KR20120102447A - 진단장치 및 방법 - Google Patents

진단장치 및 방법 Download PDF

Info

Publication number
KR20120102447A
KR20120102447A KR20110020619A KR20110020619A KR20120102447A KR 20120102447 A KR20120102447 A KR 20120102447A KR 20110020619 A KR20110020619 A KR 20110020619A KR 20110020619 A KR20110020619 A KR 20110020619A KR 20120102447 A KR20120102447 A KR 20120102447A
Authority
KR
South Korea
Prior art keywords
lesion
tissue
roi
image
corresponds
Prior art date
Application number
KR20110020619A
Other languages
English (en)
Inventor
박문호
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR20110020619A priority Critical patent/KR20120102447A/ko
Priority to US13/296,550 priority patent/US20120232390A1/en
Publication of KR20120102447A publication Critical patent/KR20120102447A/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/13—Tomography
    • A61B8/14—Echo-tomography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0833—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures
    • A61B8/085—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures for locating body or organic structures, e.g. tumours, calculi, blood vessels, nodules
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/46—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient
    • A61B8/461—Displaying means of special interest
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
    • 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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Vascular Medicine (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

진단장치 및 진단방법에 있어서, 진단장치는 피사체로부터 반사된 에코신호에 따른 진단영상에서 적어도 하나의 관심영역을 검출하는 관심영역 검출부, 진단영상에 포함된 적어도 하나의 관심영역의 해상도가 향상된 강조영상을 생성하는 강조영상 생성부, 및 생성된 강조영상을 표시하는 표시부를 포함한다.

Description

진단장치 및 방법{Method and apparatus for diagnostic}
진단장치 및 방법이 개시된다.
초음파의료영상(Ultrasound Medical Imaging)에 따르면, 초음파 신호를 이용하여 인체 내부 장기의 크기, 구조, 병리학적 손상 여부를 나타내는 의료용 진단영상을 실시간으로 생성할 수 있다. 초음파 진단은 CT나 MRI와 비교하여, 암 발병이나 유전자 파괴와 같은 위험을 야기하는 이온 방출(Ionizing Radiation)을 이용하지 않기에 인체에 무해하고, 비침습(Noninvasive) 방식으로 인체 내부를 영상화하기에 널리 사용될 수 있고, 또한, 상대적으로 검사비용이 저렴하고 장비 이동이 용이하다.
관심영역에 대한 고선명 영상을 자동으로 생성하는 진단장치 및 방법을 제공한다. 또한, 상기 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공한다. 해결하려는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상기 기술적 과제를 해결하기 위한 진단장치는 피사체로부터 반사된 에코신호에 따른 진단영상에서 적어도 하나의 관심영역(Region of Interest: ROI)을 검출하는 관심영역 검출부; 상기 적어도 하나의 관심영역이 검출되면, 상기 진단영상에 포함된 적어도 하나의 관심영역의 해상도가 향상된 강조영상을 자동으로 생성하는 강조영상 생성부; 및 상기 생성된 강조영상을 표시하는 표시부;를 포함한다.
상기 다른 기술적 과제를 해결하기 위한 진단방법은 피사체로부터 반사된 에코신호에 따른 진단영상에서 적어도 하나의 관심영역(Region of Interest: ROI)을 검출하는 단계; 상기 적어도 하나의 관심영역이 검출되면, 상기 진단영상에 포함된 적어도 하나의 관심영역의 해상도가 향상된 강조영상을 자동으로 생성하는 단계; 및 상기 생성된 강조영상을 표시하는 단계를 포함한다.
상기 또 다른 기술적 과제를 해결하기 위한 상기된 진단방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공한다.
상기된 바에 따르면, 피사체에 병변이 존재하는지 여부를 판단하기에 용이한 고선명 영상을 자동으로 생성할 수 있다.
도 1은 본 발명의 일 실시예에 따른 진단장치의 구성도이다.
도 2는 본 실시예에 따른 강조영상이 표시된 일 예를 도시한 도면이다.
도 3은 본 실시예에 따른 진단장치를 좀 더 상세히 도시한 구성도이다.
도 4는 도 3에 도시된 제2 결정부의 일 예를 도시한 도면이다.
도 5는 도 3에 도시된 제2 결정부의 다른 예를 도시한 도면이다.
도 6은 본 실시예에 따른 진단방법의 일 예를 나타낸 흐름도이다.
도 7은 본 실시예에 따른 진단방법의 다른 예를 나타낸 흐름도이다.
이하에서는 도면을 참조하여 본 발명의 실시예들을 상세히 설명한다.
도 1은 본 발명의 일 실시예에 따른 진단장치(100)의 구성도이다. 도 1을 참조하면, 본 실시예에 따른 진단장치(100)는 관심영역 검출부(110), 강조영상 생성부(120) 및 표시부(130)로 구성된다.
도 1에 도시된 진단장치(100)에는 본 실시예와 관련된 구성요소들만이 도시되어 있다. 따라서, 도 1에 도시된 구성요소들 외에 다른 범용적인 구성요소들이 더 포함될 수 있음을 본 실시예와 관련된 기술분야에서 통상의 지식을 가진 자라면 이해할 수 있다.
또한, 도 1에 도시된 진단장치(100)의 관심영역 검출부(110) 및 강조영상 생성부(120)들은 하나 또는 복수 개의 프로세서에 해당할 수 있다. 프로세서는 다수의 논리 게이트들의 어레이로 구현될 수도 있고, 범용적인 마이크로 프로세서와 이 마이크로 프로세서에서 실행될 수 있는 프로그램이 저장된 메모리의 조합으로 구현될 수도 있다. 또한, 다른 형태의 하드웨어로 구현될 수도 있음을 본 실시예가 속하는 기술분야에서 통상의 지식을 가진 자라면 이해할 수 있다.
본 실시예에 따른 진단장치(100)는 피사체에 대한 진단을 수행하는 장치이다. 본 실시예에 따른 피사체는 사람의 인체 또는 인체의 간, 유방, 복부 등을 포함할 수 있으나, 이에 한정되지 않는다.
관심영역 검출부(110)는 피사체로부터 반사된 에코신호에 따른 진단영상에서 적어도 하나의 관심영역(Region of Interest: ROI)을 검출한다. 이때, 피사체로부터 반사된 에코신호는 초음파 신호가 될 수 있으나, 이에 한정되지 않는다.
본 실시예에 따른 관심영역은 진단장치(100)의 사용자가 관심을 가지고 관찰하고자 하는 영역을 나타낸다. 이때, 본 실시예에 따른 진단장치(100)의 사용자는 의사, 간호사 등의 의료전문가가 될 수 있으나, 이에 한정되지 않는다.
관심영역에 대하여 예를 들어 설명하면, 본 실시예에 따른 관심영역은 병변 후보영역이 될 수 있고, 병변 후보영역이란 병변으로 의심가는 조직을 포함한 영역을 나타낼 수 있다. 이하에서는 설명의 편의를 위하여, 본 실시예에 따른 관심영역은 하나의 조직을 포함하는 것으로 설명할 것이나, 이에 한정되지 않고, 복수의 조직들을 포함할 수도 있음을 알 수 있다.
또한, 본 실시예에 따른 병변은 악성종양, 악성 메스(mass), 미소석회질(micro calcification) 등을 포함할 수 있음을 본 실시예와 관련된 기술분야에서 통상의 지식을 가진 자라면 알 수 있다.
이에 따라, 본 실시예에 따른 관심영역은 병변일 가능성이 있는 조직을 포함한 영역, 즉, 양성(benign)이 아닐 가능성이 있는 조직을 포함하는 영역이 될 수 있다.
본 실시예에 따른 관심영역 검출부(110)는 관심영역에 대한 정보를 저장하는 데이터베이스(미도시)를 참조하여, 피사체로부터 반사된 에코신호에 따른 진단영상에서 관심영역을 검출할 수 있다.
관심영역 검출부(110)는 이진화 기법에 따라, 진단영상을 구성하는 픽셀들의 픽셀 값을 고려하여 관심영역을 검출할 수 있으나, 이에 한정되지 않는다. 관심영역 검출부(110)에서 관심영역을 검출하는 기법은 본 실시예와 관련된 기술분야에서 통상의 지식을 가진 자라면 알 수 있기에, 상세한 설명은 생략한다.
또한, 관심영역 검출부(110)는 관심영역 각각에 포함된 조직이 병변에 해당하는지 여부를 나타내는 특징(feature)의 정도를 나타내는 특징값을 산출할 수도 있다. 특징값의 산출에 관하여, 이하 강조영상 생성부(120)에서 좀 더 상세히 설명한다.
강조영상 생성부(120)는 관심영역 검출부(110)에서 적어도 하나의 관심영역이 검출되면, 진단영상에 포함된 적어도 하나의 관심영역의 해상도가 향상된 강조영상을 자동으로 생성한다.
예를 들어 설명하면, 강조영상 생성부(120)는 진단영상에 포함된 관심영역들이 관심영역이 아닌 영역(이하 '일반영역'이라 한다)에 비하여 더 높은 해상도를 가지는 강조영상을 생성한다.
이때, 관심영역의 해상도를 향상시키기 위하여, 본 실시예에 따른 진단장치(100)는 피사체로부터 적어도 일 회 이상 에코신호를 추가적으로 수신할 수도 있음을 본 실시예와 관련된 기술분야에서 통상의 지식을 가진 자라면 알 수 있다. 또한, 추가적으로 수신되는 에코신호는 피사체의 관심영역에 포커싱하여 송신된 신호가 반사된 신호가 될 수 있고, 이에 따라, 추가적으로 수신되는 에코신호는 관심영역에 대한 정보를 포함할 수 있다.
따라서, 강조영상 생성부(120)는 관심영역에 대한 정보를 나타내는 에코신호를 추가적으로 더 획득하고, 획득된 에코신호를 이용하여 해상도가 향상된 강조영상을 생성할 수 있다.
관심영역의 해상도가 향상된 강조영상에 관하여, 이하 도 2에서 상세히 설명한다.
또한, 본 실시예에 따른 강조영상 생성부(120)는 관심영역 검출부(110)에서 관심영역이 검출되면, 강조영상을 자동으로 생성한다. 본 실시예에 따른 자동으로 생성한다 함은 진단장치(100) 사용자의 피드백(feedback), 개입, 또는 추가 조작없이 강조영상을 자동으로 생성함을 나타낸다.
추가적으로, 본 실시예에 따른 관심영역 검출부(110)는 복수의 관심영역들을 검출하고, 이에 따라, 강조영상 생성부(120)는 복수의 관심영역들 각각에 포함된 조직이 병변에 해당하는지 여부를 나타내는 특징(feature)의 정도에 따라, 복수의 관심영역들 각각에 대한 해상도 향상 정도가 다른(different) 강조영상을 생성할 수 있다.
이때, 관심영역에 포함된 조직이 병변에 해당하는지 여부를 나타내는 특징(feature)은 관심영역에 포함된 조직의 크기, 모양, 변연(margin), 석회화 등을 포함할 수 있다.
예를 들어 설명하면, 조직의 모양은 원형(round), 타원형(oval), 소엽상(loubulated), 불규칙한 모양(irregular shape)으로 분류할 수 있고, 조직의 모양이 원형에서 불규칙한 모양으로 진행될수록, 조직이 병변에 해당할 확률이 크다.
다른 예를 들어 설명하면, 조직의 변연에 있어서 경계가 불분명하거나, 조직의 경계가 미소엽상(microlobulated), 별모양(stellate), 침상모양(spiculated)일 경우, 종양이 병변에 해당할 확률이 크다.
또 다른 예를 들어 설명하면, 조직이 석회화된 경우, 석회화된 조직의 크기가 약 0.5mm 이하이고, 분포 수가 약 5개/cm3 이상으로 군집되어 있고, 크기나 모양이 다양하고(pleomorphic), 불규칙하게 생기고, 또한, 유관의 분포에 따라 선형 또는 분지(linear or branching)상의 양상을 나타낼 경우, 조직이 병변에 해당할 확률이 크다.
이에 따라, 강조영상 생성부(120)는 관심영역이 병변을 포함하는지 여부를 나타내는 특징의 정도에 따라, 하나의 강조영상 내에서도 해상도의 향상 정도가 서로 다른 복수의 관심영역들을 포함하는 강조영상을 생성할 수 있다.
조직의 모양을 예로 들어 설명하면, 조직의 모양이 원형에서 불규칙한 모양으로 진행될수록, 관심영역에 포함된 조직이 병변에 해당할 특징이 더 커진다. 따라서, 강조영상 생성부(120)는 관심영역에 포함된 조직이 불규칙한 모양을 가질수록, 관심영역의 해상도를 더 높게 향상시킨다.
다만, 상기에서는 조직의 모양 하나만을 예로 들어 설명하였으나, 이에 한정되지 않고, 본 실시예에 따른 강조영상 생성부(120)는 조직이 병변에 해당하는지 여부를 나타내는 복수의 특징을 고려하여, 관심영역에 포함된 조직이 병변에 해당할 확률이 높아질수록 관심영역의 해상도를 더 많이 향상시킬 수 있다.
예를 들어 설명하면, 조직이 병변에 해당하는지 여부를 나타내는 특징의 정도인 특징값은 0 이상 5 이하의 값으로 표현될 수 있다. 즉, 조직이 병변에 해당하는지 여부를 나타내는 복수의 특징을 고려하여, 관심영역에 포함된 조직이 병변에 해당할 확률을 0 이상 5 이하의 값으로 나타낼 수 있다. 이때, 특징값 0은 조직이 병변에 해당할 확률이 상대적으로 낮은 것을 나타내고, 특징값 5는 조직이 병변에 해당할 확률이 상대적으로 높은 것을 나타낸다.
관심영역 검출부(110)에서 검출된 적어도 하나의 관심영역이 제1 관심영역 및 제2 관심영역을 포함하는 경우를 예로 들어 설명하면, 제1 관심영역에 포함된 제1 조직이 병변에 해당하는지 여부를 나타내는 특징에 있어서, 모양에 대한 특징값은 3, 변연에 대한 특징값은 4일 경우, 제1 조직이 병변에 해당하는지 여부를 나타내는 특징의 정도인 특징값은 둘의 평균값인 3.5가 될 수 있다.
또한, 제2 관심영역에 포함된 제2 조직이 병변에 해당하는지 여부를 나타내는 특징에 있어서, 모양에 대한 특징값은 5, 변연에 대한 특징값은 4일 경우, 제2 조직이 병변에 해당하는지 여부를 나타내는 특징의 정도인 특징값은 둘의 평균값인 4.5가 될 수 있다.
이러한 경우, 강조영상 생성부(120)는 제1 관심영역과 제2 관심영역의 해상도가 서로 다른 강조영상을 생성할 수 있다. 좀 더 상세히 설명하면, 일반영역의 해상도보다 제1 관심영역의 해상도가 더 높고, 제1 관심영역보다 제2 관심영역의 특징값이 더 크기에 제1 관심영역의 해상도보다 제2 관심영역의 해상도가 더 높다.
상기에서 관심영역들 각각에 포함된 조직에 대한 특징의 정도인 특징값의 결정은 관심영역 검출부(110)에서 수행될 수 있으나, 이에 한정되지 않고, 강조영상 생성부(120)에서 수행될 수도 있다.
또한, 본 실시예에 따른 강조영상 생성부(120)는 적어도 하나의 관심영역 각각에 포함된 조직이 병변에 해당할 확률이 클수록, 관심영역의 해상도가 크게 증가된 강조영상을 생성한다.
예를 들어 설명하면, 관심영역에 포함된 조직이 병변에 해당할 확률이 50%미만인 경우, 강조영상 생성부(120)는 관심영역의 해상도가 일반영역의 해상도에 비하여 2배 증가된 강조영상을 생성하고, 또한, 관심영역에 포함된 조직이 병변에 해당할 확률이 80%이상인 경우, 강조영상 생성부(120)는 관심영역의 해상도를 일반영역의 해상도에 비하여 8배 증가된 강조영상을 생성할 수 있다.
이에 따라, 관심영역에 포함된 조직이 병변에 해당할 확률이 클수록, 관심영역의 해상도가 많이 향상되기에, 진단의 정확성이 향상될 수 있다.
또한, 본 실시예에 따른 강조영상 생성부(120)는 관심영역의 해상도가 향상된 정도를 달리하는 복수의 강조영상들을 생성할 수 있다. 복수의 강조영상들의 생성은 설정에 의하여 자동으로 수행될 수 있다.
이때, 생성된 복수의 강조영상들 각각은 표시부(130)에 순차적으로 전환하여 표시될 수 있다. 이때, 순차적 전환은 자동 또는 사용자의 조작에 따라 수행될 수 있다.
예를 들어 설명하면, 강조영상 생성부(120)는 일반영역에 대하여 관심영역의 해상도를 4배 향상시킨 제1 강조영상 및 일반영역에 대하여 관심영역의 해상도를 8배 향상시킨 제2 강조영상을 각각 생성할 수 있다.
다른 예를 들어 설명하면, 강조영상 생성부(120)는 일반영역에 대하여 제1 관심영역의 해상도를 2배 향상시키고, 일반영역에 대하여 제2 관심영역의 해상도를 3배 향상시킨 제1 강조영상 및 일반영역에 대하여 제1 관심영역의 해상도를 4배 향상시키고, 일반영역에 대하여 제2 관심영역의 해상도를 6배 향상시킨 제2 강조영상을 각각 생성할 수 있다.
이에 따라, 강조영상 생성부(120)는 사용자의 편의성을 고려한 다양한 강조영상들을 자동으로 생성할 수 있다.
상기에서 기재된 바에 따라, 강조영상 생성부(120)는 사용자가 관심을 가지고자 하는 영역들 각각에 대하여, 사용자의 관심 정도를 고려하여 다양한 해상도를 가지는 강조영상을 생성할 수 있기에, 진단의 편의성 및 정확성을 향상시킬 수 있다. 또한, 강조영상 생성부(120)는 강조영상을 자동으로 생성하기에, 진단장치(100)를 수동으로 조절하는 시간 및 노력이 감소될 수 있다.
표시부(130)는 강조영상 생성부(120)에서 생성된 강조영상을 표시한다. 표시부(130)는 진단장치(100)에 마련된 디스플레이 패널, 터치 화면, LCD 화면, 모니터 등의 출력 장치 및 이들을 구동하는 소프트웨어를 모두 포함한다.
따라서, 본 실시예에 따른 진단장치(100)는 진단시 유의하여 관찰이 요구되는 관심영역에 대하여 자동으로 해상도가 향상된 강조영상을 생성 및 표시하기에, 진단장치(100) 사용자의 진단 편의성 및 정확성을 향상시킬 수 있다.
또한, 본 실시예에 따른 진단장치(100)는 컴퓨터지원진단(Computer Aided Diagnostics; CAD) 기법, 또는 다단계 컴퓨터지원진단 기법을 이용하여 피사체를 진단할 수 있으나, 이에 한정되지 않는다. 컴퓨터지원진단 기법은 의료영상 및 환자 데이터를 기반으로 컴퓨터를 이용하여 병변을 자동으로 검출 및 진단하는 것으로, 병변 결정의 정확도를 향상시킬 수 있다.
도 2는 본 실시예에 따른 강조영상이 표시된 일 예를 도시한 도면이다. 도 1 및 도 2를 참조하면, 표시부(130)는 강조영상(21)을 표시하고 있다.
관심영역 검출부(110)가 제1 관심영역(22), 제2 관심영역(23) 및 제3 관심영역(24)을 검출한 경우를 예로 들어 설명하면, 강조영상 생성부(120)는 진단영상에 포함된 제1 관심영역(22), 제2 관심영역(23) 및 제3 관심영역(24)의 해상도가 향상된 강조영상을 자동으로 생성한다.
진단영상의 해상도가 a인 경우를 예로 들어 설명하면, 강조영상에 있어서 일반영역(25)의 해상도는 a이다. 이러한 경우, 제1 관심영역(22), 제2 관심영역(23) 및 제3 관심영역(24)의 해상도는 b가 될 수 있다. 이때, a<b와 같은 크기를 가진다.
또한, 제1 관심영역(22)에 포함된 제1 조직이 병변에 해당하는지 여부를 나타내는 특징의 정도가 가장 작고, 제3 관심영역(24)에 포함된 제3 조직이 병변에 해당하는지 여부를 나타내는 특징의 정도가 가장 큰 경우를 예로 들어 설명하면, 진단영상의 해상도가 a인 경우, 강조영상에 있어서 일반영역(25)의 해상도는 a이다. 이러한 경우, 제1 관심영역(22), 제2 관심영역(23) 및 제3 관심영역(24) 각각의 해상도는 b, c, d가 될 수 있다. 이때, a<b<c<d와 같은 크기를 가진다.
따라서, 강조영상 생성부(120)는 관심영역의 해상도가 향상된 강조영상을 생성할 수 있고, 생성된 강조영상은 표시부(130)에 표시될 수 있다.
도 3은 본 실시예에 따른 진단장치(100)를 좀 더 상세히 도시한 구성도이다. 도 3을 참조하면, 진단장치(100)는 프로브(102), 진단영상 생성부(104), 관심영역 검출부(110), 강조영상 생성부(120), 표시부(130), 병변 결정부(140), 데이터베이스(150) 및 데이터베이스 관리부(155)로 구성되고, 병변 결정부(140)는 제1 결정부(142), 제2 결정부(144) 및 제3 결정부(146)로 구성된다.
도 3에 도시된 진단장치(100)에는 본 실시예와 관련된 구성요소들만이 도시되어 있다. 따라서, 도 3에 도시된 구성요소들 외에 다른 범용적인 구성요소들이 더 포함될 수 있음을 본 실시예와 관련된 기술분야에서 통상의 지식을 가진 자라면 이해할 수 있다.
도 3에 도시된 진단장치(100)는 도 1에 도시된 진단장치(100)의 일 실시예에 해당한다. 이에 따라, 본 실시예에 따른 진단장치(100)는 도 3에 도시된 유닛들에 한정되지 않는다. 또한, 도 1과 관련하여 기재된 내용은 도 3에 도시된 진단장치(100)에도 적용이 가능하기에 중복되는 설명은 생략한다.
프로브(probe)(102)는 피사체와 신호를 송수신한다. 이때, 송수신되는 신호는 초음파 신호가 될 수 있으나, 이에 한정되지 않는다. 프로브(102)는 트랜스듀서(transducer)를 이용하여 전기신호를 초음파 신호로 변환하여 피사체에 송신하고, 피사체로부터 반사된 초음파 신호를 전기신호로 재변환한다.
또한, 본 실시예에 따른 프로브(102)는 피사체와 송수신하는 신호의 지연시간을 제어하는 빔포머(beamformer)를 포함할 수 있음을 본 실시예와 관련된 기술분야에서 통상의 지식을 가진 자라면 알 수 있다. 이에 따라, 프로브(102)는 피사체로부터 반사된 초음파 신호를 전기신호로 변환하고, 변환된 전기신호를 이용하여 진단영상을 생성하는 수신빔을 형성할 수 있다.
본 실시예에 따른 피사체로부터 반사된 에코신호는 피사체로부터 반사된 초음파 신호. 피사체로부터 반사된 초음파 신호가 전기신호로 변환된 신호 및 진단영상을 생성하기 위한 수신 빔을 모두 포함할 수 있다.
또한, 강조영상 생성부(120)에서 관심영역의 해상도가 향상된 강조영상이 생성되도록 하기 위하여, 본 실시예에 따른 프로브(102)는 피사체로부터 적어도 일 회 이상 에코신호를 추가적으로 수신할 수 있다. 이를 위하여, 프로브(102)는 관심영역 검출부(110)에서 검출된 관심영역에 포커싱하여 신호를 송신할 수 있고, 이때, 프로브(102)는 송신되는 신호의 게인(gain), 역동범위(dynamic range), 감도시간조정(Sensitivity Time Control: STC / Time Gain Compensation: TGC), 초점의 개수와 위치 및 시야심도(depth of focus) 등을 조정하여, 관심영역에 포커싱된 신호를 송수신할 수 있다. 프로브(102)에서 이러한 파라미터들을 조정하는 것은 관심영역 검출부(110)에서 관심영역이 검출됨에 따라 자동으로 수행될 수 있다.
프로브(102)에서 관심영역에 포커싱된 신호를 송수신하는 방법은 본 실시예와 관련된 기술분야에서 통상의 지식을 가진 자라면 알 수 있기에 상세한 설명은 생략한다.
진단영상 생성부(104)는 피사체로부터 반사된 에코신호를 이용하여 진단영상을 생성한다. 좀 더 상세히 설명하면, 진단영상 생성부(104)는 DSP(Digital Signal Processor)(미도시) 및 DSC(Digital Scan Converter)(미도시)를 포함할 수 있다. 본 실시예에 따른 DSP는 프로브(102)로부터 출력되는 신호를 처리하여 b, c 또는 d 모드 등을 표현하는 영상데이터를 형성하고, DSC는 DSP에서 형성된 영상데이터를 디스플레이하기 위하여 스캔변환된 진단영상을 생성한다.
관심영역 검출부(110)는 진단영상 생성부(104)에서 생성된 진단영상에서 적어도 하나의 관심영역을 검출한다. 또한, 관심영역 검출부(110)는 관심영역 각각에 포함된 조직이 병변에 해당하는지 여부를 나타내는 특징의 정도를 나타내는 특징값을 산출할 수도 있다.
강조영상 생성부(120)는 관심영역 검출부(110)에서 적어도 하나의 관심영역이 검출되면, 진단영상 생성부(104)에서 생성된 진단영상에 포함된 적어도 하나의 관심영역의 해상도가 향상된 강조영상을 자동으로 생성한다.
이때, 강조영상 생성부(120)는 강조영상을 생성하기 위하여 프로브(102)로부터 에코신호를 추가적으로 더 수신할 수 있다. 즉, 강조영상 생성부(120)는 관심영역 검출부(110)에서 검출된 관심영역에 대한 정보를 포함하는 에코신호를 자동으로 추가적으로 더 수신하고, 추가적으로 수신된 에코신호를 참조하여 자동으로 강조영상을 생성할 수 있다.
본 실시예에 따른 강조영상 생성부(120)는 진단영상 생성부(104)에서와 같이, DSP(Digital Signal Processor)(미도시) 및 DSC(Digital Scan Converter)(미도시)를 포함할 수 있다.
표시부(130)는 진단영상 생성부(104)에서 생성된 진단영상, 강조영상 생성부(120)에서 생성된 강조영상 및 병변 결정부(140)의 결정 결과 중 적어도 어느 하나를 표시한다.
예를 들어 설명하면, 표시부(130)는 진단영상을 표시하거나, 강조영상을 표시하거나, 또는 강조영상에 병변이 포함되는지 여부를 나타내는 정보를 함께 표시할 수도 있다.
병변 결정부(140)는 관심영역 검출부(120)에서 검출된 적어도 하나의 관심영역 각각에 대하여, 진단영상 및 강조영상 중 적어도 어느 하나에서 제1 관심영역에 포함된 제1 조직이 병변에 해당하는지 여부를 결정하고, 결정된 결과들을 이용하여 제1 조직이 병변에 해당하는지 여부를 최종적으로 결정한다. 또한, 병변 결정부(140)는 관심영역 검출부(120)에서 관심영역이 검출되면, 검출된 관심영역에 포함된 조직이 병변에 해당하는지 여부를 자동으로 결정할 수 있다.
본 실시예에 따른 제1 관심영역은 관심영역 검출부(120)에서 검출된 적어도 하나의 관심영역에 포함되고, 제1 관심영역은 제1 조직을 포함한다. 이하에서는 설명의 편의를 위하여, 제1 관심영역 및 제1 관심영역에 포함된 제1 조직을 예로 들어 설명할 것이나, 이러한 설명은 관심영역 검출부(120)에서 검출된 관심영역과 이에 포함된 조직 각각에 대하여 적용될 수 있음을 알 수 있다.
병변 결정부(140)는 제1 결정부(142), 제2 결정부(144) 및 제3 결정부(146)를 포함한다. 또한, 본 실시예에 따른 제1 결정부(142) 및 제2 결정부(144) 각각은 컴퓨터지원진단 기법에 따른 분류기(classifier)를 이용하여, 제1 조직을 병변 또는 병변이 아닌 조직으로 분류할 수 있으나, 이에 한정되지 않는다.
제1 결정부(142)는 진단영상에서 제1 조직이 병변에 해당하는지 여부를 나타내는 특징의 정도인 제1 특징값을 이용하여, 제1 조직이 병변에 해당하는지 여부를 결정한다. 이때, 제1 특징값은 관심영역 검출부(110), 또는 진단영상 생성부(104)에서 산출되거나, 또는 제1 결정부(142)에서 결정될 수 있다.
이에 따라, 제1 결정부(142)는 병변인지 여부를 결정하는 임계값을 제1 특징값과 비교하여 제1 특징값이 임계값을 초과하는 경우, 제1 결정부(142)는 제1 조직이 병변에 해당한다고 결정한다. 예를 들어 설명하면, 제1 결정부(142)에 포함된 분류기는 제1 조직을 병변으로 분류할 수 있다.
반대로, 제1 결정부(142)는 제1 특징값이 임계값 이하인 경우, 제1 결정부(142)는 제1 조직이 병변이 아니라고 결정한다. 예를 들어 설명하면, 제1 결정부(142)에 포함된 분류기는 제1 조직을 병변이 아닌 조직으로 분류할 수 있다.
이때, 제1 결정부(142)에 포함된 분류기는 컴퓨터지원진단 기법에서 사용되는 분류기가 될 수 있다. 이에 따라, 본 실시에에 따른 제1 결정부(142)에 포함된 분류기는 학습에 의하여 임계값을 조정할 수 있다. 예를 들어 설명하면, 분류기는 MLP(Multi-Layer Perceptron)과 같은 통계적 패턴 인식 방법 등을 이용하여 학습 데이터에 따라, 적응적으로 임계값을 조정할 수 있다. 또한, 상기에서는 설명의 편의를 위하여 분류기가 하나의 임계값을 이용하는 것으로 설명하였으나, 이에 한정되지 않고, 분류의 기준이 되는 2차원 상의 선 또는 3차원 상의 평면 등을 이용할 수도 있다.
본 실시예와 관련된 기술분야에서 통상의 지식을 가진 자라면 컴퓨터지원진단 기법에서 학습 데이터를 이용하는 분류기에 관하여 알 수 있기에, 상세한 설명은 생략한다.
제2 결정부(144)는 진단영상 및 강조영상 중 적어도 어느 하나에서 제1 조직이 병변에 해당하는지 여부를 나타내는 특징의 정도인 제2 특징값을 이용하여, 제1 조직이 병변에 해당하는지 여부를 결정한다. 이때, 제2 특징값은 제2 결정부(144)에서 결정될 수 있다.
다만, 본 실시예에 따른 제2 결정부(144)는 제1 조직이 병변인지 병변이 아닌 조직인지를 결정하는 제2 특징값을 결정함에 있어서, 강조영상에 포함된 관심영역의 해상도에 따라 결정하거나, 또는 진단영상 및 강조영상으로부터 공통으로 추출된 해상도에 무관한 특징에 따라 결정될 수 있다. 이에 관하여, 이하 도 4 내지 도 5에서 상세히 설명한다.
이때, 제2 결정부(144)에 포함된 분류기는 컴퓨터지원진단 기법에서 사용되는 분류기가 될 수 있고, 제1 결정부(142)에서 설명한 바와 같이, 본 실시예와 관련된 기술분야에서 통상의 지식을 가진 자라면 컴퓨터지원진단 기법에서 학습 데이터를 이용하는 분류기에 관하여 알 수 있기에, 상세한 설명은 생략한다.
또한, 제2 결정부(144)는 병변인지 여부를 결정하는 임계값을 제2 특징값과 비교하여 제2 특징값이 임계값을 초과하는 경우, 제2 결정부(144)는 제1 조직이 병변에 해당한다고 결정한다. 예를 들어 설명하면, 제2 결정부(144)에 포함된 분류기는 제1 조직을 병변으로 분류할 수 있다.
반대로, 제2 결정부(144)는 제2 특징값이 임계값 이하인 경우, 제2 결정부(144)는 제1 조직이 병변이 아니라고 결정한다. 예를 들어 설명하면, 제2 결정부(144)에 포함된 분류기는 제1 조직을 병변이 아닌 조직으로 분류할 수 있다.
또한, 제2 결정부(144)에서 사용되는 임계값은 제1 결정부(142)에서 사용되는 임계값과 동일한 것이 일반적이나, 이에 한정되지 않는다.
제3 결정부(146)는 제1 결정부(142) 및 제2 결정부(144)에서의 결정결과가 서로 다를 경우, 제1 특징값 및 제2 특징값을 판정비율에 따라 혼합하여, 제1 조직이 병변에 해당하는지 여부를 최종적으로 결정한다.
다만, 제3 결정부(146)는 제1 결정부(142) 및 제2 결정부(144)에서의 결정결과가 동일할 경우, 동일한 결정결과를 최종결과로 결정한다.
예를 들어 설명하면, 제1 관심영역에 포함된 제1 조직이 제1 결정부(142)에서 병변으로 결정되고, 제1 관심영역에 포함된 제1 조직이 제2 결정부(144)에서 병변으로 결정된 경우, 제3 결정부(146)는 제1 관심영역에 포함된 제1 조직을 병변으로 결정한다.
하지만, 제1 관심영역에 포함된 제1 조직이 제1 결정부(142)에서 병변으로 결정되고, 제1 관심영역에 포함된 제1 조직이 제2 결정부(144)에서 병변으로 결정되지 않은 경우, 또는, 이와 반대로 제1 관심영역에 포함된 제1 조직이 제1 결정부(142)에서 병변으로 결정되지 않고, 제1 관심영역에 포함된 제1 조직이 제2 결정부(144)에서 병변으로 결정된 경우, 제3 결정부(146)는 제1 특징값 및 제2 특징값을 판정비율에 따라 혼합하여, 제1 조직이 병변에 해당하는지 여부를 최종적으로 결정한다. 이때, 판정비율은 제1 특징값과 제2 특징값을 혼합하는 비를 나타낸다. 이는 기본으로 설정된 비율을 사용하거나, 또는 사용자에 의하여 설정될 수도 있다.
이에 따라, 제3 결정부(146)는 수학식 1과 같은 연산을 수행할 수 있다.
Figure pat00001
상기 수학식 1에서, FVFinal은 최종 특징값, FV1은 제1 특징값, FV2는 제2 특징값, R1은 판정비율을 설정하기 위한 값으로 0이상 1이하의 유리수가 될 수 있다. 이에 따라, 판정비율은 R1:(1-R1)이 될 수 있다.
따라서, 사용자는 R1을 설정함에 따라, 판정비율을 조정할 수 있다. 사용자는 진단영상에서의 결과에 대한 신뢰도가 더 높을 경우 R1을 증가시키고, 강조영상에서의 결과에 대한 신뢰도가 더 높을 경우 R1을 감소시킬 수 있다.
이에 따라, 제3 결정부(146)는 수학식 1과 같은 연산에 따라 최종 특징값을 산출하고, 산출된 최종 특징값을 병변인지 여부를 결정하는 임계값과 비교하여, 제1 조직이 병변에 해당하는지 여부를 최종적으로 결정한다.
즉, 제3 결정부(146)는 병변인지 여부를 결정하는 임계값을 최종 특징값과 비교하여 최종 특징값이 임계값을 초과하는 경우, 제3 결정부(146)는 제1 조직이 병변에 해당한다고 최종적으로 결정한다.
반대로, 제3 결정부(146)는 최종 특징값이 임계값 이하인 경우, 제3 결정부(146)는 제1 조직이 병변이 아니라고 결정한다.
제3 결정부(146)에서 사용되는 임계값은 제1 결정부(142) 및 제2 결정부(144)에서 사용되는 임계값과 동일한 것이 일반적이나, 이에 한정되지 않는다.
제1 관심영역에 포함된 제1 조직에 대한 제1 특징값이 3.4, 제2 특징값이 3.6, 병변인지 여부를 결정하는 임계값이 3.5인 경우를 예로 들어 설명하면, 제1 결정부(142)는 제1 관심영역에 포함된 제1 조직이 병변이 아니라고 결정하고, 제2 결정부(144)는 제1 관심영역에 포함된 제1 조직이 병변이라고 결정한다.
이러한 경우, 제3 결정부(146)는 제1 특징값 및 제2 특징값을 판정비율에 따라 혼합하여, 제1 조직이 병변에 해당하는지 여부를 최종적으로 결정한다. 판정비율을 설정하기 위한 값 R1이 0.4인 경우, 제3 결정부(146)는 수학식 2와 같은 연산을 수행할 수 있다.
Figure pat00002
이에 따라, 제3 결정부(146)는 최종 특징값이 임계값이 3.5 초과이기에, 제1 관심영역에 포함된 제1 조직을 병변이라고 결정한다.
따라서, 진단장치(100)는 관심영역에 포함된 조직이 병변인지 여부를 정확하게 결정할 수 있고, 이러한 결정과정은 자동으로 수행되기에 진단의 편의성 및 정확성이 향상될 수 있다.
또한, 본 실시예에 따른 제2 결정부(142)는 두 개 이상의 강조영상들을 이용하여 제1 관심영역에 포함된 제1 조직이 병변에 해당하는지 여부를 결정할 수 있다. 예를 들어 설명하면, 강조영상 생성부(120)는 일반영역 및 관심영역 중 적어도 어느 하나에 대한 해상도를 달리하는 복수의 강조영상들을 생성할 수 있고, 제2 결정부(142)는 복수의 강조영상들 각각에서 제1 관심영역에 포함된 제1 조직이 병변에 해당하는지 여부를 결정한다.
이에 따라, 제3 결정부(146)는 제1 결정부(142)에서의 결정결과 및 제2 결정부(144)에서 결정된 복수의 결정결과들을 고려하여, 제1 관심영역에 포함된 제1 조직이 병변에 해당하는지 여부를 결정한다.
N개의 강조영상들이 생성된 경우를 예로 들어 설명하면, 제3 결정부(146)는 수학식 3과 같은 연산을 수행할 수 있다.
Figure pat00003
상기 수학식 3에서, FVFinal은 최종 특징값, FV1은 제1 특징값, FV2n는 n번째 강조영상에 대한 제2 특징값, R1은 판정비율을 설정하기 위한 값으로 0이상 1이하의 유리수가 될 수 있다. 이때, n 및 N은 자연수이고, N은 1 이상의 자연수가 될 수 있다.
이에 따라, 진단장치(100)는 복수의 강조영상들을 이용하여 관심영역에 포함된 조직이 병변에 해당하는지 여부를 결정하기에, 진단결과의 정확성을 향상시킬 수 있다.
따라서, 병변 결정부(140)는 적어도 하나의 관심영역에 포함된 각각의 조직이 병변인지 또는 병변이 아닌 조직에 해당하는지 여부를 결정하고, 표시부(130)는 병변 결정부(120)의 결정결과를 강조영상에 더 표시할 수 있다.
예를 들어 설명하면, 강조영상에 포함된 제1 관심영역 내지 제3 관심영역에 있어서, 제1 관심영역만이 병변에 해당할 경우, 표시부(130)는 제1 관심심영역이 병변에 해당함을 나타낸다.
이에 따라, 사용자는 피사체에 병변이 존재하는지 여부를 직관적으로 인식할 수 있기에, 진단의 편의성이 향상될 수 있다.
데이터베이스(150)는 관심영역을 검출하기 위한 특징에 대한 정보를 저장한다. 본 실시예에 따른 관심영역을 검출하기 위한 특징은 조직의 크기, 모양, 변연(margin), 석회화 등을 포함할 수 있다.
데이터베이스 관리부(155)는 병변 결정부(140)에서 제1 조직이 병변이 아닌 것으로 결정되면, 제1 조직에 대응하는 특징이 관심영역에 해당되지 않는다는 정보를 데이터베이스(150)에 추가한다.
제1 관심영역에 포함된 조직의 크기가 약 0.2×0.2cm2이고, 조직의 모양이 타원형이고, 조직의 경계가 별모양인 경우를 예로 들어 설명한다. 관심영역 검출부(110)에서 제1 관심영역을 검출하였으나, 병변 결정부(140)의 결정결과 제1 관심영역이 병변이 아닌 것으로 결정된 경우, 데이터베이스 관리부(155)는 제1 관심영역에 포함된 제1 조직에 대응하는 특징이 관심영역에 해당되지 않는다는 정보를 데이터베이스(150)에 추가한다.
즉, 데이터베이스 관리부(155)는 제1 조직의 특징인 조직의 크기가 약 0.2×0.2cm2이고, 조직의 모양이 타원형이고, 조직의 경계가 별모양인 경우, 관심영역에서 제외시킨다는 정보를 데이터베이스(150)에 추가한다.
이에 따라, 데이터베이스 관리부(155)는 진단장치(100)의 관심영역 검출부(110)에서 관심영역을 검출하는 정확도를 향상시킬 수 있다.
또한, 본 실시예에 따른 진단장치(100)는 진단과정에서 유의하여 관찰하여야 하는 관심영역이 선명한 강조영상을 자동으로 생성하기에, 신속하고 정확한 진료에 도움이 될 수 있고, 진단장치(100) 사용자의 경험 및 사전지식에 무관하게, 진단의 정확성을 담보할 수 있다.
도 4는 도 3에 도시된 제2 결정부(144)의 일 예를 도시한 도면이다. 도 4를 참조하면, 제2 결정부(144)는 강조영상에 포함된 관심영역이 가질 수 있는 복수의 해상도들 각각에 대응하여 관심영역에 포함된 조직을 병변 또는 병변이 아닌 조직으로 분류하는 해상도에 따른 복수의 분류기(classifier)들을 포함한다.
본 실시예에 따른 해상도에 따른 복수의 분류기들은 제1 분류기(1441), 제2 분류기(1442), 제3 분류기(1443), ... , 제M 분류기(1444)로 구성될 수 있다.
도 4를 참조하여 예를 들어 설명하면, 1×1 해상도를 가지는 관심영역(41)인 경우 제1 분류기(1441)는 관심영역(41)에 포함된 제1 조직이 병변에 해당하는지 여부를 나타내는 특징의 정도인 제2 특징값을 결정하고, 결정된 제2 특징값을 이용하여 제1 조직을 병변 또는 병변이 아닌 조직으로 분류한다.
다른 예를 들어 설명하면, 2×2 해상도를 가지는 관심영역(42)인 경우 제2 분류기(1442)는 관심영역(42)에 포함된 제1 조직이 병변에 해당하는지 여부를 나타내는 특징의 정도인 제2 특징값을 결정하고, 결정된 제2 특징값을 이용하여 제1 조직을 병변 또는 병변이 아닌 조직으로 분류한다.
또 다른 예를 들어 설명하면, 3×3 해상도를 가지는 관심영역(43)인 경우 제3 분류기(1443)는 관심영역(43)에 포함된 제1 조직이 병변에 해당하는지 여부를 나타내는 특징의 정도인 제2 특징값을 결정하고, 결정된 제2 특징값을 이용하여 제1 조직을 병변 또는 병변이 아닌 조직으로 분류한다.
이와 같은 방식으로, 제2 결정부(144)는 복수의 분류기들 중 강조영상에 포함된 관심영역 각각의 해상도에 대응하는 분류기를 사용하여 관심영역에 포함된 조직이 병변에 해당하는지 여부를 결정하고, 결정결과에 따라 병변 또는 병변이 아닌 조직으로 분류할 수 있다.
도 5는 도 3에 도시된 제2 결정부(144)의 다른 예를 도시한 도면이다. 도 5를 참조하면, 제2 결정부(144)는 진단영상 및 강조영상으로부터 제1 조직이 병변에 해당하는지 여부를 나타내는 특징을 공통으로 추출하고, 추출된 특징들을 이용하여 제1 조직을 병변으로 분류하는 해상도에 무관한 분류기(1445)를 포함한다.
도 5를 참조하여 설명하면, 해상도에 무관한 분류기(1445)는 진단영상에 포함된 제1 관심영역 및 강조영상에 포함된 제1 관심영역으로부터 제1 관심영역에 포함된 제1 조직이 병변에 해당하는지 여부를 나타내는 특징을 공통으로 추출한다. 이때, 해상도에 무관한 분류기(1445)는 진단영상 및 강조영상으로부터 제1 조직에 대한 특징을 추출하고, 추출된 특징들을 이용하여 제1 조직을 병변 또는 병변이 아닌 조직으로 분류한다.
1×1 해상도를 가지는 진단영상에서의 제1 관심영역(51), 2×2 해상도를 가지는 강조영상에서의 제1 관심영역(52)을 예로 들어 설명하면, 해상도에 무관한 분류기(1445)는 1×1 해상도를 가지는 진단영상에서의 제1 관심영역(51) 및 2×2 해상도를 가지는 강조영상에서의 제1 관심영역(52)으로부터 제1 관심영역(51 및 52)에 포함된 제1 조직이 병변에 해당하는지 여부를 나타내는 특징을 공통으로 추출한다. 또한, 해상도에 무관한 분류기(1445)는 추출된 특징으로부터 제2 특징값을 결정하고, 결정된 제2 특징값을 이용하여 제1 조직을 병변 또는 병변이 아닌 조직으로 분류한다.
이와 같은 방식으로, 제2 결정부(144)는 해상도에 무관한 분류기(1445)를 사용하여 관심영역에 포함된 조직이 병변에 해당하는지 여부를 결정하고, 결정결과에 따라 병변 또는 병변이 아닌 조직으로 분류할 수 있다.
도 6은 본 실시예에 따른 진단방법의 일 예를 나타낸 흐름도이다. 도 6을 참조하면, 진단방법은 도 1 및 도 3에 도시된 진단장치(100)에서 시계열적으로 처리되는 단계들로 구성된다. 따라서, 이하에서 생략된 내용이라 하더라도 도 1 및 도 3에 도시된 진단장치(100)에 관하여 이상에서 기술된 내용은 도 6의 진단방법에도 적용됨을 알 수 있다.
601 단계에서 관심영역 검출부(110)는 피사체로부터 반사된 에코신호에 따른 진단영상에서 적어도 하나의 관심영역(Region of Interest: ROI)을 검출한다.
602 단계에서 강조영상 생성부(120)는 상기 601 단계에서 적어도 하나의 관심영역이 검출되면, 진단영상에 포함된 적어도 하나의 관심영역의 해상도가 향상된 강조영상을 자동으로 생성한다. 추가적으로, 강조영상 생성부(120)는 복수의 관심영역들 각각에 포함된 조직이 병변에 해당하는지 여부를 나타내는 특징의 정도에 따라, 복수의 관심영역들 각각에 대한 해상도의 향상 정도가 서로 다른 강조영상을 생성할 수 있고, 또한, 강조영상 생성부(120)는 적어도 하나의 관심영역 각각에 포함된 조직이 병변에 해당할 확률이 클수록, 관심영역의 해상도가 크게 증가된 강조영상을 생성할 수 있다.
603 단계에서 표시부(130)는 상기 602 단계에서 생성된 강조영상을 표시한다.
본 실시예에 따른 진단방법에 따라 피사체의 관심영역에 대하여 해상도가 향상된 강조영상이 자동으로 생성될 수 있다.
도 7은 본 실시예에 따른 진단방법의 다른 예를 나타낸 흐름도이다. 도 7을 참조하면, 진단방법은 도 1 및 도 3에 도시된 진단장치(100)에서 시계열적으로 처리되는 단계들로 구성된다. 따라서, 이하에서 생략된 내용이라 하더라도 도 1 및 도 3에 도시된 진단장치(100)에 관하여 이상에서 기술된 내용은 도 7의 진단방법에도 적용됨을 알 수 있다.
701 단계에서 프로브(102)는 피사체로부터 반사된 에코신호를 수신한다.
702 단계에서 진단영상 생성부(104)는 상기 701 단계에서 수신된 에코신호를 이용하여 진단영상을 생성한다.
703 단계에서 관심영역 검출부(110)는 상기 702 단계에서 생성된 진단영상에서 관심영역을 검출한다. 이때, 관심영역이 검출되지 않으면 710 단계로 진행하고, 적어도 하나의 관심영역이 검출되면 704 단계로 진행한다.
704 단계에서 강조영상 생성부(120)는 상기 703 단계에서 적어도 하나의 관심영역이 검출되면, 진단영상에 포함된 적어도 하나의 관심영역의 해상도가 향상된 강조영상을 자동으로 생성한다.
705 단계에서 제1 결정부(142)는 진단영상에서 적어도 하나의 관심영역 각각에 포함된 조직이 병변에 해당하는지 여부를 결정하고, 706 단계에서 제2 결정부(144)는 진단영상 및 강조영상 중 적어도 어느 하나에서 관심영역에 포함된 조직이 병변에 해당하는지 여부를 결정한다.
707 단계에서 제3 결정부(146)는 상기 705 단계에서의 결정결과와 상기 706 단계에서의 결정결과가 동일한지 여부를 판단한다. 상기 705 단계에서의 결정결과와 상기 706 단계에서의 결정결과가 동일하지 않은 경우 708 단계로 진행하고, 상기 705 단계에서의 결정결과와 상기 706 단계에서의 결정결과가 동일한 경우 709 단계로 진행한다.
708 단계에서 제3 결정부(146)는 제1 결정부(142)에서 이용된 제1 특징값 및 제2 결정부(144)에서 이용된 제2 특징값을 판정비율에 따라 혼합하여, 관심영역에 포함된 조직이 병변에 해당하는지 여부를 최종적으로 결정한다.
709 단계에서 제3 결정부(146)는 동일한 결정결과를 최종 결과로 결정한다.
710 단계에서 표시부(130)는 진단영상, 강조영상 및 결정결과 중 적어도 하나를 표시한다. 이때, 표시부(130)는 진단영상을 표시하거나, 또는 강조영상을 표시하거나, 또는 강조영상 및 결정결과를 하나의 화면에 표시할 수 있다.
이에 따라, 본 실시예에 따른 진단방법은 피사체의 관심영역에 포함된 조직이 병변에 해당하는지 여부를 자동으로 결정하여 표시하기에, 사용자로 하여금 직관적으로 진단의 결과를 인식하도록 할 수 있다. 또한, 진단영상 및 강조영상 모두를 고려하여, 관심영역이 병변에 해당하는지 여부를 결정하기에, 진단의 정확도가 향상될 수 있다.
한편, 상술한 방법은 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터로 읽을 수 있는 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다. 또한, 상술한 방법에서 사용된 데이터의 구조는 컴퓨터로 읽을 수 있는 기록매체에 여러 수단을 통하여 기록될 수 있다. 상기 컴퓨터로 읽을 수 있는 기록매체는 마그네틱 저장매체(예를 들면, 롬, 램, USB, 플로피 디스크, 하드 디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등), PC 인터페이스(PC Interface)(예를 들면, PCI, PCI-express 등)와 같은 저장매체를 포함한다.
본 실시예와 관련된 기술 분야에서 통상의 지식을 가진 자는 상기된 기재의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 방법들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
100 ... 진단장치
110 ... 관심영역 검출부
120 ... 강조영상 생성부
130 ... 표시부

Claims (20)

  1. 피사체로부터 반사된 에코신호에 따른 진단영상에서 적어도 하나의 관심영역(Region of Interest: ROI)을 검출하는 관심영역 검출부;
    상기 적어도 하나의 관심영역이 검출되면, 상기 진단영상에 포함된 적어도 하나의 관심영역의 해상도가 향상된 강조영상을 자동으로 생성하는 강조영상 생성부; 및
    상기 생성된 강조영상을 표시하는 표시부;를 포함하는 진단장치.
  2. 제 1 항에 있어서,
    상기 관심영역 검출부는 복수의 관심영역들을 검출하고,
    상기 강조영상 생성부는 상기 복수의 관심영역들 각각에 포함된 조직이 병변에 해당하는지 여부를 나타내는 특징(feature)의 정도에 따라, 상기 복수의 관심영역들 각각에 대한 해상도의 향상 정도가 다른(different) 강조영상을 생성하는 진단장치.
  3. 제 1 항에 있어서,
    상기 강조영상 생성부는 상기 적어도 하나의 관심영역 각각에 포함된 조직이 병변에 해당할 확률이 클수록, 관심영역의 해상도가 크게 증가된 강조영상을 생성하는 진단장치.
  4. 제 1 항에 있어서,
    상기 검출된 적어도 하나의 관심영역 각각에 대하여, 상기 진단영상 및 강조영상 중 적어도 어느 하나에서 제1 관심영역에 포함된 제1 조직이 병변에 해당하는지 여부를 결정하고, 상기 결정된 결과들을 이용하여 상기 제1 조직이 병변에 해당하는지 여부를 최종적으로 결정하는 병변 결정부;를 더 포함하는 진단장치.
  5. 제 4 항에 있어서, 상기 병변 결정부는
    상기 진단영상에서 상기 제1 조직이 병변에 해당하는지 여부를 나타내는 특징의 정도인 제1 특징값을 이용하여, 상기 제1 조직이 병변에 해당하는지 여부를 결정하는 제1 결정부;
    상기 진단영상 및 강조영상 중 적어도 어느 하나에서 상기 제1 조직이 병변에 해당하는지 여부를 나타내는 특징의 정도인 제2 특징값을 이용하여, 상기 제1 조직이 병변에 해당하는지 여부를 결정하는 제2 결정부; 및
    상기 제1 결정부 및 상기 제2 결정부에서의 결정결과가 서로 다를 경우, 상기 제1 특징값 및 상기 제2 특징값을 판정비율에 따라 혼합하여, 상기 제1 조직이 병변에 해당하는지 여부를 최종적으로 결정하는 제3 결정부;를 포함하는 진단장치.
  6. 제 5 항에 있어서,
    상기 제2 결정부는 두 개 이상의 강조영상들을 이용하여 상기 제1 조직이 병변에 해당하는지 여부를 결정하는 진단장치.
  7. 제 5 항에 있어서,
    상기 제2 결정부는 상기 강조영상에 포함된 관심영역이 가질 수 있는 복수의 해상도들 각각에 대응하여 상기 제1 조직을 병변 또는 병변이 아닌 조직으로 분류하는 해상도에 따른 복수의 분류기(classifier)들;을 포함하는 진단장치.
  8. 제 5 항에 있어서,
    상기 제2 결정부는 상기 진단영상 및 강조영상으로부터 상기 제1 조직이 병변에 해당하는지 여부를 나타내는 특징을 공통으로 추출하고, 상기 추출된 특징들을 이용하여 상기 제1 조직을 병변으로 분류하는 해상도에 무관한 분류기;를 포함하는 진단장치.
  9. 제 4 항에 있어서,
    관심영역을 검출하기 위한 특징에 대한 정보를 저장하는 데이터베이스; 및
    상기 병변 결정부에서 상기 제1 조직이 병변이 아닌 것으로 결정되면, 상기 제1 조직에 대응하는 특징이 관심영역에 해당되지 않는다는 정보를 상기 데이터베이스에 추가하는 데이터베이스 관리부;를 포함하는 진단장치.
  10. 제 4 항에 있어서,
    상기 병변 결정부는 상기 검출된 적어도 하나의 관심영역에 포함된 조직이 병변에 해당하는지 여부를 자동으로 결정하는 진단장치.
  11. 제 4 항에 있어서,
    상기 표시부는 상기 병변 결정부의 결정결과를 상기 강조영상에 더 표시하는 진단장치.
  12. 피사체로부터 반사된 에코신호에 따른 진단영상에서 적어도 하나의 관심영역(Region of Interest: ROI)을 검출하는 단계;
    상기 적어도 하나의 관심영역이 검출되면, 상기 진단영상에 포함된 적어도 하나의 관심영역의 해상도가 향상된 강조영상을 자동으로 생성하는 단계; 및
    상기 생성된 강조영상을 표시하는 단계를 포함하는 진단방법.
  13. 제 12 항에 있어서,
    상기 관심영역을 검출하는 단계는 복수의 관심영역들을 검출하고,
    상기 강조영상을 자동으로 생성하는 단계는 상기 복수의 관심영역들 각각에 포함된 조직이 병변에 해당하는지 여부를 나타내는 특징(feature)의 정도에 따라, 상기 복수의 관심영역들 각각에 대한 해상도의 향상 정도가 다른(different) 강조영상을 생성하는 진단방법.
  14. 제 12 항에 있어서,
    상기 강조영상을 자동으로 생성하는 단계는 상기 적어도 하나의 관심영역 각각에 포함된 조직이 병변에 해당할 확률이 클수록, 관심영역의 해상도가 크게 증가된 강조영상을 생성하는 진단방법.
  15. 제 12 항에 있어서,
    상기 검출된 적어도 하나의 관심영역 각각에 대하여, 상기 진단영상 및 강조영상 중 적어도 어느 하나에서 제1 관심영역에 포함된 제1 조직이 병변에 해당하는지 여부를 결정하고, 상기 결정된 결과들을 이용하여 상기 제1 조직이 병변에 해당하는지 여부를 최종적으로 결정하는 단계를 더 포함하는 진단방법.
  16. 제 12 항에 있어서,
    상기 진단영상에서 상기 제1 조직이 병변에 해당하는지 여부를 나타내는 특징의 정도인 제1 특징값을 이용하여, 상기 제1 조직이 병변에 해당하는지 여부를 결정하는 단계;
    상기 진단영상 및 강조영상 중 적어도 어느 하나에서 상기 제1 조직이 병변에 해당하는지 여부를 나타내는 특징의 정도인 제2 특징값을 이용하여, 상기 제1 조직이 병변에 해당하는지 여부를 결정하는 단계; 및
    상기 제1 결정부 및 상기 제2 결정부에서의 결정결과가 서로 다를 경우, 상기 제1 특징값 및 상기 제2 특징값을 판정비율에 따라 혼합하여, 상기 제1 조직이 병변에 해당하는지 여부를 최종적으로 결정하는 단계;를 포함하는 진단벙법.
  17. 제 16 항에 있어서,
    상기 제2 특징값을 이용하여, 상기 제1 조직이 병변에 해당하는지 여부를 결정하는 단계는 두 개 이상의 강조영상들을 이용하여 상기 제1 조직이 병변에 해당하는지 여부를 결정하는 진단방법.
  18. 제 16 항에 있어서,
    상기 제2 특징값을 이용하여, 상기 제1 조직이 병변에 해당하는지 여부를 결정하는 단계는 상기 강조영상에 포함된 관심영역이 가질 수 있는 복수의 해상도들 각각에 대응하여 상기 제1 조직을 병변 또는 병변이 아닌 조직으로 분류하는 해상도에 따른 복수의 분류기(classifier)들을 이용하는 진단방법.
  19. 제 16 항에 있어서,
    상기 제2 특징값을 이용하여, 상기 제1 조직이 병변에 해당하는지 여부를 결정하는 단계는 상기 진단영상 및 강조영상으로부터 상기 제1 조직이 병변에 해당하는지 여부를 나타내는 특징을 공통으로 추출하고, 상기 추출된 특징들을 이용하여 상기 제1 조직을 병변으로 분류하는 해상도에 무관한 분류기를 이용하는 진단방법.
  20. 제 12 항 내지 제 19 항 중 어느 한 항의 방법을 컴퓨터에서 실행시키기 위한 컴퓨터 프로그램을 저장한 컴퓨터로 읽을 수 있는 기록매체.
KR20110020619A 2011-03-08 2011-03-08 진단장치 및 방법 KR20120102447A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR20110020619A KR20120102447A (ko) 2011-03-08 2011-03-08 진단장치 및 방법
US13/296,550 US20120232390A1 (en) 2011-03-08 2011-11-15 Diagnostic apparatus and method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR20110020619A KR20120102447A (ko) 2011-03-08 2011-03-08 진단장치 및 방법

Publications (1)

Publication Number Publication Date
KR20120102447A true KR20120102447A (ko) 2012-09-18

Family

ID=46796169

Family Applications (1)

Application Number Title Priority Date Filing Date
KR20110020619A KR20120102447A (ko) 2011-03-08 2011-03-08 진단장치 및 방법

Country Status (2)

Country Link
US (1) US20120232390A1 (ko)
KR (1) KR20120102447A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140132839A (ko) * 2013-05-07 2014-11-19 삼성전자주식회사 초음파 영상 장치 및 그 영상 표시 방법

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140306992A1 (en) * 2011-12-26 2014-10-16 Canon Kabushiki Kaisha Image processing apparatus, image processing system and image processing method
KR102294193B1 (ko) * 2014-07-16 2021-08-26 삼성전자주식회사 프로브 속도에 기초한 컴퓨터 보조 진단 지원 장치 및 방법
KR20200017791A (ko) * 2018-08-09 2020-02-19 삼성메디슨 주식회사 초음파 진단 장치, 초음파 영상을 표시하는 방법, 및 컴퓨터 프로그램 제품
US20200194108A1 (en) 2018-12-13 2020-06-18 Rutgers, The State University Of New Jersey Object detection in medical image
KR20210095258A (ko) * 2020-01-22 2021-08-02 삼성메디슨 주식회사 초음파 진단 장치, 초음파 진단 장치 제어방법, 및 컴퓨터 프로그램 제품

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6246784B1 (en) * 1997-08-19 2001-06-12 The United States Of America As Represented By The Department Of Health And Human Services Method for segmenting medical images and detecting surface anomalies in anatomical structures
US5873830A (en) * 1997-08-22 1999-02-23 Acuson Corporation Ultrasound imaging system and method for improving resolution and operation
US6123670A (en) * 1998-12-15 2000-09-26 General Electric Company Ultrasound imaging with optimal image quality in region of interest
US6430430B1 (en) * 1999-04-29 2002-08-06 University Of South Florida Method and system for knowledge guided hyperintensity detection and volumetric measurement
US7219016B2 (en) * 2001-04-20 2007-05-15 Yale University Systems and methods for automated analysis of cells and tissues
US7756305B2 (en) * 2002-01-23 2010-07-13 The Regents Of The University Of California Fast 3D cytometry for information in tissue engineering
EP1495446B1 (en) * 2002-04-05 2007-10-10 The General Hospital Corporation Systems and method for generating an image
US6574304B1 (en) * 2002-09-13 2003-06-03 Ge Medical Systems Global Technology Company, Llc Computer aided acquisition of medical images
US20040068167A1 (en) * 2002-09-13 2004-04-08 Jiang Hsieh Computer aided processing of medical images
GB0226787D0 (en) * 2002-11-18 2002-12-24 Qinetiq Ltd Measurement of mitotic activity
US7490085B2 (en) * 2002-12-18 2009-02-10 Ge Medical Systems Global Technology Company, Llc Computer-assisted data processing system and method incorporating automated learning
DE602004028625D1 (de) * 2003-04-18 2010-09-23 Medispectra Inc System und Diagnoseverfahren zur optischen Detektion von verdächtigen Stellen einer Gewebeprobe
US6950492B2 (en) * 2003-06-25 2005-09-27 Besson Guy M Dynamic multi-spectral X-ray projection imaging
WO2005023086A2 (en) * 2003-08-25 2005-03-17 University Of North Carolina At Chapel Hill Systems, methods, and computer program products for analysis of vessel attributes for diagnosis, disease staging, and surgical planning
US7447341B2 (en) * 2003-11-26 2008-11-04 Ge Medical Systems Global Technology Company, Llc Methods and systems for computer aided targeting
US20050129297A1 (en) * 2003-12-15 2005-06-16 Kamath Vidya P. Classification of breast lesion method and system
US7327865B2 (en) * 2004-06-30 2008-02-05 Accuray, Inc. Fiducial-less tracking with non-rigid image registration
US20060052690A1 (en) * 2004-09-08 2006-03-09 Sirohey Saad A Contrast agent imaging-driven health care system and method
US7689016B2 (en) * 2005-05-27 2010-03-30 Stoecker & Associates, A Subsidiary Of The Dermatology Center, Llc Automatic detection of critical dermoscopy features for malignant melanoma diagnosis
US8073226B2 (en) * 2006-06-30 2011-12-06 University Of Louisville Research Foundation, Inc. Automatic detection and monitoring of nodules and shaped targets in image data
US7940970B2 (en) * 2006-10-25 2011-05-10 Rcadia Medical Imaging, Ltd Method and system for automatic quality control used in computerized analysis of CT angiography
US8874189B2 (en) * 2007-01-02 2014-10-28 Syntheticmr Ab Method of visualizing MR images
US8213695B2 (en) * 2007-03-07 2012-07-03 University Of Houston Device and software for screening the skin
US8295575B2 (en) * 2007-10-29 2012-10-23 The Trustees of the University of PA. Computer assisted diagnosis (CAD) of cancer using multi-functional, multi-modal in-vivo magnetic resonance spectroscopy (MRS) and imaging (MRI)
US8731255B2 (en) * 2008-11-05 2014-05-20 University Of Louisville Research Foundation, Inc. Computer aided diagnostic system incorporating lung segmentation and registration
US20110019889A1 (en) * 2009-06-17 2011-01-27 David Thomas Gering System and method of applying anatomically-constrained deformation

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140132839A (ko) * 2013-05-07 2014-11-19 삼성전자주식회사 초음파 영상 장치 및 그 영상 표시 방법

Also Published As

Publication number Publication date
US20120232390A1 (en) 2012-09-13

Similar Documents

Publication Publication Date Title
CN104905812B (zh) 用于显示对象的多个不同图像的方法和设备
US20170164923A1 (en) Image Processor, Ultrasound Diagnostic Device Including Same, And Image Processing Method
EP2846310A2 (en) Method and apparatus for registering medical images
CN101084511A (zh) 自动开发在医学诊断成像中产生医学有意义的描述符的高性能分类器的方法和装置
JP5984243B2 (ja) 超音波診断装置、医用画像処理装置及びプログラム
US10922874B2 (en) Medical imaging apparatus and method of displaying medical image
US20140288425A1 (en) Apparatus and method for providing elasticity information
KR20120102447A (ko) 진단장치 및 방법
JP2020503099A (ja) 出産前超音波イメージング
Ribeiro et al. Global and local detection of liver steatosis from ultrasound
KR20170086311A (ko) 의료 영상 장치 및 그 동작방법
US20150190120A1 (en) Method and system for processing ultrasonic imaging data
JP2022111140A (ja) 超音波診断装置
US9759814B2 (en) Method and apparatus for generating three-dimensional (3D) image of target object
US20160051220A1 (en) Ultrasound diagnosis apparatus and ultrasound diagnosis method
JP6538280B2 (ja) 被験者の組織を特徴付ける装置及び方法
US11250564B2 (en) Methods and systems for automatic measurement of strains and strain-ratio calculation for sonoelastography
CN115279275A (zh) 超声诊断设备及其操作方法
JP7488789B2 (ja) 超音波診断装置及び診断支援方法
US20240119705A1 (en) Systems, methods, and apparatuses for identifying inhomogeneous liver fat
US20160066891A1 (en) Image representation set
Tresansky Statistical analysis of ultrasound signals for tissue characterization: the Homodyned K Distribution
JP2023077810A (ja) 超音波画像分析装置、超音波診断装置および超音波画像分析装置の制御方法
KR20160086126A (ko) 초음파 진단 방법 및 장치
Kabir et al. AUTO SEGMENTATION OF BREAST TUMOR IN B-MODE ULTRASOUND ANALYSIS

Legal Events

Date Code Title Description
WITN Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid