WO2022014856A1 - 흉부 의료 영상 판독 지원 장치 및 방법 - Google Patents

흉부 의료 영상 판독 지원 장치 및 방법 Download PDF

Info

Publication number
WO2022014856A1
WO2022014856A1 PCT/KR2021/006670 KR2021006670W WO2022014856A1 WO 2022014856 A1 WO2022014856 A1 WO 2022014856A1 KR 2021006670 W KR2021006670 W KR 2021006670W WO 2022014856 A1 WO2022014856 A1 WO 2022014856A1
Authority
WO
WIPO (PCT)
Prior art keywords
medical image
region
lung
brightness value
distribution
Prior art date
Application number
PCT/KR2021/006670
Other languages
English (en)
French (fr)
Inventor
이재연
유동훈
권성구
오드케르크마타이스
Original Assignee
주식회사 코어라인소프트
인스티튜트 포 다이어그노스틱 어큐레시 리서치 비브이
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 코어라인소프트, 인스티튜트 포 다이어그노스틱 어큐레시 리서치 비브이 filed Critical 주식회사 코어라인소프트
Priority to EP21842070.1A priority Critical patent/EP4183344A4/en
Publication of WO2022014856A1 publication Critical patent/WO2022014856A1/ko
Priority to US18/154,967 priority patent/US20230154620A1/en

Links

Images

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
    • A61B6/52—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
    • 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
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • 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]
    • 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
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]
    • 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
    • G06T2207/30061—Lung
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/41—Medical
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/028—Multiple view windows (top-side-front-sagittal-orthogonal)

