KR102318456B1 - 대뇌혈관 폐색의 형태를 분류하는 장치 - Google Patents

대뇌혈관 폐색의 형태를 분류하는 장치 Download PDF

Info

Publication number
KR102318456B1
KR102318456B1 KR1020210103505A KR20210103505A KR102318456B1 KR 102318456 B1 KR102318456 B1 KR 102318456B1 KR 1020210103505 A KR1020210103505 A KR 1020210103505A KR 20210103505 A KR20210103505 A KR 20210103505A KR 102318456 B1 KR102318456 B1 KR 102318456B1
Authority
KR
South Korea
Prior art keywords
blood vessel
patient
occlusion
cerebral blood
icas
Prior art date
Application number
KR1020210103505A
Other languages
English (en)
Inventor
김도현
송수화
정수민
이진수
이성준
고승연
Original Assignee
주식회사 휴런
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 휴런 filed Critical 주식회사 휴런
Priority to KR1020210103505A priority Critical patent/KR102318456B1/ko
Application granted granted Critical
Publication of KR102318456B1 publication Critical patent/KR102318456B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computerised tomographs
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/0035—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for acquisition of images from more than one imaging mode, e.g. combining MRI and optical tomography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
    • A61B5/0042—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the brain
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/50—Clinical applications
    • A61B6/501—Clinical applications involving diagnosis of head, e.g. neuroimaging, craniography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/50—Clinical applications
    • A61B6/504—Clinical applications involving diagnosis of blood vessels, e.g. by angiography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/50—Clinical applications
    • A61B6/507—Clinical applications involving determination of haemodynamic parameters, e.g. perfusion CT
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/52—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
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A61B6/5235—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from the same or different ionising radiation imaging techniques, e.g. PET and CT
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/56—Details of data transmission or power supply, e.g. use of slip rings
    • 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
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
    • A61B2576/026—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part for the brain
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/5608—Data processing and visualization specially adapted for MR, e.g. for feature analysis and pattern recognition on the basis of measured MR data, segmentation of measured MR data, edge contour detection on the basis of measured MR data, for enhancing measured MR data in terms of signal-to-noise ratio by means of noise filtering or apodization, for enhancing measured MR data in terms of resolution by means for deblurring, windowing, zero filling, or generation of gray-scaled images, colour-coded images or images displaying vectors instead of pixels
    • 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
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • 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]
    • 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
    • G06T2207/30016—Brain
    • 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
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G06T2207/30104—Vascular flow; Blood flow; Perfusion

Landscapes

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

Abstract

본 발명은 의료 영상 기반 허혈성 뇌졸중 검출 및 형태 분류 방법, 장치 및 시스템에 관한 것이다. 본 발명의 일 양상인 의료 영상 기반 허혈성 뇌졸중 검출 및 형태 분류 장치는, 적어도 하나의 환자의 뇌와 관련된 영상을 수집하는 획득부; 상기 수집된 영상을 기초로, 상기 적어도 하나의 환자가 대뇌혈관 폐색(Large Vessel Occlusion) 환자인지 여부를 판단하는 검출부; 상기 적어도 하나의 환자가 대뇌혈관 폐색 환자인 경우, 상기 대뇌혈관 폐색의 형태가 Embolism(색전증)인지 아니면 ICAS(Intracranial Atherosclerosis, 뇌 죽상 동맥경화증)인지 여부를 판단하는 판단부; 및 상기 판단된 대뇌혈관 폐색의 형태에 따라 다르게 적용되는 치료 방향 정보를 제공하는 진단부;를 포함하고, 상기 ICAS의 경우, 동맥경화가 진행됨에 따라 혈관 내의 혈류량이 감소하게 되고, 상기 감소한 혈류량을 보완하기 위해, 상기 동맥경화가 진행되는 혈관 주변의 측부 순환이 발달하며, 상기 판단부는, 상기 측부 순환이 발달한 제 1 이벤트가 관찰되는 경우, 상기 대뇌혈관 폐색의 형태를 ICAS로 판단할 수 있다.

Description

대뇌혈관 폐색의 형태를 분류하는 장치 {Device that classifies the form of cerebral vascular occlusion}
본 발명은 대뇌혈관 폐색의 형태를 분류하는 방법, 장치 및 시스템에 관한 것이다. 더욱 상세하게는, 본 발명은 대뇌혈관 폐색(Large vessel occlusion)에 의한 허혈성 뇌졸중 의심 환자를 대상으로 획득한 의료 영상 및 환자 정보를 기반으로, 폐색이 발생한 대뇌혈관의 위치를 검출하고, 발생한 대뇌혈관 폐색의 형태를 분류함으로써, 의료인이 환자에게 적합한 치료 방향을 결정하는 것을 지원하는 정보를 산출 및 제공하는 방법, 장치 및 시스템에 관한 것이다.
뇌 질환, 즉 뇌혈관 질환은 뇌혈관이 터지는 뇌출혈, 뇌혈관이 혈전 등에 의해 막히는 뇌경색, 뇌혈관이 비정상적으로 부풀어 오르는 뇌동맥류 등이 있고, 뇌출혈과 뇌경색을 아울러서 '뇌졸중'이라 한다.
이와 같은 뇌 질환을 진단하기 위해, 초음파진단, 뇌 CT, 뇌 MRI (Magnetic Resonance Imaging)와 같은 비침습적 기법들이 이용되고 있다.
상기 초음파진단 방법은 경동맥 초음파진단으로 경동맥의 죽상 동맥경화증성 병변을 비침습적으로 쉽게 진단 가능하다. 또한, 경두개 도플러 검사 (transcranial Doppler)로 두개강 내의 뇌혈류를 측정하여 임상에 응용한다.
상기 뇌 CT를 이용하는 진단 방법은 출혈성 질환 진단에 좋으며 최근에 발달된 기술로 뇌 혈류상태, 뇌혈관 촬영을 하여 뇌졸중 환자 치료(특히, 허혈성 환자 치료)에 큰 도움이 된다.
상기 뇌 MRI를 이용하는 진단 방법은 뇌 CT에 비하여 두개골에 의한 인공음영 영향이 없어서 뇌간, 소뇌, 측두엽 부위의 병소를 소상히 진단할 수 있고, 뇌경색의 조기 발견, 뇌관류 상태의 미세진단이 가능하며 아울러 뇌혈관 상태를 면밀하게 진단 가능함에 따라, 뇌조직의 상태를 진단하는 데 가장 좋은 방법이라고 할 수 있다.
특히, 뇌졸중(Stroke)은 뇌에 혈액을 공급하는 혈관이 막히거나 파열되어 뇌 손상이 오고, 이에 따른 신체장애를 발생시키는 질환으로서, 전세계적으로 가장 중요한 사망 원인이며, 사망에 이르지 않더라도 영구적 장애를 일으키는 고위험성 질환으로 분류된다.
종래에 뇌졸중은 주로 노인 질환으로 인식되었으나, 최근에는 30, 40대에서도 뇌졸중이 흔히 발병함에 따라, 노년뿐만 아니라, 청장년에게도 광범위하게 발생하는 매우 위험한 질환으로 인식되고 있다.
이러한 뇌졸중은 뇌에 혈액을 공급하는 혈관이 막혀서 발생하는 '허혈성 뇌졸중 (ischemic stroke)'과 뇌로 가는 혈관이 터지면서 출혈이 발생하는 '출혈성 뇌졸중 (cerebral hemorrhage)'의 2가지 형태로 구분될 수 있다.
상기 허혈성 뇌졸중은 전체 뇌졸중의 약 80%를 차지하고, 허혈성 뇌졸중의 대부분은 응고된 혈액 덩어리인 혈전(thrombosis)이 뇌에 산소와 영양분을 공급하는 혈관을 막아서 발생한다.
이러한 허혈성 뇌졸중에서 대뇌혈관 폐색의 형태를 분류하면, 색전증(Embolism, 이하, Embolism라고 호칭함)과 뇌 죽상 동맥경화증(Intracranial Atherosclerosis, ICAS, 이하, ICAS라고 호칭함)으로 나뉠 수 있다.
먼저, Embolism은 혈류를 타고 운반되어 온 여러 부유물이 가는 혈관강의 일부 또는 전부를 막은 상태를 말하고, Embolism의 원인이 된 물체를 색전(embolus)이라 하며, 색전 중 가장 많은 것은 심장 내에서 만들어진 혈전이다.
다음으로, ICAS는 혈관의 가장 안쪽 막(내피)에 콜레스테롤 침착이 일어나고 혈관 내피세포의 증식이 일어나 혈관이 좁아지거나 막히게 되어 그 혈관이 말초로의 혈류 장애를 일으키는 질환을 말한다.
즉, Embolism은 대표적으로 혈전 등에 의해 혈관의 적어도 일부가 막혀 혈류 장애를 일으키는 질환을 말하고, ICAS는 동맥경화에 의해 혈관이 좁아지고, 제자리 혈전증이 발생하여 혈류 장애를 일으키는 질환을 말한다.
현재는, 환자에 발생된 대뇌혈관 폐색의 형태가 Embolism인지 ICAS인지를 구분하지 않고, 1차적으로 폐색이 발생된 시간을 기준으로 3시간 내지 4시간 반 이내에 혈액 응고에 의하여 형성된 덩어리를 녹이는 약물 처리제인 혈전 용해제를 이용한 치료를 시도하거나 24 시간 이내에 혈전 제거술에 의한 치료가 승인되어 있다.
그러나 ICAS의 경우, 혈전 용해제를 이용한 치료를 하게 되면, 몸 속에서 혈소판이 더 응집되어 24시간 동안 항혈소판제제를 이용한 치료가 어려워져 1차적으로 진행된 혈전 용해 치료가 오히려 상태를 악화시킬 수 있다는 등의 문제가 발생한다.
또한, Embolism의 경우에는 혈전 제거술 등을 통해 혈전을 제거하면 문제를 해결할 수 있는 반면, ICAS의 경우에는 혈전을 제거한 이후에도 동맥경화에 의한 협착이 남아있기 때문에 후속적인 조치가 필요한데, 의료인이 수술 전에 두 종류의 형태가 동일하여 대뇌혈관 폐색의 형태를 미리 파악하는 것이 어렵고, 시술을 진행한 이후에 해당 상황 및 후속적 조치가 필요하다는 것을 파악할 수 있다는 등의 문제점도 존재하였다.
따라서, 상기 종래의 문제점들을 해소하기 위해, 대뇌혈관 폐색에 의한 허혈성 뇌졸중 의심 환자를 대상으로, 폐색이 발생한 대뇌혈관의 위치를 검출하고, 발생한 대뇌혈관 폐색의 형태를 분류함으로써, 의료인이 분류된 폐색의 형태에 매칭된 적합한 치료 방향을 결정하는 것을 지원하는 방법, 장치 및 시스템에 대한 개발이 요구되고 있는 실정이다.
대한민국 특허 등록번호 10-1992057호(2019년 6월 24일 공고) 대한민국 특허 등록번호 10-1754291호(2017년 7월 6일 공고)
본 발명은 전술한 종래의 문제점을 해소하기 위해, 대뇌혈관 폐색의 형태를 분류하는 방법, 장치 및 시스템을 제안하고자 한다.
구체적으로 본 발명은, 대뇌혈관 폐색(Large vessel occlusion)에 의한 허혈성 뇌졸중 의심 환자를 대상으로 획득한 의료 영상 및 환자 정보를 기반으로, 폐색이 발생한 대뇌혈관의 위치를 검출하고, 발생한 대뇌혈관 폐색의 원인을 분류함으로써, 의료인이 환자에게 적합한 치료 방향을 결정하는 것을 지원하는 정보를 산출 및 제공하는 방법, 장치 및 시스템을 제공하고자 한다.
또한, 본 발명은 폐색이 발생한 대뇌혈관의 위치 주변에 측부 순환 형성에 따른 효과가 의료 영상 내에 존재하는지를 판단함으로써, 발생한 대뇌혈관 폐색의 형태를 분류할 수 있는 방법, 장치 및 시스템을 제공하고자 한다.
또한, 본 발명은, 폐색이 발생한 대뇌혈관의 위치가 후 순환(Posterior circulation, PC)에 해당하는 경우, 폐색 혈관의 분지부가 막혀 있는지 아니면 열려 있는지를 구분하여 해당 부위가 BSO(Branching site occlusion) 인지 아니면 TTO(Truncal type occlusion)인지를 구분함으로써, 발생한 대뇌혈관 폐색의 형태를 분류할 수 있는 방법, 장치 및 시스템을 제공하고자 한다.
또한, 본 발명은, 폐색이 발생한 대뇌혈관의 위치가 전 순환(Anterior circulation, AC)에 해당하는 경우, 해당 부위가 BSO(Branching site occlusion) / TTO(Truncal type occlusion) 정보, 측부순환 형성 정보 및 환자의 신체 정보를 함께 이용함으로써, 발생한 대뇌혈관 폐색의 형태를 분류할 수 있는 방법, 장치 및 시스템을 제공하고자 한다.
또한, 본 발명은, 발생한 대뇌혈관 폐색의 형태가 Embolism인 경우와 ICAS인 경우를 나누어, 의료인이 수술 전에 대뇌혈관 폐색의 형태를 미리 파악하고, 환자에게 적합한 치료 방향을 결정하는 것을 지원하는 방법, 장치 및 시스템을 제공하고자 한다.
한편, 본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
상기의 기술적 과제를 달성하기 위한 본 발명의 일 양상인 의료 영상 기반 허혈성 뇌졸중 검출 및 형태 분류 장치는, 적어도 하나의 환자의 뇌와 관련된 영상을 수집하는 획득부; 상기 수집된 영상을 기초로, 상기 적어도 하나의 환자가 대뇌혈관 폐색(Large Vessel Occlusion) 환자인지 여부를 판단하는 검출부; 상기 적어도 하나의 환자가 대뇌혈관 폐색 환자인 경우, 상기 대뇌혈관 폐색의 형태가 Embolism(색전증)인지 아니면 ICAS(Intracranial Atherosclerosis, 뇌 죽상 동맥경화증)인지 여부를 판단하는 판단부; 및 상기 판단된 대뇌혈관 폐색의 형태에 따라 다르게 적용되는 치료 방향 정보를 제공하는 진단부;를 포함할 수 있다.
또한, 상기 획득부는, 상기 적어도 하나의 환자의 뇌와 관련된 혈관조영(Angiography) 영상을 수집하고, 상기 검출부는, 상기 혈관조영(Angiography) 영상의 복셀(voxel) 정보를 이용하여 상기 적어도 하나의 환자가 대뇌혈관 폐색 환자인지 여부를 판단할 수 있다.
또한, 상기 검출부는, 상기 혈관조영(Angiography) 영상 내에서 상기 적어도 하나의 환자의 연속적인 슬라이스(Serial slice)를 고려하기 위한 Recurrent Neural Network(RNN) 층(layer) 및 상기 혈관조영(Angiography) 영상 내에서 특징(feature)을 추출하기 위한 Convolutional neural network (CNN) 층을 합성한 형태의 인공지능 모델 아키텍쳐를 이용하여, 상기 적어도 하나의 환자가 대뇌혈관 폐색 환자인지 여부를 판단할 수 있다.
또한, 상기 ICAS의 경우, 동맥경화가 진행됨에 따라 혈관 내의 혈류량이 감소하게 되고, 상기 감소한 혈류량을 보완하기 위해, 상기 동맥경화가 진행되는 혈관 주변의 측부 순환이 발달하고, 상기 판단부는, 상기 측부 순환이 발달한 제 1 이벤트가 관찰되는 경우, 상기 대뇌혈관 폐색의 형태를 ICAS로 판단할 수 있다.
또한, 상기 획득부는, 상기 적어도 하나의 환자의 뇌와 관련된 관류(Perfusion) 영상 및 확산(diffusion image) 영상을 수집하고, 상기 판단부는, 상기 관류(Perfusion) 영상 및 확산(diffusion image) 영상 중 적어도 하나를 이용하여 상기 제 1 이벤트의 관찰 여부를 결정할 수 있다.
또한, 상기 관류(perfusion) 영상 내에서, infarct core volume과 주변 cortex 영역 volume 간의 차이가 미리 지정된 수치 이상인 제 1 조건 및 상기 확산(diffusion image) 영상 내에서, infarct의 형태가 scattered pattern 또는 border zone infarct 형태로 나타나는 제 2 조건 중 적어도 하나가 만족되는 경우, 상기 판단부는, 상기 제 1 이벤트가 관찰된 것으로 판단하고, 상기 대뇌혈관 폐색의 형태를 ICAS로 판단할 수 있다.
또한, 상기 관류(perfusion) 영상 내에서, cerebral blood volume(CBV)의 감소 형태가 나타나는 제 1 조건 및 상기 확산(diffusion image) 영상 내에서, infarct의 형태가 Territorial infarct pattern 형태로 나타나는 제 2 조건 중 적어도 하나가 만족되는 경우, 상기 판단부는, 상기 제 1 이벤트가 관찰되지 않는 것으로 판단하고, 상기 대뇌혈관 폐색의 형태를 Embolism으로 판단할 수 있다.
또한, 상기 판단부는, 상기 적어도 하나의 환자가 대뇌혈관 폐색 환자인 경우, 상기 대뇌혈관 폐색의 위치가 후 순환(Posterior circulation, PC)에 해당하는지 아니면 전 순환(Anterior circulation, AC)에 해당하는지 여부를 판단하고, 상기 대뇌혈관 폐색의 종류가 BSO(Branching-site occlusion, 분기 사이트 폐색) 인지 아니면 TTO(Truncal-type occlusion, 트런컬 타입 폐색) 인지를 판단하며, 상기 후 순환(PC) 또는 전 순환(AC)의 제 1 판단과 상기 BSO 또는 TTO의 제 2 판단을 기초로, 상기 대뇌혈관 폐색의 형태를 판단할 수 있다.
또한, 상기 대뇌혈관 폐색의 위치가 후 순환(PC) 내에 위치하는 경우, 상기 판단부는, 상기 대뇌혈관 폐색의 종류가 상기 BSO이면, 상기 대뇌혈관 폐색이 상기 Embolism인 것으로 판단하고, 상기 대뇌혈관 폐색의 종류가 상기 TTO이면, 상기 대뇌혈관 폐색이 상기 ICAS인 것으로 판단할 수 있다.
또한, 상기 대뇌혈관 폐색의 위치가 전 순환(AC) 내에 위치하는 경우, 상기 획득부는, 적어도 하나의 환자와 관련된 신체 정보를 추가로 수집하고, 상기 ICAS의 경우, 동맥경화가 진행됨에 따라 혈관 내의 혈류량이 감소하게 되고, 상기 감소한 혈류량을 보완하기 위해, 상기 동맥경화가 진행되는 혈관 주변의 측부 순환이 발달하고, 상기 판단부는, 상기 측부 순환이 발달한 제 1 이벤트가 관찰되는지 판단하며, 상기 판단부는, 상기 신체 정보, 상기 제 1 이벤트가 관찰되는지 여부에 대한 정보 및 상기 대뇌혈관 폐색의 종류가 상기 BSO 또는 상기 TTO인 정보를 함께 이용하여, 상기 상기 대뇌혈관 폐색의 형태를 판단할 수 있다.
또한, 상기 판단된 대뇌혈관 폐색의 형태가 상기 ICAS인 경우, 상기 진단부는, 1차적으로, 혈관성형술을 이용한 치료 및/또는 항혈소판 제제를 이용한 치료 방향 정보를 제공할 수 있다.
또한, 상기 적어도 하나의 환자에 추가적 치료가 필요한 경우, 상기 진단부는, 2차적으로, 혈전용해제를 이용한 치료, 혈전 제거술을 이용한 치료, 상기 항혈소판 제제 이외의 약물을 이용한 치료, 스텐트를 이용한 치료, 풍선 삽입을 이용한 치료 및/또는 Counterpulsation(역박동) 치료 방향 정보 중 적어도 하나를 제공할 수 있다.
또한, 상기 적어도 하나의 환자에 상기 혈전 제거술을 이용한 치료가 적용되는 경우, 미리 지정된 시간이 경과하면, 상기 혈전 제거술을 이용한 치료를 중단하도록 제안하는 정보를 제공할 수 있다.
