KR102166647B1 - 블록 기반 유연한 ai 모델을 이용한 지능형 의료 진단 및 진료 시스템 - Google Patents
블록 기반 유연한 ai 모델을 이용한 지능형 의료 진단 및 진료 시스템 Download PDFInfo
- Publication number
- KR102166647B1 KR102166647B1 KR1020190127819A KR20190127819A KR102166647B1 KR 102166647 B1 KR102166647 B1 KR 102166647B1 KR 1020190127819 A KR1020190127819 A KR 1020190127819A KR 20190127819 A KR20190127819 A KR 20190127819A KR 102166647 B1 KR102166647 B1 KR 102166647B1
- Authority
- KR
- South Korea
- Prior art keywords
- image
- disease
- treatment
- treatment system
- factor
- Prior art date
Links
- 238000011282 treatment Methods 0.000 title claims abstract description 116
- 238000003745 diagnosis Methods 0.000 title claims abstract description 65
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 14
- 201000010099 disease Diseases 0.000 claims abstract description 107
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 107
- 238000004393 prognosis Methods 0.000 claims abstract description 19
- 230000003902 lesion Effects 0.000 claims abstract description 18
- 238000001356 surgical procedure Methods 0.000 claims abstract description 17
- 238000010191 image analysis Methods 0.000 claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims abstract description 11
- 239000000284 extract Substances 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 14
- 206010003210 Arteriosclerosis Diseases 0.000 claims description 8
- 206010010214 Compression fracture Diseases 0.000 claims description 8
- 201000008450 Intracranial aneurysm Diseases 0.000 claims description 8
- 208000011775 arteriosclerosis disease Diseases 0.000 claims description 8
- 206010008118 cerebral infarction Diseases 0.000 claims description 8
- 208000026106 cerebrovascular disease Diseases 0.000 claims description 8
- 208000024827 Alzheimer disease Diseases 0.000 claims description 7
- 208000012902 Nervous system disease Diseases 0.000 claims description 7
- 208000025966 Neurological disease Diseases 0.000 claims description 7
- 238000002583 angiography Methods 0.000 claims description 7
- 239000012530 fluid Substances 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 4
- 230000002238 attenuated effect Effects 0.000 claims description 3
- 229960000182 blood factors Drugs 0.000 claims description 3
- 238000009792 diffusion process Methods 0.000 claims description 3
- 230000010412 perfusion Effects 0.000 claims description 3
- 238000002600 positron emission tomography Methods 0.000 claims description 3
- 238000002075 inversion recovery Methods 0.000 claims description 2
- 230000008685 targeting Effects 0.000 abstract description 6
- 238000013507 mapping Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
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
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis 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
-
- 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
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- 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
-
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Radiology & Medical Imaging (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Epidemiology (AREA)
- Surgery (AREA)
- Primary Health Care (AREA)
- Heart & Thoracic Surgery (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- High Energy & Nuclear Physics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Optics & Photonics (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
블록 기반 유연한 AI 모델을 이용한 지능형 의료 진단 및 진료 시스템이 개시된다. 본 발명에 따른 의료 영상 데이터 기반의 지능형 의료 진단 및 진료 시스템은, 엑스레이 영상, CT 영상, MRI 영상 및 PET 영상으로 이루어진 그룹에서 선택된 어느 하나 이상의 영상을 획득하는 영상 획득부, 의심 질환을 입력하는 의심 질환 입력부, 블록 기반의 인공지능 모델을 이용하여 입력된 상기 의심 질환에 따라 입력된 영상 내 병변의 분석 영역을 각각 설정하여 병변을 맵핑하며, 맵핑된 병변의 위치, 길이, 크기 및 신호 강도 중 어느 하나 이상의 특징 인자를 추출하여 분석하는 영상 분석부, 영상에서 추출된 특징 인자가 표현된 질환별 영상 인자, 질환별 임상 인자, 질환별 치료 및 수술 또는 예후 데이터를 저장 및 제공하는 의료통합 데이터베이스부 및 상기 의료통합 데이터베이스부로부터 제공된 질환별 영상 인자 및 임상 인자를 텍스트 형태로 제공하며, 사용자의 과거 및 현재 상태에 대한 추적 결과를 제공하는 진단 결과 출력부를 포함한다. 본 발명에 따르면, 블록 기반 유연한 AI 모델을 이용하여 특정 질환을 타겟으로 하는 것이 아닌 다양한 질환에 적용이 가능하며, 담당 의료진의 진료에 앞서, 사용자인 환자의 병변을 촬영한 각종 영상 및 임상 결과를 분석하여 분석 결과를 의료진에게 제공하고, 분석한 영상의 특징 인자를 추출하여 유사 환자의 데이터를 검색하여 유사 환자와의 차이점, 유사 환자의 임상, 치료, 수술 및 예후 데이터를 진료 전에 분석 및 제공하여, 짧은 진료시간 내에 효율적인 진단 및 진료가 가능하다.
Description
본 발명은 지능형 의료 진단 및 진료 시스템에 관한 것으로서, 보다 구체적으로, 블록 기반 유연한 AI 모델을 이용하여 특정 질환을 타겟으로 하는 것이 아닌 다양한 질환에 적용이 가능한 지능형 의료 진단 및 진료 시스템에 관한 것이다.
현재 병원 외래 진료는 '3분 진료'라는 진료 시스템이 일반적으로 행해지고 있다. 일반적으로 대학병원에서 15분에 환자 4명 정도를 보며, 환자 1명당 약 3분의 진료 시간이 주어지는 셈이다. 하지만 현실적으로 외래 진료시간은 환자에게는 충분하지 못한 시간이며, 우리나라 뿐만 아니라 전세계적인 의료 시스템의 한계점에 해당한다.
최근에는 환자에게 보다 높은 의료 서비스 제공을 위해서 '15분 진료'를 적용하고자 하는 움직임도 많아지고 있다. '15분 진료'는 평균 3분 안팎인 진료시간을 15분 가까이로 늘려 환자가 질환에 대해 충분히 설명을 들을 수 있도록 하는 제도로, '심층 진찰'이라고도 한다. 우리나라 병의원의 진료 시간이 너무 짧아 환자가 진료 후에도 질환에 관한 의문이 가시지 않는 등 환자들의 불만이 높아짐에 따라 나온 개선 방안이다. 즉, 15분 진료는 의사로부터 진료를 받는 시간이 겨우 3분 이내에 그치는 소위 3분 진료의 폐단을 개선하기 위한 것으로, 18분 이상 진료 시 환자의 질병 이해도가 높다는 한 외국 연구 결과에 기인해 도출됐다. 최근 15분 진료는 서울대병원, 세브란스병원, 서울성모병원, 삼성서울병원, 서울아산병원 등 대형병원 19곳에서 시범운영 중에 있다. 15분 진료는 진료 시간을 최소 15분 이상 지키도록 하고 있는데, 이는 의사로서는 보다 정확한 진단과 치료를 할 수 있도록 하고 환자 입장에선 질환에 관한 충분한 질문 시간과 정보를 확보할 수 있도록 하기 위해서다.
의료진의 입장에서는 정해진 진료 시간에 많은 환자들에게 진단 결과, 질환의 설명과 치료계획 등을 효율적으로 전달해야 하는데, 현재 임상 의료진들은 “환자에게 설명을 할 수 있는 방법이 너무 없다”고 하소연하고 있으며, 실제로 의료진은 환자에게 설명을 해주는 시스템이 매우 제한되어 있다.
현재 대부분의 환자에게 설명을 하는 가장 좋은 방법은 검사한 의료 영상을 통하여 현재 상태를 설명하는 방법이다. 환자 및 보호자는 현재 환자의 상태를 명확히 알고 싶으며 그 이후의 치료 계획을 통하여 질환이 호전될 수 있는지 등을 알고 싶으나, 의료진은 이러한 니즈를 충분히 인지하고 있으나 진료 시간 등의 이유로 해소하고 있지 못하는 실정이다.
의료진들은 치료 및 수술에 대한 계획을 세울 때 관련 학과가 모여서 해당 환자에 대하여 다양한 각도로 회의를 한다. 이를 다학제 진료라고 하며, 이때 가장 중요한 것이 바로 해당 환자와 비슷한 과거의 환자를 함께 리뷰하며 부작용에 대한 가능성은 최소화하며 환자에게 가장 안전하고 가장 빠르게 회복 가능한 치료 계획을 세운다. 즉, 해당 환자와 가장 유사한 과거의 대상자들을 모아서 함께 논의를 하게 되며 매우 효율적인 진료 및 치료 계획이 만들어진다. 하지만 해당 다학제 진료는 일반적인 환자 대상은 아니고 특수한 환자에 대해서만 이뤄지며, 과거의 유사한 질환 대상자를 찾는 일도 시간과 인력이 많이 필요하다. 결국 특수한 경우가 아닌 한, 일반적인 외래 진료시에는 결국 진료 의료진의 경험을 바탕으로 이뤄지게 된다.
따라서, 다양한 질환에 적용이 가능하고 담당 의료진의 진료에 앞서 의료 영상 및 임상 결과의 분석 결과와 유사 환자의 임상, 치료, 수술 및 예후 데이터를 사전에 제공하여 다학제 진료와 유사한 결과를 얻을 수 있고, 짧은 진료시간 내에 효율적인 진단 및 진료가 가능한 시스템의 개발이 요구되는 실정이다.
본 발명은 상기와 같은 문제를 해결하기 위한 것으로서, 본 발명의 목적은 블록 기반 유연한 AI 모델을 이용하여 특정 질환을 타겟으로 하는 것이 아닌 다양한 질환에 적용이 가능하고 담당 의료진의 진료에 앞서 의료 영상 및 임상 결과의 분석 결과와 유사 환자의 병변과의 비교, 임상, 치료, 수술 및 예후 데이터를 사전에 제공하여, 짧은 진료시간 내에 효율적인 진단 및 진료가 가능한 지능형 의료 진단 및 진료 시스템을 제공하는데 있다.
상기한 문제를 해결하기 위한 본 발명의 일 실시예에 따르면, 의료 영상 데이터 기반의 지능형 의료 진단 및 진료 시스템이 제공된다. 상기 지능형 의료 진단 및 진료 시스템은 엑스레이 영상, CT 영상, MRI 영상 및 PET 영상으로 이루어진 그룹에서 선택된 어느 하나 이상의 영상을 획득하는 영상 획득부, 의심 질환을 입력하는 의심 질환 입력부, 블록 기반의 인공지능 모델을 이용하여 입력된 상기 의심 질환에 따라 입력된 영상 내 병변의 분석 영역을 각각 설정하여 병변을 맵핑하며, 맵핑된 병변의 위치, 길이, 크기 및 신호 강도 중 어느 하나 이상의 특징 인자를 추출하여 분석하는 영상 분석부, 영상에서 추출된 특징 인자가 표현된 질환별 영상 인자, 질환별 임상 인자, 질환별 치료 및 수술 또는 예후 데이터를 저장 및 제공하는 의료통합 데이터베이스부 및 상기 의료통합 데이터베이스부로부터 제공된 질환별 영상 인자 및 임상 인자를 텍스트 형태로 제공하며, 사용자의 과거 및 현재 상태에 대한 추적 결과를 제공하는 진단 결과 출력부를 포함한다.
