KR102446929B1 - 대동맥 박리 가시화 장치 및 방법 - Google Patents
대동맥 박리 가시화 장치 및 방법 Download PDFInfo
- Publication number
- KR102446929B1 KR102446929B1 KR1020210173370A KR20210173370A KR102446929B1 KR 102446929 B1 KR102446929 B1 KR 102446929B1 KR 1020210173370 A KR1020210173370 A KR 1020210173370A KR 20210173370 A KR20210173370 A KR 20210173370A KR 102446929 B1 KR102446929 B1 KR 102446929B1
- Authority
- KR
- South Korea
- Prior art keywords
- size
- aortic
- visualization
- aorta
- lumen
- Prior art date
Links
- 238000012800 visualization Methods 0.000 title claims abstract description 87
- 238000000034 method Methods 0.000 title claims description 42
- 208000002251 Dissecting Aneurysm Diseases 0.000 title description 67
- 206010002895 aortic dissection Diseases 0.000 title description 64
- 210000000709 aorta Anatomy 0.000 claims abstract description 105
- 230000011218 segmentation Effects 0.000 claims abstract description 29
- 210000003484 anatomy Anatomy 0.000 claims abstract description 22
- 210000002808 connective tissue Anatomy 0.000 claims abstract description 6
- 210000002376 aorta thoracic Anatomy 0.000 description 29
- 238000004458 analytical method Methods 0.000 description 25
- 208000007474 aortic aneurysm Diseases 0.000 description 21
- 238000001514 detection method Methods 0.000 description 16
- 238000013528 artificial neural network Methods 0.000 description 14
- 238000003745 diagnosis Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 230000001575 pathological effect Effects 0.000 description 11
- 210000004204 blood vessel Anatomy 0.000 description 10
- 238000002591 computed tomography Methods 0.000 description 10
- 206010060874 Aortic rupture Diseases 0.000 description 8
- 208000007536 Thrombosis Diseases 0.000 description 7
- 210000000702 aorta abdominal Anatomy 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000004445 quantitative analysis Methods 0.000 description 7
- 206010002329 Aneurysm Diseases 0.000 description 6
- 239000008280 blood Substances 0.000 description 6
- 210000004369 blood Anatomy 0.000 description 6
- 210000000038 chest Anatomy 0.000 description 6
- 201000000057 Coronary Stenosis Diseases 0.000 description 5
- 206010020772 Hypertension Diseases 0.000 description 5
- 201000008982 Thoracic Aortic Aneurysm Diseases 0.000 description 5
- 230000001174 ascending effect Effects 0.000 description 5
- 210000004351 coronary vessel Anatomy 0.000 description 5
- 208000003457 familial thoracic 1 aortic aneurysm Diseases 0.000 description 5
- 230000003902 lesion Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 230000007170 pathology Effects 0.000 description 5
- 208000002223 abdominal aortic aneurysm Diseases 0.000 description 4
- 230000001154 acute effect Effects 0.000 description 4
- 210000001367 artery Anatomy 0.000 description 4
- 238000012512 characterization method Methods 0.000 description 4
- 238000002224 dissection Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 239000003550 marker Substances 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 210000003270 subclavian artery Anatomy 0.000 description 4
- 238000003325 tomography Methods 0.000 description 4
- 238000002604 ultrasonography Methods 0.000 description 4
- 206010011089 Coronary artery stenosis Diseases 0.000 description 3
- 206010028980 Neoplasm Diseases 0.000 description 3
- 201000011510 cancer Diseases 0.000 description 3
- 238000004195 computer-aided diagnosis Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 210000002216 heart Anatomy 0.000 description 3
- 208000014674 injury Diseases 0.000 description 3
- 210000000115 thoracic cavity Anatomy 0.000 description 3
- 230000008733 trauma Effects 0.000 description 3
- 238000007631 vascular surgery Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 208000025494 Aortic disease Diseases 0.000 description 2
- 208000010378 Pulmonary Embolism Diseases 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 210000001715 carotid artery Anatomy 0.000 description 2
- 210000001168 carotid artery common Anatomy 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000017074 necrotic cell death Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 210000001147 pulmonary artery Anatomy 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 238000007794 visualization technique Methods 0.000 description 2
- 206010003210 Arteriosclerosis Diseases 0.000 description 1
- 206010010356 Congenital anomaly Diseases 0.000 description 1
- 206010017533 Fungal infection Diseases 0.000 description 1
- 208000028782 Hereditary disease Diseases 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 208000026350 Inborn Genetic disease Diseases 0.000 description 1
- 208000001826 Marfan syndrome Diseases 0.000 description 1
- 208000024556 Mendelian disease Diseases 0.000 description 1
- 208000031888 Mycoses Diseases 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 208000011775 arteriosclerosis disease Diseases 0.000 description 1
- 206010003230 arteritis Diseases 0.000 description 1
- 238000001574 biopsy Methods 0.000 description 1
- 210000002302 brachial artery Anatomy 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 201000006901 congenital syphilis Diseases 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- VYQRBKCKQCRYEE-UHFFFAOYSA-N ctk1a7239 Chemical compound C12=CC=CC=C2N2CC=CC3=NC=CC1=C32 VYQRBKCKQCRYEE-UHFFFAOYSA-N 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003325 follicular Effects 0.000 description 1
- 238000003703 image analysis method Methods 0.000 description 1
- 208000028867 ischemia Diseases 0.000 description 1
- 210000005240 left ventricle Anatomy 0.000 description 1
- 210000003141 lower extremity Anatomy 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003387 muscular Effects 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002685 pulmonary effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012285 ultrasound imaging Methods 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
-
- 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
- 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]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—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
- A61B6/504—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 blood vessels, e.g. by angiography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
- A61B8/0891—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of blood vessels
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
- A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Radiology & Medical Imaging (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Vascular Medicine (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Optics & Photonics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Cardiology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Pulmonology (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
의료 영상의 판독을 지원하며, 컴퓨팅 시스템을 포함하는 의료 영상 판독 지원 장치가 개시된다. 본 발명의 일 실시예에 따른 장치는 컴퓨팅 시스템을 포함한다. 컴퓨팅 시스템은 인체 내부의 해부학적 구조 정보를 포함하는 의료 영상을 수신하는 수신 인터페이스부; 및 의료 영상 내의 대동맥의 분할 결과, 및 대동맥 내의 복수개의 대동맥 영역의 분할 결과에 기반하여 복수개의 대동맥 영역 각각 내의 내막으로 둘러싸인 영역을 포함하는 트루 루멘, 및 복수개의 대동맥 영역 각각 내의 내막과 외막 사이의 영역을 포함하는 폴스 루멘의 크기를 획득하는 적어도 하나 이상의 프로세서를 포함한다. 적어도 하나 이상의 프로세서는 복수개의 대동맥 영역 각각에 대응하며 가상의 원의 중심점을 공유하고 중심점으로부터 방사상으로 배치되는 시각화 세그멘트를 포함하는 그래프를 이용하여 복수개의 대동맥 영역 각각 내에서 트루 루멘의 크기, 폴스 루멘의 크기, 및 트루 루멘의 크기와 폴스 루멘의 크기 사이의 비율을 시각화한다.
Description
본 발명은 의료 영상의 판독을 지원하는 장치 및 방법에 관한 것이다. 구체적으로는 본 발명은 대동맥 박리(aortic dissection)와 같은 대동맥의 병리학적 정보(pathological information)를 검출하고 가시화/시각화(visualize)하는 기술로서, 의료 영상을 분석하는 컴퓨팅 시스템 및 그 컴퓨팅 시스템에서 실행되는 소프트웨어에 관한 것이다.
본 발명은 보건복지부 및 한국보건산업진흥원의 첨단의료기술개발(R&D)[과제고유번호: 1465032936, 과제명: 응급 대동맥질환 진단 인공지능 소프트웨어 개발 및 검증]의 일환으로 수행한 연구로부터 도출된 것이다.
현재, 병변을 분석함으로써 진단에 이용하기 위하여 CT(computed tomography; 전산화 단층 촬영) 등의 의료 영상이 널리 이용되고 있다. 예를 들어, 흉부 CT 영상은 신체의 내부, 예컨대, 폐, 기관지, 심장 등의 이상을 관찰할 수 있어 판독용으로 빈번히 이용된다.
흉부 CT 영상을 통하여 판독될 수 있는 몇몇 소견들은 영상의학과 의사도 다년 간의 수련을 겪어야만 그 특징 및 형태를 구분해낼 수 있을 정도로 그 판독이 용이하지 않아 인간인 의사가 쉽게 간과할 수 있다. 이 같이 인간이 쉽게 간과할 수 있는 영상의 판독을 보조하기 위하여, 컴퓨터 보조 진단(CAD; computer aided diagnosis)의 필요성이 대두되었는데, 종래의 CAD 기술은 매우 한정된 영역에서 의사의 판단을 보조함에 그친다.
대동맥은 인체 내에서 가장 큰 동맥이다. 그것은 좌심실(left ventricle)로부터 발생하고(originate), 인체의 다른 모든 파트에 산소 결합 혈액(oxygenated blood)을 분배한다. 대동맥은 두 개의 주된 영역, 즉, 흉부 대동맥(thoracic aorta)와 복부 대동맥(abdominal aorta)으로 분할될 수 있다.
흉부 대동맥은 세 개의 주된 영역, 즉, 상행 대동맥(ascending aorta), 대동맥궁(aortic arch), 하행 대동맥(descending aorta)으로 분할될 수 있다. 대동맥 내의 다양한 영역과 섹션에서 대동맥 박리(aortic dissection), 대동맥 파열(aortic rupture) 또는 대동맥류(aortic aneurysm)와 같은 하나 이상의 병리학적 정보(pathological information)가 검출될 수 있다. 대동맥 박리는 대동맥의 내막 벽(intimal wall) 내측의 찢어짐(tear)가 혈액을 혈관의 외벽과 내막 벽 사이로 유입되게 허용함으로써 발생할 수 있다.
대동맥류는 대동맥이 확장될(dilate) 때 발생할 수 있으며, 대동맥류로 인하여 대동맥 벽이 얇아질 수 있다. 대동맥 박리와 대동맥류는 허혈(ischemia) 또는 대동맥 파열(aortic rupture)을 일으켜 생명을 위협하는 의학적 응급상황(life-threatening medical emergency)을 초래할 수 있다.
선행기술 [1] US 10,327,724 "Detection and characterization of aortic pathologies" 에서는 CT, MR 등 해부학적 정보를 포함하는 의료 영상에서 대동맥의 경계를 검출하고, 대동맥의 해부학적 구조 정보에 기반하여 대동맥 박리, 대동맥류 등의 위험 영역을 검출하는 구성이 개시된다. 또한 선행기술 [1]에서는 대동맥 박리, 대동맥류 등 대동맥에 관한 병리학적 정보를 검출한 경우, 적합한 치료(treatment)를 의학 지식 데이터베이스에서 검색하여 사용자에게 제안하는 구성이 개시된다.
선행기술 [2] US 10,733,265 "Medical image manager with automated synthetic image generator" 에서는 CT, MR 등 해부학적 정보를 포함하는 의료 영상에서 신호의 세기(signal intensity)를 이용하여 대동맥 등 해부학적 구조를 검출하고, 대동맥 박리 등 대동맥의 병리학적 정보를 검출한 후, 검출된 의학적 정보에 기반하여 리포트를 생성하여 의료 전문가인 사용자에게 제공하는 구성이 개시된다.
선행기술 [3] US 2020-0118688 "METHOD AND SYSTEM FOR THE EVALUATION OF THE RISK OF AORTIC RUPTURE OR DISSECTION IN AN INDIVIDUAL WITH AN ASCENDING THORACIC AORTIC ANEURYSM" 에서는 상행 대동맥류 (ATAA, Ascending Thoracic Aortic Aneurysm)을 가진 개인에 대하여 대동맥 파열 또는 대동맥 박리가 발생할 위험을 계산하는 방법을 개시한다. 선행기술 [3]에서는 대동맥에 대한 해부학적 구조 정보를 의료 영상으로부터 추출한 후, 유한 요소 기법(FEM, Finite Element Method) 등을 적용하여 파라미트릭 정보를 획득하고, 파라미트릭 정보에 기반하여 대동맥 파열 또는 대동맥 박리의 위험도를 계산한다.
이러한 선행기술들에 의하더라도, 대동맥 질환에 대하여 의료 전문가인 사용자의 진단을 용이하게 보조할 수 있는 사용자 인터페이스가 여전히 부재하는 문제점이 있다.
"Society for Vascular Surgery (SVS) and Society of Thoracic Surgeons (STS) reporting standards for type B aortic dissections", Joseph V. Lombardi, etc., (2020.01.27)
본 발명은 대동맥 박리에 대한 인공지능/인공 신경망에 기반한 검출 및/또는 분석 결과를 기반으로 사용자가 용이하게 진단을 내릴 수 있도록 사용자의 진단을 보조하는 사용자 인터페이스를 제공하는 것을 목적으로 한다.
본 발명은 대동맥 박리에 대한 사용자의 진단을 효과적으로 보조하는 직관적인 시각화 방법을 제공하는 것을 목적으로 한다.
본 발명은 대동맥의 세분화된 구조 정보에 대하여 대동맥 박리의 발생 여부를 일람할 수 있는 직관적인 사용자 인터페이스를 제공하는 것을 목적으로 한다.
의료 전문가인 사용자라 하더라도, 개별 작업자의 성숙도에 따라서 의료 영상 상에 오버레이되는 영상 분석 결과, 병리학적 정보, 또는 의학적 소견(medical findings)에 기반하여 진단 및 의사결정에 도달하는 시간과 정확도가 상이하다.
또한 대동맥 박리가 검출된 대동맥 상의 위치에 따라서 치료 방법이 달라지므로, 전체 대동맥 구조에서 대동맥 박리가 검출된 위치를 직관적으로 알릴 수 있는 시각화/가시화 사용자 인터페이스가 필요하다.
본 발명은 전체 대동맥 구조 상에서 대동맥 박리가 발생한 위치를 직관적으로 시각화/가시화하는 사용자 인터페이스를 제공하는 것을 목적으로 한다.
본 발명은 대동맥 박리가 발생한 위치를 직관적으로 시각화/가시화하고, 사용자가 신속하게 처치 방법을 선택할 수 있도록 진단을 보조하는 사용자 인터페이스를 제공하는 것을 목적으로 한다.
본 발명은 상기의 목적을 달성하기 위하여 도출된 구성으로서, 본 발명의 일 실시예에 따른 의료 영상 판독 지원 장치는 컴퓨팅 시스템을 포함한다. 컴퓨팅 시스템은 인체 내부의 해부학적 구조 정보를 포함하는 의료 영상을 수신하는 수신 인터페이스부; 및 의료 영상 내의 대동맥의 분할 결과, 및 대동맥 내의 복수개의 대동맥 영역의 분할 결과에 기반하여 복수개의 대동맥 영역 각각 내의 내막으로 둘러싸인 영역을 포함하는 트루 루멘, 및 복수개의 대동맥 영역 각각 내의 내막과 외막 사이의 영역을 포함하는 폴스 루멘의 크기를 획득하는 적어도 하나 이상의 프로세서를 포함한다. 적어도 하나 이상의 프로세서는 복수개의 대동맥 영역 각각에 대응하며 가상의 원의 중심점을 공유하고 중심점으로부터 방사상으로 배치되는 시각화 세그멘트를 포함하는 그래프를 이용하여 복수개의 대동맥 영역 각각 내에서 트루 루멘의 크기, 폴스 루멘의 크기, 및 트루 루멘의 크기와 폴스 루멘의 크기 사이의 비율을 시각화하여 시각화 정보를 생성한다.
적어도 하나 이상의 프로세서는 복수개의 대동맥 영역 각각을 그래프 내의 시각화 세그멘트 각각에 대응하도록 시각화하여 시각화 정보를 생성할 수 있다. 적어도 하나 이상의 프로세서는 시각화 세그멘트 각각을, 대응하는 대동맥 영역의 길이 및 대동맥의 전체 길이 간의 비율에 대응하는 중심각을 가지도록 시각화하여 시각화 정보를 생성할 수 있다.
적어도 하나 이상의 프로세서는 시각화 세그멘트 각각을, 대응하는 대동맥 영역의 정상군의 대동맥 크기를 대응하는 대동맥 영역의 트루 루멘의 크기, 및 폴스 루멘의 크기와 비교할 수 있도록 시각화하여 시각화 정보를 생성할 수 있다.
적어도 하나 이상의 프로세서는 복수개의 대동맥 영역 각각 내의 트루 루멘의 크기 및 폴스 루멘의 크기를 지름의 길이에 비례하여 결정할 수 있다. 적어도 하나 이상의 프로세서는 복수개의 대동맥 영역 각각 내의 트루 루멘의 크기 및 폴스 루멘의 크기를 시각화 세그멘트의 반지름에 비례하여 시각화하여 시각화 정보를 생성할 수 있다.
적어도 하나 이상의 프로세서는 복수개의 대동맥 영역 각각 내의 트루 루멘의 크기 및 폴스 루멘의 크기를 면적에 비례하여 결정할 수 있다. 적어도 하나 이상의 프로세서는 복수개의 대동맥 영역 각각 내의 트루 루멘의 크기 및 폴스 루멘의 크기를 시각화 세그멘트의 면적에 비례하여 시각화하여 시각화 정보를 생성할 수 있다.
본 발명의 일 실시예에 따른 의료 영상 판독 지원 방법은 적어도 하나 이상의 프로세서를 포함하는 컴퓨팅 시스템에서 적어도 하나 이상의 프로세서에 프로그램 인스트럭션이 로드되어 실행됨으로써 수행된다.
의료 영상 판독 지원 방법은 적어도 하나 이상의 프로세서가, 수신 인터페이스부를 경유하여 인체 내부의 해부학적 구조 정보를 포함하는 의료 영상을 수신하는 단계; 적어도 하나 이상의 프로세서가, 의료 영상 내의 대동맥의 분할 결과, 및 대동맥 내의 복수개의 대동맥 영역의 분할 결과에 기반하여 복수개의 대동맥 영역 각각 내의 내막으로 둘러싸인 영역을 포함하는 트루 루멘의 크기, 및 복수개의 대동맥 영역 각각 내의 내막과 외막 사이의 영역을 포함하는 폴스 루멘의 크기를 획득하는 단계; 및 적어도 하나 이상의 프로세서가, 복수개의 대동맥 영역 각각에 대응하며 가상의 원의 중심점을 공유하고 중심점으로부터 방사상으로 배치되는 시각화 세그멘트를 포함하는 그래프를 이용하여 복수개의 대동맥 영역 각각 내에서 트루 루멘의 크기, 폴스 루멘의 크기, 및 트루 루멘의 크기와 폴스 루멘의 크기 사이의 비율을 시각화하여 시각화 정보를 생성하는 단계를 포함한다.
본 발명의 의료 영상의 판독을 지원하는 기술에 따르면, 본 발명은 대동맥 박리에 대한 인공지능/인공 신경망에 기반한 검출 및/또는 분석 결과를 기반으로 사용자가 용이하게 진단을 내릴 수 있도록 사용자의 진단을 보조하는 사용자 인터페이스를 제공할 수 있다.
본 발명은 대동맥 박리에 대한 사용자의 진단을 효과적으로 보조하는 직관적인 시각화 방법을 제공할 수 있다.
본 발명은 대동맥의 세분화된 구조 정보에 대하여 대동맥 박리의 발생 여부를 일람할 수 있는 직관적인 사용자 인터페이스를 제공할 수 있다.
본 발명은 전체 대동맥 구조 상에서 대동맥 박리가 발생한 위치를 직관적으로 시각화/가시화하는 사용자 인터페이스를 제공할 수 있다.
본 발명은 대동맥 박리가 발생한 위치를 직관적으로 시각화/가시화하고, 사용자가 신속하게 처치 방법을 선택할 수 있도록 진단을 보조하는 사용자 인터페이스를 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 의료 영상 판독 지원 장치를 포함하는 시스템에서 실행되는 의료 영상 판독 워크플로우를 도시하는 도면이다.
도 2는 흉부 대동맥(thoracic aorta)의 구조를 도시하는 개념도이다.
도 3은 복수의 병리학적 조건(pathological condition)에 따른 흉부 대동맥의 단면을 도시하는 개념도이다.
도 4는 의료 영상 상에서 트루 루멘(True Lumen)과 폴스 루멘(False Lumen)이 구분되도록 표시되는 디스플레이 이미지의 일 실시예이다.
도 5는 의료 영상 상에서 관상 동맥 협착(coronary stenosis)이 구분되도록 표시되는 디스플레이 이미지의 일 실시예이다.
도 6은 의료 영상 상에서 폐 색전증(pulmonary embolism) 및 폐혈관(pulmonary vessel) 내의 혈전(blood clots)이 구분되도록 표시되는 디스플레이 이미지의 일 실시예이다.
도 7은 대동맥 박리(aortic dissection)가 발생하는 원인을 설명하기 위한 개념도이다.
도 8은 흉부 대동맥의 구조 및 흉부 대동맥이 복수개의 영역들로 구분된 예시를 도시하는 개념도이다.
도 9는 본 발명의 일 실시예에 따른 영상 판독 지원 장치로서, 도 1의 분석 서버(102)의 구체적인 구성을 도시하는 블록도이다.
도 10은 본 발명의 일 실시예에 따른 의료 영상 판독 지원 장치에 의하여 사용자에게 제공되는 대동맥 박리 측정 결과의 시각화 그래프의 일 예시이다.
도 11은 도 10에서 도시되는 시각화 그래프의 하나의 세그멘트의 일 실시예이다.
도 12는 본 발명의 일 실시예에 따른 의료 영상 판독 지원 방법을 도시하는 동작 흐름도이다.
도 2는 흉부 대동맥(thoracic aorta)의 구조를 도시하는 개념도이다.
도 3은 복수의 병리학적 조건(pathological condition)에 따른 흉부 대동맥의 단면을 도시하는 개념도이다.
도 4는 의료 영상 상에서 트루 루멘(True Lumen)과 폴스 루멘(False Lumen)이 구분되도록 표시되는 디스플레이 이미지의 일 실시예이다.
도 5는 의료 영상 상에서 관상 동맥 협착(coronary stenosis)이 구분되도록 표시되는 디스플레이 이미지의 일 실시예이다.
도 6은 의료 영상 상에서 폐 색전증(pulmonary embolism) 및 폐혈관(pulmonary vessel) 내의 혈전(blood clots)이 구분되도록 표시되는 디스플레이 이미지의 일 실시예이다.
도 7은 대동맥 박리(aortic dissection)가 발생하는 원인을 설명하기 위한 개념도이다.
도 8은 흉부 대동맥의 구조 및 흉부 대동맥이 복수개의 영역들로 구분된 예시를 도시하는 개념도이다.
도 9는 본 발명의 일 실시예에 따른 영상 판독 지원 장치로서, 도 1의 분석 서버(102)의 구체적인 구성을 도시하는 블록도이다.
도 10은 본 발명의 일 실시예에 따른 의료 영상 판독 지원 장치에 의하여 사용자에게 제공되는 대동맥 박리 측정 결과의 시각화 그래프의 일 예시이다.
도 11은 도 10에서 도시되는 시각화 그래프의 하나의 세그멘트의 일 실시예이다.
도 12는 본 발명의 일 실시예에 따른 의료 영상 판독 지원 방법을 도시하는 동작 흐름도이다.
상기 목적 외에 본 발명의 다른 목적 및 특징들은 첨부 도면을 참조한 실시예에 대한 설명을 통하여 명백히 드러나게 될 것이다.
본 발명의 바람직한 실시예를 첨부된 도면들을 참조하여 상세히 설명한다. 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.
최근 급속히 발전한 딥러닝/CNN 기반 인공 신경망 기술은 영상 분야에 적용할 경우, 인간의 육안으로 구분하기 어려운 시각적 요소를 구분하는 용도로 고려되고 있다. 이러한 기술의 적용 분야는 보안, 의료 영상, 비파괴 검사 등 다양한 분야로 확대될 가능성이 기대되고 있다.
예를 들어 의료 영상 분야에서, 암 조직 중 생검(biopsy) 상태에서 즉시 암으로 판정되지 않고, 병리학적(pathology) 관점에서 추적 모니터링된 이후에 비로소 암인지 여부가 판정되는 경우가 있다. 인간의 육안으로는 의료 영상에서 해당 세포가 암인지 여부를 확진하기 어려우나, 인공 신경망 기술을 적용할 경우 인간의 육안으로 관찰하는 것보다 더 정확한 예측 결과를 얻을 수 있을 것이라는 기대가 있다.
이러한 인공 신경망 기술이 적용되어 의료 영상 내에서 인간의 육안으로 식별하기 어려운 질환이나 병변을 검출하고, 특정 조직 등 관심 영역을 분할하며(segmentation), 분할된 영역에 대한 측정 등 분석 과정을 수행할 수 있을 것으로 기대된다.
대동맥(aorta)은 튼튼하고 두꺼운 벽을 가지고 있는 혈관으로, 가장 안쪽의 내막(intima), 주로 근육으로 이루어진 중막(media), 가장 바깥쪽의 외막(adventitia)의 세 겹의 벽으로 이루어져 있다. 대동맥 박리는 어떤 원인에 의하여 대동맥의 내막의 찢어짐(intimal tear)에 의하여 대동맥 내강(lumen) 안에 있는 혈액이 대동맥 중막으로 유입되고, 대동맥 벽이 유입된 혈액으로 인하여 내층과 외측으로 분리되는 질환을 의미한다. 대동맥 박리가 시작된 지 2주 이내의 상태를 급성 대동맥 박리라고 하고, 그 이후의 상태를 만성 대동맥 박리라고 한다.
대동맥 박리의 대표적인 원인은 고혈압을 들 수 있으며, 급성 대동맥 박리 환자의 80% 정도가 고혈압을 가지고 있다는 연구가 알려져 있다. 고혈압 외의 원인으로는 외상, 대동맥 축착, 중층 괴사 등을 들 수 있다.
내막의 찢어짐이 발생하는 부분의 위치에 따라서 대동맥 박리의 종류가 구분되고 그 치료 방법이 달라진다. 스탠포드(Stanford) 분류에 따르면 상행 대동맥(ascending aorta)에서 발생되는 대동맥 박리를 Type A라고 부르고, 하행 대동맥(descending aorta)에서 발생되는 대동맥 박리를 Type B라고 부른다.
하행 대동맥만 침범된 급성 대동맥 박리의 경우에는 수술적 치료를 하지 않은 상태에서 1개월 생존율이 75% 정도인 데 비하여, 상행 대동맥이 침범된 급성 대동맥 박리의 경우에는 수술적 치료를 하지 않으면 2일 이내에 50% 정도가 사망하며, 1개월 내에는 90% 정도가 사망한다는 연구 결과가 알려져 있다.
따라서 본 발명은 대동맥의 세분화된 구조 정보에 대하여 대동맥 박리의 발생 여부를 일람할 수 있는 직관적인 사용자 인터페이스를 제안하고자 한다.
대동맥 박리가 검출되는 대동맥 상의 위치에 따라서 긴급성과 치료 방법이 달라지므로, 본 발명은 전체 대동맥 구조에서 대동맥 박리가 발생한 위치를 직관적으로 시각화/가시화하는 사용자 인터페이스를 제안하고자 한다.
본 발명은 대동맥 박리가 발생한 위치를 직관적으로 시각화/가시화하고, 사용자가 신속하게 처치 방법을 선택할 수 있도록 진단을 보조하는 사용자 인터페이스를 제안하고자 한다.
본 발명의 구성 중 본 발명의 출원 전에 당업자에게 공지된 내용은 필요에 따라서 본 명세서에서 본 발명의 구성 중 일부로서 설명하되, 당업자에게 자명한 사실은 발명의 취지를 흐릴 수 있다고 생각되면 설명을 생략할 수 있다. 또한 본 명세서에서 생략된 사항은 본 출원명세서에서 인용하고 있는 선행문헌들, 예를 들어, 선행기술 [1] US 10,327,724 "Detection and characterization of aortic pathologies", 선행기술 [2] US 10,733,265 "Medical image manager with automated synthetic image generator", 선행기술 [3] US 2020-0118688 "METHOD AND SYSTEM FOR THE EVALUATION OF THE RISK OF AORTIC RUPTURE OR DISSECTION IN AN INDIVIDUAL WITH AN ASCENDING THORACIC AORTIC ANEURYSM", 선행기술 [4] US 2021-0150708 "SYSTEM AND METHOD FOR ANATOMIC CLASSIFICATION OF AORTIC ANATOMY IN ANEURYSMS", 선행기술 [5] KR 10-2021-0115012 "3차원 초음파 영상을 사용한 복부 대동맥류 정량 분석 시스템 및 방법", 선행기술 [6] "Society for Vascular Surgery (SVS) and Society of Thoracic Surgeons (STS) reporting standards for type B aortic dissections", Joseph V. Lombardi, etc., 등을 통하여 당업자에게 공지되었음을 알림으로써 설명에 갈음할 수 있다.
이상의 선행문헌들에서는 인공 신경망을 이용하여 병변 후보를 검출하고, 이들을 분류(classification)하여 소견(findings)을 생성한다. 각 소견은 진단 보조 정보를 포함하며, 진단 보조 정보는 각 소견이 실제로 병변일 확률, 소견의 신뢰도(confidence), 악성도(malignity), 및 소견이 대응하는 병변 후보들의 크기, 부피 등 정량적 측정을 포함할 수 있다.
인공 신경망을 이용한 의료 영상 판독 지원에서는 각 소견은 반드시 확률, 또는 신뢰도를 수치화하여 진단 보조 정보로서 포함하며, 모든 소견을 사용자에게 제공할 수 없으므로 일정한 임계치(threshold)를 적용하여 소견을 필터링하고, 필터링된 소견만이 사용자에게 제공된다.
선행기술 [1] US 10,327,724 "Detection and characterization of aortic pathologies"에 개시된 CT, MR 등 해부학적 정보를 포함하는 의료 영상에서 대동맥의 경계를 검출하고, 대동맥의 해부학적 구조 정보에 기반하여 대동맥 박리, 대동맥류 등의 위험 영역을 검출하는 구성, 또한 대동맥 박리, 대동맥류 등 대동맥에 관한 병리학적 정보를 검출한 경우, 적합한 치료(treatment)를 의학 지식 데이터베이스에서 검색하여 사용자에게 제안하는 구성 등은 본 발명의 목적에 반하지 않는 범위 내에서 본 발명의 구성의 일부로서 이용될 수 있다.
선행기술 [2] US 10,733,265 "Medical image manager with automated synthetic image generator"에 개시된 CT, MR 등 해부학적 정보를 포함하는 의료 영상에서 신호의 세기(signal intensity)를 이용하여 대동맥 등 해부학적 구조를 검출하고, 대동맥 박리 등 대동맥의 병리학적 정보를 검출한 후, 검출된 의학적 정보에 기반하여 리포트를 생성하여 의료 전문가인 사용자에게 제공하는 구성 등은 본 발명의 목적에 반하지 않는 범위 내에서 본 발명의 구성의 일부로서 이용될 수 있다.
선행기술 [3] US 2020-0118688 "METHOD AND SYSTEM FOR THE EVALUATION OF THE RISK OF AORTIC RUPTURE OR DISSECTION IN AN INDIVIDUAL WITH AN ASCENDING THORACIC AORTIC ANEURYSM"에 개시된 대동맥에 대한 해부학적 구조 정보를 의료 영상으로부터 추출한 후, 유한 요소 기법(FEM, Finite Element Method) 등을 적용하여 파라미트릭 정보를 획득하고, 파라미트릭 정보에 기반하여 대동맥 파열 또는 대동맥 박리의 위험도를 계산하는 구성은 본 발명의 목적에 반하지 않는 범위 내에서 본 발명의 구성의 일부로서 이용될 수 있다.
선행기술 [4] US 2021-0150708 "SYSTEM AND METHOD FOR ANATOMIC CLASSIFICATION OF AORTIC ANATOMY IN ANEURYSMS"에 개시된 의료 영상으로부터 대동맥 세그먼트를 찾기 위한 혈관의 분기점 탐색, 분기점으로부터 거리에 따라 혈관 영역을 미리 알려진 대동맥의 해부학적 구조에 매핑하여 대동맥 구조를 결정하는 구성은 본 발명의 목적에 반하지 않는 범위 내에서 본 발명의 구성의 일부로서 이용될 수 있다.
선행기술 [5] KR 10-2021-0115012 "3차원 초음파 영상을 사용한 복부 대동맥류 정량 분석 시스템 및 방법"에 개시된 3차원 초음파 영상으로부터 복부 대동맥류 구조에 대한 세그멘테이션 결과에 기반하여 목표 혈관에 대한 정량화된 측정값을 얻는 구성은 본 발명의 목적에 반하지 않는 범위 내에서 본 발명의 구성의 일부로서 이용될 수 있다.
선행기술 [6] "Society for Vascular Surgery (SVS) and Society of Thoracic Surgeons (STS) reporting standards for type B aortic dissections", Joseph V. Lombardi, etc.,에 개시된 흉부 대동맥을 복수개의 레퍼런스 영역들로 구분하는 방식과, 대동맥 박리가 발생한 상태에서 트루 루멘(TL, True Lumen)과 폴스 루멘(FL, False Lumen)의 크기를 측정하는 방식은 본 발명의 목적에 반하지 않는 범위 내에서 본 발명의 구성의 일부로서 이용될 수 있다.
이와 같이 이들 선행문헌들이 개시하는 내용 중 일부는 본 발명이 해결하고자 하는 문제점과 관련되며, 본 발명이 채택하는 해결 수단 중 일부는 이들 선행문헌에도 공통적으로 적용된다.
이하의 도 1 내지 도 12의 설명에서, 본 발명의 기술 분야에서 널리 알려진 공지 기술이라고 간주되는 사항은 요점을 흐리지 않기 위하여 필요에 따라 설명을 생략하거나, 선행문헌을 인용함으로써 설명을 대체할 수 있다.
또한 앞서 인용된 선행문헌 및 이후 인용되는 선행문헌들의 구성의 일부 또는 전부는 본 발명이 해결하고자 하는 문제점의 일부와 관련될 수 있으며, 본 발명이 채택하는 해결 수단 중 일부는 선행문헌들로부터 차용한 것일 수 있다.
선행문헌들에 개시된 사항들 중 본 발명을 구체화하기 위하여 공통적으로 포함되는 사항에 한하여 본 발명의 구성의 일부로서 간주될 것이다.
이하에서 본 발명의 상세한 사항을 도 1 내지 도 12의 실시예들을 통하여 설명한다.
도 1은 본 발명의 일 실시예에 따른 의료 영상 판독 지원 장치를 포함하는 시스템에서 실행되는 의료 영상 판독 워크플로우를 도시하는 도면이다.
본 발명의 일 실시예에 따른 의료 영상 판독 지원 장치는 도 1에 도시된 분석 서버(102)로서 구현될 수 있다.
분석 서버(102)는 의료 영상의 판독(reading)을 지원하는 의료 영상 판독 지원 장치로서, 컴퓨팅 시스템을 포함할 수 있다.
분석 서버(102)는 인체 내부의 해부학적 구조 정보를 포함하는 의료 영상을 수신할 수 있다. 의료 영상은 이미징 디바이스(106)에 의하여 획득될 수 있다. 이미징 디바이스(106)는 CT, MRI, 초음파 영상 등 인체 내부의 해부학적 구조 정보를 획득할 수 있는 모달리티일 수 있다.
이미지 데이터베이스 서버(108)에 의료 영상이 저장될 수 있다. 분석 서버(102)는 이미징 디바이스(106)로부터 네트워크(114)를 경유하여 의료 영상을 수신할 수도 있고, 이미지 데이터베이스 서버(108)에 저장된 의료 영상을 네트워크(114)를 경유하여 수신할 수도 있다. 이미지 데이터베이스 서버(108)는 의료 영상 저장 전송 시스템(PACS, Picture Archive and Communication System)일 수 있고, 병원 종합 정보 시스템(HIS, Hospital Information System), 또는 CIS(Clinical Information System)일 수 있다.
분석 서버(102)에서는 이미지 프로세싱 프로그램(116)의 실행에 의하여 의료 영상을 처리할 수 있다. 의료 영상에 대한 이미지 프로세싱의 결과로서 의료 영상 내의 해부학적 구조에 대한 분할 결과, 및 정량적 분석 결과가 얻어질 수 있다.
의료 영상 내의 해부학적 구조 분할 결과, 및 정량적 분석 결과를 얻기 위하여 분석 서버(102)는 외부의 컴퓨터 보조 진단 서버(112)와 협력하거나 일부 기능이 컴퓨터 보조 진단 서버(112)에 의하여 실행되도록 네트워크(114)를 경유하여 요청할 수도 있다.
분석 서버(102)에서는 시각화 프로그램(118)의 실행에 의하여 의료 영상 내의 해부학적 구조에 대한 분할 결과, 및 정량적 분석 결과가 시각화될 수 있다. 시각화 프로그램(118)은 의료 영상 내의 해부학적 구조에 대한 분할 결과, 및 정량적 분석 결과를 참조하여 시각화 정보를 생성할 수 있다.
분석 서버(102)에 의하여 생성된 시각화 정보는 네트워크(114)를 경유하여 클라이언트 디바이스(104)에 제공될 수 있다. 클라이언트 디바이스(104)는 사용자 인터페이스(120)를 경유하여 사용자에게 시각화 정보를 제공할 수 있다.
도 1에서는 분석 서버(102)와 클라이언트 디바이스(104)가 분리된 실시예가 도시되었지만, 본 발명의 다른 실시예에서는 의료 영상 판독 지원 장치가 분석 서버와 클라이언트 디바이스의 기능을 모두 포함하며, 직접 사용자에게 시각화 정보를 제공할 수 있다. 이때 본 발명의 일 실시예에 따른 의료 영상 판독 지원 장치는 도 1에 도시된 분석 서버(102)의 구성 외에 사용자 인터페이스를 더 포함할 수 있다.
도 2는 흉부 대동맥(thoracic aorta)(200)의 구조를 도시하는 개념도이다.
도 2를 참조하면, 흉부 대동맥(200)은 상행 대동맥(ascending aorta)(202), 대동맥궁(aortic arch)(204), 하행 대동맥(descending aorta)(206)을 포함한다. 우관상동맥(RCA, right coronary artery)(208), 좌관상동맥(LCA, left coronary artery)(210)는 상행 대동맥(202)에서 분기된다(branch off).
완두동맥/팔머리동맥(brachiocephalic artery)(212), 좌측 총경동맥(left common carotid artery)(214), 및 좌측 쇄골하동맥(216)(left subclavian artery)은 각각 대동맥궁(204)에서 분기된다. 완두동맥(212)은 차례로 우측 쇄골하동맥(right subclavian artery)(218) 및 우측 총경동맥(220)(right common carotid artery)에 연결된다. 하행 대동맥(206)과 연결되는 복부 대동맥(abdominal aorta)은 도 2에서는 도시되어 있지 않다. 단층촬영 스캔 이미지(300)는 대동맥의 임의의 부분으로부터 획득될 수 있다. 도 2에서는 단층촬영 스캔 이미지(300)가 하행 대동맥(206)의 단면으로 표시되지만, 단층촬영 스캔 이미지(300)는 상행 대동맥(202), 대동맥궁(204), 및 복부 대동맥의 단면으로도 구현될 수 있다.
도 3은 복수의 병리학적 조건(pathological condition)에 따른 흉부 대동맥의 단면을 도시하는 개념도이다.
도 3을 참조하면, 정상 대동맥(normal aorta)의 단면도(cross-sectional view)(300A)가 도시된다. 설명의 편의상 정상 대동맥은 진단 가능한 병리학 정보를 가지고 있지 않은 대동맥으로 가정한다. 정상 대동맥의 단면도(300A)에는 혈관벽(vascular wall)(302A) 및 내강/루멘(lumen)(304A)이 도시된다. 도 3에서는 혈관벽(302A)을 포함하는 정상 대동맥의 지름 D가 도시되었지만, 본 발명의 다른 실시예에 따라서는 혈관벽(302A)을 제외한 루멘(304A)만의 지름(도시되지 않음)이 정상 대동맥에 대한 정량적 지표로서 이용될 수 있다.
한편, 대동맥 박리가 발생한 경우의 단면도(300B)가 도시된다. 단면도(300B)에는 혈관벽(302B), 트루 루멘(True Lumen)(304B), 폴스 루멘(False Lumen)(306)이 도시된다. 앞서 설명한 것처럼 단면도(300B)는 상행 대동맥, 대동맥궁, 하행 대동맥, 및/또는 복부 대동맥 중 어느 위치에 대해서라도 표시될 수 있으며, Type A 및/또는 Type B 대동맥 박리 중 어느 경우에 대해서라도 시각화될 수 있다.
도 3에서는 대동맥류(aortic aneurysm)가 발생한 경우의 단면도(300C)도 도시된다. 단면도(300C)에서는 혈관벽(302C), 및 루멘(304C)이 도시된다. 대동맥류를 가지는 혈관벽(302C)의 지름 D'는 정상 대동맥의 단면도(300A)의 혈관벽(302A)의 지름 D의 1.5배 또는 그 이상의 크기임이 도시된다. 동맥류는 동맥에 생긴 주머니 형태로, 혈관의 일부가 확장되어 풍선처럼 보이는 것을 의미한다. 동맥류는 뇌, 심장, 하지 등 우리 몸에 있는 동맥 어디에서나 생길 수 있으나, 대동맥에서 가장 흔하게 발생한다.
대동맥의 일부가 정상 대동맥의 지름의 1.5배 이상으로 확장된 상태를 대동맥류라고 하며, 대동맥류의 75%는 복부 대동맥에서 발생하고, 25%는 흉부 대동맥에서 발생하는 것으로 알려져 있다. 대동맥류의 원인은 동맥경화증으로 알려져 있으며, 그 외에 유전, 외상, 동맥염, 선천성 기형, 매독, 곰팡이 감염 등이 원인이 될 수 있다.
CT 영상을 포함하는 의료 영상은 시각적 랜드마크 검출, 폴스 루멘 검출, 또는 경계 검출(ridge detection) 등 하나 이상의 정성적 방법(qualitative method)을 이용하여 분석될 수 있다. 대동맥 박리의 경우에는 폴스 루멘(306)은 시각적 랜드마크 검출, 경계 검출, 또는 원형도 측정(circularity measurements) 중 하나 이상을 이용하여 식별될 수 있다. 폴스 루멘(306)을 식별하기 위하여 의료 영상에 포함되는 신호의 세기(signal intensity)가 미리 결정된 알려진 범위 내에 포함되는 지 여부에 따라서 혈액(blood), 혈전(blood clots), 혈관(blood vessels) 등으로 구분되는 기법이 적용될 수 있다.
단면도(300B)에서는 트루 루멘(304B), 폴스 루멘(306)이 식별되고, 트루 루멘(304B)의 지름 D1, 폴스 루멘(306)의 지름 D2가 계산될 수 있다. 이때 본 발명의 일 실시예에서는 폴스 루멘(306)이 돌출된 방향으로 부풀어오른 대동맥의 단면도(300B)의 총 지름(whole diameter) D1+D2가 먼저 계산되고, D1+D2에서 트루 루멘(304B)의 지름 D1이 차감되어 폴스 루멘(306)의 지름 D2가 계산될 수 있다. D1+D2는 기준 축 상에서 식별되고 계산될 수 있다. D1, D2도 기준 축 상에서 식별되고 계산될 수 있다.
도 3에서는 혈관벽(302B)이 D1, D2의 계산에 포함되는 실시예가 도시되었지만, 본 발명의 다른 일 실시예에서는 혈관벽(302B)을 제외한 트루 루멘(304B)만의 지름을 D1으로, 폴스 루멘(306)만의 지름을 D2로 계산할 수도 있다.
도 4는 의료 영상 상에서 트루 루멘(True Lumen)과 폴스 루멘(False Lumen)이 구분되도록 표시되는 디스플레이 이미지의 일 실시예이다.
도 4를 참조하면, 흉부 대동맥을 포함하는 흉부 의료 영상(chest medical image)(400)에서 트루 루멘(402) 및 폴스 루멘(404)이 하이라이트되어 표시되는 실시예가 도시된다. 의료 영상 분석 방법으로 의료 영상 세그멘테이션, 의료 영상 내 객체 검출, 의료 영상 내 쓰레쉬홀딩(thresholding) 등의 기법이 적용될 수 있으며, 트루 루멘(402) 및 폴스 루멘(404) 각각의 영역이 식별되고 경계가 세그멘테이션될 수 있다. 의료 영상(400)에서는 트루 루멘(402) 및 폴스 루멘(404) 각각의 영역 및 그 경계가 마커 또는 마스크에 의하여 구분되고, 의료 영상(400) 상에 트루 루멘(402) 및 폴스 루멘(404) 각각의 영역에 대응하는 마커 또는 마스크가 오버레이되어 시각화될 수 있다.
도 5는 의료 영상 상에서 관상 동맥 협착(coronary stenosis)이 구분되도록 표시되는 디스플레이 이미지의 일 실시예이다.
도 5를 참조하면, 관상 동맥(coronary artery)을 포함하는 의료 영상(500) 상에서 관상 혈관(coronary vessel)(502) 및 관상 동맥 협착(504)이 도시된다. 관상 동맥 협착(504)은 화살표(506)에 의하여 강조될 수 있다.
의료 영상(500)은 의료 영상 세그멘테이션, 의료 영상 내 랜드마크 검출, 의료 영상 내 쓰레쉬홀딩(thresholding) 등의 기법으로 분석될 수 있으며, 관상 동맥의 지름이 측정 또는 정량화되어 관상 동맥 협착(504)이 식별될 수 있다.
도 6은 의료 영상 상에서 폐 색전증(pulmonary embolism) 및 폐혈관(pulmonary vessel) 내의 혈전(blood clots)이 구분되도록 표시되는 디스플레이 이미지의 일 실시예이다.
의료 영상(600)은 단층촬영 영상의 axial view이다. 폐혈관 내의 혈전(602)이 의료 영상 분석 기법에 의하여 식별되고, 식별된 혈전(602)에 대한 마커 또는 마스크가 의료 영상(600)에 오버레이될 수 있다. 혈전(602) 영역은 오버레이되는 마커 또는 마스크에 의하여 혈전(602)을 둘러싸는 주변 영역과 명백하게 구분되도록 디스플레이될 수 있다.
도 7은 대동맥 박리(aortic dissection)가 발생하는 원인을 설명하기 위한 개념도이다.
대동맥 내의 내막이 손상되면서 정상 혈관에서는 루멘 내에서만 흐르는 혈액이 내막 찢어짐(intimal tear)에 의하여 중막(aortic media)으로 유입되고, 대동맥의 외벽이 내막과 분리되는 증상이다. 대동맥 박리의 대표적인 원인은 고혈압으로 알려져 있고, 급성 대동맥 박리 환자의 80% 정도가 고혈압을 가지고 있는 것으로 알려져 있다. 유전적 질환인 Marfan 증후군도 대동맥 박리의 원인이며, 그 외의 원인으로는 외상, 대동맥 축착, 중층 괴사 등이 알려져 있다. 대동맥 박리를 경험하는 환자의 90% 정도는 갑자기 앞가슴이나 등 부위에 찢어지는 듯한 심한 통증을 느낀다. 심장에서 가까운 상행 대동맥 부위에 대동맥 박리가 발생하는 경우 가슴 부위에서 통증이 발생하며, 다리 쪽으로 향하는 하행 대동맥에서 대동맥 박리가 발생하는 경우 등 또는 복부에서 통증이 발생한다고 알려져 있다.
도 8은 흉부 대동맥의 구조 및 흉부 대동맥이 복수개의 영역들로 구분된 예시를 도시하는 개념도이다.
도 8을 참조하면, 대동맥이 Zone 0 부터 Zone 11까지 세분화되는 예시가 도시된다. Zone 0은 상행 대동맥과 대동맥궁의 일부 영역을 포함하고, Zone 1과 Zone 2는 대동맥궁을 포함한다. Zone 3과 Zone 4는 하행 대동맥이며, Zone 5 이하는 복부 대동맥에 대응한다.
도 8의 각 Zone들은 의료 영상에 대한 이미지 프로세싱 또는 인공 신경망의 학습/추론(learning/inference)에 의하여 구분될 수 있도록 구분된 대동맥 영역들의 예시일 수 있다. 예를 들어 Zone 2는 좌경동맥(left carotid artery) 및 좌측 쇄골하동맥(left subclavian artery) 사이의 영역으로 정의되고, 이미지 프로세싱 프로그램 또는 인공 신경망은 좌경동맥과 좌측 쇄골하동맥을 분할한 후, 그 사이의 대동맥의 영역을 Zone 2로 분할할 수 있다. Zone 6 내지 8은 복부 대동맥으로부터 분기되는 다른 혈관의 위치와 관련되어 분할될 수 있다.
도 9는 본 발명의 일 실시예에 따른 영상 판독 지원 장치로서, 도 1의 분석 서버(102)의 구체적인 구성을 도시하는 블록도이다.
분석 서버(102)는 본 발명의 의료 영상 판독 지원 장치의 일 실시예일 수 있다. 분석 서버(102)는 이미징 디바이스(106) 또는 이미지 데이터베이스 서버(108)로부터 의료 영상을 수신하는 수신 인터페이스(920), 및 이미지 프로세싱 프로그램(116), 및 시각화 프로그램(118)을 로드하여 실행하는 적어도 하나 이상의 프로세서(910)를 포함한다.
적어도 하나 이상의 프로세서(910)는 이미지 프로세싱 프로그램(116) 및/또는 시각화 프로그램(118)을 실행하기 위하여 적어도 하나 이상의 인공 신경망(930)을 제어하고, 인공 신경망(930)의 추론 결과를 이미지 프로세싱 프로그램(116) 및/또는 시각화 프로그램(118)의 실행 결과로서 출력할 수 있다.
도 10은 본 발명의 일 실시예에 따른 복수개의 대동맥 영역들 각각에 대한 대동맥 박리 검출 결과를 시각화하는 사용자 인터페이스의 일 예이다.
도 10을 참조하면, 유사 파이 그래프의 형태로 사용자 인터페이스 상에 복수개의 대동맥 영역들 각각에 대한 대동맥 박리 검출 결과가 시각화된다.
일반적으로 파이 그래프는 원을 복수개의 시각화 세그멘트로 분할하며, 모든 시각화 세그멘트는 원의 중심을 공유하고 각 시각화 세그멘트의 크기는 시각화하고자 하는 카테고리 정보에 비례하여 결정된다. 가장 널리 사용되는 파이 그래프에서 각 시각화 세그멘트의 크기는 호의 길이(arc length)에 의하여 나타내어진다. 완전한 원은 시각화하고자 하는 카테고리 정보, 즉, 데이터의 총합에 비례하며 데이터의 총합이 100%이고 각 시각화 세그멘트는 데이터의 총합 대비 비율에 의하여 크기가 결정된다.
본 발명에서는 파이 그래프와 유사하게 중심점을 공유하고 중심점으로부터 방사상으로 배치되는 복수개의 시각화 세그멘트를 포함하는 유사 파이 그래프를 제안한다. 본 발명의 실시예에 따른 시각화 그래프는 완전한 원을 형성하지 않을 수 있다. 본 발명의 실시예에 따른 시각화 그래프의 각 시각화 세그멘트는 복수개의 대동맥 영역들 각각에 대응할 수 있다. 시각화 그래프의 각 시각화 세그멘트의 크기는 복수개의 대동맥 영역들에 대한 대동맥 박리 측정 결과의 정량화된 정보에 비례하여 결정될 수 있다.
도 10에 도시된 시각화 그래프는 대동맥의 구조에 대응하는 복수의 대동맥 영역들(Z0 ~ Z11) 내의 정상 혈관과 박리된 영역에 대한 병리학적 정보를 하나의 그래프로 시각화할 수 있다. 시각화 그래프 내의 복수의 시각화 세그멘트 각각은 하나씩의 대동맥 영역들(Z0 ~ Z11)에 대응한다. 시각화 세그멘트 각각의 호(arc)를 이루는 중심각은 시각화 세그멘트 각각에 대응하는 대동맥 영역의 길이 및 전체 대동맥의 길이의 비율에 의하여 결정될 수 있다. 즉, 시각화 세그멘트 각각의 중심각 Θ_zone 은 다음의 수학식 1에 의하여 나타내어질 수 있다.
[수학식 1]
Θ_zone = (AortaLength_zone / AortaLength_total) * 360 [degree]
이때 대동맥의 전체 길이 AortaLength_total 및/또는 각 대동맥 영역의 길이 AortaLength_zone은 대동맥의 중심축을 따라서 측정될 수 있다. 대동맥의 중심축은 대동맥의 분할 과정에서 대동맥의 위치에 따른 단면들의 중심점을 연결한 선일 수 있다.
도 11은 도 10에서 도시되는 시각화 그래프의 하나의 세그멘트의 일 실시예이다.
도 10 및 도 11을 참조하면, 도 3에서와 같이 박리된 폴스 루멘의 지름은 D_False로 나타내어지고, 트루 루멘의 지름은 D_True로 나타내어진다.
해당 위치에서, 트루 루멘과 폴스 루멘의 영역을 모두 포함하는 대동맥의 전체 지름은 총 지름 D_whole 로 나타내어진다.
총 지름 D_whole과 트루 루멘의 지름 D_True 및 폴스 루멘의 지름 D_False 간의 관계는 다음의 수학식 2에 의하여 나타내어진다.
[수학식 2]
D_whole = D_True + D_False
도 10의 시각화 세그멘트 각각의 트루 루멘의 지름 및 폴스 루멘의 지름은 도 11에 도시된 것과 같이 중심점으로부터 트루 루멘 영역의 크기, 및 폴스 루멘 영역의 크기 순서로 나타내어질 수 있다.
한편 도 10 및 도 11에 나타낸 것처럼 측정된 트루 루멘의 지름 및 폴스 루멘의 지름이 대동맥 박리를 의미하는 지에 대한 임상적 진단을 지원하기 위하여, 해당 위치의 정상 대동맥의 지름 D_Ref가 함께 시각화 세그멘트 각각에 대하여 시각화될 수 있다.
해당 위치의 트루 루멘의 크기 및 폴스 루멘의 크기가 대동맥 박리를 의미하는 지는 트루 루멘의 크기 및 폴스 루멘의 크기의 비율, 폴스 루멘의 크기의 절대값, 트루 루멘과 폴스 루멘을 합산한 영역의 크기, 정상 대동맥의 크기와 합산된 영역의 크기 간의 비율 등에 의하여 의료 전문가인 사용자에 의하여 판단될 수 있다.
물론 본 발명의 의료 영상 판독 지원 장치는 해당 위치의 트루 루멘의 크기 및 폴스 루멘의 크기가 대동맥 박리를 의미하는 지는 트루 루멘의 크기 및 폴스 루멘의 크기의 비율, 폴스 루멘의 크기의 절대값, 트루 루멘과 폴스 루멘을 합산한 영역의 크기, 정상 대동맥의 크기와 합산된 영역의 크기 간의 비율 등에 의하여 해당 위치에서 대동맥 박리가 발생하였는지 여부에 대한 예비적인 추론 결과를 판독 지원 정보로서 도 10 또는 도 11의 시각화 그래프와 함께 사용자에게 제공할 수도 있다.
복수의 대동맥 영역들(Z0 ~ Z11) 각각에 대하여 시각화되는 트루 루멘과 폴스 루멘의 크기 정보는 복수의 대동맥 영역들(Z0 ~ Z11) 각각에 대하여 얻어지는 트루 루멘과 폴스 루멘의 대표값일 수 있다. 대표값은 동일 단면 상에서 식별되는 트루 루멘과 폴스 루멘의 영역의 크기에 기반하여 얻어질 수 있다. 이때 폴스 루멘의 크기가 가장 큰 위치, 또는 폴스 루멘의 크기가 트루 루멘의 크기에 비하여 가장 큰 비율을 가지는 위치, 트루 루멘 및 폴스 루멘의 크기를 합산한 크기가 정상 대동맥의 크기에 비하여 가장 큰 비율을 가지는 위치 등이 대표 위치로 선택될 수 있고 대표 위치에서의 트루 루멘과 폴스 루멘의 크기 및 그 비율이 대표값으로 선택될 수 있다.
본 발명의 다른 실시예에 따르면, 대표값은 복수의 대동맥 영역들(Z0 ~ Z11) 각각이 속하는 구간에 대한 트루 루멘과 폴스 루멘의 크기에 대한 통계 처리 결과에 기반하여 얻어질 수 있다. 통계 처리는 산술평균, 조화평균, 기하평균, 가중치 평균, 최대값, 최소값, 중간값 등의 기법을 통하여 수행될 수 있다.
도 1, 도 9 내지 도 11을 참조하면, 본 발명의 일 실시예에 따른 의료 영상 판독 지원 장치로서 분석 서버(102)는 컴퓨팅 시스템을 포함한다. 컴퓨팅 시스템은 인체 내부의 해부학적 구조 정보를 포함하는 의료 영상을 수신하는 수신 인터페이스(920); 및 의료 영상 내의 대동맥의 분할 결과, 및 대동맥 내의 복수개의 대동맥 영역의 분할 결과에 기반하여 복수개의 대동맥 영역 각각 내의 내막으로 둘러싸인 영역을 포함하는 트루 루멘, 및 복수개의 대동맥 영역 각각 내의 내막과 외막 사이의 영역을 포함하는 폴스 루멘의 크기를 획득하는 적어도 하나 이상의 프로세서(910)를 포함한다. 적어도 하나 이상의 프로세서(910)는 복수개의 대동맥 영역 각각에 대응하며 가상의 원의 중심점을 공유하고 중심점으로부터 방사상으로 배치되는 시각화 세그멘트를 포함하는 그래프를 이용하여 복수개의 대동맥 영역 각각 내에서 트루 루멘의 크기, 폴스 루멘의 크기, 및 트루 루멘의 크기와 폴스 루멘의 크기 사이의 비율을 시각화하여 시각화 정보를 생성한다.
의료 영상 내의 대동맥의 분할 결과, 및 대동맥 내의 복수개의 대동맥 영역의 분할 결과는 이미지 프로세싱 프로그램(116)이 프로세서(910)에 로드되어 실행됨으로써 얻어질 수 있다. 또는 의료 영상 내의 대동맥의 분할 결과, 및 대동맥 내의 복수개의 대동맥 영역의 분할 결과는 프로세서(910)의 제어에 의하여 인공 신경망(930)이 추론한 결과가 이미지 프로세싱 프로그램(116)의 분석 결과로서 제공됨으로써 얻어질 수 있다. 의료 영상 내의 대동맥의 분할 결과, 및 대동맥 내의 복수개의 대동맥 영역의 분할 결과의 적어도 일부는 분석 서버(102)가 컴퓨터 보조 진단 서버(112)에 요청하여 네트워크(114) 및 수신 인터페이스(920)를 경유하여 수신될 수도 있다.
