WO2022158843A1 - 조직 검체 이미지 정제 방법, 및 이를 수행하는 컴퓨팅 시스템 - Google Patents

조직 검체 이미지 정제 방법, 및 이를 수행하는 컴퓨팅 시스템 Download PDF

Info

Publication number
WO2022158843A1
WO2022158843A1 PCT/KR2022/000972 KR2022000972W WO2022158843A1 WO 2022158843 A1 WO2022158843 A1 WO 2022158843A1 KR 2022000972 W KR2022000972 W KR 2022000972W WO 2022158843 A1 WO2022158843 A1 WO 2022158843A1
Authority
WO
WIPO (PCT)
Prior art keywords
tissue
sample image
contour
tissue sample
contours
Prior art date
Application number
PCT/KR2022/000972
Other languages
English (en)
French (fr)
Inventor
조준영
곽태영
김선우
Original Assignee
주식회사 딥바이오
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 딥바이오 filed Critical 주식회사 딥바이오
Priority to EP22742819.0A priority Critical patent/EP4266247A1/en
Priority to US18/273,033 priority patent/US20240087133A1/en
Priority to CN202280011049.XA priority patent/CN116745809A/zh
Priority to JP2023542991A priority patent/JP2024504958A/ja
Publication of WO2022158843A1 publication Critical patent/WO2022158843A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-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
    • G06T7/11—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
    • G06T7/13—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
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06T2207/10056—Microscopic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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
    • G06T2207/30024—Cell structures in vitro; Tissue sections in vitro

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Image Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)

Abstract

조직 검체 슬라이드 이미지로부터 타 조직 검체인 것으로 판단되는 조직 검체 영역을 제거하는 방식으로 조직 이미지를 정제하는 방법 및 이를 수행하는 컴퓨팅 시스템이 개시된다. 본 발명의 일 측면에 따르면, 조직 검체 이미지 정제 방법으로서, 조직 검체 이미지에 포함된 복수의 조직 영역 각각에 상응하는 복수의 컨투어(contour)를 추출하는 단계, 추출된 상기 복수의 컨투어 각각의 중심점 좌표를 산출하는 단계, 상기 조직 검체 이미지의 중심점 좌표와 상기 복수의 컨투어 각각의 중심점 좌표에 기초하여, 상기 복수의 컨투어 중 주(主)조직 컨투어를 결정하는 단계 및 상기 복수의 컨투어 중 상기 주조직 컨투어를 제외한 나머지 컨투어의 적어도 일부에 해당하는 영역을 제거하는 단계를 포함하는 조직 검체 이미지 정제 방법이 제공된다.

Description

조직 검체 이미지 정제 방법, 및 이를 수행하는 컴퓨팅 시스템
본 발명은 생체 조직 검체 이미지 정제 방법 및 이를 수행하는 컴퓨팅 시스템에 관한 것이다. 보다 상세하게는 조직 검체 슬라이드 이미지로부터 타 조직 검체인 것으로 판단되는 조직 검체 영역을 제거하는 방식으로 조직 이미지를 정제하는 방법 및 이를 수행하는 컴퓨팅 시스템에 관한 것이다.
병리학 또는 병리과에서 수행하는 주요한 업무 중 하나는 환자의 생체 조직 슬라이드 이미지를 판독하여 특정 질병에 대한 상태 또는 징후를 판단하는 진단을 수행하는 일이다. 기존의 병리 진단 방법은 검체로부터 제작된 진단용 병리 슬라이드 이미지를 광학 현미경을 통해 병리 전문의가 육안으로 관찰, 판독하는 방식으로 이루어진다. 컴퓨터에 연결된 현미경 카메라를 활용하여 병리 슬라이드를 디지털 영상으로 변환한 후 모니터로 관찰하며 판독하는 방식이 디지털 병리학의 시초라고 할 수 있다. 근래에는 디지털 슬라이드 스캐너가 등장하여 병리 슬라이드 전체를 하나의 디지털 영상으로 변환하여 병리 슬라이드 이미지로 제작한 후 이를 컴퓨터 모니터를 통해 관찰하여 판독하는 방식이 널리 확산되고 있다.
또한, 최근에는 기계학습의 발달로 인해 이미지를 인식하거나 분류하는 등의 업무를 컴퓨터 시스템에 의해 자동화하고자 하는 시도가 활발히 이루어지고 있다. 특히 기계학습의 일종인 뉴럴 네트워크(예를 들어 합성곱신경망(CNN) 등)를 이용하여 숙련된 의료인이 수행하던 진단을 자동화하기 위한 시도가 이루어지고 있는데, 일반적으로 생체 조직 이미지를 이용하는 뉴럴 네트워크를 통한 진단은 생체 이미지를 이용한다. 즉, 해당 생체 이미지에 대해 숙련된 의료인은 특정 질병의 상태(예를 들어, 질병이 발현되었는지 여부)를 어노테이션(annotation)하고, 이러한 어노테이션된 다수의 이미지들을 학습 데이터로 이용하여 뉴럴 네트워크를 학습하게 된다.
한편, 도 1에 도시된 바와 같이, 하나의 유리 슬라이드에 다수의 조직 검체를 얹어서 병리 슬라이드를 제작하는 경우가 있으며, 이러한 방법으로 제적된 병리 슬라이드의 경우, 이를 광학 현미경을 통해 육안으로 검사하는 데는 큰 문제가 없다. 그런데, 이를 디지털화하여 각 조직 검체 단위로 알고리즘 분석 또는 인공지능을 통한 분석을 수행하는 경우에는, 분석 대상이 되는 이미지 내에 타 조직 검체 부분이 포함될 수 있어 진단 모델이 올바로 학습될 수 없거나 분석의 결과가 정확하지 않게 된다. 예를 들어, 여러 생체 조직을 얹어서 제작한 유리 슬라이드에서 생성된 병리 슬라이드 이미지의 경우, 조직 검체 단위로 자동으로 이미지를 분할하는 과정에서 자동 분할 알고리즘의 한계 또는 오류로 타 조직 검체가 포함될 수 있다. 또는 수동으로 조직 검체 단위로 이미지를 분할하는 경우에도, 조직 검체 영역을 사각형 혹은 타원 등 간단한 형태로만 지정할 수 있는 경우, 동일하게 타 조직 검체가 포함될 수 있다는 문제점이 있다.
따라서, 조직 검체 단위로 분할된 이미지에서 타 조직 검체가 포함되었는지의 여부를 확인하고 이를 제거할 수 있는 방법이 필요하다.
본 발명이 이루고자 하는 기술적인 과제는 조직 검체 슬라이드 이미지를 입력받아 타 조직 검체인 것으로 판단되는 조직 검체 영역을 제거하는 방식으로 조직 검체 이미지를 정제하는 방법 및 이를 수행하는 컴퓨팅 시스템을 제공하는 것이다.
본 발명의 일 측면에 따르면, 조직 검체 이미지 정제 방법으로서, 조직 검체 이미지에 포함된 복수의 조직 영역 각각에 상응하는 복수의 컨투어(contour)를 추출하는 단계, 추출된 상기 복수의 컨투어 각각의 중심점 좌표를 산출하는 단계, 상기 조직 검체 이미지의 중심점 좌표와 상기 복수의 컨투어 각각의 중심점 좌표에 기초하여, 상기 복수의 컨투어 중 주(主)조직 컨투어를 결정하는 단계 및 상기 복수의 컨투어 중 상기 주조직 컨투어를 제외한 나머지 컨투어의 적어도 일부에 해당하는 영역을 제거하는 단계를 포함하는 조직 검체 이미지 정제 방법이 제공된다.
일 실시예에서, 상기 조직 검체 이미지의 중심점 좌표와 상기 복수의 컨투어 각각의 중심점 좌표에 기초하여, 상기 복수의 컨투어 중 주조직 컨투어를 결정하는 단계는, 상기 복수의 컨투어 중 해당 컨투어의 중심점과 상기 조직 검체 이미지의 중심점과의 거리가 가장 가까운 컨투어를 상기 주조직 컨투어로 결정하는 단계를 포함할 수 있다.
일 실시예에서, 상기 복수의 컨투어 중 상기 주조직 컨투어를 제외한 나머지 컨투어의 적어도 일부에 해당하는 영역을 제거하는 단계는, 상기 복수의 컨투어 중 상기 조직 검체 이미지의 외곽선에 인접한 경계인접 컨투어를 결정하는 단계 및 상기 조직 검체 이미지에서 제거대상 컨투어에 해당하는 영역을 제거하는 단계-여기서, 상기 제거대상 컨투어는 상기 경계인접 컨투어 중 주조직 컨투어가 아닌 것임-를 포함할 수 있다.
일 실시예에서, 상기 조직 검체 이미지에 포함된 복수의 조직 영역 각각에 상응하는 복수의 컨투어를 추출하는 단계는, 상기 조직 검체 이미지에 포함된 복수의 조직 영역과 비조직 영역의 값이 이진 값으로 구분되는 상기 조직 검체 이미지에 상응하는 이진 마스크 이미지를 생성하는 단계 및 상기 이진 마스크에 기초하여 상기 복수의 컨투어를 추출하는 단계를 포함할 수 있다.
일 실시예에서, 상기 조직 검체 이미지에서 제거대상 컨투어에 해당하는 영역을 제거하는 단계는, 상기 조직 검체 이미지 중 상기 제거대상 컨투어에 해당하는 영역을 상기 조직 검체 이미지의 배경색으로 치환하는 단계를 포함할 수 있다.
일 실시예에서, 상기 조직 검체 이미지에서 제거대상 컨투어에 해당하는 영역을 제거하는 단계는, 상기 조직 검체 이미지 중 상기 복수의 컨투어 중 어느 하나에도 해당하는 영역의 평균 색을 상기 조직 검체 이미지의 배경색으로 결정하는 단계를 더 포함할 수 있다.
본 발명의 다른 일 측면에 따르면, 데이터 처리장치에 설치되며 상술한 방법을 수행하기 위한 매체에 기록된 컴퓨터 프로그램이 제공된다.
본 발명의 다른 일 측면에 따르면, 상술한 방법을 수행하기 위한 컴퓨터 프로그램이 기록된 컴퓨터 판독 가능한 기록매체가 제공된다.
본 발명의 다른 일 측면에 따르면, 조직 검체 이미지 정제 시스템으로서,
프로세서 및 컴퓨터 프로그램을 저장하는 메모리를 포함하고, 상기 컴퓨터 프로그램은, 상기 프로세서에 의해 실행되는 경우, 상기 조직 검체 이미지 정제 시스템으로 하여금 조직 검체 이미지 정제 방법을 수행하도록 하며, 상기 조직 검체 이미지 정제 방법은, 조직 검체 이미지에 포함된 복수의 조직 영역 각각에 상응하는 복수의 컨투어(contour)를 추출하는 단계, 추출된 상기 복수의 컨투어 각각의 중심점 좌표를 산출하는 단계, 상기 조직 검체 이미지의 중심점 좌표와 상기 복수의 컨투어 각각의 중심점 좌표에 기초하여, 상기 복수의 컨투어 중 주(主)조직 컨투어를 결정하는 단계 및 상기 복수의 컨투어 중 상기 주조직 컨투어를 제외한 나머지 컨투어의 적어도 일부에 해당하는 영역을 제거하는 단계를 포함하는 조직 검체 이미지 정제 시스템이 제공된다.
일 실시예에서, 상기 조직 검체 이미지의 중심점 좌표와 상기 복수의 컨투어 각각의 중심점 좌표에 기초하여, 상기 복수의 컨투어 중 주조직 컨투어를 결정하는 단계는, 상기 복수의 컨투어 중 해당 컨투어의 중심점과 상기 조직 검체 이미지의 중심점과의 거리가 가장 가까운 컨투어를 상기 주조직 컨투어로 결정하는 단계를 포함할 수 있다.
일 실시예에서, 상기 복수의 컨투어 중 상기 주조직 컨투어를 제외한 나머지 컨투어의 적어도 일부에 해당하는 영역을 제거하는 단계는, 상기 복수의 컨투어 중 상기 조직 검체 이미지의 외곽선에 인접한 경계인접 컨투어를 결정하는 단계 및 상기 조직 검체 이미지에서 제거대상 컨투어에 해당하는 영역을 제거하는 단계-여기서, 상기 제거대상 컨투어는 상기 경계인접 컨투어 중 주조직 컨투어가 아닌 것임-를 포함할 수 있다.
일 실시예에서, 상기 조직 검체 이미지에 포함된 복수의 조직 영역 각각에 상응하는 복수의 컨투어를 추출하는 단계는, 상기 조직 검체 이미지에 포함된 복수의 조직 영역과 비조직 영역의 값이 이진 값으로 구분되는 상기 조직 검체 이미지에 상응하는 이진 마스크 이미지를 생성하는 단계 및 상기 이진 마스크에 기초하여 상기 복수의 컨투어를 추출하는 단계를 포함할 수 있다.
일 실시예에서, 상기 조직 검체 이미지에서 제거대상 컨투어에 해당하는 영역을 제거하는 단계는, 상기 조직 검체 이미지 중 상기 제거대상 컨투어에 해당하는 영역을 상기 조직 검체 이미지의 배경색으로 치환하는 단계를 포함할 수 있다.
본 발명의 기술적 사상에 의하면, 조직 검체 슬라이드 이미지를 입력받아 타 조직 검체인 것으로 판단되는 조직 검체 영역을 제거하는 방식으로 조직 검체 이미지를 정제하는 방법 및 이를 수행하는 컴퓨팅 시스템을 제공할 수 있다.
또한 본 발명의 일 실시예에 따른 조직 검체 이미지를 정제하는 방법을 통해 정제된 이미지로 인공 뉴럴 네트워크를 보다 정확하게 학습할 수 있게 되는 효과가 있다.
본 발명의 상세한 설명에서 인용되는 도면을 보다 충분히 이해하기 위하여 각 도면의 간단한 설명이 제공된다.
도 1은 여러 검체가 얹힌 유리 슬라이드의 일 예를 도시한 도면이다.
도 2는 본 발명의 실시 예에 따른 조직 검체 이미지 정제 방법을 구현하기 위한 개략적인 시스템 구성을 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 따른 조직 검체 이미지 정제 방법을 설명하기 위한 흐름도이다.
도 4는 도 3의 S100 단계의 일 예를 도시한 흐름도이다.
도 5는 도 3의 S120 단계의 일 예를 도시한 흐름도이다.
도 6은 도 3의 S130 단계의 일 예를 도시한 흐름도이다.
도 7a는 조직 검체 이미지의 일 예를 도시한 도면이며, 도 7b는 조직 검체 이미지에 상응하는 이진 마스크 이미지의 일 예를 도시한 도면이며, 도 7c는 도 7a의 조직 검체 이미지에서 제거대상 컨투어에 해당하는 영역을 제거한 후의 정제된 이미지를 도시하고 있다.
도 8은 본 발명의 일 실시예에 따른 조직 검체 이미지 정제 시스템의 개략적인 구성을 도시한 도면이다.
도 9는 본 발명의 일 실시예에 따른 조직 검체 이미지 정제 시스템의 개략적인 구성을 설명하기 위한 도면이다.
본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 제1, 제2 등의 용어는 특별한 순서를 나타내는 것이 아니며, 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 명세서에 있어서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
또한, 본 명세서에 있어서는 어느 하나의 구성요소가 다른 구성요소로 데이터를 '전송'하는 경우에는 상기 구성요소는 상기 다른 구성요소로 직접 상기 데이터를 전송할 수도 있고, 적어도 하나의 또 다른 구성요소를 통하여 상기 데이터를 상기 다른 구성요소로 전송할 수도 있는 것을 의미한다. 반대로 어느 하나의 구성요소가 다른 구성요소로 데이터를 '직접 전송'하는 경우에는 상기 구성요소에서 다른 구성요소를 통하지 않고 상기 다른 구성요소로 상기 데이터가 전송되는 것을 의미한다.
이하, 첨부된 도면들을 참조하여 본 발명의 실시예들을 중심으로 본 발명을 상세히 설명한다. 각 도면에 제시된 동일한 참조부호는 동일한 부재를 나타낸다.
도 2는 본 발명의 실시 예에 따른 조직 검체 이미지 정제 방법을 구현하기 위한 개략적인 시스템 구성을 설명하기 위한 도면이다.
도 2를 참조하면, 본 발명의 기술적 사상에 따른 조직 검체 이미지 정제 방법은 조직 검체 이미지 정제 시스템(100)에 의해 수행될 수 있다.
일 실시예에서, 조직 검체 이미지 정제 시스템(100)은 소정의 서버(10)에 설치되어 본 발명의 기술적 사상을 구현할 수 있다. 상기 서버(10)는 본 발명의 기술적 사상을 구현하기 위한 연산능력을 가진 데이터 처리장치를 의미하며, 일반적으로 네트워크를 통해 클라이언트가 접속 가능한 데이터 처리장치뿐만 아니라 개인용 컴퓨터, 휴대 단말 등과 같이 특정 서비스를 수행할 수 있는 어떠한 장치도 서버로 정의될 수 있음을 본 발명의 기술분야의 평균적 전문가는 용이하게 추론할 수 있을 것이다.
상기 조직 검체 이미지 정제 시스템(100)은 소정의 뉴럴 네트워크(200)에 정제된 조직 검체 이미지를 입력함으로써, 상기 뉴럴 네트워크(200)를 학습하거나 미리 학습된 상기 뉴럴 네트워크(200)가 상기 조직 검체 이미지로부터 소정의 판단을 할 수 있도록 할 수 있다. 상기 뉴럴 네트워크(200)는 병리 검체에 대한 진단 정보, 예후 정보 및/또는 치료 방법에 대한 반응 정보를 제공하기 위한 인공 뉴럴 네트워크일 수 있으며, 상기 뉴럴 네트워크(200)에 의해 출력된 결과는 검체에 대한 각종 판단(예를 들어, 질병 발현 유무, 예후, 치료 방법에 대한 판단 등)을 하는데 이용될 수 있다.
상기 뉴럴 네트워크(200)는 인간의 뉴런의 동작 원리에 기초하여 인공적으로 구축한 뉴럴 네트워크로서, 다층 퍼셉트론 모델을 포함하며, 인공 뉴럴 네트워크를 정의하는 일련의 설계사항들을 표현하는 정보의 집합을 의미할 수 있다. 상기 뉴럴 네트워크(200)는 인공지능, 기계학습 혹은 딥러닝 분야에서 널리 알려진 컨벌루셔널 뉴럴 네트워크(CNN)를 포함할 수 있지만, 이에 한정되는 것은 아니다.
상기 뉴럴 네트워크(200)와 상기 조직 검체 이미지 정제 시스템(100)이 포함된 상기 서버(10)는 질병을 진단하기 위한 진단 시스템 혹은 의사가 질병을 진단하는데 필요한 정보를 제공하기 위한 진단 보조 시스템일 수 있다. 상기 뉴럴 네트워크(200)와 상기 조직 검체 이미지 정제 시스템(100)은 하나의 물리적 장치 즉, 상기 서버(10)에 구비될 수도 있지만, 실시 예에 따라 서로 다른 물리적 장치에 구비될 수도 있으며 필요에 따라 다양한 변형이 가능할 수 있음을 본 발명의 기술분야의 평균적 전문가는 용이하게 추론할 수 있을 것이다.
상기 진단 시스템(10)은 상기 뉴럴 네트워크(200)를 학습시키기 위해 소정의 단말기들(20, 20-1)과 통신을 수행할 수 있다. 상기 단말기들(20, 20-1)은 상기 뉴럴 네트워크(200)를 학습시키기 위해 복수의 학습 데이터를 뉴럴 네트워크(200)로 전송할 수 있으며, 상기 뉴럴 네트워크(200)는 수신된 학습 데이터를 이용하여 학습이 수행될 수 있다.
또한 상기 단말기들(20, 20-1)은 학습된 상기 뉴럴 네트워크(200)를 이용하여 질병의 진단을 수행하기 위해 상기 진단 시스템(10)으로 진단대상이 되는 생체이미지를 상기 진단 시스템(10)으로 출력할 수 있다.
한편, 도 2에서는 조직 검체 이미지 정제 시스템(100)이 서버(10)에 설치되는 서브 시스템의 형태로 구현되는 예를 도시하였으나, 실시예에 따라서는 이와 달리 상기 조직 검체 이미지 정제 시스템(100)이 독립된 형태의 단일 시스템으로 구현될 수 있음은 물론이다. 이 경우 상기 조직 검체 이미지 정제 시스템(100)은 본 발명의 기술적 사상을 구현하기 위한 연산능력을 가진 데이터 처리장치인 컴퓨팅 시스템일 수 있으며, 일반적으로 네트워크를 통해 클라이언트가 접속 가능한 데이터 처리 장치인 서버뿐만 아니라 개인용 컴퓨터나 휴대 단말 등과 같은 컴퓨팅 장치를 포함할 수 있다.
상기 조직 검체 이미지 정제 시스템(100)은 병리 검체 이미지를 정제할 수 있다.
조직 검체 혹은 병리 검체는 인체의 각종 장기에서 채취한 생검 및 수술로 절제된 생체 조직일 수 있다. 조직 검체 이미지는 병리 검체를 유리 슬라이드 형태로 만들고, 이를 스캔하여 디지털 이미지의 형태로 변환한 슬라이드 이미지일 수 있으며, 혹은 슬라이드 이미지를 소정의 자동 분할 알고리즘이나 수동으로 분할한 이미지일 수 있다.
병리 검체로 유리 슬라이드를 제작하는 과정에서 하나의 슬라이드에 여러 개의 검체를 얹어서 제작하는 경우가 있는데, 이렇게 제작된 슬라이드를 디지털 이미지로 변환하면 다수의 상이한 조직이 하나의 이미지에 포함될 수 있게 된다. 또한 이렇게 제작된 슬라이드를 변환한 후 여러 검체의 이미지로 분할하더라도 하나의 주된 조직 외에 다른 조직의 이미지가 한 이미지 내에 포함될 가능성이 있다. 상기 조직 검체 이미지 정제 시스템(100)은 타 조직 검체인 것으로 판단되는 조직 검체 영역을 제거하는 방식으로 조직 이미지를 정제할 수 있다.
도 3은 본 발명의 일 실시예에 따른 조직 검체 이미지 정제 방법을 설명하기 위한 흐름도이다.
도 3을 참조하면, 상기 조직 검체 이미지 정제 시스템(100)은 조직 검체 이미지에 포함된 복수의 조직 영역 각각에 상응하는 복수의 컨투어(contour)를 추출할 수 있다(S100).
일 실시예에서, 상기 조직 검체 이미지 정제 시스템(100)은 이진 마스킹을 통하여 컨투어를 추출할 수 있는데, 그 예가 도 4에 도시되어 있다.
도 4를 참조하면, 상기 조직 검체 이미지 정제 시스템(100)은 조직 검체 이미지에 포함된 복수의 조직 영역과 비조직 영역의 값이 이진 값으로 구분되는 상기 조직 검체 이미지에 상응하는 이진 마스크 이미지를 생성할 수 있다(S101). 예를 들어, 상기 이진 마스크 이미지는 상기 조직 검체 이미지 중 조직이 있는 부분이 1로 구성되며, 조직이 없는 부분은 0으로 구성된 이미지일 수 있다.
도 7a는 조직 검체 이미지의 일 예를 도시한 도면이며, 도 7b는 조직 검체 이미지에 상응하는 이진 마스크 이미지의 일 예를 도시한 도면이다.
일 실시예에서, 상기 조직 검체 이미지 정제 시스템(100)은 미리 학습된 생체 조직 영역 판단용 뉴럴 네트워크를 이용하여 생체 조직 영역을 특정하고 특정된 생체 조직 영역과 비-생체 조직 영역을 구분하여 이진 마스크 이미지를 생성할 수 있으며, 또는 알려진 다양한 방법을 통해 생체 조직 영역을 특정할 수 있다.
만약 상기 조직 검체 이미지가 HSV(Hue-Saturation-Value) 색모델로 구성된 이미지라면, 일 실시예 따른 상기 조직 검체 이미지 정제 시스템(100)은 HSV 색모델에 기초한 다음과 같은 방법으로 이진 마스크 이미지를 생성할 수 있다.
일 실시예에서, 상기 조직 검체 이미지 정제 시스템(100)은 상기 조직 검체 이미지에 상응하는 S 공간에 대한 이미지 이진화를 수행하여 제1이진화 결과를 생성할 수 있다. 이때, 상기 슬라이드에 상응하는 S 공간은 상기 슬라이드에 상응하는 HSV 모델의 채도값(Saturation)으로 이루어진 공간이다. 이미지 이진화 방법으로 오츠 스레시홀딩(Otsu Threshholding)을 이용할 수 있다. 오츠 스레시홀딩은 컴퓨터 비전이나 이미지 프로세싱 분야에서 사용되는 클러스터링-기반의 이미지 스레쉬홀딩 기법이다.
또한 상기 조직 검체 이미지 정제 시스템(100)은 상기 슬라이드에 상응하는 (`1-V) 공간에 대한 이미지 이진화를 수행하여 제2이진화 결과를 생성할 수 있다. 이때, 상기 슬라이드에 상응하는 V 공간은 상기 슬라이드에 상응하는 HSV 모델의 명도값(Value)으로 이루어진 공간(즉, wㅧh의 크기를 가지며, V 채널의 값(명도값)으로 이루어진 매트릭스(w는 이미지의 너비, h는 이미지의 높이))이며, (1-V) 공간은 wㅧh의 크기를 가지며 1로 채워진 매트릭스에서 V 채널의 값을 뺀 공간일 수 있다.
이후 상기 조직 검체 이미지 정제 시스템(100)은 상기 제1이진화 결과 및 상기 제2이진화 결과에 기초하여 상기 조직 검체 이미지에 상응하는 이진 마스크 이미지를 생성할 수 있다. 상기 제1이진화 결과 및 상기 제2이진화 결과는, 상기 조직 검체 이미지의 각 픽셀에 상응하는 이진 값(예를 들어, 0 또는 1 혹은 0 또는 255)을 포함할 수 있으며, 상기 조직 검체 이미지 정제 시스템(100)은 상기 조직 검체 이미지의 각 픽셀에 대하여, 상기 픽셀에 상응하는 제1이진화 결과의 이진 값 또는 상기 픽셀에 상응하는 제1이진화 결과의 이진 값이 1(혹은 255)인 경우 상기 픽셀에 상응하는 이진 마스크 이미지의 상의 픽셀을 티슈 픽셀(조직에 해당하는 픽셀)이라고 판단하고, 그렇지 않은 경우(즉, 이진 값이 0인 경우) 상기 픽셀에 상응하는 이진 마스크 이미지의 상의 픽셀을 논-티슈 픽셀(조직에 해당하지 않는 픽셀)이라고 판단함으로써 상기 조직 검체 이미지에 상응하는 이진 마스크 이미지를 생성할 수 있다. 요약하면, 상기 조직 검체 이미지 정제 시스템(100)은 S 공간에 대한 이미지 이진화 결과와 (1-V) 공간에 대한 이미지 이진화 결과간의 논리합 연산을 통하여 이진 마스크 이미지를 생성할 수 있다.
한편, 상기 조직 검체 이미지 정제 시스템(100)은 상기 이진 마스크에 기초하여 상기 복수의 컨투어를 추출할 수 있다(S102).
상기 조직 검체 이미지 정제 시스템(100)은 Suzuki, S.와 Abe. K가 제안한 컨투어 추출 방법(Topological Structural Analysis of Digitized Binary Images by Border Following. CVGIP 30 1, pp 32-46 (1985)) 등 알려진 다양한 컨투어 추출 방법을 통해 상기 이진 마스크에 기초하여 상기 복수의 컨투어를 추출할 수 있으며, 이외에도 좌표열의 집합으로 구성된 컨투어를 추출할 수 있는 알고리즘이면 무엇이든 사용할 수 있다.
다시 도 3을 참조하면, 상기 조직 검체 이미지 정제 시스템(100)은 추출된 상기 복수의 컨투어 각각의 중심점 좌표를 산출할 수 있다. 만약 상기 조직 검체 이미지에 M개의 조직이 있다고 하면, 상기 조직 검체 이미지 정제 시스템(100)은 첫 번째 컨투어의 중심점 좌표 내지 M 번째 컨투어의 중심점 좌표를 산출할 수 있다(S110, S115).
상기 조직 검체 이미지 정제 시스템(100)은 상기 조직 검체 이미지의 중심점 좌표와 상기 복수의 컨투어 각각의 중심점 좌표에 기초하여, 상기 복수의 컨투어 중 주(主)조직 컨투어를 결정할 수 있다(S120).
S120 단계의 보다 상세한 예가 도 5에 도시되어 있다. 도 5를 참조하면, 상기 조직 검체 이미지 정제 시스템(100)은 조직 검체 이미지의 중심점과 각각의 컨투어(즉, 첫 번째 컨투어 내지 제M번째 컨투어)간의 거리를 산출할 수 있다(S121, S122).
이후 상기 조직 검체 이미지 정제 시스템(100)은 상기 복수의 컨투어 중 해당 컨투어의 중심점과 상기 조직 검체 이미지의 중심점과의 거리가 가장 가까운 컨투어를 상기 주조직 컨투어로 결정할 수 있다(S123).
다시 도 3을 참조하면, 상기 조직 검체 이미지 정제 시스템(100)은 상기 복수의 컨투어 중 상기 주조직 컨투어를 제외한 나머지 컨투어의 적어도 일부에 해당하는 영역을 제거할 수 있다(S130).
S130 단계의 구체적인 예가 도 6에 도시되어 있다. 도 6을 참조하면, 상기 조직 검체 이미지 정제 시스템(100)은 상기 복수의 컨투어 중 상기 조직 검체 이미지의 외곽선에 인접한 경계인접 컨투어를 결정할 수 있다(S131).
또한 상기 조직 검체 이미지 정제 시스템(100)은 상기 경계인접 컨투어 중 상기 주조직 컨투어가 아닌 것을 제거 대상 컨투어로 결정할 수 있다(S132).
이후 상기 조직 검체 이미지 정제 시스템(100)은 상기 조직 검체 이미지에서 제거대상 컨투어에 해당하는 영역을 제거할 수 있다(S131).
일 실시예에서, 상기 조직 검체 이미지 정제 시스템(100)은 상기 조직 검체 이미지 중 상기 제거대상 컨투어에 해당하는 영역을 상기 조직 검체 이미지의 배경색으로 치환함으로써 상기 제거대상 컨투어에 해당하는 영역을 제거할 수 있으며, 이때, 상기 복수의 컨투어 중 어느 하나에도 해당하는 영역의 평균 색이 상기 조직 검체 이미지의 배경색으로 결정될 수 있다.
도 7c는 도 7a의 조직 검체 이미지에서 제거대상 컨투어에 해당하는 영역(경계인접 컨투어 중 상기 주조직 컨투어가 아닌 것)을 제거한 후의 정제된 이미지를 도시하고 있다.
실시예에 따라서는, 도 6과는 달리, 상기 조직 검체 이미지 정제 시스템(100)은 주조직 검체를 제외한 나머지 검체를 모두 제거할 수도 있으며, 주조직 검체에 상응하는 컨투어 좌표의 중심점 좌표와 나머지 검체 각각에 상응하는 컨투어의 중심점 좌표를 비교하여 중심점 좌표간의 거리가 소정의 한계치를 초과하는 검체만을 제거할 수도 있다.
도 8은 본 발명의 일 실시예에 따른 조직 검체 이미지 정제 시스템(100)의 개략적인 구성을 도시한 도면이다.
상기 조직 검체 이미지 정제 시스템(100) 은 본 발명의 기술적 사상을 구현하기 위해 필요한 하드웨어 리소스(resource) 및/또는 소프트웨어를 구비한 논리적인 구성을 의미할 수 있으며, 반드시 하나의 물리적인 구성요소를 의미하거나 하나의 장치를 의미하는 것은 아니다. 즉, 상기 조직 검체 이미지 정제 시스템(100) 은 본 발명의 기술적 사상을 구현하기 위해 구비되는 하드웨어 및/또는 소프트웨어의 논리적인 결합을 의미할 수 있으며, 필요한 경우에는 서로 이격된 장치에 설치되어 각각의 기능을 수행함으로써 본 발명의 기술적 사상을 구현하기 위한 논리적인 구성들의 집합으로 구현될 수도 있다. 또한, 상기 조직 검체 이미지 정제 시스템(100) 은 본 발명의 기술적 사상을 구현하기 위한 각각의 기능 또는 역할별로 별도로 구현되는 구성들의 집합을 의미할 수도 있다. 조직 검체 이미지 정제 시스템(100) 의 각 구성은 서로 다른 물리적 장치에 위치할 수도 있고, 동일한 물리적 장치에 위치할 수도 있다. 또한, 구현 예에 따라서는 상기 조직 검체 이미지 정제 시스템(100)의 구성 요소 각각을 구성하는 소프트웨어 및/또는 하드웨어의 결합 역시 서로 다른 물리적 장치에 위치하고, 서로 다른 물리적 장치에 위치한 구성들이 서로 유기적으로 결합되어 각각의 상기 모듈들을 구현할 수도 있다.
또한, 본 명세서에서 모듈이라 함은, 본 발명의 기술적 사상을 수행하기 위한 하드웨어 및 상기 하드웨어를 구동하기 위한 소프트웨어의 기능적, 구조적 결합을 의미할 수 있다. 예컨대, 상기 모듈은 소정의 코드와 상기 소정의 코드가 수행되기 위한 하드웨어 리소스(resource)의 논리적인 단위를 의미할 수 있으며, 반드시 물리적으로 연결된 코드를 의미하거나, 한 종류의 하드웨어를 의미하는 것은 아님은 본 발명의 기술분야의 평균적 전문가에게는 용이하게 추론될 수 있다.
도 8을 참조하면, 상기 조직 검체 이미지 정제 시스템(100)은 추출모듈(110), 산출모듈(120), 결정모듈(130) 및 제거모듈(140)을 포함할 수 있다. 본 발명의 실시예에 따라서는, 상술한 구성요소들 중 일부 구성요소는 반드시 본 발명의 구현에 필수적으로 필요한 구성요소에 해당하지 않을 수도 있으며, 또한 실시예에 따라 상기 조직 검체 이미지 정제 시스템(100)은 이보다 더 많은 구성요소를 포함할 수도 있음은 물론이다. 예를 들어 상기 조직 검체 이미지 정제 시스템(100)은 외부 장치와 통신하기 위한 통신모듈(미도시), 데이터를 저장하기 위한 저장모듈(미도시), 상기 조직 검체 이미지 정제 시스템(100)의 구성요소 및 리소스를 제어하기 위한 제어모듈(미도시) 등을 더 포함할 수 있다.
상기 추출모듈(110)은 조직 검체 이미지에 포함된 복수의 조직 영역 각각에 상응하는 복수의 컨투어(contour)를 추출할 수 있다.
일 실시예에서, 상기 추출모듈(110)은 상기 조직 검체 이미지에 포함된 복수의 조직 영역과 비조직 영역의 값이 이진 값으로 구분되는 상기 조직 검체 이미지에 상응하는 이진 마스크 이미지를 생성하고, 상기 이진 마스크에 기초하여 상기 복수의 컨투어를 추출할 수 있다.
상기 산출모듈(120)은 추출된 상기 복수의 컨투어 각각의 중심점 좌표를 산출할 수 있다.
상기 결정모듈(130)은 상기 조직 검체 이미지의 중심점 좌표와 상기 복수의 컨투어 각각의 중심점 좌표에 기초하여, 상기 복수의 컨투어 중 주(主)조직 컨투어를 결정할 수 있다.
일 실시예에서, 상기 결정모듈(130)은 상기 복수의 컨투어 중 해당 컨투어의 중심점과 상기 조직 검체 이미지의 중심점과의 거리가 가장 가까운 컨투어를 상기 주조직 컨투어로 결정
상기 제거모듈(140)은 상기 복수의 컨투어 중 상기 주조직 컨투어를 제외한 나머지 컨투어의 적어도 일부에 해당하는 영역을 제거할 수 있다.
일 실시예에서, 상기 제거모듈(140)은 상기 복수의 컨투어 중 상기 조직 검체 이미지의 외곽선에 인접한 경계인접 컨투어를 결정하고, 상기 조직 검체 이미지에서 제거대상 컨투어에 해당하는 영역을 제거할 수 있다. 이때, 상기 제거대상 컨투어는 상기 경계인접 컨투어 중 주조직 컨투어가 아닌 것일 수 있다.
일 실시예서, 상기 제거모듈(140)은 상기 조직 검체 이미지 중 상기 제거대상 컨투어에 해당하는 영역을 상기 조직 검체 이미지의 배경색으로 치환하는 방식으로 상기 조직 검체 이미지에서 제거대상 컨투어에 해당하는 영역을 제거할 수 있다. 이때 상기 조직 검체 이미지의 배경색은 상기 조직 검체 이미지 중 상기 복수의 컨투어 중 어느 하나에도 해당하지 않는 영역의 평균 색으로 결정될 수 있다.
한편, 구현 예에 따라서, 상기 조직 검체 이미지 정제 시스템(100)은 프로세서 및 상기 프로세서에 의해 실행되는 프로그램을 저장하는 메모리를 포함할 수 있다. 이 경우 상기 조직 검체 이미지 정제 시스템(100)은 도 9에 도시된 바와 같은 구성을 가질 수 있다. 도 9는 본 발명의 실시 예에 따른 조직 검체 이미지 정제 시스템(100)의 개략적인 구성을 설명하기 위한 도면이다.
상기 조직 검체 이미지 정제 시스템(100)은 본 발명의 기술적 사상을 구현하기 위한 프로그램이 저장되는 메모리(102) 및 상기 메모리(102)에 저장된 프로그램을 실행하기 위한 프로세서(101)가 구비될 수 있다.
상기 프로세서(101)는 상기 조직 검체 이미지 정제 시스템(100)의 구현 예에 따라, CPU, APU, 모바일 프로세서 등 다양한 명칭으로 명명될 수 있음을 본 발명의 기술분야의 평균적 전문가는 용이하게 추론할 수 있을 것이다. 상기 프로세서는 싱글 코어 CPU혹은 멀티 코어 CPU를 포함할 수 있다. 또한, 상기 조직 검체 이미지 정제 시스템(100)은 복수의 물리적 장치들이 유기적으로 결합되어 구현될 수도 있으며, 이러한 경우 상기 프로세서(101)는 물리적 장치 별로 적어도 한 개 구비되어 본 발명의 조직 검체 이미지 정제 시스템(100)을 구현할 수 있음을 본 발명의 기술분야의 평균적 전문가는 용이하게 추론할 수 있을 것이다.
상기 메모리(102)는 상기 프로그램이 저장되며, 상기 프로그램을 구동시키기 위해 상기 프로세서가 접근할 수 있는 어떠한 형태의 저장장치로 구현되어도 무방하다. 상기 메모리(102)는 고속 랜덤 액세스 메모리를 포함할 수 있고 하나 이상의 자기 디스크 저장 장치, 플래시 메모리 장치, 또는 기타 비휘발성 고체상태 메모리 장치와 같은 비휘발성 메모리를 포함할 수도 있다. 프로세서 및 기타 구성 요소에 의한 메모리로의 액세스는 메모리 컨트롤러에 의해 제어될 수 있다. 또한 하드웨어적 구현 예에 따라 상기 메모리(102)는 어느 하나의 저장장치가 아니라 복수의 저장장치로 구현될 수도 있다. 또한 상기 메모리(102)는 주기억장치뿐만 아니라, 임시기억장치를 포함할 수도 있다. 또한 휘발성 메모리 또는 비휘발성 메모리로 구현될 수도 있으며, 상기 프로그램이 저장되고 상기 프로세서에 의해 구동될 수 있도록 구현되는 모든 형태의 정보저장 수단을 포함하는 의미로 정의될 수 있다.
상기 프로그램은 상기 프로세서(101)에 의해 실행되는 경우 상기 조직 검체 이미지 정제 시스템(100)으로 하여금 상술한 조직 검체 이미지 정제 방법을 수행하도록 할 수 있다.
한편, 본 발명의 실시예에 따른 방법은 컴퓨터가 읽을 수 있는 프로그램 명령 형태로 구현되어 컴퓨터로 읽을 수 있는 기록 매체에 저장될 수 있으며, 본 발명의 실시예에 따른 제어 프로그램 및 대상 프로그램도 컴퓨터로 판독 가능한 기록 매체에 저장될 수 있다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다.
기록 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 소프트웨어 분야 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터로 읽을 수 있는 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. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 전자적으로 정보를 처리하는 장치, 예를 들어, 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타나며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
본 발명은 조직 검체 이미지 정제 방법, 및 이를 수행하는 컴퓨팅 시스템에 이용될 수 있다.

Claims (13)

  1. 조직 검체 이미지 정제 방법으로서,
    조직 검체 이미지에 포함된 복수의 조직 영역 각각에 상응하는 복수의 컨투어(contour)를 추출하는 단계;
    추출된 상기 복수의 컨투어 각각의 중심점 좌표를 산출하는 단계;
    상기 조직 검체 이미지의 중심점 좌표와 상기 복수의 컨투어 각각의 중심점 좌표에 기초하여, 상기 복수의 컨투어 중 주(主)조직 컨투어를 결정하는 단계; 및
    상기 복수의 컨투어 중 상기 주조직 컨투어를 제외한 나머지 컨투어의 적어도 일부에 해당하는 영역을 제거하는 단계를 포함하는 조직 검체 이미지 정제 방법.
  2. 제1항에 있어서,
    상기 조직 검체 이미지의 중심점 좌표와 상기 복수의 컨투어 각각의 중심점 좌표에 기초하여, 상기 복수의 컨투어 중 주조직 컨투어를 결정하는 단계는,
    상기 복수의 컨투어 중 해당 컨투어의 중심점과 상기 조직 검체 이미지의 중심점과의 거리가 가장 가까운 컨투어를 상기 주조직 컨투어로 결정하는 단계를 포함하는 조직 검체 이미지 정제 방법.
  3. 제1항에 있어서,
    상기 복수의 컨투어 중 상기 주조직 컨투어를 제외한 나머지 컨투어의 적어도 일부에 해당하는 영역을 제거하는 단계는,
    상기 복수의 컨투어 중 상기 조직 검체 이미지의 외곽선에 인접한 경계인접 컨투어를 결정하는 단계; 및
    상기 조직 검체 이미지에서 제거대상 컨투어에 해당하는 영역을 제거하는 단계-여기서, 상기 제거대상 컨투어는 상기 경계인접 컨투어 중 주조직 컨투어가 아닌 것임-를 포함하는 조직 검체 이미지 정제 방법.
  4. 제1항에 있어서,
    상기 조직 검체 이미지에 포함된 복수의 조직 영역 각각에 상응하는 복수의 컨투어를 추출하는 단계는,
    상기 조직 검체 이미지에 포함된 복수의 조직 영역과 비조직 영역의 값이 이진 값으로 구분되는 상기 조직 검체 이미지에 상응하는 이진 마스크 이미지를 생성하는 단계; 및
    상기 이진 마스크에 기초하여 상기 복수의 컨투어를 추출하는 단계를 포함하는 조직 검체 이미지 정제 방법.
  5. 제1항에 있어서,
    상기 조직 검체 이미지에서 제거대상 컨투어에 해당하는 영역을 제거하는 단계는,
    상기 조직 검체 이미지 중 상기 제거대상 컨투어에 해당하는 영역을 상기 조직 검체 이미지의 배경색으로 치환하는 단계를 포함하는 조직 검체 이미지 정제 방법.
  6. 제5항에 있어서,
    상기 조직 검체 이미지에서 제거대상 컨투어에 해당하는 영역을 제거하는 단계는,
    상기 조직 검체 이미지 중 상기 복수의 컨투어 중 어느 하나에도 해당하지 않는 영역의 평균 색을 상기 조직 검체 이미지의 배경색으로 결정하는 단계를 더 포함하는 조직 검체 이미지 정제 방법.
  7. 데이터 처리장치에 설치되며 제1항 내지 제6항 중 어느 한 항에 기재된 방법을 수행하기 위한 매체에 기록된 컴퓨터 프로그램.
  8. 제1항 내지 제6항 중 어느 한 항에 기재된 방법을 수행하기 위한 컴퓨터 프로그램이 기록된 컴퓨터 판독 가능한 기록매체.
  9. 조직 검체 이미지 정제 시스템으로서,
    프로세서; 및 컴퓨터 프로그램을 저장하는 메모리를 포함하고,
    상기 컴퓨터 프로그램은, 상기 프로세서에 의해 실행되는 경우, 상기 조직 검체 이미지 정제 시스템으로 하여금 조직 검체 이미지 정제 방법을 수행하도록 하며,
    상기 조직 검체 이미지 정제 방법은,
    조직 검체 이미지에 포함된 복수의 조직 영역 각각에 상응하는 복수의 컨투어(contour)를 추출하는 단계;
    추출된 상기 복수의 컨투어 각각의 중심점 좌표를 산출하는 단계;
    상기 조직 검체 이미지의 중심점 좌표와 상기 복수의 컨투어 각각의 중심점 좌표에 기초하여, 상기 복수의 컨투어 중 주(主)조직 컨투어를 결정하는 단계; 및
    상기 복수의 컨투어 중 상기 주조직 컨투어를 제외한 나머지 컨투어의 적어도 일부에 해당하는 영역을 제거하는 단계를 포함하는 조직 검체 이미지 정제 시스템.
  10. 제9항에 있어서,
    상기 조직 검체 이미지의 중심점 좌표와 상기 복수의 컨투어 각각의 중심점 좌표에 기초하여, 상기 복수의 컨투어 중 주조직 컨투어를 결정하는 단계는,
    상기 복수의 컨투어 중 해당 컨투어의 중심점과 상기 조직 검체 이미지의 중심점과의 거리가 가장 가까운 컨투어를 상기 주조직 컨투어로 결정하는 단계를 포함하는 조직 검체 이미지 정제 시스템.
  11. 제9항에 있어서,
    상기 복수의 컨투어 중 상기 주조직 컨투어를 제외한 나머지 컨투어의 적어도 일부에 해당하는 영역을 제거하는 단계는,
    상기 복수의 컨투어 중 상기 조직 검체 이미지의 외곽선에 인접한 경계인접 컨투어를 결정하는 단계; 및
    상기 조직 검체 이미지에서 제거대상 컨투어에 해당하는 영역을 제거하는 단계-여기서, 상기 제거대상 컨투어는 상기 경계인접 컨투어 중 주조직 컨투어가 아닌 것임-를 포함하는 조직 검체 이미지 정제 시스템.
  12. 제9항에 있어서,
    상기 조직 검체 이미지에 포함된 복수의 조직 영역 각각에 상응하는 복수의 컨투어를 추출하는 단계는,
    상기 조직 검체 이미지에 포함된 복수의 조직 영역과 비조직 영역의 값이 이진 값으로 구분되는 상기 조직 검체 이미지에 상응하는 이진 마스크 이미지를 생성하는 단계; 및
    상기 이진 마스크에 기초하여 상기 복수의 컨투어를 추출하는 단계를 포함하는 조직 검체 이미지 정제 시스템.
  13. 제1항에 있어서,
    상기 조직 검체 이미지에서 제거대상 컨투어에 해당하는 영역을 제거하는 단계는,
    상기 조직 검체 이미지 중 상기 제거대상 컨투어에 해당하는 영역을 상기 조직 검체 이미지의 배경색으로 치환하는 단계를 포함하는 조직 검체 이미지 정제 시스템.
PCT/KR2022/000972 2021-01-20 2022-01-19 조직 검체 이미지 정제 방법, 및 이를 수행하는 컴퓨팅 시스템 WO2022158843A1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
EP22742819.0A EP4266247A1 (en) 2021-01-20 2022-01-19 Method for refining tissue specimen image, and computing system performing same
US18/273,033 US20240087133A1 (en) 2021-01-20 2022-01-19 Method of refining tissue specimen image, and computing system performing same
CN202280011049.XA CN116745809A (zh) 2021-01-20 2022-01-19 组织样本图像精制方法及执行其的计算系统
JP2023542991A JP2024504958A (ja) 2021-01-20 2022-01-19 組織検体画像の生成方法、及びこれを行うコンピューティングシステム

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020210008312A KR102304609B1 (ko) 2021-01-20 2021-01-20 조직 검체 이미지 정제 방법, 및 이를 수행하는 컴퓨팅 시스템
KR10-2021-0008312 2021-01-20

Publications (1)

Publication Number Publication Date
WO2022158843A1 true WO2022158843A1 (ko) 2022-07-28

Family

ID=77914650

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/000972 WO2022158843A1 (ko) 2021-01-20 2022-01-19 조직 검체 이미지 정제 방법, 및 이를 수행하는 컴퓨팅 시스템

Country Status (6)

Country Link
US (1) US20240087133A1 (ko)
EP (1) EP4266247A1 (ko)
JP (1) JP2024504958A (ko)
KR (1) KR102304609B1 (ko)
CN (1) CN116745809A (ko)
WO (1) WO2022158843A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102304609B1 (ko) * 2021-01-20 2021-09-24 주식회사 딥바이오 조직 검체 이미지 정제 방법, 및 이를 수행하는 컴퓨팅 시스템

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012255808A (ja) * 2012-09-14 2012-12-27 Nec Corp 病理組織画像撮影システム、病理組織画像撮影方法、および病理組織画像撮影プログラム
JP2018128294A (ja) * 2017-02-07 2018-08-16 株式会社島津製作所 関心領域追跡装置
WO2018180386A1 (ja) * 2017-03-30 2018-10-04 国立研究開発法人産業技術総合研究所 超音波画像診断支援方法、およびシステム
WO2018180578A1 (ja) * 2017-03-31 2018-10-04 ソニーセミコンダクタソリューションズ株式会社 画像処理装置、撮像装置、画像処理方法、およびプログラム
JP2019193110A (ja) * 2018-04-25 2019-10-31 キヤノン株式会社 情報処理装置、情報処理方法およびプログラム
KR102304609B1 (ko) * 2021-01-20 2021-09-24 주식회사 딥바이오 조직 검체 이미지 정제 방법, 및 이를 수행하는 컴퓨팅 시스템

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012255808A (ja) * 2012-09-14 2012-12-27 Nec Corp 病理組織画像撮影システム、病理組織画像撮影方法、および病理組織画像撮影プログラム
JP2018128294A (ja) * 2017-02-07 2018-08-16 株式会社島津製作所 関心領域追跡装置
WO2018180386A1 (ja) * 2017-03-30 2018-10-04 国立研究開発法人産業技術総合研究所 超音波画像診断支援方法、およびシステム
WO2018180578A1 (ja) * 2017-03-31 2018-10-04 ソニーセミコンダクタソリューションズ株式会社 画像処理装置、撮像装置、画像処理方法、およびプログラム
JP2019193110A (ja) * 2018-04-25 2019-10-31 キヤノン株式会社 情報処理装置、情報処理方法およびプログラム
KR102304609B1 (ko) * 2021-01-20 2021-09-24 주식회사 딥바이오 조직 검체 이미지 정제 방법, 및 이를 수행하는 컴퓨팅 시스템

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
SUZUKI, SABE. K: "Topological Structural Analysis of Digitized Binary Images by Border Following", CVGIP, vol. 30, no. 1, 1985, pages 32 - 46, XP001376400

Also Published As

Publication number Publication date
CN116745809A (zh) 2023-09-12
US20240087133A1 (en) 2024-03-14
KR102304609B1 (ko) 2021-09-24
EP4266247A1 (en) 2023-10-25
JP2024504958A (ja) 2024-02-02

Similar Documents

Publication Publication Date Title
WO2018106005A1 (ko) 뉴럴 네트워크를 이용한 질병의 진단 시스템 및 그 방법
WO2022149894A1 (ko) 병리 검체에 대한 판단 결과를 제공하는 인공 뉴럴 네트워크의 학습 방법, 및 이를 수행하는 컴퓨팅 시스템
WO2021093451A1 (zh) 病理切片图像的处理方法、装置、系统及存储介质
WO2019235828A1 (ko) 투 페이스 질병 진단 시스템 및 그 방법
WO2020032559A2 (ko) 뉴럴 네트워크를 이용한 질병의 진단 시스템 및 방법
WO2021182889A2 (ko) 영상 기반의 안질환 진단 장치 및 방법
WO2019098415A1 (ko) 자궁경부암에 대한 피검체의 발병 여부를 판정하는 방법 및 이를 이용한 장치
WO2021071288A1 (ko) 골절 진단모델의 학습 방법 및 장치
WO2022158843A1 (ko) 조직 검체 이미지 정제 방법, 및 이를 수행하는 컴퓨팅 시스템
WO2020032562A2 (ko) 생체 이미지 진단 시스템, 생체 이미지 진단 방법, 및 이를 수행하기 위한 단말
WO2019189972A1 (ko) 치매를 진단을 하기 위해 홍채 영상을 인공지능으로 분석하는 방법
WO2022197044A1 (ko) 뉴럴 네트워크를 이용한 방광병변 진단 방법 및 그 시스템
WO2022191539A1 (ko) Turp 병리 이미지로부터 전립선암을 검출하기 위한 용도의 인공 뉴럴 네트워크를 학습하는 방법 및 이를 수행하는 컴퓨팅 시스템
WO2023234730A1 (ko) 패치 레벨 중증도 판단 방법, 슬라이드 레벨 중증도 판단 방법 및 이를 수행하는 컴퓨팅 시스템
WO2023182702A1 (ko) 디지털 병리이미지의 인공지능 진단 데이터 처리 장치 및 그 방법
WO2022231200A1 (ko) 유방암 병변 영역을 판별하기 위한 인공 신경망을 학습하기 위한 학습 방법, 및 이를 수행하는 컴퓨팅 시스템
WO2023121051A1 (ko) 환자 정보 제공 방법, 환자 정보 제공 장치, 및 컴퓨터 판독 가능한 기록 매체
WO2019168381A1 (ko) 피부 질환 자동 분류 장치 및 피부 질환 자동 분류 방법
WO2017010612A1 (ko) 의료 영상 분석 기반의 병리 진단 예측 시스템 및 방법
WO2022119347A1 (ko) 초음파 영상 기반의 딥 러닝을 통한 관상동맥 경화반 조직 분석 방법, 장치 및 기록매체
WO2019235827A1 (ko) 듀얼 클래스를 지원하는 질병 진단 시스템 및 그 방법
WO2018221816A1 (en) Method for determining whether examinee is infected by microorganism and apparatus using the same
WO2020246676A1 (ko) 자궁경부암 자동 진단 시스템
WO2021015490A2 (ko) 이미지의 특이 영역 분석 방법 및 장치
WO2022197045A1 (ko) 뉴럴 네트워크를 통한 질병의 진단결과를 이용한 예후예측방법 및 그 시스템

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: 22742819

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2023542991

Country of ref document: JP

WWE Wipo information: entry into national phase

Ref document number: 18273033

Country of ref document: US

WWE Wipo information: entry into national phase

Ref document number: 202280011049.X

Country of ref document: CN

ENP Entry into the national phase

Ref document number: 2022742819

Country of ref document: EP

Effective date: 20230718

NENP Non-entry into the national phase

Ref country code: DE