KR20230163770A - Ct 영상을 이용한 인공지능 기반의 담도 영상 추출 장치 및 방법 - Google Patents

Ct 영상을 이용한 인공지능 기반의 담도 영상 추출 장치 및 방법 Download PDF

Info

Publication number
KR20230163770A
KR20230163770A KR1020220063501A KR20220063501A KR20230163770A KR 20230163770 A KR20230163770 A KR 20230163770A KR 1020220063501 A KR1020220063501 A KR 1020220063501A KR 20220063501 A KR20220063501 A KR 20220063501A KR 20230163770 A KR20230163770 A KR 20230163770A
Authority
KR
South Korea
Prior art keywords
image
images
artificial intelligence
biliary
mrcp
Prior art date
Application number
KR1020220063501A
Other languages
English (en)
Other versions
KR102658413B1 (ko
Inventor
조용원
박범진
한나연
Original Assignee
고려대학교 산학협력단
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 고려대학교 산학협력단 filed Critical 고려대학교 산학협력단
Priority to KR1020220063501A priority Critical patent/KR102658413B1/ko
Publication of KR20230163770A publication Critical patent/KR20230163770A/ko
Application granted granted Critical
Publication of KR102658413B1 publication Critical patent/KR102658413B1/ko

Links

Classifications

    • 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
    • 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
    • A61B6/46—Arrangements for interfacing with the operator or the patient
    • A61B6/461—Displaying means of special interest
    • 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
    • A61B6/48—Diagnostic techniques
    • A61B6/481—Diagnostic techniques involving the use of contrast agents
    • 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
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Optics & Photonics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Pulmonology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Physiology (AREA)
  • Human Computer Interaction (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)

Abstract

본 발명은 CT 영상을 이용한 인공지능 기반의 담도 영상 추출 장치 및 방법에 관한 것이다. 본 발명에 따르면, 대상자의 CT 영상과 이에 대응하는 MRI 영상을 포함하는 학습 데이터를 수집하는 단계; 수집된 상기 학습 데이터를 이용하여 CT 영상이 입력되면 이에 대응하는 MRCP의 최대강도 투사 영상에 근사한 담도 영상을 추출하도록 인공지능 모델을 학습시키는 단계; 및 수신한 대상 영상을 기초로 학습된 상기 인공지능 모델을 통해 MRCP 영상을 생성하고 이로부터 담도 영상을 추출하는 단계를 포함한다.
이와 같이 본 발명에 따르면, MR 영상에 비해 공간 해상도가 높고, 빠른 촬영 시간으로 움직임 아티팩트가 적으며, 해부학적으로 공간적 소실이 없는 등방성 데이터 획득이 가능한 CT 영상만으로 담도의 구조를 소실 없이 영상화할 수 있다. 이에 따라, 진단의 효율을 높이고 사회적 의료 비용을 감소시킬 수 있다.

Description

CT 영상을 이용한 인공지능 기반의 담도 영상 추출 장치 및 방법 {Apparatus and method of extracting biliary tree image using CT image based on artificial intelligence}
본 발명은 CT 영상을 이용한 인공지능 기반의 담도 영상 추출 장치 및 방법에 관한 것으로서, 더욱 상세하게 설명하면 컴퓨터 단층촬영(Computed Tomography, CT) 영상을 이용하여 자기공명췌담관 조영술(Magnetic resonance cholangiopancreatography, MRCP)의 최대강도 투사(Maximum intensity projection, MIP) 영상에 근사한 담도 영상을 추출할 수 있는 CT 영상을 이용한 인공지능 기반의 담도 영상 추출 장치 및 방법에 관한 것이다.
간담도 수술이나, 경피적 또는 내시경적 담도 시술을 하는 경우, 계획을 세우고, 담도(biliary tree)의 해부학적 변이 유무를 파악하여 수술 또는 시술 중 예측하지 못한 합병증의 발생을 막기 위하여, 수술 또는 시술 전 담도의 구조를 영상화하는 것이 중요하다.
조영증강 상복부 CT는 담도 영상의 기본 검사이고, 필요시 MRI 검사를 추가 검사로 시행한다.
MRI에서 담도는 가늘지만 주변 구조물과 잘 대비되는 고신호 강도의 구조로써 3차원으로 재구성된 최대강도 투사 담도 영상을 획득할 수 있는 것과 달리, CT에서 담도는 미세한 저음영의 매우 가는 구조물로 나타나고 주변 구조물과의 감쇄(attenuation) 차이가 현저하지 않아 3차원 재구성이 불가능하고, 2차원 영상에 익숙하지 않은 임상 의료진이나 환자가 CT 영상에서 담도 구조를 이해하기는 매우 어렵다.
그러나, MRI는 비용과 시간적인 측면에서 CT에 비해 효율성이 떨어지며, 특히 질 좋은 최대강도 투사 담도 영상을 획득하기 위해서는 고사양의 MRI 장비와 환자의 오랜 숨참기가 필수적이다. 이에 반해, CT는 빠른 촬영 시간으로 움직임 아티팩트(motion artifact)가 적다. 또한, CT는 MRI에 비해 공간해상도가 높고, MDCT(Multidetector computed tomography)에서는 루틴(routine)하게 방사선에의 추가 노출 없이 해부학적으로 공간적 소실이 없는 등방성(isotropic) 데이터를 획득하고 있어, 가는 담도의 구조에 관한 정보를 공간적 소실 없이 획득할 수 있다.
따라서, MRI가 진단에 필수적이지 않으나 시술 또는 시술 전 담도의 구조를 파악하는 것이 필요한 경우, 또는 움직임 아티팩트 등에 의해 MRI의 질이 불충분한 경우 등에도 CT 영상을 기반으로 3차원 담도 영상을 재구성하기 위한 기술이 필요한 실정이다.
이와 같이 본 발명에 따르면, CT 영상을 이용하여 자기공명췌담관 조영술의 최대강도 투사 영상에 근사한 담도 영상을 추출할 수 있는 CT 영상을 이용한 인공지능 기반의 담도 영상 추출 장치 및 방법을 제공하기 위한 것이다.
이러한 기술적 과제를 이루기 위한 본 발명의 실시예에 따르면 CT 영상을 이용한 인공지능 기반의 담도 영상 추출 방법에 있어서, 대상자의 CT 영상과 이에 대응하는 MRI 영상을 포함하는 학습 데이터를 수집하는 단계; 수집된 상기 학습 데이터를 이용하여 CT 영상이 입력되면 이에 대응하는 MRCP의 최대강도 투사 영상에 근사한 담도 영상을 추출하도록 인공지능 모델을 학습시키는 단계; 및 수신한 대상 영상을 기초로 학습된 상기 인공지능 모델을 통해 MRCP 영상을 생성하고 이로부터 담도 영상을 추출하는 단계를 포함한다.
상기 인공지능 모델은 스타일 기반 생성적 대립 신경망(Style-based Generative Adversarial Network; GAN) 알고리즘에 기초한 모델일 수 있다.
상기 인공지능 모델은 상기 CT 영상으로부터 가상의 MRCP 영상을 생성하는 생성기와, 생성된 상기 MRCP 영상의 진위를 가리는 판별기를 포함하며, 상기 생성기와 판별기가 반복적으로 경쟁하도록 하여 학습할 수 있다.
상기 담도 영상을 추출하는 단계는, 학습된 상기 인공지능 모델을 통해 상기 CT 영상 및 MRI 영상 간에 유사한 텍스쳐(texture) 및 형상(shape) 특징을 추출하고, 추출한 특징 중에서 중요한 텍스쳐 및 형상 특징에 가중치(weight)를 주면서 스타일 변환을 수행하여 가상의 MRCP 영상을 생성하고 이로부터 담도 영상을 추출할 수 있다.
또한, CT 영상을 이용한 인공지능 기반의 담도 영상 추출 방법에 있어서, 추출된 상기 담도 영상을 디스플레이하는 단계를 더 포함할 수 있다.
한편, 본 발명의 실시예에 따르면 CT 영상을 이용한 인공지능 기반의 담도 영상 추출 장치에 있어서, 대상자의 CT 영상과 이에 대응하는 MRI 영상을 포함하는 학습 데이터를 수집하는 영상 수집부; 수집된 상기 학습 데이터를 이용하여 CT 영상이 입력되면 이에 대응하는 MRCP의 최대강도 투사 영상에 근사한 담도 영상을 추출하도록 인공지능 모델을 학습시키는 학습부; 및 수신한 대상 영상을 기초로 학습된 상기 인공지능 모델을 통해 MRCP 영상을 생성하고 이로부터 담도 영상을 추출하는 추출부를 포함한다.
또한, CT 영상을 이용한 인공지능 기반의 담도 영상 추출 장치에 있어서, 추출된 상기 담도 영상을 디스플레이하는 출력부를 더 포함할 수 있다.
이와 같이 본 발명에 따르면, MR 영상에 비해 공간 해상도가 높고, 빠른 촬영 시간으로 움직임 아티팩트가 적으며, 해부학적으로 공간적 소실이 없는 등방성 데이터 획득이 가능한 CT 영상만으로 담도의 구조를 소실 없이 영상화할 수 있다. 이에 따라, 진단의 효율을 높이고 사회적 의료 비용을 감소시킬 수 있다.
또한, 환자는 물론 진료의사의 영상 검사결과 이해도를 높이고, 의사-환자 간의 의사소통을 보다 원활하게 하여 환자별 맞춤 스마트 헬스케어 서비스를 제공할 수 있다.
더 나아가, 이종 의료영상 데이터 사이의 영상 변환을 통하여 CT 영상의 효용성을 향상할 수 있다.
도 1은 본 발명의 일 실시예에 따른 CT 영상을 이용한 인공지능 기반의 담도 영상 추출 방법의 전체 프로세스를 개략적으로 도시하는 도면이다.
도 2는 본 발명의 일 실시예에 따라 CT 영상으로부터 MRCP의 최대강도 투사 영상에 근사한 담도 영상을 추출하는 인공지능 모델을 학습시키는 과정을 설명하기 위한 도면이다.
도 3은 본 발명의 실시예에 따라 CT 영상으로부터 담도 영상을 추출한 일 예를 도시하는 도면이다.
도 4는 본 발명의 일 실시예에 따른 CT 영상을 이용한 인공지능 기반의 담도 영상 추출 장치의 구성도이다.
도 5는 본 발명의 일 실시예에 따른 CT 영상을 이용한 인공지능 기반의 담도 영상 추출 방법의 흐름도이다.
이하 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하기로 한다. 이 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있다.
또한 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서, 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로 이러한 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 1은 본 발명의 일 실시예에 따른 CT 영상을 이용한 인공지능 기반의 담도 영상 추출 방법의 전체 프로세스를 개략적으로 도시하는 도면이다.
도 1을 참조하면, 우선, 본 발명의 일 실시예에 따른 CT 영상을 이용한 인공지능 기반의 담도 영상 추출 방법을 수행하는 프로세싱 장치는 학습 데이터로서 대상자의 CT 영상 및 MRI 영상(즉, MRCP 영상)을 수집할 수 있다.
여기서, CT 영상 및 MRI 영상은 동일 대상자의 동일 부위(예를 들어, 상복부)에 대한 한 쌍의(Paired) 영상일 수 있다. CT 영상 및 MRI 영상은 의료 영상 촬영 장치(즉, CT 장치 및 MRI 장치)로부터 직접 수집하거나, 이 밖에 외부 서버, 저장장치, 기 구축된 데이터베이스 등과 같은 별로 경로를 통해 수집할 수도 있다. 이와 같이 수집한 한 쌍의 CT 영상 및 MRI 영상은 후술하는 인공지능 모델의 학습을 위한 학습 데이터 셋으로 활용될 수 있다.
이후, 프로세싱 장치는 수집한 CT 영상 및 MRI 영상에 대한 전처리를 수행할 수 있다. 일 실시예에 따르면, 프로세싱 장치는 CT 영상은 MRCP 영상에 매칭되는 시상면(sagittal view) 영상을 사용하고, MRI 영상에 대해서는 정규화(intencroppingsity normalization portal phase)를 수행할 수 있다. 이 밖에도, 의료 영상에 통상적으로 적용되는 다양한 전처리가 수행될 수 있다.
이후, 프로세싱 장치는 수집 및 전처리된 학습 데이터 셋을 이용하여 인공지능 모델을 학습시킬 수 있다. 여기서, 인공지능 모델은 CT 영상이 입력되면 이에 대응하는 MRCP의 최대강도 투사 영상에 근사한 담도 영상을 추출하기 위한 것이다.
일 실시예에 따르면, 인공지능 모델은 스타일 기반 생성적 대립 신경망(Style-based Generative Adversarial Network; GAN) 알고리즘에 기초한 모델일 수 있다. 여기서, GAN 알고리즘은 생성기(Generator)와 판별기(Discriminator)가 경쟁하면서 학습이 이루어져 실제와 흡사한 결과물을 자동으로 만들어 내도록 하는 기계학습(Machine Learning) 방식의 하나이다. 일 실시예에 따르면, 인공지능 모델은 수집한 CT 영상으로부터 가상의 MRCP 영상을 생성하는 생성기와, 생성된 MRCP 영상의 진위를 가리는 판별기를 포함하며, 이러한 생성기와 판별기가 반복적으로 경쟁하도록 하여 학습이 진행된 후의 생성기가 판별기에 의해 진위를 가리기 힘든 수준까지 잘 모사된 MRCP 영상을 생성하도록 학습되는 것일 수 있다.
이와 같이 학습된 인공지능 모델을 통해 CT 영상 및 MRI 영상 간에 유사한 텍스쳐(texture) 및 형상(shape) 특징을 추출하고, 추출한 특징 중에서 중요한 텍스쳐 및 형상 특징에 가중치(weight)를 주면서 스타일 변환을 수행하여 가상의 MRCP 영상을 생성한 후, 여기서 담도 영상의 주요 영역을 추출 및 저장하여 복부 진단에 활용할 수 있다.
도 2는 본 발명의 일 실시예에 따라 CT 영상으로부터 MRCP의 최대강도 투사 영상에 근사한 담도 영상을 추출하는 인공지능 모델을 학습시키는 과정을 설명하기 위한 도면이다.
도 2를 참조하면, 프로세싱 장치는 인코더(Encoder) 측의 다운 샘플링(Down Sampling) 결과에 기초하여 도출되는 활성화맵(Activation map)을 활용하여 입력된 학습 영상(Source, CT-sagittal)으로부터 출력된 가상의 영상(Destination, Synthetic MRCP) 사이의 변화량을 파악하고(Weighted Activation Map), 이를 인공지능 모델 학습에서의 손실(Loss) 함수에 반영함으로써, 학습 영상과 가상의 영상 사이의 변화 정보를 고려한 학습을 수행할 수 있다.
일 실시예에 따르면, 활성화맵(Activation map)은 Grad-CAM(gradient-class activation map) 및 Score-CAM을 포함하는 다중 클래스 활성화 맵(Multi-Class Activation Map)일 수 있고, 이러한 다중 클래스 활성화맵과 연계된 다중 주의맵(M-attentionMap)은 하기 수학식 1을 통해 도출될 수 있다. 여기서, 다중 클래스 활성화맵은 혼합 맵(Mixed Map) 등으로 달리 지칭될 수 있다.
이러한 다중 클래스 활성화맵은 입력된 CT 영상에 기초하여 가상의 MRCP 영상을 생성하는 과정에서 주요하게 변환된 영역(Important region)을 도출하도록 활용되는 것일 수 있다.
한편, 인공지능 모델의 학습을 위한 손실 함수는 종래의 CycleGAN의 손실 텀(LGAN + Lcycle + Lidentity)뿐만 아니라, 다중 클래스 활성화맵에 기초하여 파악되는 입력된 학습 영상으로부터 출력된 가상의 영상(Destination) 사이의 변화량을 반영하는 손실 텀(Lmcam)을 포함할 수 있다.
상술한 과정을 통해 인공지능 모델의 학습이 완료되면, 프로세싱 장치는 담도 영상을 추출할 대상 영상(즉, CT 영상)을 수신하고, 수신한 대상 영상을 기초로 인공지능 모델을 통해 MRCP 영상을 생성할 수 있다.
도 3은 본 발명의 실시예에 따라 CT 영상으로부터 담도 영상을 추출한 일 예를 도시하는 도면이다.
도 3을 참조하면, 프로세싱 장치는 CT 영상 및 MRI 영상이 입력되면 입력된 영상을 기초로 상술한 바에 따라 인공지능 모델을 학습시키고, 학습된 인공지능 모델을 통해 입력된 대상 영상인 CT 영상으로부터 가상의 MRCP 영상을 생성하고 이로부터 담도 영상을 추출할 수 있다.
또한, 프로세싱 장치는 학습된 인공지능 모델을 통해 생성된 가상의 MRCP 영상으로부터 추출된 담도 영상을 예를 들어 영상 장치, 단말 장치 등을 통해 디스플레이할 수 있으며, 이를 활용하여 복부 진단을 수행할 수 있다.
도 4는 본 발명의 일 실시예에 따른 CT 영상을 이용한 인공지능 기반의 담도 영상 추출 장치의 구성도이다.
도 4를 참조하면, 본 발명의 일 실시예에 따른 CT 영상을 이용한 인공지능 기반의 담도 영상 추출 장치(100)는 영상 수집부(110), 학습부(120), 추출부(130) 및 출력부(140)를 포함하여 구성될 수 있으며, 상술한 프로세싱 장치 상에서 구현될 수 있다.
영상 수집부(110)는 대상자의 CT 영상과 이에 대응하는 MRI 영상을 포함하는 학습 데이터를 수집할 수 있다.
학습부(120)는 수집된 학습 데이터를 이용하여 CT 영상이 입력되면 이에 대응하는 MRCP의 최대강도 투사 영상에 근사한 담도 영상을 추출하도록 인공지능 모델을 학습시킬 수 있다. 여기서, 인공지능 모델의 세부 구조 및 학습 방법은 도 1 및 2를 참조하여 상술한 바와 동일하므로 이에 대한 중복적인 설명은 생략한다.
추출부(130)는 담도 영상을 추출할 대상 영상(즉, CT 영상)을 수신하고, 수신한 대상 영상을 기초로 학습된 인공지능 모델을 통해 MRCP 영상을 생성하고 이로부터 담도 영상을 추출할 수 있다.
출력부(140)는 추출된 담도 영상을 예를 들어 영상 장치, 단말 장치 등을 통해 디스플레이할 수 있다.
도 5는 본 발명의 일 실시예에 따른 CT 영상을 이용한 인공지능 기반의 담도 영상 추출 방법의 흐름도이다.
도 5를 참조하면, 먼저, 대상자의 CT 영상과 이에 대응하는 MRI 영상을 포함하는 학습 데이터를 수집할 수 있다(S210).
이후, 수집된 학습 데이터를 이용하여 CT 영상이 입력되면 이에 대응하는 MRCP의 최대강도 투사 영상에 근사한 담도 영상을 추출하도록 인공지능 모델을 학습시킬 수 있다(S220).
이후, 수신한 대상 영상을 기초로 학습된 인공지능 모델을 통해 MRCP 영상을 생성하고 이로부터 담도 영상을 추출할 수 있다(S230).
이후, 추출된 담도 영상을 예를 들어 영상 장치, 단말 장치 등을 통해 디스플레이할 수 있다(S240).
도 5를 참조하여 상술한 CT 영상을 이용한 인공지능 기반의 담도 영상 추출 방법은 도 4에 도시된 CT 영상을 이용한 인공지능 기반의 담도 영상 추출 장치에 의해 수행될 수 있다.
본 발명은 도면에 도시된 실시예를 참고로 하여 설명되었으나 이는 예시적인 것에 불과하며, 당해 기술이 속하는 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 진정한 기술적 보호범위는 아래의 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이다.

Claims (7)

  1. 대상자의 CT 영상과 이에 대응하는 MRI 영상을 포함하는 학습 데이터를 수집하는 단계;
    수집된 상기 학습 데이터를 이용하여 CT 영상이 입력되면 이에 대응하는 MRCP의 최대강도 투사 영상에 근사한 담도 영상을 추출하도록 인공지능 모델을 학습시키는 단계; 및
    수신한 대상 영상을 기초로 학습된 상기 인공지능 모델을 통해 MRCP 영상을 생성하고 이로부터 담도 영상을 추출하는 단계를 포함하는 CT 영상을 이용한 인공지능 기반의 담도 영상 추출 방법.
  2. 제 1 항에 있어서,
    상기 인공지능 모델은 스타일 기반 생성적 대립 신경망(Style-based Generative Adversarial Network; GAN) 알고리즘에 기초한 모델인 CT 영상을 이용한 인공지능 기반의 담도 영상 추출 방법.
  3. 제 2 항에 있어서,
    상기 인공지능 모델은 상기 CT 영상으로부터 가상의 MRCP 영상을 생성하는 생성기와, 생성된 상기 MRCP 영상의 진위를 가리는 판별기를 포함하며, 상기 생성기와 판별기가 반복적으로 경쟁하도록 하여 학습하는 CT 영상을 이용한 인공지능 기반의 담도 영상 추출 방법.
  4. 제 1 항에 있어서,
    상기 담도 영상을 추출하는 단계는,
    학습된 상기 인공지능 모델을 통해 상기 CT 영상 및 MRI 영상 간에 유사한 텍스쳐(texture) 및 형상(shape) 특징을 추출하고, 추출한 특징 중에서 중요한 텍스쳐 및 형상 특징에 가중치(weight)를 주면서 스타일 변환을 수행하여 가상의 MRCP 영상을 생성하고 이로부터 담도 영상을 추출하는 CT 영상을 이용한 인공지능 기반의 담도 영상 추출 방법.
  5. 제 1 항에 있어서,
    추출된 상기 담도 영상을 디스플레이하는 단계를 더 포함하는 CT 영상을 이용한 인공지능 기반의 담도 영상 추출 방법.
  6. 대상자의 CT 영상과 이에 대응하는 MRI 영상을 포함하는 학습 데이터를 수집하는 영상 수집부;
    수집된 상기 학습 데이터를 이용하여 CT 영상이 입력되면 이에 대응하는 MRCP의 최대강도 투사 영상에 근사한 담도 영상을 추출하도록 인공지능 모델을 학습시키는 학습부; 및
    수신한 대상 영상을 기초로 학습된 상기 인공지능 모델을 통해 MRCP 영상을 생성하고 이로부터 담도 영상을 추출하는 추출부를 포함하는 CT 영상을 이용한 인공지능 기반의 담도 영상 추출 장치.
  7. 제 6 항에 있어서,
    추출된 상기 담도 영상을 디스플레이하는 출력부를 더 포함하는 CT 영상을 이용한 인공지능 기반의 담도 영상 추출 장치.
KR1020220063501A 2022-05-24 2022-05-24 Ct 영상을 이용한 인공지능 기반의 담도 영상 추출 장치 및 방법 KR102658413B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220063501A KR102658413B1 (ko) 2022-05-24 2022-05-24 Ct 영상을 이용한 인공지능 기반의 담도 영상 추출 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220063501A KR102658413B1 (ko) 2022-05-24 2022-05-24 Ct 영상을 이용한 인공지능 기반의 담도 영상 추출 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20230163770A true KR20230163770A (ko) 2023-12-01
KR102658413B1 KR102658413B1 (ko) 2024-04-17

Family

ID=89124633

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220063501A KR102658413B1 (ko) 2022-05-24 2022-05-24 Ct 영상을 이용한 인공지능 기반의 담도 영상 추출 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102658413B1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018139693A (ja) * 2017-02-27 2018-09-13 富士フイルム株式会社 画像分類装置、方法およびプログラム
KR102186893B1 (ko) * 2019-10-15 2020-12-04 주식회사 리드브레인 인공지능 기반 커리큘럼 학습 방법을 이용한 의료 영상 처리 시스템 및 지능형 의료 진단 및 진료 시스템
KR20210012233A (ko) * 2019-07-24 2021-02-03 가톨릭대학교 산학협력단 인공지능을 이용한 조영증강 영상 및 비조영증강 영상 변환 방법 및 장치
KR20220040872A (ko) * 2020-09-24 2022-03-31 충남대학교병원 영상처리방법 및 이를 이용한 영상처리장치
KR20220045366A (ko) * 2020-10-05 2022-04-12 고려대학교 산학협력단 인공지능 기반의 의료 영상 합성 장치 및 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018139693A (ja) * 2017-02-27 2018-09-13 富士フイルム株式会社 画像分類装置、方法およびプログラム
KR20210012233A (ko) * 2019-07-24 2021-02-03 가톨릭대학교 산학협력단 인공지능을 이용한 조영증강 영상 및 비조영증강 영상 변환 방법 및 장치
KR102186893B1 (ko) * 2019-10-15 2020-12-04 주식회사 리드브레인 인공지능 기반 커리큘럼 학습 방법을 이용한 의료 영상 처리 시스템 및 지능형 의료 진단 및 진료 시스템
KR20220040872A (ko) * 2020-09-24 2022-03-31 충남대학교병원 영상처리방법 및 이를 이용한 영상처리장치
KR20220045366A (ko) * 2020-10-05 2022-04-12 고려대학교 산학협력단 인공지능 기반의 의료 영상 합성 장치 및 방법

Also Published As

Publication number Publication date
KR102658413B1 (ko) 2024-04-17

Similar Documents

Publication Publication Date Title
US11090019B2 (en) Automated segmentation of three dimensional bony structure images
KR101981202B1 (ko) 의료영상 재구성 방법 및 그 장치
US20200034948A1 (en) Ml-based methods for pseudo-ct and hr mr image estimation
CN111915696B (zh) 三维图像数据辅助的低剂量扫描数据重建方法及电子介质
EP2389661B1 (en) Nuclear image reconstruction
EP2252204A1 (en) Ct surrogate by auto-segmentation of magnetic resonance images
EP3550515A1 (en) Cross-modality image synthesis
KR102060895B1 (ko) 의료 영상 생성 방법 및 디바이스
CN110400617A (zh) 医学成像中的成像和报告的结合
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
CN109381205A (zh) 用于执行数字减影血管造影的方法、混合成像装置
CN109741290B (zh) 用于神经追踪的方法、非暂时性计算机可读媒体及设备
KR20220137220A (ko) 인공지능 기반의 의료 영상 3차원 변환 장치 및 방법
KR102658413B1 (ko) Ct 영상을 이용한 인공지능 기반의 담도 영상 추출 장치 및 방법
CN116797612A (zh) 基于弱监督深度活动轮廓模型的超声图像分割方法及装置
KR20180086773A (ko) 평면 보간 기반 2차원 의료 영상을 생성하는 방법 및 장치
CN115965837A (zh) 图像重建模型训练方法、图像重建方法及相关设备
CN116152235A (zh) 一种肺癌ct到pet的医学图像跨模态合成方法
KR20220137215A (ko) 인공지능 기반의 의료 영상 변환 장치 및 방법
CN109272486A (zh) Mr图像预测模型的训练方法、装置、设备及存储介质
KR20200057463A (ko) 진단 영상 변환 장치, 진단 영상 변환모듈 생성 장치, 진단 영상 촬영 장치, 진단 영상 변환 방법, 진단 영상 변환모듈 생성 방법, 진단 영상 촬영 방법, 및 컴퓨터 판독 가능한 기록매체
KR102672010B1 (ko) 인공지능을 이용한 안면부 골절 판독 장치 및 방법
CN115546174B (zh) 图像处理方法、装置、计算设备及存储介质
Pandey et al. A Framework for Mathematical Methods in Medical Image Processing
EP4339880A1 (en) Medical image conversion method and apparatus

Legal Events

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