KR102418439B1

KR102418439B1 - 혈관 영상으로부터 혈관 영역 및 의료도구 선단부 영역을 구분하여 추출하는 방법 및 장치

Info

Publication number: KR102418439B1
Application number: KR1020220028284A
Authority: KR
Inventors: 권지훈; 김영학; 권휘; 박세영; 송교석
Original assignee: 주식회사 메디픽셀
Priority date: 2020-02-10
Filing date: 2022-03-04
Publication date: 2022-07-12
Also published as: KR20220038612A; KR20210101641A; KR102375776B1

Abstract

프로세서에 의해 수행되는 혈관 영상으로부터 혈관 영역과 의료도구 선단부 영역을 구분하여 추출하는 방법에 있어서, 조영제가 의료도구에 주입되는 동안, 상기 의료도구 선단부가 위치된 혈관 영역에 대해 획득된 제1 혈관 영상으로부터 제1 기계 학습 모델에 기초하여 제1 조영제 표시 영상을 생성하는 단계, 상기 조영제가 상기 의료도구를 통해 혈관의 적어도 일부에 주입된 후, 상기 혈관 영역에 대해 획득된 제2 혈관 영상으로부터 상기 제2 기계 학습 모델에 기초하여 제2 조영제 표시 영상을 생성하는 단계, 및 상기 제1 조영제 표시 영상 및 상기 제2 조영제 표시 영상으로부터 제3 기계 학습 모델에 기초하여 상기 의료도구 선단부 영역 및 상기 혈관 영역이 구분된 출력 영상을 생성하는 단계를 포함할 수 있다.

Description

혈관 영상으로부터 혈관 영역 및 의료도구 선단부 영역을 구분하여 추출하는 방법 및 장치{METHOD AND APPARATUS FOR DIVIDING BLOOD VESSEL REGION AND MEDICAL INSTRUMENT TIP REGION FROM VESSEL IMAGING}

이하, 혈관 영상으로부터 혈관 영역 및 의료도구 선단부 영역을 구분하여 추출하는 방법에 관한 기술이 제공된다.

심혈관, 뇌혈관, 말초혈관을 치료할 때 카테터를 이용하여 스텐트 등을 삽입하는 중재 시술이 널리 보급되어 있다. 가이드와이어 또는 카테터를 통과하여 혈관 내에 스텐트 등을 이송하는 경로를 설정하기 위한 도구로서, 가이드와이어를 질환이 있는 혈관의 말단까지 이송시키기 위해서 혈관 조영술(angiography)등 의료영상 기반의 시각 정보와 미세한 손의 감각에 기반한 촉각 정보등을 활용된다.

최근 방사선 노출 등 시술자의 신체적 부담을 경감하고 시술도구의 정밀한 제어를 위하여 원격로봇 등이 개발되고 있다. 시술로봇은 FDA를 통과하여 상용화가 진행되고 있으나, 간단한 시술 동작을 하기 위해서 새로운 도구에 적응하기 위한 학습이 필요한 실정이다. 가이드와이어를 뒤로 움직이거나 일정한 각도로 회전하는 등 해당 동작을 직접 하지 않더라도 로봇이 대신하는 기능이 더해지고 있으나, 시술에서 차지하는 비중은 적다.

대한민국 특허등록공보 제10-1937018호(등록일: 2019년 01월 03일)

일실시예에 따르면, 프로세서에 의해 수행되는 혈관 영상으로부터 혈관 영역과 의료도구 선단부 영역을 구분하여 추출하는 방법은 조영제가 혈관에 삽입된 의료도구에 주입되는 동안, 상기 의료도구의 선단부가 위치된 혈관 영역에 대해 획득된 제1 혈관 영상으로부터 제1 기계 학습 모델에 기초하여 제1 조영제 표시 영상을 생성하는 단계, 상기 조영제가 상기 의료도구를 통해 혈관의 적어도 일부에 주입된 후, 상기 혈관 영역에 대해 획득된 제2 혈관 영상으로부터 상기 제2 기계 학습 모델에 기초하여 제2 조영제 표시 영상을 생성하는 단계, 및 상기 제1 조영제 표시 영상 및 상기 제2 조영제 표시 영상으로부터 제3 기계 학습 모델에 기초하여 상기 의료도구 선단부 영역 및 상기 혈관 영역이 구분된 출력 영상을 생성하는 단계를 포함할 수 있다.

일실시예에 따른 상기 제1 기계 학습 모델 및 제2 기계 학습 모델 중 적어도 하나는 혈관 영상에서 조영제가 주입된 영역 및 나머지 배경 영역을 구분하도록 트레이닝된 모델이고, 상기 제3 기계 학습 모델은 상기 제1 조영제 표시 영상 및 상기 제2 조영제 표시 영상으로부터 상기 출력 영상을 생성하도록 트레이닝된 모델일 수 있다.

일측에 따른 상기 제1 기계 학습 모델 및 제2 기계 학습 모델 중 적어도 하나는 조영제가 주입된 상태의 혈관 영상으로부터 생성된 복수의 패치 이미지에 기초하여 트레이닝된 기계 학습 모델일 수 있다.

상기 제1 기계 학습 모델 및 상기 제2 기계 학습 모델은 혈관 영상에서 조영제가 주입된 영역 및 나머지 배경 영역을 구분하도록 트레이닝된 동일한 모델일 수 있으나, 이에 국한되지 않고, 제1 기계 학습 모델 및 제2 기계 학습 모델은 별개의 모델일 수 있다.

일실시예에 따르면, 상기 출력 영상을 생성하는 단계는 상기 출력 영상으로서 상기 조영제가 주입된 영역으로부터 상기 의료도구 선단부 영역이 제거된 혈관 영역 영상을 생성하는 단계를 포함하고, 상기 혈관 영역 영상은 배경 영역과 혈관 영역이 다른 값으로 구분되어 표시되는 마스크 이미지(mask image)일 수 있다..

