KR102389628B1 - 의료영상의 병변 특징에 따른 영상처리 장치 및 방법 - Google Patents
의료영상의 병변 특징에 따른 영상처리 장치 및 방법 Download PDFInfo
- Publication number
- KR102389628B1 KR102389628B1 KR1020210096565A KR20210096565A KR102389628B1 KR 102389628 B1 KR102389628 B1 KR 102389628B1 KR 1020210096565 A KR1020210096565 A KR 1020210096565A KR 20210096565 A KR20210096565 A KR 20210096565A KR 102389628 B1 KR102389628 B1 KR 102389628B1
- Authority
- KR
- South Korea
- Prior art keywords
- image
- lesion
- medical image
- medical
- deep learning
- Prior art date
Links
- 238000012545 processing Methods 0.000 title claims abstract description 82
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000008807 pathological lesion Effects 0.000 title 1
- 230000003902 lesion Effects 0.000 claims abstract description 154
- 238000013136 deep learning model Methods 0.000 claims abstract description 31
- 231100001011 cardiovascular lesion Toxicity 0.000 claims description 25
- 206010041569 spinal fracture Diseases 0.000 claims description 25
- 238000001514 detection method Methods 0.000 claims description 22
- 238000013135 deep learning Methods 0.000 claims description 17
- 238000003672 processing method Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 3
- 239000012634 fragment Substances 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 12
- 238000006243 chemical reaction Methods 0.000 description 14
- 238000000605 extraction Methods 0.000 description 14
- 238000003745 diagnosis Methods 0.000 description 12
- 230000005540 biological transmission Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 5
- 230000005855 radiation Effects 0.000 description 3
- 208000010392 Bone Fractures Diseases 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 206010017076 Fracture Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- G—PHYSICS
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- 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
- A61B6/504—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 blood vessels, e.g. by angiography
-
- 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
-
- 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
- A61B6/5223—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data generating planar views from image data, e.g. extracting a coronal view from a 3D image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20101—Interactive definition of point of interest, landmark or seed
-
- 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
-
- 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
- G06T2207/30048—Heart; Cardiac
-
- 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
- G06T2207/30096—Tumor; Lesion
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Public Health (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Biophysics (AREA)
- Optics & Photonics (AREA)
- High Energy & Nuclear Physics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Physiology (AREA)
- Vascular Medicine (AREA)
- Pulmonology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
Abstract
본 발명은 의료영상의 병변 특징에 따른 영상처리 장치 및 방법을 제공하기 위하여, 사전 학습된 딥러닝 모델에 의료영상을 입력하여 상기 의료영상의 촬영 목적과 다른 병변을 검출하는 단계 및 상기 의료영상으로부터 상기 병변의 위치 및 크기 중 적어도 어느 하나를 포함하는 특징을 추출하는 단계 및 상기 병변이 진단될 수 있도록 상기 의료영상을 재구성하여 상기 병변에 대한 판독 영상을 생성하는 단계를 포함한다. 이에, 본 발명은 사전 획득된 의료영상으로부터 다른 종류의 병변 판독 영상을 생성할 수 있는 효과가 있다.
Description
본 발명은 의료영상의 병변 특징에 따른 영상처리 장치 및 방법에 관한 것으로, 보다 상세하게는 의료영상으로부터 병변을 검출하는 의료영상의 병변 특징에 따른 영상처리 장치 및 방법에 관한 것이다.
일반적으로 의료영상의 획득에서는 X-ray, CT 및 MRI 등과 같은 의료장비가 사용되고 있다. 이러한 의료장비로부터 취득되는 의료영상은 현대의학에 있어서 환자의 진단 및 치료 과정에서 병변의 존재 여부와 그 특징을 판별하여 의사결정을 내리는데 매우 중요한 근거로 활용된다. 다만, 병변은 크기, 모양 및 방향이 다양하기 때문에, 그 특징을 정밀하게 관찰하고 파악할 수 있게 하는 고화질의 영상 획득이 요구된다.
종래의 의료영상 처리에 대한 기술은 이미 "대한민국 공개특허공보 제2014-0134903호(의료영상 화질 개선 방법 및 그 장치, 2014.11.25.)"에 의해 공개되어 있다. 상기 공개발명은 의료영상의 노이즈 보정 계수를 이용하여 저화질 의료영상의 화질을 개선할 수 있다. 이와 같이, 고화질의 영상을 획득하는 것은 의료영상 검사에서 매우 불가결한 요구 조건이다.
특히, 의료영상은 획득 과정에서 결정되는 검출장치의 배열, 각도 및 신호획득 절차 등에 따라서 방향별 해상도 및 주파수 특성이 변화된다. 이에, 관찰하고자 하는 병변의 특성이 영상에 가장 잘 표현될 수 있도록 획득 장치를 조절하는 것이 필요하다. 다만, 원래 관찰하고자 하는 병변 외에 새로운 병변이 존재한다면, 기존에 획득된 영상에서는 새로운 병변의 특징을 파악하기 어려울 수 있다. 이때, 사전 획득된 영상이 존재함에도 불구하고, 새로운 병변의 특징에 따라 추가적인 영상 검사를 시행해야 한다.
따라서, 환자의 방문과 추가 검사가 필요함에 따라 시간 및 불편이 존재하고, 인체에 해로운 방사선을 다시 조사해야 하는 상황이 발생하게 된다. 이에, 의료영상의 검사 과정에서는 판독의사의 병변 관찰과정에서 환자의 진단이 지연되거나 추가적인 불편이 발생되지 않도록 영상 획득 및 처리 기능이 구비되는 것이 필요하다.
본 발명의 목적은 의료영상의 병변 특징에 따른 영상처리 장치 및 방법을 제공하기 위한 것이다.
본 발명의 다른 목적은 사전 획득된 의료영상에 새로운 병변이 존재하는 경우 추가적인 검사를 시행하지 않고 새로운 병변을 적절하게 표현할 수 있게 하는 의료영상의 병변 특징에 따른 영상처리 장치 및 방법을 제공하기 위한 것이다.