또한, 상기 판단된 대뇌혈관 폐색의 형태가 상기 Embolism인 경우, 상기 진단부는, 상기 적어도 하나의 환자가 경증 환자인지 중증 환자인지 판단하고, 상기 경증 환자인 경우에는, 혈전용해제를 이용한 치료 방향 정보를 제공하고, 상기 중증 환자인 경우에는, 혈전 제거술을 이용한 치료 방향 정보를 제공할 수 있다.
또한, 상기 진단부가 제공하는 치료 방향 정보를 미리 지정된 기관으로 유선 및/또는 무선 통신을 기초로 전송하는 통신부;를 더 포함할 수 있다.
한편, 상기의 기술적 과제를 달성하기 위한 본 발명의 다른 일 양상인 의료 영상 기반 허혈성 뇌졸중 검출 및 형태 분류 방법은, 획득부가 적어도 하나의 환자의 뇌와 관련된 영상을 수집하는 제 1 단계; 검출부가 상기 수집된 영상을 기초로, 상기 적어도 하나의 환자가 대뇌혈관 폐색(Large Vessel Occlusion) 환자인지 여부를 판단하는 제 2 단계; 판단부가 상기 적어도 하나의 환자가 대뇌혈관 폐색 환자인 경우, 상기 대뇌혈관 폐색의 형태가 Embolism(색전증)인지 아니면 ICAS(Intracranial Atherosclerosis, 뇌 죽상 동맥경화증)인지 여부를 판단하는 제 3 단계; 및 진단부가 상기 판단된 대뇌혈관 폐색의 형태에 따라 다르게 적용되는 치료 방향 정보를 제공하는 제 4 단계;를 포함할 수 있다.
또한, 상기 제 1 단계에서, 상기 획득부는, 상기 적어도 하나의 환자의 뇌와 관련된 혈관조영(Angiography) 영상을 수집하고, 상기 제 2 단계에서, 상기 검출부는, 상기 혈관조영(Angiography) 영상의 복셀(voxel) 정보를 이용하여 상기 적어도 하나의 환자가 대뇌혈관 폐색 환자인지 여부를 판단할 수 있다.
또한, 상기 제 2 단계에서, 상기 검출부는, 상기 혈관조영(Angiography) 영상 내에서 상기 적어도 하나의 환자의 연속적인 슬라이스(Serial slice)를 고려하기 위한 Recurrent Neural Network(RNN) 층(layer) 및 상기 혈관조영(Angiography) 영상 내에서 특징(feature)을 추출하기 위한 Convolutional neural network (CNN) 층을 합성한 형태의 인공지능 모델 아키텍쳐를 이용하여, 상기 적어도 하나의 환자가 대뇌혈관 폐색 환자인지 여부를 판단할 수 있다.
또한, 상기 ICAS의 경우, 동맥경화가 진행됨에 따라 혈관 내의 혈류량이 감소하게 되고, 상기 감소한 혈류량을 보완하기 위해, 상기 동맥경화가 진행되는 혈관 주변의 측부 순환이 발달하고, 상기 제 3 단계에서, 상기 판단부는, 상기 측부 순환이 발달한 제 1 이벤트가 관찰되는 경우, 상기 대뇌혈관 폐색의 형태를 ICAS로 판단할 수 있다.
또한, 상기 제 1 단계에서, 상기 획득부는, 상기 적어도 하나의 환자의 뇌와 관련된 관류(Perfusion) 영상 및 확산(diffusion image) 영상을 수집하고, 상기 제 3 단계에서, 상기 판단부는, 상기 관류(Perfusion) 영상 및 확산(diffusion image) 영상 중 적어도 하나를 이용하여 상기 제 1 이벤트의 관찰 여부를 결정할 수 있다.
또한, 상기 관류(perfusion) 영상 내에서, infarct core volume과 주변 cortex 영역 volume 간의 차이가 미리 지정된 수치 이상인 제 1 조건 및 상기 확산(diffusion image) 영상 내에서, infarct의 형태가 scattered pattern 또는 border zone infarct 형태로 나타나는 제 2 조건 중 적어도 하나가 만족되는 경우, 상기 제 3 단계에서, 상기 판단부는, 상기 제 1 이벤트가 관찰된 것으로 판단하고, 상기 대뇌혈관 폐색의 형태를 ICAS로 판단할 수 있다.
또한, 상기 관류(perfusion) 영상 내에서, cerebral blood volume(CBV)의 감소 형태가 나타나는 제 1 조건 및 상기 확산(diffusion image) 영상 내에서, infarct의 형태가 Territorial infarct pattern 형태로 나타나는 제 2 조건 중 적어도 하나가 만족되는 경우, 상기 제 3 단계에서, 상기 판단부는, 상기 제 1 이벤트가 관찰되지 않는 것으로 판단하고, 상기 대뇌혈관 폐색의 형태를 Embolism으로 판단할 수 있다.
또한, 상기 제 3 단계는, 상기 판단부가 상기 적어도 하나의 환자가 대뇌혈관 폐색 환자인 경우, 상기 대뇌혈관 폐색의 위치가 후 순환(Posterior circulation, PC)에 해당하는지 아니면 전 순환(Anterior circulation, AC)에 해당하는지 여부를 판단하는 제 3-1 단계; 상기 판단부가 상기 대뇌혈관 폐색의 종류가 BSO(Branching-site occlusion, 분기 사이트 폐색) 인지 아니면 TTO(Truncal-type occlusion, 트런컬 타입 폐색) 인지를 판단하는 제 3-2 단계; 및 상기 판단부가 상기 후 순환(PC) 또는 전 순환(AC)의 제 1 판단과 상기 BSO 또는 TTO의 제 2 판단을 기초로, 상기 대뇌혈관 폐색의 형태를 판단하는 제 3-3 단계;를 포함할 수 있다.
또한, 상기 대뇌혈관 폐색의 위치가 후 순환(PC) 내에 위치하는 경우, 상기 제 3-3 단계에서, 상기 판단부는, 상기 대뇌혈관 폐색의 종류가 상기 BSO이면, 상기 대뇌혈관 폐색이 상기 Embolism인 것으로 판단하고, 상기 대뇌혈관 폐색의 종류가 상기 TTO이면, 상기 대뇌혈관 폐색이 상기 ICAS인 것으로 판단할 수 있다.
또한, 상기 대뇌혈관 폐색의 위치가 전 순환(AC) 내에 위치하는 경우, 상기 제 1 단계에서, 상기 획득부는, 적어도 하나의 환자와 관련된 신체 정보를 추가로 수집하고, 상기 ICAS의 경우, 동맥경화가 진행됨에 따라 혈관 내의 혈류량이 감소하게 되고, 상기 감소한 혈류량을 보완하기 위해, 상기 동맥경화가 진행되는 혈관 주변의 측부 순환이 발달하고, 상기 제 3-2 단계에서, 상기 판단부는, 상기 측부 순환이 발달한 제 1 이벤트가 관찰되는지 판단하며, 제 3-3 단계에서, 상기 판단부는, 상기 신체 정보, 상기 제 1 이벤트가 관찰되는지 여부에 대한 정보 및 상기 대뇌혈관 폐색의 종류가 상기 BSO 또는 상기 TTO 인 정보를 함께 이용하여, 상기 상기 대뇌혈관 폐색의 형태를 판단할 수 있다.
또한, 상기 판단된 대뇌혈관 폐색의 형태가 상기 ICAS인 경우, 상기 제 4 단계는, 상기 진단부가 1차적으로 혈관성형술을 이용한 치료 및/또는 항혈소판 제제를 이용한 치료 방향 정보를 제공하는 제 4-1 단계; 및 상기 적어도 하나의 환자에 추가적 치료가 필요한 경우, 상기 진단부가 2차적으로, 혈전용해제를 이용한 치료, 혈전 제거술을 이용한 치료, 상기 항혈소판 제제 이외의 약물을 이용한 치료, 스텐트를 이용한 치료, 풍선 삽입을 이용한 치료 및/또는 Counterpulsation(역박동) 치료 방향 정보 중 적어도 하나를 제공하는 제 4-2 단계;를 포함할 수 있다.
또한, 상기 제 4-2 단계에서, 상기 적어도 하나의 환자에 상기 혈전 제거술을 이용한 치료가 적용되는 경우, 미리 지정된 시간이 경과하면, 상기 혈전 제거술을 이용한 치료를 중단하도록 제안하는 정보를 제공하는 제 4-3 단계;를 더 포함할 수 있다.
또한, 상기 판단된 대뇌혈관 폐색의 형태가 상기 Embolism인 경우, 상기 제 4 단계는, 상기 진단부가 상기 적어도 하나의 환자가 경증 환자인지 중증 환자인지 판단하는 제 4-1 단계; 및 상기 진단부가 상기 경증 환자인 경우에는, 혈전용해제를 이용한 치료 방향 정보를 제공하고, 상기 중증 환자인 경우에는, 혈전 제거술을 이용한 치료 방향 정보를 제공하는 제 4-2 단계;를 포함할 수 있다.
또한, 상기 제 4 단계 이후, 통신부가 상기 진단부가 제공하는 치료 방향 정보를 미리 지정된 기관으로 유선 및/또는 무선 통신을 기초로 전송하는 제 5 단계;를 더 포함할 수 있다.
본 발명은 의료 영상 기반 허혈성 뇌졸중 검출 및 형태 분류 방법, 장치 및 시스템을 제공함으로써, 전술한 종래의 문제점들을 해소할 수 있다.
구체적으로 본 발명은, 대뇌혈관 폐색(Large vessel occlusion)에 의한 허혈성 뇌졸중 의심 환자를 대상으로 획득한 의료 영상 및 환자 정보를 기반으로, 폐색이 발생한 대뇌혈관의 위치를 검출하고, 발생한 대뇌혈관 폐색의 형태를 분류함으로써, 의료인이 환자에게 적합한 치료 방향을 결정하는 것을 지원하는 정보를 산출 및 제공하는 방법, 장치 및 시스템을 제공할 수 있다.
또한, 본 발명은 폐색이 발생한 대뇌혈관의 위치 주변에 측부 순환 형성에 따른 효과가 의료 영상 내에 존재하는지를 판단함으로써, 발생한 대뇌혈관 폐색의 형태를 분류할 수 있는 방법, 장치 및 시스템을 제공할 수 있다.
또한, 본 발명은, 폐색이 발생한 대뇌혈관의 위치가 후 순환(Posterior circulation, PC)에 해당하는 경우, 해당 부위가 BSO(Branching site occlusion) 인지 아니면 TTO(Truncal type occlusion)인지를 구분함으로써, 발생한 대뇌혈관 폐색의 형태를 분류할 수 있는 방법, 장치 및 시스템을 제공할 수 있다.
또한, 본 발명은, 폐색이 발생한 대뇌혈관의 위치가 전 순환(Anterior circulation, AC)에 해당하는 경우, 해당 부위가 BSO(Branching site occlusion) / TTO(Truncal type occlusion) 정보, 측부순환 형성 정보 및 환자의 신체 정보를 함께 이용함으로써, 발생한 대뇌혈관 폐색의 형태를 분류할 수 있는 방법, 장치 및 시스템을 제공할 수 있다.
또한, 본 발명은, 발생한 대뇌혈관 폐색의 형태가 Embolism인 경우와 ICAS인 경우를 나누어, 의료인이 수술 전에 대뇌혈관 폐색의 형태를 미리 파악하고, 환자에게 적합한 치료 방향을 결정하는 것을 지원하는 방법, 장치 및 시스템을 제공할 수 있다.
한편, 본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명과 관련하여, 의료 영상 기반 허혈성 뇌졸중 검출 및 형태 분류 장치의 블록구성도의 일례를 도시한 것이다.
도 2는 도 1에서 설명한 의료 영상 기반 허혈성 뇌졸중 검출 및 형태 분류 장치의 구체적인 구성까지 포함한 블록구성도의 일례를 도시한 것이다.
도 3은 본 발명이 제안하는 의료 영상 기반 허혈성 뇌졸중 검출 및 형태 분류 방법의 전체 과정을 설명하는 순서도의 일례를 도시한 것이다.
도 4는 대뇌혈관 폐색의 형태를 Embolism 또는 ICAS로 분류할 수 있는 과정과 관련하여, 측부 순환 형성에 따른 효과가 영상 내에 존재하는지 여부를 이용하는 방법의 순서도를 도시한 것이다.
도 5는 도 4과 관련하여, 폐색이 발생한 대뇌혈관의 위치 주변에 측부 순환 형성에 따른 효과가 의료 영상 내에 존재하여 ICAS로 분류하는 과정을 설명하는 순서도이다.
도 6은 도 4과 관련하여, 폐색이 발생한 대뇌혈관의 위치 주변에 측부 순환 형성에 따른 효과가 의료 영상 내에 존재하지 않아 Embolism으로 분류하는 과정을 설명하는 순서도이다.
도 7은 폐색이 발생한 대뇌혈관의 위치가 PC에 해당하는 경우, 해당 부위가 BSO 인지 아니면 TTO인지를 구분함으로써, 발생한 대뇌혈관 폐색의 형태를 분류하는 방법을 설명하는 순서도이다.
도 8은 폐색이 발생한 대뇌혈관의 위치가 AC에 해당하는 경우, BSO/TTO 정보, 측부순환 형성 정보 및 환자의 신체 정보를 함께 이용함으로써, 발생한 대뇌혈관 폐색의 형태를 분류하는 방법을 설명하는 순서도이다.
이하, 도면을 참조하여 본 발명의 바람직한 일 실시례에 대해서 설명한다. 또한, 이하에 설명하는 실시례는 특허청구범위에 기재된 본 발명의 내용을 부당하게 한정하지 않으며, 본 실시 형태에서 설명되는 구성 전체가 본 발명의 해결 수단으로서 필수적이라고는 할 수 없다.
이하 본 발명의 바람직한 실시 예에 따른 의료 영상 기반 허혈성 뇌졸중 검출 및 형태 분류 방법, 장치 및 시스템을 첨부된 도면을 참조하여 상세하게 설명한다.
의료 영상 기반 허혈성 뇌졸중 검출 및 형태 분류 장치
도 1은 본 발명과 관련하여, 의료 영상 기반 허혈성 뇌졸중 검출 및 형태 분류 장치의 블록구성도의 일례를 도시한 것이다.
본 발명에 따른 의료 영상 기반 허혈성 뇌졸중 검출 및 형태 분류 장치(1)는 획득부(10), 검출부(20), 판단부(30) 및 진단부(40)를 포함할 수 있다.
먼저, 획득부(10)는 진단하고자 하는 대상의 뇌를 촬영해서 의료 영상을 획득하는 장치이다.
또한, 본 발명에 따른 획득부(10)는 환자와 관련된 신체 정보를 획득할 수도 있다.
먼저, 획득부(10)는 뇌 CT, MRI 등 다양한 의료 영상을 촬영하는 촬영장비로부터 영상을 획득할 수 있다. 획득부(10)가 수집하는 영상은, 조영 증강 컴퓨터 단층 촬영 영상(Contrast-enhanced computed tomography, CECT), Magnetic Resonance Image(MRI) 등을 포함할 수 있다.
구체적으로, 획득부(10)는, 환자와 관련된 DICOM 정보, 혈관조영(Angiography) 이미지 정보, 관류 이미지(Perfusion image) 정보, 확산 이미지(diffusion image) 정보 등을 수집할 수 있다.
나아가 본 발명에 따른 획득부(10)는 성별, 나이 등의 정보, 혈압 정보, 발병 시간 정보 등 환자와 관련된 신체 정보를 획득하는 것도 가능하다.
다음으로, 검출부(20)는 획득부(10)가 수집한 영상 정보를 기반으로, 영상 처리를 수행하고, 환자 뇌에 허혈 (Ischemia)이 존재하는지 여부를 판단하며, 허혈 (Ischemia)이 존재하는 경우, 대뇌혈관 폐색 (Large Vessel Occlusion) 환자인지 여부를 판별하게 된다.
검출부(20)는, 대뇌혈관 폐색 (Large Vessel Occlusion) 환자인지 여부를 판별함에 있어, 획득부(10)가 수집한 뇌(Brain) angiography 영상 데이터의 voxel 정보를 사용할 수 있다.
또한, 검출부(20)는, 2D 또는 3D angiography 영상에서, 대뇌혈관 폐색 (Large Vessel Occlusion, LVO) 영역을 검출하기 위한 인공지능 모델 아키텍쳐를 이용할 수도 있다.
다음으로, 판단부(30)는, 대뇌혈관 폐색 (Large Vessel Occlusion, LVO) 영역이 검출된 경우, 해당 대뇌혈관 폐색이 Embolism인지 ICAS인지 여부를 판단한다.
이때, 판단부(30)는, Embolism인지 ICAS인지 여부를 판단함에 있어, 측부 순환 형성에 따른 효과가 영상 내에 존재하는지 여부를 이용할 수 있다.
또한, 판단부(30)는 폐색이 발생한 대뇌혈관의 위치가 후 순환(Posterior circulation, PC)에 해당하는 경우, 해당 부위가 BSO(Branching site occlusion) 인지 아니면 TTO(Truncal type occlusion)인지를 구분함으로써, 발생한 대뇌혈관 폐색의 형태를 분류할 수도 있다.
또한, 판단부는(30)는 폐색이 발생한 대뇌혈관의 위치가 전 순환(Anterior circulation, AC)에 해당하는 경우, BSO/TTO 정보, 측부순환 형성 정보 및 환자의 신체 정보를 함께 이용함으로써, 발생한 대뇌혈관 폐색의 형태를 분류할 수도 있다.
다음으로, 진단부(40)는, 발생한 대뇌혈관 폐색의 형태가 Embolism인 경우와 ICAS인 경우인 경우를 나누어, 의료인이 환자에게 적합한 치료 방향을 결정하는 것을 지원하는 정보를 제공할 수 있다.
도 2는 도 1에서 설명한 의료 영상 기반 허혈성 뇌졸중 검출 및 형태 분류 장치의 구체적인 구성까지 포함한 블록구성도의 일례를 도시한 것이다.
도 2를 참조하면, 획득부(10)는 의료영상 획득부(11)와 환자정보 획득부(12)를 포함할 수 있다.
의료영상 획득부(11)는, 뇌 CT, MRI 등 다양한 의료 영상을 촬영하는 촬영장비로부터 영상을 획득하는데, 조영 증강 컴퓨터 단층 촬영 영상(Contrast-enhanced computed tomography, CECT), Magnetic Resonance Image(MRI) 등을 수집할 수 있다.
전술한 것과 같이, 의료영상 획득부(11)는, 허혈성 뇌졸중 의심 환자와 관련된 DICOM 정보, Angiography 이미지 정보, 관류 이미지(Perfusion image) 정보, 확산 이미지(diffusion image) 정보 등을 수집할 수 있다.
또한, 환자정보 획득부(12)는 허혈성 뇌졸중 의심 환자의 성별, 나이 등의 정보, 혈압 정보, 발병 시간 정보 등 환자와 관련된 신체 정보를 획득하는 것도 가능하다.
환자정보 획득부(12)에서 수집한 신체 정보는, 폐색이 발생한 대뇌혈관의 위치가 후 순환(Posterior circulation, PC)에 해당하는 경우, Embolism인지 ICAS인지 여부를 판단함에 있어 사용될 수 있다.
다음으로, 검출부(20)는 영상처리부(21)와 LVO 검출부(22)를 포함할 수 있다.
먼저, 영상처리부(21)는 전처리, 영상 처리 등의 기능을 제공할 수 있다.
영상처리부(21)는 획득한 영상을 기반으로, 인공지능 알고리즘에 따라 비 출혈 (No hemorrhage)과 출혈 (Hemorrhage)을 구분할 수 있고, 전처리부 된 의료 영상을 정규화하고 미리 세팅된 표준 마스크 템플릿을 이용해서 관심 영역을 분할 및 추출하는 것도 가능하다.
영상처리부(21)는 획득부(10)로부터 수집된 영상에서의 노이즈를 제거하는 동작을 수행할 수 있다.
또한, 영상처리부(21)는 Co-registration 기능을 제공할 수 있고, Co-registration 기능은 해부학적인 구조물 정렬을 위해 이미지를 정렬하는 것으로, 영상 촬영시 피험자의 움직임에 의한 기울어짐이나 뇌 모양의 차이 등에 따른 개체 내 또는 개체 간의 이미지들을 공간적으로 정렬하는 것이다.
또한, 영상처리부(21)는 영상에서 뇌 구조물이 아닌 부분을 제거하기 위한 기능을 제공하는 스컬-스티리핑 (Skull-stripping) 기능을 제공할 수도 있다.
또한, 영상처리부(21)는 인공지능 (AI)을 기반으로 출혈 (Hemorrhage) 형태를 학습하고, 분류할 수도 있다.
또한, 영상처리부(21)는 전처리 된 의료 영상을 정규화하고 미리 세팅된 표준 마스크 템플릿을 이용해서 관심 영역을 분할 및 추출할 수 있다.
영상처리부(21)는, 의료 영상에서 관심 영역을 분할 및 추출하기 위한 표준 마스크 템플릿 (Mask Template)을 세팅할 수 있다.
예를 들어, 영상처리부(21)는, 복수의 정상인과 뇌질환 환자로부터 획득된 복수의 의료영상을 수집하고, 2차원과 3차원의 정규화 영상을 생성하며, 3차원 정규화 영상 기반으로 복셀 (Voxel) 설정에 따라 특정 축을 기준으로 Slicing하여 2차원 정규화 영상을 생성할 수 있다.
또한, 영상처리부(21)는, 진단 대상의 의료 영상을 정규화하는 기능을 제공할 수 있다.
예를 들어, 영상 정규화부 (32)는 진단 대상의 원본 의료 영상에 비정규 바이어스를 정정하고 (Non-uniform bias correction), 공간적 정렬 (Spatial align)을 통해 등록 (Co-registration)하며, 표준 정위 공간 (Standard stereotaxic space)을 적용하여 공간적 정규화 (Spatial normalization)를 수행하는 과정을 통해 영상을 정규화할 수 있다.
또한, 영상처리부(21)는 정규화된 의료 영상에 표준 마스크 템플릿을 적용하여 관심 영역을 분할 및 추출하는 기능을 제공할 수 있다.
한편, LVO 검출부(22)는, 비 출혈 (No hemorrhage)인 환자가 허혈 (Ischemia)이 존재하는 경우, 대뇌혈관 폐색 (Large Vessel Occlusion) 환자인지 여부를 판별하게 된다.
LVO 검출부(22)는, 정규화된 의료 영상에 표준 마스크 템플릿을 적용하여 분할 및 추출된 관심 영역을 전달받아 비 출혈 (No hemorrhage)인 환자가 허혈 (Ischemia)이 존재하는지 여부를 판단하게 된다.
만약, 비 출혈 (No hemorrhage)인 환자가 허혈 (Ischemia)이 존재하는 경우, LVO 검출부(22)는, 대뇌혈관 폐색 (Large Vessel Occlusion) 환자인지 여부를 판별하게 된다.
LVO 검출부(22)는, 뇌(Brain) angiography 영상 데이터의 voxel 정보를 사용하여, 허혈 (Ischemia)이 존재하는 경우, 대뇌혈관 폐색 (Large Vessel Occlusion, LVO) 환자인지 여부를 판별할 수 있다.
또한, LVO 검출부(22)는, 2D 또는 3D angiography 영상에서, LVO 영역을 검출하기 위한 인공지능 모델 아키텍쳐를 이용할 수 있다.
여기서, 모델 아키텍쳐는 환자의 Serial slice를 고려하기 위한 Recurrent Neural Network(RNN) 층과 특징을 추출하기 위한 Convolutional neural network (CNN) 층을 합성하는 형태가 될 수 있다.
또한, LVO 검출부(22)는, 각 환자의 CTA 영상으로부터 LVO 여부 및 LVO 위치, LVO 형태 분류에 대한 Output을 산출할 수 있다.
여기에서, 산출되는 아웃풋(Output)은, 3D Cerebral artery reconstruction, Cerebral artery의 표준 3D Atlas와 co-registration 등을 포함할 수 있다.
나아가 허혈 (Ischemia)이 존재하는 환자가 대뇌혈관 폐색 (Large Vessel Occlusion) 환자인지 여부 및 LVO의 위치 및 모양 등에 대한 정보를 산출할 수도 있다.
한편, 판단부(30)는, ICAS/Embolism 판단부(31), 전 순환(Anterior circulation, AC)/ 후 순환(Posterior circulation, PC) 판단부(32) 및 BSO(Branching site occlusion) / TTO(Truncal type occlusion) 판단부(33)을 포함할 수 있다.
먼저, ICAS/Embolism 판단부(31)는, 검출부(20)를 통해, 대뇌혈관 폐색 (Large Vessel Occlusion, LVO) 영역이 검출된 경우, 해당 대뇌혈관 폐색이 Embolism인지 ICAS인지 여부를 판단하는 기능을 제공한다.
본 발명에 따른 ICAS/Embolism 판단부(31)는, Embolism인지 ICAS인지 여부를 판단함에 있어, 측부 순환 형성에 따른 효과가 영상 내에 존재하는지 여부를 이용할 수 있다.
대표적으로, 본 발명에 따른 ICAS/Embolism 판단부(31)는, 관류 이미지(Perfusion image) 정보 및 확산 이미지(diffusion image) 정보를 기초로 Embolism과 ICAS를 구분하는 것이 가능하다.
ICAS의 경우, 동맥경화가 진행되는 동안 혈관이 막혀가면서 혈류량이 줄어들게 되고, 이를 보완하기 위해, 해당 동맥경화가 진행되는 혈관 주변의 측부순환이 발달하게 된다.
따라서 ICAS의 경우, 확산(diffusion) 영상에서 infarct의 형태가 scattered pattern 또는 border zone infarct 형태로 나타나고, 관류(perfusion) 영상에서는 infarct core volume과 주변 cortex 영역 volume 간의 대비가 미리 지정된 수치 이상의 매우 큰 차이를 보이게 된다.
즉, ICAS/Embolism 판단부(31)는, 이러한 측부 순환 형성에 따른 효과가 영상 내에 존재하는 것을 이용하여 ICAS를 판단할 수 있다.
또한, Embolism의 경우에는, 정상의 혈관에서 혈전에 의해 막히는 상태이므로, Embolism 발생 위치 주변의 측부순환은 발달하지 않는다.
따라서 Embolism의 경우. 확산(diffusion) 영상에서 Territorial infarct pattern이 관찰되고, 관류(perfusion) 영상에서 cerebral blood volume (CBV)의 감소 형태가 관찰된다.
즉, ICAS/Embolism 판단부(31)는, 측부 순환 형성에 따른 효과가 영상 내에 존재하지 않는 것을 이용하여 Embolism을 판단할 수 있다.
ICAS/Embolism 판단부(31)는, 인공지능 분류 모델을 적용하여, Inception-V1을 base network로 3D Convolutional neural network (CNN) 아키텍쳐를 구성하고, 뇌(Brain) 확산(diffusion), 관류(perfusion) 영상의 voxel 데이터에 대한 특징을 학습할 수 있고, 이를 기초로 대뇌혈관 폐색(LVO)의 발생 원인을 상세 분류하는 것도 가능하다.
또한, ICAS/Embolism 판단부(31)는 폐색이 발생한 대뇌혈관의 위치가 후 순환(Posterior circulation, PC)에 해당하는 경우, 해당 부위가 BSO(Branching site occlusion) 인지 아니면 TTO(Truncal type occlusion)인지를 구분함으로써, 발생한 대뇌혈관 폐색의 형태를 분류할 수도 있다.
따라서 AC/PC 판단부(32)는, 폐색이 발생한 대뇌혈관의 위치가 후 순환(Posterior circulation, PC)에 해당하는지 아니면 전 순환(Anterior circulation, AC)에 해당하는지 여부를 판단할 수 있다.
또한, BSO/TTO 판단부(33)는, 해당 부위가 BSO(Branching site occlusion) 인지 아니면 TTO(Truncal type occlusion)인지를 구분하는 기능을 제공할 수 있다.
또한, ICAS/Embolism 판단부(31)는 폐색이 발생한 대뇌혈관의 위치가 전 순환(Anterior circulation, AC)에 해당하는 경우, BSO/TTO 정보, 측부순환 형성 정보 및 환자의 신체 정보를 함께 이용함으로써, 발생한 대뇌혈관 폐색의 형태를 분류할 수도 있다.
한편, 진단부(40)는, ICAS 진단부(41) 및 Embolism 진단부(42)를 포함할 수 있다.
진단부(40)는, 발생한 대뇌혈관 폐색의 형태가 Embolism인 경우와 ICAS인 경우인 경우를 나누어, 의료인이 환자에게 적합한 치료 방향을 결정하는 것을 지원하는 정보를 제공할 수 있다.
Embolism 진단부(42)는, 발생한 대뇌혈관 폐색의 형태가 Embolism인 경우, 환자의 상태가 경증인지 중증인지 여부를 판단한다.
만약, 경증 환자인 경우, Embolism 진단부(42)는 혈전 용해제를 이용한 치료 방향을 의료인에게 추천할 수 있다.
또한, 중증 환자인 경우, Embolism 진단부(42)는 혈전 제거술을 적용한 치료 방향을 의료인에게 추천할 수 있다.
한편, ICAS 진단부(41)는, 발생한 대뇌혈관 폐색의 형태가 ICAS인 경우, Embolism 진단부(42)와 달리 1차적으로 혈관성형술을 이용한 치료 및/또는 항혈소판 제제를 이용한 치료 방향을 의료인에게 추천할 수 있다.
이러한 1차 치료에서 큰 효과를 보지 못하는 경우, ICAS 진단부(41)는, 2차적으로 혈전용해제를 이용한 치료 및/또는 혈전 제거술을 이용한 치료 방향을 의료인에게 추천할 수 있다.
현재는, 환자에 발생된 대뇌혈관 폐색의 형태가 Embolism인지 ICAS인지를 구분하지 않고, 1차적으로 폐색이 발생된 시간을 기준으로 3시간 내지 4시간 반 이내에 혈액 응고에 의하여 형성된 덩어리를 녹이는 약물 처리제인 혈전 용해제를 이용한 치료를 시도하거나 혈전 제거술에 의한 치료가 진행되는데, ICAS의 경우, 혈전 용해제를 이용한 치료를 하게 되면, 몸 속에서 혈소판이 더 응집되어 24시간 동안 항혈소판제제를 이용한 치료가 어려워져 1차적으로 진행된 혈전 용해 치료가 오히려 상태를 악화시킬 수 있다는 등의 문제가 발생한다.
또한, Embolism의 경우에는 혈전 제거술 등을 통해 혈전을 제거하면 문제를 해결할 수 있는 반면, ICAS의 경우에는 혈전을 제거한 이후에도 동맥경화에 의한 협착이 남아있기 때문에 후속적인 조치가 필요한데, 의료인이 수술 전에 대뇌혈관 폐색의 형태를 미리 파악하는 것이 어렵고, 수술을 진행한 이후에 해당 상황 및 후속적 조치가 필요하다는 것을 파악할 수 있다는 등의 문제점도 존재한다.
따라서 발생한 대뇌혈관 폐색의 형태가 Embolism인 경우와 ICAS인 경우인 경우를 나누어, ICAS 진단부(41) 및 Embolism 진단부(42)가 의료인이 환자에게 적합한 치료 방향을 결정하는 것을 지원하는 정보를 제공함으로써, 상기 문제점들을 해소할 수 있다.
구체적으로, 본 발명은 대뇌혈관 폐색에 의한 허혈성 뇌졸중 의심 환자를 대상으로, 폐색이 발생한 대뇌혈관의 위치를 검출하고, 발생한 대뇌혈관 폐색의 형태를 분류함으로써, 의료인이 분류된 폐색의 형태에 매칭된 적합한 치료 방향을 결정하는 것을 지원하는 방법, 장치 및 시스템을 기초로 종래의 문제점을 효율적으로 해소할 수 있다.
또한, 진단부(40)가 제공하는 정보는, 유무선 통신을 기초로 환자와 관련된 병원 등의 외부 기관으로 전달 될 수 있다.
외부 기관(3차 병원 등)으로의 정보 전달은 도시되지는 않았으나 통신부를 통해 수행될 수 있고, 통신부는 유선 통신, 근거리 통신 또는 원거리 통신을 통해, 해당 정보를 미리 지정된 외부 (예를 들어, 병원 등)로 전송할 수 있다.
여기서 이용될 수 있는 원거리 통신 기술로는 WLAN (Wireless LAN)(Wi-Fi), Wibro (Wireless broadband), Wimax (World Interoperability for Microwave Access), HSDPA (High Speed Downlink Packet Access) 등이 이용될 수 있다.
또한, 근거리 통신 (short range communication)의 기술로는 블루투스 (Bluetooth), RFID (Radio Frequency Identification), 적외선 통신 (IrDA, infrared Data Association), UWB (Ultra-Wideband), ZigBee 등이 이용될 수 있다.
의료 영상 기반 허혈성 뇌졸중 검출 및 형태 분류 방법
도 3은 본 발명이 제안하는 의료 영상 기반 허혈성 뇌졸중 검출 및 형태 분류 방법의 전체 과정을 설명하는 순서도의 일례를 도시한 것이다.
도 3를 참조하면, 가장 먼저, 획득부(10)는 진단하고자 하는 대상의 뇌를 촬영한 의료 영상 및 환자와 관련된 신체 정보를 획득하는 단계(S1)가 수행된다.
S1 단계에서, 획득부(10) 중 의료영상 획득부(11)는, 뇌 CT, MRI 등 다양한 의료 영상을 촬영하는 촬영장비로부터 영상을 획득하는데, 조영 증강 컴퓨터 단층 촬영 영상(Contrast-enhanced computed tomography, CECT), Magnetic Resonance Image(MRI) 등을 수집할 수 있고, 허혈성 뇌졸중 의심 환자와 관련된 DICOM 정보, Angiography 이미지 정보, 관류 이미지(Perfusion image) 정보, 확산 이미지(diffusion image) 정보 등을 수집할 수 있다.
또한, S1 단계에서, 획득부(10) 중 환자정보 획득부(12)는 허혈성 뇌졸중 의심 환자의 성별, 나이 등의 정보, 혈압 정보, 발병 시간 정보 등 환자와 관련된 신체 정보를 획득할 수도 있고, 여기서 수집된 신체 정보는, 폐색이 발생한 대뇌혈관의 위치가 후 순환(Posterior circulation, PC)에 해당하는 경우, Embolism인지 ICAS인지 여부를 판단함에 있어 사용될 수 있다.
다음으로, 검출부(20)의 영상처리부(21)를 통해 AI 검출모델을 적용하고(S2), 대뇌혈관 폐색 (Large Vessel Occlusion) 환자인지 여부를 판단(S3)하는 과정이 수행된다.
S2 및 S3 단계에서, 비 출혈 (No hemorrhage)인 환자가 허혈 (Ischemia)이 존재하는 경우, 검출부(2)는, 인공지능을 기반으로 대뇌혈관 폐색 (Large Vessel Occlusion) 환자인지 여부를 판별하게 된다.
S2 및 S3 단계에서, LVO 검출부(22)는, 뇌(Brain) angiography 영상 데이터의 voxel 정보를 사용하여, 허혈 (Ischemia)이 존재하는 경우, 대뇌혈관 폐색 (Large Vessel Occlusion, LVO) 환자인지 여부를 판별할 수 있다.
또한, LVO 검출부(22)는, 2D 또는 3D angiography 영상에서, LVO 영역을 검출하기 위한 인공지능 모델 아키텍쳐를 이용할 수 있다.
여기서, 모델 아키텍쳐는 환자의 Serial slice를 고려하기 위한 Recurrent Neural Network(RNN) 층과 특징을 추출하기 위한 Convolutional neural network (CNN) 층을 합성하는 형태가 될 수 있다.
또한, S2 및 S3 단계에서, LVO 검출부(22)는, 각 환자의 CTA 영상으로부터 LVO 여부 및 LVO 위치, LVO 형태 분류에 대한 Output을 산출할 수 있고, 여기에서, 산출되는 아웃풋(Output)은, 3D Cerebral artery reconstruction, Cerebral artery의 표준 3D Atlas와 co-registration 등을 포함할 수 있다.
나아가 허혈 (Ischemia)이 존재하는 환자가 대뇌혈관 폐색 (Large Vessel Occlusion) 환자인지 여부 및 LVO의 위치 및 모양 등에 대한 정보를 산출할 수도 있다.
대뇌혈관 폐색 (Large Vessel Occlusion) 환자로 판단되는 경우, S3 단계 이후에는 ICAS/Embolism 판단부(31)가, 해당 대뇌혈관 폐색이 Embolism인지 ICAS인지 여부를 판단하는 단계(S4)가 진행된다.
S4 단계에서, ICAS/Embolism 판단부(31)는, Embolism인지 ICAS인지 여부를 판단함에 있어, 측부 순환 형성에 따른 효과가 영상 내에 존재하는지 여부를 이용할 수 있다.
또한, ICAS/Embolism 판단부(31)는 폐색이 발생한 대뇌혈관의 위치가 후 순환(Posterior circulation, PC)에 해당하는 경우, 해당 부위가 BSO(Branching site occlusion) 인지 아니면 TTO(Truncal type occlusion)인지를 구분함으로써, 발생한 대뇌혈관 폐색의 형태를 분류할 수도 있다.
또한, ICAS/Embolism 판단부(31)는 폐색이 발생한 대뇌혈관의 위치가 전 순환(Anterior circulation, AC)에 해당하는 경우, BSO/TTO 정보, 측부순환 형성 정보 및 환자의 신체 정보를 함께 이용함으로써, 발생한 대뇌혈관 폐색의 형태를 분류할 수도 있다.
S4 단계 이후, 진단부(40)는, 발생한 대뇌혈관 폐색의 형태가 Embolism인 경우와 ICAS인 경우인 경우를 나누어, 의료인이 환자에게 적합한 치료 방향을 결정하는 것을 지원하는 정보를 제공할 수 있다.
구체적으로, ICAS 진단부(41)는, 발생한 대뇌혈관 폐색의 형태가 ICAS인 경우, ICAS에 대응하는 진단 및 치료 정보를 의료인에게 제공할 수 있다(S5).
또한, Embolism 진단부(42)는, 발생한 대뇌혈관 폐색의 형태가 Embolism인 경우, Embolism 에 대응하는 진단 및 치료 정보를 의료인에게 제공할 수 있다(S6).
한편, 도시하지는 않았지만 S5 단계 및/또는 S6 단계 이후, 진단부(40)가 제공하는 정보는, 유무선 통신을 기초로 환자와 관련된 병원 등의 외부 기관으로 전달 될 수 있다.
외부 기관(3차 병원 등)으로의 정보 전달은 도시되지는 않았으나 통신부를 통해 수행될 수 있고, 통신부는 유선 통신, 근거리 통신 또는 원거리 통신을 통해, 해당 정보를 미리 지정된 외부 (예를 들어, 병원 등)로 전송할 수 있다.
이하에서는, S4 단계와 관련하여, ICAS/Embolism 판단부(31)가 Embolism인지 ICAS인지 여부를 판단하는 방법과 S5 단계 및 S6 단계와 관련하여, 진단부(40)가 대뇌혈관 폐색의 형태가 Embolism인 경우와 ICAS인 경우인 경우를 나누어, 치료 방향을 결정하는 것을 지원하는 방법에 대해 도면을 참조하여 보다 구체적으로 설명한다.
측부 순환 형성에 따른 효과가 영상 내에 존재하는지 여부를 이용하여 대뇌혈관 폐색의 형태를 Embolism 또는 ICAS로 분류하는 방법
도 4는 대뇌혈관 폐색의 형태를 Embolism 또는 ICAS로 분류할 수 있는 과정과 관련하여, 측부 순환 형성에 따른 효과가 영상 내에 존재하는지 여부를 이용하는 방법의 순서도를 도시한 것이다.
도 4을 참조하면, S3 단계 이후, LVO가 존재하면, ICAS/Embolism 판단부(31)는, 측부 순환 형성에 따른 효과가 영상 내에 존재하는지 여부를 판단할 수 있다.
ICAS의 경우, 동맥경화가 진행되는 동안 혈관이 막혀가면서 혈류량이 줄어들게 되고, 이를 보완하기 위해, 해당 동맥경화가 진행되는 혈관 주변의 측부순환이 발달하게 된다.
따라서 ICAS/Embolism 판단부(31)는, 이러한 측부 순환 형성에 따른 효과가 영상 내에 존재하는 것을 이용하여 ICAS를 판단할 수 있다(S31).
도 5는 도 4과 관련하여, 폐색이 발생한 대뇌혈관의 위치 주변에 측부 순환 형성에 따른 효과가 의료 영상 내에 존재하여 ICAS로 분류하는 과정을 설명하는 순서도이다.
도 5을 참조하면, ICAS/Embolism 판단부(31)는, 관류 이미지(Perfusion image) 정보 및 확산 이미지(diffusion image) 정보를 기초로 Embolism과 ICAS를 구분할 수 있다(S21).
전술한 것과 같이, ICAS는 동맥경화가 진행되는 동안 혈관이 막혀가면서 혈류량이 줄어들게 되고, 이를 보완하기 위해, 해당 동맥경화가 진행되는 혈관 주변의 측부순환이 발달하게 되고, 확산(diffusion) 영상에서 infarct의 형태가 scattered pattern 또는 border zone infarct 형태로 나타나는 a-1 단계가 관찰될 수 있다(S22).
또한, 관류(perfusion) 영상에서는 infarct core volume과 주변 cortex 영역 volume 간의 대비가 미리 지정된 수치 이상의 매우 큰 차이를 보이는 a-2 단계가 관찰될 수 있다(S23).
이때, ICAS/Embolism 판단부(31)는, 확산(diffusion) 영상에서 infarct의 형태가 scattered pattern 또는 border zone infarct 형태로 나타나는 a-1 단계 및/또는 관류(perfusion) 영상에서 infarct core volume과 주변 cortex 영역 volume 간의 대비가 미리 지정된 수치 이상의 매우 큰 차이를 보이는 a-2 단계가 관찰되는 경우, 측부 순환 형성에 따른 효과가 영상 내에 존재하는 것으로 판단하고(S24), 이를 기초로 ICAS를 판단할 수 있다(S31).
또한, Embolism의 경우에는, 정상의 혈관에서 혈전에 의해 막히는 상태이므로, Embolism 발생 위치 주변의 측부순환은 발달하지 않는다.
따라서 ICAS/Embolism 판단부(31)는, 측부 순환 형성에 따른 효과가 영상 내에 존재하지 않는 것을 이용하여 Embolism을 판단할 수 있다(S32).
도 6은 도 4과 관련하여, 폐색이 발생한 대뇌혈관의 위치 주변에 측부 순환 형성에 따른 효과가 의료 영상 내에 존재하지 않아 Embolism으로 분류하는 과정을 설명하는 순서도이다.
도 6을 참조하면, ICAS/Embolism 판단부(31)는, 관류 이미지(Perfusion image) 정보 및 확산 이미지(diffusion image) 정보를 기초로 Embolism과 ICAS를 구분할 수 있다(S21).
전술한 것과 같이, Embolism의 경우에는, 정상의 혈관에서 혈전에 의해 막히는 상태이므로, Embolism 발생 위치 주변의 측부순환은 발달하지 않고, Embolism의 경우. 확산(diffusion) 영상에서 Territorial infarct pattern이 나타나는 b-1 단계가 관찰될 수 있다(S25).
또한, 관류(perfusion) 영상에서 cerebral blood volume (CBV)의 감소 형태가 나타나는 b-2 단계가 관찰될 수 있다(S26).
따라서 ICAS/Embolism 판단부(31)는, 확산(diffusion) 영상에서 Territorial infarct pattern이 나타나는 b-1 단계 및/또는 관류(perfusion) 영상에서 cerebral blood volume (CBV)의 감소 형태가 나타나는 b-2 단계가 관찰되는 경우, 측부 순환 형성에 따른 효과가 영상 내에 존재하지 않는 것으로 판단하고(S27), 이를 기초로 Embolism을 판단할 수 있다(S32).
한편, ICAS/Embolism 판단부(31)는, 인공지능 분류 모델을 적용하여, Inception-V1을 base network로 3D Convolutional neural network (CNN) 아키텍쳐를 구성하고, 뇌(Brain) 확산(diffusion), 관류(perfusion) 영상의 voxel 데이터에 대한 특징을 학습할 수 있고, 이를 기초로 대뇌혈관 폐색(LVO)의 발생 원인을 상세 분류하는 것도 가능하다.
폐색이 발생한 대뇌혈관의 위치가 PC에 해당하는 경우, 해당 부위가 BSO 인지 아니면 TTO인지를 구분함으로써, 대뇌혈관 폐색의 형태를 분류하는 방법
도 7은 폐색이 발생한 대뇌혈관의 위치가 PC에 해당하는 경우, 해당 부위가 BSO 인지 아니면 TTO인지를 구분함으로써, 발생한 대뇌혈관 폐색의 형태를 분류하는 방법을 설명하는 순서도이다.
도 7를 참조하면, ICAS/Embolism 판단부(31)는 폐색이 발생한 대뇌혈관의 위치가 후 순환(Posterior circulation, PC)에 해당하는 경우, 해당 부위가 BSO(Branching site occlusion) 인지 아니면 TTO(Truncal type occlusion)인지를 구분함으로써, 발생한 대뇌혈관 폐색의 형태를 분류할 수 있다.
폐색이 발생한 대뇌혈관의 위치가 후 순환(Posterior circulation, PC)에 해당하는 경우, 거의 대부분의 환자에서 BSO(Branching site occlusion) 위치인 경우에는, Embolism이 나타나고, TTO(Truncal type occlusion) 위치인 경우에는, ICAS가 나타난다.
특히, BSO-embolism 및 TTO-ICAS의 조합은 동양에서 더욱 명확하게 나타나고 있다.
따라서 폐색이 발생한 대뇌혈관의 위치가 후 순환(Posterior circulation, PC)에 해당하는 경우(S11)에는, 해당 부위의 위치가 BSO인지 아니면 TTO인지(S12)를 기반으로, 쉽게 Embolism과 ICAS를 구분할 수 있다(S13).
이를 위해, AC/PC 판단부(32)는, 폐색이 발생한 대뇌혈관의 위치가 후 순환(Posterior circulation, PC)에 해당하는지 아니면 전 순환(Anterior circulation, AC)에 해당하는지 여부를 판단할 수 있다.
또한, BSO/TTO 판단부(33)는, 해당 부위가 BSO(Branching site occlusion) 인지 아니면 TTO(Truncal type occlusion)인지를 구분하는 기능을 제공할 수 있다.
폐색이 발생한 대뇌혈관의 위치가 AC에 해당하는 경우, BSO/TTO 정보, 측부순환 형성 정보 및 환자의 신체 정보를 함께 이용함으로써, 발생한 대뇌혈관 폐색의 형태를 분류하는 방법
한편, 폐색이 발생한 대뇌혈관의 위치가 전 순환(Anterior circulation, AC)에 해당하는 경우에는, 후 순환(Posterior circulation, PC)과 마찬가지로 대부분의 환자에서 BSO(Branching site occlusion) 위치인 경우에는, Embolism이 나타나고, TTO(Truncal type occlusion) 위치인 경우에는, ICAS가 나타난다.
그러나 전 순환(Anterior circulation, AC)은, 후 순환(Posterior circulation, PC)과 비교하여 BSO-embolism 및 TTO-ICAS 확률이 낮게 판단되므로, 추가적인 정보를 활용하여 대뇌혈관 폐색의 형태를 분류해야 한다.
도 8은 폐색이 발생한 대뇌혈관의 위치가 AC에 해당하는 경우, BSO/TTO 정보, 측부순환 형성 정보 및 환자의 신체 정보를 함께 이용함으로써, 발생한 대뇌혈관 폐색의 형태를 분류하는 방법을 설명하는 순서도이다.
도 8을 참조파면, ICAS/Embolism 판단부(31)는 폐색이 발생한 대뇌혈관의 위치가 전 순환(Anterior circulation, AC)에 해당하는 경우(S41), 해당 부위가 BSO인지 TTO인지를 판단하고(S42), 해당 부위 주변에 측부순환 형성에 따른 효과가 영상 내에 존재하는지 여부를 판단한다(S43).
이후, ICAS/Embolism 판단부(31)는 S1 단계에서 획득한 환자의 신체 정보, S42 단계에서 획득한 BSO/TTO 정보 및 S43 단계에서 획득한 측부순환 형성 정보를 함께 이용(S44)함으로써, 발생한 대뇌혈관 폐색의 형태를 분류할 수 있다.
즉, Embolism와 ICAS일 때 다르게 나타나는 신체 정보에 제 1 가산점을 부여하고, BSO-embolism 및 TTO-ICAS 확률에 대한 제 2 가산점을 부여하며, 도 4 내지 도 6에서 설명한 것과 같이, 측부순환 형성에 따른 효과가 영상 내에 존재하는 경우에 ICAS 확률을 높여주는 방향의 제 3 가산점을 부여하고, 제 1 가산점, 제 2 가산점 및 제 3 가산점을 종합?Ю막? 이용하여, 발생한 대뇌혈관 폐색의 형태가 Embolism인지 아니면 ICAS인지를 판단할 수 있다.
대뇌혈관 폐색의 형태가 Embolism인 경우, 의료인이 환자에게 적합한 치료 방향을 결정하는 것을 지원하는 방법
진단부(40)는, 발생한 대뇌혈관 폐색의 형태가 Embolism인 경우와 ICAS인 경우인 경우를 나누어, 의료인이 환자에게 적합한 치료 방향을 결정하는 것을 지원하는 정보를 제공하고, Embolism 진단부(42)는, 발생한 대뇌혈관 폐색의 형태가 Embolism인 경우, Embolism 에 대응하는 진단 및 치료 정보를 의료인에게 제공할 수 있다.
먼저, Embolism 진단부(42)가 Embolism으로 판단된 환자가 경증환자인지 중증환자인지 여부를 판단하는 과정이 수행된다.
만약, 경증 환자인 경우, Embolism 진단부(42)는 혈전 용해제를 이용한 치료 방향을 의료인에게 추천할 수 있다.
또한, 중증 환자인 경우, Embolism 진단부(42)는 혈전 제거술을 적용한 치료 방향을 의료인에게 추천할 수 있다.
또한, 발생한 대뇌혈관 폐색의 형태가 Embolism이고, 혈전을 제거하면 대부분의 치료가 종료될 수 있으므로, 혈전이 잘 제거되지 않는 경우에도 시간을 들여 추가적으로 혈전이 제거되도록 보다 적극적인 수술 조치가 시도될 수 있다.
반면, ICAS의 경우에는, 혈전을 제거한 이후에도 추가적인 치료가 필요하고, 동맥경화로 인해 혈전 제거가 잘 수행되지 않아 혈관이 찢어지는 등의 문제가 발생될 수 있으므로, Embolism에 비해 적극적인 제거 조치는 자제할 필요가 있다.
이후, Embolism 진단부(42)가 제공하는 정보는, 유무선 통신을 기초로 환자와 관련된 병원 등의 외부 기관으로 전달 될 수 있다.
외부 기관(3차 병원 등)으로의 정보 전달은 도시되지는 않았으나 통신부를 통해 수행될 수 있고, 통신부는 유선 통신, 근거리 통신 또는 원거리 통신을 통해, 해당 정보를 미리 지정된 외부 (예를 들어, 병원 등)로 전송할 수 있다.
대뇌혈관 폐색의 형태가 ICAS인 경우, 의료인이 환자에게 적합한 치료 방향을 결정하는 것을 지원하는 방법
현재는, 환자에 발생된 대뇌혈관 폐색의 형태가 Embolism인지 ICAS인지를 구분하지 않고, 1차적으로 폐색이 발생된 시간을 기준으로 3시간 내지 4시간 반 이내에 혈액 응고에 의하여 형성된 덩어리를 녹이는 약물 처리제인 혈전 용해제를 이용한 치료를 시도하거나 혈전 제거술에 의한 치료가 진행되는데, ICAS의 경우, 혈전 용해제를 이용한 치료를 하게 되면, 몸 속에서 혈소판이 더 응집되어 24시간 동안 항혈소판제제를 이용한 치료가 어려워져 1차적으로 진행된 혈전 용해 치료가 오히려 상태를 악화시킬 수 있다는 등의 문제가 발생한다.
또한, Embolism의 경우에는 혈전 제거술 등을 통해 혈전을 제거하면 문제를 해결할 수 있는 반면, ICAS의 경우에는 혈전을 제거한 이후에도 동맥경화에 의한 협착이 남아있기 때문에 후속적인 조치가 필요한데, 의료인이 수술 전에 대뇌혈관 폐색의 형태를 미리 파악하는 것이 어렵고, 수술을 진행한 이후에 해당 상황 및 후속적 조치가 필요하다는 것을 파악할 수 있다는 등의 문제점도 존재한다.
따라서 발생한 대뇌혈관 폐색의 형태가 Embolism인 경우와 ICAS인 경우인 경우를 나누어, ICAS 진단부(41) 및 Embolism 진단부(42)가 의료인이 환자에게 적합한 치료 방향을 결정하는 것을 지원하는 정보를 제공함으로써, 상기 문제점들을 해소할 수 있다.
ICAS 진단부(41)는, 발생한 대뇌혈관 폐색의 형태가 ICAS인 경우, Embolism 진단부(42)와 달리 1차적으로 혈관성형술을 이용한 치료 및/또는 항혈소판 제제를 이용한 치료 방향을 의료인에게 추천할 수 있다.
이러한 1차 치료에서 큰 효과를 보지 못하는 경우, ICAS 진단부(41)는, 2차적으로 혈전용해제를 이용한 치료 및/또는 혈전 제거술을 이용한 치료 방향을 의료인에게 추천할 수 있다.
이 이외에도, ICAS에서는 Embolism과 달리 다양한 2차 치료가 적용될 수 있다.
약물치료로서, 치료약물로는 항혈소판제제 이외에, 교감신경 효능약, 스타틴 등이 사용될 수 있다.
다음으로, 스텐트를 이용한 2차 치료가 적용될 수 있다. 일차치료법으로 사용되고 있는 약물요법의 한계를 극복하기 위한 대안으로 스텐트를 이용한 치료가 적용될 수 있다.
다른 기타 요법으로는, 하행 대동맥에 풍선을 삽입하여 아래로 가는 혈관을 막아 위로 가는 혈류를 늘리는 기전을 이용한 치료법, 하지에 밴드를 묶어 순간적으로 조임으로써 혈류가 뇌로 향하도록 지속적으로 반복하는 Counterpulsation(역박동) 치료법 등도 추가적으로 이용될 수 있다.
이후, ICAS 진단부(41)가 제공하는 정보는, 유무선 통신을 기초로 환자와 관련된 병원 등의 외부 기관으로 전달 될 수 있다.
외부 기관(3차 병원 등)으로의 정보 전달은 도시되지는 않았으나 통신부를 통해 수행될 수 있고, 통신부는 유선 통신, 근거리 통신 또는 원거리 통신을 통해, 해당 정보를 미리 지정된 외부 (예를 들어, 병원 등)로 전송할 수 있다.
본 발명에 따른 효과
본 발명은 의료 영상 기반 허혈성 뇌졸중 검출 및 형태 분류 방법, 장치 및 시스템을 제공함으로써, 전술한 종래의 문제점들을 해소할 수 있다.
구체적으로 본 발명은, 대뇌혈관 폐색(Large vessel occlusion)에 의한 허혈성 뇌졸중 의심 환자를 대상으로 획득한 의료 영상 및 환자 정보를 기반으로, 폐색이 발생한 대뇌혈관의 위치를 검출하고, 발생한 대뇌혈관 폐색의 형태를 분류함으로써, 의료인이 환자에게 적합한 치료 방향을 결정하는 것을 지원하는 정보를 산출 및 제공하는 방법, 장치 및 시스템을 제공할 수 있다.
또한, 본 발명은 폐색이 발생한 대뇌혈관의 위치 주변에 측부 순환 형성에 따른 효과가 의료 영상 내에 존재하는지를 판단함으로써, 발생한 대뇌혈관 폐색의 형태를 분류할 수 있는 방법, 장치 및 시스템을 제공할 수 있다.
또한, 본 발명은, 폐색이 발생한 대뇌혈관의 위치가 후 순환(Posterior circulation, PC)에 해당하는 경우, 해당 부위가 BSO(Branching site occlusion) 인지 아니면 TTO(Truncal type occlusion)인지를 구분함으로써, 발생한 대뇌혈관 폐색의 형태를 분류할 수 있는 방법, 장치 및 시스템을 제공할 수 있다.
또한, 본 발명은, 폐색이 발생한 대뇌혈관의 위치가 전 순환(Anterior circulation, AC)에 해당하는 경우, 해당 부위가 BSO(Branching site occlusion) / TTO(Truncal type occlusion) 정보, 측부순환 형성 정보 및 환자의 신체 정보를 함께 이용함으로써, 발생한 대뇌혈관 폐색의 형태를 분류할 수 있는 방법, 장치 및 시스템을 제공할 수 있다.
또한, 본 발명은, 발생한 대뇌혈관 폐색의 형태가 Embolism인 경우와 ICAS인 경우를 나누어, 의료인이 수술 전에 대뇌혈관 폐색의 형태를 미리 파악하고, 환자에게 적합한 치료 방향을 결정하는 것을 지원하는 방법, 장치 및 시스템을 제공할 수 있다.
한편, 본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
상술한 본 발명의 실시예들은 다양한 수단을 통해 구현될 수 있다. 예를 들어, 본 발명의 실시예들은 하드웨어, 펌웨어 (firmware), 소프트웨어 또는 그것들의 결합 등에 의해 구현될 수 있다.
하드웨어에 의한 구현의 경우, 본 발명의 실시예들에 따른 방법은 하나 또는 그 이상의 ASICs (Application Specific Integrated Circuits), DSPs (Digital Signal Processors), DSPDs(Digital Signal Processing Devices), PLDs (Programmable Logic Devices), FPGAs (Field Programmable Gate Arrays), 프로세서, 컨트롤러, 마이크로 컨트롤러, 마이크로 프로세서 등에 의해 구현될 수 있다.
펌웨어나 소프트웨어에 의한 구현의 경우, 본 발명의 실시예들에 따른 방법은 이상에서 설명된 기능 또는 동작들을 수행하는 모듈, 절차 또는 함수 등의 형태로 구현될 수 있다. 소프트웨어 코드는 메모리 유닛에 저장되어 프로세서에 의해 구동될 수 있다. 상기 메모리 유닛은 상기 프로세서 내부 또는 외부에 위치하여, 이미 공지된 다양한 수단에 의해 상기 프로세서와 데이터를 주고 받을 수 있다.
상술한 바와 같이 개시된 본 발명의 바람직한 실시예들에 대한 상세한 설명은 당업자가 본 발명을 구현하고 실시할 수 있도록 제공되었다. 상기에서는 본 발명의 바람직한 실시예들을 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 본 발명의 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다. 예를 들어, 당업자는 상술한 실시예들에 기재된 각 구성을 서로 조합하는 방식으로 이용할 수 있다. 따라서, 본 발명은 여기에 나타난 실시형태들에 제한되려는 것이 아니라, 여기서 개시된 원리들 및 신규한 특징들과 일치하는 최광의 범위를 부여하려는 것이다.
본 발명은 본 발명의 정신 및 필수적 특징을 벗어나지 않는 범위에서 다른 특정한 형태로 구체화될 수 있다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니 되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다. 본 발명은 여기에 나타난 실시형태들에 제한되려는 것이 아니라, 여기서 개시된 원리들 및 신규한 특징들과 일치하는 최광의 범위를 부여하려는 것이다. 또한, 특허청구범위에서 명시적인 인용 관계가 있지 않은 청구항들을 결합하여 실시예를 구성하거나 출원 후의 보정에 의해 새로운 청구항으로 포함할 수 있다.

Claims (4)

  1. 적어도 하나의 환자의 뇌와 관련된 영상을 수집하는 획득부;
    상기 수집된 영상을 기초로, 상기 적어도 하나의 환자의 뇌에 허혈 (Ischemia)이 존재하는지 여부를 판단하고, 상기 허혈이 존재하는 경우, 상기 적어도 하나의 환자가 대뇌혈관 폐색(Large Vessel Occlusion) 환자인지 여부를 판단하는 검출부;
    상기 적어도 하나의 환자가 대뇌혈관 폐색 환자인 경우, 상기 대뇌혈관 폐색의 위치가 후 순환(Posterior circulation, PC)에 해당하는지 아니면 전 순환(Anterior circulation, AC)에 해당하는지 여부를 기초로, 상기 대뇌혈관 폐색의 형태가 Embolism(색전증)인지 아니면 ICAS(Intracranial Atherosclerosis, 뇌 죽상 동맥경화증)인지 여부를 판단하는 판단부; 및
    상기 판단된 대뇌혈관 폐색의 형태에 따라 다르게 적용되는 치료 방향 정보를 제공하는 진단부;를 포함하고,

    상기 판단부는,
    상기 대뇌혈관 폐색의 종류가 BSO(Branching-site occlusion, 분기 사이트 폐색) 인지 아니면 TTO(Truncal-type occlusion, 트런컬 타입 폐색) 인지를 추가적으로 판단하며,

    상기 판단부는,
    상기 후 순환(PC) 또는 전 순환(AC)의 판단 및 상기 BSO 또는 TTO의 판단을 기초로, 상기 대뇌혈관 폐색의 형태를 판단하고,

    상기 ICAS의 경우, 동맥경화가 진행됨에 따라 혈관 내의 혈류량이 감소하게 되고, 상기 감소한 혈류량을 보완하기 위해, 상기 동맥경화가 진행되는 혈관 주변의 측부 순환이 발달하며,
    상기 판단부는, 상기 측부 순환이 발달한 제 1 이벤트가 관찰되는 경우, 상기 대뇌혈관 폐색의 형태를 ICAS로 판단하는 것을 특징으로 하는 대뇌혈관 폐색의 형태를 분류하는 장치.
  2. 제 1항에 있어서,
    상기 획득부는, 상기 적어도 하나의 환자의 뇌와 관련된 관류(Perfusion) 영상 및 확산(diffusion image) 영상을 수집하고,
    상기 판단부는, 상기 관류(Perfusion) 영상 및 확산(diffusion image) 영상 중 적어도 하나를 이용하여 상기 제 1 이벤트의 관찰 여부를 결정하는 것을 특징으로 하는 대뇌혈관 폐색의 형태를 분류하는 장치.
  3. 제 2항에 있어서,
    상기 관류(perfusion) 영상 내에서, infarct core volume과 주변 cortex 영역 volume 간의 차이가 미리 지정된 수치 이상인 제 1 조건 및 상기 확산(diffusion image) 영상 내에서, infarct의 형태가 scattered pattern 또는 border zone infarct 형태로 나타나는 제 2 조건 중 적어도 하나가 만족되는 경우,
    상기 판단부는, 상기 제 1 이벤트가 관찰된 것으로 판단하고, 상기 대뇌혈관 폐색의 형태를 ICAS로 판단하는 것을 특징으로 하는 대뇌혈관 폐색의 형태를 분류하는 장치.
  4. 제 2항에 있어서,
    상기 관류(perfusion) 영상 내에서, cerebral blood volume(CBV)의 감소 형태가 나타나는 제 1 조건 및 상기 확산(diffusion image) 영상 내에서, infarct의 형태가 Territorial infarct pattern 형태로 나타나는 제 2 조건 중 적어도 하나가 만족되는 경우,
    상기 판단부는, 상기 제 1 이벤트가 관찰되지 않는 것으로 판단하고, 상기 대뇌혈관 폐색의 형태를 Embolism으로 판단하는 것을 특징으로 하는 대뇌혈관 폐색의 형태를 분류하는 장치.
KR1020210103505A 2021-02-03 2021-08-05 대뇌혈관 폐색의 형태를 분류하는 장치 KR102318456B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210103505A KR102318456B1 (ko) 2021-02-03 2021-08-05 대뇌혈관 폐색의 형태를 분류하는 장치

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020210015166A KR102289648B1 (ko) 2021-02-03 2021-02-03 의료 영상 기반 허혈성 뇌졸중 검출 및 형태 분류 방법, 장치 및 시스템
KR1020210103505A KR102318456B1 (ko) 2021-02-03 2021-08-05 대뇌혈관 폐색의 형태를 분류하는 장치

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020210015166A Division KR102289648B1 (ko) 2021-02-03 2021-02-03 의료 영상 기반 허혈성 뇌졸중 검출 및 형태 분류 방법, 장치 및 시스템

