KR20160107528A - 컴퓨터 보조 진단을 위한 신뢰도 제공 장치 및 방법 - Google Patents

컴퓨터 보조 진단을 위한 신뢰도 제공 장치 및 방법 Download PDF

Info

Publication number
KR20160107528A
KR20160107528A KR1020150030384A KR20150030384A KR20160107528A KR 20160107528 A KR20160107528 A KR 20160107528A KR 1020150030384 A KR1020150030384 A KR 1020150030384A KR 20150030384 A KR20150030384 A KR 20150030384A KR 20160107528 A KR20160107528 A KR 20160107528A
Authority
KR
South Korea
Prior art keywords
reliability
image
information
analysis
probe
Prior art date
Application number
KR1020150030384A
Other languages
English (en)
Inventor
김하영
우경구
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 KR1020150030384A priority Critical patent/KR20160107528A/ko
Priority to EP16156616.1A priority patent/EP3065072A1/en
Priority to US15/052,455 priority patent/US20160259898A1/en
Priority to CN201610114893.1A priority patent/CN105938513A/zh
Publication of KR20160107528A publication Critical patent/KR20160107528A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/44—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device
    • A61B8/4444—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device related to the probe
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/54—Control of the diagnostic device
    • 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

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

Abstract

컴퓨터 보조 진단을 위한 신뢰도 제공 장치에 관한 것이다. 일 실시예에 따르면, 신뢰도 제공 장치는 프로브(probe)를 통해 획득되는 영상을 포함하는 분석 기초 정보를 수집하는 분석 기초 정보 수집부와, 수집된 분석 기초 정보를 이용하여 프로브를 통해 획득되는 영상의 신뢰도를 결정하는 영상 신뢰도 결정부 및 결정된 영상의 신뢰도를 사용자에게 제공하는 신뢰도 제공부를 포함할 수 있다.

Description

컴퓨터 보조 진단을 위한 신뢰도 제공 장치 및 방법{APPARATUS AND METHOD FOR PROVIDING RELIABILITY FOR COMPUTER AIDED DIAGNOSIS}
컴퓨터 보조 진단 기술에 관한 것으로, 컴퓨터 보조 진단을 위한 신뢰도 제공 장치 및 방법과 관련된다.
최근 의료 진단 분야에서 의료 영상을 분석하여 환자를 진단하는 컴퓨터 보조 진단(Computer Aided Diagnosis, CAD) 기술이 이용되고 있다. CAD 기술은 다양한 의료 영상을 분석하여 병변을 검출하고, 병변이 검출되면 양성/악성 여부를 판정하여 그 결과를 의사에게 제공한다. 일 예로, 초음파 진단의 경우 의사들은 프로브(probe)를 환자에 밀착하여 실시간으로 초음파 영상을 획득하고, 화면에 출력되는 초음파 영상을 눈으로 확인하면서 병변이나 의심 부위를 검출하고 판단한다. 진단 과정에서의 다양한 환경, 예컨대 의사가 프로브를 환부에서 이동시키는 속도나 프로브가 환부에 밀착된 정도 등에 따라 프로브로부터 획득되는 영상은 달라지게 되며, 그에 따라 CAD의 진단의 결과 역시 달라질 수 있다.
컴퓨터 보조 진단에 있어서 다양한 정보들에 기초하여 프로브를 통해 획득되는 영상의 신뢰도를 분석하고 분석된 영상의 신뢰도를 사용자에게 제공하는 장치 및 방법이 제시된다.
일 양상에 따르면, 컴퓨터 보조 진단을 위한 신뢰도 제공 장치는 프로브(probe)를 통해 획득되는 영상을 포함하는 분석 기초 정보를 수집하는 분석 기초 정보 수집부, 수집된 분석 기초 정보를 이용하여 프로브를 통해 획득되는 영상의 신뢰도를 결정하는 영상 신뢰도 결정부 및 결정된 영상의 신뢰도를 사용자에게 제공하는 신뢰도 제공부를 포함할 수 있다.
분석 기초 정보 수집부는 프로브나 진단 장치에 장착된 센서, 사용자가 착용하는 웨어러블 기기(wearable device) 및 진단실 내에 설치된 기기 중의 하나 이상으로부터 분석 기초 정보를 수집할 수 있다.
영상 신뢰도 결정부는 수집된 분석 기초 정보를 이용하여 분석 정보를 생성하고, 생성된 분석 정보에 기초하여 영상의 신뢰도를 결정할 수 있다.
이때, 분석 정보는 프로브의 이동 속도, 영상의 허상(blur) 정도, 프로브의 측정 깊이(depth) 및 각속도 중의 하나 이상을 포함할 수 있다.
영상 신뢰도 결정부는 프로브로부터 획득되는 현재 영상 및 이전 영상 간의 변화에 기초하여 분석 정보를 생성할 수 있다.
영상 신뢰도 결정부는 생성된 분석 정보를 신뢰도 산출 알고리즘에 적용하여 영상의 신뢰도를 산출할 수 있다.
영상 신뢰도 결정부는 신뢰도 데이터베이스로부터 분석 정보에 상응하는 영상의 신뢰도를 추출할 수 있다.
신뢰도 제공부는 결정된 영상의 신뢰도를 나타내는 시각 정보 또는 비시각 정보를 생성하고, 생성된 정보를 출력 장치에 출력할 수 있다.
이때, 시각 정보는 영상의 신뢰도에 해당하는 색상 정보, 그래프 정보 및 영상의 신뢰도 값에 대한 숫자 정보 중의 적어도 하나를 포함할 수 있다.
비시각 정보는 영상의 신뢰도에 해당하는 미리 정의된 음향 신호, 미리 정의된 진동 신호 및 영상의 신뢰도 값에 대한 음성 신호 중의 적어도 하나를 포함할 수 있다.
이때, 출력 장치는 프로브, 진단 장치, 진단 디스플레이 장치, 지향성 스피커, 웨어러블 디바이스 및 햅틱 장치 중의 적어도 하나를 포함할 수 있다.
일 양상에 따르면, 컴퓨터 보조 진단을 위한 신뢰도 제공 방법은 프로브(probe)를 통해 획득되는 영상을 포함하는 분석 기초 정보를 수집하는 단계, 수집된 분석 기초 정보를 이용하여 프로브를 통해 획득되는 영상의 신뢰도를 결정하는 단계 및 결정된 영상의 신뢰도를 사용자에게 제공하는 단계를 포함할 수 있다.
분석 기초 정보를 수집하는 단계는 프로브나 진단 장치에 장착된 센서, 사용자가 착용하는 웨어러블 기기(wearable device) 및 진단실 내에 설치된 기기 중의 하나 이상으로부터 분석 기초 정보를 수집할 수 있다.
영상의 신뢰도를 결정하는 단계는 수집된 분석 기초 정보를 이용하여 분석 정보를 생성하는 단계를 포함하고, 생성된 분석 정보에 기초하여 영상의 신뢰도를 결정할 수 있다.
이때, 분석 정보는 프로브의 이동 속도, 영상의 허상(blur) 정도, 프로브의 측정 깊이(depth) 및 각속도 중의 하나 이상을 포함할 수 있다.
분석 정보를 생성하는 단계는 프로브로부터 획득되는 현재 영상 및 이전 영상 간의 변화에 기초하여 분석 정보를 생성할 수 있다.
영상의 신뢰도를 결정하는 단계는 생성된 분석 정보를 신뢰도 산출 알고리즘에 적용하여 상기 영상의 신뢰도를 산출할 수 있다.
영상의 신뢰도를 결정하는 단계는 신뢰도 데이터베이스로부터 분석 정보에 상응하는 영상의 신뢰도를 추출할 수 있다.
신뢰도를 제공하는 단계는 결정된 영상의 신뢰도를 나타내는 시각 정보 또는 비시각 정보를 생성하는 단계 및 생성된 정보를 출력 장치에 출력하는 단계를 포함할 수 있다.
이때, 시각 정보는 영상의 신뢰도에 해당하는 색상 정보, 그래프 정보 및 영상의 신뢰도 값에 대한 숫자 정보 중의 적어도 하나를 포함할 수 있다.
이때, 비시각 정보는 영상의 신뢰도에 해당하는 미리 정의된 음향 신호, 미리 정의된 진동 신호 및 상기 영상의 신뢰도 값에 대한 음성 신호 중의 적어도 하나를 포함할 수 있다.
이때, 출력 장치는 프로브, 진단 장치, 진단 디스플레이 장치, 지향성 스피커, 웨어러블 디바이스 및 햅틱 장치 중의 적어도 하나를 포함할 수 있다.
다른 양상에 따르면, 컴퓨터 보조 진단을 위한 신뢰도 제공 장치는 프로브(probe)를 통해 획득되는 영상을 포함하는 분석 기초 정보를 수집하는 분석 기초 정보 수집부, 수집된 분석 기초 정보를 이용하여 진단 장치가 수행하는 진단의 신뢰도를 결정하는 진단 신뢰도 결정부 및 결정된 진단의 신뢰도를 사용자에게 제공하는 신뢰도 제공부를 포함할 수 있다.
또한, 신뢰도 제공 장치는 수집된 분석 기초 정보를 이용하여 분석 정보를 생성하고, 생성된 분석 정보에 기초하여 상기 프로브를 통해 획득된 영상의 신뢰도를 결정하는 영상 신뢰도 결정부를 더 포함할 수 있다.
또한, 신뢰도 제공 장치는 결정된 영상의 신뢰도에 기초하여, 프로브를 통해 획득된 영상에 적용할 진단 알고리즘을 선택하는 진단 알고리즘 선택부를 더 포함할 수 있다.
이때, 진단의 신뢰도는 프로브를 통해 획득된 영상에 적용된 진단 알고리즘의 신뢰도 및, 진단 결과의 신뢰도 중의 적어도 하나를 포함할 수 있다.
신뢰도 제공부는 결정된 진단의 신뢰도를 나타내는 시각 정보 또는 비시각 정보를 생성하고, 생성된 정보를 출력 장치에 출력할 수 있다.
다른 양상에 따르면, 컴퓨터 보조 진단을 위한 신뢰도 제공 방법은 프로브(probe)를 통해 획득되는 영상을 포함하는 분석 기초 정보를 수집하는 단계, 수집된 분석 기초 정보를 이용하여 진단 장치가 수행하는 진단의 신뢰도를 결정하는 단계 및 결정된 진단의 신뢰도를 사용자에게 제공하는 단계를 포함할 수 있다.
또한, 신뢰도 제공 방법은 수집된 분석 기초 정보를 이용하여 분석 정보를 생성하는 단계 및 생성된 분석 정보에 기초하여 프로브를 통해 획득된 영상의 신뢰도를 결정하는 단계를 더 포함할 수 있다.
또한, 신뢰도 제공 방법은 결정된 영상의 신뢰도에 기초하여, 프로브를 통해 획득된 영상에 적용할 진단 알고리즘을 선택하는 단계를 더 포함할 수 있다.
이때, 진단의 신뢰도는 프로브를 통해 획득된 영상에 적용된 진단 알고리즘의 신뢰도 및, 진단 결과의 신뢰도 중의 적어도 하나를 포함할 수 있다.
진단의 신뢰도를 제공하는 단계는 결정된 진단의 신뢰도를 나타내는 시각 정보 또는 비시각 정보를 생성하는 단계 및 생성된 정보를 출력 장치에 출력하는 단계를 포함할 수 있다.
컴퓨터 보조 진단에 있어서 다양한 정보들에 기초하여 프로브를 통해 획득되는 영상의 신뢰도를 분석하고 분석된 영상의 신뢰도를 사용자에게 제공하는 장치 및 방법이 제시된다.
도 1은 일 실시예에 따른 신뢰도 제공 장치의 블록도이다.
도 2a 및 도 2b는 실시예들에 따른 도 1의 영상 신뢰도 결정부(120)의 상세 블록도이다.
도 3a 내지 도 3d는 도 1의 신뢰도 제공부(130)가 신뢰도를 표시하는 실시예들을 도시한 것이다.
도 4는 다른 실시예에 따른 신뢰도 제공 장치의 블록도이다.
도 5a 및 도 5b는 실시예들에 따른 도 4의 진단 신뢰도 결정부(420)의 상세 블록도이다.
도 6은 또 다른 실시예에 따른 신뢰도 제공 장치의 블록도이다.
도 7은 또 다른 실시예에 따른 신뢰도 제공 장치의 블록도이다.
도 8은 일 실시예에 따른 신뢰도 제공 방법의 흐름도이다.
도 9는 다른 실시예에 따른 신뢰도 제공 방법의 흐름도이다.
도 10은 또 다른 실시예에 따른 신뢰도 제공 방법의 흐름도이다.
도 11은 또 다른 실시예에 따른 신뢰도 제공 방법의 흐름도이다.
도 12는 또 다른 실시예에 따른 신뢰도 제공 방법의 흐름도이다.
기타 실시예들의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다. 기재된 기술의 이점 및 특징, 그리고 그것들을 달성하는 방법은 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
이하, 컴퓨터 보조 진단을 위한 신뢰도 제공 장치 및 방법의 실시예들을 도면들을 참고하여 자세히 설명하도록 한다.
도 1은 일 실시예에 따른 신뢰도 제공 장치의 블록도이다.
일 실시예에 따르면, 신뢰도 제공 장치(100)는 의료 영상을 이용하여 컴퓨터 보조 진단을 수행하는 진단 장치 내부에 탑재되거나, 별도의 외부 장치에 구현되어 그 진단 장치와 유무선 통신으로 연결될 수 있다.
이때, 의료 영상은 프로브를 통해 획득되는 초음파 영상(Ultrasonic Imag)일 수 있으며, 이하 설명의 편의를 위해 이를 기초로 설명하기로 한다. 다만, 이에 한정되는 것은 아니며 의료 영상은 그 밖의 컴퓨터 단층 촬영(CT: Computed tomography) 장치, 자기 공명 영상(MRI: Magnetic Resonance Imaging) 장치, X-ray 장치, 양전자 방출 단층 촬영(PET: Positron Emission Tomography) 장치, 단일 광자 방출 단층 촬영(SPECT: Single Photon Emission Computed Tomography) 등으로부터 획득되는 영상을 포함할 수 있다.
도 1을 참조하면, 신뢰도 제공 장치(100)는 분석 기초 정보 수집부(110), 영상 신뢰도 결정부(120) 및 신뢰도 제공부(130)를 포함할 수 있다.
분석 기초 정보 수집부(110)는 프로브를 통해 획득되는 영상의 신뢰도를 분석하기 위한 분석 기초 정보를 수집한다.
이때, 분석 기초 정보는 프로브가 획득하는 초음파 영상을 포함할 수 있다. 또한, 프로브, 진단 장치, 진단 디스플레이 장치, 사용자가 착용하는 웨어러블 기기(wearable device) 및 진단실 내에 설치된 속도 센서, 위치 센서, 음성 센서, 감촉 센서, 텐서(tensor) 센서, 온도 센서 및 카메라 모듈 등의 각종 센서에 의해 측정되는 각종 센서 정보를 포함할 수 있다.
영상 신뢰도 결정부(120)는 이와 같이 수집된 분석 기초 정보를 활용하여, 프로브를 통해 획득되는 영상의 신뢰도를 결정할 수 있다.
도 2a 및 도 2b는 실시예들에 따른 도 1의 영상 신뢰도 결정부(120)의 상세 블록도이다. 도 2a 및 도 2b를 참조하여, 영상 신뢰도 결정부(120)의 실시예들(210,220)을 좀 더 상세하게 설명한다.
도 2a를 참조하면, 일 실시예에 따른 영상 신뢰도 결정부(210)는 분석 정보 생성부(211) 및 신뢰도 산출부(212)를 포함할 수 있다.
분석 정보 생성부(211)는 수집된 분석 기초 정보를 이용하여 영상 신뢰도 분석에 필요한 분석 정보를 생성한다. 이때, 분석 정보는 미리 정의된 산출 알고리즘에 입력될 파라미터 정보로서, 프로브의 이동 속도, 영상의 잡음(artifact) 정도, 영상의 허상(blur) 정도, 프로브가 측정하는 깊이(depth) 및 각속도 정보 중의 하나 이상을 포함할 수 있다. 다만, 예시된 바에 한정되지 않으며 산출 알고리즘에 따라 생성할 분석 정보의 종류는 조정될 수 있다.
일 예로, 분석 정보 생성부(211)는 프로브로부터 연속적으로 획득되는 현재 영상 및 이전 영상의 변화에 기초하여 프로브의 이동 속도 등의 분석 정보를 생성할 수 있다. 이때, 영상의 변화는 획득된 현재 영상과 이전 영상의 픽셀별 영상 강도(image intensity)의 차이, 현재 영상과 이전 영상의 히스토그램의 차이, 현재 영상과 이전 영상의 히스토그램의 유사도 및 현재 영상과 이전 영상의 주요 정보의 변화도 등을 포함할 수 있다. 예컨대, 영상의 검정을 나타내는 픽셀 값이 특정 임계치 이상이면 프로브가 접촉면에서 떨어져 있는 것으로 판단할 수 있고,이를 통해 프로브가 측정하는 깊이 정보를 획득하는 것이 가능하다.
다른 예로, 분석 정보 생성부(211)는 진단 장치나 진단실 내에 카메라 모듈이 장착되고 그 카메라 모듈로부터 사용자가 프로브를 조작하는 영상이 획득되는 경우, 그 영상을 분석하여 프로브의 이동 속도 정보 등을 획득하는 것도 가능하다.
또 다른 예로, 분석 정보 생성부(211)는 컴퓨터 비전(computer vision), 기계 학습(machine learning) 등의 다양한 방법을 분석 정보 생성에 활용할 수 있다.
한편, 분석 정보 생성부(211)는 각종 센서들로부터 획득되는 분석 기초 정보 중에 필요한 분석 정보가 존재하는 경우에는 그 분석 정보의 계산 과정을 생략하고 수집된 분석 기초 정보를 분석 정보로서 활용할 수 있다.
예컨대, 프로브에 속도 센서가 탑재되어 프로브의 이동 속도 정보가 분석 기초 정보로서 수집되는 경우, 분석 정보 생성부(211)는 프로브로부터 획득되는 영상 이나 외부 카메라 모듈로부터 수집된 영상을 기초로 프로브 이동 속도를 계산하는 과정을 생략할 수 있다. 또한, 프로브에 기본으로 설정되어 있는 깊이 모드에 대한 정보가 분석 기초 정보로서 수집될 수 있으며, 이 경우 분석 정보 생성부(211)는 프로브의 측정 깊이 정보의 계산 과정을 생략할 수 있다.
영상 신뢰도 산출부(212)는 분석 정보를 산출 알고리즘에 적용하여 영상의 신뢰도를 산출할 수 있다. 이때, 산출 알고리즘은 컴퓨터 비전, 머신 러닝, 선형 함수(linear function), 비선형 함수(non-linear function) 및 회귀 분석(regression) 등을 포함하는 다양한 알고리즘 중의 어느 하나일 수 있다.
예를 들어, 아래의 수학식 1은 다양한 분석 정보를 이용하여 영상의 신뢰도를 산출하는 알고리즘의 일 예이다.
Figure pat00001
여기서, Y는 영상의 신뢰도를 의미하고, f는 분석 정보 예컨대, 속도, 허상, 깊이 등에 대한 선형 함수 또는 비선형함수일 수 있다. 또한, a, b, c는 미리 정의된 상수로서 속도, 허상, 깊이에 대한 가중치일 수 있다. 각 분석 정보에 대한 가중치는 필요에 따라 조정될 수 있다. 이때, 영상의 신뢰도를 산출하기 위한 분석 정보의 종류는 미리 결정될 수 있다. 예컨대, 아래의 수학식 2와 같이 프로브 속도만을 이용하여 영상의 신뢰도를 결정하는 것도 가능하다.
Figure pat00002
한편, 영상의 신뢰도는 산출 알고리즘에 의해 계산된 값을 백분율로 환산한 값(예: 85%)으로 표현될 수 있다. 또는, 그 계산된 값이 속하는 미리 정의된 복수의 레벨(예: 1~10) 중의 어느 하나의 레벨(예: 8)로 표현될 수 있다. 다만, 영상 신뢰도의 표현에 있어서 예시된 바에 의해 제한이 되는 것은 아니다.
도 2b를 참조하면, 다른 실시예에 따른 영상 신뢰도 결정부(220)는 분석 정보 생성부(211), 신뢰도 추출부(222) 및 신뢰도 데이터베이스(223)를 포함할 수 있다.
분석 정보 생성부(221)는 전술한 도 2a의 분석 정보 생성부(211)와 동일한 기능을 수행하므로 이하 자세한 설명은 생략한다.
신뢰도 추출부(222)는 분석 정보가 생성되면, 신뢰도 데이터베이스(223)로부터 그 분석 정보에 상응하는 영상의 신뢰도를 추출할 수 있다.
신뢰도 데이터베이스(223)는 아래의 표 1 또는 표 2와 같이 분석 정보와 영상의 신뢰도를 매핑한 정보를 테이블 형태로 저장할 수 있다. 이때, 신뢰도 데이터베이스(223)는 다양한 분석 정보를 다양한 산출 알고리즘에 적용하고, 각각의 경우에서 산출된 결과들을 분석하여 최적의 영상의 신뢰도를 결정하는 전처리 과정을 통하여 미리 생성될 수 있다.
예를 들어, 아래의 표 1은 3개의 분석 정보 즉, 속도, 허상 정도, 깊이에 따라 미리 매핑된 영상의 신뢰도를 나타낸다. 표 1을 참조하면, 분석 정보 생성부(221)에 의해 생성된 프로브의 속도가 35 ms이고, 허상이 7% 이며 깊이가 85%인 경우, 신뢰도 추출부(222)는 신뢰도 데이터베이스(223)로부터 영상의 신뢰도 90%를 추출할 수 있다.
프로브 속도(v) 허상 깊이 영상의 신뢰도
0≤v< 10 ms 1% 75% 이하 60 %
10 ms≤v≤20 ms < 2% 80% 이하 70 %
20 ms≤v≤30 ms < 5% 90% 이하 80 %
30 ms≤v≤40 ms < 10% 95% 이하 90 %
40 ms≤v≤50 ms < 15% 100 이하 100 %
예를 들어, 표 2는 1개의 분석 정보 예컨대, 속도에 따라 미리 매핑된 영상의 신뢰도를 예시한 것이다. 마찬가지로, 분석 정보 생성부(221)에 의해 생성된 프로브의 속도가 27 ms인 경우, 신뢰도 추출부(222)는 영상의 신뢰도 80%를 추출할 수 있다.
프로브 속도(v) 영상의 신뢰도
0≤v< 10 ms 60 %
10 ms≤v≤20 ms 70 %
20 ms≤v≤30 ms 80 %
30 ms≤v≤40 ms 90 %
40 ms≤v≤50 ms 100 %
다시 도 1을 참조하면, 신뢰도 제공부(130)는 영상 신뢰도 결정부(120)에서 결정된 영상 신뢰도를 사용자에게 제공한다. 신뢰도 제공부(130)는 결정된 영상 신뢰도를 시각 정보 또는 비시각 정보로 생성하고, 생성된 정보를 출력 장치에 출력하여 사용자에게 제공할 수 있다.
이때, 시각 정보는 영상의 신뢰도에 해당하는 색상 정보, 그래프 정보, 영상의 신뢰도에 해당하는 숫자나 문자 정보 중의 적어도 하나를 포함할 수 있다.
색상 정보는 아래의 표 3과 같이 신뢰도 값을 복수의 구간으로 나누어 각 구간마다 하나의 색상이 미리 정의될 수 있다. 이때, 구간의 범위는 필요에 따라 다양하게 나누어질 수 있으며, 구간의 범위를 세밀하게 나누는 경우 색상 정보는 진한 빨강에서 진한 초록으로 연속적으로 변해가도록 정의될 수 있다.
영상의 신뢰도 색상 정보
50% 미만 빨강
50% 이상 80% 미만 주황
80% 이상 100% 초록
영상 신뢰도 결정부(120)가 프로브로부터 연속적으로 입력되는 영상, 예컨대, 영상 1, 영상 2 및 영상 3에 대하여 각각 신뢰도를 70%, 40% 및 85%로 결정하면, 신뢰도 제공부(130)는 출력 장치에 차례대로 주황, 빨강 및 초록 순으로 색상 정보를 출력할 수 있다.
또한, 비시각 정보는 영상의 신뢰도에 해당하는 음향 신호, 진동 신호 및 영상의 신뢰도에 해당하는 음성 신호 중의 적어도 하나를 포함할 수 있다.
예를 들어, 아래의 표 4와 같이 영상의 신뢰도의 구간에 따라 출력할 음향 신호(예: 비프음)나 진동 신호의 세기 또는 횟수 등이 미리 정의될 수 있다. 전술한 바와 같이, 영상의 신뢰도의 구간은 다양한 범위로 나누어지는 것이 가능하며, 그 구간 범위가 좁을수록 음향 신호 또는 진동 신호의 세기는 연속적으로 증가/감소되도록 정의될 수 있다. 이때, 세기나 횟수는 영상의 신뢰도의 값에 반비례하도록 정의될 수 있다. 다만, 이에 한정되지는 않는다.
영상의 신뢰도 음향/진동 신호의 세기 음향/진동 신호의 횟수
50% 미만 강 3
50% 이상 80% 미만 중 2
80% 이상 100% 약 1
한편, 출력 장치는 프로브, 진단 장치, 진단 디스플레이 장치, 지향성 스피커, 사용자가 착용하는 웨어러블 기기나 진단실 내의 소정 위치에 설치되는 장치를 포함할 수 있다.
도 3a 내지 도 3d는 도 1의 신뢰도 제공부(130)가 신뢰도를 표시하는 실시예들을 도시한 것이다.
도 1 및 도 3a 내지 도 3d를 참조하여, 신뢰도 제공부(130)가 결정된 영상의 신뢰도를 출력 장치에 출력하는 예를 설명한다.
도 3a는 진단실 내에서 사용자가 검진자를 검진하는 과정을 도시한 것이다. 사용자는 프로브(311)를 통해 검진자의 환부에 프로브(311)를 밀착하여 이동시키면서 연속적으로 영상을 획득한다. 이때, 진단 장치(312)는 획득된 영상에 진단 알고리즘을 적용하여 진단을 수행하고, 획득된 영상 및 진단 결과는 진단 디스플레이 장치(313)에 출력된다.
이와 같이, 사용자가 검진 과정을 수행하면, 신뢰도 제공 장치(100)의 분석 기초 정보 수집부(110)는 사용자가 검진자를 검진하는 과정에서 생성되는 각종 정보, 예컨대, 프로브(311)가 획득하는 영상 및 프로브(311), 진단 장치(312) 및 진단 디스플레이 장치(313) 등에 탑재되거나 부착된 센서로부터 센서 정보를 분석 기초 정보로서 수집한다.
영상 신뢰도 결정부(120)는 수집된 분석 기초 정보를 이용하여 프로브(311)를 통해 획득되는 영상의 신뢰도를 결정한다.
신뢰도 제공부(130)는 결정된 영상의 신뢰도를 출력장치에 출력한다. 도시된 바를 참조하면 출력 장치는 프로브(311), 진단 장치(312) 및 진단 디스플레이 장치(313)가 될 수 있다.
이와 같이, 사용자는 진단 과정 중에 획득된 현재 영상의 신뢰도 정보가 출력 장치에 표시되면, 그 영상의 신뢰도 정보를 확인하여 프로브의 속도를 조정하거나, 검진자의 검진 부위에 밀착하는 정도, 측정하는 깊이 모드, 검진 부위의 밀착 위치 등을 조정함으로써 보다 정확한 영상이 획득되도록 할 수 있다.
도 3b는 프로브(320)에 영상의 신뢰도가 출력되는 것을 도시한 것이다. 도시된 바와 같이, 프로브(320)의 소정 위치에는 결정된 영상의 신뢰도에 따라 다른 색상 정보(321,322,323)가 출력될 수 있다. 다만, 이는 예시이며 전술한 바와 같이 진단 장치나 진단실 내의 소정 위치에 출력될 수 있다.
도 3c는 진단 디스플레이 장치(330)에 영상의 신뢰도가 그래프 형태(331)의 시각 정보로 출력된 것을 도시한 것이다.
도시된 바에 따르면, 그래프 형태(331)의 시각 정보에는 빨강, 주황, 노랑 및 초록색이 모두 표시되어 있으나 실제 연속적으로 입력되는 영상에 따라 표시되는 색상이 변화할 수 있다. 일 예로, 이전 영상의 신뢰도에 해당하는 색상이 빨강이고 현재 영상의 신뢰도에 해당하는 색상이 초록이라면, 화면에 출력되는 영상이 이전 영상에서 현재 영상으로 바뀔 때 빨강색이 점차적으로 흐려지고 초록색이 점차 진해지는 방식으로 표시될 수 있다. 다만, 이는 예시이고 그 표시 방법에 있어서 제한이 되지 않는다.
도 3d는 진단 디스플레이 장치(330)에 그래프 형태(331)와, 영상 신뢰도의 값의 숫자 정보(332)가 함께 출력되는 것을 도시한 것이다. 이때, 그래프 형태는 도 3c에서 설명한 바와 같다.
도 4는 다른 실시예에 따른 신뢰도 제공 장치의 블록도이다.
도 4를 참조하면, 신뢰도 제공 장치(400)는 분석 기초 정보 수집부(410), 진단 신뢰도 결정부(420) 및 신뢰도 제공부(430)를 포함할 수 있다.
분석 기초 정보 수집부(410)는 전술한 바와 같이 다양한 분석 기초 정보를 수집한다.
진단 신뢰도 결정부(420)는 수집된 분석 기초 정보를 이용하여 진단 장치가 수행하는 진단의 신뢰도를 결정할 수 있다. 이때, 진단의 신뢰도는 진단 알고리즘의 신뢰도나 진단 알고리즘을 통해 생성된 진단 결과의 신뢰도를 포함할 수 있다. 여기서, 진단 알고리즘의 신뢰도는 진단 장치에 적용된 현재의 진단 알고리즘이 현재 영상에 적합한지 여부를 나타낼 수 있다. 이때, 진단 알고리즘은 AdaBoost, DPM(Deformable Part Models), SVM(Support Vector Machine), Decision Tree, DBN(Deep Belief Network) 및 CNN(Convolutional Neural Network) 중의 어느 하나일 수 있다.
신뢰도 제공부(430)는 진단 신뢰도 결정부(420)에 의해 결정된 진단의 신뢰도를 사용자에게 제공한다. 이때, 결정된 진단의 신뢰도를 시각 정보 또는 비시각 정보로 생성하고, 생성된 정보를 출력 장치에 출력할 수 있다.
이때, 시각 정보는 앞에서 설명한 바와 같이 영상의 신뢰도에 해당하는 색상 정보, 그래프 정보, 영상의 신뢰도에 해당하는 숫자나 문자 정보 중의 적어도 하나를 포함할 수 있다. 색상 정보는 위의 표 3에 예시된 바와 같이 복수의 구간에 대하여 대응하는 색상이 미리 정의될 수 있으며, 각 구간의 범위는 필요에 따라 다양하게 나누어질 수 있다.
신뢰도 제공부(430)는 도 3a 내지 도 3d에 예시된 바와 같이, 프로브, 진단 장치 또는 진단 디스플레이 장치 등의 출력 장치에 생성된 시각 정보나 비시각 정보를 출력할 수 있다. 이하 자세한 설명은 생략한다.
도 5a 및 도 5b는 실시예들에 따른 도 4의 진단 신뢰도 결정부(420)의 상세 블록도이다.
도 5a를 참조하면, 일 실시예에 따른 진단 신뢰도 결정부(510)는 분석 정보 생성부(511) 및 진단 신뢰도 산출부(512)를 포함할 수 있다.
분석 정보 생성부(511)는 분석 기초 정보 수집부(410)에 의해 수집된 분석 기초 정보를 활용하여 분석 정보를 생성할 수 있다. 이때, 분석 정보는 프로브의 속도, 허상 정도, 깊이 정보, 관심영역 크기 정보를 포함할 수 있다.
전술한 바와 같이, 분석 정보 생성부(511)는 프로브를 통해 획득되는 현재 영상과 이전 영상의 변화에 기초하여 분석 정보를 생성할 수 있다. 또는, 프로브, 진단 장치, 진단 디스플레이 장치, 웨어러블 기기 등에 탑재된 각종 센서로부터 분석 정보에 해당하는 분석 기초 정보가 수집되는 경우 분석 정보 생성 절차는 생략 가능하다. 예컨대, 관심영역의 크기 정보는 진단 장치로부터 진단 장치가 현재 영상으로부터 검출한 관심 영역의 크기 정보를 수집할 수 있다.
진단 신뢰도 산출부(512)는 생성된 분석 정보에 미리 정의된 산출 알고리즘을 적용하여 진단의 신뢰도를 산출할 수 있다. 이때, 미리 정의된 산출 알고리즘은 수학식 1 또는 수학식 2에 예시된 바와 동일하거나 유사하게 정의될 수 있다.
도 5b를 참조하면, 다른 실시예에 따른 진단 신뢰도 결정부(520)는 분석 정보 생성부(521), 진단 신뢰도 추출부(522) 및 신뢰도 데이터베이스(523)를 포함할 수 있다.
분석 정보 생성부(521)는 도 5a의 분석 정보 생성부(511)와 동일한 기능을 수행하므로 이하 자세한 설명은 생략한다.
진단 신뢰도 추출부(522)는 생성된 분석 정보를 기초로 신뢰도 데이터베이스(523)로부터 해당하는 진단의 신뢰도를 추출할 수 있다. 이때, 진단의 신뢰도는 진단 알고리즘의 신뢰도나 진단 결과의 신뢰도를 포함할 수 있다.
아래의 표 5는 프로브의 속도에 따른 진단 알고리즘(예: CNN)의 신뢰도가 신뢰도 데이터베이스(523)에 미리 저장된 일 예이다. 표 5를 참조하면, 분석 속도는 느리지만 정확도가 비교적 높은 알고리즘인 CNN의 신뢰도는 프로브 속도가 느릴수록 높다고 할 수 있다. 다만, 이는 하나의 예시로서 분석 정보에 따른 진단 알고리즘의 신뢰도는 각 진단 알고리즘의 특성에 따라 각각 다르게 정의될 수 있다.
프로브 속도(v) 진단 알고리즘(CNN)
0≤v< 10 ms 100 %
10 ms≤v≤20 ms 90 %
20 ms≤v≤30 ms 80 %
30 ms≤v≤40 ms 70 %
40 ms≤v≤50 ms 60 %
마찬가지로, 진단 결과의 신뢰도 역시 분석 정보와 진단 결과의 신뢰도를 매핑한 정보를 테이블 형태로 신뢰도 데이터베이스(523)에 미리 저장될 수 있다. 진단 신뢰도 추출부(522)는 신뢰도 데이터베이스(523)에 저장된 매핑 정보를 참조하여 진단 결과의 신뢰도를 추출할 수 있다.
한편, 신뢰도 추출부(522)는 먼저 진단 알고리즘의 신뢰도를 추출하고, 이후 추출된 진단 알고리즘의 신뢰도에 기초하여 진단 결과의 신뢰도를 추출할 수도 있다. 이때, 신뢰도 데이터베이스(523)는 진단 알고리즘의 신뢰도와 진단 결과의 신뢰도를 매핑한 정보를 미리 저장할 수 있다.
도 6은 또 다른 실시예에 따른 신뢰도 제공 장치의 블록도이다.
도 6을 참조하면, 본 실시예에 따른 신뢰도 제공 장치(600)는 분석 기초 정보 수집부(610), 영상 신뢰도 결정부(620), 진단 신뢰도 결정부(630) 및 신뢰도 제공부(640)를 포함할 수 있다.
분석 기초 정보 수집부(610)는 전술한 신뢰도 제공 장치(100, 400)의 분석 기초 정보 수집부(610)와 동일한 기능을 수행하므로 자세한 설명은 생략한다.
영상 신뢰도 결정부(620)는 분석 기초 정보 수집부(610)에 의해 분석 기초 정보가 수집되면, 그 분석 기초 정보를 이용하여 분석 정보를 생성할 수 있다. 이때, 생성되는 분석 정보의 종류는 필요에 따라 미리 결정될 수 있으며, 분석 기초 정보에 해당하는 분석 정보가 존재하는 경우에는 분석 정보를 생성하는 절차의 생략이 가능하다.
또한, 영상 신뢰도 결정부(620)는 분석 정보가 생성되면, 생성된 분석 정보를 기초로 프로브를 통해 획득되는 영상의 신뢰도를 결정할 수 있다.
이때, 일 실시예에 따르면 영상 신뢰도 결정부(620)는 미리 정의된 산출 알고리즘을 분석 정보에 적용하여 영상의 신뢰도를 산출할 수 있다. 다른 실시예에 따르면, 전처리 과정을 통하여 분석 정보와 영상의 신뢰도를 매핑한 정보가 테이블 형태로 신뢰도 데이터베이스에 저장될 수 있다. 영상 신뢰도 결정부(620)는 분석 정보가 생성되면 그 신뢰도 데이터베이스로부터 그 분석 정보에 매핑된 영상의 신뢰도를 추출할 수 있다.
본 실시예에 따르면, 진단 신뢰도 결정부(630)는 영상 신뢰도 결정부(620)에 의해 영상 신뢰도가 결정되면, 그 영상 신뢰도에 기초하여 진단 신뢰도를 결정할 수 있다. 영상 신뢰도에 따른 진단 신뢰도의 매핑 정보는 신뢰도 데이터베이스에 미리 저장될 수 있으며, 진단 신뢰도 결정부(630)는 신뢰도 데이터베이스를 이용하여 진단의 신뢰도를 결정할 수 있다.
한편, 영상의 신뢰도에 따른 진단의 신뢰도, 예컨대 진단 알고리즘의 신뢰도는 결정된 영상의 신뢰도가 동일하다 하더라도 현재 적용된 진단 알고리즘의 종류 및 특성 등에 따라 다르게 정의될 수 있다.
신뢰도 제공부(640)는 결정된 영상의 신뢰도나 진단의 신뢰도를 출력 장치에 출력하여 사용자에게 제공할 수 있다. 전술한 바와 같이, 신뢰도 제공부(640)는 영상의 신뢰도나 진단의 신뢰도는 시각 정보 또는 비시각 정보로 생성하고, 생성된 정보를 출력 장치에 출력할 수 있다.
이때, 신뢰도 제공부(640)는 영상의 신뢰도와 진단의 신뢰도를 하나의 출력 장치에 동시에 출력할 수 있다. 예컨대, 진단 디스플레이 장치에 현재 영상이 출력되면 영상의 신뢰도를 소정 위치에 출력하고, 이후 진단 장치가 현재 영상에 대하여 관심영역의 검출, 검출된 관심영역의 양성/악성 판정 등의 진단 결과를 생성하여 진단 디스플레이 장치에 출력하면 그때 진단의 신뢰도를 영상의 신뢰도가 표시된 상태에서 동시에 출력할 수 있다.
또는, 신뢰도 제공부(640)는 영상의 신뢰도와 진단의 신뢰도를 서로 다른 출력 장치에 출력할 수 있다. 예컨대, 프로브를 통해 영상이 획득되어 진단 디스플레이 장치에 출력되면, 그 영상에 대하여 결정된 영상의 신뢰도를 도 3b에 예시한 바와 같이 프로브에 출력하고, 진단 결과가 진단 디스플레이 장치에 출력되면 진단의 신뢰도를 진단 디스플레이 장치에 표시하는 것도 가능하다.
다만, 영상의 신뢰도나 진단의 신뢰도를 출력하는 예는 여기에 제한되지 않는다. 예컨대, 영상의 신뢰도는 색상 정보로, 진단의 신뢰도는 그래프 형태로 출력할 수 있으며, 영상의 신뢰도는 비시각 정보로, 진단의 신뢰도는 시각 정보로 출력할 수도 있다. 이와 같이, 시각 정보와 비시각 정보들을 둘 이상으로 다양하게 조합하거나, 둘 이상의 출력 장치를 다양하게 조합하여 각 신뢰도를 출력하는 것이 가능하다.
도 7은 또 다른 실시예에 따른 신뢰도 제공 장치의 블록도이다.
도 7을 참조하면, 신뢰도 제공 장치(700)는 분석 기초 정보 수집부(710), 영상 신뢰도 결정부(720), 진단 알고리즘 선택부(730), 진단 신뢰도 결정부(740) 및 신뢰도 제공부(750)를 포함할 수 있다. 즉, 본 실시예에 따른 신뢰도 제공 장치(700)는 도 6의 신뢰도 제공 장치(600)의 구성에 진단 알고리즘 선택부(730)의 구성을 더 포함하는 것으로, 동일한 명칭의 구성들은 동일한 기능을 수행하므로 자세한 설명은 생략하기로 한다.
분석 기초 정보 수집부(710)는 진단 과정에서 발생하는 각종 정보, 예를 들어 프로브를 통해 획득된 영상, 각종 장치에 탑재된 센서들이 측정한 센서 정보, 진단실 내를 촬영하는 카메라 모듈에 의해 촬영된 영상 정보 등을 분석 기초 정보로 수집할 수 있다.
영상 신뢰도 결정부(720)는 분석 기초 정보를 이용하여 신뢰도 분석을 위한 분석 정보를 생성한다. 이때, 분석 정보는 영상 신뢰도 산출을 위한 산출 알고리즘의 파라미터 값일 수 있다. 또는 분석 정보는 신뢰도 데이터베이스에 미리 저장되어 있는 분석 정보 및 영상 신뢰도의 매핑 테이블을 참조하기 위한 속성 값들일 수 있다.
영상 신뢰도 결정부(720)는 분석 정보가 생성되면 신뢰도 데이터베이스가 존재하는 경우 신뢰도 데이터베이스로부터 분석 정보에 상응하는 영상의 신뢰도를 추출할 수 있다. 이 경우, 보다 신속하게 영상 신뢰도의 결정이 가능하다. 또는, 신뢰도 데이터베이스가 존재하지 않으면 분석 정보를 산출 알고리즘에 적용함으로써 영상의 신뢰도를 산출할 수 있다.
진단 알고리즘 선택부(730)는 프로브로부터 입력되는 현재 영상의 신뢰도가 결정되면, 그 영상의 신뢰도에 따라 진단 장치에서 진단 과정을 수행할 적합한 진단 알고리즘을 선택할 수 있다.
일반적으로 컴퓨터 보조 진단 분야에서 영상을 분석하여 관심영역을 검출, 추적, 판정 등의 진단 과정을 수행하는 진단 알고리즘은 AdaBoost, DPM(Deformable Part Models), SVM(Support Vector Machine), Decision Tree, DBN(Deep Belief Network) 및 CNN(Convolutional Neural Network) 등과 같이 다양한 알고리즘들이 존재한다. 각각의 진단 알고리즘들은 다양한 특성을 가진다. 예를 들어, CNN 알고리즘은 진단 속도는 느리지만 상대적으로 정확한 진단 결과를 생성하므로, 프로브가 저속으로 이동하면서 영상을 획득하는 경우 즉 영상의 변화가 크지 않는 경우에 보다 유용하다고 할 수 있다.
진단 알고리즘 선택부(730)는 프로브를 통해 연속적으로 영상이 입력되는 상황에서 영상의 신뢰도는 수시로 변경될 수 있고 그때마다 결정되는 영상의 신뢰도를 기초로 적합한 진단 알고리즘을 선택함으로써 진단 장치가 보다 정확한 진단 결과를 생성하도록 할 수 있다. 이때, 아래의 표 6과 같이 영상의 신뢰도에 따른 적합한 진단 알고리즘에 대한 매핑 정보가 미리 정의될 수 있으며, 진단 알고리즘 선택부(730)는 그 매핑 정보를 참조하여 영상의 신뢰도에 해당하는 진단 알고리즘을 진단 장치에서 수행될 진단 알고리즘으로 결정할 수 있다.
영상의 신뢰도 진단 알고리즘
50% 미만 CNN
50% 이상 80% 미만 SVM
80% 이상 100% DPM
예를 들어, 표 6을 참조하면, 진단 알고리즘 선택부(730)는 프로브로부터 입력된 현재 영상에 대한 영상의 신뢰도가 49%로 결정되면 CNN 알고리즘을 선택한다. 진단 장치는 진단 알고리즘 선택부(730)의 선택에 따라 CNN 알고리즘을 현재 영상에 적용하여 진단 결과를 생성할 수 있다. CNN 알고리즘은 결정된 영상의 신뢰도가 다른 구간으로 변경될 때까지 계속해서 유지된다. 이후, 사용자가 프로브의 속도를 변화시키거나 프로브를 검진자의 검진 부위에 강하게 밀착하는 등의 행동을 함으로써 획득된 영상에 대한 영상의 신뢰도가 75%로 향상되면 진단 알고리즘 선택부(730)는 진단 알고리즘을 SVM으로 변경하고, 진단 장치는 획득된 현재 영상에 대하여 SVM 알고리즘을 적용하여 진단 과정을 수행할 수 있다.
진단 신뢰도 결정부(740)는 진단 알고리즘 선택부(730)에 의해 선택된 진단 알고리즘을 통해 생성되는 진단 결과들의 신뢰도를 결정할 수 있다. 이때, 진단 신뢰도 결정부(740)는 전술한 분석 정보 외에도 영상의 신뢰도, 선택된 진단 알고리즘에 대한 신뢰도 정보를 종합적으로 고려하여 진단 결과들의 신뢰도를 결정할 수 있다.
예를 들어, 앞에서 설명한 수학식 1과 같은 산출 알고리즘에 각각의 분석 정보, 영상의 신뢰도, 진단 알고리즘의 신뢰도 등을 파라미터 값으로 입력하여 진단 결과의 신뢰도를 산출할 수 있다. 다만, 이에 제한되는 것은 아니며 전술하였듯이 신뢰도 데이터베이스에 미리 정의된 매핑 테이블이 존재하는 경우에는 그 매핑 테이블을 참조하여 진단 결과의 신뢰도를 추출할 수 있다.
신뢰도 제공부(750)는 결정된 영상 신뢰도, 선택된 진단 알고리즘, 진단 신뢰도 등을 시각 정보 또는 비시각 정보로 생성하여 다양한 출력장치에 출력할 수 있다.
도 8은 일 실시예에 따른 신뢰도 제공 방법의 흐름도이다. 도 8은 도 1의 실시예에 따른 신뢰도 제공 장치(100)가 수행하는 신뢰도 제공 방법의 일 실시예일 수 있다.
도 8을 참조하면, 먼저, 신뢰도 제공 장치(100)는 분석 기초 정보를 수집한다(810). 이때, 분석 기초 정보는 프로브로부터 입력되는 영상을 포함할 수 있으며, 그 밖의 진단 과정에서 발생하는 각종 센서 정보, 예컨대, 프로브 속도, 촬영 깊이 모드 정보, 각속도 정보 등을 포함할 수 있다.
그 다음, 수집된 분석 기초 정보를 이용하여 영상의 신뢰도를 결정할 수 있다(820). 이때, 신뢰도 제공 장치(100)는 미리 정의된 산출 알고리즘을 이용하여 영상의 신뢰도를 산출할 수 있다. 또는 신뢰도 데이터베이스를 참조하여 영상의 신뢰도를 추출할 수 있다.
그 다음, 결정된 영상의 신뢰도를 사용자에게 제공한다(830). 이때, 신뢰도 제공 장치(100)는 결정된 영상의 신뢰도를 시각 정보 또는 비시각 정보로 생성하고, 생성된 정보를 출력 장치에 출력하여 사용자에게 제공할 수 있다. 예를 들어, 출력 장치가 프로브인 경우 프로브의 소정 위치에 신뢰도 구간별로 미리 정의된 색상 중에서 단계 820에서 결정된 영상의 신뢰도에 해당하는 구간의 색상을 출력할 수 있다. 또는, 프로브로부터 입력되는 진단 디스플레이 장치 상의 프로브로부터 영상이 입력되는 화면에 그래프 형태로 출력하거나, 영상의 신뢰도에 해당하는 값을 출력할 수 있다.
도 9는 다른 실시예에 따른 신뢰도 제공 방법의 흐름도이다.
도 9를 참조하여 좀 더 구체적으로 설명하면, 신뢰도 제공 장치(100)는 프로브로부터 입력되는 영상을 포함하는 분석 기초 정보를 수집한다(911).
그 다음, 수집된 분석 기초 정보 중에 영상의 신뢰도 분석을 위해 필요한 모든 분석 정보가 존재하는지 판단할 수 있다(912). 이때, 필요한 분석 정보 중의 전부 또는 일부가 존재하지 않으면 그 존재하지 않은 분석 정보들을 분석 기초 정보를 이용하여 생성할 수 있다(913). 이때, 만약 필요한 모든 분석 정보가 존재하면 분석 정보를 생성하는 단계(913)를 수행하지 않고 다음 단계(914)를 수행한다.
예를 들어, 영상의 신뢰도 분석에 필요한 분석 정보가 프로브의 속도, 허상 정도, 깊이 및 각속도라고 가정할 때, 프로브에 속도 센서가 탑재되어 있는 경우 프로브의 속도 정보를 분석 기초 정보로 수집하는 것이 가능하다. 이 경우에는 프로브의 속도 정보는 생성하지 않고, 분석 기초 정보 예컨대, 프로브로부터 연속적으로 입력되는 영상 간의 변화에 기초하여 나머지 허상 정도, 깊이 및 각속도를 생성할 수 있다. 마찬가지로, 프로브에 위치 센서나 깊이 측정 센서 등이 탑재되는 경우 깊이 및 각속도 정보를 분석 기초 정보로 수집하는 것이 가능하다.
그 다음, 분석 정보가 생성되면, 분석 정보와 영상의 신뢰도를 매핑한 정보를 저장하고 있는 신뢰도 데이터베이스가 존재하는지를 판단할 수 있다(914).
판단 결과(914), 신뢰도 데이터베이스가 존재하면 생성된 분석 정보를 이용하여 신뢰도 데이터베이스에서 해당하는 영상의 신뢰도를 추출할 수 있다(916). 만약, 신뢰도 데이터베이스가 존재하지 않으면 분석 정보를 미리 정의된 산출 알고리즘의 파라미터로 입력하여 영상의 신뢰도를 산출할 수 있다(915).
그 다음, 단계(914) 및 단계(915)에서 결정된 영상의 신뢰도를 다양한 출력 장치에 출력하여 사용자에게 제공할 수 있다(917).
도 10은 또 다른 실시예에 따른 신뢰도 제공 방법의 흐름도이다. 도 10은 도 4의 실시예에 따른 신뢰도 제공 장치(400)에 의해 수행되는 신뢰도 제공 방법의 일 실시예일 수 있다.
도 10을 참조하면, 먼저 신뢰도 제공 장치(400)는 다양한 분석 기초 정보를 수집한다(1010).
그 다음, 수집된 분석 기초 정보를 이용하여 진단 장치가 수행하는 진단의 신뢰도를 결정할 수 있다(1020). 이때, 진단의 신뢰도는 진단 알고리즘의 신뢰도 및 그 진단 알고리즘을 통해 생성된 진단 결과의 신뢰도 중의 적어도 하나를 포함할 수 있다. 여기서, 진단 알고리즘의 신뢰도는 진단 장치에서 진단 과정을 수행하고 있는 진단 알고리즘이 프로브로부터 입력된 현재 영상에 적합한지 여부를 나타낼 수 있다.
신뢰도 제공 장치(400)는 분석 정보를 신뢰도 산출 알고리즘에 적용하거나 신뢰도 데이터베이스에 저장되어 있는 정보를 참조하여 진단의 신뢰도를 결정할 수 있다.
그 다음, 결정된 진단의 신뢰도를 사용자에게 제공한다(1030). 이때, 결정된 진단의 신뢰도는 시각적 또는 비시각적인 방법을 통해 출력 장치에 출력될 수 있다.
도 11은 또 다른 실시예에 따른 신뢰도 제공 방법의 흐름도이다. 도 11은 도 6의 실시예에 따른 신뢰도 제공 장치(600)가 수행하는 신뢰도 제공 방법의 일 실시예일 수 있다.
도 11을 참조하면, 신뢰도 제공 장치(600)는 분석 기초 정보를 수집한다(1110).
그 다음, 분석 기초 정보를 이용하여 영상의 신뢰도를 결정할 수 있다(1120). 이때, 분석 기초 정보를 이용하여 신뢰도 분석에 필요한 분석 정보를 생성하고, 생성된 분석 정보를 이용하여 영상의 신뢰도를 결정할 수 있다.
그 다음, 프로브를 통하여 입력된 현재의 영상에 대하여 영상의 신뢰도가 결정되면, 진단 장치가 그 현재의 영상을 분석 및 진단하여 생성한 진단 신뢰도를 결정할 수 있다(1130). 이때, 진단 신뢰도는 현재의 영상을 분석 및 진단하여 생성한 진단 결과의 신뢰도 뿐만 아니라, 진단 장치에서 진단 과정을 수행중인 현재의 진단 알고리즘에 대한 신뢰도를 포함할 수 있다.
그 다음, 결정된 진단 알고리즘에 대한 신뢰도를 사용자에게 제공한다(1140).
일반적으로 동일한 영상이라 하더라도 진단 알고리즘의 특성에 따라 진단 결과는 달라지므로, 입력되는 영상의 신뢰도에 따라서 현재 적용된 진단 알고리즘이 수행하는 진단 결과 또한 달라질 수 있다. 따라서, 개시된 실시예에 따르면, 입력된 현재 영상의 신뢰도에 따라 분석을 수행하는 진단 알고리즘이 적합한지 여부를 사용자에게 제공할 수 있으므로 사용자는 영상의 신뢰도에 따라 진단 알고리즘을 변경하는 것이 가능하다.
도 12는 또 다른 실시예에 따른 신뢰도 제공 방법의 흐름도이다. 도 12는 도 7의 실시예에 따른 신뢰도 제공 장치(700)에 의해 수행되는 신뢰도 제공 방법의 일 실시예일 수 있다.
도 12를 참조하면, 신뢰도 제공 장치(700)는 프로브로부터 입력되는영상을 포함한 분석 기초 정보를 수집할 수 있다(1210).
그 다음, 분석 기초 정보가 수집되면, 수집된 분석 기초 정보를 이용하여 영상의 신뢰도를 생성할 수 있다(1220). 이때, 전술한 바와 같이 분석 기초 정보를 이용하여 분석 정보를 생성하고 생성된 분석 정보에 기초하여 영상의 신뢰도를 결정할 수 있다. 영상의 신뢰도는 분석 정보를 산출 알고리즘에 적용하거나 미리 생성된 신뢰도 데이터베이스를 참조하여 결정할 수 있다.
그 다음, 현재 입력된 영상에 대하여 결정된 영상의 신뢰도를 기초로 현재 입력된 영상에 적합한 진단 알고리즘을 선택할 수 있다(1230).
일반적으로, 컴퓨터 보조 진단에 활용되는 진단 알고리즘은 다양하게 존재하며, 알고리즘의 특성에 따라 진단 소요 시간, 진단 결과의 정확성 등이 각각 상이하다. 이때, 현재 입력되는 영상에 대하여 영상의 신뢰도가 낮은 경우, 현재 영상에 대하여 진단 소요 시간은 빠르지만 진단 결과의 정확성은 상대적으로 낮은 진단 알고리즘을 사용하여 분석하게 되면 진단 결과의 신뢰도는 더욱 낮아질 수 있다. 따라서, 현재 입력되는 영상의 신뢰도에 따라 적절한 진단 알고리즘을 선택하고, 진단 알고리즘을 이용하여 영상 분석 과정을 수행하도록 함으로써 진단 결과의 정확성, 즉 진단 결과의 신뢰도를 향상시킬 수 있다.
그 다음, 진단 알고리즘이 선택되면 선택된 진단 알고리즘을 적용하여 생성된 진단의 신뢰도를 결정할 수 있다(1240). 이때, 현재 입력된 영상에 대한 신뢰도에 따라 적절한 진단 알고리즘을 선택하더라도, 진단 알고리즘의 특성에 따라서 동일한 수준의 진단 결과가 생성되는 것은 아니므로, 생성된 분석 정보, 영상의 신뢰도, 선택된 진단 알고리즘에 대한 신뢰도 등을 고려하여 그 진단 알고리즘이 생성한 진단 결과의 신뢰도를 결정할 수 있다.
그 다음, 영상의 신뢰도, 선택된 진단 알고리즘, 그 선택된 진단 알고리즘에 의해 수행된 진단 결과의 신뢰도 등을 프로브, 진단 장치, 진단 디스플레이 장치 등의 출력 장치에 출력하여 사용자에게 제공할 수 있다.
한편, 본 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 실시예들을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술 분야의 프로그래머들에 의하여 용이하게 추론될 수 있다.
본 개시가 속하는 기술분야의 통상의 지식을 가진 자는 개시된 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.
100,400,600,700: 신뢰도 제공 장치
110,410,610,710: 분석 기초 정보 수집부
120,210,220,620,720: 영상 신뢰도 결정부
130,430,640,750: 신뢰도 제공부
211,221,511,521: 분석 정보 생성부
212: 영상 신뢰도 산출부
222: 영상 신뢰도 추출부
223: 신뢰도 데이터베이스
420,510,520,630,740: 진단 신뢰도 결정부
512: 진단 신뢰도 산출부
522: 진단 신뢰도 추출부
730: 진단 알고리즘 선택부

Claims (32)

  1. 프로브(probe)를 통해 획득되는 영상을 포함하는 분석 기초 정보를 수집하는 분석 기초 정보 수집부;
    상기 수집된 분석 기초 정보를 이용하여 상기 프로브를 통해 획득되는 영상의 신뢰도를 결정하는 영상 신뢰도 결정부; 및
    상기 결정된 영상의 신뢰도를 사용자에게 제공하는 신뢰도 제공부를 포함하는 컴퓨터 보조 진단을 위한 신뢰도 제공 장치.
  2. 제1항에 있어서,
    상기 분석 기초 정보 수집부는
    상기 프로브나 진단 장치에 장착된 센서, 사용자가 착용하는 웨어러블 기기(wearable device) 및 진단실 내에 설치된 기기 중의 하나 이상으로부터 상기 분석 기초 정보를 수집하는 컴퓨터 보조 진단을 위한 신뢰도 제공 장치.
  3. 제1항에 있어서,
    상기 영상 신뢰도 결정부는
    상기 수집된 분석 기초 정보를 이용하여 분석 정보를 생성하고, 생성된 분석 정보에 기초하여 상기 영상의 신뢰도를 결정하는 컴퓨터 보조 진단을 위한 신뢰도 제공 장치.
  4. 제3항에 있어서,
    상기 분석 정보는 상기 프로브의 이동 속도, 상기 영상의 허상(blur) 정도, 상기 프로브의 측정 깊이(depth) 및 각속도 중의 하나 이상을 포함하는 컴퓨터 보조 진단을 위한 신뢰도 제공 장치.
  5. 제3항에 있어서,
    상기 영상 신뢰도 결정부는
    상기 프로브로부터 획득되는 현재 영상 및 이전 영상 간의 변화에 기초하여 상기 분석 정보를 생성하는 컴퓨터 보조 진단을 위한 신뢰도 제공 장치.
  6. 제3항에 있어서,
    상기 영상 신뢰도 결정부는
    상기 생성된 분석 정보를 신뢰도 산출 알고리즘에 적용하여 영상의 신뢰도를 산출하는 컴퓨터 보조 진단을 위한 신뢰도 제공 장치.
  7. 제3항에 있어서,
    상기 영상 신뢰도 결정부는
    신뢰도 데이터베이스로부터 상기 분석 정보에 상응하는 영상의 신뢰도를 추출하는 컴퓨터 보조 진단을 위한 신뢰도 제공 장치.
  8. 제1항에 있어서,
    상기 신뢰도 제공부는
    상기 결정된 영상의 신뢰도를 나타내는 시각 정보 또는 비시각 정보를 생성하고, 생성된 정보를 출력 장치에 출력하는 컴퓨터 보조 진단을 위한 신뢰도 제공 장치.
  9. 제8항에 있어서,
    상기 시각 정보는 상기 영상의 신뢰도에 해당하는 색상 정보, 그래프 정보 및 상기 영상의 신뢰도 값에 대한 숫자 정보 중의 적어도 하나를 포함하는 컴퓨터 보조 진단을 위한 신뢰도 제공 장치.
  10. 제8항에 있어서,
    상기 비시각 정보는 상기 영상의 신뢰도에 해당하는 미리 정의된 음향 신호, 미리 정의된 진동 신호 및 상기 영상의 신뢰도 값에 대한 음성 신호 중의 적어도 하나를 포함하는 컴퓨터 보조 진단을 위한 신뢰도 제공 장치.
  11. 제8항에 있어서,
    상기 출력 장치는
    상기 프로브, 진단 장치, 진단 디스플레이 장치, 지향성 스피커, 웨어러블 디바이스 및 햅틱 장치 중의 적어도 하나를 포함하는 컴퓨터 보조 진단을 위한 신뢰도 제공 장치.
  12. 프로브(probe)를 통해 획득되는 영상을 포함하는 분석 기초 정보를 수집하는 단계;
    상기 수집된 분석 기초 정보를 이용하여 상기 프로브를 통해 획득되는 영상의 신뢰도를 결정하는 단계; 및
    상기 결정된 영상의 신뢰도를 사용자에게 제공하는 단계를 포함하는 컴퓨터 보조 진단을 위한 신뢰도 제공 방법.
  13. 제12항에 있어서,
    상기 분석 기초 정보를 수집하는 단계는
    상기 프로브나 진단 장치에 장착된 센서, 사용자가 착용하는 웨어러블 기기(wearable device) 및 진단실 내에 설치된 기기 중의 하나 이상으로부터 상기 분석 기초 정보를 수집하는 컴퓨터 보조 진단을 위한 신뢰도 제공 방법.
  14. 제12항에 있어서,
    상기 영상의 신뢰도를 결정하는 단계는
    상기 수집된 분석 기초 정보를 이용하여 분석 정보를 생성하는 단계를 포함하고, 상기 생성된 분석 정보에 기초하여 상기 영상의 신뢰도를 결정하는 컴퓨터 보조 진단을 위한 신뢰도 제공 방법.
  15. 제14항에 있어서,
    상기 분석 정보는 상기 프로브의 이동 속도, 상기 영상의 허상(blur) 정도, 상기 프로브의 측정 깊이(depth) 및 각속도 중의 하나 이상을 포함하는 컴퓨터 보조 진단을 위한 신뢰도 제공 방법.
  16. 제14항에 있어서,
    상기 분석 정보를 생성하는 단계는
    상기 프로브로부터 획득되는 현재 영상 및 이전 영상 간의 변화에 기초하여 상기 분석 정보를 생성하는 컴퓨터 보조 진단을 위한 신뢰도 제공 방법.
  17. 제14항에 있어서,
    상기 영상의 신뢰도를 결정하는 단계는
    상기 생성된 분석 정보를 신뢰도 산출 알고리즘에 적용하여 상기 영상의 신뢰도를 산출하는 컴퓨터 보조 진단을 위한 신뢰도 제공 방법.
  18. 제14항에 있어서,
    상기 영상의 신뢰도를 결정하는 단계는
    신뢰도 데이터베이스로부터 상기 분석 정보에 상응하는 상기 영상의 신뢰도를 추출하는 컴퓨터 보조 진단을 위한 신뢰도 제공 방법.
  19. 제12항에 있어서,
    상기 신뢰도를 제공하는 단계는
    상기 결정된 영상의 신뢰도를 나타내는 시각 정보 또는 비시각 정보를 생성하는 단계; 및
    상기 생성된 정보를 출력 장치에 출력하는 단계를 포함하는 컴퓨터 보조 진단을 위한 신뢰도 제공 방법.
  20. 제19항에 있어서,
    상기 시각 정보는 상기 영상의 신뢰도에 해당하는 색상 정보, 그래프 정보 및 상기 영상의 신뢰도 값에 대한 숫자 정보 중의 적어도 하나를 포함하는 컴퓨터 보조 진단을 위한 신뢰도 제공 방법.
  21. 제19항에 있어서,
    상기 비시각 정보는 상기 영상의 신뢰도에 해당하는 미리 정의된 음향 신호, 미리 정의된 진동 신호 및 상기 영상의 신뢰도 값에 대한 음성 신호 중의 적어도 하나를 포함하는 컴퓨터 보조 진단을 위한 신뢰도 제공 방법.
  22. 제19항에 있어서,
    상기 출력 장치는
    상기 프로브 및 상기 수집된 영상이 출력되는 디스플레이 장치, 지향성 스피커, 웨어러블 디바이스 및 햅틱 장치 중의 적어도 하나를 포함하는 컴퓨터 보조 진단을 위한 신뢰도 제공 방법.
  23. 프로브(probe)를 통해 획득되는 영상을 포함하는 분석 기초 정보를 수집하는 분석 기초 정보 수집부;
    상기 수집된 분석 기초 정보를 이용하여 진단 장치가 수행하는 진단의 신뢰도를 결정하는 진단 신뢰도 결정부; 및
    상기 결정된 진단의 신뢰도를 사용자에게 제공하는 신뢰도 제공부를 포함하는 컴퓨터 보조 진단을 위한 신뢰도 제공 장치.
  24. 제23항에 있어서,
    상기 수집된 분석 기초 정보를 이용하여 분석 정보를 생성하고, 생성된 분석 정보에 기초하여 상기 프로브를 통해 획득된 영상의 신뢰도를 결정하는 영상 신뢰도 결정부를 더 포함하는 컴퓨터 보조 진단을 위한 신뢰도 제공 장치.
  25. 제24항에 있어서,
    상기 결정된 영상의 신뢰도에 기초하여, 상기 프로브를 통해 획득된 영상에 적용할 진단 알고리즘을 선택하는 진단 알고리즘 선택부를 더 포함하는 컴퓨터 보조 진단을 위한 신뢰도 제공 장치.
  26. 제23항에 있어서,
    상기 진단의 신뢰도는
    상기 프로브를 통해 획득된 영상에 적용된 진단 알고리즘의 신뢰도 및, 진단 결과의 신뢰도 중의 적어도 하나를 포함하는 컴퓨터 보조 진단을 위한 신뢰도 제공 장치.
  27. 제23항에 있어서,
    상기 신뢰도 제공부는
    상기 결정된 진단의 신뢰도를 나타내는 시각 정보 또는 비시각 정보를 생성하고, 생성된 정보를 출력 장치에 출력하는 컴퓨터 보조 진단을 위한 신뢰도 제공 장치.
  28. 프로브(probe)를 통해 획득되는 영상을 포함하는 분석 기초 정보를 수집하는 단계;
    상기 수집된 분석 기초 정보를 이용하여 진단 장치가 수행하는 진단의 신뢰도를 결정하는 단계; 및
    상기 결정된 진단의 신뢰도를 사용자에게 제공하는 단계를 포함하는 컴퓨터 보조 진단을 위한 신뢰도 제공 방법.
  29. 제28항에 있어서,
    상기 수집된 분석 기초 정보를 이용하여 분석 정보를 생성하는 단계; 및
    상기 생성된 분석 정보에 기초하여 상기 프로브를 통해 획득된 영상의 신뢰도를 결정하는 단계를 더 포함하는 컴퓨터 보조 진단을 위한 신뢰도 제공 방법.
  30. 제29항에 있어서,
    상기 결정된 영상의 신뢰도에 기초하여, 상기 프로브를 통해 획득된 영상에 적용할 진단 알고리즘을 선택하는 단계를 더 포함하는 컴퓨터 보조 진단을 위한 신뢰도 제공 방법.
  31. 제28항에 있어서,
    상기 진단의 신뢰도는
    상기 프로브를 통해 획득된 영상에 적용된 진단 알고리즘의 신뢰도 및, 진단 결과의 신뢰도 중의 적어도 하나를 포함하는 컴퓨터 보조 진단을 위한 신뢰도 제공 방법.
  32. 제28항에 있어서,
    상기 진단의 신뢰도를 제공하는 단계는
    상기 결정된 진단의 신뢰도를 나타내는 시각 정보 또는 비시각 정보를 생성하는 단계; 및
    상기 생성된 정보를 출력 장치에 출력하는 단계를 포함하는 컴퓨터 보조 진단을 위한 신뢰도 제공 방법.
KR1020150030384A 2015-03-04 2015-03-04 컴퓨터 보조 진단을 위한 신뢰도 제공 장치 및 방법 KR20160107528A (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020150030384A KR20160107528A (ko) 2015-03-04 2015-03-04 컴퓨터 보조 진단을 위한 신뢰도 제공 장치 및 방법
EP16156616.1A EP3065072A1 (en) 2015-03-04 2016-02-22 Apparatus and method for providing reliability for computer aided diagnosis
US15/052,455 US20160259898A1 (en) 2015-03-04 2016-02-24 Apparatus and method for providing reliability for computer aided diagnosis
CN201610114893.1A CN105938513A (zh) 2015-03-04 2016-03-01 为计算机辅助诊断提供可靠性的装置和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150030384A KR20160107528A (ko) 2015-03-04 2015-03-04 컴퓨터 보조 진단을 위한 신뢰도 제공 장치 및 방법

Publications (1)

Publication Number Publication Date
KR20160107528A true KR20160107528A (ko) 2016-09-19

Family

ID=55450999

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150030384A KR20160107528A (ko) 2015-03-04 2015-03-04 컴퓨터 보조 진단을 위한 신뢰도 제공 장치 및 방법

Country Status (4)

Country Link
US (1) US20160259898A1 (ko)
EP (1) EP3065072A1 (ko)
KR (1) KR20160107528A (ko)
CN (1) CN105938513A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018075521A3 (en) * 2016-10-17 2018-07-12 Context Ai, Llc Systems and methods for medical diagnosis and biomarker identification using physiological sensors and machine learning

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
BR112018067831A2 (pt) * 2016-03-09 2019-01-02 Koninklijke Philips Nv sistema de imageamento fetal, método de imageamento fetal, e programa de computador
US11832969B2 (en) * 2016-12-22 2023-12-05 The Johns Hopkins University Machine learning approach to beamforming
US11984224B2 (en) 2017-05-31 2024-05-14 Koninklijke Philips N.V. Machine learning on raw medical imaging data for clinical decision support
US10691975B2 (en) * 2017-07-19 2020-06-23 XNOR.ai, Inc. Lookup-based convolutional neural network
US11264135B2 (en) * 2017-11-10 2022-03-01 Siemens Medical Solutions Usa, Inc. Machine-aided workflow in ultrasound imaging
CN110432928B (zh) * 2019-08-22 2021-11-26 深圳瀚维智能医疗科技有限公司 超声图像扫查方法、装置及设备
CN111513754A (zh) * 2019-09-16 2020-08-11 深圳迈瑞生物医疗电子股份有限公司 一种超声成像设备、超声图像的质量评估方法
EP3910644A1 (en) * 2020-05-12 2021-11-17 Koninklijke Philips N.V. Quality control in medical imaging

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4088104B2 (ja) * 2002-06-12 2008-05-21 株式会社東芝 超音波診断装置
US7330594B2 (en) * 2003-07-31 2008-02-12 Kabushiki Kaisha Toshiba Image enhancement or correction software, method, apparatus and system for substantially minimizing blur in the scanned image
US20110246521A1 (en) * 2007-08-06 2011-10-06 Hui Luo System and method for discovering image quality information related to diagnostic imaging performance
CN101283929B (zh) * 2008-06-05 2010-06-16 华北电力大学 一种血管三维模型的重建方法
RU2507535C2 (ru) * 2008-06-05 2014-02-20 Конинклейке Филипс Электроникс Н.В. Визуализация ультразвуковых изображений с расширенным полем обзора с помощью двумерного матричного зонда
CN101422352B (zh) * 2008-12-10 2011-07-13 华北电力大学（保定） 一种交互式冠状动脉虚拟血管镜的实现方法
US9392995B2 (en) * 2012-07-25 2016-07-19 General Electric Company Ultrasound imaging system and method
US8824752B1 (en) * 2013-03-15 2014-09-02 Heartflow, Inc. Methods and systems for assessing image quality in modeling of patient anatomic or blood flow characteristics
EP2991557A1 (en) * 2013-04-30 2016-03-09 Tractus Corporation Hand-held imaging devices with position and/or orientation sensors for complete examination of tissue
KR20150144233A (ko) * 2014-06-16 2015-12-24 삼성전자주식회사 영상 샘플링 시스템 및 방법
KR102294193B1 (ko) * 2014-07-16 2021-08-26 삼성전자주식회사 프로브 속도에 기초한 컴퓨터 보조 진단 지원 장치 및 방법
KR20160066927A (ko) * 2014-12-03 2016-06-13 삼성전자주식회사 컴퓨터 보조 진단 지원 장치 및 방법
KR102307356B1 (ko) * 2014-12-11 2021-09-30 삼성전자주식회사 컴퓨터 보조 진단 장치 및 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018075521A3 (en) * 2016-10-17 2018-07-12 Context Ai, Llc Systems and methods for medical diagnosis and biomarker identification using physiological sensors and machine learning

Also Published As

Publication number Publication date
US20160259898A1 (en) 2016-09-08
EP3065072A1 (en) 2016-09-07
CN105938513A (zh) 2016-09-14

Similar Documents

Publication Publication Date Title
KR20160107528A (ko) 컴퓨터 보조 진단을 위한 신뢰도 제공 장치 및 방법
US11100645B2 (en) Computer-aided diagnosis apparatus and computer-aided diagnosis method
US9536316B2 (en) Apparatus and method for lesion segmentation and detection in medical images
US8840555B2 (en) System and method of ultrasound image processing
KR20160049897A (ko) 연속적인 의료 영상을 이용한 컴퓨터 보조 진단 장치 및 방법
KR20140049137A (ko) 의료영상 분석장치 및 방법
KR20120072961A (ko) 의료 영상을 이용한 영상진단을 보조하는 방법 및 장치, 이를 수행하는 영상진단 시스템
EP3606437B1 (en) Method and apparatus for physiological functional parameter determination
US20150254851A1 (en) Skin image analysis
CN109313803B (zh) 一种用于映射对象的身体的至少部分的图像中的结构的至少部分的方法和装置
EP3657444A1 (en) Tomographic image processing apparatus and method, and computer program product
JP7266599B2 (ja) 患者の身体運動を検知するためのデバイス、システム及び方法
KR101941209B1 (ko) 인공지능 기반 독립형 자동 질환 진단 시스템 및 방법
KR102493242B1 (ko) 인공지능 학습을 통해 광용적맥파로부터 대동맥판막협착증 및 기타 심혈관 질환 위험도를 판단하는 방법 및 시스템
KR101587720B1 (ko) 의료 영상의 분산 이미지 노이즈를 활용한 골밀도 진단 장치 및 이의 골밀도 진단 정보 제공 방법
Nagarhalli et al. Evaluating the Effectiveness of the Convolution Neural Network in Detecting Brain Tumors
EP2980757B1 (en) Quantification and imaging methods of the echo-texture feature
KR20210068189A (ko) 의료 영상을 이용한 병변 여부 판단 방법
JP2007330419A (ja) 画像表示装置および方法並びにプログラム
KR20150009915A (ko) 의료 영상 지식 서비스 제공 장치, 영상 처리 장치 및 방법
EP4309567A1 (en) Method and system for processing a plurality of camera images of a human body target area over time
Green Automatic'Timed-Up and Go'(TUG) test segmentation
US20230200643A1 (en) Image Generation Device, Program, and Image Generation Method
Ramesh The Computerized Classification of Micro-Motions in the Hand using Waveforms from Mobile Phone
KR20210150171A (ko) 딥러닝 알고리즘 기반의 초음파 영상에서의 말초신경 자동 인식 및 신경 지표 측정 방법 및 장치

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application