KR20220050014A - 영상 분석을 위한 사용자 인터페이스 - Google Patents
영상 분석을 위한 사용자 인터페이스 Download PDFInfo
- Publication number
- KR20220050014A KR20220050014A KR1020210019002A KR20210019002A KR20220050014A KR 20220050014 A KR20220050014 A KR 20220050014A KR 1020210019002 A KR1020210019002 A KR 1020210019002A KR 20210019002 A KR20210019002 A KR 20210019002A KR 20220050014 A KR20220050014 A KR 20220050014A
- Authority
- KR
- South Korea
- Prior art keywords
- nodule
- image
- information
- data
- cross
- Prior art date
Links
- 238000000034 method Methods 0.000 claims abstract description 77
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 48
- 238000013135 deep learning Methods 0.000 claims abstract description 47
- 238000010191 image analysis Methods 0.000 claims abstract description 23
- 230000008859 change Effects 0.000 claims description 60
- 238000012790 confirmation Methods 0.000 claims description 33
- 230000004044 response Effects 0.000 claims description 31
- 230000011218 segmentation Effects 0.000 claims description 29
- 206010028980 Neoplasm Diseases 0.000 claims description 26
- 201000011510 cancer Diseases 0.000 claims description 26
- 230000036210 malignancy Effects 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 description 65
- 238000010586 diagram Methods 0.000 description 18
- 230000008569 process Effects 0.000 description 17
- 238000003860 storage Methods 0.000 description 16
- 238000004891 communication Methods 0.000 description 15
- 238000005516 engineering process Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 12
- 238000012549 training Methods 0.000 description 12
- 239000007787 solid Substances 0.000 description 11
- 230000003287 optical effect Effects 0.000 description 9
- 238000002591 computed tomography Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 5
- 230000033001 locomotion Effects 0.000 description 5
- 241000282326 Felis catus Species 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000003211 malignant effect Effects 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000000052 comparative effect Effects 0.000 description 2
- 238000004195 computer-aided diagnosis Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 210000004072 lung Anatomy 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000005055 memory storage Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 1
- 230000003187 abdominal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 239000010408 film Substances 0.000 description 1
- 201000005202 lung cancer Diseases 0.000 description 1
- 208000020816 lung neoplasm Diseases 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
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
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- 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
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- 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
- 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
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Databases & Information Systems (AREA)
- Radiology & Medical Imaging (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
Abstract
본 개시의 일 실시예에 따라, 사용자 단말에서 영상 분석을 위한 사용자 인터페이스(UI)를 제공하는 방법으로서, 상기 방법은, 제 1 영상과 관련된 제 1 단면 영상, 제 2 단면 영상 및 제 3 단면 영상을 상기 사용자 인터페이스의 제 1 영역에 디스플레이 하는 단계; 상기 제 1 영상과 관련된 후보 결절 정보를 상기 제 1 단면 영상, 상기 제 2 단면 영상 또는 상기 제 3 단면 영상 중 적어도 하나에 디스플레이 하는 단계; 상기 사용자 인터페이스 상에서의 사용자 입력에 기초하여, 상기 사용자 입력과 연관된 상기 후보 결절 정보를 상기 제 1 영상과 관련된 제 1 결절 정보로 결정하는 단계; 상기 사용자 입력과 연관된 상기 후보 결절 정보가 상기 제 1 결절 정보로 대체되는 방식으로, 상기 제 1 결절 정보를 디스플레이 하는 단계; 를 포함하되, 상기 후보 결절 정보는,서버에서, 상기 영상에 존재하는 결절을 검출하는 딥러닝 알고리즘에, 상기 제 1 영상을 입력하여 획득된 제 1 결절 데이터 세트에 기초하여 생성될 수 있다.
Description
본 개시는 영상 분석 기술에 관한 것으로, 구체적으로 폐 CT 영상 등의 의료 영상 분석을 위한 사용자 인터페이스에 관한 것이다.
의료 영상, 특히 X선, CT(Computed Tomography), MRI(Magnetic Resonance Imaging), 초음파(Ultra Sound) 등의 의료 영상은, 신체의 내부, 예컨대, 폐, 기관지, 심장 등의 이상을 관찰할 수 있어 판독용으로 빈번히 이용된다.
의료 영상을 통하여 판독될 수 있는 몇몇 소견들은 영상의학과 의사도 다년간의 수련을 통하여만 이에 대응되는 특징 및 형태를 가까스로 구분해낼 수 있을 정도로 그 판독이 용이하지 않아 인간인 의사가 쉽게 간과할 수 있다. 특히, 결절(nodule)과 같이 그 판독의 난이도가 높을수록 의사가 고도의 주의를 기울여도 미처 간과하는 경우가 발생할 수 있어 문제가 될 소지가 있다.
이와 같이 인간이 쉽게 간과할 수 있는 영상의 판독을 보조하기 위하여, 컴퓨터 보조 진단(CAD; Computer Aided Diagnosis)의 필요성이 대두되었는데, 종래의 CAD 기술은 매우 한정된 영역에서 의사의 판단을 보조함에 그친다.
예컨대, 대한민국 공개특허공보 제10-2014-0091176호에는, 병변의 진단을 보조하기 위한 장치 및 방법이 개시되어 있다. 그런데, 이 선행기술문헌에는 병변 주변 영역을 판단하는 판단 모델(혹은 선행기술문헌에서 이와 혼용된 단어로서 ‘판정 모델’)이 수행되는 과정이나 통계학적 내지 전산학적 단계들이 구체적으로 개시되어 있지 않아, 해당 기술분야에서 통상의 지식을 가진 사람(이하 ‘통상의 기술자’라 함)이 그 개시 내용을 읽고 기술을 실시할 수 없다는 문제점이 있다.
본 개시는 전술한 배경기술에 대응하여 안출된 것으로, 영상 분석을 위한 사용자 인터페이스 제공에 관한 것이다.
본 개시의 기술적 과제들은 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
전술한 배경기술에 대응하여 안출된, 사용자 단말에서 영상 분석을 위한 사용자 인터페이스(UI)를 제공하는 방법으로서, 상기 방법은, 제 1 영상과 관련된 제 1 단면 영상, 제 2 단면 영상 및 제 3 단면 영상을 상기 사용자 인터페이스의 제 1 영역에 디스플레이 하는 단계; 상기 제 1 영상과 관련된 후보 결절 정보를 상기 제 1 단면 영상, 상기 제 2 단면 영상 또는 상기 제 3 단면 영상 중 적어도 하나에 디스플레이 하는 단계; 상기 사용자 인터페이스 상에서의 사용자 입력에 기초하여, 상기 사용자 입력과 연관된 상기 후보 결절 정보를 상기 제 1 영상과 관련된 제 1 결절 정보로 결정하는 단계; 상기 사용자 입력과 연관된 상기 후보 결절 정보가 상기 제 1 결절 정보로 대체되는 방식으로, 상기 제 1 결절 정보를 디스플레이 하는 단계; 를 포함하되, 상기 후보 결절 정보는, 서버에서, 상기 영상에 존재하는 결절을 검출하는 딥러닝 알고리즘에, 상기 제 1 영상을 입력하여 획득된 제 1 결절 데이터 세트에 기초하여 생성될 수 있다.
또한, 상기 후보 결절 정보를 상기 제 1 영상과 관련된 상기 제 1 결절 정보로 결정하는 단계는: 상기 사용자 입력이 변경 입력인 경우, 상기 변경 입력에 기초하여 상기 후보 결절 정보를 변경하고, 그리고 상기 변경된 후보 결절 정보를 상기 제 1 결절 정보로 결정하는 단계; 및 상기 변경 입력이 수신되지 않거나, 또는 상기 사용자 입력이 확인 입력인 경우, 상기 후보 결절 정보를 상기 제 1 결절 정보로 결정하는 단계; 를 포함할 수 있다.
또한, 상기 방법은, 상기 제 1 결절 데이터 세트에 기초하여 상기 후보 결절 정보 또는 상기 제 1 결절 정보와 연관되도록 생성되는 제 1 결절 상세정보를, 상기 사용자 인터페이스의 제 2 영역에 디스플레이 하는 단계; 를 더 포함하고, 상기 제 1 결절 상세정보는 상기 사용자 입력을 수신 가능할 수 있다.
또한, 상기 방법은, 상기 1 결절 정보 또는 상기 제 1 결절 상세정보를 상기 제 1 결절 데이터 세트에 반영하여, 제 2 결절 데이터 세트를 생성하는 단계; 를 더 포함하며, 상기 생성된 제 2 결절 데이터 세트는 상기 서버로 전송 가능할 수 있다.
또한, 상기 제 1 결절 데이터 세트는 하나 이상의 결절 데이터를 포함하며, 그리고 상기 결절 데이터는, 상기 결절에 대한 식별 데이터, 위치 데이터, 분할(segmentation) 데이터, 직경(diameter) 데이터, 부피(volume) 데이터, 유형 분류(classification) 데이터, Lung-RADS Score 데이터, 및 악성 위험도(malignancy risk) 데이터 중 적어도 하나를 포함할 수 있다.
또한, 상기 제 1 영상과 관련된 상기 후보 결절 정보를 상기 제 1 단면 영상, 상기 제 2 단면 영상 또는 상기 제 3 단면 영상 중 적어도 하나에 디스플레이 하는 단계는, 상기 직경 데이터에 적어도 기초하여, 상기 제 1 단면 영상, 상기 제 2 단면 영상, 또는 상기 제 3 단면 영상 중, 상기 결절의 직경이 가장 큰 값을 갖는 단면 영상에 상기 후보 결절 정보를 디스플레이 할 수 있다.
또한, 상기 방법은, 상기 제 1 단면 영상, 상기 제 2 단면 영상, 또는 상기 제 3 단면 영상에서의 상기 사용자의 결절 추가 입력에 응답하여, 상기 결절 추가 입력에 대응하는 영역에 존재하는 추가 결절에 대한 추가 결절 데이터를 상기 사용자로부터 입력 받는 단계; 및 상기 추가 결절 데이터에 기초하여 생성된 추가 결절 정보를 디스플레이 하는 단계; 를 더 포함할 수 있다.
또한, 상기 방법은, 상기 제 1 단면 영상, 상기 제 2 단면 영상, 또는 상기 제 3 단면 영상에서의 상기 사용자의 결절 추가 입력에 응답하여, 상기 서버에 상기 결절 추가 입력에 대한 연산을 요청하는 단계; 및 상기 연산으로부터 획득되는 추가 결절 데이터를, 상기 서버로부터 수신하고, 그리고 상기 수신된 추가 결절 데이터에 기초하여 생성된 추가 결절 정보를 디스플레이 하는 단계; 를 더 포함하고, 상기 연산은, 상기 서버에서, 상기 결절 추가 입력에 대응하는 영역을 상기 딥러닝 알고리즘에 입력하여, 상기 결절 추가 입력에 대응하는 영역에 존재하는 추가 결절에 대한 데이터인 상기 추가 결절 데이터를 획득할 수 있다.
또한, 상기 추가 결절 정보를 디스플레이 하는 단계는: 상기 추가 결절 데이터에 기초하여 생성된 추가 결절 정보를 상기 제 1 단면 영상, 상기 제 2 단면 영상 또는 상기 제 3 단면 영상 중 적어도 하나에 추가로 디스플레이 하고, 그리고 상기 추가 결절 데이터에 기초하여 상기 추가 결절 정보와 연관되도록 생성된 추가 결절 상세 정보를 상기 사용자 인터페이스의 제 2 영역에 디스플레이 하는 단계; 를 포함할 수 있다.
또한, 상기 방법은, 상기 제 1 영상을 포함하는 영상 목록을 상기 사용자 인터페이스의 제 3 영역에 디스플레이 하는 단계; 를 더 포함할 수 있다.
또한, 상기 방법은, 상기 제 1 영상에 대한 선택 입력에 응답하여, 상기 제 1 영상과 관련된 관련영상의 목록을 상기 사용자 인터페이스의 제 4 영역에 디스플레이 하는 단계; 를 더 포함하며, 그리고 상기 관련영상은, 상기 제 1 영상의 촬영 시점보다 이전 시점에 상기 제 1 영상의 피촬영자와 동일한 피촬영자를 대상으로 촬영된 영상일 수 있다.
또한, 상기 방법은, 상기 관련영상 중 제 2 영상에 대한 상기 사용자의 비교선택 입력에 응답하여, 상기 제 1 영상과 관련된 제 1 비교용 단면 영상 및 상기 제 2 영상과 관련된 제 2 비교용 단면 영상을 상기 제 1 영역에 디스플레이 하는 단계; 를 더 포함할 수 있다.
또한, 상기 제 1 비교용 단면 영상 및 상기 제 2 비교용 단면 영상은 연동하여 디스플레이 될 수 있다.
또한, 상기 방법은, 제 3 결절 데이터 세트에 기초하여 생성된 제 2 결절 정보를 상기 제 1 비교용 단면 영상에 추가로 디스플레이 하는 단계; 를 더 포함하고, 상기 제 3 결절 데이터 세트는, 상기 제 1 영상에 존재하는 결절의 변화를 식별하기 위해, 상기 딥러닝 알고리즘을 통해 상기 제 1 영상과 상기 제 2 영상을 정합함으로써 획득되며, 그리고 상기 제 2 결절 정보는, 상기 결정된 제 1 결절 정보를 반영하여 갱신된 상기 제 3 결절 데이터 세트에 기초하여 생성될 수 있다.
또한, 상기 방법은, 상기 갱신된 제 3 결절 데이터 세트에 기초하여 제 2 결절 정보와 연관되도록 생성되는 제 2 결절 상세정보를, 상기 제 2 영역에 추가로 디스플레이 하는 단계; 를 더 포함하며, 그리고 상기 제 2 결절 상세정보는 상기 제 1 결절 상세정보와 시각적으로 구분될 수 있다.
또한, 상기 방법은, 상기 제 1 영상에 대한 리포트 요청 입력을 수신하는 단계; 상기 제 2 결절 정보가 존재하지 않는 경우, 상기 제 1 결절 정보에 기초하여 리포트를 생성하는 단계; 및 상기 제 2 결절 정보가 존재하는 경우, 상기 제 2 결절 정보에 기초하여 상기 리포트를 생성하는 단계; 를 더 포함할 수 있다.
본 개시에서 얻을 수 있는 기술적 해결 수단은 이상에서 언급한 해결 수단들로 제한되지 않으며, 언급하지 않은 또 다른 해결 수단들은 아래의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 개시의 몇몇 실시예에 따르면, 영상 분석을 위한 사용자 인터페이스를 제공할 수 있다.
본 개시에서 얻을 수 있는 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
다양한 양상들이 이제 도면들을 참조로 기재되며, 여기서 유사한 참조 번호들은 총괄적으로 유사한 구성요소들을 지칭하는데 이용된다. 이하의 실시예에서, 설명 목적을 위해, 다수의 특정 세부사항들이 하나 이상의 양상들의 총체적 이해를 제공하기 위해 제시된다. 그러나, 그러한 양상(들)이 이러한 특정 세부사항들 없이 실시될 수 있음은 명백할 것이다.
도 1은 본 개시의 몇몇 실시예에 따른 영상 분석을 위한 사용자 인터페이스를 제공하는 컴퓨팅 장치를 나타낸 블록도이다.
도 2는 본 개시의 일 실시예에 따라 네트워크 함수를 나타낸 개략도이다.
도 3은 본 개시의 몇몇 실시예에 따른 영상 분석을 위한 사용자 인터페이스를 구성할 수 있는 제 1 영역 내지 4 영역을 예시적으로 도시한 도면이다.
도 4는 본 개시의 몇몇 실시예에 따른 영상 목록을 생성하기 위한 사용자 인터페이스를 예시적으로 도시한 도면이다.
도 5는 본 개시의 몇몇 실시예에 따른 영상 분석을 위한 사용자 인터페이스를 제공하기 위한 순서도이다.
도 6은 본 개시의 몇몇 실시예에 따른 영상 분석을 위한 사용자 인터페이스를 예시적으로 도시한 도면이다.
도 7은 도 6의 A 부분을 확대한 것으로, 본 개시의 몇몇 실시예에 따른 영상 분석을 위한 사용자 인터페이스 상에서의 사용자 입력을 예시적으로 도시한 도면이다.
도 8은 본 개시의 몇몇 실시예에 따른 영상 분석을 위한 사용자 인터페이스 상에서의 사용자 입력을 예시적으로 도시한 도면이다.
도 9a는 본 개시의 몇몇 실시예에 따른 결절 추가 입력을 처리하기 위한 순서도이다.
도 9b는 본 개시의 몇몇 실시예에 따른 결절 추가 입력을 처리하기 위한 순서도이다.
도 10은 본 개시의 몇몇 실시예에 따른 영상 분석을 위한 사용자 인터페이스를 예시적으로 도시한 도면이다.
도 11은 본 개시의 몇몇 실시예에 따른 리포트를 디스플레이 하는 방법을 예시적으로 도시한 도면이다.
도 12는 본 개시의 몇몇 실시예들이 구현될 수 있는 예시적인 컴퓨팅 환경에 대한 간략하고 일반적인 개략도이다.
도 1은 본 개시의 몇몇 실시예에 따른 영상 분석을 위한 사용자 인터페이스를 제공하는 컴퓨팅 장치를 나타낸 블록도이다.
도 2는 본 개시의 일 실시예에 따라 네트워크 함수를 나타낸 개략도이다.
도 3은 본 개시의 몇몇 실시예에 따른 영상 분석을 위한 사용자 인터페이스를 구성할 수 있는 제 1 영역 내지 4 영역을 예시적으로 도시한 도면이다.
도 4는 본 개시의 몇몇 실시예에 따른 영상 목록을 생성하기 위한 사용자 인터페이스를 예시적으로 도시한 도면이다.
도 5는 본 개시의 몇몇 실시예에 따른 영상 분석을 위한 사용자 인터페이스를 제공하기 위한 순서도이다.
도 6은 본 개시의 몇몇 실시예에 따른 영상 분석을 위한 사용자 인터페이스를 예시적으로 도시한 도면이다.
도 7은 도 6의 A 부분을 확대한 것으로, 본 개시의 몇몇 실시예에 따른 영상 분석을 위한 사용자 인터페이스 상에서의 사용자 입력을 예시적으로 도시한 도면이다.
도 8은 본 개시의 몇몇 실시예에 따른 영상 분석을 위한 사용자 인터페이스 상에서의 사용자 입력을 예시적으로 도시한 도면이다.
도 9a는 본 개시의 몇몇 실시예에 따른 결절 추가 입력을 처리하기 위한 순서도이다.
도 9b는 본 개시의 몇몇 실시예에 따른 결절 추가 입력을 처리하기 위한 순서도이다.
도 10은 본 개시의 몇몇 실시예에 따른 영상 분석을 위한 사용자 인터페이스를 예시적으로 도시한 도면이다.
도 11은 본 개시의 몇몇 실시예에 따른 리포트를 디스플레이 하는 방법을 예시적으로 도시한 도면이다.
도 12는 본 개시의 몇몇 실시예들이 구현될 수 있는 예시적인 컴퓨팅 환경에 대한 간략하고 일반적인 개략도이다.
다양한 실시예들이 이제 도면을 참조하여 설명된다. 본 명세서에서, 다양한 설명들이 본 개시의 이해를 제공하기 위해서 제시된다. 그러나, 이러한 실시예들은 이러한 구체적인 설명 없이도 실행될 수 있음이 명백하다.
본 명세서에서 사용되는 용어 "컴포넌트", "모듈", "시스템" 등은 컴퓨터-관련 엔티티, 하드웨어, 펌웨어, 소프트웨어, 소프트웨어 및 하드웨어의 조합, 또는 소프트웨어의 실행을 지칭한다. 예를 들어, 컴포넌트는 프로세서상에서 실행되는 처리과정(procedure), 프로세서, 객체, 실행 스레드, 프로그램, 및/또는 컴퓨터일 수 있지만, 이들로 제한되는 것은 아니다. 예를 들어, 컴퓨팅 장치에서 실행되는 애플리케이션 및 컴퓨팅 장치 모두 컴포넌트일 수 있다. 하나 이상의 컴포넌트는 프로세서 및/또는 실행 스레드 내에 상주할 수 있다. 일 컴포넌트는 하나의 컴퓨터 내에 로컬화 될 수 있다. 일 컴포넌트는 2개 이상의 컴퓨터들 사이에 분배될 수 있다. 또한, 이러한 컴포넌트들은 그 내부에 저장된 다양한 데이터 구조들을 갖는 다양한 컴퓨터 판독가능한 매체로부터 실행할 수 있다. 컴포넌트들은 예를 들어 하나 이상의 데이터 패킷들을 갖는 신호(예를 들면, 로컬 시스템, 분산 시스템에서 다른 컴포넌트와 상호작용하는 하나의 컴포넌트로부터의 데이터 및/또는 신호를 통해 다른 시스템과 인터넷과 같은 네트워크를 통해 전송되는 데이터)에 따라 로컬 및/또는 원격 처리들을 통해 통신할 수 있다.