Publications (1)

Publication Number Publication Date
KR102318456B1 true KR102318456B1 (ko) 2021-10-28

Family

ID=76374878

Family Applications (10)

Application Number Title Priority Date Filing Date
KR1020210015166A KR102289648B1 (ko) 2021-02-03 2021-02-03 의료 영상 기반 허혈성 뇌졸중 검출 및 형태 분류 방법, 장치 및 시스템
KR1020210103506A KR102318457B1 (ko) 2021-02-03 2021-08-05 대뇌혈관 폐색의 형태가 icas인 경우, 치료 방향 정보를 제공하는 장치
KR1020210103508A KR102318459B1 (ko) 2021-02-03 2021-08-05 의료 영상 기반 허혈성 뇌졸중 검출에 따른 치료 정보 제공 장치
KR1020210103505A KR102318456B1 (ko) 2021-02-03 2021-08-05 대뇌혈관 폐색의 형태를 분류하는 장치
KR1020210103513A KR102311095B1 (ko) 2021-02-03 2021-08-05 인공지능 기반 허혈성 뇌졸중 검출에 따른 치료 정보 제공 방법
KR1020210103511A KR102311093B1 (ko) 2021-02-03 2021-08-05 대뇌혈관 폐색의 형태가 icas인 경우, 단계별 치료 정보를 제공하는 방법
KR1020210103512A KR102311094B1 (ko) 2021-02-03 2021-08-05 대뇌혈관 폐색의 형태가 Embolism인 경우, 단계별 치료 정보를 제공하는 방법
KR1020210103510A KR102315609B1 (ko) 2021-02-03 2021-08-05 측부 순환 발달을 이용하여 대뇌혈관 폐색의 형태를 분류하는 방법
KR1020210103507A KR102318458B1 (ko) 2021-02-03 2021-08-05 대뇌혈관 폐색의 형태가 Embolism인 경우, 치료 방향 정보를 제공하는 장치
KR1020210103509A KR102315608B1 (ko) 2021-02-03 2021-08-05 인공지능 기반 허혈성 뇌졸중 검출 및 형태 분류 방법

Family Applications Before (3)

Application Number Title Priority Date Filing Date
KR1020210015166A KR102289648B1 (ko) 2021-02-03 2021-02-03 의료 영상 기반 허혈성 뇌졸중 검출 및 형태 분류 방법, 장치 및 시스템
KR1020210103506A KR102318457B1 (ko) 2021-02-03 2021-08-05 대뇌혈관 폐색의 형태가 icas인 경우, 치료 방향 정보를 제공하는 장치
KR1020210103508A KR102318459B1 (ko) 2021-02-03 2021-08-05 의료 영상 기반 허혈성 뇌졸중 검출에 따른 치료 정보 제공 장치

Family Applications After (6)

Application Number Title Priority Date Filing Date
KR1020210103513A KR102311095B1 (ko) 2021-02-03 2021-08-05 인공지능 기반 허혈성 뇌졸중 검출에 따른 치료 정보 제공 방법
KR1020210103511A KR102311093B1 (ko) 2021-02-03 2021-08-05 대뇌혈관 폐색의 형태가 icas인 경우, 단계별 치료 정보를 제공하는 방법
KR1020210103512A KR102311094B1 (ko) 2021-02-03 2021-08-05 대뇌혈관 폐색의 형태가 Embolism인 경우, 단계별 치료 정보를 제공하는 방법
KR1020210103510A KR102315609B1 (ko) 2021-02-03 2021-08-05 측부 순환 발달을 이용하여 대뇌혈관 폐색의 형태를 분류하는 방법
KR1020210103507A KR102318458B1 (ko) 2021-02-03 2021-08-05 대뇌혈관 폐색의 형태가 Embolism인 경우, 치료 방향 정보를 제공하는 장치
KR1020210103509A KR102315608B1 (ko) 2021-02-03 2021-08-05 인공지능 기반 허혈성 뇌졸중 검출 및 형태 분류 방법

Country Status (6)

Country Link
US (1) US11602322B2 (ko)
EP (1) EP4039180B1 (ko)
JP (1) JP7085674B1 (ko)
KR (10) KR102289648B1 (ko)
CN (1) CN113476066A (ko)
ES (1) ES2952229T3 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230070781A (ko) * 2021-11-15 2023-05-23 가톨릭대학교 산학협력단 뇌졸중 재발 예측 및 관리 서비스 제공 방법, 장치 및 시스템
KR102399792B1 (ko) * 2022-01-27 2022-05-23 주식회사 휴런 인공지능 기반 Hounsfield unit (HU) 정규화 및 디노이징 (Denoising)을 통한 전처리 장치 및 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013085652A (ja) * 2011-10-17 2013-05-13 Toshiba Corp 医用画像処理システム
KR101754291B1 (ko) 2017-04-04 2017-07-06 이현섭 개인 맞춤형 뇌질병 진단 및 상태 판정을 위한 의료 영상 처리 시스템 및 방법
KR101992057B1 (ko) 2018-08-17 2019-06-24 (주)제이엘케이인스펙션 혈관 투영 영상을 이용한 뇌질환 진단 방법 및 시스템
US20200294241A1 (en) * 2019-03-12 2020-09-17 The General Hospital Corporation Automatic segmentation of acute ischemic stroke lesions in computed tomography data
KR102189622B1 (ko) * 2020-10-06 2020-12-11 주식회사 휴런 뇌출혈 여부 및 종류를 분류하는 인공지능 시스템 기반의 뇌졸중 진단 장치

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ES2394525T3 (es) 2006-09-27 2013-02-01 Asahi Kasei Pharma Corporation Calcitoninas para la prevención de la aparición de la distrofia simpática refleja tras un accidente cerebrovascular
WO2008056638A1 (en) 2006-11-06 2008-05-15 Fujifilm Ri Pharma Co., Ltd. Brain image diagnosis supporting method, program, and recording method
KR101540254B1 (ko) 2013-06-24 2015-07-30 경북대학교 산학협력단 당을 감지하는 화학감각수용체를 발현하는 세포를 이용한 바이오 센서 및 이를 포함하는 알츠하이머 진단 기기
US10475217B2 (en) 2016-03-16 2019-11-12 General Electric Company Systems and methods for progressive imaging
KR101740464B1 (ko) * 2016-10-20 2017-06-08 (주)제이엘케이인스펙션 뇌졸중 진단 및 예후 예측 방법 및 시스템
KR20190087455A (ko) * 2016-11-22 2019-07-24 하이퍼파인 리서치, 인크. 자기 공명 이미지들에서의 자동화된 검출을 위한 시스템들 및 방법들
KR101860566B1 (ko) 2016-12-06 2018-05-23 경희대학교 산학협력단 파킨슨병을 진단하기 위한 정보제공방법
EP3642743B1 (en) * 2017-06-19 2021-11-17 Viz.ai, Inc. A method and system for computer-aided triage
KR102068836B1 (ko) 2018-01-29 2020-02-11 한림대학교 산학협력단 파킨슨병의 진단을 위한 입력 패턴 생성 장치 및 방법
CA3036003C (en) * 2018-03-07 2023-09-26 Mg Stroke Analytics Inc. System and methods for assessing presence of large vessel occlusion to aid in transfer decision-making for endovascular treatment in patients with acute ischemic stroke
EP3593722A1 (en) * 2018-07-13 2020-01-15 Neuroanalytics Pty. Ltd. Method and system for identification of cerebrovascular abnormalities
KR102058884B1 (ko) 2019-04-11 2019-12-24 주식회사 홍복 치매를 진단을 하기 위해 홍채 영상을 인공지능으로 분석하는 방법
DE102019209790A1 (de) * 2019-07-03 2021-01-07 Siemens Healthcare Gmbh Verfahren zur Bereitstellung eines Bewertungsdatensatzes von einem ersten medizinischen dreidimensionalen Computertomographiedatensatz
KR102165840B1 (ko) * 2020-05-21 2020-10-16 주식회사 휴런 인공지능 기반 뇌졸중 진단 장치 및 방법
CN111938686B (zh) 2020-08-17 2021-04-20 上海市第六人民医院 一种脑部医学图像处理装置及方法
KR102189626B1 (ko) * 2020-10-06 2020-12-11 주식회사 휴런 학습한 인공지능 모델을 기초로 기계적 혈전 절제술이 필요한 환자인지 여부를 판단하는 뇌졸중 진단 장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013085652A (ja) * 2011-10-17 2013-05-13 Toshiba Corp 医用画像処理システム
KR101754291B1 (ko) 2017-04-04 2017-07-06 이현섭 개인 맞춤형 뇌질병 진단 및 상태 판정을 위한 의료 영상 처리 시스템 및 방법
KR101992057B1 (ko) 2018-08-17 2019-06-24 (주)제이엘케이인스펙션 혈관 투영 영상을 이용한 뇌질환 진단 방법 및 시스템
US20200294241A1 (en) * 2019-03-12 2020-09-17 The General Hospital Corporation Automatic segmentation of acute ischemic stroke lesions in computed tomography data
KR102189622B1 (ko) * 2020-10-06 2020-12-11 주식회사 휴런 뇌출혈 여부 및 종류를 분류하는 인공지능 시스템 기반의 뇌졸중 진단 장치

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
J. Stroke,제19권,2호,143-151면(2017) 1부.* *

Also Published As

Publication number Publication date
EP4039180B1 (en) 2023-06-14
KR102311093B1 (ko) 2021-10-12
KR102315608B1 (ko) 2021-10-22
JP7085674B1 (ja) 2022-06-16
KR102318458B1 (ko) 2021-10-28
JP2022119154A (ja) 2022-08-16
KR102315609B1 (ko) 2021-10-22
KR102318457B1 (ko) 2021-10-28
US11602322B2 (en) 2023-03-14
KR102318459B1 (ko) 2021-10-28
CN113476066A (zh) 2021-10-08
KR102289648B1 (ko) 2021-08-18
US20220240880A1 (en) 2022-08-04
ES2952229T3 (es) 2023-10-30
EP4039180A1 (en) 2022-08-10
KR102311094B1 (ko) 2021-10-12
KR102311095B1 (ko) 2021-10-12

Similar Documents

Publication Publication Date Title
JP6817488B1 (ja) 人工知能基盤の脳卒中診断装置及び方法
KR102318456B1 (ko) 대뇌혈관 폐색의 형태를 분류하는 장치
US9324143B2 (en) Systems and methods for diagnosing strokes
US20190117179A1 (en) Systems And Methods For Deciding Management Strategy in Acute Ischemic Strokes Using Rotational Angiography
Bandyk Interpretation of duplex ultrasound dialysis access testing
JP7042814B2 (ja) 患者の頭部に配置されて当該患者の脳の皮質組織の脈動を測定するためのトランスデューサを含むシステム
Sclafani Intravascular ultrasound in the diagnosis and treatment of chronic cerebrospinal venous insufficiency
Zhao et al. Automated analysis of femoral artery calcification using machine learning techniques
Mohan et al. Computed tomography angiography of the neurovascular circulation
Malhotra et al. Overview of neuroimaging of stroke
JP2020103900A (ja) 急性虚血イベントを管理する方法及び装置
Moshkin Description of the option vascularization of the horseshoe kidney if it is located to the right in the differential diagnosis in outpatient surgery
US20240136062A1 (en) Stroke diagnosis and therapy assistance system, stroke state information providing device, and stroke state information providing program
US20230024693A1 (en) Systems and methods of reducing in-hospital mortality rate
Franco Imaging and Treatment of Strokes
Friedrich Radiomics Based Machine Learning Outcome Prediction of Acute Intracranial Hemorrhage on Computed Tomography
Irsyad et al. Microsurgical Resection of Cerebral Arteriovenous Malformation: Our Precious Experience
Valdueza TCCS advanced arterial protocol
Stevens et al. Venous thromboembolism
Alexandrov 7 Emergent Examination
Veni Comparison of extra cranial with intra cranial carotid artery disease in ischemic stroke
Grade Endourological Society Guideline
Babii et al. Ulyana B Lushchyk1, 3,; Viktor V Novytskyy1; Ivanna I Legka1; Liudmyla Riabets1; Oleg P Kolomytchuk2
Laurie Schluter et al. The 10 P’s of Stroke: a Simple Strategy for Understanding Stroke Etiology and Management

Legal Events

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