KR102410848B1 - 이미지 내 개인 식별 정보를 비식별화하는 전자 장치의 비식별화 방법 - Google Patents

이미지 내 개인 식별 정보를 비식별화하는 전자 장치의 비식별화 방법 Download PDF

Info

Publication number
KR102410848B1
KR102410848B1 KR1020210114952A KR20210114952A KR102410848B1 KR 102410848 B1 KR102410848 B1 KR 102410848B1 KR 1020210114952 A KR1020210114952 A KR 1020210114952A KR 20210114952 A KR20210114952 A KR 20210114952A KR 102410848 B1 KR102410848 B1 KR 102410848B1
Authority
KR
South Korea
Prior art keywords
image
information
identification
category
special
Prior art date
Application number
KR1020210114952A
Other languages
English (en)
Inventor
최승욱
권영률
조인현
황원준
Original Assignee
(주)아이알엠
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 (주)아이알엠 filed Critical (주)아이알엠
Priority to KR1020210114952A priority Critical patent/KR102410848B1/ko
Priority to KR1020220071972A priority patent/KR20230032863A/ko
Application granted granted Critical
Publication of KR102410848B1 publication Critical patent/KR102410848B1/ko

Links

Images

Classifications

    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • G06T5/006—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • 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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

전자 장치의 이미지 비식별화 방법이 개시된다. 본 이미지 비식별화 방법은, 입력된 이미지가 특수 비식별처리의 대상인 적어도 하나의 카테고리에 매칭되는지 여부를 식별하는 단계, 이미지가 특수 비식별처리의 대상인 카테고리에 매칭되는 경우, 카테고리에 대하여 등록된 영역 정보에 따라 이미지 내 적어도 하나의 영역을 선택하고, 선택된 영역을 비식별화하는 제1 특수 비식별처리 단계, 이미지가 특수 비식별처리의 대상인 카테고리에 매칭되지 않는 경우, 이미지에 포함된 하나 이상의 개체(Entity)를 식별하는 단계, 식별된 개체가 개인 식별 정보인 경우, 이미지 내 개체를 포함하는 영역을 비식별화하는 동적 비식별처리 단계를 포함한다.

