KR102556350B1 - Method and Apparatus for Calculating Ratio of Lesion Area - Google Patents

Method and Apparatus for Calculating Ratio of Lesion Area Download PDF

Info

Publication number
KR102556350B1
KR102556350B1 KR1020190090208A KR20190090208A KR102556350B1 KR 102556350 B1 KR102556350 B1 KR 102556350B1 KR 1020190090208 A KR1020190090208 A KR 1020190090208A KR 20190090208 A KR20190090208 A KR 20190090208A KR 102556350 B1 KR102556350 B1 KR 102556350B1
Authority
KR
South Korea
Prior art keywords
lesion
lesion area
area
value
calculating
Prior art date
Application number
KR1020190090208A
Other languages
Korean (ko)
Other versions
KR20210012455A (en
Inventor
이석준
윤재웅
전재헌
이지현
방철환
한주희
Original Assignee
광운대학교 산학협력단
가톨릭대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 광운대학교 산학협력단, 가톨릭대학교 산학협력단 filed Critical 광운대학교 산학협력단
Priority to KR1020190090208A priority Critical patent/KR102556350B1/en
Publication of KR20210012455A publication Critical patent/KR20210012455A/en
Application granted granted Critical
Publication of KR102556350B1 publication Critical patent/KR102556350B1/en

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/001—Image restoration
    • G06T5/002—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/007—Dynamic range modification
    • G06T5/70—
    • G06T5/90—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing

Abstract

병변 면적비율 산출 방법 및 그를 위한 장치를 개시한다.
본 발명의 실시예에 따른 병변 면적비율 산출방법은, 신체 이미지에서 신체 부위를 구분하여 신체 면적값을 산출하는 신체 면적 계산 단계; 상기 신체 이미지에서 병변 후보 영역을 검출하고, 상기 병변 후보 영역에 대한 중증도를 기반으로 병변 면적값을 산출하는 병변 면적 계산 단계; 및 상기 신체 면적값 및 상기 병변 면적값을 이용하여 병변 면적비율을 산출하는 병변 면적비율 산출 단계를 포함할 수 있다.A method for calculating a lesion area ratio and an apparatus therefor are disclosed.
A lesion area ratio calculation method according to an embodiment of the present invention includes a body area calculation step of calculating a body area value by dividing a body part in a body image; a lesion area calculation step of detecting a lesion candidate region in the body image and calculating a lesion area value based on a severity of the lesion candidate region; and a lesion area ratio calculation step of calculating a lesion area ratio using the body area value and the lesion area value.

Description

병변 면적비율 산출 방법 및 그를 위한 장치{Method and Apparatus for Calculating Ratio of Lesion Area}Lesion area ratio calculation method and apparatus therefor {Method and Apparatus for Calculating Ratio of Lesion Area}

본 발명은 신체 면적 중 병변이 발생한 면적에 대한 비율을 산출하는 방법 및 그를 위한 장치에 관한 것이다. The present invention relates to a method and an apparatus for calculating a ratio of a body area to an area where a lesion occurs.

이 부분에 기술된 내용은 단순히 본 발명의 실시예에 대한 배경 정보를 제공할 뿐 종래기술을 구성하는 것은 아니다.The contents described in this section simply provide background information on the embodiments of the present invention and do not constitute prior art.

환자의 병변을 진단 및 치료하기 위해서는 정확하게 병변 영역을 확인하고, 확인된 결과를 저장해 두어야 한다. In order to diagnose and treat a patient's lesion, it is necessary to accurately identify the lesion area and store the identified results.

일반적으로 환자의 병변을 진단 및 치료하기 위하여 차트에 병변 부위를 표시하고, 진단자의 예측에 따라 병변 면적비율을 기록한다. 이러한 경우, 진단자 마다 상이한 기준에 따른 병변 면적비율 결과가 나오게 되고, 이에 따른 오진이 발생할 수 있다. 병변으로 의심되는 부위를 선택하는 기술은 한국공개특허 제10-2012-0057170호에 기재되어 있다.In general, in order to diagnose and treat a patient's lesion, the lesion area is marked on a chart, and the lesion area ratio is recorded according to the prediction of the diagnoser. In this case, the result of the lesion area ratio according to different criteria for each diagnoser comes out, and a misdiagnosis may occur accordingly. A technique for selecting a site suspected of being a lesion is described in Korean Patent Publication No. 10-2012-0057170.

이에 따라, 신체 이미지를 이용하여 병변 면적비율을 정확하게 판단하기 위한 기술이 필요하다. Accordingly, a technique for accurately determining a lesion area ratio using a body image is required.

본 발명은 신체 이미지에서 신체 면적값 및 병변 면적값을 산출하고, 산출된 신체 면적값 및 병변 면적값을 기반으로 병변이 발생한 면적에 대한 비율을 산출하는 병변 면적비율 산출 방법 및 그를 위한 장치를 제공하는 데 주된 목적이 있다.The present invention provides a lesion area ratio calculation method for calculating a body area value and a lesion area value in a body image, and calculating a ratio to an area where a lesion is generated based on the calculated body area value and lesion area value, and an apparatus therefor. It has a main purpose to

본 발명의 일 측면에 의하면, 상기 목적을 달성하기 위한 병변 면적비율 산출방법은, 신체 이미지에서 신체 부위를 구분하여 신체 면적값을 산출하는 신체 면적 계산 단계; 상기 신체 이미지에서 병변 후보 영역을 검출하고, 상기 병변 후보 영역에 대한 중증도를 기반으로 병변 면적값을 산출하는 병변 면적 계산 단계; 및 상기 신체 면적값 및 상기 병변 면적값을 이용하여 병변 면적비율을 산출하는 병변 면적비율 산출 단계를 포함할 수 있다. According to one aspect of the present invention, a lesion area ratio calculation method for achieving the above object includes a body area calculation step of calculating a body area value by dividing a body part in a body image; a lesion area calculation step of detecting a lesion candidate region in the body image and calculating a lesion area value based on a severity of the lesion candidate region; and a lesion area ratio calculation step of calculating a lesion area ratio using the body area value and the lesion area value.

또한, 본 발명의 다른 측면에 의하면, 상기 목적을 달성하기 위한 병변 면적비율 산출장치는, 신체 이미지에서 신체 부위를 구분하여 신체 면적값을 산출하는 신체 면적 계산부; 상기 신체 이미지에서 병변 후보 영역을 검출하고, 상기 병변 후보 영역에 대한 중증도를 기반으로 병변 면적값을 산출하는 병변 면적 계산부; 및 상기 신체 면적값 및 상기 병변 면적값을 이용하여 병변 면적비율을 산출하는 병변 면적비율 산출부를 포함할 수 있다. In addition, according to another aspect of the present invention, a lesion area ratio calculating device for achieving the above object includes: a body area calculator configured to classify a body part in a body image and calculate a body area value; a lesion area calculator configured to detect a lesion candidate region in the body image and calculate a lesion area value based on a severity of the lesion candidate region; and a lesion area ratio calculation unit configured to calculate a lesion area ratio using the body area value and the lesion area value.

이상에서 설명한 바와 같이, 본 발명은 신체 이미지의 전처리를 통하여 신체 면적을 정확하게 측정할 수 있는 효과가 있다. As described above, the present invention has an effect of accurately measuring a body area through pre-processing of a body image.

또한, 본 발명은 신체 이미지를 통해 별도의 추가 장치 없이 신체 면적을 비교적 간편하고 정확하게 측정할 수 있는 효과가 있다. In addition, the present invention has an effect of relatively simply and accurately measuring a body area through a body image without a separate additional device.

또한, 본 발명은 전처리된 신체 면적값 및 병변 면적값을 통해 정확한 병변 면적비율을 산출할 수 있는 효과가 있다. In addition, the present invention has an effect of calculating an accurate lesion area ratio through preprocessed body area values and lesion area values.

도 1은 본 발명의 실시예에 따른 병변 면적비율 산출장치를 개략적으로 나타낸 블록 구성도이다.
도 2는 본 발명의 실시예에 따른 병변 면적비율 산출 방법을 설명하기 위한 순서도이다.
도 3은 본 발명의 실시예에 따른 병변 면적비율 산출하는 동작을 나타낸 예시도이다.
도 4는 본 발명의 실시예에 따른 신체 면적을 계산하는 방법을 설명하기 위한 순서도이다.
도 5a 및 도 5b는 본 발명의 실시예에 따른 신체 면적을 계산하는 동작을 설명하기 위한 예시도이다.
도 6은 본 발명의 실시예에 따른 병변 면적을 계산하는 방법을 설명하기 위한 순서도이다.
도 7은 본 발명의 실시예에 따른 병변 면적을 계산하는 동작을 설명하기 위한 예시도이다.
도 8는 본 발명의 실시예에 따른 병변 면적의 중증도를 판단하는 동작을 설명하기 위한 예시도이다.1 is a schematic block diagram of an apparatus for calculating a lesion area ratio according to an embodiment of the present invention.
2 is a flowchart illustrating a method for calculating a lesion area ratio according to an embodiment of the present invention.
3 is an exemplary diagram illustrating an operation of calculating a lesion area ratio according to an embodiment of the present invention.
4 is a flowchart illustrating a method of calculating a body area according to an embodiment of the present invention.
5A and 5B are exemplary diagrams for explaining an operation of calculating a body area according to an embodiment of the present invention.
6 is a flowchart illustrating a method of calculating a lesion area according to an embodiment of the present invention.
7 is an exemplary diagram for explaining an operation of calculating a lesion area according to an embodiment of the present invention.
8 is an exemplary diagram for explaining an operation of determining the severity of a lesion area according to an embodiment of the present invention.

이하, 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. 또한, 이하에서 본 발명의 바람직한 실시예를 설명할 것이나, 본 발명의 기술적 사상은 이에 한정하거나 제한되지 않고 당업자에 의해 변형되어 다양하게 실시될 수 있음은 물론이다. 이하에서는 도면들을 참조하여 본 발명에서 제안하는 병변 면적비율 산출 방법 및 그를 위한 장치에 대해 자세하게 설명하도록 한다.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings. In describing the present invention, if it is determined that a detailed description of a related known configuration or function may obscure the gist of the present invention, the detailed description will be omitted. In addition, although preferred embodiments of the present invention will be described below, the technical idea of the present invention is not limited or limited thereto and can be modified and implemented in various ways by those skilled in the art. Hereinafter, a method for calculating a lesion area ratio proposed in the present invention and an apparatus therefor will be described in detail with reference to the drawings.

도 1은 본 발명의 실시예에 따른 병변 면적비율 산출장치를 개략적으로 나타낸 블록 구성도이다. 1 is a schematic block diagram of an apparatus for calculating a lesion area ratio according to an embodiment of the present invention.

본 실시예에 따른 병변 면적비율 산출장치(100)는 신체 면적 계산부(110), 병변 면적 계산부(120) 및 병변 면적비율 산출부(130)를 포함한다. 도 1의 병변 면적비율 산출장치(100)는 일 실시예에 따른 것으로서, 도 1에 도시된 모든 블록이 필수 구성요소는 아니며, 다른 실시예에서 병변 면적비율 산출장치(100)에 포함된 일부 블록이 추가, 변경 또는 삭제될 수 있다. The lesion area ratio calculator 100 according to the present embodiment includes a body area calculator 110, a lesion area calculator 120, and a lesion area ratio calculator 130. The lesion area ratio calculation device 100 of FIG. 1 is according to an embodiment, and all blocks shown in FIG. 1 are not essential components, and some blocks included in the lesion area ratio calculation device 100 in another embodiment. may be added, changed or deleted.

병변 면적비율 산출장치(100)는 환자의 신체를 촬영한 신체 이미지에서 신체 부위 및 병변 부위를 구분하고, 신체 부위에 대한 신체 면적값과 병변 부위에 대한 병변 면적값을 산출하여 병변 면적비율을 계산한다. 이하, 병변 면적비율 산출장치(100)에 포함된 구성요소 각각에 대해 설명하도록 한다. 여기서, 신체 이미지는 신체 파노라마 이미지인 것이 바람직하나 반드시 이에 한정되는 것은 아니며, 3D로 촬영된 이미지일 수도 있다. The lesion area ratio calculation device 100 classifies a body part and a lesion area in a body image of a patient's body, calculates a body area value for the body part and a lesion area value for the lesion part, and calculates the lesion area ratio. do. Hereinafter, each component included in the lesion area ratio calculator 100 will be described. Here, the body image is preferably a body panoramic image, but is not necessarily limited thereto, and may be a 3D image.

신체 면적 계산부(110)는 신체 이미지에서 신체 부위를 구분하여 신체 면적값을 산출한다. The body area calculation unit 110 calculates a body area value by dividing body parts from the body image.

구체적으로, 신체 면적 계산부(110)는 획득한 신체 이미지를 흑백 처리한다. 신체 면적 계산부(110)는 신체 이미지 내 존재하는 모든 픽셀 각각에 대한 RGB 채널의 평균치를 산출하여 흑백 처리하는 것이 바람직하나 반드시 이에 한정되는 것은 아니며, RGB 채널 각각에 서로 다른 가중치를 곱한 후 합산하여 흑백 처리를 수행할 수도 있다. Specifically, the body area calculating unit 110 processes the acquired body image in black and white. The body area calculation unit 110 preferably calculates the average value of the RGB channels for each of the pixels present in the body image and processes it in black and white, but it is not necessarily limited thereto. Black and white processing can also be performed.

이후, 신체 면적 계산부(110)는 흑백 처리된 신체 이미지에서 기 설정된 임계치를 기준으로 신체 부위과 신체 부위가 아닌 영역으로 구분하여 이진화 처리를 수행하고, 신체 면적값을 계산한다. 구체적으로, 신체 면적 계산부(110)는 임계치 이상에 해당하는 픽셀을 신체 부위로 판단하고, 신체 부위로 판단된 영역 내의 픽셀의 개수를 계측하여 신체 면적값을 계산한다. Thereafter, the body area calculation unit 110 divides the black-and-white processed body image into body parts and non-body parts based on a preset threshold, performs binarization, and calculates a body area value. Specifically, the body area calculation unit 110 determines a pixel corresponding to a threshold value or higher as a body part, and calculates a body area value by counting the number of pixels in the area determined to be a body part.

병변 면적 계산부(120)는 신체 이미지에서 병변 부위를 구분하고, 병변 부위에 대한 병변 면적값을 산출한다. 구체적으로, 병변 면적 계산부(120)는 신체 이미지에서 병변 후보 영역을 검출하고, 병변 후보 영역에 대한 중증도를 판별하고, 중증도를 기반으로 병변 면적값을 산출한다.The lesion area calculation unit 120 classifies the lesion area in the body image and calculates a lesion area value for the lesion area. Specifically, the lesion area calculation unit 120 detects a candidate lesion area in the body image, determines the severity of the candidate lesion area, and calculates a lesion area value based on the severity.

병변 면적 계산부(120)는 기 촬영된 신체 이미지를 획득한다. 여기서, 병변 면적값을 산출하기 위한 신체 이미지는 신체 면적 계산부(110)에서 신체 면적값을 계산하기 위한 신체 이미지와 동일한 이미지일 수 있다. The lesion area calculation unit 120 acquires a previously photographed body image. Here, the body image for calculating the lesion area value may be the same image as the body image for calculating the body area value in the body area calculating unit 110 .

병변 면적 계산부(120)는 합성곱 신경망(Convolution Neural Network) 방식을 기반으로 병변 중증도를 판별하고, 병변 중증도 별 병변 영역을 검출한다. 이후, 병변 면적 계산부(120)는 병변 영역에 대한 픽셀의 개수를 계측하여 병변 면적값을 계산한다. 구체적으로, 병변 면적비율 산출장치(100)는 신체의 색상, 농도 등에 근거하여 병변이 존재하는 것으로 예상되는 병변 후보 영역을 검출한다. The lesion area calculating unit 120 determines the severity of the lesion based on a convolution neural network method and detects the lesion area according to the severity of the lesion. Thereafter, the lesion area calculation unit 120 calculates a value of the lesion area by counting the number of pixels in the lesion area. Specifically, the lesion area ratio calculator 100 detects a lesion candidate region in which a lesion is expected to exist based on the body color, density, and the like.

병변 면적비율 산출장치(100)는 합성곱 신경망(Convolution Neural Network) 방식을 기반으로 병변 후보 영역에 대한 병변 중증도를 판별하고, 병변 중증도 별 병변 영역을 검출한다. 여기서, 병변 면적 계산부(120)는 기 설정된 기준 중증도 이상에 해당하는 영역을 병변 영역으로 검출할 수 있다. The lesion area ratio calculator 100 determines the severity of lesions for the candidate lesion area based on a convolutional neural network method, and detects the lesion area according to the severity of the lesion. Here, the lesion area calculation unit 120 may detect an area corresponding to a predetermined standard severity or higher as the lesion area.

병변 면적 계산부(120)는 병변 영역 내의 픽셀의 개수를 계측하여 병변 면적값을 계산한다.The lesion area calculation unit 120 calculates a lesion area value by counting the number of pixels in the lesion area.

병변 면적비율 산출부(130)는 신체 면적값 및 병변 면적값을 이용하여 병변 면적비율을 산출한다. 구체적으로, 병변 면적비율 산출부(130)는 병변 면적값을 신체 면적값으로 나누어 병변 면적비율을 산출한다. 여기서, 병변 면적비율 산출부(130)는 신체 면적 전체에서 병변 면적이 차지하는 비율을 산출하기 위한 다양한 계산법이 적용될 수 있다. The lesion area ratio calculation unit 130 calculates the lesion area ratio using the body area value and the lesion area value. Specifically, the lesion area ratio calculation unit 130 calculates the lesion area ratio by dividing the lesion area value by the body area value. Here, the lesion area ratio calculating unit 130 may apply various calculation methods for calculating the ratio of the lesion area to the entire body area.

도 2는 본 발명의 실시예에 따른 병변 면적비율 산출 방법을 설명하기 위한 순서도이다. 2 is a flowchart illustrating a method for calculating a lesion area ratio according to an embodiment of the present invention.

병변 면적비율 산출장치(100)는 신체 이미지에서 신체 부위를 구분하여 신체 면적에 대한 신체 면적값을 계산한다(S210).The lesion area ratio calculator 100 classifies the body part in the body image and calculates a body area value for the body area (S210).

구체적으로, 병변 면적비율 산출장치(100)는 신체 부위를 촬영한 신체 이미지를 획득하고, 흑백 처리를 수행한다. 병변 면적비율 산출장치(100)는 흑백 처리된 신체 이미지의 픽셀값을 조정하여 노이즈 제거 및 이진화 처리를 수행한다. 병변 면적비율 산출장치(100)는 이진화 처리된 신체 이미지에서 임계치 이상에 해당하는 픽셀을 신체 부위로 판단하고, 신체 부위로 판단된 영역 내의 픽셀의 개수를 계측하여 신체 면적값을 계산한다.Specifically, the lesion area ratio calculator 100 obtains a body image obtained by photographing a body part and performs black and white processing. The lesion area ratio calculator 100 adjusts pixel values of the black-and-white body image to remove noise and perform binarization. The lesion area ratio calculator 100 determines pixels that are higher than a threshold in the binarized body image as body parts, counts the number of pixels in the body parts, and calculates the body area value.

병변 면적비율 산출장치(100)는 신체 이미지에서 병변 면적값을 계산한다(S220). 구체적으로, 병변 면적비율 산출장치(100)는 신체 이미지에서 병변이 존재하는 것으로 예측되는 모든 영역을 병변 후보 영역을 검출한다. 병변 면적비율 산출장치(100)는 병변 후보 영역의 병변 중증도를 판별하고, 병변 중증도에 근거하여 병변 영역을 검출한다. 병변 면적비율 산출장치(100)는 병변 영역 내의 픽셀의 개수를 계측하여 병변 면적값을 계산한다.The lesion area ratio calculator 100 calculates a lesion area value in the body image (S220). Specifically, the lesion area ratio calculating apparatus 100 detects all regions predicted to have lesions in the body image as lesion candidate regions. The lesion area ratio calculator 100 determines the lesion severity of the lesion candidate region and detects the lesion region based on the lesion severity. The lesion area ratio calculator 100 calculates a lesion area value by counting the number of pixels in the lesion area.

병변 면적비율 산출장치(100)는 신체 면적값 및 병변 면적값을 이용하여 병변 면적비율을 산출한다(S230). 구체적으로, 병변 면적비율 산출부(130)는 병변 면적값을 신체 면적값으로 나누어 병변 면적비율을 산출한다. The lesion area ratio calculator 100 calculates the lesion area ratio using the body area value and the lesion area value (S230). Specifically, the lesion area ratio calculation unit 130 calculates the lesion area ratio by dividing the lesion area value by the body area value.

도 2에서는 각 단계를 순차적으로 실행하는 것으로 기재하고 있으나, 반드시 이에 한정되는 것은 아니다. 다시 말해, 도 2에 기재된 단계를 변경하여 실행하거나 하나 이상의 단계를 병렬적으로 실행하는 것으로 적용 가능할 것이므로, 도 2는 시계열적인 순서로 한정되는 것은 아니다.In FIG. 2, each step is described as sequentially executed, but is not necessarily limited thereto. In other words, since it will be applicable to changing and executing the steps described in FIG. 2 or executing one or more steps in parallel, FIG. 2 is not limited to a time-series sequence.

도 2에 기재된 본 실시예에 따른 병변 면적비율 산출 방법은 애플리케이션(또는 프로그램)으로 구현되고 단말장치(또는 컴퓨터)로 읽을 수 있는 기록매체에 기록될 수 있다. 본 실시예에 따른 병변 면적비율 산출 방법을 구현하기 위한 애플리케이션(또는 프로그램)이 기록되고 단말장치(또는 컴퓨터)가 읽을 수 있는 기록매체는 컴퓨팅 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치 또는 매체를 포함한다.The lesion area ratio calculation method according to the present embodiment described in FIG. 2 may be implemented as an application (or program) and recorded on a recording medium readable by a terminal device (or computer). All types of records in which the application (or program) for implementing the method for calculating the lesion area ratio according to the present embodiment is recorded and the recording medium readable by the terminal device (or computer) stores data that can be read by the computing system. Including devices or media.

도 3은 본 발명의 실시예에 따른 병변 면적비율 산출하는 동작을 나타낸 예시도이다.3 is an exemplary diagram illustrating an operation of calculating a lesion area ratio according to an embodiment of the present invention.

도 3에서는 신체 이미지를 이용하여 도 2의 단계 각각에 대한 동작을 간략하게 나타낸다. In FIG. 3, operations for each step of FIG. 2 are briefly illustrated using a body image.

단계 S210에서, 병변 면적비율 산출장치(100)는 기 촬영된 신체 이미지를 획득한다. 여기서, 병변 면적비율 산출장치(100)는 신체 이미지를 획득된 그대로 사용할 수 있으나 기 설정된 크기로 변환하거나 잘라서 사용할 수도 있다. In step S210, the lesion area ratio calculating device 100 obtains a previously photographed body image. Here, the lesion area ratio calculating device 100 may use the obtained body image as it is, but may also convert or cut it to a preset size and use it.

병변 면적비율 산출장치(100)는 신체 이미지를 흑백 처리한다. 병변 면적비율 산출장치(100)는 신체 이미지 내 존재하는 모든 픽셀 각각에 대한 RGB 채널의 평균치를 산출하여 흑백 처리하는 것이 바람직하나 반드시 이에 한정되는 것은 아니며, RGB 채널 각각에 서로 다른 가중치를 곱한 후 합산하여 흑백 처리를 수행할 수도 있다. The lesion area ratio calculator 100 processes the body image in black and white. The lesion area ratio calculating device 100 preferably calculates the average value of RGB channels for each of the pixels present in the body image and processes it in black and white, but is not necessarily limited thereto. Thus, black and white processing may be performed.

이후, 병변 면적비율 산출장치(100)는 흑백 처리된 신체 이미지에서 기 설정된 임계치를 기준으로 신체 부위과 신체 부위가 아닌 영역으로 구분하여 이진화 처리를 수행하고, 신체 면적값(SIZEB)을 계산한다. 구체적으로, 병변 면적비율 산출장치(100)는 임계치 이상에 해당하는 픽셀을 신체 부위로 판단하고, 신체 부위로 판단된 영역 내의 픽셀의 개수를 계측하여 신체 면적값을 계산한다. Thereafter, the lesion area ratio calculator 100 divides the black-and-white processed body image into body parts and non-body parts based on a preset threshold, performs binarization, and calculates a body area value (SIZE B ). Specifically, the lesion area ratio calculator 100 determines a pixel corresponding to a threshold or higher as a body part, and calculates a body area value by counting the number of pixels in the area determined as a body part.

예를 들어, 임계치가 50인 경우, 병변 면적비율 산출장치(100)는 흑백 처리된 신체 이미지에서 픽셀값이 50 이상인 픽셀과 픽셀값이 50 미만인 픽셀로 이진화 처리한다. 여기서, 병변 면적비율 산출장치(100)는 픽셀값이 50 이상인 픽셀을 신체 부위로 판단하고, 신체 부위 영역 내에 포함된 픽셀의 개수인 3024를 신체 면적값으로 산출할 수 있다. For example, when the threshold is 50, the lesion area ratio calculator 100 performs binarization into pixels having a pixel value of 50 or more and pixels having a pixel value of less than 50 in the black-and-white processed body image. Here, the lesion area ratio calculator 100 may determine a pixel having a pixel value of 50 or more as a body part, and calculate 3024, which is the number of pixels included in the body part area, as a body area value.

단계 S220에서, 병변 면적비율 산출장치(100)는 기 촬영된 신체 이미지를 획득한다. 여기서, 병변 면적비율 산출장치(100)는 신체 이미지를 획득된 그대로 사용할 수 있으나 기 설정된 크기로 변환하거나 잘라서 사용할 수도 있다. 한편, 병변 면적값을 산출하기 위한 신체 이미지는 단계 S210에서 신체 면적값을 계산하기 위한 신체 이미지와 동일한 이미지일 수 있다. In step S220, the lesion area ratio calculating device 100 obtains a previously photographed body image. Here, the lesion area ratio calculating device 100 may use the obtained body image as it is, but may also convert or cut it to a preset size and use it. Meanwhile, the body image for calculating the lesion area value may be the same image as the body image for calculating the body area value in step S210.

병변 면적비율 산출장치(100)는 합성곱 신경망(Convolution Neural Network) 방식을 기반으로 병변 중증도를 판별하고, 병변 중증도 별 병변 영역을 검출한다. 이후, 병변 면적비율 산출장치(100)는 병변 영역에 대한 픽셀의 개수를 계측하여 병변 면적값(SIZER)을 계산한다. The lesion area ratio calculator 100 determines the severity of the lesion based on a convolution neural network method and detects the lesion area according to the severity of the lesion. Thereafter, the lesion area ratio calculator 100 calculates the lesion area value SIZE R by counting the number of pixels for the lesion area.

구체적으로, 병변 면적비율 산출장치(100)는 신체의 색상, 농도 등에 근거하여 병변이 존재하는 것으로 예상되는 병변 후보 영역을 검출한다. Specifically, the lesion area ratio calculator 100 detects a lesion candidate region in which a lesion is expected to exist based on the body color, density, and the like.

병변 면적비율 산출장치(100)는 합성곱 신경망(Convolution Neural Network) 방식을 기반으로 병변 후보 영역에 대한 병변 중증도를 판별하고, 병변 중증도 별 병변 영역을 검출한다. 여기서, 병변 면적비율 산출장치(100)는 기 설정된 기준 중증도 이상에 해당하는 영역을 병변 영역으로 검출할 수 있다. The lesion area ratio calculator 100 determines the severity of lesions for the candidate lesion area based on a convolutional neural network method, and detects the lesion area according to the severity of the lesion. Here, the lesion area ratio calculator 100 may detect an area corresponding to a predetermined standard severity level or higher as a lesion area.

병변 면적비율 산출장치(100)는 병변 영역 내의 픽셀의 개수를 계측하여 병변 면적값을 계산한다. 예를 들어, 병변 면적비율 산출장치(100)는 중증도 레벨 2 이상을 병변 영역으로 검출하고, 검출된 병변 영역 내에 포함된 픽셀의 개수인 422를 병변 면적값으로 산출할 수 있다. The lesion area ratio calculator 100 calculates a lesion area value by counting the number of pixels in the lesion area. For example, the lesion area ratio calculator 100 may detect a severity level of 2 or higher as a lesion area and calculate 422, which is the number of pixels included in the detected lesion area, as a lesion area value.

단계 S230에서, 병변 면적비율 산출장치(100)는 신체 면적값 및 병변 면적값을 이용하여 병변 면적비율을 산출한다. 구체적으로, 병변 면적비율 산출장치(100)는 병변 면적값을 신체 면적값으로 나누어 병변 면적비율을 산출한다. 예를 들어, 병변 면적비율 산출장치(100)는 422 / 3024으로 처리하여 0.14와 같은 병변 면적비율을 산출할 수 있다. In step S230, the lesion area ratio calculator 100 calculates the lesion area ratio using the body area value and the lesion area value. Specifically, the lesion area ratio calculator 100 calculates the lesion area ratio by dividing the lesion area value by the body area value. For example, the lesion area ratio calculator 100 may process 422/3024 to calculate a lesion area ratio equal to 0.14.

도 4는 본 발명의 실시예에 따른 신체 면적을 계산하는 방법을 설명하기 위한 순서도이다. 4 is a flowchart illustrating a method of calculating a body area according to an embodiment of the present invention.

이하, 병변 면적비율 산출장치(100)에서 신체 면적을 계산하는 방법에 대해 설명하도록 한다. Hereinafter, a method of calculating the body area in the lesion area ratio calculator 100 will be described.

병변 면적비율 산출장치(100)는 외부 장치 또는 저장소로부터 신체 이미지를 획득한다(S410). 여기서, 신체 이미지는 신체 파노라마 방식으로 촬영된 이미지일 수 있으나 반드시 이에 한정되는 것은 아니며 3D 방식으로 촬영된 이미지일 수도 있다. The lesion area ratio calculator 100 acquires a body image from an external device or storage (S410). Here, the body image may be an image captured in a body panoramic method, but is not necessarily limited thereto, and may be an image captured in a 3D method.

병변 면적비율 산출장치(100)는 신체 이미지를 흑백 처리한다(S420).The lesion area ratio calculator 100 processes the body image in black and white (S420).

병변 면적비율 산출장치(100)는 신체 이미지 내에 포함된 픽셀의 RGB 채널의 값을 조정하여 흑백 처리를 수행한다. The lesion area ratio calculating device 100 performs black and white processing by adjusting RGB channel values of pixels included in the body image.

병변 면적비율 산출장치(100)는 신체 이미지 내에 존재하는 모든 픽셀에 대해 RGB 채널의 값의 단순 평균치를 구하여 조정함으로써 흑백 처리를 수행할 수 있다. 한편, 병변 면적비율 산출장치(100)는 신체 이미지 내에 존재하는 모든 픽셀에 대해 R 채널에는 제1 조정값(예: 0.298), G 채널에는 제2 조정값(예: 0.5870), B 채널에는 제3 조정값(예: 0.1140)을 곱하여 각 채널에 곱한 값을 합산하여 컬러 이미지를 흑백으로 처리할 수도 있다. The lesion area ratio calculator 100 may perform black and white processing by obtaining and adjusting a simple average value of RGB channel values for all pixels present in the body image. Meanwhile, the lesion area ratio calculator 100 applies a first adjustment value (eg, 0.298) to the R channel, a second adjustment value (eg, 0.5870) to the G channel, and a second adjustment value (eg, 0.5870) to the B channel for all pixels present in the body image. A color image can also be processed into black and white by multiplying the three adjustment values (eg, 0.1140) and summing the multiplied values for each channel.

병변 면적비율 산출장치(100)는 흑백 처리된 신체 이미지에 대한 노이즈를 제거한다(S430).The lesion area ratio calculator 100 removes noise from the black-and-white body image (S430).

병변 면적비율 산출장치(100)는 블러링(Blurring) 처리를 통해 신체 이미지에 대한 노이즈를 제거하는 것이 바람직하나 반드시 이에 한정되는 것은 아니다. The lesion area ratio calculator 100 preferably removes noise from the body image through a blurring process, but is not necessarily limited thereto.

병변 면적비율 산출장치(100)는 신체 이미지 내 소정의 픽셀에 대한 픽셀값과 주변 픽셀의 픽셀값들의 가중 평균(Weighted Average)을 이용하여 소정의 픽셀에 대한 픽셀값을 대체함으로써, 신체 이미지에 존재하는 노이즈를 제거할 수 있다. 여기서, 가중 평균을 적용하기 위한 가중치는 현재 픽셀에서 가까울수록 더 큰 가중치를 갖고 멀수록 더 작은 가중치를 갖을 수 있다. 한편, 가중 평균을 적용하기 위한 가중치는 현재 픽셀과 이웃하는 픽셀 사이의 유클리디안 거리 뿐만 아니라, 방사 측정(Radiometric) 차이(예: 색깔 강도와 깊이 거리 등과 같은 범위(Range) 기반 차이)와도 연관하여 산출될 수 있다. 즉, 병변 면적비율 산출장치(100)는 현재 픽셀과 이웃하는 픽셀 사이의 거리와 픽셀값의 차이를 동시에 가중치에 반영하여 노이즈를 제거할 수도 있다. The lesion area ratio calculation device 100 replaces the pixel value of a predetermined pixel using a weighted average of the pixel value of a predetermined pixel in the body image and the pixel values of neighboring pixels, so that it exists in the body image noise can be removed. Here, the weight for applying the weighted average may have a larger weight as it is closer to the current pixel and a smaller weight as it is farther from the current pixel. On the other hand, the weight for applying the weighted average is related not only to the Euclidean distance between the current pixel and the neighboring pixel, but also to the radiometric difference (eg, range-based difference such as color intensity and depth distance) can be calculated. That is, the lesion area ratio calculator 100 may remove noise by simultaneously reflecting the difference between the distance between the current pixel and the neighboring pixel and the pixel value in the weight.

병변 면적비율 산출장치(100)는 노이즈가 제거된 흑백 이미지를 이진화 처리한다(S440).The lesion area ratio calculator 100 binarizes the black-and-white image from which noise is removed (S440).

병변 면적비율 산출장치(100)는 임의의 선택된 특정 임계치를 경계로 하여 영상 전체를 0과 1로 처리하여 정보를 단순화 처리함으로써 이진화 처리를 수행한다. 병변 면적비율 산출장치(100)는 임계치 이상인 픽셀값을 최대 픽셀값(예: 255)으로 조정하고, 임계치 미만인 픽셀값을 최소 픽셀값(예: 0)으로 조정하여 이진화 처리를 수행할 수 있다. 여기서, 최대 픽셀값은 흰색을 의미하고, 최소 픽셀값은 검정색을 의미한다. The lesion area ratio calculator 100 performs binarization processing by simplifying information by processing the entire image as 0 and 1 with an arbitrarily selected specific threshold as a boundary. The lesion area ratio calculator 100 may perform binarization processing by adjusting pixel values equal to or greater than a threshold value to a maximum pixel value (eg, 255) and adjusting pixel values below the threshold value to a minimum pixel value (eg 0). Here, the maximum pixel value means white, and the minimum pixel value means black.

병변 면적비율 산출장치(100)는 이진화 처리된 신체 이미지에서 신체 부분을 구분하고, 신체 부분에 대한 신체 면적값을 계산한다(S450). The lesion area ratio calculator 100 classifies body parts in the binarized body image and calculates a body area value for the body part (S450).

병변 면적비율 산출장치(100)는 최대 픽셀값 및 최소 픽셀값으로 이진화 처리된 신체 이미지에서 최대 픽셀값으로 조정된 픽셀에 해당하는 영역을 신체 부분으로 판단한다. The lesion area ratio calculator 100 determines, as a body part, a region corresponding to a pixel adjusted to the maximum pixel value in the body image binarized with the maximum pixel value and the minimum pixel value.

병변 면적비율 산출장치(100)는 최대 픽셀값으로 조정된 신체 부분에 대한 픽셀의 개수를 계측하여 신체 면적값을 산출한다. The lesion area ratio calculator 100 calculates the body area value by counting the number of pixels for the body part adjusted to the maximum pixel value.

도 4에서는 각 단계를 순차적으로 실행하는 것으로 기재하고 있으나, 반드시 이에 한정되는 것은 아니다. 다시 말해, 도 4에 기재된 단계를 변경하여 실행하거나 하나 이상의 단계를 병렬적으로 실행하는 것으로 적용 가능할 것이므로, 도 4는 시계열적인 순서로 한정되는 것은 아니다.In FIG. 4, each step is described as sequentially executed, but is not necessarily limited thereto. In other words, since it will be applicable to changing and executing the steps described in FIG. 4 or executing one or more steps in parallel, FIG. 4 is not limited to a time-series sequence.

도 5a 및 도 5b는 본 발명의 실시예에 따른 신체 면적을 계산하는 동작을 설명하기 위한 예시도이다. 5A and 5B are exemplary diagrams for explaining an operation of calculating a body area according to an embodiment of the present invention.

도 5a는 환자의 등 부분을 촬영한 이미지를 나타낸다. 5A shows an image taken of a patient's back.

도 5a의 Step 1은 환자의 신체를 촬영한 신체 이미지를 나타내고, 신체 면적을 계산하는 방법의 S410에 대한 결과물을 의미한다. 도 5a의 Step 2는 흑백 처리된 신체 이미지를 나타내고, 신체 면적을 계산하는 방법의 S420에 대한 결과물을 의미한다. 도 5a의 Step 3은 노이즈 제거 및 이진화 처리된 신체 이미지를 나타내고, 신체 면적을 계산하는 방법의 S430 및 S440에 대한 결과물을 의미한다. Step 1 of FIG. 5A represents a body image obtained by photographing the patient's body, and indicates a result of step S410 of the method of calculating the body area. Step 2 of FIG. 5A represents a body image processed in black and white, and means a result of S420 of the method of calculating the body area. Step 3 of FIG. 5A shows a body image that has been subjected to denoising and binarization processing, and means results of steps S430 and S440 of the method of calculating the body area.

도 5a의 Step 4는 신체 면적값을 계산하기 위한 신체 이미지를 나타내고, 신체 면적을 계산하는 방법의 S450에 대한 결과물을 의미한다. 도 5a의 Step 4에서는 신체 이미지의 흰색 영역을 신체 부위로 판단하여 픽셀의 개수를 계측함으로써 신체 면적값을 계산한다. Step 4 of FIG. 5A represents a body image for calculating a body area value, and means a result of S450 of the method of calculating a body area. In Step 4 of FIG. 5A, the body area value is calculated by determining the white area of the body image as a body part and measuring the number of pixels.

도 5b는 환자의 얼굴을 활영한 파노라마 이미지를 나타낸다. 5B shows a panoramic image of a patient's face.

도 5b의 (a)는 신체 파노라마 이미지(510)를 나타내고, 도 5b의 (b)는 흑백 처리된 신체 파노라마 이미지(520)를 나타낸다. 또한, 도 5b의 (c)는 노이즈를 제거 처리한 신체 파노라마 이미지(530)를 나타내고, 도 5b의 (d)는 이진화 처리된 신체 파노라마 이미지(540)를 나타낸다. (a) of FIG. 5B shows a body panoramic image 510, and (b) of FIG. 5B shows a black-and-white processed body panoramic image 520. In addition, (c) of FIG. 5B shows a body panoramic image 530 processed by removing noise, and (d) of FIG. 5B shows a body panoramic image 540 processed by binarization.

도 6은 본 발명의 실시예에 따른 병변 면적을 계산하는 방법을 설명하기 위한 순서도이다. 6 is a flowchart illustrating a method of calculating a lesion area according to an embodiment of the present invention.

병변 면적비율 산출장치(100)는 환자의 신체 전체 또는 일부에 대한 상기 신체 이미지를 획득한다(S610). 여기서, 신체 이미지는 신체 파노라마 방식으로 촬영된 이미지일 수 있으나 반드시 이에 한정되는 것은 아니며 3D 방식으로 촬영된 이미지일 수도 있다. The lesion area ratio calculator 100 acquires the body image of the whole or part of the patient's body (S610). Here, the body image may be an image captured in a body panoramic method, but is not necessarily limited thereto, and may be an image captured in a 3D method.

병변 면적비율 산출장치(100)는 병변 면적값을 산출하기 위해 신체 이미지를 획득할 수 있으나 반드시 이에 한정되는 것은 아니며, 신체 면적값을 계산하기 위한 신체 이미지와 동일한 이미지를 사용할 수도 있다. The lesion area ratio calculator 100 may acquire a body image to calculate a lesion area value, but is not necessarily limited thereto, and may use the same image as the body image to calculate the body area value.

병변 면적비율 산출장치(100)는 신체 이미지 내에서 병변이 발생한 것으로 예측되는 영역을 구분하여 병변 후보 영역을 검출한다(S620). 병변 면적비율 산출장치(100)는 신체의 색상, 농도 등에 근거하여 병변이 존재하는 것으로 예상되는 병변 후보 영역을 검출한다. The lesion area ratio calculating apparatus 100 classifies regions in the body image where lesions are predicted to occur and detects lesion candidate regions (S620). The lesion area ratio calculator 100 detects a lesion candidate region in which a lesion is expected to exist based on the body color, density, and the like.

병변 면적비율 산출장치(100)는 병변 후보 영역을 대상으로 병변 중증도를 판별한다(S630). The lesion area ratio calculator 100 determines the severity of the lesion in the candidate lesion region (S630).

병변 면적비율 산출장치(100)는 합성곱 신경망(Convolution Neural Network) 방식을 기반으로 병변 후보 영역에 대한 병변 중증도를 판별한다. The lesion area ratio calculating device 100 determines the severity of the lesion for the candidate lesion region based on a convolution neural network method.

병변 면적비율 산출장치(100)는 복수의 노드 각각에 서로 다른 신체의 색상, 농도 등의 조건을 가지는 병변 후보 영역을 구분하고, 이를 합성곱 신경망 처리하여 병변 후보 영역의 중증도를 판별한다. The lesion area ratio calculation apparatus 100 classifies candidate lesion regions having different conditions such as body color and density at each of a plurality of nodes, and determines the severity of the lesion candidate region by processing the convolutional neural network.

한편, 병변 면적비율 산출장치(100)는 신체 부위 별로 서로 다른 가중치를 부여하여 중증도를 판별할 수 있다. 예를 들어, 신체를 두경부, 상지, 하지, 몸통 총 4부위로 나누고, 각 부위에서 홍반(Erythema), 두드러짐(Papulation), 긁음(Excoriation), 태선화(Lichenification) 등에 대한 점수를 부여하여 중증도를 판별할 수 있다. 여기서, 중증도는 0(병변 없음), 1(Mild), 2(Moderate), 3(Severe) 등의 단계로 측정될 수 있다. 여기서, 각 중증도 결과는 각 부위에 부여된 점수의 합에 부위에 따른 가중치와 각 부위에서 병변 부위 면적에 따른 가중치를 곱하여 중증도를 판별할 수 있다. Meanwhile, the lesion area ratio calculator 100 may determine the severity by assigning different weights to each body part. For example, the body is divided into four parts: head and neck, upper extremities, lower extremities, and trunk, and the severity is determined by assigning scores for erythema, papulation, excoriation, and lichenification in each part. can do. Here, the severity may be measured in stages such as 0 (no lesion), 1 (Mild), 2 (Moderate), and 3 (Severe). Here, for each severity result, the severity can be determined by multiplying the sum of scores assigned to each region by a weight according to the region and a weight according to the area of the lesion in each region.

병변 면적비율 산출장치(100)는 기 설정된 기준 중증도 이상에 해당하는 영역을 병변 영역으로 검출하고(S640), 병변 영역 내의 픽셀의 개수를 계측하여 병변 면적값을 계산한다(S650). 여기서, 병변 면적비율 산출장치(100)는 병변 영역의 중증도 별로 구분하여 픽셀 개수를 계측함으로써 중증도 별 병변 면적값을 계산할 수도 있다. The lesion area ratio calculator 100 detects an area corresponding to a predetermined standard severity level or higher as a lesion area (S640), and calculates a lesion area value by counting the number of pixels in the lesion area (S650). Here, the lesion area ratio calculation apparatus 100 may calculate the lesion area value for each severity by measuring the number of pixels by classifying the lesion area according to the severity.

도 6에서는 각 단계를 순차적으로 실행하는 것으로 기재하고 있으나, 반드시 이에 한정되는 것은 아니다. 다시 말해, 도 6에 기재된 단계를 변경하여 실행하거나 하나 이상의 단계를 병렬적으로 실행하는 것으로 적용 가능할 것이므로, 도 6은 시계열적인 순서로 한정되는 것은 아니다.In FIG. 6, it is described that each step is sequentially executed, but is not necessarily limited thereto. In other words, since it will be applicable to changing and executing the steps described in FIG. 6 or executing one or more steps in parallel, FIG. 6 is not limited to a time-series sequence.

도 7은 본 발명의 실시예에 따른 병변 면적을 계산하는 동작을 설명하기 위한 예시도이다. 7 is an exemplary diagram for explaining an operation of calculating a lesion area according to an embodiment of the present invention.

도 7의 Step 1은 환자의 신체를 촬영한 신체 이미지를 나타내고, 병변 면적을 계산하는 방법의 S610에 대한 결과물을 의미한다. 도 7의 Step 2는 병변 후보 영역이 검출된 신체 이미지를 나타내고, 병변 면적을 계산하는 방법의 S620에 대한 결과물을 의미한다. 도 7의 Step 3은 합성곱 신경망을 이용하여 병변 후보 영역의 중증도를 판별하는 과정을 나타내고, 병변 면적을 계산하는 방법의 S630에 대한 결과물을 의미한다.Step 1 of FIG. 7 represents a body image obtained by photographing the patient's body and means the result of S610 of the method of calculating the lesion area. Step 2 of FIG. 7 represents the body image in which the lesion candidate region is detected, and means the result of S620 of the method of calculating the lesion area. Step 3 of FIG. 7 shows a process of determining the severity of a candidate lesion region using a convolutional neural network, and means the result of step S630 of the method of calculating the lesion area.

도 7의 Step 4는 중증도를 이용하여 검출된 병변 영역을 표시한 신체 이미지를 나타내고, 병변 면적을 계산하는 방법의 S640에 대한 결과물을 의미한다.Step 4 of FIG. 7 shows a body image displaying the lesion area detected using severity and means the result of S640 of the method of calculating the lesion area.

도 7의 Step 5는 병변 면적값을 계산하기 위한 병변 영역 및 병변 영역에 포함된 픽셀의 개수를 나타내고, 병변 면적을 계산하는 방법의 S650에 대한 결과물을 의미한다. 도 7의 Step 5에서는 신체 이미지의 중증도 별 병변 면적값을 계산할 수 있다. Step 5 of FIG. 7 indicates the lesion area for calculating the lesion area value and the number of pixels included in the lesion area, and means the result of S650 of the method for calculating the lesion area. In Step 5 of FIG. 7, the lesion area value for each severity of the body image can be calculated.

도 8는 본 발명의 실시예에 따른 병변 면적의 중증도를 판단하는 동작을 설명하기 위한 예시도이다. 8 is an exemplary diagram for explaining an operation of determining the severity of a lesion area according to an embodiment of the present invention.

병변 면적비율 산출장치(100)는 병변 후보 영역을 메인 병변 영역(810, 812) 및 서브 병변 영역(820, 822, 824, 830)으로 구분하고, 메인 병변 영역(810, 812) 및 서브 병변 영역(820, 822, 824, 830)에 서로 다른 가중치를 적용하여 병변 중증도를 판별한다. 병변 면적비율 산출장치(100)는 병변 후보 영역에 대한 병변 색상, 농도 및 예상 깊이 등의 조건에 근거하여 메인 병변 영역(810, 812) 및 서브 병변 영역(820, 822, 824, 830)으로 구분한다. The lesion area ratio calculator 100 divides the candidate lesion area into main lesion areas 810 and 812 and sub-lesion areas 820, 822, 824 and 830, and divides the main lesion area 810 and 812 and the sub-lesion area Different weights are applied to (820, 822, 824, 830) to determine the severity of the lesion. The lesion area ratio calculator 100 classifies the candidate lesion area into main lesion areas 810 and 812 and sub-lesion areas 820, 822, 824 and 830 based on conditions such as lesion color, density, and estimated depth. do.

병변 면적비율 산출장치(100)는 서브 병변 영역(820, 822, 824, 830)에는 동일한 가중치를 적용할 수 있으나 반드시 이에 한정되는 것은 아니다. 예를 들어, 병변 면적비율 산출장치(100)는 메인 병변 영역(810, 812)의 기준점(840)을 기준으로 기 설정된 반경 내에 포함되는 제1 서브 병변 영역(820, 822, 824)에는 제1 가중치를 적용하고, 기준점(840)을 기준으로 기 설정된 반경 내에 포함되지 않는 제2 서브 병변 영역(830)에는 제2 가중치를 적용할 수도 있다. 여기서, 제1 가중치는 제2 가중치보다 큰 값인 것이 바람직하다. The lesion area ratio calculator 100 may apply the same weight to the sub-lesion regions 820, 822, 824, and 830, but is not limited thereto. For example, the lesion area ratio calculating apparatus 100 determines the first sub-lesion areas 820 , 822 , and 824 included within a preset radius based on the reference point 840 of the main lesion areas 810 and 812 . A weight may be applied, and a second weight may be applied to the second sub-lesion area 830 that is not included within a preset radius based on the reference point 840 . Here, the first weight is preferably greater than the second weight.

이상의 설명은 본 발명의 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명의 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명의 실시예들은 본 발명의 실시예의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 실시예의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 실시예의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 실시예의 권리범위에 포함되는 것으로 해석되어야 할 것이다.The above description is only illustrative of the technical idea of the embodiment of the present invention, and those skilled in the art to which the embodiment of the present invention pertains may make various modifications and modifications within the scope not departing from the essential characteristics of the embodiment of the present invention. transformation will be possible. Therefore, the embodiments of the present invention are not intended to limit the technical idea of the embodiment of the present invention, but to explain, and the scope of the technical idea of the embodiment of the present invention is not limited by these examples. The protection scope of the embodiments of the present invention should be construed according to the claims below, and all technical ideas within the equivalent range should be construed as being included in the scope of the embodiments of the present invention.

100: 병변 면적비율 산출장치
110: 신체 면적 계산부 120: 병변 면적 계산부
130: 병변 면적비율 산출부100: lesion area ratio calculator
110: body area calculation unit 120: lesion area calculation unit
130: lesion area ratio calculation unit

Claims (13)

병변 면적비율 산출장치가 병변 면적비율을 산출하는 방법에 있어서,
신체 이미지에서 신체 부위를 구분하여 신체 면적값을 산출하는 신체 면적 계산 단계;
상기 신체 이미지에서 병변 후보 영역을 검출하고, 상기 병변 후보 영역에 대한 중증도를 기반으로 병변 면적값을 산출하는 병변 면적 계산 단계; 및
상기 신체 면적값 및 상기 병변 면적값을 이용하여 병변 면적비율을 산출하는 병변 면적비율 산출 단계를 포함하되,
상기 병변 면적 계산 단계는, 환자의 신체 전체 또는 일부에 대한 상기 신체 이미지를 획득하는 단계; 상기 신체 이미지 내에서 병변 후보 영역을 검출하는 단계; 상기 병변 후보 영역을 대상으로 병변 중증도를 판별하는 단계; 상기 병변 중증도에 근거하여 병변 영역을 검출하는 단계; 및 상기 병변 영역에 대한 병변 면적값을 계산하는 단계를 포함하며,
상기 병변 중증도를 판별하는 단계는, 상기 병변 후보 영역을 병변 색상, 농도 및 예상 깊이 중 적어도 하나의 조건에 근거하여 메인 병변 영역 및 서브 병변 영역으로 구분하고, 상기 메인 병변 영역 및 상기 서브 병변 영역에 서로 다른 가중치를 적용하여 상기 병변 중증도를 판별하되,
상기 메인 병변 영역의 기준점을 기준으로 기 설정된 반경 내에 포함되는 제1 서브 병변 영역에는 제1 가중치를 적용하고, 상기 기 설정된 반경 내에 포함되지 않는 제2 서브 병변 영역에는 제2 가중치를 적용하며, 상기 제1 가중치는 상기 제2 가중치보다 큰 값인 것을 특징으로 하는 병변 면적비율 산출방법.In the method for the lesion area ratio calculator to calculate the lesion area ratio,
a body area calculation step of dividing a body part in the body image and calculating a body area value;
a lesion area calculation step of detecting a lesion candidate region in the body image and calculating a lesion area value based on a severity of the lesion candidate region; and
A lesion area ratio calculation step of calculating a lesion area ratio using the body area value and the lesion area value,
The step of calculating the lesion area may include acquiring the body image of the whole or part of the patient's body; detecting a lesion candidate region in the body image; determining a severity of a lesion in the candidate lesion region; detecting a lesion area based on the severity of the lesion; and calculating a lesion area value for the lesion area,
The step of determining the severity of the lesion may include dividing the candidate lesion area into a main lesion area and a sub-lesion area based on at least one of lesion color, density, and expected depth, and dividing the main lesion area and the sub-lesion area into Different weights are applied to determine the severity of the lesion,
A first weight is applied to a first sub-lesion area included within a preset radius based on a reference point of the main lesion area, and a second weight is applied to a second sub-lesion area not included within the preset radius; The first weight is a lesion area ratio calculation method, characterized in that a value greater than the second weight. 제1항에 있어서,
상기 신체 면적 계산 단계는,
환자의 신체 전체 또는 일부에 대한 상기 신체 이미지를 획득하는 단계;
상기 신체 이미지의 픽셀값을 조정하여 흑백 처리하는 단계;
흑백 처리된 상기 신체 이미지를 기 설정된 임계치를 기준으로 이진화 처리하는 단계; 및
이진화 처리된 상기 신체 이미지에서 신체 부분에 대한 신체 면적값을 계산하는 단계
를 포함하는 것을 특징으로 하는 병변 면적비율 산출방법.According to claim 1,
The body area calculation step,
acquiring the body image of the whole or part of the patient's body;
black and white processing by adjusting pixel values of the body image;
Binarization processing of the black-and-white body image based on a preset threshold value; and
Calculating a body area value for a body part in the binarized body image
Lesion area ratio calculation method comprising a. 제2항에 있어서,
상기 흑백 이미지를 생성하는 단계는,
상기 신체 이미지 내 존재하는 모든 픽셀 각각에 대한 RGB 채널의 평균치를 산출하여 흑백 처리하거나, RGB 채널 각각에 서로 다른 가중치를 곱한 후 합산하여 흑백 처리하는 것을 특징으로 하는 병변 면적비율 산출방법.According to claim 2,
The step of generating the black and white image,
The lesion area ratio calculation method, characterized in that by calculating the average value of each RGB channel for each of the pixels existing in the body image and processing it in black and white, or by multiplying each RGB channel with a different weight and then summing it up to process it in black and white. 제2항에 있어서,
상기 신체 면적 계산 단계는,
흑백 처리된 상기 신체 이미지에 대한 노이즈를 제거하는 단계를 추가로 포함하고,
상기 이진화 처리하는 단계는, 상기 노이즈를 제거하는 단계에서 노이즈가 제거된 신체 이미지를 상기 임계치를 기준으로 이진화 처리하는 것을 특징으로 하는 병변 면적비율 산출방법.According to claim 2,
The body area calculation step,
Further comprising the step of removing noise for the body image processed in black and white,
In the binarization process, the lesion area ratio calculation method characterized in that the body image from which the noise is removed in the noise removal process is binarized based on the threshold value. 제2항에 있어서,
상기 이진화 처리하는 단계는,
상기 임계치 이상인 픽셀값을 최대 픽셀값으로 조정하고, 상기 임계치 미만인 픽셀값을 최소 픽셀값으로 조정하여 이진화 처리를 수행하고,
상기 신체 면적값을 계산하는 단계는, 상기 최대 픽셀값으로 조정된 픽셀에 해당하는 영역을 상기 신체 부분으로 판단하는 것을 특징으로 하는 병변 면적비율 산출방법.According to claim 2,
In the step of binarization,
Adjusting a pixel value equal to or greater than the threshold as a maximum pixel value and adjusting a pixel value less than the threshold as a minimum pixel value to perform binarization;
In the step of calculating the body area value, a region corresponding to a pixel adjusted to the maximum pixel value is determined as the body part. 제5항에 있어서,
상기 신체 면적값을 계산하는 단계는,
상기 최대 픽셀값으로 조정된 픽셀의 개수를 계측하여 상기 신체 면적값을 산출하는 것을 특징으로 하는 병변 면적비율 산출방법.According to claim 5,
In the step of calculating the body area value,
The lesion area ratio calculation method, characterized in that for calculating the body area value by measuring the number of pixels adjusted to the maximum pixel value. 삭제delete 제1항에 있어서,
상기 병변 면적 계산 단계는,
상기 신체 면적 계산 단계와 동일한 신체 이미지를 이용하여 병변 면적값을 계산하며, 합성곱 신경망(Convolution Neural Network) 방식을 기반으로 상기 병변 중증도를 판별하는 것을 특징으로 하는 병변 면적비율 산출방법.According to claim 1,
In the step of calculating the lesion area,
The lesion area ratio calculation method, characterized in that for calculating the lesion area value using the same body image as in the body area calculation step, and determining the severity of the lesion based on a convolution neural network method. 삭제delete 제1항에 있어서,
상기 병변 면적비율 산출 단계는,
상기 병변 면적값을 상기 신체 면적값으로 나누어 상기 병변 면적비율을 산출하는 것을 특징으로 하는 병변 면적비율 산출방법.According to claim 1,
In the step of calculating the lesion area ratio,
The lesion area ratio calculation method, characterized in that for calculating the lesion area ratio by dividing the lesion area value by the body area value. 병변 면적비율을 산출하는 장치에 있어서,
신체 이미지에서 신체 부위를 구분하여 신체 면적값을 산출하는 신체 면적 계산부;
상기 신체 이미지에서 병변 후보 영역을 검출하고, 상기 병변 후보 영역에 대한 중증도를 기반으로 병변 면적값을 산출하는 병변 면적 계산부; 및
상기 신체 면적값 및 상기 병변 면적값을 이용하여 병변 면적비율을 산출하는 병변 면적비율 산출부를 포함하되,
상기 병변 면적 계산부는, 환자의 신체 전체 또는 일부에 대한 상기 신체 이미지를 획득하고, 상기 신체 이미지 내에서 병변 후보 영역을 검출하며, 상기 병변 후보 영역을 대상으로 병변 중증도를 판별하여 병변 영역을 검출한 후 상기 병변 영역에 대한 병변 면적값을 계산하며,
상기 병변 면적 계산부는, 상기 병변 후보 영역을 병변 색상, 농도 및 예상 깊이 중 적어도 하나의 조건에 근거하여 메인 병변 영역 및 서브 병변 영역으로 구분하고, 상기 메인 병변 영역 및 상기 서브 병변 영역에 서로 다른 가중치를 적용하여 상기 병변 중증도를 판별하되,
상기 병변 면적 계산부는, 상기 메인 병변 영역의 기준점을 기준으로 기 설정된 반경 내에 포함되는 제1 서브 병변 영역에는 제1 가중치를 적용하고, 상기 기 설정된 반경 내에 포함되지 않는 제2 서브 병변 영역에는 제2 가중치를 적용하며, 상기 제1 가중치는 상기 제2 가중치보다 큰 값인 것을 특징으로 하는 병변 면적비율 산출장치.In the device for calculating the lesion area ratio,
a body area calculator configured to classify body parts in the body image and calculate a body area value;
a lesion area calculator configured to detect a lesion candidate region in the body image and calculate a lesion area value based on a severity of the lesion candidate region; and
A lesion area ratio calculation unit for calculating a lesion area ratio using the body area value and the lesion area value,
The lesion area calculation unit acquires the body image of the whole or part of the patient's body, detects a lesion candidate region in the body image, determines the severity of the lesion for the lesion candidate region, and detects the lesion region. After calculating the lesion area value for the lesion area,
The lesion area calculation unit divides the lesion candidate area into a main lesion area and a sub-lesion area based on at least one condition of a lesion color, density, and expected depth, and weights the main lesion area and the sub-lesion area with different weights. Applying to determine the severity of the lesion,
The lesion area calculation unit applies a first weight to a first sub-lesion area included within a preset radius based on the reference point of the main lesion area, and applies a second weight to a second sub-lesion area not included within the preset radius. A weight is applied, and the first weight is a larger value than the second weight. 제11항에 있어서,
상기 신체 면적 계산부는,
환자의 신체 전체 또는 일부에 대한 상기 신체 이미지를 획득하고, 상기 신체 이미지의 픽셀값을 조정하여 흑백 처리하며, 흑백 처리된 상기 신체 이미지를 기 설정된 임계치를 기준으로 이진화 처리한 후 이진화 처리된 상기 신체 이미지에서 신체 부분에 대한 신체 면적값을 계산하는 것을 특징으로 하는 병변 면적비율 산출장치.According to claim 11,
The body area calculator,
A body image of the whole or part of the patient's body is acquired, pixel values of the body image are adjusted to be processed in black and white, the black and white processed body image is binarized based on a preset threshold, and then the binarized body is processed. A lesion area ratio calculation device characterized in that for calculating a body area value for a body part in an image. 삭제delete
KR1020190090208A 2019-07-25 2019-07-25 Method and Apparatus for Calculating Ratio of Lesion Area KR102556350B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190090208A KR102556350B1 (en) 2019-07-25 2019-07-25 Method and Apparatus for Calculating Ratio of Lesion Area

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190090208A KR102556350B1 (en) 2019-07-25 2019-07-25 Method and Apparatus for Calculating Ratio of Lesion Area

Publications (2)

Publication Number Publication Date
KR20210012455A KR20210012455A (en) 2021-02-03
KR102556350B1 true KR102556350B1 (en) 2023-07-17

Family

ID=74571890

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190090208A KR102556350B1 (en) 2019-07-25 2019-07-25 Method and Apparatus for Calculating Ratio of Lesion Area

Country Status (1)

Country Link
KR (1) KR102556350B1 (en)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102321428B1 (en) * 2021-02-16 2021-11-05 메디컬아이피 주식회사 Lesion recognizing method and apparatus

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010264276A (en) * 2010-07-16 2010-11-25 Tokyo Institute Of Technology Diagnostic method by multi-spectrum skin image
JP2017080389A (en) * 2015-10-27 2017-05-18 コニカミノルタ株式会社 Medical image system and program
US20180061046A1 (en) * 2016-08-31 2018-03-01 International Business Machines Corporation Skin lesion segmentation using deep convolution networks guided by local unsupervised learning

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100778370B1 (en) * 2006-03-22 2007-11-22 고려대학교 산학협력단 System for analyzing skin color distribution and method therof
KR101648535B1 (en) * 2014-04-30 2016-08-16 백승환 Apparatus and method for hand, foot scanning of baby
KR101709855B1 (en) * 2015-05-29 2017-02-24 조선대학교산학협력단 Method for providing predictive information of Alzheimer's disease
KR101812406B1 (en) * 2016-03-16 2017-12-27 동국대학교 산학협력단 The method and system for diagnosing skin disease
KR20190060606A (en) * 2017-11-24 2019-06-03 삼성전자주식회사 Apparatus and method for diagnosis of medical image

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010264276A (en) * 2010-07-16 2010-11-25 Tokyo Institute Of Technology Diagnostic method by multi-spectrum skin image
JP2017080389A (en) * 2015-10-27 2017-05-18 コニカミノルタ株式会社 Medical image system and program
US20180061046A1 (en) * 2016-08-31 2018-03-01 International Business Machines Corporation Skin lesion segmentation using deep convolution networks guided by local unsupervised learning

Also Published As

Publication number Publication date
KR20210012455A (en) 2021-02-03

Similar Documents

Publication Publication Date Title
US5850474A (en) Apparatus and method for segmenting and classifying image data
JP4664432B2 (en) SHOT SIZE IDENTIFICATION DEVICE AND METHOD, ELECTRONIC DEVICE, AND COMPUTER PROGRAM
US7046850B2 (en) Image matching
CN113109368B (en) Glass crack detection method, device, equipment and medium
US20050201612A1 (en) Method and apparatus for detecting people using stereo camera
US7440608B2 (en) Method and system for detecting image defects
US20090324016A1 (en) Moving target detecting apparatus, moving target detecting method, and computer readable storage medium having stored therein a program causing a computer to function as the moving target detecting apparatus
KR20120111153A (en) Pre- processing method and apparatus for license plate recognition
JP2016505185A (en) Image processor having edge selection function
US11188756B2 (en) Object localization and classification system and method thereof
CN114283089B (en) Jump acceleration based depth recovery method, electronic device, and storage medium
KR102556350B1 (en) Method and Apparatus for Calculating Ratio of Lesion Area
US7646892B2 (en) Image inspecting apparatus, image inspecting method, control program and computer-readable storage medium
EP3796216A1 (en) Image processing apparatus, image processing method, and program
KR101617428B1 (en) Method and apparatus for degraded region detection in digital video file
CN113888563A (en) Ultraviolet imaging-based light spot region segmentation method and system and computer equipment
CN110211085B (en) Image fusion quality evaluation method and system
CN112052859A (en) License plate accurate positioning method and device in free scene
CN111275045A (en) Method and device for identifying image subject, electronic equipment and medium
CN112801112B (en) Image binarization processing method, device, medium and equipment
JPH04157353A (en) Cracked image data processing method
JP6348020B2 (en) Image processing apparatus, image processing method, and inspection method using the same
JP2020003837A (en) Identification apparatus and identification method
JP2010206244A (en) Image degradation evaluation system, image degradation evaluation method, and image degradation evaluation program
JPH10124665A (en) Method for processing picture and device therefor

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant