KR101653505B1 - 이미지를 기반으로 건강상태에 대한 진단을 보조하는 컴퓨팅 장치 및 방법 - Google Patents

이미지를 기반으로 건강상태에 대한 진단을 보조하는 컴퓨팅 장치 및 방법 Download PDF

Info

Publication number
KR101653505B1
KR101653505B1 KR1020150142756A KR20150142756A KR101653505B1 KR 101653505 B1 KR101653505 B1 KR 101653505B1 KR 1020150142756 A KR1020150142756 A KR 1020150142756A KR 20150142756 A KR20150142756 A KR 20150142756A KR 101653505 B1 KR101653505 B1 KR 101653505B1
Authority
KR
South Korea
Prior art keywords
image
body part
disease
database
images
Prior art date
Application number
KR1020150142756A
Other languages
English (en)
Inventor
이시우
진희정
이영섭
안일구
김유정
Original Assignee
한국 한의학 연구원
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 한국 한의학 연구원 filed Critical 한국 한의학 연구원
Priority to KR1020150142756A priority Critical patent/KR101653505B1/ko
Application granted granted Critical
Publication of KR101653505B1 publication Critical patent/KR101653505B1/ko

Links

Images

Classifications

    • G06F19/34—
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • G06F19/321—
    • G06F19/3431—
    • G06F19/3443—
    • G06F19/3456—

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Physics & Mathematics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 이미지를 기반으로 건강상태에 대한 진단을 보조하는 컴퓨팅 장치 및 방법에 관한 것으로서, 일실시예에 따른 상기 건강 상태를 진단하는 보조 컴퓨팅 장치는 신체 부위 이미지를 수집하는 수집부, 상기 수집된 신체 부위 이미지와 임계값 이상의 유사도를 갖는 적어도 하나 이상의 질환/변증 이미지를 데이터베이스로부터 추출하는 처리부, 및 상기 추출된 적어도 하나 이상의 질환/변증 이미지 중에서 선택되는 질환/변증 이미지에 대한 질환/변증 관련 정보를 사용자 단말기에 제공하는 통신부를 포함한다.

Description

이미지를 기반으로 건강상태에 대한 진단을 보조하는 컴퓨팅 장치 및 방법{COMPUTING APPARATUS AND METHOD FOR DIAGNOSING STATUS OF HEALTH BASED ON IMAGE}
사용자의 선택이나 입력을 통해 신체 부위의 이미지를 수집하고, 수집된 이미지를 기반으로 사용자의 건강상태에 대한 진단을 보조하는 컴퓨팅 장치 및 그 동작 방법이 제공된다.
이미지는 한 장에 많은 정보를 담고 있을 수 있어서, 직관적으로 정보를 이해하는데 효율적인 수단이 된다. 근래에는, 이미지 검색 기술이 발달하면서, 개인이 원하는 비슷한 옷들을 검색해주거나, 원하는 동물이 있는 영상만을 추출해주기도 한다.
사람들이 자신의 건강상태를 확인하기 위해 웹을 통해서 검색하는 일들이 늘어나고 있지만, 건강 상태를 검색할 때, 자신의 증상이나 눈으로 보이는 증상들에 대해서 설명을 하기에는 글로 작성하는 것에 제약이 따른다. 이 때 이미지를 통해 자신의 건강상태를 알려주는 것이 보다 효율적일 수 있다.
한편, 변의 형태나 사람들에게 보여주기 어려운 부위에 대한 설명은 의사의 상담을 받기 전에 상태에 대해 대략적인 정보라도 알고자 하는 경우가 많으므로, 건강상태를 스스로 진단하는 기술들에 대한 요구가 늘어나고 있다.
대한민국 특허공개공보 제2015-0071147호 대한민국 특허공개공보 제2014-0089675호
사용자의 선택이나 입력을 통해 신체 부위를 선택하고, 관련 이미지를 입력하여 건강상태를 스스로 진단하는 시스템이 제시된다.
진단을 반복함으로써, 진단 결과의 정확도를 높이는 시스템이 제시된다.
업로드 된 이미지들간 클러스터링을 통해 대량의 이미지를 처리하는데 소요되는 시간을 줄이는 시스템이 제시된다.
일측에 따르면, 컴퓨터에 의해 적어도 일시적으로 구현되는 건강 상태를 진단하는 보조 컴퓨팅 장치가 제공된다. 일실시예에 따른 상기 건강 상태를 진단하는 보조 컴퓨팅 장치는: 신체 부위 이미지를 수집하는 수집부, 상기 수집된 신체 부위 이미지와 임계값 이상의 유사도를 갖는 적어도 하나 이상의 질환/변증 이미지를 데이터베이스로부터 추출하는 처리부, 및 상기 추출된 적어도 하나 이상의 질환/변증 이미지 중에서 선택되는 질환/변증 이미지에 대한 질환/변증 관련 정보를 사용자 단말기에 제공하는 통신부를 포함한다.
일실시예에 따른 상기 수집부는, 상기 신체 부위 이미지와 연관된 대상자의 개인 정보, 및 신체 부위 정보 중에서 적어도 하나를 더 수집하고, 상기 처리부는, 상기 수집된 대상자의 개인 정보 및 상기 신체 부위 정보 중에서 적어도 하나를 더 고려하여 상기 데이터베이스로부터 상기 적어도 하나 이상의 질환/변증 이미지를 추출한다.
일실시예에 따른 상기 수집부가 상기 대상자의 신체 부위 정보를 수집하는 경우, 상기 처리부는, 상기 데이터베이스에 기록된 질환/변증 이미지들 중에서 상기 신체 부위 정보에 해당하는 질환/변증 이미지들을 검색하여 상기 적어도 하나 이상의 질환/변증 이미지를 추출한다.
일실시예에 따른 상기 데이터베이스는 신체 부위별로 클러스터링된 질환/변증 이미지들을 기록하고, 상기 수집부가 상기 대상자의 신체 부위 정보를 수집하는 경우, 상기 처리부는, 상기 데이터베이스에 기록된 클러스터링된 질환/변증 이미지들 중 복수의 클래스들 각각의 대표 이미지와 상기 수집된 신체 부위 이미지의 유사도를 산출한다.
일실시예에 따른 상기 처리부는, 상기 복수의 클래스들 중에서 가장 높은 유사도를 가지는 대표 이미지 n개에 해당하는 클래스를 선택하고, 상기 선택된 클래스에 상응하는 이미지 전체에 대해 상기 수집된 신체 부위 이미지와의 유사도를 산출한다.
일실시예에 따른 상기 개인 정보는, 상기 대상자의 성별, 나이, 사상체질, 및 건강상태 중에서 적어도 하나를 포함하는 건강 상태를 진단한다.
일실시예에 따른 상기 처리부는, 상기 선택되는 질환/변증 이미지에 대한 피드백을 고려하여, 상기 데이터베이스에 상기 수집된 신체 부위 이미지의 등록 여부를 결정한다.
일실시예에 따른 상기 처리부는, 상기 사용자의 피드백을 고려하여, 상기 선택되는 질환/변증 이미지에 상기 수집된 신체 부위 이미지를 연관지어 기록 하도록 상기 데이터베이스를 제어하는 건강 상태를 진단한다.
일실시예에 따른 상기 처리부는, 상기 선택되는 질환/변증 이미지에 포지티브 피드백을 수신하는 경우, 상기 데이터베이스에 상기 수집된 신체 부위 이미지를 등록하는 건강 상태를 진단한다.
일실시예에 따른 상기 처리부는, 상기 선택되는 질환/변증 이미지에 네거티브 피드백을 수신하는 경우, 상기 데이터베이스에서 상기 선택되는 질환/변증 이미지를 삭제한다.
일실시예에 따른 상기 처리부는, 딥러닝, 머신러닝, SVM, AdaBoost, 및 Multilayer Percetron Networks 중에서 적어도 하나를 이용해서 상기 수집된 신체 부위 이미지와 적어도 하나 이상의 질환/변증 이미지의 유사도를 산출한다.
일실시예에 따른 상기 처리부는, 질환별 이미지를 클러스터링하고, 클러스터별 대표 이미지 리스트를 생성하며, 상기 생성된 대표 이미지 리스트가 승인되는 경우, 상기 데이터베이스에 상기 대표 이미지 리스트를 기록한다.
일실시예에 따른 상기 질환/변증 관련 정보는, 상기 수집된 신체 부위 이미지에 상응하는 병명, 처방, 및 증상 중에서 적어도 하나를 포함한다.
일실시예에 따른 상기 처리부는 상기 수집된 신체 부위 이미지에 대한 관심영역을 추출하고, 상기 추출된 관심영역만을 이용하여 상기 임계값 이상의 유사도를 갖는 적어도 하나 이상의 질환/변증 이미지를 추출한다.
일실시예에 따른 상기 처리부는, 객체추출법(Object Segmentation)을 적용하여 상기 수집된 신체 부위 이미지에 대한 상기 관심영역을 추출한다.
일실시예에 따른 상기 처리부는, 상기 수집된 신체 부위 이미지에 대한 각 영역의 컬러정보로부터 객체 씨드(object seed)와 배경 씨드(background seed)를 분석하여 분할하고자 하는 객체를 상기 관심영역으로 추출한다.
일실시예에 따른 상기 처리부는, 상기 수집된 신체 부위 이미지의 중심 포인트 영역에서 지정된 범위의 픽셀 크기에 해당하는 영역만을 상기 관심영역으로 추출한다.
일실시예에 따른 상기 처리부는, Retinex 이미지 처리를 이용하여 상기 수집된 신체 부위 이미지에 대한 색보정을 수행하고, 상기 색보정된 신체 부위 이미지와 임계값 이상의 유사도를 갖는 상기 적어도 하나 이상의 질환/변증 이미지를 추출한다.
다른 일측에 따르면, 컴퓨터에 의해 수행되는 건강 상태를 진단하는 방법이 제공된다. 일실시예에 따른 건강 상태를 진단하는 방법은 상기 컴퓨터가 신체 부위 이미지, 및 상기 신체 부위 이미지와 연관된 대상자의 개인 정보, 및 신체 부위 정보 중에서 적어도 하나를 수집하는 단계, 상기 컴퓨터가 상기 수집된 대상자의 개인 정보 및 상기 신체 부위 정보 중에서 적어도 하나를 더 고려하여, 상기 수집된 신체 부위 이미지와 임계값 이상의 유사도를 갖는 적어도 하나 이상의 질환/변증 이미지를 데이터베이스로부터 추출하는 단계, 및 상기 컴퓨터가 상기 추출된 적어도 하나 이상의 질환/변증 이미지 중에서 선택되는 질환/변증 이미지에 대한 질환/변증 관련 정보를 사용자 단말기에 제공하는 단계를 포함한다.
일실시예에 따른 상기 추출하는 단계는, 상기 컴퓨터가 상기 데이터베이스에 기록된 질환/변증 이미지들 중에서 상기 신체 부위 정보에 해당하는 질환/변증 이미지들을 검색하여 상기 적어도 하나 이상의 질환/변증 이미지를 추출하는 단계를 포함한다.
일실시예에 따른 건강 상태를 진단하는 방법은 상기 컴퓨터가 상기 데이터베이스에 신체 부위별로 클러스터링된 질환/변증 이미지들을 기록하는 단계를 더 포함하고, 상기 추출하는 단계는, 상기 컴퓨터가 상기 데이터베이스에 기록된 클러스터링된 질환/변증 이미지들 중 복수의 클래스들 각각의 대표 이미지와 상기 수집된 신체 부위 이미지의 유사도를 산출하는 단계를 포함한다.
일실시예에 따른 상기 추출하는 단계는, 상기 컴퓨터가 상기 복수의 클래스들 중에서 가장 높은 유사도를 가지는 대표 이미지 n개에 해당하는 클래스를 선택하는 단계, 및 상기 컴퓨터가 상기 선택된 클래스에 상응하는 이미지 전체에 대해 상기 수집된 신체 부위 이미지와의 유사도를 산출하는 단계를 포함한다.
일실시예에 따른 상기 추출하는 단계는, 상기 컴퓨터가 상기 선택되는 질환/변증 이미지에 대한 피드백을 고려하여, 상기 데이터베이스에 상기 수집된 신체 부위 이미지의 등록 여부를 결정하는 단계를 포함한다.
일실시예에 따른 상기 추출하는 단계는, 상기 컴퓨터가 상기 선택되는 질환/변증 이미지에 네거티브 피드백을 수신하는 경우, 상기 데이터베이스에서 상기 선택되는 질환/변증 이미지를 삭제하는 단계를 포함한다.
일실시예에 따른 상기 추출하는 단계는, 상기 컴퓨터가 질환별 이미지를 클러스터링하는 단계, 상기 컴퓨터가 클러스터별 대표 이미지 리스트를 생성하는 단계, 및 상기 컴퓨터가 상기 생성된 대표 이미지 리스트가 승인되는 경우, 상기 데이터베이스에 상기 대표 이미지 리스트를 기록하는 단계를 포함한다.
일실시예에 따른 상기 추출하는 단계는, 상기 컴퓨터가 상기 수집된 신체 부위 이미지에 대한 관심영역을 추출하는 단계, 상기 컴퓨터가 상기 추출된 관심영역만을 이용하여 상기 임계값 이상의 유사도를 갖는 적어도 하나 이상의 질환/변증 이미지를 추출하는 단계를 포함한다.
실시예들에 따르면, 사용자의 선택이나 입력을 통해 신체 부위를 선택하고, 관련 이미지를 입력함으로써 건강상태를 스스로 진단할 수 있다.
실시예들에 따르면, 진단을 반복함으로써, 진단 결과의 정확도를 높일 수 있다.
실시예들에 따르면, 업로드 된 이미지들간 클러스터링을 통해 대량의 이미지를 처리하는데 소요되는 시간을 줄일 수 있다.
도 1은 일실시예에 따른 건강 상태를 진단하는 보조 컴퓨팅 장치를 설명하는 도면이다.
도 2는 일실시예에 따른 이미지 데이터베이스를 설명하는 도면이다.
도 3은 이미지 데이터베이스와 연관된 질환정보 데이터베이스를 설명하는 도면이다.
도 4는 객체 씨드(object seed)와 배경 씨드(background seed)를 고려해서 입력되는 이미지로부터 객체 영상을 추출하는 실시예를 설명하는 도면이다.
도 5는 이미지 데이터베이스에 진단된 신체 부위 이미지를 새로 등록하는 실시예를 설명하는 도면이다.
도 6은 일실시예에 따른 보조 컴퓨팅 장치의 동작 방법을 설명하는 도면이다.
도 7은 나이대/성별/신체 부위 등의 정보를 입력하여 건강 상태를 진단하는 보조 컴퓨팅 장치의 동작 방법을 설명하는 도면이다.
도 8은 질환별 클러스터링을 통해 이미지 데이터베이스에 신체 부위 이미지를 등록하는 실시예를 설명하는 도면이다.
이하에서, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 이러한 실시예들에 의해 권리범위가 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
아래 설명에서 사용되는 용어는, 연관되는 기술 분야에서 일반적이고 보편적인 것으로 선택되었으나, 기술의 발달 및/또는 변화, 관례, 기술자의 선호 등에 따라 다른 용어가 있을 수 있다. 따라서, 아래 설명에서 사용되는 용어는 기술적 사상을 한정하는 것으로 이해되어서는 안 되며, 실시예들을 설명하기 위한 예시적 용어로 이해되어야 한다.
또한 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 설명 부분에서 상세한 그 의미를 기재할 것이다. 따라서 아래 설명에서 사용되는 용어는 단순한 용어의 명칭이 아닌 그 용어가 가지는 의미와 명세서 전반에 걸친 내용을 토대로 이해되어야 한다.
도 1은 일실시예에 따른 건강 상태를 진단하는 보조 컴퓨팅 장치(100)를 설명하는 도면이다.
일실시예에 따른 보조 컴퓨팅 장치(100)는 사용자의 선택이나 입력을 통해 신체 부위를 선택하고, 관련 이미지를 입력함으로써 건강상태를 스스로 진단할 수 있다. 또한, 진단이 반복됨에 따라 진단 결과의 정확도를 높일 수 있고, 업로드 된 이미지들간 클러스터링을 통해 대량의 이미지를 처리하는데 소요되는 시간을 줄일 수 있다.
이를 위해, 일실시예에 따른 보조 컴퓨팅 장치(100)는 수집부(110), 처리부(120), 및 통신부(130)를 포함할 수 있다.
먼저, 일실시예에 따른 수집부(110)는 신체 부위 이미지를 수집한다.
신체 부위 이미지는 진단을 위한 신체 부위를 포함하는 이미지로서, 사용자 단말기를 통해 촬영하거나, 이미 촬영했던 데이터의 업로드를 통해 수집할 수 있다.
다음으로, 일실시예에 따른 처리부(120)는 수집된 신체 부위 이미지와 임계값 이상의 유사도를 갖는 적어도 하나 이상의 질환/변증 이미지를 이미지 데이터베이스(140)로부터 추출한다.
예를 들어, 수집부(110)는 신체 부위 이미지와 연관된 대상자의 개인 정보, 및 신체 부위 정보 중에서 적어도 하나를 더 수집할 수 있다. 이에, 처리부(120)는 수집된 대상자의 개인 정보 및 신체 부위 정보 중에서 적어도 하나를 더 고려하여 이미지 데이터베이스(140)로부터 적어도 하나 이상의 질환/변증 이미지를 추출할 수 있다. 개인 정보는, 대상자의 성별, 나이, 사상체질, 및 건강상태 중에서 적어도 하나를 포함할 수 있다.
이미지 데이터베이스(140)는 질환/변증 이미지들과 각 질환/변증 이미지에 상응하는 질환/변증 관련 정보를 연관지어 유지한다.
일실시예에 따르면, 질환/변증 관련 정보는 별도의 질환정보 데이터베이스에 기록될 수도 있고, 수집된 신체 부위 이미지에 상응하는 병명, 처방, 및 증상 중에서 적어도 하나를 포함할 수 있다.
도 2는 일실시예에 따른 이미지 데이터베이스(200)를 설명하는 도면이다.
일실시예에 따른 이미지 데이터베이스(200)는 질환/변증 이미지와 이에 상응하는 질환 식별자(ID)를 기록할 수 있다. 또한, 이미지 데이터베이스(200)는 질환/변증 이미지를 수집한 사용자에 대한 사용자 정보로서, 성별, 나이, 측정 부위, 건강 상태 정보 등을 질환/변증 이미지에 연관지어 기록할 수 있다.
도 2을 살펴보면, 도시된 'IMG_001'로 식별되는 질환/변증 이미지는 '여성(F)', '6세', '볼'로 식별되는 사용자로부터 측정한 이미지이고, 현재 'D_001'로 식별되는 질환을 앓고 있으며, 건강 상태는 'A'임을 알 수 있다.
도 3은 이미지 데이터베이스와 연관된 질환정보 데이터베이스(300)를 설명하는 도면이다.
질환정보 데이터베이스(300)는 각 질환별로 상세한 설명과 완화를 위한 방법에 대한 정보를 기록할 수 있다.
구체적으로, 도 3에서 보는 바와 같이, 질환정보 데이터베이스(300)는 'D_001'로 식별되는 질환의 질환명은 '태열'이고, 이에 대한 설명은 '태열'에 따른 증상이나 통증 등의 정보를 연관지어 기록할 수 있다. 또한, 해당 질환과 관련하여 질환 완화를 위한 방법에 대해서 기록할 수 있다.
다시 도 1을 참고하면, 일실시예에 따른 통신부(130)는 추출된 적어도 하나 이상의 질환/변증 이미지 중에서 선택되는 질환/변증 이미지에 대한 질환/변증 관련 정보를 사용자 단말기에 제공할 수 있다. 이를 위해, 통신부(130)는 유무선 네트워크를 통해 사용자 단말기와 통신할 수 있는 수단을 포함한다.
일례로, 처리부(120)는 수집된 이미지로부터 진단을 위한 객체 이미지만을 추출할 수 있다.
이를 위해, 처리부(120)는 입력영상에 객체 씨드(object seed)를 제1 색으로 선택하고, 배경 씨드(background seed)를 제2 색으로 지정함으로써, 전체 이미지 중에서 진단을 위한 객체 이미지만을 추출할 수 있다.
구체적으로, 사용자는 선택된 신체부위 별로 이미지를 업로드 하거나, 선택된 부위 전체에 대해서 하나 이상의 이미지를 업로드 할 수 있다. 이에, 처리부(120)는 업로드 전 사용자가 보고자 하는 영역만을 선택하고 세그멘테이션하여 객체를 추출한 후 업로드 할 수 있다.
처리부(120)는 진단의 정확도를 높이기 위해 영상의 관심영역만을 객체추출법(Object Segmentation)을 이용하여 객체를 추출할 수 있다. 일례로, 처리부(120)는 객체추출법으로서 그래프컷 영상추출법(Graph-cut image segmentation)을 이용할 수 있다. 또한, 그래프 컷(graph cuts)은 사용자가 분할하고자 하는 객체와 비객체를 대략적으로 지정해주면 각 영역의 컬러정보를 분석하여 분할하고자 하는 객체를 추출해주는 반자동(Semi-automatic) 영상분할방법으로 해석될 수 있다.
일실시예에 따른 처리부(120)는 수집된 신체 부위 이미지에서 효율적으로 객체를 추출하기 위해 이미지 전처리를 수행할 수 있다.
일례로, 처리부(120)는 Retinex 이미지 처리를 이용하여 수집된 신체 부위 이미지에 대한 색보정을 수행하고, 색보정된 신체 부위 이미지와 임계값 이상의 유사도를 갖는 상기 적어도 하나 이상의 질환/변증 이미지를 추출할 수 있다.
이하에서는, 처리부(120)에서의 Retinex 이미지 처리를 통한 색보정을 설명한다.
인간의 시각인지모델을 수학적으로 모델링한 Retinex 이론은 다른 화질 개선 방법에 비해 대조(Contrast) 향상과 컬러 재현 성능이 우수하다고 알려져 있다. Retinex 알고리즘은 로그(Log) 함수와 가우시안(Gaussian) 함수를 이용하여 입력 영상의 조명성분(Illumination)을 추정하고 추정된 조명 성분을 입력 영상으로부터 제거하여 사물의 특징을 표현하는 반사 성분(Reflectance)을 계산하고, 이렇게 계산된 반사 성분을 이용하여 컬러를 복원하고 게인(Gain)과 옵셋(Offset)을 적용하는 과정을 거쳐 최종 밝기 및 컬러 재현 영상을 생성한다.
[수학식 1]
Figure 112015098758489-pat00001
여기서 Ii(x,y)은 (x,y) 위치에서의 영상값이며 RMSRi은 Retinex 결과값이며, F(x,y)은 가우시안 함수, N은 scale(색의 채널)의 개수, wn은 n번째 scale의 가중치이다.
일실시예에 따른 처리부(120)는 수집된 신체 부위 이미지와 기저장된 질환/변증 이미지의 유사도를 분석할 수 있다.
즉, 처리부(120)는 이미지 데이터베이스(14)에 기록된 질환/변증 이미지들 중에서 신체 부위 정보에 해당하는 질환/변증 이미지들을 검색하여 적어도 하나 이상의 질환/변증 이미지를 추출할 수 있다.
처리부(120)는 업로드 된 신체 부위 이미지와 기저장된 질환/변증 이미지들의 유사도를 분석하기 위해 크게 두 가지의 경우를 고려할 수 있다.
먼저, 이미지 데이터베이스(140)에 저장되어 있는 이미지 전체에 검색하는 경우, 이미지 전체 중 부분 이미지들을 검색하는 경우를 고려할 수 있다.
이미지 전체에 대해서 검색하는 경우에는 시스템 자원이 다소 더 할애 되어야 하지만, 보다 정밀한 분석 결과를 보일 수 있다.
또한, 이미지 전체 중 부분 이미지들을 검색하기 위해, 수집부(110)가 대상자의 신체 부위 정보를 수집하면 처리부(120)는 이미지 데이터베이스(140)에 기록된 클러스터링된 질환/변증 이미지들 중 복수의 클래스들 각각의 대표 이미지와 수집된 신체 부위 이미지의 유사도를 산출할 수 있다.
참고로, 이미지 데이터베이스(140)는 신체 부위별로 클러스터링된 질환/변증 이미지들을 기록하고 이를 유지한다.
일례로, 처리부(120)는 질환별 이미지를 클러스터링하고, 클러스터별 대표 이미지 리스트를 생성하며, 생성된 대표 이미지 리스트가 승인되는 경우에만, 이미지 데이터베이스(140)에 대표 이미지 리스트를 기록할 수 있다.
또한, 처리부(120)는 복수의 클래스들 중에서 가장 높은 유사도를 가지는 대표 이미지 n개에 해당하는 클래스를 선택하고, 선택된 클래스에 상응하는 이미지 전체에 대해 상기 수집된 신체 부위 이미지와의 유사도를 산출할 수 있다.
즉, 처리부(120)는 시스템 상에 많은 이미지를 보유하고 있을 때, 유사도가 높은 이미지들에 대해서 부분적으로 전수 조사를 함으로써, 보다 정확한 결과를 낼 수 있다.
일실시예에 따른 처리부(120)는 유사도 분석을 위해 딥러닝을 이용해서 상기 수집된 신체 부위 이미지와 적어도 하나 이상의 질환/변증 이미지의 유사도를 산출할 수 있다. 딥러닝을 위해, 처리부(120)는 우선 입력된 신체 부위 이미지를 n*n 이미지, 즉 이미지 데이터베이스에 저장되어 있는 질환/변증 이미지와 같은 사이즈로 축약 시킬 수 있다. 또한, 축약된 신체 부위 이미지를 신체 부위에 따라서 정렬한 후 딥러닝을 수행 할 수 있다. 일례로, 신체 부위로서 눈이 선택되는 경우 처리부(120)는 눈의 시작위치를 정렬시켜 유사도를 분석할 수 있다.
또한, 일실시예에 따른 처리부(120)는 SVM, AdaBoost, Multilayer Percetron Networks 등의 알고리즘을 이용해서 신체 부위 이미지를 RGB, hsv, YIQ 등 칼라 공간으로 변형하여 머신 러닝 기법을 적용하여 유사도를 분석할 수 있다.
도 4는 객체 씨드(object seed)와 배경 씨드(background seed)를 고려해서 입력되는 이미지로부터 객체 영상을 추출하는 실시예를 설명하는 도면이다.
처리부는 수집된 신체 부위 이미지에 대한 관심영역을 추출하고, 추출된 관심영역만을 이용하여 임계값 이상의 유사도를 갖는 적어도 하나 이상의 질환/변증 이미지를 추출할 수 있다. 관심영역은 도 4의 실시예에서 객체 영상으로 해석될 수 있다.
도면부호 410은 그래프 컷 기반의 객체추출결과를 나타낸 것으로, 도면부호 410에서와 같이 추출하고자 하는 객체를 제1 색(412), 배경을 제2 색(413)으로 지정해 주면, 도면부호 420에서와 같이 객체가 추출된다.
이를 위해 처리부는, 객체 씨드(object seed)와 배경 씨드(background seed)를 고려해서 입력되는 이미지로부터 객체 영상을 추출할 수 있다.
한편, 처리부는 수집된 신체 부위 이미지의 중심 포인트 영역에서 지정된 범위의 픽셀 크기에 해당하는 영역만을 상기 관심영역으로 추출할 수 있다.
일례로, 사용자 단말기에 구비된 카메라를 이용하여 사진을 촬영할 때에는 촬영 시 카메라 중심에 포인트를 사용자에게 보여주고, 중심 포인트를 사용자가 알고자 하는 영역의 중심에 맞추어서 촬용을 하게 하여, 원하는 객체를 추출할 수 있도록 한 후 업로드할 수 있다.
객체를 추출하는 방법은 중심 포인트 영역에서 임계값(threshold_d) 만큼의 픽셀 크기만큼 사각형 또는 원과 같은 영역을 만들고, 그 영역만을 추출하는 방법을 사용할 수 있다.
도 5는 이미지 데이터베이스(500)에 진단된 신체 부위 이미지를 새로 등록하는 실시예를 설명하는 도면이다.
이미지 데이터베이스(500)에는 이미지 식별자 'IMG_001'로 식별되는 질환/변증 이미지와 이에 대응되는 성별(F), 나이(6), 부위(볼), 질환 식별자(D_001), 건강 상태를 연관지어 기록할 수 있다. 한편, 새로 등록되는 이미지는 이미지 식별자 'IMG_138'로 식별되고, 성별(F), 나이(25), 부위(볼), 질환 식별자(D_001), 건강 상태와 함께 기록될 수 있다.
새로 등록되는 이미지는 사용자가 진단을 위해 입력한 신체 부위 이미지로서, 진단 결과에 따른 전문가 또는 사용자의 만족도를 고려하여, 만족도가 임계값 이상이 경우에 대해서 이미지 데이터베이스(500)로의 등록 여부를 결정할 수 있다.
일례로, 보조 컴퓨팅 장치는 신체 부위가 선택되지 않은 경우에는 전체 부위에서 이미지를 검색할 수 있고, 이때 유사도에 따라 일치율이 높은 이미지들의 결과를 사용자에게 제공할 수 있다. 또한, 보조 컴퓨팅 장치는 결과에서 사용자가 선택한 질환/변증/건강 상태에 대한 결과를 사용자 단말기로 전송할 수 있는데, 사용자는 수신된 결과에 대한 피드백을 제공할 수 있다. 피드백을 통해 사용자의 만족도가 확인될 수 있는데, 사용자가 결과에 만족하면, 업로드 된 신체 부위 이미지를 해당 결과와 매핑 하여 이미지 데이터베이스(500)에 추가하고, 향후 분석에 사용할 수 있다.
일실시예에 따른 보조 컴퓨팅 장치의 처리부는, 선택되는 질환/변증 이미지에 대한 피드백을 고려하여, 이미지 데이터베이스에 수집된 신체 부위 이미지의 등록 여부를 결정할 수 있다.
예를 들어, 처리부는, 사용자의 피드백을 고려하여 선택되는 질환/변증 이미지에 수집된 신체 부위 이미지를 연관지어 추가 기록 하도록 이미지 데이터베이스를 제어할 수 있다. 또한, 처리부는 선택되는 질환/변증 이미지에 포지티브 피드백을 수신하는 경우, 이미지 데이터베이스에 수집된 신체 부위 이미지를 등록할 수도 있다. 또한, 처리부는, 선택되는 질환/변증 이미지에 네거티브 피드백을 수신하는 경우, 이미지 데이터베이스에서 선택되는 질환/변증 이미지를 삭제할 수 있다.
결국, 일실시예에 따른 보조 컴퓨팅 장치는 진단이 반복될수록 진단의 정확도를 높일 수 있다.
도 6은 일실시예에 따른 보조 컴퓨팅 장치의 동작 방법을 설명하는 도면이다.
일실시예에 따른 보조 컴퓨팅 장치의 동작 방법은 유사도에 대한 임계값(threshold=s)과 함께 신체 부위 이미지를 입력 이미지로 하여 수집한다(601). 이에, 보조 컴퓨팅 장치는 이미지 데이터베이스(603)를 검색해서 신체 부위 이미지와 유사한 질환/변증 이미지를 검색한다(단계 602).
다음으로, 검색된 결과, 즉 검색된 신체 부위 이미지와 유사한 질환/변증 이미지들은 사용자 단말기에 제공될 수 있는데, 사용자는 검색된 결과를 확인하여 사용자 결과 선택을 입력할 수 있다(604).
사용자 결과 선택은, 진단 결과를 확인하는 사용자로부터의 피드백으로 해석될 수 있고, 피드백은 진단 결과에 대한 만족하는 경우에 해당하는 포지티브 피드백과, 진단 결과에 만족하지 못하는 네거티브 피드백으로 구분할 수 있다.
보조 컴퓨팅 장치는 사용자로부터 선택된 피드백을 고려하여, 검색된 결과에 대한 유사도가 임계값 이상인지 여부를 판단할 수 있다(605).
만약, 유사도가 임계값 이상이라면, 보조 컴퓨팅 장치는 신체 부위 이미지를 이미지 데이터베이스에 기록(606)하여, 이미지 데이터베이스를 트레이닝 할 수 있다.
즉, 사용자가 업로드한 신체 부위 이미지와 질환/변증 이미지들의 유사도 측정 결과, 최대 유사도 값이 특정 임계값 이상이고, 사용자가 이미지 결과에 대해 승인한 경우에만 이미지 데이터베이스에 저장하여 추후 분석에 사용할 수 있다.
한편, 이미지 데이터베이스를 트레이닝 하기 위해, 전문가 확인 과정이 추가될 수 있다. 일례로, 사용자가 업로드한 신체 부위 이미지에 tagging(성별, 나이, 부위, 질환 등)을 하여 임시 데이터베이스에 저장하고, 전문가의 컨펌을 받은 이미지에 대해서만 이미지 데이터베이스에 저장하여 추후 분석에 사용할 수 있다.
다른 예로, 보조 컴퓨팅 장치는 사용자가 업로드한 신체 부위 이미지에 대한 에디팅 권한을 부여할 수 있다. 구체적으로, 사용자가 업로드하고, 이미지 분석 결과 질환정보에 대해 승인된 경우, 이미지 데이터베이스에 저장되어 추후 분석에 사용될 수 있으나, 사용자들이 업로드 한 신체 부위 이미지에 대해서, 다른 사용자 또는 전문가로 등록된 사용자들로부터 잘못 분류된 이미지라는 테그를 받을 수 있다. 보조 컴퓨팅 장치는 이러한 테그가 달린 이미지는 분석에 사용되지 않도록 해당 이미지를 관리할 수 있다. 이러한 테그는 시스템 관리자에 의하여 재사용되거나 삭제될 수 있는 기능이 있음으로써, 잘못된 이미지가 추가되어 시스템의 성능이 저하되는 것을 예방할 수 있다.
만약, 유사도가 임계값 이상이 아니라면, 보조 컴퓨팅 장치는 이미지 데이터베이스를 트레이닝하지 않고, 선택 이미지에 대한 결과를 사용자 단말기로 전송할 수 있다(607).
도 7은 나이대/성별/신체 부위 등의 정보를 입력하여 건강 상태를 진단하는 보조 컴퓨팅 장치의 동작 방법을 설명하는 도면이다.
보조 컴퓨팅 장치는 우선, 나이대/성별을 선택 받고(701), 이어 신체 부위를 선택 받을 수 있다(702).
또한, 보조 컴퓨팅 장치는 이미지를 업로드 받거나 촬영된 이미지를 수신할 수 있다(703). 이때, 보조 컴퓨팅 장치는 단계 702에서 입력된 신체 부위를 고려하여, 수신된 이미지가 어느 신체 부위에 해당하는지를 식별할 수 있다.
이미지 임시 데이터베이스(706)에는 질환/변증 이미지와 이에 상응하는 질환/변증 관련 정보가 기록되어 있는데, 보조 컴퓨팅 장치는 나이대, 성별, 및 신체 부위를 색인으로 하여 수신된 이미지와 임계값 이상의 유사도를 갖는 질환/변증 이미지들의 리스트를 추출할 수 있다(704). 보조 컴퓨팅 장치는 색인으로 필터링하여 유사도를 분석 함으로써, 보다 신속하고 정확한 분석 결과를 산출할 수 있다.
다음으로, 보조 컴퓨팅 장치는 추출된 질환/변증 이미지들의 리스트를 사용자 단말기에 제공하고, 사용자로부터 결과 선택을 입력 받을 수 있다(705). 사용자로부터의 결과 선택은 사용자의 만족도가 반영된 피드백으로 해석될 수 있고, 기준 이상의 만족도가 반영된 포지티브 피드백을 수신하는 경우, 사용자로부터 입력된 이미지를 이미지 임시 데이터베이스(706)에 등록할 수 있다. 이로써, 이미지 임시 데이터베이스(706)가 트레이닝될 수 있다.
도 8은 질환별 클러스터링을 통해 시스템 이미지 데이터베이스(807)에 신체 부위 이미지를 등록하는 실시예를 설명하는 도면이다.
일실시예에 따른 보조 컴퓨팅 장치는 각 신체 부위와 질환별로 이미지 임시 데이터베이스(801)에 저장되어 있는 이미지들을 시스템상에서 클러스터링 한 후(802), 각 클래스의 대표 이미지를 생성할 수 있다(803).
또한, 보조 컴퓨팅 장치는 각 클래스의 대표 이미지에 대한 리스트의 전문가 확인 과정을 수행할 수 있다(804). 즉, 전문가가 확인할 때, 클래스의 대표 이미지만을 확인함으로써, 시스템 자원의 낭비를 줄일 수 있다.
다음으로, 보조 컴퓨팅 장치는 전문가 확인된 리스트, 즉 전문가 선택 이미지 리스트를 생성하고(805), 생성된 전문가 선택 이미지 리스트를 생성를 실제 시스템의 이미지 데이터베이스(807)에 등록할 수 있다(806).
전문가는 사용자가 업로드한 이미지와 기저장된 이미지간 유사도를 분석할 수 있는데, 이 때 클러스터 대표 이미지를 확인하여 유사도를 분석할 수 있다. 이 과정에서, 유사도 분석에 따른 순위가 매겨지고 가장 높은 유사도를 가지는 대표 이미지 n개에 해당하는 클래스를 선택하여 리스트로 생성할 수 있다.
결국, 실시예들에 따르면, 사용자의 선택이나 입력을 통해 신체 부위를 선택하고, 관련 이미지를 입력함으로써 건강상태를 스스로 진단할 수 있고, 진단을 반복함으로써, 진단 결과의 정확도를 높일 수 있다. 또한, 업로드 된 이미지들간 클러스터링을 통해 대량의 이미지를 처리하는데 소요되는 시간을 줄일 수 있다.
본 발명의 일실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다.　 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

Claims (27)

  1. 컴퓨터에 의해 적어도 일시적으로 구현되는:
    신체 부위 이미지, 및 상기 신체 부위 이미지와 연관된 대상자의 개인 정보, 및 신체 부위 정보 중에서 적어도 하나를 수집하는 수집부;
    상기 수집된 신체 부위 이미지와 임계값 이상의 유사도를 갖는 적어도 하나 이상의 질환/변증 이미지를 데이터베이스로부터 추출하는 처리부; 및
    상기 추출된 적어도 하나 이상의 질환/변증 이미지 중에서 선택되는 질환/변증 이미지에 대한 질환/변증 관련 정보를 사용자 단말기에 제공하는 통신부
    를 포함하고,
    상기 데이터베이스는 신체 부위별로 클러스터링된 질환/변증 이미지들을 기록하고,
    상기 수집부가 상기 대상자의 신체 부위 정보를 수집하는 경우, 상기 처리부는, 상기 데이터베이스에 기록된 클러스터링된 질환/변증 이미지들 중 복수의 클래스들 각각의 대표 이미지와 상기 수집된 신체 부위 이미지의 유사도를 산출하고,
    상기 처리부는,
    상기 선택되는 질환/변증 이미지에 대한 피드백을 고려하여, 상기 데이터베이스에 상기 수집된 신체 부위 이미지의 등록 여부를 결정하되,
    상기 선택되는 질환/변증 이미지에 포지티브 피드백을 수신하는 경우, 상기 데이터베이스에 상기 수집된 신체 부위 이미지를 등록하고, 상기 수집된 신체 부위 이미지를 등록할 때 상기 선택되는 질환/변증 이미지에 상기 수집된 신체 부위 이미지를 연관지어 기록 하도록 상기 데이터베이스를 제어하고,
    상기 선택되는 질환/변증 이미지에 네거티브 피드백을 수신하는 경우, 상기 데이터베이스에서 상기 선택되는 질환/변증 이미지를 삭제하여 건강 상태를 진단하는 보조 컴퓨팅 장치.
  2. 제1항에 있어서,
    상기 처리부는,
    상기 수집된 대상자의 개인 정보 및 상기 신체 부위 정보 중에서 적어도 하나를 더 고려하여 상기 데이터베이스로부터 상기 적어도 하나 이상의 질환/변증 이미지를 추출하는 건강 상태를 진단하는 보조 컴퓨팅 장치.
  3. 제2항에 있어서,
    상기 수집부가 상기 대상자의 신체 부위 정보를 수집하는 경우, 상기 처리부는,
    상기 데이터베이스에 기록된 질환/변증 이미지들 중에서 상기 신체 부위 정보에 해당하는 질환/변증 이미지들을 검색하여 상기 적어도 하나 이상의 질환/변증 이미지를 추출하는 건강 상태를 진단하는 보조 컴퓨팅 장치.
  4. 삭제
  5. 제1항에 있어서,
    상기 처리부는,
    상기 복수의 클래스들 중에서 가장 높은 유사도를 가지는 대표 이미지 n개에 해당하는 클래스를 선택하고, 상기 선택된 클래스에 상응하는 이미지 전체에 대해 상기 수집된 신체 부위 이미지와의 유사도를 산출하는 건강 상태를 진단하는 보조 컴퓨팅 장치.
  6. 제1항에 있어서,
    상기 개인 정보는,
    상기 대상자의 성별, 나이, 사상체질, 및 건강상태 중에서 적어도 하나를 포함하는 건강 상태를 진단하는 보조 컴퓨팅 장치.
  7. 삭제
  8. 삭제
  9. 삭제
  10. 삭제
  11. 제1항에 있어서,
    상기 처리부는,
    딥러닝, 머신러닝, SVM, AdaBoost, 및 Multilayer Percetron Networks 중에서 적어도 하나를 이용해서 상기 수집된 신체 부위 이미지와 적어도 하나 이상의 질환/변증 이미지의 유사도를 산출하는 건강 상태를 진단하는 보조 컴퓨팅 장치.
  12. 제1항에 있어서,
    상기 처리부는,
    질환별 이미지를 클러스터링하고, 클러스터별 대표 이미지 리스트를 생성하며, 상기 생성된 대표 이미지 리스트가 승인되는 경우, 상기 데이터베이스에 상기 대표 이미지 리스트를 기록하는 건강 상태를 진단하는 보조 컴퓨팅 장치.
  13. 제1항에 있어서,
    상기 질환/변증 관련 정보는,
    상기 수집된 신체 부위 이미지에 상응하는 병명, 처방, 및 증상 중에서 적어도 하나를 포함하는 건강 상태를 진단하는 보조 컴퓨팅 장치.
  14. 제1항에 있어서,
    상기 처리부는
    상기 수집된 신체 부위 이미지에 대한 관심영역을 추출하고, 상기 추출된 관심영역만을 이용하여 상기 임계값 이상의 유사도를 갖는 적어도 하나 이상의 질환/변증 이미지를 추출하는 건강 상태를 진단하는 보조 컴퓨팅 장치.
  15. 제14항에 있어서,
    상기 처리부는,
    객체추출법(Object Segmentation)을 적용하여 상기 수집된 신체 부위 이미지에 대한 상기 관심영역을 추출하는 건강 상태를 진단하는 보조 컴퓨팅 장치.
  16. 제14항에 있어서,
    상기 처리부는,
    상기 수집된 신체 부위 이미지에 대한 각 영역의 컬러정보로부터 객체 씨드(object seed)와 배경 씨드(background seed)를 분석하여 분할하고자 하는 객체를 상기 관심영역으로 추출하는 건강 상태를 진단하는 보조 컴퓨팅 장치.
  17. 제14항에 있어서,
    상기 처리부는,
    상기 수집된 신체 부위 이미지의 중심 포인트 영역에서 지정된 범위의 픽셀 크기에 해당하는 영역만을 상기 관심영역으로 추출하는 건강 상태를 진단하는 보조 컴퓨팅 장치.
  18. 제1항에 있어서,
    상기 처리부는,
    Retinex 이미지 처리를 이용하여 상기 수집된 신체 부위 이미지에 대한 색보정을 수행하고, 상기 색보정된 신체 부위 이미지와 임계값 이상의 유사도를 갖는 상기 적어도 하나 이상의 질환/변증 이미지를 추출하는 건강 상태를 진단하는 보조 컴퓨팅 장치.
  19. 컴퓨터에 의해 비일실시적으로 수행되는 건강 상태를 진단하는 방법에 있어서, 상기 방법은:
    상기 컴퓨터가 신체 부위 이미지, 및 상기 신체 부위 이미지와 연관된 대상자의 개인 정보, 및 신체 부위 정보 중에서 적어도 하나를 수집하는 단계;
    상기 컴퓨터가 데이터베이스에 신체 부위별로 클러스터링된 질환/변증 이미지들을 기록하는 단계;
    상기 컴퓨터가 상기 수집된 대상자의 개인 정보 및 상기 신체 부위 정보 중에서 적어도 하나를 더 고려하여, 상기 수집된 신체 부위 이미지와 임계값 이상의 유사도를 갖는 적어도 하나 이상의 질환/변증 이미지를 상기 데이터베이스로부터 추출하는 단계; 및
    상기 컴퓨터가 상기 추출된 적어도 하나 이상의 질환/변증 이미지 중에서 선택되는 질환/변증 이미지에 대한 질환/변증 관련 정보를 사용자 단말기에 제공하는 단계
    를 포함하고,
    상기 추출하는 단계는,
    상기 컴퓨터가 상기 데이터베이스에 기록된 클러스터링된 질환/변증 이미지들 중 복수의 클래스들 각각의 대표 이미지와 상기 수집된 신체 부위 이미지의 유사도를 산출하고,
    상기 컴퓨터가 상기 선택되는 질환/변증 이미지에 대한 피드백을 고려하여, 상기 데이터베이스에 상기 수집된 신체 부위 이미지의 등록 여부를 결정하되,
    상기 컴퓨터가 상기 선택되는 질환/변증 이미지에 포지티브 피드백을 수신하는 경우, 상기 데이터베이스에 상기 수집된 신체 부위 이미지를 등록하고, 상기 수집된 신체 부위 이미지를 등록할 때 상기 선택되는 질환/변증 이미지에 상기 수집된 신체 부위 이미지를 연관지어 기록 하며,
    상기 컴퓨터가 상기 선택되는 질환/변증 이미지에 네거티브 피드백을 수신하는 경우, 상기 데이터베이스에서 상기 선택되는 질환/변증 이미지를 삭제하는 방법.
  20. 제19항에 있어서,
    상기 추출하는 단계는,
    상기 컴퓨터가 상기 데이터베이스에 기록된 질환/변증 이미지들 중에서 상기 신체 부위 정보에 해당하는 질환/변증 이미지들을 검색하여 상기 적어도 하나 이상의 질환/변증 이미지를 추출하는 단계
    를 포함하는 방법.
  21. 삭제
  22. 제19항에 있어서,
    상기 추출하는 단계는,
    상기 컴퓨터가 상기 복수의 클래스들 중에서 가장 높은 유사도를 가지는 대표 이미지 n개에 해당하는 클래스를 선택하는 단계; 및
    상기 컴퓨터가 상기 선택된 클래스에 상응하는 이미지 전체에 대해 상기 수집된 신체 부위 이미지와의 유사도를 산출하는 단계
    를 포함하는 방법.
  23. 삭제
  24. 삭제
  25. 제19항에 있어서,
    상기 추출하는 단계는,
    상기 컴퓨터가 질환별 이미지를 클러스터링하는 단계;
    상기 컴퓨터가 클러스터별 대표 이미지 리스트를 생성하는 단계; 및
    상기 컴퓨터가 상기 생성된 대표 이미지 리스트가 승인되는 경우, 상기 데이터베이스에 상기 대표 이미지 리스트를 기록하는 단계
    를 포함하는 방법.
  26. 제19항에 있어서,
    상기 추출하는 단계는,
    상기 컴퓨터가 상기 수집된 신체 부위 이미지에 대한 관심영역을 추출하는 단계; 및
    상기 컴퓨터가 상기 추출된 관심영역만을 이용하여 상기 임계값 이상의 유사도를 갖는 적어도 하나 이상의 질환/변증 이미지를 추출하는 단계
    를 포함하는 방법.
  27. 기록매체에 저장되는 건강 상태를 진단하는 프로그램으로서, 상기 프로그램은 컴퓨팅 시스템에서 실행되는:
    신체 부위 이미지, 및 상기 신체 부위 이미지와 연관된 대상자의 개인 정보, 및 신체 부위 정보 중에서 적어도 하나를 수집하는 명령어 세트;
    데이터베이스에 신체 부위별로 클러스터링된 질환/변증 이미지들을 기록하는 명령어 세트;
    상기 수집된 대상자의 개인 정보 및 상기 신체 부위 정보 중에서 적어도 하나를 더 고려하여, 상기 수집된 신체 부위 이미지와 임계값 이상의 유사도를 갖는 적어도 하나 이상의 질환/변증 이미지를 상기 데이터베이스로부터 추출하는 명령어 세트; 및
    상기 추출된 적어도 하나 이상의 질환/변증 이미지 중에서 선택되는 질환/변증 이미지에 대한 질환/변증 관련 정보를 사용자 단말기에 제공하는 명령어 세트
    를 포함하고,
    상기 추출하는 명령어 세트는,
    상기 데이터베이스에 기록된 클러스터링된 질환/변증 이미지들 중 복수의 클래스들 각각의 대표 이미지와 상기 수집된 신체 부위 이미지의 유사도를 산출하고,
    상기 선택되는 질환/변증 이미지에 대한 피드백을 고려하여 상기 데이터베이스에 상기 수집된 신체 부위 이미지의 등록 여부를 결정하되,
    상기 선택되는 질환/변증 이미지에 포지티브 피드백을 수신하는 경우, 상기 데이터베이스에 상기 수집된 신체 부위 이미지를 등록하고, 상기 수집된 신체 부위 이미지를 등록할 때는 상기 선택되는 질환/변증 이미지에 상기 수집된 신체 부위 이미지를 연관지어 기록하며,
    상기 선택되는 질환/변증 이미지에 네거티브 피드백을 수신하는 경우, 상기 데이터베이스에서 상기 선택되는 질환/변증 이미지를 삭제하는 기록매체에 저장되는 프로그램.
KR1020150142756A 2015-10-13 2015-10-13 이미지를 기반으로 건강상태에 대한 진단을 보조하는 컴퓨팅 장치 및 방법 KR101653505B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150142756A KR101653505B1 (ko) 2015-10-13 2015-10-13 이미지를 기반으로 건강상태에 대한 진단을 보조하는 컴퓨팅 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150142756A KR101653505B1 (ko) 2015-10-13 2015-10-13 이미지를 기반으로 건강상태에 대한 진단을 보조하는 컴퓨팅 장치 및 방법

Publications (1)

Publication Number Publication Date
KR101653505B1 true KR101653505B1 (ko) 2016-09-01

Family

ID=56942803

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150142756A KR101653505B1 (ko) 2015-10-13 2015-10-13 이미지를 기반으로 건강상태에 대한 진단을 보조하는 컴퓨팅 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101653505B1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101921582B1 (ko) * 2016-11-14 2018-11-26 주식회사 모멘텀컨설팅 의료 진단 시스템, 서버 및 방법
KR20190008971A (ko) * 2019-01-15 2019-01-25 재단법인 아산사회복지재단 의료용 비접촉 인터페이스 시스템 및 이의 제어방법
KR20190123141A (ko) * 2018-04-23 2019-10-31 (주)블라우비트 질병 진단 분석 시스템 및 방법
WO2021107471A1 (ko) * 2019-11-29 2021-06-03 주식회사 뷰노 의료 데이터 검색 방법
KR20210067855A (ko) * 2019-11-29 2021-06-08 주식회사 뷰노 의료 데이터 검색 방법

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120121652A (ko) * 2011-04-27 2012-11-06 주식회사 포스코아이씨티 분산 처리 기반의 질병 진단 시스템 및 방법
KR20130024065A (ko) * 2011-08-30 2013-03-08 한국 한의학 연구원 안색 정보 생성 장치 및 그 방법, 안색 정보를 이용한 건강 상태 판단 장치 및 그 방법, 건강 분류 함수 생성 장치 및 그 방법
KR20140049137A (ko) * 2012-10-12 2014-04-25 삼성전자주식회사 의료영상 분석장치 및 방법
KR20140089675A (ko) 2013-01-04 2014-07-16 삼성전자주식회사 이미지 검색 서버, 이미지 검색 서비스 제공 단말, 시스템 및 방법
KR20150006807A (ko) * 2013-07-09 2015-01-19 주식회사바텍 의료영상을 이용한 구강병변의 진단방법 및 진단시스템
KR20150071147A (ko) 2013-12-18 2015-06-26 주식회사 알티캐스트 선택된 쿼리 이미지를 이용하는 연관 서비스 제공 시스템 및 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120121652A (ko) * 2011-04-27 2012-11-06 주식회사 포스코아이씨티 분산 처리 기반의 질병 진단 시스템 및 방법
KR20130024065A (ko) * 2011-08-30 2013-03-08 한국 한의학 연구원 안색 정보 생성 장치 및 그 방법, 안색 정보를 이용한 건강 상태 판단 장치 및 그 방법, 건강 분류 함수 생성 장치 및 그 방법
KR20140049137A (ko) * 2012-10-12 2014-04-25 삼성전자주식회사 의료영상 분석장치 및 방법
KR20140089675A (ko) 2013-01-04 2014-07-16 삼성전자주식회사 이미지 검색 서버, 이미지 검색 서비스 제공 단말, 시스템 및 방법
KR20150006807A (ko) * 2013-07-09 2015-01-19 주식회사바텍 의료영상을 이용한 구강병변의 진단방법 및 진단시스템
KR20150071147A (ko) 2013-12-18 2015-06-26 주식회사 알티캐스트 선택된 쿼리 이미지를 이용하는 연관 서비스 제공 시스템 및 방법

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101921582B1 (ko) * 2016-11-14 2018-11-26 주식회사 모멘텀컨설팅 의료 진단 시스템, 서버 및 방법
KR20190123141A (ko) * 2018-04-23 2019-10-31 (주)블라우비트 질병 진단 분석 시스템 및 방법
KR102199397B1 (ko) * 2018-04-23 2021-01-06 (주)블라우비트 질병 진단 분석 시스템 및 방법
KR20190008971A (ko) * 2019-01-15 2019-01-25 재단법인 아산사회복지재단 의료용 비접촉 인터페이스 시스템 및 이의 제어방법
KR101953730B1 (ko) * 2019-01-15 2019-06-17 재단법인 아산사회복지재단 의료용 비접촉 인터페이스 시스템
WO2021107471A1 (ko) * 2019-11-29 2021-06-03 주식회사 뷰노 의료 데이터 검색 방법
KR20210067855A (ko) * 2019-11-29 2021-06-08 주식회사 뷰노 의료 데이터 검색 방법
KR102534088B1 (ko) 2019-11-29 2023-05-18 주식회사 뷰노 의료 데이터 검색 방법

Similar Documents

Publication Publication Date Title
KR101653505B1 (ko) 이미지를 기반으로 건강상태에 대한 진단을 보조하는 컴퓨팅 장치 및 방법
CN110349156B (zh) 眼底图片中病变特征的识别方法和装置、存储介质
US10198816B2 (en) Medical evaluation machine learning workflows and processes
KR101870689B1 (ko) 영상 기반의 두피 진단 정보 제공 방법
CN109997147B (zh) 对鼓膜病理进行分类的系统、方法和计算机可读介质
JP7406758B2 (ja) 人工知能モデルを使用機関に特化させる学習方法、これを行う装置
CN101203170B (zh) 计算机辅助检测系统
KR20220064395A (ko) 이미지들 및 전문 지식으로부터 피부 상태들을 수집하고 식별하기 위한 시스템
US8260810B2 (en) Case image registration apparatus, method and recording medium, and case image search apparatus, method, recording medium and system
CN108461130B (zh) 就诊任务智能调度方法及系统
JP7320856B2 (ja) 生体画像診断システム、生体画像診断方法、及びこれを行うための端末
KR20210036840A (ko) 인공지능 모델을 사용 기관에 특화시키는 학습 방법, 이를 수행하는 장치
CN116848588A (zh) 医学图像中的健康状况特征的自动标注
WO2024074921A1 (en) Distinguishing a disease state from a non-disease state in an image
US20190148006A1 (en) Registry and image data analytics (rida) system
CN117237351B (zh) 一种超声图像分析方法以及相关装置
CN113160199B (zh) 影像识别方法、装置、计算机设备和存储介质
JP6795243B1 (ja) 鼻紋照合装置および方法並びにプログラム
CN116703837B (zh) 一种基于mri图像的肩袖损伤智能识别方法及装置
JP2023516651A (ja) 訓練データにおける欠落したアノテーションに対処するためのクラス別損失関数
KR20210086374A (ko) 인공지능 기반의 피부질환 분류 방법
US20220319002A1 (en) Tumor cell isolines
CN112236832A (zh) 诊断辅助系统、诊断辅助方法以及诊断辅助程序
CN113903433B (zh) 一种图像处理方法、装置和电子设备
EP4266247A1 (en) Method for refining tissue specimen image, and computing system performing same

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20190708

Year of fee payment: 4