Description

이미지 내 개인 식별 정보를 비식별화하는 전자 장치의 비식별화 방법 { DE-IDENTIFICATION METHOD OF ELECTRONIC APPARATUS FOR DE-IDENTIFYING PERSONAL IDENTIFICATION INFORMATION IN IMAGES }
본 개시는 이미지 내 개인 식별 정보를 비식별화하는 전자 장치에 관한 것으로, 보다 상세하게는, 카테고리 별로 지정된 영역을 비식별화하거나 및/또는 인식된 개체에 대해 선택적으로 비식별화하는 전자 장치에 관한 것이다.
최근 영상 분석 기술을 기반으로 한 의료적 진단 내지는 검사가 보편화되기 시작함에 따라, 다수의 환자의 의료 이미지를 통한 연구 내지는 분석이 수행되고 있다. 또한, 의료 이미지를 분석하기 위한 AI(Artificial Intelligence) 모델의 훈련에도, 다수의 환자의 의료 이미지가 이용되고 있다.
다만, 실제 병원에서 수집된 다양한 환자의 의료 이미지가 이용되면서, 의료 이미지 내에 포함된 환자 개개인의 개인 식별 정보가 불필요하게 노출/공개된다는 이슈가 있는바, 의료 이미지 내 개인 식별 정보를 자동으로 비식별화하는 전자 장치/시스템 기반 솔루션이 이용되고 있다.
일반적으로, 종래의 비식별화 솔루션은, 의료 이미지를 서식 별로 구분하고, 구분된 각 서식에 대하여 지정된 영역을 지우거나 가리는 단순한 알고리즘을 이용하고 있다.
다만, 다양한 신체 부위에 대하여 다양한 방식으로 수집된 의료 이미지들이 활용되고 있는바, 모든 의료 이미지의 서식에 대해 비식별화의 대상 영역이 미리 지정되어 있기는 힘들다.
따라서, 새로운 유형/서식의 의료 이미지를 접하더라도 효과적으로 비식별화를 수행할 수 있는 솔루션이 필요하다.
본 개시는 카테고리 별로 지정된 영역의 비식별화를 수행하면서도, 새로운 카테고리의 이미지 내 개인 식별 정보에 대한 동적 비식별화도 가능한 전자 장치의 이미지 비식별화 방법을 제공한다.
본 개시의 일 실시 예에 따른 전자 장치의 이미지 비식별화 방법은, 입력된 이미지가 특수 비식별처리의 대상인 적어도 하나의 카테고리에 매칭되는지 여부를 식별하는 단계, 상기 이미지가 상기 특수 비식별처리의 대상인 카테고리에 매칭되는 경우, 상기 카테고리에 대하여 등록된 영역 정보에 따라 상기 이미지 내 적어도 하나의 영역을 선택하고, 상기 선택된 영역을 비식별화하는 제1 특수 비식별처리 단계, 상기 이미지가 상기 특수 비식별처리의 대상인 카테고리에 매칭되지 않는 경우, 상기 이미지에 포함된 하나 이상의 개체(Entity)를 식별하는 단계, 상기 개체가 개인 식별 정보인 경우, 상기 이미지 내 상기 개체를 포함하는 영역을 비식별화하는 동적 비식별처리 단계를 포함한다.
상기 이미지가 상기 특수 비식별처리의 대상인 카테고리에 매칭되는지 여부를 식별하는 단계는, 상기 이미지의 패턴 정보 또는 상기 이미지의 파일명을 기반으로, 상기 이미지가 상기 특수 비식별처리의 대상인 카테고리에 매칭되는지 여부를 판단할 수 있다.
그리고, 상기 전자 장치의 이미지 비식별화 방법은, 상기 이미지에 포함된 각 개체를 개인 식별 정보, 일반 의료 정보, 및 비인식 정보 중 어느 하나로 판단하는 단계, 적어도 하나의 개체가 비인식 정보로 판단되는 경우, 상기 이미지 내 상기 비인식 정보에 해당하는 개체를 포함하는 영역을 비식별화하는 제2 특수 비식별처리 단계를 더 포함할 수도 있다.
이 경우, 상기 제2 특수 비식별처리 단계는, 상기 비인식 정보에 해당하는 개체에 대한 정보를 적어도 하나의 관리자 장치로 전송하는 단계, 상기 관리자 장치로부터 상기 비인식 정보에 해당하는 개체의 비식별화에 대한 확인 정보가 수신되면, 상기 이미지 내 상기 비인식 정보에 해당하는 개체를 포함하는 영역을 비식별화하는 단계를 포함할 수 있다.
또한, 상기 전자 장치의 이미지 비식별화 방법은, 상기 이미지가 상기 특수 비식별처리의 대상인 카테고리에 매칭되지 않는 경우, 상기 이미지의 패턴 정보 또는 상기 이미지의 파일명을 기반으로 상기 이미지의 카테고리를 생성하는 단계, 상기 생성된 카테고리에 대하여, 상기 동적 비식별처리 단계를 통해 비식별화된 하나 이상의 영역의 제1 영역 정보를 등록하는 단계, 상기 생성된 카테고리에 대하여, 상기 제2 특수 비식별처리 단계를 통해 비식별화된 영역의 제2 영역 정보를 등록하는 단계, 상기 생성된 카테고리에 매칭되는 다른 이미지가 입력된 경우, 상기 다른 이미지 내 상기 제1 영역 정보 또는 상기 제2 영역 정보에 대응되는 영역을 비식별화하는 제1 특수 비식별처리 단계를 포함할 수 있다.
또는, 상기 전자 장치의 이미지 비식별화 방법은, 상기 이미지가 상기 특수 비식별처리의 대상인 카테고리에 매칭되지 않는 경우, 상기 이미지의 패턴 정보 또는 상기 이미지의 파일명을 기반으로 상기 이미지의 카테고리를 생성하는 단계, 상기 생성된 카테고리에 대하여, 상기 동적 비식별처리 단계를 통해 비식별화된 하나 이상의 영역의 영역 정보를 등록하는 단계, 상기 생성된 카테고리에 매칭되는 다른 이미지가 입력된 경우, 상기 다른 이미지 내 상기 영역 정보에 대응되는 영역을 비식별화하는 제1 특수 비식별처리 단계를 포함할 수도 있다.
한편, 상기 전자 장치의 이미지 비식별화 방법은, 사용자 입력에 따라, 특수 비식별처리의 대상인 적어도 하나의 카테고리에 대하여, 비식별화를 수행하기 위한 영역 정보를 등록하는 단계를 더 포함할 수 있다.
본 개시에 따른 전자 장치의 이미지 비식별화 방법은, 기등록된 카테고리에 따라 각 이미지의 특정 영역을 일괄적으로 비식별화할 수 있을 뿐만 아니라, 기등록된 카테고리가 아닌 이미지에 대해서는 자동으로 개체를 인식하여 개인 식별 정보만을 선택적으로 비식별화할 수 있다.
또한, 본 개시에 따른 전자 장치의 이미지 비식별화 방법은, 기존에 등록되지 않은 카테고리의 이미지에 대하여 개체 인식 기반의 비식별화가 한 번 수행된 경우, 향후 동일한 카테고리의 이미지에 대해서는 특정 영역의 일괄 비식별화로 동작을 효율화할 수 있다는 장점이 있다.
도 1은 본 개시의 일 실시 예에 따른 전자 장치의 구성을 설명하기 위한 블록도,
도 2는 본 개시의 일 실시 예에 따른 전자 장치의 동작을 설명하기 위한 알고리즘,
도 3은 본 개시의 일 실시 예에 따른 전자 장치가 수행하는 특수 비식별처리를 설명하기 위한 도면,
도 4는 본 개시의 일 실시 예에 따른 전자 장치가 수행하는 동적 비식별처리를 설명하기 위한 도면,
도 5는 본 개시의 일 실시 예에 따른 전자 장치가 동적 비식별처리와 함께 특수 비식별처리를 선택적으로 수행하는 동작을 설명하기 위한 알고리즘,
도 6은 본 개시의 일 실시 예에 따른 전자 장치가 선택적으로 수행하는 특수 비식별처리를 설명하기 위한 도면, 그리고
도 7은 본 개시의 다양한 실시 예에 따른 전자 장치의 구성을 설명하기 위한 블록도이다.
본 개시에 대하여 구체적으로 설명하기에 앞서, 본 명세서 및 도면의 기재 방법에 대하여 설명한다.
먼저, 본 명세서 및 청구범위에서 사용되는 용어는 본 개시의 다양한 실시 예들에서의 기능을 고려하여 일반적인 용어들을 선택하였다. 하지만, 이러한 용어들은 당해 기술 분야에 종사하는 기술자의 의도나 법률적 또는 기술적 해석 및 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 일부 용어는 출원인이 임의로 선정한 용어도 있다. 이러한 용어에 대해서는 본 명세서에서 정의된 의미로 해석될 수 있으며, 구체적인 용어 정의가 없으면 본 명세서의 전반적인 내용 및 당해 기술 분야의 통상적인 기술 상식을 토대로 해석될 수도 있다.
또한, 본 명세서에 첨부된 각 도면에 기재된 동일한 참조번호 또는 부호는 실질적으로 동일한 기능을 수행하는 부품 또는 구성요소를 나타낸다. 설명 및 이해의 편의를 위해서 서로 다른 실시 예들에서도 동일한 참조번호 또는 부호를 사용하여 설명한다. 즉, 복수의 도면에서 동일한 참조 번호를 가지는 구성요소를 모두 도시되어 있다고 하더라도, 복수의 도면들이 하나의 실시 예를 의미하는 것은 아니다.
또한, 본 명세서 및 청구범위에서는 구성요소들 간의 구별을 위하여 "제1", "제2" 등과 같이 서수를 포함하는 용어가 사용될 수 있다. 이러한 서수는 동일 또는 유사한 구성요소들을 서로 구별하기 위하여 사용하는 것이며 이러한 서수 사용으로 인하여 용어의 의미가 한정 해석되어서는 안 된다. 일 예로, 이러한 서수와 결합된 구성요소는 그 숫자에 의해 사용 순서나 배치 순서 등이 제한되어서는 안 된다. 필요에 따라서는, 각 서수들은 서로 교체되어 사용될 수도 있다.
본 명세서에서 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "구성되다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
본 개시의 실시 예에서 "모듈", "유닛", "부(part)" 등과 같은 용어는 적어도 하나의 기능이나 동작을 수행하는 구성요소를 지칭하기 위한 용어이며, 이러한 구성요소는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, 복수의 "모듈", "유닛", "부(part)" 등은 각각이 개별적인 특정한 하드웨어로 구현될 필요가 있는 경우를 제외하고는, 적어도 하나의 모듈이나 칩으로 일체화되어 적어도 하나의 프로세서로 구현될 수 있다.
또한, 본 개시의 실시 예에서, 어떤 부분이 다른 부분과 연결되어 있다고 할 때, 이는 직접적인 연결뿐 아니라, 다른 매체를 통한 간접적인 연결의 경우도 포함한다. 또한, 어떤 부분이 어떤 구성요소를 포함한다는 의미는, 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
이하에서, 첨부된 도면을 이용하여 본 발명의 다양한 실시 예들에 대하여 구체적으로 설명한다.
도 1은 본 개시의 일 실시 예에 따른 전자 장치의 구성을 설명하기 위한 블록도이다.
도 1을 참조하면, 전자 장치(100)는 메모리(110) 및 프로세서(120)를 포함할 수 있다.
전자 장치(100)는 하나 이상의 컴퓨터를 포함하는 서버 내지는 시스템으로 구현될 수 있다. 예를 들어, 전자 장치(100)는 병원 시스템의 의료 이미지를 관리/수집하기 위한 서버에 해당할 수 있으나, 이에 한정되지 않는다.
그밖에, 전자 장치(100)는 데스크탑 PC, 노트북 PC, 태블릿 PC, 스마트폰 등 다양한 장치에 해당할 수 있다.
메모리(110)는, 전자 장치(100)의 구성요소들의 전반적인 동작을 제어하기 위한 운영체제(OS: Operating System) 및 전자 장치(100)의 구성요소와 관련된 적어도 하나의 인스트럭션 또는 데이터를 저장하기 위한 구성이다.
메모리(110)는 ROM, 플래시 메모리 등의 비휘발성 메모리를 포함할 수 있으며, DRAM 등으로 구성된 휘발성 메모리를 포함할 수 있다. 또한, 메모리(120)는 하드 디스크, SSD(Solid state drive) 등을 포함할 수도 있다.
메모리(110)는 하나 이상의 이미지를 구분하기 위한 다양한 카테고리에 대한 정보를 포함할 수 있다.
카테고리는 의료 이미지에 포함된 신체 부위, 의료 이미지의 서식/레이아웃, 의료 이미지를 촬영한 의료 기기의 제작사, 의료 이미지의 촬영 기법, 의료 이미지에 포함된 데이터의 종류 등에 따라 다양하게 구분될 수 있다.
예를 들어, 카테고리는 신체부위 별로 엑스레이, CT(Computed Tomography), 초음파, MRI(Magnetic Resonance Imaging), SPECT(Single Photon Emission Computed Tomograhy), PET(Positron Emission tomography), 내시경 등 촬영 기법에 따라 구분될 수 있다. 카테고리는, 촬영 기법 및 신체부위가 동일하더라도 이미지 내 의료 데이터(텍스트)의 배치 내지는 레이아웃에 따라 구분될 수 있다.
또한, 카테고리는, 호흡기에 대한 생체 데이터를 포함하는 의료 이미지, 안구에 대한 생체 데이터를 포함하는 의료 이미지 등을 포함할 수 있다.
다만, 카테고리는 이에 한정되지 않고, 의료 데이터를 포함하는 이미지라면, 종래 이용되고 있는 다양한 의료 영상 외에 향후 이용될 새로운 서식/종류의 의료 영상을 포함할 수 있음은 물론이다.
메모리(110)는, 카테고리 별로, 후술할 특수 비식별처리에 따라 이미지 내에서 비식별화의 대상이 되는 영역의 영역 정보를 포함할 수도 있다.
영역 정보는, 이미지 내 비식별화의 대상이 되는 영역의 위치 정보, 크기 정보 등을 포함할 수 있다. 여기서, 위치 정보는, 이미지 내 해당 영역의 좌표에 해당할 수 있으나, 이에 한정되지 않는다.
특수 비식별처리의 대상이 되는 카테고리 별 영역 정보는, 사용자 입력에 따라 등록된 것일 수 있다. 사용자 입력은, 전자 장치(100)의 사용자 입력부 또는 전자 장치(100)와 통신 가능한 적어도 하나의 단말 장치를 통해 수신될 수 있다.
프로세서(120)는 전자 장치(100)의 전반적인 구성 및 동작을 제어하기 위한 구성이다.
프로세서(120)는 메모리(110)와 연결되어 메모리(110)에 저장된 적어도 하나의 인스트럭션을 실행함으로써 전자 장치(100)를 제어할 수 있다.
이를 위해, 프로세서(120)는 CPU(Central Processing Unit), AP(Application Processor) 등과 같은 범용 프로세서, GPU(Graphic Processing Unit), VPU(Vision Processing Unit) 등과 같은 그래픽 전용 프로세서 또는 NPU(Neural Processing Unit)와 같은 인공지능 전용 프로세서 등으로 구현될 수 있다. 또한, 프로세서(120)는 SRAM 등의 휘발성 메모리를 포함할 수 있다.
프로세서(120)는 입력된 이미지 내에서 개인 식별 정보를 인식하여 비식별화할 수 있다.
개인 식별 정보는, 특정 대상의 신원 또는 프라이버시와 연관된 정보를 의미할 수 있다. 예를 들어, 개인 식별 정보는, 의료 영상에 매칭되는 환자의 이름, 성별, 나이, 주민등록번호, 생년월일, 촬영 날짜, 촬영 시간, 환자 번호 등을 포함할 수 있다.
비식별화란, 이미지 내 해당 정보(ex. 개인 식별 정보)가 육안 또는 기기에 의해 인식될 수 없도록 처리하는 동작을 의미한다. 예를 들어, 프로세서(120)는, 이미지 내에서 개인 식별 정보를 포함하는 영역의 픽셀들의 픽셀 값을 일괄적으로 특정 값(ex. Black, Red, Blue 등)으로 변경하거나, 해당 영역을 블러(blur) 처리하는 등의 방식으로 비식별화를 수행할 수 있으나 이에 한정되지 않는다.
도 1을 참조하면, 프로세서(120)는 특수 비식별처리를 수행하기 위한 특수 비식별화 모듈(121) 및 동적 비식별처리를 수행하기 위한 동적 비식별화 모듈(122)을 각각 포함할 수 있다. 본 모듈들은, 하드웨어 및/또는 소프트웨어를 통해 구현되어 프로세서(120)의 제어에 따라 동작할 수 있다.
특수 비식별처리는, 카테고리 별로 기저장된 영역 정보에 따라 이미지 내 특정 영역을 비식별화하는 동작을 의미한다.
예를 들어, 도 1 에 도시된 카테고리들 중 카테고리 A에 대하여 영역 정보 a가 메모리(110)에 저장된 상황을 가정한다. 여기서, 카테고리 A에 해당하는 이미지가 입력되는 경우, 특수 비식별화 모듈(121)은 영역 정보 a에 따라 이미지 내 적어도 하나의 영역을 식별할 수 있다.
그리고, 특수 비식별화 모듈(121)은 식별된 영역을 비식별화할 수 있다.
동적 비식별처리는, 이미지 내 각 개체를 인식하고, 인식된 개체 중 개인 식별 정보에 해당하는 개체를 포함하는 영역을 비식별화하는 동작을 의미한다. 동적 비식별처리의 경우, 이미지의 카테고리와 무관하게 개인 식별 정보를 개별적으로 인식하여 비식별화할 수 있는바, 카테고리에 따라 정형화되지 않았다는 점에서 동적 처리로 정의될 수 있다.
여기서, 개체는, 적어도 하나의 텍스트, 부분 이미지, 단어, 문장, 기호 등에 해당할 수 있으나, 이에 한정되지 않는다.
동적 비식별화 모듈(122)은 개인 식별 정보를 인식하기 위한 적어도 하나의 모듈 내지는 인공지능 모델을 이용할 수 있다.
일 예로, 이미지가 입력되면, 동적 비식별화 모듈(122)은 OCR(Optical Character Recognition) 등의 방식을 통해 이미지 내 텍스트를 식별할 수 있다.
이 경우, 동적 비식별화 모듈(122)은 텍스트를 단어 또는 기호에 따라 구분하도록 훈련된 키워드 추출 엔진을 이용하여, 텍스트를 하나 이상의 문자열로 구분할 수 있다. 여기서, 문자열은, 단어 및 기호 중 적어도 하나를 포함하는 개념이다.
키워드 추출 엔진은, 텍스트 내에 포함된 단어 및/또는 기호를 추출하도록 훈련된 적어도 하나의 인공지능 모델을 포함할 수 있다. 구체적으로, 키워드 추출 엔진은 순서대로 나열된 문자열을 문맥에 따라 구분하여 인식하기 위한 적어도 하나의 인공지능 모델을 이용할 수 있는바, 본 인공지능 모델은 RNN(Recurrent Neural Network) 기반의 모델일 수 있으나, 이에 한정되지 않는다.
그리고, 동적 비식별화 모듈(122)은 인식된 문자열 중 개인 식별 정보에 해당하는 적어도 하나의 문자열을 식별할 수 있다.
구체적인 예로, 동적 비식별화 모듈(122)은 다양한 개인 식별 정보를 포함하는 데이터베이스를 인식된 문자열 각각과 비교함으로써, 인식된 각 문자열이 개인 식별 정보인지 여부를 판단할 수 있다. 만약, 인식된 문자열과 매칭되는 단어가 데이터베이스 내에 존재하는 경우, 동적 비식별화 모듈(122)은 해당 문자열을 개인 식별 정보로 판단할 수 있다.
또한, 동적 비식별화 모듈(122)은 다양한 일반 의료 정보를 포함하는 데이터베이스를 인식된 문자열 각각과 비교함으로써, 인식된 각 문자열이 개인 식별 정보인지 여부를 판단할 수 있다. 일반 의료 정보는, 개인 식별 정보가 아닌 의료 데이터를 의미한다.
또한, 동적 비식별화 모듈(122)은 이미지 내 텍스트를 적어도 하나의 인공지능 모델에 입력하여 개인 식별 정보를 추출할 수도 있다. 본 인공지능 모델은, 텍스트 내에서 개인 식별 정보에 해당하는 단어, 기호 등을 선택하도록 훈련된 모델일 수 있다. 일 예로, 본 인공지능 모델은 서로 다른 레이어에 구비된 노드 간의 가중치에 따라 훈련/업데이트될 수 있는 신경망 모델일 수 있으며, 텍스트의 적어도 일부를 벡터 형식으로 변환한 뒤 기학습된 개인 식별 정보의 벡터 값에 매칭되는지 여부를 수치적으로 판단하는 구조일 수 있다.
또한, 동적 비식별화 모듈(122)은 개인 식별 정보와 관련된 것으로 기설정된 문자열이 인식됨을 전제로, 인식된 문자열과의 위치 관계(ex. 상대적 좌표 차이)가 일정 조건을 만족하는 영역을 일괄적으로 비식별화할 수도 있다.
예를 들어, 개인 식별 정보가 작성되는 영역을 정의하는 "ID: "라는 문자열이 이미지 내에서 식별되는 경우, 동적 비식별화 모듈(122)은 이미지 내에서 해당 문자열의 우측에 존재하는 일정 크기의 영역을 일괄적으로 비식별화할 수 있다.
또한, 동적 비식별화 모듈(122)은 의료 이미지에 포함된 적어도 하나의 촬영 영상의 속성을 판단하기 위한 적어도 하나의 인공지능 모델을 포함할 수 있다. 본 인공지능 모델은, 엑스레이 영상, MRI 영상 등을 식별하도록 훈련된 모델일 수 있으나, 이에 한정되지 않는다.
또한, 입력된 의료 이미지의 개인 식별 정보가 함께 입력된 경우, 동적 비식별화 모듈(122)은 의료 이미지 내에서 개인 식별 정보와 매칭되는 텍스트를 식별하고, 식별된 텍스트를 개인 식별 정보로 인식하여 비식별화할 수도 있다.
한편, 도 2는 본 개시의 일 실시 예에 따른 전자 장치의 동작을 설명하기 위한 알고리즘이다.
도 2를 참조하면, 프로세서(120)는 입력된 이미지(ex. 의료 이미지)가 특수 비식별처리의 대상인지 여부를 판단할 수 있다(S210).
구체적으로, 프로세서(120)는 입력된 이미지가 특수 비식별처리의 대상인 적어도 하나의 기저장된 카테고리에 매칭되는지 여부를 식별할 수 있다.
여기서, 프로세서(120)는 이미지의 패턴 정보 또는 이미지의 파일명을 기반으로, 이미지가 특수 비식별처리의 대상인 카테고리에 매칭되는지 여부를 판단할 수 있다.
이를 위해, 메모리(110) 상에는 카테고리 별 이미지의 패턴 정보 및/또는 카테고리 별 이미지의 파일명에 대한 정보가 포함될 수 있다.
패턴 정보는, 각 카테고리 별로, 이미지에 포함된 텍스트의 배치 구조, 이미지 내 촬영 영상의 면적이나 형상, 이미지 내 특정 회사의 로고 등에 대한 정보를 포함할 수 있으나, 이에 한정되지 않는다.
예를 들어, 초음파 사진에 해당하는 도 1의 카테고리 B의 경우, 각 이미지는 흑백 이미지이며 아래쪽이 반원과 유사한 곡선을 포함한다는 점이 패턴 정보를 구성할 수 있다.
또한, 예를 들어, 특정 카테고리에 대해서는, 특정한 회사명(ex. 의료 영상 촬영 기기의 제작사) 또는 약어(ex. 의료 영상의 카테고리를 지칭하는 용어)가 파일명에 포함되는 것으로 기설정될 수 있다.
상술한 실시 예에 따른 판단 결과, 입력된 이미지가 특수 비식별처리의 대상인 것으로 식별될 수 있다(S210 - Y). 구체적으로, 입력된 이미지가 특수 비식별처리의 대상인 기저장된 카테고리에 매칭되는 것으로 식별된 경우이다.
이 경우, 프로세서(120)는 해당 카테고리에 대하여 등록된 영역 정보에 따라 이미지 내 적어도 하나의 영역을 식별하고, 해당 영역을 비식별화할 수 있다(S220. 특수 비식별처리). 본 단계(S220)는 특수 비식별화 모듈(121)을 통해 수행될 수 있다.
반면, 입력된 이미지가 특수 비식별처리의 대상이 아닌 것으로 식별될 수도 있다(S210 - N). 구체적으로, 입력된 이미지가 특수 비식별처리의 대상인 카테고리들 중 어느 하나에도 매칭되지 않는 것으로 식별된 경우이다.
이 경우, 프로세서(120)는 이미지에 포함된 하나 이상의 개체를 식별하고, 식별된 개체 중 개인 식별 정보에 해당하는 개체를 선택할 수 있다. 그리고, 프로세서(120)는 이미지 내에서 선택된 개체가 포함된 영역을 비식별화할 수 있다(S230).
본 단계(S230)는 동적 비식별화 모듈(122)을 통해 수행될 수 있는바, 동적 비식별화 모듈(122)의 동작에 대한 상술한 다양한 실시 예 중 적어도 하나에 따라 수행될 수 있다.
이렇듯, 본 개시에 따른 전자 장치(100)는, 기등록된 카테고리에 대해서는 특수 비식별처리를 통해 간단한 로드만을 소모하여 비식별화를 수행하고, 새로운 카테고리의 이미지가 입력되더라도 동적 비식별처리를 통해 자동 비식별화가 가능하다는 장점이 있다.
한편, 도 3은 본 개시의 일 실시 예에 따른 전자 장치가 수행하는 특수 비식별처리(S220)를 설명하기 위한 도면이다. 도 3은, 입력된 이미지(310)의 패턴 정보 또는 파일명에 따라 이미지(310)의 카테고리가 '카테고리 A'로 판단된 경우를 가정한 것이다.
이 경우, 프로세서(120)는 카테고리 A에 대하여 기저장된 영역 정보를 토대로, 비식별화의 대상이 되는 복수의 영역(311, 312, 313, 314)을 식별할 수 있다.
그리고, 프로세서(120)는 해당 영역들(311, 312, 313, 314)을 비식별화할 수 있다. 그 결과, 각각 환자 이름, 환자 번호, 생년월일, 처리 날짜에 해당하는 각 영역들(311, 312, 313, 314)이 비식별화된 이미지(320)가 획득될 수 있다.
한편, 도 4는 본 개시의 일 실시 예에 따른 전자 장치가 수행하는 동적 비식별처리(S230)를 설명하기 위한 도면이다. 도 4는, 입력된 이미지(410)가 특수 비식별처리의 대상인 카테고리에 해당하지 않는 것으로 식별된 경우를 가정한다.
도 4를 참조하면, 프로세서(120)는 이미지(410)에 포함된 다양한 개체(411, 412, 413, 414, 415, 416, 417)를 식별할 수 있다.
그리고, 프로세서(120)는 식별된 개체들 중 개인 식별 정보에 해당하는 개체들(411, 413)을 각각 인식하여 비식별화할 수 있다.
그 결과, 환자 번호와 이름, 촬영 날짜와 시간에 해당하는 개체들(411, 413)이 비식별화된 이미지(420)가 획득될 수 있다.
한편, 일 실시 예에 따르면, 전자 장치(100)는 동적 비식별처리 동작에 이어 추가로 적어도 하나의 특수 비식별처리 동작을 수행할 수 있다.
관련하여, 도 5는 본 개시의 일 실시 예에 따른 전자 장치가 동적 비식별처리와 함께 특수 비식별처리를 선택적으로 수행하는 동작을 설명하기 위한 알고리즘이다.
도 5는 상술한 도 2의 S230 과정이 보다 S510 내지 S530 과정을 통해 구체화된 한편, S540 과정이 추가로 수행되는 경우를 도시한 것이다.
도 5를 참조하면, 입력된 이미지가 특수 비식별처리 대상인 경우(S210 - Y), 프로세서(120)는 이미지의 카테고리에 대하여 등록된 영역 정보에 따라 이미지 내 적어도 하나의 영역을 식별하고, 식별된 영역을 비식별화하는 특수 비식별처리 과정(S220)을 수행할 수 있다. 후술할 동작과의 구분을 위해, 본 실시 예에서 S220 과정은 "제1 특수 비식별처리" 단계로 정의한다.
그리고, 도 5를 참조하면, 입력된 이미지가 특수 비식별처리 대상이 아닌 경우(S210 - N), 프로세서(120)는 이미지에 포함된 하나 이상의 개체를 식별하고(S510), 식별된 각 개체의 속성을 식별할 수 있다(S520).
여기서, 속성은, 개인 식별 정보, 일반 의료 정보, 및 비인식 정보 중 어느 하나에 해당할 수 있다.
일반 의료 정보는, 개인 식별 정보는 아니지만 의료 데이터에 해당하는 정보를 의미한다.
비인식 정보는, 개인 식별 정보도 일반 의료 정보도 아닌 정보를 의미한다. 예를 들어, 손글씨 또는 너무 작은 글씨나 낙서 등은 개인 식별 정보 및 일반 의료 정보 중 어느 하나로도 인식되지 않은 결과, 비인식 정보로 식별될 수 있다.
도 5를 참조하면, 도 2와 마찬가지로, 프로세서(120)는 개인 식별 정보인 개체가 포함된 영역을 비식별화할 수 있다(S530).
더하여, 프로세서(120)는 비인식 정보인 개체가 포함된 영역 역시 비식별화할 수 있는바(S540), 본 과정은 "제2 특수 비식별처리" 단계로 정의될 수 있다.
이 경우, 프로세서(120)는 비인식 정보에 해당하는 개체를 비식별화함에 있어 관리자의 검증을 받을 수 있다.
구체적으로, 프로세서(120)는 비인식 정보에 해당하는 개체에 대한 정보를 적어도 하나의 관리자 장치(ex. 스마트폰, 데스크탑 PC, 관리자 서버 등)로 전송할 수 있다. 이때, 관리자는 비인식 정보가 개인 식별 정보에 해당하는지 여부를 판단하여 확인할 수 있다.
이 경우, 프로세서(120)는 관리자 장치로부터 비인식 정보에 해당하는 개체의 비식별화에 대한 (관리자의) 확인 정보가 수신됨을 전제로, 이미지 내 비인식 정보에 해당하는 개체를 포함하는 영역을 비식별화할 수 있다.
이렇듯 비인식 정보의 실제로 경우 개인 식별 정보에 해당할 수도 해당하지 않을 수도 있기 때문에, 상술한 실시 예처럼 비인식 정보를 직접 확인한 관리자의 확인을 전제로 비인식 정보가 비식별화되는 경우, 비식별화의 정확도가 담보될 수 있다.
한편, 상술한 바와 같이 입력된 이미지가 특수 비식별처리의 대상이 아닌 경우(S210 - N), 구체적으로는, 이미지가 특수 비식별처리의 대상인 카테고리에 매칭되지 않는 경우, 프로세서(120)는 해당 이미지에 대하여 카테고리를 새롭게 정의 내지는 생성할 수도 있다.
구체적으로, 프로세서(120)는 이미지의 패턴 정보 또는 이미지의 파일명을 기반으로 이미지의 카테고리를 생성 내지는 정의하여 메모리(110)에 등록할 수 있다. 이 경우, 이미지의 카테고리는 파일명에 포함된 단어 또는 문자열에 따라 정의될 수 있으나, 이에 한정되지 않는다.
그리고, 프로세서(120)는 상술한 비식별처리 과정(ex. S530, S540)에 따라 해당 이미지 내에서 비식별화가 수행된 영역 정보를 생성된 카테고리에 대해 등록할 수 있다.
구체적으로, 프로세서(120)는, 생성된 카테고리에 대하여, 해당 이미지의 동적 비식별처리 단계(S530)를 통해 비식별화된 하나 이상의 영역의 제1 영역 정보를 등록할 수 있다.
또한, 프로세서(120)는, 생성된 카테고리에 대하여, 해당 이미지의 제2 특수 비식별처리 단계(S540)를 통해 비식별화된 영역의 제2 영역 정보를 등록할 수 있다.
이렇듯, 프로세서(120)는 기존에 비식별처리의 대상인 카테고리에 속하지 않던 이미지의 카테고리를 새롭게 정의하는 한편, 새롭게 정의된 카테고리에 대하여 새로운 영역 정보를 등록할 수 있다. 이렇게 등록된 영역 정보는, 새롭게 정의된 카테고리의 이미지에 대하여 향후 특수 비식별처리를 자동으로 수행하기 위한 것이다.
이후, 생성된 카테고리에 매칭되는 다른 이미지가 새롭게 입력되는 경우, 프로세서(120)는 다시 도 2 또는 도 5의 과정을 수행할 수 있다. 앞서 카테고리가 생성된 이력이 있으므로, 새롭게 입력된 이미지는 특수 비식별처리의 대상인 카테고리에 매칭되는 것으로 판단될 수 있다.
구체적으로, 프로세서(120)는 새롭게 입력된 이미지의 패턴 정보 또는 파일명을 통해 새롭게 입력된 이미지가 특수 비식별처리의 대상인 (생성된) 카테고리인 것으로 판단할 수 있다(ex. S210).
이 경우, 생성된 카테고리에 대하여 앞서 등록된 영역 정보(제1 영역 정보 및/또는 제2 영역 정보)를 기반으로, 프로세서(120)는 새롭게 입력된 이미지 내 적어도 하나의 영역을 비식별화할 수 있다(ex. S220).
이렇듯, 본 개시에 따른 전자 장치(100)는, 기존에는 (제1) 특수 비식별처리의 대상이 아니었던 카테고리의 이미지가 새롭게 입력되는 경우, 동적 비식별처리 및/또는 제2 특수 비식별처리에 따라 카테고리 및 영역 정보를 각각 새롭게 정의할 수 있고, 이후에는 해당 카테고리의 이미지에 대해서 자동적으로 (제1) 특수 비식별처리로 단순하게 비식별화할 수 있다는 장점이 있다.
그 결과, 다양한 카테고리에 해당하는 대량의 이미지들에 대한 비식별화가 요구되더라도, 동적 비식별처리가 반복되는 횟수가 최소화될 수 있다. 특히, 동적 비식별처리의 경우 개체에 대한 인식 과정 때문에 특수 비식별처리에 비해 상대적으로 연산량 및 전력 소모량이 크다는 점에서, 동적 비식별처리의 수행 횟수를 효율적으로 조정함에 의미가 있다.
관련하여, 도 6은 본 개시의 일 실시 예에 따른 전자 장치가 선택적으로 수행하는 특수 비식별처리(ex. S540)를 설명하기 위한 도면이다. 도 6은, 입력된 이미지(610)가 특수 비식별처리의 대상이 아닌 것으로 식별된 경우를 가정한 것이다.
도 6을 참조하면, 프로세서(120)는 이미지(610) 내에서 개인 식별 정보도 일반 의료 정보도 아닌 개체들(611, 612)을 인식할 수 있다.
본 개체들(611, 612)은 수기에 해당하거나 또는 그 크기가 너무 작아서 비인식 정보로 식별될 수 있는바, 프로세서(120)는 해당 개체들(611, 612) 각각을 포함하는 영역을 관리자 장치로 전송할 수 있다.
이후, 관리자 장치로부터 해당 개체들(611, 612) 각각에 대한 비식별화를 승인하는 확인 정보가 수신되는 경우, 프로세서(120)는 해당 개체들(611, 612)이 포함된 각 영역이 비식별화된 이미지(620)를 획득할 수 있다.
이때, 프로세서(120)는 이미지(610)의 패턴 정보 또는 파일명을 이용하여 이미지(610)에 해당하는 카테고리를 생성할 수 있다.
그리고, 프로세서(120)는 생성된 카테고리에 대하여 앞서 비식별화된 개체들(611, 612)이 포함된 영역들의 영역 정보를 등록할 수 있다.
이후, 이미지(610)와 동일한 카테고리의 새로운 이미지가 입력되면, 프로세서(120)는 등록된 영역 정보를 통해 비식별화(특수 비식별처리)를 수행할 수 있다.
한편, 도 7은 본 개시의 다양한 실시 예에 따른 전자 장치의 구성을 설명하기 위한 블록도이다.
도 7을 참조하면, 전자 장치(100)는 메모리(110) 및 프로세서(120) 외에 통신부(130), 사용자 입력부(140) 등을 더 포함할 수 있다.
메모리(110)는 카테고리 정보(111) 및 카테고리 별 영역 정보(112)를 포함할 수 있다.
카테고리 정보(111)는 특수 비식별처리의 대상으로 등록된 각 카테고리에 대한 정보에 해당한다.
카테고리 별 영역 정보(112)는, 각 카테고리 별로, 특수 비식별처리의 대상인 영역에 대한 영역 정보를 포함한다. 영역 정보는, 이미지 내 영역의 좌표 및 크기에 대한 정보를 포함할 수 있다.
통신부(130)는 서버(100)가 다양한 외부 장치(ex. 관리자 장치, 의료 영상 촬영 기기, 병원 서버, 연구기관 서버, 연구자 단말 등)와 데이터를 송수신하기 위한 구성으로, 통신을 위한 적어도 하나의 회로를 포함할 수 있다.
예를 들어, 전자 장치(100)는 통신부(130)를 통해 의료 영상 촬영 기기로부터 의료 영상을 수신할 수 있다. 여기서, 전자 장치(130)는 수신된 의료 영상에 대하여 상술한 다양한 실시 예에 따른 비식별화를 수행할 수 있다. 그리고, 전자 장치(130)는 비식별화된 의료 영상을 통신부(130)를 통해 연구기관 서버, 연구자 단말 등으로 전송할 수 있다.
또한, 일 예로, 전자 장치(100)는 통신부(130)를 통해 관리자 장치로부터 적어도 하나의 카테고리에 대하여 특수 비식별처리를 위한 영역 정보를 등록하기 위한 사용자 입력을 수신할 수 있다.
통신부(130)는 TCP/IP(Transmission Control Protocol/Internet Protocol), UDP(User Datagram Protocol), HTTP(Hyper Text Transfer Protocol), HTTPS(Secure Hyper Text Transfer Protocol), FTP(File Transfer Protocol), SFTP(Secure File Transfer Protocol), MQTT(Message Queuing Telemetry Transport) 등의 통신 규약(프로토콜)을 이용하여 하나 이상의 외부 전자 장치와 다양한 정보를 송수신할 수 있다.
이를 위해, 통신부(130)는 유선 통신 및/또는 무선 통신을 통해 구현된 네트워크를 기반으로, 외부 장치와 연결될 수 있다. 이때, 통신부(130)는 외부 장치와 직접적으로 연결될 수도 있지만, 네트워크를 제공하는 하나 이상의 외부 서버(ex. ISP(Internet Service Provider))를 통해서 외부 전자 장치와 연결될 수도 있다.
네트워크는 영역 또는 규모에 따라 개인 통신망(PAN; Personal Area Network), 근거리 통신망(LAN; Local Area Network), 광역 통신망(WAN; Wide Area Network) 등일 수 있으며, 네트워크의 개방성에 따라 인트라넷(Intranet), 엑스트라넷(Extranet), 또는 인터넷(Internet) 등일 수 있다.
무선 통신은 LTE(long-term evolution), LTE-A(LTE Advance), 5G(5th Generation) 이동통신, CDMA(code division multiple access), WCDMA(wideband CDMA), UMTS(universal mobile telecommunications system), WiBro(Wireless Broadband), GSM(Global System for Mobile Communications), DMA(Time Division Multiple Access), WiFi(Wi-Fi), WiFi Direct, Bluetooth, NFC(near field communication), Zigbee 등의 통신 방식 중 적어도 하나를 포함할 수 있다.
유선 통신은 이더넷(Ethernet), 광 네트워크(optical network), USB(Universal Serial Bus), 선더볼트(ThunderBolt) 등의 통신 방식 중 적어도 하나를 포함할 수 있다.
통신부(130)는 상술한 유무선 통신 방식에 따른 네트워크 인터페이스(Network Interface) 또는 네트워크 칩을 포함할 수 있다. 한편, 통신 방식은 상술한 예에 한정되지 아니하고, 기술의 발전에 따라 새롭게 등장하는 통신 방식을 포함할 수 있다.
사용자 입력부(140)는, 다양한 사용자 명령을 입력받기 위한 구성이다. 사용자 입력부(140)는 적어도 하나의 버튼, 키패드, 터치스크린 등 다양한 입력 인터페이스에 해당할 수 있다. 또한, 사용자 입력부(140)는 마이크나 카메라 등을 포함할 수도 있다.
일 예로, 전자 장치(100)는, 사용자 입력부(140)를 통해 수신된 사용자 입력에 따라, 특수 비식별처리의 대상인 카테고리 및/또는 영역 정보를 등록할 수 있다.
한편, 이상에서 설명된 다양한 실시 예들은 서로 저촉되지 않는 한 둘 이상의 실시 예가 함께 구현될 수 있다.
한편, 이상에서 설명된 다양한 실시 예들은 소프트웨어(software), 하드웨어(hardware) 또는 이들의 조합된 것을 이용하여 컴퓨터 또는 이와 유사한 장치로 읽을 수 있는 기록 매체 내에서 구현될 수 있다.
하드웨어적인 구현에 의하면, 본 개시에서 설명되는 실시 예들은 ASICs(Application Specific Integrated Circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(Programmable logic devices), FPGAs(field programmable gate arrays), 프로세서(processor), 제어기(controller), 마이크로 컨트롤러(micro-controllers), 마이크로 프로세서(microprocessor), 기타 기능 수행을 위한 전기적인 유닛(unit) 중 적어도 하나를 이용하여 구현될 수 있다.
일부의 경우에 본 명세서에서 설명되는 실시 예들이 프로세서 자체로 구현될 수 있다. 소프트웨어적인 구현에 의하면 본 명세서에서 설명되는 절차 및 기능과 같은 실시 예들은 별도의 소프트웨어 모듈들로 구현될 수 있다. 상술한 소프트웨어 모듈들 각각은 본 명세서에서 설명되는 하나 이상의 기능 및 작동을 수행할 수 있다.
한편, 상술한 본 개시의 다양한 실시 예들에 따른 서버 또는 단말의 처리동작을 수행하기 위한 컴퓨터 명령어(computer instructions)는 비일시적 컴퓨터 판독 가능 매체(non-transitory computer-readable medium)에 저장될 수 있다. 이러한 비일시적 컴퓨터 판독 가능 매체에 저장된 컴퓨터 명령어는 특정 기기의 프로세서에 의해 실행되었을 때 상술한 다양한 실시 예에 따른 전자 장치의 처리 동작을 상술한 기기가 수행하도록 한다.
비일시적 판독 가능 매체란 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상술한 다양한 어플리케이션 또는 프로그램들은 CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리카드, ROM 등과 같은 비일시적 판독 가능 매체에 저장되어 제공될 수 있다.
또한, 이상에서는 본 발명의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해돼서는 안 될 것이다.
100: 전자 장치 110: 메모리
120: 프로세서

Claims (6)

  1. 전자 장치의 이미지 비식별화 방법에 있어서,
    입력된 이미지가 특수 비식별처리의 대상인 적어도 하나의 카테고리에 매칭되는지 여부를 식별하는 단계;
    상기 입력된 이미지를 상기 식별 결과에 기초하여 이미지 내 비식별화시킬 영역 정보가 기 특정되어 상기 특수 비식별처리의 대상인 제1 카테고리와 상기 특수 비식별처리의 대상이 아닌 제2 카테고리로 구분하는 단계;
    상기 이미지가 상기 제1 카테고리에 매칭되는 경우, 상기 카테고리에 대하여 등록된 영역 정보에 따라 상기 이미지 내 적어도 하나의 영역을 선택하고, 상기 선택된 영역을 비식별화하는 제1 특수 비식별처리 단계;
    상기 이미지가 상기 제2 카테고리에 매칭되는 경우, 상기 이미지에 포함된 하나 이상의 개체(Entity)를 식별하는 단계;
    상기 이미지에 포함된 각 개체를 개인 식별 정보, 일반 의료 정보, 및 비인식 정보 중 어느 하나로 판단하는 단계; 및
    상기 개체가 개인 식별 정보인 경우, 상기 이미지 내 상기 개체를 포함하는 영역을 비식별화하는 동적 비식별처리 단계;를 포함하고,
    상기 판단하는 단계는,
    상기 이미지 내의 텍스트를 하나 이상의 문자열로 구분하는 단계;
    기 저장된 다양한 개인 식별 정보를 포함하는 데이터베이스와 상기 문자열 각각을 비교함으로써, 상기 문자열이 상기 개인 식별 정보인지 여부를 판단하는 단계;
    기 저장된 다양한 일반 의료 정보를 포함하는 데이터 베이스와 상기 문자열 각각을 비교함으로써, 상기 문자열이 상기 일반 의료 정보인지 여부를 판단하는 단계
    를 포함하는 것을 특징으로 하는 전자 장치의 이미지 비식별화 방법.
  2. 제1항에 있어서,
    상기 이미지가 상기 특수 비식별처리의 대상인 카테고리에 매칭되는지 여부를 식별하는 단계는,
    상기 이미지의 패턴 정보 또는 상기 이미지의 파일명을 기반으로, 상기 이미지가 상기 특수 비식별처리의 대상인 카테고리에 매칭되는지 여부를 판단하는, 전자 장치의 이미지 비식별화 방법.
  3. 제1항에 있어서,
    상기 판단하는 단계는,
    적어도 하나의 개체가 비인식 정보로 판단되는 경우, 상기 이미지 내 상기 비인식 정보에 해당하는 개체를 포함하는 영역을 비식별화하는 제2 특수 비식별처리 단계;를 더 포함하는, 전자 장치의 이미지 비식별화 방법.
  4. 제3항에 있어서,
    상기 제2 특수 비식별처리 단계는,
    상기 비인식 정보에 해당하는 개체에 대한 정보를 적어도 하나의 관리자 장치로 전송하는 단계; 및
    상기 관리자 장치로부터 상기 비인식 정보에 해당하는 개체의 비식별화에 대한 확인 정보가 수신되면, 상기 이미지 내 상기 비인식 정보에 해당하는 개체를 포함하는 영역을 비식별화하는 단계;를 포함하는, 전자 장치의 이미지 비식별화 방법.
  5. 제1항에 있어서,
    상기 전자 장치의 이미지 비식별화 방법은,
    상기 이미지가 상기 특수 비식별처리의 대상인 카테고리에 매칭되지 않는 경우, 상기 이미지의 패턴 정보 또는 상기 이미지의 파일명을 기반으로 상기 이미지의 카테고리를 생성하는 단계;
    상기 생성된 카테고리에 대하여, 상기 동적 비식별처리 단계를 통해 비식별화된 하나 이상의 영역의 영역 정보를 등록하는 단계; 및
    상기 생성된 카테고리에 매칭되는 다른 이미지가 입력된 경우, 상기 다른 이미지 내 상기 영역 정보에 대응되는 영역을 비식별화하는 제1 특수 비식별처리 단계;를 포함하는, 전자 장치의 이미지 비식별화 방법.
  6. 제1항에 있어서,
    상기 전자 장치의 이미지 비식별화 방법은,
    사용자 입력에 따라, 특수 비식별처리의 대상인 적어도 하나의 카테고리에 대하여, 비식별화를 수행하기 위한 영역 정보를 등록하는 단계;를 더 포함하는, 전자 장치의 이미지 비식별화 방법.
KR1020210114952A 2021-08-30 2021-08-30 이미지 내 개인 식별 정보를 비식별화하는 전자 장치의 비식별화 방법 KR102410848B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020210114952A KR102410848B1 (ko) 2021-08-30 2021-08-30 이미지 내 개인 식별 정보를 비식별화하는 전자 장치의 비식별화 방법
KR1020220071972A KR20230032863A (ko) 2021-08-30 2022-06-14 이미지 내 개인 식별 결과에 따라 구분되어 비식별처리를 수행하는 전자 장치의 비식별화 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210114952A KR102410848B1 (ko) 2021-08-30 2021-08-30 이미지 내 개인 식별 정보를 비식별화하는 전자 장치의 비식별화 방법

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020220071972A Division KR20230032863A (ko) 2021-08-30 2022-06-14 이미지 내 개인 식별 결과에 따라 구분되어 비식별처리를 수행하는 전자 장치의 비식별화 방법

Publications (1)

Publication Number Publication Date
KR102410848B1 true KR102410848B1 (ko) 2022-06-22

Family

ID=82217180

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020210114952A KR102410848B1 (ko) 2021-08-30 2021-08-30 이미지 내 개인 식별 정보를 비식별화하는 전자 장치의 비식별화 방법
KR1020220071972A KR20230032863A (ko) 2021-08-30 2022-06-14 이미지 내 개인 식별 결과에 따라 구분되어 비식별처리를 수행하는 전자 장치의 비식별화 방법

Family Applications After (1)

Application Number Title Priority Date Filing Date
KR1020220071972A KR20230032863A (ko) 2021-08-30 2022-06-14 이미지 내 개인 식별 결과에 따라 구분되어 비식별처리를 수행하는 전자 장치의 비식별화 방법

Country Status (1)

Country Link
KR (2) KR102410848B1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014194406A1 (en) * 2013-06-04 2014-12-11 Clearcanvas Inc. Research picture archiving communications system
KR20180098869A (ko) * 2017-02-27 2018-09-05 재단법인 아산사회복지재단 의료영상 내 정보처리방법
KR20200062499A (ko) * 2018-11-27 2020-06-04 신동준 의료영상의 개인정보 비식별화 장치 및 방법
KR102263708B1 (ko) * 2020-11-06 2021-06-10 주식회사 에프앤디파트너스 비식별화표준db를 이용한 헬스케어 영상 비식별화 장치

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014194406A1 (en) * 2013-06-04 2014-12-11 Clearcanvas Inc. Research picture archiving communications system
KR20180098869A (ko) * 2017-02-27 2018-09-05 재단법인 아산사회복지재단 의료영상 내 정보처리방법
KR20200062499A (ko) * 2018-11-27 2020-06-04 신동준 의료영상의 개인정보 비식별화 장치 및 방법
KR102263708B1 (ko) * 2020-11-06 2021-06-10 주식회사 에프앤디파트너스 비식별화표준db를 이용한 헬스케어 영상 비식별화 장치

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Jorge MiguelSilva 외, Controlled searching in reversibly de-identified medical imaging archives, Journal of Biomedical Informatics, 2017.12.07., Vol.77, pp.81-90. *
Stephen M. Moore 외, De-identification of Medical Images with Retention of Scientific Research Value, Radiographics, 2015.05.13., Vol.35, No.3, pp.727-735.* *

Also Published As

Publication number Publication date
KR20230032863A (ko) 2023-03-07

Similar Documents

Publication Publication Date Title
KR101857624B1 (ko) 임상 정보를 반영한 의료 진단 방법 및 이를 이용하는 장치
US10993653B1 (en) Machine learning based non-invasive diagnosis of thyroid disease
JP2022119882A (ja) 腫瘍を識別するための畳み込みニューラルネットワークを用いた組織像の処理
US10660576B2 (en) System and method for detecting retinopathy
WO2019109526A1 (zh) 人脸图像的年龄识别方法、装置及存储介质
CN107622240B (zh) 人脸检测方法和装置
WO2022213465A1 (zh) 基于神经网络的图像识别方法、装置、电子设备及介质
US11058209B2 (en) Beauty counseling information providing device and beauty counseling information providing method
US20200234444A1 (en) Systems and methods for the analysis of skin conditions
WO2020194497A1 (ja) 情報処理装置、個人識別装置、情報処理方法及び記憶媒体
WO2021051547A1 (zh) 暴力行为检测方法及系统
Monteiro et al. A de-identification pipeline for ultrasound medical images in DICOM format
KR101955919B1 (ko) 딥러닝 기반의 영상데이터 내 관심영역 설정방법 및 프로그램
US20180289291A1 (en) Health diagnostic fingerprint scanner
Hu et al. Color correction parameter estimation on the smartphone and its application to automatic tongue diagnosis
Szankin et al. Can AI see bias in X-ray images?
US20220130544A1 (en) Machine learning techniques to assist diagnosis of ear diseases
Shenoy et al. Utilizing smartphone-based machine learning in medical monitor data collection: Seven segment digit recognition
US20190102650A1 (en) Image extraction apparatus, image extraction method, image extraction program, and recording medium storing program
KR102114273B1 (ko) 퍼스널 이미지 진단 제공방법 및 이를 수행하기 위한 컴퓨팅 장치
WO2024074921A1 (en) Distinguishing a disease state from a non-disease state in an image
KR102410848B1 (ko) 이미지 내 개인 식별 정보를 비식별화하는 전자 장치의 비식별화 방법
US20200327659A1 (en) Image analysis and annotation
JP2019113959A (ja) 鼻紋照合システム、鼻紋照合方法及び鼻紋照合プログラム
CA3154486A1 (en) System and methods for classifying magnetic resonance imaging (mri) image characteristics

Legal Events

Date Code Title Description
A107 Divisional application of patent
GRNT Written decision to grant