KR102387928B1 - 의료영상을 기초로 인체 조직을 분석하는 방법 및 그 장치 - Google Patents

의료영상을 기초로 인체 조직을 분석하는 방법 및 그 장치 Download PDF

Info

Publication number
KR102387928B1
KR102387928B1 KR1020200083047A KR20200083047A KR102387928B1 KR 102387928 B1 KR102387928 B1 KR 102387928B1 KR 1020200083047 A KR1020200083047 A KR 1020200083047A KR 20200083047 A KR20200083047 A KR 20200083047A KR 102387928 B1 KR102387928 B1 KR 102387928B1
Authority
KR
South Korea
Prior art keywords
tissue
medical image
dimensional
artificial intelligence
volume
Prior art date
Application number
KR1020200083047A
Other languages
English (en)
Other versions
KR20220005326A (ko
Inventor
이혁희
이두희
윤순호
박상준
Original Assignee
메디컬아이피 주식회사
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 메디컬아이피 주식회사 filed Critical 메디컬아이피 주식회사
Priority to KR1020200083047A priority Critical patent/KR102387928B1/ko
Priority to PCT/KR2021/004175 priority patent/WO2022010075A1/ko
Priority to US17/793,638 priority patent/US20230048734A1/en
Priority to EP21838200.0A priority patent/EP4085841A4/en
Publication of KR20220005326A publication Critical patent/KR20220005326A/ko
Application granted granted Critical
Publication of KR102387928B1 publication Critical patent/KR102387928B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/12—Arrangements for detecting or locating foreign bodies
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/174—Segmentation; Edge detection involving the use of two or more images
    • 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
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • 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
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5223—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data generating planar views from image data, e.g. extracting a coronal view from a 3D image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10116—X-ray image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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
    • 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
    • G06T2207/30008—Bone
    • 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
    • G06T2207/30048—Heart; Cardiac
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30061—Lung
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30096—Tumor; Lesion
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biomedical Technology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Surgery (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Optics & Photonics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Quality & Reliability (AREA)
  • Physiology (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Analysis (AREA)

Abstract

의료영상을 기초로 인체 조직을 분석하는 방법 및 그 장치가 개시된다. 조직분석장치는 3차원 의료영상을 이용하여 2차원 의료영상과 조직의 체적 정보를 포함하는 학습데이터를 생성하고, 이를 이용하여 복수의 조직이 동일평면에 중첩 표시된 2차원 의료영상에서 적어도 하나 이상의 정상 또는 질병 조직을 구분하여 3차원 크기, 체적 또는 무게를 구하는 인공지능모델을 학습시킨다. 그리고 조직분석장치는 인공지능모델을 이용하여 X선 의료영상으로부터 정상 또는 질병 조직의 3차원 크기, 체적 또는 무게를 구한다.

Description

의료영상을 기초로 인체 조직을 분석하는 방법 및 그 장치{Method for analyzing human tissue based on medical image and apparatus therefor}
본 발명의 실시 예는 의료영상을 기초로 인체 조직을 분석하는 방법 및 그 장치에 관한 것으로, 보다 상세하게는 의료영상으로부터 특정 조직의 크기, 체적 또는 무게를 분석하거나 조직 분할 영상을 생성하는 방법 및 그 장치에 관한 것이다.
인체 내부를 촬영하는 방법으로 X선 촬영, CT(Computed Tomography) 또는 MRI(magnetic resonance imaging) 등이 존재한다. X선 촬영은 촬영시 X선 촬영 영역 내에 있는 모든 인체조직에 X선이 투과하며, X선이 투과하는 조직의 구성성분에 따른 X선 입자의 감소량에 따라 밝게 또는 어둡게 나타나는 2차원의 흑백 영상을 생성한다. X선 촬영은 촬영 비용이 저렴하고 손쉽게 촬영할 수 있는 장점이 있으나, 여러 조직이 한 평면에 중첩하여 표시되므로 장기나 병변을 정확하게 파악하는데 한계가 있다. 보다 정확한 조직 영상을 얻기 위해서는 CT나 MRI 촬영이 필요하다. 그러나 CT 또는 MRI는 촬영 비용이 고가이므로 환자에게 경제적 부담이 된다.
본 발명의 실시 예가 이루고자 하는 기술적 과제는, 인공지능모델을 이용하여 X선 의료영상으로부터 인체의 각종 조직을 분석하는 방법 및 그 장치를 제공하는 데 있다.
상기의 기술적 과제를 달성하기 위한, 본 발명의 실시 예에 따른 조직분석방법의 일 예는, 3차원 의료영상을 이용하여 2차원 의료영상과 조직의 3차원 크기, 체적 또는 무게 정보를 포함하는 학습데이터를 생성하는 단계; 상기 학습데이터를 이용하여, 복수의 조직이 동일평면에 중첩 표시된 2차원 의료영상에서 적어도 하나 이상의 정상 또는 질병 조직을 구분하여 3차원 크기, 체적 또는 무게를 구하는 인공지능모델을 학습시키는 단계; 및 X선 의료영상을 상기 인공지능모델에 입력하여 정상 또는 질병 조직의 3차원 크기, 체적 또는 무게를 구하는 단계;를 포함한다.
상기의 기술적 과제를 달성하기 위한, 본 발명의 실시 예에 따른 조직분석장치의 일 예는, 3차원 의료영상을 이용하여 2차원 의료영상과 3차원 조직의 크기, 체적 또는 무게 정보를 포함하는 학습데이터를 생성하는 학습데이터생성부; 상기 학습데이터를 이용하여, 복수의 조직이 동일평면에 중첩 표시된 2차원 의료영상에서 적어도 하나 이상의 정상 또는 질병 조직을 구분하여 3차원 크기, 체적 또는 무게를 구하는 인공지능모델 학습시키는 학습부; 및 X선 의료영상을 상기 인공지능모델에 입력하여 정상 또는 질병 조직의 3차원 크기, 체적 또는 무게를 구하는 체적산출부;를 포함한다.
본 발명의 실시 예에 따르면, 2차원 X선 의료영상으로부터 조직의 3차원 크기, 체적 또는 무게를 구할 수 있다. 또한, 2차원 X선 의료영상 인공지능모델은 3차원 의료영상에서 라벨링된 영상을 2차원으로 변환하여 정교하게 라벨링된 2차원 X선 의료영상을 학습데이터로 이용하여 학습하므로, 인공지능모델의 정확도를 향상시킬 수 있다. 다른 실시 예에 따르면, X선 의료영상으로부터 적어도 하나 이상의 조직을 구분한 영상을 생성할 수 있다.
도 1은 본 발명의 실시 예에 따른 의료영상 기반의 조직분석장치의 일 예를 간략하게 도시한 도면,
도 2는 본 발명의 실시 예에 따른 조직분석장치의 일 예의 구성을 도시한 도면,
도 3은 본 발명의 실시 예에 따른 학습데이터 생성 방법의 일 예를 도시한 도면,
도 4는 본 발명의 실시 예에 따른 3차원 의료영상의 일 예를 도시한 도면,
도 5 본 발명의 실시 예에 따른 3차원 의료영상를 차원 축소하는 방법의 일 예를 도시한 도면,
도 6은 본 발명의 실시 예에 따라 2차원 X선 의료영상으로부터 3차원 조직의 크기, 체적 또는 무게를 구하는 인공지능모델의 일 예를 도시한 도면,
도 7은 본 발명의 실시 예에 따른 인공지능모델의 다른 일 예를 도시한 도면, 그리고,
도 8은 본 발명의 실시 예에 따른 인체 조직의 크기, 체적 또는 무게를 구하는 방법의 일 예를 도시한 흐름도이다.
이하에서, 첨부된 도면들을 참조하여 본 발명의 실시 예에 따른 인체 조직 분석 방법 및 그 장치에 대해 상세히 살펴본다.
도 1은 본 발명의 실시 예에 따른 의료영상 기반의 조직분석장치의 일 예를 간략하게 도시한 도면이다.
도 1을 참조하면, 조직분석장치(100)는 X선 의료영상(110)을 입력받아 적어도 하나 이상의 조직으로 구성된 의료영상(또는 적어도 하나 이상의 조직이 제외된 의료영상)(120)을 출력하거나 또는 적어도 하나 이상의 조직에 대한 3차원 크기, 체적 또는 무게(130)의 분석결과를 출력한다. 여기서, '조직'이라고 함은 폐, 기관지, 근육, 지방, 심장, 혈관, 뼈 등과 같은 각종 장기, 종양 등의 병변, 또는 염증 영역 등 영상의학적으로 유의미하게 구분될 수 있는 모든 부위를 의미한다.
조직분석장치(100)는 X선 의료영상(110)으로부터 적어도 하나 이상의 조직에 대한 의료영상(120)을 출력하는 구성으로 구현되거나, 또는 X선 의료영상(110)으로부터 적어도 하나 이상의 조직에 대한 3차원 크기, 체적 또는 무게(130)를 분석하여 출력하는 구성으로 구현되거나, 또는 양자(120,130)를 모두 출력하는 구성으로 구현될 수 있다.
조직분석장치(100)는 X선 촬영장비와 같은 각종 의료장비나 의료시스템(예를 들어, PACS(Picture Archiving and Communication System))의 일부로 구현되거나 일반컴퓨터 또는 서버 등으로 구현될 수 있다. 예를 들어, 조직분석장치(100)는 소프트웨어로 구현되어 각종 의료장비나 의료 시스템에 내장되거나 휴대용 저장매체(예를 들어, USB(Universal Serial Bus) 메모리) 등)에 저장된 후 각종 의료장비나 의료시스템의 인터페이스에 연결하여 사용될 수 있다.
도 2는 본 발명의 실시 예에 따른 조직분석장치의 일 예의 구성을 도시한 도면이다.
도 2를 참조하면, 조직분석장치(100)는 학습데이터생성부(200), 학습부(210), 조직분할부(220) 및 체적산출부(230)를 포함한다. 실시 예에 따라 조직분석장치(100)는 조직분할부(220) 및 체적산출부(230) 중 어느 하나만을 포함할 수 있다. 다만, 이하에서는 설명의 편의를 위하여 조직분할부(220)와 체적산출부(230)를 모두 포함하는 경우에 대하여 설명한다. 다른 실시 예로, 조직분석장치(100)는 학습부(210) 대신에 학습이 완료된 인공지능모델을 포함할 수 있다.
학습데이터생성부(200)는 인공지능모델의 학습에 필요한 학습데이터를 생성한다. 인공지능모델은 2차원 X선 의료영상으로부터 적어도 하나 이상의 조직에 대한 의료영상(또는 적어도 하나 이상의 조직이 제거된 의료영상)을 생성하는 모델 및/또는 2차원 X선 의료영상으로부터 적어도 하나 이상의 조직에 대한 3차원 크기, 체적 또는 무게 등을 산출하는 모델일 수 있다. 따라서 본 실시 예의 인공지능모델의 학습을 위해서는 조직에 대한 분할 영상(또는 조직의 경계 및 밝기값 정보) 또는 조직에 대한 3차원 크기, 체적 또는 무게 등의 학습데이터가 필요하다.
해부학적 지식을 가진 사용자가 X선 의료영상에서 특정 조직의 영역을 일일이 구분하여 학습데이터를 생성할 수 있으나, 인공지능모델의 학습을 위해서는 수 많은 학습데이터가 필요한데 이를 사용자가 일일이 생성하는 것은 현실적으로 거의 불가능하다. 더구나, X선 의료영상은 다양한 조직이 중첩되어 표현되므로 단순히 밝기 등을 이용하여 각 조직의 영역을 구분할 경우에 조직 구분의 정확도가 떨어지는 문제점이 존재하며, X선 의료영상으로부터 조직의 3차원 크기, 체적 또는 무게에 대한 학습데이터를 생성할 수도 없다.
이에 본 실시 예는, 학습데이터를 3차원 의료영상으로부터 자동 생성하는 방법을 제시한다. 학습데이터생성부(200)가 3차원 의료영상을 이용하여 인공지능모델의 학습에 필요한 학습데이터를 생성하는 방법에 대해 도 3 내지 도 5에서 구체적으로 살펴본다.
학습부(210)는 학습데이터생성부(200)에 의해 생성된 학습데이터를 이용하여 인공지능모델을 학습시킨다. 인공지능모델은 CNN(Convolutional Neural Network), DenseNet, U-net, GoogLeNet, Generative adversarial network 등 다양한 아키텍처로 구현될 수 있다. 예를 들어, 인공지능모델이 CNN으로 구현되는 경우에, 인공지능모델은 학습데이터를 이용하여 인공 신경망의 연결 가중치를 조정하는 학습 과정을 수행한다. 실시 예에 따라 조직분석장치(100)는 인공지능모델을 하나 또는 복수 개 포함할 수 있다. 예를 들어, 조직분석장치(100)는 2차원 X선 의료영상으로부터 적어도 하나 이상의 조직에 대한 의료영상을 생성하는 인공지능모델과 2차원 X선 의료영상으로부터 적어도 하나 이상의 조직에 대한 3차원 크기, 체적 또는 무게를 산출하는 인공지능모델을 각각 포함하거나 이들을 하나로 통합한 인공지능모델을 포함할 수 있다. 인공지능모델의 다양한 구현 예가 도 6 및 도 7에 도시되어 있다.
조직분할부(220)는 2차원 X선 의료영상을 입력받으면 학습부(210)에 의해 학습된 인공지능모델을 이용하여 적어도 하나 이상의 정상 또는 질병 조직으로 구성되는 조직영상을 생성하여 출력한다. 조직영상은 X선 의료영상의 해당 조직의 경계(또는 면적)와 밝기 정보를 포함할 수 있다. 2차원 조직영상에서 밝기값은 해당 조직의 밀도를 반영한다. 예를 들어, 조직분할부(220)는 흉부에 대한 X선 의료영상을 입력받으면 인공지능모델을 이용하여 폐 조직으로만 구성된 조직영상을 생성하여 출력할 수 있다.
다른 실시 예로, 조직분할부(220)는 X선 의료영상에 포함된 복수의 조직을 구분하고 복수의 조직에 대한 각각의 조직영상을 생성하여 출력할 수 있다. 예를 들어, 흉부에 대한 X선 의료영상을 입력받으면, 조직분할부(220)는 인공지능모델을 이용하여 폐 조직에 대한 제1 조직영상, 종양 등의 병변에 대한 제2 조직영상 등 복수의 서로 다른 조직에 대한 각각의 조직영상을 생성하여 출력할 수 있다.
또 다른 실시 예로, 조직분할부(220)는 클라우드 시스템이나 컴퓨터의 저장공간에 저장된 X선 의료영상을 읽어 조직영상을 자동 생성하여 저장할 수 있다. 예를 들어, 조직분할부(220)는 기 지정된 저장장소(또는 디렉토리 등)에 새로운 X선 의료영상이 저장되면 X선 의료영상에 대한 조직영상을 생성하여 기 지정된 저장장소에 저장할 수 있다. 또는 조직분할부(220)는 인터넷 등을 통해 연결된 외부 단말로부터 X선 의료영상을 수신하면, X선 의료영상을 기초로 생성한 조직영상을 외부 단말로 전송할 수 있다. 실시 예에 따라, 외부 단말로부터 X선 의료영상을 수신하고 조직영상을 전송하기 위한 별도의 플랫폼이 존재할 수 있다.
체적산출부(230)는 2차원 X선 의료영상을 입력받으면 인공지능모델을 이용하여 적어도 하나 이상의 조직에 대한 3차원 크기, 체적 또는 무게를 산출한다. 예를 들어, 흉부에 대한 X선 의료영상을 입력받으면 체적산출부(230)는 학습부(210)에 의해 폐 관련 조직에 대한 3차원 크기, 체적 또는 무게를 구하도록 학습된 인공지능모델을 이용하여 폐 영역의 면적, 체적 또는 무게를 구하거나, 폐 영역에 존재하는 염증의 면적을 구하거나, 종양 등의 크기, 체적 또는 무게 등을 구할 수 있다. 다른 예로, 체적산출부(230)는 조직분할부(200)에서 구한 조직영상(또는 조직의 경계(또는 면적) 및 밝기값)을 인공지능모델에 입력하여 3차원 크기, 체적 또는 무게 등을 산출할 수 있다.
도 3은 본 발명의 실시 예에 따른 학습데이터 생성 방법의 일 예를 도시한 도면이다.
도 3을 참조하면, 학습데이터생성부(200)는 3차원 의료영상(300)을 이용하여 2차원 의료영상(310) 또는 조직의 크기나 체적 또는 무게(320) 등을 포함하는 학습데이터를 자동 생성한다. 3차원 의료영상(300)의 일 예가 도 3에 도시되어 있다.
먼저, X선 의료영상으로부터 적어도 하나 이상의 조직으로 구성된 조직영상 또는 적어도 하나 이상의 조직이 제거된 조직영상을 출력하는 인공지능모델의 학습에 필요한 학습데이터의 생성과정에 대해 살펴본다.
학습데이터생성부(200)는 3차원 의료영상에서 정상 또는 질병 조직을 분할한다. 예를 들어, 흉부 X선 의료영상에서 폐 조직으로만 구성된 조직영상을 출력하는 인공지능모델의 학습인 경우에, 학습데이터생성부(200)는 흉부에 대한 3차원 의료영상에서 폐 조직을 분할한다. 학습데이터생성부(200)는 종래의 다양한 영역분할 알고리즘을 이용하여 3차원 의료영상에서 특정 조직의 3차원 영역을 분할할 수 있다. 예를 들어, 학습데이터생성부(200)는 국내등록특허공보 제10-1482247호 "기도 추출 방법 및 그 장치", 국내등록특허공보 제10-1514003호 "폐엽 추출 방법 및 그 장치", 국내공개특허공보 제10-2018-0098984호 "의료영상의 영역 분리 방법 및 그 장치" 등에 기재된 분할 방법을 이용하여 3차원 의료영상에서 특정 조직의 영역을 분할할 수 있다.
학습데이터생성부(200)는 3차원 의료영상의 차원을 축소하여 X선 의료영상과 같은 2차원 의료영상(이하, 기본영상)을 생성하고, 또한 3차원 의료영상에서 분할한 조직을 차원 축소하여 2차원 의료영상(이하, 분할영상)을 생성한다. 예를 들어, 학습데이터생성부(200)는 흉부의 3차원 의료영상을 차원축소하여 흉부에 대한 2차원 기본영상을 생성하고, 3차원 의료영상에서 분할한 폐 영역을 차원축소한 2차원 분할영상을 생성할 수 있다. 3차원 의료영상을 차원 축소하는 방법의 일 예가 도 5에 도시되어 있다. 분할 영상은 분할된 조직의 경계(또는 면적) 및 밝기값 정보를 포함할 수 있다. 기본영상과 분할영상을 포함하는 학습데이터가 생성되면, 이후 학습부(210)는 이를 이용하여 인공지능모델을 학습시킨다.
다음으로, X선 의료영상으로부터 조직에 대한 3차원 크기, 체적 또는 무게를 산출하는 인공지능모델의 학습에 필요한 학습데이터 생성과정에 대해 살펴본다.
학습데이터생성부(200)는 3차원 의료영상에서 정상 또는 질병 조직을 분할하고, 해당 조직에 대한 3차원 크기, 체적 또는 무게 등을 구한다. 3차원 의료영상에서 분할한 조직에 대한 3차원 크기, 체적 또는 무게 등을 구하는 종래의 다양한 알고리즘이 본 실시 예에 적용될 수 있다. 학습데이터생성부(200)는 3차원 의료영상을 차원 축소하여 X선 의료영상과 같은 2차원 의료영상(즉, 기본영상)을 생성한다. 2차원 기본영상과 조직에 대한 3차원 크기, 체적 또는 무게를 포함하는 학습데이터가 생성되면, 이후 학습부(210)는 이를 이용하여 인공지능모델을 학습시킨다. 기본영상에는 다양한 조직에 대한 경계(또는 면적) 및 밝기값 정보가 포함되므로, 학습데이터생성부(200)는 기본영상 그 자체를 학습데이터로 생성하거나, 기본영상에서 파악되는 조직에 대한 경계(또는 면적) 및 밝기값 정보를 학습데이터로 생성하거나, 또는 기본영상과 영상 내 조직의 경계(또는 면적) 및 밝기값 정보를 함께 학습데이터로 생성할 수 있다.
다른 실시 예로, 학습데이터는 3차원 의료영상을 그대로 차원축소한 기본영상이 아닌 3차원 크기, 체적 또는 무게 등을 구하고자 하는 조직에 대한 2차원 의료영상(즉, 분할영상)을 포함할 수 있다. 이 경우, 학습부(210)는 조직에 대한 분할영상과 그 조직의 3차원 크기, 체적 또는 무게 등을 포함하는 학습데이터를 이용하여 인공지능모델을 학습시킬 수 있다. 이때, 분할영상에는 조직에 대한 경계(또는 면적) 및 밝기값 정보가 포함되므로, 학습데이터생성부(200)는 분할영상 그 자체를 학습데이터로 생성하거나, 분할영상에서 파악되는 조직에 대한 경계(또는 면적) 및 밝기값 정보를 학습데이터로 생성하거나, 또는 분할영상과 조직의 경계(또는 면적) 및 밝기값 정보를 함께 학습데이터로 생성할 수 있다. 이하에서, 인공지능모델에 입력되는 2차원 의료영상(예를 들어, 기본영상, 분할영상 또는 조직영상 등)이라고 함은 실시 예에 따라 영상 그 자체이거나 영상에 포함된 조직의 경계(또는 면적) 및 밝기값 정보이거나 또는 이 둘을 모두 포함하는 개념으로 해석될 수 있다.
또 다른 예로, 학습데이터는 기본영상과 분할영상, 그리고 조직의 3차원 크기, 체적 또는 무게 등으로 구성될 수도 있다. 또 다른 실시 예로, 학습데이터는 적어도 둘 이상의 서로 다른 방향의 2차원 의료영상(기본영상 또는 분할영상)과 조직의 3차원 크기, 체적 또는 무게 정보로 구성될 수 있으며 이에 대한 예가 도 6에 도시되어 있다.
본 실시 예는 설명의 편의를 위하여 조직영상을 출력하는 인공지능모델과 조직의 3차원 크기, 체적 또는 무게를 출력하는 인공지능모델의 학습데이터 생성과정을 각각 설명하고 있으나, 하나의 인공지능모델이 조직영상과 조직의 3차원 크기, 체적 또는 무게 등을 모두 출력할 수 있으며, 이 경우 학습데이터생성부(200)는 기본영상과 분할영상, 그리고 조직의 3차원 크기, 체적 또는 무게 등을 포함하는 학습데이터를 한 번에 생성할 수 있다. 다른 실시 예로, 조직분석장치(100)는 조직 영상을 출력하는 제1 인공지능모델과 조직의 3차원 크기, 체적 또는 무게 등을 출력하는 제2 인공지능모델을 각각 포함할 수 있으며, 이에 대한 예가 도 7에 도시되어 있다.
도 4는 본 발명의 실시 예에 따른 3차원 의료영상의 일 예를 도시한 도면이다.
도 4를 참조하면, CT 등의 3차원 의료영상(400)은 일정 간격(d)으로 촬영된 복수 개의 x-y 단면 영상으로 구성될 수 있다. 3차원 의료영상(400)은 밝기를 나타내는 3차원 복셀(voxel)로 구성되며, DICOM(Digital Imaging and Communication in Medicine) 파일로 저장될 수 있다.
도 5 본 발명의 실시 예에 따른 3차원 의료영상를 차원 축소하는 방법의 일 예를 도시한 도면이다.
도 5를 참조하면, 3차원 의료영상은 밝기값을 포함하는 복셀(500,502,504,506,508,510,512,514)로 구성된다. 본 실시 예는 설명의 편의를 위하여 3차원 의료영상에 대한 8개의 복셀만(500,502,504,506,508,510,512,514)을 도시하고 있다.
학습데이터생성부(200)는 3차원 의료영상을 2차원 의료영상으로 차원 축소하기 위하여 3차원 의료영상을 일정 방향으로 가상평면(520,530)에 투영한다. 가상평면(520,530)에 투영된 영상이 2차원 의료영상이 된다. 이때, 학습데이터생성부(200)는 투영 방향으로 중첩되는 복셀의 밝기값을 평균하여 2차원 의료영상의 밝기값을 생성한다. 즉, X선 의료영상은 X선 투과방향에 위치한 적어도 하나 이상의 조직에 의해 그 밝기값이 좌우되므로, 본 실시 예는 3차원 의료영상으로부터 X선 의료영상과 같이 각 조직에 대한 영향이 반영된 2차원 의료영상을 생성하기 위하여 투영 방향에 대해 중첩되는 복셀들의 밝기값을 평균하여 2차원 의료영상의 각 픽셀의 밝기값을 구한다.
예를 들어, 가상의 촬영방향(즉, 투영 방향)이 X축과 평행하다면, 학습데이터생성부(200)는 투영 방향으로 중첩되는 제1 복셀(500)과 제2 복셀(506)의 밝기값을 평균하여 가상평면(520)에 투영된 2차원 의료영상의 제1 픽셀(522)의 밝기값을 생성한다. 이와 같은 방법으로, 학습데이터생성부(200)는 제3,4 복셀(502,504)의 밝기값을 평균하여 제2 픽셀(524)의 밝기값을 생성하고, 제5,6 복셀(508,514)의 밝기값을 평균하여 제3 픽셀(528)의 밝기값을 생성하고, 제7,8 복셀(510,512)의 밝기값을 평균하여 제4 픽셀(526)의 밝기값을 생성할 수 있다.
실시 예에 따라, 학습데이터생성부(200)는 하나의 3차원 영상에 대해 다양한 투영 방향에 대한 2차원 영상을 생성할 수 있다. 예를 들어, 가상의 촬영방향이 Z축과 평행하다면, 학습데이터생성부(200)는 Z축 방향으로 중첩되는 각 복셀(500,502,504,506,508,510,512,514)의 밝기값을 평균하여 가상평면(530)에 투영된 각 픽셀(532,534,536,538)의 밝기값을 구하여 2차원 의료영상을 생성할 수 있다.
도 6은 본 발명의 실시 예에 따라 X선 의료영상으로부터 조직의 크기, 체적 또는 무게를 구하는 인공지능모델의 일 예를 도시한 도면이다.
도 6을 참조하면, 조직분석장치(100)의 학습부(210)는 정상 또는 질병 조직에 대한 서로 다른 방향의 적어도 둘 이상의 의료영상 및 조직의 3차원 크기, 체적 또는 무게를 포함하는 학습데이터를 이용하여 인공지능모델(600)을 학습시킬 수 있다. 예를 들어, 학습데이터를 구성하는 서로 다른 방향의 2차원 의료영상은 도 5의 예에서 3차원 의료영상을 X축 방향으로 투영한 2차원 의료영상(또는 X축 방향으로 투영하여 생성한 영역의 경계(또는 면적) 및 밝기값 정보)과 Z축 방향으로 투영한 2차원 의료영상(또는 Z축 방향으로 투영하여 생성한 영역의 경계(또는 면적) 및 밝기값 정보)일 수 있다. 여기서, 2차원 의료영상은 도 3에서 살핀 기본영상이거나 분할영상일 수 있다.
인공지능모델(600)은 적어도 둘 이상의 서로 다른 방향의 2차원 의료영상(또는 경계(또는 면적) 및 밝기값 정보)을 포함하는 학습데이터를 입력받으면 조직의 3차원 크기, 체적 또는 무게 등을 예측하여 출력한다. 인공지능모델(600)은 예측된 크기, 체적 또는 무게와 학습데이터에 포함된 조직의 크기, 체적 또는 무게를 비교하여 인공지능모델의 연결 가중치 등을 조정하는 학습 과정을 수행한다.
인공지능모델(600)에 대한 학습이 완료되면, 조직분석장치(100)의 체적산출부(230)는 적어도 둘 이상의 서로 다른 방향에서 촬영된 X선 의료영상을 인공지능모델에 입력하여 특정 조직에 대한 3차원 크기, 체적 또는 무게 등을 파악할 수 있다. 예를 들어, 체적산출부(230)는 흉부에 대한 정면 방향의 X선 의료영상과 측면 방향의 X선 의료영상을 입력받으면 이를 학습 완료된 인공지능모델(600)에 입력하여 폐 영역(또는 병변이나 염증 등) 등의 크기, 체적 또는 무게 등을 파악할 수 있다. 체적은 공간의 크기를 나타내는 물리량이므로 어느 한 방향에서 촬영된 X선 의료영상으로 조직의 체적을 구하는 것보다 적어도 둘 이상의 방향에 촬영된 X선 의료영상으로 조직의 체적을 구하는 것이 보다 정확할 수 있다.
다른 실시 예로, 조직분석장치(100)는 서로 다른 방향의 적어도 둘 이상의 X선 의료영상을 입력받으면, 이를 기초로 3차원 조직 영상을 출력할 수 있다. 이를 위해, 조직분석장치(100)는 3차원 의료영상을 이용하여 서로 다른 방향의 적어도 둘 이상의 2차원 의료영상과 조직의 3차원 영상을 포함하는 학습데이터를 생성하고 이를 이용하여 인공지능모델(600)을 학습시킬 수 있다. 예를 들어, 흉부에 대한 정면과 측면의 X선 의료영상을 입력받으면, 조직분석장치(100)는 학습 완료된 인공지능모델(600)을 이용하여 폐 영역에 대한 3차원 의료영상을 생성할 수 있다.
도 7은 본 발명의 실시 예에 따른 인공지능모델의 다른 일 예를 도시한 도면이다.
도 7을 참조하면, 조직분석장치(100)는 조직 영상을 출력하는 제1 인공지능모델(700)과 조직의 체적, 크기 또는 무게를 출력하는 제2 인공지능모델(710)을 포함한다.
제1 인공지능모델(700)은 도 3에서 살핀 기본영상 및 분할영상을 이용하여 적어도 하나 이상의 조직에 대한 영상(즉, 조직영상)을 출력하도록 학습시킨 인공지능모델이다. 즉, 학습이 완료된 제1 인공지능모델(700)은 2차원 X선 의료영상을 입력받으면 X선 의료영상으로부터 특정 조직을 구분하고 특정 조직만을 포함하는 조직영상(및/또는 경계(또는 면적) 및 밝기값 정보)을 출력하거나 또는 X선 의료영상에서 특정 조직만을 제외한 조직영상(및/또는 경계(또는 면적) 및 밝기값 정보)을 출력할 수 있다.
제2 인공지능모델(710)은 2차원 의료영상과 조직의 3차원 크기, 체적 또는 무게를 포함하는 학습데이터를 이용하여 학습시킨 인공지능모델이다. 2차원 의료영상은 제1 인공지능모델으로부터 출력되는 조직영상(및/또는 경계(또는 면적) 및 밝기값 정보)일 수 있다. 예를 들어, 학습이 완료된 제1 인공지능모델(700)이 X선 의료영상을 입력받아 조직영상을 출력하면, 학습이 완료된 제2 인공지능모델(710)은 제1 인공지능모델(700)로부터 수신한 조직영상으로부터 조직의 3차원 크기, 체적 또는 무게를 파악하여 출력할 수 있다.
도 8은 본 발명의 실시 예에 따른 인체 조직의 크기, 체적 또는 무게를 구하는 방법의 일 예를 도시한 흐름도이다.
도 8을 참조하면, 조직분석장치(100)는 3차원 의료영상을 이용하여 2차원 의료영상과 조직의 크기, 체적 또는 무게 정보를 포함하는 학습데이터를 생성한다(S800). 학습데이터는 어느 한 방향의 2차원 의료영상을 포함하거나 도 6과 같이 적어도 둘 이상의 2차원 의료영상을 포함할 수 있다. 다른 예로, 학습데이터에 포함되는 2차원 의료영상은 도 3에서 살핀 기본영상이거나 분할영상일 수 있다.
조직분석장치(100)는 학습데이터를 이용하여, 복수의 조직이 동일평면에 중첩 표시된 2차원 의료영상에서 적어도 하나 이상의 조직을 구분하여 크기, 체적 또는 무게를 구하는 인공지능모델을 학습시킨다(S810). 다른 예로, 학습데이터가 서로 다른 방향의 적어도 둘 이상의 2차원 의료영상을 포함한다면, 서로 다른 방향의 2차원 의료영상과 조직의 크기, 체적 또는 무게 정보를 이용하여 인공지능모델을 학습시킬 수 있다. 또 다른 예로, 조직분석장치(100)는 도 7과 같이 복수의 조직이 동일평면에 중첩 표시된 2차원 의료영상에서 적어도 하나 이상의 조직을 구분하는 제1 인공지능모델과 구분된 조직의 3차원 크기, 체적 또는 무게를 구하는 제2 인공지능모델이 순차적으로 연결된 모델을 학습시킬 수 있다.
조직분석장치(100)는 X선 의료영상을 학습이 완료된 인공지능모델에 입력하여 조직의 3차원 크기, 체적 또는 무게를 구한다(S820). 인공지능모델이 서로 다른 방향의 적어도 둘 이상의 2차원 의료영상을 기초로 학습된 모델이면, 조직분석장치(100)는 서로 다른 방향의 적어도 둘 이상의 X선 의료영상을 인공지능모델에 입력하여 조직의 3차원 크기, 체적 또는 무게를 구할 수 있다. 다른 실시 예로, 조직분석장치(100)는 서로 다른 방향의 적어도 둘 이상의 2차원 X선 의료영상을 인공지능모델에 입력하여 3차원 영상을 생성할 수 있다. 또 다른 실시 예로, 조직분석장치(100)는 인공지능모델을 이용하여 2차원 X선 의료영상에 포함된 복수의 조직을 분할한 복수의 2차원 또는 3차원 조직영상을 생성할 수 있다.
본 발명은 또한 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광데이터 저장장치 등이 있다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.

Claims (10)

  1. 3차원 의료영상을 이용하여 2차원 의료영상과 조직의 3차원 크기, 체적 또는 무게 정보를 포함하는 학습데이터를 생성하는 단계;
    상기 학습데이터를 이용하여, 복수의 조직이 동일평면에 중첩 표시된 2차원 의료영상에서 적어도 하나 이상의 정상 또는 질병 조직을 구분하여 3차원 크기, 체적 또는 무게를 구하는 인공지능모델을 학습시키는 단계; 및
    X선 의료영상을 상기 인공지능모델에 입력하여 정상 또는 질병 조직의 3차원 크기, 체적 또는 무게를 구하는 단계;를 포함하고,
    상기 인공지능모델을 학습시키는 단계는,
    복수의 조직이 동일평면에 중첩 표시된 2차원 의료영상에서 적어도 하나 이상의 조직을 구분하도록 제1 인공지능모델을 학습시키는 단계; 및
    상기 제1 인공지능모델을 통해 구분된 조직의 3차원 크기, 체적 또는 무게를 구하는 제2 인공지능모델을 학습시키는 단계;를 포함하는 것을 특징으로 하는 조직분석방법.
  2. 삭제
  3. 3차원 의료영상을 이용하여 2차원 의료영상과 조직의 3차원 크기, 체적 또는 무게 정보를 포함하는 학습데이터를 생성하는 단계;
    상기 학습데이터를 이용하여, 복수의 조직이 동일평면에 중첩 표시된 2차원 의료영상에서 적어도 하나 이상의 정상 또는 질병 조직을 구분하여 3차원 크기, 체적 또는 무게를 구하는 인공지능모델을 학습시키는 단계; 및
    X선 의료영상을 상기 인공지능모델에 입력하여 정상 또는 질병 조직의 3차원 크기, 체적 또는 무게를 구하는 단계;를 포함하고,
    상기 학습데이터를 생성하는 단계는, 상기 3차원 의료영상을 이용하여 상기 조직에 대한 서로 다른 방향의 2차원 의료영상을 생성하는 단계;를 포함하고,
    상기 인공지능모델을 학습시키는 단계는, 상기 서로 다른 방향의 2차원 의료영상과 상기 조직의 3차원 크기, 체적 또는 무게 정보를 이용하여 상기 인공지능모델을 학습시키는 단계;를 포함하고,
    상기 조직의 크기, 체적 또는 무게를 구하는 단계는,
    서로 다른 방향에서 촬영된 적어도 둘 이상의 X선 의료영상을 입력받는 단계; 및
    상기 적어도 둘 이상의 X선 의료영상을 상기 인공지능모델에 입력하는 단계;를 포함하는 것을 특징으로 하는 조직분석방법.
  4. 삭제
  5. 제 1항에 있어서,
    상기 인공지능모델을 이용하여 상기 X선 의료영상에 포함된 복수의 조직을 분할한 복수의 조직영상을 생성하는 단계;를 더 포함하는 것을 특징으로 하는 조직분석방법.
  6. 삭제
  7. 삭제
  8. 3차원 의료영상을 이용하여 2차원 의료영상과 조직의 3차원 크기, 체적 또는 무게 정보를 포함하는 학습데이터를 생성하는 학습데이터생성부;
    상기 학습데이터를 이용하여, 복수의 조직이 동일평면에 중첩 표시된 2차원 의료영상에서 적어도 하나 이상의 정상 또는 질병 조직을 구분하여 3차원 크기, 체적 또는 무게를 구하는 인공지능모델 학습시키는 학습부; 및
    X선 의료영상을 상기 인공지능모델에 입력하여 정상 또는 질병 조직의 3차원 크기, 체적 또는 무게를 구하는 체적산출부;를 포함하고,
    상기 학습데이터생성부는, 상기 3차원 의료영상으로부터 상기 조직에 대한 서로 다른 방향의 2차원 의료영상을 생성하고,
    상기 학습부는, 상기 서로 다른 방향의 2차원 의료영상과 상기 조직의 3차원 크기, 체적 또는 무게 정보를 이용하여 상기 인공지능모델을 학습시키고,
    상기 체적산출부는,
    서로 다른 방향에서 촬영된 적어도 둘 이상의 X선 의료영상을 상기 인공지능모델에 입력하여 조직의 3차원 크기, 체적 또는 무게를 산출하는 것을 특징으로 하는 조직분석장치.
  9. 제 8항에 있어서,
    상기 인공지능모델을 이용하여 상기 X선 의료영상에 포함된 복수의 조직을 분할한 복수의 조직영상을 생성하는 조직분할부;를 더 포함하는 것을 특징으로 하는 조직분석장치.
  10. 제 1항 또는 제 3항에 기재된 방법을 수행하기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
KR1020200083047A 2020-07-06 2020-07-06 의료영상을 기초로 인체 조직을 분석하는 방법 및 그 장치 KR102387928B1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020200083047A KR102387928B1 (ko) 2020-07-06 2020-07-06 의료영상을 기초로 인체 조직을 분석하는 방법 및 그 장치
PCT/KR2021/004175 WO2022010075A1 (ko) 2020-07-06 2021-04-05 의료영상을 기초로 인체 조직을 분석하는 방법 및 그 장치
US17/793,638 US20230048734A1 (en) 2020-07-06 2021-04-05 Method for analyzing human tissue on basis of medical image and device thereof
EP21838200.0A EP4085841A4 (en) 2020-07-06 2021-04-05 METHOD FOR ANALYZING HUMAN TISSUE BASED ON MEDICAL IMAGES AND APPARATUS THEREOF

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200083047A KR102387928B1 (ko) 2020-07-06 2020-07-06 의료영상을 기초로 인체 조직을 분석하는 방법 및 그 장치

Publications (2)

Publication Number Publication Date
KR20220005326A KR20220005326A (ko) 2022-01-13
KR102387928B1 true KR102387928B1 (ko) 2022-04-19

Family

ID=79342174

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200083047A KR102387928B1 (ko) 2020-07-06 2020-07-06 의료영상을 기초로 인체 조직을 분석하는 방법 및 그 장치

Country Status (4)

Country Link
US (1) US20230048734A1 (ko)
EP (1) EP4085841A4 (ko)
KR (1) KR102387928B1 (ko)
WO (1) WO2022010075A1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102566183B1 (ko) * 2022-05-23 2023-08-10 가천대학교 산학협력단 골반 자동 계측에 대한 정보 제공 방법 및 이를 이용한 장치
KR102569573B1 (ko) * 2022-11-28 2023-08-24 메디컬아이피 주식회사 폐 용적 검사 방법 및 그 장치

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007229023A (ja) * 2006-02-28 2007-09-13 Ge Medical Systems Global Technology Co Llc 放射線断層撮影装置および画像処理装置
KR101981202B1 (ko) * 2018-12-11 2019-05-22 메디컬아이피 주식회사 의료영상 재구성 방법 및 그 장치

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101805619B1 (ko) * 2011-01-25 2017-12-07 삼성전자주식회사 3차원 의료 영상으로부터 최적의 2차원 의료 영상을 자동으로 생성하는 방법 및 장치
KR101482247B1 (ko) 2013-08-01 2015-01-14 서울대학교산학협력단 기도 추출 방법 및 그 장치
KR101514003B1 (ko) 2013-10-17 2015-04-24 서울대학교산학협력단 폐엽 추출 방법 및 그 장치
US9767557B1 (en) * 2016-06-23 2017-09-19 Siemens Healthcare Gmbh Method and system for vascular disease detection using recurrent neural networks
KR101930905B1 (ko) 2017-02-28 2018-12-19 메디컬아이피 주식회사 의료영상의 영역 분리 방법 및 그 장치
US11534136B2 (en) * 2018-02-26 2022-12-27 Siemens Medical Solutions Usa, Inc. Three-dimensional segmentation from two-dimensional intracardiac echocardiography imaging
KR20190125592A (ko) * 2018-04-30 2019-11-07 주식회사 실리콘사피엔스 의료 영상을 이용하여 혈관의 3차원 형상을 생성하기 위한 세그멘테이션 방법
KR102044237B1 (ko) * 2018-10-23 2019-11-13 연세대학교 산학협력단 2차원 음영 영상 기반 기계학습을 이용한 자동 3차원 랜드마크 검출 방법 및 장치
CN113272869A (zh) * 2018-12-05 2021-08-17 西门子医疗有限公司 医学成像中从定位片进行三维形状重构
EP3902456A4 (en) * 2018-12-24 2022-09-07 Body Composition Technologies Pty Ltd ANALYSIS OF A BODY
WO2021052552A1 (en) * 2019-09-20 2021-03-25 Brainlab Ag Training a machine learning algorithm using digitally reconstructed radiographs
EP3828818A1 (en) * 2019-11-29 2021-06-02 Siemens Healthcare GmbH Method and system for identifying pathological changes in follow-up medical images
US11386592B2 (en) * 2019-12-20 2022-07-12 Varian Medical Systems International Ag Tomographic image analysis using artificial intelligence (AI) engines

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007229023A (ja) * 2006-02-28 2007-09-13 Ge Medical Systems Global Technology Co Llc 放射線断層撮影装置および画像処理装置
KR101981202B1 (ko) * 2018-12-11 2019-05-22 메디컬아이피 주식회사 의료영상 재구성 방법 및 그 장치

Also Published As

Publication number Publication date
WO2022010075A1 (ko) 2022-01-13
EP4085841A1 (en) 2022-11-09
KR20220005326A (ko) 2022-01-13
US20230048734A1 (en) 2023-02-16
EP4085841A4 (en) 2024-03-20

Similar Documents

Publication Publication Date Title
KR101981202B1 (ko) 의료영상 재구성 방법 및 그 장치
EP3525171B1 (en) Method and system for 3d reconstruction of x-ray ct volume and segmentation mask from a few x-ray radiographs
KR101898575B1 (ko) 진행성 병변에 대한 미래 상태를 예측하는 방법 및 이를 이용한 장치
US8483467B2 (en) Medical image diagnosis assisting apparatus and method, and computer readable recording medium on which is recorded program for the same
US8605978B2 (en) Medical image processing apparatus and method, and computer readable recording medium on which is recorded program for the same
US20110019886A1 (en) Medical image processing apparatus, method, and program
EP3561768B1 (en) Visualization of lung fissures in medical imaging
JP2018522622A (ja) 内視鏡および腹腔鏡のナビゲーションのためにシーン解析とモデル融合とを同時に行う方法およびシステム
CN112641457A (zh) 医学成像中的根据表面数据的合成参数化计算机断层扫描
KR102387928B1 (ko) 의료영상을 기초로 인체 조직을 분석하는 방법 및 그 장치
US11996182B2 (en) Apparatus and method for medical image reading assistant providing representative image based on medical use artificial neural network
US20140348387A1 (en) Lesion classification apparatus, and method of modifying lesion classification data
KR20170069587A (ko) 영상처리장치 및 그의 영상처리방법
US20210082567A1 (en) Method for supporting viewing of images and apparatus using same
JP7457011B2 (ja) 異常検出方法、異常検出プログラム、異常検出装置、サーバ装置及び情報処理方法
KR102569573B1 (ko) 폐 용적 검사 방법 및 그 장치
US11836923B2 (en) Image processing apparatus, image processing method, and storage medium
KR20190088371A (ko) 진행성 병변의 미래 영상을 생성하는 방법 및 이를 이용한 장치
KR102136107B1 (ko) 뼈 감쇄된 x-선 영상의 정합 장치 및 방법
EP4451205A1 (en) Medical image translation method and apparatus
US20240354945A1 (en) Medical image translation method and apparatus
EP4145463A1 (en) Method for providing medical imaging decision support data and method for providing ground truth in 2d image space
US20220398752A1 (en) Medical image registration method and apparatus
EP4386680A1 (en) Cbct simulation for training ai-based ct-to-cbct registration and cbct segmentation
KR20240039556A (ko) 의료영상 변환방법 및 그 장치

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right