Definitions

  • the present invention relates to an apparatus and method for supporting medical image reading. More specifically, it relates to an apparatus (computing system) for visualizing an analysis result of a medical image in order to support a medical staff to effectively read a chest medical image, and software executed in the apparatus.
  • CT computed tomography
  • a chest CT image is frequently used for reading because it can observe abnormalities in the inside of the body, for example, lungs, bronchial tubes, and heart.
  • the Korean Patent Laid-Open Patent KR 10-2019-0090986 discloses a concept of adaptively applying a threshold of brightness or intensity so that a GGO can be easily found using artificial intelligence.
  • Korean Patent Laid-Open Patent KR 10-2020-0046507 “Information providing method for diagnosing lung fibrosis and computing device for pulmonary fibrosis diagnosis” describes the end point of normal tissue of a patient's lung in a medical image for diagnosing fibrosis of lung tissue. Analyze the spatial distribution of the lesion tissue by exploring. That is, Korean Patent Application Laid-Open No. KR 10-2020-0046507 discloses a technique for supporting the diagnosis of lung fibrosis based on the brightness value of a medical image but considering the spatial distribution.
  • lung diseases can be caused by various causes such as viral lung diseases such as COVID-19 or bacterial lung diseases. Accordingly, there is an increasing demand for a chest medical image reading support technology that can detect symptoms of lung disease as well as provide additional information on the cause of lung disease.
  • the prior literatures detect a GGO candidate using a CT brightness value in a medical image including a lung region, and then diagnose a lung disease in consideration of the spatial distribution of the GGO candidate or an index such as the mobility of an object. provides only information on the symptoms of lung disease, and it is difficult to provide additional information on the cause of lung disease.
  • An object of the present invention is to detect various factors inside the lung region and provide it with information on symptoms of lung disease to medical staff. That is, after the medical staff confirms the symptoms of lung disease by setting various intensity sections and visualizing the intensity value sections based on the state of the tissue in the lung area and/or the properties of the tissue, various causes The purpose of this is to provide support to obtain additional information about factors.
  • lung disease caused by COVID-19 may have a different aspect from general bacterial lung disease.
  • medical staff can support the reading of chest medical images so that various factors can be considered for the causes of lung disease symptoms.
  • An object of the present invention is to provide a chest medical image reading support technology that can support diagnosis and decision-making by medical staff by providing information on symptoms of lung disease and additional information for estimating the cause of symptoms.
  • An object of the present invention is to provide a chest medical image reading support technology that can support rapid and accurate decision-making by medical staff by visualizing additional information that can distinguish a lung disease caused by COVID-19 and a general bacterial lung disease in particular.
  • the present invention provides a user menu to reset or add a brightness value section of a clinical tissue based on the updated clinical knowledge when clinical knowledge about the cause of lung disease is updated, It aims to implement a platform that provides reading support information to users along with information on symptoms of lung disease.
  • the present invention quantifies the distribution of a specific brightness value region for a specific cause of lung disease, and generates reading support information on whether or not a lung disease and a specific cause of a lung disease based on the distribution of a specific brightness value region, and provides reading support information is intended to provide users with
  • the present invention is a configuration derived to achieve the above object, and an apparatus for supporting medical image reading according to an embodiment of the present invention is an apparatus that supports reading of a chest medical image, and supports reading of a medical image.
  • the apparatus includes a computing system, the computing system including at least one or more processors.
  • the at least one processor divides an airway and a blood vessel from a medical image including the lungs, and the properties of the tissue in the image of the lung region excluding the airway and the blood vessel from the medical image, and segmentation of a small region corresponding to each of a plurality of intensity values divided and set based on at least one or more of the states, and corresponding to each of the plurality of intensity values in the closed region image. Visualize the distribution of the subregions.
  • the plurality of brightness value sections may be set based on at least one of clinically differentiated tissue properties and states.
  • the at least one processor may threshold the small region based on each of the plurality of brightness value sections in the closed region image.
  • the at least one processor may visualize the distribution of the first subregion corresponding to the first brightness value section in the lung region image on the first window, and the distribution of the second subregion corresponding to the second brightness value section can be visualized on the second window.
  • the at least one processor may visualize a distribution of a first subregion corresponding to a first brightness value section in the lung area image, and calculate a distribution of a second subregion corresponding to a second brightness value section in the first subregion. It can be visualized by overlaying it over the distribution of small regions.
  • the at least one processor may provide a user menu for resetting or adding the plurality of brightness value sections.
  • An apparatus for supporting medical image reading is an apparatus supporting reading of a chest medical image
  • the apparatus for supporting medical image reading includes a computing system
  • the computing system includes at least one processor.
  • the at least one processor segments an airway and a blood vessel from a medical image including the lungs, and from the medical image, blood in the lung region image excluding the airway and the blood vessel. and segmentation of a first region corresponding to a set first brightness value interval including at least one or more of a thrombus, and visualizes the distribution of the first region in the lung region image.
  • the first brightness value section may be set to correspond to blood.
  • the first brightness value section may be set to correspond to a thrombus.
  • the at least one processor segments a second region corresponding to a second brightness value section set corresponding to blood in the lung region image, and the first region and the second region in the lung region image
  • the distribution of the first region and the distribution of the second region may be visualized to be distinguished.
  • the at least one processor segments a third region corresponding to a third brightness value section set corresponding to a ground glass opacity (GGO) in the lung region image, and performs segmentation in the lung region image.
  • GGO ground glass opacity
  • the distribution of the first area and the distribution of the third area may be visualized so that the first area and the third area are divided.
  • the at least one processor may threshold the first region based on the first brightness value interval in the closed region image.
  • the at least one processor may quantify a distribution of the first region in the image of the lung region, and whether or not a lung disease is present in the image of the lung region and a cause of the lung disease based on the quantification information of the distribution of the first region It is possible to generate read support information for
  • a method for supporting medical image reading is a method executed by a medical image reading supporting apparatus supporting the reading of a chest medical image, wherein the medical image reading supporting apparatus includes a computing system, wherein the computing system includes at least one or more processors, wherein the method for supporting medical image reading is performed by program instructions executed by the one or more processors.
  • a method for supporting medical image reading includes: segmenting an airway and a blood vessel from a medical image including the lungs; generating an image of a lung region excluding the airway and the blood vessel from the medical image; segmenting a subregion corresponding to each of a plurality of intensity values divided and set based on at least one of a tissue property and a state in the lung region image; and visualizing the distribution of the small region corresponding to each of the plurality of brightness value sections in the lung region image.
  • a method for supporting medical image reading includes: segmenting an airway and a blood vessel from a medical image including the lungs; generating an image of a lung region excluding the airway and the blood vessel from the medical image; segmenting a first region corresponding to a first brightness value section set including at least one of blood and thrombus in the lung region image; and visualizing the distribution of the first region in the lung region image.
  • a chest medical image reading support technology that can detect symptoms of lung disease as well as provide additional information on the cause of lung disease.
  • various factors in the lung region can be detected and provided to medical staff with information on symptoms of lung disease. Based on the state of the tissue in the lung area and/or the properties of the tissue, various intensity values are set and the intensity values are visualized by the medical staff to check the symptoms of lung disease, and then to various factors that cause the We can also assist you in obtaining additional information.
  • a user menu may be provided to reset or add a brightness value section of a clinical tissue based on the updated clinical knowledge.
  • a platform that provides reading support information on the causes of various lung diseases to users along with information on symptoms of lung diseases.
  • the present invention it is possible to quantify the distribution of a specific brightness value region for a specific cause of lung disease.
  • reading assistance information on whether or not a lung disease and a specific cause of a lung disease are generated, and reading assistance information may be provided to a user.
  • FIG. 1 is a diagram illustrating a medical image reading support apparatus supporting chest medical image reading according to an embodiment of the present invention.
  • FIG. 2 is a diagram illustrating a main process of a sub-module of a program instruction set executed in an apparatus for supporting medical image reading according to an embodiment of the present invention and a method for supporting medical image reading executed accordingly.
  • FIG. 3 is a diagram illustrating a main process of a sub-module of a program instruction set executed in an apparatus for supporting medical image reading according to an embodiment of the present invention and a method for supporting medical image reading executed accordingly.
  • FIG. 4 is a diagram illustrating an embodiment of a plurality of brightness value sections based on characteristics and states of a plurality of clinical tissues applied in an apparatus for supporting medical image reading according to an embodiment of the present invention.
  • FIG. 5 is a diagram illustrating an example of a lung region image of a general patient to which a plurality of brightness value sections are applied according to another embodiment of the present invention.
  • FIG. 6 to 9 are diagrams illustrating examples of images of a lung region of a pneumonia patient to which a plurality of brightness value sections of FIG. 5 of the present invention is applied.
  • the present invention is a configuration derived to achieve the above object, and an apparatus for supporting medical image reading according to an embodiment of the present invention is an apparatus that supports reading of a chest medical image, and supports reading of a medical image.
  • the apparatus includes a computing system, the computing system including at least one or more processors.
  • the at least one processor divides an airway and a blood vessel from a medical image including the lungs, and the properties of the tissue in the image of the lung region excluding the airway and the blood vessel from the medical image, and segmentation of a small region corresponding to each of a plurality of intensity values divided and set based on at least one or more of the states, and corresponding to each of the plurality of intensity values in the closed region image. Visualize the distribution of the subregions.
  • the plurality of brightness value sections may be set based on at least one of clinically differentiated tissue properties and states.
  • the at least one processor may threshold the small region based on each of the plurality of brightness value sections in the closed region image.
  • the at least one processor may visualize the distribution of the first subregion corresponding to the first brightness value section in the lung region image on the first window, and the distribution of the second subregion corresponding to the second brightness value section can be visualized on the second window.
  • the at least one processor may visualize a distribution of a first subregion corresponding to a first brightness value section in the lung area image, and calculate a distribution of a second subregion corresponding to a second brightness value section in the first subregion. It can be visualized by overlaying it over the distribution of small regions.
  • the at least one processor may provide a user menu for resetting or adding the plurality of brightness value sections.
  • An apparatus for supporting medical image reading is an apparatus supporting reading of a chest medical image
  • the apparatus for supporting medical image reading includes a computing system
  • the computing system includes at least one processor.
  • the at least one processor segments an airway and a blood vessel from a medical image including the lungs, and from the medical image, blood in the lung region image excluding the airway and the blood vessel. and segmentation of a first region corresponding to a set first brightness value interval including at least one or more of a thrombus, and visualizes the distribution of the first region in the lung region image.
  • the first brightness value section may be set to correspond to blood.
  • the first brightness value section may be set to correspond to a thrombus.
  • the at least one processor segments a second region corresponding to a second brightness value section set corresponding to blood in the lung region image, and the first region and the second region in the lung region image
  • the distribution of the first region and the distribution of the second region may be visualized to be distinguished.
  • the at least one processor segments a third region corresponding to a third brightness value section set corresponding to a ground glass opacity (GGO) in the lung region image, and performs segmentation in the lung region image.
  • GGO ground glass opacity
  • the distribution of the first area and the distribution of the third area may be visualized so that the first area and the third area are divided.
  • the at least one processor may threshold the first region based on the first brightness value interval in the closed region image.
  • the at least one processor may quantify a distribution of the first region in the image of the lung region, and whether or not a lung disease is present in the image of the lung region and a cause of the lung disease based on the quantification information of the distribution of the first region It is possible to generate read support information for
  • a method for supporting medical image reading is a method executed by a medical image reading supporting apparatus supporting the reading of a chest medical image, wherein the medical image reading supporting apparatus includes a computing system, wherein the computing system includes at least one or more processors, wherein the method for supporting medical image reading is performed by program instructions executed by the one or more processors.
  • a method for supporting medical image reading includes: segmenting an airway and a blood vessel from a medical image including the lungs; generating an image of a lung region excluding the airway and the blood vessel from the medical image; segmenting a subregion corresponding to each of a plurality of intensity values divided and set based on at least one of a tissue property and a state in the lung region image; and visualizing the distribution of the small region corresponding to each of the plurality of brightness value sections in the lung region image.
  • a method for supporting medical image reading includes: segmenting an airway and a blood vessel from a medical image including the lungs; generating an image of a lung region excluding the airway and the blood vessel from the medical image; segmenting a first region corresponding to a first brightness value section set including at least one of blood and thrombus in the lung region image; and visualizing the distribution of the first region in the lung region image.
  • the deep learning/CNN-based artificial neural network technology When applied to the image field, the deep learning/CNN-based artificial neural network technology, which has recently developed rapidly, is being considered for the purpose of distinguishing visual elements that are difficult to distinguish with the human eye.
  • the field of application of these technologies is expected to expand to various fields such as security, medical imaging, and non-destructive testing.
  • cancer is not immediately determined in a biopsy state among cancerous tissues, but cancer is determined only after follow-up monitoring from a pathology point of view.
  • it is difficult for the human eye to confirm whether the cell is cancer from a medical image there is hope that artificial neural network technology will be applied to obtain more accurate prediction results than human eye observation.
  • the present invention provides a configuration for visualizing various analysis techniques to which such artificial neural network technology and/or computer aided diagnosis (CAD) technology is applied in the most appropriate form that can be read by a human expert. reading) support system.
  • CAD computer aided diagnosis
  • Korean Patent Application Laid-Open No. KR 10-2019-0090986 System and method for supporting medical image reading of chest
  • Korean Patent Publication KR 10-2020-0046507 Method for providing information for diagnosing lung fibrosis and computing device for pulmonary fibrosis diagnosis
  • Some or all of the configuration of ", and Korean Patent Registration KR 10-1587719 Medical image analysis apparatus and method for distinguishing pulmonary nodules and pulmonary blood vessels thereof” are adopted by the present invention within the range related to the problems to be solved by the present invention. It can be applied to the present invention as part of the solution.
  • Pneumonia is an inflammatory condition of the lungs that primarily affects small air sacs known as alveoli. Symptoms usually include a combination of dry cough, chest pain, fever, and difficulty breathing. The severity of symptoms is highly variable.
  • Pneumonia is usually caused by a viral or bacterial infection and can less commonly be caused by conditions such as other microorganisms, certain drugs, or autoimmune diseases.
  • Risk factors may include cystic fibrosis, chronic obstructive pulmonary disease (COPD), sickle cell disease, asthma, diabetes, heart failure, a history of smoking, lack of ability to cough (after a stroke) and weakened immune system.
  • COPD chronic obstructive pulmonary disease
  • Diagnosis is often based on symptoms and physical examination, and treatment depends on the underlying cause. For example, pneumonia caused by bacteria is treated with antibiotics. In severe cases of pneumonia, the infected person is usually hospitalized, and oxygen therapy may be used if oxygen levels are low.
  • a CT image of the chest, blood tests, and a culture of sputum can help confirm the diagnosis.
  • New true direct measured, non-extrapolated 3D volumetric CT imaging biomarkers are more specific in differentiating the cause of pneumonia and can quantify other components of the disease.
  • various disease components infiltration (such as GGO), consolidation, fluids, interstitial congestion, leaky/exudative pleural fluid (transudate), exudate pleural fluid (exudate), blood) , thrombus, embolus, fibrous organization and fibrosing tissue
  • GGO global information gate potential
  • thrombus thrombus
  • embolus embolus
  • fibrous organization and fibrosing tissue can be quantified and expressed in ml or as a percentage within the total lung volume.
  • These biomarker values are indicative of the diagnosis, stage and prognosis of the disease.
  • CT image biomarkers are applicable as thresholds for hospital admissions, emergency room (IC) treatment, and active ventilation. In addition, these CT image
  • pneumonia affects approximately 450 million people worldwide (7% of the population) and causes approximately 4 million deaths. Although the introduction of antibiotics and vaccines in the 20th century has significantly improved survival rates, pneumonia remains a leading cause of death in the very elderly, young, and chronically ill in developing countries.
  • various intensity values (intensity) sections are set based on the state of the tissue inside the lung region and/or tissue properties in the chest CT image, and a plurality of intensity value sections are visualized to enable medical staff to diagnose lung disease.
  • intensity values intensity
  • the technique for setting a brightness value section based on a specific tissue, a specific state of the tissue, and a property of a specific tissue which is proposed in the embodiment of the present invention, is not a new matter to be differentiated from the prior art in itself, but clinical information resulting from clinical research
  • a configuration in which an update of , optimization of a medical image diagnosis apparatus (modality), and/or a threshold value of each brightness value section by medical image analysis is optimized or updated is newly proposed in the present invention.
  • An embodiment of the present invention newly proposes a visualization technique to set a plurality of brightness value sections based on a specific tissue, a specific state of the tissue, and the properties of a specific tissue and to easily compare the plurality of brightness value sections.
  • the embodiment of the invention is a new technology that is differentiated from the prior art.
  • the setting of the plurality of brightness value sections proposed in the embodiment of the present invention and the combination of the plurality of brightness value sections for visualization may be updated and optimized due to the update of clinical information due to clinical research.
  • FIG. 1 is a diagram illustrating a medical image reading support apparatus supporting chest medical image reading according to an embodiment of the present invention.
  • an apparatus for supporting medical image reading includes a computing system 100 , and the computing system 100 includes at least one processor 110 .
  • the computing system 100 may further include an intensity interval information database 120 .
  • At least one processor 110 receives the medical image 140 via the communication module 130 , and performs image processing on the medical image 140 in cooperation with the brightness value interval information database 120 , As a result of image processing on the image 140 , the reading support information 150 may be generated.
  • the medical image 140 may be acquired by the imaging apparatus (modality) 172 or transmitted from a database 174 external to the computing system 100 .
  • the external database 174 may be implemented by including at least one of a medical image, record, and/or information database of a hospital such as PACS, EMR, and HIS.
  • the communication module 130 may transmit the visualization information 152 to be provided to the user by a user interface (not shown) to the user interface based on the reading assistance information 150 .
  • the user interface may include a display, and may further include a well-known input means through which a user may input a command, such as a touch screen, a keyboard, a keypad, and a mouse.
  • the read support information 150 may include information that visualizes the distribution of small regions corresponding to a brightness value section, which is a core idea of the present invention, which will be described later.
  • the reading assistance information 150 includes information generated by targeting a general user interface, and the communication module 130 provides the reading assistance information 150 to the user based on the specifications of the user interface, the size of the screen, the resolution, the color providing ability, and the like.
  • Visualization information 152 optimized for the interface may be generated.
  • the visualization information 152 and the reading assistance information 150 are distinguished has been disclosed, but in another embodiment of the present invention, the visualization information 152 matches the reading assistance information 150 , and the user It will be apparent to those skilled in the art that the at least one processor 110 may generate the reading assistance information 150 and the visualization information 152 optimized for the user interface in consideration of the interface specification.
  • FIG. 2 is a diagram illustrating a main process of a sub-module of a program instruction set executed in an apparatus for supporting medical image reading according to an embodiment of the present invention and a method for supporting medical image reading executed accordingly.
  • the sub-modules 210 , 220 , 230 , and 240 of the program instruction set perform a given function.
  • the logical order of operations of the sub-modules 210 , 220 , 230 , and 240 may be understood as a logical order of operations of the method for supporting medical image reading according to an embodiment of the present invention.
  • the logical order of operations of the sub-modules 210 , 220 , 230 , and 240 of FIG. 2 may be understood as an operation flowchart of a method for supporting medical image reading.
  • At least one processor 110 divides an airway and a blood vessel in the medical image 140 including the lung (segmentation) 210 .
  • At least one processor 110 generates a lung region image by excluding the airway and blood vessels from the medical image 140 (operation 220 ).
  • the blood vessels that are divided and excluded through image processing of the medical image 140 are blood vessels having a significant size that can be recognized even with the naked eye. Fine blood vessels for exchanging oxygen in the lung region do not appear in the segmentation 210 process, and may be included without being excluded from the lung region image.
  • the distribution of blood and/or thrombus in these microscopic blood vessels can be used as reference information to identify and diagnose pneumonia caused by COVID-19 and make a decision, as will be described later.
  • At least one processor 110 divides a small region corresponding to an intensity section in the lung region image (segmentation 230).
  • Information of a plurality of brightness value sections may be referenced from the brightness value section information database 120 .
  • the information of the plurality of brightness value sections may be set separately based on at least one of a tissue property and a state. Examples of information of a plurality of brightness value sections will be specifically disclosed in the embodiments of FIGS. 4 to 9 to be described later.
  • the at least one processor 110 may visualize the distribution of the small region corresponding to each of the plurality of brightness value sections in the lung region image ( 240 ). In this case, the distribution of the small region may be visualized by being overlaid on the medical image 140 . Information on the visualization of the distribution of the small region may be generated as the read assistance information 150 by the at least one processor 110 .
  • At least one processor 110 may threshold the small region based on each of a plurality of brightness value sections in the closed region image. That is, the segmentation of the small region may be specifically thresholding based on the brightness value section.
  • the plurality of brightness value sections may be set based on at least one of clinically differentiated tissue properties and states. For example, if subdividing the properties of a tissue to diagnose a specific disease and/or the cause of the disease has clinical significance, the tissue that was previously critically processed as a single section may be critically processed as a subdivided section. .
  • the blood/thrombus brightness value section which was conventionally thresholded as one section, may be divided into a blood brightness value section and a thrombus brightness value section to identify pneumonia symptoms caused by COVID-19, and thresholded.
  • adipose tissue brightness value interval and liver glass shade brightness value interval are respectively set,
  • the adipose tissue region and the liver glass shaded region may each be thresholded.
  • the at least one processor 110 may visualize the distribution of the first subregion corresponding to the first brightness value section in the lung region image on the first window, and in the second brightness value section A distribution of the corresponding second small region may be visualized on the second window. That is, different brightness value sections may be visualized on individual images.
  • the individual images may be expressed so that the user/medical staff can easily compare the distribution of the first brightness value section with the distribution of the second brightness value section by providing the same view.
  • the individual images may be visualized to provide different views to the user/medical staff so that they can intuitively compare the distribution between the distribution of the first brightness value section and the distribution of the second brightness value section.
  • the at least one processor 110 may visualize the distribution of the first subregion corresponding to the first brightness value section in the lung area image, and the second brightness value section corresponding to the second brightness value section.
  • the distribution of the two subregions may be visualized by overlaying the distribution of the first subregions.
  • the distribution of the first subregion and the distribution of the second subregion may be overlaid and visualized on one view of the medical image 140 .
  • the priority at which the brightness value section and the small area are to be displayed may be preset and stored in the brightness value section information database 120 . Priority may be predetermined based on clinical importance and/or user preference. The priority may mean a priority displayed on the top for easy identification with the naked eye.
  • At least one processor 110 may provide a user menu for resetting or adding a plurality of brightness value sections. For example, when clinical knowledge is updated, a user menu for resetting or adding a brightness value section based on clinical importance may be provided. For example, it may be assumed that one of the symptoms of pneumonia caused by COVID-19 is that clinical knowledge that the distribution of blood clots increases in the lung area or throughout the body is updated.
  • An apparatus for supporting medical image reading is a combination of at least one processor 110 and a brightness value interval information database 120 to provide a clinically meaningful tissue type, property, and/or state based on It helps to distinguish each area.
  • Each divided area may be referred to as information supporting medical image reading, diagnosis, and decision making by medical staff.
  • the brightness value section information stored in the section information database 120 is a means for additionally providing clinically meaningful information about the cause of a specific disease as well as the symptoms of a specific disease, and includes the section information database 120 and at least one
  • the above processor 110 may function as a platform used to diagnose symptoms and causes for each disease.
  • the brightness value section setting in the section information database 120 of the platform may be updated.
  • An update by a user or an update by an administrator of the database 120 is possible.
  • priority information of the existing brightness value sections may be updated, and related information between the existing brightness value sections and a specific disease may be updated.
  • FIG. 3 is a diagram illustrating a main process of a sub-module of a program instruction set executed in an apparatus for supporting medical image reading according to an embodiment of the present invention and a method for supporting medical image reading executed accordingly.
  • the sub-modules 310, 320, 330, and 340 of the program instruction set perform a given function.
  • the logical order of operations of the sub-modules 310 , 320 , 330 , and 340 may be understood as a logical order of operations of the method for supporting medical image reading according to an embodiment of the present invention.
  • the logical order of operations of the sub-modules 310 , 320 , 330 , and 340 of FIG. 3 may be understood as an operation flowchart of a method for supporting medical image reading.
  • At least one processor 110 divides an airway and a blood vessel in the medical image 140 including the lung (segmentation) 310 .
  • At least one processor 110 generates a lung region image by excluding airways and blood vessels from the medical image 140 (operation 320).
  • At least one processor 110 segments a first region including a blood vessel and/or a thrombus in the lung region image (segmentation) 330 .
  • Information on the brightness value interval for blood vessels and/or thrombi may be referenced from the brightness value interval information database 120 .
  • At least one processor 110 may visualize the distribution of the first region in the lung region image ( 340 ).
  • the distribution of the first region may be visualized by being overlaid on the medical image 140 .
  • Information on the visualization of the distribution of the first region may be generated as read assistance information 150 by the at least one processor 110 .
  • At least one processor 110 may threshold the first region based on a first brightness value interval within the closed region image. That is, the segmentation of the first region may be specifically thresholding based on the first brightness value section.
  • the first brightness value section may be set to correspond to blood.
  • the first brightness value interval may be set to correspond to a thrombus.
  • the at least one processor 110 segments a second area corresponding to a second brightness value section set to correspond to blood in the lung area image, and the lung area
  • the distribution of the first area and the distribution of the second area may be visualized so that the first area and the second area are distinguished in the image.
  • the read support information 150 may include information on visualization of the distribution of the first area and the distribution of the second area.
  • At least one processor 110 divides a third region corresponding to a third brightness value section set in response to a ground glass opacity (GGO) in the lung region image, and performs segmentation in the lung region image.
  • the distribution of the first region and the distribution of the third region may be visualized so that the first region and the third region are distinguished.
  • the read support information 150 may include information on visualization of the distribution of the first area and the distribution of the third area.
  • the at least one processor 110 may quantify the distribution of the first region in the lung region image, and based on the quantification information of the distribution of the first region, lung disease for the lung region image. It is possible to generate reading support information 150 about whether or not and the cause of lung disease. That is, the reading assistance information 150 may include not only visualization information of the distribution of the first region, but also a report based on quantification and/or statistics on the distribution of the first region. Such reports can support the diagnosis and decision-making of medical staff. For example, quantification and/or statistical information that medical staff can refer to regarding the possibility that the pneumonia symptom appearing in the medical image 140 is pneumonia caused by COVID-19 may be provided as a report together with the visualization information 152 .
  • liver glass shading is an index indicating pneumonia symptoms
  • the distribution of blood clots can be understood as an index indicating the likelihood that the pneumonia symptoms are pneumonia caused by COVID-19. That is, when the distribution of liver glass shadows and the distribution of blood clots are visualized and statistically processed together, this information can be used as information to diagnose pneumonia caused by COVID-19.
  • FIG. 4 is a diagram illustrating an embodiment of a plurality of brightness value sections based on characteristics and states of a plurality of clinical tissues applied in an apparatus for supporting medical image reading according to an embodiment of the present invention.
  • the setting of a plurality of brightness value sections shown in FIG. 4 is an embodiment of the present invention, and a threshold value is determined by updating clinical information due to clinical research, optimizing a medical imaging apparatus (modality), and/or analyzing a medical image. ) based on the optimization, setting of a plurality of brightness value sections may be optimized or updated.
  • Emphysema, aerated lung parenchyma / ventilated functional tissue, etc. are designated as separate brightness value sections, and can be visualized by being divided into separate areas.
  • the distribution of emphysema can be used as an indicator of chronic obstructive pulmonary disease (COPD) symptoms, and Aerated lung parenchyma / Ventilated functional tissue is a tissue that normally performs lung function. ) is considered.
  • COPD chronic obstructive pulmonary disease
  • Ground glass opacity refers to local nodular pulmonary infiltration, and is generally defined as a nodule with well-demarcated borders of bronchus or blood vessels. Diffuse alveolar damage (DAD) and liver glass shading (GGO) are generally treated as shading (OP, Opacity), and the distribution of shading (OP) is considered as an indicator showing symptoms of pneumonia.
  • Each brightness value section is set for adipose tissue (FAT), lymphoid tissue/lymphedema, leaky/exudative pleural fluid (TRANSUDATE fluids), and EXUDATE fluids, and a small region corresponding to each brightness value section is critical. can be processed and visualized.
  • FAT adipose tissue
  • TRANSUDATE fluids leaky/exudative pleural fluid
  • EXUDATE fluids EXUDATE fluids
  • a brightness value section for a lung consolidation region may be set, and the lung consolidation region may be separately thresholded.
  • Pulmonary consolidation generally refers to a condition in which the lungs are hardened by replacing the air in the alveoli with liquid or cells. It can be seen on an air bronchogram. It also refers to a case in which the increase in shade is so high that the pulmonary blood vessels within the lesion cannot be distinguished on the CT image.
  • a separate brightness value interval may be set based on the state of , and a small area corresponding to each brightness value interval may be thresholded.
  • An embodiment of the present invention can detect various factors inside the lung region and provide the medical staff with information on symptoms of lung disease.
  • the medical staff confirms the symptoms of lung disease by setting various intensity intervals and visualizing the brightness value intervals based on the state of the tissue in the lung area and/or the properties of the tissues, the It can also support to obtain additional information about various factors that cause it.
  • lung disease caused by COVID-19 may have different aspects from general bacterial lung disease.
  • An embodiment of the present invention can identify and visualize additional information on this aspect within the lung region, and provide the medical staff with information on symptoms of lung disease.
  • the medical staff reads the chest medical image by considering various factors for the cause of the symptoms of lung disease, and an embodiment of the present invention supports the medical staff in reading the chest medical image.
  • Embodiments of the present invention provide information on symptoms of lung disease and additional information for estimating the cause of symptoms to support medical staff in reading, diagnosing, and making decisions about chest medical images.
  • An embodiment of the present invention can support rapid and accurate decision-making by medical staff by visualizing additional information that can distinguish between a lung disease caused by COVID-19 and a general bacterial lung disease in particular.
  • An embodiment of the present invention provides a user menu to reset or add a brightness value section of a clinical tissue based on the updated clinical knowledge when clinical knowledge about the cause of lung disease is updated, It is possible to implement a platform that provides reading support information about the cause to the user along with information about the symptoms of lung disease.
  • An embodiment of the present invention quantifies the distribution of a specific brightness value region for a specific cause of lung disease, and generates reading support information on whether or not a lung disease and a specific cause of a lung disease based on the distribution of a specific brightness value region, Reading assistance information may be provided to the user.
  • FIG. 5 is a diagram illustrating an example of a lung region image of a general patient to which a plurality of brightness value sections are applied according to another embodiment of the present invention.
  • FIG. 5 an example in which a brightness value interval setting different from that of FIG. 4 is applied is disclosed.
  • the brightness value interval setting may be optimized or updated based on the update of clinical information due to clinical research, the optimization of the medical imaging apparatus (modality), and/or the threshold optimization by the medical image analysis. same.
  • the reading support information ( 150) can be created.
  • the brightness value section information displayed together in relation to the distribution of the small region may be displayed including the range of the brightness value and the clinical meaning/name of the brightness value section information.
  • quantified measurement values and/or statistics for each sub-region corresponding to each brightness value section may be displayed.
  • the measurements and/or statistics may include the volume of the subregion, and/or the proportion that the subregion occupies in the total lung area.
  • FIG. 5 shows an image of the lung region of a subject in relatively good condition, and it can be seen that the proportion of the shaded (OP) region is 0.7%, and the proportion of the thrombus is less than 0.1%.
  • the subject in FIG. 5 is a relatively mild pneumonia, not pneumonia due to COVID-19 is shown.
  • FIG. 6 is a view showing an example of an image of a lung region of a patient with pneumonia to which a plurality of brightness value sections of FIG. 5 (each brightness value section is assigned a clinical meaning/name/importance) according to an embodiment of the present invention; to be.
  • FIG. 6 shows an embodiment in which each brightness value section is visualized in an individual window (a region corresponding to a brightness value section in an image is divided or thresholded).
  • the brightness value range, clinical meaning/name/importance of the brightness value section area, and quantified measurement values/statistics for each brightness value section area are presented for each brightness value section (specific upper/lower limits of CT intensity are displayed together).
  • the subject of FIG. 6 is suffering from severe pneumonia symptoms than the subject of FIG. 5 .
  • the occupancy of the shaded OP area is 2.3%.
  • the occupancy of the thrombus area is 0.2%, it can be seen that the probability of pneumonia caused by COVID-19 is higher than that of the subject in FIG. 5 because it exceeds 10% of the shaded (OP) area.
  • FIG. 7 is a diagram illustrating an example of an image of a lung region of a pneumonia patient to which a plurality of brightness value sections of FIG. 5 are applied according to an embodiment of the present invention.
  • FIG. 7 a visualization embodiment of an image of a lung region of a patient with pneumonia caused by COVID-19 is shown.
  • the region of each brightness value section is visualized in a separate window, and separate quantified measurement values/statistics for the entire lung, left lung, and right lung are presented for each brightness value section region.
  • the pneumonia patient of FIG. 7 is suffering from severe pneumonia than the subjects of FIGS. 5 and 6, and the probability of pneumonia due to COVID-19 is much higher.
  • the left lung has a higher share of the shaded area and the thrombus area than the right lung, and the symptoms of pneumonia and COVID-19 are severe in the left lung.
  • FIG. 8 is a diagram illustrating an example of an image of a lung region of a pneumonia patient to which a plurality of brightness value sections of FIG. 5 are applied according to an embodiment of the present invention.
  • FIG. 8 a visualization embodiment of an image of a lung region of a patient with pneumonia caused by COVID-19 is shown.
  • 8 shows an embodiment in which a plurality of brightness value section regions are overlaid and visualized on one window.
  • the combination of the brightness value section areas overlaid on one window may be predefined according to the type of the diagnosis target disease or may be selected by the user.
  • the brightness value range, clinical name/description, and separate quantified measurement values/statistics for each brightness value section area are presented.
  • FIG. 9 is a diagram illustrating an example of an image of a lung region of a pneumonia patient to which a plurality of brightness value sections of FIG. 5 are applied according to an embodiment of the present invention.
  • FIG. 9 a visualization embodiment of an image of a lung region of a patient with pneumonia caused by COVID-19 is shown.
  • 9 shows an embodiment in which a plurality of brightness value section regions are overlaid and visualized on one window.
  • the combination of the brightness value section areas overlaid on one window may be predefined according to the type of the diagnosis target disease or may be selected by the user.
  • the brightness value range, clinical name/description, and separate quantified measurement values/statistics for each brightness value section are presented.
  • the brightness value section area overlaid on one window may be preset in consideration of clinical significance. In this case, regions with a high degree of overlap may be displayed on one window, and conversely, regions with a low degree of overlap with each other may be displayed on one window. Also, the areas of the brightness value sections that are overlaid on one window are visualized based on a predetermined priority. The combination of the brightness value interval regions overlaid on one window and priority information between the brightness value interval regions may be updated or optimized based on the various causes described above.
  • the method according to an embodiment of the present invention may be implemented in the form of program instructions that can be executed through various computer means and recorded in a computer-readable medium.
  • the computer-readable medium may include program instructions, data files, data structures, etc. alone or in combination.
  • the program instructions recorded on the medium may be specially designed and configured for the present invention, or may be known and available to those skilled in the art of computer software.
  • Examples of the computer-readable recording medium include magnetic media such as hard disks, floppy disks and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic such as floppy disks.
  • - includes magneto-optical media, and hardware devices specially configured to store and execute program instructions, such as ROM, RAM, flash memory, and the like.
  • Examples of program instructions include not only machine language codes such as those generated by a compiler, but also high-level language codes that can be executed by a computer using an interpreter or the like.
  • the hardware devices described above may be configured to operate as one or more software modules to perform the operations of the present invention, and vice versa.
  • An apparatus that includes a computing system and supports reading of a chest medical image.
  • An apparatus includes a computing system, wherein the computing system includes at least one processor.
  • the at least one processor is configured to segment an airway and a blood vessel from a medical image including the lung, and a tissue property in an image of a lung region excluding the airway and the blood vessel from the medical image, and segmentation of a small region corresponding to each of a plurality of intensity values divided and set based on at least one or more of states, and the plurality of intensity value sections corresponding to each of the plurality of intensity value sections in the closed region image Visualize the distribution of subregions.

Landscapes

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

Abstract

컴퓨팅 시스템을 포함하며, 흉부 의료 영상의 판독을 지원하는 장치가 개시된다. 본 발명의 일 실시예에 따른 장치는 컴퓨팅 시스템을 포함하며 상기 컴퓨팅 시스템은 적어도 하나 이상의 프로세서를 포함한다. 상기 적어도 하나 이상의 프로세서는 폐를 포함하는 의료 영상으로부터 기도(airway)와 혈관(blood vessel)을 분할하고(segmentation), 상기 의료 영상으로부터 상기 기도와 상기 혈관을 제외한 폐 영역 영상에서 조직의 성질, 및 상태 중 적어도 하나 이상에 기반하여 구분되어 설정되는 복수의 밝기값(intensity) 구간 각각에 대응하는 소영역을 분할하고(segmentation), 상기 폐 영역 영상 내에서 상기 복수의 밝기값 구간 각각에 대응하는 상기 소영역의 분포를 시각화한다.

Description

흉부 의료 영상 판독 지원 장치 및 방법
본 발명은 의료 영상 판독 지원 장치 및 방법에 관한 것이다. 구체적으로는 의료진이 흉부 의료 영상을 효과적으로 판독할 수 있도록 지원하기 위하여 의료 영상의 분석 결과를 시각화하는 장치(컴퓨팅 시스템) 및 그 장치에서 실행되는 소프트웨어에 관한 것이다.
현재, 병변을 분석함으로써 진단에 이용하기 위하여 CT(computed tomography; 전산화 단층 촬영) 등의 의료 영상이 널리 이용되고 있다. 예를 들어, 흉부 CT 영상은 신체의 내부, 예컨대, 폐, 기관지, 심장 등의 이상을 관찰할 수 있어 판독용으로 빈번히 이용된다.
흉부 CT 영상을 통하여 판독될 수 있는 몇몇 소견들은 영상의학과 의사도 다년 간의 수련을 통하여야만 그 특징 및 형태를 구분해낼 수 있을 정도로 그 판독이 용이하지 않아 인간인 의사가 쉽게 간과할 수 있다. 특히, 폐결절(lung nodule)과 같이 그 판독의 난이도가 높으면 의사가 고도의 주의를 기울여도 미처 보지 못하고 넘어가는 경우가 발생할 수 있어 문제가 될 소지가 있다.
이 같이 인간이 쉽게 간과할 수 있는 영상의 판독을 보조하기 위하여, 컴퓨터 보조 진단(CAD; computer aided diagnosis)의 필요성이 대두되었는데, 종래의 CAD 기술은 매우 한정된 영역에서 의사의 판단을 보조함에 그친다.
예를 들어, 한국공개특허 KR 10-2019-0090986 "흉부 의료 영상 판독 지원 시스템 및 방법"에서는 흉부 의료 영상(chest medical image), 특히 흉부 CT 영상(chest CT image)에서 명도의 분포에 기반하여 폐 영역을 분할하고(segmentation), 분할된 폐 영역 내에서 병변을 검출한다.
일반적으로 CT 영상에서 인체 장기 및 조직의 특성 상 CT 영상의 밝기값(intensity)이 변화하므로, 유사한 밝기값을 가지는 영역을 분할하여 정상 조직 및 병변을 식별하는 것은 당업자에게 자명한 기술이다.
이러한 의료 영상 진단 분야에서 폐 영역에서 간유리 음영(GGO, ground glass opacity)을 검출하는 과제가 매우 중요하며, 간유리 음영은 국소적 결절성 폐 침윤을 의미하며, 일반적으로는 기관지, 또는 혈관의 경계가 잘 그려지는 결절로 정의된다. 상기 한국공개특허 KR 10-2019-0090986에서는 인공지능을 이용하여 GGO를 잘 찾을 수 있도록 명도 또는 밝기값(intensity)의 threshold를 adaptive하게 적용하는 개념이 개시된다.
또 다른 선행문헌으로 한국공개특허 KR 10-2020-0046507 "폐 섬유화 진단을 위한 정보제공 방법 및 폐 섬유화 진단 컴퓨팅 장치"에서는 폐조직의 섬유화 진단을 위하여 의료 영상 내의 환자 폐의 정상 조직의 말단지점을 탐색하여 병변 조직의 공간적 분포를 분석한다. 즉, 한국공개특허 KR 10-2020-0046507은 의료 영상의 밝기값에 기반하되 공간적 분포를 고려하여 폐 섬유화 진단을 지원하는 기술을 개시한다.
또 다른 선행문헌인 한국등록특허 KR 10-1587719 "의료 영상 분석 장치 및 이의 폐결절과 폐혈관 구분 방법"에서는 흉부 의료 영상에서 경계가 잘 그려지는 둥근 모양의 음영인 GGO를 검출하는 것을 목적으로 하며, 단순히 밝기값(intensity)만으로 GGO를 검출하는 데에 그치지 않고, 검출된 객체의 이동성을 고려하여 폐결절과 폐혈관을 구분하는 기술을 개시한다.
다만 이러한 선행문헌들은 폐 영역을 포함하는 의료 영상에서 CT 밝기값을 이용하여 GGO 후보를 검출하고, 이후에 GGO 후보의 공간적 분포, 또는 객체의 이동성 등의 지표를 고려하여 폐질환을 진단하므로, 결과적으로는 폐질환의 증상에 대한 정보만을 제공하고, 폐질환의 원인에 대한 부가적인 정보를 제공하기 어렵다.
최근 COVID-19와 같은 바이러스성 폐질환, 또는 세균성 폐질환 등 다양한 원인에 의하여 폐질환이 초래될 수 있음이 알려져 있다. 따라서 폐질환의 증상을 검출할 뿐 아니라 폐질환의 원인에 대한 부가정보를 제공할 수 있는 흉부 의료 영상 판독(chest medical image reading) 지원 기술에 대한 요구가 증대되고 있다.
상기 선행문헌들은 폐 영역을 포함하는 의료 영상에서 CT 밝기값을 이용하여 GGO 후보를 검출하고, 이후에 GGO 후보의 공간적 분포, 또는 객체의 이동성 등의 지표를 고려하여 폐질환을 진단하므로, 결과적으로는 폐질환의 증상에 대한 정보만을 제공하고, 폐질환의 원인에 대한 부가적인 정보를 제공하기 어렵다.
본 발명은 폐 영역 내부의 다양한 인자를 검출하여 의료진에게 폐질환 증상 정보와 함께 제공하는 것을 목적으로 한다. 즉, 폐 영역 내부의 조직의 상태, 및/또는 조직의 성질에 기반하여 다양한 밝기값(intensity) 구간을 설정하고 밝기값 구간을 시각화함으로써 의료진이 폐질환의 증상을 확인한 후, 그 원인이 되는 다양한 요인에 대해서도 부가적인 정보를 얻을 수 있도록 지원하는 것을 목적으로 한다.
예를 들어 COVID-19에 의한 폐질환은 일반적인 세균성 폐질환과 다른 양상을 가질 수 있는데, 이러한 양상에 대한 부가적인 정보를 폐 영역 내부에서 식별하여 시각화하고 폐질환 증상 정보와 함께 의료진에게 제공함으로써 의료진은 폐질환 증상의 원인에 대하여 다양한 요인을 고려할 수 있도록 흉부 의료 영상의 판독을 지원할 수 있다.
최근의 COVID-19 등의 유행에 따라 폐질환의 증상이 유사하더라도 그 원인이 다르면 치료 방법과 투여할 약제의 종류가 전혀 달라져야 함이 의료진에게 인지되었으나, 종래의 의료 영상 판독 지원 기술은 폐질환의 증상에 대한 정보만을 제공하므로, 의료진의 진단 및 의사 결정을 지원하기 어려웠다. 본 발명은 폐질환의 증상에 대한 정보, 및 증상의 원인을 추정할 수 있는 부가 정보를 함께 제공하여 의료진의 진단 및 의사 결정을 지원할 수 있는 흉부 의료 영상 판독 지원 기술을 제공하는 것을 목적으로 한다.
본 발명은 특히 COVID-19에 의한 폐질환과 일반적인 세균성 폐질환을 구분할 수 있는 부가 정보를 시각화하여 의료진의 신속하고 정확한 의사 결정을 지원할 수 있는 흉부 의료 영상 판독 지원 기술을 제공하는 것을 목적으로 한다.
본 발명은 폐질환의 원인에 대한 임상적인 지식이 업데이트되는 경우 업데이트된 임상적 지식에 기반한 임상 조직의 밝기값 구간을 재설정하거나 또는 추가할 수 있도록 사용자 메뉴를 제공하며, 다양한 폐질환의 원인에 대한 판독 지원 정보를 폐질환의 증상에 대한 정보와 함께 사용자에게 제공하는 플랫폼을 구현하는 것을 목적으로 한다.
본 발명은 폐질환의 특정한 원인에 대한 특정 밝기값 영역의 분포를 정량화하고, 특정 밝기값 영역의 분포에 기반하여 폐질환 여부, 및 폐질환의 특정한 원인에 대한 판독 지원 정보를 생성하고 판독 지원 정보를 사용자에게 제공하는 것을 목적으로 한다.
본 발명은 상기의 목적을 달성하기 위하여 도출된 구성으로서, 본 발명의 일 실시예에 따른 의료 영상 판독(medical image reading) 지원 장치는 흉부 의료 영상의 판독을 지원하는 장치이고, 상기 의료 영상 판독 지원 장치는 컴퓨팅 시스템을 포함하며 상기 컴퓨팅 시스템은 적어도 하나 이상의 프로세서를 포함한다. 이때 상기 적어도 하나 이상의 프로세서는 폐를 포함하는 의료 영상으로부터 기도(airway)와 혈관(blood vessel)을 분할하고(segmentation), 상기 의료 영상으로부터 상기 기도와 상기 혈관을 제외한 폐 영역 영상에서 조직의 성질, 및 상태 중 적어도 하나 이상에 기반하여 구분되어 설정되는 복수의 밝기값(intensity) 구간 각각에 대응하는 소영역을 분할하고(segmentation), 상기 폐 영역 영상 내에서 상기 복수의 밝기값 구간 각각에 대응하는 상기 소영역의 분포를 시각화한다.
상기 복수의 밝기값 구간은 임상적으로 구분되는 조직의 성질, 및 상태 중 적어도 하나 이상에 기반하여 설정될 수 있다.
상기 적어도 하나 이상의 프로세서는 상기 폐 영역 영상 내에서 상기 복수의 밝기값 구간 각각에 기반하여 상기 소영역을 임계처리(thresholding)할 수 있다.
상기 적어도 하나 이상의 프로세서는 상기 폐 영역 영상 내에서 제1 밝기값 구간에 대응하는 제1 소영역의 분포를 제1 윈도우 상에서 시각화할 수 있고, 제2 밝기값 구간에 대응하는 제2 소영역의 분포를 제2 윈도우 상에서 시각화할 수 있다.
상기 적어도 하나 이상의 프로세서는 상기 폐 영역 영상 내에서 제1 밝기값 구간에 대응하는 제1 소영역의 분포를 시각화할 수 있고, 제2 밝기값 구간에 대응하는 제2 소영역의 분포를 상기 제1 소영역의 분포 위에 오버레이함으로써 시각화할 수 있다.
상기 적어도 하나 이상의 프로세서는 상기 복수의 밝기값 구간을 재설정하거나 또는 추가할 수 있는 사용자 메뉴를 제공할 수 있다.
본 발명의 일 실시예에 따른 의료 영상 판독 지원 장치는 장치는 흉부 의료 영상의 판독을 지원하는 장치이고, 상기 의료 영상 판독 지원 장치는 컴퓨팅 시스템을 포함하며 상기 컴퓨팅 시스템은 적어도 하나 이상의 프로세서를 포함한다. 이때 상기 적어도 하나 이상의 프로세서는 폐를 포함하는 의료 영상으로부터 기도(airway)와 혈관(blood vessel)을 분할하고(segmentation), 상기 의료 영상으로부터 상기 기도와 상기 혈관을 제외한 폐 영역 영상에서 혈액(blood) 및 혈전(thrombus) 중 적어도 하나 이상을 포함하여 설정되는 제1 밝기값 구간에 대응하는 제1 영역을 분할하고(segmentation), 상기 폐 영역 영상에서 상기 제1 영역의 분포를 시각화한다.
상기 제1 밝기값 구간은 혈액(blood)에 대응하여 설정될 수 있다.
상기 제1 밝기값 구간은 혈전(thrombus)에 대응하여 설정될 수 있다.
상기 적어도 하나 이상의 프로세서는 상기 폐 영역 영상에서 혈액에 대응하여 설정되는 제2 밝기값 구간에 대응하는 제2 영역을 분할하고(segmentation), 상기 폐 영역 영상에서 상기 제1 영역과 상기 제2 영역이 구분되도록 상기 제1 영역의 분포와 상기 제2 영역의 분포를 시각화할 수 있다.
상기 적어도 하나 이상의 프로세서는 상기 폐 영역 영상에서 간유리 음영(GGO, ground glass opacity)에 대응하여 설정되는 제3 밝기값 구간에 대응하는 제3 영역을 분할하고(segmentation), 상기 폐 영역 영상에서 상기 제1 영역과 상기 제3 영역이 구분되도록 상기 제1 영역의 분포와 상기 제3 영역의 분포를 시각화할 수 있다.
상기 적어도 하나 이상의 프로세서는 상기 폐 영역 영상 내에서 상기 제1 밝기값 구간에 기반하여 상기 제1 영역을 임계처리(thresholding)할 수 있다.
상기 적어도 하나 이상의 프로세서는 상기 폐 영역 영상 내의 상기 제1 영역의 분포를 정량화할 수 있고, 상기 제1 영역의 분포의 정량화 정보에 기반하여 상기 폐 영역 영상에 대한 폐질환 여부, 및 폐질환의 원인에 대한 판독 지원 정보를 생성할 수 있다.
본 발명의 일 실시예에 따른 의료 영상 판독 지원 방법은 흉부 의료 영상의 판독을 지원하는 의료 영상 판독 지원 장치에서 실행되는 방법이고, 상기 의료 영상 판독 지원 장치는 컴퓨팅 시스템을 포함하며 상기 컴퓨팅 시스템은 적어도 하나 이상의 프로세서를 포함하고, 상기 의료 영상 판독 지원 방법은 상기 적어도 하나 이상의 프로세서에 의하여 실행되는 프로그램 인스트럭션에 의하여 수행된다.
본 발명의 일 실시예에 따른 의료 영상 판독 지원 방법은 폐를 포함하는 의료 영상으로부터 기도(airway)와 혈관(blood vessel)을 분할하는(segmentation) 단계; 상기 의료 영상으로부터 상기 기도와 상기 혈관을 제외한 폐 영역 영상을 생성하는 단계; 상기 폐 영역 영상에서 조직의 성질, 및 상태 중 적어도 하나 이상에 기반하여 구분되어 설정되는 복수의 밝기값(intensity) 구간 각각에 대응하는 소영역을 분할하는(segmentation) 단계; 및 상기 폐 영역 영상 내에서 상기 복수의 밝기값 구간 각각에 대응하는 상기 소영역의 분포를 시각화하는 단계를 포함한다.
본 발명의 일 실시예에 따른 의료 영상 판독 지원 방법은 폐를 포함하는 의료 영상으로부터 기도(airway)와 혈관(blood vessel)을 분할하는(segmentation) 단계; 상기 의료 영상으로부터 상기 기도와 상기 혈관을 제외한 폐 영역 영상을 생성하는 단계; 상기 폐 영역 영상에서 혈액(blood) 및 혈전(thrombus) 중 적어도 하나 이상을 포함하여 설정되는 제1 밝기값 구간에 대응하는 제1 영역을 분할하는(segmentation) 단계; 및 상기 폐 영역 영상에서 상기 제1 영역의 분포를 시각화하는 단계를 포함한다.
본 발명에 따르면 폐질환의 증상을 검출할 뿐 아니라 폐질환의 원인에 대한 부가정보를 제공할 수 있는 흉부 의료 영상 판독 지원 기술을 구현할 수 있다.
본 발명에 따르면 폐 영역 내부의 다양한 인자를 검출하여 의료진에게 폐질환 증상 정보와 함께 제공할 수 있다. 폐 영역 내부의 조직의 상태, 및/또는 조직의 성질에 기반하여 다양한 밝기값(intensity) 구간을 설정하고 밝기값 구간을 시각화함으로써 의료진이 폐질환의 증상을 확인한 후, 그 원인이 되는 다양한 요인에 대해서도 부가적인 정보를 얻을 수 있도록 지원할 수 있다.
본 발명에 따르면 COVID-19에 의한 폐질환과 일반적인 세균성 폐질환을 구분할 수 있는 부가 정보를 시각화하여 의료진의 신속하고 정확한 의사 결정을 지원할 수 있다.
본 발명에 따르면 폐질환의 원인에 대한 임상적인 지식이 업데이트되는 경우 업데이트된 임상적 지식에 기반한 임상 조직의 밝기값 구간을 재설정하거나 또는 추가할 수 있도록 사용자 메뉴를 제공할 수 있다. 또한 다양한 폐질환의 원인에 대한 판독 지원 정보를 폐질환의 증상에 대한 정보와 함께 사용자에게 제공하는 플랫폼을 구현할 수 있다.
본 발명에 따르면 폐질환의 특정한 원인에 대한 특정 밝기값 영역의 분포를 정량화할 수 있다. 또한 특정 밝기값 영역의 분포에 기반하여 폐질환 여부, 및 폐질환의 특정한 원인에 대한 판독 지원 정보를 생성하고 판독 지원 정보를 사용자에게 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 흉부 의료 영상 판독을 지원하는 의료 영상 판독 지원 장치를 도시하는 도면이다.
도 2는 본 발명의 일 실시예에 따른 의료 영상 판독 지원 장치에서 실행되는 프로그램 인스트럭션 셋의 서브 모듈 및 그에 따라 실행되는 의료 영상 판독 지원 방법의 주요 과정을 도시하는 도면이다.
도 3은 본 발명의 일 실시예에 따른 의료 영상 판독 지원 장치에서 실행되는 프로그램 인스트럭션 셋의 서브 모듈 및 그에 따라 실행되는 의료 영상 판독 지원 방법의 주요 과정을 도시하는 도면이다.
도 4는 본 발명의 일 실시예에 따른 의료 영상 판독 지원 장치에서 적용되는 복수의 임상 조직의 특성 및 상태에 기반한 복수의 밝기값 구간의 일 실시예를 도시하는 도면이다.
도 5는 본 발명의 또 다른 일 실시예에 따른 복수의 밝기값 구간이 적용된 일반 환자의 폐 영역 영상의 예시를 도시하는 도면이다.
도 6 내지 도 9는 본 발명의 도 5의 복수의 밝기값 구간이 적용된 폐렴 환자의 폐 영역 영상의 예시를 도시하는 도면이다.
본 발명은 상기의 목적을 달성하기 위하여 도출된 구성으로서, 본 발명의 일 실시예에 따른 의료 영상 판독(medical image reading) 지원 장치는 흉부 의료 영상의 판독을 지원하는 장치이고, 상기 의료 영상 판독 지원 장치는 컴퓨팅 시스템을 포함하며 상기 컴퓨팅 시스템은 적어도 하나 이상의 프로세서를 포함한다. 이때 상기 적어도 하나 이상의 프로세서는 폐를 포함하는 의료 영상으로부터 기도(airway)와 혈관(blood vessel)을 분할하고(segmentation), 상기 의료 영상으로부터 상기 기도와 상기 혈관을 제외한 폐 영역 영상에서 조직의 성질, 및 상태 중 적어도 하나 이상에 기반하여 구분되어 설정되는 복수의 밝기값(intensity) 구간 각각에 대응하는 소영역을 분할하고(segmentation), 상기 폐 영역 영상 내에서 상기 복수의 밝기값 구간 각각에 대응하는 상기 소영역의 분포를 시각화한다.
상기 복수의 밝기값 구간은 임상적으로 구분되는 조직의 성질, 및 상태 중 적어도 하나 이상에 기반하여 설정될 수 있다.
상기 적어도 하나 이상의 프로세서는 상기 폐 영역 영상 내에서 상기 복수의 밝기값 구간 각각에 기반하여 상기 소영역을 임계처리(thresholding)할 수 있다.
상기 적어도 하나 이상의 프로세서는 상기 폐 영역 영상 내에서 제1 밝기값 구간에 대응하는 제1 소영역의 분포를 제1 윈도우 상에서 시각화할 수 있고, 제2 밝기값 구간에 대응하는 제2 소영역의 분포를 제2 윈도우 상에서 시각화할 수 있다.
상기 적어도 하나 이상의 프로세서는 상기 폐 영역 영상 내에서 제1 밝기값 구간에 대응하는 제1 소영역의 분포를 시각화할 수 있고, 제2 밝기값 구간에 대응하는 제2 소영역의 분포를 상기 제1 소영역의 분포 위에 오버레이함으로써 시각화할 수 있다.
상기 적어도 하나 이상의 프로세서는 상기 복수의 밝기값 구간을 재설정하거나 또는 추가할 수 있는 사용자 메뉴를 제공할 수 있다.
본 발명의 일 실시예에 따른 의료 영상 판독 지원 장치는 장치는 흉부 의료 영상의 판독을 지원하는 장치이고, 상기 의료 영상 판독 지원 장치는 컴퓨팅 시스템을 포함하며 상기 컴퓨팅 시스템은 적어도 하나 이상의 프로세서를 포함한다. 이때 상기 적어도 하나 이상의 프로세서는 폐를 포함하는 의료 영상으로부터 기도(airway)와 혈관(blood vessel)을 분할하고(segmentation), 상기 의료 영상으로부터 상기 기도와 상기 혈관을 제외한 폐 영역 영상에서 혈액(blood) 및 혈전(thrombus) 중 적어도 하나 이상을 포함하여 설정되는 제1 밝기값 구간에 대응하는 제1 영역을 분할하고(segmentation), 상기 폐 영역 영상에서 상기 제1 영역의 분포를 시각화한다.
상기 제1 밝기값 구간은 혈액(blood)에 대응하여 설정될 수 있다.
상기 제1 밝기값 구간은 혈전(thrombus)에 대응하여 설정될 수 있다.
상기 적어도 하나 이상의 프로세서는 상기 폐 영역 영상에서 혈액에 대응하여 설정되는 제2 밝기값 구간에 대응하는 제2 영역을 분할하고(segmentation), 상기 폐 영역 영상에서 상기 제1 영역과 상기 제2 영역이 구분되도록 상기 제1 영역의 분포와 상기 제2 영역의 분포를 시각화할 수 있다.
상기 적어도 하나 이상의 프로세서는 상기 폐 영역 영상에서 간유리 음영(GGO, ground glass opacity)에 대응하여 설정되는 제3 밝기값 구간에 대응하는 제3 영역을 분할하고(segmentation), 상기 폐 영역 영상에서 상기 제1 영역과 상기 제3 영역이 구분되도록 상기 제1 영역의 분포와 상기 제3 영역의 분포를 시각화할 수 있다.
상기 적어도 하나 이상의 프로세서는 상기 폐 영역 영상 내에서 상기 제1 밝기값 구간에 기반하여 상기 제1 영역을 임계처리(thresholding)할 수 있다.
상기 적어도 하나 이상의 프로세서는 상기 폐 영역 영상 내의 상기 제1 영역의 분포를 정량화할 수 있고, 상기 제1 영역의 분포의 정량화 정보에 기반하여 상기 폐 영역 영상에 대한 폐질환 여부, 및 폐질환의 원인에 대한 판독 지원 정보를 생성할 수 있다.
본 발명의 일 실시예에 따른 의료 영상 판독 지원 방법은 흉부 의료 영상의 판독을 지원하는 의료 영상 판독 지원 장치에서 실행되는 방법이고, 상기 의료 영상 판독 지원 장치는 컴퓨팅 시스템을 포함하며 상기 컴퓨팅 시스템은 적어도 하나 이상의 프로세서를 포함하고, 상기 의료 영상 판독 지원 방법은 상기 적어도 하나 이상의 프로세서에 의하여 실행되는 프로그램 인스트럭션에 의하여 수행된다.
본 발명의 일 실시예에 따른 의료 영상 판독 지원 방법은 폐를 포함하는 의료 영상으로부터 기도(airway)와 혈관(blood vessel)을 분할하는(segmentation) 단계; 상기 의료 영상으로부터 상기 기도와 상기 혈관을 제외한 폐 영역 영상을 생성하는 단계; 상기 폐 영역 영상에서 조직의 성질, 및 상태 중 적어도 하나 이상에 기반하여 구분되어 설정되는 복수의 밝기값(intensity) 구간 각각에 대응하는 소영역을 분할하는(segmentation) 단계; 및 상기 폐 영역 영상 내에서 상기 복수의 밝기값 구간 각각에 대응하는 상기 소영역의 분포를 시각화하는 단계를 포함한다.
본 발명의 일 실시예에 따른 의료 영상 판독 지원 방법은 폐를 포함하는 의료 영상으로부터 기도(airway)와 혈관(blood vessel)을 분할하는(segmentation) 단계; 상기 의료 영상으로부터 상기 기도와 상기 혈관을 제외한 폐 영역 영상을 생성하는 단계; 상기 폐 영역 영상에서 혈액(blood) 및 혈전(thrombus) 중 적어도 하나 이상을 포함하여 설정되는 제1 밝기값 구간에 대응하는 제1 영역을 분할하는(segmentation) 단계; 및 상기 폐 영역 영상에서 상기 제1 영역의 분포를 시각화하는 단계를 포함한다.
상기 목적 외에 본 발명의 다른 목적 및 특징들은 첨부 도면을 참조한 실시예에 대한 설명을 통하여 명백히 드러나게 될 것이다.
본 발명의 바람직한 실시예를 첨부된 도면들을 참조하여 상세히 설명한다. 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.
최근 급속히 발전한 딥러닝/CNN 기반 인공 신경망 기술은 영상 분야에 적용할 경우, 인간의 육안으로 구분하기 어려운 시각적 요소를 구분하는 용도로 고려되고 있다. 이러한 기술의 적용 분야는 보안, 의료 영상, 비파괴 검사 등 다양한 분야로 확대될 가능성이 기대되고 있다.
예를 들어 의료 영상 분야에서, 암 조직 중 생검(biopsy) 상태에서 즉시 암으로 판정되지 않고, 병리학적(pathology) 관점에서 추적 모니터링된 이후에 비로소 암인지 여부가 판정되는 경우가 있다. 인간의 육안으로는 의료 영상에서 해당 세포가 암인지 여부를 확진하기 어려우나, 인공 신경망 기술을 적용할 경우 인간의 육안으로 관찰하는 것보다 더 정확한 예측 결과를 얻을 수 있을 것이라는 기대가 있다.
이러한 인공 신경망 기술이 적용되어 의료 영상 내에서 인간의 육안으로 식별하기 어려운 질환이나 병변을 검출하고, 특정 조직 등 관심 영역을 분할하며(segmentation), 분할된 영역에 대한 측정 등 분석 과정을 수행할 수 있을 것으로 기대된다.
본 발명은 이러한 인공 신경망 기술 및/또는 컴퓨터 보조 진단(CAD, computer aided diagnosis) 기술이 적용된 다양한 분석 기술을 인간 전문가가 판독할 수 있는 가장 적절한 형태로 시각화하는 구성을 제공하는 의료 영상 판독(medical image reading) 지원 시스템에 관한 것이다.
앞서 언급한 종래기술들인 한국공개특허 KR 10-2019-0090986 "흉부 의료 영상 판독 지원 시스템 및 방법", 한국공개특허 KR 10-2020-0046507 "폐 섬유화 진단을 위한 정보제공 방법 및 폐 섬유화 진단 컴퓨팅 장치", 및 한국등록특허 KR 10-1587719 "의료 영상 분석 장치 및 이의 폐결절과 폐혈관 구분 방법" 등의 구성의 일부 또는 전부는 본 발명이 해결하고자 하는 문제점과 관련되는 범위 내에서 본 발명이 채택하는 해결 수단 중 일부로서 본 발명에 적용될 수 있다.
즉, 상기 종래기술들의 구성의 일부 또는 전부는 본 발명을 구체화하기 위하여 본 발명에도 공통적으로 포함될 수 있으며, 종래기술들의 구성의 일부 또는 전부가 본 발명에 공통적으로 포함되는 사항에 한하여 본 발명의 구성의 일부로서 간주될 것이다. 이하에서는 본 발명의 주된 적용 대상인 폐질환, 특히 폐렴(pneumonia)에 대한 진단 기술 및 그 필요성에 대하여 본 발명의 목적에 부합하는 범위 내에서 개시한다.
폐렴(Pneumonia)은 폐의 염증 상태로 폐포(alveoli)로 알려진 작은 공기 주머니에 주로 영향을 미친다. 증상에는 일반적으로 마른 기침, 흉통, 열 및 호흡 곤란의 조합이 포함된다. 증상의 중한 정도는 매우 가변적이다.
폐렴은 일반적으로 바이러스 또는 박테리아에 감염되고 다른 미생물, 특정 약물 또는 자가 면역 질환과 같은 상태에 의해서도 덜 일반적으로 발생할 수 있다. 낭포성 섬유증, 만성 폐쇄성 폐질환 (COPD), 겸상 적혈구 질환, 천식, 당뇨병, 심부전, 흡연 병력, 기침 능력 부족 (뇌졸중 후) 및 면역 체계 약화 등의 위험 요인이 있을 수 있다. 진단은 종종 증상과 신체 검사를 기반으로 하며 치료는 근본 원인에 따라 달라진다. 예를 들어, 박테리아로 인한 폐렴은 항생제로 치료된다. 폐렴이 심하면 감염된 사람은 일반적으로 입원하며, 산소 레벨이 낮은 경우 산소 요법이 사용될 수 있다.
흉부 CT 영상, 혈액 검사 및 가래(객담) 배양(culture of sputum)은 진단을 확인하는 데 도움이 될 수 있다. 직접 측정된 새로운 징후(New true direct measured), 비 외삽 3D 부피 CT 이미징 바이오 마커는 폐렴의 원인을 차별화하는 데 더 구체적이며 질병의 다른 구성 요소를 정량화할 수 있다. 또한 다양한 질병 성분(침투 (GGO와 같은), 경화(consolidation), 체액(fluids), 간질 막 혼잡(interstitial congestion), 누출성/여출성 흉수(transudate), 삼출성 흉수(exudate), 혈액(blood), 혈전(thrombus), 색전(embolus), 섬유질의 조직화 및 섬유화(organizing and fibrosing tissue))에 대한 부피를 정량화하여 ml 단위 또는 전체 폐 용적 내의 백분율로 나타낼 수 있다. 이러한 바이오 마커 값은 질병의 진단, 단계 및 예후의 지표이다. CT 이미지 바이오 마커는 병원 입원, 응급실(IC) 치료 및 능동 환기(active ventilation)에 대한 임계 값으로 적용 가능하다. 또한 이러한 CT 영상 바이오 마커가 퇴원 여부를 결정하는 데에 이용될 수 있다.
매년 폐렴은 전 세계 약 4억 5천만 명 (인구의 7%)에게 영향을 미치며 약 4백만 명의 사망자가 발생하고 있다. 20 세기에 항생제와 백신이 도입되면서 생존율이 크게 향상되었음에도 불구하고, 개발 도상국에서는 매우 연로하거나, 매우 어리거나, 만성적 질환을 겪고 있는 사람들에게는 폐렴은 주요 사망 원인으로 남아 있다.
앞에서 언급한 바와 같이, 일반적으로 CT 영상에서 인체 장기 및 조직의 종류에 따라서 CT 영상의 밝기값(intensity)이 변화하므로, 유사한 밝기값을 가지는 영역을 분할하여 정상 조직 및 병변을 식별하는 것은 당업자에게 자명한 기술이다.
본 발명의 실시예는 흉부 CT 영상에서 폐 영역 내부의 조직의 상태, 및/또는 조직의 성질에 기반하여 다양한 밝기값(intensity) 구간을 설정하고 복수의 밝기값 구간을 시각화하여 의료진이 폐질환의 증상을 확인한 후, 그 원인이 되는 다양한 요인에 대해서도 부가적인 정보를 얻을 수 있도록 지원하는 기술을 개시한다.
본 발명의 실시예에서 제안되는 특정한 조직, 조직의 특정한 상태, 특정한 조직의 성질에 기반하여 밝기값 구간을 설정하는 기술은 그 자체로서는 종래 기술과 차별화되는 새로운 사항은 아니지만, 임상 연구로 인한 임상 정보의 업데이트, 의료 영상 진단 장치(모달리티)의 최적화, 및/또는 의료 영상 분석에 의한 각 밝기값 구간의 임계치(threshold)가 최적화 또는 업데이트되는 구성은 본 발명에서 새롭게 제안되는 것이다.
본 발명의 실시예는 특정한 조직, 조직의 특정한 상태, 특정한 조직의 성질에 기반하여 복수의 밝기값 구간을 설정하고 복수의 밝기값 구간을 용이하게 비교할 수 있도록 시각화하는 기술을 새롭게 제안하며, 이러한 본 발명의 실시예는 종래 기술과 차별화되는 새로운 기술이다.
본 발명의 실시예에서 제안되는 복수의 밝기값 구간의 설정과 시각화를 위한 복수의 밝기값 구간의 조합은 임상 연구로 인한 임상 정보의 업데이트에 기인하여 업데이트되고 최적화될 수 있다.
도 1은 본 발명의 일 실시예에 따른 흉부 의료 영상 판독을 지원하는 의료 영상 판독 지원 장치를 도시하는 도면이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 의료 영상 판독 지원 장치는 컴퓨팅 시스템(100)을 포함하며 상기 컴퓨팅 시스템(100)은 적어도 하나 이상의 프로세서(110)를 포함한다. 컴퓨팅 시스템(100)은 밝기값(intensity) 구간 정보 데이터베이스(120)를 더 포함할 수 있다. 적어도 하나 이상의 프로세서(110)는 의료 영상(140)을 통신 모듈(130)을 경유하여 수신하고, 밝기값 구간 정보 데이터베이스(120)와 협력하여 의료 영상(140)에 대한 영상 처리를 수행하며, 의료 영상(140)에 대한 영상 처리의 결과로 판독 지원 정보(150)를 생성할 수 있다.
의료 영상(140)은 영상 진단 장치(모달리티)(172)에 의하여 획득되거나(acquired), 컴퓨팅 시스템(100)의 외부의 데이터베이스(174)로부터 전송될 수 있다. 외부 데이터베이스(174)는 PACS, EMR, HIS 등 병원의 의료 영상, 기록, 및/또는 정보 데이터베이스 중 적어도 하나 이상을 포함하여 구현될 수 있다.
통신 모듈(130)은 판독 지원 정보(150)에 기반하여 사용자 인터페이스(도시되지 않음)에 의하여 사용자에게 제공될 시각화 정보(152)를 사용자 인터페이스로 전송할 수 있다. 사용자 인터페이스는 디스플레이를 포함할 수 있으며, 터치 스크린, 키보드, 키패드, 마우스 등 사용자가 명령을 입력할 수 있는 공지의 입력 수단을 더 포함할 수 있다.
판독 지원 정보(150)는 후술할 본 발명의 핵심 사상인 밝기값 구간에 대응하는 소영역들의 분포를 시각화한 정보를 포함할 수 있다. 판독 지원 정보(150)가 일반적인 사용자 인터페이스를 타겟으로 생성된 정보를 포함하고 통신 모듈(130)은 사용자 인터페이스의 사양, 화면의 크기, 해상도, 색상 제공 능력 등에 기반하여 판독 지원 정보(150)가 사용자 인터페이스에 대하여 최적화된 시각화 정보(152)를 생성할 수 있다.
도 1의 실시예에서는 시각화 정보(152)와 판독 지원 정보(150)가 구분되는 실시예가 개시되었으나, 본 발명의 다른 실시예에서는 시각화 정보(152)가 판독 지원 정보(150)와 일치하고, 사용자 인터페이스의 사양을 고려하여 사용자 인터페이스에 최적화된 판독 지원 정보(150) 및 시각화 정보(152)를 적어도 하나 이상의 프로세서(110)가 생성할 수도 있음은 당업자에게 자명한 사실일 것이다.
도 2는 본 발명의 일 실시예에 따른 의료 영상 판독 지원 장치에서 실행되는 프로그램 인스트럭션 셋의 서브 모듈 및 그에 따라 실행되는 의료 영상 판독 지원 방법의 주요 과정을 도시하는 도면이다. 프로그램 인스트럭션 셋의 서브 모듈(210, 220, 230, 240)은 주어진 기능을 수행한다. 서브 모듈들(210, 220, 230, 240)의 동작의 논리적 순서는 본 발명의 일 실시예에 따른 의료 영상 판독 지원 방법의 동작의 논리적 순서로 이해될 수도 있다. 도 2의 서브 모듈들(210, 220, 230, 240)의 동작의 논리적 순서가 의료 영상 판독 지원 방법의 동작 흐름도처럼 이해될 수도 있다.
도 1 및 도 2를 함께 참조하면, 적어도 하나 이상의 프로세서(110)는 폐를 포함하는 의료 영상(140) 내에서 기도(airway)와 혈관(blood vessel)을 분할한다(segmentation)(210).
적어도 하나 이상의 프로세서(110)는 의료 영상(140)으로부터 기도와 혈관을 제외함으로써 폐 영역 영상을 생성한다(220). 이때 의료 영상(140)의 영상 처리를 통하여 분할되고 제외되는 혈관은 인간의 육안으로도 식별되는 정도의 상당한 크기를 가지는 혈관이다. 폐 영역에서 산소를 교환하는 미세한 혈관은 분할(210) 과정에서 나타나지 않으며, 폐 영역 영상에서도 제외되지 않고 포함될 수 있다. 이러한 미세한 혈관 내의 혈액 및/또는 혈전의 분포는 후술하는 것처럼 COVID-19에 기인한 폐렴을 식별 및 진단하고 의사결정하는 데에 참고 정보로서 이용될 수 있다.
적어도 하나 이상의 프로세서(110)는 폐 영역 영상 내에서 밝기값(intensity) 구간에 대응하는 소영역을 분할한다(segmentation)(230). 복수의 밝기값 구간의 정보는 밝기값 구간 정보 데이터베이스(120)로부터 참조될 수 있다. 복수의 밝기값 구간의 정보는 조직의 성질, 및 상태 중 적어도 하나 이상에 기반하여 구분되어 설정될 수 있다. 복수의 밝기값 구간의 정보의 예시는 후술할 도 4 내지 도 9의 실시예에서 구체적으로 개시될 것이다.
적어도 하나 이상의 프로세서(110)는 폐 영역 영상 내에서 복수의 밝기값 구간 각각에 대응하는 소영역의 분포를 시각화할 수 있다(240). 이때 소영역의 분포는 의료 영상(140)에 오버레이됨으로써 시각화될 수 있다. 소영역의 분포의 시각화에 대한 정보가 적어도 하나 이상의 프로세서(110)에 의하여 판독 지원 정보(150)로서 생성될 수 있다.
적어도 하나 이상의 프로세서(110)는 폐 영역 영상 내에서 복수의 밝기값 구간 각각에 기반하여 소영역을 임계처리(thresholding)할 수 있다. 즉, 소영역의 분할(segmentation)은 구체적으로는 밝기값 구간에 기반한 임계처리(thresholding)일 수 있다.
복수의 밝기값 구간은 임상적으로 구분되는 조직의 성질, 및 상태 중 적어도 하나 이상에 기반하여 설정될 수 있다. 예를 들어, 특정한 질환 및/또는 질환의 원인을 진단하기 위해서 조직의 성질을 세분화하는 것이 임상적인 의미를 가진다면, 기존에는 하나의 구간으로서 임계처리되던 조직이 세분화된 구간으로서 임계처리될 수 있다. 예를 들어, 종래에는 하나의 구간으로서 임계처리되던 혈액/혈전 밝기값 구간이 COVID-19에 기인한 폐렴 증상을 식별하기 위하여 혈액 밝기값 구간과 혈전 밝기값 구간으로 구분되어 임계처리될 수 있다. 또는 폐렴의 다른 원인을 식별하기 위하여 지방(FAT) 조직의 분포가 간유리 음영(GGO)의 분포와 함께 시각화될 필요가 있는 경우 지방 조직 밝기값 구간과 간유리 음영 밝기값 구간 각각이 설정되고, 지방 조직 영역과 간유리 음영 영역이 각각 임계처리될 수 있다.
본 발명의 일 실시예에서는 적어도 하나 이상의 프로세서(110)는 폐 영역 영상 내에서 제1 밝기값 구간에 대응하는 제1 소영역의 분포를 제1 윈도우 상에서 시각화할 수 있고, 제2 밝기값 구간에 대응하는 제2 소영역의 분포를 제2 윈도우 상에서 시각화할 수 있다. 즉, 서로 다른 밝기값 구간은 개별적인 영상 상에서 시각화될 수 있다. 이때 개별적인 영상은 동일한 뷰를 제공하여 사용자/의료진이 제1 밝기값 구간의 분포와 제2 밝기값 구간의 분포를 비교하기 용이하도록 표현될 수 있다. 다른 실시예에서는 개별적인 영상은 서로 다른 뷰를 제공하여 사용자/의료진에게 제1 밝기값 구간의 분포와 제2 밝기값 구간의 분포 간의 직관적으로 비교할 수 있도록 시각화될 수 있다.
본 발명의 다른 일 실시예에서는 적어도 하나 이상의 프로세서(110)는 폐 영역 영상 내에서 제1 밝기값 구간에 대응하는 제1 소영역의 분포를 시각화할 수 있고, 제2 밝기값 구간에 대응하는 제2 소영역의 분포를 상기 제1 소영역의 분포 위에 오버레이함으로써 시각화할 수 있다. 이때에는 의료 영상(140)의 하나의 뷰 상에 제1 소영역의 분포와 제2 소영역의 분포가 오버레이되어 시각화될 수 있다. 이때 밝기값 구간 및 소영역이 표시될 우선 순위는 미리 지정되어 밝기값 구간 정보 데이터베이스(120) 상에 저장될 수 있다. 우선 순위는 임상적인 중요도, 및/또는 사용자 선호도에 기반하여 미리 지정될 수 있다. 우선 순위는 육안으로 식별하기 쉽도록 상위에 표시되는 순위를 의미할 수 있다.
다시 도 1을 참조하면, 적어도 하나 이상의 프로세서(110)는 복수의 밝기값 구간을 재설정하거나 또는 추가할 수 있는 사용자 메뉴를 제공할 수 있다. 예를 들어, 임상적인 지식이 업데이트된 경우 임상적인 중요도에 기반하여 밝기값 구간을 재설정하거나 또는 추가할 수 있는 사용자 메뉴가 제공될 수 있다. 예를 들어, COVID-19에 기인한 폐렴 증상의 하나로 폐 영역 또는 인체 전반에서 혈전의 분포가 증가한다는 임상적인 지식 등이 업데이트되는 경우를 가정할 수 있다.
본 발명의 일 실시예에 따른 의료 영상 판독 지원 장치는 적어도 하나 이상의 프로세서(110) 및 밝기값 구간 정보 데이터베이스(120)가 결합되어 임상적인 의미를 가지는 조직의 종류, 성질, 및/또는 상태에 기반한 각 영역을 구분할 수 있도록 지원한다. 구분된 각 영역은 의료진의 의료 영상 판독(medical image reading), 진단(diagnosis), 의사결정(decision)을 지원하는 정보로서 참조될 수 있다. 구간 정보 데이터베이스(120)에 저장된 밝기값 구간 정보는 특정한 질환의 증상 뿐만 아니라 특정한 질환의 원인에 대한 임상적으로 유의미한 정보를 부가적으로 제공할 수 있는 수단이며, 구간 정보 데이터베이스(120) 및 적어도 하나 이상의 프로세서(110)는 질환 별로 증상과 원인을 진단하는 데에 이용되는 플랫폼으로서 기능할 수 있다.
임상적인 지식이 업데이트되는 경우 플랫폼의 구간 정보 데이터베이스(120) 내의 밝기값 구간 설정이 업데이트될 수 있다. 사용자에 의한 업데이트 또는 데이터베이스(120)의 관리자에 의한 업데이트가 가능하다. 또한 복수의 밝기값 구간이 재설정되거나 추가되지 않더라도, 기존의 밝기값 구간의 우선 순위 정보가 업데이트될 수 있으며, 기존의 밝기값 구간과 특정 질환과의 관련성 정보가 업데이트될 수 있다.
도 3은 본 발명의 일 실시예에 따른 의료 영상 판독 지원 장치에서 실행되는 프로그램 인스트럭션 셋의 서브 모듈 및 그에 따라 실행되는 의료 영상 판독 지원 방법의 주요 과정을 도시하는 도면이다. 프로그램 인스트럭션 셋의 서브 모듈(310, 320, 330, 340)은 주어진 기능을 수행한다. 서브 모듈들(310, 320, 330, 340)의 동작의 논리적 순서는 본 발명의 일 실시예에 따른 의료 영상 판독 지원 방법의 동작의 논리적 순서로 이해될 수도 있다. 도 3의 서브 모듈들(310, 320, 330, 340)의 동작의 논리적 순서가 의료 영상 판독 지원 방법의 동작 흐름도처럼 이해될 수도 있다.
도 1 및 도 3을 함께 참조하면, 적어도 하나 이상의 프로세서(110)는 폐를 포함하는 의료 영상(140) 내에서 기도(airway)와 혈관(blood vessel)을 분할한다(segmentation)(310).
적어도 하나 이상의 프로세서(110)는 의료 영상(140)으로부터 기도와 혈관을 제외함으로써 폐 영역 영상을 생성한다(320).
적어도 하나 이상의 프로세서(110)는 폐 영역 영상 내에서 혈관(blood) 및/또는 혈전(thrombus)을 포함하는 제1 영역을 분할한다(segmentation)(330). 혈관 및/또는 혈전에 대한 밝기값 구간의 정보는 밝기값 구간 정보 데이터베이스(120)로부터 참조될 수 있다.
적어도 하나 이상의 프로세서(110)는 폐 영역 영상에서 제1 영역의 분포를 시각화할 수 있다(340). 이때 제1 영역의 분포는 의료 영상(140)에 오버레이됨으로써 시각화될 수 있다. 제1 영역의 분포의 시각화에 대한 정보가 적어도 하나 이상의 프로세서(110)에 의하여 판독 지원 정보(150)로서 생성될 수 있다.
적어도 하나 이상의 프로세서(110)는 폐 영역 영상 내에서 제1 밝기값 구간에 기반하여 상기 제1 영역을 임계처리(thresholding)할 수 있다. 즉, 제1 영역의 분할(segmentation)은 구체적으로는 제1 밝기값 구간에 기반한 임계처리(thresholding)일 수 있다.
일 실시예에서는, 제1 밝기값 구간은 혈액(blood)에 대응하도록 설정될 수 있다.
또 다른 일 실시예에서는, 제1 밝기값 구간은 혈전(thrombus)에 대응하도록 설정될 수 있다.
제1 밝기값 구간이 혈전에 대응하는 경우, 적어도 하나 이상의 프로세서(110)는 폐 영역 영상에서 혈액에 대응하여 설정되는 제2 밝기값 구간에 대응하는 제2 영역을 분할하고(segmentation), 폐 영역 영상에서 제1 영역과 제2 영역이 구분되도록 제1 영역의 분포와 제2 영역의 분포를 시각화할 수 있다. 이때 판독 지원 정보(150)는 제1 영역의 분포와 제2 영역의 분포의 시각화에 대한 정보를 포함할 수 있다.
적어도 하나 이상의 프로세서(110)는 폐 영역 영상에서 간유리 음영(GGO, ground glass opacity)에 대응하여 설정되는 제3 밝기값 구간에 대응하는 제3 영역을 분할하고(segmentation), 폐 영역 영상에서 제1 영역과 제3 영역이 구분되도록 제1 영역의 분포와 제3 영역의 분포를 시각화할 수 있다. 이때 판독 지원 정보(150)는 제1 영역의 분포와 제3 영역의 분포의 시각화에 대한 정보를 포함할 수 있다.
다시 도 1을 참조하면, 적어도 하나 이상의 프로세서(110)는 폐 영역 영상 내의 제1 영역의 분포를 정량화할 수 있고, 상기 제1 영역의 분포의 정량화 정보에 기반하여 상기 폐 영역 영상에 대한 폐질환 여부, 및 폐질환의 원인에 대한 판독 지원 정보(150)를 생성할 수 있다. 즉, 판독 지원 정보(150)는 제1 영역의 분포의 시각화 정보 뿐만 아니라, 제1 영역의 분포에 대한 정량화 및/또는 통계에 기반한 리포트를 포함할 수 있다. 이러한 리포트는 의료진의 진단 및 의사결정을 지원할 수 있다. 예를 들어, 의료 영상(140)에서 나타나는 폐렴 증상이 COVID-19에 기인한 폐렴일 가능성에 대해서 의료진이 참고할 수 있는 정량화 및/또는 통계 정보가 리포트로서 시각화 정보(152)와 함께 제공될 수 있다. 간유리 음영(GGO)의 분포는 폐렴 증상을 나타내는 지표이고, 혈전의 분포는 폐렴 증상이 COVID-19에 기인한 폐렴일 가능성을 나타내는 지표로 이해될 수 있다. 즉, 간유리 음영의 분포와 혈전의 분포를 함께 시각화하고 통계처리하는 경우, 이 정보는 COVID-19에 기인한 폐렴 여부를 진단하는 정보로서 활용될 수 있다.
도 4는 본 발명의 일 실시예에 따른 의료 영상 판독 지원 장치에서 적용되는 복수의 임상 조직의 특성 및 상태에 기반한 복수의 밝기값 구간의 일 실시예를 도시하는 도면이다. 도 4에 도시된 복수의 밝기값 구간 설정은 본 발명의 일 실시예이며, 임상 연구로 인한 임상 정보의 업데이트, 의료 영상 진단 장치(모달리티)의 최적화, 및/또는 의료 영상 분석에 의한 임계치(threshold) 최적화에 기반하여 복수의 밝기값 구간 설정은 최적화되거나 업데이트될 수 있다.
폐기종(emphysema), 호흡 기능 폐 조직(Aerated lung parenchyma / Ventilated functional tissue) 등이 별도의 밝기값 구간으로 지정되며, 별도의 영역으로 구분되어 시각화될 수 있다. 폐기종(emphysema)의 분포는 만성 폐쇄성 폐질환(COPD) 증상을 나타내는 지표로 이용될 수 있고, 호흡 기능 폐 조직(Aerated lung parenchyma / Ventilated functional tissue)은 일반적으로 정상적으로 폐 기능을 수행하는 섬유조직(tissue)으로 간주된다.
간유리 음영(GGO, ground glass opacity)은 국소적 결절성 폐 침윤을 의미하며, 일반적으로는 기관지, 또는 혈관의 경계가 잘 그려지는 결절로 정의된다. 광범위 폐손상(DAD, diffuse alveolar damage)과 간유리 음영(GGO)은 일반적으로 음영(OP, Opacity)으로 처리되며, 음영(OP)의 분포는 폐렴(pneumonia) 증상을 나타내는 지표로 간주된다.
지방조직(FAT), 림프조직/림프부종, 누출성/여출성 흉수(TRANSUDATE fluids), 및 삼출성 흉수(EXUDATE fluids) 각각의 밝기값 구간이 설정되고, 각 밝기값 구간에 대응하는 소영역이 임계처리되어 시각화될 수 있다.
또한, 폐렴 및 COPD 외에도 폐 경화(Lung Consolidation) 영역에 대한 밝기값 구간이 설정되고, 폐 경화 영역이 별도로 임계처리될 수 있다. 폐 경화는 일반적으로 액체나 세포 등이 폐포의 공기를 대체하여 폐가 단단하게 된 상태를 의미하며, X선 사진이나 CT에서 폐 음영이 비교적 균일하게 증가하며, 폐 용적의 변화가 거의 없고, 공기-기관지 조영(air bronchogram)에서 보일 수 있다. CT 영상에서 병변 내 폐혈관을 구분할 수 없을 정도의 음영증가를 보일 때를 가리키기도 한다.
이처럼 폐질환의 증상은 원래 조직의 종류에 따라서도 다른 양상이 나타나지만, 조직의 상태가 변화하는 경우에도 다른 양상이 나타나므로, 임상적인 의미를 가지도록 조직의 종류, 조직의 성질, 및/또는 조직의 상태에 기반하여 별도의 밝기값 구간이 설정되고 밝기값 구간 각각에 대응하는 소영역이 임계처리될 수 있다.
본 발명의 실시예는 폐 영역 내부의 다양한 인자를 검출하여 의료진에게 폐질환 증상 정보와 함께 제공할 수 있다. 본 발명의 실시예는 폐 영역 내부의 조직의 상태, 및/또는 조직의 성질에 기반하여 다양한 밝기값(intensity) 구간을 설정하고 밝기값 구간을 시각화함으로써 의료진이 폐질환의 증상을 확인한 후, 그 원인이 되는 다양한 요인에 대해서도 부가적인 정보를 얻을 수 있도록 지원할 수 있다.
예를 들어 COVID-19에 의한 폐질환은 일반적인 세균성 폐질환과 다른 양상을 가질 수 있다. 본 발명의 실시예는 이러한 양상에 대한 부가적인 정보를 폐 영역 내부에서 식별하여 시각화하고 폐질환 증상 정보와 함께 의료진에게 제공할 수 있다. 의료진은 폐질환 증상의 원인에 대하여 다양한 요인을 고려함으로써 흉부 의료 영상을 판독하고, 본 발명의 실시예는 의료진의 흉부 의료 영상의 판독을 지원한다.
최근의 COVID-19 등의 유행에 따라 폐질환의 증상이 유사하더라도 그 원인이 다르면 치료 방법과 투여할 약제의 종류가 전혀 달라져야 함이 의료진에게 인지되었으나, 종래의 의료 영상 판독 지원 기술은 폐질환의 증상에 대한 정보만을 제공하므로, 의료진의 진단 및 의사 결정을 지원하기 어려웠다. 본 발명의 실시예는 폐질환의 증상에 대한 정보, 및 증상의 원인을 추정할 수 있는 부가 정보를 함께 제공하여 의료진의 흉부 의료 영상 판독, 진단 및 의사 결정을 지원할 수 있다.
본 발명의 실시예는 특히 COVID-19에 의한 폐질환과 일반적인 세균성 폐질환을 구분할 수 있는 부가 정보를 시각화하여 의료진의 신속하고 정확한 의사 결정을 지원할 수 있다.
본 발명의 실시예는 폐질환의 원인에 대한 임상적인 지식이 업데이트되는 경우 업데이트된 임상적 지식에 기반한 임상 조직의 밝기값 구간을 재설정하거나 또는 추가할 수 있도록 사용자 메뉴를 제공하며, 다양한 폐질환의 원인에 대한 판독 지원 정보를 폐질환의 증상에 대한 정보와 함께 사용자에게 제공하는 플랫폼을 구현할 수 있다.
본 발명의 실시예는 폐질환의 특정한 원인에 대한 특정 밝기값 영역의 분포를 정량화하고, 특정 밝기값 영역의 분포에 기반하여 폐질환 여부, 및 폐질환의 특정한 원인에 대한 판독 지원 정보를 생성하고 판독 지원 정보를 사용자에게 제공할 수 있다.
도 5는 본 발명의 또 다른 일 실시예에 따른 복수의 밝기값 구간이 적용된 일반 환자의 폐 영역 영상의 예시를 도시하는 도면이다. 도 5에서는 도 4와는 다른 밝기값 구간 설정이 적용된 예시가 개시된다. 밝기값 구간 설정은 임상 연구로 인한 임상 정보의 업데이트, 의료 영상 진단 장치(모달리티)의 최적화, 및/또는 의료 영상 분석에 의한 임계치(threshold) 최적화에 기반하여 최적화되거나 업데이트될 수 있음은 앞에서 설명한 바와 같다.
도 1 및 도 5를 함께 참조하면, 적어도 하나 이상의 프로세서(110)는 소영역의 분포의 시각화에 관련된 정보를 생성할 때 밝기값 구간 정보가 소영역의 분포와 관련되어 함께 표시되도록 판독 지원 정보(150)를 생성할 수 있다. 이때 소영역의 분포와 관련되어 함께 표시되는 밝기값 구간 정보는 밝기값의 범위, 및 밝기값 구간 정보의 임상적인 의미/명칭을 포함하여 표시될 수 있다.
또한 각 밝기값 구간에 대응하는 소영역 별로 정량화된 측정치 및/또는 통계가 표시될 수 있다. 측정치 및/또는 통계는 해당 소영역의 용적, 및/또는 전체 폐 영역에서 해당 소영역의 용적이 점유하는 비율을 포함할 수 있다.
도 5에서는 비교적 상태가 양호한 대상자의 폐 영역 영상이 도시되며, 음영(OP) 영역의 비율은 0.7%이고, 혈전(Thrombus)의 비율은 0.1% 미만임을 알 수 있다. 도 5의 대상자는 비교적 경미한 폐렴이며, COVID-19에 기인한 폐렴은 아닌 경우가 도시된다.
도 6은 본 발명의 일 실시예에 따른 도 5의 복수의 밝기값 구간(각 밝기값 구간에는 임상적 의미/명칭/중요도가 할당됨)이 적용된 폐렴 환자의 폐 영역 영상의 예시를 도시하는 도면이다.
도 6에서는 각 밝기값 구간 영역(영상 내 밝기값 구간에 대응하는 영역이 분할되거나 임계처리(thresholded)된) 별로 개별적인 윈도우에서 시각화되는 실시예가 도시된다. 또한 밝기값 구간(CT intensity의 구체적인 상한/하한 값이 함께 표시) 별로 밝기값 범위, 밝기값 구간 영역의 임상적 의미/명칭/중요성, 밝기값 구간 영역 별 정량화된 측정치/통계가 제시된다.
도 6의 대상자는 도 5의 대상자보다 중증의 폐렴 증상을 겪고 있음을 할 수 있다. 도 6에서 음영(OP) 영역의 점유율은 2.3%이다. 또한 혈전(Thrombus) 영역의 점유율이 0.2%이므로 음영(OP) 영역의 10%를 초과하여 COVID-19에 기인한 폐렴일 가능성이 도 5의 대상자보다 높음을 알 수 있다.
도 7은 본 발명의 일 실시예에 따른 도 5의 복수의 밝기값 구간이 적용된 폐렴 환자의 폐 영역 영상의 예시를 도시하는 도면이다.
도 7을 참조하면, COVID-19에 기인한 폐렴 환자의 폐 영역 영상의 시각화 실시예가 도시된다. 도 7에서는 각 밝기값 구간의 영역은 별도의 윈도우에서 시각화되며, 각 밝기값 구간 영역에 대하여 폐 전체, 좌폐, 및 우폐에 대한 별도의 정량화된 측정치/통계가 제시된다. 도 7의 폐렴 환자는 도 5 및 도 6의 대상자보다 중증의 폐렴을 겪고 있으며, COVID-19에 기인한 폐렴일 가능성도 훨씬 높다. 또한 좌폐(left lung)가 우폐(right lung)보다 음영 영역 및 혈전 영역의 점유율이 높고, 좌폐가 폐렴 증상 및 COVID-19의 영향이 중함을 확인할 수 있다.
도 8은 본 발명의 일 실시예에 따른 도 5의 복수의 밝기값 구간이 적용된 폐렴 환자의 폐 영역 영상의 예시를 도시하는 도면이다.
도 8을 참조하면, COVID-19에 기인한 폐렴 환자의 폐 영역 영상의 시각화 실시예가 도시된다. 도 8에서는 복수의 밝기값 구간 영역이 하나의 윈도우 상에서 오버레이되어 시각화되는 실시예가 도시된다. 하나의 윈도우 상에서 오버레이되는 밝기값 구간 영역의 조합은 진단 타겟 질환의 종류에 따라서 미리 지정되어 있을 수도 있고, 사용자가 선택할 수도 있다. 도 8에서도 각 밝기값 구간 영역(CT intensity의 상한/하한의 구체적인 값이 함께 표시됨)에 대한 밝기값 범위, 임상적인 명칭/설명, 별도의 정량화된 측정치/통계가 제시된다.
도 8의 대상자는 폐렴 증상이 상대적으로 심하지는 않으나, COVID-19에 기인한 폐렴일 가능성이 매우 높음을 알 수 있다.
도 9는 본 발명의 일 실시예에 따른 도 5의 복수의 밝기값 구간이 적용된 폐렴 환자의 폐 영역 영상의 예시를 도시하는 도면이다.
도 9를 참조하면, COVID-19에 기인한 폐렴 환자의 폐 영역 영상의 시각화 실시예가 도시된다. 도 9에서는 복수의 밝기값 구간 영역이 하나의 윈도우 상에서 오버레이되어 시각화되는 실시예가 도시된다. 하나의 윈도우 상에서 오버레이되는 밝기값 구간 영역의 조합은 진단 타겟 질환의 종류에 따라서 미리 지정되어 있을 수도 있고, 사용자가 선택할 수도 있다. 도 9에서도 각 밝기값 구간 영역에 대한 밝기값 범위, 임상적인 명칭/설명, 별도의 정량화된 측정치/통계가 제시된다.
복수의 밝기값 구간 영역이 하나의 윈도우 상에서 오버레이되는 경우, 각 밝기값 구간 영역 별로 우선 순위가 정해져 있어 상위에 표시되는 레이어가 정해져 있다. 또한 각 밝기값 구간 영역에 대하여 폐 전체, 좌폐, 우폐 각각에 대한 별도의 정량화된 측정치/통계가 제시된다.
도 9의 대상자는 폐렴 증상도 심하고 COVID-19에 기인한 폐렴일 가능성이 매우 높음을 알 수 있다.
하나의 윈도우 상에서 오버레이되는 밝기값 구간 영역은 임상적인 의미를 고려하여 미리 설정될 수 있다. 이때 서로 중첩되는 정도가 높은 영역끼리 하나의 윈도우 상에서 표시될 수도 있고, 그 반대로 서로 중첩되는 정도가 낮은 영역끼리 하나의 윈도우 상에서 표시될 수도 있다. 또한 하나의 윈도우 상에서 오버레이되는 밝기값 구간 영역끼리는 미리 결정된 우선 순위에 기반하여 시각화된다. 하나의 윈도우 상에서 오버레이되는 밝기값 구간 영역의 조합, 밝기값 구간 영역 간의 우선 순위 정보는 앞에서 설명한 다양한 원인에 기반하여 업데이트되거나 최적화될 수 있다.
본 발명의 일 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 발명을 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. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
그러나, 본 발명이 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다. 본 발명의 실시예와 도면에 소개된 길이, 높이, 크기, 폭 등은 이해를 돕기 위해 과장된 것일 수 있다.
이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.
컴퓨팅 시스템을 포함하며, 흉부 의료 영상의 판독을 지원하는 장치가 개시된다. 본 발명의 일 실시예에 따른 장치는 컴퓨팅 시스템을 포함하며 상기 컴퓨팅 시스템은 적어도 하나 이상의 프로세서를 포함한다. 상기 적어도 하나 이상의 프로세서는 폐를 포함하는 의료 영상으로부터 기도(airway)와 혈관(blood vessel)을 분할하고(segmentation), 상기 의료 영상으로부터 상기 기도와 상기 혈관을 제외한 폐 영역 영상에서 조직의 성질, 및 상태 중 적어도 하나 이상에 기반하여 구분되어 설정되는 복수의 밝기값(intensity) 구간 각각에 대응하는 소영역을 분할하고(segmentation), 상기 폐 영역 영상 내에서 상기 복수의 밝기값 구간 각각에 대응하는 상기 소영역의 분포를 시각화한다.

Claims (18)

  1. 흉부 의료 영상의 판독을 지원하는 의료 영상 판독 지원 장치로서, 상기 의료 영상 판독 지원 장치는 컴퓨팅 시스템을 포함하며 상기 컴퓨팅 시스템은 적어도 하나 이상의 프로세서를 포함하고,
    상기 적어도 하나 이상의 프로세서는
    폐를 포함하는 의료 영상으로부터 기도(airway)와 혈관(blood vessel)을 분할하고(segmentation),
    상기 의료 영상으로부터 상기 기도와 상기 혈관을 제외한 폐 영역 영상에서 조직의 성질, 및 상태 중 적어도 하나 이상에 기반하여 구분되어 설정되는 복수의 밝기값(intensity) 구간 각각에 대응하는 소영역을 분할하고(segmentation),
    상기 폐 영역 영상 내에서 상기 복수의 밝기값 구간 각각에 대응하는 상기 소영역의 분포를 시각화하는 의료 영상 판독 지원 장치.
  2. 제1항에 있어서,
    상기 복수의 밝기값 구간은 임상적으로 구분되는 조직의 성질, 및 상태 중 적어도 하나 이상에 기반하여 설정되는 의료 영상 판독 지원 장치.
  3. 제1항에 있어서,
    상기 적어도 하나 이상의 프로세서는
    상기 폐 영역 영상 내에서 상기 복수의 밝기값 구간 각각에 기반하여 상기 소영역을 임계처리(thresholding)하는 의료 영상 판독 지원 장치.
  4. 제1항에 있어서,
    상기 적어도 하나 이상의 프로세서는
    상기 폐 영역 영상 내에서 제1 밝기값 구간에 대응하는 제1 소영역의 분포를 제1 윈도우 상에서 시각화하고, 제2 밝기값 구간에 대응하는 제2 소영역의 분포를 제2 윈도우 상에서 시각화하는 의료 영상 판독 지원 장치.
  5. 제1항에 있어서,
    상기 적어도 하나 이상의 프로세서는
    상기 폐 영역 영상 내에서 제1 밝기값 구간에 대응하는 제1 소영역의 분포를 시각화하고, 제2 밝기값 구간에 대응하는 제2 소영역의 분포를 상기 제1 소영역의 분포 위에 오버레이함으로써 시각화하는 의료 영상 판독 지원 장치.
  6. 제1항에 있어서,
    상기 적어도 하나 이상의 프로세서는
    상기 복수의 밝기값 구간을 재설정하거나 또는 추가할 수 있는 사용자 메뉴를 제공하는 의료 영상 판독 지원 장치.
  7. 흉부 의료 영상의 판독을 지원하는 의료 영상 판독 지원 장치로서, 상기 의료 영상 판독 지원 장치는 컴퓨팅 시스템을 포함하며 상기 컴퓨팅 시스템은 적어도 하나 이상의 프로세서를 포함하고,
    상기 적어도 하나 이상의 프로세서는
    폐를 포함하는 의료 영상으로부터 기도(airway)와 혈관(blood vessel)을 분할하고(segmentation),
    상기 의료 영상으로부터 상기 기도와 상기 혈관을 제외한 폐 영역 영상에서 혈액(blood) 및 혈전(thrombus) 중 적어도 하나 이상을 포함하여 설정되는 제1 밝기값 구간에 대응하는 제1 영역을 분할하고(segmentation),
    상기 폐 영역 영상에서 상기 제1 영역의 분포를 시각화하는 의료 영상 판독 지원 장치.
  8. 제7항에 있어서,
    상기 제1 밝기값 구간은 혈액(blood)에 대응하여 설정되는 의료 영상 판독 지원 장치.
  9. 제7항에 있어서,
    상기 제1 밝기값 구간은 혈전(thrombus)에 대응하여 설정되는 의료 영상 판독 지원 장치.
  10. 제9항에 있어서,
    상기 적어도 하나 이상의 프로세서는
    상기 폐 영역 영상에서 혈액에 대응하여 설정되는 제2 밝기값 구간에 대응하는 제2 영역을 분할하고(segmentation),
    상기 폐 영역 영상에서 상기 제1 영역과 상기 제2 영역이 구분되도록 상기 제1 영역의 분포와 상기 제2 영역의 분포를 시각화하는 의료 영상 판독 지원 장치.
  11. 제7항에 있어서,
    상기 적어도 하나 이상의 프로세서는
    상기 폐 영역 영상에서 간유리 음영(GGO, ground glass opacity)에 대응하여 설정되는 제3 밝기값 구간에 대응하는 제3 영역을 분할하고(segmentation),
    상기 폐 영역 영상에서 상기 제1 영역과 상기 제3 영역이 구분되도록 상기 제1 영역의 분포와 상기 제3 영역의 분포를 시각화하는 의료 영상 판독 지원 장치.
  12. 제7항에 있어서,
    상기 적어도 하나 이상의 프로세서는
    상기 폐 영역 영상 내에서 상기 제1 밝기값 구간에 기반하여 상기 제1 영역을 임계처리(thresholding)하는 의료 영상 판독 지원 장치.
  13. 제7항에 있어서,
    상기 적어도 하나 이상의 프로세서는
    상기 폐 영역 영상 내의 상기 제1 영역의 분포를 정량화하고, 상기 제1 영역의 분포의 정량화 정보에 기반하여 상기 폐 영역 영상에 대한 폐질환 여부, 및 폐질환의 원인에 대한 판독 지원 정보를 생성하는 의료 영상 판독 지원 장치.
  14. 흉부 의료 영상의 판독을 지원하는 의료 영상 판독 지원 장치에서 실행되는 의료 영상 판독 지원 방법으로서,
    상기 의료 영상 판독 지원 장치는 컴퓨팅 시스템을 포함하며 상기 컴퓨팅 시스템은 적어도 하나 이상의 프로세서를 포함하고, 상기 적어도 하나 이상의 프로세서에 의하여 실행되는 프로그램 인스트럭션에 의하여 수행되는 의료 영상 판독 지원 방법에 있어서,
    폐를 포함하는 의료 영상으로부터 기도(airway)와 혈관(blood vessel)을 분할하는(segmentation) 단계;
    상기 의료 영상으로부터 상기 기도와 상기 혈관을 제외한 폐 영역 영상을 생성하는 단계;
    상기 폐 영역 영상에서 조직의 성질, 및 상태 중 적어도 하나 이상에 기반하여 구분되어 설정되는 복수의 밝기값(intensity) 구간 각각에 대응하는 소영역을 분할하는(segmentation) 단계; 및
    상기 폐 영역 영상 내에서 상기 복수의 밝기값 구간 각각에 대응하는 상기 소영역의 분포를 시각화하는 단계;
    를 포함하는 의료 영상 판독 지원 방법.
  15. 제14항에 있어서,
    상기 소영역을 분할하는 단계는
    상기 폐 영역 영상 내에서 상기 복수의 밝기값 구간 각각에 기반하여 상기 소영역을 임계처리(thresholding)하는 의료 영상 판독 지원 방법.
  16. 흉부 의료 영상의 판독을 지원하는 의료 영상 판독 지원 장치에서 실행되는 의료 영상 판독 지원 방법으로서,
    상기 의료 영상 판독 지원 장치는 컴퓨팅 시스템을 포함하며 상기 컴퓨팅 시스템은 적어도 하나 이상의 프로세서를 포함하고, 상기 적어도 하나 이상의 프로세서에 의하여 실행되는 프로그램 인스트럭션에 의하여 수행되는 의료 영상 판독 지원 방법에 있어서,
    폐를 포함하는 의료 영상으로부터 기도(airway)와 혈관(blood vessel)을 분할하는(segmentation) 단계;
    상기 의료 영상으로부터 상기 기도와 상기 혈관을 제외한 폐 영역 영상을 생성하는 단계;
    상기 폐 영역 영상에서 혈액(blood) 및 혈전(thrombus) 중 적어도 하나 이상을 포함하여 설정되는 제1 밝기값 구간에 대응하는 제1 영역을 분할하는(segmentation) 단계; 및
    상기 폐 영역 영상에서 상기 제1 영역의 분포를 시각화하는 단계;
    를 포함하는 의료 영상 판독 지원 방법.
  17. 제16항에 있어서,
    상기 폐 영역 영상에서 간유리 음영(GGO, ground glass opacity)에 대응하여 설정되는 제3 밝기값 구간에 대응하는 제3 영역을 분할하는(segmentation) 단계; 및
    상기 폐 영역 영상에서 상기 제1 영역과 상기 제3 영역이 구분되도록 상기 제1 영역의 분포와 상기 제3 영역의 분포를 시각화하는 단계;
    를 더 포함하는 의료 영상 판독 지원 방법.
  18. 제16항에 있어서,
    상기 폐 영역 영상 내의 상기 제1 영역의 분포를 정량화하는 단계; 및
    상기 제1 영역의 분포의 정량화 정보에 기반하여 상기 폐 영역 영상에 대한 폐질환 여부, 및 폐질환의 원인에 대한 판독 지원 정보를 생성하는 단계;
    를 더 포함하는 의료 영상 판독 지원 방법.
PCT/KR2021/006670 2020-07-16 2021-05-28 흉부 의료 영상 판독 지원 장치 및 방법 WO2022014856A1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
EP21842070.1A EP4183344A4 (en) 2020-07-16 2021-05-28 DEVICE AND METHOD FOR SUPPORTING MEDICAL IMAGE READING OF THE CHEST
US18/154,967 US20230154620A1 (en) 2020-07-16 2023-01-16 Apparatus and method for assisting reading of chest medical images

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2020-0088088 2020-07-16
KR1020200088088A KR102280902B1 (ko) 2020-07-16 2020-07-16 흉부 의료 영상 판독 지원 장치 및 방법

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US18/154,967 Continuation US20230154620A1 (en) 2020-07-16 2023-01-16 Apparatus and method for assisting reading of chest medical images

Publications (1)

Publication Number Publication Date
WO2022014856A1 true WO2022014856A1 (ko) 2022-01-20

Family

ID=77124741

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/006670 WO2022014856A1 (ko) 2020-07-16 2021-05-28 흉부 의료 영상 판독 지원 장치 및 방법

Country Status (4)

Country Link
US (1) US20230154620A1 (ko)
EP (1) EP4183344A4 (ko)
KR (2) KR102280902B1 (ko)
WO (1) WO2022014856A1 (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10813612B2 (en) 2019-01-25 2020-10-27 Cleerly, Inc. Systems and method of characterizing high risk plaques
US11969280B2 (en) 2020-01-07 2024-04-30 Cleerly, Inc. Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking
WO2021141921A1 (en) 2020-01-07 2021-07-15 Cleerly, Inc. Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking
US20230289963A1 (en) 2022-03-10 2023-09-14 Cleerly, Inc. Systems, devices, and methods for non-invasive image-based plaque analysis and risk determination

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060056691A1 (en) * 2004-08-10 2006-03-16 Michael Vaz System and method for 3D visualization of lung perfusion or density and statistical analysis thereof
KR20100068184A (ko) * 2008-12-12 2010-06-22 한국전자통신연구원 흉부 전산화 단층 촬영을 이용한 간유리음영 검출 방법
JP5576117B2 (ja) * 2006-07-31 2014-08-20 コーニンクレッカ フィリップス エヌ ヴェ 画像データセットの視覚化のためのプリセットマップを生成する方法、装置及びコンピュータ可読媒体
KR101587719B1 (ko) 2014-06-10 2016-01-22 원광대학교산학협력단 의료 영상 분석 장치 및 이의 폐결절과 폐혈관 구분 방법
KR101841496B1 (ko) * 2016-06-21 2018-03-28 주식회사 코어라인소프트 인터랙티브하게 폐 로브를 분할하는 사용자 인터페이스를 제공하는 의료 영상을 디스플레이하는 시스템 및 방법
KR20190090986A (ko) 2018-01-26 2019-08-05 울산대학교 산학협력단 흉부 의료 영상 판독 지원 시스템 및 방법
KR20200046507A (ko) 2018-10-24 2020-05-07 서울여자대학교 산학협력단 폐 섬유화 진단을 위한 정보제공 방법 및 폐 섬유화 진단 컴퓨팅 장치

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060056691A1 (en) * 2004-08-10 2006-03-16 Michael Vaz System and method for 3D visualization of lung perfusion or density and statistical analysis thereof
JP5576117B2 (ja) * 2006-07-31 2014-08-20 コーニンクレッカ フィリップス エヌ ヴェ 画像データセットの視覚化のためのプリセットマップを生成する方法、装置及びコンピュータ可読媒体
KR20100068184A (ko) * 2008-12-12 2010-06-22 한국전자통신연구원 흉부 전산화 단층 촬영을 이용한 간유리음영 검출 방법
KR101587719B1 (ko) 2014-06-10 2016-01-22 원광대학교산학협력단 의료 영상 분석 장치 및 이의 폐결절과 폐혈관 구분 방법
KR101841496B1 (ko) * 2016-06-21 2018-03-28 주식회사 코어라인소프트 인터랙티브하게 폐 로브를 분할하는 사용자 인터페이스를 제공하는 의료 영상을 디스플레이하는 시스템 및 방법
KR20190090986A (ko) 2018-01-26 2019-08-05 울산대학교 산학협력단 흉부 의료 영상 판독 지원 시스템 및 방법
KR20200046507A (ko) 2018-10-24 2020-05-07 서울여자대학교 산학협력단 폐 섬유화 진단을 위한 정보제공 방법 및 폐 섬유화 진단 컴퓨팅 장치

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP4183344A4

Also Published As

Publication number Publication date
KR102280902B1 (ko) 2021-07-26
EP4183344A4 (en) 2024-06-05
EP4183344A1 (en) 2023-05-24
KR20220009862A (ko) 2022-01-25
US20230154620A1 (en) 2023-05-18

Similar Documents

Publication Publication Date Title
WO2022014856A1 (ko) 흉부 의료 영상 판독 지원 장치 및 방법
Ravikumar et al. Detection of Covid-19 using AI application
Pu et al. Automated quantification of COVID-19 severity and progression using chest CT images
WO2019103440A1 (ko) 피검체의 의료 영상의 판독을 지원하는 방법 및 이를 이용한 장치
US7711404B2 (en) Patient data mining for lung cancer screening
WO2017051944A1 (ko) 의료 영상 판독 과정에서 사용자의 시선 정보를 이용한 판독 효율 증대 방법 및 그 장치
JPWO2017150497A1 (ja) 肺野病変の診断支援装置、該装置の制御方法及びプログラム
KR102283673B1 (ko) 병변 추적 검사에 기반하여 진단 보조 정보의 임계치를 조정하는 의료 영상 판독 지원 장치 및 방법
Boehm et al. Automated classification of normal and pathologic pulmonary tissue by topological texture features extracted from multi-detector CT in 3D
WO2021261808A1 (ko) 병변 판독 결과 표시 방법
WO2019143179A1 (ko) 동일 피사체에 대하여 시간 간격을 두고 촬영된 영상 간에 동일 관심구역을 자동으로 검출하는 방법 및 이를 이용한 장치
Eroğlu et al. Is it useful to use computerized tomography image-based artificial intelligence modelling in the differential diagnosis of chronic otitis media with and without cholesteatoma?
WO2016085236A1 (ko) 갑상선암 자동 판별 방법 및 시스템
Yousef et al. Automated quantification of COVID-19 pneumonia severity in chest CT using histogram-based multi-level thresholding segmentation
Hu et al. Differentiation and prediction of pneumoconiosis stage by computed tomography texture analysis based on U-Net neural network
JP2010057727A (ja) 医用画像読影システム
Schultheis et al. Using deep learning segmentation for endotracheal tube position assessment
Baloescu et al. Machine Learning Algorithm Detection of Confluent B-Lines
Xie et al. Helping roles of artificial intelligence (ai) in the screening and evaluation of covid-19 based on the ct images
Tellakula et al. A survey of ai imaging techniques for covid-19 diagnosis and prognosis
Abbas et al. Development of a novel computational method using computed tomography images for the early detection and severity classification of COVID-19 cases
Caban et al. Monitoring pulmonary fibrosis by fusing clinical, physiological, and computed tomography features
Adi et al. Airway ultrasound to detect subglottic secretion above endotracheal tube cuff
Solomon et al. Computer-assisted detection of subcutaneous melanomas: feasibility assessment1
Yıldırım et al. Development of an artificial intelligence method to detect covid-19 pneumonia in computed tomography images

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21842070

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2021842070

Country of ref document: EP

Effective date: 20230216