KR102607805B1 - 의료 이미지를 기반으로 하는 접촉 판단 방법 및 이를 수행하는 컴퓨터 프로그램 - Google Patents
의료 이미지를 기반으로 하는 접촉 판단 방법 및 이를 수행하는 컴퓨터 프로그램 Download PDFInfo
- Publication number
- KR102607805B1 KR102607805B1 KR1020220132185A KR20220132185A KR102607805B1 KR 102607805 B1 KR102607805 B1 KR 102607805B1 KR 1020220132185 A KR1020220132185 A KR 1020220132185A KR 20220132185 A KR20220132185 A KR 20220132185A KR 102607805 B1 KR102607805 B1 KR 102607805B1
- Authority
- KR
- South Korea
- Prior art keywords
- contact
- image
- candidate image
- determining
- body part
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 239000000523 sample Substances 0.000 claims abstract description 101
- 238000002604 ultrasonography Methods 0.000 claims abstract description 96
- 238000013473 artificial intelligence Methods 0.000 claims description 37
- 238000004590 computer program Methods 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 12
- 238000003384 imaging method Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 210000004204 blood vessel Anatomy 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000002591 computed tomography Methods 0.000 description 4
- 239000012153 distilled water Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 239000008280 blood Substances 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 238000002059 diagnostic imaging Methods 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000001990 intravenous administration Methods 0.000 description 2
- 230000009545 invasion Effects 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000005452 bending Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012285 ultrasound imaging Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/42—Details of probe positioning or probe attachment to the patient
- A61B8/4272—Details of probe positioning or probe attachment to the patient involving the acoustic interface between the transducer and the tissue
- A61B8/429—Details of probe positioning or probe attachment to the patient involving the acoustic interface between the transducer and the tissue characterised by determining or monitoring the contact between the transducer and the tissue
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
- A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
-
- G—PHYSICS
- 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
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- 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
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Acoustics & Sound (AREA)
- Physiology (AREA)
Abstract
본 개시의 일 실시예에 따른 컴퓨팅 장치에 의해 수행되는 초음파 프로브와 신체 부위 사이의 접촉 판단 방법은, 상기 초음파 프로브를 통해 복수의 기준 이미지를 획득하는 단계, 상기 복수의 기준 이미지를 기초로, 상기 초음파 프로브와 상기 신체 부위 사이의 접촉 여부에 대한 대한 접촉 판단 기준 및 접촉 압력에 대한 유효 압력 범위를 생성하는 단계, 상기 초음파 프로브를 통해 후보 이미지를 획득하는 단계, 상기 후보 이미지가 상기 접촉 판단 기준 및 상기 유효 압력 범위를 만족하는지 판단하는 단계 및 만족하는 경우 상기 후보 이미지를, 상기 초음파 프로브와 상기 신체 부위 사이의 접촉 압력이 적정 상태에서 획득된 유효 이미지로 결정하는 단계를 포함하는 것을 특징으로 한다.
Description
본 개시는 의료 이미지를 기반으로 하는 접촉 판단 방법 및 이를 수행하는 컴퓨터 프로그램에 관한 것으로서, 구체적으로 초음파 이미지를 이용하여 초음파 프로브와 신체 부위 사이의 접촉 여부를 판단하는 접촉 판단 방법 및 이를 수행하는 컴퓨터 프로그램에 관한 것이다.
의료 영상은 질병의 진단과 치료를 위해 인체의 여러 가지 장기들의 물리적인 상태를 이해할 수 있게 해주는 데이터이다. 의료 영상 기기들이 지속적으로 개발되어 오면서, 의료 영상은 초음파 영상, X선 영상, 컴퓨터 단층 촬영(computed tomography, CT) 영상, 양전자 방출 단층 촬영(positron emission tomography, PET) 영상, 또는 자기 공명 영상(magnetic resonance imaging, MRI) 등으로 다양해지고 있다.
이 중 초음파 영상 장치는 프로브의 트랜스듀서로부터 생성되는 초음파 신호를 신체에 조사하고, 신체로부터 반사된 초음파 에코 신호의 정보를 수신하여 신체 내부의 부위에 대한 영상을 획득한다.
초음파 영상 장치는 그 특성상 초음파 프로브와 신체의 표면이 접촉된 상태에서 초음파 신호를 신체로 조사한다. 이에 따라 초음파 프로브를 조작하는 사용자가 가하는 압력이 초음파 프로브를 통해 신체에 가해질 수 있다. 초음파 프로브와 신체 표면 사이에서 접촉이 발생해야 하므로 사용자는 압력을 가해야 하지만, 압력이 과하게 가해질 경우 신체에 변형이 발생하게 되고 초음파 영상이 일그러질 수 있다.
초음파 프로브와 신체 표면 사이에서 작용하는 압력이 적정한 상태에서 획득한 초음파 이미지를 이용하여 진단 등의 의료 행위를 수행해야 하므로, 초음파 프로브와 신체 표면 사이의 압력이 적정한지 판단하는 기술이 요구된다.
본 개시는 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 초음파 이미지를 이용하여 초음파 프로브와 신체 부위 사이의 접촉 여부 및 접촉 압력이 적절한지 판단하는 의료 이미지를 기반으로 하는 접촉 판단 방법 및 이를 수행하는 컴퓨터 프로그램에 관한 것이다.
다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
전술한 바와 같은 과제를 실현하기 위한 본 개시의 일 실시예에 따라 컴퓨팅 장치에 의해 수행되는 초음파 프로브와 신체 부위 사이의 접촉 판단 방법이 개시된다. 상기 방법은, 상기 초음파 프로브를 통해 복수의 기준 이미지를 획득하는 단계, 상기 복수의 기준 이미지를 기초로, 상기 초음파 프로브와 상기 신체 부위 사이의 접촉 여부에 대한 대한 접촉 판단 기준 및 접촉 압력에 대한 유효 압력 범위를 생성하는 단계, 상기 초음파 프로브를 통해 후보 이미지를 획득하는 단계, 상기 후보 이미지가 상기 접촉 판단 기준 및 상기 유효 압력 범위를 만족하는지 판단하는 단계 및 만족하는 경우 상기 후보 이미지를, 상기 초음파 프로브와 상기 신체 부위 사이의 접촉 압력이 적정 상태에서 획득된 유효 이미지로 결정하는 단계를 포함하는 것을 특징으로 한다.
대안적으로, 상기 생성하는 단계는, 상기 복수의 기준 이미지와 상기 후보 이미지 간 유사도가 상기 접촉 판단 기준을 초과하는 경우, 상기 초음파 프로브와 상기 신체 부위 사이의 접촉이 발생한 것으로 결정하도록 상기 접촉 판단 기준을 생성하는 단계를 포함하는 것을 특징으로 한다.
대안적으로, 상기 접촉 판단 기준을 생성하는 단계는, 상기 복수의 기준 이미지들 간의 유사도를 계산하고, 계산된 유사도 중 작은 값을 기초로 상기 접촉 판단 기준을 생성하는 단계를 포함하는 것을 특징으로 한다.
대안적으로, 상기 접촉 판단 기준을 생성하는 단계는, 상기 복수의 기준 이미지 각각을 패치 단위로 분할하는 단계 및 상기 복수의 기준 이미지 각각에서 생성된 패치 간 유사도 중 작은 값을 기초로 상기 접촉 판단 기준을 생성하는 단계를 포함하는 것을 특징으로 한다.
대안적으로, 상기 판단하는 단계는, 상기 복수의 기준 이미지의 패치와 상기 후보 이미지의 패치 간 유사도가 상기 접촉 판단 기준을 만족하는 경우, 상기 후보 이미지의 패치를 접촉 발생 패치로 판단하는 단계를 포함하는 것을 특징으로 한다.
대안적으로, 상기 결정하는 단계는, 상기 후보 이미지에 포함되는 상기 접촉 발생 패치의 개수가 상기 유효 압력 범위에 포함되는 제1 기준 개수를 초과하는 경우, 상기 후보 이미지를 상기 유효 이미지로 결정하는 단계를 포함하는 것을 특징으로 한다.
대안적으로, 상기 결정하는 단계는, 상기 후보 이미지에 포함되는 상기 접촉 발생 패치가 상기 유효 압력 범위에 포함되는 제2 기준 개수를 초과하여 연속하여 배치되는 경우, 상기 후보 이미지를 상기 유효 이미지로 결정하는 단계를 포함하는 것을 특징으로 한다.
대안적으로, 상기 유효 이미지를 획득한 시점을 상기 초음파 프로브와 신체 부위 사이의 접촉 압력이 적정 상태인 시점으로 결정하는 단계를 더 포함하는 것을 특징으로 한다.
전술한 바와 같은 과제를 실현하기 위한 본 개시의 일 실시예에 따라 컴퓨팅 장치에 의해 수행되는 초음파 프로브와 신체 부위 사이의 접촉 판단 방법이 개시된다. 상기 방법은, 상기 초음파 프로브를 통해 후보 이미지를 획득하는 단계 및 상기 초음파 프로브와 상기 신체 부위 사이의 접촉이 있는지 여부를 판단하도록 학습된 제1 인공지능 모델 또는 상기 초음파 프로브와 상기 신체 부위 사이의 접촉 압력을 추론하도록 학습된 제2 인공지능 모델을 이용하여, 상기 후보 이미지가 상기 초음파 프로브와 상기 신체 부위 사이의 접촉 압력이 적정 상태에서 획득된 유효 이미지인지 판단하는 단계를 포함하는 것을 특징으로 한다.
대안적으로, 상기 판단하는 단계는, 상기 후보 이미지를 패치 단위로 분할하는 단계, 상기 제1 인공지능 모델을 이용하여 각 패치가 접촉 발생 패치인지 판단하는 단계 및 상기 후보 이미지에 포함되는 상기 접촉 발생 패치의 개수에 따라 상기 후보 이미지를 상기 유효 이미지로 결정하는 단계를 포함하는 것을 특징으로 한다.
대안적으로, 상기 결정하는 단계는, 상기 후보 이미지에 포함되는 상기 접촉 발생 패치의 개수가 제1 기준 개수를 초과하는 경우, 상기 후보 이미지를 상기 유효 이미지로 결정하는 단계를 포함하는 것을 특징으로 한다.
대안적으로, 상기 결정하는 단계는, 상기 후보 이미지에 포함되는 상기 접촉 발생 패치가 제2 기준 개수를 초과하여 연속하여 배치되는 경우, 상기 후보 이미지를 상기 유효 이미지로 결정하는 단계를 포함하는 것을 특징으로 한다.
전술한 바와 같은 과제를 실현하기 위한 본 개시의 일 실시예에 따라 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램(program)이 개시된다. 상기 컴퓨터 프로그램은 하나 이상의 프로세서(processor)에서 실행되는 경우, 초음파 프로브와 신체 부위 사이의 접촉을 판단하기 위한 동작들을 수행하도록 한다. 이때, 상기 동작들은, 상기 초음파 프로브를 통해 복수의 기준 이미지를 획득하는 동작, 상기 복수의 기준 이미지를 기초로, 상기 초음파 프로브와 상기 신체 부위 사이의 접촉 여부에 대한 대한 접촉 판단 기준 및 접촉 압력에 대한 유효 압력 범위를 생성하는 동작, 상기 초음파 프로브를 통해 후보 이미지를 획득하는 동작, 상기 후보 이미지가 상기 접촉 판단 기준 및 상기 유효 압력 범위를 만족하는지 판단하는 동작 및 만족하는 경우 상기 후보 이미지를, 상기 초음파 프로브와 상기 신체 부위 사이의 접촉 압력이 적정 상태에서 획득된 유효 이미지로 결정하는 동작을 포함하는 것을 특징으로 한다.
본 개시의 실시예에 따르면, 초음파 이미지를 획득하는 하드웨어에 압력을 측정하기 위한 별도의 장치를 추가할 필요가 없어 설치 및 사용이 간편하고, 초음파 이미지만으로 접촉 압력을 파악할 수 있으므로 빠른 연산 속도를 제공할 수 있다.
또한 본 개시의 실시예에 따르면, 일률적인 접촉 판단 기준 및 유효 압력 범위를 사용하는 것이 아니라 장치로부터 획득한 초음파 이미지를 이용하여 기준을 설정하므로 환경 요인의 변화와 무관하게 접촉 압력 판단의 정확성을 높일 수 있다.
도 1은 본 개시의 일 실시예에 따른 컴퓨팅 장치의 블록도이다.
도 2는 본 개시의 일 실시예에 따른 접촉 압력 판단 장치의 블록도이다.
도 3은 본 개시의 일 실시예에 기준 이미지를 나타내는 예시도이다.
도 4는 본 개시의 일 실시예에 따른 룰 베이스 기반의 유효 이미지를 결정하는 접촉 압력 판단 장치의 동작 방법을 나타내는 흐름도이다.
도 5는 본 개시의 일 실시예에 따른 룰 베이스 기반의 유효 이미지를 결정하는 접촉 압력 판단 장치의 동작 방법을 나타내는 흐름도이다.
도 6은 본 개시의 일 실시예에 따른 인공지능 기반의 유효 이미지를 결정하는 접촉 압력 판단 장치의 동작 방법을 나타내는 흐름도이다.
도 2는 본 개시의 일 실시예에 따른 접촉 압력 판단 장치의 블록도이다.
도 3은 본 개시의 일 실시예에 기준 이미지를 나타내는 예시도이다.
도 4는 본 개시의 일 실시예에 따른 룰 베이스 기반의 유효 이미지를 결정하는 접촉 압력 판단 장치의 동작 방법을 나타내는 흐름도이다.
도 5는 본 개시의 일 실시예에 따른 룰 베이스 기반의 유효 이미지를 결정하는 접촉 압력 판단 장치의 동작 방법을 나타내는 흐름도이다.
도 6은 본 개시의 일 실시예에 따른 인공지능 기반의 유효 이미지를 결정하는 접촉 압력 판단 장치의 동작 방법을 나타내는 흐름도이다.
아래에서는 첨부한 도면을 참조하여 본 개시의 기술 분야에서 통상의 지식을 가진 자(이하, 당업자)가 용이하게 실시할 수 있도록 본 개시의 실시예가 상세히 설명된다. 본 개시에서 제시된 실시예들은 당업자가 본 개시의 내용을 이용하거나 또는 실시할 수 있도록 제공된다. 따라서, 본 개시의 실시예들에 대한 다양한 변형들은 당업자에게 명백할 것이다. 즉, 본 개시는 여러 가지 상이한 형태로 구현될 수 있으며, 이하의 실시예에 한정되지 않는다.
본 개시의 명세서 전체에 걸쳐 동일하거나 유사한 도면 부호는 동일하거나 유사한 구성요소를 지칭한다. 또한, 본 개시를 명확하게 설명하기 위해서, 도면에서 본 개시에 대한 설명과 관계없는 부분의 도면 부호는 생략될 수 있다.
본 개시에서 사용되는 "또는" 이라는 용어는 배타적 "또는" 이 아니라 내포적 "또는" 을 의미하는 것으로 의도된다. 즉, 본 개시에서 달리 특정되지 않거나 문맥상 그 의미가 명확하지 않은 경우, "X는 A 또는 B를 이용한다"는 자연적인 내포적 치환 중 하나를 의미하는 것으로 이해되어야 한다. 예를 들어, 본 개시에서 달리 특정되지 않거나 문맥상 그 의미가 명확하지 않은 경우, "X는 A 또는 B를 이용한다" 는 X가 A를 이용하거나, X가 B를 이용하거나, 혹은 X가 A 및 B 모두를 이용하는 경우 중 어느 하나로 해석될 수 있다.
본 개시에서 사용되는 "및/또는" 이라는 용어는 열거된 관련 개념들 중 하나 이상의 개념의 가능한 모든 조합을 지칭하고 포함하는 것으로 이해되어야 한다.
본 개시에서 사용되는 "포함한다" 및/또는 "포함하는" 이라는 용어는, 특정 특징 및/또는 구성요소가 존재함을 의미하는 것으로 이해되어야 한다. 다만, "포함한다" 및/또는 "포함하는" 이라는 용어는, 하나 이상의 다른 특징, 다른 구성요소 및/또는 이들에 대한 조합의 존재 또는 추가를 배제하지 않는 것으로 이해되어야 한다.
본 개시에서 달리 특정되지 않거나 단수 형태를 지시하는 것으로 문맥상 명확하지 않은 경우에, 단수는 일반적으로 "하나 또는 그 이상" 을 포함할 수 있는 것으로 해석되어야 한다.
본 개시에서 사용되는 "제 N(N은 자연수)" 이라는 용어는 본 개시의 구성요소들을 기능적 관점, 구조적 관점, 혹은 설명의 편의 등 소정의 기준에 따라 상호 구별하기 위해 사용되는 표현으로 이해될 수 있다. 예를 들어, 본 개시에서 서로 다른 기능적 역할을 수행하는 구성요소들은 제 1 구성요소 혹은 제 2 구성요소로 구별될 수 있다. 다만, 본 개시의 기술적 사상 내에서 실질적으로 동일하나 설명의 편의를 위해 구분되어야 하는 구성요소들도 제 1 구성요소 혹은 제 2 구성요소로 구별될 수도 있다.
한편, 본 개시에서 사용되는 용어 "모듈(module)", 또는 "부(unit)" 는 컴퓨터 관련 엔티티(entity), 펌웨어(firmware), 소프트웨어(software) 혹은 그 일부, 하드웨어(hardware) 혹은 그 일부, 소프트웨어와 하드웨어의 조합 등과 같이 컴퓨팅 자원을 처리하는 독립적인 기능 단위를 지칭하는 용어로 이해될 수 있다. 이때, "모듈", 또는 "부"는 단일 요소로 구성된 단위일 수도 있고, 복수의 요소들의 조합 혹은 집합으로 표현되는 단위일 수도 있다. 예를 들어, 협의의 개념으로서 "모듈", 또는 "부"는 컴퓨팅 장치의 하드웨어 요소 또는 그 집합, 소프트웨어의 특정 기능을 수행하는 응용 프로그램, 소프트웨어 실행을 통해 구현되는 처리 과정(procedure), 또는 프로그램 실행을 위한 명령어 집합 등을 지칭할 수 있다. 또한, 광의의 개념으로서 "모듈", 또는 "부"는 시스템을 구성하는 컴퓨팅 장치 그 자체, 또는 컴퓨팅 장치에서 실행되는 애플리케이션 등을 지칭할 수 있다. 다만, 상술한 개념은 하나의 예시일 뿐이므로, "모듈", 또는 "부"의 개념은 본 개시의 내용을 기초로 당업자가 이해 가능한 범주에서 다양하게 정의될 수 있다.
본 개시에서 사용되는 "모델(model)" 이라는 용어는 특정 문제를 해결하기 위해 수학적 개념과 언어를 사용하여 구현되는 시스템, 특정 문제를 해결하기 위한 소프트웨어 단위의 집합, 혹은 특정 문제를 해결하기 위한 처리 과정에 관한 추상화 모형으로 이해될 수 있다. 예를 들어, 신경망(neural network) "모델" 은 학습을 통해 문제 해결 능력을 갖는 신경망으로 구현되는 시스템 전반을 지칭할 수 있다. 이때, 신경망은 노드(node) 혹은 뉴런(neuron)을 연결하는 파라미터(parameter)를 학습을 통해 최적화하여 문제 해결 능력을 가질 수 있다. 신경망 "모델" 은 단일 신경망을 포함할 수도 있고, 복수의 신경망들이 조합된 신경망 집합을 포함할 수도 있다.
본 개시에서 사용되는 "영상" 이라는 용어는 이산적인 이미지 요소들(예를 들어, 2차원 이미지에 있어서의 픽셀들 및 3차원 이미지에 있어서의 복셀들)로 구성된 다차원(multi-dimensional) 데이터를 의미할 수 있다. 예를 들어, 영상은 초음파 촬영 장치, 적외선 촬영 장치, 자기 공명 영상 촬영 장치, 컴퓨터 단층 촬영(CT) 장치 또는 엑스레이 촬영 장치 등의 의료 영상 장치에 의해 획득된 의료 영상을 포함할 수 있다.
전술한 용어의 설명은 본 개시의 이해를 돕기 위한 것이다. 따라서, 전술한 용어를 본 개시의 내용을 한정하는 사항으로 명시적으로 기재하지 않은 경우, 본 개시의 내용을 기술적 사상을 한정하는 의미로 사용하는 것이 아님을 주의해야 한다.
도 1은 본 개시의 일 실시예에 따른 컴퓨팅 장치의 블록도이다.
본 개시의 일 실시예에 따른 컴퓨팅 장치(100)는 데이터의 종합적인 처리 및 연산을 수행하는 하드웨어 장치 혹은 하드웨어 장치의 일부일 수도 있고, 통신 네트워크로 연결되는 소프트웨어 기반의 컴퓨팅 환경일 수도 있다. 예를 들어, 컴퓨팅 장치(100)는 집약적 데이터 처리 기능을 수행하고 자원을 공유하는 주체인 서버일 수도 있고, 서버와의 상호 작용을 통해 자원을 공유하는 클라이언트(client)일 수도 있다. 또한, 컴퓨팅 장치(100)는 복수의 서버들 및 클라이언트들이 상호 작용하여 데이터를 종합적으로 처리할 수 있도록 하는 클라우드 시스템(cloud system)일 수도 있다. 그리고, 컴퓨팅 장치(100)는 의료 현장에서 수행되는 의료 행위 전반을 지원하거나 보조하는 의료용 로봇일 수도 있다. 이때, 의료용 로봇은 질병의 진단, 수혈 등을 위한 채혈 혹은 정맥 주사(IV: intravenous) 기능을 포함하는 정맥 천자 장치를 포함할 수 있다. 상술한 기재는 컴퓨팅 장치(100)의 종류와 관련된 하나의 예시일 뿐이므로, 컴퓨팅 장치(100)의 종류는 본 개시의 내용을 기초로 당업자가 이해 가능한 범주에서 다양하게 구성될 수 있다. 상술한 기재는 컴퓨팅 장치(100)의 종류와 관련된 하나의 예시일 뿐이므로, 컴퓨팅 장치(100)의 종류는 본 개시의 내용을 기초로 당업자가 이해 가능한 범주에서 다양하게 구성될 수 있다.
도 1을 참조하면, 본 개시의 일 실시예에 따른 컴퓨팅 장치(100)는 프로세서(processor)(110), 메모리(memory)(120), 및 네트워크부(network unit)(130)를 포함할 수 있다. 다만, 도 1은 하나의 예시일 뿐이므로, 컴퓨팅 장치(100)는 컴퓨팅 환경을 구현하기 위한 다른 구성들을 포함할 수 있다. 또한, 상기 개시된 구성들 중 일부만이 컴퓨팅 장치(100)에 포함될 수도 있다.
본 개시의 일 실시예에 따른 프로세서(110)는 컴퓨팅 연산을 수행하기 위한 하드웨어 및/또는 소프트웨어를 포함하는 구성 단위로 이해될 수 있다. 예를 들어, 프로세서(110)는 컴퓨터 프로그램을 판독하여 기계 학습을 위한 데이터 처리를 수행할 수 있다. 프로세서(110)는 기계 학습을 위한 입력 데이터의 처리, 기계 학습을 위한 특징 추출, 역전파(backpropagation)에 기반한 오차 계산 등과 같은 연산 과정을 처리할 수 있다. 이와 같은 데이터 처리를 수행하기 위한 프로세서(110)는 중앙 처리 장치(CPU: central processing unit), 범용 그래픽 처리 장치(GPGPU: general purpose graphics processing unit), 텐서 처리 장치(TPU: tensor processing unit), 주문형 반도체(ASIC: application specific integrated circuit), 혹은 필드 프로그래머블 게이트 어레이(FPGA: field programmable gate array) 등을 포함할 수 있다. 상술한 프로세서(110)의 종류는 하나의 예시일 뿐이므로, 프로세서(110)의 종류는 본 개시의 내용을 기초로 당업자가 이해 가능한 범주에서 다양하게 구성될 수 있다.
본 개시의 실시예에 따르면, 프로세서(110)는 초음파 프로브를 통해 신체 내부의 초음파 이미지를 획득하는 과정에서, 초음파 프로브가 신체 부위에 접촉하는지 여부 및 초음파 프로브가 신체 부위에 가하는 접촉 압력이 적절한지 여부를 판단할 수 있다. 프로세서(110)는 초음파 프로브를 통해 획득한 초음파 이미지를 이용하여, 해당 초음파 이미지를 획득하는 시점에 초음파 프로브가 신체 부위에 접촉한 상황인지 및 초음파 프로브와 신체 부위 사이의 접촉 압력을 판단할 수 있다.
프로세서(110)는 초음파 프로브와 신체 부위의 접촉 여부 판단을 수행하기 위한 접촉 판단 기준을 생성할 수 있다.
초음파 이미지를 통해 신체 내부의 혈관 등의 요소를 관찰하기 위해서는, 초음파 프로브가 신체 부위와 적절한 수준으로 접촉해야 한다. 즉 초음파 프로브가 가하는 압력이 너무 작은 경우 신체 부위의 굴곡짐으로 인해 초음파 프로브가 신체 부위에 충분히 닿지 못하여 원하는 부위의 정보를 획득하기 어렵다. 또한 초음파 프로브가 가하는 압력이 너무 큰 경우 신체 내부의 구성요소의 형태가 초음파 프로브의 압력으로 인해 변형될 수 있다. 따라서 프로세서(110)는 초음파 프로브와 신체 부위의 접촉 압력이 적정 상태인지 판단하기 위한 기준이 되는 유효 압력 범위를 생성할 수 있다.
한 실시예로서, 프로세서(110)는 초음파 프로브가 정지된 상태에서 획득한 복수의 초음파 이미지들을 수신할 수 있다. 프로세서(110)는 획득한 초음파 이미지 간 유사도를 비교하여 이를 기초로 접촉 판단 기준 및 유효 압력 범위를 생성할 수 있다. 프로세서(110)는 초음파 이미지를 복수의 패치로 분할하고, 패치 단위로 유사도를 계산하여 접촉 판단 기준을 생성할 수 있다. 프로세서(110)는 초음파 프로브가 신체 부위를 향해 이동하며 획득하는 초음파 이미지를 수신하고, 접촉 판단 기준 및 유효 압력 범위를 기초로 초음파 이미지가 적정 압력 상태에서 획득한 유효 이미지인지 판단할 수 있다.
한 실시예로서, 프로세서(110)는 초음파 프로브와 신체 부위 사이의 접촉이 발생한 상태에서 획득된 초음파 이미지를 학습 이미지로 하여 제1 인공지능 모델을 학습시킬 수 있다. 또한 프로세서(110)는 초음파 프로브와 신체 부위의 접촉 압력이 유효 압력 범위인 상태에서 획득한 이미지를 학습 이미지로 하여 제2 인공지능 모델을 학습시킬 수 있다. 또한 초음파 프로브와 신체 부위의 접촉 압력을 수치로 출력하도록, 제2 인공지능 모델을 학습시킬 수 있다. 제1 인공지능 모델 및 제2 인공지능 모델은 적어도 하나의 뉴럴 네트워크를 포함할 수 있다. 뉴럴 네트워크는 DNN(Deep Neural Network), RNN(Recurrent Neural Network), BRDNN(Bidirectional Recurrent Deep Neural Network), MLP(Multilayer Perceptron), CNN(Convolutional Neural Network)과 같은 방식의 네트워크 모델들을 포함할 수 있으나, 이에 한정되지 않는다. 프로세서(110)는 초음파 프로브가 신체 부위를 향해 이동하며 획득하는 초음파 이미지를 수신하고, 초음파 이미지를 제1 인공지능 모델 또는 제2 인공지능 모델에 입력하여 유효 이미지인지 판단할 수 있다.
프로세서(110)는 유효 이미지가 획득된 시점을 초음파 프로브가 신체 부위에 적절하게 접촉한 시점으로 결정할 수 있다. 프로세서(110)는 유효 이미지 획득 시점에 정맥 천자 장치로 알림을 제공할 수 있다. 이에 따라 정맥 천자 장치는 유효 이미지를 기초로 신체 내부에서 침습 대상이 되는 혈관 후보들 파악하는 동작, 혈관 후보들 중 침습 대상 혈관을 결정하는 동작, 침습 대상 혈관에 침습을 수행하는 동작 등을 수행할 수 있다.
본 개시의 실시예에 따르면, 초음파 이미지를 획득하는 하드웨어에 압력을 측정하기 위한 별도의 장치를 추가할 필요가 없어 설치 및 사용이 간편하고, 초음파 이미지만으로 접촉 압력을 파악할 수 있으므로 빠른 연산 속도를 제공할 수 있다. 또한, 일률적인 접촉 판단 기준 및 유효 압력 범위를 사용하는 것이 아니라 장치의 동작이 수행될 때 획득되는 초음파 이미지를 이용하여 기준을 설정한다. 따라서 환경 요인의 변화에 적응적으로 접촉 판단 기준 및 유효 압력 범위를 설정함으로써 접촉 압력 판단의 정확성을 높일 수 있다.
필요에 따라, 프로세서(110)는 컴퓨팅 장치(100)의 사용자 혹은 임의의 클라이언트의 사용자와의 상호 작용을 위한 환경을 제공하는 사용자 인터페이스(user interface)를 생성할 수 있다. 프로세서(110)는 사용자로부터 인가되는 외부 입력 신호를 기초로 데이터의 출력, 수정, 변경, 혹은 추가 등의 기능이 구현되도록 하는 사용자 인터페이스를 생성할 수 있다. 상술한 사용자 인터페이스의 역할은 하나의 예시일 뿐이므로, 사용자 인터페이스의 역할은 본 개시의 내용을 기초로 당업자가 이해 가능한 범주에서 다양하게 정의될 수 있다.
본 개시의 일 실시예에 따른 메모리(120)는 컴퓨팅 장치(100)에서 처리되는 데이터를 저장하고 관리하기 위한 하드웨어 및/또는 소프트웨어를 포함하는 구성 단위로 이해될 수 있다. 즉, 메모리(120)는 프로세서(110)가 생성하거나 결정한 임의의 형태의 데이터 및 네트워크부(130)가 수신한 임의의 형태의 데이터를 저장할 수 있다. 예를 들어, 메모리(120)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리, 램(RAM: random access memory), 에스램(SRAM: static random access memory), 롬(ROM: read-only memory), 이이피롬(EEPROM: electrically erasable programmable read-only memory), 피롬(PROM: programmable read-only memory), 자기 메모리, 자기 디스크, 또는 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. 또한, 메모리(120)는 데이터를 소정의 체제로 통제하여 관리하는 데이터베이스(database) 시스템을 포함할 수도 있다. 상술한 메모리(120)의 종류는 하나의 예시일 뿐이므로, 메모리(120)의 종류는 본 개시의 내용을 기초로 당업자가 이해 가능한 범주에서 다양하게 구성될 수 있다.
메모리(120)는 프로세서(110)가 연산을 수행하는데 필요한 데이터, 데이터의 조합, 및 프로세서(110)에서 실행 가능한 프로그램 코드(code) 등을 구조화 및 조직화하여 관리할 수 있다.
메모리(120)는 후술할 네트워크부(130)를 통해 수신된 초음파 이미지를 저장할 수 있다. 메모리(120)는 초음파 이미지를 기초로 접촉 판단 기준 및 유효 압력 범위를 생성하도록 동작시키는 프로그램 코드 및 프로그램 코드가 실행됨에 따라 생성된 접촉 판단 기준 및 유효 압력 범위를 저장할 수 있다.
본 개시의 일 실시예에 따른 네트워크부(130)는 임의의 형태의 공지된 유무선 통신 시스템을 통해 데이터를 송수신하는 구성 단위로 이해될 수 있다. 예를 들어, 네트워크부(130)는 근거리 통신망(LAN: local area network), 광대역 부호 분할 다중 접속(WCDMA: wideband code division multiple access), 엘티이(LTE: long term evolution), 와이브로(WiBro: wireless broadband internet), 5세대 이동통신(5G), 초광역대 무선통신(ultra wide-band), 지그비(ZigBee), 무선주파수(RF: radio frequency) 통신, 무선랜(wireless LAN), 와이파이(wireless fidelity), 근거리 무선통신(NFC: near field communication), 또는 블루투스(Bluetooth) 등과 같은 유무선 통신 시스템을 사용하여 데이터 송수신을 수행할 수 있다. 상술한 통신 시스템들은 하나의 예시일 뿐이므로, 네트워크부(130)의 데이터 송수신을 위한 유무선 통신 시스템은 상술한 예시 이외에 다양하게 적용될 수 있다.
네트워크부(130)는 임의의 시스템 혹은 임의의 클라이언트 등과의 유무선 통신을 통해, 프로세서(110)가 연산을 수행하는데 필요한 데이터를 수신할 수 있다. 또한, 네트워크부(130)는 임의의 시스템 혹은 임의의 클라이언트 등과의 유무선 통신을 통해, 프로세서(110)의 연산을 통해 생성된 데이터를 송신할 수 있다. 예를 들어, 네트워크부(130)는 의료 영상 저장 전송 시스템, 의료 데이터의 표준화 등의 작업을 수행하는 클라우드 서버, 혹은 의료용 로봇 등과의 통신을 통해, 의료 영상 획득 장치 등과의 통신을 통해, 초음파 이미지를 수신할 수 있다.
도 2는 본 개시의 일 실시예에 따른 접촉 압력 판단 장치의 블록도이고, 도 3은 본 개시의 일 실시예에 기준 이미지를 나타내는 예시도이다.
도 2 및 도 3을 함께 참조하면, 접촉 판단 장치(200)는 도 1의 컴퓨팅 장치(100)의 한 실시예일 수 있으며, 정맥 천자 장치, 예를 들어 채혈 장치에 포함된 구성일 수 있다.
접촉 압력 판단 장치는 초음파 프로브로부터 생성된 기준 이미지(210)를 획득하고, 초음파 프로브와 신체 부위가 접촉하는지 여부를 판단하기 위한 접촉 판단 기준 및 초음파 프로브가 신체 부위에 가하는 접촉 압력이 적절한지 판단하기 위한 유효 압력 범위를 생성할 수 있다.
기준 이미지(210)는 복수의 초음파 이미지들을 포함할 수 있으며, 예를 들어 초기 이미지(211), 제1 기준 이미지(212) 및 제2 기준 이미지(213)를 포함할 수 있다. 초기 이미지(211)는 초음파 프로브에 증류수가 분사된 후 촬영된 것이고, 제1 기준 이미지(212) 및 제2 기준 이미지(213)는 증류수 분사 이후 초음파 프로브가 이동하기 전에 촬영된 것일 수 있다. 즉 기준 이미지(210)는 초음파 프로브가 수직 방향의 하강 운동을 개시하기 이전에 획득되는 복수의 초음파 이미지를 통칭하여 의미할 수 있다. 도 3에서 3장의 기준 이미지(210)를 예로 들어 설명하나, 접촉 판단 기준을 생성하기 위해 필요한 기준 이미지(210)의 개수가 이에 제한되는 것은 아니다.
접촉 판단 장치(200)는 이미지의 유사도를 기초로 접촉 판단 기준을 생성할 수 있다. 접촉 판단 장치(200)는 이미지를 소정의 영역으로 분할하고, 각 영역에서 유사도를 계산할 수 있다. 예를 들어 접촉 판단 장치(200)는 이미지를 패치(P) 단위로 분할하고, 각 패치(P)에서 유사도를 계산할 수 있다.
도 3을 참조하면, 초기 이미지(211), 제1 기준 이미지(212) 및 제2 기준 이미지(213)는 각각 8개의 패치로 분할될 수 있다. 접촉 판단 장치(200)는 초기 이미지(211)의 패치와 제1 기준 이미지(212)의 패치 간 유사도를 계산하고, 초기 이미지(211)의 패치와 제2 기준 이미지(213)의 패치 간 유사도를 계산할 수 있다. 접촉 판단 장치(200)는 서로 대응되는 위치에 있는 패치 간 유사도를 계산할 수 있다. 이에 따라 16개의 유사도 값이 계산될 수 있다. 접촉 판단 장치(200)는 가장 작은 유사도 값을 접촉 판단 기준으로 생성할 수 있다.
한편 이미지의 유사도를 계산하는 방법은 어느 하나로 제한되지 않으며, SSIM(Structural Similarity Index Map), MSE(mean square error), image hash(average hash, perceptive hash, difference hash) 등 다양한 방법이 사용될 수 있다.
접촉 판단 장치(200)는 접촉 판단 기준을 만족하는 영역을 접촉 발생 영역으로 결정할 수 있다. 구체적으로 접촉 판단 장치(200)는 접촉 판단 기준을 만족하는 패치를 접촉 발생 패치로 결정할 수 있다.
접촉 판단 장치(200)는 접촉 판단 기준을 기초로 유효 압력 범위를 생성할 수 있다. 접촉 판단 장치(200)는 접촉 발생 패치의 개수 또는 위치를 기초로 유효 압력 범위를 생성할 수 있다. 예를 들어 임의의 초음파 이미지가 제1 기준 개수만큼 접촉 발생 패치를 포함하는 경우, 접촉 판단 장치(200)는 임의의 초음파 이미지를 유효 이미지(230)로 결정할 수 있다. 즉 접촉 판단 장치(200)는 제1 기준 개수를 유효 압력 범위로 설정할 수 있다. 예를 들어, 임의의 초음파 이미지에 포함되는 접촉 발생 패치가 제2 기준 개수만큼 연속하여 배치되는 경우, 접촉 판단 장치(200)는 임의의 초음파 이미지를 유효 이미지(230)로 결정할 수 있다. 즉 접촉 판단 장치(200)는 제2 기준 개수를 유효 압력 범위로 설정할 수 있다. 유효 압력 범위, 즉 제1 기준 개수 및 제2 기준 개수는 신체 부위의 특성, 초음파 이미지에 포함되는 혈관의 특성, 초음파 이미지의 크기 및 해상도, 패치의 크기 등에 따라 결정되며 달라질 수 있다.
접촉 판단 장치(200)는 초음파 프로브로부터 획득한 후보 이미지(220)를 이용하여, 접촉 판단 기준에 따라 초음파 프로브와 신체 부위가 접촉하는지 판단할 수 있다. 접촉 판단 장치(200)는 유효 압력 범위에 따라 초음파 프로브와 신체 부위가 적정 상태의 접촉 압력으로 접촉하는지 판단할 수 있다. 이때, 기준 이미지(210)는 초음파 프로브가 정지된 상태에서 획득되고, 후보 이미지(220)는 초음파 프로브가 이동하면서 획득될 수 있다.
접촉 판단 장치(200)는 후보 이미지(220)와 기준 이미지(210)(예를 들어 초기 이미지)의 유사도를 계산하고 유사도가 접촉 판단 기준을 초과하는 경우 초음파 프로브와 신체 부위 사이의 접촉이 발생한 것으로 결정할 수 있다. 접촉 판단 장치(200)는 후보 이미지(220)를 소정의 영역, 예를 들어 패치(P)로 분할하고, 각 패치(P)에서 유사도를 계산할 수 있다. 즉, 접촉 판단 장치(200)는 후보 이미지(220)의 패치와 초기 이미지의 패치 간 유사도를 계산하고, 접촉 판단 기준을 초과하는 패치의 개수(즉 접촉 발생 패치의 개수)가 접촉 판단 기준을 초과하는지 판단할 수 있다.
접촉 판단 장치(200)는 후보 이미지(220)가 유효 압력 범위를 만족하는 경우, 후보 이미지(220)를 유효 이미지(230)로 판단할 수 있다. 예를 들어 접촉 판단 장치(200)는 후보 이미지(220)에서, 접촉 발생 패치가 제1 기준 개수를 초과하는지 판단하고, 초과하는 경우 후보 이미지(220)를 유효 이미지(230)로 결정할 수 있다. 또는 접촉 판단 장치(200)는 후보 이미지(220)에서, 접촉 발생 패치가 제2 기준 개수를 초과하여 연속으로 배치되는지 판단하고, 초과하는 경우 후보 이미지(220)를 유효 이미지(230)로 결정할 수 있다.
접촉 판단 장치(200)는 유효 이미지(230)가 획득되는 시점 또는 유효 이미지(230)가 생성된 시점을 초음파 프로브와 신체 부위가 적정 상태의 접촉 압력으로 접촉하는 시점으로 결정할 수 있다.
접촉 판단 장치(200)는 인공지능 모델을 이용하여 후보 이미지(220)를 유효 이미지(230)로 판단할 수 있다. 이 경우 인공지능 모델을 학습시키기 위한 학습 데이터가 사용될 수 있다. 이에 대한 자세한 내용은 도 6을 통해 후술한다.
도 4는 본 개시의 일 실시예에 따른 룰 베이스 기반의 유효 이미지를 결정하는 접촉 압력 판단 장치의 동작 방법을 나타내는 흐름도이다.
도 4를 참조하면, 접촉 판단 장치는 도 1의 컴퓨팅 장치(100)의 한 실시예일 수 있다.
접촉 판단 장치는 기준 이미지를 획득할 수 있다(S110). 접촉 판단 장치는 초음파 프로브를 통해, 초음파 프로브가 정지된 상태에서 신체 부위를 촬영한 기준 이미지를 획득할 수 있다. 기준 이미지는 복수개일 수 있다.
접촉 판단 장치는 기준 이미지를 기초로 초음파 프로브와 신체 부위 사이의 접촉 여부에 대한 대한 접촉 판단 기준 및 접촉 압력에 대한 유효 압력 범위를 생성할 수 있다(S120).
접촉 판단 기준은 이미지 간 유사도 값을 포함할 수 있다. 접촉 판단 장치는 기준 이미지와 획득할 후보 이미지 간 유사도가 접촉 판단 기준을 초과하는 경우, 초음파 프로브와 신체 부위 사이의 접촉이 발생한 것으로 결정하도록 접촉 판단 기준을 생성할 수 있다. 기준 이미지가 복수의 초음파 이미지를 포함하는 경우, 접촉 판단 장치는 기준 이미지들 간 유사도를 계산하고, 유사도 중 가장 작은 값을 기초로 접촉 판단 기준을 생성할 수 있다.
유효 압력 범위는, 초음파 이미지 내에서 접촉 판단 기준을 만족하는 영역을 기초로 생성될 수 있다. 초음파 이미지 내에서 접촉 판단 기준을 만족하는 영역을 접촉 발생 영역으로 칭할 수 있고, 해당 영역이 패치 단위인 경우, 접촉 발생 영역을 접촉 발생 패치로 칭할 수 있다. 유효 압력 범위는 초음파 이미지 내에서 접촉 발생 패치의 개수를 기초로 생성될 수 있다.
접촉 판단 장치는 후보 이미지를 획득할 수 있다(S130). 접촉 판단 장치는 기준 이미지를 획득하고 임의의 시간이 지난 후 후보 이미지를 획득할 수 있다.
접촉 판단 장치는 후보 이미지가 접촉 판단 기준을 만족하는지 판단할 수 있다(S140). 접촉 판단 장치는 기준 이미지와 후보 이미지 간 유사도를 계산하고, 유사도가 접촉 판단 기준을 초과하는 경우, 초음파 프로브와 신체 부위 사이의 접촉이 발생한 것으로 결정할 수 있다.
후보 이미지가 접촉 판단 기준을 만족하는 경우, 접촉 판단 장치는 후보 이미지가 유효 압력 범위를 만족하는지 판단할 수 있다(S150). 접촉 판단 장치는 후보 이미지에서 접촉 발생 영역을 파악하고, 해당 영역이 유효 압력 범위를 만족하는지 판단할 수 있다. 접촉 판단 장치는 후보 이미지에서 접촉 판단 영역의 크기 및 배치를 유효 압력 범위와 비교할 수 있다.
후보 이미지가 유효 압력 범위를 만족하는 경우, 접촉 판단 장치는 후보 이미지를 유효 이미지로 결정할 수 있다(S160).
접촉 판단 장치는 유효 이미지 획득 시점을 접촉 압력이 적정 상태인 시점으로 결정할 수 있다(S170). 접촉 판단 장치는 유효 이미지 획득 시점에 200과 연결된 외부 구성 요소, 예를 들어 정맥 천자 장치로 알림을 제공할 수 있다.
도 5는 본 개시의 일 실시예에 따른 룰 베이스 기반의 유효 이미지를 결정하는 접촉 압력 판단 장치의 동작 방법을 나타내는 흐름도이다.
도 5를 참조하면, 접촉 판단 장치는 도 1의 컴퓨팅 장치(100)의 한 실시예일 수 있다. 접촉 판단 장치는 초음파 이미지를 패치로 분할하여 접촉 압력 판단 동작을 수행할 수 있다. 즉 접촉 판단 장치는 획득하는 초음파 이미지를 패치 단위로 분할하는 작업을 수행할 수 있다. 패치의 크기 및 개수는 초음파 이미지에 따라 달라질 수 있다.
접촉 판단 장치는 복수의 기준 이미지를 획득할 수 있다(S210). 접촉 판단 장치는 초음파 프로브가 하강 운동을 시작하기 이전에 초음파 이미지를 획득하고, 이를 기준 이미지로 할 수 있다. 예를 들어 기준 이미지는 초음파 프로브에 증류수가 분사된 후 촬영된 초기 이미지, 증류수 분사 이후 초음파 프로브가 이동하기 전에 촬영된 제1 기준 이미지 및 제2 기준 이미지를 포함할 수 있다.
접촉 판단 장치는 복수의 기준 이미지 간 유사도를 기초로 접촉 판단 기준을 생성할 수 있다(S220). 접촉 판단 장치는 복수의 기준 이미지들 간의 유사도를 계산하고, 계산된 유사도 중 작은 값을 기초로 접촉 판단 기준을 생성할 수 있다. 접촉 판단 장치는 복수의 기준 이미지들 각각을 패치 단위로 분할하고, 패치 간 유사도 중 작은 값을 기초로 접촉 판단 기준을 생성할 수 있다.
예를 들어, 접촉 판단 장치는 초기 이미지, 제1 기준 이미지 및 제2 기준 이미지를 패치 단위로 분할할 수 있다. 접촉 판단 장치는 초기 이미지의 패치와 제1 기준 이미지의 패치 간 유사도를 계산하고, 초기 이미지의 패치와 제2 기준 이미지의 패치 간 유사도를 계산할 수 있다. 접촉 판단 장치는 이미지 상에서 대응되는 위치에 있는 패치 간 유사도를 계산할 수 있다. 접촉 판단 장치는 각 패치에서 계산된 유사도 값 중 가장 작은 값을 기초로 접촉 판단 기준을 생성할 수 있다.
접촉 판단 장치는 접촉 판단 기준을 만족하는 접촉 발생 패치의 개수를 기초로 유효 압력 범위를 생성할 수 있다. 유효 압력 범위는 제1 기준 개수 또는 제2 기준 개수를 포함할 수 있다. 예를 들어 접촉 판단 장치는 접촉 발생 패치의 개수가 제1 기준 개수를 초과하는 경우, 유효 압력 범위에 속하는 것으로 판단할 수 있다. 예를 들어 접촉 판단 장치는 접촉 발생 패치가 제2 기준 개수를 초과하여 연속하여 배치되는 경우, 유효 압력 범위에 속하는 것으로 판단할 수 있다.
접촉 판단 장치는 초음파 프로브가 이동하면서 촬영하는 후보 이미지를 획득할 수 있다(S230).
접촉 판단 장치는 후보 이미지의 패치와 초기 이미지의 패치 간 유사도를 계산할 수 있다(S240). 접촉 판단 장치는 후보 이미지와 초기 이미지의 대응되는 위치에 있는 패치 간 유사도를 계산할 수 있다.
접촉 판단 장치는 유사도가 접촉 판단 기준을 만족하는지 판단할 수 있다(S250). 접촉 판단 장치는 접촉 판단 기준을 만족하는 패치를 접촉 발생 패치로 판단할 수 있다.
접촉 판단 장치는 후보 이미지에서 접촉 발생 패치가 제1 기준 개수를 초과하는지 판단할 수 있다(S260). 접촉 판단 장치는 후보 이미지에서 접촉 발생 패치가 제2 기준 개수를 초과하여 연속 배치되는지 판단할 수 있다(S270). S260 단계 및 S270 단계는 선택적으로 수행되거나, 병렬적으로 수행될 수 있다. 또는 순차적으로 수행될 수 있다.
S260 단계에서 접촉 발생 패치가 제1 기준 개수를 초과하거나 S270 단계에서 접촉 발생 패치가 제2 기준 개수를 초과하여 연속 배치되는 경우, 접촉 판단 장치는 후보 이미지를 유효 이미지로 결정할 수 있다(S280). 이후 접촉 판단 장치는 유효 이미지를 획득한 시점을 초음파 프로브와 신체 부위 사이의 접촉 압력이 적정 상태인 시점으로 결정할 수 있다.
S250 단계에서 유사도가 접촉 판단 기준을 만족하지 않는 경우, S260 단계에서 접촉 발생 패치가 제1 기준 개수 이하인 경우, S270 단계에서 접촉 발생 패치가 제2 기준 개수를 초과하여 연속 배치되지 않는 경우 중 어느 하나에서 접촉 판단 장치는 S230 단계로 돌아가 후보 이미지를 다시 획득할 수 있다.
도 6은 본 개시의 일 실시예에 따른 인공지능 기반의 유효 이미지를 결정하는 접촉 압력 판단 장치의 동작 방법을 나타내는 흐름도이다.
도 6을 참조하면, 접촉 판단 장치는 도 1의 컴퓨팅 장치(100)의 한 실시예일 수 있다. S320 단계 이전에, 제1 인공지능 모델 및 제2 인공지능 모델이 학습될 수 있다.
제1 인공지능 모델은 초음파 프로브와 신체 부위 사이의 접촉이 있는지 여부를 판단하도록 학습될 수 있다.
제2 인공지능 모델은 초음파 프로브와 신체 부위 사이의 접촉 압력이 유효 압력 범위인지 판단하기 위해, 초음파 이미지가 유효 압력 범위 내에서 획득된 유효 이미지인지 판단하도록 학습될 수 있다.
제1 인공지능 모델은 초음파 프로브와 신체 부위 사이의 접촉이 발생한 상태에서 획득된 초음파 이미지를 학습 이미지로 할 수 있다. 제2 인공지능 모델은 초음파 프로브와 신체 부위 사이의 접촉 압력이 유효 압력 범위를 만족하는 상태에서 획득된 초음파 이미지를 학습 이미지로 할 수 있다. 접촉 압력이 유효 압력 범위 미만인 상태에서 획득된 초음파 이미지는 0, 접촉 압력이 유효 압력 범위인 상태에서 획득된 초음파 이미지는 1, 접촉 압력이 유효 압력 범위 초과인 상태에서 획득된 초음파 이미지는 2로 라벨링되어 제2 인공지능 모델이 학습될 수 있다.
또는 제2 인공지능 모델은 초음파 프로브와 신체 부위 사이의 접촉 압력을 수치로 출력하도록 학습될 수 있다. 이 경우 제2 인공지능 모델은 접촉 압력에 따른 복수의 초음파 이미지를 학습 이미지로 할 수 있다.
제1 인공지능 모델 및 제2 인공지능 모델은 초음파 이미지의 일부, 예를 들어 패치 단위로 학습될 수 있다.
접촉 판단 장치는 후보 이미지를 획득할 수 있다(S310). 후보 이미지는 초음파 프로브가 하강 운동을 시작한 이후에 획득된 초음파 이미지일 수 있다.
접촉 판단 장치는 학습된 제1 인공지능 모델 또는 제2 인공지능 모델을 이용하여, 후보 이미지가 초음파 프로브와 신체 부위 사이의 접촉 압력이 적정 상태에서 획득된 유효 이미지인지 판단할 수 있다(S320).
예를 들어, 접촉 판단 장치는 후보 이미지를 패치 단위로 분할할 수 있다. 그리고 접촉 판단 장치는 제1 인공지능 모델을 이용하여 각 패치가 접촉 발생 패치인지 판단할 수 있다. 접촉 판단 장치는 후보 이미지에 포함되는 접촉 발생 패치의 개수에 따라 후보 이미지를 유효 이미지로 결정할 수 있다.
예를 들어 접촉 판단 장치는 후보 이미지에 포함되는 접촉 발생 패치의 개수가 제1 기준 개수를 초과하는 경우 또는 후보 이미지에 포함되는 접촉 발생 패치가 제2 기준 개수를 초과하여 연속하여 배치되는 경우, 후보 이미지를 유효 이미지로 결정할 수 있다. 이에 대한 내용은 도 5의 S260 단계 및 S270 단계와 유사할 수 있다.
예를 들어 접촉 판단 장치는 제2 인공지능 모델에 후보 이미지를 입력하고, 각 클래스에 대응되는 확률값을 획득할 수 있다. 접촉 판단 장치는 기 설정된 범위, 예를 들어 0.7 ~ 1.3 내의 값을 출력하는 첫번째 프레임을 유효 이미지로 판단할 수 있다.
예를 들어 접촉 판단 장치는 제2 인공지능 모델에 후보 이미지를 입력하고 제2 인공지능 모델로부터 접촉 압력 값을 획득할 수 있다. 접촉 판단 장치는 압력 값이 미리 설정된 기준 값을 초과하는 경우, 접촉이 발생한 것으로 판단할 수 있다. 또한 접촉 판단 장치는 압력 값이 미리 설정된 범위 사이에 해당하는 경우, 후보 이미지를 유효 이미지로 판단할 수 있다. 이 경우 접촉 판단 장치는 제2 인공지능 모델로 접촉 여부 및 접촉 압력의 정도를 모두 판단할 수 있다.
예를 들어 접촉 판단 장치는 유효 이미지의 획득 시점을 초음파 프로브와 신체 부위 사이의 접촉 압력이 적정 상태인 시점으로 결정할 수 있다.
본 명세서에서 제1 인공지능 모델 및 제2 인공지능 모델을 구분하여 설명하였으나, 각각이 통합된 하나의 모델로 구현될 수 있다.
접촉 판단 장치는 초음파 프로브로부터 후보 이미지를 연속적으로 획득하고, S320 단계를 연속적으로 수행할 수 있다. 접촉 판단 장치가 복수의 유효 이미지들을 결정하는 경우, 접촉 판단 장치는 첫번째로 유효 이미지로 결정된 시점을 초음파 프로브와 신체 부위 사이의 접촉 압력이 적정 상태인 시점으로 결정할 수 있다.
전술한 본 개시의 설명은 예시를 위한 것이며, 본 개시가 속하는 기술분야의 통상의 지식을 가진 자는 본 개시의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 개시의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 개시의 범위에 포함되는 것으로 해석되어야 한다.
100: 컴퓨팅 장치
110: 프로세서
120: 메모리
130: 네트워크부
200: 접촉 판단 장치
210: 기준 이미지
211: 초기 이미지
212: 제1 기준 이미지
213: 제2 기준 이미지
220: 후보 이미지
230: 유효 이미지
110: 프로세서
120: 메모리
130: 네트워크부
200: 접촉 판단 장치
210: 기준 이미지
211: 초기 이미지
212: 제1 기준 이미지
213: 제2 기준 이미지
220: 후보 이미지
230: 유효 이미지
Claims (13)
- 적어도 하나의 프로세서를 포함하는 컴퓨팅 장치에 의해 수행되는, 초음파 프로브와 신체 부위 사이의 접촉 판단 방법으로서,
상기 초음파 프로브를 통해 복수의 기준 이미지를 획득하는 단계;
상기 복수의 기준 이미지를 기초로, 상기 초음파 프로브와 상기 신체 부위 사이의 접촉 여부에 대한 대한 접촉 판단 기준 및 접촉 압력에 대한 유효 압력 범위를 생성하는 단계;
상기 초음파 프로브를 통해 후보 이미지를 획득하는 단계;
상기 후보 이미지가 상기 접촉 판단 기준 및 상기 유효 압력 범위를 만족하는지 판단하는 단계; 및
만족하는 경우 상기 후보 이미지를, 상기 초음파 프로브와 상기 신체 부위 사이의 접촉 압력이 적정 상태에서 획득된 유효 이미지로 결정하는 단계;
를 포함하고,
상기 기준 이미지, 상기 후보 이미지 및 상기 유효 이미지는 2차원 초음파 이미지인 것을 특징으로 하는 방법. - 제1항에 있어서,
상기 생성하는 단계는,
상기 복수의 기준 이미지와 상기 후보 이미지 간 유사도가 상기 접촉 판단 기준을 초과하는 경우, 상기 초음파 프로브와 상기 신체 부위 사이의 접촉이 발생한 것으로 결정하도록 상기 접촉 판단 기준을 생성하는 단계;
를 포함하는 것을 특징으로 하는 방법. - 제2항에 있어서,
상기 접촉 판단 기준을 생성하는 단계는,
상기 복수의 기준 이미지들 간의 유사도를 계산하고, 계산된 유사도 중 가장 작은 값을 기초로 상기 접촉 판단 기준을 생성하는 단계;
를 포함하는 것을 특징으로 하는 방법. - 제3항에 있어서,
상기 접촉 판단 기준을 생성하는 단계는,
상기 복수의 기준 이미지 각각을 패치 단위로 분할하는 단계; 및
상기 복수의 기준 이미지 각각에서 생성된 패치 간 유사도 중 가장 작은 값을 기초로 상기 접촉 판단 기준을 생성하는 단계;
를 포함하는 것을 특징으로 하는 방법. - 제2항에 있어서,
상기 판단하는 단계는,
상기 복수의 기준 이미지의 패치와 상기 후보 이미지의 패치 간 유사도가 상기 접촉 판단 기준을 만족하는 경우, 상기 후보 이미지의 패치를 접촉 발생 패치로 판단하는 단계;
를 포함하는 것을 특징으로 하는 방법. - 제5항에 있어서,
상기 결정하는 단계는,
상기 후보 이미지에 포함되는 상기 접촉 발생 패치의 개수가 상기 유효 압력 범위에 포함되는 제1 기준 개수를 초과하는 경우, 상기 후보 이미지를 상기 유효 이미지로 결정하는 단계;
를 포함하는 것을 특징으로 하는 방법. - 제5항에 있어서,
상기 결정하는 단계는,
상기 후보 이미지에 포함되는 상기 접촉 발생 패치가 상기 유효 압력 범위에 포함되는 제2 기준 개수를 초과하여 연속하여 배치되는 경우, 상기 후보 이미지를 상기 유효 이미지로 결정하는 단계;
를 포함하는 것을 특징으로 하는 방법. - 제1항에 있어서,
상기 유효 이미지를 획득한 시점을 상기 초음파 프로브와 신체 부위 사이의 접촉 압력이 적정 상태인 시점으로 결정하는 단계;
를 더 포함하는 것을 특징으로 하는 방법. - 적어도 하나의 프로세서를 포함하는 컴퓨팅 장치에 의해 수행되는, 초음파 프로브와 신체 부위 사이의 접촉 판단 방법으로서,
상기 초음파 프로브를 통해 후보 이미지를 획득하는 단계; 및
상기 초음파 프로브와 상기 신체 부위 사이의 접촉이 있는지 여부를 판단하도록 학습된 제1 인공지능 모델 또는 상기 초음파 프로브와 상기 신체 부위 사이의 접촉 압력을 추론하도록 학습된 제2 인공지능 모델을 이용하여, 상기 후보 이미지가 상기 초음파 프로브와 상기 신체 부위 사이의 접촉 압력이 적정 상태에서 획득된 유효 이미지인지 판단하는 단계;
를 포함하는 것을 특징으로 하는 방법. - 제9항에 있어서,
상기 판단하는 단계는,
상기 후보 이미지를 패치 단위로 분할하는 단계;
상기 제1 인공지능 모델을 이용하여 각 패치가 접촉 발생 패치인지 판단하는 단계; 및
상기 후보 이미지에 포함되는 상기 접촉 발생 패치의 개수에 따라 상기 후보 이미지를 상기 유효 이미지로 결정하는 단계;
를 포함하는 것을 특징으로 하는 방법. - 제10항에 있어서,
상기 결정하는 단계는,
상기 후보 이미지에 포함되는 상기 접촉 발생 패치의 개수가 제1 기준 개수를 초과하는 경우, 상기 후보 이미지를 상기 유효 이미지로 결정하는 단계;
를 포함하는 것을 특징으로 하는 방법. - 제10항에 있어서,
상기 결정하는 단계는,
상기 후보 이미지에 포함되는 상기 접촉 발생 패치가 제2 기준 개수를 초과하여 연속하여 배치되는 경우, 상기 후보 이미지를 상기 유효 이미지로 결정하는 단계;
를 포함하는 것을 특징으로 하는 방법. - 컴퓨터 판독가능 저장 매체 저장된 컴퓨터 프로그램(program)으로서, 상기 컴퓨터 프로그램은 하나 이상의 프로세서(processor)에서 실행되는 경우, 초음파 프로브와 신체 부위 사이의 접촉을 판단하기 위한 동작들을 수행하도록 하며,
상기 동작들은,
상기 초음파 프로브를 통해 복수의 기준 이미지를 획득하는 동작;
상기 복수의 기준 이미지를 기초로, 상기 초음파 프로브와 상기 신체 부위 사이의 접촉 여부에 대한 대한 접촉 판단 기준 및 접촉 압력에 대한 유효 압력 범위를 생성하는 동작;
상기 초음파 프로브를 통해 후보 이미지를 획득하는 동작;
상기 후보 이미지가 상기 접촉 판단 기준 및 상기 유효 압력 범위를 만족하는지 판단하는 동작; 및
만족하는 경우 상기 후보 이미지를, 상기 초음파 프로브와 상기 신체 부위 사이의 접촉 압력이 적정 상태에서 획득된 유효 이미지로 결정하는 동작;
을 포함하고,
상기 기준 이미지, 상기 후보 이미지 및 상기 유효 이미지는 2차원 초음파 이미지인 특징으로 하는 컴퓨터 프로그램.
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220132185A KR102607805B1 (ko) | 2022-10-14 | 2022-10-14 | 의료 이미지를 기반으로 하는 접촉 판단 방법 및 이를 수행하는 컴퓨터 프로그램 |
| PCT/KR2023/008620 WO2024080489A1 (ko) | 2022-10-14 | 2023-06-21 | 의료 이미지를 기반으로 하는 접촉 판단 방법 및 이를 수행하는 컴퓨터 프로그램 |
| KR1020230165383A KR20240052711A (ko) | 2022-10-14 | 2023-11-24 | 의료 이미지를 기반으로 하는 접촉 판단 방법 및 이를 수행하는 컴퓨터 프로그램 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220132185A KR102607805B1 (ko) | 2022-10-14 | 2022-10-14 | 의료 이미지를 기반으로 하는 접촉 판단 방법 및 이를 수행하는 컴퓨터 프로그램 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230165383A Division KR20240052711A (ko) | 2022-10-14 | 2023-11-24 | 의료 이미지를 기반으로 하는 접촉 판단 방법 및 이를 수행하는 컴퓨터 프로그램 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102607805B1 true KR102607805B1 (ko) | 2023-11-29 |
Family
ID=88969328
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220132185A KR102607805B1 (ko) | 2022-10-14 | 2022-10-14 | 의료 이미지를 기반으로 하는 접촉 판단 방법 및 이를 수행하는 컴퓨터 프로그램 |
| KR1020230165383A KR20240052711A (ko) | 2022-10-14 | 2023-11-24 | 의료 이미지를 기반으로 하는 접촉 판단 방법 및 이를 수행하는 컴퓨터 프로그램 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230165383A KR20240052711A (ko) | 2022-10-14 | 2023-11-24 | 의료 이미지를 기반으로 하는 접촉 판단 방법 및 이를 수행하는 컴퓨터 프로그램 |
Country Status (2)
| Country | Link |
|---|---|
| KR (2) | KR102607805B1 (ko) |
| WO (1) | WO2024080489A1 (ko) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003135459A (ja) * | 2001-10-31 | 2003-05-13 | Ge Medical Systems Global Technology Co Llc | 超音波プローブ状態判断方法および超音波診断装置 |
| KR20100052135A (ko) * | 2008-11-10 | 2010-05-19 | (주)메디슨 | 초음파 진단 장치 및 초음파 진단 장치의 프로브 활성화 방법 |
| JP2010233609A (ja) * | 2009-03-30 | 2010-10-21 | Fujifilm Corp | 超音波診断装置及び接触状態判断方法 |
| JP2014180481A (ja) * | 2013-03-21 | 2014-09-29 | Fujifilm Corp | 光音響計測装置および光音響計測方法並びにプローブの接触判断方法 |
| JP2014207970A (ja) * | 2013-03-26 | 2014-11-06 | 富士フイルム株式会社 | 光音響計測装置 |
| KR20180027099A (ko) * | 2016-09-06 | 2018-03-14 | 삼성메디슨 주식회사 | 초음파 프로브, 초음파 프로브의 제어 방법 및 초음파 프로브를 포함하는 초음파 영상 장치 |
| WO2019235521A1 (ja) * | 2018-06-07 | 2019-12-12 | トリプル・ダブリュー・ジャパン株式会社 | 超音波測定装置、接触判定サーバ装置、接触判定プログラム及び接触判定方法 |
| JP2020505164A (ja) * | 2017-01-30 | 2020-02-20 | フレゼニウス メディカル ケア ドイッチェランド ゲゼルシャフト ミット ベシュレンクテル ハフツング | 血管を識別して操作するための装置及び対応する方法 |
| KR102103635B1 (ko) * | 2018-04-19 | 2020-04-22 | 서강대학교산학협력단 | 초음파 변환자 접촉평가 방법 및 그 장치 |
| KR102361612B1 (ko) | 2014-12-16 | 2022-02-10 | 삼성메디슨 주식회사 | 초음파 진단장치 및 그에 따른 초음파 진단 장치의 동작 방법 |
-
2022
- 2022-10-14 KR KR1020220132185A patent/KR102607805B1/ko active IP Right Grant
-
2023
- 2023-06-21 WO PCT/KR2023/008620 patent/WO2024080489A1/ko unknown
- 2023-11-24 KR KR1020230165383A patent/KR20240052711A/ko unknown
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003135459A (ja) * | 2001-10-31 | 2003-05-13 | Ge Medical Systems Global Technology Co Llc | 超音波プローブ状態判断方法および超音波診断装置 |
| KR20100052135A (ko) * | 2008-11-10 | 2010-05-19 | (주)메디슨 | 초음파 진단 장치 및 초음파 진단 장치의 프로브 활성화 방법 |
| JP2010233609A (ja) * | 2009-03-30 | 2010-10-21 | Fujifilm Corp | 超音波診断装置及び接触状態判断方法 |
| JP2014180481A (ja) * | 2013-03-21 | 2014-09-29 | Fujifilm Corp | 光音響計測装置および光音響計測方法並びにプローブの接触判断方法 |
| JP2014207970A (ja) * | 2013-03-26 | 2014-11-06 | 富士フイルム株式会社 | 光音響計測装置 |
| KR102361612B1 (ko) | 2014-12-16 | 2022-02-10 | 삼성메디슨 주식회사 | 초음파 진단장치 및 그에 따른 초음파 진단 장치의 동작 방법 |
| KR20180027099A (ko) * | 2016-09-06 | 2018-03-14 | 삼성메디슨 주식회사 | 초음파 프로브, 초음파 프로브의 제어 방법 및 초음파 프로브를 포함하는 초음파 영상 장치 |
| JP2020505164A (ja) * | 2017-01-30 | 2020-02-20 | フレゼニウス メディカル ケア ドイッチェランド ゲゼルシャフト ミット ベシュレンクテル ハフツング | 血管を識別して操作するための装置及び対応する方法 |
| KR102103635B1 (ko) * | 2018-04-19 | 2020-04-22 | 서강대학교산학협력단 | 초음파 변환자 접촉평가 방법 및 그 장치 |
| WO2019235521A1 (ja) * | 2018-06-07 | 2019-12-12 | トリプル・ダブリュー・ジャパン株式会社 | 超音波測定装置、接触判定サーバ装置、接触判定プログラム及び接触判定方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2024080489A1 (ko) | 2024-04-18 |
| KR20240052711A (ko) | 2024-04-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110517759B (zh) | 一种待标注图像确定的方法、模型训练的方法及装置 | |
| CN110009640B (zh) | 处理心脏视频的方法、设备和可读介质 | |
| EP3680854B1 (en) | Learning program, learning apparatus, and learning method | |
| US11545266B2 (en) | Medical imaging stroke model | |
| CN111768379A (zh) | 一种子宫三维超声图像的标准切面检测方法 | |
| EP4107662A1 (en) | Out-of-distribution detection of input instances to a model | |
| KR102607805B1 (ko) | 의료 이미지를 기반으로 하는 접촉 판단 방법 및 이를 수행하는 컴퓨터 프로그램 | |
| KR102513218B1 (ko) | 학습 데이터 생성 방법, 컴퓨터 프로그램 및 장치 | |
| KR102478344B1 (ko) | 의료용 로봇의 제어를 모니터링 하기 위한 방법, 프로그램 및 장치 | |
| KR102533000B1 (ko) | 학습 데이터 생성 방법, 컴퓨터 프로그램 및 장치 | |
| KR102472550B1 (ko) | 병변 탐지 방법, 프로그램 및 장치 | |
| US11308615B1 (en) | Systems and processes for improving medical diagnoses | |
| Cselényi | Mapping the dimensionality, density and topology of data: The growing adaptive neural gas | |
| JP2023131287A (ja) | 情報処理装置および学習方法 | |
| KR102641346B1 (ko) | 혈관 검출 방법 및 이를 수행하는 컴퓨터 프로그램 | |
| CN115151951A (zh) | 通过分析配准确定图像相似性 | |
| CN117616467A (zh) | 训练并使用深度学习算法来基于降维表示比较医学图像的方法 | |
| KR102588866B1 (ko) | 의료 시스템 제어 방법, 컴퓨터 프로그램 및 장치 | |
| KR102584250B1 (ko) | 데이터 처리 방법, 컴퓨터 프로그램 및 장치 | |
| KR102442591B1 (ko) | 라벨 생성 방법, 프로그램 및 장치 | |
| CN113316803A (zh) | 使用历史校正的统计分析来校正医学图像的分割 | |
| KR102502880B1 (ko) | 베이지안 최대엔트로피모델 추정 및 뇌 기능 동적 특성 평가 방법 | |
| KR102594259B1 (ko) | 채혈 후보를 탐색하기 위한 방법, 프로그램 및 장치 | |
| KR102613718B1 (ko) | 의료 영상 기반의 객체 추적 방법, 프로그램 및 장치 | |
| KR102595537B1 (ko) | 행동 모니터링을 위한 딥러닝 모델의 학습 방법, 프로그램 및 장치 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| AMND | Amendment | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) | ||
| A107 | Divisional application of patent | ||
| GRNT | Written decision to grant |