KR102279688B1 - 레이저 유도 붕괴 스펙트럼 분석을 이용하는 진단 방법 및 이를 수행하는 진단 장치 - Google Patents
레이저 유도 붕괴 스펙트럼 분석을 이용하는 진단 방법 및 이를 수행하는 진단 장치 Download PDFInfo
- Publication number
- KR102279688B1 KR102279688B1 KR1020190104040A KR20190104040A KR102279688B1 KR 102279688 B1 KR102279688 B1 KR 102279688B1 KR 1020190104040 A KR1020190104040 A KR 1020190104040A KR 20190104040 A KR20190104040 A KR 20190104040A KR 102279688 B1 KR102279688 B1 KR 102279688B1
- Authority
- KR
- South Korea
- Prior art keywords
- laser
- light
- spectrum
- specimen
- data
- Prior art date
Links
- 238000003745 diagnosis Methods 0.000 title claims description 316
- 238000000034 method Methods 0.000 title claims description 108
- 238000002536 laser-induced breakdown spectroscopy Methods 0.000 title claims description 6
- 230000003595 spectral effect Effects 0.000 claims abstract description 381
- 238000002679 ablation Methods 0.000 claims abstract description 93
- 201000010099 disease Diseases 0.000 claims abstract description 75
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 75
- 230000001678 irradiating effect Effects 0.000 claims abstract description 32
- 238000001228 spectrum Methods 0.000 claims description 533
- 238000013528 artificial neural network Methods 0.000 claims description 147
- 208000000453 Skin Neoplasms Diseases 0.000 claims description 35
- 201000000849 skin cancer Diseases 0.000 claims description 35
- 239000000203 mixture Substances 0.000 claims description 14
- 239000000126 substance Substances 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 6
- 239000012472 biological sample Substances 0.000 claims description 5
- 239000003574 free electron Substances 0.000 claims description 4
- 230000000052 comparative effect Effects 0.000 claims description 3
- 210000003296 saliva Anatomy 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims 3
- 238000004774 atomic orbital Methods 0.000 claims 2
- 239000008280 blood Substances 0.000 claims 2
- 210000004369 blood Anatomy 0.000 claims 2
- 210000002700 urine Anatomy 0.000 claims 2
- 238000002405 diagnostic procedure Methods 0.000 abstract description 25
- 238000010183 spectrum analysis Methods 0.000 abstract description 13
- 239000000523 sample Substances 0.000 description 163
- 210000001519 tissue Anatomy 0.000 description 88
- 238000010586 diagram Methods 0.000 description 72
- 230000006378 damage Effects 0.000 description 63
- 230000006870 function Effects 0.000 description 42
- 238000005259 measurement Methods 0.000 description 41
- 239000013074 reference sample Substances 0.000 description 37
- 210000003491 skin Anatomy 0.000 description 37
- 230000008569 process Effects 0.000 description 34
- 238000012774 diagnostic algorithm Methods 0.000 description 33
- 238000010606 normalization Methods 0.000 description 32
- 239000002131 composite material Substances 0.000 description 29
- 238000007781 pre-processing Methods 0.000 description 29
- 238000012545 processing Methods 0.000 description 24
- 238000004422 calculation algorithm Methods 0.000 description 22
- 238000004891 communication Methods 0.000 description 22
- 230000003287 optical effect Effects 0.000 description 18
- 230000003213 activating effect Effects 0.000 description 17
- 206010028980 Neoplasm Diseases 0.000 description 16
- 201000011510 cancer Diseases 0.000 description 16
- 210000004027 cell Anatomy 0.000 description 16
- 238000004458 analytical method Methods 0.000 description 15
- 238000010801 machine learning Methods 0.000 description 14
- 230000008859 change Effects 0.000 description 12
- 210000004204 blood vessel Anatomy 0.000 description 11
- 230000000694 effects Effects 0.000 description 11
- 230000004075 alteration Effects 0.000 description 9
- 230000007613 environmental effect Effects 0.000 description 9
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 7
- 239000000284 extract Substances 0.000 description 7
- 230000001965 increasing effect Effects 0.000 description 7
- 206010033675 panniculitis Diseases 0.000 description 7
- 230000000630 rising effect Effects 0.000 description 7
- 210000004304 subcutaneous tissue Anatomy 0.000 description 7
- 238000012937 correction Methods 0.000 description 6
- 230000002500 effect on skin Effects 0.000 description 6
- 230000001976 improved effect Effects 0.000 description 6
- 230000001939 inductive effect Effects 0.000 description 6
- 239000000463 material Substances 0.000 description 6
- 241001465754 Metazoa Species 0.000 description 5
- 230000015556 catabolic process Effects 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 5
- 230000036541 health Effects 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 3
- 206010044565 Tremor Diseases 0.000 description 3
- XSQUKJJJFZCRTK-UHFFFAOYSA-N Urea Chemical compound NC(N)=O XSQUKJJJFZCRTK-UHFFFAOYSA-N 0.000 description 3
- 239000004202 carbamide Substances 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 229940079593 drug Drugs 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 229910052742 iron Inorganic materials 0.000 description 3
- 230000007257 malfunction Effects 0.000 description 3
- 229910052751 metal Inorganic materials 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 229910052700 potassium Inorganic materials 0.000 description 3
- 239000011591 potassium Substances 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000004611 spectroscopical analysis Methods 0.000 description 3
- WUPHOULIZUERAE-UHFFFAOYSA-N 3-(oxolan-2-yl)propanoic acid Chemical compound OC(=O)CCC1CCCO1 WUPHOULIZUERAE-UHFFFAOYSA-N 0.000 description 2
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000000740 bleeding effect Effects 0.000 description 2
- 229910052980 cadmium sulfide Inorganic materials 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 239000002537 cosmetic Substances 0.000 description 2
- 230000001066 destructive effect Effects 0.000 description 2
- 210000002615 epidermis Anatomy 0.000 description 2
- 150000002500 ions Chemical class 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 150000002739 metals Chemical class 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 210000005259 peripheral blood Anatomy 0.000 description 2
- 239000011886 peripheral blood Substances 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 229910052708 sodium Inorganic materials 0.000 description 2
- 239000011734 sodium Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000005461 Bremsstrahlung Effects 0.000 description 1
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 206010027476 Metastases Diseases 0.000 description 1
- 238000001069 Raman spectroscopy Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- RGKMZNDDOBAZGW-UHFFFAOYSA-N aluminum calcium Chemical compound [Al].[Ca] RGKMZNDDOBAZGW-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000001574 biopsy Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000000601 blood cell Anatomy 0.000 description 1
- 239000011575 calcium Substances 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000005779 cell damage Effects 0.000 description 1
- 208000037887 cell injury Diseases 0.000 description 1
- 210000004207 dermis Anatomy 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000005281 excited state Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 210000005228 liver tissue Anatomy 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 201000001441 melanoma Diseases 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 230000009401 metastasis Effects 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 229910052755 nonmetal Inorganic materials 0.000 description 1
- 150000002843 nonmetals Chemical class 0.000 description 1
- 235000003715 nutritional status Nutrition 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- AWLUSOLTCFEHNE-UHFFFAOYSA-N sodium;urea Chemical compound [Na].NC(N)=O AWLUSOLTCFEHNE-UHFFFAOYSA-N 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 239000011573 trace mineral Substances 0.000 description 1
- 235000013619 trace mineral Nutrition 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 239000012780 transparent material Substances 0.000 description 1
- 210000001215 vagina Anatomy 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0075—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/443—Emission spectrometry
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0062—Arrangements for scanning
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
- A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
- A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
- A61B5/444—Evaluating skin marks, e.g. mole, nevi, tumour, scar
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
- B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING
- B63B25/00—Load-accommodating arrangements, e.g. stowing, trimming; Vessels characterised thereby
- B63B25/02—Load-accommodating arrangements, e.g. stowing, trimming; Vessels characterised thereby for bulk goods
- B63B25/08—Load-accommodating arrangements, e.g. stowing, trimming; Vessels characterised thereby for bulk goods fluid
- B63B25/12—Load-accommodating arrangements, e.g. stowing, trimming; Vessels characterised thereby for bulk goods fluid closed
- B63B25/16—Load-accommodating arrangements, e.g. stowing, trimming; Vessels characterised thereby for bulk goods fluid closed heat-insulated
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
- B63J—AUXILIARIES ON VESSELS
- B63J2/00—Arrangements of ventilation, heating, cooling, or air-conditioning
- B63J2/12—Heating; Cooling
- B63J2/14—Heating; Cooling of liquid-freight-carrying tanks
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02M—SUPPLYING COMBUSTION ENGINES IN GENERAL WITH COMBUSTIBLE MIXTURES OR CONSTITUENTS THEREOF
- F02M21/00—Apparatus for supplying engines with non-liquid fuels, e.g. gaseous fuels stored in liquid form
- F02M21/02—Apparatus for supplying engines with non-liquid fuels, e.g. gaseous fuels stored in liquid form for gaseous fuels
- F02M21/0203—Apparatus for supplying engines with non-liquid fuels, e.g. gaseous fuels stored in liquid form for gaseous fuels characterised by the type of gaseous fuel
- F02M21/0215—Mixtures of gaseous fuels; Natural gas; Biogas; Mine gas; Landfill gas
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
- F17C6/00—Methods and apparatus for filling vessels not under pressure with liquefied or solidified gases
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
- F17C9/00—Methods or apparatus for discharging liquefied or solidified gases from vessels not under pressure
- F17C9/02—Methods or apparatus for discharging liquefied or solidified gases from vessels not under pressure with change of state, e.g. vaporisation
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
- F17C9/00—Methods or apparatus for discharging liquefied or solidified gases from vessels not under pressure
- F17C9/02—Methods or apparatus for discharging liquefied or solidified gases from vessels not under pressure with change of state, e.g. vaporisation
- F17C9/04—Recovery of thermal energy
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/02—Details
- G01J3/0205—Optical elements not provided otherwise, e.g. optical manifolds, diffusers, windows
- G01J3/0218—Optical elements not provided otherwise, e.g. optical manifolds, diffusers, windows using optical fibers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/02—Details
- G01J3/10—Arrangements of light sources specially adapted for spectrometry or colorimetry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/71—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light thermally excited
- G01N21/718—Laser microanalysis, i.e. with formation of sample plasma
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
- A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14546—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring analytes not otherwise provided for, e.g. ions, cytochromes
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
- F17C2221/00—Handled fluid, in particular type of fluid
- F17C2221/03—Mixtures
- F17C2221/032—Hydrocarbons
- F17C2221/033—Methane, e.g. natural gas, CNG, LNG, GNL, GNC, PLNG
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
- F17C2227/00—Transfer of fluids, i.e. method or means for transferring the fluid; Heat exchange with the fluid
- F17C2227/01—Propulsion of the fluid
- F17C2227/0128—Propulsion of the fluid with pumps or compressors
- F17C2227/0157—Compressors
- F17C2227/0164—Compressors with specified compressor type, e.g. piston or impulsive type
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
- F17C2227/00—Transfer of fluids, i.e. method or means for transferring the fluid; Heat exchange with the fluid
- F17C2227/01—Propulsion of the fluid
- F17C2227/0128—Propulsion of the fluid with pumps or compressors
- F17C2227/0171—Arrangement
- F17C2227/0185—Arrangement comprising several pumps or compressors
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
- F17C2227/00—Transfer of fluids, i.e. method or means for transferring the fluid; Heat exchange with the fluid
- F17C2227/03—Heat exchange with the fluid
- F17C2227/0337—Heat exchange with the fluid by cooling
- F17C2227/0339—Heat exchange with the fluid by cooling using the same fluid
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
- F17C2227/00—Transfer of fluids, i.e. method or means for transferring the fluid; Heat exchange with the fluid
- F17C2227/03—Heat exchange with the fluid
- F17C2227/0337—Heat exchange with the fluid by cooling
- F17C2227/0341—Heat exchange with the fluid by cooling using another fluid
- F17C2227/0348—Water cooling
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
- F17C2227/00—Transfer of fluids, i.e. method or means for transferring the fluid; Heat exchange with the fluid
- F17C2227/03—Heat exchange with the fluid
- F17C2227/0337—Heat exchange with the fluid by cooling
- F17C2227/0358—Heat exchange with the fluid by cooling by expansion
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
- F17C2265/00—Effects achieved by gas storage or gas handling
- F17C2265/03—Treating the boil-off
- F17C2265/032—Treating the boil-off by recovery
- F17C2265/033—Treating the boil-off by recovery with cooling
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
- F17C2265/00—Effects achieved by gas storage or gas handling
- F17C2265/03—Treating the boil-off
- F17C2265/032—Treating the boil-off by recovery
- F17C2265/033—Treating the boil-off by recovery with cooling
- F17C2265/034—Treating the boil-off by recovery with cooling with condensing the gas phase
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
- F17C2265/00—Effects achieved by gas storage or gas handling
- F17C2265/03—Treating the boil-off
- F17C2265/032—Treating the boil-off by recovery
- F17C2265/037—Treating the boil-off by recovery with pressurising
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
- F17C2265/00—Effects achieved by gas storage or gas handling
- F17C2265/03—Treating the boil-off
- F17C2265/032—Treating the boil-off by recovery
- F17C2265/038—Treating the boil-off by recovery with expanding
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
- F17C2265/00—Effects achieved by gas storage or gas handling
- F17C2265/06—Fluid distribution
- F17C2265/066—Fluid distribution for feeding engines for propulsion
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
- F17C2270/00—Applications
- F17C2270/01—Applications for fluid transport or storage
- F17C2270/0102—Applications for fluid transport or storage on or in the water
- F17C2270/0105—Ships
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/42—Absorption spectrometry; Double beam spectrometry; Flicker spectrometry; Reflection spectrometry
- G01J2003/423—Spectral arrangements using lasers, e.g. tunable
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/129—Using chemometrical methods
- G01N2201/1296—Using chemometrical methods using neural networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/30—Use of alternative fuels, e.g. biofuels
Abstract
본 발명은 레이저 유도 붕괴 스펙트럼 분석을 이용하는 진단 방법 및 이를 수행하는 진단 장치에 관한 것으로, 본 명세서의 일 양상에 따른 진단 장치는, 펄스 레이저를 조사하는 레이저 조사 모듈; 상기 펄스 레이저의 반사광에 따라 트리거링 신호를 출력하는 트리거링 모듈; 상기 펄스 레이저에 의해 검체에 유도되는 플라즈마 어블레이션에 의해 발생하는 광을 파장 별로 수신하도록 배치되는 복수의 센서를 포함하고 상기 트리거링 신호가 출력 시점으로부터 미리 정해진 시간 간격 동안 입사되는 광에 대한 전기 신호를 생성함으로써 상기 플라즈마 어블레이션에 의해 발생하는 광의 스펙트럼 데이터를 생성하는 센서 어레이; 및 상기 스펙트럼 데이터에 기초하여 상기 환자에 대한 질병 진단을 수행하는 콘트롤러;를 포함하는 진단 장치가 제공될 수 있다.
Description
본 발명은 레이저 유도 붕괴 스펙트럼 분석을 이용하는 진단 방법 및 이를 수행하는 진단 장치에 관한 것으로, 보다 상세하게는 레이저를 조사받는 검체로부터 수집되는 광의 스펙트럼 데이터를 이용하여 진단을 수행하는 진단 방법 및 이를 수행하는 진단 장치에 관한 것이다.
현대 의료 기술 분야에서는 기존의 조직 검사의 불편함을 최소화하는 비침습적인 형태로 보다 정확하게 진단을 수행하기 위한 다양한 기법들에 대한 요구가 점차 증대되고 있다. 이러한 추세 속에서 종래에 주로 물질의 조성을 분석하기 위해 이용되던 스펙트럼 분석법이 생체 조직의 조성이나 유해 물질의 검출, 나아가서 질병 진단에 활용될 수 있어 차세대 의료 기술로 각광을 받고 있다.
스펙트럼 분석법은 크게 검체에 조사된 레이저의 산란광의 스펙트럼을 분석하는 라만 분석법(Raman spectroscopy)과 고출력 레이저에 의해 유도된 플라즈마의 스펙트럼을 분석하는 레이저 유도 붕괴 분석법(LIBS: Laser Induced Breakdown Spectroscopy)로 나뉠 수 있다.
그러나, 종래에 무기물 분석에 주로 이용되던 스펙트럼 분석법은 몇몇 원소에 대한 특정 파장 대역의 스펙트럼 분석을 통해 수행되기 때문에 비교적 조성이 복잡하고 환경 변인 제어가 어려운 생체 조직 등의 분석에는 정확도가 부족하거나 환자 특이성에 따라 결과가 영향을 받는 등의 한계점을 가지고 있었다.
본 발명이 해결하고자 하는 일 과제는, 레이저 유도 붕괴 분석법을 이용하여 비침습적으로 생체 조직의 질병 진단을 수행하는 진단 방법 및 이를 수행하는 진단 장치를 제공하는 것이다.
본 발명이 해결하고자 하는 일 과제는, 환자에 대한 진단의 정확도 또는 신뢰도를 높이기 위해 환자로부터 다양하고 많은 양의 정보를 수집하여 질병 진단을 수행하는 진단 방법 및 이를 수행하는 진단 장치를 제공하는 것이다.
본 발명이 해결하고자 하는 일 과제는, 검체에 플라즈마를 발생 시킨 직후부터 검체로부터 발생하는 다양한 스펙트럼을 갖는 광을 이용하여 환자에 대한 진단을 수행하는 진단 방법 및 이를 수행하는 진단 장치를 제공하는 것이다.
본 발명이 해결하고자 하는 일 과제는, 레이저 유도 붕괴 분석법을 이용하되, 환자에 대해 피해를 최소화하는 진단 방법 및 이를 수행하는 진단 장치를 제공하는 것이다.
본 발명이 해결하고자 하는 일 과제는, 레이저 유도 붕괴 분석법을 이용하되, 사용자의 손 떨림 등의 외부 요인에 의해 환자에게 발생할 수 있는 피해를 최소화하는 진단 방법 및 이를 수행하는 진단 장치를 제공하는 것이다.
본 발명이 해결하고자 하는 일 과제는, 레이저 유도 붕괴 분석법을 이용하여 다양한 환자에 대해 범용적으로 질병 진단을 수행하는 진단 방법 및 이를 수행하는 진단 장치를 제공하는 것이다.
본 발명이 해결하고자 하는 일 과제는, 검체에 대해 레이저를 조사하고 검체로부터 발생하는 광의 적어도 일부를 수신하며 트리거링 이벤트에 기초하여 트리거링 신호를 제공하는 진단 장치를 제공하는 것이다.
본 발명이 해결하고자 하는 일 과제는, 인공 신경망을 이용하여 스펙트럼 데이터로부터 질병 진단을 수행하되, 스펙트럼 데이터에 포함된 환경 요인에 의한 영향을 최소화 하는 진단 방법 및 이를 수행하는 진단 장치를 제공하는 것이다.
본 발명이 해결하고자 하는 일 과제는, 인공 신경망을 이용하여 스펙트럼 데이터로부터 질병 진단을 수행하되, 스펙트럼 데이터를 획득하는 장치의 기구적인 오프셋에 의한 영향을 최소화 하는 진단 방법 및 이를 수행하는 진단 장치를 제공하는 것이다.
본 발명이 해결하고자 하는 과제가 상술한 과제로 제한되는 것은 아니며, 언급되지 아니한 과제들은 본 명세서 및 첨부된 도면으로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 명세서의 일 양상에 따르면, 검체를 향해 펄스 레이저를 조사하는 레이저 조사 모듈; 상기 펄스 레이저에 의해 상기 검체에 유도되는 플라즈마 어블레이션에 의해 발생하는 광을 수신하는 광 수집 모듈; 상기 검체로부터 광을 입사받아 트리거링 신호를 출력하는 트리거링 모듈; 상기 광 수집 모듈로부터 상기 플라즈마 어블레이션에 의해 발생하는 광을 전달받아 분광하는 분광 부재; 상기 분광된 광을 파장 별로 수신하도록 배치되는 복수의 센서를 포함하고, 상기 트리거링 신호가 출력 시점으로부터 미리 정해진 시간 간격 동안 입사되는 광에 대한 전기 신호를 생성함으로써 상기 플라즈마 어블레이션에 의해 발생하는 광의 스펙트럼 데이터를 생성하는 센서 어레이; 및 상기 스펙트럼 데이터에 기초하여 상기 환자에 대한 질병 진단을 수행하는 콘트롤러;를 포함하는 진단 장치가 제공될 수 있다.
본 명세서의 다른 양상에 따르면, 레이저 유도 파열 분광법(LIBS: Laser Induced Breakdown Specroscopy)을 이용하여 환자의 생체 조직의 질병 여부를 진단하는 진단 방법으로서, 검체를 향해 펄스 레이저를 조사하는 단계; 상기 펄스 레이저의 반사광에 따라 트리거링 신호를 출력하는 단계; 상기 트리거링 신호의 출력 시점으로부터 미리 정해진 시간 간격 동안 입사되는 광의 스펙트럼을 측정함으로써, 상기 펄스 레이저에 의해 상기 검체에 유도되는 플라즈마 어블레이션에 의해 발생하는 광의 스펙트럼 데이터를 생성하는 단계; 및 상기 스펙트럼 데이터에 기초하여 상기 환자에 대한 질병 진단을 수행하는 단계;를 포함하는 진단 방법이 제공될 수 있다.
본 명세서의 또 다른 양상에 따르면, 레이저 유도 파열 분광법(LIBS: Laser Induced Breakdown Specroscopy)을 이용하여 환자의 생체 조직의 질병 여부를 진단하는 진단 방법으로서, 질병 검사 대상인 제1 검체를 향해 제1 펄스 레이저를 조사하는 단계; 상기 제1 펄스 레이저의 반사광을 입사받아 제1 트리거링 신호를 출력하는 단계; 상기 제1 트리거링 신호의 출력 시점으로부터 미리 정해진 시간 간격 동안 상기 제1 검체로부터 광을 수신하고, 상기 제1 검체로부터 수신된 광에 관한 제1 스펙트럼 데이터를 획득하는 단계; 정상 조직인 제2 검체를 향해 제2 펄스 레이저를 조사하는 단계; 상기 제2 펄스 레이저의 반사광을 입사받아 제2 트리거링 신호를 출력하는 단계; 상기 제2 트리거링 신호의 출력 시점으로부터 상기 미리 정해진 시간 간격 동안 상기 제2 검체로부터 광을 수신하고, 상기 제2 검체로부터 수신된 광에 관한 제2 스펙트럼 데이터를 획득하는 단계; 상기 제1 스펙트럼 데이터 및 상기 제2 스펙트럼 데이터의 비교 스펙트럼 데이터를 획득하는 단계; 및 상기 비교 스펙트럼 데이터를 이용하여 상기 제1 검체의 질병 유무를 판단하는 단계;를 포함하는 진단 방법이 제공될 수 있다.
본 발명의 과제의 해결 수단이 상술한 해결 수단들로 제한되는 것은 아니며, 언급되지 아니한 해결 수단들은 본 명세서 및 첨부된 도면으로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 발명에 의하면, 생체 조직에 펄스 레이저를 조사하여 발생하는 플라즈마로부터 발생하는 광의 연속 스펙트럼을 획득하고, 인공 신경망을 이용하여 연속 스펙트럼을 분석함으로써, 생체 조직의 질병 여부를 정밀 진단할 수 있다.
본 발명에 의하면, 검체에 레이저를 조사하여 플라즈마를 발생 시키면 나타나는 플라즈마 방출 및 요소 특정 방출을 수집하여 분석함으로써 환자에 대한 정확도 또는 신뢰도 높은 질병 진단을 수행할 수 있다.
본 발명에 의하면, 검체에 플라즈마를 발생시키기 전부터 동작하는 광 센서를 이용하여 검체에 대한 레이저 조사에 따라 나타나는 연속 스펙트럼 및 선 스펙트럼을 갖는 광을 수신하여 분석함으로써 환자에 대한 질병 진단을 수행할 수 있다.
본 발명에 의하면, 검체에 국소적인 플라즈마 발생이 유도되기 충분한 파워 밀도(power density)를 가지면서도 검체 손상이 발생하지 않는 수준의 에너지만이 인가되도록 고출력 펄스 레이저의 펄스 폭, 세기, 펄스 당 에너지 그리고 조사 면적을 적절히 조절함으로써, 신체에 손상 없이도 립스 분석을 통해 환자에 대한 질병 진단을 수행할 수 있다.
본 발명에 의하면, 검체에 플라즈마를 유도하는 레이저를 조사함에 있어서 초점 거리보다 조사 거리를 길게 함으로써 외부 요인에 의해 조사 거리가 늘어나면 검체에 대한 레이저의 스팟 사이즈가 커지게 되어 검체에 피해가 가지 않도록 안전하게 질병 진단을 수행할 수 있다.
또한, 본 발명에 의하면, 검체에 플라즈마를 유도하는 레이저를 조사함에 있어서 소정의 구면 수차를 갖는 렌즈를 통해 검체에 손상이 최소화되도록 인가되는 에너지를 조절하여 안전하게 질병 진단을 수행할 수 있다.
본 발명에 의하면, 립스를 이용하여 질병 의심 검체와 정상 검체로부터 얻어지는 스펙트럼 데이터를 비교치로부터 질환 유무를 판단하는 인공 신경망을 이용함으로써, 환자별 특이성 요인을 저감시켜 인종, 성별 등의 여러 조건이 상이한 환자에 대해서도 범용적으로 질병 진단을 수행할 수 있다.
본 발명에 의하면, 검체에 레이저를 조사하고 조사된 레이저 또는 그로부터 발생하는 레이저 파생광을 감지하여 트리거링 신호를 제공함으로써 적절한 시기에 립스 분석을 위한 광 감지가 개시될 수 있다.
