KR102577161B1

KR102577161B1 - 엑스레이 이미지 내에서의 대상 병변의 크기 변화를 측정하는 방법 및 시스템

Info

Publication number: KR102577161B1
Application number: KR1020210047446A
Authority: KR
Inventors: 김민철; 남건희; 코이 타이스
Original assignee: 주식회사 루닛
Priority date: 2021-04-12
Filing date: 2021-04-12
Publication date: 2023-09-11
Also published as: KR20220141194A; EP4272648A1; WO2022220383A1; JP2023552163A; US20240029258A1

Abstract

본 개시는 엑스레이(X-ray) 이미지 내에서의 대상 병변의 크기 변화를 측정하는 방법에 관한 것이다. 이 방법은, 대상 병변을 포함한 제1 엑스레이 이미지 및 대상 병변을 포함한 제2 엑스레이 이미지를 수신하는 단계, 제1 엑스레이 이미지 및 제2 엑스레이 이미지의 각각에서의 기준 영역 중 대상 병변에 대응하는 영역이 차지하는 점유율을 산출하는 단계 및 산출된 점유율을 기초로 대상 병변의 크기 변화를 측정하는 단계를 포함할 수 있다.

Description

엑스레이 이미지 내에서의 대상 병변의 크기 변화를 측정하는 방법 및 시스템{METHOD AND SYSTEM FOR MEASURING SIZE CHANGE OF TARGET LESION IN X-RAY IMAGE}

본 개시는 엑스레이 이미지 내에서의 대상 병변의 크기 변화를 측정하는 방법 및 시스템에 관한 것으로, 보다 구체적으로, 엑스레이 이미지에서의 기준 영역 중 대상 병변에 대응하는 영역이 차지하는 점유율을 산출하고, 산출된 점유율을 기초로 대상 병변의 크기 변화를 측정하는 방법 및 시스템을 제공하는 것이다.

환자가 여러 장의 엑스레이 사진을 찍을 때, 사진 내 병변의 변화는 중요한 정보에 해당한다. 예를 들어, 기흉이 발생한 환자의 경우, 시술 후 기흉의 크기 변화를 보기 위하여 지속적으로 엑스레이를 촬영한다. 기흉의 크기가 줄어들 경우 치료가 잘 되고 있다는 뜻이며, 만일 기흉의 크기가 커질 경우에는 응급 상황으로 다른 조치가 필요할 수 있다. 또한, 특정 병변이 엑스레이 이미지에서 관측될 때, 해당 병변이 과거에도 지속적으로 동일한 사이즈로 존재하였는지 혹은 그 크기가 증가/감소하였는지에 대한 정보는 특정 병변의 치료를 위해 필요한 정보일 수 있다. 따라서 시간의 경과에 따른 병변의 크기 변화에 대한 정보는 임상적으로 매우 중요한 정보에 해당한다.

의사와 환자가 병변의 크기 변화에 대한 정보를 정확히 인지하기 위해서는 실제 병변의 크기를 알아야 한다. 기존의 Computer Aided Detection (CAD) 방식은 병변의 존재 유무를 알려주므로, 의사가 환자의 영상을 더 정확하고 빠르게 판독하는 것에 도움이 될 수 있다. 환자의 위치(촬영 환경)에 따라 촬영되는 병변 영역(예: 폐 등)이 일정하지 않을 수 있고, pixel array만 입력될 때 이미지의 규격화가 안될 수 있으며, 엑스레이는 기준선이 없으므로 엑스레이 이미지만으로는 실제 병변의 크기를 계산하는 것은 어려울 수 있다. 이에 따라, 두 장의 엑스레이 이미지에서 병변의 크기를 계산하여 측정된 변화량(또는, 크기 변화 여부)에는 오차가 발생할 수 있다.

기존의 CAD 방식을 이용하여 병변 크기의 변화 여부를 판정하는 방법으로, 두 장의 엑스레이 이미지에서 병변의 크기를 절대적으로 비교하는 방법과 엑스레이 이미지를 픽셀 단위로 정렬하여(registration) 병변의 크기를 비교하는 방법이 있다. 두 장의 엑스레이 사진에서 병변의 크기를 절대적으로 비교하는 첫번째 방법의 경우, 환자의 자세 및 영상촬영 기기와의 거리 등 다양한 변수에 의해서 병변의 크기가 영상에 상이하게 나타나는 문제점을 해결하기 어려울 수 있다. 즉, 병변의 크기의 변화가 정확하지 않다. 또한, 엑스레이 이미지를 픽셀 단위로 정렬하여(registration) 병변의 크기를 비교하는 두번째 방법은, 픽셀 단위의 정렬(registration)이 성공적으로 이루어진다고 가정한다면 병변의 크기 차이를 더욱 정확하게 예측할 수 있다. 다만, 픽셀 단위의 정렬 자체가 많은 계산량을 요구하는 작업에 해당하며, 특정한 상황(예를 들어, 환자의 두 엑스레이 이미지의 상태가 매우 상이하여 정렬이 어려운 상황) 또는 이미지의 상태(예를 들어, 이미지의 해상도, 이미지의 저장 형태에 따른 상태)에 따라 두 엑스레이 이미지의 정렬(registration)이 실질적으로 불가능하다. 또한, 픽셀 단위의 정렬은 매우 복잡한 알고리즘에 해당하므로 요구되는 컴퓨팅 파워가 제품화하기 어려운 수준이며, 알고리즘 개발에도 막대한 비용이 발생할 수 있다.

본 개시는 상기와 같은 문제점을 해결하기 위한 대상 병변의 크기 변화를 측정하는 방법 및 시스템을 제공한다.

본 개시는 방법, 장치(시스템) 또는 명령어들을 저장하는 컴퓨터 판독가능 저장 매체, 컴퓨터 프로그램을 포함한 다양한 방식으로 구현될 수 있다.

본 개시의 일 실시예에 따른, 적어도 하나의 컴퓨팅 장치에 의해 수행되는, 엑스레이(X-ray) 이미지 내에서의 대상 병변의 크기 변화를 측정하는 방법은, 대상 병변을 포함한 제1 엑스레이 이미지 및 대상 병변을 포함한 제2 엑스레이 이미지를 수신하는 단계, 제1 엑스레이 이미지 및 제2 엑스레이 이미지의 각각에서의 기준 영역 중 대상 병변에 대응하는 영역이 차지하는 점유율(occupancy)을 산출하는 단계 및 산출된 점유율을 기초로 대상 병변의 크기 변화를 측정하는 단계를 포함한다.

본 개시의 일 실시예에서, 산출하는 단계는, 제1 엑스레이 이미지 및 제2 엑스레이 이미지의 각각으로부터 제1 기준 영역 및 제2 기준 영역을 결정하는 단계, 제1 엑스레이 이미지 및 제2 엑스레이 이미지의 각각으로부터 대상 병변을 식별하는 단계 및 제1 기준 영역 중 식별된 대상 병변이 차지하는 제1 점유율 및 제2 기준 영역 중 식별된 대상 병변이 차지하는 제2 점유율을 산출하는 단계를 포함한다.

본 개시의 일 실시예에서, 제1 기준 영역 및 제2 기준 영역을 결정하는 단계는, 제1 엑스레이 이미지를 기준 영역 추출 모델에 입력하여, 제1 기준 영역을 출력하는 단계; 및 제2 엑스레이 이미지를 기준 영역 추출 모델에 입력하여 제2 기준 영역을 출력하는 단계를 포함하고, 기준 영역 추출 모델은, 복수의 참조 엑스레이 이미지 및 참조 기준 영역에 대한 레이블 정보를 이용하여 학습된다. 여기서, 제2 기준 영역은 제1 기준 영역에 대응된다.

본 개시의 일 실시예에서, 산출하는 단계는, 제1 기준 영역 내에서 대상 병변이 차지하는 영역의 픽셀 수를 제1 기준 영역에 대응하는 픽셀 수로 나눔으로써, 제1 점유율을 산출하는 단계 및 제2 기준 영역 내에서 대상 병변이 차지하는 영역의 픽셀 수를 제2 기준 영역에 대응하는 픽셀 수로 나눔으로써, 제2 점유율을 산출하는 단계를 포함한다.

본 개시의 일 실시예에서, 제1 기준 영역 및 제2 기준 영역을 결정하는 단계는, 제1 기준 영역에 대한 스코어(score) 및 제2 기준 영역에 대한 스코어를 결정하는 단계를 포함하고, 대상 병변을 식별하는 단계는, 제1 기준 영역 내에서 대상 병변에 대한 스코어를 결정하는 단계 및 제2 기준 영역 내에서 대상 병변에 대한 스코어를 결정하는 단계를 포함하고, 산출하는 단계는, 제1 기준 영역에 대한 스코어 및 제1 기준 영역 내에서 대상 병변에 대한 스코어를 기초로 제1 점유율을 산출하는 단계 및 제2 기준 영역에 대한 스코어 및 제2 기준 영역 내에서 대상 병변에 대한 스코어를 기초로 제2 점유율을 산출하는 단계를 포함한다.

본 개시의 일 실시예에서, 측정하는 단계는, 제1 점유율 및 제2 점유율에 기초하여, 대상 병변의 크기 변화 여부를 판정하는 단계를 포함한다.

본 개시의 일 실시예에서, 제1 점유율 및 제2 점유율에 기초하여, 대상 병변의 크기 변화 여부를 판정하는 단계는, 제1 점유율 및 제2 점유율에 기초하여, 대상 병변에 대한 점유율 변화량을 산출하는 단계 및 산출된 대상 병변에 대한 점유율 변화량과 기준 수치를 비교하여, 대상 병변의 크기 변화 여부를 판정하는 단계를 포함한다.

본 개시의 일 실시예에서, 기준 수치는, 테스트 세트에 대해 산출된 타겟 메트릭과 연관된 수치 또는 예측 정확도와 연관된 수치에 기초하여 결정된다.

본 개시의 일 실시예에서, 기준 수치는 제1 기준 수치 및 제2 기준 수치를 포함하고, 산출된 대상 병변에 대한 점유율 변화량이 제1 기준 수치보다 크거나 같은 경우, 대상 병변의 크기가 증가한 것으로 판정되고, 산출된 대상 병변에 대한 점유율 변화량이 제1 기준 수치보다 작고, 제2 기준 수치보다 크거나 같은 경우, 대상 병변의 크기가 무변화한 것으로 판정되고, 산출된 대상 병변에 대한 점유율 변화량이 제2 기준 수치보다 작은 경우, 대상 병변의 크기가 감소한 것으로 판정된다.

본 개시의 일 실시예에서, 제1 점유율 및 제2 점유율에 기초하여, 대상 병변의 크기 변화 여부를 판정하는 단계는, 제1 점유율 및 제2 점유율에 기초하여, 대상 병변에 대한 점유율 변화량을 산출하는 단계 및 산출된 대상 병변에 대한 점유율 변화량을 변화 여부 판정 모델에 입력함으로써, 출력되는 판정 결과에 기초하여, 대상 병변의 크기 변화 여부를 결정하는 단계를 포함하고, 변화 여부 판정 모델은, 대상 병변에 대한 참조 점유율 변화량에 대한 입력 값을 기초로 참조 대상 병변의 크기 변화 여부에 대한 판정 결과를 출력하도록 학습된 기계학습 모델을 포함한다.

본 개시의 일 실시예에서, 기준 영역은, 제1 엑스레이 이미지 및 제2 엑스레이 이미지의 각각의 전체 영역을 복수의 영역으로 분할함으로써 결정된 영역이다.

본 개시의 일 실시예에 따른 상술된 대상 병변의 크기 변화를 측정하는 방법을 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램이 제공된다.

본 개시의 일 실시예에 따른 정보 처리 시스템은, 하나 이상의 인스트럭션(instructions)을 저장하는 메모리 및 저장된 하나 이상의 인스트럭션을 실행함으로써, 대상 병변을 포함한 제1 엑스레이 이미지 및 대상 병변을 포함한 제2 엑스레이 이미지를 수신하고, 제1 엑스레이 이미지 및 제2 엑스레이 이미지의 각각에서의 기준 영역 중 대상 병변에 대응하는 영역이 차지하는 점유율을 산출하고, 산출된 점유율을 기초로 대상 병변의 크기 변화를 측정하도록 구성된 프로세서를 포함한다.

본 개시의 일부 실시예에서, 기준 영역에 대한 대상 병변의 점유율의 변화를 기초로 대상 병변의 크기 변화 여부를 측정하므로, 적은 연산량으로도 병변 크기 변화를 정확하게 측정할 수 있다.

본 개시의 일부 실시예에서, 기준 영역에 대한 대상 병변의 점유율의 변화를 기초로 대상 병변의 크기 변화 여부를 측정하므로, 환자의 자세 및 영상 촬영 기기와의 거리 등 다양한 변수에 대하여 크게 영향을 받지 않을 수 있다.

본 개시의 일부 실시예에서, 기준 영역에 대한 대상 병변의 점유율의 변화를 기초로 대상 병변의 크기 변화 여부를 판정하므로, 별도로 이미지의 정렬을 필요로 하지 않으며, 과도한 개발 비용을 필요로 하지 않는다.

본 개시의 일부 실시예에서, 폐의 경우, 들숨이나 날숨에 따라 크기 변화가 있을 수 있다. 이 경우, 폐 안에 있는 대상 병변의 크기도 함께 변하므로, 폐의 크기에 대한 대상 병변의 크기의 비율은 유지가 될 수 있다. 따라서, 이러한 비율의 변화가 대상 병변의 변화를 나타낼 수 있다.

본 개시의 일부 실시예에서, 엑스레이 이미지에서 전체 영역(예를 들어, 폐)에 포함된 복수의 병변은 각각 구분되어 검출될 수 있으며, 각각의 병변에 대한 점유율 및/또는 변화량이 산출될 수 있으므로, 각각의 병변에 대한 크기 변화를 측정할 수 있다.

본 개시의 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급되지 않은 다른 효과들은 청구범위의 기재로부터 본 개시에 속하는 기술 분야에서 통상의 지식을 가진 자(이하, '통상의 기술자'라 함)에게 명확하게 이해될 수 있을 것이다.

본 개시의 실시예들은, 이하 설명하는 첨부 도면들을 참조하여 설명될 것이며, 여기서 유사한 참조번호는 유사한 요소들을 나타내지만, 이에 한정되지는 않는다.
도 1은 본 개시의 일 실시예에 따른 정보 처리 시스템이 대상 병변의 크기 변화 측정 결과를 제공하는 예시를 나타내는 도면이다.
도 2는 본 개시의 일 실시예에 따른 정보 처리 시스템의 내부 구성을 나타내는 블록도이다.
도 3은 본 개시의 일 실시예에 따른 엑스레이 이미지 내에서의 대상 병변의 크기 변화를 측정하는 방법을 나타내는 흐름도이다.
도 4는 본 개시의 일 실시예에 따라 정보 처리 시스템이 사용자 단말을 통해 기준 영역 추출 모델을 학습하기 위한 레이블 정보를 제공받는 예시를 나타내는 도면이다.
도 5는 본 개시의 일 실시예에 따라 정보 처리 시스템이 엑스레이 이미지에서 기준 영역을 결정하여, 사용자 단말을 통해 출력하는 예시를 나타내는 도면이다.
도 6은 본 개시의 일 실시예에 따라 제1 엑스레이 이미지로부터 제1 점유율을 산출하고, 제2 엑스레이 이미지로부터 제2 점유율을 산출하는 예시를 나타내는 도면이다.
도 7은 본 개시의 일 실시예에 따라 제1 점유율 및 제2 점유율에 기초하여 대상 병변의 크기 변화 측정 결과를 생성하는 예시를 나타내는 도면이다.
도 8은 본 개시의 일 실시예에 따라 흉부 엑스레이 이미지 내의 대상 병변의 크기 변화를 측정하는 예시를 나타내는 도면이다.
도 9는 본 개시의 일 실시예에 따른 기준 영역에서의 대상 병변의 점유율을 결정하고 대상 병변의 크기 변화를 측정하는 예시를 나타내는 도면이다.
도 10은 본 개시의 일 실시예에 따른 인공신경망 모델을 나타내는 예시도이다.

이하, 본 개시의 실시를 위한 구체적인 내용을 첨부된 도면을 참조하여 상세히 설명한다. 다만, 이하의 설명에서는 본 개시의 요지를 불필요하게 흐릴 우려가 있는 경우, 널리 알려진 기능이나 구성에 관한 구체적 설명은 생략하기로 한다.

첨부된 도면에서, 동일하거나 대응하는 구성요소에는 동일한 참조부호가 부여되어 있다. 또한, 이하의 실시예들의 설명에 있어서, 동일하거나 대응되는 구성요소를 중복하여 기술하는 것이 생략될 수 있다. 그러나 구성요소에 관한 기술이 생략되어도, 그러한 구성요소가 어떤 실시예에 포함되지 않는 것으로 의도되지는 않는다.

개시된 실시예의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 개시는 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 개시가 완전하도록 하고, 본 개시가 통상의 기술자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것일 뿐이다.

본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 개시된 실시예에 대해 구체적으로 설명하기로 한다. 본 명세서에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 관련 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.

본 명세서에서의 단수의 표현은 문맥상 명백하게 단수인 것으로 특정하지 않는 한, 복수의 표현을 포함한다. 또한, 복수의 표현은 문맥상 명백하게 복수인 것으로 특정하지 않는 한, 단수의 표현을 포함한다. 명세서 전체에서 어떤 부분이 어떤 구성요소를 '포함'한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다.

또한, 명세서에서 사용되는 '모듈' 또는 '부'라는 용어는 소프트웨어 또는 하드웨어 구성요소를 의미하며, '모듈' 또는 '부'는 어떤 역할들을 수행한다. 그렇지만 '모듈' 또는 '부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '모듈' 또는 '부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '모듈' 또는 '부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 또는 변수들 중 적어도 하나를 포함할 수 있다. 구성요소들과 '모듈' 또는 '부'들은 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '모듈' 또는 '부'들로 결합되거나 추가적인 구성요소들과 '모듈' 또는 '부'들로 더 분리될 수 있다.

본 개시의 일 실시예에 따르면 '모듈' 또는 '부'는 프로세서 및 메모리로 구현될 수 있다. '프로세서'는 범용 프로세서, 중앙 처리 장치(CPU), 마이크로프로세서, 디지털 신호 프로세서(DSP), 제어기, 마이크로제어기, 상태 머신 등을 포함하도록 넓게 해석되어야 한다. 몇몇 환경에서는, '프로세서'는 주문형 반도체(ASIC), 프로그램가능 로직 디바이스(PLD), 필드 프로그램가능 게이트 어레이(FPGA) 등을 지칭할 수도 있다. '프로세서'는, 예를 들어, DSP와 마이크로프로세서의 조합, 복수의 마이크로프로세서들의 조합, DSP 코어와 결합한 하나 이상의 마이크로프로세서들의 조합, 또는 임의의 다른 그러한 구성들의 조합과 같은 처리 디바이스들의 조합을 지칭할 수도 있다. 또한, '메모리'는 전자 정보를 저장 가능한 임의의 전자 컴포넌트를 포함하도록 넓게 해석되어야 한다. '메모리'는 임의 액세스 메모리(RAM), 판독-전용 메모리(ROM), 비-휘발성 임의 액세스 메모리(NVRAM), 프로그램가능 판독-전용 메모리(PROM), 소거-프로그램가능 판독 전용 메모리(EPROM), 전기적으로 소거가능 PROM(EEPROM), 플래쉬 메모리, 자기 또는 광학 데이터 저장장치, 레지스터들 등과 같은 프로세서-판독가능 매체의 다양한 유형들을 지칭할 수도 있다. 프로세서가 메모리로부터 정보를 판독하고/하거나 메모리에 정보를 기록할 수 있다면 메모리는 프로세서와 전자 통신 상태에 있다고 불린다. 프로세서에 집적된 메모리는 프로세서와 전자 통신 상태에 있다.

본 개시에서, '엑스레이 이미지'는 X-선을 이용하여 인체의 적어도 일부에 X-선을 투과시켜서 촬영하는 임의의 검사 장비를 통해 촬영한 임의의 이미지를 지칭할 수 있다. 여기서, 예를 들어, 검사 장비는 일반 X-선 촬영기뿐만 아니라 인체의 특수 부위에 적합하도록 특수 X-선 촬영기(예를 들어, 유방 전용 촬영기 등)를 포함하나, 이에 한정되지 않는다.

본 개시에서, '대상 병변'은 크기 변화 측정의 대상이 되는 데이터/정보, 이미지 영역, 객체 등을 지칭할 수 있다. 예를 들어, '대상 병변'은 암, 기흉 등 엑스레이 이미지를 통해 검출하고자 하는 대상을 포함할 수 있다.

본 개시에서, '픽셀'은 엑스레이 이미지 내에 포함된 픽셀을 지칭할 수 있다. 예를 들어, '픽셀 수'는 엑스레이 이미지 내에서 특정 영역에 해당하는 픽셀의 수를 지칭할 수 있다. 이 경우, 엑스레이 이미지가 동일한 해상도를 가진 경우, 픽셀 수가 많을수록 엑스레이 이미지 내에서 해당 특정 영역의 크기가 크고, 픽셀 수가 적을수록 엑스레이 이미지 내에서 해당 특정 영역의 크기가 작을 수 있다.

본 개시에서, '인공신경망 모델'은 기계학습 모델의 일 예로서, 주어진 입력에 대한 답을 추론하는 데 사용하는 임의의 모델을 포함할 수 있다. 일 실시예에 따르면, 인공신경망 모델은 입력 레이어(층), 복수 개의 은닉 레이어 및 출력 레이어를 포함한 인공신경망 모델을 포함할 수 있다. 여기서, 각 레이어는 하나 이상의 노드를 포함할 수 있다. 예를 들어, 인공신경망 모델은 엑스레이 이미지에서 기준 영역 및/또는 대상 병변 영역을 결정하거나 식별/검출하도록 학습될 수 있다. 다른 예로서, 인공신경망 모델은 대상 병변에 대한 점유율 변화량(예를 들어, 대상 병변에 대한 제1 점유율 및 제2 점유율의 차이 또는 제2 점유율에서 제1 점유율을 뺀 수치)에 기초하여, 대상 병변의 크기 변화에 대한 정보를 출력하도록 학습될 수 있다. 또한, 인공신경망 모델은 인공신경망 모델에 포함된 복수의 노드와 연관된 가중치를 포함할 수 있다. 여기서, 가중치는 인공신경망 모델과 연관된 임의의 파라미터를 포함할 수 있다.

본 개시에서, 'A 및 B의 각각'은 A에 포함된 구성 요소(예를 들어, 영역) 및 B에 포함된 구성 요소를 지칭할 수 있다. 예를 들어, '제1 엑스레이 이미지 및 제2 엑스레이 이미지의 각각에서의 기준 영역'은 제1 엑스레이 이미지에서의 기준 영역과 제2 엑스레이 이미지에서의 기준 영역을 지칭할 수 있다. 다른 예로서, '제1 엑스레이 이미지 및 제2 엑스레이 이미지의 각각에서의 기준 영역 중 대상 병변에 대응하는 영역'은 제1 엑스레이 이미지에서의 기준 영역 중 대상 병변에 대응하는 영역과 제2 엑스레이 이미지에서의 기준 영역 중 대상 병변에 대응하는 영역을 지칭할 수 있다.

본 개시에서, '인스트럭션(instruction)'이란, 기능을 기준으로 묶인 하나 이상의 명령어들로서, 컴퓨터 프로그램의 구성 요소이자 프로세서에 의해 실행되는 것을 지칭할 수 있다.

본 개시에서, '사용자'는 사용자 단말을 이용하는 자를 지칭할 수 있다. 예를 들어, 사용자는 어노테이션 작업을 수행하는 어노테이터(annotator)를 포함할 수 있다. 다른 예로서, 사용자는 대상 병변의 크기 변화 측정 결과를 제공받는 의사, 환자 등을 포함할 수 있다. 또한, 사용자는 사용자 단말을 지칭할 수 있으며, 반대로, 사용자 단말은 사용자를 지칭할 수 있다. 즉, 사용자와 사용자 단말은 본 명세서에서 혼용되어 사용될 수 있다.

본 개시에서, '어노테이션(annotation)'은 어노테이션 작업 및/또는 어노테이션 작업 수행에 따라 결정된 어노테이션 정보(예를 들어, 레이블 정보 등)을 지칭할 수 있다. 본 개시에서, '어노테이션 정보'는 어노테이션 작업을 위한 정보 및/또는 어노테이션 작업으로 생성된 정보(예를 들어, 레이블 정보)를 지칭할 수 있다.

본 개시에서, '전체 영역'은 엑스레이 이미지에 포함된 촬영 대상의 영역을 지칭할 수 있다. 예를 들어, 전체 영역은 엑스레이 이미지에서 배경 영역을 제외한 개체(예를 들어, 환자)가 촬영된 영역을 지칭할 수 있다. 대안적으로, 전체 영역은 엑스레이 이미지를 통해 관측하고자 하는 타겟 조직, 기관, 장기, 기관계 등이 촬영된 영역을 지칭할 수 있다. 또한, 본 개시에서, '기준 영역'은 전체 영역의 적어도 일부 영역을 지칭할 수 있다.

본 개시에서, '점유율'은 기준 영역에 대한 대상 영역의 점유 비율을 지칭할 수 있다. 예를 들어, '점유율'은 기준 영역의 크기에 대한 대상 병변 영역의 크기의 비율로 산출될 수 있다. 다른 예로서, '점유율'은 기준 영역의 픽셀 수에 대한 대상 병변 영역의 픽셀 수의 비율로 산출될 수 있다. 추가적으로 또는 대안적으로, '점유율'은 영역의 크기뿐만 아니라, 영역의 예측 스코어(예를 들어, 확률 값)에 기초하여 산출될 수 있다. 예를 들어, '점유율'은 기준 영역의 크기에 대한 대상 병변 영역의 예측 스코어(예를 들어, 대상 영역에 포함된 복수의 픽셀 각각의 예측 스코어의 합, 평균 등)의 비율로 산출될 수 있다. 다른 예로서, '점유율'은 기준 영역의 예측 스코어(예를 들어, 기준 영역에 포함된 복수의 픽셀 각각의 예측 스코어의 합, 평균 등)에 대한 대상 병변 영역의 예측 스코어(예를 들어, 대상 영역에 포함된 복수의 픽셀 각각의 예측 스코어의 합, 평균 등)의 비율로 산출될 수 있다. 추가적으로 또는 대안적으로, '점유율'은 대상 병변의 크기뿐만 아니라, 대상 병변의 확률맵(예를 들어, 히트맵) 및/또는 대상 병변의 상태를 기초로 산출될 수 있다.

도 1은 본 개시의 일 실시예에 따라 정보 처리 시스템(100)이 대상 병변의 크기 변화 측정 결과(130)를 제공하는 예시를 나타내는 도면이다. 정보 처리 시스템(100)은 대상 병변의 크기 변화를 측정하는데 이용되는 임의의 컴퓨팅 장치이다. 여기서, 컴퓨팅 장치는, 컴퓨팅 기능이 구비된 임의의 종류의 장치를 지칭할 수 있으며, 예를 들어, 노트북, 데스크톱(desktop), 랩탑(laptop), 테블릿 컴퓨터(tablet computer), 서버, 클라우드 시스템, 사용자 단말 등이 될 수 있으나, 이에 한정되지 않는다. 도 1에서는 정보 처리 시스템(100)이 하나의 컴퓨팅 장치로서 도시되어 있으나, 이에 한정되지 않으며, 정보 처리 시스템(100)은 복수의 컴퓨팅 장치를 통해 정보 및/또는 데이터를 분산 처리하도록 구성될 수 있다.

정보 처리 시스템(100)은 이미지 촬영 장치(예를 들어, X-ray 영상 촬영 장치), 사용자 단말 및/또는 저장 시스템(또는 장치)의 각각과 연결되어 통신 가능하도록 구성될 수 있다. 여기서, 저장 시스템은 대상 병변의 크기 변화를 측정하기 위한 기계학습 모델과 연관된 각종 데이터를 저장하고 관리하는 장치 또는 클라우드 시스템일 수 있다. 데이터의 효율적인 관리를 위해, 저장 시스템은, 데이터베이스를 이용하여 각종 데이터를 저장하고 관리할 수 있다. 여기서, 각종 데이터는 기계학습 모델과 연관된 임의의 데이터를 포함할 수 있으며, 예를 들어, 엑스레이 이미지, 기준 영역에 대한 레이블 정보, 테스트 세트, 기계학습 모델 등을 포함할 수 있으나, 이에 한정되지 않는다.

대상 병변의 크기 변화를 측정하기 위해, 정보 처리 시스템(100)은 X-ray 이미지(또는 영상)에서 기준 영역(예를 들어, 폐 영역)과 기준 영역 내에서 관측된 대상 병변 영역을 비교하여, 기준 영역에 대한 대상 병변의 점유율을 산출할 수 있다. 즉, 정보 처리 시스템(100)은 촬영 시점의 차이가 있는 복수의 엑스레이 이미지 각각에 대하여, 기준 영역에 대한 대상 병변의 점유율을 산출할 수 있다. 정보 처리 시스템(100)은 대상 병변의 점유율 변화를 통해, 기준 영역에서의 대상 병변의 크기 변화를 측정할 수 있다.

일 실시예에서, 정보 처리 시스템(100)은 이미지 촬영 장치, 사용자 단말 및/또는 저장 시스템(또는 장치)으로부터 대상 병변을 포함한 제1 엑스레이 이미지(110) 및 대상 병변을 포함한 제2 엑스레이 이미지(120)를 수신할 수 있다. 예를 들어, 정보 처리 시스템(100)은 제1 엑스레이 이미지(110) 및 제2 엑스레이 이미지(120)를 순차적으로 수신할 수 있다. 다른 예로서, 정보 처리 시스템(100)은 제1 엑스레이 이미지(110) 및 제2 엑스레이 이미지(120)를 동시에 수신할 수 있다. 여기서, 제1 엑스레이 이미지(110) 및 제2 엑스레이 이미지(120)는 동일한 개체/대상을 다른 시점에서 촬영한 이미지에 해당할 수 있다. 대안적으로 또는 추가적으로, 정보 처리 시스템(100)이 수신한 제1 엑스레이 이미지(110) 및/또는 제2 엑스레이 이미지(120)는 대상 병변을 포함하지 않을 수 있다.

정보 처리 시스템(100)은 수신된 제1 엑스레이 이미지(110) 및 제2 엑스레이 이미지(120)에 기초하여, 대상 병변의 크기 변화 측정 결과(130)를 생성/출력할 수 있다. 여기서, 생성/출력되는 대상 병변의 크기 변화 측정 결과(130)는 제1 엑스레이 이미지(110) 및 제2 엑스레이 이미지(120)의 각각에 포함된 대상 병변의 절대 크기 값, 점유율, 대상 병변의 크기 변화 여부, 변화 정도 등을 포함할 수 있다.

정보 처리 시스템(100)은 제1 엑스레이 이미지(110) 및 제2 엑스레이 이미지(120)의 각각에서의 기준 영역 중 대상 병변에 대응하는 영역이 차지하는 점유율을 산출할 수 있다. 이를 위해, 정보 처리 시스템(100)은 제1 엑스레이 이미지(110) 및 제2 엑스레이 이미지(120)의 각각으로부터 제1 기준 영역 및 제2 기준 영역을 결정하고, 제1 엑스레이 이미지(110) 및 제2 엑스레이 이미지(120)의 각각으로부터 대상 병변을 식별/검출할 수 있다. 여기서, 기준 영역은, 제1 엑스레이 이미지(110) 및 제2 엑스레이 이미지(120)의 각각의 전체 영역(예를 들어, 폐 영역)을 복수의 영역(예를 들어, 좌 폐, 우 폐 등)으로 분할함으로써 결정된 영역을 지칭할 수 있다. 예를 들어, 정보 처리 시스템(100)은 제1 엑스레이 이미지(110)를 기준 영역 추출 모델에 입력함으로써, 제1 기준 영역(예를 들어, 제1 엑스레이 이미지에서의 좌측 폐 영역)을 출력하고, 제2 엑스레이 이미지(120)를 기준 영역 추출 모델에 입력함으로써, 제1 기준 영역에 대응되는 제2 기준 영역(예를 들어, 제2 엑스레이 이미지에서의 좌측 폐 영역)을 출력할 수 있다. 이 경우, 정보 처리 시스템(100) 및/또는 저장 시스템은 복수의 참조 엑스레이 이미지 및 참조 기준 영역에 대한 레이블 정보를 이용하여 학습된 기준 영역 추출 모델을 포함할 수 있다.

그리고 나서, 정보 처리 시스템(100)은 제1 기준 영역 중 식별된 대상 병변이 차지하는 제1 점유율 및 제2 기준 영역 중 식별된 대상 병변이 차지하는 제2 점유율을 산출할 수 있다. 예를 들어, 정보 처리 시스템(100)은 제1 기준 영역 내에서 대상 병변이 차지하는 영역의 픽셀 수를 제1 기준 영역에 대응하는 픽셀 수로 나눔으로써, 제1 점유율을 산출하고, 제2 기준 영역 내에서 대상 병변이 차지하는 영역의 픽셀 수를 제2 기준 영역에 대응하는 픽셀 수로 나눔으로써, 제2 점유율을 산출할 수 있다. 또 다른 예로서, 정보 처리 시스템(100)은 제1 기준 영역에 대한 스코어 및 대상 병변에 대한 스코어를 기초로 제1 점유율을 산출하고, 제2 기준 영역에 대한 스코어 및 대상 병변에 대한 스코어를 기초로 제2 점유율을 산출할 수 있다. 정보 처리 시스템(100)은 산출된 점유율을 기초로 대상 병변의 크기 변화를 측정할 수 있다. 예를 들어, 정보 처리 시스템(100)은 제1 기준 영역 중 식별된 대상 병변이 차지하는 제1 점유율 및 제2 기준 영역 중 식별된 대상 병변이 차지하는 제2 점유율에 기초하여, 대상 병변의 크기 변화 여부를 판정할 수 있다. 즉, 정보 처리 시스템(100)은 엑스레이 이미지에 포함된 대상 병변의 절대 크기가 아닌, 점유율의 변화에 기초하여, 대상 병변의 크기 변화를 측정할 수 있다.

일 실시예에서, 정보 처리 시스템(100)은 제1 점유율 및 제2 점유율에 기초하여, 대상 병변에 대한 점유율 변화량을 산출하고, 산출된 대상 병변에 대한 점유율 변화량과 기준 수치를 비교하여, 대상 병변의 크기 변화 여부를 판정할 수 있다. 예를 들어, 기준 수치는 제1 기준 수치 및 제2 기준 수치를 포함할 수 있다. 이 경우, 산출된 대상 병변에 대한 점유율 변화량이 제1 기준 수치보다 크거나 같은 경우, 대상 병변의 크기가 증가한 것으로 판정되고, 제 산출된 대상 병변에 대한 점유율 변화량이 제1 기준 수치보다 작고, 제2 기준 수치보다 크거나 같은 경우, 대상 병변의 크기가 무변화한 것으로 판정되고, 산출된 대상 병변에 대한 점유율 변화량이 제2 기준 수치보다 작은 경우, 대상 병변의 크기가 감소한 것으로 판정될 수 있다. 추가적으로 또는 대안적으로, 기준 수치는 테스트 세트에 대해 산출된 타겟 메트릭과 연관된 수치 또는 예측 정확도와 연관된 수치에 기초하여 결정될 수 있다.

다른 실시예에서, 정보 처리 시스템(100)은 제1 점유율 및 제2 점유율에 기초하여, 대상 병변에 대한 점유율 변화량을 산출하고, 산출된 대상 병변에 대한 점유율 변화량을 변화 여부 판정 모델에 입력함으로써, 출력되는 판정 결과에 기초하여, 대상 병변의 크기 변화 여부를 결정할 수 있다. 이를 위해, 정보 처리 시스템(100) 및/또는 저장 시스템은 변화 여부 판정 모델을 포함할 수 있으며, 변화 여부 판정 모델은, 대상 병변에 대한 참조 점유율 변화량에 대한 입력 값을 기초로 참조 대상 병변의 크기 변화 여부에 대한 판정 결과를 출력하도록 학습된 기계학습 모델을 포함할 수 있다.

도 2는 본 개시의 일 실시예에 따른 정보 처리 시스템(100)의 내부 구성을 나타내는 블록도이다. 정보 처리 시스템(100)은 메모리(210), 프로세서(220), 통신 모듈(230) 및 입출력 인터페이스(240)를 포함할 수 있다. 도 2에 도시된 바와 같이, 정보 처리 시스템(100)은 통신 모듈(230)을 이용하여 네트워크를 통해 정보 및/또는 데이터를 통신할 수 있도록 구성될 수 있다.

메모리(210)는 비-일시적인 임의의 컴퓨터 판독 가능한 기록매체를 포함할 수 있다. 일 실시예에 따르면, 메모리(210)는 RAM(random access memory), ROM(read only memory), 디스크 드라이브, SSD(solid state drive), 플래시 메모리(flash memory) 등과 같은 비소멸성 대용량 저장 장치(permanent mass storage device)를 포함할 수 있다. 다른 예로서, ROM, SSD, 플래시 메모리, 디스크 드라이브 등과 같은 비소멸성 대용량 저장 장치는 메모리와는 구분되는 별도의 영구 저장 장치로서 정보 처리 시스템(100)에 포함될 수 있다. 또한, 메모리(210)에는 운영체제와 적어도 하나의 프로그램 코드(예를 들어, 대상 병변의 크기 변화를 측정하기 위한 애플리케이션, 엑스레이 이미지로부터 기준 영역을 결정하는 프로그램, 엑스레이 이미지로부터 대상 병변을 식별하는 프로그램, 대상 병변의 점유율을 산출하는 프로그램 등을 위한 코드)가 저장될 수 있다.

이러한 소프트웨어 구성요소들은 메모리(210)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독가능한 기록매체는 이러한 정보 처리 시스템(100)에 직접 연결가능한 기록 매체를 포함할 수 있는데, 예를 들어, 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 예로서, 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 모듈(230)을 통해 메모리(210)에 로딩될 수도 있다. 예를 들어, 적어도 하나의 프로그램은 개발자들 또는 애플리케이션의 설치 파일을 배포하는 파일 배포 시스템이 통신 모듈(230)을 통해 제공하는 파일들에 의해 설치되는 컴퓨터 프로그램(예를 들어, 대상 병변의 크기 변화를 측정하기 위한 애플리케이션, 엑스레이 이미지로부터 기준 영역을 결정하는 프로그램, 엑스레이 이미지로부터 대상 병변을 식별하는 프로그램, 대상 병변의 점유율을 산출하는 프로그램 등을 위한 코드)에 기반하여 메모리(210)에 로딩될 수 있다.

프로세서(220)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(210) 또는 통신 모듈(230)에 의해 사용자 단말(미도시) 또는 다른 외부 시스템으로 제공될 수 있다. 예를 들어, 프로세서(220)는 메모리(210)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.

통신 모듈(230)은 네트워크를 통해 사용자 단말 및/또는 영상 촬영 장치와 정보 처리 시스템(100)이 서로 통신하기 위한 구성 또는 기능을 제공할 수 있으며, 정보 처리 시스템(100)이 저장 장치 및/또는 다른 시스템(일례로 별도의 클라우드 시스템 등)과 통신하기 위한 구성 또는 기능을 제공할 수 있다. 일 실시예에서, 정보 처리 시스템(100)의 프로세서(220)의 제어에 따라 제공되는 제어 신호, 명령, 데이터 등이 통신 모듈(230)과 네트워크를 거쳐 사용자 단말의 통신 모듈을 통해 사용자 단말에 제공될 수 있다. 예를 들어, 정보 처리 시스템(100)은 통신 모듈(230)을 통해 외부 장치(예를 들어, 저장 장치, 영상 촬영 장치, 외부 시스템 등)로부터 대상 병변을 포함한 엑스레이 이미지(예를 들어, 대상 병변을 포함한 제1 엑스레이 이미지 및 대상 병변을 포함한 제2 엑스레이 이미지)를 수신할 수 있다. 추가적으로, 정보 처리 시스템(100)은 통신 모듈(230)을 통해 대상 병변의 크기 변화 측정 결과를 사용자 단말에 제공할 수 있다.

또한, 정보 처리 시스템(100)의 입출력 인터페이스(240)는 정보 처리 시스템(100)과 연결되거나 정보 처리 시스템(100)이 포함할 수 있는 입력 또는 출력을 위한 장치(미도시)와의 인터페이스를 위한 수단일 수 있다. 도 2에서는 입출력 인터페이스(240)가 프로세서(220)와 별도로 구성된 요소로서 도시되었으나, 이에 한정되지 않으며, 입출력 인터페이스(240)가 프로세서(220)에 포함되도록 구성될 수 있다. 정보 처리 시스템(100)은 도 2의 구성요소들보다 더 많은 구성요소들을 포함할 수 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다.

정보 처리 시스템(100)의 프로세서(220)는 복수의 사용자 단말 및/또는 복수의 외부 시스템으로부터 수신된 정보 및/또는 데이터를 관리, 처리 및/또는 저장하도록 구성될 수 있다. 일 실시예에서, 프로세서(220)는 수신된 제1 엑스레이 이미지, 제2 엑스레이 이미지 등을 저장, 처리 및 전송할 수 있다. 예를 들어, 프로세서(220)는 제1 엑스레이 이미지 및 제2 엑스레이 이미지의 각각에서의 기준 영역 중 대상 병변에 대응하는 영역이 차지하는 점유율을 산출할 수 있다. 또한, 프로세서(220)는 산출된 점유율을 기초로 대상 병변의 크기 변화를 측정하고, 측정 결과를 정보를 사용자 단말로 전송할 수 있다.

도 3은 본 개시의 일 실시예에 따른 엑스레이 이미지 내에서의 대상 병변의 크기 변화를 측정하는 방법(300)을 나타내는 흐름도이다. 일 실시예에서, 대상 병변의 크기 변화를 측정하는 방법(300)은 프로세서(예를 들어, 정보 처리 시스템의 적어도 하나의 프로세서)에 의해 수행될 수 있다. 대상 병변의 크기 변화를 측정하는 방법 (300)은 프로세서가 대상 병변을 포함한 제1 엑스레이 이미지 및 대상 병변을 포함한 제2 엑스레이 이미지를 수신함으로써 개시될 수 있다(S310).

프로세서는 제1 엑스레이 이미지 및 제2 엑스레이 이미지의 각각에서의 기준 영역 중 대상 병변에 대응하는 영역이 차지하는 점유율을 산출할 수 있다(S320). 여기서, 기준 영역은, 제1 엑스레이 이미지 및 제2 엑스레이 이미지의 각각의 전체 영역을 복수의 영역으로 분할함으로써 결정된 영역을 지칭할 수 있다. 일 실시예에서, 프로세서는 제1 엑스레이 이미지 및 제2 엑스레이 이미지의 각각으로부터 제1 기준 영역 및 제2 기준 영역을 결정하고, 제1 엑스레이 이미지 및 제2 엑스레이 이미지의 각각으로부터 대상 병변을 식별하고, 제1 기준 영역 중 식별된 대상 병변이 차지하는 제1 점유율 및 제2 기준 영역 중 식별된 대상 병변이 차지하는 제2 점유율을 산출할 수 있다. 이를 위해, 프로세서는 제1 엑스레이 이미지를 기준 영역 추출 모델에 입력하여, 제1 기준 영역을 출력하고, 제2 엑스레이 이미지를 기준 영역 추출 모델에 입력하여 제2 기준 영역을 출력할 수 있다. 여기서, 제2 기준 영역은 제1 기준 영역에 대응되며, 기준 영역 추출 모델은, 복수의 참조 엑스레이 이미지 및 참조 기준 영역에 대한 레이블 정보를 이용하여 학습된 것일 수 있다. 예를 들어, 프로세서는 제1 기준 영역 내에서 대상 병변이 차지하는 영역의 픽셀 수를 제1 기준 영역에 대응하는 픽셀 수로 나눔으로써, 제1 점유율을 산출하고, 제2 기준 영역 내에서 대상 병변이 차지하는 영역의 픽셀 수를 제2 기준 영역에 대응하는 픽셀 수로 나눔으로써, 제2 점유율을 산출할 수 있다.

프로세서는 산출된 점유율을 기초로 대상 병변의 크기 변화를 측정할 수 있다(S330). 일 실시예에서, 프로세서는 제1 점유율 및 제2 점유율에 기초하여, 대상 병변의 크기 변화 여부를 판정할 수 있다. 예를 들어, 프로세서는 산출된 대상 병변에 대한 점유율 변화량(예: 제2 점유율에서 제1 점유율을 뺀 수치 등)과 기준 수치를 비교하여, 대상 병변의 크기 변화 여부를 판정할 수 있다. 이 경우, 기준 수치는 제1 기준 수치 및 제2 기준 수치를 포함하고, 제2 점유율에서 제1 점유율을 뺀 수치가 제1 기준 수치보다 크거나 같은 경우, 대상 병변의 크기가 증가한 것으로 판정되고, 제2 점유율에서 제1 점유율을 뺀 수치가 제1 기준 수치보다 작고, 제2 기준 수치보다 크거나 같은 경우, 대상 병변의 크기가 무변화한 것으로 판정되고, 제2 점유율에서 제1 점유율을 뺀 수치가 제2 기준 수치보다 작은 경우, 대상 병변의 크기가 감소한 것으로 판정될 수 있다. 여기서, 기준 수치는, 테스트 세트에 대해 산출된 타겟 메트릭과 연관된 수치 또는 예측 정확도와 연관된 수치에 기초하여 결정될 수 있다. 다른 예로서, 프로세서는 제1 점유율 및 제2 점유율 사이의 차이를 변화 여부 판정 모델에 입력함으로써, 출력되는 판정 결과에 기초하여, 대상 병변의 크기 변화 여부를 결정할 수 있다. 여기서, 변화 여부 판정 모델은, 참조 점유율 차이에 대한 입력 값을 기초로 참조 대상 병변의 크기 변화 여부에 대한 판정 결과를 출력하도록 학습된 기계학습 모델을 포함할 수 있다.

도 4는 본 개시의 일 실시예에 따라 정보 처리 시스템(100)이 사용자 단말(420)을 통해 기준 영역 추출 모델을 학습하기 위한 레이블 정보를 제공받는 예시를 나타내는 도면이다. 엑스레이 이미지는 목적에 따라 공통적으로 포함되는 영역(예를 들어, 타겟 조직, 기관, 기관계, 장기 등)을 포함할 수 있다. 일 실시예에 따르면, 흉부 엑스레이 이미지의 경우, 폐 영역이 이미지(또는 영상)에 포함되도록 환자와 영상 장비의 위치를 조정하여 촬영될 수 있다. 대상 병변의 크기 변화를 측정하기 위해, 엑스레이 이미지(예를 들어, 과거의 엑스레이 이미지, 현재의 엑스레이 이미지)에 공통적으로 존재할 수 있는 영역에서 기준 영역에 해당하는 영역이 설정될 수 있다. 여기서, 기준 영역은 엑스레이 이미지의 각각의 전체 영역을 복수의 영역으로 분할함으로써 결정된 영역일 수 있다. 예를 들어, 흉부 엑스레이 이미지에서 폐 영역을 판독하는 데 사용되는 6개의 독립적인 영역('Upper right 영역', 'Upper Left 영역', 'Mid right 영역', 'Mid left 영역', 'Lower right 영역', 'Lower left 영역') 중 적어도 하나의 영역을 포함하는 기준 영역이 설정될 수 있다. 즉, 6개의 독립적인 영역 각각 또는 6개의 독립적인 영역 중 일부를 융합한 영역(예: 폐 전체 영역, 폐의 좌/우 영역, 폐의 상단/중간/하단 영역)이 기준 영역에 해당할 수 있다.

기준 영역에 대한 대상 병변의 점유율을 산출하기 위해, 정보 처리 시스템(예를 들어, 정보 처리 시스템의 적어도 하나의 프로세서)(100)은 기준 영역 추출 모델을 통해 엑스레이 이미지에서 기준 영역을 결정할 수 있다. 이를 위해, 정보 처리 시스템(100)은 기준 영역 추출 모델을 생성/학습할 수 있다. 일 실시예에서, 정보 처리 시스템(100)은 기계학습 방식을 통하여 각각의 엑스레이 이미지에서 기준 영역을 찾는 알고리즘을 학습할 수 있다. 예를 들어, 기준 영역 추출 모델은, 세그멘테이션(segmentation) 인공신경망 모델을 지칭할 수 있다. 이렇게 생성/학습된 기준 영역 추출 모델은 정보 처리 시스템 및/또는 저장 시스템에 저장될 수 있다. 기준 영역 추출 모델을 생성/학습하기 위해, 정보 처리 시스템(100)은 사용자 단말(420) 및/또는 저장 시스템(410)과 연결되어 통신 가능하도록 구성될 수 있다.

일 실시예에서, 기준 영역 추출 모델을 학습하기 위해, 정보 처리 시스템(100)은 사용자 단말(420)로 어노테이션 대상이 되는 참조 엑스레이 이미지를 출력할 수 있다. 여기서, 어노테이션 대상이 되는 참조 엑스레이 이미지는 저장 시스템(410)으로부터 수신될 수 있다. 그 후, 사용자(예를 들어, 어노테이터)는 사용자 단말(420)을 통해 출력되는 참조 엑스레이 이미지에 포함된 전체 영역(예를 들어, 폐 영역)을 분할한 복수의 영역(예를 들어, upper right 영역, mid right 영역, lower right 영역, upper left 영역, mid left 영역, lower left 영역 등) 각각에 대한 레이블 정보(예를 들어, 어노테이션 정보)를 결정하여 정보 처리 시스템(100)으로 제공할 수 있다. 예를 들어, 사용자(예를 들어, 어노테이터)는 사용자 단말(420)을 통해 참조 기준 영역에 대한 레이블 정보를 정보 처리 시스템(100)으로 제공할 수 있다. 여기서, 참조 기준 영역은 복수의 영역 중 대상 병변의 크기 변화를 측정하고자 하는 적어도 하나의 영역을 포함할 수 있다. 정보 처리 시스템(100)은 수신된 참조 엑스레이 이미지 및 참조 기준 영역에 대한 레이블 정보를 이용하여 기준 영역 추출 모델을 생성 및/또는 학습할 수 있다.

정보 처리 시스템(100)은 기준 영역 추출 모델의 학습 자료로 사용하기 위하여, 복수의 흉부 엑스레이 이미지를 학습 이미지로서 사용자 단말(420)에 제공할 수 있다. 사용자는 사용자 단말(420)을 통해 복수의 흉부 엑스레이 이미지에 포함된 폐의 6개 영역에 대한 어노테이션을 수행하고, 어노테이션 결과로서 폐의 6개 영역에 대한 레이블 정보를 포함한 학습 이미지(430)를 정보 처리 시스템(100)에 제공할 수 있다. 정보 처리 시스템(100)은 레이블 정보를 포함한 학습 이미지(430)에 기초하여, 흉부 엑스레이 이미지로부터 폐의 6개 영역 각각을 결정하는 모델을 생성/학습할 수 있다. 추가적으로 또는 대안적으로, 정보 처리 시스템(100)은 학습 이미지 및 레이블 정보에 기초하여, 흉부 엑스레이 이미지로부터 기준 영역을 결정하는 모델을 생성 및/또는 학습할 수 있다. 여기서, 기준 영역은, 폐의 6개의 영역 중 적어도 하나의 영역을 포함할 수 있다.

일 실시예에서, 정보 처리 시스템(100)은 하나의 엑스레이 이미지를 입력으로 받는 알고리즘을 학습하며, 폐의 6개 영역에 대한 레이블 정보(즉, 어노테이션 정보)(430)와의 손실(loss)을 최소화하는 방식으로 학습할 수 있다. 예를 들어, 정보 처리 시스템(100)은 엑스레이 이미지에서 폐의 6개 영역에 대한 레이블 정보(430)를 이용하여, 이미지의 각 픽셀이 각 영역에 해당할 확률을 계산할 수 있다. 이 경우, 각 영역의 좌/우를 구분하기 위해 이미지가 플립(flip)되어 있지 않다고 가정할 수 있다. 또한, 노이즈를 제거하기 위해, 기준 값(threshold)을 설정하여 해당 값보다 낮은 값을 클리핑(clipping)할 수 있다.

도 4에서는, 하나의 사용자 단말(420)이 도시되어 있으나, 이에 한정되지 않으며, 복수의 사용자 단말(420)이 정보 처리 시스템(100)과 연결되어 통신되도록 구성될 수 있다. 또한, 도 4에서는 저장 시스템(410)이 하나의 장치로서 도시되어 있으나, 이에 한정되지 않으며, 복수의 저장 장치로 구성되거나 클라우드(cloud)를 지원하는 시스템으로 구성될 수 있다. 또한, 도 4에서는 기준 영역 추출 모델을 생성/학습하는 시스템의 각각의 구성요소들은 기능적으로 구분되는 기능 요소들을 나타낸 것으로, 복수의 구성 요소가 실제 물리적 환경에서 서로 통합되는 형태로 구현될 수 있다. 도 4에서는 정보 처리 시스템(100)과 저장 시스템(410)이 별도의 시스템으로 도시되어 있으나, 이에 한정되지 않으며, 하나의 시스템으로 통합되어 구성될 수 있다.

도 5는 본 개시의 일 실시예에 따라 정보 처리 시스템(100)이 엑스레이 이미지에서 기준 영역을 결정하여, 사용자 단말(520)을 통해 출력하는 예시를 나타내는 도면이다. 대상 병변의 크기 변화를 측정하기 위해, 정보 처리 시스템(예를 들어, 정보 처리 시스템의 적어도 하나의 프로세서)(100)은 엑스레이 이미지에서 기준 영역을 결정할 수 있다. 여기서, 기준 영역은, 엑스레이 이미지의 전체 영역을 복수의 영역으로 분할함으로써 결정될 수 있다. 일 실시예에서, 정보 처리 시스템(100)은 제1 엑스레이 이미지 및 제2 엑스레이 이미지의 각각으로부터 제1 기준 영역 및 제2 기준 영역을 결정할 수 있다. 일 실시예에서, 정보 처리 시스템(100)은 제1 엑스레이 이미지를 기준 영역 추출 모델에 입력하여, 제1 기준 영역을 출력하고, 제2 엑스레이 이미지를 기준 영역 추출 모델에 입력하여 제2 기준 영역을 출력할 수 있다. 여기서, 제2 기준 영역은 제1 기준 영역에 대응될 수 있다. 예를 들어, 제1 엑스레이 이미지에서 좌측 폐에 해당하는 영역이 제1 기준 영역에 해당하는 경우, 제2 엑스레이 이미지에서도 좌측 폐에 해당하는 영역이 제2 기준 영역에 해당할 수 있다.

정보 처리 시스템(100)은 대상 병변의 크기 변화를 측정할 대상 엑스레이 이미지(예를 들어, 제1 엑스레이 이미지 및 제2 엑스레이 이미지)를 수신할 수 있다. 예를 들어, 정보 처리 시스템(100)은 저장 시스템(510), 사용자 단말(520) 및/또는 영상 촬영 장치로부터 대상 엑스레이 이미지를 수신할 수 있다. 정보 처리 시스템(100)은 수신된 대상 엑스레이 이미지에서 기준 영역을 결정할 수 있다. 예를 들어, 정보 처리 시스템(100)은 대상 엑스레이 이미지에 포함된 전체 영역을 복수의 영역으로 분할함으로써, 기준 영역을 결정할 수 있다. 도시된 바와 같이, 정보 처리 시스템(100)은 대상 엑스레이 이미지에 포함된 폐 영역을 6개의 영역(예를 들어, 'Upper right 영역', 'Upper Left 영역', 'Mid right 영역', 'Mid left 영역', 'Lower right 영역', 'Lower left 영역')으로 분할함으로써 기준 영역을 결정할 수 있다. 여기서, 기준 영역은 복수의 영역 중 적어도 일부를 포함할 수 있다. 일 실시예에 따르면, 대상 엑스레이 이미지에 포함된 조직(예를 들어, 폐) 영역은 복수의 영역으로 분할될 수 있으며, 분할된 복수의 영역의 임의의 조합이 기준 영역으로 결정될 수 있다. 이 경우, 이러한 복수의 영역의 조합인 기준 영역 내의 병변 크기의 비율이 산출됨으로써, 점유율이 산출될 수 있다. 예를 들어, 기준 영역은 'Upper right 영역', 'Mid right 영역', 'Lower right 영역'을 포함하는 우측 폐 영역으로 결정될 수 있다.

도 5에서는, 정보 처리 시스템(100)이 폐의 복수의 영역이 표시된 엑스레이 이미지(530)를 사용자 단말(520)을 통해 출력하고 있으나, 이에 한정되지 않는다. 예를 들어, 정보 처리 시스템(100)이 전체 영역을 복수의 영역으로 분할하고 기준 영역을 결정하여, 대상 병변의 크기 변화를 측정하는 과정을 모두 수행한 후, 크기 변화 측정 결과만을 사용자 단말(520)을 통해 출력할 수 있다. 이 경우, 정보 처리 시스템(100)은 별도로 폐의 복수의 영역 또는 기준 영역이 표시된 엑스레이 이미지를 사용자 단말(520)을 통해 출력하지 않을 수 있다.

또한, 도 5에서는, 하나의 사용자 단말(520)이 도시되어 있으나, 이에 한정되지 않으며, 복수의 사용자 단말(520)이 정보 처리 시스템(100)과 연결되어 통신되도록 구성될 수 있다. 또한, 도 5에서는 저장 시스템(510)이 하나의 장치로서 도시되어 있으나, 이에 한정되지 않으며, 복수의 저장 장치로 구성되거나 클라우드(cloud)를 지원하는 시스템으로 구성될 수 있다. 또한, 도 5에서는 기준 영역 추출 모델을 생성/학습하는 시스템의 각각의 구성요소들은 기능적으로 구분되는 기능 요소들을 나타낸 것으로, 복수의 구성 요소가 실제 물리적 환경에서 서로 통합되는 형태로 구현될 수 있다. 도 5에서는 정보 처리 시스템(100)과 저장 시스템(510)이 별도의 시스템으로 도시되어 있으나, 이에 한정되지 않으며, 하나의 시스템으로 통합되어 구성될 수 있다.

도 6은 본 개시의 일 실시예에 따라, 제1 엑스레이 이미지(620)로부터 제1 점유율(628)을 산출하고, 제2 엑스레이 이미지(630)로부터 제2 점유율(638)을 산출하는 예시를 나타내는 도면이다. 프로세서(예를 들어, 정보 처리 시스템의 적어도 하나의 프로세서)(610)는 대상 병변을 포함한 제1 엑스레이 이미지(620) 및 대상 병변을 포함한 제2 엑스레이 이미지(630)를 수신하여, 제1 엑스레이 이미지(620) 및 제2 엑스레이 이미지(630)의 각각에서의 기준 영역 중 대상 병변에 대응하는 영역이 차지하는 점유율을 산출할 수 있다. 여기서, 점유율은 기준 영역의 크기(픽셀 수) 대비 기준 영역 내에 위치한 병변의 크기(픽셀 수)를 지칭할 수 있다. 예를 들어, 좌측 폐가 기준 영역에 해당하는 경우, 좌측 폐에 대한 대상 병변의 점유율은, 엑스레이 이미지 내에서의 좌측 폐의 크기(픽셀 수) 대비 좌측 폐에 위치한 대상 병변의 크기(픽셀 수)를 지칭할 수 있다.

일 실시예에서, 프로세서(610)는 제1 엑스레이 이미지(620) 및 제2 엑스레이 이미지(630)의 각각으로부터 제1 기준 영역(626) 및 제2 기준 영역(636)을 결정하고, 제1 엑스레이 이미지(620) 및 제2 엑스레이 이미지(630)의 각각으로부터 대상 병변을 식별할 수 있다. 그리고 나서, 프로세서(610)는 제1 기준 영역(626) 중 식별된 대상 병변이 차지하는 제1 점유율(628) 및 제2 기준 영역(636) 중 식별된 대상 병변이 차지하는 제2 점유율(638)을 산출할 수 있다. 예를 들어, 아래 수학식 1 및 2와 같이, 프로세서(610)는 제1 엑스레이 이미지(620)에서의 대상 병변이 차지하는 영역(622)의 픽셀 수를 제1 기준 영역(626)에 대응하는 픽셀 수로 나눔으로써, 제1 점유율(628)을 산출하고, 제2 엑스레이 이미지(630)에서의 대상 병변이 차지하는 영역(632)의 픽셀 수를 제2 기준 영역(636)에 대응하는 픽셀 수로 나눔으로써, 제2 점유율(638)을 산출할 수 있다.

위와 같이 산출된 점유율을 통해, 프로세서는 엑스레이 이미지의 크기나 환자의 위치에 상관없이, 두 엑스레이 이미지 내에서의 대상 병변의 크기를 비교할 수 있으며, 대상 병변의 크기 변화를 더욱 정확하게 계산할 수 있다.

도시된 바와 같이, 프로세서는 제1 흉부 엑스레이 이미지(620)를 수신하여, 제1 흉부 엑스레이 이미지(620)에 포함된 폐 영역(즉, 전체 영역)(624)을 결정하고, 결정된 폐 영역(624) 중 좌측 폐 영역에 해당하는 제1 기준 영역(626)을 결정할 수 있다. 또한, 프로세서는 제1 흉부 엑스레이 이미지(620)에 포함된 대상 병변 영역(622)을 식별할 수 있다. 여기서, 대상 병변 영역은, 기준 영역에서의 대상 병변이 차지하는 영역을 지칭할 수 있다. 그 후, 프로세서는 대상 병변 영역(622)의 픽셀 수를 제1 기준 영역(626)의 픽셀 수로 나눔으로써, 제1 점유율(628)을 산출할 수 있다. 이와 마찬가지로, 프로세서는 제2 흉부 엑스레이 이미지(630)를 수신하여, 제2 흉부 엑스레이 이미지(630)에 포함된 폐 영역(634)을 결정하고, 결정된 폐 영역(634) 중 좌측 폐 영역에 해당하는 제2 기준 영역(636)을 결정할 수 있다. 또한, 프로세서는 제2 흉부 엑스레이 이미지(630)에 포함된 대상 병변 영역(632)을 식별할 수 있다. 그 후, 프로세서는 대상 병변 영역(632)의 픽셀 수를 제2 기준 영역(636)의 픽셀 수로 나눔으로써, 제2 점유율(638)을 산출할 수 있다.

도 6에서는, 프로세서가 제1 엑스레이 이미지(620)와 제2 엑스레이 이미지(630)를 각각 수신하여, 점유율을 산출하는 예시를 도시하고 있으나, 이에 한정되지 않는다. 예를 들어, 프로세서가 제1 엑스레이 이미지(620)와 제2 엑스레이 이미지(630)를 동시에 수신하여, 점유율을 산출할 수 있다. 대안적으로, 프로세서가 제1 엑스레이 이미지(620)와 제2 엑스레이 이미지(630)를 순차적으로 수신하여, 점유율을 산출할 수 있다.

도 7은 본 개시의 일 실시예에 따라 제1 점유율(628) 및 제2 점유율(638)에 기초하여 대상 병변의 크기 변화 측정 결과(720)를 생성하는 예시를 나타내는 도면이다. 프로세서(예를 들어, 정보 처리 시스템의 적어도 하나의 프로세서)는 산출된 점유율을 기초로 대상 병변의 크기 변화를 측정할 수 있다. 예를 들어, 도시된 바와 같이, 프로세서에 포함된 변화 측정부(710)가 상술한 바와 같이 산출된 제1 점유율(628) 및 제2 점유율(638)을 수신하여, 대상 병변의 크기 변화를 측정하고, 대상 병변 크기 변화 측정 결과(720)를 생성할 수 있다. 대상 병변 크기 변화 측정 결과(720)는 제1 점유율 정보, 제2 점유율 정보, 대상 병변의 점유율 변화량 정보 및/또는 대상 병변의 크기 변화에 대한 정보(예를 들어, 증가, 감소, 무변화 등)를 포함할 수 있다. 여기서, 대상 병변의 점유율 변화량 정보는 아래 수학식 3과 같이 산출될 수 있다.

사용자는 수치적으로 표현되는 대상 병변의 점유율 변화량뿐만 아니라, 해당 대상 병변의 변화 여부에 대한 정보(예를 들어, 증가, 감소, 무변화 여부에 대한 정보)를 필요로 할 수 있다. 일 실시예에서, 변화 측정부(710)는 제1 점유율(628) 및 제2 점유율(638)에 기초하여, 대상 병변의 크기 변화 여부를 판정할 수 있다. 예를 들어, 변화 측정부(710)는 제2 점유율(638)에서 제1 점유율(628)을 뺀 수치와 기준 수치를 비교하여, 대상 병변의 크기 변화 여부를 판정할 수 있다. 즉, 변화 측정부(710)는 휴리스틱(heuristic)한 기준 수치에 기초하여, 대상 병변의 크기 변화 여부를 판정할 수 있다. 일례로, 기준 수치는 제1 기준 수치(t1) 및 제2 기준 수치(t2)를 포함하고, 제2 점유율(638)에서 제1 점유율(628)을 뺀 수치(즉, 대상 병변의 점유율 변화량)가 제1 기준 수치(t1)보다 크거나 같은 경우, 대상 병변의 크기가 증가한 것으로 판정되고, 제2 점유율(638)에서 제1 점유율(628)을 뺀 수치가 제1 기준 수치(t1)보다 작고, 제2 기준 수치(t2)보다 크거나 같은 경우, 대상 병변의 크기가 무변화한 것으로 판정되고, 제2 점유율(638)에서 제1 점유율(628)을 뺀 수치가 제2 기준 수치(t2)보다 작은 경우, 대상 병변의 크기가 감소한 것으로 판정될 수 있다. 즉, 약간의 변화는, 변화가 아닌 것으로 가정할 수 있다. 이는 엑스레이 이미지가 완전히 정확한 정보에 해당하지 않을 수 있기 때문이다.

일 실시예에서, 기준 수치(threshold)는, 테스트 세트에 대해 산출된 타겟 메트릭(metric)과 연관된 수치 또는 예측 정확도와 연관된 수치에 기초하여 결정될 수 있다. 즉, 제1 기준 수치(t1), 제2 기준 수치(t2)를 설정하기 위하여, 프로세서는 테스트 세트를 수신하고, 수신된 테스트 세트에 대하여 특정 메트릭(예를 들어, auc, accuracy 등)이 높은 기준 수치를 획득할 수 있다. 예를 들어, 프로세서는 임의로 기준 수치를 찾을 수 있다. 대안적으로, AUC(Area Under Curve) 메트릭에서 작동 지점(operating point)이 있는 커브이기 때문에, 특정 기준 수치의 민감도(sensitivity) 및 특정성(specificity)을 산출할 수 있다. 이러한 점을 감안하여, 프로세서는 민감도 및 특정성이 최대가 되는 지점을 찾아 기준 수치로 설정할 수 있다. 이러한 방법으로, 프로세서는 증가와 무변화 사이의 제1 기준 수치 및 감소와 무변화 사이의 제2 기준 수치를 설정할 수 있다.

다른 예로서, 변화 측정부(710)는 제1 점유율(628) 및 제2 점유율(638) 사이의 차이를 변화 여부 판정 모델에 입력함으로써, 출력되는 판정 결과에 기초하여, 대상 병변의 크기 변화 여부를 결정할 수 있다. 여기서, 제1 점유율(628) 및 제2 점유율(638) 사이의 차이는 제2 점유율(638)에서 제1 점유율(628)은 뺀 값(즉, 대상 병변에 대한 점유율 변화량)을 지칭할 수 있다. 또한, 변화 여부 판정 모델은, 참조 점유율 차이(또는, 대상 병변에 대한 참조 점유율 변화량)에 대한 입력 값을 기초로 참조 대상 병변의 크기 변화 여부에 대한 판정 결과를 출력하도록 학습된 기계학습 모델을 포함할 수 있다. 변화 여부 판정 모델을 생성/학습하기 위해, 사용자의 어노테이션 작업이 필요할 수 있다. 예를 들어, 프로세서는 참조 점유율 변화량 및 대상 병변의 크기 변화 여부에 대한 사용자의 레이블 정보(증가, 감소, 무변화)를 수신하여, 점유율 변화량을 입력함에 따라 대상 병변의 증가, 감소, 무변화 중 하나를 출력하는 기계학습 모델을 생성/학습할 수 있다. 변화 측정부(710)는 생성/학습된 기계학습 모델(예를 들어, 변화 여부 판정 모델)을 이용하여, 대상 병변의 크기 변화 여부를 결정할 수 있다.

도 8은 본 개시의 일 실시예에 따라 흉부 엑스레이 이미지(810, 820) 내의 대상 병변의 크기 변화를 측정하는 예시를 나타내는 도면이다. 프로세서(예를 들어, 정보 처리 시스템의 적어도 하나의 프로세서)는 엑스레이 이미지 내에서 전체 영역(예를 들어, 폐)의 크기 및/또는 기준 영역(예를 들어, 우측 폐)의 크기를 측정할 수 있다. 또한, 프로세서는 CAD(Computer Aided Detection) 방식 또는 기존의 알고리즘을 통해, 대상 병변의 크기 및 위치를 측정할 수 있다.

도 8의 표(830)에 도시된 바와 같이, 제1 흉부 엑스레이 이미지(810) 상의 우측 폐 영역(lung_area1)의 크기는 11389.0으로 측정되고, 제2 흉부 엑스레이 이미지(820) 상의 우측 폐 영역(lung_area2)의 크기는 12076.0으로 측정될 수 있다. 즉, 동일한 개체/대상의 폐를 촬영한 엑스레이 이미지에 해당하더라도, 이미지의 크기, 개체/대상의 위치 및/또는 상태에 따라 폐 영역의 크기가 상이하게 측정될 수 있다. 또한, 제1 흉부 엑스레이 이미지(810) 상에서 우측 폐 영역 내에서의 대상 영역(area1)의 크기는 약 1739.8578로 측정되고, 제2 흉부 엑스레이 이미지(820) 상에서 우측 폐 영역 내에서의 대상 영역(area2)의 크기는 약 1553.8666으로 측정될 수 있다. 이에 따라, 제1 점유율은 1739.8578/11389.0으로 약 0.15277로 산출되고, 제2 점유율은 1553.8666/12076으로 약 0.12867로 산출될 수 있다. 대상 병변의 점유율 변화량(change_ratio)은 0.12867 - 0.15277로 약 -0.0241로 산출될 수 있다.

일 실시예에서, 프로세서는 산출된 점유율 변화량 약 -0.0241을 기준 수치와 비교하여, 대상 병변의 크기 변화 여부를 판정할 수 있다. 예를 들어, 산출된 점유율 변화량이 기준 수치(예를 들어, 제2 기준 수치)보다 작은 경우, 프로세서는 대상 병변의 크기가 감소한 것으로 판정할 수 있다. 대안적으로, 산출된 점유율 변화량이 제1 기준 수치보다 크고 제2 기준 수치보다 작은 경우, 프로세서는 대상 병변의 크기가 변화하지 않은 것으로 판정할 수 있다. 다른 예로서, 프로세서는 산출된 점유율 변화량(예를 들어, 제1 점유율 및 제2 점유율 사이의 차이)을 변화 여부 판정 모델에 입력함으로써, 출력되는 판정 결과에 기초하여 대상 병변의 크기 변화 여부를 결정할 수 있다.

폐의 경우, 들숨이나 날숨에 따라 엑스레이 이미지 상에서 크기 변화가 있을 수 있다. 이 경우, 폐 안에 있는 대상 병변의 크기도 함께 변하므로, 폐의 크기에 대한 대상 병변의 크기의 비율(즉, 점유율)은 유지될 수 있다. 따라서, 이러한 비율의 변화가 대상 병변의 실질적인 변화를 나타낼 수 있다. 또한, 폐에 포함된 복수의 병변은 각각 구분되어 검출될 수 있으며, 각각의 병변에 대한 점유율 및/또는 점유율 변화량이 산출될 수 있으므로, 각각의 병변에 대하여 크기 변화를 측정할 수 있다.

도 9는 본 개시의 일 실시예에 따른 기준 영역에서의 대상 병변의 점유율을 결정하고 대상 병변의 크기 변화를 측정하는 예시를 나타내는 도면이다. 프로세서는 제1 기준 영역(910)에 대한 스코어(예를 들어, 제1 기준 영역의 크기, 픽셀 수 등), 제2 기준 영역(920)에 대한 스코어(예를 들어, 제2 기준 영역의 크기, 픽셀 수 등), 제1 기준 영역 내에서 대상 병변(912)에 대한 스코어 및/또는 제2 기준 영역 내에서 대상 병변(922)에 대한 스코어를 결정(또는 산출)할 수 있다. 그리고 나서, 프로세서는 change algorithm(900)을 이용하여, 제1 기준 영역(910)에 대한 스코어, 제2 기준 영역(920)에 대한 스코어, 제1 기준 영역 내에서 대상 병변(912)에 대한 스코어 및 제2 기준 영역 내에서 대상 병변(922)에 대한 스코어를 기초로 변화 스코어(change score)를 산출할 수 있다.

예를 들어, 프로세서는 기준 영역 추출 모델을 이용하여, 제1 엑스레이 이미지(t1 시간에 촬영됨) 및 제2 엑스레이 이미지(t2 시간에 촬영되고 t1과 상이함) 각각에 대하여, 기준 영역(910, 920)을 결정하고, 기준 영역에 대한 스코어를 결정할 수 있다. 또한, 프로세서는 대상 병변 검출 모델, 세그멘테이션 모델 등을 이용하여, 제1 기준 영역 내에서 대상 병변(912)에 대한 스코어를 결정할 수 있다. 이를 위해, 프로세서는 제1 기준 영역에 포함된 복수의 픽셀 각각에 대한 대상 병변 예측 스코어(또는, 히트맵 값)를 산출할 수 있다. 이와 마찬가지로, 프로세서는 대상 병변 검출 모델, 세그멘테이션 모델 등을 이용하여, 제2 기준 영역에 포함된 복수의 픽셀 각각에 대한 대상 병변 예측 스코어를 산출함으로써, 제2 기준 영역 내에서 대상 병변(922)에 대한 스코어를 결정할 수 있다.

일 실시예에서, 프로세서는 기준 영역 내에서의 대상 병변 영역에 포함된 복수의 픽셀 각각에 대한 히트맵 값(예를 들어, 대상 병변 예측 스코어에 기초하여 결정된 히트맵 값)을 결정하고, 아래 수학식 4와 같이, 기준 영역 각각의 내에서 대상 병변에 대한 스코어를 산출할 수 있다.

여기서, 은 대상 병변 영역에 대한 히트맵 값을 나타내고, f(x)는 x값에 대한 임의의 함수를 나타내고, 는 대상 병변에 대한 스코어를 나타낼 수 있다. 예를 들어, 는 대상 병변 영역에 포함된 복수의 픽셀 각각에 대한 히트맵 값의 합을 나타낼 수 있다. 다른 예로서, 는 대상 병변 영역에 포함된 복수의 픽셀 각각에 대한 히트맵 값의 평균 값을 나타낼 수 있다.

또한, 프로세서는 산출된 스코어들에 기초하여, 아래 수학식 5와 같이 변화 스코어(change score)를 산출할 수 있다. 프로세서는 산출된 스코어들에 기초하여, 대상 병변의 크기 변화 여부 및/또는 크기 변화량을 결정할 수 있다.

여기서, 는 제1 기준 영역 내에서 대상 병변에 대한 스코어, 는 제1 기준 영역에 대한 스코어, 는 제2 기준 영역 내에서 대상 병변에 대한 스코어, 는 제2 기준 영역에 대한 스코어를 나타내고, 는 을 기초로 제1 점유율 및 제2 점유율을 산출하여, 대상 병변의 크기 변화 스코어를 산출하는 임의의 함수를 나타낼 수 있다.

일 실시예에서, 프로세서는 제1 기준 영역(910)에 대한 스코어 및 제1 기준 영역 내에서 대상 병변(912)에 대한 스코어를 기초로 제1 점유율을 산출하고, 제2 기준 영역(920)에 대한 스코어 및 제2 기준 영역 내에서 대상 병변(922)에 대한 스코어를 기초로 제2 점유율을 산출할 수 있다. 예를 들어, 프로세서는 아래 수학식 6 및 7을 이용하여, 제1 점유율 및 제2 점유율을 산출할 수 있다.

여기서, 는 제1 기준 영역에 대한 스코어를 나타내고,는 제1 기준 영역 내에서 대상 병변에 대한 스코어를 나타내고, 는 제1 점유율을 나타내고, 는 제2 기준 영역에 대한 스코어를 나타내고,는 제2 기준 영역 내에서 대상 병변에 대한 스코어를 나타내고, 는 제2 점유율을 나타낼 수 있다.

그리고 나서, 프로세서는 제1 점유율 및 제2 점유율에 기초하여, 대상 병변의 크기 변화 여부를 판정할 수 있다. 즉, 프로세서는 제1 점유율 및 제2 점유율에 기초하여, change score(예를 들어, 변화 스코어, 점유율 변화량 등)를 산출하고, 산출된 change score에 기초하여 대상 병변의 크기 변화 여부 및/또는 변화 정도를 판정할 수 있다. 예를 들어, 프로세서는 아래 수학식 8을 이용하여 change score를 산출할 수 있다.

다른 예로서, 프로세서는 아래 수학식 9를 이용하여 change score를 산출할 수 있다.

또 다른 예로서, 프로세서는 아래 수학식 10을 이용하여 change score를 산출할 수 있다.

위의 수학식 8, 9 및 10에서, 은 제1 점유율을 나타내고, 은 제2 점유율을 나타낼 수 있다.

도 9에서는 대상 병변에 대한 스코어를 산출하는 예시로, 기준 영역 내에서의 대상 병변에 대한 히트맵을 도시하고 있으나, 이에 한정되지 않는다. 예를 들어, 대상 병변에 대한 스코어를 산출하기 위해, 기준 영역에 포함된 복수의 픽셀 각각의 대상 병변에 대한 예측 값, 확률맵 등을 이용할 수 있다.

도 10은 본 개시의 일 실시예에 따른 인공신경망 모델(1000)을 나타내는 예시도이다. 인공신경망 모델(1000)은, 기계학습 모델의 일 예로서, 기계학습(Machine Learning) 기술과 인지과학에서, 생물학적 신경망의 구조에 기초하여 구현된 통계학적 학습 알고리즘 또는 그 알고리즘을 실행하는 구조이다.

일 실시예에 따르면, 인공신경망 모델(1000)은, 생물학적 신경망에서와 같이 시냅스의 결합으로 네트워크를 형성한 인공 뉴런인 노드(Node)들이 시냅스의 가중치를 반복적으로 조정하여, 특정 입력에 대응한 올바른 출력과 추론된 출력 사이의 오차가 감소되도록 학습함으로써, 문제 해결 능력을 가지는 기계학습 모델을 나타낼 수 있다. 예를 들어, 인공신경망 모델(1000)은 기계학습, 딥러닝 등의 인공지능 학습법에 사용되는 임의의 확률 모델, 뉴럴 네트워크 모델 등을 포함할 수 있다.

일 실시예에 따르면, 인공신경망 모델(1000)은 입력되는 엑스레이 이미지로부터 기준 영역을 결정하도록 구성된 인공신경망 모델을 포함할 수 있다. 추가적으로 또는 대안적으로, 인공신경망 모델(1000)은 입력되는 엑스레이 이미지로부터 대상 병변을 식별하는 인공신경망 모델을 포함할 수 있다. 추가적으로 또는 대안적으로, 제1 점유율 및 제2 점유율 사이의 차이(예를 들어, 대상 병변에 대한 점유율 변화량)를 입력하여, 대상 병변의 크기 변화 여부에 대한 판정 결과(예를 들어, 대상 병변의 증가, 감소, 무변화 여부)를 출력하도록 구성된 인공신경망 모델을 포함할 수 있다.

인공신경망 모델(1000)은 다층의 노드들과 이들 사이의 연결로 구성된 다층 퍼셉트론(MLP: multilayer perceptron)으로 구현된다. 본 실시예에 따른 인공신경망 모델(1000)은 MLP를 포함하는 다양한 인공신경망 모델 구조들 중의 하나를 이용하여 구현될 수 있다. 도 10에 도시된 바와 같이, 인공신경망 모델(1000)은, 외부로부터 입력 신호 또는 데이터(1010)를 수신하는 입력층(1020), 입력 데이터에 대응한 출력 신호 또는 데이터(1050)를 출력하는 출력층(1040), 입력층(1020)과 출력층(1040) 사이에 위치하며 입력층(1020)으로부터 신호를 받아 특성을 추출하여 출력층(1040)으로 전달하는 n개(여기서, n은 양의 정수)의 은닉층(1030_1 내지 1030_n)으로 구성된다. 여기서, 출력층(1040)은 은닉층(1030_1 내지 1030_n)으로부터 신호를 받아 외부로 출력한다.

인공신경망 모델(1000)의 학습 방법에는, 교사 신호(정답)의 입력에 의해서 문제의 해결에 최적화되도록 학습하는 지도 학습(Supervised Learning) 방법과, 교사 신호를 필요로 하지 않는 비지도 학습(Unsupervised Learning) 방법이 있다. 일 실시예에서, 정보 처리 시스템은 엑스레이 이미지로부터 기준 영역을 출력하도록 인공신경망 모델(1000)을 지도 학습 및/또는 비지도 학습시킬 수 있다. 예를 들어, 정보 처리 시스템은 복수의 참조 엑스레이 이미지 및 참조 기준 영역에 대한 레이블 정보를 이용하여, 엑스레이 이미지로부터 기준 영역을 출력하도록 인공신경망 모델(1000)을 지도 학습할 수 있다. 추가적으로 또는 대안적으로, 정보 처리 시스템은 엑스레이 이미지의 전체 영역(예를 들어, 폐 영역)을 복수의 영역으로 분할함으로써 기준 영역을 결정하여 출력하도록 인공신경망 모델(1000)을 지도 학습 및/또는 비지도 학습시킬 수 있다. 다른 실시예에서, 정보 처리 시스템은 제1 점유율 및 제2 점유율 사이의 차이를 변화 여부 판정 모델에 입력함에 따라, 대상 병변의 크기 변화 여부에 대한 판정 결과를 출력하도록 인공신경망 모델(1000)을 지도 학습 및/또는 비지도 학습시킬 수 있다. 예를 들어, 정보 처리 시스템은 참조 점유율 차이(예를 들어, 대상 병변에 대한 참조 점유율 변화량)에 대한 입력 값을 기초로 참조 대상 병변의 크기 변화 여부에 대한 판정 결과를 출력하도록 인공신경망 모델(1000)을 지도 학습할 수 있다.

이렇게 학습된 인공신경망 모델(1000)은 정보 처리 시스템의 메모리(미도시)에 저장될 수 있으며, 통신 모듈 및/또는 메모리로부터 수신된 엑스레이 이미지의 입력에 응답하여, 엑스레이 이미지로부터 기준 영역 및/또는 대상 병변 영역을 결정하고, 기준 영역 및/또는 대상 병변 영역을 출력할 수 있다. 추가적으로 또는 대안적으로, 인공신경망 모델(1000)은 복수의 엑스레이 이미지에서의 대상 병변의 점유율 차이(예를 들어, 대상 병변에 대한 점유율 변화량)에 대한 입력에 응답하여, 대상 병변의 크기 변화 여부를 판정하고, 대상 병변의 크기 변화 여부에 대한 판정 결과를 출력할 수 있다.

일 실시예에 따르면, 기준 영역을 결정하는 기계학습 모델, 즉, 인공신경망 모델(1000)의 입력변수는, 하나 이상의 엑스레이 이미지일 수 있다. 예를 들어, 인공신경망 모델(1000)의 입력층(1020)에 입력되는 입력변수는, 하나 이상의 엑스레이 이미지를 하나의 벡터 데이터 요소로 구성한, 이미지 벡터(1010)가 될 수 있다. 이미지의 입력에 응답하여, 인공신경망 모델(1000)의 출력층(1040)에서 출력되는 출력 변수는 엑스레이 이미지에서의 기준 영역 및/또는 대상 병변 영역을 나타내거나 특징화하는 벡터(1050)가 될 수 있다. 추가적으로, 인공신경망 모델(1000)의 출력층(1040)은 엑스레이 이미지의 전체 영역을 분할한 복수의 영역을 나타내거나 특징화하는 벡터를 출력하도록 구성될 수 있다. 이 경우, 기준 영역은, 복수의 영역 중 적어도 하나를 포함하는 영역일 수 있다. 본 개시에 있어서, 인공신경망 모델(1000)의 출력변수는, 이상에서 설명된 유형에 한정되지 않으며, 엑스레이 이미지에서의 기준 영역 및/또는 대상 병변 영역을 나타내는 임의의 정보/데이터를 포함할 수 있다.

다른 실시예에서, 대상 병변의 크기 변화 여부를 판정하는 기계학습 모델, 즉, 인공신경망 모델(1000)의 입력 변수는, 대상 병변에 대한 제1 점유율 및 제2 점유율 사이의 차이(예를 들어, 제2 점유율에서 제1 점유율을 뺀 수치, 대상 병변에 대한 점유율 변화량)일 수 있다. 예를 들어, 인공신경망 모델(1000)의 입력층(1020)에 입력되는 입력변수는, 제1 점유율 및 제2 점유율 사이의 차이를 하나의 벡터 데이터 요소로 구성한, 수치 벡터(1010)가 될 수 있다. 제1 점유율 및 제2 점유율 사이의 차이의 입력에 응답하여, 인공신경망 모델(1000)의 출력층(1040)에서 출력되는 출력 변수는 대상 병변의 크기 변화 여부에 대한 판정 결과를 나타내거나 특징화하는 벡터(1050)가 될 수 있다. 본 개시에 있어서, 인공신경망 모델(1000)의 출력변수는, 이상에서 설명된 유형에 한정되지 않으며, 대상 병변의 크기 변화 여부에 대한 판정 결과를 나타내는 임의의 정보/데이터를 포함할 수 있다. 이에 더하여, 인공신경망 모델(1000)의 출력층(1040)은 출력된 기준 영역, 대상 병변 영역 및 대상 병변의 크기 변화 여부에 대한 판정 결과에 대한 신뢰도 및/또는 정확도를 나타내는 벡터를 출력하도록 구성될 수 있다.

이와 같이, 인공신경망 모델(1000)의 입력층(1020)과 출력층(1040)에 복수의 입력변수와 대응되는 복수의 출력변수가 각각 매칭되고, 입력층(1020), 은닉층(1030_1 내지 1030_n) 및 출력층(1040)에 포함된 노드들 사이의 시냅스 값이 조정됨으로써, 특정 입력에 대응한 올바른 출력이 추출될 수 있도록 학습될 수 있다. 이러한 학습 과정을 통해, 인공신경망 모델(1000)의 입력변수에 숨겨져 있는 특성을 파악할 수 있고, 입력변수에 기초하여 계산된 출력변수와 목표 출력 간의 오차가 줄어들도록 인공신경망 모델(1000)의 노드들 사이의 시냅스 값(또는 가중치)을 조정할 수 있다. 이렇게 학습된 인공신경망 모델(1000)을 이용하여, 입력된 엑스레이 이미지에 응답하여, 엑스레이 이미지로부터 기준 영역 및/또는 대상 병변 영역에 대한 정보(예를 들어, 위치, 크기, 픽셀 수 등)가 출력될 수 있다. 추가적으로, 인공신경망 모델(1000)을 이용하여, 입력된 대상 병변에 대한 점유율 변화량(예를 들어, 대상 병변에 대한 제1 점유율 및 제2 점유율의 차이)에 응답하여, 대상 병변의 크기 변화 여부에 대한 판정 결과가 출력될 수 있다.

본 개시의 앞선 설명은 통상의 기술자들이 본 개시를 행하거나 이용하는 것을 가능하게 하기 위해 제공된다. 본 개시의 다양한 수정예들이 통상의 기술자들에게 쉽게 자명할 것이고, 본원에 정의된 일반적인 원리들은 본 개시의 취지 또는 범위를 벗어나지 않으면서 다양한 변형예들에 적용될 수도 있다. 따라서, 본 개시는 본원에 설명된 예들에 제한되도록 의도된 것이 아니고, 본원에 개시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위가 부여되도록 의도된다.

비록 예시적인 구현예들이 하나 이상의 독립형 컴퓨터 시스템의 맥락에서 현재 개시된 주제의 양태들을 활용하는 것을 언급할 수도 있으나, 본 주제는 그렇게 제한되지 않고, 오히려 네트워크나 분산 컴퓨팅 환경과 같은 임의의 컴퓨팅 환경과 연계하여 구현될 수도 있다. 또 나아가, 현재 개시된 주제의 양상들은 복수의 프로세싱 칩들이나 디바이스들에서 또는 그들에 걸쳐 구현될 수도 있고, 스토리지는 복수의 디바이스들에 걸쳐 유사하게 영향을 받게 될 수도 있다. 이러한 디바이스들은 PC들, 네트워크 서버들, 및 핸드헬드 디바이스들을 포함할 수도 있다.

본 명세서에서는 본 개시가 일부 실시예들과 관련하여 설명되었지만, 본 발명이 속하는 기술분야의 통상의 기술자가 이해할 수 있는 본 개시의 범위를 벗어나지 않는 범위에서 다양한 변형 및 변경이 이루어질 수 있다는 점을 알아야 할 것이다. 또한, 그러한 변형 및 변경은 본 명세서에서 첨부된 특허 청구의 범위 내에 속하는 것으로 생각되어야 한다.

100: 정보 처리 시스템
110: 제1 엑스레이 이미지
120: 제2 엑스레이 이미지
130: 대상 병변 크기 변화 측정 결과

Claims

적어도 하나의 컴퓨팅 장치에 의해 수행되는, 엑스레이(X-ray) 이미지 내에서의 대상 병변의 크기 변화를 측정하는 방법에 있어서,
상기 대상 병변을 포함한 제1 엑스레이 이미지 및 상기 대상 병변을 포함한 제2 엑스레이 이미지를 수신하는 단계;
상기 제1 엑스레이 이미지 및 상기 제2 엑스레이 이미지의 각각에서의 기준 영역에 대한 스코어 및 상기 기준 영역 내에서 상기 대상 병변에 대한 스코어를 기초로, 상기 제1 엑스레이 이미지 및 상기 제2 엑스레이 이미지의 각각에서의 상기 기준 영역 중 상기 대상 병변에 대응하는 영역이 차지하는 점유율(occupancy)을 산출하는 단계; 및
상기 산출된 점유율을 기초로 상기 대상 병변의 크기 변화를 측정하는 단계
를 포함하는, 대상 병변의 크기 변화를 측정하는 방법.
제1항에 있어서,
상기 산출하는 단계는,
상기 제1 엑스레이 이미지 및 상기 제2 엑스레이 이미지의 각각으로부터 제1 기준 영역 및 제2 기준 영역을 결정하는 단계;
상기 제1 엑스레이 이미지 및 상기 제2 엑스레이 이미지의 각각으로부터 상기 대상 병변을 식별하는 단계; 및
상기 제1 기준 영역 중 상기 식별된 대상 병변이 차지하는 제1 점유율 및 상기 제2 기준 영역 중 상기 식별된 대상 병변이 차지하는 제2 점유율을 산출하는 단계
를 포함하는, 대상 병변의 크기 변화를 측정하는 방법.
제2항에 있어서,
상기 제1 기준 영역 및 제2 기준 영역을 결정하는 단계는,
상기 제1 엑스레이 이미지를 기준 영역 추출 모델에 입력하여, 상기 제1 기준 영역을 출력하는 단계; 및
상기 제2 엑스레이 이미지를 상기 기준 영역 추출 모델에 입력하여 상기 제2 기준 영역을 출력하는 단계 - 상기 제2 기준 영역은 상기 제1 기준 영역에 대응됨 - 를 포함하고,
상기 기준 영역 추출 모델은, 복수의 참조 엑스레이 이미지 및 참조 기준 영역에 대한 레이블 정보를 이용하여 학습되는, 대상 병변의 크기 변화를 측정하는 방법.
삭제
제2항에 있어서,
상기 제1 기준 영역 및 제2 기준 영역을 결정하는 단계는,
상기 제1 기준 영역에 대한 스코어(score) 및 상기 제2 기준 영역에 대한 스코어를 결정하는 단계를 포함하고,
상기 대상 병변을 식별하는 단계는,
상기 제1 기준 영역 내에서 상기 대상 병변에 대한 스코어를 결정하는 단계; 및
상기 제2 기준 영역 내에서 상기 대상 병변에 대한 스코어를 결정하는 단계를 포함하고,
상기 산출하는 단계는,
상기 제1 기준 영역에 대한 스코어 및 상기 제1 기준 영역 내에서 상기 대상 병변에 대한 스코어를 기초로 제1 점유율을 산출하는 단계; 및
상기 제2 기준 영역에 대한 스코어 및 상기 제2 기준 영역 내에서 상기 대상 병변에 대한 스코어를 기초로 제2 점유율을 산출하는 단계
를 포함하는, 대상 병변의 크기 변화를 측정하는 방법.
제2항에 있어서,
상기 측정하는 단계는,
상기 제1 점유율 및 상기 제2 점유율에 기초하여, 상기 대상 병변의 크기 변화 여부를 판정하는 단계를 포함하는, 대상 병변의 크기 변화를 측정하는 방법.
적어도 하나의 컴퓨팅 장치에 의해 수행되는, 엑스레이 이미지 내에서의 대상 병변의 크기 변화를 측정하는 방법에 있어서,
상기 대상 병변을 포함한 제1 엑스레이 이미지 및 상기 대상 병변을 포함한 제2 엑스레이 이미지를 수신하는 단계;
상기 제1 엑스레이 이미지 및 상기 제2 엑스레이 이미지의 각각에서의 기준 영역 중 상기 대상 병변에 대응하는 영역이 차지하는 점유율(occupancy)을 산출하는 단계;
상기 산출된 점유율에 기초하여, 상기 대상 병변에 대한 점유율 변화량을 산출하는 단계; 및
상기 산출된 대상 병변에 대한 점유율 변화량과 기준 수치를 비교하여, 상기 대상 병변의 크기 변화 여부를 판정하는 단계
를 포함하는, 대상 병변의 크기 변화를 측정하는 방법.
제7항에 있어서,
상기 기준 수치는, 테스트 세트에 대해 산출된 타겟 메트릭과 연관된 수치 또는 예측 정확도와 연관된 수치에 기초하여 결정되는, 대상 병변의 크기 변화를 측정하는 방법.
제7항에 있어서,
상기 기준 수치는 제1 기준 수치 및 제2 기준 수치를 포함하고,
상기 산출된 대상 병변에 대한 점유율 변화량이 상기 제1 기준 수치보다 크거나 같은 경우, 상기 대상 병변의 크기가 증가한 것으로 판정되고,
상기 산출된 대상 병변에 대한 점유율 변화량이 상기 제1 기준 수치보다 작고, 상기 제2 기준 수치보다 크거나 같은 경우, 상기 대상 병변의 크기가 무변화한 것으로 판정되고,
상기 산출된 대상 병변에 대한 점유율 변화량이 상기 제2 기준 수치보다 작은 경우, 상기 대상 병변의 크기가 감소한 것으로 판정되는, 대상 병변의 크기 변화를 측정하는 방법.
적어도 하나의 컴퓨팅 장치에 의해 수행되는, 엑스레이 이미지 내에서의 대상 병변의 크기 변화를 측정하는 방법에 있어서,
상기 대상 병변을 포함한 제1 엑스레이 이미지 및 상기 대상 병변을 포함한 제2 엑스레이 이미지를 수신하는 단계;
상기 제1 엑스레이 이미지 및 상기 제2 엑스레이 이미지의 각각에서의 기준 영역 중 상기 대상 병변에 대응하는 영역이 차지하는 점유율(occupancy)을 산출하는 단계;
상기 산출된 점유율에 기초하여, 상기 대상 병변에 대한 점유율 변화량을 산출하는 단계; 및
상기 산출된 대상 병변에 대한 점유율 변화량을 변화 여부 판정 모델에 입력함으로써, 출력되는 판정 결과에 기초하여, 상기 대상 병변의 크기 변화 여부를 결정하는 단계를 포함하고,
상기 변화 여부 판정 모델은, 상기 대상 병변에 대한 참조 점유율 변화량에 대한 입력 값을 기초로 참조 대상 병변의 크기 변화 여부에 대한 판정 결과를 출력하도록 학습된 기계학습 모델을 포함하는, 대상 병변의 크기 변화를 측정하는 방법.
제1항에 있어서,
상기 기준 영역은, 상기 제1 엑스레이 이미지 및 상기 제2 엑스레이 이미지의 각각의 전체 영역을 복수의 영역으로 분할함으로써 결정된 영역인, 대상 병변의 크기 변화를 측정하는 방법.
제1항 내지 제3항 및 제5항 내지 제11항 중 어느 한 항에 따른 대상 병변의 크기 변화를 측정하는 방법을 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램.
정보 처리 시스템으로서,
하나 이상의 인스트럭션(instructions)을 저장하는 메모리; 및
상기 저장된 하나 이상의 인스트럭션을 실행함으로써,
대상 병변을 포함한 제1 엑스레이 이미지 및 상기 대상 병변을 포함한 제2 엑스레이 이미지를 수신하고, 상기 제1 엑스레이 이미지 및 상기 제2 엑스레이 이미지의 각각에서의 기준 영역에 대한 스코어 및 상기 기준 영역 내에서 상기 대상 병변에 대한 스코어를 기초로, 상기 제1 엑스레이 이미지 및 상기 제2 엑스레이 이미지의 각각에서의 상기 기준 영역 중 상기 대상 병변에 대응하는 영역이 차지하는 점유율을 산출하고, 상기 산출된 점유율을 기초로 상기 대상 병변의 크기 변화를 측정하도록 구성된 프로세서를 포함하는,
정보 처리 시스템.
제13항에 있어서,
상기 프로세서는,
상기 제1 엑스레이 이미지 및 상기 제2 엑스레이 이미지의 각각으로부터 제1 기준 영역 및 제2 기준 영역을 결정하고, 상기 제1 엑스레이 이미지 및 상기 제2 엑스레이 이미지의 각각으로부터 상기 대상 병변을 식별하고, 상기 제1 기준 영역 중 상기 식별된 대상 병변이 차지하는 제1 점유율 및 상기 제2 기준 영역 중 상기 식별된 대상 병변이 차지하는 제2 점유율을 산출하도록 더 구성된,
정보 처리 시스템.
제14항에 있어서,
상기 프로세서는,
상기 제1 엑스레이 이미지를 기준 영역 추출 모델에 입력하여, 상기 제1 기준 영역을 출력하고,
상기 제2 엑스레이 이미지를 상기 기준 영역 추출 모델에 입력하여 상기 제2 기준 영역 - 상기 제2 기준 영역은 상기 제1 기준 영역에 대응됨 - 을 출력하도록 더 구성되고,
상기 기준 영역 추출 모델은, 복수의 참조 엑스레이 이미지 및 참조 기준 영역에 대한 레이블 정보를 이용하여 학습되는,
정보 처리 시스템.
삭제
제14항에 있어서,
상기 프로세서는,
상기 제1 기준 영역에 대한 스코어(score) 및 상기 제2 기준 영역에 대한 스코어를 결정하고, 상기 제1 기준 영역 내에서 상기 대상 병변에 대한 스코어를 결정하고, 상기 제2 기준 영역 내에서 상기 대상 병변에 대한 스코어를 결정하고, 상기 제1 기준 영역에 대한 스코어 및 상기 제1 기준 영역 내에서 상기 대상 병변에 대한 스코어를 기초로 제1 점유율을 산출하고, 상기 제2 기준 영역에 대한 스코어 및 상기 제2 기준 영역 내에서 상기 대상 병변에 대한 스코어를 기초로 제2 점유율을 산출하도록 더 구성된,
정보 처리 시스템.
제14항에 있어서,
상기 프로세서는,
상기 제1 점유율 및 상기 제2 점유율에 기초하여, 상기 대상 병변의 크기 변화 여부를 판정하도록 더 구성된,
정보 처리 시스템.
정보 처리 시스템으로서,
하나 이상의 인스트럭션을 저장하는 메모리; 및
상기 저장된 하나 이상의 인스트럭션을 실행함으로써,
대상 병변을 포함한 제1 엑스레이 이미지 및 상기 대상 병변을 포함한 제2 엑스레이 이미지를 수신하고, 상기 제1 엑스레이 이미지 및 상기 제2 엑스레이 이미지의 각각에서의 기준 영역 중 상기 대상 병변에 대응하는 영역이 차지하는 점유율을 산출하고, 상기 산출된 점유율에 기초하여, 상기 대상 병변에 대한 점유율 변화량을 산출하고, 상기 산출된 대상 병변에 대한 점유율 변화량과 기준 수치를 비교하여, 상기 대상 병변의 크기 변화 여부를 판정하도록 더 구성된,
정보 처리 시스템.
제19항에 있어서,
상기 기준 수치는, 테스트 세트에 대해 산출된 타겟 메트릭과 연관된 수치 또는 예측 정확도와 연관된 수치에 기초하여 결정되는,
정보 처리 시스템.
제19항에 있어서,
상기 기준 수치는 제1 기준 수치 및 제2 기준 수치를 포함하고,
상기 산출된 대상 병변에 대한 점유율 변화량이 상기 제1 기준 수치보다 크거나 같은 경우, 상기 대상 병변의 크기가 증가한 것으로 판정되고,
상기 산출된 대상 병변에 대한 점유율 변화량이 상기 제1 기준 수치보다 작고, 상기 제2 기준 수치보다 크거나 같은 경우, 상기 대상 병변의 크기가 무변화한 것으로 판정되고,
상기 산출된 대상 병변에 대한 점유율 변화량이 상기 제2 기준 수치보다 작은 경우, 상기 대상 병변의 크기가 감소한 것으로 판정되는,
정보 처리 시스템.
정보 처리 시스템으로서,
하나 이상의 인스트럭션을 저장하는 메모리; 및
상기 저장된 하나 이상의 인스트럭션을 실행함으로써,
대상 병변을 포함한 제1 엑스레이 이미지 및 상기 대상 병변을 포함한 제2 엑스레이 이미지를 수신하고, 상기 제1 엑스레이 이미지 및 상기 제2 엑스레이 이미지의 각각에서의 기준 영역 중 상기 대상 병변에 대응하는 영역이 차지하는 점유율을 산출하고, 상기 산출된 점유율에 기초하여, 상기 대상 병변에 대한 점유율 변화량을 산출하고, 상기 산출된 대상 병변에 대한 점유율 변화량을 변화 여부 판정 모델에 입력함으로써, 출력되는 판정 결과에 기초하여, 상기 대상 병변의 크기 변화 여부를 결정하도록 더 구성되고,
상기 변화 여부 판정 모델은, 상기 대상 병변에 대한 참조 점유율 변화량에 대한 입력 값을 기초로 참조 대상 병변의 크기 변화 여부에 대한 판정 결과를 출력하도록 학습된 기계학습 모델을 포함하는,
정보 처리 시스템.
제13항에 있어서,
상기 프로세서는,
상기 기준 영역은, 상기 제1 엑스레이 이미지 및 상기 제2 엑스레이 이미지의 각각의 전체 영역을 복수의 영역으로 분할함으로써 결정된 영역인,
정보 처리 시스템.