KR20200000820A - 의료 영상 및 진단을 위한 비디오 클립 선택 장치 - Google Patents

의료 영상 및 진단을 위한 비디오 클립 선택 장치 Download PDF

Info

Publication number
KR20200000820A
KR20200000820A KR1020190075476A KR20190075476A KR20200000820A KR 20200000820 A KR20200000820 A KR 20200000820A KR 1020190075476 A KR1020190075476 A KR 1020190075476A KR 20190075476 A KR20190075476 A KR 20190075476A KR 20200000820 A KR20200000820 A KR 20200000820A
Authority
KR
South Korea
Prior art keywords
video clip
image
quality
view
medical imaging
Prior art date
Application number
KR1020190075476A
Other languages
English (en)
Inventor
카디우 찰스
홍 하
캅셀 킬리안
포이베르 니콜라스
캐논 마이클
로마노 나타나엘
빌렌코 나탈리아
첸 찰스
미오래인 니나
매튜 조안
Original Assignee
배이 랩스, 인코포레이티드
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 배이 랩스, 인코포레이티드 filed Critical 배이 랩스, 인코포레이티드
Publication of KR20200000820A publication Critical patent/KR20200000820A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/73—Querying
    • G06F16/735—Filtering based on additional data, e.g. user or group profiles
    • 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
    • A61B5/7221—Determining signal validity, reliability or quality
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0082—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/73—Querying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/75—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G06N5/025—Extracting rules from data
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/76—Television signal recording
    • H04N5/765—Interface circuits between an apparatus for recording and another apparatus
    • H04N5/77—Interface circuits between an apparatus for recording and another apparatus between a recording apparatus and a television camera
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • 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
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/30168—Image quality inspection

Abstract

클립 선택 방법은 포유류 신체의 표적 부분 및 진단 절차의 선택을 의료 영상 기기에 대한 인터페이스를 통해 검색하는 단계를 포함한다. 이후, 기기는 표적 부분의 비디오 클립 이미지를 획득하고 상기 비디오 클립 이미지를 이미지 저장소에 저장한다. 비디오 클립 이미지의 각 비디오 클립은 이후 각 비디오 클립의 뷰 및 품질을 결정하기 위해 이미지 처리되고, 규칙은 선택된 진단 절차 및 표적 부분에 대응하는 규칙 기반으로부터 검색된다. 이와 관련하여, 규칙은 비디오 클립 이미지의 필수 뷰 및 품질을 지정한다. 마지막으로, 검색된 규칙은 지정된 필수 뷰 및 품질을 만족시키는 비디오 클립 이미지의 부분 집합을 생성하기 위한 필터로서 비디오 클립 이미지에 적용되고, 비디오 클립 이미지의 부분 집합은 이미지 저장소에 저장된다.

Description

의료 영상 및 진단을 위한 비디오 클립 선택 장치{VIDEO CLIP SELECTOR FOR MEDICAL IMAGING AND DIAGNOSIS}
본 발명은 의료 영상 및 진단 분야, 특히 의료 영상 및 진단에 사용하기 위한 비디오 클립 선택에 관한 것이다.
의료 영상은 임상 분석 및 의료 개입을 위해 포유류 신체의 내부 부분을 시각적으로 표현하는 과정을 의미한다. 의료 영상은 질병의 진단 및 치료를 용이하게 하기 위해 신체의 외면에 의해 숨겨진 내부 구조를 드러내 보이려고 노력한다. 의료 영상은 이미지 획득을 위한 여러 가지 상이한 모달리티를 통합한다. 일반적인 모달리티는 컴퓨터 단층 촬영(CT)을 포함하는 X선 촬영, 자기 공명 영상(MRI), 의료 초음파 검사 또는 초음파, 내시경 검사, 탄성 검사, 촉각 영상, 열 화상 촬영, 의료 사진 및 양전자 방출 단층 촬영(PET) 및 단일 광자 방출 단층 촬영(SPECT)과 같은 핵의학 기능 영상 기술과 같은 방사선 장치를 포함한다. 의료 진단 또는 특정 조직 또는 특정 장기 또는 장기 일부의 표적화를 위해 이미지의 원하는 용도에 따라, 상이한 이미지에 대해 상이한 모달리티가 선호될 수 있다.
신체의 표적 영역에 대한 의료 영상은 많은 상이한 뷰로부터 달성될 수 있다. 엄밀히 말하면, 의료 이미지가 본질적으로 2차원적일 수 있는 한, 영상 기기의 각도 및 접근 방법은 표적 영역에 대한 상이한 투시도를 생성할 것이다. 의료 영상의 모달리티 경우와 마찬가지로, 의료 이미지에 제시된 표적 영역의 특정 뷰는 의학적 진단 또는 특정 조직 또는 특정 장기 또는 그 일부의 표적화를 위해 이미지의 원하는 용도에 따라 선호될 수 있다.
마지막으로, 신체의 표적 영역에 대한 의료 영상은 품질이 다양할 수 있다. 다시 말해서, 오퍼레이터, 보통 이미지를 기반으로 하여 궁극적으로 진단하는 의사가 아닌 기술자에 따라 의료 이미지의 선명도 및 초점이 달라질 수 있다. 일부 예에서, 표적 장기에 대한 시도된 뷰는 영상 센서의 부적절한 배치로 인해 뷰에서 표적 장기의 주요 특징을 누락시켜 불완전할 수 있다. 다른 예에서, 신체의 해부학적 특징과 같은 외부 요인은 영상 센서의 적절한 배치에도 불구하고 표적 장기에 대한 주요 특징의 선명도를 방해할 수 있다.
의료 영상에 대한 전통적인 작업 흐름은 이미지 집합을 획득하기 위해 기술자가 환자에게 영상 모달리티를 사용하는 것으로 시작된다. 이미지는 모달리티에 따라 스틸 이미지 또는 비디오 클립 이미지일 수 있다. 일반적으로, 기술자는 표적 장기의 특정 질병 또는 기능 장애를 진단하기 위해 이미지의 궁극적인 목적에 대한 인식을 가지고 있다. 획득되면, 이미지 집합은 일반적으로 "PACS" 또는 "의료 영상 저장 전송 시스템"으로 지칭되는 중앙 저장소에 저장되고, 디지털 또는 서면으로 작성된 보고서가 의사의 검토를 위해 준비된다. 의사는 나중에 이미지 집합 및 보고서를 검색하여 이미지 분석을 수행한다. 분석은 일반적으로 의사가 올바른 뷰 및 품질의 이미지 집합에서 가장 적합한 이미지를 선택하는 것을 필요로 한다.
이러한 프로세스는 특히 의사가 올바른 뷰 및 품질의 올바른 이미지를 선택하고, 관심이 있는 다수의 상이한 이미지에 대한 동시 검토를 통한 진단을 용이하게 하기 위해 올바른 이미지를 디스플레이 화면에 효율적으로 배열할 필요성을 감안할 때 꽤 지루할 수 있다. 이미지의 필수 품질이 이미지 집합에 존재하지 않지만 필요한 범위 내에서, 또는 이미지의 필수 뷰가 이미지 집합에 존재하지 않는 범위 내에서, 의사는 기술자가 빠뜨린 이미지를 다시 획득할 수 있도록 환자에게 추가 약속을 위해 돌아오도록 지시해야 한다. 많은 것들이 환자, 헬스 케어 시설 및 의사의 막대한 자원 낭비를 반영한다.
본 명세서에 요약된 본 발명의 실시 예의 양태는 전술한 결점들을 해결하고, 의료 영상용 클립 선택을 위한 새롭고 명백하지 않은 방법, 데이터 처리 시스템 및 컴퓨터 프로그램 제품을 제공한다.
본 발명의 방법은 포유류 신체의 표적 부분 및 진단 절차의 선택을 의료 영상 기기에 대한 인터페이스를 통해 수신하는 단계를 포함한다. 이후, 의료 영상 기기는 표적 부분에 대한 다수의 비디오 클립 이미지를 획득하고, 비디오 클립 이미지를 이미지 저장소에 저장한다. 이후, 비디오 클립 이미지의 각 비디오 클립은 각 비디오 클립의 뷰 및 품질을 결정하기 위해 이미지 처리되고, 선택된 진단 절차 및 표적 부분에 대응하는 규칙 기반으로부터 규칙이 검색된다. 이와 관련하여, 규칙은 진단 절차를 수행하는 과정에서 필요한 특정 측정을 달성하기 위해 비디오 클립 이미지의 필수 뷰 및 품질을 지정한다. 마지막으로, 지정된 필수 뷰 및 품질을 만족시키는 비디오 클립 이미지의 부분 집합을 생성하기 위한 필터로서 검색된 규칙이 비디오 클립 이미지에 적용되고, 비디오 클립 이미지의 부분 집합은 이미지 저장소에 저장된다.
실시 예의 일 양태에서, 비디오 클립 이미지에 존재하지 않는 검색된 규칙의 적용 시에 비디오 클립 이미지에서 지정된 필수 뷰 및 품질을 만족시키는 비디오 클립이 결정되는 경우, 의료 영상 기기의 인터페이스를 통해 경고가 생성된다. 실시 예의 다른 양태에서, 각 비디오 클립의 이미지 처리 단계는 지정된 신뢰 수준에서 제출된 비디오 클립에서 인식된 뷰를 표시하는 출력을 생성하도록 훈련된 뉴럴 네트워크에 각 비디오 클립을 제출하는 단계를 포함하고, 또는 대안적으로, 제출된 비디오 클립에서 인식된 뷰를 표시하기 위해 특정 뷰의 알려진 이미지의 데이터 저장소와 제출된 비디오 클립을 비교하도록 구성된 콘텐츠 기반 이미지 검색 시스템에 각 비디오 클립을 제출하는 단계를 포함한다.
실시 예의 또 다른 양태에서, 각 비디오 클립의 이미지 처리 단계는 뉴럴 네트워크의 출력에서 생성된 지정된 신뢰 수준을 기반으로 하여 제출된 이미지의 일반화된 품질 수준을 컴퓨터를 이용하여 계산하는 단계를 또한 포함한다. 마지막으로, 실시 예의 또 다른 양태에서, 규칙은 뷰에서 랜드마크 특징의 필수 존재를 추가로 지정한다. 이러한 방법에서, 각 비디오 클립의 이미지 처리 단계는 검색된 규칙을 적용하는 동안 랜드마크 특성의 부재는 비디오 클립의 좋지 못한 품질과 연관성이 있고, 랜드마크 특징의 존재는 비디오 클립의 좋은 품질과 연관성이 있도록, 지정된 신뢰 수준에서 제출된 비디오 클립에서 인식된 랜드마크 특징을 표시하는 출력을 생성하도록 훈련된 뉴럴 네트워크에 각 비디오 클립을 제출하는 단계를 포함한다.
본 발명의 다른 실시 예에서, 의료 영상 데이터 처리 시스템은 클립 선택을 위해 구성된다. 시스템은 각각 메모리 및 적어도 하나의 프로세서를 갖는 하나 이상의 컴퓨터를 포함하는 호스트 컴퓨팅 시스템을 포함한다. 진단 영상 컴퓨터 프로그램은 호스트 컴퓨팅 시스템의 메모리에서 실행되고, 통신 가능하게 결합된 의료 영상 기기에 제어 명령을 제공한다. 프로그램은 추가로 의료 영상 기기에 대한 인터페이스를 제공한다.
중요하게, 프로그램은 실행 중 의료 영상용 클립 선택 방법을 수행할 수 있도록 하는 컴퓨터 프로그램 명령을 또한 포함한다. 방법은 포유류 신체의 표적 부분 및 진단 절차의 선택을 의료 영상 기기에 대한 인터페이스를 통해 수신하는 단계를 포함한다. 이후, 의료 영상 기기는 표적 부분에 대한 다수의 비디오 클립 이미지를 획득하고 비디오 클립 이미지를 이미지 저장소에 저장한다. 이후, 비디오 클립 이미지의 각 비디오 클립은 각 비디오 클립의 뷰 및 품질을 결정하기 위해 이미지 처리되고, 선택된 진단 절차 및 표적 부분에 대응하는 규칙 베이스로부터 규칙이 검색된다. 이와 관련하여, 규칙은 비디오 클립 이미지의 필수 뷰 및 품질을 지정한다. 마지막으로, 지정된 필수 뷰 및 품질을 만족시키는 비디오 클립 이미지의 부분 집합을 생성하기 위한 필터로서 비디오 클립 이미지에 검색된 규칙이 적용되고, 비디오 클립 이미지의 부분 집합은 이미지 저장소에 저장된다.
도 1은 의료 영상용 클립 선택을 위한 프로세스의 삽화이다.
도 2는 의료 영상용 클립 선택을 위해 구성된 데이터 처리 시스템의 개략도이다.
도 3은 의료 영상용 클립 선택을 위한 프로세스를 도시하는 흐름도이다.
본 발명의 추가 양태는 일부는 다음의 설명에서 기술되고 일부는 설명으로부터 명백해질 것이고, 또는 본 발명의 실시에 의해 습득될 수 있다. 본 발명의 양태는 첨부된 청구 범위에서 특별히 지적된 요소 및 조합에 의해 실현되고 달성될 것이다. 전술한 일반적인 설명 및 다음의 상세한 설명은 모두 단지 예시 및 설명을 위한 것으로 청구 범위에 기재된 바와 같이 본 발명을 제한하는 것은 아님을 이해해야 한다.
본 명세서에 통합되어 본 명세서의 일부를 구성하는 첨부 도면은 본 발명의 실시 예를 도시하고 설명과 함께 본 발명의 원리를 설명하는 역할을 한다. 본 명세서에 도시된 실시 예는 현재 바람직하지만, 본 발명은 도시된 정확한 배치 및 수단에 제한되지 않음을 이해해야 한다.
본 발명의 실시 예는 의료 기기 영상 및 진단을 위한 비디오 클립 선택을 제공한다. 본 발명의 일 실시 예에 따르면, 동시에 획득된 포유류 장기에 대한 비디오 클립들의 집합이 처리를 위해 선택되고, 집합 내 각 비디오 클립은 비디오 클립을 획득하기 위해 활용된 모달리티 및 장기의 특정 뷰에 따라 각 비디오 클립을 분류하도록 훈련된 뉴럴 네트워크에 제출된다. 뉴럴 네트워크에 의해 생성된 신뢰는 비디오 클립 품질의 함수 결정 요인에 대한 입력으로서의 역할을 한다. 이후, 획득된 비디오 클립의 사용 목적은 예를 들어, 사용 목적을 위한 특정 뷰, 모달리티 및 품질 요건을 표시하는 검색된 규칙 기반으로부터의 규칙 및 지정된 진단 절차와 관련하여 측정의 계산을 촉진하기 위해 장기의 측정을 계산하기 위해 지정된다. 선택적으로, 규칙은 뷰어에 비디오 클립의 프레젠테이션 방식을 표시한다. 사용 목적을 위한 특정 뷰, 모달리티 및 품질 요건의 규칙에 의한 표시를 기반으로 하여, 획득된 비디오 클립은 특정 뷰, 모달리티 및 품질의 비디오 클립의 부분 집합을 생성하기 위해 필터링된다. 마지막으로, 비디오 클립의 부분 집합은 헬스 케어 전문가가 볼 수 있도록 하기 위해 비디오 클립의 부분 집합을 제시하는 진단 뷰어에 대한 입력으로서 제공된다. 선택적으로, 뷰어는 규칙에 따라 비디오 클립 부분 집합의 프레젠테이션을 처리한다. 특히, 비디오 클립 부분 집합의 프레젠테이션 처리 방식은 가장 관련성이 높은 비디오 클립이 먼저 헬스 케어 전문가에게 제시되도록 비디오 클립의 부분 집합을 재정렬하는 단계를 포함할 수 있다.
다른 예에서, 도 1은 의료 영상용 클립 선택을 위한 프로세스의 삽화이다. 도 1에 도시된 바와 같이, 의료 영상 기기(100)는 포유류 신체 내의 표적 장기에 대한 이미지 집합(130)에서 이미지를 획득한다. 이미지 집합(130)의 각 이미지는 표적 장기의 특정 뷰를 반영하고 특정 품질을 갖는다. 클립 선택 장치 논리(150)는 이미지 집합(130) 내에 있는 각각의 이미지를 로드하고, 이미지에 의해 반영된 뷰 및 결정된 품질(160)을 모두 결정한다. 이후, 의도된 절차(110)가 의료 영상 기기(100)에 지정되고, 이미지의 필수 품질 및 뷰에 대한 특정 규칙(140)이 의도된 절차(110) 및 선택적으로 의도된 절차(110)를 촉진하기 위해 계산되는 지정된 측정을 기반으로 하여 규칙 테이블(120)에서 선택된다. 선택된 규칙(140)은 클립 선택 장치 논리(150)에 제공된다.
클립 선택 장치 논리(150)는 지정된 절차(110)를 지원하기에 충분한 할당된 뷰 및 품질(160)을 갖는 이미지들만으로 이루어진 이미지 부분 집합(190)으로, 및 선택적으로, 가장 바람직한 뷰 및 품질이 맨 앞에 배치되는 순서로 이미지 집합(130)을 필터링하거나 분류(재정렬)하는 필터를 생성하기 위해 이미지 집합(130)의 각 이미지에 선택된 규칙(140)을 적용한다. 이후, 클립 선택 장치 논리(150)가 하나 이상의 이미지가 이미지 부분 집합(190)에 존재한다고 결정하는 범위까지, 이미지 부분 집합(190)이 지정된 절차(110)의 의료 진단에서 사용하기 위해 데이터 저장소(175)에 저장된다. 달리, 이미지 부분 집합(190)에 대한 빈 집합(185)을 검출하면, 클립 선택 장치 논리(150)는 지정된 절차(110)를 위한 필수 뷰 또는 필수 품질 중 하나 또는 둘 다를 만족시키는 새로운 이미지를 다시 획득할 필요성을 표시하는 의료 영상 기기(100) 내의 프롬프트(195)를 지시한다.
도 1과 관련하여 기술된 프로세스는 데이터 처리 시스템에서 구현될 수 있다. 다른 예에서, 도 2는 의료 영상용 클립 선택을 위해 구성된 데이터 처리 시스템을 개략적으로 도시한다. 시스템은 메모리(220), 적어도 하나의 프로세서(210) 및 디스플레이(230)를 포함하는 호스트 컴퓨팅 시스템(200)을 포함한다. 또한, 호스트 컴퓨팅 시스템(200)은 획득된 의료 이미지가 저장되는 이미지 저장소(240) 및 표적 장기의 의료 이미지를 획득하도록 구성된 의료 영상 기기(250)에 결합된다. 운영 체계(200)는 호스트 컴퓨팅 시스템(200)의 메모리(220)에서 실행된다. 운영 체계(260)는 클립 선택 모듈(300)의 프로그램 코드 실행을 지원한다.
클립 선택 모듈(300)의 프로그램 코드는 메모리(220)에서 프로세서(210)에 의해 실행될 때 표시된 절차와 관련된 의료 영상 기기(250)에 의해 획득된 이미지 저장소(240) 내의 이미지 집합과 함께, 표적 장기와 관련된 절차의 표시를 의료 영상 기기(250)에 대한 인터페이스에서 수신할 수 있게 한다. 또한, 프로그램 코드는 실행 중에 각 이미지의 뷰 및 품질을 모두 분석하여 이미지 집합의 각 이미지에 할당할 수 있게 한다. 이와 관련하여, 클립 선택 모듈(300)의 프로그램 코드는 제공된 이미지에 대한 품질 및 뷰의 확률적 표시를 생성하도록 훈련된 뉴럴 네트워크(280)에 이미지 집합의 각 이미지를 제공할 수 있다. 대안적으로, 클립 선택 모듈(300)의 프로그램 코드는 알려진 뷰 및 알려진 품질의 이미지를 기반으로 하여 특정 뷰 및 특정 품질과 관련하여 각 이미지를 분류하기 위해 알려진 이미지 집합과 각 이미지의 이미지를 비교할 수 있는 콘텐츠 기반 이미지 검색 시스템(270)에 각 이미지를 제공할 수 있다.
선택적으로, 콘텐츠 기반 이미지 검색 시스템(270)은 이미지의 특정 뷰와 관련하여 보여질 것으로 예상되는 포유류 신체의 랜드마크 부분의 이미지 모습을 기반으로 하여 품질을 표시할 수 있다. 랜드마크의 부재는 품질이 좋지 않음을 표시한다. 랜드마크의 다양한 존재 수준은 다양한 품질 수준을 표시한다. 예를 들어, 예상되는 때에 이미지에 명확하게 존재하는 랜드마크는 좋은 품질을 표시한다. 반대로, 랜드마크가 부분적으로 존재하면 보통 밖에 안 되는 품질을 표시한다.
다른 옵션으로서, 최적의 포즈와 이미지를 생성하는 이미지 획득 기기의 포즈 간 차이의 관점에서 각 이미지에 대해 에코 거리가 계산될 수 있다. 보다 구체적으로, 트레이닝 이미지 중 대응하는 이미지를 획득하기 위해 활용된 알려진 포즈 및 선택적으로 최고 품질 형태의 트레이닝 이미지를 획득하기 위해 선험적으로 알려진 최적의 포즈로부터의 편차를 사용하여 각각 주석이 추가된 트레이닝 이미지 집합은 연관성이 있기 때문에 트레이닝 이미지와 비교할 때 후속 이미지가 에코 거리로서 지칭되는 가능성이 있는 포즈 변화를 식별할 수 있다. 전술한 내용은 에코 거리를 표시하기 위해 트레이닝 이미지로 훈련된 뉴럴 네트워크를 통해 또는 콘텐츠 기반 검색을 통해 달성될 수 있다. 이후, 임계 에코 거리가 후속 이미지에 대한 더 작은 에코 거리보다 좋지 않은 품질을 표시하도록 연관성이 있는 에코 거리를 기반으로 하여 품질이 후속 이미지에 할당된다.
다른 옵션으로서, 뉴럴 네트워크(280)는 지정된 신뢰 수준에서 제출된 비디오 클립에서 인식된 뷰를 표시할 수 있다.
클립 선택 모듈(300)의 프로그램 코드가 이미지 집합의 각 이미지에 대한 계산된 뷰 및 품질을 확립하면, 프로그램 코드는 표시된 절차에 촛점을 맞춘 규칙 기반으로부터 특정 규칙을 선택하고, 규칙을 이미지 집합의 각 이미지에 또한 적용할 수 있다. 이와 관련하여, 이미지 집합의 각 이미지에 대한 결정된 뷰 및 품질은 특정 규칙에 의해 요구되는 뷰 및 품질 초과를 결정하기 위해 특정 규칙에 대한 입력으로서 제공된다. 그렇다면, 이미지는 이미지 저장소(240) 내에 있는 이미지들의 부분 집합에 추가된다. 그렇지 않다면, 이미지는 폐기된다. 이미지 집합의 각 이미지가 특정 규칙에 의해 처리되면, 클립 선택 모듈(300)의 프로그램 코드는 어떤 이미지가 이미지 저장소(240)의 부분 집합에서 지속되는지 결정한다. 그게 아니면, 클립 선택 모듈(300)은 추가 이미지 획득의 필요성을 표시하는 인터페이스에서 경고를 생성하도록 의료 영상 기기(250)에 지시한다.
클립 선택 모듈(300) 작업의 또 다른 예에서, 도 3은 의료 영상용 클립 선택을 위한 프로세스를 도시하는 흐름도이다. 표적 절차 및 표적 장기가 의료 영상 기기에 대한 인터페이스에서 지정되는 처리가 블록(310)에서 시작된다. 블록(320)에서, 지정된 표적 절차 및 표적 장기에 대해 규칙이 배치된다. 이후, 블록(330)에서, 이미지 집합의 제1 이미지가 데이터 저장소에서 검색되고 할당된 품질 및 뷰는 메모리에 로드된다. 선택적으로, 검색은 의료 영상 기기에 의해 이미지 집합을 획득하는 동안 실시간으로 발생한다. 블록(340)에서, 배치된 규칙이 결정 블록(350)에서 결정하기 위해 할당된 품질 및 뷰에 적용된다. 결정 블록(350)에서, 제1 이미지가 지정된 표적 절차 및 표적 장기에 대해 충분한 품질 및 뷰의 이미지인 경우, 제1 이미지는 블록(360)에서 부분 집합에 추가된다. 그렇지 않은 경우, 프로세스는 결정 블록(370)에서 계속된다.
결정 블록(370)에서 추가 이미지가 처리되어야 하는 경우, 블록(380)에서 이미지 집합의 다음 이미지가 처리를 위해 선택되고, 배치된 규칙의 적용과 함께 블록(340)을 통해 프로세스를 반복한다. 그렇지 않은 경우, 결정 블록(390)에서 부분 집합에 어떤 이미지가 존재하는지 결정된다. 그렇게 하면, 블록(400)에서 표적 절차의 진단 분석에 활용하기 위해 부분 집합이 리턴된다. 그러나 그렇지 않은 경우, 블록(410)에서 필수 품질, 필수 뷰 또는 둘 다의 추가 의미지를 획득할 필요성을 표시하는 의료 영상 기기에 대한 인터페이스 내의 프롬프트가 제공된다.
본 발명은 시스템, 방법, 컴퓨터 프로그램 제품 또는 이들의 조합 내에서 구현될 수 있다. 컴퓨터 프로그램 제품은 프로세서가 본 발명의 양태를 수행하도록 하기 위한 컴퓨터 판독 가능 프로그램 명령을 포함하는 컴퓨터 판독 가능 저장 매체 또는 매체들을 포함할 수 있다. 컴퓨터 판독 가능 저장 매체는 명령 실행 장치에 의한 사용을 위해 명령을 유지하고 저장할 수 있는 유형의 장치일 수 있다. 컴퓨터 판독 가능 저장 매체는 예를 들어, 전자 저장 장치, 자기 저장 장치, 광학 저장 장치, 전자기 저장 장치, 반도체 저장 장치 또는 이들의 적절한 조합일 수 있지만 이에 국한되지는 않는다.
본 명세서에 기술된 컴퓨터 판독 가능 프로그램 명령은 네트워크를 통해 외부 컴퓨터 또는 외부 저장 장치에 또는 컴퓨터 판독 가능 저장 매체로부터 각각의 컴퓨팅/처리 장치에 다운로드될 수 있다. 컴퓨터 판독 가능 프로그램 명령은 사용자 컴퓨터에서 전체적으로, 사용자 컴퓨터에서 부분적으로, 독립형 소프트웨어 패키지로서, 일부는 사용자 컴퓨터에서 일부는 원격 컴퓨터에서, 또는 원격 컴퓨터나 서버에서 전체적으로 실행될 수 있다. 본 발명의 양태는 본 발명의 실시 예에 따른 방법의 흐름도 및/또는 블록도, 장치(시스템) 및 컴퓨터 프로그램 제품을 참조하여 본 명세서에 기술된다. 흐름도 및/또는 블록도의 각 블록 및 흐름도 및/또는블록도의 블록 조합은 컴퓨터 판독 가능 프로그램 명령에 의해 구현될 수 있음을 이해할 것이다.
이들 컴퓨터 판독 가능 프로그램 명령은 컴퓨터 또는 다른 프로그램 가능 데이터 처리 장치의 프로세서를 통해 실행하는 명령이 흐름도 및/또는 블록도 블록 또는 블록들에서 지정된 기능/행위를 구현하기 위한 수단을 생성하도록 범용 컴퓨터, 특수 목적 컴퓨터, 또는 기계를 생성하는 다른 프로그램 가능 데이터 처리 장치의 프로세서에 제공될 수 있다. 또한, 이들 컴퓨터 판독 가능 프로그램 명령은 명령이 저장되어 있는 컴퓨터 판독 가능 저장 매체가 흐름도 및/또는 블록도 블록 또는 블록들에서 지정된 기능/행위의 양태를 구현하는 명령을 포함하는 제조 물품을 포함하도록, 컴퓨터, 프로그램 가능 데이터 처리 장치 및/또는 다른 장치가 특정 방식으로 기능하도록 지시할 수 있는 컴퓨터 판독 가능 저장 매체에 저장될 수 있다.
또한, 컴퓨터 판독 가능 프로그램 명령은 컴퓨터, 다른 프로그램 가능 장치 또는 다른 장치에서 실행하는 명령이 흐름도 및/또는 블록도 블록 또는 블록들에서 지정된 기능/행위를 구현하도록, 컴퓨터 구현 프로세스를 생성하기 위한 일련의 작업 단계들이 컴퓨터, 다른 프로그램 가능 장치 또는 다른 장치에서 수행되도록 하기 위해 컴퓨터, 다른 프로그램 가능 데이터 처리 장치 또는 다른 장치에 로딩될 수 있다.
도면의 흐름도 및 블록도는 본 발명의 다양한 실시 예에 따른 시스템, 방법 및 컴퓨터 프로그램 제품의 가능한 구현의 아키텍처, 기능 및 작업을 도시한다. 이와 관련하여, 흐름도 또는 블록도의 각 블록은 지정된 논리 함수(들)을 구현하기 위한 하나 이상의 실행 가능한 명령을 포함하는 모듈, 세그먼트 또는 명령들의 일부분을 나타낼 수 있다. 일부 대안적인 구현에서, 블록에 언급된 기능은 도면에 언급된 순서를 벗어나서 발생할 수 있다. 예를 들어, 연속으로 도시된 두 개의 블록은 사실 실질적으로 동시에 실행될 수 있고, 또는 블록들은 때때로 관련된 기능에 따라 역순으로 실행될 수 있다. 또한, 블록도 및/또는 흐름도의 각 블록 및 블록도 및/또는 흐름도의 블록 조합은 특수 목적 하드웨어 및 컴퓨터 명령의 조합을 수행하거나 지정된 기능 또는 행위를 수행하는 특수 목적 하드웨어 기반 시스템에 의해 구현될 수 있음을 유의해야 할 것이다.
마지막으로, 본 명세서에서 사용된 용어는 단지 특정 실시 예를 설명하기 위한 것으로 본 발명을 제한하기 위한 것이 아니다. 본 명세서에서 사용된 단수 형태 "a", "an" 및 "the"는 문맥상 달리 명시하지 않는 한, 복수 형태를 또한 포함하도록 의도된다. 또한 본 명세서에서 사용되는 경우, "포함하다" 및/또는 "포함하는"이라는 용어는 명시된 특징, 정수, 단계, 작업, 요소 및/또는 구성 요소의 존재를 기술하지만 하나 이상의 다른 특징, 정수, 단계, 작업, 요소, 구성 요소 및/또는 이들의 그룹의 존재 또는 추가를 배제하지 않는다는 것을 이해할 것이다.
아래 청구 범위의 모든 수단 또는 단계뿐만 아니라 기능 요소의 해당 구조, 물질, 행위 및 등가물은 구체적으로 청구된 다른 청구 요소와 조합하여 기능을 수행하기 위한 구조, 물질 또는 행위를 포함하도록 의도된다. 본 발명의 설명은 예시 및 설명을 위해 제공되지만, 개시된 형태로 본 발명을 제한하거나 빠뜨리는 것 없이 완전하도록 하기 위한 것은 아니다. 당업자에게는 본 발명의 범위 및 사상을 벗어나지 않고 많은 수정 예 및 변경 예가 자명할 것이다. 실시 예는 본 발명의 원리 및 실제 적용을 가장 잘 설명하고, 당업자가 숙고된 특정 용도에 적합한 다양한 변경 예와 함께 다양한 실시 예에 대해 본 발명을 이해할 수 있도록 선택되고 기술된다.
따라서, 본 발명의 실시 예를 참조하여 상세히 본 출원의 발명을 기술하였지만, 첨부된 청구 범위에서 정의된 본 발명의 범위에서 벗어나지 않고 수정 예 및 변경 예가 가능하다는 것은 자명할 것이다.
200: 호스트 컴퓨팅 시스템 210: 프로세서
220: 메모리 230: 디스플레이
240: 이미지 저장소 250: 의료 영상 기기
260: 운영체계 270: 콘텐츠 기반 이미지 검색
280: 뉴럴 네트워크 결정 300: 클립 선택 모듈

Claims (20)

  1. 의료 영상을 위한 클립 선택 방법으로서,
    포유류 신체의 표적 부분 및 진단 절차의 선택을 의료 영상 기기에 대한 인터페이스를 통해 수신하는 단계;
    상기 의료 영상 기기를 활용하여 상기 표적 부분의 다수의 비디오 클립 이미지를 획득하는 단계;
    이미지 저장소에 상기 비디오 클립 이미지를 저장하는 단계;
    각 비디오 클립의 뷰(view) 및 품질을 결정하기 위해 상기 비디오 클립 이미지의 각 비디오 클립을 이미지 처리하는 단계;
    상기 선택된 진단 절차 및 표적 부분에 대응하는 규칙 기반으로부터 상기 비디오 클립 이미지의 필수 뷰 및 품질을 지정하는 규칙을 검색하는 단계;
    상기 지정된 필수 뷰 및 품질을 만족시키는 비디오 클립 이미지의 부분 집합을 생성하기 위한 필터로서 상기 비디오 클립 이미지에 상기 검색된 규칙을 적용하는 단계; 및
    상기 이미지 저장소에 상기 비디오 클립 이미지의 부분 집합을 저장하는 단계를 포함하는
    의료 영상을 위한 클립 선택 방법.
  2. 제1 항에 있어서,
    상기 비디오 클립 이미지에 존재하지 않는 상기 검색된 규칙의 적용 시에 상기 비디오 클립 이미지에서 상기 지정된 필수 뷰 및 품질을 만족시키는 비디오 클립이 결정되는 경우, 상기 의료 영상 기기의 상기 인터페이스를 통해 경고를 생성하는 단계를 더 포함하는
    의료 영상을 위한 클립 선택 방법.
  3. 제1 항에 있어서, 상기 각 비디오 클립의 이미지 처리 단계는 지정된 신뢰 수준에서 제출된 비디오 클립에서 인식된 뷰를 표시하는 출력을 생성하도록 훈련된 뉴럴 네트워크에 각 비디오 클립을 제출하는 단계를 포함하는
    의료 영상을 위한 클립 선택 방법.
  4. 제1 항에 있어서, 상기 각 비디오 클립의 이미지 처리 단계는 상기 제출된 비디오 클립에서 인식된 뷰를 표시하기 위해 특정 뷰의 알려진 이미지의 데이터 저장소와 제출된 비디오 클립을 비교하도록 구성된 콘텐츠 기반 이미지 검색 시스템에 각 비디오 클립을 제출하는 단계를 포함하는
    의료 영상을 위한 클립 선택 방법.
  5. 제3 항에 있어서, 상기 각 비디오 클립의 이미지 처리 단계는 상기 뉴럴 네트워크의 출력에서 생성된 상기 지정된 신뢰 수준을 기반으로 하여 제출된 이미지의 일반화된 품질 수준을 컴퓨터를 이용하여 계산하는 단계를 더 포함하는
    의료 영상을 위한 클립 선택 방법.
  6. 제1 항에 있어서,
    상기 규칙은 상기 뷰에서 랜드마크 특징의 필수 존재를 추가로 지정하고,
    상기 각 비디오 클립의 이미지 처리 단계는,
    상기 검색된 규칙을 적용하는 동안 상기 랜드마크 특징의 부재는 상기 비디오 클립의 좋지 않은 품질과 연관성이 있고 상기 랜드마크 특징의 존재는 상기 비디오 클립의 좋은 품질과 연관성이 있도록, 지정된 신뢰 수준에서 제출된 비디오 클립에서 인식된 랜드마크 특징을 표시하는 출력을 생성하도록 훈련된 뉴럴 네트워크에 각 비디오 클립을 제출하는 단계를 포함하는
    의료 영상을 위한 클립 선택 방법.
  7. 제1 항에 있어서, 상기 저장하는 단계는 상기 의료 영상 기기를 활용하여 상기 표적 부분에 대한 상기 다수의 비디오 클립 이미지를 실시간으로 획득하는 동안 발생하는
    의료 영상을 위한 클립 선택 방법.
  8. 클립 선택을 위해 구성된 의료 영상 데이터 처리 시스템으로서, 상기 시스템은
    각각 메모리 및 적어도 하나의 프로세서를 포함하는 하나 이상의 컴퓨터를 포함하는 호스트 컴퓨팅 시스템;
    상기 호스트 컴퓨팅 시스템의 상기 메모리에서 실행하는 진단 영상 컴퓨터 프로그램을 포함하고,
    상기 프로그램은 통신 가능하게 결합된 의료 영상 기기에 제어 명령을 제공하고, 상기 프로그램은 상기 의료 영상 기기에 대한 인터페이스를 추가로 제공하고,
    상기 프로그램은 실행하는 동안
    포유류 신체의 표적 부분 및 진단 절차의 선택을 상기 인터페이스를 통해 수신하는 단계;
    상기 의료 영상 기기를 활용하여 상기 표적 부분의 다수의 비디오 클립 이미지를 획득하는 단계;
    이미지 저장소에 상기 비디오 클립 이미지를 저장하는 단계;
    각 비디오 클립의 뷰 및 품질을 결정하기 위해 상기 비디오 클립 이미지의 각 비디오 클립을 이미지 처리하는 단계;
    상기 선택된 진단 절차 및 표적 부분에 대응하는 규칙 기반으로부터 상기 비디오 클립 이미지의 필수 뷰 및 품질을 지정하는 규칙을 검색하는 단계;
    상기 지정된 필수 뷰 및 품질을 만족시키는 비디오 클립 이미지의 부분 집합을 생성하기 위한 필터로서 상기 비디오 클립 이미지에 상기 검색된 규칙을 적용하는 단계; 및
    상기 호스트 컴퓨팅 시스템의 상기 이미지 저장소에 상기 비디오 클립 이미지의 부분 집합을 저장하는 단계를 수행할 수 있게 하는 컴퓨터 프로그램 명령을 더 추가로 포함하는
    클립 선택을 위해 구성된 의료 영상 데이터 처리 시스템.
  9. 제8 항에 있어서, 상기 프로그램 명령은
    상기 비디오 클립 이미지에 존재하지 않는 상기 검색된 규칙의 적용 시에 상기 비디오 클립 이미지에서 상기 지정된 필수 뷰 및 품질을 만족시키는 비디오 클립이 결정되는 경우, 상기 의료 영상 기기의 상기 인터페이스를 통해 경고를 생성하는 단계를 더 수행할 수 있게 하는
    클립 선택을 위해 구성된 의료 영상 데이터 처리 시스템.
  10. 제8 항에 있어서, 상기 각 비디오 클립의 이미지 처리 단계는 지정된 신뢰 수준에서 제출된 비디오 클립에서 인식된 뷰를 표시하는 출력을 생성하도록 훈련된 뉴럴 네트워크에 각 비디오 클립을 제출하는 단계를 포함하는
    클립 선택을 위해 구성된 의료 영상 데이터 처리 시스템.
  11. 제8 항에 있어서, 상기 각 비디오 클립의 이미지 처리 단계는 상기 제출된 비디오 클립에서 인식된 뷰를 표시하기 위해 특정 뷰의 알려진 이미지의 데이터 저장소와 제출된 비디오 클립을 비교하도록 구성된 콘텐츠 기반 이미지 검색 시스템에 각 비디오 클립을 제출하는 단계를 포함하는
    클립 선택을 위해 구성된 의료 영상 데이터 처리 시스템.
  12. 제10 항에 있어서, 상기 각 비디오 클립의 이미지 처리 단계는 상기 선경망의 출력에서 생성된 상기 지정된 신뢰 수준을 기반으로 하여 제출된 이미지의 일반화된 품질 수준을 컴퓨터를 이용하여 계산하는 단계를 더 포함하는
    클립 선택을 위해 구성된 의료 영상 데이터 처리 시스템.
  13. 제8 항에 있어서,
    상기 규칙은 상기 뷰에서 랜드마크 특징의 필수 존재를 추가로 지정하고,
    상기 각 비디오 클립의 이미지 처리 단계는,
    상기 검색된 규칙을 적용하는 동안 상기 랜드마크 특징의 부재는 상기 비디오 클립의 좋지 않은 품질과 연관성이 있고 상기 랜드마크 특징의 존재는 상기 비디오 클립의 좋은 품질과 연관성이 있도록, 지정된 신뢰 수준에서 제출된 비디오 클립에서 인식된 랜드마크 특징을 표시하는 출력을 생성하도록 훈련된 뉴럴 네트워크에 각 비디오 클립을 제출하는 단계를 포함하는
    클립 선택을 위해 구성된 의료 영상 데이터 처리 시스템.
  14. 의료 영상용 클립 선택을 위한 컴퓨터 프로그램 제품으로서, 상기 컴퓨터 프로그램 제품은 그 안에서 구현되는 프로그램 명령을 갖는 컴퓨터 판독 가능 저장 매체를 포함하고, 상기 프로그램 명령은
    포유류 신체의 표적 부분 및 진단 절차의 선택을 의료 영상 기기에 대한 인터페이스를 통해 수신하는 단계;
    상기 의료 영상 기기를 활용하여 상기 표적 부분의 다수의 비디오 클립 이미지를 획득하는 단계;
    이미지 저장소에 상기 비디오 클립 이미지를 저장하는 단계;
    각 비디오 클립의 뷰 및 품질을 결정하기 위해 상기 비디오 클립 이미지의 각 비디오 클립을 이미지 처리하는 단계;
    상기 선택된 진단 절차 및 표적 부분에 대응하는 규칙 기반으로부터 상기 비디오 클립 이미지의 필수 뷰 및 품질을 지정하는 규칙을 검색하는 단계;
    상기 지정된 필수 뷰 및 품질을 만족시키는 비디오 클립 이미지의 부분 집합을 생성하기 위한 필터로서 상기 비디오 클립 이미지에 상기 검색된 규칙을 적용하는 단계; 및
    상기 이미지 저장소에 상기 비디오 클립 이미지의 부분 집합을 저장하는 단계를 포함하는 방법을 기기가 수행하도록 하기 위해 상기 기기에 의해 실행 가능한 컴퓨터 프로그램 제품.
  15. 제14 항에 있어서, 상기 기기에 의해 수행되는 상기 방법은
    상기 비디오 클립 이미지에 존재하지 않는 상기 검색된 규칙의 적용 시에 상기 비디오 클립 이미지에서 상기 지정된 필수 뷰 및 품질을 만족시키는 비디오 클립이 결정되는 경우, 상기 의료 영상 기기의 상기 인터페이스를 통해 경고를 생성하는 단계를 더 포함하는 컴퓨터 프로그램 제품.
  16. 제14 항에 있어서, 상기 각 비디오 클립의 이미지 처리 단계는 지정된 신뢰 수준에서 제출된 비디오 클립에서 인식된 뷰를 표시하는 출력을 생성하도록 훈련된 뉴럴 네트워크에 각 비디오 클립을 제출하는 단계를 포함하는 컴퓨터 프로그램 제품.
  17. 제14 항에 있어서, 상기 각 비디오 클립의 이미지 처리 단계는 상기 제출된 비디오 클립에서 인식된 뷰를 표시하기 위해 특정 뷰의 알려진 이미지의 데이터 저장소와 제출된 비디오 클립을 비교하도록 구성된 콘텐츠 기반 이미지 검색 시스템에 각 비디오 클립을 제출하는 단계를 포함하는 컴퓨터 프로그램 제품.
  18. 제16 항에 있어서, 상기 각 비디오 클립의 이미지 처리 단계는 상기 뉴럴 네트워크의 출력에서 생성된 상기 지정된 신뢰 수준을 기반으로 하여 제출된 이미지의 일반화된 품질 수준을 컴퓨터를 이용하여 계산하는 단계를 더 포함하는 컴퓨터 프로그램 제품.
  19. 제14 항에 있어서, 상기 규칙은 상기 뷰에서 랜드마크 특징의 필수 존재를 추가로 지정하고, 상기 각 비디오 클립의 이미지 처리 단계는 상기 검색된 규칙을 적용하는 동안 상기 랜드마크 특징의 부재는 상기 비디오 클립의 좋지 않은 품질과 연관성이 있고 상기 랜드마크 특징의 존재는 상기 비디오 클립의 좋은 품질과 연관성이 있도록, 지정된 신뢰 수준에서 제출된 비디오 클립에서 인식된 랜드마크 특징을 표시하는 출력을 생성하도록 훈련된 뉴럴 네트워크에 각 비디오 클립을 제출하는 단계를 포함하는 컴퓨터 프로그램 제품.
  20. 제14 항에 있어서, 상기 저장하는 단계는 상기 의료 영상 기기를 활용하여 상기 타겟 부분에 대한 다수의 비디오 클립 이미지를 실시간으로 획득하는 동안 발생하는 컴퓨터 프로그램 제품.

KR1020190075476A 2018-06-25 2019-06-25 의료 영상 및 진단을 위한 비디오 클립 선택 장치 KR20200000820A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/016,725 2018-06-25
US16/016,725 US10631791B2 (en) 2018-06-25 2018-06-25 Video clip selector for medical imaging and diagnosis

Publications (1)

Publication Number Publication Date
KR20200000820A true KR20200000820A (ko) 2020-01-03

Family

ID=67511694

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190075476A KR20200000820A (ko) 2018-06-25 2019-06-25 의료 영상 및 진단을 위한 비디오 클립 선택 장치

Country Status (5)

Country Link
US (5) US10631791B2 (ko)
KR (1) KR20200000820A (ko)
CA (1) CA3009403A1 (ko)
DE (1) DE102019116972A1 (ko)
GB (1) GB2576405B (ko)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9918718B2 (en) 2014-08-08 2018-03-20 DePuy Synthes Products, Inc. Embolic coil delivery system with retractable mechanical release mechanism
US10806462B2 (en) 2017-12-21 2020-10-20 DePuy Synthes Products, Inc. Implantable medical device detachment system with split tube and cylindrical coupling
US10631791B2 (en) 2018-06-25 2020-04-28 Caption Health, Inc. Video clip selector for medical imaging and diagnosis
US11147562B2 (en) 2018-12-12 2021-10-19 DePuy Synthes Products, Inc. Systems and methods for embolic implant detachment
US11253265B2 (en) 2019-06-18 2022-02-22 DePuy Synthes Products, Inc. Pull wire detachment for intravascular devices
US11207494B2 (en) 2019-07-03 2021-12-28 DePuy Synthes Products, Inc. Medical device delivery member with flexible stretch resistant distal portion
US11426174B2 (en) 2019-10-03 2022-08-30 DePuy Synthes Products, Inc. Medical device delivery member with flexible stretch resistant mechanical release
US11439403B2 (en) 2019-09-17 2022-09-13 DePuy Synthes Products, Inc. Embolic coil proximal connecting element and stretch resistant fiber
US11376013B2 (en) 2019-11-18 2022-07-05 DePuy Synthes Products, Inc. Implant delivery system with braid cup formation
US11457922B2 (en) 2020-01-22 2022-10-04 DePuy Synthes Products, Inc. Medical device delivery member with flexible stretch resistant distal portion
US11432822B2 (en) 2020-02-14 2022-09-06 DePuy Synthes Products, Inc. Intravascular implant deployment system
US11523801B2 (en) * 2020-05-11 2022-12-13 EchoNous, Inc. Automatically identifying anatomical structures in medical images in a manner that is sensitive to the particular view in which each image is captured
CN111583249B (zh) * 2020-05-12 2023-12-01 上海深至信息科技有限公司 一种医学图像的质量监控系统及方法
US11951026B2 (en) 2020-06-30 2024-04-09 DePuy Synthes Products, Inc. Implantable medical device detachment system with flexible braid section
US11844490B2 (en) 2021-12-30 2023-12-19 DePuy Synthes Products, Inc. Suture linkage for inhibiting premature embolic implant deployment
US11937824B2 (en) 2021-12-30 2024-03-26 DePuy Synthes Products, Inc. Implant detachment systems with a modified pull wire
US11937825B2 (en) 2022-03-02 2024-03-26 DePuy Synthes Products, Inc. Hook wire for preventing premature embolic implant detachment
US11937826B2 (en) 2022-03-14 2024-03-26 DePuy Synthes Products, Inc. Proximal link wire for preventing premature implant detachment

Family Cites Families (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1156828A (ja) 1997-08-27 1999-03-02 Fuji Photo Film Co Ltd 異常陰影候補検出方法および装置
US8543519B2 (en) 2000-08-07 2013-09-24 Health Discovery Corporation System and method for remote melanoma screening
US6597934B1 (en) 2000-11-06 2003-07-22 Inspektor Research Systems B.V. Diagnostic image capture
US6503203B1 (en) 2001-01-16 2003-01-07 Koninklijke Philips Electronics N.V. Automated ultrasound system for performing imaging studies utilizing ultrasound contrast agents
US7727153B2 (en) 2003-04-07 2010-06-01 Sonosite, Inc. Ultrasonic blood vessel measurement apparatus and method
US7672491B2 (en) * 2004-03-23 2010-03-02 Siemens Medical Solutions Usa, Inc. Systems and methods providing automated decision support and medical imaging
US8081806B2 (en) 2006-05-05 2011-12-20 General Electric Company User interface and method for displaying information in an ultrasound system
US20110246521A1 (en) 2007-08-06 2011-10-06 Hui Luo System and method for discovering image quality information related to diagnostic imaging performance
WO2009111670A1 (en) * 2008-03-06 2009-09-11 Ev3 Endovascular, Inc. Image enhancement and application functionality for medical and other uses
US7775714B2 (en) * 2008-04-24 2010-08-17 Crucs Holdings, Llc Methods of assessing performance in an imaging system
US8600133B2 (en) 2008-10-01 2013-12-03 Koninklijke Philips N.V. Selection of snapshots of a medical image sequence
JP5789593B2 (ja) 2010-02-17 2015-10-07 株式会社日立メディコ 弾性画像の画質評価方法及び超音波診断装置
US9256982B2 (en) 2010-03-17 2016-02-09 Microsoft Technology Licensing, Llc Medical image rendering
US8891881B2 (en) 2012-01-25 2014-11-18 General Electric Company System and method for identifying an optimal image frame for ultrasound imaging
US9053213B2 (en) * 2012-02-07 2015-06-09 Koninklijke Philps N.V. Interactive optimization of scan databases for statistical testing
JP5647639B2 (ja) 2012-03-19 2015-01-07 富士フイルム株式会社 放射線撮影情報管理システムおよび方法、並びにプログラム
JP6415812B2 (ja) * 2012-12-25 2018-10-31 キヤノンメディカルシステムズ株式会社 画像観察装置、画像観察方法、及びコンピュータ読み取り可能な記録媒体
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
WO2015060897A1 (en) 2013-10-22 2015-04-30 Eyenuk, Inc. Systems and methods for automated analysis of retinal images
DE102013221949B4 (de) 2013-10-29 2019-03-28 Siemens Healthcare Gmbh Verfahren zur Anzeige von medizinischen Bilddaten
US9918701B2 (en) * 2014-09-03 2018-03-20 Contextvision Ab Methods and systems for automatic control of subjective image quality in imaging of objects
US10835213B2 (en) 2014-09-11 2020-11-17 Koninklijke Philips N.V. Quality metric for multi-beat echocardiographic acquisitions for immediate user feedback
US10861151B2 (en) 2015-08-07 2020-12-08 The Arizona Board Of Regents On Behalf Of Arizona State University Methods, systems, and media for simultaneously monitoring colonoscopic video quality and detecting polyps in colonoscopy
KR102519424B1 (ko) 2015-09-25 2023-04-10 삼성메디슨 주식회사 초음파 이미지 디스플레이 방법 및 이를 위한 장치
US10043088B2 (en) 2016-06-23 2018-08-07 Siemens Healthcare Gmbh Image quality score using a deep generative machine-learning model
US10265044B2 (en) 2016-08-31 2019-04-23 General Electric Company Systems and methods for adaptive imaging systems
US10074038B2 (en) * 2016-11-23 2018-09-11 General Electric Company Deep learning medical systems and methods for image reconstruction and quality evaluation
WO2019084411A1 (en) * 2017-10-27 2019-05-02 Butterfly Network, Inc. QUALITY INDICATORS FOR COLLECTION AND AUTOMATED MEASUREMENT ON ULTRASONIC IMAGES
US20190328361A1 (en) * 2018-04-27 2019-10-31 General Electric Company Ultrasound imaging system and method
US10631791B2 (en) 2018-06-25 2020-04-28 Caption Health, Inc. Video clip selector for medical imaging and diagnosis
FR3082975B1 (fr) 2018-06-25 2021-12-03 Bay Labs Inc Selectionneur de clip video pour imagerie medicale et diagnostic medical
US10726548B2 (en) 2018-06-25 2020-07-28 Bay Labs, Inc. Confidence determination in a medical imaging video clip measurement based upon video clip image quality

Also Published As

Publication number Publication date
US20210106284A1 (en) 2021-04-15
GB2576405B (en) 2022-09-07
US11497451B2 (en) 2022-11-15
US10631791B2 (en) 2020-04-28
DE102019116972A1 (de) 2020-01-02
US20210106285A1 (en) 2021-04-15
US10806402B2 (en) 2020-10-20
US11160510B2 (en) 2021-11-02
US20190392581A1 (en) 2019-12-26
CA3009403A1 (en) 2019-12-25
GB2576405A (en) 2020-02-19
US11166678B2 (en) 2021-11-09
US20200281535A1 (en) 2020-09-10
US20220079528A1 (en) 2022-03-17
GB201908872D0 (en) 2019-08-07

Similar Documents

Publication Publication Date Title
KR20200000820A (ko) 의료 영상 및 진단을 위한 비디오 클립 선택 장치
JP6438395B2 (ja) 効果的な表示及び報告のための画像資料に関連する以前の注釈の自動検出及び取り出し
JP6081126B2 (ja) 医用画像処理装置、画像診断装置、コンピュータシステム、医用画像処理プログラム、及び医用画像処理方法
JP6422486B2 (ja) 高度医用画像処理ウィザード
JP5843414B2 (ja) 医療記録ソフトウエアと高度画像処理の統合
JP4786246B2 (ja) 画像処理装置及び画像処理システム
JP4545185B2 (ja) 画像処理装置、画像処理装置の制御方法、および画像処理装置の制御プログラム
US8786601B2 (en) Generating views of medical images
US20070118100A1 (en) System and method for improved ablation of tumors
CN106462661B (zh) 用于自动选择针对医学研究的悬挂协议的系统和相关方法
US20150235007A1 (en) System and method for generating a report based on input from a radiologist
US10726548B2 (en) Confidence determination in a medical imaging video clip measurement based upon video clip image quality
US10860894B2 (en) Learning data generation support apparatus, operation method of learning data generation support apparatus, and learning data generation support program
JP2005533578A (ja) コンピュータ支援検出アプリケーションをデジタル画像に割り当てるシステム及び方法
JP6174860B2 (ja) 取得画像とオブジェクトとの関連付け
JP7433750B2 (ja) 診療用画像作製および診断に用いるビデオクリップ選択器
JP2023504026A (ja) 医用イメージング・システムにおける自動式プロトコル指定
WO2022215530A1 (ja) 医用画像装置、医用画像方法、及び医用画像プログラム
EP3822983A1 (en) Learning, indexing, and/or applying aspects of digital hanging protocols