WO2020141847A1 - 피브린과침착증 진단 장치 및 방법 - Google Patents
피브린과침착증 진단 장치 및 방법 Download PDFInfo
- Publication number
- WO2020141847A1 WO2020141847A1 PCT/KR2019/018775 KR2019018775W WO2020141847A1 WO 2020141847 A1 WO2020141847 A1 WO 2020141847A1 KR 2019018775 W KR2019018775 W KR 2019018775W WO 2020141847 A1 WO2020141847 A1 WO 2020141847A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- fibrin
- villi
- placenta
- mother
- diagnosing
- Prior art date
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- 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
- 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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies
Definitions
- the present invention relates to an apparatus and method for diagnosing fibrin hypercalmosis.
- abortion may be caused by massive perivillous fibrin deposition (MPFD) in which fibrinoids (or fibrin) are overdeposited around the villi of the placenta.
- MPFD massive perivillous fibrin deposition
- the problem to be solved by the present invention is to provide an apparatus and method for diagnosing fibrin hyperdeposition using automatic artificial intelligence algorithm to automatically separate fibrinoid and villi from placenta images to diagnose fibrin hyperdeposition.
- the apparatus for diagnosing fibrin hypercalmosis divides a region of fibrin and villi in a placenta image, performs an analysis on the ratio of fibrin and villi, or the degree to which fibrin surrounds villi, and is based on the analysis It can diagnose fibrin and deposition.
- a method for diagnosing fibrin hyperdeposition performed by a device for diagnosing fibrin hyperdeposition comprising: obtaining a placental image of a mother; Identifying a region corresponding to fibrin and a region corresponding to villi in the placenta image using a pre-trained artificial intelligence algorithm; And based on the region corresponding to the fibrin and the region corresponding to the villi, and may include the operation of diagnosing whether the state of the mother is fibrin hypercalmosis.
- the operation of diagnosing whether the state of the mother is fibrin and deposition is, in the placenta image, the ratio between the region corresponding to the villi and the region corresponding to the fibrin and the villi It may be executed based on at least one of the arrangement state of the corresponding region and the region corresponding to the fibrin.
- the operation of diagnosing whether the condition of the mother is fibrin hypercalmosis is, in the placenta image, of an area corresponding to the fibrin surrounding at least a portion of the region corresponding to the villi. And checking the ratio, and diagnosing the condition of the mother with the fibrin hypercalmosis based on the determined ratio being equal to or higher than a predetermined ratio.
- the placenta image of the mother may be obtained by observing a pathological slide of the mother's placenta with a microscope.
- the artificial intelligence algorithm is based on input parameter values for distinguishing fibrin and villi in the placenta image for learning.
- the placenta image for learning it may be learned to distinguish an area corresponding to the fibrin and an area corresponding to the villi.
- An apparatus for diagnosing fibrin hypercalmosis includes a memory storing pre-trained artificial intelligence algorithms; And obtaining a placental image of a mother, using the pre-trained artificial intelligence algorithm to identify a region corresponding to fibrin and a region corresponding to villi in the placenta image, a region corresponding to the fibrin and a region corresponding to the villi Based on the region, a control unit may be configured to diagnose whether the mother's condition is fibrin hypercalmosis.
- control unit in the placenta image, the ratio between the region corresponding to the villi and the region corresponding to the fibrin, and the arrangement state of the region corresponding to the villi and the region corresponding to the fibrin Based on at least one, it may be possible to diagnose whether the condition of the mother is fibrin hypercalmosis.
- the control unit in the placenta image, checks a ratio of a region corresponding to the fibrin surrounding at least a portion of the region corresponding to the villi, and the identified ratio is equal to or greater than a predetermined ratio On the basis of this, the condition of the mother can be diagnosed as the fibrin hypercalmosis.
- the placenta image of the mother according to an embodiment of the present invention may be obtained by observing a pathological slide of the mother's placenta with a microscope.
- the pre-trained artificial intelligence algorithm based on the input parameter values for distinguishing fibrin and villi in the placenta image for learning, an area corresponding to the fibrin in the placenta image for learning and the It may be learned to distinguish an area corresponding to villi.
- the apparatus and method for diagnosing fibrin hyper deposition may provide an accurate diagnosis of fibrin hyperdeposition by clearly distinguishing the region of fibrin and villi from the placenta image using an artificial intelligence algorithm.
- FIGS. 1 to 10 are diagrams for explaining a device and method for diagnosing fibrin hypercalmosis according to an embodiment of the present invention.
- FIG. 11 is a flowchart of a diagnosis operation of fibrin hyperdeposition using a device for diagnosing fibrin hyperdeposition according to an embodiment of the present invention.
- FIG. 12 is a block diagram of a device for diagnosing fibrin hypercalmosis according to an embodiment of the present invention.
- Figure 1 shows an example of a placenta with fibrinoid, a normal placenta and fibrinoid observed under a microscope. Looking at the placenta under a microscope, there is fetal blood in the placental villi, and maternal blood is present in the space between the villi, and various substances such as oxygen, carbon dioxide, and nutrients can move between these blood. In some cases, fibrin may be deposited around the placental villi as shown in FIG. 1.
- the fibrin/fibrinoid may act as a scaffold to repair damage to the placental villi, or to prevent the immune response from occurring when fetal blood is exposed to the mother's blood when the placental villi is damaged.
- the placenta can be deformed yellow and hard, like the placenta in the upper right of FIG. 2, unlike the normal placenta in the upper left of FIG. Under the microscope, fibrin is filled in the space where the mother's blood should be, and the exchange of substances between the fetus and the mother is prevented from occurring, and the placenta function can be rapidly deteriorated.
- This pathological condition may be Massive perivillous fibrin deposition (hereinafter,'MPFD').
- the lower left of FIG. 2 may be an example of a placenta slide image enlarging a part of the placenta in the upper left
- the lower right of FIG. 2 is an enlarged part of the placenta shown in the upper right
- It may be an example of a placental pathology slide image.
- the difference between the normal placenta and the MPFD placenta can be seen by comparing the images of the lower left and lower right. That is, looking at the image at the bottom right, it can be confirmed that the fibrinoid is full in the space between the villi, unlike the image at the bottom left by MPFD.
- the incidence of MPFD during abortion in the second and third trimesters is 0.005 to 0.5%, and the frequency of MPFD during abortion in the first trimester is 2.7%.
- MPFD may be characterized by repeated up to 78% in the next pregnancy. That is, since MPFD causes repeated miscarriage, various treatments to prevent miscarriage and prevent miscarriage need to be attempted. For example, you can try treatment to prevent miscarriage, such as narrowing the outpatient follow-up interval and inducing preterm delivery.
- MPFD is diagnosed according to the occupancy relationship between villus and fibrin in the placenta.
- the apparatus for diagnosing fibrillation and sedimentation can more clearly distinguish fibrin and villi included in the pathology slide image of the placenta using an artificial intelligence algorithm.
- the fibrin and sedimentation diagnosis apparatus may provide information on fibrin and villi separated as such, for example, an analyzed image, or automatically diagnose MPFD based on the analyzed image to provide an MPFD diagnosis result.
- the device for diagnosing fibrin hypercalmosis may analyze how much fibrin surrounds the contours of villi in the acquired placenta image, and diagnose MPFD based thereon. More specifically, the apparatus for diagnosing fibrin and sedimentation may determine whether the ratio of the length wrapped with fibrin among the circumferences of the villi corresponds to a predetermined ratio, and perform diagnosis based on the ratio.
- the pre-determined ratio can be, for example, 25%.
- the fibrin and deposition diagnosis apparatus may diagnose MPFD by analyzing the area occupied by villi and fibrin in the placenta image and comparing them.
- the fibrin hypersedation diagnosis apparatus can facilitate the diagnosis of MPFD by scanning the placental pathology slide to obtain a placenta image, and according to the ratio of the villus and fibrin appearing in the obtained image, the placement status, and the like.
- MPFD is an abbreviation for Massive Perivillous fibrin deposition
- IIF is an abbreviation for Increased intervillous fibrin.
- the placenta image may be an image obtained by observing a pathology slide of the placenta with a microscope, and FIG. 4 shows an example of such a placenta image.
- the placenta image may be acquired at a low magnification or high magnification depending on the magnification setting of the microscope for acquiring the image.
- the placenta image on the left may be a low magnification image
- the placenta image on the right may be a high magnification image.
- the placenta image has a very complex structure, as shown, and it is difficult to distinguish its composition, for example villi, fibrin, and the like.
- an experienced doctor or an analyst who sees the eye sees it directly and classifies it according to experience (eyeballing method).
- eyeballing method since it relies on the subjective judgment of a doctor or an analyst, there is a problem that the accuracy may be slightly lower depending on the situation including the analyst's ability and condition.
- the fibrin hypersedation diagnosis apparatus of the present invention analyzes the placenta image using an artificial intelligence algorithm trained to clearly distinguish each component of the placenta image, and diagnoses MPFD based thereon, accuracy and reliability for diagnosing MPFD Can be secured.
- the learning of the artificial intelligence algorithm may perform learning based on a method of inputting a label (correct answer) by a doctor or an analyst for each of the components included in the placenta image, as shown in FIG. 5. In some cases, it may be performed by inputting parameter values for distinguishing villi and fibrin for learning of an artificial intelligence algorithm.
- the learning of the artificial intelligence algorithm may be performed in various ways to clearly distinguish configurations included in the placenta image, and is not limited to the examples described above on this specification.
- the fibrin and seizure diagnosis apparatus can receive the placenta image of the patient to be diagnosed and distinguish each configuration in the input placenta image.
- the apparatus for diagnosing fibrin hyperdeposition may identify a portion corresponding to fibrin and a portion corresponding to villi in the input placenta image and perform a diagnosis of fibrin hyperdeposition. Diagnosis of fibrin hypercalmosis may be performed based on the extent to which fibrin wraps around the contour (or circumference) of the villi as described above, or the area occupied by villi and fibrin in the placenta image.
- FIG. 6 shows an example of an image in which fibrin is more clearly displayed in a placenta image after division of a portion corresponding to fibrin is performed by the fibrin and deposition diagnosis apparatus.
- the outer boundary portion is displayed so that the fibrinoid portion located in the left portion is distinguished from other portions.
- various methods may be used to display the fibrinoid portion differently from other portions.
- the fibrinoid portion may be displayed by overlapping with a color, pattern, etc. to distinguish it from other portions. At this time, the color for distinguishing the fibrinoid may be predetermined.
- each configuration for example, a fibrinoid (or fibrin), villus, and background may be expressed by differently at least one of color and pattern. More specifically, as shown in FIGS. 7 to 10, the result image may be such that each configuration of the placenta image is distinguished by performing different color or pattern after performing multicolor cell staining.
- a placental pathology slide may be scanned with an image scanning device, for example, Vectra, to generate a digital image (hereinafter, a'placental image') of the placental pathology slide.
- the fibrin and sedimentation diagnosis apparatus can automatically identify a part of the placenta image corresponding to villi, fibrin, and background in the placenta image after being loaded into the Inform software.
- Such a device for diagnosing fibrin hypersensitivity can diagnose MPFD without knowledge of placenta reading even by a pathologist who specializes in the placenta or a non-pathologist who is not a pathologist.
- FIGS. 9 and 10 more specifically show examples of placenta images before and after the analysis is performed by the fibrin hyperdeposition diagnosis apparatus, and it can be seen that the fibrin hyperdeposition diagnosis apparatus provides clearer information about the placenta. .
- FIG. 11 is a flowchart of a diagnosis operation of fibrin hyperdeposition in a device for diagnosing fibrin hyperdeposition according to an embodiment of the present invention.
- the fibrin hypersedation diagnosis apparatus may acquire a placenta image of a mother.
- the placenta image of the mother may be obtained by observing a pathological slide of the mother's placenta with a microscope.
- the fibrin hypersedation diagnosis apparatus may identify a region corresponding to fibrin and a region corresponding to villi in the placenta image using a pre-trained artificial intelligence algorithm.
- the fibrin hyperdeposition diagnosis apparatus may diagnose whether the condition of the mother is fibrin hyperdeposition based on the region corresponding to the fibrin and the region corresponding to the villi.
- the operation of diagnosing whether the condition of the mother is fibrin and deposition is in the placenta image, a ratio between an area corresponding to the villi and an area corresponding to the fibrin and an area corresponding to the villi And an arrangement state of a region corresponding to the fibrin.
- the operation of diagnosing whether the condition of the mother is fibrin and deposition is confirmed in the placenta image, a ratio of a region corresponding to the fibrin surrounding at least a portion of the region corresponding to the villi And, based on the above-identified ratio is more than the predetermined ratio, the condition of the mother can be diagnosed with the fibrin hyperdeposition.
- the fibrin hypersedation diagnosis operation of the fibrin hypersedation diagnosis apparatus may further include an operation of learning an artificial intelligence algorithm and storing the learned artificial intelligence algorithm.
- the operation of learning the artificial intelligence algorithm is to distinguish an area corresponding to the fibrin and an area corresponding to the villi from the placenta image for learning, based on input parameter values for distinguishing fibrin and villi in the placenta image for learning. It may include an operation to learn.
- FIG. 12 is a block diagram of a device for diagnosing fibrin hypercalmosis according to an embodiment of the present invention.
- the fibrin hypersedation diagnosis apparatus 1200 may include a memory 1201, an input/output interface 1203, a communication interface 1205, and/or a controller 1207.
- the memory 1201 is a variety of data used by at least one component (input/output interface 1203, communication interface 1205, and/or control unit 1207) of the fibrin and deposition diagnosis device 1200, for example It is possible to store input data or output data for software (eg, a program) and related commands.
- the memory 1203 may include volatile memory or nonvolatile memory.
- the memory 1201 may store the learned artificial intelligence algorithm.
- the learned artificial intelligence algorithm based on the input parameter values for distinguishing fibrin and villi in the placenta image for learning, an area corresponding to the fibrin in the placenta image for learning And an algorithm trained to classify an area corresponding to the villi.
- parameter values that distinguish fibrin and villi may be input through the input/output interface 1205 or the communication interface 1207.
- the input/output interface 1205 transfers commands or data input from a user or other external device to other component(s) of the fibrin hypersedosis diagnosis device 1200, or the fibrin hypersedation diagnosis device 1200, for example.
- the command or data received from other component(s) of can be output to a user or another external device.
- the communication interface 1207 may establish communication between the fibrin and the deposition diagnosis apparatus 1200 and an external device, for example.
- the communication interface 1207 may be connected to a network through wireless communication or wired communication to communicate with an external device.
- the control unit 1201 (also referred to as a control device or control circuit) includes at least one other component of the connected fibrin and deposition diagnosis device 1200 (eg, hardware components (eg, memory 1203), input/output interface 1205), and And/or the communication interface 1207) or software components), and can perform various data processing and operations.
- the connected fibrin and deposition diagnosis device 1200 eg, hardware components (eg, memory 1203), input/output interface 1205), and And/or the communication interface 1207) or software components
- the controller 1201 checks the placenta image of the mother and uses the learned artificial intelligence algorithm stored in the memory 1203 to determine the region corresponding to fibrin and the region corresponding to villi in the placenta image. Confirmation, and based on the region corresponding to the fibrin and the region corresponding to the villi, the condition of the mother can be diagnosed as fibrin hyperdeposition.
- the controller 1201 may include, in the placenta image, at least one of a ratio between an area corresponding to the villi and an area corresponding to the fibrin, and an arrangement state of an area corresponding to the villi and an area corresponding to the fibrin.
- the condition of the mother can be diagnosed as being normal or the fibrin.
- control unit 1201 in the placenta image, checks the ratio of the region corresponding to the fibrin surrounding at least a portion of the region corresponding to the villi, and the identified ratio corresponds to the predetermined ratio On the basis of this, the condition of the mother can be diagnosed with the fibrin hypercalmosis.
- the placenta image may be obtained through an input/output interface 1205 or a communication interface 1207 connected to a microscope that observes the pathological slide of the mother's placenta.
- the fibrin hypersedation diagnosis apparatus 1200 may further include a display device and/or a speaker, and the controller 1201 controls the display device so that the state of the mother is the fibrin hypersedation. It is possible to output visual information indicating that it has been diagnosed, or to output a voice indicating that the mother's condition has been diagnosed as fibrin hypercalmosis by controlling the speaker.
- Embodiments of this document include software that includes instructions stored on a machine-readable storage media (e.g., memory 113 (internal or external memory)).
- the device is a device that can call a stored command from a storage medium and is operable according to the called command, and may include a fibrin hypersedation diagnosis device 1200 according to the disclosed embodiments.
- the controller 1207 or processor
- the controller may perform a function corresponding to the command directly or by using other components under the control of the controller.
- Instructions can include code that is generated or executed by a compiler or interpreter.
- the storage medium readable by the device may be provided in the form of a non-transitory storage medium.
- 'non-transitory' means that the storage medium does not contain a signal and is tangible, but does not distinguish between data being stored semi-permanently or temporarily on the storage medium.
- a method according to various embodiments disclosed in the present document may be provided as being included in a computer program product.
- a computer-readable recording medium storing a computer program, an operation of identifying a placenta image of a mother, a region corresponding to fibrin and a villi in the placenta image using a learned artificial intelligence algorithm And instructions for causing the processor to perform a method comprising: identifying an area and diagnosing the state of the mother as fibrin and deposition based on an area corresponding to the fibrin and an area corresponding to the villi. can do.
- a computer program stored in a computer-readable recording medium the operation of checking the placenta image of a mother, a region corresponding to fibrin and the villi in the placenta image using a learned artificial intelligence algorithm And instructions for causing the processor to perform a method comprising: identifying an area and diagnosing the state of the mother as fibrin and deposition based on an area corresponding to the fibrin and an area corresponding to the villi. can do.
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Image Analysis (AREA)
Abstract
본 발명의 일 실시예에 따른 피브린과침착증 진단 장치는 인공 지능 알고리즘을 이용하여 태반 이미지에서 자동으로 피브린과 융모를 구분하고, 구분된 피브린과 융모의 배치, 점유 비율 등에 따라 피브린과침착증의 진단을 수행할 수 있다.
Description
본 발명은 피브린과침착증을 진단하기 위한 장치 및 방법에 관한 것이다.
최근 초혼 연령의 증가로 인해 고령 임신에 따른 고위험 분만이 증가하고 있다. 통계적 수치에 의하면, 1994년 기준, 여성의 초혼 연령은 25.1세이었던 것에 반하여, 2015년 기준, 여성의 초혼 연령은 30.0세로 증가하였으며, 35세 이상의 고령 산모 또한 증가하였다. 고령의 산모, 예를 들어, 40대 이상의 산모에게서는 유산율이 50%에 이르는 정도로, 출산에 큰 위험을 가지게 된다.
산모가 유산을 하는 원인으로는 다양한 원인이 존재한다. 예를 들어, 태반의 융모 주변에 피브리노이드(또는 피브린)가 과침착되는 피브린과침착증(MPFD, massive perivillous fibrin deposition)에 의해 유산이 유발될 수 있다.
피브린과침착증 진단의 경우, 융모와 피브린을 구분하는 것이 어려워 병리 의사의 주관적인 판단에 의해 영향을 받게 되기 때문에 피브린과침착증에 대한 진단은 정확성 및 객관성이 떨어진다는 문제가 존재한다.
본 발명이 해결하고자 하는 과제는, 인공 지능 알고리즘을 이용하여 태반 이미지에서 자동으로 피브리노이드와 융모를 구분하여 피브린과침착증의 진단을 수행하는 피브린과침착증 진단 장치 및 방법을 제공하는 것이다.
다만, 본 발명이 해결하고자 하는 과제는 이상에서 언급한 바로 제한되지 않으며, 언급되지는 않았으나 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있는 목적을 포함할 수 있다.
본 발명의 일 실시예에 따른 피브린과침착증 진단 장치는, 태반 이미지에서 피브린과 융모의 영역을 구분하고, 피브린과 융모의 비율 또는 피브린이 융모를 둘러싸고 있는 정도에 대한 분석을 수행하고, 분석에 기초하여 피브린과침착증을 진단할 수 있다.
본 발명의 일 실시 예에 따른 피브린과침착증 진단 장치에 의해 수행되는 피브린과침착증 진단 방법으로서, 산모의 태반 이미지를 획득하는 동작; 기 학습된 인공 지능 알고리즘을 이용하여 상기 태반 이미지에서 피브린에 대응하는 영역 및 융모에 대응하는 영역을 확인하는 동작; 및 상기 피브린에 대응하는 영역 및 상기 융모에 대응하는 영역에 기초하여, 상기 산모의 상태가 피브린과침착증인지 여부를 진단하는 동작을 포함할 수 있다.
본 발명의 일 실시 예에 따르면, 상기 산모의 상태가 상기 피브린과침착증인지 여부를 진단하는 동작은, 상기 태반 이미지에서, 상기 융모에 대응하는 영역과 상기 피브린에 대응하는 영역 간의 비율 및 상기 융모에 대응하는 영역과 상기 피브린에 대응하는 영역의 배치 상태 중 적어도 하나에 기초하여 실행될 수 있다.
본 발명의 일 실시 예에 따르면, 상기 산모의 상태가 상기 피브린과침착증인지 여부를 진단하는 동작은, 상기 태반 이미지에서, 상기 융모에 대응하는 영역 중 적어도 일부를 둘러싸는 상기 피브린에 대응하는 영역의 비율을 확인하는 동작, 및 상기 확인된 비율이 기지정된 비율 이상인 것에 기초하여, 상기 산모의 상태를 상기 피브린과침착증으로 진단하는 동작을 포함할 수 있다.
본 발명의 일 실시 예에 따르면, 상기 산모의 상기 태반 이미지는, 상기 산모의 태반의 병리 슬라이드를 현미경으로 관측하여 획득될 수 있다.
본 발명의 일 실시 예에 따르면, 상기 기 학습된 인공 지능 알고리즘을 메모리에 저장하는 동작을 더 포함하고, 상기 인공 지능 알고리즘은, 학습용 태반 이미지 내에서 피브린 및 융모를 구분하는 입력된 파라미터 값에 기초하여, 상기 학습용 태반 이미지에서 상기 피브린에 대응하는 영역 및 상기 융모에 대응하는 영역을 구분하도록 학습된 것일 수 있다.
본 발명의 일 실시 예에 따른 피브린과침착증 진단 장치는, 기 학습된 인공 지능 알고리즘을 저장하는 메모리; 및 산모의 태반 이미지를 획득하며, 상기 기 학습된 인공 지능 알고리즘을 이용하여 상기 태반 이미지에서 피브린에 대응하는 영역 및 융모에 대응하는 영역을 확인하며, 상기 피브린에 대응하는 영역 및 상기 융모에 대응하는 영역에 기초하여, 상기 산모의 상태가 피브린과침착증인지 여부를 진단하도록 하는 제어부를 포함할 수 있다.
본 발명의 일 실시 예에 따른 상기 제어부는, 상기 태반 이미지에서, 상기 융모에 대응하는 영역과 상기 피브린에 대응하는 영역 간의 비율 및 상기 융모에 대응하는 영역과 상기 피브린에 대응하는 영역의 배치 상태 중 적어도 하나에 기초하여 상기 산모의 상태가 상기 피브린과침착증인지 여부를 진단할 수 있다.
본 발명의 일 실시 예에 따른 상기 제어부는, 상기 태반 이미지에서, 상기 융모에 대응하는 영역 중 적어도 일부를 둘러싸는 상기 피브린에 대응하는 영역의 비율을 확인하며, 상기 확인된 비율이 기지정된 비율 이상인 것에 기초하여, 상기 산모의 상태를 상기 피브린과침착증인 것으로 진단할 수 있다.
본 발명의 일 실시 예에 따른 상기 산모의 상기 태반 이미지는, 상기 산모의 태반의 병리 슬라이드를 현미경으로 관측하여 획득될 수 있다.
본 발명의 일 실시 예에 따른 상기 기 학습된 인공 지능 알고리즘은, 학습용 태반 이미지 내에서 피브린 및 융모를 구분하는 입력된 파라미터 값에 기초하여, 상기 상기 학습용 태반 이미지에서 상기 피브린에 대응하는 영역 및 상기 융모에 대응하는 영역을 구분하도록 학습된 것일 수 있다.
본 발명의 실시예에 따른 피브린과침착증 진단 장치 및 방법은, 인공 지능 알고리즘을 이용하여 태반 이미지에서 피브린과 융모의 영역을 명확히 구분함으로써, 정확한 피브린과침착증의 진단을 제공할 수 있다.
다만, 본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1 내지 도 10은 본 발명의 일 실시예에 따른 피브린과침착증 진단 장치 및 방법을 설명하기 위한 도면이다.
도 11은 본 발명의 일 실시 예에 따른 피브린과침착증 진단 장치를 이용한 피브린과침착증 진단 동작의 흐름도이다.
도 12는 본 발명의 일 실시 예에 따른 피브린과침착증 진단 장치의 블록도이다.
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 한정되는 것이 아니라 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명의 범주는 청구항에 의해 정의될 뿐이다.
본 발명의 실시예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명은 본 발명의 실시예들을 설명함에 있어 실제로 필요한 경우 외에는 생략될 것이다. 그리고 후술되는 용어들은 본 발명의 실시예에서의 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.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예들을 포함할 수 있는바, 특정 실시예들을 도면에 예시하고 상세한 설명에 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로서 이해되어야 한다.
제 1, 제 2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 해당 구성요소들은 이와 같은 용어들에 의해 한정되지는 않는다. 이 용어들은 하나의 구성요소들을 다른 구성요소로부터 구별하는 목적으로만 사용된다.
어떤 구성요소가 다른 구성요소에 '연결되어' 있다거나 '접속되어' 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
도 1은 현미경으로 관측한 정상 태반과 피브리노이드, 즉 피브린이 침착된 태반의 예를 나타낸다. 태반을 현미경으로 보면, 태반 융모 안에는 태아 혈액이 있고, 융모 간 공간에는 산모의 혈액이 존재하여, 이 두 혈액 사이에 산소, 이산화탄소, 영양소 등 각종 물질의 이동이 일어날 수 있다. 경우에 따라, 도 1에 도시된 바와 같이 태반 융모 주변에는 피브린이 침착될 수 있다.
정상적인 상태에서, 피브린/피브리노이드는 태반 융모의 손상을 복구시키는 scaffold의 역할을 하거나, 태반 융모가 손상되었을 때 태아 혈액이 산모 혈액으로 노출되어 면역 반응이 일어나는 것을 예방하는 역할을 수행할 수 있다.
만약, 피브린/피브리노이드가 지나치게 많이 침착되는 경우, 태반은, 도 2의 왼쪽 상단에 도시된 정상 태반과는 달리 도 2의 오른쪽 상단에 도시된 태반처럼, 노랗고 딱딱하게 변형될 수 있다. 현미경을 보면, 산모 피가 있어야 할 공간에 피브린이 가득 차서, 태아와 산모 간의 물질 교환이 일어나지 못하게 되어서, 태반의 기능이 급격히 저하될 수 있다. 이러한 병적인 상태가 피브린과침착증(Massive perivillous fibrin deposition)(이하, 'MPFD')일 수 있다.
한편, 도 2와 관련하여, 도 2의 왼쪽 하단은 왼쪽 상단에 도시된 태반의 일부를 확대한 태반 슬라이드 이미지의 예일 수 있고, 도 2의 오른쪽 하단은 오른쪽 상단에 도시된 태반의 일부를 확대한 태반 병리 슬라이드 이미지의 예일 수 있다. 왼쪽 상단과 오른쪽 상단에 도시된 태반의 그림과 마찬가지로, 왼쪽 하단과 오른쪽 하단의 이미지의 비교를 통해서도 정상 태반과 MPFD 태반의 차이를 알 수 있다. 즉, 오른쪽 하단의 이미지를 보면, MPFD에 의해 왼쪽 하단의 이미지와는 달리 융모간 공간에 피브리노이드가 가득 차있음을 확인할 수 있다.
MPFD의 경우, 태반의 기능이 상실되기 때문에, 임신의 예후가 매우 나쁘게 나타나고, 심한 경우에는 유산에까지 이르게 한다. 보다 구체적으로, MPFD가 발병된 경우, 태아의 발육 지연을 비롯하여, 태아의 뇌에 심각한 손상이 초래될 수 있다.
연구에 따르면, 임신 2-3분기 유산시 MPFD 의 발생빈도는, 0.005~0.5%이고, 임신 1분기 유산시 MPFD 의 빈도는 2.7% 로 나타난다. 드물기는 하지만, MPFD는 다음 임신에서 78%까지 반복되어 나타나는 특징이 가질 수 있다. 즉, MPFD는 반복 유산을 초래하기 때문에, 이를 미리 진단하여 유산을 막기 위한 다양한 치료가 시도되어야 할 필요가 있다. 예를 들어, 외래 추적간격을 좁히고, 조기 분만을 유도하는 방법 등의 유산을 방지하기 위한 치료를 시도해 볼 수 있다.
도 3을 참조하면, 태반에서 융모와 피브린의 점유 관계에 따라 MPFD를 진단하게 된다.
보다 구체적으로, 본 발명의 일 실시예에 따른 피브린과침착증 진단 장치는 인공 지능 알고리즘을 이용하여 태반의 병리 슬라이드 이미지에 포함되는 피브린과 융모를 보다 명확히 구분할 수 있다. 피브린과침착증 진단 장치는 이렇게 구분된 피브린과 융모에 대한 정보, 예를 들어 분석된 이미지를 제공하거나, 분석된 이미지에 기초하여 MPFD를 자동으로 진단하여 MPFD 진단 결과를 제공할 수 있다.
예를 들어, 피브린과침착증 진단 장치는 획득된 태반 이미지에서 피브린이 융모의 윤곽(contour)을 얼마나 둘러싸고 있는지를 분석하고, 그에 기초하여 MPFD를 진단할 수 있다. 보다 구체적으로, 피브린과침착증 진단 장치는 융모의 둘레 중 피브린으로 감싸지는 길이의 비율이 기지정된 비율에 상응하는지 여부를 판단하고, 그에 기초하여 진단을 수행할 수 있다. 기지정된 비율은 예를 들면, 25%일 수 있다.
다른 예를 들면, 피브린과침착증 진단 장치는 태반 이미지에서 융모와 피브린이 각각 차지하고 있는 면적을 분석하고, 이를 비교하여 MPFD를 진단할 수 있다.
즉, 피브린과침착증 진단 장치는 태반 병리 슬라이드를 스캔하여 태반 이미지를 획득하고, 획득된 이미지에 나타나는 융모와 피브린의 비율, 배치 상태 등에 따라 MPFD의 진단을 용이하게 할 수 있다.
한편, 도 3에서 MPFD는 Massive Perivillous fibrin deposition(태반 피브린과침착증)의 약어이며, IIF는 Increased intervillous fibrin(태반 피브린 증가증)의 약어이다.
한편, 태반 이미지는 태반의 병리 슬라이드를 현미경으로 관측하여 획득되는 이미지일 수 있고, 도 4는 이러한 태반 이미지의 예를 나타낸다. 태반 이미지는 이미지의 획득을 위한 현미경의 배율 설정에 따라 저배율 또는 고배율로 획득될 수 있다. 도 4를 참조하면, 왼쪽의 태반 이미지가 저배율 이미지이고, 오른쪽의 태반 이미지가 고배율 이미지일 수 있다.
태반 이미지는 도시된 바와 같이 매우 복잡한 구조로 있고, 그 구성, 예를 들어 융모, 피브린 등을 구분하는 것이 어렵다. 일반적으로 태반 이미지의 구성을 구분하기 위해서는 경험이 많은 숙련된 의사 또는 분석가가 직접 육안으로 보고 경험에 따라 구분한다(eyeballing method). 이러한 경우에는, 의사 또는 분석가의 주관적 판단에 의존하게 되기 때문에 분석가의 실력, 컨디션을 포함한 상황에 따라 정확도가 다소 떨어질 수 있다는 문제가 있다. 그러나, 본 발명의 피브린과침착증 진단 장치는 태반 이미지의 각 구성을 명확히 구분하도록 학습된 인공 지능 알고리즘을 이용하여 태반 이미지를 분석하고, 그에 기초하여 MPFD를 진단하기 때문에 MPFD를 진단에 대한 정확성과 신뢰성을 확보할 수 있다.
한편, 인공 지능 알고리즘의 학습은 도 5에 도시된 바와 같이 태반 이미지에 포함되는 각각의 구성들에 대해 의사 또는 분석가에 의해 레이블(정답)을 입력하는 방식에 기초하여 학습을 수행할 수 있다. 경우에 따라, 인공 지능 알고리즘의 학습을 위해 융모, 피브린을 구분하는 파라미터 값을 입력하여 수행될 수도 있다. 인공 지능 알고리즘의 학습은 태반 이미지에 포함되는 구성을 명확히 구분하기 위한 다양한 방법으로 수행될 수 있으며, 본 명세서 상에서 상술된 예에 제한되지 않는다.
이와 같이 태반 이미지의 구성을 명확히 하기 위해 학습된 인공 지능 알고리즘을 이용하여, 피브린과침착증 진단 장치는 진단하고자 하는 환자의 태반 이미지를 입력받아, 입력된 태반 이미지 내의 각 구성을 구분할 수 있다. 피브린과침착증 진단 장치는, 입력된 태반 이미지에서 피브린(Fibrin)에 해당하는 부분과, 융모(Villi)에 해당하는 부분을 식별하여, 피브린과침착증 진단을 수행할 수 있다. 피브린과침착증의 진단은 상술한 바와 같이 융모의 윤곽(또는 둘레)에 대해 피브린이 감싸고 있는 정도 또는 태반 이미지에서 융모와 피브린이 차지하는 면적에 기초하여 수행될 수 있다.
도 6은 피브린과침착증 진단 장치에 의해 피브린에 해당하는 부분의 구분이 수행된 후 태반 이미지 내에서 피브린을 보다 명확히 표시한 이미지의 예를 도시한다. 도 6을 도 5와 비교하여 참조하면, 도 5와는 달리 6에서는 왼쪽부분에 위치된 피브리노이드(fibrinoid) 부분이 다른 부분들과 구분되도록 외곽의 경계부가 표시됨을 확인할 수 있다. 대안적으로 또는 추가적으로 피브리노이드(fibrinoid) 부분을 다른 부분들과 다르게 표시하기 위해서는 다양한 방법이 이용될 수 있다. 예를 들어, 피브리노이드(fibrinoid) 부분을 색, 패턴 등으로 오버랩하여 표시하여 다른 부분들과 구분되게 할 수 있다. 이 때, 피브리노이드를 구분하는 색은 미리 정해져있을 수 있다.
도 7 내지 도 10은 피브린, 융모, 그 외의 배경 부분이 피브린과침착증 진단 장치에 의해 보다 명확히 구분됨으로써 생성되는 결과 이미지의 예를 도시한다. 도 7과 도 8에 도시된 바와 같이 각각의 구성, 예를 들어 피브리노이드(또는 피브린), 융모, 배경(background)은 색 및 패턴 중 적어도 하나를 달리하여 표현될 수 있다. 보다 구체적으로, 도 7 내지 도 10와 같이, 결과 이미지는 Multicolor cell staining을 수행 한 후 각 색깔 또는 패턴을 달리하여 태반 이미지의 각 구성이 구분되도록 한 것일 수 있다.
예를 들어, 태반 병리 슬라이드를 이미지 스캔 장치, 예를 들어 Vectra로 스캔을 진행하여 태반 병리 슬라이드에 대한 디지털 이미지(이하 '태반 이미지')를 생성할 수 있다. 피브린과침착증 진단 장치는 태반 이미지에 대하여, Inform software로 불러들인 후, 자동으로 태반 이미지에서 융모(Villi), 피브린(Fibrin) 및 배경(Background)에 해당하는 부분을 각각 구분할 수 있다. 이러한, 피브린과침작증 진단 장치는 태반을 전문으로 하는 병리 의사 또는 병리 의사가 아닌 비전문가들도 태반 판독에 대한 지식 없이 MPFD를 진단할 수 있다.
도 9와 도 10은 보다 구체적으로 피브린과침착증 진단 장치에 의해 분석이 수행되기 전과 후의 태반 이미지의 예를 도시하고, 이를 통해 피브린과침착증 진단 장치는 태반에 대한 보다 명확한 정보를 제공함을 알 수 있다.
도 11은 본 발명의 일 실시 예에 따른 피브린과침착증 진단 장치의 피브린과침착증 진단 동작의 흐름도이다.
1101 동작에서, 피브린과침착증 진단 장치는, 산모의 태반 이미지를 획득할 수 있다.
일 실시 예에 따르면, 상기 산모의 상기 태반 이미지는, 상기 산모의 태반의 병리 슬라이드를 현미경으로 관측하여 획득할 수 있다.
1103 동작에서, 피브린과침착증 진단 장치는, 기 학습된 인공 지능 알고리즘을 이용하여 상기 태반 이미지에서 피브린에 대응하는 영역 및 융모에 대응하는 영역을 확인할 수 있다.
1105 동작에서, 피브린과침착증 진단 장치는, 상기 피브린에 대응하는 영역 및 상기 융모에 대응하는 영역에 기초하여, 상기 산모의 상태가 피브린과침착증인지 여부를 진단할 수 있다.
일 실시 예에 따르면, 상기 산모의 상태를 상기 피브린과침착증인지 여부를 진단하는 동작은, 상기 태반 이미지에서, 상기 융모에 대응하는 영역과 상기 피브린에 대응하는 영역 간의 비율 및 상기 융모에 대응하는 영역과 상기 피브린에 대응하는 영역의 배치 상태 중 적어도 하나에 기초하여 실행될 수 있다.
일 실시 예에 따르면, 상기 산모의 상태를 상기 피브린과침착증인지 여부를 진단하는 동작은, 상기 태반 이미지에서, 상기 융모에 대응하는 영역 중 적어도 일부를 둘러싸는 상기 피브린에 대응하는 영역의 비율을 확인하고, 상기 확인된 비율이 기지정된 비율 이상인 것에 기초하여, 상기 산모의 상태를 상기 피브린과침착증으로 진단할 수 있다.
일 실시 예에 따르면, 피브린과침착증 진단 장치의 피브린과침착증 진단 동작은, 인공 지능 알고리즘을 학습시켜 상기 학습된 인공 지능 알고리즘을 저장하는 동작을 더 포함할 수 있다. 상기 인공 지능 알고리즘을 학습시키는 동작은, 학습용 태반 이미지 내에서 피브린 및 융모를 구분하는 입력된 파라미터 값에 기초하여, 상기 학습용 태반 이미지에서 상기 피브린에 대응하는 영역 및 상기 융모에 대응하는 영역을 구분하도록 학습시키는 동작을 포함할 수 있다.
도 12는 본 발명의 일 실시 예에 따른 피브린과침착증 진단 장치의 블록도이다.
도 12를 참조하면, 피브린과침착증 진단 장치(1200)는 메모리(1201), 입출력 인터페이스(1203), 통신 인터페이스(1205) 및/또는 제어부(1207)를 포함할 수 있다.
메모리(1201)는 피브린과침착증 진단 장치(1200)의 적어도 하나의 구성요소(입출력 인터페이스(1203), 통신 인터페이스(1205) 및/또는 제어부(1207))에 의해 사용되는 다양한 데이터, 예를 들어, 소프트웨어(예: 프로그램) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 저장할 수 있다. 메모리(1203)는, 휘발성 메모리 또는 비휘발성 메모리를 포함할 수 있다.
일 실시 예에 따르면, 메모리(1201)는 학습된 인공 지능 알고리즘을 저장할 수 있다.
예를 들어, 상기 학습된 인공 지능 알고리즘은, 제어부(1207)의 제어에 따라, 학습용 태반 이미지에서 피브린 및 융모를 구분하는 입력된 파라미터 값에 기초하여, 상기 학습용 태반 이미지에서 상기 피브린에 대응하는 영역 및 상기 융모에 대응하는 영역을 구분하도록 학습된 알고리즘일 수 있다.
예를 들어, 피브린 및 융모를 구분하는 파라미터 값은 입출력 인터페이스(1205) 또는 통신 인터페이스(1207)를 통해 입력될 수 있다.
입출력 인터페이스(1205)는 예를 들면, 사용자 또는 다른 외부 기기로부터 입력된 명령 또는 데이터를 피브린과침착증 진단 장치(1200)의 다른 구성요소(들)에 전달하거나, 또는 피브린과침착증 진단 장치(1200)의 다른 구성요소(들)로부터 수신된 명령 또는 데이터를 사용자 또는 다른 외부 기기로 출력할 수 있다.
통신 인터페이스(1207)는 예를 들면, 피브린과침착증 진단 장치(1200)와 외부 장치간의 통신을 설정할 수 있다. 예를 들면, 통신 인터페이스(1207)는 무선 통신 또는 유선 통신을 통해서 네트워크에 연결되어 외부 장치와 통신할 수 있다.
제어부(1201)(제어 장치 또는 제어 회로라고도 함)는 연결된 피브린과침착증 진단 장치(1200)의 적어도 하나의 다른 구성 요소(예: 하드웨어 구성 요소(예: 메모리(1203), 입출력 인터페이스(1205) 및/또는 통신 인터페이스(1207)) 또는 소프트웨어 구성 요소)를 제어할 수 있고, 다양한 데이터 처리 및 연산을 수행할 수 있다.
일 실시 예에 따르면, 제어부(1201)는, 산모의 태반 이미지를 확인하며, 메모리(1203)에 저장된 학습된 인공 지능 알고리즘을 이용하여 상기 태반 이미지에서 피브린에 대응하는 영역 및 융모에 대응하는 영역을 확인하며, 상기 피브린에 대응하는 영역 및 상기 융모에 대응하는 영역에 기초하여, 상기 산모의 상태를 피브린과침착증인 것으로 진단할 수 있다.
예를 들어, 제어부(1201)는, 상기 태반 이미지에서, 상기 융모에 대응하는 영역과 상기 피브린에 대응하는 영역 간의 비율 및 상기 융모에 대응하는 영역과 상기 피브린에 대응하는 영역의 배치 상태 중 적어도 하나에 기초하여 상기 산모의 상태를 상기 피브린과침착증인 것이나 정상인 것으로 진단할 수 있다.
예를 들어, 제어부(1201)는, 상기 태반 이미지에서, 상기 융모에 대응하는 영역 중 적어도 일부를 둘러싸는 상기 피브린에 대응하는 영역의 비율을 확인하며, 상기 확인된 비율이 기지정된 비율에 대응하는 것에 기초하여, 상기 산모의 상태를 상기 피브린과침착증으로 진단할 수 있다.
예를 들어, 상기 태반 이미지는, 상기 산모의 태반의 병리 슬라이드를 관측하는 현미경과 연결된 입출력 인터페이스(1205) 또는 통신 인터페이스(1207)를 통해 획득될 수 있다.
한편, 도시하지는 않았으나, 피브린과침착증 진단 장치(1200)는 표시 장치 및/또는 스피커를 더 포함할 수 있으며, 제어부(1201)는 상기 표시 장치를 제어하여, 상기 산모의 상태가 상기 피브린과침착증으로 진단되었음을 나타내는 시각 정보를 출력하도록하거나, 또는 상기 스피커를 제어하여 상기 산모의 상태가 상기 피브린과침착증으로 진단되었음을 나타내는 음성을 출력하도록 할 수 있다.
본 문서의 실시예들은 기기(machine)(예: 컴퓨터)로 읽을 수 있는 저장 매체(machine-readable storage media)(예: 메모리(113)(내장 메모리 또는 외장 메모리))에 저장된 명령어를 포함하는 소프트웨어(예: 프로그램)로 구현될 수 있다. 기기는, 저장 매체로부터 저장된 명령어를 호출하고, 호출된 명령어에 따라 동작이 가능한 장치로서, 개시된 실시예들에 따른 피브린과침착증 진단 장치(1200)를 포함할 수 있다. 상기 명령이 제어부(1207)(또는 프로세서)에 의해 실행될 경우, 제어부가 직접, 또는 상기 제어부의 제어하에 다른 구성요소들을 이용하여 상기 명령에 해당하는 기능을 수행할 수 있다. 명령은 컴파일러 또는 인터프리터에 의해 생성 또는 실행되는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장매체가 신호(signal)를 포함하지 않으며 실재(tangible)한다는 것을 의미할 뿐 데이터가 저장매체에 반영구적 또는 임시적으로 저장됨을 구분하지 않는다.
일시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다.
일 실시 예에 따르면, 컴퓨터 프로그램을 저장하고 있는 컴퓨터 판독 가능 기록매체로서, 산모의 태반 이미지를 확인하는 동작, 학습된 인공 지능 알고리즘을 이용하여 상기 태반 이미지에서 피브린에 대응하는 영역 및 융모에 대응하는 영역을 확인하는 동작 및 상기 피브린에 대응하는 영역 및 상기 융모에 대응하는 영역에 기초하여, 상기 산모의 상태를 피브린과침착증인 것으로 진단하는 동작을 포함하는 방법을 프로세서가 수행하도록 하기 위한 명령어를 포함할 수 있다.
일 실시 예에 따르면, 컴퓨터 판독 가능한 기록매체에 저장되어 있는 컴퓨터 프로그램으로서, 산모의 태반 이미지를 확인하는 동작, 학습된 인공 지능 알고리즘을 이용하여 상기 태반 이미지에서 피브린에 대응하는 영역 및 융모에 대응하는 영역을 확인하는 동작 및 상기 피브린에 대응하는 영역 및 상기 융모에 대응하는 영역에 기초하여, 상기 산모의 상태를 피브린과침착증인 것으로 진단하는 동작을 포함하는 방법을 프로세서가 수행하도록 하기 위한 명령어를 포함할 수 있다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 품질에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 명세서에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 균등한 범위 내에 있는 모든 기술사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
Claims (10)
- 피브린과침착증 진단 장치에 의해 수행되는 피브린과침착증 진단 방법으로서산모의 태반 이미지를 획득하는 동작;기 학습된 인공 지능 알고리즘을 이용하여 상기 태반 이미지에서 피브린에 대응하는 영역 및 융모에 대응하는 영역을 확인하는 동작; 및상기 피브린에 대응하는 영역 및 상기 융모에 대응하는 영역에 기초하여, 상기 산모의 상태가 피브린과침착증인지 여부를 진단하는 동작을 포함하는피브린과침착증 진단 방법.
- 제 1항에 있어서,상기 산모의 상태가 상기 피브린과침착증인지 여부를 진단하는 동작은,상기 태반 이미지에서, 상기 융모에 대응하는 영역과 상기 피브린에 대응하는 영역 간의 비율 및 상기 융모에 대응하는 영역과 상기 피브린에 대응하는 영역의 배치 상태 중 적어도 하나에 기초하여 실행되는피브린과침착증 진단 방법.
- 제 2항에 있어서,상기 산모의 상태가 상기 피브린과침착증인지 여부를 진단하는 동작은,상기 태반 이미지에서, 상기 융모에 대응하는 영역 중 적어도 일부를 둘러싸는 상기 피브린에 대응하는 영역의 비율을 확인하는 동작, 및상기 확인된 비율이 기지정된 비율 이상인 것에 기초하여, 상기 산모의 상태를 상기 피브린과침착증으로 진단하는 동작을 포함하는피브린과침착증 진단 방법.
- 제 1항에 있어서,상기 산모의 상기 태반 이미지는,상기 산모의 태반의 병리 슬라이드를 현미경으로 관측하여 획득되는피브린과침착증 진단 방법.
- 제 1항에 있어서,상기 기 학습된 인공 지능 알고리즘을 메모리에 저장하는 동작을 더 포함하고,상기 인공 지능 알고리즘은,학습용 태반 이미지 내에서 피브린 및 융모를 구분하는 입력된 파라미터 값에 기초하여, 상기 학습용 태반 이미지에서 상기 피브린에 대응하는 영역 및 상기 융모에 대응하는 영역을 구분하도록 학습된피브린과침착증 진단 방법.
- 기 학습된 인공 지능 알고리즘을 저장하는 메모리; 및산모의 태반 이미지를 획득하며, 상기 기 학습된 인공 지능 알고리즘을 이용하여 상기 태반 이미지에서 피브린에 대응하는 영역 및 융모에 대응하는 영역을 확인하며, 상기 피브린에 대응하는 영역 및 상기 융모에 대응하는 영역에 기초하여, 상기 산모의 상태가 피브린과침착증인지 여부를 진단하도록 하는 제어부를 포함하는피브린과침착증 진단 장치.
- 제 6항에 있어서,상기 제어부는,상기 태반 이미지에서, 상기 융모에 대응하는 영역과 상기 피브린에 대응하는 영역 간의 비율 및 상기 융모에 대응하는 영역과 상기 피브린에 대응하는 영역의 배치 상태 중 적어도 하나에 기초하여 상기 산모의 상태가 상기 피브린과침착증인지 여부를 진단하는피브린과침착증 진단 장치.
- 제 7항에 있어서,상기 제어부는,상기 태반 이미지에서, 상기 융모에 대응하는 영역 중 적어도 일부를 둘러싸는 상기 피브린에 대응하는 영역의 비율을 확인하며,상기 확인된 비율이 기지정된 비율 이상인 것에 기초하여, 상기 산모의 상태를 상기 피브린과침착증인 것으로 진단하는피브린과침착증 진단 장치.
- 제 6항에 있어서,상기 산모의 상기 태반 이미지는,상기 산모의 태반의 병리 슬라이드를 현미경으로 관측하여 획득되는피브린과침착증 진단 장치.
- 제 6항에 있어서,상기 기 학습된 인공 지능 알고리즘은,학습용 태반 이미지 내에서 피브린 및 융모를 구분하는 입력된 파라미터 값에 기초하여, 상기 상기 학습용 태반 이미지에서 상기 피브린에 대응하는 영역 및 상기 융모에 대응하는 영역을 구분하도록 학습된피브린과침착증 진단 장치.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR20190000207 | 2019-01-02 | ||
KR10-2019-0000207 | 2019-01-02 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2020141847A1 true WO2020141847A1 (ko) | 2020-07-09 |
Family
ID=71407313
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/KR2019/018775 WO2020141847A1 (ko) | 2019-01-02 | 2019-12-31 | 피브린과침착증 진단 장치 및 방법 |
Country Status (1)
Country | Link |
---|---|
WO (1) | WO2020141847A1 (ko) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006507078A (ja) * | 2002-11-26 | 2006-03-02 | キンバリー クラーク ワールドワイド インコーポレイテッド | 医療モニタリングシステム |
KR20140018748A (ko) * | 2012-08-03 | 2014-02-13 | 삼성전자주식회사 | 의료 영상에서 병변의 분석 장치 및 방법 |
KR101611488B1 (ko) * | 2014-03-28 | 2016-04-12 | 재단법인 아산사회복지재단 | 의료 영상에서 아티팩트와 병변을 구분하는 방법 |
KR20170021189A (ko) * | 2015-08-17 | 2017-02-27 | 삼성전자주식회사 | 의료영상 표시장치 및 의료영상 처리방법 |
KR20180040287A (ko) * | 2016-10-12 | 2018-04-20 | (주)헬스허브 | 기계학습을 통한 의료영상 판독 및 진단 통합 시스템 |
-
2019
- 2019-12-31 WO PCT/KR2019/018775 patent/WO2020141847A1/ko active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006507078A (ja) * | 2002-11-26 | 2006-03-02 | キンバリー クラーク ワールドワイド インコーポレイテッド | 医療モニタリングシステム |
KR20140018748A (ko) * | 2012-08-03 | 2014-02-13 | 삼성전자주식회사 | 의료 영상에서 병변의 분석 장치 및 방법 |
KR101611488B1 (ko) * | 2014-03-28 | 2016-04-12 | 재단법인 아산사회복지재단 | 의료 영상에서 아티팩트와 병변을 구분하는 방법 |
KR20170021189A (ko) * | 2015-08-17 | 2017-02-27 | 삼성전자주식회사 | 의료영상 표시장치 및 의료영상 처리방법 |
KR20180040287A (ko) * | 2016-10-12 | 2018-04-20 | (주)헬스허브 | 기계학습을 통한 의료영상 판독 및 진단 통합 시스템 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2018074739A1 (ko) | 뇌졸중 진단 및 예후 예측 방법 및 시스템 | |
JP7458519B2 (ja) | 画像解析方法、画像解析装置、プログラム、学習済み深層学習アルゴリズムの製造方法および学習済み深層学習アルゴリズム | |
WO2018106005A1 (ko) | 뉴럴 네트워크를 이용한 질병의 진단 시스템 및 그 방법 | |
US8849024B2 (en) | Image processing device and medium storing image processing program | |
WO2019208848A1 (ko) | 3차원 안구 움직임 측정 방법 및 전자동 딥러닝 기반 어지럼 진단 시스템 | |
WO2016171341A1 (ko) | 클라우드 기반 병리 분석 시스템 및 방법 | |
US20240177299A1 (en) | Method, device and apparatus for differentiating arteries and veins of retinal vessels | |
KR102155381B1 (ko) | 인공지능 기반 기술의 의료영상분석을 이용한 자궁경부암 판단방법, 장치 및 소프트웨어 프로그램 | |
WO2016163755A1 (ko) | 품질 측정 기반의 얼굴 인식 방법 및 장치 | |
WO2015072818A1 (ko) | 뇌질환 진단 서비스 장치 및 뇌질환 진단 서비스 방법 | |
US20210090248A1 (en) | Cervical cancer diagnosis method and apparatus using artificial intelligence-based medical image analysis and software program therefor | |
WO2020111754A9 (ko) | 세미 슈퍼바이즈드 학습을 이용한 진단 시스템 제공방법 및 이를 이용하는 진단 시스템 | |
WO2019098415A1 (ko) | 자궁경부암에 대한 피검체의 발병 여부를 판정하는 방법 및 이를 이용한 장치 | |
WO2018222006A1 (en) | Apparatus and method for assessing uterine parameters | |
WO2016159726A1 (ko) | 의료 영상으로부터 병변의 위치를 자동으로 감지하는 장치 및 그 방법 | |
WO2017065358A1 (ko) | 시약 키트의 이미지를 통한 감염병 진단 방법 및 장치 | |
WO2019189972A1 (ko) | 치매를 진단을 하기 위해 홍채 영상을 인공지능으로 분석하는 방법 | |
WO2020180135A1 (ko) | 뇌 질환 예측 장치 및 방법, 뇌 질환을 예측하기 위한 학습 장치 | |
WO2019221586A1 (ko) | 의료영상 관리 시스템, 방법 및 컴퓨터 판독 가능한 기록매체 | |
WO2020246676A1 (ko) | 자궁경부암 자동 진단 시스템 | |
WO2022059982A1 (ko) | 초음파 진단 시스템 | |
WO2020141847A1 (ko) | 피브린과침착증 진단 장치 및 방법 | |
WO2024053925A1 (ko) | 아밀로이드 혈관병증 의심 환자에 대한 아밀로이드 펫 양성 예측 방법 및 장치 | |
WO2017010612A1 (ko) | 의료 영상 분석 기반의 병리 진단 예측 시스템 및 방법 | |
WO2020226455A1 (ko) | 안저 이미지를 이용한 시신경병증 예측 장치 및 시신경병증 예측 결과 제공 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 19906926 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 19906926 Country of ref document: EP Kind code of ref document: A1 |