KR102647726B1 - Ct 영상의 정상스캔 여부를 자동으로 평가하는 방법, 시스템 및 비일시성 판독 가능 기록매체 - Google Patents
Ct 영상의 정상스캔 여부를 자동으로 평가하는 방법, 시스템 및 비일시성 판독 가능 기록매체 Download PDFInfo
- Publication number
- KR102647726B1 KR102647726B1 KR1020210160804A KR20210160804A KR102647726B1 KR 102647726 B1 KR102647726 B1 KR 102647726B1 KR 1020210160804 A KR1020210160804 A KR 1020210160804A KR 20210160804 A KR20210160804 A KR 20210160804A KR 102647726 B1 KR102647726 B1 KR 102647726B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- reference organ
- scan
- normal
- organ
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 210000000056 organ Anatomy 0.000 claims abstract description 156
- 230000011218 segmentation Effects 0.000 claims abstract description 47
- 238000012360 testing method Methods 0.000 claims abstract description 38
- 238000000605 extraction Methods 0.000 claims abstract description 27
- 230000008569 process Effects 0.000 claims description 34
- 238000007689 inspection Methods 0.000 claims description 14
- 238000013136 deep learning model Methods 0.000 claims description 12
- 210000003734 kidney Anatomy 0.000 claims description 8
- 210000000534 thyroid cartilage Anatomy 0.000 claims description 8
- 238000003066 decision tree Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 230000008685 targeting Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims 1
- 238000002591 computed tomography Methods 0.000 description 82
- 238000011156 evaluation Methods 0.000 description 40
- 238000004891 communication Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 18
- 238000004364 calculation method Methods 0.000 description 13
- 238000013170 computed tomography imaging Methods 0.000 description 13
- 230000001052 transient effect Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 210000004072 lung Anatomy 0.000 description 10
- 230000005855 radiation Effects 0.000 description 7
- 238000003384 imaging method Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- 210000003484 anatomy Anatomy 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000011158 quantitative evaluation Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 210000001260 vocal cord Anatomy 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000002835 absorbance Methods 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 210000003065 pyriform sinus Anatomy 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/46—Arrangements for interfacing with the operator or the patient
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/54—Control of apparatus or devices for radiation diagnosis
- A61B6/548—Remote control of the apparatus or devices
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/58—Testing, adjusting or calibrating thereof
- A61B6/581—Remote testing
-
- 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
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
- A61B2560/0266—Operational features for monitoring or limiting apparatus function
- A61B2560/0271—Operational features for monitoring or limiting apparatus function using a remote monitoring unit
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Heart & Thoracic Surgery (AREA)
- Pathology (AREA)
- High Energy & Nuclear Physics (AREA)
- Biophysics (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Optics & Photonics (AREA)
- Veterinary Medicine (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Pulmonology (AREA)
- Physiology (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
본 발명은 CT 영상의 정상스캔 여부를 자동으로 평가하는 방법, 시스템 및 비일시성 판독 가능 기록 매체에 관한 것이다. 본 발명의 일 실시예에 따른 CT 영상의 정상스캔 여부를 자동으로 평가하는 방법은 CT 영상에서 검사정보를 선택적으로 추출하는 검사정보 추출 단계, 검사정보를 이용하여, 정상스캔 여부 판정의 기준이 되는 기준장기의 자동 분할을 수행하는 자동 분할 단계, 자동 분할 결과를 기반으로 기준장기의 존재유무에 관한 정보 및 기준장기의 상대적 위치에 관한 정보를 포함하는 기준장기 정보를 획득하는 정보 획득 단계 및 기준장기 정보를 참조하여 정상스캔 여부를 판정하는 단계를 포함한다.
Description
본 발명은 CT 영상의 정상스캔 여부를 자동으로 평가하는 방법, 시스템 및 비일시성 판독 가능 기록 매체에 관한 것으로서, 보다 상세하게는 흉부 CT 영상의 정상스캔 여부를 자동으로 평가하는 방법, 시스템 및 비일시성 판독 가능 기록 매체에 관한 것이다.
컴퓨터 단층 촬영(Computed Tomography; CT)은 방사선을 인체 또는 물체에 투과시켜 매질에 따른 방사선 흡수도의 차이를 컴퓨터로 재구성함으로써 인체 또는 물체의 3차원 구조 정보를 제공하는 기술이다. 컴퓨터 단층 촬영은 단순 X선 촬영기술(Plane Radiography)에 비해 복잡한 신체 구조 및 병변의 형상을 입체적, 대조적인 값으로 정확히 확인할 수 있기 때문에 의료 분야에서 널리 활용되고 있다.
하지만, 단순 X선 촬영에 비해서 1회의 CT 촬영 시 환자에게 노출되는 방사선량이 높기 때문에, 방사선량의 과다 노출에 의해서 폐혈관조직, 척수, 식도, 호르몬 분비샘 등의 신체 연부 조직들이 손상될 수 있는 위험이 있다.
이에, CT를 촬영하는 과정에서 환자에게 가해지는 방사선량을, CT 영상의 품질을 저해하지 않는 선에서 최소화하는 저선량(low-dose) CT 촬영이 활용되고 있다. 그러나 임상적으로 촬영이 필요한 해부학적 영역을 넘어 스캔이 이루어지는 경우, 방사선량을 최소화하더라도 불필요한 영역이 방사선에 노출되어 문제될 수 있다. 또한, 임상적으로 촬영이 필요한 해부학적 영역이 불충분하게 포함되어 스캔이 이루어지는 경우에는 추가 검사가 필요할 수 있고, 그에 따라 환자가 방사선에 과다 노출될 위험이 여전히 존재한다.
하지만, 실제 임상환경에서는 CT 운용자의 주관으로 촬영 범위가 결정되기 때문에 촬영 범위가 수시로 변동되어 촬영이 필요한 해부학적 영역을 넘어 스캔이 이루어지거나(소위, 과도스캔) 검사 부위가 불충분하게 포함된 상태에서 스캔이 이루어지는 일(소위, 과소스캔)이 빈번하게 발생하고 있다.
이에 따라, CT 촬영 범위에 대한 정기적인 평가와 감독이 이루어질 필요성이 있으며, 바람직하게는 CT 촬영 범위가 정상범위 내에서 이루어지는지에 대하여 객관적 기준에 따라 자동으로 평가할 필요가 있다.
본 발명은 상술한 종래기술의 문제점을 해결하기 위한 것으로서, CT 영상에 대하여 객관적 기준으로 정상스캔 여부를 자동으로 평가하는 방법, 시스템 및 비일시성 판독 가능 기록매체를 제공하는 것에 목적이 있다.
또한, 본 발명은 CT 영상으로부터 비정상스캔, 특히 과도스캔 정도를 정량적 수치로 제공하여 그 결과에 따라 피드백이 이루어질 수 있는 방법, 시스템 및 비일시성 판독 가능 기록매체를 제공하는 것에 목적이 있다.
본 발명의 일 실시예에 따른 CT 영상의 정상스캔 여부를 자동으로 평가하는 방법은 CT 영상에서 검사정보를 선택적으로 추출하는 검사정보 추출 단계, 검사정보를 이용하여, 정상스캔 여부 판정의 기준이 되는 기준장기의 자동 분할을 수행하는 자동 분할 단계, 자동 분할 결과를 기반으로 기준장기의 존재유무에 관한 정보 및 기준장기의 상대적 위치에 관한 정보를 포함하는 기준장기 정보를 획득하는 정보 획득 단계 및 기준장기 정보를 참조하여 정상스캔 여부를 판정하는 단계를 포함한다.
본 발명의 일 실시예에 따르면, 기준장기는 상부측 정상스캔 여부 판정의 기준이 되는 제1 기준장기 및 하부측 정상스캔 여부 판정의 기준이 되는 제2 기준장기를 포함할 수 있다.
본 발명의 일 실시예에 따르면, 제1 기준장기는 갑상 연골일 수 있으며, 제2 기준장기는 신장일 수 있다.
본 발명의 일 실시예에 따르면, 자동 분할 단계에서는 딥러닝 모델을 기반으로 수행될 수 있으며, 딥러닝 모델은 2차원 영상의 입출력을 기반으로 하며, 입력 영상의 특징을 추출하는 인코더 및 복수의 채널을 통해 업샘플링을 수행하는 디코더가 대칭적으로 구성된 U자 형태의 뉴럴 네트워크 구조일 수 있다.
본 발명의 일 실시예에 따르면, 자동 분할 단계에서는, 기준장기를 대상으로 하는 이진 예측지도가 산출될 수 있다.
본 발명의 일 실시예에 따르면, 기준장기의 존재유무는 하기 수학식 1에 의하여 산출되는 불리언 형태의 결과값에 의해 결정될 수 있다.
[수학식 1]
본 발명의 일 실시예에 따르면, 기준장기의 상대적 위치에 관한 정보는, 기준장기의 위치보다 상부측 또는 하부측으로 초과 촬영된 CT 슬라이스의 유무에 대한 정보 및 초과 촬영된 CT 슬라이스의 개수에 대한 정보를 포함할 수 있다.
본 발명의 일 실시예에 따르면, 정상스캔 여부를 판정하는 단계는, 기준장기가 존재하는 경우 판단을 진행하는 기본판정과정 및 기준장기가 존재하지 않는 경우 판단을 진행하는 예외판정과정을 포함할 수 있다. 기본판정과정 및 예외판정과정은 의사결정나무 형태의 규칙기반 분류방법에 의해 수행될 수 있다.
본 발명의 일 실시예에 따르면, 예외판정과정은 관심영역을 재추출하고, 관심영역의 영상 정보를 기반으로 판정을 진행하는 과정을 포함할 수 있다.
본 발명의 일 실시예에 따른 CT 영상의 정상스캔 여부를 자동으로 평가하는 방법은 과도스캔 정도를 정략적 수치로 산출하는 단계 및 정략적 수치가 사전에 설정한 기준범위에 포함되는 경우 재판독 알림을 수행하는 재판독 알림 단계를 더 포함할 수 있다. 과도스캔 정도를 나타내는 정량적 수치는 하기의 수학식 2에 의해 산출될 수 있다.
[수학식 2]
본 발명의 일 실시예에 따른 CT 영상의 정상스캔 여부를 자동으로 평가하는 시스템은 CT 영상에서 검사정보를 선택적으로 추출하는 검사정보 추출부, 검사정보를 이용하여, 정상스캔 여부 판정의 기준이 되는 기준장기의 자동 분할 작업을 수행하는 자동 분할부, 자동 분할부에서 산출되는 결과를 기반으로 기준장기의 존재유무에 관한 정보 및 기준장기의 상대적 위치에 관한 정보를 포함하는 기준장기 정보를 획득하는 정보 획득부 및 기준장기의 정보를 참조하여 정상스캔 여부를 판정하는 정상스캔 판정부를 포함한다.
본 발명의 일 실시예에 따르면, CT 영상에 대하여 자동 분할 모델을 통해 기준장기의 존재유무 및 상대적 위치에 관한 정보를 획득할 수 있고, 이를 통해 과도스캔 또는 과소스캔 여부를 자동으로 평가할 수 있다.
또한, CT 영상에서 비정상스캔, 특히 과도스캔 정도를 정량적인 수치로 산출하고, 수치에 따라서 정밀 재판독 알림을 수행함으로써, 부정확한 판정의 위험을 낮출 수 있다.
도 1은 본 발명의 일 실시예에 따른 CT 촬영 및 정상스캔 여부의 자동 평가에 관한 전체 시스템을 개략적으로 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른 CT 영상의 정상스캔 여부를 자동으로 평가하는 시스템의 구성을 개략적으로 나타내는 도면이다.
도 3은 본 발명의 일 실시예에 따른 정상스캔 자동평가 시스템의 자동 분할 모델을 나타내는 도면이다.
도 4는 본 발명의 일 실시예에 따른 CT 영상의 정상스캔 여부를 자동으로 평가하는 시스템의 정상스캔 판정부의 세부 구성을 나타내는 도면이다.
도 5는 본 발명의 일 실시예에 따라 CT 영상의 상부측 정상스캔 여부를 판정하는 과정을 예시적으로 나타내는 도면이다.
도 6은 본 발명의 일 실시예에 따라 CT 영상의 하부측 정상스캔 여부를 판정하는 과정을 예시적으로 나타내는 도면이다.
도 7은 본 발명의 일 실시예의 변형예에 따라 CT 영상의 상부측 정상스캔 여부를 판정하는 과정을 예시적으로 나타내는 도면이다.
도 8은 본 발명의 일 실시예의 변형예에 따라 CT 영상의 하부측 정상스캔 여부를 판정하는 과정을 예시적으로 나타내는 도면이다.
도 9는 본 발명의 일 실시예에 따른 CT 영상의 정상스캔 여부를 자동으로 평가하는 방법을 나타내는 순서도이다.
도 2는 본 발명의 일 실시예에 따른 CT 영상의 정상스캔 여부를 자동으로 평가하는 시스템의 구성을 개략적으로 나타내는 도면이다.
도 3은 본 발명의 일 실시예에 따른 정상스캔 자동평가 시스템의 자동 분할 모델을 나타내는 도면이다.
도 4는 본 발명의 일 실시예에 따른 CT 영상의 정상스캔 여부를 자동으로 평가하는 시스템의 정상스캔 판정부의 세부 구성을 나타내는 도면이다.
도 5는 본 발명의 일 실시예에 따라 CT 영상의 상부측 정상스캔 여부를 판정하는 과정을 예시적으로 나타내는 도면이다.
도 6은 본 발명의 일 실시예에 따라 CT 영상의 하부측 정상스캔 여부를 판정하는 과정을 예시적으로 나타내는 도면이다.
도 7은 본 발명의 일 실시예의 변형예에 따라 CT 영상의 상부측 정상스캔 여부를 판정하는 과정을 예시적으로 나타내는 도면이다.
도 8은 본 발명의 일 실시예의 변형예에 따라 CT 영상의 하부측 정상스캔 여부를 판정하는 과정을 예시적으로 나타내는 도면이다.
도 9는 본 발명의 일 실시예에 따른 CT 영상의 정상스캔 여부를 자동으로 평가하는 방법을 나타내는 순서도이다.
이하, 첨부한 도면을 참조하여 본 발명의 바람직한 실시예에 대해 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있을 정도로 상세하게 설명한다.
본 발명을 명확하게 설명하기 위하여 본 발명과 관계없는 부분의 설명은 생략하였으며, 명세서 전체를 통하여 동일한 구성요소에 대해서는 동일한 참조 부호를 붙이도록 한다. 또한, 명세서에 기재되어 있는 특정 형상, 구조 및 특성은 본 발명의 사상 및 범위를 벗어나지 않으면서 일 실시예로부터 다른 실시예로 변경되어 구현될 수 있으며, 개별 구성요소의 위치 또는 배치도 본 발명의 사상 및 범위를 벗어나지 않으면서 변경될 수 있는 것으로 이해되어야 한다.
따라서, 후술하는 상세한 설명은 한정적인 의미로서 행하여지는 것이 아니며, 본 발명의 범위는 청구범위의 청구항들이 청구하는 범위 및 그와 균등한 모든 범위를 포괄하는 것으로 받아들여져야 한다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 구성요소를 나타낸다.
도 1은 본 발명의 일 실시예에 따른 CT 촬영 및 정상스캔 여부의 자동 평가에 관한 전체 시스템을 개략적으로 나타내는 도면이다. 도 1을 참조하면, CT 촬영 및 정상스캔 여부의 자동 평가를 위한 전체 시스템은 CT 촬영장치(200), 통신망(300) 및 CT 영상의 정상스캔 여부를 자동으로 평가하는 시스템(이하, '정상스캔 자동평가 시스템')(100)으로 이루어진다.
CT 촬영장치(200)는 X선 발생장치가 구비되어 인체의 여러 각도에서 투과한 X선을 컴퓨터로 측정하고 인체의 단면에 대한 흡수치를 재구성하여 영상으로 나타내 주는 단층촬영 기기이다.
통신망(300)은 유선 통신이나 무선 통신과 같은 통신 양태를 가리지 않고 구성될 수 있으며, 근거리 통신망(LAN; Local Area Network), 도시권 통신망(MAN; Metropolitan Area Network), 광역 통신망(WAN; Wide Area Network) 등 다양한 통신망으로 구성될 수 있다. 예를 들면, 통신망(300)은 무선 데이터 통신망으로서, 와이파이(WiFi) 통신, 와이파이 다이렉트(WiFi-Direct) 통신, 롱텀 에볼루션(LTE; Long Term Evolution) 통신, 블루투스 통신(더 구체적으로는, 저전력 블루투스(BLE; Bluetooth Low Energy) 통신), 적외선통신, 초음파 통신 등과 같은 종래의 통신 방법을 적어도 그 일부분에 있어서 구현하는 것일 수 있다.
정상스캔 자동평가 시스템(100)은 CT 촬영장치(200)로부터 CT 영상을 제공받고 CT 촬영의 정상스캔 여부, 즉 CT 촬영이 필요한 영역을 넘어서는 촬영(과도스캔) 또는 CT 촬영이 필요한 영역이 불충분하게 포함된 촬영(과소스캔)에 해당하는지 여부를 평가하도록 구성된다. 이하에서, 정상스캔 자동평가 시스템(100)의 세부 구성에 대하여 상세히 설명한다.
도 2는 본 발명의 일 실시예에 따른 CT 영상의 정상스캔 여부를 자동으로 평가하는 시스템의 구성을 개략적으로 나타내는 도면이다. 도 2를 참조하면, 본 발명의 일 실시예에 따른 정상스캔 자동평가 시스템(100)은 검사정보 추출부(110), 자동 분할부(120), 정보 획득부(130), 정상스캔 판정부(140), 수치 산출부(150), 재판독 알림부(160), 데이터베이스부(170), 통신부(180) 및 제어부(190)를 포함하여 구성될 수 있다.
본 발명의 일 실시예에 따르면, 검사정보 추출부(110), 자동 분할부(120), 정보 획득부(130), 정상스캔 판정부(140), 수치 산출부(150), 재판독 알림부(160), 데이터베이스부(170), 통신부(180) 및 제어부(190)는 그 중 적어도 일부가 외부의 시스템과 통신하는 프로그램 모듈일 수 있다. 이러한 프로그램 모듈은 운영 시스템, 응용 프로그램 모듈 또는 기타 프로그램 모듈의 형태로 정상스캔 자동평가 시스템(100)에 포함될 수 있고, 물리적으로는 여러 가지 공지의 기억 장치에 저장될 수 있다. 또한, 이러한 프로그램 모듈은 정상스캔 자동평가 시스템(100)과 통신 가능한 원격 기억 장치에 저장될 수 있다. 한편, 이러한 프로그램 모듈은 본 발명에 따라 후술할 특정 업무를 수행하거나 특정 추상 데이터 유형을 실행하는 루틴, 서브루틴, 프로그램, 오브젝트, 컴포넌트, 데이터 구조 등을 포괄하지만, 이에 제한되지는 않는다.
한편, 정상스캔 자동평가 시스템(100)에 관하여 위와 같이 설명되었으나, 이러한 설명은 예시적인 것이고 정상스캔 자동평가 시스템(100)의 구성요소 또는 기능 중 적어도 일부가 필요에 따라 외부시스템(미도시됨) 내에서 실현되거나 외부시스템 내에 포함될 수도 있음은 당업자에게 자명하다.
본 발명의 일 실시예에 따른 정상스캔 자동평가 시스템(100)의 검사정보 추출부(110)는 CT 영상에서 검사정보를 선택적으로 추출하는 기능을 수행할 수 있다. 본 실시예에 따르면, 검사정보 추출부(110)는 CT 영상 데이터의 DICOM 헤더 속 영상정보 및 스캔속성정보를 이용하여 CT 영상 데이터 내에서 인체에 관한 정보, 예를 들어 폐, 갑상연골, 신장 등의 장기에 관한 정보만을 선택적으로 추출할 수 있다. CT 영상은 상술한 CT 촬영장치(200)에 의해서 획득되어 제공될 수 있다.
본 발명의 일 실시예에 따른 정상스캔 자동평가 시스템(100)의 자동 분할부(120)는 검사정보 추출부(110)에서 추출한 검사정보를 이용하여, 딥러닝 모델을 기반으로 정상스캔 여부 판정의 기준이 되는 기준장기의 자동 분할 작업을 수행하고, 기준장기를 자동 추출하는 기능을 수행할 수 있다.
본 발명의 일 실시예에 따르면, 기준장기는 상부측 과도스캔 여부 판정의 기준이 되는 제1 기준장기 및 하부측 과도스캔 여부 판정의 기준이 되는 제2 기준장기를 포함할 수 있다. 흉부 CT 영상에서 폐 영역의 정상스캔 여부를 자동으로 평가하는 경우, 폐 영역을 대상으로 기준장기가 정해질 수 있다. 예를 들어, 상부측 기준장기인 제1 기준장기는 갑상 연골(thyroid cartilage)일 수 있고, 하부측 기준장기인 제2 기준장기는 신장(kidney)일 수 있다.
본 발명의 일 실시예에 따르면, 자동 분할부(120)에서 수행되는 세부적인 작업은 다음과 같다.
먼저, 검사정보 추출부(110)에서 추출한 3차원의 검사정보를 복수의 2차원 영상정보의 집합으로 재구성하고, 2차원 영상정보 각각에 대하여 밝기 값(intensity) 정규화(normalization) 등의 전처리 작업을 수행한다. 이러한 작업에 의해서, 3차원의 검사정보를 후술하는 딥러닝 모델에 적용이 용이한 데이터 형태로 변환할 수 있다. 이후, 전처리 작업이 완료된 2차원 영상정보를 딥러닝 모델에 입력하고, 딥러닝 모델을 통해 기준장기를 대상으로 자동 분할 작업이 수행된다. 딥러닝 모델을 통한 자동 분할 작업의 결과, 기준장기를 대상으로 하는 이진(binary) 예측지도(prediction map)가 산출될 수 있다.
도 3은 본 발명의 일 실시예에 따른 정상스캔 자동평가 시스템의 자동 분할 모델을 나타내는 도면으로서, 도 3을 참조하면 자동 분할부(120)에서 사용되는 딥러닝 모델은 2차원 영상의 입·출력을 기반으로 하는 U자 형태의 뉴럴(neural) 네트워크 구조일 수 있다. 구체적으로, 복수의 컨볼루션(convolution)층을 사용하여 입력 영상(2차원 영상정보)의 특징(feature)을 추출하는 인코더(encoder) 및 복수의 채널(channel)을 통해 세밀한 업샘플링(up-sampling)을 수행하는 디코더(decoder)를 포함하고, 이들 인코더 및 디코더가 대칭적으로 구성된 U자 형태의 모델로 구성될 수 있다. 또한, 자동 분할 모델은 인코더를 통해 생성된 특징맵과 디코더를 통해 생성된 특징맵이 서로 연결, 병합(concatenate)되는 구조일 수 있으며, 이러한 구조에 의해서 기준장기의 위치 정보에 대한 복원의 정확성을 높일 수 있다.
한편, 필요에 따라 자동 분할 모델을 통해 획득한 정보에 대하여 노이즈(noise) 제거 등의 후처리 작업이 수행될 수 있다. 예를 들어, 노이즈는 원치 않는 결과 신호값들을 포괄적으로 포함할 수 있다.
본 발명의 일 실시예에 따른 정상스캔 자동평가 시스템(100)의 정보 획득부(130)는 자동 분할부(120)에서 산출되는 결과를 기반으로 기준장기의 정보, 예를 들어 기준장기의 존재유무에 관한 정보 및 상대적 위치에 관한 정보를 획득하는 기능을 수행할 수 있다.
본 발명의 일 실시예에 따르면, 정보 획득부(130)는 자동 분할부(120)에서 산출되는 이진 예측지도를 통해 기준장기의 존재유무에 관한 정보를 획득할 수 있다. 예를 들어, 하기 수학식 1에 의하여 불리언(boolean) 형태의 결과 값이 산출되도록 구성될 수 있다. 즉, 임계 픽셀 수(number of thresholding pixels)가 예측지도의 픽셀값(pixel value of prediction map)보다 큰 경우 참값(true)을 출력하고, 임계 픽셀 수가 예측지도의 픽셀값보다 작은 경우에는 거짓값(false)을 출력하여, 기준장기 존재 유무에 관한 정보를 산출할 수 있다.
본 발명의 일 실시예에 따르면, 기준장기의 상대적 위치에 관한 정보는 기준장기가 존재한다는 전제 하에서 획득될 수 있으며, 기준장기의 상대적 위치에 관한 정보는 기준장기의 위치보다 상부(superior)측 혹은 하부(inferior)측으로 초과 촬영된 CT 슬라이스의 유무에 대한 정보 및 초과 촬영된 CT 슬라이스의 개수에 대한 정보를 포함할 수 있다.
본 발명의 일 실시예에 따른 정상스캔 자동평가 시스템(100)의 정상스캔 판정부(140)는 정보 획득부(130)에서 획득한 기준장기의 정보를 참조하여, CT 영상의 정상스캔 여부를 판단하는 기능을 수행할 수 있다.
도 4는 본 발명의 일 실시예에 따른 정상스캔 자동평가 시스템의 정상스캔 판정부의 세부 구성을 나타내는 도면으로, 도 4를 참조하면, 정상스캔 판정부(140)는 상부측 판정부(141) 및 하부측 판정부(143)를 포함하여 구성될 수 있다. 이를 통해, 정상스캔 판정부(140)는 상부측과 하부측에 대하여 독립적, 개별적으로 정상스캔 여부의 판정을 수행할 수 있다. 상부측 판정부(141) 및 하부측 판정부(143)에서는 이진분류(binary classification) 결과를 산출하는 의사결정나무(decision tree)와 유사한 구조를 갖는 알고리즘을 이용하여 정상스캔 여부를 판단할 수 있다.
도 5는 본 발명의 일 실시예에 따라 CT 영상의 상부측 정상스캔 여부를 판정하는 알고리즘을 예시적으로 나타내는 도면이고, 도 6은 본 발명의 일 실시예에 따라 CT 영상의 하부측 정상스캔 여부를 판정하는 알고리즘을 예시적으로 나타내는 도면이다.
도 5를 참조하면, CT 영상의 상부측 정상스캔 여부의 판정은 정보 획득부(130)에서 획득한 제1 기준장기의 존재유무에 관한 정보 및 상대적 위치에 관한 정보를 이용하여 수행될 수 있다. 이를 위해, 제1 기준장기(상부측 기준장기)가 존재하는지 여부를 판단한다(S510). 제1 기준장기가 존재하는 경우에는 제1 기준장기의 첫번째 위치보다 상부측으로 초과하여 스캔된 CT 슬라이스가 존재하는지 여부를 판단하고(S520), 상부측으로 초과 스캔된 CT 슬라이스가 존재하는 경우에는 상부측 과도스캔으로 판정한다(S530). 만약, 제1 기준장기가 존재하지 않거나 제1 기준장기의 첫번째 위치보다 상부측으로 초과하여 스캔된 CT 슬라이스가 존재하지 않는 경우에는 정상스캔으로 판정한다(S540). 흉부 CT의 경우 제1 기준장기는 갑상연골로 설정할 수 있다.
도 6을 참조하면, CT 영상의 하부측 정상스캔 여부의 판단은 정보 획득부(130)에서 획득한 제2 기준장기의 존재유무에 관한 정보 및 상대적 위치에 관한 정보를 이용하여 수행될 수 있다. 이를 위해, 제2 기준장기(하부측 기준장기)가 존재하는지 여부를 판단한다(S610). 제2 기준장기가 존재하는 경우에는 제2 기준장기의 마지막 위치보다 하부측으로 초과하여 스캔된 CT 슬라이스가 존재하는지 여부를 판단하고(S620), 하부측으로 초과 스캔된 CT 슬라이스가 존재하는 경우에는 하부측 과도스캔으로 판정한다(S630). 만약, 제2 기준장기가 존재하지 않거나 제2 기준장기의 마지막 위치보다 하부측으로 초과하여 스캔된 CT 슬라이스가 존재하지 않는 경우에는 정상스캔으로 판정한다(S640). 흉부 CT의 경우 제2 기준장기는 신장으로 설정할 수 있다.
도 7은 본 발명의 일 실시예의 변형예에 따라 CT 영상의 상부측 정상스캔 여부를 판정하는 알고리즘을 예시적으로 나타내는 도면이고, 도 8은 본 발명의 일 실시예의 변형예에 따라 CT 영상의 하부측 정상스캔 여부를 판정하는 알고리즘을 예시적으로 나타내는 도면이다.
상부측 판정부(141) 및 하부측 판정부(143)에서 사용되는 알고리즘은 기준장기가 존재하는 경우 판단을 진행하는 기본판정과정 및 기준장기가 존재하지 않는 경우 판단을 진행하는 예외판정과정을 포함하여 구성될 수 있으며, 기본판정과정 및 예외판정과정은 의사결정나무 형태의 규칙기반 분류방법에 의해 수행될 수 있다.
본 발명의 일 실시예에 따르면, 예외판정과정은 기준장기가 존재하지 않거나 딥러닝 모델 기반의 분할 작업에서 예측되지 않는 특수한 예외 상황의 경우 정상스캔 여부를 판정하기 위한 것으로서, 특정 관심영역을 재추출하고 관심영역의 영상 정보를 기반으로 판정을 진행하는 과정을 포함할 수 있다. 여기서, 관심영역은 정상스캔 여부 판정의 기준장기 중 어느 하나의 장기(예를 들어, 갑상연골 혹은 신장)가 배치된 영역을 포함하는 영역일 수 있다. 한편, 예외판정과정에서는 정상스캔 여부 판정의 정확성을 극대화하기 위하여 임상 해부학적(anatomical) 지식을 반영하여 알고리즘을 설계할 수 있다.
도 7을 참조하여 흉부 CT 촬영에 대한 상부측 정상스캔 여부 판정과정을 살펴보면, 우선 제1 기준장기가 존재하는지 여부를 판단한다(S710). 제1 기준장기가 존재하는 경우에는 앞선 실시예에서와 마찬가지로 제1 기준장기의 첫번째 위치보다 상부측으로 초과하여 스캔된 CT 슬라이스가 존재하는지 여부를 판단하며(S720), 상부측으로 초과하여 스캔된 CT 슬라이스가 존재하는 경우 상부측 과도스캔으로 판정한다(S730). 제1 기준장기가 존재하지 않거나 제1 기준장기의 위치보다 초과 촬영된 CT 슬라이스가 존재하지 않는 경우에는 관심영역 패치를 재추출하고(S740), 이로부터 제3 기준장기가 관측되는지를 판단한다(S750). 예를 들어, 관심영역과 제3 기준장기는 각각 기도 영역과 이상와(pyriform sinus)로 설정할 수 있으며, 상부측 초기 연속적인 10장의 CT 영상에서 관심영역인 기도 영역이 포함되는 영역의 패치들을 재추출하여 해당 영상정보에 제3 기준장기인 이상와가 포함되는지 여부를 판단한다. 제3 기준장기가 관측되면 상부측으로 과도스캔된 것으로 판정하며(S730), 제3 기준장기가 관측되지 않는 경우에는, 다시 관심영역의 패치들 중에서 성대(vocal cords)가 맞닿아 닫히는 천이영역이 스캔된 Z축 구간의 길이가 소정의 길이, 예를 들어 5mm 미만인지 여부를 판단한다(S760). 만약, 성대의 천이영역이 스캔된 Z축 구간의 길이가 소정의 길이 이상인 경우에는 상부측 과도스캔으로 판정하고(S730), 소정의 길이 미만인 경우 첫번째 관심영역 패치에서 폐 실질(lung parenchyma) 영역이 관측되는지 여부를 판단한다(S770). 여기에서 폐 실질 영역이 관측되지 않으면 정상스캔으로 판정하고(S780), 폐 실질 영역이 관측되면 상부측 과소스캔으로 판정하게 된다(S790).
도 8을 참조하여 흉부 CT 촬영에 대한 하부측 정상스캔 여부 판정과정을 살펴보면, 우선 제2 기준장기가 존재하는지 여부를 판단한다(S810). 제2 기준장기가 존재하는 경우에는 제2 기준장기의 마지막 위치보다 하부측으로 초과하여 스캔된 CT 슬라이스가 존재하는지 여부를 판단하며(S820), 하부측으로 초과 스캔된 CT 슬라이스가 존재하는 경우에는 초과 스캔된 구간의 길이가 소정의 길이, 예를 들어 3mm를 초과하는지 여부를 판단하여(S830), 초과 스캔된 구간의 길이가 소정의 길이를 초과하면 하부측 과도스캔으로 판정하고(S840), 초과하지 않는 경우에는 정상스캔으로 판정한다(S870). 제2 기준장기가 존재하지 않거나 제2 기준장기의 마지막 위치보다 하부측으로 초과 촬영된 CT 슬라이스가 존재하지 않는 경우에는 관심영역 패치를 재추출하고(S850), 폐 실질 영역이 관측되는지 여부를 판단한다(S860). 예를 들어, 관심영역은 척추 영역으로 설정할 수 있으며, 하부측 마지막 연속적인 10장의 CT 영상에서 관심영역인 척추 영역이 포함되는 영역의 패치들을 재추출하고, 마지막 관심영역 패치에서 폐 실질 영역이 관측되는지 여부를 판단한다. 여기에서 폐 실질 영역이 관측되지 않으면 정상스캔으로 판정하고(S870), 폐 실질 영역이 관측되면 하부측 과소스캔으로 판정하게 된다(S880).
본 변형예에 따르면, 기본판정과정 및 예외판정과정을 통해 상부측 및 하부측 정상스캔 여부의 판정 결과가 불리언 형태의 결과 값으로 각각 산출되도록 구성될 수 있다. 산출된 결과 값(정보 A, 정보 B)을 토대로 OR 연산이 수행될 수 있으며, 과소스캔도 정상스캔의 범주에 포함시켜 과도스캔 여부 판정 결과에 방향성(양측, 상부측, 하부측)을 포함시켜 출력하는 작업이 수행될 수 있다. 즉, 양측 과도스캔, 상부측 과도스캔, 하부측 과도스캔, 정상스캔 중 어느 하나로 과도스캔 여부의 최종 판정이 이루어질 수 있다. 이에 추가로, 양측 과소스캔, 상부측 과소스캔, 하부측 과소스캔에 대한 판정이 이루어질 수 있음은 물론이다.
이처럼, 본 발명에서는 상부측과 하부측에 대한 정상스캔 여부의 판정이 기본판정과정 및 예외판정과정을 포함하는 판정 과정을 통해 개별적, 독립적으로 이루어지고, 특히, 특수한 예외 상황들과 관련하여 예외판정과정이 진행됨으로써, 정상스캔 여부 판정의 정확성을 향상시키는 효과를 기대할 수 있다.
본 발명의 일 실시예에 따른 정상스캔 자동평가 시스템(100)의 수치 산출부(150)는 비정상스캔, 특히 과도스캔 정도를 정략적 수치로 산출하는 기능을 수행할 수 있다. 본 발명의 일 실시예에 따르면, 정량적 수치는 기준장기의 위치를 기준으로 축평면(axial plane)에 수직한 방향으로 초과 스캔된 길이로 정의될 수 있으며, 상부측 또는 하부측 방향으로 기준장기의 위치보다 초과 촬영된 2차원 CT 슬라이스의 개수 및 CT 슬라이스의 재구성(reconstruction) 두께(thickness, mm)에 관한 정보를 이용하여 하기 수학식 2에 의해서 산출될 수 있다.
본 발명의 일 실시예에 따르면, 수치 산출부(150)에서 산출되는 정량적 수치는 재판독 알림부(160)에 전달될 수 있다.
본 발명의 일 실시예에 따른 정상스캔 자동평가 시스템(100)의 재판독 알림부(160)는 수치 산출부(150)에서 산출되는 정량적 수치에 따라 정밀 재판독 알림을 수행하도록 구성될 수 있다.
본 발명의 일 실시예에 따르면, 재판독 알림부(160)는 정량적 수치가 사전에 설정한 기준범위에 포함되는 경우 재판독 알림을 수행할 수 있으며, 재판독 알림 기준범위[축평면에 수직한 방향으로 초과 스캔된 길이(l)와 초과 스캔된 2차원 CT 슬라이스 개수(N)의 범위]는 다음과 같이 설정될 수 있다.
- 상부측 재판독 알림 기준: 5 ≤l≤10이며, 상부측 초과 스캔된 2차원 영상의 수가 3장 이하일 경우
- 하부측 재판독 알림 기준: 3 <l≤10 이며, 하부측 초과 스캔된 2차원 영상의 수가 3장 이하일 경우
이처럼, 본 발명에서는 과도스캔 등의 비정상스캔 여부 판단이 어려운 데이터에 대하여 정밀 판독의 필요성을 자동으로 판정함으로써, 부정확한 판정의 위험을 낮출 수 있다.
본 발명의 일 실시예에 따른 정상스캔 자동평가 시스템(100)의 데이터베이스부(170)는 정상스캔 자동평가 시스템(100)을 운영하는 데에 필요한 데이터를 저장하는 기능을 수행할 수 있다. 데이터베이스부(170)에 저장되는 데이터로는, 예를 들어 검사정보 추출부(110)에서 추출되는 검사정보, 자동 분할부(120)에서 수행되는 자동 분할 작업의 결과, 정보 획득부(130)에서 획득한 기준장기에 관한 정보, 정상스캔 판정부(140)에서의 정상스캔 여부 판정 결과, 수치 산출부(150)에서 산출되는 정량적 수치 등일 수 있다.
본 발명의 일 실시예에 따른 정상스캔 자동평가 시스템(100)의 통신부(180)는 검사정보 추출부(110), 자동 분할부(120), 정보 획득부(130), 정상스캔 판정부(140), 수치 산출부(150), 재판독 알림부(160) 및 데이터베이스부(170)로부터의/로의 데이터 송수신이 가능하도록 기능을 수행할 수 있다.
본 발명의 일 실시예에 따른 정상스캔 자동평가 시스템(100)의 제어부(190)는 검사정보 추출부(110), 자동 분할부(120), 정보 획득부(130), 정상스캔 판정부(140), 수치 산출부(150), 재판독 알림부(160), 데이터베이스부(170) 및 통신부(180) 간의 데이터 흐름을 제어하는 기능을 수행할 수 있다. 즉, 본 발명에 따른 제어부(190)는 정상스캔 자동평가 시스템(100)의 각 구성요소 간의 데이터 흐름을 제어함으로써, 검사정보 추출부(110), 자동 분할부(120), 정보 획득부(130), 정상스캔 판정부(140), 수치 산출부(150), 재판독 알림부(160), 데이터베이스부(170) 및 통신부(180)에서 각각 고유 기능을 수행하도록 제어할 수 있다.
도 9는 본 발명의 일 실시예에 따른 CT 영상의 정상스캔 여부를 자동으로 평가하는 방법(이하, 정상스캔 자동평가 방법)을 나타내는 순서도로, 이하에서는 이를 참조하여 본 발명의 일 실시예에 따른 정상스캔 자동평가 방법을 상세하게 설명한다.
도 9를 참조하면, 본 발명의 일 실시예에 따른 정상스캔 자동평가 방법은, 검사정보 추출 단계(S110), 자동 분할 단계(S120), 정보 획득 단계(S130), 정상스캔 판정 단계(S140), 정량적 수치 산출 단계(S150) 및 재판독 알림 단계(S160)를 포함할 수 있다.
먼저, 검사정보 추출 단계(S110)에서는, CT 영상에서 검사정보, 예를 들어, 인체에 관한 정보를 선택적으로 추출한다. 구체적으로, 입력된 CT 영상 데이터의 DICOM 헤더 속 영상정보 및 스캔속성정보를 이용하여 CT 영상 내에서 인체 관련 정보만을 선택적으로 추출할 수 있으며, 이는 상술한 정상스캔 자동평가 시스템(100)의 검사정보 추출부(110)를 통해 수행될 수 있다.
자동 분할 단계(S120)에서는, 검사정보 추출 단계에서 추출한 검사정보를 이용하여, 딥러딩 모델을 기반으로 과도스캔 여부 판정의 기준이 되는 기준장기의 자동 분할 작업을 수행한다. 여기서, 기준장기는 상부측 과도스캔 여부 판정의 기준이 되는 제1 기준장기(상부측 기준장기) 및 하부측 과도스캔 여부 판정의 기준이 되는 제2 기준장기(하부측 기준장기)를 포함할 수 있다. 흉부 CT 영상을 대상으로 하는 경우, 제1 기준장기는 갑상 연골일 수 있으며, 제2 기준장기는 신장일 수 있다.
자동 분할 단계(S120)는 상술한 정상스캔 자동평가 시스템(100)의 자동 분할부(120), 구체적으로 딥러닝 모델이 적용된 자동 분할 모델을 통해 수행될 수 있으며, 자동 분할의 결과 기준장기를 대상으로 하는 이진 예측지도가 산출될 수 있다.
다음으로, 정보 획득 단계(S130)에서는, 자동 분할 결과를 기반으로 기준장기의 존재유무에 관한 정보 및 상대적 위치에 관한 정보를 포함하는 기준장기의 정보를 획득한다. 본 실시예에 따르면, 기준장기(갑상 연골 및 신장)의 존재유무에 관한 정보는 이진 예측지도를 통해 획득될 수 있으며, 상술한 바와 같이 수학식 1에 의하여 불리언(Boolean) 형태로 산출될 수 있다. 한편, 기준장기의 상대적 위치에 관한 정보는 기준장기의 위치보다 상부측 또는 하부측으로 초과 촬영된 CT 슬라이스의 유무에 대한 정보 및 초과 촬영된 CT 슬라이스의 개수에 대한 정보를 포함할 수 있다.
정상스캔 판정 단계(S140)에서는, 기준장기의 정보를 참조하여 정상스캔 여부를 판정한다. 본 실시예에 따르면, 정상스캔 여부를 판단은 기준장기가 존재하는 경우 판정을 진행하는 기본판정과정 및 기준장기가 존재하지 않는 경우 판정을 진행하는 예외판정과정을 포함할 수 있으며, 기본판정과정 및 예외판정과정은 의사결정나무 형태의 규칙기반 분류방법에 의해 수행될 수 있다. 정상스캔 판정 단계(S140)는 상술한 정상스캔 자동평가 시스템(100)의 정상스캔 판정부(140)를 통해 수행될 수 있으며, 정상스캔 판정 단계(S140)의 구체적인 내용은 도 5 내지 도 8을 참조하여 설명한 바와 같다.
끝으로, 정량적 수치 산출 단계(S150) 및 재판독 알림 단계(S160)에서는, 상부측 또는 하부측 방향으로 기준장기의 위치보다 초과 촬영된 CT 슬라이스의 개수와 CT 슬라이스의 재구성 두께 정보를 이용하여 비정상스캔, 특히 과도스캔 정도를 정략적 수치로 산출하고, 정량적 수치가 사전에 설정한 기준범위에 포함되는 경우 재판독 알림을 수행할 수 있다.
이상 설명된 본 발명에 따른 실시예는 다양한 컴퓨터 구성요소를 통하여 실행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위하여 하나 이상의 소프트웨어 모듈로 변경될 수 있으며, 그 역도 마찬가지이다.
한편, 본 발명의 유효성을 검증하기 위해 외부 저선량 흉부 CT 데이터 세트를 사용하여 정상스캔 여부 자동평가를 정량적으로 진행하였다. 외부 데이터 세트는 한국의료영상 품질관리원에서 수집된 개별 환자 50명에 대한 저선량 CT 영상 속 과도스캔 영상(16개) 및 정상스캔 영상(34개)으로 구성되어 있으며, 4개의 CT 제조사(Siemens, GE, Philips 및 Canon)에서 제작된 서로 다른 26개의 CT 장비에서 획득되었다. 외부 데이터 세트 내 각 영상은 512 x 512 픽셀의 매트릭스 크기를 가지며, 평균적으로 약 2mm 이내의 영상 재구성 두께를 가진다(최소 1mm, 최대 5mm).
유효성 검증의 정량적 평가에 사용된 평가지표는 정확도(accuracy), 민감도(sensitivity), 특이도(specificity), 양성예측도(positive predictive value, PPV), 음성예측도(negative predictive value, NPV)이며, 하기의 수학식 3 내지 수학식 7을 통해 정량적 수치를 산출하였다. 여기에서, TP는 실제 과도스캔 데이터가 본 발명을 통해 과도스캔으로 올바르게 분류된 경우의 수, FN은 실제 과도스캔데이터가 본 발명을 통해 정상스캔으로 잘못 분류된 경우의 수, FP는 실제 정상스캔 데이터가 본 발명을 통해 과도스캔으로 잘못 분류된 경우의 수, TN은 실제 정상스캔 데이터가 본 발명을 통해 정상스캔으로 올바르게 분류된 경우의 수를 각각 의미한다.
정량적 평가의 계산은 외부 데이터 세트에 대한 영상 의학과 전문의의 과도스캔 여부 판독결과(gold-standard)와 본 발명을 통해 판정된 결과를 비교, 분류한 혼동 행렬(confusion matrix)을 기반으로 이루어졌다. 상기 5가지의 개별 평가지표에 대하여 1에 가까운 값을 가질수록 본 방법이 높은 성능을 가짐을 의미하고, 0에 가까운 값을 가질수록 낮은 성능을 가짐을 의미한다.
본 발명에 따른 CT 영상의 정상스캔 여부 자동평가 방법의 유효성 검증은 다양한 제조사 및 장비로부터 획득 및 재구성된 저선량 흉부 CT 영상들을 대상으로 진행되었음에도 불구하고 하기 혼동행렬(표 1 참조)과 같은 결과를 가지며, 5가지 개별 평가지표에 대해서 표 2와 같이 우수한 결과값을 보여줌을 확인할 수 있다. 즉, 본 발명에 따른 정상스캔 자동평가 시스템 및 방법으로 정상스캔 및 비정상스캔(예를 들어, 과도스캔)여부를 정확히 판단할 수 있음을 확인할 수 있다.
| Confusion Matrix for Low-Dose Chest CT Automatic Overscan Evaluation | Gold-Standard | ||
| Overscan | Non-Overscan | ||
| Prediction | Overscan | 16 | 1 |
| Non-Overscan | 0 | 33 | |
| Evaluation Metrics | Value |
| Accuracy | 0.98 |
| Sensitivity | 1 |
| Specificity | 0.970588 |
| Positive Predictive Value (PPV) | 0.941176 |
| Negative Predictive value (NPV) | 1 |
이상 본 발명을 구체적인 구성요소 등과 같은 특정 사항들과 한정된 실시예에 의해 설명하였으나, 상기 실시예는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명이 이에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형을 꾀할 수 있다.따라서, 본 발명의 사상은 앞서 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 청구범위뿐만 아니라 이 청구범위와 균등하게 또는 등가적으로 변형된 모든 것들은 본 발명의 사상의 범주에 속한다고 할 것이다.
100: 정상스캔 자동평가 시스템
110: 검사정보 추출부
120: 자동 분할부
130: 정보 획득부
140: 정상스캔 판정부
141: 상부측 판정부
143: 하부측 판정부
150: 수치 산출부
160: 재판독 알림부
170: 데이터베이스부
180: 통신부
190: 제어부
110: 검사정보 추출부
120: 자동 분할부
130: 정보 획득부
140: 정상스캔 판정부
141: 상부측 판정부
143: 하부측 판정부
150: 수치 산출부
160: 재판독 알림부
170: 데이터베이스부
180: 통신부
190: 제어부
Claims (12)
- 삭제
- CT 영상의 정상스캔 여부를 자동으로 평가하는 방법으로서,
CT 영상에서 검사정보를 선택적으로 추출하는 검사정보 추출 단계,
상기 검사정보를 이용하여, 정상스캔 여부 판정의 기준이 되는 기준장기의 자동 분할을 수행하는 자동 분할 단계,
상기 자동 분할 결과를 기반으로 상기 기준장기의 존재유무에 관한 정보 및 상기 기준장기의 상대적 위치에 관한 정보를 포함하는 기준장기 정보를 획득하는 정보 획득 단계 및
상기 기준장기 정보를 참조하여 정상스캔 여부를 판정하는 단계를 포함하고,
상기 기준장기는 상부측 정상스캔 여부 판정의 기준이 되는 제1 기준장기 및 하부측 정상스캔 여부 판정의 기준이 되는 제2 기준장기를 포함하는, 방법. - 제2항에 있어서,
상기 제1 기준장기는 갑상 연골이고, 상기 제2 기준장기는 신장인, 방법. - CT 영상의 정상스캔 여부를 자동으로 평가하는 방법으로서,
CT 영상에서 검사정보를 선택적으로 추출하는 검사정보 추출 단계,
상기 검사정보를 이용하여, 정상스캔 여부 판정의 기준이 되는 기준장기의 자동 분할을 수행하는 자동 분할 단계,
상기 자동 분할 결과를 기반으로 상기 기준장기의 존재유무에 관한 정보 및 상기 기준장기의 상대적 위치에 관한 정보를 포함하는 기준장기 정보를 획득하는 정보 획득 단계 및
상기 기준장기 정보를 참조하여 정상스캔 여부를 판정하는 단계를 포함하고,
상기 자동 분할 단계에서는 딥러닝 모델을 기반으로 수행되고,
상기 딥러닝 모델은 2차원 영상의 입출력을 기반으로 하며, 입력 영상의 특징을 추출하는 인코더 및 복수의 채널을 통해 업샘플링을 수행하는 디코더가 대칭적으로 구성된 U자 형태의 뉴럴 네트워크 구조인, 방법. - CT 영상의 정상스캔 여부를 자동으로 평가하는 방법으로서,
CT 영상에서 검사정보를 선택적으로 추출하는 검사정보 추출 단계,
상기 검사정보를 이용하여, 정상스캔 여부 판정의 기준이 되는 기준장기의 자동 분할을 수행하는 자동 분할 단계,
상기 자동 분할 결과를 기반으로 상기 기준장기의 존재유무에 관한 정보 및 상기 기준장기의 상대적 위치에 관한 정보를 포함하는 기준장기 정보를 획득하는 정보 획득 단계 및
상기 기준장기 정보를 참조하여 정상스캔 여부를 판정하는 단계를 포함하고,
상기 자동 분할 단계에서는, 상기 기준장기를 대상으로 하는 이진 예측지도가 산출되는, 방법. - 제5항에 있어서,
상기 기준장기의 존재유무는 하기 수학식 1에 의하여 산출되는 불리언 형태의 결과값에 의해 결정되는, 방법.
[수학식 1]
- CT 영상의 정상스캔 여부를 자동으로 평가하는 방법으로서,
CT 영상에서 검사정보를 선택적으로 추출하는 검사정보 추출 단계,
상기 검사정보를 이용하여, 정상스캔 여부 판정의 기준이 되는 기준장기의 자동 분할을 수행하는 자동 분할 단계,
상기 자동 분할 결과를 기반으로 상기 기준장기의 존재유무에 관한 정보 및 상기 기준장기의 상대적 위치에 관한 정보를 포함하는 기준장기 정보를 획득하는 정보 획득 단계 및
상기 기준장기 정보를 참조하여 정상스캔 여부를 판정하는 단계를 포함하고,
상기 기준장기의 상대적 위치에 관한 정보는, 상기 기준장기의 위치보다 상부측 또는 하부측으로 초과 촬영된 CT 슬라이스의 유무에 대한 정보 및 상기 초과 촬영된 CT 슬라이스의 개수에 대한 정보를 포함하는, 방법. - CT 영상의 정상스캔 여부를 자동으로 평가하는 방법으로서,
CT 영상에서 검사정보를 선택적으로 추출하는 검사정보 추출 단계,
상기 검사정보를 이용하여, 정상스캔 여부 판정의 기준이 되는 기준장기의 자동 분할을 수행하는 자동 분할 단계,
상기 자동 분할 결과를 기반으로 상기 기준장기의 존재유무에 관한 정보 및 상기 기준장기의 상대적 위치에 관한 정보를 포함하는 기준장기 정보를 획득하는 정보 획득 단계 및
상기 기준장기 정보를 참조하여 정상스캔 여부를 판정하는 단계를 포함하고,
상기 정상스캔 여부를 판정하는 단계는, 상기 기준장기가 존재하는 경우 판단을 진행하는 기본판정과정 및 상기 기준장기가 존재하지 않는 경우 판단을 진행하는 예외판정과정을 포함하고,
상기 기본판정과정 및 상기 예외판정과정은 의사결정나무 형태의 규칙기반 분류방법에 의해 수행되는, 방법. - 제8항에 있어서,
상기 예외판정과정은 관심영역을 재추출하고, 상기 관심영역의 영상 정보를 기반으로 판정을 진행하는 과정을 포함하는, 방법. - CT 영상의 정상스캔 여부를 자동으로 평가하는 방법으로서,
CT 영상에서 검사정보를 선택적으로 추출하는 검사정보 추출 단계,
상기 검사정보를 이용하여, 정상스캔 여부 판정의 기준이 되는 기준장기의 자동 분할을 수행하는 자동 분할 단계,
상기 자동 분할 결과를 기반으로 상기 기준장기의 존재유무에 관한 정보 및 상기 기준장기의 상대적 위치에 관한 정보를 포함하는 기준장기 정보를 획득하는 정보 획득 단계 및
상기 기준장기 정보를 참조하여 정상스캔 여부를 판정하는 단계를 포함하고,
과도스캔 정도를 정략적 수치로 산출하는 단계 및 상기 정략적 수치가 사전에 설정한 기준범위에 포함되는 경우 재판독 알림을 수행하는 재판독 알림 단계를 더 포함하며,
상기 과도스캔 정도를 나타내는 정량적 수치는 하기의 수학식 2에 의해 산출되는, 방법.
[수학식 2]
- 제2항 내지 제10항 중 어느 한 항에 따른 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 비일시성의 컴퓨터 판독 가능 기록 매체.
- CT 영상의 정상스캔 여부를 자동으로 평가하는 시스템으로서,
CT 영상에서 검사정보를 선택적으로 추출하는 검사정보 추출부,
상기 검사정보를 이용하여, 정상스캔 여부 판정의 기준이 되는 기준장기의 자동 분할 작업을 수행하는 자동 분할부,
상기 자동 분할부에서 산출되는 결과를 기반으로 상기 기준장기의 존재유무에 관한 정보 및 상기 기준장기의 상대적 위치에 관한 정보를 포함하는 기준장기 정보를 획득하는 정보 획득부 및
상기 기준장기의 정보를 참조하여 정상스캔 여부를 판정하는 정상스캔 판정부를 포함하고,
상기 기준장기는 상부측 정상스캔 여부 판정의 기준이 되는 제1 기준장기 및 하부측 정상스캔 여부 판정의 기준이 되는 제2 기준장기를 포함하는,
시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210160804A KR102647726B1 (ko) | 2021-11-19 | 2021-11-19 | Ct 영상의 정상스캔 여부를 자동으로 평가하는 방법, 시스템 및 비일시성 판독 가능 기록매체 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210160804A KR102647726B1 (ko) | 2021-11-19 | 2021-11-19 | Ct 영상의 정상스캔 여부를 자동으로 평가하는 방법, 시스템 및 비일시성 판독 가능 기록매체 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20230073912A KR20230073912A (ko) | 2023-05-26 |
| KR102647726B1 true KR102647726B1 (ko) | 2024-03-19 |
Family
ID=86537080
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210160804A KR102647726B1 (ko) | 2021-11-19 | 2021-11-19 | Ct 영상의 정상스캔 여부를 자동으로 평가하는 방법, 시스템 및 비일시성 판독 가능 기록매체 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102647726B1 (ko) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014104354A (ja) * | 2012-11-27 | 2014-06-09 | Ge Medical Systems Global Technology Co Llc | マーカによってｃｔスキャンをナビゲートするための方法および装置 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08103440A (ja) * | 1994-10-06 | 1996-04-23 | Hitachi Medical Corp | Ｘ線ｃｔ装置における撮影制御方法 |
| DE102013220665A1 (de) * | 2013-10-14 | 2015-04-16 | Siemens Aktiengesellschaft | Bestimmung eines Werts eines Aufnahmeparameters mittels einer anatomischen Landmarke |
| KR101725099B1 (ko) * | 2014-12-05 | 2017-04-26 | 삼성전자주식회사 | 컴퓨터 단층 촬영장치 및 그 제어방법 |
-
2021
- 2021-11-19 KR KR1020210160804A patent/KR102647726B1/ko active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014104354A (ja) * | 2012-11-27 | 2014-06-09 | Ge Medical Systems Global Technology Co Llc | マーカによってｃｔスキャンをナビゲートするための方法および装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20230073912A (ko) | 2023-05-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102210474B1 (ko) | 양전자방출 단층촬영 시스템 및 그것을 이용한 영상 재구성 방법 | |
| US7646902B2 (en) | Computerized detection of breast cancer on digital tomosynthesis mammograms | |
| JP5207649B2 (ja) | 骨または他のカルシウム含有物質と軟部組織内の造影剤との自動差別化方法および装置 | |
| US8634610B2 (en) | System and method for assessing cancer risk | |
| US7792339B2 (en) | Method and apparatus for intracerebral hemorrhage lesion segmentation | |
| RU2589461C2 (ru) | Устройство для создания присваиваний между областями изображения и категориями элементов | |
| EP2976746B1 (en) | A method and x-ray system for computer aided detection of structures in x-ray images | |
| KR102314455B1 (ko) | 두부경부 컴퓨터단층촬영영상에서의 안와뼈 분할 방법 및 장치 | |
| JP2006314778A (ja) | 医用画像処理装置及び医用画像処理方法 | |
| CN101626726A (zh) | 医学成像中病灶的识别与分析 | |
| US20110064292A1 (en) | System and method for multi-image based virtual non-contrast image enhancement for dual source ct | |
| CN110574070A (zh) | 慢性血栓栓塞性肺动脉高压的放射学识别的改进 | |
| KR20150073628A (ko) | 컴퓨터 보조 진단용 진단모델 적응 시스템 및 방법 | |
| KR102351283B1 (ko) | 딥러닝을 이용한 짧은 시간 촬영한 뇌 단층 촬영 이미지 복원 장치 | |
| CN110634144B (zh) | 一种卵圆孔定位方法、装置和存储介质 | |
| CN110276740A (zh) | 乳房肿瘤辅助检测模型、其系统及乳房肿瘤辅助检测方法 | |
| Yang et al. | Quantification of lung function on CT images based on pulmonary radiomic filtering | |
| CN113205461B (zh) | 一种低剂量ct影像去噪模型训练方法、去噪方法及装置 | |
| KR102647726B1 (ko) | Ct 영상의 정상스캔 여부를 자동으로 평가하는 방법, 시스템 및 비일시성 판독 가능 기록매체 | |
| Zhang et al. | Cerebral hemorrhage recognition based on Mask R-CNN network | |
| CN117727441A (zh) | 基于临床-融合影像计算机模型预测肺癌免疫疗效方法 | |
| CN114119491A (zh) | 一种基于医学图像分析的数据处理系统 | |
| CN115797308A (zh) | 一种基于dce-mri的乳腺肿瘤分割方法 | |
| US20220044454A1 (en) | Deep reinforcement learning for computer assisted reading and analysis | |
| Pinto Pereira et al. | Automated registration of diagnostic to prediagnostic x‐ray mammograms: Evaluation and comparison to radiologists’ accuracy |
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 |