KR101919908B1 - 의료 영상의 레이블링을 지원하는 방법 및 이를 이용한 장치 - Google Patents

Abstract

본 발명은 의료 영상의 레이블링을 지원하는 방법 및 이를 이용한 장치에 관한 것이다. 구체적으로, 본 발명에 따른 방법에 의하면, 컴퓨팅 장치가, 다수의 개별 의료 영상을 획득하고, 상기 개별 의료 영상의 적어도 일부의 개별 영역에 대한 제1 분류 인덱스(classifying index) 및 상기 제1 분류 인덱스에 대한 확률값이 입력되면, 상기 개별 영역 간에 서로 중첩되는 영역에 대한 그룹 인덱스(group index)를 생성하고, 동일한 상기 그룹 인덱스에 속한 상기 제1 분류 인덱스를 병합한 제2 분류 인덱스를 생성하며, 상기 다수의 개별 의료 영상 및 상기 다수의 개별 의료 영상에 대한 상기 제1 분류 인덱스 및 상기 제2 분류 인덱스를 이용하여 분류기(classifier)를 훈련한다.

Description

의료 영상의 레이블링을 지원하는 방법 및 이를 이용한 장치{METHOD FOR FACILITATING LABELING OF MEDICAL IMAGE AND APPARATUS USING THE SAME}

본 발명은 의료 영상의 레이블링을 지원하는 방법 및 이를 이용한 장치에 관한 것이다. 구체적으로, 본 발명에 따른 방법에 의하면, 컴퓨팅 장치가, 다수의 개별 의료 영상을 획득하고, 상기 개별 의료 영상의 적어도 일부의 개별 영역에 대한 제1 분류 인덱스(classifying index) 및 상기 제1 분류 인덱스에 대한 확률값이 입력되면, 상기 개별 영역 간에 서로 중첩되는 영역에 대한 그룹 인덱스(group index)를 생성하고, 동일한 상기 그룹 인덱스에 속한 상기 제1 분류 인덱스를 병합한 제2 분류 인덱스를 생성하며, 상기 다수의 개별 의료 영상 및 상기 다수의 개별 의료 영상에 대한 상기 제1 분류 인덱스 및 상기 제2 분류 인덱스를 이용하여 분류기(classifier)를 훈련한다.

의료 영상, 특히 병리 영상을 이용한 컴퓨터 진단 보조 시스템에서는 그 기반이 되는 학습 데이터가 중요하다. 그러나 병리 영상은 크기가 크고 상이한 종류의 세포가 다수 섞여 있는 경우가 많아 이를 생성하는 데 많은 시간이 요구되며, 서로 다른 의료진 간에 병변 주변부에 대한 일치도가 매우 낮은 것이 특징이다.

그런데, 일치도가 낮은 데이터를 이용하는 경우에, 이를 테스트하는 환경에서 오류가 발생하는 경향이 높고, 이를 방지하기 위하여는 레이블링 하는 의료진의 수를 늘릴 필요가 있는데, 이는 결과적으로 비용의 증가를 야기한다.

따라서 본 발명에서는 이와 같은 문제점을 해결하기 위하여 보다 간편하게 일치도가 높은 레이블링이 가능하게 되는 레이블링 보조 방법, 그리고 이를 이용하여 분류기를 학습시키는 방법 및 이를 이용한 장치를 제안하고자 한다.

본 발명은 여러 분류 정보, 즉 분류 인덱스를 포함하는 의료 영상 전체의 레이블과 영역별 레이블을 사용함으로써 보다 효율적으로 레이블링할 수 있게 하는 것을 목적으로 한다.

구체적으로, 본 발명은 레이블링 데이터에 대한 의료진 간의 일치도를 높이는 것을 목적으로 한다.

상기한 바와 같은 본 발명의 목적을 달성하고, 후술하는 본 발명의 특징적인 효과를 실현하기 위한 본 발명의 특징적인 구성은 하기와 같다.

본 발명의 일 태양(aspect)에 따르면, 의료 영상의 레이블링을 지원하는 방법이 제공되는바, 그 방법은, (a) 컴퓨팅 장치가, 다수의 개별 의료 영상을 획득하는 단계; (b) 상기 개별 의료 영상의 적어도 일부의 개별 영역에 대한 제1 분류 인덱스(classifying index) 및 상기 제1 분류 인덱스에 대한 확률값이 입력되면, 상기 컴퓨팅 장치가, 상기 개별 영역 간에 서로 중첩되는 영역에 대한 그룹 인덱스(group index)를 생성하고, 동일한 상기 그룹 인덱스에 속한 상기 제1 분류 인덱스를 병합한 제2 분류 인덱스를 생성하는 단계로서, 상기 제2 분류 인덱스에 대한 확률값은 병합된 개별의 상기 제1 분류 인덱스에 대한 확률값의 합산 값인, 단계; 및 (c) 상기 컴퓨팅 장치가, 상기 다수의 개별 의료 영상 및 상기 다수의 개별 의료 영상에 대한 상기 제1 분류 인덱스 및 상기 제2 분류 인덱스를 이용하여 분류기(classifier)를 훈련하는 단계를 포함한다.

본 발명의 다른 태양에 따르면, 본 발명에 따른 방법을 수행하도록 구현된 명령어(instructions)를 포함하는, 기계 판독 가능한 비일시적 기록 매체에 저장된, 컴퓨터 프로그램도 제공된다.

본 발명의 또 다른 태양에 따르면, 의료 영상의 레이블링을 지원하는 컴퓨팅 장치가 제공되는바, 그 컴퓨팅 장치는, 다수의 개별 의료 영상을 획득하고, 상기 개별 의료 영상의 적어도 일부의 개별 영역에 대한 제1 분류 인덱스(classifying index) 및 상기 제1 분류 인덱스에 대한 확률값을 입력받는 통신부; 및 상기 제1 분류 인덱스 및 상기 제1 분류 인덱스에 대한 확률값이 입력되면, 상기 개별 영역 간에 서로 중첩되는 영역에 대한 그룹 인덱스(group index)를 생성하고, 동일한 상기 그룹 인덱스에 속한 상기 제1 분류 인덱스를 병합한 제2 분류 인덱스를 생성하는 프로세스; 및 상기 다수의 개별 의료 영상 및 상기 다수의 개별 의료 영상에 대한 상기 제1 분류 인덱스 및 상기 제2 분류 인덱스를 이용하여 분류기(classifier)를 훈련하는 프로세스를 수행하는 프로세서를 포함하되, 상기 제2 분류 인덱스에 대한 확률값은 병합된 개별의 상기 제1 분류 인덱스에 대한 확률값의 합산 값이다.

본 발명에 의하면, 여러 분류 정보, 즉 분류 인덱스를 포함하는 의료 영상 전체의 레이블과 영역별 레이블을 사용함으로써 효율적으로 풍부한 레이블링 데이터를 수집할 수 있는 효과가 있다.

본 발명에 의하면, 레이블링 데이터에 대한 의료진 간의 일치도를 높여, 수집되는 데이터의 양과 질이 향상되는 결과, 이를 이용하여 학습되는 분류기의 성능이 향상될 수 있는 효과가 있다.

본 발명은, 다양한 형식(modality)의 2차원 영상 또는 3차원 영상들에 적용될 수 있으며, 특히 종래에 병원에서 이용하고 있는 X-선 영상은 물론, 초음파 영상, CT 영상, MRI 영상 등의 시스템에도 그대로 활용될 수 있는바, 본 발명의 방법이 특정 형식의 영상이나 플랫폼에 종속되지 않음은 물론이다.

본 발명의 실시 예의 설명에 이용되기 위하여 첨부된 아래 도면들은 본 발명의 실시 예들 중 단지 일부일 뿐이며, 본 발명이 속한 기술분야의 통상의 기술자에게 있어서는 신규한 발명에 이르는 노력 없이도 이 도면들에 기초하여 다른 도면들이 얻어질 수 있다.
도 1은 본 발명에 따라 의료 영상의 레이블링을 지원하는 방법(이하 "의료 영상 레이블링 방법"이라 함)을 수행하는 컴퓨팅 장치의 예시적 구성을 개략적으로 도시한 개념도이다.
도 2a 및 도 2b는 본 발명에 따른 의료 영상 레이블링 방법을 수행하는 컴퓨팅 장치의 하드웨어 또는 소프트웨어 구성요소를 도시한 예시적 블록도이다.
도 3은 본 발명에 따른 의료 영상 레이블링 방법을 예시적으로 나타낸 흐름도이다.
도 4는 본 발명의 의료 영상 레이블링 방법에 적용되는 의료 영상의 예시를 개념적으로 나타낸 도면이다.

후술하는 본 발명에 대한 상세한 설명은, 본 발명의 목적들, 기술적 해법들 및 장점들을 분명하게 하기 위하여 본 발명이 실시될 수 있는 특정 실시 예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시 예는 통상의 기술자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다.

본 발명의 상세한 설명 및 청구항들에 걸쳐 이용된 "영상" 또는 "영상 데이터"라는 용어는 이산적 영상 요소들(예컨대, 2차원 영상에 있어서는 픽셀)로 구성된 다차원 데이터를 지칭하며, 달리 말하자면, (예컨대, 비디오 화면에 표시된) 눈으로 볼 수 있는 대상 또는 (예컨대, CT, MRI 검출기 등의 픽셀 출력에 대응되는 파일과 같은) 그 대상의 디지털 표현물을 지칭하는 용어이다.

예를 들어 "영상"은 전산화 단층 촬영(CT; computed tomography), 자기 공명 영상(MRI; magnetic resonance imaging), 초음파 또는 본 발명의 기술분야에서 공지된 임의의 다른 의료 영상 시스템의 의하여 수집된 피검체(subject)의 의료 영상일 수 있다. 영상이 반드시 의료적 맥락에서 제공되어야 하는 것은 아니고 비의료적 맥락에서 제공될 수도 있는바, 예를 들어 보안 검색용 X선 촬영 등이 있을 수 있다.

설명의 편의를 위하여 제시된 도면에서는 예시적인 일부의 영상 형식(modality)이 도시되어 있으나 통상의 기술자는 본 발명의 다양한 실시 예에서 이용되는 영상 형식들이 MRI, CT, PET(positron emission tomography), PET-CT, SPECT, SPECT-CT, MR-PET, 3D 초음파 영상 등등을 포함하나 예시적으로 열거된 형식에 한정되지 않는다는 점을 이해할 수 있을 것이다.

본 발명의 상세한 설명 및 청구항들에 걸쳐 'DICOM(Digital Imaging and Communications in Medicine; 의료용 디지털 영상 및 통신)' 표준은 의료용 기기에서 디지털 영상 표현과 통신에 이용되는 여러 가지 표준을 총칭하는 용어인바, DICOM 표준은 미국 방사선 의학회(ACR)와 미국 전기 공업회(NEMA)에서 구성한 연합 위원회에서 발표한다.

또한, 본 발명의 상세한 설명 및 청구항들에 걸쳐 '의료영상 저장 전송 시스템(PACS; Picture Archiving and Communication System)'은 DICOM 표준에 맞게 저장, 가공, 전송하는 시스템을 지칭하는 용어이며, X선, CT, MRI와 같은 디지털 의료영상 장비를 이용하여 획득된 의료영상 이미지는 DICOM 형식으로 저장되고 네트워크를 통하여 병원 내외의 단말로 전송이 가능하며, 이에는 판독 결과 및 진료 기록이 추가될 수 있다.

