KR100926769B1 - 혀 영상을 이용한 후태 박태 판별 방법 - Google Patents
혀 영상을 이용한 후태 박태 판별 방법 Download PDFInfo
- Publication number
- KR100926769B1 KR100926769B1 KR1020070121952A KR20070121952A KR100926769B1 KR 100926769 B1 KR100926769 B1 KR 100926769B1 KR 1020070121952 A KR1020070121952 A KR 1020070121952A KR 20070121952 A KR20070121952 A KR 20070121952A KR 100926769 B1 KR100926769 B1 KR 100926769B1
- Authority
- KR
- South Korea
- Prior art keywords
- image
- tongue
- value
- discrimination
- area
- Prior art date
Links
- 238000000034 method Methods 0.000 claims abstract description 50
- 238000012937 correction Methods 0.000 claims abstract description 37
- 230000035935 pregnancy Effects 0.000 claims abstract description 8
- 230000008569 process Effects 0.000 claims description 14
- 210000000746 body region Anatomy 0.000 claims description 3
- 210000003608 fece Anatomy 0.000 claims description 2
- 230000001605 fetal effect Effects 0.000 claims description 2
- 210000000867 larynx Anatomy 0.000 abstract description 8
- 208000017442 Retinal disease Diseases 0.000 abstract 1
- 206010038923 Retinopathy Diseases 0.000 abstract 1
- 210000002105 tongue Anatomy 0.000 description 93
- 238000010586 diagram Methods 0.000 description 17
- 210000003754 fetus Anatomy 0.000 description 11
- 238000003745 diagnosis Methods 0.000 description 10
- 238000009826 distribution Methods 0.000 description 9
- 239000003814 drug Substances 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 210000001835 viscera Anatomy 0.000 description 3
- 230000000740 bleeding effect Effects 0.000 description 2
- 238000002405 diagnostic procedure Methods 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 229940124595 oriental medicine Drugs 0.000 description 2
- 231100000915 pathological change Toxicity 0.000 description 2
- 230000036285 pathological change Effects 0.000 description 2
- 208000002177 Cataract Diseases 0.000 description 1
- 102000011782 Keratins Human genes 0.000 description 1
- 108010076876 Keratins Proteins 0.000 description 1
- 241000227425 Pieris rapae crucivora Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000000601 blood cell Anatomy 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 210000002249 digestive system Anatomy 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000000981 epithelium Anatomy 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 210000003296 saliva Anatomy 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 230000028327 secretion Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000009736 wetting Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
- A61B5/4538—Evaluating a particular part of the muscoloskeletal system or a particular medical condition
- A61B5/4542—Evaluating the mouth, e.g. the jaw
- A61B5/4552—Evaluating soft tissue within the mouth, e.g. gums or tongue
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/1032—Determining colour for diagnostic purposes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/46—Measurement of colour; Colour measuring devices, e.g. colorimeters
- G01J3/462—Computing operations in or between colour spaces; Colour management systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Medical Informatics (AREA)
- Heart & Thoracic Surgery (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Physical Education & Sports Medicine (AREA)
- Rheumatology (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Mathematical Physics (AREA)
- Multimedia (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Image Processing (AREA)
Abstract
본 발명은 영상을 이용하여 후태와 박태를 분류하는 방법에 관한 것으로, 설체 부분이 촬영된 원본 영상을 명도 및 채도에 관해 각각 보정하여 밝기 보정 영상 및 채도 보정 영상을 구하는 제 1 단계, 상기 원본 영상, 밝기 보정 영상 및 채도 보정 영상에서 최대 가로축의 컬러값을 추출하고 평균 및 표준편차를 구하는 제 2 단계, 상기 추출된 컬러값에서 임계값을 설정하여 상기 임계값을 기준으로 상기 원본 영상, 밝기 보정 영상 및 채도 보정 영상을 설태 영역 영상과 설질 영역 영상으로 분할하는 제 3 단계, 상기 제 3 단계에서 분할된 3 개 설태 영역 영상의 1/4, 1/2, 3/4 지점에서 가로축 컬러값을 추출하고 평균 및 표준편차를 구하는 제 4 단계, 상기 제 2 단계 및 제 4 단계에서 계산된 평균 또는 표준편차를 변수로 사용하는 판별 함수를 이용하여 후태 및 박태를 판별하는 제 5 단계를 포함하여 이루어져, 영상 획득시의 조명 조건이나 주변 환경의 영향을 받지 않아 정확도가 높은 후태 및 박태의 분류가 가능하여 정확한 체질과 병증이 진단이 가능하다.
혀, 설체, 설태, 백태, 후태, 박태, 영상, 보정
Description
본 발명은 영상을 이용하여 후태와 박태를 분류하는 방법에 관한 것으로 영상 획득시의 조명조건이나 주변환경의 영향을 받지 않고 평면적인 혀 영상을 분석하여 설태를 후태와 박태로 분류하는 혀 영상을 이용한 후태 박태 판별 방법에 관한 것이다.
한의학에서 혀는 인체의 생리, 병리 상태를 반영하는 기관으로서 다른 인체 기관과 관련된 여러 생리기능을 가지고 있으며 특히 설상(舌象)은 인체 내 각종 생리적, 병리적 변화를 객관적으로 반영한다고 얘기하고 있다. 이는 인체 각부는 경락을 운행하는 영위기혈을 통하여 통일된 전일체를 이루고 있어서 어떤 질병이 생기면 반드시 기혈의 정상 운행에 영향을 미치어 국부에 변화를 일으키며, 특히 혀는 구강 속에서 밖으로 드러낸 모양을 한 내장으로서 어떠한 기혈진액의 이상변화도 경락의 전도를 통하여 설상에 나타나므로 변화에 영민하고 관찰에 편리하다는 한의학적 이론을 바탕으로 하고 있다.
이처럼 한의학에서 내장변화를 반영하는 거울이라 여기는 혀는 주로 시각정 보에 의해 진단하게 되는데, 그것의 색깔과 형태, 움직임, 설질과 설태 등을 이용하여 장부의 상태를 진단하게 되며, 특히, 설태라 불리는 혓바닥에 이끼처럼 덮인 물질은 그것의 색깔, 습윤 정도, 두께, 형태와 설태가 낀 범위 등을 통해 사기의 성질과 침입한 부위, 진액이 있고 없는 것을 가려볼 수 있다고 하여 중요한 진단요소로 이용되고 있다.
하지만 비침습적이고 간편한 진단방법임에도 불구하고 설진은 정량화, 표준화의 문제로 인해 널리 활용되지 못하고 있다. 광원과 같은 진단환경의 변화가 진단결과에 많은 영향을 미치게 되며, 진단자의 경험과 지식을 바탕으로 하기 때문에 객관적이고 재현성 있는 결과를 얻기가 힘들기 때문이다. 최근에 들어 비침습적 진단방법에 대한 관심이 높아지면서 설진의 이런 문제를 해결하기 위해 다양한 연구들이 진행되고 있다.
혀 영상 획득과 관련하여 1986년 중국에서는 광원, 온도뿐 아니라 의사의 심리적 요소에 의해 잘못된 결론을 얻는다는 것을 문제로 제기하고 이를 해결하기 위해 표준 광원 조건 아래 조명을 균등하게 혀 위에 투사하고 촬영하는 방법을 연구하였으며, 그 후 보다 정확한 영상을 얻기 위한 연구들 - 조명각도와 휘도, 측정자의 자세 등을 제어하는 방법, 영상획득 환경을 제어하는 방법, 카메라의 조리개, 셔터, 노출 조정 방법 등과 관련한 연구가 진행되었다. 또, 얻어진 영상으로부터 진단에 필요한 혀 영역을 검출하는 방법에 대한 연구도 진행되었다. 초기 수동영역 검출 방법에서 시작하여 최근에는 자동 영역 검출 알고리즘에 대한 연구가 많이 진행되고 있으며, 다양한 영상분할 방법을 적용한 연구들이 진행되고 있다.
관련된 종래 발명을 살펴보면, 혀 영상으로부터 관심영역을 추출방법 및 혀 영상을 이용한 건강 모니터링 방법 및 장치(한국공개특허 10-2004-0059312, 2004. 07. 05 공개)는 혀 영상을 획득하고 이로부터 5개의 관심영역을 추출하여 데이터 베이스의 기본 혀 영상과 비교하여 건강 상태를 모니터링 하도록 구성되는데, 기본 혀 영상이나 혀 영상 촬영시 조명등에 의해 판별결과가 영향을 받으며, 특히 설진에 관한 연구이긴 하나 설태의 두께를 판별할 수는 없는 문제점이 있다.
또한, 설태 두께 측정 및 수직 영상 획득 장치 및 방법(한국공개특허 10-2006-0053033, 2006.05.19 공개)은 광원을 이용하여 광 프로브로부터 반사되는 간섭광의 상대적인 세기에 상응하는 부분 수직 영상을 획득하는 장치를 제안하고 있으나, 주어진 영상의 분석을 통해 설태의 두께를 판별하지 않고 별도의 장치를 적용시켜 판별하여야 하므로 직접 혀를 재촬영해야 하는 번거로움이 있고 평면 영상으로는 설태의 두께를 판별할 수 없다는 문제점이 있다.
본 발명은 상기한 종래 기술의 문제점을 해결하기 위하여 안출된 것으로서, 영상 획득시의 조명조건이나 주변환경의 영향을 받지 않으며, 객관화된 판별함수를 이용하여 후태와 박태의 분류를 가능하게 하는 영상을 이용한 후태 박태 판별 방법을 제공하는데 그 목적이 있다.
상기한 과제를 해결하기 위한 본 발명에 따른 혀 영상을 이용한 후태 박태 판별 방법은 설체 부분이 촬영된 원본 영상을 명도 및 채도에 관해 각각 보정하여 밝기 보정 영상 및 채도 보정 영상을 구하는 제 1 단계, 상기 원본 영상, 밝기 보정 영상 및 채도 보정 영상에서 최대 가로축의 컬러값을 추출하고 평균 및 표준편차를 구하는 제 2 단계, 상기 추출된 컬러값에서 임계값을 설정하여 상기 임계값을 기준으로 상기 원본 영상, 밝기 보정 영상 및 채도 보정 영상을 설태 영역 영상과 설질 영역 영상으로 분할하는 제 3 단계, 상기 제 3 단계에서 분할된 3 개 설태 영역 영상의 1/4, 1/2, 3/4 지점에서 가로축 컬러값을 추출하고 평균 및 표준편차를 구하는 제 4 단계, 상기 제 2 단계 및 제 4 단계에서 계산된 평균 또는 표준편차를 변수로 사용하는 판별 함수를 이용하여 후태 및 박태를 판별하는 제 5 단계를 포함하여 이루어진다.
여기서, 상기 제 1 단계는 원본 영상을 HSV 포맷 영상으로 변환하는 제 1 과정, 상기 HSV 포맷 영상의 V값 히스토그램을 평활화(Equalization)하여 밝기 보정 영상을 구하는 제 2 과정, 상기 HSV 포맷 영상을 S값의 히스토그램을 확장(Stretching)하여 채도 보정 영상을 구하는 제 3 과정을 포함하여 이루어진다.
상기 제 2 단계에서 최대 가로축은 설체 영역 중 가로폭이 가장 넓은 부분이다.
상기 제 3 단계는 임계값을 설정하는 제 1 과정, 상기 임계값 이상의 컬러값을 가지는 영역을 설태 영역 영상으로 분할하는 제 2 과정, 상기 임계값 미만의 컬러값을 가지는 영역을 설질 영역 영상으로 분할하는 제 3 과정을 포함하여 이루어진다.
상기 제 4 단계는 상기 설태 영역 영상의 상부에서부터 1/4, 1/2, 3/4 지점에서 가로축 컬러값을 추출한다.
상기 컬러값 및 임계값은 RGB 컬러값 중 G 값이다.
상기 제 5 단계는 상기 제 2 단계 및 상기 제 4 단계에서 계산된 G값의 표준편차를 변수로 하는 판별 함수의 판별도를 기준으로 후태 및 박태를 판별한다.
상기 판별도가 소정의 기준값보다 큰 경우에는 후태로 판별하고, 상기 기준값보다 작은 경우에는 박태로 판별한다.
상기와 같이 구성되는 본 발명에 따른 혀 영상을 이용한 후태 박태 판별 방법은 설태의 특성을 강조한 영상 및 설태와 설질을 분리한 영상을 이용하여 후태와 박태를 분류하기 위한 객관화된 판별함수를 얻을 수 있으며, 영상 획득시의 조명 조건이나 주변 환경의 영향을 받지 않아 정확도가 높은 분류가 가능하여 정확한 체 질과 병증이 진단이 가능하다.
이하, 첨부된 도면을 참조하여 본 발명의 구체적인 구성 및 실시예를 설명하면 다음과 같다.
한의학에서 혀는 점막 상피가 얇고 투명하며, 혈관과 신경이 풍부하여 변화를 명확하게 볼 수 있어 체내의 각종 변화를 반영하는 매우 분명한 표식이라 여기고 있다. 때문에 설상(舌象)은 내장의 변화를 반영하는 창문의 역할을 한다고 하여 여러 가지 변증(八綱, 六經, 三焦 衛氣營血)에서도 중요한 변증 지표로 삼고 있기도 하다.
설진에서 주요 진단 요소로 보고 있는 설태란 주로 혀에서 떨어져 나온 유두각질, 모상유두 사이사이에 음식물 찌꺼기, 혈구, 구강미생물 등이 쌓여서 형성된 것으로 정상의 설태는 음식물과 타액이 섞여 마찰되면서 혀의 유두사이 틈에 침적되어 흰색을 띄며 얇고 윤택(薄白潤澤)하게 보이게 되는데, 이를 다른 말로 혀의 자결작용(自決作用)이라 부른다. 만약 신체에 병리변화가 발생되면 타액의 분비가 억제되고, 자결작용에 영향을 미쳐 정상과는 다른 설태를 볼 수 있으며, 특히 주로 소화기 계통에 문제가 생기게 되면 설태가 두터워지고 색깔도 황색에서부터 회갈색까지 다양하게 변하게 된다.
이 중 설태의 두께는 설진에서 설태의 색 다음으로 주요한 진단 기준이 되는 요소로 설태가 두꺼우면 후태, 얇으면 박태로 진단하여 정사의 경중이나 병변의 심천(深淺) 경중을 측정할 수 있는 지표로서 유용하게 사용하고 있다. 하지만, 이러 한 설태의 두께를 나누는 기준이 모호하여 이를 정량화하기 위한 연구가 필요한 실정이다.
본 발명에서는 이러한 설태의 두께를 정량적으로 구분하기 위해 임상에서 가장 많이 나타나는 백태 중 후태와 박태를 대상으로 설태의 두께를 정량적으로 구분할 수 있는 방법에 대해 알아보았다.
다양한 영상변환 및 영상분류를 통해 후태와 박태의 구분에 유의한 변수를 추출하고, 이를 기반으로 판별함수를 설계하였다.
도 1 은 본 발명에 따른 혀 영상을 이용한 후태 박태 판별 방법이 도시된 순서도이다.
도 1을 참조하면 본 발명에서는 먼저 설체 영역만이 표시된 원본 영상이 필요하다. 객관화된 혀 영상을 얻기 위해 본 발명에서는 디지털 설진 시스템을 이용하였다.
도 2는 디지털 설진 시스템의 외관이 도시된 도이며, 도 3은 상기 디지털 설진 시스템에 의해 촬영된 안면 영상이 도시된 도이다.
도 2에서 볼 수 있는 디지털 설진 시스템은 표준화된 광원과 디지털 카메라를 이용하여 설 영상을 획득하고 색상보정을 통해 보다 정확한 영상을 얻을 수 있게 디자인된 장치로 접안부에 고정이 되었을 때 효과적으로 암실을 형성할 수 있도록 인체 공학적으로 설계되었으며 광원을 표준화하기 위해 태양광과 가까운 색온도(5500K) 특성을 가진 스트로브(strobe) 조명을 사용하였다.
그러나, 이러한 디지털 설진 시스템으로 촬영된 영상이 아니라도 본 발명을 적용하여 후태와 박태를 구별할 수 있으며, 본 발명에 사용된 영상은 상기 설명한 것에 제한되지 않고 혀의 설체 부분이 촬영된 영상이면 모두 본 발명이 적용될 수 있다.
본 발명에서는 한방병원 및 협력기관으로부터 720명의 피험자를 모집하여 도 2와 같이 혀를 포함한 안면 영상을 획득하였으며, 이로부터 혀 부분의 영상만을 추출하였다.
진단에는 설영역만 필요하므로 설체 부분만 추출된 영상이 본 발명에서 원본 영상이 된다. 즉, 설체 이외의 부분은 검은색으로 되어 설체 이외의 입술이나 턱 등은 보이지 않는 것이 바람직하다.
추출된 설체가 나타나있는 원본 영상은 RGB의 24 bit BMP 영상으로 1280×960의 해상도를 가진 영상이나, 이에 한하지 않고 다양한 포맷 또는 다양한 해상도의 영상이 사용될 수 있다.
본 발명에 따른 혀 영상을 이용한 후태 박태 판별 방법은 설체 영역이 촬영된 원본 영상을 전처리 과정을 통해 보정을 하여 보정된 영상을 구한다. 이는 일반적으로 촬영시 조명조건이나 주위환경에 따라 원본 영상의 색감이나 명도가 달라지므로, 이러한 조명이나 주위환경에 의한 영향을 제거하기 위함일 뿐만 아니라 보정된 영상을 이용하여 더욱 정확한 판별을 하기 위함이다. 즉, 원본 영상과 함께 보정된 영상도 후태 박태를 판별하는데 사용되므로 더욱 정확한 판별이 가능하다.
구체적으로 설명하면, 원본 영상을 명도와 채도에 대해 보정한다(S100).
이 과정을 도 4 내지 도 5c를 참조하여 더욱 상세히 설명한다. 도 4는 원본 영상을 보정하여 보정된 영상을 획득하는 과정이 도시된 순서도이며, 도 5a는 원본 영상, 도 5b는 명도값이 보정된 명도 보정 영상, 도 5c는 채도값이 보정된 채도 보정 영상이 도시된 도이다.
도 4를 참조하면, 본 발명에서 영상을 보정하는 단계는 먼저, 원본 영상을 HSV 포맷으로 변환한다(S110).
도 5a는 설체 부분만 나타난 원본 영상인데, 상하의 두 영상은 촬영상태에 따라 밝기에 약간 차이가 있다.
H(Hue)는 색상, S(Saturation)은 채도, V(Value)는 명도를 나타낸다.
다음으로, 원본 영상의 명도값(V값) 히스토그램을 평활화(Equalization)하여 명도 보정된 영상을 구한다(S120).
서로 다른 밝기를 가진 영상을 보정하기 위해 HSV중 명도를 나타내는 V값의 히스토그램을 평활화하여 특정 부분으로 치우친 밝기 분포를 넓혀주어 전체적으로 고른 명도값을 가지게 하는 것이다.
도 5b는 도 5a의 영상을 명도 평활화시킨 명도 보정 영상이다. 상하의 두 영상을 살펴보면 먼저 위쪽의 원본 영상은 어두웠고 아래쪽의 원본 영상은 상대적으로 밝은 영상이었으나, 명도 평활화를 수행한 결과 두 영상이 비슷한 명도를 가지게 된 것을 알 수 있다.
다음으로, 설태와 설질에서 차이를 보이는 채도값을 강조하기 위해 HSV의 S값의 히스토그램을 확장한다(S130). 이러한 S값 확장은 원본 영상에 대해 이루어지거나 앞선 명도 평활화하여 얻은 명도 보정 영상에 대해 이루어질 수 있다.
도 5c를 참조하면, 흰색 부분은 더 희게되고 붉은색 부분은 더 붉게 보정된다. 상기 흰색 부분이 설태가 있는 부분이고 붉은색 부분이 설질 영역이다.
보정에 의해 설태 부분이 더 뚜렷하게 관찰됨을 알 수 있다.
다음으로 원본 영상, 명도 보정 영상, 채도 보정 영상에서 최대 가로축 컬러값을 추출한다(S200).
여기서 최대 가로축이라 함은 설체 영상에서 가로축이 가장 큰 부분의 수평 라인을 말하며, 이 수평라인에 존재하는 컬러값을 라인을 따라 추출하는 것이다.
도 6a는 원본 영상에서 최대 가로축(W0)이 도시된 도이며, 도 6b는 최대 가로축의 컬러값을 R, G, B 값에 대해 분해한 컬러값 분포가 도시된 그래프이다.
도 6b를 참조하면 혀는 전체적으로 붉은 빛을 가지므로 R 값이 두텁게 분포함을 알 수 있다.
이렇게 추출된 컬러값의 평균 및 표준편차를 구한다.
다음으로, 상기에서 분석한 가로축 컬러값을 바탕으로 임계값을 설정하여 설태 영역과 설질 영역을 분할한다(S300).
도 7은 본 발명에 따라 설태 영역과 설질 영역을 분할하는 과정이 구체적으로 도시된 도이다.
도 7을 참조하여 상세히 설명하면, 먼저 최대 가로축의 컬러값범위 내에서 소정의 임계값을 설정한다(S310). 이 임계값은 흰 색과 붉은 색을 구분하는 경계가 되는 값이다.
이 임계값을 각 픽셀의 컬러값과 비교(S320)하여 해당 픽셀의 컬러값이 임계 값 이상인 경우에는 흰색에 가깝다고 판단하여 설태 영역으로 분류하고(S330), 임계값 미만인 경우에는 붉은색에 가깝다고 판단하여 설질 영역으로 분류한다(S340).
도 8은 설태 영역 영상과 설질 영역 영상이 도시된 도이다.
도 8의 (a)는 원본 영상의 설태 영역 영상이며, (b)는 원본 영상의 설질 영역 영상이다.
도 8의 (c)는 채도 보정 영상의 설태 영역 영상이며, (d)는 채도 보정 영상의 설질 영역 영상이다.
상기와 같이 설태 영역과 설질 영역을 분할하는 과정은 원본 영상, 명도 보정 영상, 채도 보정 영상 모두에 대해 이루어진다.
다음으로, 원본 영상, 명도 보정 영상 및 채도 보정 영상 각각을 설태와 설질로 분리하고 두 영상 중 설태 영역 영상의 1/4, 1/2, 3/4 지점에서 가로축의 컬러값을 추출한다(S400).
도 9a는 설태 영역 영상에서 1/4, 1/2, 3/4 지점의 가로축(W1, W2, W3)이 도시된 도이며, 도 9b는 1/4, 1/2, 3/4 지점의 가로축에서의 컬러값이 도시된 그래프이다.
도 9a 의 각 분할 지점은 설태 영역의 맨 위와 맨 아래를 전체 길이로 보고 분할한다. 설체 전체를 기준으로 하는 것이 아니라 설태 영역만을 기준으로 한다.
이렇게 추출된 컬러값의 평균 및 표준편차를 구한다.
백태의 경우, 후태가 박태보다 백색을 띄는 영역이 넓고 두꺼우므로 박태와 후태간에 HSV의 S, 즉, 채도값에 차이가 있으며, RGB에서는 밝기와 관련된 G값의 차이로 박태, 후태를 구분할 수 있다. 특히, 태가 드문드문 있는 박태의 특성으로 인해 평균값보다는 표준편차에서 차이를 보인다.
상기에서 구한 각 컬러값의 평균 및 표준편차를 이용하여 판별함수를 만들기 위해 영상을 분석해 보았다.
설태영역으로 추출된 영상에서 태가 뚜렷이 나타나는 영역과 그렇지 않은 영역의 G값 비교 후 임계값(threshold)을 지정하였다. 임계값 기준으로 설태 영역을 분리하여 G값이 일정값 이상 되는 영역의 넓이 및 분포를 비교해 보았다.
도 10a는 백색 박태의 경우 원래의 설태 영역 영상과 G값의 임계값이 180인 경우, G값의 임계값이 200인 경우의 영상이 도시된 도이며, 도 10b는 백색 후태의 경우 원래의 설태 영역 영상과 G값의 임계값이 180인 경우, G값의 임계값이 200인 경우의 영상이 도시된 도이다.
분석 결과, 후태의 경우 설태 영역 중 임계값 이상되는 영역의 범위가 대체적으로 더 넓으며, 백태는 전반적으로 드문드문 흩어져 있고, 후태는 뭉쳐있는 태의 면적이 넓은 것을 확인할 수 있다.
본 발명은 앞서 구한 24개의 변수(원본 영상, 채도 보정 영상, 명도 보정 영상의 최대 가로축 컬러값의 각 평균 및 표준편차 6 개와 원본 영상, 채도 보정 영상, 명도 보정 영상의 1/4, 1/2, 3/4 지점의 가로축 컬러값의 각 평균 및 표준편차 18개)를 이용하여 통계기법을 통해 태 분류에 유의한 변수를 찾고 판별식을 도출하였다.
분석에 이용한 판별분석은 다변량 통계기법 중의 하나로 범주형의 집단변수 (종속변수)를 설명해 줄 수 있는 등간 척도나 비유 척도의 판별변수(독립변수)를 찾아 이들의 선형결합에 의해 판별함수를 도출하고 분류하고자 하는 각 대상의 특성을 대입하여 각 대상들이 속하는 집단을 찾아내는 방법이다.
본 발명은 태가 드문드문 있는 박태의 특성으로 인해 평균값보다는 표준편차에서 차이를 보이기 때문에 G값의 표준편차를 변수로 하여 판별함수를 구하였다.
이렇게 만들어진 판별함수는 아래 [수학식 1]과 같고, [수학식 2]는 평균을 이용하여 만든 판별함수이다.
여기서, α는 스칼라값의 판별계수, A,B 및 C는 3×1 벡터값의 판별계수, D는 판별도이다.
통계 프로그램을 통해 다양한 혀 영상으로부터 상기에서 설명한 방법으로 구한 각 독립변수의 상대적 중요도를 나타내는 표준화된 판별계수를 통해 최대가로축 G값의 표준편차와 밝기보정영상의 설태 1/4지점 G값 표준편차가 후태와 박태를 구분하는데 설명력이 높음을 알 수 있었으며, 이 중에서도 최대가로축에 해당하는 G값의 표준편차는 1.037, 밝기를 보정한 영상의 설태 1/4지점의 G값 표준편차는 -0.512로 최대가로축 G값의 표준편차가 가장 설명력이 높음을 알 수 있었다. 이 두 변수를 이용하여 후태, 박태를 효과적으로 구분할 수 있는 표준화된 정준 판별함수를 구해 보면 다음 [수학식 3]과 같다. 판별함수는 두 변수의 선형결합으로 만들어진다.
여기서, α와 β는 스칼라값의 판별계수, D는 판별도이다.
상기의 판별함수를 이용하여 분리된 설태 영상으로부터 얻은 최대가로축의 G값 표준편차와 밝기보정 후 구한 설태의 1/4지점의 G 표준편차를 입력하여 출력 D값을 구하고, D값이 소정의 기준값보다 크면 후태, 작으면 박태라 분류한다.
본 발명의 일 실시예로 상기 기준값은 통계프로그램을 통해 자동으로 구할 수 있으며, 본 발명의 실험에서는 기준값이 0.806으로 산출되었다.
도 11은 판별함수를 이용하여 실험에서 구한 후태, 박태 52명의 D값의 빈도분포를 살펴본 결과가 도시된 도이다.
도 11을 참조하면, 후태 분포의 중심점은 1.908, 박태 분포의 중심점은 -0.297로 두 설태의 범위가 비교적 뚜렷하게 구분되는 것을 볼 수 있으며, 분포가 서로 겹치는 부분도 적음을 확인할 수 있다.
하기의 표1은 본 발명에 따른 혀 영상을 이용한 후태 박태 판별 방법을 사용하여 판별한 결과와 실제 한의사가 진단한 결과가 비교 예시된 표이다.
| 예측된 결과 | 전체 | |||
| 박태 | 후태 | |||
| 한의사 진단 | 박태 45 | 43(95.6%) | 2(4.4%) | 45 |
| 후태 7 | 2(28.6%) | 5(71.4%) | 7 | |
판별함수의 정확성을 보기 위해 한의사의 태 진단과 판별함수의 결과를 비교해보았다. [표 1]에서 볼 수 있듯이, 한의사가 박태라 진단한 45명에 대하여 판별함수의 결과 43명을 박태라 분류하였으며, 후태의 경우 한의사가 진단한 7명 중 5명을 후태라 분류하였음을 볼 수 있었다. 이를 통해 전체적으로는 92.3%의 우수한 예측율을 보임을 알 수 있다.
이상과 같이 본 발명에 의한 혀 영상을 이용한 후태 박태 판별 방법을 예시된 도면을 참조로 설명하였으나, 본 명세서에 개시된 실시예와 도면에 의해 본 발명은 한정되지 않고, 기술사상이 보호되는 범위 이내에서 응용될 수 있다.
도 1 은 본 발명에 따른 혀 영상을 이용한 후태 박태 판별 방법이 도시된 순서도,
도 2는 디지털 설진 시스템의 외관이 도시된 도,
도 3은 상기 디지털 설진 시스템에 의해 촬영된 안면 영상이 도시된 도,
도 4는 원본 영상을 보정하여 보정된 영상을 획득하는 과정이 도시된 순서도이,
도 5a는 원본 영상이 도시된 도,
도 5b는 명도값이 보정된 명도 보정 영상이 도시된 도,
도 5c는 채도값이 보정된 채도 보정 영상이 도시된 도,
도 6a는 원본 영상에서 최대 가로축(W0)이 도시된 도,
도 6b는 최대 가로축의 컬러값을 R, G, B 값에 대해 분해한 컬러값 분포가 도시된 그래프,
도 7은 본 발명에 따라 설태 영역과 설질 영역을 분할하는 과정이 구체적으로 도시된 도,
도 8은 설태 영역 영상과 설질 영역 영상이 도시된 도,
도 9a는 설태 영역 영상에서 1/4, 1/2, 3/4 지점의 가로축(W1, W2, W3)이 도시된 도,
도 9b는 1/4, 1/2, 3/4 지점의 가로축에서의 컬러값이 도시된 그래프,
도 10a는 백색 박태의 경우 원래의 설태 영역 영상과 G값의 임계값이 180인 경우, G값의 임계값이 200인 경우의 영상이 도시된 도,
도 10b는 백색 후태의 경우 원래의 설태 영역 영상과 G값의 임계값이 180인 경우, G값의 임계값이 200인 경우의 영상이 도시된 도,
도 11은 판별함수를 이용하여 실험에서 구한 후태, 박태 52명의 D값의 빈도분포를 살펴본 결과가 도시된 도이다.
Claims (11)
- 설체 영역이 촬영된 원본 영상을 명도 및 채도에 관해 각각 보정하여 밝기 보정 영상 및 채도 보정 영상을 구하는 제 1 단계;상기 원본 영상, 밝기 보정 영상 및 채도 보정 영상에서 상기 설체 영역 중 가로폭이 가장 큰 부분의 수평라인인 최대 가로축을 구성하는 컬러값을 추출하고, 추출된 컬러값의 평균 및 표준편차를 구하는 제 2 단계;상기 추출된 컬러값에서 임계값을 설정하여 상기 임계값을 기준으로 상기 원본 영상, 밝기 보정 영상 및 채도 보정 영상을 각각 설태 영역 영상과 설질 영역 영상으로 분할하는 제 3 단계;상기 제 3 단계에서 분할된 3 개 설태 영역 영상의 1/4, 1/2, 3/4 지점에서 가로축 컬러값을 추출하고 평균 및 표준편차를 구하는 제 4 단계;상기 제 2 단계 및 제 4 단계에서 계산된 평균 또는 표준편차를 변수로 사용하는 판별 함수의 판별도를 이용하여 후태 및 박태를 판별하는 제 5 단계를 포함하여 이루어지는 혀 영상을 이용한 후태 박태 판별 방법.
- 청구항 1에 있어서,상기 제 1 단계는 원본 영상을 HSV 포맷 영상으로 변환하는 제 1 과정;상기 HSV 포맷 영상의 V값 히스토그램을 평활화(Equalization)하여 밝기 보정 영상을 구하는 제 2 과정;상기 HSV 포맷 영상을 S값의 히스토그램을 확장(Stretching)하여 채도 보정 영상을 구하는 제 3 과정을 포함하여 이루어지는 혀 영상을 이용한 후태 박태 판별 방법.
- 삭제
- 청구항 1에 있어서,상기 제 3 단계는 임계값을 설정하는 제 1 과정;상기 임계값 이상의 컬러값을 가지는 영역을 설태 영역 영상으로 분할하는 제 2 과정;상기 임계값 미만의 컬러값을 가지는 영역을 설질 영역 영상으로 분할하는 제 3 과정을 포함하여 이루어지는 혀 영상을 이용한 후태 박태 판별 방법.
- 청구항 1에 있어서,상기 제 4 단계는 상기 설태 영역 영상의 상부에서부터 1/4, 1/2, 3/4 지점 에서 가로축 컬러값을 추출하는 것을 특징으로 하는 혀 영상을 이용한 후태 박태 판별 방법.
- 청구항 1, 청구항 2, 청구항 4 또는 청구항 5 중 어느 하나의 청구항에 있어서,상기 컬러값 및 임계값은 RGB 컬러값 중 G 값인 것을 특징으로 하는 혀 영상을 이용한 후태 박태 판별 방법.
- 청구항 6에 있어서,상기 제 5 단계는 상기 제 2 단계 및 상기 제 4 단계에서 계산된 G값의 표준편차를 변수로 하는 판별 함수의 판별도를 기준으로 후태 및 박태를 판별하는 제 5 단계를 포함하여 이루어지는 혀 영상을 이용한 후태 박태 판별 방법.
- 청구항 7에 있어서,상기 제 5 단계의 판별함수는 아래의 수학식으로 표현되는 것을 특징으로 하는 혀 영상을 이용한 후태 박태 판별 방법.
(여기서, α는 스칼라값의 판별계수, A,B 및 C는 3×1 벡터값의 판별계수, D는 판별도) - 청구항 6에 있어서,상기 제 5 단계의 판별함수는 아래의 수학식으로 표현되는 것을 특징으로 하는 혀 영상을 이용한 후태 박태 판별 방법.
(여기서, α는 스칼라값의 판별계수, A,B 및 C는 3×1 벡터값의 판별계수, D는 판별도) - 청구항 6에 있어서,상기 제 5 단계의 판별함수는 아래의 수학식으로 표현되는 것을 특징으로 하는 혀 영상을 이용한 후태 박태 판별 방법.
(여기서, α와 β는 스칼라값의 판별계수, D는 판별도) - 청구항 8에 있어서,상기 혀 영상을 이용한 후태 박태 판별 방법은 상기 판별도 D가 기 설정된 기준값보다 큰 경우에는 후태로 판별하고, 상기 기준값보다 작은 경우에는 박태로 판별하는 것을 특징으로 하는 혀 영상을 이용한 후태 박태 판별 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020070121952A KR100926769B1 (ko) | 2007-11-28 | 2007-11-28 | 혀 영상을 이용한 후태 박태 판별 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020070121952A KR100926769B1 (ko) | 2007-11-28 | 2007-11-28 | 혀 영상을 이용한 후태 박태 판별 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20090055172A KR20090055172A (ko) | 2009-06-02 |
| KR100926769B1 true KR100926769B1 (ko) | 2009-11-16 |
Family
ID=40986881
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020070121952A KR100926769B1 (ko) | 2007-11-28 | 2007-11-28 | 혀 영상을 이용한 후태 박태 판별 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR100926769B1 (ko) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150048297A (ko) * | 2013-10-25 | 2015-05-07 | 한국 한의학 연구원 | 영상 진단 장치 및 방법 |
| CN104572538B (zh) * | 2014-12-31 | 2017-08-25 | 北京工业大学 | 一种基于k‑pls回归模型的中医舌图像颜色校正方法 |
| CN105232050B (zh) * | 2015-09-18 | 2018-10-19 | 天津中医药大学 | 一种人体舌苔厚度的无创检测装置 |
| KR102233433B1 (ko) * | 2019-01-30 | 2021-03-26 | 김연호 | 음양오행체질 분석장치 및 이를 이용한 체질별 건강정보 제공방법 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20040059312A (ko) * | 2002-12-28 | 2004-07-05 | 삼성전자주식회사 | 혀영상으로부터 관심영역 추출방법 및 혀영상을 이용한건강 모니터링방법 및 장치 |
-
2007
- 2007-11-28 KR KR1020070121952A patent/KR100926769B1/ko not_active IP Right Cessation
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20040059312A (ko) * | 2002-12-28 | 2004-07-05 | 삼성전자주식회사 | 혀영상으로부터 관심영역 추출방법 및 혀영상을 이용한건강 모니터링방법 및 장치 |
Non-Patent Citations (1)
| Title |
|---|
| 논문1:산학기술학회 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20090055172A (ko) | 2009-06-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8467583B2 (en) | Medical imaging method and system | |
| US8027533B2 (en) | Method of automated image color calibration | |
| US7613335B2 (en) | Methods and devices useful for analyzing color medical images | |
| JP4487535B2 (ja) | 健康度測定システムおよびプログラム | |
| EP3219251A1 (en) | Organ image capture device and program | |
| JP2009509708A (ja) | 肌の欠陥部の特性評価を行う方法及び装置並びに化粧製品の老化防止効果を評価する方法 | |
| JP2001504020A (ja) | 皮膚組識学の測定のための方法 | |
| EP3139339A1 (en) | Health degree assessing device and health degree assessing system | |
| WO1997047235A1 (en) | Dermal diagnostic analysis system and method | |
| KR100926769B1 (ko) | 혀 영상을 이용한 후태 박태 판별 방법 | |
| JP2006084425A (ja) | マルチスペクトル画像処理方法及びマルチスペクトル皮膚画像による診断方法 | |
| JPH0719839A (ja) | 表面状態解析システム | |
| JP4649965B2 (ja) | 健康度判定装置、及びプログラム | |
| KR101419257B1 (ko) | 특정 파장 대역의 광원을 이용한 혀 영상 획득장치 | |
| KR101063343B1 (ko) | 혀 영상을 이용한 컬러 정보 분할 방법 | |
| Das et al. | Non-invasive haemoglobin estimation by observing nail color: A pca based approach | |
| KR20130003359A (ko) | 특정 파장 대역의 광원을 이용한 혀 영상 검출장치 및 방법 | |
| WO2013119102A1 (en) | Methodology and apparatus for objective and in vivo assessment of granulation tissue growth in chronic ulcers using digital imaging | |
| CN115444355B (zh) | 一种内窥镜病变尺寸信息确定方法、电子设备及存储介质 | |
| Houser et al. | Shadow analysis via the C+ K Visioline: A technical note | |
| KR100904084B1 (ko) | 컬러 분포 기반의 설태 분류 방법 | |
| EP3053514A1 (en) | Organ imaging apparatus | |
| CN114494299A (zh) | 温度检测设备 | |
| Fauzan et al. | Smoker’s Tongue Recognition System based on Spectral and Texture Features using Visible Near-Infrared Imaging | |
| Sprigle et al. | Multispectral image analysis of bruise age |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E90F | Notification of reason for final refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20121105 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20131022 Year of fee payment: 5 |
|
| FPAY | Annual fee payment |
Payment date: 20140925 Year of fee payment: 6 |
|
| FPAY | Annual fee payment |
Payment date: 20150831 Year of fee payment: 7 |
|
| FPAY | Annual fee payment |
Payment date: 20161102 Year of fee payment: 8 |
|
| FPAY | Annual fee payment |
Payment date: 20171102 Year of fee payment: 9 |
|
| LAPS | Lapse due to unpaid annual fee |