KR20210012455A - 병변 면적비율 산출 방법 및 그를 위한 장치 - Google Patents

병변 면적비율 산출 방법 및 그를 위한 장치 Download PDF

Info

Publication number
KR20210012455A
KR20210012455A KR1020190090208A KR20190090208A KR20210012455A KR 20210012455 A KR20210012455 A KR 20210012455A KR 1020190090208 A KR1020190090208 A KR 1020190090208A KR 20190090208 A KR20190090208 A KR 20190090208A KR 20210012455 A KR20210012455 A KR 20210012455A
Authority
KR
South Korea
Prior art keywords
lesion
lesion area
calculating
value
area
Prior art date
Application number
KR1020190090208A
Other languages
English (en)
Other versions
KR102556350B1 (ko
Inventor
이석준
윤재웅
전재헌
이지현
방철환
한주희
Original Assignee
광운대학교 산학협력단
가톨릭대학교 산학협력단
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 광운대학교 산학협력단, 가톨릭대학교 산학협력단 filed Critical 광운대학교 산학협력단
Priority to KR1020190090208A priority Critical patent/KR102556350B1/ko
Publication of KR20210012455A publication Critical patent/KR20210012455A/ko
Application granted granted Critical
Publication of KR102556350B1 publication Critical patent/KR102556350B1/ko

Links

Images

Classifications

    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • 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
    • G06T5/002—
    • G06T5/007—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Psychiatry (AREA)
  • Physiology (AREA)
  • Veterinary Medicine (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Signal Processing (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Surgery (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Pathology (AREA)
  • Geometry (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

병변 면적비율 산출 방법 및 그를 위한 장치를 개시한다.
본 발명의 실시예에 따른 병변 면적비율 산출방법은, 신체 이미지에서 신체 부위를 구분하여 신체 면적값을 산출하는 신체 면적 계산 단계; 상기 신체 이미지에서 병변 후보 영역을 검출하고, 상기 병변 후보 영역에 대한 중증도를 기반으로 병변 면적값을 산출하는 병변 면적 계산 단계; 및 상기 신체 면적값 및 상기 병변 면적값을 이용하여 병변 면적비율을 산출하는 병변 면적비율 산출 단계를 포함할 수 있다.

Description

병변 면적비율 산출 방법 및 그를 위한 장치{Method and Apparatus for Calculating Ratio of Lesion Area}
본 발명은 신체 면적 중 병변이 발생한 면적에 대한 비율을 산출하는 방법 및 그를 위한 장치에 관한 것이다.
이 부분에 기술된 내용은 단순히 본 발명의 실시예에 대한 배경 정보를 제공할 뿐 종래기술을 구성하는 것은 아니다.
환자의 병변을 진단 및 치료하기 위해서는 정확하게 병변 영역을 확인하고, 확인된 결과를 저장해 두어야 한다.
일반적으로 환자의 병변을 진단 및 치료하기 위하여 차트에 병변 부위를 표시하고, 진단자의 예측에 따라 병변 면적비율을 기록한다. 이러한 경우, 진단자 마다 상이한 기준에 따른 병변 면적비율 결과가 나오게 되고, 이에 따른 오진이 발생할 수 있다.
이에 따라, 신체 이미지를 이용하여 병변 면적비율을 정확하게 판단하기 위한 기술이 필요하다.
본 발명은 신체 이미지에서 신체 면적값 및 병변 면적값을 산출하고, 산출된 신체 면적값 및 병변 면적값을 기반으로 병변이 발생한 면적에 대한 비율을 산출하는 병변 면적비율 산출 방법 및 그를 위한 장치를 제공하는 데 주된 목적이 있다.
본 발명의 일 측면에 의하면, 상기 목적을 달성하기 위한 병변 면적비율 산출방법은, 신체 이미지에서 신체 부위를 구분하여 신체 면적값을 산출하는 신체 면적 계산 단계; 상기 신체 이미지에서 병변 후보 영역을 검출하고, 상기 병변 후보 영역에 대한 중증도를 기반으로 병변 면적값을 산출하는 병변 면적 계산 단계; 및 상기 신체 면적값 및 상기 병변 면적값을 이용하여 병변 면적비율을 산출하는 병변 면적비율 산출 단계를 포함할 수 있다.
또한, 본 발명의 다른 측면에 의하면, 상기 목적을 달성하기 위한 병변 면적비율 산출장치는, 신체 이미지에서 신체 부위를 구분하여 신체 면적값을 산출하는 신체 면적 계산부; 상기 신체 이미지에서 병변 후보 영역을 검출하고, 상기 병변 후보 영역에 대한 중증도를 기반으로 병변 면적값을 산출하는 병변 면적 계산부; 및 상기 신체 면적값 및 상기 병변 면적값을 이용하여 병변 면적비율을 산출하는 병변 면적비율 산출부를 포함할 수 있다.
이상에서 설명한 바와 같이, 본 발명은 신체 이미지의 전처리를 통하여 신체 면적을 정확하게 측정할 수 있는 효과가 있다.
또한, 본 발명은 신체 이미지를 통해 별도의 추가 장치 없이 신체 면적을 비교적 간편하고 정확하게 측정할 수 있는 효과가 있다.
또한, 본 발명은 전처리된 신체 면적값 및 병변 면적값을 통해 정확한 병변 면적비율을 산출할 수 있는 효과가 있다.
도 1은 본 발명의 실시예에 따른 병변 면적비율 산출장치를 개략적으로 나타낸 블록 구성도이다.
도 2는 본 발명의 실시예에 따른 병변 면적비율 산출 방법을 설명하기 위한 순서도이다.
도 3은 본 발명의 실시예에 따른 병변 면적비율 산출하는 동작을 나타낸 예시도이다.
도 4는 본 발명의 실시예에 따른 신체 면적을 계산하는 방법을 설명하기 위한 순서도이다.
도 5a 및 도 5b는 본 발명의 실시예에 따른 신체 면적을 계산하는 동작을 설명하기 위한 예시도이다.
도 6은 본 발명의 실시예에 따른 병변 면적을 계산하는 방법을 설명하기 위한 순서도이다.
도 7은 본 발명의 실시예에 따른 병변 면적을 계산하는 동작을 설명하기 위한 예시도이다.
도 8는 본 발명의 실시예에 따른 병변 면적의 중증도를 판단하는 동작을 설명하기 위한 예시도이다.
이하, 본 발명의 바람직한 실시예를 첨부된 도면들을 참조하여 상세히 설명한다. 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다. 또한, 이하에서 본 발명의 바람직한 실시예를 설명할 것이나, 본 발명의 기술적 사상은 이에 한정하거나 제한되지 않고 당업자에 의해 변형되어 다양하게 실시될 수 있음은 물론이다. 이하에서는 도면들을 참조하여 본 발명에서 제안하는 병변 면적비율 산출 방법 및 그를 위한 장치에 대해 자세하게 설명하도록 한다.
도 1은 본 발명의 실시예에 따른 병변 면적비율 산출장치를 개략적으로 나타낸 블록 구성도이다.
본 실시예에 따른 병변 면적비율 산출장치(100)는 신체 면적 계산부(110), 병변 면적 계산부(120) 및 병변 면적비율 산출부(130)를 포함한다. 도 1의 병변 면적비율 산출장치(100)는 일 실시예에 따른 것으로서, 도 1에 도시된 모든 블록이 필수 구성요소는 아니며, 다른 실시예에서 병변 면적비율 산출장치(100)에 포함된 일부 블록이 추가, 변경 또는 삭제될 수 있다.
병변 면적비율 산출장치(100)는 환자의 신체를 촬영한 신체 이미지에서 신체 부위 및 병변 부위를 구분하고, 신체 부위에 대한 신체 면적값과 병변 부위에 대한 병변 면적값을 산출하여 병변 면적비율을 계산한다. 이하, 병변 면적비율 산출장치(100)에 포함된 구성요소 각각에 대해 설명하도록 한다. 여기서, 신체 이미지는 신체 파노라마 이미지인 것이 바람직하나 반드시 이에 한정되는 것은 아니며, 3D로 촬영된 이미지일 수도 있다.
신체 면적 계산부(110)는 신체 이미지에서 신체 부위를 구분하여 신체 면적값을 산출한다.
구체적으로, 신체 면적 계산부(110)는 획득한 신체 이미지를 흑백 처리한다. 신체 면적 계산부(110)는 신체 이미지 내 존재하는 모든 픽셀 각각에 대한 RGB 채널의 평균치를 산출하여 흑백 처리하는 것이 바람직하나 반드시 이에 한정되는 것은 아니며, RGB 채널 각각에 서로 다른 가중치를 곱한 후 합산하여 흑백 처리를 수행할 수도 있다.
이후, 신체 면적 계산부(110)는 흑백 처리된 신체 이미지에서 기 설정된 임계치를 기준으로 신체 부위과 신체 부위가 아닌 영역으로 구분하여 이진화 처리를 수행하고, 신체 면적값을 계산한다. 구체적으로, 신체 면적 계산부(110)는 임계치 이상에 해당하는 픽셀을 신체 부위로 판단하고, 신체 부위로 판단된 영역 내의 픽셀의 개수를 계측하여 신체 면적값을 계산한다.
병변 면적 계산부(120)는 신체 이미지에서 병변 부위를 구분하고, 병변 부위에 대한 병변 면적값을 산출한다. 구체적으로, 병변 면적 계산부(120)는 신체 이미지에서 병변 후보 영역을 검출하고, 병변 후보 영역에 대한 중증도를 판별하고, 중증도를 기반으로 병변 면적값을 산출한다.
병변 면적 계산부(120)는 기 촬영된 신체 이미지를 획득한다. 여기서, 병변 면적값을 산출하기 위한 신체 이미지는 신체 면적 계산부(110)에서 신체 면적값을 계산하기 위한 신체 이미지와 동일한 이미지일 수 있다.
병변 면적 계산부(120)는 합성곱 신경망(Convolution Neural Network) 방식을 기반으로 병변 중증도를 판별하고, 병변 중증도 별 병변 영역을 검출한다. 이후, 병변 면적 계산부(120)는 병변 영역에 대한 픽셀의 개수를 계측하여 병변 면적값을 계산한다. 구체적으로, 병변 면적비율 산출장치(100)는 신체의 색상, 농도 등에 근거하여 병변이 존재하는 것으로 예상되는 병변 후보 영역을 검출한다.
병변 면적비율 산출장치(100)는 합성곱 신경망(Convolution Neural Network) 방식을 기반으로 병변 후보 영역에 대한 병변 중증도를 판별하고, 병변 중증도 별 병변 영역을 검출한다. 여기서, 병변 면적 계산부(120)는 기 설정된 기준 중증도 이상에 해당하는 영역을 병변 영역으로 검출할 수 있다.
병변 면적 계산부(120)는 병변 영역 내의 픽셀의 개수를 계측하여 병변 면적값을 계산한다.
병변 면적비율 산출부(130)는 신체 면적값 및 병변 면적값을 이용하여 병변 면적비율을 산출한다. 구체적으로, 병변 면적비율 산출부(130)는 병변 면적값을 신체 면적값으로 나누어 병변 면적비율을 산출한다. 여기서, 병변 면적비율 산출부(130)는 신체 면적 전체에서 병변 면적이 차지하는 비율을 산출하기 위한 다양한 계산법이 적용될 수 있다.
도 2는 본 발명의 실시예에 따른 병변 면적비율 산출 방법을 설명하기 위한 순서도이다.
병변 면적비율 산출장치(100)는 신체 이미지에서 신체 부위를 구분하여 신체 면적에 대한 신체 면적값을 계산한다(S210).
구체적으로, 병변 면적비율 산출장치(100)는 신체 부위를 촬영한 신체 이미지를 획득하고, 흑백 처리를 수행한다. 병변 면적비율 산출장치(100)는 흑백 처리된 신체 이미지의 픽셀값을 조정하여 노이즈 제거 및 이진화 처리를 수행한다. 병변 면적비율 산출장치(100)는 이진화 처리된 신체 이미지에서 임계치 이상에 해당하는 픽셀을 신체 부위로 판단하고, 신체 부위로 판단된 영역 내의 픽셀의 개수를 계측하여 신체 면적값을 계산한다.
병변 면적비율 산출장치(100)는 신체 이미지에서 병변 면적값을 계산한다(S220). 구체적으로, 병변 면적비율 산출장치(100)는 신체 이미지에서 병변이 존재하는 것으로 예측되는 모든 영역을 병변 후보 영역을 검출한다. 병변 면적비율 산출장치(100)는 병변 후보 영역의 병변 중증도를 판별하고, 병변 중증도에 근거하여 병변 영역을 검출한다. 병변 면적비율 산출장치(100)는 병변 영역 내의 픽셀의 개수를 계측하여 병변 면적값을 계산한다.
병변 면적비율 산출장치(100)는 신체 면적값 및 병변 면적값을 이용하여 병변 면적비율을 산출한다(S230). 구체적으로, 병변 면적비율 산출부(130)는 병변 면적값을 신체 면적값으로 나누어 병변 면적비율을 산출한다.
도 2에서는 각 단계를 순차적으로 실행하는 것으로 기재하고 있으나, 반드시 이에 한정되는 것은 아니다. 다시 말해, 도 2에 기재된 단계를 변경하여 실행하거나 하나 이상의 단계를 병렬적으로 실행하는 것으로 적용 가능할 것이므로, 도 2는 시계열적인 순서로 한정되는 것은 아니다.
도 2에 기재된 본 실시예에 따른 병변 면적비율 산출 방법은 애플리케이션(또는 프로그램)으로 구현되고 단말장치(또는 컴퓨터)로 읽을 수 있는 기록매체에 기록될 수 있다. 본 실시예에 따른 병변 면적비율 산출 방법을 구현하기 위한 애플리케이션(또는 프로그램)이 기록되고 단말장치(또는 컴퓨터)가 읽을 수 있는 기록매체는 컴퓨팅 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치 또는 매체를 포함한다.
도 3은 본 발명의 실시예에 따른 병변 면적비율 산출하는 동작을 나타낸 예시도이다.
도 3에서는 신체 이미지를 이용하여 도 2의 단계 각각에 대한 동작을 간략하게 나타낸다.
단계 S210에서, 병변 면적비율 산출장치(100)는 기 촬영된 신체 이미지를 획득한다. 여기서, 병변 면적비율 산출장치(100)는 신체 이미지를 획득된 그대로 사용할 수 있으나 기 설정된 크기로 변환하거나 잘라서 사용할 수도 있다.
병변 면적비율 산출장치(100)는 신체 이미지를 흑백 처리한다. 병변 면적비율 산출장치(100)는 신체 이미지 내 존재하는 모든 픽셀 각각에 대한 RGB 채널의 평균치를 산출하여 흑백 처리하는 것이 바람직하나 반드시 이에 한정되는 것은 아니며, RGB 채널 각각에 서로 다른 가중치를 곱한 후 합산하여 흑백 처리를 수행할 수도 있다.
이후, 병변 면적비율 산출장치(100)는 흑백 처리된 신체 이미지에서 기 설정된 임계치를 기준으로 신체 부위과 신체 부위가 아닌 영역으로 구분하여 이진화 처리를 수행하고, 신체 면적값(SIZEB)을 계산한다. 구체적으로, 병변 면적비율 산출장치(100)는 임계치 이상에 해당하는 픽셀을 신체 부위로 판단하고, 신체 부위로 판단된 영역 내의 픽셀의 개수를 계측하여 신체 면적값을 계산한다.
예를 들어, 임계치가 50인 경우, 병변 면적비율 산출장치(100)는 흑백 처리된 신체 이미지에서 픽셀값이 50 이상인 픽셀과 픽셀값이 50 미만인 픽셀로 이진화 처리한다. 여기서, 병변 면적비율 산출장치(100)는 픽셀값이 50 이상인 픽셀을 신체 부위로 판단하고, 신체 부위 영역 내에 포함된 픽셀의 개수인 3024를 신체 면적값으로 산출할 수 있다.
단계 S220에서, 병변 면적비율 산출장치(100)는 기 촬영된 신체 이미지를 획득한다. 여기서, 병변 면적비율 산출장치(100)는 신체 이미지를 획득된 그대로 사용할 수 있으나 기 설정된 크기로 변환하거나 잘라서 사용할 수도 있다. 한편, 병변 면적값을 산출하기 위한 신체 이미지는 단계 S210에서 신체 면적값을 계산하기 위한 신체 이미지와 동일한 이미지일 수 있다.
병변 면적비율 산출장치(100)는 합성곱 신경망(Convolution Neural Network) 방식을 기반으로 병변 중증도를 판별하고, 병변 중증도 별 병변 영역을 검출한다. 이후, 병변 면적비율 산출장치(100)는 병변 영역에 대한 픽셀의 개수를 계측하여 병변 면적값(SIZER)을 계산한다.
구체적으로, 병변 면적비율 산출장치(100)는 신체의 색상, 농도 등에 근거하여 병변이 존재하는 것으로 예상되는 병변 후보 영역을 검출한다.
병변 면적비율 산출장치(100)는 합성곱 신경망(Convolution Neural Network) 방식을 기반으로 병변 후보 영역에 대한 병변 중증도를 판별하고, 병변 중증도 별 병변 영역을 검출한다. 여기서, 병변 면적비율 산출장치(100)는 기 설정된 기준 중증도 이상에 해당하는 영역을 병변 영역으로 검출할 수 있다.
병변 면적비율 산출장치(100)는 병변 영역 내의 픽셀의 개수를 계측하여 병변 면적값을 계산한다. 예를 들어, 병변 면적비율 산출장치(100)는 중증도 레벨 2 이상을 병변 영역으로 검출하고, 검출된 병변 영역 내에 포함된 픽셀의 개수인 422를 병변 면적값으로 산출할 수 있다.
단계 S230에서, 병변 면적비율 산출장치(100)는 신체 면적값 및 병변 면적값을 이용하여 병변 면적비율을 산출한다. 구체적으로, 병변 면적비율 산출장치(100)는 병변 면적값을 신체 면적값으로 나누어 병변 면적비율을 산출한다. 예를 들어, 병변 면적비율 산출장치(100)는 422 / 3024으로 처리하여 0.14와 같은 병변 면적비율을 산출할 수 있다.
도 4는 본 발명의 실시예에 따른 신체 면적을 계산하는 방법을 설명하기 위한 순서도이다.
이하, 병변 면적비율 산출장치(100)에서 신체 면적을 계산하는 방법에 대해 설명하도록 한다.
병변 면적비율 산출장치(100)는 외부 장치 또는 저장소로부터 신체 이미지를 획득한다(S410). 여기서, 신체 이미지는 신체 파노라마 방식으로 촬영된 이미지일 수 있으나 반드시 이에 한정되는 것은 아니며 3D 방식으로 촬영된 이미지일 수도 있다.
병변 면적비율 산출장치(100)는 신체 이미지를 흑백 처리한다(S420).
병변 면적비율 산출장치(100)는 신체 이미지 내에 포함된 픽셀의 RGB 채널의 값을 조정하여 흑백 처리를 수행한다.
병변 면적비율 산출장치(100)는 신체 이미지 내에 존재하는 모든 픽셀에 대해 RGB 채널의 값의 단순 평균치를 구하여 조정함으로써 흑백 처리를 수행할 수 있다. 한편, 병변 면적비율 산출장치(100)는 신체 이미지 내에 존재하는 모든 픽셀에 대해 R 채널에는 제1 조정값(예: 0.298), G 채널에는 제2 조정값(예: 0.5870), B 채널에는 제3 조정값(예: 0.1140)을 곱하여 각 채널에 곱한 값을 합산하여 컬러 이미지를 흑백으로 처리할 수도 있다.
병변 면적비율 산출장치(100)는 흑백 처리된 신체 이미지에 대한 노이즈를 제거한다(S430).
병변 면적비율 산출장치(100)는 블러링(Blurring) 처리를 통해 신체 이미지에 대한 노이즈를 제거하는 것이 바람직하나 반드시 이에 한정되는 것은 아니다.
병변 면적비율 산출장치(100)는 신체 이미지 내 소정의 픽셀에 대한 픽셀값과 주변 픽셀의 픽셀값들의 가중 평균(Weighted Average)을 이용하여 소정의 픽셀에 대한 픽셀값을 대체함으로써, 신체 이미지에 존재하는 노이즈를 제거할 수 있다. 여기서, 가중 평균을 적용하기 위한 가중치는 현재 픽셀에서 가까울수록 더 큰 가중치를 갖고 멀수록 더 작은 가중치를 갖을 수 있다. 한편, 가중 평균을 적용하기 위한 가중치는 현재 픽셀과 이웃하는 픽셀 사이의 유클리디안 거리 뿐만 아니라, 방사 측정(Radiometric) 차이(예: 색깔 강도와 깊이 거리 등과 같은 범위(Range) 기반 차이)와도 연관하여 산출될 수 있다. 즉, 병변 면적비율 산출장치(100)는 현재 픽셀과 이웃하는 픽셀 사이의 거리와 픽셀값의 차이를 동시에 가중치에 반영하여 노이즈를 제거할 수도 있다.
병변 면적비율 산출장치(100)는 노이즈가 제거된 흑백 이미지를 이진화 처리한다(S440).
병변 면적비율 산출장치(100)는 임의의 선택된 특정 임계치를 경계로 하여 영상 전체를 0과 1로 처리하여 정보를 단순화 처리함으로써 이진화 처리를 수행한다. 병변 면적비율 산출장치(100)는 임계치 이상인 픽셀값을 최대 픽셀값(예: 255)으로 조정하고, 임계치 미만인 픽셀값을 최소 픽셀값(예: 0)으로 조정하여 이진화 처리를 수행할 수 있다. 여기서, 최대 픽셀값은 흰색을 의미하고, 최소 픽셀값은 검정색을 의미한다.
병변 면적비율 산출장치(100)는 이진화 처리된 신체 이미지에서 신체 부분을 구분하고, 신체 부분에 대한 신체 면적값을 계산한다(S450).
병변 면적비율 산출장치(100)는 최대 픽셀값 및 최소 픽셀값으로 이진화 처리된 신체 이미지에서 최대 픽셀값으로 조정된 픽셀에 해당하는 영역을 신체 부분으로 판단한다.
병변 면적비율 산출장치(100)는 최대 픽셀값으로 조정된 신체 부분에 대한 픽셀의 개수를 계측하여 신체 면적값을 산출한다.
도 4에서는 각 단계를 순차적으로 실행하는 것으로 기재하고 있으나, 반드시 이에 한정되는 것은 아니다. 다시 말해, 도 4에 기재된 단계를 변경하여 실행하거나 하나 이상의 단계를 병렬적으로 실행하는 것으로 적용 가능할 것이므로, 도 4는 시계열적인 순서로 한정되는 것은 아니다.
도 5a 및 도 5b는 본 발명의 실시예에 따른 신체 면적을 계산하는 동작을 설명하기 위한 예시도이다.
도 5a는 환자의 등 부분을 촬영한 이미지를 나타낸다.
도 5a의 Step 1은 환자의 신체를 촬영한 신체 이미지를 나타내고, 신체 면적을 계산하는 방법의 S410에 대한 결과물을 의미한다. 도 5a의 Step 2는 흑백 처리된 신체 이미지를 나타내고, 신체 면적을 계산하는 방법의 S420에 대한 결과물을 의미한다. 도 5a의 Step 3은 노이즈 제거 및 이진화 처리된 신체 이미지를 나타내고, 신체 면적을 계산하는 방법의 S430 및 S440에 대한 결과물을 의미한다.
도 5a의 Step 4는 신체 면적값을 계산하기 위한 신체 이미지를 나타내고, 신체 면적을 계산하는 방법의 S450에 대한 결과물을 의미한다. 도 5a의 Step 4에서는 신체 이미지의 흰색 영역을 신체 부위로 판단하여 픽셀의 개수를 계측함으로써 신체 면적값을 계산한다.
도 5b는 환자의 얼굴을 활영한 파노라마 이미지를 나타낸다.
도 5b의 (a)는 신체 파노라마 이미지(510)를 나타내고, 도 5b의 (b)는 흑백 처리된 신체 파노라마 이미지(520)를 나타낸다. 또한, 도 5b의 (c)는 노이즈를 제거 처리한 신체 파노라마 이미지(530)를 나타내고, 도 5b의 (d)는 이진화 처리된 신체 파노라마 이미지(540)를 나타낸다.
도 6은 본 발명의 실시예에 따른 병변 면적을 계산하는 방법을 설명하기 위한 순서도이다.
병변 면적비율 산출장치(100)는 환자의 신체 전체 또는 일부에 대한 상기 신체 이미지를 획득한다(S610). 여기서, 신체 이미지는 신체 파노라마 방식으로 촬영된 이미지일 수 있으나 반드시 이에 한정되는 것은 아니며 3D 방식으로 촬영된 이미지일 수도 있다.
병변 면적비율 산출장치(100)는 병변 면적값을 산출하기 위해 신체 이미지를 획득할 수 있으나 반드시 이에 한정되는 것은 아니며, 신체 면적값을 계산하기 위한 신체 이미지와 동일한 이미지를 사용할 수도 있다.
병변 면적비율 산출장치(100)는 신체 이미지 내에서 병변이 발생한 것으로 예측되는 영역을 구분하여 병변 후보 영역을 검출한다(S620). 병변 면적비율 산출장치(100)는 신체의 색상, 농도 등에 근거하여 병변이 존재하는 것으로 예상되는 병변 후보 영역을 검출한다.
병변 면적비율 산출장치(100)는 병변 후보 영역을 대상으로 병변 중증도를 판별한다(S630).
병변 면적비율 산출장치(100)는 합성곱 신경망(Convolution Neural Network) 방식을 기반으로 병변 후보 영역에 대한 병변 중증도를 판별한다.
병변 면적비율 산출장치(100)는 복수의 노드 각각에 서로 다른 신체의 색상, 농도 등의 조건을 가지는 병변 후보 영역을 구분하고, 이를 합성곱 신경망 처리하여 병변 후보 영역의 중증도를 판별한다.
한편, 병변 면적비율 산출장치(100)는 신체 부위 별로 서로 다른 가중치를 부여하여 중증도를 판별할 수 있다. 예를 들어, 신체를 두경부, 상지, 하지, 몸통 총 4부위로 나누고, 각 부위에서 홍반(Erythema), 두드러짐(Papulation), 긁음(Excoriation), 태선화(Lichenification) 등에 대한 점수를 부여하여 중증도를 판별할 수 있다. 여기서, 중증도는 0(병변 없음), 1(Mild), 2(Moderate), 3(Severe) 등의 단계로 측정될 수 있다. 여기서, 각 중증도 결과는 각 부위에 부여된 점수의 합에 부위에 따른 가중치와 각 부위에서 병변 부위 면적에 따른 가중치를 곱하여 중증도를 판별할 수 있다.
병변 면적비율 산출장치(100)는 기 설정된 기준 중증도 이상에 해당하는 영역을 병변 영역으로 검출하고(S640), 병변 영역 내의 픽셀의 개수를 계측하여 병변 면적값을 계산한다(S650). 여기서, 병변 면적비율 산출장치(100)는 병변 영역의 중증도 별로 구분하여 픽셀 개수를 계측함으로써 중증도 별 병변 면적값을 계산할 수도 있다.
도 6에서는 각 단계를 순차적으로 실행하는 것으로 기재하고 있으나, 반드시 이에 한정되는 것은 아니다. 다시 말해, 도 6에 기재된 단계를 변경하여 실행하거나 하나 이상의 단계를 병렬적으로 실행하는 것으로 적용 가능할 것이므로, 도 6은 시계열적인 순서로 한정되는 것은 아니다.
도 7은 본 발명의 실시예에 따른 병변 면적을 계산하는 동작을 설명하기 위한 예시도이다.
도 7의 Step 1은 환자의 신체를 촬영한 신체 이미지를 나타내고, 병변 면적을 계산하는 방법의 S610에 대한 결과물을 의미한다. 도 7의 Step 2는 병변 후보 영역이 검출된 신체 이미지를 나타내고, 병변 면적을 계산하는 방법의 S620에 대한 결과물을 의미한다. 도 7의 Step 3은 합성곱 신경망을 이용하여 병변 후보 영역의 중증도를 판별하는 과정을 나타내고, 병변 면적을 계산하는 방법의 S630에 대한 결과물을 의미한다.
도 7의 Step 4는 중증도를 이용하여 검출된 병변 영역을 표시한 신체 이미지를 나타내고, 병변 면적을 계산하는 방법의 S640에 대한 결과물을 의미한다.
도 7의 Step 5는 병변 면적값을 계산하기 위한 병변 영역 및 병변 영역에 포함된 픽셀의 개수를 나타내고, 병변 면적을 계산하는 방법의 S650에 대한 결과물을 의미한다. 도 7의 Step 5에서는 신체 이미지의 중증도 별 병변 면적값을 계산할 수 있다.
도 8는 본 발명의 실시예에 따른 병변 면적의 중증도를 판단하는 동작을 설명하기 위한 예시도이다.
병변 면적비율 산출장치(100)는 병변 후보 영역을 메인 병변 영역(810, 812) 및 서브 병변 영역(820, 822, 824, 830)으로 구분하고, 메인 병변 영역(810, 812) 및 서브 병변 영역(820, 822, 824, 830)에 서로 다른 가중치를 적용하여 병변 중증도를 판별한다. 병변 면적비율 산출장치(100)는 병변 후보 영역에 대한 병변 색상, 농도 및 예상 깊이 등의 조건에 근거하여 메인 병변 영역(810, 812) 및 서브 병변 영역(820, 822, 824, 830)으로 구분한다.
병변 면적비율 산출장치(100)는 서브 병변 영역(820, 822, 824, 830)에는 동일한 가중치를 적용할 수 있으나 반드시 이에 한정되는 것은 아니다. 예를 들어, 병변 면적비율 산출장치(100)는 메인 병변 영역(810, 812)의 기준점(840)을 기준으로 기 설정된 반경 내에 포함되는 제1 서브 병변 영역(820, 822, 824)에는 제1 가중치를 적용하고, 기준점(840)을 기준으로 기 설정된 반경 내에 포함되지 않는 제2 서브 병변 영역(830)에는 제2 가중치를 적용할 수도 있다. 여기서, 제1 가중치는 제2 가중치보다 큰 값인 것이 바람직하다.
이상의 설명은 본 발명의 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명의 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명의 실시예들은 본 발명의 실시예의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 실시예의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 실시예의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 실시예의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
100: 병변 면적비율 산출장치
110: 신체 면적 계산부 120: 병변 면적 계산부
130: 병변 면적비율 산출부

Claims (13)

  1. 병변 면적비율 산출장치가 병변 면적비율을 산출하는 방법에 있어서,
    신체 이미지에서 신체 부위를 구분하여 신체 면적값을 산출하는 신체 면적 계산 단계;
    상기 신체 이미지에서 병변 후보 영역을 검출하고, 상기 병변 후보 영역에 대한 중증도를 기반으로 병변 면적값을 산출하는 병변 면적 계산 단계; 및
    상기 신체 면적값 및 상기 병변 면적값을 이용하여 병변 면적비율을 산출하는 병변 면적비율 산출 단계
    를 포함하는 것을 특징으로 하는 병변 면적비율 산출방법.
  2. 제1항에 있어서,
    상기 신체 면적 계산 단계는,
    환자의 신체 전체 또는 일부에 대한 상기 신체 이미지를 획득하는 단계;
    상기 신체 이미지의 픽셀값을 조정하여 흑백 처리하는 단계;
    흑백 처리된 상기 신체 이미지를 기 설정된 임계치를 기준으로 이진화 처리하는 단계; 및
    이진화 처리된 상기 신체 이미지에서 신체 부분에 대한 신체 면적값을 계산하는 단계
    를 포함하는 것을 특징으로 하는 병변 면적비율 산출방법.
  3. 제2항에 있어서,
    상기 흑백 이미지를 생성하는 단계는,
    상기 신체 이미지 내 존재하는 모든 픽셀 각각에 대한 RGB 채널의 평균치를 산출하여 흑백 처리하거나, RGB 채널 각각에 서로 다른 가중치를 곱한 후 합산하여 흑백 처리하는 것을 특징으로 하는 병변 면적비율 산출방법.
  4. 제2항에 있어서,
    상기 신체 면적 계산 단계는,
    흑백 처리된 상기 신체 이미지에 대한 노이즈를 제거하는 단계를 추가로 포함하고,
    상기 이진화 처리하는 단계는, 상기 노이즈를 제거하는 단계에서 노이즈가 제거된 신체 이미지를 상기 임계치를 기준으로 이진화 처리하는 것을 특징으로 하는 병변 면적비율 산출방법.
  5. 제2항에 있어서,
    상기 이진화 처리하는 단계는,
    상기 임계치 이상인 픽셀값을 최대 픽셀값으로 조정하고, 상기 임계치 미만인 픽셀값을 최소 픽셀값으로 조정하여 이진화 처리를 수행하고,
    상기 신체 면적값을 계산하는 단계는, 상기 최대 픽셀값으로 조정된 픽셀에 해당하는 영역을 상기 신체 부분으로 판단하는 것을 특징으로 하는 병변 면적비율 산출방법.
  6. 제5항에 있어서,
    상기 신체 면적값을 계산하는 단계는,
    상기 최대 픽셀값으로 조정된 픽셀의 개수를 계측하여 상기 신체 면적값을 산출하는 것을 특징으로 하는 병변 면적비율 산출방법.
  7. 제1항에 있어서,
    상기 병변 면적 계산 단계는,
    환자의 신체 전체 또는 일부에 대한 상기 신체 이미지를 획득하는 단계;
    상기 신체 이미지 내에서 병변 후보 영역을 검출하는 단계;
    상기 병변 후보 영역을 대상으로 병변 중증도를 판별하는 단계;
    상기 병변 중증도에 근거하여 병변 영역을 검출하는 단계; 및
    상기 병변 영역에 대한 병변 면적값을 계산하는 단계
    를 포함하는 것을 특징으로 하는 병변 면적비율 산출방법.
  8. 제7항에 있어서,
    상기 병변 면적 계산 단계는,
    상기 신체 면적 계산 단계와 동일한 신체 이미지를 이용하여 병변 면적값을 계산하며, 합성곱 신경망(Convolution Neural Network) 방식을 기반으로 상기 병변 중증도를 판별하는 것을 특징으로 하는 병변 면적비율 산출방법.
  9. 제7항에 있어서,
    상기 병변 중증도를 판별하는 단계는,
    상기 병변 후보 영역을 병변 색상, 농도 및 예상 깊이 중 적어도 하나의 조건에 근거하여 메인 병변 영역 및 서브 병변 영역으로 구분하고, 상기 메인 병변 영역 및 상기 서브 병변 영역에 서로 다른 가중치를 적용하여 상기 병변 중증도를 판별하는 것을 특징으로 하는 병변 면적비율 산출방법.
  10. 제1항에 있어서,
    상기 병변 면적비율 산출 단계는,
    상기 병변 면적값을 상기 신체 면적값으로 나누어 상기 병변 면적비율을 산출하는 것을 특징으로 하는 병변 면적비율 산출방법.
  11. 병변 면적비율을 산출하는 장치에 있어서,
    신체 이미지에서 신체 부위를 구분하여 신체 면적값을 산출하는 신체 면적 계산부;
    상기 신체 이미지에서 병변 후보 영역을 검출하고, 상기 병변 후보 영역에 대한 중증도를 기반으로 병변 면적값을 산출하는 병변 면적 계산부; 및
    상기 신체 면적값 및 상기 병변 면적값을 이용하여 병변 면적비율을 산출하는 병변 면적비율 산출부
    를 포함하는 것을 특징으로 하는 병변 면적비율 산출장치.
  12. 제11항에 있어서,
    상기 신체 면적 계산부는,
    환자의 신체 전체 또는 일부에 대한 상기 신체 이미지를 획득하고, 상기 신체 이미지의 픽셀값을 조정하여 흑백 처리하며, 흑백 처리된 상기 신체 이미지를 기 설정된 임계치를 기준으로 이진화 처리한 후 이진화 처리된 상기 신체 이미지에서 신체 부분에 대한 신체 면적값을 계산하는 것을 특징으로 하는 병변 면적비율 산출장치.
  13. 제11항에 있어서,
    상기 병변 면적 계산부는,
    환자의 신체 전체 또는 일부에 대한 상기 신체 이미지를 획득하고, 상기 신체 이미지 내에서 병변 후보 영역을 검출하며, 상기 병변 후보 영역을 대상으로 병변 중증도를 판별하여 병변 영역을 검출한 후 상기 병변 영역에 대한 병변 면적값을 계산하는 것을 특징으로 하는 병변 면적비율 산출장치.
KR1020190090208A 2019-07-25 2019-07-25 병변 면적비율 산출 방법 및 그를 위한 장치 KR102556350B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190090208A KR102556350B1 (ko) 2019-07-25 2019-07-25 병변 면적비율 산출 방법 및 그를 위한 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190090208A KR102556350B1 (ko) 2019-07-25 2019-07-25 병변 면적비율 산출 방법 및 그를 위한 장치

Publications (2)

Publication Number Publication Date
KR20210012455A true KR20210012455A (ko) 2021-02-03
KR102556350B1 KR102556350B1 (ko) 2023-07-17

Family

ID=74571890

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190090208A KR102556350B1 (ko) 2019-07-25 2019-07-25 병변 면적비율 산출 방법 및 그를 위한 장치

Country Status (1)

Country Link
KR (1) KR102556350B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102321428B1 (ko) * 2021-02-16 2021-11-05 메디컬아이피 주식회사 병변 파악 방법 및 그 장치

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070095615A (ko) * 2006-03-22 2007-10-01 고려대학교 산학협력단 표면 색채 분석 시스템 및 그 방법
JP2010264276A (ja) * 2010-07-16 2010-11-25 Tokyo Institute Of Technology マルチスペクトル皮膚画像による診断方法
KR20150125619A (ko) * 2014-04-30 2015-11-09 백승환 신생아 손, 발 스캔 장치 및 그 방법
KR20160140233A (ko) * 2015-05-29 2016-12-07 조선대학교산학협력단 알츠하이머 병변 예측의 정보를 제공하는 방법
JP2017080389A (ja) * 2015-10-27 2017-05-18 コニカミノルタ株式会社 医用画像システム及びプログラム
KR20170107778A (ko) * 2016-03-16 2017-09-26 동국대학교 산학협력단 피부질환 진단 방법 및 피부질환 진단 시스템
US20180061046A1 (en) * 2016-08-31 2018-03-01 International Business Machines Corporation Skin lesion segmentation using deep convolution networks guided by local unsupervised learning
KR20190060606A (ko) * 2017-11-24 2019-06-03 삼성전자주식회사 의료 영상 진단 장치 및 방법

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070095615A (ko) * 2006-03-22 2007-10-01 고려대학교 산학협력단 표면 색채 분석 시스템 및 그 방법
JP2010264276A (ja) * 2010-07-16 2010-11-25 Tokyo Institute Of Technology マルチスペクトル皮膚画像による診断方法
KR20150125619A (ko) * 2014-04-30 2015-11-09 백승환 신생아 손, 발 스캔 장치 및 그 방법
KR20160140233A (ko) * 2015-05-29 2016-12-07 조선대학교산학협력단 알츠하이머 병변 예측의 정보를 제공하는 방법
JP2017080389A (ja) * 2015-10-27 2017-05-18 コニカミノルタ株式会社 医用画像システム及びプログラム
KR20170107778A (ko) * 2016-03-16 2017-09-26 동국대학교 산학협력단 피부질환 진단 방법 및 피부질환 진단 시스템
US20180061046A1 (en) * 2016-08-31 2018-03-01 International Business Machines Corporation Skin lesion segmentation using deep convolution networks guided by local unsupervised learning
KR20190060606A (ko) * 2017-11-24 2019-06-03 삼성전자주식회사 의료 영상 진단 장치 및 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102321428B1 (ko) * 2021-02-16 2021-11-05 메디컬아이피 주식회사 병변 파악 방법 및 그 장치

Also Published As

Publication number Publication date
KR102556350B1 (ko) 2023-07-17

Similar Documents

Publication Publication Date Title
US7046850B2 (en) Image matching
US20050201612A1 (en) Method and apparatus for detecting people using stereo camera
CN113109368B (zh) 玻璃裂纹检测方法、装置、设备及介质
US20090324016A1 (en) Moving target detecting apparatus, moving target detecting method, and computer readable storage medium having stored therein a program causing a computer to function as the moving target detecting apparatus
CN110147465A (zh) 图像处理方法、装置、设备和介质
CN111899246A (zh) 玻片数字化信息质量检测方法、装置、设备及介质
KR100684301B1 (ko) 화상처리장치 및 방법
JPWO2019102966A1 (ja) 脈波検出装置、脈波検出方法、及びプログラム
KR102556350B1 (ko) 병변 면적비율 산출 방법 및 그를 위한 장치
WO2015168893A1 (zh) 一种视频质量检测的方法及装置
CN111369557B (zh) 图像处理方法、装置、计算设备和存储介质
US7646892B2 (en) Image inspecting apparatus, image inspecting method, control program and computer-readable storage medium
KR20160109221A (ko) 시퀀스 간의 유사성을 결정하는 방법 및 디바이스
CN111275045B (zh) 图像的主体识别方法、装置、电子设备和介质
WO2021189460A1 (zh) 图像处理方法、装置及可移动平台
CN113888563A (zh) 基于紫外成像的光斑区域分割方法、系统和计算机设备
KR101904108B1 (ko) 평면 모델링을 통한 깊이 영상의 가변적 블록 부호화 방법 및 장치
CN110211085B (zh) 一种图像融合质量评价方法和系统
JPH0824350B2 (ja) 背景画像抽出方法
JP2010206244A (ja) 画像劣化評価システム、画像劣化評価方法、画像劣化評価プログラム
JP6348020B2 (ja) 画像処理装置、画像処理方法およびそれを用いた検査方法。
CN112801112B (zh) 一种图像二值化处理方法、装置、介质及设备
JP2020003837A (ja) 識別装置および識別方法
KR102427597B1 (ko) 인공지능 기반의 채도 잔차 산출을 통한 미세먼지 판독 솔루션 및 시스템
RU2718426C9 (ru) Устройство восстановления папиллярных узоров отпечатка пальца

Legal Events

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