KR101716039B1 - 의료 영상 기반의 질환 진단 정보 산출 방법 및 장치 - Google Patents
의료 영상 기반의 질환 진단 정보 산출 방법 및 장치 Download PDFInfo
- Publication number
- KR101716039B1 KR101716039B1 KR1020150111794A KR20150111794A KR101716039B1 KR 101716039 B1 KR101716039 B1 KR 101716039B1 KR 1020150111794 A KR1020150111794 A KR 1020150111794A KR 20150111794 A KR20150111794 A KR 20150111794A KR 101716039 B1 KR101716039 B1 KR 101716039B1
- Authority
- KR
- South Korea
- Prior art keywords
- variation coefficient
- image
- disease
- interest
- region
- Prior art date
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 title claims abstract description 19
- 206010025482 malaise Diseases 0.000 title 1
- 201000010099 disease Diseases 0.000 claims abstract description 112
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 112
- 238000004364 calculation method Methods 0.000 claims abstract description 15
- 238000004458 analytical method Methods 0.000 claims abstract description 6
- 238000007726 management method Methods 0.000 claims description 6
- 238000012285 ultrasound imaging Methods 0.000 abstract description 7
- 210000004185 liver Anatomy 0.000 description 18
- 238000002595 magnetic resonance imaging Methods 0.000 description 17
- 210000001519 tissue Anatomy 0.000 description 16
- 208000019425 cirrhosis of liver Diseases 0.000 description 15
- 206010016654 Fibrosis Diseases 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 210000004204 blood vessel Anatomy 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000004761 fibrosis Effects 0.000 description 4
- 201000007270 liver cancer Diseases 0.000 description 4
- 208000019423 liver disease Diseases 0.000 description 4
- 208000014018 liver neoplasm Diseases 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 208000006454 hepatitis Diseases 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- KIUKXJAPPMFGSW-DNGZLQJQSA-N (2S,3S,4S,5R,6R)-6-[(2S,3R,4R,5S,6R)-3-Acetamido-2-[(2S,3S,4R,5R,6R)-6-[(2R,3R,4R,5S,6R)-3-acetamido-2,5-dihydroxy-6-(hydroxymethyl)oxan-4-yl]oxy-2-carboxy-4,5-dihydroxyoxan-3-yl]oxy-5-hydroxy-6-(hydroxymethyl)oxan-4-yl]oxy-3,4,5-trihydroxyoxane-2-carboxylic acid Chemical compound CC(=O)N[C@H]1[C@H](O)O[C@H](CO)[C@@H](O)[C@@H]1O[C@H]1[C@H](O)[C@@H](O)[C@H](O[C@H]2[C@@H]([C@@H](O[C@H]3[C@@H]([C@@H](O)[C@H](O)[C@H](O3)C(O)=O)O)[C@H](O)[C@@H](CO)O2)NC(C)=O)[C@@H](C(O)=O)O1 KIUKXJAPPMFGSW-DNGZLQJQSA-N 0.000 description 2
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- 102000005353 Tissue Inhibitor of Metalloproteinase-1 Human genes 0.000 description 2
- 108010031374 Tissue Inhibitor of Metalloproteinase-1 Proteins 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 231100000283 hepatitis Toxicity 0.000 description 2
- 229920002674 hyaluronan Polymers 0.000 description 2
- 229960003160 hyaluronic acid Drugs 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 210000003734 kidney Anatomy 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- 208000009304 Acute Kidney Injury Diseases 0.000 description 1
- 241000894006 Bacteria Species 0.000 description 1
- 201000006935 Becker muscular dystrophy Diseases 0.000 description 1
- 208000037663 Best vitelliform macular dystrophy Diseases 0.000 description 1
- 206010008909 Chronic Hepatitis Diseases 0.000 description 1
- 102000001187 Collagen Type III Human genes 0.000 description 1
- 108010069502 Collagen Type III Proteins 0.000 description 1
- 206010018367 Glomerulonephritis chronic Diseases 0.000 description 1
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 206010057249 Phagocytosis Diseases 0.000 description 1
- 208000001647 Renal Insufficiency Diseases 0.000 description 1
- 208000033626 Renal failure acute Diseases 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 201000011040 acute kidney failure Diseases 0.000 description 1
- 208000012998 acute renal failure Diseases 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 210000000746 body region Anatomy 0.000 description 1
- 208000020832 chronic kidney disease Diseases 0.000 description 1
- 208000022831 chronic renal failure syndrome Diseases 0.000 description 1
- 230000007882 cirrhosis Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 230000003176 fibrotic effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 210000002767 hepatic artery Anatomy 0.000 description 1
- 206010073071 hepatocellular carcinoma Diseases 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 210000000936 intestine Anatomy 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 201000006370 kidney failure Diseases 0.000 description 1
- 210000005228 liver tissue Anatomy 0.000 description 1
- 239000002207 metabolite Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 230000008782 phagocytosis Effects 0.000 description 1
- 210000003240 portal vein Anatomy 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 239000003053 toxin Substances 0.000 description 1
- 231100000765 toxin Toxicity 0.000 description 1
- 108700012359 toxins Proteins 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 208000020938 vitelliform macular dystrophy 2 Diseases 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/42—Detecting, measuring or recording for evaluating the gastrointestinal, the endocrine or the exocrine systems
- A61B5/4222—Evaluating particular parts, e.g. particular organs
- A61B5/4244—Evaluating particular parts, e.g. particular organs liver
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
- A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
-
- G06F19/321—
-
- G06F19/3431—
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Public Health (AREA)
- Radiology & Medical Imaging (AREA)
- Physiology (AREA)
- High Energy & Nuclear Physics (AREA)
- Gastroenterology & Hepatology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Endocrinology (AREA)
- Optics & Photonics (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
본 발명은 CT, MRI, 초음파 영상 촬영 장치를 통해 획득된 의료 영상을 활용하여 환자의 질환 정도를 간단하게 진단할 수 있도록 하는 새로운 방식의 의료 영상 기반의 질환 진단 정보 산출 방법 및 장치에 관한 것으로,
상기 방법은 의료 영상에서 분석 대상 객체가 촬영된 관심 영역을 검출하는 단계; 상기 관심 영역내 픽셀값들을 기반으로 변동계수를 산출하는 단계; 상기 변동계수를 상기 관심 영역내 픽셀값으로 각각 나눈 후 결과 값을 수집함으로써 변동계수 이미지를 작성하는 단계; 및 인체 조직 및 질환 정도 각각에 대응되는 변동계수 이미지 샘플들로 구성되는 질환 진단 기준을 기반으로, 상기 변동계수 이미지를 분석하여 질환 정도를 예측하고 질환 진단 정보를 산출 및 출력하는 단계를 포함할 수 있다.
상기 방법은 의료 영상에서 분석 대상 객체가 촬영된 관심 영역을 검출하는 단계; 상기 관심 영역내 픽셀값들을 기반으로 변동계수를 산출하는 단계; 상기 변동계수를 상기 관심 영역내 픽셀값으로 각각 나눈 후 결과 값을 수집함으로써 변동계수 이미지를 작성하는 단계; 및 인체 조직 및 질환 정도 각각에 대응되는 변동계수 이미지 샘플들로 구성되는 질환 진단 기준을 기반으로, 상기 변동계수 이미지를 분석하여 질환 정도를 예측하고 질환 진단 정보를 산출 및 출력하는 단계를 포함할 수 있다.
Description
본 발명은 CT(Computerized Tomography) 및 MRI(Magnetic Resonance Imaging) 중 적어도 하나를 통해 환자의 특정 신체 부위를 촬영한 의료 영상을 기반으로 환자의 질환 정도를 간단하게 진단할 수 있도록 하는 의료 영상 기반의 질환 진단 정보 산출 방법 및 장치에 관한 것이다.
간에는 풍부한 혈관 분포되어 있으며, 간에 직접적으로 영양을 공급하기 위한 큰 혈관들이 존재한다. 간동맥은 산소가 풍부한 혈액을 공급하는 혈관으로서 전신 혈류량의 1/4 정도가 간을 거쳐 순환된다. 또한 간문맥은 장으로부터 영양분이 풍부한 혈액을 공급하는 역할을 한다. 간은 섭취한 음식물을 신체에 필요한 에너지원으로 공급, 저장하는 역할을 하며, 단백질을 합성하고, 단백질의 대사산물인 암모니아를 배출하여 체내 독소가 쌓이지 않도록 한다. 또한 간에 존재하는 쿠퍼세포는 식균작용을 통해 체내 세균증식을 억제함으로써 인체의 방어선 역할을 하는 등 간은 많게는 수백가지 작용을 하는 중요한 장기 중의 하나이다.
이러한 간은 잦은 음주 또는 바이러스 침범 등의 요인에 의해 반복적으로 손상되는 경우, 해당 자리가 딱딱하게 굳어 섬유화되는 특징이 있다. 간경화나 간경변은 이러한 섬유화가 진행되면서 생기는 간 질환이며, 간염이 반복적으로 재발하다 만성간염에 이르면 수년내에 간경화로 발전하고 간암에까지 이르게 된다.
이에 간 섬유화 지수는 환자들의 간 건강 상태를 파악할 수 있는 중요한 지수로 활용되고 있으며, 현재에는 ELF(Enhanced Liver Fibrosis) 검사 장치 및 간 섬유화 스캔 장치 등으로 이를 확인할 수 있도록 한다.
ELF 검사 장치는 환자의 혈청을 이용해 세포외기질 (ECM : extracellular matrix)의 구성 성분인 hyaluronic acid (HA), aminoterminal propeptide of type III procollagen), tissue inhibitor of metalloproteinase 1 (TIMP-1)을 측정 및 분석하여 간 섬유화 정도를 측정하도록 하는 장치이다.
간 섬유화 스캔 장치는 진동자와 초음파변환기로 이루어진 탐촉자를 간 부위의 갈비뼈 사이에 대고 진동을 주어 측정하며, 탄력 파동의 속도를 측정함으로서 간섬유화의 정도를 파악하도록 하는 장치이다.
한편, 의료진은 CT 또는 MRI의 영상 촬영 장치를 통해 획득된 환자 간 영상을 육안으로 확인한 후, 간 질환이 의심되는 경우에 한해 ELF 검사 장치와 간 섬유화 스캔 장치 등을 통해 간 섬유화 정도를 추가 확인하여 환자의 질환 정도를 최종 진단하도록 한다.
즉, 종래에는 환자의 간 건강을 정확하게 확인하기 위해서는 CT, MRI 및 초음파 영상 촬영 장치 등을 이용한 영상 분석 과정과 ELF 검사 장치와 간 섬유화 스캔 장치 등을 이용한 간 섬유화 정도 확인 과정을 중복 수행해야 함으로써, 환자의 질환 정도를 진단하기 위해 소요되는 비용과 시간이 불필요하게 증가되는 단점이 있다.
이에 본 발명에서는 CT, MRI 및 초음파 영상 촬영 장치 등을 통해 획득된 의료 영상을 활용하여 환자의 질환 정도를 간단하게 진단할 수 있도록 하는 새로운 방식의 의료 영상 기반의 질환 진단 정보 산출 방법 및 장치를 제공하고자 한다.
