KR102208508B1 - 복합적인 안과 진료를 수행하는 시스템 및 방법 - Google Patents

복합적인 안과 진료를 수행하는 시스템 및 방법 Download PDF

Info

Publication number
KR102208508B1
KR102208508B1 KR1020180124744A KR20180124744A KR102208508B1 KR 102208508 B1 KR102208508 B1 KR 102208508B1 KR 1020180124744 A KR1020180124744 A KR 1020180124744A KR 20180124744 A KR20180124744 A KR 20180124744A KR 102208508 B1 KR102208508 B1 KR 102208508B1
Authority
KR
South Korea
Prior art keywords
eye
image
treatment
information
examined
Prior art date
Application number
KR1020180124744A
Other languages
English (en)
Other versions
KR20190043494A (ko
Inventor
하태호
Original Assignee
주식회사 씨엠랩
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 주식회사 씨엠랩 filed Critical 주식회사 씨엠랩
Publication of KR20190043494A publication Critical patent/KR20190043494A/ko
Application granted granted Critical
Publication of KR102208508B1 publication Critical patent/KR102208508B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
    • A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
    • A61B3/14—Arrangements specially adapted for eye photography
    • A61B3/145—Arrangements specially adapted for eye photography by video means

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Ophthalmology & Optometry (AREA)
  • Biomedical Technology (AREA)
  • Multimedia (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Eye Examination Apparatus (AREA)

Abstract

안과 진료 시스템으로서, 원격 진료 장치, 그리고 상기 원격 진료 장치로부터 진료 데이터를 수신하고, 상기 진료 데이터를 분석하여 검진 결과 정보를 생성하는 분석 서버를 포함하고, 상기 원격 진료 장치는 안과 진료를 위한 진단 파라미터를 디스플레이하는 디스플레이부, 상기 진단 파라미터와 관련한 사용자의 음성 피드백 정보를 수집하는 피드백 정보 수집부, 상기 음성 피드백 정보를 상기 진단 파라미터에 매핑하여 상기 진료 데이터를 생성하는 진료 데이터 생성부, 그리고 상기 분석 서버로부터 수신한 상기 검진 결과 정보를 사용자에게 제공하는 정보 제공부를 포함한다.

Description

복합적인 안과 진료를 수행하는 시스템 및 방법{SYSTEMS AND METHODS FOR PERFORMING COMPLEX OPHTHALMIC TRATMENT}
본 발명은 복합적인 안과 진료를 수행하는 시스템 및 방법에 관한 것이다.
실명 환자의 80%정도가 조기 진단만 했다면 실명을 예방할 수 있었다는 WHO 통계가 보고된바 있다. 이는 안 질환이 발생한 경우에도 시야 또는 시력 저하가 천천히 진행되기 때문에, 안 질환을 방치하다 증세가 악화되어 병원에 방문 하는 경우가 많기 때문이다. 한번 손상된 시신경 세포는 재생이 거의 불가능하므로 평상시 눈을 지속적으로 관리하는 것이 필수적이다.
한편, 기존의 안과 진료는 전문의 또는 간호사의 도움이 필수적으로 수반된다. 또한, 안 질환은 시력 검사, 시야 검사, 망막 검사 등 다양한 검진을 통해 최종 질환을 판정하는데, 기존의 안과 진료 장비는 단일 장비를 통해 1개 내지 2개 정도의 매우 제안적인 질환만 검사가 가능하다는 단점이 있다.
따라서, 일상 생활 속에서 환자 스스로 다양한 안 질환을 점검할 수 있는 안과 진료 시스템 및 방법이 필요한 실정이다.
본 발명은 원격 진료를 통해 전문의 또는 간호사의 도움을 받지 않고 환자 스스로 눈 상태를 확인할 수 있는 시스템 및 방법을 제공하는 것이다.
또한, 본 발명은 하나의 안과 진료 장비를 통해 다양한 검사 방법을 수행할 수 있는 시스템 및 방법을 제공하는 것이다.
본 발명의 일 실시예에 따른 안과 진료 시스템은 원격 진료 장치, 그리고 상기 원격 진료 장치로부터 진료 데이터를 수신하고, 상기 진료 데이터를 분석하여 검진 결과 정보를 생성하는 분석 서버를 포함하고, 상기 원격 진료 장치는 안과 진료를 위한 진단 파라미터를 디스플레이하는 디스플레이부, 상기 진단 파라미터와 관련한 사용자의 음성 피드백 정보를 수집하는 피드백 정보 수집부, 상기 음성 피드백 정보를 상기 진단 파라미터에 매핑하여 상기 진료 데이터를 생성하는 진료 데이터 생성부, 그리고 상기 분석 서버로부터 수신한 상기 검진 결과 정보를 사용자에게 제공하는 정보 제공부를 포함한다.
상기 진단 파라미터는 시력 측정 콘텐츠, 난시 검사 콘텐츠, 색맹 검사 콘텐츠 또는 암슬러 그리드(Amsler grid) 콘텐츠 중 어느 하나이다.
상기 피드백 정보 수집부는 상기 진단 파라미터와 관련한 가이드 정보를 제공하고, 사용자가 상기 가이드 정보에 대응하여 입력한 음성 데이터를 수집하고, 상기 음성 데이터를 기계 학습을 통해 학습된 음성 인식 모델에 입력하여 상기 음성 피드백 정보를 생성한다.
상기 음성 인식 모델은 상기 진단 파라미터에 포함된 적어도 하나 이상의 텍스트들 및 상기 텍스트들에 대응하는 입력 음성 데이터로 구성된 학습 패턴 쌍(training pattern pair)을 학습 데이터로 하여, 기계 학습을 통해 학습된다.
상기 원격 진료 장치는 상기 진단 파라미터를 주시하는 피검안을 촬영하여 피검안 이미지를 수집하는 이미지 수집부를 더 포함하고, 상기 분석 서버는 상기 피검안 이미지를 수신하고, 기계 학습을 통해 학습된 안과 진료 모델을 통해 상기 피검안 이미지를 분석하여 안 질환 정보를 결정한다.
상기 안과 진료 모델은 안 질환이 발생한 환자의 비정상 피검안 이미지들 및 정상 환자의 정상 피검안 이미지들을 학습 데이터로 하여 기계 학습을 통해 학습되고, 상기 분석 서버는 상기 피검안 이미지를 상기 안과 진료 모델에 입력하여, 상기 피검안 이미지와 상기 비정상 피검안 이미지들 사이의 제1 유사도 및 상기 피검안 이미지와 상기 정상 피검안 이미지들 사이의 제2 유사도를 결정하고, 상기 제1 유사도 및 상기 제2 유사도에 기초하여 상기 안 질환 정보를 결정한다.
본 발명의 일 실시예에 따른 원격 진료 장치 및 분석 서버를 포함하는 안과 진료 시스템이 안과 진료를 수행하는 방법은 상기 원격 진료 장치가 안과 진료를 위한 진단 파라미터를 디스플레이하는 단계, 상기 원격 진료 장치가 상기 진단 파라미터와 관련한 사용자의 음성 피드백 정보를 수집하는 단계, 상기 원격 진료 장치가 상기 음성 피드백 정보를 상기 진단 파라미터에 매핑하여 진료 데이터를 생성하는 단계, 상기 원격 진료 장치가 상기 진단 파라미터를 주시하는 피검안을 촬영하여 피검안 이미지를 수집하는 단계, 상기 원격 진료 장치가 상기 진료 데이터 및 상기 피검안 이미지를 상기 분석 서버로 전송하는 단계, 상기 분석 서버가 상기 진료 데이터 및 상기 피검안 이미지를 선택적으로 분석하여 종합 진료 정보를 생성하고, 상기 종합 진료 정보를 상기 원격 진료 장치로 전송하는 단계, 그리고 상기 원격 진료 장치가 상기 종합 진료 정보를 사용자에게 제공하는 단계를 포함한다.
상기 진단 파라미터는 시력 측정 콘텐츠, 난시 검사 콘텐츠, 색맹 검사 콘텐츠 또는 암슬러 그리드(Amsler grid) 콘텐츠 중 어느 하나이다.
상기 음성 피드백 정보를 수집하는 단계는 상기 원격 진료 장치가 상기 진단 파라미터와 관련한 가이드 정보를 제공하고, 사용자가 상기 가이드 정보에 대응하여 입력한 음성 데이터를 수집하는 단계, 그리고 상기 원격 진료 장치가 상기 음성 데이터를 기계 학습을 통해 학습된 음성 인식 모델에 입력하여 상기 음성 피드백 정보를 생성하는 단계를 포함한다.
상기 음성 인식 모델은 상기 진단 파라미터에 포함된 적어도 하나 이상의 텍스트들 및 상기 텍스트들에 대응하는 입력 음성 데이터로 구성된 학습 패턴 쌍(training pattern pair)을 학습 데이터로 하여, 기계 학습을 통해 학습된다.
상기 종합 진료 정보를 생성하는 단계는 상기 분석 서버가 상기 음성 피드백 정보를 기준으로 상기 진단 파라미터를 분석하여 검진 결과 정보를 생성하는 단계, 상기 분석 서버가 상기 검진 결과 정보를 상기 분석 서버에 등록된 이전 검진 결과 정보와 비교하여 안 질환 정보를 추가적으로 결정할 필요가 있는지 판단하는 단계, 상기 안 질환 정보를 추가적으로 결정할 필요가 있는 경우, 상기 분석 서버가 기계 학습을 통해 학습된 안과 진료 모델을 통해 상기 피검안 이미지를 분석하여 상기 안 질환 정보를 결정하는 단계, 그리고 상기 분석 서버가 상기 검진 결과 정보와 상기 안 질환 정보를 포함하는 상기 종합 진료 정보를 생성하는 단계를 포함한다.
상기 안 질환 정보를 추가적으로 결정할 필요가 있는지 판단하는 단계는 상기 분석 서버가 상기 검진 결과 정보와 상기 이전 검진 결과 정보의 결과값의 차이를 결정하는 단계, 그리고 상기 분석 서버가 상기 결과값의 차이가 미리 설정된 임계값 이상인 경우 상기 안 질환 정보를 추가적으로 결정할 필요가 있다고 판단하는 단계를 포함한다.
상기 안 질환 정보를 결정하는 단계는 상기 분석 서버가 상기 피검안 이미지를 상기 안과 진료 모델에 입력하여 상기 피검안 이미지와 비정상 피검안 이미지들 사이의 제1 유사도 및 상기 피검안 이미지와 정상 피검안 이미지들과의 제2 유사도를 결정하는 단계, 그리고 상기 분석 서버가 상기 제1 유사도 및 상기 제2 유사도에 기초하여 상기 안 질환 정보를 결정하는 단계를 포함한다.
상기 안과 진료 모델은 안 질환이 발생한 환자의 상기 비정상 피검안 이미지들 및 정상 환자의 상기 정상 피검안 이미지들을 학습 데이터로 하여 기계 학습을 통해 학습된다.
본 발명에 따르면, 병원에 방문하지 않고 환자 스스로 눈에 대한 지속적인 검사가 가능하여 안 질환을 조기에 확인할 수 있다.
또한, 본 발명에 따르면, 단일 장비를 통해 다양한 검사 방법을 수행할 수 있어 환자 스스로 최종 질환을 판정할 수 있고, 최종 질환 판정을 위해 다수의 장비를 갖출 필요가 없어 경제적이다.
도 1은 본 발명의 한 실시예에 따른 안과 진료 시스템을 도시한 도면이다.
도 2는 본 발명의 한 실시예에 따른 원격 진료 장치를 도시한 도면이다.
도 3은 예시적인 진단 파라미터를 도시한 도면이다.
도 4는 안과 진료 시스템이 원격 안과 진료를 수행하는 방법을 도시한 도면이다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "…부", "…기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
도 1은 본 발명의 한 실시예에 따른 안과 진료 시스템을 도시한 도면이다.
도 1을 참고하면, 안과 진료 시스템(1000)은 원격 진료 장치(100), 분석 서버(200) 및 병원 단말기(300)를 포함한다.
원격 진료 장치(100)는 안과 진료를 위한 진단 파라미터를 이용하여 환자에 대한 진료 데이터 또는 피검안 이미지 중 적어도 하나를 수집하고, 수집한 진료 데이터 또는 피검안 이미지 중 적어도 하나를 분석 서버(200)로 전송한다. 이하, 도 2를 통해 원격 진료 장치(100)에 대해 자세히 설명한다.
도 2는 본 발명의 한 실시예에 따른 원격 진료 장치를 도시한 도면이고, 도 3은 예시적인 진단 파라미터를 도시한 도면이다.
도 2를 참고하면, 원격 진료 장치(100)는 디스플레이부(110), 피드백 정보 수집부(120), 진료 데이터 생성부(130), 정보 제공부(140) 및 이미지 수집부(150)를 포함한다.
디스플레이부(110)는 안과 진료를 위한 진단 파라미터를 디스플레이한다.
구체적으로, 디스플레이부(110)는 안과 진료를 받는 사용자가 원격 진료 장치(100)의 내부에 위치한 화면을 보기 위해 원격 진료 장치(100)에 얼굴을 가까이한 경우, 화면을 통해 안과 진료를 위한 진단 파라미터를 디스플레이한다.
진단 파라미터는 시력 측정 콘텐츠, 난시 검사 콘텐츠, 색맹 검사 콘텐츠 또는 암슬러 그리드(Amsler grid) 콘텐츠 중 어느 하나이고, 디스플레이부(110)는 사용자가 안과 진료를 위해 필요한 진단 파라미터를 디스플레이한다.
예를 들면, 디스플레이부(110)는 도 3 (a)에 도시된 시력 측정 콘텐츠, 도 3 (b)에 도시된 난시 검사 콘텐츠, 도 3 (c)에 도시된 색맹 검사 콘텐츠, 도 3 (d)에 도시된 암슬러 그리드 콘텐츠 중 어느 하나를 화면을 통해 사용자에게 제시할 수 있다.
한편, 진단 파라미터는 도 3에 도시된 콘텐츠 형태에 한하지 않고, 시신경 기능 검증을 위한 레이저 광과 같이 기 설치된 광원을 통해 피검안으로 주사되는 광을 지칭할 수도 있다.
피드백 정보 수집부(120)는 진단 파라미터와 관련한 사용자의 음성 피드백 정보를 수집한다.
구체적으로, 피드백 정보 수집부(120)는 원격 진료 장치(100)에 구현된 스피커 등을 통해 제시된 진단 파라미터와 관련한 가이드 정보를 제공한다. 이후, 피드백 정보 수집부(120)는 사용자가 가이드 정보에 대응하여 입력한 음성 데이터를 원격 진료 장치(100)에 구현된 마이크를 통해 수집한다.
비록 도 2에서는 피드백 정보 수집부(120)가 원격 진료 장치(100) 외부에 구현된 마이크를 이용하여 음성 데이터를 수집하는 것으로 도시되었으나, 사용자의 음성 데이터를 수집할 수 있는 형태라면 어느 한 실시예로 한정되지 않는다.
피드백 정보 수집부(120)는 음성 데이터를 기계 학습을 통해 학습된 음성 인식 모델에 입력하여 음성 피드백 정보를 생성한다.
예를 들면, 디스플레이부(110)가 도 3 (a)에 도시된 시력 측정 콘텐츠를 디스플레이한 경우, 피드백 정보 수집부(120)는 시력 0.1의 텍스트 "4"에 포인터를 위치시키고, 해당 텍스트를 읽어 달라는 가이드 음성을 사용자에게 제공할 수 있다.
만일 사용자가 음성에 대응하여 "4"라고 말한 경우, 피드백 정보 수집부(120)는 "4"에 대한 음성 데이터를 음성 인식 모델에 입력하여, 음성 인식 모델의 결과를 시력 0.1의 텍스트 "4"에 대한 음성 피드백 정보로 결정한다.
이후, 피드백 정보 수집부(120)가 시력 0.15의 텍스트 "2"에 포인터를 위치시키고 해당 텍스트를 읽어 달라는 음성을 제공한 것에 대해, 사용자가 음성에 대응하여 "잘 안보입니다."라고 말한 경우, 피드백 정보 수집부(120)는 "잘 안보입니다."에 대한 음성 데이터를 음성 인식 모델에 입력하여, 음성 인식 모델의 결과를 시력 0.15의 텍스트 "2"에 대한 음성 피드백 정보로 결정한다.
피드백 정보 수집부(120)는 사용자의 음성에 따른 음성 피드백 정보를 결정하기 위해 음성 인식 모델을 이용하는데, 음성 인식 모델은 진단 파라미터에 포함된 적어도 하나 이상의 텍스트들 및 텍스트들에 대응하는 입력 음성 데이터로 구성된 학습 패턴 쌍(training pattern pair)을 학습 데이터로 하여, 기계 학습을 통해 학습된다.
예를 들면, 음성 인식 모델은 학습 패턴 쌍 (x, d)에서 텍스트 "4"를 목표치 d로 하고, 텍스트 "4"에 대한 음성 데이터를 입력 x로 하는 학습 패턴 쌍을 학습 데이터로 하여 학습될 수 있다. 또한, 음성 인식 모델은 학습 패턴 쌍 (x, d)에서 텍스트 "2"를 목표치 d로 하고, 텍스트 "2"에 대한 음성 데이터를 입력 x로 하는 학습 패턴 쌍을 학습 데이터로 하여 학습될 수 있다. 이외에도, 음성 인식 모델은 안과 진료 과정에서 발생할 수 있는 문장들(예를 들면, 잘 안보입니다. 등)을 학습할 수도 있다.
진료 데이터 생성부(130)는 음성 피드백 정보를 진단 파라미터에 매핑하여 진료 데이터를 생성한다.
예를 들면, 사용자가 시력 0.1의 텍스트 "4"에 대해 "4"라고 말하고, 시력 0.15의 텍스트 "2"에 대해 "잘 안보입니다." 라고 한 경우, 진료 데이터 생성부(130)는 시력 측정 콘텐츠에서 시력 0.1의 텍스트 "4"에 대해 "4"의 음성 피드백 정보를 매핑하고, 시력 0.15의 텍스트 "2"에 대해 "잘 안보입니다."의 음성 피드백 정보를 매핑하여 시력 측정에 대한 진료 데이터를 생성할 수 있다.
진료 데이터 생성부(130)는 생성한 진료 데이터를 분석 서버(200)로 전송한다.
한편, 진료 데이터 생성부(130)는 원격 진료 장치(100)의 내부에 탑재된 적어도 하나 이상의 명령어들을 수행할 수 있는 프로세서일 수 있으며, 해당 프로세서는 상기 방법을 통해 진료 데이터를 생성할 수 있다.
분석 서버(200)는 진료 데이터를 분석하여 검진 결과 정보를 생성한다.
구체적으로, 분석 서버(200)는 음성 피드백 정보를 기준으로 진단 파라미터를 분석하여 검진 결과 정보를 생성한다.
예를 들면, 시력 0.1의 텍스트 "4"에 대해 "4"의 음성 피드백 정보가 매핑되고, 시력 0.15의 텍스트 "2"에 대해 "잘 안보입니다."의 음성 피드백 정보가 매핑된 시력 측정에 대한 진료 데이터를 분석 서버(200)가 수신한 경우, 분석 서버(200)는 "잘 안보입니다."의 음성 피드백 정보가 매핑된 텍스트를 이전에 가장 높은 시력인 시력 0.1의 텍스트 "4"에 대해 "4"의 음성 피드백 정보가 매핑되었으므로, 최종 시력을 0.1로 하여 검진 결과 정보를 결정할 수 있다.
분석 서버(200)는 검진 결과 정보를 원격 진료 장치(100)로 전송한다.
원격 진료 장치(100)가 검진 결과 정보를 수신한 경우, 정보 제공부(140)는 검진 결과 정보를 사용자에게 제공한다. 예를 들면, 정보 제공부(140)는 사용자의 시력에 대해 시력 0.1이라는 정보를 제공할 수 있다.
한편, 원격 진료 장치(100)는 진단 파라미터를 주시하는 피검안을 촬영하여 피검안 이미지를 수집하는 이미지 수집부(150)를 더 포함한다.
구체적으로, 이미지 수집부(150)는 피검안 내부의 망막 위치를 결정하고, 망막 위치를 통해 피검안의 움직임을 추적하여 피검안 이미지를 수집한다. 망막 위치를 이용하여 피검안의 움직임을 추적하고, 피검안 이미지를 수집하는 기술은 기 출원된 내용이므로(출원번호 10-2017-0021339호), 본 명세서에서는 자세한 설명을 생략한다.
이미지 수집부(150)는 피검안 이미지를 분석 서버(200)로 전송하고, 분석 서버(200)는 피검안 이미지를 수신하고, 기계 학습을 통해 학습된 안과 진료 모델을 통해 피검안 이미지를 분석하여 안 질환 정보를 결정한다.
이 경우, 안과 진료 모델은 안 질환이 발생한 환자의 비정상 피검안 이미지들 및 정상 환자의 정상 피검안 이미지들을 학습 데이터로 하여 기계 학습을 통해 학습된다.
예를 들면, 안과 진료 모델은 CNN 알고리즘(Convolution Neural Network algorithm)을 이용하여 비정상 피검안 이미지들 각각에 대한 특징들을 추출하고, 지도 학습을 통해 해당 특징들이 특정 안 질환과 관련된 것으로 학습할 수 있다. 또한, 안과 진료 모델은 정상 피검안 이미지들에 대해서도 특징들을 추출하고, 지도 학습을 통해 해당 특징들이 정상적인 피검안과 관련된 것으로 학습할 수 있다.
분석 서버(200)는 수신한 피검안 이미지와 비정상 피검안 이미지들 사이의 제1 유사도를 결정하고, 수신한 피검안 이미지와 정상 피검안 이미지들 사이의 제2 유사도를 결정한다.
예를 들면, 분석 서버(200)는 수신한 피검안 이미지의 특징을 추출하고, 추출한 특징을 이용하여 피검안 이미지와 각각의 비정상 피검안 이미지들 사이의 유사도들을 결정하고, 가장 높은 유사도를 제1 유사도로 결정할 수 있다.
또한, 분석 서버(200)는 수신한 피검안 이미지에서 추출한 특징을 이용하여 피검안 이미지와 각각의 정상 피검안 이미지들 사이의 유사도들을 결정하고, 가장 높은 유사도를 제2 유사도로 결정할 수 있다.
분석 서버(200)는 제1 유사도가 제2 유사도보다 높은 경우, 제1 유사도가 결정된 피검안 이미지와 관련된 안 질환을 결정하고, 결정한 안 질환이 발병했을 확률을 포함하여 안 질환 정보를 결정할 수 있다.
만일 제1 유사도가 제2 유사도보다 높은 경우, 분석 서버(200)는 안 질환이 발생하지 않았을 확률을 포함하여 안 질환 정보를 결정할 수 있다.
분석 서버(200)는 안 질환 정보를 원격 진료 장치(100)로 전송한다.
원격 진료 장치(100)가 안 질환 정보를 수신한 경우, 정보 제공부(140)는 안 질환 정보를 사용자에게 제공한다.
한편, 분석 서버(200)는 분석결과 전문 의료진에 대한 진료가 필요한지 여부를 결정하고, 진료가 필요한 경우 사용자의 동의를 얻어 피검안 이미지 또는 검진 결과 정보 중 적어도 하나를 병원 단말기(300)로 전송한다.
구체적으로, 분석 서버(200)는 분석결과 안 질환이 발병했을 확률이 임계값 이상인 경우, 원격 진료 장치(100)로 병원 예약 안내 정보 및 사용자 정보 제공 동의 여부를 확인할 수 있는 메시지를 전송한다. 이를 수신한 원격 진료 장치(100)는 해당 정보를 정보 제공부(140)에 디스플레이하고, 사용자가 정보 제공에 동의한 경우, 피검안 이미지 또는 검진 결과 정보 중 적어도 하나를 병원 단말기(300)로 전송한다.
만일 사용자가 병원 예약 안내 정보에 동의한 경우, 분석 서버(200)는 병원 단말기(300)로 사용자의 예약 정보를 전송한다.
사용자의 동의 및 예약 정보는 정보 제공부(140)에 구현된 터치 스크린 패널을 통해 수신할 수 있으며, 이외에도 원격 진료 장치(100)와 연동된 사용자의 사용자 단말을 통해 수신할 수도 있다.
도 4는 안과 진료 시스템이 원격 안과 진료를 수행하는 방법을 도시한 도면이다.
도 4에서, 도 1 내지 도 3과 동일한 내용은 그 설명을 생략한다.
도 4를 참고하면, 원격 진료 장치(100)는 안과 진료를 위한 진단 파라미터를 디스플레이한다(S100). 이 경우, 진단 파라미터는 시력 측정 콘텐츠, 난시 검사 콘텐츠, 색맹 검사 콘텐츠 또는 암슬러 그리드(Amsler grid) 콘텐츠 중 어느 하나일 수 있다.
원격 진료 장치(100)는 진단 파라미터와 관련한 사용자의 음성 피드백 정보를 수집한다(S101).
구체적으로, 원격 진료 장치(100)는 진단 파라미터와 관련한 가이드 정보를 사용자에게 제공하고, 사용자가 가이드 정보에 대응하여 음성 데이터를 입력한 경우, 음성 데이터를 기계 학습을 통해 학습된 음성 인식 모델에 입력하여 음성 피드백 정보를 생성한다. 이 경우, 음성 인식 모델은 진단 파라미터에 포함된 적어도 하나 이상의 텍스트들 및 텍스트들에 대응하는 입력 음성 데이터로 구성된 학습 패턴 쌍(training pattern pair)을 학습 데이터로 하여, 기계 학습을 통해 학습된다.
원격 진료 장치(100)는 음성 피드백 정보를 진단 파라미터에 매핑하여 진료 데이터를 생성한다(S103).
원격 진료 장치(100)는 진단 파라미터를 주시하는 피검안을 촬영하여 피검안 이미지를 수집한다(S105).
구체적으로, 원격 진료 장치(100)는 피검안 내부의 망막 위치를 결정하고, 망막 위치를 통해 피검안의 움직임을 추적하여 피검안 이미지를 수집한다.
원격 진료 장치(100)는 진료 데이터 및 피검안 이미지를 분석 서버로 전송한다(S107).
분석 서버(200)는 음성 피드백 정보를 기준으로 진단 파라미터를 분석하여 검진 결과 정보를 생성한다(S109).
분석 서버(200)는 진료 데이터 및 피검안 이미지를 선택적으로 분석하여 종합 진료 정보를 생성한다.
구체적으로, 분석 서버(200)는 검진 결과 정보를 분석 서버(200)에 등록된 이전 검진 결과 정보와 비교한다(S111). 이 경우, 분석 서버(200)는 검진 결과 정보와 이전 검진 결과 정보의 결과값의 차이를 결정하고, 결과값의 차이가 미리 설정된 임계값 이상인 경우 안 질환 정보를 추가적으로 결정할 필요가 있다고 판단한다.
예를 들면, 원격 진료 장치(100)로부터 수신한 진료 데이터에 포함된 진단 파라미터가 암슬러 그리드 콘텐츠이고, 진단 파라미터에 대응하는 음성 피드백 정보가 "휘어져서 보인다."인 경우, 분석 서버(200)는 수신한 진료 데이터에 대해 결과값을 "1"로 결정할 수 있다.
또한, 분석 서버(200)는 동일한 원격 진료 장치(100)에 대해 기 등록된 진단 파라미터로서 암슬러 그리드 콘텐츠가 존재하는지 검색하고, 기 등록된 암슬러 그리드 콘텐츠에 대응하는 음성 피드백 정보가 "직선으로 보인다"로 매핑되어 결과값이 "0"인 경우, 기 등록된 결과값과 새로 수신한 진료 데이터에 의한 결과값의 차이가 미리 설정된 임계값 "1" 이상이므로, 안 질환 정보를 추가적으로 결정할 필요가 있다고 판단할 수 있다.
안 질환 정보를 추가적으로 결정할 필요가 있는 경우, 분석 서버(200)는 기계 학습을 통해 학습된 안과 진료 모델을 통해 피검안 이미지를 분석하여 안 질환 정보를 결정한다(S113).
구체적으로, 분석 서버(200)는 피검안 이미지를 안과 진료 모델에 입력하여 피검안 이미지와 비정상 피검안 이미지들 사이의 제1 유사도 및 피검안 이미지와 정상 피검안 이미지들과의 제2 유사도를 결정하고, 제1 유사도 및 제2 유사도에 기초하여 안 질환 정보를 결정한다. 이 경우, 안과 진료 모델은 안 질환이 발생한 환자의 비정상 피검안 이미지들 및 정상 환자의 정상 피검안 이미지들을 학습 데이터로 하여 기계 학습을 통해 학습된다.
예를 들면, 분석 서버(200)는 수집된 피검안 이미지를 안과 진료 모델에 입력하여 피검안 이미지와 황반 변성 질환에 대한 비정상 피검안 이미지들 사이의 제1 유사도를 결정하고, 피검안 이미지와 정상 피검안 이미지들 사이의 제2 유사도를 결정할 수 있고, 제1 유사도가 제2 유사도보다 높은 경우, 황반 변성 질환의 발생 가능성을 포함하는 안 질환 정보를 결정할 수 있다.
분석 서버(200)는 검진 결과 정보와 안 질환 정보를 포함하는 종합 진료 정보를 생성하고(S115), 생성한 종합 진료 정보를 원격 진료 장치(100)로 전송한다(S117). 원격 진료 장치(100)는 수신한 종합 진료 정보를 사용자에게 제공한다.
예를 들면, 분석 서버(200)는 암슬러 그리드 콘텐츠에 의해 측정된 결과를 포함하는 검진 결과 정보와 피검안 이미지를 분석한 결과 황반 변성 질환의 발생 가능성을 포함하는 안 질환 정보를 포함하는 종합 진료 정보를 원격 진료 장치(100)로 전송할 수 있고, 원격 진료 장치(100)는 검진 결과 정보 및 황반 변성 질환의 발생 가능성을 사용자에게 제공할 수 있다.
만일 결과값의 차이가 미리 설정된 임계값 미만인 경우, 분석 서버(200)는 안 질환 정보를 결정할 필요가 있다고 판단하지 않고, 검진 결과 정보를 원격 진료 장치(100)로 전송하고(S119), 원격 진료 장치는 수신한 검진 결과 정보를 사용자에게 제공한다.
본 발명에 따르면, 병원에 방문하지 않고 환자 스스로 눈에 대한 지속적인 검사가 가능하여 안 질환을 조기에 확인할 수 있다.
또한, 본 발명에 따르면, 단일 장비를 통해 다양한 검사 방법을 수행할 수 있어 환자 스스로 최종 질환을 판정할 수 있고, 최종 질환 판정을 위해 다수의 장비를 갖출 필요가 없어 경제적이다.
이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.

Claims (14)

  1. 안과 진료 시스템으로서,
    안과 진료를 위한 진단 파라미터를 표시하고, 상기 진단 파라미터에 대응되는 사용자의 음성 피드백 정보와 상기 진단 파라미터를 주시하는 피검안을 촬영한 피검안 이미지를 수집하고, 상기 진단 파라미터와 상기 음성 피드백 정보를 포함하는 진료 데이터를 생성하는 원격 진료 장치, 그리고
    상기 원격 진료 장치로부터 상기 피검안 이미지와 상기 진료 데이터를 수신하고, 상기 진료 데이터를 분석하여 검진 결과를 생성하고, 등록된 과거 검진 결과와 상기 검진 결과의 차이에 따라 상기 피검안 이미지의 안 질환 정보의 분석 여부를 결정하고, 안 질환 정보의 분석이 필요하다고 판단되면, 학습된 안과 진료 모델로 상기 피검안 이미지의 안 질환 정보를 결정하고, 상기 검진 결과와 상기 피검안 이미지의 안 질환 정보를 포함하는 종합 진료 결과를 생성하는 분석 서버를 포함하고,
    상기 원격 진료 장치는
    상기 분석 서버로부터 수신한 상기 종합 진료 결과를 사용자에게 제공하는, 안과 진료 시스템.
  2. 제1항에서,
    상기 진단 파라미터는
    시력 측정 콘텐츠, 난시 검사 콘텐츠, 색맹 검사 콘텐츠 또는 암슬러 그리드(Amsler grid) 콘텐츠 중 어느 하나인 안과 진료 시스템.
  3. 제1항에서,
    상기 원격 진료 장치는
    상기 진단 파라미터와 관련한 가이드 정보를 제공하고, 사용자가 상기 가이드 정보에 대응하여 입력한 음성 데이터를 수집하고, 상기 음성 데이터를 기계 학습을 통해 학습된 음성 인식 모델에 입력하여 상기 음성 피드백 정보를 생성하는 안과 진료 시스템.
  4. 제3항에서,
    상기 음성 인식 모델은 상기 진단 파라미터에 포함된 적어도 하나 이상의 텍스트들 및 상기 텍스트들에 대응하는 입력 음성 데이터로 구성된 학습 패턴 쌍(training pattern pair)을 학습 데이터로 하여, 기계 학습을 통해 학습된 안과 진료 시스템.
  5. 삭제
  6. 제1항에서,
    상기 안과 진료 모델은
    안 질환이 발생한 환자의 비정상 피검안 이미지들 및 정상 환자의 정상 피검안 이미지들을 학습 데이터로 하여 기계 학습을 통해 학습되고,
    상기 분석 서버는
    상기 피검안 이미지를 상기 안과 진료 모델에 입력하여, 상기 피검안 이미지와 상기 비정상 피검안 이미지들 사이의 제1 유사도 및 상기 피검안 이미지와 상기 정상 피검안 이미지들 사이의 제2 유사도를 결정하고, 상기 제1 유사도 및 상기 제2 유사도에 기초하여 상기 안 질환 정보를 결정하는 안과 진료 시스템.
  7. 원격 진료 장치 및 분석 서버를 포함하는 안과 진료 시스템이 안과 진료를 수행하는 방법으로서,
    상기 원격 진료 장치가 안과 진료를 위한 진단 파라미터를 디스플레이하는 단계,
    상기 원격 진료 장치가 상기 진단 파라미터와 관련한 사용자의 음성 피드백 정보를 수집하는 단계,
    상기 원격 진료 장치가 상기 음성 피드백 정보를 상기 진단 파라미터에 매핑하여 진료 데이터를 생성하는 단계,
    상기 원격 진료 장치가 상기 진단 파라미터를 주시하는 피검안을 촬영하여 피검안 이미지를 수집하는 단계,
    상기 원격 진료 장치가 상기 진료 데이터 및 상기 피검안 이미지를 상기 분석 서버로 전송하는 단계,
    상기 분석 서버가 상기 음성 피드백 정보를 기초로 검진 결과를 생성하고, 등록된 과거 검진 결과와 상기 검진 결과의 차이에 따라 상기 피검안 이미지의 안 질환 정보의 분석 여부를 결정하고, 안 질환 정보의 분석이 필요하다고 판단되면, 학습된 안과 진료 모델로 상기 피검안 이미지의 안 질환 정보를 결정하고, 상기 검진 결과와 상기 피검안 이미지의 안 질환 정보를 포함하는 종합 진료 결과를 생성하는 단계, 그리고
    상기 원격 진료 장치가 상기 분석 서버로부터 수신한 상기 종합 진료 결과를 사용자에게 제공하는 단계
    를 포함하는 안과 진료 수행 방법.
  8. 제7항에서,
    상기 진단 파라미터는
    시력 측정 콘텐츠, 난시 검사 콘텐츠, 색맹 검사 콘텐츠 또는 암슬러 그리드(Amsler grid) 콘텐츠 중 어느 하나인 안과 진료 수행 방법.
  9. 제7항에서,
    상기 음성 피드백 정보를 수집하는 단계는
    상기 원격 진료 장치가 상기 진단 파라미터와 관련한 가이드 정보를 제공하고, 사용자가 상기 가이드 정보에 대응하여 입력한 음성 데이터를 수집하는 단계, 그리고
    상기 원격 진료 장치가 상기 음성 데이터를 기계 학습을 통해 학습된 음성 인식 모델에 입력하여 상기 음성 피드백 정보를 생성하는 단계
    를 포함하는 안과 진료 수행 방법.
  10. 제9항에서,
    상기 음성 인식 모델은 상기 진단 파라미터에 포함된 적어도 하나 이상의 텍스트들 및 상기 텍스트들에 대응하는 입력 음성 데이터로 구성된 학습 패턴 쌍(training pattern pair)을 학습 데이터로 하여, 기계 학습을 통해 학습된 안과 진료 수행 방법.
  11. 삭제
  12. 제7항에서,
    상기 종합 진료 결과를 생성하는 단계
    상기 분석 서버가 상기 검진 결과와 상기 과거 검진 결과의 결과값의 차이를 결정하는 단계, 그리고
    상기 분석 서버가 상기 결과값의 차이가 미리 설정된 임계값 이상인 경우 상기 안 질환 정보를 추가적으로 결정할 필요가 있다고 판단하는 단계
    를 포함하는 안과 진료 수행 방법.
  13. 제7항에서,
    상기 종합 진료 결과를 생성하는 단계는
    상기 분석 서버가 상기 피검안 이미지를 상기 안과 진료 모델에 입력하여 상기 피검안 이미지와 비정상 피검안 이미지들 사이의 제1 유사도 및 상기 피검안 이미지와 정상 피검안 이미지들과의 제2 유사도를 결정하는 단계, 그리고
    상기 분석 서버가 상기 제1 유사도 및 상기 제2 유사도에 기초하여 상기 안 질환 정보를 결정하는 단계
    를 포함하는 안과 진료 수행 방법.
  14. 제13항에서,
    상기 안과 진료 모델은 안 질환이 발생한 환자의 상기 비정상 피검안 이미지들 및 정상 환자의 상기 정상 피검안 이미지들을 학습 데이터로 하여 기계 학습을 통해 학습된 안과 진료 수행 방법.
KR1020180124744A 2017-10-18 2018-10-18 복합적인 안과 진료를 수행하는 시스템 및 방법 KR102208508B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020170135457 2017-10-18
KR20170135457 2017-10-18

Publications (2)

Publication Number Publication Date
KR20190043494A KR20190043494A (ko) 2019-04-26
KR102208508B1 true KR102208508B1 (ko) 2021-01-27

Family

ID=66281215

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180124744A KR102208508B1 (ko) 2017-10-18 2018-10-18 복합적인 안과 진료를 수행하는 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102208508B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023003136A1 (ko) * 2021-07-22 2023-01-26 사회복지법인 삼성생명공익재단 딥러닝을 이용한 백내장 진단방법 및 시스템

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230148701A (ko) * 2022-04-18 2023-10-25 사회복지법인 삼성생명공익재단 시야 검사 장치 및 방법

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080064680A (ko) * 2007-01-05 2008-07-09 주식회사 대우일렉트로닉스 홍채검진 디스플레이 장치 및 홍채검진 방법
KR20140108417A (ko) * 2013-02-27 2014-09-11 김민준 영상정보를 이용한 건강 진단 시스템
KR102299764B1 (ko) * 2014-11-28 2021-09-09 삼성전자주식회사 전자장치, 서버 및 음성출력 방법
KR20170030191A (ko) * 2015-09-09 2017-03-17 고려대학교 산학협력단 시력 측정 장치 및 그 방법

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023003136A1 (ko) * 2021-07-22 2023-01-26 사회복지법인 삼성생명공익재단 딥러닝을 이용한 백내장 진단방법 및 시스템
KR20230015152A (ko) * 2021-07-22 2023-01-31 사회복지법인 삼성생명공익재단 딥러닝을 이용한 백내장 진단방법 및 시스템
KR20230093403A (ko) * 2021-07-22 2023-06-27 사회복지법인 삼성생명공익재단 딥러닝을 이용한 백내장 진단방법 및 시스템
KR102587830B1 (ko) * 2021-07-22 2023-10-10 사회복지법인 삼성생명공익재단 딥러닝을 이용한 백내장 진단방법 및 시스템
KR102669542B1 (ko) 2021-07-22 2024-05-24 사회복지법인 삼성생명공익재단 딥러닝을 이용한 백내장 진단방법 및 시스템

Also Published As

Publication number Publication date
KR20190043494A (ko) 2019-04-26

Similar Documents

Publication Publication Date Title
US10413172B2 (en) Digital visual acuity eye examination for remote physician assessment
CN110582223A (zh) 用于医疗状况诊断、治疗和预后确定的系统及方法
US20070066916A1 (en) System and method for determining human emotion by analyzing eye properties
Miao et al. Virtual reality-based measurement of ocular deviation in strabismus
JP7166473B2 (ja) 眼検査
KR102366251B1 (ko) 챗봇 문진을 이용한 신체 검진 방법 및 시스템
US20240289616A1 (en) Methods and devices in performing a vision testing procedure on a person
KR102208508B1 (ko) 복합적인 안과 진료를 수행하는 시스템 및 방법
Krishnan et al. Intelligent-based decision support system for diagnosing glaucoma in primary eyecare centers using eye tracker
JP2024512045A (ja) メンタルヘルスを診断および監視するための視覚システム
WO2019207800A1 (ja) 眼科画像処理装置および眼科画像処理プログラム
DE102009008876B4 (de) System und Verfahren zur Unterstützung bei der Beratung zur Auswahl einer geeigneten Sehhilfe für eine fehlsichtige Person
WO2022080307A1 (ja) 近視進行分析装置、近視進行分析システム、近視進行分析方法、及び近視進行分析プログラム
Selvin et al. Comprehensive Eye Telehealth
Brata et al. A new perspective of refractive error calculation with mobile application
JP7045522B2 (ja) 患者の自覚的眼屈折を自動的に決定するためのデバイス、方法、およびブース
US20240268660A1 (en) Determining a visual performance of an eye of a person
US12042224B2 (en) Method and device for determining at least one astigmatic effect of at least one eye
WO2022225037A1 (ja) 検査システム、検査装置、検査方法、および検査プログラム
US20240074699A1 (en) System and Method for Quantification and Feedback of Eye Deviations
WO2024171738A1 (ja) 神経状態評価システム、神経状態評価方法、および神経状態評価プログラム
Clark et al. Applied artificial intelligence techniques for identifying the lazy eye vision disorder
Kumar et al. Diagnosis of Glaucoma Through the Analysis of Saccadic Eye Movements Employing Machine Learning Methods
CN117409966A (zh) 一种眼健康管理方法及系统
Zhu et al. Metamorphopsia Insepction System Based on Relevance Feedback

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
GRNT Written decision to grant