WO2024090992A1 - 근육량 측정 시스템 및 이를 이용한 근육량 측정 방법 - Google Patents

근육량 측정 시스템 및 이를 이용한 근육량 측정 방법 Download PDF

Info

Publication number
WO2024090992A1
WO2024090992A1 PCT/KR2023/016668 KR2023016668W WO2024090992A1 WO 2024090992 A1 WO2024090992 A1 WO 2024090992A1 KR 2023016668 W KR2023016668 W KR 2023016668W WO 2024090992 A1 WO2024090992 A1 WO 2024090992A1
Authority
WO
WIPO (PCT)
Prior art keywords
muscle
muscle mass
measured
fat
images
Prior art date
Legal status (The legal status 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 status listed.)
Ceased
Application number
PCT/KR2023/016668
Other languages
English (en)
French (fr)
Inventor
노성현
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ajou University Industry Academic Cooperation Foundation
Original Assignee
Ajou University Industry Academic Cooperation Foundation
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 Ajou University Industry Academic Cooperation Foundation filed Critical Ajou University Industry Academic Cooperation Foundation
Publication of WO2024090992A1 publication Critical patent/WO2024090992A1/ko
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4519—Muscles
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus, e.g. for MRI, optical tomography or impedance tomography apparatus; Arrangements of imaging apparatus in a room
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4869—Determining body composition
    • A61B5/4872—Body fat
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]

Definitions

  • the present invention relates to a muscle mass measurement system and a muscle mass measurement method. More specifically, it relates to a muscle mass measurement system that can shorten the measurement time and obtain measurement results close to the actual value, and a muscle mass measurement method using the same.
  • Muscle refers to a body organ made up of muscle cells, which performs body movements, protects internal organs, and assists functions such as blood circulation and digestion. Specifically, it is involved in physical activities such as maintaining physique and walking, as well as energy homeostasis, heat production, and sugar and amino acid metabolism.
  • Muscles account for nearly half of body weight, and if you lack muscles, you may be vulnerable to fractures and degenerative diseases. In particular, in the case of degenerative diseases, one of the factors that has the greatest influence on the invention or prevention is muscle mass.
  • the conventional spinal muscle mass measurement system estimates spinal muscle mass based on cross-sectional images of lumbar vertebrae 3 and 4.
  • this type of muscle mass measurement system has the potential to take excessive measurement time since experts individually observe each image and estimate muscle mass from this.
  • it is difficult to accurately measure muscle mass because it only refers to a cross section of a specific part of the spine.
  • Korean Patent Publication No. 10-2396269 discloses a method of providing information necessary for diagnosing CMT type 1A through quantitative measurement of thigh muscles. Specifically, we disclose a method of quantitatively measuring the thigh muscles using MRI and providing information necessary for diagnosing CMT type 1A based on this.
  • this type of measurement method estimates thigh muscle mass based only on cross-sectional images of the upper 1/3 and lower 1/3 of the thigh muscle, which is a cross-section of only a small portion of the thigh muscle, and there is a large difference between the muscle mass estimation results and the actual muscle mass. There is a possibility that it may occur.
  • Korean Patent Publication No. 2003-0090082 discloses a method for calculating the volume of an extraction target using computer image information. Specifically, a method for extracting the volume of a specific organ from an image of the organ captured by CT is disclosed.
  • this type of volume calculation method has limitations in calculating an accurate volume because the image of the organ being extracted is still output as a two-dimensional cross-section. Additionally, separate information is required to be input by the user.
  • Patent Document 1 Korean Patent Publication No. 10-2396269 (2022.05.10.
  • Patent Document 2 Korea Patent Publication No. 2003-0090082 (2003.11.28.)
  • One object of the present invention is to provide a muscle mass measurement system that can shorten the muscle mass measurement time and a method for measuring muscle mass using the same.
  • Another object of the present invention is to provide a muscle mass measurement system that can obtain measurement results close to actual values and a muscle mass measurement method using the same.
  • the muscle mass measurement system is a system that measures the muscle mass of a specific muscle, and includes a plurality of magnetic resonance imaging (MRI) images taken while moving the muscle to be measured in one direction along one axis.
  • MRI magnetic resonance imaging
  • An input unit that receives a tomographic image; a position extraction unit that estimates the position of the muscle to be measured based on the plurality of images received by the input unit; a contour generator that sets a boundary line of the muscle to be measured based on the estimation result of the position extraction unit; a fat fraction calculation unit that calculates the fraction of fat present inside the boundary line set by the outline generator; and a muscle mass calculation unit that calculates the volume of the muscle to be measured excluding fat based on the boundary line set by the outline generator for the plurality of images received by the input unit and the calculation result of the fat fraction calculation unit.
  • the input unit receives the respective shooting position intervals of the plurality of images received by the input unit, and the muscle mass calculation unit sequentially arranges the plurality of images to correspond to the shooting position intervals received by the input unit, Based on this, the three-dimensional shape of the muscle to be measured can be estimated.
  • the fat fraction calculation unit may recognize a point with relatively high brightness compared to other points as fat within the borderline range set by the outline creation unit.
  • the muscle to be measured may be a spinal muscle.
  • the location extraction unit estimates the positions of each of the multifidus muscle, erector spinae muscle, psoas muscle, and quadratus lumborum based on the plurality of images received by the input unit.
  • the outline generator may set the boundary lines of each of the multifidus, erector spinae, psoas, and quadratus lumborum muscles based on the estimation results of the position extraction unit.
  • the muscle mass calculator can calculate the volume excluding fat for each of the multifidus, erector spinae, psoas, and quadratus lumborum muscles.
  • the present invention provides a method for measuring muscle mass of a specific muscle, comprising: (a) inputting a plurality of MRI tomography images taken while moving the muscle to be measured in one direction along one axis; (b) estimating the location of the muscle to be measured based on the plurality of images; (c) setting a boundary line of the muscle to be measured based on the position estimation result; (d) calculating the fraction of fat present inside the boundary line; and (e) calculating the volume of the muscle to be measured, excluding fat, based on the boundary line set for the plurality of images and the fat fraction calculation result.
  • step (a) may include the step (a1) of inputting a plurality of MRI tomographic images taken while moving the spinal muscles in one direction along one axis.
  • step (b) includes a step of estimating the positions of (b1) the multifidus, erector spinae, psoas, and quadratus lumborum
  • step (c) includes (c1) the multifidus, erector spinae, and psoas muscles. And it may include a step of setting the boundary line of each quadratus lumborum muscle.
  • step (e) may include the step (e1) of calculating the volume excluding fat for each of the multifidus, erector spinae, psoas, and quadratus lumborum muscles.
  • step (d) may include the step (d1) of recognizing a point with relatively high brightness compared to other points within the borderline range as a province.
  • step (e) includes: (e2) sequentially arranging the plurality of images to correspond to shooting position intervals; and (e3) estimating the three-dimensional shape of the muscle to be measured.
  • the muscle mass measurement system includes an input unit, a position extraction unit, a contour creation unit, a fat fraction calculation unit, and a muscle mass calculation unit.
  • the position extraction unit, contour generation unit, and fat fraction calculation unit calculate the location, border, and fat fraction of the muscle to be measured based on the plurality of MRI (Magnetic Resonance Imaging) tomography images received by the input unit.
  • the muscle mass calculation unit calculates the volume of the muscle to be measured, excluding fat, based on the calculated location, boundary, and fat fraction of the muscle to be measured.
  • the above-described calculation process is automatically performed according to preset rules. Therefore, the time required to measure muscle mass can be shorter compared to manual measurement.
  • the input unit receives a plurality of MRI tomographic images taken while moving the muscle to be measured in one direction along one axis, and the data operation unit estimates the location, outline, and fat fraction of the muscle based on the plurality of images received.
  • FIG. 1 is a schematic diagram showing a muscle mass measurement system according to an embodiment of the present invention.
  • Figures 2 and 3 are conceptual diagrams illustrating the process of extracting the position of the muscle to be measured and generating the outline by the muscle mass measurement system of Figure 1.
  • Figure 4 is a flowchart showing a method for measuring muscle mass according to an embodiment of the present invention.
  • Figure 5 is a flowchart showing a method for measuring muscle mass according to another embodiment of the present invention.
  • the muscle mass measurement system 1 measures the volume of a specific muscle excluding fat. In one embodiment, the muscle mass measurement system 1 can measure the volume of the spinal muscles excluding fat.
  • the muscle mass measurement system 1 includes an input unit 10, a data operation unit 20, an output unit 30, and a control unit 40.
  • the input unit 10 receives an MRI (Magnetic Resonance Imaging) tomography image of the muscle to be measured. Specifically, a plurality of MRI tomographic images taken while moving the muscle to be measured in one direction along one axis are received.
  • MRI Magnetic Resonance Imaging
  • the input unit 10 can receive a plurality of images and the intervals between each shooting position of the plurality of images.
  • the input unit 10 may receive 40 MRI tomographic images taken at regular intervals while moving the spinal muscles in one direction along one axis.
  • the data received by the input unit 10 is transmitted to the data calculation unit 20.
  • the data calculation unit 20 calculates the volume excluding fat of the muscle to be measured based on the data received from the input unit 10. Specifically, the data calculation unit 20 calculates the location, outline, and fat fraction of the muscle to be measured, and calculates the volume excluding fat through these.
  • the data calculation unit 20 calculates the volume of the muscle to be measured by considering all the plurality of MRI tomographic images received by the input unit 10. Accordingly, a three-dimensional shape of the muscle that is close to the actual one can be estimated. Furthermore, muscle mass close to the actual value can be measured. As a result, measurement accuracy can be further improved.
  • the data calculation unit 20 includes a position extraction unit 21, a contour creation unit 22, a fat fraction calculation unit 23, and a muscle mass calculation unit 24.
  • the position extraction unit 21 is a part that estimates the position of the muscle to be measured.
  • the position extraction unit 21 estimates the location of the muscle to be measured based on the plurality of MRI tomographic images received by the input unit 10.
  • the location extractor 21 may estimate the location of the spinal root based on a plurality of MRI tomographic images of the spinal root received by the input unit 10.
  • the location extraction unit 21 detects the multifidus muscle, erector spinae muscle, and psoas muscle based on a plurality of MRI tomographic images of the spinal muscles received by the input unit 10. The location of each muscle and quadratus lumborum can be estimated.
  • the position extraction unit 21 transmits the estimation result to the outline generation unit 22.
  • the outline generator 22 sets the boundary line of the muscle to be measured based on the estimation result of the position extractor 21.
  • the outline generator 22 may set the boundary line of the spinal root based on the position estimation result for the spinal root of the position extractor 21.
  • the outline generator 22 may set boundaries for each of the multifidus, erector spinae, psoas, and quadratus lumborum based on the position estimation results for each of the multifidus, erector spinae, psoas, and quadratus lumborum muscles.
  • the location extractor 21 and the outline generator 22 may perform preprocessing and rescaling operations on the plurality of images received by the input unit 10.
  • the location extraction unit 21 and the outline creation unit 22 can each be trained using deep learning based on an area detection model (see FIG. 2).
  • the number and magnification of data input to the location extraction unit 21 and the outline creation unit 22 may be arbitrarily adjusted depending on the setting conditions and environment.
  • the green section, yellow section, red section, and blue section represent the outlines of the multifidus, erector spinae, psoas, and quadratus lumborum muscles, respectively. Additionally, the light blue and pink sections represent the outlines of the vertebrae and fat, respectively.
  • Fat may also be included inside the boundary line set by the outline creation unit 22.
  • the fat fraction calculation unit 23 calculates the fat fraction inside the boundary line.
  • the fat fraction calculating unit 23 may recognize a relatively high point as fat when compared to other points within the borderline range set by the outline generating unit 22. In another embodiment, the fat fraction calculating unit 23 may recognize a point displayed in white within the boundary range set by the outline generating unit 22 as fat.
  • the muscle mass calculation unit 24 calculates the volume of the muscle to be measured excluding fat based on the above-described calculation results.
  • the muscle mass calculation unit 24 calculates the volume of the muscle to be measured, excluding fat, based on the boundary line set by the outline generation unit 22 and the calculation result of the fat fraction calculation unit 23 for the plurality of images received by the input unit 10. do.
  • the muscle mass calculation unit 24 sequentially arranges a plurality of MRI tomographic images to correspond to the shooting position intervals received by the input unit 10, and estimates the three-dimensional shape of the muscle to be measured based on them.
  • the muscle mass calculation unit 24 may calculate the volume excluding fat for each of the multifidus, erector spinae, psoas, and quadratus lumborum muscles.
  • the calculation operations of the above-described position extraction unit 21, outline creation unit 22, fat fraction calculation unit 23, and muscle mass calculation unit 24 are automatically performed according to preset rules. Therefore, the time required to measure muscle mass can be shorter compared to manual measurement.
  • the result of the muscle mass calculation unit 24 is transmitted to the output unit 30.
  • the output unit 30 receives the volume value excluding fat of the muscle to be measured from the muscle mass calculation unit 24 and displays it externally.
  • the output unit 30 may externally display the volume value excluding fat of the muscle to be measured through a display (not shown). In another embodiment, the output unit 30 transmits the volume value excluding fat of the muscle to be measured to the service server, and the user can check this through the terminal.
  • the operations of the input unit 10, data operation unit 20, and output unit 30 described above may be controlled by the control unit 40.
  • the control unit 40 controls the overall operation of the input unit 10, data operation unit 20, and output unit 30, including starting and braking. To this end, the control unit 40 is electrically connected to the input unit 10, the data operation unit 20, and the output unit 30, respectively.
  • Figure 4 shows a method for measuring muscle mass according to an embodiment of the present invention.
  • the muscle mass measurement method includes inputting a plurality of MRI tomography images taken while moving the measurement target muscle in one direction along one axis (S100), and based on the plurality of images, the location of the measurement target muscle.
  • a step in which the borderline of the muscle to be measured is set based on the position estimation result (S200), a step in which the borderline of the muscle to be measured is set (S300), a step in which the fraction of fat present inside the borderline is calculated (S400), and a borderline set for a plurality of images.
  • it includes a step (S500) of calculating the volume of the muscle to be measured excluding fat.
  • the input unit 10 receives a plurality of MRI tomographic images of the muscle to be measured. At this time, the input unit 10 may also receive information about the shooting position interval of a plurality of MRI tomographic images.
  • a step (S200) in which the position of the muscle to be measured is estimated based on a plurality of images is performed.
  • the position extraction unit 21 estimates the position of the muscle to be measured based on the plurality of images received by the input unit 10.
  • the location extractor 21 may perform preprocessing and rescaling operations on a plurality of images.
  • the location extractor 21 may be trained using deep learning based on an area detection model.
  • a step (S300) in which the boundary line of the muscle to be measured is set is performed.
  • the outline generator 22 sets the boundary line of the muscle to be measured based on the estimation result of the position extractor 21.
  • the outline generator 22 may perform preprocessing and rescaling operations on a plurality of images and the estimation results of the location extractor 21 for the plurality of images.
  • the contour generator 22 may be trained using deep learning based on an area detection model.
  • a step (S400) is performed in which the fraction of fat present inside the boundary line is calculated.
  • the step (S400) of calculating the fraction of fat present inside the borderline may include a step (S410) of recognizing a point with relatively high brightness compared to other points within the borderline range as fat. You can.
  • a step (S500) is performed in which the volume of the muscle to be measured, excluding fat, is calculated based on the boundary line and fat fraction calculation results set for the plurality of images. .
  • the step (S500) of calculating the volume of the muscle to be measured excluding fat based on the borderline and fat fraction calculation results set for a plurality of images is a step in which the plurality of images are sequentially arranged to correspond to the shooting position interval. It may include a step (S510) and a step (S520) where the three-dimensional shape of the muscle to be measured is estimated.
  • Figure 5 shows a method for measuring muscle mass according to another embodiment of the present invention.
  • the purpose of the muscle mass measurement method according to this embodiment is to measure the volume of the spinal muscles excluding fat.
  • the method of measuring muscle mass according to this embodiment includes the step of inputting a plurality of MRI tomographic images taken while moving the muscle to be measured in one direction along one axis. (S100), a step in which the position of the muscle to be measured is estimated based on a plurality of images (S200), a step in which the borderline of the muscle to be measured is set based on the position estimation result (S300), the fraction of fat present inside the borderline It includes a calculating step (S400) and a step (S500) where the volume of the muscle to be measured excluding fat is calculated based on the boundary line and fat fraction calculation results set for the plurality of images.
  • the method for measuring muscle mass according to this embodiment is different from the method for measuring muscle mass according to the above-described embodiment in that it targets spinal muscles and can measure the volume of each detailed muscle of the spinal muscles.
  • the step (S100) of inputting a plurality of MRI tomography images taken while moving the measurement target muscle in one direction along one axis is a step (S100) of inputting a plurality of MRI tomography images taken while moving the spinal muscle in one direction along one axis. It includes a step (S130) in which a tomographic image is input.
  • the step (S200) in which the position of the muscle to be measured is estimated based on a plurality of images and the step (S300) in which the boundary line of the muscle to be measured is set based on the position estimation result is the multifidus, erector spinae, psoas, and It includes a step (S230) in which the position of each quadratus lumborum muscle is estimated and a step (S330) in which the boundaries of each of the multifidus, erector spinae, psoas, and quadratus lumborum muscles are set.
  • the fraction of fat present inside the borderline is calculated (S400) and the borderline and fat fraction calculation results set for a plurality of images are calculated. Based on this, a step (S500) is performed in which the volume of the muscle to be measured excluding fat is calculated.
  • the volume of the muscle to be measured excluding fat is calculated (S500).
  • the volume excluding fat for each of the multifidus muscle, erector spinae muscle, psoas muscle, and quadratus lumborum muscle is calculated. It includes a step (S530) where is calculated.

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Quality & Reliability (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Rheumatology (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

본 발명은, 특정 근육의 근육량을 측정하는 시스템으로서, 측정 대상 근육을 하나의 축을 따라 일 방향으로 이동하며 촬영한 복수 개의 MRI(Magnetic Resonance Imaging) 단층 이미지를 수신하고, 이를 토대로 상기 측정 대상 근육의 위치, 윤곽선 및 지방 분율을 연산하며, 최종적으로 지방을 제외한 상기 측정 대상 근육의 부피를 계산하는, 근육량 측정 시스템을 개시한다. 이에 따라, 근육량 측정 시간이 보다 단축될 수 있고 실제값에 가까운 측정 결과를 획득할 수 있다.

Description

근육량 측정 시스템 및 이를 이용한 근육량 측정 방법
본 발명은 근육량 측정 시스템 및 근육량 측정 방법에 관한 것으로, 보다 구체적으로, 측정 시간이 보다 단축될 수 있고 실제값에 가까운 측정 결과를 획득할 수 있는 근육량 측정 시스템 및 이를 이용한 근육량 측정 방법에 관한 것이다.
근육은 근육 세포로 이루어진 신체 기관을 의미하며, 신체의 움직임을 수행하고 내부 기관들을 보호하며 혈액 순환과 소화 등의 기능을 보조한다. 구체적으로, 체격 유지, 보행 등의 신체 활동을 비롯하여 에너지 항상성, 열 생성, 당 및 아미노산 대사 등에 관여하고 있다.
근육은 체중의 절반 가까운 비율을 차지하고 있으며, 근육이 부족한 경우에는 골절, 퇴행성 질환 등에 취약해질 가능성이 있다. 특히, 퇴행성 질환의 경우, 발명 또는 예방에 가장 큰 영향을 미치는 요인 중 하나가 근육량이다.
따라서, 퇴행성 질환을 포함한 여러 질병의 진단 및 예방을 위하여 근육량과 이의 변화량의 측정이 요구될 수 있을 것이다. 그러나, 실제값에 가까운 근육량을 측정하는 데에는 한계가 있다.
척추근을 예로 들면, 종래의 척추근 근육량 측정 시스템은 요추 3번, 4번의 단면 촬영 이미지를 토대로 척추근 근육량을 추정한다. 그러나, 이러한 유형의 근육량 측정 시스템은, 전문가가 각각의 이미지를 개별적으로 관찰하고 이로부터 근육량을 추정하는 바 측정 시간이 과도하게 소요될 가능성이 있다. 뿐만 아니라, 척추의 특정 부위의 단면만을 참조하는 바 근육량을 정확하게 측정하는 데 어려움이 있다.
이에 따라, 측정 시간이 보다 단축될 수 있고 실제값에 가까운 근육량 측정이 가능한 근육 측정 시스템의 개발이 고려될 수 있다.
한국등록특허공보 제10-2396269호는 대퇴부 근육 정량적 측정을 통해 CMT 1A형 진단에 필요한 정보를 제공하는 방법을 개시한다. 구체적으로, MRI를 이용하여 대퇴부 근육을 정량적으로 측정하고 이를 토대로 CMT 1A형 진단에 필요한 정보를 제공하는 방법을 개시한다.
그런데, 이러한 유형의 측정 방법은, 허벅지 근육의 극히 일부의 단면인 상부 1/3 지점 및 하부 1/3 지점의 단면 이미지만을 토대로 허벅지 근육량을 추정하는 바, 근육량의 추정 결과와 실제 근육량 간 큰 차이가 발생될 가능성이 있다.
한국공개특허공보 제2003-0090082호는 컴퓨터 영상 정보를 이용한 피추출 대상의 체적 산출 방법을 개시한다. 구체적으로, CT에 의해 촬영된 장기의 이미지로부터 특정 장기의 체적을 추출하는 방법을 개시한다.
그런데, 이러한 유형의 체적 산출 방법은, 피추출 대상인 장기의 영상이 여전히 이차원인 단면으로 출력되는 바 정확한 체적을 산출하는 데 한계가 있다. 또한, 사용자에 의하여 별도의 정보가 입력될 것이 요구된다.
(특허문헌 1) 한국등록특허공보 제10-2396269호 (2022.05.10.)
(특허문헌 2) 한국공개특허공보 제2003-0090082호 (2003.11.28.)
본 발명의 일 목적은, 근육량 측정 시간이 보다 단축될 수 있는 근육량 측정 시스템 및 이를 이용한 근육량 측정 방법을 제공하는 것이다.
본 발명의 다른 일 목적은, 실제값에 가까운 측정 결과를 획득할 수 있는 근육량 측정 시스템 및 이를 이용한 근육량 측정 방법을 제공하는 것이다.
본 발명이 해결하고자 하는 과제는 이상에서 언급한 과제들로 한정되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 본 발명이 속하는 기술 분야의 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
상기 목적을 달성하기 위해, 본 발명의 실시 예에 따른 근육량 측정 시스템은, 특정 근육의 근육량을 측정하는 시스템으로서, 측정 대상 근육을 하나의 축을 따라 일 방향으로 이동하며 촬영한 복수 개의 MRI(Magnetic Resonance Imaging) 단층 이미지를 수신하는 입력부; 상기 입력부가 수신한 복수 개의 이미지를 토대로, 상기 측정 대상 근육의 위치를 추정하는 위치 추출부; 상기 위치 추출부의 추정 결과를 토대로, 상기 측정 대상 근육의 경계선을 설정하는 윤곽선 생성부; 상기 윤곽선 생성부가 설정한 경계선 내측에 존재하는 지방의 분율을 계산하는 지방 분율 연산부; 및 상기 입력부가 수신한 복수 개의 이미지에 대하여 상기 윤곽선 생성부가 설정한 경계선 및 상기 지방 분율 연산부의 계산 결과를 토대로 지방을 제외한 상기 측정 대상 근육의 부피를 계산하는 근육량 연산부를 포함한다.
또한, 상기 입력부는, 상기 입력부가 수신한 복수 개의 이미지의 각 촬영 위치 간격을 수신하고, 상기 근육량 연산부는, 상기 복수 개의 이미지를 상기 입력부가 수신한 촬영 위치 간격에 대응되도록 순차적으로 배치하고, 이를 토대로 상기 측정 대상 근육의 삼차원 형상을 추정할 수 있다.
또한, 상기 지방 분율 연산부는, 상기 윤곽선 생성부가 설정한 경계선 범위 내에서, 다른 지점과 비교하였을 때 상대적으로 명도가 높은 지점을 지방으로 인식할 수 있다.
또한, 상기 측정 대상 근육은 척추근일 수 있다.
또한, 상기 위치 추출부는, 상기 입력부가 수신한 복수 개의 이미지를 토대로, 다열근(multifidus muscle), 척주기립근(erector spinae muscle), 요근(psoas muscle) 및 요방형근(quadratus lumborum) 각각의 위치를 추정하고, 상기 윤곽선 생성부는, 상기 위치 추출부의 추정 결과를 토대로, 다열근, 척주기립근, 요근 및 요방형근 각각의 경계선을 설정할 수 있다.
또한, 상기 근육량 연산부는, 다열근, 척주기립근, 요근 및 요방형근 각각에 대하여 지방을 제외한 부피를 계산할 수 있다.
또한, 본 발명은, 특정 근육의 근육량을 측정하는 방법으로서, (a) 측정 대상 근육을 하나의 축을 따라 일 방향으로 이동하며 촬영한 복수 개의 MRI 단층 이미지가 입력되는 단계; (b) 상기 복수 개의 이미지를 토대로, 상기 측정 대상 근육의 위치가 추정되는 단계; (c) 상기 위치 추정 결과를 토대로, 상기 측정 대상 근육의 경계선이 설정되는 단계; (d) 상기 경계선 내측에 존재하는 지방의 분율이 계산되는 단계; 및 (e) 상기 복수 개의 이미지에 대하여 설정된 경계선 및 상기 지방 분율 계산 결과를 토대로, 지방을 제외한 상기 측정 대상 근육의 부피가 계산되는 단계를 포함하는, 근육량 측정 방법을 제공한다.
또한, 상기 (a) 단계는, (a1) 척추근을 하나의 축을 따라 일 방향으로 이동하며 촬영한 복수 개의 MRI 단층 이미지가 입력되는 단계를 포함할 수 있다.
또한, 상기 (b) 단계는, (b1) 다열근, 척주기립근, 요근 및 요방형근 각각의 위치가 추정되는 단계를 포함하고, 상기 (c) 단계는, (c1) 다열근, 척주기립근, 요근 및 요방형근 각각의 경계선이 설정되는 단계를 포함할 수 있다.
또한, 상기 (e) 단계는, (e1) 다열근, 척주기립근, 요근 및 요방형근 각각에 대하여 지방을 제외한 부피가 계산되는 단계를 포함할 수 있다.
또한, 상기 (d) 단계는, (d1) 상기 경계선 범위 내에서, 다른 지점과 비교하였을 때 상대적으로 명도가 높은 지점이 지방으로 인식되는 단계를 포함할 수 있다.
또한, 상기 (e) 단계는, (e2) 상기 복수 개의 이미지가 촬영 위치 간격에 대응되도록 순차적으로 배치되는 단계; 및 (e3) 상기 측정 대상 근육의 삼차원 형상이 추정되는 단계를 포함할 수 있다.
본 발명의 다양한 효과 중, 상술한 해결 수단을 통해 얻을 수 있는 효과는 다음과 같다.
먼저, 본 발명의 실시 예에 따른 근육량 측정 시스템은, 입력부, 위치 추출부, 윤곽선 생성부, 지방 분율 연산부 및 근육량 연산부를 포함한다.
위치 추출부, 윤곽선 생성부 및 지방 분율 연산부는 입력부가 수신한 복수 개의 MRI(Magnetic Resonance Imaging) 단층 이미지를 토대로, 측정 대상 근육의 위치, 경계선 및 지방 분율을 계산한다. 근육량 연산부는 계산된 측정 대상 근육의 위치, 경계선 및 지방 분율을 토대로, 지방을 제외한 측정 대상 근육의 부피를 계산한다.
이때, 상술한 계산 과정은 기 설정된 규칙에 따라 자동으로 수행된다. 따라서, 수동 측정과 비교하였을 때 근육량을 측정하는 데 소요되는 시간이 보다 단축될 수 있다.
또한, 입력부는 측정 대상 근육을 하나의 축을 따라 일 방향으로 이동하며 촬영한 복수 개의 MRI 단층 이미지를 수신하고, 데이터 연산부는 수신한 복수 개의 이미지를 토대로 근육의 위치, 윤곽선 및 지방 분율을 추정한다.
따라서, 실제값에 가까운 근육량을 측정할 수 있다. 결과적으로, 측정 정확도가 보다 향상될 수 있다.
본 발명의 효과는 이상에서 언급한 효과들로 한정되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술 분야의 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 실시 예에 따른 근육량 측정 시스템을 도시하는 개략도이다.
도 2 내지 도 3은 도 1의 근육량 측정 시스템이 측정 대상 근육의 위치를 추출하는 과정 및 윤곽선을 생성하는 과정을 도시하는 개념도이다.
도 4는 본 발명의 일 실시 예에 따른 근육량 측정 방법을 도시하는 순서도이다.
도 5는 본 발명의 다른 일 실시 예에 따른 근육량 측정 방법을 도시하는 순서도이다.
이하, 본 발명의 실시 예에 따른 근육량 측정 시스템(1) 및 이를 이용한 근육량 측정 방법을 도면을 참고하여 보다 상세하게 설명한다.
이하의 설명에서는 본 발명의 특징을 명확하게 하기 위해, 일부 구성 요소들에 대한 설명이 생략될 수 있다.
본 명세서에서는 서로 다른 실시 예라도 동일한 구성에 대해서는 동일한 참조 번호를 부여하고, 이에 대한 중복되는 설명은 생략하기로 한다.
첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않는다.
단수의 표현은 문맥상 명백하게 다르기 뜻하지 않는 한, 복수의 표현을 포함한다.
이하에서는, 도 1 내지 도 3을 참조하여 본 발명의 실시 예에 따른 근육량 측정 시스템(1)에 대하여 설명한다.
본 발명의 실시 예에 따른 근육량 측정 시스템(1)은, 특정 근육의 지방을 제외한 부피를 측정한다. 일 실시 예에서, 근육량 측정 시스템(1)은 척추근의 지방을 제외한 부피를 측정할 수 있다.
도시된 실시 예에서, 근육량 측정 시스템(1)은, 입력부(10), 데이터 연산부(20), 출력부(30) 및 제어부(40)를 포함한다.
입력부(10)는 측정 대상 근육에 대한 MRI(Magnetic Resonance Imaging) 단층 이미지를 수신한다. 구체적으로, 측정 대상 근육을 하나의 축을 따라 일 방향으로 이동하며 촬영한 복수 개의 MRI 단층 이미지를 수신한다.
또한, 입력부(10)는 복수 개의 이미지와 함께 복수 개의 이미지의 각 촬영 위치 간격을 수신할 수 있다.
일 실시 예에서, 입력부(10)는 척추근을 하나의 축을 따라 일 방향으로 이동하며 일정 간격으로 촬영한 40개의 MRI 단층 이미지를 수신할 수 있다.
입력부(10)가 수신한 데이터는 데이터 연산부(20)로 전달된다.
데이터 연산부(20)는 입력부(10)의 수신 데이터를 토대로 측정 대상 근육의 지방을 제외한 부피를 계산한다. 구체적으로, 데이터 연산부(20)는 측정 대상 근육의 위치, 윤곽선 및 지방 분율을 계산하고, 이를 통해 지방을 제외한 부피를 계산한다.
이때, 데이터 연산부(20)는 입력부(10)가 수신한 복수 개의 MRI 단층 이미지를 모두 고려하여 측정 대상 근육의 부피를 계산한다. 이에 따라, 실제에 가까운 근육의 삼차원 형상이 추정될 수 있다. 더 나아가, 실제값에 가까운 근육량이 측정될 수 있다. 결과적으로, 측정 정확도가 보다 향상될 수 있다.
도시된 실시 예에서, 데이터 연산부(20)는 위치 추출부(21), 윤곽선 생성부(22), 지방 분율 연산부(23) 및 근육량 연산부(24)를 포함한다.
위치 추출부(21)는 측정 대상 근육의 위치를 추정하는 부분이다.
위치 추출부(21)는 입력부(10)가 수신한 복수 개의 MRI 단층 이미지를 토대로, 측정 대상 근육의 위치를 추정한다.
일 실시 예에서, 위치 추출부(21)는 입력부(10)가 수신한 척추근에 대한 복수 개의 MRI 단층 이미지를 토대로, 척추근의 위치를 추정할 수 있다.
다른 일 실시 예에서, 위치 추출부(21)는 입력부(10)가 수신한 척추근에 대한 복수 개의 MRI 단층 이미지를 토대로, 다열근(multifidus muscle), 척주기립근(erector spinae muscle), 요근(psoas muscle) 및 요방형근(quadratus lumborum) 각각의 위치를 추정할 수 있다.
위치 추출부(21)는 추정 결과를 윤곽선 생성부(22)로 전달한다.
윤곽선 생성부(22)는 위치 추출부(21)의 추정 결과를 토대로, 측정 대상 근육의 경계선을 설정한다.
일 실시 예에서, 윤곽선 생성부(22)는 위치 추출부(21)의 척추근에 대한 위치 추정 결과를 토대로, 척추근의 경계선을 설정할 수 있다.
다른 일 실시 예에서, 윤곽선 생성부(22)는 다열근, 척주기립근, 요근 및 요방형근 각각에 대한 위치 추정 결과를 토대로, 다열근, 척주기립근, 요근 및 요방형근 각각의 경계선을 설정할 수 있다.
위치 추출부(21) 및 윤곽선 생성부(22)는 입력부(10)가 수신한 복수 개의 이미지에 대하여 전처리(preprocessing) 및 리스케일링(rescaling) 동작을 수행할 수 있다.
또한, 위치 추출부(21) 및 윤곽선 생성부(22)는 각각 면적 탐지 모델(area detection model)에 근거한 딥러닝을 이용하여 훈련될 수 있다(도 2 참조). 다만, 위치 추출부(21) 및 윤곽선 생성부(22)에 투입되는 데이터의 수 및 배율 등은 설정 조건 및 환경 등에 따라 임의로 조절될 수 있다.
도 3을 참조하면, 하나의 MRI 단층 이미지에 대한 측정 대상 근육의 경계선 설정 결과의 예시를 확인할 수 있다. 도 3에 도시된 실시 예에서, 초록색 구간, 노란색 구간, 빨간색 구간 및 파란색 구간은 각각 다열근, 척주기립근, 요근 및 요방형근의 윤곽선을 나타낸다. 또한, 하늘색 구간 및 분홍색 구간은 각각 척추뼈 및 지방의 윤곽선을 나타낸다.
윤곽선 생성부(22)가 설정한 경계선 내측에도 지방이 포함될 수 있다. 이를 구별하기 위하여, 지방 분율 연산부(23)가 경계선 내측의 지방 분율을 계산한다.
일 실시 예에서, 지방 분율 연산부(23)는 윤곽선 생성부(22)가 설정한 경계선 범위 내에서 다른 지점과 비교하였을 때 상대적으로 높은 지점을 지방으로 인식할 수 있다. 다른 일 실시 예에서, 지방 분율 연산부(23)는 윤곽선 생성부(22)가 설정한 경계선 범위 내에서 하얀색으로 표시된 지점을 지방으로 인식할 수 있다.
측정 대상 근육의 위치, 윤곽선 및 지방 분율의 계산 과정이 종료되면, 근육량 연산부(24)는 상술한 계산 결과를 토대로 지방을 제외한 측정 대상 근육의 부피를 계산한다.
근육량 연산부(24)는 입력부(10)가 수신한 복수 개의 이미지에 대하여 윤곽선 생성부(22)가 설정한 경계선 및 지방 분율 연산부(23)의 계산 결과를 토대로 지방을 제외한 측정 대상 근육의 부피를 계산한다.
근육량 연산부(24)는 복수 개의 MRI 단층 이미지를 입력부(10)가 수신한 촬영 위치 간격에 대응되도록 순차적으로 배치하고, 이를 토대로 측정 대상 근육의 삼차원 형상을 추정한다.
일 실시 예에서, 근육량 연산부(24)는 다열근, 척주기립근, 요근 및 요방형근 각각에 대하여 지방을 제외한 부피를 계산할 수 있다.
상술한 위치 추출부(21), 윤곽선 생성부(22), 지방 분율 연산부(23) 및 근육량 연산부(24)의 계산 동작은 기 설정된 규칙에 따라 자동으로 수행된다. 따라서, 수동 측정과 비교하였을 때 근육량을 측정하는 데 소요되는 시간이 보다 단축될 수 있다.
근육량 연산부(24)의 결과값은 출력부(30)로 전달된다.
출력부(30)는 근육량 연산부(24)로부터 측정 대상 근육의 지방을 제외한 부피값을 수신하고, 이를 외부로 표시한다.
일 실시 예에서, 출력부(30)는 디스플레이(미도시)를 통해 외부로 측정 대상 근육의 지방을 제외한 부피값을 표시할 수 있다. 다른 일 실시 예에서, 출력부(30)는 서비스 서버로 측정 대상 근육의 지방을 제외한 부피값을 송출하고, 사용자는 단말기를 통해 이를 확인할 수 있다.
상술한 입력부(10), 데이터 연산부(20) 및 출력부(30)의 동작은 제어부(40)에 의하여 컨트롤될 수 있다.
제어부(40)는 입력부(10), 데이터 연산부(20) 및 출력부(30)의 시동 및 제동을 포함한 전반적인 동작의 수행을 컨트롤한다. 이를 위하여, 제어부(40)는 입력부(10), 데이터 연산부(20) 및 출력부(30)와 각각 통전 가능하게 연결된다.
이상으로 본 발명의 실시 예에 따른 근육량 측정 시스템(1)에 대하여 설명하였다. 이하에서는, 도 4 내지 도 5를 참조하여 본 발명의 실시 예에 따른 근육량 측정 방법에 대하여 설명한다.
도 4는 본 발명의 일 실시 예에 따른 근육량 측정 방법을 도시한다.
도시된 실시 예에서, 근육량 측정 방법은, 측정 대상 근육을 하나의 축을 따라 일 방향으로 이동하며 촬영한 복수 개의 MRI 단층 이미지가 입력되는 단계(S100), 복수 개의 이미지를 토대로, 측정 대상 근육의 위치가 추정되는 단계(S200), 위치 추정 결과를 토대로, 측정 대상 근육의 경계선이 설정되는 단계(S300), 경계선 내측에 존재하는 지방의 분율이 계산되는 단계(S400) 및 복수 개의 이미지에 대하여 설정된 경계선 및 지방 분율 계산 결과를 토대로, 지방을 제외한 측정 대상 근육의 부피가 계산되는 단계(S500)를 포함한다.
먼저, 측정 대상 근육을 하나의 축을 따라 일 방향으로 이동하며 촬영한 복수 개의 MRI 단층 이미지가 입력되는 단계(S100)에 대하여 설명한다.
입력부(10)는 측정 대상 근육에 대한 복수 개의 MRI 단층 이미지를 수신한다. 이때, 입력부(10)는 복수 개의 MRI 단층 이미지의 촬영 위치 간격에 대한 정보도 함께 수신할 수 있다.
다음으로, 복수 개의 이미지를 토대로, 측정 대상 근육의 위치가 추정되는 단계(S200)가 수행된다.
위치 추출부(21)는 입력부(10)가 수신한 복수 개의 이미지를 토대로, 측정 대상 근육의 위치를 추정한다.
일 실시 예에서, 위치 추출부(21)는 복수 개의 이미지에 대하여 전처리 및 리스케일링 동작을 수행할 수 있다.
다른 일 실시 예에서, 위치 추출부(21)는 면적 탐지 모델에 근거한 딥러닝을 이용하여 훈련될 수 있다.
이후, 위치 추정 결과를 토대로, 측정 대상 근육의 경계선이 설정되는 단계(S300)가 수행된다.
윤곽선 생성부(22)는 위치 추출부(21)의 추정 결과를 토대로, 측정 대상 근육의 경계선을 설정한다.
일 실시 예에서, 윤곽선 생성부(22)는 복수 개의 이미지 및 이에 대한 위치 추출부(21)의 추정 결과에 대하여, 전처리 및 리스케일링 동작을 수행할 수 있다.
다른 일 실시 예에서, 윤곽선 생성부(22)는 면적 탐지 모델(area detection model)에 근거한 딥러닝을 이용하여 훈련될 수 있다.
다음으로, 경계선 내측에 존재하는 지방의 분율이 계산되는 단계(S400)가 수행된다.
일 실시 예에서, 경계선 내측에 존재하는 지방의 분율이 계산되는 단계(S400)는 경계선 범위 내에서, 다른 지점과 비교하였을 때 상대적으로 명도가 높은 지점이 지방으로 인식되는 단계(S410)를 포함할 수 있다.
측정 대상 근육의 위치, 윤곽선 및 지방 분율의 계산 과정이 종료되면, 복수 개의 이미지에 대하여 설정된 경계선 및 지방 분율 계산 결과를 토대로, 지방을 제외한 측정 대상 근육의 부피가 계산되는 단계(S500)가 수행된다.
일 실시 예에서, 복수 개의 이미지에 대하여 설정된 경계선 및 지방 분율 계산 결과를 토대로, 지방을 제외한 측정 대상 근육의 부피가 계산되는 단계(S500)는 복수 개의 이미지가 촬영 위치 간격에 대응되도록 순차적으로 배치되는 단계(S510) 및 측정 대상 근육의 삼차원 형상이 추정되는 단계(S520)를 포함할 수 있다.
도 5는 본 발명의 다른 일 실시 예에 따른 근육량 측정 방법을 도시한다. 본 실시 예에 따른 근육량 측정 방법은 척추근의 지방을 제외한 부피를 측정함에 그 목적이 있다.
본 실시 예에 따른 근육량 측정 방법은 상술한 도 4에 도시된 실시 예에 따른 근육량 측정 방법과 마찬가지로, 측정 대상 근육을 하나의 축을 따라 일 방향으로 이동하며 촬영한 복수 개의 MRI 단층 이미지가 입력되는 단계(S100), 복수 개의 이미지를 토대로, 측정 대상 근육의 위치가 추정되는 단계(S200), 위치 추정 결과를 토대로, 측정 대상 근육의 경계선이 설정되는 단계(S300), 경계선 내측에 존재하는 지방의 분율이 계산되는 단계(S400) 및 복수 개의 이미지에 대하여 설정된 경계선 및 지방 분율 계산 결과를 토대로, 지방을 제외한 측정 대상 근육의 부피가 계산되는 단계(S500)를 포함한다.
다만, 본 실시 예에 따른 근육량 측정 방법은 척추근을 측정 대상으로 하고 척추근의 세부적인 근육 각각에 대하여 부피를 측정할 수 있는 점에서 상술한 실시 예에 따른 근육량 측정 방법과는 차이가 있다.
본 실시 예에 따른 측정 대상 근육을 하나의 축을 따라 일 방향으로 이동하며 촬영한 복수 개의 MRI 단층 이미지가 입력되는 단계(S100)는 척추근을 하나의 축을 따라 일 방향으로 이동하며 촬영한 복수 개의 MRI 단층 이미지가 입력되는 단계(S130)를 포함한다.
또한, 복수 개의 이미지를 토대로, 측정 대상 근육의 위치가 추정되는 단계(S200) 및 위치 추정 결과를 토대로, 측정 대상 근육의 경계선이 설정되는 단계(S300)는, 각각 다열근, 척주기립근, 요근 및 요방형근 각각의 위치가 추정되는 단계(S230) 및 다열근, 척주기립근, 요근 및 요방형근 각각의 경계선이 설정되는 단계(S330)를 포함한다.
다열근, 척주기립근, 요근 및 요방형근 각각의 위치 및 경계선 연산 과정이 종료되면, 경계선 내측에 존재하는 지방의 분율이 계산되는 단계(S400) 및 복수 개의 이미지에 대하여 설정된 경계선 및 지방 분율 계산 결과를 토대로, 지방을 제외한 측정 대상 근육의 부피가 계산되는 단계(S500)가 수행된다.
이때, 복수 개의 이미지에 대하여 설정된 경계선 및 지방 분율 계산 결과를 토대로, 지방을 제외한 측정 대상 근육의 부피가 계산되는 단계(S500)는 다열근, 척주기립근, 요근 및 요방형근 각각에 대하여 지방을 제외한 부피가 계산되는 단계(S530)를 포함한다.
이상 본 발명의 바람직한 실시 예를 참조하여 설명하였지만, 본 발명은 상기 설명된 실시 예들의 구성에 한정되는 것이 아니다.
또한, 본 발명은, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해, 이하의 청구범위에 기재된 본 발명의 사상 및 영역을 벗어나지 않는 범위 내에서 다양하게 수정 및 변경될 수 있다.
더 나아가, 상기 실시 예들은 다양한 변형이 이루어질 수 있도록 각 실시 예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수 있다.

Claims (12)

  1. 특정 근육의 근육량을 측정하는 시스템으로서,
    측정 대상 근육을 하나의 축을 따라 일 방향으로 이동하며 촬영한 복수 개의 MRI(Magnetic Resonance Imaging) 단층 이미지를 수신하는 입력부;
    상기 입력부가 수신한 복수 개의 이미지를 토대로, 상기 측정 대상 근육의 위치를 추정하는 위치 추출부;
    상기 위치 추출부의 추정 결과를 토대로, 상기 측정 대상 근육의 경계선을 설정하는 윤곽선 생성부;
    상기 윤곽선 생성부가 설정한 경계선 내측에 존재하는 지방의 분율을 계산하는 지방 분율 연산부; 및
    상기 입력부가 수신한 복수 개의 이미지에 대하여 상기 윤곽선 생성부가 설정한 경계선 및 상기 지방 분율 연산부의 계산 결과를 토대로 지방을 제외한 상기 측정 대상 근육의 부피를 계산하는 근육량 연산부를 포함하는,
    근육량 측정 시스템.
  2. 제1항에 있어서,
    상기 입력부는,
    상기 입력부가 수신한 복수 개의 이미지의 각 촬영 위치 간격을 수신하고,
    상기 근육량 연산부는,
    상기 복수 개의 이미지를 상기 입력부가 수신한 촬영 위치 간격에 대응되도록 순차적으로 배치하고, 이를 토대로 상기 측정 대상 근육의 삼차원 형상을 추정하는,
    근육량 측정 시스템.
  3. 제1항에 있어서,
    상기 지방 분율 연산부는,
    상기 윤곽선 생성부가 설정한 경계선 범위 내에서, 다른 지점과 비교하였을 때 상대적으로 명도가 높은 지점을 지방으로 인식하는,
    근육량 측정 시스템.
  4. 제1항에 있어서,
    상기 측정 대상 근육은 척추근인,
    근육량 측정 시스템.
  5. 제4항에 있어서,
    상기 위치 추출부는,
    상기 입력부가 수신한 복수 개의 이미지를 토대로, 다열근(multifidus muscle), 척주기립근(erector spinae muscle), 요근(psoas muscle) 및 요방형근(quadratus lumborum) 각각의 위치를 추정하고,
    상기 윤곽선 생성부는,
    상기 위치 추출부의 추정 결과를 토대로, 다열근, 척주기립근, 요근 및 요방형근 각각의 경계선을 설정하는,
    근육량 측정 시스템.
  6. 제5항에 있어서,
    상기 근육량 연산부는,
    다열근, 척주기립근, 요근 및 요방형근 각각에 대하여 지방을 제외한 부피를 계산하는,
    근육량 측정 시스템.
  7. 특정 근육의 근육량을 측정하는 방법으로서,
    (a) 측정 대상 근육을 하나의 축을 따라 일 방향으로 이동하며 촬영한 복수 개의 MRI 단층 이미지가 입력되는 단계;
    (b) 상기 복수 개의 이미지를 토대로, 상기 측정 대상 근육의 위치가 추정되는 단계;
    (c) 상기 위치 추정 결과를 토대로, 상기 측정 대상 근육의 경계선이 설정되는 단계;
    (d) 상기 경계선 내측에 존재하는 지방의 분율이 계산되는 단계; 및
    (e) 상기 복수 개의 이미지에 대하여 설정된 경계선 및 상기 지방 분율 계산 결과를 토대로, 지방을 제외한 상기 측정 대상 근육의 부피가 계산되는 단계를 포함하는,
    근육량 측정 방법.
  8. 제7항에 있어서,
    상기 (a) 단계는,
    (a1) 척추근을 하나의 축을 따라 일 방향으로 이동하며 촬영한 복수 개의 MRI 단층 이미지가 입력되는 단계를 포함하는,
    근육량 측정 방법.
  9. 제8항에 있어서,
    상기 (b) 단계는,
    (b1) 다열근, 척주기립근, 요근 및 요방형근 각각의 위치가 추정되는 단계를 포함하고,
    상기 (c) 단계는,
    (c1) 다열근, 척주기립근, 요근 및 요방형근 각각의 경계선이 설정되는 단계를 포함하는,
    근육량 측정 방법.
  10. 제9항에 있어서,
    상기 (e) 단계는,
    (e1) 다열근, 척주기립근, 요근 및 요방형근 각각에 대하여 지방을 제외한 부피가 계산되는 단계를 포함하는,
    근육량 측정 방법.
  11. 제7항에 있어서,
    상기 (d) 단계는,
    (d1) 상기 경계선 범위 내에서, 다른 지점과 비교하였을 때 상대적으로 명도가 높은 지점이 지방으로 인식되는 단계를 포함하는,
    근육량 측정 방법.
  12. 제7항에 있어서,
    상기 (e) 단계는,
    (e2) 상기 복수 개의 이미지가 촬영 위치 간격에 대응되도록 순차적으로 배치되는 단계; 및
    (e3) 상기 측정 대상 근육의 삼차원 형상이 추정되는 단계를 포함하는,
    근육량 측정 방법.
PCT/KR2023/016668 2022-10-27 2023-10-25 근육량 측정 시스템 및 이를 이용한 근육량 측정 방법 Ceased WO2024090992A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2022-0139881 2022-10-27
KR1020220139881A KR102854547B1 (ko) 2022-10-27 2022-10-27 근육량 측정 시스템 및 이를 이용한 근육량 측정 방법

Publications (1)

Publication Number Publication Date
WO2024090992A1 true WO2024090992A1 (ko) 2024-05-02

Family

ID=90831409

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/016668 Ceased WO2024090992A1 (ko) 2022-10-27 2023-10-25 근육량 측정 시스템 및 이를 이용한 근육량 측정 방법

Country Status (2)

Country Link
KR (1) KR102854547B1 (ko)
WO (1) WO2024090992A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101265981B1 (ko) * 2012-09-10 2013-05-22 한국과학기술정보연구원 한국인 인체척추 정보의 제작방법 및 시스템
KR20140148206A (ko) * 2013-06-21 2014-12-31 이화여자대학교 산학협력단 Ｃｍｔ에 대한 원인 유전자로서 ｐｌｅｋｈｇ5 및 이를 이용한 상기 질병의 진단 방법
KR101936506B1 (ko) * 2017-06-01 2019-01-09 서울대학교병원 단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법
KR20190118309A (ko) * 2018-04-10 2019-10-18 가톨릭관동대학교산학협력단 촬영 이미지 기반의 건강상태 분석 및 정보 제공 방법, 그의 장치 및 그의 기록 매체
KR102396269B1 (ko) * 2019-07-10 2022-05-10 사회복지법인 삼성생명공익재단 Mri 검사를 이용하여 대퇴부 근육 정량적 측정을 통해 cmt 1a형 진단에 필요한 정보를 제공하는 방법

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100458088B1 (ko) 2002-05-21 2004-11-20 박종원 컴퓨터 영상정보를 이용한 피추출 대상의 체적 산출방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101265981B1 (ko) * 2012-09-10 2013-05-22 한국과학기술정보연구원 한국인 인체척추 정보의 제작방법 및 시스템
KR20140148206A (ko) * 2013-06-21 2014-12-31 이화여자대학교 산학협력단 Ｃｍｔ에 대한 원인 유전자로서 ｐｌｅｋｈｇ5 및 이를 이용한 상기 질병의 진단 방법
KR101936506B1 (ko) * 2017-06-01 2019-01-09 서울대학교병원 단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법
KR20190118309A (ko) * 2018-04-10 2019-10-18 가톨릭관동대학교산학협력단 촬영 이미지 기반의 건강상태 분석 및 정보 제공 방법, 그의 장치 및 그의 기록 매체
KR102396269B1 (ko) * 2019-07-10 2022-05-10 사회복지법인 삼성생명공익재단 Mri 검사를 이용하여 대퇴부 근육 정량적 측정을 통해 cmt 1a형 진단에 필요한 정보를 제공하는 방법

Also Published As

Publication number Publication date
KR20240059085A (ko) 2024-05-07
KR102854547B1 (ko) 2025-09-02

Similar Documents

Publication Publication Date Title
Chiu A novel approach based on computerized image analysis for traditional Chinese medical diagnosis of the tongue
WO2019103440A1 (ko) 피검체의 의료 영상의 판독을 지원하는 방법 및 이를 이용한 장치
WO2013105815A1 (en) Fetus modeling method and image processing apparatus therefor
WO2019208848A1 (ko) 3차원 안구 움직임 측정 방법 및 전자동 딥러닝 기반 어지럼 진단 시스템
WO2020209496A1 (ko) 치아 오브젝트 검출 방법 및 치아 오브젝트를 이용한 영상 정합 방법 및 장치
JP2024107095A (ja) 推定装置、学習モデル、学習モデルの生成方法、及びコンピュータプログラム
CN106503479A (zh) 一种体质辨识系统及辨识方法
WO2016159726A1 (ko) 의료 영상으로부터 병변의 위치를 자동으로 감지하는 장치 및 그 방법
WO2020111557A1 (ko) 혈관 지도 구축 장치, 방법 및 상기 방법을 실행하기 위한 컴퓨터 프로그램
WO2020055039A1 (ko) 파킨슨 병 진단 장치 및 방법
WO2020180135A1 (ko) 뇌 질환 예측 장치 및 방법, 뇌 질환을 예측하기 위한 학습 장치
WO2021034138A1 (ko) 치매 평가 방법 및 이를 이용한 장치
WO2021141253A1 (ko) 캡슐 내시경의 위치정보를 기반으로 캡슐 내시경의 위치를 파악하는 시스템 및 방법
WO2020231007A2 (ko) 의료기계 학습 시스템
CN109754880A (zh) 临床诊疗输出方法及装置
WO2014157796A1 (ko) 진단 보조용 내시경 시스템 및 그 제어 방법
WO2024090992A1 (ko) 근육량 측정 시스템 및 이를 이용한 근육량 측정 방법
WO2019198981A1 (ko) 촬영 이미지 기반의 건강상태 분석 및 정보 제공 방법, 그의 장치 및 그의 기록 매체
WO2023163287A1 (ko) 의료 영상 분석 방법 및 장치
WO2021162287A1 (ko) 수술 대상체의 정합 확인방법, 그 장치 및 이를 포함하는 시스템
WO2018221816A1 (en) Method for determining whether examinee is infected by microorganism and apparatus using the same
CN120259277B (zh) 基于图像识别的消化道病变分析方法及系统
WO2017010612A1 (ko) 의료 영상 분석 기반의 병리 진단 예측 시스템 및 방법
CN113130050B (zh) 一种医学信息显示方法及显示系统
CN119786022A (zh) 基于图像识别及大数据的疾病预防管理系统

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: 23883097

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 23883097

Country of ref document: EP

Kind code of ref document: A1