KR20150120774A - 관심영역 검출 시스템 및 방법 - Google Patents

Abstract

관심영역 검출 시스템 및 방법이 개시된다. 일 예에 따라, 관심영역 검출 시스템은 선별기준을 획득하는 선별기준 획득부와; 영상을 수신하는 영상 수신부와; 상기 선별기준에 따라 상기 영상의 일부를 의심영역으로 선별하는 의심영역 선별부와; 상기 의심영역 내에서 관심영역을 검출하는 관심영역 검출부를 포함한다.

Description

관심영역 검출 시스템 및 방법{SYSTEM AND METHOD FOR DETECTING REGION OF INTEREST}

초음파 영상의 컴퓨터 보조 진단(CAD, Computer Aided Diagnosis) 기술에 관련된다. 보다 상세하게는 초음파 영상의 실시간 CAD를 위한 관심영역 검출 기술에 관련된다.

일반적으로 초음파 영상의 컴퓨터 보조 진단(CAD)은 초음파 영상 내에서 관심영역을 검출, 분할, 및 진단함으로써, 의사 등의 사용자에게 환자의 병변을 진단하기 위한 보조 자료를 제공하는 기술이다. 예를 들어, 슬라이딩 윈도우 기반의 CAD의 경우, 영상이 포함하고 있는 모든 영역에 대하여 특성 피라미드 생성, 슬라이딩 윈도우 매칭 등의 영상 분석 처리가 행해진다. 그런데, 영상 분석 처리에 걸리는 시간이 길기 때문에, 영상 촬영 시점과 진단결과 출력 시점이 거의 동시에 이루어져야 하는 실시간 CAD를 구현하기 어렵다.

실시간 CAD를 위해 초음파 영상에서 사용자 의도에 따라 서로 다르게 적응된 분석 과정에 따라 관심영역을 검출하는 관심영역 검출 시스템 및 방법을 제안한다.

일 양상에 따라 제공되는 관심영역 검출 시스템은, 선별기준을 획득하는 선별기준 획득부와; 영상을 수신하는 영상 수신부와; 상기 선별기준에 따라 상기 영상의 일부를 의심영역으로 선별하는 의심영역 선별부와; 상기 의심영역 내에서 관심영역을 검출하는 관심영역 검출부를 포함할 수 있다.

일 실시예에 있어서, 상기 선별기준 획득부는, 사용자의 진단의도를 나타내도록 미리 정의된 촬영모드들 중 하나의 촬영모드를 상기 사용자가 선택하도록 제공하는 촬영모드 선택부와; 상기 촬영모드 선택부에서 선택된 촬영모드를 출력하는 촬영모드 출력부와; 상기 촬영모드 출력부에서 출력되는 촬영모드를 상기 선별기준으로서 수신하는 촬영모드 수신부를 포함할 수 있다.

다른 실시예에 있어서, 상기 선별기준 획득부는, 상기 영상을 촬영하며 사용자에 의해 수동으로 이동되는 프로브의 이동속도를 감지하는 모션센서와; 상기 모션센서에 의해 감지된 상기 이동속도를 출력하는 프로브 이동속도 출력부와; 상기 프로브 이동속도 출력부에 의해 출력된 상기 이동속도를 상기 선별기준으로서 수신하는 프로브 이동속도 수신부를 포함할 수 있다.

또 다른 실시예에 있어서, 상기 선별기준 획득부는, 현재 수신된 상기 영상 이전에 수신된 영상을 이전영상으로 저장하는 영상 저장부와; 상기 영상 저장부로부터 상기 영상 바로 직전에 수신되었던 이전영상을 상기 선별기준으로서 획득하는 이전영상 획득부를 포함할 수 있다.

또 다른 실시예에 있어서, 상기 의심영역 선별부는, 상기 영상을 각각 미리 설정된 크기를 가지는 복수의 윈도우로 분할하는 영상 분할부와; 상기 윈도우의 순위를 계산하는 순위 계산부와; 상기 선별기준에 따라 선별될 윈도우의 개수를 결정하는 개수 결정부와; 상기 순위에 기초하여 상기 개수 결정부에 의해 결정된 개수의 윈도우를 상기 의심영역으로서 선별하는 윈도우 선별부를 포함할 수 있다.

또 다른 실시예에 있어서, 상기 선별기준은, 사용자에 의해 지정되는 촬영모드이며; 상기 개수 결정부는, 상기 촬영모드에 따라 미리 대응되어 있는 수로 상기 선별될 윈도우의 개수를 결정할 수 있다.

또 다른 실시예에 있어서, 상기 선별기준은, 모션센서에 의해 감지된 영상 촬영 프로브의 이동속도이며; 상기 개수 결정부는, 상기 이동속도의 크기에 따라 미리 대응되어 있는 수로 상기 선별할 윈도우의 개수를 결정할 수 있다.

또 다른 실시예에 있어서, 상기 개수 결정부는, 상기 이동속도의 크기에 대해 반비례 관계를 가지도록 미리 대응되어 있는 수로 상기 선별할 윈도우의 개수를 결정할 수 있다.

또 다른 실시예에 있어서, 상기 의심영역 선별부는, 상기 선별기준에 따라 선별될 윈도우의 크기를 결정하는 크기 결정부와; 상기 영상을 각각 상기 크기 결정부에 의해 결정된 크기를 가지는 복수의 윈도우로 분할하는 영상 분할부와; 상기 윈도우의 순위를 계산하는 순위 계산부와; 상기 윈도우 중에서 최상위 윈도우를 상기 의심영역으로서 선별하는 윈도우 선별부를 포함할 수 있다.

또 다른 실시예에 있어서, 상기 선별기준은, 사용자에 의해 지정되는 촬영모드이며; 상기 크기 결정부는, 상기 촬영모드에 따라 미리 대응되어 있는 크기로 상기 선별될 윈도우의 크기를 결정할 수 있다.

또 다른 실시예에 있어서, 상기 선별기준은, 모션센서에 의해 감지된 프로브의 이동속도이며; 상기 크기 결정부는, 상기 이동속도의 크기에 따라 미리 대응되어 있는 크기로 상기 선별할 윈도우의 크기를 결정할 수 있다.

또 다른 실시예에 있어서, 상기 크기 결정부는, 상기 이동속도의 크기에 대해 반비례 관계를 가지도록 미리 대응되어 있는 크기로 상기 선별할 윈도우의 크기를 결정할 수 있다.

또 다른 실시예에 있어서, 상기 선별기준은, 상기 영상보다 이전에 수신된 이전영상이며; 상기 의심영역 선별부는, 상기 영상을 복수의 윈도우로 분할하는 영상 분할부와; 상기 윈도우 각각에 대해 상기 영상과 상기 이전영상이 서로 다른 영역의 크기를 나타내는 비유사도(non-similarity)를 판단하는 영상 비교부와; 상기 비유사도에 기초하여 상기 윈도우의 순위를 계산하는 순위 계산부와; 상기 순위에 기초하여 상기 윈도우 중 적어도 하나를 상기 의심영역으로서 선별하는 윈도우 선별부를 포함할 수 있다.

또 다른 실시예에 있어서, 상기 순위 계산부는, 상기 비유사도가 0 또는 미리 설정된 값 이하일 때 최하위를 가지도록 상기 윈도우의 순위를 결정할 수 있다.

그리고, 다른 양상에 따라 제공되는 관심영역 검출 방법은, 선별기준을 획득하는 선별기준 획득 단계와; 영상을 수신하는 영상 수신 단계와; 상기 선별기준에 따라 상기 영상의 일부를 의심영역으로 선별하는 의심영역 선별 단계와; 상기 의심영역 내에서 관심영역을 검출하는 관심영역 검출 단계를 포함할 수 있다.

상술한 양상들과 실시예들 및 그 외 다른 양상들과 실시예들에 대한 더 상세한 설명이 아래에서 제공될 것이다.

실시간 CAD를 위해 초음파 영상에서 사용자 의도에 따라 서로 다른 의심영역을 선정하고, 선정된 의심영역 내에서 관심영역을 검출함으로써, 사용자 진단의도에 따라 CAD 분석 과정을 적응시킬 수 있는 관심영역 검출 시스템 및 방법을 구현할 수 있는 효과가 있다.

도 1은 관심영역 검출 시스템의 일 실시예를 나타낸 블록도,
도 2는 관심영역 검출 시스템의 다른 실시예를 나타낸 블록도,
도 3은 관심영역 검출 시스템의 또 다른 실시예를 나타낸 블록도,
도 4는 도 1 내지 도 3의 의심영역 선별부의 일 실시예를 나타낸 블록도,
도 5는 도 4의 선별개수 결정부에서 프로브 이동속도 및 프로브 이동속도에 따라 결정될 윈도우의 선별개수 사이의 관계를 예시하는 그래프,
도 6은 도 1 내지 도 3의 의심영역 선별부의 다른 실시예를 나타낸 블록도,
도 7은 도 6의 크기 결정부에서 프로브 이동속도 및 프로브 이동속도에 따라 결정될 윈도우의 크기 사이의 관계를 예시하는 그래프,
도 8은 관심영역 검출 시스템의 또 다른 실시예를 나타낸 블록도,
도 9는 관심영역 검출 시스템의 또 다른 실시예를 나타낸 블록도,
도 10은 도 9의 의심영역 선별부의 일 실시예를 나타낸 블록도,
도 11은 관심영역 검출 시스템의 또 다른 실시예를 나타낸 블록도,
도 12는 관심영역 검출 방법의 일 실시예를 보여주는 흐름도,
도 13은 관심영역 검출 방법의 다른 실시예를 보여주는 흐름도,
도 14는 관심영역 검출 방법의 또 다른 실시예를 보여주는 흐름도,
도 15는 관심영역 검출 방법의 또 다른 실시예를 보여주는 흐름도,
도 16은 관심영역 검출 방법의 또 다른 실시예를 보여주는 흐름도,
도 17은 관심영역 검출 방법의 또 다른 실시예를 보여주는 흐름도,
도 18은 관심영역 검출 방법의 또 다른 실시예를 보여주는 흐름도,
도 19는 관심영역 검출 방법의 또 다른 실시예를 보여주는 흐름도이다.

실시간 CAD는 일반적으로 초음파 영상 촬영 시점 및 CAD 분석이 완료된 시점까지의 시간이 매우 짧아서, 사용자는 촬영 및 분석결과 출력이 거의 동시에 이루어지고 있다고 느낄 수 있다. 분석 시간과 진단 정확도의 트레이드 오프 관계 때문에, 분석 처리를 정밀하게 하면 진단 정확도가 향상되지만 영상 촬영부터 진단결과가 나올 때까지의 시간이 길어질 수 있다. 반면에 분석 처리를 간단하게 하면 진단 정확도가 저하될 수 있지만 영상 촬영부터 진단결과가 나올 때까지의 시간이 짧아질 수 있다.

초음파 영상 CAD의 분석 과정을 살펴 보면, 초음파 영상 촬영장비로부터 초음파 영상을 수신하고, 수신된 영상 내에서 관심영역을 검출하며, 검출된 관심영역을 분할하고, 이후 분할된 관심영역의 병변 가능성을 진단한다. 통상적으로 CAD의 영상 분석 과정에서 분석 시간이 가장 오래 소요되는 단계는 영상 내에서 관심영역을 검출하는 프로세스이다. 예컨대, 슬라이딩 윈도우 기법을 이용하는 CAD의 경우, 관심영역 검출 프로세스는 총 분석 시간의 대략 90% 정도를 차지할 수 있다. 따라서 관심영역 검출 프로세스를 정밀하게 구현하거나 또는 간단하게 구현함으로써 분석 시간을 증가시키거나 감소시킬 수 있다.

실시예에 따라, 영상 촬영과 동시에 사용자의 진단의도가 감지되고, 감지된 사용자의 진단의도에 따라 관심영역 검출 프로세스 과정이 적응되도록 구현된 적응형 관심영역 검출 기술 및 이를 이용한 적응형 실시간 컴퓨터 보조 진단(CAD) 기술이 제안된다.

일반적으로 의료 진단을 위한 초음파 영상 촬영장비는 프로브(probe)와 이 프로브에서 전송된 신호를 처리하는 본체 부분으로 나눌 수 있다. 프로브는 초음파 신호를 인체 내로 방사하고 반사 신호를 수신할 수 있다. 본체는 프로브에서 수신된 신호를 전달받아 인체 내부를 나타내는 영상으로 변환할 수 있다. 예를 들어, 의사는 초음파 영상 진단이 필요하다고 생각되는 환자 신체의 특정 피부 표면에 프로브를 접촉시킨다. 그런 다음 프로브로부터 피부 표면으로부터 인체 내부로 초음파 신호를 방사하고 인체 내부에서 반사된 초음파 신호를 수신함으로써 초음파 영상을 촬영할 수 있다. 이와 같이 프로브는 의사에 의해 수동으로 움직여지는 장치이다. 따라서 프로브에 의해 촬영되는 초음파 영상은, 프로브를 움직이는 의사의 진단 의도에 따라, 서로 다른 방식으로 획득될 수 있다.

예를 들어, 의사가 유방암을 진단하기 위해 초음파 영상을 촬영하는 경우, 의사는 종양과 같은 병변이 발견될 수 있는 확률이 거의 없는 위치를 촬영할 수 있다. 이때, 의사는 병변이 없다는 점을 확인하려는 소극적인 진단 의도를 가지고 초음파 영상을 촬영할 수 있다. 이 경우 의사는 프로브를 상대적으로 빠르게 이동시키면서 저밀도로, 즉 동일한 프로브 이동거리에 대해 상대적으로 적은 수의 영상만을 촬영할 수 있다. 일반적으로 프로브는 일정한 시간간격 내에 고정된 개수의 영상을 촬영하게 구성된다. 따라서 프로브를 이동시키는 속도가 빠를수록, 일정한 이동거리 안에서 촬영되는 영상의 수가 적다. 따라서 이 경우, 인접한 영상들은 상대적으로 서로 멀리 떨어진 영역들을 포함할 수 있다.

다른 한편으로 위의 예에서, 의사는 병변이 발견될 수 있는 확률이 높은 위치를 촬영할 때, 병변을 발견하려는 적극적인 진단 의도를 가지고 초음파 영상을 촬영할 수 있다. 이 경우 의사는 프로브를 상대적으로 천천히 이동시키면서 고밀도로, 즉 동일한 프로브 이동거리에 대해 상대적으로 많은 수의 영상을 촬영할 수 있다. 이런 식으로 촬영된 영상들 중 시간적으로 인접한 영상들은 상대적으로 가까운 영역들을 포함할 수 있다.

사용자의 진단의도는 프로브 이동속도 이외에 다른 방식으로도 감지될 수 있다. 예를 들어, 사용자는 초음파 영상의 촬영모드를 설정함으로써 사용자의 진단의도를 수동으로 직접 지정할 수 있다. 이 예는, 초음파 프로브가 인체의 외부 표면 상에서 이동할 수 있는 상태가 아니라 인체에 삽입된 상태로 영상을 촬영하는 경우에 더 유용할 수 있다.

다른 예를 들면, 현재 분석 처리될 영상 즉 현재영상과 바로 직전에 분석 처리된 영상 즉 이전영상을 서로 비교함으로써 사용자의 진단의도가 감지될 수 있다. 다시 말해서, 이전영상과 현재영상이 거리적으로 매우 가까운 영역을 촬영한 경우에는 두 영상의 유사도가 매우 높을 것이다. 이 경우는 사용자가 병변을 발견하고자 하는 적극적인 진단의도를 가지고 있는 것으로 감지될 수 있다. 이에 반하여 이전영상과 현재영상이 거리적으로 떨어진 영역을 촬영한 경우에는 두 영상의 유사도가 높지 않을 것이다. 이 경우는 사용자가 병변이 없다는 것만을 확인하고자 하는 소극적인 진단의도를 가지고 있는 것으로 감지될 수 있다.

이와 같이 의료 진단을 위해 촬영되는 영상들 각각은 사용자의 진단의도에 따라 서로 다른 방식으로 촬영될 수 있다. 또한 사용자는 진단의도에 따라 영상에 대한 집중도가 다르므로 실시간 CAD의 진단결과가 나오는데 걸리는 시간을 서로 다르게 느낄 수 있다. 예컨대, 사용자가 병변을 의심하지 않는 위치를 촬영하는 경우에는, 단지 병변이 없다는 것만을 확인하려는 상대적으로 낮은 집중도로 영상을 검토하게 되므로, 촬영된 영상에 대한 진단결과가 나오는 시간이 상대적으로 짧기를 기대할 것이다. 한편 사용자가 병변을 의심하는 위치를 촬영하는 경우에는, 병변이 존재하는 것을 확인하려는 상대적으로 높은 집중도로 영상을 검토하게 되므로, 촬영된 영상에 대한 진단결과가 나오는 시간이 상대적으로 길어져도 상관없다고 느낄 수 있다.

실시예에 따라, 관심영역 검출 시스템 및 방법은 서로 다르게 감지되는 사용자의 진단의도에 따라 서로 다르게 적응된 관심영역 검출 과정을 채용함으로써, 적응형 실시간 CAD 기법을 제공할 수 있다. 이러한 적응형 실시간 CAD 기법은 사용자의 진단의도에 따라 서로 다르게 적응된 분석과정에 따라 진단결과를 도출할 수 있다. 이와 같이, 사용자 진단의도에 따라 서로 다르게 적응된 분석과정은 서로 다른 분석 처리 시간이 소요될 수 있다.

예를 들어, 사용자가 병변이 존재하지 않는다는 것을 확인하기 위해 소극적인 진단 의도를 가지고 촬영하는 경우, 더 간단한 분석 과정에 따라 더 신속하게 진단결과가 출력될 수 있다. 한편 사용자가 병변이 존재하는 것을 확인하기 위해 적극적인 진단 의도를 가지고 촬영하는 경우, 더 정밀한 분석 과정에 따라 상대적으로 느리게 진단결과가 출력될 수 있다.

이를 위하여, 관심영역 검출 시스템 및 방법은 관심영역 검출 과정을 크게 2개의 프로세스로 분리할 수 있다. 먼저, 영상 내의 일부 영역을 병변이 발견될 확률이 높은 영역, 즉 의심영역으로 선별하는 첫 번째 프로세스가 진행될 수 있다. 그 다음, 첫 번째 프로세스에 의해 선별된 의심영역 내에서 관심영역을 검출하는 두 번째 프로세스가 진행된다.

이때, 사용자의 진단의도를 나타내는 정보는 첫 번째 프로세스에서 의심영역 선별시 의심영역을 선정하기 위한 선별기준으로서 사용될 수 있다. 선별기준은 복수의 선별 파라미터들을 포함할 수 있다. 다양한 사용자의 진단의도들은 복수의 선별 파라미터들에 의하여 구별될 수 있도록 정의될 수 있다.

실시예에 따라, 선별 파라미터들은 사용자에 의해 직접 입력될 수 있다. 예컨대, 사용자가 프로브를 사용하여 초음파 영상을 촬영할 때, 사용자는 복수의 미리 정의되어 있는 촬영모드들 중에서 원하는 하나의 촬영모드를 지정할 수 있다. 예컨대, 저밀도 촬영모드, 중밀도 촬영모드, 고밀도 촬영모드 등과 같은 촬영모드들이 미리 정의될 수 있다. 그리고 이들 촬영모드들 각각은 서로 다른 진단의도를 나타내는 서로 다른 선별 파라미터들로서 정의될 수 있다.

예컨대, 저밀도 촬영모드는 사용자가 단순히 병변이 없다는 사실을 확인하기 위한 의도(소극적인 진단의도)를 가지고 있는 것에 해당하는 선별 파라미터로서 정의될 수 있다. 중밀도 촬영모드는 소극적인 의도와 적극적인 의도의 중간적인 진단의도가 대응된 선별 파라미터로서 정의될 수 있다. 한편 고밀도 촬영모드는 사용자가 병변을 발견하고자 하는 의도(적극적인 진단의도)를 가지고 있는 것에 해당하는 선별 파라미터로서 정의될 수 있다.

이 예에서, 사용자는, 자신의 진단의도에 따라 초음파 영상 장비 내에 구비되어 있는 촬영모드 지정 수단을 이용하여 다수의 촬영모드들 중 하나의 촬영모드를 지정한 후, 프로브를 사용하여 영상을 촬영할 수 있다. 예컨대, 사용자가 고밀도 촬영모드를 지정하여 영상 촬영한 경우, 지정된 고밀도 촬영모드 정보는 촬영된 영상과 함께, 초음파 영상 촬영 장비로부터 관심영역 검출 시스템으로 전송될 수 있다. 그리고 관심영역 검출 시스템은 수신된 고밀도 촬영모드를 사용자가 병변을 발견하고자 하는 적극적인 진단의도를 나타내는 선별 파라미터로서 사용할 수 있다. 이러한 선별 파라미터에 따라, 더 정밀한 분석 과정에 따라 상대적으로 느리게 진단결과가 출력될 수 있도록 하는 크기의 의심영역이 선별될 수 있다.

위의 예에서, 비록 선별기준은 3개의 촬영모드에 의해 구별되는 3개의 선별 파라미터를 포함하는 것으로 설명되지만, 이것은 단지 예시에 불과하며, 실시예에 따라 선별기준이 2개 또는 4개 이상의 선별 파라미터들을 가질 수 있다는 것이 자명하며, 더 나아가 연속적인 무한대의 촬영모드 레벨들에 대응하는 연속적인 무한대의 선별 파라미터들로서 표현될 수 있다는 것도 역시 자명하다.

또한 사용자의 진단의도는, 프로브를 사용자가 손으로 이동시키는 초음파 영상 촬영 장비의 경우, 프로브의 이동속도를 감지함으로써 자동으로 결정될 수 있다. 왜냐하면, 프로브의 이동속도는 프로브를 움직이고 있는 사용자의 진단의도에 따라 달라질 수 있기 때문이다. 이 경우, 프로브 내에 구비된 가속도 센서 등과 같은 모션 센서에 의하여 프로브의 이동속도가 자동으로 감지될 수 있다. 감지된 프로브의 이동속도는 예컨대, 저속, 중속, 고속 등과 같은 복수의 단계적인 이동속도들 중 하나로 분류될 수 있다. 그리고 복수의 단계적인 이동속도들 각각은 서로 다른 진단의도를 나타내는 서로 다른 선별 파라미터들로서 정의될 수 있다.

예컨대, 저속 이동속도에는 사용자가 병변을 발견하고자 하는 의도를 가지고 있는 것에 해당하는 적극적인 진단의도의 선별 파라미터가 대응될 수 있다. 중속 이동속도에는 중간의 진단의도의 선별 파라미터가 대응되고, 고속 이동속도에는 사용자가 단순히 병변이 없다는 사실을 확인하기 위한 의도를 가지고 있는 것에 해당하는 소극적인 진단의도의 선별 파라미터가 대응될 수 있다.

이 예에서, 사용자는 모션 센서가 구비되어 있는 프로브를 이동시키면서 영상을 촬영할 수 있다. 그러면, 모션 센서에 의해 프로브의 이동속도가 감지될 수 있다. 예컨대, 감지된 이동속도가 미리 설정된 '고속 이동속도'라고 결정될 수 있다. 그러면, 감지된 고속 이동속도 및 촬영된 영상이 초음파 영상 촬영 장비로부터 관심영역 검출 시스템으로 전송될 수 있다. 그리고 관심영역 검출 시스템은 수신된 고속 이동속도를 사용자가 병변을 발견하고자 하는 의도가 없는 소극적인 진단의도를 나타내는 선별 파라미터로서 사용할 수 있다. 이러한 선별 파라미터에 따라, 더 간단한 분석 과정에 따라 상대적으로 신속하게 진단결과가 출력될 수 있도록 하는 크기의 의심영역이 선별될 수 있다.

위의 예에서, 비록 선별기준은 3개의 이동속도에 의해 구별되는 3개의 선별 파라미터들을 포함하는 것으로 설명되지만, 이것은 단지 예시에 불과하며, 실시예에 따라 선별기준은 2개 또는 4개 이상의 선별 파라미터들을 가질 수 있다는 것이 자명하며, 더 나아가 연속적인 크기의 이동속도 레벨에 대응하는 연속적인 크기의 선별 파라미터들로서 표현될 수 있다는 것도 역시 자명하다.

더 나아가 사용자의 진단의도는 관심영역 검출 시스템에서 이전영상과 현재영상을 비교함으로써 결정될 수 있다. 여기서, "이전영상"이라 함은, 사용자가 현재 영상 분석 과정 바로 직전에 영상 분석을 수행하였던 영상을 의미한다. 이에 비하여 "현재영상"이라 함은 현재 분석 과정에서 적응형 실시간 CAD 또는 관심영역 검출을 위해 수신된 영상을 의미한다. 이전영상에 관련된 정보는, 해당 영상을 처리하는 과정 중에 관심영역 검출 시스템 내에 저장된 후 이용될 수 있다.

이전영상과 현재영상의 비교는 픽셀-대-픽셀의 밝기 등을 직접 비교하거나 또는 임의의 특성 값으로 변환한 후 서로 비교될 수 있다. 두 개의 영상을 서로 비교하는 프로세스는 예를 들어 MPEG 등의 영상 압축 분야에서 잘 알려져 있다.

비교 결과, 현재영상으로부터 이전영상과 동일한 영역과 서로 다른 영역이 식별될 수 있다. 식별된 서로 다른 영역의 크기는 두 영상 사이의 비유사도(non-similarity)를 나타낼 수 있으며, 비유사도에는 사용자의 진단의도가 대응될 수 있다. 예를 들어, 두 영상의 비유사도는 대, 중, 소 레벨 등과 같은 복수의 단계적인 크기의 레벨들 중 하나로 분류될 수 있다. 그리고 비유사도 레벨들 각각에 대해 서로 다른 사용자의 진단의도의 서로 다른 선별 파라미터들이 미리 대응될 수 있다. 예컨대, 소 레벨에는 적극적인 진단의도의 선별 파라미터가 설정되고, 중 레벨에는 보통 진단의도의 선별 파라미터가 설정되고, 대 레벨에는 소극적인 진단의도의 선별 파라미터가 설정될 수 있다.

이 예에서, 사용자는 연속적으로 촬영된 복수의 초음파 영상에 대하여 실시간 CAD 또는 관심영역 검출을 위한 분석 처리를 반복할 수 있다. 그러면, 자동으로 현재 분석 처리되는 영상(즉, 현재영상)과 바로 직전에 분석 처리되었던 영상(즉, 이전영상)이 비교되어 비유사도가 계산될 수 있다. 예컨대, 계산된 비유사도가 미리 설정된 '보통 레벨'라고 결정될 수 있다. 그러면, 보통 레벨의 비유사도는 소극적인 진단의도와 적극적인 진단의도의 중간적인 진단의도를 나타내는 선별 파라미터로서 사용할 수 있다. 이러한 선별 파라미터에 따라, 중간 정도로 복잡한 분석 과정에 따라 중간 정도의 빠르기로 진단결과가 출력될 수 있도록 하는 크기의 의심영역이 선별될 수 있다.

위의 예에서, 비록 선별기준은 3개의 비유사도 레벨에 의해 구별되는 3개의 선별 파라미터들을 포함하는 것으로 설명되었다. 하지만, 이것은 단지 예시에 불과하며, 실시예에 따라 선별기준이 2개 또는 4개 이상의 선별 파라미터들을 가질 수 있다는 것이 자명하며, 더 나아가 연속적인 크기의 비유사도 레벨에 대응하는 연속적인 크기의 선별 파라미터들로서 표현될 수 있다는 것도 역시 자명하다.

한편 슬라이딩 윈도우 기반 CAD에 있어서, 관심영역을 검출, 분할, 진단하는 분석 과정 중, 관심영역을 검출하는 과정은 전체 분석 시간의 약 90% 이상을 차지할 수 있다. 따라서, 슬라이딩 윈도우 기반 CAD가 관심영역 검출을 위한 분석 과정을 사용자 진단 의도에 따라 적응시킨 실시예를 채용한다면, 사용자 진단의도에 따라 서로 다른 분석 시간 및 서로 다른 품질의 진단결과를 출력하는 적응형 실시간 CAD 시스템 및 방법이 구현될 수 있다.

이하 도 1 내지 도 11을 참조하여 관심영역 검출 시스템의 실시예들이 기술된다. 도 1 내지 도 11을 참조하여 기술된 관심영역 검출 시스템 및 방법들은 단지 예시에 불과하다. 해당 기술분야의 통상의 지식을 가진 자는, 청구항들의 범위 내에서 다양한 조합의 다른 시스템 및 방법들이 가능하다는 것을 쉽게 이해할 것이다. 관심영역 검출 시스템의 컴포넌트들은, 각각의 기능을 구현하는 회로들을 포함하는 하드웨어에 의해 구현될 수 있다. 또한 관심영역 검출 시스템의 컴포넌트들은, 컴퓨팅 장치의 프로세서에 의해 수행되면 특정 태스크를 실행할 수 있도록 하는 컴퓨터-실행가능 소프트웨어, 펌웨어 및 하드웨어의 조합에 의해 구현될 수도 있다.

또한 이하에서 관심영역 검출 시스템의 주요 컴포넌트들이 초음파 영상 촬영장비와는 별도의 장치로서 구현된 실시예들을 기술한다. 하지만, 해당 기술분야의 통상의 지식을 가진 자는 관심영역 검출 시스템의 모든 컴포넌트들이 초음파 영상 촬영장비 내에 포함되어 구현되거나 또는 별도의 장치 내에 포함되어 구현될 수도 있다는 것을 이해할 것이다.

도 1은 관심영역 검출 시스템의 일 실시예를 나타낸 블록도이다.

도 1을 참조하면, 초음파 영상으로부터 관심영역을 검출, 분할, 진단하는 컴퓨터 보조 진단 시스템의 일부일 수 있는 관심영역 검출 시스템(10)이 예시된다.

예시된 관심영역 검출 시스템(10)은 영상의 일부를 의심영역으로 선별하고, 선별된 의심영역을 대상으로 관심영역을 검출하며, 사용자 진단의도와 대응하는 선별기준에 따라 의심영역의 크기 또는 위치 등을 조정할 수 있다. 이러한 관심영역 검출 시스템(10)은 선별기준 획득부(11), 영상 수신부(13), 의심영역 선별부(15) 및 관심영역 검출부(17) 등의 컴포넌트를 포함할 수 있다.

선별기준 획득부(11)는 선별기준을 획득하는 컴포넌트이다. 선별기준은 의심영역 선별부(15)가 영상의 일부를 의심영역으로 선별할 때 기준으로서 이용되는 정보이다. 선별기준은 사용자의 진단의도를 나타내는 정보라면 무엇이든 이용될 수 있다. 사용자의 진단의도는 영상 내에서 관심영역을 발견하려는 의도, 영상 내에는 관심영역이 없음을 확인하려는 의도 등의 다양한 수준의 적극성을 가지는 진단의도들을 포함할 수 있다. 이러한 다양한 사용자의 진단의도들은 서로 다른 선별 파라미터들에 의하여 표현될 수 있다. 따라서, 선별기준은 복수의 선별 파라미터들을 포함하는 것으로 미리 정의될 수 있고, 선별기준 획득부(11)는 미리 정의되어 있는 서로 다른 복수의 선별 파라미터들 중 하나의 선별 파라미터를 획득할 수 있다.

선별기준으로서, 실시예에 따라, 사용자가 직접 지정하는 촬영모드, 센서에 의해 감지된 영상 촬영 프로브의 이동속도, 또는 현재영상과 이전영상 사이의 유사한 정도 등이 이용될 수 있다. 이를 위하여, 선별기준 획득부(11)는 외부의 영상 촬영장비 또는 영상 촬영 프로브로부터 유무선 통신망을 통해 선별기준에 해당하는 정보를 수신함으로써 선별기준을 획득할 수 있다. 또한, 선별기준 획득부(11)는 로컬 시스템 안에 선별기준 정보를 미리 저장하고 있는 저장부로부터 선별기준 정보를 판독함으로써 획득할 수도 있다.

예컨대, 사용자의 진단의도는, 초음파 영상 촬영 장비의 경우, 프로브의 이동속도를 감지함으로써 결정될 수 있다. 프로브의 이동속도는 프로브 내에 구비된 센서에 감지되고, 저속, 중속, 고속의 이동속도들 중 하나로 결정될 수 있다. 저속 이동속도, 중속 이동속도, 고속 이동속도는 각각 적극 진단의도, 중간 진단의도, 소극 진단의도를 나타내는 서로 다른 선별 파라미터들로서 정의될 수 있다. 선별기준 획득부(11)는 감지된 프로브의 이동속도를 수신하여 수신된 프로브의 이동속도가 '저속 이동속도'라고 결정할 수 있다. 그런 다음, 결정된 저속 이동속도를 미리 한정된 적극적인 진단의도의 선별 파라미터로서 의심영역 선별부(15)로 전송할 수 있다. 의심영역 선별부(15)는 선별기준 획득부(11)로부터 수신된 이 적극적인 진단의도의 선별 파라미터에 따라, 더 정밀한 분석 과정에 따라 상대적으로 느리게 진단결과가 출력될 수 있도록 하는 크기의 의심영역을 선별할 수 있다. 영상 수신부(13)는 영상을 수신하는 컴포넌트이다. 영상은 초음파 진단을 위해 촬영된 초음파 영상일 수 있다. 영상은 촬영과 동시에 영상 촬영장비로부터 유무선 통신망을 통해 관심영역 검출 시스템(10)의 영상 수신부(13)로 전송될 수 있다.

의심영역 선별부(15)는 영상 수신부(13)에서 수신된 영상의 일부를 선별기준 획득부(11)로부터 수신된 선별기준에 따라 의심영역으로서 선별한다. 영상의 어느 부분을 의심영역으로 선별할 것인가는 선별기준 획득부(11)에 의해 획득되는 선별기준에 기초하여 이루어진다. 이에 더하여 의심영역의 선별 과정은 선별기준 이외에 진단 정확도를 더 고려하여 이루어질 수 있다. 선별기준은 사용자의 진단의도에 따라 영상으로부터 의심영역을 선별하기 위한 기준일 뿐이다. 그러므로 진단 정확도를 높이기 위해서 영상 내에서 관심영역이 존재할 가능성이 높은 영역을 발견할 필요가 있다.

관심영역이 존재할 가능성이 높은 영역을 발견하기 위하여, 의심영역 선별부(15)는 영상을 다수의 윈도우 영역으로 분할하고, 분할된 윈도우들 각각을 분석하여 관심영역이 존재하는 확률을 계산할 수 있다. 그리고 관심영역이 존재할 확률에 따라 각각의 윈도우 영역이 의심영역으로 선별될 순위를 결정할 수 있다. 또는 선별기준에 따라 윈도우의 순위를 결정할 수도 있다. 선별기준은 또한 의심영역으로서 선별될 윈도우의 크기 또는 윈도우의 개수를 결정하는 기준으로서 사용될 수 있다.

관심영역 검출부(17)는 의심영역에서 관심영역을 검출하는 컴포넌트이다. 관심영역 검출부(17)는 통상적인 CAD에 포함되어 있는 관심영역 검출 컴포넌트가 영상의 전체 영역에 대해 수행하는 분석 처리를, 의심영역에 대해 수행함으로써 관심영역을 검출하는 컴포넌트일 수 있다.

예를 들어, 관심영역 검출부(17)는 의심영역을 대상으로 하여 슬라이딩 윈도우 기법에 기초하여 관심영역을 검출하도록 동작할 수 있다. 이 경우 관심영역 검출부(17)는 영상의 전체 영역이 아니라 선별된 의심영역에 대하여 특성 피라미드 영역을 생성하고, 모델 윈도우를 슬라이딩 시키면서 매칭시키는 등의 분석 처리를 수행할 수 있다. 분석 처리에 소요되는 시간은 윈도우 영역의 수 및 피라미드 영역의 수에 따라 달라질 수 있다. 동일 분석 기법을 이용할 때, 의심영역의 크기가 작으면 작을수록 분석처리 시간은 더 짧아지므로, 실시예의 경우, 영상의 전체영역에 비하여 작은 의심영역을 대상으로 하기 때문에 분석 처리 시간이 감소될 수 있다. 하지만, 영상에서 의심영역으로서 선택되지 아니한 영역에도 관심영역이 존재할 확률은 여전히 있으므로, 의심영역만을 대상으로 하는 검출 결과는 영상의 전체영역을 대상으로 한 검출 결과에 비하여 정확도가 감소되는 것을 감수해야만 한다.

그렇지만, 실시예에 따른 관심영역 검출 시스템(10)은 사용자의 진단의도에 따라 관심영역을 검출하는 분석 과정을 서로 다르게 적응시킴으로써, 분석 시간과 진단 정확도의 트레이드오프를 조정할 수 있다. 다시 말해서, 실시예에 따르면, 사용자가 간단하게 진단하고자 할 경우에는 상대적으로 진단 정확도는 떨어지지만 상대적으로 빠르게 분석 결과를 도출할 수 있도록 분석 과정을 조정하고, 사용자가 정밀하게 진단하고자 할 경우에는 상대적으로 진단 정확도를 높이면서 상대적으로 느리게 분석 결과를 도출할 수 있도록 분석 과정을 조정한다. 이에 따라, 사용자 만족도를 높일 수 있는 실시간 CAD를 구현할 수 있는 적응형 관심영역 검출 기술이 제공될 수 있다.

도 2는 관심영역 검출 시스템의 다른 실시예를 나타낸 블록도이다.

도 2를 참조하면, 사용자가 지정한 촬영모드를 의심영역 선별기준으로서 이용하는 관심영역 검출 시스템(20)이 예시된다. 이 관심영역 검출 시스템(20)은 촬영모드 선택부(21), 촬영모드 출력부(22), 촬영모드 수신부(23), 영상 수신부(24), 의심영역 선별부(25), 및 관심영역 검출부(27) 등의 컴포넌트를 포함할 수 있다.

여기서 촬영모드 선택부(21) 및 촬영모드 출력부(22)는 초음파 영상 촬영장비 내에 포함되어 구현되고, 나머지 컴포넌트들(23 ~ 27)은 초음파 영상 촬영장비와는 별도의 장치로서 구현된 실시예를 기술한다. 하지만, 해당 기술분야의 통상의 지식을 가진 자는 관심영역 검출 시스템(20)의 모든 컴포넌트들이 초음파 영상 촬영장비 내에서 구현되거나, 또는 초음파 영상 촬영장비가 아닌 별도의 장치 내에서 구현될 수도 있다는 것을 이해할 것이다.

도 2에서, 촬영모드 선택부(21), 촬영모드 출력부(22) 및 촬영모드 수신부(23)는, 도 1의 실시예의 선별기준 획득부(11)에 대응하는 컴포넌트들이다. 도2의 실시예는, 선별기준이 촬영모드 정보인 경우를 예시한다.

촬영모드 선택부(21)는, 선별기준의 선별 파라미터들로서 미리 정의된 촬영모드들 중 하나의 촬영모드를 사용자가 선택하도록 제공하는 컴포넌트일 수 있다. 촬영모드는 다양한 사용자의 진단의도를 나타내는 것이라면 제한 없이 사용될 수 있다. 예를 들어, 촬영모드는 사용자의 진단의도의 적극성의 정도에 따라 제1모드, 제2모드, 제3모드 또는 고밀도 모드, 중밀도 모드, 저밀도 모드 등과 같은 몇 개의 모드들로서 정의될 수 있다. 또는 촬영모드는 1에서 100 사이의 수치 값 사이에서 선택할 수 있는 비교적 연속적인 레벨로서 정의될 수 있다. 각각의 촬영모드 레벨에 대해서는 사용자 진단의도의 적극성을 나타내는 선별 파라미터가 대응될 수 있다.

예를 들어, 초음파 영상 촬영장비는 프로세서, 메모리, 디스플레이, 사용자 입력장치를 포함하는 컴퓨팅 장치를 구비할 수 있다. 이 컴퓨팅 장치의 프로세서는 미리 정의되어 저장되어 있는 다수의 촬영모드들을 디스플레이에 표시하고 사용자가 다수의 모드들 중 하나를 선택하도록 프롬프트할 수 있다. 이러한 프롬프트에 응답하여 사용자는 자신의 진단의도를 가장 잘 나타낼 수 있다고 생각하는 촬영모드를 선택할 수 있다.

사용자에 의해 지정된 촬영모드는 촬영모드 출력부(22)에 의해 출력되어 선별 파라미터로서 촬영모드 수신부(23)에 의해 수신될 수 있다. 촬영모드 출력부(22)와 촬영모드 수신부(23) 사이는 하나의 컴퓨팅 장치 내의 컴포넌트들을 상호 데이터 통신이 가능하도록 연결하는 버스 네트워크에 의해 연결될 수 있다. 다른 방식으로 촬영모드 출력부(22)와 촬영모드 수신부(23) 사이는 유선, 무선, 근거리, 광대역 등의 통신망을 통해 데이터 통신이 가능하도록 연결될 수도 있다.

촬영모드 수신부(23)는 촬영모드 출력부(22)에서 출력되는 촬영모드를 수신하는 컴포넌트이다. 한편, 영상 수신부(24)는, 촬영모드 수신부(23)에 의해 수신된 촬영모드에 따라 촬영된 영상을 수신하는 컴포넌트이다. 수신된 촬영모드와 영상은 의심영역 선별부(25)로 전달된다. 의심영역 선별부(25)는 촬영모드에 기초하고 진단정확도를 고려하여 영상의 일부를 의심영역으로 선별하는 컴포넌트이다.

촬영모드는 사용자의 진단의도에 따라 의심영역의 크기를 결정하기 위한 기준일 뿐이다. 그러므로 진단 정확도를 높이기 위해서 영상 내에서 관심영역이 존재할 가능성이 높은 영역을 발견할 필요가 있다. 관심영역이 존재할 가능성이 높은 영역을 발견하기 위하여, 의심영역 선별부(25)는 영상을 다수의 윈도우 영역으로 분할하고, 분할된 윈도우들 각각을 분석하여 관심영역이 존재하는 확률을 계산할 수 있다. 그리고 관심영역이 존재할 확률에 따라 각각의 윈도우 영역이 의심영역으로 선별될 순위를 결정할 수 있다. 그런 다음 순위에 따라 윈도우 중에서 특정 개수 또는 특정 크기의 윈도우를 의심영역으로서 선별할 수 이다. 이때 촬영모드는 의심영역으로서 선별될 윈도우의 크기 또는 윈도우의 개수를 결정하는 기준으로서 사용될 수 있다.

관심영역 검출부(27)는, 도 1의 관심영역 검출부(17)와 유사하게, 의심영역 선별부(25)에 의해 선별된 의심영역에서 관심영역을 검출하는 컴포넌트일 수 있다.

상술한 바와 같이, 도 2의 실시예에 따른 관심영역 검출 시스템(20)은 사용자의 진단의도를 나타내는 촬영모드 정보에 따라 관심영역을 검출하는 분석 과정을 서로 다르게 적응시킬 수 있으므로, 사용자 만족도를 향상시킬 수 있는 실시간 CAD 기법을 제공할 수 있다.

도 3은 관심영역 검출 시스템의 또 다른 실시예를 나타낸 블록도이다.

도 3을 참조하면, 센서에 의해 감지된 프로브 이동속도를 선별기준으로서 이용하는 관심영역 검출 시스템(30)이 예시된다. 이 관심영역 검출 시스템(30)은 모션 센서(31), 프로브 이동속도 출력부(32), 프로브 이동속도 수신부(33), 영상 수신부(34), 의심영역 선별부(35), 및 관심영역 검출부(37) 등의 컴포넌트를 포함할 수 있다.

여기서 모션 센서(31) 및 프로브 이동속도 출력부(32)는 초음파 영상 촬영장비 내에 포함되어 구현되고, 나머지 컴포넌트들(33 ~ 37)은 초음파 영상 촬영장비와는 별도의 장치로서 구현된 실시예를 기술한다. 하지만, 해당 기술분야의 통상의 지식을 가진 자는 관심영역 검출 시스템(30)의 모든 컴포넌트들이 초음파 영상 촬영장비 내에서 구현될 수 있다는 것을 이해할 것이다.

도 3에서, 모션 센서(31), 프로브 이동속도 출력부(32) 및 프로브 이동속도 수신부(33)는, 도 1의 실시예의 선별기준 획득부(11)에 대응하는 컴포넌트들이다. 도3의 실시예는, 프로브 이동속도 정보가 선별기준인 경우를 예시한다.

모션 센서(31)는 가속도 센서와 같이 속도를 감지하는 센서를 포함하고 프로브 내에 구비될 수 있다. 여기서 "프로브"는 초음파 영상 촬영장비에서 사용자가 손으로 잡고 인체의 피부 면에 접촉한 상태로 이동시키면서 초음파 영상을 촬영하는 장치를 지칭할 수 있다.

모션 센서(31)에 의해 감지되는 프로브의 이동속도는 사용자의 진단의 적극성의 정도에 따라 제1속도, 제2속도, 제3속도 또는 고속, 중속, 저속 등과 같은 몇 개의 속도 단계로서 정의될 수 있다. 또는 프로브 이동속도는 예를 들어 1에서 100 사이의 수치 값 사이에서 선택할 수 있는 비교적 연속적인 레벨로서 정의될 수 있다. 각각의 이동속도 레벨에 대해서는 사용자 진단의도의 적극성에 따라 정의된 선별기준의 선별 파라미터가 대응될 수 있다.

모션 센서(31)에 의해 감지된 프로브의 이동속도는 프로브 이동속도 출력부(32)에 의해 출력되어 선별기준으로서 프로브 이동속도 수신부(33)에 의해 수신될 수 있다. 프로브 이동속도 출력부(32)와 프로브 이동속도 수신부(33) 사이는 하나의 컴퓨팅 장치 내의 컴포넌트들을 상호 데이터 통신이 가능하도록 연결하는 버스 네트워크에 의해 연결될 수 있다. 다른 방식으로 프로브 이동속도 출력부(32)와 프로브 이동속도 수신부(33) 사이는 유선, 무선, 근거리, 광대역 등의 통신망을 통해 데이터 통신이 가능하도록 연결될 수도 있다.

프로브 이동속도 수신부(33)는 프로브 이동속도 출력부(32)에서 출력되는 프로브 이동속도를 선별 파라미터로서 수신하는 컴포넌트이다. 한편, 영상 수신부(34)는, 프로브 이동속도 수신부(33)에 의해 수신된 이동속도를 가진 프로브에 의해 촬영된 영상을 수신하는 컴포넌트이다. 수신된 이동속도와 영상은 의심영역 선별부(35)로 전달된다. 의심영역 선별부(35)는 프로브 이동속도에 기초하고 진단정확도를 고려하여 영상의 일부를 의심영역으로 선별하는 컴포넌트이다.

프로브 이동속도는 사용자의 진단의도에 따라 의심영역의 크기를 결정하기 위한 기준일 뿐이다. 그러므로 진단 정확도를 높이기 위해서 영상 내에서 관심영역이 존재할 가능성이 높은 영역을 발견할 필요가 있다. 관심영역이 존재할 가능성이 높은 영역을 발견하기 위하여, 의심영역 선별부(35)는 영상을 다수의 윈도우 영역으로 분할하고, 분할된 윈도우들 각각을 분석하여 관심영역이 존재하는 확률을 계산할 수 있다. 그리고 관심영역이 존재할 확률에 따라 각각의 윈도우 영역이 의심영역으로 선별될 순위를 결정할 수 있다. 그런 다음 순위에 따라 윈도우 중에서 특정 개수 또는 특정 크기의 윈도우를 의심영역으로서 선별할 수 이다. 이때 프로브 이동속도는 의심영역으로서 선별될 윈도우의 크기 또는 윈도우의 개수를 결정하는 기준으로서 사용될 수 있다.

관심영역 검출부(37)는, 도 1의 관심영역 검출부(17)와 유사하게, 의심영역 선별부(35)에 의해 선별된 의심영역에서 관심영역을 검출하는 컴포넌트일 수 있다.

상술한 바와 같이, 도 3의 실시예에 따른 관심영역 검출 시스템(30)은 사용자의 진단의도를 나타내는 영상 촬영 프로브의 이동속도 정보에 따라 관심영역을 검출하는 분석 과정을 서로 다르게 적응시킬 수 있으므로, 사용자 만족도를 향상시킬 수 있는 실시간 CAD 기법을 제공할 수 있다.

도 4는 도 1 내지 도 3의 의심영역 선별부의 일 실시예를 나타낸 블록도이다.

도 4를 참조하면, 프로브 이동속도 또는 촬영모드를 의심영역으로 선별될 윈도우 개수를 결정하는 기준으로서 이용하는 의심영역 선별부(45)가 예시된다. 의심영역 선별부(45)는 영상 분할부(451), 순위 계산부(453), 윈도우 선별부(455), 및 개수 결정부(457) 등을 컴포넌트로서 포함할 수 있다.

영상 분할부(451)는 영상을 각각 미리 설정된 크기를 가지는 복수의 윈도우, 즉 N개의 윈도우 영역으로 분할하는 컴포넌트이다. 윈도우는 영상의 일부 영역을 말하며, 두 개의 윈도우는 서로 중복된 영역을 가질 수 있다. 또한 각각의 윈도우의 크기는 같을 수 있다. 이러한 윈도우 분할 방식은 슬라이딩 윈도우 기법과 같은 많은 영상 분석 기법에서 잘 알려져 있다.

순위 계산부(453)는 N개의 윈도우의 순위를 계산하는 컴포넌트이다. 각각의 윈도우는 1 순위부터 N 순위까지 각각 순위가 매겨진다. 이러한 윈도우의 순위는 각각의 윈도우 내에서 관심영역이 검출되는 확률을 나타내는 값이라면 제한 없이 이용될 수 있다.

이러한 윈도우의 순위를 계산하는 기법은 잘 알려져 있으며, 예를 들어, 미리 계산된 필터(filter)와 윈도우 영역에 포함된 특성 벡터들 간의 내적 합으로 결정될 수 있다. 여기서 필터는 다수의 트레이닝 데이터에 대해 SVM(Support Vector Machine), ANN(Artificial Neural Network) 등의 학습 알고리즘을 적용하여 쉽게 계산될 수 있다.

개수 결정부(457)는, 프로브 이동속도 또는 촬영모드와 같은 선별기준에 따라, 의심영역으로 선별될 윈도우의 개수(예컨대, K개)를 결정하는 컴포넌트이다. 상대적으로 적극적인 사용자 진단의도를 나타내는 선별 파라미터를 획득한 경우, 의심영역으로서 선별될 윈도우의 수가 상대적으로 많도록 결정될 수 있다. 반면에 상대적으로 소극적인 사용자 진단의도를 나타내는 선별 파라미터를 획득한 경우, 의심영역으로서 선별될 윈도우의 수가 상대적으로 적도록 결정될 수 있다.

윈도우 선별부(455)는 순위 계산부(453)에 의해 정해지는 윈도우 순위에 기초하여, N개의 윈도우 중에서 개수 결정부(457)에 의해 결정된 K개의 윈도우를 의심영역으로서 선별하는 컴포넌트이다.

상술한 바와 같이, 실시예에 따르면, 영상 중에서 사용자 진단의도에 따라 윈도우의 개수를 조절함으로써 의심영역의 크기를 넓게 또는 좁게 조정할 수 있고, 이에 따라 관심영역 검출에 소요되는 분석 시간을 길게 또는 짧게 조정할 수 있다.

도 5는 도 4의 선별개수 결정부에서 프로브 이동속도 및 프로브 이동속도에 따라 의심영역으로 선별될 윈도우의 개수 사이의 관계를 예시하는 그래프이다.

도 5를 참조하면, 이동속도 및 이 이동속도에 기초하여 결정되는 윈도우 개수와의 관계를 보여준다. 의심영역으로 선별되는 윈도우의 개수(n1, n2, n3)는 이동속도의 크기(v1, v2, v3)에 따라 감소되는 반비례 관계(50)일 수 있다. 3개의 포인트(51, 52, 53)에서, 이동속도가 각각 v, v2, v3일 때, 윈도우 개수는 n3, n2, n1으로 점점 작아지고 있음을 볼 수 있다. 윈도우의 개수가 작으면 작을수록 의심영역의 크기도 작아질 것이다. 다시 말해서, 사용자가 프로브를 상대적으로 빠르게 이동(v3의 경우)시키면서 영상을 촬영한 경우, 사용자의 진단의도는 간단하게 확인하는 소극적인 진단의도이며 이에 적응하여 분석을 위한 의심영역도 작은 크기의 영역(n1의 경우)으로 선별될 수 있다. 다른 한편, 사용자가 프로브를 상대적으로 느리게 이동(v1의 경우)시키면서 영상을 촬영한 경우, 사용자의 진단의도는 정밀하게 관심영역을 찾고자 하는 적극적인 진단의도이며 이에 적응하여 분석을 위한 의심영역도 큰 크기의 영역(n3의 경우)으로 선별될 수 있다. 도시된 그래프에서는 반비례 관계(50)가 비록 단조 감소하는 직선의 형태로 나타나지만, 이것은 예시에 불과하며, 이차 곡선 또는 계단 형태 등의 다양한 반비례 관계가 가능하다는 것이 이해될 것이다.

도 6은 도 1 내지 도 3의 의심영역 선별부의 다른 실시예를 나타낸 블록도이다.

도 6을 참조하면, 프로브 이동속도 또는 촬영모드를 의심영역으로 선별될 윈도우의 크기를 결정하는 선별기준으로서 이용하는 의심영역 선별부(65)가 예시된다. 의심영역 선별부(65)는 영상 분할부(651), 순위 계산부(653), 윈도우 선별부(655), 및 크기 결정부(657) 등을 컴포넌트로서 포함할 수 있다.

크기 결정부(657)는, 프로브 이동속도 또는 촬영모드와 같은 선별기준에 따라, 의심영역으로 선별될 윈도우의 크기(예컨대, A 넓이)를 결정하는 컴포넌트이다. 크기 결정부(657)에서, 상대적으로 적극적인 사용자 진단의도를 나타내는 선별기준의 경우, 의심영역으로서 선별될 윈도우의 크기가 상대적으로 크도록 결정될 수 있다. 반면에 상대적으로 소극적인 사용자 진단의도를 나타내는 선별기준의 경우, 의심영역으로서 선별될 윈도우의 크기가 상대적으로 작도록 결정될 수 있다.

영상 분할부(651)는, 도 4의 영상 분할부(451)와 유사하게 영상을 분할하지만, 다만 미리 고정된 크기의 윈도우가 아니라 크기 결정부(657)에 의해 결정된 크기를 가진 윈도우로 분할한다는 점에서 상이한 컴포넌트이다. 즉 영상 분할부(651)는 영상을 넓이가 A인 복수의 윈도우, 즉 N개의 윈도우 영역으로 분할할 수 있다.

순위 계산부(653)는, 도 4의 순위 계산부(653)와 유사하게, 영상 분할부(651)에 의해 분할된 N개의 윈도우의 순위를 계산하는 컴포넌트이다. 윈도우 선별부(655)는 순위 계산부(653)에 의해 정해지는 윈도우 순위에 기초하여, 미리 설정되어 있는 개수의 윈도우를 의심영역으로서 선별하는 컴포넌트이다. 예컨대, 최상위 윈도우 1개가 의심영역으로서 선별될 수 있다.

상술한 바와 같이, 실시예에 따르면, 영상 중에서 사용자 진단의도에 따라 윈도우의 크기를 조절함으로써 의심영역의 크기를 넓게 또는 좁게 조정할 수 있고, 이에 따라 관심영역 검출에 소요되는 분석 시간을 길게 또는 짧게 조정할 수 있다.

도 7은 도 6의 크기 결정부에서 프로브 이동속도 및 프로브 이동속도에 따라 결정될 윈도우의 크기 사이의 관계를 예시하는 그래프이다.

도 7을 참조하면, 이동속도 및 이 이동속도에 기초하여 결정되는 윈도우 크기와의 관계를 보여준다. 의심영역으로 선별되는 윈도우의 크기(a1, a2, a3)는 이동속도의 크기(v1, v2, v3)에 따라 감소되는 반비례 관계(70)일 수 있다. 3개의 포인트(71, 72, 73)에서, 이동속도가 각각 v, v2, v3일 때, 윈도우 개수는 n3, n2, n1으로 점점 작아지고 있음을 볼 수 있다. 윈도우의 개수가 작으면 작을수록 의심영역의 크기도 작아질 것이다. 다시 말해서, 사용자가 프로브를 상대적으로 빠르게 이동(v3의 경우)시키면서 영상을 촬영한 경우, 사용자의 진단의도는 간단하게 확인하는 소극적인 진단의도이며 이에 적응하여 분석을 위한 의심영역도 작은 크기의 영역(a1의 경우)으로 선별될 수 있다. 다른 한편, 사용자가 프로브를 상대적으로 느리게 이동(v1의 경우)시키면서 영상을 촬영한 경우, 사용자의 진단의도는 정밀하게 관심영역을 찾고자 하는 적극적인 진단의도이며 이에 적응하여 분석을 위한 의심영역도 큰 크기의 영역(a3의 경우)으로 선별될 수 있다. 도시된 그래프에서는 반비례 관계(70)가 비록 일차로 감소하는 직선의 형태로 나타나지만, 이것은 예시에 불과하며, 이차 곡선 또는 계단 형태 등의 다양한 반비례 관계가 가능하다는 것이 이해될 것이다.

도 8은 관심영역 검출 시스템의 또 다른 실시예를 나타낸 블록도이다.

도 8을 참조하면, 도 3 내지 도 7을 참조하여 기술된 실시예들의 특징들을 조합한 형태의 관심영역 검출 시스템(80)이 예시된다. 도시된 관심영역 검출 시스템(80)은, 프로브 이동속도를 선별기준으로서 획득하고, 분할될 윈도우의 크기 및 의심영역으로 선별될 윈도우 개수 둘 모두를 선별기준에 기초하여 결정할 수 있다. 그리고, 의심영역을 선별한 이후, 관심영역 검출 시스템(80)은 슬라이딩 윈도우 기법을 이용하여 의심영역으로부터 관심영역을 검출할 수 있다.

이를 위해 관심영역 검출 시스템(80)은 영상 수신부(81), 프로브 이동속도 획득부(82), 크기 결정부(83), 개수 결정부(84), 영상 분할부(85), 순위 계산부(86), 윈도우 선별부(87), 특성 피라미드 생성부(88), 슬라이딩 윈도우 매칭부(89) 등의 컴포넌트를 포함할 수 있다.

영상 수신부(81)에서 수신된 영상으로부터 의심영역을 선별하기 위하여 영상의 전체 영역은 영상 분할부(85)에 의해 각각 크기 A를 가지는 N개의 윈도우로 분할될 수 있다. 이때, 윈도우의 크기 A는, 프로브 이동속도 획득부(82)에 의해 획득된 영상 촬영 프로브의 이동속도에 따라, 크기 결정부(83)에서 결정될 수 있다. 순위 계산부(86)에 의해 N개의 윈도우 각각에 대해, 관심영역이 존재할 가능성에 비례하여 순위가 계산될 수 있다. 그런 다음 윈도우 선별부(87)에 의하여 N개의 윈도우 중 상위 K개의 윈도우가 선별될 수 있다. 이때, 윈도우의 개수 K는, 1 이상의 정수이며, 프로브 이동속도 획득부(82)에 의해 획득된 영상 촬영 프로브의 이동속도에 따라, 개수 결정부(84)에서 결정될 수 있다.

윈도우 선별부(87)에 의해 선별된 K개의 윈도우로 이루어진 의심영역이 결정되면, 이후 의심영역 내에서 관심영역이 검출될 수 있다. 특성 피라미드 생성부(88) 및 슬라이딩 윈도우 매칭부(89)는 슬라이딩 윈도우 기법을 수행함으로써 의심영역 내에서 관심영역을 검출하는 컴포넌트들이다. 특성 피라미드 생성부(88)는 의심영역으로부터 특성 피라미드(feature pyramid)를 생성한다. 특성 피라미드는 여러 크기의 객체를 검출하기 위하여 작은 것부터 큰 것까지 다양한 크기의 특성 지도(feature map)를 포함한다. 특성 지도는 일반적으로 레벨이 높고 크기가 작을수록 더 큰 객체를 검출하기 위하여 사용된다. 특성 지도를 구성하는 셀(cell)에는 해당 지점에 대응하는 이미지 상의 영역을 특징짓는 특성 벡터(feature vector)가 지정될 수 있다. 일 예에 따라, 특성 벡터로서 HOG(Histograms of Oriented Gradients)가 사용될 수 있다. 그런 다음, 특성 피라미드 상의 모든 좌표에 대해 해당 좌표를 좌측 위 끝점으로 하는 윈도우에 대해, 관심영역이 포함될 가능성에 비례하여 점수가 매겨질 수 있다. 슬라이딩 윈도우 매칭부(89)에서는 의심영역 내의 모든 윈도우들과 미리 정의되어 있는 관심영역 모델 윈도우와 매칭시킴으로써 관심영역을 검출할 수 있다.

도 9는 관심영역 검출 시스템의 또 다른 실시예를 나타낸 블록도이다.

도 9를 참조하면, 이전영상을 의심영역 선별기준으로서 이용하는 관심영역 검출 시스템(90)이 예시된다. 이 관심영역 검출 시스템(90)은 이전영상 획득부(93), 현재영상 수신부(91), 의심영역 선별부(95), 및 관심영역 검출부(97), 영상 저장부(99) 등의 컴포넌트를 포함할 수 있다.

이전영상 획득부(93)는 현재 처리되고 있는 영상의 바로 직전에 처리되었던 영상을 선별기준으로서 획득하는 컴포넌트이며, 영상 저장부(99)로부터 이전영상이 획득될 수 있다. 한편, 현재영상 수신부(91)는, 현재 처리될 영상(이전영상과 대비되도록 "현재영상"이라 칭한다)을 수신하는 컴포넌트이다. 이전영상과 현재영상은 의심영역 선별부(95)로 전달된다. 현재영상은 영상 저장부(99)에도 전송되어 저장될 수 있다.

의심영역 선별부(95)는 이전영상과 현재영상의 유사도에 기초하고 진단정확도를 고려하여 현재영상의 일부를 의심영역으로 선별하는 컴포넌트이다. 의심영역 선별부(95)는 아래에서 도 10을 참조하여 더 상세히 기술된다.

관심영역 검출부(97)는, 도 1의 관심영역 검출부(17)와 유사하게, 의심영역 선별부(95)에 의해 선별된 의심영역 내에서 관심영역을 검출하는 컴포넌트이다.

관심영역 검출 시스템(90)은 사용자의 진단의도를 이전영상과 현재영상의 유사하지 않은 정도(즉, 비유사도)에 대응시킬 수 있다. 예컨대, 이전영상과 현재영상의 비유사도가 크면 사용자가 영상 촬영 프로브를 빠르게 이동시키면서 훑어보는 것이므로 사용자의 진단의도가 소극적이라고 결정할 수 있다. 반면에 이전영상과 현재영상의 비유사도가 작으면 사용자가 영상 촬영 프로브를 천천히 이동시키면서 촬영 지점을 집중적으로 관찰하고 있는 것이므로 사용자의 진단의도가 적극적이라고 결정할 수 있다. 이와 같이 관심영역 검출 시스템(90)은 서로 시간적으로 인접하여 촬영된 영상들 사이의 유사한 정도에 의해 사용자의 진단의도를 자동으로 파악하고, 이에 따라 관심영역을 검출하는 분석 과정을 서로 다르게 적응시킬 수 있다.

도 10은 도 9의 의심영역 선별부의 일 실시예를 나타낸 블록도이다.

도 10을 참조하면, 이전영상과 현재영상을 비교하여 의심영역으로 선별될 윈도우의 순위를 결정하는 기준으로서 이용하는 의심영역 선별부(105)가 예시된다. 의심영역 선별부(105)는 영상 분할부(1051), 영상 비교부(1057), 순위 계산부(1053), 윈도우 선별부(1055) 등을 컴포넌트로서 포함할 수 있다.

영상 분할부(1051)는, 도 4의 영상 분할부(451)와 유사하게 영상을 미리 설정된 크기의 윈도우 N개로 분할할 수 있다.

영상 비교부(1057)에서, 현재영상과 이전영상이 서로 비교되어, 현재영상의 N개의 윈도우 각각에 포함되어 있는 이전영상과 서로 동일하지 않은 영역의 크기(예컨대, 동일하지 않은 픽셀의 수)가 계산될 수 있다. 계산된 크기는 이전영상과 현재영상이 서로 유사하지 않은 정도 즉 "비유사도"라고 지칭될 수 있다.

순위 계산부(1053)는, 도 4의 순위 계산부(653)와 유사하게, 영상 분할부(1051)에 의해 분할된 N개의 윈도우의 순위를 계산하는 컴포넌트이지만, 순위를 결정할 때, 관심영역이 존재할 가능성뿐만 아니라 현재영상과 이전영상을 비교한 결과를 함께 고려할 수 있다는 점에서 상이하다.

예를 들어, 순위 계산부(1053)는, N개의 윈도우 중에서 영상 비교부(1057)에 의해 계산된 비유사도가 0(zero) 또는 미리 설정된 값(예컨대, 총 윈도우 영역의 1%) 이하인 경우에 해당하는 윈도우에 대해서 모두 동일하게 최하위로 계산할 수 있다. 그런 다음, 오직 비유사도가 0 또는 미리 설정된 값을 초과하는 윈도우에 대해서만, 관심영역이 존재하는 가능성에 비례하여 순위를 계산할 수 있다.

윈도우 선별부(1055)는 순위 계산부(1053)에 의해 정해지는 윈도우 순위에 기초하여, 미리 설정되어 있는 개수의 윈도우를 의심영역으로서 선별하는 컴포넌트이다. 예컨대, 최상위 윈도우 또는 상위 K개의 윈도우가 의심영역으로서 선별될 수 있다.

이러한 실시예에 따르면, 이전영상과의 비유사도가 0 또는 미리 설정된 값 이하인 윈도우는 의심영역으로서 선별되지 않는다. 이것은 이전영상과 동일한 현재영상의 영역에 대해서는 관심영역 검출 과정을 생략할 수 있게 허용한다.

다시 말해서, 이 실시예에 따르면, 한편으로, 이전영상과 동일하지 않은 영역을 가지는 윈도우 중에서 일정한 수의 윈도우를 의심영역으로 선별하고, 의심영역에 대해 관심영역을 검출할 수 있다. 다른 한편으로, 이전영상과 동일한 영역을 가지는 윈도우에 대해서는, 의심영역으로 선출하지 않으며 따라서 관심영역을 검출하는 과정이 진행되지 않지만, 후속 프로세스에서 검출결과를 분할 및 진단할 때 이전영상에 대한 검출 결과를 재사용하여 분할 및 진단할 수 있다.

이에 따라, 한편으로 이전영상과 비유사도가 상대적으로 낮은 영상(즉, 촬영 지점을 집중적으로 관찰하려는 사용자의 적극적인 진단의도를 가진 영상)에 대해서는 동일한 분석 시간을 소요하면서도 상대적으로 높은 진단정확도를 가지는 진단결과를 산출할 수 있게 한다. 다른 한편으로, 이전영상과 비유사도가 상대적으로 높은 영상(즉, 촬영 지점을 단지 훑어보려는 사용자의 소극적인 진단의도를 가진 영상)에 대해서는 동일한 분석 시간을 소요하면서도 상대적으로 낮은 진단정확도를 가지는 진단결과를 산출할 수 있게 한다. 이와 같이, 사용자 진단의도에 따라 적응된 실시간 CAD 기법이 구현될 수 있다.

도 11은 관심영역 검출 시스템의 또 다른 실시예를 나타낸 블록도이다.

도 11을 참조하면, 도 8의 실시예와 도 9의 실시예의 특징들을 조합한 형태의 관심영역 검출 시스템(110)이 예시된다. 도시된 관심영역 검출 시스템(110)은, 프로브 이동속도와 이전영상을 선별기준으로서 획득하고, 분할될 윈도우의 크기 및 의심영역으로 선별될 윈도우 개수 둘 모두를 프로브 이동속도에 기초하여 결정하고, 윈도우 순위를 현재영상과 이전영상의 비교 결과에 기초하여 결정할 수 있다. 의심영역을 선별한 이후, 관심영역 검출 시스템(100)은 슬라이딩 윈도우 기법을 이용하여 의심영역으로부터 관심영역을 검출할 수 있다. 이후 실시간 CAD를 위한 후속 프로세스인 관심영역 분할, 관심영역 진단 과정에서, 의심영역에 대한 관심영역 검출결과뿐만 아니라 현재영상과 이전영상이 동일 또는 유사한 영역에 대해 이전영상에 대한 이전 관심영역 검출 프로세스의 결과도 재사용할 수 있다.

이를 위해 관심영역 검출 시스템(110)은 이전영상 획득부(111), 현재영상 수신부(112), 프로브 이동속도 수신부(113), 의심영역 선별부(115), 관심영역 검출부(117) 등의 컴포넌트를 포함할 수 있다.

이전영상 획득부(111)는, 도 9에서 기술된 이전영상 획득부(93)와 유사하게, 현재영상 이전에 분석 처리된 후 저장되어 있는 이전영상을 획득할 수 있다.

현재영상 수신부(112)는 현재 촬영되어 관심영역을 검출하는 프로세스를 포함하는 CAD 처리를 위해 수신되는 영상을 현재영상으로서 수신한다. 현재영상 수신부(112)는, 도 9에서 기술된 현재영상 수신부(91)와 유사하다.

프로브 이동속도 수신부(113)는, 도 8의 프로브 이동속도 획득부(82)와 유사하게, 현재 영상을 촬영하고 있는 프로브의 이동속도를 수신할 수 있다.

의심영역 선별부(115)는, 현재 영상을 크기 A의 윈도우 N개로 분할하고, 각각의 윈도우의 순위를 계산하며, 순위에 기초하여 N개의 윈도우 중 K개의 윈도우를 선택하여 의심영역으로서 선별할 수 있다.

이때, 분할되는 윈도우의 크기 A는, 프로브 이동속도 수신부(113)에 의해 획득된 영상 촬영 프로브의 이동속도에 따라 결정될 수 있다. 윈도우의 순위는, 이전영상과의 비유사도에 따라 최하위가 결정된 후, 최하위가 아닌 윈도우들에 대해 관심영역이 존재할 가능성에 비례하여 순위가 계산될 수 있다. 그런 다음 N개의 윈도우 중 상위 K개의 윈도우가 선별될 수 있다. 이때, 윈도우의 개수 K는, 1 이상의 정수이며, 프로브 이동속도 수신부(113)에 의해 획득된 영상 촬영 프로브의 이동속도에 따라 결정될 수 있다.

이와 같이 의심영역 선별부(115)에 의해 의심영역이 결정되면, 예컨대 슬라이딩 윈도우 기법을 이용하여, 의심영역 내에서 관심영역이 검출될 수 있다.

이하 도 12 내지 도 19를 참조하여, 관심영역 검출 방법의 실시예들이 기술된다. 여기서 기술되는 관심영역 검출 방법들은 단지 예시에 불과하다. 해당 기술분야의 통상의 지식을 가진 자는, 청구항들의 범위 내에서 다양한 조합의 다른 방법들이 가능하다는 것을 쉽게 이해할 것이다. 관심영역 검출 방법의 전부 또는 일부는, 컴퓨팅 장치의 프로세서에 의해 수행되면 특정 태스크를 실행할 수 있도록 하는 컴퓨터-실행가능 인스트럭션, 모듈, 소프트웨어, 데이터, 알고리즘, 프로시저 등으로 코딩될 수 있다. 컴퓨터-실행가능 인스트럭션 등은 소프트웨어 개발자에 의해 예를 들어 베이직, 포트란, C, C++ 등과 같은 프로그래밍 언어에 의해 코딩된 후, 기계언어로 컴파일될 수 있다.

도 12는 관심영역 검출 방법의 일 실시예를 보여주는 흐름도이다.

도 12를 참조하면, 초음파 영상으로부터 관심영역을 검출, 분할, 진단하는 컴퓨터 보조 진단 프로세스의 일부, 즉 관심영역을 검출하는 프로세스일 수 있는 관심영역 검출 방법(120)이 예시된다.

관심영역 검출 방법(120)은 선별기준 및 영상을 수신하면서 시작될 수 있다(121). 여기서, 영상은 초음파 영상으로서 인체의 특정 부위를 진단하기 위한 의료영상일 수 있다. 선별기준은 사용자의 진단의도를 나타내는 정보라면 제한 없이 이용될 수 있다. 실시예에 따라, 사용자가 지정한 촬영모드, 센서에 의해 감지된 영상 촬영 프로브의 이동속도, 또는 이전영상이 선별기준으로서 포함될 수 있다.

그 다음에, 선별기준에 기초하여 영상의 일부를 의심영역으로서 선별하는 단계(123)가 진행될 수 있다. 여기서, 영상은 복수의 윈도우로 분할될 수 있다. 윈도우는 영상의 일부 영역을 포함하는 영상 부분이며, 서로 다른 윈도우들은 서로 중복되는 영역을 포함할 수 있다. 그런 다음 윈도우 각각에 대해 관심영역이 존재할 가능성을 나타내는 특성 값이 계산될 수 있다. 예를 들어, HOG와 같은 특성 벡터, 또는 Saliency Map이 이용될 수 있다. 순위가 결정되면, 순위에 기초하여 하나 이상의 윈도우가 선택되고, 선택된 윈도우로 이루어진 의심영역이 선별될 수 있다.

그런 다음 의심영역 내에서, 예컨대 슬라이딩 윈도우 기법을 이용하여 관심영역이 검출되는 단계(125)가 진행될 수 있다.

검출 단계(125)가 완료되면, 관심영역 검출 방법(120)이 종료되는지가 체크(127)되고, 종료가 아닌 경우, 다음 영상 및 다음 선별기준을 수신하는 단계(121)로 되돌아갈 수 있다.

이와 같이, 실시예의 경우, 영상의 전체영역에 비하여 작은 크기의 의심영역을 대상으로 관심영역을 검출하기 때문에 분석 처리 시간이 감소될 수 있다. 또한 의심영역의 크기는 영상을 촬영한 목적 즉 사용자의 진단의도에 따라 조정된다. 이에 따라, 사용자 만족도를 높일 수 있는 실시간 CAD를 구현할 수 있는 진단의도 적응형 관심영역 검출 프로세스가 제공될 수 있다.

도 13은 관심영역 검출 방법의 다른 실시예를 보여주는 흐름도이다.

도 13을 참조하면, 영상으로부터 의심영역을 선별하는 기준으로서 사용자에 의해 지정되는 촬영모드를 수신하는 관심영역 검출 방법(130)이 예시된다.

관심영역 검출 방법(130)은 촬영모드 및 영상을 수신하면서 시작될 수 있다(131). 여기서, 영상은 초음파 영상으로서 인체의 특정 부위를 진단하기 위한 의료영상일 수 있다. 촬영모드는 사용자가 지정한 것으로서, 사용자의 진단의도를 나타내는 것으로 미리 설정된 정보일 수 있다.

그 다음에, 촬영모드에 기초하여 영상의 일부를 의심영역으로서 선별하기 위해, 영상을 윈도우들로 분할하고, 윈도우들의 순위를 계산한 다음, 윈도우들 중 일부를 의심영역으로 선별하는 프로세스(132 ~135)가 진행될 수 있다.

먼저 수신된 촬영모드에 기초하여 의심영역으로서 선별될 윈도우의 개수 K를 결정할 수 있다(132). 윈도우 개수의 결정은, 촬영모드에 따라 선별될 윈도우의 개수가 미리 정해져 있는 방식으로 진행될 수 있다. 예컨대, 저밀도 촬영모드에 대해서는 사용자의 소극적인 진단의도에 대응하여 N개의 윈도우 중 10%에 해당하는 개수를 K로 정할 수 있다. 한편, 고밀도 촬영모드에 대해서는 사용자의 적극적인 진단의도에 대응하여 N개의 윈도우 중 60%에 해당하는 개수를 K로 정할 수 있다.

선별할 윈도우 개수의 결정 단계(132)와 동시에 또는 그 전후에 영상은 미리 설정된 고정 크기의 윈도우 N개로 분할될 수 있다(133). 그리고, 생성된 윈도우 각각에 대해 관심영역이 존재할 가능성을 나타내는 특성 값이 계산되고, 관심영역이 존재할 가능성에 비례하여 순위가 계산될 수 있다(134).

순위가 결정되면, 순위에 기초하여 상위의 윈도우부터 단계(132)에서 결정된 K개의 윈도우가 선택되고, 선택된 윈도우로 이루어진 의심영역이 선별될 수 있다(135).

그런 다음 의심영역 내에서, 예컨대 슬라이딩 윈도우 기법을 이용하여 관심영역이 검출되는 단계(136)가 진행될 수 있다.

검출 단계(136)가 완료되면, 관심영역 검출 방법(130)이 종료되는지가 체크(137)되고, 종료가 아닌 경우, 다음 영상 및 다음 촬영모드를 수신하는 단계(131)로 되돌아갈 수 있다.

도 14는 관심영역 검출 방법의 또 다른 실시예를 보여주는 흐름도이다.

도 14를 참조하면, 영상으로부터 의심영역을 선별하는 기준으로서 사용자에 의해 지정되는 촬영모드를 수신하는 관심영역 검출 방법(140)이 예시된다.

관심영역 검출 방법(140)은 촬영모드 및 영상을 수신하면서 시작될 수 있다(141). 여기서, 영상은 초음파 영상으로서 인체의 특정 부위를 진단하기 위한 의료영상일 수 있다. 촬영모드는 사용자가 지정한 것으로서, 사용자의 진단의도를 나타내는 것으로 미리 설정된 정보일 수 있다.

먼저 촬영모드에 기초하여 분할될 윈도우의 크기 A를 결정할 수 있다(142). 윈도우 크기의 결정은, 촬영모드에 따라 분할될 윈도우의 크기가 미리 정해져 있는 방식으로 진행될 수 있다. 예컨대, 저밀도 촬영모드에 대해서는 사용자의 소극적인 진단의도에 대응하여 영상의 전체 영역 중 20%에 해당하는 크기를 A로 정할 수 있다. 한편, 고밀도 촬영모드에 대해서는 사용자의 적극적인 진단의도에 대응하여 영상의 전체 영역 중 70%에 해당하는 크기를 A로 정할 수 있다.

그 다음에 영상은 결정된 A 크기의 윈도우 N개로 분할될 수 있다(143). 그리고, 생성된 윈도우 각각에 대해 관심영역이 존재할 가능성을 나타내는 특성 값이 계산되고, 관심영역이 존재할 가능성에 비례하여 순위가 계산될 수 있다(144).

순위가 결정되면, 최상위 윈도우 하나가 선택됨으로써, 의심영역이 선별될 수 있다(145).

그런 다음 의심영역 내에서, 예컨대 슬라이딩 윈도우 기법을 이용하여 관심영역이 검출되는 단계(146)가 진행될 수 있다.

검출 단계(146)가 완료되면, 관심영역 검출 방법(140)이 종료되는지가 체크(147)되고, 종료가 아닌 경우, 다음 영상 및 다음 촬영모드를 수신하는 단계(141)로 되돌아갈 수 있다.

도 15는 관심영역 검출 방법의 다른 실시예를 보여주는 흐름도이다.

도 15를 참조하면, 영상으로부터 의심영역을 선별하는 기준으로서 센서에 의해 자동 감지된 프로브 이동속도를 수신하는 관심영역 검출 방법(150)이 예시된다.

관심영역 검출 방법(150)은 프로브 이동속도 및 영상을 수신하면서 시작될 수 있다(151). 여기서, 영상은 초음파 영상으로서 인체의 특정 부위를 진단하기 위한 의료영상일 수 있다. 프로브 이동속도는, 수신된 영상을 촬영하기 위한 초음파 영상 촬영장비 중 사용자가 손으로 이동시키는 영상 촬영 프로브일 수 있다. 프로브의 이동속도는 사용자에 의해 수동으로 결정되기 때문에, 사용자의 진단의도를 나타낼 수 있다. 프로브의 이동속도는 프로브 내에 설치된 가속도 센서 등의 모션 센서에 의하여 자동으로 감지될 수 있다.

그 다음에, 프로브 이동속도에 기초하여 영상의 일부를 의심영역으로서 선별하기 위해, 영상을 윈도우들로 분할하고, 윈도우들의 순위를 계산한 다음, 윈도우들 중 일부를 의심영역으로 선별하는 프로세스(152 ~156)가 진행될 수 있다.

먼저 수신된 이동속도에 기초하여 의심영역으로서 선별될 윈도우의 개수 K를 결정할 수 있다(152). 윈도우 개수의 결정은, 이동속도에 따라 선별될 윈도우의 개수가 미리 정해져 있는 방식으로 진행될 수 있다. 예컨대, 상대적으로 고속의 이동속도에 대해서는 사용자의 소극적인 진단의도에 대응하여 N개의 윈도우 중 15%에 해당하는 개수를 K로 정할 수 있다. 한편, 상대적으로 저속의 이동속도에 대해서는 사용자의 적극적인 진단의도에 대응하여 N개의 윈도우 중 75%에 해당하는 개수를 K로 정할 수 있다.

선별할 윈도우 개수의 결정 단계(152)와 동시에 또는 그 전후에 영상은 미리 설정된 고정 크기의 윈도우 N개로 분할될 수 있다(153). 그리고, 생성된 윈도우 각각에 대해 관심영역이 존재할 가능성을 나타내는 특성 값이 계산되고, 관심영역이 존재할 가능성에 비례하여 순위가 계산될 수 있다(154).

순위가 결정되면, 순위에 기초하여 상위의 윈도우부터 단계(152)에서 결정된 K개의 윈도우가 선택되고, 선택된 윈도우로 이루어진 의심영역이 선별될 수 있다(155).

그런 다음 의심영역 내에서, 예컨대 슬라이딩 윈도우 기법을 이용하여 관심영역이 검출되는 단계(156)가 진행될 수 있다.

검출 단계(156)가 완료되면, 관심영역 검출 방법(150)이 종료되는지가 체크(157)되고, 종료가 아닌 경우, 다음 영상 및 다음 프로브 이동속도를 수신하는 단계(151)로 되돌아갈 수 있다.

도 16은 관심영역 검출 방법의 또 다른 실시예를 보여주는 흐름도이다.

도 16을 참조하면, 영상으로부터 의심영역을 선별하는 기준으로서 센서에 의해 자동 감지된 프로브 이동속도를 수신하는 관심영역 검출 방법(160)이 예시된다.

관심영역 검출 방법(160)은 촬영모드 및 영상을 수신하면서 시작될 수 있다(161). 여기서, 영상은 초음파 영상으로서 인체의 특정 부위를 진단하기 위한 의료영상일 수 있다. 프로브 이동속도는, 수신된 영상을 촬영하기 위한 초음파 영상 촬영장비 중 사용자가 손으로 이동시키는 영상 촬영 프로브일 수 있다. 프로브의 이동속도는 사용자에 의해 수동으로 결정되기 때문에, 사용자의 진단의도를 나타낼 수 있다. 프로브의 이동속도는 프로브 내에 설치된 가속도 센서 등의 모션 센서에 의하여 자동으로 감지될 수 있다.

먼저 이동속도에 기초하여 분할될 윈도우의 크기 A를 결정할 수 있다(162). 윈도우 크기의 결정은, 이동속도에 따라 분할될 윈도우의 크기가 미리 정해져 있는 방식으로 진행될 수 있다. 예컨대, 고속 이동속도에 대해서는 사용자의 소극적인 진단의도에 대응하여 영상의 전체 영역 중 10%에 해당하는 크기를 A로 정할 수 있다. 한편, 저속 이동속도에 대해서는 사용자의 적극적인 진단의도에 대응하여 영상의 전체 영역 중 80%에 해당하는 크기를 A로 정할 수 있다.

그 다음에 영상은 결정된 A 크기의 윈도우 N개로 분할될 수 있다(163). 그리고, 생성된 윈도우 각각에 대해 관심영역이 존재할 가능성을 나타내는 특성 값이 계산되고, 관심영역이 존재할 가능성에 비례하여 순위가 계산될 수 있다(164).

순위가 결정되면, 최상위 윈도우 하나가 선택됨으로써, 의심영역이 선별될 수 있다(165).

그런 다음 의심영역 내에서, 예컨대 슬라이딩 윈도우 기법을 이용하여 관심영역이 검출되는 단계(166)가 진행될 수 있다.

검출 단계(166)가 완료되면, 관심영역 검출 방법(160)이 종료되는지가 체크(167)되고, 종료가 아닌 경우, 다음 영상 및 다음 프로브 이동속도를 수신하는 단계(161)로 되돌아갈 수 있다.

도 17은 관심영역 검출 방법의 또 다른 실시예를 보여주는 흐름도이다.

도 17을 참조하면, 영상으로부터 의심영역을 선별하는 기준으로서 이전에 처리된 영상, 즉 이전영상을 획득하는 관심영역 검출 방법(150)이 예시된다. 이 예에서, 이전영상과 구별되기 위하여 현재 처리되는 영상은 현재영상이라고 지칭된다.

관심영역 검출 방법(170)은 이전영상을 획득하고 및 현재영상을 수신하면서 시작될 수 있다(171). 여기서, 이전영상 및 현재영상은 둘 모두 초음파 영상으로서 인체의 특정 부위를 진단하기 위한 의료영상일 수 있다. 이전영상과 현재영상의 동일한 정도 또는 동일하지 않은 정도는, 사용자가 특정 지점을 집중적으로 관찰하고 있는지 아닌지를 보여줄 수 있기 때문에, 사용자의 진단의도를 나타낼 수 있다. 이전영상은, 현재영상의 처리 이전에 처리된 영상을 컴퓨터 판독 가능한 스토리지 장치 내에 저장하고, 필요할 때 컴퓨터 프로세서 등의 장치에 의해 판독함으로써, 획득될 수 있다.

그 다음에, 이전영상에 기초하여 영상의 일부를 의심영역으로서 선별하기 위해, 영상을 윈도우들로 분할하고, 윈도우들의 순위를 계산한 다음, 윈도우들 중 일부를 의심영역으로 선별하는 프로세스(172 ~176)가 진행될 수 있다.

먼저 의심영역으로서 선별될 윈도우의 개수 K를 결정할 수 있다(172). 여기서 윈도우 개수의 결정은, 고정된 개수로 미리 정해져 있는 정보를 데이터 스토리지 장치로부터 읽어 들이거나 소프트웨어 내에 코딩되어 이미 결정되어 있거나 또는 사용자에 의해 입력된 정보에 의해 지정되는 방식 등으로 진행될 수 있다.

선별할 윈도우 개수의 결정 단계(172)와 동시에 또는 그 전후에 영상은 미리 설정된 고정 크기의 윈도우 N개로 분할될 수 있다(173). 그리고, 생성된 윈도우 각각에 대해 관심영역이 존재할 가능성을 나타내는 특성 값이 계산되고, 관심영역이 존재할 가능성에 비례하여 순위가 계산될 수 있다(174).

순위가 결정되면, 순위에 기초하여 상위의 윈도우부터 단계(172)에서 결정된 K개의 윈도우가 선택되고, 선택된 윈도우로 이루어진 의심영역이 선별될 수 있다(175).

그런 다음 의심영역 내에서, 예컨대 슬라이딩 윈도우 기법을 이용하여 관심영역이 검출되는 단계(176)가 진행될 수 있다.

검출 단계(176)가 완료되면, 관심영역 검출 방법(170)이 종료되는지가 체크(177)되고, 종료가 아닌 경우, 다음 영상 및 다음 이전영상을 수신/획득하는 단계(171)로 되돌아갈 수 있다.

도 18은 관심영역 검출 방법의 또 다른 실시예를 보여주는 흐름도이다.

도 18을 참조하면, 영상으로부터 의심영역을 선별하는 기준으로서 이전에 처리된 영상, 즉 이전영상을 획득하는 관심영역 검출 방법(180)이 예시된다.

관심영역 검출 방법(180)은 이전영상을 획득하고 현재영상을 수신하면서 시작될 수 있다(181). 여기서, 이전영상 및 현재영상은 둘 모두 초음파 영상으로서 인체의 특정 부위를 진단하기 위한 의료영상일 수 있다. 이전영상과 현재영상의 동일한 정도 또는 동일하지 않은 정도는, 사용자가 특정 지점을 집중적으로 관찰하고 있는지 아닌지를 보여줄 수 있기 때문에, 사용자의 진단의도를 나타낼 수 있다. 이전영상은, 현재영상의 처리 이전에 처리된 영상을 컴퓨터 판독 가능한 스토리지 장치 내에 저장하고, 필요할 때 컴퓨터 프로세서 등의 장치에 의해 판독함으로써, 획득될 수 있다.

먼저 분할될 윈도우의 크기 A를 결정할 수 있다(182). 윈도우 크기의 결정은, 고정된 크기로 미리 정해져 있는 정보를 데이터 스토리지 장치로부터 읽어 들이거나 소프트웨어 내에 코딩되어 이미 결정되어 있거나 또는 사용자에 의해 입력된 정보에 의해 지정되는 방식 등으로 진행될 수 있다.

그 다음에 영상은 결정된 A 크기의 윈도우 N개로 분할될 수 있다(183).

윈도우의 순위를 계산하는 단계(184)에서, 관심영역이 존재할 가능성 및 이전영상과 현재영상의 비교결과가 계산될 수 있다. 이전영상과 현재영상의 비교는 각각의 윈도우에 대해 수행될 수 있다. 만약 특정 윈도우가 이전영상의 대응하는 영역과 완전히 동일하면, 이 윈도우는 관심영역이 존재할 가능성을 계산할 필요가 없이 무조건 최하위로 순위가 매겨질 수 있다. 다른 방식으로, 만약 특정 윈도우가 이전영상의 대응하는 영역과 약 1% 이하의 다른 영역만을 가질 뿐이라면, 이 윈도우는 관심영역이 존재할 가능성을 계산할 필요가 없이 무조건 최하위로 순위가 매겨질 수 있다. 그런 다음에, 최하위가 아닌 윈도우들에 대해, 관심영역이 존재할 가능성을 나타내는 특성 값이 계산되고, 관심영역이 존재할 가능성에 비례하여 순위가 계산될 수 있다(184).

순위가 결정되면, 최상위 윈도우 하나가 선택됨으로써, 의심영역이 선별될 수 있다(185).

그런 다음 의심영역 내에서, 예컨대 슬라이딩 윈도우 기법을 이용하여 관심영역이 검출되는 단계(186)가 진행될 수 있다.

검출 단계(186)가 완료되면, 관심영역 검출 방법(180)이 종료되는지가 체크(187)되고, 종료가 아닌 경우, 다음 영상 및 다음 촬영모드를 수신하는 단계(181)로 되돌아갈 수 있다.

도 19는 관심영역 검출 방법의 또 다른 실시예를 보여주는 흐름도이다.

도 19을 참조하면, 영상으로부터 의심영역을 선별하는 기준으로서 이전영상 및 프로브 이동속도를 수신하는 관심영역 검출 방법(190)이 예시된다.

관심영역 검출 방법(190)은 이전영상을 획득하고, 프로브 이동속도를 수신하며, 또한 현재영상을 수신하면서 시작될 수 있다(191).

먼저 이동속도에 기초하여 분할될 윈도우의 크기 A를 결정할 수 있다(192). 윈도우 크기의 결정은, 이동속도에 따라 분할될 윈도우의 크기가 미리 정해져 있는 방식으로 진행될 수 있다.

그리고 이동속도에 기초하여, 의심영역으로서 선별될 윈도우의 개수 K를 결정할 수 있다(193). 윈도우 개수의 결정은, 이동속도에 따라 선별될 윈도우의 개수가 미리 정해져 있는 방식으로 진행될 수 있다.

그 다음에 영상은 결정된 A 크기의 윈도우 N개로 분할될 수 있다(194).

이후 N개의 윈도우에 대해 순위가 계산된다(195). 여기서, 관심영역이 존재할 가능성 및 이전영상과 현재영상의 비교결과가 계산될 수 있다. 이전영상과 현재영상의 비교는 각각의 윈도우에 대해 수행될 수 있다. 만약 특정 윈도우가 이전영상의 대응하는 영역과 완전히 동일하면, 이 윈도우는 관심영역이 존재할 가능성을 계산할 필요가 없이 무조건 최하위로 순위가 매겨질 수 있다. 다른 방식으로, 만약 특정 윈도우가 이전영상의 대응하는 영역과 약 1% 이하의 다른 영역만을 가질 뿐이라면, 이 윈도우는 관심영역이 존재할 가능성을 계산할 필요가 없이 무조건 최하위로 순위가 매겨질 수 있다. 그런 다음에, 최하위가 아닌 윈도우들에 대해, 관심영역이 존재할 가능성을 나타내는 특성 값이 계산되고, 관심영역이 존재할 가능성에 비례하여 순위가 계산될 수 있다.

순위가 결정되면, 순위에 기초하여 상위 윈도우 중 K개가 선택됨으로써, 의심영역이 선별될 수 있다(196).

그런 다음 의심영역 내에서, 예컨대 슬라이딩 윈도우 기법을 이용하여 관심영역이 검출되는 단계(197)가 진행될 수 있다.

검출 단계(197)가 완료되면, 관심영역 검출 방법(190)이 종료되는지가 체크(198)되고, 종료가 아닌 경우, 다음 영상 및 다음 프로브 이동속도와 이전영상을 수신하는 단계(191)로 되돌아갈 수 있다.

상술한 관심영역 검출 시스템의 컴포넌트들은 특정 기능을 수행하도록 구성된 회로를 포함하는 하드웨어에 의해 구현될 수 있다. 다른 방식으로, 관심영역 검출 시스템의 컴포넌트들은 프로세서, 메모리, 사용자 입력장치, 및/또는 프레젠테이션 장치 등을 포함할 수 있는 컴퓨팅 장치의 하드웨어, 펌웨어, 소프트웨어 컴포넌트들의 조합에 의해 구현될 수 있다. 메모리는, 프로세서에 의해 실행되면 특정 태스크를 수행할 있도록 코딩되어 있는 컴퓨터 실행가능 소프트웨어, 애플리케이션, 프로그램 모듈, 루틴, 인스트럭션(instructions), 및/또는 데이터 등을 저장하는 컴퓨터 판독가능 스토리지 매체이다. 프로세서는 컴퓨터 판독가능 매체에 포함되어 있는 컴퓨터 실행가능 소프트웨어, 애플리케이션, 프로그램 모듈, 루틴, 인스트럭션, 및/또는 데이터 등을 판독하여 실행할 수 있다. 사용자 입력장치는 사용자로 하여금 프로세서에게 특정 태스크를 실행하도록 하는 명령을 입력하거나 특정 태스크의 실행에 필요한 데이터를 입력하도록 하는 수단일 수 있다. 사용자 입력장치는 물리적인 또는 가상적인 키보드나 키패드, 키버튼, 마우스, 조이스틱, 트랙볼, 터치-민감형 입력수단, 또는 마이크로폰 등을 포함할 수 있다. 프레젠테이션 장치는 디스플레이, 프린터, 스피커, 또는 진동장치 등을 포함할 수 있다.

관심영역 검출 방법의 단계, 과정, 프로세스들은 특정 기능을 수행하도록 구성된 회로를 포함하는 하드웨어에 의해 실행될 수 있다. 다른 방식으로, 관심영역 검출 방법은, 컴퓨터 실행가능 인스트럭션으로서 코딩되어 컴퓨팅 장치의 프로세서에 의해 실행됨으로써 구현될 수 있다. 컴퓨터 실행가능 인스트럭션은 소프트웨어, 애플리케이션, 모듈, 프로시저, 플러그인, 프로그램, 인스트럭션, 및/또는 데이터 구조 등을 포함할 수 있다. 컴퓨터 실행가능 인스트럭션은 컴퓨터 판독가능 매체 상에 포함될 수 있다. 컴퓨터 판독가능 매체는 컴퓨터 판독가능 스토리지 매체 및 컴퓨터 판독가능 통신 매체를 포함한다. 컴퓨터 판독가능 스토리지 매체는 RAM, ROM, 플래시 메모리, 광 디스크, 자기 디스크, 자기 테이프, 자기 카세트, 하드 디스크, 솔리드 스테이트 디스크 등을 포함할 수 있다. 컴퓨터 판독가능 통신 매체는 진단 방법이 코딩되어 있는 컴퓨터 실행가능 인스트럭션이 통신망을 통해 송수신 가능한 신호의 형태로 코딩된 것을 의미할 수 있다.

컴퓨팅 장치는 웨어러블 컴퓨팅 장치, 핸드-헬드 컴퓨팅 장치, 스마트폰, 타블렛, 랩탑, 데스크탑, 개인용 컴퓨터, 서버 등의 다양한 장치를 포함할 수 있다. 컴퓨팅 장치는 스탠드-얼론 타입의 장치일 수 있다. 컴퓨팅 장치는 통신망을 통하여 서로 협력하는 다수의 컴퓨팅 장치들을 포함할 수 있다.

10 : 관심영역 검출 시스템
11 : 선별기준 획득부
13 : 영상 수신부
15 : 의심영역 선별부
17 : 관심영역 검출부

Claims (28)

1. 선별기준을 획득하는 선별기준 획득부와;
   영상을 수신하는 영상 수신부와;
   상기 선별기준에 따라 상기 영상의 일부를 의심영역으로 선별하는 의심영역 선별부와;
   상기 의심영역 내에서 관심영역을 검출하는 관심영역 검출부를
   포함하는, 관심영역 검출 시스템.
2. 제 1 항에 있어서,
   상기 선별기준 획득부는,
   사용자의 진단의도를 나타내도록 미리 정의된 촬영모드들 중 하나의 촬영모드를 상기 사용자가 선택하도록 제공하는 촬영모드 선택부와;
   상기 촬영모드 선택부에서 선택된 촬영모드를 출력하는 촬영모드 출력부와;
   상기 촬영모드 출력부에서 출력되는 촬영모드를 상기 선별기준으로서 수신하는 촬영모드 수신부를
   포함하는, 관심영역 검출 시스템.
3. 제 1 항에 있어서,
   상기 선별기준 획득부는,
   상기 영상을 촬영하며 사용자에 의해 수동으로 이동되는 프로브의 이동속도를 감지하는 모션센서와;
   상기 모션센서에 의해 감지된 상기 이동속도를 출력하는 프로브 이동속도 출력부와;
   상기 프로브 이동속도 출력부에 의해 출력된 상기 이동속도를 상기 선별기준으로서 수신하는 프로브 이동속도 수신부를
   포함하는, 관심영역 검출 시스템.
4. 제 1 항에 있어서,
   상기 선별기준 획득부는,
   현재 수신된 상기 영상 이전에 수신된 영상을 이전영상으로 저장하는 영상 저장부와;
   상기 영상 저장부로부터 상기 영상 바로 직전에 수신되었던 이전영상을 상기 선별기준으로서 획득하는 이전영상 획득부를
   포함하는, 관심영역 검출 시스템.
5. 제 1 항에 있어서,
   상기 의심영역 선별부는,
   상기 영상을 각각 미리 설정된 크기를 가지는 복수의 윈도우로 분할하는 영상 분할부와;
   상기 윈도우의 순위를 계산하는 순위 계산부와;
   상기 선별기준에 따라 선별될 윈도우의 개수를 결정하는 개수 결정부와;
   상기 순위에 기초하여 상기 개수 결정부에 의해 결정된 개수의 윈도우를 상기 의심영역으로서 선별하는 윈도우 선별부를
   포함하는, 관심영역 검출 시스템.
6. 제 5 항에 있어서,
   상기 선별기준은, 사용자에 의해 지정되는 촬영모드이며;
   상기 개수 결정부는, 상기 촬영모드에 따라 미리 대응되어 있는 수로 상기 선별될 윈도우의 개수를 결정하는,
   관심영역 검출 시스템.
7. 제 5 항에 있어서,
   상기 선별기준은, 모션센서에 의해 감지된 영상 촬영 프로브의 이동속도이며;
   상기 개수 결정부는, 상기 이동속도의 크기에 따라 미리 대응되어 있는 수로 상기 선별할 윈도우의 개수를 결정하는,
   관심영역 검출 시스템.
8. 제 7 항에 있어서,
   상기 개수 결정부는, 상기 이동속도의 크기에 대해 반비례 관계를 가지도록 미리 대응되어 있는 수로 상기 선별할 윈도우의 개수를 결정하는,
   관심영역 검출 시스템.
9. 제 1 항에 있어서,
   상기 의심영역 선별부는,
   상기 선별기준에 따라 선별될 윈도우의 크기를 결정하는 크기 결정부와;
   상기 영상을 각각 상기 크기 결정부에 의해 결정된 크기를 가지는 복수의 윈도우로 분할하는 영상 분할부와;
   상기 윈도우의 순위를 계산하는 순위 계산부와;
   상기 윈도우 중에서 최상위 윈도우를 상기 의심영역으로서 선별하는 윈도우 선별부를
   포함하는, 관심영역 검출 시스템.
10. 제 9 항에 있어서,
    상기 선별기준은, 사용자에 의해 지정되는 촬영모드이며;
    상기 크기 결정부는, 상기 촬영모드에 따라 미리 대응되어 있는 크기로 상기 선별될 윈도우의 크기를 결정하는,
    관심영역 검출 시스템.
11. 제 9 항에 있어서,
    상기 선별기준은, 모션센서에 의해 감지된 프로브의 이동속도이며;
    상기 크기 결정부는, 상기 이동속도의 크기에 따라 미리 대응되어 있는 크기로 상기 선별할 윈도우의 크기를 결정하는,
    관심영역 검출 시스템.
12. 제 11 항에 있어서,
    상기 크기 결정부는, 상기 이동속도의 크기에 대해 반비례 관계를 가지도록 미리 대응되어 있는 크기로 상기 선별할 윈도우의 크기를 결정하는,
    관심영역 검출 시스템.
13. 제 1 항에 있어서,
    상기 선별기준은, 상기 영상보다 이전에 수신된 이전영상이며;
    상기 의심영역 선별부는,
    상기 영상을 복수의 윈도우로 분할하는 영상 분할부와;
    상기 윈도우 각각에 대해 상기 영상과 상기 이전영상이 서로 다른 영역의 크기를 나타내는 비유사도(non-similarity)를 판단하는 영상 비교부와;
    상기 비유사도에 기초하여 상기 윈도우의 순위를 계산하는 순위 계산부와;
    상기 순위에 기초하여 상기 윈도우 중 적어도 하나를 상기 의심영역으로서 선별하는 윈도우 선별부를
    포함하는, 관심영역 검출 시스템.
14. 제 13 항에 있어서,
    상기 순위 계산부는, 상기 비유사도가 0 또는 미리 설정된 값 이하일 때 최하위를 가지도록 상기 윈도우의 순위를 결정하는,
    관심영역 검출 시스템.
15. 선별기준을 획득하는 선별기준 획득 단계와;
    영상을 수신하는 영상 수신 단계와;
    상기 선별기준에 따라 상기 영상의 일부를 의심영역으로 선별하는 의심영역 선별 단계와;
    상기 의심영역 내에서 관심영역을 검출하는 관심영역 검출 단계를
    포함하는, 관심영역 검출 방법.
16. 제 15 항에 있어서,
    상기 선별기준 획득 단계는,
    사용자의 진단의도를 나타내도록 미리 정의된 촬영모드들 중 하나의 촬영모드를 상기 사용자가 선택하도록 제공하는 촬영모드 선택 단계와;
    상기 촬영모드 선택 단계에서 선택된 촬영모드를 출력하는 촬영모드 출력 단계와;
    상기 촬영모드 출력 단계에서 출력되는 촬영모드를 상기 선별기준으로서 수신하는 촬영모드 수신 단계를
    더 포함하는, 관심영역 검출 방법.
17. 제 15 항에 있어서,
    상기 선별기준 획득 단계는,
    상기 영상을 촬영하며 사용자에 의해 수동으로 이동되는 프로브의 이동속도를 모션센서로 감지하는 감지 단계와;
    상기 모션센서에 의해 감지된 상기 이동속도를 출력하는 프로브 이동속도 출력 단계와;
    상기 프로브 이동속도 출력 단계에서 출력된 상기 이동속도를 상기 선별기준으로서 수신하는 프로브 이동속도 수신 단계를
    더 포함하는, 관심영역 검출 방법.
18. 제 15 항에 있어서,
    상기 선별기준 획득 단계는,
    현재 수신된 상기 영상 이전에 수신된 영상을 이전영상으로 저장하는 영상 저장 단계와;
    저장되어 있는 이전영상 중에서 상기 영상 바로 직전에 수신되었던 이전영상을 상기 선별기준으로서 획득하는 이전영상 획득 단계를
    더 포함하는, 관심영역 검출 방법.
19. 제 15 항에 있어서,
    상기 의심영역 선별 단계는,
    상기 영상을 각각 미리 설정된 크기를 가지는 복수의 윈도우로 분할하는 영상 분할 단계와;
    상기 윈도우의 순위를 계산하는 순위 계산 단계와;
    상기 선별기준에 따라 선별될 윈도우의 개수를 결정하는 개수 결정 단계와;
    상기 순위에 기초하여 상기 개수 결정 단계에서 결정된 개수의 윈도우를 상기 의심영역으로서 선별하는 윈도우 선별 단계를
    더 포함하는, 관심영역 검출 방법.
20. 제 19 항에 있어서,
    상기 선별기준은, 사용자에 의해 지정되는 촬영모드이며;
    상기 개수 결정 단계는, 상기 촬영모드에 따라 미리 대응되어 있는 수로 상기 선별될 윈도우의 개수를 결정하는,
    관심영역 검출 방법.
21. 제 19 항에 있어서,
    상기 선별기준은, 모션센서에 의해 감지된 영상 촬영 프로브의 이동속도이며;
    상기 개수 결정 단계는, 상기 이동속도의 크기에 따라 미리 대응되어 있는 수로 상기 선별할 윈도우의 개수를 결정하는,
    관심영역 검출 방법.
22. 제 21 항에 있어서,
    상기 개수 결정 단계는, 상기 이동속도의 크기에 대해 반비례 관계를 가지도록 미리 대응되어 있는 수로 상기 선별할 윈도우의 개수를 결정하는,
    관심영역 검출 방법.
23. 제 15 항에 있어서,
    상기 의심영역 선별 단계는,
    상기 선별기준에 따라 선별될 윈도우의 크기를 결정하는 크기 결정 단계와;
    상기 영상을 각각 상기 크기 결정부에 의해 결정된 크기를 가지는 복수의 윈도우로 분할하는 영상 분할 단계와;
    상기 윈도우의 순위를 계산하는 순위 계산 단계와;
    상기 윈도우 중에서 최상위 윈도우를 상기 의심영역으로서 선별하는 윈도우 선별 단계를
    더 포함하는, 관심영역 검출 방법.
24. 제 23 항에 있어서,
    상기 선별기준은, 사용자에 의해 지정되는 촬영모드이며;
    상기 크기 결정 단계는, 상기 촬영모드에 따라 미리 대응되어 있는 크기로 상기 선별될 윈도우의 크기를 결정하는,
    관심영역 검출 단계.
25. 제 23 항에 있어서,
    상기 선별기준은, 모션센서에 의해 감지된 프로브의 이동속도이며;
    상기 크기 결정 단계는, 상기 이동속도의 크기에 따라 미리 대응되어 있는 크기로 상기 선별할 윈도우의 크기를 결정하는,
    관심영역 검출 방법.
26. 제 25 항에 있어서,
    상기 크기 결정 단계는, 상기 이동속도의 크기에 대해 반비례 관계를 가지도록 미리 대응되어 있는 크기로 상기 선별할 윈도우의 크기를 결정하는,
    관심영역 검출 방법.
27. 제 15 항에 있어서,
    상기 선별기준은, 상기 영상보다 이전에 수신된 이전영상이며;
    상기 의심영역 선별 단계는,
    상기 영상을 복수의 윈도우로 분할하는 영상 분할 단계와;
    상기 윈도우 각각에 대해 상기 영상과 상기 이전영상이 서로 다른 영역의 크기를 나타내는 비유사도(non-similarity)를 판단하는 영상 비교 단계와;
    상기 비유사도에 기초하여 상기 윈도우의 순위를 계산하는 순위 계산 단계와;
    상기 순위에 기초하여 상기 윈도우 중 적어도 하나를 상기 의심영역으로서 선별하는 윈도우 선별 단계를
    더 포함하는, 관심영역 검출 방법.
28. 제 27 항에 있어서,
    상기 순위 계산 단계는, 상기 비유사도가 0 또는 미리 설정된 값 이하일 때 최하위를 가지도록 상기 윈도우의 순위를 결정하는,
    관심영역 검출 방법.
    

Images