본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 본 발명이 속하는 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
상기 과제를 해결하기 위한 수단으로서, 본 발명의 일 실시 형태에 따르면, 의료 영상에서 분석 대상 객체가 촬영된 관심 영역을 검출하는 단계; 상기 관심 영역내 픽셀 값을 기반으로 변동계수를 산출하는 단계; 상기 변동계수를 상기 관심 영역내 픽셀 값으로 각각 나눈 후 결과 값을 수집함으로써 변동계수 이미지를 작성하는 단계; 및 인체 조직 및 질환 정도 각각에 대응되는 변동계수 이미지 샘플들로 구성되는 질환 진단 기준을 기반으로, 상기 변동계수 이미지를 분석하여 질환 정도를 예측하고 질환 진단 정보를 산출 및 출력하는 단계를 포함하는 의료 영상 기반의 질환 진단 정보 산출 방법을 제공할 수 있다.
상기 변동계수를 산출하는 단계는 상기 관심 영역내 픽셀 값들을 기반으로 상기 관심 영역의 표준 편차를 획득하고, 상기 표준 편차를 상기 관심 영역내 픽셀 값 평균으로 나눈 후 백분율로 표현함으로써, 상기 변동계수를 획득할 수 있다.
상기 질환 진단 정보를 산출 및 출력하는 단계는 상기 분석 대상 객체에 대응되는 변동계수 이미지 샘플들을 획득한 후 상기 변동계수 이미지를 비교 분석하고, 상기 변동계수 이미지와 가장 일치도가 높은 변동계수 이미지 샘플에 대응되는 질환 정도를 환자의 질환 정도로 예측할 수 있다.
상기 변동계수 이미지 샘플들은 의료진 또는 장치 관리자에 의해 수동 설정된 고정 값일 수 있다.
상기 변동계수 이미지 샘플들은 의료진의 진단 결과를 수집한 빅데이터로부터 자동 산출 또는 업데이트되는 값일 수 있다.
상기 과제를 해결하기 위한 수단으로서, 본 발명의 다른 실시 형태에 따르면, 의료 영상에서 분석 대상 객체가 촬영된 관심 영역을 검출하는 관심 영역 설정부; 상기 관심 영역내 픽셀값들을 기반으로 변동계수를 산출하는 변동계수 산출부; 상기 변동계수를 상기 관심 영역내 픽셀값으로 각각 나눈 후 결과 값을 수집함으로써 변동계수 이미지를 작성하는 변동계수 이미지 작성부; 및 인체 조직 및 질환 정도 각각에 대응되는 변동계수 이미지 샘플들로 구성되는 질환 진단 기준을 기반으로, 상기 변동계수 이미지를 분석하여 질환 정도를 예측하고 질환 진단 정보를 산출 및 출력하는 질환 진단부를 포함하는 의료 영상 기반의 질환 진단 정보 산출 장치를 제공한다.
상기 장치는 다수의 환자의 의료 정보가 수집된 빅데이터를 기반으로 상기 변동계수 이미지 샘플들을 자동 산출 또는 업데이트하는 질환 진단 기준 관리부를 더 포함할 수 있다.
이와 같이 본 발명은 CT, MRI 및 초음파 영상 촬영 장치 등을 통해 획득된 의료 영상을 활용하여 환자의 질환 정도를 간단하게 진단할 수 있도록 함으로써, CT 또는 MRI 영상 촬영을 진행함과 동시에 관심 대상의 질환 정도를 즉각 파악할 수도 있도록 해준다.
또한, ELF 검사 장치와 간 섬유화 스캔 장치 등과 같은 별도의 의료 장치 없이도, 환자의 질환 정도를 진단할 수 있어 환자 질환 정도를 진단하기 위해 소요되는 비용과 시간이 획기적으로 감소될 수 있도록 한다.
도1은 간 질환 정도에 따라 변화되는 의료 영상의 균일성을 설명하기 위한 도면이다.
도2는 본 발명의 일 실시예에 따른 의료 영상 기반의 질환 진단 정보 산출 방법을 설명하기 위한 도면이다.
도3은 본 발명의 일 실시예 따른 질환 진단 기준 관리 방법을 설명하기 위한 도면이다.
도4는 본 발명의 의료 영상의 균일성을 기반으로 한 질환 진단 정보 산출 장치를 설명하기 위한 도면이다.
도2는 본 발명의 일 실시예에 따른 의료 영상 기반의 질환 진단 정보 산출 방법을 설명하기 위한 도면이다.
도3은 본 발명의 일 실시예 따른 질환 진단 기준 관리 방법을 설명하기 위한 도면이다.
도4는 본 발명의 의료 영상의 균일성을 기반으로 한 질환 진단 정보 산출 장치를 설명하기 위한 도면이다.
본 발명의 목적 및 효과, 그리고 그것들을 달성하기 위한 기술적 구성들은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 본 발명을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다.
그리고 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다.
그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있다. 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
이하에서는 본 발명의 이해를 돕기 위해, 도1을 참고하여 간 질환 정도에 따라 변화되는 의료 영상의 균일성에 대해 우선 설명하기로 한다.
도1의 (a)는 정상인의 간 MRI 영상이고, (b)는 간암 환자의 간 MRI 영상으로, 이들 도면을 참고하면 간암 환자의 간은 정상인의 간 보다 높은 영상 균일성을 가짐을 알 수 있다.
CT 장치는 엑스선(또는 초음파)을 여러 각도에서 인체에 투영하고 이를 컴퓨터로 재구성하여 인체 내부 단면의 모습을 화상으로 처리하여 의료 영상을 획득하도록 하고, MRI 장치는 자기장을 발생하는 커다란 자석통 속에 인체를 들어가게 한 후 고주파를 발생시켜 신체부위에 있는 수소원자핵을 공명시켜 각 조직에서 나오는 신호의 차이를 측정하여 컴퓨터를 통해 재구성하여 의료 영상을 획득하도록 한다.
이에 CT 장치와 MRI 장치는 섬유화가 진행된 인체 조직에 대해 낮은 엑스선 및 자기장의 투영도를 가지고, 이에 따라 섬유화가 진행된 영역에 존재하는 혈관 등은 제대로 촬영되지 못해 해당 조직의 픽셀값이 균일해 보이는 현상이 발생하게 된다.
본 발명에서는 이러한 현상을 이용하여 인체 조직의 섬유화 정도, 더 나아가 해당 조직의 질환 정도를 예측 및 진단할 수 있도록 하고자 한다.
상기의 설명에서는 간 조직을 일예로 들어 설명하나, 이러한 섬유화 현상은 간 이외의 여러 인체 조직에 대해서도 공통적으로 일어나는 현상이므로, 간 이외의 인체 조직에 대해서도 이와 동일한 방식으로 질환 진단 정보를 예측 및 진단할 수 도 있음은 물론 당연할 것이다.
도2는 본 발명의 일 실시예에 따른 의료 영상 기반의 질환 진단 정보 산출 방법을 설명하기 위한 도면이다.
도2를 참고하면, 본 발명의 환자 상태 질환 진단 정보 산출 방법은 의료 영상 전처리 단계(S10), 관심 영역 설정 단계(S20), 변동계수 작성 단계(S30), 변동계수 이미지 작성 단계(S40) 및 질환 진단 정보 산출 단계(S50)등을 포함할 수 있다.
먼저, 의료 영상 전처리 단계(S10)에서는, CT, MRI, 및 초음파 영상 촬영 장치 중 적어도 하나를 통해 획득된 의료 영상에 대한 노이즈 제거, 영상 품질 향상, 및 편이 보정(Bias Correction) 등의 전처리 작업을 수행하도록 한다. 즉,CT, MRI, 및 초음파 영상 촬영 장치 중 하나를 통해 획득된 의료 영상을 영상 분석에 적합한 상태로 변환하도록 한다.
관심 영역 설정 단계(S20)에서는, 의료 영상의 전체 영역 중에서 분석 대상 객체(예를 들어, 간)이 촬영된 영역을 검출하고, 이를 관심 영역(ROI:Region of Interest)으로 설정하도록 한다.
본 발명의 관심 영역 설정 동작은 의료진이 의료 영상내 특정 영역을 직접 선택하는 수동 방식으로 진행될 수 있으며, 관심 영역의 모양은 의료진의 요청하에 여러 가지 형태로 변경될 수 있을 것이다.
또한, 경우에 따라서는 관심 영역 설정 동작이 기존의 다양한 영역 검출 알고리즘을 통해 자동 수행될 수도 있을 것이다. 즉, 관심 영역 검출 조건(즉, 관심 영역의 형상 정보 및 픽셀값 정보 등)을 사전에 정의 및 등록한 후, 영역 검출 알고리즘이 이를 기반으로 의료 영상내 관심 영역을 자동 검출하는 방식으로 수행될 수도 있을 것이다.
변동계수 작성 단계(S30)에서는, 관심 영역내 픽셀들을 파악한 후 해당 픽셀들의 픽셀값들을 기반으로 관심 영역의 표준 편차(s)를 획득한다. 그리고 관심 영역의 표준 편차(s)을 관심 영역내 픽셀값 평균(
)으로 나눈 후 백분율로 표현함으로써, 관심 영역에 대한 변동계수(CV; coefficient of variation)를 획득하도록 한다. 이는 이하의 수학식1으로 표현될 수 있을 것이다.
[수학식 1]
이때, n는 관심 영역내 픽셀 개수, xi는 관심 영역내 i번째 픽셀이다.
변동계수 이미지 작성 단계(S40)에서는, 관심 영역에 대한 변동계수(CV)를 관심 영역내 픽셀들 각각의 픽셀값으로 나눈 후 그 결과 값을 수집함으로써, 관심 영역에 대한 변동계수 이미지(CV image)를 작성하도록 한다.
[수학식 2]
본 발명은 앞서 설명한 바와 같이 CT 장치와 MRI 장치의 의료 영상을 통합 이용하여 질환 진단 정보를 생성하나, CT 장치와 MRI 장치는 서로 상이한 의료 장비이므로, 의료 영상의 정보 단위가 서로 상이할 수 있다. 또한 동일 종료의 의료 장비이더라도 장비 셋팅값에 따라서 의료 영상의 정보 단위가 달라질 수도 있다.
이에 본 발명에서는 서로 상이한 정보 단위의 자료를 비교 분석할 수 있도록 하는 변동계수를 활용함으로써, 서로 상이한 영상 촬영 장치, 그리고 서로 상이한 장치 셋팅값을 가지는 의료 영상 모두를 통합 사용할 수 있도록 한다.
그리고 나서, 변동계수(CV)를 관심 영역내 픽셀값으로 각각 나눔으로써, 변동계수 이미지(CVM)라는 새로운 영상을 획득하도록 한다. 변동계수 이미지(CVM)는 관심 영역의 균일성이 극대화되어 표시되는 영상으로, 각각의 픽셀값은 균일도를 표현하는 특징을 가지게 된다.
마지막으로 질환 진단 정보 산출 단계(S50)에서는, 기 설정된 질환 진단 기준에 따라 변동계수 이미지의 평균치, 최소치, 최대치, 히스토그램 중 적어도 하나를 분석하여 환자의 질환 정도를 예측하도록 한다. 그리고 예측된 질환 정도를 반영한 질환 진단 정보를 생성하여, 의료진에게 안내하도록 한다.
이때, 질환 진단 기준을 인체 조직 및 질환 정도 각각에 대응되는 변동계수 이미지 샘플로 구성될 수 있도록 한다. 즉, 본 발명에서는 질환 진단 기준을 간과 신장 등과 같은 인체 조직의 종류에 따라 구분할 수 있으며, 더 나아가 인체 조직의 질환 정도에 따라 추가 구분될 수 있도록 한다. 예를 들어, 간의 경우에는 정상군, 간염군, 간경변군, 및 간암군 등 각각에 대응하여 변동계수 이미지 샘플을, 신장의 경우에는 급성 신부전, 만성 신부성, 말기 만성 신부전, 만성 사구체신염 등 각각에 대응하여 변동계수 이미지 샘플을 구비할 수 있도록 한다.
이에 본 발명은 분석 대상 객체에 대응되는 인체 조직의 변동계수 이미지 샘플을 질환 정도별로 다수개 획득한 후, 이들과 변동계수 이미지 작성 단계(S40)를 통해 변동계수 이미지를 비교 분석함으로써, 가장 높은 일치도를 가지는 변동계수 이미지 샘플 하나를 선정하도록 한다. 그리고 선정된 변동계수 이미지 샘플에 대응되는 질환 정도를 환자의 질환 정도로 예측하도록 한다.
참고로, 질환 진단 기준을 구성하는 변동계수 이미지 샘플 각각은 동일한 인체 조직 및 질환 정도를 가지는 환자들의 변동계수 이미지를 다수개 수집한 후, 이에 대한 통계값(즉, 평균치, 최소치, 최대치, 히스토그램 중 적어도 하나)을 획득함으로써 산출될 수 있을 것이다.
더하여, 이러한 질환 진단 기준은 의료진 또는 장치 관리자가 수동 설정한 고정 값일 수 있으나, 도3과 같이 의료진의 진단 결과를 수집 및 분석함으로써 산출 또는 업데이트되는 값일 수도 있다.
도3은 본 발명의 일 실시예 따른 질환 진단 기준 관리 방법을 설명하기 위한 도면으로, 이는 의료진의 진단 결과를 기반으로 질환 진단 기준을 업데이트하기 위한 방법에 관한 것이다.
먼저, 환자의 질환 진단 정보를 안내한 후(S61), 별도의 팝업창을 통해 해당 질환 진단 정보에 대한 동의 여부를 의료진에 문의하거나, 해당 환자의 전자 진료 차트에 기입되는 질환 정도를 추적하여 의료진의 진단 결과를 피드백 받도록 한다(S62).
그리고 도1의 질환 진단 정보 산출 방법을 통해 자동 산출된 질환 정도와 단계 S62를 통해 의료진에 의해 피드백된 질환 정도를 비교하여 일치 여부를 확인하도록 한다(S63).
만약, 도1의 질환 진단 정보 산출 방법을 통해 자동 산출된 질환 정도와 의료진에 의해 피드백된 질환 정도가 일치하면, 질환 진단 기준의 별도 보정 없이 질환 진단 기준 생성 방법을 종료하도록 하되, 그렇지 않으면 단계 S62를 통해 의료진에 의해 피드백된 질환 정도를 기반으로 질환 진단 기준을 보정한 후 질환 진단 기준 생성 방법을 종료하도록 한다(S64).
즉, 특정 인체 조직에 대응되는 변동계수 이미지와 의료진에 의해 피드백된 질환 정도를 기반으로, 해당 인체 조직 및 질환 정도에 대응되는 변동계수 이미지 샘플을 보정할 수 있도록 한다.
도3의 방법에 따르면, 본 발명에서는 질환 진단 기준이 의료 실무진의 경험치를 기준으로 계속적으로 수정 및 보완됨에 따라 이를 기반으로 수행되는 질환 정도 예측 동작이 보다 높은 신뢰성을 가질 수 있도록 한다.
도4는 본 발명의 의료 영상의 균일성을 기반으로 한 질환 진단 정보 산출 장치를 설명하기 위한 도면이다.
도4에 도시된 바와 같이, 본 발명의 질환 진단 정보 산출 장치는 CT, MRI, 초음파 영상 촬영 장치 중 적어도 하나를 통해 획득된 환자의 의료 영상에 대한 노이즈 제거, 영상 품질 향상, 및 편이 보정 등의 전처리 작업을 수행하여, 해당 의료 영상을 분석 가능한 상태로 변환하는 의료 영상 획득부(11), 의료 영상 중 분석 대상 조직이 촬영된 영역을 관심 영역으로 설정하는 관심 영역 설정부(12), 관심 영역에 대한 변동계수를 산출하는 변동계수 산출부(13), 관심 영역에 대한 변동계수(CV)를 관심 영역내 픽셀값으로 각각 나눔으로써, 관심 영역에 대한 변동계수 이미지(CVM)를 작성하는 변동계수 이미지 산출부(14), 기 설정된 질환 진단 기준에 따라 상기 관심 영역에 대한 변동계수 이미지(CVM)를 분석함으로써, 분석 대상 조직의 질환 정도를 예측하고 질환 진단 정보를 생성 및 출력하는 질환 진단부(15) 및 CT 장치, MRI 장치, 의료진 단말, 또는 다른 질환 진단 정보 산출 장치와 같은 각종 외부 장치와의 데이터 통신을 지원하는 통신부(16) 등을 포함하여 구성될 수 있다.
즉, 본 발명은 별도의 ELF 검사 장치 및 간 섬유화 스캔 장치 없이, CT 장치 및 MRI 장치 중 적어도 하나를 통해 획득되는 의료 영상을 기반으로 환자의 질환 정도를 손쉽게 예측할 수 있도록 해준다.
또한, 본 발명의 질환 진단 기준 관리부(17)를 더 구비하고, 이를 통해 질환 진단 기준이 의료 실무진의 경험치를 기준으로 계속하여 수정 및 보완될 수 있도록 함으로써, 분석 동작의 신뢰도가 안정적으로 확보될 수도 있도록 한다.
이를 위해 본 발명의 질환 진단 기준 관리부(17)는 질환 진단 정보가 제공될 때마다, 의료진에게 질환 진단 정보의 동의 여부를 문의하고, 의료진이 질환 진단 정보에 동의하지 않는다면, 의료진에게 질환 정도의 입력을 추가 요청한 후, 이에 응답하여 입력되는 질환 정도와 변동계수 이미지(CVM)를 기반으로 질환 진단 기준이 반복적으로 보정될 수 있도록 한다.
또한, 질환 진단 정보 산출 장치가 통신부(16)를 통해 병원 서버에 접속하여 병원 서버에 의해 저장 및 관리되는 환자의 진료 챠트를 추적 검사함으로써, 의료진이 본 발명의 질환 진단 정보 산출 장치의 진단 정보 이외에 다른 진료 정보를 추가적으로 고려하여 내린 최종 진단 결과가 무엇인지 확인하도록 한다. 그리고 최종 진단 결과와 질환 진단 정보 산출 장치의 진단 결과가 상이한 경우에 한해, 최종 진단 결과와 변동계수 이미지(CVM)를 기반으로 변동계수 이미지 보정 작업이 수행될 수도 있도록 한다.
뿐 만 아니라, 본 발명에서는 통신부(16)를 질환 진단 정보 산출 장치가 인터넷 망에 접속한 후, 환자 의료 정보(특히, 환자 각각에 대응되는 의료 영상과 전자 진료 챠트(즉, 질환 진단 정보))가 대규모로 수집된 빅데이터를 기반으로 변동계수 이미지 샘플을 자동 산출 또는 업데이트할 수 도 있도록 한다.
이상에서 전술한 바와 같은 이를 구현하기 위한 프로그램 명령어로서 구현될 수 있으며, 이러한 프로그램 명령어를 기록한 컴퓨터로 읽힐 수 있는 기록매체는, 일 예로, ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 미디어 저장장치 등이 있다.
또한 전술한 바와 같은 프로그램을 기록한 컴퓨터로 읽힐 수 있는 기록매체는 네트워크로 커넥션된 컴퓨터 장치에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 이 경우, 다수의 분산된 컴퓨터 중 어느 하나 이상의 컴퓨터는 상기에 제시된 기능들 중 일부를 실행하고, 그 결과를 다른 분산된 컴퓨터들 중 하나 이상에 그 실행 결과를 전송할 수 있으며, 그 결과를 전송받은 컴퓨터 역시 상기에 제시된 기능들 중 일부를 실행하여, 그 결과를 역시 다른 분산된 컴퓨터들에 제공할 수 있다.
본 발명의 각 실시예에 따른 의료 영상의 분산 이미지 노이즈를 활용한 골밀도 진단 장치 및 방법을 구동시키기 위한 프로그램인 애플리케이션을 기록한 기록매체를 읽을 수 있는 컴퓨터는, 일반적인 데스크 탑이나 노트북 등의 일반 PC뿐 만 아니라, 스마트 폰, 태블릿 PC, PDA(Personal Digital Assistants) 및 이동통신 단말 등의 모바일 단말을 포함할 수 있으며, 이뿐만 아니라, 컴퓨팅(CTmputing) 가능한 모든 기기로 해석되어야 할 것이다.
이상에서, 본 발명의 실시예를 구성하는 모든 구성 요소들이 하나로 결합되거나 결합되어 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 실시예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. 또한, 그 모든 구성 요소들이 각각 하나의 독립적인 하드웨어로 구현될 수 있지만, 각 구성 요소들의 그 일부 또는 전부가 선택적으로 조합되어 하나 또는 복수 개의 하드웨어에서 조합된 일부 또는 전부의 기능을 수행하는 프로그램 모듈을 갖는 컴퓨터 프로그램으로서 구현될 수도 있다. 그 컴퓨터 프로그램을 구성하는 코드들 및 코드 세그먼트들은 본 발명의 기술 분야의 당업자에 의해 용이하게 추론될 수 있을 것이다. 이러한 컴퓨터 프로그램은 컴퓨터가 읽을 수 있는 저장매체(CTmputer Readable Media)에 저장되어 컴퓨터에 의하여 읽혀지고 실행됨으로써, 본 발명의 실시예를 구현할 수 있다. 컴퓨터 프로그램의 저장매체로서는 자기 기록매체, 광 기록매체, 등이 포함될 수 있다.
또한, 이상에서 기재된 "포함하다", "구성하다" 또는 "가지다" 등의 용어는, 특별히 반대되는 기재가 없는 한, 해당 구성 요소가 내재될 수 있음을 의미하는 것이므로, 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것으로 해석되어야 한다. 기술적이거나 과학적인 용어를 포함한 모든 용어들은, 다르게 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 사전에 정의된 용어와 같이 일반적으로 사용되는 용어들은 관련 기술의 문맥 상의 의미와 일치하는 것으로 해석되어야 하며, 본 발명에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
Claims (7)
- 관심 영역 검출부, 변동계수 산출부, 변동계수 이미지 작성부, 질환 진단부를 포함하는 의료 영상 기반의 질환 진단 정보 산출 장치에 의해 제공되는 질환 진단 정보 산출 방법에 있어서,
상기 관심 영역 설정부에 의해 의료 영상에서 분석 대상 객체가 촬영된 관심 영역을 검출하는 단계;
상기 변동계수 산출부에 의해 상기 관심 영역내 픽셀값들을 기반으로 변동계수를 산출하는 단계;
상기 변동계수 이미지 작성부에 의해 상기 변동계수를 상기 관심 영역내 픽셀값으로 각각 나눈 후 결과 값을 수집함으로써 변동계수 이미지(CVM)를 작성하는 단계; 및
상기 질환 진단부에 의해 인체 조직 및 질환 정도 각각에 대응되는 변동계수 이미지 샘플들로 구성되는 질환 진단 기준을 기반으로, 상기 변동계수 이미지를 분석하여 질환 정도를 예측하고 질환 진단 정보를 산출 및 출력하는 단계를 포함하고,
상기 질환 진단 정보를 산출 및 출력하는 단계는 상기 분석 대상 객체에 대응되는 변동계수 이미지 샘플들을 획득한 후 상기 변동계수 이미지를 비교 분석하고, 상기 변동계수 이미지와 가장 일치도가 높은 변동계수 이미지 샘플에 대응되는 질환 정도를 환자의 질환 정도로 예측하는 것을 특징으로 하고,
상기 변동계수는 <수학식 1>에 의해 결정되고, 상기 변동계수 이미지는 <수학식 2>에 의해 결정되는, 의료 영상 기반의 질환 진단 정보 산출 방법.
<수학식 1>
(n는 관심 영역내 픽셀 개수, xi는 관심 영역내 i번째 픽셀)
<수학식 2>
- 삭제
- 삭제
- 제1항에 있어서, 상기 변동계수 이미지 샘플들은
의료진 또는 장치 관리자에 의해 수동 설정된 고정 값인 것을 특징으로 하는 의료 영상 기반의 질환 진단 정보 산출 방법. - 제1항에 있어서, 상기 변동계수 이미지 샘플들은
의료진의 진단 결과를 수집한 빅데이터로부터 자동 산출 또는 업데이트되는 값인 것을 특징으로 하는 의료 영상 기반의 질환 진단 정보 산출 방법. - 의료 영상에서 분석 대상 객체가 촬영된 관심 영역을 검출하는 관심 영역 설정부;
상기 관심 영역내 픽셀값들을 기반으로 변동계수를 산출하는 변동계수 산출부;
상기 변동계수를 상기 관심 영역내 픽셀값으로 각각 나눈 후 결과 값을 수집함으로써 변동계수 이미지를 작성하는 변동계수 이미지 작성부; 및
인체 조직 및 질환 정도 각각에 대응되는 변동계수 이미지 샘플들로 구성되는 질환 진단 기준을 기반으로, 상기 변동계수 이미지를 분석하여 질환 정도를 예측하고 질환 진단 정보를 산출 및 출력하는 질환 진단부를 포함하고,
상기 분석 대상 객체에 대응되는 변동계수 이미지 샘플들을 획득한 후 상기 변동계수 이미지를 비교 분석하고, 상기 변동계수 이미지와 가장 일치도가 높은 변동계수 이미지 샘플에 대응되는 질환 정도를 환자의 질환 정도로 예측하는 것을 특징으로 하고,
상기 변동계수는 <수학식 1>에 의해 결정되고, 상기 변동계수 이미지는 <수학식 2>에 의해 결정되는, 의료 영상 기반의 질환 진단 정보 산출 장치.
<수학식 1>
(n는 관심 영역내 픽셀 개수, xi는 관심 영역내 i번째 픽셀)
<수학식 2>
- 제6항에 있어서,
다수의 환자의 의료 정보가 수집된 빅데이터를 기반으로 상기 변동계수 이미지 샘플들을 자동 산출 또는 업데이트하는 질환 진단 기준 관리부를 더 포함하는 것을 특징으로 하는 의료 영상 기반의 질환 진단 정보 산출 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020150111794A KR101716039B1 (ko) | 2015-08-07 | 2015-08-07 | 의료 영상 기반의 질환 진단 정보 산출 방법 및 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020150111794A KR101716039B1 (ko) | 2015-08-07 | 2015-08-07 | 의료 영상 기반의 질환 진단 정보 산출 방법 및 장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20170017614A KR20170017614A (ko) | 2017-02-15 |
| KR101716039B1 true KR101716039B1 (ko) | 2017-03-13 |
Family
ID=58112013
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020150111794A KR101716039B1 (ko) | 2015-08-07 | 2015-08-07 | 의료 영상 기반의 질환 진단 정보 산출 방법 및 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101716039B1 (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200052613A (ko) * | 2018-11-07 | 2020-05-15 | 원광대학교산학협력단 | 의료 영상 기반 복부 질환 분석 방법 및 장치 |
| WO2020111378A1 (ko) * | 2018-11-29 | 2020-06-04 | 가천대학교 산학협력단 | 질환 진단 보조를 위한 데이터 분석 방법 및 시스템 |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109350062B (zh) * | 2018-12-12 | 2023-02-24 | 上海联影医疗科技股份有限公司 | 医学信息获取方法、设备及非易失性计算机存储介质 |
| KR102280204B1 (ko) * | 2018-12-13 | 2021-07-21 | 연세대학교 산학협력단 | 신장 세포 암의 종양의 병리학적 등급에 대한 정보를 제공하기 위한 방법 및 장치 |
| KR102318194B1 (ko) * | 2019-05-08 | 2021-10-28 | 서울대학교산학협력단 | 안저 이미지를 이용한 시신경병증 예측 장치 및 시신경병증 예측 결과 제공 방법 |
| KR102095730B1 (ko) | 2019-06-20 | 2020-04-02 | 주식회사 딥노이드 | 딥러닝 기반의 대장 병변 검출 방법 |
| KR102103280B1 (ko) | 2019-06-20 | 2020-06-01 | 주식회사 딥노이드 | 딥러닝 기반의 대장 질환 보조 진단 방법 |
| KR102097742B1 (ko) | 2019-07-31 | 2020-04-06 | 주식회사 딥노이드 | 인공지능 기반의 의료영상 검색 시스템 및 그 구동방법 |
| KR102383495B1 (ko) | 2021-06-03 | 2022-04-08 | 라크(주) | 의료 영상데이터 추출 방법 |
| KR20230041921A (ko) * | 2021-09-17 | 2023-03-27 | 주식회사 온택트헬스 | 체내 장기 또는 근육의 이상 유무를 판단하는 방법 및 장치 |
| KR102532394B1 (ko) | 2022-06-28 | 2023-05-12 | 김수동 | 간 병변 분류 시스템을 기반으로 하는 간암 자동 진단 보조방법 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005278690A (ja) | 2004-03-26 | 2005-10-13 | Hiroshima Industrial Promotion Organization | コンピュータを用いた３次元胸部ｃｔ画像から結節状陰影を検出する方法およびその装置並びにコンピュータプログラム |
| KR100873336B1 (ko) | 2005-07-27 | 2008-12-10 | 주식회사 메디슨 | 3차원 초음파 영상의 밝기 및 대조도를 자동으로 제어하는방법 및 초음파 진단 시스템 |
| JP2015131057A (ja) * | 2014-01-15 | 2015-07-23 | コニカミノルタ株式会社 | 画像処理装置、およびプログラム |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09147082A (ja) * | 1995-11-20 | 1997-06-06 | Sumitomo Heavy Ind Ltd | 画像診断支援装置 |
| US6993175B2 (en) * | 2001-09-07 | 2006-01-31 | Quest Diagnostics Investments Incorporated | Methods for measuring microvascular density in tumors |
| KR101431745B1 (ko) * | 2012-03-06 | 2014-08-29 | 주식회사 아이벡 | 생체 중의 특정 부위에 대한 분석정보 출력방법 및 장치 |
-
2015
- 2015-08-07 KR KR1020150111794A patent/KR101716039B1/ko active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005278690A (ja) | 2004-03-26 | 2005-10-13 | Hiroshima Industrial Promotion Organization | コンピュータを用いた３次元胸部ｃｔ画像から結節状陰影を検出する方法およびその装置並びにコンピュータプログラム |
| KR100873336B1 (ko) | 2005-07-27 | 2008-12-10 | 주식회사 메디슨 | 3차원 초음파 영상의 밝기 및 대조도를 자동으로 제어하는방법 및 초음파 진단 시스템 |
| JP2015131057A (ja) * | 2014-01-15 | 2015-07-23 | コニカミノルタ株式会社 | 画像処理装置、およびプログラム |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200052613A (ko) * | 2018-11-07 | 2020-05-15 | 원광대학교산학협력단 | 의료 영상 기반 복부 질환 분석 방법 및 장치 |
| KR102202617B1 (ko) * | 2018-11-07 | 2021-01-13 | 원광대학교산학협력단 | 의료 영상 기반 복부 질환 분석 방법 및 장치 |
| WO2020111378A1 (ko) * | 2018-11-29 | 2020-06-04 | 가천대학교 산학협력단 | 질환 진단 보조를 위한 데이터 분석 방법 및 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20170017614A (ko) | 2017-02-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101716039B1 (ko) | 의료 영상 기반의 질환 진단 정보 산출 방법 및 장치 | |
| US20230115439A1 (en) | Tuned medical ultrasound imaging | |
| CN110517757B (zh) | 调谐的医学超声成像 | |
| CN111445449B (zh) | 感兴趣区域的分类方法、装置、计算机设备和存储介质 | |
| Muraru et al. | Validation of a novel automated border-detection algorithm for rapid and accurate quantitation of left ventricular volumes based on three-dimensional echocardiography | |
| CN107464231B (zh) | 用于确定医学成像的最佳操作参数的系统和方法 | |
| CN101626726B (zh) | 医学成像中病灶的识别与分析 | |
| US8840555B2 (en) | System and method of ultrasound image processing | |
| CN110458837B (zh) | 一种图像后处理方法、装置、电子设备及存储介质 | |
| KR102202617B1 (ko) | 의료 영상 기반 복부 질환 분석 방법 및 장치 | |
| US10140710B2 (en) | Automatic key frame detection | |
| KR20140088434A (ko) | 환자별 특성을 기반으로 한 ｍｒｉ 다변수 영상 획득 지원 장치 및 방법 | |
| US11547368B2 (en) | System and method for determining an imaging modality and the parameters therefor | |
| CN109727660B (zh) | 在医学成像中针对血液动力学量化的不确定性或敏感性的机器学习预测 | |
| US20210219922A1 (en) | A method and apparatus for analysing echocardiograms | |
| CN113349819A (zh) | 用于检测医学图像中的异常的方法和系统 | |
| CN116434918A (zh) | 医学图像处理方法及计算机可读存储介质 | |
| CN113096115A (zh) | 冠状动脉斑块状态评估方法、装置、电子设备 | |
| KR102469907B1 (ko) | 복수의 폐질환을 스크리닝하기 위한 의료 영상 재구성 장치 및 방법 | |
| US20220148172A1 (en) | System and method for detecting medical conditions | |
| CN115861175A (zh) | 医疗影像质量监控方法、装置、电子设备和存储介质 | |
| CN115274063A (zh) | 用于操作医学图像数据集的评估系统的方法、评估系统 | |
| KR101587720B1 (ko) | 의료 영상의 분산 이미지 노이즈를 활용한 골밀도 진단 장치 및 이의 골밀도 진단 정보 제공 방법 | |
| US9808175B1 (en) | Method and system for analyzing images to quantify brain atrophy | |
| CN118675683A (zh) | 一种数字影像及报告的质量控制与调阅系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20200225 Year of fee payment: 4 |