KR101943011B1 - Method for facilitating medical image reading and apparatus using the same - Google Patents
Method for facilitating medical image reading and apparatus using the same Download PDFInfo
- Publication number
- KR101943011B1 KR101943011B1 KR1020180007517A KR20180007517A KR101943011B1 KR 101943011 B1 KR101943011 B1 KR 101943011B1 KR 1020180007517 A KR1020180007517 A KR 1020180007517A KR 20180007517 A KR20180007517 A KR 20180007517A KR 101943011 B1 KR101943011 B1 KR 101943011B1
- Authority
- KR
- South Korea
- Prior art keywords
- lesion
- predetermined
- medical image
- filtering
- computing device
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Physiology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
Description
본 발명은 피검체의 의료 영상의 판독을 지원하는 방법 및 이를 이용한 장치에 관한 것이다. 구체적으로, 본 발명에 따른 방법에 의하면, 컴퓨팅 장치가, 피검체의 의료 영상을 획득하고, 상기 의료 영상의 입력으로부터 병변 판정 모델(lesion determination model)에 기초하여, 상기 의료 영상에 관한 판독 보조 정보를 생성하며, 정렬(sorting) 및 필터링(filter) 중 적어도 하나가 이루어진 병변 항목을 외부 엔티티(entity)에 제공하고, 소정의 조작에 응하여, 상기 정렬 및 상기 필터링 중 적어도 하나를 다시 수행하는 과정을 반복한다.The present invention relates to a method for supporting reading of a medical image of a subject and an apparatus using the same. Specifically, according to the method of the present invention, the computing device acquires a medical image of a subject and, based on a lesion determination model from the input of the medical image, Providing an external entity with a lesion item having at least one of sorting and filtering and performing at least one of the sorting and filtering in response to a predetermined operation, Repeat.
현재, 병변을 분석함으로써 진단에 이용하기 위하여 CT(computed tomography; 전산화 단층 촬영) 등의 의료 영상이 널리 이용되고 있다. 예를 들어, 흉부 CT 영상은 신체의 내부, 예컨대, 폐, 기관지, 심장 등의 이상을 관찰할 수 있어 판독용으로 빈번히 이용된다.Currently, medical images such as CT (computed tomography) are widely used for diagnosis by analyzing lesions. For example, chest CT images are frequently used for reading because they can observe the internalities of the body, such as lungs, bronchi, and heart.
흉부 CT 영상을 통하여 판독될 수 있는 몇몇 소견들은 영상의학과 의사도 다년간의 수련을 통하여야만 그 특징 및 형태를 구분해낼 수 있을 정도로 그 판독이 용이하지 않아 인간인 의사가 쉽게 간과할 수 있다. 특히, 폐결절과 같이 그 판독의 난이도가 높으면 의사가 고도의 주의를 기울여도 미처 보지 못하고 넘어가는 경우가 발생할 수 있어 문제가 될 소지가 있다.Some of the findings that can be read through chest CT images can be easily overlooked by a human surgeon because the radiologist can not distinguish the features and types of the radiologist through years of training. In particular, if the degree of difficulty of reading is high, such as a lung nodule, a doctor may fail to observe even if he / she takes a high level of attention, which may cause a problem.
이 같이 인간이 쉽게 간과할 수 있는 영상의 판독을 보조하기 위하여, 컴퓨터 보조 진단(CAD; computer aided diagnosis)의 필요성이 대두되었는데, 종래의 CAD 기술은 매우 한정된 영역에서 의사의 판단을 보조함에 그친다. 예를 들어, 대한민국 공개특허공보 제10-2014-0091176호에는, 종래의 병변 진단을 보조하기 위한 장치 및 방법이 개시되어 있다.The need for computer aided diagnosis (CAD) has aroused the need to assist in the reading of images that humans can easily overlook, and conventional CAD technology aids physician judgment in very limited areas . For example, Korean Patent Laid-Open Publication No. 10-2014-0091176 discloses an apparatus and a method for assisting a conventional lesion diagnosis.
컴퓨터 보조 진단을 이용한 병변의 판독은 우선 병변으로 의심되는 부위를 특정하고, 그 부위에 대한 점수{예컨대, 신뢰도(confidence), 악성도(malignity) 등}을 평가하는 프로세스로 이루어질 수 있다. 예를 들어, 폐부에서 복수의 결절이 발견되는 경우, 그 중 악성도가 높을 것으로 예상되는 결절을 특정하여 추후의 치료 방안을 결정할 필요가 있을 것이다. Reading a lesion using computer assisted diagnosis can be done by first identifying a suspected lesion site and evaluating the score (e.g., confidence, malignity, etc.) for that lesion. For example, when a plurality of nodules are found in the lung, it may be necessary to identify a nodule that is expected to have a high degree of malignancy to determine the treatment plan.
그런데, 복수의 결절이 있기 때문에 그 중 어떤 결절이 가장 악성도가 높은지는 판독 이전에 알 수가 없고 실제 악성도가 높지 않거나 악성이 아닐 것이라 예상되는 결절부터 진단이 수행되어 판독 효율이 떨어지게 되는 경우가 산재한다. 또한 어떤 결절이 실제 결절인지 판독 이전에 알기 어렵고 신뢰도가 높지 않아 실제 결절이 아닐 것이라 예상되는 부분에서부터 진단이 수행되어도 판독 효율이 떨어진다.However, because there are a plurality of nodules, it is not possible to know which nodule is most malignant before the reading, and when the diagnosis is performed from the nodule which is not high in actual malignancy or expected to be malignant, It is sporadic. In addition, even if diagnosis is performed from a part where it is predicted that a certain nodule is not actually a nodule because it is difficult to know before the actual nodule is read and the reliability is not high, the reading efficiency is low.
따라서 본 발명에서는 이와 같은 문제점을 해결하고자 종래의 병변 검출 시스템에 대하여 점수 평가 방식을 도입하고 검출된 병변들 중에서 점수(예컨대, 신뢰도, 악성도 등)가 가장 높은 병변들부터 판독할 수 있게 하여 판독 효율을 증진하는 방법 및 이를 이용한 장치를 제안하고자 한다.Accordingly, in order to solve such a problem, the present invention introduces a scoring system for a conventional lesion detection system and allows reading out from lesions having the highest score (for example, reliability, malignancy, etc.) And a device using the same.
본 발명은 의료 영상에서 복수의 병변들이 검출되는 때에 점수 평가 방식에 따라 점수가 가장 높은 병변들부터 판독할 수 있게 하여 판독 효율을 증진할 수 있게 하는 것을 목적으로 한다.An object of the present invention is to make it possible to read out lesions having the highest score according to a score evaluation method when a plurality of lesions are detected in a medical image, thereby improving the read efficiency.
구체적으로, 본 발명은 점수에 대한 문턱값을 편리하게 조절할 수 있는 사용자 인터페이스를 제공함으로써 판독에 유의한 병변에 집중할 수 있게 하는 것을 목적으로 한다.Specifically, the present invention aims to provide a user interface that can conveniently control a threshold value for a score, so that it can concentrate on lesions that are important for reading.
결국 본 발명은 판독의 효율을 높여 더 적은 시간에 의사가 더 정확한 진단 결과를 도출할 수 있도록 보조하여 분석 정확도를 높이는 것을 목적으로 한다.As a result, the present invention aims at enhancing the accuracy of analysis by assisting the doctor in deriving a more accurate diagnosis result in less time.
상기한 바와 같은 본 발명의 목적을 달성하고, 후술하는 본 발명의 특징적인 효과를 실현하기 위한 본 발명의 특징적인 구성은 하기와 같다.The characteristic configuration of the present invention for achieving the object of the present invention as described above and realizing the characteristic effects of the present invention described below is as follows.
본 발명의 일 태양(aspect)에 따르면, 피검체의 의료 영상의 판독을 지원하는 방법이 제공되는바, 그 방법은, (a) 컴퓨팅 장치가, 상기 피검체의 의료 영상을 획득하거나 상기 컴퓨팅 장치에 연동되는 타 장치로 하여금 획득하도록 지원하는 단계; (b) 상기 컴퓨팅 장치가, 상기 의료 영상의 입력으로부터 병변 판정 모델(lesion determination model)에 기초하여, 상기 의료 영상에 관한 판독 보조 정보를 생성하거나 생성하도록 지원하는 단계로서, 상기 판독 보조 정보는 개별 병변에 대한 병변 항목으로서 병변의 위치, 상기 병변에 대한 적어도 하나의 점수를 포함하는 단계; (c) 상기 판독 보조 정보가 생성되면, 상기 컴퓨팅 장치가, 정렬(sorting) 및 필터링(filter) 중 적어도 하나가 이루어진 병변 항목을 외부 엔티티(entity)에 제공하거나 제공하도록 지원하는 단계; 및 (d) 소정의 조작에 응하여, 상기 컴퓨팅 장치가, 상기 정렬 및 상기 필터링 중 적어도 하나를 다시 수행함으로써 상기 (c) 단계를 반복하는 단계를 포함한다.According to an aspect of the present invention, there is provided a method of supporting reading of a medical image of a subject, the method comprising: (a) the computing device acquiring a medical image of the subject, To acquire another device associated with the first device; (b) supporting the computing device to generate or generate read assistance information on the medical image based on a lesion determination model from input of the medical image, The location of the lesion as a lesion item for the lesion, and at least one score for the lesion; (c) when the read assistance information is generated, supporting the computing device to provide or provide an external entity with a lesion item comprising at least one of sorting and filtering; And (d) in response to a predetermined operation, the computing device repeating step (c) by performing at least one of the sorting and the filtering again.
본 발명의 다른 태양에 따르면, 본 발명에 따른 의료 영상 판독 지원 방법을 수행하도록 구현된 명령어(instructions)를 포함하는, 기계 판독 가능한 비일시적 기록 매체에 저장된, 컴퓨터 프로그램도 제공된다.According to another aspect of the present invention, there is also provided a computer program stored in a machine readable non-transitory medium, comprising instructions embodied to perform a medical image read support method in accordance with the present invention.
