KR20230174786A - 심비대증 평가를 위한 의료 영상 분석 방법 및 장치 - Google Patents

심비대증 평가를 위한 의료 영상 분석 방법 및 장치 Download PDF

Info

Publication number
KR20230174786A
KR20230174786A KR1020220075614A KR20220075614A KR20230174786A KR 20230174786 A KR20230174786 A KR 20230174786A KR 1020220075614 A KR1020220075614 A KR 1020220075614A KR 20220075614 A KR20220075614 A KR 20220075614A KR 20230174786 A KR20230174786 A KR 20230174786A
Authority
KR
South Korea
Prior art keywords
medical image
region
maximum
cardiac
rib
Prior art date
Application number
KR1020220075614A
Other languages
English (en)
Inventor
김한석
피재우
스리니바산 기리시
유영성
Original Assignee
주식회사 피맥스
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 피맥스 filed Critical 주식회사 피맥스
Priority to KR1020220075614A priority Critical patent/KR20230174786A/ko
Publication of KR20230174786A publication Critical patent/KR20230174786A/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
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/503—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of the heart
    • 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
    • A61B5/004—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 image acquisition of a particular organ or body part
    • A61B5/0044—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 image acquisition of a particular organ or body part for the heart
    • 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
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
    • 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
    • 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
    • A61B6/5223—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data generating planar views from image data, e.g. extracting a coronal view from a 3D image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • 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
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • 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
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30048—Heart; Cardiac

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Optics & Photonics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Cardiology (AREA)
  • Pulmonology (AREA)
  • Dentistry (AREA)
  • Physiology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

본 개시는 심비대증 평가를 위한 의료 영상 분석 방법 및 장치에 관한 것으로, 본 개시의 실시예에 따른 방법은, 수검자의 흉부를 포함하는 신체 부위의 연속적인 부피에 대응하여 생성된 의료 영상을 획득하는 단계; 사전 학습된 적어도 하나의 네트워크 함수를 통해 상기 의료 영상으로부터 늑골 영역 및 심장 영역을 추출하는 단계; 상기 늑골 영역 및 상기 심장 영역 각각을 기초로 최대 흉곽 횡경 및 최대 심장 횡경을 산출하는 단계; 및 상기 최대 흉곽 횡경 및 상기 최대 심장 횡경의 비율에 관한 정보를 제공하는 단계를 포함할 수 있다.

Description

심비대증 평가를 위한 의료 영상 분석 방법 및 장치{MEDICAL IMAGE ANALYSIS METHOD FOR EVALUATING CARDIOMEGALY AND APPARATUS THEREOF}
본 개시(disclosure)의 기술적 사상은 심비대증 평가를 위한 의료 영상 분석 방법 및 장치에 관한 것이다.
심비대(Cardiomegaly)의 유무는 심장 자체의 질환(판막 협착, 패쇄부전증, 관상동맥질환 등)뿐만 아니라 폐부종을 비롯한 여러 폐질환의 감별 및 진단에서도 매우 중요한 소견이 되어 오고 있다. 그런데, 중증도가 높은 심비대증은 2차원적인 단순 흉부 X선 영상에서도 쉽게 육안으로 관찰이 가능하지만, 환자가 임상적 증상이 없는 상태로 건강검진 등에서 이루어지는 일반적 흉부 단층화 촬영 영상(Chest CT)으로부터 심비대 유무를 객관적으로 평가하는 데는 판독 전문의의 많은 시간과 노력이 필요하다.
심비대 유무의 측정은 심흉비를 이용한 방법이 일반적으로 사용된다. 구체적으로, 늑골(갈비뼈)로 둘러싼 흉곽의 가장 긴 횡경과 가장 긴 심장 횡경의 비율을 측정하여 해당 비율이 일정 이상이면 비정상으로 간주한다. 즉, 심장 지름이 흉곽 지름 대비 일정한 비율을 넘으면 심비대증으로 간주하는 방법을 사용한다. 이때, 흉곽과 심장의 횡경의 측정은 PACS에서 사용자가 의료 영상의 두 점을 클릭하면 두 점 사이의 픽셀 거리를 측정한 뒤, 의료 영상에 등록된 부가정보(Dicom Tag)를 토대로 실제 길이를 측정하는 방식으로 수행된다.
그런데, 3차원 영상에 나타난 심장, 폐, 흉곽 중 '가장 긴' 부분을 찾는 과정에 많은 시간이 소요되며, 이는 수많은 환자 영상을 판독해야 하는 판독의의 피로도를 증가시킨다. 무엇보다, 일정하지 않은 모양을 가진 해부학적 기관에서 어느 부분을 측정점으로 하는가에 따라 정확도가 달라진다. 중증인 경우에는 측정점이 어디든 심비대증의 진단에 크게 영향이 없지만, 진행중인 질병을 조기 발견하는 데 있어서 일정한 판단 기준을 유지하는 것이 중요한데, 종래의 방식으로는 일정한 기준을 세우기가 어렵다는 한계를 가지고 있었다.
본 개시의 기술적 사상에 따른 심비대증 평가를 위한 의료 영상 분석 방법 및 장치가 이루고자 하는 기술적 과제는, 의료 영상으로부터 흉곽과 심장을 3차원으로 자동 인식하고 이를 통해 심비대증을 평가하여 심장 질환 및 폐질환의 감별 진단을 기존보다 빠르고 정확하게 할 수 있는 의료 영상 분석 방법 및 이를 위한 장치를 제공하는 데에 있다.
본 개시의 기술적 사상에 따른 의료 영상 분석 방법 및 장치가 이루고자 하는 기술적 과제는 이상에서 언급한 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제는 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 개시의 기술적 사상에 의한 일 양태에 따르면, 심비대증 평가를 위한 의료 영상 분석 방법은, 수검자의 흉부를 포함하는 신체 부위의 연속적인 부피에 대응하여 생성된 의료 영상을 획득하는 단계; 사전 학습된 적어도 하나의 네트워크 함수를 통해 상기 의료 영상으로부터 늑골 영역 및 심장 영역을 추출하는 단계; 상기 늑골 영역 및 상기 심장 영역 각각을 기초로 최대 흉곽 횡경 및 최대 심장 횡경을 산출하는 단계; 및 상기 최대 흉곽 횡경 및 상기 최대 심장 횡경의 비율에 관한 정보를 제공하는 단계를 포함할 수 있다.
예시적인 실시예에 따르면, 상기 의료 영상은 컴퓨터 단층 촬영(CT) 영상 및 자기 공명 영상(MRI) 중 적어도 하나를 포함할 수 있다.
예시적인 실시예에 따르면, 상기 최대 흉곽 횡경 및 최대 심장 횡경을 산출하는 단계는, 상기 늑골 영역 및 상기 심장 영역을 각각 상이한 2차원의 평면에 투사하여 2차원 영상으로 재구성하는 단계; 및 상기 2차원 영상으로부터 상기 최대 흉곽 횡경 및 상기 최대 심장 횡경을 산출하는 단계를 포함할 수 있다.
예시적인 실시예에 따르면, 상기 늑골 영역 및 상기 심장 영역을 2차원 영상으로 재구성하는 단계는, 최대 강도 투사(MIP, maximum intensity projection)를 통해 상기 늑골 영역 및 상기 심장 영역을 각각 상이한 2차원의 평면에 투사함으로써 수행될 수 있다.
예시적인 실시예에 따르면, 추출된 상기 의료 영상에 대하여 명도 및 대비 중 적어도 하나를 보정하는 단계를 더 포함할 수 있다.
예시적인 실시예에 따르면, 추출된 상기 의료 영상에 대하여 상기 수검자의 촬영 자세를 보정하는 단계를 더 포함할 수 있다.
예시적인 실시예에 따르면, 상기 수검자의 촬영 자세 중 적어도 하나를 보정하는 단계는, 상기 의료 영상을 구성하는 복수의 2차원 슬라이스 영상 중 적어도 하나의 기준 슬라이스를 선택하는 단계; 상기 기준 슬라이스에서 복장뼈 영역와 척추 영역을 식별하는 단계; 상기 복장뼈 영역의 중심과 상기 척추 영역의 중심을 연결한 기준선의 각도에 기초하여 회전 변환 행렬을 산출하는 단계; 및 상기 회전 변환 행렬을 상기 복수의 2차원 슬라이스 영상 각각에 적용하여 상기 의료 영상을 회전하는 단계를 포함할 수 있다.
예시적인 실시예에 따르면, 상기 의료 영상으로부터 늑골 영역 및 심장 영역을 추출하는 단계는,상기 네트워크 함수를 통해 상기 의료 영상으로부터 상기 늑골 영역 및 상기 심장 영역을 추출하는 단계; 및 늑골 평균 도형 및 심장 평균 도형 중 적어도 하나에 기초하여 상기 늑골 영역 및 상기 심장 영역 중 적어도 하나를 보정하는 단계를 더 포함할 수 있다.
예시적인 실시예에 따르면, 상기 늑골 영역 및 상기 심장 영역 중 적어도 하나를 보정하는 단계에서는, 상기 심장 평균 도형에 기초하여 상기 심장 영역으로부터 폐문부, 폐혈관, 대동맥 및 대정맥 중 적어도 하나를 제거함으로써, 상기 심장 영역을 보정할 수 있다.
본 개시의 기술적 사상에 의한 일 양태에 따르면, 심비대증 평가를 위한 의료 영상 분석 장치는, 적어도 하나의 프로세서; 상기 프로세서에 의해 실행 가능한 프로그램을 저장하는 메모리; 및 상기 프로세서는, 상기 프로그램을 실행함으로써, 수검자의 흉부를 포함하는 신체 부위의 연속적인 부피에 대응하여 생성된 의료 영상을 획득하고, 사전 학습된 적어도 하나의 네트워크 함수를 통해 상기 의료 영상으로부터 늑골 영역 및 심장 영역을 추출하며, 상기 늑골 영역 및 상기 심장 영역 각각을 기초로 최대 흉곽 횡경 및 최대 심장 횡경을 산출하고, 상기 최대 흉곽 횡경 및 상기 최대 심장 횡경의 비율에 관한 정보를 제공할 수 있다.
