KR20160047720A - 자궁 경부암 자동 진단 시스템 및 방법 - Google Patents

자궁 경부암 자동 진단 시스템 및 방법 Download PDF

Info

Publication number
KR20160047720A
KR20160047720A KR1020140143956A KR20140143956A KR20160047720A KR 20160047720 A KR20160047720 A KR 20160047720A KR 1020140143956 A KR1020140143956 A KR 1020140143956A KR 20140143956 A KR20140143956 A KR 20140143956A KR 20160047720 A KR20160047720 A KR 20160047720A
Authority
KR
South Korea
Prior art keywords
cervical
image
cervical cancer
cell
nucleus
Prior art date
Application number
KR1020140143956A
Other languages
English (en)
Other versions
KR101682604B1 (ko
Inventor
김동욱
김현창
오한영
Original Assignee
전북대학교산학협력단
(주)패스텍
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 전북대학교산학협력단, (주)패스텍 filed Critical 전북대학교산학협력단
Priority to KR1020140143956A priority Critical patent/KR101682604B1/ko
Publication of KR20160047720A publication Critical patent/KR20160047720A/ko
Application granted granted Critical
Publication of KR101682604B1 publication Critical patent/KR101682604B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
    • G01N33/574—Immunoassay; Biospecific binding assay; Materials therefor for cancer
    • G01N33/57407—Specifically defined cancers
    • G01N33/57411—Specifically defined cancers of cervix
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor

Abstract

본 발명은 자궁 경부암의 유무 및 진행 정도에 따라 각기 다른 자궁 경부 세포 영역의 형상 데이터를 자궁 경부암을 판별하기 위한 기준 데이터로 저장하는 데이터베이스; 피검사자로부터 채취한 자궁 경부 세포를 촬상하는 촬상 장치; 및 상기 촬상 장치에 의해 촬상된 자궁 경부 세포 영상을 입력받아 저장하고, 상기 저장된 자궁 경부 세포 영상을 진단하기 위한 GUI 기반의 진단 프로그램이 설치된 진단 장치를 포함하고, 상기 진단 프로그램이 실행되면, 피검사자의 인적 사항 및 검사자의 이름을 입력하기 위한 에디트 박스, 상기 저장된 자궁 경부 세포 영상을 선택하기 위한 이미지 오픈 버튼, 상기 이미지 오픈 버튼에 의해 선택된 자궁 경부 세포 영상이 표시되는 원본 영상 표시 창, 상기 이미지 오픈 버튼에 의해 선택된 자궁 경부 세포 영상을 전처리하고, 상기 전처리된 영상으로부터 자궁 경부 세포 영역의 이미지를 추출하며, 상기 데이터베이스에 저장된 기준 데이터를 토대로, 상기 추출한 자궁 경부 세포 영역의 이미지에 대한 자궁 경부암을 판별하도록 진단을 수행하는 프로세싱 버튼, 판별된 결과 영상이 표시되는 결과 영상 표시 창, 판별된 결과가 테이블 형태로 표시되는 결과 테이블, 상기 결과 영상 표시 창 및 상기 결과 테이블을 토대로 검사자가 코멘트를 기록할 수 있도록 한 코멘트 섹션을 포함하는 화면이 표시되는 자궁 경부암 자동 진단 시스템을 제공한다. 본 발명에 의한 자궁 경부암 자동 진단 시스템은 검사자의 판독 능력에 관계없이 신속하게 자궁 경부암을 자동 진단할 수 있을 뿐만 아니라, GUI 기반의 진단 프로그램을 사용함으로써 검사자가 손쉽게 진단을 수행할 수 있는 장점을 갖는다.

Description

자궁 경부암 자동 진단 시스템 및 방법{Automated cervical cancer diagnosis system and method thereof}
본 발명은 자궁 경부암 자동 진단 시스템 및 방법에 관한 것으로서, 보다 상세하게는 검사자의 판독 능력에 관계없이 신속하게 자궁 경부암을 자동 진단할 수 있을 뿐만 아니라, GUI(Graphic User Interface) 기반의 진단 프로그램을 사용함으로써 검사자가 손쉽게 진단을 수행할 수 있는 자궁 경부암 자동 진단 시스템 및 방법에 관한 것이다.
자궁 경부암(Cervical cancer)은 전 세계적으로 여성에게 발병하는 암 중 두 번째로 흔한 암이며, 자궁 경부암의 약 80%는 아시아·남미·아프리카 등의 개발도상국에서 주로 발생하는 것으로 알려져 있다. 자궁 경부암은 우리나라에서도 발생하는 전체 암 중에서 4위를 차지하고 있으며,『중앙암등록본부』의 보고(1999~2002년)에 의하면 연평균 전체 여성암 환자 46,476명 중 자궁 경부암 환자가 4,394명으로 약 9.5%를 차지하고 있다.
자궁 경부암은 조기에 진단하여 치료하면 완치가 가능하지만, 병이 진행될 경우 파급 정도에 따라 완치율이 크게 감소한다. 따라서 여성은 정기적인 자궁 경부암 검사를 받아야 할 필요가 있다.
자궁 경부암 검사 방법은 세포 검사(Pap test), 액상 세포진 검사(liquid base cytology) 등이 있다. 그러나 상기 검사 방법들은 자궁 경부 세포를 채취하여 현미경으로 직접 관찰하여 암 세포를 가려내는 방법들로서, 검사자의 판독 능력에 따라 그 결과가 달라질 수 있는 위험성이 존재하고, 시간이 많이 소요되며, 진단이 쉽지 않은 문제점이 있다.
대한민국 등록특허 제10-0449224호(2004.09. 08.)
이에 본 발명은 상기 문제점을 해결하기 위해 안출된 것으로, 검사자의 판독 능력에 관계없이 신속하게 자궁 경부암을 자동 진단할 수 있을 뿐만 아니라, GUI 기반의 진단 프로그램을 사용함으로써 검사자가 손쉽게 진단을 수행할 수 있는 자궁 경부암 자동 진단 시스템 및 방법을 제공하는 데 그 목적이 있다.
그러나 본 발명의 기술적 과제들은 이상에서 언급한 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 발명의 실시례에 따른 자궁 경부암 자동 진단 시스템은,
자궁 경부암의 유무 및 진행 정도에 따라 각기 다른 자궁 경부 세포 영역의 형상 데이터를 자궁 경부암을 판별하기 위한 기준 데이터로 저장하는 데이터베이스; 피검사자로부터 채취한 자궁 경부 세포를 촬상하는 촬상 장치; 및 상기 촬상 장치에 의해 촬상된 자궁 경부 세포 영상을 입력받아 저장하고, 상기 저장된 자궁 경부 세포 영상을 진단하기 위한 GUI 기반의 진단 프로그램이 설치된 진단 장치를 포함하고, 상기 진단 프로그램이 실행되면, 피검사자의 인적 사항 및 검사자의 이름을 입력하기 위한 에디트 박스, 상기 저장된 자궁 경부 세포 영상을 선택하기 위한 이미지 오픈 버튼, 상기 이미지 오픈 버튼에 의해 선택된 자궁 경부 세포 영상이 표시되는 원본 영상 표시 창, 상기 이미지 오픈 버튼에 의해 선택된 자궁 경부 세포 영상을 전처리하고, 상기 전처리된 영상으로부터 자궁 경부 세포 영역의 이미지를 추출하며, 상기 데이터베이스에 저장된 기준 데이터를 토대로, 상기 추출한 자궁 경부 세포 영역의 이미지에 대한 자궁 경부암을 판별하도록 진단을 수행하는 프로세싱 버튼, 판별된 결과 영상이 표시되는 결과 영상 표시 창, 판별된 결과가 테이블 형태로 표시되는 결과 테이블, 상기 결과 영상 표시 창 및 상기 결과 테이블을 토대로 검사자가 코멘트를 기록할 수 있도록 한 코멘트 섹션을 포함하는 화면이 표시된다.
바람직하게 상기 기준 데이터는 상기 자궁 경부암의 유무 및 진행 정도에 따라 각기 다른 자궁 경부 세포의 핵 크기(면적), 세포 핵의 불규칙 정도, 세포 핵의 위치, 및 세포 핵과 세포질의 비율에 대한 데이터 중 적어도 하나를 포함할 수 있다.
바람직하게 상기 자궁 경부암의 유무 및 진행 정도에 따라 각기 다른 자궁 경부 세포의 핵 크기(면적)에 대한 데이터는 정상 상태일 때 25㎛2 미만, ASCUS(Atypical Squamous Cells of Undetermined Significance)일 때 25㎛2 이상 30㎛2 미만, LSIL(Low-grade Squamous Intraepithelial Lesion)일 때 30㎛2 이상 40㎛2 미만, HSIL(High-grade Squamous Intraepithelial Lesion)일 때 40㎛2 이상일 수 있다.
또한 본 발명의 실시례에 따른 자궁 경부암 자동 진단 방법은,
자궁 경부암의 유무 및 진행 정도에 따라 각기 다른 자궁 경부 세포 영역의 형상 데이터가 자궁 경부암을 판별하기 위한 기준 데이터로 미리 저장되는 단계; 피검사자로부터 채취한 자궁 경부 세포가 촬상되면, 진단 장치에서 상기 촬상된 영상을 입력받아 저장하는 단계; 상기 진단 장치에 설치된 GUI 기반의 진단 프로그램이 실행되면, 검사자에 의해 에디트 박스에 피검사자의 인적 사항 및 검사자의 이름이 입력되는 단계; 검사자가 상기 진단 프로그램의 이미지 오픈 버튼을 통해 피검사자의 자궁 경부 세포 영상을 적어도 하나 선택하면, 상기 진단 프로그램이 상기 선택된 자궁 경부 세포 영상을 원본 영상 표시 창에 표시하는 단계; 검사자에 의해 상기 진단 프로그램의 프로세싱 버튼이 선택되면, 상기 진단 프로그램이 상기 선택된 자궁 경부 세포 영상을 전처리하는 단계; 상기 진단 프로그램이 상기 전처리된 영상으로부터 자궁 경부 세포 영역의 이미지를 추출하는 단계; 상기 진단 프로그램이 상기 저장된 기준 데이터를 토대로, 상기 추출한 자궁 경부 세포 영역의 이미지에 대한 자궁 경부암을 판별하여 그 결과를 결과 테이블 및 결과 영상 표시 창에 표시하는 단계; 검사자가 상기 결과 테이블이나 상기 결과 영상 표시 창을 토대로 코멘트 섹션에 코멘트를 기록하고 확인 버튼을 선택하면, 상기 진단 프로그램이 상기 코멘트를 저장하는 단계; 및 검사자에 의해 저장 버튼이 선택되면, 상기 진단 프로그램이 진단 결과 파일을 최종 저장하는 단계를 포함한다.
바람직하게 상기 기준 데이터는 상기 자궁 경부암의 유무 및 진행 정도에 따라 각기 다른 자궁 경부 세포의 핵 크기(면적), 세포 핵의 불규칙 정도, 세포 핵의 위치, 및 세포 핵과 세포질의 비율에 대한 데이터 중 적어도 하나를 포함할 수 있다.
바람직하게 상기 자궁 경부암의 유무 및 진행 정도에 따라 각기 다른 자궁 경부 세포의 핵 크기(면적)에 대한 데이터는 정상 상태일 때 25㎛2 미만, ASCUS(Atypical Squamous Cells of Undetermined Significance)일 때 25㎛2 이상 30㎛2 미만, LSIL(Low-grade Squamous Intraepithelial Lesion)일 때 30㎛2 이상 40㎛2 미만, HSIL(High-grade Squamous Intraepithelial Lesion)일 때 40㎛2 이상일 수 있다.
본 발명에 의한 자궁 경부암 자동 진단 시스템 및 방법은 검사자의 판독 능력에 관계없이 신속하게 자궁 경부암을 자동 진단할 수 있을 뿐만 아니라, GUI 기반의 진단 프로그램을 사용함으로써 검사자가 손쉽게 진단을 수행할 수 있는 효과를 갖는다.
도 1은 본 발명의 일 실시례에 따른 자궁 경부암 자동 진단 시스템의 구성도이다.
도 2는 기준 데이터의 일 예를 나타낸 도면이다.
도 3은 GUI 기반의 진단 프로그램 실행 화면을 나타낸다.
도 4는 세포 영역의 크기(면적)을 계산하는 방법을 설명하기 위한 도면을 나타낸다.
도 5 및 도 6은 본 발명의 일 실시례에 따른 자궁 경부암 자동 진단 방법을 나타낸 흐름도이다.
본 발명의 이점 및 특징 그리고 그것들을 달성하는 방법들은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시례들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시례들에 한정되는 것이 아니라, 또 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시례들은 본 발명의 개시가 완전하도록 하고 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 단지 청구항에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조부호는 동일 구성요소를 지칭한다.
이하 첨부된 도면들을 참고하여 본 발명의 실시례에 따른 자궁 경부암 자동 진단 시스템 및 방법에 대해 설명한다.
이때 처리 흐름도 도면들의 각 블록과 흐름도 도면들의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수 있음을 이해할 수 있을 것이다.
이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터·특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서를 통해 수행되는 그 인스트럭션들이 흐름도 블록(들)에서 설명된 기능들을 수행하는 수단을 생성하게 된다.
이들 컴퓨터 프로그램 인스트럭션들은 특정 방식으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 흐름도 블록(들)에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 흐름도 블록(들)에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.
또한 각 블록은 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈·세그먼트 또는 코드의 일부를 나타낼 수 있다. 또 몇 가지 대체 실행례들에서는 블록들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대 잇달아 도시되어 있는 두 개의 블록들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.
도 1은 본 발명의 일 실시례에 따른 자궁 경부암 자동 진단 시스템의 구성도이고, 도 2는 기준 데이터의 일 예를 나타낸 도면이며, 도 3은 GUI 기반의 진단 프로그램 실행 화면을 나타내고, 도 4는 세포 영역의 크기(면적)을 계산하는 방법을 설명하기 위한 도면을 나타낸다.
도 1을 참조하면, 본 발명의 일 실시례에 따른 자궁 경부암 자동 진단 시스템(100)은 데이터베이스(110)·촬상 장치(130) 및 진단 장치(150)를 포함한다.
데이터베이스(110)에는 자궁 경부암의 유무 및 진행 정도에 따라 각기 다른 자궁 경부 세포 영역의 형상 데이터가 자궁 경부암을 판별하기 위한 기준 데이터로서 저장된다. 이러한 데이터베이스(110)는 소프트웨어적으로 생성되고 관리된다.
상기 자궁 경부 세포의 영역은 핵 영역일 수도 있고, 세포질 영역일 수도 있으며, 핵 영역과 세포질 영역을 포함하는 세포 전체 영역일 수도 있으나, 본 실시례에서는 핵 영역인 것으로 설명하기로 한다.
기준 데이터는 자궁 경부 세포의 핵 크기(면적), 세포 핵의 불규칙 정도, 세포 핵의 위치, 및 세포 핵과 세포질의 비율에 대한 데이터 중 적어도 하나를 포함할 수 있다.
기준 데이터는 자궁 경부암의 유무 및 진행 정도에 따라 정상 상태, ASCUS(Atypical Squamous Cells of Undetermined Significance), LSIL(Low-grade Squamous Intraepithelial Lesion), HSIL(High-grade Squamous Intraepithelial Lesion)로 구분하여 데이터베이스화된다. 각 상태별 기준 데이터는 도 2에 도시된 바와 같이 이미지 데이터로서 저장될 수도 있으며, 하기의 표 1과 같이 문자 데이터로서 저장될 수도 있다.
기준 데이터가 자궁 경부 세포의 핵 크기(면적)에 대한 데이터를 포함할 때, 상기 자궁 경부 세포의 핵 크기(면적)에 대한 데이터는 표 1과 같이 자궁 경부암의 유무 및 진행 정도에 따라 정상(Normal) 상태일 때 25㎛2 미만, ASCUS(Atypical Squamous Cells of Undetermined Significance)일 때 25㎛2 이상 30㎛2 미만, LSIL(Low-grade Squamous Intraepithelial Lesion)일 때 30㎛2 이상 40㎛2 미만, HSIL(High-grade Squamous Intraepithelial Lesion)일 때 40㎛2 이상으로 설정될 수 있다.
조 건 세포 핵 크기 (면적) 진 단
1 25㎛2 미만 Normal
2 25㎛2 이상 30㎛2 미만 ASCUS
3 30㎛2 이상 40㎛2 미만 LSIL
4 40㎛2 이상 HSIL
촬상 장치(130)는 피검사자로부터 채취한 자궁 경부 세포를 촬상한다. 이러한 촬상 장치(130)는 현미경을 포함할 수 있다.
진단 장치(150)는 촬상 장치(130)와 전기적으로 연결되어 촬상 장치(130)에 의해 촬상된 영상을 입력받아 저장할 수 있다.
진단 장치(150)에는 GUI(Graphic User Interface) 기반의 진단 프로그램(170)이 설치되어 있으며, 상기 GUI 기반의 진단 프로그램(170)의 실행에 의해 진단이 시작될 수 있다.
상기 GUI 기반의 진단 프로그램(170)이 실행되면, 도 3에 도시된 바와 같이, 자궁 경부 세포가 채취된 피검사자의 인적 사항[이름(Patient name)·나이(Age)· 성별(Sex) 등] 및 검사자(Inspector)의 이름을 입력하기 위한 에디트 박스(edit box)(200), 피검사자의 자궁 경부 세포 영상을 선택하기 위한 이미지 오픈(Image Open) 버튼(204), 이미지 오픈 버튼(204)에 의해 선택된 자궁 경부 세포 영상이 표시되는 원본 영상 표시 창(202), 이미지 오픈 버튼(204)에 의해 선택된 자궁 경부 세포 영상을 전처리하고, 상기 전처리된 영상으로부터 자궁 경부 세포 영역의 이미지를 추출하며, 상기 저장된 기준 데이터를 토대로 상기 추출한 자궁 경부 세포 영역의 이미지에 대한 자궁 경부암을 판별하도록 진단을 수행하는 프로세싱(Processing) 버튼(206), 판별된 결과 영상이 표시되는 결과 영상 표시 창(208), 판별된 결과가 테이블 형태로 표시되는 결과 테이블(212), 상기 결과 영상 표시 창(208) 및 상기 결과 테이블(212)을 토대로 검사자가 코멘트를 기록할 수 있도록 한 코멘트(Comment) 섹션(214)을 포함하는 화면이 표시된다.
이미지 오픈 버튼(204)에 의해 선택되어 원본 영상 표시 창(202)에 표시되는 자궁 경부 세포 영상은 적어도 하나일 수 있다. 도 3은 자궁 경부 세포 영상이 3개인 경우(View 1, View 2, View 3)를 나타낸다.
상기 진단 프로그램(170)은 상기 선택된 자궁 경부 세포 영상을 전처리할 때, 상기 선택된 자궁 경부 세포 영상으로부터 RGB 영상을 추출한다. 그리고 진단 프로그램(170)은 상기 RGB 영상을 그레이 영상으로 변환하며, 상기 그레이 영상의 잡음을 제거한 후, 상기 잡음이 제거된 영상의 에지(edge)를 검출한다. 이러한 영상 전 처리 과정은 랩뷰(Labview)의 비전 디벨롭먼트(Vision Development)나 매트랩(Matlab), 혹은 랩뷰와 매트랩의 조합을 이용하여 수행될 수 있다.
랩뷰를 이용한 영상 전처리 시, RGB 스레스홀드(threshold)·그레이 스레스홀드(threshold)·모폴로지(Morphology)·가우시안 필터(Gaussian filter)·컨벌루션 필터(Convolution filter) 등의 함수가 사용될 수 있다.
매트랩을 이용한 영상 전처리 시, 추출한 RGB 영상을 아래 수학식 1에 적용한다.
[ 수학식 1]
Figure pat00001

상기 수학식 1에 의해 획득된 RGB 영상은 그레이 영상으로 변환되고, 변환된 그레이 영상은 평균 마스크(예를 들면, 3*3 마스크)에 의해 잡음이 제거될 수 있다. 잡음이 제거된 영상은 소벨(sobel)·로버츠(Roberts)·라플라시안(Laplacian) 및 캐니(Canny) 에지 검출 방법 중 어느 하나에 의해 에지(edge)가 검출될 수 있다.
진단 프로그램(170)은 전처리가 완료된 영상으로부터 자궁 경부 세포 영역(예를 들면, 핵 영역)의 이미지를 추출할 때, 허프 변환(Hough Transform), ROI(Region of Interest), 및 이미지의 화소를 이용하는 워터쉐드(watershed) 중 어느 하나의 방법을 이용할 수 있다. 상기 방법에 의해 추출된 자궁 경부 세포 영역은 다른 영역과 구분되도록 그 경계선이 원형으로 표시될 수 있으며, 자궁 경부 세포 영역의 반경이 측정될 수 있다. 그리고 도 4 및 수학식 2를 참조하면, 측정된 반경을 이용하여 세포 영역의 크기(면적)를 계산할 수 있다.
[ 수학식 2]
Figure pat00002

기준 데이터가 표 1과 같을 때, 진단 프로그램(170)은 상기 추출한 자궁 경부 세포 영역인 핵 영역의 크기(면적)가 25㎛2 미만이면 정상 상태, 25㎛2 이상 30㎛2 미만이면 ASCUS, 30㎛2 이상 40㎛2 미만이면 LSIL, 40㎛2 이상이면 HSIL로 진단한다. 만약 기준 데이터가 이미지 데이터로 저장된 경우, 진단 프로그램(170)은 상기 추출한 자궁 경부 세포의 핵 영역과 이미지 데이터의 핵 영역의 크기가 매칭되는지에 따라 자궁 경부암을 판별할 수 있다. 그리고 진단 프로그램(170)은 자궁 경부암의 판별 결과를 결과 테이블(212) 및 결과 영상 표시 창(208)에 표시한다.
결과 테이블(212)은 각 영상별(View 1, View2, View3)로 정상 상태, ASCUS, LSIL, HSIL의 비율(%)을 나타낸다. 이때 정상 상태, ASCUS, LSIL, HSIL의 각 비율의 합은 100%가 된다.
그리고 결과 테이블(212)에 표시된 각 상태의 비율에 따라 결과 영상 표시 창(208)에 최종 판별 결과(210)가 더 기록될 수 있다. 즉 결과 테이블(212)에서 HSIL이 0%가 아니라면, 다른 상태, 즉 정상 상태·ASCUS·LSIL이 각각 어떤 비율로 존재하는지에 상관없이 해당 영상의 최종 판별 결과(210)는 HSIL이 된다. 그리고 HSIL이 0%이고, LSIL이 0%가 아니라면, 정상 상태·ASCUS가 각각 어떤 비율로 존재하는지에 상관없이 해당 영상의 최종 판별 결과(210)는 LSIL이 된다. HSIL 및 LSIL이 0%이고, ASCUS가 0%가 아니라면, 정상 상태가 어떤 비율로 존재하는지에 상관없이 해당 영상의 최종 판별 결과(210)는 ASCUS가 된다.
검사자는 결과 테이블(212)이나 결과 영상 표시 창(208)을 토대로 코멘트 섹션(214)에 코멘트를 기록하고 확인(confirm) 버튼(216)을 선택함으로써 코멘트를 저장할 수 있으며, 저장(save) 버튼(218)을 선택함으로써 진단 결과 파일을 최종 저장하거나, 닫기(close) 버튼(220)을 선택함으로써 진단 결과 파일을 저장하지 않을 수 있다.
이러한 시스템(100)을 이용한 자궁 경부암 자동 진단 방법을 도 5 및 도 6을 참조하여 설명하기로 한다.
도 5 및 도 6을 참조하면, 먼저 데이터베이스(110)에 자궁 경부암의 유무 및 진행 정도에 따라 각기 다른 자궁 경부 세포의 형상 데이터를 자궁 경부암을 판별하기 위한 기준 데이터로 미리 저장한다(S110).
피검사자로부터 채취한 자궁 경부 세포가 촬상 장치(130)에 의해 촬상되면, 진단 장치(150)는 상기 촬상된 영상을 입력받아 저장한다(S120).
진단 장치(150)에 설치된 GUI 기반의 진단 프로그램(170)이 실행되면(S130), 에디트 박스(200)에 검사자에 의해 피검사자의 인적 사항[이름(Patient name)·나이(Age)·성별(Sex) 등] 및 검사자(Inspector)의 이름이 입력될 수 있다(S140).
그리고 검사자는 이미지 오픈 버튼(204)에 의해 피검사자의 자궁 경부 세포 영상을 적어도 하나 선택할 수 있다(S150). 검사자에 의해 자궁 경부 세포 영상이 선택되면, 진단 프로그램(170)은 선택된 자궁 경부 세포 영상을 원본 영상 표시 창(202)에 표시한다(S160).
그 후 검사자에 의해 프로세싱 버튼(206)이 선택되면(S170), 진단 프로그램(170)은 상기 선택된 자궁 경부 세포 영상을 전처리한다(S180). 전처리 과정은 상기 선택된 영상으로부터 RGB 영상을 추출하고, 추출한 RGB 영상을 그레이 영상으로 변환하며, 그레이 영상의 잡음을 평균 마스크를 이용하여 제거한 후, 잡음이 제거된 영상의 에지(edge)를 소벨·로버츠·라플라시안 및 캐니 방법 중 어느 하나에 의해 검출하는 과정으로 이루어진다.
그리고 진단 프로그램(170)은 상기 전처리된 영상으로부터 자궁 경부 세포 영역의 이미지를 추출한다(S190). 자궁 경부 세포 영역의 이미지 추출은 허프 변환(Hough Transform), ROI(Region of Interest), 및 이미지의 화소를 이용하는 워터쉐드(watershed) 중 어느 하나에 의해 수행될 수 있다.
진단 프로그램(170)은 데이터베이스(110)에 저장된 기준 데이터를 토대로, 상기 추출한 자궁 경부 세포 영역의 이미지에 대한 자궁 경부암을 판별하여 그 결과를 결과 테이블(212) 및 결과 영상 표시 창(208)에 표시한다(S200, S210).
검사자가 결과 테이블(212)이나 결과 영상 표시 창(208)을 토대로 코멘트 섹션(214)에 코멘트를 기록하고 확인(confirm) 버튼(216)을 선택하면, 진단 프로그램(170)은 코멘트를 저장한다(S220).
그리고 검사자에 의해 저장(save) 버튼(218)이 선택되면, 진단 프로그램(170)은 진단 결과 파일을 최종 저장한다. 물론 검사자에 의해 닫기(close) 버튼(220)이 선택되면, 진단 프로그램(170)은 진단 결과 파일을 저장하지 않을 수 있다(S230).
한편 상술한 본 발명의 실시례들은 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터로 읽을 수 있는 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다.
상기 컴퓨터로 읽을 수 있는 기록매체는 마그네틱 저장매체(예를 들면, 롬· 플로피 디스크·하드디스크 등), 광학적 판독 매체(예를 들면, CD롬·DVD 등) 및 캐리어 웨이브(예를 들면, 인터넷을 통한 전송)와 같은 저장매체를 포함한다.
이제까지 본 발명에 대하여 그 바람직한 실시례들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시례들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
이와 같이 본 발명에 의한 자궁 경부암 자동 진단 시스템 및 방법에 따르면, 검사자의 판독 능력에 관계없이 신속하게 자궁 경부암을 자동 진단할 수 있을 뿐만 아니라, GUI 기반의 진단 프로그램을 사용함으로써 검사자가 손쉽게 진단을 수행할 수 있는 장점이 있다.
100: 자궁 경부암 자동 진단 시스템 110: 데이터베이스
130: 촬상 장치 150: 진단 장치
170: GUI 기반 진단 프로그램

Claims (6)

  1. 자궁 경부암의 유무 및 진행 정도에 따라 각기 다른 자궁 경부 세포 영역의 형상 데이터를 자궁 경부암을 판별하기 위한 기준 데이터로 저장하는 데이터베이스;
    피검사자로부터 채취한 자궁 경부 세포를 촬상하는 촬상 장치; 및
    상기 촬상 장치에 의해 촬상된 자궁 경부 세포 영상을 입력받아 저장하고, 상기 저장된 자궁 경부 세포 영상을 진단하기 위한 GUI 기반의 진단 프로그램이 설치된 진단 장치를 포함하고,
    상기 진단 프로그램이 실행되면, 피검사자의 인적 사항 및 검사자의 이름을 입력하기 위한 에디트 박스, 상기 저장된 자궁 경부 세포 영상을 선택하기 위한 이미지 오픈 버튼, 상기 이미지 오픈 버튼에 의해 선택된 자궁 경부 세포 영상이 표시되는 원본 영상 표시 창, 상기 이미지 오픈 버튼에 의해 선택된 자궁 경부 세포 영상을 전처리하고, 상기 전처리된 영상으로부터 자궁 경부 세포 영역의 이미지를 추출하며, 상기 데이터베이스에 저장된 기준 데이터를 토대로, 상기 추출한 자궁 경부 세포 영역의 이미지에 대한 자궁 경부암을 판별하도록 진단을 수행하는 프로세싱 버튼, 판별된 결과 영상이 표시되는 결과 영상 표시 창, 판별된 결과가 테이블 형태로 표시되는 결과 테이블, 상기 결과 영상 표시 창 및 상기 결과 테이블을 토대로 검사자가 코멘트를 기록할 수 있도록 한 코멘트 섹션을 포함하는 화면이 표시되는 자궁 경부암 자동 진단 시스템.
  2. 제1항에 있어서,
    상기 기준 데이터는 상기 자궁 경부암의 유무 및 진행 정도에 따라 각기 다른 자궁 경부 세포의 핵 크기(면적), 세포 핵의 불규칙 정도, 세포 핵의 위치, 및 세포 핵과 세포질의 비율에 대한 데이터 중 적어도 하나를 포함하는 자궁 경부암 자동 진단 시스템.
  3. 제2항에 있어서,
    상기 자궁 경부암의 유무 및 진행 정도에 따라 각기 다른 자궁 경부 세포의 핵 크기(면적)에 대한 데이터는 정상 상태일 때 25㎛2 미만, ASCUS(Atypical Squamous Cells of Undetermined Significance)일 때 25㎛2 이상 30㎛2 미만, LSIL(Low-grade Squamous Intraepithelial Lesion)일 때 30㎛2 이상 40㎛2 미만, HSIL(High-grade Squamous Intraepithelial Lesion)일 때 40㎛2 이상인 자궁 경부암 자동 진단 시스템.
  4. 자궁 경부암의 유무 및 진행 정도에 따라 각기 다른 자궁 경부 세포 영역의 형상 데이터가 자궁 경부암을 판별하기 위한 기준 데이터로 미리 저장되는 단계;
    피검사자로부터 채취한 자궁 경부 세포가 촬상되면, 진단 장치에서 상기 촬상된 영상을 입력받아 저장하는 단계;
    상기 진단 장치에 설치된 GUI 기반의 진단 프로그램이 실행되면, 검사자에 의해 에디트 박스에 피검사자의 인적 사항 및 검사자의 이름이 입력되는 단계;
    검사자가 상기 진단 프로그램의 이미지 오픈 버튼을 통해 피검사자의 자궁 경부 세포 영상을 적어도 하나 선택하면, 상기 진단 프로그램이 상기 선택된 자궁 경부 세포 영상을 원본 영상 표시 창에 표시하는 단계;
    검사자에 의해 상기 진단 프로그램의 프로세싱 버튼이 선택되면, 상기 진단 프로그램이 상기 선택된 자궁 경부 세포 영상을 전처리하는 단계;
    상기 진단 프로그램이 상기 전처리된 영상으로부터 자궁 경부 세포 영역의 이미지를 추출하는 단계;
    상기 진단 프로그램이 상기 저장된 기준 데이터를 토대로, 상기 추출한 자궁 경부 세포 영역의 이미지에 대한 자궁 경부암을 판별하여 그 결과를 결과 테이블 및 결과 영상 표시 창에 표시하는 단계;
    검사자가 상기 결과 테이블이나 상기 결과 영상 표시 창을 토대로 코멘트 섹션에 코멘트를 기록하고 확인 버튼을 선택하면, 상기 진단 프로그램이 상기 코멘트를 저장하는 단계; 및
    검사자에 의해 저장 버튼이 선택되면, 상기 진단 프로그램이 진단 결과 파일을 최종 저장하는 단계를 포함하는 자궁 경부암 자동 진단 방법.
  5. 제4항에 있어서,
    상기 기준 데이터는 상기 자궁 경부암의 유무 및 진행 정도에 따라 각기 다른 자궁 경부 세포의 핵 크기(면적), 세포 핵의 불규칙 정도, 세포 핵의 위치, 및 세포 핵과 세포질의 비율에 대한 데이터 중 적어도 하나를 포함하는 자궁 경부암 자동 진단 방법.
  6. 제5항에 있어서,
    상기 자궁 경부암의 유무 및 진행 정도에 따라 각기 다른 자궁 경부 세포의 핵 크기(면적)에 대한 데이터는 정상 상태일 때 25㎛2 미만, ASCUS(Atypical Squamous Cells of Undetermined Significance)일 때 25㎛2 이상 30㎛2 미만, LSIL(Low-grade Squamous Intraepithelial Lesion)일 때 30㎛2 이상 40㎛2 미만, HSIL(High-grade Squamous Intraepithelial Lesion)일 때 40㎛2 이상인 자궁 경부암 자동 진단 방법.
KR1020140143956A 2014-10-23 2014-10-23 자궁 경부암 자동 진단 시스템 KR101682604B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140143956A KR101682604B1 (ko) 2014-10-23 2014-10-23 자궁 경부암 자동 진단 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140143956A KR101682604B1 (ko) 2014-10-23 2014-10-23 자궁 경부암 자동 진단 시스템

Publications (2)

Publication Number Publication Date
KR20160047720A true KR20160047720A (ko) 2016-05-03
KR101682604B1 KR101682604B1 (ko) 2016-12-05

Family

ID=56022424

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140143956A KR101682604B1 (ko) 2014-10-23 2014-10-23 자궁 경부암 자동 진단 시스템

Country Status (1)

Country Link
KR (1) KR101682604B1 (ko)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190000836A (ko) * 2017-06-23 2019-01-03 울산대학교 산학협력단 초음파 영상 처리 방법
KR102041402B1 (ko) 2018-08-09 2019-11-07 주식회사 버즈폴 자궁경부 학습 데이터 생성 시스템과 자궁경부 학습 데이터 분류방법
CN110648322A (zh) * 2019-09-25 2020-01-03 杭州智团信息技术有限公司 一种子宫颈异常细胞检测方法及系统
KR20200018360A (ko) 2019-10-21 2020-02-19 주식회사 버즈폴 자궁경부 학습 데이터 생성 시스템과 자궁경부 학습 데이터 분류방법
KR102155381B1 (ko) * 2019-09-19 2020-09-11 두에이아이(주) 인공지능 기반 기술의 의료영상분석을 이용한 자궁경부암 판단방법, 장치 및 소프트웨어 프로그램
KR20200139606A (ko) 2019-06-04 2020-12-14 주식회사 아이도트 자궁경부암 자동 진단 시스템
JP2022535431A (ja) * 2019-06-04 2022-08-08 アイドット インコーポレイテッド 子宮頸がん自動診断システム

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102412618B1 (ko) 2020-11-18 2022-06-23 가톨릭대학교 산학협력단 자궁 경부 이미지 분석 방법 및 장치

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100449224B1 (ko) 2001-05-04 2004-09-18 우경호 자궁경부암 진단 시스템 및 방법
KR100527315B1 (ko) * 2001-11-16 2005-11-09 주식회사 메디슨 지식 기반 조정 수단을 이용한 초음파 영상 진단 시스템
KR20090006295A (ko) * 2007-07-11 2009-01-15 하숙태 세포 슬라이드 판독 장치, 세포 슬라이드 판독 시스템,이를 이용하는 세포 슬라이드 판독 방법 및 기록매체

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100449224B1 (ko) 2001-05-04 2004-09-18 우경호 자궁경부암 진단 시스템 및 방법
KR100527315B1 (ko) * 2001-11-16 2005-11-09 주식회사 메디슨 지식 기반 조정 수단을 이용한 초음파 영상 진단 시스템
KR20090006295A (ko) * 2007-07-11 2009-01-15 하숙태 세포 슬라이드 판독 장치, 세포 슬라이드 판독 시스템,이를 이용하는 세포 슬라이드 판독 방법 및 기록매체

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Demir, C. ‘Automated cancer diagnosis based on histopathological images: a systematic survey.’ Rensselaer Polytechnic Institute, Tech. Rep (2005.)* *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190000836A (ko) * 2017-06-23 2019-01-03 울산대학교 산학협력단 초음파 영상 처리 방법
KR102041402B1 (ko) 2018-08-09 2019-11-07 주식회사 버즈폴 자궁경부 학습 데이터 생성 시스템과 자궁경부 학습 데이터 분류방법
KR20200139606A (ko) 2019-06-04 2020-12-14 주식회사 아이도트 자궁경부암 자동 진단 시스템
CN112334990A (zh) * 2019-06-04 2021-02-05 艾多特公司 自动宫颈癌诊断系统
JP2022535431A (ja) * 2019-06-04 2022-08-08 アイドット インコーポレイテッド 子宮頸がん自動診断システム
KR102155381B1 (ko) * 2019-09-19 2020-09-11 두에이아이(주) 인공지능 기반 기술의 의료영상분석을 이용한 자궁경부암 판단방법, 장치 및 소프트웨어 프로그램
WO2021054518A1 (ko) * 2019-09-19 2021-03-25 두에이아이(주) 인공지능 기반 기술의 의료영상분석을 이용한 자궁경부암 진단방법, 장치 및 소프트웨어 프로그램
CN110648322A (zh) * 2019-09-25 2020-01-03 杭州智团信息技术有限公司 一种子宫颈异常细胞检测方法及系统
CN110648322B (zh) * 2019-09-25 2023-08-15 杭州智团信息技术有限公司 一种子宫颈异常细胞检测方法及系统
KR20200018360A (ko) 2019-10-21 2020-02-19 주식회사 버즈폴 자궁경부 학습 데이터 생성 시스템과 자궁경부 학습 데이터 분류방법

Also Published As

Publication number Publication date
KR101682604B1 (ko) 2016-12-05

Similar Documents

Publication Publication Date Title
KR101682604B1 (ko) 자궁 경부암 자동 진단 시스템
SujithKumar et al. Automatic detection of diabetic retinopathy in non-dilated RGB retinal fundus images
Akram et al. Automated detection of dark and bright lesions in retinal images for early detection of diabetic retinopathy
Raman et al. Proposed retinal abnormality detection and classification approach: Computer aided detection for diabetic retinopathy by machine learning approaches
JP2019118814A (ja) 機械学習ガイド付き撮影システム
US11080850B2 (en) Glaucoma diagnosis method using fundus image and apparatus for the same
JP7167515B2 (ja) 特定装置、プログラム、特定方法、情報処理装置及び特定器
Jaafar et al. Automated detection of red lesions from digital colour fundus photographs
CN110632069B (zh) 循环肿瘤细胞检测方法、装置、设备及介质
Tang et al. Splat feature classification: Detection of the presence of large retinal hemorrhages
SG172159A1 (en) A method and system for determining the position of an optic cup boundary
WO2010131944A2 (en) Apparatus for monitoring and grading diabetic retinopathy
Poshtyar et al. Automatic measurement of cup to disc ratio for diagnosis of glaucoma on retinal fundus images
KR20160118037A (ko) 의료 영상으로부터 병변의 위치를 자동으로 감지하는 장치 및 그 방법
CN112334990A (zh) 自动宫颈癌诊断系统
Motta et al. Automatic segmentation on thermograms in order to aid diagnosis and 2D modeling
EP3038051B1 (en) Diagnostic apparatus and image processing method in the same apparatus
KR101489163B1 (ko) 자궁 경부암 자동 진단 방법 및 시스템
CN112597981B (zh) 基于深度神经网络的肠镜退镜质量智能监控系统及方法
Venkatalakshmi et al. Graphical user interface for enhanced retinal image analysis for diagnosing diabetic retinopathy
JP2010158279A (ja) 眼底画像解析システム、及び眼底画像解析プログラム
Dafwen Toresa et al. Automated Detection and Counting of Hard Exudates for Diabetic Retinopathy by using Watershed and Double Top-Bottom Hat Filtering Algorithm
Mane et al. An automatic approach to Hemorrhages detection
Das et al. Entropy thresholding based microaneurysm detection in fundus images
Feroui et al. New segmentation methodology for exudate detection in color fundus images

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E902 Notification of reason for refusal
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right