KR102108401B1 - 인공지능 판독서버, 이를 포함하는 pacs 기반 영상 처리 시스템 및 방법 - Google Patents

인공지능 판독서버, 이를 포함하는 pacs 기반 영상 처리 시스템 및 방법 Download PDF

Info

Publication number
KR102108401B1
KR102108401B1 KR1020190077279A KR20190077279A KR102108401B1 KR 102108401 B1 KR102108401 B1 KR 102108401B1 KR 1020190077279 A KR1020190077279 A KR 1020190077279A KR 20190077279 A KR20190077279 A KR 20190077279A KR 102108401 B1 KR102108401 B1 KR 102108401B1
Authority
KR
South Korea
Prior art keywords
image
server
medical
pacs
lesion
Prior art date
Application number
KR1020190077279A
Other languages
English (en)
Inventor
김창수
최우식
김태규
Original Assignee
주식회사 딥노이드
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 주식회사 딥노이드 filed Critical 주식회사 딥노이드
Priority to KR1020190077279A priority Critical patent/KR102108401B1/ko
Application granted granted Critical
Publication of KR102108401B1 publication Critical patent/KR102108401B1/ko

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
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computerised tomographs
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computerised tomographs
    • A61B6/037—Emission tomography
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Abstract

본 발명은 영상 처리 시스템을 개시한다. 보다 상세하게는, 본 발명은 의료영상의 저장 및 전송기능 제공하는 PACS에 기반하여 환자의 병변 발생 여부를 판단하고, 이를 통해 유용한 의료정보를 제공하는 인공지능 판독서버, 이를 포함하는 PACS 기반 영상 처리 시스템 및 방법에 관한 것이다.
본 발명의 실시예에 따르면, CT, MRI 등 각종 의료장비에 의해 획득한 의료영상을 인공지능 기법을 통해 높을 정확도로 병변여부를 판별하고, 그 결과를 오버레이 플레인을 생성하여 의료영상에 삽입하여 배포함으로써 의사는 진단에 활용하여 보다 신속한 진료가 가능하며, 전문지식이 없는 환자도 자신에 대한 병변 여부 및 상태를 용이하게 확인할 수 있는 효과가 있다.

Description

인공지능 판독서버, 이를 포함하는 PACS 기반 영상 처리 시스템 및 방법{IDENTIFICATION SERVER BY ARTIFICIAL INTELLIGENCE AND IMAGE PROCESSING SYSTEM BASED ON PACS INCLUDING THE SAME}
본 발명은 영상 처리 시스템에 관한 것으로, 특히 의료영상의 저장 및 전송기능 제공하는 PACS에 기반하여 환자의 병변 발생 여부를 판단하고, 이를 통해 유용한 의료정보를 제공하는 인공지능 판독서버, 이를 포함하는 PACS 기반 영상 처리 시스템 및 방법에 관한 것이다.
PACS(Picture Archiving Communication System)는 의료영상의 저장전송 시스템으로서, 영상 진단장치를 통하여 획득된 영상정보를 디지털 상태로 획득 및 저장하고, 그 판독과 진료기록을 함께 전송하고 검색할 수 있는 기능을 통합적으로 제공하는 시스템을 가리킨다.
특히, PACS는 X-Ray, CT, MRI, PET 및 SPECT 등에 의해 촬영된 모든 방사선 검사 결과를 디지털 이미지로 변환, 촬영과 동시에 대용량 기억장치에 저장시켜 영상의학과 전문가가 모니터를 통해 판독할 수 있도록 함으로써 환자의 상태를 찍은 필름을 의사가 수초 만에 컴퓨터 영상으로 띄워 진료에 이용할 수 있도록 한다.
이에 따라, PACS는 의료 기관 내 모든 의료영상을 통합·관리하여 진단의 정확성 및 효율성을 높여주고, 환자의 대기 시간 단축 및 의료 기관간 이전을 간편하게 해줄 수 있으며, 기존 시스템에서 사용하던 필름 대신 디지털 파일로 저장함에 따라 보관 및 관리가 용이하다는 장점이 있다. 또한, 환자의 현재와 과거 영상을 자유롭게 조회하여 판독에 활용할 수 있도록 하며 화질보정 등을 통해 판독의 질을 강화하는 효과도 있다.
이러한 PACS는 영상 획득수단, 데이터 저장수단, 영상조회 수단, 통신수단 등으로 구성된다.
여기서, 영상 획득수단은 X-ray, CT장치 등으로부터 진단 및 검사장비의 데이터를 디지털 상태로 받아 중앙의 저장용 컴퓨터로 보내주는 역할을 한다. 일반적으로 X-ray, CT, MRI, 초음파, 핵의학 검사 등은 대부분 장비 자체에서 DICOM 표준에 따라 디지털 형태로 영상을 보내주며, 별다른 인터페이스 장비 없이 직접 중앙 컴퓨터에 데이터를 저장할 수 있도록 한다.
데이터 저장수단은 영상 획득수단으로부터 입력된 의료영상들을 디지털로 받아 저장함과 아울러, 구축된 데이터베이스 시스템(DBMS)을 이용하여 관리하게 된다. 이러한 데이터 저장수단은 고속 마그네틱 디스크 어레이, 광디스크 또는 디지털테이프를 이용하게 된다.
영상조회 수단은 기존의 필름 대신에 영상들을 컴퓨터 모니터를 통해 표시 및 조회할 수 있도록 하는 기능을 제공하는데, 영상 조회에 필요한 확대, 축소, 회전, 반전, 영상 처리 및 영상 재배열 등의 조작 기능을 제공하며, 필요시 영상들을 프린터 장치를 이용하여 출력할 수 있도록 지원한다.
통신수단은 의료영상을 연결된 장치간 전송하는 역할을 한다. 의료장치의 종류에 따라 영상의 크기가 서로 상이하며, 최근에는 고해상도 의료영상 등이 이용되어 영상파일의 크기가 매우 큼에 따라 기가바이트 급 이상의 고속 통신망을 사용해야 하며, 그 통신 프로토콜로는 전술한 DICOM 표준 방식을 이용하게 된다.
그러나, 현재 PACS를 통해 제공되는 의료영상 파일에는 환자를 촬영한 의료영상 자체만을 수록하고 있어 의사의 진료대상으로서의 지위만을 가지며, 환자는 PACS를 통해 자신에 관한 의료영상을 취득할 수는 있으나 그 진료결과에 대한 정보가 포함되어 있지 않으므로 전문지식이 없는 일반인이 의료정보로서 활용할 수 없는 한계가 있다.
공개특허공보 제10-2016-0103578호(공개일자: 2016.09.02.)
본 발명은 전술한 한계를 극복하기 위해 안출된 것으로, 본 발명은 의료영상을 저장, 관리하는 PACS에 기반하여 의사뿐만 아니라 환자에게도 유용한 의료정보를 제공할 수 있는 인공지능 판독서버 및 이를 포함하는 PACS 기반 영상 처리 시스템 및 방법을 제공하는 데 과제가 있다.
전술한 과제를 해결하기 위해, 본 발명의 바람직한 실시예에 따른 인공지능 판독서버는, 하나 이상의 의료장치에 의해 생성된 의료영상을 입력받는 의료영상 입력부, 입력된 의료영상을 분석하여 하나 이상의 신체부위에 대한 병변 여부를 진단하는 영상 판독부, 해당 부위에 대한 진단정보를 의료영상의 일 영역상에 표시되는 오버레이 플레인에 반영하는 오버레이 갱신부 및 상기 오버레이 플레인을 포함하는 진단이 완료된 판독영상을 외부로 출력하는 판독영상 출력부를 포함할 수 있다.
상기 인공지능 판독서버는, 상기 의료영상을 저장하는 영상 데이터 베이스; 및 상기 영상 판독부의 진단시 이용되는 진단 학습모델 및 상기 진단 학습모델을 위한 다수의 학습 데이터를 저장하는 학습 데이터 베이스를 포함할 수 있다.
상기 인공지능 판독서버는, 상기 의료영상에 대한 스케일, 콘트라스트, 밝기, 밸런스 및 휴 특성 중, 하나 이상을 포함하는 영상속성을 기 설정된 자체 기준에 따라 일관된 포맷으로 변환하는 전처리부, 서로 다른 신체부위들을 구분하는 지시선을 삽입하여 영역을 분할하는 분할부, 상기 지시선이 이루는 폐곡선 내 영역을 하나의 신체부위로 설정하여 추출하는 부위 추출부, 추출된 영역의 영상속성에 기초하여 영상의 특징을 판단하고, 학습모델을 적용하여 병변이 존재하는지 여부를 판별하는 병변 판별부 및 상기 병변이 존재하는 것으로 판단되면, 병변에 대한 진단정보를 포함하는 오버레이 데이터를 생성하는 오버레이 생성부를 포함할 수 있다.
상기 병변 판별부는, 신규 학습 데이터의 테스트를 통해 라벨링된 정보가 기준값 이상의 제1 정확도로 획득되는 제1 학습 데이터 및, 학습 데이터 베이스에 기 저장된 학습 데이터에서 제1 학습용 데이터와 동일 또는 유사범주에 해당하는 데이터를 제외한 나머지 학습 데이터를 통해 라벨링된 정보가 기준값 이상의 제2 정확도로 획득되는 제2 학습 데이터를 추출하고, 제1 및 제2 학습 데이터를 통해 도출된 두 학습모델에 각각 의료 영상을 입력한 결과가 모두 기준치 이상이면, 병변 영역을 확정할 수 있다.
상기 오버레이 갱신부는, 상기 의료영상의 오버레이 영역 내 빈 공간을 식별하고, 상기 오버레이 데이터를 텍스트 및 이미지 포맷으로 변환하여 상기 오버레이 플레인에 삽입하되, 상기 오버레이 플레인의 영상속성을 인접 영역의 영상속성에 대응하도록 보정할 수 있다.
또한, 전술한 과제를 해결하기 위해, 본 발명의 다른 양태의 실시예에 따른 PACS 기반 영상 처리 시스템은, 하나 이상의 의료장치에 의해 생성된 의료영상을 입력받고, 입력된 의료영상을 분석하여 신체부위에 대한 병변 여부를 진단하는 인공지능 판독서버, 상기 의료장치 또는 인공지능 판독서버와 연결되어 의료영상을 DICOM 프로토콜을 통해 전송하는 DICOM 서버, 상기 DICOM 서버로부터 상기 의료영상의 분석완료에 따라 진단정보가 포함되는 판독영상을 수신 및 저장하는 PACS 서버 및 사용자의 조회에 따라, 상기 PACS 서버로부터 상기 진단정보가 화면의 일 영역상의 오버레이 플레인에 포함되는 판독영상을 로딩하여 화면상에 표시하는 뷰어 단말을 포함할 수 있다.
상기 인공지능 판독서버는, 상기 하나 이상의 의료장치와 직접 연결되어 의료영상을 입력받고, 분석에 따른 판독영상을 상기 DICOM 서버에 전송할 수 있다.
상기 DICOM 서버는, 상기 하나 이상의 의료장치와 직접 연결되어 의료영상을 입력받아 DICOM 프로토콜에 따른 의료영상을 상기 인공지능 판독서버에 전송하고, 상기 인공지능 판독서버로부터 DICOM 프로토콜에 따른 판독영상을 전송받아 상기 PACS 서버에 전송하는 할 수 있다.
또한, 전술한 과제를 해결하기 위해, 본 발명의 또 다른 양태의 실시예에 따른 PACS 기반 영상 처리 방법은, 하나 이상의 의료장치로부터 인공지능 판독서버가 의료영상을 입력받는 단계, 상기 인공지능 판독서버가 입력된 의료영상을 분석하여 신체부위에 대한 병변 여부를 진단하는 단계, DICOM 서버가 상기 인공지능 판독서버에 의해 분석된 진단정보를 포함하는 판독영상을 DICOM 프로토콜을 통해 PACS 서버로 전송하는 단계, 상기 PACS 서버가 상기 판독영상을 수신 및 저장하는 단계 및 사용자의 조회에 따라 뷰어 단말이 상기 PACS 서버로부터 상기 진단정보가 화면의 일 영역상의 오버레이 플레인에 포함되는 판독영상을 로딩하여 화면상에 표시하는 단계를 포함할 수 있다.
또한, 전술한 과제를 해결하기 위해, 본 발명의 또 다른 양태의 실시예에 따른 PACS 기반 영상 처리 방법은, 하나 이상의 의료장치로부터 DICOM 서버가 의료영상을 입력받는 단계, 상기 DICOM 서버가 상기 의료영상을 DICOM 프로토콜을 통해 인공지능 판독서버에 전송하는 단계, 상기 인공지능 판독서버가 입력된 의료영상을 분석하여 신체부위에 대한 병변 여부를 진단하고, 분석된 진단정보를 포함하는 판독영상을 상기 DICOM 서버에 전송하는 단계, 상기 DICOM 서버가 상기 판독영상을 DICOM 프로토콜을 통해 PACS 서버로 전송하는 단계, 상기 PACS 서버가 상기 판독영상을 수신 및 저장하는 단계 및 사용자의 조회에 따라 뷰어 단말이 상기 PACS 서버로부터 상기 진단정보가 화면의 일 영역상의 오버레이 플레인에 포함되는 판독영상을 화면상에 표시하는 단계를 포함할 수 있다.
본 발명의 실시예에 따르면, CT, MRI 등 각종 의료장비에 의해 획득한 의료영상을 인공지능 기법을 통해 높을 정확도로 병변여부를 판별하고, 그 결과를 오버레이 플레인을 생성하여 의료영상에 삽입하여 배포함으로써 의사는 진단에 활용하여 보다 신속한 진료가 가능하며, 특히 의사는 인공지능에 추출된 각 영역에 대한 병변여부를 참조하여 환자의 상태를 신속하고 용이하게 확인할 수 있는 효과가 있다.
도 1은 본 발명의 실시예에 따른 인공지능 판독서버를 포함하는 PACS 기반 영상 처리 시스템의 전체 구조에 관한 도면이다.
도 2는 본 발명의 실시예에 따른 인공지능 판독서버의 구조에 관한 도면이다.
도 3은 본 발명의 실시예에 따른 인공지능 판독서버에 탑재되는 영상 판독부의 구조에 관한 도면이다.
도 4는 본 발명의 다른 실시예에 따른 인공지능 판독서버를 포함하는 PACS 기반 영상 처리 시스템의 전체 구조에 관한 도면이다.
도 5a 및 도 5b는 본 발명의 실시예에 따른 PACS 기반 영상 처리 방법에 관한 도면이다.
도 6a 내지 도 6c는 본 발명의 실시예에 따른 인공지능 판독서버를 포함하는 PACS 기반 영상 처리 시스템이 제공하는 의료영상 화면을 예시한 도면이다.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "구비" 또는 "포함" 한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "...부(Unit)", "...서버(Server)" 및 "...시스템(System)" 등의 용어는 하나 또는 그 이상의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어, 소프트웨어 또는, 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
또한 본 명세서에서 "실시예"라는 용어는 예시, 사례 또는 도해의 역할을 하는 것을 의미하나, 발명의 대상은 그러한 예에 의해 제한되지 않는다. 또한 "포함하는", "구비하는", "갖는" 및 다른 유사한 용어가 사용되고 있으나, 청구범위에서 사용되는 경우 임의의 추가적인 또는 다른 구성요소를 배제하지 않는 개방적인 전환어(Transition word)로서 "포함하는(Comprising)"이라는 용어와 유사한 방식으로 포괄적으로 사용될 수 있다.
본 명세서에 설명된 다양한 기법은 하드웨어 또는 소프트웨어와 함께 구현되거나, 적합한 경우에 이들 모두의 조합과 함께 구현될 수 있다. 본 명세서에 사용된 바와 같은 "...부(Unit)", "...서버(Server)" 및 "...시스템(System)" 등의 용어는 마찬가지로 컴퓨터 관련 엔티티(Entity), 즉 하드웨어, 하드웨어 및 소프트웨어의 조합, 소프트웨어 또는 실행 시의 소프트웨어와 등가로 취급할 수 있다. 또한, 본 발명의 프로그램에서 실행되는 각 기능은 모듈단위로 구성될 수 있고, 하나의 물리적 메모리에 기록되거나, 둘 이상의 메모리 및 기록매체 사이에 분산되어 기록될 수 있다.
이하, 도면을 참조하여 본 발명의 실시예에 따른 인공지능 판독서버, 이를 포함하는 PACS 기반 영상 처리 시스템 및 방법을 설명한다.
도 1은 본 발명의 실시예에 따른 인공지능 판독서버를 포함하는 PACS 기반 영상 처리 시스템의 전체 구조에 관한 도면이다.
도 1을 참조하면, 본 발명의 실시예에 따른 인공지능 판독서버를 포함하는 PACS 기반 영상 처리 시스템은 하나 이상의 의료장치에 의해 생성된 의료영상을 입력받고, 입력된 의료영상을 분석하여 신체부위에 대한 병변 여부를 진단하는 인공지능 판독서버(100), 의료장치(10) 또는 인공지능 판독서버(100)와 연결되어 의료영상을 DICOM 프로토콜을 통해 전송하는 DICOM 서버(200), DICOM 서버(200)로부터 의료영상의 분석완료에 따라 진단정보가 포함되는 판독영상을 수신 및 저장하는 PACS 서버(300) 및 사용자의 조회에 따라, PACS 서버(300)로부터 진단정보가 화면의 일 영역상의 오버레이 플레인에 포함되는 판독영상을 로딩하여 화면상에 표시하는 뷰어 단말(400)을 포함할 수 있다.
인공지능 판독서버(100)는 CT, MRI 및 X-Ray 등 다양한 의료장치에서 획득된 환자에 대한 의료영상을 입력받아 딥 러닝과 같은 인공지능 기법에 의해 분석하고, 의료영상 내 등장하는 신체부위에 병변의 존재여부를 판단하고 그 진단결과를 제공할 수 있다.
특히, 본 발명의 실시예에 따른 인공지능 판독서버(100)는 인공지능 분석에 따른 진단결과를 별도의 메타데이터 형태로 PACS 서버(300)에 제공하는 것이 아닌, 영상 내 포함되는 오버레이(Overlay) 영역상에 플레인(plane) 형태로 제공하는 것을 특징으로 한다.
이는, 별도의 메타데이터 확인 없이도 하나의 화면에 신체부위와 그의 진단정보를 함께 확인할 수 있으므로, 직접 병변을 진단하는 의사뿐만 아니라, 환자 개인 또한 자신의 의료영상을 통해 현재 상태를 용이하게 확인할 수 있도록 하는 장점이 있다.
DICOM 서버(200)는 인공지능 판독서버(100)에서 제공하는 판독영상을 수신하고, 이를 DICOM 프로토콜을 통해 PACS 서버(300)로 전송하는 역할을 한다.
상세하게는, DICOM(Digital Imaging and Communication in Medicine)은 서로 다른 형태의 영상 정보를 가지는 장비들의 연결을 위하여 네트워크를 사용한 메시지 전송에 관한 규약을 표준화한 것으로, 1993년 RSNA에서 처음으로 데모(Demo)를 개시한 이후로 최근 DICOM ver3.0이 발표되어 사용자와 업체간의 표준에 대한 이해와 발전을 거듭하여 의학 영상 장비 연동의 표준으로 널리 이용되고 있다.
본 발명의 실시예에 따른 PACS 기반 영상 처리 시스템에서는 의료영상을 DICOM 포맷으로 송수신하고, 이를 뷰어 단말(400)을 통해 화면상에 표시할 수 있도록 한다. 시스템 설계자의 의도에 따라, DICOM 서버(200)와 인공지능 판독서버(100)는 각각 의료장치(10)로부터 직접 의료영상을 수신하거나, 혹은 서로간에 의료영상을 송수신하여 PACS 서버(300)에 전송될 수 있도록 한다.
PACS 서버(300)는 전술한 DICOM 프로토콜에 의해 수집 가능하게 된 다양한 포맷의 의료영상을 디지털 형태로 획득하고, 고속의 정보통신망을 통하여 전송하며, 과거의 필름 형태가 아닌 디지털 데이터 파일 형태로 의료영상을 보관할 수 있도록 하는 시스템으로서 의사들이 기존의 필름 뷰 박스가 아닌 모니터와 같은 뷰어 단말(400)을 이용하여 환자를 진료하는 포괄적인 디지털 영상 관리 및 전송 시스템이 구축된 서버장치이다.
PACS 서버(300)는 영상표시 및 처리, 정보통신 및 네트워킹, 데이터베이스, 정보관리, UI 및 정보 저장 및 관리 등의 기술이 종합적으로 반영될 수 있다. 이러한 PACS 서버(300)는 영상 데이터의 저장과 조회 경로 방식에 따라 중앙 집중형 시스템과 분산형 시스템으로 구분할 수 있고, 중앙 집중형 시스템은 모든 영상 데이터를 중앙의 대형 저장매체에 저장하고 조회 요구시에는 해당 데이터를 뷰어 단말(400)에 전송하는 방식으로서, 모든 사용자가 시간과 장소에 관계없이 모든 영상 데이터에 접속할 수 있는 반면, 조회 요청 이후 데이터 전송이 이루어짐에 따라 매우 빠른 데이터 전송 속도가 요구되며, 이와 대조적으로 분산형 시스템은 업무 특성에 맞춰 데이터를 하나 이상의 저장매체에 분산시켜 저장하는 형태로서, 서버가 조회 데이터를 임시로 보관하는 캐시로서 로컬 이미지 저장소로 운영되는 것이라는 특징이 있다.
특히, 본 발명의 실시예에 따른 PACS 서버(300)는 DICOM 서버(200)로부터 제공되는 진단정보를 포함하는 판독영상을 저장하고, 뷰어 단말(400)의 요청에 따라 정보통신망을 통해 전송할 수 있다.
뷰어 단말(400)은 의사, 환자 등 사용자의 조회요청을 입력받아 PACS 서버(300)에 특정 환자의 판독영상을 수신 및 표시할 수 있다. 이러한 뷰어 단말(400)에는 PACS 서버(300)와 연동할 수 있는 전용 뷰어(Viewer)가 설치될 수 있고, 데이터 베이스에 저장된 영상에 대하여 조회를 요청하면 해당 판독영상을 읽어드려 화면상에 표시할 수 있다. 이때, 뷰어 단말(400)은 판독영상 및 판독영상 내 포함된 오버레이 영역에 설정된 오버레이 플레인을 하나의 화면에 동시에 표시함으로써 사용자가 진단정보를 병변 발생에 해당하는 부분과 함께 쉽게 확인할 수 있도록 한다. 이러한 오버레이 플레인의 규격은 DICOM 프로토콜에 정의되어 있으며, 전술한 인공지능 판독서버(100)는 DICOM 표준에 따라 진단정보를 의료영상에 추가할 수 있다.
전술한 구조에 따라, 본 발명의 실시예에 따른 PACS 기반 영상 처리 시스템은 CT, MRI와 같은 의료장치에서 획득된 환자의 의료영상을 인공지능 기법을 이용하여 분석하여 병변 존재 여부를 판별하고, 그에 대한 진단정보를 원 의료영상에 오버레이 플레인 형태로 삽입하여 뷰어 단말을 통해 사용자에게 제공할 수 있다.
이하, 도면을 참조하여 본 발명의 실시예에 따른 PACS 기반 영상 처리 시스템에 포함되는 인공지능 판독서버의 구조를 상세히 설명한다.
도 2는 본 발명의 실시예에 따른 인공지능 판독서버의 구조에 관한 도면이다. 이하의 설명에서, 인공지능 판독서버 및 이를 구성하는 각 구성부는, 공지의 컴퓨터 프로그래밍 언어를 통해 구현되며, 소정의 마이크로 프로세서에 의해 실행 가능하고, 읽고 쓰기가 가능한 기록매체에 기록되어 서버장치에 탑재될 수 있다.
도 2를 참조하면, 본 발명의 실시예에 따른 인공지능 판독서버(100)는 하나 이상의 의료장치에 의해 생성된 의료영상을 입력받는 의료영상 입력부(110), 입력된 의료영상을 분석하여 하나 이상의 신체부위에 대한 병변 여부를 진단하는 영상 판독부(120), 해당 부위에 대한 진단정보를 의료영상의 일 영역상에 표시되는 오버레이 플레인에 반영하는 오버레이 갱신부(130) 및 오버레이 플레인을 포함하는 진단이 완료된 판독영상을 외부로 출력하는 판독영상 출력부(140), 의료영상을 저장하는 영상 데이터 베이스(150) 및 영상 판독부의 진단시 이용되는 진단 학습모델 및 상기 진단 학습모델을 위한 다수의 학습 데이터를 저장하는 학습 데이터 베이스(160)를 포함할 수 있다.
의료영상 입력부(110)는 CT 등 하나 이상의 의료장치로부터 생성된 신체부위를 촬영한 의료영상을 입력 받을 수 있다. 여기서, 시스템 설계자의 의도에 따라 본 발명의 다른 형태의 실시예로서, 인공지능 판독서버(100)가 의료장치로부터 직접 의료신호를 수신하는 것이 아닌, DICOM 서버가 수신한 의료영상을 DICOM 프로토콜을 통해 전송받는 형태로도 설계 변경될 수 있고, 이러한 경우 의료영상 입력부(110)는 DICOM 서버가 전송하는 의료영상을 입력 받을 수 있다.
영상 판독부(120)는 입력된 의료영상에 대하여 인공지능 기법을 통해 의료영상에 포함된 신체부위에 대한 비정상 여부, 즉 병변 발생 여부를 판별할 수 있다.
상세하게는, 영상 판독부(120)는 수신된 의료영상에 대해 인공지능 판독을 수행하고, 의료영상의 고유 식별자(ID)를 기반으로 판독 수행 여부를 내부 데이터 베이스인 영상 데이터 베이스(150)에 기록할 수 있다. 그리고, 인공지능 판독 수행 결과를 DICOM 파일 내 오버레이 플레인(Overlay Plane)으로 추가할 수 있다.
이때, 특정 질환에 대한 병변이 검출되면 해당 영역을 표시하고 검출된 병변의 종류 및 발병 확률 등 부가 정보를 추가로 표시할 수 있다. 그리고, 병변이 검출되지 않았을 경우 검출되지 않았음을 영상 내 표시할 수 있다.
오버레이 갱신부(130)는 영상 판독부(120)에 의해 생성된 오버레이 플레인(Overlay Plane)을 원 의료영상에 적용하여 오버레이 정보를 갱신할 수 있다. 의료영상의 오버레이 영역은 DICOM 기반 의료영상의 속성값 중 하나로 정의될 수 있고, 오버레이 갱신부(130)는 DICOM 표준에 따른 오버레이 플레인 모듈(Overlay Plane Module)을 이용하여 속성값을 갱신할 수 있다.
특히, 오버레이 갱신부(130)는 의료영상의 오버레이 영역 내 빈 공간을 식별하고, 상기 오버레이 데이터를 텍스트 및 이미지 포맷으로 변환하여 상기 오버레이 플레인에 삽입하되, 상기 오버레이 플레인의 영상속성을 인접 영역의 영상속성에 대응하도록 보정하기 위해 인공지능 판독서버에 포함될 수 있다.
상세하게는, 오버레이 갱신부(130)는 원 의료영상의 속성값을 참조하여 오버레이 플레인이 영상 내 이미지 및 메타정보 등과 동시에 표시되었을 때 동일 화면 내에서 영역간 이질감이 최소화되도록 오버레이 플레인의 스케일, 해상도, 콘트라스트 등을 보정할 수 있다.
판독영상 출력부(140)는 오버레이 플레인(Overlay Plane)이 추가된 의료영상 즉, 진단정보를 포함하는 판독영상을 DICOM 서버로 전송하는 역할을 한다. PACS 서버로의 데이터 전송은 DICOM 프로토콜을 준수해야 함에 따라, 판독영상 출력부(140)는 판독영상을 DICOM 서버에 우선적으로 영상을 제공하게 된다.
영상 데이터 베이스(150)는 영상 판독부(120)에서 분석된 의료영상을 저장할 수 있다. 이러한 의료영상은 식별자에 의해 구분되어 순차적으로 저장될 수 있고, 이에 연계된 진단정보와 함께 판독영상으로서 오버레이 갱신부(130)에 제공될 수 있다.
학습 데이터 베이스(160)는 영상 판독부(120)에 적용되는 학습 모델을 도출하기 위한 다수의 학습 데이터가 저장될 수 있고, 이는 학습엔진에 의해 참조되어 딥 러닝시 그 정확도를 개선하는 데 활용될 수 있다.
한편, 본 발명의 실시예에 따른 PACS 기반 영상 처리 시스템은 인공지능 판독 상태에 대한 별도의 조회 인터페이스를 제공할 수 있고, 이에 사용자가 원하는 정보를 조회하는 기능을 추가할 경우, 인공지능 판독서버(100)는 판독영상 내 오버레이 영역상에 오버레이 플레인을 표시하는 화면 이외의 방식, 일례로서 목록 보기, 미리 보기 등의 방식으로 판독 상태에 대한 정보를 표시할 수 있도록 오버레이 데이터를 제공할 수 있다.
이하, 도면을 참조하여 전술한 인공지능 판독서버에 탑재되는 영상 판독부의 구조를 상세히 설명한다.
도 3은 본 발명의 실시예에 따른 인공지능 판독서버에 탑재되는 영상 판독부의 구조에 관한 도면이다.
도 3을 참조하면, 본 발명의 실시예에 따른 인공지능 판독서버의 영상 판독부(120)는 상기 의료영상에 대한 스케일, 콘트라스트, 밝기, 밸런스 및 휴 특성 중, 하나 이상을 포함하는 영상속성을 기 설정된 자체 기준에 따라 일관된 포맷으로 변환하는 전처리부(121), 서로 다른 신체부위들을 구분하는 지시선을 삽입하여 영역을 분할하는 분할부(123), 지시선이 이루는 폐곡선 내 영역을 하나의 신체부위로 설정하여 추출하는 부위 추출부(125), 추출된 영역의 영상속성에 기초하여 영상의 특징을 판단하고, 학습모델을 적용하여 병변이 존재하는지 여부를 판별하는 병변 판별부(127) 및 병변이 존재하는 것으로 판단되면, 병변에 대한 진단정보를 포함하는 오버레이 데이터를 생성하는 오버레이 생성부(129)를 포함할 수 있다.
전처리부(121)는 입력되는 의료영상을 영상 판독부(120)가 학습모델에 적용할 수 있도록 기준에 따라 일관된 포맷으로 변환하는 역할을 한다. 의료장치는 종류에 따라 다양한 규격 및 포맷을 갖는 의료영상을 생성할 수 있다. 일례로서, 서로 다른 의료장치에 의해 생성된 의료영상은 각각 스케일, 콘트라스트, 밝기, 색상 밸런스, 휴(HUE) 등의 영상속성이 각각 상이할 수 있다.
이에, 전처리부(121)는 이러한 다양한 형태의 의료영상을 기준에 따라 정해진 포맷으로 변환하여 분할부(123)에 제공하게 된다.
분할부(123)는 전처리된 의료영상을 소정개의 영역으로 분할할 수 있다. 하나의 의료영상은 둘 이상의 신체부위가 인접한 상태의 이미지로 이루어질 수 있고, 각 신체부위별 이상유무의 판별을 위해 분할부(123)는 영상 내 이미지의 형상에 따른 지시선을 설정하여 폐곡선을 이루는 영역으로 분할함으로써 신체부위별로 판독을 수행할 수 있도록 한다.
부위 추출부(125)는 분할부(123)에 의해 복수개로 분할된 영역별로 라벨링을 수행하여 식별수단을 부여하고, 각 영역 추출 및 순차적으로 분석을 수행할 수 있도록 한다.
병변 판별부(127)는 학습모델에 따라 추출된 각 영역에 대한 병변 발생 여부를 판단할 수 있다. 이러한 학습모델에는 공지의 딥 러닝 알고리즘이 이용될 수 있고, 병변 판별부(127)는 각 신체부위에 대하여 순차적으로 비교를 통한 병변 존재를 판별하게 된다. 또한, 병변 판별부(127)는 병변이 존재하는 것으로 판단된 경우, 병명, 진행정도, 확률 등을 진단정보로서 생성할 수 있다.
특히, 본 발명의 실시예에 따른 병변 판별부(127)는 복수의 학습 데이터를 이용하여 병변 판별의 정확도를 개선할 수 있다.
상세하게는, 학습 모델을 이용하여 신규 학습 데이터에 대한 테스트를 수행하고 그 결과에 따라 라벨링된 정보가 기준값 이상의 제1 정확도로 획득되는 제1 학습 데이터를 추출할 수 있다. 또한, 병변 판별부(127)는 학습 데이터 베이스에 기 저장된 학습 데이터에서 상기의 제1 학습용 데이터와 동일 또는 유사범주에 해당하는 데이터를 제외한 나머지 학습 데이터에 대한 테스트를 수행하고 그 결과에 따라 라벨링된 정보가 기준값 이상의 제2 정확도로 획득되는 제2 학습 데이터를 추출할 수 있다.
여기서, 제2 학습 데이터는 제1 학습 데이터에서 중복되지 않은 데이터에 기초한 결과이므로, 서로 배타적으로 라벨링되며 서로 다른 성격의 두 학습 모델을 도출할 수 있다. 이에 병변 판별부(127)는 두 학습모델 각각에 의료 영상을 입력하여 서로 다른 병변 정확도를 비교하고 두 결과가 모두 기준치 이상인 경우를 병변 영역을 확정할 수 있다.
오버레이 생성부(129)는 분석이 완료된 의료영상에 대한 진단정보를 DICOM 표준에 따라 의료영상 내 오버레이 형태로 삽입할 수 있도록 진단정보에 대한 오버레이 플레인을 생성할 수 있다. 분석이 완료된 판독영상 및 오버레이 플레인은 PACS 서버에 전달하기 위해 DICOM 서버에 전송될 수 있다.
한편, 전술한 바와 같이 본 발명의 실시예에 따른 PACS 기반 영상 처리 시스템은 인공지능 판독서버에 의료영상을 입력하는 주체가 변경됨에 따라 시스템 구조가 달라질 수 있으며, 이하, 도면을 참조하여 본 발명의 다른 실시예에 따른 인공지능 판독서버를 포함하는 PACS 기반 영상 처리 시스템의 구조를 설명한다.
도 4는 본 발명의 다른 실시예에 따른 인공지능 판독서버를 포함하는 PACS 기반 영상 처리 시스템의 전체 구조에 관한 도면이다. 이하의 설명에서 전술한 실시예와 중복되는 내용은 설명의 편의상 생략한다.
도 4를 참조하면, 본 발명의 다른 실시예에 따른 인공지능 판독서버를 포함하는 PACS 기반 영상 처리 시스템은 하나 이상의 의료장치(10)에 의해 생성된 의료영상을 입력받는 DICOM 서버(200), 그 DICOM 서버(200)로부터 의료영상을 입력받고, 이를 분석하여 신체부위에 대한 병변 여부를 진단한 후 DICOM 서버(200)에 회신하는 인공지능 판독서버(100), DICOM 서버(200)로부터 의료영상의 분석완료에 따라 진단정보가 포함되는 판독영상을 수신 및 저장하는 PACS 서버(300) 및 사용자의 조회에 따라, PACS 서버(300)로부터 진단정보가 화면의 일 영역상의 오버레이 플레인에 포함되는 판독영상을 로딩하여 화면상에 표시하는 뷰어 단말(400)을 포함할 수 있다.
도시된 바와 같이, 본 발명의 다른 실시예에 따르면, 종래 PACS 기반 영상 처리 시스템이 CT와 같은 의료장치(10)로부터 획득된 의료영상을 PACS 서버(300)에 등록하고 뷰어 단말(400)을 통해 표시하기 위해, DICOM 프로토콜을 통해 PACS 서버(300)에 의료영상을 전송하도록 구성되어 있으며, 이에 DICOM 서버(200)에 인공지능 판독서버(100)를 연결함으로써 분석 완료된 판독영상을 오버레이 데이터와 함께 PACS 서버(300)에 전송하게 된다.
이에 따라, 시스템 설계자는 DICOM 프로토콜을 통해 인공지능 판독서버(100)에 수신한 의료영상을 입력하고, 인공지능 판독서버(100)는 입력된 의료영상을 분석, 병변을 판별하고 그 결과에 따라 오버레이 플레인을 생성하여 다시 DICOM 서버(200)에 회신하게 된다.
이후, DICOM 서버(200)가 PACS 서버(300)에 판독영상을 등록함으로써 판독영상에 대한 저장 및 관리 기능을 구현할 수 있다.
이러한 구조의 실시예에 따르면, 종래 다수의 의료장치(10)와 DICOM 서버(200)간에 연결 설정을 변경할 필요 없이, DICOM 서버(200)에 인공지능 판독서버(100)간의 연결 설정만을 추가하는 방식으로 시스템을 구축할 수 있다는 장점이 있다.
이하, 도면을 참조하여 전술한 실시예들에 따른 본 발명의 시스템을 이용한 PACS 기반 영상 처리 방법을 각각 설명한다.
도 5a 및 도 5b는 본 발명의 실시예에 따른 PACS 기반 영상 처리 방법에 관한 도면이다. 이하의 설명에서, 각 단계별 실행주체는 별도의 기재가 없더라도 본 발명의 PACS 기반 영상 처리 시스템을 이루는 각 서버 및 단말이 된다.
먼저 도 5a를 참조하면, 본 발명의 실시예에 따른 PACS 기반 영상 처리 방법은, 하나 이상의 의료장치로부터 인공지능 판독서버가 의료영상을 입력받는 단계(S100), 인공지능 판독서버가 입력된 의료영상을 분석하여 신체부위에 대한 병변 여부를 진단하는 단계(S110), DICOM 서버가 인공지능 판독서버에 의해 분석된 진단정보를 포함하는 판독영상을 DICOM 프로토콜을 통해 PACS 서버로 전송하는 단계(S120), PACS 서버가 판독영상을 수신 및 저장하는 단계(S130), 사용자의 조회에 따라 뷰어 단말이 PACS 서버로부터 진단정보가 화면의 일 영역상의 오버레이 플레인에 포함되는 판독영상을 로딩하여 화면상에 표시하는 단계(S140)를 포함할 수 있다.
먼저, 하나 이상의 의료장치로부터 인공지능 판독서버가 의료영상을 입력받는 단계(S100)에서는 인공지는 판독서버가 연결된 의료장치부터 획득된 의료영상을 입력받음으로써 분석을 시작을 준비하게 된다.
다음으로, 인공지능 판독서버가 입력된 의료영상을 분석하여 신체부위에 대한 병변 여부를 진단하는 단계(S110)로서, 인공지능 판독서버에 탑재된 영상 판독부에서 의료영상에 대한 전처리, 분할, 영역추출 등을 절차를 거쳐 학습 모델에 추출된 영역을 적용함으로써, 각 신체부위에서의 병변 발생 여부를 확인 및 그에 따른 진단정보를 포함하는 오버레이 플레인을 생성하는 단계이다.
DICOM 서버가 인공지능 판독서버에 의해 분석된 진단정보를 포함하는 판독영상을 DICOM 프로토콜을 통해 PACS 서버로 전송하는 단계(S120)는 분석이 완료됨에 따라 오버레이 플레인을 포함하는 판독영상을 PACS 서버에 전송하는 단계이다.
PACS 서버가 판독영상을 수신 및 저장하는 단계(S130)에서는 새로운 의료영상 즉, 판독영상에 대하여 식별자를 통해 구분되도록 자체 데이터 베이스에 판독영상을 저장하게 된다.
이후, 사용자의 조회에 따라 뷰어 단말이 PACS 서버로부터 진단정보가 화면의 일 영역상의 오버레이 플레인에 포함되는 판독영상을 로딩하여 화면상에 표시하는 단계(S140)로서, PACS 서버에 저장된 판독영상을 통해 진료를 수행하거나 병변 여부를 확인하고자 하는 의사 또는 환자가 뷰어 정보를 이용하여 해당 판독영상을 조회하고, PACS 서버가 검색된 판독영상을 뷰어 단말에 전송하면, 뷰어 단말이 판독영상을 화면상에 표시하되, 이에 포함된 진단정보를 화면의 오버레이 일 영역상에 오버레이 플레인 형태로 표시하는 단계이다.
또한, 도 5b를 참조하면, 본 발명의 다른 실시예에 따른 PACS 기반 영상 처리 방법은, DICOM 서버가 의료영상을 DICOM 프로토콜을 통해 인공지능 판독서버에 전송하는 단계(S200), 인공지능 판독서버가 입력된 의료영상을 분석하여 신체부위에 대한 병변 여부를 진단하고, 분석된 진단정보를 포함하는 판독영상을 DICOM 서버에 전송하는 단계(S210), DICOM 서버가 판독영상을 DICOM 프로토콜을 통해 PACS 서버로 전송하는 단계(S220), PACS 서버가 판독영상을 수신 및 저장하는 단계(S230) 및, 사용자의 조회에 따라 사용자 단말이 PACS 서버로부터 진단정보가 화면의 일 영역상의 오버레이 플레인에 포함되는 판독영상을 로딩하여 화면상에 표시하는 단계(S240)를 포함할 수 있다.
본 발명의 다른 실시예에 따르면, PACS 기반 영상 처리 시스템의 연결 구조의 차이에 따라 전술한 실시예에서 S200 단계 및 S210 단계에서의 신호 흐름이 달라지며, S220 단계 내지 S240 단계는 동일하게 진행될 수 있다.
이에, DICOM 서버가 의료영상을 DICOM 프로토콜을 통해 인공지능 판독서버에 전송하는 단계(S200)에서는 DICOM 서버가 연결된 하나 이상의 의료장치로부터 의료정보를 입력받고, 이를 DICOM 표준에 따라 분석을 위해 인공지능 판독서버에 전송하게 된다.
다음으로, 인공지능 판독서버가 입력된 의료영상을 분석하여 신체부위에 대한 병변 여부를 진단하고, 분석된 진단정보를 포함하는 판독영상을 DICOM 서버에 전송하는 단계(S210)에서는, 영상 판독부에서 의료영상에 대한 전처리, 분할, 영역추출 등을 절차를 거쳐 학습 모델에 추출된 영역을 적용하여 분석을 수행하고, 그 분석결과를 DICOM 표준에 따라 다시 DICOM 서버로 전송하게 된다.
이후의 단계는 전술한 실시예와 동일하게 진행될 수 있다.
이하, 본 발명의 실시예에 따른 인공지능 판독서버를 포함하는 PACS 기반 영상 처리 시스템이 제공하는 판독영상 화면의 일 예를 통해 본 발명의 기술적 사상을 상세히 설명한다.
도 6a 내지 도 6c는 본 발명의 실시예에 따른 인공지능 판독서버를 포함하는 PACS 기반 영상 처리 시스템이 제공하는 의료영상 화면을 예시한 도면이다.
도 6a를 참조하면, 본 발명의 PACS 기반 영상 처리 시스템은 뷰어 단말(400)의 요청에 따라 PACS 서버에 저장된 판독영상을 조회 및 재생할 수 있는 기능을 제공한다.
예시된 바와 같이, 뷰어 단말(400)은 MRI, CT 등의 의료장치가 촬영한 의료영상 화면(W100)을 표시할 수 있고, 이러한 의료영상 화면(W100)의 오버레이 영역에는 의료영상에 대한 메타정보가 텍스트 및 이미지 형태로 표시될 수 있다.
또한, 도 6b을 참조하면, 사용자가 해당 의료정보를 조회함에 따라 뷰어 단말(400)은 PACS 서버가 제공하는 판독영상을 수신 및 표시하게 되며, 사용자가 해당 의료정보의 조회시 병변이 발생한 경우의 의료영상 화면(W200)에는 별도의 지시선으로 병변부분(W210)이 강조 표시되고, 오버레이 영역상에 병변의 종류, 일례로서 '폐암 검출'이라는 진단정보가 오버레이 플레인(W350)을 통해 표시될 수 있다. 아울러, 진단정보에는 판독결과에 대한 정확도가 포함될 수 있다.
또한, 도 6c에 예시된 바와 같이, 사용자가 해당 의료정보의 조회시 병변이 발생하지 않은 경우, 뷰어 단말(400)에서는 평소의 의료영상 화면(W300)이 표시되되, 오버레이 영역상에 '병변이 미검출' 되었다는 진단정보가 오버레이 플레인(W350)을 통해 표시될 수 있다.
상기한 설명에 많은 사항이 구체적으로 기재되어 있으나 이것은 발명의 범위를 한정하는 것이라기보다 바람직한 실시예의 예시로서 해석되어야 한다. 따라서 발명은 설명된 실시예에 의하여 정할 것이 아니고 특허청구범위와 특허청구범위에 균등한 것에 의하여 정하여져야 한다.
10 : 의료장치 100 : 인공지능 판독서버
110 : 의료영상 입력부 120 : 영상 판독부
121 : 전처리부 123 : 분할부
125 : 부위 추출부 127 : 병변 판별부
129 : 오버레이 생성부 130 : 오버레이 갱신부
140 : 판독영상 출력부 150 : 영상 데이터 베이스
160 : 학습 데이터 베이스 200 : DICOM 서버
300 : PACS 서버 400 : 뷰어 단말

Claims (11)

  1. 삭제
  2. 삭제
  3. 삭제
  4. 삭제
  5. 삭제
  6. 하나 이상의 의료장치에 의해 생성된 의료영상을 입력받고, 입력된 의료영상을 분석하여 신체부위에 대한 병변 여부를 진단하는 인공지능 판독서버;
    상기 의료장치 또는 인공지능 판독서버와 연결되어 의료영상을 DICOM 프로토콜을 통해 전송하는 DICOM 서버;
    상기 DICOM 서버로부터 상기 의료영상의 분석완료에 따라 진단정보가 포함되는 판독영상을 수신 및 저장하는 PACS 서버; 및
    사용자의 조회에 따라, 상기 PACS 서버로부터 상기 진단정보가 화면의 일 영역상의 오버레이 플레인에 포함되는 판독영상을 로딩하여 화면상에 표시하는 뷰어 단말;
    상기 의료영상을 저장하는 영상 데이터 베이스; 및
    영상 판독부의 진단시 이용되는 진단 학습모델 및 상기 진단 학습모델을 위한 다수의 학습 데이터를 저장하는 학습 데이터 베이스를 포함하고,
    상기 인공지능 판독서버는,
    하나 이상의 의료장치에 의해 생성된 의료영상을 입력받는 의료영상 입력부;
    입력된 의료영상을 분석하여 하나 이상의 신체부위에 대한 병변 여부를 진단하는 영상 판독부;
    해당 부위에 대한 진단정보를 의료영상의 일 영역상에 표시되는 오버레이 플레인에 반영하는 오버레이 갱신부; 및
    상기 오버레이 플레인을 포함하는 진단이 완료된 판독영상을 외부로 출력하는 판독영상 출력부를 포함하고,
    영상 판독부는,
    상기 의료영상에 대한 스케일, 콘트라스트, 밝기, 밸런스 및 휴 특성 중, 하나 이상을 포함하는 영상속성을 학습모델에 적용할 수 있도록 기 설정된 자체 기준에 따라 일관된 포맷으로 변환하는 전처리부;
    전처리된 의료영상에 서로 다른 신체부위들을 구분하는 지시선을 삽입하여 영역을 복수개로 분할하는 분할부;
    상기 지시선이 이루는 폐곡선 내 영역을 하나의 신체부위로 설정하여 추출하고, 복수의 영역별 레벨링을 통해 식별수단을 부여하는 부위 추출부;
    추출된 영역의 영상속성에 기초하여 영상의 특징을 판단하고, 학습모델을 적용하여 병변이 존재하는지 여부를 판별하는 병변 판별부; 및
    상기 병변이 존재하는 것으로 판단되면, 병변에 대한 진단정보를 포함하는 오버레이 데이터를 생성하는 오버레이 생성부를 포함하고,
    상기 오버레이 갱신부는,
    상기 의료영상에서 DICOM 기반 속성으로 정의되는 오버레이 영역 내 빈 공간을 식별하고, 상기 오버레이 데이터를 텍스트 및 이미지 포맷으로 변환하여 상기 오버레이 플레인에 삽입하되, 원 의료영상의 속성값을 참조하여 의료영상 내 표시되는 이미지와의 영역간 이질감이 최소화되도록 상기 오버레이 플레인의 스케일, 해상도 및 콘트라스트를 포함하는 영상속성을 인접 영역의 영상속성에 대응하도록 보정하고,
    상기 병변 판별부는,
    신규 학습 데이터의 테스트를 통해 라벨링된 정보가 기준값 이상의 제1 정확도로 획득되는 제1 학습 데이터 및, 학습 데이터 베이스에 기 저장된 학습 데이터에서 상기 제1 학습 데이터와 동일 또는 유사범주에 해당하는 데이터를 제외한 나머지 학습 데이터를 통해 라벨링된 정보가 기준값 이상의 제2 정확도로 획득되는 제2 학습 데이터를 추출하고,
    상기 제1 및 제2 학습 데이터를 통해 도출되는 서로 배타적으로 라벨링된 서로 다른 두 학습모델에 각각 의료 영상을 입력하여 서로 다른 병변 정확도를 비교하고, 비교결과가 모두 기준치 이상이면 병변 영역을 확정하는
    PACS 기반 영상 처리 시스템.
  7. 제 6 항에 있어서,
    상기 인공지능 판독서버는,
    상기 하나 이상의 의료장치와 직접 연결되어 의료영상을 입력받고, 분석에 따른 판독영상을 상기 DICOM 서버에 전송하는 PACS 기반 영상 처리 시스템.
  8. 삭제
  9. 제 6 항에 있어서,
    상기 DICOM 서버는, 상기 하나 이상의 의료장치와 직접 연결되어 의료영상을 입력받아 DICOM 프로토콜에 따른 의료영상을 상기 인공지능 판독서버에 전송하고, 상기 인공지능 판독서버로부터 DICOM 프로토콜에 따른 상기 진단정보가 오버레이 플레인 상에 삽입된 판독영상을 전송받아 상기 PACS 서버에 전송하는 PACS 기반 영상 처리 시스템.
  10. 삭제
  11. 삭제
KR1020190077279A 2019-06-27 2019-06-27 인공지능 판독서버, 이를 포함하는 pacs 기반 영상 처리 시스템 및 방법 KR102108401B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190077279A KR102108401B1 (ko) 2019-06-27 2019-06-27 인공지능 판독서버, 이를 포함하는 pacs 기반 영상 처리 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190077279A KR102108401B1 (ko) 2019-06-27 2019-06-27 인공지능 판독서버, 이를 포함하는 pacs 기반 영상 처리 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR102108401B1 true KR102108401B1 (ko) 2020-05-28

Family

ID=70919943

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190077279A KR102108401B1 (ko) 2019-06-27 2019-06-27 인공지능 판독서버, 이를 포함하는 pacs 기반 영상 처리 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102108401B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102237198B1 (ko) * 2020-06-05 2021-04-08 주식회사 딥노이드 인공지능 기반의 의료영상 판독 서비스 시스템
KR20220026743A (ko) * 2020-08-26 2022-03-07 서울대학교산학협력단 뇌영상 분석 시스템 및 방법
JPWO2022224869A1 (ko) * 2021-04-23 2022-10-27

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160103578A (ko) 2015-02-24 2016-09-02 원광대학교산학협력단 클라우드 기반 폐/골질환 자동진단 시스템 및 방법
JP2016214312A (ja) * 2015-05-14 2016-12-22 キヤノン株式会社 画像処理装置、画像処理方法及びプログラム
KR20180040287A (ko) * 2016-10-12 2018-04-20 (주)헬스허브 기계학습을 통한 의료영상 판독 및 진단 통합 시스템
KR101887194B1 (ko) * 2018-06-20 2018-08-10 주식회사 뷰노 피검체의 의료 영상의 판독을 지원하는 방법 및 이를 이용한 장치

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160103578A (ko) 2015-02-24 2016-09-02 원광대학교산학협력단 클라우드 기반 폐/골질환 자동진단 시스템 및 방법
JP2016214312A (ja) * 2015-05-14 2016-12-22 キヤノン株式会社 画像処理装置、画像処理方法及びプログラム
KR20180040287A (ko) * 2016-10-12 2018-04-20 (주)헬스허브 기계학습을 통한 의료영상 판독 및 진단 통합 시스템
KR101887194B1 (ko) * 2018-06-20 2018-08-10 주식회사 뷰노 피검체의 의료 영상의 판독을 지원하는 방법 및 이를 이용한 장치

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102237198B1 (ko) * 2020-06-05 2021-04-08 주식회사 딥노이드 인공지능 기반의 의료영상 판독 서비스 시스템
KR20220026743A (ko) * 2020-08-26 2022-03-07 서울대학교산학협력단 뇌영상 분석 시스템 및 방법
KR102556225B1 (ko) 2020-08-26 2023-07-18 서울대학교산학협력단 뇌영상 분석 시스템 및 방법
JPWO2022224869A1 (ko) * 2021-04-23 2022-10-27

Similar Documents

Publication Publication Date Title
US9047539B2 (en) Medical workflow systems and methods with process workflow recordation
US10354049B2 (en) Automatic detection and retrieval of prior annotations relevant for an imaging study for efficient viewing and reporting
KR101898575B1 (ko) 진행성 병변에 대한 미래 상태를 예측하는 방법 및 이를 이용한 장치
US20120035963A1 (en) System that automatically retrieves report templates based on diagnostic information
CN101944154B (zh) 医用图像读影系统
KR102108401B1 (ko) 인공지능 판독서버, 이를 포함하는 pacs 기반 영상 처리 시스템 및 방법
US20180092696A1 (en) Contextual creation of report content for radiology reporting
US8180123B2 (en) Similar case search apparatus and method, and recording medium storing program therefor
US20020065460A1 (en) Computer readable recording medium recorded with diagnosis supporting program, diagnosis supporting apparatus and diagnosis supporting method
US7840041B2 (en) Device for converting medical image data
US8786601B2 (en) Generating views of medical images
JP2001125994A (ja) 医用レポートシステム
JP2008200373A (ja) 類似症例検索装置、方法、およびプログラム、ならびに、類似症例データベース登録装置、方法、およびプログラム
US8923582B2 (en) Systems and methods for computer aided detection using pixel intensity values
JPWO2019176407A1 (ja) 学習支援装置、学習支援方法、学習支援プログラム、関心領域判別装置、関心領域判別方法、関心領域判別プログラム及び学習済みモデル
US10176569B2 (en) Multiple algorithm lesion segmentation
JP2019010411A (ja) 学習データ生成支援装置および学習データ生成支援装置の作動方法並びに学習データ生成支援プログラム
US20080068673A1 (en) Digital image information system and method for providing an image object in a digital image information system
CN111223555B (zh) 一种面向医学影像人工智能辅助诊断结果表征的dicom扩展方法
JP2003284691A (ja) 画像診断システム
EP4195214A1 (en) Displaying relevant prior reports in a telemedicine setting
US20230386629A1 (en) Technique for generating a medical report
KR20060062680A (ko) 교환 이미지 파일 포맷을 이용한 의료 데이터 변환 방법
US20130253954A1 (en) System and method for managing case database
WO2023110411A1 (en) Displaying relevant prior reports in a telemedicine setting

Legal Events

Date Code Title Description
AMND Amendment
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant