[go: up one dir, main page]

KR20160020917A - 컴퓨터 보조 진단 장치 및 방법 - Google Patents

컴퓨터 보조 진단 장치 및 방법 Download PDF

Info

Publication number
KR20160020917A
KR20160020917A KR1020140106268A KR20140106268A KR20160020917A KR 20160020917 A KR20160020917 A KR 20160020917A KR 1020140106268 A KR1020140106268 A KR 1020140106268A KR 20140106268 A KR20140106268 A KR 20140106268A KR 20160020917 A KR20160020917 A KR 20160020917A
Authority
KR
South Korea
Prior art keywords
region
frame image
lesion
area
computer
Prior art date
Legal status (The legal status 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 status listed.)
Ceased
Application number
KR1020140106268A
Other languages
English (en)
Inventor
감혜진
김하영
전주혁
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 KR1020140106268A priority Critical patent/KR20160020917A/ko
Priority to US14/825,638 priority patent/US9662040B2/en
Publication of KR20160020917A publication Critical patent/KR20160020917A/ko
Ceased legal-status Critical Current

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
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/174—Segmentation; Edge detection involving the use of two or more images
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/12—Arrangements for detecting or locating foreign bodies
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/46—Arrangements for interfacing with the operator or the patient
    • A61B6/467—Arrangements for interfacing with the operator or the patient characterised by special input means
    • A61B6/469—Arrangements for interfacing with the operator or the patient characterised by special input means for selecting a region of interest [ROI]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Clinical applications
    • A61B8/0833—Clinical applications involving detecting or locating foreign bodies or organic structures
    • A61B8/085—Clinical applications involving detecting or locating foreign bodies or organic structures for locating body or organic structures, e.g. tumours, calculi, blood vessels, nodules
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/46—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient
    • A61B8/467—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient characterised by special input means
    • A61B8/469—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient characterised by special input means for selection of a region of interest
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Quality & Reliability (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Pulmonology (AREA)
  • Optics & Photonics (AREA)
  • Physiology (AREA)
  • Vascular Medicine (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

컴퓨터 보조 진단 장치 및 방법이 개시된다. 일 양상에 따른 컴퓨터 보조 진단 장치는, 이전 프레임 영상에서 검출된 관심 영역의 위치 정보에 기초하여 현재 프레임 영상을 제1 영역과 제2 영역으로 분리하는 영역 분리부와, 제1 영역 및 제2 영역에 대하여 컴퓨터 보조 진단 장치의 서로 다른 기능을 수행하는 기능 수행부를 포함할 수 있다.

Description

컴퓨터 보조 진단 장치 및 방법{Apparatus and Method for computer aided diagnosis}
컴퓨터 보조 진단 장치 및 방법과 관련된다.
컴퓨터 보조 진단(CAD: Computer Aided Diagnosis) 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.
그러나, 컴퓨터 보조 진단 시스템은 각 프레임 영상별로 관심 영역을 검출(detection)하고 트래킹(tracking)하거나, 각 프레임 영상별로 관심 영역을 검출하고 판정(classification)하기 때문에, 실시간으로 동작하는 데는 무리가 있다.
이전 프레임 영상에서 검출된 관심 영역에 대한 정보를 활용하여 현재 프레임 영상을 다수의 영역으로 분리하여 다른 기능을 수행함으로써, 병변 검출/판정의 정확도와 속도를 높일 수 있는 컴퓨터 보조 진단 장치 및 방법을 제공하는 것을 목적으로 한다.
일 양상에 따른 컴퓨터 보조 진단 장치는, 이전 프레임 영상에서 검출된 관심 영역의 위치 정보에 기초하여 현재 프레임 영상을 제1 영역과 제2 영역으로 분리하는 영역 분리부와, 제1 영역 및 제2 영역에 대하여 컴퓨터 보조 진단 장치의 서로 다른 기능을 수행하는 기능 수행부를 포함할 수 있다.
여기서, 영역 분리부는, 현재 프레임 영상을 이전 프레임 영상에서 검출된 관심 영역의 중심점과 동일한 지점으로부터 일정 범위 확장된 영역을 포함하는 제1 영역과, 제1영역 이외의 나머지 영역을 포함하는 제2 영역으로 분리할 수 있다.
여기서, 영역 확장을 위한 일정 범위는, 기 저장된 병변 정보로서, 이전 프레임 영상의 관심 영역에 포함된 병변과 유사한 병변에 대한 병변 분포, 병변 길이, 및 병변 면적의 변화 추이와, 병변 모양의 변화도 중 적어도 하나를 기반으로 결정될 수 있다.
여기서, 기능 수행부는, 제1 영역에 대하여 관심 영역 확인 기능, 병변 세그먼테이션(segmentation) 기능, 및 병변 판정(classification) 기능 중 적어도 하나를 수행하는 제1 기능 수행부와, 제2 영역에 대하여 관심 영역 검출(detection) 기능을 수행하는 제2 기능 수행부를 포함할 수 있다.
여기서, 제1 기능 수행부는, 관심 영역 확인 기능 수행시, 제1 영역으로부터 특징값을 추출하고, 추출된 특징값과 이전 프레임 영상의 관심 영역 특징값의 유사도에 기초하여 제1 영역이 이전 프레임 영상에서 검출된 관심 영역에 대응하는 영역인지 확인할 수 있다.
또한, 제1 기능 수행부는, 병변 판정(classification) 기능 수행시, 제1 영역으로부터 특징값을 추출하고, 추출된 특징값을 미리 저장된 진단 모델과 비교하여 제1 영역 내의 병변의 양성 또는 악성 여부를 판정할 수 있다.
추가적 양상에 따른 컴퓨터 보조 진단 장치는, 이전 프레임 영상에서 관심 영역을 검출하는 관심 영역 검출부를 더 포함할 수 있다.
추가적 양상에 따른 컴퓨터 보조 진단 장치는, 현재 프레임 영상, 및 기능 수행부의 기능 수행 결과를 화면에 출력하는 화면 표시부를 더 포함할 수 있다.
다른 양상에 따른 컴퓨터 보조 진단 방법은, 이전 프레임 영상에서 검출된 관심 영역의 위치 정보에 기초하여 현재 프레임 영상을 제1 영역과 제2 영역으로 분리하는 단계와, 제1 영역 및 제2 영역에 대하여 컴퓨터 보조 진단 장치의 서로 다른 기능을 수행하는 단계를 포함할 수 있다.
여기서, 분리하는 단계는, 현재 프레임 영상을 이전 프레임 영상에서 검출된 관심 영역의 중심점과 동일한 지점으로부터 일정 범위 확장된 영역을 포함하는 제1 영역과, 제1영역 이외의 나머지 영역을 포함하는 제2 영역으로 분리할 수 있다.
여기서, 영역 확장을 위한 일정 범위는, 기 저장된 병변 정보로서, 이전 프레임 영상의 관심 영역에 포함된 병변과 유사한 병변에 대한 병변 분포, 병변 길이, 및 병변 면적의 변화 추이와, 병변 모양의 변화도 중 적어도 하나를 기반으로 결정될 수 있다.
여기서, 서로 다른 기능을 수행하는 단계는, 제1 영역에 대하여 관심 영역 확인 기능, 병변 세그먼테이션(segmentation) 기능, 및 병변 판정(classification) 기능 중 적어도 하나를 수행하는 단계와, 제2 영역에 대하여 관심 영역 검출(detection) 기능을 수행하는 단계를 포함할 수 있다.
컴퓨터 보조 진단 방법은, 관심 영역 확인 기능 수행시, 제1 영역으로부터 특징값을 추출하는 단계와, 추출된 특징값과 이전 프레임 영상의 관심 영역 특징값의 유사도에 기초하여 제1 영역이 이전 프레임 영상에서 검출된 관심 영역에 대응하는 영역인지 확인하는 단계를 포함할 수 있다.
컴퓨터 보조 진단 방법은 병변 판정(classification) 기능 수행시, 제1 영역으로부터 특징값을 추출하는 단계와, 추출된 특징값을 미리 저장된 진단 모델과 비교하여 제1 영역 내의 병변의 양성 또는 악성 여부를 판정하는 단계를 포함할 수 있다.
추가적 양상에 따른 컴퓨터 보조 진단 방법은 이전 프레임 영상에서 관심 영역을 검출하는 단계를 더 포함할 수 있다.
추가적 양상에 따른 컴퓨터 보조 진단 방법은 현재 프레임 영상, 및 기능 수행 결과를 화면에 출력하는 단계를 더 포함할 수 있다.
이전 프레임 영상에서 검출된 관심 영역에 대한 정보를 활용하여 현재 프레임 영상을 다수의 영역으로 분리하고, 분리된 각 영역별로 다른 기능을 수행함으로써, 병변 검출/판정의 정확도와 속도를 높일 수 있다.
도 1은 컴퓨터 보조 진단 장치의 일 실시예를 도시한 도면이다.
도 2는 컴퓨터 보조 진단 장치의 다른 실시예를 도시한 도면이다.
도 3은 컴퓨터 보조 진단 장치의 원리를 설명하기 위한 도면이다.
도 4a는 현재 프레임 영상을 제1 영역과 제2 영역으로 분리하는 방법을 설명하기 위한 도면이다.
도 4b는 이전 프레임 영상의 예시도이다.
도 4c는 영역이 분리된 현재 프레임 영상의 예시도이다.
도 5는 컴퓨터 보조 진단 방법의 일 실시예를 도시한 흐름도이다.
이하, 첨부된 도면을 참조하여 본 발명의 일 실시예를 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 컴퓨터 보조 진단 장치의 일 실시예를 도시한 도면이다.
도 1을 참조하면, 일 실시예에 따른 컴퓨터 보조 진단 장치(100)는 영역 분리부(110) 및 기능 수행부(120)를 포함할 수 있다.
영역 분리부(110)는 이전 프레임 영상에서 검출된 관심 영역의 위치 정보를 기초로 현재 프레임 영상을 제1 영역과 제2 영역으로 분리할 수 있다. 여기서, 관심 영역은 악성 병변 영역뿐만 아니라 악성/양성 구분이 애매한 병변 영역 또는 특이한 특징을 가지는 영역을 포함할 수 있다.
일 실시예에 따르면, 영역 분리부(110)는 현재 프레임 영상을 이전 프레임 영상의 관심 영역 중심점과 동일한 지점으로부터 일정 범위 확장된 영역을 포함하는 제1 영역과, 제1 영역을 제외한 나머지 영역를 포함하는 제2 영역으로 분리할 수 있다.
이때, 영역 확장을 위한 파라미터는 기존의 다양한 의료용 데이터베이스로부터 도출될 수 있다. 예컨대, 영역 확장을 위한 파라미터는 기존의 의료용 데이터베이스에 저장된 병변 정보로서, 이전 프레임 영상의 관심 영역에 포함된 병변과 유사한 병변의 정보(병변의 분포, 길이, 면적의 변화 추이, 병변의 모양(shape)의 변화도 등)를 기초로 도출될 수 있다.
또한, 제1 영역과 제2 영역은 컴퓨터 보조 진단 장치(100)의 정확도, 민감도 등에 따라 서로 중첩되는 영역을 포함할 수 있다. 즉, 제1 영역과 제2 영역은 필요에 따라 서로 중첩되는 특정 범위의 경계 영역(boundary region)을 포함할 수 있다.
기능 수행부(120)는 제1 영역 및 제2 영역에 대하여 컴퓨터 보조 진단 장치(100)가 수행하는 다양한 기능 중 서로 다른 기능을 수행할 수 있다. 이를 위해, 기능 수행부(120)는 제1 기능 수행부(121) 및 제2 기능 수행부(122)를 포함할 수 있다.
제1 기능 수행부(121)는 제1 영역에 대하여, 제1 영역이 이전 프레임 영상의 관심 영역에 대응하는 영역, 즉 제1 영역이 검색하고자 했던 관심 영역이 맞는지 확인하는 기능(이하, 관심 영역 확인 기능)을 수행할 수 있다. 자세하게는, 제1 기능 수행부(121)는 제1 영역을 분석하여 특징값을 추출하고, 추출된 제1 영역의 특징값과 이전 프레임 영상의 관심 영역 특징값의 유사도를 판단하여 유사도가 미리 설정된 임계값 이상이 되는 경우, 제1 영역을 이전 프레임 영상의 관심 영역에 대응하는 영역이라고 판단할 수 있다.
여기서, 특징은 영상에서 병변 영역인지 아닌지를 판단할 수 있는 특징을 의미하고, 특징값은 이러한 특징을 수치적으로 표현한 값을 의미한다. 예컨대, 특징은 관심 영역 내의 병변의 모양(shape), 모서리(margin), 에코 패턴(echo pattern), 방향(orientation), 경계(boundary), 및 질감(texture) 등을 포함할 수 있다.
제1 기능 수행부(121)는 제1 영역에 대하여 병변 세그먼테이션(lesion segmentation) 기능을 수행할 수 있다. 자세하게는, 제1 기능 수행부(121)는 다양한 병변 세그먼테이션 기법을 이용하여 제1 영역에 대하여 보다 정확한 세그먼테이션을 수행할 수 있다. 이때, 병변 세그먼테이션 기법은 임계화 기법(thresholding methods), 클러스터링 기법(clustering methods), 압축 기반 기법(compression-based methods), 히스토그램 기반 기법(histogram-based methods), 영역 확장 기법(region growing methods), 분리 병합 기법(split and merge methods), 그래프 분할 기법(graph partitioning methods), 에지 검출(edge detection) 등을 포함할 수 있다.
제1 기능 수행부(121)는 제1 영역에 대하여 병변 판정(lesion classification) 기능을 수행할 수 있다. 자세하게는, 기능 수행부(121)는 제1 영역을 분석하여 특징값을 추출하고, 추출된 제1 영역의 특징값을 미리 저장된 진단 모델과 비교하여 제1 영역 내의 병변의 양성 또는 악성 여부를 판단할 수 있다.
여기서, 진단 모델은 진단이 완료된 다수의 의료 데이터를 학습시켜 생성될 수 있고, 생성된 진단 모델은 컴퓨터 보조 진단 장치(100) 내부 또는 외부의 데이터베이스에 저장될 수 있다. 이때, 진단 모델 생성에 사용되는 학습 알고리즘은 deep learning 기반 알고리즘, 예컨대, CNN(Convolutional neural network), RNN(Recurrent Neural Network), sparse autoencoder, DPM(Deformable Part Model), SVM(Support Vector Machine) 및 HOG(Histogram of Oriented Gradients) 등을 포함할 수 있다.
한편, 제1 기능 수행부(121)가 제1 영역에 대하여 병변 판정 기능을 수행하는 경우, 현재 프레임 영상의 제1 영역에서 추출된 특징값과 함께 이전 프레임 영상의 관심 영역에서 추출된 특징값을 이용하는 것도 가능하다.
한편, 제1 기능 수행부(121)는 제1 영역에 대하여 관심 영역 확인 기능, 병변 세그먼테이션 기능 및 병변 판정 기능 중 어느 하나만을 수행하는 것도 가능하고, 두 가지 이상의 기능을 동시 또는 순차적으로 수행하는 것도 가능하다.
제2 기능 수행부(122)는 제2 영역에 대하여 관심 영역 검출 기능을 수행할 수 있다. 예컨대, 제2기능 수행부(122)는 RGI(Radial Gradient Index), ARD(Average Radial Gradient), Hybrid filtering, 및 multifractal analysis 등 기존의 여러 가지 필터, 또는 단순한 gray scale threshold method 등을 이용하거나, deep learning 기반 알고리즘인 CNN(Convolutional neural network), RNN(Recurrent Neural Network), sparse autoencoder, DPM(Deformable Part Model), SVM(Support Vector Machine) 및 HOG(Histogram of Oriented Gradients) 등을 이용하여 제2 영역에서 특징값을 추출하고, 추출된 특징값을 기반으로 관심 영역을 검출할 수 있다.
도 2는 컴퓨터 보조 진단 장치의 다른 실시예를 도시한 도면이다.
도 2를 참조하면, 다른 실시예에 따른 컴퓨터 보조 진단 장치(200)는 도 1의 컴퓨터 보조 진단 장치(100)에서 영상 획득부(210), 관심 영역 검출부(220) 및 화면 표시부(230)를 선택적으로 더 포함할 수 있다.
영상 획득부(210)는 환자의 의료 영상을 획득할 수 있다. 여기서, 의료 영상은 프로브를 통하여 프레임 단위로 실시간으로 획득한 초음파 영상일 수 있다. 또한, 의료 영상은 컴퓨터 단층 촬영(CT: Computed tomography) 장치, 자기 공명 영상(MRI: Magnetic Resonance Imaging) 장치 등을 통하여 3차원으로 획득한 슬라이스 영상 세트일 수 있다. 이때, 슬라이스 영상 각각은 프레임 영상 각각에 대응될 수 있다.
관심 영역 검출부(220)는 영상 획득부(210)를 통하여 획득한 이전 프레임 영상을 분석하여 관심 영역을 검출할 수 있다. 예컨대, 관심 영역 검출부(220)는 RGI(Radial Gradient Index), ARD(Average Radial Gradient), Hybrid filtering, 및 multifractal analysis 등 기존의 여러 가지 필터, 또는 단순한 gray scale threshold method 등을 이용하거나, deep learning 기반 알고리즘인 CNN(Convolutional neural network), RNN(Recurrent Neural Network), sparse autoencoder, DPM(Deformable Part Model), SVM(Support Vector Machine) 및 HOG(Histogram of Oriented Gradients) 등을 이용하여 이전 프레임 영상에서 특징값을 추출하고, 추출된 특징값을 기반으로 관심 영역을 검출할 수 있다.
화면 표시부(230)는 현재 프레임 영상 및 기능 수행부(120)의 기능 수행 결과를 화면에 출력할 수 있다. 즉, 화면 표시부(230)는 실시간으로 획득한 현재 프레임 영상을 화면에 출력하고, 기능 수행부의 기능 수행 결과, 즉, 관심 영역 확인 기능 수행 결과, 병변 세그먼테이션 결과, 병변 판정 결과 및 관심 영역 검출 결과를 화면에 출력할 수 있다.
또한, 화면 표시부(230)는 관심 영역 검출 결과를 표시할 때, 검출된 관심 영역을 바운딩 박스(bounding box)로 표시하거나, 관심 영역의 중심에 십자 마크를 표시하여 관심 영역의 위치를 나타낼 수 있다. 그러나, 이에 한정되는 것은 아니며, 관심 영역을 원형, 삼각형 등 다양한 형태의 식별 표시로 표시하거나 다양한 색깔로 컬러 코딩하는 등 다양한 방법으로 관심 영역을 표시하는 것이 가능하다.
한편, 화면 표시부(230)는 기능 수행부(120)의 기능 수행 결과를 하나의 화명 상에 표시할 수도 있으며, 다른 화면 상에 표시할 수도 있다.
도 3은 컴퓨터 보조 진단 장치의 원리를 설명하기 위한 도면이다.
연속된 프레임 영상에서 검출하고자 하는 병변은 어느 정도의 크기를 가지고 있어 하나의 프레임 영상에만 관찰되는 것은 아니다. 즉, 병변은 적어도 둘 이상의 연속된 프레임 영상에서 연속적으로 관찰된다.
하나 또는 두 개 이상의 연속된 프레임 영상에서 병변 의심 영역이 검출된다면 이후 프레임 영상에서도 병변 의심 영역의 크기와 형태는 변화할 수 있으나 이전 프레임 영상에서 검출된 병변 의심 영역과 동일한 중심점을 갖는 병변이 관찰될 확률이 높다고 볼 수 있다.
도 3에 도시된 바와 같이, 병변(300)은 다수의 연속된 프레임 영상에 연속적으로 관찰된다. 따라서, 컴퓨터 보조 진단 장치(100, 200)는 이전 프레임 영상(310, 320)에서 검출된 관심 영역(311, 321)의 위치 정보에 기초하여 현재 프레임 영상(330)을 이전 프레임 영상(310, 320)의 관심 영역(311, 321)과 연결된 제1 영역(331)과, 제1 영역 이외의 나머지 영역인 제2 영역(332)으로 분리하고, 제1 영역(331)과 제2 영역(332)에 서로 다른 기능(예컨대, 제1 영역(331)에는 병변 판정, 제2 영역(332)에는 새로운 관심 영역 검출)을 수행함으로써, 병변 검출/판정의 정확도와 속도를 높이는 것이 가능하다.
도 4a 내지 도 4c는 현재 프레임 영상을 제1 영역과 제2 영역으로 분리하는 과정을 설명하기 위한 도면이다. 자세하게는, 도 4a는 현재 프레임 영상을 제1 영역과 제2 영역으로 분리하는 방법을 설명하기 위한 도면이고, 도 4b는 이전 프레임 영상의 예시도이고, 도 4c는 영역이 분리된 현재 프레임 영상의 예시도이다.
도 4a를 참조하면, 영역 분리부(110)는 이전 프레임 영상(410)에서 검출된 관심 영역(411)의 위치 정보를 기초로 현재 프레임 영상(420)을 제1 영역(421)과 제2 영역(423)으로 분리한다. 즉, 영역 분리부(110)는 이전 프레임 영상(410)의 관심 영역(411)의 중심점(412)와 동일한 지점(422)으로부터 일정 범위 확장된 영역을 제1 영역(421)으로 분리하고, 제1 영역(421) 이외의 나머지 영역을 제2 영역(423)으로 분리한다.
이때, 이전 프레임 영상(410)에서 현재 프레임 영상(420)으로의 영역 확장은 이전 프레임 영상(410)의 관심 영역(11)의 중심점(412)과 동일한 지점(422)을 중심으로 비정형으로 확대된 형태이거나 사각형으로 확대된 형태일 수 있다. 그러나, 이는 일 실시예에 불과할 뿐, 시스템의 성능 또는 용도에 따라 다양한 형태로 확장될 수 있다.
또한, 전술한 바와 같이, 영역 확장을 위한 파라미터는 기존의 다양한 의료용 데이터베이스로부터 도출될 수 있다. 예컨대, 영역 확장을 위한 파라미터는 기존의 의료용 데이터베이스에 저장된 병변 정보로서, 이전 프레임 영상의 관심 영역에 포함된 병변과 유사한 병변의 정보(병변의 분포, 길이, 면적의 변화 추이, 병변의 모양(shape)의 변화도 등)를 기초로 도출될 수 있다.
도 4b 및 도 4c를 참조하면, 이전 프레임 영상(410)에서 관심 영역(411)이 검출되었을 때, 현재 프레임 영상(420)은 이전 프레임 영상(410)의 관심 영역(411)의 위치 정보를 기초로 제1 영역(421)과 제2 영역(423)으로 분리될 수 있다.
도 5는 컴퓨터 보조 진단 방법의 일 실시예를 도시한 흐름도이다.
도 5를 참조하면, 일 실시예에 따른 컴퓨터 보조 진단 방법(500)은 먼저, 이전 프레임 영상에서 검출된 관심 영역의 위치 정보를 기초로 현재 프레임 영상을 제1 영역과 제2 영역으로 분리한다(510). 예컨대, 컴퓨터 보조 진단 장치(100, 200)는 현재 프레임 영상을 이전 프레임 영상의 관심 영역 중심점과 동일한 지점으로부터 일정 범위 확장된 영역을 포함하는 제1 영역과, 제1 영역을 제외한 나머지 영역를 포함하는 제2 영역으로 분리할 수 있다.
이때, 전술한 바와 같이, 영역 확장을 위한 파라미터는 기존의 다양한 의료용 데이터베이스로부터 도출될 수 있으며, 제1 영역과 제2 영역은 컴퓨터 보조 진단 장치(100, 200)의 정확도, 민감도 등에 따라 서로 중첩되는 영역을 포함할 수 있다.
그 후, 제1 영역 및 제2 영역에 대하여 컴퓨터 보조 진단 장치가 수행하는 다양한 기능 중 서로 다른 기능을 수행한다(520). 예컨대, 컴퓨터 보조 진단 장치(100, 200)는 제1 영역은 관심 영역 확인 기능, 병변 세그먼테이션 기능 및 병변 판정 기능 등을 수행하고, 제2 영역은 관심 영역 검출 기능을 수행할 수 있다.
이때, 제1 영역에 대한 관심 영역 확인 기능, 병변 세그먼테이션 기능, 및 병변 판정 기능과, 제2 영역에 대한 관심 영역 검출 기능에 대한 구체적인 설명은 도 1을 참조하여 전술한 바와 같으므로 그 상세한 설명은 생략한다.
한편, 추가적 실시예에 따르면, 컴퓨터 보조 진단 방법(500)은 환자의 의료 영상을 획득하는 과정(502)를 더 포함할 수 있다. 여기서, 의료 영상은 프로브를 통하여 프레임 단위로 실시간으로 획득한 초음파 영상일 수 있다. 또한, 의료 영상은 컴퓨터 단층 촬영(CT: Computed tomography) 장치, 자기 공명 영상(MRI: Magnetic Resonance Imaging) 장치 등을 통하여 3차원으로 획득한 슬라이스 영상 세트일 수 있다. 이때, 슬라이스 영상 각각은 프레임 영상 각각에 대응될 수 있다.
한편, 추가적 실시예에 따르면, 컴퓨터 보조 진단 방법(500)은 현재 프레임 영상의 이전 프레임 영상을 분석하여 관심 영역을 검출하는 과정(504)을 더 포함할 수 있다.
예컨대, 컴퓨터 보조 진단 장치(200)는 RGI(Radial Gradient Index), ARD(Average Radial Gradient), Hybrid filtering, 및 multifractal analysis 등 기존의 여러 가지 필터, 또는 단순한 gray scale threshold method 등을 이용하거나, deep learning 기반 알고리즘인 CNN(Convolutional neural network), RNN(Recurrent Neural Network), sparse autoencoder, DPM(Deformable Part Model), SVM(Support Vector Machine) 및 HOG(Histogram of Oriented Gradients) 등을 이용하여 이전 프레임 영상에서 특징값을 추출하고, 추출된 특징값을 기반으로 관심 영역을 검출할 수 있다.
한편, 추가적 실시예에 따르면, 컴퓨터 보조 진단 방법(500)은 현재 프레임 영상과 함께 기능 수행 결과를 화면에 출력하는 과정(522)을 더 포함할 수 있다.
예컨대, 컴퓨터 보조 진단 장치(200)는 실시간으로 획득한 현재 프레임 영상을 화면에 출력하고, 기능 수행 결과, 즉, 관심 영역 확인 기능 수행 결과, 병변 세그먼테이션 결과, 병변 판정 결과 및 관심 영역 검출 결과를 화면에 출력할 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: 컴퓨터 보조 진단 장치
110: 영역 분리부
120: 기능 수행부
121: 제1 기능 수행부
122: 제2 기능 수행부

Claims (16)

  1. 이전 프레임 영상에서 검출된 관심 영역의 위치 정보에 기초하여 현재 프레임 영상을 제1 영역과 제2 영역으로 분리하는 영역 분리부; 및
    상기 제1 영역 및 상기 제2 영역에 대하여 컴퓨터 보조 진단 장치의 서로 다른 기능을 수행하는 기능 수행부; 를 포함하는 컴퓨터 보조 진단 장치.
  2. 제1 항에 있어서,
    상기 영역 분리부는, 상기 현재 프레임 영상을 상기 이전 프레임 영상에서 검출된 관심 영역의 중심점과 동일한 지점으로부터 일정 범위 확장된 영역을 포함하는 제1 영역과, 상기 제1영역 이외의 나머지 영역을 포함하는 제2 영역으로 분리하는 컴퓨터 보조 진단 장치.
  3. 제2 항에 있어서,
    영역 확장을 위한 일정 범위는, 기 저장된 병변 정보로서, 이전 프레임 영상의 관심 영역에 포함된 병변과 유사한 병변에 대한 병변 분포, 병변 길이, 및 병변 면적의 변화 추이와, 병변 모양의 변화도 중 적어도 하나를 기반으로 결정되는 컴퓨터 보조 진단 장치.
  4. 제1 항에 있어서,
    상기 기능 수행부는,
    상기 제1 영역에 대하여, 관심 영역 확인 기능, 병변 세그먼테이션(segmentation) 기능, 및 병변 판정(classification) 기능 중 적어도 하나를 수행하는 제1 기능 수행부; 및
    상기 제2 영역에 대하여, 관심 영역 검출(detection) 기능을 수행하는 제2 기능 수행부; 를 포함하는 컴퓨터 보조 진단 장치.
  5. 제4 항에 있어서,
    상기 제1 기능 수행부는, 상기 관심 영역 확인 기능 수행시, 상기 제1 영역으로부터 특징값을 추출하고, 추출된 특징값과 상기 이전 프레임 영상의 관심 영역 특징값의 유사도에 기초하여 상기 제1 영역이 상기 이전 프레임 영상에서 검출된 관심 영역에 대응하는 영역인지 확인하는 컴퓨터 보조 진단 장치.
  6. 제4 항에 있어서,
    상기 제1 기능 수행부는, 상기 병변 판정(classification) 기능 수행시, 상기 제1 영역으로부터 특징값을 추출하고, 추출된 특징값을 미리 저장된 진단 모델과 비교하여 제1 영역 내의 병변의 양성 또는 악성 여부를 판정하는 컴퓨터 보조 진단 장치.
  7. 제1 항에 있어서,
    이전 프레임 영상에서 관심 영역을 검출하는 관심 영역 검출부; 를 더 포함하는 컴퓨터 보조 진단 장치.
  8. 제1 항에 있어서,
    상기 현재 프레임 영상, 및 상기 기능 수행부의 기능 수행 결과를 화면에 출력하는 화면 표시부; 를 더 포함하는 컴퓨터 보조 진단 장치.
  9. 이전 프레임 영상에서 검출된 관심 영역의 위치 정보에 기초하여 현재 프레임 영상을 제1 영역과 제2 영역으로 분리하는 단계; 및
    상기 제1 영역 및 상기 제2 영역에 대하여 컴퓨터 보조 진단 장치의 서로 다른 기능을 수행하는 단계; 를 포함하는 컴퓨터 보조 진단 방법.
  10. 제9 항에 있어서,
    상기 분리하는 단계는, 상기 현재 프레임 영상을 상기 이전 프레임 영상에서 검출된 관심 영역의 중심점과 동일한 지점으로부터 일정 범위 확장된 영역을 포함하는 제1 영역과, 상기 제1영역 이외의 나머지 영역을 포함하는 제2 영역으로 분리하는 컴퓨터 보조 진단 방법.
  11. 제10 항에 있어서,
    영역 확장을 위한 일정 범위는, 기 저장된 병변 정보로서, 이전 프레임 영상의 관심 영역에 포함된 병변과 유사한 병변에 대한 병변 분포, 병변 길이, 및 병변 면적의 변화 추이와, 병변 모양의 변화도 중 적어도 하나를 기반으로 결정되는 컴퓨터 보조 진단 방법.
  12. 제9 항에 있어서,
    상기 서로 다른 기능을 수행하는 단계는,
    상기 제1 영역에 대하여, 관심 영역 확인 기능, 병변 세그먼테이션(segmentation) 기능, 및 병변 판정(classification) 기능 중 적어도 하나를 수행하는 단계; 및
    상기 제2 영역에 대하여, 관심 영역 검출(detection) 기능을 수행하는 단계; 를 포함하는 컴퓨터 보조 진단 방법.
  13. 제12 항에 있어서,
    상기 관심 영역 확인 기능 수행시,
    상기 제1 영역으로부터 특징값을 추출하는 단계; 및
    상기 추출된 특징값과 상기 이전 프레임 영상의 관심 영역 특징값의 유사도에 기초하여 상기 제1 영역이 상기 이전 프레임 영상에서 검출된 관심 영역에 대응하는 영역인지 확인하는 단계; 를 포함하는 컴퓨터 보조 진단 방법.
  14. 제12 항에 있어서,
    상기 병변 판정(classification) 기능 수행시,
    상기 제1 영역으로부터 특징값을 추출하는 단계; 및
    상기 추출된 특징값을 미리 저장된 진단 모델과 비교하여 제1 영역 내의 병변의 양성 또는 악성 여부를 판정하는 단계; 를 포함하는 컴퓨터 보조 진단 방법.
  15. 제9 항에 있어서,
    이전 프레임 영상에서 관심 영역을 검출하는 단계; 를 더 포함하는 컴퓨터 보조 진단 방법.
  16. 제9 항에 있어서,
    상기 현재 프레임 영상, 및 기능 수행 결과를 화면에 출력하는 단계; 를 더 포함하는 컴퓨터 보조 진단 방법.
KR1020140106268A 2014-08-14 2014-08-14 컴퓨터 보조 진단 장치 및 방법 Ceased KR20160020917A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020140106268A KR20160020917A (ko) 2014-08-14 2014-08-14 컴퓨터 보조 진단 장치 및 방법
US14/825,638 US9662040B2 (en) 2014-08-14 2015-08-13 Computer-aided diagnosis apparatus and method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140106268A KR20160020917A (ko) 2014-08-14 2014-08-14 컴퓨터 보조 진단 장치 및 방법

Publications (1)

Publication Number Publication Date
KR20160020917A true KR20160020917A (ko) 2016-02-24

Family

ID=55302544

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140106268A Ceased KR20160020917A (ko) 2014-08-14 2014-08-14 컴퓨터 보조 진단 장치 및 방법

Country Status (2)

Country Link
US (1) US9662040B2 (ko)
KR (1) KR20160020917A (ko)

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10339650B2 (en) 2016-01-07 2019-07-02 Koios Medical, Inc. Method and means of CAD system personalization to reduce intraoperator and interoperator variation
EP3432784B1 (en) 2016-03-24 2020-09-23 The Regents of The University of California Deep-learning-based cancer classification using a hierarchical classification framework
US10346982B2 (en) * 2016-08-22 2019-07-09 Koios Medical, Inc. Method and system of computer-aided detection using multiple images from different views of a region of interest to improve detection accuracy
CN108171712B (zh) * 2016-12-07 2022-02-11 富士通株式会社 确定图像相似度的方法和装置
JP2018175227A (ja) * 2017-04-10 2018-11-15 富士フイルム株式会社 医用画像表示装置、方法およびプログラム
US11664114B2 (en) 2017-05-25 2023-05-30 Enlitic, Inc. Medical scan assisted review system
AU2017420781B2 (en) * 2017-06-26 2020-12-17 Elekta, Inc. Method for improving cone-beam CT image quality using a deep convolutional neural network
US11589924B2 (en) * 2017-08-01 2023-02-28 Siemens Healthcare Gmbh Non-invasive assessment and therapy guidance for coronary artery disease in diffuse and tandem lesions
US11389139B2 (en) 2017-12-20 2022-07-19 Verathon Inc. Echo window artifact classification and visual indicators for an ultrasound system
US11100632B2 (en) 2018-04-13 2021-08-24 Elekta, Inc. Image synthesis using adversarial networks such as for radiation therapy
US11501438B2 (en) 2018-04-26 2022-11-15 Elekta, Inc. Cone-beam CT image enhancement using generative adversarial networks
US11823376B2 (en) 2018-05-16 2023-11-21 Benevis Informatics, Llc Systems and methods for review of computer-aided detection of pathology in images
US11282198B2 (en) 2018-11-21 2022-03-22 Enlitic, Inc. Heat map generating system and methods for use therewith
US11145059B2 (en) 2018-11-21 2021-10-12 Enlitic, Inc. Medical scan viewing system with enhanced training and methods for use therewith
US11011257B2 (en) 2018-11-21 2021-05-18 Enlitic, Inc. Multi-label heat map display system
US11457871B2 (en) 2018-11-21 2022-10-04 Enlitic, Inc. Medical scan artifact detection system and methods for use therewith
US11462315B2 (en) 2019-11-26 2022-10-04 Enlitic, Inc. Medical scan co-registration and methods for use therewith
US12061994B2 (en) 2020-08-11 2024-08-13 Enlitic, Inc. Inference process visualization system for medical scans
US11669678B2 (en) 2021-02-11 2023-06-06 Enlitic, Inc. System with report analysis and methods for use therewith
US12136484B2 (en) 2021-11-05 2024-11-05 Altis Labs, Inc. Method and apparatus utilizing image-based modeling in healthcare

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7615008B2 (en) 2000-11-24 2009-11-10 U-Systems, Inc. Processing and displaying breast ultrasound information
WO2005106773A2 (en) 2004-04-15 2005-11-10 Edda Technology, Inc. Spatial-temporal lesion detection, segmentation, and diagnostic information extraction system and method
WO2006055251A2 (en) 2004-11-02 2006-05-26 Metrohealth System Method and apparatus for determining correlation between spatial coordinates in breast
US8150155B2 (en) * 2006-02-07 2012-04-03 Qualcomm Incorporated Multi-mode region-of-interest video object segmentation
US7992100B2 (en) 2006-12-21 2011-08-02 Sectra Ab Dynamic slabbing to render views of medical image data

Also Published As

Publication number Publication date
US9662040B2 (en) 2017-05-30
US20160048972A1 (en) 2016-02-18

Similar Documents

Publication Publication Date Title
KR20160020917A (ko) 컴퓨터 보조 진단 장치 및 방법
KR102251242B1 (ko) 컴퓨터 보조 진단 장치 및 방법
Haleem et al. A novel adaptive deformable model for automated optic disc and cup segmentation to aid glaucoma diagnosis
KR102043130B1 (ko) 컴퓨터 보조 진단 방법 및 장치
CN105701331B (zh) 计算机辅助诊断设备和计算机辅助诊断方法
KR102204437B1 (ko) 컴퓨터 보조 진단 방법 및 장치
EP2710958B1 (en) Method and system for intelligent qualitative and quantitative analysis of digital radiography softcopy reading
US10383592B2 (en) Apparatus and method for aiding imaging diagnosis
KR102294193B1 (ko) 프로브 속도에 기초한 컴퓨터 보조 진단 지원 장치 및 방법
US10169641B2 (en) Apparatus and method for visualization of region of interest
KR20140091176A (ko) 병변 진단 장치 및 방법
US6731782B2 (en) Method and system for automatic identification and quantification of abnormal anatomical structures in medical images
KR20160020918A (ko) 적응형 컴퓨터 보조 진단 장치 및 방법
CN104619257A (zh) 用于医学图像中的肺结节的自动化检测的系统和方法
Xue et al. Foreign object detection in chest X-rays
KR20220151170A (ko) 훈련 데이터에서 누락된 주석을 해결하기 위한 클래스별 손실 함수
El-Baz et al. A novel level set-based computer-aided detection system for automatic detection of lung nodules in low dose chest computed tomography scans
Dogra et al. Glioma Classification of MR brain tumor employing Machine Learning
Asha et al. Brain tumor detection using mask RCNN
KR101251822B1 (ko) 동적조영증강 폐 전산화단층촬영 영상에서 관류 분석 시스템 및 방법
KR102716447B1 (ko) 흉부 ct 이미지에서의 호흡기계 구조물 자동 분할 시스템 및 그 방법
Ali et al. Segmenting retinal blood vessels with Gabor filter and automatic binarization
US7672496B2 (en) Forming three dimensional objects using a decision rule in medical image data
Sharma et al. Automatic segmentation of brain ct scan image to identify hemorrhages
Dorgham Automatic body segmentation from computed tomography image

Legal Events

Date Code Title Description
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20140814

PG1501 Laying open of application
PA0201 Request for examination

Patent event code: PA02012R01D

Patent event date: 20190809

Comment text: Request for Examination of Application

Patent event code: PA02011R01I

Patent event date: 20140814

Comment text: Patent Application

E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20201204

Patent event code: PE09021S01D

E601 Decision to refuse application
PE0601 Decision on rejection of patent

Patent event date: 20210211

Comment text: Decision to Refuse Application

Patent event code: PE06012S01D

Patent event date: 20201204

Comment text: Notification of reason for refusal

Patent event code: PE06011S01I