KR20130082849A - 진단 근거를 제공하는 의료영상 진단 장치 및 방법 - Google Patents

진단 근거를 제공하는 의료영상 진단 장치 및 방법 Download PDF

Info

Publication number
KR20130082849A
KR20130082849A KR1020110138652A KR20110138652A KR20130082849A KR 20130082849 A KR20130082849 A KR 20130082849A KR 1020110138652 A KR1020110138652 A KR 1020110138652A KR 20110138652 A KR20110138652 A KR 20110138652A KR 20130082849 A KR20130082849 A KR 20130082849A
Authority
KR
South Korea
Prior art keywords
diagnosis
diagnostic
rule
image
result
Prior art date
Application number
KR1020110138652A
Other languages
English (en)
Inventor
박진만
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020110138652A priority Critical patent/KR20130082849A/ko
Priority to US13/488,521 priority patent/US20130158398A1/en
Priority to EP12198518.8A priority patent/EP2608152B1/en
Publication of KR20130082849A publication Critical patent/KR20130082849A/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/0036—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room including treatment, e.g., using an implantable medical device, ablating, ventilating
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • 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
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

진단 결과와 진단 근거를 함께 보여주고 중요도에 따라 분류된 진단 규칙을 이용하여 진단을 수행함으로써 진단의 정확도와 신뢰도를 향상시킬 수 있는 장치 및 방법이 제공된다. 일 양상에 따른 장치는, 목적 의료영상으로부터 영상 디스크립터(image descriptor)를 추출하는 추출부, 추출된 영상 디스크립터 및 그 영상 디스크립터에 대응되는 개별 진단 결과를 포함하는 적어도 하나의 진단 규칙(diagnosis rule)을 이용하여 목적 의료영상에 대한 종합 진단 결과를 도출하는 진단부, 및 도출된 종합 진단 결과와 그 도출에 이용된 진단 규칙을 함께 표시하는 표시부를 포함할 수 있다.

Description

진단 근거를 제공하는 의료영상 진단 장치 및 방법{Apparatus and method of diagnosis of medical image for providing diagnosis source}
의학적 진단을 위하여 의료영상을 분석하는 기술과 관련된다.
컴퓨터 보조 진단(computer aided diagnosis, CAD) 시스템이란 초음파 영상과 같은 의료영상을 분석하고 그 분석 결과에 따라 의료영상에 이상 부위를 표시함으로써 의사(doctor)의 진단 업무에 도움을 주는 시스템을 말한다. 이러한 CAD 시스템은 사람의 식별능력의 한계로 인해 불가피하게 발생하던 진단의 불확실성을 줄여주고, 개별적 영상 판독에 따른 의사의 과중한 업무 역시 줄여줄 수 있는 장점이 있다.
통상적으로, CAD 시스템은 의료영상에서 병변으로 의심되는 영역의 특징 요소와 그 병변에 대한 진단 결과를 사용자에게 제공한다. 예를 들어, CAD 시스템의 표시화면에는 병변의 특징 요소들과 그 병변이 양성(benign)인지 또는 악성(malignant)인지 여부가 표시될 수 있다. 표시되는 진단 결과는 CAD 시스템이 의료영상에서 특정 영역을 검출하고 정해진 기준에 따라 그 검출된 영역을 분석한 결과에 대응된다.
그런데 이러한 분석 과정은 CAD 시스템 내부에서 수행되는 알고리즘이기 때문에 사용자는 CAD 시스템이 어떠한 병변의 특징 정보를 이용해서 어떻게 그러한 진단 결과를 도출했는지는 알 수가 있다. 이와 같이 진단 결과의 단순한 리포팅(reporting)은 그 진단 결과의 신뢰도를 보장할 수 없는 문제점이 있다.
진단 결과와 진단 근거를 함께 보여주고 중요도에 따라 분류된 진단 규칙을 이용하여 진단을 수행함으로써 진단의 정확도와 신뢰도를 향상시킬 수 있는 장치 및 방법이 제공된다.
일 양상에 따른 장치는, 목적 의료영상으로부터 영상 디스크립터(image descriptor)를 추출하는 추출부, 추출된 영상 디스크립터 및 그 영상 디스크립터에 대응되는 개별 진단 결과를 포함하는 적어도 하나의 진단 규칙(diagnosis rule)을 이용하여 목적 의료영상에 대한 종합 진단 결과를 도출하는 진단부, 및 도출된 종합 진단 결과와 그 도출에 이용된 진단 규칙을 함께 표시하는 표시부를 포함할 수 있다.
또한 위 장치는 다수의 기준 의료영상을 이용하여 영상 디스크립터 및 그 영상 디스크립터에 대응되는 개별 진단 결과를 포함하는 다수의 진단 규칙을 생성하고, 생성된 각각의 진단 규칙에 소정의 중요도를 부여하는 진단 규칙 생성부를 더 포함할 수 있다.
또한 위 장치는 종합 진단 결과에 대한 사용자 피드백에 기초하여 진단 규칙을 갱신하는 진단 규칙 설정부를 더 포함할 수도 있다.
한편, 일 양상에 따른 방법은, 목적 의료영상으로부터 영상 디스크립터를 추출하는 단계, 추출된 영상 디스크립터 및 그 영상 디스크립터에 대응되는 개별 진단 결과를 포함하는 적어도 하나의 진단 규칙을 이용하여 목적 의료영상에 대한 종합 진단 결과를 도출하는 단계, 및 도출된 종합 진단 결과와 그 도출에 이용된 상기 진단 규칙을 함께 표시하는 단계를 포함할 수 있다.
또한 위 방법은 다수의 기준 의료영상을 이용하여 영상 디스크립터 및 그 영상 디스크립터에 대응되는 개별 진단 결과를 포함하는 다수의 진단 규칙을 생성하고, 생성된 각각의 진단 규칙에 소정의 중요도를 부여하는 단계를 더 포함할 수 있다.
또한 위 방법은 종합 진단 결과에 대한 사용자 피드백에 기초하여 상기 진단 규칙을 갱신하는 단계를 더 포함할 수 있다.
진단 결과와 진단 근거가 함께 표시되고 중요도에 따라 분류된 진단 규칙을 이용하여 진단이 수행되기 때문에 진단의 정확도와 신뢰도를 향상시킬 수가 있다.
도 1은 일 실시예에 따른 진단 규칙(diagnosis rule)을 도시한다.
도 2는 일 실시예에 따른 의료 영상 진단 장치를 도시한다.
도 3은 일 실시예에 따라 중요도에 따라 분류된 진단 규칙을 도시한다.
도 4는 일 실시예에 따른 진단 결과 표시방법을 도시한다.
도 5는 다른 실시예에 따른 진단 결과 표시방법을 도시한다.
도 6은 또 다른 실시예에 따른 진단 결과 표시방법을 도시한다.
도 7은 또 다른 실시예에 따른 진단 결과 표시방법을 도시한다.
도 8a 내지 도 8c는 일 실시예에 따른 진단 규칙 갱신방법을 도시한다.
도 9는 일 실시예에 따른 의료 영상 진단 방법을 도시한다.
이하, 첨부된 도면을 참조하여 본 발명의 실시를 위한 구체적인 예를 상세히 설명한다.
도 1은 일 실시예에 따른 진단 규칙(diagnosis rule)을 도시한다.
도 1을 참조하면, 본 실시예에 따른 진단 규칙(100)은 영상 디스크립터(또는 영상 디스크립터들의 조합)(101)와 개별 진단 결과(102)를 포함한다.
영상 디스크립터(101)란 영상의 시각적 특징 정보를 기술(description)하는 요소(factor)를 말한다. 영상이 초음파 영상과 같은 의료 영상인 경우, 영상 디스크립터(101)는 의학적 진단(diagnosis)을 위해 필요한 영상의 특징 정보가 될 수 있다. 예를 들어, 어떤 의료 영상(120)에 병변(예컨대, 종양)(140)이 존재할 때, 영상 디스크립터(101)는 그 병변(140)에 관한 모양(shape), 색상(color), 질감(texture), 방향성(orientation), 음영(darkness) 등과 같은 병변의 특징을 나타내기 위한 수단이 될 수 있다. 예컨대, 도 1에서, 영상 디스크립터(101)의 'x1'은 그 병변(140)의 제 1 특징(예컨대, 모양)과 관련된 영상 디스크립터일 수가 있다. 다시 말해, 'x1'은 둥근 모양을, 'x2'는 길쭉한 모양을 나타내는 식으로 예시될 수 있다. 마찬가지로, 영상 디스크립터(101)의 'y1'은 그 병변(140)의 제 2 특징(예컨대, 색상)과 관련된 영상 디스크립터일 수가 있다. 다시 말해, 'y1'은 흰색을, 'y2'는 검은색을 나타내는 식으로 예시될 수가 있다. 다만 이것은 이해를 돕기 위해 최대한 단순한 예를 제시한 것에 불과하므로, 본 실시예에 범위가 여기에 국한되는 것이 아님은 자명하다.
개별 진단 결과(102)는 영상 디스크립터(101)에 대응되고 영상(120)과 관련된 어떤 결론을 말한다. 영상이 초음파 영상과 같은 의료 영상인 경우, 개별 진단 결과(102)는 그 초음파 영상에 존재하는 병변에 대한 의학적 소견이 될 수 있다. 예컨대, 도 1에서, 개별 진단 결과(102)의 'M'은 악성(malignant)을 나타낼 수 있다(반대로 양성(benign)인 경우에는 'B'로 나타낼 수가 있다).
따라서 도 1과 같은 진단 규칙은, 어떤 초음파 영상(120)에 포함된 종양(140)이 둥근 형태(예컨대, x1)이고 흰색(예컨대, y1)이면, 그 종양(140)은 악성(예컨대, M)일 가능성이 매우 높다는 것을 의미할 수 있다.
도 2는 일 실시예에 따른 의료 영상 진단 장치를 도시한다.
도 2를 참조하면, 본 실시예에 따른 의료 영상 진단 장치(200)는 추출부(202), 진단부(203), 및 표시부(204)를 포함할 수 있고, 추가적으로 진단 규칙 생성부(201) 및 진단 규칙 설정부(205)를 더 포함할 수도 있다.
먼저, 진단 규칙 생성부(201)부터 설명하면 다음과 같다.
진단 규칙 생성부(201)는 다수의 기준 의료영상을 수집한다. 기준 의료영상은 의학적 소견이 이미 반영되어 있는 의료영상이 될 수 있다. 다시 말해, 어떤 하나의 기준 의료영상에는 의사가 그 기준 의료영상을 보고 의학적 판정을 할 때 중요하게 고려한 영상의 특징인 영상 디스크립터와, 의학적 판정 결과인 개별 진단 결과가 포함될 수 있다.
또한 진단 규칙 생성부(201)는 수집된 기준 의료영상을 이용하여 다수의 진단 규칙을 생성한다. 예컨대, 진단 규칙 생성부(201)는 수집된 기준 의료영상에 포함된 영상 디스크립터와 개별 진단 결과를 분석함으로써 도 1과 같은 진단 규칙을 여러 개 생성하는 것이 가능하다. 분석 방법으로는 다양한 데이터 마이닝(data mining) 기법이 이용될 수 있다.
또한 진단 규칙 생성부(201)는 생성된 각각의 진단 규칙에 소정의 중요도를 부여한다. 중요도는 진단 규칙들간의 상대적인 순위를 나타낼 수 있다. 상대적으로 순위가 높은 진단 규칙을 이용하면, 보다 올바른 진단 결과를 도출할 수 있다. 이 중요도는 다양한 방법에 의해 정의될 수 있고 사용자에 의해 수정될 수도 있는 값이다. 중요도를 부여하는 방법을 일 예로서 설명하면 다음과 같다.
(1) 영상 디스크립터와 의사의 진단 결과가 포함된 기준 의료영상을 수집한다. 수집된 영상, 진단 결과, 및 정보 세트는 각각 다음과 같이 나타낼 수 있다.
* 영상: I = { ik | 1<k<x }
* 진단결과: D = { dk | 1<k<y }
* 수집된 정보 세트: DSET = {(im, dn) | im⊂I, dk⊂D }
(2) 영상 디스크립터를 선정한다. 이 때, 영상 디스크립터 ID, 및 임의의 영상에 존재하는 모든 영상 디스크립터는 다음과 같이 나타낼 수 있다.
* 영상 디스크립터: ID = { idk | 1<k<y, (∃ik∈I,　idk　is in the ik) }
* 임의의 영상에 존재하는 모든 영상 디스크립터: ID(ik)
(3) "영상 디스크립터(또는 영상 디스크립터의 조합)와 개별 진단 결과의 쌍(pair)"을 포함하는 영상이 존재하는지 조사한 후, 존재하면 해당 쌍을 진단 규칙으로 선정한다. 이 때, 영상 디스크립터의 조합 및 진단 규칙은 다음과 같이 나타낼 수 있다.
* 영상 디스크립터의 조합: IDComb = { idcombk | idcombk　∈ ID' , ID'⊂ ID }
* 진단 규칙: R = { rk : IDCombi　→　dj | ( ∃ik ∈ I, IDCombi　⊂ ID (ik) ), ( ∃dsetk (ik, rk ) ∈ DSET　) }
(4) 진단 규칙이 정해지면 각 진단 규칙에 대한 서포트(support)와 컨피던스(confidence)를 다음과 같이 계산한다.
* Support (r) = Number of images that has IDCombi / Number of images
* Confidence (r) = Number of images that has IDCombi &　dj / Number of images that has IDCombi
　(5) 그리고 서포트와 컨피던스에 대해 소정의 임계조건(N, M)을 만족하는 진단 규칙을 다음과 같이 선정한다.
*　RefinedRule: RR = { rk | ∃rk ∈ R, Support (R) >　M, Confidence (R) >　N}
　(6) 이어서 각 영상 디스크립터의 정확도(accuracy)를 다음과 같이 계산한다.
* DescriptorAccuracy(idk) = Sensitivity ( idk　) * ν + Specificity ( idk　) * μ , where, Sensitivity ( idk　) = Number of true positive ( idk　)/ (Number of true positive + Number of of false negative( idk　)), Specificity ( idk　) = Number of true negative / (Number of true negative + 　number of of false negative)
여기서, Number of true positive ( idk　)는 영상에 영상 디스크립터가 실제로 있을 때 있다고 판정한 개수를, Number of false negative ( idk　)는 영상에 영상 디스크립터가 실제로 있는데 없다고 판정한 개수를, Number of false 　positive ( idk　)는 영상에 영상 디스크립터가 실제로는 없는데 있다고 판정한 개수를, Number of true positive ( idk　)는 영상에 영상 디스크립터가 실제로도 없고 없다고 판정한 개수를 나타낸다.
(7) 이어서 진단 규칙의 중요도를 다음과 같이 부여한다.
* 진단 규칙의 중요도: RuleAccuracy ( rk　)
= α*Support(rk) * β*Confidence(rk) * ∏ λk * DescriptorAccuracy(idk)
이와 같이 진단 규칙의 중요도는 진단 규칙의 서포트와 컨피던스, 및 진단 규칙을 구성하는 영상 디스크립터의 정확도에 의해 결정될 수가 있다. 다만 이것은 중요도의 일 예를 설명한 것에 불과한 것으로, 그 밖에도 다른 방식으로 중요도가 정의될 수 있음은 물론이다. 또한 각 진단 규칙에 부여되었던 중요도 또는 영상 디스크립터의 정확도 등은 이후에 사용자 피드백에 따라 갱신될 수도 있다.
추출부(202)는 목적 의료영상을 수신한다. 목적 의료영상은 진단 대상이 되는 의료영상이 될 수 있다. 목적 의료영상의 종류는 특별히 제한되지 아니한다. 목적 의료영상은 초음파 영상 또는 MRI 영상 등과 같은 의학적 진단을 위해 획득된 각종 영상이 될 수 있다.
또한 추출부(202)는 수신된 목적 의료영상으로부터 영상 디스크립터를 추출한다. 예컨대, 추출부(202)는 목적 의료영상에서 병변으로 의심되는 영역의 특징 정보를 영상 디스크립터로 추출하는 것이 가능하다.
진단부(203)는 추출부(202)에 의해 추출된 영상 디스크립터와 진단 규칙 생성부(201)에 의해 생성된 다수의 진단 규칙을 이용해서 목적 의료영상에 대한 종합 진단 결과를 도출한다. 예를 들어, 진단부(203)는 추출부(202)에 의해 추출된 영상 디스크립터를 적어도 하나 포함하는 진단 규칙을, 진단 규칙 생성부(201)에 의해 생성된 진단 규칙들 중에서 중요도에 따라 선택할 수 있다. 도 3을 참조하여 더 구체적으로 살펴본다.
도 3은 일 실시예에 따라 중요도에 따라 분류된 진단 규칙을 도시한다.
도 2 및 도 3을 참조하면, 진단 규칙 생성부(201)는 기준 의료영상으로부터 다수의 진단 규칙을 생성하고, 생성된 각 진단 규칙에 소정의 중요도를 부여할 수 있다. 예컨대, Rule 1에 대해서 살펴보면, 이 Rule 1은 x1이라는 영상 디스크립터(예컨대, 병변의 특정한 형태에 관한 정보)와 y1이라는 영상 디스크립터(예컨대, 병변의 특정한 방향성에 관한 정보)가 존재하면, M이라는 개별 진단 결과(예컨대, 그 병변이 악성임을 나타내는 의학적 소견)가 도출됨을 의미할 수 있다. 그리고 이 Rule 1에는 98의 중요도가 부여되었다.
또한, 진단부(203)는 목적 의료영상으로부터 추출된 영상 디스크립터를 포함하는 진단 규칙을 중요도를 고려해서 선택할 수 있다. 예를 들어, 추출된 영상 디스크립터가 "x1, y1, z3"이라고 가정하자. 진단부(203)는 생성된 다수의 진단 규칙들 중에서, 추출된 영상 디스크립터 x1, y1, 또는 z3을 적어도 하나 포함하는 진단 규칙들, 즉 Rule 1, 3, 5, 및 6을 예비적으로 선택할 수 있다. 그리고 예비적으로 선택된 진단 규칙들의 중요도를 고려해서 진단에 사용될 최종 진단 규칙을 선택할 수 있다. 일 예로서, 중요도에 따라 상위 2개의 진단 규칙을 이용하는 정책이 설정된 경우, 진단부(203)는 Rule 1(중요도 98)과 Rule 5(중요도 98)만 선택하는 것이 가능하다. 다른 예로서, 중요도가 50이상인 진단 규칙만 이용하는 정책이 설정된 경우, Rule 1(중요도 98), Rule 3(중요도 90), 및 Rule 5(중요도 98)이 선택될 수가 있다.
다시 도 2에서, 진단부(203)는 선택된 진단 규칙을 이용하여 목적 의료영상에 대한 종합 진단 결과를 도출한다. 종합 진단 결과는 선택된 진단 규칙들에 포함된 개별 진단 결과들에 기초한 최종 판단 결과가 될 수 있다. 일 예로서, 도 3에서 Rule 1, 3, 5가 선택된 경우, 악성(M)인 개별 진단 결과가 두 개이고, 양성(B)인 개별 진단 결과가 하나이므로, 종합 진단 결과를 악성이라고 도출할 수 있다. 다른 예로서, 도 3에서 Rule 1, 3, 5가 선택된 경우, 악성(M)과 양성(B)을 모두 종합 진단 결과로 도출할 수도 있다. 이러한 경우의 종합 진단 결과는 "목적 의료영상에 포함된 병변은 악성일 수도 있고 양성일 수도 있는데, 악성이 가능성이 약간 더 높다"라는 식으로 표현될 수 있다. 또 다른 예로서, 도 3에서 Rule 1, 7이 선택된 경우, 중요도가 더 높은 Rule 1의 개별 진단 결과를 종합 진단 결과로 도출할 수도 있다. 이와 같이 선택된 진단 규칙들에 포함된 개별 진단 결과들은 각각 일치할 수도 있고 상이할 수도 있는데, 개별 진단 결과들을 어떻게 이용해서 종합 진단 결과를 도출하는지는 특별히 제한되지 아니한다.
표시부(204)는 도출된 종합 진단 결과와 그 도출에 이용된 진단 규칙을 사용자에게 함께 제공한다. 다시 말해, 소정의 표시장치에 진단의 결과와 그러한 진단 결과를 도출하게 된 근거를 함께 표시함으로써 진단의 신뢰도를 높이는 것이 가능하다. 표시부(204)는 다양한 방법으로 진단 결과와 진단 근거를 사용자에게 제공 및 표시할 수 있는데, 이것에 대한 구체적인 예는 도 4 내지 도 7을 참조하여 후술하도록 하겠다.
추가적 양상에 따라, 본 실시예에 따른 영상 진단 장치(200)는 진단 규칙 설정부(205)를 더 포함할 수 있다. 진단 규칙 설정부(205)는 종합 진단 결과에 대한 사용자 피드백에 기초하여 진단 규칙을 갱신할 수 있다. 예컨대, 진단 규칙 설정부(205)는 종합 진단 결과의 정확도, 진단 규칙의 중요도, 진단 규칙에 포함된 영상 디스크립터의 정확도, 및 진단 규칙에 포함된 개별 진단 결과의 정확도를 중 적어도 하나를 갱신할 수 있다. 또한 진단 규칙 설정부(205)는 진단 규칙 또는 진단 규칙에 포함된 영상 디스크립터를 삭제할 수도 있다. 또한 진단 규칙 설정부(205)는 진단부(203)의 진단 규칙 이용 방법, 종합 진단 결과 도출과 관련된 진단 규칙 이용 정책을 설정하는 것도 가능하다.
도 4는 일 실시예에 따른 진단 결과 표시방법을 도시한다.
도 2 및 도 4를 참조하면, 본 실시예에 따른 진단 화면(400)에는 종합 진단 결과(401)와 진단 근거(402)가 표시될 수 있다. 진단 화면(400)은 각종 모니터 또는 터치스크린이 될 수 있다. 종합 진단 결과(401)는 진단부(203)에 의해 도출된 목적 의료영상의 의학적 소견이 될 수 있다. 진단 근거(402)는 그 종합 진단 결과(401)를 도출하기 위해 사용된 진단 규칙들이 될 수 있다.
일 양상에 따라, 표시부(204)는 종합 진단 결과(401) 및 진단 근거(402)를 문자, 영상, 색상, 명암, 조도 또는 이들의 조합에 기초하여 표시할 수 있다. 예컨대, 표시부(204)는 종합 진단 결과(401), 진단 근거(402)의 영상 디스크립터 및 개별 진단 결과들을 문자로 표시할 수 있다. 다른 예로서, 표시부(204)는 각각의 영상 디스크립터를 서로 상이한 색상으로 표시할 수 있다.
추가적 양상에 따라, 표시부(204)는 종합 진단 결과의 정확도, 진단 규칙의 중요도, 진단 규칙에 포함된 영상 디스크립터의 정확도, 및 진단 규칙에 포함된 개별 진단 결과의 정확도 등을 문자, 영상, 색상, 명암, 조도 또는 이들의 조합에 기초하여 표시하는 표시할 수 있다. 예컨대, 표시부(204)는 각각의 정확도 또는 중요도를 수치로 나타낼 수가 있다. 다른 예로서, Rule 1(402a)과 Rule 2(402b)의 경우, Rule 1(402a)의 중요도가 더 높으므로, Rule 1(402a)을 상대적으로 더 밝게 표시하는 것이 가능하다. 또 다른 예로서, Rule 1(402a) 내의 영상 디스트립터 X와 영상 디스크립터 Y의 경우, 영상 디스크립터 X의 정확도가 더 높으므로, 영상 디스크립터 X를 더 밝게 표시할 수도 있다.
도 5는 다른 실시예에 따른 진단 결과 표시방법을 도시한다.
도 2 및 도 5를 참조하면, 본 실시예에 따른 진단 화면(500)에는 종합 진단 결과(501)와 진단 근거(502)가 표시될 수 있다. 일 양상에 따라, 표시부(204)는 종합 진단 결과(501)에 모순되는 사실이 없는 경우, 동일한 개별 진단 결과를 가지는 진단 규칙들을 그룹핑하고, 종합 진단 결과를 강조하여 표시할 수 있다. 예컨대, 진단부(203)에 의해 선택된 진단 규칙이 Rule 1(502a)과 Rule 2(502b)와 같이 동일한 개별 진단 규칙을 가지고 있는 경우, 그 개별 진단 규칙을 종합 진단 결과(501)로 표시하고, 소정의 신뢰도를 함께 표시하는 것이 가능하다. 신뢰도는 다양한 방식으로 계산될 수 있는데, 여기서는 개별 진단 규칙의 정확도(즉, 98% 및 97%)를 이용해서 산출할 수가 있다.
도 6은 또 다른 실시예에 따른 진단 결과 표시방법을 도시한다.
도 2 및 도 6을 참조하면, 본 실시예에 따른 진단 화면(600)에는 종합 진단 결과(601)와 진단 근거(602)가 표시될 수 있다. 일 양상에 따라, 표시부(204)는 종합 진단 결과(601)에 모순되는 사실이 있는 경우, 상이한 개별 진단 결과를 가지는 진단 규칙들을 구분하고, 서로 모순되는 사실을 각각 표시할 수 있다. 다시 말해, 진단부(203)에 의해 선택된 진단 규칙들이 Rule 1(602a), Rule 2(602b), 및 Rule 3(603c)와 같을 때, Rule 1(602a) 및 Rule 2(602b)의 개별 진단 결과(즉, malignant)와 Rule 3(602c)의 개별 진단 결과(즉, benign)가 일치하지 아니할 수 있다. 이러한 경우, 각각의 개별 진단 결과를 구분해서 모두 종합 진단 결과(601)로 표시하는 것이 가능하다. 이 때, 보다 높은 정확도를 갖는 개별 진단 결과에 대응되는 종합 진단 결과(601a)를 상반되는 다른 종합 진단 결과(601b)에 비해 크기 또는 색상을 강조하여 표시하는 것도 가능하다.
도 7은 또 다른 실시예에 따른 진단 결과 표시방법을 도시한다.
도 2 및 도 7을 참조하면, 본 실시예에 따른 진단 화면(700)에는 종합 진단 결과(701)와 진단 근거(702)가 표시될 수 있다. 일 양상에 따라, 진단 규칙 설정부(205)에 의해 진단 규칙이 갱신된 경우, 갱신전의 진단 규칙에 기초한 종합 진단 결과(701a)의 정확도 갱신후의 진단 규칙에 기초한 종합 진단 결과(701b)의 정확도 상이할 수 있다. 이러한 경우, 표시부(204)는 갱신 전후의 종합 진단 결과와 그 차이를 함께 표시하는 것이 가능하다. 예컨대, 갱신전의 종합 진단 결과(701a)와 그 때의 진단 규칙(702a)을 묶어서 표시하고, 갱신후의 종합 진단 결과(701b)와 그 때의 진단 규칙(702b)을 묶어서 표시할 수 있다.
도 8a 내지 도 8c는 일 실시예에 따른 진단 규칙 갱신방법을 도시한다.
도 2, 및 도 8a 내지 도 8c를 참조하면, 진단 규칙 설정부(205)는 사용자의 피드백을 입력 받아 진단에 사용되는 진단 규칙 또는 진단 규칙에 포함된 각 요소를 편집할 수 있다. 일 예로서, 진단 규칙 설정부(205)는, 도 8a와 같이, 사용자의 피드백에 따라 진단 규칙의 중요도, 영상 디스크립터의 정확도, 또는 개별 진단 결과의 정확도를 정정할 수 있다. 다른 예로서, 진단 규칙 설정부(205)는, 도 8b와 같이, 사용자의 피드백에 따라 특정한 진단 규칙을 진단 규칙 생성부(201)에서 삭제하는 것이 가능하다. 또 다른 예로서, 진단 규칙 설정부(205)는, 도 8c와 같이, 사용자의 피드백에 따라 진단 규칙에 포함된 영상 디스크립터를 삭제하는 것이 가능하다.
도 9는 일 실시예에 따른 의료 영상 진단 방법을 도시한다. 이 방법은 도 2와 같은 장치에 의해 실행될 수 있다.
도 9를 참조하면, 먼저 진단 규칙이 생성된다(901). 예컨대, 진단 규칙 생성부(201)가 기준 의료영상을 수집하여 도 1과 같은 진단 규칙을 다수 개 생성할 수 있다.
진단 규칙이 생성되면, 각 진단 규칙에 중요도가 부여된다(902). 예컨대, 진단 규칙 생성부(201)가 진단 규칙의 서포트 및 컨피던스, 영상 디스크립터의 정확도에 기초하여 각 진단 규칙의 중요도를 계산할 수 있다.
진단 규칙에 중요도가 부여되면, 목적 의료영상으로부터 영상 디스크립터가 추출된다(903). 예컨대, 추출부(202)가 목적 의료영상으로부터 병변의 특징 정보를 추출할 수 있다.
영상 디스크립터가 추출되면, 생성된 진단 규칙과 추출된 영상 디스크립터에 기초하여 진단 결과가 도출된다(904). 예컨대, 진단부(203)가 도 3과 같은 중요도가 부여된 진단 규칙 중에서 몇 개를 선택하고, 선택된 진단 규칙의 개별 진단 결과를 분석해서 종합 진단 결과를 도출하는 것이 가능하다.
진단 결과가 도출되면, 도출된 진단 결과와 그 도출에 이용된 진단 근거가 함께 표시된다(905). 예컨대, 표시부(204)가 도 4 내지 도 7과 같이 종합 진단 결과와 각각의 진단 규칙을 다양한 방식으로 표시할 수 있다.
구체적으로 도시되지는 아니하였으나, 추가적 양상에 따라, 본 실시예에 따른 방법은 사용자 피드백에 따라 진단 규칙을 갱신하는 과정을 더 포함할 수도 있다. 예컨대, 진단 규칙 설정부(205)가 도 8a 내지 도 8c와 같이 진단 규칙 또는 진단 규칙에 포함된 요소를 갱신하는 것이 가능하다.
이상에서 살펴본 것과 같이, 개시된 실시예에 의하면, 진단 결과와 함께 그 진단 근거가 함께 제공되기 때문에 보다 신뢰도가 높은 진단 결과를 사용자에게 제공할 수가 있다. 또한 각각의 진단 규칙에 중요도를 부여하고, 그 중요도를 고려하여 진단 규칙을 이용하기 때문에 보다 정확도가 높은 진단 결과를 도출할 수가 있다.
한편, 본 발명의 실시 예들은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다.
컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현하는 것을 포함한다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고 본 발명을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술 분야의 프로그래머들에 의하여 용이하게 추론될 수 있다.
나아가 전술한 실시 예들은 본 발명을 예시적으로 설명하기 위한 것으로 본 발명의 권리범위가 특정 실시 예에 한정되지 아니할 것이다.
100: 진단 규칙
101: 영상 디스크립터
102: 개별 진단 결과
200: 의료영상 진단장치
201: 진단 규칙 생성부
202: 추출부
203: 진단부
204: 표시부
205: 진단 규칙 설정부

Claims (15)

  1. 목적 의료영상으로부터 영상 디스크립터(image descriptor)를 추출하는 추출부;
    추출된 영상 디스크립터 및 그 영상 디스크립터에 대응되는 개별 진단 결과를 포함하는 적어도 하나의 진단 규칙(diagnosis rule)을 이용하여 상기 목적 의료영상에 대한 종합 진단 결과를 도출하는 진단부; 및
    상기 도출된 종합 진단 결과와 그 도출에 이용된 상기 진단 규칙을 함께 표시하는 표시부; 를 포함하는 진단 근거를 제공하는 의료영상 진단장치.
  2. 제 1 항에 있어서, 상기 표시부는
    상기 종합 진단 결과 및 상기 진단 규칙 중 적어도 하나를 문자, 영상, 색상, 명암, 조도 또는 이들의 조합에 기초하여 표시하는 진단 근거를 제공하는 의료영상 진단장치.
  3. 제 1 항에 있어서, 상기 표시부는
    상기 종합 진단 결과의 정확도, 상기 진단 규칙의 중요도, 상기 진단 규칙에 포함된 영상 디스크립터의 정확도, 및 상기 진단 규칙에 포함된 개별 진단 결과의 정확도를 중 적어도 하나를 문자, 영상, 색상, 명암, 조도 또는 이들의 조합에 기초하여 표시하는 진단 근거를 제공하는 의료영상 진단장치.
  4. 제 1 항에 있어서, 상기 표시부는
    상기 종합 진단 결과에 모순되는 사실이 없는 경우,
    동일한 개별 진단 결과를 가지는 진단 규칙들을 그룹핑하고, 상기 종합 진단 결과를 강조하여 표시하는 진단 근거를 제공하는 의료영상 진단장치.
  5. 제 1 항에 있어서, 상기 표시부는
    상기 종합 진단 결과에 모순되는 사실이 있는 경우,
    상이한 개별 진단 결과를 가지는 진단 규칙들을 구분하고, 서로 모순되는 사실을 각각 표시하는 진단 근거를 제공하는 의료영상 진단장치.
  6. 제 1 항에 있어서,
    다수의 기준 의료영상을 이용하여 영상 디스크립터 및 그 영상 디스크립터에 대응되는 개별 진단 결과를 포함하는 다수의 진단 규칙을 생성하고, 생성된 각각의 진단 규칙에 소정의 중요도를 부여하는 진단 규칙 생성부; 를 더 포함하는 진단 근거를 제공하는 의료영상 진단장치.
  7. 제 6 항에 있어서, 상기 진단 규칙 생성부는
    각 진단 규칙의 서포트(support)와 컨피던스(confidence) 및 각 영상 디스크립터의 정확도(accuracy)에 기초하여 상기 진단 규칙의 중요도를 계산하는 진단 근거를 제공하는 의료영상 진단장치.
  8. 제 6 항에 있어서, 상기 진단부는
    상기 추출부에 의해 추출된 영상 디스크립터를 적어도 하나 포함하는 진단 규칙을 상기 진단 규칙 생성부에 의해 생성된 진단 규칙들 중에서 상기 중요도에 따라 선택하고, 선택된 진단 규칙을 이용하여 상기 목적 의료영상에 대한 종합 진단 결과를 도출하는 진단 근거를 제공하는 의료영상 진단장치.
  9. 제 6 항에 있어서,
    상기 종합 진단 결과에 대한 사용자 피드백에 기초하여 상기 진단 규칙을 갱신하는 진단 규칙 설정부; 를 더 포함하는 진단 근거를 제공하는 의료영상 진단장치.
  10. 제 9 항에 있어서, 상기 진단 규칙 설정부는
    상기 사용자 피드백에 따라 상기 종합 진단 결과의 정확도, 상기 진단 규칙의 중요도, 상기 진단 규칙에 포함된 영상 디스크립터의 정확도, 및 상기 진단 규칙에 포함된 개별 진단 결과의 정확도를 중 적어도 하나를 갱신하는 진단 근거를 제공하는 의료영상 진단장치.
  11. 제 9 항에 있어서, 상기 진단 규칙 설정부는
    상기 사용자 피드백에 따라 상기 진단 규칙 또는 상기 진단 규칙에 포함된 영상 디스크립터를 삭제하는 진단 근거를 제공하는 의료영상 진단장치.
  12. 제 9 항에 있어서, 상기 표시부는
    갱신전의 진단 규칙에 기초한 종합 진단 결과와 갱신후의 진단 규칙에 기초한 종합 진단 결과가 상이한 경우,
    갱신 전후의 종합 진단 결과와 그 차이를 함께 표시하는 진단 근거를 제공하는 의료영상 진단장치.
  13. 목적 의료영상으로부터 영상 디스크립터(image descriptor)를 추출하는 단계;
    추출된 영상 디스크립터 및 그 영상 디스크립터에 대응되는 개별 진단 결과를 포함하는 적어도 하나의 진단 규칙(diagnosis rule)을 이용하여 상기 목적 의료영상에 대한 종합 진단 결과를 도출하는 단계; 및
    상기 도출된 종합 진단 결과와 그 도출에 이용된 상기 진단 규칙을 함께 표시하는 단계; 를 포함하는 진단 근거를 제공하는 의료영상 진단방법.
  14. 제 13 항에 있어서,
    다수의 기준 의료영상을 이용하여 영상 디스크립터 및 그 영상 디스크립터에 대응되는 개별 진단 결과를 포함하는 다수의 진단 규칙을 생성하고, 생성된 각각의 진단 규칙에 소정의 중요도를 부여하는 단계; 를 더 포함하는 진단 근거를 제공하는 의료영상 진단방법.
  15. 제 13 항에 있어서,
    상기 종합 진단 결과에 대한 사용자 피드백에 기초하여 상기 진단 규칙을 갱신하는 단계; 를 더 포함하는 진단 근거를 제공하는 의료영상 진단방법.
KR1020110138652A 2011-12-20 2011-12-20 진단 근거를 제공하는 의료영상 진단 장치 및 방법 KR20130082849A (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020110138652A KR20130082849A (ko) 2011-12-20 2011-12-20 진단 근거를 제공하는 의료영상 진단 장치 및 방법
US13/488,521 US20130158398A1 (en) 2011-12-20 2012-06-05 Medical imaging diagnosis apparatus and medical imaging diagnosis method for providing diagnostic basis
EP12198518.8A EP2608152B1 (en) 2011-12-20 2012-12-20 Medical imaging diagnosis apparatus and medical imaging diagnosis method for providing diagnostic basis

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020110138652A KR20130082849A (ko) 2011-12-20 2011-12-20 진단 근거를 제공하는 의료영상 진단 장치 및 방법

Publications (1)

Publication Number Publication Date
KR20130082849A true KR20130082849A (ko) 2013-07-22

Family

ID=47520774

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020110138652A KR20130082849A (ko) 2011-12-20 2011-12-20 진단 근거를 제공하는 의료영상 진단 장치 및 방법

Country Status (3)

Country Link
US (1) US20130158398A1 (ko)
EP (1) EP2608152B1 (ko)
KR (1) KR20130082849A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015072818A1 (ko) * 2013-11-18 2015-05-21 재단법인 아산사회복지재단 뇌질환 진단 서비스 장치 및 뇌질환 진단 서비스 방법
KR102132564B1 (ko) * 2019-09-30 2020-07-09 주식회사 딥노이드 진단 장치 및 진단 방법

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5668090B2 (ja) * 2013-01-09 2015-02-12 キヤノン株式会社 医療診断支援装置及び医療診断支援方法
JP6738163B2 (ja) * 2016-03-01 2020-08-12 キヤノン株式会社 診断支援装置、診断支援装置が実行する方法及びプログラム

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6058322A (en) * 1997-07-25 2000-05-02 Arch Development Corporation Methods for improving the accuracy in differential diagnosis on radiologic examinations
US6855114B2 (en) * 2001-11-23 2005-02-15 Karen Drukker Automated method and system for the detection of abnormalities in sonographic images
US20030161513A1 (en) * 2002-02-22 2003-08-28 The University Of Chicago Computerized schemes for detecting and/or diagnosing lesions on ultrasound images using analysis of lesion shadows
KR20080021723A (ko) * 2005-06-02 2008-03-07 더 메디패턴 코포레이션 컴퓨터­보조 검진을 위한 시스템 및 방법
US20070255512A1 (en) * 2006-04-28 2007-11-01 Delenstarr Glenda C Methods and systems for facilitating analysis of feature extraction outputs

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015072818A1 (ko) * 2013-11-18 2015-05-21 재단법인 아산사회복지재단 뇌질환 진단 서비스 장치 및 뇌질환 진단 서비스 방법
US9854990B2 (en) 2013-11-18 2018-01-02 The Asan Foundation Brain disease diagnosis service apparatus and brain disease diagnosis service method
KR102132564B1 (ko) * 2019-09-30 2020-07-09 주식회사 딥노이드 진단 장치 및 진단 방법

Also Published As

Publication number Publication date
EP2608152B1 (en) 2020-02-19
US20130158398A1 (en) 2013-06-20
EP2608152A1 (en) 2013-06-26

Similar Documents

Publication Publication Date Title
Islam et al. Abnormality detection and localization in chest x-rays using deep convolutional neural networks
KR102043130B1 (ko) 컴퓨터 보조 진단 방법 및 장치
JP5958534B2 (ja) 病理診断結果判定システム、病理診断結果判定方法および病理診断結果判定装置
US10169641B2 (en) Apparatus and method for visualization of region of interest
CN102415898B (zh) 医用图像处理装置和医用图像处理方法
JP5603403B2 (ja) 対象物計数方法、対象物計数装置および対象物計数プログラム
EP2911111A2 (en) Apparatus and method for lesion detection
JP2006500124A (ja) 医療画像をコンピュータ支援検出（ｃａｄ）のガイドによって読み取る方法及びシステム
KR20160032586A (ko) 관심영역 크기 전이 모델 기반의 컴퓨터 보조 진단 장치 및 방법
WO2011008906A1 (en) Computer-aided detection (cad) of intracranial aneurysms
JP2007111534A (ja) 肋骨転位を強調して観察するためのシステムおよび方法
US10558263B2 (en) Image diagnosis assistance apparatus, control method thereof, and program
Rezaei et al. Automatic plaque segmentation based on hybrid fuzzy clustering and k nearest neighborhood using virtual histology intravascular ultrasound images
KR20140070081A (ko) 컴퓨터 보조 진단 장치 및 방법
KR102600401B1 (ko) 분류 및 분할을 이용한 의료 영상 분석 방법, 장치 및 컴퓨터 프로그램
KR20130082849A (ko) 진단 근거를 제공하는 의료영상 진단 장치 및 방법
JP2009226043A (ja) 医用画像処理装置及び異常陰影検出方法
JP2017207910A (ja) 文字認識装置、文字認識プログラム、文字認識方法
EP3089107A1 (en) Apparatus and method for determining lesion similarity of medical image
KR20100010973A (ko) 폐질환 자동 분류 방법
US20170220525A1 (en) Method and apparatus for hierarchical data analysis based on mutual correlations
EP3438987B1 (en) Tool that analyzes image data and generates and displays a confidence indicator along with a cancer score
US7672496B2 (en) Forming three dimensional objects using a decision rule in medical image data
KR20160028273A (ko) 병변 검출 보간 장치 및 방법
US20210407655A1 (en) Medical data processing apparatus, medical data processing method, and non-transitory computer medium storing computer program

Legal Events

Date Code Title Description
WITN Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid