KR20220121956A - 인공지능을 이용한 소화기 내시경 영상 분석 기반의 소화기암 위험성 예측 시스템 - Google Patents

인공지능을 이용한 소화기 내시경 영상 분석 기반의 소화기암 위험성 예측 시스템 Download PDF

Info

Publication number
KR20220121956A
KR20220121956A KR1020210025708A KR20210025708A KR20220121956A KR 20220121956 A KR20220121956 A KR 20220121956A KR 1020210025708 A KR1020210025708 A KR 1020210025708A KR 20210025708 A KR20210025708 A KR 20210025708A KR 20220121956 A KR20220121956 A KR 20220121956A
Authority
KR
South Korea
Prior art keywords
disease
digestive
cancer risk
artificial intelligence
underlying disease
Prior art date
Application number
KR1020210025708A
Other languages
English (en)
Inventor
문승대
고원진
김성우
Original Assignee
주식회사 아펙스에이아이
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 아펙스에이아이 filed Critical 주식회사 아펙스에이아이
Priority to KR1020210025708A priority Critical patent/KR20220121956A/ko
Publication of KR20220121956A publication Critical patent/KR20220121956A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
    • A61B1/00002—Operational features of endoscopes
    • A61B1/00004—Operational features of endoscopes characterised by electronic signal processing
    • A61B1/00009—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
    • A61B1/273—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor for the upper alimentary canal, e.g. oesophagoscopes, gastroscopes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • 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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Surgery (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Optics & Photonics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Signal Processing (AREA)
  • Gastroenterology & Hepatology (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

본 발명은 인공지능을 이용한 소화기 내시경 영상 분석 기반의 소화기암 위험성 예측 시스템에 관한 것이다.
본 발명에 따르면, 인공지능을 이용한 소화기 내시경 영상 분석 기반의 소화기암 위험성 예측 시스템에 있어서, 인공지능을 이용하여 소화기 내시경 영상을 분석하여 대장 기저질환의 발병 유무를 판단하는 기저질환 판단부, 상기 기저질환 판단부의 결과를 기반으로 상기 기저질환의 발병 위치 및 중증도를 분석하여 유관 질환을 분석하는 유관질환 분석부, 그리고 상기 기저질환 판단부와 유관질환 분석부의 결과를 분석하여 최종 대장암 위험도를 생성하는 소화기암 위험성 산출부를 포함한다.
이와 같이 본 발명에 따르면, 인공지능을 이용하여 소화기 내시경 영상 분석을 수행하여 소화기암 발생에 영향을 기저질환을 판별하여 소화기암의 위험도를 산출하여 소화기암 위험성을 정량적으로 진단할 수 있다.

Description

인공지능을 이용한 소화기 내시경 영상 분석 기반의 소화기암 위험성 예측 시스템{SYSTEM FOR DIGESTIVE CANCER RISK PREDICTION BASED-ON DIGESTIVE IMAGE ANALTSIS USING ARTIFICIAL INTELLIGENCE}
인공지능을 이용한 소화기 내시경 영상 분석 기반의 소화기암 위험성 예측 시스템에 관한 것으로, 이용하여 소화기 내시경 영상을 분석하여 소화기암 위험성을 예측하는 인공지능을 이용한 소화기 내시경 영상 분석 기반의 소화기암 위험성 예측 시스템에 관한 것이다.
위암 발생은 위암 발생의 만성 위염과 같은 기저 질환이 성장 하여 위암으로 변형 되거나 기저 질환에 의하여 촉진 된다.
인간의 몸을 구성하고 있는 가장 작은 단위인 세포는 정상적일 때 세포 내 조절기능에 의해 분열하며 성장하고 죽어 없어지기도 하면서 세포 수 균형을 유지한다. 어떤 원인으로 세포가 손상을 받는 경우, 치료를 받아 회복 하여 정상적인 세포로 역할을 하게 되지만, 회복이 안 된 경우는 스스로 죽게 된다.
그러나 여러 가지 이유로 인해 이러한 증식과 억제가 조절되지 않는 비정상적인 세포들이 과다하게 증식할 뿐만 아니라 주위 조직 및 장 기에 침입하여 종괴 형성 및 정상 조직의 파괴를 초래하는 상태를 암(cancer)이라 정의한다.
암은 이렇듯 억제 가 안 되는 세포의 증식으로, 정상적인 세포와 장기의 구조와 기능을 파괴하기에 그 진단과 치료의 중요성은 매우 중요하다.
암은 세포가 무한히 증식해 정상적인 세포의 기능을 방해하는 질병으로, 폐암, 위암(gastric cancer, GC), 유방 암(breast cancer, BRC), 대장암(colorectal cancer, CRC) 등이 대표적이나, 실질적으로는 어느 조직에서나 발생할 수 있다.
초창기 암 진단은 암 세포의 성장에 따른 생체 조직의 외적 변화에 근거하였으나, 근래에 들어 혈액, 당쇄(glyco chain), DNA 등 생물의 조직 또는 세포에 존재하는 미량의 생체 분자를 이용한 진 단 및 검출이 시도되고 있다. 그러나 가장 보편적으로 사용되는 암 진단 방법은 생체 조직 검사를 통해 얻어진 조직 샘플을 이용하거나, 영상을 이용한 진단이다.
이중 생체 조직 검사는 환자에게 큰 고통을 야기하며, 고비용이 들뿐만 아니라, 진단까지 긴 시간이 소요되는 단점이 있다. 또한, 환자가 실제 암에 걸린 경우, 생체 조직 검사 과정 중 암의 전이가 유발될 수 있는 위험이 있으며, 생체 조직 검사를 통해 조직 샘플을 얻을 수 없는 부위의 경우, 외과적인 수술을 통해 의심되는 조직의 적출이 이루어지기 전에는 질병의 진단이 불가능한 단점이 있다.
영상을 이용한 진단에서는 엑스레이(X-ray) 영상, 질병 표적 물질이 부착된 조영제를 사용하여 획득한 핵자기공명(nuclear magnetic resonance, NMR) 영상 등을 기반으로 암을 판정한다.
그러나 이러한 영상 진단은 임상의 또는 판독의의 숙련도에 따라 오진의 가능성이 있으며, 영상을 얻는 기기의 정밀도에 크게 의존하는 단점이 있다.
더 나아가, 가장 정밀한 기기조차도 수 mm 이하의 종양은 검출이 불가능하여, 발병 초기 단계에서는 검출이 어려운 단점이 있으며, 영상을 얻기 위해 환자 또는 질병 보유 가능자가 유전자의 돌연변이를 유발할 수 있는 고에너지의 전자기파에 노출되므로, 또 다른 질병을 야기할 수 있을 뿐만 아니라, 영상을 통한 진단 횟수에 제한이 있는 단점이 있다.
기존의 소화기 발생한 신생물은 의사가 소화기 내시경을 통해 내시경 이미지에 포함된 대장 내부의 형태 및 크기를 감안 하여 위암 여부를 일차적으로 판단하고, 조직검사로 확진을 내렸다.
그러나, 이 방법은 의사마다 경험이 달라 진단을 다르게 내릴 수 있으며, 의사가 없는 지역에서는 정확한 진단이 이루어질 수 없는 문제점이 발생하며, 내시경 장치를 통해 획득된 비정상적인 병변의 발견은 일반적으로 병변의 이상 형태나 점막의 색 변화에 따라 결정되며, 진단 정확도는 훈련 및 광학 기술 및 소화기 내시경 사진으로 개선되는 것으로 알려졌다.
따라서, 소화기 내시경 영상을 이용하여 소화기암의 위험성에 대한 지수를 산출할 수 있는 방법이 필요하게 되었다.
본 발명의 배경이 되는 기술은 대한민국 공개특허 제10-2020-0038120호(2020.04.10. 공개)에 개시되어 있다.
본 발명이 이루고자 하는 기술적 과제는 인공지능을 이용하여 소화기 내시경 영상을 분석하여 소화기암 위험성을 예측하는 인공지능에 이용한 소화기 내시경 영상 분석을 통한 소화기암 위험성 예측 시스템을 제공하기 위한 것이다.
이러한 기술적 과제를 이루기 위한 본 발명의 실시예에 따르면, 인공지능을 이용한 소화기 내시경 영상 분석 기반의 소화기암 위험성 예측 시스템에 있어서, 인공지능을 이용하여 소화기 내시경 영상을 분석하여 소화기암을 발생시키는 기저질환의 발병 유무를 판단하는 기저질환 판단부, 상기 기저질환 판단부의 결과를 기반으로 상기 기저질환의 발병 위치 및 중증도를 분석하여 유관 질환을 분석하는 유관질환 분석부, 그리고 상기 기저질환 판단부와 유관질환 분석부의 결과를 분석하여 최종 소화기암 위험도를 생성하는 소화기암 위험성 산출부를 포함한다.
상기 기저질환 판단부는, 상기 인공지능에 의한 소화기 내시경 영상 분석하여 식도, 위 또는 대장의 염증성 장질환, 크론병, 궤양성 대장염, 용종, 저도 선종, 고도 선종의 발생 유무를 판단할 수 있다.
상기 유관질환 분석부는, 상기 질환 영상 판독부의 결과를 인공지능을 통해 분석하여 상기 대장의 위치와 상기 기저 질환의 관계를 분석하여 상기 유관질환을 분석할 수 있다.
상기 소화기암 위험성 산출부는, 상기 염증성 장질환, 크론병, 궤양성 대장염, 용종, 저도 선종 및 고도 선종 각각에 대한 위험도를 산출하고, 산출된 위험도의 합으로 최종 소화기암 위험성을 예측할 수 있다.
이와 같이 본 발명에 따르면, 인공지능을 이용하여 소화기 내시경 영상 분석을 수행하여 소화기암 발생에 영향을 기저질환을 판별하여 소화기암의 위험도를 산출하여 소화기암 위험성을 정량적으로 진단할 수 있다.
도 1은 본 발명의 실시예에 따른 소화기암 위험성 예측 시스템을 설명하기 위한 구성도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시 예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
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.
그러면 첨부한 도면을 참고로 하여 본 발명의 실시 예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다.
도 1은 본 발명의 실시예에 따른 소화기암 위험성 예측 시스템을 설명하기 위한 구성도이다.
도 1에서 나타낸 것처럼, 소화기암 위험성 예측 시스템(100)은 기저질환 판단부(110), 유관질환 분석부(120) 및 소화기암 위험성 산출부(130)를 포함한다.
먼저, 기저질환 판단부(110)는 소화기 내시경을 촬영한 측정 대상자의 복수개의 소화기 내시경 영상을 획득한다.
여기서, 복수의 소화기 내시경 영상은 대장의 7개의 위치(곧창자, 구불창자, 내림창자, 가로창자, 오름창자, 막창자, 막창자 꼬리), 위의 9개의 위치(전정부 소만부, 전정부 대만부, 위각부, 몸체부 소만부 중하부, 몸체부 대만부 중하부, 몸체부 소만부 상부, 몸체부 대만부 상부, 들문(Cardia), 위바닥(Fundus) 및 식도의 4개의 위치(인구, 경부식도, 흉부식도, 복부식도)에 해당하는 영상이다.
그러면, 기저질환 판단부(110)는 획득한 복수개의 소화기 내시경 영상을 인공지능에 적용하여 식도, 위 또는 대장의 염증성 장질환, 크론병, 궤양성 대장염, 용종, 저도 선종, 고도 선종의 발생 유무를 판단한다.
다음으로, 유관질환 분석부(120)는 염증성 장질환, 크론병, 궤양성 대장염, 용종, 저도 선종, 고도 선종의 각각의 발생 위치, 크기, 색깔 및 표면의 구조를 분석하여 기저질환의 중증도를 분석하여 유관 질환을 추출한다.
다음으로, 소화기암 위험성 산출부(130)는 기저질환 판단부(110)와 유관질환 분석부(120)로부터 추출된 위험 지수를 분석하여 최종 소화기암 위험도를 추출한다.
여기서, 소화기암 위험성 산출부(130)는 위축성 위염에 대한 총 위험도, 장상피화생에 대한 총 위험도 및 역류성 식도염에 대한 총 위험도도 표제성 위염에 대한 총 위험도를 연산한 방법을 이용하여 각각 연산한다.
소화기암 위험성 산출부(130)는 염증성 장질환에 대한 위험도, 크론병에 대한 위험도, 궤양성 대장염에 대한 위험도, 용종에 대한 위험도, 저도 선종에 대한 위험도 및 고도 선종에 대한 위험도를 합산하여 소화기암 위험도를 연산한다.
이와 같이 본 발명의 실시예에 따르면, 인공지능을 이용하여 소화기 내시경 영상 분석을 수행하여 소화기암 발생에 영향을 기저질환을 판별하여 소화기암의 위험도를 산출하여 소화기암 위험성을 정량적으로 진단할 수 있다.
본 발명은 도면에 도시된 실시 예를 참고로 설명 되었으나 이는 예시적인 것이 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 다른 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이다.
100: 소화기암 위험성 예측 시스템, 110: 기저질환 판단부,
120: 유관질환 분석부, 130: 소화기 위험성 산출부,

Claims (4)

  1. 인공지능을 이용한 소화기 내시경 영상 분석 기반의 소화기암 위험성 예측 시스템에 있어서,
    인공지능을 이용하여 소화기 내시경 영상을 분석하여 소화기암을 발생시키는 기저질환의 발병 유무를 판단하는 기저질환 판단부,
    상기 기저질환 판단부의 결과를 기반으로 상기 기저질환의 발병 위치 및 중증도를 분석하여 유관 질환을 분석하는 유관질환 분석부, 그리고
    상기 기저질환 판단부와 유관질환 분석부의 결과를 분석하여 최종 대장암 위험도를 생성하는 소화기암 위험성 산출부를 포함하는 소화기암 위험성 예측 시스템.
  2. 제1항에 있어서,
    상기 기저질환 판단부는,
    상기 인공지능에 의한 소화기 내시경 영상 분석하여 식도, 위 또는 대장의 염증성 장질환, 크론병, 궤양성 대장염, 용종, 저도 선종, 고도 선종의 발생 유무를 판단하는 소화기암 위험성 예측 시스템.
  3. 제2항에 있어서,
    상기 유관질환 분석부는,
    상기 질환 영상 판독부의 결과를 인공지능을 통해 분석하여 상기 소화기의 위치와 상기 기저 질환의 관계를 분석하여 상기 유관질환을 분석하는 소화기암 위험성 예측 시스템.
  4. 제2항에 있어서,
    상기 소화기암 위험성 산출부는,
    상기 염증성 장질환, 크론병, 궤양성 대장염, 용종, 저도 선종 및 고도 선종 각각에 대한 위험도를 산출하고, 산출된 위험도의 합으로 최종 소화기암 위험성을 예측하는 소화기암 위험성 예측 시스템.
KR1020210025708A 2021-02-25 2021-02-25 인공지능을 이용한 소화기 내시경 영상 분석 기반의 소화기암 위험성 예측 시스템 KR20220121956A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210025708A KR20220121956A (ko) 2021-02-25 2021-02-25 인공지능을 이용한 소화기 내시경 영상 분석 기반의 소화기암 위험성 예측 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210025708A KR20220121956A (ko) 2021-02-25 2021-02-25 인공지능을 이용한 소화기 내시경 영상 분석 기반의 소화기암 위험성 예측 시스템

Publications (1)

Publication Number Publication Date
KR20220121956A true KR20220121956A (ko) 2022-09-02

Family

ID=83281215

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210025708A KR20220121956A (ko) 2021-02-25 2021-02-25 인공지능을 이용한 소화기 내시경 영상 분석 기반의 소화기암 위험성 예측 시스템

Country Status (1)

Country Link
KR (1) KR20220121956A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102572544B1 (ko) * 2022-12-01 2023-08-30 프리베노틱스 주식회사 내시경 영상을 분석하여 복수의 병변들에 대한 정보를 제공하기 위한 전자 장치 및 그러한 전자 장치를 포함하는 내시경 검사 시스템
WO2024117838A1 (ko) * 2022-12-01 2024-06-06 프리베노틱스 주식회사 내시경 영상을 분석하여 복수의 병변들에 대한 정보를 제공하기 위한 전자 장치 및 그러한 전자 장치를 포함하는 내시경 검사 시스템

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102572544B1 (ko) * 2022-12-01 2023-08-30 프리베노틱스 주식회사 내시경 영상을 분석하여 복수의 병변들에 대한 정보를 제공하기 위한 전자 장치 및 그러한 전자 장치를 포함하는 내시경 검사 시스템
WO2024117838A1 (ko) * 2022-12-01 2024-06-06 프리베노틱스 주식회사 내시경 영상을 분석하여 복수의 병변들에 대한 정보를 제공하기 위한 전자 장치 및 그러한 전자 장치를 포함하는 내시경 검사 시스템

Similar Documents

Publication Publication Date Title
JP7037220B2 (ja) 消化器官の内視鏡画像による疾患の診断支援システム、診断支援システムの作動方法、診断支援プログラム及びこの診断支援プログラムを記憶したコンピュータ読み取り可能な記録媒体
JP7017198B2 (ja) 消化器官の内視鏡画像による疾患の診断支援方法、診断支援システム、診断支援プログラム及びこの診断支援プログラムを記憶したコンピュータ読み取り可能な記録媒体
US7819824B2 (en) Method and a dual-array transducer probe for real time mechanical imaging of prostate
WO2019245009A1 (ja) 消化器官の内視鏡画像による疾患の診断支援方法、診断支援システム、診断支援プログラム及びこの診断支援プログラムを記憶したコンピュータ読み取り可能な記録媒体
US7922674B2 (en) Method and device for real time mechanical imaging of prostate
WO2021054477A2 (ja) 消化器官の内視鏡画像による疾患の診断支援方法、診断支援システム、診断支援プログラム及びこの診断支援プログラムを記憶したコンピュータ読み取り可能な記録媒体
EP1839578B1 (en) Image diagnosis support device and image diagnosis support program
KR20220121956A (ko) 인공지능을 이용한 소화기 내시경 영상 분석 기반의 소화기암 위험성 예측 시스템
KR20210134121A (ko) 인공지능을 이용한 위내시경 영상 분석 기반의 위암 위험성 예측 시스템
US20230301503A1 (en) Artificial intelligence-based gastroscopic image analysis method
KR20210016171A (ko) 의료영상을 이용한 질환정보 제공 방법
Daperno et al. The role of endoscopy in inflammatory bowel disease
JP7441452B2 (ja) 教師データ生成方法、学習済みモデル生成方法、および発病予測方法
CN110167417B (zh) 图像处理装置、动作方法和存储介质
KR20220121955A (ko) 인공지능을 이용한 대장 내시경 영상 분석 기반의 대장암 위험성 예측 시스템
KR20220121957A (ko) 인공지능을 이용한 내시경 영상 분석 기반의 식도암 위험성 예측 시스템
KR101542354B1 (ko) 거리 측정 모듈을 포함하는 내시경 장치, 이를 이용한 병변 크기 측정 시스템 및 방법
Sinonquel et al. Striving for quality improvement: can artificial intelligence help?
RU2376933C1 (ru) Система электроимпедансной онкологической диагностики
RU2308233C2 (ru) Способ определения динамики размеров опухолевого образования на фоне проводимого лечения
KR101106584B1 (ko) 비행시간이차이온질량분광법을 이용한 질병 지표의 스크린 방법, 질병 지표, 및 질병 진단 장치
Kim et al. S1385 Impact of Race and Ethnicity on Risks of Cardia and Non-Cardia Gastric Adenocarcinomas in the US, 2000-2019: A Large Single-Center Retrospective Cohort Study
Kim et al. S1386 Diverging Patterns of Cardia and Non-Cardia Gastric Adenocarcinoma Incidence by Race and Age in the United States From 2000-2018
Powell et al. Appropriateness of colonoscopy for patients with isolated abdominal pain
UA100084U (uk) Спосіб діагностики поліпів товстої кишки