본 발명의 또 다른 태양에 따르면, 피검체의 의료 영상의 판독을 지원하는 컴퓨팅 장치가 제공되는바, 그 컴퓨팅 장치는, 상기 피검체의 의료 영상을 획득하는 통신부; 및 (i) 상기 의료 영상의 입력으로부터 병변 판정 모델(lesion determination model)에 기초하여, 상기 의료 영상에 관한 판독 보조 정보를 생성하거나 상기 통신부를 통하여 연동되는 타 장치로 하여금 생성하도록 지원하는 프로세스, (ii) 상기 판독 보조 정보가 생성되면, 정렬(sorting) 및 필터링(filter) 중 적어도 하나가 이루어진 병변 항목을 외부 엔티티(entity)에 제공하거나 제공하도록 지원하는 프로세스, 및 (iii) 소정의 조작에 응하여, 상기 정렬 및 상기 필터링 중 적어도 하나를 다시 수행함으로써 상기 (ii) 프로세스를 반복하는 프로세스를 수행하는 프로세서를 포함하고, 상기 판독 보조 정보는 개별 병변에 대한 병변 항목으로서 병변의 위치, 상기 병변에 대한 적어도 하나의 점수를 포함한다.According to still another aspect of the present invention, there is provided a computing device for supporting reading of a medical image of a subject, the computing device comprising: a communication unit for acquiring a medical image of the subject; And (i) a process of generating read assistance information on the medical image based on a lesion determination model from the input of the medical image or assisting generation of other assistant devices through the communication unit, ii) a process for providing or providing an external entity with a lesion item in which at least one of sorting and filtering is generated when said read assistance information is generated, and iii) (Ii) repeating the process by performing at least one of the alignment and the filtering, wherein the read assistance information comprises a position of the lesion as a lesion item for the individual lesion, And includes at least one score.
본 발명에 의하면, 의료 영상에서 복수의 병변들이 검출되는 때에 기존의 판독 과정을 크게 바꾸지 않으면서도 점수 평가 방식에 따라 점수가 가장 높은 병변들부터 판독할 수 있게 될 뿐만 아니라 사용자 인터페이스를 통하여 병변의 점수에 대한 문턱값을 편리하게 조절할 수 있어 판독에 유의한 병변에 집중할 수 있게 되어 판독 효율이 증진되는 효과가 있다.According to the present invention, when a plurality of lesions are detected in a medical image, it is possible to read out the lesions having the highest score according to the scoring system without significantly changing the existing reading process, So that it is possible to concentrate on the lesion that is important for the reading, thereby improving the reading efficiency.
따라서 본 발명에 의하면 판독의 효율을 높아져 더 적은 시간에 의사가 더 정확한 진단 결과를 도출할 수 있는 효과가 있는바, 판독의 속도와 품질이 향상돼 의료 현장에서의 워크플로(workflow)를 혁신할 수 있게 되는 궁극적 효과가 있다.Therefore, according to the present invention, the efficiency of reading is increased and the doctor can obtain a more accurate diagnosis result in less time. As a result, the speed and quality of reading are improved and the workflow in the medical field is innovated There is an ultimate effect that can be achieved.
그리고 본 발명은, 종래에 병원에서 이용하고 있는 의료 영상, 예컨대 3차원적으로 획득된 초음파 영상, MRI 영상 등의 시스템에도 그대로 활용될 수 있는바, 본 발명의 방법이 특정 형식의 영상이나 플랫폼에 종속되지 않음은 물론이다.In addition, the present invention can be applied to systems such as medical images used in hospitals in the past, for example, three-dimensionally acquired ultrasound images, MRI images, and the like. Of course, it is not dependent.
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 발명적 작업이 이루어짐 없이 이 도면들에 기초하여 다른 도면들이 얻어질 수 있다.
도 1은 본 발명에 따라 피검체의 의료 영상의 판독을 지원하는 방법(이하 “의료 영상 판독 지원 방법”이라 함)을 수행하는 컴퓨팅 장치의 예시적 구성을 개략적으로 도시한 개념도이다.
도 2는 본 발명에 따른 의료 영상 판독 지원 방법을 수행하는 컴퓨팅 장치의 하드웨어 또는 소프트웨어 구성요소를 도시한 예시적 블록도이다.
도 3은 본 발명에 따른 의료 영상 판독 지원 방법을 개념적으로 나타낸 도면이다.
도 4는 본 발명에 따른 의료 영상 판독 지원 방법에 제공되는 사용자 인터페이스를 예시적으로 나타낸 도면이다.
도 5는 본 발명에 따라 제공되는 일 예시적 사용자 인터페이스에 병변 항목 등의 구성요소들이 배치된 외양을 나타낸 개념도이다.
도 6은 본 발명에 따라 제공되는 일 예시적 사용자 인터페이스에 제공된 구성요소들을 통하여 병변 항목의 정렬 및 필터링을 변경하는 예시를 나타낸 개념도이다.BRIEF DESCRIPTION OF THE DRAWINGS The accompanying drawings, which are included to provide a further understanding of the invention and are incorporated in and constitute a part of this application, illustrate embodiments of the invention and, The figures can be obtained.
1 is a conceptual diagram schematically illustrating an exemplary configuration of a computing device that performs a method for supporting reading of a medical image of a subject according to the present invention (hereinafter referred to as " method for assisting reading of a medical image ").
2 is an exemplary block diagram illustrating the hardware or software components of a computing device that performs a method of supporting medical image reading in accordance with the present invention.
3 is a conceptual view illustrating a medical image reading support method according to the present invention.
4 is a diagram illustrating a user interface provided in a medical image reading support method according to the present invention.
FIG. 5 is a conceptual diagram illustrating an appearance in which components such as a lesion item are arranged in an exemplary user interface provided according to the present invention.
6 is a conceptual diagram illustrating an example of changing alignment and filtering of a lesion item through components provided in an exemplary user interface provided in accordance with the present invention.
후술하는 본 발명에 대한 상세한 설명은, 본 발명의 목적들, 기술적 해법들 및 장점들을 분명하게 하기 위하여 본 발명이 실시될 수 있는 특정 실시 예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시 예는 통상의 기술자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다.The following detailed description of the invention refers to the accompanying drawings, which illustrate, by way of example, specific embodiments in which the invention may be practiced in order to clarify the objects, technical solutions and advantages of the invention. These embodiments are described in sufficient detail to enable those skilled in the art to practice the invention.
본 발명의 상세한 설명 및 청구항들에 걸쳐 이용된 "영상" 또는 "영상 데이터"라는 용어는 이산적 영상 요소들(예컨대, 2차원 영상에 있어서는 픽셀, 3차원 영상에 있어서는 복셀)로 구성된 다차원 데이터를 지칭한다. 예를 들어 "영상"은 (콘-빔형; cone-beam) 전산화 단층 촬영(computed tomography), MRI(magnetic resonance imaging), 초음파 또는 본 발명의 기술분야에서 공지된 임의의 다른 의료 영상 시스템의 의하여 수집된 피사체, 즉 피검체(subject)의 의료 영상일 수 있다. 또한 영상은 비의료적 맥락에서 제공될 수도 있는바, 예를 들어 원격 감지 시스템(remote sensing system), 전자현미경(electron microscopy) 등등이 있을 수 있다.The term " image " or " image data " used throughout the description and claims of the present invention refers to multidimensional data composed of discrete image elements (e.g., pixels in a two-dimensional image and voxels in a three- Quot; For example, " imaging " may be computed by (cone-beam) computed tomography, magnetic resonance imaging (MRI), ultrasound, or any other medical imaging system known in the art I.e., a medical image of a subject. The images may also be provided in a non-medical context, for example, a remote sensing system, an electron microscopy, and the like.
본 발명의 상세한 설명 및 청구항들에 걸쳐, '영상'은 (예컨대, 비디오 화면에 표시된) 눈으로 볼 수 있는 영상 또는 (예컨대, CT, MRI 검출기 등의 픽셀 출력에 대응되는 파일과 같은) 영상의 디지털 표현물을 지칭하는 용어이다.Throughout the description and claims of the present invention, an 'image' refers to an image that is visible (eg, displayed on a video screen) or an image (eg, a file corresponding to a pixel output, such as a CT or MRI detector) It is a term referring to a digital representation.
설명의 편의를 위하여 제시된 도면에서는 때때로 콘-빔형 CT(cone-beam computed tomography; CBCT) 영상 데이터가 예시적 영상 형식(modality)인 것으로 도시되었다. 그러나 통상의 기술자는 본 발명의 다양한 실시 예에서 이용되는 영상 형식들이 X선 영상, 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.For convenience of illustration, cone-beam computed tomography (CBCT) image data is sometimes shown as an exemplary image modality in the drawings. However, those skilled in the art will appreciate that image formats used in various embodiments of the present invention may be used in various imaging formats such as X-ray imaging, MRI, CT, positron emission tomography (PET), PET-CT, SPECT, SPECT-CT, MR- But it should be understood that the invention is not limited to the examples enumerated.
본 발명의 상세한 설명 및 청구항들에 걸쳐 ‘DICOM(Digital Imaging and Communications in Medicine; 의료용 디지털 영상 및 통신)’ 표준은 의료용 기기에서 디지털 영상 표현과 통신에 이용되는 여러 가지 표준을 총칭하는 용어인바, DICOM 표준은 미국 방사선 의학회(ACR)와 미국 전기 공업회(NEMA)에서 구성한 연합 위원회에서 발표한다.Throughout the detailed description and claims of the present invention, the term 'DICOM' (Digital Imaging and Communications in Medicine) is a generic term for various standards used in digital image representation and communication in medical devices, The standard is presented at the Joint Committee composed of the American Radiation Medical Association (ACR) and the American Electrical Manufacturers Association (NEMA).
또한, 본 발명의 상세한 설명 및 청구항들에 걸쳐 ‘의료영상 저장 전송 시스템(PACS; Picture Archiving and Communication System)’은 DICOM 표준에 맞게 저장, 가공, 전송하는 시스템을 지칭하는 용어이며, X선, CT, MRI와 같은 디지털 의료영상 장비를 이용하여 획득된 의료영상 이미지는 DICOM 형식으로 저장되고 네트워크를 통하여 병원 내외의 단말로 전송이 가능하며, 이에는 판독 결과 및 진료 기록이 추가될 수 있다.In addition, the term 'Picture Archiving and Communication System (PACS)' refers to a system for storing, processing and transmitting according to the DICOM standard throughout the detailed description and claims of the present invention, , And MRI can be stored in the DICOM format and transmitted to a terminal inside or outside the hospital through the network, and the result of reading and the medical record can be added to the terminal.
그리고 본 발명의 상세한 설명 및 청구항들에 걸쳐 '학습' 혹은 '러닝'은 절차에 따른 컴퓨팅(computing)을 통하여 기계 학습(machine learning)을 수행함을 일컫는 용어인바, 인간의 교육 활동과 같은 정신적 작용을 지칭하도록 의도된 것이 아님을 통상의 기술자는 이해할 수 있을 것이다.Throughout the detailed description and claims of the present invention, 'learning' or 'learning' refers to performing machine learning through computing according to a procedure, It will be understood by those of ordinary skill in the art that the present invention is not intended to be so-called.
그리고 본 발명의 상세한 설명 및 청구항들에 걸쳐, '포함하다'라는 단어 및 그 변형은 다른 기술적 특징들, 부가물들, 구성요소들 또는 단계들을 제외하는 것으로 의도된 것이 아니다. 또한, ‘하나’ 또는 ‘한’은 하나 이상의 의미로 쓰인 것이며, ‘또 다른’은 적어도 두 번째 이상으로 한정된다.And throughout the description and claims of this invention, the word 'comprise' and variations thereof are not intended to exclude other technical features, additions, elements or steps. Also, 'one' or 'one' is used in more than one meaning, and 'another' is limited to at least the second.
통상의 기술자에게 본 발명의 다른 목적들, 장점들 및 특성들이 일부는 본 설명서로부터, 그리고 일부는 본 발명의 실시로부터 드러날 것이다. 아래의 예시 및 도면은 실례로서 제공되며, 본 발명을 한정하는 것으로 의도된 것이 아니다. 따라서, 특정 구조나 기능에 관하여 본 명세서에 개시된 상세 사항들은 한정하는 의미로 해석되어서는 아니되고, 단지 통상의 기술자가 실질적으로 적합한 임의의 상세 구조들로써 본 발명을 다양하게 실시하도록 지침을 제공하는 대표적인 기초 자료로 해석되어야 할 것이다.Other objects, advantages and features of the present invention will become apparent to those skilled in the art from this description, and in part from the practice of the invention. The following examples and figures are provided by way of illustration and are not intended to limit the invention. Accordingly, the details disclosed herein with respect to a particular structure or function are not to be construed in a limiting sense, but merely as being representative of the general inventive concept providing a guideline for carrying out the invention in various detail structures, It should be interpreted as basic data.
더욱이 본 발명은 본 명세서에 표시된 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. Moreover, the present invention encompasses all possible combinations of embodiments shown herein. It should be understood that the various embodiments of the present invention are different, but need not be mutually exclusive. For example, certain features, structures, and characteristics described herein may be implemented in other embodiments without departing from the spirit and scope of the invention in connection with one embodiment. It should also be understood that the position or arrangement of individual components within each disclosed embodiment may be varied without departing from the spirit and scope of the present invention. The following detailed description is, therefore, not to be taken in a limiting sense, and the scope of the present invention is to be limited only by the appended claims, along with the full scope of equivalents to which such claims are entitled, if properly explained. In the drawings, like reference numerals refer to the same or similar functions throughout the several views.
본 명세서에서 달리 표시되거나 분명히 문맥에 모순되지 않는 한, 단수로 지칭된 항목은, 그 문맥에서 달리 요구되지 않는 한, 복수의 것을 아우른다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.Unless otherwise indicated herein or clearly contradicted by context, items referred to in the singular are intended to encompass a plurality unless otherwise specified in the context. In the following description of the present invention, a detailed description of known functions and configurations incorporated herein will be omitted when it may make the subject matter of the present invention rather unclear.
이하, 통상의 기술자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 바람직한 실시 예들에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings, so that those skilled in the art can easily carry out the present invention.
도 1은 본 발명에 따른 의료 영상 판독 지원 방법을 수행하는 컴퓨팅 장치의 예시적 구성을 개략적으로 도시한 개념도이다.1 is a conceptual diagram schematically illustrating an exemplary configuration of a computing device that performs a medical image reading support method according to the present invention.
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.1, a
구체적으로, 상기 컴퓨팅 장치(100)는, 전형적인 컴퓨터 하드웨어(예컨대, 컴퓨터 프로세서, 메모리, 스토리지, 입력 장치 및 출력 장치, 기타 기존의 컴퓨팅 장치의 구성요소들을 포함할 수 있는 장치; 라우터, 스위치 등과 같은 전자 통신 장치; 네트워크 부착 스토리지(NAS; network-attached storage) 및 스토리지 영역 네트워크(SAN; storage area network)와 같은 전자 정보 스토리지 시스템)와 컴퓨터 소프트웨어(즉, 컴퓨팅 장치로 하여금 특정의 방식으로 기능하게 하는 명령어들)의 조합을 이용하여 원하는 시스템 성능을 달성하는 것일 수 있다.In particular, the
이와 같은 컴퓨팅 장치의 통신부(110)는 연동되는 타 컴퓨팅 장치와 요청과 응답을 송수신할 수 있는바, 일 예시로서 그러한 요청과 응답은 동일한 TCP(transmission control protocol) 세션(session)에 의하여 이루어질 수 있지만, 이에 한정되지는 않는바, 예컨대 UDP(user datagram protocol) 데이터그램(datagram)으로서 송수신될 수도 있을 것이다. 덧붙여, 넓은 의미에서 상기 통신부(110)는 명령어 또는 지시 등을 전달받기 위한 키보드, 마우스, 기타 외부 입력장치, 프린터, 디스플레이, 기타 외부 출력장치를 포함할 수 있다.The
또한, 컴퓨팅 장치의 프로세서(120)는 MPU(micro processing unit), CPU(central processing unit), GPU(graphics processing unit) 또는 TPU(tensor processing unit), 캐시 메모리(cache memory), 데이터 버스(data bus) 등의 하드웨어 구성을 포함할 수 있다. 또한, 운영체제, 특정 목적을 수행하는 애플리케이션의 소프트웨어 구성을 더 포함할 수도 있다.The
도 2는 본 발명에 따른 의료 영상 판독 지원 방법을 수행하는 컴퓨팅 장치의 하드웨어 또는 소프트웨어 구성요소를 도시한 예시적 블록도이다.2 is an exemplary block diagram illustrating the hardware or software components of a computing device that performs a method of supporting medical image reading in accordance with the present invention.
도 2를 참조하여 본 발명에 따른 방법 및 장치의 구성을 간략히 개관하면, 컴퓨팅 장치(100)는 그 구성요소로서 영상 획득 모듈(210)을 포함할 수 있다. 이 영상 획득 모듈(210)은 본 발명에 따른 방법이 적용되는 의료 영상을 획득하도록 구성되는바, 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 영상 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 기기를 통하여 촬영되어 DICOM 표준에 따라 PACS에 전송된 후 컴퓨팅 장치(100)의 영상 획득 모듈(210)에 의하여 획득될 수 있다.2, the
다음으로, 그 획득된 의료 영상은 병변 판정 모듈(220)에 전달될 수 있는데, 이 병변 판정 모듈(220)은 병변 판정 모델(lesion determination model)에 기초하여, 상기 의료 영상에 관한 판독 보조 정보를 생성하도록 구성된다. Next, the obtained medical image may be transmitted to the
병변 판정 모델의 일 예시로서 딥 러닝 모델(deep learning model)을 들 수 있는데, 이는 인공 신경망을 다층으로 쌓은 형태로 간략하게 설명할 수 있다. 즉, 깊은 구조의 네트워크라는 의미로 심층 신경망(deep neural network; 딥 뉴럴 네트워크)이라고 표현하며, 다층의 네트워크로 이루어진 구조에서 다량의 데이터를 학습시킴으로써 각각의 영상의 특징을 자동으로 학습하고, 이를 통해 목적 함수, 즉 병변의 판정 정확도의 에러(error)를 최소화시키는 방법으로 네트워크를 학습시켜 나아가는 형태이다. 이는, 인간 두뇌의 신경세포 간의 연결에 비교되는바, 이와 같은 심층 신경망은 AI의 차세대 모델로 자리잡아 가고 있다. 이 같은 딥 러닝 모델 중 특히 CNN(convolutional neural network; 합성곱 신경망)은 이미지의 분류에 적합한 모델로서, 이미지의 각 영역을 복수의 필터를 이용하여 특징 지도(feature map)를 만들어내는 합성층(convolution layer)과 특징 지도의 크기를 줄여 위치나 회전의 변화에 불변하는 특징을 추출할 수 있도록 하는 sub-sampling layer를 반복함으로써 점, 선, 면 등의 저수준의 특징에서부터 복잡하고 의미 있는 고수준의 특징까지 다양한 수준의 특징을 추출할 수 있게 되며, 최종적으로 추출된 특징을 기존 판정 모델의 입력값으로서 이용하면 더 높은 정확도의 판정 모델을 구축할 수 있게 되는 장점이 있다.An example of a lesion judgment model is a deep learning model, which can be briefly described as a stack of artificial neural networks. In other words, it is expressed as a deep neural network (deep neural network) in the sense of a network of deep structure. By learning a large amount of data in a structure composed of a multi-layer network, the characteristics of each image are automatically learned, It is a form that learns the network in a way that minimizes the error of the objective function, that is, the accuracy of judgment of the lesion. This is compared to the connections between neurons in the human brain, and such a neural network is becoming a next generation model of AI. Among these deep learning models, CNN (Convolutional Neural Network) is a model suitable for classification of images. It is a convolutional neural network that generates a feature map by using a plurality of filters for each region of an image. layer and feature map By reducing the size of the map and repeating the sub-sampling layer to extract features that are invariant to changes in position or rotation, it is possible to search for features ranging from low-level features such as points, lines and surfaces to complex and meaningful high-level features It is possible to extract features of various levels and using the finally extracted feature as an input value of the existing judgment model, it is possible to construct a judgment model with higher accuracy.
그러나 통상의 기술자는 병변 판정 모델이 이와 같은 CNN에 한정되지 않는다는 점을 이해할 수 있을 것인바, 다양한 종류의 병변 판정 모델이 이용될 수 있다.However, it will be understood by those of ordinary skill in the art that a lesion judgment model is not limited to such CNN, and various types of lesion judgment models can be used.
판독 보조 정보가 생성되면, 정렬 및 필터링 모듈(230)에 전달될 수 있고, 판독 보조 정보는 판독 보조 정보에 대하여 정렬 및 필터링 중 적어도 하나를 수행한 후 그 결과인 병변 항목을 저장하거나 사용자 인터페이스 모듈(240) 등을 통하여 외부 엔티티(entity)에 제공할 수 있다. 외부 엔티티에 제공되는 때에는 상기 사용자 인터페이스 모듈(240)은 소정의 디스플레이 장치 등을 통할 수도 있으며, 상기 판독 보조 정보 혹은 병변 항목의 저장은 컴퓨팅 장치(100)에 연동되는 타 장치, 예컨대 PACS에 의하여 수행될 수도 있다.Once the read assistance information is generated, it may be communicated to the sorting and
사용자 인터페이스 모듈(240)은 소정의 조작에 응하여, 정렬 및 필터링 모듈(230)로 하여금 상기 정렬 및 필터링 중 적어도 하나를 다시 수행하게 한다. 전술한 판독 보조 정보, 병변 항목, 소정의 조작, 정렬 및 필터링 등에 관하여는 상세히 후술하기로 한다.The
도 2에 나타난 구성요소들은 설명의 편의상 하나의 컴퓨팅 장치에서 실현되는 것으로 예시되었으나, 본 발명의 방법을 수행하는 컴퓨팅 장치(100)는 복수개가 서로 연동되도록 구성될 수도 있다는 점이 이해될 것이다.Although the components shown in FIG. 2 are illustrated as being realized in one computing device for convenience of explanation, it will be understood that a plurality of
이제 본 발명에 따른 의료 영상 판독 지원 방법의 일 실시 예를 도 3 내지 6을 참조하여 더 구체적으로 설명하기로 한다.An embodiment of a medical image reading support method according to the present invention will now be described in more detail with reference to FIGS.
도 3은 본 발명에 따른 의료 영상 판독 지원 방법을 개념적으로 나타낸 도면이며, 도 4는 본 발명에 따른 의료 영상 판독 지원 방법에 제공되는 사용자 인터페이스를 예시적으로 나타낸 도면이다.FIG. 3 is a conceptual view of a medical image reading support method according to the present invention, and FIG. 4 is a view illustrating a user interface provided in a medical image reading support method according to the present invention.
도 3 및 도 4를 참조하면, 본 발명에 따른 의료 영상 판독 지원 방법은, 먼저, 컴퓨팅 장치(100)에 의하여 구현되는 영상 획득 모듈(210)이, 피검체의 의료 영상을 획득하거나 통신부(110)를 통하여 컴퓨팅 장치(100)에 연동되는 타 장치로 하여금 입력받도록 지원하는 단계(S100)를 포함하는데, 그러한 의료 영상은 도 4에 예시적으로 나타난 사용자 인터페이스에서와 같이 흉부 CT의 축면 영상(axial image of chest CT; 410)일 수 있다.3 and 4, a method for supporting a medical image reading according to the present invention includes a step of acquiring a medical image of a subject or acquiring a medical image of the subject through the communication unit 110 (S100) for receiving input from other apparatuses connected to the
본 발명에서는 설명의 편의상 폐결절(nodule) 등의 폐 관련 병변의 검출이 예시되어 있으나, 이에 한정되지 않고 일반적으로 다양한 병변에 관하여 적용 가능하다는 점이 이해될 수 있을 것이다.In the present invention, detection of a lung-related lesion such as a nodule is exemplified for convenience of explanation, but it is not limited to this, and it can be understood that it is generally applicable to various lesions.
다음으로, 본 발명에 따른 의료 영상 판독 지원 방법은, 상기 컴퓨팅 장치(100)에 의하여 구현되는 병변 판정 모듈(220)이, 상기 의료 영상의 입력으로부터 병변 판정 모델에 기초하여, 상기 의료 영상에 관한 판독 보조 정보를 생성하거나 상기 타 장치로 하여금 생성하도록 지원하는 단계(S200)를 더 포함한다. 여기에서, 판독 보조 정보는 개별 병변에 대한 병변 항목으로서 병변의 위치, 상기 병변에 대한 적어도 하나의 점수를 포함할 수 있다. 예를 들어, 상기 점수는 상기 병변이 실제 병변일 신뢰도(confidence) 및 상기 병변의 악성도(malignity) 중 적어도 하나를 포함할 수 있다. 또는 상기 점수는 신뢰도 및 악성도 중 적어도 하나를 포함하는 다수의 점수 요소들에 기초하여 산출될 수도 있다. 이러한 점수는 병변에 대한 판독의 순서 내지 순위를 매기기 위한 것이다.Next, a medical image reading support method according to the present invention is characterized in that the
다시 도 3을 참조하면, 본 발명에 따른 의료 영상 판독 지원 방법은, 상기 판독 보조 정보가 생성되면, 컴퓨팅 장치(100)에 의하여 구현되는 정렬(sorting) 및 필터링(filtering) 모듈(230)이, 정렬 및 필터링 중 적어도 하나가 이루어진 상기 병변 항목을 외부 엔티티(entity)에 제공하거나 상기 타 장치로 하여금 제공하도록 지원하는 단계(S300)를 더 포함한다.3, a medical image read support method according to the present invention includes a sorting and
여기에서, 정렬은 소정의 순위에 기초하여 이루어지되, 상기 소정의 순위는 상기 점수에 따른 순위를 반영한 순위일 수 있다. 또한, 필터링은 소정의 문턱값에 기초하여 이루어질 수도 있는바, 소정의 문턱값에 도달하지 못한 점수를 가지는 병변은 필터링에 의하여 제외될 수 있다.Here, the sorting is performed based on a predetermined ranking, and the predetermined ranking may be a ranking reflecting the ranking according to the score. In addition, the filtering may be performed based on a predetermined threshold value, and a lesion having a score that does not reach a predetermined threshold value may be excluded by filtering.
단계(S300)에서 상기 병변 항목은 저장 및 전송 모듈(250; 미도시)을 통하여 저장되거나, 그리고/또는 소정의 디스플레이 장치 등을 활용하는 사용자 인터페이스 모듈(240)을 통하여 외부 엔티티(entity)에 제공되거나, 그리고/또는 컴퓨팅 장치(100)에 연동되는 타 장치, 예컨대 PACS에 제공될 수 있다.In step S300, the lesion item is stored in a storage and transmission module 250 (not shown) and / or provided to an external entity through a
여기에서 외부 엔티티라고 함은, 상기 컴퓨팅 장치(100)의 사용자, 관리자, 상기 피검체를 담당하는 담당 의료 전문가 등을 포함하나, 이 이외에도 상기 의료 영상, 판독 보조 정보, 병변 항목 등을 필요로 하는 주체라면 어느 주체라도 포함되는 것으로 이해되어야 할 것이다. 예를 들어, 상기 외부 엔티티는 별도의 AI 하드웨어 및/또는 소프트웨어 모듈을 포함하는 외부의 AI 장치일 수도 있다. 또한, 외부 엔티티에서의 ‘외부(external)’는 상기 의료 영상, 판독 보조 정보, 병변 항목 등을 이용하는 AI 하드웨어 및/또는 소프트웨어 모듈이 상기 컴퓨팅 장치(100)에 일체화되는 실시 예를 배제하도록 의도된 것이 아니라, 본 발명의 방법을 수행하는 하드웨어 및/또는 소프트웨어 모듈의 결과물이 타 방법의 입력 데이터로 활용될 수 있음을 시사하도록 이용된 것임을 밝혀둔다. 즉, 상기 외부 엔티티는 컴퓨팅 장치(100) 자체일 수도 있다.Here, the external entity includes a user of the
이와 같이 생성된 정보들은 의사의 판독 및 진단을 용이하게 하는 데에 활용될 수 있을 것이다.The information thus generated can be used to facilitate the reading and diagnosis of a doctor.
한편, 이 단계(S300)에서 생성된 병변 항목은 도 4에 예시된 사용자 인터페이스 상에 참조번호 420과 같이 병변 목록으로 제공될 수 있는바, 도 4에서는 우상부에 표시된 것으로 예시되었으나, 이와 같은 위치에 한정되지 않는다.Meanwhile, the lesion item generated in this step S300 can be provided as a lesion list as indicated by
도 5는 본 발명에 따라 제공되는 일 예시적 사용자 인터페이스에 병변 항목 등의 구성요소들이 배치된 외양을 더 구체적으로 예시한 개념도이다. FIG. 5 is a conceptual diagram more specifically illustrating an appearance in which components such as a lesion item are arranged in an exemplary user interface provided according to the present invention.
도 5를 참조하면, 단계(S300)에서는 상기 병변 항목(422) 각각과 함께 병변 항목 각각에 대응되는 의료 영상의 관심 영역(ROI; region of interest; 424)이, 예컨대 사용자 인터페이스를 통하여 제공될 수 있다. 이와 같은 관심 영역은, 예컨대, 병변의 단면 사진으로 제공될 수도 있다. 도 5에 예시된 바와 같이 병변 항목(422)은 해당 병변의 물리량, 예컨대 부피, 직경 등의 정보, (CT 영상과 같이 다수의 슬라이스 영상으로 구성된 경우) 축면 슬라이스 영상의 일련번호(Axial slice: 135 등으로 예시됨) 등을 포함할 수 있다.Referring to FIG. 5, in step S300, a region of interest (ROI) 424 of a medical image corresponding to each of the lesion items together with each of the
도 5에는 병변 항목(422) 각각에 대응되는 점수(426)도 예시되어 있는바, 사용자가 열람하기 용이하도록 내림차순으로 정렬되어 있다. 많은 수의 병변 항목을 열람할 수 있도록 스크롤바(scroll bar; 428)도 제공될 수 있다. 검출된 병변의 총수와 무관하게 한 화면에 표시되는 병변 항목의 개수는 병변 목록의 고정폭이 유지되도록 정해질 수 있다. 예를 들어 도 5에는 한 화면에 표시되는 병변 항목의 개수가 5인 예시가 나타나는데, 5개를 초과하여 추가 검출된 병변 항목의 열람을 위하여 스크롤, 드래그 등의 조작이 이루어질 수 있다.In FIG. 5,
단계(S300) 다음으로, 본 발명에 따른 의료 영상 판독 지원 방법은, 소정의 조작에 응하여, 사용자 인터페이스 모듈(240)이, 정렬 및 필터링 모듈(230)로 하여금 상기 정렬 및 상기 필터링 중 적어도 하나를 다시 수행하게 함으로써 단계(S300)를 반복 수행하는 단계(S400)를 더 포함한다. Step S300 Next, the medical image reading support method according to the present invention is a method in which, in response to a predetermined operation, the
도 6은 본 발명에 따라 제공되는 일 예시적 사용자 인터페이스에 제공된 구성요소들을 통하여 단계(S400)에서 병변 항목의 정렬 및 필터링을 변경하는 예시를 나타낸 개념도이다.Figure 6 is a conceptual diagram illustrating an example of changing the alignment and filtering of a lesion item in step S400 through the components provided in an exemplary user interface provided in accordance with the present invention.
단계(S400)는 소정의 조작에 응하여 상기 문턱값이 변화됨에 따라 수행될 수 있는데, 도 6에는 문턱값의 변화시킬 수 있는 슬라이더(slider; 430)가 사용자 인터페이스의 구성요소로서 예시되어 있다. 이는 마우스의 드래그 동작 등을 통하여 문턱값을 증감시킬 수 있게 하기 위한 것이다. 상기 소정의 조작은 이와 같은 마우스의 드래그 동작에 한정되지 않고, 마우스 등 입력 장치의 스크롤링 조작, 소정의 단축키를 입력하는 조작 등 다양한 조작이 포함될 수 있을 것이다. 예를 들어 마우스의 스크롤링 조작으로서 휠을 회전시키는 동작이 있을 수 있는데, 이때에는 휠의 회전각에 따라 문턱값이 증감되게 할 수 있다.Step S400 may be performed as the threshold value is changed in response to a predetermined operation. In FIG. 6, a
이와 같이 문턱값이 변화함에 따라 상기 필터링이 상기 문턱값에 기초하여 다시 수행될 것인바, 예를 들어 문턱값에 도달하지 못하는 점수를 가지는 병변 항목은 병변 목록에서 제외될 수 있을 것이다.As such, as the threshold value changes, the filtering will be performed again based on the threshold value, e.g., a lesion item having a score that does not reach a threshold value may be excluded from the lesion list.
상기 문턱값은 상기 소정의 조작에 따라, 연속적으로 또는 불연속적(즉, 이산적)으로 증감할 수 있고, 불연속적으로 증감하는 경우에는 상기 증감의 간격이 미리 정해진 수치일 수도 있다.The threshold value may be continuously or discontinuously (i.e., discrete) increased or decreased in accordance with the predetermined operation, and in the case of discontinuous increase or decrease, the interval of the increase or decrease may be a predetermined value.
또한 도 6에 예시적으로 나타난 바와 같이 사용자 인터페이스의 일 구성요소로서 병변 항목의 개수(440)가 표시될 수 있는바, 이는 정렬 및 필터링을 거쳐 제공되는 병변 목록에 속한 병변 항목의 개수를 의미한다. Also, as exemplarily shown in FIG. 6, the number of
단계(S400)에서는 소정의 조작에 응하여 상기 병변 항목의 개수가 변화될 수도 있으며, 이에 따라 다시 필터링이 이루어질 수 있다. 예를 들어, 이 필터링은 상기 점수가 가장 높은 순서부터 소정의 개수만큼의 병변 항목을 선택하는 것일 수 있고, 이때 소정의 개수(병변 항목의 개수)는 소정의 조작에 따라 증감, 고정 또는 변동될 수 있다.In step S400, the number of the lesion items may be changed in response to a predetermined operation, and filtering may be performed again. For example, the filtering may be to select a predetermined number of lesion items from the order of highest score, wherein the predetermined number (the number of lesion items) may be increased, decreased, or changed according to a predetermined operation have.
일 예시로서, 병변 항목의 개수(440)가 사용자에 의하여 강제로 입력되면, 그 병변 항목의 개수에 대응되는 문턱값이 자동으로 선택될 수 있을 것이다. 이 경우 예시된 슬라이더(430)는 그 자동으로 선택된 문턱값을 가르키게 된다. 조작 실수에 의하여 이 문턱값 또는 병변 항목의 개수가 바뀌지 않도록 하는 고정 조작이 소정의 조작에 의하여 이루어질 수 있다.As an example, if the number of
바람직하게는 이 병변 항목의 개수(440)는 5개와 병변 항목의 최대 개수 중 적은 값 이상으로 설정될 수 있는데, 이는 일반적으로 악성도가 가장 높은 5개의 병변을 보고 질환을 정확하게 판정할 수 있는 한편, 병변의 전체 개수가 5개 미만일 수 있기 때문이다{NEJM에 발표된 논문 중 "Probability of Cancer in Pulmonary Nodules Detected on First Screening CT", 웹페이지 http://www.nejm.org/doi/full/10.1056/NEJMoa1214726 참조}. 5 이외의 다른 자연수에도 적용될 수 있음은 물론이다.Preferably, the number (440) of these lesions can be set to a value that is less than or equal to a minimum of five, and the maximum number of lesion items, which can generally be determined accurately by examining five lesions with the highest malignancy , And the total number of lesions may be less than 5 (among the papers published in NEJM, " Probability of Cancer in Pulmonary Nodules Detected on First Screening CT ", web page http://www.nejm.org/doi/full/ 10.1056 / NEJMoa1214726}. The present invention can be applied to other natural numbers other than 5.
바람직하게, 본 발명에 따른 의료 영상 판독 지원 방법은, 소정의 조작에 응하여, 상기 컴퓨팅 장치(100)가, (i) 상기 병변 판정 모델 및 (ii) 상기 점수를 생성하는 방식 중 적어도 하나를 변경함으로써, 전술한 단계(S200) 내지 단계(S400)를 반복하는 단계(S500; 미도시)를 더 포함할 수도 있다.Preferably, the medical image reading support method according to the present invention further comprises a step of, in response to a predetermined operation, causing the
예를 들어 점수로서의 악성도를 생성하는 방식에는 Lung-RADS™와 같이 널리 알려진 방식이 이용될 수 있는데, 다른 방식을 이용할 수 있다면 판독에서의 편리함을 도모할 수 있을 것이다. 또한, 다양한 개발 주체에 의하여 개발된 병변 판정 모델들이 있을 수도 있는바, 사용자의 선호에 따라 이를 선택할 수 있게 한다면 서로 다른 소프트웨어를 구동하여야 하는 수고가 절감될 수 있다. 도 6에 이와 같은 선택을 위한 사용자 인터페이스의 구성요소로서 라디오 버튼(radio buttons)이 예시적으로 제공되어 있다. 도 6에 예시된 라디오 버튼을 이용하면 사용자는 점수를 생성하는 방식을 Lung-RADS™ 점수와 VUNO Malignancy Risk Calculator 중 어느 하나로 선택할 수 있을 것이다. 물론 이와 같은 선택지는 예시적인 것으로서 다양한 점수 생성 방식과 병변 판정 모델이 선택 가능할 것이다.For example, a well-known approach such as Lung-RADS ™ can be used to generate maliciousness as a score, and other methods can be used to facilitate readability. In addition, there may be lesion judgment models developed by various developers, so that it is possible to reduce the labor required to operate different software if the user can select the models according to the preference of the user. In Figure 6, radio buttons are illustratively provided as components of a user interface for such selection. Using the radio button illustrated in FIG. 6, the user may select a method of generating scores using either the Lung-RADS ™ score or the VUNO Malignancy Risk Calculator. Of course, such a choice would be illustrative and would allow selection of a variety of scoring schemes and lesion judgment models.
이와 같이 본 발명은 전술한 모든 실시 예 및 변형례에 걸쳐, 인간(예컨대 판독의)이 컴퓨터 판독 보조 시스템을 이용하는 때에 편리하고 신속하게 병변을 필터링 및 정렬해 볼 수 있는 효과가 있다. 거의 병변으로 의심되지 않는 부분의 영상은 제외할 수 있어 판독의의 수고를 덜 수 있어 신속 정확한 진단이 가능해지게 되는바, 궁극적으로 AI의 조력으로써 진료의 질을 높이고 의료 현장에서의 워크플로를 개선할 수 있을 것이다.As such, the present invention has the advantage of being able to filter and sort lesions conveniently and quickly when a human (e.g., a reader) uses a computer readiness assistance system over all of the embodiments and variations described above. It is possible to exclude the image of the part of the lesion which is not suspected to be a lesion, and it is possible to reduce the trouble of reading and to make a quick and accurate diagnosis. As a result, the quality of the medical treatment can be enhanced You can do it.
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. 상기 하드웨어는 범용 컴퓨터 및/또는 전용 컴퓨팅 장치 또는 특정 컴퓨팅 장치 또는 특정 컴퓨팅 장치의 특별한 모습 또는 구성요소를 포함할 수 있다. 상기 프로세스들은 내부 및/또는 외부 메모리를 가지는, 하나 이상의 마이크로프로세서, 마이크로컨트롤러, 임베디드 마이크로컨트롤러, 프로그래머블 디지털 신호 프로세서 또는 기타 프로그래머블 장치에 의하여 실현될 수 있다. 게다가, 혹은 대안으로서, 상기 프로세스들은 주문형 집적회로(application specific integrated circuit; ASIC), 프로그래머블 게이트 어레이(programmable gate array), 프로그래머블 어레이 로직(Programmable Array Logic; PAL) 또는 전자 신호들을 처리하기 위해 구성될 수 있는 임의의 다른 장치 또는 장치들의 조합으로 실시될 수 있다. 더욱이 본 발명의 기술적 해법의 대상물 또는 선행 기술들에 기여하는 부분들은 다양한 컴퓨터 구성요소를 통하여 수행될 수 있는 프로그램 명령어의 형태로 구현되어 기계 판독 가능한 기록 매체에 기록될 수 있다. 상기 기계 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 기계 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 분야의 통상의 기술자에게 공지되어 사용 가능한 것일 수도 있다. 기계 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD, Blu-ray와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 전술한 장치들 중 어느 하나뿐만 아니라 프로세서, 프로세서 아키텍처 또는 상이한 하드웨어 및 소프트웨어의 조합들의 이종 조합, 또는 다른 어떤 프로그램 명령어들을 실행할 수 있는 기계 상에서 실행되기 위하여 저장 및 컴파일 또는 인터프리트될 수 있는, C와 같은 구조적 프로그래밍 언어, C++ 같은 객체지향적 프로그래밍 언어 또는 고급 또는 저급 프로그래밍 언어(어셈블리어, 하드웨어 기술 언어들 및 데이터베이스 프로그래밍 언어 및 기술들)를 사용하여 만들어질 수 있는바, 기계어 코드, 바이트코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 이에 포함된다. Based on the description of the embodiments above, those skilled in the art will recognize that the methods and / or processes of the present invention and their steps may be implemented in hardware, software, or any combination of hardware and software suitable for the particular application Points can be clearly understood. The hardware may include special features or components of a general purpose computer and / or a dedicated computing device or a specific computing device or a particular computing device. The processes may be realized by one or more microprocessors, microcontrollers, embedded microcontrollers, programmable digital signal processors or other programmable devices having internal and / or external memory. Additionally or alternatively, the processes can be configured to process application specific integrated circuits (ASICs), programmable gate arrays, programmable array logic (PAL) Or any other device or combination of devices. Furthermore, the objects of the technical solution of the present invention, or portions contributing to the prior art, may be implemented in the form of program instructions that can be executed through various computer components and recorded on a machine-readable recording medium. The machine-readable recording medium may include program commands, data files, data structures, and the like, alone or in combination. The program instructions recorded on the machine-readable recording medium may be those specially designed and constructed for the present invention or may be those known to those of ordinary skill in the computer software arts. Examples of the machine-readable recording medium include magnetic media such as hard disks, floppy disks and magnetic tape, optical recording media such as CD-ROM, DVD, Blu-ray, magneto-optical media such as floptical disks magneto-optical media, and hardware devices specifically configured to store and execute program instructions such as ROM, RAM, flash memory, and the like. Examples of program instructions include, but are not limited to, any of the above devices, as well as a heterogeneous combination of processors, processor architectures or combinations of different hardware and software, Which may be constructed using a structured programming language such as C, an object-oriented programming language such as C ++ or an advanced or low-level programming language (assembly language, hardware description languages and database programming languages and techniques) This includes not only bytecode, but also high-level language code that can be executed by a computer using an interpreter or the like.
따라서 본 발명에 따른 일 태양에서는, 앞서 설명된 방법 및 그 조합들이 하나 이상의 컴퓨팅 장치들에 의하여 수행될 때, 그 방법 및 방법의 조합들이 각 단계들을 수행하는 실행 가능한 코드로서 실시될 수 있다. 다른 일 태양에서는, 상기 방법은 상기 단계들을 수행하는 시스템들로서 실시될 수 있고, 방법들은 장치들에 걸쳐 여러 가지 방법으로 분산되거나 모든 기능들이 하나의 전용, 독립형 장치 또는 다른 하드웨어에 통합될 수 있다. 또 다른 일 태양에서는, 위에서 설명한 프로세스들과 연관된 단계들을 수행하는 수단들은 앞서 설명한 임의의 하드웨어 및/또는 소프트웨어를 포함할 수 있다. 그러한 모든 순차 결합 및 조합들은 본 개시서의 범위 내에 속하도록 의도된 것이다.Thus, in one aspect of the present invention, when the methods and combinations described above are performed by one or more computing devices, combinations of the methods and methods may be implemented as executable code that performs each of the steps. In another aspect, the method may be implemented as systems for performing the steps, and the methods may be distributed in various ways throughout the devices, or all functions may be integrated into one dedicated, stand-alone device, or other hardware. In yet another aspect, the means for performing the steps associated with the processes described above may include any of the hardware and / or software described above. All such sequential combinations and combinations are intended to be within the scope of this disclosure.
예를 들어, 상기 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다. 상기 하드웨어 장치는, 프로그램 명령어를 저장하기 위한 ROM/RAM 등과 같은 메모리와 결합되고 상기 메모리에 저장된 명령어들을 실행하도록 구성되는 MPU, CPU, GPU, TPU와 같은 프로세서를 포함할 수 있으며, 외부 장치와 신호를 주고 받을 수 있는 통신부를 포함할 수 있다. 덧붙여, 상기 하드웨어 장치는 개발자들에 의하여 작성된 명령어들을 전달받기 위한 키보드, 마우스, 기타 외부 입력장치를 포함할 수 있다.For example, the hardware device may be configured to operate as one or more software modules to perform processing in accordance with the present invention, and vice versa. The hardware device may include a processor, such as an MPU, CPU, GPU, TPU, coupled to a memory, such as ROM / RAM, for storing program instructions and configured to execute instructions stored in the memory, And a communication unit capable of receiving and sending data. In addition, the hardware device may include a keyboard, a mouse, and other external input devices for receiving commands generated by the developers.
이상에서 본 발명이 구체적인 구성요소 등과 같은 특정 사항들과 한정된 실시 예 및 도면에 의해 설명되었으나, 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명이 상기 실시 예들에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상적인 지식을 가진 사람이라면 이러한 기재로부터 다양한 수정 및 변형을 꾀할 수 있다.While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it is to be understood that the invention is not limited to the disclosed embodiments, but, on the contrary, Those skilled in the art will appreciate that various modifications and changes may be made thereto without departing from the scope of the present invention.
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.Therefore, the spirit of the present invention should not be construed as being limited to the above-described embodiments, and all of the equivalents or equivalents of the claims, as well as the following claims, I will say.
그와 같이 균등하게 또는 등가적으로 변형된 것에는, 예컨대 본 발명에 따른 방법을 실시한 것과 동일한 결과를 낼 수 있는, 논리적으로 동치(logically equivalent)인 방법이 포함될 것인바, 본 발명의 진의 및 범위는 전술한 예시들에 의하여 제한되어서는 아니되며, 법률에 의하여 허용 가능한 가장 넓은 의미로 이해되어야 한다.Such equally or equivalently modified means include, for example, a logically equivalent method which can produce the same result as the method according to the present invention, Should not be limited by the foregoing examples, but should be understood in the broadest sense permissible by law.
Claims (11)
(a) 컴퓨팅 장치가, 상기 피검체의 의료 영상을 획득하거나 상기 컴퓨팅 장치에 연동되는 타 장치로 하여금 획득하도록 지원하는 단계;
(b) 상기 컴퓨팅 장치가, 상기 의료 영상을 제공하고 사용자로부터 소정의 조작을 입력받기 위한 사용자 인터페이스를 제공하거나 상기 타 장치로 하여금 제공하도록 지원하는 단계로서, 상기 사용자 인터페이스의 일측에 상기 의료 영상을 나타내는 그래픽 오브젝트가 제공되며, 상기 사용자 인터페이스의 타측에,
병변 항목의 목록,
소정의 문턱값을 조절하도록 구성된 제1 인터페이스 구성요소,
상기 병변 항목의 목록에 나타나는 소정의 개수를 표시하도록 구성된 제2 인터페이스 구성요소, 및
상기 의료 영상의 입력으로부터 상기 의료 영상에 관한 판독 보조 정보를 생성하는 적어도 2가지 이상의 병변 판정 모델(lesion determination model) 중 어느 하나를 선택하도록 구성된 제3 인터페이스 구성요소
가 제공되고, 상기 판독 보조 정보는 개별 병변에 대한 병변 항목으로서 (i) 병변의 위치, (ii) 상기 병변의 부분 영상, (iii) 상기 의료 영상 가운데 상기 병변이 속한 슬라이스 영상의 일련 번호, (iv) 상기 병변의 부피, 직경 및 반경 중 어느 하나를 포함하는 물리량의 정보 및 (v) 상기 병변에 대한 적어도 하나의 점수를 포함하는, 단계;
(c) 상기 컴퓨팅 장치가, 병변 판정 모델(lesion determination model)에 기초하여 상기 판독 보조 정보를 생성하거나 생성하도록 지원하는 단계;
(d) 상기 판독 보조 정보가 생성되면, 상기 컴퓨팅 장치가, 정렬(sorting) 및 필터링(filter) 중 적어도 하나가 이루어진 상기 병변 항목을 상기 사용자 인터페이스 상의 상기 병변 항목의 목록을 통하여 외부 엔티티(entity)에 제공하거나 제공하도록 지원하는 단계; 및
(e) 상기 제1 인터페이스 구성요소 및 상기 제2 인터페이스 구성요소 중 적어도 하나에 대한 소정의 제1 조작에 응하여, 상기 컴퓨팅 장치가, 상기 정렬 및 상기 필터링 중 적어도 하나를 다시 수행함으로써 상기 (d) 단계를 반복하는 단계;
를 포함하되,
상기 필터링은 상기 점수가 가장 높은 순서부터 상기 소정의 개수만큼의 병변 항목만을 선택하는 것이되, 상기 소정의 개수는 상기 소정의 제1 조작에 따라 증감, 고정 또는 변동하고,
(f) 상기 제3 인터페이스 구성요소에 대한 소정의 제2 조작에 응하여, 상기 컴퓨팅 장치가, (i) 상기 병변 판정 모델 및 (ii) 상기 점수를 생성하는 방식 중 적어도 하나를 변경함으로써, 상기 (b) 내지 (e) 단계를 반복하는 단계
를 더 포함하며,
상기 (d) 단계에서,
상기 외부 엔티티에 상기 병변 항목과 함께 상기 제2 인터페이스 구성요소를 통하여 상기 필터링에 관한 상기 소정의 개수가 제공되고,
상기 (e) 단계는, 상기 소정의 제1 조작에 응하여 상기 소정의 문턱값이 변화됨에 따라 수행되며, 상기 문턱값은 상기 소정의 제1 조작에 따라, 연속적 또는 불연속적으로 증감하되, 불연속적으로 증감하는 경우에는 상기 증감의 간격이 미리 정해진 수치이고,
상기 필터링은 상기 문턱값에 기초하여 이루어지는 것을 특징으로 하는 의료 영상 판독 지원 방법.A method of supporting reading of a medical image of a subject,
(a) supporting a computing device to acquire a medical image of the subject or acquire another device associated with the computing device;
(b) providing a user interface for providing the medical image and receiving a predetermined operation from a user or supporting the other device to provide the medical image, the method comprising the steps of: (a) A graphic object is provided, and on the other side of the user interface,
A list of lesion items,
A first interface component configured to adjust a predetermined threshold value,
A second interface component configured to display a predetermined number appearing in the list of lesion items, and
A third interface component configured to select any one of at least two lesion determination models for generating read assistance information about the medical image from input of the medical image;
(Ii) a partial image of the lesion; (iii) a serial number of the slice image to which the lesion belongs; and (iii) iv) information of a physical quantity including any one of volume, diameter and radius of the lesion, and (v) at least one score for the lesion;
(c) supporting the computing device to generate or generate the read assistance information based on a lesion determination model;
(d) when the read assistance information is generated, the computing device is operable to cause the at least one of the sorting and filtering at least one of the external entities through the list of lesion items on the user interface, To provide or provide to the user; And
(e) in response to a first predetermined operation on at least one of the first interface component and the second interface component, causing the computing device to perform at least one of the sorting and the filtering again, Repeating the steps;
, ≪ / RTI &
Wherein the filtering is to select only the predetermined number of lesion items from the order of highest score, the predetermined number being increased, decreased or changed in accordance with the predetermined first operation,
(f) modifying, in response to a predetermined second operation on the third interface component, the computing device to change at least one of (i) the lesion determination model and (ii) repeating steps b) to e)
Further comprising:
In the step (d)
Wherein said external entity is provided with said predetermined number of said filtering through said second interface component with said lesion item,
Wherein the step (e) is performed as the predetermined threshold value is changed in response to the predetermined first operation, and the threshold value is continuously or discontinuously increased or decreased in accordance with the predetermined first operation, , The interval of the increase / decrease is a predetermined value,
Wherein the filtering is performed based on the threshold value.
상기 피검체의 의료 영상을 획득하는 통신부; 및
(i) 소정의 출력 장치를 통하여, 상기 의료 영상을 제공하고 사용자로부터 소정의 조작을 입력받기 위한 사용자 인터페이스를 제공하거나 상기 통신부를 통하여 연동되는 타 장치로 하여금 상기 사용자 인터페이스를 제공하도록 지원하는 프로세스로서, 상기 사용자 인터페이스의 일측에 상기 의료 영상을 나타내는 그래픽 오브젝트가 제공되며, 상기 사용자 인터페이스의 타측에, 병변 항목의 목록, 소정의 문턱값을 조절하도록 구성된 제1 인터페이스 구성요소, 상기 병변 항목의 목록에 나타나는 소정의 개수를 표시하도록 구성된 제2 인터페이스 구성요소, 및 상기 의료 영상의 입력으로부터 상기 의료 영상에 관한 판독 보조 정보를 생성하는 적어도 2가지 이상의 병변 판정 모델(lesion determination model) 중 어느 하나를 선택하도록 구성된 제3 인터페이스 구성요소가 제공되고, 상기 판독 보조 정보는 개별 병변에 대한 병변 항목으로서 병변의 위치, 상기 병변의 부분 영상, 상기 의료 영상 가운데 상기 병변이 속한 슬라이스 영상의 일련 번호, 상기 병변의 부피, 직경 및 반경 중 어느 하나를 포함하는 물리량의 정보 및 상기 병변에 대한 적어도 하나의 점수를 포함하는, 프로세스; (ii) 선택된 상기 병변 판정 모델(lesion determination model)에 기초하여 상기 의료 영상의 입력으로부터 상기 판독 보조 정보를 생성하거나 상기 통신부를 통하여 연동되는 타 장치로 하여금 생성하도록 지원하는 프로세스, (iii) 상기 판독 보조 정보가 생성되면, 정렬(sorting) 및 필터링(filter) 중 적어도 하나가 이루어진 병변 항목을 상기 사용자 인터페이스 상의 상기 병변 항목의 목록을 통하여 외부 엔티티(entity)에 제공하거나 제공하도록 지원하는 프로세스, 및 (iv) 상기 제1 인터페이스 구성요소 및 상기 제2 인터페이스 구성요소 중 적어도 하나에 대한 소정의 제1 조작에 응하여, 상기 정렬 및 상기 필터링 중 적어도 하나를 다시 수행함으로써 상기 (iii) 프로세스를 반복하는 프로세스를 수행하는 프로세서
를 포함하되,
상기 필터링은 상기 점수가 가장 높은 순서부터 상기 소정의 개수만큼의 병변 항목만을 선택하는 것이되, 상기 소정의 개수는 상기 소정의 제1 조작에 따라 증감, 고정 또는 변동하며,
상기 프로세서는,
상기 제3 인터페이스 구성요소에 대한 소정의 제2 조작에 응하여, (1) 상기 병변 판정 모델 및 (2) 상기 점수를 생성하는 방식 중 적어도 하나를 변경함으로써, 상기 (i) 내지 (iv) 프로세스를 반복하고,
상기 (iii) 프로세스에서,
상기 외부 엔티티에 상기 병변 항목과 함께 상기 제2 인터페이스 구성요소를 통하여 상기 필터링에 관한 상기 소정의 개수가 제공되고,
상기 (iv) 프로세스는, 상기 소정의 제1 조작에 응하여 상기 소정의 문턱값이 변화됨에 따라 수행되며, 상기 문턱값은 상기 소정의 제1 조작에 따라, 연속적 또는 불연속적으로 증감하되, 불연속적으로 증감하는 경우에는 상기 증감의 간격이 미리 정해진 수치이고,
상기 필터링은 상기 문턱값에 기초하여 이루어지는 것을 특징으로 하는 의료 영상 판독 지원 장치.A computing device for supporting reading of a medical image of a subject,
A communication unit for acquiring a medical image of the subject; And
(i) providing a user interface for providing the medical image through a predetermined output device and receiving a predetermined operation from a user, or for supporting other devices interlocked through the communication unit to provide the user interface , A graphical object representing the medical image is provided on one side of the user interface, a first interface component configured to adjust a list of the lesion items, a predetermined threshold value, on the other side of the user interface, A second interface component configured to display a predetermined number of appearances, and at least two lesion determination models for generating read assistance information regarding the medical image from an input of the medical image The configured third interface Wherein the read assistance information comprises a position of a lesion as a lesion item for an individual lesion, a partial image of the lesion, a serial number of the slice image to which the lesion belongs, a volume, diameter and radius of the lesion , And at least one score for the lesion; (ii) generating the read assistance information from an input of the medical image based on the selected lesion determination model, or supporting other devices interlocked through the communication unit to generate, (iii) A process for providing or providing an external entity with a lesion item having at least one of sorting and filtering through the list of lesion items on the user interface when the auxiliary information is generated; iv) repeating the process (iii) by again performing at least one of the sorting and the filtering in response to a predetermined first operation on at least one of the first interface component and the second interface component Processor
, ≪ / RTI &
Wherein the filtering is to select only the predetermined number of lesion items from the highest order of the scores, the predetermined number being increased, decreased, or varied in accordance with the predetermined first operation,
The processor comprising:
(I) to (iv) by changing at least one of (1) the lesion judgment model and (2) the method of generating the score, in response to a predetermined second operation on the third interface component Repeat,
In the process (iii)
Wherein said external entity is provided with said predetermined number of said filtering through said second interface component with said lesion item,
Wherein the step (iv) is performed as the predetermined threshold value is changed in response to the predetermined first operation, and the threshold value is continuously or discontinuously increased or decreased in accordance with the predetermined first operation, , The interval of the increase / decrease is a predetermined value,
Wherein the filtering is performed based on the threshold value.
상기 소정의 제1 조작은, 입력 장치의 스크롤링 조작인 것을 특징으로 하는 의료 영상 판독 지원 장치.8. The method of claim 7,
Wherein the predetermined first operation is a scrolling operation of the input device.
상기 소정의 제1 조작은, 소정의 단축키를 입력하는 조작이며,
상기 필터링은 상기 점수가 가장 높은 순서부터 미리 정해진 개수만큼의 병변 항목만을 선택하는 것을 특징으로 하는 의료 영상 판독 지원 장치.8. The method of claim 7,
The predetermined first operation is an operation for inputting a predetermined hot key,
Wherein the filtering selects only a predetermined number of lesion items from the highest order of the score.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020180007517A KR101943011B1 (en) | 2018-01-22 | 2018-01-22 | Method for facilitating medical image reading and apparatus using the same |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020180007517A KR101943011B1 (en) | 2018-01-22 | 2018-01-22 | Method for facilitating medical image reading and apparatus using the same |
Publications (2)
Publication Number | Publication Date |
---|---|
KR101943011B1 true KR101943011B1 (en) | 2019-01-28 |
KR101943011B9 KR101943011B9 (en) | 2022-01-17 |
Family
ID=65269641
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020180007517A KR101943011B1 (en) | 2018-01-22 | 2018-01-22 | Method for facilitating medical image reading and apparatus using the same |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR101943011B1 (en) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102186709B1 (en) * | 2019-09-18 | 2020-12-04 | 주식회사 뷰노 | Method for providing tooth leison information and apparatus using the same |
KR20210014893A (en) | 2019-07-31 | 2021-02-10 | 주식회사 코어라인소프트 | Apparatus and method for medical image reading assistant providing hanging protocols based on medical use artificial neural network |
KR102222509B1 (en) * | 2020-05-28 | 2021-03-03 | 주식회사 에프앤디파트너스 | Method for assisting determination on medical images and apparatus using the same |
KR102231698B1 (en) * | 2020-06-15 | 2021-03-24 | 주식회사 루닛 | Method for filtering normal medical image, method for interpreting medical image, and computing device implementing the methods |
KR20210033440A (en) * | 2019-09-18 | 2021-03-26 | 주식회사 뷰노 | Method for providing tooth leison information and apparatus using the same |
KR20210060923A (en) | 2019-11-19 | 2021-05-27 | 주식회사 코어라인소프트 | Apparatus and method for medical image reading assistant providing representative image based on medical use artificial neural network |
WO2021107471A1 (en) * | 2019-11-29 | 2021-06-03 | 주식회사 뷰노 | Medical data retrieval method |
KR102283673B1 (en) | 2020-11-30 | 2021-08-03 | 주식회사 코어라인소프트 | Medical image reading assistant apparatus and method for adjusting threshold of diagnostic assistant information based on follow-up exam |
CN113270168A (en) * | 2021-05-19 | 2021-08-17 | 中科芯未来微电子科技成都有限公司 | Method and system for improving medical image processing capability |
WO2022119162A1 (en) * | 2020-12-04 | 2022-06-09 | 주식회사 뷰노 | Medical image-based disease prediction method |
DE102022112136A1 (en) | 2021-05-17 | 2022-11-17 | Coreline Soft Co,, Ltd. | MEDICAL IMAGE ANALYZER, METHOD AND MEDICAL IMAGE, VISUALIZATION DEVICE AND METHOD |
KR102505074B1 (en) * | 2021-10-12 | 2023-03-02 | 주식회사 테스트웍스 | Apparatus and method for processing image data using hierachical output |
WO2023200182A1 (en) * | 2022-04-11 | 2023-10-19 | 고려대학교 산학협력단 | Method and device for differentially diagnosing various degenerative brain diseases on basis of deep-learning reading technology in magnetic resonance imaging |
DE102023203884A1 (en) | 2022-04-26 | 2023-10-26 | Coreline Soft Co., Ltd | Medical image diagnostic aid device and method for generating and visualizing aid information based on distributions of signal intensities in medical images |
KR20230151865A (en) | 2022-04-26 | 2023-11-02 | 주식회사 코어라인소프트 | Medical image diagnosis assistant apparatus and method generating and visualizing assistant information based on distribution of intensity in medical images |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011123772A2 (en) | 2010-04-02 | 2011-10-06 | Vpdiagnostics, Inc. | Method and system for plaque lesion characterization |
JP2016154588A (en) | 2015-02-23 | 2016-09-01 | Hoya株式会社 | Image processing device |
JP2016158682A (en) | 2015-02-27 | 2016-09-05 | Hoya株式会社 | Image processing device |
-
2018
- 2018-01-22 KR KR1020180007517A patent/KR101943011B1/en active IP Right Grant
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011123772A2 (en) | 2010-04-02 | 2011-10-06 | Vpdiagnostics, Inc. | Method and system for plaque lesion characterization |
JP2016154588A (en) | 2015-02-23 | 2016-09-01 | Hoya株式会社 | Image processing device |
JP2016158682A (en) | 2015-02-27 | 2016-09-05 | Hoya株式会社 | Image processing device |
Cited By (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US12046367B2 (en) | 2019-07-31 | 2024-07-23 | Coreline Soft Co., Ltd. | Medical image reading assistant apparatus and method providing hanging protocols based on medical use artificial neural network |
KR20210014893A (en) | 2019-07-31 | 2021-02-10 | 주식회사 코어라인소프트 | Apparatus and method for medical image reading assistant providing hanging protocols based on medical use artificial neural network |
KR20210033440A (en) * | 2019-09-18 | 2021-03-26 | 주식회사 뷰노 | Method for providing tooth leison information and apparatus using the same |
KR102290799B1 (en) | 2019-09-18 | 2021-08-20 | 주식회사 뷰노 | Method for providing tooth leison information and apparatus using the same |
WO2021054700A1 (en) * | 2019-09-18 | 2021-03-25 | 주식회사 뷰노 | Method for providing tooth lesion information, and device using same |
KR102186709B1 (en) * | 2019-09-18 | 2020-12-04 | 주식회사 뷰노 | Method for providing tooth leison information and apparatus using the same |
US11996182B2 (en) | 2019-11-19 | 2024-05-28 | Coreline Soft Co., Ltd. | Apparatus and method for medical image reading assistant providing representative image based on medical use artificial neural network |
KR20210060923A (en) | 2019-11-19 | 2021-05-27 | 주식회사 코어라인소프트 | Apparatus and method for medical image reading assistant providing representative image based on medical use artificial neural network |
KR20210080328A (en) | 2019-11-19 | 2021-06-30 | 주식회사 코어라인소프트 | Apparatus and method for medical image reading assistant providing representative image based on medical use artificial neural network |
WO2021107471A1 (en) * | 2019-11-29 | 2021-06-03 | 주식회사 뷰노 | Medical data retrieval method |
KR102222509B1 (en) * | 2020-05-28 | 2021-03-03 | 주식회사 에프앤디파트너스 | Method for assisting determination on medical images and apparatus using the same |
KR102231698B1 (en) * | 2020-06-15 | 2021-03-24 | 주식회사 루닛 | Method for filtering normal medical image, method for interpreting medical image, and computing device implementing the methods |
US11574727B2 (en) | 2020-06-15 | 2023-02-07 | Lunit Inc. | Method for filtering normal medical image, method for interpreting medical image, and computing device implementing the methods |
US11928817B2 (en) | 2020-06-15 | 2024-03-12 | Lunit Inc. | Method for filtering normal medical image, method for interpreting medical image, and computing device implementing the methods |
KR102283673B1 (en) | 2020-11-30 | 2021-08-03 | 주식회사 코어라인소프트 | Medical image reading assistant apparatus and method for adjusting threshold of diagnostic assistant information based on follow-up exam |
DE102021131242A1 (en) | 2020-11-30 | 2022-06-02 | Coreline Soft Co., Ltd | Medical image reading assistant apparatus and method for adjusting a diagnostic assistant information threshold based on a follow-up examination |
KR20220076283A (en) | 2020-11-30 | 2022-06-08 | 주식회사 코어라인소프트 | Medical image reading assistant apparatus and method for adjusting threshold of diagnostic assistant information based on follow-up exam |
US11915822B2 (en) | 2020-11-30 | 2024-02-27 | Coreline Soft Co., Ltd. | Medical image reading assistant apparatus and method for adjusting threshold of diagnostic assistant information based on follow-up examination |
WO2022119162A1 (en) * | 2020-12-04 | 2022-06-09 | 주식회사 뷰노 | Medical image-based disease prediction method |
KR20220079726A (en) * | 2020-12-04 | 2022-06-14 | 주식회사 뷰노 | Method for predicting disease based on medical image |
KR102534453B1 (en) * | 2020-12-04 | 2023-05-22 | 주식회사 뷰노 | Method for predicting disease based on medical image |
TWI814154B (en) * | 2020-12-04 | 2023-09-01 | 韓商福諾有限公司 | Method for predicting disease based on medical image |
DE102022112136A1 (en) | 2021-05-17 | 2022-11-17 | Coreline Soft Co,, Ltd. | MEDICAL IMAGE ANALYZER, METHOD AND MEDICAL IMAGE, VISUALIZATION DEVICE AND METHOD |
KR20240054248A (en) | 2021-05-17 | 2024-04-25 | 주식회사 코어라인소프트 | Medical image analysis apparatus and method, medical image visualization apparatus and method |
KR20220155828A (en) | 2021-05-17 | 2022-11-24 | 주식회사 코어라인소프트 | Medical image analysis apparatus and method, medical image visualization apparatus and method |
KR102676569B1 (en) * | 2021-05-17 | 2024-06-20 | 주식회사 코어라인소프트 | Medical image analysis apparatus and method, medical image visualization apparatus and method |
CN113270168B (en) * | 2021-05-19 | 2024-01-02 | 中科芯未来微电子科技成都有限公司 | Method and system for improving medical image processing capability |
CN113270168A (en) * | 2021-05-19 | 2021-08-17 | 中科芯未来微电子科技成都有限公司 | Method and system for improving medical image processing capability |
KR102505074B1 (en) * | 2021-10-12 | 2023-03-02 | 주식회사 테스트웍스 | Apparatus and method for processing image data using hierachical output |
WO2023200182A1 (en) * | 2022-04-11 | 2023-10-19 | 고려대학교 산학협력단 | Method and device for differentially diagnosing various degenerative brain diseases on basis of deep-learning reading technology in magnetic resonance imaging |
DE102023203884A1 (en) | 2022-04-26 | 2023-10-26 | Coreline Soft Co., Ltd | Medical image diagnostic aid device and method for generating and visualizing aid information based on distributions of signal intensities in medical images |
KR20230151865A (en) | 2022-04-26 | 2023-11-02 | 주식회사 코어라인소프트 | Medical image diagnosis assistant apparatus and method generating and visualizing assistant information based on distribution of intensity in medical images |
Also Published As
Publication number | Publication date |
---|---|
KR101943011B9 (en) | 2022-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101943011B1 (en) | Method for facilitating medical image reading and apparatus using the same | |
KR101887194B1 (en) | Method for facilitating dignosis of subject based on medical imagery thereof, and apparatus using the same | |
Yousef et al. | A holistic overview of deep learning approach in medical imaging | |
US10304198B2 (en) | Automatic medical image retrieval | |
KR101898575B1 (en) | Method for predicting future state of progressive lesion and apparatus using the same | |
KR101874348B1 (en) | Method for facilitating dignosis of subject based on chest posteroanterior view thereof, and apparatus using the same | |
US8165368B2 (en) | Systems and methods for machine learning based hanging protocols | |
KR101919866B1 (en) | Method for aiding determination of presence of bone metastasis from bone scan image and apparatus using the same | |
EP3629898A1 (en) | Automated lesion detection, segmentation, and longitudinal identification | |
JP6793994B2 (en) | A method for reconstructing a series of slice images and a device using this | |
JP6719421B2 (en) | Learning data generation support device, learning data generation support method, and learning data generation support program | |
KR101898580B1 (en) | Method for facilitating image view and apparatus using the same | |
JP5226974B2 (en) | Image diagnosis support apparatus, method and program | |
US10219767B2 (en) | Classification of a health state of tissue of interest based on longitudinal features | |
US20170221204A1 (en) | Overlay Of Findings On Image Data | |
KR102258756B1 (en) | Determination method for stage of cancer based on medical image and analyzing apparatus for medical image | |
CN112529834A (en) | Spatial distribution of pathological image patterns in 3D image data | |
KR101919847B1 (en) | Method for detecting automatically same regions of interest between images taken on a subject with temporal interval and apparatus using the same | |
WO2019176407A1 (en) | Learning assisting device, learning assisting method, learning assisting program, region-of-interest discriminating device, region-of-interest discriminating method, region-of-interest discriminating program, and learned model | |
KR20200131737A (en) | Method for aiding visualization of lesions in medical imagery and apparatus using the same | |
KR101923962B1 (en) | Method for facilitating medical image view and apparatus using the same | |
KR102222816B1 (en) | Method for generating future image of progressive lesion and apparatus using the same | |
WO2019208130A1 (en) | Medical document creation support device, method, and program, learned model, and learning device, method, and program | |
KR102099350B1 (en) | Method for aiding quantification of lesions in medical imagery and apparatus using the same | |
CN117581310A (en) | Method and system for automatic tracking reading of medical image data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GRNT | Written decision to grant | ||
G170 | Publication of correction |