KR102099214B1 - Artificial intelligence diseases diagnostic system through biological information and video information cooperation - Google Patents

Artificial intelligence diseases diagnostic system through biological information and video information cooperation Download PDF

Info

Publication number
KR102099214B1
KR102099214B1 KR1020180010751A KR20180010751A KR102099214B1 KR 102099214 B1 KR102099214 B1 KR 102099214B1 KR 1020180010751 A KR1020180010751 A KR 1020180010751A KR 20180010751 A KR20180010751 A KR 20180010751A KR 102099214 B1 KR102099214 B1 KR 102099214B1
Authority
KR
South Korea
Prior art keywords
information
disease
user
unit
reference information
Prior art date
Application number
KR1020180010751A
Other languages
Korean (ko)
Other versions
KR20190091778A (en
Inventor
김영모
Original Assignee
건양대학교 산학협력단
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 건양대학교 산학협력단 filed Critical 건양대학교 산학협력단
Priority to KR1020180010751A priority Critical patent/KR102099214B1/en
Publication of KR20190091778A publication Critical patent/KR20190091778A/en
Application granted granted Critical
Publication of KR102099214B1 publication Critical patent/KR102099214B1/en

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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0402—
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Cardiology (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Physiology (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

본 발명은 환자로부터 취득된 생체신호 및 영상정보를 분석하여 질환의 세부 내역을 진단하되 다수 환자로부터 취득되는 다중 양상 정보의 자동화된 학습을 통해 추론의 정확도를 향상시킬 수 있는 생체정보 및 영상정보 연계를 통한 인공지능 질환 진단 시스템에 관한 것이다.The present invention analyzes bio-signals and image information obtained from a patient to diagnose detailed diseases, but links bio-information and image information to improve the accuracy of inference through automated learning of multi-modal information acquired from multiple patients. It relates to an AI disease diagnosis system through.

Description

생체정보 및 영상정보 연계를 통한 인공지능 질환 진단 시스템 {Artificial intelligence diseases diagnostic system through biological information and video information cooperation}Artificial intelligence diseases diagnostic system through biological information and video information cooperation}

본 발명은 질환 진단 시스템에 관한 것으로, 자세하게는 환자로부터 취득된 생체신호 및 영상정보를 분석하여 질환의 세부 내역을 진단하되 다수 환자로부터 취득되는 다중 양상 정보의 자동화된 학습을 통해 추론의 정확도를 향상시킬 수 있는 생체정보 및 영상정보 연계를 통한 인공지능 질환 진단 시스템에 관한 것이다.The present invention relates to a disease diagnosis system, and in detail, analyzes biosignals and image information obtained from a patient to diagnose detailed diseases, but improves the accuracy of inference through automated learning of multi-modal information obtained from multiple patients. It relates to an artificial intelligence disease diagnosis system through linkage of bio-information and image information.

의료용 진단을 위해 환자로부터 다양한 생체신호를 수집하여 질환 부위와 정상적인 부분의 차이를 출력하며 질환을 진단하는 다양한 진단기가 개발되고 있으며, 심박수나 혈압과 같은 매우 기본적인 항목으로부터 엑스레이나 적외선 영상과 같은 영상이 활용되고 있다.Various diagnostic devices are being developed to diagnose diseases by collecting various bio signals from patients and outputting the difference between the diseased part and the normal part for medical diagnosis, and images such as X-rays or infrared images from very basic items such as heart rate and blood pressure It is utilized.

특히 근래 활용도가 높은 적외선 열 진단기법은 적외선센서로부터 적외선을 방사하여 검사대상인 환자의 통증 부위로부터 발생하는 적외선 입사빔 소스를 필터에 의해 원하는 파장대만을 통과시켜 감지소자에 입사하며, 이를 전기신호로 변환하고 각 파장대별 온도를 검출하여 이차원 열화상으로 출력함으로 각종 질병 여부를 진단할 수 있도록 하고 있다.In particular, in recent years, the infrared thermal diagnosis technique, which has high utilization, emits infrared rays from an infrared sensor and passes an infrared incident beam source generated from a pain area of a patient to be tested through only a desired wavelength band through a filter to enter a sensing element. By converting and detecting the temperature for each wavelength band and outputting it as a two-dimensional thermal image, various diseases can be diagnosed.

이러한 열 화상으로 질환 및 환자 상태를 판단하기 위해서는, 특정 지점의 지점 온도를 정확하게 파악하고, 신체 전반의 평균온도를 정확하게 산출해 내야하며, 신체의 좌우 대칭 지점의 온도를 정확히 파악하는 것이 중요하다.In order to judge the disease and the patient's condition from such a thermal burn, it is important to accurately grasp the point temperature at a specific point, accurately calculate the average temperature of the entire body, and accurately grasp the temperature at the right and left symmetric points of the body.

하지만, 종래의 적외선 진단기는 인체가 방사하는 적외선을 통해 컬러 맵핑된 열 화상만을 제공할 뿐, 환자마다 상이한 신체조건으로 인해 정확하면서도 일률적인 결과를 제공하지 못하였고, 각종 환경에 의한 오차를 수반한 결과가 출력되는 문제가 있었다.However, the conventional infrared diagnostic device only provides thermally mapped color images through infrared radiation emitted by the human body, and does not provide accurate and uniform results due to different physical conditions for each patient, and involves errors due to various environments. There was a problem in which the result was output.

이는 결국 의사의 영상 분석 및 진단을 위한 지극히 보조적인 수단으로만 사용되어 질환 진단을 의사의 판단 능력에 의존할 수밖에 없도록 하는 요인으로 작용하는 것으로, 환자로부터 수집되는 생체신호나 영상정보의 분석과정을 자동화하고 데이터 누적에 따른 지속적인 딥러닝을 통해 진단의 정확도를 향상시킬 수 있는 진단 체계가 요구되고 있다.As a result, it is used only as an extremely auxiliary means for analyzing and diagnosing a doctor's image, and acts as a factor that inevitably relies on the ability of a doctor to diagnose a disease. There is a need for a diagnostic system that can improve the accuracy of diagnosis through automation and continuous deep learning according to data accumulation.

공개특허공보 제10-2016-0058812호(2016.05.25)Patent Publication No. 10-2016-0058812 (2016.05.25)

본 발명은 상기와 같은 문제점을 해결하기 위하여 창출된 것으로, 본 발명의 목적은 환자로부터 취득된 생체신호 및 영상정보를 분석하여 질환의 세부 내역을 진단하되 다수 환자로부터 취득되는 다중 양상 정보의 자동화된 학습을 통해 추론의 정확도를 향상시킬 수 있는 생체정보 및 영상정보 연계를 통한 인공지능 질환 진단 시스템을 제공하는 것이다.The present invention was created to solve the above problems, and an object of the present invention is to analyze the biosignal and image information obtained from a patient to diagnose the details of the disease, but to automate the multi-modality information obtained from multiple patients. It is to provide an artificial intelligence disease diagnosis system through linkage of biometric information and image information that can improve the accuracy of inference through learning.

상기와 같은 목적을 위해 본 발명은 질환 진단 시스템에 있어서, 사용자의 신체정보 및 증상 호소 부위를 포함하는 사용자정보를 입력받는 사용자설정부; 사용자로부터 심박수 및 혈압을 포함하는 생체정보를 수집하는 센서부; 사용자의 신체를 촬영하여 적외선 열 열상을 획득하는 촬영부; 열 영상 및 생체정보로부터 질환을 판정하는 기준정보가 저장되어 구축되는 분석DB; 상기 열 영상 중 사용자의 신체 및 호소 부위에 대한 부분을 분리한 후 생체신호와 함께 기준정보를 기반으로 질환을 판정하는 정보분석부; 판정된 질환을 관리자에게 제시하고, 관리자로부터 피드백정보를 입력받는 피드백부; 상기 피드백정보를 분석하여 상기 분석DB에 저장된 기준정보를 갱신하는 학습부; 로 이루어지는 것을 특징으로 한다.In order to achieve the above object, the present invention provides a disease diagnosis system comprising: a user setting unit that receives user information including a user's body information and a symptom appeal site; A sensor unit for collecting biometric information including a heart rate and blood pressure from a user; A photographing unit that acquires an infrared thermal image by photographing a user's body; An analysis DB in which reference information for determining a disease is stored and constructed from thermal images and biological information; An information analysis unit for separating parts of the user's body and the appealing part from the thermal image and determining a disease based on reference information together with a bio-signal; A feedback unit that presents the determined disease to the manager and receives feedback information from the manager; A learning unit analyzing the feedback information and updating the reference information stored in the analysis DB; It is characterized by consisting of.

이때 상기 분석DB에는 열 영상 판정을 위한 제1기준정보와, 생체정보 판정을 위한 제2기준정보가 구분되어 저장되고, 상기 정보분석부는 열 영상과 생체정보에 대해 각각 제1기준정보 및 제2기준정보를 적용하여 각각 질환판정을 할 수 있다.At this time, the analysis DB stores the first reference information for determining the thermal image and the second reference information for determining the biological information, and the information analysis unit first and second reference information for the thermal image and the biological information, respectively. Each disease can be determined by applying standard information.

또한, 상기 분석DB에는 열 영상 판정결과 및 생체정보 판정결과를 통해 질환을 판정하기 위한 제3기준정보가 저장되고, 상기 정보분석부는 열 영상과 생체정보에 대한 각각의 판정결과에 제3기준정보를 적용하여 각각 질환을 재판정할 수 있다.In addition, the analysis DB stores third reference information for judging the disease through the thermal image determination result and the bioinformation determination result, and the information analysis unit third reference information in each determination result for the thermal image and the bioinformation. Each disease can be judged by applying.

또한, 상기 정보분석부는 분리된 열 영상의 대칭성을 판단하되, 상기 기준정보는 대칭부의 평균 및 열 패턴과, 정상패턴에서의 열 분포에 관한 정보를 포함할 수 있다.In addition, the information analysis unit determines the symmetry of the separated thermal image, and the reference information may include information about the average and thermal patterns of the symmetrical portions and heat distribution in the normal pattern.

또한, 사용자정보별로 판정된 질환을 관리자의 피드백정보와 사용자 치료를 위해 입력된 의료정보 및 호전상태를 나타내는 경과정보와 함께 누적 저장하는 개인DB; 상기 개인DB에서 상태호전으로 판단되는 경과정보를 검색하여 판정질환 및 피드백 정보를 역추적하여 관리자에게 제시하는 리포팅부; 를 더 포함할 수 있다.In addition, the personal DB for accumulating and storing the disease determined for each user information together with feedback information of the manager, medical information input for user treatment, and progress information indicating improvement status; A reporting unit that searches the personal DB for progress information judged to be in a state of improvement and traces back disease and feedback information to present to the manager; It may further include.

본 발명은 적외선 열 영상을 사용자의 생체정보와 연동하여 기계적으로 학습·훈련하며 피드백을 통해 정확도를 향상시키게 됨에 환자의 질환에 대한 의사의 진단이 더욱 빠르고 정확하도록 돕게 되며, 자동으로 바로 진단할 수도 있어 환자와 의사의 시간적 부담을 크게 감소시킬 수 있다.In the present invention, the infrared thermal image is mechanically learned and trained in conjunction with the user's bio-information, and the accuracy is improved through feedback, so that the doctor's diagnosis of the patient's disease is faster and more accurate and can be automatically diagnosed immediately. This greatly reduces the time burden of the patient and the doctor.

도 1은 본 발명의 바람직한 실시예에 따른 구성 및 연결관계를 나타낸 블록도 이다.1 is a block diagram showing a configuration and connection relationship according to a preferred embodiment of the present invention.

이하, 첨부된 도면을 참조하여 본 발명 생체정보 및 영상정보 연계를 통한 인공지능 질환 진단 시스템의 구성을 구체적을 설명한다.Hereinafter, with reference to the accompanying drawings will be described in detail the configuration of the artificial intelligence disease diagnosis system through the linkage of the present invention with biological information and image information.

도 1은 본 발명의 바람직한 실시예에 따른 구성 및 연결관계를 나타낸 블록도로서, 본 발명은 적외선 열 영상과 심박수나 혈압과 같은 생체정보를 통해 질환을 진단하고자 하는 것으로 딥러닝 기술을 적용하여 그 정확도를 향상시키고자 하는 기술로, 사용자설정부(110)와, 센서부(120)와, 촬영부(130)와, 분석DB(140)와, 정보분석부(150)와, 피드백부(160)와, 학습부(170)와, 개인DB(180)와, 리포팅부(190)의 세부구성을 구비한다.1 is a block diagram showing a configuration and a connection relationship according to a preferred embodiment of the present invention, the present invention is intended to diagnose a disease through infrared thermal imaging and biometric information such as heart rate or blood pressure. As a technique for improving accuracy, the user setting unit 110, the sensor unit 120, the photographing unit 130, the analysis DB 140, the information analysis unit 150, and the feedback unit 160 ), A learning unit 170, a personal DB 180, and a detailed configuration of the reporting unit 190.

상기 사용자설정부(110)는 질환의 판단과정을 사용자별로 관리할 수 있도록 사용자의 신체정보 및 증상 호소 부위를 포함하는 사용자정보를 입력받는 구성으로, 질환의 판단과 치료를 위한 전체적인 의료서비스에 앞서 회원가입 형태로 이러한 정보를 입력받아 체계적이면서도 효과적인 진단 및 질환관리가 이루어질 수 있다.The user setting unit 110 is configured to receive user information including a user's body information and a symptom appeal part so as to manage a disease determination process for each user, prior to the overall medical service for disease determination and treatment. By receiving this information in the form of membership registration, systematic and effective diagnosis and disease management can be achieved.

상기 센서부(120)는 사용자로부터 심박수 및 혈압을 포함하는 생체정보를 수집하는 구성으로, 심박수와 혈압을 측정할 수 있는 공지의 센서를 비롯하여 필요에 따라 근전도나 뇌파와 같은 다양한 생체신호를 수집하여 사용할 수 있다.The sensor unit 120 is configured to collect biometric information including a heart rate and blood pressure from a user, and collects various biological signals such as EMG or EEG as necessary, including a known sensor capable of measuring heart rate and blood pressure. Can be used.

상기 촬영부(130)는 사용자의 신체를 촬영하여 적외선 열 열상을 획득하는 구성으로, 공지된 적외선 체열 진단장치를 사용할 수 있다. 이는 기본적으로 인체의 통증으로 인한 미세한 체온변화를 컬러 영상으로 나타내줌으로, 신체의 이상 유무를 진단할 수 있도록 한다. The imaging unit 130 is configured to acquire an infrared thermal image by photographing a user's body, and may use a known infrared body heat diagnosis device. This basically shows a minute change in body temperature due to the pain of the human body as a color image, so that it is possible to diagnose whether there is an abnormality in the body.

즉 인체에서 자연적으로 방출되는 극미량의 적외선을 적외선 카메라가 실시간 감지하여 인체의 통증 부위나 질병 부위, 혈류 흐름의 미세한 체열 변화를 컬러 영상으로 나타내 줌으로써 신체의 이상 유무나 혈류의 흐름을 신속히 진단할 수 있도록 하는 것으로, 광학계(光學系)를 이용하여 피사체 표면에서 방사되는 적외선을 검출하고, 검출된 적외선 신호로부터 체표 온도 분포를 산출하여 화상으로 구성한다.In other words, the infrared camera detects a very small amount of infrared light naturally emitted by the human body in real time, thereby displaying a minute body heat change in the pain area, disease area, and blood flow of the human body as a color image. In this way, an infrared ray emitted from the surface of a subject is detected using an optical system, and a body surface temperature distribution is calculated from the detected infrared signal to form an image.

상기 분석DB(140)는 열 영상 및 생체정보로부터 질환을 판정하는 기준정보가 저장되어 구축되는 구성으로 웹을 통해 접속되는 서버상에 구비되어 분석을 위해 필요한 기준정보를 불러들일 수 있도록 한다.The analysis DB 140 is configured to store reference information for determining a disease from thermal images and bio-information, and is provided on a server connected through the web to load reference information necessary for analysis.

이때 상기 기준정보는 상기 열 영상 및 생체정보의 비교분석을 통해 질환을 판정하기 위한 기준을 나타내는 정보로, 다양한 열 영상 및 생체정보에 대해 수집·분석되고 지속적인 수집 및 업그레이드되며 취득된 열 영상 및 생체정보를 기준정보와 비교하여 유사도를 판정함으로 어떤 질환인지 판정을 할 수 있도록 한다.At this time, the reference information is information representing a criterion for determining a disease through comparative analysis of the thermal image and the bio-information, and is collected and analyzed for various thermal images and bio-information, continuously collected and upgraded, and acquired thermal images and bio-information By comparing the information with the reference information, it is possible to determine what kind of disease it is by determining the similarity.

상기 정보분석부(150)는 상기 열 영상 중 사용자의 신체 및 호소 부위에 대한 부분을 분리한 후 기준정보를 기반으로 질환을 판정하는 구성으로, 이를 위해 먼저 다양한 이미지처리 알고리즘을 적용하여 열 영상 중 호소 부위 즉 환부를 정상부분으로부터 분리된 영상에 대하여 상기 센서부(120)를 통해 수집된 생체정보와 함께 상기 분석DB(140)에 저장된 기준정보와 비교하며 유사도가 가장 높은 질환으로 판정하게 된다.The information analysis unit 150 is a component that determines a disease based on reference information after separating a user's body and a portion of a user's body from among the thermal images. To this end, various image processing algorithms are first applied to the thermal image. The image separated from the normal part of the appeal site, that is, the affected part, is compared with the reference information stored in the analysis DB 140 together with the bio-information collected through the sensor unit 120 and is determined as the disease having the highest similarity.

이를 위해 상기 분석DB(140)에는 기준정보로서 열 영상 판정을 위한 제1기준정보와, 생체정보 판정을 위한 제2기준정보가 구분되어 저장되고, 상기 정보분석부(150)는 열 영상과 생체정보에 대해 각각 제1기준정보 및 제2기준정보를 적용하여 각각 질환판정을 할 수 있다. 이와 같이 생체정보와 열 영상을 위한 분석을 별도의 기준을 통해 각각 도출함으로 개별적으로 도출된 판단결과를 의사가 확인하고 공통 증상으로 판단할 수 있는 질환 도출에 도움을 줄 수 있다.To this end, the reference DB for determining thermal images and the second reference information for determining bio-information are stored in the analysis DB 140 as reference information, and the information analysis unit 150 displays the thermal image and the living body. The disease can be determined by applying the first reference information and the second reference information to the information, respectively. In this way, by deriving the analysis for the biometric information and the thermal image through separate criteria, it is possible for the doctor to confirm the individually derived judgment result and to help derive a disease that can be judged as a common symptom.

이에 한 걸음 더 나아가 상기 분석DB(140)에는 열 영상 판정결과 및 생체정보 판정결과의 통합적인 분석을 통해 질환을 판정하기 위한 제3기준정보가 저장되고, 상기 정보분석부(150)는 열 영상과 생체정보에 대한 각각의 판정결과에 제3기준정보를 적용하여 각각 질환을 재판정할 수 있다. 이를 위해 제1기준정보 및 제2기준정보를 통해 도출된 내용을 수집·분석을 통해 미리 작성된 제3기준정보를 통해 앞서 언급한 개별적으로 도출된 판단결과에 따른 공통 증상의 판단을 기계적으로 수행함으로 시간을 절감할 수 있다.Further, a third standard information for determining a disease is stored in the analysis DB 140 through the integrated analysis of the thermal image determination result and the bioinformation determination result, and the information analysis unit 150 displays the thermal image. Each disease can be judged by applying the third reference information to each decision result for and bio-information. To this end, by collecting and analyzing the contents derived from the first reference information and the second reference information, through the third reference information prepared in advance, the judgment of common symptoms according to the individually derived judgment results mentioned above is performed mechanically. You can save time.

상기 피드백부(160)는 판정된 질환을 관리자에게 제시하고, 관리자로부터 피드백정보를 입력받는 구성으로, 상기 정보분석부(150)를 통해 기계적으로 판정된 결과에 대해 전문가로부터 검증을 받는 구성이다. 즉 질환에 대한 판정결과가 올바른지 확인 후 그 결과를 피드백정보로 입력하게 되며, 정확하게 인식한 경우가 아니라면 추후에라도 실질적으로 판정된 질환에 대한 정보를 의사나 전문가가 입력하는 형태로 피드백정보가 작성될 수 있다.The feedback unit 160 is a configuration that presents the determined disease to the manager and receives feedback information from the manager, and is a configuration that is verified by experts with respect to the results mechanically determined through the information analysis unit 150. That is, after confirming that the judgment result for the disease is correct, the result is input as feedback information, and unless it is correctly recognized, the feedback information will be prepared in the form of a doctor or expert inputting information on the disease that is actually determined later. You can.

상기 학습부(170)는 상기 피드백정보를 분석하여 상기 분석DB에 저장된 기준정보를 갱신하는 구성으로, 상기 정보분석부(150)를 통한 사용자에 대해 잘못된 질환 판정에 대한 피드백을 통한 학습이 이루어지는 것으로 이러한 학습과정의 누적을 통해 기준정보가 지속적으로 갱신됨에 따라 추후 질환 판단의 정확도가 상승하게 된다.The learning unit 170 is configured to update the reference information stored in the analysis DB by analyzing the feedback information, and learning is performed through feedback on a wrong disease determination for a user through the information analysis unit 150 As the reference information is continuously updated through the accumulation of the learning process, the accuracy of the disease determination will increase in the future.

이와 같이 촬영된 열 영상 및 생체정보를 통해 질환을 인식하는 정확도가 점차 높아짐에 따라 종래와 같이 의사의 판단 및 문자로 사용자에 대한 상태를 입력하지 않더라도 자동적인 분석이 이루어져 더욱 편리하고 효율적인 질환판단이 이루어질 수 있다.As the accuracy of recognizing the disease gradually increases through the thermal image and the biometric information, the automatic analysis is performed even if the user's status is not input by the doctor's judgment and text as in the prior art, thereby making the diagnosis of disease more convenient and efficient. It can be done.

이때, 상기 정보분석부(150)는 분리된 열 영상의 대칭성을 판단하되, 상기 기준정보는 대칭부의 평균 및 열 패턴과, 정상패턴에서의 열 분포에 관한 정보를 포함하는 것이 바람직하다.At this time, the information analysis unit 150 determines the symmetry of the separated thermal image, but it is preferable that the reference information includes information about the average and thermal patterns of the symmetrical portions and heat distribution in the normal pattern.

본 발명에서 사용되는 적외선 체열 영상 진단 검사의 가장 기본적이면서도 중요한 한 가지 이론은 정상 성인을 기준으로 볼 때 체열 분포 양상(Thermographic Pattern)은 좌우가 항상 대칭적양상(Symmetrical Pattern )을 보인다는 것이다.One of the most basic and important theories of the diagnostic imaging of infrared body heat imaging used in the present invention is that the thermographic pattern of the normal adult is always symmetrical (left and right).

미국의학협회(America Medicine Association, AMA)에서도 신체의 표면온도 분포계측에 사용하기 위한 적외선 방사를 이용하는 의료용 적외선 촬영장치로 인체 내부에 있는 질병의 유무를 파악할 수 있는 적외선 체열 촬영 영상을 판독함에 있어 양측의 체열분포의 비대칭적 양상(Asymmetrical Thermographic Pattern)을 가장 중요한 요소로 다루고 있다.The American Medicine Association (AMA) is a medical infrared imaging device that uses infrared radiation for use in measuring the surface temperature distribution of the body, and both sides in reading infrared thermography images that can detect the presence or absence of diseases in the human body. Asymmetrical thermographic pattern of the body heat distribution is considered as the most important factor.

특히 적외선 체열 영상 진단 검사법은 척추 및 말초 신경손상 등의 신경계 질환, 혈관계 질환, 근 골격계 질환 및 스포츠 손상의 진단, 유방암 등의 암질환의 초기 진단 검사 외에 통증에 수반되는 다양한 통증 증후군의 진단 및 대사장애나 피부과 질환 등을 진단하는데 있어 유용하게 사용되어 왔고 특히 최근 급증하는 대사장애 질환, 즉 비만환자의 혈액순환 저하를 객관화하여 치료과정을 확인하는데 유용하여 다양한 연구가 진행되고 있다. In particular, infrared thermal imaging diagnostic tests include diagnosis and metabolism of various pain syndromes associated with pain, in addition to diagnosis of nervous system diseases such as spinal and peripheral nerve damage, vascular system diseases, musculoskeletal system diseases and sports injuries, and early diagnosis of cancer diseases such as breast cancer. It has been usefully used for diagnosing disorders and dermatological diseases, and recently, various studies have been conducted as it is useful to check the treatment process by objectifying the rapidly increasing metabolic disorders, that is, blood circulation decrease in obese patients.

또한, 법의학적 문제를 다루는데에 있어서 동통의 진위를 판별하는데 활발히 이용되고 있고, 실시간 동영상으로 이미지를 취득할 수 있으므로 기존 검사 이외에도 수술실이나 부하 검사시 다양하게 임상에 적용할 수 있다.In addition, in dealing with forensic problems, it is actively used to determine the authenticity of pain, and since images can be acquired in real-time video, it can be applied to a variety of clinical trials in the operating room or in load testing in addition to the existing tests.

특히 척추 질환의 경우 75%의 환자가 다음과 같은 특정 구획에서 좌, 우 온도 비대칭성을 나타내게 되는 등 상기 정보분석부(150)에서 분리된 열 영상의 대칭성을 판단하되, 상기 기준정보는 대칭부의 평균 및 열 패턴과, 정상패턴에서의 열 분포에 관한 정보를 통한 판단이 매우 중요하다.In particular, in the case of spinal diseases, 75% of patients determine the symmetry of the thermal image separated from the information analysis unit 150, such as the left and right temperature asymmetry in a specific section as follows, but the reference information is the symmetrical part. It is very important to judge based on the average and thermal patterns and information about the heat distribution in the normal patterns.

상기 개인DB(180)는 사용자정보별로 판정된 질환을 관리자의 피드백정보와 사용자 치료를 위해 입력된 의료정보 및 호전상태를 나타내는 경과정보와 함께 누적 저장되는 구성으로, 수집된 전 사용자의 질환과 입력된 의료정보 및 호전상태에 대해 신장, 몸무게, 성별, 연령과 같은 신체정보별 정렬이 이루어지도록 하여 통계분석이 가능하도록 서버상에 구축된다. 즉 질환이 판정된 사용자의 치료과정에서 발생되는 의료정보와 더불어 해당 의료정보에 대응하여 호전되는 정보를 지속적으로 수집함으로 특정 질환의 치료에 대한 딥러닝이 이루어지는 토대가 마련된다.The personal DB 180 is configured to accumulate and store diseases determined for each user information along with feedback information of the administrator, medical information input for user treatment, and progress information indicating improvement status. It is built on the server to allow statistical analysis by sorting by body information such as height, weight, gender, and age for the medical information and improvement. That is, a foundation for deep learning of treatment of a specific disease is provided by continuously collecting information that is improved in response to the medical information as well as medical information generated in the treatment process of the user whose disease has been determined.

상기 리포팅부(190)는 상기 개인DB(180)에서 상태호전으로 판단되는 경과정보를 검색하여 판정질환 및 피드백 정보를 역추적하여 관리자에게 제시하는 구성으로, 질환의 판정에서 더 나아가 해당 질환의 치료를 위한 과정을 함께 수집하여 추후 유사 또는 동일 질환에 대한 최적의 치료과정을 산출하는데 도움을 줄 수 있도록 한다.The reporting unit 190 is a configuration that searches for progress information judged as a condition improvement in the personal DB 180, traces back the disease and feedback information, and presents it to the administrator. It is possible to help to calculate the optimal treatment process for similar or the same disease in the future by collecting the process for the same.

본 발명의 권리는 위에서 설명된 실시 예에 한정되지 않고 청구범위에 기재된 바에 의해 정의되며, 본 발명의 분야에서 통상의 지식을 가진 자가 청구범위에 기재된 권리범위 내에서 다양한 변형과 개작을 할 수 있다는 것은 자명하다.The rights of the present invention are not limited to the embodiments described above, but are defined by the claims, and those skilled in the art can make various modifications and adaptations within the scope of the claims. It is self-evident.

110: 사용자설정부 120: 센서부
130: 촬영부 140: 분석DB
150: 정보분석부 160: 피드백부
170: 학습부 180: 개인DB
190: 리포팅부110: user setting unit 120: sensor unit
130: recording unit 140: analysis DB
150: information analysis unit 160: feedback unit
170: learning unit 180: personal DB
190: reporting unit

Claims (5)

질환 진단 시스템에 있어서,
사용자의 신체정보 및 증상 호소 부위를 포함하는 사용자정보를 입력받는 사용자설정부(110);
사용자로부터 심박수 및 혈압을 포함하는 생체정보를 수집하는 센서부(120);
사용자의 신체를 촬영하여 적외선 열 열상을 획득하는 촬영부(130);
열 영상 판정을 위한 제1기준정보와, 생체정보 판정을 위한 제2기준정보와, 열 영상 판정결과 및 생체정보 판정결과를 통해 질환을 판정하기 위한 제3기준정보를 포함하는 기준정보가 저장되어 구축되는 분석DB(140);
상기 열 영상 중 사용자의 신체 및 호소 부위에 대한 부분을 분리한 후 생체신호와 함께 기준정보를 기반으로 질환을 판정하되, 열 영상과 생체정보에 대해 각각 제1기준정보 및 제2기준정보를 적용하여 각각 질환판정을 하고, 열 영상과 생체정보에 대한 각각의 판정결과에 제3기준정보를 적용하여 각각 질환을 재판정하는 정보분석부(150);
판정된 질환을 의사나 전문가에게 제시하고, 판정결과가 올바른지 확인 후 그 결과를 피드백정보로 입력받는 피드백부(160);
상기 피드백정보를 분석하여 상기 분석DB에 저장된 기준정보를 갱신하는 학습부(170);
사용자정보별로 판정된 질환을 관리자의 피드백정보와 사용자 치료를 위해 입력된 의료정보 및 호전상태에 대해 신장, 몸무게, 성별, 연령과 같은 신체정보별 정렬이 이루어지도록 한 경과정보와 함께 누적 저장하는 개인DB(180);
상기 개인DB에서 상태호전으로 판단되는 경과정보를 검색하여 판정질환 및 피드백 정보를 역추적하여 관리자에게 제시하는 리포팅부(190); 로 이루어지는 것을 특징으로 하는 생체정보 및 영상정보 연계를 통한 인공지능 질환 진단 시스템.
In the disease diagnosis system,
A user setting unit 110 that receives user information including a user's body information and a symptom appeal site;
A sensor unit 120 for collecting biometric information including a heart rate and blood pressure from a user;
A photographing unit 130 that acquires an infrared thermal image by photographing a user's body;
Reference information including first reference information for determining thermal imaging, second reference information for determining biological information, and third reference information for determining disease through thermal imaging determination results and biological information determination results is stored. Analysis DB 140 to be built;
After separating the parts of the user's body and the appealing part from the thermal image, the disease is determined based on the reference information together with the biosignal, but the first reference information and the second reference information are applied to the thermal image and the biological information, respectively. An information analysis unit 150 for each disease determination and judging each disease by applying third reference information to each determination result for thermal image and bio-information;
A feedback unit 160 presenting the determined disease to a doctor or an expert and confirming whether the determination result is correct and receiving the result as feedback information;
A learning unit 170 analyzing the feedback information and updating reference information stored in the analysis DB;
An individual who accumulates and stores the disease determined by user information together with the feedback information of the manager, medical information input for user treatment, and progress information that is arranged by body information such as height, weight, gender, and age for improvement. DB 180;
A reporting unit (190) for searching for progress information judged to be in a state of improvement in the personal DB and back tracing and determining decision disease and feedback information to the manager; Artificial intelligence disease diagnosis system through linkage of bio-information and image information, characterized in that consisting of.
삭제delete 삭제delete 제1항에 있어서,
상기 정보분석부(150)는 분리된 열 영상의 대칭성을 판단하되,
상기 기준정보는 대칭부의 평균 및 열 패턴과, 정상패턴에서의 열 분포에 관한 정보를 포함하는 것을 특징으로 하는 생체정보 및 영상정보 연계를 통한 인공지능 질환 진단 시스템.
According to claim 1,
The information analysis unit 150 determines the symmetry of the separated thermal image,
The reference information is artificial intelligence disease diagnosis system through the linkage of bio-information and image information, characterized in that it includes information about the heat distribution in the normal pattern and the average and thermal patterns of the symmetry.
삭제delete
KR1020180010751A 2018-01-29 2018-01-29 Artificial intelligence diseases diagnostic system through biological information and video information cooperation KR102099214B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180010751A KR102099214B1 (en) 2018-01-29 2018-01-29 Artificial intelligence diseases diagnostic system through biological information and video information cooperation

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180010751A KR102099214B1 (en) 2018-01-29 2018-01-29 Artificial intelligence diseases diagnostic system through biological information and video information cooperation

Publications (2)

Publication Number Publication Date
KR20190091778A KR20190091778A (en) 2019-08-07
KR102099214B1 true KR102099214B1 (en) 2020-04-09

Family

ID=67621738

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180010751A KR102099214B1 (en) 2018-01-29 2018-01-29 Artificial intelligence diseases diagnostic system through biological information and video information cooperation

Country Status (1)

Country Link
KR (1) KR102099214B1 (en)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102271793B1 (en) 2020-12-11 2021-07-02 (주)씨어스테크놀로지 System for providing a platform for integrating and processing big data of complex biological signals based on artificial intelligence and method for processing big data of complex biological signals using thereof
KR20220109061A (en) 2021-01-28 2022-08-04 한림대학교 산학협력단 Artificial intelligence based electronic appratus for providing information on suturing of laceration, control method, and computer program
WO2023128000A1 (en) * 2021-12-29 2023-07-06 경상국립대학교병원 Glaucoma diagnosis device, system, and method

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113164071A (en) * 2018-08-07 2021-07-23 金达中华有限公司 Health map for navigating health space
KR102415614B1 (en) * 2019-10-15 2022-07-01 주식회사 엑소시스템즈 digital prescription system and method based on bio-signal
KR102568260B1 (en) * 2020-08-05 2023-08-22 한양대학교 에리카산학협력단 Telemedicine system for self driving cars
CN112071428A (en) * 2020-09-01 2020-12-11 物卡智能科技(深圳)有限公司 Latent disease analysis system based on health data acquisition
KR20220115038A (en) * 2021-02-09 2022-08-17 메디팜소프트(주) Biometric data measuring and reading system

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016006042A1 (en) * 2014-07-08 2016-01-14 株式会社Ｕｂｉｃ Data analysis device, control method for data analysis device, and control program for data analysis device

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100860374B1 (en) * 2007-01-29 2008-09-26 한국과학기술연구원 Apparatus for inflammation diagnosis and method for inflammation diagnosis by the same
KR101048420B1 (en) * 2009-07-20 2011-07-11 주식회사 제노웰 Biometric Information Measuring Device and Health Care System
KR20120036638A (en) * 2010-10-08 2012-04-18 에이스웨이브텍(주) Healthcare system integrated muti kinds sensor
EP3046478B1 (en) 2013-09-20 2018-10-10 Transmural Biotech S.l. Image analysis techniques for diagnosing diseases
KR101666485B1 (en) * 2015-03-02 2016-10-14 연세대학교 원주산학협력단 Infrared thermal image based diagnosis method and device

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016006042A1 (en) * 2014-07-08 2016-01-14 株式会社Ｕｂｉｃ Data analysis device, control method for data analysis device, and control program for data analysis device

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102271793B1 (en) 2020-12-11 2021-07-02 (주)씨어스테크놀로지 System for providing a platform for integrating and processing big data of complex biological signals based on artificial intelligence and method for processing big data of complex biological signals using thereof
KR20220109061A (en) 2021-01-28 2022-08-04 한림대학교 산학협력단 Artificial intelligence based electronic appratus for providing information on suturing of laceration, control method, and computer program
WO2023128000A1 (en) * 2021-12-29 2023-07-06 경상국립대학교병원 Glaucoma diagnosis device, system, and method

Also Published As

Publication number Publication date
KR20190091778A (en) 2019-08-07

Similar Documents

Publication Publication Date Title
KR102099214B1 (en) Artificial intelligence diseases diagnostic system through biological information and video information cooperation
JP7261811B2 (en) Systems and methods for non-invasive determination of blood pressure lowering based on trained predictive models
Mumtaz et al. A machine learning framework involving EEG-based functional connectivity to diagnose major depressive disorder (MDD)
Loh et al. Application of photoplethysmography signals for healthcare systems: An in-depth review
US10624587B2 (en) Non-invasive determination of disease states
US20190159675A1 (en) Point-of-care tele monitoring device for neurological disorders and neurovascular diseases and system and method thereof
Adam et al. Automated characterization of diabetic foot using nonlinear features extracted from thermograms
CN102779225A (en) Integrated implementing scheme for full-automatic community health cabin
Bakker et al. Estimating sleep stages using cardiorespiratory signals: validation of a novel algorithm across a wide range of sleep-disordered breathing severity
JP2021508401A (en) Medical intervention control system
KR20190074477A (en) Method for predicting cardio-cerebrovascular disease using eye image
Rojas et al. Pain assessment based on fnirs using bi-lstm rnns
KR20200056674A (en) Integrated system, server and method for managing chronic disease of pet
Allado et al. Innovative measurement of routine physiological variables (heart rate, respiratory rate and oxygen saturation) using a remote photoplethysmography imaging system: A prospective comparative trial protocol
CN115517681A (en) Method and system for monitoring mood fluctuation and evaluating emotional disorder state of MD (MD) patient
CN115024725A (en) Tumor treatment aid decision-making system integrating psychological state multi-parameter detection
CN116013514A (en) Multi-parameter fusion-based integrated diabetic foot prediction system
CN114901137A (en) System and method for monitoring vascular function
Sharma et al. Deep-learning based sleep apnea detection using spo2 and pulse rate
US10327648B2 (en) Blood vessel mechanical signal analysis
KR20190092691A (en) System for analyzing and managing a stress using pulse wave
Lin et al. Objective pain measurement based on physiological signals
TW202216050A (en) Wound assessment method capable of identifying the severity level and area of a patient's wound by using a non-invasive spectral imaging method
JP4355386B2 (en) Biological homeostasis maintenance evaluation device
Lombardi et al. Detecting sepsis from photoplethysmography: strategies for dataset preparation

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right