KR102049336B1 - 컴퓨터 보조 진단 장치 및 방법 - Google Patents

컴퓨터 보조 진단 장치 및 방법 Download PDF

Info

Publication number
KR102049336B1
KR102049336B1 KR1020120138140A KR20120138140A KR102049336B1 KR 102049336 B1 KR102049336 B1 KR 102049336B1 KR 1020120138140 A KR1020120138140 A KR 1020120138140A KR 20120138140 A KR20120138140 A KR 20120138140A KR 102049336 B1 KR102049336 B1 KR 102049336B1
Authority
KR
South Korea
Prior art keywords
lesion
image
feature value
extracted
lesion feature
Prior art date
Application number
KR1020120138140A
Other languages
English (en)
Other versions
KR20140070081A (ko
Inventor
이종하
성영경
이기용
김예훈
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020120138140A priority Critical patent/KR102049336B1/ko
Publication of KR20140070081A publication Critical patent/KR20140070081A/ko
Application granted granted Critical
Publication of KR102049336B1 publication Critical patent/KR102049336B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30096—Tumor; Lesion

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

컴퓨터 보조 진단 장치 및 방법에 관한 것으로, 병변 촬영 영상에서 추출된 병변 특징값 및 미리 저장된 진단 모델을 이용하여 병변을 진단하고, 추출된 병변 특징값 및 진단결과에 대한 정보를 시각화하여 사용자에게 제시하고, 사용자가 병변 특징값을 수정함에 따라 변경된 진단 결과를 시각화하여 표시함으로써 진단 정확성을 향상시킬 수 있다.

Description

컴퓨터 보조 진단 장치 및 방법{APPARATUS AND METHOD FOR COMPUTER AIDED DIAGNOSIS}
컴퓨터 보조 진단 방법 및 장치와 관련된다.
컴퓨터 보조 진단(Computer-Aided Diagnosis, CAD)은 병변 촬영 영상에서 병변의 영역을 찾아내고 그 병변 영역에 대한 진단 결과를 사용자에게 제시하여 사용자가 병변에 대한 정확한 진단을 할 수 있도록 지원하는 것을 말한다. 따라서, CAD에서 사용자에게 제시하는 진단 결과는 사용자의 최종 진단에 실질적인 도움이 될 수 있도록 최대한 정확해야 한다.
그러나, 초음파 영상과 같은 병변 촬영 영상은 저해상도, 낮은 대비, 스펙클 노이즈, 희미한 병변의 경계와 같은 특성으로 인해 CAD를 통한 진단결과의 정확성이 떨어질 수 있다.
컴퓨터 보조 진단 방법 및 장치를 제공하는 것을 목적으로 한다.
일 양상에 따른 컴퓨터 보조 진단 장치는 병변 촬영 영상에서 미리 설정된 분류에 따른 병변의 특징값을 추출하는 병변 특징 추출부, 상기 추출된 병변 특징값을 미리 저장된 진단모델과 비교하여 병변을 진단하는 진단부 및 상기 추출된 병변 특징값 및 상기 진단부의 진단결과에 대한 정보를 시각화한 이미지를 표시하고 사용자로부터 상기 추출된 병변 특징값을 수정받는 시각화 이미지 제공부를 포함할 수 있다.
한편, 상기 시각화 이미지 제공부는 상기 진단결과를 병변의 양성/악성도에 대한 정보를 포함하는 이미지의 형태로 제공할 수 있고, 상기 추출된 병변 특징값을 분류항목별로 가능한 병변 특징값 및 각 특징값들의 정확성, 신뢰도 및 확률 중 적어도 하나를 포함하는 이미지의 형태로 제공할 수 있다. 이때, 상기 시각화 이미지 제공부는 상기 추출된 병변 특징값에 대한 정보를 시각화한 이미지에 포함된 각 병변 특징값들의 정확성, 신뢰도 및 확률 중 적어도 하나의 수정을 통해 수정된 병변 특징값을 입력받을 수 있다.
또 다른 양상에 따르면, 상기 시각화 이미지 제공부는 상기 추출된 병변 특징값을 분류항목, 추출된 분류항목별 병변 특징값 및 수정될 경우 병변의 양성/악성도가 일정범위 이상 변할 수 있는 병변 특징값 후보에 대한 정보를 포함하는 이미지의 형태로 제공할 수 있다. 이때, 상기 시각화 이미지 제공부는 상기 추출된 병변 특징값에 대한 정보를 시각화한 이미지에서 상기 병변 특징값 후보 중 하나의 선택을 통해 수정된 병변 특징값을 입력받을 수 있다.
추가적 양상에 따르면, 상기 진단부는 상기 추출된 병변의 특징값이 수정된 경우, 수정된 병변의 특징값을 이용하여 병변을 재진단할 수 있다. 이때, 상기 시각화 이미지 제공부는 상기 추출된 병변의 특징값이 수정된 경우, 상기 진단부의 재진단결과에 따라 진단결과에 대한 정보를 시각화한 이미지를 갱신할 수 있다.
추가적 양상에 따르면, 상기 시각화 이미지 제공부는 상기 진단모델을 기초로 양성 또는 악성일 경우 병변 특징값들의 조합 및 확률을 포함하는 진단규칙에 대한 정보를 시각화한 이미지를 추가로 표시할 수 있고, 상기 추출된 병변의 특징값이 수정된 경우, 상기 진단규칙에 대한 정보를 시각화한 이미지를 갱신할 수 있다.
한편, 일 양상에 따른 컴퓨터 보조 진단 방법은 병변 촬영 영상에서 미리 설정된 분류에 따른 병변의 특징값을 추출하는 병변 특징 추출 단계, 상기 추출된 병변의 특징값을 미리 저장된 진단모델과 비교하여 병변을 진단하는 병변 진단 단계 및 상기 추출된 병변 특징값 및 진단결과에 대한 정보를 시각화한 이미지를 표시하는 이미지 표시 단계를 포함할 수 있다.
추가적 양상에 따르면, 상기 컴퓨터 보조 진단 방법은 사용자에 의해 수정된 병변 특징값을 입력받는 병변 특징값 수정 단계 및 상기 수정된 병변 특징값을 상기 미리 저장된 진단모델과 비교하여 병변을 재진단하는 재진단 단계를 포함할 수 있다.
한편, 상기 이미지 표시 단계는 상기 진단결과를 병변의 양성/악성에 대한 정보를 포함하는 이미지의 형태로 제공할 수 있고, 상기 추출된 병변 특징값에 대한 정보를 분류항목별로 가능한 병변 특징값 및 각 특징값들의 정확성, 신뢰도 및 확률 중 적어도 하나를 포함하는 이미지의 형태로 제공할 수 있다. 이때, 상기 병변 특징값 수정 단계는 상기 추출된 병변 특징값에 대한 정보를 시각화한 이미지에 포함된 각 병변 특징값들의 정확성, 신뢰도 및 확률 중 적어도 하나의 수정을 통해 수정된 병변 특징값을 입력받을 수 있다.
또 다른 양상에 따르면, 상기 추출된 병변 특징값을 시각화한 이미지는 분류항목, 추출된 병변 특징값 및 각 분류항목에서 수정될 경우 진단결과에 영향이 큰 병변 특징값 후보에 대한 정보를 포함할 수 있다. 이때, 상기 병변 특징값 수정단계는 상기 추출된 병변 특징값에 대한 정보를 시각화한 이미지에서 상기 병변 특징값 후보 중 하나의 선택을 통해 수정된 병변 특징값을 입력받을 수 있다.
추가적 양상에 따르면, 컴퓨터 보조 진단 방법은 상기 재진단 결과에 따라 진단결과에 대한 정보를 시각화한 이미지를 갱신하는 이미지 갱신 단계를 더 포함할 수 있다.
추가적 양상에 따르면, 상기 이미지 표시 단계는 상기 진단모델을 기초로 양성 또는 악성일 경우 병변 특징값들의 조합 및 확률을 포함하는 진단규칙에 대한 이미지를 추가로 표시할 수 있고, 상기 이미지 갱신 단계는 상기 추출된 병변의 특징값이 수정된 경우, 상기 진단 규칙에 대한 이미지를 추가로 갱신할 수 있다.
병변 진단에 필요한 정보를 시각화하여 사용자에게 제시하여 정성적, 정량적인 분석을 가능케 하고 병변 특징값 수정시 참고자료로 사용할 수 있게 함으로써 진단 정확성을 향상시킬 수 있다.
도 1은 일 실시예에 따른 컴퓨터 보조 진단 장치의 구성도,
도 2a 내지 도 2d는 병변 특징값에 대한 정보를 시각화한 이미지를 설명하기 위한 예시도,
도 3a 및 도 3c는 진단결과에 대한 정보를 시각화한 이미지를 설명하기 위한 예시도,
도 4a 및 도 4b는 진단규칙 및 진단규칙에 대한 정보를 시각화한 이미지를 설명하기 위한 예시도,
도 5는 병변 특징값 및 진단결과에 대한 정보를 시각화하여 표시하는 절차를 설명하기 위한 순서도,
도 6은 병변의 특징값 수정 및 재진단 절차를 설명하기 위한 순서도이다.
기타 실시예들의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다. 기재된 기술의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다.
도 1은 일 실시예에 따른 컴퓨터 보조 진단 장치의 구성도이다.
도 1을 참조하면, 일 실시예에 따른 컴퓨터 보조 진단 장치(100)는 병변 특징 추출부(110), 진단부(130) 및 시각화 이미지 제공부(150)를 포함할 수 있다. 병변 특징 추출부(110)는 병변 촬영 영상에서 병변 특징값을 추출한다. 이때, 병변 촬영 영상은 방사선 촬영 영상(CR: Computed Radiography), 컴퓨터 단층 촬영(CT: Computed TomoGraphy) 영상, 초음파 영상 또는 MRI(Magnetic Resonance Image)를 포함하는 다양한 의료 영상 중 하나일 수 있다.
구체적으로 병변 특징 추출부(110)는 병변 촬영 영상에서 영상처리를 통해 병변이 의심되는 영역을 획득한다. 이후, 획득된 병변 영역의 윤곽선, 윤곽선과 인접한 영역 또는 윤곽선의 내부영역의 픽셀정보 등에서 병변의 특징값을 추출할 수 있다. 이때, 병변의 특징값은 양성 또는 악성 종양에서 차별적으로 식별되는 특징을 나타내는 값으로 미리 설정된 분류에 따라 분류될 수 있다. 즉, 일반적으로 악성 종양의 경우, 병변의 모양(shape)이 불규칙하거나 경계(margin)가 분엽상(lobulation)인 반면, 양성 종양의 경우 병변의 모양이 둥글고, 경계가 부드럽다. 따라서, 병변의 모양(Shape), 경계(margin)와 같이 악성과 양성 종양에서 상반되게 나타나는 특징을 분류항목으로 설정하고, 각 분류항목별 판단 기준에 따라 식별되는 병변 특징값을 통계적인 확률로 측정할 수 있다. 이때, 분류항목, 각 분류항목에 따른 가능한 병변 특징값 및 각 분류항목별 병변 특징값의 식별 여부를 판단하기 위한 판단 기준은 사용자에 의해 미리 설정될 수 있다.
일 실시예에 따르면, 병변 특징값은 BI-RADS에 렉시콘 분류와 같은 표준화된 분류를 사용할 수 있으나 이에 한정되는 것은 아니며, 병변 촬영 영상의 종류(MRI, 초음파 영상 등), 촬영 부위(가슴, 갑상선 등) 등에 따라 특징적으로 나타나는 특성을 고려하여 설정될 수 있다.
진단부(130)는 병변 특징 추출부(110)에서 추출된 병변 특징값을 이용하여 병변을 진단할 수 있다. 구체적으로, 진단부(130)는 추출된 병변 특징값을 미리 저장된 진단모델과 비교하여 병변의 양성 또는 악성 여부를 판단할 수 있다. 이때, 진단모델은 미리 수집된 병변 촬영 영상에서 추출된 병변 특징값을 이용하여 학습을 통해 생성될 수 있다. 즉, 진단모델은 미리 수집된 병변 촬영 영상에서 추출된 병변 특징값을 이용하여 병변 특징값들의 조합 및 각 조합에 따른 진단결과를 포함하는 진단규칙으로 구성될 수 있다. 또한, 진단결과는 추출된 병변 특징값을 진단규칙과 비교하여 병변의 양성/악성도를 나타내는 확률로 구해질 수 있다.
시각화 이미지 제공부(150)는 병변 특징 추출부(110)에서 추출된 병변 특징값 및 진단부(130)의 진단결과에 대한 정보를 사용자에게 제공하고, 사용자로부터 추출된 병변 특징값을 수정받을 수 있다. 구체적으로, 시각화 이미지 제공부(150)는 사용자에게 병변에 대한 정보를 사용자에게 제공하기 위한 디스플레이수단 및 사용자로부터 추출된 병변 특징값을 수정받기 위한 입력 수단을 포함할 수 있다. 디스플레이 수단은 LCD, PDP 및 LED 등 다양한 형태일 수 있다. 또한, 입력 수단은 키보드, 마우스 등으로 구성될 수 있으며, 터치스크린의 형태로 구현될 수 있다.
한편, 추출된 병변 특징값 및 진단결과에 대한 정보는 시각화된 이미지로 사용자에게 제공될 수 있다. 구체적으로, 추출된 병변 특징값은 미리 설정된 분류에 따라 분류항목 및 각 분류항목별 병변 특징값에 대한 정보를 포함하는 그래프 또는 차트 등의 이미지로 제공될 수 있다. 또한, 진단결과에 대한 정보는 병변의 양성/악성도에 대한 정보를 포함하는 그래프 차트 등의 이미지로 제공될 수 있다.
일 실시예에 따르면, 시각화 이미지 제공부(150)는 진단모델을 기초로 진단규칙에 대한 정보를 시각화한 이미지로 표시할 수 있다. 이때, 진단규칙에 대한 이미지는 그래프, 차트 등 다양한 형태의 이미지로 표시될 수 있다.
한편, 사용자는 시각화 이미지 제공부(150)를 통해 추출된 병변 특징값을 수정할 수 있다. 사용자에 의해 병변 특징값이 수정된 경우, 진단부(130)는 수정된 병변 특징값을 이용하여 병변을 재진단할 수 있다. 이때, 시각화 이미지 제공부(150)는 재진단 결과에 따라 진단결과에 대한 정보를 갱신하여 사용자에게 제공할 수 있다.
한편, 추가적 실시예에 따르면, 시각화 이미지 제공부(150)는 사용자에 의해 병변 특징값이 수정된 경우, 진단규칙에 대한 정보를 시각화한 이미지를 즉각적으로 갱신하여 사용자에게 제공할 수 있다.
즉, 병변 촬영 영상은 저해상도, 낮은 대비, 희미한 병변의 경계와 같은 특성으로 인해 추출된 병변 특징값의 정확성이 떨어지는 경우가 있으므로, 사용자에 의해 추출된 병변 특징값이 수정되어야 할 필요가 있다. 이때, 병변 특징값의 수정에 따른 악성/양성도의 변화를 즉각적으로 보여줌으로써 사용자는 수정하는 병변 특징값이 진단결과에 어떠한 영향을 미칠지 미리 예측할 수 있게 된다. 또한, 사용자의 병변 특징값 수정에 따라 진단규칙에 대한 정보를 시각화한 이미지를 즉각적으로 갱신하여 보여줌으로써 사용자는 자신이 어떠한 방향으로 수정하고 있는지 알 수 있게 된다. 결과적으로 사용자가 병변에 대해 정성적, 정량적 판단을 할 수 있도록 함으로써, 진단 정확성을 향상할 수 있다.
도 2a 내지 도 2d는 병변 특징값에 대한 정보를 시각화한 이미지를 설명하기 위한 예시도이다.
일 실시예에 따르면 병변 특징값에 대한 정보는 도 2a 및 도2b에 도시된 바와 같이 그래프의 형태의 이미지로 표시될 수 있다. 구체적으로, 도 2a 및 도 2b는 병변 특징값의 분류항목 중 Shape항목의 병변 특징값에 대한 정보를 나타내는 방사형 그래프이다. 도시된 예에서, 방사형 그래프의 모서리 값(Round, Oval, Lobular, Irregular, Spiculated)은 병변 특징값이며, 방사형 그래프의 축은 각 병변 특징값의 확률, 신뢰도 및 정확도(이하에서는 확률로 설명한다.)등을 나타낸다. 또한, 검은색 영역(210)은 추출된 병변 특징값의 확률을 나타낸 것이다. 도 2a의 경우, Shape분류의 병변의 특징값은 Round일 가능성일 가장 높은 것을 알 수 있다. 한편, 이러한 방사형 그래프는 각 분류항목별로 생성되어 제공될 수 있다. 또한, 그래프의 형태는 방사형으로 한정되는 것은 아니며, 막대 그래프, 꺽은선 그래프, 원형 그래프 등 다양한 형태로 변형 가능하다.
한편, 도 2b는 사용자에 의해 병변 특징값이 수정된 경우를 나타낸 것이다. 도 2b와 도 2a의 그래프를 비교해보면, 도 2b에 도시된 그래프에서 Oval일 확률이 도 2a의 경우보다 증가하고, Round일 확률이 도 2a의 경우보다 줄어든 것을 확인할 수 있다. 이때, 사용자는 도 2a의 그래프의 검은색 영역(210)을 도 2b의 검은색 영역(220)과 같이 수정하여 수정된 병변 특징값을 입력할 수 있다. 한편, 그래프의 수정은 마우스로 드래그하여 수정하는 방법, 터치 스크린을 통해 손으로 수정하는 방법 등 다양한 형태로 구현될 수 있다.
또 다른 실시예에 따르면, 병변 특징값에 대한 정보는 도 2c 및 도 2d에 도시된 바와 같이 분류항목과 병변 특징값을 표시하는 이미지로 제공될 수 있다. 구체적으로, 도 2c는 병변 특징값의 분류항목(Shape, Margin, Orientation, Boundary. Echo pattern, Posterior acoustic)과 각 분류항목별 병변 특징값을 나타내는 차트이다. 또한, 검은색 점은 병변 특징 추출부(110)에서 추출된 병변 특징값을 나타낸다.
한편, 도 2d는 사용자에 의해 병변 특징값이 수정된 경우를 나타낸 것이다. 도 2c와 도 2d를 참조하면, 도 2d의 경우, 도 2c와 비교하여 Shape 항목의 병변 특징값이 Round로 수정되었음을 알 수 있다. 즉, 도시된 예와 같이 사용자는 각 분류항목의 병변 특징값 중 하나를 선택하는 방법에 의해 추출된 병변 특징값을 수정할 수 있다.
추가적 실시예에 따르면, 도 2d에 도시된 바와 같이 각 분류항목별로 수정될 경우 진단결과에 영향을 크게 미칠 수 있는 병변 특징값 후보만을 표시하여 사용자가 표시된 병변 특징값 후보 중 하나를 선택하도록 할 수 있다. 이때, 진단결과에 영향이 큰 경우란, 예를 들어 병변 특징 추출부에서 추출된 병변 특징값이 수정될 경우, 양성/악성도가 일정범위 이상 변할 수 있는 경우 등 일 수 있다. 병변 특징값 후보로 제시하기 위한 양성/악성도의 변동범위는 사용자에 의해 미리 설정될 수 있다.
도 3a 내지 도 3c는 진단결과에 대한 정보를 시각화한 이미지를 설명하기 위한 예시도이다.
일 실시예에 따르면, 진단부(130)의 진단결과는 도 3a와 같이 병변의 양성/악성도를 나타내는 그래프의 형태로 표시될 수 있다. 도시된 예에서, 그래프는 양성/악성도를 나타내는 0에서 100%까지의 연속된 확률값으로 표시될 수 있다. 화살표는 진단부(130)의 진단결과에 기초한 병변의 양성/악성도를 나타낸다. 도시된 예에서, 양성/악성도는 72%이며, 악성 의심(Suspicious Abnormality)소견에 해당함을 나타내고 있다.
또 다른 실시예에 따르면, 진단부(130)의 진단결과는 도 3b에 도시된 바와 같은 형태의 그래프로 표시될 수 있다. 도시된 예에서, 그래프의 숫자는 양성/악성도를 나타내는 등급을 의미하며, 화살표는 진단부(130)의 진단결과에 기초한 병변의 양성/악성도를 나타낸다. 도시된 예에서, 양성/악성도는 3등급에 가까운 4등급에 해당함을 알 수 있다. 한편, 양성/악성도를 나타내는 등급은 예를 들어, BI-RADS classificaion과 같이 표준화된 등급을 사용할 수 있다. 다만, 이에 한정되는 것은 아니며, 사용자에 의해 미리 설정된 기준에 따른 등급으로 표현될 수 있다.
한편, 추가적 실시예에 따르면, 시각화 이미지 제공부(150)는 사용자에 의해 병변 특징값이 수정된 경우, 진단부(130)의 재진단 결과에 따라 진단결과에 대한 정보를 시각화한 이미지를 갱신할 수 있다. 도 3c를 참조하면, 도 3c는 도 3a와 비교하여 병변의 양성/악성도가 65%로 변경되었음을 알 수 있다. 즉, 사용자가 병변 특징값을 수정한 경우, 수정에 따른 양성/악성도의 변화를 사용자에게 즉각적으로 제시해주므로, 사용자는 자신이 수정하는 값이 진단 결과에 어떤 영향을 미칠지 미리 알 수 있고, 진단 정확성을 향상시킬 수 있다.
도 4a 및 도 4b는 진단규칙 및 진단규칙에 대한 정보를 시각화한 이미지를 설명하기 위한 예시도이다.
도 4a는 악성 소견을 보이는 병변 특징값들의 조합을 나타내는 진단규칙의 예를 나타낸 것이다. 즉, 진단규칙은 각 분류항목에 따른 병변 특징값들의 조합 및 각 조합에 따른 진단결과에 대한 정보를 포함할 수 있다. 이러한 진단규칙은, 미리 수집된 병변 촬영 영상에서 추출된 특징값들로부터 학습을 통해 생성될 수 있다.
한편, 일 실시예에 따르면 진단규칙은 도 4b에 도시된 바와 같이 양성 또는 악성일 경우, 가능한 병변 특징값들의 조합 및 그것의 확률을 나타내는 그래프의 형태로 사용자에게 제공될 수 있다. 구체적으로, 도 4b의 각 행은 각 분류항목별로 가능한 병변 특징값을 나타내며, 각 행에서 병변 특징값들의 길이는 양성 또는 악성 병변에서 해당 병변 특징값이 나타날 확률을 나타낸다. 각 병변 특징값들이 나타날 확률은 진단규칙으로부터 통계적으로 구해질 수 있다.
한편, 추가적 실시예에 따르면, 진단규칙에 대한 정보를 시각화한 이미지는 사용자가 병변 특징값을 수정할 때, 즉각적으로 갱신되어 사용자에게 제공될 수 있다. 예를 들어, 사용자가 도 2d에 도시된 분류항목에서 Shape 항목을 Round로 수정한 경우, Shape 항목의 분류값이 Round일 때, 다른 분류항목의 병변 특징값들의 조합 및 확률을 보여주게 된다. 이후, 사용자가 추가로 Margin 항목의 병변 특징값을 Circumstance로 수정한 경우, Shape 항목의 분류값이 Round이고, Margin 항목의 분류값이 Circumstance일 때, 다른 분류항목의 병변 특징값들의 조합 및 확률을 보여주게 된다. 따라서, 사용자는 병변 특징값을 수정해 나가면서 진단에 필요한 병변 특징값들의 조합을 즉각적으로 확인할 수 있으므로 자신이 어떤 방향으로 수정하고 있는지 알 수 있게 된다.
도 5는 병변 특징값 및 진단결과에 대한 정보를 시각화하여 표시하는 절차를 설명하기 위한 순서도이다.
도 5를 참조하면, 컴퓨터 보조 진단 장치(100)는 병변 촬영 영상에서 병변의 특징값을 추출할 수 있다(510). 이때, 병변 촬영 영상은 방사선 촬영 영상(CR: Computed Radiography), 컴퓨터 단층 촬영(CT: Computed TomoGraphy) 영상, 초음파 영상 또는 MRI(Magnetic Resonance Image)를 포함하는 다양한 의료 영상 중 하나일 수 있다.
한편, 병변의 특징값은 양성 또는 악성 종양에서 차별적으로 나타나는 특징을 나타내는 값으로 추출된 병변의 특징값은 미리 설정된 분류에 따라 분류될 수 있다. 즉, 병변의 모양(Shape), 경계(margin)와 같이 악성과 양성 종양에서 상반되게 나타나는 특징을 분류항목으로 설정하고, 각 분류항목별 판단 기준에 따라 식별되는 병변 특징값을 통계적인 확률로 측정할 수 있다. 이때, 분류항목, 각 분류항목에 따른 병변 특징값 및 각 분류항목별 병변 특징값의 식별 여부를 판단하기 위한 판단 기준은 사용자에 의해 미리 설정될 수 있다.
병변 촬영 영상에서 병변 특징값이 추출된 경우, 추출된 병변 특징값을 이용하여 병변을 진단할 수 있다(520). 구체적으로, 추출된 병변 특징값을 미리 저장된 진단모델과 비교하여 병변의 양성 또는 악성 여부를 판단할 수 있다. 이때, 진단모델은 미리 수집된 병변 촬영 영상에서 추출된 병변 특징값을 이용하여 학습을 통해 생성될 수 있다. 즉, 진단모델은 병변 특징값들의 조합 및 각 조합에 따른 진단결과를 포함하는 진단규칙으로 구성될 수 있다. 또한, 진단결과는 추출된 병변 특징값을 진단규칙과 비교하여 병변의 양성/악성도를 나타내는 확률로 구해질 수 있다.
한편, 추출된 병변의 특징값과 진단결과는 사용자의 병변에 대한 최종 판단을 위해 사용자에게 제공된다(530). 이때, 추출된 병변 특징값 및 진단결과는 시각화된 이미지로 사용자에게 제공될 수 있다. 구체적으로, 추출된 병변 특징값은 미리 설정된 분류에 따라 분류항목 및 각 분류항목별 병변 특징값에 대한 정보를 포함하는 그래프 또는 차트 등의 이미지로 제공될 수 있다. 또한, 진단결과에 대한 정보는 병변의 양성/악성도에 대한 정보를 포함하는 그래프 또는 차트 등의 이미지로 제공될 수 있다.
추가적 실시예에 따르면, 진단모델을 기초로 진단규칙에 대한 정보를 시각화한 이미지를 사용자에게 제공할 수 있다. 이때, 진단규칙에 대한 이미지는 양성/또는 악성일 경우, 가능한 병변 특징값들의 조합 및 그 확률에 대한 정보를 포함하며, 그래프, 차트 등 다양한 형태의 이미지로 표시될 수 있다.
도 6은 사용자에 의한 병변의 특징값 수정 및 재진단 절차를 설명하기 위한 순서도이다.
도 6을 참조하면, 사용자는 병변 촬영 영상에서 추출된 병변 특징값을 수정할 수 있다(610). 사용자에 의해 병변 특징값이 수정된 경우, 수정된 병변 특징값을 이용하여 병변을 재진단할 수 있다(620). 즉, 병변 촬영 영상은 저해상도, 낮은 대비, 희미한 병변의 경계와 같은 특성으로 인해 추출된 병변 특징값의 정확성이 떨어지는 경우가 있으므로, 사용자에 의해 추출된 병변 특징값의 수정이 요구될 수 있다. 따라서, 사용자가 추출된 병변 특징값 중 수정이 필요하다고 판단되는 병변 특징값을 수정하고 수정된 병변 특징값을 이용하여 병변을 재진단함으로써 진단 정확성을 향상시킬 수 있다.
한편, 사용자에 의해 병변 특징값이 수정된 경우, 재진단 결과에 따라 진단결과에 대한 정보를 시각화한 이미지를 갱신하여 사용자에게 제공할 수 있다. 또한, 사용자에 의해 병변 특징값이 수정된 경우, 진단규칙에 대한 정보를 시각화한 이미지를 즉각적으로 갱신하여 사용자에게 제공할 수 있다(630). 이에 따라 사용자는 자신이 어떠한 방향으로 수정하고 있으며, 수정하는 병변 특징값이 진단결과에 어떠한 영향을 미칠지 미리 예측할 수 있게 되므로, 사용자의 정성적, 정량적 판단을 가능하게 하고, 진단 정확성을 향상할 수 있다.
한편, 본 발명의 실시 예들은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등을 포함한다.
또한, 본 발명을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술 분야의 프로그래머들에 의하여 용이하게 추론될 수 있다.
이상에서는 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
100: 컴퓨터 보조 진단 장치 110: 병변 특징 추출부
130: 진단부 150: 시각화 이미지 제공부

Claims (20)

  1. 병변 촬영 영상에서 미리 설정된 분류에 따른 병변의 특징값을 추출하는 병변 특징 추출부;
    상기 추출된 병변 특징값을 미리 저장된 진단모델과 비교하여 병변을 진단하는 진단부; 및
    상기 추출된 병변 특징값 및 상기 진단부의 진단결과에 대한 정보를 시각화한 이미지를 표시하고 사용자로부터 상기 추출된 병변 특징값을 수정받는 시각화 이미지 제공부;를 포함하고,
    상기 시각화 이미지 제공부는,
    상기 추출된 병변 특징값을 수정될 경우 병변의 양성/악성도가 일정 범위 이상 변화할 수 있는 병변 특징값 후보를 포함하는 이미지의 형태로 제공하는 컴퓨터 보조 진단 장치.
  2. 제 1 항에 있어서,
    상기 시각화 이미지 제공부는,
    상기 진단결과를 병변의 양성/악성도에 대한 정보를 포함하는 이미지의 형태로 제공하는 컴퓨터 보조 진단 장치.
  3. 제 1 항에 있어서,
    상기 시각화 이미지 제공부는,
    상기 추출된 병변 특징값을 분류항목별로 가능한 병변 특징값 및 각 병변 특징값들의 정확성, 신뢰도 및 확률 중 적어도 하나를 더 포함하는 이미지의 형태로 제공하는 컴퓨터 보조 진단 장치.
  4. 제 1 항에 있어서,
    상기 시각화 이미지 제공부는,
    상기 추출된 병변 특징값을 분류항목, 추출된 분류항목별 병변 특징값을 더 포함하는 이미지의 형태로 제공하는 컴퓨터 보조 진단 장치.
  5. 제 3 항에 있어서,
    상기 시각화 이미지 제공부는,
    상기 추출된 병변 특징값에 대한 정보를 시각화한 이미지에 포함된 각 병변 특징값들의 정확성, 신뢰도 및 확률 중 적어도 하나의 수정을 통해 수정된 병변 특징값을 입력받는 컴퓨터 보조 진단 장치.
  6. 제 1 항에 있어서,
    상기 시각화 이미지 제공부는,
    상기 추출된 병변 특징값에 대한 정보를 시각화한 이미지에서 상기 병변 특징값 후보 중 하나의 선택을 통해 수정된 병변 특징값을 입력받는 컴퓨터 보조 진단 장치.
  7. 제 1 항 내지 제 6 항 중 어느 한 항에 있어서,
    상기 진단부는,
    상기 추출된 병변의 특징값이 수정된 경우, 수정된 병변의 특징값을 이용하여 병변을 재진단하는 컴퓨터 보조 진단 장치.
  8. 제 7 항에 있어서,
    상기 시각화 이미지 제공부는,
    상기 추출된 병변의 특징값이 수정된 경우, 상기 진단부의 재진단결과에 따라 진단결과에 대한 정보를 시각화한 이미지를 갱신하는 컴퓨터 보조 진단 장치.
  9. 제 8 항에 있어서,
    상기 시각화 이미지 제공부는,
    상기 진단모델을 기초로 양성 또는 악성일 경우 병변 특징값들의 조합 및 확률을 포함하는 진단규칙에 대한 정보를 시각화한 이미지를 추가로 표시하는 컴퓨터 보조 진단 장치.
  10. 제 9 항에 있어서,
    상기 시각화 이미지 제공부는,
    상기 추출된 병변의 특징값이 수정된 경우, 상기 진단규칙에 대한 정보를 시각화한 이미지를 갱신하는 컴퓨터 보조 진단 장치.
  11. 병변 촬영 영상에서 미리 설정된 분류에 따른 병변의 특징값을 추출하는 병변 특징 추출 단계;
    상기 추출된 병변의 특징값을 미리 저장된 진단모델과 비교하여 병변을 진단하는 병변 진단 단계;
    상기 추출된 병변 특징값 및 진단결과에 대한 정보를 시각화한 이미지를 표시하는 이미지 표시 단계; 및
    사용자에 의해 수정된 병변 특징값을 입력받는 병변 특징값 수정 단계;를 포함하고,
    상기 이미지 표시 단계는,
    상기 추출된 병변 특징값을 수정될 경우 병변의 양성/악성도가 일정범위 이상 변할 수 있는 병변 특징값 후보를 포함하는 이미지의 형태로 제공하는 컴퓨터 보조 진단 방법.
  12. 제 11 항에 있어서,
    상기 이미지 표시 단계는,
    상기 진단결과를 병변의 양성/악성도에 대한 정보를 포함하는 이미지의 형태로 제공하는 컴퓨터 보조 진단 방법.
  13. 제 11 항에 있어서,
    상기 이미지 표시 단계는,
    상기 추출된 병변 특징값을 분류항목별로 가능한 병변 특징값 및 각 병변 특징값들의 정확성, 신뢰도 및 확률 중 적어도 하나를 더 포함하는 이미지의 형태로 제공하는 컴퓨터 보조 진단 방법.
  14. 제 11 항에 있어서,
    상기 이미지 표시 단계는,
    상기 추출된 병변 특징값을 분류항목, 추출된 분류항목별 병변 특징값을 더 포함하는 이미지의 형태로 제공하는 컴퓨터 보조 진단 방법.
  15. 제 13 항에 있어서,
    상기 병변 특징값 수정 단계는,
    상기 추출된 병변 특징값에 대한 정보를 시각화한 이미지에 포함된 각 병변 특징값들의 정확성, 신뢰도 및 확률 중 적어도 하나의 수정을 통해 수정된 병변 특징값을 입력받는 컴퓨터 보조 진단 방법.
  16. 제 11 항에 있어서,
    상기 병변 특징값 수정 단계는,
    상기 추출된 병변 특징값에 대한 정보를 시각화한 이미지에서 상기 병변 특징값 후보 중 하나의 선택을 통해 수정된 병변 특징값을 입력받는 컴퓨터 보조 진단 방법.
  17. 제 11 항 내지 제 16 항 중 어느 한 항에 있어서,
    상기 컴퓨터 보조 진단 방법은,
    상기 수정된 병변 특징값을 상기 미리 저장된 진단모델과 비교하여 병변을 재진단하는 재진단 단계;를 포함하는 컴퓨터 보조 진단 방법.
  18. 제 17 항에 있어서,
    상기 컴퓨터 보조 진단 방법은,
    상기 재진단 결과에 따라 진단결과에 대한 정보를 시각화한 이미지를 갱신하는 이미지 갱신 단계; 더 포함하는 컴퓨터 보조 진단 방법.
  19. 제 18 항에 있어서,
    상기 이미지 표시 단계는,
    상기 진단모델을 기초로 양성 또는 악성일 경우 병변 특징값들의 조합 및 확률을 포함하는 진단규칙에 대한 정보를 시각화한 이미지를 추가로 표시하는 컴퓨터 보조 진단 방법.
  20. 제 19 항에 있어서,
    상기 이미지 갱신 단계는,
    상기 추출된 병변의 특징값이 수정된 경우, 상기 진단 규칙에 대한 정보를 시각화한 이미지를 추가로 갱신하는 컴퓨터 보조 진단 방법.
KR1020120138140A 2012-11-30 2012-11-30 컴퓨터 보조 진단 장치 및 방법 KR102049336B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120138140A KR102049336B1 (ko) 2012-11-30 2012-11-30 컴퓨터 보조 진단 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120138140A KR102049336B1 (ko) 2012-11-30 2012-11-30 컴퓨터 보조 진단 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20140070081A KR20140070081A (ko) 2014-06-10
KR102049336B1 true KR102049336B1 (ko) 2019-11-27

Family

ID=51125062

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120138140A KR102049336B1 (ko) 2012-11-30 2012-11-30 컴퓨터 보조 진단 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102049336B1 (ko)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150144233A (ko) * 2014-06-16 2015-12-24 삼성전자주식회사 영상 샘플링 시스템 및 방법
WO2019098780A1 (ko) * 2017-11-17 2019-05-23 안영샘 진단 영상 변환 장치, 진단 영상 변환모듈 생성 장치, 진단 영상 촬영 장치, 진단 영상 변환 방법, 진단 영상 변환모듈 생성 방법, 진단 영상 촬영 방법, 및 컴퓨터 판독 가능한 기록매체
KR20190105461A (ko) * 2018-03-05 2019-09-17 주식회사 인공지능연구원 종양의 악성도와 악성도 추론의 근거를 제공하는 컴퓨터 보조 진단 시스템 및 그 방법
KR102275760B1 (ko) * 2018-07-09 2021-07-09 주식회사 셀바스에이아이 조기 위암의 예측 방법 및 이를 이용한 디바이스
KR102245219B1 (ko) * 2019-05-24 2021-04-27 주식회사 루닛 의료 영상에서 악성의심 병변을 구별하는 방법, 이를 이용한 의료 영상 판독 방법 및 컴퓨팅 장치
US11334994B2 (en) 2019-05-24 2022-05-17 Lunit Inc. Method for discriminating suspicious lesion in medical image, method for interpreting medical image, and computing device implementing the methods
KR102216697B1 (ko) * 2020-02-28 2021-02-17 주식회사 루닛 의료 영상 장치 및 의료 영상 처리 방법
KR102492463B1 (ko) * 2020-06-24 2023-01-27 주식회사 뷰노 병변 판독 결과 표시 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008080121A (ja) 2006-09-28 2008-04-10 General Electric Co <Ge> 画像内の領域を識別する方法及びシステム
JP2008257292A (ja) * 2007-03-30 2008-10-23 Fujifilm Corp 画像診断支援装置及びシステム
JP2010517601A (ja) 2007-02-02 2010-05-27 アポロ メディカル イメージング テクノロジー ピーティーワイ リミテッド 医療画像における病変部の特定及び分析

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101241060B1 (ko) * 2011-03-29 2013-03-11 주식회사 인피니트헬스케어 의료 영상 정보 저장과 표시 방법 및 그 장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008080121A (ja) 2006-09-28 2008-04-10 General Electric Co <Ge> 画像内の領域を識別する方法及びシステム
JP2010517601A (ja) 2007-02-02 2010-05-27 アポロ メディカル イメージング テクノロジー ピーティーワイ リミテッド 医療画像における病変部の特定及び分析
JP2008257292A (ja) * 2007-03-30 2008-10-23 Fujifilm Corp 画像診断支援装置及びシステム

Also Published As

Publication number Publication date
KR20140070081A (ko) 2014-06-10

Similar Documents

Publication Publication Date Title
KR102049336B1 (ko) 컴퓨터 보조 진단 장치 및 방법
KR102043130B1 (ko) 컴퓨터 보조 진단 방법 및 장치
JP4945705B2 (ja) 誤診原因検出装置及び誤診原因検出方法
Faghani et al. Mitigating bias in radiology machine learning: 3. Performance metrics
CN111225614B (zh) 诊断辅助装置及信息处理方法
Shi et al. Characterization of mammographic masses based on level set segmentation with new image features and patient information
JP6267710B2 (ja) 医用画像中の肺結節を自動検出するためのシステム及び方法
US10290096B2 (en) Diagnosis support apparatus, information processing method, and storage medium
JP2006500124A (ja) 医療画像をコンピュータ支援検出（ｃａｄ）のガイドによって読み取る方法及びシステム
JP2013066632A (ja) 医用画像処理装置、医用画像処理方法、プログラム
JP6796060B2 (ja) 画像レポート注釈同定
JP2009082441A (ja) 医用診断支援システム
KR102307995B1 (ko) 딥러닝을 이용한 갑상선 암의 림프절 전이 진단 시스템 및 이의 동작 방법
US20220172826A1 (en) Medical image reading assistant apparatus and method for adjusting threshold of diagnostic assistant information based on follow-up examination
JP2012045387A (ja) 局所的臨床特徴を分析して視覚化するためのシステムおよび方法
US11200443B2 (en) Image processing apparatus, image processing method, and image processing system
Brugnara et al. Automated volumetric assessment with artificial neural networks might enable a more accurate assessment of disease burden in patients with multiple sclerosis
US11996182B2 (en) Apparatus and method for medical image reading assistant providing representative image based on medical use artificial neural network
US20180220985A1 (en) Classification of a health state of tissue of interest based on longitudinal features
JP2017531519A (ja) 画像化不確実性の可視化
US20210035687A1 (en) Medical image reading assistant apparatus and method providing hanging protocols based on medical use artificial neural network
GB2549459A (en) Method and apparatus for generating quantitative data for biliary tree structures
KR20100010973A (ko) 폐질환 자동 분류 방법
WO2007109704A2 (en) Medical imaging visibility index system and method for cancer lesions
US20100119129A1 (en) Image processing method, image processing apparatus, and image processing program

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