또한, 본 발명의 일 실시예에 따르면, 상기 의심 질환은 신경 질환인 것을 특징으로 하는 지능형 의료 진단 및 진료 시스템을 제공한다.
또한, 본 발명의 일 실시예에 따르면, 상기 신경 질환은 뇌경색, 동맥경화, 뇌동맥류, 알츠하이머성 치매, 압박 골절 및 디스크로 이루어진 그룹에서 선택된 어느 하나 이상인 것을 특징으로 하는 지능형 의료 진단 및 진료 시스템을 제공한다.
또한, 본 발명의 일 실시예에 따르면, 상기 MRI 영상은 T2 강조 영상(T2 weighted image, T2), 유체 감쇄 반전(Fluid Attenuated Inversion Recovery, FLAIR) 영상, 확산 강조 영상(Diffusion Weighted Image, DWI), 관류 강조 영상(Perfusion Weighted Imaging, PWI), 자기 공명 혈관 조영(Magnetic Resonance Angiography, MRA) 영상 및 3차원 T1 강조 영상(high resolution T1 Weighted 3D Image, 3DT1)을 포함하는 것을 특징으로 하는 지능형 의료 진단 및 진료 시스템을 제공한다.
또한, 본 발명의 일 실시예에 따르면, 상기 영상 분석부는 입력된 의심 질환에 따라 입력된 영상 종류를 선택하여 분석한다.
또한, 입력된 상기 의심 질환이 뇌경색인 경우 CT, T2 강조 영상, 유체 감쇄 반전 영상, 확산 강조 영상 및 관류 강조 영상을 분석 대상 영상으로 하며, 입력된 상기 의심 질환이 동맥경화인 경우 CT 및 자기 공명 혈관 조영 영상을 분석 대상 영상으로 하며, 입력된 상기 의심 질환이 뇌동맥류인 경우 CT 및 자기 공명 혈관 조영 영상을 분석 대상 영상으로 하며, 입력된 상기 의심 질환이 알츠하이머성 치매인 경우 유체 감쇄 반전 영상, 3DT1 강조 영상 및 양전자 방출 단층 촬영 영상(positron emission tomography image, PET)을 분석 대상 영상으로 하며, 입력된 상기 의심 질환이 압박 골절 또는 디스크인 경우 엑스레이 영상을 분석 대상 영상으로 하는 것을 특징으로 하는 지능형 의료 진단 및 진료 시스템을 제공한다.
또한, 본 발명의 일 실시예에 따르면, 사용자의 위험 인자 검사, 임상 질환 평가 검사 및 혈액 인자 검사로 이루어진 그룹에서 선택된 어느 하나 이상의 임상 인자를 평가하여 상기 의료통합 데이터베이스부에 제공하는 것을 특징으로 하는 지능형 의료 진단 및 진료 시스템을 제공한다.
또한, 본 발명의 일 실시예에 따르면, 상기 진단 결과 출력부에서, 상기 사용자의 추적 결과에 따른 치료 및 예후에 대한 상태를 동시에 표기하여 사용자에게 제공하는 것을 특징으로 하는 지능형 의료 진단 및 진료 시스템을 제공한다.
또한, 본 발명의 일 실시예에 따르면, 상기 질환별 영상 인자를 검색 인덱스로 사용하여, 상기 질환과 유사한 영상 인자를 검색하여 유사 영상 인자 질환의 임상 인자, 치료, 수술 및 예후 데이터를 상기 진단 결과 출력부에 제공하는 임상 증례 검색부를 포함하는 것을 특징으로 하는 지능형 의료 진단 및 진료 시스템을 제공한다.
또한, 본 발명의 일 실시예에 따르면, 상기 질환별 영상 인자 및 검색된 유사 질환 영상 인자의 차이점을 제공하는 것을 특징으로 하는 지능형 의료 진단 및 진료 시스템을 제공한다.
본 발명에 따르면, 지능형 의료 진단 및 진료 시스템에 있어서, 블록 기반 유연한 AI 모델을 이용하여 특정 질환을 타겟으로 하는 것이 아닌 다양한 질환에 적용이 가능하다.
또한, 본 발명에 따르면, 담당 의료진의 진료에 앞서, 사용자인 환자의 병변을 촬영한 각종 영상 및 임상 결과를 분석하여 분석 결과를 의료진에게 제공하고, 분석한 영상의 특징 인자를 추출하여 유사 환자의 데이터를 검색하여 유사 환자와의 차이점, 유사 환자의 임상, 치료, 수술 및 예후 데이터를 진료 전에 분석 및 제공하여, 짧은 진료시간 내에 효율적인 진단 및 진료가 가능하다.
도 1은 종래의 의료 진단 및 진료 시스템을 설명하기 위한 순서도이다.
도 2는 본 발명의 일 실시예에 따른 블록 기반 유연한 인공지능 모델을 이용한 지능형 의료 진단 및 진료 시스템을 설명하기 위한 구성도이다.
도 3은 본 발명의 일 실시예에 따른 블록 기반 유연한 인공지능 모델을 적용하여 영상의 특징 인자를 추출하여 분석하는 영상 분석부를 설명하기 위한 블록도이다.
도 2는 본 발명의 일 실시예에 따른 블록 기반 유연한 인공지능 모델을 이용한 지능형 의료 진단 및 진료 시스템을 설명하기 위한 구성도이다.
도 3은 본 발명의 일 실시예에 따른 블록 기반 유연한 인공지능 모델을 적용하여 영상의 특징 인자를 추출하여 분석하는 영상 분석부를 설명하기 위한 블록도이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명한다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 게시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 게시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려 주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다. 본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다.
또한, 본 명세서에서 사용되는 포함한다(comprise) 및/또는 포함하는(comprise) 이란 용어는 언급한 형상들, 숫자, 단계, 부재, 요소 및 또는 이들의 그룹의 존재를 특정하는 것이며, 언급되지 않은 다른 형상, 숫자, 동작, 부재, 요소 및/또는 그룹들의 존재 또는 부가를 배제하고자 하는 것이 아니다.
또한 다른 형상에 인접하여(adjacent) 배치된 구조 또는 형상은 인접하는 형상에 중첩되거나 하부에 배치되는 부분을 가질 수 있다.
본 명세서에서 아래로(below), 위로(above), 상부의(upper), 하부의(lower), 수평의(horizontal) 또는 수직의(vertical)와 같은 상대적 용어들은 도면들 상에서 도시된 바와 같이, 일 구성 부재, 층 또는 영역들이 다른 구성 부재, 층 또는 영역과 갖는 관계를 기술하기 위하여 사용될 수 있다. 이들 용어들은 도면들에 표시된 방향 뿐만 아니라 장치의 다른 방향들도 포괄한다.
이하에서, 본 발명의 실시예들은 본 발명의 이상적인 실시예들(및 중간구조 들)을 개략적으로 도시하는 단면도들을 참조하여 설명된다. 이들 도면들에 있어서 예를 들면, 부재들의 크기와 형상은 설명의 편의와 명확성을 위하여 과장될 수 있으며, 실제 구현시, 도시된 형상의 변형들이 예상될 수 있다. 따라서, 본 발명의 실시예는 본 명세서에 도시된 영역의 특정 형상으로 한정되지 아니한다.
도 1은 종래의 의료 진단 및 진료 시스템을 설명하기 위한 순서도이다.
현재의 대학병원의 일반적인 외래 진료를 예를 들어보면, 먼저 환자의 필요한 의료 영상 검사 및 임상 증상 검사 등의 검사를 사전에 완료한 후 검사 결과를 듣기 위해서 진료실로 입장하며, 해당 진료 의사는 환자의 차트를 이때 열어보고 환자의 상태에 대해서 확인한다.
일반적으로 환자는 의사가 검사 결과와 치료 계획에 대해서 사전에 인지하고 있다고 생각할 수 있지만 실제로는 해당 환자의 진료시에 확인하게 된다. 이후, 의사는 검사 결과를 바탕으로 환자에게 해당 질환과 치료 계획을 설명한다. 이때 검사 결과는 임상 결과 수치 또는 영상 검사 결과를 구두로 전달하며, 보다 구체적인 설명이 필요하다고 판단되면 메모지에 그림을 통해서 설명을 한다. 만약 추적 관리 환자의 진료인 경우 환자의 상태가 악화되었다면 담당 의사는 해당 원인을 찾고 적합한 치료 방법으로 변경을 해야 한다.
결론적으로 담당 의료진은 짧은 진료시간 내에 만족할 만한 설명을 하지 못하게 되고, 환자는 짧은 진료시간 내에 만족할 만한 설명을 듣지 못하게 된다.
도 2는 본 발명의 일 실시예에 따른 블록 기반 유연한 인공지능 모델을 이용한 지능형 의료 진단 및 진료 시스템을 설명하기 위한 구성도이다. 도 3은 본 발명의 일 실시예에 따른 블록 기반 유연한 인공지능 모델을 적용하여 영상의 특징 인자를 추출하여 분석하는 영상 분석부를 설명하기 위한 블록도이다.
도 2 및 도 3을 참조하여 본 발명의 블록 기반 유연한 AI 모델을 이용한 지능형 의료 진단 및 진료 시스템을 상세히 설명하도록 한다.
본 발명의 의료 진단 및 진료 시스템은 의료 영상 데이터 기반의 지능형 의료 진단 및 진료 시스템으로서, 영상 획득부(100), 의심 질환 입력부(200), 영상 분석부(300), 의료통합 데이터베이스부(400) 및 진단 결과 출력부(500)를 포함한다.
상기 영상 획득부(100)는 엑스레이 영상, CT 영상, MRI 영상 및 PET 영상으로 이루어진 그룹에서 선택된 어느 하나 이상의 영상을 획득한다.
상기 의심 질환 입력부(200)는 의심 질환을 입력한다. 본 발명의 일 실시예에 따른 의료 진단 및 진료 시스템에 있어서, 분석 대상 질환은 구체적으로 신경 질환을 타겟으로 할 수 있다. 예를 들어, 상기 신경 질환은 뇌경색, 동맥경화, 뇌동맥류, 알츠하이머성 치매, 압박 골절 및 디스크로 이루어진 그룹에서 선택된 어느 하나 이상일 수 있다.
분석 대상 질환이 뇌경색, 동맥경화, 뇌동맥류, 알츠하이머성 치매인 경우, 상기 영상 획득부(100)에서 획득하는 영상은 CT 영상, MRI 영상 내지 PET 영상일 수 있고, 분석 대상 질환이 압박 골절 내지 디스크인 경우, 상기 영상 획득부(100)에서 획득하는 영상은 엑스레이 영상일 수 있다.
상기 영상 분석부(300)는 블록 기반의 인공지능 모델을 이용하여 입력된 상기 의심 질환에 따라 입력된 영상 내 병변의 분석 영역을 각각 설정하여 병변을 맵핑한다. 상기 영상 분석부(300)에서 맵핑된 병변의 위치, 길이, 크기 및 신호 강도 중 어느 하나 이상의 특징 인자를 추출하여 분석한다.
상기 신경 질환은 뇌경색, 동맥경화, 뇌동맥류, 알츠하이머성 치매, 압박 골절 및 디스크로 이루어진 그룹에서 선택된 어느 하나 이상일 수 있다.
도 2 및 도 3을 참조하면, 상기 영상 분석부(300)는 입력된 의심 질환에 따라 입력된 영상 종류를 선택하여 분석한다.
상기 영상 분석부(300)는 블록 기반의 유연한 인공지능 모델(Block-based Flexible AI Model)을 사용하여 특정 질환을 타켓하는 것이 아닌 다양한 질환에 적용이 가능하며, 확장성이 우수하다.
상기 블록 기반의 유연한 인공지능 모델을 사용함으로써, 상기 영상 분석부(300)는 해당 질환에 대한 데이터만 입력해주면 해당 의료 환경과 목적에 따라 최적의 학습 방법이 추천이 되며, 블록 형태의 알고리즘 조합 기법을 활용하여 누구나 쉽게 유연한 인공지능 모델을 만들 수 있다. 특정 질환용 완성 시스템이 아니므로 추가 질환의 확장이 매우 유연하며 그에 따른 범용성이 매우 뛰어나다. 또한, 외부 유출이 아닌 의료 기관 내부에서 모든 분석이 이루어지므로 의료 데이터의 보안 문제는 발생하지 않는다.
본 발명의 의료 진단 및 진료 시스템에 있어서, 상기 영상 분석부(300)는 입력된 의심 질환에 따라 입력된 영상 종류를 선택하여 분석하며, 예를 들어, 입력된 상기 의심 질환이 뇌경색인 경우 CT, T2 강조 영상, 유체 감쇄 반전 영상, 확산 강조 영상 및 관류 강조 영상을 분석 대상 영상으로 할 수 있다.
예를 들어, 입력된 상기 의심 질환이 동맥경화인 경우 CT 및 자기 공명 혈관 조영 영상을 분석 대상 영상으로 할 수 있다. 예를 들어, 입력된 상기 의심 질환이 뇌동맥류인 경우 CT 및 자기 공명 혈관 조영 영상을 분석 대상 영상으로 할 수 있다. 예를 들어, 입력된 상기 의심 질환이 알츠하이머성 치매인 경우 유체 감쇄 반전 영상, 3DT1 강조 영상 및 양전자 방출 단층 촬영 영상(positron emission tomography image, PET)을 분석 대상 영상으로 할 수 있다. 예를 들어, 입력된 상기 의심 질환이 압박 골절 또는 디스크인 경우 엑스레이 영상을 분석 대상 영상으로 할 수 있다.
상기 의료통합 데이터베이스부(400)는 영상에서 추출된 특징 인자가 표현된 질환별 영상 인자, 질환별 임상 인자, 질환별 치료 및 수술 또는 예후 데이터를 저장 및 제공한다.
현재 의료 데이터베이스 시스템은 영상은 PACS, 환자에 대한 임상 평가 결과는 EMR에서 관리하고 있다. 이러한 시스템은 환자의 구체적인 증상과 검사 결과, 그리고 질환에 대한 매칭이 불가하며 그로 인하여 검사 결과에 대한 확인은 가능하나 유사 질환 및 환자에 대한 검색을 불가능하다.
본 발명의 일 실시예에 따른 지능형 의료 진단 및 진료 시스템은 이러한 제한점 극복을 위하여 해당 의료 영상을 인공지능 기법을 통하여 Index 수치화하고 그와 매칭되는 임상 인자와 치료 방법 및 결과에 대한 모든 데이터를 통한 데이터베이스화하여 상기 의료통합 데이터베이스부(400)에 저장한다.
따라서, 검사 결과를 정량적이고 추적 관리 대상자를 위한 연속성을 반영한 판독 시스템을 제공할 수 있다.
상기 의료통합 데이터베이스부(400)에는 본 발명의 일 실시예에 따른 지능형 의료 진단 및 진료 시스템에 따라 서비스 제공을 수행하면서 누적되는 데이터가 저장되며, 사용자별 의료 영상 데이터, 유사 사용자(환자)의 의료 영상 데이터, 진단 정보, 임상 데이터, 병변 영역의 시각 정보 및 텍스트 데이터, 사용자의 과거 및 현재 상태에 대한 추적 결과 데이터, 해당 질환의 치료, 수술 및 예후 데이터 등이 저장될 수 있다.
상기 진단 결과 출력부(500)는 상기 의료통합 데이터베이스부(400)로부터 제공된 질환별 영상 인자 및 임상 인자를 텍스트 형태로 제공하며, 사용자의 과거 및 현재 상태에 대한 추적 결과를 제공한다.
상기 진단 결과 출력부(500)는 상기 질환별 영상 인자, 임상 인자를 텍스트 형태로 표기하여 사용자 및 의료진에게 제공할 수 있다.
또한, 사용자의 과거 및 현재 상태 추적 결과 뿐만 아니라 이에 따른 치료 및 예후 상태를 동시에 표기하여 사용자에게 제공할 수 있다.
본 발명의 의료 진단 및 진료 시스템은 의료 영상 데이터 기반의 지능형 의료 진단 및 진료 시스템으로서, 영상 획득부(100), 의심 질환 입력부(200), 영상 분석부(300), 의료통합 데이터베이스부(400) 및 진단 결과 출력부(500)를 포함하며, 임상 인자 입력부(600), 질환별 치료 입력부(700), 임상 증례 검색부(800)를 더 포함한다.
상기 임상 인자 입력부(600)는 사용자의 위험 인자 검사, 임상 질환 평가 검사 및 혈액 인자 검사로 이루어진 그룹에서 선택된 어느 하나 이상의 임상 인자를 평가하여 상기 의료통합 데이터베이스부(400)에 제공 및 저장한다. 상기 의료통합 데이터베이스부(400)에는 본 발명의 일 실시예에 따른 지능형 의료 진단 및 진료 시스템에 따라 서비스 제공을 수행하면서 누적되는 질환별 임상 인자 데이터가 저장된다.
상기 질환별 치료 입력부(700)는 질환별 치료, 수술 및 예후 데이터를 입력하여 상기 의료통합 데이터베이스부(400)에 제공 및 저장한다. 상기 의료통합 데이터베이스부(400)에는 본 발명의 일 실시예에 따른 지능형 의료 진단 및 진료 시스템에 따라 서비스 제공을 수행하면서 누적되는 질환별 치료, 수술 및 예후 데이터가 저장된다.
상기 임상 증례 검색부(800)는 상기 질환별 영상 인자를 검색 인덱스로 사용하여, 상기 질환과 유사한 영상 인자를 검색하여 유사 영상 인자 질환의 임상 인자, 치료, 수술 및 예후 데이터를 상기 진단 결과 출력부에 제공할 수 있다.
또한, 상기 임상 증례 검색부(800)는 상기 질환별 영상 인자 및 검색된 유사 질환 영상 인자의 차이점을 제공할 수 있다.
상기 임상 증례 검색부(800)는 상기 의료통합 데이터베이스부(400)와 연동하여 상기 의료통합 데이터베이스부(400)의 데이터를 검색 및 분류하여, 유사 사용자(환자)의 의료 영상 데이터, 진단 정보, 임상 데이터, 병변 영역의 시각 정보 및 텍스트 데이터, 사용자의 과거 및 현재 상태에 대한 추적 결과 데이터, 해당 질환의 치료, 수술 및 예후 데이터 등을 제공하며, 상기 진단 결과 출력부(500), 즉 담당 의료진의 자동 판독문에 업데이트하여 제공할 수 있다.
이에 따라, 본 발명의 지능형 의료 진단 및 진료 시스템에 따라 블록 기반 유연한 AI 모델을 이용하여 특정 질환을 타겟으로 하는 것이 아닌 다양한 질환에 적용이 가능하다.
또한, 담당 의료진의 진료에 앞서, 사용자인 환자의 병변을 촬영한 각종 영상 및 임상 결과를 분석하여 분석 결과를 의료진에게 제공하고, 분석한 영상의 특징 인자를 추출하여 유사 환자의 데이터를 검색하여 유사 환자와의 차이점, 유사 환자의 임상, 치료, 수술 및 예후 데이터를 진료 전에 분석 및 제공하여, 짧은 진료시간 내에 효율적인 진단 및 진료가 가능한 장점이 있다.
전술한 본원의 설명은 예시를 위한 것이며, 본원이 속하는 기술분야의 통상의 지식을 가진 자는 본원의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본원의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본원의 범위에 포함되는 것으로 해석되어야 한다.
100: 영상 획득부 200: 의심 질환 입력부
300: 영상 분석부 400: 의료통합 DB부
500: 진단 결과 출력부 600: 임상 인자 입력부
700: 질환별 치료 입력부 800: 임상 증례 검색부
300: 영상 분석부 400: 의료통합 DB부
500: 진단 결과 출력부 600: 임상 인자 입력부
700: 질환별 치료 입력부 800: 임상 증례 검색부
Claims (9)
- 의료 영상 데이터 기반의 지능형 의료 진단 및 진료 시스템에 있어서,
엑스레이 영상, CT 영상, MRI 영상 및 PET 영상으로 이루어진 그룹에서 선택된 어느 하나 이상의 영상을 획득하는 영상 획득부;
의심 질환을 입력하는 의심 질환 입력부;
블록 기반의 인공지능 모델을 이용하여 입력된 상기 의심 질환에 따라 입력된 영상 종류를 선택하여 분석하며 입력된 영상 내 병변의 분석 영역을 각각 설정하여 병변을 맵핑하며, 맵핑된 병변의 위치, 길이, 크기 및 신호 강도 중 어느 하나 이상의 특징 인자를 추출하여 분석하는 영상 분석부;
영상에서 추출된 특징 인자가 표현된 질환별 영상 인자, 질환별 임상 인자, 질환별 치료 및 수술 또는 예후 데이터를 저장 및 제공하는 의료통합 데이터베이스부; 및
상기 의료통합 데이터베이스부로부터 제공된 질환별 영상 인자 및 임상 인자를 텍스트 형태로 제공하며, 사용자의 과거 및 현재 상태에 대한 추적 결과를 제공하는 진단 결과 출력부를 포함하는 지능형 의료 진단 및 진료 시스템. - 제1항에 있어서,
상기 의심 질환은 신경 질환인 것을 특징으로 하는 지능형 의료 진단 및 진료 시스템. - 제2항에 있어서,
상기 신경 질환은 뇌경색, 동맥경화, 뇌동맥류, 알츠하이머성 치매, 압박 골절 및 디스크로 이루어진 그룹에서 선택된 어느 하나 이상인 것을 특징으로 하는 지능형 의료 진단 및 진료 시스템. - 제3항에 있어서,
상기 MRI 영상은 T2 강조 영상(T2 weighted image, T2), 유체 감쇄 반전(Fluid Attenuated Inversion Recovery, FLAIR) 영상, 확산 강조 영상(Diffusion Weighted Image, DWI), 관류 강조 영상(Perfusion Weighted Imaging, PWI), 자기 공명 혈관 조영(Magnetic Resonance Angiography, MRA) 영상 및 3차원 T1 강조 영상(high resolution T1 Weighted 3D Image, 3DT1)을 포함하는 것을 특징으로 하는 지능형 의료 진단 및 진료 시스템. - 제4항에 있어서,
상기 영상 분석부는 입력된 의심 질환에 따라 입력된 영상 종류를 선택하여 분석하며,
입력된 상기 의심 질환이 뇌경색인 경우 CT, T2 강조 영상, 유체 감쇄 반전 영상, 확산 강조 영상 및 관류 강조 영상을 분석 대상 영상으로 하며, 입력된 상기 의심 질환이 동맥경화인 경우 CT 및 자기 공명 혈관 조영 영상을 분석 대상 영상으로 하며, 입력된 상기 의심 질환이 뇌동맥류인 경우 CT 및 자기 공명 혈관 조영 영상을 분석 대상 영상으로 하며, 입력된 상기 의심 질환이 알츠하이머성 치매인 경우 유체 감쇄 반전 영상, 3DT1 강조 영상 및 양전자 방출 단층 촬영 영상(positron emission tomography image, PET)을 분석 대상 영상으로 하며, 입력된 상기 의심 질환이 압박 골절 또는 디스크인 경우 엑스레이 영상을 분석 대상 영상으로 하는 것을 특징으로 하는 지능형 의료 진단 및 진료 시스템. - 제1항에 있어서,
사용자의 위험 인자 검사, 임상 질환 평가 검사 및 혈액 인자 검사로 이루어진 그룹에서 선택된 어느 하나 이상의 임상 인자를 평가하여 상기 의료통합 데이터베이스부에 제공하는 것을 특징으로 하는 지능형 의료 진단 및 진료 시스템. - 제1항에 있어서,
상기 진단 결과 출력부에서, 상기 사용자의 추적 결과에 따른 치료 및 예후에 대한 상태를 동시에 표기하여 사용자에게 제공하는 것을 특징으로 하는 지능형 의료 진단 및 진료 시스템. - 제1항에 있어서,
상기 질환별 영상 인자를 검색 인덱스로 사용하여, 상기 질환과 유사한 영상 인자를 검색하여 유사 영상 인자 질환의 임상 인자, 치료, 수술 및 예후 데이터를 상기 진단 결과 출력부에 제공하는 임상 증례 검색부를 포함하는 것을 특징으로 하는 지능형 의료 진단 및 진료 시스템. - 제8항에 있어서,
상기 질환별 영상 인자 및 검색된 유사 질환 영상 인자의 차이점을 제공하는 것을 특징으로 하는 지능형 의료 진단 및 진료 시스템.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190127819A KR102166647B1 (ko) | 2019-10-15 | 2019-10-15 | 블록 기반 유연한 ai 모델을 이용한 지능형 의료 진단 및 진료 시스템 |
| PCT/KR2019/013583 WO2021075596A1 (ko) | 2019-10-15 | 2019-10-16 | 인공지능 기반 커리큘럼 학습 방법을 이용한 의료 영상 처리 시스템, 지능형 의료 진단 및 진료 시스템 및 블록 기반 유연한 ai 모델을 이용한 지능형 의료 진단 및 진료 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190127819A KR102166647B1 (ko) | 2019-10-15 | 2019-10-15 | 블록 기반 유연한 ai 모델을 이용한 지능형 의료 진단 및 진료 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102166647B1 true KR102166647B1 (ko) | 2020-11-13 |
Family
ID=73398960
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190127819A KR102166647B1 (ko) | 2019-10-15 | 2019-10-15 | 블록 기반 유연한 ai 모델을 이용한 지능형 의료 진단 및 진료 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102166647B1 (ko) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114005548A (zh) * | 2021-11-04 | 2022-02-01 | 武汉美塞拉科技有限公司 | 一种基于人工智能辅助的医美线上面诊与复诊系统 |
| WO2022182058A1 (ko) * | 2021-02-26 | 2022-09-01 | 주식회사 에이티앤씨 | 알츠하이머병의 위험도 예측을 위한 정보 제공 방법 및 이를 이용한 알츠하이머병의 위험도 예측 방법 및 인공지능 모델을 포함하는 장치 |
| KR20220122245A (ko) * | 2021-02-26 | 2022-09-02 | 주식회사 에이티앤씨 | 알츠하이머병의 위험도 예측을 위한 정보 제공 방법 및 이를 이용한 알츠하이머병의 위험도 예측 방법 |
| WO2022211506A1 (ko) * | 2021-03-31 | 2022-10-06 | 주식회사 루닛 | 인공지능 모델을 이용한 의학적 예측 제공 방법 및 장치 |
| KR20220142569A (ko) * | 2021-04-14 | 2022-10-24 | 주식회사 에이티앤씨 | 인공지능 모델을 포함하는 알츠하이머병의 위험도 예측 장치 |
| KR20220165013A (ko) | 2021-06-07 | 2022-12-14 | 계명대학교 산학협력단 | 인공지능 기반 개인 질환 예측 장치 및 방법 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101623431B1 (ko) | 2015-08-06 | 2016-05-23 | 주식회사 루닛 | 의료 영상의 병리 진단 분류 장치 및 이를 이용한 병리 진단 시스템 |
| KR101740464B1 (ko) | 2016-10-20 | 2017-06-08 | (주)제이엘케이인스펙션 | 뇌졸중 진단 및 예후 예측 방법 및 시스템 |
| KR101857624B1 (ko) * | 2017-08-21 | 2018-05-14 | 동국대학교 산학협력단 | 임상 정보를 반영한 의료 진단 방법 및 이를 이용하는 장치 |
| KR101865275B1 (ko) * | 2016-12-27 | 2018-06-08 | 아주대학교 산학협력단 | 질환 중심 의료 영상을 위한 템플릿 기반 정보 제공 방법 및 그 장치 |
| JP2018097463A (ja) * | 2016-12-09 | 2018-06-21 | 富士フイルム株式会社 | 診断支援装置とその作動方法および作動プログラム、並びに診断支援システム |
| KR102001398B1 (ko) * | 2018-01-25 | 2019-07-18 | 재단법인 아산사회복지재단 | 기계학습을 통한 뇌질환 상태변화 예측방법, 장치 및 프로그램 |
-
2019
- 2019-10-15 KR KR1020190127819A patent/KR102166647B1/ko active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101623431B1 (ko) | 2015-08-06 | 2016-05-23 | 주식회사 루닛 | 의료 영상의 병리 진단 분류 장치 및 이를 이용한 병리 진단 시스템 |
| KR101740464B1 (ko) | 2016-10-20 | 2017-06-08 | (주)제이엘케이인스펙션 | 뇌졸중 진단 및 예후 예측 방법 및 시스템 |
| JP2018097463A (ja) * | 2016-12-09 | 2018-06-21 | 富士フイルム株式会社 | 診断支援装置とその作動方法および作動プログラム、並びに診断支援システム |
| KR101865275B1 (ko) * | 2016-12-27 | 2018-06-08 | 아주대학교 산학협력단 | 질환 중심 의료 영상을 위한 템플릿 기반 정보 제공 방법 및 그 장치 |
| KR101857624B1 (ko) * | 2017-08-21 | 2018-05-14 | 동국대학교 산학협력단 | 임상 정보를 반영한 의료 진단 방법 및 이를 이용하는 장치 |
| KR102001398B1 (ko) * | 2018-01-25 | 2019-07-18 | 재단법인 아산사회복지재단 | 기계학습을 통한 뇌질환 상태변화 예측방법, 장치 및 프로그램 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022182058A1 (ko) * | 2021-02-26 | 2022-09-01 | 주식회사 에이티앤씨 | 알츠하이머병의 위험도 예측을 위한 정보 제공 방법 및 이를 이용한 알츠하이머병의 위험도 예측 방법 및 인공지능 모델을 포함하는 장치 |
| KR20220122245A (ko) * | 2021-02-26 | 2022-09-02 | 주식회사 에이티앤씨 | 알츠하이머병의 위험도 예측을 위한 정보 제공 방법 및 이를 이용한 알츠하이머병의 위험도 예측 방법 |
| KR102532906B1 (ko) * | 2021-02-26 | 2023-05-17 | 주식회사 에이티앤씨 | 알츠하이머병의 위험도 예측을 위한 정보 제공 방법 및 이를 이용한 알츠하이머병의 위험도 예측 방법 |
| WO2022211506A1 (ko) * | 2021-03-31 | 2022-10-06 | 주식회사 루닛 | 인공지능 모델을 이용한 의학적 예측 제공 방법 및 장치 |
| KR20220142569A (ko) * | 2021-04-14 | 2022-10-24 | 주식회사 에이티앤씨 | 인공지능 모델을 포함하는 알츠하이머병의 위험도 예측 장치 |
| KR102543914B1 (ko) * | 2021-04-14 | 2023-06-21 | 주식회사 에이티앤씨 | 인공지능 모델을 포함하는 알츠하이머병의 위험도 예측 장치 |
| KR20220165013A (ko) | 2021-06-07 | 2022-12-14 | 계명대학교 산학협력단 | 인공지능 기반 개인 질환 예측 장치 및 방법 |
| CN114005548A (zh) * | 2021-11-04 | 2022-02-01 | 武汉美塞拉科技有限公司 | 一种基于人工智能辅助的医美线上面诊与复诊系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102166647B1 (ko) | 블록 기반 유연한 ai 모델을 이용한 지능형 의료 진단 및 진료 시스템 | |
| US9424644B2 (en) | Methods and systems for evaluating bone lesions | |
| JP2023100829A (ja) | 機械学習を用いた、対象の組織を特徴付けるための方法およびシステム | |
| Swinburne et al. | Machine learning for semiautomated classification of glioblastoma, brain metastasis and central nervous system lymphoma using magnetic resonance advanced imaging | |
| Wang et al. | Deep learning detection of penumbral tissue on arterial spin labeling in stroke | |
| CN106232047A (zh) | 用于健康成像信息学的系统和方法 | |
| JP7132299B2 (ja) | 医用画像処理方法、医用画像処理装置、医用画像処理システム及び医用画像処理プログラム | |
| EP1542589B1 (en) | Display of image data information | |
| JP2008206969A (ja) | 診療支援システム、診療支援装置及び診療支援プログラム | |
| González et al. | Deep learning for biomarker regression: application to osteoporosis and emphysema on chest CT scans | |
| JP7086759B2 (ja) | 診断支援装置、診断支援方法、及び診断支援プログラム | |
| US20110052024A1 (en) | method of analysing stroke images | |
| JP2018175864A (ja) | 自動レイアウト装置および自動レイアウト方法並びに自動レイアウトプログラム | |
| CN103957778A (zh) | 阶段判定支援系统 | |
| Puig et al. | The aging imageomics study: rationale, design and baseline characteristics of the study population | |
| KR102186893B1 (ko) | 인공지능 기반 커리큘럼 학습 방법을 이용한 의료 영상 처리 시스템 및 지능형 의료 진단 및 진료 시스템 | |
| Du et al. | Application of imaging in lymphedema surgical therapies | |
| WO2022077858A1 (zh) | 基于深度学习体征结构的全模态医学影像序列分组方法 | |
| Presson et al. | Quantifying white matter structural integrity with high-definition fiber tracking in traumatic brain injury | |
| Miki et al. | Prospective study of spatial distribution of missed lung nodules by readers in CT lung screening using computer-assisted detection | |
| CA3034814C (en) | System and method for using imaging quality metric ranking | |
| JP4964450B2 (ja) | 画像処理方法、画像処理プログラム、及び画像処理装置 | |
| Thrall | Directions in radiology for the next millennium. | |
| Hyun et al. | Pragmatic role of noncontrast magnetic resonance lymphangiography in postoperative chylothorax or cervical chylous leakage as a diagnostic and preprocedural planning tool | |
| US20190290130A1 (en) | Neurological examination system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GRNT | Written decision to grant |