그리고 본 발명의 상세한 설명 및 청구항들에 걸쳐, '포함하다'라는 단어 및 그 변형은 다른 기술적 특징들, 부가물들, 구성요소들 또는 단계들을 제외하는 것으로 의도된 것이 아니다. 또한, '하나' 또는 '한'은 하나 이상의 의미로 쓰인 것이며, '또 다른'은 적어도 두 번째 이상으로 한정된다.

통상의 기술자에게 본 발명의 다른 목적들, 장점들 및 특성들이 일부는 본 설명서로부터, 그리고 일부는 본 발명의 실시로부터 드러날 것이다. 아래의 예시 및 도면은 실례로서 제공되며, 본 발명을 한정하는 것으로 의도된 것이 아니다. 따라서, 특정 구조나 기능에 관하여 본 명세서에 개시된 상세 사항들은 한정하는 의미로 해석되어서는 아니되고, 단지 통상의 기술자가 실질적으로 적합한 임의의 상세 구조들로써 본 발명을 다양하게 실시하도록 지침을 제공하는 대표적인 기초 자료로 해석되어야 할 것이다.

더욱이 본 발명은 본 명세서에 표시된 실시 예들의 모든 가능한 조합들을 망라한다. 본 발명의 다양한 실시 예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시 예에 관련하여 본 발명의 사상 및 범위를 벗어나지 않으면서 다른 실시 예로 구현될 수 있다. 또한, 각각의 개시된 실시 예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 사상 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.

본 명세서에서 달리 표시되거나 분명히 문맥에 모순되지 않는 한, 단수로 지칭된 항목은, 그 문맥에서 달리 요구되지 않는 한, 복수의 것을 아우른다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.

도 1은 본 발명에 따른 의료 영상 레이블링 방법을 수행하는 컴퓨팅 장치의 예시적 구성을 개략적으로 도시한 개념도이다.

도 1을 참조하면, 본 발명의 일 실시 예에 따른 컴퓨팅 장치(100)는, 통신부(110) 및 프로세서(120)를 포함하며, 상기 통신부(110)를 통하여 외부 컴퓨팅 장치(미도시)와 직간접적으로 통신할 수 있다.

구체적으로, 상기 컴퓨팅 장치(100)는, 전형적인 컴퓨터 하드웨어(예컨대, 컴퓨터 프로세서, 메모리, 스토리지, 입력 장치 및 출력 장치, 기타 기존의 컴퓨팅 장치의 구성요소들을 포함할 수 있는 장치; 라우터, 스위치 등과 같은 전자 통신 장치; 네트워크 부착 스토리지(NAS; network-attached storage) 및 스토리지 영역 네트워크(SAN; storage area network)와 같은 전자 정보 스토리지 시스템)와 컴퓨터 소프트웨어(즉, 컴퓨팅 장치로 하여금 특정의 방식으로 기능하게 하는 명령어들)의 조합을 이용하여 원하는 시스템 성능을 달성하는 것일 수 있 다.

이와 같은 컴퓨팅 장치의 통신부(110)는 연동되는 타 컴퓨팅 장치와 요청과 응답을 송수신할 수 있는바, 일 예시로서 그러한 요청과 응답은 동일한 TCP(transmission control protocol) 세션(session)에 의하여 이루어질 수 있지만, 이에 한정되지는 않는바, 예컨대 UDP(user datagram protocol) 데이터그램(datagram)으로서 송수신될 수도 있을 것이다. 덧붙여, 넓은 의미에서 상기 통신부(110)는 명령어 또는 지시 등을 전달받기 위한 키보드, 마우스, 기타 외부 입력장치, 프린터, 디스플레이, 기타 외부 출력장치를 포함할 수 있다.

또한, 컴퓨팅 장치의 프로세서(120)는 MPU(micro processing unit), CPU(central processing unit), GPU(graphics processing unit), NPU(neural processing unit) 또는 TPU(tensor processing unit), 캐시 메모리(cache memory), 데이터 버스(data bus) 등의 하드웨어 구성을 포함할 수 있다. 또한, 운영체제, 특정 목적을 수행하는 애플리케이션의 소프트웨어 구성을 더 포함할 수도 있다.

도 2a 및 도 2b는 본 발명에 따른 의료 영상 레이블링 방법을 수행하는 컴퓨팅 장치의 하드웨어 또는 소프트웨어 구성요소를 도시한 예시적 블록도이다.

도 2a 및 도 2b를 참조하여 본 발명에 따른 방법 및 장치의 구성을 간략히 개관하면, 컴퓨팅 장치(100)는 그 구성요소로서 분류기(210)를 포함할 수 있다. 이 분류기(210)는 본 발명에 따른 방법이 적용되는 의료 영상를 후술하는 바와 같이 입력되는 영상에 대하여 분류 결과를 생성하도록 구성된다. 분류기 학습부(220)는 상기 분류기(210)를 훈련시키는 데 이용된다.

도 2에 도시된 개별 모듈들은, 예컨대, 컴퓨팅 장치(100)에 포함된 통신부(110)나 프로세서(120), 또는 상기 통신부(110) 및 프로세서(120)의 연동에 의하여 구현될 수 있음은 통상의 기술자가 이해할 수 있을 것이다.

의료 영상은, 예를 들어, 통신부(110)를 통하여 연동되는 촬영 기기 또는 의료영상 저장 전송 시스템(PACS)과 같은 외부 영상 저장 시스템으로부터 획득되는 것일 수 있으나 이에 한정되지는 않는다. 예를 들어, 의료 영상은 (의료) 영상 촬영 기기에 의하여 촬영되어 DICOM 표준에 따라 PACS에 전송된 후 그 의료 영상에 대한 레이블링 정보, 즉, 분류 인덱스의 정보와 함께 컴퓨팅 장치(100)의 데이터베이스(230)에 의하여 획득될 수 있다.

다음으로, 의료 영상 및 레이블링 정보의 일부는 학습 데이터 생성부(240)에 의하여 학습 데이터로, 검증 데이터 생성부(250)에 의하여 검증 데이터로 샘플링된다. 이 학습 데이터와 검증 데이터는 분류기 학습부(220)에 전달되어 분류기(210)를 훈련하는 데 이용된다.

예컨대, 훈련이 종료된 분류기(210)는 입력되는 의료 영상에 대한 분류 결과를 출력부(260; 미도시)에 전달할 수 있고, 출력부(260)은 소정의 출력 장치, 예컨대 디스플레이에 표시된 사용자 인터페이스를 통하여 상기 의료 영상에 대하 분류 결과를 외부 엔티티(entity)에 제공할 수 있다.

여기에서 외부 엔티티라고 함은, 상기 컴퓨팅 장치(100)의 사용자, 관리자, 상기 의료 영상에 나타난 피검체를 담당하는 담당 의료진 등을 포함하나, 이 이외에도 그 의료 영상의 분류, 즉 판정(판독)을 필요로 하는 주체라면 어느 주체라도 포함되는 것으로 이해되어야 할 것이다.

도 2a 및 도 2b에 나타난 각각의 구성요소들의 구체적인 기능 및 효과에 관하여는 상세히 후술하기로 한다. 도 2a 및 도 2b에 나타난 구성요소들은 설명의 편의상 하나의 컴퓨팅 장치에서 실현되는 것으로 예시되었으나, 본 발명의 방법을 수행하는 컴퓨팅 장치(100)는 복수개의 장치들이 서로 연동되도록 구성될 수도 있으며, 본 명세서에 첨부된 청구범위에 의하여 망라될 수 있다는 점이 이해될 것이다.

이제 본 발명에 따른 의료 영상 레이블링 방법의 일 실시 예를 도 3 및 도 4를 참조하여 더 구체적으로 설명하기로 한다.

도 3은 본 발명에 따른 의료 영상 레이블링 방법을 예시적으로 나타낸 흐름도이며, 도 4는 본 발명의 의료 영상 레이블링 방법에 적용되는 의료 영상의 예시를 개념적으로 나타낸 도면이다.

도 3을 참조하면, 본 발명에 따른 의료 영상 레이블링 방법은, 우선, 컴퓨팅 장치(100)가, 다수의 개별 의료 영상을 획득하는 단계(S100)를 포함한다.

일 실시 예에 따르면, 본 발명에 따른 의료 영상 레이블링 방법은, 단계(S100) 후에, 컴퓨팅 장치(100)가, 소정의 사용자 인터페이스를 제공함으로써 상기 사용자 인터페이스를 통하여 상기 개별 의료 영상의 적어도 일부에 대한 선택이 가능하도록 지원하는 단계(S150; 미도시) 및 상기 적어도 일부의 개별 영역에 대한 선택이 감지되면, 컴퓨팅 장치(100)가, 선택된 상기 개별 영역에 대한 상기 제1 분류 인덱스 및 상기 확률값을 상기 사용자 인터페이스를 통하여 획득하는 단계(S160; 미도시)를 더 포함할 수 있다.

본 명세서에서 이용되는 사용자 인터페이스의 일 예시로서, 그래픽 사용자 인터페이스(graphical user interface; GUI)는 디스플레이 프로세서(display processor)에 의하여 생성된 하나 이상의 디스플레이 영상들(display images)을 포함하는바, 이는 프로세서 또는 다른 장치와의 사용자 상호작용(user interaction) 및 연관된 데이터 획득 및 프로세싱 기능들을 가능하게 하는 것이다. 또한 상기 GUI는 실행 가능한 프로시저 또는 실행 가능한 애플리케이션을 포함한다. 상기 실행 가능한 프로시저 또는 실행 가능한 애플리케이션은 조건에 따라 상기 디스플레이 프로세서로 하여금 상기 GUI 디스플레이 영상들을 표현하는 신호들을 생성한다. 이 신호들은 상기 사용자가 보기 위한 영상들 디스플레이하는 디스플레이 장치에 전달된다. 상기 프로세서는 실행 가능한 프로시저 또는 실행 가능한 애플리케이션의 제어 하에 입력 장치들로부터 수신된 신호들에 응하여 상기 GUI 디스플레이 영상들을 조작(manipulate)한다. 이러한 방식으로, 사용자는 입력 장치들을 이용하여 상기 디스플레이 영상과 상호작용할 수 있는바, 상기 프로세서 또는 다른 장치와의 사용자 상호작용이 가능해짐을 통상의 기술자는 이해할 수 있을 것이다.

본 발명에서 언급되는 사용자는 단수만을 지칭하는 것이 아니라 의료 영상 및 그 관련 데이터를 풍부하고 중첩적으로 획득하기 위한 목적으로 복수의 사용자를 지칭할 수도 있는바, 이는 훈련용으로 이용되는 의료 데이터의 무결성(integrity)을 확보하기 위함이다.

한편, 도 4를 참조하면, 종래의 방식에 따라 의료 영상을 레이블링한 것(410)과 본 발명에 따라 의료 영상을 레이블링한 것(420)이 대비 도시되어 있다.

종래의 방식은 의료 영상의 각 일부에 대하여 배타적으로 레이블링하는 것인바, 예컨대 레이블링된 임의의 병변 영역 A는 도 4에 참조부호 410a로 나타난다. 본 발명에 따르면, 의료 영상의 각 일부는 서로 중첩되어 레이블링될 수 있는데, 임의의 제1 병변 영역 A는 도 4에서 참조부호 420a와 420c로 나타나는 반면, 임의의 제2 병변 영역 B는 도 4에서 참조부호 420b와 420c로 나타난다. 도 4에서 420c는 제1 병변 영역에 해당하면서 동시에 제2 병변 영역에도 해당하는 중첩된 영역을 나타낸다. 다시 도 3을 참조하면, 본 발명에 따른 의료 영상 레이블링 방법은, 상기 개별 의료 영상의 적어도 일부의 개별 영역에 대한 제1 분류 인덱스(classifying index) 및 상기 제1 분류 인덱스에 대한 확률값이 입력되면, 컴퓨팅 장치(100)가, 상기 개별 영역 간에 서로 중첩되는 영역(예컨대, 420c)에 대한 그룹 인덱스(group index)를 생성하고, 동일한 상기 그룹 인덱스에 속한 상기 제1 분류 인덱스를 병합한 제2 분류 인덱스를 생성하는 단계(S200)를 더 포함한다. 여기에서 상기 제2 분류 인덱스에 대한 확률값은 병합된 개별의 상기 제1 분류 인덱스에 대한 확률값의 합산 값이다.

전술한 종래의 방식에 따르면, 의료 영상의 각 일부인 개별 영역에 대하여 배타적으로 레이블링하므로, 각각의 개별 영역에 대한 분류 인덱스는 서로 중복되지 않고, 각각의 분류 인덱스에 대하여 그 분류 인덱스의 병변에 해당할 확률값이 획득되는바, 아래 표 1에 예시적으로 나타난 바와 같다.

분류 인덱스	1	2	3	,,,	N
확률값	0.1	0.0	0.9		0.0

이와 대비하여 본 발명에 따르면, 중첩되는 영역(420c)이 존재하는데, 이는 동일한 그룹 인덱스에 해당되는바, 아래 표 2에 예시적으로 나타난 바와 같다.

제1 분류 인덱스	1	2	3	...	N
확률값	0.1	0.0	0.9		0.0
그룹 인덱스	1	2	1		0.0

도 4 및 표 2의 예를 들면, 참조부호 420c에 해당하는 중첩적인 병변 영역은 그룹 인덱스 1로 묶일 수 있으며, 제1 분류 인덱스인 1은 병변 영역 A, 제2 분류 인덱스인 2는 병변 영역 B에 해당할 수 있다.전술한 단계(S200)의 수행 결과로서, 표 2의 데이터는 아래 표 4와 같이 가공될 수 있다.

제2 분류 인덱스	[1, 3]	[2, 5]	4	…	N
확률값	1.0	0.0	0.0		0.0

이와 같이 제1 분류 인덱스 및 제2 분류 인덱스가 획득된 후, 본 발명에 따른 의료 영상 레이블링 방법은, 컴퓨팅 장치(100)가, 상기 다수의 개별 의료 영상 및 상기 다수의 개별 의료 영상에 대한 상기 제1 분류 인덱스 및 상기 제2 분류 인덱스를 이용하여 분류기(classifier)를 훈련하는 단계(S300)를 더 포함한다. 여기에서 분류기는 딥 러닝 모델, 랜덤 포레스트, 베이지안 분류기 등일 수 있는바, 통상의 기술자는 이에 한정되지 않고 다양한 통계 모델 및 기계 학습 모델이 이용될 수 있음을 이해할 수 있을 것이다.본 발명의 일 실시 예에 따르면, 본 발명에 따른 의료 영상 레이블링 방법의 전술한 단계(S200)에서, 개별 의료 영상에서 제1 분류 인덱스가 입력되지 않은 영역이 있으면, 컴퓨팅 장치(100)는, 그 입력되지 않은 영역에 대하여 상기 개별 의료 영상에 포함된 모든 제1 분류 인덱스를 병합한 제3 분류 인덱스를 설정할 수 있으며, 단계(S300)에서는, 컴퓨팅 장치(100)가, 제1 분류 인덱스, 제2 분류 인덱스 및 제3 분류 인덱스 중 가용한 것을 이용하여 분류기를 훈련할 수 있다.

본 발명의 다른 일 실시 예에 따르면, 단계(S200)에서, 컴퓨팅 장치(100)가, 상기 개별 영상에 대한 모든 제1 분류 인덱스를 병합한 제3 분류 인덱스를 별도로 생성하여 개별 영상에 대하여 설정할 수 있으며, 컴퓨팅 장치(100)는, 설정된 상기 제3 분류 인덱스를 제1 분류 인덱스 및 제2 분류 인덱스에 추가로 이용하여 상기 분류기를 훈련할 수 있다.

예를 들어, 도 4에 예시된 바와 같이 제1 병변 영역 A(420a 및 420c)이 위암 조직에 해당되고, 제2 병변 영역 B(420b 및 420c)이 위염 조직에 해당되며, 기타 영역이 정상 조직에 해당되는 것이라면, 아래 표 4와 같이 의료 영상의 전부에 대하여 포함될 수 있는 분류 정보를 중첩적으로 레이블링할 수 있을 것이다.

의료 영상의 일련번호	위암 조직 포함	위염 조직 포함	정상 조직 포함
1	○		○
2		○	○
3	○	○	○

표 4에 나타난 의료 영상 3은 위암 조직, 위염 조직 및 정상 조직을 포함하므로 대응되는 제3 분류 인덱스는 위암, 위염, 정상에 각각 대응되는 제1 분류 인덱스를 병합한 것으로 생성될 수 있으며, 의료 영상 2는 위염 조직 및 정상 조직만을 포함하므로 대응되는 제3 분류 인덱스는 위염, 정상에 각각 대응되는 제1 분류 인덱스를 병합한 것으로 생성될 수 있고, 의료 영상 1은 위암 조직 및 정상 조직만을 포함하므로 대응되는 제3 분류 인덱스는 위암, 정상에 각각 대응되는 제1 분류 인덱스를 병합한 것으로 생성될 수 있다. 이와 같은 제3 분류 인덱스는 전술한 바와 같이 분류기의 훈련에 보조적으로 이용될 수 있다.한편, 본 발명의 또 다른 실시 예에 따르면, 단계(S300)는, 소정의 훈련 종료 조건이 만족될 때까지 다음의 세부단계들을 수행하는 것으로 구성될 수 있다. 이 실시 예에서 단계(S300)는, 우선, 컴퓨팅 장치(100)가, 상기 다수의 개별 의료 영상 가운데 소정 개수의 의료 영상을 샘플링하여 학습 데이터를 생성하는 단계(S320; 미도시)를 포함한다. 이 학습 데이터는 훈련용으로 선택된 다수의 의료 영상, 즉 훈련용 의료 영상, 상기 훈련용 의료 영상에 대한 제1 분류 인덱스 및 제2 분류 인덱스를 포함한다. 다음으로, 단계(S300)는 컴퓨팅 장치(100)가, 상기 학습 데이터를 상기 분류기에 입력하여 분류 결과를 생성하는 단계(S340; 미도시)를 더 포함하며, 그 후, 단계(S300)는 컴퓨팅 장치(100)가, 상기 학습 데이터, 상기 분류 결과 및 상기 분류기의 파라미터를 이용하여 상기 분류기의 파라미터를 갱신하는 단계(S360)를 더 포함한다. 이 실시 예에서의 단계(S300)는, 컴퓨팅 장치(100)가, 소정의 훈련 종료 조건이 만족될 때까지 단계들(S320 내지 S360)을 반복하도록 구성되는데, 예컨대, 상기 소정의 훈련 종료 조건은 분류기의 위음성률이 소정의 수치보다 낮은 조건일 수 있다. 통계 또는 기계학습의 기술분야에 있어 상기 훈련 종료 조건은 통상의 기술자에게 알려진 다양한 조건들 중의 하나일 수 있다.

전술한 실시 예에서, 단계(S360)는, 검증을 위하여 상기 다수의 개별 의료 영상 가운데 소정 개수의 의료 영상을 샘플링하여 검증 데이터(validation data)를 생성할 수 있으며, 이 검증 데이터를 이용하여 상기 분류기를 테스트함으로써 상기 훈련 종료 조건이 만족되었는지 여부를 판정할 수 있다.

본 발명이 속한 기술분야의 통상의 기술자는 훈련용 데이터와 검증 데이터를 구성하는 다양한 방식을 이용할 수 있는데, 잘 알려진 한 가지 예시는 n배수 검증법(n-fold validation)을 이용하는 것이다.

전술한 바와 같이 본 발명은 그 모든 실시 예 및 변형례에 걸쳐, 의료진 등의 사용자가 의료 영상을 더욱 효율적으로 확인, 평가 및 레이블링할 수 있는 효과가 있는바, 이로써 품질 높은 분류기 훈련용 데이터를 수집할 수 있으며, 분류기의 학습을 용이하게 함으로써 궁극적으로 의료 현장에서 상기 분류기를 이용하는 편의성에 기반하여 의료 워크플로가 개선될 수 있을 것이다.

위 실시 예의 설명에 기초하여 해당 기술분야의 통상의 기술자는, 본 발명의 방법 및/또는 프로세스들, 그리고 그 단계들이 하드웨어, 소프트웨어 또는 특정 용례에 적합한 하드웨어 및 소프트웨어의 임의의 조합으로 실현될 수 있다는 점을 명확하게 이해할 수 있다.

위에서 설명된 기능들 및 프로세스 단계들은 자동으로 수행되거나 전부 또는 일부 사용자 명령(user command)에 대한 응답으로서 수행될 수 있다. 자동으로 수행되는 (단계를 포함하는) 작용(activity)은 상기 작용의 사용자에 의한 직접 개시(direct initiation) 없이 하나 이상의 실행 가능한 명령어들(instructions) 또는 장치 작동(devicel operation)에 대한 응답으로서 수행된다.

상기 하드웨어는 범용 컴퓨터 및/또는 전용 컴퓨팅 장치 또는 특정 컴퓨팅 장치 또는 특정 컴퓨팅 장치의 특별한 모습 또는 구성요소를 포함할 수 있다. 상기 프로세스들은 내부 및/또는 외부 메모리를 가지는, 하나 이상의 마이크로프로세서, 마이크로컨트롤러, 임베디드 마이크로컨트롤러, 프로그래머블 디지털 신호 프로세서 또는 기타 프로그래머블 장치에 의하여 실현될 수 있다. 게다가, 혹은 대안으로서, 상기 프로세스들은 주문형 집적회로(application specific integrated circuit; ASIC), 프로그래머블 게이트 어레이(programmable gate array), 프로그래머블 어레이 로직(Programmable Array Logic; PAL) 또는 전자 신호들을 처리하기 위해 구성될 수 있는 임의의 다른 장치 또는 장치들의 조합으로 실시될 수 있다. 더욱이 본 발명의 기술적 해법의 대상물 또는 선행 기술들에 기여하는 부분들은 다양한 컴퓨터 구성요소를 통하여 수행될 수 있는 프로그램 명령어의 형태로 구현되어 기계 판독 가능한 기록 매체에 기록될 수 있다. 상기 기계 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 기계 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 분야의 통상의 기술자에게 공지되어 사용 가능한 것일 수도 있다. 기계 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD, Blu-ray와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 전술한 장치들 중 어느 하나뿐만 아니라 프로세서, 프로세서 아키텍처 또는 상이한 하드웨어 및 소프트웨어의 조합들의 이종 조합, 또는 다른 어떤 프로그램 명령어들을 실행할 수 있는 기계 상에서 실행되기 위하여 저장 및 컴파일 또는 인터프리트될 수 있는, C와 같은 구조적 프로그래밍 언어, C++ 같은 객체지향적 프로그래밍 언어 또는 고급 또는 저급 프로그래밍 언어(어셈블리어, 하드웨어 기술 언어들 및 데이터베이스 프로그래밍 언어 및 기술들)를 사용하여 만들어질 수 있는바, 기계어 코드, 바이트코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 이에 포함된다.

따라서 본 발명에 따른 일 태양에서는, 앞서 설명된 방법 및 그 조합들이 하나 이상의 컴퓨팅 장치들에 의하여 수행될 때, 그 방법 및 방법의 조합들이 각 단계들을 수행하는 실행 가능한 코드로서 실시될 수 있다. 다른 일 태양에서는, 상기 방법은 상기 단계들을 수행하는 시스템들로서 실시될 수 있고, 방법들은 장치들에 걸쳐 여러 가지 방법으로 분산되거나 모든 기능들이 하나의 전용, 독립형 장치 또는 다른 하드웨어에 통합될 수 있다. 또 다른 일 태양에서는, 위에서 설명한 프로세스들과 연관된 단계들을 수행하는 수단들은 앞서 설명한 임의의 하드웨어 및/또는 소프트웨어를 포함할 수 있다. 그러한 모든 순차 결합 및 조합들은 본 개시서의 범위 내에 속하도록 의도된 것이다.

예를 들어, 상기 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다. 상기 하드웨어 장치는, 프로그램 명령어를 저장하기 위한 ROM/RAM 등과 같은 메모리와 결합되고 상기 메모리에 저장된 명령어들을 실행하도록 구성되는 MPU, CPU, GPU, TPU와 같은 프로세서를 포함할 수 있으며, 외부 장치와 신호를 주고 받을 수 있는 통신부를 포함할 수 있다. 덧붙여, 상기 하드웨어 장치는 개발자들에 의하여 작성된 명령어들을 전달받기 위한 키보드, 마우스, 기타 외부 입력장치를 포함할 수 있다.

이상에서 본 발명이 구체적인 구성요소 등과 같은 특정 사항들과 한정된 실시 예 및 도면에 의해 설명되었으나, 첨부된 도면들의 시스템 및 프로세스들은 배타적인 것이 아니다. 다른 시스템들, 프로세스들 및 메뉴들이 동일한 목적을 달성하기 위하여 본 발명의 원리에 따라 도출될 수 있다. 비록 본 발명이 특정 실시 예들을 참조하여 설명되었지만, 본 명세서에서 도시되고 설명된 실시 예들 및 변형례들이 설명을 위한 목적만을 가진 것임이 이해될 것이다. 본 발명의 보호범위에서 일탈됨 없이 본 명세서의 설계에 대한 변경물이 통상의 기술자에 의하여 구현될 수 있을 것이다. 본 명세서에서 설명된 바와 같이 다양한 시스템들, 부수 시스템들, 에이전트들(agents), 관리자들(managers) 및 프로세스들이 하드웨어 구성요소, 소프트웨어 구성요소 및/또는 그것들의 조합을 이용하여 구현될 수 있다.

따라서, 본 발명의 사상은 상기 설명된 실시 예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등하게 또는 등가적으로 변형된 모든 것들은 본 발명의 사상의 범주에 속한다고 할 것이다.

그와 같이 균등하게 또는 등가적으로 변형된 것에는, 예컨대 본 발명에 따른 방법을 실시한 것과 동일한 결과를 낼 수 있는, 논리적으로 동치(logically equivalent)인 방법이 포함될 것인바, 본 발명의 진의 및 범위는 전술한 예시들에 의하여 제한되어서는 아니되며, 법률에 의하여 허용 가능한 가장 넓은 의미로 이해되어야 한다.

Claims (9)

1. 의료 영상의 레이블링을 컴퓨팅 장치에 의하여 지원하는 방법에 있어서, 상기 컴퓨팅 장치는 통신부 및 상기 통신부를 통하여 데이터를 송수신하는 프로세서를 포함하되,
   상기 방법은,
   (a) 상기 컴퓨팅 장치의 상기 통신부가, 다수의 개별 의료 영상을 획득하는 단계;
   (b) 상기 개별 의료 영상의 적어도 일부의 개별 영역에 대한 제1 분류 인덱스(classifying index) 및 상기 제1 분류 인덱스에 대한 확률값이 입력되면, 상기 컴퓨팅 장치의 상기 프로세서가, 상기 프로세서에 의하여 실행되는 학습 데이터 생성부 또는 검증 데이터 생성부를 통하여, 상기 개별 영역 간에 서로 중첩되는 영역에 대한 그룹 인덱스(group index)를 생성하고, 동일한 상기 그룹 인덱스에 속한 상기 제1 분류 인덱스를 병합한 제2 분류 인덱스를 생성하는 단계로서, 상기 제2 분류 인덱스에 대한 확률값은 병합된 개별의 상기 제1 분류 인덱스에 대한 확률값의 합산 값인, 단계; 및
   (c) 상기 컴퓨팅 장치의 상기 프로세서가, 상기 프로세서에 의하여 실행되는 분류기 학습부를 통하여, 상기 다수의 개별 의료 영상 및 상기 다수의 개별 의료 영상에 대한 상기 제1 분류 인덱스 및 상기 제2 분류 인덱스를 이용하여 분류기(classifier)를 훈련하는 단계
   를 포함하는 의료 영상 레이블링 방법.
2. 제1항에 있어서,
   상기 (a) 단계 후, 상기 (b) 단계 전에
   (b0-1) 상기 컴퓨팅 장치의 상기 프로세서가, 상기 통신부를 통하여, 소정의 사용자 인터페이스를 제공함으로써 상기 사용자 인터페이스를 통하여 상기 개별 의료 영상의 적어도 일부에 대한 선택이 가능하도록 지원하는 단계; 및
   (b0-2) 상기 적어도 일부의 개별 영역에 대한 선택이 상기 통신부를 통하여 감지되면, 상기 컴퓨팅 장치의 상기 프로세서가, 선택된 개별 영역에 대한 상기 제1 분류 인덱스 및 상기 확률값을 상기 사용자 인터페이스를 통하여 획득하는 단계
   를 더 포함하는 의료 영상 레이블링 방법.
3. 제1항에 있어서,
   상기 (b) 단계에서,
   상기 개별 의료 영상에서 상기 제1 분류 인덱스가 입력되지 않은 영역이 있으면, 상기 입력되지 않은 영역에 대하여 상기 개별 의료 영상에 포함된 모든 제1 분류 인덱스를 병합한 제3 분류 인덱스가 설정되고,
   상기 (c) 단계에서,
   상기 컴퓨팅 장치의 상기 프로세서는, 상기 프로세서에 의하여 실행되는 분류기 학습부를 통하여, 상기 제1 분류 인덱스, 상기 제2 분류 인덱스 및 상기 제3 분류 인덱스 중 가용한 것을 이용하여 상기 분류기를 훈련하는 것을 특징으로 하는 의료 영상 레이블링 방법.
4. 제1항에 있어서,
   상기 (c) 단계에서,
   상기 개별 영상에 대한 모든 제1 분류 인덱스를 병합한 제3 분류 인덱스가 상기 개별 영상에 대하여 설정되고,
   상기 컴퓨팅 장치의 상기 프로세서는, 상기 분류기 학습부를 통하여, 설정된 상기 제3 분류 인덱스를 더 이용하여 상기 분류기를 훈련하는 것을 특징으로 하는 의료 영상 레이블링 방법.
5. 제1항에 있어서,
   상기 (c) 단계는,
   (c1) 상기 컴퓨팅 장치의 상기 프로세서가, 상기 프로세서에 의하여 실행되는 학습 데이터 생성부를 통하여, 상기 다수의 개별 의료 영상 가운데 소정 개수의 의료 영상을 샘플링하여 학습 데이터를 생성하는 단계로서, 상기 학습 데이터는 다수의 훈련용 의료 영상, 상기 훈련용 의료 영상에 대한 상기 제1 분류 인덱스 및 상기 제2 분류 인덱스를 포함하는, 단계;
   (c2) 상기 컴퓨팅 장치의 상기 프로세서가, 상기 학습 데이터를 상기 분류기에 입력하여 분류 결과를 생성하는 단계;
   (c3) 상기 컴퓨팅 장치의 상기 프로세서가, 상기 분류기 학습부를 통하여, 상기 학습 데이터, 상기 분류 결과 및 상기 분류기의 파라미터를 이용하여 상기 분류기의 상기 파라미터를 갱신하는 단계; 및
   (c4) 상기 컴퓨팅 장치의 상기 프로세서가, 소정의 훈련 종료 조건이 만족될 때까지 상기 (c1) 단계 내지 (c3) 단계를 반복하는 단계
   를 포함하는 의료 영상 레이블링 방법.
6. 제5항에 있어서,
   상기 (c4) 단계는,
   상기 다수의 개별 의료 영상 가운데 소정 개수의 의료 영상을 샘플링하여 검증 데이터를 생성하고, 상기 검증 데이터를 이용하여 상기 분류기를 테스트함으로써 상기 훈련 종료 조건이 만족되었는지 여부를 판정하는 것을 특징으로 하는 의료 영상 레이블링 방법.
7. 제1항에 있어서,
   상기 분류기는 딥 러닝, 랜덤 포레스트 및 베이지안 분류기를 포함하는 일 군의 모델들 중에서 선택된 하나인 것을 특징으로 하는 의료 영상 레이블링 방법.
8. 컴퓨팅 장치로 하여금, 제1항 내지 제7항 중 어느 한 항의 방법을 수행하도록 구현된 명령어(instructions)를 포함하는, 기계 판독 가능한 비일시적 기록 매체에 저장된, 컴퓨터 프로그램.
9. 의료 영상의 레이블링을 지원하는 컴퓨팅 장치에 있어서,
   다수의 개별 의료 영상을 획득하고, 상기 개별 의료 영상의 적어도 일부의 개별 영역에 대한 제1 분류 인덱스(classifying index) 및 상기 제1 분류 인덱스에 대한 확률값을 입력받는 통신부; 및
   상기 제1 분류 인덱스 및 상기 제1 분류 인덱스에 대한 확률값이 입력되면, 상기 개별 영역 간에 서로 중첩되는 영역에 대한 그룹 인덱스(group index)를 생성하고, 동일한 상기 그룹 인덱스에 속한 상기 제1 분류 인덱스를 병합한 제2 분류 인덱스를 생성하는 프로세스; 및 상기 다수의 개별 의료 영상 및 상기 다수의 개별 의료 영상에 대한 상기 제1 분류 인덱스 및 상기 제2 분류 인덱스를 이용하여 분류기(classifier)를 훈련하는 프로세스를 수행하는 프로세서
   를 포함하되,
   상기 제2 분류 인덱스에 대한 확률값은 병합된 개별의 상기 제1 분류 인덱스에 대한 확률값의 합산 값인 의료 영상 레이블링 장치.
   

Images