KR20210054925A - 골밀도 산출을 위한 관심영역 추출 시스템 및 방법 - Google Patents
골밀도 산출을 위한 관심영역 추출 시스템 및 방법 Download PDFInfo
- Publication number
- KR20210054925A KR20210054925A KR1020190141213A KR20190141213A KR20210054925A KR 20210054925 A KR20210054925 A KR 20210054925A KR 1020190141213 A KR1020190141213 A KR 1020190141213A KR 20190141213 A KR20190141213 A KR 20190141213A KR 20210054925 A KR20210054925 A KR 20210054925A
- Authority
- KR
- South Korea
- Prior art keywords
- region
- image
- bone
- interest
- bone density
- Prior art date
Links
- 210000000988 bone and bone Anatomy 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 title claims description 30
- 229910052500 inorganic mineral Inorganic materials 0.000 title abstract description 3
- 239000011707 mineral Substances 0.000 title abstract description 3
- 238000004364 calculation method Methods 0.000 title abstract 3
- 230000037182 bone density Effects 0.000 claims abstract description 69
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 15
- 239000000284 extract Substances 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims abstract description 4
- 230000002159 abnormal effect Effects 0.000 claims description 26
- 238000000605 extraction Methods 0.000 claims description 20
- 201000010099 disease Diseases 0.000 claims description 18
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 18
- 230000005856 abnormality Effects 0.000 claims description 4
- 239000002184 metal Substances 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 14
- 238000001739 density measurement Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 6
- 238000002372 labelling Methods 0.000 description 5
- 210000003205 muscle Anatomy 0.000 description 4
- 206010017076 Fracture Diseases 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 208000001132 Osteoporosis Diseases 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 210000004705 lumbosacral region Anatomy 0.000 description 2
- 208000010392 Bone Fractures Diseases 0.000 description 1
- 208000029725 Metabolic bone disease Diseases 0.000 description 1
- 206010049088 Osteopenia Diseases 0.000 description 1
- 201000006490 Spondylolysis Diseases 0.000 description 1
- 230000037118 bone strength Effects 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000009547 dual-energy X-ray absorptiometry Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 208000015122 neurodegenerative disease Diseases 0.000 description 1
- 206010039722 scoliosis Diseases 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 210000000689 upper leg Anatomy 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/505—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of bone
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5252—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data removing objects from field of view, e.g. removing patient table from a CT image
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5294—Devices using data or image processing specially adapted for radiation diagnosis involving using additional data, e.g. patient information, image labeling, acquisition parameters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2576/00—Medical imaging apparatus involving image processing or analysis
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- High Energy & Nuclear Physics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Optics & Photonics (AREA)
- Public Health (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physiology (AREA)
- Quality & Reliability (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Pulmonology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
본 발명의 일 실시예에 따른 골밀도 산출을 위한 관심영역 추출 시스템은, 환자의 골밀도 산출을 위해 사용되는 CT 영상을 획득하는 영상 획득부; 상기 영상 획득부에 의해 획득한 CT 영상으로부터 인공지능 알고리즘에 의해 골밀도 산출을 위한 관심영역을 추출하는 영상 처리부; 및 상기 영상 처리부에 의한 분석 결과를 시각화하는 영상 표시부를 포함할 수 있다.
Description
본 출원은 골밀도 산출을 위한 관심영역 추출 시스템 및 방법에 관한 것이다.
골다공증은 뼈의 강도가 감소되어 골절의 위험을 높이는 골격계 질환으로, 뼈의 강도는 뼈의 양과 질에 의해서 결정된다. 현재까지는 뼈의 질을 전체적으로 평가할 수 있는 지표가 없기 때문에, 뼈의 양을 측정하는 골밀도를 이용하여 골다공증을 진단하고 있다.
골밀도란 인체 특정부위의 뼈의 미네랄 함량을 측정하는 것으로, 이를 측정하기 위해 사용하는 대표적인 방법으로는 이중에너지 방사선 흡수법(Dexa; Dual Energy X-ray Absorptiometry)과 정량적 컴퓨터 단층촬영법(QCT; Quantitative Computed Tomography)이 있다.
Dexa 방식의 골밀도 측정 방법은 WHO에 제시된 나이, 연령, 성별 등 통계적 자료를 바탕으로 T-score값에 따라 골밀도 값을 비교하여 실시된다. 하지만, Dexa 방식의 골밀도 측정 방법은 2차원 촬영이기 때문에 내부 구조를 파악하기 힘들다는 한계가 있다.
이와 대비하여, CT 기반의 골밀도 측정 방법은 뼈의 구조적 특징들을 볼 수 있어서 보다 정밀한 골밀도 측정이 가능하다. 일반적인 CT 기반의 골밀도 측정 방법은 의료용 팬텀의 사용 유/무에 따라 구분이 된다. 골밀도를 측정함에 있어 두 가지 방식의 가장 큰 차이는, 팬텀을 사용하는 방식은 팬텀의 밀도 값을 참조하며, 팬텀을 사용하지 않는 방식은 사람의 생체신호 등을 기준으로 이용하여 골밀도를 측정한다는 점이다.
CT 기반의 골밀도 측정 과정은 측정하고자 하는 뼈의 영역을 직접 레이블링 하는 방식으로 진행된다. 이와 같은 레이블링 과정을 축면(axial plane), 관상면(coronal plane) 및 시상단면(sagittal plane)에서 수동으로 진행해야 한다. 또한, 정확한 골밀도를 측정하기 위해서는 골절 및 금속 보형물 등이 있는 뼈의 부위는 제외하고 측정해야 한다. 이 과정에서, 레이블링 하는 사람에 따라 관심영역을 표시하는 방식이 일관적이지 않으며, 정상적인 뼈만을 선별하는 과정에서 많은 시간을 소요해야 한다는 한계를 가지고 있다. 또한 이를 해결하기 위한 관련 연구들이 있으나, 의사들이 직접 레이블링을 수정해줘야 하며 뼈의 상태 및 질병 유/무 등을 고려하지 않고 있는 실정이다.
따라서, 당해 기술분야에서는 기존의 CT 기반의 골밀도 측정 방식의 한계를 극복하고 보다 편리하고 정확한 골밀도 산출을 위해 관심영역을 자동으로 추출하기 위한 방안이 요구되고 있다.
상기 과제를 해결하기 위해서, 본 발명의 일 실시예는 골밀도 산출을 위한 관심영역 추출 시스템을 제공한다.
상기 골밀도 산출을 위한 관심영역 추출 시스템은, 환자의 골밀도 산출을 위해 사용되는 CT 영상을 획득하는 영상 획득부; 상기 영상 획득부에 의해 획득한 CT 영상으로부터 인공지능 알고리즘에 의해 골밀도 산출을 위한 관심영역을 추출하는 영상 처리부; 및 상기 영상 처리부에 의한 분석 결과를 시각화하는 영상 표시부를 포함할 수 있다.
또한, 본 발명의 다른 실시예는 골밀도 산출을 위한 관심영역 추출 방법을 제공한다.
상기 골밀도 산출을 위한 관심영역 추출 방법은, 환자의 골밀도 산출을 위해 사용되는 CT 영상을 획득하는 단계; 상기 CT 영상에서 분석 대상이 되는 뼈를 선택하는 단계; 선택된 뼈들의 질병 유무 또는 구조적 정상 여부를 판별하고, 판별된 질병 부위 또는 구조적 비정상 부위를 자동 추출 및 정보를 제공하는 단계; 및 상기 분석 대상이 되는 뼈의 선택 결과 및 상기 질병 유무 또는 구조적 정상 여부 판별 결과를 기초로 입력된 영상으로부터 인공지능 알고리즘에 의해 골밀도 산출을 위한 관심영역을 추출하는 단계를 포함할 수 있다.
덧붙여 상기한 과제의 해결수단은, 본 발명의 특징을 모두 열거한 것이 아니다. 본 발명의 다양한 특징과 그에 따른 장점과 효과는 아래의 구체적인 실시형태를 참조하여 보다 상세하게 이해될 수 있을 것이다.
본 발명의 일 실시예에 따르면, 골밀도 측정을 위한 관심 영역을 자동으로 검출함으로써 잘못된 ROI로 인해 임상에서 빈번하게 일어나는 결과 해석시 범하기 쉬운 오류를 해결하고 보다 편리하고 정확한 골밀도 측정이 가능하도록 할 수 있다.
또한, 골밀도 진단에 있어 영향을 주는 질병 및 구조적 특징을 찾아 줌으로써 보다 신뢰성 있는 골밀도 측정이 가능하며, 질병이 있는 경우에도 골밀도 측정이 가능하도록 할 수 있다.
도 1은 본 발명의 일 실시예에 따른 골밀도 산출을 위한 관심영역 추출 시스템의 구성도이다.
도 2는 도 1에 도시된 영상 처리부의 상세 구성도이다.
도 3은 도 1에 도시된 영상 처리부에서 분석되는 영상을 설명하기 위한 도면이다.
도 4는 도 2에 도시된 영상 처리부의 각 모듈에서의 워크플로우를 도시하는 도면이다.
도 5a 내지 도 5b는 본 발명의 일 실시예에 따라 골밀도 산출을 위한 관심영역을 추출하는 과정의 예를 도시하는 도면이다.
도 2는 도 1에 도시된 영상 처리부의 상세 구성도이다.
도 3은 도 1에 도시된 영상 처리부에서 분석되는 영상을 설명하기 위한 도면이다.
도 4는 도 2에 도시된 영상 처리부의 각 모듈에서의 워크플로우를 도시하는 도면이다.
도 5a 내지 도 5b는 본 발명의 일 실시예에 따라 골밀도 산출을 위한 관심영역을 추출하는 과정의 예를 도시하는 도면이다.
이하, 첨부된 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 바람직한 실시예를 상세히 설명한다. 다만, 본 발명의 바람직한 실시예를 상세하게 설명함에 있어, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다. 또한, 유사한 기능 및 작용을 하는 부분에 대해서는 도면 전체에 걸쳐 동일한 부호를 사용한다.
덧붙여, 명세서 전체에서, 어떤 부분이 다른 부분과 '연결'되어 있다고 할 때, 이는 '직접적으로 연결'되어 있는 경우뿐만 아니라, 그 중간에 다른 소자를 사이에 두고 '간접적으로 연결'되어 있는 경우도 포함한다. 또한, 어떤 구성요소를 '포함'한다는 것은, 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있다는 것을 의미한다.
도 1은 본 발명의 일 실시예에 따른 골밀도 산출을 위한 관심영역 추출 시스템의 구성도이고, 도 2는 도 1에 도시된 영상 처리부의 상세 구성도이며, 도 3은 도 1에 도시된 영상 처리부에서 분석되는 영상을 설명하기 위한 도면이며, 도 4는 도 2에 도시된 영상 처리부의 각 모듈에서의 워크플로우를 도시하는 도면이며, 도 5a 내지 도 5b는 본 발명의 일 실시예에 따라 골밀도 산출을 위한 관심영역을 추출하는 과정의 예를 도시하는 도면이다.
우선, 도 1을 참조하면, 본 발명의 일 실시예에 따른 골밀도 산출을 위한 관심영역 추출 시스템(100)은 영상 획득부(110), 영상 처리부(120) 및 영상 표시부(130)를 포함하여 구성될 수 있다.
영상 획득부(110)는 환자의 골밀도 산출을 위해 사용될 영상을 획득하기 위한 것으로, 예를 들어 환자의 CT 영상을 획득하는 것일 수 있다.
일 실시예에 따르면, 영상 획득부(110)는 환자의 척추(Spine), 대퇴부(Hip Femur), 손목(wrist) 부위의 CT 영상을 획득하는 것일 수 있으나, 영상 측정 부위가 반드시 이로 제한되는 것은 아니다.
또한, 영상 획득부(110)은 환자의 축면(axial plane) CT 영상을 획득하고, 이를 재구성하여 관상면(coronal plane) 및 시상단면(sagittal plane) 영상을 획득할 수 있다(도 3 참조).
영상 처리부(120)는 영상 획득부(110)에 의해 획득한 영상으로부터 인공지능 알고리즘에 의해 골밀도 산출을 위한 관심영역을 추출하기 위한 것으로, 뼈위치 선택모듈(121), 비정상 영역 판별모듈(122), 관심영역 추출모듈(123) 및 영상처리 통합모듈(124)을 포함하여 구성될 수 있다.
뼈위치 선택모듈(121)은 영상 획득부(110)에 의해 획득한 영상에서 분석 대상이 되는 뼈를 자동으로 선택하기 위한 것이다. 여기서, 뼈위치 선택모듈(121)은 영상 획득부(110)에서 환자의 축면 CT 영상을 재구성하여 획득한 관상면(coronal plane) 및 시상단면(sagittal plane) 영상에서 분석 대상이 되는 뼈를 자동으로 선택할 수 있다.
일 실시예에 따르면, 뼈위치 선택모듈(121)은 도 4에 도시된 바와 같이 우선 획득한 영상(예를 들어 척추 CT 단면들)을 분석하여 뼈와 디스크 부위의 영상을 자동으로 판별하고, 디스크 부위에 해당하는 영상을 제거하여 뼈의 영상만을 선별할 수 있다.
이후, 뼈위치 선택모듈(121)은 뼈의 영상 중에서 뼈의 번호를 넘버링하고, 넘버링된 뼈들 중에서 분석 대상이 되는 뼈들의 영상만을 선별할 수 있다.
예를 들어, 골밀도 측정은 요추 1번 내지 5번에서 이루어질 수 있는데, 이 경우 뼈위치 선택모듈(121)은 획득한 영상에서 디스크 부위와 요추를 자동으로 판별하여 분석 대상이 되는 뼈만을 자동으로 선택할 수 있다.
이는 의사 및 의료기사가 수동으로 골밀도 측정에 필요한 영상을 걸러주었던 기존의 방식과는 다르게 골밀도 측정에 필요한 영상 부분을 보다 빠르게, 자동으로 걸러 낼 수 있으므로, 효율적인 골밀도 측정이 가능하도록 할 수 있다.
도 5a는 본 발명의 일 실시예에 따라 획득한 영상을 분석하여 분석 대상이 되는 뼈를 선택한 결과를 도시하는 것이다.
비정상 영역 판별모듈(122)은 뼈위치 선택모듈(121)에 의해 선택된 뼈들의 질병 유무 또는 구조적 정상 여부를 자동 판별하고, 판별된 질병 부위 또는 구조적 비정상 부위 영역을 추출하거나 판별 정보를 제공하기 위한 것이다. 여기서, 비정상 영역 판별모듈(122)은 영상 획득부(110)에서 환자의 축면 CT 영상을 재구성하여 획득한 관상면(coronal plane) 및 시상단면(sagittal plane) 영상에서 비정상 영역을 판별 및 추출할 수 있다.
예를 들어, 골절, 퇴행성 질환, 골감소증 등과 같은 질병이나, 척추 측만증, 척추 분리증 등과 같은 구조적 비정상은 골밀도 측정에 악영향을 끼칠 수 있다.
따라서, 본 발명의 실시예에 따르면, 골밀도 측정에 악영향을 끼칠 수 있는 질병 또는 구조적 비정상 부위를 판별하여 보다 정확한 골밀도 측정이 가능하도록 할 수 있으며, 더 나아가 뼈의 비정상성의 장도를 수치화함으로써, 뼈의 상태를 보다 정밀하게 판단하도록 할 수 있다.
일 실시예에 따르면, 비정상 영역 판별모듈(122)은 도 4에 도시된 바와 같이 우선 뼈들의 구조적 정상여부를 자동으로 판별하고, 비정상으로 판별된 부위의 영역을 추출하고, 추가로 금속(metal)이 포함된 부위의 영역을 추출하고 보정할 수 있다.
또한, 비정상 영역 판별모듈(122)에 의해 판별된 질병 부위 또는 구조적 비정상 부위의 정보들을 바탕으로 후술하는 영상 표시부(130)를 통해 시각화함으로써 질병의 진단 또는 뼈의 기형성 등을 보여줄 수 있고, 판별된 질병에 대한 정보(질병의 종류, 위치 등)가 사용자에게 제공될 수 있으며, 이 밖에 다양한 목적으로 사용하도록 할 수 있다. 이와 같이 제공된 질병 정보는 골밀도 산출 시에 활용될 수 있다. 추가적으로, 질병이 있는 경우에도 해당 뼈의 부위를 피해서 골밀도를 계산하거나, 질병을 포함한 골밀도를 계산 및 분석할 수 있다.
도 5a는 본 발명의 일 실시예에 따라 선택된 뼈들의 질병 유무 또는 구조적 정상 여부를 판별한 결과를 도시하는 것이다.
관심영역 추출모듈(123)은 입력 영상으로부터 인공지능 알고리즘에 의해 골밀도 산출을 위한 관심영역을 추출하기 위한 것이다. 여기서, 관심영역 추출모듈(123)은 뼈위치 선택모듈(121) 및 비정상 영역 판별모듈(122)의 결과를 기초로 환자의 축면(axial plane) CT 영상에서 필요한 축면 CT 영상들만 입력받아 관심영역을 추출할 수 있다.
일 실시예에 따르면, 관심영역 추출모듈(123)은 도 4에 도시된 바와 같이 인공지능 알고리즘을 통해 입력된 축면 CT 영상에서 해면골(trabecular)의 영역을 자동으로 추출할 수 있으며, 추가로 골밀도 계산시에 필요한 기준 영역(예를 들어, 기준으로 이용할 생체신호에 상응하는 지방, 근육 등) 역시 자동으로 추출하고 좌표를 획득할 수 있다.
여기서, 인공지능 알고리즘은 사전에 복수의 환자의 CT 영상을 기초로 생성된 학습 데이터를 이용하여 학습된 것일 수 있다. 여기서, 학습 데이터는 환자의 CT 영상의 원본과, CT 영상에서 해면골 영역에 라벨링한 영상, 또는 필요에 따라 해면골 영역과 기준 영역(지방, 근육 등)에 대해 각각 라벨링한 영상을 포함할 수 있다. 그러나, 학습 데이터에서 라벨링 방식이 반드시 이로 제한되는 것은 아니다.
또한, 인공지능 알고리즘은 상술한 학습 데이터를 이용하여 학습되고, 이에 따라 추출된 영역의 좌표값을 결과로 출력할 수 있다.
또한, 인공지능 알고리즘은 머신러닝 알고리즘, 딥러닝 알고리즘 등과 같이 통상의 기술자에게 알려진 것으로 영상 분석에 적합한 인공지능 알고리즘이 사용될 수 있으며, 특정 알고리즘으로 제한되는 것은 아니다.
도 5b는 본 발명의 일 실시예에 따라 입력된 영상에서 기준 영역에 해당하는 지방, 근육과 해면골의 영역을 자동으로 추출한 결과를 도시하는 것으로, 여기서 빨간색은 지방을, 파랑색은 근육을, 그리고 초록색은 해면골을 나타내는 것이다.
영상처리 통합모듈(124)은 관심영역 추출모듈(123)에 의해 추출된 해면골의 관심영역과 비정상 영역 판별모듈(122)에서 판별된 비정상 상태의 뼈(질병, metal artifact 등) 부위를 통합하기 위한 것이다.
일 실시예에 따르면, 비정상 상태의 해면골을 처리시 전체 해면골의 좌표값에서 비정상인 영역을 피하여 골밀도를 측정하도록 함으로써, 질병이 있는 경우에도 골밀도 측정이 가능하도록 할 수 있다.
영상 표시부(130)는 영상 처리부(120)에 의한 분석 결과를 시각화하기 위한 것이다.
일 실시예에 따르면, 영상 표시부(130)는 영상 획득부(110)에 의해 획득한 영상과, 상술한 영상 처리부(120)에 의해 처리된 각 단계별 결과 영상을 표시할 수 있다.
도 1 및 도 2를 참조하여 상술한 따른 골밀도 산출을 위한 관심영역 추출 시스템(100)은 영상 처리 및 인공지능 알고리즘의 학습이 가능한 하드웨어에 의해 구현될 수 있다.
또한, 도 1 및 도 2에서는 골밀도 산출을 위한 관심영역 추출 시스템에 대해 설명하였으나, 본 발명의 다른 실시예는 상술한 과정에 따라 골밀도 산출을 위한 관심영역 추출 시스템에 의해 수행되는 골밀도 산출을 위한 관심영역 추출 방법으로 구현될 수도 있다.
본 발명은 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니다. 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 있어, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 본 발명에 따른 구성요소를 치환, 변형 및 변경할 수 있다는 것이 명백할 것이다.
100: 골밀도 산출을 위한 관심영역 추출 시스템
110: 영상 획득부
120: 영상 처리부
121: 뼈위치 선택모듈
122: 비정상 영역 판별모듈
123: 관심영역 추출모듈
124: 영상처리 통합모듈
130: 영상 표시부
110: 영상 획득부
120: 영상 처리부
121: 뼈위치 선택모듈
122: 비정상 영역 판별모듈
123: 관심영역 추출모듈
124: 영상처리 통합모듈
130: 영상 표시부
Claims (11)
- 환자의 골밀도 산출을 위해 사용되는 CT 영상을 획득하는 영상 획득부;
상기 영상 획득부에 의해 획득한 CT 영상으로부터 인공지능 알고리즘에 의해 골밀도 산출을 위한 관심영역을 추출하는 영상 처리부; 및
상기 영상 처리부에 의한 분석 결과를 시각화하는 영상 표시부를 포함하는 골밀도 산출을 위한 관심영역 추출 시스템.
- 제 1 항에 있어서, 상기 영상 처리부는,
상기 CT 영상에서 분석 대상이 되는 뼈를 자동으로 선택하는 뼈위치 선택모듈;
상기 뼈위치 선택모듈에 의해 선택된 뼈들의 질병 유무 또는 구조적 정상 여부를 자동으로 판별하고, 판별된 질병 부위 또는 구조적 비정상 부위를 추출하거나 판별 정보를 제공하는 비정상 영역 판별모듈; 및
입력 영상으로부터 상기 인공지능 알고리즘에 의해 골밀도 산출을 위한 관심영역을 추출하는 관심영역 추출모듈을 포함하는 것을 특징으로 하는 골밀도 산출을 위한 관심영역 추출 시스템.
- 제 2 항에 있어서,
상기 뼈위치 선택모듈은 상기 CT 영상을 분석하여 뼈와 디스크 부위를 판별하고, 상기 디스크 부위에 해당하는 영상을 제거하여 뼈의 영상만을 선별하며, 상기 뼈의 영상 중에서 뼈의 번호를 넘버링하고, 넘버링된 뼈들 중에서 분석 대상이 되는 뼈들의 영상만을 선별하는 것을 특징으로 하는 골밀도 산출을 위한 관심영역 추출 시스템.
- 제 2 항에 있어서,
상기 비정상 영역 판별모듈은 금속이 포함된 부위의 영상을 추가적으로 추출하고 보정하는 것을 특징으로 하는 골밀도 산출을 위한 관심영역 추출 시스템.
- 제 2 항에 있어서,
상기 비정상 영역 판별모듈에 의해 판별된 질병 부위 또는 구조적 비정상 부위는 상기 영상 표시부를 통해 시각화되거나, 상기 비정상 영역 판별모듈에 의해 판별된 질병에 대한 정보가 사용자에게 제공되며, 해당 부위는 골밀도 산출시 피하거나 제외되는 것을 특징으로 하는 골밀도 산출을 위한 관심영역 추출 시스템.
- 제 2 항에 있어서,
상기 관심영역 추출모듈은 상기 입력 영상에서 해면골(trabecular)의 영역을 자동으로 추출하는 것을 특징으로 하는 골밀도 산출을 위한 관심영역 추출 시스템.
- 제 6 항에 있어서,
상기 관심영역 추출모듈은 상기 골밀도 산출을 위해 필요한 기준영역을 자동으로 추출하는 것을 특징으로 하는 골밀도 산출을 위한 관심영역 추출 시스템.
- 제 7 항에 있어서,
상기 인공지능 알고리즘은 복수의 환자의 CT 영상을 기초로 생성된 학습 데이터를 이용하여 사전에 학습된 것이며, 상기 학습 데이터는 환자의 CT 영상의 원본과, CT 영상에서 해면골 영역에 라벨링한 영상, 또는 해면골 영역 및 상기 기준 영역에 대해 각각 라벨링한 영상을 포함하는 것을 특징으로 하는 골밀도 산출을 위한 관심영역 추출 시스템.
- 제 2 항에 있어서, 상기 영상 처리부는,
상기 관심영역 추출모듈에 의해 추출된 관심영역과 상기 비정상 영역 판별모듈에서 판별된 비정상 상태의 뼈 부위를 통합하는 영상처리 통합모듈을 더 포함하는 것을 특징으로 하는 골밀도 산출을 위한 관심영역 추출 시스템.
- 제 2 항에 있어서,
상기 영상 획득부는 상기 환자의 축면(axial plane) CT 영상을 획득하고, 상기 축면 CT 영상을 재구성하여 관상면(coronal plane) 및 시상단면(sagittal plane) 영상을 획득하며,
상기 뼈위치 선택모듈은 상기 관상면 및 시상단면 영상에서 분석 대상이 되는 뼈를 선택하고,
상기 비정상 영역 판별모듈은 상기 관상면 및 시상단면 영상에서 정상여부를 판별 및 보정하며,
상기 관심영역 추출모듈은 상기 뼈위치 선택모듈 및 상기 비정상 영역 판별모듈의 결과를 기초로 상기 환자의 축면 CT 영상에서 필요한 축면 CT 영상들만 입력받아 상기 관심영역을 추출하는 것을 특징으로 하는 골밀도 산출을 위한 관심영역 추출 시스템.
- 환자의 골밀도 산출을 위해 사용되는 CT 영상을 획득하는 단계;
상기 CT 영상에서 분석 대상이 되는 뼈를 선택하는 단계;
선택된 뼈들의 질병 유무 또는 구조적 정상 여부를 판별하고, 판별된 질병 부위 또는 구조적 비정상 부위를 자동 추출 및 정보를 제공하는 단계; 및
상기 분석 대상이 되는 뼈의 선택 결과 및 상기 질병 유무 또는 구조적 정상 여부 판별 결과를 기초로 입력된 영상으로부터 인공지능 알고리즘에 의해 골밀도 산출을 위한 관심영역을 추출하는 단계를 포함하는 골밀도 산출을 위한 관심영역 추출 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190141213A KR20210054925A (ko) | 2019-11-06 | 2019-11-06 | 골밀도 산출을 위한 관심영역 추출 시스템 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190141213A KR20210054925A (ko) | 2019-11-06 | 2019-11-06 | 골밀도 산출을 위한 관심영역 추출 시스템 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20210054925A true KR20210054925A (ko) | 2021-05-14 |
Family
ID=75915527
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190141213A KR20210054925A (ko) | 2019-11-06 | 2019-11-06 | 골밀도 산출을 위한 관심영역 추출 시스템 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20210054925A (ko) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102414601B1 (ko) * | 2021-10-12 | 2022-07-04 | 에이아이다이콤 (주) | 기계학습 기반 고관절 골절 진단을 위한 골밀도 도출 방법 및 이를 이용한 골밀도 도출 프로그램 |
| KR102516949B1 (ko) * | 2022-03-24 | 2023-04-03 | 주식회사 쓰리디오엔에스 | 인공지능 기반의 두경부 특정 조직에 대한 밀도값 판별 방법 및 장치 |
| KR102578943B1 (ko) * | 2023-04-12 | 2023-09-15 | 에이아이다이콤 (주) | 엑스레이(X-ray) 촬영된 고관절 방사선 이미지를 이용한 기계학습 기반 골밀도 도출방법 |
-
2019
- 2019-11-06 KR KR1020190141213A patent/KR20210054925A/ko not_active Application Discontinuation
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102414601B1 (ko) * | 2021-10-12 | 2022-07-04 | 에이아이다이콤 (주) | 기계학습 기반 고관절 골절 진단을 위한 골밀도 도출 방법 및 이를 이용한 골밀도 도출 프로그램 |
| WO2023063646A1 (ko) * | 2021-10-12 | 2023-04-20 | 에이아이다이콤(주) | 기계학습 기반 고관절 골절 진단을 위한 골밀도 도출 방법 및 이를 이용한 골밀도 도출 프로그램 |
| KR102516949B1 (ko) * | 2022-03-24 | 2023-04-03 | 주식회사 쓰리디오엔에스 | 인공지능 기반의 두경부 특정 조직에 대한 밀도값 판별 방법 및 장치 |
| WO2023182569A1 (ko) * | 2022-03-24 | 2023-09-28 | 주식회사 쓰리디오엔에스 | 인공지능 기반의 두경부 특정 조직에 대한 밀도값 판별 방법 및 장치 |
| KR102578943B1 (ko) * | 2023-04-12 | 2023-09-15 | 에이아이다이콤 (주) | 엑스레이(X-ray) 촬영된 고관절 방사선 이미지를 이용한 기계학습 기반 골밀도 도출방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102648482B (zh) | 用于所选组织结构的图像分析的方法及系统 | |
| KR101928984B1 (ko) | 골밀도 추정 방법 및 장치 | |
| US8676294B2 (en) | Brain disease diagnosis system | |
| US10769779B2 (en) | Method for increasing reading efficiency in medical image reading process using gaze information of user and apparatus using the same | |
| KR20210054925A (ko) | 골밀도 산출을 위한 관심영역 추출 시스템 및 방법 | |
| CN113222951B (zh) | 一种识别髋关节x线的骨质疏松人工智能诊断装置 | |
| JP5676269B2 (ja) | 脳画像データの画像解析 | |
| Gomes et al. | A comparison of the mandibular index on panoramic and cross-sectional images from CBCT exams from osteoporosis risk group | |
| JP2011182899A (ja) | 診断支援装置、冠動脈解析プログラムおよび冠動脈解析方法 | |
| Kanis | An update on the diagnosis of osteoporosis | |
| US20210217166A1 (en) | Automated screening of medical data | |
| GB2512876A (en) | Methods and apparatus for quantifying inflammation | |
| US7421100B2 (en) | Method, computer program and system of visualizing image data | |
| GB2436980A (en) | Apparatus for assisting diagnosis of osteoporosis | |
| US7387439B2 (en) | X-ray beam calibration for bone mineral density assessment using mammography system | |
| Brosset et al. | 3D auto-segmentation of mandibular condyles | |
| JP2006102353A (ja) | 関節動作解析装置、関節動作解析方法及び関節動作解析プログラム | |
| US20160180520A1 (en) | Quantitative method for 3-d joint characterization | |
| US10950015B2 (en) | Medical image processing method, and computer readable storage medium | |
| Le et al. | Automatic segmentation of mandibular ramus and condyles | |
| Hess et al. | Deep learning for multi-tissue segmentation and fully automatic personalized biomechanical models from BACPAC clinical lumbar spine MRI | |
| CN108694999B (zh) | 临床决策支持系统的灵活使用 | |
| Battan et al. | Cranio-facial bones evaluation based on clinical CT data for sex determination in Northwest Indian population | |
| Moeskops et al. | Automatic quantification of body composition at L3 vertebra level with convolutional neural networks | |
| CN111881910A (zh) | 基于椎骨影像的信息处理方法及计算机可读存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E601 | Decision to refuse application |