KR20120121652A - 분산 처리 기반의 질병 진단 시스템 및 방법 - Google Patents

분산 처리 기반의 질병 진단 시스템 및 방법 Download PDF

Info

Publication number
KR20120121652A
KR20120121652A KR1020110039581A KR20110039581A KR20120121652A KR 20120121652 A KR20120121652 A KR 20120121652A KR 1020110039581 A KR1020110039581 A KR 1020110039581A KR 20110039581 A KR20110039581 A KR 20110039581A KR 20120121652 A KR20120121652 A KR 20120121652A
Authority
KR
South Korea
Prior art keywords
image
sub
disease
unit
images
Prior art date
Application number
KR1020110039581A
Other languages
English (en)
Other versions
KR101214349B1 (ko
Inventor
김혜진
정부은
Original Assignee
주식회사 포스코아이씨티
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 포스코아이씨티 filed Critical 주식회사 포스코아이씨티
Priority to KR1020110039581A priority Critical patent/KR101214349B1/ko
Publication of KR20120121652A publication Critical patent/KR20120121652A/ko
Application granted granted Critical
Publication of KR101214349B1 publication Critical patent/KR101214349B1/ko

Links

Images

Classifications

    • 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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40—Document-oriented image-based pattern recognition
    • G06V30/41—Analysis of document content
    • G06V30/413—Classification of content, e.g. text, photographs or tables
    • 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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

검사 대상 이미지의 진단으로 인한 부하 가중을 최소화할 수 있는 본 발명의 일 측면에 따른 분산 처리 기반의 질병 진단 시스템은, 검사 대상 이미지로부터 획득된 복수개의 제1 서브 이미지들 중 자신에게 할당된 제1 서브 이미지와 하나 이상의 질병 이미지간의 유사 여부를 판단하고, 상기 복수개의 제1 서브 이미지들로부터 선택된 복수개의 제2 서브 이미지들 중 자신에게 할당된 제2 서브 이미지와 상기 질병 이미지간의 유사 여부를 판단하는 복수개의 단위 처리부; 상기 각 단위 처리부 중 자원 사용률이 낮은 순서에 따라 상기 제1 서브 이미지 및 제2 서브 이미지들 중 적어도 하나 이상의 서브 이미지를 상기 단위 처리부에 할당하는 분산 처리 서버; 및 상기 검사 대상 이미지를 상기 분산 처리 서버로 제공하고, 상기 제2 서브 이미지와 상기 질병 이미지와의 유사 여부에 판단에 따른 상기 검사 대상 이미지의 진단 결과를 제공하는 분석 서버를 포함하는 질병 진단 장치를 포함하는 것을 특징으로 한다.

Description

분산 처리 기반의 질병 진단 시스템 및 방법{System and Method for Diagnosing Disease Based on Distributed Process}
본 발명은 질병 진단 시스템 및 방법에 관한 것이다.
환자의 질병 유무는 전문의가 환자를 대면하여 직접 검진함으로써 판단하는 것이 일반적지만, 최근에는 의료 기기 및 통신 네트워크의 발달로 인해 전문의가 환자를 직접 검진하지 않고, 통신 네트워크를 통해 전송되는 환자의 망막 이미지나 홍채 이미지등과 같은 다양한 검사 대상 이미지를 이용하여 환자의 질병 유무를 판단할 수 있게 되었다.
이러한 경우, 전문의는 검사 대상 이미지를 컴퓨터 모니터와 같은 출력 장치를 통해 확대하여 출력한 후 검사 대상 이미지를 육안으로 진단하여 질병 유무를 판단하게 된다.
그러나, 상술한 바와 같이, 검사 대상 이미지를 전문의의 육안 진단 만을 이용하여 질병 유무를 판단하는 경우, 질병에 상응하는 증세가 잘 드러나지 않는 질병 초기의 경우에는 질병 유무의 판단이 어렵다는 문제점이 있다.
특히, 도 1에 도시된 바와 같이, 검사 대상 이미지에 육안으로 구별하기 어려운 정도의 병증이 존재하는 경우, 전문의의 육안 진단 만을 이용하여 질병 유무를 판단하게 되면 질병 유무를 잘못 판단할 가능성이 높아 심각한 문제를 야기시킬 수 있기 때문에 최근에는 검사 대상 이미지를 컴퓨터 시스템을 이용하여 진단하는 방법이 제시된바 있다.
하지만, 컴퓨터 시스템을 이용하여 검사 대상 이미지를 진단하는 경우 막대한 연산량이 요구되기 때문에 진단에 많은 시간이 소요될 수 있고, 막대한 연산량으로 인해 컴퓨터 시스템의 부하가 가중될 수 있다는 문제점이 있다.
검사 대상 이미지의 분산 처리를 통해 검사 대상 이미지의 진단에 소요되는 시간을 감소시킬 수는 있지만, 검사 대상 이미지를 분산 처리 한다 해도 검사 대상 이미지의 진단을 위한 연산량을 감소시킬 수는 없기 때문에 컴퓨터 시스템의 부하가 가중될 수 있다는 문제점은 여전히 존재한다.
본 발명은 상술한 문제점을 해결하기 위한 것으로서, 검사 대상 이미지를 1차적으로 간이 진단한 결과에 따라 검사 대상 이미지를 2차적으로 정밀 진단할 수 있는 분산 처리 기반의 질병 진단 시스템 및 방법을 제공하는 것을 그 기술적 과제로 한다.
또한, 본 발명은 분산 처리 기법을 통해 검사 대상 이미지의 1차 및 2차 진단을 수행할 수 있는 분산 처리 기반의 질병 진단 시스템 및 방법을 제공하는 것을 그 기술적 과제로 한다.
상술한 목적을 달성하기 위한 본 발명의 일 측면에 따른 분산 처리 기반의 질병 진단 시스템은, 검사 대상 이미지로부터 획득된 복수개의 제1 서브 이미지들 중 자신에게 할당된 제1 서브 이미지와 하나 이상의 질병 이미지간의 유사 여부를 판단하고, 상기 복수개의 제1 서브 이미지들로부터 선택된 복수개의 제2 서브 이미지들 중 자신에게 할당된 제2 서브 이미지와 상기 질병 이미지간의 유사 여부를 판단하는 복수개의 단위 처리부; 상기 각 단위 처리부 중 자원 사용률이 낮은 순서에 따라 상기 제1 서브 이미지 및 제2 서브 이미지 중 적어도 하나 이상의 서브 이미지를 상기 단위 처리부에 할당하는 분산 처리 서버; 및 상기 검사 대상 이미지를 상기 분산 처리 서버로 제공하고, 상기 제2 서브 이미지와 상기 질병 이미지와의 유사 여부에 판단에 따른 상기 검사 대상 이미지의 진단 결과를 제공하는 분석 서버를 포함하는 질병 진단 장치를 포함하는 것을 특징으로 한다.
상술한 목적을 달성하기 위한 본 발명의 다른 측면에 따른 분산 처리 기반의 질병 진단 방법은, 검사 대상 이미지로부터 획득된 복수개의 제1 서브 이미지들 중 각 단위 처리부 별로 할당된 제1 서브 이미지와 하나 이상의 질병 이미지간의 유사 여부를 판단하는 단계; 상기 제1 서브 이미지들 중 상기 질병 이미지와 유사한 것으로 판단되는 제2 서브 이미지들을 선택하는 단계; 상기 제2 서브 이미지들 중 상기 각 단위 처리부 별로 할당된 제2 서브 이미지와 상기 질병 이미지간의 유사 여부를 판단하는 단계; 및 상기 유사 여부 판단에 따라 상기 검사 대상 이미지에 대한 진단 결과를 제공하는 단계를 포함하는 것을 특징으로 한다.
본 발명에 따르면, 검사 대상 이미지를 1차적으로 간이 진단한 결과 질병 이미지와 유사한 것으로 판단된 검사 대상 이미지에 대해 2차적으로 정밀 진단하기 때문에 검사 대상 이미지의 진단으로 인한 연산량을 최소화할 수 있다는 효과가 있다.
또한, 본 발명에 따르면, 분산 처리 기법을 이용하여 검사 대상 이미지의 1차 및 2차 진단을 수행하기 때문에 검사 대상 이미지의 진단에 소요되는 시간을 최소화할 수 있다는 효과가 있다.
도 1은 육안으로 진단하기 힘든 검사 대상 이미지의 예를 보여주는 도면.
도 2는 본 발명의 일 실시예에 따른 분산 처리 기반의 질병 진단 시스템의 구성을 개략적으로 보여주는 블록도.
도 3은 본 발명의 일 실시예에 따른 단말 처리 장치의 구성을 개략적으로 보여주는 블록도.
도 4는 본 발명의 일 실시예에 따른 질병 진단 장치의 구성을 개략적으로 보여주는 블록도.
도 5는 본 발명의 일 실시예에 따른 분석 서버의 구성을 개략적으로 보여주는 블록도.
도 6은 본 발명의 일 실시예에 따른 분산 처리 서버의 구성을 개략적으로 보여주는 블록도.
도 7은 검사 대상 이미지 상에서 복수개의 서브 이미지를 획득하는 방법을 보여주는 도면.
도 8은 본 발명의 일 실시예에 따른 단위 처리부의 구성을 개략적으로 보여주는 블록도.
도 9는 본 발명의 일 실시예에 따른 분산 처리 기반의 질병 진단 방법을 보여주는 플로우차트.
이하, 첨부되는 도면을 참고하여 본 발명의 실시예들에 대해 상세히 설명한다.
도 2는 본 발명의 일 실시예에 따른 분산 처리 기반의 질병 진단 시스템의 구성을 개략적으로 보여주는 블록도이다. 도 2에 도시된 바와 같이, 본 발명에 따른 분산 처리 기반의 질병 진단 시스템(200)은, 하나 이상의 단말 처리 장치(210a~210n) 및 하나 이상의 단말 처리 장치(210a~210n)들과 네트워크(220)를 통해 연결 가능한 질병 진단 장치(230)를 포함한다.
단말 처리 장치(210a~210n)는 검사 대상 이미지를 획득하여 네트워크(220)를 통해 질병 진단 장치(230)로 전송하고, 질병 진단 장치(230)로부터 검사 대상 이미지에 대한 진단 결과를 수신하여 이를 출력한다.
일 실시예에 있어서, 단말 처리 장치(210a~210n)에 의해 획득되는 검사 대상 이미지는, 인체의 혈관을 촬영한 혈관 이미지, 심장을 촬영한 심장 이미지, 안구를 촬영한 안구 이미지, 및 방사선 촬영 이미지 중 적어도 하나를 포함할 수 있다.
이하에서는 이러한 단말 처리 장치(210a~210n)의 구성을 도 3을 참조하여 구체적으로 설명한다.
도 3은 본 발명의 일 실시예에 따른 단말 처리 장치의 구성을 개략적으로 보여주는 블록도이다. 도 3에 도시된 바와 같이, 본 발명의 일 실시예에 따른 단말 처리 장치(210~210n)는 촬영부(310), 출력부(320), 저장부(330), 및 제어부(340)를 포함한다.
먼저, 촬영부(310)는, 환자로부터 검사 대상 이미지를 획득한다. 일 실시예에 있어서, 이러한 촬영부(310)는 인체의 혈관을 촬영하기 위한 디지털 혈관 촬영 장치, 심장을 촬영하기 위한 디지털 방사선 촬영장치, 안구를 촬영하기 위한 안구 촬영 장치, 또는 환자로부터 방사선 영상을 촬영하기 위한 방사선 이미지 촬영 장치일 수 있다.
다음으로, 출력부(320)는 질병 진단 장치(230)로부터 전송되는 진단 결과를 출력한다. 일 실시예에 있어서 출력부(320)는 진단 결과를 화면을 통해 출력하는 모니터이거나 진단 결과를 종이를 통해 인쇄하는 프린터일 수 있다. 출력부(320)가 모니터로 구현되는 경우, 출력부(320)는 제어부(340)의 제어에 따라 진단 결과를 더욱 선명하게 제공하기 위해 진단 결과를 확대하여 제공할 수 있다.
다음으로, 저장부(330)는, 촬영부(310)에 의해 촬영된 검사 대상 이미지나 출력부(320)에 의해 출력될 진단 결과를 저장한다. 도 3에서는 이러한 저장부(330)가 단말 처리 장치(210a~210n)의 필수 구성요소인 것으로 도시하였지만, 저장부(330)는 단말 처리 장치(210a~210n)와 별개의 구성요소로 구현될 수도 있다.
다음으로, 제어부(340)는 촬영부(310)를 제어하여 검사하기 원하는 이미지가 촬영되도록 하고, 촬영된 이미지를 저장부(330)에 저장하거나 네트워크(220)를 통해 질병 진단 장치(230)로 전송한다.
또한, 제어부(340)는 질병 진단 장치(230)로부터 진단 결과를 수신하고, 수신된 진단 결과를 이미지 확대 등과 같은 미리 정해진 이미지 처리 기법에 따라 처리하여 출력부(320)로 제공한다.
다시 도 2를 참조하면, 네트워크(220)는 하나 이상의 단말 처리 장치(210a~210n)와 질병 진단 장치(230)를 연결시키는 것으로서, 유선 또는 무선 네트워크일 수 있다.
다음으로, 질병 진단 장치(230)는, 하나 이상의 단말 처리 장치(210a~210n)와 네트워크(220)로 연결 되어 각 단말 처리 장치(210a~210n)들로부터 검사 대상 이미지를 수신한다.
또한 질병 진단 장치(230)는, 검사 대상 이미지가 복수개로 분할된 제1 서브 이미지와 질병 이미지간의 유사 여부를 예비적으로 판단한 후, 제1 서브 이미지들 중 질병 이미지와 유사한 것으로 판단되는 제2 서브 이미지들을 질병 이미지와 다시 비교하여 유사 여부를 정밀하게 판단함으로써 진다 결과를 생성하고, 생성된 진단 결과를 네트워크(220)를 통해 각 단말 처리 장치(210a~210n)로 제공한다.
상술한 실시예에 있어서, 검사 대상 이미지가 단말 처리 장치(210~210n)로부터 수신되는 것으로 기재하였지만, 변형된 실시예에 있어서 검사 대상 이미지는 질병 진단 장치(230)내에 미리 저장되어 있을 수 있다.
이하에서는 이러한 질병 진단 장치(230)의 구성을 도 4를 참조하여 보다 구체적으로 설명한다. 이하, 설명의 편의를 위해 검사 대상 이미지는 단말 처리 장치(210a~210n)로부터 수신되는 것으로 가정하여 설명한다.
도 4는 본 발명의 일 실시예에 따른 질병 진단 장치의 구성을 개략적으로 보여주는 블록도이다.
도 4에 도시된 바와 같이, 본 발명의 일 실시예에 따른 질병 진단 장치(230)는 분석 서버(410), 분산 처리 서버(420), 및 하나 이상의 단위 처리부(430a~430n)를 포함한다.
먼저, 분석 서버(410)는 단말 처리 장치(210a~210n)로부터 검사 대상 이미지를 수신하여 분산 처리 서버(420)로 전달하고, 검사 대상 이미지에 대한 진단 결과를 생성하여 단말 처리 장치(210a~210n)로 전송한다. 이러한 분석 서버(410)의 구성을 도 5를 참조하여 보다 구체적으로 설명한다.
도 5는 본 발명의 일 실시예에 따른 분석 서버의 구성을 개략적으로 보여주는 블록도이다. 도 5에 도시된 바와 같이, 분석 서버(410)는 제1 인터페이스부(510), 윈도우 크기 조절부(520), 및 진단 결과 생성부(530)를 포함한다.
먼저, 제1 인터페이스부(510)는, 단말 처리 장치(210a~210n)로부터 검사 대상 이미지를 수신하고, 진단 결과 생성부(530)에 의해 생성된 진단 결과를 단말 처리 장치(210a~210n)로 제공한다.
다음으로, 윈도우 크기 조절부(520)는, 검사 대상 이미지로부터 복수개의 제1 서브 이미지를 획득하기 위한 윈도우의 크기 및 윈도우의 쉬프트 값을 결정한다. 본 발명의 경우, 검사 대상 이미지의 분석 속도를 향상시키기 위해 검사 대상 이미지를 분산 처리 하는데, 검사 대상 이미지의 분산 처리를 위해 검사 대상 이미지를 복수개의 제1 서브 이미지로 분할할 필요가 있다.
따라서, 윈도우 크기 조절부(520)가 검사 대상 이미지를 복수개의 제1 서브 이미지로 분할하기 위한 윈도우 크기와, 윈도우의 쉬프트 값을 결정하는 것이다. 일 실시예에 있어서, 윈도우 크기 조절부(520)는 검사 대상 이미지와 비교될 질병 이미지의 크기와 동일한 크기로 윈도우 크기를 결정할 수 있다.
일 실시예에 있어서, 윈도우 크기 조절부(520)는, 검사 대상 이미지 분석의 정밀성에 초점을 두는 경우 검사 대상 이미지 상에서 x축 방향으로의 윈도우 쉬프트 값은 윈도우의 x축 방향의 길이 값 내에서 설정하고, y축 방향으로의 윈도우 쉬프트 값은 윈도우의 y축 방향의 길이 값 내에서 설정할 수 있다.
또한, 윈도우 크기 조절부(520)는, 검사 대상 이미지 분석의 신속성에 초점을 두는 경우 x축 방향으로의 윈도우 쉬프트 값은 윈도우의 x축 방향의 길이 값보다 크게 설정하고, y축 방향으로의 윈도우 쉬프트 값은 윈도우의 y축 방향의 길이 값보다 크게 설정할 수 있다.
윈도우 크기 조절부(520)는 결정된 윈도우 크기 및 윈도우의 쉬프트 값을 분산 처리 서버(420)로 제공한다.
다음으로, 진단 결과 생성부(530)는, 검사 대상 이미지 상에서 질병 이미지와 유사한 것으로 판단된 제2 서브 이미지에 상응하는 영역을 마킹 함으로써 검사 대상 이미지에 대한 진단 결과를 생성한다.
즉, 단위 처리부(430a~430n)의해 질병 이미지와 유사한 것으로 판단된 제2 서브 이미지는 질병 이미지에 상응하는 병증이 존재하는 영역으로 판단될 수 있기 때문에, 검사 대상 이미지 상에서 해당 영역을 식별력이 양호한 색상으로 마킹하는 것이다.
다시 도 4를 참조하면, 분산 처리 서버(420)는, 분석 서버(410)로부터 전달되는 검사 대상 이미지를 복수개의 제1 서브 이미지로 분할하고, 복수개의 제1 서브 이미지를 단위 처리부(430a~430n)에 할당함으로써 검사 대상 이미지가 복수개의 단위 처리부(430a~430n)에 의해 예비적으로 분석될 수 있도록 한다.
또한, 분한 처리 서버(420)는 복수개의 제1 서브 이미지들 중 질병 이미지와 유사한 것으로 판단되는 제2 서브 이미지들을 선택하고, 제2 서브 이미지들을 단위 처리부(430a~430n)에 다시 할당함으로써 검사 대상 이미지가 정밀 분석될 수 있도록 한다.
이러한 분산 처리 서버(420)의 구성을 도 6을 참조하여 보다 구체적으로 설명한다.
도 6은 본 발명의 일 실시예에 따른 분산 처리 서버의 구성을 개략적으로 보여주는 블록도이다.
도 6에 도시된 바와 같이, 본 발명의 일 실시예에 따른 분산 처리 서버(420)는, 제2 인터페이스부(610), 제1 서브 이미지 획득부(620), 제1 서브 이미지 할당부(630), 자원 모니터링부(640), 제2 서브 이미지 선택부(650), 및 제2 서브 이미지 할당부(660)를 포함한다.
먼저, 제2 인터페이스부(610)는, 분석 서버(410)로부터 검사 대상 이미지, 윈도우 크기, 및 윈도우의 쉬프트 값을 수신하여 제1 서브 이미지 획득부(620)로 전달하고, 각각의 단말 처리부(430a~430n)으로부터 제2 서브 이미지와 질병 이미지에 대한 유사 여부 판단 결과를 수신하여 분석 서버(410)로 제공한다.
다음으로, 제1 서브 이미지 획득부(620)는 제2 인터페이스부(610)로부터 수신되는 검사 대상 이미지로부터 복수개의 제1 서브 이미지를 획득한다. 일 실시예에 있어서, 제1 서브 이미지 획득부(620)는, 도 7에 도시된 바와 같이, 제2 인터페이스부(610)로부터 전달 받은 윈도우 크기에 상응하는 윈도우를 제2 인터페이스부(610)로부터 전달 받은 윈도우의 쉬프트 값에 따라 검사 대상 이미지상에서 쉬프트 시켜가면서 각 윈도우에 의해 특정되는 이미지 영역을 각각의 제1 서브 이미지로 획득할 수 있다.
다음으로, 제1 서브 이미지 할당부(630)는, 자원 모니터링부(640)의 모니터링 결과에 따라 단위 처리부(430a~430n)의 자원 사용률이 낮은 순서에 따라 각 제1 서브 이미지들을 비교 대상이 되는 질병 이미지 또는 질병 이미지의 식별번호와 함께 단위 처리부(430a~430n)에 할당한다.
일 실시예에 있어서, 제1 서브 이미지 할당부(630)는, 질병 이미지 또는 질병 이미지의 식별번호를 비교 대상이 되는 질병 이미지가 변경되는 경우에만 전송할 수 있다.
이와 같이, 본 발명은 하나의 검사 대상 이미지를 복수개의 제1 서브 이미지로 분할하고, 분할된 제1 서브 이미지를 단위 처리부(430a~430n)들의 자원 사용량을 고려하여 각 단위 처리부(430a~430n)로 할당하기 때문에, 검사 대상 이미지 분석의 정확성을 향상시키면서 검사 대상 이미지의 분석에 소요되는 시간을 단축시킬 수 있게 된다.
다음으로, 자원 모니터링부(640)는, 소정 시간 간격으로 각 단위 처리부(430a~430n)의 자원 사용률을 모니터링하여 그 결과를 제1 서브 이미지 할당부(630) 및 제2 서브 이미지 할당부(660)로 제공한다.
일 실시예에 있어서, 자원 모니터링부(640)는 단위 처리부(430a~430n)를 모니터링하여 현재 제1 서브 이미지를 분석하고 있지 않은 단위 처리부(430a~430n)들에 대한 정보를 제1 서브 이미지 할당부(630)로 제공하거나, 제2 서브 이미지를 분석하고 있지 않은 단위 처리부(430a~430n)들에 대한 정보를 제2 서브 이미지 할당부(660)로 제공할 수 있다.
이러한 실시예에 따르는 경우 제1 서브 이미지 할당부(630) 및 제2 서브 이미지 할당부(660)는 단위 처리부(430a~430n)들 중 현재 제1 또는 제2 서브 이미지를 분석하고 있지 않은 단위 처리부(430a~430n)에게 제1 서브 이미지 또는 제2 서브 이미지를 우선하여 할당하게 된다.
다른 실시예에 있어서, 자원 모니터링부(640)는 각 단위 처리부(430a~430n)들의 CPU 사용률을 모니터링하여 그 결과를 제1 서브 이미지 할당부(630) 및 제2 서브 이미지 할당부(660)로 제공할 수 있다. 이러한 실시예에 따르는 경우 제1 서브 이미지 할당부(630) 및 제2 서브 이미지 할당부(660)는 단위 처리부(430a~430n)들 중 CPU 사용률이 낮은 단위 처리부(430a~430n)들에게 제1 서브 이미지 또는 제2 서브 이미지를 우선하여 할당하게 된다.
다음으로, 제2 서브 이미지 선택부(650)는, 각 단위처리부(430a~430n)로부터 질병 이미지와 제1 서브 이미지의 유사 여부 판단에 대한 결과를 수신하고, 제1 서브 이미지들 중 단위 처리부(430a~430n)에 의해 질병 이미지와 유사한 것으로 판단된 제1 서브 이미지들을 제2 서브 이미지들로 선택한다.
이와 같이, 제2 서브 이미지 선택부(650)가 제1 서브 이미지들 중 일부를 제2 서브 이미지로 선택하는 것은, 모든 제1 서브 이미지들에 대해 정밀 분석을 수행하게 되면 연산량이 증가하기 때문에, 예비 분석을 통해 제1 서브 이미지들 중 질병 이미지와 유사한 것으로 판단된 일부 제1 서브 이미지들에 대해서만 정밀 분석을 수행하기 위한 것이다.
다음으로, 제2 서브 이미지 할당부(660)는, 자원 모니터링부(640)의 모니터링 결과에 따라 단위 처리부(430a~430n)의 자원 사용률이 낮은 순서에 따라 각 제2 서브 이미지들을 비교 대상이 되는 질병 이미지 또는 질병 이미지의 식별번호와 함께 단위 처리부(430a~430n)에 할당한다.
이러한 실시예에 있어서, 제2 서브 이미지 할당부(660)는, 제1 서브 이미지할당부(630)와 동일하게, 질병 이미지 또는 질병 이미지의 식별번호를 비교 대상이 되는 질병 이미지가 변경되는 경우에만 전송할 수 있다.
한편, 본 발명에 따른 분산 처리 서버(420)는 도 6에 도시된 바와 같이, 제2 서브 이미지 재할당부(670) 및 질병 이미지 제공부(680)를 더 포함할 수 있다.
먼저, 제2 서브 이미지 재할당부(670)는, 각 단위처리부(430a~430n)로부터 질병 이미지와 제2 서브 이미지의 유사 여부 판단에 대한 결과를 수신하고, 질병 이미지와 유사한 것으로 판단된 제2 서브 이미지들을 비교 대상이 되는 질병 이미지 또는 질병 이미지의 식별번호와 함께 각 단위 처리부(430a~430n)의 자원 사용률이 낮은 순서에 따라 단위 처리부(430a~430n)에 재할당한다.
이때, 제2 서브 이미지 재할당부(650)는 질병 이미지 또는 질병 이미지의 식별번호의 경우 비교 대상이 되는 질병 이미지가 변경되는 경우에만 전송할 수 있다.
이와 같이, 본 발명에 따른 분산 처리 서버(420)가 질병 이미지와 유사하다고 판단된 제2 서브 이미지들을 서브 이미지 재할당부(650)를 통해 단위 처리부(430a~430n)에 재할당하는 것은 분석 결과의 정확성을 높이기 위해 2단계에 걸쳐 질병 이미지와 제2 서브 이미지의 유사 여부를 판단하기 위한 것이다.
이러한 실시예에 따르는 경우에 있어서도, 본 발명은 질병 이미지와 유사한 것으로 판단된 제2 서브 이미지를 단위 처리부(430a~430n)들의 자원 사용량을 고려하여 각 단위 처리부(430a~430n)로 할당하기 때문에, 검사 대상 이미지 분석의 정확성을 향상시키면서 검사 대상 이미지의 분석에 소요되는 시간을 단축시킬 수 있게 된다.
다음으로, 질병 이미지 제공부(660)는 제1 서브 이미지 또는 제2 서브 이미지와 비교 분석될 하나 이상의 질병 이미지를 데이터베이스(미도시)로부터 추출하여 제1 서브 이미지 할당부(630), 제2 서브 이미지 할당부(660), 또는 제 서브 이미지 재할당부(650)를 통해 단위 처리부(430a~430n)로 제공한다.
이때, 질병 이미지들은, 병증의 종류, 병증의 진행 정도, 병증의 크기, 및 병증의 위치 중 적어도 하나에 따라 분류되어 데이터베이스에 저장되어 있을 수 있다.
일 실시예에 있어서, 질병 이미지들은 질병 이미지를 식별하기 위한 식별번호가 부여되어 저장되어 있고, 질병 이미지 제공부(660)는 데이터베이스로부터 식별번호 순서에 따라 순차적으로 질병 이미지를 추출할 수 있다.
상술한 실시예에 있어서는, 질병 이미지 제공부(660)가 데이터베이스로부터 질병 이미지를 직접 추출하는 것으로 기재하였다. 변형된 실시예에 있어서, 질병 이미지 제공부(660)는 질병 이미지를 직접 추출하지 않고 제1 서브 이미지 또는 제2 서브 이미지와 비교 분석될 질병 이미지의 식별번호만을 제1 서브 이미지 할당부(640), 제2 서브 이미지 할당부(660), 또는 제2 서브 이미지 재할당부(680)를 통해 단위 처리부(430a~430n)로 제공할 수도 있을 것이다.
이러한 경우, 단위 처리부(430a~430n)가 제1 또는 제2 서브 이미지와의 비교 분석에 이용될 질병 이미지를 직접 추출하기 때문에 분산 처리 서버(420)의 부하를 경감시킬 수 있게 된다.
다시 도 4를 참조하면, 단위 처리부(430a~430n)는 분산 처리 서버(420)로부터 할당된 제1 서브 이미지 및 제2 서브 이미지를 질병 이미지와 비교하여 유사 여부를 판단하고, 그 결과를 분산 처리 서버(420)로 제공한다.
이러한 단위 처리부(430a~430b)의 구성을 도 8을 참조하여 보다 구체적으로 설명한다.
도 8은 본 발명의 일 실시예에 따른 단위 처리부의 구성을 개략적으로 보여주는 블록도이다.
도 8에서는 설명의 편의를 위하여 단위 처리부의 도면부호를 430으로 표기하기로 한다. 도 8에 도시된 바와 같이, 본 발명의 일 실시예에 따른 단위 처리부(430)는 제3 인터페이스부(810), 제1 유사도 판단부(820), 및 제2 유사도 판단부(830)를 포함한다.
먼저, 제3 인터페이스부(810)는 분산 처리 서버(420)로부터 할당된 제1 서브 이미지를 제1 유사도 판단부(820)로 전달하거나 제2 서브 이미지를 제2 유사도 판단부(830)로 전달하고, 제1 유사도 판단부(820) 및 제2 유사도 판단부(830)로부터 제1 서브 이미지 또는 제2 서브 이미지와 질병 이미지간의 유사 여부 판단 결과를 수신하여 분산 처리 서버(420)로 전달한다.
다음으로, 제1 유사도 판단부(820)는, 제3 인터페이스부(810)로부터 전달되는 제1 서브 이미지와 질병 이미지간의 유사 여부를 예비적으로 판단하여, 그 결과를 제3 인터페이스부(810)로 전달한다.
일 실시예에 있어서, 제1 유사도 판단부(820)는 비교 대상이 되는 2개의 이미지 내에서 동일한 모양이 서로 다른 위치에 포함되어 있더라도 해당 이미지들을 유사한 것으로 판단할 수 있도록, 비교 대상이 되는 각각의 이미지에서 복수개의 소정 영역을 결정하고, 결정된 소정 영역들 중 일부 영역에 대한 RGB값, 영역의 크기, 및 영역의 유형 등을 해당 이미지의 특성값으로 사용하여 이미지의 유사여부를 판단한다.
즉, 제1 유사도 판단부(820)는 제1 서브 이미지에서 결정된 소정 영역들 중 일부 영역에 대한 특성값과 질병 이미지에서 결정된 소정 영역들 중 일부 영역에 대한 특성값을 서로 비교하여 제1 서브 이미지와 질병 이미지의 유사 여부를 결정하는 것이다.
이와 같이, 제1 유사도 판단부(820)가 제1 서브 이미지 및 질병 이미지에서 결정된 모든 영역이 아닌 일부 영역들에 대한 특성값을 이용하여 유사 여부를 판단하는 것은 유사 여부 판단을 위한 연산량을 감소시키기 위한 것이다.
여기서, 소정 영역의 유형은 해당 영역이 혈관에 해당하는 영역을 나타내는 유형, 심장에 해당하는 영역을 나타내는 유형, 및 안구에 해당하는 영역을 나타내는 유형 중 적어도 하나를 포함할 수 있다.
또한, 상기 영역의 유형은 혈관 중에서 선택되는 위치별 영역을 나타내는 유형, 심장 중에서 선택되는 위치별 영역을 나타내는 유형, 안구 중에서 선택되는 위치별 영역을 나타내는 유형 중 적어도 하나를 포함할 수 있다.
일 실시예에 있어서 제1 유사도 판단부(820)는, 도 8에 도시된 바와 같이, 제1 RGB값 산출부(822) 및 제1 비교부(824)를 포함할 수 있다.
제1 RGB값 산출부(822)는, 제1 서브 이미지에 대한 RGB값과 질병 이미지에 대한 RGB값을 산출한다. 구체적으로, 제1 RGB값 산출부(822)는, 제1 서브 이미지 및 질병 이미지 상에서 미리 정해진 크기의 영역 내에 속하는 픽셀들의 RGB 히스토그램을 산출하고, 상기 영역들 중 일부 영역에서 산출된 RGB 히스토그램을 상기 일부 영역들에 속하는 픽셀의 수로 나누어 RGB 값을 산출한다.
일 실시예에 있어서, 제1 RGB값 산출부(822)는 제1 서브 이미지에 대한 RGB값은 제1 서브 이미지로부터 직접 산출하고, 질병 이미지에 대한 RGB값은 질병 이미지로부터 직접 산출하지 않고 질병 이미지에 대해 미리 산출되어 있는 RGB값을 데이터베이스로부터 획득할 수 있다.
다음으로, 제1 비교부(824)는, 제1 RGB값 산출부(822)에 의해 산출된 제1 서브 이미지에 대한 RGB값과 질병 이미지에 대한 RGB 값의 차이를 비교하여 제1 서브 이미지와 질병 이미지의 유사 여부를 예비적으로 판단하고, 그 결과를 제3 인터페이스부(810)로 제공한다.
구체적으로, 제1 비교부(824)는 제1 RGB값 산출부(822)에 의해 산출된 제1 서브 이미지에 대한 RGB값과 질병 이미지에 대한 RGB 값의 차이가 미리 정해진 기준치 이내이면 제1 서브 이미지와 질병 이미지는 유사한 것으로 판단하고, 기준치보다 크면 제1 서브 이미지와 질병 이미지가 유사하지 않은 것으로 판단한다.
다음으로, 제2 유사도 판단부(820)는, 제3 인터페이스부(810)로부터 전달되는 제2 서브 이미지와 질병 이미지의 유사 여부를 정밀하게 판단하여, 그 결과를 제3 인터페이스부(810)로 전달한다.
일 실시예에 있어서, 제2 유사도 판단부(830)는 비교 대상이 되는 2개의 이미지 내에서 동일한 모양이 서로 다른 위치에 포함되어 있더라도 해당 이미지들을 유사한 것으로 판단할 수 있도록, 비교 대상이 되는 각각의 이미지에서 복수개의 소정 영역을 결정하고, 결정된 모든 소정 영역들에 대한 RGB값, 영역의 크기, 및 영역의 유형 등을 해당 이미지의 특성값으로 사용하여 이미지의 유사여부를 판단한다.
즉, 제2 유사도 판단부(830)는 제2 서브 이미지에서 결정된 모든 소정 영역들에 대한 특성값과 질병 이미지에서 결정된 모든 소정 영역들에 대한 특성값을 서로 비교하여 제2 서브 이미지와 질병 이미지의 유사 여부를 결정하는 것이다.
이와 같이, 제2 유사도 판단부(830)가 제2 서브 이미지 및 질병 이미지에서 결정된 모든 영역에 대한 특성값을 이용하여 유사 여부를 판단하는 것은 제2 서브 이미지와 질병 이미지 간의 유사 여부를 보다 정밀하게 판단하기 위한 것이다.
일 실시예에 있어서 제2 유사도 판단부(830)는, 도 8에 도시된 바와 같이, 제2 RGB값 산출부(832) 및 제2 비교부(834)를 포함할 수 있다.
제2 RGB값 산출부(832)는, 제2 서브 이미지에 대한 RGB값과 질병 이미지에 대한 RGB값을 산출한다. 구체적으로, 제2 RGB값 산출부(832)는, 제2 서브 이미지 및 질병 이미지 상에서 미리 정해진 크기의 영역 내에 속하는 픽셀들의 RGB 히스토그램을 각각 산출하고, 각 영역에 대해 산출된 모든 RGB 히스토그램을 상기 각 영역에 속하는 모든 픽셀들의 수로 나누어 RGB 값을 산출한다.
일 실시예에 있어서, 제2 RGB값 산출부(832)는 제2 서브 이미지에 대한 RGB값은 제2 서브 이미지로부터 직접 산출하고, 질병 이미지에 대한 RGB값은 질병 이미지로부터 직접 산출하지 않고 질병 이미지에 대해 미리 산출되어 있는 RGB값을 데이터베이스로부터 획득할 수 있다.
다음으로, 제2 비교부(834)는, 제2 RGB값 산출부(832)에 의해 산출된 제2 서브 이미지에 대한 RGB값과 질병 이미지에 대한 RGB 값의 차이를 비교하여 제2 서브 이미지와 질병 이미지의 유사 여부를 정밀하게 판단하고, 그 결과를 제3 인터페이스부(810)로 제공한다.
구체적으로, 제2 비교부(834)는 제2 RGB값 산출부(832)에 의해 산출된 제2 서브 이미지에 대한 RGB값과 질병 이미지에 대한 RGB 값의 차이가 미리 정해진 기준치 이내이면 제2 서브 이미지와 질병 이미지는 유사한 것으로 판단하고, 기준치보다 크면 제2 서브 이미지와 질병 이미지가 유사하지 않은 것으로 판단한다.
한편, 본 발명에 따른 단위 처리부(430)는 도 8에 도시된 바와 같이 제3 유사도 판단부(840)를 더 포함할 수 있다.
제3 유사도 판단부(840)는 제2 유사도 판단부(830)에 의해 질병 이미지와 유사한 것으로 판단된 제2 서브 이미지들이 분산 처리 서버(420)에 의해 재할당되면, 재할당된 제2 서브 이미지를 제3 인터페이스부(810)를 통해 수신하여 재할당된 제2 서브 이미지와 질병 이미지의 유사 여부를 판단하고, 그 결과를 제3 인터페이스부(810)를 통해 분산 처리 서버(420)로 제공한다.
이와 같이, 본 발명이 제3 유사도 판단부(840)를 통해 제2 서브 이미지와 질병 이미지간의 유사 여부를 다시 판단하는 것은 분석의 정확성을 향상시키기 위한 것이다. 이러한 제3 유사도 판단부(840)는 도 8에 도시된 바와 같이, 패턴 추출부(842) 및 제3 비교부(844)를 포함한다.
먼저, 패턴 추출부(842)는, 재할당된 제2 서브 이미지와 질병 이미지로부터 패턴을 추출한다. 구체적으로 패턴 추출부(842)는 재할당된 제2 서브 이미지와 질병 이미지를 잡음 필터로 필터링한 후 필터링된 이미지에서 외곽선을 추출함으로써 재할당된 제2 서브 이미지와 질병 이미지에서 패턴을 추출한다.
상술한 실시예에서는 패턴 추출부(842)가 질병 이미지에서 패턴을 추출하는 것으로 기재하였지만, 변형된 실시예에 있어서, 질병 이미지의 패턴은 미리 추출되어 해당 질병 이미지와 매칭되어 데이터베이스에 저장되어 있고, 패턴 추출부(842)는 데이터베이스로부터 해당 질병 이미지에 상응하는 패턴을 획득할 수 있다.
제3 비교부(844)는, 제2 서브 이미지의 패턴과 질병 이미지의 패턴을 서로 비교하여 제2 서브 이미지와 질병 이미지의 유사 여부를 판단한다. 일 실시예에 있어서, 제3 비교부(842)는, 제2 서브 이미지의 패턴과 질병 이미지의 패턴이 유사하면 제2 서브 이미지와 질병 이미지가 유사한 것으로 판단할 수 있다.
한편, 본 발명에 따른 단위 처리부(430)는 도 8에 도시된 바와 같이, 질병 이미지 추출부(850)를 더 포함할 수 있다.
질병 이미지 추출부(850)는 제3 인터페이스부(810)를 통해 분산 처리 서버(420)로부터 질병 이미지의 식별번호를 수신하고, 데이터베이스로부터 상기 질병 이미지의 식별번호에 상응하는 질병 이미지를 추출하여 제1 유사도 판단부(820), 제2 유사도 판단부(830), 및 제3 유사도 판단부(840)로 제공한다.
이러한 질병 이미지 추출부(850)는 분산 처리 서버(420)로부터 질병 이미지식별번호가 제공되는 경우 필요한 것이고, 분산 처리 서버(420)로부터 질병 이미지가 직접 제공되는 경우에는 포함되지 않을 수 있다.
이하에서는 도 9를 참조하여 본 발명에 따른 분산 처리 기반의 질병 진단 방법에 대해 설명한다.
도 9는 본 발명의 일 실시예에 따른 분산 처리 기반의 질병 진단 방법을 보여주는 플로우차트이다. 이러한 질병 진단 방법은, 질병 진단 장치에 의해 수행될 수 있다.
도 9에 도시된 바와 같이, 먼저 검사 대상 이미지를 획득한다(S900). 이때, 검사 대상 이미지는 질병 진단 장치와 네트워크를 통해 연결된 단말 처리 장치로부터 획득할 수 있지만, 질병 진단 장치에 미리 저장되어 있을 수 있다.
일 실시예에 있어서, 이러한 검사 대상 이미지는, 인체의 혈관을 촬영한 혈관 이미지, 심장을 촬영한 심장 이미지, 안구를 촬영한 안구 이미지, 및 방사선 촬영 이미지 중 적어도 하나를 포함할 수 있다.
다음으로, 검사 대상 이미지로부터 복수개의 제1 서브 이미지를 획득하기 위한 윈도우의 크기 및 윈도우의 쉬프트 값을 결정한다(S910). 일 실시예에 있어서, 윈도우 크기는 검사 대상 이미지와 비교될 질병 이미지의 크기와 동일한 크기로 결정할 수 있다. 또한, 윈도우 쉬프트 값은 검사 대상 이미지 분석의 정밀성에 초점을 두는 경우 작게 설정하고, 검사 대상 이미지 분석의 신속성에 초점을 두는 경우 크게 설정할 수 있다.
일 실시예에 있어서, 검사 대상 이미지 상에서 x축 방향으로의 윈도우 쉬프트 값은 윈도우의 x축 방향의 길이 값 내에서 설정하고, y축 방향으로의 윈도우 쉬프트 값은 윈도우의 y축 방향의 길이 값 내에서 설정할 수 있다.
다음으로, S910에서 결정된 크기의 윈도우를 검사 대상 이미지상에서 S910에서 결정된 쉬프트 값만큼 이동시켜가면서 윈도우에 의해 특정되는 각 영역을 제1 서브 이미지로 획득한다(S920).
다음으로, 각각의 제1 서브 이미지를 처리할 복수개의 단위 처리부의 자원 사용률이 낮은 순서에 따라 상기 제1 서브 이미지들을 단위 처리부에 할당한다(S930). 이때, 비교 대상이 되는 질병 이미지 또는 질병 이미지의 식별번호를 제1 서브 이미지와 함께 단위 처리부에 할당할 수 있다.
일 실시예에 있어서, 각 단위 처리부를 모니터링하여 단위 처리부들 중 현재 제1 서브 이미지를 분석하고 있지 않은 단위 처리부에게 제1 서브 이미지를 우선하여 할당하거나, 단위 처리부들 중 CPU 사용률이 낮은 단위 처리부들에게 제1 서브 이미지를 우선하여 할당할 수 있다.
한편, S930에서 질병 이미지 또는 질병 이미지의 식별번호의 경우 비교 대상이 되는 질병 이미지가 변경되는 경우에만 전송할 수 있다.
다음으로, 각 단위 처리부들이 자신에게 할당된 제1 서브 이미지와 질병 이미지간의 유사 여부를 예비적으로 판단한다(S940).
일 실시예에 있어서, 비교 대상이 되는 2개의 이미지 내에서 동일한 모양이 서로 다른 위치에 포함되어 있더라도 해당 이미지들을 유사한 것으로 판단할 수 있도록, 비교 대상이 되는 각각의 이미지에서 복수개의 소정 영역을 결정하고, 결정된 소정 영역들 중 일부 영역에 대한 RGB값, 영역의 크기, 및 영역의 유형 등을 해당 이미지의 특성값으로 사용하여 이미지의 유사여부를 판단한다.
즉, 제1 서브 이미지에서 결정된 소정 영역들 중 일부 영역들에 대한 특성값과 질병 이미지에서 결정된 소정 영역들 중 일부 영역들에 대한 특성값을 서로 비교하여 제1 서브 이미지와 질병 이미지의 유사 여부를 결정하는 것이다.
이와 같이, 제1 서브 이미지 및 질병 이미지에서 결정된 모든 영역이 아닌 일부 영역들에 대한 특성값을 이용하여 유사 여부를 판단하는 것은 유사 여부 판단을 위한 연산량을 감소시키기 위한 것이다.
구체적으로, 제1 서브 이미지 및 질병 이미지 상에서 미리 정해진 크기의 영역 내에 속하는 픽셀들의 RGB 히스토그램을 산출하고, 상기 영역들 중 일부 영역에서 산출된 RGB 히스토그램을 상기 일부 영역들에 속하는 픽셀의 수로 나누어 제1 서브 이미지의 RGB 값과 질병 이미지의 RGB 값을 각각 산출한다.
산출된 제1 서브 이미지의 RGB값과 질병 이미지의 RGB값의 차이가 미리 정해진 기준치 이내인 경우 제1 서브 이미지와 질병 이미지가 유사한 것으로 판단할 수 있다.
한편, 소정 영역의 유형은 해당 영역이 혈관에 해당하는 영역을 나타내는 유형, 심장에 해당하는 영역을 나타내는 유형, 및 안구에 해당하는 영역을 나타내는 유형 중 적어도 하나를 포함할 수 있다.
또한, 상기 영역의 유형은 혈관 중에서 선택되는 위치별 영역을 나타내는 유형, 심장 중에서 선택되는 위치별 영역을 나타내는 유형, 안구 중에서 선택되는 위치별 영역을 나타내는 유형 중 적어도 하나를 포함할 수 있다.
판단결과, 제1 서브 이미지들 중 질병 이미지와 유사한 제1 서브 이미지가 존재하면, 제1 서브 이미지들 중 질병 이미지와 유사한 것으로 판단되는 제2 서브 이미지들을 선택하고(S950), 제2 서브 이미지들을 단위 처리부의 자원 사용률이 낮은 순서에 따라 각 단위 처리부에 할당한다(S960).
일 실시예에 있어서, 현재 제2 서브 이미지를 분석하고 있지 않은 단위 처리부에게 제2 서브 이미지를 우선하여 할당하거나, CPU 사용률이 낮은 단위 처리부들에게 제2 서브 이미지를 우선하여 할당할 수 있다.
다음으로, 각 단위 처리부들이 자신에게 할당된 제2 서브 이미지와 질병 이미지간의 유사 여부를 정밀하게 판단한다(S970).
일 실시예에 있어서, 비교 대상이 되는 2개의 이미지 내에서 동일한 모양이 서로 다른 위치에 포함되어 있더라도 해당 이미지들을 유사한 것으로 판단할 수 있도록, 비교 대상이 되는 각각의 이미지에서 복수개의 소정 영역을 결정하고, 결정된 모든 소정 영역들에 대한 RGB값, 영역의 크기, 및 영역의 유형 등을 해당 이미지의 특성값으로 사용하여 이미지의 유사여부를 판단한다.
즉, 제2 서브 이미지에서 결정된 모든 소정 영역들에 대한 특성값과 질병 이미지에서 결정된 모든 소정 영역들에 대한 특성값을 서로 비교하여 제2 서브 이미지와 질병 이미지의 유사 여부를 결정하는 것이다.
이와 같이, 제2 서브 이미지 및 질병 이미지에서 결정된 모든 영역에 대한 특성값을 이용하여 유사 여부를 판단하는 것은 제2 서브 이미지와 질병 이미지 간의 유사 여부를 보다 정밀하게 판단하기 위한 것이다.
구체적으로, 제2 서브 이미지 및 질병 이미지 상에서 미리 정해진 크기의 영역 내에 속하는 픽셀들의 RGB 히스토그램을 각각 산출하고, 각 영역에 대해 산출된 모든 RGB 히스토그램을 상기 각 영역에 속하는 모든 픽셀들의 수로 나누어 제1 서브 이미지의 RGB 값 및 질병 이미지의 RGB 값을 산출한다.
산출된 제2 서브 이미지의 RGB값과 질병 이미지의 RGB값의 차이가 미리 정해진 기준치 이내인 경우 제2 서브 이미지와 질병 이미지가 유사한 것으로 판단할 수 있다.
판단결과, 제2 서브 이미지들 중 질병 이미지와 유사한 제2 서브 이미지가 존재하면, 질병 이미지와 유사한 것으로 판단된 제2 서브 이미지들을 단위 처리부의 자원 사용률이 낮은 순서에 따라 각 단위 처리부에 재할당한다(S980). 일 실시예에 있어서, 현재 제2 서브 이미지를 분석하고 있지 않은 단위 처리부에게 제2 서브 이미지를 우선하여 재할당하거나, CPU 사용률이 낮은 단위 처리부들에게 제2 서브 이미지를 우선하여 재할당할 수 있다.
다음으로, 단위 처리부 별로 재할당된 제2 서브 이미지에 포함된 패턴과 질병 이미지에 포함된 패턴의 유사 여부를 비교하여 제2 서브 이미지와 질병 이미지의 유사 여부를 판단한다(S990).
이와 같이, 본 발명이 제2 서브 이미지와 질병 이미지의 유사 여부를 다시 판단하는 것은 분석의 정확성을 향상시키기 위한 것이므로, 검사의 신속성이 요구되는 경우 제2 서브 이미지와 질병 이미지의 유사 여부를 재판단하기 위한 과정인 S980 및 S990은 생략될 수 있다.
다음으로, 유사 여부 판단에 따라 검사 대상 이미지에 대한 진단 결과를 생성하여 제공한다(S1000). 일 실시예에 있어서, 검사 대상 이미지에 대한 진단 결과는, 검사 대상 이미지 상에서 질병 이미지와 유사한 것으로 판단된 제2 서브 이미지에 상응하는 영역을 마킹 함으로써 생성할 수 있다.
한편, 본 발명의 경우 상술한 S930 내지 S1000의 과정들을 질병 이미지들이 저장되어 있는 데이터베이스 내의 모든 질병 이미지들에 반복하여 수행함으로써, 하나의 검사 대상 이미지에 대한 모든 질병의 유무를 진단하게 된다.
상술한 분산 처리 기반의 질병 진단 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터로 판독 가능한 기록 매체에 기록될 수 있다. 이때, 컴퓨터로 판독 가능한 기록매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 한편, 기록매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.
한편, 본 발명이 속하는 기술분야의 당업자는 상술한 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다.
그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
200: 분산 처리 기반의 질병 진단 시스템 210a~210n: 단말 처리 장치
220: 네트워크 230: 질병 진단 장치
410: 분석서버 420: 분산 처리 서버
430a~430n: 단위 처리부

Claims (16)

  1. 검사 대상 이미지로부터 획득된 복수개의 제1 서브 이미지들 중 자신에게 할당된 제1 서브 이미지와 하나 이상의 질병 이미지간의 유사 여부를 판단하고, 상기 복수개의 제1 서브 이미지들로부터 선택된 복수개의 제2 서브 이미지들 중 자신에게 할당된 제2 서브 이미지와 상기 질병 이미지간의 유사 여부를 판단하는 복수개의 단위 처리부;
    상기 각 단위 처리부 중 자원 사용률이 낮은 순서에 따라 상기 제1 서브 이미지 및 제2 서브 이미지 중 적어도 하나 이상의 서브 이미지를 상기 단위 처리부에 할당하는 분산 처리 서버; 및
    상기 검사 대상 이미지를 상기 분산 처리 서버로 제공하고, 상기 제2 서브 이미지와 상기 질병 이미지와의 유사 여부에 판단에 따른 상기 검사 대상 이미지의 진단 결과를 제공하는 분석 서버를 포함하는 질병 진단 장치를 포함하는 것을 특징으로 하는 분산 처리 기반의 질병 진단 시스템.
  2. 제1항에 있어서, 상기 분석 서버는,
    상기 검사 대상 이미지 상에서 상기 질병 이미지와 유사한 것으로 판단된 제2 서브 이미지에 상응하는 영역을 마킹 함으로써 상기 진단 결과를 생성하는 진단 결과 생성부; 및
    상기 검사 대상 이미지에서 상기 제1 서브 이미지를 획득하기 위한 윈도우의 크기 및 상기 윈도우의 쉬프트 값을 결정하여 상기 분산 처리 서버로 제공하는 윈도우 크기 조절부를 포함하는 것을 특징으로 하는 분산 처리 기반의 질병 진단 시스템.
  3. 제1항에 있어서, 상기 분산 처리 서버는,
    상기 검사 대상 이미지상에서 미리 정해진 크기의 윈도우를 쉬프트하면서 상기 윈도우에 의해 특정되는 이미지 영역을 상기 제1 서브 이미지로 획득하는 제1 서브 이미지 획득부;
    소정 시간 간격으로 상기 각 단위 처리부의 자원 사용률을 모니터링 하는 자원 모니터링부; 및
    상기 단위 처리부의 자원 사용률이 낮은 순서에 따라 상기 제1 서브 이미지들을 상기 단위 처리부에 할당하는 제1 서브 이미지 할당부를 포함하는 것을 특징으로 하는 분산 처리 기반의 질병 진단 시스템.
  4. 제1항에 있어서, 상기 단위 처리부는,
    상기 제1 서브 이미지 및 질병 이미지에서 복수개의 소정 영역들을 결정하고, 결정된 소정 영역들 중 일부 영역에 대한 RGB값, 영역의 크기, 및 영역의 유형 중 적어도 하나를 이용하여 상기 질병 이미지와 상기 제1 서브 이미지의 유사 여부를 판단하는 제1 유사도 판단부; 및
    상기 제2 서브 이미지 및 질병 이미지에서 복수개의 소정 영역들을 결정하고, 상기 결정된 모든 소정 영역에 대한 RGB값, 영역의 크기, 및 영역의 유형 중 적어도 하나를 이용하여 상기 질병 이미지와 상기 서브 이미지의 유사 여부를 판단하는 제2 유사도 판단부를 포함하는 것을 특징으로 하는 분산 처리 기반의 질병 진단 시스템.
  5. 제4항에 있어서, 상기 제1 및 제2 유사도 판단부는,
    상기 제1 또는 제2 서브 이미지에 대한 제1 RGB값과 상기 질병 이미지에 대한 제2 RGB값을 산출하는 RGB값 산출부; 및
    상기 제1 RGB값과 제2 RGB 값의 차이를 비교하여 차이가 미리 정해진 기준치 이내인 경우 상기 제1 또는 제2 서브 이미지와 상기 질병 이미지가 유사한 것으로 판단하는 제1 비교부를 포함하는 것을 특징으로 하는 분산 처리 기반의 질병 진단 시스템.
  6. 제1항에 있어서, 상기 단위 처리부는,
    상기 분산 처리 서버에 의해 상기 제2 서브 이미지가 재할당되면, 재할당된 제2 서브 이미지에 포함된 패턴을 추출하는 패턴 추출부; 및
    상기 추출된 패턴과 상기 질병 이미지에서 추출된 패턴을 서로 비교하여 패턴이 유사하면 상기 제2 서브 이미지와 상기 질병 이미지가 유사한 것으로 판단하는 제2 비교부를 포함하는 제3 유사도 판단부를 포함하는 것을 특징으로 하는 분산 처리 기반의 질병 진단 시스템.
  7. 제1항에 있어서, 상기 단위 처리부는,
    상기 분산 처리 서버로부터 상기 질병 이미지의 식별정보를 수신하고, 데이터베이스로부터 상기 질병 이미지의 식별정보에 상응하는 질병 이미지를 추출하는 질병 이미지 추출부를 포함하는 것을 특징으로 하는 분산 처리 기반의 질병 진단 시스템.
  8. 제1항에 있어서, 상기 분산 처리 기반의 질병 진단 시스템은,
    상기 질병 진단 장치와 네트워크를 통해 연결되어 상기 검사 대상 이미지를 촬영하여 상기 질병 진단 장치로 제공하고, 상기 질병 진단 장치로부터 제공되는 검사 대상 이미지에 대한 질병 유무 결과를 수신하여 출력하는 단말 처리 장치를 포함하는 것을 특징으로 하는 분산 처리 기반의 질병 진단 시스템.
  9. 검사 대상 이미지로부터 획득된 복수개의 제1 서브 이미지들 중 각 단위 처리부 별로 할당된 제1 서브 이미지와 하나 이상의 질병 이미지간의 유사 여부를 판단하는 단계;
    상기 제1 서브 이미지들 중 상기 질병 이미지와 유사한 것으로 판단되는 제2 서브 이미지들을 선택하는 단계;
    상기 제2 서브 이미지들 중 상기 각 단위 처리부 별로 할당된 제2 서브 이미지와 상기 질병 이미지간의 유사 여부를 판단하는 단계; 및
    상기 유사 여부 판단에 따라 상기 검사 대상 이미지에 대한 진단 결과를 제공하는 단계를 포함하는 것을 특징으로 하는 분산 처리 기반의 질병 진단 방법.
  10. 제9항에 있어서,
    상기 제1 및 제2 서브 이미지는 상기 단위 처리부의 자원 사용률이 낮은 순서에 따라 상기 단위 처리부로 할당하는 것을 특징으로 하는 분산 처리 기반의 질병 진단 방법.
  11. 제9항에 있어서,
    상기 제1 서브 이미지와 상기 질병 이미지간의 유사 여부는, 상기 제1 서브 이미지 및 질병 이미지에서 각각 결정된 복수개의 소정 영역들 중 일부 소정 영역에 대한 RGB값, 영역의 크기, 및 영역의 유형 중 적어도 하나를 서로 비교하여 판단하고,
    상기 제2 서브 이미지와 상기 질병 이미지간의 유사 여부는, 상기 제2 서브 이미지 및 질병 이미지에서 각각 결정된 모든 소정 영역에 대한 RGB값, 영역의 크기, 및 영역의 유형 중 적어도 하나를 서로 비교하여 판단하는 것을 특징으로 하는 분산 처리 기반의 질병 진단 방법.
  12. 제11항에 있어서, 상기 유사 여부 판단 단계에서,
    상기 제1 또는 제2 서브 이미지의 RGB값과 상기 질병 이미지의 RGB값의 차이가 미리 정해진 기준치 이내인 경우 상기 제1 또는 제2 서브 이미지와 상기 질병 이미지가 유사한 것으로 판단하는 것을 특징으로 하는 분산 처리 기반의 질병 진단 방법.
  13. 제9항에 있어서,
    검사 대상 이미지 상에서 미리 정해진 크기의 윈도우를 소정 값만큼 쉬프트하면서 상기 윈도우에 의해 특정되는 각 영역을 제1 서브 이미지로 획득하는 단계를 더 포함하는 것을 특징으로 하는 분산 처리 기반의 질병 진단 방법.
  14. 제9항 있어서, 상기 질병 유무 결과 제공 단계 이전에,
    상기 제2 서브 이미지들 중 상기 질병 이미지와 유사한 것으로 판단된 제2 서브 이미지들을 상기 단위 처리부의 자원 사용률이 낮은 순서에 따라 상기 단위 처리부에 재할당하는 단계; 및
    상기 단위 처리부 별로 상기 재할당된 제2 서브 이미지에 포함된 패턴과 상기 하나 이상의 질병 이미지에 포함된 패턴의 유사 여부를 비교하여 상기 제2 서브 이미지와 상기 질병 이미지의 유사 여부를 판단하는 단계를 더 포함하는 것을 특징으로 하는 분산 처리 기반의 질병 진단 방법.
  15. 제9항에 있어서,
    상기 검사 대상 이미지의 진단 결과는, 상기 검사 대상 이미지 상에서 상기 질병 이미지와 유사한 것으로 판단된 제2 서브 이미지에 상응하는 영역을 마킹 함으로써 생성하는 것을 특징으로 하는 분산 처리 기반의 질병 진단 방법.
  16. 제9항 내지 제15항 중 어느 하나의 항에 기재된 방법을 수행하기 위한 컴퓨터로 판독 가능한 기록 매체.
KR1020110039581A 2011-04-27 2011-04-27 분산 처리 기반의 질병 진단 시스템 및 방법 KR101214349B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020110039581A KR101214349B1 (ko) 2011-04-27 2011-04-27 분산 처리 기반의 질병 진단 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020110039581A KR101214349B1 (ko) 2011-04-27 2011-04-27 분산 처리 기반의 질병 진단 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20120121652A true KR20120121652A (ko) 2012-11-06
KR101214349B1 KR101214349B1 (ko) 2012-12-20

Family

ID=47508074

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020110039581A KR101214349B1 (ko) 2011-04-27 2011-04-27 분산 처리 기반의 질병 진단 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR101214349B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101653505B1 (ko) * 2015-10-13 2016-09-01 한국 한의학 연구원 이미지를 기반으로 건강상태에 대한 진단을 보조하는 컴퓨팅 장치 및 방법
WO2020032560A3 (ko) * 2018-08-07 2020-03-26 주식회사 딥바이오 진단 결과 생성 시스템 및 방법
WO2020032562A3 (ko) * 2018-08-08 2020-03-26 주식회사 딥바이오 생체 이미지 진단 시스템, 생체 이미지 진단 방법, 및 이를 수행하기 위한 단말
KR102189270B1 (ko) * 2020-02-19 2020-12-09 주식회사 판다코퍼레이션 인공지능 기술을 이용한 농산물의 병충해 발생 정보를 획득하는 방법 및 이를 위한 장치

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100737382B1 (ko) 2006-05-01 2007-07-09 이경수 의료 진단 데이터 연산방법

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101653505B1 (ko) * 2015-10-13 2016-09-01 한국 한의학 연구원 이미지를 기반으로 건강상태에 대한 진단을 보조하는 컴퓨팅 장치 및 방법
WO2020032560A3 (ko) * 2018-08-07 2020-03-26 주식회사 딥바이오 진단 결과 생성 시스템 및 방법
US11995819B2 (en) 2018-08-07 2024-05-28 Deep Bio Inc. Diagnosis result generation system and method
WO2020032562A3 (ko) * 2018-08-08 2020-03-26 주식회사 딥바이오 생체 이미지 진단 시스템, 생체 이미지 진단 방법, 및 이를 수행하기 위한 단말
KR102189270B1 (ko) * 2020-02-19 2020-12-09 주식회사 판다코퍼레이션 인공지능 기술을 이용한 농산물의 병충해 발생 정보를 획득하는 방법 및 이를 위한 장치

Also Published As

Publication number Publication date
KR101214349B1 (ko) 2012-12-20

Similar Documents

Publication Publication Date Title
CN103827916B (zh) 皱纹检测与皱纹评估的方法、装置和系统
RU2640000C2 (ru) Обработка и отображение изображения грудной железы
EP2911111A2 (en) Apparatus and method for lesion detection
JP7188514B2 (ja) 診断支援装置、及び診断支援装置における画像処理方法、並びにプログラム
CN103717122A (zh) 眼科诊断支持设备和眼科诊断支持方法
US10438353B2 (en) Evaluation of an X-ray image of a breast produced during a mammography
US20200193598A1 (en) Dynamic analysis system
KR101214349B1 (ko) 분산 처리 기반의 질병 진단 시스템 및 방법
KR20120048603A (ko) 화상 처리 장치, 화상 처리 방법 및 저장 매체
KR102252851B1 (ko) 인지 능력 검사용 그림의 자동 분석 시스템 및 이를 위한 기록 매체
KR102155381B1 (ko) 인공지능 기반 기술의 의료영상분석을 이용한 자궁경부암 판단방법, 장치 및 소프트웨어 프로그램
KR101214317B1 (ko) 분산 처리 기반의 질병 진단 시스템 및 방법
KR102267739B1 (ko) 치아 진단 방법 및 이를 수행하기 위한 컴퓨팅 장치
KR20200108686A (ko) 딥러닝 알고리즘을 이용한 근감소증 분석 프로그램 및 애플리케이션
JP2015202236A (ja) 眼底画像解析装置及び解析方法
KR20100010973A (ko) 폐질환 자동 분류 방법
WO2024074921A1 (en) Distinguishing a disease state from a non-disease state in an image
KR102034648B1 (ko) 의료영상 관리 시스템, 방법 및 컴퓨터 판독 가능한 기록매체
KR20210054925A (ko) 골밀도 산출을 위한 관심영역 추출 시스템 및 방법
WO2021132307A1 (ja) 眼科画像処理方法、眼科画像処理装置及び眼科画像処理プログラム
KR102602392B1 (ko) 딥러닝 모델을 이용한 내시경 영상으로부터의 병변 검출 방법, 장치 및 프로그램
JP2019149094A (ja) 診断支援システム、診断支援方法、及びプログラム
KR20210033902A (ko) 인공지능 기반 기술의 의료영상분석을 이용한 자궁경부암 진단방법, 장치 및 소프트웨어 프로그램
US8433112B2 (en) Method and apparatus for processing chest X-ray images
TWI615130B (zh) 影像處理方法及非暫態電腦可讀取媒體

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
LAPS Lapse due to unpaid annual fee