KR102186709B1 - 치아 병변 정보 제공 방법 및 이를 이용한 장치 - Google Patents

Abstract

본 개시서는 컴퓨팅 장치에 의해 수행되는 치아 병변 정보 제공 방법에 관한 것이다.
컴퓨팅 장치에 의해 수행되는 치아 병변 정보 제공 방법은 (a) 피검자의 치아 영상을 수신하는 단계, (b) 미리 학습된 판독 모델을 통해 상기 치아 영상에 포함되는 병변 영역을 검출하거나 상기 컴퓨팅 장치에 연동되는 타 장치로 하여금 상기 병변 영역을 검출하도록 지원하는 단계, (c) 상기 병변 영역에 대한 치아 병변 정보를 생성하거나 상기 컴퓨팅 장치에 연동되는 타 장치로 하여금 상기 치아 병변 정보를 생성하도록 지원하는 단계 및 (d) 병변 정보를 외부 엔티티에 제공하는 단계를 포함할 수 있다.

Description

치아 병변 정보 제공 방법 및 이를 이용한 장치{METHOD FOR PROVIDING TOOTH LEISON INFORMATION AND APPARATUS USING THE SAME}

본 발명은 치아 병변 정보 제공 방법 및 이를 이용한 장치에 관한 것이다.

다양한 방식으로 촬영된 다양한 X선 영상이 치과 진단 및 치료용으로 널리 활용되고 있다. X선 파노라마 영상(panorama image)은 구강 구조를 전체적으로 확인할 수 있고, 구강의 해부학적 구조를 적절히 드러내는 점에서 치료 계획 수립에 널리 사용되고 있다. 보통 X선 파노라마 영상을 육안으로 식별하여 병변 영역을 예상하는 방식이 치과 치료에 널리 사용되고 있으나, 육안에 의한 식별의 한계를 극복하기 위하여 병변을 자동으로 식별하는 기술들이 개발되고 있다. X선 영상에서 병변 후보 영역을 설정하기 위한 연구는 X선 영상에서의 콘트라스트(Contrast) 변화를 이용하는 수준에 머물러 있다.

대한민국 등록특허공보 제10-1903424호

본 발명은 각각의 치아의 병변 발생 여부에 대한 정보를 해당 치아의 식별 정보와 함께 제공함으로써 치아 영상에서 병변 영역을 효과적으로 판단할 수 있는 수단을 제공하는 것으로 목표로 한다.

또한, 본 발명은 입력 치아 영상에 각 영역이 병변 영역에 해당할 가능성을 시각화하는 맵을 통한 시각화된 병변 정보를 제공하고자 한다.

그리고, 본원 발명은 치아 영상에서 병변 영역 검출하는 판독 모델을 학습시키는 과정에서 치아들 사이의 상관 관계를 고려한 손실 함수를 이용함으로써, 보다 정확하게 병변 영역을 검출할 수 있는 판독 모델을 제공하고자 한다.

상기한 바와 같은 본 발명의 목적을 달성하고, 후술하는 본 발명의 특징적인 효과를 실현하기 위한 본 발명의 특징적인 구성은 하기와 같다.

본 발명의 일 태양(aspect)에 따르면, 컴퓨팅 장치에 의해 수행되는 치아 병변 정보 제공 방법은 (a) 피검자의 치아 영상을 수신하는 단계; (b) 미리 학습된 판독 모델을 통해 상기 치아 영상에 포함되는 병변 영역을 검출하거나 상기 컴퓨팅 장치에 연동되는 타 장치로 하여금 상기 병변 영역을 검출하도록 지원하는 단계; (c) 상기 병변 영역에 대한 치아 병변 정보를 생성하거나 상기 컴퓨팅 장치에 연동되는 타 장치로 하여금 상기 치아 병변 정보를 생성하도록 지원하는 단계; 및 (d) 병변 정보를 외부 엔티티에 제공하는 단계를 포함할 수 있다.

일 태양에 따르면, 상기 (c) 단계는 (c1) 상기 치아 영상에서 병변 영역을 시각화하는 맵을 생성하는 단계; 및 (c2) 상기 맵에 기초하여 상기 치아 영상에서 병변 영역이 시각화된 시각화 정보를 통해 상기 치아 병변 정보를 생성하는 단계를 포함할 수 있다.

다른 태양에 따르면, 상기 (c) 단계는 (c3) 상기 치아 영상에 포함되는 개별 치아의 위치 또는 순서를 식별하는 식별 정보를 생성하는 단계; (c4) 상기 식별 정보와 상기 식별 정보에 대응되는 개별 치아에 병변이 발생하였는지 여부에 대한 정보를 매칭한 매칭 정보를 생성하는 단계; 및 (c5) 상기 매칭 정보에 기초하여 상기 치아 병변 정보를 생성하는 단계를 포함할 수 있다.

일 태양에 따르면 상기 판독 모델은 손실 함수의 결과를 최소화하는 방향으로 미리 학습되고, 상기 손실 함수는 개별 치아들 사이의 상관 관계 정보에 기초하여 결정될 수 있다.

일 태양에 따른 치아 병변 정보를 제공하는 컴퓨팅 장치는 피검자의 치아 영상을 수신하는 통신부; 및 상기 치아 영상에 대한 치아 병변 정보를 생성하는 프로세서를 포함하고, 상기 프로세서는 미리 학습된 판독 모델을 통해 상기 치아 영상에 포함되는 병변 영역에 대한 치아 병변 정보를 생성하거나 상기 컴퓨팅 장치에 연동되는 타 장치로 하여금 상기 병변 정보를 생성하도록 지원하고, 상기 치아 병변 정보를 외부 엔티티에 제공할 수 있다.

본 발명의 일 실시 예에 의하면, 치아들 사이에 상관 관계를 고려한 손실함수에 기반하여 판독 모델을 학습시킴으로써, 치아 영상에 대한 병변 영역 검출의 정확도를 획기적으로 향상시킬 수 있다.

또한, 치아 영상의 병변 검출 결과를 시각화하는 맵을 통해 치아 영상에서 병변 영역을 효과적으로 가시화하는 수단을 제공하고, 치아 식별 번호와 해당 치아에 병변 발생 여부에 대한 정보를 함께 제공하는 인터페이스를 통해 판독자가 단일 치아 영상으로 개별 치아들에 병변 발생 여부를 판독할 수 있는 수단을 제공할 수 있다.

본 발명에 따르면 궁극적으로 의료진의 진단의 정확도를 향상시키고, 단일 영상을 통해 전체 치아의 병변 발생 여부를 판독할 수 있도록 함으로써, 의료 현장에서의 워크플로(workflow)를 혁신할 수 있게 되는 잠재적 효과가 있다.

그리고 본 발명은, 종래에 병원에서 이용하고 있는 의료 영상이 그대로 활용될 수 있는바, 본 발명의 방법이 특정 형식의 영상이나 플랫폼에 종속되지 않음은 물론이다.

본 발명의 실시 예의 설명에 이용되기 위하여 첨부된 아래 도면들은 본 발명의 실시 예들 중 단지 일부일 뿐이며, 본 발명이 속한 기술분야에서 통상의 지식을 가진 사람(이하 "통상의 기술자"라고 함)에게 있어서는 발명에 이르는 노력 없이 이 도면들에 기초하여 다른 도면들이 얻어질 수 있다.
도 1은 본 발명에 따른 병변 정보 제공 방법을 수행하는 컴퓨팅 장치의 예시적 구성을 개략적으로 도시한 개념도이다.
도 2는 본 발명에 따른 병변 정보 제공 방법을 수행하는 컴퓨팅 장치의 하드웨어 또는 소프트웨어 구성요소를 도시한 예시적 블록도이다.
도 3은 일 실시 예에 따른 치아 병변 정보 제공 방법을 설명하기 위한 흐름도이다.
도 4는 일 실시 예에 따른 병변 정보 제공 방법이 수행되는 일례를 도시하는 도면이다.
도 5는 손실 함수 결정 과정에서 사용되는 피어슨 상관 행렬이 시각화된 일례를 도시하는 도면이다.

후술하는 본 발명에 대한 상세한 설명은, 본 발명의 목적들, 기술적 해법들 및 장점들을 분명하게 하기 위하여 본 발명이 실시될 수 있는 특정 실시 예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시 예는 통상의 기술자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다.

본 발명의 상세한 설명 및 청구항들에 걸쳐 이용된 "영상" 또는 "영상 데이터"라는 용어는 이산적 영상 요소들(예컨대, 2차원 영상에 있어서는 픽셀, 3차원 영상에 있어서는 복셀)로 구성된 다차원 데이터를 지칭한다. 예를 들어 "영상"은 X선 영상, (콘-빔형; cone-beam) 전산화 단층 촬영(computed tomography), MRI(magnetic resonance imaging), 초음파 또는 본 발명의 기술분야에서 공지된 임의의 다른 의료 영상 시스템의 의하여 수집된 피사체, 즉 피검체(subject)의 의료 영상일 수 있다. 또한 영상은 비의료적 맥락에서 제공될 수도 있는바, 예를 들어 원격 감지 시스템(remote sensing system), 전자현미경(electron microscopy) 등등이 있을 수 있다.

본 발명의 상세한 설명 및 청구항들에 걸쳐, '영상'은 (예컨대, 비디오 화면에 표시된) 눈으로 볼 수 있는 영상 또는 (예컨대, CT, MRI 검출기 등의 픽셀 출력에 대응되는 파일과 같은) 영상의 디지털 표현물을 지칭하는 용어이다.

본 발명의 상세한 설명 및 청구항들에 걸쳐 'DICOM(Digital Imaging and Communications in Medicine; 의료용 디지털 영상 및 통신)' 표준은 의료용 기기에서 디지털 영상 표현과 통신에 이용되는 여러 가지 표준을 총칭하는 용어인바, DICOM 표준은 미국 방사선 의학회(ACR)와 미국 전기 공업회(NEMA)에서 구성한 연합 위원회에서 발표한다.

또한, 본 발명의 상세한 설명 및 청구항들에 걸쳐 '의료영상 저장 전송 시스템(PACS; picture archiving and communication system)'은 DICOM 표준에 맞게 저장, 가공, 전송하는 시스템을 지칭하는 용어이며, X선, CT, MRI와 같은 디지털 의료영상 장비를 이용하여 획득된 의료영상 이미지는 DICOM 형식으로 저장되고 네트워크를 통하여 병원 내외의 단말로 전송이 가능하며, 이에는 판독 결과 및 진료 기록이 추가될 수 있다.

그리고 본 발명의 상세한 설명 및 청구항들에 걸쳐 '학습' 혹은 '러닝'은 절차에 따른 컴퓨팅(computing)을 통하여 기계 학습(machine learning)을 수행함을 일컫는 용어인바, 인간의 교육 활동과 같은 정신적 작용을 지칭하도록 의도된 것이 아님을 통상의 기술자는 이해할 수 있을 것이다.

그리고 본 발명의 상세한 설명 및 청구항들에 걸쳐, '포함하다'라는 단어 및 그 변형은 다른 기술적 특징들, 부가물들, 구성요소들 또는 단계들을 제외하는 것으로 의도된 것이 아니다. 또한, '하나' 또는 '한'은 하나 이상의 의미로 쓰인 것이며, '또 다른'은 적어도 두 번째 이상으로 한정된다.

통상의 기술자에게 본 발명의 다른 목적들, 장점들 및 특성들이 일부는 본 설명서로부터, 그리고 일부는 본 발명의 실시로부터 드러날 것이다. 아래의 예시 및 도면은 실례로서 제공되며, 본 발명을 한정하는 것으로 의도된 것이 아니다. 따라서, 특정 구조나 기능에 관하여 본 명세서에 개시된 상세 사항들은 한정하는 의미로 해석되어서는 아니되고, 단지 통상의 기술자가 실질적으로 적합한 임의의 상세 구조들로써 본 발명을 다양하게 실시하도록 지침을 제공하는 대표적인 기초 자료로 해석되어야 할 것이다.

더욱이 본 발명은 본 명세서에 표시된 실시 예들의 모든 가능한 조합들을 망라한다. 본 발명의 다양한 실시 예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시 예에 관련하여 본 발명의 사상 및 범위를 벗어나지 않으면서 다른 실시 예로 구현될 수 있다. 또한, 각각의 개시된 실시 예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 사상 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.

본 명세서에서 달리 표시되거나 분명히 문맥에 모순되지 않는 한, 단수로 지칭된 항목은, 그 문맥에서 달리 요구되지 않는 한, 복수의 것을 아우른다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.

이하, 통상의 기술자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 바람직한 실시 예들에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.

도 1은 본 발명에 따른 병변 정보 제공 방법을 수행하는 컴퓨팅 장치의 예시적 구성을 개략적으로 도시한 개념도이다.

도 1을 참조하면, 본 발명의 일 실시 예에 따른 컴퓨팅 장치(100)는, 통신부(110) 및 프로세서(120)를 포함하며, 상기 통신부(110)를 통하여 외부 컴퓨팅 장치(미도시)와 직간접적으로 통신할 수 있다.

구체적으로, 상기 컴퓨팅 장치(100)는, 전형적인 컴퓨터 하드웨어(예컨대, 컴퓨터 프로세서, 메모리, 스토리지, 입력 장치 및 출력 장치, 기타 기존의 컴퓨팅 장치의 구성요소들을 포함할 수 있는 장치; 라우터, 스위치 등과 같은 전자 통신 장치; 네트워크 부착 스토리지(NAS; network-attached storage) 및 스토리지 영역 네트워크(SAN; storage area network)와 같은 전자 정보 스토리지 시스템)와 컴퓨터 소프트웨어(즉, 컴퓨팅 장치로 하여금 특정의 방식으로 기능하게 하는 명령어들)의 조합을 이용하여 원하는 시스템 성능을 달성하는 것일 수 있다.

이와 같은 컴퓨팅 장치의 통신부(110)는 연동되는 타 컴퓨팅 장치와 요청과 응답을 송수신할 수 있는바, 일 예시로서 그러한 요청과 응답은 동일한 TCP(transmission control protocol) 세션(session)에 의하여 이루어질 수 있지만, 이에 한정되지는 않는바, 예컨대 UDP(user datagram protocol) 데이터그램(datagram)으로서 송수신될 수도 있을 것이다. 덧붙여, 넓은 의미에서 상기 통신부(110)는 명령어 또는 지시 등을 전달받기 위한 키보드, 마우스, 기타 외부 입력장치, 프린터, 디스플레이, 기타 외부 출력장치를 포함할 수 있다.

또한, 컴퓨팅 장치의 프로세서(120)는 MPU(micro processing unit), CPU(central processing unit), GPU(graphics processing unit) 또는 TPU(tensor processing unit), 캐시 메모리(cache memory), 데이터 버스(data bus) 등의 하드웨어 구성을 포함할 수 있다. 또한, 운영체제, 특정 목적을 수행하는 애플리케이션의 소프트웨어 구성을 더 포함할 수도 있다.

하기의 설명에서는 본원 발명의 영상은 치아 영상을 대상으로 하고, 치아 영상은 일례로 치아 X선 파노라마 영상을 대상으로 하고 있으나, 본원 발명의 권리범위는 이에 한정되지 않고, 일반적인 형태의 치아 영상에 모두 적용이 가능하고, 대상이 되는 영상에 포함되는 임의의 병변 영역을 검출하는 과정에서 적용될 수 있다는 점은 통상의 기술자가 용이하게 이해할 것이다.

도 2는 본 발명에 따른 병변 정보 제공 방법을 수행하는 컴퓨팅 장치의 하드웨어 또는 소프트웨어 구성요소를 도시한 예시적 블록도이다.

도 2에 도시된 개별 모듈들은, 예컨대, 컴퓨팅 장치(100)에 포함된 통신부(110)나 프로세서(120), 또는 상기 통신부(110) 및 프로세서(120)의 연동에 의하여 구현될 수 있음은 통상의 기술자가 이해할 수 있을 것이다.

도 2를 참조하여 본 발명에 따른 방법 및 장치의 구성을 간략히 개관하면, 컴퓨팅 장치(100)는 그 구성요소로서 영상 획득 모듈(210)을 포함할 수 있다. 이 영상 획득 모듈(210)은 데이터베이스에 미리 저장되거나 영상 촬영을 위한 촬영 전용 기기로부터 획득되는 피검자의 치아 영상을 획득할 수 있다. 치아 영상은 컴퓨팅 장치(100)에 내장된 촬영 전용 기기 또는 외부의 촬영 전용 기기를 통해 촬영된 피검자의 치아에 대한 X선 파노라마 영상일 수 있다.

영상 획득 모듈(210)을 통해 획득한 치아 영상은 치아 병변 영역 검출 모듈(220)로 전송될 수 있다. 치아 병변 영역 검출 모듈(220)은 판독 모델을 통해 치아 영상에 포함된 병변 영역을 검출할 수 있다. 판독 모델은 치아 영상에서 병변 영역을 검출하도록 미리 학습된 인공 신경망일 수 있다. 치아 병변 영역 검출 모듈(220)에 포함된 판독 모델은 입력된 치아 영상에서 병변 영역의 위치, 병변 영역의 형태, 병변 영역에 해당될 확률 중 적어도 하나를 출력하도록 학습된 딥 러닝 기반의 인공 신경망일 수 있다. 치아 병변 영역 검출 모듈(220)에 포함되는 인공 신경망은 입력 치아 영상에 포함되는 영역과 탐지 대상 영역(예를 들어 골 소실 영역)이 일치하는지 여부를 그 유사도에 기초하여 결정하고, 결정 결과를 출력하도록 학습되는 것으로, 예를 들어, DNN (Deep Neural Network), CNN (Convolutional Neural Network), DCNN (Deep Convolution Neural Network), RNN (Recurrent Neural Network), RBM (Restricted Boltzmann Machine), DBN (Deep Belief Network), SSD (Single Shot Detector), YOLO (You Only Look Once) 등이 이용될 수 있음은 통상의 기술자가 이해할 것이다. 치아 병변 영역 검출 모듈(220)에서 사용될 수 있는 인공 신경망의 종류는 제시된 예시에 한정되지 않고, 라벨링된 학습 데이터에 기반하여 치아 영상에서 병변 영역을 인식하도록 학습될 수 있는 임의의 인공 신경망을 포함할 수 있다는 점은 통상의 기술자가 이해할 수 있을 것이다.

치아 병변 영역 검출 모듈(220)을 통해 수행된 병변 영역에 대한 검출 결과는 시각화 모듈(230)에 전달될 수 있고, 시각화 모듈(230)은 치아 영상에서 병변 영역을 시각화하는 맵을 생성할 수 있다. 예를 들어, 시각화 모듈(230)은 치아의 각 영역이 병변 영역(예를 들어 골 소실 영역)에 해당될 확률에 따라 대응되는 영역의 색상을 달리하는 히트맵(hit map)을 생성할 수 있다. 시각화 모듈(230)이 맵을 생성하는 방식은 앞서 설명된 방식에 한정되지 않고, 치아 영상의 각 영역이 병변 영역에 해당할 확률을 시각적으로 표현할 수 있는 임의의 방식(예를 들어, 병변 영역에 해당할 확률을 수치화하여 표현하는 등)을 포함할 수 있음은 통상의 기술자가 자명하게 이해할 수 있을 것이다.

치아 병변 영역 검출 모듈(220)을 통해 수행된 검출 결과는 분류 모듈(240)에 전달될 수 있고, 분류 모듈(240)은 검출된 병변 영역에 대응되는 치아의 식별 정보를 결정할 수 있다. 분류 모듈(240)은 치아 영상에 포함된 개별 치아의 위치 또는 순서를 식별하는 식별 정보를 생성하고, 생성된 식별 정보 및 상기 검출 결과에 기초하여 병변 영역이 검출된 치아의 식별 정보를 결정할 수 있다. 개별 치아에 대한 식별 정보는 전 세계 치과의사들이 가장 많이 사용하는 치아 식별 번호인 FDI World Dental Federation notation에 기초하여 결정될 수 있으나, 이에 한정되지 않고, 개별 치아를 식별할 수 있는 임의의 방식에 기초하여 결정될 수 있다. 예를 들어, 식별 정보로 치아 식별 번호가 이용되는 경우, 분류 모듈(240)은 개별 치아에 대해 생성된 식별 번호 중 병변이 검출된 치아의 식별 번호를 결정하고, 결정 결과에 기초하여 식별 번호와 개별 치아에 병변이 발생하였는지 여부에 대한 정보를 매칭한 매칭 정보를 생성할 수 있다. 매칭 정보는 구현에 따라 병변이 발생된 것으로 결정된 치아들의 식별 정보를 리스트로 제공하는 방식, 모든 치아의 식별 정보와 병변 발생 여부를 매칭하는 방식 등 식별 정보와 병변 발생 여부에 대한 정보를 매칭하는 임의의 방식으로 생성될 수 있다.

치아 병변 정보 생성 및 전송 모듈(250)은 시각화 모듈(230)에 의해 생성된 맵 또는 분류 모듈(240)을 통해 생성된 매칭 정보에 기초하여 치아 병변 정보를 생성할 수 있다. 치아 병변 정보는 상기 맵을 치아 영상에 적용함으로써 생성되는 시각화 정보 또는 상기 매칭 정보에 기초하여 병변이 검출된 치아 리스트에 대한 정보 중 적어도 하나에 기초하여 결정될 수 있다.

치아 병변 정보 생성 및 전송 모듈(250)을 통해 생성된 치아 병변 정보는 데이터베이스에 저장되거나, 외부 엔티티에 제공될 수 있다. 치아 병변 정보를 외부 엔티티에 제공되는 때에는 치아 병변 정보 생성 및 전송 모듈(250)은 소정의 디스플레이 장치 등을 이용하거나, 구비된 통신부를 통해 외부 엔티티에 치아 병변 정보가 반영된 출력 영상을 제공할 수 있다. 여기에서 외부 엔티티라고 함은, 상기 컴퓨팅 장치(100)의 사용자, 관리자, 상기 피검체를 담당하는 담당 의료 전문가 등을 포함하나, 이 이외에도 상기 입력된 치아 영상에 대한 치아 병변 정보를 필요로 하는 주체라면 어느 주체라도 포함되는 것으로 이해되어야 할 것이다. 예를 들어, 상기 외부 엔티티는 상기 치아 병변 정보를 활용하는 별도의 AI(artificial intelligence; 인공지능) 하드웨어 및/또는 소프트웨어 모듈을 포함하는 외부의 AI 장치일 수도 있다. 또한, 외부 엔티티에서의 '외부(external)'는 상기 치아 병변 정보를 이용하는 AI 하드웨어 및/또는 소프트웨어 모듈이 상기 컴퓨팅 장치(100)에 일체화되는 실시 예를 배제하도록 의도된 것이 아니라, 본 발명의 방법을 수행하는 하드웨어 및/또는 소프트웨어 모듈의 결과물인 치아 병변 정보가 타 방법의 입력 데이터로 활용될 수 있음을 시사하도록 이용된 것임을 밝혀둔다. 즉, 상기 외부 엔티티는 컴퓨팅 장치(100) 자체일 수도 있다.

도 2에 나타난 구성요소들은 설명의 편의상 하나의 컴퓨팅 장치에서 실현되는 것으로 예시되었으나, 본 발명의 방법을 수행하는 컴퓨팅 장치(100)는 복수개가 서로 연동되도록 구성될 수도 있다는 점이 이해될 것이다.

이제 본 발명에 따른 영상 제공 방법의 일 실시 예를 도 3 내지 도 5를 참조하여 더 구체적으로 설명하기로 한다.

도 3은 일 실시 예에 따른 치아 병변 정보 제공 방법을 설명하기 위한 흐름도이다.

도 3을 참조하면, 컴퓨팅 장치는 단계(S100)에서 통신부를 통해 피검자의 치아 영상을 수신할 수 있다. 치아 영상은 앞서 설명한 바와 같이 치아 X선 파노라마 영상일 수 있으나, 이에 한정되지 않고, 피검자의 치아를 촬영한 임의의 형태의 영상을 포함할 수 있다.

컴퓨팅 장치는 단계(S200)에서 판독 모델을 통해 치아 영상에 포함되는 병변 영역을 검출할 수 있다. 판독 모델은 치아 영상에 병변 영역을 검출하도록 미리 학습된 인공 신경망을 포함할 수 있다.

판독 모델을 학습시키기 위한 손실 함수는 손실 함수로써 통상적으로 사용되는 크로스 엔트로피(cross entropy) 함수와 더불어 상악 치아에 대한 상악 손실 함수 및 하악 치아에 대한 하악 손실 함수에 기초하여 결정될 수 있다. 상악이란 치아 영상에 포함된 위쪽 턱을 의미하고, 하악이란 치아 영상에 포함된 아래쪽 턱을 의미할 수 있다. 이에 따라 상악 손실 함수는 상악에 대응하여 결정되는 손실 함수를 의미할 수 있고, 하악 손실 함수는 하악에 대응되는 손실 함수를 의미할 수 있다.

보다 구체적으로, 상악 손실 함수 및 하악 손실 함수를 산출하기 위한 개별 손실 함수는 수학식 1에 기초하여 결정될 수 있다.

는 개별 손실 함수,

는 치아의 병변 발생 여부를 나타내는 값,

는 i번째 데이터 샘플의 j번째 치아의 병변 발생 여부를 나타내는 값,

는 치아의 병변 발생 여부에 대한 판독 모델의 예측 값,

는 i번째 데이터 샘플의 j번째 치아의 병변 발생 여부에 대한 판독 모델의 예측 값,

는 피어슨 상관 행렬(pearson correlation matrix),

는 피어슨 상관 행렬의 각 요소로써 j번째 치아와 j'번째 치아에 상응하는 상관 계수 값c는 피어슨 상관 행렬에 기초하여 결정되는 상관 파라미터,

는 i번째 데이터 샘플의 j번째 치아에 대해 산출된 상관 파라미터, k는 치아 번호의 개수,

은 데이터 샘플의 개수,

는

를 0 및 1사이로 정규화하기 위한 값을 나타낸다.

수학식 1의 피어슨 상관 행렬에 포함되는 a번째 치아와 b번째 치아 사이의 상관 계수

는 하기의 수학식 2에 기초하여 결정될 수 있다.

는 a번째 치아와 b번째 치아의 상관 계수,

는 i번째 학습 데이터에서 a번째 치아의 병변 발생 여부를 나타내는 값,

는i번째 학습 데이터에서 b번째 치아의 병변 발생 여부를 나타내는 값,

는

의 평균,

는

의 평균을 의미할 수 있다.

예를 들어, a번째 치아에 병변 발생 여부에 대한 값(병변이 발생하는 경우

=1, 병변이 발생하지 않는 경우

로 출력된다.)은 a = {1, 0, 0, 0, 0, 1, 1}이고, b = {1, 1, 0, 0, 0, 1, 1}로 학습 데이터가 7개인 경우,

는 0.428,

는 0.571로 산출되고, 수학식 2에 따라

는 0.75로 산출될 수 있다.

수학식 2에 기초하여 산출된 상관 계수가 시각화된 일례는 이하 첨부되는 도 5와 같다.

수학식 1에 기초하여 상악 손실 함수 및 하악 손실 함수는 수학식 3 및 수학식 4와 같이 산출될 수 있다.

는 상악 치아의 병변 발생 여부를 나타내는 값,

는 상악 치아의 병변 발생 여부에 대한 판독 모델의 예측 값,

는 상악 치아에 대한 상관 파라미터를 나타낸다.

는 하악 치아의 병변 발생 여부를 나타내는 값,

는 하악 치아의 병변 발생 여부에 대한 판독 모델의 예측 값,

는 하악 치아에 대한 상관 파라미터를 나타낸다.

수학식 3 및 수학식 4에 기반하여, 판독 모델의 학습에 사용되는 최종 손실 함수는 수학식 5와 같이 산출될 수 있다.

CrossEntropy는 크로스 엔트로피 함수,

는 조절 가능한 파라미터를 의미할 수 있다.

최종 손실 함수는 상악 손실 함수 및 하악 손실 함수에 기초하여 결정되고, 상악 손실 함수 및 하악 손실 함수는 각각에 포함되는 치아들 사이의 상관 관계에 기초하여 결정되는

및

에 기초하여 결정된다. 실제로 치아 병변의 경우 인접한 치아들 사이에 함께 발생되는 경우가 많으므로, 병변 발생과 관련하여 인접한 치아들 사이에 상관 관계는 매우 높을 수 있다. 최종 손실 함수는 상악 및 하악에 포함되는 치아들 사이의 상관 관계가 반영되어 있으므로, 이에 기반하여 학습된 판독 모델의 병변 영역 예측에 대한 정확도는 상관 관계를 고려하지 않는 손실 함수를 이용하는 경우에 비해 향상될 수 있다. 보다 구체적으로, 치아들 사이의 상관 관계를 고려하지 않는 손실 함수에 기초하여 판독 모델이 학습되는 경우, 병변이 48번 치아에 발생하였으나, 47번 치아에 병변이 발생한 것으로 예측한 경우와 41번 치아에 병변이 발생한 것으로 예측하는 경우 오류는 동일하게 측정될 수 있다. 하지만, 수학식 5에 따른 최종 손실 함수에 기반하여 학습이 진행되는 경우, 치아들 사이의 상관 관계가 학습 과정에서 반영되어 있기 때문에, 상기 상황에서 41번 치아로 잘못 예측한 경우에 더 큰 패널티가 부여될 수 있고, 이를 통해 보다 예측 정확도가 높은 판독 모델이 생성될 수 있다.

컴퓨팅 장치는 단계(S300)에서 상기 검출된 병변 영역에 대한 치아 병변 정보를 생성하거나 컴퓨팅 장치에 연동되는 타 장치로 하여금 치아 병변 정보를 생성하도록 지원할 수 있다. 치아 병변 정보는 치아 영상에서 병변 영역이 시각화된 시각화 정보 및 개별 치아의 식별 정보와 병변 발생 여부가 매칭된 매칭 정보 중 적어도 하나에 의해 결정될 수 있다.

일 실시예에 따르면, 컴퓨팅 장치는 단계(S200)의 검출 결과에 기반하여, 치아 영상에서 검출된 병변 영역을 시각화하는 맵을 생성할 수 있다. 컴퓨팅 장치는 판독 모델의 마지막 레이어의 출력에 기초하여, 치아 영상의 영역 별 가중치를 결정하고, 결정된 가중치에 따라 시각적 요소를 달리 표현하는 맵을 생성할 수 있다. 예를 들어, 컴퓨팅 장치는 최종 레이어의 출력 중 높은 가중치에 대응되는 영역으로써 병변 영역에 해당할 확률이 높은 영역은 적색에 가까운 색으로 표현하고, 가중치가 낮아 병변 영역에 해당할 확률이 낮은 영역을 녹색에 가까운 영역으로 표현하는 히트맵을 생성할 수 있다. 컴퓨팅 장치는 생성된 히트맵을 입력 치아 영상에 적용하여 병변 영역에 해당될 가능성이 높은 영역은 적색에 가까운 색상으로 시각화하고, 병변 영역에 해당될 가능성이 낮은 영역은 녹색에 가까운 색상으로 시각함으로써, 치아 영상에 대한 시각화 정보를 생성할 수 있다. 시각화 정보를 생성하기 위한 맵은 예시로 든 히트맵 및 색상 구성에 한정되지 않고, 각 영역이 병변 영역에 해당될 확률을 시각화하는 임의의 방식으로 구현될 수 있음은 통상의 기술자가 용이하게 이해할 수 있을 것이다.

다른 실시예에 따르면, 컴퓨팅 장치는 치아 영상에 포함되는 개별 치아의 위치 또는 순서를 식별하는 식별 정보를 생성하고, 생성된 식별 정보와 식별 정보에 대응되는 개별 치아에 병변이 발생하였는지 여부에 대한 정보를 매칭한 매칭 정보를 생성할 수 있다. 예를 들어, 식별 정보는 FDI World Dental Federation notation에 따른 개별 치아에 대한 식별 번호일 수 있고, 컴퓨팅 장치는 단계(S200)의 검출 결과에 기초하여 치아에 병변이 발생하였는지 여부에 대한 정보를 해당 치아의 식별 번호에 매칭한 매칭 정보를 생성할 수 있다.

컴퓨팅 장치는 단계(S400)에서 치아 병변 정보를 외부 엔티티에 제공할 수 있다.

도 4는 일 실시 예에 따른 병변 정보 제공 방법이 수행되는 일례를 도시하는 도면이다.

컴퓨팅 장치(420)는 입력된 치아 영상(410)의 시각화 정보(430) 및 매칭 정보(440)을 포함하는 치아 병변 정보를 제공할 수 있다. 이를 위하여 컴퓨팅 장치(420)은 미리 학습된 판독 모델을 통해 치아 영상(410)에서 병변 영역을 검출할 수 있다. 컴퓨팅 장치는 검출된 병변 영역을 시각화한 히트맵(431, 432, 433)이 적용된 시각화 정보(430)를 생성하거나, 치아의 식별 정보와 병변 발생 여부에 대한 정보를 매칭한 매칭 정보(440)을 생성하여 외부 엔티티에 제공함으로써 치아 병변 정보를 제공할 수 있다. 히트맵(431, 432, 433)은 병변 영역에 해당할 확률에 따라 서로 다른 색으로 표현될 수 있다. 매칭 정보(440)에 포함된 치아의 식별 번호는 식별 정보(441)에 도시되는 FDI World Dental Federation notation에 따라 결정될 수 있다.

도 5는 일 실시예에 따른 피어슨 상관 행렬이 시각화된 일례를 도시하는 도면이다.

치아에 발생하는 병변들은 인접한 치아들 사이에 연속적으로 발생할 가능성이 높다. 따라서, 치아의 병변 검출과 관련하여, 인접한 치아들은 매우 높은 상관 관계를 가질 수 있다. 본원 발명은 판독 모델에 해당하는 인공 신경망을 학습시키는 과정에서 인접한 치아들 사이의 상관 관계가 반영된 수학식 5에 해당하는 최종 손실 함수를 이용함으로써, 보다 정확도 높은 병변 예측 모델을 생성할 수 있다.

행렬(510, 520) 각각은 수학식 2에 기초하여 산출된 상악 치아의 피어슨 상관 행렬 및 하악 치아의 피어슨 상관 행렬을 시각화한 일례에 해당한다. 각 행렬의 요소들은 치아들 사이의 상관도에 대응될 수 있다. 보다 짙은 색으로 시각화된 요소는 상관도가 높게 산출된 것이고, 보다 옅은 색으로 시각화된 요소는 상관도가 낮게 산출된 것에 해당한다. 행렬(510, 520)을 참조하면, 상호 인접한 치아들 사이에 상관도가 높게 산출된 것을 확인할 수 있고, 이는 앞서 언급한 바에 대응된다.

위 실시 예의 설명에 기초하여 해당 기술분야의 통상의 기술자는, 본 발명의 방법 및/또는 프로세스들, 그리고 그 단계들이 하드웨어, 소프트웨어 또는 특정 용례에 적합한 하드웨어 및 소프트웨어의 임의의 조합으로 실현될 수 있다는 점을 명확하게 이해할 수 있다. 상기 하드웨어는 범용 컴퓨터 및/또는 전용 컴퓨팅 장치 또는 특정 컴퓨팅 장치 또는 특정 컴퓨팅 장치의 특별한 모습 또는 구성요소를 포함할 수 있다. 상기 프로세스들은 내부 및/또는 외부 메모리를 가지는, 하나 이상의 마이크로프로세서, 마이크로컨트롤러, 임베디드 마이크로컨트롤러, 프로그래머블 디지털 신호 프로세서 또는 기타 프로그래머블 장치에 의하여 실현될 수 있다. 게다가, 혹은 대안으로서, 상기 프로세스들은 주문형 집적회로(application specific integrated circuit; ASIC), 프로그래머블 게이트 어레이(programmable gate array), 프로그래머블 어레이 로직(Programmable Array Logic; PAL) 또는 전자 신호들을 처리하기 위해 구성될 수 있는 임의의 다른 장치 또는 장치들의 조합으로 실시될 수 있다. 더욱이 본 발명의 기술적 해법의 대상물 또는 선행 기술들에 기여하는 부분들은 다양한 컴퓨터 구성요소를 통하여 수행될 수 있는 프로그램 명령어의 형태로 구현되어 기계 판독 가능한 기록 매체에 기록될 수 있다. 상기 기계 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 기계 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 분야의 통상의 기술자에게 공지되어 사용 가능한 것일 수도 있다. 기계 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD, Blu-ray와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 전술한 장치들 중 어느 하나뿐만 아니라 프로세서, 프로세서 아키텍처 또는 상이한 하드웨어 및 소프트웨어의 조합들의 이종 조합, 또는 다른 어떤 프로그램 명령어들을 실행할 수 있는 기계 상에서 실행되기 위하여 저장 및 컴파일 또는 인터프리트될 수 있는, C와 같은 구조적 프로그래밍 언어, C++ 같은 객체지향적 프로그래밍 언어 또는 고급 또는 저급 프로그래밍 언어(어셈블리어, 하드웨어 기술 언어들 및 데이터베이스 프로그래밍 언어 및 기술들)를 사용하여 만들어질 수 있는바, 기계어 코드, 바이트코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 이에 포함된다.

따라서 본 발명에 따른 일 태양에서는, 앞서 설명된 방법 및 그 조합들이 하나 이상의 컴퓨팅 장치들에 의하여 수행될 때, 그 방법 및 방법의 조합들이 각 단계들을 수행하는 실행 가능한 코드로서 실시될 수 있다. 다른 일 태양에서는, 상기 방법은 상기 단계들을 수행하는 시스템들로서 실시될 수 있고, 방법들은 장치들에 걸쳐 여러 가지 방법으로 분산되거나 모든 기능들이 하나의 전용, 독립형 장치 또는 다른 하드웨어에 통합될 수 있다. 또 다른 일 태양에서는, 위에서 설명한 프로세스들과 연관된 단계들을 수행하는 수단들은 앞서 설명한 임의의 하드웨어 및/또는 소프트웨어를 포함할 수 있다. 그러한 모든 순차 결합 및 조합들은 본 개시서의 범위 내에 속하도록 의도된 것이다.

예를 들어, 상기 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다. 상기 하드웨어 장치는, 프로그램 명령어를 저장하기 위한 ROM/RAM 등과 같은 메모리와 결합되고 상기 메모리에 저장된 명령어들을 실행하도록 구성되는 MPU, CPU, GPU, TPU와 같은 프로세서를 포함할 수 있으며, 외부 장치와 신호를 주고 받을 수 있는 통신부를 포함할 수 있다. 덧붙여, 상기 하드웨어 장치는 개발자들에 의하여 작성된 명령어들을 전달받기 위한 키보드, 마우스, 기타 외부 입력장치를 포함할 수 있다.

이상에서 본 발명이 구체적인 구성요소 등과 같은 특정 사항들과 한정된 실시 예 및 도면에 의해 설명되었으나, 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명이 상기 실시 예들에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상적인 지식을 가진 사람이라면 이러한 기재로부터 다양한 수정 및 변형을 꾀할 수 있다.

따라서, 본 발명의 사상은 상기 설명된 실시 예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등하게 또는 등가적으로 변형된 모든 것들은 본 발명의 사상의 범주에 속한다고 할 것이다.

그와 같이 균등하게 또는 등가적으로 변형된 것에는, 예컨대 본 발명에 따른 방법을 실시한 것과 동일한 결과를 낼 수 있는, 논리적으로 동치(logically equivalent)인 방법이 포함될 것인바, 본 발명의 진의 및 범위는 전술한 예시들에 의하여 제한되어서는 아니되며, 법률에 의하여 허용 가능한 가장 넓은 의미로 이해되어야 한다.

Claims (6)

1. 컴퓨팅 장치에 의해 수행되는 치아 병변 정보 제공 방법에 있어서,
   피검자의 치아 영상을 수신하는 단계;
   미리 학습된 판독 모델을 통해 상기 치아 영상에 포함되는 병변 영역을 검출하는 단계;
   상기 병변 영역에 대한 치아 병변 정보를 생성하는 단계; 및
   병변 정보를 외부 엔티티에 제공하는 단계
   를 포함하고,
   상기 판독 모델은,
   손실 함수의 결과를 최소화하는 방향으로 미리 학습되고,
   상기 손실 함수는,
   개별 치아들에 대한 상관 파라미터와 상기 판독 모델의 예측 결과 사이의 연산에 기초하여 산출되는 개별 손실 함수를 포함하고,
   상기 상관 파라미터는,
   학습 데이터에 포함된 개별 치아들의 병변 발생 여부에 대한 정보들 사이의 연산에 기초하여 산출되는, 치아 병변 정보 제공 방법.
   
2. 제1항에 있어서,
   상기 생성하는 단계는,
   상기 치아 영상에서 병변 영역을 시각화하는 맵을 생성하는 단계; 및
   상기 맵에 기초하여 상기 치아 병변 정보를 생성하는 단계
   를 포함하는, 치아 병변 정보 제공 방법.
   
3. 제1항에 있어서,
   상기 생성하는 단계는,
   상기 치아 영상에 포함되는 개별 치아의 위치 또는 순서를 식별하는 식별 정보를 생성하는 단계;
   상기 식별 정보와 상기 식별 정보에 대응되는 개별 치아에 병변이 발생하였는지 여부에 대한 정보를 매칭한 매칭 정보를 생성하는 단계; 및
   상기 매칭 정보에 기초하여 상기 치아 병변 정보를 생성하는 단계
   를 포함하는, 치아 병변 정보 제공 방법.
   
4. 삭제
5. 컴퓨팅 장치로 하여금, 제1항 내지 제3항 중 어느 한 항의 방법을 수행하도록 구현된 명령어(instructions)를 포함하는, 기계 판독 가능한 비일시적 기록 매체에 저장된, 컴퓨터 프로그램.
   
6. 치아 병변 정보를 제공하는 컴퓨팅 장치에 있어서,
   피검자의 치아 영상을 수신하는 통신부; 및
   상기 치아 영상에 대한 치아 병변 정보를 생성하는 프로세서
   를 포함하고,
   상기 프로세서는,
   미리 학습된 판독 모델을 통해 상기 치아 영상에 포함되는 병변 영역에 대한 치아 병변 정보를 생성하고,
   상기 치아 병변 정보를 외부 엔티티에 제공하고,
   상기 판독 모델은,
   손실 함수의 결과를 최소화하는 방향으로 미리 학습되고,
   상기 손실 함수는,
   개별 치아들 사이의 상관 관계에 기초하여 결정되는 개별 손실 함수를 포함하고,
   상기 개별 손실 함수는,
   개별 치아들에 대한 상관 파라미터와 상기 판독 모델의 예측 결과 사이의 연산에 기초하여 산출되는 개별 손실 함수를 포함하고,
   상기 상관 파라미터는,
   학습 데이터에 포함된 개별 치아들의 병변 발생 여부에 대한 정보들 사이의 연산에 기초하여 산출되는, 컴퓨팅 장치.
   

Images