KR20210065228A - 의료 영상 빅데이터를 이용한 초음파 병변 추출 방법 - Google Patents

의료 영상 빅데이터를 이용한 초음파 병변 추출 방법 Download PDF

Info

Publication number
KR20210065228A
KR20210065228A KR1020190153222A KR20190153222A KR20210065228A KR 20210065228 A KR20210065228 A KR 20210065228A KR 1020190153222 A KR1020190153222 A KR 1020190153222A KR 20190153222 A KR20190153222 A KR 20190153222A KR 20210065228 A KR20210065228 A KR 20210065228A
Authority
KR
South Korea
Prior art keywords
image
ultrasound
lesion
liver
algorithm
Prior art date
Application number
KR1020190153222A
Other languages
English (en)
Inventor
김홍만
Original Assignee
주식회사 소노엠
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 주식회사 소노엠 filed Critical 주식회사 소노엠
Priority to KR1020190153222A priority Critical patent/KR20210065228A/ko
Publication of KR20210065228A publication Critical patent/KR20210065228A/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5207—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of raw data to produce diagnostic data, e.g. for generating an image
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5269—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving detection or reduction of artifacts
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/56—Details of data transmission or power supply
    • A61B8/565—Details of data transmission or power supply involving data transmission via a network
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/042—Knowledge-based neural networks; Logical representations of neural networks
    • G06N3/0427—
    • 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
    • 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
    • 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
    • G06T2207/10132—Ultrasound 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
    • G06T2207/20081—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
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30056—Liver; Hepatic

Landscapes

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

Abstract

의료 영상 빅데이터를 이용한 초음파 병변 추출 방법이 개시되어 있다. 본 발명은, 영상획득모듈이 디지털 초음파 장비의 디지털 초음파 촬영에 따라 DICOM 표준형식 또는 디지털 이미지 및 임상데이터를 수집하는 딥러닝 기반 이미지 알고리즘 설정하는 단계; 상기 영상저장모듈이 상기 DICOM 영상을 데이터베이스에 저장한 뒤, 상기 영상조회모듈이 상기 데이터베이스에 저장된 상기 DICOM 영상을 리딩(reading) 상태로 설정하는 단계; 상기 영상처리모듈이 상기 획득된 환자 정보에 해당하는 상기 DICOM 영상에 대해서 미리 설정된 초음파 특징 추출 및 인지 알고리즘 고도화 단계; 상기 DICOM 영상에 대해 이미지 전처리(image preprocessing)를 이용한 영상 알고리즘 고도화하는 단계; 및 상기 DICOM 분석모듈에 간 초음파 병변 판독을 위한 연령대별 참조표준데이터 생성 단계;를 포함하는 것을 특징으로 한다.

Description

의료 영상 빅데이터를 이용한 초음파 병변 추출 방법{Ultrasonic Lesion Extraction Method Using Medical Image Big Data}
본 발명은 의료 영상 빅데이터를 이용한 초음파 병변 추출 방법에 관한 ㄱ거것으로, 보다 구체적으로는 Open Source Software)기반의 초음파 의료영상 병변 추출 알고리즘으로써 초당 20만건 이상의 색인을 보장하는 멀티테넌시 빅데이터 DB 및 초음파 병변 추출 알고리즘 개발과 공개 소프트웨어를 이용한 실시간 고급 분석 및 시각화 서비스를 제공할 수 있도록 한 의료 영상 빅데이터를 이용한 초음파 병변 추출 방법에 관한 것이다.
최근 성장에 관한 관심도가 증가하고 있고, 소아 청소년기 식생활 변화로 성장관련 질환이 급증하면서 소아청소년의 성장관련 장애가 빈번히 발생하고 있다.
의료영상진단시스템은 X-ray, CT , MRI , PET , 내시경(endoscopy), 캡슐 내시경, 그리고 초음파 검사(ultrasonography)등과 같은 영상기기들뿐만 아니라 영상처리와 분석, 그리고 결과를 시각화하는 소프트웨어들에 대한 연구가 꾸준히 진행되고 있다.
현재는 초음파 영상을 이용해 전공의(의사)들이 직접 눈으로 보고 병변의 유무를 판독하기 때문에 오차범위 발생 및 신뢰성이 떨어지는 문제점을 가지고 있다.
또한 초음파영상 판독에 사용되는 초음파 이미지의 촬영이 촬영자의 스킬에 따라 획득된 이미지의 차이가 크게 발생되는 문제로 판독자(의사)가 시각적으로 판독하기 어려운 부분이 발견되는 문제를 갖는다.
또한 초음파 촬영에 미숙한 경우 판독자는 판독 결과의 신뢰성이 낮아 스스로 확정하기 어려워하는 경우가 발생되고 있다.
판독자의 경험 및 스킬에 의존적이라는 문제점과 판독자의 개인적 스킬에 따라 판독결과가 달라지는 재연성 문제로 필드에서 사용에 문제점을 갖고 있다.
본 발명품은 초음파영상 이미지와 매핑 연산을 통한 자동화 알고리즘 개발로 초음파 판독의 신뢰성 및 재연성을 보장한다.
001)대한민국등록특허 10-2000-0005393 ‘평만파를 이용하는 초음파 영상의 합성 구경 집속방법’(2000년) 002)대한민국등록특허 10-2007-0124595 ‘초음파 합성 구경 빔포머 및 이를 이용한 초음파 영상 장치’ (2007년) 003)대한민국등록특허 10-2008-0119625 ‘합성 도플러 스펙트럼 이미지를 생성하는 초음파 진단 방법 및 시스템’(2008년) 004)대한민국등록특허 10-2008-0108452 ‘멀티 주파수 모드의 초음파 영상 생성 방법 및 시스템’ (2008년) 005)대한민국등록특허 10-2009-0111746 ‘초음파 공간 합성 영상을 제공하는 초음파 시스템 및 방법’ (2009년) 006)대한민국등록특허 10-2011-0046121 ‘시술부위 밀착 감지 기능을 갖는 고강도 접속 초음파 생성 장치’ (2011년) 007)대한민국등록특허 10-2011-0046125 ‘마킹 인식기능을 구비한 고강도 접속 초음파 생성 장치’ (2011년) 008)대한민국등록특허 10-2016-0057469 ‘고강도 집속된 초음파를 위한 의료용 초음파 영상화에서의 피드백’ (2016년)
본 발명의 목적은 상기한 종래 기술의 문제점을 해결하기 위해 이루어진 것으로서, 다양한 환경조건에서 촬영된 입력영상에 독립적으로 관심영역을 자동으로 추출하고 이미지 전처리를 통한 오차율(±5%)범위 안에서 정확히 초음파 참조 영상과 매핑해 초음파 판독의 신뢰성 및 재연성을 구현할 수 있도록 한 의료 영상 빅데이터를 이용한 초음파 병변 추출 방법을 제공하는 데 있다.
상기 목적을 달성하기 위하여, 본 발명에 따른 의료 영상 빅데이터를 이용한 초음파 병변 추출 방법은,
영상획득모듈이 디지털 초음파 장비의 디지털 초음파 촬영에 따라 DICOM 표준형식 또는 디지털 이미지 및 임상데이터를 수집하는 딥러닝 기반 이미지 알고리즘 설정하는 단계; 상기 영상저장모듈이 상기 DICOM 영상을 데이터베이스에 저장한 뒤, 상기 영상조회모듈이 상기 데이터베이스에 저장된 상기 DICOM 영상을 리딩(reading) 상태로 설정하는 단계; 상기 영상처리모듈이 상기 획득된 환자 정보에 해당하는 상기 DICOM 영상에 대해서 미리 설정된 초음파 특징 추출 및 인지 알고리즘 고도화 단계; 상기 DICOM 영상에 대해 이미지 전처리(image preprocessing)를 이용한 영상 알고리즘 고도화하는 단계; 및 상기 DICOM 분석모듈에 간 초음파 병변 판독을 위한 연령대별 참조표준데이터 생성 단계;를 포함하는 것을 특징으로 한다.
상기 이미지 알고리즘 설정하는 단계는, 의료영상 스토리지에 저장된 이미지로부터 간 병변 추정에 필요한 부분 이미지 분리하는 단계; 의료영상 스토리지에 저장된 이미지로부터 간 병변 추정에 필요한 부분 이미지를 분리하고 이미지에 대한 메타데이터를 생성하여 저장 관리하는 단계; 서브 이미지 데이터로부터 인공지능 기반의 빅데이터 처리 기법들을 활용하여 각 이미지의 특징을 추출하고 분류하는 단계; 및 특정 추출 알고리즘을 적용하기 위하여 잡음(noise)에 대한 필터링, 초음파 영상의 노이즈를 제거하는 단계;를 포함하는 것을 특징으로 한다.
상기 이미지의 특징 추출 및 분류하는 단계는, ROI로 분리된 서브 이미지에 대한 모양(shape) 특징을 추출하고 영역기반은 모양을 기술하기 위해 객체의 전체 영역을 이용하는 단계; 및 모형을 기술하기 위해 객체의 윤곽을 표현한 주요한 정보를 이용하고 모형 모델에 대한 정규화를 하고 간병변의 특징을 추출하는 단계;를 포함하는 것을 특징으로 한다.
관심영역 추출 및 분리하기 위해서, 관심영역 추출은 간영역의 초음파영상의 병변 부분, 매질의 상태, 암, 종양이 가지는 특성을 고려하는 단계; 및 관심영역 분리 알고리즘은 종양 및 암 덩어리의 가장자리 영역을 정의한 윤곽(contour)에 의해 개체를 분리하는 단계;를 더 포함하는 것을 특징으로 한다.
상기 이미지의 특징 추출 및 분류를 수행하기 위해서, ROI로 분리된 서브 이미지에 대한 텍스쳐 특징 검출로 유사도 측정하는 단계; 및 텍스쳐 파라미터로 엔트로피, 대조, 차이점, 균질성, 표준편차, 평균 분산 등으로 계산하고 특징을 포함한 이미지데이터를 적용하여 분류하는 단계;를 포함하는 것을 특징으로 한다.
본 발명의 다른 실시예에 따른, 간병변 초음파 판별 알고리즘을 통한 의료 영상 빅데이터를 이용한 초음파 병변 추출 방법은, 딥러닝 기반 FAST탐색 기법인 YOLO 방식으로 초음파 영상의 윤곽선 및 형태를 특정하며, 간암, 간종양, 간병변에 대해 전문의와 같은 재현성을 보장하기 위한 초음파 영상의 학습과정을 포함, 피험자의 간 초음파 영상을 기반으로 하되 상복부 초음파 영상 판독 기술을 포함하는 것을 특징으로 한다.
상기 간병변 초음파 판별 알고리즘에 대한 분석데이터는, 상기 간암, 간 종양과 같은 간 병변에 대해 전문의와 같은 판별결과가 나오도록 설계된 모델을 통하여 계산함으로써, 초음파 영상에 대한 분석데이터를 생성하는 것을 특징으로 하는 디지털 초음파 영상 정보를 이용한 간병변 분석프로그램을 이용하는 단계; 및 의료정보의 비식별화 및 빅데이터 분석 및 가시화 모듈과 피험자의 개인정보 암호화 및 의료영상 암호화 알고리즘 LEA를 포함하는 단계;를 포함하는 것을 특징으로 한다.
본 발명에 따르면, 초음파 영상의 병변 재현성 향상의 개발로 정확한 영상 데이터를 축적하여 병변판단의 오차를 줄이고 가이드를 제시해 줄 수 있다. 또한 축적된 데이터를 이용해 지역별 또는 개인별 데이터를 분석하여 환경 변화에 따른 암 발생률을 예측 할 수 있는 효과가 있다.
또한, 본 발명에 따르면, 초음파 영상 분석을 통해 피험자가 놓칠 수 있는 실수를 방지하고 자동 판독 알고리즘 개발로 검사 결과에 대한 신뢰성을 향상시킬 수 있는 효과가 있다.
또한, 본 발명에 따르면, 대량의 자료를 토대로 새 정보를 찾아내는 데이터 마이닝을 통해 의사들의 암 진단 및 치료 방법 선택을 지원할 수 있는 효과가 있다.
도 1은 빅데이터를 이용한 초음파영상 병변 자동 판독 SW 개발 흐름도이다.
도 2는 빅데이터를 이용한 초음파영상 병변 자동 판독 SW 블록 설명도이다.
도 3은 상복부 초음파에 대해 병변을 판별하는 알고리즘 개발 방법을 명시한 도면이다.
본 발명은 이미지 처리 기능을 기반으로 관심영역을 추출하고 추출된 관심영역은 지능형 알고리즘을 통해 강화된 초음파 이미지와 매핑 연산을 수행하여 결과를 도출한다.
상기 목적을 수행하기 위해 초음파 영상을 이용한 자동 판독 알고리즘 개발 단계, 수부 서브이미지 라이브러리 구축단계를 포함한다.
상기 빅데이터를 이용한 초음파 자동 판독 SW 개발에서는 병원에서 임상 참여자들의 간을 촬영한 DICOM 표준형식 또는 디지털 이미지 및 임상데이터를 수집하고 스토리에 저장하여 간 암, 간 종양 추정에 필요한 부분 이미지를 분리하고 이미지에 대한 메타데이터를 생성하여 저장 관리한다.
상기 초음파 영상자료를 이용한 딥러닝 기반 이미지 마이닝 단계에서 영상처리에 픽셀 값의 불연속적인 변화를 정량화하기 위해서는 텍스처 특징(texture feature)값을 이용하는 분할 영역 기법을 이용한다. 텍스쳐 특징을 이용한 형태분석은 그 형태가 정적인 것이 아니고 항상 진행, 변화하는 과정이므로 형태분석은 간 초음파 영상을 측정하기에 적합한 방법이다.
관심영역 추출은 간암, 간종양 등의 복부초음파를 고려하고 있고 관심영역 분리 알고리즘은 초음파 영상의 종양과 암에서 나타나는 윤곽(contour)에 의해 개체를 분리한다.
ROI로 분리된 서브 이미지에 대한 모양 특징을 추출하고 영역기반은 모양을 기술하기 위해 객체의 전체 영역을 이용한다. ROI로 분리된 서브 이미지에 대한 텍스쳐 특징 검출로 유사도 측정을 하고 텍스쳐 파라미터로는 엔트로피, 대조, 차이점, 균질성, 표준편차, 평균 분산 등으로 계산하고 특징을 포함한 이미지데이터를 적용 분류한다.
이하, 첨부된 도면을 참조하여, 본 발명에 따른 의료 영상 빅데이터를 이용한 초음파 병변 추출 방법에 대하여 상세히 설명한다.
도 1은 실제 예에 따른 초음파 영상을 이용한 간 초음파영상에 대한 자동 판독 SW 개발 흐름도이다.
먼저 병원에서 임상 참여자들의 간을 촬영한 DICOM 표준형식 또는 디지털 이미지의 및 임상데이터를 수집한다.
다음으로 의료영상 스토리지에 저장된 이미지로부터 병변 추정에 필요한 부분 이미지를 분리하고 이미지에 대한 메타데이터를 생성하여 저장 관리를 하고, 서브 이미지 데이터로부터 인공지능 기반의 빅데이터 처리 기법들을 활용하여 각 이미지의 특징을 추출하고 이를 분류한다.
이미지의 특징 추출 및 분류하기 위해 다음과 같은 방법을 사용한다. ROI로 분리된 서브 이미지에 대한 모양(shape) 특징을 추출하고 영역기반은 모양을 기술하기 위해 객체의 전체 영역을 이용한다. 모형을 기술하기 위해 객체의 윤곽을 표현한 주요한 정보를 이용하고 모형 모델에 대한 정규화를 하고 수골의 특징을 추출한다. ROI로 분리된 서브 이미지에 대한 텍스쳐 특징 검출로 유사도를 측정하고 텍스쳐 파라미터로는 엔트로피, 대조, 차이점, 균질성, 표준편차, 평균 분산 등으로 계산하고 특징을 포함한 이미지데이터를 적용하여 분류한다.
본 발명에 따른 의료 영상 빅데이터를 이용한 초음파 병변 추출 방법은, 영상획득모듈이 디지털 초음파 장비의 디지털 초음파 촬영에 따라 DICOM 표준형식 또는 디지털 이미지 및 임상데이터를 수집하는 딥러닝 기반 이미지 알고리즘 설정하는 단계; 상기 영상저장모듈이 상기 DICOM 영상을 데이터베이스에 저장한 뒤, 상기 영상조회모듈이 상기 데이터베이스에 저장된 상기 DICOM 영상을 리딩(reading) 상태로 설정하는 단계; 상기 영상처리모듈이 상기 획득된 환자 정보에 해당하는 상기 DICOM 영상에 대해서 미리 설정된 초음파 특징 추출 및 인지 알고리즘 고도화 단계; 상기 DICOM 영상에 대해 이미지 전처리(image preprocessing)를 이용한 영상 알고리즘 고도화하는 단계; 및 상기 DICOM 분석모듈에 간 초음파 병변 판독을 위한 연령대별 참조표준데이터 생성 단계;를 포함한다.
상기 이미지 알고리즘 설정하는 단계는, 의료영상 스토리지에 저장된 이미지로부터 간 병변 추정에 필요한 부분 이미지 분리하는 단계; 의료영상 스토리지에 저장된 이미지로부터 간 병변 추정에 필요한 부분 이미지를 분리하고 이미지에 대한 메타데이터를 생성하여 저장 관리하는 단계; 서브 이미지 데이터로부터 인공지능 기반의 빅데이터 처리 기법들을 활용하여 각 이미지의 특징을 추출하고 분류하는 단계; 및 특정 추출 알고리즘을 적용하기 위하여 잡음(noise)에 대한 필터링, 초음파 영상의 노이즈를 제거하는 단계를 포함한다.
상기 이미지의 특징 추출 및 분류하기 위해서는, ROI로 분리된 서브 이미지에 대한 모양(shape) 특징을 추출하고 영역기반은 모양을 기술하기 위해 객체의 전체 영역을 이용할 수 있다. 또한, 모형을 기술하기 위해 객체의 윤곽을 표현한 주요한 정보를 이용하고 모형 모델에 대한 정규화를 하고 간병변의 특징을 추출할 수 있다.
또한, 관심영역 추출 및 분리하기 위해, 관심영역 추출은 간영역의 초음파영상의 병변 부분, 매질의 상태, 암, 종양이 가지는 특성을 고려하고, 관심영역 분리 알고리즘은 종양 및 암 덩어리의 가장자리 영역을 정의한 윤곽(contour)에 의해 개체를 분리하게 된다.
특징 추출 및 분류하기 위해서, ROI로 분리된 서브 이미지에 대한 텍스쳐 특징 검출로 유사도 측정하고, 텍스쳐 파라미터로 엔트로피, 대조, 차이점, 균질성, 표준편차, 평균 분산 등으로 계산하고 특징을 포함한 이미지데이터를 적용하여 분류한다.
간병변 초음파 판별 알고리즘 개발 방법에 있어서, 딥러닝 기반 FAST탐색 기법인 YOLO 방식으로 초음파 영상의 윤곽선 및 형태를 특정하며, 간암, 간종양, 간병변에 대해 전문의와 같은 재현성을 보장하기 위한 초음파 영상의 학습과정을 포함, 피험자의 간 초음파 영상을 기반으로 하되 상복부 초음파 영상 판독 기술을 포함한다.
상기 간병변 초음파 판별 알고리즘에 대한 분석데이터는, 상기 간암, 간 종양과 같은 간 병변에 대해 전문의와 같은 판별결과가 나오도록 설계된 모델을 통하여 계산함으로써, 초음파 영상에 대한 분석데이터를 생성하게 된다.
도 3은 초음파 병변 판별 학습 알고리즘 개발 방법이다. 일반적으로 초음파 영상의 윤곽으로부터 예측하는 방법, 밝기 및 감마 영상상 정보로부터 얻을 수 있는 매질의 밀도를 고려하여 설계된 기준에 따라 검출한다.
이때 해당 부위의 밀도가 정상적인 초음파 영상 매질에 비해 상대적으로 크다고 했을 때, 영상에서 나타난 해당 부위의 정보를 분석하여 정상적인 장기 조직인지 암 덩어리 및 종양인지 판단한다. 이 자료를 바탕으로 병변을 구하고, 영상 학습을 통해 병변의 종류를 알 수 있다.
이상에서 몇 가지 실시예를 들어 본 발명을 더욱 상세하게 설명하였으나, 본 발명은 반드시 이러한 실시예로 국한되는 것이 아니고 본 발명의 기술사상을 벗어나지 않는 범위 내에서 다양하게 변형실시될 수 있다.

Claims (7)

  1. 영상획득모듈이 디지털 초음파 장비의 디지털 초음파 촬영에 따라 DICOM 표준형식 또는 디지털 이미지 및 임상데이터를 수집하는 딥러닝 기반 이미지 알고리즘 설정하는 단계;
    상기 영상저장모듈이 상기 DICOM 영상을 데이터베이스에 저장한 뒤, 상기 영상조회모듈이 상기 데이터베이스에 저장된 상기 DICOM 영상을 리딩(reading) 상태로 설정하는 단계;
    상기 영상처리모듈이 상기 획득된 환자 정보에 해당하는 상기 DICOM 영상에 대해서 미리 설정된 초음파 특징 추출 및 인지 알고리즘 고도화 단계;
    상기 DICOM 영상에 대해 이미지 전처리(image preprocessing)를 이용한 영상 알고리즘 고도화하는 단계; 및
    상기 DICOM 분석모듈에 간 초음파 병변 판독을 위한 연령대별 참조표준데이터 생성 단계;를 포함하는 것을 특징으로 하는 의료 영상 빅데이터를 이용한 초음파 병변 추출 방법.
  2. 청구항 1에 있어서,
    상기 이미지 알고리즘 설정하는 단계는,
    의료영상 스토리지에 저장된 이미지로부터 간 병변 추정에 필요한 부분 이미지 분리하는 단계;
    의료영상 스토리지에 저장된 이미지로부터 간 병변 추정에 필요한 부분 이미지를 분리하고 이미지에 대한 메타데이터를 생성하여 저장 관리하는 단계;
    서브 이미지 데이터로부터 인공지능 기반의 빅데이터 처리 기법들을 활용하여 각 이미지의 특징을 추출하고 분류하는 단계; 및
    특정 추출 알고리즘을 적용하기 위하여 잡음(noise)에 대한 필터링, 초음파 영상의 노이즈를 제거하는 단계;를 포함하는 것을 특징으로 하는 의료 영상 빅데이터를 이용한 초음파 병변 추출 방법.
  3. 청구항 2에 있어서,
    상기 이미지의 특징 추출 및 분류하는 단계는,
    ROI로 분리된 서브 이미지에 대한 모양(shape) 특징을 추출하고 영역기반은 모양을 기술하기 위해 객체의 전체 영역을 이용하는 단계; 및
    모형을 기술하기 위해 객체의 윤곽을 표현한 주요한 정보를 이용하고 모형 모델에 대한 정규화를 하고 간병변의 특징을 추출하는 단계;를 포함하는 것을 특징으로 하는 의료 영상 빅데이터를 이용한 초음파 병변 추출 방법.
  4. 청구항 2에 있어서,
    관심영역 추출 및 분리하기 위해서,
    관심영역 추출은 간영역의 초음파영상의 병변 부분, 매질의 상태, 암, 종양이 가지는 특성을 고려하는 단계; 및
    관심영역 분리 알고리즘은 종양 및 암 덩어리의 가장자리 영역을 정의한 윤곽(contour)에 의해 개체를 분리하는 단계;를 더 포함하는 것을 특징으로 하는 의료 영상 빅데이터를 이용한 초음파 병변 추출 방법.
  5. 청구항 3에 있어서,
    상기 이미지의 특징 추출 및 분류를 수행하기 위해서,
    ROI로 분리된 서브 이미지에 대한 텍스쳐 특징 검출로 유사도 측정하는 단계; 및
    텍스쳐 파라미터로 엔트로피, 대조, 차이점, 균질성, 표준편차, 평균 분산 등으로 계산하고 특징을 포함한 이미지데이터를 적용하여 분류하는 단계;를 포함하는 것을 특징으로 하는 의료 영상 빅데이터를 이용한 초음파 병변 추출 방법.
  6. 간병변 초음파 판별 알고리즘을 통한 의료 영상 빅데이터를 이용한 초음파 병변 추출 방법에 있어서,
    상기 간병변 초음파 판별 알고리즘은,
    딥러닝 기반 FAST탐색 기법인 YOLO 방식으로 초음파 영상의 윤곽선 및 형태를 특정하며, 간암, 간종양, 간병변에 대해 전문의와 같은 재현성을 보장하기 위한 초음파 영상의 학습과정을 포함, 피험자의 간 초음파 영상을 기반으로 하되 상복부 초음파 영상 판독 기술을 포함하는 것을 특징으로 하는 의료 영상 빅데이터를 이용한 초음파 병변 추출 방법.
  7. 청구항 6에 있어서,
    상기 간병변 초음파 판별 알고리즘에 대한 분석데이터는,
    상기 간암, 간 종양과 같은 간 병변에 대해 전문의와 같은 판별결과가 나오도록 설계된 모델을 통하여 계산함으로써, 초음파 영상에 대한 분석데이터를 생성하는 것을 특징으로 하는 디지털 초음파 영상 정보를 이용한 간병변 분석프로그램을 이용하는 단계; 및
    의료정보의 비식별화 및 빅데이터 분석 및 가시화 모듈과 피험자의 개인정보 암호화 및 의료영상 암호화 알고리즘 LEA를 포함하는 단계;를 포함하는 것을 특징으로 하는 의료 영상 빅데이터를 이용한 초음파 병변 추출 방법.
KR1020190153222A 2019-11-26 2019-11-26 의료 영상 빅데이터를 이용한 초음파 병변 추출 방법 KR20210065228A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190153222A KR20210065228A (ko) 2019-11-26 2019-11-26 의료 영상 빅데이터를 이용한 초음파 병변 추출 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190153222A KR20210065228A (ko) 2019-11-26 2019-11-26 의료 영상 빅데이터를 이용한 초음파 병변 추출 방법

Publications (1)

Publication Number Publication Date
KR20210065228A true KR20210065228A (ko) 2021-06-04

Family

ID=76391964

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190153222A KR20210065228A (ko) 2019-11-26 2019-11-26 의료 영상 빅데이터를 이용한 초음파 병변 추출 방법

Country Status (1)

Country Link
KR (1) KR20210065228A (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113689469A (zh) * 2021-08-24 2021-11-23 复旦大学附属中山医院 一种自动识别超声造影小肝癌病灶的方法及超声系统
CN116434266A (zh) * 2023-06-14 2023-07-14 邹城市人民医院 一种医疗检验单的数据信息自动提取分析方法
CN117456594A (zh) * 2023-11-15 2024-01-26 深圳市眼科医院(深圳市眼病防治研究所) 一种基于深度学习的眼球超声图像自动分类方法及系统
WO2024147683A1 (ko) * 2023-01-07 2024-07-11 유한회사 닥터다비드 집단 지성을 이용한 정보 처리 시스템 및 그 방법

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20000005393A (ko) 1996-04-12 2000-01-25 쿠드라 로날드 엠 잡종 인터페론 조성물 및 그것을 사용하는 방법2
JP2007124595A (ja) 2005-10-31 2007-05-17 Kyocera Kinseki Corp 圧電デバイスの製造方法、及び圧電デバイスの蓋体封止装置
JP2008119625A (ja) 2006-11-14 2008-05-29 Seiko Epson Corp 液状体の描画方法、カラーフィルタの製造方法、有機ｅｌ素子の製造方法
KR20080108452A (ko) 2006-02-14 2008-12-15 코베이테크, 엘엘씨 비선형 소자를 이용한 전 광학 논리 게이트
KR20090111746A (ko) 2008-04-22 2009-10-27 임성조 신발창
KR20110046121A (ko) 2009-10-28 2011-05-04 한국표준과학연구원 귀 체온계 검증장치
KR20110046125A (ko) 2009-10-28 2011-05-04 삼성전자주식회사 액정 표시 장치
KR20160057469A (ko) 2013-09-20 2016-05-23 지에이치에스피, 아이엔씨. 통합된 필터와 밀봉된 회로망을 구비한 잠수식 펌핑 장치

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20000005393A (ko) 1996-04-12 2000-01-25 쿠드라 로날드 엠 잡종 인터페론 조성물 및 그것을 사용하는 방법2
JP2007124595A (ja) 2005-10-31 2007-05-17 Kyocera Kinseki Corp 圧電デバイスの製造方法、及び圧電デバイスの蓋体封止装置
KR20080108452A (ko) 2006-02-14 2008-12-15 코베이테크, 엘엘씨 비선형 소자를 이용한 전 광학 논리 게이트
JP2008119625A (ja) 2006-11-14 2008-05-29 Seiko Epson Corp 液状体の描画方法、カラーフィルタの製造方法、有機ｅｌ素子の製造方法
KR20090111746A (ko) 2008-04-22 2009-10-27 임성조 신발창
KR20110046121A (ko) 2009-10-28 2011-05-04 한국표준과학연구원 귀 체온계 검증장치
KR20110046125A (ko) 2009-10-28 2011-05-04 삼성전자주식회사 액정 표시 장치
KR20160057469A (ko) 2013-09-20 2016-05-23 지에이치에스피, 아이엔씨. 통합된 필터와 밀봉된 회로망을 구비한 잠수식 펌핑 장치

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113689469A (zh) * 2021-08-24 2021-11-23 复旦大学附属中山医院 一种自动识别超声造影小肝癌病灶的方法及超声系统
WO2024147683A1 (ko) * 2023-01-07 2024-07-11 유한회사 닥터다비드 집단 지성을 이용한 정보 처리 시스템 및 그 방법
CN116434266A (zh) * 2023-06-14 2023-07-14 邹城市人民医院 一种医疗检验单的数据信息自动提取分析方法
CN116434266B (zh) * 2023-06-14 2023-08-18 邹城市人民医院 一种医疗检验单的数据信息自动提取分析方法
CN117456594A (zh) * 2023-11-15 2024-01-26 深圳市眼科医院(深圳市眼病防治研究所) 一种基于深度学习的眼球超声图像自动分类方法及系统

Similar Documents

Publication Publication Date Title
US10297352B2 (en) Diagnosis support apparatus, method of controlling diagnosis support apparatus, and program therefor
KR20210065228A (ko) 의료 영상 빅데이터를 이용한 초음파 병변 추출 방법
US7903861B2 (en) Method for classifying breast tissue density using computed image features
CN109035283B (zh) 一种基于随机选取分区的肺气肿精准检测与量化分析方法
DK2807630T3 (en) Processing and display of a breast image
CN110772286B (zh) 一种基于超声造影识别肝脏局灶性病变的系统
KR101840350B1 (ko) 의료 영상 판독 과정에서 사용자의 시선 정보를 이용한 판독 효율 증대 방법 및 그 장치
JPH03170130A (ja) 画像処理方法および装置
JP2008520345A (ja) 超音波画像における病変の検出及び分類方法、及びそのシステム
JP5456132B2 (ja) 診断支援装置、診断支援装置の制御方法、およびそのプログラム
CN103249358A (zh) 医用图像处理装置
CN110728239B (zh) 一种利用深度学习的胃癌增强ct图像自动识别系统
Verikas et al. Advances in laryngeal imaging
CN113855079A (zh) 基于乳腺超声影像的实时检测和乳腺疾病辅助分析方法
CN118262875A (zh) 一种医学影像诊断对比阅片方法
JP6832880B2 (ja) 学習用データ作成支援装置、学習用データ作成支援方法、および学習用データ作成支援プログラム
CN111265234A (zh) 一种肺部纵膈淋巴结的性质判定方法及系统
Arnold et al. Indistinct frame detection in colonoscopy videos
CN113838020B (zh) 一种基于钼靶影像的病变区域量化方法
WO2022153100A1 (en) A method for detecting breast cancer using artificial neural network
CN109993754B (zh) 从图像上进行颅骨分割的方法和系统
Rimskaya et al. Development Of A Mobile Application For An Independent Express Assessment Of Pigmented Skin Lesions
CN115148365B (zh) 用于预测中枢神经系统生殖细胞肿瘤预后的方法及系统
CN112862822B (zh) 一种超声乳腺肿瘤检测与分类方法、装置与介质
Markhande et al. A review on adaptive hierarchy segmentation of bone cancer using neural network in MATLAB