KR20220057448A - 통합 의료 영상 생성 방법, 통합 의료 영상 생성 장치, 및 통합 의료 영상 생성 시스템 - Google Patents

통합 의료 영상 생성 방법, 통합 의료 영상 생성 장치, 및 통합 의료 영상 생성 시스템 Download PDF

Info

Publication number
KR20220057448A
KR20220057448A KR1020210144374A KR20210144374A KR20220057448A KR 20220057448 A KR20220057448 A KR 20220057448A KR 1020210144374 A KR1020210144374 A KR 1020210144374A KR 20210144374 A KR20210144374 A KR 20210144374A KR 20220057448 A KR20220057448 A KR 20220057448A
Authority
KR
South Korea
Prior art keywords
medical image
image
generating
integrated
weight
Prior art date
Application number
KR1020210144374A
Other languages
English (en)
Other versions
KR102695373B1 (ko
Inventor
이재준
Original Assignee
주식회사 크레스콤
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 크레스콤 filed Critical 주식회사 크레스콤
Publication of KR20220057448A publication Critical patent/KR20220057448A/ko
Priority to KR1020240106816A priority Critical patent/KR20240127926A/ko
Application granted granted Critical
Publication of KR102695373B1 publication Critical patent/KR102695373B1/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
    • 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
    • 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
    • A61B5/0035—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 adapted for acquisition of images from more than one imaging mode, e.g. combining MRI and optical tomography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/44—Constructional features of apparatus for radiation diagnosis
    • A61B6/4417—Constructional features of apparatus for radiation diagnosis related to combined acquisition of different diagnostic modalities
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A61B6/5247—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from an ionising-radiation diagnostic technique and a non-ionising radiation diagnostic technique, e.g. X-ray and ultrasound
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Pathology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Theoretical Computer Science (AREA)
  • Optics & Photonics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Pulmonology (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

본 출원의 일 실시예에 따른 통합 의료 영상 생성 방법은, 대상 의료 영상을 획득하는 단계; 상기 대상 의료 영상으로부터 제1 특징 영역을 검출하고, 상기 제1 특징 영역의 신호 강도를 조절하여 제1 의료 영상을 생성하는 단계; 상기 대상 의료 영상을 기반으로 이종의 제2 의료 영상을 생성하는 단계; 및 기 제1 의료 영상과 상기 제2 의료 영상에 기초하여 통합 의료 영상을 생성하는 단계;를 포함한다.

Description

통합 의료 영상 생성 방법, 통합 의료 영상 생성 장치, 및 통합 의료 영상 생성 시스템{METHOD FOR, DEVICE FOR, AND SYSTEM OF GENERATING AN INTEGRATED MEDICAL IMAGE}
본 출원은 통합 의료 영상 생성 방법, 통합 의료 영상 생성 장치, 및 통합 의료 영상 생성 시스템에 관한 것이다. 구체적으로 본 출원은 이기종의 의료 영상들을 분석하여 통합 의료 영상을 생성하는 통합 의료 영상 생성 방법, 통합 의료 영상 생성 장치, 및 통합 의료 영상 생성 시스템에 관한 것이다.
인공지능 기술이 고도화됨에 따라 의료 영상을 분석하여 각종 질환과 관련된 진단 보조 지표 등을 산출하는 의료 영상 분석 분야가 주목받고 있다.
의료 영상은 의료 영상의 촬영 방식에 따라 장점과 한계점을 가지게 된다. 일 예로, 자기 공명 방식을 이용하여 촬영된 의료 영상은 해부학적 해상도가 뛰어나며 조직 간의 구별이 상대적으로 용이하다는 장점을 가진다. 다만, 자기 공명 기법은 촬영 시간이 오래 소요되고, 객체의 움직임(예, 호흡, 심장 박동 등)이나 금속성 보조물에 의하여 아티팩트(Artifact)가 발생할 가능성이 높으며, 석회화 영역에 대하여 상대적으로 구분이 어렵다는 제약이 존재한다. 다른 예로, 컴퓨터 단층 촬영 장치는 상대적으로 촬영시간이 짧으며, 뼈 부위와 석회화 부위를 상대적으로 용이하게 구분할 수 있고, 아티팩트가 발생할 가능성이 적다는 장점을 가진다. 다만, 컴퓨터 단층 촬영 장치는 플라크(plaque) 영역을 구별하기 어렵고, 조직 간의 차이와 뼈와 인접한 혈관이 유사한 형태를 띄어 구별하기 어렵다는 제약이 존재한다. 다시 말해, 단일 의료 영상 촬영 장치를 통하여 획득된 의료 영상에 대한 분석은 장점도 존재하나 한계점이 존재한다.
이에, 단일 의료장치로 촬영된 의료 영상에 대한 분석의 한계점을 극복하고 다양한 의료장치들의 장점들을 융합한 통합 의료 영상을 생성할 수 있는 통합 의료 영상 생성 방법, 장치 및 시스템의 개발이 요구된다.
본 발명이 해결하고자 하는 일 과제는, 이기종의 의료 영상들을 분석하여 통합 의료 영상을 생성하는 통합 의료 영상 생성 방법, 통합 의료 영상 생성 장치, 및 통합 의료 영상 생성 시스템을 제공하는 것이다.
본 발명이 해결하고자 하는 과제가 상술한 과제로 제한되는 것은 아니며, 언급되지 아니한 과제들은 본 명세서 및 첨부된 도면으로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 출원의 일 실시예에 따른 통합 의료 영상 생성 방법은, 대상 의료 영상을 획득하는 단계; 상기 대상 의료 영상으로부터 제1 특징 영역을 검출하고, 상기 제1 특징 영역의 신호 강도를 조절하여 제1 의료 영상을 생성하는 단계; 상기 대상 의료 영상을 기반으로 이종의 제2 의료 영상을 생성하는 단계; 및 상기 제1 의료 영상과 상기 제2 의료 영상에 기초하여 통합 의료 영상을 생성하는 단계;를 포함할 수 있다.
본 출원의 일 실시예에 따른 통합 의료 영상 생성 장치는, 대상 의료 영상을 수신하도록 구성된 송수신부; 및 상기 대상 의료 영상에 기초하여 통합 의료 영상을 생성하도록 구성된 컨트롤러;를 포함하되, 상기 컨트롤러는, 대상 의료 영상을 획득하고, 상기 대상 의료 영상으로부터 제1 특징 영역을 검출하고, 상기 제1 특징 영역의 신호 강도를 조절하여 제1 의료 영상을 생성하고, 상기 대상 의료 영상을 기반으로 이종의 제2 의료 영상을 생성하고, 상기 제1 의료 영상과 상기 제2 의료 영상에 기초하여 통합 의료 영상을 생성하도록 구성될 수 있다.
본 발명의 과제의 해결 수단이 상술한 해결 수단들로 제한되는 것은 아니며, 언급되지 아니한 해결 수단들은 본 명세서 및 첨부된 도면으로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 출원의 실시예에 따른 통합 의료 영상 생성 방법, 장치 및 시스템에 의하면, 다양한 유형의 의료 영상들의 장점들을 융합한 통합 의료 영상을 생성할 수 있다.
본 출원의 실시예에 따른 통합 의료 영상 생성 방법, 장치 및 시스템에 의하면, 다양한 유형의 의료 영상들의 장점들이 융합된 통합 의료 영상을 통하여 정밀한 의료 영상 분석을 제공할 수 있다.
본 발명의 효과가 상술한 효과들로 제한되는 것은 아니며, 언급되지 아니한 효과들은 본 명세서 및 첨부된 도면으로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.
도 1은 본 출원의 일 실시예에 따른 통합 의료 영상 생성 시스템의 개략도이다.
도 2는 본 출원의 일 실시예에 따른 통합 의료 영상 생성 장치의 다양한 동작들을 나타낸 도면이다.
도 3은 본 출원의 일 실시예에 따른 통합 의료 영상 생성 방법을 도시한 순서도이다.
도 4는 본 출원의 일 실시예에 따른 대상 의료 영상을 기반으로 이종의 제2 의료 영상을 생성하는 단계를 구체화한 순서도이다.
도 5는 본 출원의 일 실시예에 따른 통합 의료 영상을 생성하는 단계를 구체화한 순서도이다.
본 출원의 상술한 목적, 특징들 및 장점은 첨부된 도면과 관련된 다음의 상세한 설명을 통해 보다 분명해질 것이다. 다만, 본 출원은 다양한 변경을 가할 수 있고 여러 가지 실시예들을 가질 수 있는 바, 이하에서는 특정 실시예들을 도면에 예시하고 이를 상세히 설명하고자 한다.
명세서 전체에 걸쳐서 동일한 참조번호들은 원칙적으로 동일한 구성요소들을 나타낸다. 또한, 각 실시예의 도면에 나타나는 동일한 사상의 범위 내의 기능이 동일한 구성요소는 동일한 참조부호를 사용하여 설명하며, 이에 대한 중복되는 설명은 생략하기로 한다.
본 출원과 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 출원의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 본 명세서의 설명 과정에서 이용되는 숫자(예를 들어, 제1, 제2 등)는 하나의 구성요소를 다른 구성요소와 구분하기 위한 식별기호에 불과하다.
또한, 이하의 실시예에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다.
이하의 실시예에서, 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
이하의 실시예에서, 포함하다 또는 가지다 등의 용어는 명세서상에 기재된 특징, 또는 구성요소가 존재함을 의미하는 것이고, 하나 이상의 다른 특징들 또는 구성요소가 부가될 가능성을 미리 배제하는 것은 아니다.
도면에서는 설명의 편의를 위하여 구성 요소들이 그 크기가 과장 또는 축소될 수 있다. 예컨대, 도면에서 나타난 각 구성의 크기 및 두께는 설명의 편의를 위해 임의로 나타낸 것으로, 본 발명이 반드시 도시된 바에 한정되지 않는다.
어떤 실시예가 달리 구현 가능한 경우에 특정한 프로세스의 순서는 설명되는 순서와 다르게 수행될 수도 있다. 예를 들어, 연속하여 설명되는 두 프로세스가 실질적으로 동시에 수행될 수도 있고, 설명되는 순서와 반대의 순서로 진행될 수 있다.
이하의 실시예에서, 구성 요소 등이 연결되었다고 할 때, 구성 요소들이 직접적으로 연결된 경우뿐만 아니라 구성요소들 중간에 구성 요소들이 개재되어 간접적으로 연결된 경우도 포함한다.
예컨대, 본 명세서에서 구성 요소 등이 전기적으로 연결되었다고 할 때, 구성 요소 등이 직접 전기적으로 연결된 경우뿐만 아니라, 그 중간에 구성 요소 등이 개재되어 간접적으로 전기적 연결된 경우도 포함한다.
본 출원의 일 실시예에 따른 통합 의료 영상 생성 방법은, 대상 의료 영상을 획득하는 단계; 상기 대상 의료 영상으로부터 제1 특징 영역을 검출하고, 상기 제1 특징 영역의 신호 강도를 조절하여 제1 의료 영상을 생성하는 단계; 상기 대상 의료 영상을 기반으로 이종의 제2 의료 영상을 생성하는 단계; 및 상기 제1 의료 영상과 상기 제2 의료 영상에 기초하여 통합 의료 영상을 생성하는 단계;를 포함할 수 있다.
본 출원의 일 실시예에 따르면, 상기 제2 의료 영상을 생성하는 단계는, 제1 심층신경망을 이용하여 상기 대상 의료 영상을 이종 영상으로 변환하는 단계; 및 상기 변환된 이종 영상의 제2 특징 영역을 검출하고, 상기 제2 특징 영역의 신호 강도를 조절하여 상기 제2 의료 영상을 획득하는 단계;를 포함할 수 있다.
본 출원의 일 실시예에 따르면, 상기 통합 의료 영상을 생성하는 단계는, 상기 제1 의료 영상의 상기 제1 특징 영역에 제1 가중치를 부여하고, 상기 제2 의료 영상의 상기 제1 특징 영역에 제2 가중치를 부여하는 단계; 상기 제2 의료 영상의 상기 제2 특징 영역에 제3 가중치를 부여하고, 상기 제1 의료 영상의 상기 제2 특징 영역에 제4 가중치를 부여하는 단계; 및 상기 제1 가중치, 상기 제2 가중치, 상기 제3 가중치, 및 상기 제4 가중치에 기반하여 통합 의료 영상을 생성하는 단계;를 포함할 수 있다.
본 출원의 일 실시예에 따르면, 상기 제1 심층신경망을 이용하여 상기 대상 의료 영상을 이종 영상으로 변환하는 단계는, 학습이 완료된 상기 제1 심층신경망을 획득하는 단계; 상기 제1 심층신경망의 입력 레이어에 대상 의료 영상을 입력하는 단계; 및 상기 제1 심층신경망의 출력 레이어를 통하여 출력되는 상기 이종 영상을 획득하는 단계;를 더 포함하는,
본 출원의 일 실시예에 따르면, 상기 제1 심층신경망은 생성적 적대 신경망(Generative adversarial network, GAN)이되, 상기 제1 심층신경망은, 제1 유형의 제1 영상과 제2 유형의 제2 영상으로 구성된 학습 세트에 기초하여 훈련되되, 상기 제1 영상을 상기 제1 심층신경망의 입력 레이어에 입력하고, 상기 제1 심층신경망의 출력 레이어를 통하여 출력되는 출력값과 상기 제2 영상을 비교하여 상기 제1 심층신경망을 갱신함으로써 훈련이 수행될 수 있다.
본 출원의 일 실시예에 따르면, 상기 제1 가중치는 상기 제2 가중치보다 더 큰 값을 포함하며, 상기 제3 가중치는 상기 제4 가중치보다 더 큰 값을 포함할 수 있다.
본 출원의 일 실시예에 따르면, 상기 통합 의료 영상을 생성하는 단계는, 학습이 완료된 제2 심층신경망을 획득하는 단계; 상기 제2 심층신경망의 입력 레이어에 상기 제1 의료 영상 또는 상기 제2 의료 영상을 입력하는 단계; 및 상기 제2 심층신경망의 출력 레이어를 통하여 출력되는 상기 통합 의료 영상을 획득하는 단계;를 더 포함할 수 있다.
본 출원의 일 실시예에 따르면, 상기 제2 심층신경망은 기계학습기법을 이용하여 학습되되, 상기 제2 심층신경망은 제1 유형의 제1 영상으로부터 상기 제1 영상과 제2 유형의 제2 영상이 정합된 통합 영상을 출력하고, 상기 통합 영상과 목표 영상 간의 차이가 감소되도록 훈련되되, 상기 목표 영상의 제1 특징 영역에는 상기 제1 가중치 및 상기 제2 가중치가 반영되고, 상기 목표 영상의 제2 특징 영역에는 상기 제3 가중치 및 상기 제4 가중치가 반영될 수 있다.
본 출원의 일 실시예에 따르면, 상기 통합 의료 영상 생성 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체가 제공될 수 있다.
본 출원의 일 실시예에 따른 통합 의료 영상 생성 장치는, 대상 의료 영상을 수신하도록 구성된 송수신부; 및 상기 대상 의료 영상에 기초하여 통합 의료 영상을 생성하도록 구성된 컨트롤러;를 포함하되, 상기 컨트롤러는, 대상 의료 영상을 획득하고, 상기 대상 의료 영상으로부터 제1 특징 영역을 검출하고, 상기 제1 특징 영역의 신호 강도를 조절하여 제1 의료 영상을 생성하고, 상기 대상 의료 영상을 기반으로 이종의 제2 의료 영상을 생성하고, 상기 제1 의료 영상과 상기 제2 의료 영상에 기초하여 통합 의료 영상을 생성하도록 구성될 수 있다.
이하에서는 도 1 내지 도 5를 참고하여 본 출원의 통합 의료 영상 생성 방법, 통합 의료 영상 생성 장치 및 통합 의료 영상 생성 시스템에 관하여 설명한다.
도 1은 본 출원의 일 실시예에 따른 통합 의료 영상 생성 시스템(10)의 개략도이다.
본 출원의 일 실시예에 따른 통합 의료 영상 생성 시스템(10)은 의료 영상 획득 장치(100) 및 통합 의료 영상 생성 장치(1000)를 포함할 수 있다.
의료 영상 획득 장치(100)는 의료 영상을 촬영할 수 있다. 예컨대, 의료 영상 획득 장치(100)는 자기 공명 영상 장치(magnetic resonance imaging), 컴퓨터 단층 촬영 장치(computerized tomography equipment), X-선 장치(X-ray equipment) 등을 포함하여 임의의 형태의 의료 영상을 획득하는 장치를 포괄하는 의미일 수 있다. 의료 영상 획득 장치(100)에 의해 획득된 의료 영상은 2차원 형태의 영상일 수 있다. 이때, 의료 영상은 픽셀의 좌표, 색상, 강도 등과 관련된 픽셀 정보를 포함할 수 있다. 의료 영상 획득 장치(100)에 의해 획득된 의료 영상은 3차원 형태의 영상일 수 있다. 이때, 의료 영상은 복셀의 좌표, 색상, 강도와 관련된 픽셀 정보를 포함할 수 있다.
본 출원의 일 실시예에 따른 통합 의료 영상 생성 장치(1000)는 통합 의료 생성 장치(1000)는 제1 유형의 의료 영상 획득 장치(100)로부터 촬영된 제1 의료 영상을 제2 유형의 의료 영상 획득 장치(100)와 관련된 제2 의료 영상을 생성하고, 제1 의료 영상과 제2 의료 영상을 병합하여 통합 의료 영상을 생성할 수 있다. 다른 예로, 통합 의료 영상 생성 장치(1000)는 제1 유형의 의료 영상 획득 장치(100)로부터 촬영된 제1 의료 영상과 제2 유형의 의료 영상 획득 장치(100)로부터 촬영된 제2 의료 영상을 정합하여 통합 의료 영상을 생성하는 동작을 수행할 수 있다.
본 출원의 일 실시예에 따른 통합 의료 영상 생성 장치(1000)는 송수신부(1100), 메모리(1200) 및 컨트롤러(1300)를 포함할 수 있다.
통합 의료 영상 생성 장치(1000)의 송수신부(1100)는 의료 영상 획득 장치(100)를 포함한 임의의 외부 기기와 통신을 수행할 수 있다. 예컨대, 통합 의료 영상 생성 장치(1000)는, 송수신부(1100)를 통해, 의료 영상 획득 장치(100)가 촬영한 의료 영상을 수신할 수 있다. 또한, 통합 의료 영상 생성 장치(1000)는, 송수신부(1100)를 통해, 생성된 통합 의료 영상을 의료 영상 획득 장치(100)를 포함한 임의의 외부 기기로 송신할 수 있다.
통합 의료 영상 생성 장치(1000)는, 송수신부(1100)를 통해 네트워크에 접속하여 각종 데이터를 송수신할 수 있다. 송수신부(1100)는 크게 유선 타입과 무선 타입을 포함할 수 있다. 유선 타입과 무선 타입은 각각의 장단점을 가지므로, 경우에 따라서 통합 의료 영상 생성 장치(1000)에는 유선 타입과 무선 타입이 동시에 마련될 수도 있다. 여기서, 무선 타입의 경우에는 주로 와이파이(Wi-Fi) 같은 WLAN(Wireless Local Area Network) 계열의 통신 방식을 이용할 수 있다. 또는, 무선 타입의 경우에는 셀룰러 통신, 예컨대, LTE, 5G 계열의 통신 방식을 이용할 수 있다. 다만, 무선 통신 프로토콜이 상술한 예시에 제한되는 것은 아니며, 임의의 적절한 무선 타입의 통신 방식을 이용하는 것도 가능하다. 유선 타입의 경우에는 LAN(Local Area Network)이나 USB(Universal Serial Bus) 통신이 대표적인 예이며 그 외의 다른 방식도 가능하다.
통합 의료 영상 생성 장치(1000)의 메모리(1200)는 각종 정보를 저장할 수 있다. 메모리(1200)에는 각종 데이터가 임시적으로 또는 반영구적으로 저장될 수 있다. 메모리(1200)의 예로는 하드 디스크(HDD: Hard Disk Drive), SSD(Solid State Drive), 플래쉬 메모리(flash memory), 롬(ROM: Read-Only Memory), 램(RAM: Random Access Memory) 등이 있을 수 있다. 메모리(1200)는 통합 의료 영상 생성 장치(1000)에 내장되는 형태나 탈부착 가능한 형태로 제공될 수 있다. 메모리(1200)에는 통합 의료 영상 생성 장치(1000)를 구동하기 위한 운용 프로그램(OS: Operating System)이나 통합 의료 영상 생성 장치(1000)의 각 구성을 동작시키기 위한 프로그램을 비롯해 통합 의료 영상 생성 장치(1000)의 동작에 필요한 각종 데이터가 저장될 수 있다.
컨트롤러(1300)는 통합 의료 영상 생성 장치(1000)의 전반적인 동작을 제어할 수 있다. 예컨대, 컨트롤러(1300)는 대상 의료 영상을 획득하는 동작, 대상 의료 영상으로부터 이종 의료 영상을 생성하는 동작, 대상 의료 영상과 이종 의료 영상에 포함된 특징 영역을 분석하는 동작, 대상 의료 영상 및 이종 의료 영상에 기초하여 통합 의료 영상을 생성하는 동작 등 통합 의료 영상 생성 장치(1000)의 전반적인 동작을 제어할 수 있다. 구체적으로 컨트롤러(1300)는 메모리(1100)로부터 통합 의료 영상 생성 장치(1000)의 전반적인 동작을 위한 프로그램을 로딩하여 실행할 수 있다. 컨트롤러(1300)는 하드웨어나 소프트웨어 또는 이들의 조합에 따라 AP(Application Processor), CPU(Central Processing Unit), MCU(Microcontroller Unit)나 이와 유사한 장치로 구현될 수 있다. 이때, 하드웨어적으로는 전기적 신호를 처리하여 제어 기능을 수행하는 전자 회로 형태로 제공될 수 있으며, 소프트웨어적으로는 하드웨어적 회로를 구동시키는 프로그램이나 코드 형태로 제공될 수 있다.
이하에서는 도 2 내지 도 5를 참고하여, 본 출원의 일 실시예에 따른 통합 의료 영상 생성 장치(1000)의 동작을 구체적으로 서술한다. 이하에서는 대상 의료 영상이 MRI 영상, 이종 의료 영상이 CT 영상인 것으로 가정하고 서술하기로 한다. 다만 이는 설명의 편의에 의한 예시일 뿐, 이에 제한 해석되지 않는다. 따라서 후술할 실시예들은 대상 의료 영상이 CT 영상, 이종 의료 영상이 MRI 영상인 예시나 CT 영상과 MRI 영상 이외의 다른 유형의 의료 영상에 대하여도 유추적용될 수 있을 것이다.
도 2는 본 출원의 일 실시예에 따른 통합 의료 영상 생성 장치(1000)의 다양한 동작들을 나타낸 도면이다. 본 출원의 일 실시예에 따른 통합 의료 영상 생성 장치(1000)는 의료 영상 획득부(2100), 이종 의료 영상 생성부(2200), 특징 영역 분석부(2300), 통합 의료 영상 생성부(2400) 및/또는 통합 의료 영상 출력부(2500)를 포함할 수 있다.
일 실시예에 따르면, 의료 영상 획득부(2100)는 의료 영상 획득 장치(100)에서 촬영된 대상 의료 영상을 획득할 수 있다. 구체적으로 의료 영상 획득부(2100)는 자기 공명 영상 장치(magnetic resonance imaging), 컴퓨터 단층 촬영 장치(computerized tomography equipment) 및/또는 X-선 장치(X-ray equipment)에서 촬영된 대상 의료 영상을 획득할 수 있다. 또한, 의료 영상 획득부(2100)는 후술할 영상분석과 통합분석을 위하여 대상 의료 영상의 전처리를 수행할 수 있다. 예컨대, 의료 영상 획득부(2100)는 대상 의료 영상의 인텐시티를 보정하는 동작을 수행하도록 구현될 수 있다. 또는 의료 영상 획득부(2100)는 대상 의료 영상의 노이즈를 제거하거나, 대상 의료 영상을 정규화하거나, 대상 의료 영상을 정렬시키는 동작을 수행할 수 있다.
일 실시예에 따르면, 이종 의료 영상 생성부(2200)는 제1 유형의 대상 의료 영상으로부터 제2 유형의 의료 영상을 생성할 수 있다. 구체적으로, 대상 의료 영상은 제1 유형(예, MRI 장치)의 의료 영상 획득 장치(100)에서 촬영된 영상일 수 있다. 이때, 이종 의료 영상 생성부(2200)는 대상 의료 영상으로부터 제2 유형(예, CT 장치 또는 X-ray 장치)의 의료 영상 획득 장치(100)와 관련된 이종 의료 영상을 생성할 수 있다. 다른 예로, 대상 의료 영상은 제1 유형(예, CT 장치)의 의료 영상 획득 장치(100)에서 촬영된 영상일 수 있다. 이때, 이종 의료 영상 생성부(2200)는 대상 의료 영상으로부터 제2 유형(예, MRI 장치 또는 X-ray 장치)의 의료 영상 획득 장치(100)와 관련된 이종 의료 영상을 생성할 수 있다.
일 예에 따르면, 이종 의료 영상 생성부(2200)는 심층신경망을 이용하여 대상 의료 영상으로부터 이종 의료 영상을 생성할 수 있다. 예컨대, 이종 의료 영상 생성부(2200)는 생성적 적대 신경망(Generative adversarial network, 이하 GAN)을 이용하여 대상 의료 영상으로부터 이종 의료 영상을 생성할 수 있다. 구체적으로 이종 의료 영상 생성부(2200)(또는 임의의 외부 장치)는 제1 유형의 제1 영상과 제2 유형의 제2 영상으로 구성된 학습 세트를 획득하고, 제1 유형의 제1 영상을 GAN 심층 신경망의 입력 레이어에 입력하고, GAN 심층신경망의 출력 레이어를 통하여 출력되는 출력값을 획득하고, 출력값과 제2 영상을 비교하여 GAN 심층신경망을 학습시킬 수 있다. 이때, 이종 의료 영상 생성부(2200)는 학습이 완료된 GAN 심층신경망에 대상 의료 영상을 입력하고, GAN 심층신경망을 통하여 출력되는 이종 의료 영상을 획득할 수 있다.
또한, 이종 의료 영상 생성부(2200)는 후술할 바와 같이 검출된 대상 의료 영상의 특징 영역 및/또는 이종 의료 영상의 특징 영역의 신호 강도를 조절하는 동작을 수행할 수 있다.
일 실시예에 따르면, 특징 영역 분석부(2300)는 대상 의료 영상 및/또는 이종 의료 영상을 획득하고, 대상 의료 영상 및/또는 이종 의료 영상을 분석할 수 있다. 구체적으로 특징 영역 분석부(2300)는 대상 의료 영상 및/또는 이종 의료 영상을 분석하여 분석값을 산출하고, 분석값에 기초하여 대상 의료 영상 및/또는 이종 의료 영상의 각각의 특정 영역에 가중치를 할당할 수 있다.
예컨대, MRI 의료 영상의 경우에는, 조직 간의 구분이 상대적으로 명확하다는 특징을 가진다. 따라서, 대상 의료 영상 및/또는 이종 의료 영상이 MRI 영상에 해당하는 경우에는, 특징 영역 분석부(2300)는 조직들에 대응되는 영역을 특징 영역으로 검출하고, 해당 특징 영역에 가중치를 부여할 수 있다.
예컨대, CT 의료 영상의 경우에는, 뼈, 석회화 부분에 대한 구분이 상대적으로 명확하다는 특징을 가진다. 또한 CT 의료 영상은 인공물(artifact)에 대한 영향이 상대적으로 적다는 특징을 가진다. 따라서, 대상 의료 영상 및/또는 이종 의료 영상이 CT 영상에 해당하는 경우에는, 특징 영역 분석부(2300)는 뼈 영역 또는 석회화 영역을 특징 영역으로 추출하고, 해당 특징 영역에 가중치를 부여할 수 있다. 또는, 대상 의료 영상 및/또는 이종 의료 영상이 CT 영상에 해당하는 경우에는 해당 영상에 대하여 인공물에 대한 영향이 적음을 나타내는 가중치를 부여할 수 있다.
일 실시예에 따르면, 통합 의료 영상 생성부(2400)는 대상 의료 영상, 이종 의료 영상, 대상 의료 영상에 대한 분석 결과(예, 대상 의료 영상의 특징 영역에 대한 가중치) 및/또는 이종 의료 영상에 대한 분석 결과(예, 대상 의료 영상의 특징 영역에 대한 가중치)를 획득할 수 있다. 또한, 통합 의료 영상 생성부(2400)는 대상 의료 영상, 이종 의료 영상, 대상 의료 영상에 대한 분석 결과 및/또는 이종 의료 영상에 대한 분석 결과에 기초하여 통합 의료 영상을 생성할 수 있다.
일 예로, 통합 의료 영상 생성부(2400)는 대상 의료 영상, 이종 의료 영상, 대상 의료 영상에 대한 분석 결과 및/또는 이종 의료 영상에 대한 분석 결과에 기초하여, 대상 의료 영상이나 이종 의료 영상의 특징 영역에 대한 신호 강도를 조절하는 동작을 수행할 수 있다. 예컨대, 통합 의료 영상 생성부(2400)는 대상 의료 영상(예, MRI 영상)의 플라크(plaque)에 대응되는 특징 영역에 신호 강도를 높이거나 플라크(plaque)에 대응되는 특징 영역에 제1 신호 가중치를 할당할 수 있다. 혹은, 통합 의료 영상 생성부(2400)는 이종 의료 영상(예, CT 영상)의 플라크(plaque)에 대응되는 영역의 신호 강도를 낮추거나 플라크(plaque)에 대응되는 영역에 제1 신호 가중치보다는 낮은 제2 신호 가중치를 할당할 수 있다. 다른 예를 들면, 통합 의료 영상 생성부(2400)는 이종 의료 영상(예, CT 영상)의 뼈 영역 또는 석회화 영역에 대응되는 특징 영역의 신호 강도를 높이거나 뼈 영역 또는 석회화 영역에 대응되는 특징 영역에 제3 신호 가중치를 할당할 수 있다. 혹은, 통합 의료 영상 생성부(2400)는 대상 의료 영상(예, MRI. 영상)의 뼈 영역 또는 석회화 영역에 대응되는 영역의 신호 강도를 낮추거나 뼈 영역 또는 석회화 영역에 대응되는 영역에 제3 신호 가중치보다는 낮은 제4 신호 가중치를 할당할 수 있다. 이때, 통합 의료 영상 생성부(2400)는 대상 의료 영상의 특징 영역별 신호 강도와 이종 의료 영상의 특징 영역별 신호 강도에 기초하여 통합 의료 영상을 생성할 수 있다.
다른 예로, 통합 의료 영상 생성부(2400)는 대상 의료 영상 및/또는 이종 의료 영상에 대한 세그멘테이션을 수행하고, 대상 의료 영상 및/또는 이종 의료 영상의 각각의 특징 영역에 가중치를 부여하는 동작을 수행할 수 있다. 예컨대, 통합 의료 영상 생성부(2400)는 대상 의료 영상(예, MRI 영상)의 제1 특징 영역(예, 플라크 영역, 조직 영역 등)을 검출하고, 대상 의료 영상의 제1 특징 영역에 제1 가중치를 할당할 수 있다. 또한, 통합 의료 영상 생성부(2400)는 이종 의료 영상(예, CT 영상)의 제1 특징 영역(예, plaque, 조직 등)에 제2 가중치를 할당할 수 있다. 이때, 제1 가중치는 제2 가중치보다는 상대적으로 높은 값을 포함할 수 있다. 다른 예를 들면, 통합 의료 영상 생성부(2400)는 이종 의료 영상(예, CT 영상)의 제2 특징 영역(예, 뼈 영역, 석회화 영역 등)을 검출하고, 이종 의료 영상의 제2 특징 영역에 제3 가중치를 할당할 수 있다. 또한, 통합 의료 영상 생성부(2400)는 대상 의료 영상(예, MRI 영상)의 제2 특징 영역에 제4 가중치를 할당할 수 있다. 이때, 통합 의료 영상 생성부(2400)는 대상 의료 영상의 영역별 가중치와 이종 의료 영상의 영역별 가중치에 기초하여 통합 의료 영상을 생성할 수 있다.
일 실시예에 따르면, 통합 의료 영상 생성부(2400)는 심층신경망을 이용하여 통합 의료 영상을 생성하도록 구현될 수 있다. 구체적으로 통합 의료 영상 생성부(2400)는 기계학습기법을 통하여 학습이 완료된 심층신경망을 이용하여 통합 의료 영상을 생성할 수 있다. 예컨대, 심층신경망은 제1 영상(예, MRI 영상)을 수신하여 제1 영상과 이종의 제2 영상(예, CT 영상)이 정합된 출력 의료 영상을 출력하고, 출력 의료 영상과 목표하는 영역별 가중치가 레이블된 목표 의료 영상을 비교하여 제1 영상(또는 제2 영상)의 영역별 가중치가 조절되도록 훈련될 수 있다. 다른 예를 들면, 심층신경망은 제1 영상(예, CT 영상을 수신하여 제1 영상과 이종의 제2 영상(예, MRI 영상)이 정합된 출력 의료 영상을 출력하고, 출력 의료 영상과 목표하는 영역별 가중치가 레이블된 목표 의료 영상을 비교하여 출력 의료 영상의 영역별 가중치가 목표 의료 영상의 영역별 가중치 간의 차이가 감소되도록 훈련될 수 있다. 이때, 목표하는 영역별 가중치는, 전술한 바와 같이, 대상 의료 영상의 영역별 가중치와 이종 의료 영상의 영역별 가중치와 유사한 방식으로 할당될 수 있다.
통합 의료 영상 생성부(2400)는 대상 의료 영상 및/또는 이종 의료 영상을 학습이 완료된 심층신경망의 입력 레이어에 입력하고, 출력 레이어를 통하여 출력되는 통합 의료 영상을 획득할 수 있다. 전술한 바와 같이 심층신경망은 제1 유형의 의료 영상으로부터 제1 유형의 의료 영상과 제2 유형의 의료 영상이 정합된 통합 의료 영상을 생성하도록 학습이 되었기 때문에, 통합 의료 영상 생성부(2400)는 학습이 완료된 심층신경망을 이용하고, 대상 의료 영상 및/또는 이종 의료 영상에 기반하여 통합 의료 영상을 생성할 수 있다.
일 실시예에 따르면, 통합 의료 영상 출력부(2500)는 생성된 통합 의료 영상을 출력할 수 있다. 또한. 통합 의료 영상 출력부(2500)는 대상 의료 영상(예, MRI 영상)의 특징 영역 분석 결과 및/또는 이종 의료 영상(예, CT 영상)의 특징 영역 분석 결과를 출력할 수 있다.
이하에서는 도 3 내지 도 5를 참고하여 본 출원의 일 실시예에 따른 통합 의료 영상 생성 방법에 대하여 보다 구체적으로 서술한다. 통합 의료 영상 생성 방법에 대한 설명에 있어서, 앞서 설명한 통합 의료 영상 생성 장치(1000)의 동작과 중복되는 세부 실시예는 생략될 수 있다. 다만, 이는 설명의 편의를 위한 것일 뿐, 이에 제한 해석되지 않는다.
도 3은 본 출원의 일 실시예에 따른 통합 의료 영상 생성 방법을 도시한 순서도이다. 본 출원의 일 실시예에 따른 통합 의료 영상 생성 방법은 대상 의료 영상을 획득하는 단계(S1000), 대상 의료 영상으로부터 제1 특징 영역을 검출하고 제1 특징 영역의 신호 강도를 조절하여 제1 의료 영상을 생성하는 단계(S2000), 대상 의료 영상을 기반으로 이종의 제2 의료 영상을 생성하는 단계(S3000), 및 제1 의료 영상과 제2 의료 영상에 기초하여 통합 의료 영상을 생성하는 단계(S4000)를 포함할 수 있다.
대상 의료 영상을 획득하는 단계(S1000)에서는, 통합 의료 영상 생성 장치(1000)는 의료 영상 획득 장치(100)에서 촬영된 대상 의료 영상(예, MRI 영상)을 획득할 수 있다. 또한, 통합 의료 영상 생성 장치(1000)는 대상 의료 영상의 인텐시티(intensity)를 보정하거나, 대상 의료 영상의 노이즈를 제거하거나, 대상 의료 영상을 정규화하거나, 대상 의료 영상을 정렬하는 동작을 포함하여 영상분석 및/또는 영상통합을 위한 임의의 전처리 동작을 수행할 수 있다.
대상 의료 영상으로부터 제1 특징 영역을 검출하고 제1 특징 영역의 신호 강도를 조절하여 제1 의료 영상을 생성하는 단계(S2000)에서는, 통합 의료 영상 생성 장치(1000)는, 대상 의료 영상을 세그멘테이션하여 제1 특징 영역을 획득하고, 제1 특징 영역의 신호 강도를 조절하여 제1 의료 영상을 생성할 수 있다. 구체적으로 대상 의료 영상이 MRI 영상인 경우에는 통합 의료 영상 생성 장치(1000)는, 플라크(plaque) 영역이나 조직 영역을 제1 특징 영역으로 획득하고, 제1 특징 영역의 신호 강도를 조절하거나(예컨대, 신호 강도를 높임) 신호 가중치를 조절할 수 있다. 다른 예로, 대상 의료 영상이 CT 영상인 경우에는 통합 의료 영상 생성 장치(1000)는, 뼈 영역이나 석회화 영역을 제1 특징 영역으로 획득하고, 제1 특징 영역의 신호 강도를 조절하거나(예컨대, 신호 강도를 높임) 신호 가중치를 조절할 수 있다.
대상 의료 영상을 기반으로 이종의 제2 의료 영상을 생성하는 단계(S3000)에서는, 통합 의료 영상 생성 장치(1000)는, 대상 의료 영상으로부터 이종의 제2 의료 영상을 생성할 수 있다. 구체적으로 통합 의료 영상 생성 장치(1000)는 제1 유형의 대상 의료 영상(예, MRI 영상)으로부터 제2 유형의 이종의 제2 의료 영상(예, CT 영상)을 생성할 수 있다. 이때, 제2 유형은 제1 유형과 상이할 수 있다.
이하에서는 도 4를 참고하여 대상 의료 영상을 기반으로 이종의 제2 의료 영상을 생성하는 단계(S3000)에 대하여 보다 구체적으로 서술하기로 한다. 도 4는 본 출원의 일 실시예에 따른 대상 의료 영상을 기반으로 이종의 제2 의료 영상을 생성하는 단계(S3000)를 구체화한 순서도이다.
대상 의료 영상을 기반으로 이종의 제2 의료 영상을 생성하는 단계(S3000)는, 심층신경망을 이용하여 대상 의료 영상을 이종 영상으로 변환하는 단계(S3100), 및 변환된 이종 영상의 제2 특징 영역을 검출하고 제2 특징 영역의 신호 강도를 조절하여 제2 의료 영상을 획득하는 단계(S3200)를 포함할 수 있다.
심층신경망을 이용하여 대상 의료 영상을 이종 영상으로 변환하는 단계(S3100)에서는, 통합 의료 영상 생성 장치(1000)는 심층신경망을 이용하여 대상 의료 영상으로부터 이종 영상을 생성할 수 있다. 일 예로, 통합 의료 영상 생성 장치(1000)는 생성적 적대 신경망(GAN 심층신경망)을 이용하여 대상 의료 영상을 변환하여 이종 영상을 생성할 수 있다.
구체적으로 통합 의료 영상 생성 장치(1000) 또는 임의의 외부 장치는 제1 유형의 제1 영상(예, MRI 영상)과 제2 유형의 제2 영상(예, CT 영상)으로 구성된 학습 세트를 획득하고, 제1 유형의 제1 영상(예, MRI 영상)을 GAN 심층 신경망의 입력 레이어에 입력하고, GAN 심층신경망의 출력 레이어를 통하여 출력되는 출력값을 획득하고, 출력값과 제2 영상(예, CT 영상)을 비교하여 GAN 심층신경망에 포함된 파라미터를 갱신함으로써 GAN 심층신경망을 학습시킬 수 있다. 또는 통합 의료 영상 생성 장치(1000) 또는 임의의 외부 장치는 제1 유형의 제1 영상(예, CT 영상)과 제2 유형의 제2 영상(예, MRI 영상)으로 구성된 학습 세트를 획득하고, 제1 유형의 제1 영상(예, CT 영상)을 GAN 심층 신경망의 입력 레이어에 입력하고, GAN 심층신경망의 출력 레이어를 통하여 출력되는 출력값을 획득하고, 출력값과 제2 영상(예, MRI 영상)을 비교하여 GAN 심층신경망에 포함된 파라미터를 갱신함으로써 GAN 심층신경망을 학습시킬 수 있다.
또한, 통합 의료 영상 생성 장치(1000)는 학습이 완료된 GAN 심층신경망을 획득하고, GAN 심층 신경망의 입력 레이어에 대상 의료 영상을 입력하고, GAN 신경망의 출력 레이어를 통하여 출력되는 이종 영상을 획득할 수 있다.
변환된 이종 영상의 제2 특징 영역을 검출하고 제2 특징 영역의 신호 강도를 조절하여 제2 의료 영상을 획득하는 단계(S3200)에서는, 통합 의료 영상 생성 장치(1000)는, 이종 영상을 세그멘테이션하여 제2 특징 영역을 획득하고, 제2 특징 영역의 신호 강도를 조절하여 제2 의료 영상을 생성할 수 있다. 구체적으로 변환된 이종 영상이 CT 영상인 경우에는 통합 의료 영상 생성 장치(1000)는, 뼈 영역이나 석회화 영역을 이종 영상의 특징 영역(제2 특징 영역)으로 획득하고, 제2 특징 영역의 신호 강도를 조절하거나(예컨대, 신호 강도를 높임) 신호 가중치를 조절할 수 있다. 다른 예로, 변환된 이종 영상이 MRI 영상인 경우에는 통합 의료 영상 생성 장치(1000)는, 플라크(plaque) 영역이나 조직 영역을 이종 영상의 제2 특징 영역으로 획득하고, 제2 특징 영역의 신호 강도를 조절하거나(예컨대, 신호 강도를 높임) 신호 가중치를 조절할 수 있다. 또한, 통합 의료 영상 생성 장치(1000)는 이종 영상의 특징 영역의 신호 강조가 조절된 제2 의료 영상을 획득할 수 있다.
다시 도 3을 참고하면, 본 출원의 일 실시예에 따른 통합 의료 영상 생성 방법은, 제1 의료 영상과 제2 의료 영상에 기초하여 통합 의료 영상을 생성하는 단계(S4000)를 포함할 수 있다. 제1 의료 영상과 제2 의료 영상에 기초하여 통합 의료 영상을 생성하는 단계(S4000)에서는, 통합 의료 영상 생성 장치(1000)는 제1 의료 영상, 제2 의료 영상, 제1 의료 영상에 대한 분석 결과(예, 영역별 가중치, 영역별 신호강도 등) 및/또는 제2 의료 영상에 대한 분석 결과(예, 영역별 가중치, 영역별 신호강도 등)에 기반하여 통합 의료 영상을 생성할 수 있다.
이하에서는 도 5를 참고하여 기초하여 통합 의료 영상을 생성하는 단계(S4000)에 대하여 보다 구체적으로 서술하기로 한다. 도 5는 본 출원의 일 실시예에 따른 통합 의료 영상을 생성하는 단계(S4000)를 구체화한 순서도이다.
제1 의료 영상과 제2 의료 영상에 기초하여 통합 의료 영상을 생성하는 단계(S4000)는, 제1 의료 영상의 제1 특징 영역에 제1 가중치를 부여하고, 제2 의료 영상의 제1 특징 영역에 제2 가중치를 부여하는 단계(S4100), 제2 의료 영상의 제2 특징 영역에 제3 가중치를 부여하고, 제1 의료 영상의 제2 특징 영역에 제4 가중치를 부여하는 단계(S4200), 및 제1 가중치, 제2 가중치, 제3 가중치 및 제4 가중치에 기반하여 통합 의료 영상을 생성하는 단계(S4300)를 더 포함할 수 있다.
제1 의료 영상의 제1 특징 영역에 제1 가중치를 부여하고, 제2 의료 영상의 제1 특징 영역에 제2 가중치를 부여하는 단계(S4100)에서는, 통합 의료 영상 생성 장치(1000)는, 제1 의료 영상의 제1 특징 영역에 제1 가중치를 부여하고 제2 의료 영상의 제1 특징 영역에 제2 가중치를 부여할 수 있다. 구체적으로 제1 의료 영상이 MRI 영상이고 변환된 제2 의료 영상이 CT 영상인 경우에는 통합 의료 영상 생성 장치(1000)는 제1 의료 영상과 제2 의료 영상을 각각 세그멘테이션하여 제1 특징 영역(예컨대, 플라크 영역, 조직 영역 등)을 획득하고, 제1 의료 영상의 제1 특징 영역에 제1 가중치를 부여하고 제2 의료 영상의 제1 특징 영역에 제1 가중치보다 낮은 값을 포함하는 제2 가중치를 부여할 수 있다. MRI 영상이 CT 영상에 비하여 상대적으로 플라크 영역을 구별하는 것에 장점을 가지기 때문에, 통합 의료 영상 생성 장치(1000)는 MRI 영상의 제1 특징 영역 (예컨대, 플라크 영역, 조직 영역)에 대하여 CT 영상의 제1 특징 영역(예컨대, 플라크 영역, 조직 영역)보다 높은 가중치를 할당할 수 있다.
제2 의료 영상의 제2 특징 영역에 제3 가중치를 부여하고, 제1 의료 영상의 제2 특징 영역에 제4 가중치를 부여하는 단계(S4200)에서는, 통합 의료 영상 생성 장치(1000)는, 제2 의료 영상의 제2 특징 영역에 제3 가중치를 부여하고, 제1 의료 영상의 제2 특징 영역에 제4 가중치를 부여할 수 있다. 구체적으로 제1 의료 영상이 MRI 영상이고 변환된 제2 의료 영상이 CT 영상인 경우에는 통합 의료 영상 생성 장치(1000)는 제1 의료 영상과 제2 의료 영상을 각각 세그멘테이션하여 제2 특징 영역(예컨대, 뼈 영역, 석회화 영역 등)을 획득하고, 제2 의료 영상의 제2 특징 영역에 제3 가중치를 부여하고 제1 의료 영상의 제2 특징 영역에 제3 가중치보다 낮은 값을 포함하는 제4 가중치를 부여할 수 있다. CT 영상이 MRI 영상에 비하여 상대적으로 뼈 영역 또는 석회화 영역을 구별하는 것에 장점을 가지기 때문에, 통합 의료 영상 생성 장치(1000)는 CT 영상의 제2 특징 영역(예컨대, 뼈 영역, 석회화 영역)에 대하여 MRI 영상의 제2 특징 영역(예컨대, 뼈 영역, 석회화 영역)보다 높은 가중치를 할당할 수 있다.
제1 가중치, 제2 가중치, 제3 가중치 및 제4 가중치에 기반하여 통합 의료 영상을 생성하는 단계(S4300)에서는, 통합 의료 영상 생성 장치(1000)는 제1 의료 영상에 부여된 특징 영역별 가중치 및/또는 제2 의료 영상에 부여된 특징 영역별 가중치에 기초하여 통합 의료 영상을 생성할 수 있다. 구체적으로 통합 의료 영상 생성 장치(1000)는 제1 의료 영상에 부여된 제1 특징 영역에 대한 제1 가중치와 제1 의료 영상에 부여된 제2 특징 영역에 대한 제4 가중치에 기초하여 통합 의료 영상을 생성할 수 있다. 또는 통합 의료 영상 생성 장치(1000)는 제2 의료 영상에 부여된 제1 특징 영역에 대한 제2 가중치와 제2 의료 영상에 부여된 제2 특징 영역에 대한 제3 가중치에 기초하여 통합 의료 영상을 생성할 수 있다.
일 예로, 통합 의료 영상 장치(1000)는 심층신경망을 이용하여 제1 의료 영상 또는 제2 의료 영상으로부터 통합 의료 영상을 생성할 수 있다. 구체적으로 통합 의료 영상 장치(1000)는 기계학습기법을 통하여 학습이 완료된 심층신경망을 이용하여 통합 의료 영상을 생성할 수 있다. 예컨대, 심층신경망은 제1 영상(예, MRI 영상)을 수신하여 제1 영상과 이종의 제2 영상(예, CT 영상)이 정합된 출력 의료 영상을 출력하도록 구현될 수 있다. 이때, 통합 의료 영상 장치(1000) 또는 임의의 외부 장치는 출력 의료 영상과 목표하는 영역별 가중치가 레이블된 목표 의료 영상을 비교하여 제1 영상(또는 제2 영상)의 영역별 가중치가 조절되도록 심층신경망을 훈련시킬 수 있다. 다른 예를 들면, 심층신경망은 제1 영상(예, CT 영상)을 수신하여 제1 영상과 이종의 제2 영상(예, MRI 영상)이 정합된 출력 의료 영상을 출력할 수 있다. 이때, 이때, 통합 의료 영상 장치(1000) 또는 임의의 외부 장치는 출력 의료 영상과 목표하는 영역별 가중치가 레이블된 목표 의료 영상을 비교하여 출력 의료 영상의 영역별 가중치와 목표 의료 영상의 영역별 가중치 간의 차이가 감소되도록 심층신경망을 훈련시킬 수 있다. 이때, 목표하는 영역별 가중치는 전술한 바와 같이, 제1 의료 영상의 제1 특징 영역에 대한 제1 가중치, 제1 의료 영상의 제2 특징 영역에 대한 제4 가중치, 제2 의료 영상의 제1 특징 영역에 대한 제2 가중치 및/또는 제2 의료 영상의 제2 특징 영역에 대한 제3 가중치를 고려하여 할당될 수 있다.
또한, 통합 의료 영상 생성 장치(1000)는 제1 의료 영상 및/또는 제2 의료 영상을 학습이 완료된 심층신경망의 입력 레이어에 입력하고, 출력 레이어를 통하여 출력되는 통합 의료 영상을 획득할 수 있다. 전술한 바와 같이 심층신경망은 제1 유형의 의료 영상에 기초하여 제1 유형의 의료 영상과 제2 유형의 의료 영상이 정합된 의료 영상을 생성하도록 학습이 되었기 때문에, 통합 의료 영상 생성 장치(1000)는 학습이 완료된 심층신경망을 이용하고, 제1 의료 영상 및/또는 제2 의료 영상에 기반하여 통합 의료 영상을 생성할 수 있다.
다시 도 3을 참고하면, 도 3에서는 도시하지는 않았으나, 본 출원의 일 실시예에 따른 통합 의료 영상 생성 방법은 생성된 통합 의료 영상을 출력하거나 송신하는 단계를 더 포함할 수 있다. 통합 의료 영상을 출력하거나 송신하는 단계에서는, 통합 의료 영상 생성 장치(1000)는 임의의 출력부를 통하여 통합 의료 영상, 대상 의료 영상의 특징 영역 분석 결과 및/또는 이종의 의료 영상의 특징 영역 분석 결과를 출력할 수 있다. 또는 통합 의료 영상을 출력하거나 송신하는 단계에서는, 통합 의료 영상 생성 장치(1000)는 임의의 송수신부(1100)를 통하여 통합 의료 영상, 대상 의료 영상의 특징 영역 분석 결과 및/또는 이종의 의료 영상의 특징 영역 분석 결과를 임의의 외부 장치로 송신할 수 있다.
본 출원의 일 실시예에 따른 통합 의료 영상 생성 방법, 통합 의료 영상 생성 장치, 및 통합 의료 영상 생성 시스템에 의하면, 다양한 유형의 의료 영상들의 장점들을 융합한 통합 의료 영상을 생성할 수 있다. 또한, 생성된 통합 의료 영상을 통하여 더욱 정확한 의료 영상 분석을 제공할 수 있다는 유리한 효과를 제공할 수 있다.
상술한 통합 의료 영상 생성 장치(1000)의 다양한 동작들은 통합 의료 영상 생성 장치(1000)의 메모리(1200)에 저장될 수 있으며, 통합 의료 영상 생성 장치(1000)의 컨트롤러(1300)는 메모리(1200)에 저장된 동작들을 수행하도록 제공될 수 있다.
이상에서 실시 형태들에 설명된 특징, 구조, 효과 등은 본 발명의 적어도 하나의 실시 형태에 포함되며, 반드시 하나의 실시 형태에만 한정되는 것은 아니다. 나아가, 각 실시 형태에서 예시된 특징, 구조, 효과 등은 실시 형태들이 속하는 분야의 통상의 지식을 가지는 자에 의해 다른 실시 형태들에 대해서도 조합 또는 변형되어 실시 가능하다. 따라서 이러한 조합과 변형에 관계된 내용들은 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.
또한, 이상에서 실시 형태를 중심으로 설명하였으나 이는 단지 예시일 뿐 본 발명을 한정하는 것이 아니며, 본 발명이 속하는 분야의 통상의 지식을 가진 자라면 본 실시 형태의 본질적인 특성을 벗어나지 않는 범위에서 이상에 예시되지 않은 여러 가지의 변형과 응용이 가능함을 알 수 있을 것이다. 즉, 실시 형태에 구체적으로 나타난 각 구성 요소는 변형하여 실시할 수 있는 것이다. 그리고 이러한 변형과 응용에 관계된 차이점들은 첨부된 청구 범위에서 규정하는 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.
10: 통합 의료 영상 생성 시스템
100: 의료 영상 획득 장치
1000: 통합 의료 영상 생성 장치

Claims (10)

  1. 의료 영상을 획득하고, 의료 영상으로부터 이종 의료 영상을 생성하고, 의료 영상과 이종 의료 영상에 기반하여 통합 의료 영상을 생성하는 장치가 통합 의료 영상을 생성하는 방법에 있어서, 상기 방법은,
    대상 의료 영상을 획득하는 단계;
    상기 대상 의료 영상으로부터 제1 특징 영역을 검출하고, 상기 제1 특징 영역의 신호 강도를 조절하여 제1 의료 영상을 생성하는 단계;
    상기 대상 의료 영상을 기반으로 이종의 제2 의료 영상을 생성하는 단계; 및
    상기 제1 의료 영상과 상기 제2 의료 영상에 기초하여 통합 의료 영상을 생성하는 단계;를 포함하는,
    통합 의료 영상 생성 방법.
  2. 제1 항에 있어서,
    상기 제2 의료 영상을 생성하는 단계는,
    제1 심층신경망을 이용하여 상기 대상 의료 영상을 이종 영상으로 변환하는 단계; 및
    상기 변환된 이종 영상의 제2 특징 영역을 검출하고, 상기 제2 특징 영역의 신호 강도를 조절하여 상기 제2 의료 영상을 획득하는 단계;를 포함하는,
    통합 의료 영상 생성 방법.
  3. 제2 항에 있어서,
    상기 통합 의료 영상을 생성하는 단계는,
    상기 제1 의료 영상의 상기 제1 특징 영역에 제1 가중치를 부여하고, 상기 제2 의료 영상의 상기 제1 특징 영역에 제2 가중치를 부여하는 단계;
    상기 제2 의료 영상의 상기 제2 특징 영역에 제3 가중치를 부여하고, 상기 제1 의료 영상의 상기 제2 특징 영역에 제4 가중치를 부여하는 단계; 및
    상기 제1 가중치, 상기 제2 가중치, 상기 제3 가중치, 및 상기 제4 가중치에 기반하여 통합 의료 영상을 생성하는 단계;를 포함하는,
    통합 의료 영상 생성 방법.
  4. 제2 항에 있어서,
    상기 제1 심층신경망을 이용하여 상기 대상 의료 영상을 이종 영상으로 변환하는 단계는,
    학습이 완료된 상기 제1 심층신경망을 획득하는 단계;
    상기 제1 심층신경망의 입력 레이어에 대상 의료 영상을 입력하는 단계; 및
    상기 제1 심층신경망의 출력 레이어를 통하여 출력되는 상기 이종 영상을 획득하는 단계;를 더 포함하는,
    통합 의료 영상 생성 방법.
  5. 제4 항에 있어서,
    상기 제1 심층신경망은 생성적 적대 신경망(Generative adversarial network, GAN)이되,
    상기 제1 심층신경망은, 제1 유형의 제1 영상과 제2 유형의 제2 영상으로 구성된 학습 세트에 기초하여 훈련되되, 상기 제1 영상을 상기 제1 심층신경망의 입력 레이어에 입력하고, 상기 제1 심층신경망의 출력 레이어를 통하여 출력되는 출력값과 상기 제2 영상을 비교하여 상기 제1 심층신경망을 갱신함으로써 훈련이 수행되는,
    통합 의료 영상 생성 방법.
  6. 제3 항에 있어서,
    상기 제1 가중치는 상기 제2 가중치보다 더 큰 값을 포함하며,
    상기 제3 가중치는 상기 제4 가중치보다 더 큰 값을 포함하는,
    통합 의료 영상 생성 방법.
  7. 제3 항에 있어서,
    상기 통합 의료 영상을 생성하는 단계는,
    학습이 완료된 제2 심층신경망을 획득하는 단계;
    상기 제2 심층신경망의 입력 레이어에 상기 제1 의료 영상 또는 상기 제2 의료 영상을 입력하는 단계; 및
    상기 제2 심층신경망의 출력 레이어를 통하여 출력되는 상기 통합 의료 영상을 획득하는 단계;를 더 포함하는,
    통합 의료 영상 생성 방법.
  8. 제7 항에 있어서,
    상기 제2 심층신경망은 기계학습기법을 이용하여 학습되되,
    상기 제2 심층신경망은 제1 유형의 제1 영상으로부터 상기 제1 영상과 제2 유형의 제2 영상이 정합된 통합 영상을 출력하고, 상기 통합 영상과 목표 영상 간의 차이가 감소되도록 훈련되되,
    상기 목표 영상의 제1 특징 영역에는 상기 제1 가중치 및 상기 제2 가중치가 반영되고, 상기 목표 영상의 제2 특징 영역에는 상기 제3 가중치 및 상기 제4 가중치가 반영된,
    통합 의료 영상 생성 방법.
  9. 컴퓨터에 제1 항 내지 제8 항 중 어느 하나의 항에 따른 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체.
  10. 의료 영상을 획득하고, 의료 영상으로부터 이종 의료 영상을 생성하고, 의료 영상과 이종 의료 영상에 기반하여 통합 의료 영상을 생성하는 통합 의료 영상 생성 장치에 있어서, 상기 통합 의료 영상 생성 장치는,
    대상 의료 영상을 수신하도록 구성된 송수신부; 및
    상기 대상 의료 영상에 기초하여 통합 의료 영상을 생성하도록 구성된 컨트롤러;를 포함하되,
    상기 컨트롤러는,
    대상 의료 영상을 획득하고, 상기 대상 의료 영상으로부터 제1 특징 영역을 검출하고, 상기 제1 특징 영역의 신호 강도를 조절하여 제1 의료 영상을 생성하고, 상기 대상 의료 영상을 기반으로 이종의 제2 의료 영상을 생성하고, 상기 제1 의료 영상과 상기 제2 의료 영상에 기초하여 통합 의료 영상을 생성하도록 구성된,
    통합 의료 영상 생성 장치.
KR1020210144374A 2020-10-29 2021-10-27 통합 의료 영상 생성 방법, 통합 의료 영상 생성 장치, 및 통합 의료 영상 생성 시스템 KR102695373B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020240106816A KR20240127926A (ko) 2020-10-29 2024-08-09 이종의 의료 영상들에서 생성된 주요 특징들에 기반하여 통합 의료 영상을 생성하는 방법 및 이를 수행하는 장치

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20200141746 2020-10-29
KR1020200141746 2020-10-29

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020240106816A Division KR20240127926A (ko) 2020-10-29 2024-08-09 이종의 의료 영상들에서 생성된 주요 특징들에 기반하여 통합 의료 영상을 생성하는 방법 및 이를 수행하는 장치

Publications (2)

Publication Number Publication Date
KR20220057448A true KR20220057448A (ko) 2022-05-09
KR102695373B1 KR102695373B1 (ko) 2024-08-14

Family

ID=81582037

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020210144374A KR102695373B1 (ko) 2020-10-29 2021-10-27 통합 의료 영상 생성 방법, 통합 의료 영상 생성 장치, 및 통합 의료 영상 생성 시스템
KR1020240106816A KR20240127926A (ko) 2020-10-29 2024-08-09 이종의 의료 영상들에서 생성된 주요 특징들에 기반하여 통합 의료 영상을 생성하는 방법 및 이를 수행하는 장치

Family Applications After (1)

Application Number Title Priority Date Filing Date
KR1020240106816A KR20240127926A (ko) 2020-10-29 2024-08-09 이종의 의료 영상들에서 생성된 주요 특징들에 기반하여 통합 의료 영상을 생성하는 방법 및 이를 수행하는 장치

Country Status (1)

Country Link
KR (2) KR102695373B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230119778A (ko) * 2022-02-08 2023-08-16 주식회사 크레스콤 관절 상태를 정량화하기 위한 의료 영상 분석 방법, 의료 영상 분석 장치, 및 의료 영상 분석 시스템
WO2024043591A1 (ko) * 2022-08-22 2024-02-29 고려대학교 산학협력단 융합 영상을 이용한 턱관절 및 두경부 질환 진단 방법 및 장치

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001291091A (ja) * 2000-01-31 2001-10-19 Mitsubishi Electric Corp 画像処理装置および方法
JP2004512512A (ja) * 2000-10-25 2004-04-22 フィリップス　メディカル　システムズ　（クリーヴランド），インコーポレイテッド 特徴が強調された透過撮像を用いた核撮像のシステム及び方法
JP2015047506A (ja) * 2013-09-04 2015-03-16 三星電子株式会社Ｓａｍｓｕｎｇ Ｅｌｅｃｔｒｏｎｉｃｓ Ｃｏ．，Ｌｔｄ． 医療映像を整合する方法及びその装置
KR101959438B1 (ko) * 2018-08-06 2019-03-18 전북대학교 산학협력단 다중 모달리티 영상 생성 기법을 이용한 의료영상진단시스템

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001291091A (ja) * 2000-01-31 2001-10-19 Mitsubishi Electric Corp 画像処理装置および方法
JP2004512512A (ja) * 2000-10-25 2004-04-22 フィリップス　メディカル　システムズ　（クリーヴランド），インコーポレイテッド 特徴が強調された透過撮像を用いた核撮像のシステム及び方法
JP2015047506A (ja) * 2013-09-04 2015-03-16 三星電子株式会社Ｓａｍｓｕｎｇ Ｅｌｅｃｔｒｏｎｉｃｓ Ｃｏ．，Ｌｔｄ． 医療映像を整合する方法及びその装置
KR101959438B1 (ko) * 2018-08-06 2019-03-18 전북대학교 산학협력단 다중 모달리티 영상 생성 기법을 이용한 의료영상진단시스템

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230119778A (ko) * 2022-02-08 2023-08-16 주식회사 크레스콤 관절 상태를 정량화하기 위한 의료 영상 분석 방법, 의료 영상 분석 장치, 및 의료 영상 분석 시스템
WO2024043591A1 (ko) * 2022-08-22 2024-02-29 고려대학교 산학협력단 융합 영상을 이용한 턱관절 및 두경부 질환 진단 방법 및 장치

Also Published As

Publication number Publication date
KR20240127926A (ko) 2024-08-23
KR102695373B1 (ko) 2024-08-14

Similar Documents

Publication Publication Date Title
CN111557665B (zh) 用于医学成像中的患者定位的根据相机数据的密集身体标记估计
JP7246866B2 (ja) 医用画像処理装置
CN112770838B (zh) 使用自关注深度学习进行图像增强的系统和方法
KR20220057448A (ko) 통합 의료 영상 생성 방법, 통합 의료 영상 생성 장치, 및 통합 의료 영상 생성 시스템
JP2019114262A (ja) 医用画像処理装置、医用画像処理プログラム、学習装置及び学習プログラム
US20210225491A1 (en) Diagnostic image converting apparatus, diagnostic image converting module generating apparatus, diagnostic image recording apparatus, diagnostic image converting method, diagnostic image converting module generating method, diagnostic image recording method, and computer recordable recording medium
US20180330496A1 (en) Generation Of Personalized Surface Data
KR20200137768A (ko) 두부경부 컴퓨터단층촬영영상에서의 안와뼈 분할 방법 및 장치
JPWO2012137431A1 (ja) 超音波診断装置、及び、超音波診断画像の出力方法
JP2016189946A (ja) 医用画像位置合わせ装置および方法並びにプログラム
JP6747785B2 (ja) 医用画像処理装置及び医用画像処理方法
JP2005109790A (ja) 医用画像処理装置
JP2001076141A (ja) 画像認識方法および画像処理装置
KR102313661B1 (ko) 특성 정보를 고려한 의료 영상 분석 방법, 의료 영상 분석 장치 및 의료 영상 분석 시스템
KR102542016B1 (ko) 의료 영상의 가명화 방법 및 장치
US20150110246A1 (en) Image processing apparatus, image processing method thereof, and image processing system thereof
CN112200780A (zh) 骨组织定位方法、装置、计算机设备和存储介质
US10007976B2 (en) Image processing apparatus, medical image diagnostic apparatus, and x-ray diagnostic apparatus
US10089728B2 (en) Radiation-image processing device and method
TWI691309B (zh) 人工智慧能量釋放系統及方法
US20230005148A1 (en) Image analysis method, image analysis device, image analysis system, control program, and recording medium
JP2017000675A (ja) 医用画像処理装置及びｘ線撮像装置
US10475180B2 (en) Radiation-image processing device and method
US20240331359A1 (en) Learning data set generation method, machine learning model, image processing device, learning data set generation device, machine learning device, image diagnosis system, and program
JP7173338B2 (ja) 骨部画像解析方法および学習方法

Legal Events

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