KR102444082B1 - 치매 진단 보조 정보 제공 장치 및 방법 - Google Patents

치매 진단 보조 정보 제공 장치 및 방법 Download PDF

Info

Publication number
KR102444082B1
KR102444082B1 KR1020220023103A KR20220023103A KR102444082B1 KR 102444082 B1 KR102444082 B1 KR 102444082B1 KR 1020220023103 A KR1020220023103 A KR 1020220023103A KR 20220023103 A KR20220023103 A KR 20220023103A KR 102444082 B1 KR102444082 B1 KR 102444082B1
Authority
KR
South Korea
Prior art keywords
standard
group
value
divided
dementia
Prior art date
Application number
KR1020220023103A
Other languages
English (en)
Inventor
이지연
김동현
이민호
김은영
Original Assignee
뉴로핏 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 뉴로핏 주식회사 filed Critical 뉴로핏 주식회사
Priority to KR1020220023103A priority Critical patent/KR102444082B1/ko
Priority to PCT/KR2022/013163 priority patent/WO2023163302A1/ko
Application granted granted Critical
Publication of KR102444082B1 publication Critical patent/KR102444082B1/ko
Priority to JP2022177366A priority patent/JP7477906B2/ja
Priority to US18/054,072 priority patent/US11730368B1/en
Priority to EP22206524.5A priority patent/EP4230144A1/en

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
    • A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/0035—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for acquisition of images from more than one imaging mode, e.g. combining MRI and optical tomography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A61B5/743—Displaying an image simultaneously with additional graphical information, e.g. symbols, charts, function plots
    • 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]
    • A61B6/037—Emission tomography
    • 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
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/501—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of the head, e.g. neuroimaging or craniography
    • 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
    • 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
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A61B6/5235—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from the same or different ionising radiation imaging techniques, e.g. PET and 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
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A61B6/5247—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from an ionising-radiation diagnostic technique and a non-ionising radiation diagnostic technique, e.g. X-ray and ultrasound
    • 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
    • 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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Animal Behavior & Ethology (AREA)
  • Radiology & Medical Imaging (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Neurology (AREA)
  • Optics & Photonics (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Neurosurgery (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Child & Adolescent Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Hospice & Palliative Care (AREA)
  • Fuzzy Systems (AREA)
  • Psychology (AREA)
  • Signal Processing (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Nuclear Medicine (AREA)

Abstract

본 발명의 바람직한 실시예는 치매 진단 보조 정보 제공 장치 및 방법을 제공한다. 본 발명의 바람직한 실시예에 따른 치매 진단 보조 정보 제공 장치 및 방법은, 진단 대상자의 MRI 뇌 영상과 PET 뇌 영상을 입력받고, MRI 뇌 영상을 복수의 영역으로 분할한 후, PET 뇌 영상과 정합한다. 그리고, 정합 영상에서 각 분할 영역의 표준섭취계수율을 구하고, 각 분할 영역별로 진단 대상자의 표준섭취계수율과 사전에 저장된 알츠하이머 피험자 그룹의 표준섭취계수율 평균값 및 정상인 그룹의 표준섭취계수율 평균값과의 근접도를 나타내는 표준값을 구한다. 그 후, 각 분할 영역별로 진단 대상자의 표준섭취계수율의 표준값을 각 대조그룹의 평균값 및 표준편차 범위와 함께 그래프로 표시함과 동시에 다양한 통계 정보를 제시함으로써, 치매 진단에 유용한 다양한 정보를 제공할 수 있고, 궁극적으로는 치매 진단의 정확성을 향상시킬 수 있다.

Description

치매 진단 보조 정보 제공 장치 및 방법{Apparatus and method for providing dementia diagnosis assistance infromation}
본 발명은 치매 진단 보조 정보 제공 장치 및 방법에 관한 것으로서, 보다 구체적으로는 진단 대상자의 뇌 영상에 대해서 표준섭취계수율을 획득하여 치매 진단 보조 정보를 제공하는 치매 진단 보조 정보 제공 장치 및 방법에 관한 것이다.
치매는 후천적으로 기억, 언어, 판단력 등의 여러 영역의 인지 기능이 감소하여 일상생활을 제대로 수행하지 못하는 임상 증후군을 의미한다. 치매에는 알츠하이머병이라 불리는 노인성 치매, 중풍 등으로 인해 생기는 혈관성 치매가 대표적이고, 이 밖에도 다양한 원인에 의한 치매가 있으나, 현재 치매 환자의 50% ~ 70%는 알츠하이머병으로 인한 치매에 해당한다.
알츠하이머병은 20년 전부터 발병하지만 증상이 나타나기 전까지 뇌에 생기는 변화를 쉽게 알아차릴 수 없다. 기억력 상실, 언어장애같이 눈에 띄는 증상이 겉으로 드러나는 시기는 이미 뇌의 변화가 어느 정도 일어난 후이다. 이러한 증상은 사고, 학습, 기억(인지 기능)에 관련되어 있는 뇌의 신경세포가 손상되거나 파괴되었기 때문이다. 질병이 진행될수록 뇌의 다른 뉴런들까지 손상되고 파괴되어 결국 걷기, 음식물 삼킴과 같은 기본적인 신체 활동에 영향을 주게 된다. 따라서, 알츠하이머병의 신속하고 정확한 진단은 매우 중요하다.
이러한 알츠하이머병 및 이로 인한 알츠하이머 치매를 진단하기 위한 방법으로 아밀로이드 페트(PET) 영상을 통한 진단 방법이 있다. 페트(Positron Emission Tomography;PET)는 양전자 방출 단층 촬영으로서, 환자에게 방사선을 방출하는 검사약을 주사하고 그 약이 방출하는 방사선을 외부에서 검출해 몸속을 촬영하는 방법이다. 검사약으로는 아밀로이드 베타에 달라 붙기 쉬운 화합물을 투여함으로써 아밀로이드 베타에만 표지를 붙일 수 있다. 그 결과, 뇌의 어느 부위에 얼마만큼의 아밀로이드 베타가 쌓여 있는지를 영상으로 확인할 수 있고, 축척 부위와 양을 분석하여 알츠하이머병 환자를 감별하는 데 활용하고 있다.
아밀로이드 페트(PET) 영상을 통한 진단 방법은 아밀로이드 표준섭취계수율(SUVR)을 이용하는 방식이 대표적이다. 아밀로이드 표준섭취계수율(SUVR)은 동일한 아밀로이드 페트 영상 내의 2개의 상이한 영역(타겟 및 기준 영역)으로부터의 아밀로이드 침착 정도(SUV: Standardized uptake value)의 비율을 나타내며, 아밀로이드 침착 정도(SUV)는 주입된 방사능의 전신 농도 대비 이미지 방사능 농도의 비율을 나타낼 수 있다.
이러한 아밀로이드 표준섭취계수율(SUVR)은 알츠하이머 병의 진행을 판단하기 위한 주요한 자료로서 이용되고 있다. 예를 들어 페트(PET) 이미지, 인지 검사, 등과 같은 데이터를 수집하고 검증 및 활용하여 연구하는 단체인 ADNI(Alzheimer Disease Neuroimaging Initiative)는 베타 아밀로이드 양성 및 음성을 정량적으로 분류하기 위한 기준으로서, florbetapir 추적자를 기준으로 하여 SUVR 값 약 1.10을 제안하고 있다. 이때, 1.10이라는 값은 55세 미만의 21명의 통제군으로부터 얻은 아밀로이드 표준섭취계수율(SUVR) 분포의 상위 5%에 대한 신뢰 한계값을 나타낸다. 즉, ADNI는 아밀로이드 페트 영상의 분석을 통해 아밀로이드 섭취계수율(SUVR) 1.10을 기준으로 아밀로이드 양성 또는 음성 여부를 판별할 것을 제안한다.
그러나, 종래의 아밀로이드 페트 영상을 이용한 진단 결과로는 아밀로이드 양성 또는 음성 여부만을 파악할 수 있으며, 치매 양성 및 음성을 판정하기 위한 추가적인 정보를 제공하지 못하는 한계가 있다. 또한, 아밀로이드 양성 또는 음성 판단의 경계값 주변에 표준섭취계수율이 분포하는 경우에, 치매 진단을 수행하는 의사들에게 보다 유용한 정보를 제공하지 못하는 한계가 있다.
[선행기술문헌]
[비특허문헌]
경도인지장애와 알츠하이머병 환자의 18F-fludeoxyglucose PET 표준섭취계수율에 대한 체적 및 피질 표면 기반 관심영역 분석(김선직 · 윤의철, 2018.12.31.)(Journal of Biomedical Engineering Research 39: 237-242 (2018))
본 발명이 해결하고자 하는 과제는 PET 영상을 이용하여 치매 진단을 수행함에 있어서, 단순히 표준섭취계수율(SUVR)을 제공하는 것에 그치지 않고, 진단 대상의 표준섭취계수율(SUVR)이 정상인 그룹의 평균값 및 알츠하이머 피험자 그룹의 평균값에 근접한 정도를 함께 나타내는 표준값을 생성하고, 이를 대조그룹과 비교하는 그래프로 표시함으로써 치매 진단에 필요한 다양한 보조 정보를 제공하는 치매 진단 보조 정보 제공 장치 및 방법을 제공하는 것이다.
상술한 과제를 해결하기 위한 본 발명의 바람직한 실시예에 따른, 프로세서 및 소정의 명령어들을 저장하는 메모리를 포함하는 치매 진단 보조 정보 제공 장치에서 수행되는 치매 진단 보조 정보 제공 방법은, (a) 진단 대상자 뇌 영상의 뇌 영역을 사전에 정의된 복수개로 분할한 영역(분할 영역) 각각에 대해서 표준섭취계수율(SUVR)을 계산하는 단계; (b) 상기 각 분할 영역의 표준섭취계수율을 각 분할 영역마다 사전에 정의된 표준 구간에 매핑하여 표준값을 구하는 단계; 및 (c) 각 분할 영역의 표준값을, 각 분할 영역에 대한 대조그룹의 평균 표준값에 대한 통계 정보와 함께 출력하는 단계를 포함한다.
또한, 본 발명의 다른 일 실시예에서, 상기 (a) 단계는, (a1) 진단 대상자의 MRI 영상에 포함된 뇌 영역을 사전에 정의된 복수개의 분할 영역으로 분할하고, 상기 진단 대상자의 PET 영상과 정합하는 단계; 및 (a2) 상기 정합된 영상 중 상기 분할된 영역 각각에 대해서 표준섭취계수율(SUVR)을 생성하는 단계를 포함할 수 있다.
또한, 본 발명의 다른 일 실시예에서, 상기 표준값은 상기 표준섭취계수율이 알츠하이머 피험자 그룹의 표준섭취계수율 평균값 및 정상인 그룹의 표준섭취계수율 평균값과의 근접 정도를 나타낼 수 있다.
또한, 본 발명의 다른 일 실시예에서, 상기 표준 구간은 상기 복수의 분할 영역들 각각에 대응되는 영역들에 대한 알츠하이머 피험자 그룹의 표준섭취계수율 평균값과 정상인 그룹의 표준섭취계수율 평균값을, 일정한 간격의 양단으로 설정한 것일 수 있다.
또한, 본 발명의 다른 일 실시예에서, 상기 표준 구간은 정상인 그룹의 표준섭취계수율 평균값을 상기 변환식에 따라서 0에 대응되도록 변환하고, 알츠하이머 피험자 그룹의 표준섭취계수율 평균값을 소정의 변환식에 따라서 0보다 큰 소정수에 대응되도록 변환하여 생성된 구간이고, 상기 표준값은 상기 표준섭취계수율을 상기 변환식에 따라서 변환하여 구하는 것일 수 있다.
또한, 본 발명의 다른 일 실시예에서, 상기 변환식은
Figure 112022019862846-pat00001
로 정의되고, 상기 A 는 알츠하이머 피험자 그룹의 표준섭취계수율 평균값을 나타내고, 상기 B 는 정상인 그룹의 표준섭취계수율 평균값을 나타내며, x는 변환 대상 파라미터를 나타내는 것일 수 있다.
또한, 본 발명의 다른 일 실시예에서, 상기 (c) 단계는, 각 분할 영역에 대해서, 대조그룹의 평균 표준값으로부터 사전에 정의된 값만큼 크고, 사전에 정의된 값만큼 작은 한 쌍의 값들과 상기 표준값을 함께 그래프로 출력할 수 있다.
또한, 본 발명의 다른 일 실시예에서, 상기 (c) 단계는, 각 분할 영역에 대해서, 대조그룹의 평균 표준값으로부터 표준편차 만큼 차이나는 한 쌍의 값들과 상기 표준값을 함께 출력할 수 있다.
또한, 본 발명의 다른 일 실시예에서, 상기 대조그룹은 알츠하이머 환자 그룹, 경도 인지 장애 그룹, 정상인 노화 그룹 및 정상인 그룹 중 적어도 하나를 포함할 수 있다.
또한, 본 발명의 다른 일 실시예에서, 상기 (c) 단계는, 상기 표준값이 상기 대조그룹의 한 쌍의 값들 사이에 위치하는 분할 영역의 비율 또는 상기 표준값이 상기 대조그룹의 한 쌍의 값들을 벗어나는 분할 영역의 비율을 함께 표시할 수 있다.
또한, 본 발명의 다른 일 실시예에서, 상기 (c) 단계는, 상기 표준값이 상기 대조그룹의 한 쌍의 값들 사이에 위치하는 분할 영역의 비율이 사전에 정의된 임계치 이상인 경우에는 상기 진단 대상자가 해당 대조그룹에 속하는 것으로 추정하고, 추정 결과를 함께 출력할 수 있다.
또한, 본 발명의 다른 일 실시예에서, 상기 (c) 단계는, 상기 분할 영역들에 대해서 상기 표준값을 연결한 그래프와 대조그룹의 평균 표준값을 연결한 그래프의 일치도를 함께 출력할 수 있다.
한편, 상술한 과제를 해결하기 위한 본 발명의 바람직한 실시예에 따른 컴퓨터 프로그램은, 비일시적 저장매체에 저장되고, 프로세서를 포함하는 컴퓨터에서 실행되어, 상기한 치매 진단 보조 정보 제공 방법을 수행한다.
한편, 상술한 과제를 해결하기 위한 본 발명의 바람직한 실시예에 따른 치매 진단 보조 정보 제공 장치는, 프로세서 및 소정의 명령어들을 저장하는 메모리를 포함하는 치매 진단 보조 정보 제공 장치로서, 상기 메모리에 저장된 명령어들을 실행한 상기 프로세서는 (a) 진단 대상자 뇌 영상의 뇌 영역을 사전에 정의된 복수개로 분할한 영역(분할 영역) 각각에 대해서 표준섭취계수율(SUVR)을 계산하는 단계; (b) 상기 각 분할 영역의 표준섭취계수율을 각 분할 영역마다 사전에 정의된 표준 구간에 매핑하여 표준값을 구하는 단계; 및 (c) 각 분할 영역의 표준값을, 각 분할 영역에 대한 대조그룹의 평균 표준값에 대한 통계 정보와 함께 출력하는 단계;를 수행한다.
또한, 본 발명의 다른 일 실시예에 따른 치매 진단 보조 정보 제공 장치가 수행하는 상기 (a) 단계는, (a1) 진단 대상자의 MRI 영상에 포함된 뇌 영역을 사전에 정의된 복수개의 분할 영역으로 분할하고, 상기 진단 대상자의 PET 영상과 정합하는 단계; 및 (a2) 상기 정합된 영상 중 상기 분할된 영역 각각에 대해서 표준섭취계수율(SUVR)을 생성하는 단계를 포함할 수 있다.
또한, 본 발명의 다른 일 실시예에 따른 치매 진단 보조 정보 제공 장치에서, 상기 표준값은 상기 표준섭취계수율이 알츠하이머 피험자 그룹의 표준섭취계수율 평균값 및 정상인 그룹의 표준섭취계수율 평균값과의 근접 정도를 나타낼 수 있다.
또한, 본 발명의 다른 일 실시예에 따른 치매 진단 보조 정보 제공 장치에서, 상기 표준 구간은 상기 복수의 분할 영역들 각각에 대응되는 영역들에 대한 알츠하이머 피험자 그룹의 표준섭취계수율 평균값과 정상인 그룹의 표준섭취계수율 평균값을, 일정한 간격의 양단으로 설정한 것일 수 있다.
또한, 본 발명의 다른 일 실시예에 따른 치매 진단 보조 정보 제공 장치에서, 상기 표준 구간은 정상인 그룹의 표준섭취계수율 평균값을 상기 변환식에 따라서 0에 대응되도록 변환하고, 알츠하이머 피험자 그룹의 표준섭취계수율 평균값을 소정의 변환식에 따라서 0보다 큰 소정수에 대응되도록 변환하여 생성된 구간이고, 상기 표준값은 상기 표준섭취계수율을 상기 변환식에 따라서 변환하여 구하는 것일 수 있다.
또한, 본 발명의 다른 일 실시예에 따른 치매 진단 보조 정보 제공 장치에서, 상기 변환식은
Figure 112022019862846-pat00002
로 정의되고, 상기 A 는 알츠하이머 피험자 그룹의 표준섭취계수율 평균값을 나타내고, 상기 B 는 정상인 그룹의 표준섭취계수율 평균값을 나타내며, x는 변환 대상 파라미터를 나타내는 것일 수 있다.
또한, 본 발명의 다른 일 실시예에 따른 치매 진단 보조 정보 제공 장치가 수행하는 상기 (c) 단계는, 각 분할 영역에 대해서, 대조그룹의 평균 표준값으로부터 사전에 정의된 값만큼 크고, 사전에 정의된 값만큼 작은 한 쌍의 값들과 상기 표준값을 함께 그래프로 출력할 수 있다.
또한, 본 발명의 다른 일 실시예에 따른 치매 진단 보조 정보 제공 장치가 수행하는 상기 (c) 단계는, 각 분할 영역에 대해서, 대조그룹의 평균 표준값으로부터 표준편차 만큼 차이나는 한 쌍의 값들과 상기 표준값을 함께 출력할 수 있다.
또한, 본 발명의 다른 일 실시예에 따른 치매 진단 보조 정보 제공 장치에서, 상기 대조그룹은 알츠하이머 환자 그룹, 경도 인지 장애 그룹, 정상인 노화 그룹 및 정상인 그룹 중 적어도 하나를 포함할 수 있다.
또한, 본 발명의 다른 일 실시예에 따른 치매 진단 보조 정보 제공 장치가 수행하는 상기 (c) 단계는, 상기 표준값이 상기 대조그룹의 한 쌍의 값들 사이에 위치하는 분할 영역의 비율 또는 상기 표준값이 상기 대조그룹의 한 쌍의 값들을 벗어나는 분할 영역의 비율을 함께 표시할 수 있다.
또한, 본 발명의 다른 일 실시예에 따른 치매 진단 보조 정보 제공 장치가 수행하는 상기 (c) 단계는, 상기 표준값이 상기 대조그룹의 한 쌍의 값들 사이에 위치하는 분할 영역의 비율이 사전에 정의된 임계치 이상인 경우에는 상기 진단 대상자가 해당 대조그룹에 속하는 것으로 추정하고, 추정 결과를 함께 출력할 수 있다.
또한, 본 발명의 다른 일 실시예에 따른 치매 진단 보조 정보 제공 장치가 수행하는 상기 (c) 단계는, 상기 분할 영역들에 대해서 상기 표준값을 연결한 그래프와 대조그룹의 평균 표준값을 연결한 그래프의 일치도를 함께 출력할 수 있다.
본 발명의 바람직한 실시예에 따른 치매 진단 보조 정보 제공 장치 및 방법은, 진단 대상자의 MRI 뇌 영상과 PET 뇌 영상을 입력받고, MRI 뇌 영상을 복수의 영역으로 분할한 후, PET 뇌 영상과 정합한다. 그리고, 정합 영상에서 각 분할 영역의 표준섭취계수율을 구하고, 각 분할 영역별로 진단 대상자의 표준섭취계수율과 사전에 저장된 알츠하이머 피험자 그룹의 표준섭취계수율 평균값 및 정상인 그룹의 표준섭취계수율 평균값과의 근접도를 나타내는 표준값을 구한다. 그 후, 각 분할 영역별로 진단 대상자의 표준섭취계수율의 표준값을 각 대조그룹의 평균값 및 표준편차 범위와 함께 그래프로 표시함과 동시에 다양한 통계 정보를 제시함으로써, 치매 진단에 유용한 다양한 정보를 제공할 수 있고, 궁극적으로는 치매 진단의 정확성을 향상시킬 수 있다.
특히, 본 발명은 진단 대상자의 표준섭취계수율 표준값들이 알츠하이머 피험자 그룹의 표준 편차 범위내에 포함되면, 진단 대상자가 알츠하이머성 치매에 해당한다는 것을 높은 확률로 진단하여 제공할 수 있고, 진단 대상자의 표준섭취계수율 표준값들이 알츠하이머 피험자 그룹의 표준 편차 범위내에 포함되지 않으면, 진단 대상자가 알츠하이머성 치매에 해당하지 않지만 혈관성 치매 또는 루이소체 치매 등과 같은 다른 요인으로 인한 치매에 해당할 수 있다는 정보를 제공함으로써, 의료진들로 하여금 적절한 치료 계획 및 치료 방법을 선정하도록 할 수 있다.
도 1은 본 발명의 바람직한 실시예에 따른 치매 진단 보조 정보 제공 장치를 도시하는 도면이다.
도 2는 본 발명의 메모리에 저장되는 알츠하이머 그룹 데이터, 정상인 그룹 데이터, 정상인 노화 그룹 데이터 및 경도 인지 장애 그룹 데이터의 일 예를 표로 도시한 도면이다.
도 3은 본 발명의 바람직한 실시예에 따른 치매 진단 보조 정보 제공 방법을 설명하는 흐름도이다.
도 4는 치매 진단 보조 정보 제공 장치로 입력되는 MRI 뇌 영상 및 PET 뇌 영상의 일 예를 도시하는 도면이다.
도 5는 본 발명의 바람직한 실시예에 따른 뇌 영상의 분할 영역의 일 예를 도시하는 도면이다.
도 6은 본 발명의 바람직한 실시예에 따른 정합 영상의 일 예?? 도시하는 도면이다.
도 7은 본 발명의 바람직한 실시예에 따라서 알츠하이머 피험자 그룹과 정상인 그룹의 각 영역별 표준섭취계수율 평균값으로부터 구해진 표준 구간과 이에 따라서 맵핑된 진단 대상자의 영역별 표준값을 설명하는 도면이다.
도 8은 본 발명의 바람직한 실시예에 따라서 출력되는 치매 진단 보조 정보의 일 예를 도시하는 도면이다.
도 9는 본 발명의 바람직한 실시예에 따라서 알츠하이머 그룹, 정상인 그룹, 경도 인지 장애 그룹, 및 정상인 노화 그룹의 각 분할 영역별 SUVR 평균값을 구하여 메모리에 저장하는 과정을 설명하는 흐름도이다.
이하, 도면을 참고하여 본 발명의 바람직한 실시예를 설명한다.
여기서, 본 발명의 상술한 목적, 특징들 및 장점은 첨부된 도면과 관련된 다 음의 상세한 설명을 통해 보다 분명해질 것이다. 다만, 본 발명은 다양한 변경을 가할 수 있고 여러가지 실시예들을 가질 수 있는 바, 이하에서는 특정 실시예들을 도면에 예시하고 이를 상세히 설명하고자 한다.
명세서 전체에 걸쳐서 동일한 참조번호들은 원칙적으로 동일한 구성요소들을 나타낸다. 또한, 각 실시예의 도면에 나타나는 동일한 사상의 범위 내의 기능이 동일한 구성요소는 동일한 참조부호를 사용하여 설명한다.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
본 발명과 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 본 명세서의 설명 과정에서 이용되는 숫자(예를 들어, 제 1, 제 2 등)는 하나의 구성요소를 다른 구성요소와 구분하기 위한 식별기호에 불과하다.
도 1은 본 발명의 바람직한 실시예에 따른 치매 진단 보조 정보 제공 장치(200)를 도시하는 도면이다.
도 1을 참고하면, 본 발명의 일 실시예에 따른 치매 진단 보조 정보 제공 장치(200)는 제 1 영상 획득 장치(110) 및 제 2 영상 획득 장치(120)와 유선 또는 무선 통신망을 통해서 연결되고, 제 1 영상 획득 장치(110) 및 제 2 영상 획득 장치(120)로부터 각각 MRI 영상 및 PET 영상을 수신한다.
본 발명의 바람직한 실시예에서, 제 1 영상 획득 장치(110)는 진단 대상자의 뇌 영역을 촬영하여 MRI 뇌 영상을 출력하는 MRI 영상 촬영 장치로 구현되고, 제 2 영상 획득 장치(120)는 진단 대상자의 뇌 영역을 촬영하여 PET 뇌 영상을 출력하는 PET 영상 촬영 장치로 구현되며, 치매 진단 보조 정보 제공 장치(200)는 MRI 뇌 영상과 PET 뇌 영상을 촬영과 동시에 실시간으로 수신할 수 있다.
또한, 제 1 영상 획득 장치(110) 및 제 2 영상 획득 장치(120)는 MRI 뇌 영상과 PET 뇌 영상을 촬영하여 내부에 저장하고, 치매 진단 보조 정보 제공 장치(200)가 진단 대상자의 MRI 뇌 영상 및 PET 뇌 영상을 각각 요청하면, 제 1 영상 획득 장치(110) 및 제 2 영상 획득 장치(120)가 치매 진단 보조 정보 제공 장치(200)로 진단 대상자의 MRI 뇌 영상 및 PET 뇌 영상을 제공할 수도 있다.
또한, 제 1 영상 획득 장치(110) 및 제 2 영상 획득 장치(120)는 사전에 생성된 다수의 진단 대상자의 MRI 뇌 영상과 PET 뇌 영상을 저장하는 데이터 베이스 서버 등으로 구현될 수도 있다.
여기서, MRI 뇌 영상은 T1 weighted MRI 영상인 것이 바람직하지만 이에 한정되는 것은 아니고, PET 뇌 영상은 아밀로이드 PET 영상일 수도 있고, 타우(Tau) PET 영상일 수도 있다.
또한, 본 발명의 바람직한 실시예에 따른 치매 진단 보조 정보 제공 장치(200)는 프로세서(240), 메모리(230), 입력부(210) 및 출력부(220)를 포함한다.
한편, 본 발명의 바람직한 실시예에 따른 메모리(230)는 프로세서(240)에 의해 실행 가능한 명령어들, 및 프로세서(240)에 의해 실행되는 프로그램들을 저장할 수 있고, 입/출력되는 데이터들을 저장할 수도 있다. 메모리(230)는 인터넷(internet)상에서 저장 매체의 기능을 수행하는 웹 스토리지(web storage) 또는 클라우드 서버로 대체 운영될 수도 있다.
본 발명의 메모리(230)를 그 내부에 저장되는 데이터에 따라서 개념적으로 구획하면, 메모리(230)는 프로그램 저장부(233), 알츠하이머 그룹 데이터 저장부(231), 정상인 그룹 데이터 저장부(232), 영역 분할 알고리즘(234), 경도 인지 장애 그룹 데이터 저장부(235), 연산데이터 저장부(236), 및 정상인 노화 그룹 데이터 저장부(237)를 포함한다.
프로그램 저장부(233)는 프로세서(240)에 로딩되어, 도 3을 참조하여 후술하는 치매 진단 보조 정보 제공 방법을 수행하는 명령어들을 포함하는 프로그램을 저장한다.
알츠하이머 그룹 데이터 저장부(231)는 사전에 준비된 알츠하이머 그룹에 속하는 구성원들의 MRI 뇌 영상 및 PET 뇌 영상을 정합한 정합 영상을 저장하고, 정합 영상을 사전에 정의된 수의 영역들로 분할한 영상과 각 분할 영역에 대해서 생성된 SUVR 데이터를 저장할 수 있다. 또한, 알츠하이머 그룹 데이터 저장부(231)는 상기 분할된 각 뇌 영역별로, 알츠하이머 피험자 그룹 전체 구성원의 해당 영역의 SUVR의 평균값을 계산하여 저장할 수 있다.
도 2는 본 발명의 메모리에 저장되는 알츠하이머 그룹 데이터, 정상인 그룹 데이터, 정상인 노화 그룹 데이터 및 경도 인지 장애 그룹 데이터의 일 예를 표로 도시한 도면이다.
도 2에 도시된 바와 같이, 알츠하이머 그룹에는 M명(A1~AM)의 구성원에 대한 데이터가 저장되고, 각 구성원에 대해서, N개로 분할된 구성원의 뇌 영상 영역(R1~RN)에 대한 N 개의 SUVR 값(VA1R1~VA1RN,,,,VAMR1~VAMRN)이 저장되어 있다. 또한, 각 영역별로 각 구성원들의 해당 영역의 SUVR 평균값(AVAR1~AVARN) 및 표준 편차(σAR1 ~σARN)가 저장되어 있다. 따라서, 알츠하이머 그룹 데이터 저장부(231)에는 분할 영역 수에 해당하는, N개의 각 영역별 SUVR 평균값(AVAR1~AVARN) 및 표준 편차(σAR1 ~σARN)가 저장되어 있다.
본 발명의 바람직한 실시예에서는, 사전에 정의된 브레인 맵에 따라서 뇌 영상 영역이 97개의 영역들로 분할되고, 알츠하이머 그룹 데이터 저장부(231)에는 97개의 각 영역의 SUVR 평균값 및 표준 편차가 저장되어 있으나, 영역의 개수가 97개에 한정되는 것은 아니다.
또한, 본 발명의 치매 진단 보조 정보 제공 과정에서는 각 영역별 SUVR 평균값 및 표준 편차만이 이용되므로, 알츠하이머 그룹 데이터 저장부(231)는 알츠하이머 구성원들의 뇌 영상들은 저장하지 않고, 사전에 정의된 수의 분할 영역들의 SUVR 평균값(AVAR1~AVARN) 및 표준 편차(σAR1 ~σARN)만 저장할 수도 있다.
한편, 정상인 그룹 데이터 저장부(232)는 알츠하이머 그룹 데이터와 동일한 방식으로, 도 2에 도시된 바와 같이, 정상인 그룹에 속한 구성원들의 MRI 뇌 영상 및 PET 뇌 영상을 정합한 정합 영상 및 정합 영상을 사전에 정의된 수의 영역들로 분할한 영상을 저장할 수 있다. 또한, 정상인 그룹 데이터 저장부(232)는 전체 정상인 구성원(B1~BM)의 각 분할 영역(R1~RN)에 대해서 계산된 SUVR값(VB1R1~VB1RN,,,,VBMR1~VBMRN)을 저장할 수 있고, 분할된 각 뇌 영역별로, 정상인 그룹 전체 구성원의 해당 영역의 SUVR의 평균값(AVBR1~AVBRN) 및 표준 편차(σBR1 ~σBRN)를 저장할 수 있다.
본 발명의 바람직한 실시예에서, 알츠하이머 그룹과 마찬가지로, 정상인 그룹에 대해서도, 사전에 정의된 브레인 맵에 따라서 뇌 영상 영역이 97개의 영역들로 분할되고, 97개의 각 영역의 SUVR 평균값 및 표준 편차가 저장되어 있으나, 분할 영역의 수가 97개에 한정되는 것은 아니다. 또한, 정상인 그룹 데이터 저장부(232)는 정상인 구성원들의 뇌 영상들은 저장하지 않고, 사전에 정의된 수의 분할 영역들의 SUVR 평균값(AVBR1~AVBRN) 및 표준 편차(σBR1 ~σBRN)만 저장할 수도 있다.
마찬가지로, 경도 인지 장애 그룹 데이터 저장부(235)는 정상인 그룹 데이터와 동일한 방식으로, 도 2에 도시된 바와 같이, 경도 인지 장애 그룹에 속한 구성원들의 MRI 뇌 영상 및 PET 뇌 영상을 정합한 정합 영상 및 정합 영상을 사전에 정의된 수의 영역들로 분할한 영상을 저장할 수 있다. 또한, 경도 인지 장애 그룹 데이터 저장부(235)는 전체 경도 인지 장애 구성원(C1~CM)의 각 분할 영역(R1~RN)에 대해서 계산된 SUVR값(VC1R1~VC1RN,,,,VCMR1~VCMRN)을 저장할 수 있고, 분할된 각 뇌 영역별로, 경도 인지 장애 그룹 전체 구성원의 해당 영역의 SUVR의 평균값(AVCR1~AVCRN) 및 표준 편차(σCR1 ~σCRN)를 저장할 수 있다.
본 발명의 바람직한 실시예에서, 알츠하이머 그룹 및 정상인 그룹과 마찬가지로, 경도 인지 장애 그룹에 대해서도, 사전에 정의된 브레인 맵에 따라서 뇌 영상 영역이 97개의 영역들로 분할되고, 97개의 각 영역의 SUVR 평균값 및 표준편차가 저장되어 있으나, 분할 영역의 수가 97개에 한정되는 것은 아니다. 또한, 경도 인지 장애 그룹 데이터 저장부(235)는 경도 인지 장애 구성원들의 뇌 영상들은 저장하지 않고, 사전에 정의된 수의 분할 영역들의 SUVR 평균값(AVCR1~AVCRN) 및 표준 편차(σCR1 ~σCRN)만 저장할 수도 있다.
마찬가지로, 정상인 노화 그룹 데이터 저장부(237)는 사전에 정의된 연령 범위의 노인들 중에서 정상 판정을 받은 노인들의 데이이터를 저장한다. 정상인 노화 그룹 데이터 저장부(237)는 정상인 그룹 데이터와 동일한 방식으로, 도 2에 도시된 바와 같이, 정상인 노화 그룹에 속한 구성원들의 MRI 뇌 영상 및 PET 뇌 영상을 정합한 정합 영상 및 정합 영상을 사전에 정의된 수의 영역들로 분할한 영상을 저장할 수 있다.
또한, 정상인 노화 그룹 데이터 저장부(237)는 전체 정상인 노화 그룹 구성원(D1~DM)의 각 분할 영역(R1~RN)에 대해서 계산된 SUVR값(VD1R1~VD1RN,,,,VDMR1~VDMRN)을 저장할 수 있고, 분할된 각 뇌 영역별로, 정상인 노화 그룹 전체 구성원의 해당 영역의 SUVR의 평균값(AVDR1~AVDRN) 및 표준 편차(σDR1 ~σDRN)를 저장할 수 있다.
본 발명의 바람직한 실시예에서, 알츠하이머 그룹, 정상인 그룹 및 경도 인지 장애 그룹과 마찬가지로, 정상인 노화 그룹에 대해서도, 사전에 정의된 브레인 맵에 따라서 뇌 영상 영역이 97개의 영역들로 분할되고, 97개의 각 영역의 SUVR 평균값 및 표준편차가 저장되어 있으나, 분할 영역의 수가 97개에 한정되는 것은 아니다. 또한, 정상인 노화 그룹 데이터 저장부(237)는 정상인 노화 그룹 구성원들의 뇌 영상들은 저장하지 않고, 사전에 정의된 수의 분할 영역들의 SUVR 평균값(AVDR1~AVDRN) 및 표준 편차(σDR1 ~σDRN)만 저장할 수도 있다.
영역 분할 알고리즘(234)은 딥러닝 방식으로 학습되어, MRI 뇌 영상을 사전에 정의된 개수의 분할 영역들로 분할하도록 학습된 알고리즘으로서 저장된다.
한편, 치매 진단 보조 정보 제공 장치(200)의 입력부(210)는 마우스 및 키보드와 같은 전형적인 입력 수단으로 구현되어, 사용자로부터 설정 정보 및 선택 정보 등을 입력받아 프로세서(240)로 출력할 수 있다. 또한, 입력부(210)는 내부에 통신 모듈(미도시 됨)을 구비하여, 유선 또는 무선 통신망을 통해서, 제 1 영상 획득 장치(110) 및 제 2 영상 획득 장치(120)로부터 MRI 뇌 영상 및 PET 뇌 영상을 수신할 수 있다.
출력부(220)는 모니터 및 프린터와 같은 전형적인 출력수단으로 구현되어 프로세서(240)에서 생성한 데이터 및 치매 진단 보조 정보를 사용자에게 표시할 수 있다.
본 발명의 바람직한 실시예에 따른 프로세서(240)는 메모리(230)에 저장된 명령어들을 실행함으로써, 도 3을 참조하여 후술하는 치매 진단 보조 정보 제공 방법의 각 단계를 수행한다.
도 3은 본 발명의 바람직한 실시예에 따른 치매 진단 보조 정보 제공 방법을 설명하는 흐름도이다. 도 3을 더 참조하여, 본 발명 프로세서(240)의 처리 동작과, 본 발명의 바람직한 실시예에 따라서 프로세서(240)의 의해서 수행되는 치매 진단 보조 정보 제공 방법을 설명한다.
먼저, 본 발명의 메모리(230)에는 상술한 바와 같이, 알츠하이머 그룹, 정상인 그룹, 및 경도 인지 장애 그룹의 뇌 영역별 SUVR 데이터가 저장되어 있다(S310). 메모리(230)에 저장된 알츠하이머 그룹, 정상인 그룹 및 경도 인지 장애 그룹의 뇌 영역별 SUVR 데이터의 일 예는, 도 2를 참조하여 상술한 바와 같다. 제 S310 단계의 세부적인 구성에 대해서는, 도 9를 참조하여 후술한다.
그 후, 치매 진단 보조 정보 제공 장치(200)의 프로세서(240)는 치매 진단 대상자의 MRI 뇌 영상 및 PET 뇌 영상을 입력받아, 뇌 영상의 뇌 영역을 사전에 정의된 복수개의 영역으로 분할하고, 분할 영역 각각에 대해서 SUVR을 생성한다(S320).
제 S320 단계를 보다 구체적으로 설명하면, 도 4의 (a) 및 (b)에 도시된 바와 같이, 프로세서(240)는 제 1 영상 획득 장치(110)로부터 진단 대상자의 MRI 뇌 영상을 입력받고, 제 2 영상 획득 장치(120)로부터 진단 대상자의 PET 뇌 영상을 입력받는다(S321). 이 때, MRI 뇌 영상은 T1 weighted MRI 뇌 영상인 것이 바람직하고, PET 뇌 영상은 필요에 따라서 아밀로이드 PET 영상일 수도 있고, 타우 PET 영상일 수도 있다.
프로세서(240)는 메모리(230)에 저장된 딥러닝 기반의 영역 분할 알고리즘을 이용하여, MRI 뇌 영상을 사전에 정의된 복수의 영역(도 5 참조)으로 분할한다(S323). 상술한 바와 같이, 본 발명의 바람직한 실시예에서, 프로세서(240)는 MRI 뇌 영상을 브레인 맵에 따라서 97개의 관심 영역으로 분할하였으나, 분할 방식과 분할 영역의 개수가 이에 한정되는 것은 아니다.
그 후, 프로세서(240)는 MRI 뇌 영상과 PET 뇌 영상을 강체 변환(Rigid transform)을 통하여, 두 영상이 같은 공간에 위치하도록 영상 정합을 수행한다(S325). 도 6은 MRI 뇌 영상과 PET 뇌 영상이 정합된 영상의 일 예를 도시한다. 도 6에 도시된 바와 같이, 프로세서(240)는, 정합된 영상에서, MRI 뇌 영상의 분할 영역을 통해서, PET 뇌 영상에서 분할 영역에 대응되는 영역들을 확인할 수 있다.
프로세서(240)는 각 분할 영역별로 표준섭취계수율(Standardized Uptake Value Ratio, SUVR)을 생성한다(S327).
표준섭취계수율(SUVR)은 동일한 아밀로이드(또는 타우) PET 영상 내의 2개의 상이한 영역(타겟 및 기준 영역)으로부터의 아밀로이드(또는 타우) 침착 정도(SUV: Standardized uptake value)의 비율을 나타내며, 아밀로이드(또는 타우) 침착 정도(SUV)는 주입된 방사능의 전신 농도 대비 이미지 방사능 농도의 비율을 나타낼 수 있다. 표준섭취계수율(SUVR)을 구하는 방식은 본 발명의 기술 분야에 공지된 기술이므로 구체적인 설명은 생략한다.
제 S327 단계에서, 각 분할 영역(R1~RN)별로 진단 대상자(Subject)의 표준 섭취 계수율(SUVR)이 구해지면, 분할 영역(R1~RN)별 표준 섭취 계수율(VSR1~VSRN)은 메모리(230)에 저장된다.
다음으로, 프로세서(240)는 진단 대상자의 각 분할 영역별 표준 섭취 계수율(VSR1~VSRN)을 각 분할 영역별 표준 구간에 매핑하여 표준값을 생성한다(S330).
여기서, 표준값은 진단 대상자의 각 분할 영역별 표준섭취계수율이 알츠하이머 피험자 그룹의 표준섭취계수율 평균값 및 정상인 그룹의 표준섭취계수율 평균값과의 근접 정도를 나타내는 것이다.
또한, 진단 대상자의 각 영역별 표준섭취계수율이 맵핑될 표준 구간은, 복수의 분할 영역들 각각에 대한 알츠하이머 피험자 그룹의 표준섭취계수율 평균값과 정상인 그룹의 표준섭취계수율 평균값을, 일정한 간격의 양단으로 설정한 것이다.
본 발명의 바람직한 실시예에서, 표준 구간은 알츠하이머 피험자 그룹의 표준섭취계수율 평균값을 소정의 변환식에 따라서 100에 대응되도록 변환하고, 정상인 그룹의 표준섭취계수율 평균값을 상기 변환식에 따라서 0에 대응되도록 변환하여 생성된 구간이고, 진단 대상자의 각 영역별 표준섭취계수율의 표준값은 동일한 변환식에 따라서 변환하여 구해진 값이다. 이 때, 변환식은 아래의 수학식 1과 같이 정의될 수 있다.
Figure 112022019862846-pat00003
상기 수학식 1에서, A 는 알츠하이머 피험자 그룹의 표준섭취계수율 평균값을 나타내고, B 는 정상인 그룹의 표준섭취계수율 평균값을 나타내며, x는 변환 대상 파라미터인 진단 대상자의 SUVR을 나타낸다.
도 7은 본 발명의 바람직한 실시예에 따라서 알츠하이머 피험자 그룹과 정상인 그룹의 각 영역별 표준섭취계수율 평균값으로부터 구해진 표준 구간과 이에 따라서 맵핑된 진단 대상자의 영역별 표준값을 설명하는 도면이다.
도 7을 참조하면, 제 1 분할 영역(R1)의 알츠하이머 피험자 그룹의 평균값(AVAR1)은 2.0이고, 정상인 그룹의 평균값(AVBR1)은 0.6이며, 진단 대상자의 SUVR은 1.1이라고 가정하면, 분할 영역 R1 의 표준 구간에서, 정상인 그룹의 평균값(AVBR1) 0.6이 0에 대응되고, 알츠하이머 피험자 그룹의 평균값(AVAR1) 2.0이 100에 대응되며, 진단 대상자의 SUVR 1.1이 상기한 수학식 1에 따라서 35.7로 대응된다.
상기한 예에서, PET 양성 및 음성을 판단하는 기준값이 1.1이라고 가정하면, 진단 대상자의 분할 영역 R1 의 SUVR은 1.1로 PET 양성 및 음성을 판단하는 경계선에 있으나, 표준 구간으로 변환하면, 표준값이 50을 넘지 않아, 정상인 그룹에 더 가까우므로, PET 양성 및 음성을 판단함에 있어서 유용한 정보를 제공할 수 있게된다.
동일한 방식으로, 프로세서(240)는 나머지 분할 영역들(R2~RN) 각각에 대해서도 정상인 그룹의 평균값을 0으로 변환하고, 알츠하이머 피험자 그룹의 평균값을 100으로 변환하여 표준 구간을 생성하고, 치매 진단 대상자의 SUVR을 동일한 방식으로 변환하여 표준 구간에 맵핑되는 표준값을 생성한다.
상기한 예에서, 표준 구간을 0~100으로 설정하였으나, 실시예에 따라서는, 상기한 수학식 1을 변형하여, 알츠하이머 그룹의 SUVR 평균값을 1로 변환하도록 함으로써, 표준 구간을 0~1로 설정할 수도 있다.
한편, 프로세서(240)는 진단 대상자의 각 분할 영역별 표준섭취계수율의 표준값이 생성되면, 진단 대상자의 각 분할 영역의 표준값을, 각 분할 영역에 대한 대조그룹의 평균 표준값에 대한 통계 정보와 함께 치매 진단 보조 정보로서 출력한다(S340).
여기서, 대조 그룹은 메모리(230)에 저장된 알츠하이머 피험자 그룹, 정상인 그룹, 정상인 노화 그룹 및 경도 인지 장애 그룹을 포함할 수 있다. 또한, 대조 그룹의 평균 표준값에 대한 통계 정보는 해당 분할 영역의 대조 그룹의 평균값을 상기한 수학식 1에 따라서 변환한 표준값과 이에 대응되는 표준 편차를 포함할 수 있다.
도 8은 본 발명의 바람직한 실시예에 따라서 제 S340 단계에서 출력되는 치매 진단 보조 정보의 일 예를 도시하는 도면이다.
도 8을 참조하여 보다 구체적인 예를 설명하면, 프로세서(240)는 도 8에 도시된 바와 같이, 대조그룹의 평균 표준값으로부터 사전에 정의된 값만큼 크고, 사전에 정의된 값만큼 작은 한 쌍의 값들과, 상기 치매 진단 대상자의 표준값을 함께 그래프로 출력할 수 있는데, 이 때, 사전에 정의된 값은 표준 편차일 수 있다. 참고로, 도 8에 도시된 예에서는 설명의 편의를 위하여 6개의 분할 영역만을 표시하였다.
도 8에 도시된 예에서, (a)는 알츠하이머 그룹의 각 분할 영역별 평균 표준값과 표준 편차를 나타내는 동시에, 치매 진단 대상자의 각 분할 영역별 표준값을 나타낸다. 도 8의 (a)에서 알츠하이머 그룹의 평균값의 표준값(평균 표준값)은 상기한 수학식 1에 따라서, 그 값이 100으로 일정한 수평선(801c) 위에 위치하고, 이를 연결하면 값이 100인 수평선이 된다. 이 때, 각 영역별 표준 편차는 차이가 있으므로, 100을 중심으로 서로 대응되도록 배치되고, 각 분할 영역들의 값을 연결하면 2개의 표준 편차 그래프(801a,801b)가 그려진다.
여기에, 분할 영역별 치매 진단 대상자의 SUVR 표준값에 대응되는 점을 찍고, 이들을 연결하면, 꺽은선 그래프(800)가 함께 표시된다.
만약, 치매 진단 대상자의 SUVR 표준값 그래프가, 모든 분할 영역에서, 알츠하이머 피험자 그룹의 표준 편차 그래프(801a,801b) 내부에 위치하는 경우에, 치매 진단 대상자의 SUVR 특성이 알츠하이머 피험자들과 동일한 패턴을 나타내므로, 치매 진단 대상자가 치매에 해당할 가능성을 높게 판단할 수 있고, 진단 대상자에 알츠하이머성 치매에 해당한다는 진단 결과를 출력할 수 있다.
그러나, 치매 진단 대상자의 SUVR 표준값 그래프가 일부 분할 영역에서만 알츠하이머 피험자 그룹의 표준 편차 그래프(801a,801b) 내부에 위치하는 경우에, 치매 진단 대상자의 SUVR 특성이 알츠하이머 피험자들과 동일한 패턴을 나타내는 것은 아니므로, 알츠하이머성 치매에 해당할 가능성을 다소 낮게 판단할 수 있다. 따라서, 진단 대상자가 알츠하이머성 치매에는 해당하지 않으나, 혈관성 치매 또는 루이소체 치매 등과 같은 다른 요인으로 인한 치매에 해당할 수 있다는 진단 결과를 출력할 수 있다.
동일한 방식으로, 프로세서(240)는 경도 인지 장애 그룹의 각 분할 영역별 평균값을 상기한 수학식 1에 따라서 변환하여 계산된 각 분할 영역별 평균 표준값, 또는 사전에 계산되어 메모리(230)에 저장된 평균 표준값을 각 분할 영역별로 표시하고, 이를 연결하여 꺽은선 그래프(802c)를 표시한다.
또한, 프로세서(240)는 각 분할 영역별로 경도 인지 장애 그룹의 평균 표준값을 중심으로 한 표준 편차를 표시하고, 표준 편차들을 연결하여 표준 편차 그래프(802a,802b)를 표시한다. 아울러, 도 8 (a)에 도시된 바와 동일한 방식으로, 프로세서(240)는 분할 영역별 치매 진단 대상자의 SUVR 표준값에 대응되는 점을 찍고, 이들을 연결한 꺽은선 그래프(800)를 함께 표시한다.
도 8의 (b)를 참조하면, 치매 진단 대상자의 SUVR 표준값 그래프(800)는, 경도 인지 장애 그룹의 표준 편차 그래프(802a,802b) 내에 모두 포함되므로, 치매 진단 대상자는 경도 인지 장애 그룹과 동일한 패턴을 보임을 알 수 있다. 따라서, 진단 대상자가 경도 인지 장애에 해당한다는 진단 결과를 출력할 수 있다.
동일한 방식으로, 도 8의 (c)에 도시된 바와 같이, 프로세서(240)는 정상인 노화 그룹의 각 분할 영역별 평균값을 상기한 수학식 1에 따라서 변환하고, 변환된 값들을 연결한 그래프를 표시한다. 아울러, 프로세서(240)는 정상인 노화 그룹의 표준 편차를 연결한 표준 편차 그래프(803a,803b)를 함께 표시한다.
아울러, 도 8 (a)에 도시된 바와 동일한 방식으로, 프로세서(240)는 분할 영역별 치매 진단 대상자의 SUVR 표준값에 대응되는 점을 찍고, 이들을 연결한 꺽은선 그래프(800)를 함께 표시한다.
도 8의 (c)를 참조하면, 치매 진단 대상자의 SUVR 표준값 그래프(800)는, 일반인 노화 그룹의 표준 편차 그래프(803c,803b)내에 일부만 포함되므로, 치매 진단 대상자는 일반인 노화 그룹에 속하지 않음을 알 수 있다.
마지막으로, 도 8의 (d)에 도시된 바와 같이, 프로세서(240)는 정상인 그룹의 각 분할 영역별 평균값을 상기한 수학식 1에 따라서 변환하고, 변환된 값들을 연결한 그래프를 표시한다. 아울러, 프로세서(240)는 정상인 그룹의 표준 편차를 연결한 표준 편차 그래프(804a,804b)를 함께 표시한다.
정상인 그룹의 각 분할 영역별 평균값을 수학식 1에 따라서 변환한 표준값은 0이 되므로, 정상인 그룹의 표준 편차 그래프(804a,804b)는 원점을 지나는 수평선을 중심으로 서로 대향되도록 배치된 한 쌍의 그래프로 표시된다. 또한, 프로세서(240)는 분할 영역별 치매 진단 대상자의 SUVR 표준값에 대응되는 점을 찍고, 이들을 연결한 꺽은선 그래프(800)를 함께 표시한다.
도 8의 (d)에 도시된 바와 같이, 치매 진단 대상자의 SUVR 표준값 그래프(800)는 정상인 그룹의 표준 편차 그래프(804a,804b) 내에 포함되는 영역이 없으므로, 치매 진단 대상자는 정상인 그룹과는 상당히 다른 패턴을 나타냄을 알 수 있다.
한편, 프로세서(240)는 치매 진단 대상자의 각 분할 영역별 표준값이 대조그룹의 한 쌍의 값들(표준 편차) 사이에 위치하는 분할 영역의 비율 또는 각 분할 영역별 표준값이 대조그룹의 한 쌍의 값들(표준 편차)을 벗어나 위치하는 분할 영역의 비율을 계산하여 통계 정보로서 그래프와 함께 표시할 수도 있다.
예를 들어, 분할 영역이 97개에 이르는 경우에, 그래프만으로는 얼마나 많은 분할 영역에서 치매 진단 대상자의 표준값이 표준 편차 그래프 내에 포함되는지 파악하기 어렵다. 따라서, 프로세서(240)는 전체 분할 영역 중에서, 표준값이 표준 편차 그래프 내에 포함되는 분할 영역의 수를 카운트하여, 전체 분할 영역에서 차지하는 비율을 그래프와 함께 표시할 수 있다.
도 8의 (a)에서, 표시된 6개의 분할 영역 중 표준값이 표준 편차 그래프(801a,801b) 사이에 포함된 분할 영역은 3개 이므로, "표준 편차 그래프 포함 영역의 비율: 1/2"이 그래프와 함께 표시될 수 있다.
마찬가지로, 도 8의 (b)에서, 표시된 6개의 분할 영역 모두에서 표준값이 표준 편차 그래프(802a,802b) 사이에 포함되므로, "표준 편차 그래프 포함 영역의 비율: 1/1"이 그래프와 함께 표시될 수 있다.
또한, 프로세서(240)는 치매 진단 대상자의 SUVR 표준값이 표준 편차 그래프에 포함되는 영역의 비율에 대한 임계치를 설정하고, 해당 비율이 임계치 이상인 경우에는 치매 진단 대상자가 해당 대조그룹에 속하는 것으로 추정하고, 추정 결과를 그래프와 함께 출력할 수도 있다. 예컨대, 임계치를 90%로 설정하였다고 가정하면, 치매 진단 대상자의 표준값이 경도 인지 장애 그룹의 표준 편차 그래프(802a,802b) 사이에 포함되는 비율이 임계치인 90%를 초과하므로, 프로세서(240)는 치매 진단 대상자가 경도 인지 장애에 해당한다고 그래프와 함께 출력할 수도 있다.
또한, 프로세서(240)는 분할 영역들에 대해서 치매 진단 대상자의 SUVR 표준값을 연결한 그래프와 대조그룹의 평균 표준값을 연결한 그래프의 일치도를 함께 출력할 수도 있다. 예를 들면, 치매 진단 대상자의 SUVR 표준값에서 대조 그룹의 평균 표준값을 감산한 절대값들의 합이 0에 가까울수록 양 그래프는 일치도가 높다. 따라서, 프로세서(240)는 모든 분할 영역에 대해서, |치매 진단 대상자의 SUVR 표준값 - 대조 그룹의 평균 표준값|을 계산하고, 분할 영역 모두에 대해서 이들을 합산한 값을 이용하여 일치도를 계산하여 함께 표시할 수 있다.
도 9는, 도 3에 도시된 제 S310 단계에서, 본 발명의 바람직한 실시예에 따라서 알츠하이머 그룹, 정상인 그룹, 경도 인지 장애 그룹, 및 정상인 노화 그룹의 각 분할 영역별 SUVR 평균값을 구하여 메모리(230)에 저장하는 과정을 설명하는 흐름도이다.
알츠하이머 그룹, 정상인 그룹, 경도 인지 장애 그룹, 및 정상인 노화 그룹의 각 분할 영역별 SUVR 평균값을 구하는 과정은, 대상이 알츠하이머 피험자 그룹에 속하는 구성원들, 정상인 그룹에 속하는 구성원들, 및 경도 인지 장애 그룹에 속하는 구성원들, 정상이 노화 그룹에 속하는 구성원들 이라는 점을 제외하면, 상술한 제 S320 단계와 동일하다.
따라서, 도 9를 참조하여 전체적인 흐름만 간략하게 설명하면, 프로세서(240)는 제 1 영상 획득 장치(110)로부터 알츠하이머 피험자들, 정상인들, 경도 인지 장애 판정을 받은 사람들, 정상 판정을 받은 노인들의 MRI 뇌 영상을 각각 입력받고, 제 2 영상 획득 장치(120)로부터 알츠하이머 피험자들, 정상인들, 경도 인지 장애 판정을 받은 사람들 및 정상 판정을 받은 노인들의 PET 뇌 영상을 입력받는다(S311). 이 때, MRI 뇌 영상은 T1 weighted MRI 뇌 영상인 것이 바람직하고, PET 뇌 영상은 필요에 따라서 아밀로이드 PET 영상일 수도 있고, 타우 PET 영상일 수도 있다.
프로세서(240)는 메모리(230)에 저장된 딥러닝 기반의 영역 분할 알고리즘을 이용하여, 도 5에 도시된 바와 같이, MRI 뇌 영상을 사전에 정의된 복수의 영역으로 분할한다(S313). 상술한 바와 같이, 본 발명의 바람직한 실시예에서, 프로세서(240)는 MRI 뇌 영상을 브레인 맵에 따라서 97개의 관심 영역으로 분할하였으나, 분할 방식과 분할 영역의 개수가 이에 한정되는 것은 아니다.
그 후, 프로세서(240)는 MRI 뇌 영상과 PET 뇌 영상을 강체 변환(Rigid transform)을 통하여, 두 영상이 같은 공간에 위치하도록 영상 정합을 수행한다(S315).
프로세서(240)는 각 분할 영역별로 알츠하이머 피험자들, 정상인들, 경도 인지 장애 판정을 받은 사람들, 및 정상 판정을 받은 노인들의 표준섭취계수율(Standardized Uptake Value Ratio, SUVR)을 생성하여, 도 2에 도시된 바와 같이 저장한다(S317).
그 후, 프로세서(240)는 각 분할 영역(R1~RN)별로, 알츠하이머 피험자 그룹, 정상인 그룹, 경도 인지 장애 그룹, 및 정상인 노화 그룹의 표준 섭취 계수율의 평균값(AVAR1~AVARN, AVBR1~AVBRN, AVCR1~AVCRN, AVDR1~AVDRN) 및 표준 편차(σAR1 ~σARN, σBR1 ~σBRN,σCR1 ~σCRN, σDR1 ~σDRN)를 계산하여 메모리(230)에 저장한다(S319).
지금까지 설명한 본 발명의 바람직한 실시예에 따른, 치매 진단 보조 정보 제공 방법은, 컴퓨터에서 실행가능한 명령어로 구현되어 비일시적 저장매체에 저장된 컴퓨터 프로그램으로 구현될 수 있다.
저장매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 저장매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광데이터 저장장치 등이 있다. 또한 컴퓨터가 읽을 수 있는 저장매체는 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.
110 : 제 1 영상 획득 장치
120 : 제 2 영상 획득 장치
200 : 치매 진단 보조 정보 제공 장치
210 : 입력부
220 : 출력부
230 : 메모리
240 : 프로세서

Claims (25)

  1. 프로세서 및 소정의 명령어들을 저장하는 메모리를 포함하는 치매 진단 보조 정보 제공 장치에서 수행되는 치매 진단 보조 정보 제공 방법으로서,
    (a) 진단 대상자 뇌 영상의 뇌 영역을 사전에 정의된 복수개로 분할한 영역(분할 영역) 각각에 대해서 표준섭취계수율(SUVR)을 계산하는 단계;
    (b) 상기 각 분할 영역의 표준섭취계수율을 각 분할 영역마다 사전에 정의된 표준 구간에 매핑하여 표준값을 구하는 단계; 및
    (c) 각 분할 영역의 표준값을, 각 분할 영역에 대한 대조그룹의 평균 표준값에 대한 통계 정보와 함께 출력하는 단계를 포함하고,
    상기 표준 구간은 상기 복수의 분할 영역들 각각에 대응되는 영역들에 대한 알츠하이머 피험자 그룹의 표준섭취계수율 평균값과 정상인 그룹의 표준섭취계수율 평균값을, 일정한 간격의 양단으로 설정한 것인 것을 특징으로 하는 치매 진단 보조 정보 제공 방법.
  2. 제 1 항에 있어서, 상기 (a) 단계는
    (a1) 진단 대상자의 MRI 영상에 포함된 뇌 영역을 사전에 정의된 복수개의 분할 영역으로 분할하고, 상기 진단 대상자의 PET 영상과 정합하는 단계; 및
    (a2) 상기 정합된 영상 중 상기 분할된 영역 각각에 대해서 표준섭취계수율(SUVR)을 생성하는 단계를 포함하는 것을 특징으로 하는 치매 진단 보조 정보 제공 방법.
  3. 제 1 항에 있어서,
    상기 표준값은 상기 표준섭취계수율이 알츠하이머 피험자 그룹의 표준섭취계수율 평균값 및 정상인 그룹의 표준섭취계수율 평균값과의 근접 정도를 나타내는 것을 특징으로 하는 치매 진단 보조 정보 제공 방법.
  4. 삭제
  5. 제 1 항에 있어서, 상기 표준 구간은
    정상인 그룹의 표준섭취계수율 평균값을 사전에 정의된 변환식에 따라서 0에 대응되도록 변환하고, 알츠하이머 피험자 그룹의 표준섭취계수율 평균값을 상기 변환식에 따라서 0보다 큰 소정수에 대응되도록 변환하여 생성된 구간이고,
    상기 표준값은 상기 표준섭취계수율을 상기 변환식에 따라서 변환하여 구하는 것을 특징으로 하는 치매 진단 보조 정보 제공 방법.
  6. 제 5 항에 있어서,
    상기 변환식은
    Figure 112022019862846-pat00004
    로 정의되고,
    상기 A 는 알츠하이머 피험자 그룹의 표준섭취계수율 평균값을 나타내고, 상기 B 는 정상인 그룹의 표준섭취계수율 평균값을 나타내며, x는 변환 대상 파라미터를 나타내는 것을 특징으로 하는 치매 진단 보조 정보 제공 방법.
  7. 제 1 항에 있어서, 상기 (c) 단계는
    각 분할 영역에 대해서, 대조그룹의 평균 표준값으로부터 사전에 정의된 값만큼 크고, 사전에 정의된 값만큼 작은 한 쌍의 값들과 상기 표준값을 함께 그래프로 출력하는 것을 특징으로 하는 치매 진단 보조 정보 제공 방법.
  8. 제 7 항에 있어서, 상기 (c) 단계는
    각 분할 영역에 대해서, 대조그룹의 평균 표준값으로부터 표준편차 만큼 차이나는 한 쌍의 값들과 상기 표준값을 함께 출력하는 것을 특징으로 하는 치매 진단 보조 정보 제공 방법.
  9. 제 7 항에 있어서,
    상기 대조그룹은 알츠하이머 환자 그룹, 경도 인지 장애 그룹, 정상인 노화 그룹 및 정상인 그룹 중 적어도 하나를 포함하는 것을 특징으로 하는 치매 진단 보조 정보 제공 방법.
  10. 제 7 항에 있어서, 상기 (c) 단계는
    상기 표준값이 상기 대조그룹의 한 쌍의 값들 사이에 위치하는 분할 영역의 비율 또는 상기 표준값이 상기 대조그룹의 한 쌍의 값들을 벗어나는 분할 영역의 비율을 함께 표시하는 것을 특징으로 하는 치매 진단 보조 정보 제공 방법.
  11. 제 7 항에 있어서, 상기 (c) 단계는
    상기 표준값이 상기 대조그룹의 한 쌍의 값들 사이에 위치하는 분할 영역의 비율이 사전에 정의된 임계치 이상인 경우에는 상기 진단 대상자가 해당 대조그룹에 속하는 것으로 추정하고, 추정 결과를 함께 출력하는 것을 특징으로 하는 치매 진단 보조 정보 제공 방법.
  12. 제 7 항에 있어서, 상기 (c) 단계는
    상기 분할 영역들에 대해서 상기 표준값을 연결한 그래프와 대조그룹의 평균 표준값을 연결한 그래프의 일치도를 함께 출력하는 것을 특징으로 하는 치매 진단 보조 정보 제공 방법.
  13. 비일시적 저장매체에 저장되고, 프로세서를 포함하는 컴퓨터에서 실행되어, 상기 제 1 항 내지 제 3 항 및 제 5 항 내지 제 12 항 중 어느 한 항의 치매 진단 보조 정보 제공 방법을 수행하는 컴퓨터 프로그램.
  14. 프로세서 및 소정의 명령어들을 저장하는 메모리를 포함하는 치매 진단 보조 정보 제공 장치로서,
    상기 메모리에 저장된 명령어들을 실행한 상기 프로세서는
    (a) 진단 대상자 뇌 영상의 뇌 영역을 사전 에 정의된 복수개로 분할한 영역(분할 영역) 각각에 대해서 표준섭취 계수율(SUVR)을 계산하는 단계;
    (b) 상기 각 분할 영역의 표준섭취계수율을 각 분할 영역마다 사전에 정 의된 표준 구간에 매핑하여 표준값을 구하는 단계; 및
    (c) 각 분 할 영역의 표준값을, 각 분할 영역에 대한 대조그룹의 평균 표준값에 대한 통계 정보와 함께 출력하는 단계;를 수행하고,
    상기 표준 구간은 상기 복수의 분할 영역들 각각에 대응되는 영역들에 대한 알츠하이머 피험자 그룹의 표준섭취계수율 평균값과 정상인 그룹의 표준섭취계수율 평균값을, 일정한 간격의 양단으로 설정한 것인 것을 특징으로 하는 치매 진단 보조 정보 제공 장치.
  15. 제 14 항에 있어서, 상기 (a) 단계는
    (a1) 진단 대상자의 MRI 영상에 포함된 뇌 영역을 사전에 정의된 복수개의 분할 영역으로 분할하고, 상기 진단 대상자의 PET 영상과 정합하는 단계; 및
    (a2) 상기 정합된 영상 중 상기 분할된 영역 각각에 대해서 표준섭취계수율(SUVR)을 생성하는 단계를 포함하는 것을 특징으로 하는 치매 진단 보조 정보 제공 장치.
  16. 제 14 항에 있어서,
    상기 표준값은 상기 표준섭취계수율이 알츠하이머 피험자 그룹의 표준섭취계수율 평균값 및 정상인 그룹의 표준섭취계수율 평균값과의 근접 정도를 나타내는 것을 특징으로 하는 치매 진단 보조 정보 제공 장치.
  17. 삭제
  18. 제 14 항에 있어서, 상기 표준 구간은
    정상인 그룹의 표준섭취계수율 평균값을 사전에 정의된 변환식에 따라서 0에 대응되도록 변환하고, 알츠하이머 피험자 그룹의 표준섭취계수율 평균값을 상기 변환식에 따라서 0보다 큰 소정수에 대응되도록 변환하여 생성된 구간이고,
    상기 표준값은 상기 표준섭취계수율을 상기 변환식에 따라서 변환하여 구하는 것을 특징으로 하는 치매 진단 보조 정보 제공 장치.
  19. 제 18 항에 있어서,
    상기 변환식은
    Figure 112022019862846-pat00005
    로 정의되고,
    상기 A 는 알츠하이머 피험자 그룹의 표준섭취계수율 평균값을 나타내고, 상기 B 는 정상인 그룹의 표준섭취계수율 평균값을 나타내며, x는 변환 대상 파라미터를 나타내는 것을 특징으로 하는 치매 진단 보조 정보 제공 장치.
  20. 제 14 항에 있어서, 상기 (c) 단계는
    각 분할 영역에 대해서, 대조그룹의 평균 표준값으로부터 사전에 정의된 값만큼 크고, 사전에 정의된 값만큼 작은 한 쌍의 값들과 상기 표준값을 함께 그래프로 출력하는 것을 특징으로 하는 치매 진단 보조 정보 제공 장치.
  21. 제 20 항에 있어서, 상기 (c) 단계는
    각 분할 영역에 대해서, 대조그룹의 평균 표준값으로부터 표준편차 만큼 차이나는 한 쌍의 값들과 상기 표준값을 함께 출력하는 것을 특징으로 하는 치매 진단 보조 정보 제공 장치.
  22. 제 20 항에 있어서,
    상기 대조그룹은 알츠하이머 환자 그룹, 경도 인지 장애 그룹, 정상인 노화 그룹 및 정상인 그룹 중 적어도 하나를 포함하는 것을 특징으로 하는 치매 진단 보조 정보 제공 장치.
  23. 제 20 항에 있어서, 상기 (c) 단계는
    상기 표준값이 상기 대조그룹의 한 쌍의 값들 사이에 위치하는 분할 영역의 비율 또는 상기 표준값이 상기 대조그룹의 한 쌍의 값들을 벗어나는 분할 영역의 비율을 함께 표시하는 것을 특징으로 하는 치매 진단 보조 정보 제공 장치.
  24. 제 20 항에 있어서, 상기 (c) 단계는
    상기 표준값이 상기 대조그룹의 한 쌍의 값들 사이에 위치하는 분할 영역의 비율이 사전에 정의된 임계치 이상인 경우에는 상기 진단 대상자가 해당 대조그룹에 속하는 것으로 추정하고, 추정 결과를 함께 출력하는 것을 특징으로 하는 치매 진단 보조 정보 제공 장치.
  25. 제 20 항에 있어서, 상기 (c) 단계는
    상기 분할 영역들에 대해서 상기 표준값을 연결한 그래프와 대조그룹의 평균 표준값을 연결한 그래프의 일치도를 함께 출력하는 것을 특징으로 하는 치매 진단 보조 정보 제공 장치.
KR1020220023103A 2022-02-22 2022-02-22 치매 진단 보조 정보 제공 장치 및 방법 KR102444082B1 (ko)

Priority Applications (5)

Application Number Priority Date Filing Date Title
KR1020220023103A KR102444082B1 (ko) 2022-02-22 2022-02-22 치매 진단 보조 정보 제공 장치 및 방법
PCT/KR2022/013163 WO2023163302A1 (ko) 2022-02-22 2022-09-02 치매 진단 보조 정보 제공 장치 및 방법
JP2022177366A JP7477906B2 (ja) 2022-02-22 2022-11-04 認知症診断支援情報の提供装置及びその方法
US18/054,072 US11730368B1 (en) 2022-02-22 2022-11-09 Apparatus and method for providing Alzheimer's diagnosis assistance information using MRI and PET imaging
EP22206524.5A EP4230144A1 (en) 2022-02-22 2022-11-10 Apparatus and method for providing dementia diagnosis assistance information

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220023103A KR102444082B1 (ko) 2022-02-22 2022-02-22 치매 진단 보조 정보 제공 장치 및 방법

Publications (1)

Publication Number Publication Date
KR102444082B1 true KR102444082B1 (ko) 2022-09-16

Family

ID=83445190

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220023103A KR102444082B1 (ko) 2022-02-22 2022-02-22 치매 진단 보조 정보 제공 장치 및 방법

Country Status (4)

Country Link
US (1) US11730368B1 (ko)
EP (1) EP4230144A1 (ko)
JP (1) JP7477906B2 (ko)
KR (1) KR102444082B1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210145003A (ko) * 2020-05-22 2021-12-01 동아대학교 산학협력단 딥러닝을 이용한 짧은 시간 촬영한 뇌 단층 촬영 이미지 복원 장치

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9025845B2 (en) * 2011-06-17 2015-05-05 Quantitative Imaging, Inc. Methods and apparatus for assessing activity of an organ and uses thereof
US11373311B2 (en) * 2015-07-15 2022-06-28 Adm Diagnostics, Inc. System and methods for determining a brain condition of a patient subject to multiple disease states
CN112702947A (zh) 2018-09-12 2021-04-23 株式会社Ｓｐｌｉｎｋ 诊断辅助系统以及方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210145003A (ko) * 2020-05-22 2021-12-01 동아대학교 산학협력단 딥러닝을 이용한 짧은 시간 촬영한 뇌 단층 촬영 이미지 복원 장치

Also Published As

Publication number Publication date
JP7477906B2 (ja) 2024-05-02
US11730368B1 (en) 2023-08-22
EP4230144A1 (en) 2023-08-23
JP2023122529A (ja) 2023-09-01
US20230263394A1 (en) 2023-08-24

Similar Documents

Publication Publication Date Title
US9123101B2 (en) Automatic quantification of asymmetry
US8897533B2 (en) Medical image processing apparatus
US10991460B2 (en) Method and system for identification of cerebrovascular abnormalities
US20180314691A1 (en) Automated generation of sentence-based descriptors from imaging data
US9177379B1 (en) Method and system for identifying anomalies in medical images
CN112702947A (zh) 诊断辅助系统以及方法
JP2014042684A (ja) 医用画像処理装置、およびプログラム
US20090016579A1 (en) Method and system for performing quality control of medical images in a clinical trial
US20200065967A1 (en) Computer system, method, and program for diagnosing subject
CN111260647A (zh) 一种基于图像检测的ct扫描辅助方法、计算机可读存储介质、ct扫描装置
KR102330069B1 (ko) 치과 영상으로부터 피검체의 성별 및 연령을 판정하는 방법 및 이를 이용한 장치
KR102451108B1 (ko) 치매 진단에 필요한 정보 제공 방법 및 장치
CN112561848A (zh) 区域性脑年龄预测的方法、非暂时性电脑可读介质及设备
KR102444082B1 (ko) 치매 진단 보조 정보 제공 장치 및 방법
CN111462203B (zh) Dr病灶演化分析装置和方法
US10909674B2 (en) System and method for context-aware imaging
KR101593380B1 (ko) 영상 분석 장치, 및 장치를 이용하여 영상을 분석하는 방법
Hah et al. White matter hyperintensities extraction based T2-FLAIR MRI using non-local means filter and nearest neighbor algorithm
CN109480842B (zh) 用于诊断功能性消化不良的系统及设备
WO2019003749A1 (ja) 医用画像処理装置、方法およびプログラム
JP6998760B2 (ja) 脳画像解析装置、脳画像解析方法、及び脳画像解析プログラム
Guo et al. A one-stage deep learning architecture for the detection of key points in peri-implant alveolar bone
US11369268B2 (en) Brain-function image data augmentation method
CN110264437B (zh) 密度数据分析方法、装置及电子设备
Aprini et al. Adapting remote photoplethysmography for Indonesian subjects: an examination of diverse rPPG techniques

Legal Events

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