KR19980070439A - 병리조직 진단 지원장치 - Google Patents

Abstract

단시간에 그리고 고정밀도의 진단이 요구되는 병리조직 진단에 관해 병리의사의 숙련도에 좌우되지않는 지원장치를 제공하는데 있다.

생체조직의 조직화상으로부터 화상의 특징을 특징량으로서 정량적으로 표시하고, 병리조직학적 특징에 따라 미리설정된 진단 카테고리를 적합도 산출 카테고리로서 상기 조직화상의 특징량이 상기 적합도 산출 카테고리에 적합하는 정도를 산출해서 적합도가 높은 적합도 산출 카테고리 명을 표시한다.

Description

병리조직 진단 지원장치

본 발명은 진단시간을 단축하고, 진단정밀도를 향상할 수 있는 병리조직 진단 지원장치를 제공하는데 본 발명의 목적이 있다.

본 발명은 병리조직 진단을 지원하는 장치에 관한 것이다.

병리조직 진단이라는 것은 생체 조직을 현미경으로 관찰하고 질병의 종류를 진단하는 것이다.

조직표본을 제작하기 위해 생체에 흠집을 내야 한다는 결점이 있으나 세포진등 다른 진단법과 비교해 정밀도가 높은 진단법이다.

따라서 통상은 세포진이나 렌트겐등 다른 진단법에 의해 의심스럽다고 진단되어 진단명을 확정할 필요가 있는 경우나 수술에 의해 절취된 부위의 질병을 진단하기 위해 시행된다.

그러나 현재 병리조직 진단을 지원하는 장치는 없다.

병리조직 진단에 가까운 진단법으로는 세포진이 있다.

이는 생체의 세포를 관찰하고 질병의 유무나 종류를 진단하는 것으로 정밀도는 병리조직 진단에 비해 낮기는 하나 생체를 거의 상처 내지 않는다는 특징을 갖는다.

그래서 예를들어 자궁암의 집단검진등 대량의 인간으로부터 질병을 갖기 쉬운 사람을 발견하기 위해 사용되고 있다.

이 세포진에 관해서는 예를 들면 일본국 특공평 6 - 52263호 공보에 기재된 바와 같이 진단을 지원하는 장치가 있다.

이는 검체를 자동적으로 스크리닝하고 명백히 정상이라고 판정된 검체에 대해서는 목시험검사를 하지않고, 의사에 의한 목시검사를 필요로 하는 검체수를 감소하고, 분석효율과 신뢰성을 향상시키는 것이다.

그러나 병리조직 진단의 경우는 이상한 조직의 질병의 종류를 진단하기 위해 시행되기 때문에 대량의 검체로부터 정상인 검체를 스크리닝하기 위해 개발된 종래의 기술을 사용할 수는 없다.

또 개개의 세포의 특징을 주출해서 판정하는 종래의 판정수법도 진단에서 조직의 구조적 특징이 중요한 병리조직 진단에는 이용할 수 없다.

다음, 종래의 병리의사에 의한 병리조직 진단의 방법에 대해 설명한다.

병리의사는 검체로부터 절취되어 헤머톡시린·에오진등에의해 염색되어 제작된 표본을 현미경에 셋해서 조직을 관찰한다.

병리의사는 조직의 병리 조직학적 특징을 바탕으로 진단을 하나 진단 해야할 질병의 종류는 유선의 경우에 한정해도 30종류 이상이 있고, 이들의 특징을 모두 기억하고, 즉시에 진단을 내리는 것은 곤란하다.

그래서 통상은 감별 진단법에 대해 해설되어 있는 책중에서 관찰한 조직에 유사한 병리조직학적 특징을 갖는 화상이 증예로서 계재되어 있는 개소를 찾어 그 감별 진단법을 참고로 해서 진단을 내리고 있다.

이와 같이 종래는 병리의사가 기억과 경험에 따라 참고서적중에서 유사한 병리 조직학적 특징을 갖는 화상이 증예로서 계재되어 있는 개소를 찾어내고, 그 개소를 참고로 해서 진단을 하기 때문에 올바른 개소를 찾는데 시간이 걸리고, 또 잘못된 개소를 참고로 한 경우에 오진에 연결되어 버리는등 병리의사의 숙련도에 의해 진단결과의 신뢰도가 크게 달라진다는 문제점이 있었다.

본 발명은 이러한 문제점을 해결하기 위해 진단시간을 단축하고 진단 정밀도를 향상할 수 있는 병리조직 진단 지원장치를 제공하는데 있다.

본 발명에 관한 병리조직 진단 지원장치는 생체 조직의 조직화상으로부터 화상의 특징을 특징량으로서 정량적으로 표시하는 특징량 주출수단과, 병리조직학적 특징에 따라 미리 설정된 진단 카테고리를 적합도 산출 카테고리로서 상기 조직화상의 특징량이 상기 적합도 산출 카테고리에 적합하는 정도를 산출하는 적합도 산출 수단과, 적합도가 높은 적합도 산출 카테고리 명을 표시하는 적합도 표시수단을 구비한 것을 특징으로 하는 것이다.

또, 이 병리조직 진단 지원장치는 특징량으로서 핵영역의 수, 면적,형상, 원형도, 색, 색도, 공극영역의수 면적, 형상, 원형도, 간질영역의 수,면적,형상, 원형도 색, 색도, 관공영역의 수, 면적, 형상, 원형도, 화상의 텍스쳐, 웨브렛 변환치를 사용해서 산출되는 특징량, 상피세포가 근상피세포를 수반하는 2층 구조를 표시하는 정도, 선유화의 정도, 유도상 패턴의 유무, 채상태 패턴의 유무, 괴사물질의 유무, 충실성 패턴의 유무, 화상의 색, 또는 색도를 사용해서 산출되는 특징량의 적어도 하나를 사용하는 것을 특징으로 하는 것이다.

또, 이 병리조직 진단 지원장치는 적합도 산출수단으로서 뉴럴넷 위크를 사용하고, 각 적합도 산출 카테고리에 출력뉴론을 활당하고, 특징량을 입력하고, 학습에 사용되는 조직화상에 대해 미리 결정된 적합도를 교사 신호로 해서 각 적합도 산출 카테고리에 활당된 뉴론이 교사 신호와 같은 값을 출력하도록 학습하고, 학습후의 뉴럴넷 위크에 진단하고저 하는 조직화상으로부터 주출된 특징량을 입력하고, 출력뉴론의 출력치를 적합도로 하는 것을 특징으로 하는 것이다.

도 1 은 본 발명에 관한 병리조직 진단 지원장치의 실시의 형태를 표시하는 블럭도,

도 2 는 도1에 표시한 병리조직 진단 지원장치를 사용한 병리조직 진단의 순서를 표시한 플로우 챠트,

도 3 은 도1의 병리조직 진단 지원장치를 사용해서 학습데이터를 작성하고 학습을 실행하는 경우의 순서를 표시하는 플로우 챠트,

도 4 는 본 발명의 실시의 형태를 표시하는 계층형 뉴럴넷위크의 구성도.

도면의 주요부분에 대한 부호의 설명

1 : 유선종양의 조직표본 2 : 현미경

3 : 카메라 4 : 화상취입회로

5 : 계산기 6 : 하드 디스크

7 : 메모리 8 : 프로세서

9 : 표시장치 10 : 키보드

11 : 입력뉴론 12 : 음폐뉴론

13 : 출력뉴론 14 : 뉴론간의 배선

다음, 본 발명에 관한 병리조직 진단 지원장치의 실시의 형태를 유선종양의 병리조직 진단의 지원장치의 경우에 대해 설명한다.

도 1 은 본 발명의 실시의 형태인 병리조직 진단 지원장치를 표시하는 블록도이고, 이 도면에서 1 은 유선종양의 조직표본 2 는 현미경, 3 은 카메라, 4 는 화상취입회로, 5 는 계산기, 6 은 하드 디스크, 7 은 메모리, 8 은 프로세서, 9 는 표시장치, 10 은 키보드이다.

도 2 는 도 1 에 표시한 병리조직 진단 지원장치에서의 처리순서를 표시하는 플로우 챠트이다.

다음, 도 1 의 병리조직 진단 지원장치를 사용했을때의 처리 순서를 도 2 의 플로우 챠트에 따라 설명한다.

헤마톡시린, 에오딘 염색된 유선 종양의 조직표본 1 은 현미경(2) 및 카메라(3)를 사용해서 확대해서 촬영되고, 화상취입회로(4)에 의해 A/D 변환되어 디지털 화상으로서 하드 디스크(6)에 보존된다.(스텝ST1)

계속해서 촬영되어 하드 디스크(6)에 보존된 조직화상의 병리조직학적 특징량이 계산기(5)에 의해 계산된다.

이 병리 조직학적 특징량에는 예를들어 핵영역의 수, 면적, 형상, 원형도, 색, 색도, 공극영역의 수, 면적, 형상, 원형도, 간질영역의 수, 면적형상, 원형도, 색, 색도, 관공영역의 수, 면적, 형상, 원형도, 화상의 텍스쳐, 위이브렛 변환치를 사용해서 산출되는 특징량, 상피 세포가 근상피 세포를 수반하는 2층 구조를 표시하는 정도, 선유화의 정도, 유두상 패턴의 유무, 채상 패턴의 유무, 괴사물질의 유무, 충실성 패턴의 유무, 화상의 색 또는 색도를 사용해서 산출되는 특징량등 여러가지 것이 있다.(스텝ST2)

다음, 계산된 특징량을 근거로 메모리(7)내에 프로그램되어 있는 적합도 산출순서에 따라 계산기(5)를 사용해서 각적합도 산출 카테고리마다에 그 조직화상이 그 적합도 산출 카테고리에 적합하는 정도를 표시하는 적합도가 계산된다.(스텝ST3)

적합도 산출 카테고리로는 예를 들어 유사한 병리조직학적 특징을 갖는 진단 카테고리를 정리해서 하나의 적합도 산출 카테고리로 한다.

유선종양의 경우 예를 들면 경암의 일반적인 병리 조직학적 특징은 암포소가 간질 결합적의 증생을 수반하여 주위조직에 방사상 또는 보풀이 이는 것 같이 침윤해 있는 특징을 나타낸다.

한편, 경화성선중의 일반적인 병리조직학적 특징은 선유성 간질이 중생하고, 간질성분에 눌려 우곡 변형된 유관 성분이 많이 보이는 것으로 겉보기에 경암에 유사하다.

그래서 양자를 합쳐서 『경암패턴』이라는 같은 적합도 산출 카테고리에 속한다고 본다.

한편, 관내 성선유선종이 표시하는 일반적인 병리 조직학적 특징은 선유성분이 상피성분을 덮개끔 중식하고, 관공이 수지상 열극상이 되어 있는 것이다.

병리 조직학적으로 이와 유사한 특징을 갖는 것은 다른 것은 없으므로 이는 단독으로 관내성선유선종 패턴 이라는 하나의 적합도 산출 카테고리로 한다.

이상과 같이 해서 미리 결정한 각적합도 산출 카테고리 마다에 적합도가 산출되고, 산출된 적합도는 적합도 산출 카테고리 명과 함께 표시장치에 표시된다.(스텝ST4)

병리의사는 표시된 적합도를 참고로 해서 적합하는 가능성이 높은 적합도 산출 카테고리를 판단하고, 그 적합도 산출 카테고리에 관해 미리 작성한 병리조직 감별법을 참고로 해서 그 조직 표본의 진단 카테고리 명을 결정한다.(스텝ST5)

또, 상술한 실시의 형태에서의 적합도의 산출을 뉴럴넷 위크를 사용해서 해도 된다.

이경우의 다른 실시의 형태에 대해서 설명한다.

우선 도 1 에 표시하는 병리조직 진단 지원장치를 사용해서 학습테이터를 작성해서 학습을 실행하는 경우의 순서를 도 3 에 표시하는 플로우 챠트에 따라 설명한다.

헤머톡시린.에오딘 염색된 유선 종양의 조직표본(1)은 현미경(2) 및 카메라(3)를 사용해서 확대 촬영되고, 화상 취입회로(4)에 의해 A/D 변환되어 디지털 화상으로서 하드 디스크(6)에 보존된다.(스템ST11)

다음, 하드 디스크(6)에 보존된 조직화상의 병리 조직학적 특징량이 계산기(5)에 의해 계산되고, 메모리(7)에 보존된다.

이 병리 조직학적 특징량에는 예를 들면 핵 영역의 수, 면적, 형상,원형도, 색, 색도, 공극영역의 수, 면적, 형상, 원형도, 간질영역의 수, 면적, 형상, 원형도, 색, 색도, 관공영역의 수, 면적, 형상, 원형도, 화상의 텍스처, 웨이브렛 변환치를 사용해서 산출되는 특징량, 상피세포가 근상피세포를 수반하는 2층구조를 표시하는 정도, 선유화의 정도, 유두상 패턴의 유무, 채상 패턴의 유무, 괴사물질의 유무, 충실성 패턴의 유무, 화상의 색 또는 색도를 사용해서 산출되는 특징량등 여러 가지가 있다.(스텝ST12)

다음, 이 조직화상의 각 적합도 산출 카테고리에 대한 적합도가 숙련된 병리의사에 의해 결정되고, 키보드(10)를 사용해서 계산기(5)에 입력되고, 메모리(7)에 보존된다.(스텝ST13)

다음에 메모리(7)에 보존되어 있는 특징량을 입력데이터, 각적합도 산출 카테고리에 대한 적합도를 교사 데이터로서 조합하고, 하드 디스크(6)에 보존함으로써 각 적합도 산출 카테고리에 대해 학습데이터가 하나씩 작성된다.(스텝ST14)

상기 스텝ST11로부터 스텝ST14까지의 처리를 다수의 조직표본에 대해 반복 시행함으로써 각적합도 산출 카테고리 마다에 학습 데이터가 작성된다.(스텝ST15)

다음으로 각적합도 산출 카테고리 마다에 뉴럴넷 위크를 하나씩 활당한다.(스텝ST16)

뉴럴넷 위크로는 예를 들면 도 4 에 표시되는 계층형 뉴럴넷 위크를 사용한다.

도 4 에서 11 은 입력뉴론, 12 는 은폐뉴론, 13 은 출력뉴론, 14 는 뉴론간의 배선이다.

인력뉴론은 입력데이터의 차원수와 같은 수로 하고 출력뉴론은 1개로 한다.

뉴럴넷 위크의 각 뉴론은 상태치를 뉴론간의 배선은 결합무게를 가지나 이들은 메모리(7)상의 수치로서 표현되어 있다.

다음에 각적합도 산출 카테고리에 활당된 뉴럴넷 위크의 각각에 대해 하드 디스크(6)에 보존되어 있는 교사 데이터를 사용 메모리(7)에 놓여진 학습 프로그램에 따라 학습이 실행되고, 학습종료후 뉴론간의 배선의 결합무게가 하드 디스크(6)에 보존된다.(스텝ST17)

또, 학습측으로는 예를 들면 계층형 뉴럴넥 위크의 일반적인 학습측인 백 프로바 게이션을 사용한다.

어느 적합도 산출 카테고리 X에 대해 적합도를 산출하는 경우는 적합도 산출 카테고리 X 에 활단된 뉴럴넷 위크의 학습후의 결합무게를 하드 디스크(6)로부터 메모리(7)에 판독하고, 스텝ST2에서 계산된 특징량을 입력 데이터로서 뉴럴넷 위크의 출력뉴론의 상태치를 구하고, 그 값을 적합도 산출 카테고리 X에 대한 적합도로 하면 된다.

또 상기 실시예에서는 모든 적합도 산출 카테고리에 대해 산출된 적합도를 표시하고 있으나 적합도가 높은 일부의 적합도 산출 카테고리에 대해서만 적합도를 표시해도 된다.

또, 상기 실시예에서는 유사한 병리 조직학적 특징을 갖는 진단 카테고리를 한데묶어 적합도 산출 카테고리로 하고 있으나 하나의 진단 카테고리를 하나의 적합도 산출 카테고리로 해도 된다.

이상 설명한 바와 같이 본 발명의 병리조직 진단 지원장치에 의하면 표본의 화상이 해당하는 가능성이 높은 적합도 산출 카테고리가 자동적으로 병리의 여제시되므로 병리의사가 단 시간에 확정도가 높은 개소의 감별 진단법을 참조할 수 있고, 진단시간의 단축과 신뢰도를 향상할 수 있는 효과가 있다.

또, 특징량으로서 핵 영역의 수, 면적, 형상, 원형도, 색, 색도, 공극영역의 수, 면적, 형상, 원형도, 간질영역의 수, 면적, 형상, 원형도, 색, 색도, 관공영역의 수, 면적, 원형도, 화상의 텍스처, 위이브렛, 변환치를 사용해서 산출되는 특징량, 상피세포가 근상피세포를 수반하는 2층구조를 표시하는 정도, 선유화의 정도, 유두상 패턴의 유무, 채모양 패턴의 유무, 괴사물질의 유무, 충실성 패턴의 유무, 화상의 색 또는 색도를 사용해서 산출되는 특징량등의 화상의 구조적 특징량을 사용함으로써 산출되는 적합도의 신뢰성을 더욱 향상할 수 있는 효과가 있다.

또, 적합도의 산출에 뉴럴넷 위크를 사용함으로써 학습 데이터를 준비하는 것만으로 학습에 의해 자동적으로 적합도를 고정밀도로 산출할 수 있도록 한다.

이 때문에 적합도 산출 카테고리를 변경시킨 경우에도 재차 학습을 함으로써 적합도를 산출하게 되어 적합도 산출 카테고리를 이용자의 기호에 따라 설정할 수 있는 효과가 있다.

또, 사용한 표본이 증가할수록 학습데이터가증가 되므로 정밀도가 향상한다는 효과도 있다.

Claims (3)

1. 생체 조직의 화상에서 화상의 특징을 특징량으로서 정량적으로 표시하는 특징량 주출수단과, 병리 조직학적 특징에 따라 미리 설정된 진단 카테고리를 적합도 산출 카테고리로서 상기 화상의 특징량의 상기 적합도 산출 카테고리에 적합하는 정도를 산출하는 적합도 산출수단과, 적합도가 높은 적합도 산출 카테고리명을 표시하는 적합도 표시수단을 구비한 것을 특징으로 하는 병리조직 진단 지원장치.
2. 제 1 항에 있어서,

   특징량으로서 핵영역의 수, 면적, 형상, 원형도, 색, 색도, 공극영역의 수, 면적, 형상, 원형도, 간질영역의 수, 면적, 형상, 원형도, 색, 색도, 관공영역의 수, 면적, 형상, 원형도, 화상의 텍스쳐, 위이브렛 변환치를 사용해서 산출되는 특징량, 상피세포가 근상피세포를 수반하는 2층구조를 표시하는 정도, 선유화의 정도, 유두상 패턴의 유무, 채모양 패턴의 유무, 괴사물질의 유무, 충실성 패턴의 유무, 화상의 색 또는 색도를 사용해서 산출되는 특징량의 적어도 하나를 사용한 것을 특징으로 하는 병리조직 진단 지원장치.
3. 제 1 항 내지 제 2 항의 어느 한 항에 있어서,

   적합도 산출수단으로서 뉴럴넷 위크가 사용되고 각적합도 산출 카테고리에 출력뉴론이 활당되고, 특징량을 입력으로 하고, 학습에 사용하는 조직화상에 대해 미리 결정된 적합도를 교사신호로 해서 각적합도 산출 카테고리에 활당된 뉴론이 교사신호와 같은 값을 출력 하도록 출력하고, 학습후의 뉴럴넷 우크에 진단하고저 하는 조직화상으로부터 주출된 특징량이 입력되고, 출력뉴론의 출력치가 적합도가 되는 것을 특징으로 하는 병리조직 진단 지원장치.