KR20130012297A - 병변 검출 장치, 병변 검출 방법 및 병변 진단 장치 - Google Patents
병변 검출 장치, 병변 검출 방법 및 병변 진단 장치 Download PDFInfo
- Publication number
- KR20130012297A KR20130012297A KR1020110073398A KR20110073398A KR20130012297A KR 20130012297 A KR20130012297 A KR 20130012297A KR 1020110073398 A KR1020110073398 A KR 1020110073398A KR 20110073398 A KR20110073398 A KR 20110073398A KR 20130012297 A KR20130012297 A KR 20130012297A
- Authority
- KR
- South Korea
- Prior art keywords
- image
- region
- lesion
- tissue
- breast
- Prior art date
Links
- 230000003902 lesion Effects 0.000 title claims abstract description 234
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000003745 diagnosis Methods 0.000 title claims abstract description 12
- 238000001514 detection method Methods 0.000 claims abstract description 135
- 210000000481 breast Anatomy 0.000 claims abstract description 113
- 239000000284 extract Substances 0.000 claims abstract description 45
- 210000001519 tissue Anatomy 0.000 claims description 161
- 210000002976 pectoralis muscle Anatomy 0.000 claims description 33
- 210000004003 subcutaneous fat Anatomy 0.000 claims description 24
- 238000003709 image segmentation Methods 0.000 claims description 17
- 210000000577 adipose tissue Anatomy 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 7
- 201000010099 disease Diseases 0.000 claims description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 6
- 206010033675 panniculitis Diseases 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000002591 computed tomography Methods 0.000 description 4
- 210000003205 muscle Anatomy 0.000 description 3
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 210000001638 cerebellum Anatomy 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000002324 minimally invasive surgery Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 238000002603 single-photon emission computed tomography Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000002604 ultrasonography 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
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0082—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes
- A61B5/0091—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes for mammography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30068—Mammography; Breast
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30096—Tumor; Lesion
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
병변의 검출 성능을 향상시키고, 검출 시간을 단축할 수 있는 병변을 검출하는 기술이 개시된다. 본 발명의 일 실시예에 따른 병변 검출 장치는 이미지에서 적어도 하나의 조직 영역을 추출하고, 추출된 조직 영역으로부터 병변을 검출한다.
Description
이미지 획득부에 의해 생성된 이미지로부터 병변을 검출하는 기술과 관련된다.
최근 수술기법의 발달로 다양한 최소 침습 수술(Minimally Invasive Surgery)방법이 등장하고 있다. 최소 침습 방법은 병변으로의 접근을 위해 피부와 근육을 절개하는 대신 주사기나 카테터(catheter) 등의 수술 도구를 이용하여 병변에 접근하여 약물주입, 병변 제거, 보철물 삽입 등의 시술 방법이다. 이러한 시술을 위해서는 의사는 병변의 위치를 정확하게 파악해야 한다. 또한, 의사가 정확한 병명을 파악하기 위해서는, 인체의 병변의 크기, 모양, 위치 등을 정확하게 파악해야 한다.
이를 위해, 병변의 위치, 모양 등을 정확하게 검출할 수 있는 다양한 의료용 영상 기기가 개발되고 있다. 예를 들면, 컴퓨터단층촬영(Computed Tomography, CT) 장치, 자기공명영상(Magnetic Resonance Imaging, MRI) 장치, 양전자방출단층촬영(Positron Emission Tomography, PET) 장치와 단일광자방출단층촬영(Single Photon Emission Computed Tomography, SPECT) 장치 등이 있다.
한편, 한국등록특허 2007-0006845에는 유방에 대한 상하 영상 및 내외측 영상을 획득하고, 병변 관련 좌표를 추출하고 방향을 산출한 후 병변 위치를 3차원적으로 도시하는 기술이 개시되어 있다.
그러나, 이미지의 비정형성, 이미지의 저조한 화질 등에 의해서 이미지로부터 정확하게 병변을 추출하는 것은 어려우므로, 이를 개선하기 위한 기술이 필요하다.
이미지로부터 조직 영역을 추출하고, 추출된 조직 영역 중 일부를 병변 검출 대상 영역을 설정하고, 병변 검출 대상 영역에서만 병변을 검출함으로써, 병변을 정확하게 검출할 확률을 향상시킬 수 있을 뿐만 아니라 병변을 검출하는데 소요되는 시간도 단축할 수 있는 병변 검출 장치 및 방법이 개시된다.
본 발명의 일 실시예에 따른 병변 검출 장치는 이미지에서 적어도 하나의 조직 영역을 추출하는 추출부와, 추출된 조직 영역 중 적어도 하나를 병변 검출 대상 영역으로 설정하는 설정부 및 병변 검출 대상 영역으로부터 병변을 검출하는 검출부를 포함한다.
추출부는 이미지의 특징 정보 및 조직 영역들의 특징 정보를 비교하여, 이미지에서 적어도 하나의 조직 영역을 추출할 수 있다.
추출부는 이미지에 대해 이미지 세그멘테이션을 실행하여 이미지를 다수의 영역으로 분할하고, 각 분할된 영역들의 특징 정보 및 조직 영역의 특징 정보를 비교하여 이미지에서 조직 영역을 추출할 수 있다.
이미지의 특징 정보 및 조직 영역의 특징 정보는 밝기, 색상, 질감, 상대적 위치 및 모양 중 적어도 하나일 수 있다.
이미지는 유방 이미지이고, 병변 검출 대상 영역은 유방실질 조직(mammary grandular tissue) 영역일 수 있다.
추출부는 유방 이미지의 특징 정보 및 유방 실질 조직 영역의 특징 정보를 비교하여, 유방 이미지에서 유방실질 조직 영역만을 추출할 수 있다.
추출부는 유방 이미지에 대해 이미지 세그멘테이션을 실행하여 유방 이미지를 다수의 영역으로 분할하고, 각 분할된 영역들의 특징 정보 및 유방실질 조직 영역의 특징 정보를 비교하여 유방 이미지에서 유방의 조직 영역을 추출할 수 있다.
추출부는 유방 이미지로부터 지방 조직(subcutaneous fat tissue) 영역 및 대흉근(pectoralis muscle) 영역을 추출하고, 지방 조직(subcutaneous fat tissue) 영역 및 대흉근(pectoralis muscle) 영역 사이의 영역을 유방실질 조직(mammary grandular tissue) 영역으로 추출할 수 있다.
유방 이미지의 조직 영역은 지방 조직(subcutaneous fat tissue) 영역, 유방실질 조직(mammary grandular tissue) 영역 및 대흉근(pectoralis muscle) 영역 중 적어도 하나일 수 있다.
지방 조직(fat tissue) 영역의 특징 정보는 이미지의 상부에 위치하고, 밝기가 다른 영역에 비해 어두우며, 모양은 둥근 형태이고, 대흉근(pectoralis muscle) 영역의 특징 정보는 이미지의 하부에 위치하고,균일한 방향의 띠와 같은 질감(texture)을 포함하며, 유방실질 조직(grandular tissue) 영역의 특징 정보는 지방 조직 영역 및 대흉근 영역의 사이에 위치하고, 작은 반점 형태의 질감을 포함할 수 있다.
추출부는 모폴로지(morphology) 연산을 실행하여 추출된 조직 영역의 이미지에 포함된 잡음을 제거할 수 있다.
본 발명의 일 실시예에 따른 병변 검출 방법은 이미지에서 적어도 하나의 조직 영역을 추출하는 단계와, 추출된 조직 영역 중 적어도 하나를 병변 검출 대상 영역으로 설정하는 단계 및 병변 검출 대상 영역으로부터 병변을 검출하는 단계를 포함한다.
추출하는 단계는 이미지의 특징 정보 및 조직 영역의 특징 정보를 비교하여, 이미지에서 조직 영역을 추출하는 단계를 포함할 수 있다.
추출하는 단계는 이미지에 대해 이미지 세그멘테이션을 실행하여 이미지를 다수의 영역으로 분할하는 단계 및 각 분할된 영역들의 특징 정보 및 조직 영역의 특징 정보를 비교하여 이미지에서 조직 영역을 추출하는 단계를 포함할 수 있다.
이미지는 유방 이미지이고, 병변 검출 대상 영역은 유방실질 조직(mammary grandular tissue) 영역일 수 있다.
추출하는 단계는 유방 이미지의 특징 정보 및 유방 조직 영역의 특징 정보를 비교하여 유방 이미지에서 적어도 하나의 유방실질 조직 영역만을 추출하는 단계를 포함할 수 있다.
추출하는 단계는 유방 이미지에 대해 이미지 세그멘테이션을 실행하여 유방 이미지를 다수의 영역으로 분할하는 단계 및 각 분할된 영역들의 특징 정보 및 유방실질 조직 영역의 특징 정보를 비교하여 유방 이미지에서 유방의 조직 영역을 추출하는 단계를 포함할 수 있다.
추출하는 단계는 유방 이미지로부터 지방 조직(subcutaneous fat tissue) 영역 및 대흉근(pectoralis muscle) 영역을 추출하는 단계 및 지방 조직(subcutaneous fat tissue) 영역 및 대흉근(pectoralis muscle) 영역 사이의 영역을 유방실질 조직(mammary grandular tissue) 영역으로 추출하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 따른 병변 진단 장치는 생물체의 내부를 촬열하여 이미지를 획득하는 이미지 획득부와, 이미지에서 적어도 하나의 조직 영역을 추출하는 추출부와, 추출된 조직 영역 중 적어도 하나를 병변 검출 대상 영역으로 설정하는 설정부, 및 병변 검출 대상 영역으로부터 병변을 검출하는 검출부를 포함하는 병변 검출부 및 병변 검출부에서 검출된 병변에 기초하여 병명을 진단하는 병변 진단부를 포함할 수 있다.
이미지는 유방 이미지이고, 병변 검출 대상 영역은 유방실질 조직(mammary grandular tissue) 영역일 수 있다.
개시된 내용에 따르면, 이미지로부터 조직 영역을 추출하고, 추출된 조직 영역 중 일부를 병변 검출 대상 영역을 설정하고, 병변 검출 대상 영역에서만 병변을 검출함으로써, 병변을 정확하게 검출할 확률을 향상시킬 수 있을 뿐만 아니라 병변을 검출하는데 소요되는 시간도 단축할 수 있다.
도 1은 본 발명의 일 실시예와 관련된 병변 검출 장치를 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예와 관련된 병변 진단 장치를 설명하기 위한 도면이다.
도 3a 내지 도 3d는 도 1의 병변 검출 장치가 병변을 검출하는 일 실시예에 따른 과정을 설명하기 위한 도면이다.
도 4a 내지 도 4e는 도 1의 병변 검출 장치가 병변을 검출하는 또 다른 일 실시예에 따른 과정을 설명하기 위한 도면이다.
도 5a 내지 도 5d는 도 1의 병변 검출 장치가 병변을 검출하는 또 다른 일 실시예에 따른 과정을 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른 병변 검출 방법을 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예와 관련된 병변 진단 장치를 설명하기 위한 도면이다.
도 3a 내지 도 3d는 도 1의 병변 검출 장치가 병변을 검출하는 일 실시예에 따른 과정을 설명하기 위한 도면이다.
도 4a 내지 도 4e는 도 1의 병변 검출 장치가 병변을 검출하는 또 다른 일 실시예에 따른 과정을 설명하기 위한 도면이다.
도 5a 내지 도 5d는 도 1의 병변 검출 장치가 병변을 검출하는 또 다른 일 실시예에 따른 과정을 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른 병변 검출 방법을 설명하기 위한 도면이다.
이하, 첨부된 도면을 참조하여 발명을 실시하기 위한 구체적인 내용에 대하여 상세하게 설명한다.
도 1은 본 발명의 일 실시예와 관련된 병변 검출 장치를 설명하기 위한 도면이다.
도 1을 참조하면, 병변 검출 장치(100)는 추출부(110), 설정부(120) 및 검출부(130)를 포함한다.
추출부(110)는 이미지에서 적어도 하나의 조직(tissue) 영역을 추출할 수 있다. 이미지는 다수의 조직 영역을 포함하는 생물체의 내부를 촬영한 이미지일 수 있다.
예를 들면, 추출부(110)는 N*N 또는 N*M 크기인 윈도우(window)를 이용하여 이미지의 특징 정보를 추출할 수 있다. 추출부(110)는 이미지의 특징 정보 및 조직 영역들의 특징 정보를 비교하여, 이미지에서 조직 영역들을 추출할 수 있다. 예를 들면, 추출부(110)는 SVM(Support Vector Machine), RF(random forest) 분류 방법 등과 같은 기계학습(machine learning) 기법을 이용하여 이미지에서 조직 영역들을 추출할 수 있다. 이미지의 특징 정보 및 조직 영역의 특징 정보는 밝기(intensity), 색상(color), 질감(texture), 상대적 위치(relative location) 및 모양(shape) 등에 관한 정보일 수 있다. 추출부(110)는 gabor 필터(filter), SGLD(spatial gray level dependence) 필터 및 웨이블릿(wavelet) 필터 등을 이용하여 질감(texture) 특징 정보를 추출할 수 있다.
또 다른 예를 들면, 추출부(110)는 이미지에 대해 이미지 세그멘테이션을 실행하여 이미지를 다수의 영역으로 분할할 수 있다. 추출부(110)는 각 분할된 영역들의 특징 정보를 추출할 수 있다. 추출부(110)는 각 분할된 영역들의 특징 정보 및 설정된 조직 영역의 특징 정보를 비교하여, 이미지에서 조직 영역을 추출할 수 있다.
이하에서는 이미지가 유방 이미지이고, 사용자, 제조업자 등이 유방 실질 조직 영역을 병변 검출 대상 영역으로 설정한 경우를 가정한다.
예를 들면, 추출부(110)는 유방 이미지의 특징 정보 및 유방실질 조직(mammary grandular tissue) 영역의 특징 정보를 비교하여 유방 이미지에서 유방 실질 영역만을 추출할 수 있다.
또 다른 예를 들면, 추출부(110)는 유방 이미지의 특징 정보 및 유방 조직 영역의 특징 정보를 비교하여 유방 이미지에서 유방 조직 영역을 추출할 수 있다. 유방 조직 영역은 피부(skin) 영역, 지방 조직(subcutaneous fat tissue) 영역, 유방실질 조직(mammary grandular tissue) 영역 및 대흉근(pectoralis muscle) 영역을 포함한다. 지방 조직(fat tissue) 영역은 이미지의 상부에 위치하고, 밝기가 다른 영역에 비해 어두우며, 모양은 둥근 형태를 띈다. 대흉근(pectoralis muscle) 영역은 이미지의 하부에 위치하고, 균일한 방향의 띠와 같은 질감(texture)을 갖는다. 유방실질 조직(mammary grandular tissue) 영역은 지방 조직 영역 및 대흉근 영역의 사이에 위치하고, 작은 반점 형태의 질감을 갖는다. 위와 같이 추출부(110)는 설정에 따라 유방 이미지에서 유방 실질 조직 영역만을 추출하거나 모든 유방 조직 영역을 추출할 수 있다.
또 다른 예를 들면, 추출부(110)는 유방 이미지에 대해 이미지 세그멘테이션(segmentation)을 실행하여 이미지를 다수의 영역으로 분할할 수 있다. 추출부(110)는 각 분할된 영역들의 특징 정보를 추출할 수 있다. 추출부(110)는 각 분할된 영역들의 특징 정보 및 유방실질 조직 영역의 특징 정보를 비교하여, 이미지에서 유방실질(mammary grandular tissue) 조직 영역만을 추출하거나 모든 유방 조직 영역을 추출할 수 있다.
또 다른 예를 들면, 추출부(110)는 유방 이미지로부터 지방 조직(subcutaneous fat tissue) 영역 및 대흉근(pectoralis muscle) 영역을 추출할 수 있다. 추출부(110)는 지방 조직(subcutaneous fat tissue) 영역 및 대흉근(pectoralis muscle) 영역 사이의 영역을 유방실질 조직(mammary grandular tissue) 영역으로 추출할 수 있다.
추출부(110)는 모폴로지(morphology) 연산을 실행하여 추출된 조직 영역의 이미지에 포함된 잡음을 제거할 수 있다.
설정부(120)는 추출된 조직 영역 중 적어도 하나를 병변 검출 대상 영역으로 설정할 수 있다. 사용자 등은 병변 검출 대상 영역을 병변의 발생 확률이 높은 영역으로 지정할 수 있다. 예를 들면, 사용자, 제조업자 등이 소뇌 영역, 근육 영역 등을 병변 검출 대상 영역으로 지정한 경우, 설정부(120)는 추출된 조직 영역 중 소뇌 영역 또는 근육 영역을 병변 검출 대상 영역으로 설정할 수 있다. 이미지가 유방 이미지인 경우, 사용자, 제조업자 등이 병변이 주로 발생되는 유방 실질 영역을 병변 검출 대상 영역으로 지정할 수 있다. 이 경우, 설정부(120)는 추출된 조직 영역들 중 유방 실질 영역만을 병변 검출 대상 영역으로 설정할 수 있다.
검출부(130)는 병변 검출 대상 영역으로부터 병변을 검출할 수 있다. 예를 들면, 검출부(130)는 병변의 위치, 크기, 모양 등의 정보를 검출할 수 있다. 검출부(130)는 BHT(binary histogram thresholding method), super-pixel 기법과 같은 이미지 세그멘 테이션 기법을 이용하여 병변을 검출할 수 있다.
병변 검출 장치는 이미지로부터 조직 영역을 추출하고, 추출된 조직 영역 중 일부를 병변 검출 대상 영역을 설정하고, 병변 검출 대상 영역에서만 병변을 검출함으로써, 병변을 정확하게 검출할 확률을 향상시킬 수 있을 뿐만 아니라 병변을 검출하는데 소요되는 시간도 단축할 수 있다.
도 2는 본 발명의 일 실시예와 관련된 병변 진단 장치를 설명하기 위한 도면이다.
도 2를 참조하면, 병변 진단 장치(200)는 이미지 획득부(210), 병변 검출부(220) 및 병변 진단부(230)를 포함한다.
이미지 획득부(210)는 다수의 조직 영역을 포함하는 생물체의 내부를 촬영하여 이미지를 획득할 수 있다. 예를 들면, 이미지 획득부(210)는 초음파 검사 장치, 컴퓨터단층촬영(Computed Tomography, CT) 장치 및 자기공명영상(Magnetic Resonance Imaging, MRI) 장치 등과 같이 생물체의 내부를 촬영할 수 있는 장치를 의미한다.
병변 검출부(220)는 이미지 획득부(210)에 의해 생성된 이미지로부터 병변을 검출할 수 있다. 예를 들면, 병변 검출부(220)는 이미지로부터 병변의 위치, 크기, 모양 등과 같은 병변에 관한 정보를 추출할 수 있다. 병변 검출부(220)는 도 1의 병변 검출 장치(100)와 동일한 기능을 한다. 병변 검출부(220)는 추출부, 설정부 및 검출부를 포함한다. 추출부는 이미지에서 적어도 하나의 조직(tissue) 영역을 추출할 수 있다. 설정부는 추출된 조직 영역 중 적어도 하나를 병변 검출 대상 영역으로 설정할 수 있다. 검출부는 병변 검출 대상 영역으로부터 병변을 검출할 수 있다. 추출부, 설정부 및 검출부에 관한 구체적인 설명은 도 1에서 이미 설명하였으므로 생략한다.
병변 진단부(230)는 병변 검출부(220)로부터 추출된 병변에 기초하여 병명을 진단할 수 있다. 예를 들면, 병변 진단부(230)는 병변의 위치, 크기 및 모양 등을 기초하여 병명을 진단할 수 있다.
병변 진단 장치는 이미지로부터 조직 영역을 추출하고, 추출된 조직 영역 중 일부를 병변 검출 대상 영역을 설정하고, 병변 검출 대상 영역에서만 병변을 검출함으로써, 병변을 정확하게 자동으로 검출할 수 있을 뿐만 아니라 짧은 시간 내에 병명을 정확하게 진단할 수 있다.
도 3a 내지 도 3d는 도 1의 병변 검출 장치가 병변을 검출하는 일 실시예에 따른 과정을 설명하기 위한 도면이다.
이하에서는, 병변 검출 장치가 유방의 내부를 촬영한 이미지로부터 병변을 검출하는 과정을 설명한다. 그러나, 병변 검출 장치는 유방 이외에도 다른 다양한 부위에 해당하는 이미지로부터 병변을 검출할 수 있다.
도 3a는 유방을 측면에서 도시한 도면이다.
도 1 및 도 3a을 참조하면, 유방의 조직 영역은 피부(skin) 영역(300), 지방 조직 영역(310), 유방실질 조직 영역(320) 및 대흉근 조직 영역(330)을 포함한다. 지방 조직 영역(310)은 피하(subcutaneous) 지방 조직 영역(311) 및 후방(retromammary) 지방(312)을 포함한다. 이하에서는, 유방 이미지가 지시선(340) 방향으로 촬영되어 얻어진 경우를 가정한다.
도 1 및 도 3b를 참조하면, 유방의 조직 영역은 피하(subcutaneous) 지방 조직 영역(311), 유방실질 조직 영역(320), 후방(retromammary) 지방 조직(312) 및 대흉근 조직 영역(330)을 포함한다. 유방실질 조직 영역(320)은 병변(321)을 포함할 수 있다. 유방의 조직 영역은 특징 정보는 아래와 같다. 피하(subcutaneous) 지방 조직 영역(311) 및 후방(retromammary) 지방 조직(312) 영역의 특징 정보는 이미지의 상부에 위치하고, 밝기가 다른 영역에 비해 어두우며, 모양은 둥근 형태를 띈다는 것이다. 유방실질 조직 영역(320)의 특징 정보는 지방 조직 영역 및 대흉근 영역의 사이에 위치하고, 작은 반점 형태의 질감을 갖는다는 것이다. 대흉근(pectoralis muscle) 영역(330)의 특징 정보는 이미지의 하부에 위치하고, 균일한 방향의 띠와 같은 질감(texture)을 갖는다는 것이다.
도 1 및 도 3c를 참조하면, 병변 검출 장치(100)는 유방 이미지의 특징 정보를 추출할 수 있다. 예를 들면, 병변 검출 장치(100)는 N*N 또는 N*M 크기인 윈도우(window)를 이용하여 이미지의 특징 정보를 추출할 수 있다.
이하에서는, 병변 검출 대상 영역이 유방 실질 조직 영역(320)으로 설정된 경우를 가정한다.
예를 들면, 병변 검출 장치(100)는 유방 이미지의 특징 정보 및 유방의 조직 영역들의 특징 정보를 비교하여 유방 이미지에서 조직 영역(311, 312, 320, 330)들을 추출할 수 있다. 병변 검출 장치(100)는 모폴로지(morphology) 연산을 실행하여 추출된 조직 영역(311, 312, 320, 330)의 이미지에 포함된 잡음을 제거할 수 있다. 병변 검출 장치(100)는 조직 영역(311, 312, 320, 330)들 중 유방 실질 조직 영역(320)을 병변 검출 대상 영역으로 설정할 수 있다.
또 다른 예를 들면, 병변 검출 장치(100)는 유방 이미지의 특징 정보 및 유방 실질 조직 영역(320)의 특징 정보를 비교하여 유방 이미지에서 유방 실질 조직 영역(320)만을 추출하고, 유방 실질 조직 영역(320)을 병변 검출 대상 영역으로 설정할 수 있다.
도 1 및 도 3d를 참조하면, 병변 검출 장치(100)는 병변 검출 대상 영역(320)으로부터 병변(321)을 검출할 수 있다. 예를 들면, 병변 검출 장치(100)는 BHT(binary histogram thresholding method), super-pixel 기법과 같은 이미지 세그멘 테이션 기법을 이용하여 병변을 검출할 수 있다.
병변 검출 장치는 병변이 발생할 확률이 높은 병변 검출 대상 영역에서 병변을 검출하기 때문에, 병변이 발생할 확률이 없는 조직 영역에서 병변을 검출하지 않아도 된다. 이에 따라, 병변 검출 장치는 병변을 검출하기 위해 소요되는 시간을 줄일 수 있을 뿐만 아니라 병변을 정확하게 검출할 수 있다.
도 4a 내지 도 4e는 도 1의 병변 검출 장치가 병변을 검출하는 또 다른 일 실시예에 따른 과정을 설명하기 위한 도면이다.
이하에서는, 병변 검출 장치가 유방의 내부를 촬영한 이미지로부터 병변을 검출하는 과정을 설명한다. 그러나, 병변 검출 장치는 유방 이외에도 다른 다양한 부위에 해당하는 이미지로부터 병변을 검출할 수 있다.
도 1 및 도 4a을 참조하면, 유방의 조직 영역은 피하(subcutaneous) 지방 조직 영역(311), 유방실질 조직 영역(320), 후방(retromammary) 지방 조직(312) 및 대흉근 조직 영역(330)을 포함한다. 유방실질 조직 영역(320)은 병변(321)을 포함한다. 유방의 조직 영역은 특징 정보는 아래와 같다. 피하(subcutaneous) 지방 조직 영역(311) 및 후방(retromammary) 지방 조직(312)은 이미지의 상부에 위치하고, 밝기가 다른 영역에 비해 어두우며, 모양은 둥근 형태를 띈다. 유방실질 조직 영역(320)은 지방 조직 영역 및 대흉근 영역의 사이에 위치하고, 작은 반점 형태의 질감을 갖는다. 대흉근(pectoralis muscle) 영역(330)은 이미지의 하부에 위치하고, 균일한 방향의 띠와 같은 질감(texture)을 갖는다.
도 1 및 도 4b를 참조하면, 병변 검출 장치(100)는 유방 이미지에 대해 이미지 세그멘테이션(segmentation)을 실행하여 유방 이미지를 다수의 영역으로 분할할 수 있다.
도 1 및 도 4c를 참조하면, 병변 검출 장치(100)는 각 분할된 영역들의 특징 정보를 추출할 수 있다. 병변 검출 장치(100)는 각 분할된 영역들의 특징 정보 및 유방실질 조직 영역의 특징 정보를 비교하여 각 분할된 영역들이 어떤 조직 영역에 해당하는지를 인식할 수 있다. 병변 검출 장치(100)는 인식된 결과에 기초하여 이미지에서 조직 영역들(300, 311, 312, 320, 330)을 추출할 수 있다.
도 1 및 도 4d를 참조하면, 병변 검출 장치(100)는 조직 영역(300, 311, 312, 320, 330)들 중 유방 실질 조직 영역(320)을 병변 검출 대상 영역으로 설정할 수 있다.
도 1 및 도 4e를 참조하면, 병변 검출 장치(100)는 병변 검출 대상 영역(320)으로부터 병변(321)을 검출할 수 있다. 예를 들면, 병변 검출 장치(100)는 BHT(histogram thresholding method), super-pixel 기법과 같은 이미지 세그멘 테이션 기법을 이용하여 병변을 검출할 수 있다.
병변 검출 장치는 유방 이미지를 다수의 영역으로 분할한 후, 분할된 영역들의 특징 정보에 기초하여 유방의 조직 영역을 추출함으로써, 유방의 조직 영역을 더욱 정확하게 추출할 수 있다.
병변 검출 장치는 병변이 발생할 확률이 없는 조직 영역에서 병변을 검출하지 않아도 되기 때문에, 병변을 검출하기 위해 소요되는 시간을 줄일 수 있을 뿐만 아니라 병변을 정확하게 검출할 수 있다.
도 5a 내지 도 5d는 도 1의 병변 검출 장치가 병변을 검출하는 또 다른 일 실시예에 따른 과정을 설명하기 위한 도면이다.
이하에서는, 병변 검출 장치가 유방의 내부를 촬영한 이미지로부터 병변을 검출하는 과정을 설명한다. 그러나, 병변 검출 장치는 유방 이외에도 다른 다양한 부위에 해당하는 이미지로부터 병변을 검출할 수 있다.
도 1 및 도 5a을 참조하면, 유방의 조직 영역은 피하(subcutaneous) 지방 조직 영역(311), 유방실질 조직 영역(320), 후방(retromammary) 지방 조직(312) 및 대흉근 조직 영역(330)을 포함한다. 유방실질 조직 영역(320)은 병변(321)을 포함한다. 유방의 조직 영역은 특징 정보는 아래와 같다. 피하(subcutaneous) 지방 조직 영역(311) 및 후방(retromammary) 지방 조직(312)은 이미지의 상부에 위치하고, 밝기가 다른 영역에 비해 어두우며, 모양은 둥근 형태를 띈다. 유방실질 조직 영역(320)은 지방 조직 영역 및 대흉근 영역의 사이에 위치하고, 작은 반점 형태의 질감을 갖는다. 대흉근(pectoralis muscle) 영역(330)은 이미지의 하부에 위치하고, 균일한 방향의 띠와 같은 질감(texture)을 갖는다.
도 1 및 도 5b의 (a)를 참조하면, 병변 검출 장치(100)는 유방 이미지로부터 지방 조직(subcutaneous fat tissue) 영역(311, 312)을 추출할 수 있다.
도 1 및 도 5b의 (b)를 참조하면, 병변 검출 장치(100)는 유방 이미지로부터 대흉근(pectoralis muscle) 영역(330)을 추출할 수 있다.
도 1 및 도 5c를 참조하면, 병변 검출 장치(100)는 지방 조직(subcutaneous fat tissue) 영역(311, 312) 및 대흉근(pectoralis muscle) 영역(330) 사이의 영역을 유방실질 조직 영역(320)으로 추출할 수 있다. 병변 검출 장치(100)는 추출된 유방 실질 조직 영역(320)을 병변 검출 대상 영역으로 설정할 수 있다.
도 1 및 도 5d를 참조하면, 병변 검출 장치(100)는 병변 검출 대상 영역(320)으로부터 병변(321)을 검출할 수 있다. 예를 들면, 병변 검출 장치(100)는 BHT(histogram thresholding method), super-pixel 기법과 같은 이미지 세그멘 테이션 기법을 이용하여 병변을 검출할 수 있다.
병변 검출 장치는 병변이 발생할 확률이 높은 병변 검출 대상 영역에서 병변을 검출하기 때문에, 병변이 발생할 확률이 없는 조직 영역에서 병변을 검출하지 않아도 된다. 이에 따라, 병변 검출 장치는 병변을 검출하기 위해 소요되는 시간을 줄일 수 있을 뿐만 아니라 병변을 정확하게 검출할 수 있다.
도 6은 본 발명의 일 실시예에 따른 병변 검출 방법을 설명하기 위한 도면이다.
도 6을 참조하면, 병변 검출 장치는 이미지에서 적어도 하나의 조직 영역을 추출한다(600).
예를 들면, 병변 검출 장치는 이미지의 특징 정보 및 조직 영역의 특징 정보를 비교하여, 이미지에서 조직 영역을 추출할 수 있다.
또 다른 예를 들면, 병변 검출 장치는 이미지에 대해 이미지 세그멘테이션을 실행하여 이미지를 다수의 영역으로 분할하고, 각 분할된 영역들의 특징 정보 및 조직 영역의 특징 정보를 비교하여 이미지에서 조직 영역을 추출할 수 있다.
만약 이미지가 유방 이미지인 경우, 병변 검출 장치는 유방 이미지에서 적어도 하나의 유방 조직 영역을 추출할 수 있다. 예를 들면, 병변 검출 장치는 유방 이미지의 특징 정보 및 유방 조직 영역의 특징 정보를 비교하여 유방 이미지에서 적어도 하나의 유방 조직 영역을 추출할 수 있다.
또 다른 예를 들면, 병변 검출 장치는 유방 이미지에 대해 이미지 세그멘테이션을 실행하여 유방 이미지를 다수의 영역으로 분할하고, 각 분할된 영역들의 특징 정보 및 유방실질 조직 영역의 특징 정보를 비교하여 유방 이미지에서 유방실질 조직 영역을 추출할 수 있다.
또 다른 예를 들면, 병변 검출 장치는 유방 이미지로부터 지방 조직(subcutaneous fat tissue) 영역 및 대흉근(pectoralis muscle) 영역을 검출하고, 지방 조직(subcutaneous fat tissue) 영역 및 대흉근(pectoralis muscle) 영역 사이의 영역을 유방실질 조직 영역으로 추출할 수 있다.
병변 검출 장치는 검출된 조직 영역 중 적어도 하나를 병변 검출 대상 영역으로 설정할 수 있다(610). 예를 들면, 이미지가 유방 이미지인 경우, 병변 검출 장치는 검출된 유방 조직 영역 중 유방실질 조직 영역을 병변 검출 대상 영역으로 설정할 수 있다.
병변 검출 장치는 병변 검출 대상 영역으로부터 병변을 검출한다(620).
병변 검출 방법은 이미지로부터 조직 영역을 추출하고, 추출된 조직 영역 중 일부를 병변 검출 대상 영역을 설정하고, 병변 검출 대상 영역에서만 병변을 검출함으로써, 병변을 정확하게 검출할 확률을 향상시킬 수 있을 뿐만 아니라 병변을 검출하는데 소요되는 시간도 단축할 수 있다.
설명된 실시예들은 다양한 변형이 이루어질 수 있도록 각 실시예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다.
또한, 실시예는 그 설명을 위한 것이며, 그 제한을 위한 것이 아님을 주의하여야 한다. 또한, 본 발명의 기술분야의 통상의 전문가라면 본 발명의 기술사상의 범위에서 다양한 실시예가 가능함을 이해할 수 있을 것이다.
또한, 본 발명의 일실시예에 의하면, 전술한 방법은, 프로그램이 기록된 매체에 프로세서가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 프로세서가 읽을 수 있는 매체의 예로는, ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장장치 등이 있으며, 캐리어 웨이브(예를 들어, 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다.
Claims (20)
- 이미지에서 적어도 하나의 조직 영역을 추출하는 추출부;
추출된 조직 영역 중 적어도 하나를 병변 검출 대상 영역으로 설정하는 설정부; 및
병변 검출 대상 영역으로부터 병변을 검출하는 검출부를 포함하는 병변 검출 장치.
- 제 1 항에 있어서,
상기 추출부는,
상기 이미지의 특징 정보 및 상기 조직 영역들의 특징 정보를 비교하여, 상기 이미지에서 상기 적어도 하나의 조직 영역을 추출하는 병변 검출 장치.
- 제 1 항에 있어서,
상기 추출부는,
상기 이미지에 대해 이미지 세그멘테이션을 실행하여 상기 이미지를 다수의 영역으로 분할하고, 각 분할된 영역들의 특징 정보 및 상기 조직 영역의 특징 정보를 비교하여 상기 이미지에서 상기 조직 영역을 추출하는 병변 검출 장치.
- 제 2 항에 있어서,
상기 이미지의 특징 정보 및 상기 조직 영역의 특징 정보는,
밝기, 색상, 질감, 상대적 위치 및 모양 중 적어도 하나인 병변 검출 장치.
- 제 1 항에 있어서,
상기 이미지는 유방 이미지이고, 상기 병변 검출 대상 영역은 유방실질 조직(mammary grandular tissue) 영역인 병변 검출 장치.
- 제 5 항에 있어서,
상기 추출부는,
상기 유방 이미지의 특징 정보 및 상기 유방 실질 조직 영역의 특징 정보를 비교하여, 상기 유방 이미지에서 상기 유방실질 조직 영역만을 추출하는 병변 검출 장치.
- 제 5 항에 있어서,
상기 추출부는,
상기 유방 이미지에 대해 이미지 세그멘테이션을 실행하여 상기 유방 이미지를 다수의 영역으로 분할하고, 각 분할된 영역들의 특징 정보 및 상기 유방실질 조직 영역의 특징 정보를 비교하여 상기 유방 이미지에서 상기 유방의 조직 영역을 추출하는 병변 검출 장치.
- 제 5 항에 있어서,
상기 추출부는,
상기 유방 이미지로부터 지방 조직(subcutaneous fat tissue) 영역 및 대흉근(pectoralis muscle) 영역을 추출하고, 지방 조직(subcutaneous fat tissue) 영역 및 대흉근(pectoralis muscle) 영역 사이의 영역을 유방실질 조직(mammary grandular tissue) 영역으로 추출하는 병변 검출 장치.
- 제 5 항에 있어서,
상기 유방 이미지의 조직 영역은,
지방 조직(subcutaneous fat tissue) 영역, 유방실질 조직(mammary grandular tissue) 영역 및 대흉근(pectoralis muscle) 영역 중 적어도 하나인 병변 검출 장치.
- 제 9 항에 있어서,
지방 조직(fat tissue) 영역의 특징 정보는 이미지의 상부에 위치하고, 밝기가 다른 영역에 비해 어두우며, 모양은 둥근 형태이고,
대흉근(pectoralis muscle) 영역의 특징 정보는 이미지의 하부에 위치하고,균일한 방향의 띠와 같은 질감(texture)을 포함하며,
유방실질 조직(grandular tissue) 영역의 특징 정보는 지방 조직 영역 및 대흉근 영역의 사이에 위치하고, 작은 반점 형태의 질감을 포함하는 병변 검출 장치.
- 제 1 항에 있어서,
상기 추출부는,
모폴로지(morphology) 연산을 실행하여 상기 추출된 조직 영역의 이미지에 포함된 잡음을 제거하는 병변 검출 장치.
- 이미지에서 적어도 하나의 조직 영역을 추출하는 단계;
추출된 조직 영역 중 적어도 하나를 병변 검출 대상 영역으로 설정하는 단계; 및
병변 검출 대상 영역으로부터 병변을 검출하는 단계를 포함하는 병변 검출 방법.
- 제 12 항에 있어서,
상기 추출하는 단계는,
상기 이미지의 특징 정보 및 상기 조직 영역의 특징 정보를 비교하여, 상기 이미지에서 상기 조직 영역을 추출하는 단계를 포함하는 병변 검출 방법.
- 제 12 항에 있어서,
상기 추출하는 단계는,
상기 이미지에 대해 이미지 세그멘테이션을 실행하여 상기 이미지를 다수의 영역으로 분할하는 단계; 및
각 분할된 영역들의 특징 정보 및 상기 조직 영역의 특징 정보를 비교하여 상기 이미지에서 상기 조직 영역을 추출하는 단계를 포함하는 병변 검출 방법.
- 제 12 항에 있어서,
상기 이미지는 유방 이미지이고, 상기 병변 검출 대상 영역은 유방실질 조직(mammary grandular tissue) 영역인 병변 검출 방법.
- 제 15 항에 있어서,
상기 추출하는 단계는,
상기 유방 이미지의 특징 정보 및 상기 유방 조직 영역의 특징 정보를 비교하여 상기 유방 이미지에서 상기 적어도 하나의 유방실질 조직 영역만을 추출하는 단계를 포함하는 병변 검출 방법.
- 제 15 항에 있어서,
상기 추출하는 단계는,
상기 유방 이미지에 대해 이미지 세그멘테이션을 실행하여 상기 유방 이미지를 다수의 영역으로 분할하는 단계; 및
각 분할된 영역들의 특징 정보 및 상기 유방실질 조직 영역의 특징 정보를 비교하여 상기 유방 이미지에서 상기 유방의 조직 영역을 추출하는 단계를 포함하는 병변 검출 방법.
- 제 15 항에 있어서,
상기 추출하는 단계는,
상기 유방 이미지로부터 지방 조직(subcutaneous fat tissue) 영역 및 대흉근(pectoralis muscle) 영역을 추출하는 단계; 및
지방 조직(subcutaneous fat tissue) 영역 및 대흉근(pectoralis muscle) 영역 사이의 영역을 유방실질 조직(mammary grandular tissue) 영역으로 추출하는 단계를 포함하는 병변 검출 방법.
- 생물체의 내부를 촬영하여 이미지를 획득하는 이미지 획득부;
이미지에서 적어도 하나의 조직 영역을 추출하는 추출부와, 추출된 조직 영역 중 적어도 하나를 병변 검출 대상 영역으로 설정하는 설정부, 및 병변 검출 대상 영역으로부터 병변을 검출하는 검출부를 포함하는 병변 검출부; 및
병변 검출부에서 검출된 병변에 기초하여 병명을 진단하는 병변 진단부를 포함하는 병변 진단 장치.
- 제 19 항에 있어서,
상기 이미지는 유방 이미지이고, 상기 병변 검출 대상 영역은 유방실질 조직(mammary grandular tissue) 영역인 병변 진단 장치.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020110073398A KR20130012297A (ko) | 2011-07-25 | 2011-07-25 | 병변 검출 장치, 병변 검출 방법 및 병변 진단 장치 |
US13/363,442 US9619879B2 (en) | 2011-07-25 | 2012-02-01 | Apparatus and method for detecting lesion and lesion diagnosis apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020110073398A KR20130012297A (ko) | 2011-07-25 | 2011-07-25 | 병변 검출 장치, 병변 검출 방법 및 병변 진단 장치 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020180017605A Division KR20180020191A (ko) | 2018-02-13 | 2018-02-13 | 병변 검출 장치, 병변 검출 방법 및 병변 진단 장치 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20130012297A true KR20130012297A (ko) | 2013-02-04 |
Family
ID=47597773
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020110073398A KR20130012297A (ko) | 2011-07-25 | 2011-07-25 | 병변 검출 장치, 병변 검출 방법 및 병변 진단 장치 |
Country Status (2)
Country | Link |
---|---|
US (1) | US9619879B2 (ko) |
KR (1) | KR20130012297A (ko) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015178637A1 (en) * | 2014-05-20 | 2015-11-26 | Hyun Jun Park | Method for measuring size of lesion which is shown by endoscope, and computer readable recording medium |
US9532762B2 (en) | 2014-02-19 | 2017-01-03 | Samsung Electronics Co., Ltd. | Apparatus and method for lesion detection |
WO2017022882A1 (ko) * | 2015-08-06 | 2017-02-09 | 주식회사 루닛 | 의료 영상의 병리 진단 분류 장치 및 이를 이용한 병리 진단 시스템 |
US10383602B2 (en) | 2014-03-18 | 2019-08-20 | Samsung Electronics Co., Ltd. | Apparatus and method for visualizing anatomical elements in a medical image |
KR102041402B1 (ko) * | 2018-08-09 | 2019-11-07 | 주식회사 버즈폴 | 자궁경부 학습 데이터 생성 시스템과 자궁경부 학습 데이터 분류방법 |
KR102132566B1 (ko) * | 2019-10-24 | 2020-07-10 | 주식회사 딥노이드 | 병변 판독 장치 및 방법 |
WO2020246676A1 (ko) * | 2019-06-04 | 2020-12-10 | 주식회사 아이도트 | 자궁경부암 자동 진단 시스템 |
KR20200139606A (ko) * | 2019-06-04 | 2020-12-14 | 주식회사 아이도트 | 자궁경부암 자동 진단 시스템 |
KR102442591B1 (ko) | 2022-01-24 | 2022-09-13 | 주식회사 에어스메디컬 | 라벨 생성 방법, 프로그램 및 장치 |
KR102472550B1 (ko) | 2022-01-17 | 2022-11-30 | 주식회사 에어스메디컬 | 병변 탐지 방법, 프로그램 및 장치 |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10603007B2 (en) | 2009-11-27 | 2020-03-31 | Qview Medical, Inc. | Automated breast ultrasound equipment and methods using enhanced navigator aids |
US9826958B2 (en) | 2009-11-27 | 2017-11-28 | QView, INC | Automated detection of suspected abnormalities in ultrasound breast images |
US10251621B2 (en) | 2010-07-19 | 2019-04-09 | Qview Medical, Inc. | Automated breast ultrasound equipment and methods using enhanced navigator aids |
US9439621B2 (en) | 2009-11-27 | 2016-09-13 | Qview, Medical Inc | Reduced image reading time and improved patient flow in automated breast ultrasound using enchanced, whole breast navigator overview images |
US9378551B2 (en) * | 2013-01-03 | 2016-06-28 | Siemens Aktiengesellschaft | Method and system for lesion candidate detection |
US10593035B2 (en) * | 2015-03-18 | 2020-03-17 | University Of South Florida | Image-based automated measurement model to predict pelvic organ prolapse |
US9959617B2 (en) * | 2016-01-28 | 2018-05-01 | Taihao Medical Inc. | Medical image processing apparatus and breast image processing method thereof |
KR101915254B1 (ko) * | 2016-11-17 | 2018-11-05 | 삼성메디슨 주식회사 | 초음파 영상 장치 및 제어방법 |
CN108805858A (zh) * | 2018-04-10 | 2018-11-13 | 燕山大学 | 基于数据挖掘的肝病ct图像计算机辅助诊断系统及方法 |
CN109658377B (zh) * | 2018-10-31 | 2023-10-10 | 泰格麦迪(北京)医疗科技有限公司 | 一种基于多维度信息融合的乳腺mri病变区域检测方法 |
CN110490850B (zh) * | 2019-02-14 | 2021-01-08 | 腾讯科技(深圳)有限公司 | 一种肿块区域检测方法、装置和医学图像处理设备 |
CN111110332B (zh) * | 2020-01-19 | 2021-08-06 | 汕头市超声仪器研究所股份有限公司 | 一种穿刺针显影增强图像优化方法 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7418123B2 (en) * | 2002-07-12 | 2008-08-26 | University Of Chicago | Automated method and system for computerized image analysis for prognosis |
CA2583600A1 (en) | 2004-10-06 | 2006-04-20 | Guided Therapy Systems, L.L.C. | Method and system for noninvasive cosmetic enhancement |
US7736313B2 (en) * | 2004-11-22 | 2010-06-15 | Carestream Health, Inc. | Detecting and classifying lesions in ultrasound images |
US8517945B2 (en) * | 2005-04-28 | 2013-08-27 | Carestream Health, Inc. | Segmentation of lesions in ultrasound images |
CA2613286A1 (en) | 2005-06-21 | 2007-01-04 | Naviscan Pet Systems, Inc. | Tissue interventions using nuclear-emission image guidance |
KR100830549B1 (ko) | 2006-10-02 | 2008-05-21 | 원광대학교산학협력단 | 이중 조사방식의 유방촬영장치 및 그 장치를 이용한유방촬영방법 |
US8238637B2 (en) * | 2006-10-25 | 2012-08-07 | Siemens Computer Aided Diagnosis Ltd. | Computer-aided diagnosis of malignancies of suspect regions and false positives in images |
US8077927B1 (en) * | 2006-11-17 | 2011-12-13 | Corelogic Real Estate Solutions, Llc | Updating a database with determined change identifiers |
JP2008152530A (ja) * | 2006-12-18 | 2008-07-03 | Sony Corp | 顔認識装置及び顔認識方法、ガボア・フィルタ適用装置、並びにコンピュータ・プログラム |
KR20080069307A (ko) | 2007-01-23 | 2008-07-28 | 재단법인서울대학교산학협력재단 | 유방 병변의 3차원 도시 시스템 및 그 방법 |
US8218852B2 (en) * | 2007-05-08 | 2012-07-10 | Spirit Aerosystems, Inc. | System and method for repairing composite parts |
JP2009225904A (ja) | 2008-03-21 | 2009-10-08 | Gifu Univ | 超音波乳房診断支援システム |
KR101014562B1 (ko) | 2008-11-10 | 2011-02-16 | 주식회사 메디슨 | 자궁의 가상 내시경 영상을 형성하는 방법 |
US8237784B2 (en) | 2008-11-10 | 2012-08-07 | Medison Co., Ltd. | Method of forming virtual endoscope image of uterus |
KR20100071595A (ko) | 2008-12-19 | 2010-06-29 | 임창우 | 뇌 단층촬영 영상의 병변부위 자동 검출방법 |
US20100158332A1 (en) * | 2008-12-22 | 2010-06-24 | Dan Rico | Method and system of automated detection of lesions in medical images |
-
2011
- 2011-07-25 KR KR1020110073398A patent/KR20130012297A/ko not_active Application Discontinuation
-
2012
- 2012-02-01 US US13/363,442 patent/US9619879B2/en not_active Expired - Fee Related
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9532762B2 (en) | 2014-02-19 | 2017-01-03 | Samsung Electronics Co., Ltd. | Apparatus and method for lesion detection |
US10383602B2 (en) | 2014-03-18 | 2019-08-20 | Samsung Electronics Co., Ltd. | Apparatus and method for visualizing anatomical elements in a medical image |
WO2015178637A1 (en) * | 2014-05-20 | 2015-11-26 | Hyun Jun Park | Method for measuring size of lesion which is shown by endoscope, and computer readable recording medium |
WO2017022882A1 (ko) * | 2015-08-06 | 2017-02-09 | 주식회사 루닛 | 의료 영상의 병리 진단 분류 장치 및 이를 이용한 병리 진단 시스템 |
US10013757B2 (en) | 2015-08-06 | 2018-07-03 | Lunit Inc. | Classification apparatus for pathologic diagnosis of medical image, and pathologic diagnosis system using the same |
KR102041402B1 (ko) * | 2018-08-09 | 2019-11-07 | 주식회사 버즈폴 | 자궁경부 학습 데이터 생성 시스템과 자궁경부 학습 데이터 분류방법 |
US12087445B2 (en) | 2019-06-04 | 2024-09-10 | Aidot Inc. | Automatic cervical cancer diagnosis system |
WO2020246676A1 (ko) * | 2019-06-04 | 2020-12-10 | 주식회사 아이도트 | 자궁경부암 자동 진단 시스템 |
KR20200139606A (ko) * | 2019-06-04 | 2020-12-14 | 주식회사 아이도트 | 자궁경부암 자동 진단 시스템 |
KR102132566B1 (ko) * | 2019-10-24 | 2020-07-10 | 주식회사 딥노이드 | 병변 판독 장치 및 방법 |
KR102472550B1 (ko) | 2022-01-17 | 2022-11-30 | 주식회사 에어스메디컬 | 병변 탐지 방법, 프로그램 및 장치 |
KR20230114170A (ko) | 2022-01-24 | 2023-08-01 | 주식회사 에어스 메디컬 | 라벨 생성 방법, 프로그램 및 장치 |
KR102442591B1 (ko) | 2022-01-24 | 2022-09-13 | 주식회사 에어스메디컬 | 라벨 생성 방법, 프로그램 및 장치 |
Also Published As
Publication number | Publication date |
---|---|
US20130030278A1 (en) | 2013-01-31 |
US9619879B2 (en) | 2017-04-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR20130012297A (ko) | 병변 검출 장치, 병변 검출 방법 및 병변 진단 장치 | |
Hwang et al. | Polyp detection in wireless capsule endoscopy videos based on image segmentation and geometric feature | |
KR101840350B1 (ko) | 의료 영상 판독 과정에서 사용자의 시선 정보를 이용한 판독 효율 증대 방법 및 그 장치 | |
CA2921665A1 (en) | Image analysis techniques for diagnosing diseases | |
Barbalata et al. | Laryngeal tumor detection and classification in endoscopic video | |
CN110123453B (zh) | 一种基于无标记增强现实的手术导航系统 | |
WO2016064921A1 (en) | Automatic detection of regions of interest in 3d space | |
EP3207522A1 (en) | Automatic region-of-interest segmentation and registration of dynamic contrast-enhanced images of colorectal tumors | |
CN111178369B (zh) | 一种医学影像的识别方法及系统、电子设备、存储介质 | |
US9582934B2 (en) | Method and system for efficient extraction of a silhouette of a 3D mesh | |
US10002428B2 (en) | Method and system for identifying bleeding | |
KR20130049638A (ko) | 병변 진단 장치 및 방법 | |
CN111295665A (zh) | 确定肺图像中高密度肺组织的区域 | |
Motta et al. | Automatic segmentation on thermograms in order to aid diagnosis and 2D modeling | |
US20150206300A1 (en) | Method and apparatus for extraction and quantification of hematoma from a brain scan such as computed tomography data | |
CN118262875A (zh) | 一种医学影像诊断对比阅片方法 | |
Kusumaningtyas et al. | Feature extraction for application of heart abnormalities detection through iris based on mobile devices | |
CN112767333B (zh) | 一种基于cta影像的双下肢血管区域判断方法及系统 | |
Dabass et al. | Effectiveness of region growing based segmentation technique for various medical images-a study | |
CN116309647B (zh) | 颅脑病灶图像分割模型构建方法、图像分割方法及设备 | |
Manikandan et al. | A cluster based segmentation of magnetic resonance images for brain tumor detection | |
Al-Ashwal et al. | Digital processing for computed tomography images: brain tumor extraction and histogram analysis | |
KR20180020191A (ko) | 병변 검출 장치, 병변 검출 방법 및 병변 진단 장치 | |
CN113538419B (zh) | 一种图像处理方法和系统 | |
Nitsch et al. | Automatic segmentation of the cerebral Falx and adjacent gyri in 2D ultrasound images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
AMND | Amendment | ||
E601 | Decision to refuse application |