KR102440919B1 - 슬라이드 스캔 데이터의 자동 레이블링 방법, 장치 및 프로그램 - Google Patents

슬라이드 스캔 데이터의 자동 레이블링 방법, 장치 및 프로그램 Download PDF

Info

Publication number
KR102440919B1
KR102440919B1 KR1020210089973A KR20210089973A KR102440919B1 KR 102440919 B1 KR102440919 B1 KR 102440919B1 KR 1020210089973 A KR1020210089973 A KR 1020210089973A KR 20210089973 A KR20210089973 A KR 20210089973A KR 102440919 B1 KR102440919 B1 KR 102440919B1
Authority
KR
South Korea
Prior art keywords
image
slide
scan data
medical institution
sample
Prior art date
Application number
KR1020210089973A
Other languages
English (en)
Inventor
김태정
Original Assignee
가톨릭대학교 산학협력단
주식회사 모아이스
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 가톨릭대학교 산학협력단, 주식회사 모아이스 filed Critical 가톨릭대학교 산학협력단
Priority to KR1020210089973A priority Critical patent/KR102440919B1/ko
Priority to PCT/KR2022/008759 priority patent/WO2023282500A1/ko
Application granted granted Critical
Publication of KR102440919B1 publication Critical patent/KR102440919B1/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
    • G06K9/6267—
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/22—Character recognition characterised by the type of writing
    • G06V30/226—Character recognition characterised by the type of writing of cursive writing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/004—Annotating, labelling

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Epidemiology (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 슬라이드 스캔 데이터의 자동 레이블링 방법에 관한 것으로, 슬라이드의 스캔 이미지에서 검체 이미지와 라벨링 이미지를 인식하여 분류하고, 라벨링 이미지에서 프린팅 이미지와 필기 이미지를 인식하여 분류할 수 있으며, 프린팅 이미지 및 필기 이미지를 분석하여 각각의 관리 정보를 생성하고, 이를 검체 이미지와 매칭하여 데이터베이스에 저장함으로써, 디지털 병리를 시행할 수 있는 효과가 있다.

Description

슬라이드 스캔 데이터의 자동 레이블링 방법, 장치 및 프로그램 {Method, Device and program for automatically labeling slide scan data}
본 발명은 자동 레이블링 방법에 관한 것으로, 보다 상세하게는 슬라이드에서 스캔된 데이터를 분석하여 자동으로 레이블링하는 방법에 관한 것이다.
최근 들어, 많은 의료기관에서 디지털 병리가 진행되고 있으며, 디지털 병리가 진행되면 병리과의 모든 업무가 디지털화 되는 것을 의미한다.
하지만, 많은 의료기관의 병리과에는 디지털 병리를 적용하기 이전에 검체를 기록한 유리 슬라이드가 존재하며, 이러한 유리 슬라이드에는 바코드가 없고 수기로 기록된 정보들이 있기 때문에 디지털화에 어려움이 있다.
따라서, 이러한 종래의 유리 슬라이드들 높은 정확도로 인식하여 병리과의 디지털화를 진행시킬 수 있는 기술이 필요한 상황이지만, 현재로서는 이러한 기술이 공개되어 있지 않은 실정이다.
대한민국 등록특허공보 제10-1423897호, (2014.07.21)
상술한 바와 같은 문제점을 해결하기 위한 본 발명은 슬라이드의 스캔 이미지에서 검체 이미지와 라벨링 이미지를 인식하여 분류하고, 라벨링 이미지에서 프린팅 이미지와 필기 이미지를 인식하여 분류하고자 한다.
또한, 본 발명은 프린팅 이미지 및 필기 이미지를 분석하여 각각의 관리 정보를 생성하고, 이를 검체 이미지와 매칭하여 데이터베이스에 저장하고자 한다.
또한, 본 발명은 인공지능 모델을 이용하여 프린팅 이미지와 필기 이미지의 관리 정보를 정확하게 분리하여 데이터베이스를 구축하고자 한다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상술한 과제를 해결하기 위한 본 발명의 일 실시예에 따른 슬라이드 스캔 데이터의 자동 레이블링 방법은, 슬라이드의 스캔 이미지를 수신하는 단계; 상기 수신된 스캔 이미지에서 검체 이미지와 라벨링 이미지를 인식하여 분류하는 단계; 상기 라벨링 이미지에서 프린팅 이미지와 필기 이미지를 인식하여 분류하는 단계; 상기 분류된 프린팅 이미지 및 필기 이미지를 분석하여 관리 정보를 생성하는 단계; 및 상기 검체 이미지 및 상기 관리 정보를 매칭하여 데이터베이스에 저장하는 단계를 포함한다.
또한, 상기 프린팅 이미지의 관리 정보는 상기 검체를 수집한 의료기관의 정보 및 상기 검체에 대한 병리 정보를 포함하고, 상기 필기 이미지는 상기 검체가 수집된 이후 특정 시점에 수기로 기록된 것이다.
또한, 상기 프린팅 이미지의 관리 정보는 상기 의료기관 내에서 프린팅된 제1 병리번호를 더 포함하고, 상기 필기 이미지의 관리 정보는 수기로 기록된 제2 병리번호를 포함하고, 상기 컴퓨터는, 상기 검체 이미지에 대한 제1 병리번호 및 제2 병리번호의 인식 결과를 상기 데이터베이스에 기록한다.
또한, 상기 컴퓨터는, 다수의 슬라이드 인식 결과를 기반으로 구축된 검체 이미지와 관리 정보의 매칭 결과를 이용하여 인공지능 모델을 학습시키고, 상기 인공지능 모델은, 상기 학습을 통해, 각 의료기관에서 취급하는 검체의 종류, 및 각 의료기관의 제1 병리번호 생성 패턴에 대한 정보가 구축되고, 검체 이미지를 기반으로 검체의 종류를 판단하는 방법이 학습된 것을 특징으로 한다.
또한, 상기 컴퓨터는, 상기 프린팅 이미지에 대하여 인식된 제1 병리번호가 상기 프린팅 이미지에 대하여 인식된 의료기관의 제1 병리번호 생성 패턴에 해당하지 않는 경우, 상기 의료기관 인식 결과 및 상기 제1 병리번호 인식 결과 중 적어도 하나의 인식 결과에 오류가 발생한 것으로 판단하는 것을 특징으로 한다.
또한, 상기 컴퓨터는, 상기 프린팅 이미지 상에 위치한 상기 필기 이미지의 위치를 기반으로, 상기 오류의 발생 위치를 판단하는 것을 특징으로 한다.
또한, 상기 프린팅 이미지 내 제1 병리번호의 위치의 적어도 일부에 상기 필기 이미지가 오버랩된 영역이 존재하는 경우, 상기 제1 병리번호 중 상기 필기 이미지가 오버랩되지 않은 영역의 인식 결과와, 상기 인식된 의료기관의 제1 병리번호 생성 패턴을 기반으로, 상기 오버랩된 영역을 인식하는 것을 특징으로 한다.
또한, 상기 컴퓨터는, 상기 인공지능 모델을 기반으로, 상기 검체 이미지를 분석하여 검체 종류를 판단하고, 상기 프린팅 이미지에 대하여 인식된 의료기관에서 취급하는 검체의 종류를 로딩하고, 상기 판단된 검체 종류가 상기 로딩된 검체의 종류에 해당되는 경우, 상기 검체 이미지의 분류 및 분석이 성공한 것으로 판단한다.
또한, 상기 컴퓨터는, 상기 슬라이드 상에 부착된 라벨의 각도와 기 설정된 각도 이상의 각도를 갖는 문자가 상기 라벨링 이미지에 존재하는 경우, 해당 문자는 필기 이미지인 것으로 인식하는 것을 특징으로 한다.
또한, 상기 컴퓨터는, 상기 다수의 슬라이드 인식 결과를 기반으로, 제휴된 적어도 하나의 의료기관에서 프린팅 이미지에 사용하는 적어도 하나의 프린팅 글꼴을 상기 인공지능 모델에 학습시키고, 상기 라벨링 이미지에 존재하는 글자 중에서 상기 프린팅 글꼴에 해당하는 글자를 프린팅 이미지로 판단하는 것을 특징으로 한다.
또한, 상기 컴퓨터는, 상기 라벨링 이미지에 존재하는 글자들 간의 위치, 간격 및 각도 차이를 기반으로, 인접한 글자 간의 연속성을 파악하고, 연속성을 갖는 복수의 글자를 그룹핑하고, 같은 그룹 내 복수의 글자는 상기 프린팅 이미지 또는 필기 이미지 중에서 동일한 이미지에 속하는 것으로 인식한다.
상술한 과제를 해결하기 위한 본 발명의 일 실시예에 따른 슬라이드 스캔 데이터의 자동 레이블링 장치는, 데이터베이스; 스캐너를 통해 스캐닝된 슬라이더의 스캔 이미지를 수신하는 통신부; 및 분석부를 제어하여 상기 수신된 스캔 이미지에서 검체 이미지와 라벨링 이미지를 인식하여 분류하고, 상기 라벨링 이미지에서 프린팅 이미지와 필기 이미지를 인식하여 분류하고, 상기 분류된 프린팅 이미지 및 필기 이미지를 분석하여 관리 정보를 생성하고, 상기 검체 이미지 및 상기 관리 정보를 매칭하여 상기 데이터베이스에 저장하도록 제어하는 프로세서를 포함한다.
또한, 상기 프린팅 이미지의 관리 정보는 상기 검체를 수집한 의료기관의 정보 및 상기 검체에 대한 병리 정보를 포함하고, 상기 필기 이미지는 상기 검체가 수집된 이후 특정 시점에 수기로 기록된 것이다.
또한, 상기 프린팅 이미지의 관리 정보는 상기 의료기관 내에서 프린팅된 제1 병리번호를 더 포함하고, 상기 필기 이미지의 관리 정보는 수기로 기록된 제2 병리번호를 포함하고, 상기 프로세서는, 상기 검체 이미지에 기록된 제1 병리번호 및 제2 병리번호의 인식 결과를 상기 데이터베이스에 기록한다.
또한, 상기 프로세서는, 다수의 슬라이드 인식 결과를 기반으로 구축된 검체 이미지와 관리 정보의 매칭 결과를 이용하여 인공지능 모델을 학습시키고, 상기 인공지능 모델은, 상기 학습을 통해, 각 의료기관에서 취급하는 검체의 종류 및 각 의료기관의 제1 병리번호 생성 패턴에 대한 정보가 구축되고, 검체 이미지를 기반으로 검체의 종류를 판단하는 방법이 학습된 것을 특징으로 한다.
또한, 상기 프로세서는, 상기 프린팅 이미지에 대하여 인식된 제1 병리번호가 상기 프린팅 이미지에 대하여 인식된 의료기관의 제1 병리번호 생성 패턴에 해당하지 않는 경우, 상기 의료기관 인식 결과 및 상기 제1 병리번호 인식 결과 중 적어도 하나의 인식 결과에 오류가 발생한 것으로 판단한다.
또한, 상기 프로세서는, 상기 프린팅 이미지 상에 위치한 상기 필기 이미지의 위치를 기반으로, 상기 오류의 발생 위치를 판단하는 것을 특징으로 한다.
또한, 상기 프린팅 이미지 내 제1 병리번호의 위치의 적어도 일부에 상기 필기 이미지가 오버랩된 영역이 존재하는 경우, 상기 제1 병리번호 중 상기 필기 이미지가 오버랩되지 않은 영역의 인식 결과와, 상기 인식된 의료기관의 제1 병리번호 생성 패턴을 기반으로, 상기 오버랩된 영역을 인식하는 것을 특징으로 한다.
또한, 상기 프로세서는, 상기 인공지능 모델을 기반으로, 상기 검체 이미지를 분석하여 검체 종류를 판단하고, 상기 프린팅 이미지에 대하여 인식된 의료기관에서 취급하는 검체의 종류를 로딩하고, 상기 판단된 검체 종류가 상기 로딩된 검체의 종류에 해당되는 경우, 상기 검체 이미지의 분류 및 분석이 성공한 것으로 판단한다.
또한, 상기 프로세서는, 상기 슬라이드 상에 부착된 라벨의 각도와 기 설정된 각도 이상의 각도를 갖는 문자가 상기 라벨링 이미지에 존재하는 경우, 해당 문자는 필기 이미지인 것으로 인식하는 것을 특징으로 한다.
또한, 상기 프로세서는, 상기 다수의 슬라이드 인식 결과를 기반으로, 제휴된 적어도 하나의 의료기관에서 프린팅 이미지에 사용하는 적어도 하나의 프린팅 글꼴을 상기 인공지능 모델에 학습시키고, 상기 라벨링 이미지에 존재하는 글자 중에서 상기 프린팅 글꼴에 해당하는 글자를 프린팅 이미지로 판단하는 것을 특징으로 한다.
또한, 상기 프로세서는, 상기 라벨링 이미지에 존재하는 글자들 간의 위치, 간격 및 각도 차이를 기반으로, 인접한 글자 간의 연속성을 파악하고, 연속성을 갖는 복수의 글자를 그룹핑하고, 같은 그룹 내 복수의 글자는 상기 프린팅 이미지 또는 필기 이미지 중에서 동일한 이미지에 속하는 것으로 인식한다.
이 외에도, 본 발명을 구현하기 위한 다른 방법, 다른 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 컴퓨터 판독 가능한 기록 매체가 더 제공될 수 있다.
상기와 같은 본 발명에 따르면, 슬라이드의 스캔 이미지에서 검체 이미지와 라벨링 이미지를 인식하여 분류하고, 라벨링 이미지에서 프린팅 이미지와 필기 이미지를 인식하여 분류할 수 있는 효과가 있다.
또한, 본 발명에 따르면, 프린팅 이미지 및 필기 이미지를 분석하여 각각의 관리 정보를 생성하고, 이를 검체 이미지와 매칭하여 데이터베이스에 저장함으로써, 디지털 병리를 시행할 수 있는 효과가 있다.
또한, 본 발명에 따르면, 인공지능 모델을 이용하여 프린팅 이미지와 필기 이미지의 관리 정보를 정확하게 분리할 수 있는 효과가 있다.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 실시예에 따른 슬라이드 스캔 데이터의 자동 레이블링 장치의 블록도이다.
도 2는 본 발명의 실시예에 따른 슬라이드 스캔 데이터의 자동 레이블링 방법의 흐름도이다.
도 3은 슬라이드를 예시한 도면이다.
도 4는 슬라이드의 스캔 이미지를 프로세스에 따라 분류하는 것을 예시한 도면이다.
도 5는 본 발명의 실시예에 따른 슬라이드 스캔 데이터의 자동 레이블링 장치가 스캔 이미지의 자동 레이블링을 진행하는 것을 예시한 도면이다.
도 6은 다수의 슬라이드 인식 결과를 이용하여 인공지능 모델을 학습시키는 것을 예시한 도면이다.
도 7 및 도 8은 프린팅 이미지에 필기 이미지가 오버랩된 것을 예시한 도면이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.
도 1은 본 발명의 실시예에 따른 슬라이드 스캔 데이터의 자동 레이블링 장치의 블록도이다.
도 2는 본 발명의 실시예에 따른 슬라이드 스캔 데이터의 자동 레이블링 방법의 흐름도이다.
도 3은 슬라이드를 예시한 도면이다.
도 4는 슬라이드의 스캔 이미지를 프로세스에 따라 분류하는 것을 예시한 도면이다.
도 5는 본 발명의 실시예에 따른 슬라이드 스캔 데이터의 자동 레이블링 장치가 스캔 이미지의 자동 레이블링을 진행하는 것을 예시한 도면이다.
도 6은 다수의 슬라이드 인식 결과를 이용하여 인공지능 모델을 학습시키는 것을 예시한 도면이다.
도 7 및 도 8은 프린팅 이미지에 필기 이미지가 오버랩된 것을 예시한 도면이다.
도 1을 참조하면, 본 발명의 실시예에 따른 슬라이드 스캔 데이터의 자동 레이블링 장치(100)는 프로세서(110), 통신부(120), 데이터베이스(130) 및 분석부(140)를 포함한다.
다만, 몇몇 실시예에서 장치(100)는 도 1에 도시된 구성요소보다 더 적은 수의 구성요소나 더 많은 구성요소를 포함할 수도 있다.
일 실시예로, 슬라이드 스캔 데이터의 자동 레이블링 장치(100)는 스캐너(30)를 구성으로 포함할 수도 있으나, 스캔 이미지만 수신할 수도 있으므로 발명의 실시에 따라 용이하게 선택하도록 한다.
또한, 슬라이드 스캔 데이터의 자동 레이블링 장치(100)는 서버로 구성되어 유/무선 통신을 통해서 슬라이드의 스캔 이미지를 수신할 수도 있으며, 이때 통신부(120)는 유/무선 통신 기능을 보유한 통신부로 구성될 수도 있다.
프로세서(110)는 슬라이드 스캔 데이터의 자동 레이블링 장치(100) 내 모든 구성들의 제어를 담당하며, 데이터베이스(130), 메모리에 저장된 명령어, 알고리즘을 실행하여 본 발명의 실시예에 따른 슬라이드 스캔 데이터의 자동 레이블링 방법을 프로세스에 따라 수행할 수 있다.
분석부(140)는 프로세서(110)의 제어에 따라 입력된 이미지를 분석하게 되며, 이미지 내에서 특정 객체를 인식하고 분류할 수 있는 기능을 포함하고 있다.
아래에서는 도 3의 흐름도와 다른 예시 도면들을 참조하여 프로세서(110)의 동작에 대해서 상세하게 설명하도록 한다.
먼저, 통신부(120)가 스캐너(30)에서 스캐닝된 슬라이드의 스캔 이미지를 수신한다. (S110)
본 발명의 실시예에서 슬라이드는 대표적으로 유리 슬라이드를 의미할 수 있으나, 이에 한정되는 것은 아니며 검체를 수집하고 정보를 기록하는 대상이라면 무엇이든 적용이 가능하다.
S110을 설명하기 앞서, 도 3을 참조하면 4개의 슬라이드가 예시되어 있다.
도 3과 같이 각각의 슬라이드는 검체가 수집되어 있으며, 상단에 의료기관의 명칭, 의료기관에서 사용한 병리번호가 프린팅된 라벨이 부착되어 있고, 그 위에 사람이 수기로 작성한 병리번호가 존재하는 것을 알 수 있다.
이때, 사람이 수기로 작성한 병리번호는 각각의 슬라이드에 대한 디지털 병리를 진행하기 위해서 기재된 것으로, 본 발명의 실시예에 따른 슬라이드 스캔 데이터의 자동 레이블링 장치(100)는 슬라이드에 존재하는 정보들을 정확하게 인식하고 분류하여 데이터베이스(130)에 저장함으로써, 빠르면서도 높은 정확도로 디지털 병리를 진행하게 된다.
도 4는 스캐너(30)가 도 3의 A 슬라이드에 대한 스캔 이미지가 예시되어 있으며, 통신부(120)는 도 4와 같은 스캔 이미지를 수신하게 된다.
본 발명의 실시예에서 스캐너, 스캔 이미지를 명명하였으나, 이에 한정되는 것은 아니며, 카메라와 촬영 이미지 등으로 적용될 수도 있다.
S110 다음으로, 프로세서(110)가 분석부(140)를 제어하여, S110에서 수신된 스캔 이미지에서 검체 이미지와 라벨링 이미지를 인식하여 분류한다. (S120)
도 4를 참조하면, 프로세서(110)가 스캔 이미지에서 검체 이미지와 라벨링 이미지를 각각 인식하여 분류한 것이 예시되어 있다.
S120 다음으로, 프로세서(110)가 분석부(140)를 제어하여, S120에서 분류된 라벨링 이미지에서 프린팅 이미지와 필기 이미지를 인식하여 분류한다. (S130)
도 4를 참조하면, 프로세서(110)가 라벨링 이미지에서 프린팅 이미지와 필기 이미지를 각각 인식하여 분류한 것이 예시되어 있다.
이와 같은 프로세스를 진행함에 따라서, 스캔 이미지는 검체 이미지, 프린팅 이미지 및 필기 이미지로 분류된다.
S130 다음으로, 프로세서(110)가 S130에서 분류된 프린팅 이미지 및 필기 이미지를 분석하여 관리 정보를 생성한다. (S140)
S140은 프로세서(110)가 검체 이미지, 프린팅 이미지 및 필기 이미지 각각을 분석하거나 이미지 내에 포함된 문자, 숫자를 인식하여 이미지 내에 포함된 관리 정보를 생성하는 것을 의미한다.
프린팅 이미지의 관리 정보는 해당 슬라이드의 검체를 수집한 의료기관의 정보, 검체에 대한 병리 정보, 및 의료기관 내에서 프린팅된 제1 병리번호를 포함한다.
필기 이미지는 검체가 수집된 이후 특정 시점에 수기로 기록된 것으로, 필기 이미지의 관리 정보는 각각의 슬라이드에 대한 디지털 병리를 진행하기 위해서 수기로 기록된 제2 병리번호를 포함한다.
S140 다음으로, 프로세서(110)가 검체 이미지 및 관리 정보를 매칭하여 데이터베이스(130)에 저장한다. (S150)
프로세서(110)는 검체 이미지에 대한 제1 병리번호 및 제2 병리번호의 인식 결과를 데이터베이스(130)에 기록한다.
일 실시예로, 프로세서(110)는 검체 이미지, 검체 이미지의 분석 결과(예: 검체의 종류), 및 제1 병리번호와 제2 병리번호의 인식 결과를 데이터베이스(130)에 저장한다.
도 6은 다수의 슬라이드 인식 결과를 이용하여 인공지능 모델을 학습시키는 것을 예시한 도면이다.
도 6을 참조하여, 슬라이드 스캔 데이터의 자동 레이블링이 가능한 인공지능 모델을 구축하는 것과 인공지능 모델의 동작에 대하여 설명하도록 한다.
일 실시예로, 프로세서(110)는 다수의 슬라이드 인식 결과를 기반으로 구축된 검체 이미지와 관리 정보의 매칭 결과를 이용하여 인공지능 모델을 학습시킨다.
몇몇 실시예에서, 프로세서(110)는 슬라이드 인식 결과를 데이터베이스(130)에 저장하고, 학습 모듈이 일정 시간 주기마다 누적된 데이터(검체 이미지와 관리 정보의 매칭 결과)를 학습데이터셋으로 생성하고, 이를 인공지능 모델에 입력할 수 있다.
인공지능 모델은 이러한 학습을 통해서 각 의료기관에서 취급하는 검체의 종류 및 각 의료기관의 제1 병리번호 생성 패턴에 대한 정보가 구축되고, 검체 이미지를 기반으로 검체의 종류를 판단하는 방법이 학습된다.
프로세서(110)는 프린팅 이미지에 대하여 인식된 제1 병리번호가 해당 프린팅 이미지에 대하여 인식된 의료기관의 제1 병리번호 생성 패턴에 해당되지 않는 경우, 의료기관 인식 결과 및 제1 병리번호 인식 결과 중 적어도 하나의 인식 결과에 오류가 발생한 것으로 판단한다.
일 실시예로, 프로세서(110)는 프린팅 이미지 상에 위치한 필기 이미지의 위치를 기반으로, 오류의 발생 위치를 판단할 수 있다.
이는, 필기 이미지가 프린팅 이미지 상에서 어떠한 문자를 가렸는지에 따라서 오류가 발생한 위치를 추정하는 것을 의미한다.
도 7 및 도 8은 프린팅 이미지에 필기 이미지가 오버랩된 것을 예시한 도면이다.
도 7 및 도 8을 참조하면, 프린팅 이미지는 의료기관명, 의료기관 내에서 프린팅된 제1 병리번호를 포함한다.
도 7을 참조하면, 필기 이미지가 의료기관명과 오버랩된 것이 예시되어 있으며, 이러한 경우 프로세서(110)는 의료기관명 인식에 오류가 발생한 것으로 판단할 수 있다.
도 8을 참조하면, 필기 이미지가 제1 병리번호와 오버랩된 것이 예시되어 있으며, 이러한 경우 프로세서(110)는 제1 병리번호의 인식에 오류가 발생한 것으로 판단할 수 있다.
일 실시예로, 프로세서(110)는 프린팅 이미지 내 제1 병리번호의 위치의 적어도 일부에 필기 이미지와 오버랩된 영역이 존재하는 경우, 제1 병리번호 중 필기 이미지가 오버랩되지 않은 영역의 인식 결과와 해당 의료기관의 제1 병리번호 생성 패턴을 기반으로, 오버랩된 영역을 인식할 수 있다.
일 실시예로, 프로세서(110)는 인공지능 모델을 기반으로 검체 이미지를 분석하여 검체 종류를 판단하고, 프린팅 이미지에 대하여 인식된 의료기관에서 취급하는 검체의 종류를 로딩한다.
그리고, 프로세서(110)는 판단된 검체 종류가 로딩된 검체의 종류에 해당하는 경우, 검체 이미지의 분류 및 분석이 성공한 것으로 판단할 수 있다.
일 실시예로, 프로세서(110)는 슬라이드 상에 부착된 라벨의 각도와 기 설정된 각도 이상의 각도를 갖는 문자가 라벨링 이미지에 존재하는 경우, 해당 문자는 필기 이미지인 것으로 인식할 수 있다.
예를 들어, 슬라이드 상에 부착된 라벨은 의료기관에서 의료기관명, 제1 병리번호가 프린팅된 것이므로, 라벨과 의료기관명, 제1 병리번호의 각도가 거의 동일할 확률이 높다.
하지만, 필기 이미지는 이후에 슬라이드에 대한 디지털 병리를 진행하기 위해 수기로 기록된 것이므로, 다른 각도로 기록되었을 확률이 높다.
예를 들어, 도 7을 참조하면 의료기관명, 제1 병리번호는 라벨과 동일한 각도를 이루고 있지만, 제2 병리번호는 다른 각도를 이루고 있다.
따라서, 프로세서(110)는 도 7과 같은 이미지가 입력되면, 기울어진 문자가 필기 이미지(제2 병리번호)인 것으로 판단하게 된다.
일 실시예로, 프로세서(110)는 다수의 슬라이드 인식 결과를 기반으로, 제휴된 적어도 하나의 의료기관에서 프린팅 이미지에 사용하는 적어도 하나의 프린팅 글꼴을 인공지능 모델에 학습시킨다.
그리고, 프로세서(110)는 라벨링 이미지에 존재하는 글자 중에서 프린팅 글꼴에 해당하는 글자를 프린팅 이미지로 판단한다.
일 실시예로, 프로세서(110)는 라벨링 이미지에 존재하는 글자들 간의 위치, 간격 및 각도 차이를 기반으로 인접한 글자 간의 연속성을 파악하고, 연속성을 갖는 복수의 글자를 그룹핑한다.
그리고, 프로세서(110)는 같은 그룹 내 복수의 글자는 프린팅 이미지 또는 필기 이미지 중에서 동일한 이미지에 속하는 것으로 인식할 수 있다.
도 7을 참조하면, '병', '리', '과' 3개의 글자는 위치와 간격이 일정하며 동일한 각도를 갖고 있으므로, 서로 연속성을 갖는 것으로 파악되어 동일 그룹으로 그룹핑된다.
그리고, '4', '7', '5', '9', 'R' 5개의 글자는 위치와 간격이 일정하며 동일한 각도를 갖고 있으므로, 서로 연속성을 갖는 것으로 파악되어 동일 그룹으로 그룹핑된다.
다른 글자로 예를 들면, '병'과 '7'은 인접한 글자이지만, 간격이 다른 글자와 다르고 각도가 다르므로, 동일 그룹으로 그룹핑되지 않는다.
프로세서(110)는 이와 같이 그룹핑된 결과를 참고하여 프린팅 이미지와 필기 이미지를 분류할 수 있게 된다.
이상에서 전술한 본 발명의 일 실시예에 따른 방법은, 하드웨어인 서버와 결합되어 실행되기 위해 프로그램(또는 어플리케이션)으로 구현되어 매체에 저장될 수 있다.
상기 전술한 프로그램은, 상기 컴퓨터가 프로그램을 읽어 들여 프로그램으로 구현된 상기 방법들을 실행시키기 위하여, 상기 컴퓨터의 프로세서(CPU)가 상기 컴퓨터의 장치 인터페이스를 통해 읽힐 수 있는 C, C++, JAVA, 기계어 등의 컴퓨터 언어로 코드화된 코드(Code)를 포함할 수 있다. 이러한 코드는 상기 방법들을 실행하는 필요한 기능들을 정의한 함수 등과 관련된 기능적인 코드(Functional Code)를 포함할 수 있고, 상기 기능들을 상기 컴퓨터의 프로세서가 소정의 절차대로 실행시키는데 필요한 실행 절차 관련 제어 코드를 포함할 수 있다. 또한, 이러한 코드는 상기 기능들을 상기 컴퓨터의 프로세서가 실행시키는데 필요한 추가 정보나 미디어가 상기 컴퓨터의 내부 또는 외부 메모리의 어느 위치(주소 번지)에서 참조되어야 하는지에 대한 메모리 참조관련 코드를 더 포함할 수 있다. 또한, 상기 컴퓨터의 프로세서가 상기 기능들을 실행시키기 위하여 원격(Remote)에 있는 어떠한 다른 컴퓨터나 서버 등과 통신이 필요한 경우, 코드는 상기 컴퓨터의 통신 모듈을 이용하여 원격에 있는 어떠한 다른 컴퓨터나 서버 등과 어떻게 통신해야 하는지, 통신 시 어떠한 정보나 미디어를 송수신해야 하는지 등에 대한 통신 관련 코드를 더 포함할 수 있다.
상기 저장되는 매체는, 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상기 저장되는 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있지만, 이에 제한되지 않는다. 즉, 상기 프로그램은 상기 컴퓨터가 접속할 수 있는 다양한 서버 상의 다양한 기록매체 또는 사용자의 상기 컴퓨터상의 다양한 기록매체에 저장될 수 있다. 또한, 상기 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장될 수 있다.
본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.
이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.
100: 슬라이드 스캔 데이터의 자동 레이블링 장치
110: 프로세서
120: 통신부
130: 데이터베이스
140: 분석부

Claims (23)

  1. 컴퓨터에 의해 수행되는 방법으로,
    슬라이드의 스캔 이미지를 수신하는 단계;
    상기 수신된 스캔 이미지에서 검체 이미지와 라벨링 이미지를 인식하여 분류하는 단계;
    상기 라벨링 이미지에서 프린팅 이미지와 필기 이미지를 인식하여 분류하는 단계;
    상기 분류된 프린팅 이미지 및 필기 이미지를 분석하여 관리 정보를 생성하는 단계; 및
    상기 검체 이미지 및 상기 관리 정보를 매칭하여 데이터베이스에 저장하는 단계를 포함하고,
    상기 컴퓨터는 다수의 슬라이드 인식 결과를 기반으로 구축된 검체 이미지와 관리 정보의 매칭 결과를 이용하여 인공지능 모델을 학습시키고,
    상기 인공지능 모델은 상기 학습을 통해, 각 의료기관에서 취급하는 검체의 종류, 및 각 의료기관의 제1 병리번호 생성 패턴에 대한 정보가 구축되고, 검체 이미지를 기반으로 검체의 종류를 판단하는 방법이 학습된 것을 특징으로 하는,
    슬라이드 스캔 데이터의 자동 레이블링 방법.
  2. 제1항에 있어서,
    상기 프린팅 이미지의 관리 정보는 상기 검체를 수집한 의료기관의 정보 및 상기 검체에 대한 병리 정보를 포함하고,
    상기 필기 이미지는 상기 검체가 수집된 이후 특정 시점에 수기로 기록된 것인,
    슬라이드 스캔 데이터의 자동 레이블링 방법.
  3. 제2항에 있어서,
    상기 프린팅 이미지의 관리 정보는 상기 의료기관 내에서 프린팅된 제1 병리번호를 더 포함하고,
    상기 필기 이미지의 관리 정보는 수기로 기록된 제2 병리번호를 포함하고,
    상기 컴퓨터는,
    상기 검체 이미지에 대한 제1 병리번호 및 제2 병리번호의 인식 결과를 상기 데이터베이스에 기록하는,
    슬라이드 스캔 데이터의 자동 레이블링 방법.
  4. 삭제
  5. 제1항에 있어서,
    상기 컴퓨터는,
    상기 프린팅 이미지에 대하여 인식된 제1 병리번호가 상기 프린팅 이미지에 대하여 인식된 의료기관의 제1 병리번호 생성 패턴에 해당하지 않는 경우,
    상기 의료기관 인식 결과 및 상기 제1 병리번호 인식 결과 중 적어도 하나의 인식 결과에 오류가 발생한 것으로 판단하는 것을 특징으로 하는,
    슬라이드 스캔 데이터의 자동 레이블링 방법.
  6. 제5항에 있어서,
    상기 컴퓨터는,
    상기 프린팅 이미지 상에 위치한 상기 필기 이미지의 위치를 기반으로, 상기 오류의 발생 위치를 판단하는 것을 특징으로 하는,
    슬라이드 스캔 데이터의 자동 레이블링 방법.
  7. 제5항에 있어서,
    상기 프린팅 이미지 내 제1 병리번호의 위치의 적어도 일부에 상기 필기 이미지가 오버랩된 영역이 존재하는 경우,
    상기 제1 병리번호 중 상기 필기 이미지가 오버랩되지 않은 영역의 인식 결과와, 상기 인식된 의료기관의 제1 병리번호 생성 패턴을 기반으로,
    상기 오버랩된 영역을 인식하는 것을 특징으로 하는,
    슬라이드 스캔 데이터의 자동 레이블링 방법.
  8. 제1항에 있어서,
    상기 컴퓨터는,
    상기 인공지능 모델을 기반으로, 상기 검체 이미지를 분석하여 검체 종류를 판단하고,
    상기 프린팅 이미지에 대하여 인식된 의료기관에서 취급하는 검체의 종류를 로딩하고,
    상기 판단된 검체 종류가 상기 로딩된 검체의 종류에 해당되는 경우, 상기 검체 이미지의 분류 및 분석이 성공한 것으로 판단하는,
    슬라이드 스캔 데이터의 자동 레이블링 방법.
  9. 제1항에 있어서,
    상기 컴퓨터는,
    상기 슬라이드 상에 부착된 라벨의 각도와 기 설정된 각도 이상의 각도를 갖는 문자가 상기 라벨링 이미지에 존재하는 경우, 해당 문자는 필기 이미지인 것으로 인식하는 것을 특징으로 하는,
    슬라이드 스캔 데이터의 자동 레이블링 방법.
  10. 제1항에 있어서,
    상기 컴퓨터는,
    상기 다수의 슬라이드 인식 결과를 기반으로, 제휴된 적어도 하나의 의료기관에서 프린팅 이미지에 사용하는 적어도 하나의 프린팅 글꼴을 상기 인공지능 모델에 학습시키고,
    상기 라벨링 이미지에 존재하는 글자 중에서 상기 프린팅 글꼴에 해당하는 글자를 프린팅 이미지로 판단하는 것을 특징으로 하는,
    슬라이드 스캔 데이터의 자동 레이블링 방법.
  11. 제10항에 있어서,
    상기 컴퓨터는,
    상기 라벨링 이미지에 존재하는 글자들 간의 위치, 간격 및 각도 차이를 기반으로, 인접한 글자 간의 연속성을 파악하고,
    연속성을 갖는 복수의 글자를 그룹핑하고,
    같은 그룹 내 복수의 글자는 상기 프린팅 이미지 또는 필기 이미지 중에서 동일한 이미지에 속하는 것으로 인식하는,
    슬라이드 스캔 데이터의 자동 레이블링 방법.
  12. 데이터베이스;
    스캐너를 통해 스캐닝된 슬라이더의 스캔 이미지를 수신하는 통신부; 및
    분석부를 제어하여 상기 수신된 스캔 이미지에서 검체 이미지와 라벨링 이미지를 인식하여 분류하고, 상기 라벨링 이미지에서 프린팅 이미지와 필기 이미지를 인식하여 분류하고, 상기 분류된 프린팅 이미지 및 필기 이미지를 분석하여 관리 정보를 생성하고, 상기 검체 이미지 및 상기 관리 정보를 매칭하여 상기 데이터베이스에 저장하도록 제어하는 프로세서를 포함하며,
    상기 프로세서는 다수의 슬라이드 인식 결과를 기반으로 구축된 검체 이미지와 관리 정보의 매칭 결과를 이용하여 인공지능 모델을 학습시키고,
    상기 인공지능 모델은 상기 학습을 통해, 각 의료기관에서 취급하는 검체의 종류, 및 각 의료기관의 제1 병리번호 생성 패턴에 대한 정보가 구축되고, 검체 이미지를 기반으로 검체의 종류를 판단하는 방법이 학습된 것을 특징으로 하는,
    슬라이드 스캔 데이터의 자동 레이블링 장치.
  13. 제12항에 있어서,
    상기 프린팅 이미지의 관리 정보는 상기 검체를 수집한 의료기관의 정보 및 상기 검체에 대한 병리 정보를 포함하고,
    상기 필기 이미지는 상기 검체가 수집된 이후 특정 시점에 수기로 기록된 것인,
    슬라이드 스캔 데이터의 자동 레이블링 장치.
  14. 제13항에 있어서,
    상기 프린팅 이미지의 관리 정보는 상기 의료기관 내에서 프린팅된 제1 병리번호를 더 포함하고,
    상기 필기 이미지의 관리 정보는 수기로 기록된 제2 병리번호를 포함하고,
    상기 프로세서는,
    상기 검체 이미지에 기록된 제1 병리번호 및 제2 병리번호의 인식 결과를 상기 데이터베이스에 기록하는,
    슬라이드 스캔 데이터의 자동 레이블링 장치.
  15. 삭제
  16. 제12항에 있어서,
    상기 프로세서는,
    상기 프린팅 이미지에 대하여 인식된 제1 병리번호가 상기 프린팅 이미지에 대하여 인식된 의료기관의 제1 병리번호 생성 패턴에 해당하지 않는 경우,
    상기 의료기관 인식 결과 및 상기 제1 병리번호 인식 결과 중 적어도 하나의 인식 결과에 오류가 발생한 것으로 판단하는,
    슬라이드 스캔 데이터의 자동 레이블링 장치.
  17. 제16항에 있어서,
    상기 프로세서는,
    상기 프린팅 이미지 상에 위치한 상기 필기 이미지의 위치를 기반으로, 상기 오류의 발생 위치를 판단하는 것을 특징으로 하는,
    슬라이드 스캔 데이터의 자동 레이블링 장치.
  18. 제16항에 있어서,
    상기 프린팅 이미지 내 제1 병리번호의 위치의 적어도 일부에 상기 필기 이미지가 오버랩된 영역이 존재하는 경우,
    상기 제1 병리번호 중 상기 필기 이미지가 오버랩되지 않은 영역의 인식 결과와, 상기 인식된 의료기관의 제1 병리번호 생성 패턴을 기반으로,
    상기 오버랩된 영역을 인식하는 것을 특징으로 하는,
    슬라이드 스캔 데이터의 자동 레이블링 장치.
  19. 제12항에 있어서,
    상기 프로세서는,
    상기 인공지능 모델을 기반으로, 상기 검체 이미지를 분석하여 검체 종류를 판단하고,
    상기 프린팅 이미지에 대하여 인식된 의료기관에서 취급하는 검체의 종류를 로딩하고,
    상기 판단된 검체 종류가 상기 로딩된 검체의 종류에 해당되는 경우, 상기 검체 이미지의 분류 및 분석이 성공한 것으로 판단하는,
    슬라이드 스캔 데이터의 자동 레이블링 장치.
  20. 제12항에 있어서,
    상기 프로세서는,
    상기 슬라이드 상에 부착된 라벨의 각도와 기 설정된 각도 이상의 각도를 갖는 문자가 상기 라벨링 이미지에 존재하는 경우, 해당 문자는 필기 이미지인 것으로 인식하는 것을 특징으로 하는,
    슬라이드 스캔 데이터의 자동 레이블링 장치.
  21. 제12항에 있어서,
    상기 프로세서는,
    상기 다수의 슬라이드 인식 결과를 기반으로, 제휴된 적어도 하나의 의료기관에서 프린팅 이미지에 사용하는 적어도 하나의 프린팅 글꼴을 상기 인공지능 모델에 학습시키고,
    상기 라벨링 이미지에 존재하는 글자 중에서 상기 프린팅 글꼴에 해당하는 글자를 프린팅 이미지로 판단하는 것을 특징으로 하는,
    슬라이드 스캔 데이터의 자동 레이블링 장치.
  22. 제21항에 있어서,
    상기 프로세서는,
    상기 라벨링 이미지에 존재하는 글자들 간의 위치, 간격 및 각도 차이를 기반으로, 인접한 글자 간의 연속성을 파악하고,
    연속성을 갖는 복수의 글자를 그룹핑하고,
    같은 그룹 내 복수의 글자는 상기 프린팅 이미지 또는 필기 이미지 중에서 동일한 이미지에 속하는 것으로 인식하는,
    슬라이드 스캔 데이터의 자동 레이블링 장치.
  23. 하드웨어인 컴퓨터와 결합되어, 제1항 내지 제3항, 제5항 내지 제11항 중 어느 한 항의 방법을 실행시키기 위한 프로그램이 저장된 컴퓨터 판독 가능한 기록매체.
KR1020210089973A 2021-07-08 2021-07-08 슬라이드 스캔 데이터의 자동 레이블링 방법, 장치 및 프로그램 KR102440919B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020210089973A KR102440919B1 (ko) 2021-07-08 2021-07-08 슬라이드 스캔 데이터의 자동 레이블링 방법, 장치 및 프로그램
PCT/KR2022/008759 WO2023282500A1 (ko) 2021-07-08 2022-06-21 슬라이드 스캔 데이터의 자동 레이블링 방법, 장치 및 프로그램

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210089973A KR102440919B1 (ko) 2021-07-08 2021-07-08 슬라이드 스캔 데이터의 자동 레이블링 방법, 장치 및 프로그램

Publications (1)

Publication Number Publication Date
KR102440919B1 true KR102440919B1 (ko) 2022-09-06

Family

ID=83281356

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210089973A KR102440919B1 (ko) 2021-07-08 2021-07-08 슬라이드 스캔 데이터의 자동 레이블링 방법, 장치 및 프로그램

Country Status (2)

Country Link
KR (1) KR102440919B1 (ko)
WO (1) WO2023282500A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116364248B (zh) * 2023-03-15 2023-10-20 北京透彻未来科技有限公司 基于玻片标签自动识别技术的病理图像自动上传匹配方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101423897B1 (ko) 2009-10-19 2014-07-28 벤타나 메디컬 시스템즈, 인코포레이티드 슬라이드 스캐닝을 위한 디바이스 및 방법
KR101452339B1 (ko) * 2013-12-30 2014-10-22 주식회사 세다스미디어 카세트 병리번호 인식과 슬라이드 자동 출력 방식을 이용한 인공지능 병리번호 매칭 시스템 및 방법
KR101550225B1 (ko) * 2014-04-04 2015-09-07 인하공업전문대학산학협력단 인공지능 병리 번호 인식 시스템 및 방법
KR20200117222A (ko) * 2019-04-03 2020-10-14 서울대학교병원 병리 진단 지원 장치 및 방법
US20200365241A1 (en) * 2013-02-20 2020-11-19 Leavitt Medical, Inc. Systems for managing biopsy specimens
KR20200135092A (ko) * 2019-05-24 2020-12-02 주식회사 필로시스 스캐닝 장치 및 이의 구동방법
KR20210036840A (ko) * 2019-09-26 2021-04-05 주식회사 루닛 인공지능 모델을 사용 기관에 특화시키는 학습 방법, 이를 수행하는 장치

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101423897B1 (ko) 2009-10-19 2014-07-28 벤타나 메디컬 시스템즈, 인코포레이티드 슬라이드 스캐닝을 위한 디바이스 및 방법
US20200365241A1 (en) * 2013-02-20 2020-11-19 Leavitt Medical, Inc. Systems for managing biopsy specimens
KR101452339B1 (ko) * 2013-12-30 2014-10-22 주식회사 세다스미디어 카세트 병리번호 인식과 슬라이드 자동 출력 방식을 이용한 인공지능 병리번호 매칭 시스템 및 방법
KR101550225B1 (ko) * 2014-04-04 2015-09-07 인하공업전문대학산학협력단 인공지능 병리 번호 인식 시스템 및 방법
KR20200117222A (ko) * 2019-04-03 2020-10-14 서울대학교병원 병리 진단 지원 장치 및 방법
KR20200135092A (ko) * 2019-05-24 2020-12-02 주식회사 필로시스 스캐닝 장치 및 이의 구동방법
KR20210036840A (ko) * 2019-09-26 2021-04-05 주식회사 루닛 인공지능 모델을 사용 기관에 특화시키는 학습 방법, 이를 수행하는 장치

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Abdel Belaid 외, Handwritten and Printed Text Separation in Real Document, arXiv, 2013.03.19., pp.1-4.* *
익명의 저자 외, Label Extraction and AI for Digital Pathology, [online], 2020.04.08., [2022.02.21. 검색], 인터넷: <URL: https://aventior.com/digital-pathology-label-extraction/>* *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116364248B (zh) * 2023-03-15 2023-10-20 北京透彻未来科技有限公司 基于玻片标签自动识别技术的病理图像自动上传匹配方法

Also Published As

Publication number Publication date
WO2023282500A1 (ko) 2023-01-12

Similar Documents

Publication Publication Date Title
CN110569830B (zh) 多语言文本识别方法、装置、计算机设备及存储介质
JP4698289B2 (ja) カメラで取得されたドキュメント用の低解像度のｏｃｒ
CN109409398B (zh) 图像处理装置、图像处理方法以及存储介质
US5764799A (en) OCR method and apparatus using image equivalents
KR101179497B1 (ko) 얼굴 검출 방법 및 장치
JP2020527260A (ja) テキスト検出分析方法、装置及びデバイス
JP6527410B2 (ja) 文字認識装置、文字認識方法、及びプログラム
WO2021042505A1 (zh) 基于文字识别技术的笔记生成方法、装置和计算机设备
US10438083B1 (en) Method and system for processing candidate strings generated by an optical character recognition process
US8571264B2 (en) Method of using structural models for optical recognition
CN111652225A (zh) 基于深度学习的非侵入式摄像读取方法及系统
EP3712850A1 (en) Image processing device, image processing method, and image processing system
US6246793B1 (en) Method and apparatus for transforming an image for classification or pattern recognition
US20210149931A1 (en) Scalable form matching
KR102440919B1 (ko) 슬라이드 스캔 데이터의 자동 레이블링 방법, 장치 및 프로그램
CN112508000B (zh) 一种用于ocr图像识别模型训练数据生成的方法及设备
WO1994010654A9 (en) A method and apparatus for verifying a container code
CN115984859A (zh) 一种图像文字识别的方法、装置及存储介质
CN115690514A (zh) 图像识别方法及相关设备
US11335108B2 (en) System and method to recognise characters from an image
RU2582064C1 (ru) Способы и системы эффективного автоматического распознавания символов с использованием леса решений
CN114116474A (zh) 一种软件校验方法、装置、电子设备及存储介质
RU2777354C2 (ru) Система распознавания изображения: beorg smart vision
JP3090070B2 (ja) 帳票識別方法及び装置
Ning et al. Design of an automated data entry system for hand-filled forms

Legal Events

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