KR102280902B1 - 흉부 의료 영상 판독 지원 장치 및 방법 - Google Patents
흉부 의료 영상 판독 지원 장치 및 방법 Download PDFInfo
- Publication number
- KR102280902B1 KR102280902B1 KR1020200088088A KR20200088088A KR102280902B1 KR 102280902 B1 KR102280902 B1 KR 102280902B1 KR 1020200088088 A KR1020200088088 A KR 1020200088088A KR 20200088088 A KR20200088088 A KR 20200088088A KR 102280902 B1 KR102280902 B1 KR 102280902B1
- Authority
- KR
- South Korea
- Prior art keywords
- medical image
- distribution
- lung
- brightness value
- region
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 58
- 210000004072 lung Anatomy 0.000 claims abstract description 126
- 208000019693 Lung disease Diseases 0.000 claims abstract description 67
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 40
- 230000011218 segmentation Effects 0.000 claims description 24
- 208000007536 Thrombosis Diseases 0.000 claims description 20
- 239000008280 blood Substances 0.000 claims description 15
- 210000004369 blood Anatomy 0.000 claims description 15
- 239000005337 ground glass Substances 0.000 claims description 6
- 238000011002 quantification Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 4
- 208000024891 symptom Diseases 0.000 abstract description 44
- 210000001519 tissue Anatomy 0.000 description 46
- 206010035664 Pneumonia Diseases 0.000 description 35
- 208000025721 COVID-19 Diseases 0.000 description 23
- 238000003745 diagnosis Methods 0.000 description 19
- 238000012800 visualization Methods 0.000 description 17
- 238000002591 computed tomography Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 15
- 238000005516 engineering process Methods 0.000 description 14
- 201000010099 disease Diseases 0.000 description 12
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 12
- 230000002685 pulmonary effect Effects 0.000 description 9
- 238000005259 measurement Methods 0.000 description 8
- 208000005069 pulmonary fibrosis Diseases 0.000 description 8
- 230000003902 lesion Effects 0.000 description 7
- 210000004185 liver Anatomy 0.000 description 7
- 230000001580 bacterial effect Effects 0.000 description 6
- 238000010191 image analysis Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004195 computer-aided diagnosis Methods 0.000 description 5
- 210000000416 exudates and transudate Anatomy 0.000 description 5
- 239000011521 glass Substances 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 208000026425 severe pneumonia Diseases 0.000 description 5
- 206010028980 Neoplasm Diseases 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 4
- 239000000090 biomarker Substances 0.000 description 4
- 201000011510 cancer Diseases 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000002059 diagnostic imaging Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 208000006545 Chronic Obstructive Pulmonary Disease Diseases 0.000 description 3
- 210000000577 adipose tissue Anatomy 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 229940079593 drug Drugs 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 210000004910 pleural fluid Anatomy 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 206010011224 Cough Diseases 0.000 description 2
- 206010060902 Diffuse alveolar damage Diseases 0.000 description 2
- 206010014561 Emphysema Diseases 0.000 description 2
- 206010025080 Lung consolidation Diseases 0.000 description 2
- 206010025102 Lung infiltration Diseases 0.000 description 2
- 239000003242 anti bacterial agent Substances 0.000 description 2
- 229940088710 antibiotic agent Drugs 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 210000000621 bronchi Anatomy 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 238000013170 computed tomography imaging Methods 0.000 description 2
- 230000034994 death Effects 0.000 description 2
- 231100000517 death Toxicity 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 230000003612 virological effect Effects 0.000 description 2
- 208000023275 Autoimmune disease Diseases 0.000 description 1
- 241000894006 Bacteria Species 0.000 description 1
- 208000035143 Bacterial infection Diseases 0.000 description 1
- 206010008479 Chest Pain Diseases 0.000 description 1
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 201000003883 Cystic fibrosis Diseases 0.000 description 1
- 208000000059 Dyspnea Diseases 0.000 description 1
- 206010013975 Dyspnoeas Diseases 0.000 description 1
- 208000005189 Embolism Diseases 0.000 description 1
- 206010019280 Heart failures Diseases 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 206010025282 Lymphoedema Diseases 0.000 description 1
- 206010036790 Productive cough Diseases 0.000 description 1
- 206010056342 Pulmonary mass Diseases 0.000 description 1
- 206010037660 Pyrexia Diseases 0.000 description 1
- 208000036142 Viral infection Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 210000004712 air sac Anatomy 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 208000006673 asthma Diseases 0.000 description 1
- 208000022362 bacterial infectious disease Diseases 0.000 description 1
- 238000001574 biopsy Methods 0.000 description 1
- 238000009534 blood test Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007596 consolidation process Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 238000012631 diagnostic technique Methods 0.000 description 1
- 208000017574 dry cough Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000003722 extracellular fluid Anatomy 0.000 description 1
- 210000000987 immune system Anatomy 0.000 description 1
- 230000004968 inflammatory condition Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000004199 lung function Effects 0.000 description 1
- 208000002502 lymphedema Diseases 0.000 description 1
- 210000003563 lymphoid tissue Anatomy 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 210000004088 microvessel Anatomy 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000002640 oxygen therapy Methods 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 208000010707 pulmonary consolidation Diseases 0.000 description 1
- 208000013220 shortness of breath Diseases 0.000 description 1
- 208000007056 sickle cell anemia Diseases 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 208000024794 sputum Diseases 0.000 description 1
- 210000003802 sputum Anatomy 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 229960005486 vaccine Drugs 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000007794 visualization technique Methods 0.000 description 1
Images
Classifications
-
- 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
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
-
- 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
-
- 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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed 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
- G06T2207/10081—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
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
- G06T2207/30061—Lung
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
- G06T2219/028—Multiple view windows (top-side-front-sagittal-orthogonal)
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Optics & Photonics (AREA)
- High Energy & Nuclear Physics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Physiology (AREA)
- Pulmonology (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
컴퓨팅 시스템을 포함하며, 흉부 의료 영상의 판독을 지원하는 장치가 개시된다. 본 발명의 일 실시예에 따른 장치는 컴퓨팅 시스템을 포함하며 상기 컴퓨팅 시스템은 적어도 하나 이상의 프로세서를 포함한다. 상기 적어도 하나 이상의 프로세서는 폐를 포함하는 의료 영상으로부터 기도(airway)와 혈관(blood vessel)을 분할하고(segmentation), 상기 의료 영상으로부터 상기 기도와 상기 혈관을 제외한 폐 영역 영상에서 조직의 성질, 및 상태 중 적어도 하나 이상에 기반하여 구분되어 설정되는 복수의 밝기값(intensity) 구간 각각에 대응하는 소영역을 분할하고(segmentation), 상기 폐 영역 영상 내에서 상기 복수의 밝기값 구간 각각에 대응하는 상기 소영역의 분포를 시각화한다.
Description
본 발명은 의료 영상 판독 지원 장치 및 방법에 관한 것이다. 구체적으로는 의료진이 흉부 의료 영상을 효과적으로 판독할 수 있도록 지원하기 위하여 의료 영상의 분석 결과를 시각화하는 장치(컴퓨팅 시스템) 및 그 장치에서 실행되는 소프트웨어에 관한 것이다.
현재, 병변을 분석함으로써 진단에 이용하기 위하여 CT(computed tomography; 전산화 단층 촬영) 등의 의료 영상이 널리 이용되고 있다. 예를 들어, 흉부 CT 영상은 신체의 내부, 예컨대, 폐, 기관지, 심장 등의 이상을 관찰할 수 있어 판독용으로 빈번히 이용된다.
흉부 CT 영상을 통하여 판독될 수 있는 몇몇 소견들은 영상의학과 의사도 다년 간의 수련을 통하여야만 그 특징 및 형태를 구분해낼 수 있을 정도로 그 판독이 용이하지 않아 인간인 의사가 쉽게 간과할 수 있다. 특히, 폐결절(lung nodule)과 같이 그 판독의 난이도가 높으면 의사가 고도의 주의를 기울여도 미처 보지 못하고 넘어가는 경우가 발생할 수 있어 문제가 될 소지가 있다.
이 같이 인간이 쉽게 간과할 수 있는 영상의 판독을 보조하기 위하여, 컴퓨터 보조 진단(CAD; computer aided diagnosis)의 필요성이 대두되었는데, 종래의 CAD 기술은 매우 한정된 영역에서 의사의 판단을 보조함에 그친다.
예를 들어, 한국공개특허 KR 10-2019-0090986 "흉부 의료 영상 판독 지원 시스템 및 방법"에서는 흉부 의료 영상(chest medical image), 특히 흉부 CT 영상(chest CT image)에서 명도의 분포에 기반하여 폐 영역을 분할하고(segmentation), 분할된 폐 영역 내에서 병변을 검출한다.
일반적으로 CT 영상에서 인체 장기 및 조직의 특성 상 CT 영상의 밝기값(intensity)이 변화하므로, 유사한 밝기값을 가지는 영역을 분할하여 정상 조직 및 병변을 식별하는 것은 당업자에게 자명한 기술이다.
이러한 의료 영상 진단 분야에서 폐 영역에서 간유리 음영(GGO, ground glass opacity)을 검출하는 과제가 매우 중요하며, 간유리 음영은 국소적 결절성 폐 침윤을 의미하며, 일반적으로는 기관지, 또는 혈관의 경계가 잘 그려지는 결절로 정의된다. 상기 한국공개특허 KR 10-2019-0090986에서는 인공지능을 이용하여 GGO를 잘 찾을 수 있도록 명도 또는 밝기값(intensity)의 threshold를 adaptive하게 적용하는 개념이 개시된다.
또 다른 선행문헌으로 한국공개특허 KR 10-2020-0046507 "폐 섬유화 진단을 위한 정보제공 방법 및 폐 섬유화 진단 컴퓨팅 장치"에서는 폐조직의 섬유화 진단을 위하여 의료 영상 내의 환자 폐의 정상 조직의 말단지점을 탐색하여 병변 조직의 공간적 분포를 분석한다. 즉, 한국공개특허 KR 10-2020-0046507은 의료 영상의 밝기값에 기반하되 공간적 분포를 고려하여 폐 섬유화 진단을 지원하는 기술을 개시한다.
또 다른 선행문헌인 한국등록특허 KR 10-1587719 "의료 영상 분석 장치 및 이의 폐결절과 폐혈관 구분 방법"에서는 흉부 의료 영상에서 경계가 잘 그려지는 둥근 모양의 음영인 GGO를 검출하는 것을 목적으로 하며, 단순히 밝기값(intensity)만으로 GGO를 검출하는 데에 그치지 않고, 검출된 객체의 이동성을 고려하여 폐결절과 폐혈관을 구분하는 기술을 개시한다.
다만 이러한 선행문헌들은 폐 영역을 포함하는 의료 영상에서 CT 밝기값을 이용하여 GGO 후보를 검출하고, 이후에 GGO 후보의 공간적 분포, 또는 객체의 이동성 등의 지표를 고려하여 폐질환을 진단하므로, 결과적으로는 폐질환의 증상에 대한 정보만을 제공하고, 폐질환의 원인에 대한 부가적인 정보를 제공하기 어렵다.
최근 COVID-19와 같은 바이러스성 폐질환, 또는 세균성 폐질환 등 다양한 원인에 의하여 폐질환이 초래될 수 있음이 알려져 있다. 따라서 폐질환의 증상을 검출할 뿐 아니라 폐질환의 원인에 대한 부가정보를 제공할 수 있는 흉부 의료 영상 판독(chest medical image reading) 지원 기술에 대한 요구가 증대되고 있다.
상기 선행문헌들은 폐 영역을 포함하는 의료 영상에서 CT 밝기값을 이용하여 GGO 후보를 검출하고, 이후에 GGO 후보의 공간적 분포, 또는 객체의 이동성 등의 지표를 고려하여 폐질환을 진단하므로, 결과적으로는 폐질환의 증상에 대한 정보만을 제공하고, 폐질환의 원인에 대한 부가적인 정보를 제공하기 어렵다.
본 발명은 폐 영역 내부의 다양한 인자를 검출하여 의료진에게 폐질환 증상 정보와 함께 제공하는 것을 목적으로 한다. 즉, 폐 영역 내부의 조직의 상태, 및/또는 조직의 성질에 기반하여 다양한 밝기값(intensity) 구간을 설정하고 밝기값 구간을 시각화함으로써 의료진이 폐질환의 증상을 확인한 후, 그 원인이 되는 다양한 요인에 대해서도 부가적인 정보를 얻을 수 있도록 지원하는 것을 목적으로 한다.
예를 들어 COVID-19에 의한 폐질환은 일반적인 세균성 폐질환과 다른 양상을 가질 수 있는데, 이러한 양상에 대한 부가적인 정보를 폐 영역 내부에서 식별하여 시각화하고 폐질환 증상 정보와 함께 의료진에게 제공함으로써 의료진은 폐질환 증상의 원인에 대하여 다양한 요인을 고려할 수 있도록 흉부 의료 영상의 판독을 지원할 수 있다.
최근의 COVID-19 등의 유행에 따라 폐질환의 증상이 유사하더라도 그 원인이 다르면 치료 방법과 투여할 약제의 종류가 전혀 달라져야 함이 의료진에게 인지되었으나, 종래의 의료 영상 판독 지원 기술은 폐질환의 증상에 대한 정보만을 제공하므로, 의료진의 진단 및 의사 결정을 지원하기 어려웠다. 본 발명은 폐질환의 증상에 대한 정보, 및 증상의 원인을 추정할 수 있는 부가 정보를 함께 제공하여 의료진의 진단 및 의사 결정을 지원할 수 있는 흉부 의료 영상 판독 지원 기술을 제공하는 것을 목적으로 한다.
본 발명은 특히 COVID-19에 의한 폐질환과 일반적인 세균성 폐질환을 구분할 수 있는 부가 정보를 시각화하여 의료진의 신속하고 정확한 의사 결정을 지원할 수 있는 흉부 의료 영상 판독 지원 기술을 제공하는 것을 목적으로 한다.
본 발명은 폐질환의 원인에 대한 임상적인 지식이 업데이트되는 경우 업데이트된 임상적 지식에 기반한 임상 조직의 밝기값 구간을 재설정하거나 또는 추가할 수 있도록 사용자 메뉴를 제공하며, 다양한 폐질환의 원인에 대한 판독 지원 정보를 폐질환의 증상에 대한 정보와 함께 사용자에게 제공하는 플랫폼을 구현하는 것을 목적으로 한다.
본 발명은 폐질환의 특정한 원인에 대한 특정 밝기값 영역의 분포를 정량화하고, 특정 밝기값 영역의 분포에 기반하여 폐질환 여부, 및 폐질환의 특정한 원인에 대한 판독 지원 정보를 생성하고 판독 지원 정보를 사용자에게 제공하는 것을 목적으로 한다.
본 발명은 상기의 목적을 달성하기 위하여 도출된 구성으로서, 본 발명의 일 실시예에 따른 의료 영상 판독(medical image reading) 지원 장치는 흉부 의료 영상의 판독을 지원하는 장치이고, 상기 의료 영상 판독 지원 장치는 컴퓨팅 시스템을 포함하며 상기 컴퓨팅 시스템은 적어도 하나 이상의 프로세서를 포함한다. 이때 상기 적어도 하나 이상의 프로세서는 폐를 포함하는 의료 영상으로부터 기도(airway)와 혈관(blood vessel)을 분할하고(segmentation), 상기 의료 영상으로부터 상기 기도와 상기 혈관을 제외한 폐 영역 영상에서 조직의 성질, 및 상태 중 적어도 하나 이상에 기반하여 구분되어 설정되는 복수의 밝기값(intensity) 구간 각각에 대응하는 소영역을 분할하고(segmentation), 상기 폐 영역 영상 내에서 상기 복수의 밝기값 구간 각각에 대응하는 상기 소영역의 분포를 시각화한다.
상기 복수의 밝기값 구간은 임상적으로 구분되는 조직의 성질, 및 상태 중 적어도 하나 이상에 기반하여 설정될 수 있다.
상기 적어도 하나 이상의 프로세서는 상기 폐 영역 영상 내에서 상기 복수의 밝기값 구간 각각에 기반하여 상기 소영역을 임계처리(thresholding)할 수 있다.
상기 적어도 하나 이상의 프로세서는 상기 폐 영역 영상 내에서 제1 밝기값 구간에 대응하는 제1 소영역의 분포를 제1 윈도우 상에서 시각화할 수 있고, 제2 밝기값 구간에 대응하는 제2 소영역의 분포를 제2 윈도우 상에서 시각화할 수 있다.
상기 적어도 하나 이상의 프로세서는 상기 폐 영역 영상 내에서 제1 밝기값 구간에 대응하는 제1 소영역의 분포를 시각화할 수 있고, 제2 밝기값 구간에 대응하는 제2 소영역의 분포를 상기 제1 소영역의 분포 위에 오버레이함으로써 시각화할 수 있다.
상기 적어도 하나 이상의 프로세서는 상기 복수의 밝기값 구간을 재설정하거나 또는 추가할 수 있는 사용자 메뉴를 제공할 수 있다.
본 발명의 일 실시예에 따른 의료 영상 판독 지원 장치는 장치는 흉부 의료 영상의 판독을 지원하는 장치이고, 상기 의료 영상 판독 지원 장치는 컴퓨팅 시스템을 포함하며 상기 컴퓨팅 시스템은 적어도 하나 이상의 프로세서를 포함한다. 이때 상기 적어도 하나 이상의 프로세서는 폐를 포함하는 의료 영상으로부터 기도(airway)와 혈관(blood vessel)을 분할하고(segmentation), 상기 의료 영상으로부터 상기 기도와 상기 혈관을 제외한 폐 영역 영상에서 혈액(blood) 및 혈전(thrombus) 중 적어도 하나 이상을 포함하여 설정되는 제1 밝기값 구간에 대응하는 제1 영역을 분할하고(segmentation), 상기 폐 영역 영상에서 상기 제1 영역의 분포를 시각화한다.
상기 제1 밝기값 구간은 혈액(blood)에 대응하여 설정될 수 있다.
상기 제1 밝기값 구간은 혈전(thrombus)에 대응하여 설정될 수 있다.
상기 적어도 하나 이상의 프로세서는 상기 폐 영역 영상에서 혈액에 대응하여 설정되는 제2 밝기값 구간에 대응하는 제2 영역을 분할하고(segmentation), 상기 폐 영역 영상에서 상기 제1 영역과 상기 제2 영역이 구분되도록 상기 제1 영역의 분포와 상기 제2 영역의 분포를 시각화할 수 있다.
상기 적어도 하나 이상의 프로세서는 상기 폐 영역 영상에서 간유리 음영(GGO, ground glass opacity)에 대응하여 설정되는 제3 밝기값 구간에 대응하는 제3 영역을 분할하고(segmentation), 상기 폐 영역 영상에서 상기 제1 영역과 상기 제3 영역이 구분되도록 상기 제1 영역의 분포와 상기 제3 영역의 분포를 시각화할 수 있다.
상기 적어도 하나 이상의 프로세서는 상기 폐 영역 영상 내에서 상기 제1 밝기값 구간에 기반하여 상기 제1 영역을 임계처리(thresholding)할 수 있다.
상기 적어도 하나 이상의 프로세서는 상기 폐 영역 영상 내의 상기 제1 영역의 분포를 정량화할 수 있고, 상기 제1 영역의 분포의 정량화 정보에 기반하여 상기 폐 영역 영상에 대한 폐질환 여부, 및 폐질환의 원인에 대한 판독 지원 정보를 생성할 수 있다.
본 발명의 일 실시예에 따른 의료 영상 판독 지원 방법은 흉부 의료 영상의 판독을 지원하는 의료 영상 판독 지원 장치에서 실행되는 방법이고, 상기 의료 영상 판독 지원 장치는 컴퓨팅 시스템을 포함하며 상기 컴퓨팅 시스템은 적어도 하나 이상의 프로세서를 포함하고, 상기 의료 영상 판독 지원 방법은 상기 적어도 하나 이상의 프로세서에 의하여 실행되는 프로그램 인스트럭션에 의하여 수행된다.
본 발명의 일 실시예에 따른 의료 영상 판독 지원 방법은 폐를 포함하는 의료 영상으로부터 기도(airway)와 혈관(blood vessel)을 분할하는(segmentation) 단계; 상기 의료 영상으로부터 상기 기도와 상기 혈관을 제외한 폐 영역 영상을 생성하는 단계; 상기 폐 영역 영상에서 조직의 성질, 및 상태 중 적어도 하나 이상에 기반하여 구분되어 설정되는 복수의 밝기값(intensity) 구간 각각에 대응하는 소영역을 분할하는(segmentation) 단계; 및 상기 폐 영역 영상 내에서 상기 복수의 밝기값 구간 각각에 대응하는 상기 소영역의 분포를 시각화하는 단계를 포함한다.
본 발명의 일 실시예에 따른 의료 영상 판독 지원 방법은 폐를 포함하는 의료 영상으로부터 기도(airway)와 혈관(blood vessel)을 분할하는(segmentation) 단계; 상기 의료 영상으로부터 상기 기도와 상기 혈관을 제외한 폐 영역 영상을 생성하는 단계; 상기 폐 영역 영상에서 혈액(blood) 및 혈전(thrombus) 중 적어도 하나 이상을 포함하여 설정되는 제1 밝기값 구간에 대응하는 제1 영역을 분할하는(segmentation) 단계; 및 상기 폐 영역 영상에서 상기 제1 영역의 분포를 시각화하는 단계를 포함한다.
본 발명에 따르면 폐질환의 증상을 검출할 뿐 아니라 폐질환의 원인에 대한 부가정보를 제공할 수 있는 흉부 의료 영상 판독 지원 기술을 구현할 수 있다.
본 발명에 따르면 폐 영역 내부의 다양한 인자를 검출하여 의료진에게 폐질환 증상 정보와 함께 제공할 수 있다. 폐 영역 내부의 조직의 상태, 및/또는 조직의 성질에 기반하여 다양한 밝기값(intensity) 구간을 설정하고 밝기값 구간을 시각화함으로써 의료진이 폐질환의 증상을 확인한 후, 그 원인이 되는 다양한 요인에 대해서도 부가적인 정보를 얻을 수 있도록 지원할 수 있다.
본 발명에 따르면 COVID-19에 의한 폐질환과 일반적인 세균성 폐질환을 구분할 수 있는 부가 정보를 시각화하여 의료진의 신속하고 정확한 의사 결정을 지원할 수 있다.
본 발명에 따르면 폐질환의 원인에 대한 임상적인 지식이 업데이트되는 경우 업데이트된 임상적 지식에 기반한 임상 조직의 밝기값 구간을 재설정하거나 또는 추가할 수 있도록 사용자 메뉴를 제공할 수 있다. 또한 다양한 폐질환의 원인에 대한 판독 지원 정보를 폐질환의 증상에 대한 정보와 함께 사용자에게 제공하는 플랫폼을 구현할 수 있다.
본 발명에 따르면 폐질환의 특정한 원인에 대한 특정 밝기값 영역의 분포를 정량화할 수 있다. 또한 특정 밝기값 영역의 분포에 기반하여 폐질환 여부, 및 폐질환의 특정한 원인에 대한 판독 지원 정보를 생성하고 판독 지원 정보를 사용자에게 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 흉부 의료 영상 판독을 지원하는 의료 영상 판독 지원 장치를 도시하는 도면이다.
도 2는 본 발명의 일 실시예에 따른 의료 영상 판독 지원 장치에서 실행되는 프로그램 인스트럭션 셋의 서브 모듈 및 그에 따라 실행되는 의료 영상 판독 지원 방법의 주요 과정을 도시하는 도면이다.
도 3은 본 발명의 일 실시예에 따른 의료 영상 판독 지원 장치에서 실행되는 프로그램 인스트럭션 셋의 서브 모듈 및 그에 따라 실행되는 의료 영상 판독 지원 방법의 주요 과정을 도시하는 도면이다.
도 4는 본 발명의 일 실시예에 따른 의료 영상 판독 지원 장치에서 적용되는 복수의 임상 조직의 특성 및 상태에 기반한 복수의 밝기값 구간의 일 실시예를 도시하는 도면이다.
도 5는 본 발명의 또 다른 일 실시예에 따른 복수의 밝기값 구간이 적용된 일반 환자의 폐 영역 영상의 예시를 도시하는 도면이다.
도 6 내지 도 9는 본 발명의 도 5의 복수의 밝기값 구간이 적용된 폐렴 환자의 폐 영역 영상의 예시를 도시하는 도면이다.
도 2는 본 발명의 일 실시예에 따른 의료 영상 판독 지원 장치에서 실행되는 프로그램 인스트럭션 셋의 서브 모듈 및 그에 따라 실행되는 의료 영상 판독 지원 방법의 주요 과정을 도시하는 도면이다.
도 3은 본 발명의 일 실시예에 따른 의료 영상 판독 지원 장치에서 실행되는 프로그램 인스트럭션 셋의 서브 모듈 및 그에 따라 실행되는 의료 영상 판독 지원 방법의 주요 과정을 도시하는 도면이다.
도 4는 본 발명의 일 실시예에 따른 의료 영상 판독 지원 장치에서 적용되는 복수의 임상 조직의 특성 및 상태에 기반한 복수의 밝기값 구간의 일 실시예를 도시하는 도면이다.
도 5는 본 발명의 또 다른 일 실시예에 따른 복수의 밝기값 구간이 적용된 일반 환자의 폐 영역 영상의 예시를 도시하는 도면이다.
도 6 내지 도 9는 본 발명의 도 5의 복수의 밝기값 구간이 적용된 폐렴 환자의 폐 영역 영상의 예시를 도시하는 도면이다.
상기 목적 외에 본 발명의 다른 목적 및 특징들은 첨부 도면을 참조한 실시예에 대한 설명을 통하여 명백히 드러나게 될 것이다.
본 발명의 바람직한 실시예를 첨부된 도면들을 참조하여 상세히 설명한다. 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.
최근 급속히 발전한 딥러닝/CNN 기반 인공 신경망 기술은 영상 분야에 적용할 경우, 인간의 육안으로 구분하기 어려운 시각적 요소를 구분하는 용도로 고려되고 있다. 이러한 기술의 적용 분야는 보안, 의료 영상, 비파괴 검사 등 다양한 분야로 확대될 가능성이 기대되고 있다.
예를 들어 의료 영상 분야에서, 암 조직 중 생검(biopsy) 상태에서 즉시 암으로 판정되지 않고, 병리학적(pathology) 관점에서 추적 모니터링된 이후에 비로소 암인지 여부가 판정되는 경우가 있다. 인간의 육안으로는 의료 영상에서 해당 세포가 암인지 여부를 확진하기 어려우나, 인공 신경망 기술을 적용할 경우 인간의 육안으로 관찰하는 것보다 더 정확한 예측 결과를 얻을 수 있을 것이라는 기대가 있다.
이러한 인공 신경망 기술이 적용되어 의료 영상 내에서 인간의 육안으로 식별하기 어려운 질환이나 병변을 검출하고, 특정 조직 등 관심 영역을 분할하며(segmentation), 분할된 영역에 대한 측정 등 분석 과정을 수행할 수 있을 것으로 기대된다.
본 발명은 이러한 인공 신경망 기술 및/또는 컴퓨터 보조 진단(CAD, computer aided diagnosis) 기술이 적용된 다양한 분석 기술을 인간 전문가가 판독할 수 있는 가장 적절한 형태로 시각화하는 구성을 제공하는 의료 영상 판독(medical image reading) 지원 시스템에 관한 것이다.
앞서 언급한 종래기술들인 한국공개특허 KR 10-2019-0090986 "흉부 의료 영상 판독 지원 시스템 및 방법", 한국공개특허 KR 10-2020-0046507 "폐 섬유화 진단을 위한 정보제공 방법 및 폐 섬유화 진단 컴퓨팅 장치", 및 한국등록특허 KR 10-1587719 "의료 영상 분석 장치 및 이의 폐결절과 폐혈관 구분 방법" 등의 구성의 일부 또는 전부는 본 발명이 해결하고자 하는 문제점과 관련되는 범위 내에서 본 발명이 채택하는 해결 수단 중 일부로서 본 발명에 적용될 수 있다.
즉, 상기 종래기술들의 구성의 일부 또는 전부는 본 발명을 구체화하기 위하여 본 발명에도 공통적으로 포함될 수 있으며, 종래기술들의 구성의 일부 또는 전부가 본 발명에 공통적으로 포함되는 사항에 한하여 본 발명의 구성의 일부로서 간주될 것이다. 이하에서는 본 발명의 주된 적용 대상인 폐질환, 특히 폐렴(pneumonia)에 대한 진단 기술 및 그 필요성에 대하여 본 발명의 목적에 부합하는 범위 내에서 개시한다.
폐렴(Pneumonia)은 폐의 염증 상태로 폐포(alveoli)로 알려진 작은 공기 주머니에 주로 영향을 미친다. 증상에는 일반적으로 마른 기침, 흉통, 열 및 호흡 곤란의 조합이 포함된다. 증상의 중한 정도는 매우 가변적이다.
폐렴은 일반적으로 바이러스 또는 박테리아에 감염되고 다른 미생물, 특정 약물 또는 자가 면역 질환과 같은 상태에 의해서도 덜 일반적으로 발생할 수 있다. 낭포성 섬유증, 만성 폐쇄성 폐질환 (COPD), 겸상 적혈구 질환, 천식, 당뇨병, 심부전, 흡연 병력, 기침 능력 부족 (뇌졸중 후) 및 면역 체계 약화 등의 위험 요인이 있을 수 있다. 진단은 종종 증상과 신체 검사를 기반으로 하며 치료는 근본 원인에 따라 달라진다. 예를 들어, 박테리아로 인한 폐렴은 항생제로 치료된다. 폐렴이 심하면 감염된 사람은 일반적으로 입원하며, 산소 레벨이 낮은 경우 산소 요법이 사용될 수 있다.
흉부 CT 영상, 혈액 검사 및 가래(객담) 배양(culture of sputum)은 진단을 확인하는 데 도움이 될 수 있다. 직접 측정된 새로운 징후(New true direct measured), 비 외삽 3D 부피 CT 이미징 바이오 마커는 폐렴의 원인을 차별화하는 데 더 구체적이며 질병의 다른 구성 요소를 정량화할 수 있다. 또한 다양한 질병 성분(침투 (GGO와 같은), 경화(consolidation), 체액(fluids), 간질 막 혼잡(interstitial congestion), 누출성/여출성 흉수(transudate), 삼출성 흉수(exudate), 혈액(blood), 혈전(thrombus), 색전(embolus), 섬유질의 조직화 및 섬유화(organizing and fibrosing tissue))에 대한 부피를 정량화하여 ml 단위 또는 전체 폐 용적 내의 백분율로 나타낼 수 있다. 이러한 바이오 마커 값은 질병의 진단, 단계 및 예후의 지표이다. CT 이미지 바이오 마커는 병원 입원, 응급실(IC) 치료 및 능동 환기(active ventilation)에 대한 임계 값으로 적용 가능하다. 또한 이러한 CT 영상 바이오 마커가 퇴원 여부를 결정하는 데에 이용될 수 있다.
매년 폐렴은 전 세계 약 4억 5천만 명 (인구의 7%)에게 영향을 미치며 약 4백만 명의 사망자가 발생하고 있다. 20 세기에 항생제와 백신이 도입되면서 생존율이 크게 향상되었음에도 불구하고, 개발 도상국에서는 매우 연로하거나, 매우 어리거나, 만성적 질환을 겪고 있는 사람들에게는 폐렴은 주요 사망 원인으로 남아 있다.
앞에서 언급한 바와 같이, 일반적으로 CT 영상에서 인체 장기 및 조직의 종류에 따라서 CT 영상의 밝기값(intensity)이 변화하므로, 유사한 밝기값을 가지는 영역을 분할하여 정상 조직 및 병변을 식별하는 것은 당업자에게 자명한 기술이다.
본 발명의 실시예는 흉부 CT 영상에서 폐 영역 내부의 조직의 상태, 및/또는 조직의 성질에 기반하여 다양한 밝기값(intensity) 구간을 설정하고 복수의 밝기값 구간을 시각화하여 의료진이 폐질환의 증상을 확인한 후, 그 원인이 되는 다양한 요인에 대해서도 부가적인 정보를 얻을 수 있도록 지원하는 기술을 개시한다.
본 발명의 실시예에서 제안되는 특정한 조직, 조직의 특정한 상태, 특정한 조직의 성질에 기반하여 밝기값 구간을 설정하는 기술은 그 자체로서는 종래 기술과 차별화되는 새로운 사항은 아니지만, 임상 연구로 인한 임상 정보의 업데이트, 의료 영상 진단 장치(모달리티)의 최적화, 및/또는 의료 영상 분석에 의한 각 밝기값 구간의 임계치(threshold)가 최적화 또는 업데이트되는 구성은 본 발명에서 새롭게 제안되는 것이다.
본 발명의 실시예는 특정한 조직, 조직의 특정한 상태, 특정한 조직의 성질에 기반하여 복수의 밝기값 구간을 설정하고 복수의 밝기값 구간을 용이하게 비교할 수 있도록 시각화하는 기술을 새롭게 제안하며, 이러한 본 발명의 실시예는 종래 기술과 차별화되는 새로운 기술이다.
본 발명의 실시예에서 제안되는 복수의 밝기값 구간의 설정과 시각화를 위한 복수의 밝기값 구간의 조합은 임상 연구로 인한 임상 정보의 업데이트에 기인하여 업데이트되고 최적화될 수 있다.
도 1은 본 발명의 일 실시예에 따른 흉부 의료 영상 판독을 지원하는 의료 영상 판독 지원 장치를 도시하는 도면이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 의료 영상 판독 지원 장치는 컴퓨팅 시스템(100)을 포함하며 상기 컴퓨팅 시스템(100)은 적어도 하나 이상의 프로세서(110)를 포함한다. 컴퓨팅 시스템(100)은 밝기값(intensity) 구간 정보 데이터베이스(120)를 더 포함할 수 있다. 적어도 하나 이상의 프로세서(110)는 의료 영상(140)을 통신 모듈(130)을 경유하여 수신하고, 밝기값 구간 정보 데이터베이스(120)와 협력하여 의료 영상(140)에 대한 영상 처리를 수행하며, 의료 영상(140)에 대한 영상 처리의 결과로 판독 지원 정보(150)를 생성할 수 있다.
의료 영상(140)은 영상 진단 장치(모달리티)(172)에 의하여 획득되거나(acquired), 컴퓨팅 시스템(100)의 외부의 데이터베이스(174)로부터 전송될 수 있다. 외부 데이터베이스(174)는 PACS, EMR, HIS 등 병원의 의료 영상, 기록, 및/또는 정보 데이터베이스 중 적어도 하나 이상을 포함하여 구현될 수 있다.
통신 모듈(130)은 판독 지원 정보(150)에 기반하여 사용자 인터페이스(도시되지 않음)에 의하여 사용자에게 제공될 시각화 정보(152)를 사용자 인터페이스로 전송할 수 있다. 사용자 인터페이스는 디스플레이를 포함할 수 있으며, 터치 스크린, 키보드, 키패드, 마우스 등 사용자가 명령을 입력할 수 있는 공지의 입력 수단을 더 포함할 수 있다.
판독 지원 정보(150)는 후술할 본 발명의 핵심 사상인 밝기값 구간에 대응하는 소영역들의 분포를 시각화한 정보를 포함할 수 있다. 판독 지원 정보(150)가 일반적인 사용자 인터페이스를 타겟으로 생성된 정보를 포함하고 통신 모듈(130)은 사용자 인터페이스의 사양, 화면의 크기, 해상도, 색상 제공 능력 등에 기반하여 판독 지원 정보(150)가 사용자 인터페이스에 대하여 최적화된 시각화 정보(152)를 생성할 수 있다.
도 1의 실시예에서는 시각화 정보(152)와 판독 지원 정보(150)가 구분되는 실시예가 개시되었으나, 본 발명의 다른 실시예에서는 시각화 정보(152)가 판독 지원 정보(150)와 일치하고, 사용자 인터페이스의 사양을 고려하여 사용자 인터페이스에 최적화된 판독 지원 정보(150) 및 시각화 정보(152)를 적어도 하나 이상의 프로세서(110)가 생성할 수도 있음은 당업자에게 자명한 사실일 것이다.
도 2는 본 발명의 일 실시예에 따른 의료 영상 판독 지원 장치에서 실행되는 프로그램 인스트럭션 셋의 서브 모듈 및 그에 따라 실행되는 의료 영상 판독 지원 방법의 주요 과정을 도시하는 도면이다. 프로그램 인스트럭션 셋의 서브 모듈(210, 220, 230, 240)은 주어진 기능을 수행한다. 서브 모듈들(210, 220, 230, 240)의 동작의 논리적 순서는 본 발명의 일 실시예에 따른 의료 영상 판독 지원 방법의 동작의 논리적 순서로 이해될 수도 있다. 도 2의 서브 모듈들(210, 220, 230, 240)의 동작의 논리적 순서가 의료 영상 판독 지원 방법의 동작 흐름도처럼 이해될 수도 있다.
도 1 및 도 2를 함께 참조하면, 적어도 하나 이상의 프로세서(110)는 폐를 포함하는 의료 영상(140) 내에서 기도(airway)와 혈관(blood vessel)을 분할한다(segmentation)(210).
적어도 하나 이상의 프로세서(110)는 의료 영상(140)으로부터 기도와 혈관을 제외함으로써 폐 영역 영상을 생성한다(220). 이때 의료 영상(140)의 영상 처리를 통하여 분할되고 제외되는 혈관은 인간의 육안으로도 식별되는 정도의 상당한 크기를 가지는 혈관이다. 폐 영역에서 산소를 교환하는 미세한 혈관은 분할(210) 과정에서 나타나지 않으며, 폐 영역 영상에서도 제외되지 않고 포함될 수 있다. 이러한 미세한 혈관 내의 혈액 및/또는 혈전의 분포는 후술하는 것처럼 COVID-19에 기인한 폐렴을 식별 및 진단하고 의사결정하는 데에 참고 정보로서 이용될 수 있다.
적어도 하나 이상의 프로세서(110)는 폐 영역 영상 내에서 밝기값(intensity) 구간에 대응하는 소영역을 분할한다(segmentation)(230). 복수의 밝기값 구간의 정보는 밝기값 구간 정보 데이터베이스(120)로부터 참조될 수 있다. 복수의 밝기값 구간의 정보는 조직의 성질, 및 상태 중 적어도 하나 이상에 기반하여 구분되어 설정될 수 있다. 복수의 밝기값 구간의 정보의 예시는 후술할 도 4 내지 도 9의 실시예에서 구체적으로 개시될 것이다.
적어도 하나 이상의 프로세서(110)는 폐 영역 영상 내에서 복수의 밝기값 구간 각각에 대응하는 소영역의 분포를 시각화할 수 있다(240). 이때 소영역의 분포는 의료 영상(140)에 오버레이됨으로써 시각화될 수 있다. 소영역의 분포의 시각화에 대한 정보가 적어도 하나 이상의 프로세서(110)에 의하여 판독 지원 정보(150)로서 생성될 수 있다.
적어도 하나 이상의 프로세서(110)는 폐 영역 영상 내에서 복수의 밝기값 구간 각각에 기반하여 소영역을 임계처리(thresholding)할 수 있다. 즉, 소영역의 분할(segmentation)은 구체적으로는 밝기값 구간에 기반한 임계처리(thresholding)일 수 있다.
복수의 밝기값 구간은 임상적으로 구분되는 조직의 성질, 및 상태 중 적어도 하나 이상에 기반하여 설정될 수 있다. 예를 들어, 특정한 질환 및/또는 질환의 원인을 진단하기 위해서 조직의 성질을 세분화하는 것이 임상적인 의미를 가진다면, 기존에는 하나의 구간으로서 임계처리되던 조직이 세분화된 구간으로서 임계처리될 수 있다. 예를 들어, 종래에는 하나의 구간으로서 임계처리되던 혈액/혈전 밝기값 구간이 COVID-19에 기인한 폐렴 증상을 식별하기 위하여 혈액 밝기값 구간과 혈전 밝기값 구간으로 구분되어 임계처리될 수 있다. 또는 폐렴의 다른 원인을 식별하기 위하여 지방(FAT) 조직의 분포가 간유리 음영(GGO)의 분포와 함께 시각화될 필요가 있는 경우 지방 조직 밝기값 구간과 간유리 음영 밝기값 구간 각각이 설정되고, 지방 조직 영역과 간유리 음영 영역이 각각 임계처리될 수 있다.
본 발명의 일 실시예에서는 적어도 하나 이상의 프로세서(110)는 폐 영역 영상 내에서 제1 밝기값 구간에 대응하는 제1 소영역의 분포를 제1 윈도우 상에서 시각화할 수 있고, 제2 밝기값 구간에 대응하는 제2 소영역의 분포를 제2 윈도우 상에서 시각화할 수 있다. 즉, 서로 다른 밝기값 구간은 개별적인 영상 상에서 시각화될 수 있다. 이때 개별적인 영상은 동일한 뷰를 제공하여 사용자/의료진이 제1 밝기값 구간의 분포와 제2 밝기값 구간의 분포를 비교하기 용이하도록 표현될 수 있다. 다른 실시예에서는 개별적인 영상은 서로 다른 뷰를 제공하여 사용자/의료진에게 제1 밝기값 구간의 분포와 제2 밝기값 구간의 분포 간의 직관적으로 비교할 수 있도록 시각화될 수 있다.
본 발명의 다른 일 실시예에서는 적어도 하나 이상의 프로세서(110)는 폐 영역 영상 내에서 제1 밝기값 구간에 대응하는 제1 소영역의 분포를 시각화할 수 있고, 제2 밝기값 구간에 대응하는 제2 소영역의 분포를 상기 제1 소영역의 분포 위에 오버레이함으로써 시각화할 수 있다. 이때에는 의료 영상(140)의 하나의 뷰 상에 제1 소영역의 분포와 제2 소영역의 분포가 오버레이되어 시각화될 수 있다. 이때 밝기값 구간 및 소영역이 표시될 우선 순위는 미리 지정되어 밝기값 구간 정보 데이터베이스(120) 상에 저장될 수 있다. 우선 순위는 임상적인 중요도, 및/또는 사용자 선호도에 기반하여 미리 지정될 수 있다. 우선 순위는 육안으로 식별하기 쉽도록 상위에 표시되는 순위를 의미할 수 있다.
다시 도 1을 참조하면, 적어도 하나 이상의 프로세서(110)는 복수의 밝기값 구간을 재설정하거나 또는 추가할 수 있는 사용자 메뉴를 제공할 수 있다. 예를 들어, 임상적인 지식이 업데이트된 경우 임상적인 중요도에 기반하여 밝기값 구간을 재설정하거나 또는 추가할 수 있는 사용자 메뉴가 제공될 수 있다. 예를 들어, COVID-19에 기인한 폐렴 증상의 하나로 폐 영역 또는 인체 전반에서 혈전의 분포가 증가한다는 임상적인 지식 등이 업데이트되는 경우를 가정할 수 있다.
본 발명의 일 실시예에 따른 의료 영상 판독 지원 장치는 적어도 하나 이상의 프로세서(110) 및 밝기값 구간 정보 데이터베이스(120)가 결합되어 임상적인 의미를 가지는 조직의 종류, 성질, 및/또는 상태에 기반한 각 영역을 구분할 수 있도록 지원한다. 구분된 각 영역은 의료진의 의료 영상 판독(medical image reading), 진단(diagnosis), 의사결정(decision)을 지원하는 정보로서 참조될 수 있다. 구간 정보 데이터베이스(120)에 저장된 밝기값 구간 정보는 특정한 질환의 증상 뿐만 아니라 특정한 질환의 원인에 대한 임상적으로 유의미한 정보를 부가적으로 제공할 수 있는 수단이며, 구간 정보 데이터베이스(120) 및 적어도 하나 이상의 프로세서(110)는 질환 별로 증상과 원인을 진단하는 데에 이용되는 플랫폼으로서 기능할 수 있다.
임상적인 지식이 업데이트되는 경우 플랫폼의 구간 정보 데이터베이스(120) 내의 밝기값 구간 설정이 업데이트될 수 있다. 사용자에 의한 업데이트 또는 데이터베이스(120)의 관리자에 의한 업데이트가 가능하다. 또한 복수의 밝기값 구간이 재설정되거나 추가되지 않더라도, 기존의 밝기값 구간의 우선 순위 정보가 업데이트될 수 있으며, 기존의 밝기값 구간과 특정 질환과의 관련성 정보가 업데이트될 수 있다.
도 3은 본 발명의 일 실시예에 따른 의료 영상 판독 지원 장치에서 실행되는 프로그램 인스트럭션 셋의 서브 모듈 및 그에 따라 실행되는 의료 영상 판독 지원 방법의 주요 과정을 도시하는 도면이다. 프로그램 인스트럭션 셋의 서브 모듈(310, 320, 330, 340)은 주어진 기능을 수행한다. 서브 모듈들(310, 320, 330, 340)의 동작의 논리적 순서는 본 발명의 일 실시예에 따른 의료 영상 판독 지원 방법의 동작의 논리적 순서로 이해될 수도 있다. 도 3의 서브 모듈들(310, 320, 330, 340)의 동작의 논리적 순서가 의료 영상 판독 지원 방법의 동작 흐름도처럼 이해될 수도 있다.
도 1 및 도 3을 함께 참조하면, 적어도 하나 이상의 프로세서(110)는 폐를 포함하는 의료 영상(140) 내에서 기도(airway)와 혈관(blood vessel)을 분할한다(segmentation)(310).
적어도 하나 이상의 프로세서(110)는 의료 영상(140)으로부터 기도와 혈관을 제외함으로써 폐 영역 영상을 생성한다(320).
적어도 하나 이상의 프로세서(110)는 폐 영역 영상 내에서 혈관(blood) 및/또는 혈전(thrombus)을 포함하는 제1 영역을 분할한다(segmentation)(330). 혈관 및/또는 혈전에 대한 밝기값 구간의 정보는 밝기값 구간 정보 데이터베이스(120)로부터 참조될 수 있다.
적어도 하나 이상의 프로세서(110)는 폐 영역 영상에서 제1 영역의 분포를 시각화할 수 있다(340). 이때 제1 영역의 분포는 의료 영상(140)에 오버레이됨으로써 시각화될 수 있다. 제1 영역의 분포의 시각화에 대한 정보가 적어도 하나 이상의 프로세서(110)에 의하여 판독 지원 정보(150)로서 생성될 수 있다.
적어도 하나 이상의 프로세서(110)는 폐 영역 영상 내에서 제1 밝기값 구간에 기반하여 상기 제1 영역을 임계처리(thresholding)할 수 있다. 즉, 제1 영역의 분할(segmentation)은 구체적으로는 제1 밝기값 구간에 기반한 임계처리(thresholding)일 수 있다.
일 실시예에서는, 제1 밝기값 구간은 혈액(blood)에 대응하도록 설정될 수 있다.
또 다른 일 실시예에서는, 제1 밝기값 구간은 혈전(thrombus)에 대응하도록 설정될 수 있다.
제1 밝기값 구간이 혈전에 대응하는 경우, 적어도 하나 이상의 프로세서(110)는 폐 영역 영상에서 혈액에 대응하여 설정되는 제2 밝기값 구간에 대응하는 제2 영역을 분할하고(segmentation), 폐 영역 영상에서 제1 영역과 제2 영역이 구분되도록 제1 영역의 분포와 제2 영역의 분포를 시각화할 수 있다. 이때 판독 지원 정보(150)는 제1 영역의 분포와 제2 영역의 분포의 시각화에 대한 정보를 포함할 수 있다.
적어도 하나 이상의 프로세서(110)는 폐 영역 영상에서 간유리 음영(GGO, ground glass opacity)에 대응하여 설정되는 제3 밝기값 구간에 대응하는 제3 영역을 분할하고(segmentation), 폐 영역 영상에서 제1 영역과 제3 영역이 구분되도록 제1 영역의 분포와 제3 영역의 분포를 시각화할 수 있다. 이때 판독 지원 정보(150)는 제1 영역의 분포와 제3 영역의 분포의 시각화에 대한 정보를 포함할 수 있다.
다시 도 1을 참조하면, 적어도 하나 이상의 프로세서(110)는 폐 영역 영상 내의 제1 영역의 분포를 정량화할 수 있고, 상기 제1 영역의 분포의 정량화 정보에 기반하여 상기 폐 영역 영상에 대한 폐질환 여부, 및 폐질환의 원인에 대한 판독 지원 정보(150)를 생성할 수 있다. 즉, 판독 지원 정보(150)는 제1 영역의 분포의 시각화 정보 뿐만 아니라, 제1 영역의 분포에 대한 정량화 및/또는 통계에 기반한 리포트를 포함할 수 있다. 이러한 리포트는 의료진의 진단 및 의사결정을 지원할 수 있다. 예를 들어, 의료 영상(140)에서 나타나는 폐렴 증상이 COVID-19에 기인한 폐렴일 가능성에 대해서 의료진이 참고할 수 있는 정량화 및/또는 통계 정보가 리포트로서 시각화 정보(152)와 함께 제공될 수 있다. 간유리 음영(GGO)의 분포는 폐렴 증상을 나타내는 지표이고, 혈전의 분포는 폐렴 증상이 COVID-19에 기인한 폐렴일 가능성을 나타내는 지표로 이해될 수 있다. 즉, 간유리 음영의 분포와 혈전의 분포를 함께 시각화하고 통계처리하는 경우, 이 정보는 COVID-19에 기인한 폐렴 여부를 진단하는 정보로서 활용될 수 있다.
도 4는 본 발명의 일 실시예에 따른 의료 영상 판독 지원 장치에서 적용되는 복수의 임상 조직의 특성 및 상태에 기반한 복수의 밝기값 구간의 일 실시예를 도시하는 도면이다. 도 4에 도시된 복수의 밝기값 구간 설정은 본 발명의 일 실시예이며, 임상 연구로 인한 임상 정보의 업데이트, 의료 영상 진단 장치(모달리티)의 최적화, 및/또는 의료 영상 분석에 의한 임계치(threshold) 최적화에 기반하여 복수의 밝기값 구간 설정은 최적화되거나 업데이트될 수 있다.
폐기종(emphysema), 호흡 기능 폐 조직(Aerated lung parenchyma / Ventilated functional tissue) 등이 별도의 밝기값 구간으로 지정되며, 별도의 영역으로 구분되어 시각화될 수 있다. 폐기종(emphysema)의 분포는 만성 폐쇄성 폐질환(COPD) 증상을 나타내는 지표로 이용될 수 있고, 호흡 기능 폐 조직(Aerated lung parenchyma / Ventilated functional tissue)은 일반적으로 정상적으로 폐 기능을 수행하는 섬유조직(tissue)으로 간주된다.
간유리 음영(GGO, ground glass opacity)은 국소적 결절성 폐 침윤을 의미하며, 일반적으로는 기관지, 또는 혈관의 경계가 잘 그려지는 결절로 정의된다. 광범위 폐손상(DAD, diffuse alveolar damage)과 간유리 음영(GGO)은 일반적으로 음영(OP, Opacity)으로 처리되며, 음영(OP)의 분포는 폐렴(pneumonia) 증상을 나타내는 지표로 간주된다.
지방조직(FAT), 림프조직/림프부종, 누출성/여출성 흉수(TRANSUDATE fluids), 및 삼출성 흉수(EXUDATE fluids) 각각의 밝기값 구간이 설정되고, 각 밝기값 구간에 대응하는 소영역이 임계처리되어 시각화될 수 있다.
또한, 폐렴 및 COPD 외에도 폐 경화(Lung Consolidation) 영역에 대한 밝기값 구간이 설정되고, 폐 경화 영역이 별도로 임계처리될 수 있다. 폐 경화는 일반적으로 액체나 세포 등이 폐포의 공기를 대체하여 폐가 단단하게 된 상태를 의미하며, X선 사진이나 CT에서 폐 음영이 비교적 균일하게 증가하며, 폐 용적의 변화가 거의 없고, 공기-기관지 조영(air bronchogram)에서 보일 수 있다. CT 영상에서 병변 내 폐혈관을 구분할 수 없을 정도의 음영증가를 보일 때를 가리키기도 한다.
이처럼 폐질환의 증상은 원래 조직의 종류에 따라서도 다른 양상이 나타나지만, 조직의 상태가 변화하는 경우에도 다른 양상이 나타나므로, 임상적인 의미를 가지도록 조직의 종류, 조직의 성질, 및/또는 조직의 상태에 기반하여 별도의 밝기값 구간이 설정되고 밝기값 구간 각각에 대응하는 소영역이 임계처리될 수 있다.
본 발명의 실시예는 폐 영역 내부의 다양한 인자를 검출하여 의료진에게 폐질환 증상 정보와 함께 제공할 수 있다. 본 발명의 실시예는 폐 영역 내부의 조직의 상태, 및/또는 조직의 성질에 기반하여 다양한 밝기값(intensity) 구간을 설정하고 밝기값 구간을 시각화함으로써 의료진이 폐질환의 증상을 확인한 후, 그 원인이 되는 다양한 요인에 대해서도 부가적인 정보를 얻을 수 있도록 지원할 수 있다.
예를 들어 COVID-19에 의한 폐질환은 일반적인 세균성 폐질환과 다른 양상을 가질 수 있다. 본 발명의 실시예는 이러한 양상에 대한 부가적인 정보를 폐 영역 내부에서 식별하여 시각화하고 폐질환 증상 정보와 함께 의료진에게 제공할 수 있다. 의료진은 폐질환 증상의 원인에 대하여 다양한 요인을 고려함으로써 흉부 의료 영상을 판독하고, 본 발명의 실시예는 의료진의 흉부 의료 영상의 판독을 지원한다.
최근의 COVID-19 등의 유행에 따라 폐질환의 증상이 유사하더라도 그 원인이 다르면 치료 방법과 투여할 약제의 종류가 전혀 달라져야 함이 의료진에게 인지되었으나, 종래의 의료 영상 판독 지원 기술은 폐질환의 증상에 대한 정보만을 제공하므로, 의료진의 진단 및 의사 결정을 지원하기 어려웠다. 본 발명의 실시예는 폐질환의 증상에 대한 정보, 및 증상의 원인을 추정할 수 있는 부가 정보를 함께 제공하여 의료진의 흉부 의료 영상 판독, 진단 및 의사 결정을 지원할 수 있다.
본 발명의 실시예는 특히 COVID-19에 의한 폐질환과 일반적인 세균성 폐질환을 구분할 수 있는 부가 정보를 시각화하여 의료진의 신속하고 정확한 의사 결정을 지원할 수 있다.
본 발명의 실시예는 폐질환의 원인에 대한 임상적인 지식이 업데이트되는 경우 업데이트된 임상적 지식에 기반한 임상 조직의 밝기값 구간을 재설정하거나 또는 추가할 수 있도록 사용자 메뉴를 제공하며, 다양한 폐질환의 원인에 대한 판독 지원 정보를 폐질환의 증상에 대한 정보와 함께 사용자에게 제공하는 플랫폼을 구현할 수 있다.
본 발명의 실시예는 폐질환의 특정한 원인에 대한 특정 밝기값 영역의 분포를 정량화하고, 특정 밝기값 영역의 분포에 기반하여 폐질환 여부, 및 폐질환의 특정한 원인에 대한 판독 지원 정보를 생성하고 판독 지원 정보를 사용자에게 제공할 수 있다.
도 5는 본 발명의 또 다른 일 실시예에 따른 복수의 밝기값 구간이 적용된 일반 환자의 폐 영역 영상의 예시를 도시하는 도면이다. 도 5에서는 도 4와는 다른 밝기값 구간 설정이 적용된 예시가 개시된다. 밝기값 구간 설정은 임상 연구로 인한 임상 정보의 업데이트, 의료 영상 진단 장치(모달리티)의 최적화, 및/또는 의료 영상 분석에 의한 임계치(threshold) 최적화에 기반하여 최적화되거나 업데이트될 수 있음은 앞에서 설명한 바와 같다.
도 1 및 도 5를 함께 참조하면, 적어도 하나 이상의 프로세서(110)는 소영역의 분포의 시각화에 관련된 정보를 생성할 때 밝기값 구간 정보가 소영역의 분포와 관련되어 함께 표시되도록 판독 지원 정보(150)를 생성할 수 있다. 이때 소영역의 분포와 관련되어 함께 표시되는 밝기값 구간 정보는 밝기값의 범위, 및 밝기값 구간 정보의 임상적인 의미/명칭을 포함하여 표시될 수 있다.
또한 각 밝기값 구간에 대응하는 소영역 별로 정량화된 측정치 및/또는 통계가 표시될 수 있다. 측정치 및/또는 통계는 해당 소영역의 용적, 및/또는 전체 폐 영역에서 해당 소영역의 용적이 점유하는 비율을 포함할 수 있다.
도 5에서는 비교적 상태가 양호한 대상자의 폐 영역 영상이 도시되며, 음영(OP) 영역의 비율은 0.7%이고, 혈전(Thrombus)의 비율은 0.1% 미만임을 알 수 있다. 도 5의 대상자는 비교적 경미한 폐렴이며, COVID-19에 기인한 폐렴은 아닌 경우가 도시된다.
도 6은 본 발명의 일 실시예에 따른 도 5의 복수의 밝기값 구간이 적용된 폐렴 환자의 폐 영역 영상의 예시를 도시하는 도면이다.
도 6에서는 각 밝기값 구간 영역 별로 개별적인 윈도우에서 시각화되는 실시예가 도시된다. 또한 밝기값 구간 별로 밝기값 범위, 밝기값 구간 영역의 임상적 명칭, 밝기값 구간 영역 별 정량화된 측정치/통계가 제시된다.
도 6의 대상자는 도 5의 대상자보다 중증의 폐렴 증상을 겪고 있음을 할 수 있다. 도 6에서 음영(OP) 영역의 점유율은 2.3%이다. 또한 혈전(Thrombus) 영역의 점유율이 0.2%이므로 음영(OP) 영역의 10%를 초과하여 COVID-19에 기인한 폐렴일 가능성이 도 5의 대상자보다 높음을 알 수 있다.
도 7은 본 발명의 일 실시예에 따른 도 5의 복수의 밝기값 구간이 적용된 폐렴 환자의 폐 영역 영상의 예시를 도시하는 도면이다.
도 7을 참조하면, COVID-19에 기인한 폐렴 환자의 폐 영역 영상의 시각화 실시예가 도시된다. 도 7에서는 각 밝기값 구간의 영역은 별도의 윈도우에서 시각화되며, 각 밝기값 구간 영역에 대하여 폐 전체, 좌폐, 및 우폐에 대한 별도의 정량화된 측정치/통계가 제시된다. 도 7의 폐렴 환자는 도 5 및 도 6의 대상자보다 중증의 폐렴을 겪고 있으며, COVID-19에 기인한 폐렴일 가능성도 훨씬 높다. 또한 좌폐(left lung)가 우폐(right lung)보다 음영 영역 및 혈전 영역의 점유율이 높고, 좌폐가 폐렴 증상 및 COVID-19의 영향이 중함을 확인할 수 있다.
도 8은 본 발명의 일 실시예에 따른 도 5의 복수의 밝기값 구간이 적용된 폐렴 환자의 폐 영역 영상의 예시를 도시하는 도면이다.
도 8을 참조하면, COVID-19에 기인한 폐렴 환자의 폐 영역 영상의 시각화 실시예가 도시된다. 도 8에서는 복수의 밝기값 구간 영역이 하나의 윈도우 상에서 오버레이되어 시각화되는 실시예가 도시된다. 하나의 윈도우 상에서 오버레이되는 밝기값 구간 영역의 조합은 진단 타겟 질환의 종류에 따라서 미리 지정되어 있을 수도 있고, 사용자가 선택할 수도 있다. 도 8에서도 각 밝기값 구간 영역에 대한 밝기값 범위, 임상적인 명칭/설명, 별도의 정량화된 측정치/통계가 제시된다.
도 8의 대상자는 폐렴 증상이 상대적으로 심하지는 않으나, COVID-19에 기인한 폐렴일 가능성이 매우 높음을 알 수 있다.
도 9는 본 발명의 일 실시예에 따른 도 5의 복수의 밝기값 구간이 적용된 폐렴 환자의 폐 영역 영상의 예시를 도시하는 도면이다.
도 9를 참조하면, COVID-19에 기인한 폐렴 환자의 폐 영역 영상의 시각화 실시예가 도시된다. 도 9에서는 복수의 밝기값 구간 영역이 하나의 윈도우 상에서 오버레이되어 시각화되는 실시예가 도시된다. 하나의 윈도우 상에서 오버레이되는 밝기값 구간 영역의 조합은 진단 타겟 질환의 종류에 따라서 미리 지정되어 있을 수도 있고, 사용자가 선택할 수도 있다. 도 9에서도 각 밝기값 구간 영역에 대한 밝기값 범위, 임상적인 명칭/설명, 별도의 정량화된 측정치/통계가 제시된다.
복수의 밝기값 구간 영역이 하나의 윈도우 상에서 오버레이되는 경우, 각 밝기값 구간 영역 별로 우선 순위가 정해져 있어 상위에 표시되는 레이어가 정해져 있다. 또한 각 밝기값 구간 영역에 대하여 폐 전체, 좌폐, 우폐 각각에 대한 별도의 정량화된 측정치/통계가 제시된다.
도 9의 대상자는 폐렴 증상도 심하고 COVID-19에 기인한 폐렴일 가능성이 매우 높음을 알 수 있다.
하나의 윈도우 상에서 오버레이되는 밝기값 구간 영역은 임상적인 의미를 고려하여 미리 설정될 수 있다. 이때 서로 중첩되는 정도가 높은 영역끼리 하나의 윈도우 상에서 표시될 수도 있고, 그 반대로 서로 중첩되는 정도가 낮은 영역끼리 하나의 윈도우 상에서 표시될 수도 있다. 또한 하나의 윈도우 상에서 오버레이되는 밝기값 구간 영역끼리는 미리 결정된 우선 순위에 기반하여 시각화된다. 하나의 윈도우 상에서 오버레이되는 밝기값 구간 영역의 조합, 밝기값 구간 영역 간의 우선 순위 정보는 앞에서 설명한 다양한 원인에 기반하여 업데이트되거나 최적화될 수 있다.
본 발명의 일 실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
그러나, 본 발명이 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다. 본 발명의 실시예와 도면에 소개된 길이, 높이, 크기, 폭 등은 이해를 돕기 위해 과장된 것일 수 있다.
이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.
100: 컴퓨팅 시스템
110: 프로세서
120: 밝기값 구간 정보 데이터베이스
130: 통신 모듈
140: 의료 영상
150: 판독 지원 정보
152: 시각화 정보
172: 영상 진단 장치(모달리티)
174: 외부의 데이터베이스(PACS/EMR/HIS)
110: 프로세서
120: 밝기값 구간 정보 데이터베이스
130: 통신 모듈
140: 의료 영상
150: 판독 지원 정보
152: 시각화 정보
172: 영상 진단 장치(모달리티)
174: 외부의 데이터베이스(PACS/EMR/HIS)
Claims (18)
- 삭제
- 삭제
- 삭제
- 흉부 의료 영상의 판독을 지원하는 의료 영상 판독 지원 장치로서, 상기 의료 영상 판독 지원 장치는 컴퓨팅 시스템을 포함하며 상기 컴퓨팅 시스템은 적어도 하나 이상의 프로세서를 포함하고,
상기 적어도 하나 이상의 프로세서는
폐를 포함하는 의료 영상으로부터 기도(airway)와 혈관(blood vessel)을 분할하고(segmentation),
상기 의료 영상으로부터 상기 기도와 상기 혈관을 제외한 폐 영역 영상에서 조직의 성질, 및 상태 중 적어도 하나 이상에 기반하여 구분되어 설정되는 복수의 밝기값(intensity) 구간 각각에 대응하는 소영역을 분할하고(segmentation),
상기 폐 영역 영상 내에서 상기 복수의 밝기값 구간 각각에 대응하는 상기 소영역의 분포를 시각화하고,
상기 적어도 하나 이상의 프로세서는
상기 폐 영역 영상 내에서 제1 밝기값 구간에 대응하는 제1 소영역의 분포를 제1 윈도우 상에서 시각화하고, 제2 밝기값 구간에 대응하는 제2 소영역의 분포를 제2 윈도우 상에서 시각화하는 의료 영상 판독 지원 장치. - 흉부 의료 영상의 판독을 지원하는 의료 영상 판독 지원 장치로서, 상기 의료 영상 판독 지원 장치는 컴퓨팅 시스템을 포함하며 상기 컴퓨팅 시스템은 적어도 하나 이상의 프로세서를 포함하고,
상기 적어도 하나 이상의 프로세서는
폐를 포함하는 의료 영상으로부터 기도(airway)와 혈관(blood vessel)을 분할하고(segmentation),
상기 의료 영상으로부터 상기 기도와 상기 혈관을 제외한 폐 영역 영상에서 조직의 성질, 및 상태 중 적어도 하나 이상에 기반하여 구분되어 설정되는 복수의 밝기값(intensity) 구간 각각에 대응하는 소영역을 분할하고(segmentation),
상기 폐 영역 영상 내에서 상기 복수의 밝기값 구간 각각에 대응하는 상기 소영역의 분포를 시각화하고,
상기 적어도 하나 이상의 프로세서는
상기 폐 영역 영상 내에서 제1 밝기값 구간에 대응하는 제1 소영역의 분포를 시각화하고, 제2 밝기값 구간에 대응하는 제2 소영역의 분포를 상기 제1 소영역의 분포 위에 오버레이함으로써 시각화하는 의료 영상 판독 지원 장치. - 흉부 의료 영상의 판독을 지원하는 의료 영상 판독 지원 장치로서, 상기 의료 영상 판독 지원 장치는 컴퓨팅 시스템을 포함하며 상기 컴퓨팅 시스템은 적어도 하나 이상의 프로세서를 포함하고,
상기 적어도 하나 이상의 프로세서는
폐를 포함하는 의료 영상으로부터 기도(airway)와 혈관(blood vessel)을 분할하고(segmentation),
상기 의료 영상으로부터 상기 기도와 상기 혈관을 제외한 폐 영역 영상에서 조직의 성질, 및 상태 중 적어도 하나 이상에 기반하여 구분되어 설정되는 복수의 밝기값(intensity) 구간 각각에 대응하는 소영역을 분할하고(segmentation),
상기 폐 영역 영상 내에서 상기 복수의 밝기값 구간 각각에 대응하는 상기 소영역의 분포를 시각화하고,
상기 적어도 하나 이상의 프로세서는
상기 복수의 밝기값 구간을 재설정하거나 또는 추가할 수 있는 사용자 메뉴를 제공하는 의료 영상 판독 지원 장치. - 흉부 의료 영상의 판독을 지원하는 의료 영상 판독 지원 장치로서, 상기 의료 영상 판독 지원 장치는 컴퓨팅 시스템을 포함하며 상기 컴퓨팅 시스템은 적어도 하나 이상의 프로세서를 포함하고,
상기 적어도 하나 이상의 프로세서는
폐를 포함하는 의료 영상으로부터 기도(airway)와 혈관(blood vessel)을 분할하고(segmentation),
상기 의료 영상으로부터 상기 기도와 상기 혈관을 제외한 폐 영역 영상에서 혈액(blood) 및 혈전(thrombus) 중 적어도 하나 이상을 포함하여 설정되는 제1 밝기값 구간에 대응하는 제1 영역을 분할하고(segmentation),
상기 폐 영역 영상에서 상기 제1 영역의 분포를 시각화하는 의료 영상 판독 지원 장치. - 제7항에 있어서,
상기 제1 밝기값 구간은 혈액(blood)에 대응하여 설정되는 의료 영상 판독 지원 장치. - 제7항에 있어서,
상기 제1 밝기값 구간은 혈전(thrombus)에 대응하여 설정되는 의료 영상 판독 지원 장치. - 제9항에 있어서,
상기 적어도 하나 이상의 프로세서는
상기 폐 영역 영상에서 혈액에 대응하여 설정되는 제2 밝기값 구간에 대응하는 제2 영역을 분할하고(segmentation),
상기 폐 영역 영상에서 상기 제1 영역과 상기 제2 영역이 구분되도록 상기 제1 영역의 분포와 상기 제2 영역의 분포를 시각화하는 의료 영상 판독 지원 장치. - 제7항에 있어서,
상기 적어도 하나 이상의 프로세서는
상기 폐 영역 영상에서 간유리 음영(GGO, ground glass opacity)에 대응하여 설정되는 제3 밝기값 구간에 대응하는 제3 영역을 분할하고(segmentation),
상기 폐 영역 영상에서 상기 제1 영역과 상기 제3 영역이 구분되도록 상기 제1 영역의 분포와 상기 제3 영역의 분포를 시각화하는 의료 영상 판독 지원 장치. - 제7항에 있어서,
상기 적어도 하나 이상의 프로세서는
상기 폐 영역 영상 내에서 상기 제1 밝기값 구간에 기반하여 상기 제1 영역을 임계처리(thresholding)하는 의료 영상 판독 지원 장치. - 제7항에 있어서,
상기 적어도 하나 이상의 프로세서는
상기 폐 영역 영상 내의 상기 제1 영역의 분포를 정량화하고, 상기 제1 영역의 분포의 정량화 정보에 기반하여 상기 폐 영역 영상에 대한 폐질환 여부, 및 폐질환의 원인에 대한 판독 지원 정보를 생성하는 의료 영상 판독 지원 장치. - 흉부 의료 영상의 판독을 지원하는 의료 영상 판독 지원 장치에서 실행되는 의료 영상 판독 지원 방법으로서,
상기 의료 영상 판독 지원 장치는 컴퓨팅 시스템을 포함하며 상기 컴퓨팅 시스템은 적어도 하나 이상의 프로세서를 포함하고, 상기 적어도 하나 이상의 프로세서에 의하여 실행되는 프로그램 인스트럭션에 의하여 수행되는 의료 영상 판독 지원 방법에 있어서,
폐를 포함하는 의료 영상으로부터 기도(airway)와 혈관(blood vessel)을 분할하는(segmentation) 단계;
상기 의료 영상으로부터 상기 기도와 상기 혈관을 제외한 폐 영역 영상을 생성하는 단계;
상기 폐 영역 영상에서 조직의 성질, 및 상태 중 적어도 하나 이상에 기반하여 구분되어 설정되는 복수의 밝기값(intensity) 구간 각각에 대응하는 소영역을 분할하는(segmentation) 단계; 및
상기 폐 영역 영상 내에서 상기 복수의 밝기값 구간 각각에 대응하는 상기 소영역의 분포를 시각화하는 단계;
를 포함하고,
상기 소영역의 분포를 시각화하는 단계는
상기 폐 영역 영상 내에서 제1 밝기값 구간에 대응하는 제1 소영역의 분포를 제1 윈도우 상에서 시각화하는 단계; 및
제2 밝기값 구간에 대응하는 제2 소영역의 분포를 제2 윈도우 상에서 시각화하는 단계;
를 포함하는 의료 영상 판독 지원 방법. - 흉부 의료 영상의 판독을 지원하는 의료 영상 판독 지원 장치에서 실행되는 의료 영상 판독 지원 방법으로서,
상기 의료 영상 판독 지원 장치는 컴퓨팅 시스템을 포함하며 상기 컴퓨팅 시스템은 적어도 하나 이상의 프로세서를 포함하고, 상기 적어도 하나 이상의 프로세서에 의하여 실행되는 프로그램 인스트럭션에 의하여 수행되는 의료 영상 판독 지원 방법에 있어서,
폐를 포함하는 의료 영상으로부터 기도(airway)와 혈관(blood vessel)을 분할하는(segmentation) 단계;
상기 의료 영상으로부터 상기 기도와 상기 혈관을 제외한 폐 영역 영상을 생성하는 단계;
상기 폐 영역 영상에서 조직의 성질, 및 상태 중 적어도 하나 이상에 기반하여 구분되어 설정되는 복수의 밝기값(intensity) 구간 각각에 대응하는 소영역을 분할하는(segmentation) 단계; 및
상기 폐 영역 영상 내에서 상기 복수의 밝기값 구간 각각에 대응하는 상기 소영역의 분포를 시각화하는 단계;
를 포함하고,
상기 소영역의 분포를 시각화하는 단계는
상기 폐 영역 영상 내에서 제1 밝기값 구간에 대응하는 제1 소영역의 분포를 시각화하는 단계; 및
제2 밝기값 구간에 대응하는 제2 소영역의 분포를 상기 제1 소영역의 분포 위에 오버레이함으로써 시각화하는 단계;
를 포함하는 의료 영상 판독 지원 방법. - 흉부 의료 영상의 판독을 지원하는 의료 영상 판독 지원 장치에서 실행되는 의료 영상 판독 지원 방법으로서,
상기 의료 영상 판독 지원 장치는 컴퓨팅 시스템을 포함하며 상기 컴퓨팅 시스템은 적어도 하나 이상의 프로세서를 포함하고, 상기 적어도 하나 이상의 프로세서에 의하여 실행되는 프로그램 인스트럭션에 의하여 수행되는 의료 영상 판독 지원 방법에 있어서,
폐를 포함하는 의료 영상으로부터 기도(airway)와 혈관(blood vessel)을 분할하는(segmentation) 단계;
상기 의료 영상으로부터 상기 기도와 상기 혈관을 제외한 폐 영역 영상을 생성하는 단계;
상기 폐 영역 영상에서 혈액(blood) 및 혈전(thrombus) 중 적어도 하나 이상을 포함하여 설정되는 제1 밝기값 구간에 대응하는 제1 영역을 분할하는(segmentation) 단계; 및
상기 폐 영역 영상에서 상기 제1 영역의 분포를 시각화하는 단계;
를 포함하는 의료 영상 판독 지원 방법. - 제16항에 있어서,
상기 폐 영역 영상에서 간유리 음영(GGO, ground glass opacity)에 대응하여 설정되는 제3 밝기값 구간에 대응하는 제3 영역을 분할하는(segmentation) 단계; 및
상기 폐 영역 영상에서 상기 제1 영역과 상기 제3 영역이 구분되도록 상기 제1 영역의 분포와 상기 제3 영역의 분포를 시각화하는 단계;
를 더 포함하는 의료 영상 판독 지원 방법. - 제16항에 있어서,
상기 폐 영역 영상 내의 상기 제1 영역의 분포를 정량화하는 단계; 및
상기 제1 영역의 분포의 정량화 정보에 기반하여 상기 폐 영역 영상에 대한 폐질환 여부, 및 폐질환의 원인에 대한 판독 지원 정보를 생성하는 단계;
를 더 포함하는 의료 영상 판독 지원 방법.
Priority Applications (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200088088A KR102280902B1 (ko) | 2020-07-16 | 2020-07-16 | 흉부 의료 영상 판독 지원 장치 및 방법 |
| KR1020210067351A KR20220009862A (ko) | 2020-07-16 | 2021-05-26 | 흉부 의료 영상 판독 지원 장치 및 방법 |
| EP21842070.1A EP4183344A4 (en) | 2020-07-16 | 2021-05-28 | DEVICE AND METHOD FOR SUPPORTING MEDICAL IMAGE READING OF THE CHEST |
| PCT/KR2021/006670 WO2022014856A1 (ko) | 2020-07-16 | 2021-05-28 | 흉부 의료 영상 판독 지원 장치 및 방법 |
| US18/154,967 US20230154620A1 (en) | 2020-07-16 | 2023-01-16 | Apparatus and method for assisting reading of chest medical images |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200088088A KR102280902B1 (ko) | 2020-07-16 | 2020-07-16 | 흉부 의료 영상 판독 지원 장치 및 방법 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210067351A Division KR20220009862A (ko) | 2020-07-16 | 2021-05-26 | 흉부 의료 영상 판독 지원 장치 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102280902B1 true KR102280902B1 (ko) | 2021-07-26 |
Family
ID=77124741
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200088088A KR102280902B1 (ko) | 2020-07-16 | 2020-07-16 | 흉부 의료 영상 판독 지원 장치 및 방법 |
| KR1020210067351A KR20220009862A (ko) | 2020-07-16 | 2021-05-26 | 흉부 의료 영상 판독 지원 장치 및 방법 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210067351A KR20220009862A (ko) | 2020-07-16 | 2021-05-26 | 흉부 의료 영상 판독 지원 장치 및 방법 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US20230154620A1 (ko) |
| EP (1) | EP4183344A4 (ko) |
| KR (2) | KR102280902B1 (ko) |
| WO (1) | WO2022014856A1 (ko) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10813612B2 (en) | 2019-01-25 | 2020-10-27 | Cleerly, Inc. | Systems and method of characterizing high risk plaques |
| US11969280B2 (en) | 2020-01-07 | 2024-04-30 | Cleerly, Inc. | Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking |
| WO2021141921A1 (en) | 2020-01-07 | 2021-07-15 | Cleerly, Inc. | Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking |
| US20230289963A1 (en) | 2022-03-10 | 2023-09-14 | Cleerly, Inc. | Systems, devices, and methods for non-invasive image-based plaque analysis and risk determination |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006051365A (ja) * | 2004-08-10 | 2006-02-23 | Siemens Corporate Res Inc | 肺潅流または肺密度を３ｄ視覚化するためのシステムおよび方法、並びにその統計的分析方法 |
| KR20100068184A (ko) * | 2008-12-12 | 2010-06-22 | 한국전자통신연구원 | 흉부 전산화 단층 촬영을 이용한 간유리음영 검출 방법 |
| KR101587719B1 (ko) | 2014-06-10 | 2016-01-22 | 원광대학교산학협력단 | 의료 영상 분석 장치 및 이의 폐결절과 폐혈관 구분 방법 |
| KR20170143293A (ko) * | 2016-06-21 | 2017-12-29 | 주식회사 코어라인소프트 | 인터랙티브하게 폐 로브를 분할하는 사용자 인터페이스를 제공하는 의료 영상을 디스플레이하는 시스템 및 방법 |
| KR20190090986A (ko) | 2018-01-26 | 2019-08-05 | 울산대학교 산학협력단 | 흉부 의료 영상 판독 지원 시스템 및 방법 |
| KR20200046507A (ko) | 2018-10-24 | 2020-05-07 | 서울여자대학교 산학협력단 | 폐 섬유화 진단을 위한 정보제공 방법 및 폐 섬유화 진단 컴퓨팅 장치 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008015620A2 (en) * | 2006-07-31 | 2008-02-07 | Koninklijke Philips Electronics N.V. | A method, apparatus and computer-readable medium for creating a preset map for the visualization of an image dataset |
-
2020
- 2020-07-16 KR KR1020200088088A patent/KR102280902B1/ko active IP Right Grant
-
2021
- 2021-05-26 KR KR1020210067351A patent/KR20220009862A/ko active Search and Examination
- 2021-05-28 EP EP21842070.1A patent/EP4183344A4/en active Pending
- 2021-05-28 WO PCT/KR2021/006670 patent/WO2022014856A1/ko unknown
-
2023
- 2023-01-16 US US18/154,967 patent/US20230154620A1/en active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006051365A (ja) * | 2004-08-10 | 2006-02-23 | Siemens Corporate Res Inc | 肺潅流または肺密度を３ｄ視覚化するためのシステムおよび方法、並びにその統計的分析方法 |
| US20060056691A1 (en) * | 2004-08-10 | 2006-03-16 | Michael Vaz | System and method for 3D visualization of lung perfusion or density and statistical analysis thereof |
| KR20100068184A (ko) * | 2008-12-12 | 2010-06-22 | 한국전자통신연구원 | 흉부 전산화 단층 촬영을 이용한 간유리음영 검출 방법 |
| KR101587719B1 (ko) | 2014-06-10 | 2016-01-22 | 원광대학교산학협력단 | 의료 영상 분석 장치 및 이의 폐결절과 폐혈관 구분 방법 |
| KR20170143293A (ko) * | 2016-06-21 | 2017-12-29 | 주식회사 코어라인소프트 | 인터랙티브하게 폐 로브를 분할하는 사용자 인터페이스를 제공하는 의료 영상을 디스플레이하는 시스템 및 방법 |
| KR20190090986A (ko) | 2018-01-26 | 2019-08-05 | 울산대학교 산학협력단 | 흉부 의료 영상 판독 지원 시스템 및 방법 |
| KR20200046507A (ko) | 2018-10-24 | 2020-05-07 | 서울여자대학교 산학협력단 | 폐 섬유화 진단을 위한 정보제공 방법 및 폐 섬유화 진단 컴퓨팅 장치 |
Also Published As
| Publication number | Publication date |
|---|---|
| EP4183344A1 (en) | 2023-05-24 |
| KR20220009862A (ko) | 2022-01-25 |
| US20230154620A1 (en) | 2023-05-18 |
| WO2022014856A1 (ko) | 2022-01-20 |
| EP4183344A4 (en) | 2024-06-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102280902B1 (ko) | 흉부 의료 영상 판독 지원 장치 및 방법 | |
| Pu et al. | Automated quantification of COVID-19 severity and progression using chest CT images | |
| Chiumello et al. | Global and regional diagnostic accuracy of lung ultrasound compared to CT in patients with acute respiratory distress syndrome | |
| Park et al. | Texture-based automated quantitative assessment of regional patterns on initial CT in patients with idiopathic pulmonary fibrosis: relationship to decline in forced vital capacity | |
| WO2017150497A1 (ja) | 肺野病変の診断支援装置、該装置の制御方法及びプログラム | |
| Li et al. | Computer-aided detection of peripheral lung cancers missed at CT: ROC analyses without and with localization | |
| Dachman et al. | Effect of computer-aided detection for CT colonography in a multireader, multicase trial | |
| JP5197029B2 (ja) | 医用画像処理装置 | |
| van Ginneken et al. | Computer-aided diagnosis in chest radiography: Beyond nodules | |
| Kim et al. | Management of incidental pulmonary nodules: current strategies and future perspectives | |
| WO2015175746A1 (en) | Visualization and quantification of lung disease utilizing image registration | |
| KR102283673B1 (ko) | 병변 추적 검사에 기반하여 진단 보조 정보의 임계치를 조정하는 의료 영상 판독 지원 장치 및 방법 | |
| KR102382872B1 (ko) | 의료용 인공 신경망 기반 대표 영상을 제공하는 의료 영상 판독 지원 장치 및 방법 | |
| US20210077009A1 (en) | Predicting response to therapy for adult and pediatric crohn's disease using radiomic features of mesenteric fat regions on baseline magnetic resonance enterography | |
| US8787634B2 (en) | Apparatus and method for indicating likely computer-detected false positives in medical imaging data | |
| Boehm et al. | Automated classification of normal and pathologic pulmonary tissue by topological texture features extracted from multi-detector CT in 3D | |
| Kim et al. | Applications of artificial intelligence in the thorax: a narrative review focusing on thoracic radiology | |
| Barile et al. | Simple quantitative chest CT for pulmonary edema | |
| Han et al. | Pulmonary nodules detection assistant platform: An effective computer aided system for early pulmonary nodules detection in physical examination | |
| Mukherjee et al. | Fully automated longitudinal assessment of renal stone burden on serial CT imaging using deep learning | |
| Hirose et al. | Evaluation of computer-aided diagnosis (CAD) software for the detection of lung nodules on multidetector row computed tomography (MDCT): JAFROC study for the improvement in radiologists' diagnostic accuracy | |
| Taylor et al. | Influence of computer-aided detection false-positives on reader performance and diagnostic confidence for CT colonography | |
| Suzuki | Pixel-based machine learning in computer-aided diagnosis of lung and colon cancer | |
| WO2022163071A1 (ja) | 情報処理装置、方法およびプログラム | |
| Abbas et al. | Development of a novel computational method using computed tomography images for the early detection and severity classification of COVID-19 cases |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| N231 | Notification of change of applicant | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |