JP2024513763A - 医療映像復元及び伝送システム及びその方法 - Google Patents

医療映像復元及び伝送システム及びその方法 Download PDF

Info

Publication number
JP2024513763A
JP2024513763A JP2023558456A JP2023558456A JP2024513763A JP 2024513763 A JP2024513763 A JP 2024513763A JP 2023558456 A JP2023558456 A JP 2023558456A JP 2023558456 A JP2023558456 A JP 2023558456A JP 2024513763 A JP2024513763 A JP 2024513763A
Authority
JP
Japan
Prior art keywords
medical
data
video
restoration
medical image
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.)
Pending
Application number
JP2023558456A
Other languages
English (en)
Inventor
イ・ドゥヒ
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.)
Airs Medical Inc
Original Assignee
Airs Medical Inc
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 Airs Medical Inc filed Critical Airs Medical Inc
Publication of JP2024513763A publication Critical patent/JP2024513763A/ja
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/602—Providing cryptographic facilities or services
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
    • H04L63/0428—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Primary Health Care (AREA)
  • General Engineering & Computer Science (AREA)
  • Epidemiology (AREA)
  • Public Health (AREA)
  • Computer Security & Cryptography (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Hardware Design (AREA)
  • Bioethics (AREA)
  • Multimedia (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Mathematical Physics (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本発明の一実施例による医療映像復元及び伝送システムを用いた医療映像復元及び伝送方法であって、加速化撮影されたｋ－ｓｐａｃｅデータ及び加速化撮影されたｋ－ｓｐａｃｅデータに基づいて生成されたＤＩＣＯＭデータのうちの少なくとも一つを含む医療映像データを受ける段階と、前記受けた医療映像データを人工ニューラルネットワークモデルによって復元する段階と、前記医療映像データを受けたアドレスに基づいて前記復元された医療映像データを伝送する段階と、を含む、医療映像復元及び伝送方法を提供しようとする。【選択図】図１

Description

本発明は人工知能を用いて医療映像を復元し、暗号化及び復号化を実行して医療映像を伝送する医療映像復元及び伝送システム及びその方法に関する。
一般に、病院では医療映像撮影及び診断装置であるＸ－ｒａｙ、ＣＴ、ＭＲＩまたは超音波などで撮影した医療映像をデジタルデータとして獲得及び保存し、その判読および診療記録を一緒に各端末に伝送したり検索したりするのに必要な機能を統合的に処理するデジタル医療映像保管通信システム（ＰＡＣＳ：ｐｉｃｔｕｒｅ ａｒｃｈｉｖｉｎｇ ｃｏｍｍｕｎｉｃａｔｉｏｎ ｓｙｓｔｅｍ）を使用している。ＰＡＣＳは異機種の医療映像装置の間で医療映像および情報を伝送する業界標準通信規約であるＤＩＣＯＭ（Ｄｉｇｉｔａｌ Ｉｍａｇｉｎｇ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ｉｎ Ｍｅｄｉｃｉｎｅ）に合うように医学的映像を保存して管理する。
また、ＰＡＣＳは、既存のフィルムで診断して判読していた病院の業務をコンピュータおよびネットワークを介して処理することができるようにして、病院業務を効率的に行うようにしている。
一方、人工知能が発展するのに伴って、大量の医療映像データでディープラーニングアルゴリズムのような人工知能を学習させて医学的判断に活用するようにする技術が開発されている。
しかし、ＰＡＣＳで使用される医療映像データはディープラーニングアルゴリズムの学習にすぐ使用することができず、ディープラーニングアルゴリズムを用いて復元及び加工するのにもすぐ適用することができないので、その前処理または後処理が可能なシステムの開発が必要である。
また、ＰＡＣＳサーバーとディープラーニングアルゴリズムをサービスする外部サーバーとの間の医療映像データの送受信において、医療映像データに含まれた個人情報及び身体映像などの保安に敏感な問題があるので、医療映像データの仮名処理などの暗号化が必要である。
本発明の一実施例による医療映像復元及び伝送方法は、医療機関と医療映像復元及び伝送システムとの間に送受信される個人情報を含む医療映像データを仮名処理暗号化して、向上した保安を提供することにより、個人情報が流出することを防止しようとする。
本発明の一実施例による医療映像復元及び伝送方法は、医療映像データの特性情報に応じて最適の人工ニューラルネットワークモデルによって医療映像を復元することにより、向上した品質の医療映像を獲得しようとする。
本発明の一実施例は、医療映像復元及び伝送システムを用いた医療映像復元及び伝送方法であって、加速化撮影されたｋ－ｓｐａｃｅデータ及び加速化撮影されたｋ－ｓｐａｃｅデータに基づいて生成されたＤＩＣＯＭデータのうちの少なくとも一つを含む医療映像データを受ける段階と、前記受けた医療映像データを人工ニューラルネットワークモデルによって復元する段階と、前記医療映像データを受けたアドレスに基づいて前記復元された医療映像データを伝送する段階と、を含む、医療映像復元及び伝送方法を提供しようとする。
本実施例において、前記医療映像データを前記人工ニューラルネットワークモデルによって復元する前に暗号化する、医療映像復元及び伝送方法を提供しようとする。
本実施例において、前記暗号化することは、前記医療映像データが含む複数の映像スライスを互いにシャッフルすることを含む、医療映像復元及び伝送方法を提供しようとする。
本実施例において、前記暗号化した医療映像データを保存し、暗号化しなかった医療映像データは削除する、医療映像復元及び伝送方法を提供しようとする。
本実施例において、前記保存された暗号化した医療映像データを復号化し、復号化した医療映像データを前記人工ニューラルネットワークモデルによって復元する、医療映像復元及び伝送方法を提供しようとする。
本実施例において、前記医療映像データの特性情報によって前記医療映像データを分類して前記人工ニューラルネットワークモデルに伝送し、前記特性情報によって分類された医療映像データを前記特性情報に基づいて予め分類された複数の人工ニューラルネットワークモデルに分配して入力するように伝送する、医療映像復元及び伝送方法を提供しようとする。
本実施例において、前記特性情報は、医療映像データのプロトコル情報、およびシーケンス情報のうちの少なくとも一つを含む、医療映像復元及び伝送方法を提供しようとする。
本実施例において、前記特性情報が前記プロトコル情報およびシーケンス情報の両者を含む場合、前記医療映像データから前記プロトコル情報に基づいてしてプロトコル映像セットを生成し、前記プロトコル映像セットに含まれる複数の医療映像を前記シーケンス情報として分類し、前記分類されたシーケンス情報に基づいてシーケンス映像セットを生成し、前記シーケンスセットを前記人工ニューラルネットワークモデルに伝送する、医療映像復元及び伝送方法を提供しようとする。
本発明の一実施例は、医療映像復元及び伝送システムであって、加速化撮影されたｋ－ｓｐａｃｅデータ及び加速化撮影されたｋ－ｓｐａｃｅデータに基づいて生成されたＤＩＣＯＭデータのうちの少なくとも一つを含む医療映像データを受け、前記受けた医療映像データを人工ニューラルネットワークモデルによって復元し、前記医療映像データを受けたアドレスに基づいて前記復元された医療映像データを伝送する、医療映像復元及び伝送システムを提供しようとする。
本実施例において、前記医療映像データを前記人工ニューラルネットワークモデルによって復元する前に暗号化する、医療映像復元及び伝送システムを提供しようとする。
本実施例において、前記暗号化することは、前記医療映像データが含む複数の映像スライスを互いにシャッフルすることを含む、医療映像復元及び伝送システムを提供しようとする。
本実施例において、前記暗号化した医療映像データを保存し、暗号化しなかった医療映像データは削除する、医療映像復元及び伝送システムを提供しようとする。
本実施例において、前記保存された暗号化した医療映像データを復号化し、復号化した医療映像データを前記人工ニューラルネットワークモデルによって復元する、医療映像復元及び伝送システムを提供しようとする。
本実施例において、前記医療映像データの特性情報によって前記医療映像データを分類して前記人工ニューラルネットワークモデルに伝送し、前記特性情報によって分類された医療映像データを前記特性情報に基づいて予め分類された複数の人工ニューラルネットワークモデルに分配して入力するように伝送する、医療映像復元及び伝送システムを提供しようとする。
本実施例において、前記特性情報は、医療映像データのプロトコル情報、およびシーケンス情報のうちの少なくとも一つを含む、医療映像復元及び伝送システムを提供しようとする。
本実施例において、前記特性情報が前記プロトコル情報およびシーケンス情報の両者を含む場合、前記医療映像データから前記プロトコル情報に基づいてプロトコル映像セットを生成し、前記プロトコル映像セットに含まれる複数の医療映像を前記シーケンス情報として分類し、前記分類されたシーケンス情報に基づいてシーケンス映像セットを生成し、前記シーケンスセットを前記人工ニューラルネットワークモデルに伝送する、医療映像復元及び伝送システムを提供しようとする。
本発明の一実施例による医療映像復元及び伝送方法は、医療機関と医療映像復元及び伝送システムとの間に送受信される個人情報を含む医療映像データを仮名処理暗号化して、向上した保安を提供するので、個人情報が流出することを防止することができる。
本発明の一実施例による医療映像復元及び伝送方法は、医療映像データの特性情報によって最適の人工ニューラルネットワークモデルによって医療映像を復元するので、向上した品質の医療映像を獲得することができる。
本発明の一実施例による医療映像復元及び伝送システムの構成を説明する図である。 本発明の一実施例による医療映像復元及び伝送システムとＰＡＣＳシステムとの間のネットワーク通信を説明する図である。 本発明の一実施例による医療映像復元及び伝送システムを用いて実行する医療映像復元及び伝送方法を説明する図である。 本発明の一実施例による医療映像データ暗号化方法を説明する図である。 本発明の一実施例による医療映像データ暗号化方法を説明する図である。 本発明の一実施例による医療映像データ暗号化方法を説明する図である。 本発明の一実施例による医療映像データの特性情報に応じて適用される人工ニューラルネットワークモデルが変わることを説明する図である。
以下では、添付図面を参照して、本発明が属する技術分野で通常の知識を有する者が容易に実施することができるように本発明の実施例を詳細に説明する。しかし、本発明は様々な相異なる形態に具現可能であり、ここで説明する実施例に限定されない。そして、図面では、本発明を明確に説明するために、説明と関係ない部分は省略し、明細書全般にわたって類似の部分に対しては類似の図面符号を付けた。
明細書全般で、ある部分が他の部分と「連結」されていると言うとき、これは「直接的に連結」されている場合だけでなく、その中間に他の素子を挟んで「電気的に連結」されている場合も含む。また、ある部分がある構成要素を「含む」と言うとき、これは特に反対の記載がない限り、他の構成要素を除くものではなく、他の構成要素をさらに含むことができることを意味する。
本明細書で、「サーバー」と「システム」は一つ以上のメモリ（図示せず）、一つ以上のコンピュータプロセッサ（ｏｎｅ ｏｒ ｍｏｒｅ Ｃｏｍｐｕｔｏｒ ｐｒｏｃｅｓｓｏｒｓ）（図示せず）、及び一つ以上のプログラム（ｏｎｅ ｏｒ ｍｏｒｅ ｐｒｏｇｒａｍｓ）（図示せず）を含むように構成されたコンピュータを意味する。ここで、一つ以上のプログラム（以下、「前処理用プログラム」）はメモリに保存され、一つ以上のプロセッサによって実行されるように（ｅｘｅｃｕｔｅｄ）構成され、一つ以上のメモリ、一つ以上のコンピュータプロセッサ、および一つ以上のプログラムは物理的に同じ装置に位置して直接連結されるかまたは通信ネットワークを介して連結され得る。
本明細書で、映像は離散的なイメージ要素（例えば、２次元イメージにおけるピクセル及び３次元イメージにおけるボクセル）で構成された多次元（ｍｕｌｔｉ－ｄｉｍｅｎｓｉｏｎａｌ）データを意味し得る。例えば、映像は、磁気共鳴映像撮影（ＭＲＩ）装置、コンピュータ断層撮映（ＣＴ）装置、超音波撮影装置、またはＸ線撮影装置などの医療映像装置によって獲得した医療映像を含むことができる。
本明細書で、「映像復元」とは、解像度の低いイメージの解像度を向上させるか、イメージのＳＮＲを向上させるか、イメージのエイリアシング（ａｌｉａｓｉｎｇ）パターンまたはアーチファクト（ａｒｔｉｆａｃｔ）を減らすことを含むか、または品質の低いイメージの品質を向上させることを意味し得る。また、ＭＲＩの場合、「映像復元」とは、上述した意味だけでなく、サブサンプリングされたｋ－ｓｐａｃｅデータから生成されたイメージをフルサンプリングされたｋ－ｓｐａｃｅデータから生成されたイメージと同一にまたは類似するように加工することであり得る。
以下では、添付図面を参照して本発明の一実施例による医療映像復元システムについて詳細に説明する。
図１は本発明の一実施例による医療映像復元及び伝送システムの構成を説明する図である。
図１を参照すると、本発明の一実施例による医療映像復元及び伝送システムは、医療機関で用いる医療映像保管通信システム（ＰＡＣＳ：Ｐｉｃｔｕｒｅ Ａｒｃｈｉｖｉｎｇ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｓｙｓｔｅｍ）と通信して医療映像データを送受信し、人工ニューラルネットワークモデルを活用して医療映像データを復元する医療映像復元及び伝送システムに関するものである。
本発明の一実施例による医療映像復元及び伝送システムは、クラウドコンピューティングシステム（Ｃｌｏｕｄ Ｃｏｍｐｕｔｉｎｇ Ｓｙｓｔｅｍ）の形態に具現することができる。クラウドコンピューティングは、インターネット上のサーバーを介して、データ保存、ネットワーク、コンテンツ使用などのＩＴ関連のサービスを総合的に使用することができるコンピューティング環境である。これと異なり、医療映像復元及び伝送システムは、サーバーコンピューティング、エッジコンピューティング、サーバーレスコンピューティングなどの医療映像復元及び伝送方法を実行することができる多様な形態のコンピューティングシステムによって具現することもできる。
本発明の一実施例による医療映像復元及び伝送システムは、通信モジュール、メモリ、およびプロセッサを含むことができる。
通信モジュールは、通信ネットワークと連動して医療映像復元及び伝送システムに通信インターフェースを提供し、後述するクライアント端末、ＰＡＣＳ端末及びＰＡＣＳサーバーとデータを送受信する役割を果たすことができる。ここで、通信モジュールは、他のネットワーク装置と有無線連結で制御信号またはデータ信号のような信号を送受信するために必要なハードウェア及びソフトウェアを含む装置であり得る。
一方、本発明で、「端末」は携帯性及び移動性が保障された無線通信装置であり得、例えば、スマートフォン、タブレットＰＣまたはノートブックＰＣなどのようなすべての種類のハンドヘルド（Ｈａｎｄｈｅｌｄ）基盤の無線通信装置であり得る。また「端末」は通信機能及びデータプロセッシング機能を備えた時計、メガネ、ヘアバンド、及び指輪などのウェアラブル機器であり得る。また、「端末」はネットワークを介して他の端末またはサーバーなどに接続することができるＰＣなどの有線通信装置でもあり得る。
メモリは、医療映像復元及び伝送システムで実行されるプログラムが記録された記録媒体であり得る。また、メモリは、プロセッサが処理するデータを一時または永久的に保存する機能を果たすことができる。ここで、メモリは、揮発性記憶媒体（ｖｏｌａｔｉｌｅ ｓｔｏｒａｇｅ ｍｅｄｉａ）または非揮発性記憶媒体（ｎｏｎ－ｖｏｌａｔｉｌｅ ｓｔｏｒａｇｅ ｍｅｄｉａ）を含むことができるが、本発明の範囲がこれに限定されるものではない。
プロセッサは、医療映像復元及び伝送システムで実行されるプログラムの全過程を制御することができる。ここで、プロセッサは、プロセッサ（ｐｒｏｃｅｓｓｏｒ）のようにデータを処理することができるすべての種類の装置を含むことができる。ここで、「プロセッサ（ｐｒｏｃｅｓｓｏｒ）」は、例えばプログラム内に含まれたコードまたは命令で表現された機能を果たすために物理的に構造化した回路を有する、ハードウェアに内蔵されたデータ処理装置を意味し得る。このように、ハードウェアに内蔵されたデータ処理装置の一例として、マイクロプロセッサー（ｍｉｃｒｏｐｒｏｃｅｓｓｏｒ）、中央処理装置（ｃｅｎｔｒａｌ ｐｒｏｃｅｓｓｉｎｇ ｕｎｉｔ：ＣＰＵ）、プロセッサコア（ｐｒｏｃｅｓｓｏｒ ｃｏｒｅ）、マルチプロセッサ（ｍｕｌｔｉｐｒｏｃｅｓｓｏｒ）、ＡＳＩＣ（ａｐｐｌｉｃａｔｉｏｎ－ｓｐｅｃｉｆｉｃ ｉｎｔｅｇｒａｔｅｄ ｃｉｒｃｕｉｔ）、ＦＰＧＡ（ｆｉｅｌｄ ｐｒｏｇｒａｍｍａｂｌｅ ｇａｔｅ ａｒｒａｙ）、グラフィック処理装置（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ：ＧＰＵ）などの処理装置を網羅することができるが、本発明の範囲がこれに限定されるものではない。
本発明の一実施例による医療映像復元及び伝送システムは、コントロールサーバー、マネージャーサーバー、映像復元サーバー、および認証サーバーを含むことができる。医療映像復元及び伝送システムがクラウドコンピューティングシステムによって具現される場合、医療映像復元及び伝送システムは、インターネット上の仮想コントロールサーバー、マネージャーサーバー、映像復元サーバー、および認証サーバーを含むことができ、これらは単一のクラウドサーバーに含まれ得る。例えば、単一のクラウドサーバーで、仮想のコントロールサーバー、マネージャーサーバー、映像復元サーバー、および認証サーバーは互いに異なるＩＰアドレスを有し、互いに異なるＩＰアドレスに基づいてデータを伝送し、それぞれの機能を果たすことができる。もしくは、コントロールサーバー、マネージャーサーバー、映像復元サーバー、および認証サーバーのいずれも同じＩＰアドレスを有しており、予め設定されたアルゴリズムによるデータ伝送によって医療映像復元及び伝送方法を実行することができる。
一方、医療機関には、一般的に、医療映像データ撮影機器と連動して撮影機器を制御するかまたは医療映像データ伝送を管理するクライアント端末と、医療陣が医療映像データを見るかまたは加工及び管理することができるＰＡＣＳプログラムが組み込まれたＰＡＣＳ端末とが配置され得る。
クライアント端末は、使用者ログイン、ワークリスト及び映像処理内訳を出力するための使用者インターフェース（ＵＩ）を提供するプログラムが組み込まれた端末であり得る。ＰＡＣＳ端末は、ＰＡＣＳサーバーに保存された医療映像データ、個人情報データを医療映像復元及び伝送システムのコントロールサーバーに伝送し、映像復元サーバーによって復元された医療映像データを受信してＰＡＣＳサーバーに保存するための使用者インターフェースを提供するプログラムが組み込まれた端末であり得る。
医療映像復元及び伝送システムのコントロールサーバーは、ＰＡＣＳ端末及びＰＡＣＳサーバーと医療映像データを送受信する機能を果たし、ワークリスト及び映像処理情報ＡＰＩ（Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍｍｉｎｇ Ｉｎｔｅｒｆａｃｅ）を提供することができる。
マネージャーサーバーは、コントロールサーバーから医療映像データを受信し、映像復元サーバーが速かに映像を復元することができるように、映像復元サーバーに映像処理業務を自動で配分することができる。
映像復元サーバーは、マネージャーサーバーから医療映像データを受信し、人工ニューラルネットワークモデルとＧＰＵ演算を用いて受信した医療映像復元を実行することができる。人工ニューラルネットワークモデルは、映像品質改善処理のために予め学習されたディープラーニングモデルであり得る。人工ニューラルネットワークモデルについては後で詳細に説明する。
認証サーバーは、医療映像復元及び伝送方法プログラムの使用のための使用者認証及び管理ＡＰＩを提供するものであり得る。
データベースは、医療映像復元及び伝送システムがプログラムを実行するために必要な各種のデータが保存されたものであり得る。例えば、データベースは、使用者リスト、ワークリスト及び映像処理情報、並びにプロトコル規則及び医療映像データが保存されたものであり得る。
図２は本発明の一実施例による医療映像復元及び伝送システムとＰＡＣＳシステムとの間のネットワーク通信を説明する図である。
図２を参照すると、ＰＡＣＳサーバーと医療映像データ復元及び伝送システムは、地域対地域仮想私設ネットワーク（Ｓｉｔｅ－ｔｏ－ｓｉｔｅ ＶＰＮ）に基づいて暗号化した有線ネットワークを活用して通信することができる。ネットワークトンネルがデータを完全に保護するためには、使用者認証（Ａｕｔｈｅｎｔｉｃａｔｉｏｎ）、データの完全性（Ｉｎｔｅｇｒｉｔｙ）、およびデータの機密保持（Ｃｏｎｆｉｄｅｎｔｉａｌｉｔｙ）という３種の要素が必要であり、このような保安性を有するトンネルを仮想私設ネットワーク（ＶＰＮ）と言う。特に、地域対地域仮想私設ネットワークは、互いに異なる地域のネットワークの間で暗号化したトンネルを構築することができ、インターネットを介して当該サイトの間にデータおよびリソースを安全に共有することができる。
具体的には、クライアント端末は、認証サーバーとＶＰＮネットワーク通信を実行することで、ログイン情報、個人情報、医療映像データの暗号化情報をＨＴＴＰＳプロトコルを用いて送受信することができる。ＨＴＴＰＳ（Ｈｙｐｅｒ Ｔｅｘｔ Ｔｒａｎｓｆｅｒ Ｐｒｏｔｏｃｏｌ ｏｖｅｒ Ｓｅｃｕｒｅ Ｓｏｃｋｅｔ Ｌａｙｅｒ）はワールドワイドウェブ通信プロトコルであるＨＴＴＰの保安が強化したバージョンである。そして、ＰＡＣＳ端末は、コントロールサーバーとＶＰＮネットワーク通信を実行して、暗号化した医療映像データであるＤＩＣＯＭデータを送受信することができる。
以下では、本発明の一実施例による医療映像復元及び伝送システムを用いた医療映像復元及び伝送方法について詳細に説明する。
図３は本発明の一実施例による医療映像復元及び伝送システムを用いて実行する医療映像復元及び伝送方法を説明する図である。
図３を参照すると、本発明の一実施例による復元及び伝送システムを用いた医療映像復元及び伝送方法において、コントロールサーバーが受けた医療映像データをマネージャーサーバーに伝送する段階（Ｓ３１０）を実行することができる。
医療映像データは、加速化撮影されたｋ－ｓｐａｃｅデータ及び加速化撮影されたｋ－ｓｐａｃｅデータに基づいて生成されたＤＩＣＯＭデータのうちの少なくとも一つを含むことができる。
加速化撮影とは、医療映像データがＭＲＩ撮影された映像の場合、繰り返し撮影回数（ＮＥＸ：Ｎｕｍｂｅｒ ｏｆ Ｅｘｃｉｔａｔｉｏｎｓ）を減らして撮影時間を短縮させることを意味し得る。例えば、通常２回繰り返し撮影するシーケンスを１回撮影することであり得る。また、加速化撮影とは、ｋ－ｓｐａｃｅで位相エンコード方向により狭い範囲の信号を得て解像度の低いイメージを得ることを意味し得る。また、加速化撮影とは、医療映像データがＭＲＩ撮影された映像の場合、ＭＲＩ撮影時間を短縮させて、サブサンプリングされた磁気共鳴信号を獲得することを意味し得る。サブサンプリングされた磁気共鳴信号は、ナイキストサンプリングレートよりも低いサンプリングレートでサンプリングされた磁気共鳴信号であり得る。すなわち、加速化撮影された磁気共鳴映像は、ナイキストサンプリングレートよりも低いサンプリングレートで磁気共鳴信号をサンプリングして獲得した映像であり得る。サブサンプリングされた磁気共鳴映像は、多様な人工的なイメージであるアーチファクト（ａｒｔｉｆａｃｔｓ）を含む映像であり得る。
例えば、フルサンプリングされた磁気共鳴信号のライン（ｌｉｎｅ）数がｎ個であり、サブサンプリングされた磁気共鳴信号のライン（ｌｉｎｅ）数がｎ／２個であり得る。ここで、サンプリングラインの減少した程度が１／２倍数であれば、磁気共鳴映像撮影の加速化指数が２であると言える。サンプリングラインの減少した程度が１／３倍数、１／４倍数であれば、加速化指数はそれぞれ３、４であると言える。また、加速化撮影とは、前述した撮影方法のうちの一つ以上を組み合わせて撮影する方法であり得る。
コントロールサーバーは、医療映像撮影装置、医療映像保存及び伝送システム（ＰＡＣＳ）から、加速化撮影されたｋ－ｓｐａｃｅデータ及び加速化撮影されたｋ－ｓｐａｃｅデータに基づいて生成されたＤＩＣＯＭデータのうちの少なくとも一つを含む医療映像データを受けることができる。
医療映像データは、患者の生体情報（ｖｉｔａｌ ｉｎｆｏｒｍａｔｉｏｎ）、医療現場で生成される患者や被治療部位などに対する静止映像である医療イメージ（ｍｅｄｉｃａｌ ｉｍａｇｅ）情報及び医療現場で撮影される医療動画または医療ビデオ（ｍｅｄｉｃａｌ ｖｉｄｅｏ）情報を含むことができる。
ＤＩＣＯＭ（Ｄｉｇｉｔａｌ Ｉｍａｇｉｎｇ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ｉｎ Ｍｅｄｉｃｉｎｅ）は医療用デジタル映像及び通信標準を意味し、医療機器でデジタル映像表現および通信に使用されるさまざまな標準を総称するものである。
ＤＩＣＯＭデータは、主に患者情報及びメディア特性情報（ｐａｔｉｅｎｔ ｉｎｆｏｒｍａｔｉｏｎ ａｎｄ ｍｅｄｉａ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ）を含むことができる。例えば、ＤＩＣＯＭデータに含まれる多様な医療情報データは医療現場で収集される患者関連テキスト情報及び加工されなかったメディア情報であり、そのフォーマットには特別な制限がない。より具体的には、ＤＩＣＯＭデータは、患者の生体情報、医療現場で生成される患者や被治療部位などに対する静止映像である医療イメージ情報及び医療現場で撮影される医療動画または医療ビデオ情報を含むことができる。
図４ａ，図４ｂ，図４ｃは本発明の一実施例による医療映像データ暗号化方法を説明する図である。
図４ａ，図４ｂ，図４ｃを参照すると、コントロールサーバーは、医療映像データをマネージャーサーバーに伝送する前に暗号化することができる。医療映像データを暗号化することは、医療映像データが含む複数の映像スライスを互いにシャッフルすることを含むことができる。
ここで、「暗号化」は匿名化を含むことができる。具体的には、匿名化は、含まれた個人識別情報の全部または一部を削除するかまたは知り得ない形態に変換することであり得る。匿名化技法としては、仮名（ｐｓｅｕｄｏｎｙｍ）、一般化（ｇｅｎｅｒａｌｉｚａｔｉｏｎ）、置換（ｐｅｒｍｕｔａｔｉｏｎ）、摂動（ｐｅｒｔｕｒｂａｔｉｏｎ）などを含む多様な方法がある。
例えば、医療映像は、複数の映像スライスが蓄積されて形成される３Ｄ映像であり得る。また、このような３Ｄ医療映像をそれぞれの方向にスライス処理して複数の映像スライスを生成することもできる。映像スライスをシャッフルすることは、順に配列された映像スライスを任意に混ぜて配列することであり得る。３Ｄ医療映像は患者の顔や頭部を把握して当該映像がどの患者のものであるかを認識することが可能であるので、個人情報が流出し得る危険がある。このような危険を防止するために、医療映像復元及び伝送システムは、医療機関から伝送された医療映像をシャッフル処理し、医療映像データに含まれる個人情報などのメタデータをブラインド処理するかまたは削除することで、データの個人情報を仮名に取り替える仮名処理を実行して暗号化する。
例えば、患者の頭部の３Ｄ映像イメージは、冠状面（Ｃｏｒｏｎａｌ）、矢状面（Ｓａｇｉｔｔａｌ）、水平面（Ａｘｉａｌ）にそれぞれの映像スライスが積層されて形成されたものであり得る。冠状面は顔を正面から見た状態で顔面に平行な垂直方向に頭部を切った断面であり、これらが互いに積層されて頭部の３Ｄ映像を形成することができる。そして、３Ｄ映像の仮名処理は、冠状面スライスが積層される順序を変えて暗号化することで実行することができる（図４ａ参照）。矢状面は、頭部を側面から見た状態で、側面に平行な垂直方向に切った断面であり得る。矢状面映像スライスが互いに積層されて頭部の３Ｄ映像を形成することができる。そして、３Ｄ映像の仮名処理は、矢状面スライスが積層される順序を変えて暗号化することで実行することができる（図４ｂ参照）。水平面は頭部を上部と下部とに分ける断面であり、これらが互いに積層されて頭部の３Ｄ映像を形成する。３Ｄ映像の仮名処理はそれぞれのスライスの積層順序を変えて暗号化することで実行することができる（図４ｃ参照）。
コントロールサーバーは、暗号化した医療映像データを保存し、暗号化しなかった医療映像データは個人情報流出の防止のために削除することができる。コントロールサーバーは、映像復元のための要請を受信すると、予め保存された暗号化した医療映像データを復号化し、復号化した医療映像データをマネージャーサーバーに伝送することができる。コントロールサーバーは、医療映像データの特性情報によって医療映像データを分類してマネージャーサーバーに伝送することができる。特性情報は、医療映像データのプロトコル（Ｐｒｏｔｏｃｏｌ）情報、シーケンス（Ｓｅｑｕｅｎｃｅ）情報のうちの少なくとも一つを含むことができる。
プロトコル情報とは、医療映像撮影で撮影部位または病変によって最適に映像を評価することができるように設計された多様なシーケンスの組合せについての情報である。シーケンス情報とは、ＭＲＩの場合、パルスシーケンス及びパルスフィールドグラデーションの特定の設定であり、特定のイメージ形状を作るための情報である。例えば、マルチパラメトリックＭＲＩは、二つ以上のシーケンスの組合せ及び／または分光器のようなその他の特殊ＭＲＩ構成を含むことができる。
特性情報がプロトコル情報およびシーケンス情報をすべて含む場合、コントロールサーバーは、受信した医療映像データをプロトコル情報に基づいてしてプロトコル映像セットを生成することができる。その後、コントロールサーバーは、プロトコル映像セットに含まれる複数の医療映像をシーケンス情報として分類し、分類されたシーケンス情報に基づいてシーケンス映像セットを生成し、生成されたシーケンス映像セットをマネージャーサーバーに伝送することができる。
その後、マネージャーサーバーが受けた医療映像データを映像復元サーバーに伝送する段階（Ｓ３２０）を実行することができる。
マネージャーサーバーは、特性情報によって分類された医療映像データを特性情報に基づいて予め分類された映像復元サーバーの複数の人工ニューラルネットワークに分配して入力するように映像復元サーバーに伝送することができる。例えば、マネージャーサーバーは、上述したシーケンス映像セットを映像復元サーバーに保存されたそれぞれの人工ニューラルネットワークモデルに伝送することができる。
その後、映像復元サーバーが受けた医療映像データを人工ニューラルネットワークモデルによって復元する段階（Ｓ３３０）を実行することができる。
人工ニューラルネットワークモデルは、統計的機械学習結果を用いて、少なくとも一つのサブサンプリングされた磁気共鳴映像と少なくとも一つのフルサンプリングされた磁気共鳴映像との間の相関関係を学習するアルゴリズムの集合であり得る。人工ニューラルネットワークモデルは、少なくとも一つのニューラルネットワークを含むことができる。ニューラルネットワークは、ＤＮＮ（Ｄｅｅｐ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）、ＲＮＮ（Ｒｅｃｕｒｒｅｎｔ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）、ＢＲＤＮＮ（Ｂｉｄｉｒｅｃｔｉｏｎａｌ Ｒｅｃｕｒｒｅｎｔ Ｄｅｅｐ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）、ＭＬＰ（Ｍｕｌｔｉｌａｙｅｒ Ｐｅｒｃｅｐｔｒｏｎ）、ＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）のような方式のネットワークモデルを含むことができるが、これに限定されるものではない。
例えば、人工ニューラルネットワークモデルは、ニューラルネットワークを用いて少なくとも一つのサブサンプリングされた磁気共鳴映像及び少なくとも一つのフルサンプリングされた磁気共鳴映像の間の相関関係を位相エンコード方向にスタックされる少なくとも一つのサンプリングラインのピクセルを単位で学習して構築したモデルであり得る。また、人工ニューラルネットワークモデルは、サブサンプリングされた磁気共鳴映像及びフルサンプリングされた磁気共鳴映像の他にも多様な追加データを用いて構築することができる。例えば、追加データとして、磁気共鳴映像に対応するｋ－ｓｐａｃｅデータ、実数映像データ、虚数映像データ、大きさ映像データ、位相映像データ及びマルチチャネルＲＦコイルの感度データ、およびノイズパターン映像データのうちの少なくとも一つを用いることができる。
図５は本発明の一実施例による医療映像データの特性情報によって適用される人工ニューラルネットワークモデルが変わることを説明する図である。
図５を参照すると、人工ニューラルネットワークモデルがＭＲＩ ＤＩＣＯＭ医療映像データを復元する場合、一例として医療映像データのプロトコル情報はブレーンルーチン－ＤＮ（Ｂｒａｉｎ Ｒｏｕｔｉｎｅ－ＤＮ）であり得、このプロトコルはＴ２ ＴＳＥ、Ｔ２ ＦＬＡＩＲ、Ｔ１ ＦＬＡＩＲなどのシーケンスを含むことができる。このシーケンスによる医療映像加速化撮影は、その結果映像内のノイズが増幅する特徴がある。したがって、このようなシーケンスとマッチングする人工ニューラルネットワークモデルは、ノイズを減少させることに特化したものを適用することができる。
また、プロトコルはブレーンルーチン－ＳＲ（ＢｒａｉｎＲｏｕｔｉｎｅ－ＳＲ）であり得、このプロトコルはＴ１ＳＥなどのシーケンスを含むことができる。このシーケンスによる医療映像加速化撮影は、その結果映像の解像度が減少する特徴がある。したがって、このようなシーケンスとマッチングする人工ニューラルネットワークモデルは、解像度減少を防止することに特化したものを適用することができる。
プロトコルはブレーンルーチン－ＴＯＦ（ＢｒａｉｎＲｏｕｔｉｎｅ－ＴＯＦ）であり得、このプロトコルはＴｏＦ（Ｔｉｍｅ ｏｆ Ｆｌｉｇｈｔ）などのシーケンスを含むことができる。このシーケンスは３Ｄ撮影シーケンスであり、３Ｄスライス方向情報を活用することができ、加速化撮影の結果、追加の後処理作業が必要である。したがって、このようなシーケンスとマッチングする人工ニューラルネットワークモデルは、３Ｄスライス方向情報を読み、３Ｄデータの後処理作業が行えるものを適用することができる。
その後、復元された映像データをマネージャーサーバーに伝送する段階（Ｓ３４０）を実行することができる。例えば、マネージャーサーバーは、プロトコルセット及び／またはシーケンスセットで形成された複数の医療映像イメージを受信することができる。
その後、マネージャーサーバーが受けた復元された映像データをコントロールサーバーに伝送する段階（Ｓ３５０）を実行することができる。その後、コントロールサーバーが医療映像データを受けたアドレスに基づいてコントロールサーバーが復元された映像データを伝送する段階（Ｓ３６０）を実行することができる。例えば、コントロールサーバーがＰＡＣＳサーバーから医療映像データを受けた場合、復元された映像データを当該ＰＡＣＳサーバーに伝送することができる。ＰＡＣＳサーバーは、受信した復元された映像データを暗号化処理することができる。これにより、ＰＡＣＳサーバーと医療映像復元及び伝送システムは単一のトンネルを用いて医療映像データを送受信するので、患者の個人情報などの流出を防止する強力な保安通信システムを提供することができる。
以上で説明した本発明の一実施例による医療映像復元及び伝送方法は、医療機関と医療映像復元及び伝送システムとの間に送受信される個人情報を含む医療映像データを仮名処理暗号化して、向上した保安を提供するので、個人情報が流出することを防止することができる。
本発明の一実施例による医療映像復元及び伝送方法は、医療映像データの特性情報によって最適の人工ニューラルネットワークモデルによって医療映像を復元するので、向上した品質の医療映像を獲得することができる。
一方、本発明の一実施例による医療映像復元及び伝送方法は、コンピュータによって実行されるプログラムモジュールのようなコンピュータによって実行可能な命令語を含む記録媒体の形態にも具現することができる。コンピュータ可読の媒体はコンピュータによってアクセス可能な任意の可用媒体であり得、揮発性及び非揮発性媒体、並びに分離型及び非分離型媒体をすべて含む。また、コンピュータ可読の媒体は、コンピュータ保存媒体を含むことができる。コンピュータ保存媒体は、コンピュータ可読の命令語、データ構造、プログラムモジュールまたはその他のデータのような情報の保存のための任意の方法または技術によって具現された揮発性及び非揮発性、並びに分離型及び非分離型媒体をすべて含む。本発明の方法及びシステムは特定の実施例に関連して説明したが、その構成要素または動作の一部または全部は汎用ハードウェアアーキテクチャーを有するコンピュータシステムを使用して具現することができる。
以上の説明は本発明の技術的思想を例示的に説明したものに過ぎず、本発明が属する技術分野で通常の知識を有する者であれば、本発明の本質的特性から逸脱しない範囲で多様な修正及び変形が可能であろう。したがって、本発明で開示した実施例は本発明の技術思想を限定するためのものではなく、説明するためのものであり、このような実施例によって本発明の技術思想の範囲が限定されるものではない。本発明の保護範囲は下記の特許請求の範囲によって解釈されなければならなく、それと同等な範囲内にあるすべての技術的思想は本発明の権利範囲に含まれるものと解釈されなければならないであろう。

Claims (16)

  1. 医療映像復元及び伝送システムを用いた医療映像復元及び伝送方法であって、
    加速化撮影されたｋ－ｓｐａｃｅデータ及び加速化撮影されたｋ－ｓｐａｃｅデータに基づいて生成されたＤＩＣＯＭデータのうちの少なくとも一つを含む医療映像データを受ける段階と、
    前記受けた医療映像データを人工ニューラルネットワークモデルによって復元する段階と、
    前記医療映像データを受けたアドレスに基づいて前記復元された医療映像データを伝送する段階と、を含む、医療映像復元及び伝送方法。
  2. 前記医療映像データを前記人工ニューラルネットワークモデルによって復元する前に暗号化する、請求項１に記載の医療映像復元及び伝送方法。
  3. 前記暗号化することは、前記医療映像データが含む複数の映像スライスを互いにシャッフルすることを含む、請求項２に記載の医療映像復元及び伝送方法。
  4. 前記暗号化した医療映像データを保存し、暗号化しなかった医療映像データは削除する、請求項２に記載の医療映像復元及び伝送方法。
  5. 前記保存された暗号化した医療映像データを復号化し、復号化した医療映像データを前記人工ニューラルネットワークモデルによって復元する、請求項４に記載の医療映像復元及び伝送方法。
  6. 前記医療映像データの特性情報によって前記医療映像データを分類して前記人工ニューラルネットワークモデルに伝送し、
    前記特性情報によって分類された医療映像データを前記特性情報に基づいて予め分類された複数の人工ニューラルネットワークモデルに分配して入力するように伝送する、請求項１に記載の医療映像復元及び伝送方法。
  7. 前記特性情報は、医療映像データのプロトコル情報、およびシーケンス情報のうちの少なくとも一つを含む、請求項６に記載の医療映像復元及び伝送方法。
  8. 前記特性情報が前記プロトコル情報およびシーケンス情報の両者を含む場合、
    前記医療映像データから前記プロトコル情報に基づいてしてプロトコル映像セットを生成し、前記プロトコル映像セットに含まれる複数の医療映像を前記シーケンス情報として分類し、前記分類されたシーケンス情報に基づいてシーケンス映像セットを生成し、前記シーケンスセットを前記人工ニューラルネットワークモデルに伝送する、請求項７に記載の医療映像復元及び伝送方法。
  9. 医療映像復元及び伝送システムであって、
    加速化撮影されたｋ－ｓｐａｃｅデータ及び加速化撮影されたｋ－ｓｐａｃｅデータに基づいて生成されたＤＩＣＯＭデータのうちの少なくとも一つを含む医療映像データを受け、前記受けた医療映像データを人工ニューラルネットワークモデルによって復元し、前記医療映像データを受けたアドレスに基づいて前記復元された医療映像データを伝送する、医療映像復元及び伝送システム。
  10. 前記医療映像データを前記人工ニューラルネットワークモデルによって復元する前に暗号化する、請求項９に記載の医療映像復元及び伝送システム。
  11. 前記暗号化することは、前記医療映像データが含む複数の映像スライスを互いにシャッフルすることを含む、請求項１０に記載の医療映像復元及び伝送システム。
  12. 前記暗号化した医療映像データを保存し、暗号化しなかった医療映像データは削除する、請求項１０に記載の医療映像復元及び伝送システム。
  13. 前記保存された暗号化した医療映像データを復号化し、復号化した医療映像データを前記人工ニューラルネットワークモデルによって復元する、請求項１２に記載の医療映像復元及び伝送システム。
  14. 前記医療映像データの特性情報によって前記医療映像データを分類して前記人工ニューラルネットワークモデルに伝送し、
    前記特性情報によって分類された医療映像データを前記特性情報に基づいて予め分類された複数の人工ニューラルネットワークモデルに分配して入力するように伝送する、請求項９に記載の医療映像復元及び伝送システム。
  15. 前記特性情報は、医療映像データのプロトコル情報、およびシーケンス情報のうちの少なくとも一つを含む、請求項１４に記載の医療映像復元及び伝送システム。
  16. 前記特性情報が前記プロトコル情報およびシーケンス情報をすべて含む場合、
    前記医療映像データから前記プロトコル情報に基づいてプロトコル映像セットを生成し、前記プロトコル映像セットに含まれる複数の医療映像を前記シーケンス情報として分類し、前記分類されたシーケンス情報に基づいてシーケンス映像セットを生成し、前記シーケンスセットを前記人工ニューラルネットワークモデルに伝送する、請求項１５に記載の医療映像復元及び伝送システム。
JP2023558456A 2021-03-25 2021-06-08 医療映像復元及び伝送システム及びその方法 Pending JP2024513763A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
KR1020210038588A KR102475392B1 (ko) 2021-03-25 2021-03-25 의료 영상 복원 및 전송 시스템 및 그 방법
KR10-2021-0038588 2021-03-25
PCT/KR2021/007180 WO2022203119A1 (ko) 2021-03-25 2021-06-08 의료 영상 복원 및 전송 시스템 및 그 방법

Publications (1)

Publication Number Publication Date
JP2024513763A true JP2024513763A (ja) 2024-03-27

Family

ID=83395889

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2023558456A Pending JP2024513763A (ja) 2021-03-25 2021-06-08 医療映像復元及び伝送システム及びその方法

Country Status (5)

Country Link
US (1) US20230153456A1 (ja)
EP (1) EP4297041A1 (ja)
JP (1) JP2024513763A (ja)
KR (1) KR102475392B1 (ja)
WO (1) WO2022203119A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024101875A1 (ko) * 2022-11-08 2024-05-16 주식회사 트라이얼인포매틱스 인공지능 기반의 임상시험 영상 자동 표준화 장치, 방법 및 프로그램

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070217607A1 (en) * 2004-02-15 2007-09-20 Matrixview Limited Repetition Coded Compression For Encrypting Highly Correlated Data
US20110110568A1 (en) * 2005-04-08 2011-05-12 Gregory Vesper Web enabled medical image repository
US8538029B2 (en) * 2011-03-24 2013-09-17 Hewlett-Packard Development Company, L.P. Encryption key fragment distribution
KR101624305B1 (ko) * 2014-12-22 2016-05-26 연세대학교 산학협력단 영상의학 및 디지털 영상 판독환경에서 의료 영상의 후처리 방법 및 그 시스템
KR101981583B1 (ko) * 2017-02-27 2019-05-23 재단법인 아산사회복지재단 의료영상 내 정보처리방법
KR101923184B1 (ko) * 2017-08-25 2018-11-28 삼성전자주식회사 뉴럴 네트워크를 이용한 영상 복원 방법 및 그 자기 공명 영상 장치
EP4224418A3 (en) * 2018-01-24 2023-08-23 Pie Medical Imaging BV Flow analysis in 4d mr image data
KR102215702B1 (ko) * 2018-06-04 2021-02-16 한국과학기술원 뉴럴 네트워크를 이용한 자기공명영상 처리 방법 및 그 장치
KR102220029B1 (ko) * 2018-10-12 2021-02-25 한국과학기술원 뉴럴 네트워크를 이용한 비매칭 저 선량 엑스선 전산단층 촬영 영상 처리 방법 및 그 장치
US10835761B2 (en) * 2018-10-25 2020-11-17 Elekta, Inc. Real-time patient motion monitoring using a magnetic resonance linear accelerator (MR-LINAC)
US10803987B2 (en) * 2018-11-16 2020-10-13 Elekta, Inc. Real-time motion monitoring using deep neural network
JP7334073B2 (ja) * 2019-06-19 2023-08-28 キヤノンメディカルシステムズ株式会社 医用データ処理装置及び医用データ処理方法
KR102097743B1 (ko) * 2019-07-25 2020-04-06 주식회사 딥노이드 인공지능 질환 판독 장치 및 방법
JP7446736B2 (ja) * 2019-08-09 2024-03-11 キヤノンメディカルシステムズ株式会社 医用データ処理装置および医用画像診断装置
US11348291B2 (en) * 2019-11-29 2022-05-31 Shanghai United Imaging Intelligence Co., Ltd. System and method for reconstructing magnetic resonance images

Also Published As

Publication number Publication date
KR102475392B1 (ko) 2022-12-07
EP4297041A1 (en) 2023-12-27
WO2022203119A1 (ko) 2022-09-29
US20230153456A1 (en) 2023-05-18
KR20220133465A (ko) 2022-10-05

Similar Documents

Publication Publication Date Title
US11923070B2 (en) Automated visual reporting technique for medical imaging processing system
KR101981583B1 (ko) 의료영상 내 정보처리방법
CN108021819B (zh) 使用深度学习网络的匿名和安全分类
JP2021061042A (ja) 健康データを匿名化し、分析のために地理的領域を横断して健康データを修正及び編集するシステム及び方法
Arumugham et al. Networked medical data sharing on secure medium–a web publishing mode for DICOM viewer with three layer authentication
Arka et al. Collaborative compressed I-cloud medical image storage with decompress viewer
CN117238458A (zh) 基于云计算的重症护理跨机构协同平台***
Kalapaaking et al. Smpc-based federated learning for 6g-enabled internet of medical things
Kumar et al. HHO-based vector quantization technique for biomedical image compression in cloud computing
Abdulbaqi et al. A tele encephalopathy diagnosis based on EEG signal compression and encryption
JP2024513763A (ja) 医療映像復元及び伝送システム及びその方法
Yan et al. Insights into security and privacy issues in smart healthcare systems based on medical images
Desai et al. Deep neural network based medical image steganography
Madhushree et al. An exhaustive review of authentication, tamper detection with localization and recovery techniques for medical images
JP2005044321A (ja) 広域ネットワーク環境における電子カルテシステム
Anuja et al. A survey on security issues and solutions for storage and exchange of medical images in cloud
Pesaru et al. RETRACTED ARTICLE: Light weight cryptography-based data hiding system for Internet of Medical Things
Zhang et al. SIP: An efficient and secure information propagation scheme in e-health networks
Prabhu et al. Secured transmission of medical images in radiology using aes technique
CN114124345A (zh) 数据同态加密推理方法、装置、设备、***及存储介质
Birajdar et al. Transform domain robust watermarking method using Riesz wavelet transform for medical data security and privacy
Tallapragada et al. Improved Accuracy in Image Tampering Detection using MobileNet
Madhuri et al. Standard Encryption Methodologies to Process Multi-Modality Medical Images for Diagnosing in Telemedicine
Al-Haija Biomedical image security
Ramkumar et al. An Experiment to Develop an Enhanced Medical Image Security by using Deep Learning Assisted Crypto Policy

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230922