1 |
1
수신부 및 프로세서를 포함하는 질환 예측 디바이스에 의해 수행되는 질환 예측 방법으로서,상기 수신부를 통해, 하나의 목적 부위에 대한 복수개의 의료 영상 (medical image) 을 수신하는 단계;상기 프로세서를 통해, 영상 내에서 미리 결정된 복수개의 질환에 대한 병변 영역을 결정하도록 학습된 질환 예측 모델을 이용하여, 상기 복수개의 의료 영상 각각에 대하여 복수개의 병변 영역을 결정하는 단계;상기 프로세서를 통해, 상기 질환 예측 모델을 이용하여, 상기 복수개의 의료 영상 각각에 대하여 결정된 상기 복수개의 병변 영역 각각에 대하여, 상기 복수개의 질환 각각의 발병 확률을 산출하는 단계;상기 복수개의 의료 영상 내에서, 상기 복수개의 병변 영역 각각에 대하여 산출된 상기 복수개의 질환 각각의 발병 확률 중, 최대값을 갖는 하나의 최종 발병 확률을 상기 복수개의 질환 별로 결정하는 단계, 및상기 복수개의 의료 영상 각각에 대하여 결정된 상기 복수개의 질환 각각의 최종 발병 확률을 비교하여, 상기 복수개의 질환 중 하나의 질환이 발병된 것으로 결정하는 단계를 포함하고,상기 복수개의 질환은, 의료 영상 내에서 유사한 형태로 나타나는 서로 상이한 질환인, 질환 예측 방법
|
2 |
2
제1항에 있어서,상기 복수개의 질환은, 결핵성 척추염 및 화농성 척추염, 결핵 및 폐렴, 고형 종양 및 물혹, 전이암 및 농양, 및 골용해성 전이암 및 퇴행성 병변으로 구성된 그룹 중 선택된 한 쌍의 질환인, 질환 예측 방법
|
3 |
3
제1항에 있어서,상기 복수개의 질환 각각의 발병 확률을 산출하는 단계 이후에 수행되는,상기 복수개의 질환 중, 임계치 미만의 발병 확률을 갖는 질환은, 질환의 예측 신뢰도가 낮은 것으로 결정하는 단계를 더 포함하는, 질환 예측 방법
|
4 |
4
제1항에 있어서,상기 복수개의 질환 각각의 발병 확률을 산출하는 단계 이후에 수행되는,상기 프로세서를 통해, 상기 복수개의 의료 영상 각각에서, 상기 복수개의 병변 영역에 대하여 산출된 상기 복수개의 질환 각각의 발병 확률 중, 최대값을 갖는 하나의 최종 발병 확률을 각각 결정하는 단계;상기 복수개의 질환 각각에 대하여, 상기 복수개의 의료 영상 각각에서 결정된 상기 최종 발병 확률의 합을 산출하는 단계;상기 복수개의 질환 각각에 대하여, 상기 최종 발병 확률의 합의 비율을 산출하는 단계, 및,산출된 상기 최종 발병 확률의 합의 비율을 기초로, 상기 복수개의 질환 중 하나의 질환이 발병된 것으로 결정하는 단계를 더 포함하는, 질환 예측 방법
|
5 |
5
제1항에 있어서,상기 복수개의 질환 각각의 발병 확률을 산출하는 단계 이후에 수행되는, 상기 프로세서를 통해, 상기 복수개의 의료 영상 각각에서, 상기 복수개의 병변 영역에 대하여 산출된 상기 복수개의 질환 각각의 발병 확률 중, 최대값을 갖는 하나의 질환에 대한 발병 확률을 최종 발병 확률로 결정하고, 나머지 질환에 대한 발병 확률을 0으로 대체하는 단계;상기 복수개의 질환 각각에 대하여, 상기 복수개의 의료 영상 각각에서 결정된 상기 최종 발병 확률의 합을 산출하는 단계;상기 복수개의 질환 각각에 대하여, 상기 최종 발병 확률의 합의 비율을 산출하는 단계, 및,산출된 상기 최종 발병 확률의 합의 비율을 기초로, 상기 복수개의 질환 중 하나의 질환이 발병된 것으로 결정하는 단계를 더 포함하는, 질환 예측 방법
|
6 |
6
제1항에 있어서,상기 복수개의 질환 각각의 발병 확률을 산출하는 단계 이후에 수행되는,상기 프로세서를 통해, 상기 복수개의 의료 영상 각각에서, 상기 복수개의 병변 영역에 대하여 상기 복수개의 질환 각각에 대한 평균 발병 확률을 산출하는 단계;상기 복수개의 질환 각각에 대하여, 상기 복수개의 의료 영상 각각에서 산출된 평균 발병 확률의 합을 산출하는 단계;상기 복수개의 질환 각각에 대하여, 상기 평균 발병 확률의 합의 비율을 산출하는 단계, 및산출된 상기 평균 발병 확률의 합의 비율을 기초로, 상기 복수개의 질환 중 하나의 질환이 발병된 것으로 결정하는 단계를 더 포함하는, 질환 예측 방법
|
7 |
7
제1항에 있어서,상기 복수개의 의료 영상은, 단층 촬영 영상 또는 자기 공명 영상이고,상기 복수개의 질환은 상기 단층 촬영 영상 또는 자기 공명 영상으로 진단 가능한 질환인, 질환 예측 방법
|
8 |
8
제1항에 있어서,상기 질환 예측 모델은, 상기 복수개의 의료 영상에 대하여 픽셀 단위로 발병 확률을 산출하도록 더 구성되고,상기 수신부를 통해, 상기 복수개의 의료 영상 중 일정한 픽셀을 갖는 특정 영역에 대한 선택을 수신하는 단계,상기 프로세서를 통해, 상기 질환 예측 모델을 이용하여, 선택된 상기 특정 영역에 대하여 상기 복수개의 질환 각각의 발병 확률을 산출하는 단계, 및상기 특정 영역에 대하여 산출된 상기 복수개의 질환 각각의 발병 확률을 제공하는 단계를 더 포함하는, 질환 예측 방법
|
9 |
9
제1항에 있어서,상기 복수개의 의료 영상 각각에 대하여 복수개의 병변 영역을 결정하는 단계 이후에 수행되는, 상기 질환 예측 모델에 의해 상기 복수개의 병변 영역이 결정된 경우,상기 복수개의 의료 영상 내에서 결정된 상기 복수개의 병변 영역을 표시하여 제공하고,상기 질환 예측 모델에 의해 상기 복수개의 병변 영역이 결정되지 않은 경우,정상의 진단 정보를 제공하는 단계를 더 포함하는, 질환 예측 방법
|
10 |
10
제1항에 있어서,상기 목적 부위에 대하여 상기 복수개의 질환 각각에 대하여 확진된 병변 영역을 포함하는 학습용 의료 영상을 기초로, 상기 목적 부위에 대한 의료 영상 내에서 상기 복수개의 질환 각각에 대한 병변 영역을 결정하도록 상기 질환 예측 모델을 트레이닝하는 단계를 더 포함하는, 질환 예측 방법
|
11 |
11
제10항에 있어서,상기 복수개의 의료 영상은 T2 강조 영상이고,상기 트레이닝하는 단계는,상기 학습용 의료 영상을 미리 결정된 크기로 크로핑 (cropping) 하는 단계;상기 학습용 의료 영상의 픽셀을 표준화 (normalization) 하는 단계;상기 학습용 의료 영상 내에 상기 복수개의 질환 각각에 대하여 확진된 병변 영역을 마스킹 (masking) 하는 단계, 및상기 질환 예측 모델이 마스킹된 상기 복수개의 질환 각각에 대하여 확진된 병변 영역 주위에 박스를 형성하도록 트레이닝하는 단계를 포함하는, 질환 예측 방법
|
12 |
12
하나의 목적 부위에 대한 복수개의 의료 영상을 수신하도록 구성된 수신부, 및상기 수신부와 동작 가능하게 연결된 프로세서를 포함하고,상기 프로세서는,영상 내에서 미리 결정된 복수개의 질환에 대한 병변 영역을 결정하도록 학습된 질환 예측 모델을 이용하여, 상기 복수개의 의료 영상 각각에 대하여 복수개의 병변 영역을 결정하고, 상기 복수개의 의료 영상 각각에 대하여 결정된 상기 복수개의 병변 영역 각각에 대하여, 상기 복수개의 질환 각각의 발병 확률을 산출하고, 상기 복수개의 병변 영역 각각에 대하여 산출된 상기 복수개의 질환 각각의 발병 확률 중, 최대값을 갖는 하나의 최종 발병 확률을 상기 복수개의 의료 영상 각각에 대하여 결정하고, 상기 복수개의 의료 영상 각각에 대하여 결정된 상기 복수개의 질환 각각의 최종 발병 확률을 비교하여, 상기 복수개의 질환 중 하나의 질환이 발병된 것으로 결정하도록 구성되고, 상기 복수개의 질환은, 의료 영상 내에서 유사한 형태로 나타나는 서로 상이한 질환인, 질환 예측 디바이스
|
13 |
13
제12항에 있어서,상기 복수개의 질환은, 결핵성 척추염 및 화농성 척추염, 결핵 및 폐렴, 고형 종양 및 물혹, 전이암 및 농양, 및 골용해성 전이암 및 퇴행성 병변으로 구성된 그룹 중 선택된 한 쌍의 질환인, 질환 예측 디바이스
|