복수개의 대동맥 영역 각각 내에서 트루 루멘의 크기, 폴스 루멘의 크기, 및 트루 루멘의 크기 및 폴스 루멘의 크기 사이의 비율은 시각화 프로그램(118)이 프로세서(910)에 로드되어 실행됨으로써 얻어질 수 있다. 또는 의료 영상 내의 대동맥의 분할 결과, 및 대동맥 내의 복수개의 대동맥 영역의 분할 결과는 프로세서(910)의 제어에 의하여 인공 신경망(930)이 추론한 결과가 시각화 프로그램(118)의 분석 결과로서 제공됨으로써 얻어질 수 있다.
시각화 정보는 분석 서버(102) 또는 클라이언트 디바이스(104)에 포함된 사용자 인터페이스(120)를 통하여 시각화되고 사용자에게 제공될 수 있다.
적어도 하나 이상의 프로세서(910)는 복수개의 대동맥 영역 각각을 그래프 내의 시각화 세그멘트 각각에 대응하도록 시각화하여 시각화 정보를 생성할 수 있다. 적어도 하나 이상의 프로세서(910)는 시각화 세그멘트 각각을, 대응하는 대동맥 영역의 길이 및 대동맥의 전체 길이 간의 비율에 대응하는 중심각을 가지도록 시각화하여 시각화 정보를 생성할 수 있다.
적어도 하나 이상의 프로세서(910)는 시각화 세그멘트 각각을, 대응하는 대동맥 영역의 정상군의 대동맥 크기를 대응하는 대동맥 영역의 트루 루멘의 크기, 및 폴스 루멘의 크기와 비교할 수 있도록 시각화하여 시각화 정보를 생성할 수 있다.
도 10 및 도 11에서는 적어도 하나 이상의 프로세서(910)는 복수개의 대동맥 영역 각각 내의 트루 루멘의 크기 및 폴스 루멘의 크기를 지름의 길이에 비례하여 결정할 수 있다. 도 10 및 도 11에서는 적어도 하나 이상의 프로세서(910)는 복수개의 대동맥 영역 각각 내의 트루 루멘의 크기 및 폴스 루멘의 크기를 시각화 세그멘트의 반지름에 비례하여 시각화하여 시각화 정보를 생성할 수 있다.
본 발명의 다른 일 실시예에서는 적어도 하나 이상의 프로세서(910)는 복수개의 대동맥 영역 각각 내의 트루 루멘의 크기 및 폴스 루멘의 크기를 트루 루멘의 면적 및 폴스 루멘의 면적에 비례하여 결정할 수 있다. 본 발명의 다른 일 실시예에서는 적어도 하나 이상의 프로세서(910)는 복수개의 대동맥 영역 각각 내의 트루 루멘의 크기 및 폴스 루멘의 크기를 시각화 세그멘트의 면적에 비례하여 시각화하여 시각화 정보를 생성할 수 있다.
시각화 정보는 사용자 인터페이스(120)를 경유하여 사용자에게 제공될 수 있다. 사용자 인터페이스(120)는 클라이언트 디바이스(104)에 포함되어 사용자와 인터랙션할 수도 있고, 분석 서버(102) 및 클라이언트 디바이스(104)의 기능을 모두 포함하는 통합된 의료 영상 판독 지원 장치(도시되지 않음)에 포함되어 사용자에게 시각화 정보를 제공할 수도 있다.
프로세서(910)에 의하여 실행되는 이미지 프로세싱 프로그램(116) 또는 컴퓨터 보조 진단 서버(112)에서 실행된 분석 결과에 기반하여 생성되는 부가적인 정보를 가지는 리포트가 생성되어 사용자 인터페이스(120)를 경유하여 시각화 정보와 함께 사용자에게 제공될 수 있다.
리포트는 대동맥의 각 대동맥 영역에 대한 정량적인 측정 정보, 각 대동맥 영역에서 검출된 트루 루멘과 폴스 루멘의 세그멘테이션 및/또는 경계 검출 정보를 부가 정보로서 포함할 수 있다. 리포트는 각 대동맥 영역에 대한 대동맥 박리 여부에 대한 추론 결과를 부가 정보로서 포함할 수 있다. 리포트는 각 대동맥 영역에 대하여 시각화된 트루 루멘과 폴스 루멘을 사용자가 다시 한번 관찰할 수 있도록 대동맥의 단면 영상 상에 트루 루멘과 폴스 루멘이 구분되어 시각화되는 레퍼런스 영상의 링크를 부가 정보로서 포함할 수 있다. 리포트는 각 대동맥 영역에 대하여 트루 루멘과 폴스 루멘이 적절하게 세그멘테이션 및/또는 식별되었는지 사용자가 확인할 수 있도록 트루 루멘과 폴스 루멘의 세그멘테이션 및/또는 식별에 관련되는 전처리 과정을 시각화한 레퍼런스 영상의 링크를 부가 정보로서 포함할 수 있다.
도 12는 본 발명의 일 실시예에 따른 의료 영상 판독 지원 방법을 도시하는 동작 흐름도이다.
본 발명의 일 실시예에 따른 의료 영상 판독 지원 방법은 적어도 하나 이상의 프로세서(910)를 포함하는 컴퓨팅 시스템에서 적어도 하나 이상의 프로세서(910)에 프로그램 인스트럭션이 로드되어 실행됨으로써 수행된다.
의료 영상 판독 지원 방법은 적어도 하나 이상의 프로세서(910)가, 수신 인터페이스(920)를 경유하여 인체 내부의 해부학적 구조 정보를 포함하는 의료 영상을 수신하는 단계(S1210); 적어도 하나 이상의 프로세서(910)가, 의료 영상 내의 대동맥의 분할 결과, 및 대동맥 내의 복수개의 대동맥 영역의 분할 결과를 참조하고(S1220), 적어도 하나 이상의 프로세서(910)가, 참조된 결과에 기반하여 복수개의 대동맥 영역 각각 내의 내막으로 둘러싸인 영역을 포함하는 트루 루멘의 크기, 및 복수개의 대동맥 영역 각각 내의 내막과 외막 사이의 영역을 포함하는 폴스 루멘의 크기를 획득하는 단계(S1230); 및 적어도 하나 이상의 프로세서(910)가, 복수개의 대동맥 영역 각각에 대응하며 가상의 원의 중심점을 공유하고 중심점으로부터 방사상으로 배치되는 시각화 세그멘트를 포함하는 그래프를 이용하여 복수개의 대동맥 영역 각각 내에서 트루 루멘의 크기, 폴스 루멘의 크기, 및 트루 루멘의 크기와 폴스 루멘의 크기 사이의 비율을 시각화하여 시각화 정보를 생성하는 단계(S1240)를 포함한다.
본 발명의 일 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 본 발명을 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 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
그러나, 본 발명이 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다. 본 발명의 실시예와 도면에 소개된 길이, 높이, 크기, 폭 등은 이해를 돕기 위해 과장된 것일 수 있다.
이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.
102: 분석 서버
116: 이미지 프로세싱 프로그램
118: 시각화 프로그램
910: 적어도 하나 이상의 프로세서
930: 적어도 하나 이상의 인공 신경망
116: 이미지 프로세싱 프로그램
118: 시각화 프로그램
910: 적어도 하나 이상의 프로세서
930: 적어도 하나 이상의 인공 신경망
Claims (8)
- 의료 영상의 판독을 지원하는 의료 영상 판독 지원 장치로서, 상기 의료 영상 판독 지원 장치는 컴퓨팅 시스템을 포함하고,
상기 컴퓨팅 시스템은
인체 내부의 해부학적 구조 정보를 포함하는 의료 영상을 수신하는 수신 인터페이스부; 및
상기 의료 영상 내의 대동맥의 분할 결과, 및 상기 대동맥 내의 복수개의 대동맥 영역의 분할 결과에 기반하여 상기 복수개의 대동맥 영역 각각 내의 내막으로 둘러싸인 영역을 포함하는 트루 루멘, 및 상기 복수개의 대동맥 영역 각각 내의 내막과 외막 사이의 영역을 포함하는 폴스 루멘의 크기를 획득하는 적어도 하나 이상의 프로세서;
를 포함하고,
상기 적어도 하나 이상의 프로세서는
상기 복수개의 대동맥 영역 각각에 대응하며 가상의 원의 중심점을 공유하고 상기 중심점으로부터 방사상으로 배치되는 시각화 세그멘트를 포함하는 그래프를 이용하여 상기 복수개의 대동맥 영역 각각 내에서 트루 루멘의 크기, 폴스 루멘의 크기, 및 상기 트루 루멘과 상기 폴스 루멘 사이의 비율이 시각화되는 시각화 정보를 생성하는 의료 영상 판독 지원 장치. - 제1항에 있어서,
상기 적어도 하나 이상의 프로세서는
상기 복수개의 대동맥 영역 각각을 상기 그래프 내의 시각화 세그멘트 각각에 대응하도록 시각화하고,
상기 시각화 세그멘트 각각을, 대응하는 대동맥 영역의 길이 및 상기 대동맥의 전체 길이 간의 비율에 대응하는 중심각을 가지도록 시각화하여 상기 시각화 정보를 생성하는 의료 영상 판독 지원 장치. - 제1항에 있어서,
상기 적어도 하나 이상의 프로세서는
상기 복수개의 대동맥 영역 각각을 상기 그래프 내의 시각화 세그멘트 각각에 대응하도록 시각화하고,
상기 시각화 세그멘트 각각을, 대응하는 대동맥 영역의 정상군의 대동맥 크기를 상기 대응하는 대동맥 영역의 트루 루멘의 크기, 및 폴스 루멘의 크기와 비교할 수 있도록 시각화하여 상기 시각화 정보를 생성하는 의료 영상 판독 지원 장치. - 제1항에 있어서,
상기 적어도 하나 이상의 프로세서는
상기 복수개의 대동맥 영역 각각을 상기 그래프 내의 시각화 세그멘트 각각에 대응하도록 시각화하고,
상기 복수개의 대동맥 영역 각각 내의 트루 루멘의 크기 및 폴스 루멘의 크기를 지름의 길이에 비례하여 결정하고,
상기 복수개의 대동맥 영역 각각 내의 트루 루멘의 크기 및 폴스 루멘의 크기를 시각화 세그멘트의 반지름에 비례하여 시각화하여 상기 시각화 정보를 생성하는 의료 영상 판독 지원 장치. - 제1항에 있어서,
상기 적어도 하나 이상의 프로세서는
상기 복수개의 대동맥 영역 각각을 상기 그래프 내의 시각화 세그멘트 각각에 대응하도록 시각화하여 상기 시각화 정보를 생성하고,
상기 복수개의 대동맥 영역 각각 내의 트루 루멘의 크기 및 폴스 루멘의 크기를 면적에 비례하여 결정하고,
상기 복수개의 대동맥 영역 각각 내의 트루 루멘의 크기 및 폴스 루멘의 크기를 시각화 세그멘트의 면적에 비례하여 시각화하여 상기 시각화 정보를 생성하는 의료 영상 판독 지원 장치. - 컴퓨팅 시스템에서 실행되는 의료 영상의 판독을 지원하는 의료 영상 판독 지원 방법에 있어서, 상기 컴퓨팅 시스템은 적어도 하나 이상의 프로세서를 포함하고,
상기 적어도 하나 이상의 프로세서가, 수신 인터페이스부를 경유하여 인체 내부의 해부학적 구조 정보를 포함하는 의료 영상을 수신하는 단계;
상기 적어도 하나 이상의 프로세서가, 상기 의료 영상 내의 대동맥의 분할 결과, 및 상기 대동맥 내의 복수개의 대동맥 영역의 분할 결과에 기반하여 상기 복수개의 대동맥 영역 각각 내의 내막으로 둘러싸인 영역을 포함하는 트루 루멘의 크기, 및 상기 복수개의 대동맥 영역 각각 내의 내막과 외막 사이의 영역을 포함하는 폴스 루멘의 크기를 획득하는 단계; 및
상기 적어도 하나 이상의 프로세서가, 상기 복수개의 대동맥 영역 각각에 대응하며 가상의 원의 중심점을 공유하고 상기 중심점으로부터 방사상으로 배치되는 시각화 세그멘트를 포함하는 그래프를 이용하여 상기 복수개의 대동맥 영역 각각 내에서 트루 루멘의 크기, 폴스 루멘의 크기, 및 상기 트루 루멘과 상기 폴스 루멘 사이의 비율을 시각화하여 시각화 정보를 생성하는 단계;
를 포함하는 의료 영상 판독 지원 방법. - 제6항에 있어서,
상기 시각화하는 단계에서는
상기 적어도 하나 이상의 프로세서가, 상기 복수개의 대동맥 영역 각각을 상기 그래프 내의 시각화 세그멘트 각각에 대응하도록 시각화하고,
상기 적어도 하나 이상의 프로세서가, 상기 시각화 세그멘트 각각을, 대응하는 대동맥 영역의 길이 및 상기 대동맥의 전체 길이 간의 비율에 대응하는 중심각을 가지도록 시각화하여 상기 시각화 정보를 생성하는 의료 영상 판독 지원 방법. - 제6항에 있어서,
상기 시각화하는 단계에서는
상기 적어도 하나 이상의 프로세서가, 상기 복수개의 대동맥 영역 각각을 상기 그래프 내의 시각화 세그멘트 각각에 대응하도록 시각화하고,
상기 적어도 하나 이상의 프로세서가, 상기 시각화 세그멘트 각각을, 대응하는 대동맥 영역의 정상군의 대동맥 크기를 상기 대응하는 대동맥 영역의 트루 루멘의 크기, 및 폴스 루멘의 크기와 비교할 수 있도록 시각화하여 상기 시각화 정보를 생성하는 의료 영상 판독 지원 방법.
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210173370A KR102446929B1 (ko) | 2021-12-07 | 2021-12-07 | 대동맥 박리 가시화 장치 및 방법 |
| KR1020220061893A KR20230085817A (ko) | 2021-12-07 | 2022-05-20 | 대동맥 박리 가시화 장치 및 방법 |
| US18/076,513 US20230172451A1 (en) | 2021-12-07 | 2022-12-07 | Medical image visualization apparatus and method for diagnosis of aorta |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210173370A KR102446929B1 (ko) | 2021-12-07 | 2021-12-07 | 대동맥 박리 가시화 장치 및 방법 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220061893A Division KR20230085817A (ko) | 2021-12-07 | 2022-05-20 | 대동맥 박리 가시화 장치 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102446929B1 true KR102446929B1 (ko) | 2022-09-23 |
Family
ID=83446039
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210173370A KR102446929B1 (ko) | 2021-12-07 | 2021-12-07 | 대동맥 박리 가시화 장치 및 방법 |
| KR1020220061893A KR20230085817A (ko) | 2021-12-07 | 2022-05-20 | 대동맥 박리 가시화 장치 및 방법 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220061893A KR20230085817A (ko) | 2021-12-07 | 2022-05-20 | 대동맥 박리 가시화 장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (2) | KR102446929B1 (ko) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10327724B2 (en) | 2017-10-10 | 2019-06-25 | International Business Machines Corporation | Detection and characterization of aortic pathologies |
| US20200118688A1 (en) | 2017-05-31 | 2020-04-16 | Fondazione Ri.Med | Method and system for the evaluation of the risk of aortic rupture or dissection in an individual with an ascending thoracic aortic aneurysm |
| US10733265B2 (en) | 2017-11-06 | 2020-08-04 | International Business Machines Corporation | Medical image manager with automated synthetic image generator |
| US20210150708A1 (en) | 2019-11-19 | 2021-05-20 | University Of Kentucky Research Foundation | System and method for anatomic classification of aortic anatomy in aneurysms |
| KR20210115012A (ko) | 2019-01-17 | 2021-09-24 | 베라톤 인코포레이티드 | 3차원 초음파 영상을 사용한 복부 대동맥류 정량 분석 시스템 및 방법 |
-
2021
- 2021-12-07 KR KR1020210173370A patent/KR102446929B1/ko active
-
2022
- 2022-05-20 KR KR1020220061893A patent/KR20230085817A/ko unknown
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20200118688A1 (en) | 2017-05-31 | 2020-04-16 | Fondazione Ri.Med | Method and system for the evaluation of the risk of aortic rupture or dissection in an individual with an ascending thoracic aortic aneurysm |
| US10327724B2 (en) | 2017-10-10 | 2019-06-25 | International Business Machines Corporation | Detection and characterization of aortic pathologies |
| US10733265B2 (en) | 2017-11-06 | 2020-08-04 | International Business Machines Corporation | Medical image manager with automated synthetic image generator |
| KR20210115012A (ko) | 2019-01-17 | 2021-09-24 | 베라톤 인코포레이티드 | 3차원 초음파 영상을 사용한 복부 대동맥류 정량 분석 시스템 및 방법 |
| US20210150708A1 (en) | 2019-11-19 | 2021-05-20 | University Of Kentucky Research Foundation | System and method for anatomic classification of aortic anatomy in aneurysms |
Non-Patent Citations (1)
| Title |
|---|
| "Society for Vascular Surgery (SVS) and Society of Thoracic Surgeons (STS) reporting standards for type B aortic dissections", Joseph V. Lombardi, etc., (2020.01.27) |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20230085817A (ko) | 2023-06-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Pepe et al. | Detection, segmentation, simulation and visualization of aortic dissections: a review | |
| US20230218346A1 (en) | Systems and methods for processing electronic images to identify relevant flow characteristics | |
| AU2017235454B2 (en) | Systems and methods for estimating healthy lumen diameter and stenosis quantification in coronary arteries | |
| US9495794B2 (en) | Three-dimensional image display apparatus, method, and program | |
| Schaap et al. | Standardized evaluation methodology and reference database for evaluating coronary artery centerline extraction algorithms | |
| EP2810598B1 (en) | Surgical support device, surgical support method and surgical support program | |
| US8805471B2 (en) | Surgery-assistance apparatus, method and program | |
| CN112967220B (zh) | 评估与血管周围组织有关的ct数据集的计算机实现的方法 | |
| US20230172451A1 (en) | Medical image visualization apparatus and method for diagnosis of aorta | |
| US20110245650A1 (en) | Method and System for Plaque Lesion Characterization | |
| JP2019512131A (ja) | 画像ベースの患者固有の血流力学的モデルにおいて解像されていない血管を特定してモデル化するためのシステム及び方法 | |
| EP2157905A1 (en) | A method for tracking 3d anatomical and pathological changes in tubular-shaped anatomical structures | |
| Brutti et al. | Deep learning to automatically segment and analyze abdominal aortic aneurysm from computed tomography angiography | |
| KR102382872B1 (ko) | 의료용 인공 신경망 기반 대표 영상을 제공하는 의료 영상 판독 지원 장치 및 방법 | |
| EP3975115A1 (en) | Method and system for analyzing a plurality of interconnected blood vessels | |
| EP3975199A1 (en) | Method and system for determining a significance score as-sociated with a medical imaging dataset of a patient | |
| Sankaran et al. | Hale: Healthy area of lumen estimation for vessel stenosis quantification | |
| CN113470060B (zh) | 基于ct影像的冠状动脉多角度曲面重建可视化方法 | |
| CN113177945A (zh) | 用于将分割图链接到体数据的系统和方法 | |
| US20230222668A1 (en) | Image processing apparatus, image processing method, and recording medium | |
| KR102446929B1 (ko) | 대동맥 박리 가시화 장치 및 방법 | |
| Czajkowska et al. | Skeleton graph matching vs. maximum weight cliques aorta registration techniques | |
| Macedo et al. | A centerline-based estimator of vessel bifurcations in angiography images | |
| Lubniewski et al. | Interactive 3D segmentation by tubular envelope model for the aorta treatment | |
| KR20240039479A (ko) | 대동맥 진단을 위한 의료 영상 가시화 장치 및 방법 |