KR20180136857A - 병변 영역을 판단하는 캡슐 내시경 및 수신 장치 - Google Patents

병변 영역을 판단하는 캡슐 내시경 및 수신 장치 Download PDF

Info

Publication number
KR20180136857A
KR20180136857A KR1020170114741A KR20170114741A KR20180136857A KR 20180136857 A KR20180136857 A KR 20180136857A KR 1020170114741 A KR1020170114741 A KR 1020170114741A KR 20170114741 A KR20170114741 A KR 20170114741A KR 20180136857 A KR20180136857 A KR 20180136857A
Authority
KR
South Korea
Prior art keywords
image
neural network
artificial neural
capsule endoscope
transmitter
Prior art date
Application number
KR1020170114741A
Other languages
English (en)
Other versions
KR102376787B1 (ko
Inventor
오광일
강태욱
김성은
박미정
박성모
박형일
이재진
임인기
Original Assignee
한국전자통신연구원
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 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to US16/001,750 priority Critical patent/US11055843B2/en
Publication of KR20180136857A publication Critical patent/KR20180136857A/ko
Priority to US17/339,574 priority patent/US11715201B2/en
Application granted granted Critical
Publication of KR102376787B1 publication Critical patent/KR102376787B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
    • A61B1/04—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor combined with photographic or television appliances
    • A61B1/041—Capsule endoscopes for imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
    • A61B1/00002—Operational features of endoscopes
    • A61B1/00004—Operational features of endoscopes characterised by electronic signal processing
    • A61B1/00006—Operational features of endoscopes characterised by electronic signal processing of control signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
    • A61B1/00002—Operational features of endoscopes
    • A61B1/00004—Operational features of endoscopes characterised by electronic signal processing
    • A61B1/00009—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
    • A61B1/00002—Operational features of endoscopes
    • A61B1/00004—Operational features of endoscopes characterised by electronic signal processing
    • A61B1/00009—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope
    • A61B1/000094—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope extracting biological structures
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
    • A61B1/00002—Operational features of endoscopes
    • A61B1/00004—Operational features of endoscopes characterised by electronic signal processing
    • A61B1/00009—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope
    • A61B1/000096—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope using artificial intelligence
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
    • A61B1/00002—Operational features of endoscopes
    • A61B1/00011—Operational features of endoscopes characterised by signal transmission
    • A61B1/00016—Operational features of endoscopes characterised by signal transmission using wireless means
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
    • A61B1/00002—Operational features of endoscopes
    • A61B1/0002—Operational features of endoscopes provided with data storages
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
    • A61B1/00002—Operational features of endoscopes
    • A61B1/00025—Operational features of endoscopes characterised by power management
    • A61B1/00027—Operational features of endoscopes characterised by power management characterised by power supply
    • A61B1/00032—Operational features of endoscopes characterised by power management characterised by power supply internally powered
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
    • A61B1/00002—Operational features of endoscopes
    • A61B1/00025—Operational features of endoscopes characterised by power management
    • A61B1/00036—Means for power saving, e.g. sleeping mode
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0026—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the transmission medium
    • A61B5/0028—Body tissue as transmission medium, i.e. transmission systems where the medium is the human body
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N99/005—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • 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
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/02—Operational features
    • A61B2560/0204—Operational features of power management
    • A61B2560/0209—Operational features of power management adapted for power saving
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10068—Endoscopic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30028—Colon; Small intestine
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30092—Stomach; Gastric
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30096—Tumor; Lesion

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Surgery (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Optics & Photonics (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Fuzzy Systems (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Quality & Reliability (AREA)
  • Endoscopes (AREA)

Abstract

본 발명은 병변 영역을 판단하는 캡슐 내시경에 관한 것이다. 캡슐 내시경은 생체 내 소화 기관을 촬상하여 이미지를 생성하는 촬상 장치, 상기 이미지에 병변 영역이 있는지 여부를 판단하는 인공 신경망, 및 상기 인공 신경망의 판단 결과에 기초하여 상기 이미지를 송신하는 송신기를 포함할 수 있다. 본 발명의 실시 예에 따른 캡슐 내시경은 병변 영역이 있는 이미지만을 송신하여 전력 소모를 줄일 수 있다.

Description

병변 영역을 판단하는 캡슐 내시경 및 수신 장치{CAPSULE ENDOSCOPE TO DETERMINE LESION AREA AND RECEIVING DEVICE}
본 발명은 캡슐 내시경 및 수신 장치에 관한 것으로, 좀 더 자세하게는 병변 영역을 판단하는 캡슐 내시경 및 수신 장치에 관한 것이다.
생체 내 소화 기관을 검사하기 위해, 유선 내시경 대신에 삼킬 수 있는 캡슐 내시경이 사용되고 있다. 유선 내시경의 불편함이 없이도 캡슐 내시경은 소화 기관을 확인할 수 있다. 캡슐 내시경은 위, 십이지장, 소장, 대장 등과 같은 소화 기관을 통과하면서 촬상(imaging)을 수행할 수 있다. 캡슐 내시경은 촬상에 의해 생성된 이미지들을 생체 외 수신 장치로 송신할 수 있고 수신 장치는 이미지들을 저장할 수 있다.
캡슐 내시경은 구강에서부터 항문까지의 소화 기관을 통과하는 동안에 지속적으로 촬상을 수행하고 이미지들을 송신한다. 일반적으로 캡슐 내시경은 섭취될 수 있도록 알약 크기로 제작되므로, 캡슐 내시경에 탑재되는 배터리의 용량 및 크기는 제한적이다. 따라서, 캡슐 내시경의 전력 소모를 줄일 수 있는 기술이 요구되고 있다.
본 발명은 상술한 기술적 과제를 해결하기 위한 것으로, 병변 영역을 판단하는 캡슐 내시경 및 수신 장치를 제공할 수 있다.
본 발명의 실시 예에 따른 캡슐 내시경은, 생체 내 소화 기관을 촬상하여 이미지를 생성하는 촬상 장치, 상기 이미지에 병변 영역이 있는지 여부를 판단하는 인공 신경망, 및 상기 인공 신경망의 판단 결과에 기초하여 상기 이미지를 송신하는 송신기를 포함할 수 있다.
본 발명의 실시 예에 따른 수신 장치는, 캡슐 내시경으로부터 생체 내 소화 기관에 대한 이미지 및 상기 이미지에 병변 영역이 있는지 여부를 나타내는 플래그 비트(flag bit)를 수신하는 수신기, 상기 플래그 비트를 해독하고 상기 이미지의 저장 여부를 결정하는 해독기, 및 상기 해독기의 해독 결과에 따라 상기 이미지를 저장하는 저장 장치를 포함할 수 있다.
본 발명의 실시 예에 따른 캡슐 내시경은 병변 영역이 있는 이미지만을 송신하여 전력 소모를 줄일 수 있다.
본 발명의 실시 예에 따른 수신 장치는 플래그 비트를 이용하여 병변 영역이 있는 이미지만을 저장할 수 있다. 따라서, 수신 장치에 저장되는 이미지의 양은 감소할 수 있다. 또한, 이미지 판독시 판독되는 이미지의 양이 감소되므로, 판독 시간이 단축될 수 있다.
도 1은 본 발명의 실시 예에 따른 캡슐 내시경 시스템을 예시적으로 보여주는 도면이다.
도 2는 도 1의 캡슐 내시경을 예시적으로 보여주는 블록도이다.
도 3은 도 2의 인공 신경망의 세부 계층들을 예시적으로 보여주는 블록도이다.
도 4는 도 3의 세부 계층들을 통해 이미지가 분석되는 과정을 보여주는 도면이다.
도 5는 도 2의 캡슐 내시경이 소화 기관을 통과하는 과정을 나타내는 도면이다.
도 6은 도 2의 캡슐 내시경에 의해 송신되는 패킷을 예시적으로 보여주는 도면이다.
도 7은 본 발명의 다른 실시 예에 따른 캡슐 내시경을 예시적으로 보여주는 블록도이다.
도 8은 본 발명의 실시 예에 따른 캡슐 내시경, 수신 장치, 및 캡슐 내시경 시스템을 예시적으로 보여주는 블록도이다.
도 9는 도 8의 캡슐 내시경과 수신 장치의 동작들을 예시적으로 보여주는 순서도이다.
도 10은 도 8의 캡슐 내시경과 수신 장치들의 동작들을 예시적으로 보여주는 순서도이다.
아래에서는, 본 발명의 기술 분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있을 정도로, 본 발명의 실시 예들이 명확하고 상세하게 기재될 것이다.
도 1은 본 발명의 실시 예에 따른 캡슐 내시경 시스템을 예시적으로 보여주는 도면이다. 도 1을 참조하면, 캡슐 내시경 시스템(10)은 캡슐 내시경(100) 및 수신 장치(300)를 포함할 수 있다.
캡슐 내시경(100)은 생체 내(in vivo) 소화 기관(11)을 통과할 수 있다. 캡슐 내시경(100)은 소화 기관(11)의 내부를 촬상(imaging)하여 소화 기관(11)에 대한 이미지들을 생성할 수 있다. 캡슐 내시경(100)은 생성된 이미지들을 생체 외 수신 장치(300)로 송신할 수 있다. 송신은 무선 통신 또는 인체를 매질로 사용하는 인체 통신을 통해 수행될 수 있다.
본 발명의 실시 예에 따르면, 전력 소모를 줄이기 위해, 캡슐 내시경(100)은 생성된 이미지들을 모두 수신 장치(300)로 송신하는 대신에 생성된 이미지들 중 유효 이미지만을 수신 장치(300)로 송신할 수 있다. 여기서, 유효 이미지는 소화 기관(11)의 병변(lesion)을 의심할 수 있는 병변 영역을 갖는 이미지를 나타낸다. 캡슐 내시경(100)은 유효 이미지만을 송신하므로, 송신에 필요한 전력 소모를 줄일 수 있다.
본 발명의 다른 실시 예에 따르면, 촬상에 의해 생성된 이미지들의 양을 줄이기 위해, 캡슐 내시경(100)은 생성된 이미지들 각각에 대해 플래그 비트들(flag bits)을 생성할 수 있다. 여기서, 플래그 비트들은 이미지들이 유효 이미지인지를 각각 나타낼 수 있다.
수신 장치(300)는 캡슐 내시경(100)으로부터 송신된 이미지들을 저장할 수 있다. 예를 들어, 수신 장치(300)는 이미지를 수신, 저장, 또는 표시할 수 있는 컴퓨터, 모바일 장치, 스마트 폰, 웨어러블 장치, 서버 등과 같은 전자 장치일 수 있다. 실시 예에 있어서, 수신 장치(300)는 캡슐 내시경(100)으로부터 유효 이미지만을 수신하고 저장할 수 있다. 다른 실시 예에 있어서, 수신 장치(300)는 상술한 플래그 비트들을 이용하여 수신된 이미지들 중 유효 이미지만을 저장할 수 있다. 수신 장치(300)는 플래그 비트들을 이용하여 수신된 이미지들을 필터링할 수 있다. 따라서, 수신 장치(300)에서 이미지를 저장하는데 필요한 전력 소모가 감소할 수 있다.
도 2는 도 1의 캡슐 내시경을 예시적으로 보여주는 블록도이다. 도 2를 참조하면, 캡슐 내시경(100)은 촬상 장치(imaging device, 110), 인공 신경망(artificial neural network, 120), 송신기(transmitter, 130), 및 출력 단자들(output ports, 141, 142)을 포함할 수 있다.
촬상 장치(110)는, 예를 들어, CCD(charge coupled device) 이미지 센서 또는 CMOS(complementary metal oxide semiconductor) 이미지 센서와 같은 이미지 센서를 포함할 수 있다. 캡슐 내시경(100) 내 광원(미도시)에서 소화 기관(11)으로 빛이 투사(project)된 후, 이미지 센서는 반사광(reflected light)을 감지하고 전기적 신호를 생성할 수 있다. 이미지 센서는 소화 기관(11)을 촬상하여 이미지(또는 이미지 데이터)를 생성할 수 있다. 생성된 이미지는 인공 신경망(120)에 제공될 수 있다.
인공 신경망(120)은 촬상 장치(110)에 의해 생성된 이미지에 병변 영역이 있는지 여부를 판단할 수 있다. 인공 신경망(120)은 딥러닝 엔진을 기반으로 할 수 있고, 좀 더 구체적으로 이미지 분석에 사용되는 합성곱 신경망(convolutional neural network; CNN)을 기반으로 할 수 있다.
인공 신경망(120)은 병변 영역이 있는 유효 이미지를 송신기(130)에 제공할 수 있다. 그리고, 인공 신경망(120)은 이미지 판단 결과에 기초하여 송신기(130)를 제어하는 제어 신호를 생성할 수 있다. 인공 신경망(120)은 제어 신호를 통해 송신기(130)의 활성화 여부 또는 전원 공급 여부를 결정할 수 있다. 인공 신경망(120)은 유효 이미지가 송신기(130)에 전송될 때 송신기(130)를 활성화하거나 송신기(130)에 전원을 공급할 수 있다. 인공 신경망(120)은 유효 이미지가 송신기(130)에 전송되지 않을 때 송신기(130)를 비활성화하거나 송신기(130)에 전원을 공급하지 않을 수 있다. 따라서, 송신기(130)의 소모 전력이 감소할 수 있다.
도 2를 참조하면, 인공 신경망(120)은 커널 행렬(kernel matrix) 및 가중치(weight)를 포함하거나 저장할 수 있다. 여기서, 커널 행렬 및 가중치는 인공 신경망(120)의 판단 과정에서 사용될 수 있고, 사전에 기계 학습을 통해 학습된 데이터일 수 있다. 커널 행렬 및 가중치는 인공 신경망(120)이 이미지에 병변 영역이 있는지를 학습한 결과에 따라 업데이트될 수 있고 인공 신경망(120)에 다시 포함되거나 저장될 수 있다. 인공 신경망(120)에 의한 상세한 이미지 판단 과정은 도 3 내지 도 5에서 후술한다.
실시 예에 있어서, 예를 들어, 인공 신경망(120)은 캡슐 내시경(100) 내에서 하드웨어적으로 구현될 수 있다. 인공 신경망(120)은 SoC(system-on-chip), ASIC(application specific integrated circuit), FPGA(field programmable gate array) 형태 등으로 구현될 수 있다. 예를 들어, 인공 신경망(120)은 CPU(central processing unit), GPU(graphical processing unit), MPU(micro processing unit) 등을 포함할 수 있다.
송신기(130)는 인공 신경망(120)의 판단 결과에 기초하여 이미지를 생체 외 수신 장치(도 1의 수신 장치(300) 참조)로 송신할 수 있다. 송신기(130)는 인공 신경망(120)의 제어 신호에 따라 동작할 수 있다. 송신기(130)는 이미지를 구성하는 디지털 신호를 송신하기 위한 신호로 변환(convert)할 수 있다. 이를 위해, 송신기(130)는 프레임 생성부(frame generator, 131), 프로토콜 생성부(protocol generator, 132), 신호 생성부(signal generator, 133)를 포함할 수 있다.
프레임 생성부(131)는 이미지를 송신하기 위한 패킷(packet)의 프레임을 생성할 수 있다. 좀 더 구체적으로, 프레임 생성부(131)는 송신기(130)의 정보, 수신 장치의 정보, 송신기(130)와 수신 장치간의 상호 협의된 프로토콜에 따른 데이터, 이미지 데이터 등이 패킷에서 어디에 위치하는지를 결정할 수 있다.
프로토콜 생성부(132)는 송신기(130)와 수신 장치간의 상호 협의된 프로토콜에 따른 데이터를 생성할 수 있다. 실시 예에 있어서, 프로토콜 생성부(132)는 와이파이(wi-fi), 와이기그(wigig), 와이브로(wibro), 와이맥스(wimax), RFID(radio frequency identification), 블루투스(bluetooth), 지그비(zigbee), UWB(ultra wide band) 등과 같은 무선 통신을 수행하기 위한 데이터를 생성할 수 있다. 다른 실시 예에 있어서, 프로토콜 생성부(132)는 인체에 부착된 수신 장치와 인체 통신을 수행하기 위한 데이터를 생성할 수 있다.
신호 생성부(133)는 디지털 신호 형태인 송신기(130)의 정보, 수신 장치의 정보, 송신기(130)와 수신 장치간의 상호 협의된 프로토콜에 따른 데이터, 이미지 데이터를 아날로그 신호로 변환할 수 있다. 신호 생성부(133)는 아날로그 신호를 출력 단자들(141, 142)에 제공할 수 있다.
출력 단자들(141, 142)은 아날로그 신호를 수신 장치로 출력할 수 있다. 실시 예에 있어서, 출력 단자들(141, 142)은 무선 통신에 따른 아날로그 신호를 송신할 수 있는 안테나일 수 있다. 다른 실시 예에 있어서, 출력 단자들(141, 142)은 인체 통신에 따른 아날로그 신호를 송신할 수 있는 전극들일 수 있다. 이 경우, 전극들간 전위차에 따라 발생되는 전류가 인체를 통해 수신 장치로 전달될 수 있다.
도 3은 도 2의 인공 신경망의 세부 계층들을 예시적으로 보여주는 블록도이다. 도 4는 도 3의 세부 계층들을 통해 이미지가 분석되는 과정을 보여주는 도면이다. 도 3과 도 4는 함께 설명될 것이다.
도 3을 참조하면, 인공 신경망(120)은 합성곱 계층들(convolutional layers, 121_1~121_n), 최대풀링 계층들(maxpooling layers, 122_1~122_n), 및 완전 연결 계층(fully connected layer, 123)을 포함할 수 있다. 여기서 n은 자연수이고, 인공 신경망(120)의 판단 정확도, 판단 시간 등을 고려하여 사전에 결정될 수 있다. 합성곱 계층들(121_1~121_n) 각각과 최대풀링 계층들(122_1~122_n) 각각은 교대로 배치될 수 있다.
인공 신경망(120)은 합성곱 계층들(121_1~121_n) 및 최대풀링 계층들(122_1~122_n)을 통해 이미지를 분석하고 이미지 내 특징들을 추출할 수 있다. 인공 신경망(120)은 완전 연결 계층(123)을 통해 이미지를 분류할 수 있다. 즉, 인공 신경망(120)은 이미지에 병변 영역이 있는지 여부를 판단할 수 있다.
도 4를 참조하면, 예시적으로 n이 2인 경우에 이미지가 분석되는 과정이 도시되어 있다. 제 1 합성곱 계층(121_1)에서, 이미지와 커널 행렬(124)에 대한 합성곱 연산이 수행될 수 있다. 좀 더 구체적으로, 커널 행렬(124)과 커널 행렬(124)이 위치하는 이미지 영역에 대해 합성곱 연산이 수행된다. 합성곱 결과(125)는 해당 이미지 영역이 커널 행렬(124)과 얼마나 유사한지를 나타낼 수 있다. 예를 들어, 합성곱 결과(125)가 클수록 해당 이미지 영역과 커널 행렬(124)이 유사한 정도도 클 수 있다. 커널 행렬(124)은 이미지 내에서 스트라이드(stride)만큼 이동될 수 있고, 합성곱 연산은 전체 이미지가 스캔(scan) 또는 필터링될 수 있도록 반복적으로 수행될 수 있다. 합성곱 결과들이 모여 새로운 이미지들이 생성될 수 있다. 여기서, 새로운 이미지들의 수는 커널 행렬의 수에 따라 결정될 수 있고, 새로운 이미지들의 크기는 촬상 장치(도 2 참조, 110)에 의해 생성된 이미지의 크기, 커널 행렬의 크기, 스트라이드, 패딩(padding), 등에 의해 결정될 수 있다.
제 1 최대풀링 계층(122_1)에서, 새로운 이미지들에 대한 샘플링(sampling)이 수행될 수 있다. 샘플링 필터(126) 내 픽셀들 중 최대값을 갖는 픽셀(127)이 샘플링될 수 있다. 합성곱 연산과 유사하게, 샘플링 필터(126)는 합성곱 결과들을 포함하는 이미지 내에서 스트라이드만큼 이동될 수 있고, 샘플링은 반복적으로 수행될 수 있다. 최대값을 갖는 픽셀들이 모여 새로운 이미지들이 생성될 수 있다. 여기서, 샘플링이 수행됨에 따라, 이미지의 크기는 감소할 수 있다. 제 2 합성곱 계층(121_2) 및 제 2 최대풀링 계층(122_2)에서의 연산들은 제 1 합성곱 계층(121_1) 및 제 1 최대풀링 계층(122_1)에서의 연산들과 실질적으로 유사하다. 즉, 이미지는 적어도 하나의 합성곱 계층 및 적어도 하나의 최대풀링 계층을 통과하고, 통과 과정에서 이미지의 특징이 추출될 수 있다.
완전 연결 계층(123)에서, 제 1 합성곱 계층(121_1), 제 1 최대풀링 계층(122_1), 제 2 합성곱 계층(121_2), 및 제 2 최대풀링 계층(122_2)을 통과한 결과들이 분류될 수 있다. 완전 연결 계층(123)은 인공 뉴런들을 포함할 수 있고, 인공 뉴런들은 시냅스를 통해 연결될 수 있다. 여기서, 시냅스의 강도 또는 인공 뉴런들의 결합 정도는 인공 신경망(120)에 포함되거나 저장된 가중치에 의해 결정될 수 있다. 인공 신경망(120)은 이미지에 출혈, 용종 등과 같은 병변이 포함되었는지 여부를 판단할 수 있다.
도 5는 도 2의 캡슐 내시경이 소화 기관을 통과하는 과정을 나타내는 도면이다. 도 5에서, 가로축은 시간을 나타내고, 소화 기관(11)에는 도시된 것과 같이 병변들(12, 13)이 존재하는 것으로 가정한다.
캡슐 내시경(100)은 소화 기관(11)을 통과하면서 이미지들(161~165)을 생성할 수 있다. 인공 신경망(120)은 이미지들(161~165) 중 병변 영역이 있는 유효 이미지(163)를 판단할 수 있다. 그리고, 인공 신경망(120)은 송신기(130)를 제어하는 제어 신호를 생성할 수 있다. 예를 들어, 인공 신경망(120)은 이미지들(161, 162, 164, 165)에 대응하는 구간들 동안에는 제어 신호를 논리 0으로 설정할 수 있고, 유효 이미지(163)에 대응하는 구간 동안에는 제어 신호를 논리 1로 설정할 수 있다. 여기서, 제어 신호의 논리 상태들은 도시된 것과 반대로 설정될 수도 있다. 송신기(130)는 제어 신호에 따라 유효 이미지(163)에 대응하는 구간에만 동작할 수 있다.
도 6은 도 2의 캡슐 내시경에 의해 송신되는 패킷을 예시적으로 보여주는 도면이다. 도 6은 캡슐 내시경(100)이 유효 이미지(163)뿐만 아니라 이미지들(161~165)을 모두 수신 장치로 송신하는 경우에 관한 것이다.
인공 신경망(120)은 이미지들(161~165) 각각에 병변 영역이 있는지 여부를 판단할 수 있다. 인공 신경망(120)은 이미지들(161~165) 및 이미지들(161~165) 각각에 대한 판단 결과들을 송신기(130)에 제공할 수 있다. 송신기(130)는 인공 신경망(120)의 판단 결과들을 각각 나타내는 플래그 비트들을 생성할 수 있고, 이미지들(161~165)과 함께 플래그 비트들을 송신할 수 있다. 예를 들어, 플래그 비트의 값은 해당 이미지가 유효 이미지이면 논리 1일 수 있고, 해당 이미지가 유효 이미지가 아니면 논리 0일 수 있다.
실시 예에 있어서, 송신기(130)의 프레임 생성부(131)는 플래그 비트의 위치와 이미지 데이터의 위치를 결정할 수 있다. 도 6을 참조하면, 프레임 생성부(131)는 플래그 비트가 이미지 데이터보다 먼저 수신 장치로 송신될 수 있도록 플래그 비트의 위치를 결정할 수 있다.
도 7은 본 발명의 다른 실시 예에 따른 캡슐 내시경을 예시적으로 보여주는 블록도이다. 도 7을 참조하면, 캡슐 내시경(200)은 촬상 장치(210), 인공 신경망(220), 송신기(230), 출력 단자들(241, 242), 전원 공급 회로(power supply circuit, 250), 및 스위치(260)를 포함할 수 있다. 여기서, 촬상 장치(210), 인공 신경망(220), 송신기(230), 및 출력 단자들(241, 242)은 도 2의 촬상 장치(110), 인공 신경망(120), 송신기(130), 및 출력 단자들(141, 142)과 각각 실질적으로 동일한 기능을 수행한다. 이하, 캡슐 내시경(200)과 캡슐 내시경(100)의 차이점 위주로 설명한다.
전원 공급 회로(250)는 캡슐 내시경(200)의 구성 요소들에 전원을 공급할 수 있다. 예를 들어, 전원 공급 회로(250)는 배터리일 수 있다. 도 7을 참조하면, 전원 공급 회로(250)는 스위치(260)를 통해 송신기(230)에만 전원을 공급하는 것으로 도시되어 있으나, 전원 공급 회로(250)는 촬상 장치(210) 및 인공 신경망(220)에도 전원을 공급할 수 있다.
스위치(260)는 인공 신경망(220)의 제어 신호에 따라 턴 온(turn-on) 또는 턴 오프(turn-off)될 수 있다. 예를 들어, 인공 신경망(220)이 촬상 장치(210)의 이미지에 병변 영역이 있는 것으로 판단하고 제어 신호를 활성화하면, 스위치(260)는 턴 온될 수 있고, 그렇지 않으면, 턴 오프될 수 있다. 스위치(260)가 턴 오프되면, 송신기(230)는 유효 이미지가 아닌 이미지를 송신할 수 없으므로, 캡슐 내시경(200)의 전력 소모는 감소할 수 있다.
도 8은 본 발명의 실시 예에 따른 캡슐 내시경, 수신 장치, 및 캡슐 내시경 시스템을 예시적으로 보여주는 블록도이다. 캡슐 내시경 시스템(1000)은 캡슐 내시경(1100) 및 수신 장치(1300)를 포함할 수 있다. 캡슐 내시경(1100)은 전술한 도 2의 캡슐 내시경(100) 또는 도 7의 캡슐 내시경(200)일 수 있다. 촬상 장치(1110), 인공 신경망(1120), 송신기(1130), 및 출력 단자들(1141, 1142)은 도 2에서 전술한 촬상 장치(110), 인공 신경망(120), 송신기(130), 및 출력 단자들(141, 142)과 각각 실질적으로 동일한 기능을 수행할 수 있다. 수신 장치(1300)는 입력 단자들(1311, 1312), 수신기(1320), 해독기(1330), 스위치(1340), 및 저장 장치(1350)를 포함할 수 있다.
실시 예에 있어서, 입력 단자들(1311, 1312)은 무선 통신에 따른 아날로그 신호를 수신할 수 있는 안테나일 수 있다. 다른 실시 예에 있어서, 입력 단자들(1311, 1312)은 인체 통신에 따른 아날로그 신호를 수신할 수 있는 전극들일 수 있다. 이 경우, 입력 단자들(1311, 1312)은 인체에 부착될 수 있다.
수신기(1320)는 입력 단자들(1311, 1312)을 통해 캡슐 내시경(1100)으로부터 아날로그 신호 형태의 이미지를 수신할 수 있다. 수신기(1320)는 캡슐 내시경(1100)의 송신기와 사전에 협의된 프로토콜에 따라 아날로그 신호를 디지털 신호로 변환할 수 있다. 변환 과정에서 수신기(1320)는 아날로그 신호를 증폭할 수 있다. 수신기(1320)는 캡슐 내시경(1100)이 송신한 이미지를 저장 장치(1350)에 제공할 수 있다.
실시 예에 있어서, 캡슐 내시경(1100)은 병변 영역이 있는 유효 이미지를 수신 장치(1300)로 송신할 수 있다. 이 경우, 유효 이미지는 저장 장치(1350)에 그대로 저장될 수 있고, 수신 장치(1300)는 도시된 바와 달리 해독기(1330) 및 스위치(1340)를 포함하지 않을 수 있다.
다른 실시 예에 있어서, 캡슐 내시경(1100)은 도 6의 패킷과 같이 이미지들과 이미지들 각각이 유효 이미지인지를 나타내는 플래그 비트들을 수신 장치(1300)로 송신할 수 있다. 이 경우, 해독기(1330)는 플래그 비트들을 해독하고 이미지들의 저장 여부를 결정할 수 있다. 해독기(1330)는 플래그 비트들을 해독하여 이미지들에 병변 영역이 있는지를 판단할 수 있다. 해독기(1330)는 해독 결과에 기초하여 스위치(1340)를 제어할 수 있다.
스위치(1340)는 플래그 비트가 해당 이미지가 유효 이미지인 것을 나타내는 경우에는 턴 온될 수 있고, 그렇지 않으면, 턴 오프될 수 있다. 따라서, 저장 장치(1350)에는 수신된 이미지들 중 유효 이미지만 제공될 수 있고, 유효 이미지 이외의 나머지 이미지들은 제공되지 않을 수 있다.
저장 장치(1350)는 해독기(1330)의 해독 결과에 따라 이미지를 저장할 수 있다. 캡슐 내시경(1100)으로부터 수신한 이미지들 중 병변 영역이 있는 유효 이미지는 저장 장치(1350)에 저장될 수 있고, 유효 이미지 이외의 나머지 이미지들은 저장 장치(1350)에 저장되지 않을 수 있다. 만약, 수신기(1320)가 캡슐 내시경(1100)으로부터 유효 이미지만을 수신하면, 저장 장치(1350)는 수신기(1320)가 수신한 유효 이미지를 그대로 저장할 수 있다.
저장 장치(1350)는, 예를 들어, DRAM(dynamic random access memory), SRAM(static random access memory), ROM(read only memory), PROM(programmable rom), EPROM(electrically programmable ROM), EEPROM(electrically erasable and programmable ROM), SSD(solid state drive), HDD(hard disk driver), 낸드 플래시 메모리, 노어 플래시 메모리, MRAM(magnetic random access memory), PRAM(phase-change random access memory), RRAM(resistive random access memory), FRAM(ferroelectric random access memory), TRAM(thyristor random access memory) 등과 같은 다양한 메모리 장치일 수 있다.
도 9는 도 8의 캡슐 내시경과 수신 장치의 동작들을 예시적으로 보여주는 순서도이다. 도 9를 참조하면, S110 내지 S150 동작들은 캡슐 내시경(1100)의 동작들이고, S160 동작은 수신 장치(1300)의 동작이다.
S110 동작에서, 캡슐 내시경(1100)에 전원이 온 상태인지 여부 또는 배터리가 전원을 공급할 수 있는지 여부가 결정될 수 있다. 전원이 온 상태이면(예), S120 동작이 진행되고, 전원이 오프 상태이면(아니오), 캡슐 내시경(1100)은 더 이상 동작하지 않는다.
S120 동작에서, 캡슐 내시경(1100)은 소화 기관을 촬상하여 이미지를 생성할 수 있다. 캡슐 내시경(1100)이 이미지 촬상 주기 및 구간은 사전에 결정될 수 있다. 실시 예에 있어서, 캡슐 내시경(1100)의 이동 속도에 따라 이미지 촬상 주기 및 구간은 변경될 수 있다. 다른 실시 예에 있어서, 캡슐 내시경이 특정한 소화 기관에 대한 이미지를 생성하도록, 캡슐 내시경(1100)의 위치 또는 캡슐 내시경(1100)이 인체에 삽입된 후의 경과 시간에 따라 이미지 촬상 여부가 결정될 수도 있다.
S130 동작에서, 캡슐 내시경(1100)은 S120 동작에서 생성된 이미지에 병변 영역이 있는지 여부를 판단할 수 있다. 이를 위해, 캡슐 내시경(1100)은 합성곱 신경망을 기반으로 하는 인공 신경망(1120)을 포함할 수 있다. 인공 신경망(1120)에는 이미지를 판단하기 위해 사전에 학습된 커널 행렬 및 가중치가 저장될 수 있다.
S140 동작에서, S120 동작에서 생성된 이미지에 병변 영역이 있으면(예), S150 동작이 진행되고, 이미지에 병변 영역이 없으면(아니오), S110 동작이 진행된다.
S150 동작에서, 캡슐 내시경(1100)은 S120 동작에서 규칙적으로 또는 불규칙적으로 생성된 이미지들 중 병변 영역이 있는 유효 이미지를 수신 장치(1300)로 송신할 수 있다. 그리고, 캡슐 내시경(1100)은 다시 S110 동작을 수행할 수 있다. S150 동작 이외의 동작들에서는, 이미지를 송신하는 송신기가 비활성화되거나, 송신기에 전원이 공급되지 않을 수 있다.
S160 동작에서, 수신 장치(1300)는 이미지를 수신하고 저장할 수 있다. S160 동작에서 수신된 이미지는 유효 이미지이다. 수신 장치(1300)에 유효 이미지만 저장되므로, 수신 장치(1300)의 저장 용량이 감소할 수 있고 사용자(예를 들면, 의사)가 판별해야 하는 이미지 양이 감소할 수 있고 판별 시간이 감소할 수 있다.
도 10은 도 8의 캡슐 내시경과 수신 장치들의 동작들을 예시적으로 보여주는 순서도이다. 도 10을 참조하면, S210 내지 S250 동작들은 캡슐 내시경(1100)의 동작들이고, S260 내지 S280 동작들은 수신 장치(1300)의 동작들이다. 도 10에서 S210 동작, S220 동작, 및 S230 동작은 각각 도 9의 S110 동작, S120 동작, 및 S130 동작과 실질적으로 동일하다.
S240 동작에서, 캡슐 내시경(1100)은 S230 동작의 판단 결과에 기초하여 플래그 비트를 생성할 수 있다. 플래그 비트는 S230 동작의 판단 결과를 나타낼 수 있다. 즉, 플래그 비트는 S220 동작에서 생성된 이미지가 유효 이미지인지 여부를 나타낼 수 있다.
S250 동작에서, 캡슐 내시경(1100)은 S220 동작에서 생성된 이미지 및 S240 동작에서 생성된 플래그 비트를 수신 장치(1300)로 송신할 수 있다. 그리고, 캡슐 내시경(1100)은 S210 동작을 반복하여 수행할 수 있다.
S260 동작에서, 수신 장치(1300)는 이미지 및 플래그 비트를 수신할 수 있다. S270 동작에서, 수신 장치(1300)는 플래그 비트를 통해 이미지에 병변 영역이 포함되는지 여부를 판단할 수 있다. 이미지에 병변 영역이 포함되면(예), S280 동작에서 이미지는 저장될 수 있다. 이미지에 병변 영역이 포함되지 않으면(아니오), S260 동작이 다시 수행될 수 있다.
위에서 설명한 내용은 본 발명을 실시하기 위한 구체적인 예들이다. 본 발명에는 위에서 설명한 실시 예들뿐만 아니라, 단순하게 설계 변경하거나 용이하게 변경할 수 있는 실시 예들도 포함될 것이다. 또한, 본 발명에는 상술한 실시 예들을 이용하여 앞으로 용이하게 변형하여 실시할 수 있는 기술들도 포함될 것이다.
100, 200, 1100: 캡슐 내시경;
110, 210: 촬상 장치;
120, 220: 인공 신경망;
130, 230: 송신기;
141, 142, 241, 242: 출력 단자들;
300, 1300: 수신 장치;
1000: 캡슐 내시경 시스템;

Claims (13)

  1. 생체 내 소화 기관을 촬상하여 이미지를 생성하는 촬상 장치;
    상기 이미지에 병변 영역이 있는지 여부를 판단하는 인공 신경망; 및
    상기 인공 신경망의 판단 결과에 기초하여 상기 이미지를 송신하는 송신기를 포함하는 캡슐 내시경.
  2. 제 1 항에 있어서,
    상기 송신기는 상기 인공 신경망의 상기 판단 결과를 나타내는 플래그 비트(flag bit)를 생성하고, 상기 이미지와 함께 상기 플래그 비트를 송신하는 캡슐 내시경.
  3. 제 1 항에 있어서,
    상기 인공 신경망은 CNN(convolution neural network)을 기반으로 하는 캡슐 내시경.
  4. 제 3 항에 있어서,
    상기 인공 신경망은, 상기 이미지 내 픽셀들을 판단하기 위한 커널 행렬 및 상기 CNN 내 뉴런들의 결합 정도를 나타내는 가중치를 저장하는 캡슐 내시경.
  5. 제 4 항에 있어서,
    상기 커널 행렬 및 상기 가중치는 사전에 학습된 데이터인 캡슐 내시경.
  6. 제 5 항에 있어서,
    상기 커널 행렬 및 상기 가중치는 상기 인공 신경망에 의해 업데이트되는 캡슐 내시경.
  7. 제 1 항에 있어서,
    상기 인공 신경망은 상기 이미지에 상기 병변 영역이 있으면 상기 송신기를 활성화하고, 상기 이미지에 상기 병변 영역이 없으면 상기 송신기를 비활성화하는 제어 신호를 생성하는 캡슐 내시경.
  8. 제 7 항에 있어서,
    상기 촬상 장치, 상기 인공 신경망, 및 상기 송신기에 전원을 공급하기 위한 전원 공급 회로; 및
    상기 전원 공급 회로와 상기 송신기를 연결하기 위한 스위치를 더 포함하는 캡슐 내시경.
  9. 제 8 항에 있어서,
    상기 스위치는 상기 제어 신호에 따라 상기 전원 공급 회로와 상기 송신기를 연결하는 캡슐 내시경.
  10. 캡슐 내시경으로부터 생체 내 소화 기관에 대한 이미지 및 상기 이미지에 병변 영역이 있는지 여부를 나타내는 플래그 비트(flag bit)를 수신하는 수신기;
    상기 플래그 비트를 해독하고 상기 이미지의 저장 여부를 결정하는 해독기; 및
    상기 해독기의 해독 결과에 따라 상기 이미지를 저장하는 저장 장치를 포함하는 수신 장치.
  11. 제 10 항에 있어서,
    상기 해독기는 상기 이미지가 상기 저장 장치에 저장되기 전에 상기 플래그 비트를 해독하여 상기 이미지에 상기 병변 영역이 있는지를 판단하는 수신 장치.
  12. 제 11 항에 있어서,
    상기 이미지에 상기 병변 영역이 있으면 상기 이미지는 상기 저장 장치에 저장되고, 상기 이미지에 상기 병변 영역이 없으면 상기 이미지는 상기 저장 장치에 저장되지 않는 수신 장치.
  13. 제 10 항에 있어서,
    상기 플래그 비트는 상기 캡슐 내시경의 인공 신경망이 상기 이미지에 상기 병변 영역이 있는지 여부를 판단한 결과를 나타내는 수신 장치.
KR1020170114741A 2017-06-14 2017-09-07 병변 영역을 판단하는 캡슐 내시경 및 수신 장치 KR102376787B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US16/001,750 US11055843B2 (en) 2017-06-14 2018-06-06 Capsule endoscope for determining lesion area and receiving device
US17/339,574 US11715201B2 (en) 2017-06-14 2021-06-04 Capsule endoscope for determining lesion area and receiving device

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020170075090 2017-06-14
KR20170075090 2017-06-14

Publications (2)

Publication Number Publication Date
KR20180136857A true KR20180136857A (ko) 2018-12-26
KR102376787B1 KR102376787B1 (ko) 2022-03-22

Family

ID=65006678

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170114741A KR102376787B1 (ko) 2017-06-14 2017-09-07 병변 영역을 판단하는 캡슐 내시경 및 수신 장치

Country Status (1)

Country Link
KR (1) KR102376787B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200094565A (ko) * 2019-01-30 2020-08-07 가톨릭대학교 산학협력단 인공지능 기반 캡슐 내시경 영상 판독 방법 및 시스템
WO2020197569A1 (en) * 2019-03-21 2020-10-01 Verb Surgical Inc. Method and system for automatically repositioning a viewable area within an endoscope video view
KR20210054369A (ko) * 2019-11-05 2021-05-13 삼성전자주식회사 센싱 모듈 및 이를 포함하는 생체 신호 측정 장치
WO2021261727A1 (ko) * 2020-06-25 2021-12-30 가톨릭대학교 산학협력단 캡슐 내시경 영상 판독 시스템 및 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120316421A1 (en) * 2009-07-07 2012-12-13 The Johns Hopkins University System and method for automated disease assessment in capsule endoscopy
WO2017042812A2 (en) * 2015-09-10 2017-03-16 Magentiq Eye Ltd. A system and method for detection of suspicious tissue regions in an endoscopic procedure

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120316421A1 (en) * 2009-07-07 2012-12-13 The Johns Hopkins University System and method for automated disease assessment in capsule endoscopy
WO2017042812A2 (en) * 2015-09-10 2017-03-16 Magentiq Eye Ltd. A system and method for detection of suspicious tissue regions in an endoscopic procedure

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200094565A (ko) * 2019-01-30 2020-08-07 가톨릭대학교 산학협력단 인공지능 기반 캡슐 내시경 영상 판독 방법 및 시스템
WO2020197569A1 (en) * 2019-03-21 2020-10-01 Verb Surgical Inc. Method and system for automatically repositioning a viewable area within an endoscope video view
US11026561B2 (en) 2019-03-21 2021-06-08 Verb Surgical Inc. Method and system for automatically repositioning a viewable area within an endoscope video view
US11426056B2 (en) 2019-03-21 2022-08-30 Verb Surgical Inc. Method and system for displaying an endoscope video on a display having a lower resolution than the endoscope video
US11818510B2 (en) 2019-03-21 2023-11-14 Verb Surgical Inc. Monitoring adverse events in the background while displaying a higher resolution surgical video on a lower resolution display
KR20210054369A (ko) * 2019-11-05 2021-05-13 삼성전자주식회사 센싱 모듈 및 이를 포함하는 생체 신호 측정 장치
WO2021261727A1 (ko) * 2020-06-25 2021-12-30 가톨릭대학교 산학협력단 캡슐 내시경 영상 판독 시스템 및 방법
KR20220000437A (ko) * 2020-06-25 2022-01-04 가톨릭대학교 산학협력단 캡슐 내시경 영상 판독 시스템 및 방법

Also Published As

Publication number Publication date
KR102376787B1 (ko) 2022-03-22

Similar Documents

Publication Publication Date Title
US11715201B2 (en) Capsule endoscope for determining lesion area and receiving device
KR102376787B1 (ko) 병변 영역을 판단하는 캡슐 내시경 및 수신 장치
JP5203639B2 (ja) 生体内撮像装置およびレコーダを含む生体内検知システムの作動方法ならびに生体内検知システム
JP5156427B2 (ja) カプセル内視鏡システム
JP4402655B2 (ja) カプセル型医療装置
US7495993B2 (en) Onboard data storage and method
CN102639049B (zh) 信息处理装置以及胶囊型内窥镜系统
CN102753078B (zh) 图像显示装置以及胶囊型内窥镜系统
CN101365986A (zh) 带有板上数据存储器或者数字无线传送的体内自主相机
JP2005073886A (ja) 被検体内導入装置および無線型被検体内情報取得システム
EP1973465A2 (en) System device and method for estimating the size of an object in a body lumen
CN103096779B (zh) 接收装置以及胶囊型内窥镜系统
US20080103363A1 (en) Device, System, and Method for Programmable In Vivo Imaging
Liu et al. Design of a video capsule endoscopy system with low-power ASIC for monitoring gastrointestinal tract
US20080262304A1 (en) In-Vivo Sensing System Device and Method for Real Time Viewing
Khan et al. Design of a smart-device and FPGA based wireless capsule endoscopic system
JP2006293237A (ja) 画像表示装置
Alam et al. IoT-Based intelligent capsule endoscopy system: A technical review
CN114880251A (zh) 存储单元的访问方法、访问装置和终端设备
JP4515112B2 (ja) 無線型被検体内情報取得装置
JP5271710B2 (ja) 生体内画像を同時に転送及び処理し、そしてリアルタイムに閲覧するシステム
JP6945072B2 (ja) 無線通信装置、カプセル型内視鏡システムおよび判定方法
Khan et al. A modular and programmable development platform for capsule endoscopy system
JP2015508515A (ja) 密結合低電力画像処理のための方法および装置
Sushma Endoscopic Wireless Capsule Compressor: A Review of the Existing Image and Video Compression Algorithms

Legal Events

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