KR102454374B1 - 흉막 삼출의 검출 방법 및 이를 위한 장치 - Google Patents
흉막 삼출의 검출 방법 및 이를 위한 장치 Download PDFInfo
- Publication number
- KR102454374B1 KR102454374B1 KR1020210133062A KR20210133062A KR102454374B1 KR 102454374 B1 KR102454374 B1 KR 102454374B1 KR 1020210133062 A KR1020210133062 A KR 1020210133062A KR 20210133062 A KR20210133062 A KR 20210133062A KR 102454374 B1 KR102454374 B1 KR 102454374B1
- Authority
- KR
- South Korea
- Prior art keywords
- image information
- image
- pleural effusion
- body part
- chest
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 208000002151 Pleural effusion Diseases 0.000 claims abstract description 98
- 210000004072 lung Anatomy 0.000 claims abstract description 59
- 210000002216 heart Anatomy 0.000 claims abstract description 48
- 210000004224 pleura Anatomy 0.000 claims abstract description 24
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 23
- 210000000038 chest Anatomy 0.000 claims description 82
- 230000006870 function Effects 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 12
- 210000000709 aorta Anatomy 0.000 claims description 4
- 210000001147 pulmonary artery Anatomy 0.000 claims description 4
- 210000003492 pulmonary vein Anatomy 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 15
- 210000000056 organ Anatomy 0.000 description 11
- 238000013528 artificial neural network Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000002591 computed tomography Methods 0.000 description 8
- 238000000605 extraction Methods 0.000 description 8
- 238000003860 storage Methods 0.000 description 8
- 238000003384 imaging method Methods 0.000 description 7
- 210000000988 bone and bone Anatomy 0.000 description 6
- 210000004910 pleural fluid Anatomy 0.000 description 6
- 210000000188 diaphragm Anatomy 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 210000005259 peripheral blood Anatomy 0.000 description 5
- 239000011886 peripheral blood Substances 0.000 description 5
- 239000000470 constituent Substances 0.000 description 4
- 210000001519 tissue Anatomy 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 210000001124 body fluid Anatomy 0.000 description 2
- 239000010839 body fluid Substances 0.000 description 2
- 238000013170 computed tomography imaging Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 210000004185 liver Anatomy 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 210000003281 pleural cavity Anatomy 0.000 description 2
- 210000002784 stomach Anatomy 0.000 description 2
- 235000001808 Ceanothus spinosus Nutrition 0.000 description 1
- 241001264786 Ceanothus spinosus Species 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 206010035664 Pneumonia Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 210000000746 body region Anatomy 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011976 chest X-ray Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 210000004379 membrane Anatomy 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- APTZNLHMIGJTEW-UHFFFAOYSA-N pyraflufen-ethyl Chemical compound C1=C(Cl)C(OCC(=O)OCC)=CC(C=2C(=C(OC(F)F)N(C)N=2)Cl)=C1F APTZNLHMIGJTEW-UHFFFAOYSA-N 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 230000008733 trauma Effects 0.000 description 1
- 201000008827 tuberculosis Diseases 0.000 description 1
- 238000002604 ultrasonography 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
- 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
- A61B6/46—Arrangements for interfacing with the operator or the patient
- A61B6/467—Arrangements for interfacing with the operator or the patient characterised by special input means
- A61B6/468—Arrangements for interfacing with the operator or the patient characterised by special input means allowing annotation or message recording
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
- G06T2207/30061—Lung
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Theoretical Computer Science (AREA)
- Pathology (AREA)
- High Energy & Nuclear Physics (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Optics & Photonics (AREA)
- General Physics & Mathematics (AREA)
- Pulmonology (AREA)
- Physiology (AREA)
- Human Computer Interaction (AREA)
- Quality & Reliability (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
본 개시는 흉막 삼출의 검출 방법 및 이를 위한 장치에 관한 것으로, 본 개시의 일 실시예에 따른 흉막 삼출의 검출 방법은, 사용자의 흉부의 연속적인 부피에 대응하여 생성된 흉부 영상을 획득하는 단계; 상기 흉부 영상에서 심장 및 심장 주변 혈관을 제거함으로써 제 1 영상 정보를 생성하는 단계; 상기 제 1 영상 정보에서 폐 및 흉막을 포함하는 폐 영역을 추출하여 제 2 영상 정보를 생성하는 단계; 및 상기 제 2 영상 정보에서 상기 폐와 상기 흉막 사이의 흉막 삼출 부위를 검출하는 단계를 포함할 수 있다.
Description
본 개시(disclosure)의 기술적 사상은 흉막 삼출의 검출 방법 및 이를 위한 장치에 관한 것이다.
흉막 삼출은 폐의 흉막에서 체액 성분이 스며 나오는 삼출 증상이 나타나는 질환이다. 통상적으로 흉막 안쪽으로 소량의 체액이 일정하게 생성되어 들어가는데, 체액의 생성이 많아지는 질환이나 체액의 흡수가 감소되면, 과도한 흉수가 흉막 내에 고여 있음으로써, 흉막 삼출이 발생하게 된다.
흉막 삼출을 해소하기 위해, 흉수를 신체 외부로 배출하기 위해 흉막 공간 내로 바늘을 넣어 주사기로 흉수 일부를 뽑아내는 흉수 천자가 수행되는데, 이때 천자할 부분의 정확한 위치를 파악하는 것이 필수적이다.
이를 위해 종래에는 2차원인 흉부 X선 영상이나 초음파 영상에 나타난 흉막 삼출의 부위의 크기를 수동으로 계측한 뒤, 이를 토대로 총량을 추측하였는데, 이는 정확한 위치 파악이 어렵다는 문제가 있었다.
또한, 이를 해결하기 위해 반자동 혹은 자동으로 방사선 영상으로부터 흉막 삼출을 검출하려는 시도가 있었지만, 흉수는 폐 주변의 다른 연조직과 밝기 값이 유사하기 때문에 정확한 경계를 파악하기 어려운 문제가 있었다.
본 개시의 기술적 사상에 따른 흉막 삼출의 검출 방법 및 이를 위한 장치가 이루고자 하는 기술적 과제는, 흉부 영상으로부터 정확하고 신속하게 폐 영역을 검출하고, 이로부터 흉막 삼출을 검출할 수 있는 흉막 삼출의 검출 방법 및 그 장치를 제공하는 데에 있다.
본 개시의 기술적 사상에 따른 흉막 삼출의 검출 방법 및 이를 위한 장치가 이루고자 하는 기술적 과제는 이상에서 언급한 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제는 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 개시의 기술적 사상에 의한 일 양태에 따르면, 흉막 삼출의 검출 방법은, 사용자의 흉부의 연속적인 부피에 대응하여 생성된 흉부 영상을 획득하는 단계; 상기 흉부 영상에서 심장 및 심장 주변 혈관을 제거함으로써 제 1 영상 정보를 생성하는 단계; 상기 제 1 영상 정보에서 폐 및 흉막을 포함하는 폐 영역을 추출하여 제 2 영상 정보를 생성하는 단계; 및 상기 제 2 영상 정보에서 상기 폐와 상기 흉막 사이의 흉막 삼출 부위를 검출하는 단계를 포함할 수 있다.
예시적인 실시예에 따르면, 상기 심장 주변 혈관은 상기 심장에 연결되는 대동맥, 대정맥, 폐동맥 및 폐정맥을 포함할 수 있다.
예시적인 실시예에 따르면, 상기 제 2 영상 정보를 생성하는 단계는, 상기 제 1 영상 정보에서 흉곽 및 횡격막을 인식하는 단계; 및 상기 제 1 영상 정보에서 상기 흉곽 및 상기 횡격막 내측에 위치하는 상기 폐 영역을 추출하는 단계를 포함할 수 있다.
예시적인 실시예에 따르면, 상기 제 2 영상 정보를 생성하는 단계는, 상기 제 1 영상 정보에서 흉곽 및 횡격막을 인식하는 단계; 및 상기 제 1 영상 정보에서 상기 흉곽 및 상기 횡격막을 제거하는 단계를 포함할 수 있다.
예시적인 실시예에 따르면, 상기 흉막 삼출 부위의 부피를 산출하는 단계를 더 포함할 수 있다.
예시적인 실시예에 따르면, 상기 흉막 삼출 부위를 소정의 식별 표지로 라벨링한 제 3 영상 정보를 생성하는 단계를 더 포함할 수 있다.
예시적인 실시예에 따르면, 상기 흉부 영상은 3차원 영상 또는 복수의 2차원 영상을 포함하는 영상군일 수 있다.
본 개시의 기술적 사상에 의한 일 양태에 따르면, 흉막 삼출의 검출 장치는, 흉막 삼출의 검출을 위한 프로그램을 저장하는 메모리; 및 상기 프로그램을 실행함으로써, 사용자의 흉부의 연속적인 부피에 대응하여 생성된 흉부 영상을 획득하고, 상기 흉부 영상에서 심장 및 심장 주변 혈관을 제거함으로써 제 1 영상 정보를 생성하고, 상기 제 1 영상 정보에서 폐 및 흉막을 포함하는 폐 영역을 추출하여 제 2 영상 정보를 생성하며, 상기 제 2 영상 정보에서 상기 폐와 상기 흉막 사이의 흉막 삼출 부위를 검출하는 적어도 하나의 프로세서를 포함할 수 있다.
본 개시의 기술적 사상에 의한 일 양태에 따르면, 흉막 삼출의 검출 방법을 실행하기 위해 기록 매체에 저장되는 컴퓨터 프로그램이 제공될 수 있다.
본 개시의 기술적 사상에 의한 실시예들에 따른 흉막 삼출의 검출 장치 및 이를 위한 장치에 따르면, 흉부 영상 폐 영역을 빠르고 정확하게 검출하고, 흉막 삼출을 검출할 수 있다.
또한, 흉막 삼출의 위치 및/또는 양을 파악함으로써, 흉막 천자(튜브를 통한 흉수 배출)가 정확하게 안전하게 이루어지도록 할 수 있다. 특히, 배출해야 하는 흉수의 양은 치료 경과를 정확하게 파악하는 지표가 될 수 있다.
또한, 폐렴, 외상, 결핵, 암 등을 영상으로 진단하고 이를 치료하는 과정에 있어, 흉막 삼출이 동반된 경우 적극적으로 이를 알림으로서 오진 확률을 줄일 수 있다.
또한, 경도의 흉막 삼출이 일어난 경우, 통증을 비롯한 자각 증상이 적거나 없을 수 있지만, 환자가 건강검진 등을 통해 주기적 영상 진단을 하는 과정에서 흉막 삼출을 자동으로 인식하고 경고하여 조기에 검사와 치료가 이루어지도록 할 수 있다.
또한, 흉막 삼출의 위치를 3차원 영상으로 표현하여 제공함으로써, 효과적인 흉수 배출을 위한 천자 위치를 결정하는데 도움을 주며, 잔여 흉수 파악을 위한 방사선 촬영의 횟수를 감소시킴으로써 환자의 방사선 피폭에 대한 우려 및 검사 비용에 따른 부담을 줄일 수 있다.
본 개시의 기술적 사상에 따른 흉막 삼출의 검출 장치 및 이를 위한 장치가 얻을 수 있는 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 개시에서 인용되는 도면을 보다 충분히 이해하기 위하여 각 도면의 간단한 설명이 제공된다.
도 1은 본 개시의 실시예에 따른 흉막 삼출의 검출 방법을 설명하기 위한 흐름도이다.
도 2 내지 도 4는 본 개시의 실시예에 따라 흉막 삼출이 검출되는 과정을 설명하기 위한 예시 도면이다.
도 5는 본 개시의 실시예에 따른 흉막 삼출의 검출 방법에 있어서, 대상 신체 부위의 평균 형상을 생성하는 과정을 설명하기 위한 흐름도이다.
도 6은 본 개시의 실시예에 따른 흉막 삼출의 검출 방법에 있어서, 영상 정보로부터 대상 신체 부위의 형상을 생성하여 신체 부위를 인식하는 과정을 설명하기 위한 흐름도이다.
도 7은 본 개시의 실시예에 따른 흉막 삼출의 검출 장치의 구성을 간략히 도시한 블록도이다.
도 1은 본 개시의 실시예에 따른 흉막 삼출의 검출 방법을 설명하기 위한 흐름도이다.
도 2 내지 도 4는 본 개시의 실시예에 따라 흉막 삼출이 검출되는 과정을 설명하기 위한 예시 도면이다.
도 5는 본 개시의 실시예에 따른 흉막 삼출의 검출 방법에 있어서, 대상 신체 부위의 평균 형상을 생성하는 과정을 설명하기 위한 흐름도이다.
도 6은 본 개시의 실시예에 따른 흉막 삼출의 검출 방법에 있어서, 영상 정보로부터 대상 신체 부위의 형상을 생성하여 신체 부위를 인식하는 과정을 설명하기 위한 흐름도이다.
도 7은 본 개시의 실시예에 따른 흉막 삼출의 검출 장치의 구성을 간략히 도시한 블록도이다.
본 개시의 기술적 사상은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 이를 상세히 설명하고자 한다. 그러나, 이는 본 개시의 기술적 사상을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 개시의 기술적 사상의 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
본 개시의 기술적 사상을 설명함에 있어서, 관련된 공지 기술에 대한 구체적인 설명이 본 개시의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 본 개시의 설명 과정에서 이용되는 숫자(예를 들어, 제1, 제2 등)는 하나의 구성요소를 다른 구성요소와 구분하기 위한 식별기호에 불과하다.
또한, 본 개시에서, 일 구성요소가 다른 구성요소와 "연결된다" 거나 "접속된다" 등으로 언급된 때에는, 상기 일 구성요소가 상기 다른 구성요소와 직접 연결되거나 또는 직접 접속될 수도 있지만, 특별히 반대되는 기재가 존재하지 않는 이상, 중간에 또 다른 구성요소를 매개하여 연결되거나 또는 접속될 수도 있다고 이해되어야 할 것이다.
또한, 본 개시에 기재된 "~부", "~기", "~자", "~모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 프로세서(Processor), 마이크로 프로세서(Micro Processer), 마이크로 컨트롤러(Micro Controller), CPU(Central Processing Unit), GPU(Graphics Processing Unit), APU(Accelerate Processor Unit), DSP(Digital Signal Processor), ASIC(Application Specific Integrated Circuit), FPGA(Field Programmable Gate Array) 등과 같은 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
그리고 본 개시에서의 구성부들에 대한 구분은 각 구성부가 담당하는 주기능 별로 구분한 것에 불과함을 명확히 하고자 한다. 즉, 이하에서 설명할 2개 이상의 구성부가 하나의 구성부로 합쳐지거나 또는 하나의 구성부가 보다 세분화된 기능별로 2개 이상으로 분화되어 구비될 수도 있다. 그리고 이하에서 설명할 구성부 각각은 자신이 담당하는 주기능 이외에도 다른 구성부가 담당하는 기능 중 일부 또는 전부의 기능을 추가적으로 수행할 수도 있으며, 구성부 각각이 담당하는 주기능 중 일부 기능이 다른 구성부에 의해 전담되어 수행될 수도 있음은 물론이다.
본 개시의 실시예에 따른 흉막 삼출의 검출 방법은 연산 능력을 구비한 개인용 컴퓨터(Personal Computer), 워크스테이션(work station), 서버용 컴퓨터 장치 등에서 수행되거나 이를 위한 별도의 장치에서 수행될 수 있다.
또한, 방법은 하나 이상의 연산 장치들에서 수행될 수도 있다. 예를 들어, 본 개시의 실시예에 따른 방법 중 적어도 하나 이상의 단계들은 클라이언트 디바이스에서, 다른 단계들은 서버 디바이스에서 수행될 수 있다. 이러한 경우, 클라이언트 디바이스와 서버 디바이스는 네트워크로 연결되어 연산 결과를 송수신할 수 있다. 또는, 방법은 분산 컴퓨팅 기술에 의해 수행될 수도 있다.
본 명세서에 걸쳐, 네트워크 함수는 신경망 네트워크 및/또는 뉴럴 네트워크(neural network)와 동일한 의미로 사용될 수 있다. 여기서, 뉴럴 네트워크(신경망)는 일반적으로 노드라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있고, 이러한 노드들은 뉴런으로 지칭될 수 있다. 뉴럴 네트워크는 일반적으로 복수의 노드들을 포함하여 구성된다. 뉴럴 네트워크를 구성하는 노드들은 하나 이상의 링크에 의해 상호 연결될 수 있다.
뉴럴 네트워크를 구성하는 노드들 중 일부는 최초 입력 노드로부터의 거리들에 기초하여 하나의 레이어(layer)를 구성할 수 있다. 예를 들어, 최초 입력 노드로부터 거리가 n인 노드들의 집합은 n 레이어를 구성할 수 있다.
본 명세서에서 설명하는 뉴럴 네트워크는 입력 레이어와 출력 레이어 외에 복수의 히든 레이어를 포함하는 딥 뉴럴 네트워크(Deep Neural Network, DNN)를 포함할 수 있다.
이하, 본 개시의 실시예들을 차례로 상세히 설명한다.
도 1은 본 개시의 실시예에 따른 흉막 삼출의 검출 방법을 설명하기 위한 흐름도이다.
S110 단계에서, 흉막 삼출의 검출 장치는, 흉부의 연속적인 부피에 대응하여 생성된 흉부 영상을 획득할 수 있다. 흉부 영상은 사용자의 흉부를 촬영하여 생성되는, 예를 들어, MR 촬영 영상, CT 촬영 영상, X-RAY 촬영 영상 등일 수 있다. 예를 들어, 흉부 영상은 3차원 영상으로서, 복수의 2차원 영상으로 분리될 수 있다. 또한, 예를 들어, 흉부 영상은 복수의 2차원 영상을 포함하는 영상군으로서, 각각의 2차원 영상은 흉부의 단면을 일 방향으로 연속하여 촬영한 복수의 슬라이스일 수 있다. 이러한 2차원 영상을 적층함으로써, 흉부에 대한 3차원 영상 정보를 획득할 수 있게 된다. 흉부는 적어도 횡격막에서 흉곽(가슴우리)을 포함하는 신체 영역을 포함할 수 있다.
S120 단계에서, 흉막 삼출의 검출 장치는, 흉부 영상에서 폐 영역에 인접한 생체 기관을 제거하여 제 1 영상 정보를 생성할 수 있다. 이때 폐 영역에 인접한 생체 기관은 심장 및 심장 주변 혈관을 포함할 수 있으며, 또한 심장 주변 혈관은 심장과 연결된 대동맥, 대정맥, 폐동맥 및 폐정맥을 포함할 수 있다. 즉, S120 단계를 통해, 폐 영역에 인접한 심장 및 심장 주변 혈관을 제거하여, 흉부 영상 내에서 폐 영역을 주변 조직, 기관 등으로부터 분리시킬 수 있다. 이는 흉막 삼출이 발생할 경우, 흉수가 폐 영역에 인접한 다른 생체 기관(예를 들어, 심장 등)과 비슷한 음영, 밝기를 가지므로, 그 경계를 명확하게 파악하기 어렵다는 점을 고려한 것으로서, 정상적인 생체 기관을 먼저 인식하고, 이를 흉부 영상에서 제거함으로써, 결과적으로 제 1 영상 정보에서 폐 영역이 남도록 하기 위한 것이다.
실시예에서, S120 단계는, 흉부 영상으로부터 심장 및 심장 주변 혈관을 식별하는 단계; 및 흉부 영상으로부터 심장 및 심장 주변 혈관을 제거하는 단계를 포함할 수 있다.
실시예에 따라, S120 단계는, 흉부 영상을 학습된 제 1 네트워크 함수에 입력하여 수행될 수 있다. 이때 제 1 네트워크 함수는 학습 데이터(예를 들어, 전문가 등에 의해 라벨링된 심장, 심장 주변 혈관 등이 포함된 영상 등)를 통해 사전에 흉부 내의 심장 및/또는 심장 주변 혈관의 추출에 대한 학습이 수행된 것일 수 있다.
S130 단계에서, 흉막 삼출의 검출 장치는, 제 1 영상 정보에서 폐 영역을 추출하여 제 2 영상 정보를 생성할 수 있다. 여기서 폐 영역은 폐 및 폐를 둘러싸는 흉막(즉, 내장쪽가슴막(Visceral pleura) 및 벽쪽가슴막(Parietal pleura))을 포함할 수 있다.
실시예에 따라, 제 2 영상 정보는 제 1 영상 정보에서 폐 영역 외의 영역을 제거하여 수행되거나, 제 1 영상 정보에서 폐 영역을 분리하여 수행될 수 있다. 이때 제 2 영상 정보는, 예를 들어, 폐 영역만을 표시하여 생성되거나, 흉부 영상, 제 1 영상 정보, 또는 이로부터 가공된 영상 정보 등에서 폐 영역을 소정의 식별 표지로 라벨링하여 생성될 수 있다. 또한, 제 2 영상 정보는 예를 들어, 폐 영역에 대한 좌표 정보를 포함하는 데이터일 수 있다.
실시예에서, S130 단계는, 제 1 영상 정보에서 흉곽 및 횡격막을 인식하는 단계; 및 제 1 영상 정보에서 흉곽 및 횡격막 내측에 위치하는 폐 영역을 추출하는 단계를 포함할 수 있다. 즉, 제 1 영상 정보에서 흉곽 및 횡격막의 내측 영역을 먼저 인식하도록 하고, 해당 영역 내에는 S120 단계에 의해 폐 주변 생체 조직(즉, 심장 및 심장 주변 혈관)이 제거되어, 폐 영역만이 주변과 구분되도록 남아 있으므로, 용이하게 폐 영역을 추출하여 제 2 영상 정보를 생성할 수 있다.
실시예에서, S130 단계는, 제 1 영상 정보에서 흉곽 및 횡격막을 인식하는 단계; 및 제 1 영상 정보에서 흉곽 및 횡격막을 제거하는 단계를 포함할 수 있다. 제 1 영상 정보에서 흉곽 및 횡격막을 제거함으로써, 폐 영역만이 남아 있는 제 2 영상 정보를 생성할 수 있다. 부가적으로, S130 단계는, 흉막 삼출을 검출하는데 불필요한 생체 조직을 제거하는 단계를 더 포함할 수 있다. 이때 불필요한 생체 조직은 근육, 막 등을 포함할 수 있다.
실시예에 따라, S130 단계는 제 1 영상 정보를 학습된 제 2 네트워크 함수에 입력하여 수행될 수 있다. 이때 제 2 네트워크 함수는 학습 데이터(예를 들어, 전문가 등에 의해 라벨링된 흉곽, 횡격막, 폐 영역 등이 포함된 영상 등)를 통해 사전에 흉곽, 횡격막, 폐 영역 등의 추출에 대한 학습이 수행된 것일 수 있다.
S140 단계에서, 흉막 삼출의 검출 장치는, 제 2 영상 정보로부터 흉막 삼출 부위를 검출할 수 있다. 흉막 삼출은 흉막에서 스며 나온 흉수가 흉막강(폐와 흉막 사이의 공간)에 정상 이상으로 고여 있는 것으로서, 제 2 영상 정보에서 폐 영역(특히, 흉막강) 내의 음영 변화, 형태 변화 등에 기초하여 흉막 삼출 부위를 검출할 수 있다.
실시예에 따라, S140 단계는 제 2 영상 정보를 학습된 제 3 네트워크 함수에 입력하여 수행될 수 있다. 이때 제 3 네트워크 함수는 학습 데이터(예를 들어, 전문가 등에 의해 라벨링된 폐 영역 내의 흉수가 포함된 영상 등)를 통해 사전에 흉막 삼출 부위의 추출에 대한 학습이 수행된 것일 수 있다. 이는 예시적인 것으로서, 실시예에 따라, S140 단계에는 다양한 이미지 프로세싱 기술(예를 들어, active contour 등)이 적용될 수도 있다.
실시예에서, 방법(100)은 흉막 삼출의 검출 장치가 흉막 삼출 부위의 부피를 산출하는 단계를 더 포함할 수 있다. 부피의 산출은 영상 정보를 이용하여 다양한 방식으로 수행될 수 있다. 예를 들어, 상기 단계는 제 2 영상 정보 내의 각각의 2차원 영상 내의 흉막 삼출 부위의 넓이를 계산하고, 이를 합산하여 흉막 삼출 부위의 부피를 산출할 수 있다. 또한, 예를 들어, 상기 단계는 (예를 들어, 3차원 영상인) 제 2 영상 정보에서 흉막 삼출 부위에 대응하는 픽셀 수와 픽셀 당 부피에 기초하여 부피를 산출함으로써 수행될 수 있다. 다만 이에 한정되는 것은 아니다.
실시예에서, 방법(100)은 흉막 삼출의 검출 장치가 흉막 삼출 부위를 소정의 식별 표지로 라벨링한 제 3 영상 정보를 생성하는 단계를 더 포함할 수 있다. 제 3 영상 정보는 흉막 삼출 부위를 소정의 식별 표지로 라벨링한 것일 수 있다. 이때 제 3 영상 정보는 복수의 2차원 영상 및/또는 이들을 조합하여 생성되는 3차원 영상을 포함할 수 있다.
실시예에서, 제 3 영상 정보는 제 2 영상 정보를 기초로 생성된 폐 영역의 영상에, 흉막 삼출 부위를 중첩하여 표시한 것일 수 있다. 흉막 삼출 부위와 그 외의 영역은 서로 상이한 색, 서로 상이한 투명도, 서로 상이한 표시자 등을 통해 구분될 수 있다. 다만 이는 예시적인 것으로서, 실시예에 따라 제 3 영상 정보는 흉부 영상, 제 1 영상 정보 등에서 흉막 삼출 부위를 중첩하여 표시한 것일 수도 있다.
실시예에서, 방법(100)에서 제 1 네트워크 함수 내지 제 3 네트워크 함수는 서로 동일하거나 적어도 일부가 상이한 학습 모델에 의해 생성될 수 있다.
도 2 내지 도 4는 본 개시의 실시예에 따라 흉막 삼출이 검출되는 과정을 설명하기 위한 예시 도면이다.
도 2를 참조하면, 흉부 영상이 도시된다. 흉부 영상에서는 흉곽, 횡격막(노란색으로 표지), 심장(붉은색으로 표지) 및 주변 혈관(붉은색으로 표지)이 각각 인식되어, 분리 표지 될 수 있다. 도 2의 흉부 영상에서, 흉강에서 붉은 색의 심장 및 주변 혈관이 제거되어 제 1 영상 정보가 생성될 수 있다.
도 3을 참조하면, 제 2 영상 정보가 도시된다. 제 2 영상 정보는 제 1 영상 정보에서 폐 영역을 추출하여 생성될 수 있다. 이때 폐 영역은 폐와 폐를 둘러싸는 흉막을 포함할 수 있다.
도 4를 참조하면, 제 3 영상 정보가 도시된다. 제 3 영상 정보는 제 2 영상 정보에서 흉막 삼출 부위를 검출하고, 이를 붉은색으로 표지하여 중첩함으로써 생성될 수 있다. 제 3 영상 정보를 통해 흉막 삼출 부위 및 그 양을 보다 직관적으로 파악할 수 있다.
도 2 내지 도 4에서 도시되는 도면은 예시적인 것으로서, 본 개시의 실시예에 따라 다양한 영상 정보가 이용될 수 있다.
본 개시의 실시예에 따른 흉막 삼출의 검출 방법에서는, 영상 정보(예를 들어, 흉부 영상, 제 1 영상 정보, 제 2 영상 정보, 이들로부터 가공된 영상 정보 등)로부터 신체 부위, 예를 들어, 흉곽, 횡격막, 심장 및 심장 주변 혈관 중 적어도 하나를 추출할 것이 요구된다. 이를 위해 흉막 삼출의 검출 방법은 학습 데이터로부터 대상 신체 부위의 평균 형상을 생성하고, 사용자의 영상 정보로부터 대상 신체 부위의 형상을 생성하여, 해당 신체 부위를 인식하는 과정이 수행될 수 있다.
이와 관련하여 도 5는 본 개시의 실시예에 따른 흉막 삼출의 검출 방법에 있어서, 대상 신체 부위의 평균 형상을 생성하는 과정을 설명하기 위한 흐름도이다.
S510 단계에서, 흉막 삼출의 검출 장치는 사용자의 흉부의 연속적인 부피에 대응하여 생성된 복수의 제 1 의료 영상을 획득할 수 있다. 예를 들어, 제 1 의료 영상은 외부의 데이터베이스 서버로부터 수신되거나, 장치와 유, 무선 통신을 통해 연결된 촬영 장치(예를 들어, X선 촬영 장치, CT 촬영 장치 등)로부터 촬영을 통해 획득될 수 있다.
실시예에서, 제 1 의료 영상은 복수의 대상자에 대하여 흉부를 포함하는 신체 부위를 단층 촬영함으로써 생성된 CT(Computed Tomography) 영상일 수 있다. 즉, 제 1 의료 영상은 컴퓨터 단층 촬영 방법을 통해 복수의 대상자에 대하여 흉부를 포함하는 신체 부위를 일 방향으로 연속하여 촬영함으로써, 생성되는 복수의 2차원 슬라이스 영상(즉, 영상군)으로 구성되거나, 이를 기초로 생성되는 3차원 영상일 수 있다. 다만 이에 한정되는 것은 아니다.
S520 단계에서, 흉막 삼출의 검출 장치는 복수의 제 1 의료 영상을 대상 신체 부위의 평균 형상을 추출하기에 적합한 소정의 형식으로 정규화(standardization)할 수 있다. 예를 들어, 장치는 제 1 의료 영상 중 적어도 일부 영역을 추출하거나, 이를 확대, 축소 및/또는 회전함으로써, 정규화를 수행할 수 있다. 여기서 대상 신체 부위는 흉곽, 횡격막, 심장 및 심장 주변 혈관 중 적어도 하나를 포함할 수 있다.
실시예에서, S520 단계는 대상 신체 부위의 주변 생체 기관 및 적어도 하나의 뼈 부위 중 적어도 하나를 기준으로 수행될 수 있다. 예를 들어, 대상 신체 부위가 횡격막인 경우, 흉막 삼출의 검출 장치는 제 1 의료 영상 각각에 대하여 횡격막의 주변 장기인 심장, 간, 위장만이 포함되도록 영상의 일부 영역을 추출(절개)하거나, 각각의 제 1 의료 영상으로부터 추출된 영역들을 확대, 축소 및/또는 회전함으로, 제 1 의료 영상들을 서로 대응하는 형식으로 정규화할 수 있다. 또한, 예를 들어, 흉막 삼출의 검출 장치는, 뼈 부위(예를 들어, 척추 및 갈비뼈 등)를 기준으로 제 1 의료 영상을 각각 확대, 축소 및/또는 회전함으로, 제 1 의료 영상들을 서로 대응하는 형식으로 정규화할 수 있다. 다만, 이는 예시적인 것으로서 실시예에 따라, 장치는 다양한 기준점에 기초하여 정규화를 수행할 수 있다.
S520 단계를 통해, 복수의 제 1 의료 영상에 포함된 생체 기관, 뼈 부위 등이 서로 대응하는 크기, 각도 등으로 변형되어 서로 인접한 3차원 공간 좌표 상에 배치될 수 있다.
S530 단계에서, 흉막 삼출의 검출 장치는 정규화된 복수의 제 1 의료 영상으로부터 대상 신체 부위에 대응하는 평균 형상 및 평균 형상 주변의 픽셀 경사도를 추출할 수 있다.
실시예에서, 대상 신체 부위의 평균 형상의 추출은 미리 학습된 제 4 네트워크 함수를 통해 수행될 수 있다. 이때, 제 4 네트워크 함수는 학습 데이터(예를 들어, 전문가, 검사 등을 통해 라벨링된 대상 신체 부위가 포함된 CT 영상 등)를 통해 사전에 대상 신체 부위의 추출에 대한 학습이 수행된 것일 수 있다.
또한, 실시예에 따라, 대상 신체 부위의 평균 형상의 추출은 픽셀값의 변화에 기초하는 이미지 프로세싱을 통해 수행될 수 있다. 다만, 이는 예시적인 것으로서, 이에 한정되지는 않는다.
한편, 도시되어 있지는 않지만, 흉막 삼출의 검출 장치는 추출된 대상 신체 부위의 평균 형상에 관한 정보를 저장할 수 있다. 대상 신체 부위의 평균 형상은 3차원 공간에서 굴곡이 존재하는 면으로 표현될 수 있으며, 대상 신체 부위의 평균 형상에 관한 정보에는 상기 면을 구성하는 3차원 공간 상의 좌표에 관한 정보와 대상 신체 부위의 평균 형상 주변의 픽셀 경사도에 관한 정보를 포함할 수 있다.
또한, S520 단계와 S530 단계가, 3차원의 제 1 의료 영상을 기준으로 3차원 좌표 공간 상에서 수행되는 것으로 기술되어 있으나, 이는 예시적인 것이며, 실시예에 따라, S520 단계와 S530 단계는 제 1 의료 영상을 구성하는 복수의 2차원 영상(즉, 슬라이스 영상)에 대하여 각각 수행될 수 있다. 이 경우, S530 단계에서, 각각의 2차원 영상으로부터 대상 신체 부위의 평균 형상을 추출하고 이들을 적층함으로써, 3차원의 대상 신체 부위의 평균 형상을 생성할 수 있다.
상술한 방법(500)은 다양한 대상 신체 부위에 대해 동시에 또는 각각 수행될 수 있다. 이때 대상 신체 부위는 흉곽, 횡격막, 심장 및 심장 주변 혈관 중 적어도 하나를 포함할 수 있다. 예를 들어, 적어도 S530 단계 및 S540 단계는 흉곽, 횡격막, 심장 및 심장 주변 혈관에 대해 각각 수행될 수 있으며, 대상 신체 부위의 평균 형상에 대한 정보 또한 흉곽, 횡격막, 심장 및 심장 주변 혈관에 대해 각각 저장될 수 있다. 다만 이에 한정되는 것은 아니다.
도 6은 본 개시의 실시예에 따른 흉막 삼출의 검출 방법에 있어서, 영상 정보로부터 대상 신체 부위의 형상을 생성하여 신체 부위를 인식하는 과정을 설명하기 위한 흐름도이다.
방법(600)은 방법(500)에서 저장되는 대상 신체 부위의 평균 형상에 대한 정보를 이용하여, 방법(100)의 S120 단계 및/또는 S130 단계에서 수행될 수 있다. 예를 들어, 방법(600)은 방법(100)의 S120 단계에서 폐 영역에 인접한 생체 기관, 즉 심장 및 심장 주변 혈관 중 적어도 하나를 추출하기 위해 이용될 수 있다. 또한, 예를 들어, 방법(600)은 방법(100)의 S130 단계에서 폐 영역을 추출하기 위해 이용될 수 있다. 다만, 이에 한정되는 것은 아니며, 본 개시의 실시예에 따라 다양한 신체 부위를 추출하기 위해 방법(600)이 적용될 수 있다.
구체적으로, S610 단계에서, 흉막 삼출의 검출 장치는 흉부를 포함하는 신체 부위의 연속적인 부피에 대응하여 생성된 제 2 의료 영상을 획득할 수 있다. 여기서, 제 2 의료 영상은 대상 신체 부위에 대한 검출이 요청된 입력 영상으로서, 예를 들어, 외부의 데이터베이스 서버로부터 수신되거나, 장치와 유, 무선 통신을 통해 연결된 촬영 장치로부터 촬영을 통해 입력될 수 있다.
실시예에서, 제 2 의료 영상은 제 1 의료 영상과 동일하게 CT(Computed Tomography) 영상일 수 있으며, 복수의 2차원 슬라이스 영상(즉, 영상군)으로 구성되거나, 이를 기초로 생성되는 3차원 영상일수 있다.
실시예에서, 제 2 의료 영상은 방법(100)의 S110 단계에서 획득된 흉부 영상, S120 단계에서 생성된 제 1 영상 정보 및/또는 이들로부터 가공된 영상일 수 있다. 방법(600)이 방법(100)에 수반하는 경우, S610 단계가 별도로 수행되지 않고, 바로 S620 단계가 수행될 수도 있다. 다만 이에 한정되는 것은 아니다.
S620 단계에서, 흉막 삼출의 검출 장치는 제 2 의료 영상을 제 1 의료 영상에 대응하도록 변형할 수 있다. 즉, 흉막 삼출의 검출 장치는 대상 신체 부위의 평균 형상의 추출에 이용되었던 제 1 의료 영상(즉, 정규화된 제 1 의료 영상)에 대응하도록 제 2 의료 영상의 적어도 일부 영역을 추출하거나, 확대, 축소 및/또는 회전시킬 수 있으며, 이에 따라, 제 2 의료 영상은 대상 신체 부위의 추출에 적합하게 변형될 수 있다. 이때, 변형된 제 2 의료 영상은 대상 신체 부위의 평균 형상의 추출에 이용된 제 1 의료 영상에 대응하도록 동일한 3차원 좌표 공간 상에 매핑될 수 있다. 다만 이에 한정되는 것은 아니다.
방법(500)의 S520 단계와 마찬가지로, S620 단계는, 대상 신체 부위의 주변 생체 기관(심장, 간, 위장 등) 및 적어도 하나의 뼈 부위(흉곽 등) 중 적어도 하나를 기준으로 수행될 수 있다.
S630 단계에서, 흉막 삼출의 검출 장치는 대상 신체 부위의 평균 형상에 관한 정보를 기초로 대상 신체 부위의 평균 형상을 제 2 의료 영상에 정합하여 배치할 수 있다. 즉, 대상 신체 부위의 평균 형상의 좌표에 기초하여, 변형된 제 2 의료 영상의 소정의 위치에 대상 신체 부위의 평균 형상을 배치할 수 있다. 이때, 대상 신체 부위의 평균 형상은 도 5의 방법(500)에 의해 복수의 제 1 의료 영상으로부터 추출(또는, 생성)된 것일 수 있다.
실시예에 따라, 흉막 삼출의 검출 장치는 대상 신체 부위의 평균 형상을 제 2 의료 영상을 구성하는 복수의 2차원 영상(즉, 슬라이스 영상)에 각각 배치시킬 수 있다. 이 경우, 이하 상술되는 S640 단계는 각각의 2차원 영상에 대하여 수행될 수 있다.
S640 단계에서, 흉막 삼출의 검출 장치는 제 2 의료 영상에 배치된 대상 신체 부위의 평균 형상의 적어도 일부에 대한 좌표를 변환함으로써, 대상 신체 부위의 평균 형상으로부터 제 2 의료 영상에 포함된 대상 신체 부위의 형상을 생성할 수 있다.
실시예에서, S640 단계에서, 흉막 삼출의 검출 장치는 대상 신체 부위의 평균 형상의 적어도 일부의 좌표를 3차원 좌표 공간 상에서 수직 또는 수평 방향으로 변환하면서, 이에 대응하여 대상 신체 부위의 평균 형상 주변의 픽셀 경사도에 대한 손실함수의 출력값을 측정할 수 있다. 이어서, 흉막 삼출의 검출 장치는 손실함수의 출력값에 기초하여, 대상 신체 부위의 평균 형상의 좌표를 최적화함으로써, 제 2 의료 영상에 포함된 대상 신체 부위의 형상을 생성할 수 있다.
즉, 손실함수는 제 2 의료 영상에 포함된 대상 신체 부위와 대상 신체 부위의 평균 형상이 상호 위치와 모양이 유사해질수록 낮은 값을 출력하게 되며, 이러한 손실함수의 출력값을 감소시키는 반복적인 과정(좌표 변환 -> 손실함수의 출력값 측정)을 통해 대상 신체 부위의 평균 형상의 좌표를 최적화함으로써, 대상 신체 부위의 형상을 생성할 수 있다. 이를 위해, 확률적 경사 하강법(stochastic gradient descent) 등이 적용될 수 있으나, 이에 한정되는 것은 아니다.
상기 단계들을 통해 생성되는 대상 신체 부위의 형상이, 방법(100)에서 식별, 인식되는 대상 신체 부위가 될 수 있다. 실시예에 따라 대상 신체 부위의 형상의 좌표 정보가 데이터로 저장되거나, 제 2 의료 영상, 이로부터 가공된 영상 정보 등에 소정의 식별 표지로 라벨링되어 표시될 수 있다.
예를 들어, 흉막 삼출의 검출 장치가 대상 신체 부위의 형상을 원본 제 2 의료 영상에 대응하도록 역변환하고, 제 2 의료 영상과 함께 (예를 들어, 렌더링하여) 표시할 수 있다. 즉, 흉막 삼출의 검출 장치는 대상 신체 부위의 형상을 S620 단계 수행 전의 제 2 의료 영상과 동일한 형식으로 역변환을 수행하고, 이후 변환된 대상 신체 부의의 형상의 좌표에 기초하여, 제 2 의료 영상의 적어도 일부와 함께 3차원 공간 상에 표시할 수 있다. 다만 이에 한정되는 것은 아니다.
실시예에서, 대상 신체 부위의 형상의 생성은 미리 학습된 제 5 네트워크 함수를 통해 수행될 수 있다. 이때, 제 5 네트워크 함수는 학습 데이터(예를 들어, 전문가, 검사 등을 통해 라벨링된 대상 신체 부위가 포함된 CT 영상 등)를 통해 사전에 대상 신체 부위의 추출에 대한 학습이 수행된 것일 수 있다.
도 7은 본 개시의 실시예에 따른 흉막 삼출의 검출 장치의 구성을 간략히 도시한 블록도이다.
통신부(710)는 흉막 삼출의 검출을 위한 입력 데이터(흉부 CT 영상 등)를 수신할 수 있다. 통신부(710)는 유무선 통신부를 포함할 수 있다. 통신부(710)가 유선 통신부를 포함하는 경우, 통신부(710)는 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN), 부가가치 통신망(Value Added Network; VAN), 이동 통신망(mobile radio communication network), 위성 통신망 및 이들의 상호 조합을 통하여 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다. 또한, 통신부(710)가 무선 통신부를 포함하는 경우, 통신부(710)는 셀룰러 통신, 무선랜(예를 들어, 와이-파이(Wi-Fi)) 등을 이용하여 무선으로 데이터 또는 신호를 송수신할 수 있다. 일 실시예에서, 통신부(710)는 프로세서(740)의 제어에 의해 외부 장치 또는 외부 서버와 데이터 또는 신호를 송수신할 수 있다.
입력부(720)는 외부의 조작을 통해 다양한 사용자 명령을 수신할 수 있다. 이를 위해, 입력부(720)는 하나 이상의 입력 장치를 포함하거나 연결할 수 있다. 예를 들어, 입력부(720)는 키패드, 마우스 등 다양한 입력을 위한 인터페이스와 연결되어 사용자 명령을 수신할 수 있다. 이를 위해, 입력부(720)는 USB 포트 뿐만 아니라 선더볼트 등의 인터페이스를 포함할 수도 있다. 또한, 입력부(720)는 터치스크린, 버튼 등의 다양한 입력 장치를 포함하거나 이들과 결합하여 외부의 사용자 명령을 수신할 수 있다.
메모리(730)는 프로세서(740)의 동작을 위한 프로그램을 저장할 수 있고, 입/출력되는 데이터들을 임시 또는 영구 저장할 수 있다. 메모리(730)는 플래시 메모리(730)(flash memory) 타입, 하드디스크(hard disk) 타입, 멀티미디어 카드 마이크로(multimedia card micro) 타입, 카드 타입의 메모리(730)(예를 들어 SD 또는 XD 메모리(730) 등), 램(RAM), SRAM, 롬(ROM), EEPROM, PROM, 자기 메모리(730), 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.
또한, 메모리(730)는 다양한 네트워크 함수 및 알고리즘을 저장할 수 있으며, 장치를 구동하고 제어하기 위한 다양한 데이터, 프로그램(하나 이상이 인스트럭션들), 어플리케이션, 소프트웨어, 명령, 코드 등을 저장할 수 있다.
프로세서(740)는 장치의 전반적인 동작을 제어할 수 있다. 프로세서(740)는 메모리(730)에 저장되는 하나 이상의 프로그램들을 실행할 수 있다. 프로세서(740)는 중앙 처리 장치(Central Processing Unit, CPU), 그래픽 처리 장치(Graphics Processing Unit, GPU) 또는 본 개시의 기술적 사상에 따른 방법들이 수행되는 전용의 프로세서(740)를 의미할 수 있다.
실시예에서, 프로세서(740)는, 사용자의 흉부의 연속적인 부피에 대응하여 생성된 흉부 영상을 획득하고, 흉부 영상에서 폐 영역에 인접한 심장 및 심장 주변 혈관을 제거함으로써 제 1 영상 정보를 생성하고, 제 1 영상 정보에서 폐 및 흉막을 포함하는 폐 영역을 추출하여 제 2 영상 정보를 생성하며, 제 2 영상 정보에서 폐와 흉막 사이의 흉막 삼출 부위를 검출할 수 있다. 여기서 흉부 영상은 3차원 영상 또는 복수의 2차원 영상을 포함할 수 있다. 또한, 심장 주변 혈관은 대동맥, 대정맥, 폐동맥 및 폐정맥을 포함할 수 있다.
실시예에서, 프로세서(740)는, 제 1 영상 정보에서 흉곽 및 횡격막을 인식하고, 제 1 영상 정보에서 흉곽 및 횡격막 내측에 위치하는 폐 영역을 추출하여 제 2 영상 정보를 생성할 수 있다.
실시예에서, 프로세서(740)는, 제 1 영상 정보에서 흉곽 및 횡격막을 인식하고, 제 1 영상 정보에서 흉곽 및 횡격막을 제거하여 제 2 영상 정보를 생성할 수 있다.
실시예에서, 프로세서(740)는, 흉막 삼출 부위의 부피를 산출할 수 있다.
실시예에서, 프로세서(740)는, 흉막 삼출 부위를 소정의 식별 표지로 라벨링한 제 3 영상 정보를 생성할 수 있다.
실시예에서, 프로세서(740)는 흉부를 포함하는 신체 부위의 연속적인 부피에 대응하여 생성된 복수의 제 1 의료 영상을 획득하고, 복수의 상기 제 1 의료 영상으로부터 대상 신체 부위의 평균 형상을 추출하며, 흉부를 포함하는 신체 부위의 연속적인 부피에 대응하여 생성된 제 2 의료 영상을 입력받고, 상기 대상 신체 부위의 평균 형상에 관한 정보를 기초로, 상기 제 2 의료 영상에 상기 대상 신체 부위의 평균 형상을 정합하여 배치하며, 상기 대상 신체 부위의 평균 형상의 적어도 일부의 좌표를 변환함으로써, 상기 제 2 의료 영상에 대상 신체 부위의 형상을 생성할 수 있다. 여기서, 대상 신체 부위의 평균 형상에 관한 정보는 상기 대상 신체 부위의 평균 형상의 좌표 및 상기 대상 신체 부위의 평균 형상 주변의 픽셀 경사도에 관한 정보를 포함할 수 있다.
실시예에서, 프로세서(740)는 대상 신체 부위의 평균 형상의 좌표 변환에 대응하여, 대상 신체 부위의 평균 형상 주변의 픽셀 경사도에 관한 손실함수의 출력값을 측정하고, 손실함수의 출력값에 기초하여 대상 신체 부위의 평균 형상의 좌표를 최적화함으로써, 대상 신체 부위의 형상을 생성할 수 있다. 여기서 대상 신체 부위는 흉곽, 횡격막, 심장 및 심장 주변 혈관 중 적어도 하나를 포함할 수 있다. 다만 이에 한정되는 것은 아니다.
실시예에서, 프로세서(740)는 손실함수의 출력값이 최소화되도록 대상 신체 부위의 평균 형상의 좌표를 최적화함으로써 대상 신체 부위의 형상을 생성할 수 있다.
실시예에서, 프로세서(740)는 적어도 하나의 대상 신체 부위의 주변 장기 및 적어도 하나의 뼈 부위 중 적어도 하나 기준으로 복수의 제 1 의료 영상을 정규화할 수 있다.
실시예에서, 프로세서(740)는 대상 신체 부위의 주변 장기 및 뼈 부위 중 적어도 하나를 기준으로 제 1 의료 영상의 적어도 일부 영역을 추출, 확대, 축소 또는 회전함으로써 정규화를 수행할 수 있다.
실시예에서, 프로세서(740)는 대상 신체 부위의 형상을 제 2 의료 영상과 함께 렌더링하여 표시할 수 있다.
일 실시예에 따른 흉막 삼출의 검출 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 개시를 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.
또한, 개시된 실시예들에 따른 흉막 삼출의 검출 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다.
컴퓨터 프로그램 제품은 S/W 프로그램, S/W 프로그램이 저장된 컴퓨터로 읽을 수 있는 저장 매체를 포함할 수 있다. 예를 들어, 컴퓨터 프로그램 제품은 전자 장치의 제조사 또는 전자 마켓(예, 구글 플레이 스토어, 앱 스토어)을 통해 전자적으로 배포되는 S/W 프로그램 형태의 상품(예, 다운로더블 앱)을 포함할 수 있다. 전자적 배포를 위하여, S/W 프로그램의 적어도 일부는 저장 매체에 저장되거나, 임시적으로 생성될 수 있다. 이 경우, 저장 매체는 제조사의 서버, 전자 마켓의 서버, 또는 SW 프로그램을 임시적으로 저장하는 중계 서버의 저장매체가 될 수 있다.
컴퓨터 프로그램 제품은, 서버 및 클라이언트 장치로 구성되는 시스템에서, 서버의 저장매체 또는 클라이언트 장치의 저장매체를 포함할 수 있다. 또는, 서버 또는 클라이언트 장치와 통신 연결되는 제 3 장치(예, 스마트폰)가 존재하는 경우, 컴퓨터 프로그램 제품은 제 3 장치의 저장매체를 포함할 수 있다. 또는, 컴퓨터 프로그램 제품은 서버로부터 클라이언트 장치 또는 제 3 장치로 전송되거나, 제 3 장치로부터 클라이언트 장치로 전송되는 S/W 프로그램 자체를 포함할 수 있다.
이 경우, 서버, 클라이언트 장치 및 제 3 장치 중 하나가 컴퓨터 프로그램 제품을 실행하여 개시된 실시예들에 따른 방법을 수행할 수 있다. 또는, 서버, 클라이언트 장치 및 제 3 장치 중 둘 이상이 컴퓨터 프로그램 제품을 실행하여 개시된 실시예들에 따른 방법을 분산하여 실시할 수 있다.
예를 들면, 서버(예로, 클라우드 서버 또는 인공 지능 서버 등)가 서버에 저장된 컴퓨터 프로그램 제품을 실행하여, 서버와 통신 연결된 클라이언트 장치가 개시된 실시예들에 따른 방법을 수행하도록 제어할 수 있다.
이상에서 실시예들에 대하여 상세하게 설명하였지만 본 개시의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 개시의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 개시의 권리범위에 속한다.
Claims (9)
- 흉막 삼출의 검출 방법으로서,
사용자의 흉부의 연속적인 부피에 대응하여 생성된 흉부 영상을 획득하는 단계;
상기 흉부 영상에서 심장 및 심장 주변 혈관을 제거함으로써 제 1 영상 정보를 생성하는 단계;
상기 제 1 영상 정보에서 폐 및 흉막을 포함하는 폐 영역을 추출하여 제 2 영상 정보를 생성하는 단계; 및
상기 제 2 영상 정보에서 상기 폐와 상기 흉막 사이의 흉막 삼출 부위를 검출하는 단계를 포함하고,
상기 심장, 상기 혈관, 상기 폐 및 상기 흉막 중 적어도 하나를 포함하는 대상 신체 부위에 대한 인식은, 상기 흉부 영상, 상기 제 1 영상 정보 및 상기 제 2 영상 정보 중 적어도 하나의 영상 정보에서 상기 대상 신체 부위의 평균 형상의 적어도 일부의 좌표를 변환하면서, 상기 평균 형상의 주변의 픽셀 경사도에 대한 손실함수의 출력값을 측정하고, 상기 손실함수의 출력값을 기초로 상기 평균 형상의 좌표를 최적화하여 상기 대상 신체 부위의 형상을 생성함으로써 수행되는, 방법. - 제 1 항에 있어서,
상기 심장 주변 혈관은 상기 심장과 연결되는 대동맥, 대정맥, 폐동맥 및 폐정맥을 포함하는, 방법. - 제 1 항에 있어서,
상기 제 2 영상 정보를 생성하는 단계는, 상기 제 1 영상 정보에서 흉곽 및 횡격막을 인식하는 단계; 및 상기 제 1 영상 정보에서 상기 흉곽 및 상기 횡격막 내측에 위치하는 상기 폐 영역을 추출하는 단계를 포함하는, 방법. - 제 1 항에 있어서,
상기 제 2 영상 정보를 생성하는 단계는, 상기 제 1 영상 정보에서 흉곽 및 횡격막을 인식하는 단계; 및 상기 제 1 영상 정보에서 상기 흉곽 및 상기 횡격막을 제거하는 단계를 포함하는, 방법. - 제 1 항에 있어서,
상기 흉막 삼출 부위의 부피를 산출하는 단계를 더 포함하는, 방법. - ◈청구항 6은(는) 설정등록료 납부시 포기되었습니다.◈제 1 항에 있어서,
상기 흉막 삼출 부위를 소정의 식별 표지로 라벨링한 제 3 영상 정보를 생성하는 단계를 더 포함하는, 방법. - 제 1 항에 있어서,
상기 흉부 영상은 3차원 영상 또는 복수의 2차원 영상을 포함하는 영상군인, 방법. - 흉막 삼출의 산출 장치에 있어서,
흉막 삼출의 검출을 위한 프로그램을 저장하는 메모리; 및
상기 프로그램을 실행함으로써, 사용자의 흉부의 연속적인 부피에 대응하여 생성된 흉부 영상을 획득하고, 상기 흉부 영상에서 심장 및 심장 주변 혈관을 제거함으로써 제 1 영상 정보를 생성하고, 상기 제 1 영상 정보에서 폐 및 흉막을 포함하는 폐 영역을 추출하여 제 2 영상 정보를 생성하며, 상기 제 2 영상 정보에서 상기 폐와 상기 흉막 사이의 흉막 삼출 부위를 검출하는 적어도 하나의 프로세서를 포함하고,
상기 프로세서에 의한 상기 심장, 상기 혈관, 상기 폐 및 상기 흉막 중 적어도 하나를 포함하는 대상 신체 부위에 대한 인식은, 상기 흉부 영상, 상기 제 1 영상 정보 및 상기 제 2 영상 정보 중 적어도 하나의 영상 정보에서 상기 대상 신체 부위의 평균 형상의 적어도 일부의 좌표를 변환하면서, 상기 평균 형상의 주변의 픽셀 경사도에 대한 손실함수의 출력값을 측정하고, 상기 손실함수의 출력값을 기초로 상기 평균 형상의 좌표를 최적화하여 상기 대상 신체 부위의 형상을 생성함으로써 수행되는, 장치. - 제 1 항 내지 제 7 항 중 어느 한 항의 방법을 실행하기 위하여 기록 매체에 저장된 컴퓨터 프로그램.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210133062A KR102454374B1 (ko) | 2021-10-07 | 2021-10-07 | 흉막 삼출의 검출 방법 및 이를 위한 장치 |
| KR1020220127462A KR20230050253A (ko) | 2021-10-07 | 2022-10-06 | 흉막 삼출의 검출 방법 및 이를 위한 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210133062A KR102454374B1 (ko) | 2021-10-07 | 2021-10-07 | 흉막 삼출의 검출 방법 및 이를 위한 장치 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220127462A Division KR20230050253A (ko) | 2021-10-07 | 2022-10-06 | 흉막 삼출의 검출 방법 및 이를 위한 장치 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102454374B1 true KR102454374B1 (ko) | 2022-10-14 |
Family
ID=83600041
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210133062A KR102454374B1 (ko) | 2021-10-07 | 2021-10-07 | 흉막 삼출의 검출 방법 및 이를 위한 장치 |
| KR1020220127462A KR20230050253A (ko) | 2021-10-07 | 2022-10-06 | 흉막 삼출의 검출 방법 및 이를 위한 장치 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220127462A KR20230050253A (ko) | 2021-10-07 | 2022-10-06 | 흉막 삼출의 검출 방법 및 이를 위한 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (2) | KR102454374B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20230126833A (ko) * | 2022-02-24 | 2023-08-31 | 주식회사 딥노이드 | Ｘ-Ｒａｙ 영상 기반의 흉수 진단을 위한 보조 진단 시스템 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020009215A1 (en) * | 2000-01-18 | 2002-01-24 | Arch Development Corporation | Automated method and system for the segmentation of lung regions in computed tomography scans |
| KR101472558B1 (ko) * | 2013-10-04 | 2014-12-16 | 원광대학교산학협력단 | 흉부 단층영상에서 폐, 기관지 및 폐혈관 영상을 분할하기 위한 시스템 및 그 방법 |
| CN110400299A (zh) * | 2019-07-23 | 2019-11-01 | 杭州依图医疗技术有限公司 | 一种肺部胸腔积液检出的方法及装置 |
| CN111932563A (zh) * | 2020-09-23 | 2020-11-13 | 平安科技（深圳）有限公司 | 图片区域分割方法、装置、电子设备及存储介质 |
-
2021
- 2021-10-07 KR KR1020210133062A patent/KR102454374B1/ko active IP Right Grant
-
2022
- 2022-10-06 KR KR1020220127462A patent/KR20230050253A/ko unknown
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020009215A1 (en) * | 2000-01-18 | 2002-01-24 | Arch Development Corporation | Automated method and system for the segmentation of lung regions in computed tomography scans |
| KR101472558B1 (ko) * | 2013-10-04 | 2014-12-16 | 원광대학교산학협력단 | 흉부 단층영상에서 폐, 기관지 및 폐혈관 영상을 분할하기 위한 시스템 및 그 방법 |
| CN110400299A (zh) * | 2019-07-23 | 2019-11-01 | 杭州依图医疗技术有限公司 | 一种肺部胸腔积液检出的方法及装置 |
| CN111932563A (zh) * | 2020-09-23 | 2020-11-13 | 平安科技（深圳）有限公司 | 图片区域分割方法、装置、电子设备及存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20230126833A (ko) * | 2022-02-24 | 2023-08-31 | 주식회사 딥노이드 | Ｘ-Ｒａｙ 영상 기반의 흉수 진단을 위한 보조 진단 시스템 |
| KR102655197B1 (ko) | 2022-02-24 | 2024-04-05 | 주식회사 딥노이드 | Ｘ-Ｒａｙ 영상 기반의 흉수 진단을 위한 보조 진단 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20230050253A (ko) | 2023-04-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10980493B2 (en) | Medical image display device, method, and program | |
| US20170296032A1 (en) | Branching structure determination apparatus, method, and program | |
| US10362941B2 (en) | Method and apparatus for performing registration of medical images | |
| US8953856B2 (en) | Method and system for registering a medical image | |
| JP2015154918A (ja) | 病変検出装置及び方法 | |
| US20130303900A1 (en) | Method and apparatus for processing of stroke ct scans | |
| US20180263527A1 (en) | Endoscope position specifying device, method, and program | |
| JP6458166B2 (ja) | 医用画像処理方法及び装置及びシステム及びプログラム | |
| KR102454374B1 (ko) | 흉막 삼출의 검출 방법 및 이를 위한 장치 | |
| KR20220097859A (ko) | 병변 판독 방법 및 이를 위한 장치 | |
| US11475568B2 (en) | Method for controlling display of abnormality in chest x-ray image, storage medium, abnormality display control apparatus, and server apparatus | |
| US10896501B2 (en) | Rib developed image generation apparatus using a core line, method, and program | |
| US10307124B2 (en) | Image display device, method, and program for determining common regions in images | |
| WO2015111308A1 (ja) | ３次元医用画像表示制御装置およびその作動方法並びに３次元医用画像表示制御プログラム | |
| KR102639803B1 (ko) | 흉막 삼출의 검출 방법 및 이를 위한 장치 | |
| KR20220143187A (ko) | 딥러닝을 이용한 폐기종 자동 추출 방법 및 장치 | |
| US9754368B2 (en) | Region extraction apparatus, method, and program | |
| KR102444581B1 (ko) | 흉부 영상으로부터 횡격막을 검출하는 방법 및 이를 위한 장치 | |
| KR20230049938A (ko) | 폐기종의 정량적 분석 방법 및 이를 위한 장치 | |
| JP2011182946A (ja) | 医用画像表示装置及び医用画像表示方法 | |
| US20220084206A1 (en) | Information processing apparatus, information processing method, and non-transitory storage medium | |
| KR20230049936A (ko) | 평균 도형을 이용한 횡격막 검출 방법 및 이를 위한 장치 | |
| KR20230174543A (ko) | 폐 병변의 위치 지정 방법 및 이를 위한 장치 | |
| KR20230174542A (ko) | 의료 영상에서 폐 병변의 위치를 자동으로 지정하는 방법 및 이를 위한 장치 | |
| KR102325963B1 (ko) | 갑상선 암의 림프절 전이 진단에 필요한 정보를 제공하는 방법 및 장치 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| A107 | Divisional application of patent | ||
| GRNT | Written decision to grant |