KR20150077184A - 의료 영상의 병변 유사도 판단 장치 및 방법 - Google Patents

의료 영상의 병변 유사도 판단 장치 및 방법 Download PDF

Info

Publication number
KR20150077184A
KR20150077184A KR1020130166118A KR20130166118A KR20150077184A KR 20150077184 A KR20150077184 A KR 20150077184A KR 1020130166118 A KR1020130166118 A KR 1020130166118A KR 20130166118 A KR20130166118 A KR 20130166118A KR 20150077184 A KR20150077184 A KR 20150077184A
Authority
KR
South Korea
Prior art keywords
lesion
region
similarity
target
lesion area
Prior art date
Application number
KR1020130166118A
Other languages
English (en)
Inventor
이기용
성영경
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 KR1020130166118A priority Critical patent/KR20150077184A/ko
Priority to EP14873723.2A priority patent/EP3089107B1/en
Priority to US15/103,684 priority patent/US10296810B2/en
Priority to PCT/KR2014/005178 priority patent/WO2015099249A1/ko
Publication of KR20150077184A publication Critical patent/KR20150077184A/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2505/00—Evaluating, monitoring or diagnosing in the context of a particular type of medical care
    • A61B2505/05—Surgical care
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • 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
    • G06T2207/10132—Ultrasound 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30096—Tumor; Lesion
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Artificial Intelligence (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Data Mining & Analysis (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Analysis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

의료 영상의 병변 유사도 판단 장치 및 방법이 개시된다. 일 양상에 따른 병변 유사도 판단 장치는, 기준 병변 영역을 포함하는 기준 영상 및 대상 병변 영역을 포함하는 대상 영상을 입력 받는 영상 입력부와, 대상 병변 영역 중 제1영역에 포함되는 픽셀에는 기준 병변 영역의 중심에 가까울수록 증가하는 어드벤티지 가중치를, 대상 병변 영역 중 제2영역에 포함되는 픽셀에는 기준 병변 영역에서 멀어질수록 증가하는 페널티 가중치를 각각 적용하여 기준 병변 영역과 대상 병변 영역의 유사도를 판단하는 유사도 판단부를 포함할 수 있다.

Description

의료 영상의 병변 유사도 판단 장치 및 방법{Apparatus and Method for determining similarity between lesions in medical image}
의료 영상의 분석 기술에 관한 것으로, 특히, 의료 영상의 병변 유사도 판단 장치 및 방법에 관한 것이다.
컴퓨터 보조 진단(Computer Aided Diagnosis, 이하 CAD라 칭함) 시스템이란 초음파 영상과 같은 의료영상을 분석하고 그 분석 결과에 따라 의료영상에 이상 부위를 표시함으로써 의사(doctor)의 진단 업무에 도움을 주는 시스템을 말한다. 이러한 CAD 시스템은 사람의 식별능력의 한계로 인해 불가피하게 발생하던 진단의 불확실성을 줄여주고, 개별적 영상 판독에 따른 의사의 과중한 업무 역시 줄여줄 수 있는 장점이 있다.
한편, 의료영상 분석 및 컴퓨터 보조 진단 시스템에서 주로 사용되는 작업은 의료 영상에서 병변 영역을 정확하고 효율적으로 검출하는 작업이다. 이 작업을 위해 다양한 알고리즘들이 적용되고 있고, 이를 통해 검출된 병변 영역이 정확하게 검출되었는지 평가하는 척도로서 다른 기술 분야의 영상 처리나 데이터 분석 처리 시 주로 사용되는 알고리즘들이 사용되고 있으나, 이러한 척도는 의료영상의 특성을 반영하여 평가하는 척도라 보기는 힘들다.
의료 영상의 병변 유사도 판단 장치 및 방법을 제공하는 것을 목적으로 한다.
일 양상에 따른 병변 유사도 판단 장치는, 기준 병변 영역을 포함하는 기준 영상 및 대상 병변 영역을 포함하는 대상 영상을 입력 받는 영상 입력부와, 대상 병변 영역 중 제1영역에 포함되는 픽셀에는 기준 병변 영역의 중심에 가까울수록 증가하는 어드벤티지 가중치를, 대상 병변 영역 중 제2영역에 포함되는 픽셀에는 기준 병변 영역에서 멀어질수록 증가하는 페널티 가중치를 각각 적용하여 기준 병변 영역과 대상 병변 영역의 유사도를 판단하는 유사도 판단부를 포함할 수 있다.
여기서, 제1영역은 대상 병변 영역 중 기준 병변 영역에 포함되는 영역이고, 제2영역은 대상 병변 영역 중 기준 병변 영역에 포함되지 않는 영역일 수 있다.
여기서, 어드벤티지 가중치 및 페널티 가중치는 각각 지수적으로 또는 선형적으로 증가할 수 있다.
여기서, 유사도 판단부는, 기준 영상의 각 픽셀과 기준 병변 영역의 경계와의 최단 거리를 산출하고, 산출된 최단 거리를 기반으로 어드벤티지 가중치를 나타내는 제1거리맵 및 페널티 가중치를 나타내는 제2거리맵을 생성하는 거리맵 생성부와, 제1거리맵 및 제2거리맵을 이용하여 기준 병변 영역과 대상 병변 영역의 유사도를 산출하는 유사도 산출부를 포함할 수 있다.
또한, 유사도 판단부는, 기준 영상 및 대상 영상을 이진화하는 이진화부를 더 포함할 수 있다.
여기서, 이진화부는 기준 영상을 기준 병변 영역 내부의 각 픽셀은 1로, 기준 병변 영역 외부의 각 픽셀은 0으로 이진화 하고, 대상 영상을 대상 병변 영역 내부의 각 픽셀은 1로, 대상 병변 영역 외부의 각 픽셀은 0으로 이진화할 수 있다.
여기서, 유사도 산출부는,
Figure pat00001
를 이용하여 기준 병변 영역과 대상 병변 영역의 유사도를 산출하되, A는 이진화된 기준 영상을 나타내는 행렬, B는 이진화된 대상 영상을 나타내는 행렬, DM1은 제1거리맵을 나타내는 행렬, DM2는 제2거리맵을 나타내는 행렬일 수 있다.
다른 양상에 따른 병변 유사도 판단 방법은, 기준 병변 영역을 포함하는 기준 영상 및 대상 병변 영역을 포함하는 대상 영상을 입력 받는 단계와, 대상 병변 영역 중 제1영역에 포함되는 픽셀에는 기준 병변 영역의 중심에 가까울수록 증가하는 어드벤티지 가중치를, 대상 병변 영역 중 제2영역에 포함되는 픽셀에는 기준 병변 영역에서 멀어질수록 증가하는 페널티 가중치를 각각 적용하여 기준 병변 영역과 대상 병변 영역의 유사도를 판단하는 단계를 포함할 수 있다.
여기서, 제1영역은 대상 병변 영역 중 기준 병변 영역에 포함되는 영역이고, 제2영역은 대상 병변 영역 중 기준 병변 영역에 포함되지 않는 영역일 수 있다.
여기서, 어드벤티지 가중치 및 페널티 가중치는 각각 지수적으로 또는 선형적으로 증가할 수 있다.
여기서, 유사도를 판단하는 단계는, 기준 영상의 각 픽셀과 기준 병변 영역의 경계와의 최단 거리를 산출하고, 산출된 최단 거리를 기반으로 어드벤티지 가중치를 나타내는 제1거리맵 및 페널티 가중치를 나타내는 제2거리맵을 생성하는 단계와, 제1거리맵 및 제2거리맵을 이용하여 기준 병변 영역과 대상 병변 영역의 유사도를 산출하는 단계를 포함할 수 있다.
또한, 유사도를 판단하는 단계는, 기준 영상 및 대상 영상을 이진화하는 단계를 더 포함할 수 있다.
여기서, 이진화하는 단계는 기준 영상을 기준 병변 영역 내부의 각 픽셀은 1로, 기준 병변 영역 외부의 각 픽셀은 0으로 이진화 하고, 대상 영상을 대상 병변 영역 내부의 각 픽셀은 1로, 대상 병변 영역 외부의 각 픽셀은 0으로 이진화할 수 있다.
여기서, 유사도를 산출하는 단계는,
Figure pat00002
를 이용하여 기준 병변 영역과 대상 병변 영역의 유사도를 산출하되, A는 이진화된 기준 영상을 나타내는 행렬, B는 이진화된 대상 영상을 나타내는 행렬, DM1은 제1거리맵을 나타내는 행렬, DM2는 제2거리맵을 나타내는 행렬일 수 있다.
의료진이 검출한 병변 영역과 CAD 시스템이 검출한 병변 영역을 비교 평가할 때, 의료진이 검출한 병변의 중심으로 갈수록 높은 어드벤티지 가중치를 적용하고 의료진이 검출한 병변 영역으로부터 바깥으로 멀어질수록 패널티 가중치를 적용함으로써, 유사도 평가를 보다 정확하고 효과적으로 수행할 수 있다.
도 1은 일 실시 예에 따른 병변 유사도 판단 장치를 도시한 도면이다.
도 2는 도 1의 유사도 판단부(120)의 상세 구성도이다.
도 3는 일 실시 예에 따른 병변 유사도를 판단하는 방법의 기본적인 개념을 설명하기 위한 도면이다.
도 4은 일 실시 예에 따른 병변 유사도 판단 과정을 설명하기 위한 도면이다.
도 5는 일 실시 예에 따른 병변 유사도 판단 방법을 도시한 흐름도이다.
도 6은 도 5의 병변 유사도 판단 과정(520)의 상세 흐름도이다.
이하, 첨부된 도면을 참조하여 본 발명의 일 실시 예를 상세하게 설명한다. 본 발명을 설명함에 있어 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 또한, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 1은 일 실시 예에 따른 병변 유사도 판단 장치를 도시한 도면이다.
도 1을 참조하면, 일 실시 예에 따른 병변 유사도 판단 장치(100)는 영상 입력부(110), 유사도 판단부(120) 및 알고리즘 수정부(130)를 포함할 수 있다.
영상 입력부(110)는 기준 영상 및 대상 영상을 입력 받을 수 있다. 이때, 기준 영상은 병변 유사도 판단의 기준이 되는 영상이며, 대상 영상은 기준 영상에 대하여 병변 유사도 판단 대상이 되는 영상을 의미한다. 일 실시 예에 따르면, 기준 영상은 의료 영상으로부터 의료진이 병변 영역을 검출한 영상일 수 있으며, 대상 영상은 동일한 의료 영상으로부터 CAD 시스템이 병변 영역을 검출한 영상일 수 있다. 그러나, 이에 한정되는 것은 아니다. 이하, 일 실시예에 따라 의료진이 검출한 병변 영역을 기준 병변 영역이라 하고, CAD 시스템이 검출한 병변 영역을 대상 병변 영역이라 칭하도록 한다.
한편, 영상 입력부(110)는 상술한 바와 같이, 기준 병변 영역을 포함하는 기준 영상 및 대상 병변 영역을 포함하는 대상 영상을 각각 별개로 입력 받을 수도 있으나, 기준 병변 영역 및 대상 병변 영역을 모두 포함하는 하나의 영상을 입력 받는 것도 가능하다.
유사도 판단부(120)는 대상 병변 영역을 기준 병변 영역에 포함되는 제1영역 및 기준 병변 영역에 포함되지 않는 제2영역으로 구분하고, 제1영역에 포함되는 각 픽셀에는 어드벤티지 가중치를 적용하고, 제2영역에 포함되는 각 픽셀에는 페널티 가중치를 적용하여, 기준 병변 영역과 대상 병변 영역의 유사도를 판단할 수 있다. 이때, 어드벤티지 가중치는 유사도를 증가시키는데 사용되는 가중치이며, 페널티 가중치는 유사도를 감소시키는데 사용되는 가중치이다.
일반적으로 동일한 의료 영상에 대하여 의료진이 검출한 병변 영역과 CAD 시스템이 검출한 병변 영역이 정확하게 일치할 수는 없다. 이때, 의료진이 검출한 병변 영역과 CAD 시스템이 검출한 병변 영역의 유사도를 판단하기 위해서, 유사도 판단부(120)는 의료진이 검출한 병변 영역인 기준 병변 영역과 CAD 시스템이 검출한 병변 영역인 대상 병변 영역을 비교하여, 대상 병변 영역을 기준 병변 영역에 포함되는 제1영역과 기준 병변 영역에 포함되지 않는 제2영역으로 구분할 수 있다. 또한, 유사도 판단부(120)는 제1영역 및 제2영역에 각각 서로 다른 성격의 가중치를 적용하여 기분 병변 영역과 대상 병변 영역의 유사도를 판단할 수 있다.
일 실시 예에 따르면, 제1영역의 각 픽셀에 적용되는 어드벤티지 가중치 및 제2영역의 각 픽셀에 적용되는 페널티 가중치는 각 픽셀과 기준 병변 영역의 경계와의 최단 거리가 증가함에 따라 증가할 수 있다. 즉, 제1영역의 각 픽셀은 기준 병변 영역의 경계와 멀어질수록, 즉, 기준 병변 영역의 중심에 가까울수록 더 큰 어드벤티지 가중치가 적용되고, 제2영역의 각 픽셀은 기준 병변 영역의 경계와 멀어질수록, 즉, 기준 병변 영역의 중심에서 멀어질수록 더 큰 페널티 가중치가 적용될 수 있다.
이때, 제1영역의 픽셀에 적용되는 어드벤티지 가중치 및 제2영역의 픽셀에 적용되는 페널티 가중치는 각각 각 픽셀과 기준 병변 영역의 경계와의 최단 거리에 따라 선형적으로 또는 지수적으로 증가할 수 있으나, 이에 한정되는 것은 아니다.
유사도 판단부(120)에 대한 자세한 설명은 도 2를 참조하여 후술하기로 한다.
알고리즘 수정부(130)는 유사도 판단 결과를 이용하여 대상 병변 영역을 검출한 병변 분할 알고리즘을 수정할 수 있다. 예를 들어, 알고리즘 수정부(130)는 유사도 판단 결과를 이용하여 대상 병변 영역을 검출한 병변 분할 알고리즘의 매개변수를 조절할 수 있다.
한편, 알고리즘 수정부(130)는 병변 유사도 판단 장치(100)의 필수 구성이 아니므로, 경우에 따라서는 알고리즘 수정부(130)는 생략 가능하다.
이하, 유사도 판단부(120)를 도 2를 참조하여 상세하게 설명한다.
도 2는 도 1의 유사도 판단부(120)의 상세 구성도이다.
도 2를 참조하면, 유사도 판단부(120)는 이진화부(210), 거리맵 생성부(220) 및 유사도 산출부(230)를 포함할 수 있다.
이진화부(210)는 영상 입력부(110)를 통해 입력된 기준 영상 및 대상 영상을 이진화할 수 있다. 일 실시예에 따르면, 이진화부(210)는 기준 영상을 기준 병변 영역 내부는 이진화값 1로, 기준 병변 영역 외부는 이진화값 0으로 이진화할 수 있다. 또한, 이진화부(210)는 대상 영상을 대상 병변 영역 내부는 이진화값 1로 대상 병변 영역 외부는 이진화값 0으로 이진화할 수 있다.
거리맵 생성부(220)는 이진화된 기준 영상을 이용하여 제1거리맵 및 제2거리맵을 생성할 수 있다. 이때, 제1거리맵은 제1영역의 각 픽셀에 적용될 어드벤티지 가중치를 나타내며, 제2거리맵은 제2영역의 각 픽셀에 적용될 페널티 가중치를 나타낼 수 있다.
일 실시예에 따르면, 거리맵 생성부(220)는 기준 영상의 각 픽셀과 기준 병변 영역의 경계와의 최단 거리를 산출하고, 산출된 값들을 기반으로 제1거리맵 및 제2 거리맵을 생성할 수 있다. 예를 들어, 거리맵 생성부(220)는 기준 병변 영역 내부의 각 픽셀과 기준 병변 영역의 경계와의 최단 거리를 기반으로 제1거리맵을 생성하고, 기준 병변 영역 외부의 각 픽셀과 기준 병변 영역의 경계와의 최단 거리를 기반으로 제2거리맵을 생성할 수 있다.
이때, 거리맵 생성부(132)는 각 픽셀과 기준 병변 영역의 경계와의 최단 거리에 따라 선형적으로 또는 지수적으로 증가하는 값을 갖도록 제1거리맵 및 제2거리맵을 생성하는 것도 가능하나, 이는 일례에 불과할 뿐 이에 한정되는 것은 아니다.
유사도 산출부(230)는 제1거리맵을 이용하여 제1영역 각 픽셀의 이진화값에는 어드벤티지 가중치를 적용하고, 제2거리맵을 이용하여 제2영역 각 픽셀의 이진화값에는 페널티 가중치를 적용하여 기준 병변 영역과 대상 병변 영역의 유사도를 산출할 수 있다.
일 실시예에 따르면, 유사도 산출부(230)는 수학식 1을 이용하여 기준 병변 영역에 대한 대상 병변 영역의 유사도를 산출할 수 있다.
Figure pat00003
여기서, A는 이진화된 기준 영상을 나타내는 행렬, B는 이진화된 대상 영상을 나타내는 행렬, DM1은 제1거리맵을 나타내는 행렬, DM2는 제2거리맵을 나타내는 행렬을 의미한다.
도 3은 일 실시 예에 따른 병변 유사도를 판단하는 방법의 기본적인 개념을 설명하기 위한 도면이다. 이때, 도 3은 기준 병변 영역의 경계와의 거리에 따라 지수적으로 증가하는 가중치의 일 예를 도시한다.
기준 병변 영역과 대상 병변 영역의 병변 유사도 판단 시 적용되는 가중치는 기준 병변 영역의 내부와 외부로 구분된다. 이때, 각 픽셀에 대한 가중치는 각 픽셀이 기준 병변 영역의 경계로부터 멀어질수록 증가한다.
도 3을 참조하면, 기준 병변 영역 내부의 경우, 기준 병변 영역의 중심 영역인 영역 1(301)은 가중치 8, 영역 2(302)는 가중치 4, 영역 3(303)은 가중치 2, 기준 병변 영역의 경계와 근접한 영역 4(304)는 가중치 1이 부여될 수 있다. 기준 병변 영역 외부의 경우, 기준 병변 영역의 경계와 근접한 영역 5(305)는 가중치 -4, 영역 6(306)는 가중치 -16이 부여될 수 있다. 이때, -는 패널티 가중치임을 의미한다.
이에 따르면, 대상 병변 영역이 기준 병변 영역의 중심부를 포함할수록 기준 병변 영역과의 유사도가 증가하는 반면, 대상 병변 영역이 기준 병변 영역의 경계로부터 멀리 떨어진 영역을 포함하거나 기준 병변 영역에 포함되지 않는 영역을 많이 포함할수록 기준 병변 영역과의 유사도가 감소하게 된다.
도 4는 일 실시 예에 따른 병변 유사도 판단 과정을 설명하기 위한 도면이다. 이때, 도 4는 설명의 편의를 위해 이진화 영상(430, 435, 450, 470) 및 거리맵(440, 460)을 행렬로 도시하였다.
도 1, 도 2 및 도 4을 참조하면, 영상 입력부(110)를 통해 사용자로부터 기준 영상(410) 및 대상 영상(420)을 입력 받으면, 이진화부(210)는 기준 영상(410)을 기준 병변 영역의 경계를 기준으로 기준 병변 영역 내부를 이진화값 1로, 기준 병변 영역 외부를 이진화값 0으로 이진화하여 이진화 영상 A(430)를 생성한다. 또한, 이진화부(210)는 대상 영상(420)을 대상 병변 영역의 경계를 기준으로 대상 병변 영역 내부를 이진화값 1로, 대상 병변 영역 외부를 이진화값 0으로 이진화하여 이진화 영상 B(450)를 생성한다.
거리맵 생성부(220)는 이진화 영상 A(430)를 기반으로 이진화 영상 A(430)의 각 픽셀과 기준 병변 영역의 경계와의 최단 거리에 따른 거리맵(440, 460)을 생성한다. 예를 들어, 거리맵 생성부(220)는 이진화 영상 A(430)의 이진화값을 반전하여 반전 영상(435)를 생성하고, 반전 영상(435)을 이용하여 제1거리맵 DM1(440)을 생성할 수 있다. 또한, 거리맵 생성부(220)는 이진화 영상 A(430)를 이용하여 제2거리맵 DM2(460)을 생성할 수 있다.
유사도 산출부(230)는 제1거리맵 DM1(440)을 이용하여 제1영역 각 픽셀의 이진화값에는 어드벤티지 가중치를 적용하고, 제2거리맵 MD2(460)를 이용하여 제2영역 각 픽셀의 이진화값에는 페널티 가중치를 적용하여 기준 병변 영역과 대상 병변 영역의 유사도를 산출할 수 있다.
예를 들어, 유사도 산출부(230)는 수학식 1을 이용하여 기준 병변 영역 및 대상 병변 영역의 병변 유사도를 산출할 수 있다.
한편, 도 4에서, 참조번호 470은 A|B의 결과를, 참조번호 480은 DM2.*(A|B)의 결과를 각각 나타낸다.
또한, 도 4는 거리맵 생성부(220)가 제1거리맵 DM1(440) 및 제2거리맵 DM2(460)를 개별적으로 생성하는 것으로 도시하였으나, 이에 한정되는 것은 아니며, 거리맵 생성부(220)가 제1거리맵 DM1(440) 및 제2거리맵 DM2(460)을 모두 포함하는 하나의 거리맵을 생성하는 것도 가능하다.
도 5는 일 실시 예에 따른 병변 유사도 판단 방법을 도시한 흐름도이다.
도 5를 참조하면, 일 실시 예에 따른 병변 유사도 판단 방법은 먼저, 기준 병변 영역을 포함하는 기준 영상 및 대상 병변 영역을 포함하는 대상 영상을 입력 받는다(510). 이때, 기준 영상 및 대상 영상을 각각 별개로 입력 받을 수도 있으나, 기준 병변 영역 및 대상 병변 영역을 모두 포함하는 하나의 영상을 입력 받는 것도 가능하다.
그 후, 대상 병변 영역을 기준 병변 영역에 포함되는 제1영역 및 기준 병변 영역에 포함되지 않는 제2영역으로 구분하여, 제1영역에 포함되는 각 픽셀에는 어드벤티지 가중치를 적용하고, 제2영역에 포함되는 각 픽셀에는 페널티 가중치를 적용하여, 기준 병변 영역과 대상 병변 영역의 유사도를 판단한다(520).
일 실시 예에 따르면, 제1영역의 각 픽셀에 적용되는 어드벤티지 가중치 및 제2영역의 각 픽셀에 적용되는 페널티 가중치는 각 픽셀과 기준 병변 영역의 경계와의 최단 거리가 증가함에 따라 증가할 수 있다. 즉, 제1영역의 각 픽셀은 기준 병변 영역의 경계와 멀어질수록, 즉, 기준 병변 영역의 중심에 가까울수록 더 큰 어드벤티지 가중치가 적용되고, 제2영역의 각 픽셀은 기준 병변 영역의 경계와 멀어질수록, 즉, 기준 병변 영역의 중심에서 멀어질수록 더 큰 페널티 가중치가 적용될 수 있다.
그 후, 유사도 판단 결과를 이용하여 대상 병변 영역을 검출한 병변 분할 알고리즘을 수정한다(530). 예를 들어, 변병 유사도 판단 장치(100)는 유사도 판단 결과를 이용하여 대상 병변 영역을 검출한 병변 분할 알고리즘의 매개변수를 조절할 수 있다.
도 6은 도 5의 병변 유사도 판단 과정(520)의 상세 흐름도이다.
도 6을 참조하면, 병변 유사도 판단 과정(520)은 기준 영상 및 대상 영상을 이진화한다(610). 예를 들어, 병변 유사도 판단 장치(100)는 기준 영상을 기준 병변 영역의 경계를 기준으로 기준 병변 영역 내부를 이진화값 1로, 기준 병변 영역 외부를 이진화값 0으로 이진화하고, 대상 영상을 대상 병변 영역의 경계를 기준으로 대상 병변 영역 내부를 이진화값 1로, 대상 병변 영역 외부를 이진화값 0으로 이진화할 수 있다.
그 후, 이진화된 기준 영상을 이용하여 제1거리맵 및 제2거리맵을 생성한다(620). 이때, 제1거리맵은 제1영역의 각 픽셀에 적용될 어드벤티지 가중치를 나타내며, 제2거리맵은 제2 영역의 각 픽셀에 적용될 페널티 가중치를 나타낼 수 있다. 예를 들어, 병변 유사도 판단 장치(100)는 기준 영상의 각 픽셀과 기준 병변 영역의 경계와의 최단 거리를 산출하고, 산출된 값들을 기반으로 제1거리맵 및 제2거리맵을 생성할 수 있다.
그 후, 제1거리맵을 이용하여 제1영역 각 픽셀의 이진화값에는 어드벤티지 가중치를 적용하고, 제2거리맵을 이용하여 제2영역 각 픽셀의 이진화값에는 페널티 가중치를 적용하여 기준 병변 영역과 대상 병변 영역의 유사도를 산출할 수 있다(630). 예를 들어, 병변 유사도 판단 장치(100)는 수학식 1을 이용하여 기준 병변 영역에 대한 대상 병변 영역의 유사도를 산출할 수 있다.
본 발명의 일 양상은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수 있다. 상기의 프로그램을 구현하는 코드들 및 코드 세그먼트들은 당해 분야의 컴퓨터 프로그래머에 의하여 용이하게 추론될 수 있다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함할 수 있다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 디스크 등을 포함할 수 있다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드로 작성되고 실행될 수 있다.
이제까지 본 발명에 대하여 그 바람직한 실시 예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 따라서, 본 발명의 범위는 전술한 실시 예에 한정되지 않고 특허 청구범위에 기재된 내용과 동등한 범위 내에 있는 다양한 실시 형태가 포함되도록 해석되어야 할 것이다.
100: 병변 유사도 판단 장치
110: 영상 입력부
120: 유사도 판단부
130: 알고리즘 수정부

Claims (14)

  1. 기준 병변 영역을 포함하는 기준 영상 및 대상 병변 영역을 포함하는 대상 영상을 입력 받는 영상 입력부; 및
    상기 대상 병변 영역 중 제1영역에 포함되는 픽셀에는 상기 기준 병변 영역의 중심에 가까울수록 증가하는 어드벤티지 가중치를, 상기 대상 병변 영역 중 제2영역에 포함되는 픽셀에는 상기 기준 병변 영역에서 멀어질수록 증가하는 페널티 가중치를 각각 적용하여 상기 기준 병변 영역과 상기 대상 병변 영역의 유사도를 판단하는 유사도 판단부; 를 포함하는 병변 유사도 판단 장치.
  2. 제1항에 있어서,
    상기 제1영역은 상기 대상 병변 영역 중 상기 기준 병변 영역에 포함되는 영역이고, 상기 제2영역은 상기 대상 병변 영역 중 상기 기준 병변 영역에 포함되지 않는 영역인 병변 유사도 판단 장치.
  3. 제1항에 있어서,
    상기 어드벤티지 가중치 및 상기 페널티 가중치는 각각 지수적으로 또는 선형적으로 증가하는 병변 유사도 판단 장치.
  4. 제1항에 있어서,
    상기 유사도 판단부는,
    상기 기준 영상의 각 픽셀과 상기 기준 병변 영역의 경계와의 최단 거리를 산출하고, 산출된 최단 거리를 기반으로 상기 어드벤티지 가중치를 나타내는 제1거리맵 및 상기 페널티 가중치를 나타내는 제2거리맵을 생성하는 거리맵 생성부; 및
    상기 제1거리맵 및 상기 제2거리맵을 이용하여 상기 기준 병변 영역과 상기 대상 병변 영역의 유사도를 산출하는 유사도 산출부; 를 포함하는 병변 유사도 판단 장치.
  5. 제4항에 있어서,
    상기 유사도 판단부는,
    상기 기준 영상 및 상기 대상 영상을 이진화하는 이진화부; 를 더 포함하는 병변 유사도 판단 장치.
  6. 제5항에 있어서,
    상기 이진화부는 상기 기준 영상을 기준 병변 영역 내부의 각 픽셀은 1로, 기준 병변 영역 외부의 각 픽셀은 0으로 이진화 하고, 상기 대상 영상을 대상 병변 영역 내부의 각 픽셀은 1로, 대상 병변 영역 외부의 각 픽셀은 0으로 이진화하는 병변 유사도 판단 장치.
  7. 제5항에 있어서,
    상기 유사도 산출부는,
    Figure pat00004
    를 이용하여 상기 기준 병변 영역과 상기 대상 병변 영역의 유사도를 산출하되,
    A는 이진화된 기준 영상을 나타내는 행렬, B는 이진화된 대상 영상을 나타내는 행렬, DM1은 제1거리맵을 나타내는 행렬, DM2는 제2거리맵을 나타내는 행렬인 병변 유사도 판단 장치.
  8. 기준 병변 영역을 포함하는 기준 영상 및 대상 병변 영역을 포함하는 대상 영상을 입력 받는 단계; 및
    상기 대상 병변 영역 중 제1영역에 포함되는 픽셀에는 상기 기준 병변 영역의 중심에 가까울수록 증가하는 어드벤티지 가중치를, 상기 대상 병변 영역 중 제2영역에 포함되는 픽셀에는 상기 기준 병변 영역에서 멀어질수록 증가하는 페널티 가중치를 각각 적용하여 상기 기준 병변 영역과 상기 대상 병변 영역의 유사도를 판단하는 단계; 를 포함하는 병변 유사도 판단 방법.
  9. 제8항에 있어서,
    상기 제1영역은 상기 대상 병변 영역 중 상기 기준 병변 영역에 포함되는 영역이고, 상기 제2영역은 상기 대상 병변 영역 중 상기 기준 병변 영역에 포함되지 않는 영역인 병변 유사도 판단 방법.
  10. 제8항에 있어서,
    상기 어드벤티지 가중치 및 상기 페널티 가중치는 각각 지수적으로 또는 선형적으로 증가하는 병변 유사도 판단 방법.
  11. 제8항에 있어서,
    상기 유사도를 판단하는 단계는,
    상기 기준 영상의 각 픽셀과 상기 기준 병변 영역의 경계와의 최단 거리를 산출하고, 산출된 최단 거리를 기반으로 상기 어드벤티지 가중치를 나타내는 제1거리맵 및 상기 페널티 가중치를 나타내는 제2거리맵을 생성하는 단계; 및
    상기 제1거리맵 및 상기 제2거리맵을 이용하여 상기 기준 병변 영역과 상기 대상 병변 영역의 유사도를 산출하는 단계; 를 포함하는 병변 유사도 판단 방법.
  12. 제11항에 있어서,
    상기 유사도를 판단하는 단계는,
    상기 기준 영상 및 상기 대상 영상을 이진화하는 단계; 를 더 포함하는 병변 유사도 판단 방법.
  13. 제12항에 있어서,
    상기 이진화하는 단계는 상기 기준 영상을 기준 병변 영역 내부의 각 픽셀은 1로, 기준 병변 영역 외부의 각 픽셀은 0으로 이진화 하고, 상기 대상 영상을 대상 병변 영역 내부의 각 픽셀은 1로, 대상 병변 영역 외부의 각 픽셀은 0으로 이진화하는 병변 유사도 판단 방법.
  14. 제12항에 있어서,
    상기 유사도를 산출하는 단계는,
    Figure pat00005
    를 이용하여 상기 기준 병변 영역과 상기 대상 병변 영역의 유사도를 산출하되,
    A는 이진화된 기준 영상을 나타내는 행렬, B는 이진화된 대상 영상을 나타내는 행렬, DM1은 제1거리맵을 나타내는 행렬, DM2는 제2거리맵을 나타내는 행렬인 병변 유사도 판단 방법.
KR1020130166118A 2013-12-27 2013-12-27 의료 영상의 병변 유사도 판단 장치 및 방법 KR20150077184A (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020130166118A KR20150077184A (ko) 2013-12-27 2013-12-27 의료 영상의 병변 유사도 판단 장치 및 방법
EP14873723.2A EP3089107B1 (en) 2013-12-27 2014-06-12 Computer program product and method for determining lesion similarity of medical image
US15/103,684 US10296810B2 (en) 2013-12-27 2014-06-12 Apparatus and method for determining lesion similarity of medical image
PCT/KR2014/005178 WO2015099249A1 (ko) 2013-12-27 2014-06-12 의료 영상의 병변 유사도 판단 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130166118A KR20150077184A (ko) 2013-12-27 2013-12-27 의료 영상의 병변 유사도 판단 장치 및 방법

Publications (1)

Publication Number Publication Date
KR20150077184A true KR20150077184A (ko) 2015-07-07

Family

ID=53479078

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130166118A KR20150077184A (ko) 2013-12-27 2013-12-27 의료 영상의 병변 유사도 판단 장치 및 방법

Country Status (4)

Country Link
US (1) US10296810B2 (ko)
EP (1) EP3089107B1 (ko)
KR (1) KR20150077184A (ko)
WO (1) WO2015099249A1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102043672B1 (ko) * 2019-03-29 2019-11-12 주식회사 딥노이드 딥러닝 기반의 병변 판독 시스템 및 방법
CN113710157A (zh) * 2019-04-18 2021-11-26 圣犹达医疗用品心脏病学部门有限公司 用于心脏标测的***和方法
US11574727B2 (en) 2020-06-15 2023-02-07 Lunit Inc. Method for filtering normal medical image, method for interpreting medical image, and computing device implementing the methods

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6099592B2 (ja) * 2014-03-27 2017-03-22 富士フイルム株式会社 類似症例検索装置及び類似症例検索プログラム
CN106296641A (zh) * 2015-06-10 2017-01-04 苏州鹰眼信息技术有限公司 一种视觉传感方法及视觉传感器
FR3039910B1 (fr) * 2015-08-04 2018-08-24 Université Grenoble Alpes Dispositif et procede de detection automatique d'un outil chirurgical sur une image fournie par un systeme d'imagerie medicale

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6901156B2 (en) * 2000-02-04 2005-05-31 Arch Development Corporation Method, system and computer readable medium for an intelligent search workstation for computer assisted interpretation of medical images
AU2002230842A1 (en) 2000-10-30 2002-05-15 The General Hospital Corporation Optical methods and systems for tissue analysis
US8078262B2 (en) 2001-04-16 2011-12-13 The Johns Hopkins University Method for imaging and spectroscopy of tumors and determination of the efficacy of anti-tumor drug therapies
CN101056979B (zh) 2004-09-03 2013-06-05 阿梅特拉斯法玛有限公司 抗组蛋白h1单克隆抗体及用于产生其的杂交瘤
US8081822B1 (en) * 2005-05-31 2011-12-20 Intellectual Ventures Holding 67 Llc System and method for sensing a feature of an object in an interactive video display
IES20060564A2 (en) 2006-05-03 2006-11-01 Fotonation Vision Ltd Improved foreground / background separation
GB0611774D0 (en) 2006-06-14 2006-07-26 Univ London Automatic quantification of changes in images
US7814107B1 (en) 2007-05-25 2010-10-12 Amazon Technologies, Inc. Generating similarity scores for matching non-identical data strings
KR101015369B1 (ko) 2007-07-23 2011-02-22 고려대학교 산학협력단 영상분석을 이용한 악성흑색종 진단 시스템
JP5538861B2 (ja) * 2009-12-18 2014-07-02 キヤノン株式会社 情報処理装置、情報処理方法、情報処理システム、及びプログラム
US8620930B2 (en) 2010-03-11 2013-12-31 Yahoo! Inc. Method and system for determining similarity score
KR101112056B1 (ko) 2010-10-18 2012-02-24 엘지이노텍 주식회사 카메라 모듈의 이미지 처리 방법
KR101297081B1 (ko) 2011-01-19 2013-08-19 한국전기연구원 병변 진단 장치 및 방법
KR101282008B1 (ko) 2011-05-09 2013-07-04 한국과학기술원 초음파 영상을 이용한 운동상태의 장기 및 병변 위치추정시스템 및 위치추정방법과, 그 방법을 수행하는 명령어를 포함하는 컴퓨터 판독가능 기록매체
US9058647B2 (en) * 2012-01-16 2015-06-16 Canon Kabushiki Kaisha Information processing apparatus, information processing method, and storage medium
JP5995449B2 (ja) 2012-01-24 2016-09-21 キヤノン株式会社 情報処理装置及びその制御方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102043672B1 (ko) * 2019-03-29 2019-11-12 주식회사 딥노이드 딥러닝 기반의 병변 판독 시스템 및 방법
CN113710157A (zh) * 2019-04-18 2021-11-26 圣犹达医疗用品心脏病学部门有限公司 用于心脏标测的***和方法
US11574727B2 (en) 2020-06-15 2023-02-07 Lunit Inc. Method for filtering normal medical image, method for interpreting medical image, and computing device implementing the methods
US11928817B2 (en) 2020-06-15 2024-03-12 Lunit Inc. Method for filtering normal medical image, method for interpreting medical image, and computing device implementing the methods

Also Published As

Publication number Publication date
US20160314375A1 (en) 2016-10-27
EP3089107B1 (en) 2018-08-29
EP3089107A4 (en) 2017-08-16
WO2015099249A1 (ko) 2015-07-02
EP3089107A1 (en) 2016-11-02
US10296810B2 (en) 2019-05-21

Similar Documents

Publication Publication Date Title
US10388018B2 (en) Image processing apparatus, image processing method, and storage medium
Shen et al. An automated lung segmentation approach using bidirectional chain codes to improve nodule detection accuracy
US10650525B2 (en) Interactive image segmenting apparatus and method
US10039501B2 (en) Computer-aided diagnosis (CAD) apparatus and method using consecutive medical images
US9536316B2 (en) Apparatus and method for lesion segmentation and detection in medical images
KR102074406B1 (ko) 영상 랜드마크 분류 장치 및 방법
KR20150077184A (ko) 의료 영상의 병변 유사도 판단 장치 및 방법
JP2018097852A (ja) 画像類似度を確定する方法及び装置
US20160259898A1 (en) Apparatus and method for providing reliability for computer aided diagnosis
KR101926015B1 (ko) 영상 처리 장치 및 방법
US10692215B2 (en) Image processing apparatus, image processing method, and storage medium
JP2021125003A5 (ko)
US9367667B2 (en) Method and system for advanced aneurysm analysis
CN109313803B (zh) 一种用于映射对象的身体的至少部分的图像中的结构的至少部分的方法和装置
Ding et al. An improved algorithm of white matter hyperintensity detection in elderly adults
CN115861656A (zh) 用于自动处理医学图像以输出警报的方法、设备和***
JP2018524071A5 (ko)
JP6786015B1 (ja) 動作分析システムおよび動作分析プログラム
KR101162605B1 (ko) 씨티 이미지에서의 텍스처 특징 추출방법
Roy et al. Abnormal regions detection and quantification with accuracy estimation from MRI of brain
US9390549B2 (en) Shape data generation method and apparatus
CN111739046A (zh) 用于模型更新和检测图像的方法、装置、设备和介质
Shi et al. A combinational filtering method for enhancing suspicious structures in chest X-rays
JP4411011B2 (ja) 画像処理装置、プログラム及びコンピュータ読み取り可能な記録媒体
Putzer et al. Recognizing the surgical situs in minimally invasive hip arthroplasty: A comparison of different filtering techniques

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application