KR102132566B1 - 병변 판독 장치 및 방법 - Google Patents

병변 판독 장치 및 방법 Download PDF

Info

Publication number
KR102132566B1
KR102132566B1 KR1020190133210A KR20190133210A KR102132566B1 KR 102132566 B1 KR102132566 B1 KR 102132566B1 KR 1020190133210 A KR1020190133210 A KR 1020190133210A KR 20190133210 A KR20190133210 A KR 20190133210A KR 102132566 B1 KR102132566 B1 KR 102132566B1
Authority
KR
South Korea
Prior art keywords
image
nodule
lung
unit
blood vessel
Prior art date
Application number
KR1020190133210A
Other languages
English (en)
Inventor
최우식
김태규
이호
박무성
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 KR1020190133210A priority Critical patent/KR102132566B1/ko
Application granted granted Critical
Publication of KR102132566B1 publication Critical patent/KR102132566B1/ko

Links

Images

Classifications

    • 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
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—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
    • A61B5/004—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 adapted for image acquisition of a particular organ or body part
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • 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
    • A61B6/12—Devices for detecting or locating foreign bodies
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • 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
    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]

Abstract

병변 판독 장치가 제공된다. 상기 병변 판독 장치는 신체 내부를 촬영한 의료 영상에서 서로 겹쳐서 표시되는 복수의 신체 기관 이미지를 서로 분리시키는 제1 유니트; 분리된 복수의 신체 기관 이미지 중 제1 이미지를 이용해서 병변(lesion)으로 추정되는 제1 정보를 탐색하거나, 기탐색된 상기 제1 정보를 분류하는 제2 유니트;를 포함할 수 있다.

Description

병변 판독 장치 및 방법{APPARATUS AND METHOD FOR DISTINGUISHING LESION}
본 발명은 의료 영상에 포함된 병변을 자동으로 판독하는 장치 및 방법에 관한 것이다.
폐 결절(Solitary Pulmonary Nodule)은 폐 내부에 생긴 지름 3cm 이하의 작은 구상 병변이다. 보통 1개만 있어서 고립성 폐결절이라고도 한다. 병변의 크기가 지름 3cm를 초과할 때는 결절이 아닌, 종양 또는 혹이라고 부른다.
보통 무증상인 관계로 건강검진시 흉부 X선이나 CT 촬영을 통해 발견된다. 최근에는 CT가 보편화되면서 이전에는 발견되지 못했던 1cm 이하의 간유리음영(ground-glass opacity)을 보이는 병변도 고립성 폐결절에 준하여 임상적인 접근을 하고 있다.
한국등록특허공보 제1887194호에는 피검체의 흉부 영상이 입력되면 딥러닝 모델에 기초하여 흉부 영상을 판독하는 내용이 나타나 있다.
한국등록특허공보 제1887194호
본 발명은 폐 결절과 같이 장기에 생성된 병변 등을 자동으로 정확하게 판독할 수 있는 병변 판독 장치 및 방법을 제공하기 위한 것이다.
본 발명의 병변 판독 장치는 신체 내부를 촬영한 의료 영상에서 서로 겹쳐서 표시되는 복수의 신체 기관 이미지를 서로 분리시키는 제1 유니트; 분리된 복수의 신체 기관 이미지 중 제1 이미지를 이용해서 병변(lesion)으로 추정되는 제1 정보를 탐색하거나, 기탐색된 상기 제1 정보를 분류하는 제2 유니트;를 포함할 수 있다.
본 발명의 병변 판독 방법은 의료 영상을 획득하는 단계; 상기 의료 영상에 대한 세그멘테이션을 수행하여 상기 의료 영상에 포함된 신체 부위를 구분화하는 단계; 상기 신체 부위가 3차원으로 렌더링된 3차원 영상을 획득하는 단계; 상기 3차원 영상에서 특정 신체 기관의 중심선을 추출하고, 상기 신체 부위의 구분화를 통해 획득된 타겟 영역을 이용해서 컨투어(contour)를 파악하는 단계; 상기 중심선과 상기 컨투어를 이용해서 상기 특정 신체 기관의 3차원 입체 이미지를 생성하는 단계; 상기 3차원 입체 이미지를 복수의 신체 기관 이미지로 분리하는 단계; 분리된 복수의 신체 기관 이미지 중 제1 이미지를 선택하고, 상기 제1 이미지에서 병변이 의심되는 패치를 추출하는 단계; 상기 패치를 분석해서 상기 병변을 분류하는 단계;를 포함할 수 있다.
본 발명의 병변 판독 장치 및 방법은 의료 영상에서 병변의 판독에 방해되는 일부 신체 기관을 이미지적으로 강제로 배제할 수 있는 방안을 제공할 수 있다.
본 발명에 따르면, 복잡한 3차원 의료 영상이 간소하게 표시되므로, 복잡한 구조로 인해 오히려 병변의 파악이 곤란했던 3차원 의료 영상을 이용해서 정확하게 병변을 파악할 수 있는 환경이 제공될 수 있다.
도 1은 본 발명의 병변 판독 장치를 나타낸 개략도이다.
도 2는 결절의 종류를 나타낸 사진이다.
도 3은 전처리 유니트를 나타낸 개략도이다.
도 4는 제1 유니트를 나타낸 개략도이다.
도 5는 제2 유니트를 나타낸 개략도이다.
도 6은 본 발명의 병변 판독 방법을 나타낸 흐름도이다.
도 7은 본 발명의 실시예에 따른, 컴퓨팅 장치를 나타내는 도면이다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
본 명세서에서, 동일한 구성요소에 대해서 중복된 설명은 생략한다.
또한 본 명세서에서, 어떤 구성요소가 다른 구성요소에 '연결되어' 있다거나 '접속되어' 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에 본 명세서에서, 어떤 구성요소가 다른 구성요소에 '직접 연결되어' 있다거나 '직접 접속되어' 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
또한, 본 명세서에서 사용되는 용어는 단지 특정한 실시예를 설명하기 위해 사용되는 것으로써, 본 발명을 한정하려는 의도로 사용되는 것이 아니다.
또한 본 명세서에서, 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다.
또한 본 명세서에서, '포함하다' 또는 '가지다' 등의 용어는 명세서에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품, 또는 이들을 조합한 것이 존재함을 지정하려는 것일 뿐, 하나 또는 그 이상의 다른 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 할 것이다.
또한 본 명세서에서, '및/또는' 이라는 용어는 복수의 기재된 항목들의 조합 또는 복수의 기재된 항목들 중의 어느 항목을 포함한다. 본 명세서에서, 'A 또는 B'는, 'A', 'B', 또는 'A와 B 모두'를 포함할 수 있다.
또한 본 명세서에서, 본 발명의 요지를 흐리게 할 수 있는 공지 기능 및 구성에 대한 상세한 설명은 생략될 것이다.
도 1은 본 발명의 병변 판독 장치를 나타낸 개략도이다.
도 1에 도시된 병변 판독 장치는 전처리 유니트(300), 제1 유니트(100), 제2 유니트(200)를 포함할 수 있다.
제1 유니트(100)는 신체 내부를 촬영한 의료 영상에서 서로 겹쳐서 표시되는 복수의 신체 기관 이미지를 서로 분리시킬 수 있다.
제2 유니트(200)는 분리된 복수의 신체 기관 이미지 중 제1 이미지를 이용해서 병변(lesion)으로 추정되는 제1 정보를 탐색하거나, 기탐색된 제1 정보를 분류할 수 있다.
신체 내부의 장기는 환자의 내장 기관을 의미할 수 있다. 형태적, 기능적으로 공통성이 있으며, 상호보완적으로 작용하는 기관으로부터 이루어지는 계를 기관계라고 한다. 특히, 소화기계, 호흡기계, 비뇨생식기계, 내분비계를 합쳐 내장계라고 하기도 한다. 장기에는 각종 요인에 의해 결절, 종양, 상처 등의 특이점이 발생될 수 있다. 해당 특이점은 장기의 일면 표면에 돌출 형성되거나 함몰 형성될 수 있다. 또는 해당 특이점은 장기의 내부 공간 또는 내부에 덩어리 형태로 형성될 수 있다. 제1 정보는 해당 특이점을 포함할 수 있다.
의료 영상은 CT(computed tomography), MRI(magnetic resonance imaging), X-Ray, PET(positron emission tomography) 등을 통해 생성될 수 있다. 의료 영상은 환자의 신체 내부의 장기를 타겟으로 촬영된 것으로, 장기를 나타내는 이미지가 포함될 수 있다. 의료 영상을 분석하면, 각종 특이점이 파악될 수 있다. 예를 들어 CT 영상에 표시된 폐의 이미지를 분석해서 폐 결절을 검출하는 딥러닝 모델이 존재할 수 있다. 폐 결절의 검출은 결절의 종류에 따라 검출 난이도 및 성능면에서 큰 차이가 나타날 수 있다.
도 2는 결절의 종류를 나타낸 사진이다.
도 2와 같이 결절의 종류는 위치 기준으로 폐 영역 내부의 원형으로 된 결절 ①(well-circumscribed nodule), 혈관과 붙어 있는 결절 ②(juxta-vascular nodule), 흉막과 가늘게 연결된 결절 ③(nodule with a pleural tail), 흉막에 붙어 있는 결절 ④(juxta-pleural nodule)와 같이 총 4가지로 분류될 수 있다.
결절은 종류에 따라 결절의 형태, 복셀(voxel)값(intensity)이 등이 상이할 수 있다.
결절 ①은 원형이며 주변 영역과 복셀값 차이가 커서 검출 및 분류가 매우 용이할 수 있다.
결절 ②는 혈관에 인접하여 혈관과 혼동될 우려가 있다. 또한, 결절 ②는 혈관의 복셀값과 유사하므로 검출 및 분류가 어려울 수 있다.
결절 ③은 흉막에 인접해 있지만 대부분의 영역이 흉막으로부터 이격되어 있으므로 검출 및 분류가 용이할 수 있다.
결절 ④는 흉막에 붙어있어 형태가 일정하지 않으며, 흉막의 복셀값과 유사하므로 검출 및 분류가 매우 어려울 수 있다.
이와 같이, 결절의 종류에 따라 검출 및 분류 난이도에 차이가 발생되는데, 해당 차이에 상관없이 결절 등의 병변을 정확하게 판독하기 위해 제1 유니트(100)와 제2 유니트(200)가 사용될 수 있다.
폐를 촬영한 의료 영상에는 폐의 기도, 폐의 흉막, 폐의 혈관이 함께 뒤섞여서 표시될 수 있다. 동일한 장기에 함께 존재하는 복수 종류의 신체 기관(기도, 흉막, 혈관 등)이 뒤엉켜있는 상태에서 병변으로 추정되거나 의심되는 특이점의 파악이 어려울 수 있다. 이로 인해 검출 및 분류의 어려움이 가중되는 것인데, 해당 어려움을 극복하기 위해 제1 유니트(100)는 폐 전체 이미지를 폐의 기도 이미지, 폐의 흉막 이미지, 폐의 혈관 이미지로 분리할 수 있다. 이때, 제2 유니트(200)는 폐의 기도 이미지 및 폐의 흉막 이미지는 배제하고, 폐의 혈관 이미지만을 이용해서 제1 정보를 탐색 또는 분류할 수 있다.
특히, 신체 내부가 입체적으로 표현되는 3차원 의료 영상의 경우, 하나의 장기에 포함된 복수의 기관들로 인해 영상의 구조가 더욱 복잡해지므로 육안으로 또는 자동으로 병변의 파악이 쉽지 않을 수 있다. 제1 유니트(100)에 따르면, 복잡하게 얽힌 복수의 신체 기관 이미지가 분리 가능하게 구분될 수 있으며, 제2 유니트(200)에 따르면 병변의 탐색/분류에 단일의 특정 신체 기관 이미지에 해당하는 제1 이미지가 이용될 수 있다.
빈 공간에 병변만 표시된다면 신체 어느 부위에 해당 병변이 존재하는지 파악하기 곤란할 수 있다. 따라서, 기준이 되는 신체 기관이 병변과 함께 표시되어야 하는데, 본 발명에 따르면, 제2 유니트(200)에 의해 선택된 제1 이미지가 병변과 함께 표시되는 새로운 이미지가 생성될 수 있다.
전처리 유니트(300)는 의료 영상에서 타겟 영역을 구분하고, 타겟 영역을 3차원으로 렌더링(rendering)할 수 있다. 이때, 제1 유니트(100)는 3차원으로 렌더링된 3차원 영상에서 서로 겹쳐서 표시되는 복수의 신체 기관 이미지를 서로 분리시킬 수 있다. 전처리 유니트(300)로 인해 제1 유니트(100)는 3차원 영상을 처리할 수 있다.
도 3은 전처리 유니트(300)를 나타낸 개략도이다.
전처리 유니트(300)에는 리사이징 수단(310), 세그멘테이션 수단(330), 구분화 수단(350), 생성 수단(370)이 마련될 수 있다.
리사이징 수단(310)은 전처리 유니트(300)로 입력된 의료 영상 m1의 사이즈를 변경할 수 있다. 일 예로, 리사이징 수단(310)은 폐에 대한 512×512 CT 의료 영상 m1을 256×256 사이즈의 리사이징 영상 m2로 변경할 수 있다.
세그멘테이션 수단(330)은 레이블링 마스크 파일과 리사이징 영상 m2에 OTSU(Online Teaching Support Unit) 영상 처리 알고리즘을 적용하여 세그멘테이션을 수행할 수 있다. 세그멘테이션의 수행에 의해 리사이징 영상 m2에 포함된 신체 내부의 장기는 복수 영역으로 부분화된 영상 m3로 표현될 수 있다.
구분화 수단(350)은 세그멘테이션 영상 m3에서 폐 영역 등과 같은 타겟 영역 m5를 구분할 수 있다.
병변에 해당하는 제1 정보를 탐색하기 위해 구분화 수단(350)은 의료 영상에 포함된 장기의 영역에 대한 바이너리 마스크 m4를 생성할 수 있다. 일 예로, 구분화 수단(350)은 장기의 내부를 제1 값 '1'(투명 상태, 도면에서는 하얗게 표시)로 처리하고, 장기의 외부를 제2 값 '0'(불투명 상태, 도면에서는 검게 표시)으로 처리한 제1 바이너리 마스크 m4를 추출할 수 있다.
구분화 수단(350)은 바이너리 마스크 m4를 이용해서 의료 영상으로부터 장기의 영역을 추출할 수 있다. 일 예로, 구분화 수단(350)은 의료 영상, 구체적으로 리사이징 영상 m2 또는 세그멘테이션 영상 m3에 바이너리 마스크 m4를 씌우는 윈도우 처리를 통해 장기의 내부 이미지만 포함된 장기의 영역을 추출할 수 있다. 해당 윈도우 처리를 통해 장기의 영역만 포함된 타겟 영역 m5가 획득될 수 있다.
생성 수단(370)은 3차원 영상 m7을 획득할 수 있다. 생성 수단(370)은 타겟 영역 m5를 대상으로 하는 3D 볼륨 렌더링을 통해 3차원 영상 m7을 획득할 수 있다. 또는, 생성 수단(370)은 별도의 3차원 촬영 수단을 이용해서 3차원 영상 m7을 획득할 수 있다.
도 4는 제1 유니트(100)를 나타낸 개략도이다.
제1 유니트(100)에는 중심 추출부(110), 파악부(130), 생성부(150), 분리부(170)가 마련될 수 있다.
중심 추출부(110)는 의료 영상 m1이 3차원으로 렌더링된 3차원 영상 m7로부터 특정 신체 기관의 중심선 c를 추출할 수 있다. 중심 추출부(110)는 중심선 c가 3차원 상에 형성된 처리 영상 p1을 생성할 수 있다. 일 예로, 중심 추출부(110)는 3D Fast Marching 알고리즘을 통해 혈관 부위를 시드(seed)로 선택하고 혈관의 중심선 c를 추출할 수 있다.
파악부(130)는 의료 영상 m1에서 구분화된 타겟 영역 m5로부터 특정 신체 기관의 컨투어(contour) t를 파악할 수 있다. 컨투어 t를 파악하기 위해 파악부(130)는 이미지 또는 영상에 해당하는 타겟 영역 m5에 레벨셋(Leverl set) 알고리즘을 적용할 수 있다.
생성부(150)는 중심선 c와 컨투어 t를 이용해서 특정 신체 기관의 3차원 입체 이미지 p2를 생성할 수 있다. 컨투어 t를 이용하면 처리 영상 p1에 포함된 중심선 c에 윤곽 또는 두께가 부여될 수 있다. 윤곽 또는 두께가 부여된 특정 신체 기관 b는 실제의 신체 기관을 추종하며 3차원적 입체 이미지 p2로 표현될 수 있다.
분리부(170)는 3차원 입체 이미지 p2를 복수의 신체 기관 이미지 i1, i2, i3로 분리할 수 있다.
일 예로, 3차원 입체 이미지 p2가 폐인 경우, 분리부(170)에는 3차원 입체 이미지 p2로부터 기도(air way) 영역 i3를 분리하는 기도 분리 수단, 3차원 입체 이미지 p2로부터 흉막 영역 i2를 분리하는 흉막 분리 수단, 3차원 입체 이미지 p2로부터 혈관 영역 i1을 분리하는 혈관 분리 수단이 마련될 수 있다. 복수개로 분리된 신체 기관 이미지 중 제2 유니트(200)에 의해 선택된 어느 하나가 제1 이미지에 해당될 수 있다. 제1 이미지는 제2 유니트(200)로 전달될 수 있다. 일 예로, 혈관 영역 i1이 제1 이미지로 선택될 수 있다.
도 5는 제2 유니트(200)를 나타낸 개략도이다.
제2 유니트(200)에는 패치 추출부(210), 분류부(230), 매칭부(250)가 마련될 수 있다.
패치 추출부(210)는 제1 이미지 i1에서 병변이 의심되는 패치를 추출할 수 있다. 패치 추출부(210)는 패치 추출시 다른 이미지는 철저하게 배제하고, 제1 이미지 i1만을 사용하여 패치를 추출할 수 있다. 패치 추출부(210)는 혈관 영역 분리를 통해 생성된 영상에 3D CNN Classifier를 두번 연속 적용해서 결절 의심 패치를 추출할 수 있다.
패치 추출부(210)는 타겟 영역(의료 영상에서 타겟으로 하는 장기가 차지하는 영역)에서 제1 정보에 해당하는 설정 사이즈의 패치 n을 추출할 수 있다. 의료 영상이 3차원 공간의 데이터를 포함하는 경우, 패치 n은 특이점을 내부에 포함하는 육면체 등의 다면체 형상 또는 폐곡면 형상으로 형성될 수 있다.
분류부(230)는 패치를 분석해서 병변을 분류할 수 있다. 분류부(230)는 딥러닝 등의 학습을 통해 획득된 분류 모델을 이용해서 병변을 분류할 수 있다. 일 예로, 병변이 폐결절인 경우, 분류부(230)는 해당 폐결절을 노멀(normal), 고형(solid), 준고형(sub solid), 간유리음영(Ground Glass Nodule, GGN) 등으로 분류할 수 있다. 또는, 분류부(230)는 해당 폐결절이 폐 영역 내부의 원형으로 된 결절 ①(well-circumscribed nodule), 혈관과 붙어 있는 결절 ②(juxta-vascular nodule), 흉막과 가늘게 연결된 결절 ③(nodule with a pleural tail), 흉막에 붙어 있는 결절 ④(juxta-pleural nodule) 중 어디에 해당하는지 분류할 수 있다.
제2 유니트(200)의 매칭부(250)는 병변의 종류와 병변의 위치 좌표를 산출하고, 병변 자동 진단 영상 출력부에 표시할 수 있다. 일 예로, 매칭부(250)는 제1 정보의 분류가 완료되면, 분류 정보를 제1 정보에 추가할 수 있다. 매칭부(250)는 분류 정보가 추가된 제1 정보를 제1 이미지 i1의 소스가 되는 3차원 입체 이미지 p2에 매칭시켜 디스플레이에 표시할 수 있다.
도 6은 본 발명의 병변 판독 방법을 나타낸 흐름도이다.
도 6에 도시된 병변 판독 방법은 도 1의 병변 판독 장치에 의해 수행될 수 있다.
전처리 유니트(300)는 의료 영상 m1을 획득할 수 있다(S 510).
전처리 유니트(300)는 의료 영상 m1에 대한 세그멘테이션을 수행하여 의료 영상 m1에 포함된 신체 부위를 구분화할 수 있다(S 520).
전처리 유니트(300)는 신체 부위가 3차원으로 렌더링된 3차원 영상 m7을 획득할 수 있다(S 530).
제1 유니트(100)는 3차원 영상 m7에서 특정 신체 기관의 중심선 c를 추출하고, 신체 부위의 구분화를 통해 획득된 타겟 영역 m5를 이용해서 컨투어(contour) t를 파악할 수 있다(S 540).
제1 유니트(100)는 중심선과 컨투어를 이용해서 특정 신체 기관의 3차원 입체 이미지 p2를 생성할 수 있다(S 550).
제1 유니트(100)는 3차원 입체 이미지를 복수의 신체 기관 이미지로 분리할 수 있다(S 560).
제2 유니트(200)는 분리된 복수의 신체 기관 이미지 중 제1 이미지 i1을 선택하고, 제1 이미지에서 병변이 의심되는 패치 n을 추출할 수 있다(S 570).
제2 유니트(200)는 패치 n을 분석해서 병변을 분류할 수 있다(S 580).
제2 유니트(200)는 병변의 분류가 완료되면, 분류 정보가 추가된 병변을 3차원 입체 이미지 p2에 매칭시켜 표시할 수 있다(S 590).
도 7은 본 발명의 실시예에 따른, 컴퓨팅 장치를 나타내는 도면이다. 도 7의 컴퓨팅 장치(TN100)는 본 명세서에서 기술된 장치(예, 병변 판독 장치 등) 일 수 있다.
도 7의 실시예에서, 컴퓨팅 장치(TN100)는 적어도 하나의 프로세서(TN110), 송수신 장치(TN120), 및 메모리(TN130)를 포함할 수 있다. 또한, 컴퓨팅 장치(TN100)는 저장 장치(TN140), 입력 인터페이스 장치(TN150), 출력 인터페이스 장치(TN160) 등을 더 포함할 수 있다. 컴퓨팅 장치(TN100)에 포함된 구성 요소들은 버스(bus)(TN170)에 의해 연결되어 서로 통신을 수행할 수 있다.
프로세서(TN110)는 메모리(TN130) 및 저장 장치(TN140) 중에서 적어도 하나에 저장된 프로그램 명령(program command)을 실행할 수 있다. 프로세서(TN110)는 중앙 처리 장치(CPU: central processing unit), 그래픽 처리 장치(GPU: graphics processing unit), 또는 본 발명의 실시예에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다. 프로세서(TN110)는 본 발명의 실시예와 관련하여 기술된 절차, 기능, 및 방법 등을 구현하도록 구성될 수 있다. 프로세서(TN110)는 컴퓨팅 장치(TN100)의 각 구성 요소를 제어할 수 있다.
메모리(TN130) 및 저장 장치(TN140) 각각은 프로세서(TN110)의 동작과 관련된 다양한 정보를 저장할 수 있다. 메모리(TN130) 및 저장 장치(TN140) 각각은 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나로 구성될 수 있다. 예를 들어, 메모리(TN130)는 읽기 전용 메모리(ROM: read only memory) 및 랜덤 액세스 메모리(RAM: random access memory) 중에서 적어도 하나로 구성될 수 있다.
송수신 장치(TN120)는 유선 신호 또는 무선 신호를 송신 또는 수신할 수 있다. 송수신 장치(TN120)는 네트워크에 연결되어 통신을 수행할 수 있다.
한편, 본 발명의 실시예는 지금까지 설명한 장치 및/또는 방법을 통해서만 구현되는 것은 아니며, 본 발명의 실시예의 구성에 대응하는 기능을 실현하는 프로그램 또는 그 프로그램이 기록된 기록 매체를 통해 구현될 수도 있으며, 이러한 구현은 상술한 실시예의 기재로부터 본 발명이 속하는 기술 분야의 통상의 기술자라면 쉽게 구현할 수 있는 것이다.
이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 통상의 기술자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.
100...제1 유니트 110...중심 추출부
130...파악부 150...생성부
170...분리부 200...제2 유니트
210...패치 추출부 230...분류부
250...매칭부 300...전처리 유니트
310...리사이징 수단 330...세그멘테이션 수단
350...구분화 수단 370...생성 수단

Claims (8)

  1. 폐의 기도, 흉막, 혈관이 입체적으로 표현되는 3차원 입체 이미지에서 폐의 기도 이미지 또는 폐의 흉막 이미지에 겹쳐서 표시되는 폐의 3차원 혈관 이미지를 분리시키는 제1 유니트;
    상기 폐의 기도 이미지 및 상기 폐의 흉막 이미지는 배제하고, 상기 폐의 3차원 혈관 이미지에 해당하는 제1 이미지를 이용해서 폐결절을 탐색하거나 분류하는 제2 유니트;를 포함하고,
    상기 제2 유니트는 상기 제1 이미지에서 폐결절이 의심되는 특이점을 내부에 포함하는 다면체 형상 또는 폐곡면 형상의 패치를 추출하며,
    상기 제2 유니트는 상기 패치를 분석해서 상기 폐결절을 분류하고,
    상기 제2 유니트는 상기 폐결절의 분류가 완료되면, 분류 정보가 추가된 패치를 상기 폐의 3차원 혈관 이미지의 소스가 되는 상기 3차원 입체 이미지에 매칭시켜 표시하는 병변 판독 장치.
  2. 제1항에 있어서,
    중심 추출부, 파악부, 생성부, 분리부가 마련되고,
    상기 중심 추출부는 상기 3차원 입체 이미지로부터 상기 혈관의 중심선을 추출하며,
    상기 파악부는 상기 3차원 입체 이미지에서 구분화된 타겟 영역으로부터 상기 혈관의 컨투어(contour)를 파악하고,
    상기 생성부는 상기 중심선과 상기 컨투어를 이용해서 상기 폐의 3차원 혈관 이미지를 생성하며,
    상기 분리부는 상기 3차원 입체 이미지에서 상기 폐의 3차원 혈관 이미지를 분리하는 병변 판독 장치.
  3. 제1항에 있어서,
    상기 폐결절은 폐 영역 내부의 원형으로 된 결절(well-circumscribed nodule), 혈관과 붙어 있는 결절(juxta-vascular nodule), 흉막으로부터 이격된 위치에서 흉막에 연결된 결절(nodule with a pleural tail), 흉막에 붙어 있는 결절(juxta-pleural nodule)로 분류되고,
    상기 제2 유니트는 상기 제1 이미지를 이용해서 혈관에 붙어 있는 결절(juxta-vascular nodule)을 탐색하거나 분류하는 병변 판독 장치.
  4. 삭제
  5. 삭제
  6. 삭제
  7. 병변 판독 장치에 의해 수행되는 병변 판독 방법에 있어서,
    의료 영상을 획득하는 단계;
    상기 의료 영상에 대한 세그멘테이션을 수행하여 상기 의료 영상에 포함된 폐 영역을 구분화하는 단계;
    상기 폐 영역이 3차원으로 렌더링된 3차원 영상을 획득하는 단계;
    상기 3차원 영상에서 혈관의 중심선을 추출하고, 상기 폐 영역의 구분화를 통해 획득된 타겟 영역을 이용해서 컨투어(contour)를 파악하는 단계;
    상기 중심선과 상기 컨투어를 이용해서 상기 혈관의 3차원 입체 이미지를 생성하는 단계;
    상기 폐 영역이 렌더링된 상기 3차원 영상으로부터 상기 혈관의 3차원 입체 이미지를 분리하는 단계;
    상기 혈관의 3차원 입체 이미지에 해당하는 제1 이미지에서 폐결절이 의심되는 특이점을 내부에 포함하는 다면체 형상 또는 폐곡면 형상의 패치를 추출하는 단계;
    상기 패치를 분석해서 상기 폐결절을 분류하는 단계;
    상기 폐결절의 분류가 완료되면, 분류 정보가 추가된 패치를 상기 3차원 입체 이미지에 매칭시켜 표시하는 단계를 포함하는 병변 판독 방법.
  8. 제7항에 있어서,
    상기 폐결절은 폐 영역 내부의 원형으로 된 결절(well-circumscribed nodule), 혈관과 붙어 있는 결절(juxta-vascular nodule), 흉막으로부터 이격된 위치에서 흉막에 연결된 결절(nodule with a pleural tail), 흉막에 붙어 있는 결절(juxta-pleural nodule)로 분류되고,
    상기 폐결절을 분류하는 단계는 상기 제1 이미지를 이용해서 혈관에 붙어 있는 결절(juxta-vascular nodule)을 탐색하거나 분류하는 병변 판독 방법.
KR1020190133210A 2019-10-24 2019-10-24 병변 판독 장치 및 방법 KR102132566B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190133210A KR102132566B1 (ko) 2019-10-24 2019-10-24 병변 판독 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190133210A KR102132566B1 (ko) 2019-10-24 2019-10-24 병변 판독 장치 및 방법

Publications (1)

Publication Number Publication Date
KR102132566B1 true KR102132566B1 (ko) 2020-07-10

Family

ID=71604039

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190133210A KR102132566B1 (ko) 2019-10-24 2019-10-24 병변 판독 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102132566B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102367984B1 (ko) * 2020-12-30 2022-03-03 주식회사 피노맥스 병변 판독 방법 및 이를 위한 장치
WO2023090681A1 (ko) * 2021-11-16 2023-05-25 연세대학교 원주산학협력단 인공지능 판별 모델과 3차원 모델링 기반의 위장 질환 진단 장치 및 방법
WO2023146368A1 (ko) * 2022-01-28 2023-08-03 모니터코퍼레이션 주식회사 의료 영상 분석 보조 시스템 및 의료영상 분석결과 제공방법

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010082399A (ja) * 2008-10-03 2010-04-15 Hitachi Medical Corp 画像診断装置
JP2011200625A (ja) * 2010-03-05 2011-10-13 Fujifilm Corp 画像診断支援装置、方法およびプログラム
KR20110129239A (ko) * 2010-05-25 2011-12-01 인하대학교 산학협력단 흉부 씨티 영상 내 병변 자동 검출을 위한 폐 혈관 추출 방법
KR20130012297A (ko) * 2011-07-25 2013-02-04 삼성전자주식회사 병변 검출 장치, 병변 검출 방법 및 병변 진단 장치
JP2016116867A (ja) * 2014-12-22 2016-06-30 株式会社東芝 医用画像処理装置、医用画像診断装置及び医用画像処理プログラム
KR101887194B1 (ko) 2018-06-20 2018-08-10 주식회사 뷰노 피검체의 의료 영상의 판독을 지원하는 방법 및 이를 이용한 장치

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010082399A (ja) * 2008-10-03 2010-04-15 Hitachi Medical Corp 画像診断装置
JP2011200625A (ja) * 2010-03-05 2011-10-13 Fujifilm Corp 画像診断支援装置、方法およびプログラム
KR20110129239A (ko) * 2010-05-25 2011-12-01 인하대학교 산학협력단 흉부 씨티 영상 내 병변 자동 검출을 위한 폐 혈관 추출 방법
KR20130012297A (ko) * 2011-07-25 2013-02-04 삼성전자주식회사 병변 검출 장치, 병변 검출 방법 및 병변 진단 장치
JP2016116867A (ja) * 2014-12-22 2016-06-30 株式会社東芝 医用画像処理装置、医用画像診断装置及び医用画像処理プログラム
KR101887194B1 (ko) 2018-06-20 2018-08-10 주식회사 뷰노 피검체의 의료 영상의 판독을 지원하는 방법 및 이를 이용한 장치

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102367984B1 (ko) * 2020-12-30 2022-03-03 주식회사 피노맥스 병변 판독 방법 및 이를 위한 장치
WO2023090681A1 (ko) * 2021-11-16 2023-05-25 연세대학교 원주산학협력단 인공지능 판별 모델과 3차원 모델링 기반의 위장 질환 진단 장치 및 방법
WO2023146368A1 (ko) * 2022-01-28 2023-08-03 모니터코퍼레이션 주식회사 의료 영상 분석 보조 시스템 및 의료영상 분석결과 제공방법

Similar Documents

Publication Publication Date Title
Binczyk et al. Radiomics and artificial intelligence in lung cancer screening
US10111713B2 (en) Surgery assistance apparatus, surgery assistance method and non-transitory computer-readable recording medium having stored therein surgery assistance program
CN109583440B (zh) 结合影像识别与报告编辑的医学影像辅助诊断方法及系统
KR102132566B1 (ko) 병변 판독 장치 및 방법
US9117259B2 (en) Method and system for liver lesion detection
Tsehay et al. Biopsy-guided learning with deep convolutional neural networks for Prostate Cancer detection on multiparametric MRI
Shariaty et al. Automatic lung segmentation method in computed tomography scans
CN110853743A (zh) 医学影像的显示方法、信息处理方法及存储介质
CN112215799A (zh) 一种磨玻璃肺结节自动分类方法及系统
JP2010000133A (ja) 画像表示装置、画像表示方法及びプログラム
KR102150682B1 (ko) 특이점 분류 장치 및 분류 방법
Zhao et al. An automated pulmonary parenchyma segmentation method based on an improved region growing algorithmin PET-CT imaging
Chenyang et al. A joint detection and recognition approach to lung cancer diagnosis from CT images with label uncertainty
Haq et al. BTS-GAN: computer-aided segmentation system for breast tumor using MRI and conditional adversarial networks
Basu et al. RadFormer: Transformers with global–local attention for interpretable and accurate Gallbladder Cancer detection
Guo et al. Coarse-to-fine airway segmentation using multi information fusion network and CNN-based region growing
Lu et al. Lumbar spine segmentation method based on deep learning
Xie et al. Lung nodule pre-diagnosis and insertion path planning for chest CT images
KR102152385B1 (ko) 특이점 진단 장치 및 진단 방법
Liu et al. Robust and accurate pulmonary nodule detection with self-supervised feature learning on domain adaptation
CN112633336A (zh) 一种基于多尺度特征融合的肺结节识别分类方法
Cheirsilp 3D multimodal image analysis for lung-cancer assessment
Huang et al. Dsenet: double three-dimensional squeeze-and-excitation network for pulmonary nodule detection
Liu et al. Rethinking Pulmonary Nodule Detection in Multi-view 3D CT Point Cloud Representation
Spann et al. Interactive Visualisation of the Food Content of a Human Stomach in MRI

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant