KR102218900B1 - Apparatus and method for diagnosing disease - Google Patents

Apparatus and method for diagnosing disease Download PDF

Info

Publication number
KR102218900B1
KR102218900B1 KR1020200046974A KR20200046974A KR102218900B1 KR 102218900 B1 KR102218900 B1 KR 102218900B1 KR 1020200046974 A KR1020200046974 A KR 1020200046974A KR 20200046974 A KR20200046974 A KR 20200046974A KR 102218900 B1 KR102218900 B1 KR 102218900B1
Authority
KR
South Korea
Prior art keywords
bone
boundary line
spine
unit
region
Prior art date
Application number
KR1020200046974A
Other languages
Korean (ko)
Inventor
최우식
김태규
이은호
Original Assignee
주식회사 딥노이드
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 딥노이드 filed Critical 주식회사 딥노이드
Priority to KR1020200046974A priority Critical patent/KR102218900B1/en
Application granted granted Critical
Publication of KR102218900B1 publication Critical patent/KR102218900B1/en

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/505—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of bone
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • 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
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10116—X-ray 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
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30008—Bone
    • G06T2207/30012—Spine; Backbone

Landscapes

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

Abstract

Provided is a diagnosis device which automatically diagnoses musculoskeletal disease related to a spine from medical images. The diagnostic device comprises: an acquisition unit acquiring medical images; and a diagnosis unit diagnosing musculoskeletal disease from the medical images using image analysis or machine learning.

Description

질환 진단 장치 및 진단 방법{APPARATUS AND METHOD FOR DIAGNOSING DISEASE}Disease diagnosis device and diagnosis method {APPARATUS AND METHOD FOR DIAGNOSING DISEASE}

본 발명은 의료 영상에서 근골격계 질환을 진단하는 장치 및 방법에 관한 것이다.The present invention relates to an apparatus and method for diagnosing musculoskeletal diseases in medical images.

척추와 관련된 각종 병변을 치료하기 위해 X-ray, CT(Computed Comography) 등의 의료 영상에서 척추를 검출하고 진단하는 과정이 선행되어야 한다.In order to treat various lesions related to the spine, the process of detecting and diagnosing the spine in medical images such as X-ray and CT (Computed Comography) should be preceded.

의료진이 직접 의료 영상에서 척추를 구분하고 진단하는 작업은 상황에 따라 각종 오류를 발생시킬 수 있다. 일정하고 정확한 진단을 위해 자동화 장비가 사용되는 것이 바람직할 수 있다. 하지만, 기계적으로 척추를 자동 구분하고 진단하는 작업은 각종 어려움을 포함하고 있다.The task of classifying and diagnosing the spine in a medical image by a medical staff directly can cause various errors depending on the situation. It may be desirable to use automated equipment for consistent and accurate diagnosis. However, the task of automatically classifying and diagnosing the spine mechanically involves various difficulties.

한국공개특허공보 제2015-0104889호에는 경추부의 척추관을 촬영하여 경추관 협착증을 진단할 수 있는 CT 장치가 나타나 있다.Korean Patent Publication No. 2015-0104889 discloses a CT device capable of diagnosing cervical canal stenosis by photographing the spinal canal of the cervical spine.

한국공개특허공보 제2015-0104889호Korean Patent Publication No. 2015-0104889

본 발명은 의료 영상에서 척추와 관련된 근골격계 질환을 자동으로 진단하는 진단 장치 및 진단 방법을 제공하기 위한 것이다.The present invention is to provide a diagnostic apparatus and method for automatically diagnosing musculoskeletal disorders related to the spine in a medical image.

본 발명의 진단 장치는 의료 영상을 획득하는 획득부; 이미지 분석 또는 기계 학습을 이용해 상기 의료 영상에서 근골격계 질환을 진단하는 진단부;를 포함할 수 있다.The diagnosis apparatus of the present invention includes: an acquisition unit for obtaining a medical image; It may include a; diagnosis unit for diagnosing musculoskeletal disorders in the medical image using image analysis or machine learning.

본 발명의 진단 방법은 의료 영상을 획득하는 단계; 상기 의료 영상에 포함된 뼈 영역을 검출하는 단계; 검출된 뼈 영역을 신체 부위별로 분류하는 단계; 신체 부위별로 분류된 각 뼈 영역의 특징점을 추출하는 단계; 각 뼈 영역의 특징점을 취합하는 단계; 취합된 정보를 이용해서 근골격계의 비정상도를 산출하거나 근골격계의 통합 질환 정보를 예측하는 단계;를 포함할 수 있다.The diagnostic method of the present invention includes the steps of obtaining a medical image; Detecting a bone region included in the medical image; Classifying the detected bone regions according to body parts; Extracting feature points of each bone region classified by body part; Collecting feature points of each bone region; It may include; calculating an abnormality of the musculoskeletal system or predicting integrated disease information of the musculoskeletal system using the collected information.

본 발명의 진단 장치 및 진단 방법은 이미지 분석 또는 기계 학습을 통해 의료 영상에서 근골격계 질환을 자동으로 검출할 수 있다.The diagnostic apparatus and diagnostic method of the present invention may automatically detect musculoskeletal diseases from medical images through image analysis or machine learning.

현대인은 많은 시간 앉아서 생활하며, 이로 인해 척추 관련 근골격계 질환이 많이 발생되고 있다. 도수 치료 및 카이로프래틱 같은 근골격계 질환/치료에 대한 소요가 증가함에 따라, 빠른 검진에 대한 필요성이 증가하고 있다.Modern people sit for a lot of time and, as a result, spine-related musculoskeletal diseases are occurring. As the need for manual therapy and musculoskeletal disorders/treatments such as chiropractic increases, the need for rapid examination is increasing.

본 발명은 다양한 척추 영상에서 척추의 골 질환 뿐만 아니라, 근골격계 질환을 검출할 수 있다.The present invention can detect not only bone diseases of the spine, but also musculoskeletal diseases in various spine images.

본 발명의 진단 장치 및 진단 방법은 의료 영상에서 발견되는 다양한 뼈의 종류를 촬영 자세 및 장비에 영향받지 않고 자동으로 검출할 수 있다.The diagnosis apparatus and diagnosis method of the present invention can automatically detect various types of bones found in a medical image without being affected by a photographing posture and equipment.

본 발명의 진단 장치 및 진단 방법은 검출된 다양한 종류의 뼈에서 특징 포인트를 추출하고, 특징 포인트를 이용해 사용자의 촬영 자세와 그에 따른 신체의 굴곡 정도 등을 검출할 수 있다.The diagnostic apparatus and diagnostic method of the present invention may extract feature points from detected various types of bones, and detect a user's photographing posture and a corresponding degree of curvature of the body using the feature points.

본 발명의 진단 장치 및 진단 방법은 신체의 굴곡 정도 등을 포함하는 진단 결과를 리포트 형식으로 출력할 수 있다.The diagnosis apparatus and method of the present invention may output a diagnosis result including a degree of curvature of a body in a report format.

도 1은 본 발명의 분석 장치를 나타낸 블록도이다.
도 2는 획득부에 의해 획득된 의료 영상을 나타낸 사진이다.
도 3은 검출부의 동작을 나타낸 개략도이다.
도 4는 검출부에 의해 선출된 척추 후보군을 나타낸 개략도이다.
도 5는 검출부에 의해 검출된 척추 영역을 나타낸 개략도이다.
도 6은 분류부의 동작을 나타낸 개략도이다.
도 7은 보조부의 동작을 나타낸 개략도이다.
도 8은 의료 영상을 분석하기 위해 도입된 경계선, 하이라이트를 나타낸 개략도이다.
도 9는 분류부의 동작을 나타낸 개략도이다.
도 10은 본 발명의 분석 방법을 나타낸 흐름도이다.
도 11은 본 발명의 검출 방법을 나타낸 흐름도이다.
도 12는 본 발명의 분류 방법을 나타낸 흐름도이다.
도 13은 본 발명의 진단 방법을 나타낸 흐름도이다.
도 14는 본 발명의 실시예에 따른, 컴퓨팅 장치를 나타내는 도면이다.1 is a block diagram showing an analysis device of the present invention.
2 is a photograph showing a medical image acquired by an acquisition unit.
3 is a schematic diagram showing the operation of the detection unit.
4 is a schematic diagram showing a spine candidate group selected by the detection unit.
5 is a schematic diagram showing a spine region detected by a detection unit.
6 is a schematic diagram showing the operation of the classification unit.
7 is a schematic diagram showing the operation of the auxiliary unit.
8 is a schematic diagram showing borders and highlights introduced to analyze medical images.
9 is a schematic diagram showing the operation of the classification unit.
10 is a flowchart showing the analysis method of the present invention.
11 is a flowchart showing the detection method of the present invention.
12 is a flowchart showing a classification method of the present invention.
13 is a flowchart showing a diagnosis method of the present invention.
14 is a diagram illustrating a computing device according to an embodiment of the present invention.

아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다. Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings so that those of ordinary skill in the art can easily implement the embodiments of the present invention. However, the present invention may be implemented in various different forms and is not limited to the embodiments described herein. In the drawings, parts irrelevant to the description are omitted in order to clearly describe the present invention, and similar reference numerals are assigned to similar parts throughout the specification.

본 명세서에서, 동일한 구성요소에 대해서 중복된 설명은 생략한다.In this specification, redundant descriptions of the same components are omitted.

또한 본 명세서에서, 어떤 구성요소가 다른 구성요소에 '연결되어' 있다거나 '접속되어' 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에 본 명세서에서, 어떤 구성요소가 다른 구성요소에 '직접 연결되어' 있다거나 '직접 접속되어' 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.In addition, in the present specification, when a component is referred to as being'connected' or'connected' to another component, it may be directly connected or connected to the other component, but other components in the middle It should be understood that may exist. On the other hand, in the present specification, when it is mentioned that a certain element is'directly connected' or'directly connected' to another element, it should be understood that no other element exists in the middle.

또한, 본 명세서에서 사용되는 용어는 단지 특정한 실시예를 설명하기 위해 사용되는 것으로써, 본 발명을 한정하려는 의도로 사용되는 것이 아니다.In addition, terms used in the present specification are only used to describe specific embodiments, and are not intended to limit the present invention.

또한 본 명세서에서, 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. In addition, in the present specification, a singular expression may include a plurality of expressions unless the context clearly indicates otherwise.

또한 본 명세서에서, '포함하다' 또는 '가지다' 등의 용어는 명세서에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품, 또는 이들을 조합한 것이 존재함을 지정하려는 것일 뿐, 하나 또는 그 이상의 다른 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 할 것이다.In addition, in the present specification, terms such as'include' or'have' are only intended to designate the existence of features, numbers, steps, actions, components, parts, or a combination thereof described in the specification, and one or more It is to be understood that the presence or addition of other features, numbers, steps, actions, components, parts, or combinations thereof, does not preclude in advance the possibility of being excluded.

또한 본 명세서에서, '및/또는' 이라는 용어는 복수의 기재된 항목들의 조합 또는 복수의 기재된 항목들 중의 어느 항목을 포함한다. 본 명세서에서, 'A 또는 B'는, 'A', 'B', 또는 'A와 B 모두'를 포함할 수 있다.In addition, in this specification, the term'and/or' includes a combination of a plurality of listed items or any of a plurality of listed items. In the present specification,'A or B'may include'A','B', or'both A and B'.

또한 본 명세서에서, 본 발명의 요지를 흐리게 할 수 있는 공지 기능 및 구성에 대한 상세한 설명은 생략될 것이다.In addition, in this specification, detailed descriptions of known functions and configurations that may obscure the subject matter of the present invention will be omitted.

도 1은 본 발명의 분석 장치를 나타낸 블록도이다.1 is a block diagram showing an analysis device of the present invention.

도 1에 도시된 분석 장치는 의료 영상을 분석해서 뼈 영역 또는 척추 영역을 검출할 수 있다. 따라서, 본 발명의 분석 장치는 검출 장치로 명명될 수 있다. 또한, 본 발명의 분석 방법은 검출 방법으로 명명될 수 있다.The analysis device illustrated in FIG. 1 may analyze a medical image to detect a bone region or a spine region. Thus, the analysis device of the present invention may be referred to as a detection device. In addition, the analysis method of the present invention may be referred to as a detection method.

도 1에 도시된 분석 장치는 뼈 영역을 신체 부위별로 구분하거나 분류할 수 있다. 따라서, 본 발명의 분석 장치는 분류 장치로 명명될 수 있다. 또한, 본 발명의 분석 방법은 분류 방법으로 명명될 수 있다.The analysis device illustrated in FIG. 1 may classify or classify bone regions by body parts. Therefore, the analysis device of the present invention may be referred to as a classification device. In addition, the analysis method of the present invention may be referred to as a classification method.

도 1에 도시된 분석 장치는 뼈 영역 자체를 분석해서 근골격계 질환을 진단하거나, 뼈 영역이 신체 부위별로 분류된 결과를 이용해서 근골격계 질환을 진단할 수 있다. 따라서, 본 발명의 분석 장치는 진단 장치로 명명될 수 있다. 또한, 본 발명의 분석 방법은 진단 방법으로 명명될 수 있다.The analysis device illustrated in FIG. 1 may diagnose musculoskeletal diseases by analyzing the bone region itself, or diagnose musculoskeletal diseases using a result of classifying the bone regions for each body part. Therefore, the analysis device of the present invention may be referred to as a diagnostic device. In addition, the analysis method of the present invention may be referred to as a diagnostic method.

도 1에 도시된 분석 장치는 획득부(110), 검출부(130), 보조부(150), 분류부(170), 진단부(190), 출력부(180)를 포함할 수 있다.The analysis device illustrated in FIG. 1 may include an acquisition unit 110, a detection unit 130, an auxiliary unit 150, a classification unit 170, a diagnosis unit 190, and an output unit 180.

획득부(110)는 의료 영상을 획득할 수 있다.The acquisition unit 110 may acquire a medical image.

의료 영상은 CT(computed tomography), MRI(magnetic resonance imaging), X-Ray, PET(positron emission tomography) 등을 통해 생성될 수 있다. 의료 영상은 환자의 신체 내부에 존재하는 다양한 기관, 골격(뼈), 핏줄 등을 타겟으로 촬영된 것으로, 신체 내부를 시각적으로 나타내는 이미지가 포함될 수 있다. 의료 영상을 분석하면, 정상인과 다른 각종 특이점이 파악될 수 있다. 특이점의 파악을 통해 각종 병변에 대한 진단이 이루어질 수 있다. 획득부(110)는 CT, MRI, X-Ray, PET 등의 촬영 장비로부터 의료 영상을 수신할 수 있다.Medical images may be generated through computed tomography (CT), magnetic resonance imaging (MRI), X-ray, positron emission tomography (PET), or the like. Medical images are photographed targeting various organs, skeletons (bones), blood vessels, etc. existing inside a patient's body, and may include images that visually represent the inside of the body. By analyzing medical images, various singularities different from those of a normal person can be identified. Diagnosis of various lesions can be made through identification of the singularity. The acquisition unit 110 may receive a medical image from imaging equipment such as CT, MRI, X-ray, and PET.

척추 등 각종 뼈와 관련된 근골격계 질환을 진단하기 위해 획득부(110)는 뼈, 척추 등이 포함된 의료 영상을 획득할 수 있다.In order to diagnose musculoskeletal diseases related to various bones such as the spine, the acquisition unit 110 may acquire a medical image including a bone and a spine.

각종 의료 영상은 DICOM(Digital Imaging and Communication in Medicine) 표준에 따라 생성될 수 있다. 필요에 따라 획득부(110)는 자동 진단에서 요구되는 사이즈로 의료 영상을 리사이징할 수 있다. 일 예로, 획득부(110)는 512×512 사이즈의 의료 영상을 256×256 사이즈의 리사이징 영상으로 변경할 수 있다.Various medical images can be generated according to DICOM (Digital Imaging and Communication in Medicine) standards. If necessary, the acquisition unit 110 may resize the medical image to a size required for automatic diagnosis. For example, the acquisition unit 110 may change a medical image having a size of 512×512 into a resizing image having a size of 256×256.

검출부(130)는 의료 영상에서 뼈를 나타내는 뼈 영역을 검출할 수 있다. 또는, 검출부(130)는 이미지 분석 또는 기계 학습을 이용해 의료 영상에서 척추를 검출할 수 있다. 의료 영상에 포함된 각종 신체 기관을 구분하기 위해, 검출부(130)는 OTSU(Online Teaching Support Unit) 등의 영상 처리 알고리즘을 이용할 수 있다.The detector 130 may detect a bone region representing a bone in a medical image. Alternatively, the detection unit 130 may detect the spine in the medical image using image analysis or machine learning. In order to classify various body organs included in the medical image, the detection unit 130 may use an image processing algorithm such as an Online Teaching Support Unit (OTSU).

분류부(170)는 이미지 분석 또는 기계 학습을 이용해 의료 영상에 포함된 척추에서 경추, 흉추, 요추, 천추, 미추 중 적어도 하나를 구분할 수 있다. 일 예로, 분류부(170)는 검출부(130)에 의해 검출된 척추에서 경추, 흉추, 요추, 천추, 미추 중 적어도 하나를 분류할 수 있다.The classification unit 170 may classify at least one of a cervical spine, a thoracic spine, a lumbar spine, a sacral spine, and a tail spine from a spine included in the medical image using image analysis or machine learning. For example, the classification unit 170 may classify at least one of a cervical vertebra, a thoracic vertebra, a lumbar vertebra, a sacral vertebra, and a tail vertebra from the spine detected by the detection unit 130.

보조부(150)는 검출부(130)에 의해 수행되는 뼈 영역 또는 척추 영역의 검출 정확도, 검출 속도를 개선할 수 있다. 보조부(150)는 분류부(170)에 의해 수행되는 척추의 분류 정확도, 분류 속도를 개선할 수 있다. 이를 위해, 보조부(150)는 의료 영상에서 뼈 영역이 아닌 다른 영역을 검출할 수 있다. 보조부(150)는 검출부(130)와 일체로 형성될 수 있다.The auxiliary unit 150 may improve detection accuracy and detection speed of a bone region or a spine region performed by the detection unit 130. The auxiliary unit 150 may improve classification accuracy and classification speed of the spine performed by the classification unit 170. To this end, the auxiliary unit 150 may detect a region other than the bone region in the medical image. The auxiliary unit 150 may be integrally formed with the detection unit 130.

진단부(190)는 이미지 분석 또는 기계 학습을 이용해 의료 영상에서 근골격계 질환을 진단할 수 있다. 진단부(190)는 검출부(130)에 의해 의료 영상에서 검출된 뼈 영역, 보조부(150)에 의해 검출된 뼈가 아닌 영역, 분류부(170)의 분류 결과를 분석해서 척추 측만증, 척추 전만증, 압박 골절 등의 척추 관련 근골격계 질환을 진단할 수 있다.The diagnosis unit 190 may diagnose musculoskeletal disorders from a medical image using image analysis or machine learning. The diagnosis unit 190 analyzes the bone region detected in the medical image by the detection unit 130, the non-bone region detected by the auxiliary unit 150, and the classification result of the classification unit 170 to analyze scoliosis, lordosis, It can diagnose musculoskeletal disorders related to the spine, such as compression fractures.

출력부(180)는 근골격계 질환의 진단 결과가 포함된 리포트 정보를 생성하고, 디스플레이와 같은 시각 출력 수단 또는 스피커와 같은 음성 출력 수단을 통해 리포트 정보를 표시할 수 있다.The output unit 180 may generate report information including a diagnosis result of a musculoskeletal disorder, and display the report information through a visual output means such as a display or an audio output means such as a speaker.

도 2는 획득부(110)에 의해 획득된 의료 영상을 나타낸 사진이다.2 is a photograph showing a medical image acquired by the acquisition unit 110.

도 2에 도시된 제1 의료 영상 i1은 사용자의 정면을 촬영한 의료 영상을 포함할 수 있다. 도 2에 도시된 제2 의료 영상 i2는 사용자의 측면을 촬영한 의료 영상을 포함할 수 있다.The first medical image i1 illustrated in FIG. 2 may include a medical image photographed in front of the user. The second medical image i2 illustrated in FIG. 2 may include a medical image photographing a side of the user.

도 2의 제1 의료 영상 i1 및 제2 의료 영상 i2는 X-ray 영상으로, 사용자의 뼈 및 일부 다른 기관이 잘 나타나 있다.The first medical image i1 and the second medical image i2 of FIG. 2 are X-ray images, showing the user's bones and some other organs well.

획득부(110)는 의료 영상으로서 사용자의 전신 이미지를 획득할 수 있다.The acquisition unit 110 may acquire a full-body image of a user as a medical image.

의료 영상은 관심 타겟의 종류, 범위에 상관없이 사용자의 전신을 포함할 수 있다. 일 예로, 검출부(130)의 관심 타겟이 척추라 하더라도, 다리뼈, 어깨, 엉덩이 살 등이 포함된 전신 영상이 검출부(130)에 제공되는 것이 좋다.The medical image may include the user's whole body regardless of the type or range of the target of interest. For example, even if the target of interest of the detection unit 130 is a spine, a full-body image including leg bones, shoulders, buttocks, etc. may be provided to the detection unit 130.

검출부(130)는 척추 외의 다른 요소를 이용해 척추 등의 관심 타겟을 보다 정확하게 검출할 수 있다. 또한, 척추 외에 의료 영상에 포함된 다른 요소는 분류부(170)의 분류 정확도 개선 및 진단부(190)의 진단 정확도 개선에 도움이 될 수 있다.The detection unit 130 may more accurately detect a target of interest such as a spine by using elements other than the spine. In addition, other elements included in the medical image besides the spine may be helpful in improving the classification accuracy of the classification unit 170 and the diagnosis accuracy of the diagnosis unit 190.

도 3은 검출부(130)의 동작을 나타낸 개략도이다.3 is a schematic diagram showing an operation of the detection unit 130.

검출부(130)는 의료 영상에서 뼈 영역 b를 검출할 수 있다. 예를 들어, 검출부(130)는 의료 영상에 포함된 모든 뼈를 파악하고, 각 뼈의 경계선 분석을 통해 서로 구분되는 복수의 뼈 영역 b를 검출할 수 있다.The detection unit 130 may detect the bone region b in the medical image. For example, the detector 130 may detect all bones included in the medical image and detect a plurality of bone regions b that are separated from each other through boundary line analysis of each bone.

동일한 사용자를 대상으로 촬영된 복수의 의료 영상 i1, i2가 입수되면, 검출부(130)는 각 의료 영상 i1, i2를 대상으로 뼈 영역 b를 검출할 수 있다.When a plurality of medical images i1 and i2 photographed for the same user are acquired, the detection unit 130 may detect the bone region b for each medical image i1 and i2.

검출부(130)는 검출된 복수의 뼈 영역 b 중에서 척추로 추정되는 하나 이상의 뼈 영역을 척추 후보군으로 선출할 수 있다. The detection unit 130 may select one or more bone regions estimated to be the spine from among the plurality of detected bone regions b as spine candidate groups.

검출부(130)는 이미지 분석 또는 기계 학습을 통해 척추 후보군 중에서 척추를 나타내는 척추 영역을 검출할 수 있다.The detection unit 130 may detect a spine region representing a spine from among the spine candidate group through image analysis or machine learning.

도 4는 검출부(130)에 의해 선출된 척추 후보군을 나타낸 개략도이다.4 is a schematic diagram showing a spine candidate group selected by the detection unit 130.

검출부(130)는 획득부(110)에 의해 획득된 복수의 의료 영상 i1, i2 각각에서 뼈 영역 b를 검출하고, 뼈 영역 b 중에서 척추로 추정되는 척추 후보군을 선출할 수 있다.The detection unit 130 may detect a bone region b from each of the plurality of medical images i1 and i2 acquired by the acquisition unit 110 and select a spine candidate group estimated to be a spine from the bone region b.

척추 후보군은 척추 영역 s1, s2를 포함할 수 있다. 척추 후보군은 레이블링(labeling)되어 기계 학습될 수 있다.The spine candidate group may include spine regions s1 and s2. The spine candidate group can be labeled and machine learned.

도 5는 검출부(130)에 의해 검출된 척추 영역을 나타낸 개략도이다.5 is a schematic diagram showing a spine region detected by the detection unit 130.

검출부(130)는 뼈 영역 b에서 척추 후보군을 선출하며, 선출된 척추 후보군 중에서 척추를 나타내는 척추 영역 s1, s2를 검출할 수 있다. 일 예로, 검출부(130)는 의료 영상 i1, i2에서 척추 영역 s1, s2에 해당하는 척추 후보군을 추출해 내거나 잘라낼 수 있다.The detection unit 130 may select a spine candidate group from the bone region b, and may detect spine regions s1 and s2 representing the spine from among the selected spine candidate groups. For example, the detection unit 130 may extract or cut out a spine candidate group corresponding to spine regions s1 and s2 from medical images i1 and i2.

복수의 의료 영상 i1, i2는 동일 사용자를 대상으로 서로 다른 각도에서 촬영된 영상을 포함할 수 있다. 동일 시점에 서로 다른 각도에서 촬영된 복수의 의료 영상 i1, i2로부터 검출된 척추 영역 s1, s2 각각을 분석하면, 다양한 척추 관련 질환의 진단이 가능하다.The plurality of medical images i1 and i2 may include images photographed from different angles for the same user. By analyzing each of the spine regions s1 and s2 detected from a plurality of medical images i1 and i2 taken from different angles at the same time point, various spine-related diseases can be diagnosed.

제1 척추 영역 s1은 사용자의 정면을 촬영한 의료 영상에서 검출된 척추 영역을 포함할 수 있다. 다시 말해, 제1 척추 영역 s1은 사용자의 척추를 정면에서 바라본 모습에 해당될 수 잇다.The first spine region s1 may include a spine region detected in a medical image photographed in front of the user. In other words, the first spine region s1 may correspond to a view of the user's spine from the front.

제2 척추 영역 s2는 사용자의 측면을 촬영한 의료 영상에서 검출된 척추 영역을 포함할 수 있다. 다시 말해, 제2 척추 영역 s2는 사용자의 척추를 측면에서 바라본 모습에 해당될 수 있다.The second spine region s2 may include a spine region detected from a medical image photographing a side of the user. In other words, the second spine region s2 may correspond to a side view of the user's spine.

일 예로, 검출부(130)는 복수의 뼈 영역 b 중에서 폐곡선 형상을 갖는 복수의 단위 뼈가 적층되어 상하로 연장되는 특정 영역을 척추 영역 s1, s2로 검출할 수 있다. 사각형 형상의 폐곡선을 갖는 단위 뼈가 상하로 적층되어 연장되는 특정 영역은 단위 뼈에 해당하는 추체가 상하로 적층된 형태의 척추를 나타낼 수 있다.For example, the detection unit 130 may detect a specific region extending upward and downward by stacking a plurality of unit bones having a closed curve shape among the plurality of bone regions b as spinal regions s1 and s2. A specific area in which unit bones having a rectangular closed curve are stacked up and down to extend may represent a spine in a form in which vertebrae corresponding to the unit bones are stacked vertically.

검출부(130)에 의해 검출된 척추 영역 s1, s2는 진단부(190)에 제공되거나 분류부(170)에 제공될 수 있다.The spine regions s1 and s2 detected by the detection unit 130 may be provided to the diagnosis unit 190 or may be provided to the classification unit 170.

도 6은 분류부(170)의 동작을 나타낸 개략도이다.6 is a schematic diagram showing the operation of the classification unit 170.

분류부(170)는 검출부(130)에 의해 추출된 척추 영역 s1, s2를 대상으로 척추를 경추 a1, 흉추 a2, 요추 a3, 천추 a4 등으로 세분화할 수 있다.The classification unit 170 may subdivide the vertebrae into cervical vertebrae a1, thoracic vertebrae a2, lumbar vertebrae a3, sacral vertebrae a4, etc. for the vertebral regions s1 and s2 extracted by the detection unit 130.

분류부(170)는 척추 영역 s1, s2를 대상으로 레이블링(labeling)하여 척추를 분할할 수 있다. 척추의 세분화를 위한 기계 학습 과정에서 보조부(150)에 의해 획득된 각종 정보가 이용될 수 있다.The classification unit 170 may divide the spine by labeling the spine regions s1 and s2. Various information acquired by the assistant 150 may be used in a machine learning process for subdividing the spine.

도 7은 보조부(150)의 동작을 나타낸 개략도이다.7 is a schematic diagram showing the operation of the auxiliary unit 150.

보조부(150)는 의료 영상에서 뼈 영역이 아닌 제1 영역, 척추가 아닌 뼈를 나타내는 제2 영역 중 적어도 하나를 검출할 수 있다. The auxiliary unit 150 may detect at least one of a first region other than a bone region and a second region representing a bone other than the spine in the medical image.

검출부(130)는 제1 영역과 제2 영역 중 적어도 하나를 기준으로, 척추를 나타내는 척추 영역 s1, s2를 검출하거나, 검출된 척추 영역 s1, s2를 세분화할 수 있다.The detection unit 130 may detect spine regions s1 and s2 representing the spine, or subdivide the detected spine regions s1 and s2 based on at least one of the first region and the second region.

일 예로, 보조부(150)는 의료 영상에서 어깨 h와 엉덩이 살 r을 추출할 수 있다.For example, the auxiliary unit 150 may extract the shoulder h and the hip meat r from the medical image.

X-ray 영상의 경우, 어깨 h는 어깨 뼈 상단이거나, 어깨 뼈를 위에서 덮고 있는 어깨 살의 상단을 포함할 수 있다. 엉덩이 살 r은 엉덩이 뼈를 덮고 있는 살 부분의 외곽선을 포함할 수 있다.In the case of an X-ray image, the shoulder h may include the upper part of the shoulder blade or the upper part of the shoulder covering the shoulder blade. The hip flesh r may include an outline of the portion of the flesh covering the hip bone.

검출부(130)는 복수의 뼈 영역 b 중에서 어깨 h의 높이로부터 엉덩이 살 r의 상단 r1 높이까지 연장되는 특정 영역을 척추 영역 s1, s2로 검출할 수 있다.The detection unit 130 may detect a specific region extending from the height of the shoulder h to the height of the upper end r1 of the hip meat r among the plurality of bone regions b as spinal regions s1 and s2.

검출부(130)는 보조부(150)의 도움을 받아 어깨 h부터 엉덩이 살 상단 r1까지 연장되는 특정 뼈 영역이 검출되면, 특정 뼈 영역에 연속되게 어깨 위로 연장되는 영역까지 추가해서 척추 영역 s1, s2로 검출할 수 있다. 어깨 위로 연속되게 연장되는 뼈 영역은 척추 중에서 경추의 일부에 해당될 수 있다.When the detection unit 130 detects a specific bone region extending from the shoulder h to the upper portion of the hip r1 with the help of the auxiliary unit 150, the detection unit 130 adds a region extending over the shoulder to the specific bone region and converts the spine regions s1 and s2. Can be detected. The bone region continuously extending over the shoulder may correspond to a part of the cervical spine among the vertebrae.

검출부(130)는 보조부(150)의 도움을 받아 검출된 특정 뼈 영역에 연속되게 엉덩이 살 상단 아래로 연장되는 영역까지 추가해서 척추 영역 s1, s2로 검출할 수 있다. 엉덩이 살 아래로 연속되게 연장되는 뼈 영역은 척추 중에서 요추의 일부 또는 천추의 일부에 해당될 수 있다.The detection unit 130 may detect the vertebral regions s1 and s2 by adding a region continuously extending below the top of the hip meat to the detected specific bone region with the help of the auxiliary unit 150. The bone region continuously extending below the hip flesh may correspond to a part of the lumbar vertebrae or a part of the sacral vertebrae among the vertebrae.

일 예로, 보조부(150)는 의료 영상에서 어깨 h와 골반을 추출할 수 있다.For example, the auxiliary unit 150 may extract the shoulder h and the pelvis from the medical image.

골반(pelvis)은 좌우의 요대를 이루는 엉덩뼈(장골, ilium), 궁둥뼈(좌골, ischium), 두덩뼈(치골, pubis)와, 그것과 결합하는 척추 부분이 합쳐진 허리부분을 이루고 있는 깔때기 모양의 골격이다. 골반은 내장 기관을 보호하고, 다리의 관절부이다.The pelvis is a funnel-shaped part of the waist where the hip bones (iliac bones, ischium), the hip bones (ischium), the pubis (pubis), and the vertebrae that join them together form the waist. It is a skeleton. The pelvis protects the internal organs and is the joint of the leg.

골반의 가운데에는 두덩뼈, 엉덩뼈에 둘러싸인 구멍 y가 존재한다.In the middle of the pelvis, there is a cranial bone and a hole y surrounded by the hip bone.

검출부(130)는 복수의 뼈 영역 b 중에서 골반의 가운데에 형성된 구멍 y의 상단 y1으로부터 어깨 h의 높이까지 연장되는 특정 영역을 척추 영역 s1, s2로 검출할 수 있다.The detection unit 130 may detect a specific region extending from the upper end y1 of the hole y formed in the center of the pelvis to the height of the shoulder h among the plurality of bone regions b as spinal regions s1 and s2.

검출부(130)는 보조부(150)의 도움을 받아 검출된 특정 뼈 영역에 연속되게 구멍 y의 상단 y1 아래로 연장되는 영역까지 추가해서 척추 영역 s1, s2로 검출할 수 있다. 구멍 y의 상단 y1 아래로 연속되게 연장되는 뼈 영역은 척추 중에서 천추의 일부 또는 미추의 일부에 해당될 수 있다.The detection unit 130 may detect the vertebral regions s1 and s2 by adding a region extending below the upper end y1 of the hole y continuously to the detected specific bone region with the help of the auxiliary unit 150. The bone region continuously extending below the upper end y1 of the hole y may correspond to a part of the sacrum or a part of the tail.

도 8은 의료 영상을 분석하기 위해 도입된 경계선, 하이라이트를 나타낸 개략도이다.8 is a schematic diagram showing borders and highlights introduced to analyze medical images.

검출부(130)는 의료 영상 i1, i2에서 제1 뼈 v1, 제1 뼈 v1의 상측에 배치되거나 하측에 배치되는 제2 뼈 v2를 구분할 수 있다. 제1 뼈 v1 및 제2 뼈 v2는 서로 다른 뼈 영역을 나타낼 수 있다. 또는, 제1 뼈 v1 및 제2 뼈 v2는 하나의 뼈 영역에 포함된 뼈 단위를 나타낼 수 있다.The detector 130 may distinguish between the first bone v1 and the second bone v2 disposed above or below the first bone v1 in the medical images i1 and i2. The first bone v1 and the second bone v2 may represent different bone regions. Alternatively, the first bone v1 and the second bone v2 may represent a bone unit included in one bone region.

정리하면, 제1 뼈 v1 및 제2 뼈 v1는 단위 뼈 영역의 집합을 나타내거나, 단위 뼈 영역 자체를 나타낼 수 있다.In summary, the first bone v1 and the second bone v1 may represent a set of unit bone regions or may represent the unit bone region itself.

척추의 추출을 위해 검출부(130)는 척추 전체를 하나의 뼈 영역 b로 취급하는 것이 좋다. 하지만, 척추는 상하로 적층된 복수의 추체를 포함할 수 있다. 이 경우, 검출부(130)가 의도와 다르게 각 추체를 단일의 뼈 영역 b로 검출하는 상황이 발생될 수도 있다.For extraction of the spine, the detection unit 130 preferably treats the entire spine as one bone area b. However, the spine may include a plurality of vertebrae stacked up and down. In this case, a situation in which the detection unit 130 detects each vertebral body as a single bone region b differently from the intention may occur.

복수의 추체가 각기 서로 다른 뼈 영역으로 추출되더라도, 검출부(130)는 후처리를 통해 복수의 추체를 단일의 뼈 영역으로 검출할 수 있다. 또한, 검출부(130)는 복수의 추체가 상하로 배열된 특성을 갖는 뼈 영역 자체를 척추 영역으로 검출할 수 있다.Even if a plurality of vertebrae are extracted into different bone regions, the detection unit 130 may detect the plurality of vertebrae as a single bone region through post-processing. Also, the detection unit 130 may detect a bone region itself having a characteristic in which a plurality of vertebrae are arranged vertically as a spine region.

개개의 추체가 모인 집합을 하나의 뼈 영역으로 검출하기 위해, 검출부(130)는 경계선 개념을 사용할 수 있다.In order to detect a set of individual vertebrae as one bone region, the detection unit 130 may use a boundary line concept.

검출부(130) 이외의 진단부(190) 등에서도 경계선 개념을 이용할 수 있지만, 이용 목적에서 서로 다를 수 있다. 진단부(190)는 경계선 개념 또는 하이라이트 개념을 이용해서 각종 근골격계 질환을 진단할 수 있다.The boundary line concept may also be used in the diagnosis unit 190 other than the detection unit 130, but may be different for purposes of use. The diagnosis unit 190 may diagnose various musculoskeletal disorders using a boundary line concept or a highlight concept.

검출부(130)는 제2 뼈 v2에 대면되는 제1 뼈 1의 일면을 따라 제1 경계선 b1을 생성하며, 제1 뼈 v1에 대면되는 제2 뼈 v2의 일면을 따라 제2 경계선 b2를 생성할 수 있다.The detection unit 130 generates a first boundary line b1 along one surface of the first bone 1 facing the second bone v2, and generates a second boundary line b2 along the surface of the second bone v2 facing the first bone v1. I can.

검출부(130)는 제1 뼈 v1의 중심점 o를 생성하고, 중심점 o를 사이에 두고 서로 대면되는 2개의 제1 경계선 b1을 생성할 수 있다. 제1 뼈 v1의 중심점 o는 폐곡선 형상의 제1 뼈 v1의 내부 정중앙에 형성될 수 있다.The detection unit 130 may generate a center point o of the first bone v1, and generate two first boundary lines b1 facing each other with the center point o interposed therebetween. The center point o of the first bone v1 may be formed at the inner center of the first bone v1 having a closed curve shape.

중심점 o를 기준으로 상측의 제1 경계선 b1은 상측에 배치된 제2 뼈 v2에 대면할 수 있다.The first boundary line b1 on the upper side of the center point o may face the second bone v2 disposed on the upper side.

중심점 o를 기준으로 하측의 제1 경계선 b1은 하측에 배치된 제2 뼈 v2에 대면할 수 있다.Based on the center point o, the lower first boundary line b1 may face the second bone v2 disposed at the lower side.

검출부(130)는 상측의 제1 경계선 b1과 상측에 배치된 제2 뼈 v2의 제2 경계선 b2 간의 제1 기하학적 특성을 분석할 수 있다. 그리고, 검출부(130)는 하측의 제1 경계선 b1과 하측에 배치된 제2 뼈 v2의 제2 경계선 b2 간의 제2 기하학적 특성을 분석할 수 있다.The detector 130 may analyze a first geometric characteristic between the first boundary line b1 on the upper side and the second boundary line b2 of the second bone v2 disposed on the upper side. In addition, the detection unit 130 may analyze a second geometric characteristic between the first boundary line b1 on the lower side and the second boundary line b2 of the second bone v2 disposed at the lower side.

검출부(130)는 제1 기하학적 특성 및 제2 기하학적 특성을 이용하여 의료 영상에서 척추를 나타내는 척추 영역을 추출할 수 있다.The detector 130 may extract a spine region representing the spine from the medical image using the first geometric feature and the second geometric feature.

일 예로, 제1 기하학적 특성 또는 제2 기하학적 특성은 제1 경계선의 길이, 제2 경계선의 길이, 제1 경계선과 제2 경계선 간의 거리, 제1 경계선과 제2 경계선 간의 각도, 동일 제1 뼈의 상측 제1 경계선과 하측 제1 경계선 간의 길이차 또는 각도차 등을 포함할 수 있다.For example, the first geometric characteristic or the second geometric characteristic is the length of the first boundary line, the length of the second boundary line, the distance between the first boundary line and the second boundary line, the angle between the first boundary line and the second boundary line, and the same first bone. It may include a length difference or an angle difference between the upper first boundary line and the lower first boundary line.

제1 기하학적 특성과 제2 기하학적 특성을 이용하면, 각종 뼈 영역에서 추체를 추출할 수 있으며, 복수의 추체가 적층된 척추 후보군을 선출하거나, 척추 영역을 손쉽게 검출할 수 있다.By using the first geometric characteristic and the second geometric characteristic, a vertebrae can be extracted from various bone regions, a spine candidate group in which a plurality of vertebrae are stacked can be selected, or a vertebral region can be easily detected.

검출부(130)는 경추, 흉추, 요추, 천추, 미추 중 적어도 하나의 형태학적 특징 학습을 통해 척추의 형태학적 특징을 갖는 척추 영역을 의료 영상에서 검출할 수 있다. 형태학적 특징이 의료 영상에 포함된 각종 뼈 영역 중에서 척추 영역이 다른 뼈 영역과 대비하여 다른 형상 부분을 의미하며, 해당 형태학적 특징에 대한 기계 학습을 통해 의료 영상에서 척추 영역을 검출하는 모델이 생성될 수 있다. 검출부(130)는 해당 모델을 사용하거나, 이미지 분석 기법을 이용해 척추 영역을 검출할 수 있다.The detection unit 130 may detect a spine region having a morphological feature of a spine in a medical image through learning of at least one of the cervical spine, thoracic spine, lumbar spine, sacrum, and tail spine. Among various bone regions whose morphological features are included in medical images, the spine region refers to a different shape part compared to other bone regions, and a model that detects the spine region in the medical image is created through machine learning of the morphological feature. Can be. The detection unit 130 may detect the spine region using a corresponding model or an image analysis technique.

도 9는 분류부(170)의 동작을 나타낸 개략도이다.9 is a schematic diagram showing an operation of the classification unit 170.

분류부(170)는 척추의 형태학적 특징 또는 위치적 특징을 이용해서 척추를 세분화할 수 있다. 분류부(170)는 검출부(130)에 의해 검출된 척추 영역 s1, s2에 대한 위치적 특징 학습을 통해 척추 영역 s1, s2에서 경추 a1, 흉추 a2, 요추 a3, 천추 a4, 미추 a5 중 적어도 하나의 범위를 지정할 수 있다. 위치적 특징은 척추를 형성하는 추체가 신체의 어디쯤에 위치하는가에 대한 지리학적인 개념을 포함할 수 있다.The classification unit 170 may subdivide the spine using morphological features or positional features of the spine. The classification unit 170 is at least one of cervical a1, thoracic a2, lumbar a3, sacral a4, and tail a5 in the vertebral regions s1 and s2 through the learning of positional features of the vertebral regions s1 and s2 detected by the detection unit 130 You can specify the range of. Positional features may include a geographic concept of where the vertebrae forming the spine are located on the body.

진단부(190)는 척추의 형태학적 특징 및 위치학적 특징에서 추출한 정보를 통합하고, 통합된 정보를 이용해서 정상 척추와 비정상 척추를 분류하거나, 척추의 휘어진 상태를 진단하거나 판별할 수 있다.The diagnosis unit 190 may integrate information extracted from morphological features and positional features of the spine, and classify normal and abnormal spines, or diagnose or discriminate a curved state of the spine using the integrated information.

진단부(190)는 분류부(170)에 의해 분류된 각 세부 영역 a1, a2, a3, a4, a5에 대한 병변 진단 결과를 통합할 수 있다. 진단부(190)는 각 세부 영역별로 분석된 병변 진단 결과를 통합하고, 통합된 정보를 이용해서 척추의 비정상도를 산출하며 척추의 통합 질환을 예측할 수 있다.The diagnosis unit 190 may integrate lesion diagnosis results for each sub-region a1, a2, a3, a4, and a5 classified by the classification unit 170. The diagnosis unit 190 may integrate lesion diagnosis results analyzed for each detailed area, calculate an abnormality of the spine using the integrated information, and predict an integrated disease of the spine.

출력부(180)는 비정상도와 통합 질환의 예측 정보 중 적어도 하나가 포함된 리포트 정보를 시각적 또는 청각적으로 표시할 수 있다.The output unit 180 may visually or audibly display report information including at least one of abnormality and integrated disease prediction information.

분류부(170)는 척추를 나타내는 척추 영역 s1, s2에 포함된 복수의 추체 c를 추출할 수 있다.The classification unit 170 may extract a plurality of vertebrae c included in vertebral regions s1 and s2 representing the spine.

분류부(170)는 최상단의 추체를 기준으로 하측으로 순서대로 적층된 추체 c의 개수를 카운팅하거나, 최하단의 추체를 기준으로 상측으로 순서대로 적층된 추체 c의 개수를 카운팅할 수 있다. 분류부(170)는 카운팅 값에 따라 척추 영역 s1, s2를 경추 영역 a1, 흉추 영역 a2 및 요추 영역 a3로 구분할 수 있다.The classification unit 170 may count the number of vertebrae c sequentially stacked downward based on the uppermost vertebral body, or count the number of vertebral bodies c sequentially stacked upward based on the lowest vertebral body. The classification unit 170 may divide the spinal regions s1 and s2 into cervical vertebrae region a1, thoracic vertebrae region a2, and lumbar vertebrae region a3 according to the counting values.

분류부(170)는 보조부(150)에 의해 추출된 어깨 h의 높이 주변에 배치된 추체 c에 대해 횡방향 돌기 s가 존재하는지 여부를 파악할 수 있다. 각 추체 c는 모두 횡방향 돌기 w를 가지고 있으나, 형태학적으로 횡방향 돌기 w의 횡방향 돌출 길이는 서로 다를 수 있다. 복수의 추체 c가 연속되게 배열될 때, 분류부(170)는 서로 인접한 2개의 추체 간의 횡방향 돌기의 돌출 길이 차이 d1, d2가 설정값 이상인 경우, 어느 하나의 횡방향 돌기는 없는 것으로 처리하고, 나머지 하나의 횡방향 돌기는 존재하는 것으로 처리할 수 있다.The classification unit 170 may determine whether the lateral projection s exists for the vertebral body c disposed around the height of the shoulder h extracted by the auxiliary unit 150. Each of the vertebrae c has a transverse protrusion w, but morphologically, the transverse protrusion length of the transverse protrusion w may be different. When a plurality of vertebrae c are arranged in succession, the classification unit 170 treats that there is no lateral projection if the protrusion length difference d1, d2 of the lateral projections between two adjacent vertebrae is greater than or equal to the set value. , The other transverse projection can be treated as being present.

분류부(170)는 횡방향 돌기 w가 없는 제1 추체 c1의 바로 아래에 횡방향 돌기 w가 존재하는 제2 추체 c2가 존재하면, 제2 추체 c2를 포함해서 상측의 추체 c를 경추 영역 a1으로 구분하거나, 제2 추체 c2의 바로 아래의 추체를 포함해서 하측의 추체 c를 흉추 영역 a2로 구분할 수 있다. 본 실시예는 경추가 횡방향 돌기가 거의 없는 추체가 연속되게 배열되다 바로 아랫단에서 급격하게 돌출된 횡방향 돌기를 갖는 제2 추체 c2까지 경추에 포함되는 사실에 기초할 수 있다.If there is a second vertebral body c2 having a lateral projection w immediately under the first vertebral body c1 without the lateral projection w, the classification unit 170 includes the second vertebral body c2 and the upper vertebral body c into the cervical vertebrae region a1 Alternatively, the lower vertebrae c including the vertebrae immediately below the second vertebrae c2 may be classified as a thoracic region a2. This embodiment may be based on the fact that the cervical vertebrae are included in the cervical vertebrae up to the second vertebral body c2 having the lateral protrusions abruptly protruding from the immediately lower end of the cervical vertebrae having almost no transverse protrusions.

분류부(170)는 보조부(150)에 의해 추출된 엉덩이 살 r의 상단 r1의 높이 주변에 배치된 추체의 횡방향 돌기 w의 존재 여부를 파악할 수 있다. 분류부(170)는 횡방향 돌기 w가 없는 제3 추체 c3의 바로 아래에 횡방향 돌기 w가 존재하는 제4 추체 c4가 존재하면, 제3 추체 c3를 포함해서 상측의 추체 c를 흉추 영역 a2로 구분하거나, 제4 추체 c4를 포함해서 하측의 추체 c를 요추 영역 a3로 구분할 수 있다. 본 실시예는 흉추 부분에서 횡방향 돌기가 거의 없는 추체가 연속되게 배열되다 바로 아랫단에서 급격하게 돌출된 횡방향 돌기를 갖는 제4 추체 c4가 등장하면, 제4 추체 c4 바로 윗단의 제3 추체 c3까지만 흉추에 포함되는 사실에 기초할 수 잇다.The classification unit 170 may determine whether there is a lateral protrusion w of the vertebrae disposed around the height of the upper end r1 of the hip meat r extracted by the auxiliary unit 150. If there is a fourth vertebral body c4 having a lateral projection w immediately below the third vertebral body c3 without the lateral projection w, the classification unit 170 includes the third vertebral body c3 and the upper vertebral body c into the thoracic region a2 Alternatively, the lower vertebral body c including the fourth vertebral body c4 may be divided into a lumbar region a3. In this embodiment, when a fourth vertebral body c4 having a lateral projection sharply protruding from the lower end of the thoracic vertebrae is continuously arranged at the thoracic vertebrae portion, the third vertebral body c3 immediately above the fourth vertebral body c4 It can only be based on the fact that it is included in the thoracic spine.

의료 영상의 척추 영역에서 복수의 추체를 추출하는 분류부(170)는 척추 영역 s1, s2의 하단부에 존재하는 추체 c 중 천골익을 갖는 특정 추체(제5 추체 c5)를 탐색할 수 있다.The classification unit 170 for extracting a plurality of vertebrae from the spine region of the medical image may search for a specific vertebrae (the fifth vertebrae c5) having a sacral blade among vertebrae c existing at the lower ends of the vertebral regions s1 and s2.

분류부(170)는 제5 추체 c5의 바로 위에 존재하는 추체를 포함해서 상측의 추체를 요추 영역 a3로 구분하거나, 제5 추체 c5의 영역을 천추 영역 a4로 구분할 수 있다.The classification unit 170 may divide the upper vertebrae into the lumbar region a3, including the vertebrae that are immediately above the fifth vertebrae c5, or divide the region of the fifth vertebrae c5 into the sacral region a4.

진단부(190)는 검출부(130)에 의해 검출된 복수의 뼈 영역 b 각각에서 특징점을 검출할 수 있다.The diagnosis unit 190 may detect a feature point in each of the plurality of bone regions b detected by the detection unit 130.

진단부(190)는 각 뼈 영역의 특징점을 취합해서 통합할 수 있다.The diagnosis unit 190 may collect and integrate the feature points of each bone region.

진단부(190)는 통합된 특징점을 이용해서 비정상도를 산출할 수 있다. 진단부(190)는 비정상도를 이용해 뼈 영역의 통합 질환을 예측할 수 있다. 진단부(190)에 의해 예측된 통합 질환의 예측 정보는 리포트 정보로서 디스플레이 등의 출력부(180)를 통해 표시될 수 있다.The diagnosis unit 190 may calculate an abnormality by using the integrated feature points. The diagnosis unit 190 may predict an integrated disease in the bone region using the abnormality. The prediction information of the integrated disease predicted by the diagnosis unit 190 may be displayed as report information through the output unit 180 such as a display.

진단부(190)는 특징점을 이용해서 의료 영상의 촬영 자세에 따라 신체의 굴곡 정보를 파악할 수 있다. 진단부(190)는 굴곡 정보를 이용해 압박 골절, 척추 측만증, 척추 전만증 등의 근골격계 질환을 진단할 수 있다.The diagnosis unit 190 may grasp body flexion information according to the photographing posture of the medical image by using the feature points. The diagnosis unit 190 may diagnose musculoskeletal disorders such as compression fracture, scoliosis, and lordosis using the flexion information.

진단부(190)는 앞에서 살펴본 경계선 개념을 이용해서 각종 질환을 예측하거나 추정할 수 있다.The diagnosis unit 190 may predict or estimate various diseases using the boundary line concept discussed above.

일 예로, 진단부(190)는 의료 영상 i1, i2에서 서로 대면하는 제1 뼈 v1 및 제2 뼈 v2를 구분할 수 있다. 진단부(190)는 의료 영상에서 제1 뼈 v1, 제1 뼈의 상측에 배치되거나 하측에 배치되는 제2 뼈 v2를 구분할 수 있다.For example, the diagnosis unit 190 may distinguish between a first bone v1 and a second bone v2 facing each other in the medical images i1 and i2. The diagnosis unit 190 may distinguish between the first bone v1 and the second bone v2 disposed above or below the first bone in the medical image.

진단부(190)는 제2 뼈 v2에 대면되는 제1 뼈 v1의 일면을 따라 제1 경계선 b1을 생성하며, 제1 뼈 v1에 대면되는 제2 뼈 v2의 일면을 따라 제2 경계선 b2를 생성할 수 있다.The diagnostic unit 190 generates a first boundary line b1 along one surface of the first bone v1 facing the second bone v2, and generates a second boundary line b2 along one surface of the second bone v2 facing the first bone v1. can do.

진단부(190)는 제1 뼈 v1의 중심점 o를 생성하고, 중심점 o를 사이에 두고 서로 대면되는 2개의 제1 경계선 b1을 생성할 수 있다.The diagnostic unit 190 may generate a center point o of the first bone v1 and generate two first boundary lines b1 facing each other with the center point o interposed therebetween.

중심점 o를 기준으로 상측의 제1 경계선은 상측에 배치된 제2 뼈에 대면할 수 있다.The first boundary line on the upper side based on the center point o may face the second bone disposed on the upper side.

중심점 o를 기준으로 하측의 제1 경계선은 하측에 배치된 제2 뼈에 대면할 수 있다.Based on the center point o, the lower first boundary line may face the second bone disposed at the lower side.

진단부(190)는 제1 뼈 v1의 중심을 파악하고, 제1 뼈 v1의 중심에 의료 영상 원본과 구별 가능한 제1 중심점을 생성할 수 있다.The diagnosis unit 190 may determine the center of the first bone v1 and generate a first center point distinguishable from the original medical image at the center of the first bone v1.

진단부(190)는 제2 뼈 v2의 중심을 파악하고, 제2 뼈 v2의 중심에 의료 영상 원본과 구별 가능한 제2 중심점을 생성할 수 있다.The diagnosis unit 190 may determine the center of the second bone v2 and generate a second center point distinguishable from the original medical image at the center of the second bone v2.

진단부(190)는 상측의 제1 경계선과 상측에 배치된 제2 뼈의 제2 경계선 간의 제1 기하학적 특성을 분석할 수 있다. 진단부(190)는 하측의 제1 경계선과 하측에 배치된 제2 뼈의 제2 경계선 간의 제2 기하학적 특성을 분석할 수 있다. 본 실시예에 따르면, 진단부(190)는 제1 뼈를 사이에 두고 2개의 제2 뼈가 대면되게 배치될 때, 제1 뼈와 각 제2 뼈에 대한 기하학적 특성을 분석할 수 있다.The diagnostic unit 190 may analyze a first geometric characteristic between the first boundary line on the upper side and the second boundary line of the second bone disposed on the upper side. The diagnosis unit 190 may analyze a second geometric characteristic between the lower first boundary line and the second boundary line of the second bone disposed at the lower side. According to the present embodiment, when two second bones are disposed to face each other with the first bone therebetween, the diagnosis unit 190 may analyze geometric characteristics of the first bone and each second bone.

진단부(190)는 제1 기하학적 특성 및 제2 기하학적 특성을 이용하여 근골격계 질환을 진단할 수 있다.The diagnosis unit 190 may diagnose a musculoskeletal disorder by using the first geometric characteristic and the second geometric characteristic.

상기 진단부(190)는 상기 제1 경계선, 상기 제2 경계선, 상기 제1 중심점 및 상기 제2 중심점을 이용해서 상기 제1 뼈와 상기 제2 뼈와 관련된 병변을 검출하거나 분류할 수 있다.The diagnosis unit 190 may detect or classify lesions related to the first bone and the second bone using the first boundary line, the second boundary line, the first center point, and the second center point.

진단부(190)는 제1 뼈의 일부분과 상기 제2 뼈의 일부분을 포함하는 폐곡선 형상의 하이라이트 패치 p를 생성할 수 있다.The diagnosis unit 190 may generate a closed curve-shaped highlight patch p including a portion of the first bone and a portion of the second bone.

하이라이트 패치 p의 제1 변 t1 내측에는 제1 경계선 b1이 포함될 수 있다. 제1 변 t1은 제1 경계선 b1을 따라 연장될 수 있다.The first boundary line b1 may be included inside the first side t1 of the highlight patch p. The first side t1 may extend along the first boundary line b1.

하이라이트 패치 p의 제2 변 t2 내측에는 제2 경계선 b2가 포함될 수 있다. 제2 변 t2는 제2 경계선 b2를 따라 연장될 수 있다.A second boundary line b2 may be included inside the second side t2 of the highlight patch p. The second side t2 may extend along the second boundary line b2.

하이라이트 패치는 일측 내부에 제1 뼈 v1의 제1 경계선 b1이 포함되고, 타측 내부에 제2 뼈 v2의 제2 경계선 b2가 포함되는 폐곡선을 포함할 수 있다.The highlight patch may include a closed curve including a first boundary line b1 of the first bone v1 inside one side and a second boundary line b2 of the second bone v2 inside the other side.

진단부(190)는 하이라이트 패치의 제1 변 t1 및 제2 변 t2 간의 기하학적 특성을 이용해 병변을 검출하거나 분류할 수 있다.The diagnostic unit 190 may detect or classify the lesion using geometric characteristics between the first side t1 and the second side t2 of the highlight patch.

일 예로, 하이라이트 패치의 형상 및 크기 등의 기하학적 특성이 결정되면, 제1 변 t1의 길이, 제2 변 t2의 길이, 제1 변 t1을 기준으로 한 제2 변 t2의 위치, 제1 변 t1에 대한 제2 변의 기울기, 제1 변 t1과 제2 변 t2 간의 거리 d 등과 같은 각종 물리적 특성이 파악될 수 있다. 파악된 물리적 특성을 이용하면 압박 골절 등의 병변으로 의심되는 특이점 등의 파악이 가능하다.For example, when geometric characteristics such as the shape and size of the highlight patch are determined, the length of the first side t1, the length of the second side t2, the position of the second side t2 with respect to the first side t1, and the first side t1 Various physical characteristics, such as the slope of the second side of and the distance d between the first side t1 and the second side t2, may be recognized. Using the identified physical characteristics, it is possible to identify singularities suspected of lesions such as compression fractures.

하이라이트 패치 p로 인해 서로 대면되는 제1 뼈와 제2 뼈 간의 경계가 기하학적으로 명확하고 정밀하게 정의될 수 있다. 명확하고 정밀하게 기하학적 특성이 정의되면, 기하학적 특성이 나타내는 각종 길이, 거리, 각도 등의 수치를 실제로 진단에 사용할 수 있는 소스로 이용할 수 있다. 결국, 하이라이트 패치 p에 따르면 병변 진단에 활용 가능한 입력 소스가 대폭 증가될 수 있다. 이를 이용하면, 다양한 물리적 특성을 입력 소스로 하는 다양한 종류의 진단 모델의 적용이 가능할 수 있다.Due to the highlight patch p, the boundary between the first bone and the second bone facing each other may be clearly and precisely defined geometrically. When a geometric characteristic is clearly and precisely defined, various values such as length, distance, and angle indicated by the geometric characteristic can be used as a source that can be used for actual diagnosis. Consequently, according to the highlight patch p, the number of input sources usable for lesion diagnosis can be significantly increased. Using this, it is possible to apply various types of diagnostic models using various physical characteristics as input sources.

도 10은 본 발명의 분석 방법을 나타낸 흐름도이다.10 is a flowchart showing the analysis method of the present invention.

도 10에 도시된 분석 방법은 도 1의 분석 장치에 의해 수행될 수 있다.The analysis method shown in FIG. 10 may be performed by the analysis device of FIG. 1.

본 발명의 분석 방법은 획득 단계(S 510), 검출 단계(S 520), 분류 단계(S 530), 진단 단계(S 540), 출력 단계(S 550)를 포함할 수 있다.The analysis method of the present invention may include an acquisition step (S510), a detection step (S520), a classification step (S530), a diagnosis step (S540), and an output step (S550).

획득 단계(S 510)는 CT(computed tomography), MRI(magnetic resonance imaging), X-Ray, PET(positron emission tomography) 등의 의료 영상을 획득할 수 있다. 획득 단계(S 510)는 획득부(110)에 의해 수행될 수 있다.In the acquisition step S510, a medical image such as computed tomography (CT), magnetic resonance imaging (MRI), X-ray, and positron emission tomography (PET) may be acquired. The acquisition step (S510) may be performed by the acquisition unit 110.

검출 단계(S 520)는 검출부(130)에 의해 수행될 수 있다. 검출 단계(S 520)는 이미지 분석 또는 기계 학습을 이용해 상기 의료 영상에서 척추를 검출할 수 있다. 검출 단계(S 520)에서 이루어지는 척추의 검출은 신체가 아니라 의료 영상을 대상으로 수행될 수 있다. 따라서, 검출 단계(S 520)에서 이루어지는 척추의 검출은 실질적으로 의료 영상에서 척추를 나타내는 척추 영역을 검출을 의미할 수 있다. 검출 단계(S 520)에서 검출부(130)는 의료 영상에 포함된 뼈 영역도 검출할 수 있다.The detection step (S520) may be performed by the detection unit 130. In the detection step (S520), the spine may be detected from the medical image using image analysis or machine learning. The detection of the spine performed in the detection step (S520) may be performed not for a body but for a medical image. Accordingly, detection of the spine performed in the detection step S520 may substantially mean detecting a spine region representing the spine in a medical image. In the detection step (S520), the detection unit 130 may also detect a bone region included in the medical image.

분류 단계(S 530)는 이미지 분석 또는 기계 학습을 이용해 의료 영상에 포함된 척추에서 경추, 흉추, 요추, 천추, 미추 중 적어도 하나를 구분할 수 있다. 분류 단계(S 530)는 분류부(170)에 의해 수행될 수 있다.In the classification step (S530), at least one of the cervical, thoracic, lumbar, sacral and caudal vertebrae may be classified from the spine included in the medical image using image analysis or machine learning. The classification step (S530) may be performed by the classification unit 170.

진단 단계(S 540)는 이미지 분석 또는 기계 학습을 이용해 의료 영상에서 근골격계 질환을 진단할 수 있다. 진단 단계(S 540)는 진단부(190)에 의해 수행될 수 있다.In the diagnosis step (S540), a musculoskeletal disorder may be diagnosed from a medical image using image analysis or machine learning. The diagnosis step S540 may be performed by the diagnosis unit 190.

출력 단계(S 550)는 근골격계 질환의 진단 결과가 포함된 리포트 정보를 생성하고, 표시할 수 있다. 출력 단계(S 550)는 디스플레이와 같은 시각 출력 수단 또는 스피커와 같은 음성 출력 수단을 갖는 출력부(180)에 의해 수행될 수 있다.In the output step S 550, report information including a diagnosis result of a musculoskeletal disorder may be generated and displayed. The outputting step S 550 may be performed by the output unit 180 having a visual output means such as a display or an audio output means such as a speaker.

도 11은 본 발명의 검출 방법을 나타낸 흐름도이다.11 is a flowchart showing the detection method of the present invention.

도 11에 도시된 검출 방법은 도 10의 검출 단계(S 520)를 포함할 수 있다. 도 11에 도시된 검출 방법은 의료 영상에서 척추를 검출하는 검출 장치에 의해 수행될 수 있다.The detection method shown in FIG. 11 may include the detection step (S520) of FIG. 10. The detection method illustrated in FIG. 11 may be performed by a detection device that detects a spine in a medical image.

검출 방법은 의료 영상을 획득하는 획득 단계(S 510), 의료 영상에서 뼈를 나타내는 뼈 영역, 뼈 영역이 아닌 제1 영역, 척추가 아닌 뼈를 나타내는 제2 영역 중 적어도 하나를 구분하는 구분 단계를 포함할 수 있다. 검출 방법은 뼈 영역, 제1 영역, 제2 영역 중 적어도 하나를 이용하여 의료 영상에서 척추를 나타내는 척추 영역을 검출하는 척추 검출 단계(S 524)를 포함할 수 있다.The detection method includes an acquisition step of obtaining a medical image (S510), a classification step of discriminating at least one of a bone region representing a bone in a medical image, a first region other than a bone region, and a second region representing a bone other than the spine. Can include. The detection method may include a spine detection step (S524) of detecting a spine region representing a spine in a medical image using at least one of a bone region, a first region, and a second region.

구분 단계에서, 검출부(130)는 먼저 뼈 영역을 검출하고, 제1 영역과 제2 영역을 추출할 수 있다(S 521).In the classification step, the detection unit 130 may first detect the bone region and extract the first region and the second region (S521).

검출부(130)는 경추, 흉추, 요추, 천추, 미추 중 적어도 하나의 형태학적 특징 학습을 통해 척추의 형태학적 특징을 추출할 수 있다(S 522).The detection unit 130 may extract morphological features of the spine through learning of at least one of the cervical spine, thoracic spine, lumbar spine, sacral spine, and tail spine (S522).

검출부(130)는 제1 영역과 제2 영역의 분석을 통해 어깨, 엉덩이 살 등과 같은 위치적 기준을 추출할 수 있다(S 523).The detection unit 130 may extract a positional reference, such as a shoulder or a hip, through analysis of the first region and the second region (S523).

검출부(130)는 척추의 형태학적 특징을 이용해서 척추를 검출하거나, 위치적 기준을 이용해서 척추를 검출할 수 있다(S 524).The detection unit 130 may detect the spine using morphological features of the spine or detect the spine using a positional reference (S524).

도 12는 본 발명의 분류 방법을 나타낸 흐름도이다.12 is a flowchart showing a classification method of the present invention.

도 12에 도시된 분류 방법은 도 10의 분류 단계(S 530)를 포함할 수 있다. 도 12에 도시된 분류 방법은 의료 영상에 포함된 척추에서 경추, 흉추, 요추, 천추, 미추 중 적어도 하나를 구분하는 분류 장치에 의해 수행될 수 있다.The classification method shown in FIG. 12 may include the classification step (S530) of FIG. 10. The classification method illustrated in FIG. 12 may be performed by a classification device that classifies at least one of a cervical spine, a thoracic spine, a lumbar spine, a sacrum, and a tail spine from a spine included in a medical image.

분류 방법은 의료 영상을 획득하는 획득 단계(S 510), 의료 영상에서 척추를 나타내는 척추 영역을 검출하는 검출 단계(S 520)를 포함할 수 있다.The classification method may include an acquisition step of obtaining a medical image (S510) and a detection step of detecting a spine region representing a spine in the medical image (S520).

분류 방법은 척추 영역 s1, s2를 대상으로 척추를 세분화하는 분류 단계(S 530)를 포함할 수 있다. 분류 단계(S 530)는 다음과 같이 분류부(170)의 동작을 통해 구체화될 수 있다.The classification method may include a classification step (S530) of subdividing the spine into the spine regions s1 and s2. The classification step (S530) may be embodied through the operation of the classification unit 170 as follows.

먼저, 분류부(170)는 척추 영역에 포함된 복수의 추체 c를 추출할 수 있다(S 531).First, the classification unit 170 may extract a plurality of vertebrae c included in the spine region (S531).

분류부(170)는 척추의 형태학적 특징을 추출할 수 있다(S 532).The classification unit 170 may extract morphological features of the spine (S532).

분류부(170)는 척추의 위치학적 특징을 추출할 수 있다(S 533). 척추의 위치적 특징을 추출하기 위해, 분류부(170)는 기준이 되는 어깨, 엉덩이 살 등과 같이 뼈 영역이 아닌 제1 영역, 제2 영역 등을 추출할 수 있다.The classification unit 170 may extract a positional feature of the spine (S533). In order to extract the positional features of the spine, the classification unit 170 may extract a first region, a second region, and the like, which are not bone regions, such as shoulder and hip meat as a reference.

분류부(170)는 척추의 형태학적 특징, 예를 들어 횡방향 돌기를 이용하거나, 어깨를 기준으로 상측이나 하측 몇번째에 위치하는지에 따라 추체의 분류 범위를 결정할 수 있다. 분류부(170)는 척추의 형태학적 특징 또는 위치학적 특징에서 추출한 정보를 이용해서 척추 영역에서 경추, 흉추, 요추, 천추, 미추 중 적어도 하나의 범위를 지정할 수 있다(S 534).The classification unit 170 may determine the classification range of the vertebrae according to the morphological characteristics of the spine, for example, using a lateral projection, or a position on the upper side or the lower side based on the shoulder. The classification unit 170 may designate at least one of the cervical spine, thoracic spine, lumbar spine, sacral spine, and tail spine in the spine region by using information extracted from morphological features or positional features of the spine (S 534).

도 13은 본 발명의 진단 방법을 나타낸 흐름도이다.13 is a flowchart showing a diagnosis method of the present invention.

도 13에 도시된 진단 방법은 도 10의 진단 단계(S 540)를 포함할 수 있다. 도 13에 도시된 진단 방법은 이미지 분석 또는 기계 학습을 이용해 의료 영상에서 근골격계 질환을 진단하는 진단 장치에 의해 수행될 수 있다.The diagnosis method illustrated in FIG. 13 may include a diagnosis step (S540) of FIG. 10. The diagnosis method shown in FIG. 13 may be performed by a diagnosis apparatus for diagnosing musculoskeletal disorders in a medical image using image analysis or machine learning.

진단 방법은 의료 영상을 획득하는 획득 단계(S 510), 의료 영상에 포함된 뼈 영역 b를 검출하는 검출 단계(S 520)를 포함할 수 있다. 이하의 과정은 진단부(190)의 동작에 의해 구체화될 수 있다.The diagnosis method may include an acquisition step (S510) of acquiring a medical image, and a detection step (S520) of detecting a bone region b included in the medical image. The following process may be embodied by the operation of the diagnosis unit 190.

진단부(190)는 검출된 뼈 영역 b를 k1, k2, k3,..., kn과 같이 신체 부위별로 분류할 수 있다(S 541).The diagnostic unit 190 may classify the detected bone region b by body part, such as k1, k2, k3,..., kn (S541).

일 예로, 진단부(190)는 뼈 영역 b를 갈비뼈 영역, 척추 영역, 팔뼈 영역, 엉덩뼈 영역, 어깨뼈 영역 등과 같이 분류할 수 있다. k1, k2, k3,..., kn은 갈비뼈 영역, 척추 영역, 팔뼈 영역, 엉덩뼈 영역, 어깨뼈 영역 등과 1:1로 대응될 수 있다.For example, the diagnosis unit 190 may classify the bone region b as a rib region, a spine region, an arm bone region, an hip bone region, and a shoulder bone region. k1, k2, k3,..., kn may correspond to a rib region, a spine region, an arm bone region, an hip region, a shoulder region, and the like in a 1:1 manner.

진단부(190)는 신체 부위별로 분류된 각 뼈 영역의 특징점 f1, f2, f3,..., fn을 추출할 수 있다(S 542).The diagnostic unit 190 may extract feature points f1, f2, f3,..., fn of each bone region classified by body part (S542).

진단부(190)는 각 뼈 영역의 특징점 f1, f2, f3,..., fn을 취합할 수 있다(S 543).The diagnostic unit 190 may collect the feature points f1, f2, f3,..., fn of each bone region (S543).

진단부(190)는 취합된 정보를 이용해서 근골격계의 비정상도를 산출하거나 근골격계의 통합 질환 정보를 예측할 수 있다(S 544).The diagnosis unit 190 may calculate an abnormality of the musculoskeletal system or predict integrated disease information of the musculoskeletal system using the collected information (S544).

특징점을 추출하는 단계(S 543)는 하이라이트 개념 또는 경계선 개념을 사용할 수 있다.In the step of extracting feature points (S 543 ), a highlight concept or a boundary line concept may be used.

진단 방법을 수행하는 진단부(190)는 검출된 뼈 영역에서 서로 대면하는 제1 뼈 및 제2 뼈를 구분할 수 있다. 제1 뼈 및 제2 뼈의 구분을 위해, 진단부(190)는 검출부(130) 또는 분류부(170)의 도움을 받을 수 있다.The diagnosis unit 190 performing the diagnosis method may distinguish between the first bone and the second bone that face each other in the detected bone region. In order to distinguish between the first bone and the second bone, the diagnosis unit 190 may receive the help of the detection unit 130 or the classification unit 170.

진단부(190)는 제2 뼈에 대면되는 제1 뼈의 일면을 따라 제1 경계선을 생성하며, 제1 뼈에 대면되는 제2 뼈의 일면을 따라 제2 경계선을 생성할 수 있다.The diagnosis unit 190 may generate a first boundary line along one surface of the first bone that faces the second bone, and may generate a second boundary line along one surface of the second bone that faces the first bone.

진단부(190)는 제1 뼈의 일부분과 제2 뼈의 일부분을 포함하는 폐곡선 형상의 하이라이트 패치를 생성할 수 있다. 하이라이트 패치의 제1 변 내측에는 제1 경계선이 포함되며, 제1 변은 상기 제1 경계선을 따라 연장될 수 있다. 하이라이트 패치의 제2 변 내측에는 제2 경계선이 포함되며, 제2 변은 제2 경계선을 따라 연장될 수 있다.The diagnostic unit 190 may generate a closed curve-shaped highlight patch including a portion of the first bone and a portion of the second bone. A first boundary line may be included inside the first side of the highlight patch, and the first side may extend along the first boundary line. A second boundary line may be included inside the second side of the highlight patch, and the second side may extend along the second boundary line.

진단부(190)는 하이라이트 패치의 제1 변 및 제2 변 간의 기하학적 특성을 이용해 병변을 검출하거나 분류할 수 있다.The diagnosis unit 190 may detect or classify a lesion using geometric characteristics between the first side and the second side of the highlight patch.

도 14는 본 발명의 실시예에 따른, 컴퓨팅 장치를 나타내는 도면이다. 도 14의 컴퓨팅 장치(TN100)는 본 명세서에서 기술된 장치(예, 분석 장치 등) 일 수 있다. 14 is a diagram illustrating a computing device according to an embodiment of the present invention. The computing device TN100 of FIG. 14 may be a device (eg, an analysis device, etc.) described herein.

도 14의 실시예에서, 컴퓨팅 장치(TN100)는 적어도 하나의 프로세서(TN110), 송수신 장치(TN120), 및 메모리(TN130)를 포함할 수 있다. 또한, 컴퓨팅 장치(TN100)는 저장 장치(TN140), 입력 인터페이스 장치(TN150), 출력 인터페이스 장치(TN160) 등을 더 포함할 수 있다. 컴퓨팅 장치(TN100)에 포함된 구성 요소들은 버스(bus)(TN170)에 의해 연결되어 서로 통신을 수행할 수 있다.In the embodiment of FIG. 14, the computing device TN100 may include at least one processor TN110, a transmission/reception device TN120, and a memory TN130. In addition, the computing device TN100 may further include a storage device TN140, an input interface device TN150, an output interface device TN160, and the like. Components included in the computing device TN100 may be connected by a bus TN170 to communicate with each other.

프로세서(TN110)는 메모리(TN130) 및 저장 장치(TN140) 중에서 적어도 하나에 저장된 프로그램 명령(program command)을 실행할 수 있다. 프로세서(TN110)는 중앙 처리 장치(CPU: central processing unit), 그래픽 처리 장치(GPU: graphics processing unit), 또는 본 발명의 실시예에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다. 프로세서(TN110)는 본 발명의 실시예와 관련하여 기술된 절차, 기능, 및 방법 등을 구현하도록 구성될 수 있다. 프로세서(TN110)는 컴퓨팅 장치(TN100)의 각 구성 요소를 제어할 수 있다.The processor TN110 may execute a program command stored in at least one of the memory TN130 and the storage device TN140. The processor TN110 may mean a central processing unit (CPU), a graphics processing unit (GPU), or a dedicated processor on which methods according to an embodiment of the present invention are performed. The processor TN110 may be configured to implement procedures, functions, and methods described in connection with an embodiment of the present invention. The processor TN110 may control each component of the computing device TN100.

메모리(TN130) 및 저장 장치(TN140) 각각은 프로세서(TN110)의 동작과 관련된 다양한 정보를 저장할 수 있다. 메모리(TN130) 및 저장 장치(TN140) 각각은 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나로 구성될 수 있다. 예를 들어, 메모리(TN130)는 읽기 전용 메모리(ROM: read only memory) 및 랜덤 액세스 메모리(RAM: random access memory) 중에서 적어도 하나로 구성될 수 있다. Each of the memory TN130 and the storage device TN140 may store various information related to the operation of the processor TN110. Each of the memory TN130 and the storage device TN140 may be configured with at least one of a volatile storage medium and a nonvolatile storage medium. For example, the memory TN130 may be composed of at least one of a read only memory (ROM) and a random access memory (RAM).

송수신 장치(TN120)는 유선 신호 또는 무선 신호를 송신 또는 수신할 수 있다. 송수신 장치(TN120)는 네트워크에 연결되어 통신을 수행할 수 있다.The transmission/reception device TN120 may transmit or receive a wired signal or a wireless signal. The transmission/reception device TN120 may be connected to a network to perform communication.

한편, 본 발명의 실시예는 지금까지 설명한 장치 및/또는 방법을 통해서만 구현되는 것은 아니며, 본 발명의 실시예의 구성에 대응하는 기능을 실현하는 프로그램 또는 그 프로그램이 기록된 기록 매체를 통해 구현될 수도 있으며, 이러한 구현은 상술한 실시예의 기재로부터 본 발명이 속하는 기술 분야의 통상의 기술자라면 쉽게 구현할 수 있는 것이다. Meanwhile, the embodiment of the present invention is not implemented only through the apparatus and/or method described so far, but may be implemented through a program that realizes a function corresponding to the configuration of the embodiment of the present invention or a recording medium in which the program is recorded. In addition, such an implementation can be easily implemented by a person skilled in the art from the description of the above-described embodiments.

이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 통상의 기술자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.Although the embodiments of the present invention have been described in detail above, the scope of the present invention is not limited thereto, and various modifications and improvements of the skilled person using the basic concept of the present invention defined in the following claims are also present. It belongs to the scope of the invention.

110...획득부 130...검출부
150...보조부 170...분류부
180...출력부 190...진단부110...acquisition section 130...detection section
150...Subsidiary 170...Classification
180...output section 190...diagnostic section

Claims (8)

의료 영상을 획득하는 획득부;
이미지 분석 또는 기계 학습을 이용해 상기 의료 영상에서 근골격계 질환을 진단하는 진단부;를 포함하고,
상기 진단부는 상기 의료 영상에서 서로 대면하는 제1 뼈 및 제2 뼈를 구분하고,
상기 진단부는 상기 제2 뼈에 대면되는 상기 제1 뼈의 일면을 따라 제1 경계선을 생성하며, 상기 제1 뼈에 대면되는 상기 제2 뼈의 일면을 따라 제2 경계선을 생성하며,
상기 진단부는 상기 제1 뼈의 일부분과 상기 제2 뼈의 일부분을 포함하는 폐곡선 형상의 하이라이트 패치를 생성하고,
상기 하이라이트 패치의 제1 변 내측에는 상기 제1 경계선이 포함되며, 상기 제1 변은 상기 제1 경계선을 따라 연장되고,
상기 하이라이트 패치의 제2 변 내측에는 상기 제2 경계선이 포함되며, 상기 제2 변은 상기 제2 경계선을 따라 연장되고,
상기 진단부는 상기 하이라이트 패치의 상기 제1 변 및 상기 제2 변 간의 기하학적 특성을 이용해 병변을 검출하거나 분류하는 진단 장치.
An acquisition unit that acquires a medical image;
Including; a diagnostic unit for diagnosing musculoskeletal diseases in the medical image using image analysis or machine learning,
The diagnosis unit distinguishes between first and second bones facing each other in the medical image,
The diagnosis unit generates a first boundary line along one surface of the first bone facing the second bone, and generates a second boundary line along one surface of the second bone facing the first bone,
The diagnostic unit generates a highlight patch having a closed curve shape including a portion of the first bone and a portion of the second bone,
The first boundary line is included inside the first side of the highlight patch, and the first side extends along the first boundary line,
The second boundary line is included inside the second side of the highlight patch, and the second side extends along the second boundary line,
The diagnosis unit detects or classifies a lesion using geometric characteristics between the first side and the second side of the highlight patch.
 제1항에 있어서,
상기 의료 영상에서 뼈를 나타내는 뼈 영역을 검출하는 검출부가 마련되고,
상기 진단부는 상기 뼈 영역에서 특징점을 검출하며,
상기 진단부는 상기 특징점을 이용해서 상기 의료 영상의 촬영 자세에 따라 신체의 굴곡 정보를 파악하고, 상기 굴곡 정보를 이용해 상기 근골격계 질환을 진단하는 진단 장치.
The method of claim 1,
A detection unit for detecting a bone region representing a bone in the medical image is provided,
The diagnosis unit detects a feature point in the bone region,
The diagnosis unit uses the feature points to determine body flexion information according to a photographing posture of the medical image, and diagnoses the musculoskeletal disease using the flexion information.
 제1항에 있어서,
상기 의료 영상에서 뼈를 나타내는 뼈 영역을 검출하는 검출부가 마련되고,
상기 진단부는 복수의 뼈 영역으로부터 특징점을 획득하며,
상기 진단부는 각 뼈 영역의 특징점을 취합해서 통합하고,
상기 진단부는 통합된 특징점을 이용해서 비정상도를 산출하며, 상기 비정상도를 이용해 상기 뼈 영역의 통합 질환을 예측하며,
상기 비정상도와 상기 통합 질환의 예측 정보 중 적어도 하나가 포함된 리포트 정보를 표시하는 출력부가 마련된 진단 장치.
The method of claim 1,
A detection unit for detecting a bone region representing a bone in the medical image is provided,
The diagnostic unit acquires feature points from a plurality of bone regions,
The diagnostic unit collects and integrates the feature points of each bone region,
The diagnosis unit calculates an abnormality using the integrated feature points, predicts an integrated disease of the bone region using the abnormality,
A diagnostic apparatus including an output unit that displays report information including at least one of the abnormality degree and prediction information of the integrated disease.
 제1항에 있어서,
상기 진단부는 상기 제2 뼈에 대면되는 상기 제1 뼈의 일면을 따라 제1 경계선을 생성하며, 상기 제1 뼈에 대면되는 상기 제2 뼈의 일면을 따라 제2 경계선을 생성하며,
상기 진단부는 상기 제1 뼈의 중심점을 생성하고, 상기 중심점을 사이에 두고 서로 대면되는 2개의 제1 경계선을 생성하고,
상기 중심점을 기준으로 상측의 제1 경계선은 상측에 배치된 제2 뼈에 대면하며,
상기 중심점을 기준으로 하측의 제1 경계선은 하측에 배치된 제2 뼈에 대면하고,
상기 진단부는 상기 상측의 제1 경계선과 상기 상측에 배치된 제2 뼈의 제2 경계선 간의 제1 기하학적 특성을 분석하고, 상기 하측의 제1 경계선과 상기 하측에 배치된 제2 뼈의 제2 경계선 간의 제2 기하학적 특성을 분석하며,
상기 진단부는 상기 제1 기하학적 특성 및 상기 제2 기하학적 특성을 이용하여 근골격계 질환을 진단하는 진단 장치.
The method of claim 1,
The diagnosis unit generates a first boundary line along one surface of the first bone facing the second bone, and generates a second boundary line along one surface of the second bone facing the first bone,
The diagnosis unit generates a center point of the first bone, and generates two first boundary lines facing each other with the center point interposed therebetween,
The first boundary line on the upper side faces the second bone disposed on the upper side based on the center point,
Based on the center point, the lower first boundary line faces the second bone disposed at the lower side,
The diagnostic unit analyzes a first geometric characteristic between the first boundary line on the upper side and the second boundary line of the second bone disposed on the upper side, and Analyzing the second geometric characteristic of the liver,
The diagnostic device for diagnosing a musculoskeletal disorder by using the first geometric characteristic and the second geometric characteristic.
 제1항에 있어서,
상기 진단부는 상기 제2 뼈에 대면되는 상기 제1 뼈의 일면을 따라 제1 경계선을 생성하며, 상기 제1 뼈에 대면되는 상기 제2 뼈의 일면을 따라 제2 경계선을 생성하며,
상기 진단부는 상기 제1 뼈의 중심을 파악하고, 상기 제1 뼈의 중심에 상기 의료 영상 원본과 구별 가능한 제1 중심점을 생성하고,
상기 진단부는 상기 제2 뼈의 중심을 파악하고, 상기 제2 뼈의 중심에 상기 의료 영상 원본과 구별 가능한 제2 중심점을 생성하며,
상기 진단부는 상기 제1 경계선, 상기 제2 경계선, 상기 제1 중심점 및 상기 제2 중심점을 이용해서 상기 제1 뼈와 상기 제2 뼈와 관련된 병변을 검출하거나 분류하는 진단 장치.
The method of claim 1,
The diagnosis unit generates a first boundary line along one surface of the first bone facing the second bone, and generates a second boundary line along one surface of the second bone facing the first bone,
The diagnosis unit detects the center of the first bone and generates a first center point distinguishable from the original medical image at the center of the first bone,
The diagnostic unit detects the center of the second bone and generates a second center point distinguishable from the original medical image at the center of the second bone,
The diagnosis unit detects or classifies lesions related to the first bone and the second bone using the first boundary line, the second boundary line, the first center point, and the second center point.
 삭제delete 삭제delete 진단 장치에 의해 수행되는 병변을 검출하거나 분류하는 방법에 있어서,
의료 영상을 획득하는 단계;
상기 의료 영상에 포함된 뼈 영역을 검출하는 단계;
검출된 뼈 영역을 신체 부위별로 분류하는 단계;
신체 부위별로 분류된 각 뼈 영역의 특징점을 추출하는 단계;
각 뼈 영역의 특징점을 취합하는 단계;
취합된 정보를 이용해서 근골격계의 비정상도를 산출하거나 근골격계의 통합 질환 정보를 예측하는 단계;를 포함하고,
상기 특징점을 추출하는 단계는,
검출된 뼈 영역에서 서로 대면하는 제1 뼈 및 제2 뼈를 구분하고,
상기 제2 뼈에 대면되는 상기 제1 뼈의 일면을 따라 제1 경계선을 생성하며, 상기 제1 뼈에 대면되는 상기 제2 뼈의 일면을 따라 제2 경계선을 생성하며,
상기 제1 뼈의 일부분과 상기 제2 뼈의 일부분을 포함하는 폐곡선 형상의 하이라이트 패치를 생성하고,
상기 하이라이트 패치의 제1 변 내측에는 상기 제1 경계선이 포함되며, 상기 제1 변은 상기 제1 경계선을 따라 연장되고,
상기 하이라이트 패치의 제2 변 내측에는 상기 제2 경계선이 포함되며, 상기 제2 변은 상기 제2 경계선을 따라 연장되고,
상기 하이라이트 패치의 상기 제1 변 및 상기 제2 변 간의 기하학적 특성을 이용해 병변을 검출하거나 분류하는 방법.In the method of detecting or classifying a lesion performed by a diagnostic device,
Obtaining a medical image;
Detecting a bone region included in the medical image;
Classifying the detected bone regions according to body parts;
Extracting feature points of each bone region classified by body part;
Collecting feature points of each bone region;
Including; calculating an abnormality of the musculoskeletal system or predicting integrated disease information of the musculoskeletal system using the collected information,
The step of extracting the feature points,
Distinguishing the first bone and the second bone facing each other in the detected bone region,
A first boundary line is generated along one surface of the first bone facing the second bone, and a second boundary line is generated along one surface of the second bone facing the first bone,
Creating a closed curve-shaped highlight patch including a portion of the first bone and a portion of the second bone,
The first boundary line is included inside the first side of the highlight patch, and the first side extends along the first boundary line,
The second boundary line is included inside the second side of the highlight patch, and the second side extends along the second boundary line,
A method of detecting or classifying a lesion using geometric characteristics between the first side and the second side of the highlight patch.
KR1020200046974A 2020-04-17 2020-04-17 Apparatus and method for diagnosing disease KR102218900B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200046974A KR102218900B1 (en) 2020-04-17 2020-04-17 Apparatus and method for diagnosing disease

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200046974A KR102218900B1 (en) 2020-04-17 2020-04-17 Apparatus and method for diagnosing disease

Publications (1)

Publication Number Publication Date
KR102218900B1 true KR102218900B1 (en) 2021-02-23

Family

ID=74688038

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200046974A KR102218900B1 (en) 2020-04-17 2020-04-17 Apparatus and method for diagnosing disease

Country Status (1)

Country Link
KR (1) KR102218900B1 (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024123057A1 (en) * 2022-12-06 2024-06-13 사회복지법인 삼성생명공익재단 Method and analysis device for visualizing bone tumor in humerus using chest x-ray image
KR102686815B1 (en) 2022-12-06 2024-07-19 사회복지법인 삼성생명공익재단 Visualization method for bone tumor within humerus in chest x-ray and analysis apparatus

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140091176A (en) * 2013-01-10 2014-07-21 삼성전자주식회사 Apparatus and method for lesion diagnosis
KR20150104889A (en) 2014-03-06 2015-09-16 삼성메디슨 주식회사 Apparatus por processing a medical image and method for processing a medical image
JP5878161B2 (en) * 2011-03-03 2016-03-08 株式会社日立メディコ Medical image processing apparatus and medical image processing method
KR20160092666A (en) * 2015-01-28 2016-08-05 울산대학교 산학협력단 Apparatus and Method for Measuring Cobb angle
KR20180105703A (en) * 2016-02-15 2018-09-28 각고호우징 게이오기주크 Spinal Arrangement Estimation Apparatus, Spinal Arrangement Estimation Method, and Spinal Arrangement Estimation Program

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5878161B2 (en) * 2011-03-03 2016-03-08 株式会社日立メディコ Medical image processing apparatus and medical image processing method
KR20140091176A (en) * 2013-01-10 2014-07-21 삼성전자주식회사 Apparatus and method for lesion diagnosis
KR20150104889A (en) 2014-03-06 2015-09-16 삼성메디슨 주식회사 Apparatus por processing a medical image and method for processing a medical image
KR20160092666A (en) * 2015-01-28 2016-08-05 울산대학교 산학협력단 Apparatus and Method for Measuring Cobb angle
KR20180105703A (en) * 2016-02-15 2018-09-28 각고호우징 게이오기주크 Spinal Arrangement Estimation Apparatus, Spinal Arrangement Estimation Method, and Spinal Arrangement Estimation Program

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024123057A1 (en) * 2022-12-06 2024-06-13 사회복지법인 삼성생명공익재단 Method and analysis device for visualizing bone tumor in humerus using chest x-ray image
KR102686815B1 (en) 2022-12-06 2024-07-19 사회복지법인 삼성생명공익재단 Visualization method for bone tumor within humerus in chest x-ray and analysis apparatus

Similar Documents

Publication Publication Date Title
KR102163701B1 (en) Apparatus and method for classifying spine
US9594975B2 (en) Image processing device and spinal canal evaluation method
JP6013042B2 (en) Image processing program, recording medium, image processing apparatus, and image processing method
JP6545591B2 (en) Diagnosis support apparatus, method and computer program
JP6170284B2 (en) Image processing program, recording medium, image processing apparatus, and image processing method
CN105455837B (en) Vertebral segmentation device and method
KR101840350B1 (en) Method and apparatus for aiding reading efficiency using eye tracking information in medical image reading processing
US20190336097A1 (en) Systems and methods for prediction of osteoporotic fracture risk
EP1847221B1 (en) Diagnostic imaging support system and diagnostic imaging support program
US8139837B2 (en) Bone number determination apparatus and recording medium having stored therein program
CN112116004B (en) Focus classification method and device and focus classification model training method
US20130303900A1 (en) Method and apparatus for processing of stroke ct scans
EP2639763A1 (en) Method, Apparatus and System for Localizing a Spine
JP2011516988A (en) Prediction of vertebral fracture
US7539332B1 (en) Method and system for automatically identifying regions of trabecular bone tissue and cortical bone tissue of a target bone from a digital radiograph image
JP2022546344A (en) Image processing for stroke feature acquisition
KR102218900B1 (en) Apparatus and method for diagnosing disease
Le et al. Automatic segmentation of mandibular ramus and condyles
Yousefi et al. Lumbar spine vertebral compression fracture case diagnosis using machine learning methods on CT images
KR20210054925A (en) System and Method for Extracting Region of Interest for Bone Mineral Density Calculation
CN112837264B (en) Rib positioning and fracture clinical outcome prediction device and automatic diagnosis system
KR102196503B1 (en) Apparatus and method for detecting the spine
Zhang et al. A Computer‐aided Method for Improving the Reliability of Lenke Classification for Scoliosis
JP2017198697A (en) Image processing program, recording medium, image processing device, and image processing method
KR102483122B1 (en) System and method for determining condition of fetal nervous system

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant