KR20220109334A - 진단키드 결과 이미지 내 스팟 검출 장치 및 방법 - Google Patents
진단키드 결과 이미지 내 스팟 검출 장치 및 방법 Download PDFInfo
- Publication number
- KR20220109334A KR20220109334A KR1020220011274A KR20220011274A KR20220109334A KR 20220109334 A KR20220109334 A KR 20220109334A KR 1020220011274 A KR1020220011274 A KR 1020220011274A KR 20220011274 A KR20220011274 A KR 20220011274A KR 20220109334 A KR20220109334 A KR 20220109334A
- Authority
- KR
- South Korea
- Prior art keywords
- image
- diagnostic kit
- spot
- reference point
- test result
- Prior art date
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000009007 Diagnostic Kit Methods 0.000 title claims description 74
- 238000012360 testing method Methods 0.000 claims abstract description 54
- 238000006243 chemical reaction Methods 0.000 claims abstract description 21
- 238000007781 pre-processing Methods 0.000 claims abstract description 15
- 238000012216 screening Methods 0.000 claims abstract description 10
- 230000009466 transformation Effects 0.000 claims description 7
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 4
- 201000010099 disease Diseases 0.000 abstract description 8
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 abstract description 8
- 238000003745 diagnosis Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 5
- 238000002405 diagnostic procedure Methods 0.000 description 4
- 238000000338 in vitro Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 241000711549 Hepacivirus C Species 0.000 description 2
- 241000598436 Human T-cell lymphotropic virus Species 0.000 description 2
- 241000714260 Human T-lymphotropic virus 1 Species 0.000 description 2
- 241000714259 Human T-lymphotropic virus 2 Species 0.000 description 2
- 239000000427 antigen Substances 0.000 description 2
- 102000036639 antigens Human genes 0.000 description 2
- 108091007433 antigens Proteins 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003018 immunoassay Methods 0.000 description 2
- 208000015181 infectious disease Diseases 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 108010027044 HIV Core Protein p24 Proteins 0.000 description 1
- 108700039791 Hepatitis C virus nucleocapsid Proteins 0.000 description 1
- 241000725303 Human immunodeficiency virus Species 0.000 description 1
- 241000713772 Human immunodeficiency virus 1 Species 0.000 description 1
- 241000713340 Human immunodeficiency virus 2 Species 0.000 description 1
- 241000701076 Macacine alphaherpesvirus 1 Species 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 210000002966 serum Anatomy 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000000844 transformation Methods 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
- 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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
- G01N33/558—Immunoassay; Biospecific binding assay; Materials therefor using diffusion or migration of antigen or antibody
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
- G01N33/569—Immunoassay; Biospecific binding assay; Materials therefor for microorganisms, e.g. protozoa, bacteria, viruses
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
- G01N33/576—Immunoassay; Biospecific binding assay; Materials therefor for hepatitis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—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
-
- 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)
- Immunology (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Chemical & Material Sciences (AREA)
- Hematology (AREA)
- Molecular Biology (AREA)
- Urology & Nephrology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Pathology (AREA)
- Theoretical Computer Science (AREA)
- Biotechnology (AREA)
- Data Mining & Analysis (AREA)
- Cell Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Microbiology (AREA)
- Radiology & Medical Imaging (AREA)
- Biochemistry (AREA)
- Multimedia (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Databases & Information Systems (AREA)
- Tropical Medicine & Parasitology (AREA)
- Virology (AREA)
- Communicable Diseases (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
본 발명은 진단키드 결과 이미지 내 스팟 검출 장치 및 방법에 관한 것으로, 본 발명에 따른 진단키드 결과 이미지 내 스팟 검출 장치는, 스크리닝 장비의 이미지 스캐너를 통해서 진단키트 검사 결과 이미지를 취득하는 이미지 취득부; 상기 취득된 진단키트 검사 결과 이미지 상에서 레퍼런스 포인트를 검출하는 레퍼런스 포인트 검출부; 상기 검출한 레퍼런스 포인트를 기준으로 상기 진단키트 검사 결과 이미지를 정렬(Alignment)시켜 관심영역(ROI: Region of Interest)을 추출하는 이미지 전처리부; 이미지 디노이징(Image Denoising) 기법과 블랍 검출(Blob Detection) 알고리즘을 이용하여 상기 추출된 관심영역 상에서 스팟을 검출하는 스팟 검출부; 상기 검출된 스팟들에서 양성 반응이 일어난 정도를 정량적으로 수치화하여 음성 또는 양성을 판단하는 음성/양성 판독부; 및 상기 판단한 결과값을 표시하는 판독결과 출력부;를 포함하여 구성된다.
Description
본 발명은 진단키드 결과 이미지 내 스팟 검출 장치 및 방법에 관한 것으로, 보다 상세하게는 질병의 음성 또는 양성 판정을 자동화하여 보다 신속하고 정밀하게 판단할 수 있는 진단키드 결과 이미지 내 스팟 검출 장치 및 방법에 관한 것이다.
체외진단 의료기기(In Vitro Diagnostics: IVD)는 인체에서 유래한 시료를 검체로 하여 질병의 진단, 예후, 관찰, 혈액 또는 조직적합성 판단 등의 정보 제공을 목적으로 체외에서 사용하는 의료기기를 말한다.
일반적으로, 진단키트 검사 결과 이미지는 레퍼런스 포인트와 스팟으로 구성 되어있으며, 도 1에 도시된 바와 같이 종래 기술의 진단키트 영상을 취득하여 결과를 판독하는 진단 검사 방법에 따르면, 검체 채취, 검체 투입, 진단키트 검사 결과 이미지 취득, 육안으로 스팟 식별, 감염 여부 판단 과정으로 진행된다.
그러나, 기존 진단 검사는 검사자의 육안으로만 스팟을 식별하여 감염 여부를 판단했기 때문에 음성/양성 판단이 정성적으로만 이루어지며, 검사자의 숙련도에 따라 검사 정확성의 차이가 발생한다.
또한, 형광면역측정법의 원리를 이용하는 진단키트 특성상 육안으로 반응이 일어나지 않은 스팟을 식별하기 어렵고 반응이 일어났다고 해도 그 정도를 판단해서 음성/양성을 판단하기 애매한 경우가 존재하며, 한 검사자가 하루에 판독할 수 있는 양이 정해져 있어 하루 검사량의 한계가 있는 단점도 있다.
따라서, 체외진단기기는 결과판독의 신속성만큼이나 진단 결과의 정확성이 중요하기 때문에 빠른 검사 결과가 필요한 질병 검사 종목 들을 비롯해서 숙련된 인력이 아닌 일반 검사자가 수행해도 오류가 발생하지 않도록 하는 기술이 필요하다.
본 발명은 전술한 문제를 해결하기 위해 안출된 것으로서, 본 발명에 따르면 스크리닝 장비의 이미지 스캐너를 통해 취득된 진단키트 검사 결과 이미지에서 영상처리와 머신러닝을 이용하여 빠른 시간 안에 육안으로 식별하기 어려운 스팟을 자동으로 검출하고, 검출한 스팟에서 발현된 반응의 정도를 정량적으로 수치화하여 질병의 음성 또는 양성 판정을 보다 신속하고 정밀하게 판단할 수 있도록 하고자 한다.
전술한 문제를 해결하기 위한 본 발명의 일실시예에 따른 진단키드 결과 이미지 내 스팟 검출 장치는, 스크리닝 장비의 이미지 스캐너를 통해서 진단키트 검사 결과 이미지를 취득하는 이미지 취득부; 상기 취득된 진단키트 검사 결과 이미지 상에서 레퍼런스 포인트를 검출하는 레퍼런스 포인트 검출부; 상기 검출한 레퍼런스 포인트를 기준으로 상기 진단키트 검사 결과 이미지를 정렬(Alignment)시켜 관심영역(ROI: Region of Interest)을 추출하는 이미지 전처리부; 이미지 디노이징(Image Denoising) 기법과 블랍 검출(Blob Detection) 알고리즘을 이용하여 상기 추출된 관심영역 상에서 스팟을 검출하는 스팟 검출부; 상기 검출된 스팟들에서 양성 반응이 일어난 정도를 정량적으로 수치화하여 음성 또는 양성을 판단하는 음성/양성 판독부; 및 상기 판단한 결과값을 표시하는 판독결과 출력부;를 포함하여 구성된다.
본 발명의 다른 일실시예에 따르면, 상기 레퍼런스 포인트 검출부는 설정된 임계값을 기준으로 진단키트 검사 결과 이미지를 이진화하는 영상 이진화(Image Binarization)를 이용해 상기 취득된 진단키트 검사 결과 이미지 상에서 레퍼런스 포인트를 검출할 수 있다.
본 발명의 다른 일실시예에 따르면, 상기 이미지 전처리부는 상기 레퍼런스 포인트들의 중심을 새로운 3개의 코너로 보내는 영상 아핀 변화(Image Affine Transformation)를 하여 상기 진단키트 검사 결과 이미지를 정렬(Alignment)시켜 상기 관심영역(ROI: Region of Interest)을 추출할 수 있다.
본 발명의 다른 일실시예에 따르면, 상기 이미지 디노이징(Image Denoising) 기법은 메디안 필터(Median Filter), 에버리지 필터(Average Filter) 또는 가우시안 필터(Gaussian Filter)를 사용하고, 상기 블랍 검출(Blob Detection) 알고리즘은 MSER(Maximally Stable External Region) 알고리즘과 STN(Spatial Transformer Network)을 이용해 구성될 수 있다.
또한, 본 발명의 일실시예에 따른 진단키드 결과 이미지 내 스팟 검출 방법은, 이미지 취득부가 스크리닝 장비의 이미지 스캐너를 통해서 진단키트 검사 결과 이미지를 취득하는 이미지 취득 단계; 레퍼런스 포인트 검출부가 상기 취득된 진단키트 검사 결과 이미지 상에서 레퍼런스 포인트를 검출하는 레퍼런스 포인트 검출 단계; 이미지 전처리부가 상기 검출한 레퍼런스 포인트를 기준으로 상기 진단키트 검사 결과 이미지를 정렬(Alignment)시켜 관심영역(ROI: Region of Interest)을 추출하는 이미지 전처리 단계; 스팟 검출부가 이미지 디노이징(Image Denoising) 기법과 블랍 검출(Blob Detection) 알고리즘을 이용하여 상기 추출된 관심영역 상에서 스팟을 검출하는 스팟 검출 단계; 음성/양성 판독부가 상기 검출된 스팟들에서 양성 반응이 일어난 정도를 정량적으로 수치화하여 음성 또는 양성을 판단하는 음성/양성 판독 단계; 및 판독결과 출력부가 상기 판단한 결과값을 표시하는 판독결과 출력 단계;를 포함하여 구성된다.
본 발명의 다른 일실시예에 따르면, 상기 레퍼런스 포인트 검출 단계는 상기 레퍼런스 포인트 검출부가 설정된 임계값을 기준으로 진단키트 검사 결과 이미지를 이진화하는 영상 이진화(Image Binarization)를 이용해 상기 취득된 진단키트 검사 결과 이미지 상에서 레퍼런스 포인트를 검출할 수 있다.
본 발명의 다른 일실시예에 따르면, 상기 이미지 전처리 단계는 상기 이미지 전처리부가 상기 레퍼런스 포인트들의 중심을 새로운 3개의 코너로 보내는 영상 아핀 변화(Image Affine Transformation)를 하여 상기 진단키트 검사 결과 이미지를 정렬(Alignment)시켜 상기 관심영역(ROI: Region of Interest)을 추출할 수 있다.
본 발명에 따르면 스크리닝 장비의 이미지 스캐너를 통해 취득된 진단키트 검사 결과 이미지에서 영상처리와 머신러닝을 이용하여 빠른 시간 안에 육안으로 식별하기 어려운 스팟을 자동으로 검출하고, 검출한 스팟에서 발현된 반응의 정도를 정량적으로 수치화하여 질병의 음성 또는 양성 판정을 보다 신속하고 정밀하게 판단할 수 있다.
도 1은 종래 기술에 따른 진단키트 영상을 취득하여 결과를 판독하는 진단 검사 방법을 설명하기 위한 도면이다.
도 2는 본 발명의 일실시예에 따른 진단키트 검사 결과 이미지를 도시한 도면이다.
도 3은 본 발명의 일실시예에 따른 진단키드 결과 이미지 내 스팟 검출 장치를 설명하기 위한 도면이다.
도 4는 본 발명의 일실시예에 따른 진단키트 검사 결과 이미지에서 양성 반응이 일어난 스팟을 도시한 도면이다.
도 5는 본 발명의 일실시예에 따른 양성 반응 정도를 정량적으로 수치화한 도면이다.
도 6은 본 발명의 일실시예에 따른 진단키드 결과 이미지 내 스팟 검출 방법을 설명하기 위한 흐름도이다.
도 2는 본 발명의 일실시예에 따른 진단키트 검사 결과 이미지를 도시한 도면이다.
도 3은 본 발명의 일실시예에 따른 진단키드 결과 이미지 내 스팟 검출 장치를 설명하기 위한 도면이다.
도 4는 본 발명의 일실시예에 따른 진단키트 검사 결과 이미지에서 양성 반응이 일어난 스팟을 도시한 도면이다.
도 5는 본 발명의 일실시예에 따른 양성 반응 정도를 정량적으로 수치화한 도면이다.
도 6은 본 발명의 일실시예에 따른 진단키드 결과 이미지 내 스팟 검출 방법을 설명하기 위한 흐름도이다.
본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
다만, 실시형태를 설명함에 있어서, 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그에 대한 상세한 설명은 생략한다. 또한, 도면에서의 각 구성요소들의 크기는 설명을 위하여 과장될 수 있으며, 실제로 적용되는 크기를 의미하는 것은 아니다.
또한, 명세서 전체에서, 일 구성요소가 다른 구성요소와 "연결된다" 거나 "접속된다" 등으로 언급된 때에는, 상기 일 구성요소가 상기 다른 구성요소와 직접 연결되거나 또는 직접 접속될 수도 있지만, 특별히 반대되는 기재가 존재하지 않는 이상, 중간에 또 다른 구성요소를 매개하여 연결되거나 또는 접속될 수도 있다고 이해되어야 할 것이다. 또한, 명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
본 발명은 형광면역측정법의 원리를 이용하여 혈장 혹은 혈청 중에서 HIV 1/2 (Human immunodeficiency virus 1/2), HCV (Hepatitis C virus) 및 HTLV 1/2 (Human T-lymphotropic virus 1/2)에 감염되었을 때 형성되는 항체들과, HTLV 1/2 (Human T-lymphotropic virus 1/2) 및 HBV (Hepatitic B virus)에 감염되었을 때 형성되는 HBV 표면항원 (HBsAg), HIV p24 항원, HCV core 항원을 동시에 검출하는 체외진단 키트를 대상으로 진단키트 검사 결과 이미지를 취득하여 스팟을 자동으로 검출해 기존 진단방식 보다 신속하고 정확하게 질병을 진단할 수 있도록 하고자 한다.
도 2는 본 발명의 일실시예에 따른 진단키트 검사 결과 이미지를 도시한 도면이고, 도 3은 본 발명의 일실시예에 따른 진단키드 결과 이미지 내 스팟 검출 장치를 설명하기 위한 도면이다.
도 2를 참조하면 본 발명의 일실시예에 따른 진단키트 검사 결과 이미지는 레퍼런스 포인트(101)와 스팟(102)을 포함하며, 본 발명의 일실시예에 따른 진단키드 결과 이미지 내 스팟 검출 장치는 상기 레퍼런스 포인트(101)를 이용하여 스팟(102)을 검출할 수 있다.
본 발명의 일실시예에 따른 진단키드 결과 이미지 내 스팟 검출 장치는 의료시설에서 사용되는 장치로서, 외부 네트워크가 연결되지 않은 환경에서 동작할 수 있는 온프레미스(On-Premise) 형태로 구성될 수 있다. 즉, 의료시설 특성상 외부 인터넷이 연결 불가능한 것을 고려하여 온프레미스(On-Premise) 형태로 구축하여, 진단키드 결과 이미지 내 스팟 검출 장치가 외부 인터넷망과 연결 되어있지 않고 시스템 내의 내부망에만 접속되어 내부에서만 이용할 수 있도록 설계될 수 있다. 또한, 상기 진단키드 결과 이미지 내 스팟 검출 장치는 컴퓨터 단말, 서버 또는 전용 장치로 구성될 수 있으며, 각 기능을 제공하는 구성요소는 하드웨어 또는 소프트웨어로 구성될 수 있다.
본 발명의 일실시예에 따른 진단키드 결과 이미지 내 스팟 검출 장치는 이미지 취득부(110), 레퍼런스 포인트 검출부(120), 이미지 전처리부(130), 스팟 검출부(140), 음성/양성 판독부(150) 및 판독결과 출력부(160)를 포함하여 구성될 수 있다.
이미지 취득부(110)는 스크리닝 장비의 이미지 스캐너를 통해서 진단키트 검사 결과 이미지를 취득한다.
레퍼런스 포인트 검출부(120)는 상기 취득된 진단키트 검사 결과 이미지 상에서 레퍼런스 포인트를 검출한다.
이때, 상기 레퍼런스 포인트 검출부(120)는 영상처리 기법으로서, 설정된 임계값을 기준으로 진단키트 검사 결과 이미지를 이진화하는 영상 이진화(Image Binarization)를 이용해 상기 취득된 진단키트 검사 결과 이미지 상에서 레퍼런스 포인트를 검출할 수 있다.
보다 구체적으로, 상기 레퍼런스 포인트 검출부(120)는 하기의 수학식 1을 이용해 레퍼런스 포인트를 검출할 수 있다.
[수학식 1]
이때, f(p(x, y))는 레퍼런스 포인트를 나타내고, p(x, y)의 x, y는 이미지에서 픽셀 좌표를 나타내고, p는 픽셀 값을 나타낸다.
상기 레퍼런스 포인트는 3 ~ 4개로서 일반적으로 진단키트 검사 결과 이미지의 왼쪽 상단, 오른쪽 상단, 오른쪽 하단에 존재하여, 3개의 레퍼런스 포인트를 찾으면 된다.
이미지 전처리부(130)는 상기 검출한 레퍼런스 포인트를 기준으로 상기 진단키트 검사 결과 이미지를 정렬(Alignment)시켜 관심영역(ROI: Region of Interest)을 추출한다.
상기 이미지 전처리부(130)는 영상처리 기법으로서, 상기 레퍼런스 포인트들의 중심을 새로운 3개의 코너로 보내는 영상 아핀 변화(Image Affine Transformation)를 적용하여, 상기 진단키트 검사 결과 이미지를 정렬(Alignment)시켜 상기 관심영역(ROI: Region of Interest)을 추출할 수 있다.
또한, 스팟 검출부(140)는 이미지 디노이징(Image Denoising) 기법과 블랍 검출(Blob Detection) 알고리즘을 이용하여 상기 추출된 관심영역 상에서 스팟을 검출한다.
즉, 상기 스팟 검출부(140)는 상기 추출된 관심영역 상에서 이미지 연산범위를 줄이고 이미지 디노이징(Image Denoising) 기법을 촬용하여 이미지에 존재하는 노이즈를 제거할 수 있다.
상기 이미지 디노이징(Image Denoising) 기법에는 노이즈 감소 및 노이즈 제거(Noise Reduction and Denoising) 분야에서 사용되는 메디안 필터(Median Filter), 에버리지 필터(Average Filter) 또는 가우시안 필터(Gaussian Filter)를 활용하여 이미지에 존재하는 노이즈를 제거할 수 있다.
또한, 상기 스팟 검출부(140)는 노이즈가 제거된 이미지에서 블랍 검출(Blob Detection) 알고리즘을 이용하여 스팟을 검출할 수 있다.
상기의 블랍 검출(Blob Detection) 알고리즘은 MSER(Maximally Stable External Region) 알고리즘과 STN(Spatial Transformer Network)을 활용하여 MSER의 단점을 STN의 최적화 기법을 활용해 보완한 알고리즘이다.
상기 MSER(Maximally Stable External Region) 알고리즘은 강도(intensity)가 주변에 인접한 픽셀들과 상이한 픽셀들의 집합 영역을 블롭으로 검출하는 알고리즘을 말한다.
이와 같은 MSER 알고리즘은 가장 우수한 영역 검출 알고리즘 중 하나로 전처리로써 블롭을 찾는데 널리 사용되고 있다.
MSER 알고리즘은 SWT 알고리즘에 비해 빠르게 블롭을 검출할 수 있다는 장점이 있으나, 티클이나 노이즈를 블롭으로 검출하는 등 정확도가 다소 부족한 단점이 있다.
이러한 단점을 극복하기 위해 STN을 활용하여 최적화 기법을 이용했다.
이와 같이, MSER 알고리즘을 통해 검출한 스팟들을 다시 한번 STN을 활용하여 최적화시키면서 최종적으로 스팟을 검출한다.
음성/양성 판독부(150)는 상기 검출된 스팟들에서 양성 반응이 일어난 정도를 정량적으로 수치화하여 음성 또는 양성을 판단한다.
도 4는 본 발명의 일실시예에 따른 진단키트 검사 결과 이미지에서 양성 반응이 일어난 스팟을 도시한 도면이고, 도 5는 본 발명의 일실시예에 따른 양성 반응 정도를 정량적으로 수치화한 도면이다.
스팟에서 양성 반응이 일어나면 도 4에 도시된 바와 같이 흰색으로 변화하는데, 이때 스팟 영역에서 흰색의 비율을 계산하여 반응의 정도를 정량적으로 수치화한다.
보다 구체적으로 설명하면, 도 5에 도시된 바와 같이 스팟 영역에서 픽셀 값이 지정된 임계값 이상의 흰색 픽셀의 개수를 구하고 거기에 스팟 영역의 넓이를 나누어 양성 반응의 정도를 정량적으로 수치화한다.
이와 같이, 상기 음성/양성 판독부(150)는 수치화된 양성 반응값이 양성 판단 기준치를 넘어가는지 여부에 따라 최종적으로 음성/양성을 판단하며, 판독결과 출력부(160)는 상기 판단한 결과값을 표시한다.
도 6은 본 발명의 일실시예에 따른 진단키드 결과 이미지 내 스팟 검출 방법을 설명하기 위한 흐름도이다.
이후부터는 도 6을 참조하여 본 발명의 일실시예에 따른 진단키드 결과 이미지 내 스팟 검출 방법을 설명하기로 한다.
먼저, 이미지 취득부가 스크리닝 장비의 이미지 스캐너를 통해서 진단키트 검사 결과 이미지를 취득한다(S210).
이후, 레퍼런스 포인트 검출부가 상기 취득된 진단키트 검사 결과 이미지 상에서 레퍼런스 포인트를 검출한다(S220).
이때, 상기 레퍼런스 포인트 검출부가 설정된 임계값을 기준으로 진단키트 검사 결과 이미지를 이진화하는 영상 이진화(Image Binarization)를 이용해 상기 취득된 진단키트 검사 결과 이미지 상에서 레퍼런스 포인트를 검출할 수 있다.
이후에는 이미지 전처리부가 상기 검출한 레퍼런스 포인트를 기준으로 상기 진단키트 검사 결과 이미지를 정렬(Alignment)시켜 관심영역(ROI: Region of Interest)을 추출한다(S230).
보다 상세하게 설명하면, 상기 이미지 전처리부가 상기 레퍼런스 포인트들의 중심을 새로운 3개의 코너로 보내는 영상 아핀 변화(Image Affine Transformation)를 하여 상기 진단키트 검사 결과 이미지를 정렬(Alignment)시켜 상기 관심영역(ROI: Region of Interest)을 추출할 수 있다.
이후, 스팟 검출부가 이미지 디노이징(Image Denoising) 기법과 블랍 검출(Blob Detection) 알고리즘을 이용하여 상기 추출된 관심영역 상에서 스팟을 검출한다(S240).
이때, 상기 스팟 검출부는 상기 이미지 디노이징(Image Denoising) 기법으로서 메디안 필터(Median Filter), 에버리지 필터(Average Filter) 또는 가우시안 필터(Gaussian Filter)를 사용하고, 상기 블랍 검출(Blob Detection) 알고리즘으로서 MSER(Maximally Stable External Region) 알고리즘과 STN(Spatial Transformer Network)을 이용하여, 상기 추출된 관심영역 상에서 스팟을 검출할 수 있다.
그에 따라, 음성/양성 판독부가 상기 검출된 스팟들에서 양성 반응이 일어난 정도를 정량적으로 수치화하여 음성 또는 양성을 판단할 수 있으며(S250), 판독결과 출력부가 이와 같이 판단한 결과값을 표시할 수 있다(S260).
이와 같이, 본 발명에 따르면 스크리닝 장비의 이미지 스캐너를 통해 취득된 진단키트 검사 결과 이미지에서 영상처리와 머신러닝을 이용하여 빠른 시간 안에 육안으로 식별하기 어려운 스팟을 자동으로 검출하고, 검출한 스팟에서 발현된 반응의 정도를 정량적으로 수치화하여 질병의 음성 또는 양성 판정을 보다 신속하고 정밀하게 판단할 수 있다.
전술한 바와 같은 본 발명의 상세한 설명에서는 구체적인 실시예에 관해 설명하였다. 그러나 본 발명의 범주에서 벗어나지 않는 한도 내에서는 여러 가지 변형이 가능하다. 본 발명의 기술적 사상은 본 발명의 전술한 실시예에 국한되어 정해져서는 안 되며, 청구범위뿐만 아니라 이 청구범위와 균등한 것들에 의해 정해져야 한다.
110: 이미지 취득부
120: 레퍼런스 포인트 검출부
130: 이미지 전처리부
140: 스팟 검출부
150: 음성/양성 판독부
160: 판독결과 출력부
120: 레퍼런스 포인트 검출부
130: 이미지 전처리부
140: 스팟 검출부
150: 음성/양성 판독부
160: 판독결과 출력부
Claims (8)
- 스크리닝 장비의 이미지 스캐너를 통해서 진단키트 검사 결과 이미지를 취득하는 이미지 취득부;
상기 취득된 진단키트 검사 결과 이미지 상에서 레퍼런스 포인트를 검출하는 레퍼런스 포인트 검출부;
상기 검출한 레퍼런스 포인트를 기준으로 상기 진단키트 검사 결과 이미지를 정렬(Alignment)시켜 관심영역(ROI: Region of Interest)을 추출하는 이미지 전처리부;
이미지 디노이징(Image Denoising) 기법과 블랍 검출(Blob Detection) 알고리즘을 이용하여 상기 추출된 관심영역 상에서 스팟을 검출하는 스팟 검출부;
상기 검출된 스팟들에서 양성 반응이 일어난 정도를 정량적으로 수치화하여 음성 또는 양성을 판단하는 음성/양성 판독부; 및
상기 판단한 결과값을 표시하는 판독결과 출력부;
를 포함하는 진단키드 결과 이미지 내 스팟 검출 장치.
- 청구항 1에 있어서,
상기 레퍼런스 포인트 검출부는,
설정된 임계값을 기준으로 진단키트 검사 결과 이미지를 이진화하는 영상 이진화(Image Binarization)를 이용해 상기 취득된 진단키트 검사 결과 이미지 상에서 레퍼런스 포인트를 검출하는, 진단키드 결과 이미지 내 스팟 검출 장치.
- 청구항 1에 있어서,
상기 이미지 전처리부는,
상기 레퍼런스 포인트들의 중심을 새로운 3개의 코너로 보내는 영상 아핀 변화(Image Affine Transformation)를 하여 상기 진단키트 검사 결과 이미지를 정렬(Alignment)시켜 상기 관심영역(ROI: Region of Interest)을 추출하는, 진단키드 결과 이미지 내 스팟 검출 장치.
- 청구항 1에 있어서,
상기 이미지 디노이징(Image Denoising) 기법은,
메디안 필터(Median Filter), 에버리지 필터(Average Filter) 또는 가우시안 필터(Gaussian Filter)를 사용하고,
상기 블랍 검출(Blob Detection) 알고리즘은,
MSER(Maximally Stable External Region) 알고리즘과 STN(Spatial Transformer Network)을 이용해 구성되는, 진단키드 결과 이미지 내 스팟 검출 장치.
- 이미지 취득부가 스크리닝 장비의 이미지 스캐너를 통해서 진단키트 검사 결과 이미지를 취득하는 이미지 취득 단계;
레퍼런스 포인트 검출부가 상기 취득된 진단키트 검사 결과 이미지 상에서 레퍼런스 포인트를 검출하는 레퍼런스 포인트 검출 단계;
이미지 전처리부가 상기 검출한 레퍼런스 포인트를 기준으로 상기 진단키트 검사 결과 이미지를 정렬(Alignment)시켜 관심영역(ROI: Region of Interest)을 추출하는 이미지 전처리 단계;
스팟 검출부가 이미지 디노이징(Image Denoising) 기법과 블랍 검출(Blob Detection) 알고리즘을 이용하여 상기 추출된 관심영역 상에서 스팟을 검출하는 스팟 검출 단계;
음성/양성 판독부가 상기 검출된 스팟들에서 양성 반응이 일어난 정도를 정량적으로 수치화하여 음성 또는 양성을 판단하는 음성/양성 판독 단계; 및
판독결과 출력부가 상기 판단한 결과값을 표시하는 판독결과 출력 단계;
를 포함하는 진단키드 결과 이미지 내 스팟 검출 방법.
- 청구항 5에 있어서,
상기 레퍼런스 포인트 검출 단계는,
상기 레퍼런스 포인트 검출부가 설정된 임계값을 기준으로 진단키트 검사 결과 이미지를 이진화하는 영상 이진화(Image Binarization)를 이용해 상기 취득된 진단키트 검사 결과 이미지 상에서 레퍼런스 포인트를 검출하는, 진단키드 결과 이미지 내 스팟 검출 방법.
- 청구항 5에 있어서,
상기 이미지 전처리 단계는,
상기 이미지 전처리부가 상기 레퍼런스 포인트들의 중심을 새로운 3개의 코너로 보내는 영상 아핀 변화(Image Affine Transformation)를 하여 상기 진단키트 검사 결과 이미지를 정렬(Alignment)시켜 상기 관심영역(ROI: Region of Interest)을 추출하는, 진단키드 결과 이미지 내 스팟 검출 방법.
- 청구항 5에 있어서,
상기 이미지 디노이징(Image Denoising) 기법은,
메디안 필터(Median Filter), 에버리지 필터(Average Filter) 또는 가우시안 필터(Gaussian Filter)를 사용하고,
상기 블랍 검출(Blob Detection) 알고리즘은,
MSER(Maximally Stable External Region) 알고리즘과 STN(Spatial Transformer Network)을 이용해 구성되는, 진단키드 결과 이미지 내 스팟 검출 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/KR2022/001444 WO2022164214A1 (ko) | 2021-01-28 | 2022-01-27 | 진단키드 결과 이미지 내 스팟 검출 장치 및 방법 |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210012128 | 2021-01-28 | ||
| KR20210012128 | 2021-01-28 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20220109334A true KR20220109334A (ko) | 2022-08-04 |
Family
ID=82834260
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220011274A KR20220109334A (ko) | 2021-01-28 | 2022-01-26 | 진단키드 결과 이미지 내 스팟 검출 장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20220109334A (ko) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20190106128A (ko) | 2018-03-07 | 2019-09-18 | 주식회사 씨알오센트 | 분석물의 농도확인이 가능한 진단키트 및 휴대용 단말기를 이용한 생물학적 샘플내 함유된 분석물의 농도분석시스템 |
| KR102091832B1 (ko) | 2019-08-05 | 2020-03-20 | 주식회사 에프앤디파트너스 | 멀티미디어 정보를 이용한 휴대용 체외진단키트 해석장치 |
-
2022
- 2022-01-26 KR KR1020220011274A patent/KR20220109334A/ko not_active Application Discontinuation
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20190106128A (ko) | 2018-03-07 | 2019-09-18 | 주식회사 씨알오센트 | 분석물의 농도확인이 가능한 진단키트 및 휴대용 단말기를 이용한 생물학적 샘플내 함유된 분석물의 농도분석시스템 |
| KR102091832B1 (ko) | 2019-08-05 | 2020-03-20 | 주식회사 에프앤디파트너스 | 멀티미디어 정보를 이용한 휴대용 체외진단키트 해석장치 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2014084083A1 (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
| WO2018082257A1 (zh) | 基于胶体金试纸条的生物标志物检测系统及方法 | |
| CN106645706A (zh) | 一种移动终端定量分析胶体金检测试剂的方法 | |
| EP3306306A1 (en) | Image processing method and image processing device | |
| JPWO2019065105A1 (ja) | 画像解析装置、方法およびプログラム | |
| WO2017061112A1 (ja) | 画像処理方法および画像処理装置 | |
| KR20220109335A (ko) | 인공지능 기반 진단키트 검사 결과 이미지에서 비정형 이물질 배제를 통한 진단 검사 장치 및 방법 | |
| CN114332058A (zh) | 基于神经网络的血清质量识别方法、装置、设备及介质 | |
| US20210260582A1 (en) | Microfluidic device observation device and microfluidic device observation method | |
| Xu et al. | Fiber-image analysis part I: Fiber-image enhancement | |
| JP2010085248A (ja) | アスベスト検出装置 | |
| Miros et al. | A benchmarking platform for mitotic cell classification of ANA IIF HEp-2 images | |
| EP4006524A1 (en) | Particle quantifying device | |
| KR20220109334A (ko) | 진단키드 결과 이미지 내 스팟 검출 장치 및 방법 | |
| CN106127738B (zh) | 凝集试验判读方法 | |
| CN111337696B (zh) | 一种体外诊断设备及其样本分析方法 | |
| Sreelatha et al. | An improved automatic detection of true comets for DNA damage analysis | |
| WO2022164214A1 (ko) | 진단키드 결과 이미지 내 스팟 검출 장치 및 방법 | |
| KR101489163B1 (ko) | 자궁 경부암 자동 진단 방법 및 시스템 | |
| Banumathi et al. | Performance analysis of matched filter techniques for automated detection of blood vessels in retinal images | |
| Tewary et al. | SmartIHC-Analyzer: smartphone assisted microscopic image analytics for automated Ki-67 quantification in breast cancer evaluation | |
| WO2022164215A1 (ko) | 인공지능 기반 진단키트 검사 결과 이미지에서 비정형 이물질 배제를 통한 진단 검사 장치 및 방법 | |
| Dong et al. | A Handheld Reader with Optimized Image Analysis for HIV Lateral Flow Test | |
| CN113313685B (zh) | 一种基于深度学习的肾小管萎缩区域识别方法与系统 | |
| WO2019000741A1 (zh) | 微柱凝胶卡凝集检测结果识别方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal |