KR102294164B1 - Brain ct image data management system for prediction of hemorrhagic complication - Google Patents

Brain ct image data management system for prediction of hemorrhagic complication Download PDF

Info

Publication number
KR102294164B1
KR102294164B1 KR1020200142795A KR20200142795A KR102294164B1 KR 102294164 B1 KR102294164 B1 KR 102294164B1 KR 1020200142795 A KR1020200142795 A KR 1020200142795A KR 20200142795 A KR20200142795 A KR 20200142795A KR 102294164 B1 KR102294164 B1 KR 102294164B1
Authority
KR
South Korea
Prior art keywords
xml
data
mri
image data
dicom
Prior art date
Application number
KR1020200142795A
Other languages
Korean (ko)
Inventor
김영근
김철호
송동수
이주형
Original Assignee
주식회사 쓰리케이비카스
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 쓰리케이비카스 filed Critical 주식회사 쓰리케이비카스
Application granted granted Critical
Publication of KR102294164B1 publication Critical patent/KR102294164B1/en

Links

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
    • 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]
    • 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
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/501—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of the head, e.g. neuroimaging or craniography
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/042—Knowledge-based neural networks; Logical representations of neural networks
    • G06N3/0427—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • 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
    • 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
    • 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
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20084—Artificial neural networks [ANN]

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Theoretical Computer Science (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Optics & Photonics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Physiology (AREA)
  • Quality & Reliability (AREA)
  • Databases & Information Systems (AREA)
  • Pulmonology (AREA)
  • Neurology (AREA)
  • Neurosurgery (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)

Abstract

Disclosed is a brain computer tomography (CT) image data management system for predicting hemorrhagic change. According to an embodiment of the present invention, the brain CT image data management system for predicting hemorrhagic change comprises: an image data collector collecting MRI and CT imaging data based on a digital imaging and communications in medicine (DICOM); an extensible markup language (XML) conversion device converting the DICOM-based MRI and CT scan data collected by the image data collector into an XML-based hypertext language and storing the converted data in an XML-based database; and a stroke analyzer detecting similarity ratios by comparing the MRI and CT data converted to the XML-based hypertext language with data for reading. Accordingly, an XML-based CT image database of the brain is constructed, thereby quickly and accurately predicting hemorrhagic change.

Description

출혈성 변환 예측을 위한 뇌전산화단층 영상 데이터 관리 시스템{BRAIN CT IMAGE DATA MANAGEMENT SYSTEM FOR PREDICTION OF HEMORRHAGIC COMPLICATION} BRAIN CT IMAGE DATA MANAGEMENT SYSTEM FOR PREDICTION OF HEMORHAGIC COMPLICATION

본 발명은 XML(Extensible Markup Language) 기반의 뇌전산화단층 영상 데이터 베이스를 구축하여, 출혈성 변환을 빠르고 정확하게 예측할 수 있도록 한 뇌전산화단층 영상 데이터 관리 시스템에 관한 것이다. The present invention relates to a computerized tomography brain image data management system capable of rapidly and accurately predicting hemorrhagic transformation by constructing an XML (Extensible Markup Language) based computed tomography image database.

뇌졸중은 한국인의 단일 사망 원인으로 암에 이어 두 번째로 높고, 이로 인한 사망률은 인구 10만명당 149명 이상으로 높아지고 있는 실정이다. Stroke is the second highest cause of death in Koreans after cancer, and the death rate is rising to more than 149 per 100,000 people.

특히, 한국은 OECD 국가 중에서 고령화가 가장 빠르게 진행하고 있는 국가로, 2030년에는 연간 뇌졸중 발생률이 35만명에 이를 것으로 추산되기도 하였다. 이에, 뇌졸중으로 인한 개인적인 손실과 국가적으로도 상당한 사회경제적 부담이 될 것으로 예상되고 있다. In particular, Korea is one of the fastest aging OECD countries, and it has been estimated that the annual stroke rate will reach 350,000 by 2030. Accordingly, it is expected that the personal loss due to a stroke and a significant socioeconomic burden will be incurred nationally.

뇌졸중 중에서도 허혈성 뇌졸중은 연간 약 7% 이상씩 발생률이 증가하고 있고, 출혈성 뇌졸중은 연간 1.82%씩 발생률이 감소하고 있음이 국민건강심사평가원 보고에 의해 보고된 바 있다. 이에, 출혈성 뇌졸증 치료를 위한 치료 방안은 더더욱 개선이 요구되고 있는 실정이다. 특히, 초급성기 뇌졸중 치료를 위한 혈전용해치료의 중요성은 점점 더 중요해지고 있는바, 정맥혈전용해제의 투여는 초급성기 허혈성 뇌졸중 치료에 있어 가장 중요한 치료법이다. Among strokes, it was reported by the National Health Review and Assessment Service that the incidence rate of ischemic stroke is increasing by more than 7% per year and that the incidence rate of hemorrhagic stroke is decreasing by 1.82% per year. Accordingly, the treatment plan for the treatment of hemorrhagic stroke is in need of further improvement. In particular, the importance of thrombolytic therapy for the treatment of hyperacute stroke is becoming more and more important, and the administration of a venous thrombolytic agent is the most important treatment for the treatment of hyperacute ischemic stroke.

초급성 허혈성 뇌졸중 치료의 시작은 뇌전산화단층 영상(이하, 뇌 CT)를 촬영하여 신경학적 증상이 뇌출혈에 기인하지 않았다는 것을 확인하는 것이다. 이러한, 초급성기 허혈성 뇌졸중 치료에는 정맥혈전용해제 투여가 중요한 치료법이나, 이때 재관류손상으로 인한 출혈성 변환 및 출혈관련 합병증이 15~20% 정도 발생하여, 이를 최소화하기 위한 연구가 꾸준히 진행되고 있다. The start of treatment for hyperacute ischemic stroke is to confirm that the neurological symptoms are not caused by cerebral hemorrhage by imaging the brain computed tomography (hereinafter, brain CT). Although the administration of a venous thrombolytic agent is an important treatment for the treatment of hyperacute ischemic stroke, hemorrhagic conversion and bleeding-related complications due to reperfusion injury occur in 15 to 20% of cases, and studies to minimize this are continuously being conducted.

일 예로, ASPECT 스코어(Alberta Stroke Programme Early CT score)와 같이 뇌 CT를 이용하여 점수를 측정하고, 이를 혈전용해치료의 시작을 결정하는 중요한 소견으로 활용하는 방법도 수행되었다. As an example, a method of measuring a score using brain CT like the ASPECT score (Alberta Stroke Program Early CT score) and using it as an important finding for determining the start of thrombolytic treatment was also performed.

이와 같이, 재관류손상 발생을 예측하고 혈전용해치료 시행여부를 결정하는 방법으로 ASPECT 스코어 시스템을 사용하나, ASPECT 스코어링 방법은 영상 의학과 전문의 및 뇌졸중치료 전문 의료진과 같은 전문가의 평가가 반드시 필요하기 때문에 골든타임 내 치료결정을 하는데 어려운 요소로 작용하고 있다. As described above, the ASPECT scoring system is used as a method to predict the occurrence of reperfusion injury and to determine whether to perform thrombolytic treatment, but the ASPECT scoring method is a golden method because it is essential to evaluate it by specialists such as radiology specialists and stroke treatment specialists. It is acting as a difficult factor in making treatment decisions on time.

도 1은 ASPECT 스코어 확인을 위한 뇌 CT 촬영 이미지를 나타낸 도면이다. 1 is a view showing a brain CT image for confirming ASPECT score.

도 1에 도시된 바와 같이, 종래의 ASPECT 스코어 확인 시스템은 영상 의학과 의료진을 통해 촬영된 뇌 CT 또는 MRI 영상을 뇌 전문 의료진이 확인 및 평가해서 ASPECT 스코어를 측정하였다. As shown in FIG. 1 , in the conventional ASPECT score confirmation system, a brain CT or MRI image taken by a medical imaging department was checked and evaluated by a brain specialist to measure the ASPECT score.

ASPECT 스코어 확인 시스템 등을 이용하는 종래의 뇌졸증 진단 방식은 MRI나 CT 촬영 정보(DICOM; Digital Imaging and Communications in Medicine)를 영상 의학과 전문의가 분석한 결과(판독지) 및 영상 정보(PACS; Picture Archiving and Communication Systems)를 기반으로 치료 방법을 결정하므로, 시간 지연과 비용소모가 많은 문제가 있었다. 따라서, 골든타임 내에 빠른 치료 결정을 위해서는 더욱 신속하고 정확하게 MRI나 CT 촬영 영상을 분석해야할 필요성이 요구되고 있다. The conventional stroke diagnosis method using the ASPECT score check system, etc. is the result of an MRI or CT scan information (DICOM; Digital Imaging and Communications in Medicine) analyzed by a radiologist (reading sheet) and image information (PACS; Picture Archiving and Communication) Systems) to determine the treatment method, so there was a problem of time delay and cost consumption. Therefore, in order to make a quick treatment decision within the golden time, there is a need to analyze MRI or CT images more quickly and accurately.

본 발명은 상기의 다양한 문제점을 해결하기 위한 것으로, XML(Extensible Markup Language) 기반의 뇌전산화단층 영상 데이터 베이스를 구축하여, 출혈성 변환을 빠르게 예측할 수 있는 뇌전산화단층 영상 데이터 관리 시스템을 제공하는데 그 목적이 있다. The present invention is to solve the above various problems, and to provide a computerized tomography brain image data management system that can rapidly predict hemorrhagic transformation by constructing an XML (Extensible Markup Language)-based brain computerized tomography image database. There is this.

또한, DICOM(Digital Imaging and Communications in Medicine) 기반의 의료용 디지털 영상 및 통신 데이터들을 XML(Extensible Markup Language) 기반의 데이터들로 변환할 수 있는 뇌전산화단층 영상 데이터 관리 시스템을 제공하는데 그 목적이 있다. Another object of the present invention is to provide a brain computerized tomography image data management system that can convert DICOM (Digital Imaging and Communications in Medicine)-based medical digital image and communication data into XML (Extensible Markup Language)-based data.

또한, XML 기반으로 변환된 영상 데이터에 포함된 출혈성 변환 확인 마커나 색인들이 미리 설정된 XML 마커나 XML 색인 및 XML 태그 등을 통해 분류, 추출 및 저장 관리될 수 있도록 한 뇌전산화단층 영상 데이터 관리 시스템을 제공하는데 그 목적이 있다. In addition, a brain computerized tomography image data management system that allows the hemorrhagic transformation confirmation markers or indexes included in the XML-based converted image data to be classified, extracted, stored and managed through preset XML markers, XML indexes, and XML tags. Its purpose is to provide

또한, XML 기반 뇌전산화단층 영상 데이터 베이스와 딥 러닝 알고리즘을 이용해서 혈전 용해 치료를 수행한 초급성기 허혈성 뇌졸중환자들에 대한 출혈성 변환을 정확하게 예측할 수 있는 뇌전산화단층 영상 데이터 관리 시스템을 제공하는데 그 목적이 있다. In addition, using an XML-based computerized tomography image database and deep learning algorithm to provide a computerized tomography image data management system that can accurately predict the hemorrhagic transformation of hyperacute ischemic stroke patients who have undergone thrombolytic treatment The purpose is to provide There is this.

또한, XML 기반 뇌전산화단층 영상 데이터 베이스로부터 미리 설정된 XML 마커나 XML 색인 및 XML 태그 등을 통해 출혈성 변환 인자들을 분류 및 추출할 수 있는 뇌전산화단층 영상 데이터 관리 시스템을 제공하는데 그 목적이 있다. Another object of the present invention is to provide a brain computerized tomography image data management system capable of classifying and extracting hemorrhagic transformation factors from an XML-based computed tomography image database through preset XML markers, XML indexes, and XML tags.

본 발명의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 발명의 실시예에 의해 보다 분명하게 이해될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다. The objects of the present invention are not limited to the above-mentioned objects, and other objects and advantages of the present invention not mentioned may be understood by the following description, and will be more clearly understood by the examples of the present invention. Moreover, it will be readily apparent that the objects and advantages of the present invention may be realized by the means and combinations thereof indicated in the claims.

전술한 본 발명의 목적들을 이루기 위한 본 발명의 실시예에 따른 뇌전산화단층 영상 데이터 관리 시스템은 DICOM(Digital Imaging and Communications in Medicine) 기반의 MRI 및 CT 촬영 데이터를 수집하는 영상 데이터 수집기, 영상 데이터 수집기에서 수집된 DICOM 기반의 MRI 및 CT 촬영 데이터들을 XML(Extensible Markup Language) 기반의 하이퍼텍스트 언어로 변환하여 XML 기반 데이터베이스에 저장하는 XML 변환 기기, 및 XML 기반의 하이퍼텍스트 언어로 변환된 MRI 및 CT 변환 데이터를 판독용 데이터와 비교해서 유사 비율을 검출하는 뇌졸증 분석기를 포함한다. A computerized tomography brain imaging data management system according to an embodiment of the present invention for achieving the above-described objects of the present invention is an image data collector, an image data collector that collects MRI and CT imaging data based on DICOM (Digital Imaging and Communications in Medicine). An XML conversion device that converts the DICOM-based MRI and CT scan data collected from the XML (Extensible Markup Language)-based hypertext language and stores it in an XML-based database, and MRI and CT transformation converted into an XML-based hypertext language and a stroke analyzer that compares the data with the data for reading to detect similar rates.

본 발명의 실시예에 따른 영상 데이터 수집기는 구조화 조회 언어로 작성된 데이터 조작용 명령에 따라 RDBMS(Relational DataBase Management System)으로 구축되어 있는 CDW 기반의 데이터 베이스 서버로부터 DICOM 기반 MRI 및 CT 촬영 데이터들을 수집하는 CT 촬영 데이터 수집기를 포함한다. 또한, 구조화 조회 언어로 작성된 데이터 조작용 명령에 따라 RDBMS으로 구축되어 있는 CDW 기반의 데이터 베이스 서버로부터 DICOM 기반 MRI 및 MRI 촬영 데이터들을 수집하는 MRI 촬영 데이터 수집기를 더 포함한다. An image data collector according to an embodiment of the present invention collects DICOM-based MRI and CT imaging data from a CDW-based database server built with RDBMS (Relational DataBase Management System) according to a data manipulation command written in a structured query language. CT scan data collector. In addition, it further includes an MRI imaging data collector for collecting DICOM-based MRI and MRI imaging data from a CDW-based database server built in RDBMS according to a data manipulation command written in a structured query language.

본 발명의 실시예에 따른 XML 변환 기기는 DICOM 기반의 MRI 및 CT 촬영 데이터에 포함된 의료 용어, 사무 용어, 의료 데이터에 대한 태그를 추출 및 수집하고, 수집된 의료 용어, 사무 용어, 의료 데이터에 대한 태그를 기준으로 자체 구비된 XML 기반 데이터베이스에 분류해서 저장한다. The XML conversion device according to an embodiment of the present invention extracts and collects tags for medical terms, office terms, and medical data included in DICOM-based MRI and CT scan data, and stores the collected medical terms, office terms, and medical data. It is classified and stored in an XML-based database provided by itself based on tags.

본 발명의 실시예에 따른 뇌졸증 분석기는 웹 프로그램이나 응용 프로그램 화면을 통한 CDW 기반의 사용자 검색 용어를 XML 기반의 하이퍼텍스트 생성 언어로 변환하고, 변환된 검색 용어에 대응되는 색인, 태그, 및 마커에 따라 XML 기반 데이터베이스로부터 XML 기반의 MRI 및 CT 변환 데이터들을 추출한다. The stroke analyzer according to an embodiment of the present invention converts a CDW-based user search term through a web program or application screen into an XML-based hypertext generation language, and stores the index, tag, and marker corresponding to the converted search term. Accordingly, XML-based MRI and CT transformation data are extracted from the XML-based database.

전술한 바와 같은 다양한 기술 특징을 갖는 본 발명의 뇌전산화단층 영상 데이터 관리 시스템은 XML(Extensible Markup Language) 기반의 뇌전산화단층 영상 데이터 베이스를 구축하여 출혈성 변환을 빠르고 정확하게 예측할 수 있다. The computerized tomography image data management system of the present invention having various technical features as described above can quickly and accurately predict hemorrhagic transformation by constructing an XML (Extensible Markup Language)-based computerized tomography image database.

특히, DICOM(Digital Imaging and Communications in Medicine) 기반의 의료용 디지털 영상 및 통신 데이터들을 XML(Extensible Markup Language) 기반의 데이터들로 변환함으로써, 저장 및 관리 용량을 최소화시켜서 데이터 베이스를 구축할 수 있다. In particular, by converting DICOM (Digital Imaging and Communications in Medicine)-based medical digital image and communication data into XML (Extensible Markup Language)-based data, it is possible to build a database by minimizing storage and management capacity.

또한, XML 기반으로 변환된 영상 데이터에 포함된 출혈성 변환 확인 마커나 색인들이 미리 설정된 XML 마커나 XML 색인 또는 XML 태그 등을 통해 분류, 추출 및 저장 관리될 수 있도록 함으로써, 초급성기 허혈성 뇌졸중환자들에 대한 출혈성 변환을 용이하고 정확하게 예측할 수 있다. In addition, by enabling the hemorrhagic transformation confirmation markers or indexes included in the XML-based converted image data to be classified, extracted, stored and managed through a preset XML marker, XML index, or XML tag, Hemorrhagic transformation can be easily and accurately predicted.

또한, XML 기반 뇌전산화단층 영상 데이터 베이스와 딥 러닝 알고리즘을 이용해서 혈전 용해 치료를 수행한 초급성기 허혈성 뇌졸중환자들에 대한 출혈성 변환을 용이하고 정확하게 예측할 수 있다. In addition, it is possible to easily and accurately predict the hemorrhagic transformation of hyperacute ischemic stroke patients who have undergone thrombolytic treatment using an XML-based computed tomography image database and a deep learning algorithm.

특히, XML 기반 뇌전산화단층 영상 데이터 베이스로부터 미리 설정된 XML 마커나 XML 색인 또는 XML 태그 등을 통해 출혈성 변환 인자들을 분류 및 추출함으로써, 출혈성 변환을 더욱 빠르고 정확하게 확인할 수 있다. In particular, hemorrhagic transformation can be confirmed more quickly and accurately by classifying and extracting hemorrhagic transformation factors through a preset XML marker, XML index, or XML tag from an XML-based computed tomography image database.

상술한 효과와 더불어 본 발명의 구체적인 효과는 이하 발명을 실시하기 위한 구체적인 사항을 설명하면서 함께 기술한다. In addition to the above-described effects, the specific effects of the present invention will be described together while describing specific details for carrying out the invention below.

도 1은 ASPECT 스코어 확인을 위한 뇌 CT 촬영 이미지를 나타낸 도면이다.
도 2는 본 발명의 실시예에 따른 출혈성 변환 예측을 위한 뇌전산화단층 영상 데이터 관리 시스템과 그 관리 과정을 설명하기 위한 도면이다.
도 3은 본 발명의 실시예에 따른 출혈성 변환 예측을 위한 뇌전산화단층 영상 데이터 관리 시스템을 더욱 구체적으로 나타낸 구성 블록도이다.
도 4는 도 3에 도시된 XML 변환 기기의 XML 변환 방법을 설명하기 위한 도면이다.
도 5는 도 2 및 도 3에 도시된 뇌전산화단층 영상 데이터 관리 시스템의 뇌전산화단층 영상 데이터 판독 방법을 설명하기 위한 도면이다. 1 is a view showing a brain CT image for confirming ASPECT score.
2 is a diagram for explaining a computerized tomography brain image data management system for predicting hemorrhagic transformation according to an embodiment of the present invention and a management process thereof.
3 is a block diagram illustrating in more detail a computerized tomography brain image data management system for predicting hemorrhagic transformation according to an embodiment of the present invention.
FIG. 4 is a diagram for explaining an XML conversion method of the XML conversion device shown in FIG. 3 .
FIG. 5 is a diagram for explaining a computerized tomography image data reading method of the computerized tomography image data management system shown in FIGS. 2 and 3 .

본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 하나의 실시예에 불과할 뿐이고, 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원 시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형 예들이 있을 수 있음을 이해하여야 한다. 또한, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로 이러한 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다. The embodiments described in this specification and the configurations shown in the drawings are only one of the most preferred embodiments of the present invention, and do not represent all of the technical spirit of the present invention. It should be understood that there may be equivalents and variations. In addition, the terms to be described later are terms defined in consideration of functions in the present invention, which may vary according to the intention or custom of the user or operator. Therefore, definitions of these terms should be made based on the content throughout this specification.

이하, 본 발명의 실시예에 따른 출혈성 변환 예측을 위한 뇌전산화단층 영상 데이터 관리 시스템과 그 관리 방법에 관하여 구체적으로 설명한다. Hereinafter, a computerized tomography brain image data management system for predicting hemorrhagic transformation according to an embodiment of the present invention and a management method thereof will be described in detail.

도 2는 본 발명의 실시예에 따른 출혈성 변환 예측을 위한 뇌전산화단층 영상 데이터 관리 시스템과 그 관리 과정을 설명하기 위한 도면이다. 2 is a diagram for explaining a computerized tomography brain image data management system for predicting hemorrhagic transformation according to an embodiment of the present invention and a management process thereof.

도 2를 참조하면, 뇌전산화단층 영상 데이터 관리 시스템은 영상 데이터 수집기(100), XML 변환 기기(200), 및 뇌졸증 분석기(300)를 포함한다. Referring to FIG. 2 , the computerized tomography image data management system includes an image data collector 100 , an XML conversion device 200 , and a stroke analyzer 300 .

영상 데이터 수집기(100)는 DICOM(Digital Imaging and Communications in Medicine) 기반의 MRI 및 CT 촬영 데이터를 수집한다. 구체적으로, 영상 데이터 수집기(100)는 서로 연계된 의료 기관 서버, 웹 기반의 사이트나 응용 프로그램, 및 다른 의료기관들의 홈페이지 등을 통해 서로 공유된 DICOM 기반 MRI 및 CT 촬영 데이터들 다양하게 수집한다. The image data collector 100 collects DICOM (Digital Imaging and Communications in Medicine) based MRI and CT imaging data. Specifically, the image data collector 100 collects various DICOM-based MRI and CT imaging data shared with each other through a medical institution server, a web-based site or application program, and homepages of other medical institutions linked to each other.

영상 데이터 수집기(100)는 DICOM 기반의 데이터 서버, 데이터 베이스 및 다른 의료 기관의 데이터베이스들로부터도 다양한 MRI 및 CT 촬영 데이터들 수집할 수 있다. The image data collector 100 may collect various MRI and CT imaging data from a DICOM-based data server, database, and databases of other medical institutions.

영상 데이터 수집기(100)는 DICOM 기반의 데이터 서버, 데이터 베이스 및 다른 의료 기관의 데이터베이스들로부터 수집된 MRI 및 CT 촬영 데이터들을 XML 변환 기기(200)에 실시간으로 전송한다. The image data collector 100 transmits the MRI and CT imaging data collected from the DICOM-based data server, database, and databases of other medical institutions to the XML conversion device 200 in real time.

XML 변환 기기(200)는 영상 데이터 수집기(100)에서 수집된 DICOM 기반의 MRI 및 CT 촬영 데이터들을 XML(Extensible Markup Language) 기반의 하이퍼텍스트 언어로 변환하여 XML 기반 데이터베이스에 저장한다. The XML conversion device 200 converts the DICOM-based MRI and CT imaging data collected by the image data collector 100 into an XML (Extensible Markup Language)-based hypertext language and stores it in an XML-based database.

XML은 W3C(World Wide Web Consortium) 표준의 기계 제어 메타 데이터(Metadata)를 사용하는 컴퓨터 언어로써, RDB, NoSQL 등의 구조적인 언어 사용에 있어서 메타 데이터의 사용 한계가 없는 것이 특징이다. 이에, XML 변환 기기(200)는 영상 데이터 수집기(100)에서 수집된 DICOM 기반의 MRI 및 CT 촬영 데이터들을 XML 구조 언어로 변환한다. XML is a computer language that uses W3C (World Wide Web Consortium) standard machine control metadata. Accordingly, the XML conversion device 200 converts the DICOM-based MRI and CT imaging data collected by the image data collector 100 into an XML structure language.

XML 변환 기기(200)는 DICOM 기반의 MRI 및 CT 촬영 데이터들에 대한 검색 및 정렬이 용이하도록 MRI 및 CT 촬영 데이터 각각에 적어도 하나의 태그를 추가해서, 자체 구비된 XML 기반 데이터베이스에 저장한다. The XML conversion device 200 adds at least one tag to each of the MRI and CT imaging data to facilitate retrieval and sorting of the DICOM-based MRI and CT imaging data, and stores the tag in an XML-based database provided therein.

XML 변환 기기(200)는 DICOM 기반의 MRI 및 CT 촬영 데이터에 포함된 의료 용어, 사무 용어, 의료 데이터에 대한 태그를 추출 및 수집하고, 수집된 의료 용어, 사무 용어, 의료 데이터에 대한 태그를 기준으로 XML 기반 데이터베이스에 분류시켜 저장할 수 있다. 이에, XML 변환 기기(200)는 초기에 미리 설정되거나 의료 표준 정보 지원부(미도시)로부터 제공되는 용도, 파일 형식, 의료 표준화 목록, 출처 및 유효 기간 등의 다양한 분류 목록에 따른 태그를 기입해서 XML 기반 데이터베이스에 저장할 수 있다. The XML conversion device 200 extracts and collects tags for medical terms, office terms, and medical data included in DICOM-based MRI and CT scan data, and based on the collected medical terms, office terms, and tags for medical data. can be classified and stored in an XML-based database. Accordingly, the XML conversion device 200 writes tags according to various classification lists, such as usage, file format, medical standardization list, source, and expiration date, which are initially set in advance or provided from the medical standard information support unit (not shown) to write XML can be stored in the underlying database.

뇌졸증 분석기(300)는 XML 기반의 하이퍼텍스트 언어로 변환된 MRI 및 CT 변환 데이터에 포함된 색인, 태그, 마커를 추출하고, 추출된 색인, 태그, 마커를 미리 설정된 XML 기반의 판독용 색인. 태그, 마커 등의 데이터와 비교한다. 그리고, 추출된 색인, 태그, 마커와 판독용 색인. 태그, 마커 등의 데이터의 유사 비율에 따라 재관류 손상 발생 예측 비율 및 혈전용해치료 시행 수치를 각각 검출 및 표시한다. The stroke analyzer 300 extracts indexes, tags, and markers included in the MRI and CT converted data converted into XML-based hypertext language, and sets the extracted indexes, tags, and markers to a preset XML-based reading index. Compare with data such as tags and markers. and extracted indexes, tags, markers and indexes for reading. According to the similarity of data such as tags and markers, the predicted rate of reperfusion injury and the thrombolytic treatment execution value are detected and displayed, respectively.

한편으로, 뇌졸증 분석기(300)는 웹 프로그램이나 응용 프로그램 화면을 통한 전문가 검색 용어를 XML 기반의 하이퍼텍스트 언어로 변환하고, 변환된 검색 용어가 포함된 XML 기반의 MRI 및 CT 변환 데이터들을 추출한다. On the other hand, the stroke analyzer 300 converts an expert search term through a web program or application screen into an XML-based hypertext language, and extracts XML-based MRI and CT transformation data including the converted search term.

이에, 뇌졸증 분석기(300)에서는 추출된 XML 기반의 MRI 및 CT 변환 데이터들을 웹 프로그램이나 응용 프로그램 기반의 텍스트 언어로 변환하여 시각화 처리한다. 그리고, 시각화 처리된 그래픽을 웹 프로그램이나 응용 프로그램 화면을 통해 전문가에게 제공한다. 이때, 재관류 손상 발생 예측 비율 및 혈전용해치료 시행 수치를 각각 포함해서 표시한다. Accordingly, the stroke analyzer 300 converts the extracted XML-based MRI and CT converted data into a text language based on a web program or an application program for visualization. Then, the visualized graphic is provided to the expert through a web program or an application screen. At this time, the predicted rate of occurrence of reperfusion injury and the value of thrombolytic treatment are displayed, respectively.

도 3은 본 발명의 실시예에 따른 출혈성 변환 예측을 위한 뇌전산화단층 영상 데이터 관리 시스템을 더욱 구체적으로 나타낸 구성 블록도이다. 3 is a block diagram illustrating a computerized tomography brain image data management system for prediction of hemorrhagic transformation according to an embodiment of the present invention in more detail.

도 2와 함께 도 3을 참조하면, 복수의 영상 데이터 수집기(100)는 CT 촬영 데이터 수집기(121) 및 MRI 촬영 데이터 수집기(122)를 통해 서로 연계된 의료 기관 서버, 웹 기반의 사이트나 응용 프로그램, 및 다른 의료기관들의 홈페이지 등을 통해 서로 공유된 DICOM 기반 MRI 및 CT 촬영 데이터들을 수집한다. Referring to FIG. 3 together with FIG. 2 , a plurality of image data collectors 100 are connected to each other through a CT imaging data collector 121 and an MRI imaging data collector 122 , a medical institution server, a web-based site, or an application program. DICOM-based MRI and CT scan data shared with each other through , and other medical institutions' homepages are collected.

CT 촬영 데이터 수집기(121) 및 MRI 촬영 데이터 수집기(122)는 XML 기반 데이터베이스가 빅데이터화될 수 있도록 하기 위해, 웹 기반의 사이트나 응용 프로그램, 및 타 의료 기관의 홈페이지 등에서 DICOM 기반 MRI 및 CT 촬영 데이터들이 최대한 수집하도록 프로그램된다. The CT imaging data collector 121 and the MRI imaging data collector 122 are DICOM-based MRI and CT imaging data from a web-based site or application program, or the homepage of another medical institution, so that the XML-based database can be converted into big data. They are programmed to collect as much as possible.

CT 촬영 데이터 수집기(121) 및 MRI 촬영 데이터 수집기(122)는 구조화 조회 언어(SQL)로 작성된 데이터 조작용 명령에 따라 RDBMS(Relational DataBase Management System)으로 구축되어 있는 CDW 기반의 데이터 베이스 서버로부터 DICOM 기반 MRI 및 CT 촬영 데이터들을 수집한다. The CT imaging data collector 121 and the MRI imaging data collector 122 are DICOM-based from a CDW-based database server built with RDBMS (Relational DataBase Management System) according to data manipulation commands written in structured query language (SQL). Collect MRI and CT scan data.

또한, CT 촬영 데이터 수집기(121) 및 MRI 촬영 데이터 수집기(122)는 웹 기반의 사이트나 응용 프로그램, 및 CDW 기반의 데이터 베이스와 타 의료 기관의 데이터 베이스에서 DICOM 기반 MRI 및 CT 촬영 데이터들을 수집한다. EHR은 모든 의료 기관의 전자의무기록을 망으로 통합하여 공유하고 활용할 수 있도록 설정된다. 이에 따라, CT 촬영 데이터 수집기(121) 및 MRI 촬영 데이터 수집기(122)는 각 의료 기관별로 개별 관리되고 있는 환자의 진료 관련 자료들을 검색해서 DICOM 기반 MRI 및 CT 촬영 데이터들을 수집하도록 프로그램된다. In addition, the CT imaging data collector 121 and the MRI imaging data collector 122 collect DICOM-based MRI and CT imaging data from web-based sites or applications, CDW-based databases, and databases of other medical institutions. . EHR is set up so that the electronic medical records of all medical institutions can be integrated and shared and utilized through the network. Accordingly, the CT imaging data collector 121 and the MRI imaging data collector 122 are programmed to collect DICOM-based MRI and CT imaging data by searching for patient care-related data managed individually for each medical institution.

도 4는 도 3에 도시된 XML 변환 기기의 XML 변환 방법을 설명하기 위한 도면이다. FIG. 4 is a diagram for explaining an XML conversion method of the XML conversion device shown in FIG. 3 .

XML 변환 기기(200)의 제1 구조 언어 변환기(211)는 DICOM 기반의 CT 촬영 데이터들에 대한 검색 및 정렬이 용이하도록 CT 촬영 데이터들 각각에 적어도 하나의 태그를 추가해서, 자체 구비된 XML 기반 데이터베이스에 저장한다. The first structure language converter 211 of the XML conversion device 200 adds at least one tag to each of the CT scan data so that it is easy to search and sort the DICOM-based CT scan data, so that the XML-based self-contained Save it to the database.

이때, 제1 구조 언어 변환기(211)는 자체 구성된 컴파일 소프트웨어를 이용해서, DICOM 기반의 CT 촬영 데이터들을 XML 기반의 메타 데이터가 포함된 하이퍼텍스트 언어로 변환한다. 그리고, XML 기반의 텍스트 언어로 변환된 XML 기반 CT 변환 데이터들에 각각 적어도 하나의 색인, 태그, 마커를 기입해서, XML 기반 데이터베이스에 저장한다. 여기서, XML 기반 마커는 XML 기반 CT 변환 데이터들에 각각 포함된 혈전 등의 모양 및 크기에 대응되는 데이터로 기입된다. In this case, the first structured language converter 211 converts the DICOM-based CT scan data into a hypertext language including XML-based metadata by using self-configured compilation software. Then, at least one index, tag, and marker are written in each of the XML-based CT transformation data converted into the XML-based text language, and stored in the XML-based database. Here, the XML-based marker is written as data corresponding to the shape and size of a blood clot included in the XML-based CT transformation data, respectively.

또한, 제1 구조 언어 변환기(211)는 CT 촬영 데이터에 포함된 의료 용어, 사무 용어, 의료 데이터에 대한 태그를 추출 및 수집하고, 수집된 의료 용어, 사무 용어, 의료 데이터에 대한 태그를 기준으로 XML 기반 데이터베이스에 분류시켜 저장한다. In addition, the first structured language converter 211 extracts and collects tags for medical terms, office terms, and medical data included in the CT scan data, and based on the collected medical terms, office terms, and tags for medical data. It is classified and stored in an XML-based database.

XML 변환 기기(200)의 제2 구조 언어 변환기(213)는 DICOM 기반의 MRI 촬영 데이터들에 대한 검색 및 정렬이 용이하도록 MRI 촬영 데이터들 각각에 적어도 하나의 태그를 추가해서, 자체 구비된 XML 기반 데이터베이스에 저장한다. The second structure language converter 213 of the XML conversion device 200 adds at least one tag to each of the DICOM-based MRI imaging data so as to facilitate searching and sorting of the DICOM-based MRI imaging data. Save it to the database.

이때, 제2 구조 언어 변환기(213)는 자체 구성된 컴파일 소프트웨어를 이용해서, DICOM 기반의 MRI 촬영 데이터들을 XML 기반의 메타 데이터가 포함된 하이퍼텍스트 언어로 변환한다. 그리고, XML 기반의 텍스트 언어로 변환된 XML 기반 MRI 변환 데이터들에 각각 적어도 하나의 색인, 태그, 및 마커를 기입해서, XML 기반 데이터베이스에 저장한다. 여기서, XML 기반 마커는 XML 기반 MRI 변환 데이터들에 각각 포함된 혈전 등의 모양 및 크기에 대응되는 데이터로 기입된다. In this case, the second structured language converter 213 converts the DICOM-based MRI imaging data into a hypertext language including XML-based metadata by using self-configured compilation software. Then, at least one index, tag, and marker are written in the XML-based MRI-converted data converted into the XML-based text language, respectively, and stored in the XML-based database. Here, the XML-based marker is written as data corresponding to the shape and size of a blood clot included in the XML-based MRI-converted data, respectively.

또한, 제2 구조 언어 변환기(213)는 MRI 촬영 데이터에 포함된 의료 용어, 사무 용어, 의료 데이터에 대한 태그를 추출 및 수집하고, 수집된 의료 용어, 사무 용어, 의료 데이터에 대한 태그를 기준으로 XML 기반 데이터베이스에 분류시켜 저장한다. In addition, the second structured language converter 213 extracts and collects medical terms, office terms, and tags for medical data included in the MRI imaging data, and based on the collected medical terms, office terms, and tags for medical data. It is classified and stored in an XML-based database.

도 5는 도 2 및 도 3에 도시된 뇌전산화단층 영상 데이터 관리 시스템의 뇌전산화단층 영상 데이터 판독 방법을 설명하기 위한 도면이다. FIG. 5 is a diagram for explaining a computerized tomography image data reading method of the computerized tomography image data management system shown in FIGS. 2 and 3 .

도 3 및 도 5를 참조하면, 뇌졸증 분석기(300)는 XML 기반의 하이퍼텍스트 언어로 변환된 MRI 및 CT 변환 데이터에 포함된 색인, 태그, 마커를 추출하고, 추출된 색인, 태그, 마커를 미리 설정된 판독용 색인. 태그, 마커 등과 비교한다. 3 and 5 , the stroke analyzer 300 extracts indexes, tags, and markers included in MRI and CT converted data converted into XML-based hypertext language, and pre-processes the extracted indexes, tags, and markers. Index for reading set. Compare tags, markers, etc.

뇌졸증 분석기(300)는 추출된 색인, 태그, 마커와 판독용 색인, 태그, 마커의 유사 비율에 따라 재관류 손상 발생 예측 비율 및 혈전용해치료 시행 수치를 각각 검출 및 표시한다. The stroke analyzer 300 detects and displays the predicted rate of reperfusion injury and the execution value of thrombolytic treatment according to the extracted index, tag, index for reading, tag, and similar ratio of the marker, respectively.

뇌졸증 분석기(300)의 시각화 처리부(312)에서는 추출된 XML 기반의 MRI 및 CT 변환 데이터들을 웹 프로그램이나 응용 프로그램 기반의 텍스트 언어로 변환하여 시각화 처리한다. 그리고, 시각화 처리된 그래픽을 웹 프로그램이나 응용 프로그램 화면을 통해 전문가에게 제공한다. 이때, 재관류 손상 발생 예측 비율 및 혈전용해치료 시행 수치를 각각 포함해서 표시한다. The visualization processing unit 312 of the stroke analyzer 300 converts the extracted XML-based MRI and CT converted data into a text language based on a web program or an application program for visualization. Then, the visualized graphic is provided to the expert through a web program or an application screen. At this time, the predicted rate of occurrence of reperfusion injury and the value of thrombolytic treatment are displayed, respectively.

이를 위해, 뇌졸증 분석기(300)의 색인 추출부(313)는 XML 기반 데이터베이스에 저장된 XML 기반의 MRI 및 CT 변환 데이터들을 용도, 파일 형식, 의료 표준화 목록, 출처 및 유효 기간 등의 분석 목록에 따라 분석하여 XML 기반의 MRI 및 CT 변환 데이터들에 대한 색인 및 태그 내용을 추출한다. To this end, the index extraction unit 313 of the stroke analyzer 300 analyzes the XML-based MRI and CT transformation data stored in the XML-based database according to the analysis list such as use, file format, medical standardization list, source and expiration date. to extract index and tag contents for XML-based MRI and CT transformation data.

또한, 뇌졸증 분석기(300)의 표시패널(320)은 XML 기반의 MRI 및 CT 변환 데이터들로부터 혈전이나 손상된 혈관 등에 따른 마커를 분석 및 추출하고, 추출된 마커를 미리 설정된 판독용 마커(혈전이나 손상된 혈관에 대한 크기 및 모양에 대응되는 XML 기반 데이터) 등과 비교한다. 이에, 뇌졸증 분석기(300)는 추출된 마커와 판독용 마커의 유사 비율(1% ~ 100%)에 따라 재관류 손상 발생 예측 비율(1% ~ 100%) 및 혈전용해치료 시행 수치(1p ~ 100p)를 각각 검출 및 표시할 수 있다. In addition, the display panel 320 of the stroke analyzer 300 analyzes and extracts markers according to blood clots or damaged blood vessels from XML-based MRI and CT conversion data, and sets the extracted markers to a preset reading marker (thrombus or damaged blood vessels). XML-based data corresponding to the size and shape of blood vessels), etc. Accordingly, the stroke analyzer 300 predicts the occurrence of reperfusion injury (1% to 100%) and the thrombolytic treatment execution value (1p to 100p) according to the similarity (1% to 100%) of the extracted marker and the marker for reading. can be detected and displayed, respectively.

또한, 뇌졸증 분석기(300)의 마커 추출부(310)는 예외 사항 관리 내역, 각종 보고서 내역, 의료진 추가 설정 목록, 의료진 분석 결과 목록, 의료진 부서 설정 내역, 및 의료진의 보고서 형식 내용 등을 토대로 XML 기반의 MRI 및 CT 변환 데이터들로부터 초기 설정된 색인, 태그, 마커 외에 다른 색인, 태그, 마커를 추가로 추출할 수 있다. In addition, the marker extraction unit 310 of the stroke analyzer 300 is XML-based based on exception management details, various report details, medical staff additional setting list, medical staff analysis result list, medical staff department setting details, and medical staff's report format contents, etc. In addition to the initially set indexes, tags, and markers, other indexes, tags, and markers may be additionally extracted from the MRI and CT conversion data.

이에, 뇌졸증 분석기(300)의 마커 추출부(310)는 추출된 색인 및 태그 내용을 통계적으로 분석해서, 통계적으로 수치가 높은 색인과 태그 및 마커에 대해서는 색인, 태그, 및 마커 목록을 추가로 설정함으로써, 의료진이 통계적으로 수치가 높은 색인과 태그 및 마커가 포함된 MRI 및 CT 변환 데이터들을 확인할 수 있도록 지원한다. Accordingly, the marker extraction unit 310 of the stroke analyzer 300 statistically analyzes the extracted index and tag contents, and additionally sets indexes, tags, and marker lists for indexes, tags, and markers with high statistical values. By doing so, it supports medical staff to check MRI and CT conversion data containing statistically high indexes, tags, and markers.

색인, 태그, 및 마커 목록이 추출 및 설정되면, 뇌졸증 분석기(300)의 마커 추출부(310)는 추가로 설정된 색인, 태그, 및 마커 목록에 따라 XML 기반 데이터베이스의 분류 목록 또한 추가로 설정해서 분류한다. 그리고, 뇌졸증 분석기(300)는 데이터 수집기(100)에서 수집된 정형 및 비정형 데이터들과 EMR 데이터 및 EHR 데이터들에 추가 설정 및 분류된 색인, 태그, 및 마커를 추가로 기입할 수 있다. 이에, XML 기반의 MRI 및 CT 변환 데이터들에 적용되는 색인, 태그, 및 마커 분류 목록은 실시간으로 데이터 저장량에 따라 자동으로 업데이트 될 수 있다. When the index, tag, and marker list are extracted and set, the marker extraction unit 310 of the stroke analyzer 300 additionally sets and classifies the classification list of the XML-based database according to the additionally set index, tag, and marker list. do. In addition, the stroke analyzer 300 may additionally write indexes, tags, and markers that are additionally set and classified in the structured and unstructured data, EMR data, and EHR data collected by the data collector 100 . Accordingly, the index, tag, and marker classification list applied to the XML-based MRI and CT transformation data may be automatically updated in real time according to the amount of data stored.

전술한 바와 같이, DICOM 기반의 프로그램 언어들과 XML 기반의 메타 데이터가 포함된 하이퍼텍스트 언어는 서로 상이한 프로그램 언어이다. 또한, 웹 프로그램이나 응용 프로그램에 적용되는 언어들이 CDW 기반의 프로그램 언어를 포함하기도 한다. As described above, the DICOM-based programming languages and the hypertext language including XML-based metadata are different programming languages. Also, languages applied to web programs or application programs may include CDW-based programming languages.

이에, 뇌졸증 분석기(300)는 웹 프로그램이나 응용 프로그램 화면을 통한 CDW 기반의 사용자 검색 용어를 XML 기반의 하이퍼텍스트 생성 언어로 변환한다. 그리고, 변환된 검색 용어에 대응되는 색인, 태그, 및 마커에 따라 XML 기반 데이터베이스로부터 XML 기반의 MRI 및 CT 변환 데이터들을 추출한다. 추출된 XML 기반의 MRI 및 CT 변환 데이터들은 시각화 지원 프로그램에 의해 시각화 처리된다. Accordingly, the stroke analyzer 300 converts a CDW-based user search term through a web program or an application program screen into an XML-based hypertext generation language. Then, XML-based MRI and CT transformation data are extracted from the XML-based database according to indexes, tags, and markers corresponding to the converted search terms. The extracted XML-based MRI and CT transformation data are visualized by a visualization support program.

뇌졸증 분석기(300)는 XML 기반의 MRI 및 CT 변환 데이터들을 웹 프로그램이나 응용 프로그램 기반의 CDW 텍스트 언어로 컴파일하여 미리 설정된 그래픽 포맷에 따라 시각화 처리한다. 그리고, 시각화 처리된 포맷의 그래픽 정보들을 웹 프로그램이나 응용 프로그램 화면을 통해 의료진에 제공한다. The stroke analyzer 300 compiles XML-based MRI and CT converted data into a web program or application program-based CDW text language, and visualizes it according to a preset graphic format. Then, the graphic information in the visualized format is provided to the medical staff through a web program or an application screen.

이상, 상술한 바에 따르면, 본 발명의 실시예에 따른 뇌전산화단층 영상 데이터 관리 시스템은 DICOM 기반의 다양한 MRI 및 CT 촬영 데이터들 XML 기반의 MRI 및 CT 변환 데이터들로 변환 및 빅데이터화함으로써, 저장 및 관리 용량을 최소화한 형태로 데이터 베이스를 구축할 수 있게 된다. As described above, the computerized brain tomography image data management system according to an embodiment of the present invention converts various DICOM-based MRI and CT imaging data into XML-based MRI and CT transformation data and converts them into big data, thereby storing and The database can be built in a form that minimizes the management capacity.

또한, 본 발명의 뇌전산화단층 영상 데이터 관리 시스템은 XML(Extensible Markup Language) 기반의 뇌전산화단층 영상 데이터 베이스를 구축하여 출혈성 변환을 빠르고 정확하게 예측할 수 있다. In addition, the computerized tomography image data management system of the present invention can quickly and accurately predict the hemorrhagic transformation by constructing an XML (Extensible Markup Language)-based computerized tomography image database.

특히, DICOM(Digital Imaging and Communications in Medicine) 기반의 의료용 디지털 영상 및 통신 데이터들을 XML(Extensible Markup Language) 기반의 데이터들로 변환함으로써, 저장 및 관리 용량을 최소화시켜서 데이터 베이스를 구축할 수 있다. In particular, by converting DICOM (Digital Imaging and Communications in Medicine)-based medical digital image and communication data into XML (Extensible Markup Language)-based data, it is possible to build a database by minimizing storage and management capacity.

또한, XML 기반으로 변환된 영상 데이터에 포함된 출혈성 변환 확인 마커나 색인들이 미리 설정된 XML 마커나 XML 색인 또는 XML 태그 등을 통해 분류, 추출 및 저장 관리될 수 있도록 함으로써, 초급성기 허혈성 뇌졸중환자들에 대한 출혈성 변환을 용이하고 정확하게 예측할 수 있다. In addition, by enabling the hemorrhagic transformation confirmation markers or indexes included in the XML-based converted image data to be classified, extracted, stored and managed through a preset XML marker, XML index, or XML tag, Hemorrhagic transformation can be easily and accurately predicted.

또한, XML 기반 뇌전산화단층 영상 데이터 베이스와 딥 러닝 알고리즘을 이용해서 혈전 용해 치료를 수행한 초급성기 허혈성 뇌졸중환자들에 대한 출혈성 변환을 용이하고 정확하게 예측할 수 있다. In addition, it is possible to easily and accurately predict the hemorrhagic transformation of hyperacute ischemic stroke patients who have undergone thrombolytic treatment using an XML-based computed tomography image database and a deep learning algorithm.

특히, XML 기반 뇌전산화단층 영상 데이터 베이스로부터 미리 설정된 XML 마커나 XML 색인 또는 XML 태그 등을 통해 출혈성 변환 인자들을 분류 및 추출함으로써, 출혈성 변환을 더욱 빠르고 정확하게 확인할 수 있다. In particular, hemorrhagic transformation can be confirmed more quickly and accurately by classifying and extracting hemorrhagic transformation factors through a preset XML marker, XML index, or XML tag from an XML-based computed tomography image database.

본 발명은 도면에 도시된 실시예를 참고로 하여 설명되었으나, 이는 예시적인 것에 불과하며, 당해 기술이 속하는 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 기타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호범위는 아래의 특허청구범위에 의해서 정하여져야 할 것이다. Although the present invention has been described with reference to the embodiment shown in the drawings, this is merely exemplary, and it is understood that various modifications and equivalent other embodiments are possible therefrom by those skilled in the art to which the art pertains. will understand Accordingly, the true technical protection scope of the present invention should be defined by the following claims.

100: 영상 데이터 수집기
121: CT 촬영 데이터 수집기
122: MRI 촬영 데이터 수집기
200: XML 변환 기기
211: 제1 구조 언어 변환기
213: 제2 구조 언어 변환기
300: 뇌졸증 분석기100: image data collector
121: CT scan data collector
122: MRI imaging data collector
200: XML Transformer
211: first structured language converter
213: second structured language converter
300: Stroke Analyzer

Claims (7)

DICOM(Digital Imaging and Communications in Medicine) 기반의 MRI 및 CT 촬영 데이터를 수집하는 영상 데이터 수집기;
상기 영상 데이터 수집기에서 수집된 DICOM 기반의 MRI 및 CT 촬영 데이터들을 XML(Extensible Markup Language) 기반의 하이퍼텍스트 언어로 변환하여 XML 기반 데이터베이스에 저장하는 XML 변환 기기; 및
XML 기반의 하이퍼텍스트 언어로 변환된 MRI 및 CT 변환 데이터를 판독용 데이터와 비교해서 유사 비율을 검출하는 뇌졸증 분석기를 포함하며,
상기 뇌졸증 분석기는
상기 XML 기반의 하이퍼텍스트 언어로 변환된 MRI 및 CT 변환 데이터로부터 혈전이나 손상된 혈관에 따른 색인, 태그, 마커를 추출하고,
상기 혈전이나 손상된 혈관에 따른 색인, 태그, 마커를 미리 설정된 판독용 색인. 태그, 마커 등과 비교하며,
상기 혈전이나 손상된 혈관에 따른 색인, 태그, 마커와 상기 판독용 색인, 태그, 마커의 유사 비율에 따라 재관류 손상 발생 예측 비율을 검출해서 표시하며,
상기 혈전이나 손상된 혈관에 따른 색인, 태그, 마커와 상기 판독용 색인, 태그, 마커의 유사 비율에 따라 혈전용해치료 시행 수치를 검출해서 표시하고,
상기 혈전이나 손상된 혈관에 따른 색인 및 태그 내용에 대한 통계적인 수치에 따라 추가로 색인, 태그, 마커 목록을 설정함으로써, 추가로 색인, 태그, 마커가 포함된 MRI 및 CT 변환 데이터를 확인할 수 있도록 지원하는 뇌전산화단층 영상 데이터 관리 시스템.
an image data collector that collects MRI and CT imaging data based on DICOM (Digital Imaging and Communications in Medicine);
an XML conversion device that converts the DICOM-based MRI and CT scan data collected by the image data collector into an XML (Extensible Markup Language)-based hypertext language and stores it in an XML-based database; and
It includes a stroke analyzer that detects similarity ratios by comparing MRI and CT converted data converted to XML-based hypertext language with data for reading,
The stroke analyzer
extracting indexes, tags, and markers according to blood clots or damaged blood vessels from the MRI and CT converted data converted into the XML-based hypertext language;
Index for reading preset indexes, tags, and markers according to the thrombus or damaged blood vessel. Compare with tags, markers, etc.
Detecting and displaying the predicted rate of occurrence of reperfusion injury according to the similar ratio of the index, tag, and marker according to the thrombus or damaged blood vessel and the index, tag, and marker for reading,
Detecting and displaying the thrombolytic treatment value according to the similar ratio of the index, tag, and marker according to the thrombus or damaged blood vessel and the index, tag, and marker for reading,
By setting additional indexes, tags, and marker lists according to the statistical values of the index and tag contents according to the thrombus or damaged blood vessel, additionally, MRI and CT conversion data containing indexes, tags, and markers can be checked. Brain computerized tomography image data management system.
 제 1 항에 있어서,
상기 영상 데이터 수집기는
서로 연계된 의료 기관 서버, 웹 기반의 사이트나 응용 프로그램, 다른 의료기관들의 홈페이지, DICOM 기반의 데이터 서버, 데이터 베이스 및 다른 의료 기관의 데이터베이스들로부터 DICOM 기반의 MRI 및 CT 촬영 데이터들을 수집하도록 프로그램된 뇌전산화단층 영상 데이터 관리 시스템.
The method of claim 1,
The image data collector
Brain programmed to collect DICOM-based MRI and CT scan data from interconnected medical institution servers, web-based sites or applications, homepages of other medical institutions, DICOM-based data servers, databases, and databases of other medical institutions Computerized tomography image data management system.
 제 2 항에 있어서,
상기 영상 데이터 수집기는
구조화 조회 언어로 작성된 데이터 조작용 명령에 따라 RDBMS(Relational DataBase Management System)으로 구축되어 있는 CDW 기반의 데이터 베이스 서버로부터 DICOM 기반 MRI 및 CT 촬영 데이터들을 수집하는 CT 촬영 데이터 수집기; 및
구조화 조회 언어로 작성된 데이터 조작용 명령에 따라 RDBMS으로 구축되어 있는 CDW 기반의 데이터 베이스 서버로부터 DICOM 기반 MRI 및 MRI 촬영 데이터들을 수집하는 MRI 촬영 데이터 수집기를 포함하는 뇌전산화단층 영상 데이터 관리 시스템.
3. The method of claim 2,
The image data collector
a CT imaging data collector that collects DICOM-based MRI and CT imaging data from a CDW-based database server built with RDBMS (Relational DataBase Management System) according to a data manipulation command written in a structured query language; and
A computerized tomography brain image data management system including an MRI imaging data collector that collects DICOM-based MRI and MRI imaging data from a CDW-based database server built with RDBMS according to a data manipulation command written in a structured query language.
 제 1 항에 있어서,
상기 XML 변환 기기는
상기 DICOM 기반의 MRI 및 CT 촬영 데이터들에 대한 검색 및 정렬이 용이하도록 MRI 및 CT 촬영 데이터 각각에 적어도 하나의 태그를 추가해서, 자체 구비된 상기의 XML 기반 데이터베이스에 저장하는 뇌전산화단층 영상 데이터 관리 시스템.
The method of claim 1,
The XML conversion device is
Computerized tomography brain image data management that is stored in the XML-based database provided by adding at least one tag to each of the MRI and CT imaging data to facilitate searching and sorting of the DICOM-based MRI and CT imaging data system.
 제 1 항에 있어서,
상기 XML 변환 기기는
상기 DICOM 기반의 MRI 및 CT 촬영 데이터에 포함된 의료 용어, 사무 용어, 의료 데이터에 대한 태그를 추출 및 수집하고, 수집된 의료 용어, 사무 용어, 의료 데이터에 대한 태그를 기준으로 자체 구비된 상기의 XML 기반 데이터베이스에 분류해서 저장하는 뇌전산화단층 영상 데이터 관리 시스템.
The method of claim 1,
The XML conversion device is
Extracts and collects tags for medical terms, office terms, and medical data included in the DICOM-based MRI and CT scan data, and provides the above self-equipped tags for the collected medical terms, office terms, and medical data. A computerized tomography brain image data management system that classifies and stores in an XML-based database.
 제 1 항에 있어서,
상기 XML 변환 기기는 초기에 미리 설정되거나 의료 표준 정보 지원부로부터 제공되는 용도, 파일 형식, 의료 표준화 목록, 출처 및 유효 기간 중 적어도 하나의 분류 목록에 따른 태그를 기입해서 자체 구비된 상기의 XML 기반 데이터베이스에 분류해서 저장하는 뇌전산화단층 영상 데이터 관리 시스템.
The method of claim 1,
The XML conversion device writes tags according to at least one classification list among a use, a file format, a medical standardization list, a source, and an expiration date, which is set in advance or provided from the medical standard information support unit, and the XML-based database provided by itself A brain computerized tomography image data management system that classifies and stores in the
 제 1 항에 있어서,
상기 뇌졸증 분석기는 웹 프로그램이나 응용 프로그램 화면을 통한 CDW 기반의 사용자 검색 용어를 XML 기반의 하이퍼텍스트 생성 언어로 변환하고,
변환된 검색 용어에 대응되는 색인, 태그, 및 마커에 따라 상기 XML 기반 데이터베이스로부터 XML 기반의 MRI 및 CT 변환 데이터들을 추출하는 뇌전산화단층 영상 데이터 관리 시스템. The method of claim 1,
The stroke analyzer converts a CDW-based user search term through a web program or application screen into an XML-based hypertext generation language,
A computerized tomography brain image data management system for extracting XML-based MRI and CT transformation data from the XML-based database according to indexes, tags, and markers corresponding to the converted search terms.
KR1020200142795A 2020-04-10 2020-10-30 Brain ct image data management system for prediction of hemorrhagic complication KR102294164B1 (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020200044338 2020-04-10
KR20200044338 2020-04-10

Publications (1)

Publication Number Publication Date
KR102294164B1 true KR102294164B1 (en) 2021-08-31

Family

ID=77489593

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200142795A KR102294164B1 (en) 2020-04-10 2020-10-30 Brain ct image data management system for prediction of hemorrhagic complication

Country Status (1)

Country Link
KR (1) KR102294164B1 (en)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120050379A (en) * 2010-11-10 2012-05-18 삼성전자주식회사 Apparatus and method for analyzing brain disease using magnetic resonance imaging and functional magnetic resonance imaging
KR20160036517A (en) * 2014-09-25 2016-04-04 재단법인 아산사회복지재단 Method for stroke infarction section classification
JP2019021136A (en) * 2017-07-19 2019-02-07 富士フイルム株式会社 Medical information providing apparatus, operation method of medical information providing apparatus, and medical information providing program
KR20200037151A (en) * 2020-03-18 2020-04-08 주식회사 쓰리케이비카스 Database integrated management system of a medical institution based xml

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120050379A (en) * 2010-11-10 2012-05-18 삼성전자주식회사 Apparatus and method for analyzing brain disease using magnetic resonance imaging and functional magnetic resonance imaging
KR20160036517A (en) * 2014-09-25 2016-04-04 재단법인 아산사회복지재단 Method for stroke infarction section classification
JP2019021136A (en) * 2017-07-19 2019-02-07 富士フイルム株式会社 Medical information providing apparatus, operation method of medical information providing apparatus, and medical information providing program
KR20200037151A (en) * 2020-03-18 2020-04-08 주식회사 쓰리케이비카스 Database integrated management system of a medical institution based xml

Similar Documents

Publication Publication Date Title
Fennelly et al. Use of standardized terminologies in clinical practice: A scoping review
CN110109887B (en) Data retrieval method, electronic device, and computer storage medium
CN106415555B (en) Associated system and method for pathologists report and radiological report
JP5663599B2 (en) Medical support system and medical support method
RU2686627C1 (en) Automatic development of a longitudinal indicator-oriented area for viewing patient's parameters
CN110136837B (en) Medical data processing platform
US8600772B2 (en) Systems and methods for interfacing with healthcare organization coding system
KR102358038B1 (en) Database integrated management system of a medical institution based xml
Roque et al. A comparison of several key information visualization systems for secondary use of electronic health record content
CN108962394B (en) Medical data decision support method and system
JP5891305B2 (en) Clinical process analysis system
US20100305969A1 (en) Systems and methods for generating subsets of electronic healthcare-related documents
CN114121295A (en) Construction method of knowledge graph driven liver cancer diagnosis and treatment scheme recommendation system
CN112397159A (en) Automatic clinical test report input method and device, electronic equipment and storage medium
CN110765116A (en) Hospital honesty risk prevention and control system based on commercial intelligent system development
CN103098061A (en) Clinical state timeline
JP4250284B2 (en) Medical remuneration statement analysis system
US11929172B2 (en) Medical examination support apparatus, and operation method and operation program thereof
US10318092B2 (en) Medical records visualization system for displaying related medical records in clusters with marked interrelationships on a time line
JP5017046B2 (en) Variance cause filtering system
KR102294164B1 (en) Brain ct image data management system for prediction of hemorrhagic complication
JP5649027B2 (en) Medical diagnostic report system, program for causing the system to function, and medical diagnostic report creation support method
Noughabi et al. Handbook of research on data science for effective healthcare practice and administration
Yao et al. Exploring health information technology events from FDA MAUDE database
JP5209340B2 (en) Report creation system and report creation device

Legal Events

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