KR20220123165A - System for the diagnosis of skin diseases and the analysis of skin states using multiband imagery information based on visual artificial intelligence and method thereof - Google Patents
System for the diagnosis of skin diseases and the analysis of skin states using multiband imagery information based on visual artificial intelligence and method thereof Download PDFInfo
- Publication number
- KR20220123165A KR20220123165A KR1020210027057A KR20210027057A KR20220123165A KR 20220123165 A KR20220123165 A KR 20220123165A KR 1020210027057 A KR1020210027057 A KR 1020210027057A KR 20210027057 A KR20210027057 A KR 20210027057A KR 20220123165 A KR20220123165 A KR 20220123165A
- Authority
- KR
- South Korea
- Prior art keywords
- skin
- hertz
- images
- band
- image
- Prior art date
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 63
- 230000000007 visual effect Effects 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 35
- 208000017520 skin disease Diseases 0.000 title claims abstract description 27
- 238000003745 diagnosis Methods 0.000 title claims description 21
- 230000003902 lesion Effects 0.000 claims abstract description 20
- 201000010099 disease Diseases 0.000 claims abstract description 16
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims abstract description 15
- 206010040882 skin lesion Diseases 0.000 claims abstract description 14
- 231100000444 skin lesion Toxicity 0.000 claims abstract description 14
- 238000007781 pre-processing Methods 0.000 claims abstract description 12
- 238000011156 evaluation Methods 0.000 claims abstract description 10
- 230000007547 defect Effects 0.000 claims abstract description 8
- 230000003595 spectral effect Effects 0.000 claims abstract description 7
- 238000012800 visualization Methods 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims abstract description 4
- 210000003491 skin Anatomy 0.000 claims description 86
- 210000001519 tissue Anatomy 0.000 claims description 39
- 210000004304 subcutaneous tissue Anatomy 0.000 claims description 10
- 210000004207 dermis Anatomy 0.000 claims description 9
- 210000002615 epidermis Anatomy 0.000 claims description 9
- 206010033675 panniculitis Diseases 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000013179 statistical model Methods 0.000 claims description 6
- 210000004003 subcutaneous fat Anatomy 0.000 claims description 2
- 230000005856 abnormality Effects 0.000 claims 1
- 238000001514 detection method Methods 0.000 claims 1
- 239000002537 cosmetic Substances 0.000 description 6
- 230000003796 beauty Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 238000009659 non-destructive testing Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
- A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/001—Image restoration
- G06T5/002—Denoising; Smoothing
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR 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
- G06T2207/30088—Skin; Dermal
Abstract
Description
본 발명은 다중대역 영상 정보를 이용하여 시각 인공지능 기반 피부 질환 진단 및 피부 상태 분석 시스템 및 그 방법에 관한 것으로, 더욱 상세하게는 1011 ~ 1020 hertz 주파수 대역의 다중대역 영상 정보를 처리하는 시각 인공지능을 이용하여 다양한 종류의 피부 질환을 진단하고 미용 목적으로 피부 상태 분석을 해주는 시스템 및 그 방법에 관한 것이다. The present invention relates to a visual AI-based skin disease diagnosis and skin condition analysis system and method using multi-band image information, and more particularly, a visual processing method for multi-band image information in a frequency band of 10 11 to 10 20 hertz. It relates to a system and method for diagnosing various types of skin diseases using artificial intelligence and analyzing skin conditions for cosmetic purposes.
특정 목적에 따라 다양한 정보를 인식하고 해석할 수 있는 인공지능 기술이 각종 연구 및 산업 분야에서 활발하게 상용화되면서, 숙련된 전문 인력이 육안 관찰 정보 등에 기초하여 수행해오던 판별 프로세스의 일부 및 전부를 대체하는 사례가 등장하고 있다. 한편, 비파괴검사는 관찰 대상의 외관을 개방 또는 변형시키거나 내부 손상을 초래하지 않고도 내외부의 결함이나 특이점을 발견하거나 성질이나 상태 등을 파악할 수 있도록 사용되는 검사 방법으로 각종 산업 분야뿐만 아니라 의료 분야에서도 널리 사용되고 있으며, 다중대역 파장을 관찰 대상에 조사하여 반환되는 영상 정보를 분석하는 방법 등이 주로 활용되고 있다. As artificial intelligence technology capable of recognizing and interpreting various information according to specific purposes is actively commercialized in various research and industrial fields, it is possible to replace some or all of the discrimination process that skilled professionals have performed based on visual observation information. Examples are emerging. On the other hand, non-destructive testing is an inspection method used to discover internal and external defects or singularities, or to identify properties or conditions, without opening or deforming the exterior of the object to be observed or causing internal damage. It is widely used, and a method of analyzing the returned image information by irradiating a multi-band wavelength to an observation object is mainly used.
의료 분야에서는 피부 질환의 진단에 있어 대개 전문의 등 의료진의 육안에 의한 관찰 또는 검체에 의존하는데, 전자는 오진의 위험, 후자는 침습적인 방법으로 환자에게 고통을 유발할 위험이 존재한다.In the medical field, the diagnosis of skin diseases usually relies on visual observation or samples by medical staff such as specialists.
미용 분야에서는 피부 상태의 분석에 있어 업계에 종사하는 전문가 또는 일반인의 육안에 의한 관찰이나 제조사마다 비침습적 지표에 대한 설정 기준이 각기 다른 측정기기에 의존하는데, 이 분야에서는 객관화된 피부 임상에 따른 평가 체계가 부족한 실정이다.In the cosmetic field, in the analysis of skin conditions, observation by the naked eye of experts or ordinary people in the industry or the setting standards for non-invasive indicators by manufacturers depend on different measuring devices. In this field, evaluation according to objective skin clinical The system is lacking.
따라서, 피부 의료 및 미용 분야에서 비침습적인 방법을 활용하더라도 유관 질환의 진단이나 미용 목적의 분석을 공통의 시각 인공지능 모델을 활용하여 임상적으로 유효한 근거에 의해 객관적으로 평가할 수 있는 기초적인 체계를 마련할 필요성이 있다. Therefore, even if non-invasive methods are used in the field of skin care and beauty, a basic system that can objectively evaluate the diagnosis of related diseases or analysis for cosmetic purposes using a common visual artificial intelligence model based on clinically valid evidence has been developed. there is a need to provide
상기와 같은 문제점을 해결하기 위한 본 발명의 목적은 피부 질환 진단 및 피부 상태에 대한 다중대역 영상 정보를 처리하는 시각 인공지능 기반 피부 내외부의 현상이나 변화 과정을 시점별로 추정하여 의료진 위주의 사용자가 이 정보를 토대로 피부 질환을 진단하거나 미용 전문가 등의 사용자가 미용 목적으로 피부 상태를 분석하는 다중대역 영상 정보를 이용하여 시각 인공지능 기반 피부 질환 진단 및 피부 상태 분석 시스템 및 그 방법을 제공하는 데 있다.It is an object of the present invention to solve the above problems by estimating the phenomenon or change process inside and outside the skin based on visual artificial intelligence that processes multi-band image information for skin disease diagnosis and skin condition by time point, so that medical staff-oriented users can use it. An object of the present invention is to provide a visual AI-based skin disease diagnosis and skin condition analysis system and method using multi-band image information that diagnoses skin diseases based on information or analyzes skin conditions for cosmetic purposes by users such as beauty experts.
상기와 같은 목적을 달성하기 위한 본 발명의 다중대역 영상 정보를 이용하여 시각 인공지능 기반 피부 질환 진단 및 피부 상태 분석 시스템은 4×1014 ~ 8×1014 hertz 주파수 대역의 가시광선을 감지하는 카메라 모듈 및 1011 ~ 1013 hertz, 1013 ~ 4×1014 hertz, 1016 ~ 1020 hertz의 주파수 대역 중 어느 한 가지 이상을 감지하는 장치가 부착된 기기장치를 이용하여 피부에 대한 각 대역에 해당하는 영상을 독립적으로 촬영하여 각 대역에 해당하는 영상을 구분하여 수집하는 수집부; 수집된 영상에 대해 대역별로 구분하여 사전 설정된 필터에 따라 2차원 또는 3차원 영상으로 정규화하고 노이즈를 제거하여 전처리하는 전처리부; 상기 4×1014 ~ 8×1014 hertz 주파수 대역에서 촬영된 영상에 대해 인공지능 연산과정에 의해 식별 가능한 패턴 형태로 관찰된 피부조직 형상을 인식하고 그 형상의 좌표를 저장하는 저장부; 상기 좌표를 1011 ~ 1013 hertz, 1013 ~ 4×1014 hertz, 1016 ~ 1020 hertz의 주파수 대역에 대한 영상에 일치하여 깊이 정보에 따라 표피(epidermis)와 진피(dermis) 그리고 피하지방 조직(subcutaneous tissue) 등 피부조직의 세분화된 영역에서 병변, 결함 및 특이점을 검출하고 성질이나 상태를 분석하는 분석부; 상기 분석부의 분석 결과를 기준으로 인식된 형상의 주변부를 사전 설정된 통계적 모델과 결합하여 그 시각적 모델링을 통해 생성된 스펙트럼 영상을 결합하여 피부조직을 2차원 또는 3차원 영상으로 시각화하는 시각화부; 상기 분석부의 분석 결과를 기준으로 피부 병변을 질환별로 세부 분류하거나 피부 상태를 S개의 사전 설정된 기준에 따라 각 C개의 등급으로 계량화 추정하여 그 값을 시각 인공지능 모델의 학습을 위해 기록하는 기록부; 및 상기 분석부의 분석 결과를 기준으로 사전 학습되었거나 주기별로 지속적으로 학습되는 시각 인공지능 모델의 추론을 통해 피부 병변을 질환별로 세부 분류하거나 피부 상태를 S개의 사전 설정된 기준에 따라 각 C개의 등급으로 계량화 추정하여 그 값을 평가하는 평가부;를 포함하는 것을 특징으로 한다.Visual AI-based skin disease diagnosis and skin condition analysis system using multi-band image information of the present invention for achieving the above object is a camera that detects visible light in a frequency band of 4×10 14 to 8×10 14 hertz. Using a device to which a module and a device that detects any one or more of the frequency bands of 10 11 ~ 10 13 hertz, 10 13 ~ 4×10 14 hertz, and 10 16 ~ 10 20 hertz is attached to each band for the skin a collecting unit which independently captures the corresponding image and separates and collects the image corresponding to each band; a preprocessing unit for preprocessing the collected images by dividing them by bands, normalizing them into 2D or 3D images according to a preset filter, and removing noise; a storage unit for recognizing the observed skin tissue shape in the form of a pattern identifiable by an artificial intelligence calculation process for the image taken in the 4×10 14 ~ 8×10 14 hertz frequency band and storing the coordinates of the shape; By matching the coordinates with the image for the frequency bands of 10 11 ~ 10 13 hertz, 10 13 ~ 4×10 14 hertz, and 10 16 ~ 10 20 hertz, the epidermis, dermis, and subcutaneous fat according to the depth information an analysis unit that detects lesions, defects, and singularities in subcutaneous tissue, such as subcutaneous tissue, and analyzes properties or conditions; a visualization unit for visualizing the skin tissue as a 2D or 3D image by combining the periphery of the shape recognized based on the analysis result of the analysis unit with a preset statistical model and combining the spectral image generated through the visual modeling; a recorder for sub-classifying skin lesions by disease based on the analysis result of the analysis unit or quantifying and estimating skin conditions into C grades according to S preset criteria, and recording the values for learning the visual artificial intelligence model; And based on the analysis result of the analysis unit, through inference of a visual artificial intelligence model that is learned in advance or is continuously learned for each cycle, the skin lesions are subdivided by disease or the skin condition is quantified into C grades according to S preset criteria. and an evaluation unit that estimates and evaluates the value.
상기 수집부는 대상 물체인 인체 피부의 단면 또는 다면을 대역에 따라 동일한 환경을 유지하며 독립적으로 촬영하여 각 대역에 해당하는 영상 정보를 구분하여 수집하는 것을 특징으로 한다.The collection unit separates and collects image information corresponding to each band by independently photographing a cross-section or multiple surfaces of human skin, which is a target object, while maintaining the same environment according to bands.
상기 전처리부는 수집 영상을 대역별로 구분하여 해당 대역에 따라 사전 설정된 필터를 거쳐 4×1014 ~ 8×1014 hertz 주파수 대역 영상은 3채널의 2차원 또는 3차원 영상, 1011 ~ 1013 hertz 및 1013 ~ 4×1014 hertz 주파수 대역 영상은 1채널의 2차원 또는 3차원 영상, 1016 ~ 1020 hertz 주파수 대역 영상은 2채널의 2차원 또는 3차원 영상으로 정규화하여 그 영상에서 노이즈를 제거하고 피부층의 이상 병변 또는 특이 조직을 감지하기 위해 깊이에 따른 피부 조직 특성을 개별 고려하여 대비(contrast) 및 밝기(brightness)를 여러 단계로 조정하여 전처리하는 것을 특징으로 한다.The preprocessor divides the collected image by band and passes through a preset filter according to the band, and the 4×10 14 to 8×10 14 hertz frequency band image is a 3-channel 2D or 3D image, 10 11 to 10 13 hertz and 10 13 ~ 4×10 14 hertz frequency band image is 1 channel 2D or 3D image, 10 16 ~ 10 20 hertz frequency band image is normalized to 2 channel 2D or 3D image, and noise is removed from the image In order to detect abnormal lesions or specific tissues of the skin layer, it is characterized in that the pre-processing is performed by individually considering the skin tissue characteristics according to the depth and adjusting the contrast and brightness in several stages.
상기 분석부는 표피(epidermis)와 진피(dermis) 그리고 피하지방 조직(subcutaneous tissue) 등 깊이에 따른 피부조직의 병변이나 특이점을 검출하거나 성질이나 상태를 인공지능 연산과정을 이용하여 분석하는 것을 특징으로 한다.The analysis unit detects lesions or singularities of skin tissue according to depth, such as epidermis, dermis, and subcutaneous tissue, or analyzes properties or conditions using an artificial intelligence calculation process. .
상기 평가부는 표피(epidermis)와 진피(dermis) 그리고 피하지방 조직(subcutaneous tissue) 등 깊이에 따른 피부조직의 병변이나 특이점을 검출하거나 성질이나 상태를 인공지능 연산과정을 이용하여 추정하거나, 이 결과로서 피부 질환을 특정 분류하거나 S개의 사전 설정된 기준에 따라 각 C개의 등급으로 계량화하여 평가하는 것을 특징으로 한다.The evaluation unit detects lesions or singularities of skin tissue according to depth, such as epidermis, dermis, and subcutaneous tissue, or estimates properties or states using an artificial intelligence calculation process, or as a result of this It is characterized by quantifying and evaluating skin diseases in each C grade according to a specific classification or S preset criteria.
또한, 본 발명의 다중대역 영상 정보를 처리하는 시각 인공지능 기반 피부 질환 진단 및 피부 상태 분석 방법은 4×1014 ~ 8×1014 hertz 주파수 대역의 가시광선을 감지하는 카메라 모듈 및 1011 ~ 1013 hertz, 1013 ~ 4×1014 hertz, 1016 ~ 1020 hertz의 주파수 대역중 어느 한 가지 이상을 감지하는 장치가 부착된 기기 장비를 이용하여 피부조직에 대한 각 대역에 해당하는 영상을 독립적으로 촬영하는 제1단계; 상기 제1단계의 각 대역에 해당하는 영상을 구분하여 수집하는 제2단계; 상기 제2단계의 수집된 영상에 대해 대역별로 구분하여 사전 설정된 필터에 따라 2차원 또는 3차원 영상으로 정규화하고 노이즈를 제거하여 전처리하는 제3단계; 상기 제3단계의 4×1014 ~ 8×1014 hertz 주파수 대역에서 촬영된 영상에 대해 인공지능 연산과정에 의해 식별 가능한 패턴 형태로 피부조직 형상을 인식하고 그 형상의 좌표를 저장하는 제4단계; 상기 제4단계의 좌표를 1011 ~ 1013 hertz, 1013 ~ 4×1014 hertz, 1016 ~ 1020 hertz의 주파수 대역에 대한 영상에 일치하여 깊이에 따른 피부조직에 대한 세분화된 영역의 병변, 결함 및 특이점을 검출하고 성질이나 상태를 분석하는 제5단계; 상기 제5단계의 분석 결과를 기준으로 피부 병변을 질환별로 세부 분류하거나 피부 상태를 S개의 사전 설정된 기준에 따라 각 C개의 등급으로 계량화 추정하여 그 값을 시각 인공지능 모델의 학습을 위해 기록하는 제6-1단계; 상기 제5단계의 분석 결과를 기준으로 인식된 형상의 주변부를 사전 설정된 통계적 모델과 결합하여 그 시각적 모델링을 통해 생성된 스펙트럼 영상을 결합하여 피부조직을 2차원 또는 3차원 영상으로 시각화하는 제6-2단계; 및 상기 제5단계의 분석 결과를 기준으로 사전 학습되었거나 주기별로 지속적으로 학습되는 시각 인공지능 모델의 추론을 통해 피부 병변을 질환별로 세부 분류하거나 피부 상태를 S개의 사전 설정된 기준에 따라 각 C개의 등급으로 계량화 추정하여 그 값을 평가하는 제6-3단계;를 포함하는 것을 특징으로 한다.In addition, the visual AI-based skin disease diagnosis and skin condition analysis method for processing multi-band image information of the present invention includes a camera module that detects visible light in a frequency band of 4×10 14 to 8×10 14 hertz and 10 11 to 10 13 hertz, 10 13 ~ 4×10 14 hertz, 10 16 ~ 10 Using a device that detects one or more of the frequency bands of 20 hertz A first step of taking a picture; a second step of classifying and collecting images corresponding to each band in the first step; a third step of pre-processing by dividing the collected images in the second step by bands, normalizing them into 2D or 3D images according to a preset filter, and removing noise; A fourth step of recognizing the shape of the skin tissue in the form of a pattern that can be identified by an artificial intelligence calculation process for the image taken in the 4×10 14 ~ 8×10 14 hertz frequency band of the third step and storing the coordinates of the shape ; By matching the coordinates of the fourth step to the images for the frequency bands of 10 11 ~ 10 13 hertz, 10 13 ~ 4×10 14 hertz, and 10 16 ~ 10 20 hertz, the lesion of the subdivided area of the skin tissue according to the depth , a fifth step of detecting defects and singularities and analyzing properties or states; Based on the analysis result of the 5th step, the skin lesion is classified in detail by disease, or the skin condition is quantified and estimated into C grades according to S preset criteria, and the value is recorded for learning the visual artificial intelligence model. Step 6-1; Step 6- Visualizing the skin tissue as a two-dimensional or three-dimensional image by combining the periphery of the recognized shape based on the analysis result of the fifth step with a preset statistical model and combining the spectral image generated through the visual modeling Step 2; And based on the analysis result of the fifth step, through the inference of a visual artificial intelligence model that is learned in advance or is continuously learned for each cycle, the skin lesions are subdivided by disease or the skin condition is classified into C grades according to S preset criteria. and a step 6-3 of evaluating the value by quantifying and estimating it.
상기 제3단계는 수집 영상을 대역별로 구분하여 해당 대역에 따라 사전 설정된 필터를 거쳐 4×1014 ~ 8×1014 hertz 주파수 대역 영상은 3채널의 2차원 또는 3차원 영상, 1011 ~ 1013 hertz 및 1013 ~ 4×1014 hertz 주파수 대역 영상은 1채널의 2차원 또는 3차원 영상, 1016 ~ 1020 hertz 주파수 대역 영상은 2채널의 2차원 또는 3차원 영상으로 정규화하여 그 영상에서 노이즈를 제거하고 피부층의 이상 병변 또는 특이 조직을 감지하기 위해 깊이에 따른 피부 조직 특성을 개별 고려하여 대비(contrast) 및 밝기(brightness)를 여러 단계로 조정하여 전처리하는 것을 특징으로 한다.In the third step, the collected images are divided by bands, and the 4×10 14 ~ 8×10 14 hertz frequency band images are 2D or 3D images of 3 channels, 10 11 ~ 10 13 through a preset filter according to the band. Hertz and 10 13 ~ 4×10 14 hertz frequency band images are 1 channel 2D or 3D images, and 10 16 ~ 10 20 hertz frequency band images are normalized to 2 channels 2D or 3D images, and noise is generated in the image. In order to remove and detect abnormal lesions or specific tissues in the skin layer, it is characterized in that it is pre-processed by adjusting the contrast and brightness in several stages by individually considering the characteristics of the skin tissue according to the depth.
상기와 같이, 본 발명에 따르면 피부에 대한 다중대역 영상 정보를 처리하는 시각 인공지능에 의해 피부 질환 진단 및 피부 상태 분석을 객관적이고 체계적으로 시행할 수 있도록 하여 그 결과를 의료 또는 미용 목적에 따라 활용될 수 있도록 할 수 있으며, 이는 향후 의료 산업에 있어서는 선진 진료 또는 비대면 원격 진료체계 발전에 기초가 되고, 미용 산업에 있어서는 개별 사용자에 대한 고도화된 분석 기술에 의한 정밀맞춤형 화장품, 식품, 의약품 처방을 가능하게 하는 등 첨단 혁신기술 도입을 통한 제반 산업 선도 등 산업적 효과 및 관련 기존 시장 변화를 주도하는 등 경제적 효과가 있다.As described above, according to the present invention, skin disease diagnosis and skin condition analysis can be objectively and systematically performed by visual artificial intelligence that processes multi-band image information on the skin, and the results are utilized for medical or cosmetic purposes. In the future, this will be the basis for the development of advanced medical care or non-face-to-face telemedicine systems in the medical industry, and in the beauty industry, precise customized cosmetics, food, and drug prescriptions by advanced analysis technology for individual users. It has industrial effects such as leading all industries through the introduction of cutting-edge innovative technologies, such as making it possible, and economic effects such as leading changes in the existing market.
도 1은 본 발명에 따른 다중대역 영상 정보를 이용하는 시각 인공지능 기반 피부 질환 진단 및 피부 상태 분석 시스템의 구성도이다.
도 2는 본 발명에 따른 다중대역 영상 정보를 이용하는 시각 인공지능 기반 피부 질환 진단 및 피부 상태 분석 방법의 흐름도이다.1 is a block diagram of a visual AI-based skin disease diagnosis and skin condition analysis system using multi-band image information according to the present invention.
2 is a flowchart of a method for diagnosing a skin disease and analyzing a skin condition based on visual AI using multi-band image information according to the present invention.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다.Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings so that those of ordinary skill in the art to which the present invention pertains can easily implement them. However, the present invention may be embodied in several different forms and is not limited to the embodiments described herein.
그러면 본 발명에 따른 다중대역 영상 정보를 이용하는 시각 인공지능 기반 피부 질환 진단 및 피부 상태 분석 시스템 및 그 방법의 바람직한 실시예를 자세히 설명하기로 한다.Next, a preferred embodiment of the visual AI-based skin disease diagnosis and skin condition analysis system and method using multi-band image information according to the present invention will be described in detail.
도 1은 본 발명에 따른 다중대역 영상 정보를 이용하는 시각 인공지능 기반 피부 질환 진단 및 피부 상태 분석 시스템의 구성도이다.1 is a block diagram of a visual AI-based skin disease diagnosis and skin condition analysis system using multi-band image information according to the present invention.
도 1을 참조하면, 본 발명에 따른 다중대역 영상 정보를 이용하는 시각 인공지능 기반 비파괴검사를 활용하는 피부 질환 진단 및 피부 상태 분석 시스템은 수집부(100), 전처리부(200), 저장부(300), 분석부(400), 시각화부(500), 기록부(600) 및 평가부(700)를 포함하여 구성된다.Referring to FIG. 1 , the skin disease diagnosis and skin condition analysis system using visual artificial intelligence-based non-destructive testing using multi-band image information according to the present invention includes a
상기 수집부(100)는 4×1014 ~ 8×1014 hertz 주파수 대역의 가시광선을 감지하는 카메라 모듈 및 1011 ~ 1013 hertz, 1013 ~ 4×1014 hertz, 1016 ~ 1020 hertz의 주파수 대역 중 어느 한 가지 이상을 감지하는 장치가 부착된 기기 장비를 이용하여 피부에 대한 각 대역에 해당하는 영상을 독립적으로 촬영하여 각 대역에 해당하는 영상을 구분하여 수집한다. 즉, 상기 수집부(100)는 대상 물체인 인체 피부의 단면 또는 다면을 대역에 따라 동일한 환경을 유지하며 독립적으로 촬영하여 각 대역에 해당하는 영상 정보를 구분하여 수집한다.The
상기 전처리부(200)는 수집된 영상에 대해 대역별로 구분하여 사전 설정된 필터에 따라 2차원 또는 3차원 영상으로 정규화하고 노이즈를 제거하여 전처리한다. 즉, 상기 전처리부(200)는 수집 영상을 대역별로 구분하여 해당 대역에 따라 사전 설정된 필터를 거쳐 4×1014 ~ 8×1014 hertz 주파수 대역 영상은 3채널의 2차원 또는 3차원 영상, 1011 ~ 1013 hertz 및 1013 ~ 4×1014 hertz 주파수 대역 영상은 1채널의 2차원 또는 3차원 영상, 1016 ~ 1020 hertz 주파수 대역 영상은 2채널의 2차원 또는 3차원 영상으로 정규화하여 그 영상에서 노이즈를 제거하고 피부층의 이상 병변 또는 특이 조직을 감지하기 위해 깊이에 따른 피부 조직 특성을 개별 고려하여 대비(contrast) 및 밝기(brightness)를 여러 단계로 조정하여 전처리한다. The
상기 저장부(300)는 4×1014 ~ 8×1014 hertz 주파수 대역에서 촬영된 영상에 대해 인공지능 연산과정에 의해 식별 가능한 패턴 형태로 관찰된 피부조직 형상을 인식하고 그 형상의 좌표를 저장한다. 즉, 상기 저장부(300)는 식별 가능한 패턴 형태로 관찰된 피부조직 형상을 인식하고 그 형상의 좌표의 좌표를 영상이 전송되는 연산장치 내부의 관계형 데이터베이스에 저장한다.The
여기서, 상기 인공지능 연산과정은 컨벌루셔널(convolutional) 연산이 수반되는 필터를 이용하거나 입력 시점별로 구분된 N개의 단위 정보를 한 개의 순차적인 입력 단위로 설정하여 이에 대해 비선형(non-linear) 함수에 의한 변환을 거치는 학습 구조를 수반하며 분류 또는 판별 태스크를 수행하여 식별 가능한 패턴을 추정할 수 있다. 본 발명에서 수집한 영상 정보는 기기 장비 내부의 어플리케이션 프로세서에서 처리하거나 네트워크를 통해 전송하여 원격 서버에서 처리할 수 있다.Here, the AI operation process uses a filter accompanied by a convolutional operation or sets N pieces of unit information divided for each input time as one sequential input unit, and a non-linear function is applied thereto. It entails a learning structure that undergoes transformation by The image information collected in the present invention may be processed by an application processor inside the device or transmitted through a network to be processed by a remote server.
상기 분석부(400)는 좌표를 1011 ~ 1013 hertz, 1013 ~ 4×1014 hertz, 1016 ~ 1020 hertz의 주파수 대역에 대한 영상에 일치하여 깊이 정보에 따라 피부조직의 세분화된 영역에서 병변, 결함 및 특이점을 검출하고 성질이나 상태를 분석한다. 즉, 상기 분석부(400)는 표피(epidermis)와 진피(dermis) 그리고 피하지방 조직(subcutaneous tissue) 등 깊이에 따른 피부조직의 병변이나 특이점을 검출하거나 성질이나 상태를 인공지능 연산과정을 이용하여 분석한다.The
상기 시각화부(500)는 분석부(400)의 분석 결과를 기준으로 인식된 형상의 주변부를 사전 설정된 통계적 모델과 결합하여 그 시각적 모델링을 통해 생성된 스펙트럼 영상을 결합하여 피부조직을 2차원 또는 3차원 영상으로 시각화한다. The
상기 기록부(600)는 분석부(400)의 분석 결과를 기준으로 피부 병변을 질환별로 세부 분류하거나 피부 상태를 S개의 사전 설정된 기준에 따라 각 C개의 등급으로 계량화 추정하여 그 값을 시각 인공지능 모델의 학습을 위해 기록한다. The
상기 평가부(700)는 분석부(400)의 분석 결과를 기준으로 사전 학습되었거나 주기별로 지속적으로 학습되는 시각 인공지능 모델의 추론을 통해, 피부 병변을 질환별로 세부 분류하거나 피부 상태를 S개의 사전 설정된 기준에 따라 각 C개의 등급으로 계량화 추정하여 그 값을 평가한다. 즉, 상기 평가부(600)는 표피(epidermis)와 진피(dermis) 그리고 피하지방 조직(subcutaneous tissue) 등 깊이에 따른 피부조직의 병변이나 특이점을 검출하거나 성질이나 상태를 인공지능 연산과정을 이용하여 추정하거나, 이 결과로서 피부 질환을 특정 분류하거나 S개의 사전 설정된 기준에 따라 각 C개의 등급으로 계량화하여 평가한다.The
도 2는 본 발명에 따른 다중대역 영상 정보를 이용하는 시각 인공지능 기반 피부 질환 진단 및 피부 상태 분석 방법의 흐름도이다.2 is a flowchart of a method for diagnosing a skin disease and analyzing a skin condition based on visual AI using multi-band image information according to the present invention.
도 2를 참조하면, 본 발명에 따른 다중대역 영상 정보를 이용하는 시각 인공지능 기반 피부 질환 진단 및 피부 상태 분석 방법은 먼저, 4×1014 ~ 8×1014 hertz 주파수 대역의 가시광선을 감지하는 카메라 모듈 및 1011 ~ 1013 hertz, 1013 ~ 4×1014 hertz, 1016 ~ 1020 hertz의 주파수 대역 중 어느 한 가지 이상을 감지하는 장치가 부착된 기기 장비를 이용하여 피부조직에 대한 각 대역에 해당하는 영상을 독립적으로 촬영한다(S110). 즉, 4×1014 ~ 8×1014 hertz 주파수 대역의 가시광선을 감지하는 카메라 모듈 및 1011 ~ 1013 hertz, 1013 ~ 4×1014 hertz, 1016 ~ 1020 hertz의 주파수 대역 중 어느 한 가지 이상을 감지하는 장치가 부착된 기기 장비를 이용하여 대상 물체인 인체 피부의 단면 또는 다면을 대역에 따라 동일한 환경을 유지하며 독립적으로 촬영한다.Referring to FIG. 2 , the visual AI-based skin disease diagnosis and skin condition analysis method using multi-band image information according to the present invention includes a camera that detects visible light in a frequency band of 4×10 14 to 8×10 14 hertz. Each band for skin tissue using a device equipped with a module and a device that detects any one or more of the frequency bands of 10 11 ~ 10 13 hertz, 10 13 ~ 4×10 14 hertz, and 10 16 ~ 10 20 hertz An image corresponding to is taken independently (S110). That is, a camera module that detects visible light in a frequency band of 4×10 14 to 8×10 14 hertz and any of the frequency bands of 10 11 to 10 13 hertz, 10 13 to 4×10 14 hertz, and 10 16 to 10 20 hertz By using a device equipped with a device that detects one or more, the cross-section or multi-section of the human skin, which is the target object, is independently photographed while maintaining the same environment according to the band.
상기 S110 단계의 각 대역에 해당하는 영상을 구분하여 수집한다(S120).The images corresponding to each band in step S110 are classified and collected (S120).
상기 S120 단계의 수집된 영상에 대해 대역별로 구분하여 사전 설정된 필터에 따라 2차원 또는 3차원 영상으로 정규화하고 노이즈를 제거하여 전처리한다(S130). 즉, 상기 S120 단계에서 수집 영상을 대역별로 구분하여 해당 대역에 따라 사전 설정된 필터를 거쳐 4× 1014 ~ 8× 1014 hertz 주파수 대역 영상은 3채널의 2차원 또는 3차원 영상, 1011 ~ 1013 hertz 및 1013 ~ 4× 1014 hertz 주파수 대역 영상은 1채널의 2차원 또는 3차원 영상, 1016 ~ 1020 hertz 주파수 대역 영상은 2채널의 2차원 또는 3차원 영상으로 정규화하여 그 영상에서 노이즈를 제거하고 피부층의 이상 병변 또는 특이 조직을 감지하기 위해 깊이에 따른 피부 조직 특성을 개별 고려하여 대비(contrast) 및 밝기(brightness)를 여러 단계로 조정하여 전처리한다. The collected image in step S120 is divided by band, normalized to a 2D or 3D image according to a preset filter, and preprocessed by removing noise (S130). That is, the 4×10 14 ~ 8×10 14 hertz frequency band image is a 2D or 3D image of 3 channels, 10 11 ~ 10 13 hertz and 10 13 ~ 4×10 14 hertz frequency band images are 1 channel 2D or 3D images, and 10 16 ~ 10 20 hertz frequency band images are normalized to 2 channels 2D or 3D images. In order to remove noise and detect abnormal lesions or specific tissues in the skin layer, the skin tissue characteristics according to depth are individually considered and the contrast and brightness are adjusted in several stages and pre-processed.
상기 S130 단계의 4×1014 ~ 8×1014 hertz 주파수 대역에서 촬영된 영상에 대해 인공지능 연산과정에 의해 식별 가능한 패턴 형태로 피부조직 형상을 인식하고 그 형상의 좌표를 저장한다(S140). 즉, 상기 S130 단계의 4×1014 ~ 8×1014 hertz 주파수 대역 영상에 대해 인공지능 연산과정에 의해 식별 가능한 패텬 형태로 피부조직 형상을 인식하고, 그 형상의 좌표를 영상이 전송되는 연산장치 내부의 관계형 데이터베이스에 저장한다. For the image taken in the 4×10 14 to 8×10 14 hertz frequency band of step S130, the shape of the skin tissue is recognized in the form of a pattern that can be identified by an artificial intelligence calculation process and the coordinates of the shape are stored (S140). That is, the 4×10 14 ~ 8×10 14 hertz frequency band image of step S130 recognizes the shape of the skin tissue in the form of a pattern that can be identified by an artificial intelligence calculation process, and the coordinates of the shape are transmitted to the computing device It is stored in an internal relational database.
여기서, 상기 인공지능 연산과정은 컨벌루셔널(convolutional) 연산이 수반되는 필터를 이용하거나 입력 시점별로 구분된 N개의 단위 정보를 한 개의 순차적인 입력 단위로 설정하여 이에 대해 비선형(non-linear) 함수에 의한 변환을 거치는 학습 구조를 수반하며 분류 또는 판별 태스크를 수행하여 식별 가능한 패턴을 추정할 수 있다. 본 발명에서 수집된 영상 정보는 기기 장비 내부의 어플리케이션 프로세서에서 처리하거나 네트워크를 통해 전송하여 원격 서버에서 처리할 수 있다.Here, the AI operation process uses a filter accompanied by a convolutional operation or sets N pieces of unit information divided for each input time as one sequential input unit, and a non-linear function is applied thereto. It entails a learning structure that undergoes transformation by The image information collected in the present invention may be processed by an application processor inside the device or transmitted through a network to be processed by a remote server.
상기 S140 단계의 좌표를 1011 ~ 1013 hertz, 1013 ~ 4×1014 hertz, 1016 ~ 1020 hertz의 주파수 대역에 대한 영상에 일치하여 깊이에 따른 피부조직에 대한 세분화된 영역의 병변, 결함 및 특이점을 검출하고 성질이나 상태를 분석한다(S150). 즉, 표피(epidermis)와 진피(dermis) 그리고 피하지방 조직(subcutaneous tissue) 등 깊이에 따른 피부조직의 병변이나 특이점을 검출하거나 성질이나 상태를 인공지능 연산과정을 이용하여 분석한다.The coordinates of the step S140 correspond to the images for the frequency bands of 10 11 to 10 13 hertz, 10 13 to 4×10 14 hertz, and 10 16 to 10 20 hertz, so that the lesion of the subdivided area of the skin tissue according to the depth; Defects and singularities are detected, and properties or states are analyzed (S150). That is, lesions or singularities of skin tissues according to depth such as epidermis, dermis, and subcutaneous tissue are detected or their properties or conditions are analyzed using an artificial intelligence calculation process.
상기 S150 단계에서 분석한 결과를 기준으로 인식된 형상의 주변부를 사전 설정된 통계적 모델과 결합하여 그 시각적 모델링을 통해 생성된 스펙트럼 영상을 결합하여 피부조직을 2차원 또는 3차원 영상으로 시각화한다(S160-1).The periphery of the recognized shape based on the analysis result in step S150 is combined with a preset statistical model and the spectral image generated through the visual modeling is combined to visualize the skin tissue as a two-dimensional or three-dimensional image (S160- One).
상기 S150 단계에서 분석한 결과를 기준으로 피부 병변을 질환별로 세부 분류하거나 피부 상태를 S개의 사전 설정된 기준에 따라 각 C개의 등급으로 계량화 추정하여 그 값을 시각 인공지능 모델의 학습을 위해 기록한다(S160-2). Based on the analysis result in step S150, the skin lesions are subdivided by disease or the skin condition is quantified and estimated into C grades according to S preset criteria, and the value is recorded for learning the visual artificial intelligence model ( S160-2).
상기 S150 단계에서 분석한 결과를 기준으로 사전 학습되었거나 주기별로 지속적으로 학습되는 시각 인공지능 모델의 추론을 통해, 피부 병변을 질환별로 세부 분류하거나 피부 상태를 S개의 사전 설정된 기준에 따라 각 C개의 등급으로 계량화 추정하여 그 값을 평가한다(S160-2). Based on the analysis result in step S150, through inference of a visual artificial intelligence model that is learned in advance or is continuously learned by cycle, skin lesions are subdivided into diseases or skin conditions are classified into C grades according to S preset criteria. It is quantified and estimated to evaluate the value (S160-2).
이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.Although the embodiments of the present invention have been described in detail above, the scope of the present invention is not limited thereto. is within the scope of the right.
100: 수집부
200: 전처리부
300: 저장부
400: 분석부
500: 시각화부
600: 기록부
700: 평가부100: collection unit 200: pre-processing unit
300: storage unit 400: analysis unit
500: visualization unit 600: recording unit
700: evaluation unit
Claims (7)
수집된 영상에 대해 대역별로 구분하여 사전 설정된 필터에 따라 2차원 또는 3차원 영상으로 정규화하고 노이즈를 제거하여 전처리하는 전처리부;
상기 4×1014 ~ 8×1014 hertz 주파수 대역에서 촬영된 영상에 대해 인공지능 연산과정에 의해 식별 가능한 패턴 형태로 관찰된 피부조직 형상을 인식하고 그 형상의 좌표를 저장하는 저장부;
상기 좌표를 1011 ~ 1013 hertz, 1013 ~ 4×1014 hertz, 1016 ~ 1020 hertz의 주파수 대역에 대한 영상에 일치하여 깊이 정보에 따라 표피(epidermis)와 진피(dermis) 그리고 피하지방 조직(subcutaneous tissue)의 세분화된 영역에서 병변, 결함 및 특이점을 검출하고 성질이나 상태를 분석하는 분석부;
상기 분석부의 분석 결과를 기준으로 인식된 형상의 주변부를 사전 설정된 통계적 모델과 결합하여 그 시각적 모델링을 통해 생성된 스펙트럼 영상을 결합하여 피부조직을 2차원 또는 3차원 영상으로 시각화하는 시각화부;
상기 분석부의 분석 결과를 기준으로 피부 병변을 질환별로 세부 분류하거나 피부 상태를 S개의 사전 설정된 기준에 따라 각 C개의 등급으로 계량화 추정하여 그 값을 시각 인공지능 모델의 학습을 위해 기록하는 기록부; 및
상기 분석부의 분석 결과를 기준으로 사전 학습되었거나 주기별로 지속적으로 학습되는 시각 인공지능 모델의 추론을 통해, 피부 병변을 질환별로 세부 분류하거나 피부 상태를 S개의 사전 설정된 기준에 따라 각 C개의 등급으로 계량화 추정하여 그 값을 평가하는 평가부;를 포함하는 것을 특징으로 하는 다중대역 영상 정보를 처리하는 시각 인공지능 기반 피부 질환 진단 및 피부 상태 분석 시스템.A camera module that detects visible light in the 4×10 14 ~ 8×10 14 hertz frequency band and any one of the frequency bands 10 11 ~ 10 13 hertz, 10 13 ~ 4×10 14 hertz, 10 16 ~ 10 20 hertz a collecting unit which separately captures images corresponding to each band on the skin by using an apparatus to which an abnormal detection device is attached, and separates and collects images corresponding to each band;
a preprocessing unit for preprocessing the collected images by dividing them by bands, normalizing them into 2D or 3D images according to a preset filter, and removing noise;
a storage unit for recognizing the observed skin tissue shape in the form of a pattern identifiable by an artificial intelligence calculation process for the image taken in the 4×10 14 ~ 8×10 14 hertz frequency band and storing the coordinates of the shape;
By matching the coordinates with the image for the frequency bands of 10 11 ~ 10 13 hertz, 10 13 ~ 4×10 14 hertz, and 10 16 ~ 10 20 hertz, the epidermis, dermis, and subcutaneous fat according to the depth information an analysis unit that detects lesions, defects, and singularities in subcutaneous tissue subcutaneous tissue and analyzes properties or conditions;
a visualization unit for visualizing the skin tissue as a 2D or 3D image by combining the periphery of the shape recognized based on the analysis result of the analysis unit with a preset statistical model and combining the spectral image generated through the visual modeling;
a recorder for sub-classifying skin lesions by disease based on the analysis result of the analysis unit or quantifying and estimating skin conditions into C grades according to S preset criteria and recording the values for learning the visual artificial intelligence model; and
Based on the analysis result of the analysis unit, through inference of a visual artificial intelligence model that has been learned in advance or is continuously learned by cycle, skin lesions are subdivided by disease or skin condition is quantified into C grades according to S preset criteria Visual AI-based skin disease diagnosis and skin condition analysis system for processing multi-band image information, characterized in that it includes; an evaluation unit that estimates and evaluates the value.
상기 수집부는 대상 물체인 인체 피부의 단면 또는 다면을 대역에 따라 동일한 환경을 유지하며 독립적으로 촬영하여 각 대역에 해당하는 영상 정보를 구분하여 수집하는 것을 특징으로 하는 다중대역 영상 정보를 처리하는 시각 인공지능 기반 피부 질환 진단 및 피부 상태 분석 시스템.According to claim 1,
The collection unit maintains the same environment according to the band or multiple surfaces of the human skin, which is the target object, and separately captures image information corresponding to each band. Intelligence-based skin disease diagnosis and skin condition analysis system.
상기 전처리부는 수집 영상을 대역별로 구분하여 해당 대역에 따라 사전 설정된 필터를 거쳐 4×1014 ~ 8×1014 hertz 주파수 대역 영상은 3채널의 2차원 또는 3차원 영상, 1011 ~ 1013 hertz 및 1013 ~ 4×1014 hertz 주파수 대역 영상은 1채널의 2차원 또는 3차원 영상, 1016 ~ 1020 hertz 주파수 대역 영상은 2채널의 2차원 또는 3차원 영상으로 정규화하여 그 영상에서 노이즈를 제거하고 피부층의 이상 병변 또는 특이 조직을 감지하기 위해 깊이에 따른 피부 조직 특성을 개별 고려하여 대비(contrast) 및 밝기(brightness)를 여러 단계로 조정하여 전처리하는 것을 특징으로 하는 다중대역 영상 정보를 처리하는 시각 인공지능 기반 피부 질환 진단 및 피부 상태 분석 시스템.According to claim 1,
The preprocessor divides the collected image by band and passes through a preset filter according to the band, and the 4×10 14 to 8×10 14 hertz frequency band image is a 3-channel 2D or 3D image, 10 11 to 10 13 hertz and 10 13 ~ 4×10 14 hertz frequency band image is 1 channel 2D or 3D image, 10 16 ~ 10 20 hertz frequency band image is normalized to 2 channel 2D or 3D image, and noise is removed from the image In order to detect abnormal lesions or specific tissues of the skin layer, each of the skin tissue characteristics according to depth is individually considered and the contrast and brightness are adjusted in several stages to pre-process multi-band image information, characterized in that Visual AI-based skin disease diagnosis and skin condition analysis system.
상기 분석부는 표피(epidermis)와 진피(dermis) 그리고 피하지방 조직(subcutaneous tissue) 깊이에 따른 피부조직의 병변이나 특이점을 검출하거나 성질이나 상태를 인공지능 연산과정을 이용하여 분석하는 것을 특징으로 하는 다중대역 영상 정보를 처리하는 시각 인공지능 기반 피부 질환 진단 및 피부 상태 분석 시스템.According to claim 1,
The analysis unit detects lesions or singularities of the skin tissue according to the depth of the epidermis, dermis, and subcutaneous tissue, or analyzes properties or conditions using an artificial intelligence calculation process. A visual AI-based skin disease diagnosis and skin condition analysis system that processes band image information.
상기 평가부는 표피(epidermis)와 진피(dermis) 그리고 피하지방 조직(subcutaneous tissue) 깊이에 따른 피부조직의 병변이나 특이점을 검출하거나 성질이나 상태를 인공지능 연산과정을 이용하여 추정하거나, 이 결과로서 피부 질환을 특정 분류하거나 S개의 사전 설정된 기준에 따라 각 C개의 등급으로 계량화하여 평가하는 것을 특징으로 하는 다중대역 영상 정보를 처리하는 시각 인공지능 기반 피부 질환 진단 및 피부 상태 분석 시스템.According to claim 1,
The evaluation unit detects a lesion or singularity of the skin tissue according to the depth of the epidermis, the dermis, and the subcutaneous tissue, or estimates the property or state using an artificial intelligence calculation process, or as a result, the skin A visual AI-based skin disease diagnosis and skin condition analysis system that processes multi-band image information, characterized in that the disease is classified into a specific classification or quantified into C grades according to S preset criteria.
상기 제1단계의 각 대역에 해당하는 영상을 구분하여 수집하는 제2단계;
상기 제2단계의 수집된 영상에 대해 대역별로 구분하여 사전 설정된 필터에 따라 2차원 또는 3차원 영상으로 정규화하고 노이즈를 제거하여 전처리하는 제3단계;
상기 제3단계의 4× 1014 ~ 8×1014 hertz 주파수 대역에서 촬영된 영상에 대해 인공지능 연산과정에 의해 식별 가능한 패턴 형태로 피부조직 형상을 인식하고 그 형상의 좌표를 저장하는 제4단계;
상기 제4단계의 좌표를 1011 ~ 1013 hertz, 1013 ~ 4×1014 hertz, 1016 ~ 1020 hertz의 주파수 대역에 대한 영상에 일치하여 깊이에 따른 피부조직에 대한 세분화된 영역의 병변, 결함 및 특이점을 검출하고 성질이나 상태를 분석하는 제5단계;
상기 제5단계의 분석 결과를 기준으로 인식된 형상의 주변부를 사전 설정된 통계적 모델과 결합하여 그 시각적 모델링을 통해 생성된 스펙트럼 영상을 결합하여 피부조직을 2차원 또는 3차원 영상으로 시각화하는 제6-1단계;
상기 제5단계의 분석 결과를 기준으로 피부 병변을 질환별로 세부 분류하거나 피부 상태를 S개의 사전 설정된 기준에 따라 각 C개의 등급으로 계량화 추정하여 그 값을 시각 인공지능 모델의 학습을 위해 기록하는 제6-2단계; 및
상기 제5단계의 분석 결과를 기준으로 사전 학습되었거나 주기별로 지속적으로 학습되는 시각 인공지능 모델의 추론을 통해, 피부 병변을 질환별로 세부 분류하거나 피부 상태를 S개의 사전 설정된 기준에 따라 각 C개의 등급으로 계량화 추정하여 그 값을 평가하는 제6-3단계;를 포함하는 것을 특징으로 하는 다중대역 영상 정보를 처리하는 시각 인공지능 기반 피부 질환 진단 및 피부 상태 분석 방법.A camera module that detects visible light in the 4×10 14 ~ 8×10 14 hertz frequency band and any one of the 10 11 ~ 10 13 hertz, 10 13 ~ 4×10 14 hertz, 10 16 ~ 10 20 hertz frequency bands A first step of independently photographing an image corresponding to each band of the skin tissue using a device to which an abnormality detecting device is attached;
a second step of classifying and collecting images corresponding to each band of the first step;
a third step of pre-processing by dividing the collected images in the second step by bands, normalizing them into 2D or 3D images according to a preset filter, and removing noise;
A fourth step of recognizing the shape of the skin tissue in the form of a pattern that can be identified by an artificial intelligence calculation process for the image taken in the 4×10 14 ~ 8×10 14 hertz frequency band of the third step and storing the coordinates of the shape ;
By matching the coordinates of the fourth step to the images for the frequency bands of 10 11 ~ 10 13 hertz, 10 13 ~ 4×10 14 hertz, and 10 16 ~ 10 20 hertz, the lesion of the subdivided area of the skin tissue according to the depth , a fifth step of detecting defects and singularities and analyzing properties or states;
Step 6- Visualizing the skin tissue as a two-dimensional or three-dimensional image by combining the periphery of the recognized shape based on the analysis result of the fifth step with a preset statistical model and combining the spectral image generated through the visual modeling Stage 1;
Based on the analysis result of the 5th step, the skin lesion is classified in detail by disease, or the skin condition is quantified and estimated into C grades according to S preset criteria, and the value is recorded for learning the visual artificial intelligence model. Step 6-2; and
Based on the analysis result of the fifth step, through the inference of a visual artificial intelligence model that is learned in advance or is continuously learned for each cycle, the skin lesions are subdivided by disease or the skin condition is classified into C grades according to S preset criteria. A visual AI-based skin disease diagnosis and skin condition analysis method for processing multi-band image information, comprising: a step 6-3 of quantifying and estimating to evaluate the value.
상기 제3단계는 수집 영상을 대역별로 구분하여 해당 대역에 따라 사전 설정된 필터를 거쳐 4×1014 ~ 8×1014 hertz 주파수 대역 영상은 3채널의 2차원 또는 3차원 영상, 1011 ~ 1013 hertz 및 1013 ~ 4×1014 hertz 주파수 대역 영상은 1채널의 2차원 또는 3차원 영상, 1016 ~ 1020 hertz 주파수 대역 영상은 2채널의 2차원 또는 3차원 영상으로 정규화하여 그 영상에서 노이즈를 제거하고 피부층의 이상 병변 또는 특이 조직을 감지하기 위해 깊이에 따른 피부 조직 특성을 개별 고려하여 대비(contrast) 및 밝기(brightness)를 여러 단계로 조정하여 전처리하는 것을 특징으로 하는 다중대역 영상 정보를 처리하는 시각 인공지능 기반 피부 질환 진단 및 피부 상태 분석 방법. 7. The method of claim 6,
In the third step, the collected images are divided by bands, and the 4×10 14 ~ 8×10 14 hertz frequency band images are 2D or 3D images of 3 channels, 10 11 ~ 10 13 through a preset filter according to the band. Hertz and 10 13 ~ 4×10 14 hertz frequency band images are 1 channel 2D or 3D images, and 10 16 ~ 10 20 hertz frequency band images are normalized to 2 channels 2D or 3D images, and noise is generated in the image. Multi-band image information characterized in that it is pre-processed by adjusting the contrast and brightness in several stages in consideration of the skin tissue characteristics according to depth in order to remove and detect abnormal lesions or specific tissues in the skin layer A visual AI-based skin disease diagnosis and skin condition analysis method.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210027057A KR20220123165A (en) | 2021-02-28 | 2021-02-28 | System for the diagnosis of skin diseases and the analysis of skin states using multiband imagery information based on visual artificial intelligence and method thereof |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210027057A KR20220123165A (en) | 2021-02-28 | 2021-02-28 | System for the diagnosis of skin diseases and the analysis of skin states using multiband imagery information based on visual artificial intelligence and method thereof |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20220123165A true KR20220123165A (en) | 2022-09-06 |
Family
ID=83281389
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210027057A KR20220123165A (en) | 2021-02-28 | 2021-02-28 | System for the diagnosis of skin diseases and the analysis of skin states using multiband imagery information based on visual artificial intelligence and method thereof |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20220123165A (en) |
-
2021
- 2021-02-28 KR KR1020210027057A patent/KR20220123165A/en not_active Application Discontinuation
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Fernandes et al. | A novel nonintrusive decision support approach for heart rate measurement | |
| US5836872A (en) | Digital optical visualization, enhancement, quantification, and classification of surface and subsurface features of body surfaces | |
| JP4487535B2 (en) | Health measurement system and program | |
| KR20200116107A (en) | Automated monitoring of medical imaging procedures | |
| Gupta et al. | PCA as an effective tool for the detection of R-peaks in an ECG signal processing | |
| Fabelo et al. | A novel use of hyperspectral images for human brain cancer detection using in-vivo samples | |
| JP2015500722A (en) | Method and apparatus for detecting and quantifying skin symptoms in a skin zone | |
| KR102162683B1 (en) | Reading aid using atypical skin disease image data | |
| Butt et al. | Computer aided diagnosis (CAD) for segmentation and classification of burnt human skin | |
| Andreu-Cabedo et al. | Mirror mirror on the wall… An intelligent multisensory mirror for well-being self-assessment | |
| JP6471559B2 (en) | Diagnostic device, image processing method, image processing system, and program for the diagnostic device | |
| US20230363697A1 (en) | Acne severity grading methods and apparatuses | |
| TWI430776B (en) | Smart video skin test system and method of the same | |
| CN107169399B (en) | Face biological feature acquisition device and method | |
| TW202216050A (en) | Wound assessment method capable of identifying the severity level and area of a patient's wound by using a non-invasive spectral imaging method | |
| Udrea et al. | Real-time acquisition of quality verified nonstandardized color images for skin lesions risk assessment—A preliminary study | |
| Li | Hyperspectral imaging technology used in tongue diagnosis | |
| KR102654796B1 (en) | System for Differential Diagnosis of Dermatitis using Non-invasive Skin Biomarkers based on Visual Artificial Intelligence and Method Thereof | |
| KR20220123165A (en) | System for the diagnosis of skin diseases and the analysis of skin states using multiband imagery information based on visual artificial intelligence and method thereof | |
| Karmuse et al. | A robust rppg approach for continuous heart rate measurement based on face | |
| TWI759218B (en) | Non-contact heart rhythm category monitoring system and method | |
| Bedo et al. | Color and texture influence on computer-aided diagnosis of dermatological ulcers | |
| Hani et al. | Detection and classification of granulation tissue in chronic ulcers | |
| US20230346296A1 (en) | Monitoring of Autonomic Nervous System Activity Through Sweat Pore Activation | |
| Kharkar et al. | A Comprehensive Review of Emerging Technologies for Anemia Detection |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal |