KR20210110541A - 인공 지능 기반 진단 보조 시스템 - Google Patents

인공 지능 기반 진단 보조 시스템 Download PDF

Info

Publication number
KR20210110541A
KR20210110541A KR1020210112651A KR20210112651A KR20210110541A KR 20210110541 A KR20210110541 A KR 20210110541A KR 1020210112651 A KR1020210112651 A KR 1020210112651A KR 20210112651 A KR20210112651 A KR 20210112651A KR 20210110541 A KR20210110541 A KR 20210110541A
Authority
KR
South Korea
Prior art keywords
artificial intelligence
medical image
reading
lesion
unit
Prior art date
Application number
KR1020210112651A
Other languages
English (en)
Other versions
KR102355818B1 (ko
Inventor
박준식
Original Assignee
서울대학교병원
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 서울대학교병원 filed Critical 서울대학교병원
Priority to KR1020210112651A priority Critical patent/KR102355818B1/ko
Publication of KR20210110541A publication Critical patent/KR20210110541A/ko
Application granted granted Critical
Publication of KR102355818B1 publication Critical patent/KR102355818B1/ko

Links

Images

Classifications

    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Computational Linguistics (AREA)
  • Surgery (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Radiology & Medical Imaging (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Artificial Intelligence (AREA)
  • Animal Behavior & Ethology (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

본 발명의 실시예에 따른 인공 지능 기반 진단 보조 시스템은, 의료 영상을 수신하는 수신부, 제1 인공 지능 알고리즘을 기반으로 상기 의료 영상으로부터 병변 위험 부위를 판단하는 병변 판단부 및 상기 병변 존재 가능 부위에 기초하여 전문 판독 분야를 선택하는 판독 분야 선택부를 포함한다.

Description

인공 지능 기반 진단 보조 시스템{Artificial intelligence aided system for assisting diagnostic}
본 발명은 인공 지능 기반 진단 보조 시스템에 관한 것으로서, 보다 상세하게는 인공 지능 알고리즘을 기반으로 의료 영상을 판독하는 인공 지능 기반 진단 보조 시스템에 관한 것이다.
최근, 인공 지능을 기반으로 한 알고리즘을 이용해 X-ray, MRI, CT 영상과 같은 의료 영상으로부터 병변을 판독하는 기술들에 대해 연구가 진행되고 있다. 이러한 인공 지능을 기반으로 병변을 판독하는 기술은 의사가 의료 영상으로부터 병변을 진단함에 있어 병변 판단에 대한 보조적 기능을 수행하여, 의사가 의료 영상을 판독하는 과정에서 발생할 수 있는 실수를 줄어들게 하고, 더욱 빠른 병변 진단을 가능하게 한다.
한국등록특허 제10-1818074호
본 발명이 해결하고자 하는 과제는, 인공 지능을 기반으로 의료 영상으로부터 병변을 판독하고 그 결과를 제공하는 인공 지능 기반 진단 보조 시스템을 제공하는 것이다.
본 발명의 과제들은 이상에서 언급한 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기 과제를 해결하기 위한 본 발명의 실시예에 따른 인공 지능 기반 진단 보조 시스템은, 의료 영상을 수신하는 수신부, 제1 인공 지능 알고리즘을 기반으로 상기 의료 영상으로부터 병변 위험 부위를 판단하는 병변 판단부 및 상기 병변 위험 부위에 기초하여 전문 판독 분야를 선택하는 판독 분야 선택부를 포함한다.
상기 병변 판단부는 전문 판독 결과를 수신하여 상기 제1 인공 지능 알고리즘을 재학습시킬 수 있다.
상기 판독 분야 선택부는 상기 병변 위험 부위와 관련한 질병 목록을 로드하고, 로드된 상기 질병 목록에 기초하여 상기 전문 판독 분야를 선택할 수 있다.
제2 인공 지능 알고리즘을 기반으로 상기 의료 영상의 촬영 부위 및 촬영 방향 중 적어도 하나를 판단하는 전처리부를 더 포함할 수 있다.
상기 전처리부의 판단 결과와 상기 의료 영상과 연계하여 미리 기록된 정보를 비교하여, 불일치하는 정보에 대해 알람을 표시하는 오류 검증부를 더 포함할 수 있다.
상기 전처리부는 상기 제2 인공 지능 알고리즘을 기반으로 상기 의료 영상이 사람의 신체를 촬영한 것인지 여부를 더 판단할 수 있다.
상기 전문 판독 분야에 대응하는 인공 지능 기반의 복수의 전문 판독 알고리즘을 포함하는 전문 판독부를 더 포함하고, 상기 전문 판독부는 상기 복수의 전문 판독 알고리즘 중 상기 판독 분야 선택부가 선택한 상기 전문 판독 분야에 대응하는 전문 판독 알고리즘을 이용해 상기 의료 영상에 대한 전문 판독을 수행할 수 있다.
본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
본 발명의 실시예들에 의하면 적어도 다음과 같은 효과가 있다.
인공 지능을 기반으로 의료 영상으로부터 병변을 판독하고 그 결과를 제공하므로 의료진이 의료 영상을 기초로 보다 정확하게 병변을 진단하는데 도움을 준다.
본 발명에 따른 효과는 이상에서 예시된 내용에 의해 제한되지 않으며, 더욱 다양한 효과들이 본 명세서 내에 포함되어 있다.
도 1은 본 발명의 제1 실시예에 따른 인공 지능 기반 진단 보조 시스템의 구성을 개략적으로 표현한 블록도이다.
도 2는 본 발명의 제1 실시예에 따른 인공 지능 기반 진단 보조 시스템을 이용한 인공 지능 기반 보조 진단 방법을 설명하기 위한 순서도이다.
도 3은 사람의 고관절 엑스레이 이미지와 개의 고관절 엑스레이 이미지를 비교 도시한 도면이다.
도 4는 사람의 두부, 흉부 및 복부의 CT 이미지를 각각 도시한 도면이다.
도 5는 사람의 흉부의 transverse plane과 coronal plane의 CT 이미지를 각각 도시한 도면이다.
도 6은 사람의 복부의 transverse plane과 coronal plane의 CT 이미지를 각각 도시한 도면이다.
도 7은 정상인과 우심증 환자의 엑스레이 이미지를 비교 도시한 도면이다.
도 8은 본 발명의 제2 실시예에 따른 인공 지능 기반 진단 보조 시스템의 구성을 개략적으로 표현한 블록도이다.
도 9는 본 발명의 제2 실시예에 따른 인공 지능 기반 진단 보조 시스템을 이용한 인공 지능 기반 보조 진단 방법을 설명하기 위한 순서도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
또한, 본 명세서에서 기술하는 실시예들은 본 발명의 이상적인 예시도인 단면도 및/또는 개략도들을 참고하여 설명될 것이다. 따라서, 제조 기술 및/또는 허용 오차 등에 의해 예시도의 형태가 변형될 수 있다. 또한, 본 발명에 도시된 각 도면에 있어서 각 구성 요소들은 설명의 편의를 고려하여 다소 확대 또는 축소되어 도시된 것일 수 있다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
이하, 본 발명의 실시예에 따른 인공 지능 기반 진단 보조 시스템과 이를 이용한 인공 지능 기반 보조 진단 방법을 설명하기 위한 도면들을 참고하여 본 발명에 대하여 설명하도록 한다.
도 1은 본 발명의 제1 실시예에 따른 인공 지능 기반 진단 보조 시스템의 구성을 개략적으로 표현한 블록도이고, 도 2는 본 발명의 제1 실시예에 따른 인공 지능 기반 진단 보조 시스템을 이용한 인공 지능 기반 진단 보조 방법을 설명하기 위한 순서도이고, 도 3은 사람의 고관절 엑스레이 이미지와 개의 고관절 엑스레이 이미지를 비교 도시한 도면이고, 도 4는 사람의 두부, 흉부 및 복수의 CT 이미지를 각각 도시한 도면이고, 도 5는 사람의 흉부의 transverse plane과 coronal plane의 CT 이미지를 각각 도시한 도면이며, 도 6은 사람의 복부의 transverse plane과 coronal plane의 CT 이미지를 각각 도시한 도면이고, 도 7은 정상인과 우심증 환자의 엑스레이 이미지를 비교 도시한 도면이다.
도 1에 도시된 바와 같이, 본 발명의 제1 실시예에 따른 인공 지능 기반 진단 보조 시스템(1)은 PACS(Picture Archiving Communications System, A)와 연결되어 사용될 수 있다.
PACS(A)는 현재 병원에서 널리 사용하고 있는 의료 영상 정보 시스템으로서, 병원에서 환자로부터 얻어진 의료 영상을 관리하는 의료 영상 정보 시스템의 일례를 제시한 것이며, 본 발명의 제1 실시예에 따른 인공 지능 기반 진단 보조 시스템(1)은 PACS 이외에도 다른 의료 영상 정보 시스템과 연결되어 사용될 수 있다. 이하에서는 설명의 편의를 위해, PACS(A)를 기준으로 설명한다.
인공 지능 기반 진단 보조 시스템(1)은 PACS(A)와 통신 가능하게 연결된다. 예를 들어, 인공 지능 기반 진단 보조 시스템(1)은 PACS(A)의 서버 또는 PACS(A)가 구동되는 컴퓨터 시스템과 통신 케이블을 통해 직접 연결되거나, PACS(A)와 연결되는 통신망에 유선 또는 무선으로 연결될 수 있다.
PACS(A)는 현재 병원에서 널리 사용하고 있는 의료 영상 정보 시스템으로서, 병원에서 환자로부터 얻어진 의료 영상을 관리하는 의료 영상 정보 시스템의 일례를 제시한 것이며, 본 발명의 제1 실시예에 따른 인공 지능 기반 진단 보조 시스템(1)은 PACS 이외에도 다른 의료 영상 정보 시스템과 연결되어 사용될 수 있다.
도 1에 도시된 바와 같이, 인공 지능 기반 진단 보조 시스템(1)은 수신부(10), 전처리부(20), 오류 검증부(30), 병변 판단부(40), 판독 분야 선택부(50) 및 전문 판독부(60)를 포함한다.
그리고 도 2에 도시된 바와 같이, 본 발명의 제1 실시예에 따른 인공 지능 기반 진단 보조 방법(1)은 의료 영상을 수신하는 단계(S11), 의료 영상을 검증하는 단계(S12), 오류 존재 여부를 판단하는 단계(S13), 불일치 정보를 표시하는 단계(S14), 병변 위험성을 판단하는 단계(S15), 전문 판독 분야를 선택하는 단계(S16), 전문 판독을 수행하는 단계(S17), 전문 판독 결과를 표시하는 단계(S18) 및 병변 판단부를 재학습하는 단계(S19)를 포함한다.
의료 영상을 수신하는 단계(S11)는 수신부(10)에 의해 수행된다.
의료 영상을 수신하는 단계(S11)에서 수신부(10)는 PACS(A)로부터 의료 영상을 수신한다. 의료 영상으로는, X-ray 영상, CT 영상 등의 방사선 영상, MRI 영상 등을 포함한다. 수신부(10)가 PACS(A)로부터 수신하는 의료 영상은 현재 일반적으로 사용되는 표준화된 의료 영상 정보인 다이콤(DICOM, Digital Imaging Communication in Medicine) 파일일 수 있다.
의료 영상을 검증하는 단계(S12)는 전처리부(20)에 의해 수행된다.
의료 영상을 검증하는 단계(S12)에서 전처리부(20)는 수신부(10)가 수신한 의료 영상에 대한 검증을 수행한다. 특히, 전처리부(20)는 인공 지능 알고리즘을 통해 수신한 의료 영상을 분석하여 의료 영상에 대한 검증을 수행한다.
전처리부(20)는 수신한 의료 영상이 사람의 신체 중 적어도 일부를 촬영한 것인지 여부를 판단할 수 있다. 예를 들어, 전처리부(20)의 인공 지능 알고리즘은 도 3에 도시된 바와 같은 사람의 고관절 엑스레이 이미지(A)와 개의 고관절 엑스레이 이미지(B)를 구별하고, 진단 적합성 또는 진단 유형을 판단할 수 있도록 구성될 수 있다.
즉, 인공 지능 기반 진단 보조 시스템(1)이 사람의 의료 영상을 분석하도록 설정된 경우, 전처리부(20)는 수신한 의료 영상이 사람의 신체를 촬영한 것인지 여부를 판단하고, 사람 이외의 동물의 의료 영상에 대해서는 진단 적합성이 없는 것으로 판단할 수 있다.
또는, 인공 지능 기반 진단 보조 시스템(1)이 사람의 의료 영상과 사람 이외의 동물의 의료 영상을 구별하여 진단하도록 설정된 경우, 전처리부(20)는 수신한 의료 영상을 사람의 것과 동물의 것으로 구별하여 진단 유형을 분류할 수 있다. 보다 구체적으로, 전처리부(20)의 인공 지능 알고리즘은 의료 영상을 기초로 사람의 의료 영상인지, 사람의 의료 영상이 아니라면 어떤 동물의 의료 영상인지를 판단할 수 있도록 구성될 수 있다.
또한, 전처리부(20)는 수신한 의료 영상의 촬영 부위를 판단할 수 있다. 예를 들어, 전처리부(20)의 인공 지능 알고리즘은 도 4에 도시된 바와 같은 사람의 두부 CT 이미지(A), 흉부 CT 이미지(B), 복부 CT 이미지(C)를 구별할 수 있도록 구성될 수 있다. 전처리부(20)의 인공 지능 알고리즘은 PACS(A)에서 수신한 다이콤 파일의 헤더 정보에 기록된 촬영 부위에 대한 정보가 아닌 이미지 정보만으로 촬영 부위를 판단한다.
또한, 전처리부(20)는 수신한 의료 영상의 촬영 방향을 판단할 수 있다. 일반적으로 의료 영상은 3가지 평면(sagittal plane, coronal plane, transverse plane)으로 촬영된다. 전처리부(20)의 인공 지능 알고리즘은 의료 영상의 이미지를 기초로 해당 의료 영상이 3가지의 평면 중 어느 평면으로 촬영된 것인지를 판단할 수 있도록 구성될 수 있다. 예를 들어, 전처리부(20)의 인공 지능 알고리즘은 도 5에 도시된 바와 같은 폐 CT의 transverse plane 이미지(A)와 coronal plane 이미지(B)를 구별할 수 있다. 또한, 도 6에 도시된 바와 같은 복부 CT의 transverse plane 이미지(A)와 coronal plane 이미지(B)를 구별할 수 있다.
또한, 전처리부(20)는 수신한 의료 영상이 오른쪽 신체에 대한 것인지 왼쪽 신체에 대한 것인지를 판단할 수 있다. 즉, 전처리부(20)의 인공 지능 알고리즘은 의료 영상의 이미지를 기초로 해당 영상이 신체의 좌측 부분(예를 들어, 왼팔, 왼쪽 다리, 왼쪽 신장, 왼쪽 폐 등)에 대한 것인지 우측 부분(예를 들어, 오른팔, 오른쪽 다리, 오른쪽 신장, 오른쪽 폐 등)에 대한 것인지를 판단할 수 있도록 구성될 수 있다.
또한, 전처리부(20)는 수신한 의료 영상이 우심증 및/또는 내장 역위증 환자의 것인지 여부를 판단할 수 있다. 예를 들어, 전처리부(20)의 인공 지능 알고리즘은 도 7에 도시된 바와 같은, 정상인의 의료 영상(A)과 우심증 환자의 의료 영상(B)을 구별하도록 구성될 수 있다.
전처리부(20)의 인공 지능 알고리즘은 전술한 바와 같은, 의료 영상이 사람의 것인지, 의료 영상이 신체의 어느 부위에 관한 것인지, 의료 영상이 어떤 방향으로 촬영된 것인지, 신체의 좌측 부분/우측 부분에 대한 것인지, 우심증 및/또는 내장 역위증 환자의 것인지 여부를 모두 판단할 수 있도록 구성될 수 있다.
또는, 전처리부(20)는 각 판단 기준에 따라 특화된 복수의 인공 지능 알고리즘을 포함하도록 구성될 수 있다. 예를 들어, 의료 영상이 사람의 것인지를 판단하는 인공 지능 알고리즘, 의료 영상이 신체의 어느 부위에 관한 것인지를 판단하는 인공 지능 알고리즘, 의료 영상이 어떤 방향으로 촬영된 것인지를 판단하는 인공 지능 알고리즘, 신체의 좌측 부분/우측 부분에 대한 것인지를 판단하는 인공 지능 알고리즘, 우심증 및/또는 내장 역위증 환자의 것인지를 판단하는 알고리즘 등이 개별적으로 전처리부(20)에 포함될 수 있다.
오류 존재 여부를 판단하는 단계(S13)는 오류 검증부(30)에 의해 수행된다.
오류 존재 여부를 판단하는 단계(S13)에서 오류 검증부(30)는 전처리부(20)의 판단 결과와 의료 영상과 연계하여 다이콤 파일의 헤더 정보에 미리 기록된 정보를 비교하고, 불일치하는 정보가 존재하는 경우에는 불일치 정보를 표시하는 단계(S14)가 진행되고, 불일치 정보가 존재한다는 알람과 함께 불일치하는 정보의 종류 및 해당 정보에 대한 전처리부(20)의 판단 결과를 화면 상에 표시할 수 있다. 사용자는 화면 상에 표시된 정보들을 바탕으로 의료 영상을 재확인하여 헤더 정보에 미리 기록된 정보에 오류가 존재하는 경우 이를 수정할 수 있다.
오류 검증부(30)에서 오류가 없는 것으로 판단된 의료 영상 또는 오류 검증부(30)에서 오류가 있는 것으로 판단하고 사용자가 이를 확인한 의료 영상은 병변 판단부(40)로 전달된다.
병변 위험성을 판단하는 단계(S15)는 병변 판단부(40)에 의해 수행된다.
병변 위험성을 판단하는 단계(S15)에서 병변 판단부(40)는 인공 지능 알고리즘을 바탕으로 의료 영상의 이미지를 기초로 병변이 존재할 것으로 추정되는 병변 위험 부위 및/또는 존재가 예상되는 병변 종류를 판단한다.
병변 판단부(40)의 인공 지능 알고리즘은 인공 지능을 이용해 의료 영상 이미지로부터 병변이 존재할 것으로 추정되는 병변 위험 부위 및/또는 병변 종류를 판단하는 것으로 전처리부(20)의 인공 지능 알고리즘과는 다른 것일 수 있다.
병변 판단부(40)의 인공 지능 알고리즘은 학습을 통해 의료 영상의 이미지로부터 병변 위험 부위 및/또는 병변 종류를 판단할 수 있다.
병변 판단부(40)가 의료 영상의 이미지에서 병변 위험 부위 및/또는 병변 종류를 발견한 경우에는 해당 정보(병변 위험 부위 및/또는 병변 종류 등)를 판독 분야 선택부(50)로 전달한다.
전문 판독 분야를 선택하는 단계(S16)는 판독 분야 선택부(50)에 의해 수행된다.
전문 판독 분야를 선택하는 단계(S16)에서 판독 분야 선택부(50)는 병변 판단부(40)가 판단한 병변 위험 부위 및/또는 병변 종류에 따라 전문 판독 분야를 선택한다. 판독 분야 선택부(50)는 병변 위험 부위 및/또는 병변 종류에 따른 질병 목록들이 저장된 메모리를 포함할 수 있으며, 판독 분야 선택부(50)는 메모리에 저장된 질병 목록들을 로드하여 병변 판단부(40)가 판단한 병변 위험 부위 및/또는 병변 종류와 비교하고, 전문 판독 분야를 선택한다.
예를 들어, 병변 판단부(40)가 폐에서 병변이 존재할 것으로 예상된다고 판단한 경우, 판독 분야 선택부(50)는 폐에서 발병할 수 있는 질병 목록(폐암, 폐렴 등)들을 로드한 후, 질병 목록들과 대응하는 전문 판독 분야를 선택할 수 있다.
전문 판독을 수행하는 단계(S17)는 전문 판독부(60)에 의해 수행된다.
전문 판독부(60)는 전문 판독 분야별로 특화된 인공 지능 기반의 전문 판독 알고리즘을 포함한다. 예를 들어, 전문 판독부(60)는 폐암 진단용 인공 지능 전문 판독 프로그램, 폐렴 진단용 인공 지능 전문 판독 프로그램, 뇌종양 진단용 인공 지능 전문 판독 프로그램, 뇌혈관 진단용 인공 지능 전문 판독 프로그램 등, 병변 부위별, 병변 종류별로 세분화된 복수의 인공 지능 전문 판독 프로그램을 포함할 수 있다.
전문 판독부(60)는 판독 분야 선택부(50)가 선택한 전문 판독 분야에 대응하는 인공 지능 전문 판독 알고리즘으로 의료 영상을 판독하고, 전문 판독 결과를 표시하는 단계(S18)에서 판독 결과를 화면 상에 표시하는 등의 방식으로 사용자에게 전달할 수 있다.
예를 들어, 병변 판단부(40)가 병변 위험 부위로 폐를 지목하고 판독 분야 선택부(50)가 전문 판독 분야로 폐암과 폐렴을 선택한 경우, 전문 판독부(60)는 폐암 진단용 인공 지능 전문 판독 프로그램과 폐렴 진단용 인공 지능 전문 판독 프로그램을 사용하여 의료 영상을 판독할 수 있고, 병변 판단부(40)가 병변 종류로 뇌종양을 지목하고 판독 분야 선택부(50)가 전문 판독 분야로 뇌종양을 선택한 경우, 전문 판독부(60)는 뇌종양 진단용 인공 지능 전문 판독 프로그램을 사용하여 의료 영상을 판독할 수 있다.
병변 판단부를 재학습하는 단계(S19)에서 전문 판독부(60)가 판독한 결과는 병변 판단부(40)로 전달되며 병변 판단부(40)의 인공 지능 알고리즘은 전문 판독부(60)가 판독한 결과를 재학습한다.
상술한 본 발명의 제1 실시예에 따른 인공 지능 기반 진단 보조 시스템과 이를 이용한 인공 지능 기반 보조 진단 방법에 따르면, 인공 지능을 기반으로 의료 영상으로부터 병변을 판독하고 그 결과를 제공하므로 의료진이 의료 영상을 기초로 보다 정확하게 병변을 진단하는데 도움을 준다.
인공 지능에 기반한 알고리즘을 이용해 PACS(A)로부터 전달된 의료 영상 정보에 오류가 존재하는지 여부를 점검하므로, 의료진 등에 실수로 의료 영상에 대한 정보가 잘못 입력된 케이스를 포착하여 의료 사고의 가능성을 줄일 수 있다.
또한, 인공 지능에 기반한 알고리즘을 이용해 병변 위험 부위 및/또는 병변 종류를 1차적으로 판단한 이후, 이를 기초로 전문 판독 분야를 선택하고, 선택된 전문 판독 분야에 특화된 인공 지능 알고리즘을 선택하여 의료 영상을 판독하므로, 의료 영상으로부터 보다 정확하게 병변의 존재를 판독할 수 있다.
또한, 전문 판독 결과를 재학습하도록 하여 병변 판단부(40)의 병변 위험성에 대한 판단 정확성을 향상시킨다.
이하에서는 본 발명의 제2 실시예에 따른 인공 지능 기반 진단 보조 시스템과 이를 이용한 인공 지능 기반 보조 진단 방법에 대해 설명한다. 설명의 편의를 위하여 제1 실시예와 유사한 부분은 동일한 도면부호를 사용하고, 제1 실시예와 공통되는 부분은 그 설명을 생략한다.
도 8은 본 발명의 제2 실시예에 따른 인공 지능 기반 진단 보조 시스템의 구성을 개략적으로 표현한 블록도이고, 도 9는 본 발명의 제2 실시예에 따른 인공 지능 기반 진단 보조 시스템을 이용한 인공 지능 기반 진단 보조 방법을 설명하기 위한 순서도이다.
도 8에 도시된 바와 같이, 본 발명의 제2 실시예에 따른 인공 지능 기반 진단 보조 시스템(2)은, 전술한 제1 실시예에 따른 인공 지능 기반 진단 보조 시스템(1)과 비교하여, 전문 판독부(60)를 포함하지 않는다.
그리고 도 9에 도시된 바와 같이, 본 발명의 제2 실시예에 따른 인공 지능 기반 진단 보조 시스템은, 전술한 제1 실시예에 따른 인공 지능 기반 보조 진단 방법과 비교하여, 전문 판독을 수행하는 단계(S17)를 포함하지 않고, 대신 전문 판독 시스템으로 의료 영상을 전송하는 단계(S21)와 전문 판독 결과를 수신하는 단계(S22)를 더 포함한다.
즉, 본 발명의 제2 실시예에 따른 인공 지능 기반 진단 보조 시스템(2)은 의료 영상에 대한 전문 판독을 외부의 전문 판독 시스템(61, 62, 63)에 맡기고, 외부의 전문 판독 시스템(61, 62, 63)으로부터 전문 판독 결과를 수신한다.
외부의 전문 판독 시스템(61, 62, 63)은 인공 지능 기반 진단 보조 시스템(2)의 운영/관리 주체와 다른 주체가 운영/관리할 수 있으며, 외부의 전문 판독 시스템(61, 62, 63)은 인공 지능 기반 진단 보조 시스템(2)과 유무선 통신망을 통해 연결될 수 있다. 외부의 전문 판독 시스템(61, 62, 63)은 각각 서로 다른 주체에 의해 운연/관리될 수도 있다.
본 발명의 제2 실시예에 따른 인공 지능 기반 진단 보조 시스템 및 이를 이용한 인공 지능 기반 진단 보조 방법에 따르면, S11 단계부터 S15 단계는 전술한 제1 실시예와 유사하게 진행되며, 수신부(10), 전처리부(20), 오류 검증부(30), 병변 판단부(40) 및 판독 분야 선택부(50)의 기능 역시 유사하다.
다만, 전문 판독 시스템으로 의료 영상을 전송하는 단계(S21)에서 판독 분야 선택부(50)는 선택한 전문 판독 분야에 따라 외부의 전문 판독 시스템(61, 62, 63) 중 어느 하나로 의료 영상을 전송한다. 예를 들어, 판독 분야 선택부(50)가 전문 판독 분야로 폐암과 폐렴을 선택한 경우, 판독 분야 선택부(50)는 외부의 전문 판독 시스템(61, 62, 63) 중 폐암 진단용 인공 지능 전문 판독 프로그램으로 폐암을 판독하는 시스템과 폐렴 진단용 인공 지능 전문 판독 프로그램으로 폐렴을 판독하는 시스템으로 각각 의료 영상을 전송할 수 있다.
전문 판독 결과를 수신하는 단계(S22)에서 인공 지능 기반 진단 보조 시스템(2)은 의료 영상을 전송한 외부의 전문 판독 시스템(61, 62, 63)으로부터 전문 판독 결과를 수신한다. 전문 판독 결과를 수신하는 단계(S22)는 수신부(10)에 의해 수행될 수 있으나, 이에 한정되지 않으며, PACS(A)로부터 의료 영상을 수신하는 수신부(10) 이외에 별도의 수신부가 구비되어 외부의 전문 판독 시스템(61, 62, 63)으로부터 판독 결과를 수신하도록 구성될 수도 있다.
인공 지능 기반 진단 보조 시스템(2)은 전문 판독 결과를 수신한 이후, S18 단계와 S19 단계를 진행한다. S18 단계와 S19 단계는 상술하였으므로, 이에 대한 구체적인 설명은 생략한다.
본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
1, 2: 인공 지능 기반 진단 보조 시스템 10: 수신부
20: 전처리부 30: 오류 검증부
40: 병변 판단부 50: 판독 분야 선택부
60: 전문 판독부 61 ~ 63: 전문 판독 시스템
A: PACS

Claims (10)

  1. 의료 영상을 수신하는 수신부;
    제2 인공 지능 알고리즘을 기반으로 상기 의료 영상의 촬영 부위 및 촬영 방향 중 적어도 하나를 판단하는 전처리부;
    상기 전처리부의 판단 결과와 상기 의료 영상과 연계하여 미리 기록된 정보를 비교하여, 불일치하는 정보의 존재를 확인하는 오류 검증부;
    상기 오류 검증부에 의해 상기 불일치하는 정보의 존재가 없는 것으로 확인된 상기 의료 영상으로부터 제1 인공 지능 알고리즘을 기반으로 병변 위험 부위를 판단하는 병변 판단부; 및
    상기 병변 위험 부위에 기초하여 병변의 종류별 전문 판독 분야를 선택하는 판독 분야 선택부를 포함하는 인공 지능 기반 진단 보조 시스템.
  2. 제1항에 있어서,
    상기 병변 판단부는 전문 판독 결과를 수신하여 상기 제1 인공 지능 알고리즘을 재학습시키는, 인공 지능 기반 진단 보조 시스템.
  3. 제1항에 있어서,
    상기 판독 분야 선택부는 상기 병변 위험 부위와 관련한 질병 목록을 로드하고, 로드된 상기 질병 목록에 기초하여 상기 전문 판독 분야를 선택하는, 인공 지능 기반 진단 보조 시스템.
  4. 제1항에 있어서,
    상기 오류 검증부는 상기 불일치하는 정보가 존재하는 경우 알람을 표시하는, 인공 지능 기반 진단 보조 시스템.
  5. 제1항에 있어서,
    상기 전처리부는 상기 제2 인공 지능 알고리즘을 기반으로 상기 의료 영상이 사람의 신체를 촬영한 것인지 여부를 더 판단하는, 인공 지능 기반 진단 보조 시스템.
  6. 제1항에 있어서,
    상기 전문 판독 분야에 대응하는 인공 지능 기반의 복수의 전문 판독 알고리즘을 포함하는 전문 판독부를 더 포함하고,
    상기 전문 판독부는 상기 복수의 전문 판독 알고리즘 중 상기 판독 분야 선택부가 선택한 상기 전문 판독 분야에 대응하는 전문 판독 알고리즘을 이용해 상기 의료 영상에 대한 전문 판독을 수행하는, 인공 지능 기반 진단 보조 시스템.
  7. 제1항에 있어서,
    상기 전처리부는 상기 제2 인공 지능 알고리즘을 기반으로 상기 의료 영상이 3가지 평면(sagittal plane, coronal plane, transverse plane) 중 어느 평면으로 촬영된 것인지를 판단하는, 인공 지능 기반 진단 보조 시스템.
  8. 제1항에 있어서,
    상기 전처리부는 상기 제2 인공 지능 알고리즘을 기반으로 상기 의료 영상이 신체의 좌측 부분에 대한 것인지 또는 우측 부분에 대한 것인지를 판단하는, 인공 지능 기반 진단 보조 시스템.
  9. 제1항에 있어서,
    상기 전처리부는 상기 제2 인공 지능 알고리즘을 기반으로 상기 의료 영상이 우심증 환자의 것인지 여부를 판단하는, 인공 지능 기반 진단 보조 시스템.
  10. 제1항에 있어서,
    상기 전처리부는 상기 제2 인공 지능 알고리즘을 기반으로 상기 의료 영상이 내장 역위증 환자의 것인지 여부를 판단하는, 인공 지능 기반 진단 보조 시스템.
KR1020210112651A 2019-06-25 2021-08-25 인공 지능 기반 진단 보조 시스템 KR102355818B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210112651A KR102355818B1 (ko) 2019-06-25 2021-08-25 인공 지능 기반 진단 보조 시스템

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020190075839A KR20210000553A (ko) 2019-06-25 2019-06-25 인공 지능 기반 진단 보조 시스템
KR1020210112651A KR102355818B1 (ko) 2019-06-25 2021-08-25 인공 지능 기반 진단 보조 시스템

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020190075839A Division KR20210000553A (ko) 2019-06-25 2019-06-25 인공 지능 기반 진단 보조 시스템

Publications (2)

Publication Number Publication Date
KR20210110541A true KR20210110541A (ko) 2021-09-08
KR102355818B1 KR102355818B1 (ko) 2022-02-08

Family

ID=74141064

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020190075839A KR20210000553A (ko) 2019-06-25 2019-06-25 인공 지능 기반 진단 보조 시스템
KR1020210112651A KR102355818B1 (ko) 2019-06-25 2021-08-25 인공 지능 기반 진단 보조 시스템

Family Applications Before (1)

Application Number Title Priority Date Filing Date
KR1020190075839A KR20210000553A (ko) 2019-06-25 2019-06-25 인공 지능 기반 진단 보조 시스템

Country Status (1)

Country Link
KR (2) KR20210000553A (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102459723B1 (ko) 2022-03-21 2022-10-27 주식회사 타이로스코프 이미지 검증 방법, 그를 수행하는 진단 시스템 및 그를 수행하는 방법이 기록된 컴퓨터로 판독가능한 기록매체
KR102598233B1 (ko) * 2022-06-07 2023-11-07 충북대학교병원 의료 영상을 대상으로 하는 딥러닝 기반의 의료정보 제공시스템 및 방법
US11972603B2 (en) 2022-03-21 2024-04-30 Thyroscope Inc. Image verification method, diagnostic system performing same, and computer-readable recording medium having the method recorded thereon

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102389628B1 (ko) * 2021-07-22 2022-04-26 주식회사 클라리파이 의료영상의 병변 특징에 따른 영상처리 장치 및 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140042531A (ko) * 2012-09-28 2014-04-07 삼성전자주식회사 카테고리별 진단 모델을 이용한 병변 진단 장치 및 방법
KR101818074B1 (ko) 2017-07-20 2018-01-12 (주)제이엘케이인스펙션 인공지능 기반 의료용 자동 진단 보조 방법 및 그 시스템
KR20180040287A (ko) * 2016-10-12 2018-04-20 (주)헬스허브 기계학습을 통한 의료영상 판독 및 진단 통합 시스템
KR101857624B1 (ko) * 2017-08-21 2018-05-14 동국대학교 산학협력단 임상 정보를 반영한 의료 진단 방법 및 이를 이용하는 장치
KR20190060606A (ko) * 2017-11-24 2019-06-03 삼성전자주식회사 의료 영상 진단 장치 및 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140042531A (ko) * 2012-09-28 2014-04-07 삼성전자주식회사 카테고리별 진단 모델을 이용한 병변 진단 장치 및 방법
KR20180040287A (ko) * 2016-10-12 2018-04-20 (주)헬스허브 기계학습을 통한 의료영상 판독 및 진단 통합 시스템
KR101818074B1 (ko) 2017-07-20 2018-01-12 (주)제이엘케이인스펙션 인공지능 기반 의료용 자동 진단 보조 방법 및 그 시스템
KR101857624B1 (ko) * 2017-08-21 2018-05-14 동국대학교 산학협력단 임상 정보를 반영한 의료 진단 방법 및 이를 이용하는 장치
KR20190060606A (ko) * 2017-11-24 2019-06-03 삼성전자주식회사 의료 영상 진단 장치 및 방법

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102459723B1 (ko) 2022-03-21 2022-10-27 주식회사 타이로스코프 이미지 검증 방법, 그를 수행하는 진단 시스템 및 그를 수행하는 방법이 기록된 컴퓨터로 판독가능한 기록매체
WO2023182727A1 (en) * 2022-03-21 2023-09-28 Thyroscope Inc. Image verification method, diagnostic system performing same, and computer-readable recording medium having the method recorded thereon
US11972603B2 (en) 2022-03-21 2024-04-30 Thyroscope Inc. Image verification method, diagnostic system performing same, and computer-readable recording medium having the method recorded thereon
KR102598233B1 (ko) * 2022-06-07 2023-11-07 충북대학교병원 의료 영상을 대상으로 하는 딥러닝 기반의 의료정보 제공시스템 및 방법

Also Published As

Publication number Publication date
KR20210000553A (ko) 2021-01-05
KR102355818B1 (ko) 2022-02-08

Similar Documents

Publication Publication Date Title
KR102355818B1 (ko) 인공 지능 기반 진단 보조 시스템
KR102243830B1 (ko) 통합 의료 진단 서비스 제공 시스템 및 그 방법
KR101887194B1 (ko) 피검체의 의료 영상의 판독을 지원하는 방법 및 이를 이용한 장치
US11978548B2 (en) Apparatus and method for processing medical image using predicted metadata
US20090083075A1 (en) System and method for analyzing medical data to determine diagnosis and treatment
US10013528B2 (en) Medical image storing method, information exchanging method, and apparatuses
JP6885896B2 (ja) 自動レイアウト装置および自動レイアウト方法並びに自動レイアウトプログラム
KR101415619B1 (ko) 가시적 무손실 압축을 이용한 의료 영상 압축 시스템 및 방법
KR20130018168A (ko) 의료 이미지 데이터 세트의 정합 품질의 시각화 방법 및 장치
JP5273832B2 (ja) 医療映像処理システム及び医療映像処理方法ならびに医療映像処理プログラム
JP2019109553A (ja) 情報処理装置及び情報処理方法
WO2009050676A1 (en) Pathology-related magnetic resonance imaging
WO2019176407A1 (ja) 学習支援装置、学習支援方法、学習支援プログラム、関心領域判別装置、関心領域判別方法、関心領域判別プログラム及び学習済みモデル
US20220101526A1 (en) Method for generating a trained machine learning algorithm
JP6843785B2 (ja) 診断支援システム、診断支援方法、及びプログラム
KR102387928B1 (ko) 의료영상을 기초로 인체 조직을 분석하는 방법 및 그 장치
KR102254365B1 (ko) 의료영상 처리 방법
JP2023134655A (ja) 医療映像分析方法、医療映像分析装置及び医療映像分析システム
JP6967983B2 (ja) 画像処理装置、画像処理方法、及びプログラム
JP2020006150A (ja) 基準系の妥当性
JP2020024478A (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
JP7404857B2 (ja) 画像判定装置、画像判定方法及びプログラム
CN115953406B (zh) 用于医学图像配准的匹配方法、装置、设备及可读介质
US11587232B1 (en) Systems and methods for preventing errors in medical imaging
US20230326023A1 (en) Method and system for generating label of medical image

Legal Events

Date Code Title Description
A107 Divisional application of patent
E701 Decision to grant or registration of patent right