KR102325346B1 - 의료 영상 진단 장치 및 방법 - Google Patents

의료 영상 진단 장치 및 방법 Download PDF

Info

Publication number
KR102325346B1
KR102325346B1 KR1020140180642A KR20140180642A KR102325346B1 KR 102325346 B1 KR102325346 B1 KR 102325346B1 KR 1020140180642 A KR1020140180642 A KR 1020140180642A KR 20140180642 A KR20140180642 A KR 20140180642A KR 102325346 B1 KR102325346 B1 KR 102325346B1
Authority
KR
South Korea
Prior art keywords
frames
frame
diagnosis
reference frame
medical imaging
Prior art date
Application number
KR1020140180642A
Other languages
English (en)
Other versions
KR20160072677A (ko
Inventor
이기용
유승우
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020140180642A priority Critical patent/KR102325346B1/ko
Priority to US14/929,532 priority patent/US10776666B2/en
Publication of KR20160072677A publication Critical patent/KR20160072677A/ko
Application granted granted Critical
Publication of KR102325346B1 publication Critical patent/KR102325346B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • 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

Abstract

진단 정확도 향상을 위한 의료 영상 진단 장치 및 방법에 관한 기술로, 일 실시 예에 따른 의료 영상 진단 장치는 의료 영상 기기로부터 입력되는 프레임을 샘플링하여 일정 크기의 공간 내 하나 이상의 프레임을 저장하는 저장부, 기준 프레임이 결정되면, 저장된 프레임들 중 기준 프레임의 진단에 이용할 하나 이상의 프레임을 수집하는 프레임 수집부 및 수집한 각 프레임의 진단 결과를 활용하여 기준 프레임을 진단하는 진단부를 포함할 수 있다.

Description

의료 영상 진단 장치 및 방법{Apparatus and method for medical image diagnosis}
진단 정확도 향상을 위한 의료 영상 진단 장치 및 방법에 관한 기술이다.
초음파 의료 영상 진단 기기에서, 초음파 검사의 특성상 검사자는 관심 영역을 실시간으로 살피며 병변의 다양한 특징들을 확인한다. 다만, 종래의 초음파 검사는 실시간으로 입력되어 영상 표시 장치에 출력되는 일련의 영상들 중 검사자가 선택하는, 단일의 정지 영상에 대해서만 판정을 수행하므로 병변의 정확한 진단이 어려울 수 있다. 그리고 캡쳐된 단일 영상에 대한 진단을 수행하므로 판정을 수행할 단일 영상의 선택이 결과에 영향을 미칠 수 있다. 게다가, 관심 영역의 음성/양성 여부 등 한 두가지 판정만을 수행하는 것은 비교적 쉽게 실시할 수 있다. 그러나 진단해야 할 항목이 다수라면 단일의 정지 영상에 대한 판정으로 다수의 항목을 모두 정확하게 진단하는 것은 어려울 수 있다. 일례로, 유방암 진단을 위한 초음파 검사의 경우 BI-RADs lexicon 항목들을 진단할 수 있다. 이때 검사자가 수동으로 선택한 단일의 정지 영상만을 진단할 경우 일부 항목의 진단 정확도가 떨어지는 문제점이 있다.
정확한 진단이 가능한 의료 영상 진단 장치 및 방법을 제시한다.
일 실시 예에 따른 의료 영상 진단 장치는 의료 영상 기기로부터 입력되는 프레임을 샘플링하여 일정 크기의 공간 내 하나 이상의 프레임을 저장하는 저장부,기준 프레임이 결정되면, 저장된 프레임들 중 기준 프레임의 진단에 이용할 하나 이상의 프레임을 수집하는 프레임 수집부 및 수집한 프레임 각각의 진단 결과를 활용하여 기준 프레임을 진단하는 진단부를 포함할 수 있다.
저장부는 기 설정된 정형적 선별 기준, 가변하는 상황에 기초한 가변적 선별 기준 및 경험적 선별 기준 중 하나 이상을 조합한 선별 기준을 이용하여 프레임을 샘플링할 수 있다.
저장부는 검사자의 입력을 받아 선택된 프레임들을 저장하는 것을 더 포함할 수 있다.
프레임 수집부는 기준 프레임내 관심영역과 대응하는 관심영역을 포함하는 프레임들을 수집할 수 있다.
진단부는 수집한 프레임을 각각 진단하고, 진단 결과를 취합하여, 취합한 진단 결과를 가공하는 진단 결과 가공부를 더 포함할 수 있다.
진단 결과 가공부는 취합한 진단 결과를 카테고리 별로 분류하고 통계를 산출할 수 있다.
진단부는 수집한 각 프레임의 진단 결과를 활용하되, 하나 이상의 기준에 대해 가중치를 부가하여 기준 프레임을 진단할 수 있다.
수집한 각 프레임의 진단 결과 및 기준 프레임의 진단 결과 중 하나 이상을 빈도 분포 특성에 대한 통계 정보를 이용하여 디스플레이하는 디스플레이부를 더 포함할 수 있다.
다른 실시 예에 따른 의료 영상 진단 장치는 기준 프레임이 결정되면, 프레임들을 샘플링하여 기준 프레임의 진단에 이용할 하나 이상의 프레임을 선별하는 프레임 선별부 및 선별한 프레임 각각의 진단 결과를 활용하여 기준 프레임을 진단하는 진단부를 포함할 수 있다.
프레임 선별부는 기 설정된 정형적 선별 기준, 가변하는 상황에 기초한 가변적 선별 기준 및 경험적 선별 기준 중 하나 이상을 조합한 선별 기준을 이용하여 프레임을 샘플링할 수 있다.
정형적 선별 기준은 소정의 시간, 저장 공간의 크기, 샘플링 할 프레임의 개수, 정밀도 중 하나 이상을 포함할 수 있다.
가변적 선별 기준은 프로브의 변화 및 프레임의 변화 중 하나 이상을 임계치와 비교하는 선별 기준을 포함할 수 있다.
경험적 선별 기준은 학습에 의하거나 검사자의 의도를 추론할 수 있는 지표에 의한 선별 기준을 포함할 수 있다.
프레임 선별부는 기준 프레임의 진단에 이용할 프레임으로 기준 프레임 내 관심영역과 대응하는 관심영역을 포함하는 프레임들을 선별할 수 있다. 장치.
진단부는 선별한 프레임을 각각 진단하고, 각각의 진단 결과를 취합하여, 취합한 진단 결과를 가공할 수 있다. 장치.
진단부는 취합한 진단 결과를 카테고리 별로 분류하고 통계를 산출하여 기준 프레임의 진단에 활용할 수 있다. 장치.
진단부는 선별한 각 프레임의 진단 결과를 활용하되, 하나 이상의 기준에 대해 가중치를 부가하여 기준 프레임을 진단할 수 있다. 장치.
다른 양상에 따른 의료 영상 진단 방법은 의료 영상 기기로부터 입력되는 프레임을 샘플링하는 단계, 일정 크기의 공간 내 샘플링된 하나 이상의 프레임을 저장하는 단계, 기준 프레임이 결정되면, 저장된 프레임들 중 기준 프레임의 진단에 이용할 하나 이상의 프레임을 수집하는 단계 및 수집한 프레임 각각의 진단 결과를 활용하여 기준 프레임을 진단하는 단계를 포함할 수 있다.
샘플링하는 단계는 기 설정된 정형적 선별 기준, 가변하는 상황에 기초한 가변적 선별 기준 및 경험적 선별 기준 중 하나 이상을 조합한 선별 기준을 이용하여 프레임을 샘플링할 수 있다.
진단하는 단계는 수집한 프레임 각각의 진단 결과를 취합하여, 취합한 진단 결과에 대한 통계를 이용하여 기준 프레임을 진단할 수 있다. 방법.
또 다른 양상에 따른 의료 영상 진단 방법은 기준 프레임이 결정되면 프레임들을 샘플링하는 단계, 샘플링된 프레임들 중 기준 프레임의 진단에 이용할 하나 이상의 프레임을 선별하는 단계 및 선별한 프레임 각각의 진단 결과를 활용하여 기준 프레임을 진단하는 단계를 포함할 수 있다.
이전의 프레임의 진단 결과를 활용하여 단일 프레임의 진단의 정확도를 향상시킬 수 있다. 또한 단일 프레임 내 다수의 항목을 정확하게 진단할 수 있다.
도 1a는 의료 영상 진단 장치(100)의 블록도의 일 예이다.
도 1b는 의료 영상 진단 장치(100)의 세부 구성을 나타내는 블록도의 일 예이다.
도 2는 다른 실시 예에 따른 의료 영상 진단 장치(200)의 블록도이다.
도 3은 의료 영상 진단 장치에서 일정한 주기에 따라 프레임을 샘플링하는 일 예이다.
도 4는 의료 영상 진단 장치에서 프로브의 변화량에 기초하여 프레임을 샘플링하는 일 예이다.
도 5는 의료 영상 진단 장치에서 직전 프레임과의 프레임 변화량에 기초하여 샘플링하는 일 예이다.
도 6a는 수집한 프레임의 진단 결과를 활용하여 기준 프레임의 방향성을 진단하는 일예이다.
도 6b는 수집한 프레임의 진단 결과를 활용하여 기준 프레임을 진단하는 일 예이다.
도 7은 일 실시 예에 따른 의료 영상 진단 장치(100)를 이용한 의료 영상 진단 방법의 흐름도이다.
도 8은 다른 실시 예에 따른 의료 영상 진단 장치(200)를 이용한 의료 영상 진단 방법의 흐름도이다.
기타 실시 예들의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
이하, 본 발명의 실시 예들에 따른 의료 영상 진단 장치와 진단 방법을 도면들을 참고하여 자세히 설명하도록 한다.
도 1a 및 도 1b는 일 실시 예에 따른 의료 영상 진단 장치(100)의 블록도 및 세부 구성을 나타내는 블록도이다. 도 1a을 참고하면, 의료 영상 진단 장치(100)는 저장부(110), 프레임 수집부(120), 진단부(140)를 포함할 수 있다.
저장부(110)는 의료 영상 기기로부터 입력되는 프레임을 샘플링하여 일정 크기의 공간 내 하나 이상의 프레임을 저장한다. 예를 들어, 초음파 검사의 경우 프로브로부터 시간의 진행에 따라 연속되는 복수의 프레임이 입력될 수 있다. 이때 입력되는 프레임을 모두 기준 프레임의 진단에 이용할 경우 연산의 수행 속도가 느려질 수 있다. 또는 저장 공간의 크기를 고려하여 일정한 주기에 따라 몇몇 프레임들을 선별하여 저장할 수 있다. 이때 저장부(110)는 입력되는 프레임에 대해 실시간으로 저장 및 갱신을 하는 임시 저장 공간 또는 버퍼로서의 기능을 할 수 있다.
일 실시 예에 따르면, 저장부(110)는 의료 영상 기기로부터 입력되는 프레임을 소정의 기준에 따라 샘플링하여 저장할 수 있다. 예를 들어, 저장부(110)는 기 설정된 정형적 선별 기준, 가변하는 상황에 기초한 가변적 선별 기준, 경험적 선별 기준을 이용하거나 이들을 조합한 선별 기준을 이용하여 샘플링을 할 수 있다.
프레임 수집부(120)는 기준 프레임이 결정되면, 상기 저장된 프레임들 중 기준 프레임의 진단에 이용할 하나 이상의 프레임을 수집한다. 기준 프레임은 자동으로 또는 검사자의 입력을 받아 결정될 수 있다. 기준 프레임이 결정되면, 프레임 수집부(120)는 진단부(140)에서 진단할 기준 프레임 및 기준 프레임의 진단에 이용할 프레임을 수집할 수 있다.
진단부(140)는 수집한 각 프레임의 진단 결과를 활용하여 기준 프레임을 진단한다. 일 실시 예에 따르면, 진단부(140)는 기준 프레임에 포함된 관심 영역에 대하여 형태(shape), 방향성(orientation), 가장자리(margin), 병변 경계(lesion boundary), 에코 패턴(echo pattern), 후방 에코(posterior acoustic features), 주변 조직(surrounding tissue) 등의 각 항목별로 판단을 할 수 있고, 이를 위해 수집된 프레임의 진단 결과를 활용할 수 있다.
예를 들어 진단부(140)는 수집한 프레임의 진단 결과를 취합하고 이를 카테고리 별로 분류하여 생성된 통계를 이용할 수 있다. 수집한 프레임의 진단 결과는 각각의 프레임에 포함된 관심 영역의 항목별 판정이나, 병변일 확률에 기초한 양성/악성/음성 여부의 판정 또는 병변일 확률에 기초한 세분화된 카테고리(또는 클래스)에 관한 판정일 수 있다. 또한, 진단부(140)는 관심 영역이 병변일 확률에 기초하여 기준 프레임의 관심 영역을 진단할 수 있다.
기준 프레임을 진단하기 위하여 수집한 복수의 프레임들의 진단 결과를 활용하는 경우 기준 프레임 하나만을 진단할 때보다 정확하고 객관적인 결과를 획득할 수 있다. 예를 들어 수집한 프레임의 수가 많을수록 통계를 산출하는데 있어 주된 카테고리에 분류되는 진단 결과가 많아지므로 진단 오류를 줄일 수 있다. 또한, 수집한 프레임의 진단 결과를 형태(shape), 방향성(orientation), 가장자리(margin), 병변 경계(lesion boundary), 에코 패턴(echo pattern), 후방 에코(posterior acoustic features), 주변 조직(surrounding tissue)의 항목별로 분류하여 기준 프레임을 진단할 때 각 항목별 판단을 활용한다면, 기준 프레임 하나만을 진단할 때보다 정확도가 높은 진단 결과를 얻을 수 있다.
이에 대한 세부 구성은 도 1b를 통하여 상세히 설명한다. 도 1b는 의료 영상 진단 장치(100)의 세부 구성을 나타내는 블록도의 일 예이다.
도 1b를 참고하면, 의료 영상 진단 장치(100)는 저장부(110), 프레임 수집부(120), 진단 결과 가공부(130), 진단부(140) 및 디스플레이부(150)를 포함할 수 있다.
저장부(110)는 의료 영상 기기로부터 입력되는 프레임을 샘플링하여 일정 크기의 공간 내 프레임들을 저장한다. 일 실시 예에 따르면, 저장부(110)는 기 설정된 정형적 선별 기준, 가변하는 상황에 기초한 가변적 선별 기준 및 경험적 선별 기준 중 하나 이상을 조합한 선별 기준을 이용하여 프레임을 샘플링할 수 있다.
이때, 정형적 선별 기준은 소정의 시간, 저장 공간의 크기, 선별할 프레임의 개수, 정밀도 중 하나 이상을 포함할 수 있다. 예를 들어, 저장부(110)는 기 설정한 소정의 시간 간격에 따라 입력되는 전체 프레임 중에서 프레임을 주기적으로 샘플링할 수 있다. 다른 예로, 저장부(110)는 저장 공간의 크기, 샘플링 할 프레임의 개수를 기 설정해 놓고, 이를 프레임 선별 기준으로 이용할 수 있다. 또 다른 예로, 저장부(110)는 진단의 정밀도를 고려하여 프레임을 샘플링할 수 있다. 고정밀 진단이 요구되는 경우 저장부(110)는 보다 넓은 구간에 대해 샘플링 주기를 짧게 설정하여 보다 많은 프레임을 샘플링할 수 있다. 이 경우 표본 데이터의 증가로 기준 프레임의 진단에 있어 정밀도를 향상시킬 수 있다.
또한, 저장부(110)는 가변하는 상황에 기초한 가변적 선별 기준을 이용하여 프레임을 선별할 수 있다. 이러한 가변하는 상황하에서 프레임을 샘플링하는 선별 기준은 다양할 수 있다. 이하에서는 그 중 프로브의 변화량, 프레임의 변화량을 임계치와 비교하는 선별 기준을 설명한다.
일 실시 예에 따르면, 검사자는 프로브를 이용하여 초음파 검사를 진행하고, 의료 영상 진단 장치(100)는 의료 영상 기기의 프로브로부터 프레임을 입력받는다. 따라서, 프로브의 위치, 각도, 속도가 변화하면 이에 따라 입력되는 프레임 또한 변화한다. 이때, 저장부(110)는 임계치 이상으로 프로브의 위치, 각도, 속도가 변화할 때 프레임을 샘플링할 수 있다.
다른 실시 예에 따르면, 저장부(110)는 프레임의 변화량이 임계치 이상일 경우 프레임을 샘플링할 수 있다. 예를 들어, 저장부(110)는 관심 영역의 검출되는 지점, 관심 영역의 크기나 형태에 변화가 있는 지점을 전후하여 프레임 변화량이 임계치 이상인 지점에서의 프레임을 샘플링할 수 있다.
또 다른 실시 예에 따르면, 저장부(110)는 프레임의 변화량을 고려할때, 직전 프레임과의 차이에 기초하여 임계치 이상의 프레임의 변화량을 가지는 프레임을 샘플링할 수 있다. 예를 들어, 시간 t-1초에서의 프레임과 시간 t초에서의 프레임 내 포함된 관심 영역을 비교하여 프레임의 변화량이 임계치 이상일 경우 시간 t-1초에서의 프레임과 시간 t초에서의 프레임을 각각 샘플링할 수 있다.
또 다른 실시 예에 따르면, 저장부(110)는 검사자의 입력을 받아 명시적으로 선택된 프레임들을 더 저장할 수 있다. 예를 들어 초음파 검사의 경우 실시간으로 프레임이 입력되므로, 검사자는 추후 확인이 필요한 프레임을 프로브, 버튼, 키보드, 터치 패드, 모션 인식 등을 이용하여 그 순간의 프레임을 저장할 수 있다. 저장부(110)는 검사자의 입력에 의해 명시적으로 선택된 프레임들을 샘플링할 수 있다.
또 다른 실시 예에 따르면, 저장부(110)는 학습에 의하거나 검사자의 의도를 추론할 수 있는 지표에 의한 경험적 선별 기준을 이용하여 프레임을 샘플링할 수 있다. 예를 들어 검사자는 오랜 시간 하나의 관심 영역 주변을 관찰하는 등 하나의 관심 영역을 주의 깊게 살펴볼 수 있다. 초음파 검사의 경우 일반적으로 관심 영역이 있으면, 검사자는 관심 영역 주변의 프레임을 확인해가며 관심 영역을 진단한다. 저장부(110)는 이러한 경험적 선별 기준을 토대로 검사자가 주의 깊게 관찰하는 관심 영역을 포함하는 프레임을 자동으로 샘플링할 수 있다. 예를 들어 저장부(110)는 동일성이 유지되는 관심 영역에 대해 소정의 시간 이상으로 프레임이 입력되는 경우 이를 자동으로 샘플링할 수 있다.
프레임 수집부(120)는 기준 프레임이 결정되면, 저장된 프레임들 중 기준 프레임의 진단에 이용할 하나 이상의 프레임을 수집한다. 일 실시 예에 따르면, 프레임 수집부(120)는 기준 프레임이 결정되면, 기준 프레임 내 관심 영역과 대응하는 관심 영역을 포함하는 프레임들을 수집할 수 있다. 기준 프레임의 관심 영역과 대응하는 관심 영역의 판단은 양자간 동일성 판단으로부터 도출될 수 있다. 예를 들어 임계치 이상의 유사도를 보이는 관심 영역을 기준 프레임의 관심 영역과 동일성이 있는 대응하는 관심 영역으로 판단하여 이를 기초로 기준 프레임 내 관심 영역과 동일한 관심 영역을 포함하는 프레임을 수집할 수 있다. 또한, 기준 프레임 내 관심 영역이 복수개인 경우 그 중 진단 할 관심 영역에 대응하는 관심 영역을 포함하는 프레임들을 수집할 수 있다.
다른 실시 예에 따르면, 프레임 수집부(120)는 샘플링을 통하여 저장된 프레임들 중 기준 프레임 이전의 프레임들을 수집할 수 있다. 예를 들어 프레임 수집부(120)는 기준 프레임으로부터 소정의 시간 이전에 저장된 프레임들을 수집할 수 있다.
의료 영상 진단 장치(100)는 수집한 프레임 각각의 진단 결과를 취합하여 진단 결과를 가공하는 진단 결과 가공부(130)를 더 포함할 수 있다. 예를 들어 진단 결과 가공부(130)는 수집한 복수의 프레임들을 취합하고, 취합한 진단 결과를 카테고리 별로 분류하여 통계를 산출할 수 있다. 여기서, 수집한 프레임의 진단 결과는 각각의 프레임에 포함된 관심 영역의 항목별 판정이나, 병변일 확률에 기초한 양성/악성/음성 여부의 판정 또는 병변일 확률에 기초한 세분화된 카테고리(또는 클래스)에 관한 판정일 수 있다.
이때의 세분화된 카테고리는 BI-RADs(Breast Imaging- Reporting and data system) 카테고리가 될 수 있다. BI-RADs는 초기에 유방 X선 사진(mammogram)으로부터 시작하였으나 이후 MRI나 초음파 의료 영상 기기에도 이용된다. BI-RADs 카테고리는 각각 incomplete(0), Negative(1), Benign finding(2), Probably benign finding(3), Suspicious abnormality(4), Highly suggestive of malignancy(5), Known biopsy-proven malignancy(6) 카테고리로 분류된다. 다만, 이는 어디까지나 일 실시 예로서 해석될 수 있으며, 카테고리의 개수, 용어 등을 달리하더라도 균등물의 범위로 해석될 수 있을 것이다.
진단 결과 가공부(130)는 하나의 관심 영역에 대해 수집된 여러 개 내지 수백 개의 프레임에 대한 진단 결과를 취합하여 진단 결과를 카테고리 별로 분류하고 카테고리 별로 통계를 산출할 수 있다. 이때, 진단 결과 가공부(130)는 진단 결과의 주를 이루고 있는 주된 카테고리를 결정할 수 있다. 여기서, 여러 개 내지 수백 개의 프레임은 일 실시 예로 설명된 것으로써 한정 요소로 해석될 것이 아니다.
진단부(140)는 수집한 각 프레임의 진단 결과를 활용하여 기준 프레임을 진단한다. 일 실시 예에 따르면, 진단부(140)는 기준 프레임 내 관심 영역에 대하여 형태(shape), 방향성(orientation), 가장자리(margin), 병변 경계(lesion boundary), 에코 패턴(echo pattern), 후방 에코(posterior acoustic features), 주변 조직(surrounding tissue) 등의 각 항목별로 판단을 할 수 있다. 이때, 진단부(140)는 수집한 각 프레임의 진단 결과를 활용할 수 있다. 예를 들어, 진단부(140)에서 기준 프레임 내 관심 영역의 형태를 판단할 때, 수집한 복수의 프레임 내 관심 영역의 형태에 대한 판단 결과를 취합하여, 취합한 판단 결과에 대한 통계를 이용하여 기준 프레임 내 관심영역에 대한 최종 판단을 할 수 있다. 이에 대해서는 도 6a를 통하여 후술한다.
다른 실시 예에 따르면, 진단부(140)는 병변일 확률에 기초한 양성/악성/음성 여부 또는 보다 세분화된 카테고리로서 기준 프레임 내 관심영역을 진단할 수 있다. 이때, 진단부(140)는 수집한 복수의 프레임의 관심 영역에 대한 진단 결과를 취합하여, 취합한 진단 결과에 대한 통계를 이용하여 기준 프레임 내 관심영역에 대한 최종 진단을 할 수 있다.
또 다른 실시 예에 따르면, 진단부(140)는 수집한 각 프레임의 진단 결과를 활용하되, 하나 이상의 기준에 대해 가중치를 부가하여 기준 프레임을 진단할 수 있다. 예를 들어, 진단부(140)는 진단 결과가 가장 많이 분류되어 있는 카테고리에 대해 가중치를 부여하여 기준 프레임의 진단에 활용할 수 있다. 또는 일정 수준 이상의 빈도를 가지는 카테고리에 대해 가중치를 부여할 수 있다. 가중치를 부여하는 방법은 다양할 수 있으며 각 항목별 또는 각 카테고리 별로 가중치를 부여할 수 있다. 또한, 진단부(140)는 진단할 기준 프레임의 결정 시점과 가까운 시각에 수집된 프레임에 대하여 가중치를 부여할 수 있다. 그 외 병변의 특징, 신뢰도, 정확도 등의 부가적 요소를 고려할 수 있다. 가중치를 부여하는 기준은 다양할 수 있으므로, 상기에 기술된 것 이외의 실시 예도 본원발명으로부터 용이하게 도출할 수 있는 것이라면 균등물의 범위에 속하는 것으로 보아야 할 것이다.
디스플레이부(150)는 하나 이상의 프레임에 대한 진단 결과를 디스플레이한다. 일 실시 예에 따르면, 디스플레이부(150)는 기준 프레임 내 관심 영역을 음성/양성/악성으로 진단한 진단 결과를 디스플레이 할 수 있다. 다른 실시예에 따르면, 디스플레이부(150)는 수집한 각 프레임에 대한 진단 결과를 취합하여 빈도 분포 특성에 대한 통계 정보를 이용하여 디스플레이할 수 있다. 예를 들어 디스플레이부(150)는 수집한 복수의 프레임의 진단 결과에 대한 통계를 히스토그램 형태로 디스플레이하고, 그 위에 기준 프레임에 대한 최종 진단 결과를 디스플레이할 수 있다. 그 외에 파이 도표(pie chart), 막대그래프, 꺾은선 그래프 등 다양한 통계 정보를 이용할 수 있다. 수집한 프레임의 수가 많은 경우 각 카테고리 별로 누적된 진단 결과를 통계 정보로 디스플레이하는 것은 시각적으로 효과적일 수 있다. 또한, 진단한 기준 프레임이 여러 개인 경우 디스플레이부(150)는 기준 프레임의 진단 결과에 대한 통계 정보를 시각화하여 디스플레이할 수 있다.
도 2는 다른 실시 예에 따른 의료 영상 진단 장치(200)의 블록도이다. 도 2를 참고하면, 의료 영상 진단 장치(200)는 프레임 선별부(220), 진단부(240)를 포함할 수 있다.
프레임 선별부(220)는 기준 프레임이 결정되면, 프레임들을 샘플링하여 기준 프레임의 진단에 이용할 하나 이상의 프레임을 선별한다. 이때, 의료 영상 기기로부터 입력되는 프레임들을 샘플링 하고 기준 프레임의 진단에 이용할 프레임을 선별하는 동시에 선별된 프레임들을 저장할 수 있다.
또한, 의료 영상 기기로부터 입력되는 프레임들, 프레임 선별부에 의해 선별된 프레임들은 저장부에 저장될 수 있다. 이때 저장부는 필수적인 구성은 아니며, 저장과 함께 샘플링 하거나, 샘플링 후에 저장을 하는 등 저장의 선, 후는 중요하지 않다.
기준 프레임은 자동으로 또는 검사자의 입력을 받아 결정될 수 있다. 의료 영상 진단 장치(200)는 기준 프레임에 대한 진단 개시 명령 또는 진단 요청이 있으면, 진단 할 기준 프레임을 자동으로 결정할 수 있다. 또는 검사자가 검사를 하는 중 프로브를 이용한 선택 또는 버튼을 누르거나 키를 입력하는 등으로 명시적으로 검사자에 의해 선택된 프레임이 있으면 의료 영상 진단 장치(200)는 이를 진단 개시 명령 또는 요청으로 보아 선택된 프레임을 진단할 기준 프레임을 결정할 수 있다.
프레임 선별부(220)는 기준 프레임이 결정되면, 소정의 기준에 따라 프레임들을 샘플링할 수 있다. 예를 들어, 프레임 선별부(220)는 기 설정된 정형적 선별 기준, 가변하는 상황에 기초한 가변적 선별 기준, 경험적 선별 기준을 이용하거나 이들을 조합한 선별 기준을 이용하여 샘플링을 할 수 있다.
이때, 정형적 선별 기준은 소정의 시간, 저장 공간의 크기, 선별할 프레임의 개수, 정밀도 중 하나 이상을 포함할 수 있다. 예를 들어, 프레임 선별부(220)는 기 설정한 소정의 시간 간격에 따라 입력되는 전체 프레임 중에서 프레임을 주기적으로 샘플링할 수 있다. 다른 예로, 프레임 선별부(220)는 저장 공간의 크기, 샘플링 할 프레임의 개수를 기 설정해 놓고, 이를 프레임 선별 기준으로 이용할 수 있다. 또 다른 예로, 프레임 선별부(220)는 진단의 정밀도를 고려하여 프레임을 샘플링할 수 있다. 고정밀 진단이 요구되는 경우 프레임 선별부(220)는 보다 넓은 구간에 대해 샘플링 주기를 짧게 설정하여 보다 많은 프레임을 샘플링할 수 있다. 이 경우 표본 데이터의 증가로 기준 프레임의 진단에 있어 정밀도를 향상시킬 수 있다.
또한, 프레임 선별부(220)는 가변하는 상황에 기초한 가변적 선별 기준을 이용하여 프레임을 선별할 수 있다. 이러한 가변하는 상황에서 프레임을 샘플링하는 선별 기준은 다양할 수 있다. 이하에서는 그 중 프로브의 변화량, 프레임의 변화량을 임계치와 비교하는 선별 기준을 설명한다.
일 실시 예에 따르면, 프로브의 위치, 각도, 속도가 변화하면 이에 따라 입력되는 프레임 또한 변화한다. 이때, 프레임 선별부(220)는 임계치 이상으로 프로브의 위치, 각도, 속도가 변화할 때 프레임을 샘플링할 수 있다.
다른 실시 예에 따르면, 프레임의 변화량은 다음의 각 항목별로 비교할 수 있다. 프레임 선별부(220)는 프레임에 포함된 관심 영역의 형태(shape), 방향성(orientation), 가장자리(margin), 병변 경계(lesion boundary), 에코 패턴(echo pattern), 후방 에코(posterior acoustic features), 주변 조직(surrounding tissue) 등의 각 항목에 대한 변화량이 임계치 이상인 경우 이를 샘플링할 수 있다. 예를 들어, 프레임 선별부(220)는 관심 영역의 검출 지점, 관심 영역의 크기나 형태에 변화가 있는 지점을 전후하여 프레임 변화량이 임계치 이상인 지점에서의 프레임을 샘플링할 수 있다.
또 다른 실시 예에 따르면, 프레임 선별부(220)는 직전 프레임과의 차이에 기초하여 임계치 이상의 프레임 변화량을 가지는 프레임을 샘플링할 수 있다. 예를 들어, 시간 t-1초에서의 프레임과 시간 t초에서의 프레임 내 포함된 관심 영역을 비교하여, 프레임의 변화량이 임계치 이상일 경우 시간 t-1초에서의 프레임과 시간 t초에서의 프레임을 각각 샘플링할 수 있다.
또 다른 실시 예에 따르면, 프레임 선별부(220)는 검사자의 입력을 받아 명시적으로 선택된 프레임들을 더 저장할 수 있다. 예를 들어 초음파 검사의 경우 실시간으로 프레임이 입력되므로, 검사자는 프로브, 버튼, 키보드, 터치 패드, 모션 인식 등을 이용하여 추후 확인이 필요한 프레임을 저장할 수 있다. 이때, 프레임 선별부(220)는 검사자의 입력에 의해 명시적으로 선택된 프레임들을 샘플링할 수 있다.
또한, 프레임 선별부(220)는 학습에 의하거나 검사자의 의도를 추론할 수 있는 지표에 의한 경험적 선별 기준을 이용하여 프레임을 샘플링할 수 있다. 일 실시 예에 따르면, 검사자는 오랜 시간 하나의 관심 영역 주변을 관찰하는 등 하나의 관심 영역을 주의 깊게 살펴볼 수 있다. 초음파 검사의 경우 일반적으로 관심 영역이 있으면, 검사자는 관심 영역 주변의 프레임을 확인해가며 관심 영역을 진단한다. 프레임 선별부(220)는 이러한 경험적 선별 기준을 토대로 검사자가 주의 깊게 관찰하는 관심 영역을 포함하는 프레임을 자동으로 샘플링할 수 있다. 예를 들어 프레임 선별부(220)는 동일성이 유지되는 관심 영역에 대해 소정의 시간 이상으로 프레임이 입력되는 경우 이를 자동으로 샘플링할 수 있다.
프레임 선별부(220)는 샘플링을 하면서 또는 샘플링을 한 후에 기준 프레임의 진단에 이용할 기준 프레임 내 관심 영역과 대응하는 관심 영역을 포함하는 프레임들을 선별할 수 있다. 기준 프레임 내 관심 영역이 복수개인 경우 진단 할 관심 영역을 기초로 프레임들을 선별할 수 있다. 기준 프레임 내 관심 영역과 대응하는 관심 영역의 판단은 양자간 동일성 판단으로부터 도출될 수 있다. 예를 들어 임계치 이상의 유사도를 보이는 관심 영역을 기준 프레임 내 관심영역과 동일성이 있는 관심 영역으로 판단하여 이를 기초로 기준 프레임 내 관심 영역과 동일한 관심 영역을 포함하는 프레임을 수집할 수 있다. 또한, 기준 프레임 내 관심 영역이 복수개인 경우 그 중 진단 할 관심 영역에 대응하는 관심 영역을 포함하는 프레임들을 선별할 수 있다.진단부(240)는 선별한 각 프레임의 진단 결과를 활용하여 기준 프레임을 진단한다. 일 실시 예에 따르면, 진단부(240)는 기준 프레임에 포함된 관심 영역에 대하여 형태(shape), 방향성(orientation), 가장자리(margin), 병변 경계(lesion boundary), 에코 패턴(echo pattern), 후방 에코(posterior acoustic features), 주변 조직(surrounding tissue) 등의 각 항목별로 판단을 할 수 있고, 이를 위해 선별된 프레임의 진단 결과를 활용할 수 있다. 또한, 진단부(240)는 관심 영역이 병변일 확률에 기초하여 기준 프레임의 관심 영역을 진단할 수 있다.
예를 들어 진단부(240)는 하나의 관심 영역에 대해 선별된 여러 개 내지 수백 개의 프레임에 대한 진단 결과를 취합하여 이를 카테고리 별로 분류하여 생성된 통계를 이용할 수 있다. 여기서, 선별한 프레임의 진단 결과는 각각의 프레임에 포함된 관심 영역의 항목별 판정이나, 병변일 확률에 기초한 양성/악성/음성 여부의 진단 또는 병변일 확률에 기초한 세분화된 카테고리에 관한 진단일 수 있다.
또 다른 실시 예에 따르면, 진단부(240)는 선별한 각 프레임의 진단 결과를 활용하되, 하나 이상의 기준에 대해 가중치를 부가하여 기준 프레임을 진단할 수 있다. 예를 들어, 진단부(240)는 진단 결과가 가장 많이 분류되어 있는 카테고리에 대해 가중치를 부여하여 기준 프레임의 진단에 활용할 수 있다. 또는 일정 수준 이상의 빈도를 가지는 카테고리에 대해 가중치를 부여할 수 있다. 가중치를 부여하는 방법은 다양할 수 있으며 각 항목별 또는 각 카테고리 별로 가중치를 부여할 수 있다. 또한, 진단부(240)는 진단할 기준 프레임의 결정 시점과 가까운 시각에 선별된 영상에 대하여 가중치를 부여할 수 있다. 그 외 병변의 특징, 신뢰도, 정확도 등의 부가적 요소를 고려할 수 있다. 가중치를 부여하는 기준은 다양할 수 있으므로, 상기에 기술된 것 이외의 실시 예도 본원발명으로부터 용이하게 도출할 수 있는 것이라면 균등물의 범위에 속하는 것으로 보아야 할 것이다.
기준 프레임의 진단에 선별한 복수의 프레임들의 진단 결과를 활용하는 경우 기준 프레임 하나만을 진단할 때보다 정확하고 객관적인 결과를 획득할 수 있다. 예를 들어 선별한 프레임의 수가 많을수록 통계를 산출하는데 있어 주요한 카테고리에 분류되는 진단 결과가 많아지므로 진단 오류를 줄일 수 있다.
또한, 선별한 프레임의 진단 결과를 형태(shape), 방향성(orientation), 가장자리(margin), 병변 경계(lesion boundary), 에코 패턴(echo pattern), 후방 에코(posterior acoustic features), 주변 조직(surrounding tissue) 등의 항목별로 분류하여 이를 기준 프레임의 진단에 활용한다면, 기준 프레임 하나만을 진단할 때보다 정밀도가 높은 진단 결과를 얻을 수 있다.
도 3내지 도5는 특정한 선별 기준에 따라 프레임을 샘플링하는 일 예이다. 다만, 이외에도 프레임을 샘플링하는 선별 기준은 다양할 수 있으므로 상기의 실시예가 후술하는 내용에 한정되어야 하는 것은 아닐 것이다.
도 3은 의료 영상 진단 장치에서 일정한 주기에 따라 프레임을 샘플링하는 일 예이다. 도 3을 참고하면, 의료 영상 진단 장치에 입력되는 모든 프레임 구간(301~302)에서 일정한 주기에 따라 프레임을 샘플링할 수 있다. 예를 들어, 3 개의 프레임이 입력되는 시간을 주기로 설정하는 경우 3 프레임 당 하나의 프레임을 샘플링할 수 있다. 여기서, 샘플링된 프레임들을 살펴보면, 프레임 S1(311)에는 관심 영역이 검출되어 있지 않으나, 일정한 시간의 변화에 따라 프레임 S2(312), S3(313), S4(314)에는 점차 커진 관심 영역이 샘플링될 수 있다.
도 4는 의료 영상 진단 장치에서 프로브의 변화량에 기초하여 프레임을 샘플링하는 일 예이다. 일 실시 예에 따르면, 프로브의 변화에 따라 입력되는 프레임의 단면 방향이 변화하고, 이에 따라 프레임 내 포함된 관심 영역의 형태, 각도, 방향 또한 변화한다. 이때 프로브의 변화량에 기초한 선별 기준으로 프레임을 수집하는 경우 관심 영역의 형태, 각도, 방향이 다른 다양한 측면의 프레임을 샘플링할 수 있다.
도 4를 참고하면, 프로브의 이동방향이 축(410)을 기준으로 변화한다. 프로브의 변화는 프로브에 센서를 부착하여 물리적으로 측정하거나, 입력되는 프레임의 변화로부터 간접적으로 측정될 수 있을 것이다. 의료 영상 진단 장치는 프로브의 변화량이 임계치 이상인 경우 프로브의 이동 방향이 변화하는 축(410)을 기준으로 전, 후의 프레임을 샘플링할 수 있다. 도 4를 참고하면, 프로브의 이동 방향이 변화될 때의 프레임이 S2(412)일때, 의료 영상 진단 장치는 S2(412)의 이전 프레임 S1(411)과 S2(412)의 이후 프레임 S3(413)이 샘플링할 수 있다.
도 5는 의료 영상 진단 장치에서 직전 프레임과의 프레임 변화량에 기초하여 샘플링하는 일 예이다. 일 실시 예에 따르면, 의료 영상 진단 장치(100)는 입력되는 프레임들 중 직전의 프레임과 프레임의 변화량을 비교하여 임계치 이상의 변화를 보이는 프레임을 샘플링할 수 있다. 도 5를 참고하면, 관심 영역이 검출되기 시작하는 시점에 프레임 S1(510)과 프레임 S2(520)내의 관심 영역을 살펴보면, S1의 관심 영역(510)에 비하여 S2(520)의 관심 영역(521)이 더 크고 형태가 급변한다. 의료 영상 진단 장치는 직전 프레임과 비교하여 프레임의 변화량이 임계치 이상인 프레임을 샘플링할 수 있다. 도 5의 실시 예에서, 프레임 S3(530)의 관심 영역(531)보다 프레임 S4(540)의 관심 영역(541)이 더 크고, 프레임 S5(55)의 관심 영역(551)보다 프레임 S6(560)의 관심 영역(561)이 더 작다. 의료 영상 진단 장치는 프레임의 변화량이 임계치 이상인 경우 이를 샘플링할 수 있다.
도 6a는 수집한 프레임의 진단 결과를 활용하여 기준 프레임의 방향성(orientation)을 판단하는 일 예이다. 의료 영상 진단 지원 장치는 기준 프레임에 대하여 형태(shape), 방향성(orientation), 가장자리(margin), 병변 경계(lesion boundary), 에코 패턴(echo pattern), 후방 에코(posterior acoustic features), 주변 조직(surrounding tissue) 등의 다양한 항목 중 일부에 대한 판단을 수행할 때 수집한 프레임의 진단 결과를 활용할 수 있다. 도 6a를 참고하면, 수집된 프레임이 100개라고 했을 때, 수집된 각각의 프레임에서 방향성(orientation)을 각각 판단할 수 있다. 방향성(orientation)은 관심 영역의 긴 축이 피부 라인 (skin line)에 평행(parallel)하는지 여부로 판단한다. 관심 영역의 긴 축이 피부 라인에 평행 (“wider than tall” or horizontal)하면 Parallel로 판정하고, 관심 영역의 긴 축이 피부 라인에 평행하지 않으면 (“taller than wide” or vertical, includes round)하면 Not parallel로 판정할 수 있다.
도 6a를 참고하면, 수집한 프레임의 진단 결과 약 84%의 프레임이 Parallel로 판정되고, 약 16%의 프레임이 Not parallel 으로 판정 됐다. 의료 영상 진단 장치(100)는 수집한 프레임의 방향성(orientation)에 대한 판정 결과를 취합하여 기준 프레임을 Parallel 이라고 최종 판정할 수 있다.
예를 들어, 의료 영상 진단 장치는 만일 기준 프레임 하나에 대한 방향성(orientation) 판정 결과가 Not parallel으로 나왔다 하더라도, 이전에 수집한 프레임의 진단 결과를 활용 하여, 최종적으로 기준 프레임의 관심 영역이 Parallel 함을 판정할 수 있다. 이때, 수집한 프레임의 개수가 많아질수록 객관적인 통계의 적용이 가능할 수 있다.
도 6b는 수집한 진단 결과를 활용하여 관심 영역을 진단하는 일 예이다. 도 6b를 참고하면, 의료 영상 진단 장치는 수집한 프레임의 진단 결과를 카테고리 별로 분류하여 히스토그램 형태로 디스플레이 할 수 있다. 일 실시 예에 따르면, 유방암 진단을 위한 초음파 검사의 경우 BI-RADs 카테고리 이용할 수 있다. 일 례로, 도 6에서 클래스 0 내지 클래스 6은 각각 incomplete(0), Negative(1), Benign finding(2), Probably benign finding(3), Suspicious abnormality(4), Highly suggestive of malignancy(5), Known biopsy-proven malignancy(6)으로 분류될 수 있다. 여기서, 개별 클래스의 명칭이나 분류 기준은 다양할 수 있으므로, 이를 제한 요소로 해석해야 할 것은 아니다. 나아가, 의료 영상 진단 장치(100)는 복부, 갑상선, 혈관, 근골격 등의 초음파 검사에도 활용될 수 있으며, 복수의 의료 영상을 수집하는 다른 의료 영상 검사에도 활용될 수 있다.
의료 영상 진단 지원 장치(100)는 수집한 프레임 각각에 대한 진단 결과를 병변일 확률에 기초하여 카테고리 별로 분류할 수 있다. 그리고 수집한 프레임의 진단 결과를 취합하여 히스토그램 형태로 출력할 수 있다.
도 6b를 참고하면, 클래스 5 내지 클래스 7사이에 분류된 진단 결과가 상대적으로 많고, 그 중 클래스 6에 가장 많은 진단 결과가 분류됐다. 의료 영상 진단 장치(100)는 이러한 진단 결과에 대한 통계를 이용하여 주된 카테고리를 판단할 수 있다. 그리고 의료 영상 진단 장치는 기준 프레임을 진단할 때, 클래스 5 (Suspicious abnormality) 내지 클래스 7 (Highly suggestive of malignancy)의 카테고리로 분류하여 진단할 수 있다.
도 7은 일 실시 예에 따른 의료 영상 진단 장치(100)를 이용한 의료 영상 진단 방법의 흐름도이다.
먼저, 의료 영상 진단 장치(100)는 의료 영상 기기로부터 프레임을 입력받는다(710). 그리고 입력되는 프레임을 샘플링하여(720) 일정 크기의 공간 내 하나 이상의 프레임을 저장한다(730). 일 실시 예에 따르면, 의료 영상 진단 장치(100)는 의료 영상 기기로부터 입력되는 프레임을 소정의 기준에 따라 샘플링하여 저장할 수 있다. 예를 들어, 의료 영상 진단 장치(100)는 기 설정된 정형적 선별 기준, 가변하는 상황에 기초한 가변적 선별 기준, 경험적 선별 기준을 이용하거나 이들의 조합에 기초한 선별 기준을 이용하여 샘플링하고, 이를 저장할 수 있다.
이때, 정형적 선별 기준은 소정의 시간, 저장 공간의 크기, 선별할 프레임의 개수, 정밀도 중 하나 이상을 포함할 수 있다. 예를 들어, 의료 영상 진단 장치(100)는 기 설정한 소정의 시간 간격에 따라 입력되는 전체 프레임 중에서 주기적으로 프레임을 샘플링할 수 있다. 다른 예로, 의료 영상 진단 장치(100)는 저장 공간의 크기, 샘플링 할 프레임의 개수를 기 설정해 놓고, 이를 프레임 선별 기준으로 이용할 수 있다. 또 다른 예로, 의료 영상 진단 장치(100)는 진단의 정밀도를 고려하여 프레임을 샘플링 할 수 있다. 예를 들어 고정밀 진단이 요구되는 경우 저장부(110)는 보다 넓은 구간에 대해 샘플링 주기를 짧게 설정하여 보다 많은 프레임을 샘플링할 수 있다. 이 경우 표본 데이터의 증가로 기준 프레임의 진단에 있어 정밀도를 향상시킬 수 있다.
또한, 의료 영상 진단 장치(100)는 가변하는 상황에 기초한 가변적 선별 기준을 이용하여 프레임을 선별할 수 있다. 일 실시 예에 따르면, 프로브의 위치, 각도, 속도가 변화하면 이에 따라 입력되는 프레임 또한 변화한다. 이에 의료 영상 진단 장치(100)는 프로브의 위치, 각도, 속도가 임계치 이상으로 변화할 때 프레임을 샘플링할 수 있다.
다른 실시 예에 따르면, 의료 영상 진단 장치(100)는 프레임의 변화량이 임계치 이상일 경우 프레임을 샘플링할 수 있다. 프레임의 변화량은 다양한 실시예를 포괄할 수 있다. 예를 들어 관심 영역의 검출 지점, 관심 영역의 크기, 형태가 변화하는 지점을 전후하여 프레임 변화량이 임계치 이상인 프레임을 샘플링할 수 있다. 다른 예로, 의료 영상 진단 장치(100)는 프레임의 변화량을 고려할때, 직전 프레임과 비교하여 프레임의 변화량이 임계치 이상인 프레임을 샘플링할 수 있다. 시간 t-1초에서의 프레임과 시간 t초에서의 프레임 사이에서 관심 영역의 변화량이 임계치 이상일 경우 시간 t-1초에서의 프레임과 시간 t초에서의 프레임을 각각 샘플링할 수 있다.
또 다른 실시 예에 따르면, 의료 영상 진단 장치(100)는 검사자의 입력을 받아 명시적으로 선택된 프레임들을 더 저장할 수 있다. 예를 들어 초음파 검사의 경우 실시간으로 프레임이 입력되므로, 검사자는 프로브, 버튼, 키보드, 터치 패드, 모션 인식등을 이용하여 추후 확인이 필요한 프레임을 저장할 수 있다. 이때, 의료 영상 진단 장치(100)는 검사자의 입력에 의해 선택된 프레임들을 샘플링할 수 있다.
또 다른 실시 예에 따르면, 의료 영상 진단 장치(100)는 학습에 의하거나 검사자의 의도를 추론할 수 있는 지표에 의해 경험적 선별 기준을 이용하여 프레임을 샘플링할 수 있다. 예를 들어, 검사자는 하나의 관심 영역 주변을 오랜 시간 관찰하는 등 하나의 관심 영역을 주의 깊게 살펴볼 수 있다. 초음파 검사의 경우 일반적으로 관심 영역이 있으면, 검사자는 관심 영역 주변의 프레임을 확인해가며 관심 영역을 진단한다. 의료 영상 진단 장치(100)는 이러한 경험적 선별 기준을 토대로 검사자가 주의 깊게 관찰하는 관심 영역을 포함하는 프레임을 자동으로 샘플링할 수 있다. 예를 들어 의료 영상 진단 장치(100)는 동일성이 유지되는 관심 영역에 대해 소정의 시간 이상으로 프레임이 입력되는 경우 이를 자동으로 샘플링할 수 있다.
그 다음, 의료 영상 진단 장치(100)는 기준 프레임이 결정되는지 판단한다(740). 자동으로 또는 검사자의 입력에 의해 진단 할 기준 프레임이 결정되면, 의료 영상 진단 장치(100)는 저장된 프레임들 중 기준 프레임의 진단에 이용할 프레임들을 수집한다(750).
일 실시 예에 따르면, 의료 영상 진단 장치(100)는 기준 프레임이 결정되면, 기준 프레임 내 관심 영역과 대응하는 관심 영역을 포함하는 프레임들을 수집할 수 있다. 기준 프레임 내 관심 영역과 대응하는 관심 영역의 판단은 양자간 동일성 판단으로부터 도출될 수 있다. 예를 들어 임계치 이상의 유사도를 보이는 관심 영역을 기준 프레임 내 관심영역과 동일성이 있는 관심 영역으로 판단하여 이를 기초로 기준 프레임 내 관심 영역과 동일한 관심 영역을 포함하는 프레임을 수집할 수 있다. 또한, 기준 프레임 내 관심 영역이 복수개인 경우 그 중 진단 할 관심 영역에 대응하는 관심 영역을 포함하는 프레임들을 선별할 수 있다.
다른 실시 예에 따르면, 의료 영상 진단 장치(100)는 샘플링을 통하여 저장된 프레임들 중 기준 프레임 이전의 프레임들을 수집할 수 있다. 예를 들어 의료 영상 진단 장치(100)는 기준 프레임으로부터 소정의 시간 이전에 저장된 프레임들을 수집할 수 있다.
그 다음. 의료 영상 진단 장치(100)는 수집한 프레임 각각의 진단 결과를 취합하여 진단 결과를 가공할 수 있다. 예를 들어 의료 영상 진단 장치(100)는 수집한 복수의 프레임들을 취합하고, 취합한 진단 결과를 카테고리 별로 분류하여 통계를 산출할 수 있다. 여기서, 수집한 프레임의 진단 결과는 각각의 프레임에 포함된 관심 영역의 항목별 판정이나, 병변일 확률에 기초한 양성/악성/음성 여부의 판정 또는 병변일 확률에 기초한 세분화된 카테고리(또는 클래스)에 관한 판정일 수 있다. 이때의 세분화된 카테고리는 BI-RADs(Breast Imaging- Reporting and data system) 카테고리가 될 수 있다.
의료 영상 진단 장치(100)는 하나의 관심 영역에 대해 수집된 여러 개 내지 수백 개의 프레임에 대한 진단 결과를 취합하여 진단 결과를 카테고리 별로 분류하고 카테고리 별로 통계를 산출할 수 있다. 이때, 의료 영상 진단 장치(100)는 진단 결과의 주를 이루고 있는 주된 카테고리를 결정할 수 있다. 여기서, 여러 개 내지 수백 개의 프레임은 일 실시 예로 설명된 것으로써 한정 요소로 해석될 것이 아니다.
의료 영상 진단 장치(100)는 수집한 각 프레임의 진단 결과를 활용하여 기준 프레임을 진단한다(760). 일 실시 예에 따르면, 의료 영상 진단 장치(100)는 기준 프레임 내 관심 영역에 대하여 형태(shape), 방향성(orientation), 가장자리(margin), 병변 경계(lesion boundary), 에코 패턴(echo pattern), 후방 에코(posterior acoustic features), 주변 조직(surrounding tissue) 등의 각 항목별로 판단을 할 수 있다. 이때, 의료 영상 진단 장치(100)는 수집한 각 프레임의 진단 결과를 활용할 수 있다. 예를 들어, 의료 영상 진단 장치(100)에서 기준 프레임 내 관심 영역의 형태를 판단 할 때, 수집한 복수의 프레임의 관심 영역의 형태에 대한 판단 결과를 취합하여, 취합한 판단 결과에 대한 통계를 이용하여 기준 프레임 내 관심영역에 대한 최종 판단을 할 수 있다.
다른 실시 예에 따르면, 의료 영상 진단 장치(100)는 병변일 확률에 기초한 양성/악성/음성 여부 또는 보다 세분화된 카테고리로서 기준 프레임 내 관심영역을 진단할 수 있다. 이때, 의료 영상 진단 장치(100)는 수집한 복수의 프레임의 관심 영역에 대한 진단 결과를 취합하여, 취합한 진단 결과에 대한 통계를 이용하여 기준 프레임 내 관심영역에 대한 최종 진단을 할 수 있다.
또 다른 실시 예에 따르면, 의료 영상 진단 장치(100)는 수집한 각 프레임의 진단 결과를 활용하되, 하나 이상의 기준에 대해 가중치를 부가하여 기준 프레임을 진단할 수 있다. 예를 들어, 의료 영상 진단 장치(100)는 진단 결과가 가장 많이 분류되어 있는 카테고리에 대해 가중치를 부여하여 기준 프레임의 진단에 활용할 수 있다. 또는 일정 수준 이상의 빈도를 가지는 카테고리에 대해 가중치를 부여할 수 있다. 가중치를 부여하는 방법은 다양할 수 있으며 각 항목별 또는 각 카테고리 별로 가중치를 부여할 수 있다. 또한, 의료 영상 진단 장치(100)는 기준 프레임의 결정 시점과 가까운 시각에 수집된 영상에 대하여 가중치를 부여할 수 있다. 그 외 병변의 특징, 신뢰도, 정확도 등의 부가적 요소를 고려할 수 있다. 가중치를 부여하는 기준은 다양할 수 있으므로, 상기에 기술된 것 이외의 실시 예도 본원발명으로부터 용이하게 도출할 수 있는 것이라면 균등물의 범위에 속하는 것으로 보아야 할 것이다.
그 다음, 의료 영상 진단 장치(100)는 하나 이상의 프레임에 대한 진단 결과를 디스플레이한다. 일례로, 의료 영상 진단 장치(100)는 기준 프레임 내 관심 영역을 음성/양성/악성으로 진단한 진단 결과를 디스플레이 할 수 있다. 또한, 의료 영상 진단 장치(100)는 수집한 각 프레임에 대한 진단 결과를 취합하여 빈도 분포 특성에 대한 통계 정보를 이용하여 디스플레이할 수 있다. 예를 들어 의료 영상 진단 장치(100)는 수집한 복수의 프레임의 진단 결과에 대한 통계를 히스토그램 형태로으로 디스플레이하고, 그 위에 기준 프레임에 대한 최종 진단 결과를 디스플레이할 수 있다. 그 외에 파이 도표(pie chart), 막대그래프, 꺾은선 그래프 등 다양한 통계 정보를 이용할 수 있다. 수집한 프레임의 수가 많은 경우 각 카테고리 별로 누적된 진단 결과를 히스토그램 형태통계 정보로 디스플레이하는 것은 시각적으로 효과적일 수 있다. 또한 , 진단한 기준 프레임이 여러 개인 경우 의료 영상 진단 장치(100)는 기준 프레임의 진단 결과에 대한 통계 정보를 시각화하여 디스플레이할 수 있다.
도 8은 다른 실시 예에 따른 의료 영상 진단 장치(200)를 이용한 의료 영상 진단 방법의 흐름도이다.
의료 영상 진단 장치(200)는 진단할 기준 프레임이 결정 되었는지 판단한다(810). 기준 프레임은 자동으로 또는 검사자의 입력을 받아 결정될 수 있다. 의료 영상 진단 장치(200)는 기준 프레임에 대한 진단 개시 명령 또는 진단 요청이 있으면, 진단 할 기준 프레임을 자동으로 결정할 수 있다. 또는 검사자가 검사를 하는 중 프로브의 버튼, 키를 입력하는 등으로 명시적으로 선택된 프레임이 있으면 의료 영상 진단 장치(200)는 이를 진단 개시 명령 또는 요청으로 보아 진단할 기준 프레임을 결정할 수 있다.
의료 영상 진단 장치(200)는 기준 프레임이 결정되면, 소정의 기준에 따라 프레임들을 샘플링할 수 있다(820). 예를 들어, 의료 영상 진단 장치(200)는 기 설정된 정형적 선별 기준, 가변하는 상황에 기초한 가변적 선별 기준, 경험적 선별 기준을 이용하거나 이들을 조합한 선별 기준을 이용하여 샘플링을 할 수 있다.
이때, 정형적 선별 기준은 소정의 시간, 저장 공간의 크기, 선별할 프레임의 개수, 정밀도 중 하나 이상을 포함할 수 있다. 예를 들어, 의료 영상 진단 장치(200)는 기 설정한 소정의 시간 간격에 따라 입력되는 전체 프레임 중에서 프레임을 주기적으로 샘플링할 수 있다. 다른 예로, 의료 영상 진단 장치(200)는 저장 공간의 크기, 샘플링 할 프레임의 개수를 기 설정해 놓고, 이를 프레임 선별 기준으로 이용할 수 있다. 또 다른 예로, 의료 영상 진단 장치(200)는 진단의 정밀도를 고려하여 프레임을 샘플링할 수 있다. 고정밀 진단이 요구되는 경우 의료 영상 진단 장치(200)는 보다 넓은 구간에 대해 샘플링 주기를 짧게 설정하여 보다 많은 프레임을 샘플링할 수 있다. 이 경우 표본 데이터의 증가로 기준 프레임의 진단에 있어 정밀도를 향상시킬 수 있다.
또한, 의료 영상 진단 장치(200)는 가변하는 상황에 기초한 가변적 선별 기준을 이용하여 프레임을 선별할 수 있다. 이러한 가변하는 상황하에서 프레임을 샘플링하는 선별 기준은 다양할 수 있다. 이하에서는 그 중 프로브의 변화량, 프레임의 변화량을 임계치와 비교하는 선별 기준을 설명한다.
일 실시 예에 따르면, 의료 영상 진단 장치(200)는 프레임의 변화량이 임계치 이상일 경우 프레임을 샘플링할 수 있다. 의료 영상 진단 장치(200)는 프로브의 위치, 각도, 속도가 임계치 이상으로 변화할 때 프레임을 샘플링할 수 있다.
다른 실시 예에 따르면, 프레임의 변화량은 다음의 각 항목별로 비교할 수 있다. 의료 영상 진단 장치(200)는 프레임에 포함된 관심 영역의 형태(shape), 방향성(orientation), 가장자리(margin), 병변 경계(lesion boundary), 에코 패턴(echo pattern), 후방 에코(posterior acoustic features), 주변 조직(surrounding tissue) 등의 각 항목에 대한 프레임의 변화량이 임계치 이상인 경우 이를 샘플링할 수 있다. 예를 들어, 의료 영상 진단 장치(200)는 관심 영역의 검출되는 지점, 관심 영역의 크기나 형태가 변화하는 지점을 전후하여 프레임 변화량이 임계치 이상인 프레임을 샘플링할 수 있다.
또 다른 실시 예에 따르면, 의료 영상 진단 장치(200)는 직전 프레임과의 프레임 변화량에 기초하여 프레임을 샘플링할 수 있다. 예를 들어, 시간 t-1초에서의 프레임과 시간 t초에서의 프레임 내 포함된 관심 영역의 변화량이 임계치 이상일 경우 시간 t-1초에서의 프레임과 시간 t초에서의 프레임을 각각 샘플링할 수 있다.
또 다른 실시 예에 따르면, 의료 영상 진단 장치(200)는 검사자의 입력을 받아 명시적으로 선택된 프레임들을 더 저장할 수 있다. 예를 들어 초음파 검사의 경우 실시간으로 프레임이 입력되므로, 검사자는 프로브, 버튼, 키보드, 터치 패드, 모션 인식등을 이용하여 추후 확인이 필요한 프레임을 저장할 수 있다. 이때, 의료 영상 진단 장치(200)는 검사자의 입력에 의해 명시적으로 선택된 프레임들을 샘플링할 수 있다.
또한, 의료 영상 진단 장치(200)는 학습에 의하거나 검사자의 의도를 추론할 수 있는 지표에 의한 경험적 선별 기준을 이용하여 프레임을 샘플링할 수 있다. 일 실시 예에 따르면, 검사자는 오랜 시간 하나의 관심 영역 주변을 관찰하는 등 하나의 관심 영역을 주의 깊게 살펴볼 수 있다. 초음파 검사의 경우 일반적으로 관심 영역이 있으면, 검사자는 관심 영역 주변의 프레임을 확인해가며 관심 영역을 진단한다. 의료 영상 진단 장치(200)는 이러한 경험적 선별 기준을 토대로 검사자가 주의 깊게 관찰하는 관심 영역을 포함하는 프레임을 자동으로 샘플링할 수 있다. 예를 들어 의료 영상 진단 장치(200)는 동일성이 유지되는 관심 영역에 대해 소정의 시간 이상으로 프레임이 입력되는 경우 이를 자동으로 샘플링할 수 있다.
의료 영상 진단 장치(200)는 샘플링을 하면서 또는 샘플링을 한 후에 기준 프레임의 진단에 이용할 기준 프레임 내 관심 영역과 대응하는 관심 영역을 포함하는 프레임들을 선별할 수 있다. 기준 프레임 내 관심 영역이 복수개인 경우 진단 할 관심 영역을 기초로 프레임들을 선별할 수 있다. 기준 프레임 내 관심 영역과 대응하는 관심 영역의 판단은 양자간 동일성 판단으로부터 도출될 수 있다. 예를 들어 임계치 이상의 유사도를 보이는 관심 영역에 기초하여 관심 영역의 동일성을 판단할 수 있다. 기준 프레임 내 관심 영역과 동일한 관심 영역을 포함하는 프레임으로 수집된 프레임들은 기준 프레임의 진단에 이용될 수 있다.
의료 영상 진단 장치(200)는 선별한 각 프레임의 진단 결과를 활용하여 기준 프레임을 진단한다(830). 일 실시 예에 따르면, 의료 영상 진단 장치(200)는 기준 프레임에 포함된 관심 영역에 대하여 형태(shape), 방향성(orientation), 가장자리(margin), 병변 경계(lesion boundary), 에코 패턴(echo pattern), 후방 에코(posterior acoustic features), 주변 조직(surrounding tissue) 등의 각 항목별로 판단을 할 수 있고, 이를 위해 선별한 프레임의 진단 결과를 활용할 수 있다. 또한, 의료 영상 진단 장치(200)는 관심 영역이 병변일 확률에 기초하여 기준 프레임의 관심 영역을 진단할 수 있다.
예를 들어 의료 영상 진단 장치(200)는 하나의 관심 영역에 대해 수집된 여러 개 내지 수백 개의 프레임에 대한 진단 결과를 취합하여 이를 카테고리 별로 분류하여 생성된 통계를 이용할 수 있다. 여기서, 선별한 프레임의 진단 결과는 각각의 프레임에 포함된 관심 영역의 항목별 판정이나, 병변일 확률에 기초한 양성/악성/음성 여부의 진단 또는 병변일 확률에 기초한 세분화된 카테고리에 관한 진단일 수 있다.
또 다른 실시 예에 따르면, 의료 영상 진단 장치(200)는 수집한 각 프레임의 진단 결과를 활용하되, 하나 이상의 기준에 대해 가중치를 부가하여 기준 프레임을 진단할 수 있다. 예를 들어, 의료 영상 진단 장치(200)는 진단 결과가 가장 많이 분류되어 있는 카테고리에 대해 가중치를 부여하여 기준 프레임의 진단에 활용할 수 있다. 또는 일정 수준 이상의 빈도를 가지는 카테고리에 대해 가중치를 부여할 수 있다. 가중치를 부여하는 방법은 다양할 수 있으며 각 항목별 또는 각 카테고리 별로 가중치를 부여할 수 있다. 또한, 의료 영상 진단 장치(200)는 기준 프레임의 결정 시점과 가까운 시각에 수집된 영상에 대하여 가중치를 부여할 수 있다. 그 외 병변의 특징, 신뢰도, 정확도 등의 부가적 요소를 고려할 수 있다. 가중치를 부여하는 기준은 다양할 수 있으므로, 상기에 기술된 것 이외의 실시 예도 본원발명으로부터 용이하게 도출할 수 있는 것이라면 균등물의 범위에 속하는 것으로 보아야 할 것이다.
기준 프레임의 진단에 수집한 복수의 프레임들의 진단 결과를 활용하는 경우 기준 프레임 하나만을 진단할 때보다 정확하고 객관적인 결과를 획득할 수 있다. 예를 들어 선별한 프레임의 수가 많을수록 통계를 산출하는데 있어 주요한 카테고리에 분류되는 진단 결과가 많아지므로 진단 오류를 줄일 수 있다.
또한, 선별한 프레임의 진단 결과를 형태(shape), 방향성(orientation), 가장자리(margin), 병변 경계(lesion boundary), 에코 패턴(echo pattern), 후방 에코(posterior acoustic features), 주변 조직(surrounding tissue) 등의 항목별로 분류하여 이를 기준 프레임의 진단에 활용한다면 보다 정확한 진단 결과를 얻을 수 있다.
한편, 본 실시 예들은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현하는 것을 포함한다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고 본 실시 예들을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 해당 기술 분야의 프로그래머들에 의하여 용이하게 추론될 수 있다.
이상에서는 실시 예들을 중심으로 기술적 특징들을 설명하였다. 하지만, 개시된 실시 예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 하고, 권리 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 권리범위에 포함된 것으로 해석되어야 할 것이다.
100: 의료 영상 진단 장치
110: 저장부
120: 프레임 수집부
130: 진단 결과 가공부
140: 진단부
150: 디스플레이부
200: 의료 영상 진단 장치
220: 프레임 선별부
240: 진단부

Claims (21)

  1. 의료 영상 기기로부터 수신되는 프레임을 샘플링하여 일정 크기의 공간 내 하나 이상의 프레임을 저장하는 저장부;
    관심영역을 포함하는 기준 프레임이 결정되면, 상기 저장된 프레임들 중 상기 기준 프레임에 포함된 상기 관심영역에 대응하는 관심영역을 포함하는 하나 이상의 샘플 프레임을 선택하고, 상기 하나 이상의 샘플 프레임으로부터 하나 이상의 진단 결과를 획득하고, 상기 선택된 하나 이상의 샘플 프레임의 하나 이상의 진단 결과에 기초하여 상기 기준 프레임에 대한 진단 결과를 제공하는 적어도 하나의 프로세서를 포함하고,
    상기 적어도 하나의 프로세서는, 프로브의 스캔 특성의 변화를 검출한 것에 기초하여 상기 수신된 프레임들 중 상기 저장부에 저장될 상기 샘플 프레임들을 선택하고,
    상기 스캔 특성은 검사의 대상체에 대한 프로브의 오리엔테이션 각도에 관련된, 의료 영상 진단 장치.
  2. 제1항에 있어서,
    상기 저장부는 기 설정된 정형적 선별 기준, 가변하는 상황에 기초한 가변적 선별 기준 및 경험적 선별 기준 중 하나 이상을 조합한 선별 기준을 이용하여 프레임을 샘플링하는 의료 영상 진단 장치.
  3. 제1항에 있어서,
    상기 저장부는 검사자의 입력을 받아 선택된 프레임들을 저장하는 것을 더 포함하는 의료 영상 진단 장치.
  4. 삭제
  5. 제1항에 있어서,
    상기 적어도 하나의 프로세서는, 하나 이상의 진단 결과 중 가장 많은 진단 결과를 선택하고, 상기 선택된 진단 결과를 상기 기준 프레임에 대한 진단 결과로 제공하는, 의료 영상 진단 장치.
  6. 제5항에 있어서,
    상기 적어도 하나의 프로세서는, 상기 취합한 진단 결과를 카테고리 별로 분류하고 통계를 산출하는 의료 영상 진단 장치.
  7. 제1항에 있어서,
    상기 적어도 하나의 프로세서는, 상기 수집한 각 프레임의 진단 결과를 활용하되, 하나 이상의 기준에 대해 가중치를 부가하여 상기 기준 프레임에 대한 진단결과를 제공하는, 의료 영상 진단 장치.
  8. 제1항에 있어서,
    상기 수집한 각 프레임의 진단 결과 및 기준 프레임의 진단 결과 중 하나 이상을 빈도 분포 특성에 대한 통계 정보를 이용하여 디스플레이하는 디스플레이부를 더 포함하는 의료 영상 진단 장치.
  9. 관심영역을 포함하는 기준 프레임이 결정되면, 의료 영상 장치로부터 수신된 복수의 프레임들을 샘플링함에 의해 상기 기준 프레임의 진단에 이용될 상기 기준 프레임에 포함된 관심영역에 대응하는 관심영역을 포함하는 하나 이상의 프레임을 선택하고, 상기 선택된 하나 이상의 프레임 각각에 대한 진단 결과를 획득하고, 상기 선택된 하나 이상의 프레임들의 하나 이상의 진단 결과에 기초하여 상기 기준 프레임에 대한 진단 결과를 제공하는 적어도 하나의 프로세서를 포함하고,
    상기 적어도 하나의 프로세서는, 프로브의 스캔 특성에서의 변화를 검출한 것에 기초하여 복수의 프레임들을 샘플링함에 의해 하나 이상의 프레임을 선택하고, 상기 선택된 하나 이상의 프레임을 저장부에 저장하고,
    상기 스캔 특성은 검사의 대상체에 대한 프로브의 오리엔테이션 각도에 관련되는, 의료 영상 진단 장치.
  10. 제9항에 있어서,
    상기 적어도 하나의 프로세서는, 기 설정된 정형적 선별 기준, 가변하는 상황에 기초한 가변적 선별 기준 및 경험적 선별 기준 중 하나 이상을 조합한 선별 기준을 이용하여 프레임을 샘플링하는 의료 영상 진단 장치.
  11. 제10항에 있어서,
    상기 정형적 선별 기준은 소정의 시간, 저장 공간의 크기, 샘플링 할 프레임의 개수, 정밀도 중 하나 이상을 포함하는 의료 영상 진단 장치.
  12. 제10항에 있어서,
    상기 가변적 선별 기준은 프로브의 변화 및 프레임의 변화 중 하나 이상을 임계치와 비교하는 선별 기준을 포함하는 의료 영상 진단 장치.
  13. 제10항에 있어서,
    상기 경험적 선별 기준은 학습에 의하거나 검사자의 의도를 추론할 수 있는 지표에 의한 선별 기준을 포함하는 의료 영상 진단 장치.
  14. 삭제
  15. 제9항에 있어서,
    상기 적어도 하나의 프로세서는, 하나 이상의 진단 결과 중 가장 많은 진단 결과를 선택하고, 상기 선택된 진단 결과를 상기 기준 프레임에 대한 진단 결과로 제공하는, 의료 영상 진단 장치.
  16. 제15항에 있어서,
    상기 적어도 하나의 프로세서는, 상기 취합한 진단 결과를 카테고리 별로 분류하고 통계를 산출하여 기준 프레임의 진단에 활용하는 의료 영상 진단 장치.
  17. 제9항에 있어서,
    상기 적어도 하나의 프로세서는, 상기 선별한 각 프레임의 진단 결과를 활용하되, 하나 이상의 기준에 대해 가중치를 부가하여 상기 기준 프레임을 진단하는 의료 영상 진단 장치.
  18. 의료 영상 진단 장치에 의해 수행되는 의료 영상 진단 방법에 있어서,
    의료 영상 기기로부터 수신된 프레임을 샘플링하는 단계;
    일정 크기의 공간을 갖는 저장부 내 상기 샘플링된 하나 이상의 프레임을 저장하는 단계;
    관심영역을 포함하는 기준 프레임이 결정되면, 상기 저장된 프레임들 중 상기 기준 프레임에 포함된 상기 관심영역에 대응하는 관심 영역을 포함하고 기준 프레임의 진단에 이용할 하나 이상의 샘플 프레임을 선택하는 단계; 및
    상기 하나 이상의 샘플 프레임으로부터 하나 이상의 진단 결과를 획득하는 단계;
    상기 선택된 하나 이상의 샘플 프레임의 하나 이상의 진단 결과에 기초하여 상기 기준 프레임에 대한 진단 결과를 제공하는 단계를 포함하고,
    상기 수신된 프레임을 샘플링하는 단계는,
    프로브의 스캔 특성의 변화를 검출한 것에 기초하여 상기 수신된 프레임들 중 상기 저장부에 저장될 상기 샘플 프레임들을 선택하는 단계를 포함하고,
    상기 스캔 특성은 검사의 대상체에 대한 프로브의 오리엔테이션 각도에 관련된, 의료 영상 진단 방법.
  19. 제18항에 있어서,
    상기 샘플링하는 단계는 기 설정된 정형적 선별 기준, 가변하는 상황에 기초한 가변적 선별 기준 및 경험적 선별 기준 중 하나 이상을 조합한 선별 기준을 이용하여 프레임을 샘플링하는 의료 영상 진단 방법.
  20. 제18항에 있어서,
    상기 진단 결과를 제공하는 단계는 상기 수집한 프레임 각각의 진단 결과를 취합하여, 취합한 진단 결과에 대한 통계를 이용하여 기준 프레임을 진단하는 의료 영상 진단 방법.
  21. 의료 영상 진단 장치에 의해 수행되는 의료 영상 진단 방법에 있어서,
    관심영역을 포함하는 기준 프레임이 결정되면,
    의료 영상 장치로부터 수신된 복수의 프레임들을 샘플링함에 의해 상기 기준 프레임의 진단에 이용될 상기 기준 프레임에 포함된 관심영역에 대응하는 관심영역을 포함하는 하나 이상의 프레임을 선택하는 단계;
    상기 선택된 하나 이상의 프레임 각각에 대한 진단 결과를 획득하는 단계;
    상기 선택된 하나 이상의 프레임들의 하나 이상의 진단 결과에 기초하여 상기 기준 프레임에 대한 진단 결과를 제공하는 단계를 포함하고,
    상기 하나 이상의 프레임을 선택하는 단계는,
    프로브의 스캔 특성에서의 변화를 검출한 것에 기초하여 복수의 프레임들을 샘플링함에 의해 하나 이상의 프레임을 선택하는 단계; 및
    상기 선택된 하나 이상의 프레임을 저장부에 저장하는 단계를 포함하고,
    상기 스캔 특성은 검사의 대상체에 대한 프로브의 오리엔테이션 각도에 관련되는, 의료 영상 진단 방법.

KR1020140180642A 2014-12-15 2014-12-15 의료 영상 진단 장치 및 방법 KR102325346B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020140180642A KR102325346B1 (ko) 2014-12-15 2014-12-15 의료 영상 진단 장치 및 방법
US14/929,532 US10776666B2 (en) 2014-12-15 2015-11-02 Apparatus and method for diagnosis of medical image

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140180642A KR102325346B1 (ko) 2014-12-15 2014-12-15 의료 영상 진단 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20160072677A KR20160072677A (ko) 2016-06-23
KR102325346B1 true KR102325346B1 (ko) 2021-11-11

Family

ID=56111647

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140180642A KR102325346B1 (ko) 2014-12-15 2014-12-15 의료 영상 진단 장치 및 방법

Country Status (2)

Country Link
US (1) US10776666B2 (ko)
KR (1) KR102325346B1 (ko)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110678933B (zh) * 2017-03-28 2023-10-31 皇家飞利浦有限公司 超声临床特征检测与相关联的设备、系统和方法
US11382601B2 (en) 2018-03-01 2022-07-12 Fujifilm Sonosite, Inc. Method and apparatus for annotating ultrasound examinations
US10902741B2 (en) * 2018-03-21 2021-01-26 Physera, Inc. Exercise feedback system for musculoskeletal exercises
US11183079B2 (en) 2018-03-21 2021-11-23 Physera, Inc. Augmented reality guided musculoskeletal exercises
US10922997B2 (en) * 2018-03-21 2021-02-16 Physera, Inc. Customizing content for musculoskeletal exercise feedback

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002233527A (ja) * 2001-02-08 2002-08-20 Aloka Co Ltd 超音波診断装置
US20050129297A1 (en) 2003-12-15 2005-06-16 Kamath Vidya P. Classification of breast lesion method and system
JP2007524461A (ja) 2003-06-25 2007-08-30 シーメンス　メディカル　ソリューションズ　ユーエスエー　インコーポレイテッド 乳房撮像の自動診断及び決定支援システム及び方法
JP2008220415A (ja) 2007-03-08 2008-09-25 Toshiba Corp 超音波診断装置
US20090268952A1 (en) 2004-12-17 2009-10-29 Koninklijke Philips Electronics, N.V. Method and apparatus for automatically developing a high performance classifier for producing medically meaningful descriptors in medical diagnosis imaging
US20130018265A1 (en) 2011-07-11 2013-01-17 Samsung Electronics Co., Ltd. Method and apparatus for processing ultrasound image
JP2013132354A (ja) 2011-12-26 2013-07-08 Ge Medical Systems Global Technology Co Llc 超音波診断装置及びその制御プログラム
US20140194722A1 (en) 2013-01-10 2014-07-10 Samsung Electronics Co., Ltd. Lesion diagnosis apparatus and method

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06142100A (ja) * 1992-11-10 1994-05-24 Matsushita Electric Ind Co Ltd 超音波診断装置
KR0180058B1 (ko) 1995-09-13 1999-04-01 이민화 Cine메모리에 데이타를 압축 저장하는 초음파진단장치
US6553356B1 (en) * 1999-12-23 2003-04-22 University Of Pittsburgh - Of The Commonwealth System Of Higher Education Multi-view computer-assisted diagnosis
US6983063B1 (en) * 2000-06-29 2006-01-03 Siemens Corporate Research, Inc. Computer-aided diagnosis method for aiding diagnosis of three dimensional digital image data
US7072501B2 (en) * 2000-11-22 2006-07-04 R2 Technology, Inc. Graphical user interface for display of anatomical information
US7615008B2 (en) 2000-11-24 2009-11-10 U-Systems, Inc. Processing and displaying breast ultrasound information
US7263214B2 (en) 2002-05-15 2007-08-28 Ge Medical Systems Global Technology Company Llc Computer aided diagnosis from multiple energy images
CN1836240A (zh) * 2003-08-13 2006-09-20 美国西门子医疗解决公司 Cad(计算机辅助决策)支持系统和方法
JP3867080B2 (ja) * 2003-12-11 2007-01-10 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 超音波診断装置
US7783094B2 (en) * 2005-06-02 2010-08-24 The Medipattern Corporation System and method of computer-aided detection
EP1757955B1 (en) * 2005-08-24 2010-11-17 Medison Co., Ltd. Apparatus and method for processing an ultrasound image
EP1938754A4 (en) * 2005-10-19 2011-01-05 Hitachi Medical Corp ECHOGRAPH FOR CREATING AN ELASTIC IMAGE
US8014576B2 (en) * 2005-11-23 2011-09-06 The Medipattern Corporation Method and system of computer-aided quantitative and qualitative analysis of medical images
US10018712B2 (en) * 2006-05-26 2018-07-10 Queen's University At Kingston Method for improved ultrasonic detection
US9235887B2 (en) * 2008-02-19 2016-01-12 Elucid Bioimaging, Inc. Classification of biological tissue by multi-mode data registration, segmentation and characterization
US8099299B2 (en) * 2008-05-20 2012-01-17 General Electric Company System and method for mapping structural and functional deviations in an anatomical region
CN102171724B (zh) * 2008-10-01 2016-05-18 皇家飞利浦电子股份有限公司 医学图像序列快照的选择
JP5455470B2 (ja) * 2009-07-02 2014-03-26 株式会社東芝 医用画像読影システム
JP2012071115A (ja) 2010-08-30 2012-04-12 Toshiba Corp 超音波診断装置
TWI473598B (zh) * 2012-05-18 2015-02-21 Univ Nat Taiwan Breast ultrasound image scanning and diagnostic assistance system
US10102348B2 (en) * 2012-05-31 2018-10-16 Ikonopedia, Inc Image based medical reference systems and processes
JP6129577B2 (ja) * 2013-02-20 2017-05-17 東芝メディカルシステムズ株式会社 超音波診断装置及び医用画像診断装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002233527A (ja) * 2001-02-08 2002-08-20 Aloka Co Ltd 超音波診断装置
JP2007524461A (ja) 2003-06-25 2007-08-30 シーメンス　メディカル　ソリューションズ　ユーエスエー　インコーポレイテッド 乳房撮像の自動診断及び決定支援システム及び方法
US20050129297A1 (en) 2003-12-15 2005-06-16 Kamath Vidya P. Classification of breast lesion method and system
US20090268952A1 (en) 2004-12-17 2009-10-29 Koninklijke Philips Electronics, N.V. Method and apparatus for automatically developing a high performance classifier for producing medically meaningful descriptors in medical diagnosis imaging
JP2008220415A (ja) 2007-03-08 2008-09-25 Toshiba Corp 超音波診断装置
US20130018265A1 (en) 2011-07-11 2013-01-17 Samsung Electronics Co., Ltd. Method and apparatus for processing ultrasound image
JP2013132354A (ja) 2011-12-26 2013-07-08 Ge Medical Systems Global Technology Co Llc 超音波診断装置及びその制御プログラム
US20140194722A1 (en) 2013-01-10 2014-07-10 Samsung Electronics Co., Ltd. Lesion diagnosis apparatus and method

Also Published As

Publication number Publication date
US10776666B2 (en) 2020-09-15
KR20160072677A (ko) 2016-06-23
US20160171683A1 (en) 2016-06-16

Similar Documents

Publication Publication Date Title
KR102043130B1 (ko) 컴퓨터 보조 진단 방법 및 장치
KR102325346B1 (ko) 의료 영상 진단 장치 및 방법
Street et al. Nuclear feature extraction for breast tumor diagnosis
JP5159242B2 (ja) 診断支援装置、診断支援装置の制御方法、およびそのプログラム
CN105701331B (zh) 计算机辅助诊断设备和计算机辅助诊断方法
JP4934143B2 (ja) 医用画像診断装置、医用画像計測方法
CN109788939B (zh) 用于通过自动检测b线和对超声扫描的图像进行评分来增强代表性超声图像的可视化和选择的方法和系统
TWI473598B (zh) Breast ultrasound image scanning and diagnostic assistance system
KR101580254B1 (ko) 주파수 영역에서의 의료 영상 진단 장치 및 방법
KR20140091176A (ko) 병변 진단 장치 및 방법
EP2298176A1 (en) Medical image processing device and method for processing medical image
JP2013542046A (ja) 超音波画像処理のシステムおよび方法
KR20120072961A (ko) 의료 영상을 이용한 영상진단을 보조하는 방법 및 장치, 이를 수행하는 영상진단 시스템
JP5456132B2 (ja) 診断支援装置、診断支援装置の制御方法、およびそのプログラム
CN103371847A (zh) 图像处理方法和装置
US20230386033A1 (en) Image Processing Apparatus, Image Processing Method, and Program
US20150199587A1 (en) Image processing device, image processing method, and image processing program
JP2005253685A (ja) 画像診断支援装置及び画像診断支援プログラム
KR101546403B1 (ko) 유방 초음파 영상 및 탄성도 영상 획득 및 분석 방법 및 장치
CN112002407A (zh) 一种基于超声视频的乳腺癌诊断装置及其方法
CN111260606B (zh) 诊断装置和诊断方法
CN111265234A (zh) 一种肺部纵膈淋巴结的性质判定方法及系统
JP2011101759A (ja) 医用画像表示システム及びプログラム
US20230197250A1 (en) Medical information processing device, medical information processing method, and storage medium
Khan et al. Automatic BI-RADS classification of mammograms

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right