KR20180098869A

KR20180098869A - 의료영상 내 정보처리방법

Info

Publication number: KR20180098869A
Application number: KR1020170025570A
Authority: KR
Inventors: 김호성; 심우현; 성유섭
Original assignee: 재단법인 아산사회복지재단; 울산대학교 산학협력단
Priority date: 2017-02-27
Filing date: 2017-02-27
Publication date: 2018-09-05
Also published as: KR101981583B1

Abstract

본 발명은, OCR을 통하여 의료영상에 포함되어 있는 개인정보와 의료정보를 분류하고, 개인정보를 익명화하여 개인정보 유출 및 도용을 차단하며, 의료영상 내에서 OCR을 통해 획득한 분석 결과를 기반으로 의료정보 분류를 통해 빅데이터 구축할 수 있는 의료영상 내 정보처리방법을 제공한다. 본 발명은, 의료영상 내에 포함된 텍스트 형태의 정보를 처리하는 방법에 있어서, 제1컴퓨터가 특정 환자의 원본의료영상을 획득하는 단계; 상기 원본의료영상 내에서 광학문자인식(OCR)을 통해 개인정보와 의료정보를 분류하는 단계; 상기 원본의료영상에서 상기 개인정보를 익명화하여 수정의료영상을 생성하는 단계; 및 상기 의료정보를 추출하여 상기 원본의료영상 또는 상기 수정의료영상과 매칭하여 저장하는 단계를 포함한다.

Description

의료영상 내 정보처리방법{method for Information processing in medical images}

본 발명은 의료영상에 포함되어 있는 개인정보를 익명화하여 개인정보 유출을 차단하는 의료영상 내 정보처리방법에 관한 것이다.

웹 기반 의료정보시스템 환경은 공개구조의 인터넷망을 사용하게 되므로, 네트워크 기반의 중앙 집중 시스템에 저장 관리 및 처리된다. 이와 같은 웹 기반 의료정보는 실시간 공유 및 활용되는 특성으로 기밀성 보장, 접근 권한관리, 익명성 확보 등이 취약하다.

또한, 의료정보는 통합 관리됨으로서 데이터베이스 접근시 업무 관련자 모두 접근 가능하여 진료정보 데이터베이스 시스템에 저장된 각종 의료 데이터에 대한 프라이버시 보호와 정보공유 및 접근 제어 보안문제가 대두된다.

특히, 개인 의료기록은 보험 상품 및 진료 위치 추적 등의 용도로 활용될 수 있으며 처방 약품 시장 현황, 매출 추이 분석, 주요 질병 발생 추이 등 다양한 형태로 가공된 정보들은 제약사 영업 전략과 신약 개발 방향 등을 수립하는데 반드시 필요한 정보이다.

따라서 개인 의료기록은 제약사들이 거액을 들여서라도 꼭 확보하고자 하는 매우 가치가 높은 정보지만 유출되는 경우 개인의 의료 현황과 현재까지의 의료 정보 동향까지 모두 파악할 수 있어 개인의 사생활을 침해할 뿐만 아니라 다양한 방면에서 악용될 수 있는 심각한 문제가 발생할 가능성이 높다.

따라서, 개인 의료 영상에서 개인정보를 추출하여 암호화, 삭제 또는 마스킹 등의 기술의 중요성이 대두되고 있으나 병원간 개인 의료 영상은 촬영하는 장비와 촬영 부위에 따라 형식이 달라 현실적으로 서로 다른 영상의 개인 정보를 지우는 기술의 개발에 어려움이 많은 실정이다.

대한민국 등록특허공보 제10-1604086호 (2016년03월10일)

본 발명이 해결하고자 하는 과제는 OCR을 통하여 의료영상에 포함되어 있는 개인정보와 의료정보를 분류하고, 개인정보를 익명화하여 개인정보 유출 및 도용을 차단하는 의료영상 내 정보처리방법을 제공하는 것이다.

또한, 의료영상 내에서 OCR을 통해 획득한 분석 결과를 기반으로 의료정보 분류를 통해 빅데이터 구축할 수 있는 의료영상 내 정보처리방법을 제공하는 것이다.

본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

상술한 과제를 해결하기 위한 본 발명의 일 면에 따른 의료영상 내 정보처리방법은, 의료영상 내에 포함된 텍스트 형태의 정보를 처리하는 방법에 있어서, 제1컴퓨터가 특정 환자의 원본의료영상을 획득하는 단계; 상기 원본의료영상 내에서 광학문자인식(OCR)을 통해 개인정보와 의료정보를 분류하는 단계; 상기 원본의료영상에서 상기 개인정보를 익명화하여 수정의료영상을 생성하는 단계; 및 상기 의료정보를 추출하여 상기 원본의료영상 또는 상기 수정의료영상과 매칭하여 저장하는 단계를 포함한다.

또한, 본 발명의 다른 일 면에 따른 의료영상 내 정보처리방법은, 의료영상 내에 포함된 텍스트 형태의 정보를 처리하는 방법에 있어서, 제1컴퓨터가 특정 환자의 원본의료영상을 획득하는 단계; 상기 원본의료영상을 제공하는 의료장치 정보를 기반으로 상기 원본의료영상 내 각 정보의 배치위치정보를 획득하는 단계; 상기 배치위치정보를 기반으로 상기 원본의료영상 내의 개인정보와 의료정보를 식별하는 단계; 상기 원본의료영상에서 상기 개인정보를 익명화하여 수정의료영상을 생성하는 단계; 및 상기 의료정보를 추출하여 상기 원본의료영상 또는 상기 수정의료영상과 매칭하여 저장하는 단계를 포함한다.

상기 개인정보와 의료정보를 분류하는 단계는; 광학문자인식을 통해 획득된 텍스트데이터 형태를 기반으로 상기 개인정보와 상기 의료정보를 구별하는 것을 특징으로 할 수 있다.

상기 개인정보와 의료정보를 분류하는 단계는; 상기 의료영상 내에서 병변 이미지상에 상기 의료정보에 해당하는 텍스트가 표시되는 경우,　상기 병변 이미지와 상기 텍스트의 경계를 식별하는 단계; 및 광학문자인식(OCR)을 통해 텍스트를 추출하는 단계를 더 포함할 수 있다.

상기 수정의료영상을 생성하는 단계는; 제1 컴퓨터가 상기 환자의 원본의료영상의 헤더정보를 분석하여 상기 개인정보를 삭제대상 정보와 유지대상 정보를 구분하는 단계; 상기 원본의료영상에서 상기 삭제대상 정보를 삭제하는 단계; 상기 삭제대상 정보가 삭제된 상기 수정의료영상을 제2컴퓨터로 전송하는 단계를 포함하고, 상기 삭제대상 정보는 상기 헤더정보중 개인식별이 가능한 항목 또는 파일명을 포함하는 정보인 것이 바람직하다.

상기 의료영상은 DICOM 영상이고, 상기 DICOM 영상을 광학문자인식(OCR)을 이용하여 상기 환자식별정보를 획득하는 것이 가능하다.

상기 수정의료영상을 생성하는 단계는; 상기 제1컴퓨터가 상기 환자의 원본의료영상을 획득하는 단계; 상기 원본의료영상에 대해 환자식별정보를 포함하는 암호키를 이용한 암호화된 파일을 생성하는 단계; 상기 암호화된 파일을 제2컴퓨터로 전송하는 단계; 상기 제2컴퓨터의 요청에 따라, 상기 제1컴퓨터가 복호화키를 전송하되, 상기 복호화키는 상기 제2컴퓨터가 상기 암호화된 파일을 복호화하는 키데이터인, 복호화키 전송단계를 포함할 수 있다.

상기 암호화된 파일을 복호화하는 단계는; DICOM영상 내에 포함되어 있는 헤더정보를 분석하여 원본 의료영상을 확인하고 상기 개인정보를 복원하는 것이 가능하다.

상기 제1컴퓨터가 상기 의료정보와 상기 의료영상 간의 매칭관계를 기반으로 학습을 수행하는 단계를 더 포함할 수 있다.

상기 학습수행단계는 상기 의료정보의 결과값을 기반으로 상기 의료영상을 그룹핑하는 단계 및 각 그룹 내의 의료영상에 대해 학습을 수행하는 단계를 포함할 수 있다.

본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.

본 발명에 따른 의료영상 내 정보처리방법에 의하면, OCR을 통하여 의료영상에 포함되어 있는 개인정보와 의료정보를 분류하고, 개인정보를 익명화하여 개인정보 유출 및 도용을 차단하는 효과가 있다.

또한, 의료영상 내에서 OCR을 통해 획득한 분석 결과를 기반으로 의료정보 분류를 통해 빅데이터 구축함으로써, 외부전송이나 임상데이터로 활용하기 위해 민간에게 의료 정보를 개방하는 의료 빅데이터 활성화를 추진할 수 있는 효과가 있다.

본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

도 1은 본 발명의 일 실시에에 따른 의료정보시스템을 나타낸 블록도이다.
도 2는 본 발명의 일 실시에에 따른 의료영상 내 정보처리방법을 나타낸 순서도이다.
도 3은 본 발명의 다른 실시에에 따른 의료영상 내 정보처리방법을 나타낸 순서도이다.
도 4는 본 발명의 개인정보를 익명화하여 수정의료영상을 생성하는 단계의 일 실시예를 상세히 나타낸 순서도이다.
도 5는 도 4를 설명하기 위한 개념도이다.
도 6은 본 발명의 개인정보를 익명화하여 수정의료영상을 생성하는 단계의 다른 실시예를 상세히 나타낸 순서도이다.
도 7 및 도 8은 본 발명의 DICOM 영상의 헤더정보를 이용해서 데이터를 분류하는 방법을 설명하기 위한 초음파 영상이다.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.

본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.

다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않은 한 이상적으로 또는 과도하게 해석되지 않는다.

공간적으로 상대적인 용어인 "아래(below)", "아래(beneath)", "하부(lower)", "위(above)", "상부(upper)" 등은 도면에 도시되어 있는 바와 같이 하나의 구성요소와 다른 구성요소들과의 상관관계를 용이하게 기술하기 위해 사용될 수 있다. 공간적으로 상대적인 용어는 도면에 도시되어 있는 방향에 더하여 사용시 또는 동작시 구성요소들의 서로 다른 방향을 포함하는 용어로 이해되어야 한다. 예를 들어, 도면에 도시되어 있는 구성요소를 뒤집을 경우, 다른 구성요소의 "아래(below)" 또는 "아래(beneath)"로 기술된 구성요소는 다른 구성요소의 "위(above)"에 놓여질 수 있다. 따라서, 예시적인 용어인 "아래"는 아래와 위의 방향을 모두 포함할 수 있다. 구성요소는 다른 방향으로도 배향될 수 있으며, 이에 따라 공간적으로 상대적인 용어들은 배향에 따라 해석될 수 있다.

이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.

도 1은 본 발명의 일 실시에에 따른 의료정보시스템을 나타낸 블록도이다.

도 1에 도시된 바와 같이, 의료영상을 획득하기 위한 통상의 의료 영상 장비(10)가 구비된다. 이러한 의료 영상 장비(10)는 일예로, 방사선의 X선을 이용하여 인체 내부의 해부학적 영상을 촬영하는 컴퓨터 단층 촬영장치(CT; Computed Tomography)와, 인체에 고주파를 쏘아 그 신호를 영상으로 재구성하는 자기공명 영상 촬영장치(MRI; Magnetic Resonance Imaging)와, 양전자를 방출하는 방사성 의약품을 인체에 주입해 각 부위별로 나타나는 생리학적 반응을 3차원 영상으로 재구성하는 PET 장치(PET; Positron Emission Tomography)와, PET에 CT를 결합한 PET-CT 장치와, PET의 높은 화질과 MRI의 우수한 해상도를 융합한 PET-MR 장치와, 뇌파 측정을 위한 뇌전도 장치(EEG; electro encephalography)를 포함하여 구성할 수 있다.

또한, 병원 PACS(picture archiving communication system)(20)는 의료 영상 장비(110)에서 획득한 CT 이미지, MRI 이미지, PET 이미지, PET-CT 이미지, PETMR 이미지, EEG 이미지에 대한 영상 저장 및 전송 기능을 수행할 수 있도록 한다.

PACS(20)는 상기 의료 영상 장비(10)로부터 획득한 의료영상 이미지를 수집하여 데이터베이스(미도시)에 저장하며, 의료영상의 요청에 대응하여 수집된 해당 의료영상을 본 발명의 제1 컴퓨터(30)에 전송한다.

컴퓨터는 서버장치와 클라이언트장치로 구성될 수 있다. 클라이언트장치는 특정한 프로그램이 포함 또는 설치되어, 연산처리를 수행하는 사용자가 보유한 장치를 의미한다. 상기 '클라이언트장치'는, 연산처리를 수행하여 사용자에게 결과를 제공할 수 있는 다양한 장치들이 모두 포함된다. 예를 들어, 컴퓨터는 데스크 탑 PC, 노트북(Note Book) 뿐만 아니라 스마트폰(Smart phone), 태블릿 PC, 셀룰러폰(Cellular phone), 피씨에스폰(PCS phone; Personal Communication Service phone), 동기식/비동기식 IMT-2000(International Mobile Telecommunication-2000)의 이동 단말기, 팜 PC(Palm Personal Computer), 개인용 디지털 보조기(PDA; Personal Digital Assistant) 등도 해당될 수 있다.

도 2는 본 발명의 일 실시에에 따른 의료영상 내 정보처리방법을 나타낸 순서도이다.

도 2에 도시된 바와 같이, 본 발명의 일실시에에 따른 의료영상 내 정보처리방법은, 의료영상 내에 포함된 텍스트 형태의 정보를 처리하는 방법에 있어서, 제1 컴퓨터(30)가 특정 환자의 원본의료영상을 획득하는 단계(S100); 상기 원본의료영상 내에서 광학문자인식(OCR)을 통해 개인정보와 의료정보를 분류하는 단계(S110); 상기 원본의료영상에서 상기 개인정보를 익명화하여 수정의료영상을 생성하는 단계(S120); 및 상기 의료정보를 추출하여 상기 원본의료영상 또는 상기 수정의료영상과 매칭하여 저장하는 단계(S130)를 포함한다.

이와 같이 구성된 본 발명의 일 실시에에 따른 의료영상 내 정보처리방법은 먼저, 상기 제1 컴퓨터(30)가 특정 환자의 원본의료영상을 획득하고, 상기 원본의료영상 내에서 광학문자인식(OCR)을 통해 개인정보와 의료정보를 분류하게 된다(S100~S110).

한편, 상기 개인정보와 의료정보를 분류하는 단계(S100)에서는 상기 의료영상 내의 각 데이터가 배치되는 위치를 기반으로 해당 데이터 유형을 판단할 수도 있다.

또한, 상기 개인정보와 의료정보를 분류하는 단계(S100)에서는 상기 의료영상 내에서 병변 부위의 이미지상에 의료정보가 표시되는 경우,　이미지 프로세싱을 이용하여 텍스트를 식별하는 것이 바람직하다.

따라서, 상기 개인정보와 의료정보를 분류하는 단계(S100)는, 상기 의료영상 내에서 병변 이미지상에 상기 의료정보에 해당하는 텍스트가 표시되는 경우,　 상기 병변 이미지와 상기 텍스트의 경계를 식별하는 단계; 및 광학문자인식(OCR)을 통해 텍스트를 추출하는 단계를 더 포함할 수 있다.

이후, 상기 제1 컴퓨터(30)가 원본의료영상에서 상기 개인정보를 익명화하여 수정의료영상을 생성하고, 상기 의료정보를 추출하여 상기 원본의료영상 또는 상기 수정의료영상과 매칭하여 저장한다(S120~S130).

도 3은 본 발명의 다른 실시에에 따른 의료영상 내 정보처리방법을 나타낸 순서도이다.

도 3에 도시된 바와 같이, 본 발명의 다른 실시에에 따른 의료영상 내 정보처리방법은, 의료영상 내에 포함된 텍스트 형태의 정보를 처리하는 방법에 있어서, 제1 컴퓨터(30)가 특정 환자의 원본의료영상을 획득하는 단계(S200); 상기 원본의료영상을 제공하는 의료장치 정보를 기반으로 상기 원본의료영상 내 각 정보의 배치위치정보를 획득하는 단계(S210); 상기 배치위치정보를 기반으로 상기 원본의료영상 내의 개인정보와 의료정보를 식별하는 단계(S220); 상기 원본의료영상에서 상기 개인정보를 익명화하여 수정의료영상을 생성하는 단계(S230); 및 상기 의료정보를 추출하여 상기 원본의료영상 또는 상기 수정의료영상과 매칭하여 저장하는 단계(S240)를 포함한다.

이와 같이 구성된 본 발명의 다른 실시에에 따른 의료영상 내 정보처리방법은 먼저, 제1 컴퓨터(30)가 특정 환자의 원본의료영상을 획득하고, 상기 원본의료영상을 제공하는 의료장치 정보를 기반으로 상기 원본의료영상 내 각 정보의 배치위치정보를 획득한다(S200~S210).

이후, 상기 배치위치정보를 기반으로 상기 원본의료영상 내의 개인정보와 의료정보를 식별하고, 상기 원본의료영상에서 상기 개인정보를 익명화하여 수정의료영상을 생성한다(S220~S230).

즉, 의료영상에는 개인정보와 측정데이터가 이미지로 포함되어 있어서, 추출하는 과정 필요하다. 이때, OCR을 통해 의료영상 내에서 익명화 처리하여야 할 개인정보와 의료정보를 분류할 수 있다. 이때, 의료장치에 따라 각 데이터가 배치되는 위치가 결정되어 있으므로, 영상 내의 위치를 기반으로 어떠한 데이터인지 유형을 판단할 수 있게 되는 것이다.

이후, 제1 컴퓨터(30)는 상기 의료정보를 추출하여 상기 원본의료영상 또는 상기 수정의료영상과 매칭하여 저장한다(S240).

도 4는 본 발명의 개인정보를 익명화하여 수정의료영상을 생성하는 단계의 일 실시예를 상세히 나타낸 순서도이고, 도 5는 도4를 설명하기 위한 개념도이다.

도시된 바와 같이, 상기 개인정보를 익명화하여 수정의료영상을 생성하는 단계의 일 실시예는, 상기 제1 컴퓨터(30)가 상기 환자의 원본의료영상의 헤더정보를 분석하여 상기 개인정보를 삭제대상 정보와 유지대상 정보를 구분하는 단계(S121); 상기 원본의료영상에서 상기 삭제대상 정보를 삭제하는 단계(S122); 상기 삭제대상 정보가 삭제된 상기 수정의료영상을 제2컴퓨터(40)로 전송하는 단계(S123)를 포함한다. 이때, 상기 삭제대상 정보는 상기 헤더정보중 개인식별이 가능한 항목 또는 파일명을 포함하는 정보인 것이 바람직하다.

이와 같이 구성된 본 발명의 일 실시예에 따른 개인정보를 익명화하여 수정의료영상을 생성하는 단계에서는, 먼저 제1 컴퓨터(30)가 상기 병원PACS(20)로부터 환자의 의료영상을 전송받는다.

이때, PACS(20)는 상기 의료 영상 장비(10)로부터 획득한 의료영상 이미지를 수집하여 데이터베이스(미도시)에 저장하며, 의료영상의 요청에 대응하여 수집된 해당 의료영상을 본 발명의 제1 컴퓨터(30)에 전송한다.

이후, 제1 컴퓨터(30)는 상기 환자의 의료영상의 헤더정보를 분석하여 삭제대상 정보와 유지대상 정보를 구분한다(S121).

여기서, 상기 의료영상은 DICOM 영상이고, 상기 DICOM 영상을 광학문자인식(OCR)을 이용하여 상기 환자식별정보를 획득할 수 있다.

이후, 상기 원본의료영상에서 상기 삭제대상 정보를 삭제한다(S122).

상기 삭제대상 정보는 도 4에 도시된 바와 같이, 상기 헤더정보중 개인식별이 가능한 항목이거나 또는 파일명을 포함하는 정보로서, 이를 분석하여 삭제대상 정보와 유지대상 정보를 구분할 수 있다.

이후, 제1 컴퓨터(30)는 상기 삭제대상 정보가 삭제된 수정의료영상을 제2 컴퓨터(40)로 전송한다(S203).

도 6은 본 발명의 개인정보를 익명화하여 수정의료영상을 생성하는 단계의 다른 실시예를 상세히 나타낸 순서도이다.

개인정보는 외부전송이나 임상데이터로 활용하기 위해 익명화를 수행할 필요가 있으며, 익명화 처리 후 필요 시에 복호화하는 기술이 필요하다.

따라서, 도 6에 도시된 바와 같이, 본 발명의 개인정보를 익명화하여 수정의료영상을 생성하는 단계의 다른 실시예는, 상기 제1컴퓨터(30)가 상기 환자의 원본의료영상을 획득하는 단계(S124); 상기 원본의료영상에 대해 환자식별정보를 포함하는 암호키를 이용한 암호화된 파일을 생성하는 단계(S125);

상기 암호화된 파일을 제2 컴퓨터(40)로 전송하는 단계(S126); 상기 제2 컴퓨터(40)의 요청에 따라, 상기 제1 컴퓨터(30)가 복호화키를 전송하되, 상기 복호화키는 상기 제2 컴퓨터(40)가 상기 암호화된 파일을 복호화하는 키데이터인, 복호화키 전송단계(S127)를 포함한다.

이와 같이 구성된 본 발명의 다른 실시예에 따른 개인정보를 익명화하여 수정의료영상을 생성하는 단계에서는, 먼저

먼저, 제1 컴퓨터(30)에서 상기 환자의 원본의료영상을 획득한다(S124).

이후, 상기 전송받은 의료영상에 대해 환자식별정보를 포함하는 암호키를 이용한 암호화된 파일을 생성한다(S125). 여기서, 상기 의료영상은 DICOM 영상이고, 상기 DICOM 영상을 광학문자인식(OCR)을 이용하여 상기 환자식별정보를 획득하게 된다.

한편, 본 발명의 암호화 방식은 암호화를 위한 암호화키와 복호화를 위한 복호화키가 동일한 대칭키 방식이 사용될 수 있으며, Twofish, Serpent, AES, Blowfish, CAST5, RC4, 3DES, IDEA, RC6, DES 등 중에서 선택된 암호화 방식이 이용될 수 있다. 이외에도 통상의 기술자에게 잘 알려진 암호화 방식이 적용되는 것이 가능하다.

이후, 상기 암화된 파일을 제2 컴퓨터(40)로 전송하고(S126), 상기 제2 컴퓨터(40)에서 상기 제1 컴퓨터(30)로 복호화키를 요청하여 상기 암호화된 파일을 복호화하게 된다(S127).

이때, 상기 암호화된 파일을 복호화하는 단계(S127)는 상기 DICOM영상 내에 포함되어 있는 헤더정보를 이용하여 원본 영상 정보를 확인하고 상기 개인정보를 복원하는 것이 바람직하다.

도 7 및 도 8은 본 발명의 DICOM 영상의 헤더(header)에 있는 정보를 이용해서 데이터를 분류하는 방법을 설명하기 위한 초음파 영상이다.

예를 들어, 연구목적 또는 빅데이터 분석 등의 목적으로 DICOM 영상의 헤더에 있는 정보를 이용해서 나누는 방법을 적용할 수 있다.

구체적으로, 현재 보유하고 있는 영상들 중에서 slice thickness가 5mm 미만인 데이터만 분류해야 하는 경우 DICOM 영상의 헤더에 있는 slice thickness 정보를 이용해서 slice thickness가 5mm 이하인 데이터만 분류해서 활용할 수 있다.

다른 예로서, 초음파 영상처럼 DICOM 헤더에 관련 정보가 있지 않고 영상 위에 관련 정보가 문자로 찍혀있는 경우에는 도시된 바와 같이 초음파 영상에 화면에 필요한 정보가 표시되어 있는 경우가 있다.

도 7 및 도 8의 경우에는 경동맥의 초음파 영상인데, 경동맥 중에서도 현재 위치가 CCA인지 Bulb 인지 등이 표시되어 있다.

한편, 상기 제1 컴퓨터(30)가 상기 의료정보와 상기 의료영상 간의 매칭관계를 기반으로 학습을 수행하는 단계를 더 포함할 수 있다.

이때, 상기 학습수행단계는; 상기 의료정보의 결과값을 기반으로 상기 의료영상을 그룹핑하는 단계; 및 각 그룹 내의 의료영상에 대해 학습을 수행하는 단계로 구성되는 것이 바람직하다.

상기 제1 컴퓨터(30)는 상기 의료정보를 기반으로 빅데이터를 구축할 수 있다. 상기 빅데이터를 구축하기 위하여 머신러닝(machine learning) 또는 딥러닝(deep learning) 알고리즘에 기반하여 상기 각각의 상기 의료정보를 분석 및 분류할 수 있다.

머신러닝 또는 기계 학습(機械學習) 은　인공 지능의 한 분야로, 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야를 말한다. 가령, 기계 학습을 통해서 수신한　이메일이 스팸인지 아닌지를 구분할 수 있도록 훈련할 수 있다. 기계 학습의 핵심은 표현(representation)과 일반화(generalization)에 있다. 표현이란 데이터의 평가이며, 일반화란 아직 알 수 없는 데이터에 대한 처리이다. 이는　전산 학습 이론　분야이기도 하다. 다양한 기계 학습의 응용이 존재한다.　문자 인식은 이를 이용한 가장 잘 알려진 사례이다.

한편, 머신 러닝은 기본적으로 알고리즘을 이용해 데이터를 분석하고, 분석을 통해 학습하며, 학습한 내용을 기반으로 판단이나 예측을 한다. 따라서 궁극적으로는 의사 결정 기준에 대한 구체적인 지침을 소프트웨어에 직접 코딩해 넣는 것이 아닌, 대량의 데이터와 알고리즘을 통해 컴퓨터 그 자체를 ‘학습’ 시켜 작업 수행 방법을 익히는 것을 목표로 한다.

본 발명의 상기 딥러닝 알고리즘은 심층 신경망(deep neural network), 합성곱 신경망(convolutional neural network), 순환 신경망(recurrent neural network) 등과 같은 하나 이상의 딥러닝 알고리즘을 모듈화하여 데이터베이스에 저장하는 것이 바람직하다.

여기서 상기 딥러닝 알고리즘 모듈 데이터베이스에 하나 이상의 딥러닝 알고리즘을 모듈화하여 데이터베이스에 저장하는 것은 이미지 객체를 분석하는 과정에서 각각의 이미지 객체 모듈에 따라 적합한 딥러닝 알고리즘이 다르기 때문이다.

이상에서 전술한 본 발명의 일 실시예에 따른 사용자 인증방법은, 하드웨어인 컴퓨터(즉, 정품인증서버)와 결합되어 실행되기 위해 프로그램(또는 어플리케이션)으로 구현되어 매체에 저장될 수 있다.

상기 전술한 프로그램은, 상기 컴퓨터가 프로그램을 읽어들여 프로그램으로 구현된 상기 방법들을 실행시키기 위하여, 상기 컴퓨터의 프로세서(CPU)가 상기 컴퓨터의 장치 인터페이스를 통해 읽힐 수 있는 C, C++, JAVA, 기계어 등의 컴퓨터 언어로 코드화된 코드(Code)를 포함할 수 있다. 이러한 코드는 상기 방법들을 실행하는 필요한 기능들을 정의한 함수 등과 관련된 기능적인 코드(Functional Code)를 포함할 수 있고, 상기 기능들을 상기 컴퓨터의 프로세서가 소정의 절차대로 실행시키는데 필요한 실행 절차 관련 제어 코드를 포함할 수 있다. 또한, 이러한 코드는 상기 기능들을 상기 컴퓨터의 프로세서가 실행시키는데 필요한 추가 정보나 미디어가 상기 컴퓨터의 내부 또는 외부 메모리의 어느 위치(주소 번지)에서 참조되어야 하는지에 대한 메모리 참조관련 코드를 더 포함할 수 있다. 또한, 상기 컴퓨터의 프로세서가 상기 기능들을 실행시키기 위하여 원격(Remote)에 있는 어떠한 다른 컴퓨터나 서버 등과 통신이 필요한 경우, 코드는 상기 컴퓨터의 통신 모듈을 이용하여 원격에 있는 어떠한 다른 컴퓨터나 서버 등과 어떻게 통신해야 하는지, 통신 시 어떠한 정보나 미디어를 송수신해야 하는지 등에 대해 통신 관련 코드를 더 포함할 수 있다.

상기 저장되는 매체는, 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상기 저장되는 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있지만, 이에 제한되지 않는다. 즉, 상기 프로그램은 상기 컴퓨터가 접속할 수 있는 다양한 서버상의 다양한 기록매체 또는 사용자의 상기 컴퓨터상의 다양한 기록매체에 저장될 수 있다. 또한, 상기 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장될 수 있다.

본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.

이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.

10 : 의료 영상 장비
20 : 병원 PACS
30 : 제1 컴퓨터
40 : 제2 컴퓨터

Claims

의료영상 내에 포함된 텍스트 형태의 정보를 처리하는 방법에 있어서,
제1컴퓨터가 특정 환자의 원본의료영상을 획득하는 단계;
상기 원본의료영상 내에서 광학문자인식(OCR)을 통해 개인정보와 의료정보를 분류하는 단계;
상기 원본의료영상에서 상기 개인정보를 익명화하여 수정의료영상을 생성하는 단계; 및
상기 의료정보를 추출하여 상기 원본의료영상 또는 상기 수정의료영상과 매칭하여 저장하는 단계;를 포함하는, 의료영상 내 정보처리방법.
의료영상 내에 포함된 텍스트 형태의 정보를 처리하는 방법에 있어서,
제1컴퓨터가 특정 환자의 원본의료영상을 획득하는 단계;
상기 원본의료영상을 제공하는 의료장치 정보를 기반으로 상기 원본의료영상 내 각 정보의 배치위치정보를 획득하는 단계;
상기 배치위치정보를 기반으로 상기 원본의료영상 내의 개인정보와 의료정보를 식별하는 단계;
상기 원본의료영상에서 상기 개인정보를 익명화하여 수정의료영상을 생성하는 단계; 및
상기 의료정보를 추출하여 상기 원본의료영상 또는 상기 수정의료영상과 매칭하여 저장하는 단계;를 포함하는, 의료영상 내 정보처리방법.
제1항에 있어서,
상기 개인정보와 의료정보를 분류하는 단계는;
광학문자인식을 통해 획득된 텍스트데이터 형태를 기반으로 상기 개인정보와 상기 의료정보를 구별하는 것을 특징으로 하는,
의료영상 내 정보처리방법.
제1항에 있어서,
상기 개인정보와 의료정보를 분류하는 단계는;
상기 의료영상 내에서 병변 이미지상에 상기 의료정보에 해당하는 텍스트가 표시되는 경우,　
상기 병변 이미지와 상기 텍스트의 경계를 식별하는 단계; 및
광학문자인식(OCR)을 통해 텍스트를 추출하는 단계;를 더 포함하는,
의료영상 내 정보처리방법.
제1항에 있어서,
상기 수정의료영상을 생성하는 단계는;
제1 컴퓨터가 상기 환자의 원본의료영상의 헤더정보를 분석하여 상기 개인정보를 삭제대상 정보와 유지대상 정보를 구분하는 단계;
상기 원본의료영상에서 상기 삭제대상 정보를 삭제하는 단계;
상기 삭제대상 정보가 삭제된 상기 수정의료영상을 제2컴퓨터로 전송하는 단계를 포함하고,
상기 삭제대상 정보는 상기 헤더정보중 개인식별이 가능한 항목 또는 파일명을 포함하는 정보인,
의료영상 내 정보처리방법.
제5항에 있어서,
상기 의료영상은 DICOM 영상이고,
상기 DICOM 영상을 광학문자인식(OCR)을 이용하여 상기 환자식별정보를 획득하는
의료영상 내 정보처리방법.
제1항에 있어서,
상기 수정의료영상을 생성하는 단계는;
상기 제1컴퓨터가 상기 환자의 원본의료영상을 획득하는 단계;
상기 원본의료영상에 대해 환자식별정보를 포함하는 암호키를 이용한 암호화된 파일을 생성하는 단계;
상기 암호화된 파일을 제2컴퓨터로 전송하는 단계;
상기 제2컴퓨터의 요청에 따라, 상기 제1컴퓨터가 복호화키를 전송하되, 상기 복호화키는 상기 제2컴퓨터가 상기 암호화된 파일을 복호화하는 키데이터인, 복호화키 전송단계;를 포함하는,
의료영상 내 정보처리방법.
제7항에 있어서,
상기 암호화된 파일을 복호화하는 단계는;
DICOM영상 내에 포함되어 있는 헤더정보를 분석하여 원본 의료영상을 확인하고 상기 개인정보를 복원하는
의료영상 내 정보처리방법.
제1항 또는 제2항에 있어서,
상기 제1컴퓨터가 상기 의료정보와 상기 의료영상 간의 매칭관계를 기반으로 학습을 수행하는 단계;를 더 포함하는,
의료영상 내 정보처리방법.
제9항에 있어서,
상기 학습수행단계는;
상기 의료정보의 결과값을 기반으로 상기 의료영상을 그룹핑하는 단계; 및
각 그룹 내의 의료영상에 대해 학습을 수행하는 단계;를 포함하는,
의료영상 내 정보처리방법.
하드웨어인 컴퓨터와 결합되어, 제1항 내지 제8항 중 어느 한 항의 방법을 실행시키기 위하여 매체에 저장된, 개인정보 접근제어프로그램.