| 1 |
1
프로세서를 포함하는 의료 영상 진단 장치가 의료 영상을 진단하는 방법에 있어서, 상기 의료 영상 진단 장치가 의료 영상으로부터 진단 부위 영역을 추출하기 위한 의료 학습 모델들을 구비하는 단계; 상기 의료 영상 진단 장치가 제1 의료 영상을 입력하는 단계;상기 의료 영상 진단 장치의 진단부위 추출부가 상기 제1 의료 영상 및 상기 의료 학습 모델들에 기반하는 딥러닝 알고리즘을 수행하여, 상기 제1 의료 영상에서 제1 진단 부위 영역을 추출하는 단계;상기 의료 영상 진단 장치의 측정부가 상기 제1 진단 부위 영역에 대하여, 병리 진단을 위해 설정된 위치의 간격을 측정하는 단계; 및상기 의료 영상 진단 장치의 진단부가 상기 측정된 간격인 진단 부위 간격을 설정된 기준값과 비교 분석하여, 상기 제1 의료 영상에 대한 진단 결과를 생성 및 표시하는 단계를 포함하고, 상기 제1 진단 부위 영역을 추출하는 단계는,상기 제1 진단 부위 영역에서 경계 라인들을 추출하는 단계; 상기 경계 라인들에서 상측 행 라인 및 하측 행 라인을 제거하는 단계; 및상기 경계 라인들 중에서 상기 상측 행 라인 및 상기 하측 행 라인을 제외한 나머지 라인들로부터 제1 진단 라인 및 제2 진단 라인을 추출하는 단계를 포함하고,상기 진단 부위 간격을 측정하는 단계는,상기 제1 진단 라인 및 상기 제2 진단 라인의 기울기를 측정하는 단계;상기 기울기에 기반하여 상기 제1 진단 라인 상의 다수의 포인트 각각에서 상기 제2 진단 라인 상의 수선의 발까지의 거리를, 상기 다수의 포인트 각각에 대하여 측정하는 단계;상기 다수의 포인트 각각의 측정된 거리에 대한 분산을 측정하는 단계;상기 다수의 포인트 중 최대 분산을 가지는 제1 포인트를 기준으로, 병리 진단을 위한 제1 위치를 결정하는 단계; 및상기 제1 위치에서 상기 제1 진단 라인 및 상기 제2 진단 라인 사이의 제1 간격을 측정하는 단계를 포함하고,상기 의료 학습 모델들은 입력되는 학습용 의료 영상들의 기울어짐 상태에 대응하여 생성되는방법
|
| 2 |
2
제1항에 있어서,상기 의료 학습 모델들을 구비하는 단계는,상기 학습용 의료 영상들을 입력하는 단계;의사에 의해 상기 학습용 의료 영상들에 표시되는 진단 라인에 관한 영상을 입력하는 단계; 상기 진단 라인에 관한 영상에 기반하여 학습용 진단 부위 영역을 생성하는 단계; 및상기 학습용 의료 영상들 및 상기 학습용 진단 부위 영역에 기반하는 딥러닝 알고리즘을 수행하여 상기 의료 학습 모델들을 생성하는 단계를 포함하는 방법
|
| 3 |
3
삭제
|
| 4 |
4
의료 영상 진단 장치에 있어서,의료 영상으로부터 진단 부위 영역을 추출하기 위한 의료 학습 모델을 구비하며, 입력되는 제1 의료 영상 및 상기 의료 학습 모델에 기반하는 딥러닝 알고리즘을 수행하여 상기 제1 의료 영상에서 제1 진단 부위 영역을 추출하는 진단부위 추출부;상기 제1 진단 부위 영역에 대하여, 병리 진단을 위해 설정된 위치의 간격을 측정하는 측정부; 및 상기 측정된 간격인 진단 부위 간격을 설정된 기준값과 비교 분석하여, 상기 제1 의료 영상에 대한 병리 진단 결과를 생성하여 출력하는 진단부를 포함하고, 상기 진단부위 추출부는,상기 제1 진단 부위 영역에서 경계 라인들을 추출하고, 상기 경계 라인들에서 상측 행 라인 및 하측 행 라인을 제거하고, 상기 경계 라인들 중에서 상기 상측 행 라인 및 상기 하측 행 라인을 제외한 나머지 라인들로부터 제1 진단 라인 및 제2 진단 라인을 추출하고, 상기 측정부는,상기 제1 진단 라인 및 상기 제2 진단 라인의 기울기를 측정하고, 상기 기울기에 기반하여 상기 제1 진단 라인 상의 다수의 포인트 각각에서 상기 제2 진단 라인 상의 수선의 발까지의 거리를 상기 다수의 포인트 각각에 대하여 측정하고, 상기 다수의 포인트 각각의 측정된 거리에 대한 분산을 측정하고, 상기 다수의 포인트 중 최대 분산을 가지는 제1 포인트를 기준으로 병리 진단을 위한 제1 위치를 결정하고, 상기 제1 위치에서 상기 제1 진단 라인 및 상기 제2 진단 라인 사이의 제1 간격을 측정하고,상기 의료 학습 모델은 입력되는 학습용 의료 영상들의 기울어짐 상태에 대응하여 생성되는장치
|
| 5 |
5
제4항에 있어서,학습 모듈을 더 포함하며,상기 학습 모듈은, 상기 학습용 의료 영상들을 입력하고, 의사에 의해 상기 학습용 의료 영상들에 표시되는 진단 라인에 관한 영상을 입력하며, 상기 진단 라인에 관한 영상에 기반하여 학습용 진단 부위 영역을 생성하고, 상기 학습용 의료 영상들 및 상기 학습용 진단 부위 영역에 기반하는 딥러닝 알고리즘을 수행하여 상기 의료 학습 모델을 생성하는 장치
|
| 6 |
6
삭제
|
| 7 |
7
프로세서를 포함하는 경추 영상 진단 장치가 경추 영상을 진단하는 방법에 있어서, 상기 경추 영상 진단 장치가 경추 영상으로부터 경추 연조직(prevertebral stripe) 영역을 추출하기 위한 의료 학습 모델들을 구비하는 단계;상기 경추 영상 진단 장치가 제1 경추 영상을 입력하는 단계;상기 경추 영상 진단 장치의 경추 연조직 영역 추출부가 상기 제1 경추 영상 및 상기 의료 학습 모델들에 기반하는 딥러닝 알고리즘을 수행하여, 상기 제1 경추 영상에서 제1 경추 연조직 영역을 추출하는 단계;상기 경추 영상 진단 장치의 측정부가 상기 제1 경추 연조직 영역에 대하여, 병리 진단을 위해 설정된 위치의 경추 연조직의 간격들을 측정하는 단계; 및상기 경추 영상 진단 장치의 진단부가 상기 경추 연조직 간격들을 설정된 기준값들과 비교 분석하여, 상기 제1 경추 영상에 대한 경추 연조직 진단 결과를 생성하는 단계를 포함하고, 상기 제1 경추 연조직 영역을 추출하는 단계는,상기 제1 경추 연조직 영역에 포함된 상측 행 라인 및 하측 행 라인을 제거하는 단계; 및상기 제1 경추 연조직 영역에서 상기 상측 행 라인 및 상기 하측 행 라인이 제거된 나머지 영역으로부터 제1 진단 라인 및 제2 진단 라인을 추출하는 단계를 포함하고,상기 경추 연조직 간격들을 측정하는 단계는,상기 제1 진단 라인 및 상기 제2 진단 라인의 기울기를 측정하는 단계;상기 기울기에 기반하여 상기 제1 진단 라인 상의 다수의 포인트 각각에서 상기 제2 진단 라인 상의 수선의 발까지의 거리를, 상기 다수의 포인트 각각에 대하여 측정하는 단계;상기 다수의 포인트 각각의 측정된 거리에 대한 분산을 측정하는 단계;상기 다수의 포인트 중 최대 분산을 가지는 제1 포인트를 기준으로, 병리 진단을 위한 제1 위치와 제2 위치를 결정하는 단계;상기 제1 위치에서 상기 제1 진단 라인 및 상기 제2 진단 라인 사이의 제1 간격을 측정하는 단계; 및상기 제2 위치에서 상기 제1 진단 라인 및 상기 제2 진단 라인 사이의 제2 간격을 측정하는 단계를 포함하고,상기 의료 학습 모델들은 입력되는 학습용 경추 영상들의 기울어짐 상태에 대응하여 생성되는방법
|
| 8 |
8
제7항에 있어서,상기 의료 학습 모델들을 구비하는 단계는,상기 학습용 경추 영상들을 입력하는 단계;의사에 의해 상기 학습용 경추 영상들에 표시되는 제3 진단 라인 및 제4 진단 라인에 관한 영상을 입력하는 단계; 상기 제3 진단 라인 및 상기 제4 진단 라인에 기반하여 학습용 진단 영역을 생성하는 단계; 및상기 학습용 경추 영상들 및 상기 학습용 진단 영역에 기반하는 딥러닝 알고리즘을 수행하여 상기 의료 학습 모델들을 생성하는 단계를 포함하는 방법
|
| 9 |
9
삭제
|
| 10 |
10
삭제
|
| 11 |
11
제7항에 있어서상기 제1 위치는 경추의 C2-C3 위치의 경추 연조직에 해당하고, 상기 제2 위치는 경추의 C6-C7 위치의 경추 연조직에 해당하는방법
|
| 12 |
12
제7항에 있어서상기 경추 연조직 진단 결과를 생성하는 단계는,상기 제1 간격과 제1 기준값을 비교 분석하고 상기 제2 간격과 제2 기준값을 비교 분석하여, 비정상 확률을 진단하는 단계; 및표시부를 통해, 상기 제1 경추 영상에 상기 제1 진단 라인 및 상기 제2 진단 라인을 오버레이하여 표시하며 상기 비정상 확률을 표시하는 단계를 포함하는 방법
|
| 13 |
13
경추 영상 진단 장치에 있어서, 경추 영상으로부터 경추 연조직(prevertebral stripe) 영역을 추출하기 위한 의료 학습 모델들을 구비하며, 입력된 제1 경추 영상 및 상기 의료 학습 모델들에 기반하는 딥러닝 알고리즘을 수행하여 상기 제1 경추 영상에서 제1 경추 연조직 영역을 추출하는 경추 연조직 영역 추출부;상기 제1 경추 연조직 영역에 대하여, 병리 진단을 위해 설정된 위치의 경추 연조직의 간격들을 측정하는 측정부; 및 상기 경추 연조직 간격들을 설정된 기준값들과 비교 분석하여 상기 제1 경추 영상에 대한 경추 연조직 진단 결과를 생성하여 출력하는 진단부를 포함하고, 상기 경추 연조직 영역 추출부는,상기 제1 경추 연조직 영역에 포함된 상측 행 라인 및 하측 행 라인을 제거하고, 상기 제1 경추 연조직 영역에서 상기 상측 행 라인 및 상기 하측 행 라인이 제거된 나머지 영역으로부터 제1 진단 라인 및 제2 진단 라인을 추출하고, 상기 측정부는,상기 제1 진단 라인 및 상기 제2 진단 라인의 기울기를 측정하고, 상기 기울기에 기반하여 상기 제1 진단 라인 상의 다수의 포인트 각각에서 상기 제2 진단 라인 상의 수선의 발까지의 거리를 상기 다수의 포인트 각각에 대하여 측정하고, 상기 다수의 포인트 각각의 측정된 거리에 대한 분산을 측정하고, 상기 다수의 포인트 중 최대 분산을 가지는 제1 포인트를 기준으로 병리 진단을 위한 제1 위치와 제2 위치를 결정하고, 상기 제1 위치에서 상기 제1 진단 라인 및 상기 제2 진단 라인 사이의 제1 간격을 측정하고, 상기 제2 위치에서 상기 제1 진단 라인 및 상기 제2 진단 라인 사이의 제2 간격을 측정하고,상기 의료 학습 모델들은 입력되는 학습용 경추 영상들의 기울어짐 상태에 대응하여 생성되는장치
|
| 14 |
14
제13항에 있어서,학습 모듈을 더 포함하며,상기 학습 모듈은, 상기 학습용 경추 영상들을 입력하며, 의사에 의해 상기 학습용 경추 영상들에 표시되는 제3 진단 라인 및 제4 진단 라인에 관한 영상을 입력하며, 상기 제3 진단 라인 및 상기 제4 진단 라인에 기반하여 학습용 진단 영역을 생성하며, 상기 학습용 경추 영상들 및 상기 학습용 진단 영역에 기반하는 딥러닝 알고리즘을 수행하여 상기 의료 학습 모델들을 생성하는 장치
|
| 15 |
15
삭제
|
| 16 |
16
삭제
|
| 17 |
17
제13항에 있어서,상기 제1 위치는 경추의 C2-C3 위치의 경추 연조직에 해당하 고,상기 제2 위치는 경추의 C6-C7 위치의 경추 연조직에 해당하는 장치
|
| 18 |
18
제13항에 있어서상기 진단부는,상기 제1 간격과 제1 기준값을 비교 분석하고 상기 제2 간격과 제2 기준값을 비교 분석하여 비정상 확률을 생성하며, 상기 제1 경추 영상에 상기 제1 진단 라인 및 상기 제2 진단 라인이 오버레이되어 표시되고 상기 비정상 확률이 표시되도록 표시부에 출력하는 장치
|
