KR101856867B1 - 구강 병변의 진단 시스템 및 방법 - Google Patents
구강 병변의 진단 시스템 및 방법 Download PDFInfo
- Publication number
- KR101856867B1 KR101856867B1 KR1020160140018A KR20160140018A KR101856867B1 KR 101856867 B1 KR101856867 B1 KR 101856867B1 KR 1020160140018 A KR1020160140018 A KR 1020160140018A KR 20160140018 A KR20160140018 A KR 20160140018A KR 101856867 B1 KR101856867 B1 KR 101856867B1
- Authority
- KR
- South Korea
- Prior art keywords
- lesion
- diagnosis
- medical image
- oral
- data
- Prior art date
Links
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
- 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
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
-
- G06F19/321—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N99/00—Subject matter not provided for in other groups of this subclass
-
- G06N99/005—
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Public Health (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
일 실시예에 따른 구강 병변의 진단 시스템은, 구강 병변에 대한 데이터, 해부학적 요소에 대한 데이터 및 구강 병변 진단을 위한 진단 기준 데이터를 저장하는 데이터베이스; 수검자의 구강에 대한 의료 영상을 수신하는 영상 입력부; 상기 데이터베이스로부터 상기 구강 병변에 대한 데이터를 제공받아, 상기 수신된 의료 영상 내에서 병변 후보를 검출하는 병변 후보 검출부; 상기 데이터베이스로부터 해부학적 요소에 대한 의료 영상을 제공받아, 상기 수신된 의료 영상 내에서 해부학적 요소를 검출하는 해부학적 요소 검출부; 상기 데이터베이스로부터 상기 진단 기준 데이터를 제공받아, 상기 병변 후보의 감별 진단 유무를 판단한 후에 구강에 대한 진단 정보를 생성하는 병변 진단부; 및 상기 수신된 의료 영상 또는 상기 수신된 의료 영상에 상기 구강에 대한 진단 정보가 합성된 의료 영상을 표시하는 영상 표시부;를 포함할 수 있다.
Description
본 발명은 구강 병변의 진단 시스템 및 방법에 관한 것으로서, 보다 상세하게는 인공지능 알고리즘을 이용하여 해부학적 요소 및 병변 후보를 검출하고 병변 후보 및 해부학적 요소의 감별 진단에 의해 보다 정확하게 구강 병변에 대한 진단 정보를 생성할 수 있는 구강 병변의 진단 시스템 및 방법에 관한 것이다.
구강은 안면의 하부 중앙에 있는 소화기의 입구기관으로서, 통상적으로는 저작, 소화, 미각, 어음의 구성, 호흡 등에 관여하는 구열(口裂)에서부터 인두와 이어지는 구협(口峽)까지의 조직구조를 총칭한다.
구강에 발생하는 구강질환은 임의로 토순, 구개열 등의 선천적 기형, 부식, 골절 등의 외상, 치아우식증, 치주병 등의 치과질환, 치육종, 피상낭종, 에나멜 상피종, 치아종, 설암, 구개암 등의 종양으로 구분할 수 있는데, 구강은 치아, 골 및 연조직으로 구성되어 있어 구성과 기능의 다양성을 보이는 동시에 소화기의 입구로서 외부로 노출되어 각종 질병의 발병가능성이 상대적으로 높다.
특히 구강암은 대부분 육안으로 판별 가능하므로 정기적인 검사를 통해 조기진단이 가능하지만 초기에는 통증이 없는 경우가 많아 적절한 치료시기를 놓치기 쉽고, 수술 치료 시 광범위한 얼굴 및 기능 손상으로 인해 심미적인 문제는 물론 심각한 심리적인 문제를 야기할 수 있다.
따라서 이들 구강질환의 조기발견은 무엇보다도 중요하다.
한편, 최근 들어 컴퓨터의 성능향상, 방사선 영상의 소프트카피화와 형식의 통일, 의학영상처리용 네트워크 기술발전 등에 힘입어 의료영상에 대한 컴퓨터의 정량분석결과를 통해 의료진의 진단에 도움을 주는 컴퓨터 보조진단(computer-aided diagnosis,CAD)기술이 소개되어 각광받고 있다.
컴퓨터 보조진단기술은 컴퓨터의 정량분석결과를 통해 영상판독자의 과다한 판독업무를 줄일 수 있고, 컴퓨터의 정량분석결과를 참고로 하여 의료진이 보다 정확한 진단을 내릴 수 있다는 장점을 나타낸다. 이에 따라 유방영상으로부터 종괴와 미세석회화를 검출하거나 흉부 X선 또는 폐 CT 영상으로부터 결절을 검출하는 등의 기술은 이미 상용화된 바 있다.
예를 들어, 2009년 10월 12일에 출원된 KR10-2009-0096935에는 '디지털 유방 Ｘ-선 영상에서 미세석회화 군집 검출 방법'에 대하여 개시되어 있다.
하지만, 일반적인 컴퓨터 보조진단기술의 신뢰성은 정량분석을 위한 기초정보의 양과 정확도 그리고 연산의 정확성에 전적으로 의존하는바, 현재로서는 광범위한 정보의 수집 및 처리에 한계가 큰 것은 물론 연산량이 지나치게 많아 과도한 시간 및 대형의 시스템을 필요로 하는 문제를 보이고 있다.
때문에 컴퓨터 보조진단기술은 지금까지 유방이나 폐 등 연조직 위주의 특정조직구조에 대한 정량분석결과를 제공하는데 그치고 있는 실정이며, 구강과 같이 치아, 골 및 연조직이 복합적으로 분포되어 있고 다양한 질병의 발병 가능성이 높은 구강질병의 검출 및 진단에 활용되기에는 많은 한계점을 드러내고 있다.
일 실시예에 따른 목적은 데이터베이스에 저장된 다양한 정보 및 인공지능 알고리즘을 이용하여 의료 영상 내에서 병변 후보 및 상기 해부학적 요소를 용이하게 검출하고, 병변 후보 및 상기 해부학적 요소의 감별 진단에 의해 보다 정확하게 구강에 대한 진단 정보를 생성할 수 있는 구강 병변의 진단 시스템 및 방법을 제공하는 것이다.
일 실시예에 따른 목적은 병변 후보 및 해부학적 요소의 감별 진단 기준이 데이터화되어 병변 진단 속도를 더욱 빠르게 하고, 병변 진단의 정확성을 향상시킬 수 있는 구강 병변의 진단 시스템 및 방법을 제공하는 것이다.
일 실시예에 따른 목적은 학습을 통해 전문의 수준이상의 기능을 갖춘 인공지능에게 골결손부의 존재 등 미세한 방사선 사진의 변화를 검출할 수 있어 방사선 사진의 문제점을 해소할 수 있는 구강 병변의 진단 시스템 및 방법을 제공하는 것이다.
일 실시예에 따른 목적은 인공지능 알고리즘에 의한 치과 의료 영상의 자동 진단에 의해 치과 의사의 구강 병변에 대한 오진을 최소화하고, 구강 병변에 대한 진단에 소요되는 시간을 단축시킬 수 있는 구강 병변의 진단 시스템 및 방법을 제공하는 것이다.
일 실시예에 따른 목적은 오탐지 이미지 억제(False-positive image suppression) 기법 또는 이미지 패치 기반 러닝(image-patch based learning) 기법을 사용하여 의료 영상을 직접 눈으로 판독할 때 생길 수 있는 시각적 오류를 줄일 수 있는 구강 병변의 진단 시스템 및 방법을 제공하는 것이다.
상기 목적을 달성하기 위한 일 실시예에 따른 구강 병변의 진단 시스템은, 구강 병변에 대한 데이터, 해부학적 요소에 대한 데이터 및 구강 병변 진단을 위한 진단 기준 데이터를 저장하는 데이터베이스; 수검자의 구강에 대한 의료 영상을 수신하는 영상 입력부; 상기 데이터베이스로부터 상기 구강 병변에 대한 데이터를 제공받아, 상기 수신된 의료 영상 내에서 병변 후보를 검출하는 병변 후보 검출부; 상기 데이터베이스로부터 해부학적 요소에 대한 의료 영상을 제공받아, 상기 수신된 의료 영상 내에서 해부학적 요소를 검출하는 해부학적 요소 검출부; 상기 데이터베이스로부터 상기 진단 기준 데이터를 제공받아, 상기 병변 후보의 감별 진단 유무를 판단한 후에 구강에 대한 진단 정보를 생성하는 병변 진단부; 및 상기 수신된 의료 영상 또는 상기 수신된 의료 영상에 상기 구강에 대한 진단 정보가 합성된 의료 영상을 표시하는 영상 표시부;를 포함할 수 있다.
일 측에 의하면, 상기 데이터베이스에 저장된 진단 기준 데이터는 병변의 진단명에 따른 감별 진단 유무를 결정하기 위한 기준 데이터를 포함하고, 상기 병변 진단부는 병변 진단명에 따른 감별 진단 유무를 결정하기 위한 기준 데이터에 기초하여 상기 검출된 병변 후보의 감별 진단 유무를 판단할 수 있다.
일 측에 의하면, 상기 데이터베이스에 저장된 진단 기준 데이터는 병변 진단명에 따른 감별 진단 대상에 대한 데이터를 더 포함하고, 상기 병변 진단부에서 감별 진단이 필요하다고 판단된 병변 후보는 상기 병변 진단명에 따른 감별 진단 대상에 대한 데이터에 기초하여 특정 병변 후보 또는 특정 해부학적 요소와 감별 진단된 후에 상기 구강에 대한 진단 정보로 생성되고, 상기 병변 진단부에서 감별 진단이 불필요하다고 판단된 병변 후보는 상기 구강에 대한 진단 정보로 생성될 수 있다.
일 측에 의하면, 상기 병변 진단부는 상기 병변 후보의 감별 진단에 의해 상기 검출된 병변 후보 중 신뢰도가 높은 병변 후보에 대한 진단 정보를 생성하고, 상기 검출된 병변 후보 중 신뢰도가 낮은 병변 후보에 대한 진단 정보는 제거할 수 있다.
일 측에 의하면, 상기 데이터베이스는 상기 수검자의 신체 정보 또는 수검자의 이전에 촬영된 구강에 대한 의료 영상을 더 포함하고, 상기 수검자의 신체 정보 또는 수검자의 이전에 촬영된 구강에 대한 의료 영상은 상기 병변 진단부에서 상기 병변 후보의 감별 진단 시 이용될 수 있다.
일 측에 의하면, 상기 해부학적 요소 검출부는 상기 수신된 의료 영상으로부터 악안면부위 내 포함된 복수 개의 해부학적 요소 또는 기도와 연조직 부위 내에 포함된 복수 개의 해부학적 요소를 검출하고, 상기 병변 후보 검출부는 상기 수신된 의료 영상으로부터 충치, 치주질환, 매복치, 턱관절질환, 치근단 질환, 외상, 감염, 낭종, 양성종양 또는 악성종양을 검출할 수 있다.
일 측에 의하면, 상기 수검자의 구강에 대한 의료 영상은 파노라마 방사선 사진, 치근단 방사선 사진 또는 교익 방사선 사진 중 적어도 하나를 포함할 수 있다.
일 측에 의하면, 상기 해부학적 요소 검출부 또는 상기 병변 후보 검출부는 딥러닝(deep learning) 기법 또는 머신 러닝(machine learning) 기법, 슬라이딩 윈도우 기법 및 슈퍼픽셀(superpixel) 기법 중 어느 하나를 이용하여 상기 해부학적 요소 또는 상기 병변 후보를 검출하고, 상기 영상 표시부는 오탐지 이미지 억제(False-positive image suppression) 기법 또는 이미지 패치 기반 러닝(image-patch based learning) 기법을 사용하여 상기 수신된 의료 영상을 처리할 수 있다.
일 측에 의하면, 상기 영상 표시부에서 문자, 도형, 선, 색상 및 명암 중 적어도 하나를 사용하여 상기 수신된 의료 영상에 상기 구강에 대한 진단 정보를 표시할 수 있다.
상기 목적을 달성하기 위한 일 실시예에 따른 구강 병변의 진단 방법은, 데이터베이스, 병변 후보 검출부, 해부학적 요소 검출부, 병변 진단부 및 영상 표시부를 포함하는 구강 병변의 진단 시스템이 제공되는 단계; 상기 데이터베이스에 구강 병변에 대한 데이터, 해부학적 요소에 대한 데이터 및 구강 병변 진단을 위한 진단 기준 데이터가 저장되는 단계; 상기 영상 입력부에 수검자의 구강에 대한 의료 영상이 수신되는 단계; 상기 병변 후보 검출부 및 상기 해부학적 요소 검출부에서 상기 저장된 구강 병변에 대한 데이터 및 해부학적 요소에 기초하여 상기 수신된 구강에 대한 의료 영상 내에서 병변 후보 및 해부학적 요소가 검출되는 단계; 상기 병변 진단부에서 상기 구강 병변 진단을 위한 진단 기준 데이터에 기초하여 상기 병변 후보에 대한 감별 진단 유무가 판단되는 단계; 상기 병변 진단부에서 구강에 대한 진단 정보가 생성되는 단계; 및 상기 영상 표시부에서 상기 수신된 의료 영상에 상기 구강에 대한 진단 정보가 합성된 의료 영상이 표시되는 단계;를 포함하고, 상기 구강 병변 진단을 위한 진단 기준 데이터는 병변 진단명에 따른 감별 진단 유무를 결정하기 위한 기준 데이터 또는 병변 진단명에 따른 감별 진단 대상에 대한 데이터를 포함할 수 있다.
일 측에 의하면, 상기 병변 진단부에서 상기 구강 병변 진단을 위한 진단 기준 데이터에 기초하여 상기 병변 후보에 대한 감별 진단 유무가 판단되는 단계에서 감별 진단이 필요하다고 판단되면, 상기 병변 진단부에서 상기 구강 병변 진단을 위한 진단 기준 데이터에 기초하여 상기 병변 후보에 대한 감별 진단 유무가 판단되는 단계 및 상기 병변 진단부에서 구강에 대한 진단 정보가 생성되는 단계 사이에, 상기 데이터베이스에 저장된 병변 진단명에 따른 감별 진단 대상에 대한 데이터에 따라 상기 병변 후보에 대한 감별 진단 대상이 결정되는 단계; 상기 데이터베이스로부터 상기 병변 진단부에 상기 결정된 감별 진단 대상에 대한 데이터가 제공되는 단계; 및 상기 병변 후보가 상기 결정된 감별 진단 대상과 감별 진단되는 단계;를 포함하고, 상기 구강에 대한 진단 정보는 상기 병변 후보의 감별 진단에 기초하여 생성될 수 있다.
일 측에 의하면, 상기 병변 진단부에서 상기 구강 병변 진단을 위한 진단 기준 데이터에 기초하여 상기 병변 후보에 대한 감별 진단 유무가 판단되는 단계에서 감별 진단이 불필요하다고 판단되면, 상기 구강에 대한 정보는 상기 병변 후보 검출부에서 검출된 병변 후보에 기초하여 생성될 수 있다.
일 측에 의하면, 상기 수신된 의료 영상은 파노라마 방사선 사진, 치근단 방사선 사진 또는 교익 방사선 사진 중 적어도 하나를 포함하고, 상기 수신된 의료 영상으로부터 상기 해부학적 요소 및 병변 후보는 딥러닝(deep learning) 기법 또는 머신 러닝(machine learning) 기법, 슬라이딩 윈도우 기법 및 슈퍼픽셀(superpixel) 기법 중 어느 하나를 이용하여 검출될 수 있다.
일 실시예에 따른 구강 병변의 진단 시스템 및 방법에 의하면, 데이터베이스에 저장된 다양한 정보 및 인공지능 알고리즘을 이용하여 의료 영상 내에서 병변 후보 및 상기 해부학적 요소를 용이하게 검출하고, 병변 후보 및 상기 해부학적 요소의 감별 진단에 의해 보다 정확하게 구강에 대한 진단 정보를 생성할 수 있다.
일 실시예에 따른 구강 병변의 진단 시스템 및 방법에 의하면, 병변 후보 및 해부학적 요소의 감별 진단 기준이 데이터화되어 병변 진단 속도를 더욱 빠르게 하고, 병변 진단의 정확성을 향상시킬 수 있다.
일 실시예에 따른 구강 병변의 진단 시스템 및 방법에 의하면, 학습을 통해 전문의 수준이상의 기능을 갖춘 인공지능에게 골결손부의 존재 등 미세한 방사선 사진의 변화를 검출할 수 있어 방사선 사진의 문제점을 해소할 수 있다.
일 실시예에 따른 구강 병변의 진단 시스템 및 방법에 의하면, 인공지능 알고리즘에 의한 치과 의료 영상의 자동 진단에 의해 치과 의사의 구강 병변에 대한 오진을 최소화하고, 구강 병변에 대한 진단에 소요되는 시간을 단축시킬 수 있다.
일 실시예에 따른 구강 병변의 진단 시스템 및 방법에 의하면, 오탐지 이미지 억제(False-positive image suppression) 기법 또는 이미지 패치 기반 러닝(image-patch based learning) 기법을 사용하여 의료 영상을 직접 눈으로 판독할 때 생길 수 있는 시각적 오류를 줄일 수 있다.
도 1은 일 실시예에 따른 구강 병변의 진단 시스템의 구성을 도시한다.
도 2 내지 10은 병변 후보의 감별 진단 예시이다.
도 11 내지 17은 병변에 대한 진단 정보가 합성된 의료 영상의 예시이다.
도 18은 일 실시예에 따른 구강 병변의 진단 방법을 도시한다.
도 2 내지 10은 병변 후보의 감별 진단 예시이다.
도 11 내지 17은 병변에 대한 진단 정보가 합성된 의료 영상의 예시이다.
도 18은 일 실시예에 따른 구강 병변의 진단 방법을 도시한다.
이하, 실시예들을 예시적인 도면을 통해 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 실시예를 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 실시예에 대한 이해를 방해한다고 판단되는 경우에는 그 상세한 설명은 생략한다.
또한, 실시예의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 어떤 구성 요소가 다른 구성요소에 "연결", "결합" 또는 "접속"된다고 기재된 경우, 그 구성 요소는 그 다른 구성요소에 직접적으로 연결되거나 접속될 수 있지만, 각 구성 요소 사이에 또 다른 구성 요소가 "연결", "결합" 또는 "접속"될 수도 있다고 이해되어야 할 것이다.
어느 하나의 실시예에 포함된 구성요소와, 공통적인 기능을 포함하는 구성요소는, 다른 실시예에서 동일한 명칭을 사용하여 설명하기로 한다. 반대되는 기재가 없는 이상, 어느 하나의 실시예에 기재한 설명은 다른 실시예에도 적용될 수 있으며, 중복되는 범위에서 구체적인 설명은 생략하기로 한다.
도 1은 일 실시예에 따른 구강 병변의 진단 시스템의 구성을 도시하고, 도 2 내지 10은 병변 후보 및 해부학적 요소의 감별 진단 예시이고, 도 11 내지 17은 병변에 대한 진단 정보가 합성된 의료 영상의 예시이다.
도 1을 참조하여, 일 실시예에 따른 구강 병변의 진단 시스템(10)은 데이터베이스(100), 영상 입력부(200), 병변 후보 검출부(300), 해부학적 요소 검출부(400), 병변 진단부(500) 및 영상 표시부(600)를 포함할 수 있다.
상기 데이터베이스(100)는 해부학적 요소에 대한 데이터, 구강 병변에 대한 데이터 및 구강 병변 진단을 위한 진단 기준 데이터를 저장할 수 있다.
구체적으로, 데이터베이스(100)에 저장된 해부학적 요소에 대한 데이터는 각각의 해부학적 요소가 나타내진 복수 개의 의료 영상들로 마련되고, 데이터베이스(200)에 저장된 구강 병변에 대한 데이터는 각각의 구강 병변이 나타내진 복수 개의 의료 영상들로 마련될 수 있다.
이때, 해부학적 요소는 악안면부위 내 포함된 복수 개의 해부학적 요소 또는 기도와 연조직 부위 내에 포함된 복수 개의 해부학적 요소를 포함할 수 있다. 상기 악안면부위 내 포함된 복수 개의 해부학적 요소는 하악과두, 하악골의 근돌기, 하악관, 경추, 이공, 하악골 하연, 설골, 외이도, 측두골의 관절와, 접형골의 외측익상판, 상악동, 안와하관, 비구개관, 비중격, 파노라마 무명선, 비강저, 경구개, 상악골의 관골돌기, 관골의 하연, 익상악열, 상악결절 등을 포함할 수 있고, 상기 기도와 연조직 부위 내에 포함된 복수 개의 해부학적 요소는 인두기도, 구강기도, 비강기도, 연구개, 하비갑개, 비중격, 이엽, 반대측 하악골 하연의 허상을 포함할 수 있다.
또한, 구강 병변에 대한 데이터에서 구강 병변에 대한 진단명은 크게 충치, 치주질환, 매복치, 턱관절 질환, 치아상실, 치근단 질환, 외상, 감염, 낭종, 양성종양, 악성종양 등을 포함할 수 있고, 예를 들어 만성치주염, 매복치, 충치, 턱관절 질환, 치아 상실, 치근단치주염, 치아 농양, 치아 파절, 치근단 낭종, 잔존 치근, 상하악골 골절, 골수염, 양성종양, 과잉 매복치, 함치성낭종, 악성 종양, 외골증, 심부 감염 등을 포함할 수 있다.
추가적으로 특정 구강 병변은 진행 정도, 발생 부위, 발생 시기, 진행 속도 등에 따라서 세부적으로 분류될 수 있다.
예를 들어, 충치의 경우, 진행 정도에 따라서 1도 우식증, 2도 우식증, 3도 우식증 및 4도 우식증으로 분류되고, 발생 부위에 따라서 인접면 우식증, 교합면 우식증, 협면과 설명 우식증, 치근 우식증 및 재발성 우식증으로 분류되고, 발생 시기에 따라서 일차 우식증 및 이차 우식증으로 분류되고, 진행 속도에 따라서 급성 우식증, 만성 우식증 및 정지 우식증으로 분류될 수 있다.
이에 의해 데이터베이스(100)에 저장된 구강 병변에 대한 데이터는 충치, 치주질환, 매복치, 턱관절 질환, 치아상실, 치근단 질환, 외상, 감염, 낭종, 양성종양, 악성종양 등을 나타내는 의료 영상, 또는 충치와 관련된 1도 우식증, 2도 우식증, 3도 우식증, 4도 우식증, 인접면 우식증, 교합면 우식증, 협면과 설명 우식증, 치근 우식증, 재발성 우식증, 일차 우식증, 이차 우식증, 급성 우식증, 만성 우식증 및 정지 우식증 등을 나타내는 의료 영상을 모두 포함할 수 있다.
이때, 데이터베이스(100)에 저장된 해부학적 요소에 대한 데이터 및 구강 병변에 대한 데이터가 풍부할수록 보다 정밀하게 구강에 대한 진단 정보를 획득할 수 있다.
이와 같이 데이터베이스(100)에 저장된 해부학적 요소에 대한 데이터 및 구강 병변에 대한 데이터는 병변 후보 검출부(300) 및 해부학적 요소 검출부(400)에서 인공지능 알고리즘이 해부학적 요소 및 병변 후보를 검출하는 데 활용될 수 있다.
또한, 데이터베이스(100)는 수검자의 신체 정보 또는 수검자의 이전에 촬영된 구강에 대한 의료 영상을 더 포함할 수 있다.
이때, 수검자의 신체 정보 또는 수검자의 이전에 촬영된 구강에 대한 의료 영상 또한 병변 진단부(500)에서 구강 병변에 대한 진단 정보를 생성하는 데 활용될 수 있다.
이와 같이 데이터베이스(100)에 저장된 정보는 이에 국한되지 않고, 수검자의 구강 병변에 대한 감별 진단을 위해 활용될 수 있는 모든 데이터가 저장될 수 있다.
추가적으로, 데이터베이스(100)는 구강 병변 진단을 위한 진단 기준 데이터를 더 포함할 수 있다.
예를 들어, 진단 기준 데이터는 병변 진단명에 따른 감별 진단 유무를 결정하기 위한 기준 데이터 또는 병변 진단명에 따른 감별 진단 대상에 대한 데이터를 결정하기 위한 데이터를 포함할 수 있다.
특히, 도 2 내지 10에 도시된 바와 같이 수신된 의료 영상에서 병변과 해부학적 요소가 중첩되는 부분이 존재하는 경우 병변에 대한 감별 진단이 필요할 수 있다.
도 2를 참조하여, 법랑질로 둘러싸이는 치관부와 치조골로 둘러싸이는 치근부에 비해 치경부의 낮은 조직밀도 및 치근과 백악법랑경계부의 형태에 의해 치경부에서 방사선투과성 상이 관찰되는 경우가 있다. 이러한 현상을 치경부 소환(cervical burn-out)이라고 하는데, 전치부에서는 치경부를 가로지르는 띠 모양으로, 구치부 인접면에서는 삼각형으로 각각 나타난다.
이와 같이 수신된 의료 영상에서 치경부 소환이 관찰되는 경우 치경부 주위의 치조골 흡수가 관찰되지 않으므로 감별 진단이 필요하며, 치경부 주위에서 치근 우식이 검출되는 경우 감별 진단 대상은 치경부 주위의 해부학적 요소가 될 수 있다.
도 3을 참조하여, 균일한 흑화도를 가지는 방사선투과성이 높은 검은 부분과 방사선불투과성이 높은 흰 부분이 만나는 부위에서, 흰 부분과 만나는 검은 부분은 더욱 검게, 검은 부분과 만나는 흰 부분은 더욱 희게 관찰될 수 있다. 이와 같이 눈의 착시에 의한 변연 증강 현상(edge enhancement phenomenon)을 마하밴드 효과라고 한다. 방사선사진에서 치관부의 인접면 법랑질 층이 중첩되면, 중첩된 부분은 검은 선으로 둘러싸여 보이는 착시 현상이 일어난다.
따라서 수신된 의료 영상에서 치관부의 인접면 법랑질 층이 중첩되는 경우 감별 진단이 필요하며, 인접면 우식이 검출되는 경우 감별 진단 대상은 치관부의 인접면 주위의 해부학적 요소가 될 수 있다.
반면, 치근 우식 및 인접면 우식을 제외한 중치로 보이는 질환들 또는 만성 치주염은 해부학적 요소와 전혀 중첩되지 않아 해부학적 요소의 감별 진단이 필요하지 않을 수 있다.
또한, 도 4를 참조하여, 영양관은 상악에서는 상악동 벽이나 치조골이 얇은 견치와에서 나타나기도 하지만 하악 전치 부위와 소구치 부위에서 흔히 관찰된다. 하악 전치부에서 이들 영양관은 인접 치아의 치근들과 다소 평행을 이루며, 균일한 넓이를 가지는 방사선투과성 상으로 관찰되고, 무치악 부위나 상악동 내에서는 수직으로 주행하는 방사선투과성 상으로 자주 보인다.
따라서 수신된 의료 영상에서 영양관이 검출되는 경우 감별 진단이 필요하며, 특히 감별 진단 대상은 치근단낭종, 치근단치주염 등과 같은 치근단 병소가 될 수 있다.
도 5를 참조하여, 이공은 좌, 우 양측 하악체의 협측에서, 대개 제2 소구치의 치근단 부위나 양 소구치의 중간 부위에 위치한다. 이공은 상후방으로 비스듬히 골표면에 개구하므로 하악 소구치부 방사선 사진에서 방사선투과성의 정도가 다양하게 나타난다. 이공의 형태도 원형, 타원형, 긴 구멍 모양, 또는 불규칙한 모양 등으로 나타나고, 변연 또한 부분적 또는 전체적으로 피질골로 둘러싸이는 소견을 보인다. 이공의 위치는 이공의 해부학적 위치와 중심 방사선의 조사 방향에 의해 하악 제1 대구치 근심부와 제1 소구치 근심부 사이에서 다양하게 관찰될 수 있다.
따라서 이공이 특히 하악 제2 소구치 치근단부와 중첩되는 경우 감별 진단이 필요하며, 특히 감별 진단 대상은 치근단낭종, 치근단치주염 등과 같은 치근단 병소가 될 수 있다.
도 6을 참조하여, 발치와의 치유는 수 개월에서 일년 정도 후에 완료되는데, 발치 후 시간이 얼마 경과되지 않은 발치와에서는 치조백선이 소실되지 않는다. 그러나 육아조직에 의한 발치와의 치유가 진행됨에 따라 신생골이 발치와의 기저부와 측면에서 형성되기 시작하며 치조백선도 점차 소실된다. 발치와는 대개 이의 기저부와 측면으로부터 형성되는 신생골로 완전히 채워지지만, 중앙부가 신생골로 채워지지 않는 경우에 잔존 치근의 치근관과 유사한 상으로 방사선사진에 관찰되기도 한다.
따라서 수신된 의료 영상에서 잔존 치근이 검출되는 경우 감별 진단이 필요하며, 특히 감별 진단 대상은 발치와의 골개조가 될 수 있다.
도 7을 참조하여, 악하선와(submandibular gland fossa)는 악하선이 위치하는 부위로, 하악체 설면에서 이 부위의 골이 함몰되어 흔히 방사선투과성 상으로 관찰된다. 이 악하선와는 전방의 소구치부와 후방의 하악지부에서는 경계가 불명확하지만 하악 구치부에서는 악설골융선 직하방과 하악골 하연에 의해 경계가 잘 이루어지며 이들에 의해 방사선투과성이 증가되어 보이게 된다.
따라서, 이러한 경우에 감별 진단이 필요하며, 특히 감별 진단 대상은 골 병소가 될 수 있다.
도 8을 참조하여, 치근파절 (root fracture)은 치조정의 변연이 접선 효과에 의해 선명한 상으로 나타나면, 치근과 중첩되어 치근의 파절선으로 관찰될 수 있다.
따라서, 수신된 의료 영상에서 치근 파절이 검출되는 경우 감별 진단이 필요하며, 특히 감별 진단 대상은 치조골 선이 될 수 있다.
도 9를 참조하여, 구개골융기는 치근단 및 파노라마방사선사진에서 경구개의 중앙이나 전방에서 발생된 병소는 치근단부위와 중첩되어 나타나기도 하며, 상악 대구치에 중첩되는 경우에는 관골과 유사하게 관찰되기도 한다.
따라서, 수신된 의료 영상에서 구개골용기가 검출되는 경우 감별 진단이 필요하며, 특히 감별 진단 대상은 관골과 치근이 될 수 있다.
도 10을 참조하여, 하악골융기는 치근단 방사선사진에서 대개 구치부 치근과 중첩된 방사선불투과성 상으로 관찰되지만, 간혹 전치부 치아들의 치근과 중첩되어 보이기도 한다.
따라서, 수신된 의료 영상에서 하악골융기가 검출되는 경우 감별 진단이 필요하며, 특히 감별 진단 대상은 치근이 될 수 있다.
또한, 수신된 의료 영상으로부터 매복치, 매복치, 사랑니, 과잉 매복치, 치아상실 등이 검출되는 경우, 해당치아가 어떤 치아인지 주변 치아들의 해부학적 모양과 위치를 파악하여 결정할 수 있기 때문에 해부학적 요소와 감별 진단이 필요할 수 있다.
다만, 만성치주염과 치경부, 치관부 인접면 이외의 치아 우식은 해부학적 요소와 전혀 중첩되지 않는 부위에서 나타나는 병변이므로 해부학적 요소와의 감별 진단을 할 필요가 없다.
또한, 치아 농양, 심부 감염, 턱관절 질환, 양성 종양, 악성 종양, 또는 상하악골 골절은 영상 입력부(200)에 수신된 구강에 대한 의료 영상만으로는 감별이 어렵거나 감별할 수 없는 병변으로서, 임상적인 평가 또는 CT, MRI 등의 추가촬영이 필요하다.
이에 의해 데이터베이스(100)에 기저장된 데이터에 수검자의 CT, MRI 등 촬영 영상이 포함될 경우 치아 농양, 심부 감염, 턱관절 질환, 양성 종양, 악성 종양, 또는 상하악골 골절에 대한 감별 진단이 가능하게 될 수 있음은 당연하다.
전술된 예시로부터 데이터베이스에 저장된 진단 기준 데이터는 아래의 표와 같이 구성될 수 있다.
| 병변 진단명 | 감별 진단 유무 |
| 치근 우식 | O |
| 인접면 우식 | O |
| 영양관 | O |
| 잔존치근 | O |
| 악하선와 | O |
| 치근 파절 | O |
| 구개골융기 | O |
| 하악골융기 | O |
| 매복치, 사랑니 | 0 |
| 과잉 매복치 | 0 |
| 치아 상실 | 0 |
| 만성치주염 | X |
| 치아 농양 | X |
| 심부 감염 | X |
| 턱관절 질환 | X |
| 양성 종양 | X |
| 악성 종양 | X |
| 상하악골 골절 | X |
| 병변 진단명 | 감별 진단 대상 |
| 치근 우식 | 치경부 주위 해부학적 요소 |
| 인접면 우식 | 치관부의 인접면 주위의 해부학적 요소 |
| 영양관 | 치근단 병소 |
| 이공 | 치근단 병소 |
| 잔존치근 | 발치와의 골개조 |
| 악하선와 | 골 병소 |
| 치근 파절 | 치조골 선 |
| 구개골융기 | 관골과 치근 |
| 하악골융기 | 치근 |
전술된 [표 1] 및 [표 2]는 진단 기준 데이터에 대한 예시로서, 진단 기준 데이터는 이에 국한되지 아니하며, 병변 후보 검출부(300)에서 검출된 병변 후보를 검증할 수 있다면 어느 것이든지 가능하다.
예를 들어, 진단 기준 데이터는 추가적으로 병변 후보 및 해부학적 요소의 감별 진단 기준을 포함할 수 있고, 병변 후보 및 해부학적 요소의 감별 진단 기준에 의해 병변 후보 검출부(300)에서 검출된 병변 후보의 정확성을 판단할 수 있다.
또한, 병변 후보 검출부(300)는 데이터베이스(100)로부터 구강 병변에 대한 데이터, 예를 들어 구강 병변에 대한 의료 영상을 제공받아, 영상 입력부(200)에 수신된 의료 영상 내에서 병변 후보를 검출할 수 있다.
예를 들어, 병변 후보 검출부(300)는 딥러닝(deep learning) 기법 또는 머신 러닝(machine learning) 기법, 슬라이딩 윈도우 기법 및 슈퍼픽셀(superpixel) 기법 중 어느 하나를 포함하는 인공지능 알고리즘을 이용하여 영상 입력부(200)에 수신된 의료 영상 내에서 병변 후보를 검출할 수 있다.
구체적으로, 병변 후보 검출부(300)는 영상 입력부(200)에 수신된 의료 영상 내에서 데이터베이스(100)에 기저장된 구강 병변에 대한 데이터와 유사한 부분을 인지하여 병변 진단명과 매칭시킬 수 있다.
이때, 병변 후보 검출부(300)에서는 복수 개의 병변 후보가 검출될 수 있으며, 영상 입력부(200)에 수신된 의료 영상과 데이터베이스(100)에 기저장된 구강 병변에 대한 데이터의 유사도를 판단하여 복수 개의 병변 후보 중 우선순위를 정할 수 있다.
이와 마찬가지로, 해부학적 요소 검출부(400)는 데이터베이스(100)로부터 해부학적 요소에 대한 의료 영상을 제공받아, 영상 입력부(200)에 수신된 의료 영상 내에서 해부학적 요소를 검출할 수 있다.
예를 들어, 해부학적 요소 검출부(400)는 딥러닝(deep learning) 기법 또는 머신 러닝(machine learning) 기법, 슬라이딩 윈도우 기법 및 슈퍼픽셀(superpixel) 기법 중 어느 하나를 포함하는 인공지능 알고리즘을 이용하여 영상 입력부(200)에 수신된 의료 영상 내에서 해부학적 요소를 검출할 수 있다.
구체적으로, 해부학적 요소 검출부(400)는 영상 입력부(200)에 수신된 의료 영상 내에서 데이터베이스(100)에 기저장된 해부학적 요소에 대한 데이터와 유사한 부분을 인지하여 해부학적 요소 명칭과 매칭시킬 수 있다.
전술된 병변 후보 검출부(300) 및 해부학적 요소 검출부(400)에서 검출된 병변 후보 및 해부학적 요소는 병변 진단부(500)에 전달될 수 있다.
상기 병변 진단부(500)는 데이터베이스(100)로부터 상기 진단 기준 데이터를 제공받아 검출된 병변 후보의 감별 진단 유무를 판단한 후에 구강에 대한 진단 정보를 생성할 수 있다.
구체적으로 데이터베이스(100)에 저장된 병변의 진단명에 따른 감별 진단 유무를 결정하기 위한 기준 데이터에 기초하여 병변 진단부(500)에서는 병변 후보 검출부(300)에서 검출된 복수 개의 병변 후보 중 감별 진단이 필요한 병변 후보를 결정할 수 있다.
이때, 감별 진단이 필요하다고 판단된 병변 후보는 병변 진단명에 따른 감별 진단 대상에 대한 데이터에 기초하여 특정 병변 후보 또는 특정 해부학적 요소와 감별 진단될 수 있다. 이에 의해 병변 진단부(500)에서 생성된 구강에 대한 진단 정보는 병변 후보의 감별 진단에 기초하여 생성될 수 있다.
반면, 감별 진단이 불필요하다고 판단된 병변 후보는 병변 후보의 감별 진단 없이 병변 후보 검출부(300)에서 검출된 병변 후보에 기초하여 생성될 수 있다.
이는 보다 정확하게 구강에 대한 진단 정보를 생성하기 위한 것으로서, 병변 후보와 해부학적 요소의 감별 진단에 의해 오진을 방지할 수 있고, 병변 후보 및 해부학적 요소의 감별 진단 기준이 데이터화되어 병변 진단 속도를 더욱 빠르게 하고, 병변 진단의 정확성을 향상시킬 수 있다.
또한, 전술된 바와 같이 데이터베이스(100)에 수검자의 신체 정보 또는 수검자의 이전에 촬영된 구강에 대한 의료 영상이 저장되어 있는 경우, 수검자의 신체 정보 또는 수검자의 이전에 촬영된 구강에 대한 의료 영상 등을 활용하여 감별 진단할 수 있음은 당연하다.
한편, 병변 진단부(500)는 특정 부위에 대하여 검출된 병변 후보 중 신뢰도가 높은 병변 후보에 대한 진단 정보를 생성하고, 특정 부위에 대하여 검출된 병변 후보 중 신뢰도가 낮은 병변 후보에 대한 진단 정보는 제거할 수 있다.
구체적으로, 신뢰도가 높은 병변 후보는 특정 부위의 진단명으로 부여되고, 신뢰도가 낮은 병변 후보는 제거되어 특정 부위의 진단명으로 부여되지 않을 수 있다.
이와 같이 병변 진단부(500)에서 생성된 구강에 대한 진단 정보는 영상 표시부(600)에 전달될 수 있다.
이때, 병변 진단부(500)에서 생성된 구강에 대한 진단 정보는 병변 후보에 대한 감별 진단을 한 경우 및 병변 후보에 대한 감별 진단을 하지 않은 경우에 생성된 구강에 대한 진단 정보를 포함할 수 있다.
상기 영상 표시부(600)는 디스플레이로 마련될 수 있으며, 영상 표시부(600)에서는 수신된 의료 영상 또는 수신된 의료 영상에 구강에 대한 진단 정보가 합성된 의료 영상이 표시될 수 있다.
도 11 내지 17을 참조하여, 구강에 대한 진단 정보는 다양한 방법으로 수신된 의료 영상에 표시될 수 있다.
도 11에서는 구강에 대한 진단 정보가 '화살표 모양'으로 표시되고, 도 12에서는 '화살표의 머리 모양'으로 표시되며, 도 13에서는 '화살표 및 선 마킹 '으로 표시되고, 도 14에서는 '원형'으로 표시되며, 도 15에서는 '사각형 및 화살표'로 표시되고, 도 16에서는 '선 및 숫자'로 표시되며, 도 17에서는 '선 마킹 및 가능성 맵(probability map)'으로 표시될 수 있다.
추가적으로 의료 영상에 구강에 대한 진단 정보가 문자로서 기술될 수 있음은 당연하며, 이에 의해 구강에 대한 진단 정보를 즉각적으로 판단할 수 있다.
이때, 의료 영상에 대한 구강에 대한 진단 정보의 표현 방법은 치과 의사의 선택에 의해 자유롭게 선택될 수 있으며, 치과 의사는 문자, 도형, 선, 색상 및 명암 중 적어도 하나를 사용하여 다양하게 조합할 수 있다.
한편, 수신된 의료 영상에서 시각적 혼동 또는 오류를 방지하기 위해서, 오탐지 이미지 억제(False-positive image suppression) 기법 또는 이미지 패치 기반 러닝(image-patch based learning) 기법을 사용하여 영상 입력부(200)에 수신된 의료 영상을 처리할 수 있다.
상기 오탐지 이미지 억제(False-positive image suppression) 기법은 중첩되는 배경 이미지를 억제하거나 흐리게 만들어서 원 이미지를 더 판독하기 쉽게 만드는 기법이며, 이미지 패치 기반 러닝(image-patch based learning) 기법은 판독하고자 하는 부분을 오려내기 위한 기법이다.
이와 같이 영상 표시부(600)는 오탐지 이미지 억제(False-positive image suppression) 기법 또는 이미지 패치 기반 러닝(image-patch based learning) 기법을 사용하여 구강에 대한 의료 영상의 판독 시 주변구조물 때문에 생기는 착시 현상을 줄일 수 있고, 판독의 정확성을 높일 수 있다.
게다가, 영상 표시부(600)를 누르는 시간에 비례하여 의료 영상이 확대되게 함으로써, 의료 영상의 판독을 보다 효율적으로 할 수 있게 할 수 있음은 당연하다.
이상 일 실시예에 따른 구강 병변의 진단 시스템에 대하여 설명되었으며, 이하에서는 일 실시예에 따른 구강 병변의 진단 방법에 대하여 설명된다.
도 18은 일 실시예에 따른 구강 병변의 진단 방법을 도시한다.
도 18을 참조하여, 일 실시예에 따른 구강 병변의 진단 방법은 다음과 같이 수행될 수 있다.
우선, 데이터베이스, 영상 입력부, 병변 후보 검출부, 해부학적 요소 검출부, 병변 진단부 및 영상 표시부를 포함하는 구강 병변의 진단 시스템이 된다(S10).
이어서, 상기 데이터베이스에 구강 병변에 대한 데이터, 해부학적 요소에 대한 데이터 및 구강 병변 진단을 위한 진단 기준 데이터가 저장된다(S20).
이때, 구강 병변에 대한 데이터 및 해부학적 요소에 대한 데이터는 인공지능 알고리즘의 학습을 위해 사용되는 데이터로서, 각각의 구강 병변이 나타내진 복수 개의 의료 영상 및 각각의 해부학적 요소가 나타내진 복수 개의 의료 영상들로 마련될 수 있다.
또한, 상기 구강 병변 진단을 위한 진단 기준 데이터는 병변 진단명에 따른 감별 진단 유무를 결정하기 위한 기준 데이터, 병변 진단명에 따른 감별 진단 대상에 대한 데이터를 포함하여 병변 후보에 대한 감별 진단을 수행할 수 있다.
그런 다음, 상기 영상 입력부에 수검자의 구강에 대한 의료 영상이 수신된다(S30).
이때, 구강에 대한 의료 영상은 파노라마 방사선 사진, 치근단 방사선 사진 또는 교익 방사선 사진 중 적어도 하나를 포함할 수 있다.
이어서, 상기 병변 후보 검출부 및 상기 해부학적 요소 검출부에서 상기 저장된 구강 병변에 대한 데이터 및 해부학적 요소에 기초하여 상기 수신된 구강에 대한 의료 영상 내에서 병변 후보 및 해부학적 요소가 검출된다(S40).
이때, 병변 후보 검출부 및 해부학적 요소 검출부에서 해부학적 요소 및 병변 후보는 딥러닝(deep learning) 기법 또는 머신 러닝(machine learning) 기법, 슬라이딩 윈도우 기법 및 슈퍼픽셀(superpixel) 기법 중 어느 하나를 이용하여 검출될 수 있다.
이와 같이 구강에 대한 의료 영상 내에서 해부학적 요소 및 병변 후보가 검출되면, 상기 병변 진단부에서 상기 구강 병변 진단을 위한 진단 기준 데이터에 기초하여 상기 병변 후보에 대한 감별 진단 유무가 판단된다(S50).
구체적으로, 상기 병변 진단부에서 상기 구강 병변 진단을 위한 진단 기준 데이터에 기초하여 상기 병변 후보에 대한 감별 진단 유무가 판단되는 단계에서 감별 진단이 필요하다고 판단되면, 데이터베이스에 저장된 병변 진단명에 따른 감별 진단 대상에 대한 데이터에 따라 상기 병변 후보에 대한 감별 진단 대상이 결정되고(S51), 데이터베이스로부터 병변 진단부에 상기 결정된 감별 진단 대상에 대한 데이터가 제공되며(S52), 병변 후보가 상기 결정된 감별 진단 대상과 감별 진단된다(S53).
그런 다음, 병변 진단부에서 구강에 대한 진단 정보가 생성된다(S60).
이때, 구강에 대한 진단 정보는 병변 후보에 대한 감별 진단을 한 경우 및 병변 후보에 대한 감별 진단을 하지 않은 경우에 생성된 구강에 대한 진단 정보를 포함할 수 있다.
마지막으로, 영상 표시부에서 수신된 의료 영상에 구강에 대한 진단 정보가 합성된 의료 영상이 표시된다(S70).
이때, 영상 표시부에서 문자, 도형, 선, 색상 및 명암 중 적어도 하나를 사용하여 수신된 의료 영상에 구강에 대한 진단 정보를 표시할 수 있으며, 사용자가 구강에 대한 진단 정보를 시각적으로 용이하게 판단할 수 있다면 어느 것이든지 가능하다.
이와 같이 일 실시예에 따른 구강 병변의 진단 시스템 및 방법은 데이터베이스에 저장된 다양한 정보 및 인공지능 알고리즘을 이용하여 의료 영상 내에서 병변 후보 및 상기 해부학적 요소를 용이하게 검출하고, 병변 후보 및 상기 해부학적 요소의 감별 진단에 의해 보다 정확하게 구강에 대한 진단 정보를 생성할 수 있다. 그리고 병변 후보 및 해부학적 요소의 감별 진단 기준이 데이터화되어 병변 진단 속도를 더욱 빠르게 하고, 병변 진단의 정확성을 향상시킬 수 있다. 결과적으로 인공지능 알고리즘에 의한 치과 의료 영상의 자동 진단에 의해 치과 의사의 구강 병변에 대한 오진을 최소화하고, 구강 병변에 대한 진단에 소요되는 시간을 단축시킬 수 있다.
이상과 같이 본 발명의 실시예에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.
10: 구강 병변의 진단 시스템
100: 데이터베이스
200: 영상 입력부
300: 병변 후보 검출부
400: 해부학적 요소 검출부
500: 병변 진단부
600: 영상 표시부
100: 데이터베이스
200: 영상 입력부
300: 병변 후보 검출부
400: 해부학적 요소 검출부
500: 병변 진단부
600: 영상 표시부
Claims (13)
- 구강 병변에 대한 데이터, 해부학적 요소에 대한 데이터 및 구강 병변 진단을 위한 진단 기준 데이터를 저장하는 데이터베이스;
수검자의 구강에 대한 의료 영상을 수신하는 영상 입력부;
상기 데이터베이스로부터 상기 구강 병변에 대한 데이터를 제공받아, 상기 수신된 의료 영상 내에서 병변 후보를 검출하는 병변 후보 검출부;
상기 데이터베이스로부터 해부학적 요소에 대한 의료 영상을 제공받아, 상기 수신된 의료 영상 내에서 해부학적 요소를 검출하는 해부학적 요소 검출부;
상기 데이터베이스로부터 상기 진단 기준 데이터를 제공받아, 상기 병변 후보의 감별 진단 유무를 판단한 후에 구강에 대한 진단 정보를 생성하는 병변 진단부; 및
상기 수신된 의료 영상 또는 상기 수신된 의료 영상에 상기 구강에 대한 진단 정보가 합성된 의료 영상을 표시하는 영상 표시부;
를 포함하고,
상기 데이터베이스에 저장된 진단 기준 데이터는 병변의 진단명에 따른 감별 진단 유무를 결정하기 위한 기준 데이터를 포함하고,
상기 수신된 의료 영상 내에 병변 후보 및 해부학적 요소의 중첩되는 부분이 존재하는 경우, 상기 병변 진단부는 상기 병변 진단명에 따른 감별 진단 유무를 결정하기 위한 기준 데이터에 기초하여 상기 검출된 병변 후보의 감별 진단 유무를 판단하고,
상기 데이터베이스에 저장된 진단 기준 데이터는 병변 진단명에 따른 감별 진단 대상에 대한 데이터를 더 포함하고,
상기 병변 진단부에서 감별 진단이 필요하다고 판단된 병변 후보는 상기 병변 진단명에 따른 감별 진단 대상에 대한 데이터에 기초하여 특정 병변 후보 또는 특정 해부학적 요소와 감별 진단된 후에 상기 구강에 대한 진단 정보로 생성되고,
상기 병변 진단부에서 감별 진단이 불필요하다고 판단된 병변 후보는 상기 구강에 대한 진단 정보로 생성되고,
상기 수신된 의료 영상에 합성된 상기 구강에 대한 진단 정보는 병변 후보에 대한 감별 진단을 한 경우 및 병변 후보에 대한 감별 진단을 하지 않은 경우에 생성된 구강에 대한 진단 정보를 포함하는 구강 병변의 진단 시스템.
- 삭제
- 삭제
- 제1항에 있어서,
상기 병변 진단부는 상기 병변 후보의 감별 진단에 의해 상기 검출된 병변 후보 중 신뢰도가 높은 병변 후보에 대한 진단 정보를 생성하고, 상기 검출된 병변 후보 중 신뢰도가 낮은 병변 후보에 대한 진단 정보는 제거하는 구강 병변의 진단 시스템.
- 제1항에 있어서,
상기 데이터베이스는 상기 수검자의 신체 정보 또는 수검자의 이전에 촬영된 구강에 대한 의료 영상을 더 포함하고,
상기 수검자의 신체 정보 또는 수검자의 이전에 촬영된 구강에 대한 의료 영상은 상기 병변 진단부에서 상기 병변 후보의 감별 진단 시 이용되는 구강 병변의 진단 시스템.
- 제1항에 있어서,
상기 해부학적 요소 검출부는 상기 수신된 의료 영상으로부터 악안면부위 내 포함된 복수 개의 해부학적 요소 또는 기도와 연조직 부위 내에 포함된 복수 개의 해부학적 요소를 검출하고,
상기 병변 후보 검출부는 상기 수신된 의료 영상으로부터 충치, 치주질환, 매복치, 턱관절질환, 치근단 질환, 외상, 감염, 낭종, 양성종양 또는 악성종양을 검출하는 구강 병변의 진단 시스템.
- 제1항에 있어서,
상기 수검자의 구강에 대한 의료 영상은 파노라마 방사선 사진, 치근단 방사선 사진 또는 교익 방사선 사진 중 적어도 하나를 포함하는 구강 병변의 진단 시스템.
- 제1항에 있어서,
상기 해부학적 요소 검출부 또는 상기 병변 후보 검출부는 딥러닝(deep learning) 기법 또는 머신 러닝(machine learning) 기법, 슬라이딩 윈도우 기법 및 슈퍼픽셀(superpixel) 기법 중 어느 하나를 이용하여 상기 해부학적 요소 또는 상기 병변 후보를 검출하고,
상기 영상 표시부는 오탐지 이미지 억제(False-positive image suppression) 기법 또는 이미지 패치 기반 러닝(image-patch based learning) 기법을 사용하여 상기 수신된 의료 영상을 처리하는 구강 병변의 진단 시스템.
- 제1항에 있어서,
상기 영상 표시부에서 문자, 도형, 선, 색상 및 명암 중 적어도 하나를 사용하여 상기 수신된 의료 영상에 상기 구강에 대한 진단 정보를 표시하는 구강 병변의 진단 시스템.
- 데이터베이스, 병변 후보 검출부, 해부학적 요소 검출부, 병변 진단부 및 영상 표시부를 포함하는 구강 병변의 진단 시스템이 제공되는 단계;
상기 데이터베이스에 구강 병변에 대한 데이터, 해부학적 요소에 대한 데이터 및 구강 병변 진단을 위한 진단 기준 데이터가 저장되는 단계;
영상 입력부에 수검자의 구강에 대한 의료 영상이 수신되는 단계;
상기 병변 후보 검출부 및 상기 해부학적 요소 검출부에서 상기 저장된 구강 병변에 대한 데이터 및 해부학적 요소에 기초하여 상기 수신된 구강에 대한 의료 영상 내에서 병변 후보 및 해부학적 요소가 검출되는 단계;
상기 수신된 의료 영상 내에 병변 후보 및 해부학적 요소의 중첩되는 부분이 존재하는 경우, 상기 병변 진단부에서 상기 구강 병변 진단을 위한 진단 기준 데이터에 기초하여 상기 병변 후보에 대한 감별 진단 유무가 판단되는 단계;
상기 병변 진단부에서 구강에 대한 진단 정보가 생성되는 단계; 및
상기 영상 표시부에서 상기 수신된 의료 영상에 상기 구강에 대한 진단 정보가 합성된 의료 영상이 표시되는 단계;
를 포함하고,
상기 구강 병변 진단을 위한 진단 기준 데이터는 병변 진단명에 따른 감별 진단 유무를 결정하기 위한 기준 데이터 또는 병변 진단명에 따른 감별 진단 대상에 대한 데이터를 포함하고,
상기 병변 진단부에서 상기 구강 병변 진단을 위한 진단 기준 데이터에 기초하여 상기 병변 후보에 대한 감별 진단 유무가 판단되는 단계에서 감별 진단이 필요하다고 판단되면,
상기 병변 진단부에서 상기 구강 병변 진단을 위한 진단 기준 데이터에 기초하여 상기 병변 후보에 대한 감별 진단 유무가 판단되는 단계 및 상기 병변 진단부에서 구강에 대한 진단 정보가 생성되는 단계 사이에,
상기 데이터베이스에 저장된 병변 진단명에 따른 감별 진단 대상에 대한 데이터에 따라 상기 병변 후보에 대한 감별 진단 대상이 결정되는 단계;
상기 데이터베이스로부터 상기 병변 진단부에 상기 결정된 감별 진단 대상에 대한 데이터가 제공되는 단계; 및
상기 병변 후보가 상기 결정된 감별 진단 대상과 감별 진단되는 단계;
를 포함하고,
상기 구강에 대한 진단 정보는 상기 병변 후보의 감별 진단에 기초하여 생성되고,
상기 영상 표시부에서 상기 수신된 의료 영상에 상기 구강에 대한 진단 정보가 합성된 의료 영상이 표시되는 단계에서, 상기 구강에 대한 진단 정보는 병변 후보에 대한 감별 진단을 한 경우 및 병변 후보에 대한 감별 진단을 하지 않은 경우에 생성된 구강에 대한 진단 정보를 포함하는 구강 병변의 진단 방법.
- 삭제
- 제10항에 있어서,
상기 병변 진단부에서 상기 구강 병변 진단을 위한 진단 기준 데이터에 기초하여 상기 병변 후보에 대한 감별 진단 유무가 판단되는 단계에서 감별 진단이 불필요하다고 판단되면,
상기 구강에 대한 정보는 상기 병변 후보 검출부에서 검출된 병변 후보에 기초하여 생성되는 구강 병변의 진단 방법.
- 제10항에 있어서,
상기 수신된 의료 영상은 파노라마 방사선 사진, 치근단 방사선 사진 또는 교익 방사선 사진 중 적어도 하나를 포함하고,
상기 수신된 의료 영상으로부터 상기 해부학적 요소 및 병변 후보는 딥러닝(deep learning) 기법 또는 머신 러닝(machine learning) 기법, 슬라이딩 윈도우 기법 및 슈퍼픽셀(superpixel) 기법 중 어느 하나를 이용하여 검출되는 구강 병변의 진단 방법.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160140018A KR101856867B1 (ko) | 2016-10-26 | 2016-10-26 | 구강 병변의 진단 시스템 및 방법 |
| PCT/KR2017/011905 WO2018080194A1 (ko) | 2016-10-26 | 2017-10-26 | 구강 병변의 진단 시스템 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160140018A KR101856867B1 (ko) | 2016-10-26 | 2016-10-26 | 구강 병변의 진단 시스템 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20180045551A KR20180045551A (ko) | 2018-05-04 |
| KR101856867B1 true KR101856867B1 (ko) | 2018-05-10 |
Family
ID=62025193
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020160140018A KR101856867B1 (ko) | 2016-10-26 | 2016-10-26 | 구강 병변의 진단 시스템 및 방법 |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR101856867B1 (ko) |
| WO (1) | WO2018080194A1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102200999B1 (ko) * | 2019-10-30 | 2021-01-11 | 주식회사 메디누보 | 치아 이미지에 기초한 치주 질환 예후 평가 장치 및 방법 |
Families Citing this family (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SG11202005927VA (en) | 2017-12-20 | 2020-07-29 | Medi Whale Inc | Method and apparatus for assisting in diagnosis of cardiovascular disease |
| KR102333670B1 (ko) * | 2018-12-06 | 2021-12-02 | 주식회사 메디웨일 | 안구 이미지 기반의 진단 보조 이미지 제공 장치 |
| CN109829921B (zh) * | 2018-12-14 | 2023-10-31 | 清影医疗科技（深圳）有限公司 | 一种头部的ct图像的处理方法及其系统、设备、存储介质 |
| KR102232043B1 (ko) * | 2019-05-09 | 2021-03-25 | 주식회사 디오 | 영상데이터에서 치아와 치조골을 분리하는 모델 생성 방법 및 장치 |
| KR102188649B1 (ko) * | 2019-07-16 | 2020-12-09 | (주)제이엘케이 | 영상 처리 장치 및 방법 |
| KR102290799B1 (ko) * | 2019-09-18 | 2021-08-20 | 주식회사 뷰노 | 치아 병변 정보 제공 방법 및 이를 이용한 장치 |
| KR102186709B1 (ko) * | 2019-09-18 | 2020-12-04 | 주식회사 뷰노 | 치아 병변 정보 제공 방법 및 이를 이용한 장치 |
| KR102412047B1 (ko) * | 2020-05-13 | 2022-06-23 | 가톨릭대학교 산학협력단 | 안와 및 안와주변 병변 예측 장치 및 그 예측 방법 |
| KR102538508B1 (ko) * | 2020-05-18 | 2023-05-31 | 오스템임플란트 주식회사 | 의료 영상 모듈과 연동되는 전자 차트 관리 방법 및 장치 |
| KR102442719B1 (ko) * | 2020-10-22 | 2022-09-13 | 주식회사 메디트 | 이미지 처리 방법 및 이를 이용한 이미지 처리 장치 |
| US20220198613A1 (en) * | 2020-12-22 | 2022-06-23 | Overjet, Inc. | Automatic Reduction of the Appearance of Mach Band Effect on Radiographs |
| KR102652759B1 (ko) * | 2021-09-01 | 2024-04-01 | 가톨릭대학교 산학협력단 | 치과 진단 장치 및 치과 진단을 위한 정보 제공 방법 |
| KR102496567B1 (ko) * | 2021-10-05 | 2023-02-06 | 주식회사 인비전랩 | 구강 건강 분석 서비스를 제공하는 장치 및 방법 |
| KR102624752B1 (ko) * | 2021-11-08 | 2024-01-11 | 연세대학교 산학협력단 | 치과용 광-ct 하이브리드 영상 시스템 및 방법 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140108417A (ko) * | 2013-02-27 | 2014-09-11 | 김민준 | 영상정보를 이용한 건강 진단 시스템 |
| KR101684998B1 (ko) * | 2013-07-09 | 2016-12-12 | 주식회사바텍 | 의료영상을 이용한 구강병변의 진단방법 및 진단시스템 |
| KR20150044170A (ko) * | 2013-10-16 | 2015-04-24 | 삼성메디슨 주식회사 | 치과용 초음파 진단장치 |
| KR20150098119A (ko) * | 2014-02-19 | 2015-08-27 | 삼성전자주식회사 | 의료 영상 내 거짓양성 병변후보 제거 시스템 및 방법 |
| KR101748019B1 (ko) * | 2015-02-03 | 2017-06-15 | 부산대학교 산학협력단 | 의료정보 제공 장치 및 의료정보 제공 방법 |
-
2016
- 2016-10-26 KR KR1020160140018A patent/KR101856867B1/ko active IP Right Grant
-
2017
- 2017-10-26 WO PCT/KR2017/011905 patent/WO2018080194A1/ko active Application Filing
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102200999B1 (ko) * | 2019-10-30 | 2021-01-11 | 주식회사 메디누보 | 치아 이미지에 기초한 치주 질환 예후 평가 장치 및 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2018080194A1 (ko) | 2018-05-03 |
| KR20180045551A (ko) | 2018-05-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101856867B1 (ko) | 구강 병변의 진단 시스템 및 방법 | |
| Jaju et al. | Clinical utility of dental cone-beam computed tomography: current perspectives | |
| Nardi et al. | Is panoramic radiography an accurate imaging technique for the detection of endodontically treated asymptomatic apical periodontitis? | |
| Youssefzadeh et al. | Dental vertical root fractures: value of CT in detection | |
| de Moraes et al. | Evaluating craniofacial asymmetry with digital cephalometric images and cone-beam computed tomography | |
| Gerlach et al. | Reproducibility of 3 different tracing methods based on cone beam computed tomography in determining the anatomical position of the mandibular canal | |
| Huang et al. | Use of panoramic radiography to predict postsurgical sensory impairment following extraction of impacted mandibular third molars | |
| Shah et al. | Bifurcation of the inferior dental nerve canal: an anatomical study | |
| Chung et al. | Incisive canal remodelling following maximum anterior retraction reduces apical root resorption | |
| Tamimi et al. | Cone beam computed tomography in the assessment of dental impactions | |
| Bayrak et al. | Correlation between the visibility of submandibular fossa and mandibular canal cortication on panoramic radiographs and submandibular fossa depth on CBCT | |
| Greenstein et al. | Dental cone-beam scans: important anatomic views for the contemporary implant surgeon | |
| Khalid et al. | Radiological locations of mental foramen in local population | |
| Mupparapu et al. | Interpretation of cone beam computed tomography volumetric data: How to report findings? | |
| Monsour | Getting the most from rotational panoramic radiographs | |
| Zor et al. | Radiographic and histopathologic evaluation of radiolucent lesions involving impacted teeth: a multicenter study | |
| Nikkerdar et al. | Assessment of implant-related anatomical landmarks in the mandibular interforaminal region in an Iranian population using cone-beam computed tomography | |
| Ebenezer et al. | Importance of cone beam computed tomography in dental implants: a review | |
| Jayaindhraeswaran et al. | Position Of Mental Foramen In A Indian Population-Radiographic Study | |
| Mallya et al. | Diagnostic imaging for implants | |
| Husain et al. | Radiographic assessment for implants in the aesthetic zone | |
| Hacıosmanoğlu et al. | Gömülü diş içeren radyolüsent lezyonların radyografik ve histopatolojik değerlendirilmesi: Çok merkezli bir çalışma | |
| Ng | The Big Four in CBCT Applications | |
| Awarun et al. | OPTIMIZATION OF CONE-BEAM CT EXPOSURE PROTOCOLS FOR PLANNING AND FOLLOW-UP OF CLEFT PALATE TREATMENT | |
| Oenning et al. | AN OPTIMIZATION PROPOSAL FOR PAEDIATRIC CBCT EXPOSURES |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |