image allocator 630 and the second sub image allocator 660. Can provide. According to this exemplary embodiment, the first sub-image allocator 630 and the second sub-image allocator 660 may be configured to provide the first sub-unit allocator 430a to 430n to the unit processor 430a to 430n having low CPU utilization. The sub image or the second sub image is assigned first.

다음으로, 제2 서브 이미지 선택부(650)는, 각 단위처리부(430a~430n)로부터 질병 이미지와 제1 서브 이미지의 유사 여부 판단에 대한 결과를 수신하고, 제1 서브 이미지들 중 단위 처리부(430a~430n)에 의해 질병 이미지와 유사한 것으로 판단된 제1 서브 이미지들을 제2 서브 이미지들로 선택한다.Next, the second sub-image selecting unit 650 receives a result of determining whether the disease image and the first sub-image are similar from each of the unit processing units 430a ˜ 430n, and the unit processing unit of the first sub-images ( The first sub-images determined to be similar to the disease image by 430a to 430n are selected as the second sub-images.

이와 같이, 제2 서브 이미지 선택부(650)가 제1 서브 이미지들 중 일부를 제2 서브 이미지로 선택하는 것은, 모든 제1 서브 이미지들에 대해 정밀 분석을 수행하게 되면 연산량이 증가하기 때문에, 예비 분석을 통해 제1 서브 이미지들 중 질병 이미지와 유사한 것으로 판단된 일부 제1 서브 이미지들에 대해서만 정밀 분석을 수행하기 위한 것이다.As such, when the second sub-image selector 650 selects some of the first sub-images as the second sub-images, the amount of calculation increases when the precision analysis is performed on all the first sub-images. Preliminary analysis is to perform the detailed analysis on only some of the first sub-images determined to be similar to the disease image among the first sub-images.

다음으로, 제2 서브 이미지 할당부(660)는, 자원 모니터링부(640)의 모니터링 결과에 따라 단위 처리부(430a~430n)의 자원 사용률이 낮은 순서에 따라 각 제2 서브 이미지들을 비교 대상이 되는 질병 이미지 또는 질병 이미지의 식별번호와 함께 단위 처리부(430a~430n)에 할당한다.Next, the second sub image allocator 660 compares each of the second sub images in order of decreasing resource utilization of the unit processing units 430a to 430n according to the monitoring result of the resource monitoring unit 640. It is allocated to the unit processing units 430a to 430n together with the disease image or the identification number of the disease image.

이러한 실시예에 있어서, 제2 서브 이미지 할당부(660)는, 제1 서브 이미지할당부(630)와 동일하게, 질병 이미지 또는 질병 이미지의 식별번호를 비교 대상이 되는 질병 이미지가 변경되는 경우에만 전송할 수 있다.In this embodiment, the second sub-image allocator 660 is the same as the first sub-image allocator 630 only when the disease image to which the disease image or the identification number of the disease image is compared is changed. Can transmit

한편, 본 발명에 따른 분산 처리 서버(420)는 도 6에 도시된 바와 같이, 제2 서브 이미지 재할당부(670) 및 질병 이미지 제공부(680)를 더 포함할 수 있다.Meanwhile, the distributed processing server 420 according to the present invention may further include a second sub image reassigner 670 and a disease image provider 680 as shown in FIG. 6.

먼저, 제2 서브 이미지 재할당부(670)는, 각 단위처리부(430a~430n)로부터 질병 이미지와 제2 서브 이미지의 유사 여부 판단에 대한 결과를 수신하고, 질병 이미지와 유사한 것으로 판단된 제2 서브 이미지들을 비교 대상이 되는 질병 이미지 또는 질병 이미지의 식별번호와 함께 각 단위 처리부(430a~430n)의 자원 사용률이 낮은 순서에 따라 단위 처리부(430a~430n)에 재할당한다.First, the second sub image reassigner 670 receives a result of determining whether the disease image and the second sub image are similar from each of the unit processors 430a to 430n, and determines that the second sub image is similar to the disease image. The images are reallocated to the unit processing units 430a to 430n according to the order in which the resource utilization rate of each unit processing unit 430a to 430n is low together with the disease image or the identification number of the disease image to be compared.

이때, 제2 서브 이미지 재할당부(650)는 질병 이미지 또는 질병 이미지의 식별번호의 경우 비교 대상이 되는 질병 이미지가 변경되는 경우에만 전송할 수 있다.In this case, the second sub-image reassignment unit 650 may transmit the disease image or the identification number of the disease image only when the disease image to be compared is changed.

이와 같이, 본 발명에 따른 분산 처리 서버(420)가 질병 이미지와 유사하다고 판단된 제2 서브 이미지들을 서브 이미지 재할당부(650)를 통해 단위 처리부(430a~430n)에 재할당하는 것은 분석 결과의 정확성을 높이기 위해 2단계에 걸쳐 질병 이미지와 제2 서브 이미지의 유사 여부를 판단하기 위한 것이다.As such, the reassignment of the second sub-images determined to be similar to the disease image by the distributed processing server 420 according to the present invention to the unit processing units 430a to 430n through the sub-image reassignment unit 650 may be performed. In order to improve the accuracy, it is to determine whether the disease image and the second sub image are similar in two steps.

이러한 실시예에 따르는 경우에 있어서도, 본 발명은 질병 이미지와 유사한 것으로 판단된 제2 서브 이미지를 단위 처리부(430a~430n)들의 자원 사용량을 고려하여 각 단위 처리부(430a~430n)로 할당하기 때문에, 검사 대상 이미지 분석의 정확성을 향상시키면서 검사 대상 이미지의 분석에 소요되는 시간을 단축시킬 수 있게 된다.Even in this embodiment, since the present invention allocates the second sub-image determined to be similar to the disease image to each unit processing unit 430a to 430n in consideration of resource usage of the unit processing units 430a to 430n. It is possible to shorten the time required to analyze the inspection target image while improving the accuracy of the inspection target image analysis.

다음으로, 질병 이미지 제공부(660)는 제1 서브 이미지 또는 제2 서브 이미지와 비교 분석될 하나 이상의 질병 이미지를 데이터베이스(미도시)로부터 추출하여 제1 서브 이미지 할당부(630), 제2 서브 이미지 할당부(660), 또는 제 서브 이미지 재할당부(650)를 통해 단위 처리부(430a~430n)로 제공한다.Next, the disease image providing unit 660 extracts one or more disease images to be compared and analyzed with the first sub-image or the second sub-image from a database (not shown), and thus, the first sub-image allocator 630 and the second sub-image. The image allocator 660 or the sub image reassigner 650 is provided to the unit processors 430a to 430n.

이때, 질병 이미지들은, 병증의 종류, 병증의 진행 정도, 병증의 크기, 및 병증의 위치 중 적어도 하나에 따라 분류되어 데이터베이스에 저장되어 있을 수 있다.In this case, the disease images may be classified according to at least one of the kind of the disease, the progress of the disease, the size of the disease, and the location of the disease and stored in the database.

일 실시예에 있어서, 질병 이미지들은 질병 이미지를 식별하기 위한 식별번호가 부여되어 저장되어 있고, 질병 이미지 제공부(660)는 데이터베이스로부터 식별번호 순서에 따라 순차적으로 질병 이미지를 추출할 수 있다.In one embodiment, the disease images are stored with an identification number for identifying the disease image, and the disease image provider 660 may sequentially extract the disease images in the order of the identification number from the database.

상술한 실시예에 있어서는, 질병 이미지 제공부(660)가 데이터베이스로부터 질병 이미지를 직접 추출하는 것으로 기재하였다. 변형된 실시예에 있어서, 질병 이미지 제공부(660)는 질병 이미지를 직접 추출하지 않고 제1 서브 이미지 또는 제2 서브 이미지와 비교 분석될 질병 이미지의 식별번호만을 제1 서브 이미지 할당부(640), 제2 서브 이미지 할당부(660), 또는 제2 서브 이미지 재할당부(680)를 통해 단위 처리부(430a~430n)로 제공할 수도 있을 것이다.In the above-described embodiment, the disease image providing unit 660 is described as extracting the disease image directly from the database. In the modified embodiment, the disease image provider 660 does not directly extract the disease image, but only the identification number of the disease image to be compared and analyzed with the first sub-image or the second sub-image. The second sub image allocator 660 or the second sub image reassigner 680 may be provided to the unit processors 430a to 430n.

이러한 경우, 단위 처리부(430a~430n)가 제1 또는 제2 서브 이미지와의 비교 분석에 이용될 질병 이미지를 직접 추출하기 때문에 분산 처리 서버(420)의 부하를 경감시킬 수 있게 된다.In this case, since the unit processing units 430a to 430n directly extract the disease image to be used for the comparative analysis with the first or second sub-images, the load of the distributed processing server 420 may be reduced.

다시 도 4를 참조하면, 단위 처리부(430a~430n)는 분산 처리 서버(420)로부터 할당된 제1 서브 이미지 및 제2 서브 이미지를 질병 이미지와 비교하여 유사 여부를 판단하고, 그 결과를 분산 처리 서버(420)로 제공한다.Referring back to FIG. 4, the unit processing units 430a ˜ 430n compare the first sub-image and the second sub-image allocated from the distributed processing server 420 with the disease image, and determine whether or not they are similar. Provided to server 420.

이러한 단위 처리부(430a~430b)의 구성을 도 8을 참조하여 보다 구체적으로 설명한다.The configuration of the unit processing units 430a to 430b will be described in more detail with reference to FIG. 8.

도 8은 본 발명의 일 실시예에 따른 단위 처리부의 구성을 개략적으로 보여주는 블록도이다.8 is a block diagram schematically illustrating a configuration of a unit processor according to an exemplary embodiment of the present invention.

도 8에서는 설명의 편의를 위하여 단위 처리부의 도면부호를 430으로 표기하기로 한다. 도 8에 도시된 바와 같이, 본 발명의 일 실시예에 따른 단위 처리부(430)는 제3 인터페이스부(810), 제1 유사도 판단부(820), 및 제2 유사도 판단부(830)를 포함한다.In FIG. 8, reference numeral 430 denotes a unit processor for convenience of description. As illustrated in FIG. 8, the unit processor 430 according to an embodiment of the present invention includes a third interface unit 810, a first similarity determination unit 820, and a second similarity determination unit 830. do.

먼저, 제3 인터페이스부(810)는 분산 처리 서버(420)로부터 할당된 제1 서브 이미지를 제1 유사도 판단부(820)로 전달하거나 제2 서브 이미지를 제2 유사도 판단부(830)로 전달하고, 제1 유사도 판단부(820) 및 제2 유사도 판단부(830)로부터 제1 서브 이미지 또는 제2 서브 이미지와 질병 이미지간의 유사 여부 판단 결과를 수신하여 분산 처리 서버(420)로 전달한다.First, the third interface unit 810 transmits the first sub image allocated from the distributed processing server 420 to the first similarity determination unit 820 or the second sub image to the second similarity determination unit 830. The first similarity determining unit 820 and the second similarity determining unit 830 receive a result of determining whether the first sub-image or the second sub-image is similar to the disease image, and transmits the result to the distributed processing server 420.

다음으로, 제1 유사도 판단부(820)는, 제3 인터페이스부(810)로부터 전달되는 제1 서브 이미지와 질병 이미지간의 유사 여부를 예비적으로 판단하여, 그 결과를 제3 인터페이스부(810)로 전달한다.Next, the first similarity determination unit 820 preliminarily determines whether the first sub-image transmitted from the third interface unit 810 and the disease image is similar, and determines the result of the third interface unit 810. To pass.

일 실시예에 있어서, 제1 유사도 판단부(820)는 비교 대상이 되는 2개의 이미지 내에서 동일한 모양이 서로 다른 위치에 포함되어 있더라도 해당 이미지들을 유사한 것으로 판단할 수 있도록, 비교 대상이 되는 각각의 이미지에서 복수개의 소정 영역을 결정하고, 결정된 소정 영역들 중 일부 영역에 대한 RGB값, 영역의 크기, 및 영역의 유형 등을 해당 이미지의 특성값으로 사용하여 이미지의 유사여부를 판단한다.In an exemplary embodiment, the first similarity determining unit 820 may determine that the corresponding images are similar even though the same shape is included in different positions in the two images to be compared. A plurality of predetermined areas are determined in the image, and similarity of the image is determined by using RGB values, a size of the area, and a type of the area of the predetermined areas as the characteristic values of the corresponding image.

즉, 제1 유사도 판단부(820)는 제1 서브 이미지에서 결정된 소정 영역들 중 일부 영역에 대한 특성값과 질병 이미지에서 결정된 소정 영역들 중 일부 영역에 대한 특성값을 서로 비교하여 제1 서브 이미지와 질병 이미지의 유사 여부를 결정하는 것이다.That is, the first similarity determination unit 820 compares the characteristic values of some regions of the predetermined regions determined in the first sub-image with the characteristic values of some regions of the predetermined regions determined in the disease image, and compares the first sub image with each other. And whether the disease image is similar.

이와 같이, 제1 유사도 판단부(820)가 제1 서브 이미지 및 질병 이미지에서 결정된 모든 영역이 아닌 일부 영역들에 대한 특성값을 이용하여 유사 여부를 판단하는 것은 유사 여부 판단을 위한 연산량을 감소시키기 위한 것이다.As such, when the first similarity determining unit 820 determines similarity using characteristic values of some regions other than all regions determined in the first sub image and the disease image, reducing the amount of computation for similarity determination It is for.

여기서, 소정 영역의 유형은 해당 영역이 혈관에 해당하는 영역을 나타내는 유형, 심장에 해당하는 영역을 나타내는 유형, 및 안구에 해당하는 영역을 나타내는 유형 중 적어도 하나를 포함할 수 있다.Here, the type of the predetermined region may include at least one of a type representing a region corresponding to a blood vessel, a type representing a region corresponding to a heart, and a type representing a region corresponding to an eyeball.

또한, 상기 영역의 유형은 혈관 중에서 선택되는 위치별 영역을 나타내는 유형, 심장 중에서 선택되는 위치별 영역을 나타내는 유형, 안구 중에서 선택되는 위치별 영역을 나타내는 유형 중 적어도 하나를 포함할 수 있다.The type of the region may include at least one of a type representing a location-specific region selected from blood vessels, a type representing a location-specific region selected from the heart, and a type representing a location-specific region selected from the eyeballs.

일 실시예에 있어서 제1 유사도 판단부(820)는, 도 8에 도시된 바와 같이, 제1 RGB값 산출부(822) 및 제1 비교부(824)를 포함할 수 있다.In an exemplary embodiment, as illustrated in FIG. 8, the first similarity determining unit 820 may include a first RGB value calculating unit 822 and a first comparing unit 824.

제1 RGB값 산출부(822)는, 제1 서브 이미지에 대한 RGB값과 질병 이미지에 대한 RGB값을 산출한다. 구체적으로, 제1 RGB값 산출부(822)는, 제1 서브 이미지 및 질병 이미지 상에서 미리 정해진 크기의 영역 내에 속하는 픽셀들의 RGB 히스토그램을 산출하고, 상기 영역들 중 일부 영역에서 산출된 RGB 히스토그램을 상기 일부 영역들에 속하는 픽셀의 수로 나누어 RGB 값을 산출한다.The first RGB value calculator 822 calculates an RGB value for the first sub-image and an RGB value for the disease image. In detail, the first RGB value calculator 822 calculates an RGB histogram of pixels belonging to a region of a predetermined size on the first sub-image and the disease image, and calculates the RGB histogram calculated in some of the regions. An RGB value is calculated by dividing by the number of pixels belonging to some regions.

일 실시예에 있어서, 제1 RGB값 산출부(822)는 제1 서브 이미지에 대한 RGB값은 제1 서브 이미지로부터 직접 산출하고, 질병 이미지에 대한 RGB값은 질병 이미지로부터 직접 산출하지 않고 질병 이미지에 대해 미리 산출되어 있는 RGB값을 데이터베이스로부터 획득할 수 있다.In one embodiment, the first RGB value calculator 822 calculates an RGB value for the first sub-image directly from the first sub-image, and does not directly calculate an RGB value for the disease-image from the disease image. The RGB value calculated beforehand can be obtained from the database.

다음으로, 제1 비교부(824)는, 제1 RGB값 산출부(822)에 의해 산출된 제1 서브 이미지에 대한 RGB값과 질병 이미지에 대한 RGB 값의 차이를 비교하여 제1 서브 이미지와 질병 이미지의 유사 여부를 예비적으로 판단하고, 그 결과를 제3 인터페이스부(810)로 제공한다.Next, the first comparing unit 824 compares the RGB value of the first sub-image calculated by the first RGB value calculating unit 822 and the RGB value of the disease image to compare the first sub-image with the first sub-image. The similarity of the disease image is preliminarily determined, and the result is provided to the third interface unit 810.

구체적으로, 제1 비교부(824)는 제1 RGB값 산출부(822)에 의해 산출된 제1 서브 이미지에 대한 RGB값과 질병 이미지에 대한 RGB 값의 차이가 미리 정해진 기준치 이내이면 제1 서브 이미지와 질병 이미지는 유사한 것으로 판단하고, 기준치보다 크면 제1 서브 이미지와 질병 이미지가 유사하지 않은 것으로 판단한다.In detail, the first comparator 824 may determine the first sub image if the difference between the RGB value of the first sub-image calculated by the first RGB value calculator 822 and the RGB value of the disease image is within a predetermined reference value. It is determined that the image and the disease image are similar, and when the image is larger than the reference value, the first sub image and the disease image are not similar.

다음으로, 제2 유사도 판단부(820)는, 제3 인터페이스부(810)로부터 전달되는 제2 서브 이미지와 질병 이미지의 유사 여부를 정밀하게 판단하여, 그 결과를 제3 인터페이스부(810)로 전달한다.Next, the second similarity determination unit 820 accurately determines whether the second sub-image transmitted from the third interface unit 810 is similar to the disease image, and returns the result to the third interface unit 810. To pass.

일 실시예에 있어서, 제2 유사도 판단부(830)는 비교 대상이 되는 2개의 이미지 내에서 동일한 모양이 서로 다른 위치에 포함되어 있더라도 해당 이미지들을 유사한 것으로 판단할 수 있도록, 비교 대상이 되는 각각의 이미지에서 복수개의 소정 영역을 결정하고, 결정된 모든 소정 영역들에 대한 RGB값, 영역의 크기, 및 영역의 유형 등을 해당 이미지의 특성값으로 사용하여 이미지의 유사여부를 판단한다.In an exemplary embodiment, the second similarity determining unit 830 may determine that the corresponding images are similar even though the same shape is included in different positions in the two images to be compared. A plurality of predetermined regions are determined in the image, and similarity of the image is determined by using RGB values, size of regions, and type of regions as the characteristic values of the predetermined regions.

즉, 제2 유사도 판단부(830)는 제2 서브 이미지에서 결정된 모든 소정 영역들에 대한 특성값과 질병 이미지에서 결정된 모든 소정 영역들에 대한 특성값을 서로 비교하여 제2 서브 이미지와 질병 이미지의 유사 여부를 결정하는 것이다.That is, the second similarity determining unit 830 compares the characteristic values of all the predetermined regions determined in the second sub-image with the characteristic values of all the predetermined regions determined in the disease image to compare the characteristics of the second sub-image and the disease image. To determine similarity.

이와 같이, 제2 유사도 판단부(830)가 제2 서브 이미지 및 질병 이미지에서 결정된 모든 영역에 대한 특성값을 이용하여 유사 여부를 판단하는 것은 제2 서브 이미지와 질병 이미지 간의 유사 여부를 보다 정밀하게 판단하기 위한 것이다.As such, when the second similarity determining unit 830 determines similarity using the characteristic values of all regions determined in the second sub-image and the disease image, the similarity between the second sub-image and the disease image is more precisely determined. It is to judge.

일 실시예에 있어서 제2 유사도 판단부(830)는, 도 8에 도시된 바와 같이, 제2 RGB값 산출부(832) 및 제2 비교부(834)를 포함할 수 있다.In an exemplary embodiment, as illustrated in FIG. 8, the second similarity determiner 830 may include a second RGB value calculator 832 and a second comparator 834.

제2 RGB값 산출부(832)는, 제2 서브 이미지에 대한 RGB값과 질병 이미지에 대한 RGB값을 산출한다. 구체적으로, 제2 RGB값 산출부(832)는, 제2 서브 이미지 및 질병 이미지 상에서 미리 정해진 크기의 영역 내에 속하는 픽셀들의 RGB 히스토그램을 각각 산출하고, 각 영역에 대해 산출된 모든 RGB 히스토그램을 상기 각 영역에 속하는 모든 픽셀들의 수로 나누어 RGB 값을 산출한다.The second RGB value calculator 832 calculates an RGB value for the second sub-image and an RGB value for the disease image. In detail, the second RGB value calculator 832 calculates RGB histograms of pixels belonging to regions of a predetermined size on the second sub-image and the disease image, and calculates each of the RGB histograms calculated for each region. The RGB value is calculated by dividing by the number of all pixels belonging to the region.

일 실시예에 있어서, 제2 RGB값 산출부(832)는 제2 서브 이미지에 대한 RGB값은 제2 서브 이미지로부터 직접 산출하고, 질병 이미지에 대한 RGB값은 질병 이미지로부터 직접 산출하지 않고 질병 이미지에 대해 미리 산출되어 있는 RGB값을 데이터베이스로부터 획득할 수 있다.In one embodiment, the second RGB value calculator 832 calculates the RGB value for the second sub-image directly from the second sub-image, and does not directly calculate the RGB value for the disease-image from the disease image. The RGB value calculated beforehand can be obtained from the database.

다음으로, 제2 비교부(834)는, 제2 RGB값 산출부(832)에 의해 산출된 제2 서브 이미지에 대한 RGB값과 질병 이미지에 대한 RGB 값의 차이를 비교하여 제2 서브 이미지와 질병 이미지의 유사 여부를 정밀하게 판단하고, 그 결과를 제3 인터페이스부(810)로 제공한다.Next, the second comparator 834 compares the RGB value of the second sub image calculated by the second RGB value calculator 832 and the RGB value of the disease image to compare the difference between the second sub image and the second sub image. The similarity of the disease image is accurately determined, and the result is provided to the third interface unit 810.

구체적으로, 제2 비교부(834)는 제2 RGB값 산출부(832)에 의해 산출된 제2 서브 이미지에 대한 RGB값과 질병 이미지에 대한 RGB 값의 차이가 미리 정해진 기준치 이내이면 제2 서브 이미지와 질병 이미지는 유사한 것으로 판단하고, 기준치보다 크면 제2 서브 이미지와 질병 이미지가 유사하지 않은 것으로 판단한다.In detail, the second comparator 834 may perform the second sub-sub operation when the difference between the RGB value for the second sub-image calculated by the second RGB value calculator 832 and the RGB value for the disease image is within a predetermined reference value. The image and the disease image are judged to be similar, and when larger than the reference value, it is determined that the second sub image and the disease image are not similar.

한편, 본 발명에 따른 단위 처리부(430)는 도 8에 도시된 바와 같이 제3 유사도 판단부(840)를 더 포함할 수 있다.Meanwhile, the unit processing unit 430 according to the present invention may further include a third similarity determination unit 840 as shown in FIG. 8.

제3 유사도 판단부(840)는 제2 유사도 판단부(830)에 의해 질병 이미지와 유사한 것으로 판단된 제2 서브 이미지들이 분산 처리 서버(420)에 의해 재할당되면, 재할당된 제2 서브 이미지를 제3 인터페이스부(810)를 통해 수신하여 재할당된 제2 서브 이미지와 질병 이미지의 유사 여부를 판단하고, 그 결과를 제3 인터페이스부(810)를 통해 분산 처리 서버(420)로 제공한다.If the second sub-images determined by the second similarity determiner 830 to be similar to the disease image are reassigned by the distributed processing server 420, the third similarity determiner 840 may reassign the second sub-image. Is received through the third interface unit 810 to determine whether the reassigned second sub-image is similar to the disease image, and provides the result to the distributed processing server 420 through the third interface unit 810. .

이와 같이, 본 발명이 제3 유사도 판단부(840)를 통해 제2 서브 이미지와 질병 이미지간의 유사 여부를 다시 판단하는 것은 분석의 정확성을 향상시키기 위한 것이다. 이러한 제3 유사도 판단부(840)는 도 8에 도시된 바와 같이, 패턴 추출부(842) 및 제3 비교부(844)를 포함한다.As described above, the present invention is to re-determine the similarity between the second sub-image and the disease image through the third similarity determining unit 840 to improve the accuracy of the analysis. As illustrated in FIG. 8, the third similarity determining unit 840 includes a pattern extracting unit 842 and a third comparing unit 844.

먼저, 패턴 추출부(842)는, 재할당된 제2 서브 이미지와 질병 이미지로부터 패턴을 추출한다. 구체적으로 패턴 추출부(842)는 재할당된 제2 서브 이미지와 질병 이미지를 잡음 필터로 필터링한 후 필터링된 이미지에서 외곽선을 추출함으로써 재할당된 제2 서브 이미지와 질병 이미지에서 패턴을 추출한다.First, the pattern extractor 842 extracts a pattern from the reallocated second sub image and the disease image. In detail, the pattern extractor 842 extracts a pattern from the reassigned second sub-image and the disease image by filtering the reassigned second sub-image and the disease image with a noise filter, and then extracts an outline from the filtered image.

상술한 실시예에서는 패턴 추출부(842)가 질병 이미지에서 패턴을 추출하는 것으로 기재하였지만, 변형된 실시예에 있어서, 질병 이미지의 패턴은 미리 추출되어 해당 질병 이미지와 매칭되어 데이터베이스에 저장되어 있고, 패턴 추출부(842)는 데이터베이스로부터 해당 질병 이미지에 상응하는 패턴을 획득할 수 있다.In the above-described embodiment, the pattern extractor 842 is described as extracting a pattern from the disease image. In the modified embodiment, the pattern of the disease image is extracted in advance and matched with the disease image and stored in a database. The pattern extractor 842 may obtain a pattern corresponding to the disease image from the database.

제3 비교부(844)는, 제2 서브 이미지의 패턴과 질병 이미지의 패턴을 서로 비교하여 제2 서브 이미지와 질병 이미지의 유사 여부를 판단한다. 일 실시예에 있어서, 제3 비교부(842)는, 제2 서브 이미지의 패턴과 질병 이미지의 패턴이 유사하면 제2 서브 이미지와 질병 이미지가 유사한 것으로 판단할 수 있다.The third comparison unit 844 compares the pattern of the second sub-image with the pattern of the disease image to determine whether the second sub-image and the disease image are similar. In an embodiment, if the pattern of the second sub-image and the pattern of the disease image are similar, the third comparison unit 842 may determine that the second sub-image and the disease image are similar.

한편, 본 발명에 따른 단위 처리부(430)는 도 8에 도시된 바와 같이, 질병 이미지 추출부(850)를 더 포함할 수 있다.On the other hand, the unit processing unit 430 according to the present invention may further include a disease image extraction unit 850, as shown in FIG.

질병 이미지 추출부(850)는 제3 인터페이스부(810)를 통해 분산 처리 서버(420)로부터 질병 이미지의 식별번호를 수신하고, 데이터베이스로부터 상기 질병 이미지의 식별번호에 상응하는 질병 이미지를 추출하여 제1 유사도 판단부(820), 제2 유사도 판단부(830), 및 제3 유사도 판단부(840)로 제공한다.The disease image extractor 850 receives an ID number of the disease image from the distributed processing server 420 through the third interface unit 810, extracts a disease image corresponding to the ID number of the disease image from a database, and extracts a disease image. The first similarity determination unit 820, the second similarity determination unit 830, and the third similarity determination unit 840 are provided.

이러한 질병 이미지 추출부(850)는 분산 처리 서버(420)로부터 질병 이미지식별번호가 제공되는 경우 필요한 것이고, 분산 처리 서버(420)로부터 질병 이미지가 직접 제공되는 경우에는 포함되지 않을 수 있다.The disease image extractor 850 is necessary when the disease image identification number is provided from the distributed processing server 420, and may not be included when the disease image is directly provided from the distributed processing server 420.

이하에서는 도 9를 참조하여 본 발명에 따른 분산 처리 기반의 질병 진단 방법에 대해 설명한다.Hereinafter, a disease diagnosis method based on distributed processing according to the present invention will be described with reference to FIG. 9.

도 9는 본 발명의 일 실시예에 따른 분산 처리 기반의 질병 진단 방법을 보여주는 플로우차트이다. 이러한 질병 진단 방법은, 질병 진단 장치에 의해 수행될 수 있다. 9 is a flowchart showing a disease treatment method based on distributed processing according to an embodiment of the present invention. Such a disease diagnosis method can be performed by a disease diagnosis apparatus.

도 9에 도시된 바와 같이, 먼저 검사 대상 이미지를 획득한다(S900). 이때, 검사 대상 이미지는 질병 진단 장치와 네트워크를 통해 연결된 단말 처리 장치로부터 획득할 수 있지만, 질병 진단 장치에 미리 저장되어 있을 수 있다.As shown in FIG. 9, first, an inspection target image is acquired (S900). In this case, the test target image may be acquired from the terminal processing apparatus connected to the disease diagnosis apparatus through a network, but may be stored in advance in the disease diagnosis apparatus.

일 실시예에 있어서, 이러한 검사 대상 이미지는, 인체의 혈관을 촬영한 혈관 이미지, 심장을 촬영한 심장 이미지, 안구를 촬영한 안구 이미지, 및 방사선 촬영 이미지 중 적어도 하나를 포함할 수 있다.In one embodiment, the test target image may include at least one of a blood vessel image of a blood vessel of the human body, a heart image of a heart, an eye image of an eye, and a radiographic image.

다음으로, 검사 대상 이미지로부터 복수개의 제1 서브 이미지를 획득하기 위한 윈도우의 크기 및 윈도우의 쉬프트 값을 결정한다(S910). 일 실시예에 있어서, 윈도우 크기는 검사 대상 이미지와 비교될 질병 이미지의 크기와 동일한 크기로 결정할 수 있다. 또한, 윈도우 쉬프트 값은 검사 대상 이미지 분석의 정밀성에 초점을 두는 경우 작게 설정하고, 검사 대상 이미지 분석의 신속성에 초점을 두는 경우 크게 설정할 수 있다.Next, the size of the window and the shift value of the window for obtaining the plurality of first sub-images from the inspection target image are determined (S910). In one embodiment, the window size may be determined to be the same size as the size of the disease image to be compared with the image to be examined. In addition, the window shift value may be set small when focusing on the precision of the inspection target image analysis, and large when focusing on rapidity of the inspection target image analysis.

일 실시예에 있어서, 검사 대상 이미지 상에서 x축 방향으로의 윈도우 쉬프트 값은 윈도우의 x축 방향의 길이 값 내에서 설정하고, y축 방향으로의 윈도우 쉬프트 값은 윈도우의 y축 방향의 길이 값 내에서 설정할 수 있다.In one embodiment, the window shift value in the x-axis direction on the inspection target image is set within the length value in the x-axis direction of the window, and the window shift value in the y-axis direction is within the length value in the y-axis direction of the window. Can be set at

다음으로, S910에서 결정된 크기의 윈도우를 검사 대상 이미지상에서 S910에서 결정된 쉬프트 값만큼 이동시켜가면서 윈도우에 의해 특정되는 각 영역을 제1 서브 이미지로 획득한다(S920).Next, while moving the window of the size determined in S910 by the shift value determined in S910 on the inspection target image, each area specified by the window is obtained as the first sub-image (S920).

다음으로, 각각의 제1 서브 이미지를 처리할 복수개의 단위 처리부의 자원 사용률이 낮은 순서에 따라 상기 제1 서브 이미지들을 단위 처리부에 할당한다(S930). 이때, 비교 대상이 되는 질병 이미지 또는 질병 이미지의 식별번호를 제1 서브 이미지와 함께 단위 처리부에 할당할 수 있다.Next, the first sub-images are allocated to the unit processor according to the order in which resource utilization rates of the plurality of unit processors to process each first sub image are low (S930). In this case, an identification number of the disease image or the disease image to be compared may be assigned to the unit processing unit together with the first sub-image.

일 실시예에 있어서, 각 단위 처리부를 모니터링하여 단위 처리부들 중 현재 제1 서브 이미지를 분석하고 있지 않은 단위 처리부에게 제1 서브 이미지를 우선하여 할당하거나, 단위 처리부들 중 CPU 사용률이 낮은 단위 처리부들에게 제1 서브 이미지를 우선하여 할당할 수 있다.According to an embodiment, each unit processing unit may be monitored to allocate a first sub image to a unit processing unit that is not currently analyzing the first sub image among the unit processing units, or the unit processing units having low CPU utilization among the unit processing units. The first sub image may be assigned to the first.

한편, S930에서 질병 이미지 또는 질병 이미지의 식별번호의 경우 비교 대상이 되는 질병 이미지가 변경되는 경우에만 전송할 수 있다.Meanwhile, in the case of S930, the identification number of the disease image or the disease image may be transmitted only when the disease image to be compared is changed.

다음으로, 각 단위 처리부들이 자신에게 할당된 제1 서브 이미지와 질병 이미지간의 유사 여부를 예비적으로 판단한다(S940).Next, each unit processing unit preliminarily determines whether or not the similarity between the first sub-image assigned to it and the disease image (S940).

일 실시예에 있어서, 비교 대상이 되는 2개의 이미지 내에서 동일한 모양이 서로 다른 위치에 포함되어 있더라도 해당 이미지들을 유사한 것으로 판단할 수 있도록, 비교 대상이 되는 각각의 이미지에서 복수개의 소정 영역을 결정하고, 결정된 소정 영역들 중 일부 영역에 대한 RGB값, 영역의 크기, 및 영역의 유형 등을 해당 이미지의 특성값으로 사용하여 이미지의 유사여부를 판단한다.In one embodiment, a plurality of predetermined areas are determined in each of the images to be compared so that the images may be determined to be similar even though the same shape is included in different positions within the two images to be compared. The similarity of the image is determined by using the RGB value, the size of the region, the type of the region, and the like of the predetermined regions among the determined regions.

즉, 제1 서브 이미지에서 결정된 소정 영역들 중 일부 영역들에 대한 특성값과 질병 이미지에서 결정된 소정 영역들 중 일부 영역들에 대한 특성값을 서로 비교하여 제1 서브 이미지와 질병 이미지의 유사 여부를 결정하는 것이다.That is, by comparing the characteristic values of some regions of the predetermined regions determined in the first sub-image with the characteristic values of some regions of the predetermined regions determined in the disease image, whether the first sub-image and the disease image are similar or not. To decide.

이와 같이, 제1 서브 이미지 및 질병 이미지에서 결정된 모든 영역이 아닌 일부 영역들에 대한 특성값을 이용하여 유사 여부를 판단하는 것은 유사 여부 판단을 위한 연산량을 감소시키기 위한 것이다.As described above, determining similarity using the characteristic values of some regions other than all regions determined in the first sub image and the disease image is to reduce the amount of computation for similarity determination.

구체적으로, 제1 서브 이미지 및 질병 이미지 상에서 미리 정해진 크기의 영역 내에 속하는 픽셀들의 RGB 히스토그램을 산출하고, 상기 영역들 중 일부 영역에서 산출된 RGB 히스토그램을 상기 일부 영역들에 속하는 픽셀의 수로 나누어 제1 서브 이미지의 RGB 값과 질병 이미지의 RGB 값을 각각 산출한다.Specifically, an RGB histogram of pixels belonging to a region of a predetermined size is calculated on the first sub-image and the disease image, and the RGB histogram calculated in some of the regions is divided by the number of pixels belonging to the partial regions. The RGB value of the sub image and the RGB value of the disease image are respectively calculated.

산출된 제1 서브 이미지의 RGB값과 질병 이미지의 RGB값의 차이가 미리 정해진 기준치 이내인 경우 제1 서브 이미지와 질병 이미지가 유사한 것으로 판단할 수 있다.When the difference between the calculated RGB value of the first sub-image and the RGB value of the disease image is within a predetermined reference value, it may be determined that the first sub-image and the disease image are similar.

한편, 소정 영역의 유형은 해당 영역이 혈관에 해당하는 영역을 나타내는 유형, 심장에 해당하는 영역을 나타내는 유형, 및 안구에 해당하는 영역을 나타내는 유형 중 적어도 하나를 포함할 수 있다.Meanwhile, the type of the predetermined region may include at least one of a type representing a region corresponding to a blood vessel, a type representing a region corresponding to a heart, and a type representing a region corresponding to an eyeball.

판단결과, 제1 서브 이미지들 중 질병 이미지와 유사한 제1 서브 이미지가 존재하면, 제1 서브 이미지들 중 질병 이미지와 유사한 것으로 판단되는 제2 서브 이미지들을 선택하고(S950), 제2 서브 이미지들을 단위 처리부의 자원 사용률이 낮은 순서에 따라 각 단위 처리부에 할당한다(S960).As a result of the determination, when there is a first sub image similar to the disease image among the first sub images, second sub images determined to be similar to the disease image among the first sub images are selected (S950), and the second sub images are selected. The unit processing unit allocates to each unit processing unit in the order of low resource usage rate (S960).

일 실시예에 있어서, 현재 제2 서브 이미지를 분석하고 있지 않은 단위 처리부에게 제2 서브 이미지를 우선하여 할당하거나, CPU 사용률이 낮은 단위 처리부들에게 제2 서브 이미지를 우선하여 할당할 수 있다.According to an embodiment, the second sub image may be allocated to the unit processor that is not currently analyzing the second sub image preferentially, or the second sub image may be preferentially allocated to the unit processor having low CPU utilization.

다음으로, 각 단위 처리부들이 자신에게 할당된 제2 서브 이미지와 질병 이미지간의 유사 여부를 정밀하게 판단한다(S970).Next, each unit processing unit accurately determines whether the similarity between the second sub-image assigned to them and the disease image (S970).

일 실시예에 있어서, 비교 대상이 되는 2개의 이미지 내에서 동일한 모양이 서로 다른 위치에 포함되어 있더라도 해당 이미지들을 유사한 것으로 판단할 수 있도록, 비교 대상이 되는 각각의 이미지에서 복수개의 소정 영역을 결정하고, 결정된 모든 소정 영역들에 대한 RGB값, 영역의 크기, 및 영역의 유형 등을 해당 이미지의 특성값으로 사용하여 이미지의 유사여부를 판단한다.In one embodiment, a plurality of predetermined areas are determined in each of the images to be compared so that the images may be determined to be similar even though the same shape is included in different positions within the two images to be compared. Then, whether the image is similar or not is determined using the RGB values, the size of the area, the type of the area, and the like for all the predetermined areas as the characteristic values of the corresponding image.

즉, 제2 서브 이미지에서 결정된 모든 소정 영역들에 대한 특성값과 질병 이미지에서 결정된 모든 소정 영역들에 대한 특성값을 서로 비교하여 제2 서브 이미지와 질병 이미지의 유사 여부를 결정하는 것이다.That is, by comparing the feature values of all the predetermined areas determined in the second sub-image and the feature values of all the predetermined areas determined in the disease image, it is determined whether the second sub-image and the disease image are similar.

이와 같이, 제2 서브 이미지 및 질병 이미지에서 결정된 모든 영역에 대한 특성값을 이용하여 유사 여부를 판단하는 것은 제2 서브 이미지와 질병 이미지 간의 유사 여부를 보다 정밀하게 판단하기 위한 것이다.As described above, determining similarity using the characteristic values of all regions determined in the second sub-image and the disease image is to more accurately determine whether the similarity between the second sub-image and the disease image.

구체적으로, 제2 서브 이미지 및 질병 이미지 상에서 미리 정해진 크기의 영역 내에 속하는 픽셀들의 RGB 히스토그램을 각각 산출하고, 각 영역에 대해 산출된 모든 RGB 히스토그램을 상기 각 영역에 속하는 모든 픽셀들의 수로 나누어 제1 서브 이미지의 RGB 값 및 질병 이미지의 RGB 값을 산출한다.Specifically, RGB histograms of pixels belonging to regions of a predetermined size on the second sub image and the disease image are respectively calculated, and all RGB histograms calculated for each region are divided by the number of all pixels belonging to the respective regions. The RGB value of the image and the RGB value of the disease image are calculated.

산출된 제2 서브 이미지의 RGB값과 질병 이미지의 RGB값의 차이가 미리 정해진 기준치 이내인 경우 제2 서브 이미지와 질병 이미지가 유사한 것으로 판단할 수 있다.When the difference between the calculated RGB value of the second sub image and the RGB value of the disease image is within a predetermined reference value, it may be determined that the second sub image and the disease image are similar.

판단결과, 제2 서브 이미지들 중 질병 이미지와 유사한 제2 서브 이미지가 존재하면, 질병 이미지와 유사한 것으로 판단된 제2 서브 이미지들을 단위 처리부의 자원 사용률이 낮은 순서에 따라 각 단위 처리부에 재할당한다(S980). 일 실시예에 있어서, 현재 제2 서브 이미지를 분석하고 있지 않은 단위 처리부에게 제2 서브 이미지를 우선하여 재할당하거나, CPU 사용률이 낮은 단위 처리부들에게 제2 서브 이미지를 우선하여 재할당할 수 있다.As a result of the determination, when there is a second sub image similar to the disease image among the second sub images, the second sub images determined to be similar to the disease image are reassigned to each unit processing unit in a descending order of resource utilization of the unit processing unit. (S980). According to an embodiment, the second sub image may be reassigned preferentially to the unit processor that is not currently analyzing the second sub image, or the second sub image may be preferentially reassigned to the unit processor having low CPU utilization. .

다음으로, 단위 처리부 별로 재할당된 제2 서브 이미지에 포함된 패턴과 질병 이미지에 포함된 패턴의 유사 여부를 비교하여 제2 서브 이미지와 질병 이미지의 유사 여부를 판단한다(S990).Next, the similarity between the pattern included in the second sub-image reassigned by the unit processing unit and the pattern included in the disease image is compared to determine whether the second sub-image and the disease image are similar (S990).

이와 같이, 본 발명이 제2 서브 이미지와 질병 이미지의 유사 여부를 다시 판단하는 것은 분석의 정확성을 향상시키기 위한 것이므로, 검사의 신속성이 요구되는 경우 제2 서브 이미지와 질병 이미지의 유사 여부를 재판단하기 위한 과정인 S980 및 S990은 생략될 수 있다.As described above, since the present invention re-determines whether the second sub image and the disease image are similar to each other to improve the accuracy of the analysis, the judging panel may determine whether the second sub image and the disease image are similar when the promptness of the test is required. Processes S980 and S990 may be omitted.

다음으로, 유사 여부 판단에 따라 검사 대상 이미지에 대한 진단 결과를 생성하여 제공한다(S1000). 일 실시예에 있어서, 검사 대상 이미지에 대한 진단 결과는, 검사 대상 이미지 상에서 질병 이미지와 유사한 것으로 판단된 제2 서브 이미지에 상응하는 영역을 마킹 함으로써 생성할 수 있다.Next, the diagnostic result for the inspection target image is generated and provided according to the similarity determination (S1000). In an embodiment, the diagnosis result for the test subject image may be generated by marking an area corresponding to the second sub image determined to be similar to the disease image on the test subject image.

한편, 본 발명의 경우 상술한 S930 내지 S1000의 과정들을 질병 이미지들이 저장되어 있는 데이터베이스 내의 모든 질병 이미지들에 반복하여 수행함으로써, 하나의 검사 대상 이미지에 대한 모든 질병의 유무를 진단하게 된다.Meanwhile, in the case of the present invention, by repeatedly performing the above-described processes of S930 to S1000 on all disease images in a database in which disease images are stored, it is possible to diagnose the presence or absence of all diseases for one test target image.

상술한 분산 처리 기반의 질병 진단 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터로 판독 가능한 기록 매체에 기록될 수 있다. 이때, 컴퓨터로 판독 가능한 기록매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 한편, 기록매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.The above-described distributed processing-based disease diagnosis method may be implemented in the form of program instructions that can be executed by various computer means, and recorded in a computer-readable recording medium. In this case, the computer-readable recording medium may include program instructions, data files, data structures, and the like, alone or in combination. On the other hand, the program instructions recorded on the recording medium may be those specially designed and configured for the present invention or may be available to those skilled in the art of computer software.

한편, 본 발명이 속하는 기술분야의 당업자는 상술한 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다.It will be understood by those skilled in the art that the present invention may be embodied in other specific forms without departing from the spirit or essential characteristics thereof.

그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.Therefore, it is to be understood that the embodiments described above are exemplary in all respects and not restrictive. The scope of the present invention is defined by the appended claims rather than the detailed description and all changes or modifications derived from the meaning and scope of the claims and their equivalents are to be construed as being included within the scope of the present invention do.

200: 분산 처리 기반의 질병 진단 시스템 210a~210n: 단말 처리 장치
220: 네트워크 230: 질병 진단 장치
410: 분석서버 420: 분산 처리 서버
430a~430n: 단위 처리부200: disease processing system based on distributed processing 210a to 210n: terminal processing device
220: network 230: disease diagnosis device
410: analysis server 420: distributed processing server
430a-430n: unit processing unit

Claims

It is determined whether the first sub-images assigned to the user and one or more disease images are similar among the plurality of first sub-images obtained from the inspection target image, and the plurality of second sub-images selected from the plurality of first sub-images. A plurality of unit processing unit for determining whether or not the similarity between the second sub-image assigned to them among the disease image;
A distributed processing server for allocating at least one or more sub-images of the first sub-image and the second sub-image to the unit processor according to the order of the low resource utilization rate of each unit processor; And
A disease diagnosis apparatus including the analysis server configured to provide the test target image to the distributed processing server and provide a diagnosis result of the test target image according to a determination of whether the second sub image is similar to the disease image. A disease treatment system based on distributed processing.

The method of claim 1, wherein the analysis server,
A diagnosis result generator configured to generate the diagnosis result by marking a region corresponding to the second sub-image determined to be similar to the disease image on the test target image; And
Distributed processing-based disease diagnosis system characterized in that it comprises a window size adjusting unit for determining the size of the window and the window shift value for obtaining the first sub-image from the inspection target image to provide to the distributed processing server .

The method of claim 1, wherein the distributed processing server,
A first sub image obtaining unit which acquires an image region specified by the window as the first sub image while shifting a window having a predetermined size on the inspection target image;
A resource monitoring unit for monitoring resource utilization of each unit processing unit at predetermined time intervals; And
And a first sub-image allocator for allocating the first sub-images to the unit-processing unit in the order of low resource utilization rate of the unit-processing unit.

The method of claim 1, wherein the unit processing unit,
The plurality of predetermined regions are determined in the first sub-image and the disease image, and the disease image and the first image are determined using at least one of an RGB value, a size of the region, and a type of the region of the determined predetermined regions. A first similarity determination unit determining whether or not the sub-images are similar; And
Determining a plurality of predetermined regions in the second sub-image and the disease image, and using the at least one of the RGB values for the determined predetermined regions, the size of the region, and the type of the region, the similarity between the disease image and the sub-image And a second similarity determining unit determining whether or not there is.

The method of claim 4, wherein the first and second similarity determination unit,
An RGB value calculator configured to calculate a first RGB value for the first or second sub-image and a second RGB value for the disease image; And
And a first comparison unit comparing the difference between the first RGB value and the second RGB value and determining that the first or second sub-image is similar to the disease image when the difference is within a predetermined reference value. Distributed treatment based disease diagnosis system.

The method of claim 1, wherein the unit processing unit,
A pattern extractor configured to extract a pattern included in the reassigned second sub image when the second sub image is reassigned by the distributed processing server; And
And a third similarity determining unit including a second comparing unit to determine that the second sub-image and the disease image are similar when the extracted pattern and the pattern extracted from the disease image are compared with each other. A distributed treatment based disease diagnosis system.

The method of claim 1, wherein the unit processing unit,
And a disease image extracting unit for receiving identification information of the disease image from the distributed processing server and extracting a disease image corresponding to the identification information of the disease image from a database.

According to claim 1, The distributed treatment-based disease diagnosis system,
And a terminal processing apparatus connected to the disease diagnosis apparatus through a network to photograph the test target image and provide the test target image to the disease diagnosis apparatus, and receive and output a disease presence result for the test target image provided from the disease diagnosis apparatus. A disease treatment system based on distributed processing.

According to the disease diagnosis method based on the distributed processing using the disease diagnosis device,
Determining whether the first sub-image allocated to each unit processor among the plurality of first sub-images obtained from the inspection target image is similar to the one or more disease images;
Selecting second sub-images among the first sub-images that are determined to be similar to the disease image;
Determining whether the second sub-image allocated to each unit processor among the second sub-images is similar to the disease image; And
And providing a diagnosis result for the test target image according to the similarity determination.

10. The method of claim 9,
The first and second sub-images are distributed to the unit processing unit, characterized in that allocated to the unit processing unit in the order of low resource usage rate of the unit processing unit.

10. The method of claim 9,
The similarity between the first sub-image and the disease image may include at least one of an RGB value, a size of an area, and a type of an area of some predetermined areas among the plurality of predetermined areas respectively determined in the first sub-image and the disease image. Compare and judge each other,
The similarity between the second sub-image and the disease image may be determined by comparing at least one of RGB values, sizes of regions, and types of regions for all predetermined regions respectively determined in the second sub-image and the disease image. A disease treatment method based on distributed treatment, characterized in that.

The method of claim 11, wherein in the similarity determination step,
Dispersion processing, characterized in that the first or second sub-image and the disease image is determined to be similar when the difference between the RGB value of the first or second sub-image and the RGB value of the disease image is within a predetermined reference value. Based disease diagnosis method.

10. The method of claim 9,
And obtaining each area specified by the window as a first sub-image while shifting a window having a predetermined size by a predetermined value on the inspection target image.

10. The method of claim 9, wherein
Reassigning the second sub-images determined to be similar to the disease image among the second sub-images to the unit processing unit in a descending order of resource utilization of the unit processing unit; And
Determining whether the second sub-image is similar to the disease image by comparing the pattern included in the reassigned second sub-image with the pattern included in the at least one disease image for each unit processing unit. Distributed treatment-based disease diagnosis method comprising a.

10. The method of claim 9,
The diagnosis result of the test subject image is generated by marking a region corresponding to the second sub-image determined to be similar to the disease image on the test subject image.

A computer-readable recording medium for performing the method of any one of claims 9 to 15.