본 개시의 기술적 사상에 의한 실시예들에 따른 심비대증 평가를 위한 의료 영상 분석 방법 및 장치에 따르면, 일반적인 흉부 영상으로부터 초기 단계의 심비대증을 자동으로 정확하게 측정할 수 있으며, 발견된 증상 부위를 지속적으로 추적 및 관찰할 수 있다.
본 개시의 기술적 사상에 따른 심비대증 평가를 위한 의료 영상 분석 방법 및 장치가 얻을 수 있는 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 개시에서 인용되는 도면을 보다 충분히 이해하기 위하여 각 도면의 간단한 설명이 제공된다.
도 1은 본 개시의 실시예에 따른 심비대증 평가를 위한 의료 영상 분석 방법을 설명하기 위한 흐름도이다.
도 2는 도 1의 S120 단계의 실시예를 설명하기 위한 흐름도이다.
도 3은 도 1의 S130 단계의 실시예를 설명하기 위한 흐름도이다.
도 4는 도 1의 S140 단계의 실시예를 설명하기 위한 흐름도이다.
도 5 및 도 6은 본 개시의 실시예에 따른 심비대증 평가를 위한 의료 영상 분석 방법에서 의료 영상을 전처리하는 과정에 대한 예시이다.
도 7 및 도 8은 본 개시의 실시예에 따른 심비대증 평가를 위한 의료 영상 분석 방법에서 의료 영상으로부터 늑골 및 심장을 추출하는 과정에 대한 예시이다.
도 9a 및 도 9b는 본 개시의 실시예에 따른 심비대증 평가를 위한 의료 영상 분석 방법에서 흉곽 횡경과 심장 횡격을 산출하는 과정에 대한 예시이다.
도 10은 본 개시의 실시예에 따른 심비대증 평가를 위한 의료 영상 분석 장치의 구성을 간략히 도시한 블록도이다.
본 개시의 기술적 사상은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 이를 상세히 설명하고자 한다. 그러나, 이는 본 개시의 기술적 사상을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 개시의 기술적 사상의 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
본 개시의 기술적 사상을 설명함에 있어서, 관련된 공지 기술에 대한 구체적인 설명이 본 개시의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 본 개시의 설명 과정에서 이용되는 숫자(예를 들어, 제1, 제2 등)는 하나의 구성요소를 다른 구성요소와 구분하기 위한 식별기호에 불과하다.
또한, 본 개시에서, 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, 본 개시에 기재된 "~부", "~기", "~자", "~모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 프로세서(Processor), 마이크로 프로세서(Micro Processer), 마이크로 컨트롤러(Micro Controller), CPU(Central Processing Unit), GPU(Graphics Processing Unit), APU(Accelerate Processor Unit), DSP(Digital Signal Processor), ASIC(Application Specific Integrated Circuit), FPGA(Field Programmable Gate Array) 등과 같은 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
그리고 본 개시에서의 구성부들에 대한 구분은 각 구성부가 담당하는 주기능 별로 구분한 것에 불과함을 명확히 하고자 한다. 즉, 이하에서 설명할 2개 이상의 구성부가 하나의 구성부로 합쳐지거나 또는 하나의 구성부가 보다 세분화된 기능별로 2개 이상으로 분화되어 구비될 수도 있다. 그리고 이하에서 설명할 구성부 각각은 자신이 담당하는 주기능 이외에도 다른 구성부가 담당하는 기능 중 일부 또는 전부의 기능을 추가적으로 수행할 수도 있으며, 구성부 각각이 담당하는 주기능 중 일부 기능이 다른 구성부에 의해 전담되어 수행될 수도 있음은 물론이다.
본 개시의 실시예에 따른 방법은 연산 능력을 구비한 개인용 컴퓨터(Personal Computer), 워크스테이션(Work Station), 서버용 컴퓨터 장치 등에서 수행되거나 이를 위한 별도의 장치에서 수행될 수 있다.
또한, 방법은 하나 이상의 연산 장치들에서 수행될 수도 있다. 예를 들어, 본 개시의 실시예에 따른 방법 중 적어도 하나 이상의 단계들은 클라이언트 디바이스에서, 다른 단계들은 서버 디바이스에서 수행될 수 있다. 이러한 경우, 클라이언트 디바이스와 서버 디바이스는 네트워크로 연결되어 연산 결과를 송수신할 수 있다. 또는, 방법은 분산 컴퓨팅 기술에 의해 수행될 수도 있다.
또한, 본 명세서에 걸쳐, 네트워크 함수는 신경망 네트워크 및/또는 뉴럴 네트워크(neural network)와 동일한 의미로 사용될 수 있다. 뉴럴 네트워크(신경망)는 일반적으로 노드라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있고, 이러한 노드들은 뉴런으로 지칭될 수 있다. 뉴럴 네트워크는 일반적으로 복수의 노드들을 포함하여 구성되며, 뉴럴 네트워크를 구성하는 노드들은 하나 이상의 링크에 의해 상호 연결될 수 있다. 이때, 뉴럴 네트워크를 구성하는 노드들 중 일부는 최초 입력 노드로부터의 거리들에 기초하여 하나의 레이어(layer)를 구성할 수 있다. 예를 들어, 최초 입력 노드로부터 거리가 n인 노드들의 집합은 n 레이어를 구성할 수 있다. 뉴럴 네트워크는 입력 레이어와 출력 레이어 외에 복수의 히든 레이어를 포함하는 딥 뉴럴 네트워크(Deep Neural Network, DNN)를 포함할 수 있다.
이하, 본 개시의 실시예들을 차례로 상세히 설명한다.
도 1은 본 개시의 실시예에 따른 의료 영상 분석 방법을 설명하기 위한 흐름도이고, 도 2는 도 1의 S120 단계의 실시예를 설명하기 위한 흐름도이며, 도 3은 도 1의 S130 단계의 실시예를 설명하기 위한 흐름도이고, 도 4는 도 1의 S140 단계의 실시예를 설명하기 위한 흐름도이다.
S110 단계에서, 장치는 수검자의 흉부를 포함하는 신체 부위의 연속적인 부피에 대응하여 생성된 의료 영상을 획득할 수 있다.
예를 들어, 의료 영상은 외부의 데이터 베이스 서버로부터 수신되거나, 장치와 유, 무선 통신을 통해 연결된 촬영 장치로부터 촬영을 통해 획득될 수 있다.
실시예에서, 의료 영상은 컴퓨터 단층 촬영(CT) 영상 및 자기 공명 영상(MRI) 중 적어도 하나를 포함할 수 있다. 예를 들어, 의료 영상은 컴퓨터 단층 촬영 방법을 통해 수검자의 흉부를 포함하는 신체 부위를 일 방향으로 연속하여 촬영함으로써, 생성되는 복수의 2차원 슬라이스 영상(즉, 영상군)으로 구성되거나, 이를 기초로 생성되는 3차원 영상일수 있다.
S120 단계에서, 장치는 의료 영상의 명도(밝기) 및 대비 중 적어도 하나를 보정하거나, 수검자의 촬영 자세를 보정하는 의료 영상에 대한 전처리를 수행할 수 있다.
실시예에서, 장치는 의료 영상의 명도 및/또는 명암 대비를 조정함으로써, 수검자의 흉곽을 둘러싸는 늑골과 심장 부분이 다른 영역과 보다 명확하게 구별되도록 할 수 있다. 이를 통해, 이하 상술되는 네트워크 함수를 통한 늑골 영역 및 심장 영역의 검출 정확도를 보다 증대시킬 수 있다.
실시예에서, 장치는 의료 영상을 일정하게 회전시켜, 네트워크 함수의 학습 시 이용된 다른 의료 영상과 동일한 기준으로 수검자의 촬영 자세를 보정할 수 있다. 이러한 과정은, 도 2에서 도시되는 바와 같이, S121 단계 내지 S124 단계를 통해 수행될 수 있다.
S121 단계에서, 장치는 의료 영상을 구성하는 복수의 2차원 슬라이스 영상 중 적어도 하나의 기준 슬라이스를 선택할 수 있다. 예를 들어, 의료 영상은 CT 영상일 수 있으며, 장치는 CT 영상을 구성하는 복수의 2차원 슬라이스 영상 중에서 중심에 위치하는 적어도 하나의 슬라이스 영상을 기준 슬라이스로 선택할 수 있다. 다만, 이는 예시적인 것으로서, 실시예에 따라, 장치가 일정한 간격에 따라 적어도 하나의 슬라이스 영상을 기준 슬라이스로 선택하도록 구성될 수 있다.
S122 단계에서, 장치는 기준 슬라이스에서 복장뼈 영역과 척추 영역을 식별할 수 있다. 실시예에서, S121 단계는 사전 학습된 적어도 하나의 네트워크 함수에 의해 수행될 수 있다. 네트워크 함수는 복수의 학습 데이터(예를 들어, 전문가, 검사 등을 통해 복장뼈 영역 및 척추 영역이 레이블된 다른 수검자의 의료 영상)를 통해 사전에 복장뼈 및/또는 척추 영역의 추출에 대한 학습이 수행된 것일 수 있다.
S123 단계에서, 장치는 복장뼈 영역의 중심과 척추 영역의 중심을 연결한 기준선의 각도에 기초하여 회전 변환 행렬을 산출할 수 있다. 예를 들어, 장치는 복장뼈 영역의 중심(픽셀 좌표들의 평균값)과 척추 영역의 중심(픽셀 좌표들의 평균값)을 연결한 기준선과 소정의 중심선이 이루는 각도를 측정하고, 이에 기초하여 기준선을 중심선과 일치시키기 위하여 기준 슬라이스를 회전시키는 회전 변환 행렬을 산출할 수 있다.
실시예에서, S121 단계에서, 복수의 기준 슬라이스가 선택된 경우에는, 장치는 각 기준 슬라이스에서 측정된 각도의 평균 또는 최대 값 등에 기초하여 회전 변환 행렬을 산출할 수 있다.
S124 단계에서, 장치는 회전 변환 행렬을 복수의 2차원 슬라이스 영상 각각에 적용하여 의료 영상을 회전시킬 수 있다. 즉, 장치는 복수의 2차원 슬라이스 영상에 포함된 모든 픽셀 좌표에 대하여 회전 변환 행렬을 곱해서 슬라이스 영상을 회전시키고, 이들을 중첩시키는 방식으로 수감자의 촬영 자세가 보정된 의료 영상을 획득할 수 있다.
의료 영상에 대한 전처리가 완료되면, S130 에서, 장치는 사전 학습된 적어도 하나의 네트워크 함수를 통해 의료 영상으로부터 늑골 영역 및 심장 영역을 추출할 수 있다. 이때, 네트워크 함수는 복수의 학습 데이터(예를 들어, 전문가, 검사 등을 통해 늑골 영역 및/또는 심장 영역이 레이블된 다른 수검자의 의료 영상)를 통해 사전에 늑골 영역 및/또는 심장 영역의 추출에 대한 학습이 수행된 것일 수 있다.
실시예에서, 네트워크 함수는 늑골 영역을 추출하기 위한 제 1 네트워크 함수와 심장 영역을 추출하기 위한 제 2 네트워크 함수를 포함할 수 있다.
S130 단계는, 도 3에서 도시되는 바와 같이, S131 단계 및 S132 단계를 포함할 수 있다.
S131 단계에서, 네트워크 함수를 통해 늑골 영역 및 심장 영역이 추출이 되면, 장치는, S132 단계로 진행하여, 늑골 평균 도형 및/또는 심장 평균 도형을 기초로 추출된 늑골 영역 및/또는 심장 영역을 보정할 수 있다.
즉, 네트워크 함수에 의해 적어도 일부 영역이 오인식될 경우를 대비하여, 평균 도형의 비교를 통해 추출된 늑골 영역 및/또는 심장 영역으로부터 오인식된 적어도 하나의 영역을 보정할 수 있다.
예를 들어, 장치는 심장 평균 도형에 기초하여 심장 영역으로부터 폐문부, 폐혈관, 대동맥 및 대정맥 중 적어도 하나를 제거하는 방식으로 심장 영역을 보정할 수 있다.
S140 단계에서, 장치는 늑골 영역 및 심장 영역 각각을 기초로 최대 흉곽 횡경 및 최대 심장 횡경을 산출할 수 있다. 여기서, 최대 흉곽 횡경은 3차원의 늑골 영역의 지름 중 가장 큰 길이를 의미하며, 최대 심장 횡경은 심장 영역의 지름 중 가장 큰 길이를 의미할 수 있다.
S140 단계는, 도 4에서 도시되는 바와 같이, S141 단계 및 S142 단계를 포함할 수 있다.
S141 단계에서, 장치는 3차원의 늑골 영역 및 심장 영역을 각각 2차원의 평면에 투사하여 2차원 영상으로 재구성할 수 있다. 이때, 늑골 영역 및 심장 영역은 서로 상이한 1 이상의 2차원 평면에 투사될 수 있으며, 2차원 평면은 각각 상이한 투사 방향에 수직인 평면일 수 있다.
실시예에서, S141 단계는, 최대 강도 투사(MIP, maximum intensity projection)에 의해 수행될 수 있다. 예를 들어, 장치는 늑골 영역 및 심장 영역 각각을 적어도 하나의 2차원의 평면에 투사하되, 투사 방향에 위치하는 중첩되는 복셀들 중 강도가 최대인 복셀(복셀값이 가장 큰 복셀)을 추출하여 2차원 평면에 투사되도록 하는 방식으로 늑골 영상 및 심장 영상을 2차원으로 재구성할 수 있다.
최대 강도 투사를 적용하는 경우, 늑골 영역과 심장 영역의 내부의 정보는 사라질 수 있으나, 최대 경계가 더욱 명확해 질 수 있으며, 2차원에서 보다 빠르게 데이터 처리를 수행할 수 있는 장점이 있다.
S142 단계에서, 장치는 재구성된 2차원 영상에 기초하여, 최대 흉곽 횡경 및 최대 심장 횡경을 산출할 수 있다.
실시예에서, 늑골 영역 및/또는 심장 영역에 각각 대응하는 복수의 2차원 영상이 생성된 경우, 각각의 2차원 영상으로부터 산출된 최대 횡경 중 가장 큰 값을 최대 흉곽 횡경 및 최대 심장 횡경으로 결정할 수 있다.
S150 단계에서, 장치는 최대 흉곽 횡경 및 최대 심장 횡경의 비율, 즉, 심흉비에 관한 정보를 제공할 수 있다. 예를 들어, 장치는 디스플레이 장치에 표시하거나, 다른 단말에 전송하는 방식으로 심흉비에 대한 정보를 사용자에게 제공할 수 있다.
사용자는 심흉비에 대한 정보를 확인하고 이를 기초로, 수검자의 심비대증 여부 및 중증 정도를 판단할 수 있다.
S160 단계에서, 장치는 최대 흉곽 횡경 및 최대 심장 횡경의 비율에 기초하여 수검자의 심비대증 여부 및 증증 정도 중 적어도 하나를 자동 평가할 수 있다.
예를 들어, 장치는 상기 비율이 0.5 이상인 경우 수검자가 심비대증이라고 평가할 수 있으며, 비율이 클수록 심비대증이 중증 정도가 높다고 판단할 수 있다.
한편, 도시되어 있지는 않지만, 방법(100)은 심흉비, 심비대증 여부 및/또는 중증 정도에 관한 정보를 포함하는 진단 정보를 데이터베이스에 저장하는 단계를 더 포함할 수 있다. 실시예에서, 장치는 수검자의 식별 정보, 정보 생성 날짜, 데이터 모달리티 등의 부가 정보를 진단 정보와 함께 데이터베이스에 저장할 수 있다. 이를 통해, 수검자에 대해 발견된 증상 부위를 지속적으로 추적 및 관찰할 수 있게 된다.
도 5 및 도 6은 본 개시의 실시예에 따른 심비대증 평가를 위한 의료 영상 분석 방법에서 의료 영상을 전처리하는 과정에 대한 예시이다.
늑골 영역 및 심장 영역에 대한 추출을 수행하기 전에 추출 정확도를 향상시키기 위하여 의료 영상에 대한 전처리가 수행될 수 있다.
먼저, 도 5를 참조하면, 의료 영상의 밝기 및 명암 대비를 보정하여 흉곽을 둘러싸고 있는 늑골 영역과 심장 영역이 의료 영상의 다른 영역과 보다 명확히 구분되도록 전처리를 수행할 수 있다.
이어서, 도 6을 참조하면, 수검자의 촬영 자세에 의한 의료 영상의 각도 차이를 보정할 수 있다. 일반적으로 의료 영상의 촬영을 위해서는 누운 상태에서 몸을 고정하기 때문에 크게 위치가 벗어나지는 않지만, 다양한 이유로 인해 좌, 우로 수검자의 신체가 틀어지는 경우가 발생한다. 이를 보정하지 않을 경우 측정점이 달라지고, 이로 인해 정확한 자동 측정이 불가능 할 수 있다.
따라서, 도 2를 참조하여 상술한 바와 같이, 의료 영상으로부터 2차원의 기준 슬라이스를 선택한 다음, 복장뼈 영역의 중심과 척추 영역의 중심을 연결한 기준선을 정위치(예를 들어, 학습 데이터의 기준선과 정렬되는 위치)에 위치하도록 하는 회전 변환 행렬을 산출하고, 이를 이용하여 의료 영상을 회전함으로써, 수검자의 촬영 자세에 따른 차이를 보정할 수 있다.
도 7 및 도 8은 본 개시의 실시예에 따른 심비대증 평가를 위한 의료 영상 분석 방법에서 의료 영상으로부터 늑골 및 심장을 추출하는 과정에 대한 예시이다.
도 7 및 도 8을 참조하면, 각각 늑골 영역 및 심장 영역을 추출하도록 사전 학습된 제 1 네트워크 함수와 제 2 네트워크 함수를 통해, 의료 영상으로부터 늑골 영역 및 심장 영역을 각각 추출할 수 있다. 추출된 늑골 영역과 심장 영역은 3차원의 좌표 정보를 가지는 3차원 영상일 수 있다.
한편, 실시예에 따라, 하나의 네트워크 함수가 늑골 영역과 심장 영역을 동시에 추출하도록 구성될 수 있다.
도 9a 및 도 9b는 본 개시의 실시예에 따른 심비대증 평가를 위한 의료 영상 분석 방법에서 흉곽 횡경과 심장 횡격을 산출하는 과정에 대한 예시이다.
도 9a 및 도 9b에 도시되는 바와 같이, 3차원의 늑골 영역과 심장 영역은 최대 강도 투사(MIP)에 의해 2차원 평면에 투사됨으로써, 2차원 영상으로 각각 재구성될 수 있다. 2차원 영상에서 최외곽의 픽셀의 좌표에 기초하여, 장치는 최대 흉곽 횡경과 최대 심장 횡경을 산출할 수 있다.
도 10은 본 개시의 실시예에 따른 심비대증 평가를 위한 의료 영상 분석 장치의 구성을 간략히 도시한 블록도이다.
통신부(1010)는 의료 영상 분석을 수행하기 위한 입력 데이터(의료 영상 등)를 수신할 수 있다. 통신부(1010)는 유무선 통신부를 포함할 수 있다. 통신부(1010)가 유선 통신부를 포함하는 경우, 통신부(1010)는 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN), 부가가치 통신망(Value Added Network; VAN), 이동 통신망(Mobile Radio Communication Network), 위성 통신망 및 이들의 상호 조합을 통하여 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다. 또한, 통신부(1010)가 무선 통신부를 포함하는 경우, 통신부(1010)는 셀룰러 통신, 무선랜(예를 들어, 와이-파이(Wi-Fi)) 등을 이용하여 무선으로 데이터 또는 신호를 송수신할 수 있다. 실시예에서, 통신부는 프로세서(1040)의 제어에 의해 외부 장치 또는 외부 서버와 데이터 또는 신호를 송수신할 수 있다.
입력부(1020)는 외부의 조작을 통해 다양한 사용자 명령을 수신할 수 있다. 이를 위해, 입력부(1020)는 하나 이상의 입력 장치를 포함하거나 연결할 수 있다. 예를 들어, 입력부(1020)는 키패드, 마우스 등 다양한 입력을 위한 인터페이스와 연결되어 사용자 명령을 수신할 수 있다. 이를 위해, 입력부(1020)는 USB 포트 뿐만 아니라 선더볼트 등의 인터페이스를 포함할 수도 있다. 또한, 입력부(1020)는 터치스크린, 버튼 등의 다양한 입력 장치를 포함하거나 이들과 결합하여 외부의 사용자 명령을 수신할 수 있다.
메모리(1030)는 프로세서(1040)의 동작을 위한 프로그램 및/또는 프로그램 명령을 저장할 수 있고, 입/출력되는 데이터들을 임시 또는 영구 저장할 수 있다. 메모리(1030)는 플래시 메모리(flash memory) 타입, 하드디스크(hard disk) 타입, 멀티미디어 카드 마이크로(multimedia card micro) 타입, 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM), SRAM, 롬(ROM), EEPROM, PROM, 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.
또한, 메모리(1030)는 다양한 네트워크 함수 및 알고리즘을 저장할 수 있으며, 장치(700)를 구동하고 제어하기 위한 다양한 데이터, 프로그램(하나 이상이 인스트럭션들), 어플리케이션, 소프트웨어, 명령, 코드 등을 저장할 수 있다.
프로세서(1040)는 장치(1000)의 전반적인 동작을 제어할 수 있다. 프로세서(1040)는 메모리(1030)에 저장되는 하나 이상의 프로그램들을 실행할 수 있다. 프로세서(1040)는 중앙 처리 장치(Central Processing Unit, CPU), 그래픽 처리 장치(Graphics Processing Unit, GPU) 또는 본 개시의 기술적 사상에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다.
실시예에서, 프로세서(1040)는 수검자의 흉부를 포함하는 신체 부위의 연속적인 부피에 대응하여 생성된 의료 영상을 획득하고, 사전 학습된 적어도 하나의 네트워크 함수를 통해 의료 영상으로부터 늑골 영역 및 심장 영역을 추출하며, 늑골 영역 및 심장 영역 각각을 기초로 최대 흉곽 횡경 및 최대 심장 횡경을 산출하고, 최대 흉곽 횡경 및 최대 심장 횡경의 비율에 관한 정보를 제공할 수 있다.
실시예에서, 프로세서(1040)는 늑골 영역 및 심장 영역을 각각 상이한 2차원의 평면에 투사하여 2차원 영상으로 재구성하고, 2차원 영상으로부터 최대 흉곽 횡경 및 최대 심장 횡경을 산출할 수 있다.
실시예에서, 프로세서(1040)는 최대 강도 투사를 통해 늑골 영역 및 심장 영역을 각각 상이한 2차원의 평면에 투사함으로써 늑골 영역 및 심장 영역을 2차원 영상으로 재구성할 수 있다.
실시예에서, 프로세서(1040)는 추출된 의료 영상에 대하여 명도 및 대비 중 적어도 하나를 보정할 수 있다.
실시예에서, 프로세서(1040)는 추출된 의료 영상에 대하여 수검자의 촬영 자세를 보정할 수 있다.
실시예에서, 프로세서(1040)는 의료 영상을 구성하는 복수의 2차원 슬라이스 영상 중 적어도 하나의 기준 슬라이스를 선택하고, 기준 슬라이스에서 복장뼈 영역와 척추 영역을 식별하며, 복장뼈 영역의 중심과 척추 영역의 중심을 연결한 기준선의 각도에 기초하여 회전 변환 행렬을 산출하고, 회전 변환 행렬을 복수의 2차원 슬라이스 영상 각각에 적용하여 의료 영상을 회전함으로써, 수검자의 촬영 자세를 보정할 수 있다.
실시예에서, 프로세서(1040)는 네트워크 함수를 통해 의료 영상으로부터 늑골 영역 및 심장 영역을 추출하고, 늑골 평균 도형 및 심장 평균 도형 중 적어도 하나에 기초하여 늑골 영역 및 심장 영역 중 적어도 하나를 보정할 수 있다.
실시예에서, 프로세서(1040)는 심장 평균 도형에 기초하여 심장 영역으로부터 폐문부, 폐혈관, 대동맥 및 대정맥 중 적어도 하나를 제거함으로써, 심장 영역을 보정할 수 있다.
본 개시의 실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 개시를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
또한, 개시된 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다.
컴퓨터 프로그램 제품은 S/W 프로그램, S/W 프로그램이 저장된 컴퓨터로 읽을 수 있는 저장 매체를 포함할 수 있다. 예를 들어, 컴퓨터 프로그램 제품은 전자 장치의 제조사 또는 전자 마켓(예, 구글 플레이 스토어, 앱 스토어)을 통해 전자적으로 배포되는 S/W 프로그램 형태의 상품(예, 다운로더블 앱)을 포함할 수 있다. 전자적 배포를 위하여, S/W 프로그램의 적어도 일부는 저장 매체에 저장되거나, 임시적으로 생성될 수 있다. 이 경우, 저장 매체는 제조사의 서버, 전자 마켓의 서버, 또는 SW 프로그램을 임시적으로 저장하는 중계 서버의 저장매체가 될 수 있다.
컴퓨터 프로그램 제품은, 서버 및 클라이언트 장치로 구성되는 시스템에서, 서버의 저장매체 또는 클라이언트 장치의 저장매체를 포함할 수 있다. 또는, 서버 또는 클라이언트 장치와 통신 연결되는 제 3 장치(예, 스마트폰)가 존재하는 경우, 컴퓨터 프로그램 제품은 제 3 장치의 저장매체를 포함할 수 있다. 또는, 컴퓨터 프로그램 제품은 서버로부터 클라이언트 장치 또는 제 3 장치로 전송되거나, 제 3 장치로부터 클라이언트 장치로 전송되는 S/W 프로그램 자체를 포함할 수 있다.
이 경우, 서버, 클라이언트 장치 및 제 3 장치 중 하나가 컴퓨터 프로그램 제품을 실행하여 개시된 실시예들에 따른 방법을 수행할 수 있다. 또는, 서버, 클라이언트 장치 및 제 3 장치 중 둘 이상이 컴퓨터 프로그램 제품을 실행하여 개시된 실시예들에 따른 방법을 분산하여 실시할 수 있다.
예를 들면, 서버(예로, 클라우드 서버 또는 인공 지능 서버 등)가 서버에 저장된 컴퓨터 프로그램 제품을 실행하여, 서버와 통신 연결된 클라이언트 장치가 개시된 실시예들에 따른 방법을 수행하도록 제어할 수 있다.
이상에서 실시예들에 대하여 상세하게 설명하였지만 본 개시의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 개시의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 개시의 권리범위에 속한다.

Claims (11)

  1. 심비대증 평가를 위한 의료 영상 자동 분석 방법에 있어서,
    수검자의 흉부를 포함하는 신체 부위의 연속적인 부피에 대응하여 생성된 의료 영상을 획득하는 단계;
    사전 학습된 적어도 하나의 네트워크 함수를 통해 상기 의료 영상으로부터 늑골 영역 및 심장 영역을 추출하는 단계;
    상기 늑골 영역 및 상기 심장 영역 각각을 기초로 최대 흉곽 횡경 및 최대 심장 횡경을 산출하는 단계; 및
    상기 최대 흉곽 횡경 및 상기 최대 심장 횡경의 비율에 관한 정보를 제공하는 단계를 포함하는, 방법.
  2. 제 1 항에 있어서,
    상기 의료 영상은 컴퓨터 단층 촬영(CT) 영상 및 자기 공명 영상(MRI) 중 적어도 하나를 포함하는, 방법.
  3. 제 1 항에 있어서,
    상기 최대 흉곽 횡경 및 최대 심장 횡경을 산출하는 단계는,
    상기 늑골 영역 및 상기 심장 영역을 각각 상이한 2차원의 평면에 투사하여 2차원 영상으로 재구성하는 단계; 및
    상기 2차원 영상으로부터 상기 최대 흉곽 횡경 및 상기 최대 심장 횡경을 산출하는 단계를 포함하는, 방법.
  4. 제 3 항에 있어서,
    상기 늑골 영역 및 상기 심장 영역을 2차원 영상으로 재구성하는 단계는,
    최대 강도 투사(MIP, maximum intensity projection)를 통해 상기 늑골 영역 및 상기 심장 영역을 각각 상이한 2차원의 평면에 투사함으로써 수행되는, 방법.
  5. 제 1 항에 있어서,
    추출된 상기 의료 영상에 대하여 명도 및 대비 중 적어도 하나를 보정하는 단계를 더 포함하는, 방법.
  6. 제 1 항에 있어서,
    추출된 상기 의료 영상에 대하여 상기 수검자의 촬영 자세를 보정하는 단계를 더 포함하는, 방법.
  7. 제 6 항에 있어서,
    상기 수검자의 촬영 자세 중 적어도 하나를 보정하는 단계는,
    상기 의료 영상을 구성하는 복수의 2차원 슬라이스 영상 중 적어도 하나의 기준 슬라이스를 선택하는 단계;
    상기 기준 슬라이스에서 복장뼈 영역와 척추 영역을 식별하는 단계;
    상기 복장뼈 영역의 중심과 상기 척추 영역의 중심을 연결한 기준선의 각도에 기초하여 회전 변환 행렬을 산출하는 단계; 및
    상기 회전 변환 행렬을 상기 복수의 2차원 슬라이스 영상 각각에 적용하여 상기 의료 영상을 회전하는 단계를 포함하는, 방법.
  8. 제 1 항에 있어서,
    상기 의료 영상으로부터 늑골 영역 및 심장 영역을 추출하는 단계는,
    상기 네트워크 함수를 통해 상기 의료 영상으로부터 상기 늑골 영역 및 상기 심장 영역을 추출하는 단계; 및
    늑골 평균 도형 및 심장 평균 도형 중 적어도 하나에 기초하여 상기 늑골 영역 및 상기 심장 영역 중 적어도 하나를 보정하는 단계를 더 포함하는, 방법.
  9. 제 7 항에 있어서,
    상기 늑골 영역 및 상기 심장 영역 중 적어도 하나를 보정하는 단계에서는,
    상기 심장 평균 도형에 기초하여 상기 심장 영역으로부터 폐문부, 폐혈관, 대동맥 및 대정맥 중 적어도 하나를 제거함으로써, 상기 심장 영역을 보정하는, 방법.
  10. 심비대증 평가를 위한 의료 영상 분석 장치에 있어서,
    적어도 하나의 프로세서;
    상기 프로세서에 의해 실행 가능한 프로그램을 저장하는 메모리; 및
    상기 프로세서는, 상기 프로그램을 실행함으로써, 수검자의 흉부를 포함하는 신체 부위의 연속적인 부피에 대응하여 생성된 의료 영상을 획득하고, 사전 학습된 적어도 하나의 네트워크 함수를 통해 상기 의료 영상으로부터 늑골 영역 및 심장 영역을 추출하며, 상기 늑골 영역 및 상기 심장 영역 각각을 기초로 최대 흉곽 횡경 및 최대 심장 횡경을 산출하고, 상기 최대 흉곽 횡경 및 상기 최대 심장 횡경의 비율에 관한 정보를 제공하는, 장치.
  11. 제 1 항 내지 제 9 항 중 어느 한 항의 방법을 실행하기 위하여 기록 매체에 저장된 컴퓨터 프로그램.
KR1020220075614A 2022-06-21 2022-06-21 심비대증 평가를 위한 의료 영상 분석 방법 및 장치 KR20230174786A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220075614A KR20230174786A (ko) 2022-06-21 2022-06-21 심비대증 평가를 위한 의료 영상 분석 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220075614A KR20230174786A (ko) 2022-06-21 2022-06-21 심비대증 평가를 위한 의료 영상 분석 방법 및 장치

Publications (1)

Publication Number Publication Date
KR20230174786A true KR20230174786A (ko) 2023-12-29

Family

ID=89334247

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220075614A KR20230174786A (ko) 2022-06-21 2022-06-21 심비대증 평가를 위한 의료 영상 분석 방법 및 장치

Country Status (1)

Country Link
KR (1) KR20230174786A (ko)

Similar Documents

Publication Publication Date Title
US10980493B2 (en) Medical image display device, method, and program
US10452957B2 (en) Image classification apparatus, method, and program
US10198669B2 (en) Image classifying apparatus, image classifying method, and image classifying program
JP6005663B2 (ja) 血管画像における動静脈比の自動測定
US8526690B2 (en) Automatic detection of target tissues formed by linear structures from within three dimensional images
US9449381B2 (en) Methods, systems, and media for generating and analyzing medical images having elongated structures
JP2010220742A (ja) 画像処理装置および方法並びにプログラム
CN106934816A (zh) 一种基于elm的眼底图像视网膜血管分割方法
JP4463817B2 (ja) 脈管構造の局部画像を自動的に配向する方法及びシステム
KR20220097859A (ko) 병변 판독 방법 및 이를 위한 장치
IL262027A (en) System and methods for diagnostic image processing and image quality assessment
KR20230174786A (ko) 심비대증 평가를 위한 의료 영상 분석 방법 및 장치
KR20230174787A (ko) 의료 영상으로부터 심비대증을 자동으로 평가하는 방법 및 이를 위한 장치
KR20230050253A (ko) 흉막 삼출의 검출 방법 및 이를 위한 장치
KR20230049938A (ko) 폐기종의 정량적 분석 방법 및 이를 위한 장치
CN118434369A (zh) 腹主动脉瘤生物标记物
KR20220143187A (ko) 딥러닝을 이용한 폐기종 자동 추출 방법 및 장치
Castro et al. Filter bank: A directional approach for retinal vessel segmentation
KR20230010164A (ko) 두경부 영상 이미지를 이용한 지방량 산출 방법 및 이를 위한 장치
KR102525396B1 (ko) 의료 영상 분석 방법 및 장치
KR102710754B1 (ko) 평균 도형을 이용한 횡격막 검출 방법 및 이를 위한 장치
KR102444581B1 (ko) 흉부 영상으로부터 횡격막을 검출하는 방법 및 이를 위한 장치
KR102325963B1 (ko) 갑상선 암의 림프절 전이 진단에 필요한 정보를 제공하는 방법 및 장치
KR20230057489A (ko) 폐기종의 정량적 분석을 위한 진단 모듈의 학습 방법 및 이를 위한 장치
KR20230049936A (ko) 평균 도형을 이용한 횡격막 검출 방법 및 이를 위한 장치

Legal Events

Date Code Title Description
E902 Notification of reason for refusal