더불어, 용어 "또는"은 배타적 "또는"이 아니라 내포적 "또는"을 의미하는 것으로 의도된다. 즉, 달리 특정되지 않거나 문맥상 명확하지 않은 경우에, "X는 A 또는 B를 이용한다"는 자연적인 내포적 치환 중 하나를 의미하는 것으로 의도된다. 즉, X가 A를 이용하거나; X가 B를 이용하거나; 또는 X가 A 및 B 모두를 이용하는 경우, "X는 A 또는 B를 이용한다"가 이들 경우들 어느 것으로도 적용될 수 있다. 또한, 본 명세서에 사용된 "및/또는"이라는 용어는 열거된 관련 아이템들 중 하나 이상의 아이템의 가능한 모든 조합을 지칭하고 포함하는 것으로 이해되어야 한다.
또한, "포함한다" 및/또는 "포함하는"이라는 용어는, 해당 특징 및/또는 구성요소가 존재함을 의미하는 것으로 이해되어야 한다. 다만, "포함한다" 및/또는 "포함하는"이라는 용어는, 하나 이상의 다른 특징, 구성요소 및/또는 이들의 그룹의 존재 또는 추가를 배제하지 않는 것으로 이해되어야 한다. 또한, 달리 특정되지 않거나 단수 형태를 지시하는 것으로 문맥상 명확하지 않은 경우에, 본 명세서와 청구범위에서 단수는 일반적으로 "하나 또는 그 이상"을 의미하는 것으로 해석되어야 한다.
그리고, "A 또는 B 중 적어도 하나"이라는 용어는, "A만을 포함하는 경우", "B 만을 포함하는 경우", "A와 B의 구성으로 조합된 경우"를 의미하는 것으로 해석되어야 한다.
당업자들은 추가적으로 여기서 개시된 실시예들과 관련되어 설명된 다양한 예시 적 논리적 블록들, 구성들, 모듈들, 회로들, 수단들, 로직들, 및 알고리즘 단계들이 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양쪽 모두의 조합들로 구현될 수 있음을 인식해야 한다. 하드웨어 및 소프트웨어의 상호교환성을 명백하게 예시하기 위해, 다양한 예시적 컴포넌트들, 블록들, 구성들, 수단들, 로직들, 모듈들, 회로들, 및 단계들은 그들의 기능성 측면에서 일반적으로 위에서 설명되었다. 그러한 기능성이 하드웨어로 또는 소프트웨어로서 구현되는지 여부는 전반적인 시스템에 부과된 특정 어플리케이션(application) 및 설계 제한들에 달려 있다. 숙련된 기술자들은 각각의 특정 어플리케이션들을 위해 다양한 방법들로 설명된 기능성을 구현할 수 있다. 다만, 그러한 구현의 결정들이 본 개시내용의 영역을 벗어나게 하는 것으로 해석되어서는 안된다.
제시된 실시예들에 대한 설명은 본 개시의 기술 분야에서 통상의 지식을 가진 자가 본 발명을 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 개시의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이다. 여기에 정의된 일반적인 원리들은 본 개시의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 발명은 여기에 제시된 실시예들로 한정되는 것이 아니다. 본 발명은 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.
본 개시에서 네트워크 함수와 인공 신경망 및 뉴럴 네트워크(neural network)는 상호교환 가능하게 사용될 수 있다.
본 개시내용에서 "영상"이라는 용어는, 컴퓨터 단층촬영(Computed Tomography; CT) 등의 각종 의료영상 촬영장치로부터 제공되는 의료영상을 의미하는 용어로써 사용될 수 있다. 예를 들어, 영상은 임의의 피검체에 대하여 임의의 시점에 촬영된 흉부 CT 영상일 수 있다. 전술한 예시는 일 예시에 불과할 뿐, 본 개시를 제한하지 않으며, 예컨대 복부 CT 영상이거나, 또는 자기공명영상(Magnetic Resonance Imaging; MRI)영상, 양전자 단층촬영 영상(Positron Emission Tomography; PET) 등일 수 있다. 각각의 영상은 피검체를 촬영하는 각 방향에 따른 하나 이상의 단면 영상을 포함할 수 있다.
본 개시내용에서 "단면 영상"라는 용어는, 피검체를 촬영하는 각 방향에 따라 촬영된 영상을 의미할 수 있다. 예를 들어, 단면 영상은 Axial view(축면) 영상, Coronal view(관상면) 영상, 또는 Sagittal view(시상면) 영상을 지칭하는 용어로 사용될 수 있다. 임의의 피검체에 대하여 임의의 시점에 촬영된 영상 각각은 하나 이상의 단면 영상(본 개시내용에서 "제 1 단면 영상", "제 2 단면 영상", "제 3 단면 영상")을 포함할 수 있으며, 각 단면 영상은 예컨대 피검체를 촬영하는 각 방향에 따른 축면 영상, 관상면 영상, 또는 시상면 영상 중 어느 하나일 수 있다. 전술한 예시는 일 예시에 불과할 뿐, 본 개시를 제한하지 않는다.
본 개시내용에서 "결절"이라는 용어는, 영상 분석을 통해 탐색하고자 하는, 피검체에 존재할 수 있는 결절(종괴, 덩어리 등)을 지칭하는 용어로 사용될 수 있다. 본 개시의 몇몇 실시예에 따르면, 각각의 영상으로부터 딥러닝 알고리즘에 기초하여 결절을 검출할 수 있으며, 검출된 결절에 대한 결절 데이터를 포함하는 결절 데이터 세트를 생성할 수 있다. 전술한 예시는 일 예시에 불과할 뿐, 본 개시를 제한하지 않는다.
본 개시내용에서 "결절 데이터"라는 용어는, 각 영상을 딥러닝 알고리즘에 입력하여 검출된 하나 이상의 결절에 대한 데이터를 지칭하는 용어로 사용될 수 있다. 각 결절에 대한 결절 데이터는, 결절에 대한 "식별 데이터", "위치 데이터", "분할(segmentation) 데이터", "직경(diameter) 데이터", "부피(volume) 데이터", "유형 분류(classification) 데이터", "Lung-RADS Score 데이터", 및 "악성 위험도(malignancy risk) 데이터"중 적어도 하나를 포함할 수 있다.
식별 데이터는, 각 결절을 식별하기 위하여 각 결절에 대하여 부여된 데이터일 수 있으며, 각 결절에 대한 ID, 고유번호 등일 수 있다. 예컨대, 임의의 영상에서 검출된 3개의 결절들 각각에 대하여 C0, C1, C2 등의 식별 데이터가 부여될 수 있다.
위치 데이터는, 각 결절의 위치에 대한 데이터일 수 있다. 예컨대, 각 결절이 위치하고 있는 단면 영상의 번호, 또는 각 결절의 중앙 좌표(center position) 등일 수 있다.
분할 데이터는, 각 결절에 대한 마스크(mask) 데이터일 수 있다. 예컨대, 각 단면 영상에서 각 결절이 차지하는 영역을 하이라이트 한 마스크 데이터일 수 있다. 한편, 각 단면 영상에서 관찰되는 각 결절의 음영의 진하기에 따라서, 상이한 색상의 마스크 데이터가 생성될 수 있다. 예컨대, 각 결절의 전체 영역(overall)에 대하여는 빨간색의 마스크 데이터가 생성되는 한편, 각 결절의 영역 내에 완전히 불투명하게 관찰되는 영역(solid portion)이 존재하는 경우, 해당 영역에 대하여는 밝은 녹색의 마스크 데이터를 생성할 수 있다.
직경 데이터는, 각 결절의 직경에 대한 데이터일 수 있으며, 예컨대, 각 단면 영상 상에서 관찰되는 각 결절의 직경에 대한 데이터를 포함할 수 있다. 각 결절의 직경 데이터는, 상술한 각 결절의 분할 데이터로부터 결정될 수 있다.
부피 데이터는, 각 결절의 부피에 대한 데이터일 수 있다. 각 결절의 부피 데이터는, 각 결절의 분할 데이터로부터 결정될 수 있다.
유형 분류 데이터는, 각 결절의 유형에 대한 데이터일 수 있다. 예컨대, 단면 영상에서 관찰되는 각 결절의 음영의 진하기에 따라서, 각 결절을 Solid유형, Part-Solid유형, 또는 Non-Solid 유형 중 어느 하나로 결정하는 것에 관한 데이터일 수 있다.
Lung-RADS Score 데이터는, 각 결절의 Lung-RADS Score에 대한 데이터일 수 있다. Lung-RADS Score은, 폐암 스크리닝을 위한 CT 판독 및 관리 권장사항을 표준화하기 위한 툴(tool)인 Lung-RADS®에 기반하여 각 결절에 대해 결정될 수 있는 등급(Score)으로서, 특히 각 결절의 직경 데이터, 부피 데이터, 또는 유형 분류 데이터로부터 결정될 수 있다. 예컨대, Lung-RADS Version 1.1에 따르면, 직경 6mm 미만의 Solid 유형 결절은 Lung-RADS Score가 2인 것으로 결정될 수 있으며, 이는 암으로 발전할 가능성이 매우 낮은 결절을 의미하는 동시에, 매년 LDCT를 통한 지속적인 스크리닝이 권장되는 결절을 의미할 수 있다.
악성 위험도 데이터는, 각 결절의 악성 위험도에 대한 데이터일 수 있다. 예컨대, 각 결절이 악성으로 판단되는지 여부에 대한 데이터(악성으로 판단되는 경우 Positive, 음성으로 판단되는 경우 Negative) 또는 각 결절이 악성일 확률값에 대한 데이터를 포함할 수 있다. 각 결절의 악성 위험도 데이터는, 상술한 위치 데이터, 직경 데이터, 부피 데이터, 또는 유형 분류 데이터 등에 기초하여 결정될 수 있다. 다만 전술한 예시는 일 예시에 불과할 뿐, 본 개시를 제한하지 않는다.
본 개시내용에서 "결절 데이터 세트"라는 용어는, 영상을 딥러닝 알고리즘에 입력하여 획득되는 데이터 세트로, 입력된 영상에 존재하는 결절 각각에 대한 결절 데이터의 집합체를 지칭하는 용어로 사용될 수 있다. 예컨대, 제 1 영상을 딥러닝 알고리즘에 입력하여 획득된 '제 1 결절 데이터 세트'는, 제 1 영상에서 검출된 '결절 A'에 대한 '결절 데이터 A', 및 '결절 B'에 대한 '결절 데이터 B'를 포함할 수 있고, 이 때 '결절 데이터 A'는 '결절 A'에 대한 식별 데이터, 위치 데이터, 분할 데이터, 직경 데이터, 부피 데이터, 유형 분류 데이터, Lung-RADS Score 데이터, 및 악성 위험도 데이터 중 적어도 하나를 포함할 수 있다.
또는, 본 개시내용에서 "결절 데이터 세트"라는 용어는, 영상을 딥러닝 알고리즘에 입력하여 획득되는 데이터 세트에 사용자 입력을 반영하여 생성되는 데이터 세트를 지칭하는 용어로 사용될 수 있다. 예컨대, 상술한 '제 1 결절 데이터 세트'에 포함된 '결절 데이터 A'의 적어도 일부를 변경하는 사용자 입력을 반영하여, '변경된 결절 데이터 A' 및 '결절 데이터 B'를 포함하는 제 2 결절 데이터 세트가 생성될 수 있다. 전술한 예시는 일 예시에 불과할 뿐, 본 개시를 제한하지 않는다.
본 개시내용에서 "딥러닝 알고리즘"이라는 용어는, 영상으로부터 하나 이상의 결절을 검출하고, 검출된 결절 각각에 대한 결절 데이터를 생성하는 일련의 인퍼런스(inference) 과정 및/또는 인퍼런스를 수행하는 하나 이상의 모듈들을 지칭하는 용어로 사용될 수 있다. 본 개시내용에서 딥러닝 알고리즘은, 서버의 메모리에 저장된 컴퓨터 프로그램을 구성하는 것일 수 있다. 즉, 서버의 프로세서는 서버에 저장된 컴퓨터 프로그램을 판독하여, 딥러닝 알고리즘에 영상을 입력하고, 검출된 결절에 대한 데이터를 획득할 수 있다. 그리고 서버는, 획득된 데이터를 사용자 단말로 전송하여 사용자 인터페이스를 생성하게끔 할 수 있다. 다만 이에 한정되지 않으며, 딥러닝 알고리즘은 사용자 단말의 메모리에 저장된 컴퓨터 프로그램을 구성하는 것일 수 있다. 즉, 사용자 단말은 딥러닝 알고리즘을 통해 영상에 존재하는 결절에 대한 데이터를 획득하고, 이를 기초로 사용자 인터페이스를 생성할 수 있다.
본 개시의 몇몇 실시예에 따르면, 딥러닝 알고리즘은 "결절 검출 모듈(Nodule Detection Module)", "결절 측정 모듈(Nodule Measurement Module)", 또는 "결절 유형 분류 모듈(Nodule Classification Module)" 중 적어도 하나를 포함하도록 구성될 수 있다.
결절 검출 모듈은, 입력받은 영상에 기초하여 하나 이상의 결절을 검출하고, 검출된 결절의 위치 데이터를 획득할 수 있다.
결절 측정 모듈은, 결절의 위치 데이터에 기초하여, 결절의 분할(segmentation) 데이터를 획득할 수 있다. 또는, 결절의 위치 데이터 및 분할 데이터에 기초하여, 결절의 직경 데이터 및 부피 데이터를 획득할 수 있다.
결절 유형 분류(type classification) 모듈은, 결절의 위치데이터 및 분할 데이터에 기초하여, 결절의 유형 분류 데이터를 획득할 수 있다. 또는, 결절의 직경 데이터, 부피 데이터, 및 유형 분류 데이터에 기초하여, 결절의 Lung-RADS Score 데이터 및/또는 악성 위험도 데이터를 획득할 수 있다. 다만 전술한 예시는 일 예시에 불과할 뿐, 본 개시를 제한하지 않는다.
본 개시내용에서 "결절 정보"라는 용어는, 결절 데이터 세트에 기초하여 생성되고, 본 개시의 몇몇 실시예에 따른 사용자 인터페이스에서 영상 상에 디스플레이 되는 객체를 지칭하는 용어로 사용될 수 있다. 예컨대, 상술한 제 1 결절 데이터 세트에 기초하여 '결절 A'에 관한 '결절 정보 A' 및 '결절 B'에 관한 '결절 정보 B'가 생성될 수 있고, 그리고 사용자 인터페이스에서 제 1 영상 상에 디스플레이 될 수 있다.
한편, "결절 정보"는 "후보 결절 정보" 또는 결정된 "제 1 결절 정보"일 수 있다.
"후보 결절 정보"는, 서버의 딥러닝 알고리즘을 통해 획득된 결절 데이터 세트로부터 생성되어, 사용자 인터페이스의 영상 상에 초기값으로 디스플레이 되는 결절 정보일 수 있다. 예컨대, 사용자 단말에서 제 1 영상이 처음으로 디스플레이 되는 경우에, 제 1 영상과 함께 초기값으로 디스플레이 되는 결절 정보일 수 있다.
대조적으로, 결정된 "제 1 결절 정보"는, "후보 결절 정보"가 사용자 입력에 기초하여 영상과 관련된 결절 정보로 결정된 것일 수 있다. 예컨대, 사용자 입력의 여부 및/또는 사용자 입력의 내용에 기초하여, "후보 결절 정보"가 그대로 "제 1 결절 정보"로 결정되거나, 변경된"후보 결절 정보"가 "제 1 결절 정보"로 결정되거나, 또는 "후보 결절 정보"가 "제 1 결정 정보"가 아닌 것으로 결정될 수 있다. 전술한 예시는 일 예시에 불과할 뿐, 본 개시를 제한하지 않는다.
한편, "결절 정보"는 이하에서 설명할 "결절 상세정보"와 연관되도록 생성될 수 있다.
본 개시내용에서 "결절 상세정보"라는 용어는, 결절 데이터 세트에 기초하여 "결절 정보"와 연관되도록 생성되고, 본 개시의 몇몇 실시예에 따른 사용자 인터페이스 상에 디스플레이 되는 객체를 지칭하는 용어로 사용될 수 있다. 예컨대, 상술한 '제 1 결절 데이터 세트'에 기초하여, '결절 A'에 관한 '결절 정보 A'와 연관되도록 '결절 상세정보 A'가 생성될 수 있고, '결절 B'에 관한 '결절 정보 B'와 연관되도록 '결절 상세정보 B'가 생성될 수 있다.
결절 상세정보는, 연관되는 결절 정보와 연동될 수 있다. 예컨대, 사용자는 '결절 정보 A'에 관한 사용자 입력을, '결절 정보 A'를 통해서 입력하거나 또는 '결절 상세정보 A'을 통해서 입력할 수 있다. 즉, '결절 상세정보 A'를 통해 입력되는 사용자 입력에 기초하여, '결절 상세정보 A'와 연관된'결절 정보 A'가 제 1 영상과 관련된 결절 정보로 결정될 수 있다. 전술한 예시는 일 예시에 불과할 뿐, 본 개시를 제한하지 않는다.
한편 '결절 상세정보'는 사용자 인터페이스 상에서 '결절 정보'와는 상이한 영역에 디스플레이 될 수 있다. 예컨대, '결절 정보'가 사용자 인터페이스의 제 1 영역에 디스플레이 되는 경우, '결절 상세정보'는 제 1 영역과 상이한 제 2 영역에 디스플레이 될 수 있다. 다만 이에 제한되는 것은 아니다.
본 개시내용에서 "사용자 입력"이라는 용어는, 사용자 인터페이스 상에서의 임의의 형태의 사용자 입력일 수 있다. 일례로, 사용자 입력은 딥러닝 알고리즘을 통해 획득된 결절 데이터의 검수 목적으로 수행될 수 있다. 딥러닝 알고리즘에 영상을 입력하여 검출된 결절은, 영상에 실제로 존재하는 결절과 상이할 수 있다. 예컨대, 딥러닝 알고리즘을 통해 검출된 결절이 실제로는 영상에 존재하지 않는 결절일 수 있고(FP), 반대로 딥러닝 알고리즘을 통해 검출되지 않은 결절이 실제로는 영상에 존재하는 결절일 수 있으며(FN), 또는 딥러닝 알고리즘을 통해 검출된 결절이 영상에도 실제로 존재하는 결절이나(TP), 결절에 관하여 딥러닝 알고리즘을 통해 획득된 데이터의 적어도 일부가 변경될 필요가 있을 수 있다. 즉, 딥러닝 알고리즘을 통해 획득된 결절 데이터를 사용자 입력을 통해 변경하거나 및/또는 확정함으로써, 결절 데이터 값의 정확도(즉, 영상 판독의 정확도)를 높일 수 있다.
구체적으로, "사용자 입력"은 '후보 결절 정보'(즉, 딥러닝 알고리즘을 통해 획득되어 사용자 인터페이스 상에 초기값으로 디스플레이 되는 결절 정보)를 제 1 영상과 관련된 '제 1 결절 정보'(즉, 사용자 입력에 따라 '제 1 영상'과 관련된 것으로 결정되는 결절 정보)로 결정하는 사용자 입력일 수 있다. '사용자 입력'은 후보 결절 정보를 적어도 일부 변경하기 위한 '변경 입력' 및/또는 후보 결절 정보를 확정하기 위한 '확인 입력'일 수 있다.
'변경 입력'은, 변경 입력과 연관된 후보 결절 정보를 적어도 일부 변경하고자 하는 사용자 입력일 수 있다. 즉, 서버의 딥러닝 알고리즘을 통해 획득된 결절 데이터 세트로부터 생성되어 초기값으로 디스플레이 된 후보 결절 정보가, 제 1 영상에 실제로 존재하는 결절에 해당하나 다만 일부 데이터(예컨대, 직경 데이터, 분할 데이터 등) 값이 변경될 필요가 있는 경우에, 사용자는 변경 입력을 통해 변경 입력과 연관된 후보 결절 정보를 변경하고, 변경된 후보 결절 정보는 제 1 영상과 관련된 제 1 결절 정보로 결정될 수 있다. 다만, 이에 한정되는 것은 아니다.
'확인 입력'은, 확인 입력과 연관된 후보 결절 정보를 확정하고자 하는 사용자 입력일 수 있다. 즉, 서버의 딥러닝 알고리즘을 통해 획득된 결절 데이터 세트로부터 생성되어 초기값으로 디스플레이 된 후보 결절 정보가, 제 1 영상에 실제로 존재하는 결절에 해당하고 데이터 값이 변경될 필요가 없는 경우에, 사용자는 확인 입력을 통해 확인 입력과 연관된 후보 결절 정보를 제 1 영상과 관련된 제 1 결절 정보로 결정할 수 있다. 다만, 이에 한정되는 것은 아니다.
한편, 상술한 것과 같이 '사용자 입력'은 결절 정보 및/또는 결절 상세정보를 통해 수신될 수 있다. 예컨대, '사용자 입력'은 결절 정보 및/또는 결절 상세정보에 대한 클릭이거나 드래그 앤 드롭이거나, 또는 이외의 가능한 모든 형태의 입력일 수 있다. 다만, 이에 한정되는 것은 아니며, 결절 정보 및/또는 결절 상세정보에 포함되는 그래픽 요소(지시자, 마스크 이미지 등) 또는 대응되는 그래픽 요소(체크박스, 아이콘, 입력창 등)에 대한 클릭이거나, 드래그 앤 드롭이거나, 값의 입력이거나, 또는 이외의 가능한 모든 형태의 사용자 입력일 수 있다. 전술한 예시는 일 실시예에 불과하며, 본 개시를 제한하지 않는다.
도 1은 본 개시의 몇몇 실시예에 따른 영상 분석을 위한 사용자 인터페이스를 제공하는 컴퓨팅 장치를 나타낸 블록도이다.
도 1에 도시된 컴퓨팅 장치(100)의 구성은 간략화 하여 나타낸 예시일 뿐이다. 본 개시의 일 실시예에서 컴퓨팅 장치(100)는 컴퓨팅 장치(100)의 컴퓨팅 환경을 수행하기 위한 다른 구성들이 포함될 수 있고, 개시된 구성들 중 일부만이 컴퓨팅 장치(100)를 구성할 수도 있다.
본 개시의 일 실시예에 따른 컴퓨팅 장치(100)는 네트워크부(110), 프로세서(120), 메모리(130), 출력부(140) 및 입력부(150)를 포함할 수 있다.
본 개시의 실시예들에 따른 컴퓨팅 장치(100)는 PC(personal computer), 노트북(note book), 모바일 단말기(mobile terminal), 스마트 폰(smart phone), 태블릿 PC(tablet pc) 등을 포함할 수 있으며, 유/무선 네트워크에 접속할 수 있는 모든 종류의 단말을 포함할 수 있다.
본 개시의 일 실시예에 따른 네트워크부(110)는 임의의 형태의 유선 또는 무선 통신 시스템들을 사용할 수 있다.
본 개시에서 네트워크부(110)는 유선 및 무선 등과 같은 그 통신 양태를 가리지 않고 구성될 수 있으며, 단거리 통신망(PAN: Personal Area Network), 근거리 통신망(WAN: Wide Area Network) 등 다양한 통신망으로 구성될 수 있다. 또한, 상기 네트워크는 공지의 월드와이드웹(WWW: World Wide Web)일 수 있으며, 적외선(IrDA: Infrared Data Association) 또는 블루투스(Bluetooth)와 같이 단거리 통신에 이용되는 무선 전송 기술을 이용할 수도 있다.
본 명세서에서 설명된 기술들은 위에서 언급된 네트워크들뿐만 아니라, 다른 네트워크들에서도 사용될 수 있다.
본 개시의 일 실시예에 따른 프로세서(120)는 하나 이상의 코어로 구성될 수 있으며, 컴퓨팅 장치의 중앙 처리 장치(CPU: central processing unit), 범용 그래픽 처리 장치 (GPGPU: general purpose graphics processing unit), 텐서 처리 장치(TPU: tensor processing unit) 등의 데이터 분석, 딥러닝 및/또는 사용자 인터페이스의 제공을 위한 프로세서를 포함할 수 있다. 프로세서(120)는 메모리(130)에 저장된 컴퓨터 프로그램을 판독하여 본 개시의 일 실시예에 따른 기계 학습을 위한 데이터 처리를 수행하거나 및/또는 사용자 인터페이스를 제공할 수 있다. 본 개시의 일 실시예에 따라 프로세서(120)는 신경망의 학습을 위한 연산을 수행할 수 있다. 프로세서(120)는 딥러닝(DL: deep learning)에서 학습을 위한 입력 데이터의 처리, 입력 데이터에서의 피처 추출, 오차 계산, 역전파(backpropagation)를 이용한 신경망의 가중치 업데이트 등의 신경망의 학습을 위한 계산을 수행할 수 있다. 프로세서(120)의 CPU, GPGPU, 및 TPU 중 적어도 하나가 네트워크 함수의 학습을 처리할 수 있다. 예를 들어, CPU 와 GPGPU가 함께 네트워크 함수의 학습, 네트워크 함수를 이용한 데이터 분류를 처리할 수 있다. 또한, 본 개시의 일 실시예에서 복수의 컴퓨팅 장치의 프로세서를 함께 사용하여 네트워크 함수의 학습, 네트워크 함수를 이용한 데이터 분류를 처리할 수 있다. 또한, 본 개시의 일 실시예에 따른 컴퓨팅 장치에서 수행되는 컴퓨터 프로그램은 CPU, GPGPU 또는 TPU 실행가능 프로그램일 수 있다.
본 개시의 일 실시예에 따른 메모리(130)는 프로세서(120)가 생성하거나 결정한 임의의 형태의 정보 및 네트워크부(110)가 수신한 임의의 형태의 정보를 저장할 수 있다.
본 개시의 일 실시예에 따른 메모리(130)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(Random Access Memory, RAM), SRAM(Static Random Access Memory), 롬(Read-Only Memory, ROM), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. 컴퓨팅 장치(100)는 인터넷(internet) 상에서 상기 메모리(130)의 저장 기능을 수행하는 웹 스토리지(web storage)와 관련되어 동작할 수도 있다. 전술한 메모리에 대한 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.
본 개시의 일 실시예에 따른 출력부(140)는, 본 개시의 일 실시예에 따른 사용자 인터페이스를 표시할 수 있다. 출력부(140)는 도 3, 도 4, 도 6 내지 8, 도 10 및 도 11에 도시된 바와 같은 사용자 인터페이스를 표시할 수 있다. 이하에서 도시되고 그리고 후술되는 사용자 인터페이스들은 예시일 뿐, 본 개시는 이에 제한되지 않는다.
본 개시의 일 실시예에 따른 출력부(140)는 프로세서(120)가 생성하거나 결정한 임의의 형태의 정보 및 네트워크부(110)가 수신한 임의의 형태의 정보를 출력할 수 있다.
본 개시의 일 실시예에 따른 출력부(140)는 액정 디스플레이(liquid crystal display, LCD), 박막 트랜지스터 액정 디스플레이(thin film transistor-liquid crystal display, TFT LCD), 유기 발광 다이오드(organic light-emitting diode, OLED), 플렉시블 디스플레이(flexible display), 3차원 디스플레이(3D display) 중에서 적어도 하나를 포함할 수 있다. 이들 중 일부 디스플레이 모듈은 그를 통해 외부를 볼 수 있도록 투명형 또는 광투과형으로 구성될 수 있다. 이는 투명 디스플레이 모듈이라 지칭될 수 있는데, 상기 투명 디스플레이 모듈의 대표적인 예로는 TOLED(Transparent OLED) 등이 있다.
본 개시의 일 실시예에 따른 입력부(150)를 통해 사용자 입력을 수신할 수 있다. 본 개시의 일 실시예에 따른 입력부(150)는 사용자 입력을 수신 받기 위한 키 및/또는 버튼들을 구비할 수 있다. 입력부(150)를 통한 사용자 입력에 따라 본 개시의 실시예들에 따른 사용자 인터페이스를 제공하기 위한 컴퓨터 프로그램이 실행될 수 있다.
본 개시의 실시예들에 따른 입력부(150)는 사용자의 버튼 조작 또는 터치 입력을 감지하여 신호를 수신하거나, 카메라 또는 마이크로폰을 통하여 사용자 등의 음성 또는 동작을 수신하여 이를 입력 신호로 변환할 수도 있다. 이를 위해 음성 인식(Speech Recognition) 기술 또는 동작 인식(Motion Recognition) 기술들이 사용될 수 있다.
본 개시의 실시예들에 따른 입력부(150)는 컴퓨팅 장치(100)와 연결된 외부 입력 장비로서 구현될 수도 있다. 예를 들어, 입력 장비는 사용자 입력을 수신하기 위한 터치 패드, 터치 펜, 키보드 또는 마우스 중 적어도 하나일 수 있으나, 이는 예시일 뿐이며 본 개시는 이에 제한되는 것은 아니다.
본 개시의 일 실시예에 따른 입력부(150)는 사용자 터치 입력을 인식할 수 있다. 본 개시의 일 실시예에 따른 입력부(150)는 출력부(140)와 동일한 구성일 수도 있다. 입력부(150)는 사용자의 선택 입력을 수신하도록 구현되는 터치 스크린으로 구성될 수 있다. 터치 스크린은 접촉식 정전용량 방식, 적외선 광 감지 방식, 표면 초음파(SAW) 방식, 압전 방식, 저항막 방식 중 어느 하나의 방식이 사용될 수 있다. 전술한 터치 스크린에 대한 자세한 기재는 본 발명의 일 실시예에 따른 예시일 뿐이며, 다양한 터치 스크린 패널이 컴퓨팅 장치(100)에 채용될 수 있다. 터치 스크린으로 구성된 입력부(150)는 터치 센서를 포함할 수 있다. 터치 센서는 입력부(150)의 특정 부위에 가해진 압력 또는 입력부(150)의 특정 부위에 발생하는 정전 용량 등의 변화를 전기적인 입력신호로 변환하도록 구성될 수 있다. 터치 센서는 터치 되는 위치 및 면적뿐만 아니라, 터치 시의 압력까지도 검출할 수 있도록 구성될 수 있다. 터치 센서에 대한 터치 입력이 있는 경우, 그에 대응하는 신호(들)는 터치 제어기로 보내진다. 터치 제어기는 그 신호(들)를 처리한 다음 대응하는 데이터를 프로세서(120)로 전송한다. 이로써, 프로세서(120)는 입력부(150)의 어느 영역이 터치 되었는지 여부 등을 인식할 수 있게 된다.
본 개시의 일 실시예에 따른 서버(미도시)는 서버의 서버 환경을 수행하기 위한 다른 구성들이 포함될 수도 있다. 서버는 임의의 형태의 장치는 모두 포함할 수 있다. 서버는 디지털 기기로서, 랩탑 컴퓨터, 노트북 컴퓨터, 데스크톱 컴퓨터, 웹 패드, 이동 전화기와 같이 프로세서를 탑재하고 메모리를 구비한 연산 능력을 갖춘 디지털 기기일 수 있다.
본 개시의 일 실시예에 따른 영상분석을 위한 사용자 인터페이스를 사용자 단말로 제공하기 위한 동작을 수행하는 서버는 네트워크부, 프로세서 및 메모리를 포함할 수 있다.
서버는 본 개시의 실시예들에 따른 사용자 인터페이스를 생성하기 위한 결절 데이터 세트를 획득하거나, 및/또는 획득된 결절 데이터 세트를 기초로 사용자 인터페이스를 생성할 수 있다. 서버는 클라이언트(예를 들어, 사용자 단말)에게 네트워크를 통해 정보를 제공하는 컴퓨팅 시스템일 수 있다. 서버는 영상 및/또는 영상으로부터 획득한 결절 데이터 세트를 사용자 단말로 전송하거나, 또는 획득한 결절 데이터 세트를 기초로 사용자 인터페이스를 생성하고, 생성한 사용자 인터페이스를 사용자 단말로 전송할 수 있다. 이러한 경우, 사용자 단말은 서버에 액세스할 수 있는 임의의 형태의 컴퓨팅 장치(100)일 수 있다. 서버의 프로세서는 네트워크부를 통해 사용자 단말로 영상 및 영상과 관련된 결절 데이터 세트를 전송하거나, 또는 결절 데이터 세트를 기초로 생성한 사용자 인터페이스를 전송할 수 있다. 본 개시의 실시예들에 따른 서버는 예를 들어, 클라우드 서버일 수 있다. 서버는 서비스를 처리하는 웹 서버일 수 있다. 전술한 서버의 종류는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.
본 개시의 실시예들에 따른 서버에 포함된 네트워크부, 프로세서 및 메모리 각각은, 전술한 컴퓨팅 장치(100)에 포함된 네트워크부(110), 프로세서(120) 및 메모리(130)와 동일한 역할을 수행하거나 또는 동일하게 구성될 수 있다.
본 개시의 실시예들에서 영역들은, 사용자 인터페이스에 디스플레이 되는, 겹쳐지지 않는 화면 상의 일 공간일 수 있다. 또는, 둘 이상의 영역은 겹쳐서 표시될 수도 있다. 둘 이상의 영역이 겹쳐서 표시되는 경우, 하나의 영역에 다른 영역이 가려져, 보이지 않을 수 있다. 또는, 둘 이상의 영역이 겹쳐서 표시되고, 상위 영역이 일부 반 투명하게 표시되는 경우 하위 영역의 적어도 일부가 보일 수 있다. 둘 이상의 영역은 동일한 크기일 수 있다. 또한, 둘 이상의 영역은 상이한 크기일 수도 있다. 하나의 영역은 하나의 영역만을 포함할 수도 있고, 또는 복수의 서브영역을 포함할 수도 있다. 하나의 영역은 하나 이상의 디스플레이 객체를 포함할 수 있다.
본 개시의 실시예들에서 객체는 프로그램, 명령어 또는 데이터 각각에 대응되는 그림, 기호 또는 글자의 집합일 수 있다. 본 개시의 일 실시예에 따라 객체는 사용자 선택 입력을 수신하기 위해 사용될 수 있다. 예를 들어, 객체에 대한 사용자 입력을 수신하는 경우, 프로세서(120)는 해당 객체에 대응되어 저장된 명령어 또는 데이터를 실행하여 사용자 인터페이스에 표시할 수 있다. 본 개시의 실시예들에서 객체와 디스플레이 객체는 동일한 의미로 해석될 수 있다.
본 개시의 실시예들에서, “표시”는 출력부(140)를 통해 사용자에게 데이터가 보여 지도록 하는 동작일 수 있다. “표시”와 “디스플레이”는 상호 교환 가능하게 사용될 수 있다.
이하에서는 본 개시의 실시예들에 따라 영상 분석을 위한 사용자 인터페이스를 제공하는 방법에 관하여 설명한다.
도 2는 본 개시의 일 실시예에 따라 네트워크 함수를 나타낸 개략도이다.
본 명세서에 걸쳐, 연산 모델, 신경망, 네트워크 함수, 뉴럴 네트워크(neural network)는 상호 교환 가능하게 사용될 수 있다. 예를 들어, 본 개시내용에서의 딥러닝 알고리즘을 구성하는 하나 이상의 모듈 각각은, 이하에서 구체적으로 설명될 신경망에 기반하여 동작할 수 있다.
신경망은 일반적으로 노드라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 노드들은 뉴런(neuron)들로 지칭될 수도 있다. 신경망은 적어도 하나 이상의 노드들을 포함하여 구성된다. 신경망들을 구성하는 노드(또는 뉴런)들은 하나 이상의 링크에 의해 상호 연결될 수 있다.
신경망 내에서, 링크를 통해 연결된 하나 이상의 노드들은 상대적으로 입력 노드 및 출력 노드의 관계를 형성할 수 있다. 입력 노드 및 출력 노드의 개념은 상대적인 것으로서, 하나의 노드에 대하여 출력 노드 관계에 있는 임의의 노드는 다른 노드와의 관계에서 입력 노드 관계에 있을 수 있으며, 그 역도 성립할 수 있다. 상술한 바와 같이, 입력 노드 대 출력 노드 관계는 링크를 중심으로 생성될 수 있다. 하나의 입력 노드에 하나 이상의 출력 노드가 링크를 통해 연결될 수 있으며, 그 역도 성립할 수 있다.
하나의 링크를 통해 연결된 입력 노드 및 출력 노드 관계에서, 출력 노드의 데이터는 입력 노드에 입력된 데이터에 기초하여 그 값이 결정될 수 있다. 여기서 입력 노드와 출력 노드를 상호 연결하는 링크는 가중치(weight)를 가질 수 있다. 가중치는 가변적일 수 있으며, 신경망이 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변 될 수 있다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드 값을 결정할 수 있다.
상술한 바와 같이, 신경망은 하나 이상의 노드들이 하나 이상의 링크를 통해 상호 연결되어 신경망 내에서 입력 노드 및 출력 노드 관계를 형성한다. 신경망 내에서 노드들과 링크들의 개수 및 노드들과 링크들 사이의 연관관계, 링크들 각각에 부여된 가중치의 값에 따라, 신경망의 특성이 결정될 수 있다. 예를 들어, 동일한 개수의 노드 및 링크들이 존재하고, 링크들의 가중치 값이 상이한 두 신경망이 존재하는 경우, 두 개의 신경망들은 서로 상이한 것으로 인식될 수 있다.
신경망은 하나 이상의 노드들의 집합으로 구성될 수 있다. 신경망을 구성하는 노드들의 부분 집합은 레이어(layer)를 구성할 수 있다. 신경망을 구성하는 노드들 중 일부는, 최초 입력 노드로부터의 거리들에 기초하여, 하나의 레이어(layer)를 구성할 수 있다. 예를 들어, 최초 입력 노드로부터 거리가 n인 노드들의 집합은, n 레이어를 구성할 수 있다. 최초 입력 노드로부터 거리는, 최초 입력 노드로부터 해당 노드까지 도달하기 위해 거쳐야 하는 링크들의 최소 개수에 의해 정의될 수 있다. 그러나, 이러한 레이어의 정의는 설명을 위한 임의적인 것으로서, 신경망 내에서 레이어의 차수는 상술한 것과 상이한 방법으로 정의될 수 있다. 예를 들어, 노드들의 레이어는 최종 출력 노드로부터 거리에 의해 정의될 수도 있다.
최초 입력 노드는 신경망 내의 노드들 중 다른 노드들과의 관계에서 링크를 거치지 않고 데이터가 직접 입력되는 하나 이상의 노드들을 의미할 수 있다. 또는, 신경망 네트워크 내에서, 링크를 기준으로 한 노드 간의 관계에 있어서, 링크로 연결된 다른 입력 노드들을 가지지 않는 노드들을 의미할 수 있다. 이와 유사하게, 최종 출력 노드는 신경망 내의 노드들 중 다른 노드들과의 관계에서, 출력 노드를 가지지 않는 하나 이상의 노드들을 의미할 수 있다. 또한, 히든 노드는 최초 입력 노드 및 최후 출력 노드가 아닌 신경망을 구성하는 노드들을 의미할 수 있다.
본 개시의 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수와 동일할 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 감소하다가 다시 증가하는 형태의 신경망일 수 있다. 또한, 본 개시의 다른 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수 보다 적을 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 감소하는 형태의 신경망일 수 있다. 또한, 본 개시의 또 다른 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수보다 많을 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 증가하는 형태의 신경망일 수 있다. 본 개시의 또 다른 일 실시예에 따른 신경망은 상술한 신경망들의 조합된 형태의 신경망일 수 있다.
딥 뉴럴 네트워크(DNN: deep neural network, 심층신경망)는 입력 레이어와 출력 레이어 외에 복수의 히든 레이어를 포함하는 신경망을 의미할 수 있다. 딥 뉴럴 네트워크를 이용하면 데이터의 잠재적인 구조(latent structures)를 파악할 수 있다. 즉, 사진, 글, 비디오, 음성, 음악의 잠재적인 구조(예를 들어, 어떤 물체가 사진에 있는지, 글의 내용과 감정이 무엇인지, 음성의 내용과 감정이 무엇인지 등)를 파악할 수 있다. 딥 뉴럴 네트워크는 컨볼루션 뉴럴 네트워크(CNN: convolutional neural network), 리커런트 뉴럴 네트워크(RNN: recurrent neural network), 오토 인코더(auto encoder), GAN(Generative Adversarial Networks), 제한 볼츠만 머신(RBM: restricted boltzmann machine), 심층 신뢰 네트워크(DBN: deep belief network), Q 네트워크, U 네트워크, 샴 네트워크, 적대적 생성 네트워크(GAN: Generative Adversarial Network) 등을 포함할 수 있다. 전술한 딥 뉴럴 네트워크의 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.
본 개시의 일 실시예에서 네트워크 함수는 오토 인코더(autoencoder)를 포함할 수도 있다. 오토 인코더는 입력 데이터와 유사한 출력 데이터를 출력하기 위한 인공 신경망의 일종일 수 있다. 오토 인코더는 적어도 하나의 히든 레이어를 포함할 수 있으며, 홀수 개의 히든 레이어가 입출력 레이어 사이에 배치될 수 있다. 각각의 레이어의 노드의 수는 입력 레이어의 노드의 수에서 병목 레이어(인코딩)라는 중간 레이어로 축소되었다가, 병목 레이어에서 출력 레이어(입력 레이어와 대칭)로 축소와 대칭되어 확장될 수도 있다. 오토 인코더는 비선형 차원 감소를 수행할 수 있다. 입력 레이어 및 출력 레이어의 수는 입력 데이터의 전처리 이후에 차원과 대응될 수 있다. 오토 인코더 구조에서 인코더에 포함된 히든 레이어의 노드의 수는 입력 레이어에서 멀어질수록 감소하는 구조를 가질 수 있다. 병목 레이어(인코더와 디코더 사이에 위치하는 가장 적은 노드를 가진 레이어)의 노드의 수는 너무 작은 경우 충분한 양의 정보가 전달되지 않을 수 있으므로, 특정 수 이상(예를 들어, 입력 레이어의 절반 이상 등)으로 유지될 수도 있다.
뉴럴 네트워크는 교사 학습(supervised learning), 비교사 학습(unsupervised learning), 반교사학습(semi supervised learning), 또는 강화학습(reinforcement learning) 중 적어도 하나의 방식으로 학습될 수 있다. 뉴럴 네트워크의 학습은 뉴럴 네트워크가 특정한 동작을 수행하기 위한 지식을 뉴럴 네트워크에 적용하는 과정일 수 있다.
뉴럴 네트워크는 출력의 오류를 최소화하는 방향으로 학습될 수 있다. 뉴럴 네트워크의 학습에서 반복적으로 학습 데이터를 뉴럴 네트워크에 입력시키고 학습 데이터에 대한 뉴럴 네트워크의 출력과 타겟의 에러를 계산하고, 에러를 줄이기 위한 방향으로 뉴럴 네트워크의 에러를 뉴럴 네트워크의 출력 레이어에서부터 입력 레이어 방향으로 역전파(backpropagation)하여 뉴럴 네트워크의 각 노드의 가중치를 업데이트 하는 과정이다. 교사 학습의 경우 각각의 학습 데이터에 정답이 라벨링되어있는 학습 데이터를 사용하며(즉, 라벨링된 학습 데이터), 비교사 학습의 경우는 각각의 학습 데이터에 정답이 라벨링되어 있지 않을 수 있다. 즉, 예를 들어 데이터 분류에 관한 교사 학습의 경우의 학습 데이터는 학습 데이터 각각에 카테고리가 라벨링 된 데이터 일 수 있다. 라벨링된 학습 데이터가 뉴럴 네트워크에 입력되고, 뉴럴 네트워크의 출력(카테고리)과 학습 데이터의 라벨을 비교함으로써 오류(error)가 계산될 수 있다. 다른 예로, 데이터 분류에 관한 비교사 학습의 경우 입력인 학습 데이터가 뉴럴 네트워크 출력과 비교됨으로써 오류가 계산될 수 있다. 계산된 오류는 뉴럴 네트워크에서 역방향(즉, 출력 레이어에서 입력 레이어 방향)으로 역전파 되며, 역전파에 따라 뉴럴 네트워크의 각 레이어의 각 노드들의 연결 가중치가 업데이트 될 수 있다. 업데이트 되는 각 노드의 연결 가중치는 학습률(learning rate)에 따라 변화량이 결정될 수 있다. 입력 데이터에 대한 뉴럴 네트워크의 계산과 에러의 역전파는 학습 사이클(epoch)을 구성할 수 있다. 학습률은 뉴럴 네트워크의 학습 사이클의 반복 횟수에 따라 상이하게 적용될 수 있다. 예를 들어, 뉴럴 네트워크의 학습 초기에는 높은 학습률을 사용하여 뉴럴 네트워크가 빠르게 일정 수준의 성능을 확보하도록 하여 효율성을 높이고, 학습 후기에는 낮은 학습률을 사용하여 정확도를 높일 수 있다.
뉴럴 네트워크의 학습에서 일반적으로 학습 데이터는 실제 데이터(즉, 학습된 뉴럴 네트워크를 이용하여 처리하고자 하는 데이터)의 부분집합일 수 있으며, 따라서, 학습 데이터에 대한 오류는 감소하나 실제 데이터에 대해서는 오류가 증가하는 학습 사이클이 존재할 수 있다. 과적합(overfitting)은 이와 같이 학습 데이터에 과하게 학습하여 실제 데이터에 대한 오류가 증가하는 현상이다. 예를 들어, 노란색 고양이를 보여 고양이를 학습한 뉴럴 네트워크가 노란색 이외의 고양이를 보고는 고양이임을 인식하지 못하는 현상이 과적합의 일종일 수 있다. 과적합은 머신러닝 알고리즘의 오류를 증가시키는 원인으로 작용할 수 있다. 이러한 과적합을 막기 위하여 다양한 최적화 방법이 사용될 수 있다. 과적합을 막기 위해서는 학습 데이터를 증가시키거나, 레귤라이제이션(regularization), 학습의 과정에서 네트워크의 노드 일부를 비활성화하는 드롭아웃(dropout), 배치 정규화 레이어(batch normalization layer)의 활용 등의 방법이 적용될 수 있다.
도 3은 본 개시의 몇몇 실시예에 따른 영상 분석을 위한 사용자 인터페이스를 구성할 수 있는 제 1 영역 내지 4 영역을 예시적으로 도시한 도면이다.
도 4는 본 개시의 몇몇 실시예에 따른 영상 목록을 생성하기 위한 사용자 인터페이스를 예시적으로 도시한 도면이다.
도 3을 참고하면, 사용자 인터페이스(200)는 적어도 하나의 영상 및 영상과 관련된 결절 정보를 디스플레이 하는 제 1 영역(210), 결절 정보와 연관되는 결절 상세정보(222a, 222b: 222)를 디스플레이 하는 제 2 영역(220), 영상 목록(231)을 디스플레이 하는 제 3 영역(230), 또는 영상 목록에서 선택된 영상에 대한 관련 영상의 목록을 디스플레이 하는 제 4 영역(240)을 포함할 수 있다. 프로세서(120)는 적어도 하나의 영상 및 영상과 관련된 결절 정보를 디스플레이 하는 제 1 영역(210), 결절 정보와 연관되는 결절 상세정보(222)를 디스플레이 하는 제 2 영역(220), 영상 목록(231)을 디스플레이 하는 제 3 영역(230), 또는 영상 목록(231)에서 선택된 영상(231a)에 대한 관련 영상의 목록(241)을 디스플레이 하는 제 4 영역(240)을 표시하도록 출력부(140)를 제어할 수 있다. 또한, 프로세서(120)는 각 영역에 표시하기 위한 적어도 하나의 영상 및 영상과 관련된 결절 데이터 세트를 네트워크부(110)를 통해 서버로부터 수신할 수 있다. 다만, 상술한 구성 요소들은 사용자 인터페이스(200)를 구현하는데 있어서 필수적인 것은 아니어서, 사용자 인터페이스(200)는 위에서 열거된 구성요소들 보다 많거나, 또는 적은 구성요소들을 가질 수 있다.
제 1 영역(210)은, 적어도 하나의 영상과 관련된 적어도 하나의 단면 영상을 디스플레이 할 수 있다. 한편, 제 1 영역(210)은 적어도 하나의 영상과 관련된 결절 정보를 디스플레이 할 수 있으며, 사용자 입력을 수신할 수 있다. 프로세서(120)는, 적어도 하나의 영상과 관련된 적어도 하나의 단면 영상, 및 적어도 하나의 영상과 관련된 결절 정보를 표시하도록 출력부(140)를 제어할 수 있다. 또한, 프로세서(120)는 제 1 영역(210) 상에서 사용자 입력을 수신하도록 입력부(150)를 제어할 수 있다.
도 3은 제 1 영역(210)에 제 1 영상(213a)과 관련된 세 개의 단면 영상(310, 320, 330) 이 디스플레이 되는 예시를 도시한다.
보다 구체적으로, 도 3에 도시된 본 개시의 몇몇 실시예에 따르면, 제 1 영역(210)은 제 1 영상(231a)과 관련된 축면 영상(310), 관상면 영상(320), 및 시상면 영상(330)을 함께 디스플레이 할 수 있다. 예컨대, 제 1 영역(210)을 세 개의 서브 영역으로 분할하여 각 서브 영역에서 세 개의 단면 영상(310, 320, 330)을 디스플레이 할 수 있다.
이 경우, 제 1 영역(210)은 제 1 단면 영상(310) 상에 제 1 지시선(411) 및 제 2 지시선(412)을, 제 2 단면 영상(320) 상에 제 3 지시선(413) 및 제 4 지시선(414)을, 그리고 제 3 단면 영상(330) 상에 제 5 지시선(415) 및 제 6 지시선(416)을 더 디스플레이 할 수 있다.
한편, 제 1 단면 영상(310) 상에서 사용자가 관심 지점을 식별하기 위한 제 1 기준 표시(420)를 더 디스플레이 할 수 있고, 제 1 기준 표시(420)는 서로 교차하는 제 1 지시선(411) 및 제 2 지시선(412)의 교차 지점을 포함하도록 구성될 수 있다. 제 1 기준 표시(420)는 사용자 입력에 대응하여 제 1 단면 영상(310) 상에서 이동 가능할 수 있다.
한편, 제 1 지시선(411)은 제 3 지시선(413)과 연동되며, 제 2 지시선(412)은 제 5 지시선(415)과 연동하여 이동될 수 있다. 제 1 지시선(411)의 이동에 따라, 디스플레이 되는 제 3 단면 영상(330)이 달라질 수 있다. 또는, 제 2 지시선(412)의 이동에 따라, 디스플레이 되는 제 2 단면 영상(320)이 달라질 수 있다.
한편, 제 4 지시선(414)은 제 6 지시선(416)과 연동하여 이동될 수 있다. 제 4 지시선(414) 및 제 6 지시선(416)의 이동에 따라, 디스플레이 되는 제 1 단면 영상(310)이 달라질 수 있다.
한편, 제 1 단면 영상(310) 상에 제 1 단면 영상(310)의 깊이 정보를 나타내는 요소(예를 들어, 스크롤 바 등)가 디스플레이 될 수 있다. 예컨대, 사용자가 제 1 단면 영상(310) 상의 스크롤 바를 상하로 이동시키는 경우, 디스플레이 되는 제 1 단면 영상(310)이 변경됨과 동시에, 제 2 단면 영상(320) 상의 제 4 지시선(414) 및 제 3 단면 영상(330) 상의 제 6 지시선(416) 또한 이에 따라 상하로 이동될 수 있다. 다만, 이에 한정되는 것은 아니며, 단면 영상의 깊이 정보를 나타내는 스크롤 바 등의 요소는 제 2 단면 영상(320) 및/또는 제 3 단면 영상(330) 상에도 디스플레이 될 수 있고, 상술한 것과 같은 동작을 구현할 수 있다. 예컨대, 사용자가 제 2 단면 영상(320) 상의 스크롤 바를 상하로 이동시키는 경우, 디스플레이 되는 제 2 단면 영상(320)이 변경됨과 동시에, 제 2 지시선(412)이 상하로 이동될 수 있고, 제 5 지시선(415)이 좌우로 이동될 수 있다. 또는, 사용자가 제 3 단면 영상(330) 상의 스크롤 바를 상하로 이동시키는 경우, 디스플레이 되는 제 3 단면 영상(330)이 변경됨과 동시에, 제 1 지시선(411) 및 제 3 지시선(413)이 좌우로 이동될 수 있다.
도 3은 본 개시의 몇몇 실시예에 따른 제 1 지시선(411) 내지 제 6 지시선(416)이 실선으로 표시되는 예시를 도시하였다. 다만 이에 한정되는 것은 아니며, 예컨대 지시선은 실선, 점선 등의 임의의 형태의 선으로 표시되거나, 또는 선 이외의 도형의 형태로 표시될 수 있다. 또한, 본 개시의 몇몇 실시예에 따른 지시선의 길이는, 각 단면 영상의 높이 및/또는 넓이에 대응하거나, 또는 더 짧거나 길게 표시될 수 있다. 지시선의 형태에 관하여 전술한 내용은 일 예시에 불과할 뿐, 본 개시를 제한하지 않는다.
한편, 제 1 단면 영상(310), 제 2 단면 영상(320) 및 제 3 단면 영상(330) 중 적어도 하나의 단면 영상은 사용자의 입력에 따라 조작될 수 있다. 예컨대, 줌 인(zoom in) 또는 줌 아웃(zoom out) 되거나, 명암이 변경되거나, 또는 각 단면 영상이 제 1 영역(210) 내에서 차지하는 영역의 크기가 달라질 수 있다. 또는, 사용자의 입력에 따라 제 1 영역(210) 상에 제 1 단면 영상(310), 제 2 단면 영상(320) 및 제 3 단면 영상(330) 중 어느 하나의 단면 영상만이 디스플레이 되도록 조작될 수 있다. 전술한 예시는 일 예시에 불과할 뿐, 본 개시를 제한하지 않는다.
제 2 영역(220)은, 결절 정보와 연관되는 결절 상세정보(222)를 디스플레이 할 수 있으며, 사용자 입력을 수신할 수 있다. 프로세서(120)는, 결절 정보와 연관되는 결절 상세정보(222)를 표시하도록 출력부(140)를 제어할 수 있다. 또한, 프로세서(120)는 제 2 영역(210) 상에서 사용자 입력을 수신하도록 입력부(150)를 제어할 수 있다.
결절 상세정보(222)는 제 1 결절 데이터 세트에 기초하여 생성될 수 있으며, 각각의 결절 상세정보(222)가 연관되는 결절 정보보다 더 많은 항목의 결절 데이터를 포함할 수 있다. 예를 들어, 결절 정보가 분할 데이터 및 직경 데이터를 포함하는 경우, 결절 정보에 대응하는 결절 상세정보는 분할 데이터 및 직경 데이터 외에도 부피 데이터, Lung-RADS Score 데이터, 및/또는 악성 위험도 데이터를 추가로 포함할 수 있다. 즉, 결절 상세정보(222)는 대응하는 결절 정보보다, 사용자에게 각각의 결절에 대한 보다 상세한 정보를 제공할 수 있다. 다만, 이에 한정되는 것은 아니다.
한편 도 3은 제 2 영역(220)에 디스플레이 되는 둘 이상의 결절 상세정보들(222)이 리스트 형태로 정렬되는 예시를 도시하였으나 이에 한정되는 것은 아니며, 바둑판 형태 등 다양한 방식으로 정렬될 수 있다.
한편 제 2 영역(220)은, 결절 상세정보들(222)의 대표 값을 추가로 디스플레이 할 수 있다. 예컨대, 각각의 결절 상세정보에 포함된 Lung-RADS Score 데이터 값 중 가장 큰 Lung-RADS Score 값을 제 2 영역(220)의 상단에 별도로 디스플레이 할 수 있다. 전술한 예시는 일 예시에 불과할 뿐, 본 개시를 제한하지 않는다.
제 1 영역(210) 및 제 2 영역(220)에 대한 보다 자세한 설명은 도 5 내지 10을 통하여 후술한다.
제 3 영역(230)은, 제 1 영상을 포함하는 영상 목록(231)을 디스플레이 할 수 있으며, 제 1 영상(231a)에 대한 사용자의 선택을 수신할 수 있다. 프로세서(120)는, 제 1 영상을 포함하는 영상 목록(231)을 표시하도록 출력부(140)를 제어할 수 있다. 또한, 프로세서(120)는 제 3 영역(230) 상에서 제 1 영상(231a)에 대한 사용자의 선택을 수신하도록 입력부(150)를 제어할 수 있다.
영상 목록(231)은, 촬영된 모든 영상을 포함하거나, 촬영 후 딥러닝 알고리즘에 입력되어 결절 데이터 세트가 획득된 영상을 포함하거나, 또는 사용자에 의해 선택된 하나 이상의 영상을 포함하도록 구성될 수 있다.
도 4를 참고하면, 영상 목록(231)은 전체 영상 목록(232)으로부터 사용자에 의해 선택된(예를 들어, 각 영상에 대응하는 체크박스(233)를 클릭함으로써 선택된) 하나 이상의 영상을 포함하도록 구성될 수 있다. 또한, 도 4를 참고하면. 'Go to work'아이콘(234)을 클릭함으로써 영상 목록(231)을 제 3 영역(230)에 디스플레이 할 수 있다.
제 1 영상(231a)에 대한 사용자의 선택은, 영상 목록(231) 상에서 제 1 영상(231a)에 대한 클릭일 수 있다. 다만, 이에 한정되는 것은 아니며, 제 1 영상(231a)에 대응하는 그래픽 요소(체크박스, 아이콘 등)에 대한 클릭이거나, 또는 영상 목록(231) 중 사전 설정된 영상(예를 들어, 가장 최근에 촬영된 영상, 제 1 영역(210)에 가장 최근에 디스플레이 된 영상, 또는 이 밖에 사용자가 임의로 지정한 영상 등)이 자동으로 선택될 수 있다. 다만, 이에 한정되는 것은 아니다.
제 1 영상(231a)에 대한 사용자의 선택에 응답하여, 제 1 영역(210)은 제 1 영상(231a)과 관련된 세 개의 단면 영상(310, 320, 330) 및 제 1 영상(231a)과 관련된 후보 결절 정보를 디스플레이 할 수 있다. 이에 관하여는 도 5 내지 8을 통하여 보다 자세하게 후술한다.
한편, 제 1 영상(231a)에 대한 선택에 응답하여, 제 1 영상(231a)에 대한 관련 영상의 목록(241)을 디스플레이 하기 위한 제 4 영역(240)이 렌더링 될 수 있다. 프로세서(120)는 입력부(150)를 통해 입력된 제 1 영상(231a)에 대한 사용자의 선택에 응답하여, 제 1 영상(231a)과 관련된 관련 영상의 목록(241)을 디스플레이 하는 제 4 영역(240)을 표시하도록 출력부(140)를 제어할 수 있다.
제 4 영역(240)은, 제 1 영상(231a)의 관련 영상의 목록(241)을 디스플레이 할 수 있으며, 관련 영상 중 어느 하나인 제 2 영상(241a)에 대한 사용자의 비교선택 입력을 허용할 수 있다. 프로세서(120)는, 제 2 영상(241a)을 포함하는 관련 영상의 목록(241)을 표시하도록 출력부(140)를 제어할 수 있다. 또한, 프로세서(120)는 제 4 영역(240) 상에서 제 2 영상(241a)에 대한 사용자의 선택 입력을 수신하도록 입력부(150)를 제어할 수 있다.
관련 영상은, 제 1 영상(231a)과 상이한 시점에, 제 1 영상(231a)과 동일한 피촬영자를 대상으로 촬영된 영상일 수 있다. 보다 구체적으로, 관련 영상은 제 1 영상(231a)의 촬영 시점보다 이전 시점에, 제 1 영상(231a)과 동일한 피촬영자를 대상으로 촬영된 영상일 수 있다. 예컨대 피촬영자 홍길동에 대하여 각각 2020년 12월에 촬영된 영상(이하, "영상 M")과 2019년 12월에 촬영된 영상(이하, "영상 N")이 존재하고, 영상 M이 제 1 영상(231a)인 경우, 영상 N은 영상 M에 대한 관련 영상이 될 수 있다.
관련 영상 목록(241)은, 촬영된 모든 영상 중에서, 또는 촬영 후 딥러닝 알고리즘에 입력되어 결절 데이터 세트가 획득된 영상 중에서, 또는 영상 목록(231)에 포함된 영상 중에서 탐색된 적어도 하나의 관련 영상으로 구성될 수 있다.
비교선택 입력은, 관련 영상의 목록(241) 상에서 제 2 영상(241a)에 대한 클릭일 수 있다. 다만, 이에 한정되는 것은 아니며, 제 2 영상(241a)에 대응하는 그래픽 요소(체크박스, 아이콘 등)에 대한 클릭이거나, 또는 관련 영상의 목록(241) 중 사전 설정된 영상(예를 들어, 관련 영상 중 가장 최근에 촬영된 영상, 제 1 영역(210)에 가장 최근에 디스플레이 된 영상, 또는 이 밖에 사용자가 임의로 지정한 영상 등)이 자동으로 선택될 수 있다.
제 2 영상(241a)에 대한 사용자의 비교선택 입력에 응답하여, 제 1 영역(210)은 제 1 영상(231a)과 관련된 제 1 비교용 단면 영상(340) 및 제 2 영상(241a)과 관련된 제 2 비교용 단면 영상(350)을 디스플레이 할 수 있다. 이에 관하여는 도 10을 통하여 보다 자세하게 후술한다.
도 5는 본 개시의 몇몇 실시예에 따른 영상 분석을 위한 사용자 인터페이스를 제공하기 위한 순서도이다.
도 6은 본 개시의 몇몇 실시예에 따른 영상 분석을 위한 사용자 인터페이스를 예시적으로 도시한 도면이다.
도 7은 도 6의 A 부분을 확대한 것으로, 본 개시의 몇몇 실시예에 따른 영상 분석을 위한 사용자 인터페이스 상에서의 사용자 입력을 예시적으로 도시한 도면이다.
도 8은 본 개시의 몇몇 실시예에 따른 영상 분석을 위한 사용자 인터페이스 상에서의 사용자 입력을 예시적으로 도시한 도면이다.
도 5를 참고하면, 사용자 인터페이스(200)는 제 1 영상과 관련된 제 1 단면 영상, 제 2 단면 영상 및 제 3 단면 영상을 사용자 인터페이스의 제 1 영역(210)에 디스플레이 할 수 있다(단계 S110). 프로세서(120)는, 제 1 영상과 관련된 제 1 단면 영상, 제 2 단면 영상 및 제 3 단면 영상을 제 1 영역(210)에 표시하도록 출력부(140)를 제어할 수 있다.
예컨대 도 6을 참고하면, 제 3 영역(230) 상에서의 제 1 영상(231a)에 대한 사용자의 선택에 응답하여, 제 1 영역(210)은 제 1 영상(231a)과 관련된 세 개의 단면 영상(310, 320, 330)을 디스플레이 할 수 있다.
다시 도 5를 참고하면, 사용자 인터페이스(200)는 제 1 영상(231a)과 관련된 후보 결절 정보를, 상기 제 1 단면 영상(310), 제 2 단면 영상(320) 또는 제 3 단면 영상(330) 중 적어도 하나에 디스플레이 할 수 있다(단계 S120). 프로세서(120)는, 제 1 영상(231a)과 관련된 후보 결절 정보를 제 1 단면 영상(310), 제 2 단면 영상(320) 또는 제 3 단면 영상(330) 중 적어도 하나에 표시하도록 출력부(140)를 제어할 수 있다.
예컨대 도 6을 참고하면, 제 3 영역(230) 상에서의 제 1 영상(231a)에 대한 사용자의 선택에 응답하여, 제 1 영역(210)은 제 1 영상(231a)과 관련된 후보 결절 정보(A)를 제 1 영상(231a)과 관련된 세 개의 단면 영상(310, 320, 330)에 중첩하여 디스플레이 할 수 있다.
후보 결절 정보(A)는, 제 1 영상(231a)과 관련된 제 1 결절 데이터 세트에 기초하여 생성될 수 있다. 제 1 결절 데이터 세트는, 서버에서 제 1 영상(231a)을 딥러닝 알고리즘에 입력하여 획득될 수 있고, 제 1 영상(231a)에서 검출된 결절에 대한 결절 데이터를 포함할 수 있다.
도 6 및 도 7은, 제 1 결절 데이터 세트에 포함된 결절의 위치 데이터, 분할 데이터 및 직경 데이터에 기초하여 생성된 후보 결절 정보(A)가 제 1 영역(210) 상에 디스플레이 되는 예시를 도시한다. 보다 구체적으로, 도 6 및 도 7은 분할 데이터(510) 및 직경 데이터(520)를 포함하는 후보 결절 정보(A)를 도시한다. 다만 이에 한정되는 것은 아니며, 각 후보 결절 정보는 각 결절에 대한 부피 데이터, 유형 분류 데이터, Lung-RADS Score 데이터, 또는 악성 위험도 데이터를 더 포함하도록 생성될 수 있다.
한편, 후보 결절 정보(A)는, 제 1 영역(210)에 디스플레이 되는 제 1 단면 영상(310), 제 2 단면 영상(320), 또는 제 3 단면 영상(330) 중 적어도 하나의 단면 영상 상에 디스플레이 될 수 있다. 예컨대, 후보 결절 정보(A)는, 각 결절의 직경 데이터에 기초하여 결정된, 각 결절이 가장 크게 보이는 단면 영상 상에 디스플레이 될 수 있다. 예를 들어, C0 결절이 제 1 단면 영상에 포함된 187번 단면 영상에서 가장 큰 직경을 가지는 경우, 제 1 단면 영상의 187번 단면 영상 상에 C0 결절에 대한 후보 결절 정보(A)가 디스플레이 될 수 있다. 또는, 후보 결절 정보(A)는, 사용자가 지정한 임의의 단면 영상 상에 디스플레이 될 수 있다. 예를 들어, 사용자는 모든 결절 정보가 제 1 단면 영상 상에서만 디스플레이 되도록 지정할 수 있다.
다만 이에 한정되는 것은 아니며, 후보 결절 정보(A)에 둘 이상의 결절 데이터가 포함되는 경우, 각각의 결절 데이터는 서로 상이한 방식으로 단면 영상 상에 디스플레이 될 수 있다. 도 6을 참고하면, 후보 결절 정보(A)에 포함된 직경 데이터(520)는 제 1 단면 영상(310) 상에만 중첩적으로 디스플레이 되는 한편, 후보 결절 정보(A)에 포함된 분할 데이터(510)는 제 1 단면 영상(310), 제 2 단면 영상(320), 및 제 3 단면 영상(330) 모두에 중첩적으로 디스플레이 될 수 있다.
다시 도 5를 참고하면, 사용자 인터페이스(200) 상에서의 사용자 입력에 기초하여, 사용자 입력과 연관된 후보 결절 정보(A)는 제 1 영상(231a)과 관련된 제 1 결절 정보로 결정될 수 있다(단계 S130). 프로세서(120)는, 입력부(150)를 통해 수신된 사용자 입력에 기초하여, 사용자 입력과 연관된 후보 결절 정보(A)를 제 1 영상(231a)과 관련된 제 1 결절 정보로 결정할 수 있다.
사용자 입력은 제 1 영역(210) 또는 제 2 영역(220)을 통해 수신될 수 있다. 구체적으로, 제 1 영역(210)의 후보 결절 정보(A) 또는 제 2 영역(220)의 제 1 결절 상세정보(222)를 통해 수신될 수 있다.
사용자 입력은 변경 입력 또는 확인 입력을 포함할 수 있다.
변경 입력은, 변경 입력과 연관된 후보 결절 정보를 적어도 일부 변경하고자 하는 사용자 입력일 수 있다. 즉, 서버의 딥러닝 알고리즘을 통해 획득된 결절 데이터 세트로부터 생성되어 초기값으로 디스플레이 된 후보 결절 정보가, 제 1 영상(231a)에 실제로 존재하는 결절에 해당하나 다만 일부 데이터(예컨대, 직경 데이터, 분할 데이터 등) 값이 변경될 필요가 있는 경우에, 사용자는 변경 입력을 입력할 수 있다.
확인 입력은, 확인 입력과 연관된 후보 결절 정보를 확정하고자 하는 사용자 입력일 수 있다. 즉, 서버의 딥러닝 알고리즘을 통해 획득된 결절 데이터 세트로부터 생성되어 초기값으로 디스플레이 된 후보 결절 정보가, 제 1 영상(231a)에 실제로 존재하는 결절에 해당하고 데이터 값이 변경될 필요가 없는 경우에, 사용자는 확인 입력을 입력할 수 있다.
한편 사용자 입력에 기초하여, 사용자 입력과 연관된 후보 결절 정보가 제 1 영상과 관련된 제 1 결절 정보로 결정될 수 있다.
예컨대, 사용자 입력이 변경 입력인 경우, 사용자 입력과 연관된 후보 결절 정보를 변경 입력에 기초하여 변경하고, 변경된 후보 결절 정보는 별도의 확인 입력 없이 곧바로 제 1 결절 정보로 결정될 수 있다.
또는, 변경된 후보 결절 정보에 대한 확인 입력이 입력되는 경우에, 변경된 후보 결절 정보가 제 1 결절 정보로 결정될 수 있다. 즉, 변경 입력에 후속하여 확인 입력이 입력된 경우에, 변경된 후보 결절 정보가 제 1 결절 정보로 결정될 수 있다.
또는, 사용자 입력이 확인 입력인 경우, 사용자 입력과 연관된 후보 결절 정보가 제 1 결절 정보로 결정될 수 있다. 상술한 것과 같이, 확인 입력에 앞서 변경 입력이 입력된 경우, 변경된 후보 결절 정보가 확인 입력에 따라 제 1 결절 정보로 결정될 수 있다.
또는, 사용자 입력이 입력되지 않는 경우에, 사용자 입력이 입력되지 않은 후보 결절 정보는 그대로 제 1 결절 정보로 결정될 수 있다. 즉, 후보 결절 정보에 대해 변경 입력 및 확인 입력이 모두 수행되지 않은 경우, 해당 후보 결절 정보는 그대로 제 1 결절 정보로 결정될 수 있다. 다만 이에 한정되는 것은 아니며, 사용자는 아무런 사용자 입력이 입력되지 않은 후보 결절 정보는 제 1 결절 정보가 아닌 것으로 결정되도록 설정할 수도 있다.
또는, 사용자는 후보 결절 정보에 대해 제 1 결절 정보가 아닌 것으로 결정하는 입력을 수행할 수도 있다. 전술한 예시들은 일 실시예에 불과하며, 본 개시를 제한하지 않는다.
본 개시의 몇몇 실시예에 따른 사용자 입력과 관련하여, 도 6 내지 도 8을 참고할 수 있다.
제 1 영역(210)에서의 변경 입력과 관련하여 도 7은, 후보 결절 정보(A)에 포함된 직경 데이터(520a)가 지시자의 형태로 디스플레이 되며(도 7(a) 참조), 지시자에 대한 변경 입력에 따라 후보 결절 정보(A)에 포함된 직경 데이터(520b)가 변경되는(도 7(b) 참조) 예시를 도시한다. 이 경우, 사용자의 변경 입력은 지시자의 일단에 대한 클릭 등의 선택, 및 선택된 지시자의 일단이 원하는 길이 및 방향으로 연장되도록 하는 드래그 앤 드롭일 수 있다. 이 경우, 사용자 인터페이스(200)는 사용자에게 지시자의 일단이 선택될 수 있음을, 또는 선택되었음을 직관적으로 표시하기 위한 그래픽적 요소를 추가적으로 디스플레이 할 수 있다. 예컨대, 사용자의 마우스 포인터가 지시자의 일단 상에 호버(hover)되는 경우, 지시자의 일단 주변부가 하이라이트 될 수 있다. 다만 이에 한정되는 것은 아니며, 변경 입력은 예컨대 지시자와 병기되는 직경 데이터 값 자체를 변경하는 것을 포함하는, 임의의 형태의 입력일 수 있다.
도 7에 도시된 변경 입력에 기초하여, 변경 입력과 연관된 후보 결절 정보(A)의 직경 데이터(520)는 11.95mm(520a)에서 22.70mm(520b)로 변경될 수 있다. 나아가, 직경 데이터와 연관된 부피 데이터, 분할 데이터, Lung-RADS Score 데이터, 및/또는 악성 위험도 데이터가, 변경된 직경 데이터를 반영하여 동시에 변경될 수 있다. 예컨대, 후보 결절 정보(A)의 직경 데이터가 11.95mm에서 22.70mm로 상향 변경됨에 따라, 분할 데이터는 변경된 직경만큼 확대된 마스크 이미지로 변경될 수 있으며, 한편 Lung-RADS Score 데이터 및 악성 위험도 데이터 또한 상향 변경될 수 있다. 그리고 직경 데이터 값이 22.70mm로 변경된 후보 결절 정보, 또는 직경 데이터 값과 함께 연관된 데이터(즉, 부피 데이터, 분할 데이터, Lung-RADS Score 데이터, 및/또는 악성 위험도 데이터)가 함께 변경된 후보 결절 정보가 제 1 영상(231a)과 관련된 제 1 결절 정보로 결정될 수 있다. 또는, 위와 같이 변경된 후보 결절 정보는, 확인 입력이 수신되는 경우에 비로소 제 1 영상(231a)과 관련된 제 1 결절 정보로 결정될 수 있다. 전술한 예시는 변경 입력에 응답하여 후보 결절 정보에 대한 데이터의 변경을 표현하기 위한 일 실시예에 불과할 뿐, 본 개시를 제한하지 않는다.
제 1 영역(210)에서의 변경 입력과 관련하여 도 8은 후보 결절 정보(A)에 포함된 분할 데이터가 마스크 이미지의 형태로 디스플레이 되며, 마스크 이미지에 대한 변경 입력에 따라 마스크 이미지가 추가적인 영역을 더 포함하도록 변경되거나(도 8(a) 참조), 또는 마스크 이미지가 기존의 영역 일부를 배제하도록 변경되는(도 8(b) 참조) 예시를 도시한다. 이 경우, 사용자의 변경 입력은 마스크 이미지의 일부 영역에 대한 클릭 등의 선택, 및 선택된 영역이 인접한 영역으로 연장되도록 하거나 또는 선택된 영역이 배제하도록 하는 드래그 앤 드롭일 수 있다. 이 경우, 사용자 인터페이스(200)는 사용자에게 변경 입력에 따라 연장되거나 또는 배제될 영역을 직관적으로 표시하기 위한 그래픽적 요소를 추가적으로 디스플레이 할 수 있다. 예컨대, 사용자의 마우스 포인터를 중심으로 임의의 크기의 원 요소를 디스플레이 하여, 해당 원 요소 내에 포함되는 마스크 이미지의 일부 영역이 연장되거나 또는 배제될 것임을 직관적으로 표시할 수 있다.
도 8에 도시된 변경 입력에 기초하여, 변경 입력과 연관된 후보 결절 정보(A)의 분할 데이터 값은 추가적인 영역을 더 포함하도록 변경되거나(도 8(a) 참조), 또는 기존의 영역 일부를 배제하도록 변경될 수 있다(도 8(b) 참조). 그리고 이와 같이 분할 데이터 값이 변경된 후보 결절 정보가 제 1 영상(231a)과 관련된 제 1 결절 정보로 결정될 수 있다. 또는, 위와 같이 변경된 후보 결절 정보는, 확인 입력이 수신되는 경우에 비로소 제 1 영상(231a)과 관련된 제 1 결절 정보로 결정될 수 있다.
제 2 영역(220)에서의 변경 입력 및/또는 확인 입력과 관련하여, 도 6에 도시된 제 2 영역(220)을 참고할 수 있다.
제 2 영역(220)에서의 변경 입력은, 확장된 결절 상세정보(I)에서의 체크 박스 선택 또는 선택 해제일 수 있다. 도 6은 결절 상세정보(222a)가 식별 데이터, 분할 데이터, 위치 데이터, 직경 데이터, 부피 데이터, 및 Lung-RADS Score 데이터로 구성되고, 확장된 결절 상세정보(I)가 유형 분류 데이터 및 이 외의 특징 데이터로 구성되는 일례를 도시하였다. 확장된 결절 상세정보(I)에 포함된 하나 이상의 특징 데이터들은, 대응하는 결절의 침상(spiculation) 여부, 석회화(calcification) 여부 등, 결절의 세부적인 특징에 대한 데이터를 포함할 수 있다.
제 2 영역(220)에서의 변경 입력에 의하여, 변경 입력과 연관된 후보 결절 정보가 변경되고, 제 1 영상(231a)과 관련된 제 1 결절 정보로 결정될 수 있다. 예컨대 제 1 결절 상세정보(222a)의 확장된 결절 상세정보(I)에서 Nodule Type의 Solid 체크 박스가 선택 해제되고 GGN 체크 박스가 선택된 경우, 제 1 결절 상세정보(222a)와 연관된 후보 결절 정보의 유형 분류 데이터 값이 Solid에서 GGN으로 변경되고, 변경된 후보 결절 정보가 제 1 영상(231a)과 관련된 제 1 결절 정보로 결정될 수 있다. 또는, 위와 같이 변경된 후보 결절 정보는, 확인 입력이 수신되는 경우에 비로소 제 1 영상(231a)과 관련된 제 1 결절 정보로 결정될 수 있다.
한편 제 2 영역(220)에서의 확인 입력은, 결절 상세정보(222a)의 우측단에 도시된 아이콘(C)에 대한 선택일 수 있다.
제 2 영역(220)에서의 확인 입력에 의하여, 확인 입력과 연관된 후보 결절 정보가 제 1 영상(231a)과 관련된 제 1 결절 정보로 결정될 수 있다. 예컨대, 제 1 결절 상세정보(222a)의 체크 아이콘(C의 상단)을 선택하는 확인 입력에 의하여, 제 1 결절 상세정보(222a)와 연관된 후보 결절 정보가 제 1 영상(231a)과 관련된 제 1 결절 정보로 결정될 수 있다.
또는, 제 2 영역(220)의 제 1 결절 상세정보(222a)에 대하여 변경 입력과 확인 입력이 연속하여 입력되는 경우, 즉 확장된 결절 상세정보(I)를 통해 변경 입력이 수신되고, 후속하여 아이콘(C)에 대한 선택이 입력되는 경우, 제 1 결절 상세정보(222a)와 연관된 후보 결절 정보가 변경 입력에 기초하여 변경되고, 변경된 후보 결절 정보가 확인 입력에 기초하여 제 1 영상(231a)과 관련된 제 1 결절 정보로 결정될 수 있다.
위와 같이 사용자 인터페이스 상에서의 사용자 입력에 기초하여 후보 결절 정보를 제 1 결절 정보로 결정함으로써, 직관적이고 간편한 작업 수행이 가능하다. 즉, 사용자는 관심 결절 정보 상에서 곧바로 사용자 입력을 수행할 수 있고, 이에 기초하여 후보 결절 정보가 제 1 결절 정보로 결정될 수 있는 바, 딥러닝 알고리즘을 통해 획득된 결절 데이터에 대한 검수가 직관적이고 간편하게 수행될 수 있다. 나아가, 영상 판독의 정확성을 향상시킬 수 있다.
한편, 결정된 제 1 결절 정보 또는 제 1 결절 상세정보는 제 1 결절 데이터 세트에 반영되어 제 2 결절 데이터 세트를 생성할 수 있다. 프로세서(120)는 제 1 결절 정보 또는 제 1 결절 상세정보를 제 1 결절 데이터 세트에 반영하여, 제 2 결절 데이터 세트를 생성할 수 있다. 예컨대, 제 1 결절 데이터 세트에 기초하여 생성된 후보 결절 정보들 중 일부는 변경 입력에 기초하여 변경된 후 제 1 결절 정보로 결정되고, 나머지 후보 결절 정보들은 확인 입력에 기초하여 제 1 결절 정보로 결정된 경우에, 프로세서(120)는 제 1 결절 데이터 세트에 변경된 후보 결절 정보들의 내용을 반영하여 제 2 결절 데이터 세트를 새롭게 생성할 수 있다. 다시 말해, 영상을 딥러닝 알고리즘에 입력하여 획득된 제 1 결절 데이터 세트와 별도로, 사용자 입력을 반영한 제 2 결절 데이터 세트가 새롭게 생성될 수 있다.
생성된 제 2 결절 데이터 세트는 서버로 전송 가능할 수 있다. 프로세서(120)는 제 2 결절 데이터 세트를 생성하고, 이를 서버로 전송하도록 네트워크부(110)를 제어할 수 있다. 제 2 결절 데이터 세트는 생성된 후 즉시, 또는 사전 설정된 조건(예컨대, 제 2 결절 데이터 세트가 생성된 후 사전 설정된 시간이 경과하는 경우)이 만족되는 경우에 서버로 자동으로 전송될 수 있다. 또는, 제 2 결절 데이터 세트를 서버에 전송하고자 하는 사용자의 입력에 응답하여 제 2 결절 데이터 세트가 서버에 전송될 수 있다.
대안적으로, 프로세서(120)는 제 2 결절 데이터 세트를 직접 생성하는 대신, 제 1 결절 정보 또는 제 1 결절 상세정보를 서버로 전송하여 서버에서 제 2 결절 데이터 세트가 생성되게끔 할 수 있다. 즉, 사용자 입력에 기초하여 결정된 제 1 결절 정보 또는 제 1 결절 상세정보를 서버로 전송하여, 서버의 프로세서가 제 1 결절 정보 또는 제 1 결절 상세정보를 제 1 결절 데이터 세트에 반영하여 제 2 결절 데이터 세트를 직접 생성하게 할 수 있다.
다시 도 5를 참고하면, 제 1 결절 정보는, 사용자 입력과 연관된 후보 결절 정보가 제 1 결절 정보로 대체되는 방식으로 디스플레이 될 수 있다(단계 S140). 프로세서(120)는, 후보 결절 정보가 제 1 결절 정보로 대체되는 방식으로 제 1 결절 정보를 디스플레이 하도록 출력부(140)를 제어할 수 있다.
예컨대, 사용자 인터페이스 상에서 변경 입력이 입력된 경우, 변경 입력에 기초하여 변경 입력과 연관된 후보 결절 정보를 변경하고, 기존에 디스플레이 되어있던 후보 결절 정보(즉, 변경 전 후보 결절 정보)를 제 1 결절 정보(즉, 변경된 후보 결절 정보)로 대체하여 디스플레이 할 수 있다. 다만 이에 한정되지 않으며, 제 1 결절 정보는 후보 결절 정보와 함께 보여질 수 있다. 예컨대, 기존에 디스플레이 되어있던 후보 결절 정보(즉, 변경 전 후보 결절 정보)와 제 1 결절 정보(즉, 변경된 후보 결절 정보)를 중첩하여 디스플레이 하거나, 또는 중첩되지 않고 보여지도록 나란히 배치하여 디스플레이 할 수 있다.
또는, 사용자 인터페이스 상에서 확인 입력이 입력된 경우, 기존에 디스플레이 되어 있던 후보 결절 정보를, 확인 입력에 따라 결정된 제 1 결절 정보로 대체하여 디스플레이 할 수 있다. 후보 결절 정보에 대하여 변경 입력 없이 곧바로 확인 입력이 입력된 경우, 후보 결절 정보는 변경되지 않고 그대로 제 1 결절 정보로 결정될 것이므로, 후보 결절 정보를 제 1 결절 정보로 대체하는 것은 사용자에게 시각적으로 인식되지 않을 수 있다. 다만 이에 한정되지 않으며, 예컨대 후보 결절 정보에 대하여 변경 입력 없이 곧바로 확인 입력이 입력된 경우에, 후보 결절 정보를 제 1 결절 정보로 대체하지 않고, 후보 결절 정보를 계속해서 디스플레이 할 수 있다.
도 9a, b는 본 개시의 몇몇 실시예에 따른 결절 추가 입력을 처리하기 위한 순서도이다.
결절 추가 입력은, 딥러닝 알고리즘을 통해 검출되지 않았으나, 영상에 존재하는 것으로 판독되는 결절을 추가하기 위한 사용자의 입력일 수 있다.
사용자 인터페이스(200)는, 제 1 영역(210)의 제 1 단면 영상(310), 제 2 단면 영상(320), 또는 제 3 단면 영상(330) 상에서 사용자의 결절 추가 입력을 허용할 수 있다. 프로세서(120)는 입력부(150)를 통해 사용자의 결절 추가 입력을 수신할 수 있다(단계 S210).
결절 추가 입력은, 제 1 단면 영상(310), 제 2 단면 영상(320), 또는 제 3 단면 영상(330) 상에서의 드래그 앤 드롭 동작, 또는 하나 이상의 포인트를 클릭하는 동작으로 이루어질 수 있다. 또는, 사용자 인터페이스(200) 상의 'Add Nodule' 버튼에 대한 클릭 동작으로 이루어질 수 있다. 또는, 'Add Nodule' 버튼에 대한 클릭 동작 및 제 1 단면 영상(310), 제 2 단면 영상(320), 또는 제 3 단면 영상(330) 상에서 상에서의 드래그 앤 드롭 동작, 또는 하나 이상의 포인트를 클릭하는 동작의 결합으로 이루어질 수 있다.
한편 결절 추가 입력에 응답하여, 결절 추가 입력에 대응하는 영역에 존재하는 추가 결절에 대한 추가 결절 데이터가 획득될 수 있다(S220 내지 S240),
추가 결절 데이터는, 결절 추가 입력에 대응하는 영역에 존재하는 추가 결절에 대한 식별 데이터, 위치 데이터, 분할 데이터, 직경 데이터, 부피 데이터, 유형 분류 데이터, Lung-RADS Score 데이터, 및 악성 위험도 데이터를 포함할 수 있다.
추가 결절 데이터를 획득하는 방법에 관하여, 도 9a는 사용자로부터 추가 결절 데이터를 입력 받아 추가 결절 데이터를 획득하는 방법의 일례를 도시하고, 한편 도 9b는 서버에서 딥러닝 알고리즘을 통해 수행되는 연산을 통해 추가 결절 데이터를 획득하는 방법의 일례를 도시한다. 다만 이에 한정되는 것은 아니며, 예컨대 추가 결절 데이터를 사용자로부터 입력 받는 방법과 서버에서 연산을 통해 획득하는 방법을 결합하여 사용할 수 있다. 또는, 사전 설정된 조건에 기초하여 추가 결절 데이터를 획득하기 위한 방법이 선택될 수 있다. 예컨대, 사용자가 임의로 지정한 어느 하나의 방법만이 사용되거나, 또는 결절 추가 입력에 대응하는 영역에서 결절이 검출되는지 여부에 기초하여 어느 하나의 방법을 자동으로 사용되어질 수 있다.
먼저 도 9a를 참고하면, 결절 추가 입력에 응답하여, 결절 추가 입력에 대응하는 영역에 존재하는 추가 결절에 대한 추가 결절 데이터를 사용자로부터 입력 받을 수 있다. 예컨대, 추가 결절에 대한 식별 데이터, 위치 데이터, 분할 데이터, 직경 데이터, 부피 데이터, 유형 분류 데이터, Lung-RADS Score 데이터, 및 악성 위험도 데이터 값을 사용자로부터 입력 받을 수 있다.
또는, 추가 결절 데이터의 적어도 일부 데이터에 대하여 사용자로부터 값을 입력 받고, 입력 받은 데이터를 기초로 추가 결절 데이터의 나머지 데이터를 산출할 수 있다.
예컨대, 사용자로부터 단면 영상 상의 (x1, y1) 좌표 및 (x2, y2) 좌표를 입력받고, 이를 기초로 (x1, y1) 좌표 및 (x2, y2) 좌표 사이의 거리(예컨대, 
)를 추가 결절의 직경 데이터로 산출할 수 있다. 다만 이에 한정되는 것은 아니며, 사용자로부터 3차원 좌표를 입력 받고, 이를 기초로 (x1, y1, z1) 좌표 및 (x2, y2, z3) 좌표 사이의 거리(예컨대, 
)를 추가 결절의 직경 데이터로 산출할 수 있다. 또는, 사용자로부터 추가 결절의 직경 데이터 값을 입력 받고, 입력 받은 직경 데이터 값을 기초로 추가 결절 데이터의 부피 데이터 및 Lung-RADS Score 데이터 값을 산출하여, 이를 포함하는 추가 결절 데이터를 생성할 수 있다. 다만, 이에 한정되는 것은 아니다.
대안적으로 도 9b를 참고하면, 결절 추가 입력에 응답하여, 서버에 결절 추가 입력에 대한 연산을 요청할 수 있다(S230). 프로세서(120)는 입력부(150)를 통해 수신한 결절 추가 입력에 응답하여, 서버에 결절 추가 입력에 대한 연산을 요청하도록 네트워크부(110)를 제어할 수 있다.
이 때 서버에서 수행되는 연산은, 결절 추가 입력에 대응하는 영역을 딥러닝 알고리즘에 입력하여, 결절 추가 입력에 대응하는 영역에 존재하는 추가 결절에 대한 데이터인 추가 결절 데이터를 획득하는 것일 수 있다.
연산은, 딥러닝 알고리즘에 기초하여, 결절 추가 입력에 대응하는 제 1 영역(210) 상의 영역에 결절이 검출되는지 여부를 먼저 판단할 수 있다. 예컨대, 결절 검출 모듈을 이용하여 결절 추가 입력에 대응하는 제 1 영역(210) 상의 영역에 추가 결절이 검출되는지 여부를 먼저 판단할 수 있다.
결절이 검출되는 경우, 딥러닝 알고리즘에 기초하여 추가 결절 데이터를 생성할 수 있다. 예컨대, 결절 검출 모듈로부터 획득된 추가 결절의 위치 데이터에 기초하여, 결절 측정 모듈을 통해 추가 결절의 분할(segmentation) 데이터를 획득할 수 있다. 또는, 추가 결절의 위치 데이터 및 분할 데이터에 기초하여, 추가 결절의 직경 데이터 및 부피 데이터를 획득할 수 있다. 또는, 추가 결절의 위치 데이터 및 분할 데이터에 기초하여, 결절 유형 분류 모듈을 통해 추가 결절의 유형 분류 데이터를 획득할 수 있다. 또는, 추가 결절의 직경 데이터, 부피 데이터, 및 유형 분류 데이터에 기초하여, 추가 결절의 Lung-RADS Score 데이터 및/또는 악성 위험도 데이터를 획득할 수 있다.
한편 추가 결절 데이터에 기초하여 생성된 추가 결절 정보가 사용자 인터페이스(200) 상에 디스플레이 될 수 있다(S250).
사용자 인터페이스(200)는, 추가 결절 데이터에 기초하여 생성된 추가 결절 정보를 제 1 영역(210)에 디스플레이 된 제 1 단면 영상(310), 제 2 단면 영상(320), 또는 제 3 단면 영상(330) 중 적어도 하나에 디스플레이 할 수 있다. 예컨대, 추가 결절 데이터의 직경 데이터에 기초하여 결정된, 추가 결절이 가장 크게 보이는 단면 영상 상에 추가 결절 정보가 디스플레이 될 수 있다. 전술한 기재는 추가 결절 데이터에 기초하여 생성된 추가 결절 정보가 디스플레이 되는 하나의 실시예를 나타낼 뿐, 추가 결절 정보가 직관적으로 사용자에게 가장 잘 보여질 수 있는 임의의 디스플레이 방식 또한 본 개시내용에 포함될 수 있을 것이다.
또한 사용자 인터페이스(200)는, 추가 결절 데이터에 기초하여 추가 결절 정보와 연관되도록 생성되는 추가 결절 상세정보를 제 2 영역(220)에 디스플레이 할 수 있다.
이와 같이 영상 상에서 사용자의 결절 추가 입력을 허용함으로써, 사용자는 추가되어야 할 결절 상에서 곧바로 결절 추가 입력을 수행할 수 있고, 이에 따라 직관적이고 간편한 작업 수행이 가능하다. 또한, 딥러닝 알고리즘, 또는 사용자의 결절 추가 입력에 기초하여 추가 결절 데이터를 생성함으로써, 사용자는 추가하고자 하는 결절에 대한 데이터를 일일이 입력해야하는 번거로움을 덜 수 있다. 나아가, 딥러닝 알고리즘을 통해 획득된 결절 데이터 세트에서 누락된 결절 데이터를 사용자가 추가할 수 있는 바, 영상 판독의 정확성을 향상시킬 수 있다.
도 10은 본 개시의 몇몇 실시예에 따른 영상 분석을 위한 사용자 인터페이스를 예시적으로 도시한 도면이다.
도 10을 참고하면, 제 4 영역(240)은 제 1 영상(231a)에 대한 선택에 응답하여, 제 1 영상(231a)에 대한 관련 영상의 목록(241)을 포함하도록 디스플레이 될 수 있다. 관련 영상은, 제 1 영상(231a)과 상이한 시점에, 제 1 영상(231a)과 동일한 피촬영자를 대상으로 촬영된 영상일 수 있다. 보다 구체적으로, 관련 영상은 제 1 영상(231a)의 촬영 시점보다 이전 시점에, 제 1 영상(231a)과 동일한 피촬영자를 대상으로 촬영된 영상일 수 있다.
한편 디스플레이 된 제 4 영역(240) 상에서 제 2 영상(241a)을 선택하는 사용자의 비교선택 입력에 응답하여, 제 1 영상(231a)과 관련된 제 1 비교용 단면 영상(340) 및 제 2 영상(241a)과 관련된 제 2 비교용 단면 영상(350)을 제 1 영역(210)에 디스플레이 할 수 있다.
제 1 비교용 단면 영상(340) 및 제 2 비교용 단면 영상(350)은, 제 1 단면 영상, 제 2 단면 영상, 또는 제 3 단면 영상 중 하나일 수 있다. 예컨대, 제 1 비교용 단면 영상(340)이 제 1 영상(231a)의 축면 영상(제 1 단면 영상)인 경우, 제 2 비교용 단면 영상(350)은 제 2 영상(241a)의 축면 영상(제 1 단면 영상)일 수 있다. 또는, 제 1 비교용 단면 영상(340)이 제 1 영상(231a)의 관상면 영상(제 2 단면 영상)인 경우, 제 2 비교용 단면 영상(350)은 제 2 영상(241a)의 관상면 영상(제 2 단면 영상)일 수 있다. 또는, 제 1 비교용 단면 영상(340)이 제 1 영상(231a)의 시상면 영상(제 3 단면 영상)인 경우, 제 2 비교용 단면 영상(350)은 제 2 영상(241a)의 시상면 영상(제 3 단면 영상)일 수 있다. 다만 이에 한정되는 것은 아니며, 제 1 비교용 단면 영상(340) 및 제 2 비교용 단면 영상(350)은 사용자에 의해 임의의 방향의 단면 영상으로 지정될 수도 있다.
한편, 제 1 비교용 단면 영상(340) 및 제 2 비교용 단면 영상(350)은 서로 연동하여 디스플레이 될 수 있다. 예컨대, 제 1 비교용 단면 영상(340)이 사용자의 입력에 따라 임의의 비율로 줌 인 또는 줌 아웃 되는 경우, 제 2 비교용 단면 영상(350) 또한 대응하는 비율로 줌 인 또는 줌 아웃 될 수 있다
또는, 제 2 비교용 단면 영상(350) 상의 임의의 좌표를 가지는 포인트(point)가 사용자의 입력에 따라 하이라이트 되는 경우, 제 1 비교용 단면 영상(340)의 대응하는 좌표의 포인트가 하이라이트 될 수 있다.
또는, 제 2 영역(220) 상에서 임의의 결절 상세정보가 선택되는 것에 응답하여, 선택된 결절 상세정보에 대응하는 제 1 비교용 단면 영상(340) 및 제 2 비교용 단면 영상(350)이 디스플레이 할 수 있다. 예컨대, 사용자가 제 2 영역(220) 상에서 결절 상세정보(222a)를 선택하는 경우, 선택된 결절 상세정보(222a)에 대응하는 영역이 각 비교용 단면 영상(즉, 제 1 비교용 단면 영상 및 제 2 비교용 단면 영상)의 중앙에 디스플레이 되거나, 또는 선택된 결절 상세정보(222a)에 대응하는 영역이 각 비교용 단면 영상에서 줌 인 되어 디스플레이 될 수 있다.
한편, 비교선택 입력에 응답하여 제 1 비교용 단면 영상(340) 및 제 2 비교용 단면 영상(350)이 디스플레이 되는 경우에, 제 3 결절 데이터 세트에 기초하여 생성된 제 2 결절 정보가 제 1 비교용 단면 영상(340) 상에 추가로 디스플레이 될 수 있다. 또한, 제 3 결절 데이터 세트에 기초하여 제 2 결절 정보와 연관되도록 생성된 제 2 결절 상세정보가 제 2 영역(220)에 추가로 디스플레이 될 수 있다.
제 3 결절 데이터 세트는, 제 1 영상(231a)에 존재하는 결절의 변화를 제 2 영상(241a)과 대비하여 식별하기 위해, 서버에서 딥러닝 알고리즘을 통해 제 1 영상(231a)과 제 2 영상(241a)을 정합하여 획득될 수 있다.
제 1 영상(231a)과 제 2 영상(241a)을 정합하는 것은, 촬영 시간의 차이 또는 촬영 주체의 차이에 따라 촬영된 2개의 영상들 간의 상대적인 위치 관계를 맞추는 동작을 포함할 수 있다. 가령, 각 영상 내에서의 특징점, 밝기 등을 비교하여 제 1 영상(231a) 및 제 2 영상(241a)이 정합될 수 있고, 이를 기초로 제 1 영상(231a)에 존재하는 임의의 결절이 제 2 영상(241a)과 대비하여 변화된 양상을 식별할 수 있다.
앞서 설명된 제 1 결절 데이터 세트와 비교할 때, 제 3 결절 데이터 세트는 제 1 영상(231a)에서 검출된 결절의 변화 양상, 즉 제 1 영상(231a)과 제 2 영상(241a)과의 대비를 통해 식별된 결절 변화 양상에 관한 데이터를 포함한다는 점에서, 제 1 영상(231a)에서 검출된 결절 자체의 데이터를 포함하는 제 1 결절 데이터 세트와 비교될 수 있다.
예컨대, Lung-RADS Version 1.1에 따르면, 제 1 영상(231a)에서 검출된 직경 6mm 미만 Solid 유형 결절(이하 "제 1 결절")의 Lung-RADS Score 데이터 값은 2일 수 있고, 악성 위험도 데이터는 <1%일 수 있다. 즉, 제 1 영상(231a)에 대한 제 1 결절 데이터 세트는, 검출된 제 1 결절에 대하여 {직경 데이터 = 6mm; 유형 분류 데이터 = Solid; Lung-RADs Score 데이터 = 2; 악성 위험도 데이터 = <1%}와 같은 결절 데이터를 포함할 수 있다.
그러나 제 1 영상(231a)을 제 2 영상(241a)과 대비하였을 때 제 1 결절이 제 1 영상(231a)에서만 검출되는 경우, 즉 제 1 결절이 제 2 영상(241a) 촬영 시점에는 존재하지 않았으나 새롭게 생성된 결절로 식별되는 경우, 제 1 결절의 Lung-RADS Score 데이터 값은 3으로 상향될 수 있고, 악성 위험도 데이터 또한 1-2%로 상향될 수 있다. 즉, 제 1 영상(231a)에 대한 제 3 결절 데이터 세트는, 검출된 제 1 결절에 대하여 {직경 데이터 = 6mm; 유형 분류 데이터 = Solid; Lung-RADs Score 데이터 = 3; 악성 위험도 데이터 = 1-2%}와 같은 결절 데이터를 포함할 수 있다.
이 외에도, 제 2 영상(241a)과 대비하여 제 1 결절이 자란 것(growing)으로 식별되거나, 제 1 결절이 일정한 크기로 유지된 것으로 식별되거나, 또는 제 1 결절이 작아진 것으로 식별되는 경우 등 다양한 변화 양상이 식별될 수 있다. 전술한 예시는 일 실시예에 불과할 뿐, 본 개시를 제한하지 않는다.
한편 제 3 결절 데이터 세트는, 서버로부터 수신되어 제 1 결절 정보가 반영되도록 갱신될 수 있고, 갱신된 제 3 결절 데이터 세트에 기초하여 제 2 결절 정보가 생성될 수 있다.
예컨대, 상술한 제 1 결절과 대응하는 제 1 후보 결절 정보는, 사용자 인터페이스 상에서의 사용자 입력에 기초하여 변경되고, 그리고 제 1 결절 정보로 결정될 수 있다. 가령, 제 1 후보 결절 정보의 직경 데이터가 6mm이었으나, 변경 입력인 사용자 입력에 기초하여 제 1 후보 결절 정보의 직경 데이터가 7mm로 변경되고, 직경 데이터가 7mm로 변경된 제 1 후보 결절 정보가 제 1 결절 정보로 결정될 수 있다. 이와 같은 제 1 결절 정보를 반영하여 제 3 결절 데이터 세트를 갱신할 경우, 제 3 결절 데이터 세트는 제 1 결절에 대하여 {직경 데이터 = 7mm; 유형 분류 데이터 = Solid; Lung-RADS Score 데이터 = 4A; 악성 위험도 데이터 = 5-15%}와 같은 결절 데이터를 포함하도록 갱신될 수 있다.
위와 같이 갱신된 제 3 결절 데이터 세트에 기초하여 제 2 결절 정보가 생성될 수 있다. 즉, 상술한 예시에 따르면, {직경 데이터 = 7mm; 유형 분류 데이터 = Solid; Lung-RADS Score 데이터 = 4A; 악성 위험도 데이터 = 5-15%}에 적어도 일부 기초하여 제 2 결절 정보가 생성될 수 있다. 전술한 예시는 일 실시예에 불과할 뿐, 본 개시를 제한하지 않는다. 예컨대, 제 1 후보 결절 정보에 대하여 변경 입력이 수신되지 않은 경우, 제 2 결절 정보는 제 3 결절 데이터 세트의 결절 데이터 값에 기초하여, 즉 {직경 데이터 = 6mm; 유형 분류 데이터 = Solid; Lung-RADs Score 데이터 = 3; 악성 위험도 데이터 = 1-2%}에 적어도 일부 기초하여 생성될 수 있다.
생성된 제 2 결절 정보는, 제 1 비교용 단면 영상에 디스플레이 될 수 있다. 예컨대, 제 1 영상(231a)과 관련된 제 1 비교용 단면 영상에 제 1 영상(231a)과 관련된 제 1 결절 정보가 디스플레이 될 수 있고, 제 2 결절 정보의 적어도 일부가 추가로 디스플레이 될 수 있다. 가령, 제 2 결절 정보의 적어도 일부가 제 1 결절 정보와 중첩하여 디스플레이 되거나, 또는 중첩되지 않도록 나란히 배치되어 디스플레이 될 수 있다. 이 경우, 제 2 결절 정보는 제 1 결절 정보와 시각적으로 구분되도록 디스플레이 될 수 있다. 또는, 제 1 비교용 단면 영상에 디스플레이 된 제 1 결절 정보가 제 2 결절 정보로 대체되는 방식으로, 제 2 결절 정보가 제 1 비교용 단면 영상에 디스플레이 될 수 있다. 또는, 제 1 비교용 단면 영상에 제 2 결절 정보만이 디스플레이 될 수 있다.
한편, 제 2 결절 정보와 연관되는 제 2 결절 상세정보가, 갱신된 제 3 결절 데이터 세트에 기초하여 생성될 수 있다. 생성된 제 2 결절 상세정보는 제 2 영역(220)에 디스플레이 될 수 있다. 예컨대, 제 2 영역(220)에 제 1 영상(231a)과 관련된 제 1 결절 상세정보가 디스플레이 될 수 있고, 제 2 결절 상세정보의 적어도 일부가 추가로 디스플레이 될 수 있다. 가령, 제 2 결절 상세정보의 적어도 일부가 제 1 결절 상세정보와 중첩하여 디스플레이 되거나, 또는 중첩되지 않도록 나란히 배치되어 디스플레이 될 수 있다. 이 경우, 제 2 결절 상세정보는 제 1 결절 상세정보와 시각적으로 구분되도록 디스플레이 될 수 있다.
예컨대, 제 3 결절 데이터 세트의 C0 결절에 대한 Lung-RADS Score 데이터가 3에서 4A로 갱신된 경우, 제 2 영역(220)은 C0 결절에 대응하는 결절 상세정보(222a)에서 "
"와 같이 디스플레이 할 수 있다. 즉, 제 1 결절 상세정보(여기서, Lung-RADS: 3)와 제 2 결절 상세정보(여기서, Lung-RADS: 4A)를 나란히 디스플레이 하되, 제 1 결절 상세정보를 취소선과 함께 표시하여 제 2 결절 상세정보가 제 1 결절 상세정보와 시각적으로 구분되도록 할 수 있다. 다만, 이에 한정되는 것은 아니며, 예컨대 화살표 등의 기호를 사용하거나, 보조적인 하이라이트 도형 삽입, 텍스트 형태(굵기, 기울임, 밑줄, 폰트, 색상)의 변형 등을 통하여, 제 2 결절 상세정보가 제 1 결절 상세정보와 시각적으로 구분되도록 할 수 있다.
이와 같이, 제 1 영상(231a) 및 관련 영상인 제 2 영상(241a)을 함께 디스플레이 하고, 특히 양 영상을 연동하여 디스플레이 함으로써, 각 결절의 경과에 대한 직관적인 판독이 가능하다. 또한, 결절의 변화 양상을 반영한 제 2 결절 정보 및 제 2 결절 상세정보가 자동으로 생성되어 사용자 인터페이스(200) 상에 디스플레이 되는 바, 사용자는 제 1 영상(231a)과 제 2 영상(241a)을 육안으로 일일이 대비하여 제 1 결절 정보 및/또는 제 1 결절 상세정보를 제 2 결절 정보 및/또는 제 2 결절 상세정보로 업데이트 해야 하는 번거로움을 덜 수 있다. 나아가, 특히 Lung-RADS Score 데이터의 정확도를 높일 수 있는 바, 영상 판독의 정확성을 향상시키고 보다 적합한 관리방법을 적용할 수 있다.
도 11은 본 개시의 몇몇 실시예에 따른 리포트를 디스플레이 하는 방법을 예시적으로 도시한 도면이다.
도 11을 참고하면, 사용자의 리포트 요청 입력에 응답하여, 제 1 영상(231a)에 관련된 리포트를 생성할 수 있다.
사용자의 리포트 요청 입력은, 예컨대 'Report' 버튼(610)에 대한 클릭일 수 있다. 사용자의 리포트 요청 입력에 응답하여, 사용자 인터페이스(200)는 제 1 영역(210)에 생성된 리포트(600)를 디스플레이 할 수 있다.
제 2 결절 정보가 존재하는 경우, 리포트는 제 2 결절 정보에 기초하여 생성될 수 있다.
예컨대 제 1 영상(231a)의 관련 영상인 제 2 영상(241a)이 존재하는 경우, 제 1 영상(231a) 및 제 2 영상(241a)을 기초로 서버에서 제 3 결절 데이터 세트가 획득될 수 있으며, 이를 기초로 사용자 인터페이스(200) 상에 디스플레이 되기 위한 제 2 결절 정보가 생성되어 존재할 수 있다.
다시 말해, 제 1 영상(231a)의 관련 영상인 제 2 영상(241a)이 존재하는 경우, 제 2 영상(241a)에 대한 사용자의 비교선택 입력에 따라 결절 변화 양상이 반영된 제 2 결절 정보를 생성하는 과정이 요구되고, 이에 따라 생성된 제 2 결절 정보를 기초로 하여 제 1 영상(231a)에 대한 리포트를 생성할 수 있다.
제 2 결절 정보를 생성하는 과정이 요구됨에 따라, 사용자가 제 1 영상(231a)을 관련 영상(즉, 제 2 영상(241a))과 비교하는 절차(즉, 관련 영상의 목록(241)으로부터 제 2 영상(241a)을 선택하고, 제 1 영역(220)에 제 1 비교용 단면 영상(340) 및 제 2 비교용 단면 영상(350)을 연동하여 함께 디스플레이 하는 절차)를 누락하지 않도록 보조할 수 있으며, 이로써 사용자는 보다 정확한 Lung-RADS Score 데이터를 포함하는 리포트를 생성할 수 있다.
또는, 제 2 결절 정보가 존재하지 않는 경우, 리포트는 제 1 결절 정보에 기초하여 생성될 수 있다.
예컨대 제 1 영상(231a)의 관련 영상이 존재하지 않는 경우, 즉 제 1 영상(231a)이 피촬영자에 대하여 처음으로 촬영된 영상인 경우, 제 1 영상(231a)을 기초로 서버에서 제 1 결절 데이터 세트가 획득될 수 있으며, 이를 기초로 사용자 인터페이스(200) 상에 디스플레이 되기 위한 제 1 결절 정보가 생성된다. 다만, 제 1 영상(231a) 및 제 2 영상(241a) 간의 대비를 통한 결절 변화 양상이 반영된 제 2 결절 정보는 생성될 수 없다.
다시 말해, 제 1 영상(231a)의 관련 영상인 제 2 영상(241a)이 존재하지 않는 경우, 사용자는 제 1 영상(231a)을 관련 영상과 비교하는 과정을 거치지 않고, 제 1 영상(231a)에서 검출된 결절에 관한 제 1 결절 정보를 기초로 하여 제 1 영상(231a)에 대한 리포트를 생성할 수 있다.
한편 리포트를 생성하는 경우, 사용자는 리포트에 포함될 항목을 선택할 수 있다. 예컨대, 제 1 결절 정보 또는 제 2 결절 정보에 포함될 수 있는 데이터 항목, 즉 위치 데이터, 분할 데이터, 직경 데이터, 부피 데이터, 유형 분류 데이터, Lung-RADS Score 데이터, 또는 악성 위험도 데이터 중 적어도 일부를 포함하여 리포트가 생성되도록 설정할 수 있다.
리포트는, 이 외에도 피촬영자 식별 정보, 리포트를 생성하는 사용자 식별 정보(예컨대, 병원의 식별 정보, 영상 판독자 또는 의료진의 식별 정보 등) 등을 더 포함할 수 있다.
한편, 제 1 영역(210)에 디스플레이 된 리포트(600)는 컴퓨팅 장치에(100) 다운로드 되거나 저장될 수 있다.
도 12는 본 개시의 몇몇 실시예들이 구현될 수 있는 예시적인 컴퓨팅 환경에 대한 간략하고 일반적인 개략도이다.
본 개시가 일반적으로 컴퓨팅 장치에 의해 구현될 수 있는 것으로 전술되었지만, 당업자라면 본 개시가 하나 이상의 컴퓨터 상에서 실행될 수 있는 컴퓨터 실행가능 명령어 및/또는 기타 프로그램 모듈들과 결합되어 및/또는 하드웨어와 소프트웨어의 조합으로써 구현될 수 있다는 것을 잘 알 것이다.
일반적으로, 프로그램 모듈은 특정의 태스크를 수행하거나 특정의 추상 데이터 유형을 구현하는 루틴, 프로그램, 컴포넌트, 데이터 구조, 기타 등등을 포함한다. 또한, 당업자라면 본 개시의 방법이 단일-프로세서 또는 멀티프로세서 컴퓨터 시스템, 미니컴퓨터, 메인프레임 컴퓨터는 물론 퍼스널 컴퓨터, 핸드헬드(handheld) 컴퓨팅 장치, 마이크로프로세서-기반 또는 프로그램가능 가전 제품, 기타 등등(이들 각각은 하나 이상의 연관된 장치와 연결되어 동작할 수 있음)을 비롯한 다른 컴퓨터 시스템 구성으로 실시될 수 있다는 것을 잘 알 것이다.
본 개시의 설명된 실시예들은 또한 어떤 태스크들이 통신 네트워크를 통해 연결되어 있는 원격 처리 장치들에 의해 수행되는 분산 컴퓨팅 환경에서 실시될 수 있다. 분산 컴퓨팅 환경에서, 프로그램 모듈은 로컬 및 원격 메모리 저장 장치 둘 다에 위치할 수 있다.
컴퓨터는 통상적으로 다양한 컴퓨터 판독가능 매체를 포함한다. 컴퓨터에 의해 액세스 가능한 매체는 그 어떤 것이든지 컴퓨터 판독가능 매체가 될 수 있고, 이러한 컴퓨터 판독가능 매체는 휘발성 및 비휘발성 매체, 일시적(transitory) 및 비일시적(non-transitory) 매체, 이동식 및 비-이동식 매체를 포함한다. 제한이 아닌 예로서, 컴퓨터 판독가능 매체는 컴퓨터 판독가능 저장 매체 및 컴퓨터 판독가능 전송 매체를 포함할 수 있다. 컴퓨터 판독가능 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보를 저장하는 임의의 방법 또는 기술로 구현되는 휘발성 및 비휘발성 매체, 일시적 및 비-일시적 매체, 이동식 및 비이동식 매체를 포함한다. 컴퓨터 판독가능 저장 매체는 RAM, ROM, EEPROM, 플래시 메모리 또는 기타 메모리 기술, CD-ROM, DVD(digital video disk) 또는 기타 광 디스크 저장 장치, 자기 카세트, 자기 테이프, 자기 디스크 저장 장치 또는 기타 자기 저장 장치, 또는 컴퓨터에 의해 액세스될 수 있고 원하는 정보를 저장하는 데 사용될 수 있는 임의의 기타 매체를 포함하지만, 이에 한정되지 않는다.
컴퓨터 판독가능 전송 매체는 통상적으로 반송파(carrier wave) 또는 기타 전송 메커니즘(transport mechanism)과 같은 피변조 데이터 신호(modulated data signal)에 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터 등을 구현하고 모든 정보 전달 매체를 포함한다. 피변조 데이터 신호라는 용어는 신호 내에 정보를 인코딩하도록 그 신호의 특성들 중 하나 이상을 설정 또는 변경시킨 신호를 의미한다. 제한이 아닌 예로서, 컴퓨터 판독가능 전송 매체는 유선 네트워크 또는 직접 배선 접속(direct-wired connection)과 같은 유선 매체, 그리고 음향, RF, 적외선, 기타 무선 매체와 같은 무선 매체를 포함한다. 상술된 매체들 중 임의의 것의 조합도 역시 컴퓨터 판독가능 전송 매체의 범위 안에 포함되는 것으로 한다.
컴퓨터(1102)를 포함하는 본 개시의 여러가지 측면들을 구현하는 예시적인 환경(1100)이 나타내어져 있으며, 컴퓨터(1102)는 처리 장치(1104), 시스템 메모리(1106) 및 시스템 버스(1108)를 포함한다. 시스템 버스(1108)는 시스템 메모리(1106)(이에 한정되지 않음)를 비롯한 시스템 컴포넌트들을 처리 장치(1104)에 연결시킨다. 처리 장치(1104)는 다양한 상용 프로세서들 중 임의의 프로세서일 수 있다. 듀얼 프로세서 및 기타 멀티프로세서 아키텍처도 역시 처리 장치(1104)로서 이용될 수 있다.
시스템 버스(1108)는 메모리 버스, 주변장치 버스, 및 다양한 상용 버스 아키텍처 중 임의의 것을 사용하는 로컬 버스에 추가적으로 상호 연결될 수 있는 몇 가지 유형의 버스 구조 중 임의의 것일 수 있다. 시스템 메모리(1106)는 판독 전용 메모리(ROM)(1110) 및 랜덤 액세스 메모리(RAM)(1112)를 포함한다. 기본 입/출력 시스템(BIOS)은 ROM, EPROM, EEPROM 등의 비휘발성 메모리(1110)에 저장되며, 이 BIOS는 시동 중과 같은 때에 컴퓨터(1102) 내의 구성요소들 간에 정보를 전송하는 일을 돕는 기본적인 루틴을 포함한다. RAM(1112)은 또한 데이터를 캐싱하기 위한 정적 RAM 등의 고속 RAM을 포함할 수 있다.
컴퓨터(1102)는 또한 내장형 하드 디스크 드라이브(HDD)(1114)(예를 들어, EIDE, SATA)－이 내장형 하드 디스크 드라이브(1114)는 또한 적당한 섀시(도시 생략) 내에서 외장형 용도로 구성될 수 있음－, 자기 플로피 디스크 드라이브(FDD)(1116)(예를 들어, 이동식 디스켓(1118)으로부터 판독을 하거나 그에 기록을 하기 위한 것임), 및 광 디스크 드라이브(1120)(예를 들어, CD-ROM 디스크(1122)를 판독하거나 DVD 등의 기타 고용량 광 매체로부터 판독을 하거나 그에 기록을 하기 위한 것임)를 포함한다. 하드 디스크 드라이브(1114), 자기 디스크 드라이브(1116) 및 광 디스크 드라이브(1120)는 각각 하드 디스크 드라이브 인터페이스(1124), 자기 디스크 드라이브 인터페이스(1126) 및 광 드라이브 인터페이스(1128)에 의해 시스템 버스(1108)에 연결될 수 있다. 외장형 드라이브 구현을 위한 인터페이스(1124)는 USB(Universal Serial Bus) 및 IEEE 1394 인터페이스 기술 중 적어도 하나 또는 그 둘 다를 포함한다.
이들 드라이브 및 그와 연관된 컴퓨터 판독가능 매체는 데이터, 데이터 구조, 컴퓨터 실행가능 명령어, 기타 등등의 비휘발성 저장을 제공한다. 컴퓨터(1102)의 경우, 드라이브 및 매체는 임의의 데이터를 적당한 디지털 형식으로 저장하는 것에 대응한다. 상기에서의 컴퓨터 판독가능 매체에 대한 설명이 HDD, 이동식 자기 디스크, 및 CD 또는 DVD 등의 이동식 광 매체를 언급하고 있지만, 당업자라면 집 드라이브(zip drive), 자기 카세트, 플래쉬 메모리 카드, 카트리지, 기타 등등의 컴퓨터에 의해 판독가능한 다른 유형의 매체도 역시 예시적인 운영 환경에서 사용될 수 있으며 또 임의의 이러한 매체가 본 개시의 방법들을 수행하기 위한 컴퓨터 실행가능 명령어를 포함할 수 있다는 것을 잘 알 것이다.
운영 체제(1130), 하나 이상의 애플리케이션 프로그램(1132), 기타 프로그램 모듈(1134) 및 프로그램 데이터(1136)를 비롯한 다수의 프로그램 모듈이 드라이브 및 RAM(1112)에 저장될 수 있다. 운영 체제, 애플리케이션, 모듈 및/또는 데이터의 전부 또는 그 일부분이 또한 RAM(1112)에 캐싱될 수 있다. 본 개시가 여러가지 상업적으로 이용가능한 운영 체제 또는 운영 체제들의 조합에서 구현될 수 있다는 것을 잘 알 것이다.
사용자는 하나 이상의 유선/무선 입력 장치, 예를 들어, 키보드(1138) 및 마우스(1140) 등의 포인팅 장치를 통해 컴퓨터(1102)에 명령 및 정보를 입력할 수 있다. 기타 입력 장치(도시 생략)로는 마이크, IR 리모콘, 조이스틱, 게임 패드, 스타일러스 펜, 터치 스크린, 기타 등등이 있을 수 있다. 이들 및 기타 입력 장치가 종종 시스템 버스(1108)에 연결되어 있는 입력 장치 인터페이스(1142)를 통해 처리 장치(1104)에 연결되지만, 병렬 포트, IEEE 1394 직렬 포트, 게임 포트, USB 포트, IR 인터페이스, 기타 등등의 기타 인터페이스에 의해 연결될 수 있다.
모니터(1144) 또는 다른 유형의 디스플레이 장치도 역시 비디오 어댑터(1146) 등의 인터페이스를 통해 시스템 버스(1108)에 연결된다. 모니터(1144)에 부가하여, 컴퓨터는 일반적으로 스피커, 프린터, 기타 등등의 기타 주변 출력 장치(도시 생략)를 포함한다.
컴퓨터(1102)는 유선 및/또는 무선 통신을 통한 원격 컴퓨터(들)(1148) 등의 하나 이상의 원격 컴퓨터로의 논리적 연결을 사용하여 네트워크화된 환경에서 동작할 수 있다. 원격 컴퓨터(들)(1148)는 워크스테이션, 컴퓨팅 디바이스 컴퓨터, 라우터, 퍼스널 컴퓨터, 휴대용 컴퓨터, 마이크로프로세서-기반 오락 기기, 피어 장치 또는 기타 통상의 네트워크 노드일 수 있으며, 일반적으로 컴퓨터(1102)에 대해 기술된 구성요소들 중 다수 또는 그 전부를 포함하지만, 간략함을 위해, 메모리 저장 장치(1150)만이 도시되어 있다. 도시되어 있는 논리적 연결은 근거리 통신망(LAN)(1152) 및/또는 더 큰 네트워크, 예를 들어, 원거리 통신망(WAN)(1154)에의 유선/무선 연결을 포함한다. 이러한 LAN 및 WAN 네트워킹 환경은 사무실 및 회사에서 일반적인 것이며, 인트라넷 등의 전사적 컴퓨터 네트워크(enterprise-wide computer network)를 용이하게 해주며, 이들 모두는 전세계 컴퓨터 네트워크, 예를 들어, 인터넷에 연결될 수 있다.
LAN 네트워킹 환경에서 사용될 때, 컴퓨터(1102)는 유선 및/또는 무선 통신 네트워크 인터페이스 또는 어댑터(1156)를 통해 로컬 네트워크(1152)에 연결된다. 어댑터(1156)는 LAN(1152)에의 유선 또는 무선 통신을 용이하게 해줄 수 있으며, 이 LAN(1152)은 또한 무선 어댑터(1156)와 통신하기 위해 그에 설치되어 있는 무선 액세스 포인트를 포함하고 있다. WAN 네트워킹 환경에서 사용될 때, 컴퓨터(1102)는 모뎀(1158)을 포함할 수 있거나, WAN(1154) 상의 통신 컴퓨팅 디바이스에 연결되거나, 또는 인터넷을 통하는 등, WAN(1154)을 통해 통신을 설정하는 기타 수단을 갖는다. 내장형 또는 외장형 및 유선 또는 무선 장치일 수 있는 모뎀(1158)은 직렬 포트 인터페이스(1142)를 통해 시스템 버스(1108)에 연결된다. 네트워크화된 환경에서, 컴퓨터(1102)에 대해 설명된 프로그램 모듈들 또는 그의 일부분이 원격 메모리/저장 장치(1150)에 저장될 수 있다. 도시된 네트워크 연결이 예시적인 것이며 컴퓨터들 사이에 통신 링크를 설정하는 기타 수단이 사용될 수 있다는 것을 잘 알 것이다.
컴퓨터(1102)는 무선 통신으로 배치되어 동작하는 임의의 무선 장치 또는 개체, 예를 들어, 프린터, 스캐너, 데스크톱 및/또는 휴대용 컴퓨터, PDA(portable data assistant), 통신 위성, 무선 검출가능 태그와 연관된 임의의 장비 또는 장소, 및 전화와 통신을 하는 동작을 한다. 이것은 적어도 Wi-Fi 및 블루투스 무선 기술을 포함한다. 따라서, 통신은 종래의 네트워크에서와 같이 미리 정의된 구조이거나 단순하게 적어도 2개의 장치 사이의 애드혹 통신(ad hoc communication)일 수 있다.
Wi-Fi(Wireless Fidelity)는 유선 없이도 인터넷 등으로의 연결을 가능하게 해준다. Wi-Fi는 이러한 장치, 예를 들어, 컴퓨터가 실내에서 및 실외에서, 즉 기지국의 통화권 내의 아무 곳에서나 데이터를 전송 및 수신할 수 있게 해주는 셀 전화와 같은 무선 기술이다. Wi-Fi 네트워크는 안전하고 신뢰성 있으며 고속인 무선 연결을 제공하기 위해 IEEE 802.11(a, b, g, 기타)이라고 하는 무선 기술을 사용한다. 컴퓨터를 서로에, 인터넷에 및 유선 네트워크(IEEE 802.3 또는 이더넷을 사용함)에 연결시키기 위해 Wi-Fi가 사용될 수 있다. Wi-Fi 네트워크는 비인가 2.4 및 5GHz 무선 대역에서, 예를 들어, 11Mbps(802.11a) 또는 54 Mbps(802.11b) 데이터 레이트로 동작하거나, 양 대역(듀얼 대역)을 포함하는 제품에서 동작할 수 있다.
본 개시의 기술 분야에서 통상의 지식을 가진 자는 정보 및 신호들이 임의의 다양한 상이한 기술들 및 기법들을 이용하여 표현될 수 있다는 것을 이해할 것이다. 예를 들어, 위의 설명에서 참조될 수 있는 데이터, 지시들, 명령들, 정보, 신호들, 비트들, 심볼들 및 칩들은 전압들, 전류들, 전자기파들, 자기장들 또는 입자들, 광학장들 또는 입자들, 또는 이들의 임의의 결합에 의해 표현될 수 있다.
본 개시의 기술 분야에서 통상의 지식을 가진 자는 여기에 개시된 실시예들과 관련하여 설명된 다양한 예시적인 논리 블록들, 모듈들, 프로세서들, 수단들, 회로들 및 알고리즘 단계들이 전자 하드웨어, (편의를 위해, 여기에서 소프트웨어로 지칭되는) 다양한 형태들의 프로그램 또는 설계 코드 또는 이들 모두의 결합에 의해 구현될 수 있다는 것을 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호 호환성을 명확하게 설명하기 위해, 다양한 예시적인 컴포넌트들, 블록들, 모듈들, 회로들 및 단계들이 이들의 기능과 관련하여 위에서 일반적으로 설명되었다. 이러한 기능이 하드웨어 또는 소프트웨어로서 구현되는지 여부는 특정한 애플리케이션 및 전체 시스템에 대하여 부과되는 설계 제약들에 따라 좌우된다. 본 개시의 기술 분야에서 통상의 지식을 가진 자는 각각의 특정한 애플리케이션에 대하여 다양한 방식들로 설명된 기능을 구현할 수 있으나, 이러한 구현 결정들은 본 개시의 범위를 벗어나는 것으로 해석되어서는 안 될 것이다.
여기서 제시된 다양한 실시예들은 방법, 장치, 또는 표준 프로그래밍 및/또는 엔지니어링 기술을 사용한 제조 물품(article)으로 구현될 수 있다. 용어 제조 물품은 임의의 컴퓨터-판독가능 저장장치로부터 액세스 가능한 컴퓨터 프로그램, 캐리어, 또는 매체(media)를 포함한다. 예를 들어, 컴퓨터-판독가능 저장매체는 자기 저장 장치(예를 들면, 하드 디스크, 플로피 디스크, 자기 스트립, 등), 광학 디스크(예를 들면, CD, DVD, 등), 스마트 카드, 및 플래쉬 메모리 장치(예를 들면, EEPROM, 카드, 스틱, 키 드라이브, 등)를 포함하지만, 이들로 제한되는 것은 아니다. 또한, 여기서 제시되는 다양한 저장 매체는 정보를 저장하기 위한 하나 이상의 장치 및/또는 다른 기계-판독가능한 매체를 포함한다.
제시된 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조는 예시적인 접근들의 일례임을 이해하도록 한다. 설계 우선순위들에 기반하여, 본 개시의 범위 내에서 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조가 재배열될 수 있다는 것을 이해하도록 한다. 첨부된 방법 청구항들은 샘플 순서로 다양한 단계들의 엘리먼트들을 제공하지만 제시된 특정한 순서 또는 계층 구조에 한정되는 것을 의미하지는 않는다.
제시된 실시예들에 대한 설명은 임의의 본 개시의 기술 분야에서 통상의 지식을 가진 자가 본 개시를 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 개시의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이며, 여기에 정의된 일반적인 원리들은 본 개시의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 개시는 여기에 제시된 실시예들로 한정되는 것이 아니라, 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.
Claims (16)
- 사용자 단말에서 영상 분석을 위한 사용자 인터페이스(UI)를 제공하는 방법으로서,
제 1 영상과 관련된 제 1 단면 영상, 제 2 단면 영상 및 제 3 단면 영상을 상기 사용자 인터페이스의 제 1 영역에 디스플레이 하는 단계;
상기 제 1 영상과 관련된 후보 결절 정보를 상기 제 1 단면 영상, 상기 제 2 단면 영상 또는 상기 제 3 단면 영상 중 적어도 하나에 디스플레이 하는 단계;
상기 사용자 인터페이스 상에서의 사용자 입력에 기초하여, 상기 사용자 입력과 연관된 상기 후보 결절 정보를 상기 제 1 영상과 관련된 제 1 결절 정보로 결정하는 단계;
상기 사용자 입력과 연관된 상기 후보 결절 정보가 상기 제 1 결절 정보로 대체되는 방식으로, 상기 제 1 결절 정보를 디스플레이 하는 단계; 를 포함하되,
상기 후보 결절 정보는,
서버에서, 상기 영상에 존재하는 결절을 검출하는 딥러닝 알고리즘에, 상기 제 1 영상을 입력하여 획득된 제 1 결절 데이터 세트에 기초하여 생성되는,
방법.
- 제 1항에 있어서,
상기 후보 결절 정보를 상기 제 1 영상과 관련된 상기 제 1 결절 정보로 결정하는 단계는:
상기 사용자 입력이 변경 입력인 경우, 상기 변경 입력에 기초하여 상기 후보 결절 정보를 변경하고, 그리고 상기 변경된 후보 결절 정보를 상기 제 1 결절 정보로 결정하는 단계; 및
상기 변경 입력이 수신되지 않거나, 또는 상기 사용자 입력이 확인 입력인 경우, 상기 후보 결절 정보를 상기 제 1 결절 정보로 결정하는 단계;
를 포함하는,
방법.
- 제 1항에 있어서,
상기 제 1 결절 데이터 세트에 기초하여 상기 후보 결절 정보 또는 상기 제 1 결절 정보와 연관되도록 생성되는 제 1 결절 상세정보를, 상기 사용자 인터페이스의 제 2 영역에 디스플레이 하는 단계;
를 더 포함하고,
상기 제 1 결절 상세정보는 상기 사용자 입력을 수신 가능한,
방법.
- 제 3항에 있어서,
상기 1 결절 정보 또는 상기 제 1 결절 상세정보를 상기 제 1 결절 데이터 세트에 반영하여, 제 2 결절 데이터 세트를 생성하는 단계;
를 더 포함하며,
상기 생성된 제 2 결절 데이터 세트는 상기 서버로 전송 가능한,
방법.
- 제 1항에 있어서,
상기 제 1 결절 데이터 세트는 하나 이상의 결절 데이터를 포함하며, 그리고
상기 결절 데이터는, 상기 결절에 대한 식별 데이터, 위치 데이터, 분할(segmentation) 데이터, 직경(diameter) 데이터, 부피(volume) 데이터, 유형 분류(classification) 데이터, Lung-RADS Score 데이터, 및 악성 위험도(malignancy risk) 데이터 중 적어도 하나를 포함하는,
방법.
- 제 5항에 있어서,
상기 제 1 영상과 관련된 상기 후보 결절 정보를 상기 제 1 단면 영상, 상기 제 2 단면 영상 또는 상기 제 3 단면 영상 중 적어도 하나에 디스플레이 하는 단계는,
상기 직경 데이터에 적어도 기초하여, 상기 제 1 단면 영상, 상기 제 2 단면 영상, 또는 상기 제 3 단면 영상 중, 상기 결절의 직경이 가장 큰 값을 갖는 단면 영상에 상기 후보 결절 정보를 디스플레이 하는,
방법.
- 제 1항에 있어서,
상기 제 1 단면 영상, 상기 제 2 단면 영상, 또는 상기 제 3 단면 영상에서의 상기 사용자의 결절 추가 입력에 응답하여, 상기 결절 추가 입력에 대응하는 영역에 존재하는 추가 결절에 대한 추가 결절 데이터를 상기 사용자로부터 입력 받는 단계; 및
상기 추가 결절 데이터에 기초하여 생성된 추가 결절 정보를 디스플레이 하는 단계;
를 더 포함하는,
방법.
- 제 1항에 있어서,
상기 제 1 단면 영상, 상기 제 2 단면 영상, 또는 상기 제 3 단면 영상에서의 상기 사용자의 결절 추가 입력에 응답하여, 상기 서버에 상기 결절 추가 입력에 대한 연산을 요청하는 단계; 및
상기 연산으로부터 획득되는 추가 결절 데이터를, 상기 서버로부터 수신하고, 그리고 상기 수신된 추가 결절 데이터에 기초하여 생성된 추가 결절 정보를 디스플레이 하는 단계;
를 더 포함하고,
상기 연산은,
상기 서버에서, 상기 결절 추가 입력에 대응하는 영역을 상기 딥러닝 알고리즘에 입력하여, 상기 결절 추가 입력에 대응하는 영역에 존재하는 추가 결절에 대한 데이터인 상기 추가 결절 데이터를 획득하는,
방법.
- 제 7항 또는 제 8항에 있어서,
상기 추가 결절 정보를 디스플레이 하는 단계는:
상기 추가 결절 데이터에 기초하여 생성된 추가 결절 정보를 상기 제 1 단면 영상, 상기 제 2 단면 영상 또는 상기 제 3 단면 영상 중 적어도 하나에 추가로 디스플레이 하고, 그리고 상기 추가 결절 데이터에 기초하여 상기 추가 결절 정보와 연관되도록 생성된 추가 결절 상세 정보를 상기 사용자 인터페이스의 제 2 영역에 디스플레이 하는 단계;
를 포함하는,
방법.
- 제 1항에 있어서,
상기 제 1 영상을 포함하는 영상 목록을 상기 사용자 인터페이스의 제 3 영역에 디스플레이 하는 단계;
를 더 포함하는,
방법.
- 제 3항에 있어서,
상기 제 1 영상에 대한 선택 입력에 응답하여, 상기 제 1 영상과 관련된 관련영상의 목록을 상기 사용자 인터페이스의 제 4 영역에 디스플레이 하는 단계;
를 더 포함하며, 그리고
상기 관련영상은,
상기 제 1 영상의 촬영 시점보다 이전 시점에 상기 제 1 영상의 피촬영자와 동일한 피촬영자를 대상으로 촬영된 영상인,
방법.
- 제 11항에 있어서,
상기 관련영상 중 제 2 영상에 대한 상기 사용자의 비교선택 입력에 응답하여, 상기 제 1 영상과 관련된 제 1 비교용 단면 영상 및 상기 제 2 영상과 관련된 제 2 비교용 단면 영상을 상기 제 1 영역에 디스플레이 하는 단계;
를 더 포함하는,
방법.
- 제 12항에 있어서,
상기 제 1 비교용 단면 영상 및 상기 제 2 비교용 단면 영상은 연동하여 디스플레이 되는,
방법.
- 제 12항에 있어서,
제 3 결절 데이터 세트에 기초하여 생성된 제 2 결절 정보를 상기 제 1 비교용 단면 영상에 추가로 디스플레이 하는 단계;
를 더 포함하고,
상기 제 3 결절 데이터 세트는,
상기 제 1 영상에 존재하는 결절의 변화를 식별하기 위해, 상기 딥러닝 알고리즘을 통해 상기 제 1 영상과 상기 제 2 영상을 정합함으로써 획득되며, 그리고
상기 제 2 결절 정보는,
상기 결정된 제 1 결절 정보를 반영하여 갱신된 상기 제 3 결절 데이터 세트에 기초하여 생성되는,
방법.
- 제 14항에 있어서,
상기 갱신된 제 3 결절 데이터 세트에 기초하여 제 2 결절 정보와 연관되도록 생성되는 제 2 결절 상세정보를, 상기 제 2 영역에 추가로 디스플레이 하는 단계;
를 더 포함하며, 그리고
상기 제 2 결절 상세정보는 상기 제 1 결절 상세정보와 시각적으로 구분되는,
방법.
- 제 14항에 있어서,
상기 제 1 영상에 대한 리포트 요청 입력을 수신하는 단계;
상기 제 2 결절 정보가 존재하지 않는 경우, 상기 제 1 결절 정보에 기초하여 리포트를 생성하는 단계; 및
상기 제 2 결절 정보가 존재하는 경우, 상기 제 2 결절 정보에 기초하여 상기 리포트를 생성하는 단계;
를 더 포함하는,
방법.
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2023523006A JP2023549044A (ja) | 2020-10-15 | 2021-10-13 | 画像解析のためのユーザーインターフェース |
| PCT/KR2021/014091 WO2022080848A1 (ko) | 2020-10-15 | 2021-10-13 | 영상 분석을 위한 사용자 인터페이스 |
| US17/501,491 US20220122249A1 (en) | 2020-10-15 | 2021-10-14 | User interface for video analysis |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200133098 | 2020-10-15 | ||
| KR20200133098 | 2020-10-15 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20220050014A true KR20220050014A (ko) | 2022-04-22 |
Family
ID=81452459
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210019002A KR20220050014A (ko) | 2020-10-15 | 2021-02-10 | 영상 분석을 위한 사용자 인터페이스 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20220050014A (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102527376B1 (ko) * | 2022-07-29 | 2023-06-14 | 인그래디언트 주식회사 | 의료 영상 이미지의 임계처리를 이용한 자동 라벨링 방법 및 이를 위한 장치 |
-
2021
- 2021-02-10 KR KR1020210019002A patent/KR20220050014A/ko not_active Application Discontinuation
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102527376B1 (ko) * | 2022-07-29 | 2023-06-14 | 인그래디언트 주식회사 | 의료 영상 이미지의 임계처리를 이용한 자동 라벨링 방법 및 이를 위한 장치 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102460257B1 (ko) | 진단 결과를 제공하기 위한 방법 및 장치 | |
| KR102179584B1 (ko) | 의료영상 판독을 위한 인공지능 기반의 클라우드 플랫폼 시스템 | |
| KR102588116B1 (ko) | 엑스레이 영상에서 골절을 검출하는 방법 | |
| KR102455875B1 (ko) | 골 연령 판독 방법 및 장치 | |
| KR20220050014A (ko) | 영상 분석을 위한 사용자 인터페이스 | |
| KR20220074442A (ko) | 질병을 판정하기 위한 정보를 제공하는 방법 | |
| US20220198668A1 (en) | Method for analyzing lesion based on medical image | |
| US20240144474A1 (en) | Medical-image-based lesion analysis method | |
| KR102212966B1 (ko) | 개별 레이어의 예상 실행시간이 표시되는 의료영상 판독을 위한 인공지능 기반의 클라우드 플랫폼 시스템 | |
| US20220122249A1 (en) | User interface for video analysis | |
| KR102507451B1 (ko) | 흉부 이미지 판독 방법 | |
| KR102179587B1 (ko) | 의료영상 판독을 위한 인공지능 기반의 클라우드 플랫폼 시스템 | |
| KR102569976B1 (ko) | 의료 영상 처리 방법 | |
| KR102375786B1 (ko) | 의료 영상에서 이상 소견 탐지 및 판독문 생성 방법 | |
| KR20220075119A (ko) | 의료 영상 기반의 뇌백질 병변 탐지 방법 | |
| KR102622660B1 (ko) | 의료 영상에 대한 연속 절편 검출 방법 | |
| KR102317857B1 (ko) | 병변 판독 방법 | |
| KR102317855B1 (ko) | 프로젝트 분석을 위한 사용자 인터페이스 | |
| KR102534088B1 (ko) | 의료 데이터 검색 방법 | |
| KR102317854B1 (ko) | 실시간 모니터링을 위한 사용자 인터페이스 | |
| KR102366382B1 (ko) | 편집 및 자동 평가를 위한 사용자 인터페이스 | |
| KR20220124483A (ko) | 질병 예측 방법 | |
| KR20230056175A (ko) | 의료 영상 분석 방법 | |
| KR20220082456A (ko) | 의료 영상을 기반으로 하는 관심 대상의 상태 판독 방법 | |
| KR20220165111A (ko) | 의료 영상의 분류 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal |