KR101197798B1 - 피부 진단을 위한 장치 - Google Patents

피부 진단을 위한 장치 Download PDF

Info

Publication number
KR101197798B1
KR101197798B1 KR1020120055267A KR20120055267A KR101197798B1 KR 101197798 B1 KR101197798 B1 KR 101197798B1 KR 1020120055267 A KR1020120055267 A KR 1020120055267A KR 20120055267 A KR20120055267 A KR 20120055267A KR 101197798 B1 KR101197798 B1 KR 101197798B1
Authority
KR
South Korea
Prior art keywords
skin
image processing
processing module
pigmentation
region
Prior art date
Application number
KR1020120055267A
Other languages
English (en)
Inventor
권성근
Original Assignee
경일대학교산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 경일대학교산학협력단 filed Critical 경일대학교산학협력단
Priority to KR1020120055267A priority Critical patent/KR101197798B1/ko
Application granted granted Critical
Publication of KR101197798B1 publication Critical patent/KR101197798B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/44—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
    • 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
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Dermatology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

본 발명은 피부 진단을 위한 장치, 이를 위한 방법에 관한 것으로, 이러한 본 발명은 피부 영상으로부터 색소 침착 영역의 상태를 복수의 파라미터를 통해 도출하고, 도출된 복수의 파라미터에 가중치를 적용하여 색소 침착의 정도를 정량화하는 표현 지수로 나타내며, 이러한 표현 지수에 따라 상기 색소 침착의 정도를 진단하는 진단 방법과, 이러한 진단 방법을 실행하는 장치를 제공한다. 이와 같이, 본 발명은 표현 지수를 이용하여 색소 침착의 상태를 정량화하고, 정량화된 표현 지수를 이용하여 색소 침착의 정도를 진단함으로써, 그 진단 결과를 일반화할 수 있다. 이에 따라, 진단 결과의 신뢰도를 향상시킬 수 있다.

Description

피부 진단을 위한 장치{An apparatus for skin diagnosis}
본 발명은 피부 진단 기술에 관한 것으로, 특히, 피부의 색소 침착 정도를 정량화해서 진단의 정도를 일반화 할 수 있는 피부 진단을 위한 장치, 이를 위한 방법에 관한 것이다.
현재 피부 진단 장비는 주로 단순한 피부 확대기능의 영상장치가 주류를 이루고 있으며, 그 외 우드램프(Wood light)와 같은 일부 광 측정 장치가 각종 진균감염이나 세균감염을 확인하는데 사용하고 있다. 이러한 피부질환의 진단은 주로 육안에 의하여 진단을 하는데 눈으로 보이지 않는 부분은 미리 진단하기가 쉽지 않다. 피부과에서 수행되고 있는 진단은 피부의 건조정도, 홍반지수의 정도, 색소침착의 정도, 피부의 손상 정도, 염증의 정도, 괴사의 정도로 크게 나눌 수 있다. 그러나 이들 지수들은 주관적으로 의사에 의해 평가되기 때문에 측정자에 따라 차이가 나며, 같은 정도의 홍반이나 색소침착도 치료자에 따라 다르게 표현되는 경우가 많다. 예를 들어 바닷가에서 수영 후에 일광화상을 입은 후 1차 진료기관에서 피부가 '매우 붉음'이라고 차트에 기록한 후 2차 진료기관이나 대학병원으로 전원 된 경우 시간의 변화에 의해 홍반은 더 붉어졌거나 아니면 더 호전이 되었을 텐데 진료기록을 살펴보면 이에 대해 상당히 주관적으로 기술되어져 있음을 자주 관찰하게 된다. 또한 레이저 치료나 각종 박피술을 시행한 후 발생하는 색소침착과 같은 의료사고에서도 치료를 받은 환자는 매우 색소침착이 진행했다고 주장하고, 의료진은 별로 색소침착이 강하지 않았다고 하여 각종 의료분쟁에서도 많은 논란이 생기는 경우도 자주 볼 수 있다. 그러므로 이러한 색소침착이나 염증성 홍반지수 등은 좀 더 객관화 시켜줄 필요가 있다.
본 발명은 상기와 같은 문제점을 해결하기 위한 것으로, 본 발명의 목적은 색소 침착 등의 피부 질환의 진단 방법을 정량화하여 진단 결과를 일반화할 수 있는 피부 진단을 위한 장치, 이를 위한 방법을 제공함에 있다.
상술한 바와 같은 목적을 달성하기 위한 본 발명의 바람직한 실시 예에 따른 피부 진단을 위한 장치는, 피부 영상으로부터 색소 침착 영역의 상태를 복수의 파라미터를 통해 도출하는 피부영상처리모듈과, 상기 도출된 복수의 파라미터에 가중치를 적용하여 색소 침착의 정도를 정량화하는 표현 지수를 도출하고, 도출된 표현 지수에 따라 상기 색소 침착의 정도를 진단하는 분석모듈을 포함한다.
여기서, 상기 영상처리 모듈은 색소 침착 영역의 윤곽(contour)을 도출하고, 도출된 색소 침착 영역의 윤곽으로부터 색소 침착 영역의 비대칭성(Asymmetry), 경계(Border), 분포(Diversity), 영역(Area), 위치(Position) 및 수(Number)를 도출할 수 있다.
특히, 상기 영상처리 모듈은 그레이 레벨의 피부 영상의 다층스케일 상에서 특이점과 비특이점을 검출하고, 비특이점을 소거한 후, 특이점을 연결하여 이루어진 상기 색소 침착 영역의 윤곽을 도출하는 방법 및 컬러 레벨의 피부 영상에서 색상을 기초로 피부 영상을 분류하는 적어도 하나의 클러스터링 기법을 이용하여 상기 색소 침착 영역의 윤곽을 도출하는 방법 중 적어도 하나를 이용하여 상기 색소 침착 영역의 윤곽을 도출할 수 있다.
또한, 상기 영상처리 모듈은 색소 침착 영역의 윤곽(contour)을 도출하고, 도출된 윤곽 내의 색소 침착 영역의 색(Color)을 도출하는 것을 특징으로 한다.
여기서, 상기 파라미터는 비대칭성(Asymmetry), 경계(Border), 색(Color), 분포(Diversity), 영역(Area), 위치(Position) 및 수(Number)를 포함할 수 있다.
그리고, 상술한 피부 진단을 위한 장치는, 미리 설정된 빛의 조건에 따라 획득된 모든 피부 영상이 동일한 빛의 상태가 되도록 하는 전처리모듈을 더 포함할 수 있다.
상술한 바와 같은 목적을 달성하기 위한 본 발명의 바람직한 실시 예에 따른 피부 진단을 위한 방법은, 피부 영상으로부터 색소 침착 영역의 상태를 복수의 파라미터를 통해 도출하는 단계와, 상기 도출된 복수의 파라미터에 가중치를 적용하여 색소 침착의 정도를 정량화하는 표현 지수로 나타내는 단계와, 상기 표현 지수에 따라 상기 색소 침착의 정도를 진단하는 단계를 포함한다.
여기서, 상기 도출하는 단계는 상기 색소 침착 영역의 윤곽(contour)을 도출하고, 도출된 색소 침착 영역의 윤곽으로부터 색소 침착 영역의 비대칭성(Asymmetry), 경계(Border), 분포(Diversity), 영역(Area), 위치(Position) 및 수(Number)를 도출하는 것을 특징으로 한다.
특히, 상기 도출하는 단계는 그레이 레벨의 피부 영상의 다층스케일 상에서 특이점과 비특이점을 검출하고, 비특이점을 소거한 후, 특이점을 연결하여 이루어진 상기 색소 침착 영역의 윤곽을 도출하는 방법 및 컬러 레벨의 피부 영상에서 색상을 기초로 피부 영상을 분류하는 적어도 하나의 클러스터링 기법을 이용하여 상기 색소 침착 영역의 윤곽을 도출하는 방법 중 적어도 하나를 이용하여 상기 색소 침착 영역의 윤곽을 도출할 수 있다.
게다가, 상기 도출하는 단계는 상기 색소 침착 영역의 윤곽을 도출하고, 도출된 윤곽 내의 색(Color)을 도출하는 것을 특징으로 한다.
여기서, 상기 파라미터는 비대칭성(Asymmetry), 경계(Border), 색(Color), 분포(Diversity), 영역(Area), 위치(Position) 및 수(Number)를 포함할 수 있다.
그리고, 상술한 피부 진단을 위한 방법은, 미리 설정된 빛의 조건에 따라 획득된 모든 피부 영상이 동일한 빛의 상태가 되도록 전처리하는 단계를 더 포함할 수 있다.
상술한 바와 같이 본 발명은 피부 영상으로부터 색소 침착 영역의 상태를 복수의 파라미터를 통해 도출하고, 이러한 파라미터에 가중치를 적용한 표현 지수를 이용하여 색소 침착의 상태를 정량화하고, 정량화된 표현 지수를 이용하여 색소 침착의 정도를 진단함으로써, 그 진단 결과를 일반화할 수 있다. 이에 따라, 진단 결과의 신뢰도를 향상시킬 수 있다.
도 1은 본 발명의 실시예에 따른 피부질환진단 장치를 설명하기 위한 블록도.
도 2는 본 발명의 일 실시예에 따른 피부질환 진단 방법을 설명하기 위한 흐름도.
도 3은 본 발명의 실시예에 따른 그레이영상 처리 방법을 설명하기 위한 흐름도.
도 4는 본 발명의 실시예에 따른 그레이영상 처리 방법을 설명하기 위한 화면 예.
도 5는 본 발명의 실시예에 따른 컬러영상 처리 방법을 설명하기 위한 흐름도.
도 6은 본 발명의 실시예에 따른 컬러영상 처리 방법을 설명하기 위한 화면 예.
도 7은 본 발명의 다른 실시예에 따른 피부질환 진단 방법을 설명하기 위한 흐름도.
이하, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있을 정도로 본 발명의 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명하면 다음과 같다. 실시예를 설명함에 있어서 본 발명이 속하는 기술분야에 익히 알려져 있고 본 발명과 직접적으로 관련이 없는 기술 내용에 대해서는 설명을 생략한다. 이는 불필요한 설명을 생략함으로써 본 발명의 요지를 흐리지 않고 더욱 명확히 전달하기 위함이다. 마찬가지 이유로 첨부 도면에 있어서 일부 구성요소는 과장되거나 생략되거나 개략적으로 도시되었다. 또한, 각 구성요소의 크기는 실제 크기를 전적으로 반영하는 것이 아니다.
도 1은 본 발명의 실시예에 따른 피부질환 진단장치를 설명하기 위한 블록도이다.
도 1을 참조하면, 본 발명의 실시예에 따른 피부 진단을 위한 진단장치는 영상추출모듈(110), 전처리모듈(120), 영상처리모듈(200), 및 분석모듈(150)을 포함한다. 특히, 영상처리모듈(200)은 그레이영상처리모듈(130) 및 컬러영상처리모듈(140)을 포함한다.
영상추출모듈(110)은 피부 영상을 촬영하기 위한 것이다. 이러한 영상추출모듈(110)은 카메라 모듈이 될 수 있다. 이러한 카메라 모듈, 영상추출모듈(110)은 렌즈, 카메라 센서 및 신호처리장치를 포함한다. 렌즈는 피부확대경 (Dermoscopy, skin-surface microscopy, 또는 Epilluminescence microscopy)이 될 수 있다. 카메라 센서는 렌즈를 통해 입사되는 영상을 촬영한다. 이러한 영상은 피부 영상이 될 수 있다. 촬영된 피부 영상은 광학적 신호이며, 카메라 센서는 촬영된 광학적 신호를 전기적 신호로 변환하는 센서이다. 이 전기적 신호는 아날로그 신호이다. 여기서, 카메라 센서는 CCD(charge-coupled device) 센서를 사용함이 바람직하다. 신호처리장치는 카메라 센서로부터 출력되는 아날로그 신호를 디지털 신호로 변환한다. 여기서 신호처리장치는 DSP(Digital Signal Processor)로 구현함이 바람직하다. 또한, 영상추출모듈은 피부 영상을 화면으로 출력할 경우, 이를 위한 영상처리장치를 더 포함할 수 있다. 영상처리장치는 신호처리장치에서 출력되는 디지털 신호를 화면의 스펙에 맞게 표시하기 위한 화면 데이터를 발생하는 기능을 수행한다.
전처리모듈(120)은 영상추출모듈(110)로부터 피부 영상을 입력받아, 입력받은 피부 영상에 대해 전처리를 수행한다. 피부는 적외선에 대한 빛 전도체로 동작한다. 따라서, 빛의 상태, 즉, 빛의 입사 방향, 파장, 복사량에 따라 진단장치의 측정 결과가 달라질 수 있다. 이러한 이유로, 전처리를 통해 빛의 상태에 따른 노이즈를 제거한다. 전처리를 위하여 전처리모듈(120)은 전처리 필터를 구비하여, 피부 영상에 전처리 필터를 적용한다. 전처리모듈(120)은 전처리 필터를 통해 광학 잡음을 제거하고, 미리 설정된 조건에 따라 획득된 모든 피부 영상을 동일한 조건(빛의 상태)에서 분석할 수 있도록 조절하는 전처리를 수행한다.
영상처리모듈(200)은 피부 영상으로부터 색소 침착된 영역의 상태를 도출한다. 색소 침착된 영역의 상태는 색소 침착 영역에 대한 복수의 파라미터를 도출하는 것이다. 이러한 파라미터는 색소 침착 영역의 비대칭성(Asymmetry), 경계(Border), 색(Color), 분포(Diversity), 영역(Area), 위치(Position) 및 수(Number)를 포함한다.
비대칭성(Asymmetry)은 색소 침착 영역의 좌우 대칭되지 않는 정도를 나타내는 것으로, 색소 침착 영역의 윤곽을 기준으로 비대칭성이 심할수록, 색소 침착이 심하게 진행되는 중임을 알 수 있다. 경계(Border)는 색소 침착 영역의 윤곽 주변의 명도가 흐린지 또는 진한지 여부를 나타낸다. 색(Color)은 색소 침착 영역의 윤곽 내의 색을 나타내며, 진한 정도를 나타낸다. 예컨대, 분홍색에 가까운 경우, 심하지 않은 경우를 나타내고, 검붉은 색 혹은 선홍색에 가까운 경우 색소 침착이 심해지는 것으로 판단할 수 있다. 분포(Diversity)는 색소 침착 영역이 퍼진 정도를 나타낸다. 넓게 퍼질수록 좋지 않다. 영역(Area)은 색소 침착 영역이 차지하는 실제 면적을 나타낸다. 위치(Position)는 색소 침착이 발생된 위치를 말하며, 수(Number)는 색소 침착 영역의 수를 나타낸다.
영상처리모듈(200)은 색소 침착된 영역의 윤곽(contour)을 검출한다. 영상처리모듈(200)은 색소 침착된 영역의 윤곽을 검출할 때, 그레이영상처리모듈(130) 및 컬러영상처리모듈(140) 각각을 이용하거나, 또는, 그레이영상처리모듈(130) 및 컬러영상처리모듈(140) 모두를 이용할 수 있다. 영상처리모듈(200)은 색소 침착된 영역의 윤곽(contour)을 검출한 후, 색소 침착 영역의 비대칭성(Asymmetry), 경계(Border), 분포(Diversity), 영역(Area), 위치(Position) 및 수(Number)를 도출한다. 그리고, 영상처리모듈(200)은 검출된 색소 침착된 영역의 윤곽 내의 색(Color)을 검출한다. 색소 침착된 영역의 윤곽 내의 색(Color)은 컬러영상처리모듈(140)을 이용하여 검출할 수 있다.
그레이영상처리모듈(130)은 기본적으로, 그레이 레벨에서 피부 영상을 처리하기 위한 것이다. 그레이영상처리모듈(130)은 피부 영상을 그레이 레벨로 변환한 후, 그레이 레벨의 피부 영상의 다층스케일 상에서 특이점(색소 침착된 영역 외곽의 에지)과 비특이점(색소 침착된 영역의 내부 에지 및 불필요한 에지)을 검출하여, 비특이점을 소거한다. 그리고, 그레이영상처리모듈(130)은 특이점을 연결하여 이루어진 색소 침착 영역의 윤곽(contour)을 도출할 수 있다. 좀 더 자세히 설명하면, 그레이영상처리모듈(130)은 피부 영상(전처리된 피부 영상)에 대해 웨이블릿 변환(Mallat Wavelet Transform)을 수행하여, 피부 영상의 국부적인 변화 특성을 다층스케일 상에 나타내고, 다층스케일의 각 스케일에서 국부 계수 최대치(Local Modulus Maxima)를 구한다. 그리고 그레이영상처리모듈(130)은 국부 계수 최대치를 통해 피부 영상에서 에지 성분을 추출한다. 에지 성분은 색소 침착된 영역 외곽의 에지(특이점)와 색소 침착된 영역 내부의 에지 등(비특이점)을 포함한다. 여기서, 특이점은 색소 침착된 영역의 실제 테두리를 나타내며, 비특이점은 색소 침착된 영역의 내부 에지와, 불필요한 에지를 포함한다. 따라서 그레이영상처리모듈(130)은 Lipschitz 정칙 상수를 이용하여 색소 침착된 영역 외곽의 에지(특이점)와 색소 침착된 영역 내부의 에지(비특이점)를 구분하여, 특이점으로 판명된 외곽의 에지들을 연결하여, 색소 침착된 영역의 윤곽(contour)을 도출한다.
컬러영상처리모듈(140)은 기본적으로, 컬러 레벨에서 피부 영상을 처리하기 위한 것이다. 컬러영상처리모듈(140)은 컬러 영상인 피부 영상에서 색소 침착 영역의 색(Color)을 도출할 수 있다. 또한, 컬러영상처리모듈(140)은 컬러 레벨의 피부 영상을 이용하여, 색소 침착 영역의 윤곽(contour)을 도출하기 위한 것이다. 이를 위하여, 컬러영상처리모듈(140)은 컬러 레벨의 피부 영상에서 색상을 기초로 피부 영상을 분류하는 클러스터링 기법(Fuzzy K-Means, K-Means, EM 알고리즘 등)을 이용할 수 있다. 또한, 컬러영상처리모듈(140)은 어느 하나의 클러스터링 기법으로 색소 침착 영역을 검출하고, 다른 알고리즘을 이용하여 검출된 색소 침착 영역을 검증할 수 있다. 예컨대, 컬러영상처리모듈(140)은 적어도 2개의 클러스터링 기법을 이용하되, 어느 하나의 클러스터링 기법을 이용하여 색소 침착 영역을 검출하고, 다른 하나의 클러스터링 기법을 이용하여 검출된 색소 침착 영역을 검증하여 수정함으로써, 색소 침착 영역 검출의 정확도를 향상시킬 수 있다. 이를 계층적 클러스터링 기법이라 한다. 특히, 컬러영상처리모듈(140)은 컬러 레벨에서 색소 침착 영역을 검출함으로, 홍반이 있는 경우의 색소 침착 영역을 검출할 수도 있다.
영상처리모듈(200)에서의 제1 실시예에 따르면, 그레이영상처리모듈(130)이 색소 침착 영역의 윤곽을 도출하면, 영상처리모듈(200)은 비대칭성(Asymmetry), 경계(Border), 분포(Diversity), 영역(Area), 위치(Position) 및 수(Number)를 도출하고, 컬러영상처리모듈(140)이 그 윤곽 내의 색(Color)을 도출하도록 할 수 있다.
영상처리모듈(200)에서의 제2 실시예에 따르면, 그레이 영상 처리 모듈(130) 및 컬러영상처리모듈(140)이 색소 침착 영역의 윤곽을 각각 도출하면, 그레이영상처리모듈(130)이 구한 색소 침착 영역의 윤곽과 컬러영상처리모듈(140)이 도출한 색소 침착 영역의 윤곽을 비교하여, 보다 더 정확한 색소 침착 영역의 윤곽을 구할 수 있다. 여기서, 컬러영상처리모듈(140)이 도출하는 색소 침착 영역의 윤곽은 하나의 클러스터링 기법을 이용하거나, 복수의 클러스터링 기법을 이용하여 비교 또는 검증하는 방식을 선택적으로 채택할 수 있다. 이와 같이, 구해진 색소 침착 영역의 윤곽을 통해 영상처리모듈(200)은 비대칭성(Asymmetry), 경계(Border), 분포(Diversity), 영역(Area), 위치(Position) 및 수(Number)를 도출하고, 컬러영상처리모듈(140)이 그 윤곽 내의 색(Color)을 도출하도록 할 수 있다.
분석모듈(150)은 색소 침착의 상태를 분석하고, 그 결과를 출력하기 위한 것이다. 이를 위하여, 분석모듈(150)은 먼저, 그레이영상처리모듈(130) 및 컬러영상처리모듈(140)의 처리 결과에 따라 출력되는 색소 침착 영역의 상태를 나타내는 파라미터를 표현지수(TDS, Total Dermatoscopic)로 나타낸다. 즉, 분석모듈(150)은 색소 침착 영역의 상태인 비대칭성(Asymmetry), 경계(Border), 색(Color), 분포(Diversity), 영역(Area), 위치(Position) 및 수(Number)를 다음의 [표 1]과 같은 표현지수를 통해 나타낸다.

TDS(Total Dermatoscopic)
= a*Asymmetry + b*Border + c*Color + d*Diversity + e*Area + f*Position + g*Number
[표 1]을 참조하면, 표현 지수는 피부의 상태, 즉, 비대칭성(Asymmetry), 경계(Border), 색(Color), 분포(Diversity), 영역(Area), 위치(Position) 및 수(Number) 등의 파라미터 각각에 대해 가중치(a, b, c, d, e, f, g)를 적용한 것이다. 이러한 가중치는 임상 실험에 따른 데이터를 근거로 도출될 수 있다. 표현지수가 구해지면, 분석모듈(150)은 구해진 표현지수에 따라 색소 침착 정도를 분류하고, 해석하여 출력한다. 즉, 분석모듈(150)은 구해진 표현지수에 따라 색소 침착 정도를 진단하고, 이에 대해 처방할 수 있다.
상술한 전처리 모듈(120), 영상처리모듈(200) 및 분석 모듈(150)은 범용 CPU, 프로세서, ASIC 등으로 구현되거나, 펌웨어로 구현될 수 있다. 또한, 상술한 전처리 모듈(120), 영상처리모듈(200) 및 분석 모듈(150)은 프로세서에서 실행되는 인스트럭션(instruction) 세트로 구현될 수도 있다.
도 2는 본 발명의 실시예에 따른 피부질환 진단 방법을 설명하기 위한 흐름도이다.
진단장치는 S210 단계에서 피부 영상을 획득한다. 그런 다음, 진단장치는 S220 단계에서 피부 영상에 전처리를 수행한다. 피부는 적외선에 대한 빛 전도체로 동작한다. 따라서 빛의 상태, 즉, 빛의 입사 방향, 파장, 복사량에 따라 진단장치의 측정 결과가 달라질 수 있다. 이러한 이유로, 전처리를 통해 빛의 상태에 따른 노이즈를 제거한다. 이러한 전처리는 전처리 필터를 통해 이루어지며, 앞서(S210 단계) 획득한 피부 영상에 전처리 필터를 적용한다. 전처리 필터는 광학 잡음을 제거하고, 미리 설정된 조건에 따라 획득된 모든 피부 영상을 동일한 조건(빛의 상태)에서 분석할 수 있도록 조절한다.
전처리를 수행한 후, 진단장치는 S230 단계에서 피부 영상으로부터 색소 침착된 영역의 상태를 도출한다. 색소 침착된 영역의 상태는 색소 침착 영역의 비대칭성(Asymmetry), 경계(Border), 색(Color), 분포(Diversity), 영역(Area) 위치(Position) 및 수(Number) 등의 파라미터를 도출하는 것이다. 이러한 색소 침착 영역에 대한 상태를 도출하는 것은 그레이 영상(그레이 레벨 영상) 및 컬러 영상(컬러 레벨 영상)을 이용할 수 있다. 일 실시예에 따르면, 그레이 영상을 통해 색소 침착 영역의 윤곽을 도출하여, 그 윤곽으로부터 색소 침착 영역의 비대칭성(Asymmetry), 경계(Border), 분포(Diversity), 영역(Area), 위치(Position) 및 수(Number) 등을 도출할 수 있다. 또한, 진단장치는 그레이 영상을 통해 도출된 색소 침착 영역의 윤곽을 컬러 영상에 적용하여, 컬러 영상에서 적용된 윤곽 내의 색(Color)을 도출 할 수 있다.
그런 다음, 진단장치는 S240 단계에서 색소 침착 영역의 상태를 <표 1>과 같은 표현지수(TDS, Total Dermatoscopic)로 나타낸다. 표현 지수는 파라미터 즉, 비대칭성(Asymmetry), 경계(Border), 색(Color), 분포(Diversity), 영역(Area), 위치(Position) 및 수(Number) 각각에 대해 가중치(a, b, c, d, e, f, g)를 적용한 것이다. 이러한 가중치는 임상 실험에 따른 데이터를 근거로 도출될 수 있다.
표현 지수를 도출한 후, 진단장치는 S250 단계에서 표현지수에 따라 색소 침착 정도를 분류하고, 해석하여 출력한다. 즉, 진단장치는 표현 지수에 따라 색소 침착의 정도를 진단한다. 또한, 진단장치는 이러한 진단 결과와 함께 처방을 출력할 수 있다. 예컨대, 표현 지수의 값에 따라 색소 침착의 정보를 분류하여, 필요한 처방을 출력할 수 있다.
이와 같이, 본 발명의 실시예에 따르면, 피부 영상으로부터 색소 침착 영역의 상태를 복수의 파라미터를 통해 도출하고, 이러한 파라미터에 가중치를 적용한 표현 지수를 이용하여 색소 침착의 상태를 정량화하고, 정량화된 표현 지수를 이용하여 색소 침착의 정도를 진단함으로써, 그 진단 결과를 일반화할 수 있다. 이에 따라, 진단 결과의 신뢰도를 향상시킬 수 있다.
도 3은 본 발명의 실시예에 따른 그레이영상 처리 방법을 설명하기 위한 흐름도이며, 도 4는 본 발명의 실시예에 따른 그레이영상 처리 방법을 설명하기 위한 화면 예이다. 도 3은 도 2의 S230 단계에서 그레이 영상을 이용한 색소 침착된 영역을 상태를 도출 방법을 더 상세하게 설명하기 위한 것이다.
도 3 및 도 4를 참조하면, 진단장치의 그레이영상처리모듈(130)은 S310 단계에서 입력되는 피부 영상을 그레이 레벨로 변환한다. 필요한 경우, 그레이 영상(그레이 레벨 영상)으로 변환하기 전 피부 영상을 원영상, 그레이 레벨로 변환한 영상을 그레이 영상으로 칭하기로 한다.
그레이영상처리모듈(130)은 S320 단계에서 피부 영상(전처리된 피부 영상)에 대해 웨이블릿 변환(Mallat Wavelet Transform)을 수행한다. 이러한 웨이블릿 변환은 피부 영상의 국부적인 변화 특성을 다층스케일 상에 나타낸다.
그레이영상처리모듈(130)은 S330 단계에서 웨이블릿 변환된 피부 영상의 다층스케일의 각 스케일에서 국부 계수 최대치(Local Modulus Maxima)를 구한다. 국부 계수 최대치는 각 스케일 별로 웨이블릿 계수 값들이 최대 웨이블릿 계수 값들을 갖는 좌표의 화소값을 나타낸다. 이러한 국부 계수 최대치는 피부 영상에서 에지 성분을 나타낸다. 이러한 국부 계수 최대치(Local Modulus Maxima)를 구한 화면 예를 도 4의 (b)에 도시하였다. 도시된 바와 같이, 국부 계수 최대치를 통해 피부 영상에서 에지 성분을 추출하는 경우, 색소 침착된 영역 외곽의 에지(특이점)와 색소 침착된 영역 내부의 에지 등(비특이점)을 포함한다. 여기서, 특이점은 색소 침착된 영역의 실제 테두리를 나타내며, 비특이점은 색소 침착된 영역의 내부 에지와, 불필요한 에지를 포함한다.
따라서 그레이영상처리모듈(130)은 S340 단계에서 색소 침착된 영역 외곽의 에지(특이점)와 색소 침착된 영역 내부의 에지(비특이점)를 구분한다. 이는 Lipschitz 정칙 상수를 이용한다. 국부 계수 최대치에 나타난 값들 중 Lipschitz 정칙 상수를 이용하면 비정규적인 구조를 갖는 점들을 분리하여 색소 침착된 영역 외곽의 에지(특이점)와 색소 침착된 영역 내부의 에지(비특이점)를 구분할 수 있다.
그런 다음, 그레이영상처리모듈(130)은 S350 단계에서 색소 침착의 에지로 판명된 에지들을 연결하여, 윤곽(contour)을 형성한다. 이러한 화면 예를 도 4의 (c)에 도시하였다. 도시된 바와 같이, 색소 침착된 영역의 윤곽을 도출할 수 있다.
이에 따라, 진단장치는 S360 단계에서 앞서(S350 단계) 도출된 색소 침착된 영역의 윤곽에 따라 원영상으로부터 색소 침착 영역을 검출할 수 있다. 이처럼, 색소 침착 영역만을 검출한 화면 예를 도 4의 (d)에 도시하였다.
도 5는 본 발명의 실시예에 따른 컬러영상 처리 방법을 설명하기 위한 흐름도이며, 도 6은 본 발명의 실시예에 따른 컬러영상 처리 방법을 설명하기 위한 화면 예이다. 도 5는 도 2의 S230 단계에서 컬러 영상을 이용한 색소 침착된 영역을 상태를 도출 방법을 더 상세하게 설명하기 위한 것이다.
도 5 및 도 6을 참조하면, 컬러영상처리모듈(140)은 S510 단계에서 입력된 피부 영상을 R(Red), G(Green), B(Blue)로 분리하여, 각각의 히스토그램을 구한다.
그런 다음, 컬러영상처리모듈(140)은 S520 단계에서 앞서 구해진 히스토그램에 기초하여, 피부 영상의 화이트 밸런스를 보정한다. 이러한 화이트 밸런스의 수행에 따라, 보다 정확한 피부색을 도출할 수 있다.
다음으로, 컬러영상처리모듈(140)은 S530 단계에서, 피부 영상에서 분포 밀도가 가장 작은 색상(Hue) 값(1D Hue value with minimum density)을 찾는다.
이어서, 컬러영상처리모듈(140)은 S540 단계에서 분포 밀도가 가장 작은 색상값을 제외한 값들을 초기 중심값으로 사용하는 Fuzzy K-Means 알고리즘 또는 K-Means 알고리즘을 이용하여, 클러스터 내에서 유사한 색상 특성을 가지는 2개의 클러스터들로 피부 영상을 분류한다.
피부 영상을 분류하기 위해, Fuzzy K-Means 알고리즘을 이용할 수 있다. 예컨대, 피부 영상이 도 5의 (a)와 같은 경우, 입력 값으로 K를 취하고 클러스터 내 유사성은 높고 클러스터간의 유사성은 낮도록 색상값을 가지는 n개 화소들의 집합을 k개의 클러스터로 분할한다. 클러스터의 유사성은 클러스터의 중심점(Centroid)과 그 클러스터에 소속된 화소들과의 거리(유클리디안 거리)를 평균하여 측정할 수 있다. 더 자세히 설명하면, 클러스터의 중심점을 나타내는 초기 중심값으로 임의의 k개를 선택한다. 특히, 초기 중심값은 분포 밀도가 가장 작은 휴(Hue) 값을 제외한 값을 이용한다. 남겨진 화소들은 선택된 k개의 중심점들과의 거리를 계산하여 가장 가까운 군집에 할당한다. 그리고 각 군집에 새로운 군집 중심(평균)을 구한다. 이 과정을 중심점의 이동이 없을 때 까지 즉 중심점이 수렴할 때까지 반복한다. 이에 따라, 유사한 색상 특성을 가지는 2개의 클러스터들로 피부 영상을 분류할 수 있다. 이에 따라, 구해진 영상을 도 5의 (b)에 도시하였다. 여기서, 2개의 클러스터들 중 하나는 색소 침착된 영역이 될 수 있다.
이어서, 컬러영상처리모듈(140)은 S550 단계에서 미리 설정된 색을 기준으로, 2개의 클러스터들 중 하나를 색소 침착된 영역으로 결정한다. 여기서, 미리 설정된 색은 임상을 통해 피부 영상에서 색소 침착된 영역에서 나타날 수 있는 색들을 데이터베이스화한 것이다. 이에 따라, 컬러영상처리모듈(140)은 이러한 데이터베이스화된 색들과 2개의 클러스터들의 색들을 비교하여 가장 가까운 색을 가지는 클러스터를 색소 침착된 영역(또는, 색소 침착된 영역 클러스터)이라고 판단한다.
그런 다음, 컬러영상처리모듈(140)은 S560 단계에서 색소 침착된 영역의 윤곽을 도출한다. 즉, 데이터베이스화된 색들과 가장 가까운 색을 가지는 클러스터의 윤곽이 색소 침착된 영역의 윤곽이 된다.
한편, 선택적으로 수행되는 단계로, 컬러영상처리모듈(140)은 S570 단계에서 2개의 클러스터 각각이 정확히 분류되었는지 검증하여, 앞선 단계에서 검출된 색소 침착 영역의 윤곽을 보정하여, 최종적으로 색소 침착 영역의 윤곽을 검출할 수 있다.
S570 단계의 일 실시예에 따르면, 컬러영상처리모듈(140)은 색소 침착 영역 클러스터에 소속된 각 화소들이 색소 침착 영역에 속할 수 있는 확률값(log-likelihood)을 산출한다. 그런 다음, 컬러영상처리모듈(140)은 산출된 확률값이 미리 설정된 확률 이상인 경우, 색소 침착 영역 클러스터에 속하는 화소라고 판단한다. 반면, 컬러영상처리모듈(140)은 산출된 확률값이 미리 설정된 확률 보다 작은 확률값을 가질 경우, 해당하는 화소를 색소 침착 영역 클러스터에서 제외시킨다. 이와 같이, 검증을 통해 색소 침착 영역 클러스터를 보정하여, 보정된 색소 침착 영역 클러스터의 윤곽을 검출함으로써, 최종적인 색소 침착 영역의 윤곽을 검출한다. S570 단계의 일 실시예의 검증 시, 색소 침착 영역 클러스터의 외곽 부분에서 안쪽으로 각 화소들을 순차로 검증함으로써, 연산량을 줄일 수 있다.
S570 단계의 다른 실시예에 따르면, 컬러영상처리모듈(140)은 Fuzzy K-Means 알고리즘 또는 K-Means 알고리즘과 다른 클러스터링 알고리즘, 예컨대, EM(Expectation Maximization) 알고리즘을 이용하여, 2개의 클러스터들로 피부 영상을 분류하고, 반복 실험에 따라 색소 침착 영역의 색이라고 분류하여 데이터베이스화된 색들과 2개의 클러스터들의 색들을 비교하여 가장 가까운 색을 가지는 클러스터를 색소 침착된 영역(또는, 색소 침착된 영역 클러스터)이라고 판단한다. 그런 다음, 컬러영상처리모듈(140)은 데이터베이스화된 색들과 가장 가까운 색을 가지는 클러스터의 윤곽을 색소 침착된 영역의 윤곽으로 도출한다. 이어서, EM 알고리즘을 이용하여 도출된 색소 침착 영역의 윤곽과 앞서 Fuzzy K-Means 알고리즘 또는 K-Means 알고리즘을 이용하여 도출한 색소 침착 영역의 윤곽을 비교하여, 윤곽에서 차이가 있는 부분을 보정하여, 최종적인 색소 침착 영역의 윤곽을 검출한다. 컬러영상처리모듈(140)은 이러한 보정 시, EM 알고리즘을 이용하여 도출된 색소 침착 영역 및 Fuzzy K-Means 알고리즘 또는 K-Means 알고리즘을 이용하여 도출한 색소 침착 영역 중 어느 하나의 무게 중심으로부터, EM 알고리즘을 이용하여 도출된 색소 침착 영역의 윤곽까지의 길이와 Fuzzy K-Means 알고리즘 또는 K-Means 알고리즘을 이용하여 도출한 색소 침착 영역의 윤곽까지의 길이의 평균값을 최종적인 색소 침착 영역의 윤곽으로 결정할 수 있다.
한편, 상술한 영상 처리 모듈(200)은 그레이 영상 및 컬러 영상 등의 다양한 이미지 처리 작업을 수행하여야 하기 때문에, 연산량이 많아 장치의 성능이 떨어지는 경우, 모든 작업을 처리하지 못할 수도 있다. 따라서 본 발명의 실시예에 따른 진단장치는, 장치 자체의 성능을 기본으로 하고, 시스템 리소스, 예컨대, CPU 점유율, 캐시 또는 버퍼의 가용 용량, 가용한 메모리의 잔여 용량 등을 고려하여, 적응적으로 연산량을 조절할 수 있도록 한다. 이에 대해 설명하면 다음과 같다.
도 7은 본 발명의 다른 실시예에 따른 피부질환 진단 방법을 설명하기 위한 흐름도이다.
도 7을 참조하면, 진단장치는 S710 단계에서 피부 영상을 획득한다. 그런 다음, 진단장치는 S720 단계에서 피부 영상에 전처리를 수행한다. 피부는 적외선에 대한 빛 전도체로 동작한다. 따라서 빛의 상태, 즉, 빛의 입사 방향, 파장, 복사량에 따라 진단장치의 측정 결과가 달라질 수 있다. 이러한 이유로, 전처리를 통해 빛의 상태에 따른 노이즈를 제거한다. 이러한 전처리는 전처리 모듈(120)의 전처리 필터를 통해 이루어지며, 앞서(S710 단계) 획득한 피부 영상에 전처리 필터를 적용한다. 전처리 필터는 광학 잡음을 제거하고, 미리 설정된 조건에 따라 획득된 모든 피부 영상을 동일한 조건(빛의 상태)에서 분석할 수 있도록 조절한다.
전처리를 수행한 후, 진단장치는 피부 영상으로부터 색소 침착된 영역의 윤곽(contour)을 도출하기 위하여, S730 단계에서 현재, 이미지 처리를 위한 장치의 성능 및 가용한 리소스 양을 검출한다.
그런 다음, 진단장치는 S740 단계에서 이미지 처리를 위한 장치의 성능 및 가용한 리소스 양에 따라, 연산량을 조절하여, 피부 영상으로부터 색소 침착된 영역의 윤곽(contour)을 도출한다. 이를 위하여, 본 발명의 실시예에 따르면, 장치의 성능 및 가용한 리소스 양 중 적어도 하나를 정규화(normalized)하고, 정규화된 장치의 성능 및 가용한 리소스 양을 조건(제1 및 제2 조건)으로 설정하여, 해당 조건에 따라 연산량을 조절하여 색소 침착된 영역의 윤곽을 도출할 수 있다. 예컨대, 장치의 성능은 연산에 사용되는 프로세서의 동작 주파수가 될 수 있으며, 또한, 리소스 양은 연산에 할당된 메모리의 용량이 될 수 있다. 이는 제2 조건은 제1 조건 보다 높은 동작 주파수를 의미할 수 있다. 이하에서 설명되는 실시예에서, 제1 및 제2 조건은 장치의 성능 레벨 및 가용한 리소스 양의 레벨 중 적어도 하나를 의미하며, 또한, 제2 조건은 제1 조건 보다 높은 레벨을 의미한다. 예컨대, 연산에 할당될 수 있는 메모리의 최대 용량은 1000kbyte이며, 최소 용량은 100kbyte라고 가정하면, 연산에 할당될 수 있는 메모리 용량은 100 kbyte 내지 1000 kbyte가 될 수 있으며, 제1 조건은 연산에 할당된 메모리의 용량이 300 kbyte 라면, 제2 조건은 연산에 할당된 메모리의 용량이 700 kbyte가 될 수 있다.
예컨대, 제1 실시예에 따르면, 장치의 성능 또는 가용한 리소스 양이 기 설정된 제1 조건 미만인 경우, 그레이영상처리모듈(130)만을 이용하여 색소 침착 영역의 윤곽을 도출할 수 있다.
또한, 제2 실시예에 따르면, 장치의 성능 및 가용한 리소스 양이 기 설정된 제1 조건 이상이며, 제2 조건 미만인 경우, 그레이 영상 처리 모듈(130) 및 컬러영상처리모듈(140)을 모두 이용할 수 있다. 특히, 제2 실시예에서는 그레이영상처리모듈(130)이 구한 색소 침착 영역의 윤곽과 컬러영상처리모듈(140)이 하나의 클러스터링 기법만을 이용하여 도출한 색소 침착 영역의 윤곽을 비교하여, 최종적으로 색소 침착 영역의 윤곽을 도출할 수 있다.
게다가, 제3 실시예에 따르면, 장치의 성능 및 가용한 리소스 양이 기 설정된 제2 조건 이상인 경우, 그레이 영상 처리 모듈(130) 및 컬러영상처리모듈(140)을 모두 이용할 수 있다. 특히, 제3 실시예에서는 그레이영상처리모듈(130)이 구한 색소 침착 영역의 윤곽과 컬러영상처리모듈(140)이 계층적 클러스터링 기법을 이용하여 도출한 색소 침착 영역의 윤곽을 비교하여, 최종적으로 색소 침착 영역의 윤곽을 도출할 수 있다.
다음으로, 진단장치는 S750 단계에서 앞서 도출된 색소 침착된 영역의 윤곽에 따라, 색소 침착된 영역의 상태를 도출한다. 색소 침착된 영역의 상태는 색소 침착 영역의 비대칭성(Asymmetry), 경계(Border), 색(Color), 분포(Diversity), 영역(Area) 위치(Position) 및 수(Number) 등의 파라미터를 도출하는 것이다.
그런 다음, 진단장치는 S760 단계에서 색소 침착 영역의 상태를 <표 1>과 같은 표현지수(TDS, Total Dermatoscopic)로 나타낸다. 표현 지수는 파라미터 즉, 비대칭성(Asymmetry), 경계(Border), 색(Color), 분포(Diversity), 영역(Area), 위치(Position) 및 수(Number) 각각에 대해 가중치(a, b, c, d, e, f, g)를 적용한 것이다. 이러한 가중치는 임상 실험에 따른 데이터를 근거로 도출될 수 있다.
이어서, 진단장치는 S770 단계에서 표현지수에 따라 색소 침착 정도를 분류하고, 해석하여 출력한다. 즉, 진단장치는 표현 지수에 따라 색소 침착의 정도를 진단한다. 또한, 진단장치는 이러한 진단 결과와 함께 처방을 출력할 수 있다. 예컨대, 표현 지수의 값에 따라 색소 침착의 정보를 분류하여, 필요한 처방을 출력할 수 있다.
지금까지, 본 명세서와 도면에는 본 발명의 바람직한 실시 예에 대하여 개시하였으나, 여기에 개시된 실시 예외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형 예들이 실시 가능하다는 것은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 것이다. 또한, 본 명세서와 도면에서 특정 용어들이 사용되었으나, 이는 단지 본 발명의 기술 내용을 쉽게 설명하고 발명의 이해를 돕기 위한 일반적인 의미에서 사용된 것이지, 본 발명의 범위를 한정하고자 하는 것은 아니다.
110; 영상추출모듈
120: 전처리모듈
130: 그레이영상처리모듈
140: 컬러영상처리모듈
150: 분석모듈

Claims (12)

  1. 피부 진단을 위한 장치에 있어서,
    피부 영상으로부터 색소 침착 영역의 상태를 복수의 파라미터를 통해 도출하는 피부영상처리모듈;
    상기 도출된 복수의 파라미터에 가중치를 적용하여 색소 침착의 정도를 정량화하는 표현 지수를 도출하고, 도출된 표현 지수에 따라 상기 색소 침착의 정도를 진단하는 분석모듈;을 포함하고,
    상기 피부영상처리 모듈은
    그레이 레벨의 피부 영상의 다층스케일 상에서 특이점과 비특이점을 검출하고, 비특이점을 소거한 후, 특이점을 연결하여 이루어진 상기 색소 침착 영역의 윤곽을 도출하는 방법 및
    컬러 레벨의 피부 영상에서 색상을 기초로 피부 영상을 분류하는 적어도 하나의 클러스터링 기법을 이용하여 상기 색소 침착 영역의 윤곽을 도출하는 방법 중 적어도 하나를 이용하여 상기 색소 침착 영역의 윤곽(contour)을 도출하고, 도출된 색소 침착 영역의 윤곽으로부터 색소 침착 영역의 비대칭성(Asymmetry), 경계(Border), 분포(Diversity), 영역(Area), 위치(Position) 및 수(Number)를 도출하는 것을 특징으로 하는 피부 진단을 위한 장치.
  2. 삭제
  3. 삭제
  4. 제1항에 있어서,
    상기 피부영상처리 모듈은
    색소 침착 영역의 윤곽(contour)을 도출하고, 도출된 윤곽 내의 색소 침착 영역의 색(Color)을 도출하는 것을 특징으로 하는 피부 진단을 위한 장치.
  5. 제1항에 있어서,
    상기 파라미터는
    비대칭성(Asymmetry), 경계(Border), 색(Color), 분포(Diversity), 영역(Area), 위치(Position) 및 수(Number)를 포함하는 것을 특징으로 하는 피부 진단을 위한 장치.
  6. 제1항에 있어서,
    미리 설정된 빛의 조건에 따라 획득된 모든 피부 영상이 동일한 빛의 상태가 되도록 하는 전처리모듈을 더 포함하는 것을 특징으로 하는 피부 진단을 위한 장치.
  7. 삭제
  8. 삭제
  9. 삭제
  10. 삭제
  11. 삭제
  12. 삭제
KR1020120055267A 2012-02-27 2012-05-24 피부 진단을 위한 장치 KR101197798B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120055267A KR101197798B1 (ko) 2012-02-27 2012-05-24 피부 진단을 위한 장치

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020120019913 2012-02-27
KR1020120055267A KR101197798B1 (ko) 2012-02-27 2012-05-24 피부 진단을 위한 장치

Publications (1)

Publication Number Publication Date
KR101197798B1 true KR101197798B1 (ko) 2012-11-05

Family

ID=47564006

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120055267A KR101197798B1 (ko) 2012-02-27 2012-05-24 피부 진단을 위한 장치

Country Status (1)

Country Link
KR (1) KR101197798B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190090583A (ko) 2018-01-25 2019-08-02 안준범 컨볼루션 신경망을 이용한 이미지 분석을 통해 신체피부를 시술에 필요한 피부 타입으로 구분, 이를 저장, 전달하는 장치
KR102316286B1 (ko) * 2021-02-18 2021-10-22 임계현 인공 지능을 이용한 모발 상태 분석 방법 및 이를 수행하기 위한 컴퓨팅 장치

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004321793A (ja) * 2003-04-29 2004-11-18 Inforward Inc 皮膚画像のコンピュータ解析のための方法およびシステム
KR101015369B1 (ko) 2007-07-23 2011-02-22 고려대학교 산학협력단 영상분석을 이용한 악성흑색종 진단 시스템

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004321793A (ja) * 2003-04-29 2004-11-18 Inforward Inc 皮膚画像のコンピュータ解析のための方法およびシステム
KR101015369B1 (ko) 2007-07-23 2011-02-22 고려대학교 산학협력단 영상분석을 이용한 악성흑색종 진단 시스템

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190090583A (ko) 2018-01-25 2019-08-02 안준범 컨볼루션 신경망을 이용한 이미지 분석을 통해 신체피부를 시술에 필요한 피부 타입으로 구분, 이를 저장, 전달하는 장치
KR102316286B1 (ko) * 2021-02-18 2021-10-22 임계현 인공 지능을 이용한 모발 상태 분석 방법 및 이를 수행하기 위한 컴퓨팅 장치

Similar Documents

Publication Publication Date Title
Li et al. Dual encoder-based dynamic-channel graph convolutional network with edge enhancement for retinal vessel segmentation
US8737703B2 (en) Systems and methods for detecting retinal abnormalities
Garnavi et al. Border detection in dermoscopy images using hybrid thresholding on optimized color channels
US20180279943A1 (en) System and method for the analysis and transmission of data, images and video relating to mammalian skin damage conditions
Jung et al. Review on the current trends in tongue diagnosis systems
Glaister et al. MSIM: Multistage illumination modeling of dermatological photographs for illumination-corrected skin lesion analysis
Abbasi-Sureshjani et al. Biologically-inspired supervised vasculature segmentation in SLO retinal fundus images
CN108985210A (zh) 一种基于人眼几何特征的视线追踪方法及系统
JP6497579B2 (ja) 画像合成システム、画像合成方法、画像合成プログラム
KR101197863B1 (ko) 피부 진단을 위한 단말 및 이를 위한 방법이 기록된 컴퓨터 판독 가능한 기록매체
JP6361776B2 (ja) 診断支援装置、及び診断支援装置における画像処理方法、並びにプログラム
Liu et al. Distribution quantification on dermoscopy images for computer-assisted diagnosis of cutaneous melanomas
CN111488912B (zh) 一种基于深度学习神经网络的喉部疾病诊断系统
Glaister Automatic segmentation of skin lesions from dermatological photographs
KR101197798B1 (ko) 피부 진단을 위한 장치
US11980420B2 (en) Dynamic adjustment of flash intensity based on retinal pigmentation
Najjar et al. Histogram features extraction for edge detection approach
Mookiah et al. Computer aided diagnosis of diabetic retinopathy using multi-resolution analysis and feature ranking frame work
JP5740403B2 (ja) 網膜の異常を検出するためのシステムおよび方法
Burge et al. Multispectral iris fusion for enhancement, interoperability, and cross wavelength matching
Asem et al. Blood vessel segmentation in modern wide-field retinal images in the presence of additive Gaussian noise
CN115546147A (zh) 一种基于红外热成像的浅表病变检测系统
KR102380560B1 (ko) 영상 처리를 기반으로 하는 각막궤양 검출 장치 및 그 방법
Rehman et al. Dermoscopy cancer detection and classification using geometric feature based on resource constraints device (Jetson Nano)
Li et al. Multi-resolution transmission image registration based on “Terrace Compression Method” and normalized mutual information

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20151029

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20171110

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20181022

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20191010

Year of fee payment: 8