본 발명의 또 다른 목적은 사전 획득된 의료영상에서 새로운 병변의 존재를 확인하여, 병변이 탐지될 경우 기존에 획득된 영상데이터를 활용하여 탐지된 병변의 특성을 판독자가 적절하게 관찰할 수 있도록 하는 의료영상의 병변 특징에 따른 영상처리 장치 및 방법을 제공하기 위한 것이다.
본 발명에 따른 영상처리 방법은 사전 학습된 딥러닝(Deep learning) 모델에 의료영상을 입력하여 상기 의료영상의 원래 판독 부위와 다른 판독영역을 인식하는 단계 및 상기 의료영상으로부터 상기 판독영역의 위치 및 크기 중 적어도 어느 하나를 포함하는 특징을 추출하는 단계 및 상기 의료영상을 재구성하여 상기 의료영상의 촬영목적과 다른 상기 판독영역에 대한 판독영상을 생성하는 단계를 포함한다.
상기 인식하는 단계는 상기 의료영상으로부터 검출이 예상되는 병변을 선택하는 단계와, 복수 개의 딥러닝 모델에서 상기 병변의 검출이 가능한 딥러닝을 선택하는 단계와, 상기 선택된 딥러닝에 상기 의료영상을 입력하여 상기 병변을 포함하는 상기 판독영역을 인식하는 단계를 포함할 수 있다.
상기 검출하는 단계는 상기 선택된 딥러닝에 상기 의료영상을 입력하기 이전에, 상기 병변의 검출 효율이 향상되도록 상기 딥러닝에 대응되는 전처리를 수행하는 단계를 더 포함할 수 있다.
상기 판독 영상을 생성하는 단계는 상기 판독영역에 포함되는 병변의 특징에 따라 상기 병변이 강조되도록 상기 의료영상에 포함되는 상기 병변의 크기를 리사이징(Resizing)하는 단계를 포함할 수 있다.
상기 리사이징하는 단계는 상기 병변이 영상의 중심 영역에 배치되도록 하고, 상기 영상을 확대하여 상기 병변의 크기가 리사이징되도록 할 수 있다.
상기 판독 영상을 생성하는 단계는 상기 판독영역에 포함되는 병변의 특징에 따라 상기 병변이 강조되도록 영상특성을 변환하는 단계를 포함할 수 있다.
상기 영상특성을 변환하는 단계에서는 상기 의료영상의 해상도 및 성분 중 적어도 어느 하나를 변환할 수 있다.
상기 의료영상은 흉부 CT영상을 포함하고, 상기 병변은 척추 골절을 포함하며, 상기 영상특성을 변환하는 단계에서는 상기 의료영상의 고주파 성분을 강조되도록 상기 의료영상의 영상특성을 변환할 수 있다.
상기 의료영상은 흉부 CT영상을 포함하고, 상기 병변은 심혈관 병변을 포함하며, 상기 영상특성을 변환하는 단계에서는 상기 의료영상의 강조 주파수 대역을 조절하여 상기 의료영상의 영상특성을 변환할 수 있다.
상기 판독 영상을 생성하는 단계는 상기 판독영역에 포함되는 병변의 특징에 따라 상기 병변이 강조되도록 영상을 재구성하는 단계를 포함할 수 있다.
상기 재구성하는 단계에서는 상기 의료영상의 절편을 재구성할 수 있다.
상기 의료영상은 흉부 CT영상을 포함하고, 상기 병변은 척추 골절을 포함하며, 상기 영상을 재구성하는 단계에서는 상기 척출 골절의 형태가 강조되도록 상기 의료영상을 시상축(Sagittal axis)으로 재구성할 수 있다.
상기 의료영상은 흉부 CT영상을 포함하고, 상기 병변은 심혈관 병변을 포함하며, 상기 영상을 재구성하는 단계에서는 상기 심혈관 병변의 형태가 강조되도록 상기 의료영상을 곡면재구성(Curved planar reformation)하여 재구성할 수 있다.
상기 판독 영상을 생성하는 단계는 상기 판독영역에 포함되는 병변의 특징에 따라 상기 병변이 강조되도록 상기 의료영상에 포함되는 상기 병변의 크기를 리사이징하여 리사이징 영상을 생성하는 단계와, 상기 병변의 특징에 따라 상기 병변이 강조되도록 상기 리사이징 영상의 해상도 및 성분 중 적어도 어느 하나를 변환하여 영상특성 변환영상을 생성하는 단계와, 상기 병변의 특징에 따라 상기 병변이 강조되도록 상기 영상특성 변환영상의 절편을 재구성하여 재구성 영상을 생성하는 단계를 포함할 수 있다.
한편, 본 발명에 따른 영상처리 장치는 사전 학습된 딥러닝 모델에 의료영상을 입력하여 상기 의료영상의 원래 판독 부위와 다른 판독영역을 인식하는 검출부 및 상기 의료영상으로부터 상기 판독영역의 위치 및 크기 중 적어도 어느 하나를 포함하는 특징을 추출하는 특징 추출부 및 상기 의료영상을 재구성하여 상기 의료영상의 촬영목적과 다른 상기 판독영역에 대한 판독영상을 생성하는 영상 처리부를 포함한다.
한편, 본 발명에 따른 영상처리 장치는 의료장비 및 데이터베이스 중 적어도 어느 하나로부터 제공되는 의료영상에 대한 처리를 수행하는 프로세서를 포함하고, 상기 프로세서는 사전 학습된 딥러닝 모델에 의료영상을 입력하여 상기 의료영상의 원래 판독 부위와 다른 판독영역을 인식하는 단계와, 상기 의료영상으로부터 상기 판독영역의 위치 및 크기 중 적어도 어느 하나를 포함하는 특징을 추출하는 단계와, 상기 의료영상을 재구성하여 상기 의료영상의 촬영목적과 다른 상기 판독영역에 대한 판독영상을 생성하는 단계를 수행한다.
본 발명에 따른 의료영상의 병변 특징에 따른 영상처리 장치 및 방법은 다음과 같은 효과를 갖는다.
첫째, 본 발명은 의료영상의 병변 특징에 따르는 영상처리를 수행함으로써, 원래 관찰하고자 하는 병변 외에 새로운 병변이 존재하더라도 사전 획득한 영상을 이용하여 새로운 병변의 특징이 적절하게 표현되도록 하여 추가적인 검사를 시행하지 않고도 영상 진단을 수행할 수 있는 효과가 있다.
둘째, 본 발명은 의료영상의 병변 특징에 따르는 영상처리를 수행함으로써, 추가적인 검사를 시행하지 않고서도 영상 진단이 가능하여 추가 검사에 따라 환자의 방문과 검사 과정에서 발생하게 되는 시간과 불편이 발생하지 않도록 하는 효과가 있다.
셋째, 본 발명은 의료영상의 병변 특징에 따르는 영상처리를 수행함으로써, 추가적인 검사를 시행하지 않고도 영상 진단을 수행하여 추가 검사에 따른 인체에 해로운 방사선 조사가 불필요한 효과가 있다.
이상과 같은 본 발명의 기술적 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급되지 않은 또 다른 기술적 효과들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 실시예에 따른 영상처리 장치를 개략적으로 나타낸 개념도이고,
도 2는 본 실시예에 따른 영상처리 장치를 이용한 판독 영상 생성방법을 나타낸 흐름도이고,
도 3은 본 실시예에 따른 판독 영상 생성방법의 병변 검출방법을 나타낸 흐름도이고,
도 4는 본 실시예에 따른 판독 영상 생성방법의 특징 추출방법을 나타낸 개념도이고,
도 5는 본 실시예에 따른 판독 영상 생성방법의 영상 처리방법을 나타낸 개념도이고,
도 6은 본 실시예에 따른 영상처리 장치에 흉부 CT영상을 입력하여 척추 골절에 대한 판독 영상을 생성하는 방법을 나타낸 개념도이고,
도 7은 본 실시예에 따른 영상처리 장치에 흉부 CT영상을 입력하여 심혈관 병변에 대한 판독 영상을 생성하는 방법을 나타낸 개념도이다.
도 2는 본 실시예에 따른 영상처리 장치를 이용한 판독 영상 생성방법을 나타낸 흐름도이고,
도 3은 본 실시예에 따른 판독 영상 생성방법의 병변 검출방법을 나타낸 흐름도이고,
도 4는 본 실시예에 따른 판독 영상 생성방법의 특징 추출방법을 나타낸 개념도이고,
도 5는 본 실시예에 따른 판독 영상 생성방법의 영상 처리방법을 나타낸 개념도이고,
도 6은 본 실시예에 따른 영상처리 장치에 흉부 CT영상을 입력하여 척추 골절에 대한 판독 영상을 생성하는 방법을 나타낸 개념도이고,
도 7은 본 실시예에 따른 영상처리 장치에 흉부 CT영상을 입력하여 심혈관 병변에 대한 판독 영상을 생성하는 방법을 나타낸 개념도이다.
이하 첨부된 도면을 참조하여 본 발명의 실시예를 상세히 설명한다. 그러나 본 실시예는 이하에서 개시되는 실시예에 한정되는 것이 아니라 서로 다양한 형태로 구현될 수 있으며, 단지 본 실시예는 본 발명의 개시가 완전하도록 하며, 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다. 도면에서의 요소의 형상 등은 보다 명확한 설명을 위하여 과장되게 표현된 부분이 있을 수 있으며, 도면 상에서 동일 부호로 표시된 요소는 동일 요소를 의미한다.
도 1은 본 실시예에 따른 영상처리 장치를 개략적으로 나타낸 개념도이다.
도 1에 도시된 바와 같이, 본 실시예에 따른 영상처리 장치(100)는 의료장비(10)로부터 의료영상(30)을 획득하여, 판독 영상(200)을 생성한다.
여기서, 의료장비(10)는 X-ray, CT 및 MRI 등을 포함할 수 있으나, 의료장비(10)의 종류는 한정하지 않는다.
그리고 판독 영상(200)은 의료영상(30)의 촬영 목적과 다른 종류의 병변을 나타내는 영상일 수 있다. 즉, 의료영상은 'A 병변'을 검출하기 위해 촬영된 영상일 수 있고, 판독 영상(200)은 'A 병변'과 다른 'B 병변'에 대한 판독을 수행하기 위한 영상일 수 있다.
이러한 영상처리 장치(100)는 병변 검출부(110), 특징 추출부(120) 및 영상 처리부(130)를 포함할 수 있다. 다만, 영상처리 장치(100)의 구성이 이에 한정되는 것은 아니며, 컴퓨터 시스템 등과 같은 단일 또는 복수의 프로세서에서 병변 검출, 특징 추출 및 영상처리 등의 일련의 프로세스가 수행될 수 있음을 사전에 밝혀둔다.
이러한 영상처리 장치(100)에는 의료장비(10)로부터 의료영상(30)이 제공된다. 또한, 이와 다르게 도시되지 않은 데이터베이스로부터 의료영상(30)이 제공될 수 있다.
이에, 영상처리 장치(100)는 의료영상(30)에 대한 병변 검출을 수행할 수 있다. 일례로, 병변 검출부(110)에서는 사전 학습된 딥러닝(Deep learning) 모델을 이용하여 의료영상(30)으로부터 실제 촬영 목적과 상이한 병변 검출을 수행한다.
그리고 영상처리 장치(100)는 검출된 병변에 대하여 특징 추출을 수행할 수 있다. 일례로, 특징 추출부(120)에서는 사전 학습된 딥러닝 모델을 이용하거나, 영상처리 기법을 이용하여 검출된 병변에 대한 특징을 추출할 수 있다.
그리고 영상처리 장치(100)는 추출된 병변 특징에 따라 영상처리를 수행하여 판독 영상(200)을 생성한다. 일례로, 영상 처리부(130)에서는 사전 학습된 딥러닝 모델을 이용하거나, 영상처리 기법을 이용하여 판독 영상(200)을 생성할 수 있다.
이하에서는 첨부된 도면을 참조하여, 본 실시예에 따른 영상처리 장치를 기반으로 한 판독 영상 생성방법에 대하여 상세히 설명하도록 한다. 다만, 상술된 구성요소에 대해서는 상세한 설명을 생략하고 동일한 참조부호를 부여하여 설명하도록 한다.
도 2는 본 실시예에 따른 영상처리 장치를 이용한 판독 영상 생성방법을 나타낸 흐름도이다.
도 2에 도시된 바와 같이, 본 실시예에 따른 영상처리 장치(100)는 의료영상(30)으로부터 실제 촬영 목적과 다른 종류의 병변을 포함하는 판독영역을 인식한다. 이때, 영상처리 장치(100)는 의료영상(30)을 사전에 훈련된 딥러닝 모델에 입력하여, 병변을 검출할 수 있다.
일례로, 도 3과 같이 영상처리 장치(100)를 기반으로 한 병변 검출(S100)에서는 병변 선택단계(S110), 딥러닝 선택단계(S120) 및 병변 검출단계(S130)가 순차적으로 진행될 수 있다.
먼저, 병변 선택단계(S110)에서는 의료영상(30)으로부터 검출이 예상되는 병변의 종류를 지정한다. 이때, 병변의 종류 지정은 자동 또는 수동으로 수행될 수 있다.
그리고 딥러닝 선택단계(S120)에서는 지정된 병변의 종류에 따라 사전에 훈련된 딥러닝 모델의 유형을 지정한다. 즉, 영상처리 장치(100)에는 복수 개의 딥러닝 모델이 탑재될 수 있다. 복수 개의 딥러닝 모델은 각각 상이한 병변을 검출하기 위한 모델일 수 있다. 이에, 딥러닝 선택단계(S120)에서는 복수 개의 딥러닝 모델 중 지정된 병변에 적합한 딥러닝 모델을 자동 또는 수동으로 선택할 수 있다.
그리고 병변 검출단계(S130)에서는 선택된 딥러닝 모델을 이용하여 실체 촬영 목적과 다른 병변을 검출한다. 즉, 병변 검출단계(S130)에서는 의료영상(30)을 선택된 딥러닝 모델에 입력하여 의료영상(30)으로부터 다른 종류의 병변을 검출하게 된다.
여기서, 영상처리 장치(100)는 병변 선택단계(S110) 이전에 의료영상(30)에 대한 전처리를 수행하여 의료영상(30)이 사전에 훈련된 딥러닝 모델에 의한 검출이 용이할 수 있게 한다.
한편, 영상처리 장치(100)는 병변의 검출 이후에 특징 추출(S200)을 수행한다. 도 4와 같이 특징 추출(S200)에서는 의료영상(30)으로부터 검출된 병변에 대한 위치와 크기를 추출한다.
그리고 영상처리 장치(100)는 특징 추출(S200) 이후에 영상처리(S300)를 수행한다.
일례로, 도 5와 같이 영상처리 장치(100)는 영상처리(S300)를 위하여 리사이징 단계(S310), 영상특성 변환단계(S320), 재구성 단계(S330) 및 전송 단계(S340)를 선택적으로 수행하거나 함께 수행할 수 있다.
먼저, 리사이징 단계(S310)에서는 특징 추출된 의료영상(30), 즉, 병변의 위치와 크기가 검출된 의료영상(30)을 사전에 정한 비율로 확대할 수 있다. 일례로, 리사이징 단계(S310)에서는 추출된 병변이 중심 영역에 배치되도록 하고 의료영상(30)을 확대하여 리사이징 영상(31)을 생성할 수 있다.
그리고 영상특성 변환단계(S320)에서는 병변의 특징에 따라 리사이징 영상(31)의 영상특성을 변환할 수 있다. 일례로, 영상특성 변환단계(S320)에서는 리사이징 영상(31)의 해상도 및 성분 등을 변환하여 영상특성이 변화된 영상특성 변환영상(32)을 생성할 수 있다.
그리고 재구성 단계(S330)에서는 병변의 특징에 따라 사전에 정한 규칙으로 재구성을 수행할 수 있다. 일례로, 재구성 단계(S330)에서는 영상특성 변환영상(32)의 절편을 재구성하여 병변이 정확하게 나타날 수 있도록 재구성 영상(33)을 생성할 수 있다.
이후, 전송 단계(S340)에서는 재구성 영상(33)이 판독 영상(200)으로 판독의사에게 전달할 수 있다. 일례로, 전송 단계(S340)에서는 사전에 지정된 컴퓨터 시스템으로 판독 영상(200)을 전송할 수 있다. 이에, 판독의사는 판독 영상(200)을 기반으로 의료영상(30)의 실제 촬영 목적과 다른 종류의 병변 관찰 및 진단을 수행할 수 있다.
이하에서는 첨부된 도면을 참조하여 본 실시예에 따른 영상처리 장치를 이용한 다양한 입력 의료영상의 적용에 대하여 상세히 설명하도록 한다. 다만, 상술된 구성요소에 대해서는 상세한 설명을 생략하고 동일한 참조부호를 부여하여 설명하도록 한다.
먼저, 본 실시예에 따른 영상처리 장치(100)는 흉부 CT영상(60)으로부터 척추 골절에 대한 판독 영상(200)을 생성할 수 있다.
도 6은 본 실시예에 따른 영상처리 장치에 흉부 CT영상을 입력하여 척추 골절에 대한 판독 영상을 생성하는 방법을 나타낸 개념도이다.
도 6에 도시된 바와 같이, 본 실시예에 따른 영상처리 장치(100)에 입력되는 의료영상(30)은 흉부 CT영상(60)일 수 있다. 이에, 영상처리 장치(100)는 흉부 CT영상(60)에 대한 병변 검출(S610), 특징 추출(S620) 및 영상처리(S630)를 수행하여, 척추 골절에 대한 판독 영상(200)을 생성한다. 즉, 본 실시예에서는 일반적으로 흉부 CT영상(60)에서 관찰 및 진단하기 어려운 척추 골절에 대한 판독 영상(200)을 생성한다.
먼저, 병변 검출(S610)에서는 흉부 CT영상(60)에 대하여 병변 선택단계(S611), 딥러닝 선택단계(S612) 및 병변 검출단계(S613)를 수행한다.
병변 선택단계(S611)에서는 흉부 CT영상(60)으로부터 검출이 예상되는 병변의 종류를 지정한다. 이때, 병변 선택단계(S611)에서 선택되는 병변은 척추 골절일 수 있다. 일반적으로, 척추 골절은 흉부 CT영상(60)에서 검출이 예상되는 병변은 아니다. 따라서 흉부 CT영상(60)은 척추 골절의 관찰과 진단에 적합하지 않은 영상이다.
그러나 영상처리 장치(100)는 흉부 CT영상(60)에 대한 병변 선택단계(S611)에서 척추 골절을 선택하면, 딥러닝 선택단계(S612)에서 복수 개의 딥러닝 모델 중 척추 골절에 대응되는 딥러닝 모델의 유형을 결정한다. 그리고 병변 검출단계(S613)에서는 결정된 딥러닝 모델을 통해 병변을 검출한다.
즉, 영상처리 장치(100)는 흉부 CT영상(60)을 사전에 척추 골절을 검출하도록 훈련된 딥러닝 모델에 입력하여 척추 골절의 유무를 검출한다. 이때, 흉부 CT영상(60)은 딥러닝 모델에 의한 척추 골절 검출 성능이 향상되도록 전처리된 상태일 수 있다.
한편, 딥러닝 모델을 통해 흉부 CT영상(60)에서 척추 골절이 발견되면, 영상처리 장치(100)는 특징 추출(S620)을 수행한다. 특징 추출(S620)에서는 척추 골절의 크기 및 위치 중 어느 하나를 포함하는 특징을 추출할 수 있다.
그리고 영상처리 장치(100)는 흉부 CT영상(60)에 대한 영상처리를 수행한다.
영상처리(S630)에서는 흉부 CT영상(60)에 대하여 리사이징 단계(S631), 영상특성 변환단계(S632), 재구성 단계(S633) 및 전송 단계(S634)를 수행한다.
먼저, 리사이징 단계(S631)에서는 척추 골절의 관찰에 적합하도록 흉부 CT영상(60)을 리사이징하여, 리사이징 영상(61)을 생성한다. 일례로, 리사이징 단계(S631)에서는 척추 골절의 위치가 영상의 중심 영역에 배치되도록 한다. 그리고 척추 골절의 관찰 및 진단이 가능하도록 영상을 확대하여 리사이징 영상(61)을 생성한다.
이에, 리사이징 영상(61)이 생성되면, 영상처리 장치(100)는 영상특성 변환단계(S632)를 수행할 수 있다. 일례로, 영상특성 변환단계(S632)에서는 리사이징 영상(61)에 대한 고주파 성분을 강조하여 영상특성 변환영상(62)을 생성할 수 있다.
그리고 영상처리 장치(100)는 고주파 성분이 강조된 영상특성 변환영상(62)에 대하여 재구성 단계(S633)를 수행할 수 있다. 일례로, 재구성 단계(S633)에서는 척추 골절의 형태 관찰이 용이하도록 영상특성 변환영상(62)을 시상축(Sagittal axis)으로 재구성하여 재구성 영상(64)을 생성할 수 있다.
이후, 재구성 영상(64)이 생성되면, 영상처리 장치(100)는 전송 단계(S634)를 수행할 수 있다. 일례로, 전송 단계(S634)에서는 재구성 영상(64)을 판독의사에게 전달하기 위하여 사전에 지정된 컴퓨터 시스템으로 전송할 수 있다.
이에, 판독의사는 흉부 CT영상(60)을 기반으로 생성된 판독 영상(200)으로 척추 골절의 관찰 및 진단을 수행할 수 있다.
한편, 본 실시예에 따른 영상처리 장치(100)는 흉부 CT영상(70)으로부터 심혈관 병변에 대한 판독 영상(200)을 생성할 수 있다.
도 7은 본 실시예에 따른 영상처리 장치에 흉부 CT영상을 입력하여 심혈관 병변에 대한 판독 영상을 생성하는 방법을 나타낸 개념도이다.
도 7에 도시된 바와 같이, 본 실시예에 따른 영상처리 장치(100)에 입력되는 의료영상(30)은 흉부 CT영상(70)일 수 있다. 이에, 영상처리 장치(100)는 흉부 CT영상(70)에 대한 병변 검출(S710), 특징 추출(S720) 및 영상처리(S730)를 수행하여 심혈관 병변에 대한 판독 영상(200)을 생성한다. 즉, 본 실시예에서는 일반적으로 흉부 CT영상(60)에서 관찰 및 진단하기 어려운 심혈관 병변에 대한 판독 영상(200)을 생성한다.
먼저, 병변 검출(S710)에서는 흉부 CT영상(70)에 대하여 병변 선택단계(S711), 딥러닝 선택단계(S712) 및 병변 검출단계(S713)를 수행한다.
병변 선택단계(S711)에서는 흉부 CT영상(70)으로부터 검출이 예상되는 병변의 종류를 지정한다. 이때, 병변 선택단계(S711)에서 선택되는 병변은 심혈관 병변일 수 있다. 일반적으로, 심혈관 병변은 흉부 CT영상(70)에서 검출이 예상되는 병변은 아니다. 따라서 흉부 CT영상(70)은 심혈관 병변의 관찰과 진단에 적합하지 않은 영상이다.
그러나 영상처리 장치(100)는 흉부 CT영상(70)에 대한 병변 선택단계(S711)에서 심혈관 병변을 선택하면, 딥러닝 선택단계(S712)에서 복수 개의 딥러닝 모델 중 심혈관 병변에 대응되는 딥러닝 모델의 유형을 결정한다. 그리고 병변 검출단계(S713)에서는 결정된 딥러닝 모델을 통해 병변을 검출한다.
즉, 영상처리 장치(100)는 흉부 CT영상(70)을 사전에 심혈관 병변을 검출하도록 훈련된 딥러닝 모델에 입력하여 심혈관 병변을 검출한다. 이때, 흉부 CT영상(70)은 딥러닝 모델에 의한 심혈관 병변 검출 성능이 향상되도록 전처리된 상태일 수 있다.
한편, 딥러닝 모델을 통해 흉부 CT영상(70)에서 심혈관 병변이 발견되면, 영상처리 장치(100)는 특징 추출(S720)을 수행한다. 특징 추출(S720)에서는 심혈관 병변의 크기 및 위치 중 어느 하나를 포함하는 특징을 추출할 수 있다.
그리고 영상처리 장치(100)는 흉부 CT영상(70)에 대한 영상처리(S730)를 수행한다.
영상처리(S730)에서는 흉부 CT영상(70)에 대하여 리사이징 단계(S731), 영상특성 변환단계(S732), 재구성 단계(S733) 및 전송 단계(S734)를 수행한다.
먼저, 리사이징 단계(S731)에서는 심혈관 병변의 관찰이 적합하도록 흉부 CT영상(70)을 리사이징하여, 리사이징 영상(71)을 생성한다. 일례로, 리사이징 단계(S731)에서는 심혈관 병변의 위치가 영상의 중심 영역에 배치되도록 하고, 심혈관 질병의 관찰 및 진단이 가능하도록 영상을 확대하여 리사이징 영상(71)을 생성한다.
이에, 리사이징 영상(71)이 생성되면, 영상처리 장치(100)는 영상특성 변환단계(S732)를 수행할 수 있다. 일례로, 영상특성 변환단계(S732)에서는 강조 주파수 대역을 조절하여 영상특성 변환영상(72)을 생성할 수 있다.
그리고 영상처리 장치(100)는 강조 주파수 대역이 조절된 영상특성 변환영상(72)의 재구성 단계(S733)를 수행할 수 있다. 일례로, 재구성 단계(S733)에서는 심혈관 병변의 형태 관찰이 용이하도록 영상특성 변환영상(72)을 곡면재구성(Curved planar reformation)하여 재구성 영상(73)을 생성할 수 있다.
이후, 재구성 영상(73)이 생성되면, 영상처리 장치(100)는 전송 단계(S734)를 수행할 수 있다. 일례로, 전송 단계(S734)에서는 재구성 영상(73)을 판독의사에게 전달하기 위하여 사전에 지정된 컴퓨터 시스템으로 전송할 수 있다.
이에, 판독의사는 흉부 CT영상(70)을 기반으로 생성된 판독 영상(200)으로 심혈관 병변의 관찰 및 진단을 수행할 수 있다.
이와 같이, 본 실시예에 따른 영상 처리 장치는 사전 획득된 의료영상으로부터 다른 종류의 병변 판독 영상을 생성하여 다음과 같은 효과를 갖는다.
첫째, 본 발명은 의료영상의 병변 특징에 따르는 영상처리를 수행함으로써, 원래 관찰하고자 하는 병변 외에 새로운 병변이 존재하더라도 사전 획득한 영상을 이용하여 새로운 병변의 특징이 적절하게 표현되도록 하여 추가적인 검사를 시행하지 않고도 영상 진단을 수행할 수 있는 효과가 있다.
둘째, 본 발명은 의료영상의 병변 특징에 따르는 영상처리를 수행함으로써, 추가적인 검사를 시행하지 않고서도 영상 진단이 가능하여 추가 검사에 따라 환자의 방문과 검사 과정에서 발생하게 되는 시간과 불편이 발생하지 않도록 하는 효과가 있다.
셋째, 본 발명은 의료영상의 병변 특징에 따르는 영상처리를 수행함으로써, 추가적인 검사를 시행하지 않고도 영상 진단을 수행하여 추가 검사에 따른 인체에 해로운 방사선 조사가 불필요한 효과가 있다.
앞에서 설명되고, 도면에 도시된 본 발명의 일 실시예는 본 발명의 기술적 사상을 한정하는 것으로 해석되어서는 안 된다. 본 발명의 보호범위는 청구범위에 기재된 사항에 의하여만 제한되고, 본 발명의 기술분야에서 통상의 지식을 가진 자는 본 발명의 기술적 사상을 다양한 형태로 개량 변경하는 것이 가능하다. 따라서 이러한 개량 및 변경은 통상의 지식을 가진 자에게 자명한 것인 한 본 발명의 보호범위에 속하게 될 것이다.
Claims (16)
- 사전 학습된 딥러닝(Deep learning) 모델에 의료영상을 입력하여 상기 의료영상의 원래 판독 부위와 다른 판독영역을 인식하는 단계;
상기 의료영상으로부터 상기 판독영역의 위치 및 크기 중 적어도 어느 하나를 포함하는 특징을 추출하는 단계; 및
상기 의료영상을 재구성하여 상기 의료영상의 촬영목적과 다른 상기 판독영역에 대한 판독영상을 생성하는 단계를 포함하고,
상기 의료영상은 제1 병변을 검출하기 위해 촬영된 영상이며,
상기 판독영상은 상기 제1 병변과 상이한 제2 병변을 검출하기 위한 영상을 포함하는 것을 특징으로 하는 영상처리 방법.
- 제1 항에 있어서,
상기 인식하는 단계는
상기 의료영상으로부터 검출이 예상되는 병변을 선택하는 단계와,
복수 개의 딥러닝 모델에서 상기 병변의 검출이 가능한 딥러닝을 선택하는 단계와,
상기 선택된 딥러닝에 상기 의료영상을 입력하여 상기 병변을 포함하는 상기 판독영역을 인식하는 단계를 포함하는 것을 특징으로 하는 영상처리 방법.
- 제2 항에 있어서,
상기 판독영역을 인식하는 단계는
상기 선택된 딥러닝에 상기 의료영상을 입력하기 이전에,
상기 병변의 검출 효율이 향상되도록 상기 딥러닝에 대응되는 전처리를 수행하는 단계를 포함하는 것을 특징으로 하는 영상처리 방법.
- 제1 항에 있어서,
상기 판독 영상을 생성하는 단계는
상기 판독영역에 포함되는 병변의 특징에 따라 상기 병변이 강조되도록 상기 의료영상에 포함되는 상기 병변의 크기를 리사이징(Resizing)하는 단계를 포함하는 것을 특징으로 하는 영상처리 방법.
- 제4 항에 있어서,
상기 리사이징하는 단계는
상기 병변이 영상의 중심 영역에 배치되도록 하고, 상기 영상을 확대하여 상기 병변의 크기가 리사이징되도록 하는 것을 특징으로 하는 영상처리 방법.
- 제1 항에 있어서,
상기 판독 영상을 생성하는 단계는
상기 판독영역에 포함되는 병변의 특징에 따라 상기 병변이 강조되도록 영상특성을 변환하는 단계를 포함하는 것을 특징으로 하는 영상처리 방법.
- 제6 항에 있어서,
상기 영상특성을 변환하는 단계에서는
상기 의료영상의 해상도 및 성분 중 적어도 어느 하나를 변환하는 것을 특징으로 하는 영상처리 방법.
- 제6 항에 있어서,
상기 의료영상은 흉부 CT영상을 포함하고,
상기 병변은 척추 골절을 포함하며,
상기 영상특성을 변환하는 단계에서는
상기 의료영상의 고주파 성분을 강조되도록 상기 의료영상의 영상특성을 변환하는 것을 특징으로 하는 영상처리 방법.
- 제6 항에 있어서,
상기 의료영상은 흉부 CT영상을 포함하고,
상기 병변은 심혈관 병변을 포함하며,
상기 영상특성을 변환하는 단계에서는
상기 의료영상의 강조 주파수 대역을 조절하여 상기 의료영상의 영상특성을 변환하는 것을 특징으로 하는 영상처리 방법.
- 제1 항에 있어서,
상기 판독 영상을 생성하는 단계는
상기 판독영역에 포함되는 병변의 특징에 따라 상기 병변이 강조되도록 영상을 재구성하는 단계를 포함하는 것을 특징으로 하는 영상처리 방법.
- 제10 항에 있어서,
상기 재구성하는 단계에서는
상기 의료영상의 절편을 재구성하는 것을 특징으로 하는 영상처리 방법.
- 제10 항에 있어서,
상기 의료영상은 흉부 CT영상을 포함하고,
상기 병변은 척추 골절을 포함하며,
상기 영상을 재구성하는 단계에서는
상기 척추 골절의 형태가 강조되도록 상기 의료영상을 시상축(Sagittal axis)으로 재구성하는 것을 특징으로 하는 영상처리 방법.
- 제10 항에 있어서,
상기 의료영상은 흉부 CT영상을 포함하고,
상기 병변은 심혈관 병변을 포함하며,
상기 영상을 재구성하는 단계에서는
상기 심혈관 병변의 형태가 강조되도록 상기 의료영상을 곡면재구성(Curved planar reformation)하여 재구성하는 것을 특징으로 하는 영상처리 방법.
- 제1 항에 있어서,
상기 판독 영상을 생성하는 단계는
상기 판독영역에 포함되는 병변의 특징에 따라 상기 병변이 강조되도록 상기 의료영상에 포함되는 상기 병변의 크기를 리사이징하여 리사이징 영상을 생성하는 단계와,
상기 병변의 특징에 따라 상기 병변이 강조되도록 상기 리사이징 영상의 해상도 및 성분 중 적어도 어느 하나를 변환하여 영상특성 변환영상을 생성하는 단계와,
상기 병변의 특징에 따라 상기 병변이 강조되도록 상기 영상특성 변환영상의 절편을 재구성하여 재구성 영상을 생성하는 단계를 포함하는 것을 특징으로 하는 영상처리 방법.
- 사전 학습된 딥러닝 모델에 의료영상을 입력하여 상기 의료영상의 원래 판독 부위와 다른 판독영역을 인식하는 검출부;
상기 의료영상으로부터 상기 판독영역의 위치 및 크기 중 적어도 어느 하나를 포함하는 특징을 추출하는 특징 추출부; 및
상기 의료영상을 재구성하여 상기 의료영상의 촬영목적과 다른 상기 판독영역에 대한 판독영상을 생성하는 영상 처리부를 포함하고,
상기 의료영상은 제1 병변을 검출하기 위해 촬영된 영상이며,
상기 판독영상은 상기 제1 병변과 상이한 제2 병변을 검출하기 위한 영상을 포함하는 것을 특징으로 하는 영상처리 장치.
- 의료장비 및 데이터베이스 중 적어도 어느 하나로부터 제공되는 의료영상에 대한 처리를 수행하는 프로세서를 포함하고,
상기 프로세서는
사전 학습된 딥러닝 모델에 의료영상을 입력하여 상기 의료영상의 원래 판독 부위와 다른 판독영역을 인식하는 단계와,
상기 의료영상으로부터 상기 판독영역의 위치 및 크기 중 적어도 어느 하나를 포함하는 특징을 추출하는 단계와,
상기 의료영상을 재구성하여 상기 의료영상의 촬영목적과 다른 상기 판독영역에 대한 판독영상을 생성하는 단계를 수행하고,
상기 의료영상은 제1 병변을 검출하기 위해 촬영된 영상이며,
상기 판독영상은 상기 제1 병변과 상이한 제2 병변을 검출하기 위한 영상을 포함하는 것을 특징으로 하는 영상처리 장치.
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210096565A KR102389628B1 (ko) | 2021-07-22 | 2021-07-22 | 의료영상의 병변 특징에 따른 영상처리 장치 및 방법 |
| EP22185320.3A EP4123584A1 (en) | 2021-07-22 | 2022-07-15 | Apparatus and method for medical image processing according to lesion property |
| US17/868,314 US20230029394A1 (en) | 2021-07-22 | 2022-07-19 | Apparatus and method for medical image processing according to lesion property |
| JP2022116451A JP7457757B2 (ja) | 2021-07-22 | 2022-07-21 | 医療映像の病変の特徴による映像処理装置及び方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210096565A KR102389628B1 (ko) | 2021-07-22 | 2021-07-22 | 의료영상의 병변 특징에 따른 영상처리 장치 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR102389628B1 true KR102389628B1 (ko) | 2022-04-26 |
| KR102389628B9 KR102389628B9 (ko) | 2022-09-20 |
Family
ID=81390086
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210096565A KR102389628B1 (ko) | 2021-07-22 | 2021-07-22 | 의료영상의 병변 특징에 따른 영상처리 장치 및 방법 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US20230029394A1 (ko) |
| EP (1) | EP4123584A1 (ko) |
| JP (1) | JP7457757B2 (ko) |
| KR (1) | KR102389628B1 (ko) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140134903A (ko) | 2013-05-15 | 2014-11-25 | 세종대학교산학협력단 | 의료 영상 화질 개선 방법 및 그 장치 |
| KR102097743B1 (ko) * | 2019-07-25 | 2020-04-06 | 주식회사 딥노이드 | 인공지능 질환 판독 장치 및 방법 |
| KR20210000553A (ko) * | 2019-06-25 | 2021-01-05 | 서울대학교병원 | 인공 지능 기반 진단 보조 시스템 |
| JP2021083821A (ja) * | 2019-11-29 | 2021-06-03 | 株式会社日立製作所 | 医用画像診断支援システム及び医用画像処理装置、医用画像処理方法 |
| JP6930283B2 (ja) * | 2017-08-18 | 2021-09-01 | コニカミノルタ株式会社 | 画像処理装置、画像処理装置の作動方法、及び画像処理プログラム |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019135234A1 (en) * | 2018-01-03 | 2019-07-11 | Ramot At Tel-Aviv University Ltd. | Systems and methods for the segmentation of multi-modal image data |
-
2021
- 2021-07-22 KR KR1020210096565A patent/KR102389628B1/ko active IP Right Grant
-
2022
- 2022-07-15 EP EP22185320.3A patent/EP4123584A1/en active Pending
- 2022-07-19 US US17/868,314 patent/US20230029394A1/en active Pending
- 2022-07-21 JP JP2022116451A patent/JP7457757B2/ja active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140134903A (ko) | 2013-05-15 | 2014-11-25 | 세종대학교산학협력단 | 의료 영상 화질 개선 방법 및 그 장치 |
| JP6930283B2 (ja) * | 2017-08-18 | 2021-09-01 | コニカミノルタ株式会社 | 画像処理装置、画像処理装置の作動方法、及び画像処理プログラム |
| KR20210000553A (ko) * | 2019-06-25 | 2021-01-05 | 서울대학교병원 | 인공 지능 기반 진단 보조 시스템 |
| KR102097743B1 (ko) * | 2019-07-25 | 2020-04-06 | 주식회사 딥노이드 | 인공지능 질환 판독 장치 및 방법 |
| JP2021083821A (ja) * | 2019-11-29 | 2021-06-03 | 株式会社日立製作所 | 医用画像診断支援システム及び医用画像処理装置、医用画像処理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| EP4123584A1 (en) | 2023-01-25 |
| JP2023016772A (ja) | 2023-02-02 |
| KR102389628B9 (ko) | 2022-09-20 |
| JP7457757B2 (ja) | 2024-03-28 |
| US20230029394A1 (en) | 2023-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11373301B2 (en) | Image diagnostic device, image processing method, and program for obtaining diagnostic prediction models using deep learning | |
| US20120166211A1 (en) | Method and apparatus for aiding imaging diagnosis using medical image, and image diagnosis aiding system for performing the method | |
| US11559273B2 (en) | Mammography apparatus and program | |
| KR102062539B1 (ko) | 딥러닝 기반의 요추 질환 보조 진단 방법 | |
| US8483470B2 (en) | Radiological image area extracting apparatus, radiological image area extraction program, and radiographic apparatus | |
| JP6442311B2 (ja) | 核医学画像中の腫瘍輪郭を抽出する技術 | |
| JP6738305B2 (ja) | 学習データ生成支援装置および学習データ生成支援装置の作動方法並びに学習データ生成支援プログラム | |
| JP2017221483A (ja) | 医用画像処理装置及びプログラム | |
| US9867586B2 (en) | Stereo X-ray tube based suppression of outside body high contrast objects | |
| JP5576631B2 (ja) | 放射線撮影装置、放射線撮影方法、及びプログラム | |
| US10089728B2 (en) | Radiation-image processing device and method | |
| KR102389628B1 (ko) | 의료영상의 병변 특징에 따른 영상처리 장치 및 방법 | |
| JP2008018016A (ja) | 医用画像処理装置及び医用画像処理方法 | |
| US10083503B2 (en) | Image area specification device and method, and X-ray image processing device and method | |
| KR102191412B1 (ko) | 딥러닝 알고리즘을 이용한 자궁 병변 진단 장치 및 방법 | |
| JP6442309B2 (ja) | 核医学画像解析技術 | |
| US11803970B2 (en) | Image judgment device, image judgment method, and storage medium | |
| KR102136107B1 (ko) | 뼈 감쇄된 x-선 영상의 정합 장치 및 방법 | |
| JP2022117177A (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
| JP2007330419A (ja) | 画像表示装置および方法並びにプログラム | |
| US10475180B2 (en) | Radiation-image processing device and method | |
| JP7175795B2 (ja) | Ｘ線画像処理装置、ｘ線診断装置、およびｘ線画像処理プログラム | |
| US20220245925A1 (en) | Information processing apparatus, information processing method, and information processing program | |
| JP5656515B2 (ja) | 医用画像処理装置及び医用画像処理プログラム | |
| JP2006239112A (ja) | 異常陰影検出装置、異常陰影検出方法およびそのプログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |