KR102534088B1 - 의료 데이터 검색 방법 - Google Patents

Abstract

본 개시의 일 실시예에 따라, 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램이 개시된다. 상기 컴퓨터 프로그램은 하나 이상의 프로세서에서 실행되는 경우, 의료 데이터 검색을 위한 이하의 동작들을 수행하도록 하며, 상기 동작들은: 검색 의료 데이터를 수신하는 동작; 상기 검색 의료 데이터에 포함된 병변의 피처와 데이터베이스에 저장된 의료 데이터들에 각각 포함된 병변의 피처 간의 유사도를 연산하는 동작; 및 상기 피처들 간의 유사도를 이용하여 상기 검색 의료 데이터에 대한 검색 결과를 출력하는 동작을 포함할 수 있다.

Description

의료 데이터 검색 방법{METHOD TO SEARCH MEDICAL DATA}

본 발명은 의료 데이터 검색 방법에 관한 것으로, 보다 구체적으로 데이터베이스화 된 의료 데이터를 검색하는 방법에 관한 것이다.

최근 인공지능(AI; artificial intelligence) 기술의 활용 전에도 일반적인 이미지 프로세싱 및 의사의 노동력 투입에 힘입어 CAD 분석 결과들을 데이터베이스화 하려는 시도가 없지 않았다. 그런데, 폐에 나타나는 결절의 유형, 석회화 정도 외에 정확한 정량화를 요하는 직경, 부피 등의 치수 측정, 평균 HU(Hounsfield Units; 하운스 필드 단위) 값은 의사가 정확하게 평가하기에 많은 시간과 노력이 들어 다량으로 얻어지지 않는 한계점이 있었다. 특히 종래에 3차원 의료 영상에서 결절에 해당하는 부분과 그렇지 않은 부분을 경계 짓는 세그먼테이션 마스크(segmentation mask) 생성 과정은 매우 시간이 오래 걸려 부피 등의 치수를 정확하게 얻기 어려웠다.

이에 본 개시서는 인공지능 기술을 적용하여 시간과 복잡성을 비약적으로 절감하고 의사의 개입 등 보조를 최소화하면서도 종래 기술에 의하여 가능하지 않았던 다량의 정량 분석 뿐만 아니라 악성도, 형상에 관한 특징인 스피큘레이션(spiculation; 결절의 경계가 침처럼 뾰족함을 의미함)과 같은 평가도 특징 벡터를 이용하여 다량으로 가능하게 함으로써 그 다량의 사례들을 데이터베이스화 하여 활용할 수 있게 하는 방법론을 제시하고자 한다.

본 개시는 전술한 배경기술에 대응하여 안출 된 것으로, 의료 데이터를 검색하기 위한 방법을 제공하는 것을 목적으로 한다.

전술한 바와 같은 과제를 실현하기 위한 본 개시의 일 실시예에 따른 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램은 하나 이상의 프로세서에서 실행되는 경우, 의료 데이터 검색을 위한 이하의 동작들을 수행하도록 하며, 상기 동작들은: 검색 의료 데이터를 수신하는 동작; 상기 검색 의료 데이터에 포함된 병변의 피처와 데이터베이스에 저장된 의료 데이터들에 각각 포함된 병변의 피처 간의 유사도를 연산하는 동작; 및 상기 피처들 간의 유사도를 이용하여 상기 검색 의료 데이터에 대한 검색 결과를 출력하는 동작을 포함할 수 있다.

대안적인 실시예에서, 상기 병변의 피처는, 의료 데이터에 대한 진단 결과를 생성하기 위한 진단 모델로부터 획득될 수 있다.

대안적인 실시예에서, 상기 진단 모델은, 입력된 의료 데이터를 인코더에 포함된 적어도 하나의 레이어에 피딩하여 연산할 수 있다.

대안적인 실시예에서, 상기 진단 모델은, n 개의 레이어를 포함하고, 1 번째 레이어부터 n 번째 레이어까지 순차적으로 데이터가 피딩되고, 그리고 i 번째 레이어로부터 출력된 데이터가 n-i+1 번째 레이어로 피딩될 수 있다.

대안적인 실시예에서, 상기 데이터베이스에 저장된 상기 의료 데이터들 각각은 의료 데이터에 포함된 병변의 메타 정보, 의료 데이터에 포함된 병변의 피처 또는 의료 데이터에 대응되는 케이스 정보 중 적어도 하나를 포함하는 부가 정보가 매칭되어 저장되며, 상기 병변의 메타 정보는, 상기 병변을 설명하는 정보일 수 있다.

대안적인 실시예에서, 상기 케이스 정보는, 의료 데이터에 대응되는 환자 정보, 환자의 다른 의료 데이터, 처치 정보 또는 예후 정보 중 적어도 하나를 포함할 수 있다.

대안적인 실시예에서, 상기 피처들 간의 유사도를 이용하여 상기 검색 의료 데이터에 대한 검색 결과를 출력하는 동작은, 상기 피처들 간의 유사도가 임계 값 이상인 의료 데이터 또는 상기 의료 데이터에 매칭된 부가 정보 중 적어도 하나를 상기 검색 결과로 출력하는 동작을 포함할 수 있다.

대안적인 실시예에서, 검색 메타 정보를 수신하는 동작; 상기 검색 메타 정보와 상기 데이터베이스에 저장된 의료 데이터들에 각각 매칭된 메타 정보를 비교하는 동작; 및 상기 비교 결과를 이용하여 상기 검색 메타 정보에 대한 검색 결과를 출력하는 동작을 더 포함할 수 있다.

대안적인 실시예에서, 상기 검색 메타 정보는, 메타 정보에 포함되는 하나 이상의 항목에 대한 항목 값 구간 설정 또는 항목 조건 대응 여부 설정 중 적어도 하나를 포함할 수 있다.

대안적인 실시예에서, 상기 데이터베이스에 저장된 상기 의료 데이터들을 이용한 통계 정보를 출력하는 동작을 더 포함할 수 있다.

전술한 바와 같은 과제를 실현하기 위한 본 개시의 일 실시예에 따른 의료 데이터 검색을 위한 컴퓨팅 장치로서, 검색 의료 데이터를 수신하는, 네트워크부; 상기 검색 의료 데이터에 포함된 병변의 피처와 데이터베이스에 저장된 의료 데이터들에 각각 포함된 병변의 피처 간의 유사도를 연산하고, 그리고 상기 피처들 간의 유사도를 이용하여 상기 검색 의료 데이터에 대한 검색 결과를 연산하는, 하나 이상의 코어를 포함하는 프로세서; 및 메모리; 를 포함할 수 있다.

전술한 바와 같은 과제를 실현하기 위한 본 개시의 일 실시예에 따른 의료 데이터 검색을 위한 사용자 단말로서, 하나 이상의 코어를 포함하는 프로세서; 메모리; 및 사용자 인터페이스를 제공하는 출력부; 를 포함하고, 상기 사용자 인터페이스는, 검색 의료 데이터 입력에 대한 응답으로, 상기 검색 의료 데이터에 대한 검색 결과를 표시하고, 그리고 상기 검색 결과는, 상기 검색 의료 데이터에 포함된 병변의 피처와 데이터베이스에 저장된 의료 데이터들에 각각 포함된 병변의 피처 간에 연산 된, 유사도를 이용하여 출력될 수 있다.

대안적인 실시예에서, 상기 검색 결과는 상기 피처들 간의 유사도가 임계 값 이상인 의료 데이터 또는 상기 의료 데이터에 매칭된 부가 정보 중 적어도 하나를 포함할 수 있다.

대안적인 실시예에서, 상기 검색 결과는 상기 검색 의료 데이터에 포함된 둘 이상의 병변 중 사용자 선택 입력된 적어도 하나의 병변에 대해 출력될 수 있다.

대안적인 실시예에서, 상기 사용자 인터페이스는, 검색 메타 정보 입력에 대한 응답으로, 상기 검색 메타 정보에 대한 검색 결과를 표시하고, 그리고 상기 검색 메타 정보에 대한 검색 결과는, 상기 검색 메타 정보와 상기 데이터베이스에 저장된 의료 데이터들에 각각 매칭된 메타 정보를 비교한 결과를 이용하여 출력될 수 있다.

대안적인 실시예에서, 상기 검색 결과는, 둘 이상의 의료 데이터 또는 상기 둘 이상의 의료 데이터에 매칭된 부가 정보를 포함하고, 그리고 상기 사용자 인터페이스는, 상기 둘 이상의 의료 데이터 또는 상기 둘 이상의 의료 데이터에 매칭된 부가 정보에 대한 정량적 또는 정성적 평가에 따라 결정되는, 참고 가능성이 높은 순서대로, 상기 검색 결과를 표시할 수 있다.

대안적인 실시예에서, 상기 사용자 인터페이스는, 상기 데이터베이스에 저장된 상기 의료 데이터들을 이용한 통계 정보를 표시할 수 있다.

전술한 바와 같은 과제를 실현하기 위한 본 개시의 일 실시예에 따른 의료 데이터 검색을 위한 뉴럴 네트워크의 연산과 관련된 데이터를 저장하는 데이터 구조가 저장된 컴퓨터 판독가능한 기록 매체로서, 상기 데이터는 이하의 동작을 통해 획득되며, 상기 동작은: 검색 의료 데이터를 수신하는 동작; 및 상기 검색 의료 데이터에 대한 검색 결과를 출력하기 위해, 상기 검색 의료 데이터 및 데이터베이스에 저장된 의료 데이터들 각각을 하나 이상의 네트워크 함수를 포함하는, 진단 모델을 이용하여 연산하여, 병변의 피처를 산출하는 동작을 포함할 수 있고, 그리고 상기 검색 결과는 상기 검색 의료 데이터에 포함된 병변의 피처와 상기 데이터베이스에 저장된 상기 의료 데이터들에 각각 포함된 병변의 피처 간의 유사도를 이용하여 결정될 수 있다.

본 개시는 의료 데이터 검색 방법을 제공할 수 있다.

도 1은 본 개시의 일 실시예에 따라 의료 데이터 검색 방법을 제공하기 위한 동작을 수행하는 컴퓨팅 장치의 블록 구성도를 도시한 도면이다.
도 2는 본 개시의 일 실시예에 따른 진단 모델을 개략적으로 도시한 도면이다.
도 3은 본 개시의 일 실시예에 따른 의료 데이터에 관한 예시적인 도면이다.
도 4는 본 개시의 일 실시예에 따른 의료 데이터 검색을 위한 사용자 인터페이스에 관한 예시적인 도면이다.
도 5는 본 개시의 일 실시예에 따른 의료 데이터 검색을 위한 사용자 인터페이스에 관한 예시적인 도면이다.
도 6은 본 개시의 일 실시예에 따른 의료 데이터 검색을 위한 사용자 인터페이스에 관한 예시적인 도면이다.
도 7은 본 개시의 일 실시예에 따른 의료 데이터 검색을 위한 순서도이다.
도 8은 본 개시의 일 실시예에 따른 컴퓨팅 장치의 블록 구성도이다.

다양한 실시예들이 이제 도면을 참조하여 설명된다. 본 명세서에서, 다양한 설명들이 본 개시의 이해를 제공하기 위해서 제시된다. 그러나, 이러한 실시예들은 이러한 구체적인 설명 없이도 실행될 수 있음이 명백하다.

본 명세서에서 사용되는 용어 "컴포넌트", "모듈", "시스템" 등은 컴퓨터-관련 엔티티, 하드웨어, 펌웨어, 소프트웨어, 소프트웨어 및 하드웨어의 조합, 또는 소프트웨어의 실행을 지칭한다. 예를 들어, 컴포넌트는 프로세서상에서 실행되는 처리과정(procedure), 프로세서, 객체, 실행 스레드, 프로그램, 및/또는 컴퓨터일 수 있지만, 이들로 제한되는 것은 아니다. 예를 들어, 컴퓨팅 장치에서 실행되는 애플리케이션 및 컴퓨팅 장치 모두 컴포넌트일 수 있다. 하나 이상의 컴포넌트는 프로세서 및/또는 실행 스레드 내에 상주할 수 있다. 일 컴포넌트는 하나의 컴퓨터 내에 로컬화 될 수 있다. 일 컴포넌트는 2개 이상의 컴퓨터들 사이에 분배될 수 있다. 또한, 이러한 컴포넌트들은 그 내부에 저장된 다양한 데이터 구조들을 갖는 다양한 컴퓨터 판독가능한 매체로부터 실행할 수 있다. 컴포넌트들은 예를 들어 하나 이상의 데이터 패킷들을 갖는 신호(예를 들면, 로컬 시스템, 분산 시스템에서 다른 컴포넌트와 상호작용하는 하나의 컴포넌트로부터의 데이터 및/또는 신호를 통해 다른 시스템과 인터넷과 같은 네트워크를 통해 전송되는 데이터)에 따라 로컬 및/또는 원격 처리들을 통해 통신할 수 있다.

더불어, 용어 "또는"은 배타적 "또는"이 아니라 내포적 "또는"을 의미하는 것으로 의도된다. 즉, 달리 특정되지 않거나 문맥상 명확하지 않은 경우에, "X는 A 또는 B를 이용한다"는 자연적인 내포적 치환 중 하나를 의미하는 것으로 의도된다. 즉, X가 A를 이용하거나; X가 B를 이용하거나; 또는 X가 A 및 B 모두를 이용하는 경우, "X는 A 또는 B를 이용한다"가 이들 경우들 어느 것으로도 적용될 수 있다. 또한, 본 명세서에 사용된 "및/또는"이라는 용어는 열거된 관련 아이템들 중 하나 이상의 아이템의 가능한 모든 조합을 지칭하고 포함하는 것으로 이해되어야 한다.

또한, "포함한다" 및/또는 "포함하는"이라는 용어는, 해당 특징 및/또는 구성요소가 존재함을 의미하는 것으로 이해되어야 한다. 다만, "포함한다" 및/또는 "포함하는"이라는 용어는, 하나 이상의 다른 특징, 구성요소 및/또는 이들의 그룹의 존재 또는 추가를 배제하지 않는 것으로 이해되어야 한다. 또한, 달리 특정되지 않거나 단수 형태를 지시하는 것으로 문맥상 명확하지 않은 경우에, 본 명세서와 청구범위에서 단수는 일반적으로 "하나 또는 그 이상"을 의미하는 것으로 해석되어야 한다.

당업자들은 추가적으로 여기서 개시된 실시예들과 관련되어 설명된 다양한 예시 적 논리적 블록들, 구성들, 모듈들, 회로들, 수단들, 로직들, 및 알고리즘 단계들이 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양쪽 모두의 조합들로 구현될 수 있음을 인식해야 한다. 하드웨어 및 소프트웨어의 상호교환성을 명백하게 예시하기 위해, 다양한 예시 적 컴포넌트들, 블록들, 구성들, 수단들, 로직들, 모듈들, 회로들, 및 단계들은 그들의 기능성 측면에서 일반적으로 위에서 설명되었다. 그러한 기능성이 하드웨어로 또는 소프트웨어로서 구현되는지 여부는 전반적인 시스템에 부과된 특정 어플리케이션(application) 및 설계 제한들에 달려 있다. 숙련된 기술자들은 각각의 특정 어플리케이션들을 위해 다양한 방법들로 설명된 기능성을 구현할 수 있다. 다만, 그러한 구현의 결정들이 본 개시내용의 영역을 벗어나게 하는 것으로 해석되어서는 안된다.

제시된 실시예들에 대한 설명은 본 개시의 기술 분야에서 통상의 지식을 가진 자가 본 발명을 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 개시의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이다. 여기에 정의된 일반적인 원리들은 본 개시의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 발명은 여기에 제시된 실시예들로 한정되는 것이 아니다. 본 발명은 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.

본 개시의 일 실시예에서 서버는 서버의 서버 환경을 수행하기 위한 다른 구성들이 포함될 수도 있다. 서버는 임의의 형태의 장치는 모두 포함할 수 있다. 서버는 디지털 기기로서, 랩탑 컴퓨터, 노트북 컴퓨터, 데스크톱 컴퓨터, 웹 패드, 이동 전화기와 같이 프로세서를 탑재하고 메모리를 구비한 연산 능력을 갖춘 디지털 기기일 수 있다. 서버는 서비스를 처리하는 웹 서버일 수 있다. 전술한 서버의 종류는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.

본 명세서에서 신경망, 인공 신경망, 네트워크 함수는 종종 상호 교환 가능하게 사용될 수 있다.

본 발명의 상세한 설명 및 청구항들에 걸쳐 이용된 "영상" 또는 "영상 데이터"라는 용어는 이산적 영상 요소들(예컨대, 2차원 영상에 있어서는 픽셀)로 구성된 다차원 데이터를 지칭하며, 달리 말하자면, (예컨대, 비디오 화면에 표시된) 눈으로 볼 수 있는 대상 또는 (예컨대, CT, MRI 검출기 등의 픽셀 출력에 대응되는 파일과 같은) 그 대상의 디지털 표현물을 지칭하는 용어이다.

예를 들어 "이미지" 또는 "영상"은 전산화 단층 촬영(CT; computed tomography), 자기 공명 영상(MRI; magnetic resonance imaging), 안저 영상, 초음파 또는 본 발명의 기술분야에서 공지된 임의의 다른 의료 영상 시스템의 의하여 수집된 피검체(subject)의 의료 영상일 수 있다. 영상이 반드시 의료적 맥락에서 제공되어야 하는 것은 아니고 비의료적 맥락에서 제공될 수도 있는 바, 예를 들어 보안 검색용 X선 촬영 등이 있을 수 있다.

본 발명의 상세한 설명 및 청구항들에 걸쳐 'DICOM(Digital Imaging and Communications in Medicine; 의료용 디지털 영상 및 통신)' 표준은 의료용 기기에서 디지털 영상 표현과 통신에 이용되는 여러 가지 표준을 총칭하는 용어인 바, DICOM 표준은 미국 방사선 의학회(ACR)와 미국 전기 공업회(NEMA)에서 구성한 연합 위원회에서 발표한다.

또한, 본 발명의 상세한 설명 및 청구항들에 걸쳐 '의료영상 저장 전송 시스템(PACS; Picture Archiving and Communication System)'은 DICOM 표준에 맞게 저장, 가공, 전송하는 시스템을 지칭하는 용어이며, X선, CT, MRI와 같은 디지털 의료영상 장비를 이용하여 획득된 의료영상 이미지는 DICOM 형식으로 저장되고 네트워크를 통하여 병원 내외의 단말로 전송이 가능하며, 이에는 판독 결과 및 진료 기록이 추가될 수 있다.

도 1은 본 개시의 일 실시예에 따라 의료 데이터 검색 방법을 제공하기 위한 동작을 수행하는 컴퓨팅 장치의 블록 구성도를 도시한 도면이다.

컴퓨터 보조 진단(CAD; computer-aided diagnosis)을 이용한 데이터들은 검색이 용이하지 않은 형태로 데이터베이스에 저장되어 있을 수 있다. 의료 데이터가 컴퓨터 보조 진단을 이용하여 판독되고, 그리고 병변에 대한 정보는 자연어로 저장될 수 있다. 병변에 대한 정보가 자연어로 저장되는 경우, 병변에 대한 검색이 용이하지 않을 수 있다. 따라서, 본 개시의 실시예에 따른 의료 데이터 검색 방법은 의료 데이터에 대한 검색을 용이하도록 하는 방법을 제시할 수 있다.

본 개시의 실시예에 따른 의료 데이터 검색 방법은 의료 데이터에 대한 피처 또는 메타 정보 등을 이용하여 데이터베이스를 구축할 수 있다. 의료 데이터 검색 방법은 구축된 데이터베이스를 이용하여, 의료 데이터에 대한 검색을 수행할 수 있으며, 의료 데이터의 검색을 위한 사용자 인터페이스를 포함하는 플랫폼을 제공할 수 있다.

이하에서는 의료 데이터의 검색을 지원하는 데이터베이스에 관하여 설명한다.

데이터베이스에는 둘 이상의 의료 데이터들이 저장되어 있을 수 있다.

의료 데이터는 영상 데이터, 음성 데이터 및 시계열 데이터 중 적어도 하나를 포함할 수 있다. 즉, 의료업에 종사하는 자 또는 진단을 위한 장치 등이 데이터 내에 질병의 존재 유무를 판단할 수 있는 임의의 형태의 데이터가 본 개시에 의한 의료 데이터에 포함될 수 있다. 영상 데이터는 환자의 환부를 검사 장비를 통해 촬영 또는 측정하여 전기 신호화 한 후 출력되는 모든 영상 데이터를 포함한다. 상기 영상 데이터는 의료 영상 촬영기기로부터 시간에 따라 연속하여 촬영된 동영상에서 동영상의 각 프레임을 구성하는 영상 데이터를 포함할 수 있다 예를 들어, 초음파 검사 영상 데이터, MRI 장치에 의한 영상 데이터, CT 단층 촬영 영상 데이터, X-ray 촬영 영상 데이터 등을 포함한다. 나아가, 음성 데이터를 전기 신호로 변환하여 그래프 형태의 이미지로 출력하거나 시계열 데이터를 그래프 등의 시각화 된 자료로 나타낸 경우 해당 이미지 또는 자료는 상기 영상 데이터에 포함될 수 있다. 도 3을 참조하여 설명하면, 도 3에 도시된 이미지는, 의료 데이터일 수 있다. 의료 데이터에 관한 전술한 예시는 일 예시에 불과할 뿐, 본 개시를 제한하지 않는다.

의료 데이터는, 예를 들어, 네트워크부(110)를 이용하여 연동되는 촬영 기기 또는 의료 영상 저장 전송 시스템(PACS)과 같은 외부 영상 저장 시스템으로부터 획득되는 데이터일 수 있으나 이에 한정되지 않는다. 의료 데이터는 촬영 기기에 의하여 촬영된 영상이 DICOM 표준에 따라 PACS에 전송된 후 컴퓨팅 장치(100)의 프로세서(120)에 의하여 획득된 것일 수 있다.

데이터베이스에 저장된 의료 데이터들 각각은 부가 정보가 매칭되어 저장될 수 있다. 부가 정보는 의료 데이터에 포함된 병변의 메타 정보, 의료 데이터에 포함된 병변의 피처(feature) 또는 의료 데이터에 대응되는 케이스 정보 중 적어도 하나를 포함할 수 있다.

병변의 메타 정보는 병변을 설명하는 정보일 수 있다. 병변의 메타 정보는 병변의 형태, 종류 또는 특성을 나타내는 정보일 수 있다. 예를 들어, 폐 CT 이미지인 의료 데이터에 대한 메타 정보는 결절 종류, 석회화 여부, 지름, 평균 HU, 부피, 결절 침상 존재 여부 등일 수 있다. 전술한 메타 정보에 관한 구체적인 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.

데이터베이스에는 의료 데이터의 종류에 따라 구조화된 메타 정보들이 저장되어 있을 수 있다. 데이터베이스에는 의료 데이터의 종류에 따라 상이한 메타 정보들이 저장되어 있을 수 있다. 예를 들어, 의료 데이터가 영상 데이터인 경우와 음성 데이터인 경우, 각각에 대해서 매칭되어 저장되는 메타 정보들은 상이할 수 있다. 또는, 폐를 촬영한 영상 데이터 중에서, CT 영상과 MRI 영상 각각에는 상이한 메타 정보들이 매칭되어 저장되어 있을 수 있다. 또는, 폐를 촬영한 CT 영상과, 무릎 관절을 촬영한 CT 영상 각각에는 상이한 메타 정보들이 매칭되어 저장되어 있을 수 있다. 전술한 메타 정보에 관한 구체적인 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.

병변의 메타 정보는 사전 학습된 뉴럴 네트워크 모델을 이용하여 획득한 정보일 수 있다. 사전 학습된 뉴럴 네트워크 모델은 의료 데이터를 입력으로 하여, 병변의 메타 정보를 출력할 수 있다. 예를 들어, 뉴럴 네트워크 모델은, 의료 데이터에 포함된 정보들을 분류하거나, 또는 검출하기 위한 모델일 수 있다. 예를 들어, 뉴럴 네트워크 모델은, 폐 CT 영상을 입력으로 연산하여, 폐의 결절 타입, 석회화 여부, 결절의 크기, 지름, 부피 등을 출력하도록 학습된 모델일 수 있다. 뉴럴 네트워크 모델을 이용하여, 의료 데이터에 포함된 병변을 검출하는 경우, 병변에 특정 종류의 정보가 포함되어 있는지 여부, 뿐만 아니라, 병변에 관한 정량적인 정보들도 추출할 수 있다. 따라서, 뉴럴 네트워크 모델을 이용하여 의료 데이터를 연산하는 경우, 의료 데이터에 대한 메타 정보들을 쉽게 추출할 수 있다. 그리고, 뉴럴 네트워크 모델을 이용하여 추출된 메타 정보들을 이용하는 경우, 메타 정보들에 대한 데이터베이스를 용이하게 구축할 수 있다. 전술한 뉴럴 네트워크 모델에 관한 구체적인 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.

사전 학습된 뉴럴 네트워크 모델은, 의료 데이터의 종류에 따라 각각 상이하게 학습된 모델일 수 있다. 즉, 뉴럴 네트워크 모델은 다른 의료 데이터를 입력으로, 연산하는 경우, 다른 종류의 메타 정보들을 출력하도록 학습될 수 있다. 예를 들어, 뉴럴 네트워크 모델은 폐 CT 영상을 입력 데이터로 수신하는 경우, 폐에 포함된 결절의 석회화 여부, 결절의 크기 등을 메타 정보로 출력할 수 있다. 또는, 뉴럴 네트워크 모델은 발목 CT 영상을 입력 데이터로 수신하는 경우, 발목 뼈에 염증이 있는지 여부, 금이 있는지 여부 등을 메타 정보로 출력할 수 있다. 전술한 뉴럴 네트워크 모델에 관한 구체적인 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.

전술한 사전 학습된 뉴럴 네트워크 모델은 딥 뉴럴 네트워크일 수 있다. 본 명세서에 걸쳐, 신경망, 네트워크 함수, 뉴럴 네트워크(neural network)는 동일한 의미로 사용될 수 있다. 딥 뉴럴 네트워크(DNN: deep neural network, 심층신경망)는 입력 레이어와 출력 레이어 외에 복수의 히든 레이어를 포함하는 신경망을 의미할 수 있다. 딥 뉴럴 네트워크를 이용하면 데이터의 잠재적인 구조(latent structures)를 파악할 수 있다. 즉, 사진, 글, 비디오, 음성, 음악의 잠재적인 구조(예를 들어, 어떤 물체가 사진에 있는지, 글의 내용과 감정이 무엇인지, 음성의 내용과 감정이 무엇인지 등)를 파악할 수 있다. 딥 뉴럴 네트워크는 컨벌루셔널 뉴럴 네트워크 (CNN: convolutional neural network), 리커런트 뉴럴 네트워크(RNN: recurrent neural network), 제한 볼츠만 머신(RBM: restricted boltzmann machine), 심층 신뢰 네트워크(DBN: deep belief network), Q 네트워크, U 네트워크, 샴 네트워크 등을 포함할 수 있다.

컨벌루셔널 뉴럴 네트워크는 딥 뉴럴 네트워크의 일종으로서, 컨벌루셔널 레이어를 포함하는 신경망을 포함한다. 컨벌루셔널 뉴럴 네트워크는 최소한의 전처리(preprocess)를 사용하도록 설계된 다계층 퍼셉트론(multilayer perceptrons)의 한 종류이다. CNN은 하나 또는 여러 개의 컨벌루셔널 레이어와 이와 결합된 인공 신경망 계층들로 구성될 수 있다. CNN은 가중치와 풀링 레이어(pooling layer)들을 추가로 활용할 수 있다. 이러한 구조 덕분에 CNN은 2 차원 구조의 입력 데이터를 충분히 활용할 수 있다. 컨벌루셔널 뉴럴 네트워크는 이미지에서 오브젝트를 인식하기 위하여 사용될 수 있다. 컨벌루셔널 뉴럴 네트워크는 이미지 데이터를 차원을 가진 행렬로 나타내어 처리할 수 있다. 예를 들어 RGB(red-green-blue)로 인코딩 된 이미지 데이터의 경우, R, G, B 색상별로 각각 2차원(예를 들어, 2 차원 이미지 인 경우) 행렬로 나타내 질 수 있다. 즉, 이미지 데이터의 각 픽셀의 색상 값이 행렬의 성분이 될 수 있으며 행렬의 크기는 이미지의 크기와 같을 수 있다. 따라서 이미지 데이터는 3개의 2차원 행렬로(3차원의 데이터 어레이)로 나타내질 수 있다.

컨벌루셔널 뉴럴 네트워크에서 컨벌루셔널 필터를 이동해가며 컨벌루셔널 필터와 이미지의 각 위치에서의 행렬 성분끼리 곱하는 것으로 컨벌루셔널 과정(컨벌루셔널 레이어의 입출력)을 수행할 수 있다. 컨벌루셔널 필터는 n*n 형태의 행렬로 구성될 수 있다. 컨벌루셔널 필터는 일반적으로 이미지의 전체 픽셀의 수보다 작은 고정된 형태의 필터로 구성될 수 있다. 즉, m*m 이미지를 컨벌루셔널 레이어(예를 들어, 컨벌루셔널 필터의 사이즈가 n*n인 컨벌루셔널 레이어)입력시키는 경우, 이미지의 각 픽셀을 포함하는 n*n 픽셀을 나타내는 행렬이 컨벌루셔널 필터와 성분 곱 (즉, 행렬의 각 성분끼리의 곱) 될 수 있다. 컨벌루셔널 필터와의 곱에 의하여 이 미지에서 컨벌루셔널 필터와 매칭되는 성분이 추출될 수 있다. 예를 들어, 이미지에서 상하 직선 성분을 추출하기 위한 3*3 컨벌루셔널 필터는 [[0,1,0], [0,1,0], [0,1,0]] 와 같이 구성될 수 있다. 이미지에서 상하 직선 성분을 추출하기 위한 3*3 컨벌루셔널 필터가 입력 이미지에 적용되면 이미지에서 컨벌루셔널 필터와 매칭되는 상하 직선 성분이 추출되어 출력될 수 있다. 컨벌루셔널 레이어는 이미지를 나타낸 각각의 채널에 대한 각각의 행렬(즉, R, G, B 코딩 이미지의 경우, R, G, B 색상)에 컨벌루셔널 필터를 적용할 수 있다. 컨벌루셔널 레이어는 입력 이미지에 컨벌루셔널 필터를 적용하여 입력 이미지에서 컨벌루셔널 필터와 매칭되는 피쳐를 추출할 수 있다. 컨벌루셔널 필터의 필터 값(즉, 행렬의 각 성분의 값)은 컨벌루셔널 뉴럴 네트워크의 학습 과정에서 역전파에 의하여 업데이트 될 수 있다.

컨벌루셔널 레이어의 출력에는 서브샘플링 레이어가 연결되어 컨벌루셔널 레이어의 출력을 단순화하여 메모리 사용량과 연산량을 줄일 수 있다. 예를 들어, 2*2 맥스 풀링 필터를 가지는 풀링 레이어에 컨벌루셔널 레이어의 출력을 입력시키는 경우, 이미지의 각 픽셀에서 2*2 패치마다 각 패치에 포함되는 최대값을 출력하여 이미지를 압축할 수 있다. 전술한 풀링은 패치에서 최소값을 출력하거나, 패치의 평균값을 출력하는 방식일 수도 있으며 임의의 풀링 방식이 본 개시에 포함될 수 있다.

컨벌루셔널 뉴럴 네트워크는 하나 이상의 컨벌루셔널 레이어, 서브 샘플링 레이어를 포함할 수 있다. 컨벌루셔널 뉴럴 네트워크는 컨벌루셔널 과정과 서브샘플링 과정(예를 들어, 전술한 맥스 풀링 등)을 반복적으로 수행하여 이미지에서 피쳐를 추출할 수 있다. 반복적인 컨벌루션널 과정과 서브샘플링 과정을 통해 뉴럴 네트워크는 이미지의 글로벌 피쳐를 추출할 수 있다.

컨벌루셔널 레이어 또는 서브샘플링 레이어의 출력은 풀 커넥티드 레이어(fully connected layer)에 입력될 수 있다. 풀 커넥티드 레이어는 하나의 레이어에 있는 모든 뉴런과 이웃한 레이어에 있는 모든 뉴런이 연결되는 레이어이다. 풀 커넥티드 레이어는 뉴럴 네트워크에서 각 레이어의 모든 노드가 다른 레이어의 모든 노드에 연결된 구조를 의미할 수 있다.

본 개시의 일 실시예에서 의료 이미지에 포함된 의료 데이터에 대한 세그먼테이션(segmentation)을 수행하기 위하여 뉴럴 네트워크는 디컨벌루셔널 뉴럴 네트워크(DCNN: deconvolutional neural network)를 포함할 수 있다. 디컨벌루셔널 뉴럴 네트워크는 컨벌루셔널 뉴럴 네트워크를 역방향으로 계산시킨 것과 유사한 동작을 수행한다. 디컨벌루셔널 뉴럴 네트워크는 컨벌루셔널 뉴럴 네트워크에서 추출된 피쳐를 원본 데이터와 관련된 피쳐맵으로 출력할 수 있다. 컨벌루셔널 뉴럴 네트워크에 대한 구체적인 구성에 관한 설명은 본 출원에서 전체가 참조로서 통합되는 미국 등록 특허 US9870768B2에서 보다 구체적으로 논의된다.

병변의 피처는 진단 모델을 이용하여 획득한 정보일 수 있다. 병변의 피처는 병변의 형태학적 특징을 설명하는 변수일 수 있다. 진단 모델은 전술한 사전 학습된 뉴럴 네트워크 모델과 동일한 모델일 수도 있고, 또는 상이한 모델일 수도 있다.

이하에서는 진단 모델에 관하여 설명한다. 진단 모델에 관하여 이하 도 2를 참조하여 설명한다.

진단 모델은 의료 데이터를 입력으로 연산하고, 그리고 의료 데이터에 특정 메타 정보가 포함되어 있는지 분류하기 위한 모델일 수 있다. 예를 들어, 진단 모델은 폐 CT 영상을 입력 데이터로 연산하고, 그리고 폐 CT 영상에 결절이 포함되어 있는지 분류하기 위한 모델일 수 있다. 또는, 진단 모델은 폐 CT 영상에 포함된 적어도 일부 영역을 입력 데이터로 연산할 수 있다. 예를 들어, 진단 모델은 폐 CT 영상에 포함된 복수의 패치들 중 하나의 패치를 입력 데이터로 연산할 수 있다. 전술한 진단 모델에 관한 구체적인 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.

진단 모델은 인코더(210) 및 디코더(230)를 포함할 수 있다. 프로세서(120)는 진단 모델에 입력된 의료 데이터를 인코더(210)를 이용하여 연산하여, 중간 피처(220)를 출력할 수 있다. 인코더(210)는 하나 이상의 컨벌루셔널 레이어(212, 214, 216)를 포함할 수 있다. 프로세서(120)는 진단 모델에 포함된 레이어들의 출력 결과를 각각 다음 레이어로 순차적으로 피딩 할 수 있다. 프로세서(120)는 진단 모델에 입력된 의료 데이터를 인코더(210)에 포함된 하나 이상의 컨벌루셔널 레이어(212, 214, 216) 각각에 피딩 하여 연산할 수 있다. 즉, 프로세서(120)는 인코더(210)에 포함된 하나 이상의 컨벌루셔널 레이어(212, 214, 216) 각각을 이용하여, 이전 레이어로부터 피딩 된 데이터 및 피딩 된 의료 데이터를 함께 연산할 수 있다.

진단 모델은, n 개의 레이어를 포함할 수 있다. 진단 모델의 1 번째 레이어부터 n 번째 레이어까지 순차적으로 데이터가 피딩될 수 있다. 진단 모델의 인코더(210)에 포함된 하나 이상의 레이어, 디코더(230)에 포함된 하나 이상의 레이어, 컨벌루셔널 레이어(240) 및 소프트 맥스(soft max) 레이어(250)로부터 출력된 데이터는 각각 다음 레이어로 피딩될 수 있다. 즉, 진단 모델에 포함된 하나 이상의 레이어 각각은, 이전 레이어로부터 출력된 데이터를 피딩 받아, 연산할 수 있다.

프로세서(120)는 인코더(210)로부터 출력된 중간 피처(220)를 디코더(230)의 입력으로 연산할 수 있다. 디코더(230)는 하나 이상의 디컨벌루셔널 레이어(232, 234, 236)를 포함할 수 있다. 프로세서(120)는 디코더(230)에 포함된 레이어들의 출력 결과를 다음 레이어로 순차적으로 피딩할 수 있다. 진단 모델의 i(0<i<n/2+1, i는 정수) 번째 레이어로부터 출력된 데이터는 n-i+1 번째 레이어로 피딩될 수 있다. 프로세서(120)는 인코더(210)에 포함된 레이어로부터 출력된 데이터를, 디코더(230)에 포함된 레이어로 피딩할 수 있다. 프로세서(120)는 인코더(210)에 포함된 제 1 컨벌루셔널 레이어(212)로부터의 출력 결과를 디코더(230)에 포함된 제 3 디컨벌루셔널 레이어(236)에 피딩하여 연산하도록 할 수 있다. 프로세서(120)는 인코더에 포함된 제 2 컨벌루셔널 레이어(214) 및 제 3 컨벌루셔널 레이어(216) 각각으로부터 출력된 데이터를 디코더(230)에 포함된 제 2 디컨벌루셔널 레이어(234) 및 제 1 디컨벌루셔널 레이어(232) 각각에 피딩하여 연산하도록 할 수 있다. 즉, 디코더(230)에 포함된 하나 이상의 디컨벌루셔널 레이어는, 이전 레이어로부터 피딩 된 데이터 및 인코더(210)의 레이어로부터 출력되어 피딩 된 데이터를 함께 연산할 수 있다.

프로세서(120)는 디코더(230)로부터 출력된 데이터를 컨벌루셔널 레이어(240) 및 소프트 맥스 레이어(250)를 순차적으로 이용하여 연산할 수 있다. 프로세서(120)는 진단 모델을 이용하여 메타 정보에 대한 분류 결과를 출력할 수 있다. 메타 정보에 대한 분류 결과는, 의료 데이터에 메타 정보가 포함되어 있거나, 또는 의료 데이터에 메타 정보가 포함되어 있지 않다는 정보일 수 있다. 예를 들어, 진단 모델은 무릎 관절 CT 영상에 염증이 포함되어 있는지 여부에 대한 정보를 출력할 수 있다. 전술한 진단 모델에 관한 구체적인 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.

프로세서(120)는 진단 모델에 포함된 하나 이상의 레이어를 이용하여 추출된 의료 데이터의 피처를 병변의 피처로 결정할 수 있다. 예를 들어, 프로세서(120)는 인코더(210)로부터 출력된 중간 피처(220)를 병변의 피처로 결정할 수 있다. 의료 데이터는 복수의 패치로 분할될 수 있다. 프로세서(120)는 병변이 포함된 패치를 진단 모델을 이용하여 연산할 수 있다. 프로세서(120)는 진단 모델을 이용하여 추출된 피처를, 병변의 피처로 결정할 수 있다. 전술한 병변의 피처에 관한 구체적인 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.

프로세서(120)는 진단 모델을 이용하여 의료 데이터를 연산하여, 메타 정보를 획득할 수 있다. 프로세서(120)는 전술한 바와 같은 뉴럴 네트워크 구조를 가지는 진단 모델을 이용하여 의료 데이터를 연산하여, 메타 정보를 획득할 수 있다.

케이스 정보는, 의료 데이터에 대응되는 환자 정보, 환자의 다른 의료 데이터, 처치 정보 또는 예후 정보 중 적어도 하나를 포함할 수 있다.

환자 정보는 환자에 대한 기본 정보일 수 있다. 예를 들어, 환자 정보는 환자의 나이, 키, 몸무게, 성별 등의 정보일 수 있다. 전술한 환자 정보에 관한 구체적인 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.

다른 의료 데이터는, 해당 환자에 대한 판단을 보조하기 위한 추가적인 의료 데이터일 수 있다. 예를 들어, 다른 의료 데이터는 해당 환자에 대한 다른 검사 결과로부터 획득된 데이터, 과거 데이터 등을 포함할 수 있다. 예를 들어, 의료 데이터는 환자의 폐 CT 영상일 수 있고, 그리고 다른 의료 데이터는 환자의 피 검사 결과, 또는 MRI 검사 결과 등일 수 있다. 다른 의료 데이터는, 의료 데이터와 상이한 시간에 생성된, 과거 의료 데이터에 대한 정보일 수 있다. 즉, 다른 의료 데이터는 의료 데이터에 대한 히스토리를 보여줄 수 있다. 예를 들어, 의료 데이터가 A 환자에 대한 8월자 X-RAY 이미지인 경우, 과거 의료 데이터는 A 환자에 대한 1월자 X-RAY일 수 있다. 즉, 프로세서(120)는 환자의 과거 검사 영상과 현재 검사 영상을 비교한 히스토리 정보를 제공함으로써, 의료진의 의료 데이터 판독을 보조할 수 있다. 예를 들어, 악성 종양의 경우 과거에 비해 크기가 작아진 경우와, 크기가 커진 경우의 수술 또는 치료법이 상이할 수 있다. 프로세서(120)는 의료 데이터에 포함된 병변과, 과거 의료 데이터에 포함된 병변을 비교할 수 있다. 프로세서(120)는 상기 비교 결과를 포함하는 정보를 의료 데이터에 매칭하여 데이터베이스에 저장할 수 있다. 프로세서(120)는 예를 들어, 양 의료 데이터 간의 정량적 또는 정성적인 비교 결과를 데이터베이스에 저장할 수 있다. 또는, 프로세서(120)는 병변이 적어도 일부 변경된 경우, 변경된 정도를 데이터베이스에 저장할 수 있다. 프로세서(120)는 병변이 과거 의료 데이터와 비교하였을 때, 유의미하게 변경된 경우, 관련 정보를 데이터베이스에 저장할 수 있다. 다른 의료 데이터에 관한 구체적인 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.

처치 정보는 환자에게 수행된 수술, 치료 등의 정보일 수 있다. 예를 들어, 처치 정보는 환자에게 어떤 수술이 수행되었는지, 또는 환자에게 주입된 약물의 종류 또는 양 등을 포함할 수 있다. 전술한 처치 정보에 관한 구체적인 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.

예후 정보는 환자의 경과 정보일 수 있다. 예를 들어, 예후 정보는 환자에게 특정 약물을 주입하고, 일정 시간 경과 이후의 환자 상태를 포함할 수 있다. 또는, 예후 정보는 환자에 대한 수술 이후, 질병의 재발 여부 등을 포함할 수 있다. 전술한 예후 정보에 관한 구체적인 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.

이하에서는 의료 데이터의 피처를 이용한 의료 데이터의 검색 방법에 관하여 설명한다.

프로세서(120)는 검색 의료 데이터를 수신할 수 있다. 검색 의료 데이터는 사용자가 검색하고자 하는 의료 데이터일 수 있다. 예를 들어, 검색 의료 데이터는 사용자가 검색하고자 하는 폐 CT 영상일 수 있다. 프로세서(120)는 검색 의료 데이터에 대응되는 의료 데이터를 검색하여, 해당 검색 결과를 출력할 수 있다. 검색 결과는, 검색 의료 데이터에 대응되는 의료 데이터 또는 의료 데이터에 매칭된 부가 정보 중 적어도 하나일 수 있다. 즉, 사용자가 의료 데이터를 검색 대상으로 입력하면, 프로세서(120)는 검색 의료 데이터와 대응되는 의료 데이터를 데이터베이스에서 찾아, 해당 결과를 반환할 수 있다. 검색 의료 데이터와 대응되는 의료 데이터는, 검색 의료 데이터와 유사한 의료 데이터일 수 있다. 즉, 사용자가 입력한 의료 데이터와 유사한 의료 데이터를 데이터베이스에서 찾아, 해당 결과를 사용자에게 반환할 수 있다.

검색 의료 데이터는 의료 데이터에 포함된 적어도 일부 영역일 수 있다. 예를 들어, 하나의 의료 데이터에는 둘 이상의 병변이 포함될 수 있다. 따라서, 사용자는 하나의 의료 데이터에 포함된 둘 이상의 병변 중, 검색하고자 하는 하나의 병변을 선택하여 검색하도록 할 수도 있다. 프로세서(120)는 검색 의료 데이터에 포함된 둘 이상의 병변을 사용자 인터페이스에 표시할 수 있다. 프로세서(120)는 사용자 인터페이스를 통해 적어도 하나의 병변에 대한 사용자 선택 입력을 수신할 수 있다.즉, 검색 의료 데이터는 하나의 병변을 포함하는 의료 데이터의 적어도 일부의 영역인, 패치일 수도 있다. 프로세서(120)는 하나의 패치가 검색 대상으로 입력되는 경우, 해당 패치에 포함된 병변을 이용하여 검색 결과를 생성할 수 있다. 프로세서(120)는 사용자 선택 입력된 적어도 하나의 병변에 대해서 검색 결과를 출력할 수 있다. 전술한 검색에 관한 구체적인 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.

검색 의료 데이터는 둘 이상의 병변을 포함할 수 있다. 프로세서(120)는 검색 의료 데이터에 둘 이상의 병변이 포함된 것을 검출할 수 있다. 프로세서(120)는 둘 이상의 병변 각각에 대해서, 검색 결과를 생성할 수 있다. 또는, 프로세서(120)는 둘 이상의 병변을 사용자 인터페이스에 표시할 수 있다. 프로세서(120)는 둘 이상의 병변 중 사용자 선택 입력된 병변에 대해서 검색 결과를 생성할 수도 있다. 전술한 검색에 관한 구체적인 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.

프로세서(120)는 검색 의료 데이터에 포함된 병변과 유사한 병변을 포함하는 의료 데이터를 데이터베이스에서 찾을 수 있다. 병변들 간의 유사도를 판단하기 위하여, 프로세서(120)는 병변들 각각에 대한 피처 간의 유사도를 연산할 수 있다. 프로세서(120)는 검색 의료 데이터에 포함된 병변의 피처와 데이터베이스에 저장된 의료 데이터들에 각각 포함된 병변의 피처 간의 유사도를 연산할 수 있다. 검색 의료 데이터에 포함된 병변의 피처는, 전술한 바와 같이, 진단 모델을 이용하여 추출될 수 있다. 병변의 피처는, 의료 데이터에 대한 진단 결과를 생성하기 위한 진단 모델로부터 획득될 수 있다. 진단 모델의 인코더를 이용하여 추출된 중간 피처를 이용하여, 검색 의료 데이터의 병변과 유사한 병변을 검색할 수 있다.

프로세서(120)는 검색 의료 데이터에 포함된 병변의 피처와, 데이터베이스에 포함된 복수의 의료 데이터들에 각각 포함된 병변의 피처들 간의 유사도를 연산할 수 있다. 프로세서(120)는 피처 간 유사도가 임계 값 이상인 의료 데이터에 기초하여 검색 결과를 생성할 수 있다. 프로세서(120)는 피처 간 유사도가 높은 상위 N개의 의료 데이터에 기초하여 검색 결과를 생성할 수 있다. 프로세서(120)는 피처 간 유사도가 임계 값 이상인 의료 데이터가 한 개인 경우, 검색 결과로 한 개의 의료 데이터에 관한 정보만을 추출할 수 있다. 또는, 프로세서(120)는 피처 간 유사도가 임계 값 이상인 의료 데이터가 두개 이상인 경우, 검색 결과로 둘 이상의 의료 데이터에 관한 정보를 추출할 수 있다. 프로세서(120)는 둘 이상의 의료 데이터에 관한 정보를 검색 결과로 추출하는 경우, 의료 데이터들 간의 순위를 함께 제공할 수 있다. 즉, 유사도가 높은 의료 데이터일 수록 높은 순위로 표시할 수 있다. 전술한 검색 의료 데이터에 관한 구체적인 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.

이하에서 도 3를 참조하여 설명한다. 도 3(a)는 검색 의료 데이터이고, 그리고 도 3(b) 내지 (e)는 검색 결과로 출력된 의료 데이터일 수 있다. 프로세서(120)는 도 3(a)의 검색 의료 데이터에 포함된 병변의 피처를 이용하여 데이터베이스에 포함된 의료 데이터들을 검색할 수 있다. 프로세서(120)는 도 3(a)의 병변의 피처와 피처 유사도가 임계 값 이상인, 병변의 피처를 포함하는, 상위 4개의 의료 데이터인, 도 3(b) 내지 (e)를 추출할 수 있다.

프로세서(120)는 피처들 간의 유사도를 이용하여 검색 의료 데이터에 대한 검색 결과를 출력할 수 있다. 프로세서(120)는 피처들 간의 유사도가 임계 값 이상인 의료 데이터 또는 의료 데이터에 매칭된 부가 정보 중 적어도 하나를 상기 검색 결과로 출력할 수 있다.

본 개시의 일 실시예에 따라, 프로세서(120)는 의료 데이터를 검색 결과로 출력할 수 있다. 사용자는 유사한 형태의 병변을 가지는 다른 의료 데이터를 확인할 수 있다. 즉, 사용자는 의료 데이터에 포함된 병변에 대한 진단 시, 유사한 형태의 다른 병변들을 참고할 수 있다.

본 개시의 일 실시예에 따라, 프로세서(120)는 의료 데이터에 매칭된 부가 정보를 검색 결과로 출력할 수 있다. 프로세서(120)는 의료 데이터에 매칭된 병변의 메타 정보 또는 케이스 정보 중 적어도 하나를 검색 결과로 출력할 수 있다.

프로세서(120)는 유사한 피처를 가지는 의료 데이터의 메타 정보를 검색 결과로 출력할 수 있다. 사용자는 유사한 피처를 가지는 병변을 포함하는 다른 의료 데이터의 병변의 메타 정보를 확인할 수 있다. 예를 들어, 다른 의료 데이터에 포함된 병변의 크기 등의 정량적인 정보를 통해, 의료 데이터에 포함된 병변의 심각성 정도를 판단할 수 있다. 예를 들어, 검색 의료 데이터에 포함된 병변의 크기가, 검색 결과에 포함된 의료 데이터에 포함된 병변의 크기보다 훨씬 작을 수 있다. 그러한 경우, 유사한 피처(즉, 유사한 형태의 악성 종양)을 포함한다고 하더라도, 크기가 훨씬 작기 때문에, 의료 데이터에 대한 심각성 정도를 더 낮게 판단할 수 있다. 전술한 의료 데이터 검색에 관한 구체적인 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.

프로세서(120)는 유사한 피처를 가지는 의료 데이터의 케이스 정보를 검색 결과로 출력할 수 있다. 사용자는 유사한 피처를 가지는 다른 병변에 대한 케이스 정보를 참조하여, 검색 의료 데이터에 대응되는 환자의 수술, 치료 등의 방향을 결정할 수 있다. 예를 들어, 검색 의료 데이터의 병변과 유사한 병변을 포함하는 제 1 의료 데이터의 케이스 정보는, 환자에 대해 A 수술을 수행하였고, 예후 정보가 긍정적임을 포함할 수 있다. 그리고, 검색 의료 데이터의 병변과 유사한 병변을 포함하는 제 2 의료 데이터의 케이스 정보는, 환자에 대해 B 치료를 수행하였고, 예후 정보가 부정적임을 포함할 수 있다. 사용자는 다른 케이스 정보들을 참조하여, 검색 의료 데이터에 대응되는 환자에게 B 치료보다는 A 수술을 수행하는 것이 더 좋을 것이라고 참조할 수 있다. 즉, 숙련된 경험이 부족한 사용자(예를 들어, 의료진)들의 경우에도, 유사한 피처를 포함하는 다른 의료 데이터의 케이스 정보를 참조하여, 의학적 판단을 수행할 수 있다. 본 개시의 실시예에 따른 의료 데이터 검색 방법은 상기와 같이 유사한 다른 의료 데이터를 사용자에게 제공함으로써, 사용자의 환자 진단을 보조할 수 있다. 전술한 의료 데이터 검색에 관한 구체적인 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.

이하에서는 의료 데이터의 메타 정보를 이용한 의료 데이터의 검색 방법에 관하여 설명한다.

프로세서(120)는 검색 메타 정보를 수신할 수 있다. 즉, 사용자는 찾고자 하는 의료 데이터에 대한 조건을 설정할 수 있다. 프로세서(120)는 사용자가 설정한 조건에 대응되는 의료 데이터를 데이터베이스로부터 추출하여 검색 결과로 반환할 수 있다. 의료 데이터에 대한 조건은, 검색 메타 정보일 수 있다. 검색 메타 정보는 메타 정보에 포함되는 하나 이상의 항목에 대한 항목 값 구간 설정 또는 항목 조건 대응 여부 설정 중 적어도 하나를 포함할 수 있다. 메타 정보는 하나 이상의 항목을 포함할 수 있다. 메타 정보는 의료 데이터의 종류 마다 상이한 항목을 포함할 수 있다. 전술한 바와 같이, 예를 들어, 메타 정보는, 병변의 크기, 위치, 지름 등의 항목을 포함할 수 있다. 검색 메타 정보는, 항목 별 구간 또는 항목 조건 대응 여부를 포함할 수 있다. 예를 들어, 검색 메타 정보는 병변의 지름에 대해서, 6mm 내지 8mm에 포함되는 조건을 포함할 수 있다. 또는, 검색 메타 정보는, 병변의 석회화 여부에 대해서 석회화 있음 조건을 포함할 수 있다. 전술한 검색 메타 정보에 관한 구체적인 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.

이하 검색 메타 정보 입력에 관하여, 도 4를 참조하여 설명한다. 도 4는 검색 메타 정보를 입력하기 위한 사용자 인터페이스를 예시적으로 도시한 도면이다. 예를 들어, 검색 메타 정보를 입력하기 위한 사용자 인터페이스는 의료 데이터의 종류에 따라 상이할 수 있다. 도 4는 폐 CT 영상에 대한 검색을 수행하기 위한 사용자 인터페이스를 예시적으로 도시한 도면이다. 검색 메타 정보는 둘 이상의 항목을 포함할 수 있다. 예를 들어, 둘 이상의 항목은, 나이, 성별, 결절 종류, 크기, 석회화 여부, 지방 포함 여부 등을 포함할 수 있다. 예를 들어, 둘 이상의 항목 각각에 대해서, 범위를 설정하거나, 또는 조건을 설정하여 검색을 수행할 수 있다. 예를 들어, 결절 종류 항목(410)에 대해서, 고형(Solid) 결절, 반-고형(Part-solid) 결절 또는 간유리음영결절(GGN, Ground Glass Nodule) 조건을 포함할 수 있다. 사용자는 검색하고자 하는 결절 종류를 선택할 수 있다. 프로세서(120)는 사용자 선택 입력된 종류의 결절을 가지는 의료 데이터를 검색 결과로 추출할 수 있다. 예를 들어, 결절 지름 항목(420)에 대해서, 지름의 범위에 대한 사용자 설정 입력을 수신할 수 있다. 프로세서(120)는 사용자 입력된 지름의 범위가 6mm 이상인 경우, 6mm 이상의 병변을 가지는 의료 데이터를 검색 결과로 추출할 수 있다. 전술한 검색에 관한 구체적인 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.

프로세서(120)는 검색 메타 정보와 데이터베이스에 저장된 의료 데이터들에 각각 매칭된 메타 정보를 비교할 수 있다. 프로세서(120)는 검색 메타 정보에 포함된 하나 이상의 항목에 대한 조건들과, 데이터베이스에 저장된 의료 데이터들에 매칭된 메타 정보들을 비교할 수 있다. 프로세서(120)는 비교 결과를 이용하여 검색 메타 정보에 대한 검색 결과를 출력할 수 있다. 프로세서(120)는 하나 이상의 항목에 대한 조건들을 만족하는 의료 데이터들을 검색 결과로 결정할 수 있다.

검색 결과는 의료 데이터 또는 의료 데이터에 매칭된 부가 정보를 포함할 수 있다. 검색 결과는, 전술한 검색 의료 데이터를 이용한 검색 결과와 동일할 수 있다. 프로세서(120)는 검색 결과를 사용자 인터페이스에 표시할 수 있다. 프로세서(120)는 검색 결과에 포함된 하나 이상의 의료 데이터에 관한 정보를 사용자 인터페이스에 표시할 수 있다. 이하에서는 검색 결과에 관하여 도 5를 참조하여 설명한다. 도 5는 검색 결과를 포함하는 사용자 인터페이스를 예시적으로 도시한 도면이다. 프로세서(120)는 검색 결과에 포함된 하나 이상의 의료 데이터, 의료 데이터에 관한 메타 정보 또는 케이스 정보 중 적어도 하나를 사용자 인터페이스에 표시할 수 있다.

검색 결과는 외부의 엔티티(entity)에 제공될 수 있다. 여기에서 외부 엔티티라고 함은, 본 개시의 실시예에 따른 의료 데이터 검색 방법을 수행하는 컴퓨팅 장치(100)의 사용자, 관리자, 대상 데이터(입력 데이터)의 출처가 된 자연인, 그 입력 데이터를 관리하는 담당자 등을 포함하나, 이 이외에도 도출된 검색 결과를 필요로 하는 주체라면 어느 주체라도 포함되는 것으로 이해되어야 할 것이다. 외부 엔티티가 인간인 때에는 프로세서(120)는 소정의 출력 장치, 예컨대 디스플레이에 표시된 사용자 인터페이스를 통하여 출력 값을 포함하는 정보를 외부 엔티티에 제공할 수 있다. 프로세서(120)는 또한, 이 같이 제공된 사용자 인터페이스에 의하여 사용자로부터 질의를 획득할 수 있음은 물론이다.

프로세서(120)는 대응도가 높은 순서대로 사용자 인터페이스에 의료 데이터 또는 의료 데이터에 매칭된 부가 정보를 표시할 수 있다. 예를 들어, 프로세서(120)는 사용자가 설정한 조건에 모두 대응되는 의료 데이터가 1개인 경우, 해당 의료 데이터를 검색 결과 리스트의 가장 상위에 표시할 수 있다. 프로세서(120)는 사용자가 설정한 조건에 대한 대응도가 높은 의료 데이터일 수록 검색 결과 리스트의 상위에 표시할 수 있다. 전술한 검색 결과에 관한 구체적인 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.

프로세서(120)는 대응되는 의료 데이터들 중에서, 참고 가능성이 높은 순서대로 사용자 인터페이스에 의료 데이터 또는 의료 데이터에 매칭된 부가 정보를 표시할 수 있다. 참고 가능성은, 케이스 정보의 정량적 또는 정성적인 평가에 의해 결정될 수 있다. 예를 들어, 케이스 정보에 예후 정보가 포함되어 있을 경우, 해당 의료 데이터에 대한 참고 가능성은 높은 것으로 결정될 수 있다. 또는, 케이스 정보에 포함된 예후 정보가 긍정적인 경우, 부정적인 경우보다, 참고 가능성이 높은 것으로 결정될 수 있다. 또는, 프로세서(120)는 다른 사용자들의 검색 결과에 대한 피드백에 기초하여 참고 가능성을 결정할 수 있다. 프로세서(120)는 검색 결과에 포함된 의료 데이터들의 케이스 정보에 대한 사용자들의 선택 입력에 따라, 참고 가능성을 결정할 수 있다. 예를 들어, 프로세서(120)는 사용자들이 케이스 정보를 많이 확인한 의료 데이터는 참고 가능성이 높은 것으로 결정할 수 있다. 전술한 검색 결과에 관한 구체적인 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.

본 개시의 일 실시예에 따라 프로세서(120)는 검색 결과로 제공된 하나 이상의 의료 데이터 또는 하나 이상의 의료 데이터 각각에 대한 부가 정보들 중 적어도 일부에 대한 선택 입력을 수신할 수 있다. 프로세서(120)는 선택 입력된 적어도 일부의 의료 데이터 또는 부가 정보들을 다운로드 하거나, 또는 별도의 그룹으로 저장하도록 할 수 있다.

본 개시의 일 실시예에 따라 프로세서(120)는 데이터베이스에 저장된 의료 데이터들을 이용한 통계 정보를 출력할 수 있다. 프로세서(120)는 의료 데이터의 종류 별로, 데이터베이스에 저장된 의료 데이터들의 통계 정보를 생성할 수 있다. 예를 들어, 프로세서(120)는 폐 CT 영상에 대해서 제 1 통계 정보를 생성하고, 그리고 뇌 MRI 영상에 대해서 제 2 통계 정보를 생성할 수 있다. 즉, 상이한 종류의 의료 데이터는 상이한 항목들에 대한 메타 정보를 포함하므로, 상이한 종류의 의료 데이터에 대해서는 각각 별도의 통계 정보를 생성할 수 있다. 전술한 통계 정보에 관한 구체적인 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.

통계 정보는, 데이터베이스에 포함된 의료 데이터들의 항목 별 분포, 개수 등의 정량화된 정보를 포함할 수 있다. 이하에서는 통계 정보와 관련하여, 도 6을 참조하여 설명한다. 예를 들어, 프로세서(120)는 데이터베이스에 저장된 복수의 폐 CT 영상들에 대해서 통계 정보를 생성하여, 사용자 인터페이스에 표시할 수 있다. 통계 정보는 복수의 항목 각각에 대해서, 항목 별 구간에 속하는 의료 데이터의 개수, 항목 별 조건에 해당하는 의료 데이터의 개수, 항목의 구간 별 분포 등에 대한 정보를 포함할 수 있다. 예를 들어, 폐 CT 영상에 대한 통계 정보는, 총 의료 데이터의 수(350), 의료 데이터에 포함된 결절의 개수(650)를 포함할 수 있다. 통계 정보는, 결절 종류 항목에 대해, 고형 결절(453), 반-고형 결절(64), 간유리음영결절(133)으로 세부 종류 별 개수를 포함할 수 있다. 통계 정보는 결절의 지름 항목에 대해, 구간 별 개수를 포함할 수 있다. 예를 들어, 통계 정보는 결절의 지름 항목에 대해, 4mm 이하(57), 4mm 내지 6mm(295), 6mm 내지 8mm(161), 8mm 내지 15mm(68), 15mm 내지 20mm(40), 그리고 20mm 이상(29)로 구간 별 개수를 포함할 수 있다. 통계 정보는 예를 들어, 반-고형 결절 지름에 대해서 구간 별 개수, 석회화 여부, 위치, 사용된 RAD의 종류에 따른 의료 데이터의 개수 또는 분포를 제공할 수 있다. 전술한 통계 정보에 관한 구체적인 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.

프로세서(120)는 사용자 인터페이스에 표시된 통계 정보 중 적어도 일부에 대한 항목 선택 입력을 수신할 수 있다. 프로세서(120)는 선택 입력된 항목에 대응되는 의료 데이터들의 통계 정보를 생성하여, 사용자 인터페이스에 표시할 수 있다. 즉, 프로세서(120)는 사용자 선택 입력된 일부 조건을 만족하는 의료 데이터들에 대한 통계 정보를 생성할 수 있다. 예를 들어, 사용자 선택 입력이 결절 타입 중 고형 결절을 포함하는 경우, 프로세서(120)는 고형 결절을 포함하는 의료 데이터들에 대한 통계 정보를 생성할 수 있다. 또는, 사용자 선택 입력이 결절 타입 중 반-고형 결절 및 결절 위치 중 LUL을 포함하는 경우, 프로세서(120)는 복수의 의료 데이터들 중에서, 상기 두 개의 조건을 만족하는 의료 데이터들에 대한 통계 정보를 생성할 수 있다. 전술한 통계 정보에 관한 구체적인 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.

프로세서(120)는 사용자 인터페이스에 표시된 통계 정보 중 적어도 일부에 대한 항목 선택 입력을 수신할 수 있다. 프로세서(120)는 선택 입력된 항목에 대응되는 의료 데이터들의 리스트를 사용자 인터페이스에 표시할 수 있다. 예를 들어, 프로세서(120)는 통계 정보 중 결절의 위치 항목에 포함된, RUL(right upper lobe), RML(right middle lobe), RLL(right lower lobe), LUL(left upper lobe), LLL(left lower lobe) 종류 중 적어도 일부에 대한 사용자 선택 입력을 수신할 수 있다. 프로세서(120)는 사용자 선택 입력된 RLL 결절 위치에 대응되는 의료 데이터들의 리스트를 사용자 인터페이스에 표시할 수 있다. 프로세서(120)는 사용자 선택 입력된 항목, 항목의 일부 구간, 항목의 일부 종류 중 적어도 하나에 대응되는 의료 데이터들의 리스트를 사용자 인터페이스에 표시할 수 있다. 프로세서(120)는 예를 들어, 참고 가능성이 높은 의료 데이터 순서대로 의료 데이터들의 리스트를 표시할 수 있다. 전술한 통계 정보의 표시에 관한 구체적인 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.

본 개시의 실시예에 따라, 프로세서(120)는 통계 정보를 사용자 인터페이스에 표시할 수 있다. 즉, 프로세서(120)는 통계 정보를 대시보드(dash board)의 형태로 사용자 인터페이스에 표시할 수 있다. 사용자들은 의료 데이터들에 대한 통계 정보를 이용하여, 의료 데이터들의 판독 사례들에 대한 병변 특성 등에 대한 직관을 얻을 수 있다.

본 개시의 실시예에 따른 의료 데이터 검색 방법을 통해, 사용자의 병변의 진단 및 판독에 대한 보조를 수행할 수 있다. 의료진들은 본 개시의 실시예에 따른 의료 데이터 검색을 이용하여, 간편하고, 신속하게, 유사한 의료 데이터들을 검색하고, 그리고 유사한 의료 데이터들의 케이스 정보들을 획득할 수 있다. 또한, 기존에 구조화되어 저장되어 있지 않던, 의료 데이터들을 구조화 된 형태로 저장함으로써, 통계 정보도 또한 제공하고, 그에 대한 직관을 제공할 수도 있다.

본 개시의 일 실시예에 따른 의료 데이터 검색 방법을 제공하기 위한 컴퓨팅 장치(100)는 네트워크부(110), 프로세서(120), 메모리(130), 출력부(140) 및 입력부(150)를 포함할 수 있다.

네트워크부(110)는 본 개시의 일 실시예에 따른 의료 데이터 등을 다른 컴퓨팅 장치, 서버 등과 송수신할 수 있다. 또한, 네트워크부(110)는 복수의 컴퓨팅 장치 사이의 통신을 가능하게 하여 복수의 컴퓨팅 장치 각각에서 모델의 학습을 위한 동작들이 분산 수행되도록 할 수 있다. 네트워크부(110)는 복수의 컴퓨팅 장치 사이의 통신을 가능하게 하여 네트워크 함수를 사용한 모델 학습을 위한 연산을 분산 처리하도록 할 수 있다.

본 개시의 일 실시예에 따른 네트워크부(110)는 근거리(단거리), 원거리, 유선 및 무선 등과 같은 현재 사용 및 구현되는 임의의 형태의 유무선 통신 기술에 기반하여 동작할 수 있으며, 다른 네트워크들 에서도 사용될 수 있다.

프로세서(120)는 하나 이상의 코어로 구성될 수 있으며, 컴퓨팅 장치의 중앙 처리 장치(CPU: central processing unit), 범용 그래픽 처리 장치 (GPGPU: general purpose graphics processing unit), 텐서 처리 장치(TPU: tensor processing unit) 등의 모델의 학습을 위한 프로세서를 포함할 수 있다. 프로세서(120)는 메모리(130)에 저장된 컴퓨터 프로그램을 판독하여 본 개시의 일 실시예에 따른 모델 학습 방법을 제공할 수 있다. 본 개시의 일 실시예에 따라 프로세서(120)는 모델 학습 방법을 제공하기 위한 계산을 수행할 수 있다.

메모리(130)는 본 개시의 일 실시예에 따른 의료 데이터 검색 방법을 제공하기 위한 컴퓨터 프로그램을 저장할 수 있으며, 저장된 컴퓨터 프로그램은 프로세서(120)에 의하여 판독되어 구동될 수 있다. 본 개시의 실시예에 따른 데이터베이스는 컴퓨팅 장치(100)에 포함된 메모리(130)일 수 있다. 또는, 데이터베이스는 컴퓨팅 장치(100)와 연동된 별도의 서버 또는 컴퓨팅 장치에 포함된 메모리일 수도 있다.

본 개시의 실시예들에 따른 메모리(130)는 프로세서(120)의 동작을 위한 프로그램을 저장할 수 있고, 입/출력되는 데이터들 또는 이벤트들을 임시 또는 영구 저장할 수도 있다. 상기 메모리(130)는 디스플레이 및 음향에 관한 데이터를 저장할 수 있다. 메모리(130)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(Random Access Memory, RAM), SRAM(Static Random Access Memory), 롬(Read-Only Memory, ROM), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.

본 개시의 일 실시예에 따른 출력부(140)는 병변 판독 결과를 제공하기 위한 사용자 인터페이스(UI, user interface)를 표시할 수 있다. 출력부(140)는 도 4 내지 도 6에 도시된 바와 같은 사용자 인터페이스를 표시할 수 있다. 도면에 도시되고 그리고 전술된 사용자 인터페이스들은 예시일 뿐, 본 개시는 이에 제한되지 않는다.

본 개시의 일 실시예에 따른 출력부(140)는 프로세서(120)가 생성하거나 결정한 임의의 형태의 정보 및 네트워크부(110)가 수신한 임의의 형태의 정보를 출력할 수 있다.

본 개시의 일 실시예에서 출력부(140)는 액정 디스플레이(liquid crystal display, LCD), 박막 트랜지스터 액정 디스플레이(thin film transistor-liquid crystal display, TFT LCD), 유기 발광 다이오드(organic light-emitting diode, OLED), 플렉시블 디스플레이(flexible display), 3차원 디스플레이(3D display) 중에서 적어도 하나를 포함할 수 있다. 이들 중 일부 디스플레이 모듈은 그를 통해 외부를 볼 수 있도록 투명형 또는 광 투과형으로 구성될 수 있다. 이는 투명 디스플레이 모듈이라 지칭될 수 있는데, 상기 투명 디스플레이 모듈의 대표적인 예로는 TOLED(Transparent OLED) 등이 있다.

본 개시의 일 실시예에 따른 입력부(150)를 통해 사용자 입력을 수신할 수 있다. 본 개시의 일 실시예에 따른 입력부(150)는 사용자 입력을 수신 받기 위한 사용자 인터페이스 상의 키 및/또는 버튼들, 또는 물리적인 키 및/또는 버튼들을 구비할 수 있다. 입력부(150)를 통한 사용자 입력에 따라 본 개시의 실시예들에 따른 디스플레이를 제어하기 위한 컴퓨터 프로그램이 실행될 수 있다.

본 개시의 실시예들에 따른 입력부(150)는 사용자의 버튼 조작 또는 터치 입력을 감지하여 신호를 수신하거나, 카메라 또는 마이크로폰을 통하여 사용자 등의 음성 또는 동작을 수신하여 이를 입력 신호로 변환할 수도 있다. 이를 위해 음성 인식(Speech Recognition) 기술 또는 동작 인식(Motion Recognition) 기술들이 사용될 수 있다.

본 개시의 실시예들에 따른 입력부(150)는 컴퓨팅 장치(100)와 연결된 외부 입력 장비로서 구현될 수도 있다. 예를 들어, 입력 장비는 사용자 입력을 수신하기 위한 터치 패드, 터치 펜, 키보드 또는 마우스 중 적어도 하나일 수 있으나, 이는 예시일 뿐이며 본 개시는 이에 제한되는 것은 아니다.

본 개시의 일 실시예에 따른 입력부(150)는 사용자 터치 입력을 인식할 수 있다. 본 개시의 일 실시예에 따른 입력부(150)는 출력부(140)와 동일한 구성일 수도 있다. 입력부(150)는 사용자의 선택 입력을 수신하도록 구현되는 터치 스크린으로 구성될 수 있다. 터치 스크린은 접촉식 정전용량 방식, 적외선 광 감지 방식, 표면 초음파(SAW) 방식, 압전 방식, 저항막 방식 중 어느 하나의 방식이 사용될 수 있다. 전술한 터치 스크린에 대한 자세한 기재는 본 발명의 일 실시예에 따른 예시일 뿐이며, 다양한 터치 스크린 패널이 컴퓨팅 장치(100)에 채용될 수 있다. 터치 스크린으로 구성된 입력부(150)는 터치 센서를 포함할 수 있다. 터치 센서는 입력부(150)의 특정 부위에 가해진 압력 또는 입력부(150)의 특정 부위에 발생하는 정전 용량 등의 변화를 전기적인 입력신호로 변환하도록 구성될 수 있다. 터치 센서는 터치 되는 위치 및 면적 뿐만 아니라, 터치 시의 압력까지도 검출할 수 있도록 구성될 수 있다. 터치 센서에 대한 터치 입력이 있는 경우, 그에 대응하는 신호(들)는 터치 제어기로 보내진다. 터치 제어기는 그 신호(들)를 처리한 다음 대응하는 데이터를 프로세서(120)로 전송한다. 이로써, 프로세서(120)는 입력부(150)의 어느 영역이 터치 되었는지 여부 등을 인식할 수 있게 된다.

본 개시의 일 실시예에서 서버는 서버의 서버 환경을 수행하기 위한 다른 구성들이 포함될 수도 있다. 서버는 임의의 형태의 장치는 모두 포함할 수 있다. 서버는 디지털 기기로서, 랩탑 컴퓨터, 노트북 컴퓨터, 데스크톱 컴퓨터, 웹 패드, 이동 전화기와 같이 프로세서를 탑재하고 메모리를 구비한 연산 능력을 갖춘 디지털 기기일 수 있다.

본 개시의 일 실시예에 따른 의료 데이터 검색을 위한 사용자 인터페이스를 사용자 단말로 제공하기 위한 동작을 수행하는 서버(미도시)는 네트워크부, 프로세서 및 메모리를 포함할 수 있다.

서버는 본 개시의 실시예들에 따른 사용자 인터페이스를 생성할 수 있다. 서버는 클라이언트(예를 들어, 사용자 단말)에게 네트워크를 통해 정보를 제공하는 컴퓨팅 시스템일 수 있다. 서버는 생성한 사용자 인터페이스를 사용자 단말로 전송할 수 있다. 이러한 경우, 사용자 단말은 서버에 액세스할 수 있는 임의의 형태의 컴퓨팅 장치(100)일 수 있다. 서버의 프로세서는 네트워크부를 통해 사용자 단말로 사용자 인터페이스를 전송할 수 있다. 본 개시의 실시예들에 따른 서버는 예를 들어, 클라우드 서버일 수 있다. 서버는 서비스를 처리하는 웹 서버일 수 있다. 전술한 서버의 종류는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.

본 개시의 실시예들에 따른 서버에 포함된 네트워크부, 프로세서 및 메모리 각각은, 전술한 컴퓨팅 장치(100)에 포함된 네트워크부(110), 프로세서(120) 및 메모리(130)와 동일한 역할을 수행하거나 또는 동일하게 구성될 수 있다.

사용자 단말은 서버로부터 제공된 사용자 인터페이스를 표시할 수 있다. 사용자 단말은 네트워크부, 프로세서, 메모리, 출력부 및 입력부를 포함할 수 있다. 사용자 단말의 네트워크부, 프로세서, 메모리, 출력부 각각은, 컴퓨팅 장치(100)의 네트워크부(110), 프로세서(120), 메모리(130), 출력부(140) 및 입력부(150) 각각과 동일하거나 또는 유사한 동작을 수행할 수 있다. 예를 들어, 사용자 단말의 출력부를 통해, 사용자 인터페이스가 표시될 수 있다. 예를 들어, 사용자 인터페이스는 도 3 내지 도 6에 도시된 바와 같이 표시될 수 있다.

본 개시의 일 실시예에 따라 데이터 구조를 저장한 컴퓨터 판독가능 매체가 개시된다.

데이터 구조는 데이터에 효율적인 접근 및 수정을 가능하게 하는 데이터의 조직, 관리, 저장을 의미할 수 있다. 데이터 구조는 특정 문제(예를 들어, 최단 시간으로 데이터 검색, 데이터 저장, 데이터 수정) 해결을 위한 데이터의 조직을 의미할 수 있다. 데이터 구조는 특정한 데이터 처리 기능을 지원하도록 설계된, 데이터 요소들 간의 물리적이거나 논리적인 관계로 정의될 수도 있다. 데이터 요소들 간의 논리적인 관계는 사용자 정의 데이터 요소들 간의 연결관계를 포함할 수 있다. 데이터 요소들 간의 물리적인 관계는 컴퓨터 판독가능 저장매체(예를 들어, 영구 저장 장치)에 물리적으로 저장되어 있는 데이터 요소들 간의 실제 관계를 포함할 수 있다. 데이터 구조는 구체적으로 데이터의 집합, 데이터 간의 관계, 데이터에 적용할 수 있는 함수 또는 명령어를 포함할 수 있다. 효과적으로 설계된 데이터 구조를 통해 컴퓨팅 장치는 컴퓨팅 장치의 자원을 최소한으로 사용하면서 연산을 수행할 수 있다. 구체적으로 컴퓨팅 장치는 효과적으로 설계된 데이터 구조를 통해 연산, 읽기, 삽입, 삭제, 비교, 교환, 검색의 효율성을 높일 수 있다.

데이터 구조는 데이터 구조의 형태에 따라 선형 데이터 구조와 비선형 데이터 구조로 구분될 수 있다. 선형 데이터 구조는 하나의 데이터 뒤에 하나의 데이터만이 연결되는 구조일 수 있다. 선형 데이터 구조는 리스트(List), 스택(Stack), 큐(Queue), 데크(Deque)를 포함할 수 있다. 리스트는 내부적으로 순서가 존재하는 일련의 데이터 집합을 의미할 수 있다. 리스트는 연결 리스트(Linked List)를 포함할 수 있다. 연결 리스트는 각각의 데이터가 포인터를 가지고 한 줄로 연결되어 있는 방식으로 데이터가 연결된 데이터 구조일 수 있다. 연결 리스트에서 포인터는 다음이나 이전 데이터와의 연결 정보를 포함할 수 있다. 연결 리스트는 형태에 따라 단일 연결 리스트, 이중 연결 리스트, 원형 연결 리스트로 표현될 수 있다. 스택은 제한적으로 데이터에 접근할 수 있는 데이터 나열 구조일 수 있다. 스택은 데이터 구조의 한 쪽 끝에서만 데이터를 처리(예를 들어, 삽입 또는 삭제)할 수 있는 선형 데이터 구조일 수 있다. 스택에 저장된 데이터는 늦게 들어갈수록 빨리 나오는 데이터 구조(LIFO-Last in First Out)일 수 있다. 큐는 제한적으로 데이터에 접근할 수 있는 데이터 나열 구조로서, 스택과 달리 늦게 저장된 데이터일수록 늦게 나오는 데이터 구조(FIFO-First in First Out)일 수 있다. 데크는 데이터 구조의 양 쪽 끝에서 데이터를 처리할 수 있는 데이터 구조일 수 있다.

비선형 데이터 구조는 하나의 데이터 뒤에 복수개의 데이터가 연결되는 구조일 수 있다. 비선형 데이터 구조는 그래프(Graph) 데이터 구조를 포함할 수 있다. 그래프 데이터 구조는 정점(Vertex)과 간선(Edge)으로 정의될 수 있으며 간선은 서로 다른 두개의 정점을 연결하는 선을 포함할 수 있다. 그래프 데이터 구조 트리(Tree) 데이터 구조를 포함할 수 있다. 트리 데이터 구조는 트리에 포함된 복수개의 정점 중에서 서로 다른 두개의 정점을 연결시키는 경로가 하나인 데이터 구조일 수 있다. 즉 그래프 데이터 구조에서 루프(loop)를 형성하지 않는 데이터 구조일 수 있다.

본 명세서에 걸쳐, 연산 모델, 신경망, 네트워크 함수, 뉴럴 네트워크(neural network)는 동일한 의미로 사용될 수 있다. 이하에서는 신경망으로 통일하여 기술한다. 데이터 구조는 신경망을 포함할 수 있다. 그리고 신경망을 포함한 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 신경망을 포함한 데이터 구조는 또한 신경망에 의한 처리를 위하여 전처리된 데이터, 신경망에 입력되는 데이터, 신경망의 가중치, 신경망의 하이퍼 파라미터, 신경망으로부터 획득한 데이터, 신경망의 각 노드 또는 레이어와 연관된 활성 함수, 신경망의 학습을 위한 손실 함수 등을 포함할 수 있다. 신경망을 포함한 데이터 구조는 상기 개시된 구성들 중 임의의 구성 요소들을 포함할 수 있다. 즉 신경망을 포함한 데이터 구조는 신경망에 의한 처리를 위하여 전처리된 데이터, 신경망에 입력되는 데이터, 신경망의 가중치, 신경망의 하이퍼 파라미터, 신경망으로부터 획득한 데이터, 신경망의 각 노드 또는 레이어와 연관된 활성 함수, 신경망의 학습을 위한 손실 함수 등 전부 또는 이들의 임의의 조합을 포함하여 구성될 수 있다. 전술한 구성들 이외에도, 신경망을 포함한 데이터 구조는 신경망의 특성을 결정하는 임의의 다른 정보를 포함할 수 있다. 또한, 데이터 구조는 신경망의 연산 과정에 사용되거나 발생되는 모든 형태의 데이터를 포함할 수 있으며 전술한 사항에 제한되는 것은 아니다. 컴퓨터 판독가능 매체는 컴퓨터 판독가능 기록 매체 및/또는 컴퓨터 판독가능 전송 매체를 포함할 수 있다. 신경망은 일반적으로 노드라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 노드들은 뉴런(neuron)들로 지칭될 수도 있다. 신경망은 적어도 하나 이상의 노드들을 포함하여 구성된다.

데이터 구조는 신경망에 입력되는 데이터를 포함할 수 있다. 신경망에 입력되는 데이터를 포함하는 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 신경망에 입력되는 데이터는 신경망 학습 과정에서 입력되는 학습 데이터 및/또는 학습이 완료된 신경망에 입력되는 입력 데이터를 포함할 수 있다. 신경망에 입력되는 데이터는 전처리(pre-processing)를 거친 데이터 및/또는 전처리 대상이 되는 데이터를 포함할 수 있다. 전처리는 데이터를 신경망에 입력시키기 위한 데이터 처리 과정을 포함할 수 있다. 따라서 데이터 구조는 전처리 대상이 되는 데이터 및 전처리로 발생되는 데이터를 포함할 수 있다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.

데이터 구조는 신경망의 가중치를 포함할 수 있다. (본 명세서에서 가중치, 파라미터는 동일한 의미로 사용될 수 있다.) 그리고 신경망의 가중치를 포함한 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 신경망은 복수개의 가중치를 포함할 수 있다. 가중치는 가변적일 수 있으며, 신경망이 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변 될 수 있다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드에서 출력되는 데이터 값을 결정할 수 있다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.

제한이 아닌 예로서, 가중치는 신경망 학습 과정에서 가변되는 가중치 및/또는 신경망 학습이 완료된 가중치를 포함할 수 있다. 신경망 학습 과정에서 가변되는 가중치는 학습 사이클이 시작되는 시점의 가중치 및/또는 학습 사이클 동안 가변되는 가중치를 포함할 수 있다. 신경망 학습이 완료된 가중치는 학습 사이클이 완료된 가중치를 포함할 수 있다. 따라서 신경망의 가중치를 포함한 데이터 구조는 신경망 학습 과정에서 가변되는 가중치 및/또는 신경망 학습이 완료된 가중치를 포함한 데이터 구조를 포함할 수 있다. 그러므로 상술한 가중치 및/또는 각 가중치의 조합은 신경망의 가중치를 포함한 데이터 구조에 포함되는 것으로 한다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.

신경망의 가중치를 포함한 데이터 구조는 직렬화(serialization) 과정을 거친 후 컴퓨터 판독가능 저장 매체(예를 들어, 메모리, 하드 디스크)에 저장될 수 있다. 직렬화는 데이터 구조를 동일하거나 다른 컴퓨팅 장치에 저장하고 나중에 다시 재구성하여 사용할 수 있는 형태로 변환하는 과정일 수 있다. 컴퓨팅 장치는 데이터 구조를 직렬화하여 네트워크를 통해 데이터를 송수신할 수 있다. 직렬화된 신경망의 가중치를 포함한 데이터 구조는 역직렬화(deserialization)를 통해 동일한 컴퓨팅 장치 또는 다른 컴퓨팅 장치에서 재구성될 수 있다. 신경망의 가중치를 포함한 데이터 구조는 직렬화에 한정되는 것은 아니다. 나아가 신경망의 가중치를 포함한 데이터 구조는 컴퓨팅 장치의 자원을 최소한으로 사용하면서 연산의 효율을 높이기 위한 데이터 구조(예를 들어, 비선형 데이터 구조에서 B-Tree, Trie, m-way search tree, AVL tree, Red-Black Tree)를 포함할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.

데이터 구조는 신경망의 하이퍼 파라미터(Hyper-parameter)를 포함할 수 있다. 그리고 신경망의 하이퍼 파라미터를 포함한 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 하이퍼 파라미터는 사용자에 의해 가변되는 변수일 수 있다. 하이퍼 파라미터는 예를 들어, 학습률(learning rate), 비용 함수(cost function), 학습 사이클 반복 횟수, 가중치 초기화(Weight initialization)(예를 들어, 가중치 초기화 대상이 되는 가중치 값의 범위 설정), Hidden Unit 개수(예를 들어, 히든 레이어의 개수, 히든 레이어의 노드 수)를 포함할 수 있다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.

도 7은 본 개시의 일 실시예에 따른 의료 데이터 검색 방법을 제공하기 위한 순서도이다.

컴퓨팅 장치(100)는 검색 의료 데이터를 수신(710)할 수 있다.

컴퓨팅 장치(100)는 검색 의료 데이터에 포함된 병변의 피처와 데이터베이스에 저장된 의료 데이터들에 각각 포함된 병변의 피처 간의 유사도를 연산(720)할 수 있다. 컴퓨팅 장치(100)는 피처들 간의 유사도가 임계 값 이상인 의료 데이터 또는 상기 의료 데이터에 매칭된 부가 정보 중 적어도 하나를 상기 검색 결과로 출력할 수 있다.

데이터베이스에 저장된 의료 데이터들 각각은 의료 데이터에 포함된 병변의 메타 정보, 의료 데이터에 포함된 병변의 피처 또는 의료 데이터에 대응되는 케이스 정보 중 적어도 하나를 포함하는 부가 정보가 매칭되어 저장될 수 있다. 병변의 메타 정보는, 병변을 설명하는 정보일 수 있다. 케이스 정보는, 의료 데이터에 대응되는 환자 정보, 환자의 다른 의료 데이터, 처치 정보 또는 예후 정보 중 적어도 하나를 포함할 수 있다.

병변의 피처는, 의료 데이터에 대한 진단 결과를 생성하기 위한 진단 모델로부터 획득될 수 있다.

진단 모델은, 인코더 및 디코더를 포함할 수 있다. 병변의 피처는 인코더로부터 출력될 수 있다. 프로세서(120)는 의료 데이터를 진단 모델의 인코더에 포함된 입력 레이어에 입력하여 연산할 수 있다. 프로세서(120)는 의료 데이터를 진단 모델의 적어도 하나의 히든 레이어에 피딩하여 연산할 수 있다. 프로세서(120)는 입력된 의료 데이터를 진단 모델의 인코더에 포함된 하나 이상의 레이어 각각에 피딩하여 연산할 수 있다. 진단 모델은, n 개의 레이어를 포함할 수 있다. 진단 모델은 1 번째 레이어부터 n 번째 레이어까지 순차적으로 데이터가 피딩되고, 그리고 i 번째 레이어로부터 출력된 데이터가 n-i+1 번째 레이어로 피딩될 수 있다.

컴퓨팅 장치(100)는 피처들 간의 유사도를 이용하여 검색 의료 데이터에 대한 검색 결과를 출력(730)할 수 있다.

컴퓨팅 장치(100)는 검색 메타 정보를 수신할 수 있다. 검색 메타 정보는 메타 정보에 포함되는 하나 이상의 항목에 대한 항목 값 구간 설정 또는 항목 조건 대응 여부 설정 중 적어도 하나를 포함할 수 있다. 컴퓨팅 장치(100)는 검색 메타 정보와 데이터베이스에 저장된 의료 데이터들에 각각 매칭된 메타 정보를 비교할 수 있다. 컴퓨팅 장치(100)는 비교 결과를 이용하여 검색 메타 정보에 대한 검색 결과를 출력할 수 있다.

컴퓨팅 장치(100)는 데이터베이스에 저장된 의료 데이터들을 이용한 통계 정보를 출력할 수 있다.

본 개시의 일 실시예에 따른 의료 데이터 검색 방법은 상기와 같은 동작을 수행하는 모듈, 회로, 수단 및 로직에 의해 구현될 수 있다.

도 8은 본 개시의 일 실시예에 따른 컴퓨팅 장치의 블록 구성도이다.

도 8은 본 개시의 실시예들이 구현될 수 있는 예시 적인 컴퓨팅 환경에 대한 간략하고 일반적인 개략도를 도시한다.

본 개시가 일반적으로 하나 이상의 컴퓨터 상에서 실행될 수 있는 컴퓨터 실행가능 명령어와 관련하여 전술되었지만, 당업자라면 본 개시가 기타 프로그램 모듈들과 결합되어 및/또는 하드웨어와 소프트웨어의 조합으로써 구현될 수 있다는 것을 잘 알 것이다.

일반적으로, 프로그램 모듈은 특정의 태스크를 수행하거나 특정의 추상 데이터 유형을 구현하는 루틴, 프로그램, 컴포넌트, 데이터 구조, 기타 등등을 포함한다. 또한, 당업자라면 본 개시의 방법이 단일-프로세서 또는 멀티프로세서 컴퓨터 시스템, 미니컴퓨터, 메인프레임 컴퓨터는 물론 퍼스널 컴퓨터, 핸드 헬드 컴퓨팅 장치, 마이크로프로세서-기반 또는 프로그램가능 가전 제품, 기타 등등(이들 각각은 하나 이상의 연관된 장치와 연결되어 동작할 수 있음)을 비롯한 다른 컴퓨터 시스템 구성으로 실시될 수 있다는 것을 잘 알 것이다.

본 개시의 설명된 실시예들은 또한 어떤 태스크들이 통신 네트워크를 통해 연결되어 있는 원격 처리 장치들에 의해 수행되는 분산 컴퓨팅 환경에서 실시될 수 있다. 분산 컴퓨팅 환경에서, 프로그램 모듈은 로컬 및 원격 메모리 저장 장치 둘 다에 위치할 수 있다.

컴퓨터는 통상적으로 다양한 컴퓨터 판독가능 매체를 포함한다. 컴퓨터에 의해 액세스 가능한 매체는 그 어떤 것이든지 컴퓨터 판독가능 매체가 될 수 있다. 컴퓨터 판독가능 매체는 휘발성 및 비휘발성 매체, 일시적(transitory) 및 비일시적(non-transitory) 매체, 이동식 및 비-이동식 매체를 포함한다. 제한이 아닌 예로서, 컴퓨터 판독가능 매체는 컴퓨터 판독가능 저장 매체 및 컴퓨터 판독가능 전송 매체를 포함할 수 있다. 컴퓨터 판독가능 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보를 저장하는 임의의 방법 또는 기술로 구현되는 휘발성 및 비휘발성 매체, 일시적 및 비-일시적 매체, 이동식 및 비이동식 매체를 포함한다. 컴퓨터 저장 매체는 RAM, ROM, EEPROM, 플래시 메모리 또는 기타 메모리 기술, CD-ROM, DVD(digital video disk) 또는 기타 광 디스크 저장 장치, 자기 카세트, 자기 테이프, 자기 디스크 저장 장치 또는 기타 자기 저장 장치, 또는 컴퓨터에 의해 액세스될 수 있고 원하는 정보를 저장하는 데 사용될 수 있는 임의의 기타 매체를 포함하지만, 이에 한정되지 않는다.

컴퓨터 판독가능 전송 매체는 통상적으로 기타 전송 메커니즘(transport mechanism)과 같은 피변조 데이터 신호(modulated data signal)에 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터 등을 구현하고 모든 정보 전달 매체를 포함한다. 피변조 데이터 신호라는 용어는 신호 내에 정보를 인코딩하도록 그 신호의 특성들 중 하나 이상을 설정 또는 변경시킨 신호를 의미한다. 제한이 아닌 예로서, 컴퓨터 판독가능 전송 매체는 유선 네트워크 또는 직접 배선 접속(direct-wired connection)과 같은 유선 매체, 그리고 음향, RF, 적외선, 기타 무선 매체와 같은 무선 매체를 포함한다. 상술된 매체들 중 임의의 것의 조합도 역시 컴퓨터 판독가능 전송 매체의 범위 안에 포함되는 것으로 한다.

컴퓨터(1102)를 포함하는 본 개시의 여러가지 측면들을 구현하는 예시 적인 환경(1100)이 나타내어져 있으며, 컴퓨터(1102)는 처리 장치(1104), 시스템 메모리(1106) 및 시스템 버스(1108)를 포함한다. 시스템 버스(1108)는 시스템 메모리(1106)(이에 한정되지 않음)를 비롯한 시스템 컴포넌트들을 처리 장치(1104)에 연결시킨다. 처리 장치(1104)는 다양한 상용 프로세서들 중 임의의 프로세서일 수 있다. 듀얼 프로세서 및 기타 멀티프로세서 아키텍처도 역시 처리 장치(1104)로서 이용될 수 있다.

시스템 버스(1108)는 메모리 버스, 주변장치 버스, 및 다양한 상용 버스 아키텍처 중 임의의 것을 사용하는 로컬 버스에 추가적으로 상호 연결될 수 있는 몇 가지 유형의 버스 구조 중 임의의 것일 수 있다. 시스템 메모리(1106)는 판독 전용 메모리(ROM)(1110) 및 랜덤 액세스 메모리(RAM)(1112)를 포함한다. 기본 입/출력 시스템(BIOS)은 ROM, EPROM, EEPROM 등의 비휘발성 메모리(1110)에 저장되며, 이 BIOS는 시동 중과 같은 때에 컴퓨터(1102) 내의 구성요소들 간에 정보를 전송하는 일을 돕는 기본적인 루틴을 포함한다. RAM(1112)은 또한 데이터를 캐싱하기 위한 정적 RAM 등의 고속 RAM을 포함할 수 있다.

컴퓨터(1102)는 또한 내장형 하드 디스크 드라이브(HDD)(1114)(예를 들어, EIDE, SATA)-이 내장형 하드 디스크 드라이브(1114)는 또한 적당한 섀시(도시 생략) 내에서 외장형 용도로 구성될 수 있음-, 자기 플로피 디스크 드라이브(FDD)(1116)(예를 들어, 이동식 디스켓(1118)으로부터 판독을 하거나 그에 기록을 하기 위한 것임), 및 광 디스크 드라이브(1120)(예를 들어, CD-ROM 디스크(1122)를 판독하거나 DVD 등의 기타 고용량 광 매체로부터 판독을 하거나 그에 기록을 하기 위한 것임)를 포함한다. 하드 디스크 드라이브(1114), 자기 디스크 드라이브(1116) 및 광 디스크 드라이브(1120)는 각각 하드 디스크 드라이브 인터페이스(1124), 자기 디스크 드라이브 인터페이스(1126) 및 광 드라이브 인터페이스(1128)에 의해 시스템 버스(1108)에 연결될 수 있다. 외장형 드라이브 구현을 위한 인터페이스(1124)는 USB(Universal Serial Bus) 및 IEEE 1394 인터페이스 기술 중 적어도 하나 또는 그 둘 다를 포함한다.

이들 드라이브 및 그와 연관된 컴퓨터 판독가능 매체는 데이터, 데이터 구조, 컴퓨터 실행가능 명령어, 기타 등등의 비 휘발성 저장을 제공한다. 컴퓨터(1102)의 경우, 드라이브 및 매체는 임의의 데이터를 적당한 디지털 형식으로 저장하는 것에 대응한다. 상기에서의 컴퓨터 판독가능 매체에 대한 설명이 HDD, 이동식 자기 디스크, 및 CD 또는 DVD 등의 이동식 광 매체를 언급하고 있지만, 당업자라면 집 드라이브(zip drive), 자기 카세트, 플래쉬 메모리 카드, 카트리지, 기타 등등의 컴퓨터에 의해 판독가능한 다른 유형의 매체도 역시 예시 적인 운영 환경에서 사용될 수 있으며 또 임의의 이러한 매체가 본 개시의 방법들을 수행하기 위한 컴퓨터 실행가능 명령어를 포함할 수 있다는 것을 잘 알 것이다.

운영 체제(1130), 하나 이상의 애플리케이션 프로그램(1132), 기타 프로그램 모듈(1134) 및 프로그램 데이터(1136)를 비롯한 다수의 프로그램 모듈이 드라이브 및 RAM(1112)에 저장될 수 있다. 운영 체제, 애플리케이션, 모듈 및/또는 데이터의 전부 또는 그 일부분이 또한 RAM(1112)에 캐싱될 수 있다. 본 개시가 여러가지 상업적으로 이용가능한 운영 체제 또는 운영 체제들의 조합에서 구현될 수 있다는 것을 잘 알 것이다.

사용자는 하나 이상의 유선/무선 입력 장치, 예를 들어, 키보드(1138) 및 마우스(1140) 등의 포인팅 장치를 통해 컴퓨터(1102)에 명령 및 정보를 입력할 수 있다. 기타 입력 장치(도시 생략)로는 마이크, IR 리모콘, 조이스틱, 게임 패드, 스타일러스 펜, 터치 스크린, 기타 등등이 있을 수 있다. 이들 및 기타 입력 장치가 종종 시스템 버스(1108)에 연결되어 있는 입력 장치 인터페이스(1142)를 통해 처리 장치(1104)에 연결되지만, 병렬 포트, IEEE 1394 직렬 포트, 게임 포트, USB 포트, IR 인터페이스, 기타 등등의 기타 인터페이스에 의해 연결될 수 있다.

모니터(1144) 또는 다른 유형의 디스플레이 장치도 역시 비디오 어댑터(1146) 등의 인터페이스를 통해 시스템 버스(1108)에 연결된다. 모니터(1144)에 부가하여, 컴퓨터는 일반적으로 스피커, 프린터, 기타 등등의 기타 주변 출력 장치(도시 생략)를 포함한다.

컴퓨터(1102)는 유선 및/또는 무선 통신을 통한 원격 컴퓨터(들)(1148) 등의 하나 이상의 원격 컴퓨터로의 논리적 연결을 사용하여 네트워크화 된 환경에서 동작할 수 있다. 원격 컴퓨터(들)(1148)는 워크스테이션, 컴퓨팅 디바이스 컴퓨터, 라우터, 퍼스널 컴퓨터, 휴대용 컴퓨터, 마이크로프로세서-기반 오락 기기, 피어 장치 또는 기타 통상의 네트워크 노드일 수 있으며, 일반적으로 컴퓨터(1102)에 대해 기술된 구성요소들 중 다수 또는 그 전부를 포함하지만, 간략함을 위해, 메모리 저장 장치(1150)만이 도시되어 있다. 도시되어 있는 논리적 연결은 근거리 통신망(LAN)(1152) 및/또는 더 큰 네트워크, 예를 들어, 원거리 통신망(WAN)(1154)에의 유선/무선 연결을 포함한다. 이러한 LAN 및 WAN 네트워킹 환경은 사무실 및 회사에서 일반적인 것이며, 인트라넷 등의 전사적 컴퓨터 네트워크(enterprise-wide computer network)를 용이하게 해주며, 이들 모두는 전세계 컴퓨터 네트워크, 예를 들어, 인터넷에 연결될 수 있다.

LAN 네트워킹 환경에서 사용될 때, 컴퓨터(1102)는 유선 및/또는 무선 통신 네트워크 인터페이스 또는 어댑터(1156)를 통해 로컬 네트워크(1152)에 연결된다. 어댑터(1156)는 LAN(1152)에의 유선 또는 무선 통신을 용이하게 해줄 수 있으며, 이 LAN(1152)은 또한 무선 어댑터(1156)와 통신하기 위해 그에 설치되어 있는 무선 액세스 포인트를 포함하고 있다. WAN 네트워킹 환경에서 사용될 때, 컴퓨터(1102)는 모뎀(1158)을 포함할 수 있거나, WAN(1154) 상의 통신 컴퓨팅 디바이스에 연결되거나, 또는 인터넷을 통하는 등, WAN(1154)을 통해 통신을 설정하는 기타 수단을 갖는다. 내장형 또는 외장형 및 유선 또는 무선 장치일 수 있는 모뎀(1158)은 직렬 포트 인터페이스(1142)를 통해 시스템 버스(1108)에 연결된다. 네트워크화 된 환경에서, 컴퓨터(1102)에 대해 설명된 프로그램 모듈들 또는 그의 일부분이 원격 메모리/저장 장치(1150)에 저장될 수 있다. 도시된 네트워크 연결이 예시 적인 것이며 컴퓨터들 사이에 통신 링크를 설정하는 기타 수단이 사용될 수 있다는 것을 잘 알 것이다.

컴퓨터(1102)는 무선 통신으로 배치되어 동작하는 임의의 무선 장치 또는 개체, 예를 들어, 프린터, 스캐너, 데스크톱 및/또는 휴대용 컴퓨터, PDA(portable data assistant), 통신 위성, 무선 검출가능 태그와 연관된 임의의 장비 또는 장소, 및 전화와 통신을 하는 동작을 한다. 이것은 적어도 Wi-Fi 및 블루투스 무선 기술을 포함한다. 따라서, 통신은 종래의 네트워크에서와 같이 미리 정의된 구조이거나 단순하게 적어도 2개의 장치 사이의 애드혹 통신(ad hoc communication)일 수 있다.

Wi-Fi(Wireless Fidelity)는 유선 없이도 인터넷 등으로의 연결을 가능하게 해준다. Wi-Fi는 이러한 장치, 예를 들어, 컴퓨터가 실내에서 및 실외에서, 즉 기지국의 통화권 내의 아무 곳에서나 데이터를 전송 및 수신할 수 있게 해주는 셀 전화와 같은 무선 기술이다. Wi-Fi 네트워크는 안전하고 신뢰성 있으며 고속인 무선 연결을 제공하기 위해 IEEE 802.11(a,b,g, 기타)이라고 하는 무선 기술을 사용한다. 컴퓨터를 서로에, 인터넷에 및 유선 네트워크(IEEE 802.3 또는 이더넷을 사용함)에 연결시키기 위해 Wi-Fi가 사용될 수 있다. Wi-Fi 네트워크는 비인가 2.4 및 5 GHz 무선 대역에서, 예를 들어, 11Mbps(802.11a) 또는 54 Mbps(802.11b) 데이터 레이트로 동작하거나, 양 대역(듀얼 대역)을 포함하는 제품에서 동작할 수 있다.

본 개시의 기술 분야에서 통상의 지식을 가진 자는 정보 및 신호들이 임의의 다양한 상이한 기술들 및 기법들을 이용하여 표현될 수 있다는 것을 이해할 것이다. 예를 들어, 위의 설명에서 참조될 수 있는 데이터, 지시들, 명령들, 정보, 신호들, 비트들, 심볼들 및 칩들은 전압들, 전류들, 전자기파들, 자기장들 또는 입자들, 광학장들 또는 입자들, 또는 이들의 임의의 결합에 의해 표현될 수 있다.

본 개시의 기술 분야에서 통상의 지식을 가진 자는 여기에 개시된 실시예들과 관련하여 설명된 다양한 예시 적인 논리 블록들, 모듈들, 프로세서들, 수단들, 회로들 및 알고리즘 단계들이 전자 하드웨어, (편의를 위해, 여기에서 "소프트웨어"로 지칭되는) 다양한 형태들의 프로그램 또는 설계 코드 또는 이들 모두의 결합에 의해 구현될 수 있다는 것을 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호 호환성을 명확하게 설명하기 위해, 다양한 예시 적인 컴포넌트들, 블록들, 모듈들, 회로들 및 단계들이 이들의 기능과 관련하여 위에서 일반적으로 설명되었다. 이러한 기능이 하드웨어 또는 소프트웨어로서 구현되는지 여부는 특정한 애플리케이션 및 전체 시스템에 대하여 부과되는 설계 제약들에 따라 좌우된다. 본 개시의 기술 분야에서 통상의 지식을 가진 자는 각각의 특정한 애플리케이션에 대하여 다양한 방식들로 설명된 기능을 구현할 수 있으나, 이러한 구현 결정들은 본 개시의 범위를 벗어나는 것으로 해석되어서는 안 될 것이다.

여기서 제시된 다양한 실시예들은 방법, 장치, 또는 표준 프로그래밍 및/또는 엔지니어링 기술을 사용한 제조 물품(article)으로 구현될 수 있다. 용어 "제조 물품"은 임의의 컴퓨터-판독가능 장치로부터 액세스 가능한 컴퓨터 프로그램 또는 매체(media)를 포함한다. 예를 들어, 컴퓨터-판독가능 매체는 자기 저장 장치(예를 들면, 하드 디스크, 플로피 디스크, 자기 스트립, 등), 광학 디스크(예를 들면, CD, DVD, 등), 스마트 카드, 및 플래쉬 메모리 장치(예를 들면, EEPROM, 카드, 스틱, 키 드라이브, 등)를 포함하지만, 이들로 제한되는 것은 아니다. 또한, 여기서 제시되는 다양한 저장 매체는 정보를 저장하기 위한 하나 이상의 장치 및/또는 다른 기계-판독가능한 매체를 포함한다.

제시된 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조는 예시 적인 접근들의 일례임을 이해하도록 한다. 설계 우선순위들에 기반하여, 본 개시의 범위 내에서 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조가 재배열될 수 있다는 것을 이해하도록 한다. 첨부된 방법 청구항들은 샘플 순서로 다양한 단계들의 엘리먼트들을 제공하지만 제시된 특정한 순서 또는 계층 구조에 한정되는 것을 의미하지는 않는다.

제시된 실시예들에 대한 설명은 임의의 본 개시의 기술 분야에서 통상의 지식을 가진 자가 본 개시를 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 개시의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이다. 여기에 정의된 일반적인 원리들은 본 개시의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 개시는 여기에 제시된 실시예들로 한정되는 것이 아니라, 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.

Claims (18)

1. 컴퓨터 판독가능 저장 매체 저장된 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램은 하나 이상의 프로세서에서 실행되는 경우, 의료 데이터 검색을 위한 이하의 동작들을 수행하도록 하며, 상기 동작들은:
   검색 의료 데이터를 수신하는 동작;
   상기 검색 의료 데이터에 포함된 병변의 피처와 데이터베이스에 저장된 의료 데이터들에 각각 포함된 병변의 피처 간의 유사도를 연산하는 동작; 및
   상기 피처들 간의 유사도를 이용하여 상기 검색 의료 데이터에 대한 검색 결과를 출력하는 동작
   을 포함하고,
   상기 병변의 피처는, 의료 데이터에 대한 진단 결과를 생성하기 위한 진단 모델로부터 획득되고,
   상기 진단 모델은,
   복수개의 레이어를 포함하는 인코더를 포함하고,
   입력된 의료 데이터를 상기 복수개의 레이어 각각에 순차적으로 피딩하여 연산하는,
   컴퓨터 판독가능 저장매체에 저장된 컴퓨터 프로그램.
   
2. 삭제
3. 삭제
4. 제 1 항에 있어서,
   상기 진단 모델은, n 개의 레이어를 포함하고, 1 번째 레이어부터 n 번째 레이어까지 순차적으로 데이터가 피딩되고, 그리고 i 번째 레이어로부터 출력된 데이터가 n-i+1 번째 레이어로 피딩되는,
   컴퓨터 판독가능 저장매체에 저장된 컴퓨터 프로그램.
   
5. 제 1 항에 있어서,
   상기 데이터베이스에 저장된 상기 의료 데이터들 각각은 의료 데이터에 포함된 병변의 메타 정보, 의료 데이터에 포함된 병변의 피처 또는 의료 데이터에 대응되는 케이스 정보 중 적어도 하나를 포함하는 부가 정보가 매칭되어 저장되며,
   상기 병변의 메타 정보는, 상기 병변을 설명하는 정보인,
   컴퓨터 판독가능 저장매체에 저장된 컴퓨터 프로그램.
   
6. 제 5 항에 있어서,
   상기 케이스 정보는, 의료 데이터에 대응되는 환자 정보, 환자의 다른 의료 데이터, 처치 정보 또는 예후 정보 중 적어도 하나를 포함하는,
   컴퓨터 판독가능 저장매체에 저장된 컴퓨터 프로그램.
   
7. 제 1 항에 있어서,
   상기 피처들 간의 유사도를 이용하여 상기 검색 의료 데이터에 대한 검색 결과를 출력하는 동작은,
   상기 피처들 간의 유사도가 임계 값 이상인 의료 데이터 또는 상기 의료 데이터에 매칭된 부가 정보 중 적어도 하나를 상기 검색 결과로 출력하는 동작;
   을 포함하는,
   컴퓨터 판독가능 저장매체에 저장된 컴퓨터 프로그램.
   
8. 제 1 항에 있어서,
   검색 메타 정보를 수신하는 동작;
   상기 검색 메타 정보와 상기 데이터베이스에 저장된 의료 데이터들에 각각 매칭된 메타 정보를 비교하는 동작; 및
   상기 비교 결과를 이용하여 상기 검색 메타 정보에 대한 검색 결과를 출력하는 동작;
   을 더 포함하는,
   컴퓨터 판독가능 저장매체에 저장된 컴퓨터 프로그램.
   
9. 제 8 항에 있어서,
   상기 검색 메타 정보는,
   메타 정보에 포함되는 하나 이상의 항목에 대한 항목 값 구간 설정 또는 항목 조건 대응 여부 설정 중 적어도 하나를 포함하는,
   컴퓨터 판독가능 저장매체에 저장된 컴퓨터 프로그램.
   
10. 삭제
11. 의료 데이터 검색을 위한 컴퓨팅 장치로서,
    검색 의료 데이터를 수신하는, 네트워크부;
    상기 검색 의료 데이터에 포함된 병변의 피처와 데이터베이스에 저장된 의료 데이터들에 각각 포함된 병변의 피처 간의 유사도를 연산하고, 그리고 상기 피처들 간의 유사도를 이용하여 상기 검색 의료 데이터에 대한 검색 결과를 연산하고, 하나 이상의 코어를 포함하는 프로세서; 및
    메모리;
    를 포함하고,
    상기 병변의 피처는, 의료 데이터에 대한 진단 결과를 생성하기 위한 진단 모델로부터 획득되고,
    상기 진단 모델은,
    복수개의 레이어를 포함하는 인코더를 포함하고,
    입력된 의료 데이터를 상기 복수개의 레이어 각각에 순차적으로 피딩하여 연산하는,
    의료 데이터 검색을 위한 컴퓨팅 장치.
    
12. 의료 데이터 검색을 위한 사용자 단말로서,
    하나 이상의 코어를 포함하는 프로세서;
    메모리; 및
    사용자 인터페이스를 제공하는 출력부;
    를 포함하고,
    상기 사용자 인터페이스는, 검색 의료 데이터 입력에 대한 응답으로, 상기 검색 의료 데이터에 대한 검색 결과를 표시하고,
    상기 검색 결과는, 상기 검색 의료 데이터에 포함된 병변의 피처와 데이터베이스에 저장된 의료 데이터들에 각각 포함된 병변의 피처 간에 연산 된, 유사도를 이용하여 출력되고, 그리고
    상기 병변의 피처는, 입력된 의료 데이터를 인코더의 복수개의 레이어 각각에 순차적으로 피딩하여 연산을 수행하는 진단 모델로부터 획득되는,
    의료 데이터 검색을 위한 사용자 단말.
    
13. 제 12 항에 있어서,
    상기 검색 결과는 상기 피처들 간의 유사도가 임계 값 이상인 의료 데이터 또는 상기 의료 데이터에 매칭된 부가 정보 중 적어도 하나를 포함하는,
    의료 데이터 검색을 위한 사용자 단말.
    
14. 제 12 항에 있어서,
    상기 검색 결과는 상기 검색 의료 데이터에 포함된 둘 이상의 병변 중 사용자 선택 입력된 적어도 하나의 병변에 대해 출력되는,
    의료 데이터 검색을 위한 사용자 단말.
    
15. 제 12 항에 있어서,
    상기 사용자 인터페이스는, 검색 메타 정보 입력에 대한 응답으로, 상기 검색 메타 정보에 대한 검색 결과를 표시하고, 그리고
    상기 검색 메타 정보에 대한 검색 결과는, 상기 검색 메타 정보와 상기 데이터베이스에 저장된 의료 데이터들에 각각 매칭된 메타 정보를 비교한 결과를 이용하여 출력된,
    의료 데이터 검색을 위한 사용자 단말.
    
16. 제 12 항에 있어서,
    상기 검색 결과는, 둘 이상의 의료 데이터 또는 상기 둘 이상의 의료 데이터에 매칭된 부가 정보를 포함하고, 그리고
    상기 사용자 인터페이스는, 상기 둘 이상의 의료 데이터 또는 상기 둘 이상의 의료 데이터에 매칭된 부가 정보에 대한 정량적 또는 정성적 평가에 따라 결정되는, 참고 가능성이 높은 순서대로, 상기 검색 결과를 표시하는,
    의료 데이터 검색을 위한 사용자 단말.
    
17. 삭제
18. 의료 데이터 검색을 위한 뉴럴 네트워크의 연산과 관련된 데이터를 저장하는 데이터 구조가 저장된 컴퓨터 판독가능한 기록 매체로서, 상기 데이터는 이하의 동작을 통해 획득되며, 상기 동작은:
    검색 의료 데이터를 수신하는 동작; 및
    상기 검색 의료 데이터에 대한 검색 결과를 출력하기 위해, 상기 검색 의료 데이터 및 데이터베이스에 저장된 의료 데이터들 각각을 하나 이상의 네트워크 함수를 포함하는, 진단 모델을 이용하여 연산하여, 병변의 피처를 산출하는 동작
    을 포함하고, 그리고
    상기 검색 결과는 상기 검색 의료 데이터에 포함된 병변의 피처와 상기 데이터베이스에 저장된 상기 의료 데이터들에 각각 포함된 병변의 피처 간의 유사도를 이용하여 결정되고,
    상기 진단 모델은,
    복수개의 레이어를 포함하는 인코더를 포함하고,
    입력된 의료 데이터를 상기 복수개의 레이어 각각에 순차적으로 피딩하여 연산하는,
    데이터 구조가 저장된 컴퓨터 판독가능 기록 매체.
    

Images