KR101818074B1

KR101818074B1 - Artificial intelligence based medical auto diagnosis auxiliary method and system therefor

Info

Publication number: KR101818074B1
Application number: KR1020170091799A
Authority: KR
Inventors: 김동민; 손아라; 이명재; 강신욱; 김원태
Original assignee: (주)제이엘케이인스펙션
Priority date: 2017-07-20
Filing date: 2017-07-20
Publication date: 2018-01-12
Anticipated expiration: 2037-07-20

Abstract

인공지능 진단을 기반으로 하는 의사결정 지원 시스템이나 컴퓨터 보조 진단 시스템에 전문가 분석을 결합하여 진단 결과의 신뢰성을 높이고 인공지능의 의료용 자동 진단 보조 성능을 향상시킬 수 있는 인공지능 기반 의료용 자동 진단 보조 방법 및 시스템이 개시된다. 호스트에 접속되는 단말 또는 컴퓨팅 장치가 수행하는 인공지능 기반 의료용 자동 진단 보조 방법은, 호스트에서 인공지능 기반으로 진단된 제1 진단 결과를 획득하는 단계, 제1 진단 결과를 포함한 이미지 형태의 사용자 인터페이스를 단말 또는 컴퓨팅 장치의 화면에 표시하는 단계, 사용자 인터페이스를 통해 제1 진단 결과에 대한 전문가 진단을 포함한 사용자 입력을 획득하는 단계, 사용자 입력을 반영한 제2 진단 결과를 생성하는 단계, 및 제1 진단 결과에 대응하는 제2 진단 결과를 호스트에 제공하는 단계를 포함한다.An artificial intelligence based automatic diagnosis assistant method which can improve the reliability of diagnosis results and improve the automatic diagnosis assistant performance of artificial intelligence by combining expert analysis with decision support system or computer assisted diagnosis system based on artificial intelligence diagnosis The system is started. The artificial intelligence-based medical automatic diagnosis assistant method performed by a terminal or a computing device connected to a host includes: acquiring a first diagnosis result diagnosed based on artificial intelligence in a host; Displaying on a screen of a terminal or computing device, acquiring a user input including an expert diagnosis of a first diagnostic result through a user interface, generating a second diagnostic result reflecting the user input, And providing the host with a second diagnostic result corresponding to the second diagnostic result.

Description

TECHNICAL FIELD [0001] The present invention relates to an artificial intelligence-based medical automatic diagnosis assistant method,

본 발명의 실시예는 인공지능 기반 의료용 자동 진단 방법 및 장치에 관한 것으로, 더욱 상세하게는 인공지능 진단을 기반으로 하는 의사결정 지원 시스템이나 컴퓨터 보조 진단 시스템에 전문가 분석을 결합하여 진단 결과의 신뢰성을 높이고 인공지능의 의료용 자동 진단 보조 성능을 향상시킬 수 있는, 인공지능 기반 의료용 자동 진단 보조 방법 및 시스템에 관한 것이다.An embodiment of the present invention relates to an automatic diagnostic method and apparatus for medical diagnosis based on artificial intelligence, and more particularly, to a diagnostic diagnostic system or an assisted diagnostic system based on artificial intelligence, And more particularly, to an artificial intelligence-based medical automatic diagnosis assistant method and system capable of enhancing a medical diagnosis assistant performance of an artificial intelligence.

현대의학에서 효과적인 질병의 진단 및 환자의 치료를 위해 의료영상은 매우 중요한 도구이다. 또한 영상기술 발달은 더욱 정교한 의료영상 데이터를 획득 가능하게 하고 있다. 이러한 정교함의 대가로 데이터의 양은 점차 방대해지고 있어 의료영상 데이터를 인간의 시각에 의존하여 분석하는 데 어려움이 많다. 따라서 최근 십여 년 동안 임상의사결정 지원 시스템 및 컴퓨터 보조 진단 시스템은 의료영상 자동 분석에 있어서 필수적인 역할을 수행하여 왔다.In modern medicine, medical imaging is a very important tool for diagnosis of effective diseases and treatment of patients. Also, the development of image technology makes it possible to acquire more sophisticated medical image data. The amount of data is gradually increasing in exchange for such sophistication, and it is difficult to analyze the medical image data depending on the human vision. Therefore, for the past decade, clinical decision support systems and computer assisted diagnostic systems have played an essential role in the automatic analysis of medical images.

종래의 임상의사결정 지원 시스템 또는 컴퓨터 보조 진단 시스템(이하, 인공지능 기반 의료 진단 보조 시스템)은 병변 영역을 검출하여 표시하거나 진단 정보를 의료진 또는 의료 종사자 등(이하 사용자)에게 제시한다.A conventional clinical decision support system or a computer assisted diagnostic system (hereinafter referred to as an AI based medical diagnostic assistant system) detects and displays a lesion area or presents diagnostic information to a medical staff or a medical practitioner (hereinafter referred to as a user).

일례로, 한국 공개특허 제10-2017-0017614호(2017.02.15)의 '의료 영상 기반의 질환 진단 정보 산출 방법 및 장치'에서는, 분석 대상 객체가 촬영된 관심 영역을 검출하고, 변동계수를 산출하고, 변동계수 이미지를 작성하고 이를 기준 샘플과 비교하는 단계를 포함하고, CT, MRI 및 초음파 영상 촬영 장치 등을 통해 획득된 의료 영상을 활용하여 환자의 질환 정도를 진단하는 효과를 언급한다. 하지만, 이 종래 기술은 의료 영상들의 비교 방법을 이용하므로 여전히 진단 장치의 근본적인 진단 오류를 방지할 수 있는 방안이 요구되고 있다.For example, in Korean Patent Laid-Open No. 10-2017-0017614 (Feb. 21, 2017), a method and apparatus for calculating disease diagnosis information based on a medical image, a region of interest in which an analysis object is photographed is detected, And creating a coefficient of variation image and comparing it with a reference sample, and refers to the effect of diagnosing the degree of disease in a patient by using medical images obtained through CT, MRI, and ultrasound imaging apparatus. However, this conventional technique uses a method of comparing medical images, and therefore, a method for preventing a fundamental diagnosis error of a diagnostic apparatus is still required.

또한, 한국 공개특허 제10-2017-0047423호(2017.05.08)의 'CAD 기반 디지털 엑스레이의 자동 결핵 진단 예측 시스템'에서는, 딥러닝 알고리즘을 적용하여 결핵 여부를 판단하는 진단부를 포함하고, CAD 기반 디지털 엑스레이의 자동 결핵 진단 예측 시스템에 의해 진단 효율성이 향상된다는 점을 강조한다. 하지만, 이 종래 기술은 딥러닝 알고리즘을 이용할 뿐 딥러닝 알고리즘에 의한 의료 진단에서의 오진이나 한계를 여전히 내포하고 있는 단점이 있다.In addition, Korean Patent Laid-Open No. 10-2017-0047423 (2017.05.08) 'Automatic TB Diagnosis Prediction System for CAD-based Digital X-ray' includes a diagnosis unit for determining whether tuberculosis has occurred by applying a deep learning algorithm, It emphasizes that diagnosis efficiency is improved by the automatic diagnosis system of tuberculosis of digital X-ray. However, this prior art has a disadvantage in that it still contains misjudgments and limitations in medical diagnosis by the deep learning algorithm, only using a deep learning algorithm.

본 발명에서는 인공지능 기반 의료 진단 보조 시스템에서 자동으로 제공되는 진단 결과가 사용자의 의사결정에 영향을 주어 발생할 수 있는 진단 오류를 방지하고, 사용자의 의사결정 및 진단 결과를 재학습에 반영하여 스스로의 정확도를 개선할 수 있는 인공지능 기반 의료용 자동 진단 보조 방법 및 시스템을 제공하는데 그 목적이 있다.In the present invention, the diagnosis results automatically provided by the artificial intelligence-based medical diagnosis assistant system may prevent the diagnostic errors that may occur due to the influence of the user's decision making, and the self- And to provide an artificial intelligence-based medical automatic diagnosis assistant method and system capable of improving accuracy.

본 발명의 다른 목적은, 인공지능 진단을 기반으로 하는 의사결정 지원 시스템이나 컴퓨터 보조 진단 시스템에 전문가 분석을 결합하여 진단 결과의 신뢰성을 높이고 인공지능의 의료용 자동 진단 보조 성능을 향상시킬 수 있는, 인공지능 기반 의료용 자동 진단 보조 방법 및 시스템을 제공하는데 있다.It is another object of the present invention to provide a diagnosis support system or a computer-assisted diagnosis system based on artificial intelligence, which can combine expert analysis to improve the reliability of diagnosis results and improve the automatic diagnosis assistant performance of artificial intelligence And an intelligent-based medical automatic diagnosis assistant method and system.

상기 기술적 과제를 해결하기 위한 본 발명의 일 측면에 따른 방법은, 호스트에 접속되는 단말 또는 컴퓨팅 장치가 수행하는 인공지능 기반 의료용 자동 진단 보조 방법으로서, 호스트에서 인공지능 기반으로 진단된 제1 진단 결과를 획득하는 단계; 상기 제1 진단 결과를 포함한 이미지 형태의 사용자 인터페이스를 상기 단말 또는 컴퓨팅 장치의 화면에 표시하는 단계; 상기 사용자 인터페이스를 통해 상기 제1 진단 결과에 대한 전문가 진단을 포함한 사용자 입력을 획득하는 단계; 상기 사용자 입력을 반영한 제2 진단 결과를 생성하는 단계; 및 상기 제1 진단 결과에 대응하는 상기 제2 진단 결과를 상기 호스트에 제공하는 단계를 포함한다.According to an aspect of the present invention, there is provided an AI diagnostic assistant method for medical diagnosis based on artificial intelligence performed by a terminal or a computing device connected to a host, ; Displaying an image-type user interface including the first diagnosis result on a screen of the terminal or the computing device; Obtaining a user input including an expert diagnosis of the first diagnostic result through the user interface; Generating a second diagnostic result that reflects the user input; And providing the host with the second diagnostic result corresponding to the first diagnostic result.

여기서, 상기 호스트의 인공지능 시스템은 상기 제1 진단 결과 및 상기 제2 진단 결과를 토대로 재분석, 재학습 또는 학습 성능 평가를 수행할 수 있다.Here, the artificial intelligence system of the host may perform reanalysis, re-learning or learning performance evaluation based on the first diagnosis result and the second diagnosis result.

일실시예에서, 상기 사용자 인터페이스는 상기 제1 진단 결과에 대한 적어도 하나 이상의 제1 이미지 레이어 상에 상기 사용자 입력에 의한 이미지의 수정, 삭제 또는 추가를 허용하는 적어도 하나 이상의 제2 이미지 레이어를 중첩하여 이루어질 수 있다.In one embodiment, the user interface superimposes at least one second image layer on the at least one or more first image layers for the first diagnostic result to allow modification, deletion or addition of images by the user input Lt; / RTI >

상기 기술적 과제를 해결하기 위한 본 발명의 다른 측면에 따른 방법은, 호스트에 접속되는 단말 또는 컴퓨팅 장치가 수행하는 인공지능 기반 의료용 자동 진단 보조 방법으로서, 호스트에서 인공지능 기반으로 진단된 제1 진단 결과를 획득하는 단계; 상기 제1 진단 결과를 포함한 텍스트 형태의 사용자 인터페이스를 상기 단말 또는 컴퓨팅 장치의 화면에 표시하는 단계; 상기 사용자 인터페이스를 통해 상기 제1 진단 결과에 대한 전문가 진단을 포함한 사용자 입력을 획득하는 단계; 상기 사용자 입력을 반영한 제2 진단 결과를 생성하는 단계; 상기 제1 진단 결과에 대응하는 상기 제2 진단 결과를 상기 호스트에 제공하는 단계를 포함한다.According to another aspect of the present invention, there is provided an artificial intelligence-based automatic diagnosis assistant method performed by a terminal or a computing device connected to a host, the method comprising: ; Displaying a textual user interface including the first diagnostic result on a screen of the terminal or the computing device; Obtaining a user input including an expert diagnosis of the first diagnostic result through the user interface; Generating a second diagnostic result that reflects the user input; And providing the host with the second diagnostic result corresponding to the first diagnostic result.

일실시예에서, 상기 사용자 인터페이스는, 사용자 참조를 위해 상기 제1 진단 결과를 표시하는 제1 입력박스, 사용자 입력에 의한 상기 제2 진단 결과를 표시하거나 확인하는 제2 입력박스, 및 최종 진단 결과에 대한 사용자 확인을 위한 완료버튼 또는 저장버튼을 구비할 수 있다.In one embodiment, the user interface comprises a first input box for displaying the first diagnostic result for user reference, a second input box displaying or confirming the second diagnostic result by user input, A completion button or a save button for user confirmation of the user.

상기 기술적 과제를 해결하기 위한 본 발명의 또 다른 측면에 따른 시스템은, 호스트에 접속되어 인공지능 기반 의료용 자동 진단 보조 기능을 수행하는 시스템으로서, 인공지능 기반으로 진단된 제1 진단 결과를 획득하고, 상기 제1 진단 결과에 대응하는 제2 진단 결과를 제공하기 위해 호스트와 신호 및 데이터를 송수신하는 통신부; 상기 제1 진단 결과를 포함하고 이미지 또는 텍스트 형태를 갖춘 사용자 인터페이스를 화면에 표시하는 디스플레이부; 상기 사용자 인터페이스에 대한 기본 양식과 확장 양식을 저장하는 저장부; 상기 사용자 인터페이스를 상기 디스플레이부에 출력하고 상기 사용자 인터페이스를 통해 상기 제1 진단 결과에 대한 전문가 분석을 포함한 사용자 입력을 획득하는 입출력관리부; 상기 사용자 입력을 반영한 상기 제2 진단 결과를 생성하는 생성부; 및 상기 통신부, 상기 디스플레이부, 상기 저장부, 상기 입출력관리부 및 상기 생성부를 관리하는 제어부를 포함한다.According to another aspect of the present invention, there is provided a system for performing an artificial intelligence-based medical diagnosis assistant function connected to a host, the system comprising: a first diagnostic result diagnosed based on artificial intelligence; A communication unit for transmitting and receiving signals and data with a host to provide a second diagnosis result corresponding to the first diagnosis result; A display unit displaying a user interface including the first diagnosis result and having an image or text form on a screen; A storage unit for storing a basic form and an extension form for the user interface; An input / output manager for outputting the user interface to the display unit and acquiring a user input including a specialist analysis of the first diagnostic result through the user interface; A generating unit for generating the second diagnosis result reflecting the user input; And a controller for managing the communication unit, the display unit, the storage unit, the input / output management unit, and the generation unit.

전술한 본 실시예에 따른 인공지능 기반 의료용 자동 진단 보조 방법 및 시스템을 사용하는 경우에는, 인공지능 진단을 기반으로 하는 의사결정 지원 시스템이나 컴퓨터 보조 진단 시스템에 전문가 분석을 결합하여 진단 결과의 신뢰성을 높이고 인공지능의 의료용 자동 진단 보조 성능을 향상시킬 수 있다.In the case of using the artificial intelligence-based automatic diagnosis assistant method and system according to the present embodiment described above, it is possible to combine expert analysis with a decision support system or a computer assisted diagnosis system based on artificial intelligence diagnosis, And improve the medical auto diagnosis auxiliary performance of artificial intelligence.

또한, 인공지능을 이용하여 수행된 자동 진단의 결과에 사용자의 판단이 반영되게 유도함으로써 인공지능만에 의한 자동 진단 시스템으로 인해 유발될 수 있는 진단 오류 발생을 예방할 수 있다.Also, inducing the user's judgment to be reflected in the result of the automatic diagnosis performed using the artificial intelligence, it is possible to prevent the occurrence of the diagnosis error that may be caused by the automatic diagnosis system based only on the artificial intelligence.

또한, 사용자의 판단이 반영된 데이터를 재학습에 사용함으로써 인공지능 자동 진단 및 분석 정확도가 개선될 수 있다.In addition, by using the data reflecting the user's judgment for re-learning, artificial intelligence automatic diagnosis and analysis accuracy can be improved.

또한, 인공지능을 이용하여 의료용 영상을 분석함으로써 제1차 진단을 하고, 제1차 진단 결과를 기초로 전문가인 사용자의 입력에 따른 제2차 진단 결과를 도출한다는 점에서 종래기술과 차이점을 가진다. 특히, 배경기술에서 설명한 종래기술들은 의료용 영상의 분석에 관한 구성 및 딥러닝 알고리즘을 적용하는 구성이지만, 본 실시예에 따른 방법 및 시스템은 인공지능을 이용하여 제1차 진단을 하고, 이를 기초로 사용자 분석에 따른 제2차 진단을 수행할 뿐만 아니라, 제1차 진단 및 제2차 진단의 결과를 그래픽 형태 및 텍스트 형태의 사용자 인터페이스를 이용하여 표시하여 결합하며, 더욱이 결합된 진단 결과를 인공지능 시스템에 제공하여 재분석, 재학습 및 학습 성능 평가를 수행하여 의료 자동 진단 장치나 방법의 성능이 사용할 때마다 업그레이드되는 장점이 있다.In addition, there is a difference from the prior art in that a first diagnosis is made by analyzing a medical image using artificial intelligence, and a second diagnosis result is obtained according to an input of a user who is an expert based on the first diagnosis result . Particularly, while the prior art described in the background art is a configuration for applying analysis of a medical image and a deep learning algorithm, the method and system according to the present embodiment performs a first diagnosis using artificial intelligence, Not only performs the second diagnosis according to the user analysis but also displays the results of the first diagnosis and the second diagnosis using a graphical and textual user interface and further combines the diagnostic results with artificial intelligence System to perform reanalysis, re-learning and learning performance evaluation, so that the performance of the automatic diagnosis device or method is upgraded every time it is used.

도 1은 본 발명의 일실시예에 따른 인공지능 기반 의료용 자동 진단 보조 시스템에 대한 개략적인 전체 구성도이다.
도 2는 도 1의 시스템의 호스트에서 동작하는 인공지능 시스템에 대한 개략적인 하드웨어 구성도이다.
도 3은 도 1의 시스템의 사용자 단말 또는 컴퓨팅 장치에 대한 개략적인 하드웨어 구성도이다.
도 4는 도 3의 사용자 단말에 출력되는 사용자 인터페이스에 대한 예시도이다.
도 5는 도 4의 사용자 인터페이스의 상세 구성의 일례에 대한 예시도이다.
도 6은 도 3의 사용자 단말에 제공되는 사용자 인터페이스의 다른 실시예에 대한 예시도이다.
도 7은 도 6의 사용자 인터페이스의 하위 화면으로 제공 가능한 클래스별 진단 및 분류 개연성의 도식화를 예시한 도면이다.
도 8은 본 발명의 다른 실시예에 따른 인공지능 기반 의료용 자동 진단 보조 시스템에 대한 흐름도이다.1 is a schematic overall configuration diagram of an artificial intelligence-based medical automatic diagnosis assistance system according to an embodiment of the present invention.
FIG. 2 is a schematic hardware configuration diagram of an artificial intelligence system operating on the host of the system of FIG. 1; FIG.
3 is a schematic hardware configuration diagram for a user terminal or a computing device of the system of FIG.
4 is an exemplary view of a user interface output to the user terminal of FIG.
5 is an exemplary view showing an example of a detailed configuration of the user interface of FIG.
FIG. 6 is an exemplary view of another embodiment of a user interface provided to the user terminal of FIG. 3. FIG.
FIG. 7 is a diagram illustrating schematization of diagnostic and classification probabilities for each class that can be provided as a lower screen of the user interface of FIG.
FIG. 8 is a flowchart illustrating an artificial intelligence-based medical automatic diagnosis assistance system according to another embodiment of the present invention.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세하게 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 것으로 이해되어야 한다.While the invention is susceptible to various modifications and alternative forms, specific embodiments thereof are shown by way of example in the drawings and will herein be described in detail. It is to be understood, however, that the invention is not to be limited to the specific embodiments, but includes all modifications, equivalents, and alternatives falling within the spirit and scope of the invention.

제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.The terms first, second, etc. may be used to describe various components, but the components should not be limited by the terms. The terms are used only for the purpose of distinguishing one component from another. For example, without departing from the scope of the present invention, the first component may be referred to as a second component, and similarly, the second component may also be referred to as a first component. And / or < / RTI > includes any combination of a plurality of related listed items or any of a plurality of related listed items.

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. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.It is to be understood that when an element is referred to as being "connected" or "connected" to another element, it may be directly connected or connected to the other element, . On the other hand, when an element is referred to as being "directly connected" or "directly connected" to another element, it should be understood that there are no other elements in between.

본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The terminology used in this application is used only to describe a specific embodiment and is not intended to limit the invention. The singular expressions include plural expressions unless the context clearly dictates otherwise. In the present application, the terms "comprises" or "having" and the like are used to specify that there is a feature, a number, a step, an operation, an element, a component or a combination thereof described in the specification, But do not preclude the presence or addition of one or more other features, integers, steps, operations, elements, components, or combinations thereof.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가진 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless defined otherwise, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art to which this invention belongs. Terms such as those defined in commonly used dictionaries should be interpreted as having a meaning consistent with the meaning in the context of the relevant art and are to be interpreted in an ideal or overly formal sense unless explicitly defined in the present application Do not.

이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 본 발명을 설명함에 있어 전체적인 이해를 용이하게 하기 위하여 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings. In order to facilitate the understanding of the present invention, the same reference numerals are used for the same constituent elements in the drawings and redundant explanations for the same constituent elements are omitted.

도 1은 본 발명의 일실시예에 따른 인공지능 기반 의료용 자동 진단 보조 시스템에 대한 개략적인 전체 구성도이다.1 is a schematic overall configuration diagram of an artificial intelligence-based medical automatic diagnosis assistance system according to an embodiment of the present invention.

도 1을 참조하면, 본 실시예에 따른 인공지능 기반 의료용 자동 진단 보조 시스템은, 하이브리드 진단 시스템으로서, 사용자 단말(10), 호스트(20), 영상장치(30) 및 유무선 통신망(40)을 포함한다. 여기서, 하이브리드(hybrid)는 인공지능의 각종 알고리즘을 이용하여 수행된 제1차 진단과 의사 등의 전문가인 사용자의 분석에 의한 제2차 진단을 함께 사용하는 것을 반영하고 있음을 나타낸다.Referring to FIG. 1, the artificial intelligence-based medical diagnosis auxiliary system according to the present embodiment includes a user terminal 10, a host 20, a video device 30, and a wired / wireless communication network 40 as a hybrid diagnosis system do. Here, the hybrid reflects the use of both the first diagnosis performed using various algorithms of artificial intelligence and the second diagnosis performed by the analysis of the user, which is an expert of the physician.

사용자 단말(10)은 호스트(20)에 의해 수행된 제1차 진단 결과를 기초로 제2차 진단을 수행하는 본 실시예에 따른 의료용 진단 보조 장치에 해당된다.The user terminal 10 corresponds to the medical diagnosis assisting device according to the present embodiment for performing the second diagnosis on the basis of the first diagnosis result performed by the host 20. [

사용자 단말(10)은, 호스트와 연결되는 통신 기능과 이미지나 텍스트를 출력할 수 있는 디스플레이 기능을 갖춘 장치라면 특별히 한정되지 않는다. 예를 들어, 사용자 단말(10)은, 데스크탑 컴퓨터(desktop computer), 랩탑 컴퓨터(laptop computer), 태블릿(tablet) PC, 무선전화기(wireless phone), 모바일폰(mobile phone), 스마트폰(smart phone), 스마트 워치(smart watch), 스마트 글래스(smart glass), e-book 리더기, PMP(portable multimedia player), 휴대용 게임기, 내비게이션(navigation) 장치, 디지털 카메라(digital camera), DMB(digital multimedia broadcasting) 재생기, 디지털 음성 녹음기(digital audio recorder), 디지털 음성 재생기(digital audio player), 디지털 영상 녹화기(digital picture recorder), 디지털 영상 재생기(digital picture player), 디지털 동영상 녹화기(digital video recorder), 디지털 동영상 재생기(digital video player)를 포함할 수 있으나, 이에 한정되는 것은 아니다. 여기서 사용자는 제2차 진단을 수행할 수 있는 전문가로서의 의사를 지칭할 수 있다.The user terminal 10 is not particularly limited as long as it is a device having a communication function connected to the host and a display function capable of outputting an image or text. For example, the user terminal 10 may be a desktop computer, a laptop computer, a tablet PC, a wireless phone, a mobile phone, a smart phone, A smart watch, a smart glass, an e-book reader, a portable multimedia player (PMP), a portable game machine, a navigation device, a digital camera, a digital multimedia broadcasting (DMB) A digital audio recorder, a digital audio player, a digital picture recorder, a digital picture player, a digital video recorder, a digital video player, but is not limited to, a digital video player. Here, the user can refer to an expert as an expert capable of performing the second diagnosis.

호스트(20)는 제1차 진단을 수행하는 컴퓨팅 장치나 서버 장치를 포함할 수 있다. 호스트(20)는 방대한 양의 데이터를 처리해야 하기 때문에 여러 대의 컴퓨터가 병렬로 연결된 병렬 연산 시스템을 포함할 수 있다.The host 20 may include a computing device or a server device that performs the primary diagnosis. Since the host 20 has to process vast amounts of data, several computers may include parallel computing systems connected in parallel.

또한, 호스트(20)는 인공지능의 각종 알고리즘을 이용하여 영상장치(30)에 의해 획득된 의료용 영상을 기초로 특정 환자의 질병에 대한 제1차 진단을 수행할 수 있다. 여기서 영상장치(30)에 의해 획득된 의료영상은 제1차 진단의 수행 전에, 전처리 과정을 거칠 수 있다.In addition, the host 20 can perform a first diagnosis of a disease of a specific patient based on the medical image acquired by the imaging device 30 using various algorithms of artificial intelligence. Here, the medical image acquired by the imaging device 30 may undergo a preprocessing process before performing the first diagnosis.

전처리 과정은 입력된 영상에서 타겟이 되는 장기 즉, 찾고자 하는 부위를 검출하여 표시하는 분할 과정을 포함할 수 있다. 분할의 방법은 관심 있는 장기의 해부학적 및 영상에서의 특징, 병소의 특징을 고려하여 적당한 방법이 선택되거나 이를 조합하여 결정될 수 있다. 영상 분할 방법으로는 문턱값 기반 분할, 영역 확장, 액티브 컨투어, 레벨셋 방법, 워터쉐드(watershed) 등이 이용될 수 있다.The preprocessing process may include a segmentation process for detecting and displaying a target long term, that is, a target region, in the input image. The method of segmentation can be determined by selecting an appropriate method considering the characteristics of anatomical and imaging features of the organ of interest, the characteristics of the lesion, or a combination thereof. As the image segmentation method, a threshold-based segmentation, an area extension, an active contour, a level set method, a watershed, and the like can be used.

또한, 제1차 진단의 수행 전에, 입력된 영상에서 영상의 특징이 추출될 수 있다. 그리고 호스트(20)는 추출된 영상의 특징을 기초로 인공지능의 알고리즘을 이용하여 입력된 영상을 분류할 수 있다.Also, before performing the first diagnosis, the feature of the image may be extracted from the input image. Then, the host 20 can classify the inputted image by using the AI algorithm based on the feature of the extracted image.

영상장치(30)는 X-ray, 초음파, 컴퓨터단층촬영(Computerized Tomography, CT), 자기공명영상(Magnetic Resonance Imaging, MRI), 양전자단층촬영(Positron Emission Tomography, PET) 등 다양한 의료진단기기를 포함할 수 있다.The imaging device 30 includes various medical diagnostic devices such as X-ray, ultrasound, computerized tomography (CT), magnetic resonance imaging (MRI), positron emission tomography can do.

유무선 통신망(40)은, 예를 들어, WiFi(wireless fidelity)와 같은 무선인터넷, WiBro(wireless broadband internet) 또는 WiMax(world interoperability for microwave access)와 같은 휴대인터넷, GSM(global system for mobile communication) 또는 CDMA(code division multiple access)와 같은 2G 이동통신망, WCDMA(wideband code division multiple access) 또는 CDMA2000과 같은 3G 이동통신망, HSDPA(high speed downlink packet access) 또는 HSUPA(high speed uplink packet access)와 같은 3.5G 이동통신망, LTE(long term evolution)망 또는 LTE-Advanced 망과 같은 4G 이동통신망 등을 포함할 수 있다.The wired and / or wireless communication network 40 may include, for example, a wireless Internet such as WiFi (wireless fidelity), a portable Internet such as a wireless broadband internet (WiBro) or a world interoperability for microwave access (WiMax), a global system for mobile communication 3G mobile communication networks such as Wideband Code Division Multiple Access (WCDMA) or CDMA2000, high speed downlink packet access (HSDPA), or high speed uplink packet access (HSUPA) A mobile communication network, a long term evolution (LTE) network, or a 4G mobile communication network such as an LTE-Advanced network.

사용자 단말(10), 호스트(20) 및 영상장치(30)는 유무선 통신망(40)을 통해 서로 연결되고 서로 통신한다. 예를 들어 영상장치(30)에서 획득된 의료용 영상은 호스트(20)에 전송된다. 그리고 의료용 영상을 기초로 호스트(20)에 의해 수행된 제1차 진단의 결과는 사용자 단말(10)로 전송되거나 사용자 단말(10)에 의해 독출될 수 있다. 그리고 제1차 진단의 결과를 기초로 수행된 제2차 진단의 결과는 재학습, 재진단을 위해 호스트(20)로 전송되어 데이터베이스를 구성할 수 있다.The user terminal 10, the host 20, and the imaging device 30 are connected to each other via the wired / wireless communication network 40 and communicate with each other. For example, the medical image acquired by the imaging device 30 is transmitted to the host 20. [ And the result of the primary diagnosis performed by the host 20 based on the medical image may be transmitted to the user terminal 10 or read out by the user terminal 10. [ The result of the second diagnosis based on the result of the first diagnosis may be transmitted to the host 20 for re-learning and re-diagnosis to configure the database.

도 2는 도 1의 시스템의 호스트에서 동작하는 인공지능 시스템에 대한 개략적인 하드웨어 구성도이다.FIG. 2 is a schematic hardware configuration diagram of an artificial intelligence system operating on the host of the system of FIG. 1; FIG.

도 2를 참조하면, 본 실시예에 따른 시스템의 호스트(20)에 채용할 수 있는 인공지능 시스템은, 제어구조(21), 지식베이스(22), 데이터베이스(23) 및 추론엔진(24)을 포함할 수 있다.2, an artificial intelligence system that can be employed in the host 20 of the system according to the present embodiment includes a control structure 21, a knowledge base 22, a database 23, and an inference engine 24 .

제어구조(21)는 규칙 번역기로서 각종 알고리즘의 규칙을 번역한다. 지식베이스(22)는 규칙으로서 각종 인공지능 알고리즘을 포함한다. 데이터베이스(23)는 의료용 영상으로 구성되는 데이터를 포함할 수 있다. 이러한 데이터는 의료용 빅데이터에서 미리 정해진 방식으로 추출한 적어도 일부의 데이터에 대응할 수 있다.The control structure 21 translates the rules of various algorithms as a rule translator. The knowledge base 22 includes various artificial intelligence algorithms as a rule. The database 23 may include data composed of medical images. Such data may correspond to at least a part of the data extracted from the medical big data in a predetermined manner.

추론 엔진(24)은 전문가 규칙 번역기로서 번역된 규칙을 이용하여 데이터베이스의 데이터를 분류하고 입력된 영상을 분류한다.The inference engine 24 classifies the data of the database and classifies the input image by using the translated rules as an expert rule interpreter.

본 실시예에서 인공지능 시스템은 지식베이스(22)가 의료용 병변 검출을 위한 규칙을 포함하는 것과, 데이터베이스(23)가 인공지능 기반의 제1차 진단 결과에 더하여 전문가 진단 결과가 추가된 제2차 진단 결과를 함께 이용하여 재진단 및 재학습을 수행할 수 있다.In the present embodiment, the artificial intelligence system is configured such that the knowledge base 22 includes rules for medical lesion detection and that the database 23 includes a second diagnosis result based on artificial intelligence Diagnosis and re-learning can be performed using the diagnosis results together.

도 3은 도 1의 시스템의 사용자 단말 또는 컴퓨팅 장치에 대한 개략적인 하드웨어 구성도이다.3 is a schematic hardware configuration diagram for a user terminal or a computing device of the system of FIG.

도 3을 참조하면, 본 실시예에 따른 사용자 단말(10)은 통신부(11), 디스플레이부(12), 진단부(13), 입력부(14) 및 저장부(15)를 포함한다.3, the user terminal 10 according to the present embodiment includes a communication unit 11, a display unit 12, a diagnosis unit 13, an input unit 14, and a storage unit 15.

통신부(11)는 적어도 하나의 영상장치(30)에 의해 획득된 의료용 영상에 기초하여 인공지능을 이용하여 병변에 따른 제1차 진단을 수행하는 호스트(20)와 신호 및 데이터를 송수신한다. 구체적으로 통신부(11)는 호스트(20)로부터 제1차 진단의 결과를 수신하고, 사용자 단말(10)이 수행한 제2차 진단의 결과를 호스트(20)에 전송한다.The communication unit 11 transmits and receives signals and data to and from the host 20 that performs the first diagnosis according to the lesion using the artificial intelligence based on the medical image acquired by the at least one imaging device 30. [ Specifically, the communication unit 11 receives the result of the first diagnosis from the host 20, and transmits the result of the second diagnosis performed by the user terminal 10 to the host 20.

디스플레이부(12)는 제1차 및 제2차 진단 결과를 이미지 형태의 사용자 인터페이스(User Interface, UI) 및 텍스트 형태의 사용자 인터페이스 중에서 적어도 하나의 사용자 인터페이스를 이용하여 표시할 수 있다.The display unit 12 can display the first and second diagnosis results using at least one user interface among a user interface (UI) in the form of an image and a user interface in the form of a text.

제어부(13)는 진단부의 기능을 포함할 수 있고, 제1차 진단 결과에 기초하여 사용자 입력이 반영된 제2차 진단을 수행하고 그 결과를 생성할 수 있다.The control unit 13 may include a function of the diagnosis unit and may perform a secondary diagnosis in which the user input is reflected based on the primary diagnosis result and generate the result.

입출력부(14)는 입력 장치나 출력 장치를 통해 데이터 혹은 정보를 출력하고 사용자 입력을 획득할 수 있다. 입출력부(14)는 제어부(13)의 제어에 따라 디스플레이부(12)에 표시되는 사용자 인터페이스에서 이미지 또는 텍스트 기반의 사용자 입력을 처리할 수 있다.The input / output unit 14 can output data or information through an input device or an output device and acquire a user input. The input / output unit 14 may process image or text-based user input in the user interface displayed on the display unit 12 under the control of the control unit 13. [

저장부(15)는 제1차 및 제2차 진단 결과와 사용자 인터페이스의 기본 양식 및 확장 양식을 저장할 수 있다. 또한, 저장부(15)는 사용자 단말 측에서의 인공지능 기반 의료용 자동 진단 보조 방법을 구현하기 위한 소프트웨어 모듈이나 프로그램을 저장할 수 있다.The storage unit 15 may store the primary and secondary diagnostic results and the basic form and the extended form of the user interface. Also, the storage unit 15 may store a software module or a program for implementing an AI-based medical diagnosis assistant method on the user terminal side.

소프트웨어 모듈은, 호스트 연동을 위한 제1 모듈(15a), 사용자 입출력 처리를 위한 제2 모듈(15b), 제1차 진단결과 관리를 위한 제3 모듈(15c), 제2차 진단결과의 생성이나 관리를 위한 제4 모듈(15d), 이미지 기반 진단 보조를 위해 이미지 사용자 인터페이스(UI)를 관리하는 제5 모듈(15e), 텍스트 기반 진단 보조를 위해 텍스트 사용자 인터페이스(UI)를 관리하는 제6 모듈(15f) 등을 포함할 수 있다.The software module includes a first module 15a for interworking with the host, a second module 15b for user input / output processing, a third module 15c for managing the first diagnosis result, A fifth module 15e for managing an image user interface (UI) for image-based diagnostic assistance, a sixth module 15e for managing a textual user interface (UI) for text-based diagnostic assistance, (15f), and the like.

사용자 단말(10)은 이미지 기반의 사용자 인터페이스와 텍스트 기반의 사용자 인터페이스를 이용하여 진단 결과를 디스플레이부(12)에 표시할 수 있다. 즉, 인공지능 기반 의료용 자동 진단 보조 방법이나 시스템을 이용한 진단 결과는 이미지 기반의 사용자 인터페이스와 텍스트 기반의 사용자 인터페이스를 통해 사용자 단말의 화면에 표시될 수 있다.The user terminal 10 can display the diagnosis result on the display unit 12 using an image-based user interface and a text-based user interface. That is, the diagnosis result using the artificial intelligence based automatic diagnosis assistant method or system can be displayed on the screen of the user terminal through the image based user interface and the text based user interface.

도 4는 도 3의 사용자 단말에 출력되는 사용자 인터페이스에 대한 예시도이다.4 is an exemplary view of a user interface output to the user terminal of FIG.

도 4를 참조하면, 본 실시예에 따른 시스템의 사용자 인터페이스는 기능적 자기공명영상(Functional Magnetic Resonance Imaging, fMRI) 형태로 사용자 단말의 화면에 표시될 수 있다. fMRI는 뇌신경세포의 활동에 따른 혈중 산소와 혈류 변화 신호를 감지함으로써 뇌 활동을 측정하는 의료영상이다.Referring to FIG. 4, the user interface of the system according to the present embodiment may be displayed on the screen of the user terminal in the form of Functional Magnetic Resonance Imaging (fMRI). The fMRI is a medical image that measures brain activity by sensing blood oxygen and blood flow signals according to the activity of neuronal cells.

본 실시예의 이미지 기반 사용자 인터페이스는 분석 대상과 분석 결과가 이미지로 제시되는 이미지 표시 부분(101)을 포함한다. 이러한 이미지 표시 부분은 분석 대상의 이미지(102)와 함께 자동 검출 영역에 대하여 사용자에 의해 수정되어 의사결정이 반영된 병변 영역을 포함하도록 표시될 수 있다. 또한, 인공지능으로 자동 검출된 병변 영역(104)에는 사용자 단말에 의해 수행되는 제2차 진단에 따라 새로운 영역(105)이 추가되거나 또는 기존의 영역(103)이 제외될 수 있다. The image-based user interface of the present embodiment includes an image display portion 101 in which an analysis object and an analysis result are displayed as an image. Such an image display portion may be displayed by the user with respect to the automatic detection region together with the image 102 to be analyzed so as to include a lesion region in which the decision is reflected. In addition, a new area 105 may be added or an existing area 103 may be excluded in the lesion area 104, which is automatically detected by the artificial intelligence, according to the second diagnosis performed by the user terminal.

도 5는 도 4의 사용자 인터페이스의 상세 구성의 일례에 대한 예시도이다.5 is an exemplary view showing an example of a detailed configuration of the user interface of FIG.

도 5에 도시한 바와 같이, 본 실시예에 따른 사용자 인터페이스는, 이미지 기반으로서 다수의 레이어들을 적층한 형태를 구비할 수 있다. 즉, 사용자 인터페이스의 이미지 표시 부분은 입력 및 출력, 수정 정보가 구별될 수 있도록 복수의 레이어들(111 내지 115)로 구성될 수 있다.As shown in FIG. 5, the user interface according to the present embodiment may have a form in which a plurality of layers are stacked as an image base. That is, the image display portion of the user interface may be composed of a plurality of layers 111 to 115 so that input, output, and modification information can be distinguished.

제1 레이어의 제1 이미지(111)는 병변 영역 자동 검출을 실행하기 위해 입력된 원본 이미지이다. 제2 레이어의 제2 이미지(112)는 인공지능이 자동으로 검출한 병변 영역 정보(Ia)이고, 제3 레이어의 제3 이미지(113)는 사용자에 의하여 영역이 추가 수정된 영역 정보(Ib)이며, 제4 레이어의 제4 이미지(114)는 사용자에 의하여 삭제된 영역 정보(Ic)이다. 그리고 제5 레이어의 제5 이미지(115)는 기준값 이미지로서 사용자에 의해 수정된 병변 영역의 정보를 포함할 수 있다. 최종적으로 각 레이어의 각 영역의 정보는 이미지화하여 저장 및 처리도 가능하다.The first image 111 of the first layer is the original image inputted to perform the automatic detection of the lesion area. The second image 112 of the second layer is the lesion area information Ia automatically detected by the artificial intelligence and the third image 113 of the third layer is the area information Ib further corrected by the user, And the fourth image 114 of the fourth layer is area information Ic deleted by the user. And the fifth image 115 of the fifth layer may contain information of the lesion area modified by the user as a reference value image. Finally, information of each area of each layer can be imaged and stored and processed.

사용자에 의하여 수정된 병변 영역의 정보는 각 픽셀 및 복수의 픽셀 단위에서 다음의 수학식 1과 같이 처리되어 기준값 이미지(Iref)로 생성될 수 있다.The information of the lesion area corrected by the user can be processed as a reference value image (Iref) by processing as shown in Equation (1) below for each pixel and a plurality of pixels.

생성된 기준값 이미지(115)는 입력 원본 이미지(111), 인공지능 검출 영역 정보(112), 사용자 추가 영역 정보(113), 사용자 제거 영역 정보(114)와 함께 데이터베이스화되어 재분석 및 재학습 또는 학습 성능 평가에 사용될 수 있다.The generated reference value image 115 is databaseed together with the input original image 111, artificial intelligence detection area information 112, user addition area information 113, and user removal area information 114 to perform reanalysis and re-learning or learning It can be used for performance evaluation.

재분석 과정에서 사용자에 의하여 수정된 영역을 반영되고, 진단을 위한 분류 및 분석이 실시될 수 있으며, 이는 실시간으로도 진행할 수 있다.The area modified by the user during the reanalysis process is reflected, and the classification and analysis for the diagnosis can be carried out, which can also be carried out in real time.

재학습은 지정 개수의 영상이 축적되거나, 사용자가 임의로 실행할 경우, 기존의 학습된 영역 검출 모델을 백업하고, 새롭게 축적된 원본 이미지(111)와 기준값 이미지(115)를 이용하여 검출 영역의 비교 등을 통해 실행될 수 있다. 그리고 재학습에 대하여 성능 평가를 실시할 수 있다. 새로운 학습 모델을 반영하거나 성능이 개선되지 않을 경우 기존의 학습 모델의 적용이 가능하다.The re-learning is performed by backing up the existing learned area detection model when a specified number of images are accumulated or the user arbitrarily executes and by comparing the detection area with the newly accumulated original image 111 and the reference value image 115 Lt; / RTI > Performance evaluation can be performed for re-learning. If the new learning model is not reflected or the performance is not improved, the existing learning model can be applied.

인공지능 학습에 대한 성능 평가 방법으로서 영역 검출에 대한 정확도는 학습에 사용되지 않은 입력 원본 이미지(111)와 기준값 이미지(115)를 이용하여, 인공지능 병변 영상 검출에 대한 민감도(S1)와 특이도(S2)를 측정할 수 있다. 이를 식으로 나타내면 다음과 같다.As a performance evaluation method for artificial intelligence learning, the accuracy of region detection is evaluated by comparing the sensitivity (S1) and the specificity (S1) for detection of artificial intelligence lesion images using the input original image 111 and the reference value image 115, (S2) can be measured. This can be expressed as follows.

수학식 2에서, Ix₁은 인공지능 검출 영역(112)에 병변이 있는 이미지 개수를 나타내고, Iy₁은 Ix₁에 대응하는 재학습 이미지(115) 중 병변이 있는 이미지 개수를 나타낼 수 있다.In Equation 2, Ix ₁ denotes a number of images with a lesion in the AI detection zone (112), Iy ₁ may represent a number of images with the lesion of the re-learning image 115 corresponding to the Ix _1.

수학식 3에서, Ix₂는 인공지능 검출 영역(112)에 병변이 없는 이미지 개수를 나타내고, Iy₂는 Ix₂에 대응하는 재학습 이미지(115) 중 병변이 없는 이미지 개수를 나타낼 수 있다.In Equation 3, Ix ₂ is AI detection zone indicates the number of images there is no lesions in the (112), Iy ₂ may represent a number of images of the lesion with no re-learning image 115 corresponding to the Ix _2.

또한, 상기의 민감도는 환자가 질병에 걸렸을 경우, 진단 검사의 결과가 양성으로 나올 확률에 대응하고, 특이도는 환자가 질병에 걸리지 않았을 경우, 진단 검사의 결과가 음성으로 나올 확률에 대응할 수 있다.In addition, the above sensitivity corresponds to the probability that the result of the diagnostic test is positive when the patient is afflicted with the disease, and the specificity can correspond to the probability that the result of the diagnostic test is negative when the patient is not afflicted with the disease .

한편, 재학습 이미지에 병변 영역이 있고 인공지능 검출 영역에서 자동으로 검출된 경우, 인공지능 검출 병변에 대하여 다음과 같이 면적(볼륨) 정확도(A1)와 영역 정확도(A2)를 측정할 수 있다.On the other hand, if there is a lesion area in the re-learning image and it is detected automatically in the artificial intelligence detection area, the area (volume) accuracy (A1) and the area accuracy (A2) can be measured for artificial intelligence detection lesion as follows.

수학식 4에서, AAT는 인공지능 검출 영역(112)의 병변 면적(볼륨)의 합을 나타내고, RAT는 재학습 이미지(115)의 병변 면적(볼륨)의 합을 나타낼 수 있다.In Equation (4), AAT represents the sum of the lesion area (volume) of the artificial intelligence detection region 112, and RAT represents the sum of the lesion area (volume) of the re-learning image 115.

수학식 5에서, AAT∩RAT는 인공지능 검출 영역(112)과 재학습 이미지(115)의 중복 면적(볼륨)의 합을 나타낼 수 있다.In Equation (5), AAT ∩ RAT can represent the sum of overlapping areas (volumes) of the artificial intelligence detection region 112 and the re-learning image 115.

한편, 전술한 사용자 인터페이스에서 사용자 입력에 의해 병변 영역이나 병변 위치에 변경이 발생하는 경우, 변경된 내용은 저장되고 이후의 사용자 인터페이스에 반영되어 출력될 수 있다. 즉, 인공지능이 표시한 병변 영역을 여러 레이어를 통해 전문가가 삭제 또는 수정한 다음 그 결과물을 가지고 이후의 사용자 인터페이스(도 6 참조)에서 진단 결과를 확인할 수 있다.On the other hand, when a change occurs in the lesion area or the lesion position by user input in the user interface, the changed content may be stored and reflected in the subsequent user interface. That is, the lesion area indicated by the artificial intelligence can be deleted or modified by an expert through several layers, and the result can be confirmed in a subsequent user interface (see FIG. 6).

도 6은 도 3의 사용자 단말에 제공되는 사용자 인터페이스의 다른 실시예에 대한 예시도이다. 도 7은 도 6의 사용자 인터페이스의 하위 화면으로 제공 가능한 클래스별 진단 및 분류 개연성의 도식화를 예시한 도면이다.FIG. 6 is an exemplary view of another embodiment of a user interface provided to the user terminal of FIG. 3. FIG. FIG. 7 is a diagram illustrating schematization of diagnostic and classification probabilities for each class that can be provided as a lower screen of the user interface of FIG.

도 6을 참조하면, 텍스트 기반의 사용자 인터페이스에서는 인공지능의 자동 진단 및 분류 결과를 사용자가 잘못된 진단 또는 분류라고 판단할 경우 사용자의 결정이 입력될 수 있으며, 자동 진단 및 사용자의 결정이 동시에 표시되고 사용자가 내린 결정을 최종 결정으로 표시된다. 그리고 자동 진단 및 사용자의 결정이 반영된 제2차 진단의 결과는 재학습 및 성능 평가에 사용될 수 있도록 데이터베이스화되어 저장될 수 있다.Referring to FIG. 6, in the text-based user interface, when the automatic diagnosis and classification result of artificial intelligence is judged to be misdiagnosis or classification by the user, the user's decision can be inputted, and the automatic diagnosis and the user's decision are simultaneously displayed The decision made by the user is displayed as a final decision. And the result of the second diagnosis that reflects the automatic diagnosis and the user's decision can be stored in a database so as to be used for re-learning and performance evaluation.

텍스트 기반의 사용자 인터페이스에서는 진단 및 분석 결과(201)가 나열되어 표시될 수 있다. 각 진단 또는 분류의 내용은 참조부호들(202, 203, 205, 206)와 같이 텍스트로 표시될 수 있다. 인공지능의 자동 진단 결과(202)는 사용자 입력을 위한 체크박스(203)와 함께 표시되고, 각 진단 및 분류에 대한 확률 값(probability)도 수치화되어 표시될 수 있다(205, 206). 진단 결과(202)와 체크박스(203)는 인공지능(A.I.) 진단 결과의 표시와 의사(Dr) 등의 전문가 진단 결과 추가를 위한 2열의 박스 형태로 표시될 수 있다.In the text-based user interface, the diagnostic and analysis results 201 may be listed and displayed. The contents of each diagnosis or classification may be displayed in text, such as 202, 203, 205, and 206. The automatic diagnosis result 202 of artificial intelligence is displayed together with a check box 203 for user input, and the probability for each diagnosis and classification can also be quantified and displayed (205, 206). The diagnosis result 202 and the check box 203 may be displayed in a two-column box form for displaying the result of the AI (A.I.) diagnosis and adding the expert diagnosis result such as the doctor Dr.

또한, 각 진단 및 분류에 대한 확률값은 도식화되어 현재의 화면이나 링크되는 서브 화면으로 출력될 수 있다. 도 7에 도시한 바와 같이, 각 분류(Class 1, Class 2, Class 3)으로 표시되는 항목들(205)은 그 확률값이 원 그래프의 영역 비율로 표시될 수 있다.In addition, the probability values for each diagnosis and classification can be displayed and output to the current screen or linked sub-screen. As shown in FIG. 7, the probability values of the items 205 indicated by each class (Class 1, Class 2, and Class 3) may be displayed as the area ratio of the circle graph.

다시 도 6을 참조하면, 사용자는 자동 진단을 참조하여 사용자 입력박스에 최종적으로 진단 결과를 입력한다. 이때, 진단 결과 표시창(204)에는 사용자에 의해 최종 입력된 진단 결과가 표시되고, 사용자는 진단 결과를 확인한 후 확인(confirm) 버튼(207)을 통해 제2차 진단을 확정할 수 있다.Referring again to FIG. 6, the user refers to the automatic diagnosis and finally inputs the diagnosis result into the user input box. At this time, the diagnosis result display window 204 displays the diagnosis result finally inputted by the user, and the user can confirm the diagnosis result and confirm the secondary diagnosis through the confirm button 207. [

사용자 단말은 사용자 입력을 받아 사용자가 선택한 최종 진단 및 분류 결과를 최종 판단으로 하여 저장하거나, 호스트에 제공할 수 있다. 이러한 최종 진단 및 분류 결과는 인공지능 분석 결과와 함께 데이터베이스화하여 저장 보관한 후 인공지능 시스템의 재학습 및 성능 평가 등에 사용될 수 있다.The user terminal receives the user input and stores the final diagnosis and classification result selected by the user as a final judgment or may provide it to the host. These final diagnosis and classification results can be used for re-learning and performance evaluation of artificial intelligence system after database storage and archiving together with the results of artificial intelligence analysis.

재학습은 사용자에 의하여 최종적으로 확인된 최종 진단 및 분류 결과로 입력 값에 대하여 라벨링하여 재학습에 사용된다.The re-learning is used for re-learning by labeling the input value with the final diagnosis and classification result finally confirmed by the user.

성능 평가에서는 학습에 사용되지 않은 입력 값과 사용자에 의하여 확인된 최종 진단 및 분류 결과를 이용하여 진단 및 분류 정확도가 측정될 수 있다.In the performance evaluation, diagnosis and classification accuracy can be measured using input values not used for learning and final diagnosis and classification results confirmed by the user.

도 8은 본 발명의 다른 실시예에 따른 인공지능 기반 의료용 자동 진단 보조 시스템에 대한 흐름도이다.FIG. 8 is a flowchart illustrating an artificial intelligence-based medical automatic diagnosis assistance system according to another embodiment of the present invention.

도 8을 참조하면, 본 실시예에 따른 인공지능 기반 의료용 자동 진단 보조 방법은, 먼저 인공지능을 이용하여 자동으로 진단된 제1차 진단 결과를 호스트로부터 획득할 수 있다(S81). 제1차 진단 결과는 제1 진단 결과로 지칭될 수 있다.Referring to FIG. 8, the artificial intelligence-based medical diagnosis assistant method according to the present embodiment can acquire a first diagnosis result automatically diagnosed automatically using artificial intelligence (S81). The first diagnosis result may be referred to as a first diagnosis result.

호스트로부터 제1차 진단 결과를 획득하는 것은, 호스트에 접속 가능한 사용자 단말과 호스트 간의 미리 설정된 데이터 공유 설정이나 데이터 송수신 설정 등에 기초할 수 있다. 또한, 호스트로부터 제1차 진단 결과를 획득하는 것은, 호스트에 접속 가능한 사용자 단말의 요청 메시지에 따른 호스트의 응답에 의해 수행될 수 있고, 인공지능 시스템에 대한 직접 접근 가능한 사용자 단말의 데이터 추출 과정을 통해 수행될 수 있다.Obtaining the first diagnosis result from the host may be based on preset data sharing setting and data transmission / reception setting between the host and the host that can be connected to the host. The acquisition of the first diagnosis result from the host can be performed by a response of the host according to the request message of the user terminal connectable to the host, and the data extraction process of the user terminal directly accessible to the artificial intelligence system Lt; / RTI >

다음, 사용자 단말은 제1차 진단 결과를 화면에 출력할 수 있다(S82). 사용자 단말은 제1차 진단 결과를 포함하는 사용자 인터페이스를 화면에 출력할 수 있다. 제1차 진단 결과는 이미지 기반이거나 텍스트 기반일 수 있다.Next, the user terminal can output the first diagnosis result to the screen (S82). The user terminal may output a user interface including the first diagnosis result on the screen. The results of the first diagnosis may be image-based or text-based.

다음, 사용자 단말에 탑재된 제어부나 애플리케이션 또는 프로그램은 사용자 인터페이스를 통해 제1차 진단 결과에 대한 전문자 분석을 포함한 사용자 입력을 획득할 수 있다(S83).Next, the control unit, the application or the program installed in the user terminal can acquire the user input including the expert analysis on the first diagnosis result through the user interface (S83).

사용자 입력은 이미지 형태 또는 이미지 레이어 형태를 구비하거나, 텍스트 입력 혹은 선택 입력 등의 형태를 구비할 수 있다. 사용자 입력의 획득은 사용자가 화면상의 특정 입력 요청 수단(버튼 등)이나 이에 대응하는 수단(음성 입력, 제스처 입력 등)에 의해 입력되거나 감지될 수 있다.The user input may have an image form or an image layer form, or may have a form such as a text input or a selection input. Acquisition of user input may be entered or detected by a user through a specific input requesting means (such as a button) on the screen or a corresponding means (voice input, gesture input, etc.).

다음, 사용자 단말은 의사 등의 전문가 분석을 포함하는 사용자 입력을 반영하여 제2차 진단 결과를 생성할 수 있다(S84). 제2차 진단 결과는 제2 진단 결과로 지칭될 수 있다. 제2차 진단 결과는 제1차 진단 결과에 더하여 의사 등의 전문가가 분석한 제1차 진단 결과와 동일하거나 다른 진단 결과를 포함할 수 있다.Next, the user terminal may generate a secondary diagnosis result by reflecting a user input including an expert analysis of a doctor or the like (S84). The result of the second diagnosis may be referred to as the second diagnosis result. The results of the second diagnosis may include the results of the first diagnosis as well as the results of the first diagnosis analyzed by a doctor or the like.

다음, 사용자 단말은 제2차 진단 결과를 호스트에 제공할 수 있다(S85). 호스트의 인공지능 시스템은 제1차 진단 결과와 제2차 진단 결과를 데이터베이스화하고 라벨링하여 재학습, 성능 평가 등에 사용할 수 있다.Next, the user terminal can provide a secondary diagnosis result to the host (S85). The artificial intelligence system of the host can be used for re-learning and performance evaluation by database and labeling the results of the first diagnosis and the second diagnosis.

본 발명에 따른 방법들은 다양한 컴퓨터 수단을 통해 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 매체에 기록되는 프로그램 명령은 본 발명을 위해 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.The methods according to the present invention can be implemented in the form of program instructions that can be executed through various computer means and recorded on a computer readable medium. The computer readable medium may include program instructions, data files, data structures, and the like, alone or in combination. The program instructions recorded on the computer readable medium may be those specially designed and constructed for the present invention or may be available to those skilled in the computer software.

컴퓨터 판독 가능 매체의 예에는 롬(rom), 램(ram), 플래시 메모리(flash memory) 등과 같이 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러(compiler)에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터(interpreter) 등을 사용해서 컴퓨터에 의해 실행될 수 있는 고급 언어 코드를 포함한다. 상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 적어도 하나의 소프트웨어 모듈로 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.Examples of computer readable media include hardware devices that are specially configured to store and execute program instructions, such as ROM, RAM, flash memory, and the like. Examples of program instructions include machine language code such as those generated by a compiler, as well as high-level language code that can be executed by a computer using an interpreter or the like. The hardware devices described above may be configured to operate with at least one software module to perform the operations of the present invention, and vice versa.

이상 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.It will be apparent to those skilled in the art that various modifications and variations can be made in the present invention without departing from the spirit or scope of the invention as defined in the appended claims. It can be understood that it is possible.

10: 사용자 단말, 11: 통신부
12: 디스플레이부, 13: 진단부
14: 입력부, 15: 저장부
20: 호스트, 21: 제어구조
22: 지식베이스, 23: 데이터베이스
24: 추론엔진, 30: 영상장치
40: 유무선 통신망10: user terminal, 11: communication section
12: display unit, 13: diagnosis unit
14: input unit, 15: storage unit
20: host, 21: control structure
22: knowledge base, 23: database
24: reasoning engine, 30: video device
40: Wired / wireless communication network

Claims

An AI-based automatic medical diagnosis assistant method performed by a terminal or a computing device connected to a host,
Obtaining a first diagnosis result diagnosed by artificial intelligence based on the host;
Providing an image-type user interface including the first diagnosis result to the terminal or the computing device and displaying the user interface on a screen;
Obtaining a user input including an expert diagnosis of the first diagnostic result through the user interface;
Generating a second diagnostic result that reflects the user input; And
And providing the host with the second diagnostic result corresponding to the first diagnostic result,
Wherein the user interface includes a plurality of layers in which input, output, and correction information are distinguished, a first image of a first one of the plurality of layers includes an original image that has performed automatic lesion area detection at the host, Wherein the second image of the second layer of the plurality of layers includes lesion area information that is automatically detected by the AI of the host and the third image of the third layer of the plurality of layers is further modified by the user Wherein the fourth image of the fourth layer of the plurality of layers includes region information that is deleted from the second image by the user.

delete

The method according to claim 1,
The artificial intelligence system of the host performs reanalysis, re-learning or learning performance evaluation based on the first diagnosis result and the second diagnosis result.

An AI-based automatic medical diagnosis assistant method performed by a terminal or a computing device connected to a host,
Obtaining a first diagnosis result diagnosed by artificial intelligence based on the host;
Providing a textual user interface including the first diagnostic result to the terminal or the computing device and displaying the user interface on the screen;
Obtaining a user input including an expert diagnosis of the first diagnostic result through the user interface;
Generating a second diagnostic result that reflects the user input; And
And providing the host with the second diagnostic result corresponding to the first diagnostic result,
Wherein the user interface includes a plurality of layers in which input, output, and correction information are distinguished, a first image of a first one of the plurality of layers includes an original image that has performed automatic lesion area detection at the host, Wherein the second image of the second layer of the plurality of layers includes lesion area information that is automatically detected by the AI of the host and the third image of the third layer of the plurality of layers is further modified by the user Wherein the fourth image of the fourth layer of the plurality of layers includes region information that is deleted from the second image by the user.

The method of claim 4,
The step of providing the user interface to the terminal or the computing device and displaying the user interface on a screen may include a first input box for displaying the first diagnosis result for user reference, a second input for displaying or confirming the second diagnosis result, Box, and another user interface having a completion button or a save button for user confirmation of the final diagnosis result.

A system connected to a host and performing an AI-based medical auto diagnosis assist function,
A communication unit for acquiring a first diagnosis result diagnosed based on artificial intelligence and transmitting and receiving signals and data to and from a host to provide a second diagnosis result corresponding to the first diagnosis result;
A display unit displaying a user interface including the first diagnosis result and having an image or text form on a screen;
A storage unit for storing a basic form and an extension form for the user interface;
An input / output manager for outputting the user interface to the display unit and acquiring a user input including a specialist analysis of the first diagnostic result through the user interface;
A generating unit for generating the second diagnosis result reflecting the user input; And
And a control unit for managing the communication unit, the display unit, the storage unit, the input / output management unit, and the generation unit,
Wherein the user interface includes a plurality of layers in which input, output, and correction information are distinguished, a first image of a first one of the plurality of layers includes an original image that has performed automatic lesion area detection at the host, Wherein the second image of the second layer of the plurality of layers includes lesion area information that is automatically detected by the AI of the host and the third image of the third layer of the plurality of layers is further modified by the user Wherein the fourth image of the fourth layer of the plurality of layers includes region information that is deleted from the second image by the user.

The method of claim 6,
Wherein the host's artificial intelligence system performs reanalysis, re-learning or learning performance evaluation based on the first diagnosis result and the second diagnosis result.