또한, 상기 제1 조영제 표시 영상을 생성하는 단계는 전체 혈관 영상에 대한 부분 혈관 영상에 기초하여 상기 제1 조영제 표시 영상을 생성하는 단계를 포함하고, 상기 제2 조영제 표시 영상을 생성하는 단계는 상기 부분 혈관 영상에 기초하여 상기 제2 조영제 표시 영상을 생성하는 단계를 포함할 수 있다.

일측에 따르면, 상기 제1 조영제 표시 영상을 생성하는 단계는 상기 조영제가 의료도구 선단부까지 주입된 혈관 영상으로부터 생성된 복수의 프레임에 기초하여 상기 제1 조영제 표시 영상을 생성하는 단계를 포함하고, 상기 제2 조영제 표시 영상을 생성하는 단계는 상기 조영제가 주입된 상태의 혈관 영상으로부터 생성된 복수의 프레임에 기초하여 상기 제2 조영제 표시 영상을 생성하는 단계를 포함하며, 상기 출력 영상을 생성하는 단계는 복수의 제1 조영제 표시 영상 및 복수의 제2 조영제 표시 영상을 이용하여 상기 의료도구 선단부 영역 및 상기 혈관 영역이 구분된 출력 영상을 생성하는 단계를 포함할 수 있다.

상기 제2 조영제 표시 영상을 생성하는 단계는 상기 복수 프레임 중 조영제가 주입된 영역의 인텐시티를 기준으로 일정 개수의 혈관 영상 프레임을 획득하는 단계를 포함할 수 있다.

예시적으로, 상기 제2 조영제 표시 영상을 생성하는 단계는 상기 의료도구를 통해 혈관에 주입된 조영제의 양을 판단하는 단계 및 상기 조영제의 양에 기초하여 상기 혈관 영상 프레임을 획득할지 여부를 결정하는 단계를 포함할 수 있다.

일실시예에 따른 프로세서에 의해 수행되는, 혈관 영상으로부터 의료도구 선단부 영역과 혈관 영역을 추출하는 방법은 조영제가 삽입된 혈관 영상으로부터 의료도구 선단부 영역을 추출할 수 있으므로, 혈관 영역과 의료도구 선단부 영역이 구분된 영상 또는 이미지를 생성할 수 있다. 혈관 영역과 의료도구 선단부 영역이 구분된 영상 또는 이미지는 혈관 영상을 처리함으로써 의료 도구 삽입 장치의 동작을 결정하는 프로세서로 전달되어 프로세서가 일련의 동작 명령들을 결정할 수 있게 제공될 수 있다.

도 1은 일실시예에 따른 의료 도구 삽입 장치의 동작을 도시한 도면이다.
도 2는 일실시예에 따른 의료도구 선단부 영역을 추출하는 방법을 도시한 흐름도이다.
도 3은 일실시예에 따른 의료도구 선단부 영역이 표시된 제1 조영제 표시 영상을 생성하는 것을 도시한 도면이다.
도 4는 일실시예에 따른 혈관 영역이 표시된 제2 조영제 표시 영상을 생성하는 것을 도시한 도면이다.
도 5는 일실시예에 따라 혈관 영상의 복수의 패치 이미지를 생성함으로써 기계 학습 모델을 트레이닝하는 것과 혈관 영상으로부터 제1 조영제 표시 영상 및 제2 조영제 표시 영상을 생성하는 것을 도시하는 도면이다.
도 6은 일실시예에 따른 제1 조영제 표시 영상 및 제2 조영제 표시 영상에 기초하여 혈관 영상으로부터 의료도구 선단부 영역 및 혈관 영역을 구분하여 추출하는 것을 나타낸 도면이다.
도 7은 일실시예에 따른 의료도구 선단부 영역 추출 장치를 대략적으로 도시한 블록도이다.

실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.

제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.

단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설명된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다. 이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.

도 1은 일실시예에 따른 의료 도구 삽입 장치의 동작을 도시한 도면이다.

일실시예에 따른 의료 도구 삽입 장치(110)는 프로세서에 의한 구동 명령에 따라 혈관 목적 지점까지 의료도구(120)를 이동시킬 수 있다. 예를 들어, 의료 도구 삽입 장치(110)는 의료도구(120)의 선단부를 혈관 목적 지점까지 이동시킬 수 있다. 의료 도구 삽입 장치(110)는 수술을 수행하기 위한 로봇으로 구현될 수 있으며, 예를 들어, 심혈관중재술을 위한 의료 도구를 제어하는 로봇일 수 있다.

의료도구(120)는 혈관에 삽입되는 부재(member)로서, 의료도구(120)의 선단부에 배치되는 의료 도구(medical tool) 및 의료 도구를 구동부에 연결하는 의료용 와이어(medical wire)를 포함할 수 있다. 의료용 와이어는 예를 들어, 카테터(catheter) 또는 가이드와이어를 포함할 수 있다. 가이드와이어는 상술한 의료 도구를 혈관의 목적부위까지 삽입 및 가이드하기 위해 이용되는 의료용 와이어를 나타낼 수 있다. 의료 도구는 의사의 제어에 따라 작동되는 수술용 도구일 수 있고, 예를 들어, 인트로듀서 키트(introducer kit)일 수 있다.

의료 도구 삽입 장치(110)는 혈관 영상을 이용하여 상술한 구동 명령을 결정할 수 있다. 예를 들어, 의료 도구 삽입 장치(110)는, 기계 학습 모델에 따른 연산을 수행함으로써, 혈관 영상으로부터 구동 명령을 출력할 수 있다. 기계 학습 모델은 혈관 영상을 입력 받고 가이드 데이터를 출력하도록 설계 및 트레이닝된 모델로서, 예를 들어, 뉴럴 네트워크 모델로 구현될 수 있다. 다만, 기계 학습 모델의 입력을 혈관 영상으로 한정하는 것은 아니고, 혈관 구조 영상 및 가이드 데이터일 수도 있다. 가이드 데이터는 혈관 영상 또는 혈관 구조 영상에 가이드 정보가 매핑된 데이터를 나타낼 수 있다. 혈관 구조 영상은 혈관 영상으로부터 특정 혈관이 추출된 영상으로서, 혈관 영상이 전처리된 영상일 수 있다. 혈관 구조 영상은 하기 도 3에서 설명한다. 혈관 영상은 혈관조영술(coronary angiography, 이하 CAG) 또는 자기공명영상(Magnetic Resonance Imaging, 이하 MRI)를 이용하여 생성된 영상일 수 있다. 혈관 영상에서는 혈관뿐만 아니라 의료도구(120)도 촬영될 수 있다.

가이드 정보는 의료도구(120)의 이동 및 회전을 가이드하기 위한 정보로서, 예를 들어, 혈관 내에서 의료도구(120)가 출발해야하는 지점, 경유해야하는 지점, 및 목적 지점에 관한 정보를 포함할 수 있다. 각 지점에 관한 정보는 해당 지점의 혈관 구조 영상 내 영상 좌표를 포함할 수 있으나, 이로 한정하는 것은 아니다. 일 실시예에 따르면 혈관 구조 영상에 가이드 정보가 시각적으로 매핑될 수 있다. 예를 들어, 각 목표 지점에 대응하는 그래픽 오브젝트가 혈관 구조 영상에 시각화될 수 있고, 목표 지점이 시각화된 혈관 구조 영상을 가이드 영상이라고 나타낼 수 있다.

의료 도구 삽입 장치(110)의 프로세서는, 혈관 영상을 분석한 결과에 기초하여, 의료도구(120)의 구동을 결정할 수 있다. 프로세서는 혈관 영상, 혈관 구조 영상, 및 가이드 데이터 중 적어도 하나를 이용하여 구동 명령을 결정할 수 있다. 구동 명령은, 의료도구(120)와 연결되어 의료도구(120)를 이동 및 회전시키는 구동부를 동작시키기 위한 명령을 나타낼 수 있다. 구동 명령은 예를 들어, 전진 명령, 후진 명령, 시계 방향 회전 명령, 및 반시계 방향 회전 명령일 수 있으나, 이로 한정하는 것은 아니다.

의료 도구 삽입 장치(110)는 수신된 혈관 영상을 분석하여 가이드 데이터를 생성하고, 의료 도구 삽입 장치(110)는 생성된 가이드 데이터로부터 구동 명령을 결정할 수 있다. 예를 들어, 의료 도구 삽입 장치(110)는 가이드 데이터로부터 전진 명령, 후진 명령, 시계 방향 회전 명령, 및 반시계 방향 회전 명령 중 하나를 동작 명령으로 선택할 수 있다. 의료 도구 삽입 장치(110)의 구동부는 선택된 동작 명령에 따라 구동할 수 있다. 예를 들어, 구동부는 전진 명령에 응답하여 의료도구(120)를 전진시킬 수 있다. 구동부는 후진 명령에 응답하여 의료도구(120)를 후퇴시킬 수 있다. 구동부는 시계 방향 회전 명령에 응답하여, 가이드와이어의 길이 축을 기준으로 가이드와이어를 시계 방향으로 회전시킬 수 있다. 구동부는 반시계 방향 회전 명령에 응답하여, 가이드와이어의 길이 축을 기준으로 가이드와이어를 반시계 방향으로 회전시킬 수 있다.

따라서, 의료 도구 삽입 장치(110)는 혈관 영상을 분석함으로써 생성된 가이드 데이터를 이용하여 일련의 동작 명령들을 결정함으로써, 가이드 데이터에 의해 가이드되는 지점으로 의료도구(120)의 선단부를 이동시킬 수 있다. 의료 도구 삽입 장치(110)는 가이드 데이터를 이용한 동작 결정을 반복함으로써, 의료도구(120)의 선단부를 최종 목적 지점까지 이동시킬 수 있다. 의료도구(120)의 선단부, 예를 들어, 의료 도구가 목적 지점까지 도달한 후, 의료 도구는 의사의 제어에 따른 수술 동작을 수행할 수 있다.

도 1에 따르면, 의료도구(120)가 피시술자의 손목의 혈관을 통해 삽입된 후, 의료 도구 삽입 장치(110)는 의료도구(120)를 목표로 하는 혈관으로 가이드 및 이동시킬 수 있다. 그러나, 의료도구(120)는 피시술자의 손목의 혈관을 통해 삽입되는 것에 국한되지 않고, 피시술자의 하지의 혈관을 통해 삽입될 수도 있다.

도 2는 일실시예에 따른 의료도구 선단부 영역을 추출하는 방법을 도시한 흐름도이다.

단계(210)에서, 일실시예에 따른 프로세서는 조영제가 의료도구에 주입되는 동안, 의료도구 선단부가 위치된 혈관 영역에 대해 획득된 제1 혈관 영상으로부터 제1 기계 학습 모델에 기초하여 제1 조영제 표시 영상을 생성할 수 있다. 혈관 영상은 혈관 조영술에 따라 생성된 영상일 수 있는데, 혈관에 엑스선 촬영 시 혈관 구조를 보이게 하는 물질인 조영제를 주입한 후 엑스선 촬영함으로써 생성된 혈관 구조 영상일 수 있다. 피시술자의 혈관으로 조영제가 주입된 경우, 조영제 주입 후 경과 시간에 따라 혈관 영상 촬영 장치에 의해 출력되는 영상이 다를 수 있다. 예시적으로, 혈관 영상은 시간 경과에 따라 조영제가 주입되는 의료도구 선단부 위치부터 혈관 말단까지 표시될 수 있다. 제1 혈관 영상은 조영제가 의료도구 선단부까지 주입된 경우, 혈관 영상 촬영 장치에 의해 획득된 영상일 수 있고, 프로세서는 제1 혈관 영상을 이용하여 제1 조영제 표시 영상을 생성할 수 있다. 프로세서가 제1 조영제 표시 영상을 생성하는 것은 도 3을 통해 상세히 서술한다.

단계(220)에서, 일실시예에 따른 혈관 영상으로부터 의료도구 선단부 영역을 추출하는 프로세서는 피시술자 혈관에 조영제가 혈관의 적어도 일부에 주입된 후, 혈관 영역에 대해 획득된 제2 혈관 영상으로부터 제2 기계 학습 모델에 기초하여 제2 조영제 표시 영상을 생성할 수 있다. 제2 혈관 영상은 조영제가 의료도구를 통해 피시술자의 혈관에 적어도 일부 주입된 후, 혈관 영역에 대해 획득된 영상일 수 있다. 예시적으로, 제2 혈관 영상은 의료도구가 혈관에서 가이드되어야 할 부분이 촬영된 영상일 수 있고, 프로세서는 제2 혈관 영상으로부터 혈관 경로가 표시된 제2 조영제 표시 영상을 획득할 수 있다. 프로세서가 제2 조영제 표시 영상을 생성하는 것은 도 4를 통해 상세히 서술한다.

단계(230)에서, 프로세서는 제1 조영제 표시 영상 및 제2 조영제 표시 영상으로부터 제3 기계 학습 모델에 기초하여 의료도구 선단부 영역 및 혈관 영역이 구분된 출력 영상을 생성할 수 있다. 프로세서가 출력 영상을 생성하는 것은 도 6을 통해 상세히 후술한다.

도 3은 일실시예에 따른 의료도구 선단부 영역이 표시된 제1 조영제 표시 영상(320)을 생성하는 것을 도시한 도면이다.

일실시예에 따른 프로세서는 제1 기계 학습 모델에 기초하여 제1 혈관 영상(310)으로부터 제1 조영제 표시 영상(320)을 생성할 수 있다. 제1 기계 학습 모델은 혈관 영상에서 조영제가 주입된 영역 및 나머지 배경 영역을 구분하도록 트레이닝된 모델일 수 있다. 제1 혈관 영상(310)은 조영제가 의료도구를 통해 주입되어 의료도구 선단부까지 주입된 경우 촬영된 영상일 수 있다. 일실시예에 따른 프로세서는 조영제가 의료도구 선단부까지 도달하였다고 판단한 경우, 혈관 영상 촬영 장치에 혈관을 촬영하도록 지시 신호를 전달할 수 있고, 조영제가 의료도구 선단부까지 주입된 경우 촬영된 제1 혈관 영상(310)으로부터 의료도구 선단부 영역을 식별함으로써 제1 조영제 표시 영상(320)을 생성할 수 있다. 그러나, 프로세서는 조영제가 의료도구 선단부까지 주입되었다고 판단함으로써 제1 혈관 영상(310)을 획득하는 것에 국한되지 않고, 시술자의 촬영 신호에 의해 제1 혈관 영상(310)을 획득되는 것도 포함할 수 있다.

제1 기계 학습 모델은 LadderNet 기계 학습 모델일 수 있고, 복수의 U-Net 모델이 연결된 레이어로 구현된 기계 학습 모델일 수 있다. U-Net 모델은 수축 경로(contracting path) 및 확장 경로(expansive path)로 구성되는 모델로서, U형 구조(U-shaped architecture)로 표현될 수 있다. 수축 경로는 컨볼루션(convolution) 연산 및 맥스풀링(max pooling) 연산을 포함하는 컨볼루션 네트워크로 구성될 수 있다. U-Net 모델에 입력된 데이터가 수축 경로를 통해 전파되는 동안 특징 정보는 증가되는 반면, 공간 정보는 감소될 수 있다. 수축 경로는 일련의 업컨볼루션(up-convolution) 연산 및 연결(concatenation) 연산을 통해 특징 정보 및 공간 정보를 수축 경로로부터의 고해상도 특징과 결합(combine)할 수 있다. 수축 경로는 일종의 인코더 레이어이고, 확장 경로는 일종의 디코더 레이어일 수 있다. 한 쌍의 인코더 및 디코더 레이어들을 포함하는 U-Net 모델 대신 여러 쌍의 인코더 및 디코더 분기들로 포함된 LadderNet 기계 학습 모델을 이용함으로써 각 레벨의 인접한 디코더 및 디코더 분기의 모든 쌍 사이의 연결을 스킵할 수 있다.

일실시예에 따르면, 프로세서는 조영제가 의료도구 선단부까지 주입된 혈관 영상으로부터 생성된 복수의 프레임에 기초하여 제1 조영제 표시 영상(320)을 생성할 수 있다. 프로세서는 혈관 영상 중 미리 지정된 기준에 부합하는 일부 프레임을 제1 조영제 표시 영상(320)을 생성하는 프레임으로 사용할 수 있다. 예시적으로, 프로세서는 혈관 영상 중 조영제 영역의 인텐시티에 따라 제1 조영제 표시 영상(320)을 생성할 프레임을 결정할 수 있고, 혈관 영상 중 조영제 영역의 인텐시티가 가장 높은 프레임부터 일정 개수의 프레임을 제1 조영제 표시 영상(320)을 생성할 프레임으로 결정할 수 있다. 프로세서는 조영제 영역의 인텐시티가 가장 높은 프레임부터 일정 개수의 프레임을 제1 조영제 표시 영상(320)을 생성할 프레임으로 사용할 수 있지만, 이에 국한되지 않고, 조영제 영역의 인텐시티가 임계 수치 이상인 복수의 프레임을 이용하여 제1 조영제 표시 영상(320)을 생성할 수 있다.

일실시예에 따른 프로세서는 의료도구를 통해 주입된 조영제 양을 판단할 수 있고, 조영제 양에 기초하여 혈관 영상 프레임을 획득할지 여부를 결정할 수 있다. 프로세서는 혈관으로 주입된 조영제 양을 의료도구에 남아있는 조영제의 양에 기초하여 획득할 수 있다. 예시적으로, 혈관에 주입된 조영제 양이 임계량보다 큰 경우, 프로세서는 조영제 표시 영상을 생성하기 위한 혈관 영상 프레임을 획득하는 것으로 결정할 수 있다.

도 4는 일실시예에 따른 혈관 영역이 표시된 제2 조영제 표시 영상을 생성하는 것을 도시한 도면이다.

일실시예에 따른 프로세서는 제2 기계 학습 모델에 기초하여 제2 혈관 영상(410)으로부터 제2 조영제 표시 영상(420)을 생성할 수 있다. 제2 기계 학습 모델은 혈관 영상에서 조영제가 주입된 영역 및 나머지 배경 영역을 구분하도록 트레이닝된 모델일 수 있다. 제2 혈관 영상(410)은 조영제가 의료도구를 통해 주입되어 혈관의 적어도 일부 영역에 주입된 후 촬영된 영상일 수 있다. 일실시예에 따른 프로세서는 제1 혈관 영상을 촬영한 후, 의료도구 선단부를 통해 조영제가 혈관의 일부 영역으로 주입됨을 인식한 후 촬영된 제2 혈관 영상을 획득할 수 있다.

제2 조영제 표시 영상을 생성하는 제2 기계 학습 모델은 혈관 영상에서 조영제가 주입된 영역 및 나머지 배경 영역을 구분하도록 트레이닝된 모델로 제1 기계 학습 모델과 동일한 모델일 수 있으나, 이에 국한되지 않고, 별개의 트레이닝 데이터로 학습된 기계 학습 모델일 수 있다.

일실시예에 따르면, 프로세서는 조영제가 제2 혈관 영상으로부터 생성된 복수의 프레임에 기초하여 제2 조영제 표시 영상(420)을 생성할 수 있다. 프로세서는 혈관 영상 중 미리 지정된 기준에 부합하는 일부 프레임을 제2 조영제 표시 영상(420)을 생성하는 프레임으로 사용할 수 있다. 예시적으로, 프로세서는 혈관 영상 중 조영제 영역의 인텐시티에 따라 제2 조영제 표시 영상(420)을 생성할 프레임을 결정할 수 있고, 혈관 영상 중 조영제 영역의 인텐시티가 가장 높은 프레임부터 일정 개수의 프레임을 제2 조영제 표시 영상(420)을 생성할 프레임으로 결정할 수 있다. 프로세서는 조영제 영역의 인텐시티가 가장 높은 프레임부터 일정 개수의 프레임을 제2 조영제 표시 영상(420)을 생성할 프레임으로 사용할 수 있지만, 이에 국한되지 않고, 조영제 영역의 인텐시티가 임계 수치 이상인 복수의 프레임을 이용하여 제2 조영제 표시 영상(420)을 생성할 수 있다.

도 5는 일실시예에 따라 혈관 영상의 복수의 패치 이미지를 생성함으로써 기계 학습 모델을 트레이닝하고, 제1 조영제 표시 영상 및 제2 조영제 표시 영상을 생성하는 것을 도시하는 도면이다.

일실시예에 따른 프로세서는 조영제가 주입된 상태의 혈관 영상으로부터 생성된 복수의 패치 이미지에 기초하여 트레이닝된 제1 기계 학습 모델을 이용하여 제1 혈관 영상으로부터 제1 조영제 표시 영상을 생성할 수 있고, 복수의 패치 이미지에 기초하여 트레이닝된 제2 기계 학습 모델을 이용하여 제2 혈관 영상으로부터 제2 조영제 표시 영상을 생성할 수 있다.

일실시예에 따른 프로세서는 조영제가 주입됨으로써 촬영된 혈관 영상으로부터 조영제 주입 부분을 인식할 수 있고, 조영제 주입 부분을 기준으로 복수의 패치를 생성할 수 있다. 복수의 패치는 예시적으로, 미리 정해진 크기의 사각 패치일 수 있다. 하나의 프레임마다 복수의 패치가 생성되므로, 혈관 영상으로부터 하나의 프레임만 획득된 경우라도, 프로세서는 복수의 패치만큼의 트레이닝 데이터를 제공함으로써 트레이닝의 정확도를 높일 수 있다.

일실시예에 따르면, 프로세서는 제1 혈관 영상(510)으로부터 복수의 패치(511,512)를 생성하고, 생성된 복수의 패치마다 트레이닝된 제1 기계 학습 모델을 이용하여 부분 제1 조영제 표시 영상을 출력할 수 있다. 프로세서는 복수의 패치마다 출력된 부분 제1 조영제 표시 영상을 조합함으로써 전체 제1 조영제 표시 영상을 생성할 수 있다. 일실시예에 따르면, 프로세서는 제1 혈관 영상(510)으로부터 제1 기계 학습 모델을 이용하여 복수의 제1 조영제 표시 영상을 생성할 수 있다.

이와 마찬가지로, 프로세서는 제2 혈관 영상(520)으로부터 복수의 패치(521, 522, 523)를 생성하고, 생성된 복수의 패치마다 트레이닝된 제2 기계 학습 모델을 이용하여 부분 제2 조영제 표시 영상을 출력할 수 있다. 프로세서는 복수의 패치마다 출력된 부분 제2 조영제 표시 영상을 조합함으로써 전체 제2 조영제 표시 영상을 생성할 수 있다. 일실시예에 따르면, 프로세서는 제2 혈관 영상(520)으로부터 제2 기계 학습 모델을 이용하여 복수의 제2 조영제 표시 영상을 생성할 수 있다.

도 6은 일실시예에 따른 제2 조영제 표시 영상 및 제1 조영제 표시 영상에 기초하여 혈관 영역으로부터 의료도구 선단부 영역을 추출하는 것을 나타낸 도면이다.

일실시예에 따른 프로세서는 제1 조영제 표시 영상 및 제2 조영제 표시 영상으로부터 제3 기계 학습 모델에 기초하여 의료도구 선단부 영역 및 혈관 영역이 구분된 출력 영상을 생성할 수 있다. 프로세서는 하나의 제1 조영제 표시 영상 및 하나의 제2 조영제 표시 영상으로 의료 기구 선단부 영역 및 혈관 영역이 구분된 출력 영상을 생성할 수 있지만, 이에 국한되지 않고, 프로세서는 복수의 제1 조영제 표시 영상 및 복수의 제2 조영제 표시 영상으로 출력 영상을 생성할 수 있다. 제3 기계 학습 모델은 제1 조영제 표시 영상 및 제2 조영제 표시 영상으로부터 출력 영상을 생성하도록 트레이닝된 모델일 수 있으며, 예시적으로 U-Net 기계 학습 모델로 혈관 영역과 의료도구 선단부 영역을 구분할 수 있도록 트레이닝된 모델일 수 있다. 프로세서가 의료도구 선단부 영역 및 혈관 영역이 구분된 출력 영상을 제공함으로써 의료도구가 혈관에서 가이드되어야 할 목적 지점을 식별하고, 목적 지점까지 의료 도구 삽입 장치가 의료도구를 가이드할 수 있는 데이터를 제공할 수 있다. 즉, 의료 도구 삽입 장치는 혈관 영역과 의료도구 선단부 영역이 구분된 영상으로부터 의료도구 선단부가 혈관의 목적 지점까지 가이드하기 위한 동작 명령을 결정하는데 필요한 데이터를 제공할 수 있다.

일실시예에 따른 프로세서는 출력 영상을 이용하여 조영제가 주입된 영역으로부터 의료도구 선단부 영역이 제거된 혈관 영역 영상을 생성할 수 있고, 혈관 영역 영상으로부터 배경 영역을 지시하는 값과 혈관 영역을 지시하는 값이 서로 다른 마스크 이미지를 출력할 수 있다. 프로세서는 혈관 영역 영상의 픽셀 단위로 해당 픽셀이 배경 영역인지 혈관 영역인지 여부를 판단할 수 있다. 프로세서가 해당 픽셀이 배경 영역이라고 판단한 경우 배경 영역을 지시하는 값을 해당 픽셀에 설정할 수 있고, 해당 픽셀이 혈관 영역이라고 판단한 경우 혈관 영역을 지시하는 값을 해당 픽셀에 설정할 수 있다. 예시적으로, 배경 영역을 지시하는 값을 "0", 혈관 영역을 지시하는 값을 "1"로 설정할 수 있고, 혈관 영역 영상의 모든 픽셀에 대해 해당 픽셀이 지시하는 값을 설정함으로써 프로세서는 마스크 이미지를 출력할 수 있다. 의료 도구 삽입 장치는 이진화된 값으로 표시된 마스크 이미지를 입력 받고, 의료도구 선단부를 혈관 목적 지점까지 가이드하기 위한 데이터를 생성할 수 있다.

도 7은 일실시예에 따른 의료도구 선단부 추출 장치를 대략적으로 도시한 블록도이다.

일실시예에 따른 의료도구 선단부 영역을 추출하는 시스템(700)은 의료도구 선단부 영역 추출 장치(710) 및 혈관 영상 촬영 장치(720)를 포함할 수 있다. 의료도구 선단부 영역 추출 장치(710)는 프로세서(711), 메모리(712), 및 입출력 인터페이스(713)를 포함할 수 있다.

일실시예에 따른 의료도구 선단부 영역 추출 장치(710)의 프로세서(711)는 기계 학습 모델을 이용하여 혈관 영역과 의료도구 선단부 영역이 구분된 출력 영상을 생성할 수 있다. 출력 영상을 생성하는 것은 선술하였으므로, 자세한 설명은 생략한다. 의료도구 선단부 영역 추출 장치(710)의 메모리(712)는 제1 혈관 영상, 제2 혈관 영상, 제1 기계 학습 모델, 제2 기계 학습 모델, 제3 기계 학습 모델, 제1 조영제 표시 영상, 및 제2 조영제 표시 영상 중 적어도 하나를 적어도 일시적으로 저장할 수 있고, 프로세서(711)는 메모리(712)에 저장된 데이터를 이용하여 출력 영상을 생성할 수 있다. 입출력 인터페이스(713)는 혈관 영상 촬영 장치(720)와 연결됨으로써 데이터를 송수신할 수 있다.

이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

Claims

프로세서에 의해 수행되는 혈관 영상으로부터 의료도구 선단부를 혈관의 목적 지점까지 가이드하기 위한 데이터를 생성하는 방법에 있어서,
조영제가 혈관에 삽입된 의료도구를 통해 상기 의료도구 선단부까지 주입된 경우에 촬영된 제1 혈관 영상으로부터, 제1 기계 학습 모델에 기초하여 상기 의료도구 선단부의 영역이 식별된 제1 조영제 표시 영상을 생성하는 단계;
상기 조영제가 상기 의료도구를 통해 혈관의 적어도 일부에 주입된 시점과 다른 시점에 촬영된 제2 혈관 영상으로부터, 제2 기계 학습 모델에 기초하여 혈관 경로가 표시된 제2 조영제 표시 영상을 생성하는 단계; 및
상기 생성된 제1 조영제 표시 영상 및 상기 생성된 제2 조영제 표시 영상으로부터, 제3 기계 학습 모델에 기초하여 상기 의료도구 선단부의 영역 및 혈관 영역이 구분된 출력 영상을 생성하는 단계
를 포함하는 의료도구 선단부를 혈관의 목적 지점까지 가이드하기 위한 데이터를 생성하는 방법.
제1항에 있어서,
상기 제1 조영제 표시 영상을 생성하는 단계는,
상기 조영제가 상기 의료도구 선단부까지 도달하였다고 판단한 경우에 응답하여 혈관 영상 촬영 장치에 혈관 촬영을 지시함으로써 상기 제1 혈관 영상을 획득하는 단계
를 포함하는 의료도구 선단부를 혈관의 목적 지점까지 가이드하기 위한 데이터를 생성하는 방법.
제1항에 있어서,
상기 제2 조영제 표시 영상을 생성하는 단계는,
상기 제1 혈관 영상이 촬영된 이후, 상기 의료도구 선단부를 통해 상기 조영제가 상기 혈관의 적어도 일부에 주입됨을 인식한 후 촬영된 상기 제2 혈관 영상을 획득하는 단계
를 포함하는 의료도구 선단부를 혈관의 목적 지점까지 가이드하기 위한 데이터를 생성하는 방법.
제1항에 있어서,
상기 생성된 출력 영상을 통해 상기 의료도구가 혈관에서 가이드되어야 할 상기 목적 지점을 식별하고, 상기 식별된 목점 지점까지 상기 의료도구를 가이드하기 위한 동작 명령을 결정하는데 필요한 상기 데이터를 생성하는 단계
를 더 포함하는 의료도구 선단부를 혈관의 목적 지점까지 가이드하기 위한 데이터를 생성하는 방법.
제1항에 있어서,
상기 제1 조영제 표시 영상을 생성하는 단계는,
상기 제1 혈관 영상으로부터 복수의 제1 패치 이미지들을 생성하고, 상기 생성된 제1 패치 이미지들 각각에 대한 부분 조영제 표시 영상을 조합함으로써 상기 제1 조영제 표시 영상을 생성하는 단계
를 포함하고,
상기 제2 조영제 표시 영상을 생성하는 단계는,
상기 제2 혈관 영상으로부터 복수의 제2 패치 이미지들을 생성하고, 상기 생성된 제2 패치 이미지들 각각에 대한 부분 조영제 표시 영상을 조합함으로써 상기 제2 조영제 표시 영상을 생성하는 단계
를 포함하는,
의료도구 선단부를 혈관의 목적 지점까지 가이드하기 위한 데이터를 생성하는 방법.
제1항에 있어서,
상기 출력 영상을 생성하는 단계는,
상기 출력 영상을 이용하여 상기 조영제가 주입된 영역으로부터 상기 의료도구 선단부의 영역이 제거된 혈관 영역 영상을 생성하는 단계
를 포함하고,
상기 생성된 혈관 영역 영상은,
배경 영역과 혈관 영역이 다른 값으로 구분되어 표시되는 마스크 이미지(mask image)인,
의료도구 선단부를 혈관의 목적 지점까지 가이드하기 위한 데이터를 생성하는 방법.
제1항에 있어서,
상기 제1 조영제 표시 영상을 생성하는 단계는,
상기 제1 혈관 영상으로부터 생성된 복수의 영상 프레임에 기초하여 상기 제1 조영제 표시 영상을 생성하는 단계
를 포함하고,
상기 제2 조영제 표시 영상을 생성하는 단계는,
상기 제2 혈관 영상으로부터 생성된 복수의 프레임에 기초하여 상기 제2 조영제 표시 영상을 생성하는 단계
를 포함하는,
의료도구 선단부를 혈관의 목적 지점까지 가이드하기 위한 데이터를 생성하는 방법.
제1항에 있어서,
상기 제1 조영제 표시 영상을 생성하는 단계는,
상기 제1 혈관 영상으로부터 생성된 복수의 영상 프레임 중 상기 조영제가 주입된 영역의 인텐시티(intensity)를 기준으로 상기 제1 조영제 표시 영상을 생성할 일정 개수의 영상 프레임을 결정하는 단계
를 포함하고,
상기 제2 조영제 표시 영상을 생성하는 단계는,
상기 제2 혈관 영상으로부터 생성된 복수의 영상 프레임 중 상기 조영제가 주입된 영역의 인텐시티를 기준으로 상기 제2 조영제 표시 영상을 생성할 일정 개수의 혈관 영상 프레임을 결정하는 단계
의료도구 선단부를 혈관의 목적 지점까지 가이드하기 위한 데이터를 생성하는 방법.
제1항에 있어서,
상기 제2 조영제 표시 영상을 생성하는 단계는,
하나의 영상 프레임에서 상기 의료도구를 통해 혈관에 주입된 조영제의 양을 판단하는 단계; 및
상기 혈관에 주입된 조영제의 양에 기초하여 상기 하나의 영상 프레임을 상기 제2 조영제 표시 영상을 생성하기 위하여 획득할 지 결정하는 단계
의료도구 선단부를 혈관의 목적 지점까지 가이드하기 위한 데이터를 생성하는 방법.
제9항에 있어서,
상기 혈관에 주입된 조영제의 양을 판단하는 단계는,
상기 의료도구에 남아있는 조영제의 양에 기초하여 상기 혈관에 주입된 조영제의 양을 판단하는 단계
를 포함하는 의료도구 선단부를 혈관의 목적 지점까지 가이드하기 위한 데이터를 생성하는 방법.
제1항에 있어서,
상기 제1 기계 학습 모델 및 상기 제2 기계 학습 모델 중 적어도 하나는 ,
상기 혈관 영상에서 조영제가 주입된 영역 및 나머지 배경 영역을 구분하도록 트레이닝된 모델이고,
상기 제3 기계 학습 모델은,
상기 제1 조영제 표시 영상 및 상기 제2 조영제 표시 영상으로부터 상기 출력 영상을 생성하도록 트레이닝된 모델인,
의료도구 선단부를 혈관의 목적 지점까지 가이드하기 위한 데이터를 생성하는 방법.
제1항에 있어서,
상기 제1 기계 학습 모델 및 상기 제2 기계 학습 모델 중 적어도 하나는,
상기 조영제가 주입된 혈관 영상으로부터 생성된 복수의 패치 이미지에 기초하여 트레이닝된 기계 학습 모델인
의료도구 선단부를 혈관의 목적 지점까지 가이드하기 위한 데이터를 생성하는 방법.
제1항 내지 제12항 중 어느 한 항의 방법을 수행하기 위한 명령어들을 포함하는 하나 이상의 컴퓨터 프로그램을 저장한 컴퓨터 판독 가능 기록 매체.
조영제가 혈관에 삽입된 의료도구를 통해 상기 의료도구의 선단부까지 주입된 경우에 촬영된 제1 혈관 영상으로부터, 제1 기계 학습 모델에 기초하여 상기 의료도구 선단부의 영역이 식별된 제1 조영제 표시 영상을 생성하고, 상기 조영제가 상기 의료도구를 통해 혈관의 적어도 일부에 주입된 시점과 다른 시점에 촬영된 제2 혈관 영상으로부터, 제2 기계 학습 모델에 기초하여 혈관 경로가 표시된 제2 조영제 표시 영상을 생성하며, 상기 생성된 제1 조영제 표시 영상 및 상기 생성된 제2 조영제 표시 영상으로부터, 제3 기계 학습 모델에 기초하여 상기 의료도구 선단부의 영역 및 혈관 영역이 구분된 출력 영상을 생성하는 프로세서; 및
상기 제1 혈관 영상, 상기 제2 혈관 영상, 상기 제1 기계 학습 모델, 상기 제2 기계 학습 모델, 상기 제3 기계 학습 모델, 상기 제1 조영제 표시 영상, 및 상기 제2 조영제 표시 영상 중 적어도 하나를 저장하는 메모리
를 포함하는 의료도구 선단부를 혈관의 목적 지점까지 가이드하기 위한 데이터를 생성하는 장치.
제14항에 있어서,
상기 프로세서는,
상기 조영제가 상기 의료도구 선단부까지 도달하였다고 판단한 경우에 응답하여 혈관 영상 촬영 장치에 혈관 촬영을 지시함으로써 상기 제1 혈관 영상을 획득하는,
의료도구 선단부를 혈관의 목적 지점까지 가이드하기 위한 데이터를 생성하는 장치.
제14항에 있어서,
상기 프로세서는,
상기 제1 혈관 영상이 촬영된 이후, 상기 의료도구 선단부를 통해 상기 조영제가 상기 혈관의 적어도 일부에 주입됨을 인식한 후 촬영된 상기 제2 혈관 영상을 획득하는,
의료도구 선단부를 혈관의 목적 지점까지 가이드하기 위한 데이터를 생성하는 장치.
제14항에 있어서,
상기 프로세서는,
상기 생성된 출력 영상을 통해 상기 의료도구가 혈관에서 가이드되어야 할 상기 목적 지점을 식별하고, 상기 식별된 목점 지점까지 상기 의료도구를 가이드하기 위한 동작 명령을 결정하는데 필요한 상기 데이터를 생성하는,
의료도구 선단부를 혈관의 목적 지점까지 가이드하기 위한 데이터를 생성하는 장치.
제14항에 있어서,
상기 프로세서는,
상기 제1 혈관 영상으로부터 복수의 제1 패치 이미지들을 생성하고, 상기 생성된 제1 패치 이미지들 각각에 대한 부분 조영제 표시 영상을 조합함으로써 상기 제1 조영제 표시 영상을 생성하며,
상기 제2 혈관 영상으로부터 복수의 제2 패치 이미지들을 생성하고, 상기 생성된 제2 패치 이미지들 각각에 대한 부분 조영제 표시 영상을 조합함으로써 상기 제2 조영제 표시 영상을 생성하는,
의료도구 선단부를 혈관의 목적 지점까지 가이드하기 위한 데이터를 생성하는 장치.
제14항에 있어서,
상기 프로세서는,
상기 출력 영상을 이용하여 상기 조영제가 주입된 영역으로부터 상기 의료도구 선단부의 영역이 제거된 혈관 영역 영상을 생성하고,
상기 혈관 영역 영상은,
배경 영역과 혈관 영역이 다른 값으로 구분되어 표시되는 마스크 이미지(mask image)인,
의료도구 선단부를 혈관의 목적 지점까지 가이드하기 위한 데이터를 생성하는 장치.
제14항에 있어서,
상기 프로세서는,
상기 제1 혈관 영상으로부터 생성된 복수의 영상 프레임에 기초하여 상기 제1 조영제 표시 영상을 생성하고, 상기 제2 혈관 영상으로부터 생성된 복수의 영상 프레임에 기초하여 상기 제2 조영제 표시 영상을 생성하는,
의료도구 선단부를 혈관의 목적 지점까지 가이드하기 위한 데이터를 생성하는 장치.
제14항에 있어서,
상기 프로세서는,
상기 제1 혈관 영상으로부터 생성된 복수의 영상 프레임 중 상기 조영제가 주입된 영역의 인텐시티(intensity)를 기준으로 상기 제1 조영제 표시 영상을 생성할 일정 개수의 영상 프레임을 결정하고, 상기 제2 혈관 영상으로부터 생성된 복수의 영상 프레임 중 상기 조영제가 주입된 영역의 인텐시티를 기준으로 상기 제2 조영제 표시 영상을 생성할 일정 개수의 영상 프레임을 결정하는,
의료도구 선단부를 혈관의 목적 지점까지 가이드하기 위한 데이터를 생성하는 장치.
제14항에 있어서,
상기 프로세서는,
하나의 영상 프레임에서 상기 의료도구를 통해 혈관에 주입된 조영제의 양을 판단하고, 상기 혈관에 주입된 조영제의 양에 기초하여 상기 하나의 영상 프레임을 상기 제2 조영제 표시 영상을 생성하기 위하여 획득할 지 결정하는,
의료도구 선단부를 혈관의 목적 지점까지 가이드하기 위한 데이터를 생성하는 장치.