본 발명에 의하면, 인공 신경망을 이용하여 스펙트럼 데이터로부터 진단 결과를 획득하되, 스펙트럼 데이터에 포함된 광 세기값에 대한 조정을 통하여 주변 환경의 영향으로 인한 변수를 제거함으로써, 다양한 환경에서 질병을 수행하더라도 범용적으로 질병 진단을 수행할 수 있다.
본 발명에 의하면, 인공 신경망을 이용하여 스펙트럼 데이터로부터 질병 진단을 수행하되, 스펙트럼 데이터에 포함된 데이터 규격을 조절하여, 스펙트럼 획득 장치에서 발생하는 기구적 오프셋에 의한 영향을 최소화 함으로써, 정확한 진단 결과를 획득할 수 있다.
본 발명의 효과가 상술한 효과들로 제한되는 것은 아니며, 언급되지 아니한 효과들은 본 명세서 및 첨부된 도면으로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.
도 1은 본 명세서의 일 실시예에 따른 진단 시스템에 관한 블록도이다.
도 2 및 도 3은 본 명세서의 일 실시예에 따른 진단 시스템의 구현예들의 사시도이다.
도 4는 본 명세서의 일 실시예에 따른 립스 유닛의 블록도이다.
도 5는 본 명세서의 일 실시예에 따른 진단 유닛의 블록도이다.
도 6은 본 명세서의 일 실시예에 따른 진단 방법에 관한 순서도이다.
도 7은 본 명세서의 일 실시예에 따른 진단 방법이 수행되는 과정에 관한 예시도이다.
도 8은 본 명세서의 일 실시예에 따른 레이저 유도 붕괴에 관한 도면이다.
도 9는 본 명세서의 일 실시예에 따른 레이저 유도 붕괴 시 방출되는 광에 관한 그래프이다.
도 10은 본 명세서의 일 실시예에 따른 제1 구간에서 관측되는 스펙트럼의 그래프이다.
도 11은 본 명세서의 일 실시예에 따른 제2 구간에서 관측되는 스펙트럼의 그래프이다.
도 12는 본 명세서의 일 실시예에 따른 게이티드 방식으로 동작하는 립스 유닛에 관한 예시도이다.
도 13은 본 명세서의 일 실시예에 따른 넌 게이티드 방식으로 동작하는 립스 유닛에 관한 예시도이다.
도 14는 본 명세서의 일 실시예에 따른 넌 게이티드 방식의 센서 어레이가 관측하는 스펙트럼 그래프이다.
도 15는 본 명세서의 일 실시예에 따른 넌 게이티드 방식의 센서 어레이를 이용 시 트리거링 신호를 이용해 복합 스펙트럼을 수신한 동작 구간을 특정하는 것을 도시한 도면이다.
도 16은 본 명세서의 일 실시예에 따른 트리거링 동작에 관한 도면이다.
도 17은 본 명세서의 일 실시예에 따른 검체 손상에 관한 도면이다.
도 18 및 도 19는 본 명세서의 일 실시예에 따른 검체와 레이저 스팟을 도시한 도면이다.
도 20은 본 명세서의 일 실시예에 따른 몇몇 펄스 레이저에 의해 검체에 인가되는 파워 밀도와 플루언스를 도시한 그래프이다.
도 21 내지 도 23은 본 명세서의 일 실시예에 따른 스팟 사이즈와 파워 밀도 및 플루언스 사이의 관계를 도시한 그래프이다.
도 24 및 도 25는 본 명세서의 일 실시예에 따른 검체에 조사되는 레이저의 스팟 사이즈가 다양하게 설정되는 것을 도시한 도면이다.
도 26은 본 명세서의 일 실시예에 따른 검체로부터 립스 유닛이 멀어지는 것을 나타내는 예시도이다.
도 27은 본 명세서의 일 실시예에 따른 검체에 대한 레이저의 조사 거리와 초점 거리 사이의 관계에 따른 레이저 스팟을 나타내는 예시도이다.
도 28은 본 명세서의 일 실시예에 따른 구면 수차를 갖는 레이저 조절 부재를 통과한 레이저의 형태를 나타내는 예시도이다.
도 29는 본 명세서의 일 실시예에 따른 인공 신경망의 예시도이다.
도 30은 본 명세서의 일 실시예에 따른 스펙트럼 데이터의 구조를 도시한 도면이다.
도 31은 본 명세서의 일 실시예에 따른 표준화의 개략도이다.
도 32는 본 명세서의 일 실시예에 따른 원본 파장 범위를 갖는 원본 스펙트럼 데이터의 일 예에 관한 도면이다.
도 33은 본 명세서의 일 실시예에 따른 표준 파장 범위를 갖는 가공 스펙트럼 데이터의 일 예에 관한 도면이다.
도 34는 본 명세서의 일 실시예에 따른 가공 스펙트럼 데이터를 획득하는 과정의 일 예에 관한 도면이다.
도 35는 본 명세서의 일 실시예에 따른 가공 스펙트럼 데이터를 획득하는 과정의 다른 예에 관한 도면이다.
도 36은 본 명세서의 일 실시예에 따른 스펙트럼 데이터에 포함된 파장 별 성분 중요도를 나타낸 도면이다.
도 37은 본 명세서의 일 실시예에 따른 성분 중요도에 기초한 표준 파장 범위 설정의 예를 도시한 도면이다.
도 38은 본 명세서의 일 실시예에 따른 일부 파장에 대한 성분 중요도에 기초한 표준 파장 범위 설정의 예를 도시한 도면이다.
도 39는 본 명세서의 일 실시예에 따른 파장 별 세기값에 기초한 표준 파장 범위 설정의 예를 도시한 도면이다.
도 40은 본 명세서의 일 실시예에 따른 요소 피크의 진단 관련성에 기초한 표준 파장 범위 설정의 예를 도시한 도면이다.
도 41은 본 명세서의 일 실시예에 따른 중복 요소 피크를 더 고려한 표준 파장 범위 설정의 예를 도시한 도면이다.
도 42는 본 명세서의 일 실시예에 따른 표준화를 통해 원본 스펙트럼 데이터의 파장 별 세기값의 개수를 변경하는 것에 관련된 표이다.
도 43은 본 명세서의 일 실시예에 따른 표준화를 통해 원본 스펙트럼 데이터의 파장 별 세기값의 개수를 변경하는 것과 관련된 그래프이다.
도 44는 본 명세서의 일 실시예에 따른 표준화를 통해 스펙트럼 데이터의 파장 간격을 변경하는 것에 관련된 표이다.
도 45는 본 명세서의 일 실시예에 따른 표준화를 통해 스펙트럼 데이터의 파장 간격을 변경하는 것과 관련된 그래프이다.
도 46은 본 발명의 일 실시예에 따른 파장 오프셋 보정에 관한 도면이다.
도 47은 본 명세서의 일 실시예에 따른 정규화의 개략도이다.
도 48은 본 명세서의 일 실시예에 따른 특정 파장의 세기값에 기초한 정규화의 일 예에 관한 도면이다.
도 49는 본 명세서의 일 실시예에 따른 파장 범위의 세기값에 기초한 정규화의 일 예에 관한 도면이다.
도 50은 본 명세서의 일 실시예에 따른 스펙트럼 함수를 이용하는 정규화의 일 예에 관한 도면이다.
도 51은 본 명세서의 일 실시예에 따른 기계 학습 모델의 입력 데이터로 이용되는 가공 스펙트럼 데이터를 생성하는 방법의 일 구현예를 나타낸 것이다.
도 52는 본 명세서의 일 실시예에 따른 인공 신경망을 이용하여 단일한 스펙트럼 데이터로부터 진단 결과를 판단하는 실시예에 관한 도면이다.
도 53은 본 명세서의 일 실시예에 따른 인공 신경망을 이용하여 복수의 스펙트럼 데이터를 조합한 스펙트럼 데이터로부터 진단 결과를 판단하는 것에 관한 도면이다.
도 54는 본 명세서의 일 실시예에 따른 복수의 스펙트럼 데이터가 획득되는 지점에 관련된 도면이다.
도 55는 본 명세서의 일 실시예에 따른 인공 신경망을 이용한 복수의 스펙트럼 데이터로부터 진단 결과를 판단 하는 방법에 관한 구체적인 실시 1예에 관한 도면이다.
도 56은 본 명세서의 일 실시예에 따른 인공 신경망을 이용한 복수의 스펙트럼 데이터로부터 진단 결과를 판단 하는 방법에 관한 구체적인 실시 2예에 관한 도면이다.
도 57은 본 명세서의 일 실시예에 따른 인공 신경망을 이용한 복수의 스펙트럼 데이터로부터 진단 결과를 판단하는 다른 예에 관한 도면이다.
도 58은 본 명세서의 일 실시예에 따른 스펙트럼 데이터의 에러와 관련된 도면이다.
도 59는 본 발명의 일 실시예에 따른 립스 유닛의 외관 및 내부를 도시한 도면이다.
도 2 및 도 3은 본 명세서의 일 실시예에 따른 진단 시스템의 구현예들의 사시도이다.
도 4는 본 명세서의 일 실시예에 따른 립스 유닛의 블록도이다.
도 5는 본 명세서의 일 실시예에 따른 진단 유닛의 블록도이다.
도 6은 본 명세서의 일 실시예에 따른 진단 방법에 관한 순서도이다.
도 7은 본 명세서의 일 실시예에 따른 진단 방법이 수행되는 과정에 관한 예시도이다.
도 8은 본 명세서의 일 실시예에 따른 레이저 유도 붕괴에 관한 도면이다.
도 9는 본 명세서의 일 실시예에 따른 레이저 유도 붕괴 시 방출되는 광에 관한 그래프이다.
도 10은 본 명세서의 일 실시예에 따른 제1 구간에서 관측되는 스펙트럼의 그래프이다.
도 11은 본 명세서의 일 실시예에 따른 제2 구간에서 관측되는 스펙트럼의 그래프이다.
도 12는 본 명세서의 일 실시예에 따른 게이티드 방식으로 동작하는 립스 유닛에 관한 예시도이다.
도 13은 본 명세서의 일 실시예에 따른 넌 게이티드 방식으로 동작하는 립스 유닛에 관한 예시도이다.
도 14는 본 명세서의 일 실시예에 따른 넌 게이티드 방식의 센서 어레이가 관측하는 스펙트럼 그래프이다.
도 15는 본 명세서의 일 실시예에 따른 넌 게이티드 방식의 센서 어레이를 이용 시 트리거링 신호를 이용해 복합 스펙트럼을 수신한 동작 구간을 특정하는 것을 도시한 도면이다.
도 16은 본 명세서의 일 실시예에 따른 트리거링 동작에 관한 도면이다.
도 17은 본 명세서의 일 실시예에 따른 검체 손상에 관한 도면이다.
도 18 및 도 19는 본 명세서의 일 실시예에 따른 검체와 레이저 스팟을 도시한 도면이다.
도 20은 본 명세서의 일 실시예에 따른 몇몇 펄스 레이저에 의해 검체에 인가되는 파워 밀도와 플루언스를 도시한 그래프이다.
도 21 내지 도 23은 본 명세서의 일 실시예에 따른 스팟 사이즈와 파워 밀도 및 플루언스 사이의 관계를 도시한 그래프이다.
도 24 및 도 25는 본 명세서의 일 실시예에 따른 검체에 조사되는 레이저의 스팟 사이즈가 다양하게 설정되는 것을 도시한 도면이다.
도 26은 본 명세서의 일 실시예에 따른 검체로부터 립스 유닛이 멀어지는 것을 나타내는 예시도이다.
도 27은 본 명세서의 일 실시예에 따른 검체에 대한 레이저의 조사 거리와 초점 거리 사이의 관계에 따른 레이저 스팟을 나타내는 예시도이다.
도 28은 본 명세서의 일 실시예에 따른 구면 수차를 갖는 레이저 조절 부재를 통과한 레이저의 형태를 나타내는 예시도이다.
도 29는 본 명세서의 일 실시예에 따른 인공 신경망의 예시도이다.
도 30은 본 명세서의 일 실시예에 따른 스펙트럼 데이터의 구조를 도시한 도면이다.
도 31은 본 명세서의 일 실시예에 따른 표준화의 개략도이다.
도 32는 본 명세서의 일 실시예에 따른 원본 파장 범위를 갖는 원본 스펙트럼 데이터의 일 예에 관한 도면이다.
도 33은 본 명세서의 일 실시예에 따른 표준 파장 범위를 갖는 가공 스펙트럼 데이터의 일 예에 관한 도면이다.
도 34는 본 명세서의 일 실시예에 따른 가공 스펙트럼 데이터를 획득하는 과정의 일 예에 관한 도면이다.
도 35는 본 명세서의 일 실시예에 따른 가공 스펙트럼 데이터를 획득하는 과정의 다른 예에 관한 도면이다.
도 36은 본 명세서의 일 실시예에 따른 스펙트럼 데이터에 포함된 파장 별 성분 중요도를 나타낸 도면이다.
도 37은 본 명세서의 일 실시예에 따른 성분 중요도에 기초한 표준 파장 범위 설정의 예를 도시한 도면이다.
도 38은 본 명세서의 일 실시예에 따른 일부 파장에 대한 성분 중요도에 기초한 표준 파장 범위 설정의 예를 도시한 도면이다.
도 39는 본 명세서의 일 실시예에 따른 파장 별 세기값에 기초한 표준 파장 범위 설정의 예를 도시한 도면이다.
도 40은 본 명세서의 일 실시예에 따른 요소 피크의 진단 관련성에 기초한 표준 파장 범위 설정의 예를 도시한 도면이다.
도 41은 본 명세서의 일 실시예에 따른 중복 요소 피크를 더 고려한 표준 파장 범위 설정의 예를 도시한 도면이다.
도 42는 본 명세서의 일 실시예에 따른 표준화를 통해 원본 스펙트럼 데이터의 파장 별 세기값의 개수를 변경하는 것에 관련된 표이다.
도 43은 본 명세서의 일 실시예에 따른 표준화를 통해 원본 스펙트럼 데이터의 파장 별 세기값의 개수를 변경하는 것과 관련된 그래프이다.
도 44는 본 명세서의 일 실시예에 따른 표준화를 통해 스펙트럼 데이터의 파장 간격을 변경하는 것에 관련된 표이다.
도 45는 본 명세서의 일 실시예에 따른 표준화를 통해 스펙트럼 데이터의 파장 간격을 변경하는 것과 관련된 그래프이다.
도 46은 본 발명의 일 실시예에 따른 파장 오프셋 보정에 관한 도면이다.
도 47은 본 명세서의 일 실시예에 따른 정규화의 개략도이다.
도 48은 본 명세서의 일 실시예에 따른 특정 파장의 세기값에 기초한 정규화의 일 예에 관한 도면이다.
도 49는 본 명세서의 일 실시예에 따른 파장 범위의 세기값에 기초한 정규화의 일 예에 관한 도면이다.
도 50은 본 명세서의 일 실시예에 따른 스펙트럼 함수를 이용하는 정규화의 일 예에 관한 도면이다.
도 51은 본 명세서의 일 실시예에 따른 기계 학습 모델의 입력 데이터로 이용되는 가공 스펙트럼 데이터를 생성하는 방법의 일 구현예를 나타낸 것이다.
도 52는 본 명세서의 일 실시예에 따른 인공 신경망을 이용하여 단일한 스펙트럼 데이터로부터 진단 결과를 판단하는 실시예에 관한 도면이다.
도 53은 본 명세서의 일 실시예에 따른 인공 신경망을 이용하여 복수의 스펙트럼 데이터를 조합한 스펙트럼 데이터로부터 진단 결과를 판단하는 것에 관한 도면이다.
도 54는 본 명세서의 일 실시예에 따른 복수의 스펙트럼 데이터가 획득되는 지점에 관련된 도면이다.
도 55는 본 명세서의 일 실시예에 따른 인공 신경망을 이용한 복수의 스펙트럼 데이터로부터 진단 결과를 판단 하는 방법에 관한 구체적인 실시 1예에 관한 도면이다.
도 56은 본 명세서의 일 실시예에 따른 인공 신경망을 이용한 복수의 스펙트럼 데이터로부터 진단 결과를 판단 하는 방법에 관한 구체적인 실시 2예에 관한 도면이다.
도 57은 본 명세서의 일 실시예에 따른 인공 신경망을 이용한 복수의 스펙트럼 데이터로부터 진단 결과를 판단하는 다른 예에 관한 도면이다.
도 58은 본 명세서의 일 실시예에 따른 스펙트럼 데이터의 에러와 관련된 도면이다.
도 59는 본 발명의 일 실시예에 따른 립스 유닛의 외관 및 내부를 도시한 도면이다.
본 발명의 상술한 목적, 특징들 및 장점은 첨부된 도면과 관련된 다음의 상세한 설명을 통해 보다 분명해질 것이다. 다만, 본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예들을 가질 수 있는 바, 이하에서는 특정 실시예들을 도면에 예시하고 이를 상세히 설명하고자 한다.
본 명세서에 기재된 실시예는 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 본 발명의 사상을 명확히 설명하기 위한 것이므로, 본 발명이 본 명세서에 기재된 실시예에 의해 한정되는 것은 아니며, 본 발명의 범위는 본 발명의 사상을 벗어나지 아니하는 수정예 또는 변형예를 포함하는 것으로 해석되어야 한다.
본 명세서에 첨부된 도면은 본 발명을 용이하게 설명하기 위한 것으로 도면에 도시된 형상은 본 발명의 이해를 돕기 위하여 필요에 따라 과장되어 표시된 것일 수 있으므로 본 발명이 도면에 의해 한정되는 것은 아니다.
본 발명과 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 본 명세서의 설명 과정에서 이용되는 숫자(예를 들어, 제1, 제2 등)는 하나의 구성요소를 다른 구성요소와 구분하기 위한 식별기호에 불과하다.
또한, 이하의 설명에서 사용되는 구성요소에 대한 접미사 "유닛", "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다.
본 명세서의 일 양상에 따르면, 검체를 향해 펄스 레이저를 조사하는 레이저 조사 모듈; 상기 펄스 레이저에 의해 상기 검체에 유도되는 플라즈마 어블레이션에 의해 발생하는 광을 수신하는 광 수집 모듈; 상기 검체로부터 광을 입사받아 트리거링 신호를 출력하는 트리거링 모듈; 상기 광 수집 모듈로부터 상기 플라즈마 어블레이션에 의해 발생하는 광을 전달받아 분광하는 분광 부재; 상기 분광된 광을 파장 별로 수신하도록 배치되는 복수의 센서를 포함하고, 상기 트리거링 신호가 출력 시점으로부터 미리 정해진 시간 간격 동안 입사되는 광에 대한 전기 신호를 생성함으로써 상기 플라즈마 어블레이션에 의해 발생하는 광의 스펙트럼 데이터를 생성하는 센서 어레이; 및 상기 스펙트럼 데이터에 기초하여 상기 환자에 대한 질병 진단을 수행하는 콘트롤러;를 포함하는 진단 장치가 제공될 수 있다.
또 상기 센서 어레이는, 상기 스펙트럼 데이터에 상기 플라즈마 어블레이션에 따른 플라즈마 방출에 따른 연속 스펙트럼 속성의 광에 관한 스펙트럼 정보가 포함되도록 상기 상기 트리거링 신호의 출력 시점으로부터 딜레이 타임 없이 즉시 상기 입사되는 광에 대한 전기 신호를 생성할 수 있다.
또 상기 미리 정해진 시간 간격은, 상기 스펙트럼 데이터에 상기 플라즈마 어블레이션에 따른 플라즈마 방출에 따른 연속 스펙트럼 속성의 광에 관한 스펙트럼 정보 및 요소 특정 방출에 따른 불연속 스펙트럼 속성의 광에 관한 스펙트럼 정보가 포함되도록 설정될 수 있다.
또 상기 미리 정해진 시간 간격은, 상기 펄스 레이저의 조사 시점으로부터 상기 요소 특정 방출이 시작되는 시점까지의 시간 간격보다 클 수 있다.
또 상기 미리 정해진 시간 간격은, 적어도 1us 이상일 수 있다.
또 상기 트리거링 모듈은, 상기 펄스 레이저의 반사광에 따라 상기 트리거링 신호를 출력할 수 있다.
또 상기 트리거링 모듈은, 상기 펄스 레이저의 반사광의 강도보다는 작고 상기 플라즈마 어블레이션으로 인해 발생하는 광의 강도보다는 큰 문턱값 이상의 광이 입사되면 트리거링 신호를 출력하는 포토 다이오드를 포함할 수 있다.
또 상기 트리거링 모듈은, 문턱값 이상의 광이 입사되면 트리거링 신호를 출력하는 포토 다이오드이고, 상기 펄스 레이저의 반사광의 입사에 의해 생성되는 전기 신호의 강도가 상기 문턱값에 도달하는 라이징 타임이 적어도 상기 펄스 레이저의 조사 시점으로부터 상기 플라즈마 방출의 시작 시점까지의 시간 간격보다 짧을 수 있다.
또 상기 트리거링 모듈은, 문턱값 이상의 광이 입사되면 트리거링 신호를 출력하는 포토 다이오드이고, 상기 펄스 레이저의 반사광의 입사에 의해 생성되는 전기 신호의 강도가 상기 문턱값에 도달하는 라이징 타임이 적어도 100ns보다 짧도록 설정될 수 있다.
또 상기 콘트롤러는, 정상 조직과 관련하여 획득된 스펙트럼 데이터에 정상을 지시하는 클래스값이 태깅된 제1 러닝 셋과 질병 조직과 관련하여 획득된 스펙트럼 데이터에 질병을 지시하는 클래스값이 태깅된 제2 러닝 셋을 이용하여 학습된 인공 신경망을 이용하여 상기 플라즈마 어블레이션에 의해 발생하는 광에 관한 스펙트럼 데이터로부터 상기 검체의 질병 유무를 판단할 수 있다.
본 명세서의 다른 양상에 따르면, 레이저 유도 파열 분광법(LIBS: Laser Induced Breakdown Specroscopy)을 이용하여 환자의 생체 조직의 질병 여부를 진단하는 진단 방법으로서, 검체를 향해 펄스 레이저를 조사하는 단계; 상기 펄스 레이저의 반사광에 따라 트리거링 신호를 출력하는 단계; 상기 트리거링 신호의 출력 시점으로부터 미리 정해진 시간 간격 동안 입사되는 광의 스펙트럼을 측정함으로써, 상기 펄스 레이저에 의해 상기 검체에 유도되는 플라즈마 어블레이션에 의해 발생하는 광의 스펙트럼 데이터를 생성하는 단계; 및 상기 스펙트럼 데이터에 기초하여 상기 환자에 대한 질병 진단을 수행하는 단계;를 포함하는 진단 방법이 제공될 수 있다.
또 상기 생성하는 단계는, 상기 스펙트럼 데이터에 상기 플라즈마 어블레이션에 따른 플라즈마 방출에 따른 연속 스펙트럼 속성의 광에 관한 스펙트럼 정보가 포함되도록 상기 상기 트리거링 신호의 출력 시점으로부터 딜레이 타임 없이 즉시 상기 입사되는 광에 대한 스펙트럼을 측정하는 단계를 포함할 수 있다.
또 상기 미리 정해진 시간 간격은, 상기 스펙트럼 데이터에 상기 플라즈마 어블레이션에 따른 플라즈마 방출에 따른 연속 스펙트럼 속성의 광에 관한 스펙트럼 정보 및 요소 특정 방출에 따른 불연속 스펙트럼 속성의 광에 관한 스펙트럼 정보가 포함되도록 설정될 수 있다.
또 상기 미리 정해진 시간 간격은, 상기 펄스 레이저의 조사 시점으로부터 상기 요소 특정 방출이 시작되는 시점까지의 시간 간격보다 클 수 있다.
또 상기 미리 정해진 시간 간격은, 적어도 1us 이상일 수 있다.
또 상기 트리거링 신호를 출력하는 단계는, 상기 펄스 레이저의 반사광에 따라 상기 트리거링 신호를 출력하는 단계를 포함할 수 있다.
또 상기 트리거링 신호를 출력하는 단계에서, 상기 펄스 레이저의 반사광의 입사 시점으로부터 상기 트러거링 신호의 출력 시점까지의 시간 간격이 상기 트리거링 신호는 상기 펄스 레이저의 조사 시점으로부터 상기 플라즈마 방출의 시작 시점까지의 시간 간격보다 짧을 수 있다.
또 상기 트리거링 신호를 출력하는 단계에서, 상기 펄스 레이저의 반사광의 입사 시점으로부터 상기 트러거링 신호의 출력 시점까지의 시간 간격이 적어도 10ns보다 짧도록 설정될 수 있다.
또 상기 진단을 수행하는 단계는, 정상 조직과 관련하여 획득된 스펙트럼 데이터에 정상을 지시하는 클래스값이 태깅된 제1 러닝 셋과 질병 조직과 관련하여 획득된 스펙트럼 데이터에 질병을 지시하는 클래스값이 태깅된 제2 러닝 셋을 이용하여 학습된 인공 신경망을 저장하는 단계, 상기 인공 신경망에 상기 플라즈마 어블레이션에 의해 발생하는 광에 관한 스펙트럼 데이터를 입력하는 단계 및 상기 인공 신경망의 출력값에 따라 상기 질병 유무를 판단하는 단계를 포함할 수 있다.
본 명세서의 또 다른 양상에 따르면, 레이저 유도 파열 분광법(LIBS: Laser Induced Breakdown Specroscopy)을 이용하여 환자의 생체 조직의 질병 여부를 진단하는 진단 방법으로서, 질병 검사 대상인 제1 검체를 향해 제1 펄스 레이저를 조사하는 단계; 상기 제1 펄스 레이저의 반사광을 입사받아 제1 트리거링 신호를 출력하는 단계; 상기 제1 트리거링 신호의 출력 시점으로부터 미리 정해진 시간 간격 동안 상기 제1 검체로부터 광을 수신하고, 상기 제1 검체로부터 수신된 광에 관한 제1 스펙트럼 데이터를 획득하는 단계; 정상 조직인 제2 검체를 향해 제2 펄스 레이저를 조사하는 단계; 상기 제2 펄스 레이저의 반사광을 입사받아 제2 트리거링 신호를 출력하는 단계; 상기 제2 트리거링 신호의 출력 시점으로부터 상기 미리 정해진 시간 간격 동안 상기 제2 검체로부터 광을 수신하고, 상기 제2 검체로부터 수신된 광에 관한 제2 스펙트럼 데이터를 획득하는 단계; 상기 제1 스펙트럼 데이터 및 상기 제2 스펙트럼 데이터의 비교 스펙트럼 데이터를 획득하는 단계; 및 상기 비교 스펙트럼 데이터를 이용하여 상기 제1 검체의 질병 유무를 판단하는 단계;를 포함하는 진단 방법이 제공될 수 있다.
본 명세서는 레이저 유도 붕괴 스펙트럼 분석을 이용하는 진단 방법 및 이를 수행하는 진단 장치에 관한 것이다.
여기서, 레이저 유도 붕괴 스펙트럼 분석(LIBS: Laser Induced Breakdown Spectroscopy, 이하 '립스'라 함)는 진단하고자 하는 대상에 고출력의 짧은 펄스 레이저(pulse laser)를 조사하여 플라즈마를 형성시키고, 플라즈마로부터 발생하는 광을 분광 분석하는 기법이다.
플라즈마는 물질이 고에너지를 인가받아 음전하를 가진 전자와 양전하를 띤 이온으로 분리된 상(phase)을 의미한다. 플라즈마 내부에서는 입자들이 끊임없이 움직이고 서로 반응하면서 에너지를 얻거나 잃으며 이 과정에서 전자기파를 주고받는데, 이러한 전자기파 중 일부는 외부로 방출된다. 플라즈마에서 방출되는 전자기파는 플라즈마 내 자유 전자가 자기장 또는 주위 입자들의 전자기력에 의해 경로 변화를 겪으면서 방출하는 넓은 파장 대역에 걸쳐 발생하는 전자기파와 원자핵에 구속된 전자의 에너지 준위가 전이하면서 발생한 에너지 손실에 대응하는 특정 파장의 전자기파를 포함할 수 있다.
여기서, 플라즈마로부터 방출되는 전자기파를 분석하면 물질의 성분이나 상태를 규명할 수 있다. 레이저 유도 붕괴 스펙트럼 분석은 검사하고자 하는 대상에 레이저를 조사해 플라즈마를 유도하고, 플라즈마에 의해 발생된 광의 스펙트럼을 분석하여 대상의 상태나 조성 등의 특성을 검사하는 것이다. 본 명세서에서는, 스펙트럼은 광의 성질이나 특징을 나타낼 수 있는 지표를 의미로, 예를 들어 파장 별 광량, 광의 세기 또는 에너지로 표현될 수 있다.
이하에서는 레이저를 조사받는 대상, 즉 립스의 수행 대상에 대해 '검체'라고 지칭하기로 한다. 즉, 본 명세서에서 '검체'란 스펙트럼 분석의 대상이 되는 객체를 의미할 수 있다. 따라서, '검체'란 립스 과정에서 레이저를 조사받는 객체로 이해될 수도 있다.
일반적으로 본 명세서에서 검체는 진단의 목적물이 되는 객체, 다시 말해, 진단이나 검사의 대상일 수 있으나, 스펙트럼 분석의 대상과 진단의 대상이 반드시 일치해야만 하는 것은 아니다. 예를 들어, 검체에는 진단의 대상과의 비교를 위해 립스을 수행받는 객체가 포함될 수 있다. 따라서, 검체란 진단의 목적물로 한정되는 것은 아니며 스펙트럼 분석의 대상을 모두 아우르는 포괄적인 의미로 이해되어야 한다.
본 명세서에서 다양한 객체가 검체가 될 수 있다. 예를 들어, 환자에 대한 질병 진단 등이 수행되는 경우, 검체는 피부, 신체 내부 및 외부 조직, 각종 세포, 혈액, 타액 등을 비롯하여 환자의 신체를 이루는 구성의 일부일 수 있다. 이외에도 또, 약품을 비롯한 다양한 비생물 물질의 진단을 수행하고자 하는 경우, 검체는 금속이나 비금속, 무기물 등의 다양한 물질을 포함할 수 있다. 다시 말해, 본 명세서에서 검체란 스펙트럼 분석의 대상이 되는 어떠한 물질을 모두 포함하는 포괄적인 개념으로 이해되어야 할 것이다.
또, 본 명세서에서 '진단'은 립스를 이용하여 분석하고자 하는 목적물의 상태나 조성을 비롯한 특성을 판단하는 것 및 이러한 특성의 판단에 기초한 2차적 판단을 포함하는 포괄적인 개념이다. 일 예로, 진단에는 특정 물질의 조성을 분석하는 것을 포함할 수 있다. 다른 예로, 진단에는 검체의 성질, 특징 등 분석 대상에 대한 특정 정보를 판단하는 것은 물론, 나아가 환자의 질병에 대한 판단이나 기존에 미리 분석된 검체와 새롭게 분석하고자 하는 검체의 유사 정도를 판단이 포함될 수 있다. 구체적인 예로, 본 명세서에서 립스를 이용한 진단은 사람의 신체에 질병 또는 질환이 있는지 여부의 판단이나 사람의 신체의 특정 세포 함량, 피부 나이, 유해 물질 함량 등 생체 정보를 획득에 이용될 수 있다.
이하에서는 본 명세서의 일 실시예에 따른 진단 시스템(100)에 관하여 도 1 내지 도 4를 참조하여 설명한다.
본 명세서의 일 실시예에 따른 진단 시스템(100)은 립스를 이용하여 검체에 대한 진단을 수행하는 시스템이다.
도 1은 본 명세서의 일 실시예에 따른 진단 시스템(100)에 관한 블록도이다.
도 1을 참조하면, 진단 시스템(100)은 립스 유닛(1200) 및 진단 유닛(1400)을 포함할 수 있다. 진단 시스템(100)에서는 립스 유닛(1200)이 검체에 레이저를 조사하여 플라즈마를 형성시키고 그로부터 스펙트럼 데이터를 획득하고, 진단 유닛(1400)이 립스 유닛(1200)에서 획득된 스펙트럼 데이터에 기초하여 진단 대상에 대해 진단을 수행할 수 있다.
립스 유닛(1200)은 검체에 레이저를 조사할 수 있다. 레이저를 조사받은 검체에는 플라즈마 어블레이션(plasma ablation)이 발생할 수 있다. 이때, 플라즈마 어블레이션이 발생한 검체에는 플라즈마가 형성될 수 있다. 즉, 립스 유닛(1200)은 검체에 레이저를 조사함으로써 검체에 플라즈마 어블레이션을 유도해 플라즈마를 형성할 수 있다.
립스 유닛(1200)은 검체로부터 광을 수집할 수 있다. 여기서, 립스 유닛(1200)이 수집하는 광은 검체에 조사된 레이저로부터 파생되는 레이저 파생광 및 검체에 유발되는 플라즈마 어블레이션으로 인해 발생하는 광을 포함할 수 있다. 레이저 파생광은 검체에 조사된 레이저에 의한 반사광, 산란광 및 형광광 등을 포함할 수 있다. 플라즈마 어블레이션으로 인해 발생하는 광은 플라즈마 방출(plasma emission)에 따른 광 및 요소 특정 방출(element specific emission)에 따른 광을 포함할 수 있다. 플라즈마 방출에 따른 광과 요소 특정 방출에 따른 광에 대한 보다 구체적인 설명은 후술하기로 한다.
립스 유닛(1200)은 수집된 광을 분광 분석하여 스펙트럼 데이터를 획득할 수 있다. 여기서, 스펙트럼 데이터는 광이 갖는 스펙트럼에 관한 정보를 포함할 수 있다. 구체적으로, 스펙트럼 데이터는 광의 파장 별 측정되는 세기(intensity)에 관한 데이터를 포함할 수 있다. 여기서, 스펙트럼 데이터는 광이 갖는 스펙트럼을 샘플링하여 수치화시킨 것을 포함할 수 있다. 예를 들어, 스펙트럼 데이터는 일정 시간 동안 립스 유닛(1200)에서 수집된 광을 분광하여 파장 별로 세기를 측정했을 때, 측정된 광량에 비례하는 세기값들의 집합을 포함할 수 있다. 본 명세서에서 스펙트럼 데이터는 립스 유닛(1200)이 수집한 광을 분광함에 따라 획득될 수 있으며, 이에 따라 스펙트럼 데이터는 광을 분광하거나 감지하는 구성에 따라 특정 파장 범위를 가질 수 있다. 립스 유닛(1200)에서 획득된 스펙트럼 데이터는 진단 유닛(1400)에서 진단에 이용될 수 있다.
진단 유닛(1400)은 스펙트럼 데이터에 기초하여 진단을 수행할 수 있다. 구체적으로, 진단 유닛(1400)은 립스 유닛(1200)으로부터 스펙트럼 데이터를 획득하고, 스펙트럼 데이터에 기초하여 진단을 수행할 수 있다.
진단 유닛(1400)은 진단을 수행하기 위해 빅데이터, 인공 지능 등의 기술을 이용할 수 있다. 예를 들어, 진단 유닛(1400)은 기계 학습된 프로그램을 구동하여 검체에 대한 진단을 수행할 수 있다. 진단 유닛(1400)에서 진단이 수행되는 예들에 대한 보다 구체적인 설명은 후술하기로 한다.
이상에서 설명한 진단 시스템(100)은 물리적으로 단일한 장치로 제공되거나 복수의 장치로 제공될 수 있다. 예를 들어, 진단 시스템(100)은 립스 유닛(1200)과 진단 유닛(1400)이 물리적으로 통합된 단일한 진단 장치로 제공될 수 있다. 즉, 진단 시스템(100)은 물리적으로 단일한 장치로 구현될 수 있다. 다른 예로, 진단 시스템(100)은 립스 유닛(1200)과 진단 유닛(1400)이 각각 물리적으로 분리된 별개의 장치로 제공됨에 따라 복수의 장치를 포함하는 시스템으로 구현될 수도 있다. 즉, 진단 시스템(100)은 립스 장치와 진단 장치의 두 개의 장치로 구현될 수 있다. 물론, 진단 시스템(100)의 물리적 구현이 상술한 예시로 한정되는 것은 아님에 유의하여야 한다.
상술한 진단 시스템(100)은 다양한 형태로 구현될 수 있다. 이하에서는 본 명세서의 일 실시예에 따른 진단 시스템(100)의 몇몇 구현예에 관하여 설명하기로 한다.
일 예에 따르면, 진단 시스템(100)이 스탠드-얼론 형태(stand-alone type)로 구현될 수 있다. 여기서, 스탠드-얼론 형태란 별도의 외부 설비(external equipment) 없이 독자적으로 본 명세서의 일 실시예에 따른 진단 방법을 수행할 수 있는 형태를 의미할 수 있다.
도 2는 본 명세서의 일 실시예에 따른 진단 시스템(100)의 일 구현예(100a)의 사시도이다.
도 2를 참조하면, 스탠드-얼론 형태의 진단 시스템(100a)은 검체에 레이저를 조사하기 위한 구성, 검체에서 형성된 플라즈마에서 발생된 광을 수집하는 구성, 수집된 광에 대한 스펙트럼 데이터를 획득하는 구성 및 스펙트럼 데이터를 분석하여 검체에 대한 진단을 수행하는 구성을 포함하여 외부 설비 없이도 독립적으로 진단 방법의 전 과정을 수행할 수 있다.
다른 예에 따르면, 진단 시스템(100)이 애드-온 형태(add-on type)로 구현될 수 있다. 여기서, 애드-온 형태란 외부 설비와 협업하여 본 명세서의 일 실시예에 따른 진단 방법을 수행할 수 있는 형태를 의미할 수 있다.
도 3은 본 명세서의 일 실시예에 따른 진단 시스템(100)의 다른 구현예(100b)의 사시도이다.
애드-온 형태의 진단 시스템(100b)은 스탠드-얼론 형태의 진단 시스템(100a)에서 일부 구성이 제외된 형태로 제공될 수 있다. 예를 들어, 애드-온 형태의 진단 시스템(100b)은 검체에 레이저를 조사하는 구성을 제외하고 구성될 수 있다. 이러한 경우, 본 명세서의 일 실시예에 따른 진단 방법은 도 3에 도시된 것과 같이 검체에 레이저를 조사하는 외부 설비(10)와 애드-온 형태의 진단 시스템(100b)이 협업함에 따라 수행될 수 있다. 이외에도 외부 설비(10)는 레이저 조사 기기, 광 수집기, 분광 장치 및 이들의 조합으로 제공될 수 있으며, 이때 애드-온 형태의 진단 시스템(100b)에는 외부 설비(10)가 처리하는 기능을 수행하는 구성이 제외될 수 있다. 한편, 애드 온 형태의 진단 시스템(100b)은 진단 시스템의 일부 또는 전부의 구성이 외부 설비(10)에 장착된 상태로 이용될 수 있다. 도 3에서는 예시적으로 외부 설비(10)에 해당하는 부분은 점선으로, 진단 시스템(100)에 해당하는 부분은 실선으로 도시하였다.
이하에서는 본 명세서의 일 실시예에 따른 립스 유닛(1200)에 대하여 설명한다.
본 명세서의 일 실시예에 따르면, 립스 유닛(1200)은 진단을 수행하기 위해 검체에 레이저를 조사할 수 있다. 또, 립스 유닛(1200)은 레이저가 조사로 인하여 검체에 형성된 플라즈마로부터 광을 수집할 수 있다. 또, 립스 유닛(1200)은 수집된 광으로부터 스펙트럼 데이터를 획득할 수 있다.
도 4는 본 명세서의 일 실시예에 따른 립스 유닛(1200)의 블록도이다.
도 4를 참조하면, 립스 유닛(1200)은 레이저 조사 모듈(1210), 광 수집 모듈(1220), 분광 측정 모듈(1230), 트리거링 모듈(1240), 제1 콘트롤러(1250), 제1 메모리(1260) 및 제1 통신 모듈(1270)을 포함할 수 있다.
본 명세서의 일 실시예에 따르면, 레이저 조사 모듈(1210)이 검체(1)에 레이저를 조사하고, 광 수집 모듈(1220)이 레이저를 조사받은 검체(1)로부터 광을 수집하고, 분광 측정 모듈(1230)이 수집된 광의 파장 별 세기를 감지하고, 제1 콘트롤러(1250)이 분광 측정 모듈(1230)의 감지 결과에 기초한 스펙트럼 데이터를 생성함으로써, 립스 유닛(1200)이 검체(1)에 대한 스펙트럼 데이터를 획득할 수 있다.
이하에서는 본 명세서의 일 실시예에 따른 립스 유닛(1200)의 각 구성에 대해 설명한다.
레이저 조사 모듈(1210)은 검체(1)에 레이저를 조사할 수 있다. 또는, 레이저 조사 모듈(1210)은 외부 설비(10)로부터 출력되는 레이저를 검체(1)에 조사되도록 안내할 수 있다.
레이저를 조사받은 검체(1)에는 레이저 유도 붕괴 현상이 일어날 수 있다. 구체적으로, 레이저 조사 모듈(1210)에 의해 생체 조직에 레이저가 조사되는 경우, 생체 조직의 일부가 융발(ablation)되면서 플라즈마가 형성될 수 있다. 이처럼 플라즈마 유도 붕괴 현상이 일어나기 위해서는 레이저의 세기(laser intensity), 조사 면적 등의 특성이 특정한 조건을 만족해야 한다. 이를 위해 레이저 조사 모듈(1210)은 검체(1)에 조사되는 레이저의 특성을 조절할 수도 있다. 여기서, 조사 면적은 검체(1)에 조사된 레이저가 검체(1)에 입사되는 면적을 의미할 수 있다.
이하에서는 레이저 조사 모듈의 구체적인 구성에 관하여 상세하게 설명하기로 한다.
다시 도 4를 참조하면, 레이저 조사 모듈(1210)은 활성 레이저 매질(1212), 레이저 조절 부재(1214) 및 가이드 부재(1216)를 포함할 수 있다.
본 명세서의 일 실시예에 따르면, 레이저 조사 모듈(1210)은 활성 레이저 매질(1212)을 이용하여 레이저를 생성할 수 있다. 또 레이저 조절 부재(1214)는 레이저의 세기나 조사 면적, 초점 거리(focal length) 등을 비롯한 레이저의 성질을 설정 또는 변경할 수 있다. 가이드 부재(1216)는 레이저가 검체(1)에 적절히 조사되도록 검체(1)와 레이저 조사 모듈(1210) 간의 위치 관계를 설정할 수 있다.
활성 레이저 매질(1212)은 에너지를 공급받아 레이저를 생성할 수 있다. 레이저 조사 모듈(1210)은 활성 레이저 매질(1212)에서 생성된 레이저를 연속 빔 또는 펄스 빔 형태로 출력할 수 있다. 여기서, 펄스 레이저를 출력하는 경우에는 활성 레이저 매질(1212)에 의해 생성된 레이저를 펄스 신호로 여기하거나 Q 스위칭, 모드 동기 등을 이용할 수 있으며, 펄스 폭(duration)을 조절함으로써 레이저에 의해 출력 세기(단위 시간 당 에너지)가 조절될 수 있다. 또 레이저 조사 모듈(1210)은 특정 파장의 레이저를 출력할 수 있다. 이때, 출력되는 레이저의 파장은 활성 레이저 매질(1212)의 종류에 의해 결정될 수 있다. 예를 들어, 활성 레이저 매질(1212)이 Nd:YAG 소재로 제공되면, 레이저 조사 모듈(1210)은 1064nm 레이저, 1064nm 레이저의 하모닉 파장인 레이저 또는 1064nm 레이저가 하모닉 파장이 되는 레이저를 출력할 수 있다.
레이저 조절 부재(1214)는 검체(1)에 조사되는 레이저의 성질을 변경시킬 수 있다. 구체적으로, 레이저 조절 부재(1214)는 레이저 활성 매질(1212)에서 생성되거나 외부 설비에서 생성된 레이저의 성질을 조절할 수 있다. 다시 말해, 레이저 조절 부재(1214)는 활성 레이저 매질(1212) 또는 외부 설비에서 생성되어 레이저 조절 부재(1214)로 입력되는 레이저의 성질을 변경하여 변경된 성질을 갖는 레이저를 출력할 수 있다. 예를 들어, 레이저의 성질은 레이저의 세기, 형태, 초점 거리, 특정 거리에서의 조사 면적 등을 포함할 수 있다.
레이저 조절 부재(1214)는 레이저의 성질이 특정 조건을 만족하도록 조절할 수 있다.
일 예로, 레이저 조절 부재(1214)는 레이저의 세기를 조절할 수 있다. 예를 들어, 레이저 조절 부재(1214)는 검체(1)에 조사되는 레이저의 세기를 검체(1)에 플라즈마가 형성되기 위한 세기 이상으로 조절할 수 있다. 또 예를 들어, 레이저 조절 부재(1214)는 검체(1)에 조사되는 레이저의 세기를 검체(1)이 손상이 발생하는 세기 이하로 조절할 수 있다. 레이저 조절 부재(1214)가 레이저의 세기를 검체(1)에 플라즈마를 형성하는 세기보다 크고, 검체(1)에 손상이 발생하는 세기보다 작은 값으로 조정함으로써 립스 유닛(1200)은 검체(1)에 대한 비파괴 검사를 수행할 수 있다.
다른 예로, 레이저 조절 부재(1214)는 레이저의 형태를 변경할 수 있다. 여기서, 레이저의 형태는 콜리메이티드(collimated) 빔, 포커스드(focused) 빔 및 디포커스드(defocused) 빔을 포함할 수 있다. 예를 들어, 레이저 조절 부재(1214)는 콜리메이티드 빔으로 입력되는 레이저를 포커스드 레이저로 변경하여 출력할 수 있다. 또 예를 들어, 레이저 조절 부재(1214)는 포커스드 빔으로 입력되는 레이저를 콜리메이티드 레이저로 변경하여 출력할 수 있다
한편, 레이저의 형태가 변경되면 검체(1)에 조사되는 레이저의 조사 면적이 결정될 수 있다. 이에 따라 레이저에 의해 검체(1)가 인가받는 에너지의 세기가 결정될 수 있다.
여기서, 레이저 조절 부재(1214)는 검체(1)에 조사되는 레이저의 성질을 변경시키기 위해 렌즈나 필터, 미러, 핀 홀 등의 광학 요소(optical element)로 광학 수단으로 제공될 수 있다. 예를 들어, 레이저 조절 부재(1214)는 특정 투과율을 가진 필터로 제공되어 레이저의 세기를 감소시킬 수 있다. 다른 예를 들어, 레이저 조절 부재(1214)는 콜리메이팅 렌즈로 제공되어 입력받은 포커스드 레이저를 콜리메이티드 레이저로 출력할 수 있다. 또 다른 예를 들어, 레이저 조절 부재(1214)는 레이저의 초점 거리를 특정 거리로 변경하는 포커스 렌즈로 제공될 수도 있을 것이다.
가이드 부재(1216)는 검체(1)와 레이저 조사 모듈(1210) 간의 위치 관계를 설정할 수 있다. 이에 따라, 가이드 부재(1216)는 검체(1)에 조사되는 레이저의 조사 거리를 설정할 수 있다. 여기서, 조사 거리는 레이저 조사 모듈(1210)에서 출광되는 레이저와 검체(1) 간의 거리를 의미하는 것으로, 레이저의 초점 거리와는 별개의 개념으로 이해되어야 한다. 또한, 가이드 부재(1216)는 레이저의 조사 거리를 설정함으로써 검체(1)에 대한 레이저의 조사 면적을 설정할 수 있다.
가이드 부재(1216)는 레이저 조사 모듈(1210)의 일 지점으로부터 레이저의 조사 방향 측으로 연장될 수 있다. 예를 들어, 가이드 부재(1216)는 그 일단이 레이저 조사 모듈(1210)의 레이저가 출사되는 측의 단부에 연결되고, 일단으로부터 레이저가 출광되는 방향으로 연장되는 로드 형상, 바 형상, 할로우 실린더 형상 등으로 제공될 수 있다. 물론, 가이드 부재(1216)의 형상이 상술한 예로 한정되는 것은 아님을 미리 밝혀둔다. 예를 들어, 가이드 부재는 투명한 재질의 솔리드 실린더로 제공되는 것도 가능하다.
이러한 가이드 부재(1216)의 타단은 검체(1) 또는 검체(1)의 주변부에 접촉하는 접촉할 수 있다. 이에 따라 가이드 부재(1216)의 연장 길이에 의해 검체(1)와 레이저 조사 모듈(1210) 간의 위치 관계 및 레이저의 조사 거리가 설정될 수 있다.
또한, 가이드 부재(1216)는 레이저의 조사 면적을 설정함으로써 검체(1)의 조사되는 레이저에 의해 검체(1)에 인가되는 단위 면적당 에너지를 설정할 수도 있다.
예를 들어, 검체(1)로 조사되는 레이저의 형태가 포커스드 빔인 경우, 가이드 부재(1216)가 레이저의 조사 거리를 레이저의 초점에서 멀게 설정할수록 조사 면적이 커지게 설정되고 검체(1)에 인가되는 단위 면적당 에너지 세기가 줄어들 수 있다.
여기서, 검체(1)에 인가되는 단위 면적당 에너지 세기는 가이드 부재(1216)의 연장 길이에 따라 결정되는 조사 면적 이외에도 레이저 활성 매질(1212)에서 출력되는 레이저의 특성 및 레이저 조절 부재(1214)에서 변경되는 레이저의 특성에 의해 결정될 수 있다. 이에 대한 보다 상세한 설명은 후술하기로 한다.
한편, 상술한 레이저 조사 모듈(1210)의 구성 요소가 모두 필수적인 것은 아니며, 따라서 레이저 조사 모듈(1210)에서 상술한 구성 요소의 일부가 생략될 수 있다. 예를 들어, 검체(1)에 조사되는 레이저의 세기를 조절할 필요가 없는 경우 레이저 조절 부재(1214)가 생략될 수 있다. 다른 예로, 애드 온 형태의 진단 시스템(100b)에는 레이저 활성 매질(1212)이 생략될 수 있다.
본 명세서의 일 실시예에 따르면, 광 수집 모듈(1220)은 검체(1)로부터 광을 수집할 수 있다. 또, 광 수집 모듈(1220)은 수집된 광을 분광 측정 모듈(1230) 및/또는 트리거링 모듈(1240)에 제공할 수 있다.
다시 도 4를 다시 참조하면, 본 명세서의 일 실시예에 따른 광 수집 모듈(1220)은 수광 부재(1221) 및 광 전달 부재(1222)를 포함할 수 있다.
수광 부재(1221)는 검체(1)로부터 광을 수집할 수 있다. 예를 들면, 수광 부재(1221)는 검체(1)로부터 광을 입사받도록 배치되는 렌즈 등의 입사 수단일 수 있다. 이에 따라 수광 부재(1221)는 검체(1)에 레이저가 조사되면 야기되는 레이저 파생광과 레이저 조사에 의해 발생한 플라즈마 광을 수광할 수 있다.
광 전달 부재(1222)는 수집된 광을 분광 측정 모듈(1230) 및/또는 트리거링 모듈(1240)에 전달할 수 있다. 예를 들어, 광 전달 부재(1222)는 광 케이블 또는 광 섬유 등 광을 전달하는 다양한 수단으로 제공될 수 있다.
분광 측정 모듈(1230)은 입력되는 광의 파장 별 세기를 감지할 수 있다. 예를 들어, 분광 측정 모듈(1230)은 광 전달 부재(1222)를 통해 광 수집 모듈(1220)이 수집한 광을 전달받아 수집된 광의 파장 별 세기를 감지할 수 있다.
여기서, 분광 측정 모듈(1230)은 입력되는 광을 분광해 분광된 광의 파장 별 세기에 따른 전기적 신호를 출력함으로써, 파장 별 세기를 감지할 수 있다. 후술하겠지만, 제1 콘트롤러(1250)는 이처럼 분광 측정 모듈(1230)의 감지 결과(예를 들어, 전기적 신호)를 이용하여 스펙트럼 데이터를 생성할 수 있다.
다시 도 4를 다시 참조하면, 본 명세서의 일 실시예에 따른 분광 측정 모듈(1230)은 분광 부재(1231) 및 센서 어레이(1232)를 포함할 수 있다.
분광 부재(1231)는 분광 측정 모듈(1230)로 입력되는 광을 분광할 수 있다. 여기서, 분광 측정 모듈(1230)로 입력되는 광은 광 수집 모듈(1220)이 검체(1)로부터 수집한 광일 수 있다.
분광 부재(1231)는 빛의 간섭 현상, 빛의 회절 현상 및 빛의 굴절 현상 중 적어도 어느 하나를 이용하여 광의 파장이나 주파수에 따라 광의 진행 경로를 분리할 수 있다. 대표적인 분광 부재(1231)의 예로는, 회절 격자(그레이팅, grating) 또는 프리즘이 있다.
센서 어레이(1232)는 파장 별로 분리된 광의 세기를 파장 별로 감지할 수 있다. 센서 어레이(1232)는 파장에 따라 분리된 광의 진행 경로 상에서 서로 다른 파장의 광을 수신하는 복수의 센서가 어레이 형태로 배열되는 것으로 제공될 수 있다. 각각의 센서는 수신되는 광의 세기 또는 광량에 대응하는 전압값 또는 전류값을 가지는 전기적 신호를 출력할 수 있다. 이에 따라 센서 어레이(1232)는 파장 별 광의 세기를 감지할 수 있다.
센서 어레이(1232)는 다양한 종류의 소자로 구성될 수 있다. 예를 들어, 센서 어레이(1232)는 포토 다이오드(photo diode), 포토 트랜지스터(photo transistor), 포토 인터럽터(photo interrupter), 포토 커플러(photo coupler), CdS(Cadmiumsulfide) 셀, 태양 전지, CCD(Charged Coupled Device), CMOS 센서 및 APD(Avalanche photo diode) 중 적어도 하나를 포함할 수 있다.
센서 어레이(1232)가 감지하는 파장 범위는 분광 부재(1231)로부터 센서 어레이(1232)의 상대적인 위치에 따라 설정될 수 있다. 예를 들어, 센서 어레이(1232)가 분광 부재(1231)로부터 멀리 배치될수록 더 넓은 파장 범위에 대해 감지할 수 있다. 한편, 센서 어레이(1232)에서 복수의 센서의 배열 간격이 일정한 경우에는 감지되는 파장 범위가 커질수록 파장에 대한 해상도는 낮아질 수 있다.
한편, 검체(1)에 조사되는 레이저의 파장(이하 '조사 파장'이라 함)이 제외되도록 센서 어레이(1232)가 광을 감지하는 파장 범위를 설정할 필요가 있을 수 있다. 일 예로, 조사 파장의 광이 센서 어레이(1232)에 수신되지 않도록 센서 어레이(1232)가 조사 파장의 진행 경로 외측에 배치될 수 있다. 구체적인 예를 들면, 검체(1)에 1064nm의 레이저를 조사하는 경우 센서 어레이(1232)는 200nm~800nm의 파장의 광의 진행 경로에 배치될 수 있다. 다른 예로, 센서 어레이(1232)가 조사 파장의 진행 경로 상에 배치되고, 조사 파장의 진행 경로 상에 위치하는 특정 센서를 블라인드 처리 또는 마스킹함으로써, 센서 어레이(1232)가 조사 파장의 광을 수신하지 않도록 할 수도 있다.
이처럼, 감지하는 파장 범위에서 조사 파장이 제외된 센서 어레이(1232)는 조사 파장과 유사한 파장을 갖는 레이저 파생광을 감지하지 않을 수 있다. 한편, 광 소자가 레이저 파생광을 감지하는 경우 레이저 파생광의 세기 또는 에너지가 강하므로 광 소자를 손상시킬 수 있다. 예를 들어, 센서 어레이(1232)가 조사 레이저 또는 레이저 파생광을 감지하는 경우 포화(saturation)되어 광 감지 기능을 수행하지 못하게 될 수 있다. 따라서, 상술한 바와 같이 센서 어레이(1232)가 레이저 파생광 같은 조사 파장의 광을 수신하지 않음으로써 손상되는 것을 방지할 수 있다.
트리거링 모듈(1240)는 트리거링 동작을 수행할 수 있다. 여기서, 트리거링 동작은 레이저 조사 시점, 레이저 유도 붕괴의 시작 시점 및 플라즈마 발생 시점 중 적어도 하나를 지시하는 동작을 의미할 수 있다. 후술하겠지만 트리거링 동작은 분광 측정 모듈이 레이저 유도 붕괴로 인해 발생하는 광에 대한 분광 측정을 개시하거나 또는 레이저 유도 붕괴로 인해 발생하는 광에 대한 분광 측정을 수행한 구간을 판별하기 위해 이용될 수 있다.
일 예로, 트리거링 모듈(1240)은 검체(1)에 조사되는 레이저 또는 그 반사광을 수신하면 트리거링 신호를 출력함으로써 트리거링 동작을 수행할 수 있다. 이때 트리거링 모듈(1240)은 광 수신에 따라 전기적 신호를 출력하는 광 센서로 제공될 수 있다. 여기서, 센서 어레이(1232) 중 조사 파장을 수신하는 위치에 배치되는 특정 센서가 트리거링 모듈(1240)로 동작할 수도 있다.
다른 예로, 트리거링 모듈(1240)은 검체(1)에 조사될 레이저를 생성하기 위한 전기적 신호를 수신하면 트리거링 신호를 출력함으로써 트리거링 동작을 수행할 수 있다. 이외에도 레이저 생성을 위한 전기적 신호 자체를 트리거링 신호로 이용될 수도 있다.
제1 통신 모듈(1270)은 외부 기기와 통신을 수행할 수 있다. 립스 유닛(1200)은 제1 통신 모듈(1270)을 통해 진단 유닛(1400)이나 외부 서버와 데이터 송수신을 할 수 있다. 예를 들어, 립스 유닛(1200)은 제1 통신 모듈(1270)을 통해 스펙트럼 데이터 또는 분광 측정 모듈(1230)에서 감지된 광량에 기초한 전기적 신호를 진단 유닛(1400)에 전달할 수 있다. 또 다른 예로, 립스 유닛(1200)은 제1 통신 모듈(1270)을 통해 인터넷에 접속하여 스펙트럼 데이터를 업로드할 수 있다.
제1 통신 모듈(1270)은 크게 유선 타입과 무선 타입으로 나뉜다. 유선 타입과 무선 타입은 각각의 장단점을 가지므로, 경우에 따라서는 립스 유닛(1200)에는 유선 타입과 무선 타입이 동시에 마련될 수도 있다.
여기서, 유선 타입의 경우에는 LAN(Local Area Network)이나 USB(Universal Serial Bus) 통신이 대표적인 예이며 그 외의 다른 방식도 가능하다. 또 여기서, 무선 타입의 경우에는 주로 블루투스(Bluetooth)나 직비(Zigbee)와 같은 WPAN(Wireless Personal Area Network) 계열의 통신 방식을 이용할 수 있다. 그러나, 무선 통신 프로토콜이 이로 제한되는 것은 아니므로 무선 타입의 통신 모듈은 와이파이(Wi-Fi) 같은 WLAN(Wireless Local Area Network) 계열의 통신 방식이나 그 외의 알려진 다른 통신 방식을 이용하는 것도 가능하다.
제1 메모리(1260)는 각종 정보를 저장할 수 있다. 제1 메모리(1260)에는 각종 데이터가 임시적으로 또는 반영구적으로 저장될 수 있다. 제1 메모리(1260)의 예로는 하드 디스크(HDD: Hard Disk Drive), SSD(Solid State Drive), 플래쉬 메모리(flash memory), 롬(ROM: Read-Only Memory), 램(RAM: Random Access Memory) 등이 있을 수 있다. 제1 메모리(1260)는 립스 유닛(1200)에 내장되는 형태나 탈부착 가능한 형태로 제공될 수 있다.
제1 메모리(1260)에는 립스 유닛(1200)을 구동하기 위한 운용 프로그램(OS: Operating System)이나 립스 유닛(1200)의 각 구성을 동작시키기 위한 프로그램을 비롯해 립스 유닛(1200)의 동작에 필요한 각종 데이터가 저장될 수 있다. 예를 들어, 제1 메모리(1260)에는 분광 측정 모듈(1230)에서 감지된 광량에 기초하여 생성된 전기적 신호 또는 스펙트럼 데이터가 저장될 수 있다.
제1 콘트롤러(1250)는 립스 유닛(1200)의 전반적인 동작을 제어할 수 있다. 예를 들어, 제1 콘트롤러(1250)는 제1 메모리(1260)로부터 분광 측정 모듈(1230)의 동작을 위한 프로그램을 로딩하여 실행하거나 레이저 조사 모듈(1210)에서 레이저가 조사되는 것을 제어하기 위한 제어 신호를 생성하거나 트리거링 모듈(1240)로부터 트리거링 신호를 제공받아 분광 측정 모듈(1230)에 전달할 수 있다.
제1 콘트롤러(1250)는 하드웨어나 소프트웨어 또는 이들의 조합에 따라 CPU(Central Processing Unit)나 이와 유사한 장치로 구현될 수 있다. 하드웨어적으로 전기적 신호를 처리하여 제어 기능을 수행하는 전자 회로 형태로 제공될 수 있으며, 소프트웨어적으로는 하드웨어적 회로를 구동시키는 프로그램이나 코드 형태로 제공될 수 있다.
립스 유닛(1200)은 별도의 전원부를 가지거나 유선 혹은 무선으로 외부로부터 전원을 공급받을 수 있으며 전원부를 제어하는 스위치를 별도로 가질 수 있다.
이하에서는 본 명세서의 일 실시예에 따른 진단 유닛(1400)에 대하여 설명한다.
본 명세서의 일 실시예에 따르면, 진단 유닛(1400)은 검체(1)에 대한 진단을 수행할 수 있다. 또, 진단 유닛(1400)은 검체(1)에 대한 진단을 수행한 결과를 사용자에게 제공할 수 있다.
진단 유닛(1400)은 검체(1)을 진단함에 있어서 다양한 데이터를 이용할 수 있다. 예를 들어, 진단 유닛(1400)은 스펙트럼 데이터, 이미지 데이터 및 음향 데이터 중 적어도 하나를 이용할 수 있다.
여기서, 진단 유닛(1400)은 검체(1)을 진단하기 위한 데이터를 립스 유닛(1200)으로부터 제공받을 수 있다. 진단 유닛(1400)은 립스 유닛(1200)으로부터 스펙트럼 데이터를 획득하고 이를 이용하여 검체(1)에 대한 진단을 수행할 수 있다. 구체적인 예를 들면, 립스 유닛(1200)이 검체(1)에 레이저를 조사하여 플라즈마를 형성시키고 그로부터 플라즈마 광을 분광 분석하여 획득한 스펙트럼 데이터를 진단 유닛(1400)에 제공하면, 진단 유닛(1400)은 이를 이용하여 검체(1)에 질병이 있는지 여부를 판단할 수 있다.
도 5는 본 명세서의 일 실시예에 따른 진단 유닛(1400)의 블록도이다.
도 5를 참조하면, 진단 유닛(1400)은 제2 콘트롤러(1410), 입력 모듈(1420), 출력 모듈(1430), 제2 통신 모듈(1440) 및 제2 메모리(1450)을 포함할 수 있다.
본 명세서의 일 실시예에 따르면, 제2 콘트롤러(1410)는 제2 통신 모듈(1440)을 이용해 립스 유닛(1200)으로부터 검체(1)에 대한 스펙트럼 데이터를 획득하고 제2 메모리(1450)에 저장된 진단을 위한 프로그램을 이용하여 질병 유무나 건강 상태, 조성 등과 같은 검체(1)의 상태를 판단하고, 출력 모듈(1430)로 그 결과를 출력함으로써 진단 유닛(1400)이 검체(1)에 대한 진단을 수행할 수 있다.
이하에서는 본 명세서의 일 실시예에 따른 진단 유닛(1400)의 각 구성에 대해 설명한다.
제2 통신 모듈(1440)은 외부 기기와 통신을 수행할 수 있다. 진단 유닛(1400)은 제2 통신 모듈(1440)을 이용하여 립스 유닛(1200) 또는 외부 서버와 데이터 통신을 수행할 수 있다. 예를 들어, 진단 유닛(1400)은 제2 통신 모듈(1440)을 이용하여 립스 유닛(1200)으로부터 검체(1)을 진단하는 데에 필요한 데이터를 획득할 수 있다.
제2 통신 모듈(1440)은 제1 통신 모듈(1270)과 유사하게 제공될 수 있으므로, 이에 대한 보다 자세한 설명은 생략하기로 한다.
제2 메모리(1450)는 진단 유닛(1400)의 각종 정보를 저장할 수 있다.
제2 메모리(1450)에는 진단 유닛(1400)을 구동하기 위한 운용 프로그램이나 진단 유닛(1400)의 각 구성을 동작시키기 위한 프로그램을 비롯해 진단 유닛(1400)의 동작에 필요한 각종 데이터가 저장될 수 있다. 예를 들어, 제2 메모리(1450)에는 검체(1)에 관한 스펙트럼 데이터를 가공하기 위한 프로그램 및 데이터 분석을 위한 인공 신경망이 저장될 수 있다.
제2 메모리(1450)는 제1 메모리(1260)와 유사하게 제공될 수 있으므로, 이에 대한 보다 자세한 설명은 생략하기로 한다.
입력 모듈(1420)은 사용자로부터 사용자 입력을 수신할 수 있다. 사용자 입력은 키 입력, 터치 입력, 음성 음력을 비롯한 다양한 형태로 이루어질 수 있다. 입력 모듈(1420)의 예로는 전통적인 형태의 키패드나 키보드, 마우스는 물론, 사용자의 터치를 감지하는 터치 센서 및 그 외의 다양한 형태의 사용자 입력을 감지하거나 입력 받는 다양한 형태의 입력 수단을 모두 포함하는 포괄적인 개념이다. 또, 입력 모듈(1420)은 자체적으로 사용자 입력을 감지하는 장치 대신 전자 기기에 사용자 입력을 입력 받는 외부의 입력 장치를 연결시키는 입력 인터페이스(USB 포트, PS/2 포트 등)의 형태로 구현될 수도 있다.
출력 모듈(1430)은 각종 정보를 출력해 사용자에게 이를 제공할 수 있다. 출력 모듈(1430)은 영상을 출력하는 디스플레이, 소리를 출력하는 스피커, 진동을 발생시키는 햅틱 장치 및 그 외의 다양한 형태의 출력 수단을 모두 포함하는 포괄적인 개념이다. 이외에도 출력 모듈(1430)은 전자 기기에 개별 출력 수단을 연결시키는 포트 타입의 출력 인터페이스의 형태로 구현될 수도 있다.
제2 콘트롤러(1410)는 진단 유닛(1400)의 전반적인 동작을 제어할 수 있다. 예를 들어, 제2 콘트롤러(1410)는 제2 메모리(1450)로부터 데이터 가공 및 분석을 위한 프로그램을 로딩하여 립스 유닛(1200)으로부터 획득한 데이터를 가공 및 분석하고 그 결과를 출력 모듈(1430)을 통해 사용자에게 제공하도록 제어 신호를 생성할 수 있다.
제2 콘트롤러(1410)는 제1 콘트롤러(1250)와 유사하게 제공될 수 있으므로, 이에 대한 보다 자세한 설명은 생략하기로 한다.
진단 유닛(1400)은 별도의 전원부를 가지거나 유선 혹은 무선으로 외부로부터 전원을 공급받을 수 있으며 전원부를 제어하는 스위치를 별도로 가질 수 있다.
이하에서는 본 명세서의 일 실시예에 따른 진단 방법에 관하여 설명한다. 이하의 설명에서는 본 명세서의 일 실시예에 따른 진단 방법이 상술한 진단 시스템(100)에 의해 수행되는 것으로 설명한다. 다만, 이는 설명의 편의를 위한 것에 불과하므로, 본 명세서의 일 실시예에 따른 진단 방법이 상술한 진단 시스템(100)으로 한정되는 것은 아니다. 즉, 후술되는 진단 방법이 반드시 상술한 진단 시스템(100)에 의해서만 수행되어야 하는 것은 아니며 상술한 진단 시스템(100)과 유사한 기능을 갖는 다른 시스템이나 장치 등에 의해 수행되는 것도 가능하다.
도 6은 본 명세서의 일 실시예에 따른 진단 방법에 관한 순서도이고, 도 7은 본 명세서의 일 실시예에 따른 진단 방법이 수행되는 과정에 관한 예시도이다.
도 6을 참조하면, 본 명세서의 일 실시예에 따른 진단 방법은 검체에 레이저를 조사하는 단계(S1100), 검체로부터 광을 수집하는 단계(S1200), 수집된 광으로부터 스펙트럼 데이터를 획득하는 단계(S1300) 및 획득된 스펙트럼 데이터를 이용하여 진단하는 단계(S1400)를 포함할 수 있다.
이하에서는 상술한 각 단계들에 대해서 보다 구체적으로 설명한다.
진단 시스템(100)은 검체(1)에 레이저를 조사할 수 있다(S1100). 구체적으로는 도 7에 도시된 바와 같이 립스 유닛(1200)의 레이저 조사 모듈(1210)은 검체(1)에 레이저를 조사할 수 있다. 여기서, 레이저 조사 모듈(1210)은 직접 레이저를 생성하여 검체(1)로 레이저를 출력하거나 또는 외부 설비(10)로부터 레이저를 입력 받아 검체(1)로 레이저를 출력할 수 있다.
레이저를 조사받은 검체(1)에는 플라즈마 어블레이션이 유도되고 이에 따라 검체(1) 또는 그 주변에 플라즈마가 형성될 수 있다. 여기서, 검체(1)에 조사되는 레이저는 검체(1)에 어블레이션을 유도하고 플라즈마가 형성되도록 소정의 세기, 주기 및 형태를 갖는 펄스 레이저를 포함할 수 있다. 검체(1)에 조사되는 레이저의 세기, 주기 및 형태는 레이저 조사 모듈(1210)에 의해 설정되거나 조절될 수 있다.
진단 시스템(100)은 검체(1)로부터 레이저의 조사와 관련된 또는 레이저 조사에 의해 유발된 광을 수집할 수 있다(S1200). 구체적으로는 도 7에 도시된 바와 같이 립스 유닛(1200)의 광 수집 모듈(1220)이 검체(1)로부터 광을 수신할 수 있다.
예를 들어, 도 7에 도시된 바와 같이, 검체(1)에 레이저가 조사되면 여러 방향으로 광이 발산될 수 있고 광 수집 모듈(1220)은 발산되는 광의 적어도 일부를 수신할 수 있다.
여기서, 수집된 광은 광 전달 부재(1222)를 통해 분광 측정 모듈(1230) 및/또는 트리거링 모듈(1240)에 제공될 수 있다.
진단 시스템(100)은 수집된 광에 관한 스펙트럼 데이터를 획득할 수 있다(S1300). 구체적으로 립스 유닛(1200)의 분광 측정 모듈(1230)은 광 수집 모듈(1220)로부터 수집된 광을 전달받고, 수집된 광에 관한 스펙트럼 데이터를 생성할 수 있다. 보다 구체적으로 도 7에 도시된 바와 같이 분광 부재(1231)는 광 수집 모듈(1220)로부터 수집된 광을 입사받아 파장에 따라 분광하고, 센서 어레이(1232)가 분광된 광의 파장 별 세기를 측정할 수 있다. 여기서, 트리거링 모듈(1240)은 광이 수신되면 트리거링 신호를 생성해 센서 어레이(1232)로 출력할 수 있다. 센서 어레이(1232)는 트리거링 신호를 이용해 파장 별 세기 측정을 수행할 수 있다.
진단 시스템(100)은 획득한 스펙트럼 데이터를 이용하여 검체(1)에 대한 진단을 수행할 수 있다(S1400). 보다 구체적으로 진단 유닛(1400)은 립스 유닛(1200)이 획득한 스펙트럼 데이터를 이용하여 진단을 수행할 수 있다. 예를 들어, 도 7에 도시된 바와 같이 진단 유닛(1400)은 스펙트럼 데이터를 가공하고 데이터 분석 프로그램 등을 이용하여 검체(1)에 질병이 있는지 여부 또는 검체(1)의 상태 등을 판단할 수 있다. 진단 유닛(1400)은 스펙트럼 데이터를 분석함에 있어서 인공 신경망, 기계 학습 또는 빅 데이터 분석 등을 활용한 진단 알고리즘을 이용할 수 있다. 또, 진단 유닛(1400)은 검체(1)에 대해 진단을 수행한 결과를 출력 모듈(1430)을 통해 사용자에게 제공할 수 있다.
이하에서는 진단 방법과 관련하여 진단 시스템(100)에 의해 수행되는 몇몇 동작들에 대해서 보다 구체적으로 설명한다.
이하에서는 진단 방법과 관련하여 진단 시스템(100)에 의해 수행되는 동작 중 스펙트럼 데이터 획득 동작에 대해 설명한다. 다만, 스펙트럼 데이터 획득 동작에 대해 설명하기 앞서 본 명세서의 일 실시예에 따른 진단 시스템(100)이 획득하고자 하는 스펙트럼 데이터에 대해 설명한다.
본 명세서의 일 실시예에 따르면, 진단 시스템(100)은 스펙트럼 데이터를 이용하여 검체(1)에 대한 진단을 수행할 수 있다.
도 8은 본 명세서의 일 실시예에 따른 레이저 유도 붕괴에 관한 도면이다.
본 명세서의 일 실시예에 따르면, 검체(1)에 일정 세기 이상의 펄스 레이저가 조사되면 레이저 유도 붕괴가 일어날 수 있다. 여기서, 검체(1)에 레이저가 조사되고 경과된 시간에 따라 검체(1)에 다양한 현상이 유도될 수 있다.
레이저 조사에 따라 검체(1)에 일정량 이상의 에너지가 인가되면 검체(1)의 일부가 붕괴되면서 떨어져 나와 증기가 형성되고 이어 플라즈마가 유도될 수 있다. 예를 들어, 도 8을 참조하면 펄스 레이저에 의해 검체(1)에 일정 세기 이상의 에너지가 인가되면 레이저가 조사되고 약 1ns 경과된 시점에서 검체(1)의 일부 입자가 붕괴되면서 증기가 형성되고 플라즈마 플럼(plasma plume)이 형성되기 시작하며 약 10ns 내지 수십 ns 경과된 시점까지 플라즈마 플럼이 확장될 수 있다. 여기서, 플라즈마로부터 플라즈마 방출이 나타날 수 있으며 그로 인해 플라즈마 광이 발산될 수 있다. 여기서, 플라즈마 방출은 플라즈마 내 자유 전자에 의한 사이클로트론 복사(ECE: Electron Cyclotron Emission), 제동 복사(bremsstrahlung radiation) 및 재결합(recombination) 반응에 의한 방출 등과 같은 불특정 방출(non-specific emission) 또는 연속 방출(continuum emission)로, 불특정한 파장을 가지는 연속 스펙트럼(continuous spectrum)의 성질을 가질 수 있다.
검체(1)에 형성된 플라즈마는 시간의 흐름에 따라 확장되고 냉각되면서 들뜬 전자들이 특정 에너지 준위로 전이하면서 광 방출이 나타날 수 있다. 예를 들어, 다시 도 8을 참조하면, 검체(1)에 레이저가 조사되고 약 1us 경과된 시점에서 검체(1)로부터 요소 특정 방출이 활발하게 일어날 수 있다. 여기서, 요소 특정 방출은 플라즈마가 이온, 원자 또는 분자 등의 상태로 돌아가는 과정에서 전자가 특정한 에너지 준위에서 다른 특정한 에너지 준위로 전이하는 것에 의해 발생하므로 선 스펙트럼(line spectrum) 또는 이산 스펙트럼(discrete spectrum)의 성질을 가질 수 있다. 물론, 요소 특정 방출이 반드시 검체(1)에 레이저가 조사된 후 약 1us 경과된 후에 일어나는 것은 아니며 그 이전부터 발생할 수도 있다.
도 9는 본 명세서의 일 실시예에 따른 레이저 유도 붕괴 시 방출되는 광에 관한 그래프이다.
도 9를 참조하면, 레이저가 출력되어 검체(1)에 도달하기까지 소정의 시간이 소요될 수 있다. 예를 들어, 레이저 조사 모듈(1210)로부터 펄스 레이저가 출력되어 검체(1)에 도달하기까지 레이저 조사 모듈(1210)과 검체(1) 사이의 거리에 기초하여 소정의 시간(예를 들면 1ns)이 소요될 수 있다. 또한, 펄스 레이저는 펄스 폭만큼 지속될 수 있으며 펄스 레이저의 출력 에너지와 펄스 폭에 따라 펄스 레이저의 광 신호 세기가 설정될 수 있다.
다시 도 9를 참조하면, 검체(1)에 레이저가 조사된 이후 초반에는 불특정 방출이 지배적으로 나타나고 후반에는 요소 특정 방출이 지배적으로 나타날 수 있다. 예를 들어, 검체(1)에 레이저가 조사된 후 약 1ns 부터 약 1us까지의 구간에서는 불특정 방출이 우세하게 나타나며 연속 스펙트럼을 갖는 광들이 주로 발산될 수 있다. 또 다른 예로, 검체(1)에 레이저가 조사된 후 약 1us 부터 약 10us까지의 구간에서는 요소 특정 방출이 우세하게 나타나며 선 스펙트럼을 갖는 광들이 주로 발산될 수 있다. 또한, 검체(1)에 레이저가 조사에 따라 발산하는 발생 광은 초반에 그 세기가 증가하다가 후반으로 갈수록 감소할 수 있다.
따라서, 레이저 조사 후 스펙트럼 측정 구간을 어떻게 설정하는지에 따라 관측되는 스펙트럼이 달라질 수 있다. 따라서, 얻고자 하는 스펙트럼의 형태에 따라 스펙트럼 측정 구간을 적절히 선택할 수 있다. 예를 들어, 검체(1)의 특정 원소 함량을 검사하고자 하는 경우에는 요소 특정 스펙트럼을 얻기 위하여 플라즈마 방출이 종료된 후 또는 플라즈마 방출이 감소된 후로 스펙트럼 관측 구간을 설정할 수 있다. 다른 예를 들어, 검체(1)에서 발생하는 불특정 방출에 관해 분석하고자 하는 경우에는 관측 구간에 플라즈마 방출이 유지되는 레이저 조사 후의 초기 시점이 포함되도록 관측 구간을 설정할 수 있을 것이다.
한편, 이상에서 도 8 및 도 9를 참조하여 레이저 유도 붕괴 현상과 관련하여 언급된 시점이나 시간 구간들은 예시적인 것에 불과하므로, 본 명세서의 실시예들이 이로 인해 한정되는 것은 아니다. 상술된 시점이나 시간 구간들은 예를 들어, 검체의 종류나 상태, 조사되는 레이저의 특성에 따라 변동될 수 있으며, 위의 예시들은 설명의 편의를 위한 것에 불과함을 미리 밝혀둔다.
다음은 몇몇 구간에서 관측되는 스펙트럼에 대한 설명이다.
도 10은 본 명세서의 일 실시예에 따른 제1 구간에서 관측되는 스펙트럼의 그래프이다.
다시 도 9를 참조하면, 제1 구간은 요소 특정 방출의 스펙트럼을 관측하기 위해 설정된 구간일 수 있다.
따라서, 제1 구간은 플라즈마 방출, 다시 말해 연속 스펙트럼을 갖는 불특정 방출이 실질적으로 종료된 시점 이후로 설정될 수 있다. 즉, 제1 구간은 검체(1)에서 발생하는 방출 중 요소 특정 방출의 비율이 지배적인 구간으로 설정될 수 있다. 예를 들어, 제1 구간은 검체(1)에 레이저가 조사되고 약 1us 경과된 시점부터 레이저가 조사되고 10us 경과된 시점까지일 수 있다.
이에 따라 제1 구간에서는 요소 피크(element peak)들이 도미넌트한 실질적인 선 스펙트럼이 관측될 수 있다. 여기서, 요소 피크는 특정 원소 또는 성분에서 고유한 파장을 갖는 광을 방출함에 따라 스펙트럼 상에서 해당 파장에서 표시되는 피크를 의미할 수 있다. 더 구체적으로, 요소 피크는 특정 원소에서 전자 전이로 인해 발산되어 특정 파장을 갖는 광이 주변의 다른 파장을 갖는 광에 비해 상대적으로 다량 감지될 때 상기 특정 파장에서 측정되는 광 세기값에 대응하여 스펙트럼에 표시되는 피크로 해석될 수 있다. 예를 들어, 도 10에 도시된 제1 구간에서 관측되는 스펙트럼은 약 600nm 근방에서 나트륨 요소 피크를 포함할 수 있고, 약 750nm 내지 약 800nm의 파장 영역에서 칼륨 피크 및 산소 피크 등을 포함할 수 있다. 한편, 스펙트럼에서 요소 피크가 나타나는 파장을 피크 파장(peak wavelength)으로 지칭할 수 있다.
물론, 물리적으로 엄밀히 살펴보면, 도 10에 도시된 바와 같이, 제1 구간에서 관측되는 스펙트럼에 플라즈마 방출에 의한 소량의 연속 스펙트럼이 포함되지만, 요소 특정 방출에 의한 선 스펙트럼에 비해 무시할만한 수준이거나 또는 데이터 분석 과정에서 결과에 영향을 미치지 않는 수준에 불과하므로, 본 명세서에서는 도 10에 도시된 스펙트럼이 불연속 스펙트럼, 또는 선 스펙트럼으로 이해될 수 있다.
도 11은 본 명세서의 일 실시예에 따른 제2 구간에서 관측되는 스펙트럼의 그래프이다.
다시 도 9를 참조하면, 제 2 구간은 플라즈마 방출(즉, 불특정 방출)과 요소 특정 방출의 스펙트럼을 모두 관측하기 위해 설정된 구간일 수 있다.
따라서, 제2 구간의 시작 시점은 플라즈마 방출, 다시 말해 연속 스펙트럼을 갖는 불특정 방출이 개시되는 시점으로 설정될 수 있다. 예를 들어, 제2 구간의 시작 시점은 검체(1)에 레이저가 조사되고 약 1ns 경과된 시점으로 설정될 수 있다.
여기서, 검체(1)에 대한 진단을 위해 플라즈마 방출을 관측하는 경우, 플라즈마 방출 전부를 관측해야만 하는 것은 아닐 수 있으므로, 제2 구간의 시작 시점이 반드시 불특정 방출이 개시되는 시점으로 설정되어야만 하는 것은 아니며, 불특정 방출이 충분히 유지되고 있는 시점을 제2 구간의 시작 시점으로 설정하는 것도 가능하다. 예를 들어, 실질적인 플라즈마 방출이 레이저 조사 후 1ns~100ns 구간에서 이루어지는 경우에는, 제2 구간의 시작 시점은 검체(1)에 레이저가 조사되고 적어도 100ns 이전 시점으로 설정될 수 있다. 이때, 만약 검체(1)에 대한 분석을 위해 특정 관측 영역에 대한 플라즈마 방출 전체 중 적어도 30% 이상이 필요한 경우라면, 제2 구간의 시작 시점이 특정 관측 영역에 대한 전체 플라즈마 방출에 따른 광량 중 적어도 30%가 수집될 수 있는 시점(예를 들어, 레이저 조사 후 수십 ns 경과된 시점)으로 설정될 수 있다. 여기서, 특정 관측 영역은 광 수집 모듈(1220)과 같은 관측 수단에 의해 관측되는 특정 영역을 의미할 수 있다. 이에 따라, 특정 관측 영역은 관측 수단과 검체(1) 사이의 위치 관계에 따라 다를 수 있으며, 특정 관측 영역에 대한 플라즈마 방출은 레이저 조사에 따라 발생한 플라즈마 방출 중 관측 수단에 의해 특정 영역에서 관측되는 플라즈마 방출로 이해될 수 있다. 즉, 특정 관측 영역에 대한 플라즈마 방출에 의한 광 전체는 검체(1)에 형성된 플라즈마에 의한 광 전체의 일부일 수 있다.
다만, 플라즈마 방출의 스펙트럼을 이용하여 검체(1)에 대한 진단을 수행할 시 광량이 많을수록 진단 정확도가 올라갈 수 있으므로, 제2 구간의 시작 시점은 레이저 조사 후 10ns 이전 시점으로 설정되는 것이 바람직할 수 있다.
여기서, 제2 구간에서 플라즈마 방출에 따른 스펙트럼과 요소 특정 방출에 따른 스펙트럼을 같이 관측하고자 하는 경우라면, 제2 구간의 종료 시점은 제2 구간이 요소 특정 방출이 발생하는 구간을 일정 이상 포함하도록 설정될 수도 있다. 예를 들어, 제2 구간의 종료 시점은 검체(1)에 레이저가 조사되고 약 10us 경과된 시점으로 설정될 수 있다. 따라서, 플라즈마 방출에 따른 스펙트럼과 요소 특정 방출에 따른 스펙트럼을 같이 관측하고자 하는 경우라면, 제2 구간은 제1 구간을 포함하도록 설정될 수 있다. 여기서, 제2 구간의 종료 시점이 반드시 특정되어야만 하는 것은 아니다. 예를 들어, 태양광 등과 같은 외부 광 등에 대한 요인이 충분히 억제 가능하다면, 제2 구간의 종료 시점은 플라즈마 어블레이션 과정이 완전히 종료된 어떠한 시점(예를 들어, 레이저 조사 후 1ms나 1s 등)으로 설정되는 것도 가능하다.
한편, 필요에 따라 플라즈마 방출(즉, 불특정 방출)의 스펙트럼만을 관측할 필요가 있는 경우라면, 플라즈마 관측 구간의 시작 시점을 제2 구간의 시작 시점으로 설정하고, 플라즈마 관측 구간의 종료 시점을 요소 특정 방출의 양이 일정 이상되기 이전 시점으로 설정할 수도 있을 것이다. 즉, 예를 들어, 플라즈마 관측 구간의 종료 시점은 검체(1)에 레이저가 조사되고 약 1us 경과된 시점으로 설정될 수 있다.
제2 구간에서 감지되는 스펙트럼은 도 11에 도시된 바와 같은 플라즈마 방출에 의한 연속 스펙트럼(continuous spectrum)과 요소 특정 방출에 의한 선 스펙트럼(line spectrum)을 포함할 수 있다.
상술한 바와 같이 제1 구간에서 관측된 스펙트럼에도 도 10에 도시된 바와 같이, 플라즈마 방출에 의한 연속 스펙트럼이 미량 포함되지만, 요소 특정 방출에 의한 선 스펙트럼에 비해 무시할만한 수준이거나 또는 데이터 분석 과정에서 결과에 영향을 미치지 않는 수준에 불과한데 반해, 제2 구간에서 관측된 스펙트럼에는 플라즈마 방출에 의한 연속 스펙트럼(continuous spectrum)과 요소 특정 방출에 의한 선 스펙트럼(line spectrum)이 유의미하게 포함된다.
제2 구간에서 감지되는 스펙트럼도 물리적인 의미에서는 연속 스펙트럼의 일종에 해당하지만, 제2 구간에서 감지되는 스펙트럼은 플라즈마 방출에 의한 연속 스펙트럼(continuous spectrum)과 요소 특정 방출에 의한 선 스펙트럼(line spectrum)이 결합된 형태이므로, 본 명세에서는 이를 복합 스펙트럼(Combined or Mixed spectrum)으로 지칭하기로 한다.
한편, 복합 스펙트럼이 플라즈마 방출에 의한 연속 스펙트럼(continuous spectrum)과 요소 특정 방출에 의한 선 스펙트럼(line spectrum)을 유의미하게 포함하는 것은, 본 명세서에서 스펙트럼 데이터를 이용한 진단을 수행함에 있어서, 플라즈마 방출에 의한 연속 스펙트럼(continuous spectrum)과 요소 특정 방출에 의한 선 스펙트럼(line spectrum)이 모두 고려되기 충분한 정도로 포함하는 것을 의미할 수 있다.
예를 들어, 제2 구간에서 감지되는 광은 특정 관측 영역에 대한 플라즈마 방출에 의한 광 전체 중 일정 비율(a specific ratio) 이상을 포함할 수 있다. 또 제2 구간에서 감지되는 광은 특정 관측 영역에 대한 요소 특정 방출에 의한 광 전체 중 일정 비율(a specific ratio) 이상을 포함할 수 있다. 여기서, 특정 관측 영역에 대한 요소 특정 방출은 특정 관측 영역에 대한 플라즈마 방출과 마찬가지로 레이저가 검체(1)에 조사됨에 따라 발생하는 요소 특정 방출 중 광 수집 모듈(1220)과 같은 관측 수단에 의해 관측되는 특정 영역 내에서의 요소 특정 방출을 의미할 수 있다. 예를 들어, 제2 구간에서 감지되는 광의 스펙트럼은 특정 관측 영역에 대한 플라즈마 방출에 의한 광 전체 중 30% 이상일 수 있다. 또 예를 들어, 제2 구간에서 감지되는 광의 스펙트럼은 특정 관측 영역에 대한 요소 특정 방출에 의한 광 전체 중 50% 이상을 포함할 수 있다. 상술한 30%와 50%는 예시적인 비율에 불과한 것임을 밝혀둔다.
또 다른 예로, 제2 구간에서 감지되는 광의 스펙트럼은 특정 파장 범위 내에서 특정 요소 피크의 세기값 및 피크 파장에 해당하지 않는 파장 범위에서의 세기값 중 최대 세기값이 각각 미리 정해진 문턱값 이상일 수 있다.
또 다른 예로, 제2 구간에서 감지되는 광의 스펙트럼은 특정 파장 범위에서 피크 파장 이외의 파장 범위에서의 세기값들의 합 및 요소 피크들의 총 세기값이 각각 미리 정해진 문턱값 이상일 수 있다.
또 다른 예로, 제2 구간에서 감지되는 광의 스펙트럼은 특정 파장 범위에서 전체 세기값이 미리 정해진 문턱값 이상이고, 특정 요소 피크의 세기값과 특정 요소 피크에 해당하지 않는 세기값 중 최대 세기값의 비율이 미리 정해진 비율 범위 이내일 수 있다.
또 다른 예로, 제2 구간에서 감지되는 광의 스펙트럼은 특정 파장 범위에서 전체 세기값이 미리 정해진 문턱값 이상이고, 요소 피크들의 총 세기값과 요소 피크에 해당하지 않는 세기값들의 합의 비율이 미리 정해진 비율 범위 이내일 수 있다.
또 다른 예로, 제2 구간에서 감지되는 광의 스펙트럼은 특정 파장 범위에서 전체 세기값에 대한 요소 피크의 총 세기값의 비율 및 전체 세기값에 대한 요소 피크에 해당하지 않는 세기값들의 합의 비율이 각각 미리 정해진 비율 범위 이내일 수 있다.
본 명세서의 일 실시예에서는, 상술한 복합 스펙트럼을 이용하여 진단을 수행할 수 있다.
종래의 립스는 주로 도 10에 도시된 형태의 선 스펙트럼을 이용하여 원소의 함량비 등을 검사하는 방식이 대부분이었다. 예를 들어, 미국 특허 "Laser-induced breakdown spectroscopy for specimen analysis(출원 번호: US10/662,347)"은 생물학적 샘플에 립스를 이용하여 샘플 내 추적 성분(trace element)의 유무를 감지하는 방법을 개시한다. 여기서, 추적 성분은 나트륨, 철, 알루미늄 칼슘, 칼륨 등을 의미하며 추적 성분 함량 판단을 위해 이산 스펙트럼 특성(discrete spectral signature)을 이용하는 방법이 기재되어 있다. 한편, 이러한 방식은 원소 함량이 상대적으로 특정되어 있는 금속이나 무생물 등의 분석에는 탁월한 효과가 있으나 샘플마다 특성이 다른 생물체에 대한 분석이나 진단에 있어서는 정보가 부족하여 그 정확도의 한계가 있었다.
상술한 복합 스펙트럼은 종래의 립스에서 사용하던 선 스펙트럼이 요소 특정 방출에 따른 요소 피크를 지배적으로 포함하는 데에 반해 요소 피크 뿐만 아니라 플라즈마 방출에 따른 피크 파장 이외의 파장 범위에서의 세기값들도 포함할 수 있다. 따라서, 복합 스펙트럼을 이용하면 선 스펙트럼보다 더 많은 정보를 이용하여 진단을 수행할 수 있어 진단의 감도(sensitivity) 및/또는 특이성(specificity) 등의 정확도가 증대될 수 있는 것이다.
여기서, 기존 립스에서는 복합 스펙트럼에서 피크 파장 이외의 파장 범위에서의 세기값은 노이즈 또는 불필요한 정보로 취급되었고 그 양(quantity)도 방대하여 처리하거나 분석하기 어려운 점이 있었다. 본 명세서의 일 실시예에 따르면, 추후 서술하는 바와 같이 복합 스펙트럼이 갖는 많은 양의 데이터를 기계 학습 또는 인공지능 기술을 이용하여 분석할 수 있고, 이에 따라 검체(1)로부터 복합 스펙트럼을 획득할 필요가 있는 것이다.
본 명세서의 일 실시예에 따른 스펙트럼 데이터 획득 동작은 상술한 복합 스펙트럼에 관한 파장 별 세기값을 획득하는 동작으로 해석될 수 있다. 구체적으로, 본 명세서의 일 실시예에 따른 진단 시스템(100)은 스펙트럼 데이터 획득 동작을 통해 제2 구간의 적어도 일부 구간에서 복합 스펙트럼에 대한 스펙트럼 데이터를 획득할 수 있다.
이하에서는 진단 시스템(100)이 복합 스펙트럼 또는 복합 스펙트럼에 관한 스펙트럼 데이터(이하 복합 스펙트럼 등)를 획득하기 위한 몇몇 실시예들에 관하여 설명하기로 한다.
본 명세서의 일 실시예에 따르면, 진단 시스템(100)은 게이티드 방식(gated type)을 통해 복합 스펙트럼 등을 획득할 수 있다.
본 명세서의 일 실시예에 따르면, 분광 측정 모듈(1230)의 센서 어레이(1232)가 게이티드 방식으로 동작할 수 있다. 여기서, 게이티드 방식이란 개시 신호에 기초하여 광 감지를 개시하는 센서 어레이(1232)를 이용하여 광을 수신하는 방식을 의미한다. 예를 들어, 게이티드 방식으로 동작하는 센서 어레이(1232)는 개시 신호가 인가되면 미리 정해진 지연 시간이 경과된 시점부터 미리 정해진 시간 동안 광 감지를 수행할 수 있다. 또 다른 예로, 게이티드 방식으로 동작하는 센서 어레이(1232)는 개시 신호의 인가 시점으로부터 종료 신호의 인가 시점까지 광 감지를 수행할 수 있다.
이하에서는 도 12를 참조하여 본 명세서의 일 실시예에 따라 립스 유닛(1200)이 게이티드 방식으로 동작하는 경우 센서 어레이(1232)가 동작하는 방법에 관하여 설명한다.
본 명세서의 일 실시예에 따르면, 립스 유닛(1200)이 게이티드 방식으로 동작하는 경우 센서 어레이(1232)는 특정 조건을 만족하면 광 감지 동작을 수행할 수 있다. 예를 들어, 센서 어레이(1232)는 제1 콘트롤러(1250)로부터 제어 신호를 획득하면 분광 부재(1231)에서 분광된 광을 감지하고 전기적 신호를 출력할 수 있다. 또 다른 예로, 센서 어레이(1232)는 트리거링 모듈(1240)로부터 트리거링 신호를 획득하면 분광 부재(1231)에서 분광된 광을 감지하고 전기적 신호를 출력할 수 있다.
도 12는 본 명세서의 일 실시예에 따른 게이티드 방식으로 동작하는 센서 어레이(1232)에 관한 도면이다.
도 12를 참조하면, 센서 어레이(1232)는 노광 구간(exposure period or integration period) 및 리셋 구간(reset period or readout period)을 가질 수 있다. 여기서, 노광 구간에서 센서 어레이(1232)는 입사되는 광을 축적할 수 있다. 광이 축적되면 광전 효과로 인해 센서 어레이(1232)는 축적되는 광의 세기, 양, 에너지를 반영하는 전기적 신호를 생성한다. 리셋 구간에서 센서 어레이(1232)는 노광 구간 동안 입사되는 광에 따라 생성된 전기적 신호를 외부로 출력할 수 있다. 또는 노광 구간 동안 외부에서 센서 어레이(1232)로부터 전기적 신호를 읽어들일 수 있다. 센서 어레이(1232)의 개별 센서들이 각각 파장 별로 상술한 방법에 따라 광의 세기를 출력함으로써, 스펙트럼 데이터가 생성되는 것이다. 또 리셋 구간에서는 다음 노광 구간에서 광을 감지할 수 있도록 센서 어레이(1232)에 축적된 광에 의한 전기적 신호나 전기 에너지가 리셋될 수 있다.
노광 구간은 소정의 노광 시간을 가질 수 있다. 여기서, 노광 시간은 플라즈마 광이 나타나는 시간 또는 플라즈마 방출이 나타나는 시간 보다 길게 설정될 수 있다. 또는, 노광 시간은 제2 구간의 길이보다 길게 설정될 수 있다. 예를 들어, 노광 시간은 약 1ms 이상으로 설정될 수 있다. 노광 시간이 플라즈마 광이 나타나는 시간 또는 플라즈마 방출 구간보다 길게 설정됨으로써 센서 어레이(1232)는 연속 스펙트럼 또는 복합 스펙트럼 등을 감지할 수 있다.
리셋 구간에서 센서 어레이(1232)는 노광 구간에서 축적된 광량에 대응하는 전기적 신호를 출력하거나 노광 구간에서 축적된 광을 제거하는 리셋 동작을 수행할 수 있다. 여기서, 리셋 구간은 리셋 동작을 수행하는 소정의 리셋 시간을 가질 수 있으며, 리셋 시간은 노광 시간에 비하여 상대적으로 짧게 설정될 수 있다. 예를 들어, 리셋 시간은 1us 내지 2us 범위 내에서 설정될 수 있다.
한편, 이상에서 상술한 노광 시간 및 리셋 시간들은 예시적인 것에 불과하므로, 본 명세서의 실시예들이 이로 인해 한정되는 것은 아니다. 일 예로, 노광 시간은 검체(1)에 레이저가 조사된 후 초기의 스펙트럼만을 감지하기 위해 약 100ns로 설정될 수도 있다.
게이티드 방식으로 동작하는 센서 어레이(1232)는 개시 신호를 획득한 후 상술한 노광 구간과 리셋 구간을 가짐으로써 광 감지 동작을 수행할 수 있다. 여기서, 개시 신호는 센서 어레이(1232)가 광 감지 동작을 수행하도록 지시하는 신호를 포함할 수 있다. 여기서, 개시 신호는 예를 들어, 후술되는 트리거링 신호일 수 있다.
일 예에 따르면, 게이티드 방식으로 동작하는 센서 어레이(1232)는 개시 신호를 수신하면 지연 시간이 경과한 후 노광 구간에 진입하여 광 감지를 시작할 수 있다. 이때, 광 감지의 시작 시점은 레이저가 출력된 후, 레이저의 출력 시점으로부터 개시 신호의 수신 시점까지의 시간 간격과 개시 신호의 수신 시점으로부터 노광 구간 진입 시점까지의 지연 시간이 경과한 시점일 수 있다.
개시 신호가 후술되는 트리거링 신호인 경우, 센서 어레이(1232)의 개시 신호 수신 시점은 레이저 조사 또는 출력 시점으로부터 소정 시간만큼 경과된 이후일 수 있다. 예를 들어, 제1 콘트롤러(1250) 및/또는 트리거링 모듈(1240)로부터 센서 어레이(1232)가 개시 신호를 획득하기까지는 검체(1)에 조사될 레이저가 출력되거나 레이저가 검체(1)에 조사된 후로부터 소정 시간이 소요될 수 있다.
지연 시간은 센서 어레이(1232)가 개시 신호를 획득한 후부터 광 감지를 시작하기까지의 시간으로 센서 어레이(1232)의 스펙에 의해 기 결정되어 있거나 또는 사용자에 의해 정의될 수 있다.
기존에 요소 특정 방출에 따른 스펙트럼 데이터를 분석하는 경우에 게이티드 방식으로 동작하는 센서 어레이(1232)는 주로 플라즈마 방출이 종료되거나 매우 적어지는 시점 이후부터 노광 구간이 시작되도록 약 1us 가량의 지연 시간을 가지도록 설계되어 있었다. 그런데, 본 명세서에서는 지연 시간이 1us 가량으로 설정되면 실질적으로 센서 어레이(1232)가 복합 스펙트럼을 수신하기 어려울 수 있다.
센서 어레이(1232)가 복합 스펙트럼을 수신하기 위해서, 지연 시간은 적어도 플라즈마 방출이 일정량 이상 유지되고 있는 시점보다 짧게 설정될 수 있다. 다시 말해, 지연 시간은 센서 어레이(1232)가 제2 구간의 적어도 일부에서 광을 감지하도록 설정될 수 있다. 예를 들어, 센서 어레이(1232)의 지연 시간은 1ns~1us 범위 내에서 설정될 수 있다.
또, 지연 시간이 짧을수록 센서 어레이(1232)가 광을 감지하는 시점이 빨라지고, 센서 어레이(1232)가 광을 감지하는 시점이 빨라질수록 플라즈마 방출에 관한 광을 보다 많이 감지할 수 있고, 획득하는 복합 스펙트럼에서 연속 스펙트럼의 비율이 증가할 수 있다. 따라서, 센서 어레이(1232)에서 연속 스펙트럼이 일정 비율 이상인 복합 스펙트럼을 감지하기 위해 지연 시간을 100ns 이하로, 보다 바람직하게는 10ns 이하로 설정할 수 있다.
이상의 시간 수치들은 모두 예시적인 것에 불과하므로, 지연 시간이 상술한 예로 한정되는 것은 아니다.
또 상술한 바와 같이, 센서 어레이(1232)가 레이저 조사/출력 후 광 감지를 개시하기까지는 지연 시간 이외에도 레이저 출력/조사 시점 이후 개시 신호를 수신하기까지의 소요 시간이 추가되므로, 소요 시간이 얼마나 걸리는지를 더 고려하여 지연 시간의 수치를 결정할 수도 있다. 예를 들어, 레이저 조사 후 적어도 5ns가 경과하기 전부터 광을 감지하고자 하는 경우, 레이저 조사 후 센서 어레이(1232)가 개시 신호를 수신하기까지 2ns가 소요된다면, 지연 시간은 3ns 이하로 설정되야 할 것이다.
다른 예에 따르면, 게이티드 방식으로 동작하는 센서 어레이(1232)는 개시 신호를 수신하면 그 즉시 노광 구간에 진입하여 광 감지를 시작할 수 있다. 의도적인 지연 시간 없이 개시 신호의 수신에 따라 즉시 노광 구간이 시작되면, 센서 어레이(1232)는 가능한한 많은 양의 플라즈마 방출을 감지할 수 있다.
본 명세서의 일 실시예에 따르면, 진단 시스템(100)은 넌 게이티드 방식(non-gated type)을 통해 복합 스펙트럼 등을 획득할 수 있다.
본 명세서의 일 실시예에 따르면, 분광 측정 모듈(1230)의 센서 어레이(1232)가 넌 게이티드 방식으로 동작할 수 있다. 여기서, 넌 게이티드 방식이란 개시 신호와 무관하게 광 감지를 지속적으로 수행하는 방식을 의미할 수 있다. 예를 들어, 넌 게이티드 방식으로 동작하는 센서 어레이(1232)는 전원이 공급되면 일정 주기에 따라 광 감지를 수행하여 전기적 신호를 출력할 수 있다.
이하에서는 도 13을 참조하여 본 명세서의 일 실시예에 따라 립스 유닛(1200)이 넌 게이티드 방식으로 동작하는 경우 센서 어레이(1232)가 동작하는 방법에 관하여 설명한다.
도 13은 본 명세서의 일 실시예에 따른 넌 게이티드 방식으로 동작하는 립스 유닛(1200)에 관한 예시도이다.
넌 게이티드 방식으로 동작하는 센서 어레이(1232)는 노광 구간과 리셋 구간을 반복함으로써 광 감지 동작을 수행할 수 있다.
도 13을 참조하면, 센서 어레이(1232)는 동작 구간을 반복할 수 있다. 개별 동작 구간은 각각 광을 감지하여 전기적 신호를 출력할 수 있다. 여기서, 동작 구간은 노광 구간 및 리셋 구간을 포함할 수 있다. 넌 게이티드 방식의 노광 구간과 리셋 구간은 특별한 언급이 없으면 상술한 게이티드 방식의 노광 구간 및 리셋 구간과 동일한 성질을 갖는 것으로 이해될 수 있다. 따라서, 넌 게이티드 타입의 센서 어레이는 노광 구간에서 입사되는 광에 따라 전기적 신호를 생성하고, 리셋 구간에서 이를 출력할 수 있게 된다.
다시 도 13을 참조하면, 넌 게이티드 방식으로 동작하는 센서 어레이(1232)의 지속적으로 동작 구간을 반복하므로, 센서 어레이(1232)의 동작 중 검체(1)에 레이저가 조사되면 센서 어레이(1232)는 어느 하나의 동작 구간의 노광 구간을 통해 레이저 조사에 의해 유도되는 광을 검체(1)로부터 수신할 수 있다. 여기서, 동작 구간의 노광 구간은 조직 어블레이션 또는 레이저 조사에 의해 검체(1)로부터 광이 발생하는 시간 간격보다 충분히 길게 설정될 수 있다. 노광 구간이 검체(1)로부터 광이 발생하는 시간 간격보다 충분히 길게 설정되면, 특별한 경우를 제외하면 반복되는 노광 구간 중 어느 하나의 노광 구간에 플라즈마 방출이 주로 일어나는 제2 구간의 전부 또는 대부분이 속할 수 있으며, 요소 특정 방출이 주로 일어나는 제1 구간의 적어도 일부도 속할 수 있으므로, 넌 게이티드 방식의 센서 어레이(1232)는 반복되는 동작 구간 중 적어도 하나를 통해 복합 스펙트럼을 획득할 수 있다.
한편, 센서 어레이(1232)는 레이저 조사와는 무관하게 레이저 조사 시점을 고려하지 않고 지속적으로 동작 구간을 반복하므로, 플라즈마 어블레이션의 적어도 일부가 리셋 구간에 발생하면 올바른 복합 스펙트럼을 얻지 못할 수 있다. 예를 들어, 플라즈마 방출이 주로 일어나는 제2 구간의 전부 또는 많은 부분(예를 들어, 70% 이상)이 리셋 구간에 포함되면 센서 어레이(1232)는 플라즈마 방출에 의한 연속 스펙트럼이 없거나 적어, 복합 스펙트럼보다 요소 특정 방출로 인한 선 스펙트럼에 가까운 형태의 스펙트럼을 감지할 가능성이 높다. 예를 들어, 넌 게이티드 방식의 센서 어레이(1232)에서 수신되는 광의 전체 에너지가 미리 정해진 수치보다 낮은 경우에 진단 시스템(100)은 플라즈마 어블레이션으로 인해 발생한 광의 전부나 많은 부분이 센서 어레이(1232)에서 감지되지 못한 것으로 판단하고 사용자에게 오류 발생 알림을 제공할 수 있다. 이러한 오류가 잦게 발생하는 것을 방지하기 위해 넌 게이트 방식의 센서 어레이(1232)에서는 노광 구간이 충분히 길거나, 리셋 구간이 충분히 짧게 설정될 수 있으며, 노광 구간이 길수록 또 리셋 구간이 짧을수록 노광 구간을 통해 플라즈마 어블레이션에 의해 발생하는 광을 입사받을 가능성이 높아진다. 예를 들어, 레이저 조사 후 1ns~10us의 시간 동안 발생하는 광을 분석에 이용하고자 하는 경우, 노광 시간을 10ms로 설정하고, 리셋 구간이 10us라면 1000회의 립스 동안 1회 미만의 오류만이 발생할 것이다.
한편, 넌 게이티드 방식의 센서 어레이(1232)를 이용하는 경우에는 동작 구간이 레이저 조사와는 무관하게 지속적으로 반복되므로, 복합 스펙트럼은 임의의 동작 구간에서 감지될 수 있다. 따라서, 복합 스펙트럼에 따른 스펙트럼 데이터를 얻기 위해서는 복합 스펙트럼이 수신된 동작 구간을 특정할 필요가 있다.
일 예에 따르면, 센서 어레이(1232)는 개별 동작 구간마다 지속적으로 전기적 신호를 출력할 수 있다. 이때, 복합 스펙트럼이 수신된 동작 구간에서 출력되는 전기적 신호는 복합 스펙트럼이 수신되지 않은 동작 구간에서 출력되는 전기적 신호와 다를 수 있다.
도 14는 본 명세서의 일 실시예에 따른 넌 게이티드 방식의 센서 어레이가 관측하는 스펙트럼 그래프이다.
구체적으로 복합 스펙트럼이 수신된 동작 구간의 전기적 신호는, 도 14에 도시된 바와 같이, 플라즈마 어블레이션에 따른 광이 수신됨에 따라 그에 대응하는 파장 별 세기값을 가지는 반면, 복합 스펙트럼이 수신되지 않은 동작 구간에서의 전기적 신호는, 다시 도 14에 도시된 바와 같이, 플라즈마 어블레이션에 따른 광이 수신되지 않음에 따라 햇빛 등의 외부 광에 대응하는 낮은 수준의 파장 별 세기값만을 가지게 될 수 있다. 물론, 복합 스펙트럼이 수신된 동작 구간에서도 외부 광이 수신되지만, 이는 플라즈마 어블레이션으로 인한 광보다 훨씬 미약한 세기를 가진다.
따라서, 출력되는 전기적 신호를 고려하면, 보다 구체적으로 출력되는 전기적 신호의 특성에 기초하여 임의의 동작 구간들 중 복합 스펙트럼을 수신한 동작 구간을 특정할 수 있다. 여기서, 전기적 신호의 특성은 특정 파장에서의 세기값, 전체 파장 별 세기값의 평균값 또는 전체 파장 범위의 세기값의 합(수신 에너지의 총량에 대응함)일 수 있다.
센서 어레이(1232)는 주기적으로 광 감지 동작을 수행하여 노광 구간 동안 측정된 광량에 기초한 전기적 신호를 리셋 구간마다 출력할 수 있다. 제1 콘트롤러(1250)는 센서 어레이(1232)로부터 출력된 전기적 신호를 획득하고 획득한 전기적 신호의 특정 파장에서의 세기값, 전체 파장 별 세기값의 평균값, 전체 파장 별 세기값의 합 또는 수신 에너지량 중 적어도 하나가 각 특성에 대해 미리 정해진 문턱값(C1, C2, C3 등) 이상인지 여부에 따라 해당 전기적 신호와 관련된 동작 구간이 플라즈마 어블레이션에 따른 광을 수신한 동작 구간인지 판단할 수 있다. 다시 말해, 제1 콘트롤러(1250)는 동작 구간마다 전기적 신호를 획득하고 획득한 전기적 신호의 특정 파장에서의 세기값, 전체 파장 별 세기값의 합 또는 수신 에너지량 중 적어도 하나가 미리 정해진 문턱값 이상인 전기적 신호를 복합 스펙트럼에 관한 전기적 신호로 선택할 수 있다. 또는 제1 콘트롤러(1250)는 센서 어레이(1232)로부터 출력되는 전기적 신호를 획득하고 이전 동작 구간 및 이후 동작 구간 중 적어도 하나에서 획득되는 전기적 신호와 비교하여 그 차이가 미리 정해진 문턱값보다 큰 전기적 신호를 복합 스펙트럼에 관한 전기적 신호로 선택할 수 있다.
다른 예에 따르면, 트리거링 신호에 기초하여 동작 구간을 특정하는 것도 가능하다.
도 15는 본 명세서의 일 실시예에 따른 넌 게이티드 방식의 센서 어레이를 이용 시 트리거링 신호를 이용해 복합 스펙트럼을 수신한 동작 구간을 특정하는 것을 도시한 도면이다.
도 15를 살펴보면, 넌 게이티드 방식의 센서 어레이(1232)가 노광 구간과 리셋 구간을 포함하는 동작 구간을 반복할 때, 립스 유닛(1200), 예를 들어 트리거링 모듈(1240)은 레이저의 조사 시점에 대응하는 트리거링 신호를 생성할 수 있다. 트리거링 모듈(1240)과 트리거링 신호에 관한 보다 상세한 설명은 후술하기로 한다. 제1 콘트롤러(1250)는 반복되는 동작 구간 중 트리거링 신호에 대응하는 동작 구간을 복합 스펙트럼이 수신되는 동작 구간을 판단할 수 있다. 다시 말해, 제1 콘트롤러(1250)는 센서 어레이(1232)의 전기적 신호 중 트리거링 신호가 수신된 직후 출력되는 전기적 신호를 복합 스펙트럼에 관한 전기적 신호로 획득할 수 있다.
한편, 이상에서는 제1 콘트롤러(1250)가 센서 어레이(1232)에서 지속적으로 출력되는 전기적 신호 중 복합 스펙트럼과 관련된 전기적 신호를 선택하거나 지속적으로 반복되는 동작 구간 중 플라즈마 어블레이션과 관련된 동작 구간을 특정하는 것으로 설명하였으나, 립스 유닛(1200)이 출력되는 전기적 신호를 모두 진단 유닛(1400)에 전달하고, 진단 유닛(1400)의 제2 콘트롤러(1410)가 상술한 동작(전기적 신호의 선택이나 동작 구간의 특정)을 수행하는 것도 가능하다.
본 명세서의 일 실시예에 따르면, 립스 유닛(1200)은 복합 스펙트럼 획득을 위해 트리거링 신호를 이용할 수 있다. 다시 말해, 트리거링 신호는 센서 어레이(1232)가 플라즈마 어블레이션과 관련된 스펙트럼 데이터를 생성하기 위해 이용될 수 있다.
트리거링 모듈(1240)은 트리거링 신호를 생성할 수 있다. 여기서, 트리거링 동작은 레이저 조사 시점, 레이저 유도 붕괴의 시작 시점 및 플라즈마 발생 시점 중 적어도 하나를 지시하는 동작을 의미할 수 있다. 이하에서는 트리거링 모듈(1240)이 트리거링 신호를 생성하는 동작을 트리거링 동작이라고 지칭하기로 한다.
이하에서는 본 명세서의 일 실시예에 따른 트리거링 동작에 대해 설명한다.
도 16은 본 명세서의 일 실시예에 따른 트리거링 동작에 관한 도면이다.
트리거링 모듈(1240)은 트리거링 이벤트(2)에 따라 트리거링 신호를 생성할 수 있다. 또 트리거링 모듈(1240)은 생성된 트리거링 신호를 제1 콘트롤러(1250), 제2 콘트롤러(1410) 및 분광 측정 모듈(1250) 중 적어도 하나에 제공할 수 있다.
도 16을 참조하면, 트리거링 이벤트(2)는 레이저의 조사, 레이저 파생광의 수신 및 플라즈마 광의 수신을 포함할 수 있다. 예를 들어, 트리거링 모듈(1240)은 검체(1)를 향해 레이저를 조사하는 것을 감지하고, 이에 따라 트리거링 신호를 생성할 수 있다.
예를 들면, 트리거링 모듈(1240)은 레이저 발진을 위해 레이저 조사 모듈(1210)에 입력되는 구동 신호 또는 레이저 발진을 위해 제1 콘트롤러(1250)가 레이저 조사를 수행하도록 레이저 조사 모듈(1210)로 입력하는 제어 신호를 수신하고, 이에 따라 트리거링 신호를 생성할 수 있다.
다른 예를 들면, 트리거링 모듈(1240)은 검체(1)에 조사되는 레이저를 감지하여 트리거링 신호를 생성할 수 있다. 구체적으로 트리거링 모듈(1240)은 광 감지 소자를 포함하고 조사 레이저 근방에 배치되어 직접 또는 광학적 수단을 통해 간접적으로 조사 레이저를 감지하여 트리거링 신호를 생성할 수 있다. 여기서, 광 감지 소자는 조사 레이저의 파장에 반응하는 소자이거나, 광 감지 소자의 수광 경로 상에 조사 레이저의 파장을 통과시키는 패스 필터가 배치될 수 있다. 또는 광 감지 소자의 반응 문턱값이 특정값 이상으로 설정될 수 있다. 이에 따라 햇빛 등의 외부 광에 따른 오동작이 방지될 수 있다.
또 다른 예로, 트리거링 모듈(1240)은 레이저가 검체(1)에 조사될 때 발생하는 반사광, 산란광 및 형광광 중 적어도 하나를 포함하는 레이저 파생광을 감지하여 트리거링 신호를 생성할 수 있다. 이때 트리거링 모듈(1240)은 광 감지 소자를 포함하고, 검체(1) 근방에 배치되는 광 감지 소자가 직접 또는 광학적 수단을 통해 간접적으로 레이저 파생광을 감지하거나 광 수집 모듈(1220)로부터 레이저 파생광을 제공받고 이를 광 감지 소자로 감지함으로써, 트리거링 신호를 생성할 수 있다. 여기서, 레이저 파생광은 조사 레이저와 유사한 파장 범위를 가지므로, 광 감지 소자는 조사 레이저의 파장에 반응하는 소자이거나, 광 감지 소자의 수광 경로 상에 조사 레이저의 파장을 통과시키는 패스 필터가 배치될 수 있다. 또는 광 감지 소자의 반응 문턱값이 특정값 이상으로 설정될 수 있다. 이에 따라 햇빛 등의 외부 광에 따른 오동작이 방지될 수 있다.
다시 또 다른 예로, 트리거링 모듈(1240)은 레이저를 조사받은 검체(1)에서 발생하는 플라즈마 광을 감지하여 트리거링 신호를 생성할 수 있다. 이때 트리거링 모듈(1240)은 광 감지 소자를 포함하고, 검체(1) 근방에 배치되는 광 감지 소자가 직접 또는 광학적 수단을 통해 간접적으로 플라즈마 광을 감지하거나 광 수집 모듈(1220)로부터 플라즈마 광을 제공받고 이를 광 감지 소자로 감지함으로써, 트리거링 신호를 생성할 수 있다. 여기서, 광 감지 소자는 플라즈마 어블레이션에 의해 발생하는 특정 파장대(예를 들어, 요소 피크 중 높은 세기값을 갖는 특정 요소 피크의 파장대)에 반응하는 소자이거나, 광 감지 소자의 수광 경로 상에 특정 파장대를 통과시키는 패스 필터가 배치될 수 있다. 또는 광 감지 소자의 반응 문턱값이 특정값 이상으로 설정될 수 있다. 이에 따라 햇빛 등의 외부 광에 따른 오동작이 방지될 수 있다.
이상에서 설명한 트리거링 모듈(1240)은 립스 유닛(1200)에 독립적인 구성 요소로 구비될 수도 있으나, 제1 콘트롤러(1250), 제2 콘트롤러(1410), 광 수집 모듈(1220) 및 분광 측정 모듈(1230) 중 적어도 하나에 병합된 형태로 제공될 수도 있다.
상술한 트리거링 동작에 의해 생성되는 트리거링 신호는 복합 스펙트럼 획득을 위해 트리거링 신호를 이용할 수 있다.
일 예에 따르면, 센서 어레이(1232)가 게이티드 방식으로 동작하는 경우, 트리거링 신호는 센서 어레이(1232)의 개시 신호로 이용될 수 있다. 구체적으로 센서 어레이(1232)는 트리거링 신호를 수신하면, 이에 따라 동작을 개시할 수 있다. 보다 구체적으로 센서 어레이(1232)는 트리거링 신호의 수신에 따라 노광 구간을 시작하거나 또는 트리거링 신호 수신 이후 지연 시간 도과한 다음 노광 구간에 진입할 수 있다.
다른 예에 따르면, 센서 어레이(1232)가 넌 게이티드 방식으로 동작하는 경우, 트리거링 신호는 임의의 반복되는 동작 구간 중 복합 스펙트럼을 수신한 특정 동작 구간을 선택하기 위해 이용될 수 있다. 구체적으로 센서 어레이(1232)가 반복하는 동작 구간들 중 트리거링 신호의 수신 시점에 대응하는 동작 구간을 복합 스펙트럼을 수신한 특정 동작 구간으로 선택할 수 있다.
한편, 트리거링 신호는 트리거링 이벤트의 감지 시점에 생성되는 타임 스탬프 형태로 생성될 수도 있다. 타임 스탬프 형태의 트리거링 신호는 자체적으로 트리거링 이벤트의 발생 시점을 반영하므로, 넌 게이티드 방식의 센서 어레이(1232)에서는 트리거링 신호의 수신 시점 대신 트리거링 신호에 포함된 이벤트 발생 시점 정보를 이용하여 임의의 동작 구간 중 특정 동작 구간을 선택하는 것도 가능하다.
트리거링 모듈(1240)은 트리거링 신호를 생성하는 시간에 따라 다양한 라이징 타임(rising time)을 가질 수 있다. 상술한 게이티드 방식으로 동작하는 립스 유닛(1200)에서 트리거링 신호를 개시 신호로 이용하는 경우, 라이징 타임이 커질수록 레이저 조사 시점 또는 플라즈마 어블레이션 발생 시점으로부터 노광 구간에 진입하기까지 소요되는 시간이 커지므로, 라이징 타임이 일정 시간 간격 이상이 되면, 게이티드 방식의 센서 어레이(1232)는 온전한 복합 스펙트럼을 얻기 어려울 수 있다. 예를 들어, 트리거링 모듈(1240)은 약 30ps 내지 400ns의 라이징 타임을 가질 수 있는데, 센서 어레이(1232)가 복합 스펙트럼 등을 획득하기 위해 트리거링 모듈(1240)의 라이징 타임은 약 100ns 이하로 설정될 수 있다.
이상에서는 립스 유닛(1200)이 레이저를 검체(1)에 조사함에 따라 발생하는 레이저 유도 붕괴 현상을 이용하여 진단을 수행하는 것으로 설명하였다. 따라서, 본 명세서의 실시예들에서는 목적하는 검체(1)에 플라즈마 어블레이션이 유발되는 동시에 사람이나 동물의 신체인 경우에는 레이저 조사로 인한 신체 손상이 최소화되도록 레이저를 조사해야 한다.
본 명세서의 일 실시예들에서는, 상술한 바와 같이 목적하는 검체(1)에 레이저를 조사하고, 검체(1)의 손상을 최소화하면서 플라즈마 어블레이션을 유도하기 위해 조사되는 레이저와 관련된 몇몇 사항들에 대해 설명하기로 한다.
본 명세서에서 검체(1)의 손상은 검체(1)의 표면으로부터 일정한 깊이 이상까지 검체(1)가 손실/파괴되거나 검체(1)의 기능에 이상이 발생하거나 검체(1)의 상태가 악화되는 것을 의미할 수 있다. 엄밀하게 물리적으로는, 검체(1)에 레이저가 조사됨에 따라 플라즈마를 형성하는 것 자체도 검체(1)의 일부가 융발(ablation)되는 것이지만, 단순히 레이저가 조사되는 표면이나 표면으로부터 일정한 깊이 이하까지만 융발되어, 실질적으로는 극소량의 검체(1)만 손실/파괴되는 경우에는, 본 명세서에서의 기재에 따른 '손상'에 해당하지 않는 것으로 해석될 수 있다. 예를 들어, 피부가 검체(1)인 경우에는 표피 조직의 일부에 대해서만 립스를 수행하는 경우 이는 실질적으로 비파괴 검사로 볼 수 있을 것이다.
도 17은 본 명세서의 일 실시예에 따른 검체(1) 손상에 관한 도면이다.
도 17을 살펴보면, 피부는 표면으로부터 표피 조직, 진피 조직, 피하 조직으로 이루어질 수 있다. 피부의 종류나 신체에서의 위치에 따라 상이하겠으나, 일반적인 사람의 평균적인 피부의 경우에는 예시적으로 표피 조직은 표면으로부터 10~20um까지 분포하고, 진피 조직은 표면으로부터 수백 um 내지 수 mm까지 분포하고, 피하 조직은 진피 조직의 하부에 분포될 수 있다. 또 피하 조직에는 혈관이 위치하며, 피하 조직의 혈관이 진피 조직으로 연장된다. 피부암은 주로 표피 조직으로부터 발생하여 점차 진피 조직, 피하 조직 방향으로 성장할 수 있다. 이때, 암 세포가 혈관을 따라 신체 내 다른 부위로 전이하게 되면 전신으로 암이 전이될 수 있다.
만약, 피부암 진단을 위해 피부인 검체(1)에 대해 립스를 수행할 때 혈관이나 혈관 주변부의 암 조직에서 플라즈마 어블레이션이 발생하면 출혈이 발생하거나 암 세포가 혈관으로 유입되어 암 전이가 유발될 수 있다.
따라서, 본 명세서에서 예시적으로 바람직하게는, 진단 시스템(100)이 검체(1)에 대해 립스를 수행할 때 적어도 다량의 혈관이 위치하는 피하 조직이 손상되지 않도록 진피 조직까지만 플라즈마 어블레이션을 유발할 수 있다. 또 본 명세서에서 예시적으로 보다 바람직하게는 진단 시스템(100)이 검체(1)에 대해 립스를 수행할 때 혈관이나 혈관 주변부의 손상을 방지하기 위해 혈관이 없는 표피 조직까지만 플라즈마 어블레이션을 유발할 수 있다. 여기서, 진단 시스템(100)은 조사 레이저의 세기, 플루언스, 파워 밀도, 펄스 폭, 펄스 당 에너지 등을 조절하여 어블레이션 깊이를 조정할 수 있다.
구체적인 수치의 예시로는, 바람직하게는 20um 이하의 깊이까지 플라즈마 어블레이션을 유도할 수 있다.
이상의 설명은 예시적인 것에 불과하며, 진단하고자 하는 대상의 종류나 진단 목적에 따라 검체(1)의 손상 여부는 달라질 수 있음을 미리 밝혀둔다.
본 명세서의 일 실시예에서, 진단 시스템(100)은 검체(1)에 관한 스펙트럼 데이터를 획득하기 위해서 검체(1)에 레이저를 조사할 수 있다. 이때, 진단 대상에 레이저를 조사하기 위해서는 레이저 스팟이 진단 대상 내에 포함되어야 한다. 구체적으로, 목적하는 검체(1)에 레이저를 조사하기 위해서는 레이저 스팟이 검체(1)가 차지하는 영역 내에 포함되어야 할 수 있다.
여기서, 검체(1)가 차지하는 영역은 진단 시스템(100)이 진단을 수행하고자 하는 대상의 영역을 의미할 수 있다. 예를 들어, 사람이나 동물의 피부에 대해 피부암 진단을 수행하는 경우 검체(1)가 차지하는 영역은 피부 중 착색 부위 또는 흑색종 등 피부암이 있을 것으로 의심되는 부위의 적어도 일부를 포함할 수 있다.
도 18 및 도 19는 본 명세서의 일 실시예에 따른 검체(1)와 레이저 스팟을 도시한 도면이다.
도 18 및 도 19를 참조하면, 스팟 사이즈(spot size)에 따라 레이저 스팟은 검체(1)가 차지하는 영역 내에 포함되거나 포함되지 않을 수 있다.
레이저 스팟 사이즈는 레이저 스팟의 모양에 따라 스팟의 너비, 폭, 직경, 반지름 및 면적 중 적어도 하나를 포함할 수 있다. 이하에서는 설명의 편의를 위해 특별한 언급이 없는 한 스팟 사이즈는 레이저 스팟의 직경으로 이해될 수 있으나 본 발명이 이에 한정되는 것은 아니다.
레이저 스팟이 검체(1)가 차지하는 영역보다 커지는 경우 검체(1)에 대한 진단의 정확도나 신뢰도가 낮아질 수 있다. 예를 들어, 도 18에 도시된 바와 같이 레이저 스팟이 검체(1)가 차지하는 영역 내에 포함되지 않는 경우, 레이저가 조사됨에 따라 레이저 스팟 중 검체(1)가 차지하지 않는 영역에서 플라즈마 어블레이션이 유도될 수 있다. 여기서, 진단 시스템(100)은 불필요한 영역에서 유도된 플라즈마로부터 발생한 플라즈마 광을 수신하여 진단 방법을 수행하게 되어 진단의 정확도나 신뢰도가 낮아질 수 있다.
한편, 검체(1)가 피부암 등의 병변 조직과 같이 사람이나 동물의 신체의 일부인 경우 검체(1)의 모양이 일정하지 않고 주변의 물질과 그 구성 성분 차이 날 수 있는 점에서 금속이나 사물과 같이 밀도나 성분이 균일한 경우와 다르다. 또한, 검체(1)에 레이저를 조사하여 치료나 수술 또는 미용 등을 수행함에 있어서 치료나 미용 대상 부위를 제거하는 것이 주 목적인 반면, 검체(1)에 레이저를 조사하여 진단을 수행하는 경우 질(quality) 높은 데이터를 수집하는 것이 중요한 목적 중 하나이다.
따라서 상술한 바와 같이 검체(1)가 동물이나 사람의 신체 일부이고 검체(1)에 대한 진단을 수행하는 경우 특히 레이저 스팟이 검체(1) 내에 포함되는 것이 바람직할 것이다.
다시 도 19를 참조하면, 검체(1)에 조사되는 레이저의 스팟은 검체(1)가 차지하는 영역 내에 포함될 수 있다. 이를 위해, 레이저의 스팟 사이즈는 검체(1) 크기 보다 작게 설정될 수 있다. 여기서, 검체(1) 크기는 검체(1)가 차지하는 영역의 크기를 의미할 수 있다. 예를 들어, 검체(1) 크기는 검체(1)의 모양에 따라 너비, 폭, 직경, 반지름 및 면적 중 적어도 하나를 포함할 수 있다.
예시적으로, 레이저의 스팟이 원 모양일 때, 레이저 스팟이 검체(1) 내부에 포함되도록 스팟 사이즈가 설정될 수 있다. 구체적으로, 진단 시스템(100)이 피부를 검체(1)로 하여 피부암 유무에 대한 진단을 수행하는 경우, 피부암으로 의심되는 병변 조직, 즉 검체(1)가 차지하는 영역은 직경 약 6mm의 원 모양의 영역을 포함하는 경우가 대부분이므로 검체(1)에 조사하는 레이저의 스팟 사이즈는 손 떨림 등의 돌발 변수를 고려하여 검체(1)가 차지하는 영역에 포함되도록 5mm 이하인 것이 바람직하다.
한편, 스팟 사이즈는 작으면 작을수록 검체(1)가 차지하는 영역에 포함되기 용이하지만 후술하는 바와 같이 검체(1)의 손상을 방지하기 위해서 일정 크기 이상으로 설정될 필요가 있다.
본 명세서의 일 실시예에서, 검체(1)에 조사되는 레이저는 검체(1)에 플라즈마 어블레이션을 유발할 수 있어야 한다. 또 이때, 조사되는 레이저로 인한 검체(1)의 손상이 최소화되어야 할 수 있다.
여기서, 플라즈마 어블레이션 및/또는 검체(1)의 손상은 조사되는 레이저로 인해 검체(1)에 인가되는 단위 면적 당 파워(power density, 이하 '파워 밀도'라 함) 및/또는 단위 면적 당 에너지(fluence, 이하 '플루언스'라 함)와 관련이 있을 수 있다.
예시적으로 조사 레이저로 펄스 레이저가 이용되는 경우, 파워 밀도와 플루언스는 다음과 같을 수 있다.
[수학식 1]
파워 밀도는 검체(1)에 단위 면적 당 시간 당 인가되는 에너지를 의미할 수 있다. 즉, 펄스 레이저의 파워 밀도는, 수학식 1과 같이, 조사되는 레이저의 펄스 당 에너지(laser pulse energy)를 펄스 폭으로 나눈 파워를 조사 면적으로 나눈 값일 수 있다.
[수학식 2]
플루언스는 검체(1)에 단위 면적 당 인가되는 에너지를 의미할 수 있다. 즉, 펄스 레이저의 플루언스는, 수학식 2와 같이, 조사되는 레이저의 펄스 당 에너지를 조사 면적으로 나눈 값일 수 있다.
[수학식 3]
따라서, 수학식 3과 같이, 펄스 레이저의 플루언스는 펄스 레이저의 파워 밀도에 펄스 폭을 곱한 값이고, 펄스 레이저의 파워 밀도는 펄스 레이저의 플루언스를 펄스 폭으로 나눈 값일 수 있다.
여기서, 펄스 레이저를 이용하여 검체(1)에 레이저를 조사하는 경우, 플라즈마의 형성은 펄스 레이저의 파워 밀도와 관련이 있다. 구체적으로 검체(1)에 충분한 파워 밀도가 인가될 때 검체(1)에 플라즈마 어블레이션이 발생할 수 있다.
또 여기서, 펄스 레이저를 이용하여 검체(1)에 레이저를 조사하는 경우, 검체(1)의 손상은 펄스 레이저의 플루언스와 관련될 수 있다. 구체적으로 검체(1)에 일정 이상의 플루언스가 인가될 때 검체(1)에 손상이 발생할 수 있다.
도 20은 본 명세서의 일 실시예에 따른 몇몇 펄스 레이저에 의해 검체(1)에 인가되는 파워 밀도와 플루언스를 도시한 그래프이다.
이하에서는, 설명의 편의를 위해 검체(1)에 플라즈마 어블레이션을 유도하기 위해 인가되어야 하는 최소한의 파워 밀도를 어블레이션 임계값(Ath)이라 하고, 레이저 조사에 의해 검체(1)의 손상을 최소화하기 위한 최대 플루언스를 손상 임계값(Dth)이라 한다.
도 20을 참조하면, 본 발명의 일 실시예에 따라 검체(1)에는 다양한 파워 밀도 및 플루언스가 인가될 수 있다.
예를 들어, 도 20을 참조하면, 검체(1)에 어블레이션 임계값(Ath) 이상의 파워 밀도 및 손상 임계값(Dth) 이하의 플루언스가 인가되면 검체(1)에는 플라즈마가 발생하되, 레이저 조사에 의한 손상을 최소화할 수 있다.
다른 예를 들어, 도 20을 참조하면, 검체(1)에 어블레이션 임계값(Ath) 이상의 파워 밀도 및 손상 임계값(Dth) 이상의 플루언스가 인가되면 검체(1)에는 플라즈마가 발생하면서, 레이저 조사에 의한 손상이 어느 정도 발생할 수 있다.
또 다른 예를 들어, 도 20을 참조하면, 검체(1)에 손상 임계값(Dth) 이하의 플루언스 및 어블레이션 임계값(Ath) 이하의 파워 밀도가 인가되면 검체(1)는 거의 손상되지 않을 수 있으나 플라즈마도 발생하지 않을 수 있다.
다시 또 다른 예를 들어, 도 20을 참조하면, 검체(1)에 손상 임계값(Dth) 이상의 플루언스 및 어블레이션 임계값(Ath) 이하의 파워 밀도가 인가되면 검체(1)에 어느 정도 손상이 발생하더라도 파워 밀도가 어블레이션 임계값(Ath) 이하이므로 플라즈마가 발생하지 않을 수 있다.
즉, 검체(1)에 충분한 파워 밀도가 인가되더라도 플루언스가 충분히 낮은 경우에는 검체(1)의 손상 없이 또는 검체(1)의 손상이 최소화되면서도 검체(1)에 플라즈마 어블레이션이 발생할 수 있다. 예를 들어, 진단 시스템(100)이 피부암으로 의심되는 피부에 대해 피부암 유무를 진단하는 경우 피부에 충분한 파워 밀도가 인가되더라도 플루언스가 충분히 낮다면 피부의 표피에서만 플라즈마 어블레이션이 유도되고 진피나 피하 조직에서는 유도되지 않음으로써 혈관이나 혈관 주변부 손상 없이 진단이 수행될 수 있다.
여기서, 어블레이션 임계값(Ath) 및 손상 임계값(Dth)은 검체(1)의 종류나 상태에 따라 다른 값을 가질 수 있다. 예를 들어, 검체(1)가 사람이나 동물의 신체 일부인 경우 레이저 조사에 따라 검체(1)가 인가 받는 파워 밀도가 0.1GW/cm2 이상인 경우 검체(1)에 플라즈마가 형성될 수 있다. 또 다른 예로, 검체(1)가 피부인 경우, 조사되는 레이저의 플루언스 값이 40J/cm2 이상인 경우 피부 조직이 손상될 수 있다. 구체적으로, 플루언스 값이 40J/cm2 이상인 경우 피부 표면으로부터 소정의 깊이에서 출혈 등의 세포 손상이 발생하고 암 세포 등이 신체 내 다른 부위로 전이하게 되는 심각한 상황이 발생할 수 있다. 즉, 어블레이션 임계값(Ath)은 0.1 GW/cm2, 손상 임계값(Dth)은 40 J/cm2을 각각 포함할 수 있다.
한편, 본 명세서의 일 실시예에 따르면, 진단 시스템(100)은 안전하고 정확한 진단을 위해 검체(1)에 플라즈마를 형성 시키면서 검체(1)를 손상시키지 않도록 파워 밀도 및 플루언스 값을 조절할 수 있다. 예를 들어, 립스 유닛(1200)은 검체(1)에 조사되는 레이저의 에너지, 펄스 폭, 및 조사 면적 등을 조절하여 검체(1)에 조사되는 단위 면적당 레이저의 세기가 0.1GW/cm2 이상이고 검체(1)에 인가되는 단위 면적당 에너지의 크기가 40J/cm2 이하가 되도록 할 수 있다. 예시적으로 상술한 플루언스와 파워 밀도를 피부에 인가하면, 표피에서만 플라즈마 어블레이션이 발생하여, 혈관 등 신체 조직 손상 없이 실절적으로 비파괴 검사가 수행될 수 있다.
이하에서는 본 명세서의 일 실시예에 따라 상술한 레이저의 에너지, 펄스 폭 및 조사 면적 등이 기기, 설비 또는 장비 등의 스펙에 따라 설정되는 방법 및 설정될 수 있는 값의 범위에 대해 설명한다.
레이저 조사 모듈(1210)은 레이저 활성 매질(1212)의 종류 및 레이저 활성 매질(1212)에 인가되는 에너지 등을 조절하여 생성되는 레이저의 에너지 및 펄스 폭 등을 설정할 수 있다. 예를 들어, 레이저 조사 모듈(1210)은 펄스 당 약 10mJ 내지 100mJ의 에너지 및 약 1ps 내지 1ms의 펄스 폭을 갖는 레이저를 생성할 수 있다.
레이저 조절 부재(1214)는 필터를 이용하여 통과되는 생성된 레이저의 세기나 에너지의 크기 등을 변경할 수 있다. 예를 들어, 레이저 조절 부재(1214)는 반투명 또는 불투명의 필터를 이용하여 생성된 레이저의 일부만을 통과 시켜 레이저의 세기 또는 에너지를 감소시킬 수 있다.
레이저 조절 부재(1214)는 렌즈 등의 광학 수단을 포함하여 레이저의 형태나 초점 거리를 변경함으로써 조사 면적을 조절할 수 있다. 예를 들어, 레이저 조절 부재(1214)가 볼록 렌즈를 포함하면 레이저의 초점 거리가 짧아지고 검체(1)는 레이저 초점으로부터 멀어질수록 조사 면적이 넓어질 수 있다.
가이드 부재(1216)는 조사 거리를 설정함으로써 검체(1)에 인가되는 레이저의 조사 면적을 변경하거나 조절할 수 있다. 예를 들어, 가이드 부재(1216)가 레이저 조사 모듈(1210)로부터 길게 연장될수록 조사 거리가 길어질 수 있고, 검체(1)가 조사 거리에 따라 레이저 초점에 가까워질수록 조사 면적이 작아질 수 있다.
상술한 바와 같이 레이저 조절 부재(1214) 및/또는 가이드 부재(1216)에 의해 스팟 사이즈가 설정됨에 있어서 파워 밀도 및 플루언스가 고려될 수 있다. 구체적으로, 레이저 스팟은 1um 내지 10mm의 직경을 갖거나 조사 면적이 0.7um2 내지 70mm2범위 내에서 설정될 수 있다. 예시적으로 바람직하게는 레이저 스팟은 100um~5mm의 직경을 갖거나 0.01~20mm2의 면적을 갖는다.
한편, 이상에서 상술한 레이저 세기, 펄스 당 에너지, 펄스 폭 및 조사 면적 등의 범위들은 예시적인 것에 불과하므로, 본 명세서의 실시예들이 이로 인해 한정되는 것은 아니다.
이하에서는 도 21 내지 도 23을 참조하여, 본 명세서의 일 실시예에 따라 상술한 바와 같이 진단 시스템(100)이 검체(1)에 손상을 발생시키지 않으면서 플라즈마 어블레이션을 유도하기 위해 구체적으로 스팟 사이즈를 설정하는 방법에 대해 설명한다.
도 21 내지 도 23은 본 명세서의 일 실시예에 따른 스팟 사이즈와 파워 밀도 및 플루언스 사이의 관계를 도시한 그래프이다.
본 명세서의 일 실시예에 따르면, 진단 시스템(100)은 검체(1)에 손상 없이 플라즈마 어블레이션을 유도하기 위한 유효 스팟 사이즈(available spot size)에 기초하여 적절한 스팟 사이즈를 선택할 수 있다.
도 21을 참조하면, 스팟 사이즈가 커질수록 파워 밀도 값은 작아질 수 있다. 또, 스팟 사이즈가 커질수록 플루언스 값은 작아질 수 있다. 여기서, 파워 곡선 및 에너지 곡선은 레이저의 펄스 당 에너지, 펄스 폭 등에 의해 위치관계 및 각각의 곡률이 달라질 수 있다.
유효 스팟 사이즈는 진단 시스템(100)이 검체(1)에 조사되는 레이저의 세기나 펄스 폭 등이 소정의 값으로 정해져 있을 때, 검체(1)에 손상 없이 플라즈마 어블레이션을 유도할 수 있는 스팟 사이즈를 의미할 수 있다. 여기서, 유효 스팟 사이즈는 파워 곡선 및 에너지 곡선에 의해 설정될 수 있다.
다시 도 21을 참조하면, 검체(1)에 손상이 발생하지 않기 위해 손상 임계값(Dth) 이하의 플루언스가 인가되기 위해서는 검체(1)에 조사되는 레이저는 에너지 곡선에서 손상 임계값(Dth)에 대응하는 스팟 사이즈 값 이상의 스팟 사이즈를 가져야 한다. 또한, 검체(1)에 플라즈마 어블레이션이 유도되기 위해 어블레이션 임계값(Ath) 이상의 파워 밀도가 인가되기 위해서는 검체(1)에 조사되는 레이저는 파워 곡선에서 어블레이션 임계값(Ath)에 대응하는 스팟 사이즈 값 이하의 스팟 사이즈를 가져야 한다. 따라서, 유효 스팟 사이즈의 최대값은 파워 곡선에서 어블레이션 임계값(Ath)에 대응하는 스팟 사이즈로 설정되고 최소값은 에너지 곡선에서 손상 임계값(Dth)에 대응하는 스팟 사이즈로 설정될 수 있다.
한편, 본 명세서의 일 실시예에 따라 유효 스팟 사이즈는 검체(1) 크기를 고려하여 설정될 수도 있다. 예를 들어, 도 22를 참조하면, 유효 스팟 사이즈의 최소값은 파워 곡선에서 어블레이션 임계값(Ath)에 대응하는 스팟 사이즈로 설정되고 최대값은 에너지 곡선에서 손상 임계값(Dth)에 대응하는 스팟 사이즈로 설정되되, 만약 검체(1) 크기가 손상 임계값(Dth)에 대응하는 스팟 사이즈보다 작은 경우 유효 스팟 사이즈의 최대값은 검체(1) 크기로 설정될 수 있다.
즉, 진단 시스템(100)은 어블레이션 임계값(Ath) 및 손상 임계값(Dth)에 대응하는 스팟 사이즈 및 검체(1) 크기 중 적어도 하나를 고려하여 설정된 유효 스팟 사이즈 내에서 검체(1)에 조사되는 레이저의 스팟 사이즈를 선택할 수 있다. 이에 따라, 진단 시스템(100)은 검체(1)에 대한 보다 안전하고 정확한 진단을 수행할 수 있다.
한편, 검체(1)에 조사되는 레이저의 특성에 따라 검체(1) 크기가 유효 스팟 사이즈 최소값보다 작을 수 있다. 또는, 유효 스팟 사이즈의 적어도 일부가 검체(1) 크기 이내에 포함되지 않을 수 있다. 또는, 유효 스팟 사이즈 내에서 검체(1) 크기 이내에 해당하는 스팟 사이즈가 없을 수 있다. 이 경우, 진단 시스템(100)이 검체(1)에 대한 진단을 수행함에 있어서 검체(1)가 아닌 부분에서 레이저 조사에 따른 플라즈마 어블레이션이 유도되어 진단의 정확도가 낮아질 수 있다.
도 23을 참조하면, 진단 시스템(100)이 이용하는 펄스 레이저의 세기나 펄스 폭에 따라 유효 스팟 사이즈가 다르게 설정될 수 있다. 예를 들어, 진단 시스템(100)이 진단을 위해 제1 펄스 레이저를 이용할 때 제1 유효 스팟 사이즈가 설정된다면, 진단 시스템(100)이 진단을 위해 제1 펄스 레이저보다 레이저 세기나 펄스 당 에너지가 작은 제2 펄스 레이저를 조사하는 경우 제1 유효 스팟 사이즈보다 더 낮은 스팟 사이즈에서 제2 유효 스팟 사이즈가 설정될 수 있다. 여기서, 제1 유효 스팟 사이즈의 최소값 및 최대값 각각은 제2 유효 스팟 사이즈의 최소값 및 최대값 보다 큰 값을 가질 수 있다.
다시 도 23을 참조하면, 검체(1) 크기는 제1 유효 스팟 사이즈의 최소값 보다 작되 제2 유효 스팟 사이즈의 최소값 보다는 클 수 있다. 이 때, 진단 시스템(100)은 제2 펄스 레이저를 이용하고 검체(1) 크기를 고려한 제2 유효 스팟 사이즈 내에서 스팟 사이즈를 설정함으로써 검체(1)에 손상 없이 플라즈마 어블레이션을 유도할 수 있다. 반면, 진단 시스템(100)이 제1 펄스 레이저를 이용하면 제1 유효 스팟 사이즈의 최소값을 스팟 사이즈로 선택하더라도 검체(1) 크기보다 크기 때문에 검체(1)가 아닌 영역에 레이저가 조사될 수 있다.
따라서, 진단 시스템(100)은 유효 스팟 사이즈의 최소값이 검체(1) 크기보다 작은 값을 가지도록 검체(1)에 조사되는 레이저의 세기나 펄스 당 에너지를 조절하거나 설정해야 한다. 예를 들어, 도 23에서 도시된 바와 같이 제1 펄스 레이저 이용에 따른 에너지 곡선에서 손상 임계값(Dth)에 대응하는 스팟 사이즈가 검체(1) 크기보다 작아지도록 레이저 세기나 펄스 당 에너지를 감소시킬 수 있다. 더 구체적으로, 진단 시스템(100)은 제1 펄스 레이저 보다 작은 세기를 갖는 제2 펄스 레이저를 이용하거나 레이저 조절 부재(1214)를 이용하여 제1 펄스 레이저의 세기를 감소시킬 수 있다.
이상에서는, 본 명세서의 일 실시예에 따라 진단 시스템(100)이 진단을 수행함에 있어서 검체(1)에 손상을 발생시키지 않으면서 플라즈마 어블레이션을 유도하기 위해 유효 스팟 사이즈가 설정되는 구체적인 방법에 대해 서술하였다. 이하에서는 이에 더하여, 유효 스팟 사이즈 내에서 스팟 사이즈가 설정 또는 조절되는 방법에 대해 구체적으로 설명한다.
도 24 및 도 25는 본 명세서의 일 실시예에 따른 검체(1)에 조사되는 레이저의 스팟 사이즈가 다양하게 설정되는 것을 도시한 도면이다.
본 명세서의 일 실시예에 따르면, 진단 시스템(100)은 상술한 검체(1)에 플라즈마가 발생되기 위한 조건 또는 검체(1)의 손상을 방지하기 위한 조건을 만족하기 위해 스팟 사이즈를 설정할 수 있다. 여기서, 스팟 사이즈 외에 조사되는 레이저의 세기나 펄스 폭 등은 특별한 언급이 없는 한 레이저 조사 모듈(1210) 또는 외부 설비(10)에서 미리 정해진 것으로 본다.
도 24 및 도 25를 참조하면, 스팟 사이즈는 레이저가 검체(1)에 조사되는 조사 거리 및 레이저의 초점 거리에 의해 설정될 수 있다.
조사 거리는 레이저 조사 모듈(1210)에서 출력되는 레이저와 검체(1) 간의 거리를 의미할 수 있다. 예를 들어, 조사 거리는 레이저 조절 부재(1214)와 검체(1) 사이의 거리를 의미할 수 있다. 또 다른 예로, 조사 거리는 외부 설비(10)로부터 검체(1)까지의 거리를 의미할 수 있다.
한편, 조사 거리는 가이드 부재(1216)에 의해 조절될 수 있다. 구체적으로, 가이드 부재(1216)가 예를 들어, 가이드 부재(1216)가 레이저 조사 모듈(1210)의 일 지점으로부터 레이저의 조사 방향 측으로 소정 길이 연장되어 형성되는 경우 레이저의 조사 거리는 연장된 부분의 소정 길이에 기초하여 설정될 수 있다.
초점 거리는 레이저 조사 모듈(1210)로부터 레이저 초점까지의 거리를 의미할 수 있다. 예를 들어, 레이저 조절 부재(1214)에 의해 레이저가 포커스드 빔 형태로 검체(1)에 조사되는 경우, 초점 거리는 레이저 조절 부재(1214)로부터 레이저 초점까지의 거리를 의미할 수 있다. 또 다른 예로, 외부 설비(10)에서 포커스드 빔 형태의 레이저가 출력되어 검체(1)에 조사되는 경우 초점 거리는 외부 설비(10)로부터 레이저 초점까지의 거리를 의미할 수 있다.
한편, 초점 거리는 검체(1)에 조사되는 레이저의 성질 및 레이저의 형태를 변경하는 광학 수단 등의 레이저 조절 부재(1214)의 광학적 특성에 따라 설정될 수 있다. 예를 들어, 초점 거리는 검체(1)에 조사되는 레이저의 파장이 클수록 길어지고 레이저가 통과하는 렌즈의 굴절율이 클수록 짧아질 수 있다.
다시 도 24를 참조하면, 검체(1)가 레이저 조절 부재(1214) 및 레이저 초점 사이에 위치하며 초점 거리가 동일할 때, 조사 거리가 길수록 스팟 사이즈가 작아질 수 있다. 예를 들어, 레이저 조절 부재(1214)에 의해 제1 초점 거리(L1)를 갖는 레이저가 레이저 조절 부재(1214)로부터 제1 조사 거리(D1)에 있는 검체(1)에 조사될 때의 스팟 사이즈는 제1 초점 거리(L1)를 갖는 레이저가 제1 조사 거리(D1) 보다 긴 제2 조사 거리(D2)에 있는 검체(1)에 조사될 때의 스팟 사이즈 보다 클 수 있다. 이 때, 조사 거리가 제1 조사 거리(D1)인 경우 레이저의 스팟 사이즈가 유효 스팟 사이즈에 포함되어 검체(1)에 손상 없이 플라즈마 어블레이션이 유도될 수 있으나, 조사 거리가 제2 조사 거리(D2)인 경우 레이저의 스팟 사이즈가 작아져 검체(1)에 플라즈마 어블레이션은 유도되되 손상이 발생할 수 있다.
다시 도 25를 참조하면, 검체(1)가 레이저 조절 부재(1214) 및 레이저 초점 사이에 위치하며 조사 거리가 동일할 때, 초점 거리가 길수록 스팟 사이즈가 커질 수 있다. 예를 들어, 레이저 조절 부재(1214)에 의해 제1 초점 거리(L1)를 갖는 레이저가 레이저 조절 부재(1214)로부터 제2 조사 거리(D2)에 있는 검체(1)에 조사될 때의 스팟 사이즈는 제1 초점 거리(L1) 보다 긴 제2 초점 거리(L2)를 갖는 레이저가 제2 조사 거리(D2)에 있는 검체(1)에 조사될 때의 스팟 사이즈 보다 작을 수 있다. 이 때, 초점 거리가 제1 초점 거리(L1)인 경우 레이저의 스팟 사이즈가 유효 스팟 사이즈에 포함되지 않아 검체(1)에 플라즈마 어블레이션은 유도되되 손상이 발생할 수 있으나, 초점 거리가 제2 초점 거리(L2)인 경우 레이저의 스팟 사이즈가 증가하고 유효 스팟 사이즈에 포함되어 검체(1)에 손상 없이 플라즈마 어블레이션이 유도될 수 있다.
한편, 도 24 및 도 25는 검체(1)가 레이저 조절 부재(1214) 및 레이저 초점 사이에 위치하는 경우를 도시하고 있으나, 검체(1)는 레이저 초점이 검체(1) 및 레이저 조절 부재(1214) 사이에 위치하도록 배치될 수 있다. 이때, 상술한 것과 반대로, 조사 거리가 커질수록 스팟 사이즈가 커지고 초점 거리가 커질수록 스팟 사이즈가 작아질 수 있다.
즉, 검체(1)가 레이저 초점으로부터 이격되어 있는 거리에 따라 스팟 사이즈가 조절되므로, 진단 시스템(100)은 조사 거리, 초점 거리 및 조사 거리와 초점 거리 차의 절대값 등을 고려하여 스팟 사이즈를 유효 스팟 사이즈에 포함되도록 설정해야할 것이다.
이상에서는 검체(1)에 손상을 방지하면서 플라즈마 어블레이션을 유도하기 위해 스팟 사이즈를 조절하거나 설정하는 방법에 대해 설명하였다. 한편, 상술한 레이저 조절 부재(1214) 및 가이드 부재(1216) 등으로 검체(1)에 조사되는 레이저의 스팟 사이즈를 설정한다 하더라도 기기나 부재의 물리적 하자, 사용자의 기기 이용 방법 등에 따라 설정하고자 하는 스팟 사이즈로부터 소정의 오차가 발생한 채로 검체(1)에 레이저가 조사될 수 있다.
따라서, 이하에서는 검체(1)에 조사되는 레이저의 조사 영역 크기의 오차 발생에 따른 검체(1)의 손상을 방지하기 위한 몇몇 실시예에 대해 설명한다.
이하에서는 도 26 및 도 27을 참조하여 본 명세서의 일 실시예에 따라 검체(1)에 대해 안전한 진단이 수행되도록 초점 거리 대비 조사 거리를 조절하는 방법에 대해 서술한다.
도 26은 본 명세서의 일 실시예에 따른 검체(1)로부터 립스 유닛(1200)이 멀어지는 것을 나타내는 예시도이고, 도 27은 본 명세서의 일 실시예에 따른 검체(1)에 대한 레이저의 조사 거리와 초점 거리 사이의 관계에 따른 레이저 스팟을 나타내는 예시도이다.
상술한 바와 같이 레이저 조사에 따라 검체(1)에 인가되는 플루언스 값이 특정 값 이상인 경우 검체(1)는 심각한 손상을 받을 수 있다. 다만, 본 명세서의 일 실시예에 따르면, 검체(1)에 조사되는 레이저가 포커스드 빔 형태인 경우 레이저의 초점 거리를 고려하여 조사 거리를 조절함으로써 검체(1)가 레이저에 의해 손상되는 것을 방지할 수 있다.
도 26을 참조하면, 본 명세서의 일 실시예에 따라 진단 시스템(100)에 의한 진단은 가이드 부재(1216)가 검체(1)에 접촉한 상태에서 수행될 수 있다. 여기서, 사용자의 손떨림이나 부주의 등의 외부적 요인으로 립스 유닛(1200) 또는 가이드 부재(1216)가 레이저 조사 방향의 반대 방향으로 이동되어 검체(1)로부터 이격된 상태에서 진단 시스템(100)이 진단을 수행할 수 있다. 한편, 가이드 부재(1216)는 조사 거리가 일정하게 유지되도록 검체(1)에 대해 립스 유닛(1200)의 적어도 일부를 지지하는 역할을 수행하는 바 가이드 부재(1216)가 레이저 진행 방향으로 이동하는 것은 실질적으로 어려울 것이다.
도 27을 참조하면, 레이저가 검체(1)에 조사되는 조사 거리는 레이저의 초점 거리보다 길거나 짧을 수 있다. 또는, 검체(1)에 조사되는 레이저의 초점은 검체(1)로부터 소정 거리 이격되어 위치할 수 있다.
본 명세서의 일 실시예에 따르면, 검체(1)는 레이저 조사에 의해 검체(1)에 인가되는 에너지가 특정 값 이하를 갖도록 레이저 조절 부재(1214) 또는 외부 설비(10)로부터 이격되어 배치될 수 있다. 예를 들어, 검체(1)는 레이저 조사에 의해 인가되는 플루언스가 손상 임계값(Dth) 이하를 갖도록 레이저 조절 부재(1214)로부터 특정 조사 거리 이격되어 배치될 수 있다.
여기서, 몇몇 외부적 요인에 의해 검체(1)와 레이저 조절 부재(1214) 또는 외부 설비(10)와 검체(1) 간의 위치관계가 변경될 수 있다. 예를 들어, 도 26에 도시된 바와 같이 진단 시스템(100)을 이용하는 사용자의 손 떨림이나 부주의 등에 의해 립스 유닛(1200)이 검체(1)로부터 소정 거리 이격되고 이에 따라 검체(1)에 대한 레이저의 조사 거리가 증가할 수 있다.
여기서, 조사 거리의 변화에 따라 검체(1)에 조사되는 레이저의 스팟 사이즈가 변경될 수 있다. 즉, 검체(1)에 인가되는 플루언스 값이 변경될 수 있다. 다만, 후술하는 바와 같이 기존의 검체(1)의 배치 위치에 따라 변경된 플루언스 값의 영향이 커지거나 적을 수 있다.
다시 도 27을 참조하면, 레이저가 초점 거리(L) 보다 짧은 제1 조사 거리(D1)를 갖도록 검체(1)가 레이저 초점과 레이저 조절 부재(1214) 사이에 배치될 수 있다. 여기서, 검체(1)에 레이저가 조사될 때 스팟 사이즈가 유효 스팟 사이즈 이내로 설정되어 검체(1)에 손상 임계값(Dth) 이하의 플루언스가 인가되더라도 외부적 요인에 의해 조사 거리가 증가하면 레이저의 스팟 사이즈가 감소할 수 있고 이에 따라 검체(1)에 인가되는 파워 밀도 및 플루언스가 증가될 수 있으며 증가된 플루언스가 손상 임계값(Dth) 이상이면 검체(1)에 손상이 발생할 수 있다.
반면, 다시 도 27을 참조하면, 레이저가 초점 거리(L) 보다 긴 제2 조사 거리(D2)를 갖도록 검체(1)가 레이저 초점으로부터 레이저 진행 방향으로 소정 거리 이격되어 배치될 수 있다. 여기서, 검체(1)에 레이저가 조사될 때 스팟 사이즈가 유효 스팟 사이즈 이내로 설정되어 검체(1)에 손상 임계값(Dth) 이하의 플루언스가 인가되면, 외부적 요인에 의해 조사 거리가 증가하더라도 레이저의 스팟 사이즈는 증가하고 이에 따라 검체(1)에 인가되는 파워 밀도 및 플루언스가 감소할 수 있으며 감소한 플루언스는 손상 임계값(Dth) 이하이므로 검체(1)에 손상이 발생하지 않을 수 있다.
따라서, 진단 시스템(100)은 레이저의 조사 거리를 레이저의 초점 거리보다 길게 설정함으로써 상술한 외부적 요인 등으로 검체(1)에 인가되는 플루언스 값이 변하더라도 검체(1)에 손상이 발생하지 않을 수 있다.
또는, 진단 시스템(100)은 검체(1)를 레이저 초점으로부터 레이저 진행 방향으로 소정 거리 이격시켜 배치함으로써 상술한 외부적 요인 등으로 검체(1)에 인가되는 플루언스 값이 변하더라도 검체(1)에 손상이 발생하지 않을 수 있다.
이하에서는 도 28을 참조하여 본 명세서의 일 실시예에 따라 진단 시스템(100)이 진단 방법을 수행함에 있어서 검체(1)가 손상되지 않도록 레이저 조절 부재(1214)의 구면 수차(spherical aberration)를 이용하는 방법에 대해 설명한다.
본 명세서의 일 실시예에 따르면, 레이저 조절 부재(1214)는 구면 수차를 갖는 광학 렌즈를 포함할 수 있다. 여기서, 구면 수차는 평행한 광이 렌즈를 통과할 때, 렌즈의 중심으로부터 떨어진 거리에 따라 맺어지는 초점의 위치가 달라지는 현상을 의미한다. 구체적으로, 구면 수차를 갖는 렌즈는 영역별로 굴절율이 다르고, 렌즈의 각기 다른 영역을 통과한 광은 각기 다른 초점을 지나도록 굴절될 수 있다. 예를 들어, 렌즈의 중심축에서 떨어진 영역일수록 굴절율이 커서 통과하는 광의 초점이 더 가까이 맺힐 수 있다. 따라서, 레이저가 구면 수차를 갖는 렌즈를 통과하면 어느 한 점에서 모이지 않는 포커스드 빔 형태를 가질 수 있다.
도 28은 본 명세서의 일 실시예에 따라 구면 수차를 갖는 레이저 조절 부재(1214)를 통과한 레이저의 형태를 나타내는 예시도이다.
도 28을 참조하면, 구면 수차를 갖는 렌즈를 통과한 레이저는 레이저 초점 근방에서 레이저가 집중되는 광 집중 영역을 가질 수 있다. 광 집중 영역은 포커스드 빔 형태의 광이 초점을 기준으로 모였다가 흩어지듯이 레이저가 레이저 초점을 중심으로 모이다가 퍼져나가는 모양으로 형성될 수 있다.
광 집중 영역은 레이저 초점(F) 및 레일리 길이(Rayleigh length)(RL)로 특정될 수 있다. 예를 들어, 광 집중 영역은 레이저가 지나가는 영역 중 레이저의 초점(F)으로부터 레이저 진행 방향 및 반대 방향으로 레일리 길이(RL) 범위 내의 영역을 포함할 수 있다. 여기서, 레일리 길이(RL)는 렌즈의 굴절율, 개구수(NA: Numerical Aperture) 또는 초점 거리 등과 검체(1)에 조사되는 레이저의 파장 등에 기초하여 계산될 수 있다. 예를 들어, 조사 레이저의 파장이 1064nm이고 렌즈의 초점 거리가 6cm, 렌즈의 지름이 3mm인 경우, 레일리 길이(RL)는 약 2.17mm가 될 수 있다.
광 집중 영역에서 레이저는 광 축(BA)을 기준으로 레이저의 너비, 폭 또는 두께를 나타내는 광 반지름(R)을 가질 수 있다.
광 집중 영역에서 레이저는 빔 폭(beam waist)(BW)을 가질 수 있다. 빔 폭(BW)은 광 집중 영역 내 레이저 초점(F)에서 레이저의 너비 또는 그 너비의 반을 의미할 수 있다. 즉, 빔 폭(BW)은 광 집중 영역 내에서 레이저가 갖는 광 반지름(R) 중 가장 짧은 반지름을 의미할 수 있다.
광 집중 영역 내에서 검체(1)가 레이저를 조사 받는 경우 광 반지름(R)을 기초로 스팟 사이즈가 정해질 수 있다. 여기서, 광 반지름(R)의 최대값과 최소값을 이용하여 광 집중 영역 내에서 검체(1)에 레이저가 조사될 수 있는 스팟 사이즈의 범위가 결정될 수 있다.
본 발명의 일 실시예에 따르면, 진단 시스템(100)은 광 집중 영역 내에서 진단 방법을 수행할 수 있다. 여기서, 진단 시스템(100)은 검체(1)에 플라즈마를 형성시키면서 검체(1)가 손상되지 않기 위한 진단 조건을 설정할 수 있다. 구체적으로, 진단 시스템(100)은 레이저가 검체(1)에 조사될 때 레이저의 세기나 펄스당 에너지, 펄스 폭, 손상 임계값(Dth) 및 어블레이션 임계값(Ath) 등을 고려하여 유효 스팟 사이즈를 설정하고, 설정된 유효 스팟 사이즈에 포함되도록 특정 레일리 길이(RL)를 갖는 광 집중 영역을 설정하며, 설정된 광 집중 영역 내에 검체(1)가 위치하도록 가이드 부재(1216)의 길이를 설정할 수 있다.
한편, 이상에서 상술한 광 집중 영역의 광 반지름(R), 레일리 길이(RL), 빔 폭(BW) 및 조사 영역 크기 등의 범위들은 예시적인 것에 불과하므로, 본 명세서의 실시예들이 이로 인해 한정되는 것은 아니다.
이하에서는 본 명세서의 일 실시예에 따른 스펙트럼 데이터를 이용한 진단 동작에 관하여 설명한다.
본 명세서에서 진단 시스템(100), 구체적으로 진단 유닛(1400)은 스펙트럼 데이터에 기초하여 검체(1)에 대한 진단을 수행할 수 있다. 다시 말해, 진단 유닛(1400)은 스펙트럼 데이터에 기초하여 검체(1)의 상태를 판단할 수 있다. 구체적으로 검체(1)의 상태란, 검체(1)의 종류, 검체(1)의 구성 성분의 함량, 검체(1)의 건강 상태 등일 수 있다.
여기서, 검체(1)가 신체의 일부인 경우, 검체(1)의 종류는, 예를 들어 간 조직, 피부 조직, 모발 조직 등인지와 같이 어떤 신체 기관에 관한 종류인지, 정상 조직인지 암 등과 같은 질병 조직인지 등을 포함할 수 있다. 또 여기서, 검체(1)가 신체의 일부인 경우, 검체(1)의 구성 성분 함량은, 예를 들어 조직이나 세포에 포함된 유해 물질 함량 등일 수 있다. 또 여기서, 검체(1)가 신체의 일부인 경우, 검체(1)의 건강 상태는, 정상 상태인지 비정상(예를 들어 암 등의 질병) 상태인지, 노화 정도, 영양 상태 정도를 의미할 수 있다.
여기서, 진단 유닛(1400)은 스펙트럼 데이터로부터 진단 결과를 얻기 위해 다양한 진단 알고리즘을 이용할 수 있다. 다시 말해, 진단 알고리즘은 스펙트럼 데이터를 입력받아 진단 결과를 출력하는 알고리즘을 의미할 수 있다. 이러한 진단 알고리즘은 진단 유닛(1400)에 물리적 또는 논리적으로 제공될 수 있다. 예를 들어, 진단 유닛(1400)의 제2 메모리(1450)에 진단 알고리즘이 저장되어 있고, 제2 콘트롤러(1410)은 제2 메모리(1450)와 협업하여 진단 알고리즘을 처리함으로써, 스펙트럼 데이터로부터 진단 결과를 획득할 수 있다. 다른 예를 들어, 진단 유닛(1400)의 제2 콘트롤러(1410)에 진단 알고리즘을 구현하는 물리적 전기 회로가 하드웨어적으로 구현되어 있을 수도 있다.
본 명세서에서 진단 알고리즘은 적어도 하나의 스펙트럼 데이터에 기초하여 진단 결과를 획득할 수 있다. 여기서, 스펙트럼 데이터는 상술한 스펙트럼 데이터의 획득 동작을 통해 검체(1)로부터 획득된 것일 수 있다.
여기서, 검체(1)는 진단 대상이 되는 '대상 검체(target specimen)'를 포함할 수 있다. 예를 들어, 진단 시스템(100)이 특정 피부 조직에 대해 립스를 수행하여 특정 피부 조직에 대한 스펙트럼 데이터를 획득하고, 이에 기초하여 특정 피부 조직의 피부암 유무에 대해 판단을 수행하는 경우 피부암 유무를 판단받는 특정 피부 조직이 대상 검체일 수 있다.
또, 검체(1)에는 '대상 검체'와 비교를 위한 '참조 검체(reference specimen')가 더 포함될 수 있다. 예를 들어, 진단 시스템(100)이 특정 피부 조직의 피부암 유무를 판단하기 위해, 피부암 유무에 대해 진단하고자 특정 피부 조직의 스펙트럼 데이터와 피부암이 없는 것으로 기 확인된 조직의 스펙트럼 데이터 둘에 기초하여 특정 피부 조직의 피부암 유무를 판단할 수 있는데, 이때 특정 피부 조직은 피진단 대상으로 '대상 검체'에 대응되고 피부암이 없는 것으로 기 확인된 조직은 '대상 검체'와 비교를 위한 '참조 검체'에 대응될 수 있다.
따라서, 본 명세서에서 '검체'란 레이저를 조사받고 립스 현상이 유발되는 객체로 해석될 수 있다.
또 '대상 검체'란 진단 시스템(100)이 수행하고자 하는 진단의 목적이 되는 객체로 해석될 수 있다. 예를 들어, 진단 시스템(100)이 질병 진단을 수행하는 경우, 대상 검체는 질병이 있는 것으로 의심되는 또는 질병의 확인 대상이 되는 객체일 수 있다.
또 '참조 검체'란 진단 시스템(100)이 진단의 목적이 되는 객체 이외에 다른 검체로, 주로 본 명세서의 진단 알고리즘이 진단 결과를 산출하는 과정에서 대상 검체에 대한 스펙트럼 데이터와 비교 또는 참조하는 용도로 이용되는 추가적인 스펙트럼 데이터를 추출하기 위한 객체로 해석될 수 있다. '참조 검체'의 스펙트럼 데이터를 참조하거나 '대상 검체'의 스펙트럼 데이터와 비교하기 위해, '참조 검체'로는 주로 그 상태가 기 확인된 객체가 이용될 수 있다. 예를 들어, 진단 시스템(100)이 질병 진단을 수행하는 경우, 대상 검체이 의심되는 객체이고, 참조 검체는 질병이 있는 것으로 기 확인된 또는 질병이 없는 것으로 기 확인된 객체일 수 있다.
상술한 바와 같이 본 명세서에서 진단 시스템(100)은 다양한 진단 알고리즘을 이용할 수 있다.
일 예로, 진단 알고리즘은 기계학습 모델로 제공될 수 있다. 기계학습 모델의 대표적인 예로는, 인공 신경망(Artificial Neural Network)이 있을 수 있다. 구체적으로 인공 신경망의 대표적인 예로는 데이터를 입력받는 입력 레이어, 결과를 출력하는 출력 레이어 및 입력 레이어와 출력 레이어 사이에서 데이터를 처리하는 히든 레이어(hidden layer)를 포함하는 딥 러닝 계열의 인공 신경망이 있다. 인공 신경망의 세부적인 예시들로는, 회귀분석 인공 신경망(Convolution Neural Network), 순환신경망(Recurrent Neural Network), 심층신경망(Deep Neural Network) 등이 있으며, 본 명세서에서 인공 신경망은 상술된 인공 신경망, 그 외의 다양한 형태의 인공 신경망 및 이들이 조합된 형태의 인공 신경망을 모두 포함하는 포괄적인 의미로 해석되어야 하며, 반드시 딥 러닝 계열이어야만 하는 것도 아니다.
뿐만 아니라, 기계학습 모델이 반드시 인공 신경망 모델 형태이어야만 하는 것은 아니며, 이외에도 최근접 이웃 알고리즘(KNN), 랜덤 포레스트(Random Forest), 서포트 벡터 머신(SVM), 주성분분석법(PCA) 등이 포함될 수 있으며, 이상에서 언급된 기법들이 앙상블된 형태나 그 외에 다양한 방식으로 조합된 형태까지도 전부 포함할 수 있다. 한편, 인공 신경망을 중심으로 언급되는 실시예들에서 특별한 언급이 없는 한 인공 신경망이 다른 기계학습 모델로 대체될 수 있음을 미리 밝혀둔다.
나아가, 본 명세서에서 진단 알고리즘이 반드시 기계학습 모델로 한정되는 것은 아니다. 즉, 진단 알고리즘은 기계학습 모델이 아닌 다양한 판단/결정 알고리즘이 포함될 수도 있다. 예를 들어, 진단 알고리즘은 기 획득된 스펙트럼 데이터로 이용하여 작성된 데이터 베이스와 검체(1)로부터 획득된 스텍트럼 데이터를 상호 비교함으로써 진단을 수행하는 등의 비기계학습적 알고리즘일 수도 있다.
따라서, 본 명세서에서 진단 알고리즘은 스펙트럼 데이터를 이용하여 진단을 수행하는 모든 형태의 알고리즘을 모두 포함하는 포괄적인 의미로 이해되어야 함을 미리 밝혀 둔다.
이하에서는 딥러닝 계열의 인공 신경망을 이용하여 스펙트럼 데이터로부터 진단을 수행하는 몇몇 예시를 중심으로 진단 알고리즘에 관하여 설명하기로 한다. 다만, 이는 설명의 편의를 위한 것에 불과하므로, 이로 인해 본 명세서에서 진단 알고리즘이 딥러닝 계열의 인공 신경망으로 한정되는 것은 아님에 유의해야 한다.
본 명세서에서 딥러닝 계열의 인공 신경망은 논리적으로 또는 물리적으로 구현되는 것이 가능하다. 즉, 인공 신경망은 하드웨어적, 소프트웨어적 또는 이들의 조합 형태로 구현될 수 있다.
예를 들어, 인공 신경망은 구글의 텐서 플로우 등의 어플리케이션을 이용하는 프로그램으로 구현될 수 있다. 여기서, 프로그램 형태의 인공 신경망은 논리적으로 구현된 층(layer), 노드(node) 및 이들을 연결하는 라인(line)이 제공되며, CPU나 GPU의 연산을 통해 데이터를 처리함으로써 구현될 수 있다. 본 명세서에서는 진단 유닛(1400)의 제2 콘트롤러(1410)와 제2 메모리(1450)를 통해 구현될 수 있다. 이때, 제2 메모리(1450)에는 인공 신경망을 구성하는 각 노드의 웨이트 값이나 노드 간의 연결 관계, 노드의 구성 등이 저장되어 있을 수 있으며, 제2 콘트롤러(1410)는 스펙트럼 데이터를 입력 레이어로 입력하고, 이후 각 노드에서의 노드값(node value)을 연산하여 출력 레이어에서 결과값을 산출할 수 있다.
다른 예를 들어, 인공 신경망은 인공 신경망을 전용으로 처리하기 위한 ASIC(Application Specific Integrated Circuit) 형태나 FPGA(field programmable gate array) 형태 등을 비롯한 다양한 전기 회로들로 구현되는 신경 모사 칩(neuromorphic chip)과 같은 하드웨어로 제공될 수도 있다.
본 명세서에서 인공 신경망은 스펙트럼 데이터를 입력받고, 진단 결과를 출력할 수 있다.
도 29는 본 명세서의 일 실시예에 따른 인공 신경망의 예시도이다.
도 29를 참조하면, 인공 신경망은 스펙트럼 데이터를 입력받는 입력 레이어, 진단 결과를 출력하는 출력 레이어 및 입력 레이어와 출력 레이어 사이에 배치되는 적어도 하나의 히든 레이어를 포함할 수 있다.
입력 레이어에는 스펙트럼 데이터가 입력될 수 있다. 입력 레이어는 복수의 입력 노드를 포함할 수 있다. 입력 노드 각각에는 파장 별 세기값이 입력될 수 있다. 다시 말해, 입력 노드에는 각각 특정 파장이 할당되어 있고, 각 노드에는 할당된 파장에 대한 세기값이 입력값으로 입력될 수 있다.
본 명세서의 이하의 기재에서는 입력 레이어에 입력되는 스펙트럼 데이터를 입력 데이터라고 지칭한다. 여기서, 입력 데이터는 립스 유닛(1200)에서 측정된 스펙트럼 데이터의 원본 또는 립스 유닛(1200)에서 측정된 스펙트럼 데이터의 원본을 가공한 스펙트럼 데이터일 수 있다. 또 입력 데이터는 단일한 검체에 대한 스펙트럼 데이터, 복수의 검체에서 얻어진 복수의 스펙트럼 데이터, 또는 복수의 검체에서 얻어진 복수의 스펙트럼 데이터의 조합일 수 있다. 입력 데이터에 대한 구체적인 설명은 후술하도록 한다.
출력 레이어는 진단 결과를 출력할 수 있다.
예를 들어, 인공 신경망이 바이너리 클래시피케이션 형태로 진단 결과를 출력하는 경우에는 출력 레이어에 하나 또는 두 개의 출력 노드가 포함될 수 있다. 바이너리 클래시피케이션 형태로 결과값을 출력하는 인공 신경망은 주로 단일한 질병이나 단일한 건강 상태 등에 대한 진단을 수행할 수 있다.
다른 예를 들어, 인공 신경망이 멀티 클래시피케이션 형태로 진단 결과를 출력하는 경우에는 출력 레이어는 복수 개의 출력 노드를 포함할 수 있다. 멀티 클래시피케이션 형태로 결과값을 출력하는 인공 신경망은 주로 복수의 질병이나 복수의 건강 상태 등에 대한 진단을 수행할 수 있다.
또 다른 예를 들어, 인공 신경망이 리그레션 형태로 진단 결과를 출력하는 경우에는 출력 레이어에는 적어도 하나의 출력 노드가 포함될 수 있다.
히든 레이어는 복수의 레이어를 포함할 수 있으며, 각각의 레이어는 적어도 하나의 은닉 노드를 포함할 수 있다.
인공 신경망은 기 확인된 진단 결과값과 스펙트럼 데이터가 서로 태그된 라벨링 데이터를 러닝 셋으로 이용하여 학습될 수 있다. 이에 따라, 충분히 학습된 인공 신경망은 대상 검체로부터 획득된 스펙트럼 데이터가 입력되면 진단 결과를 출력할 수 있다.
구체적으로 질병 유무에 대하여 판단하는 인공 신경망은, 질병이 있는 검체(이하 '질병 검체'라 함)에 대해 레이저를 조사하여 획득된 스펙트럼 데이터(이하 '질병 스펙트럼 데이터'라 함)에 질병이 있음을 지시하는 값을 할당하고, 질병이 없는 검체(이하 '정상 검체'라 함)에 대해 레이저를 조사하여 획득된 스펙트럼 데이터(이하 '정상 스펙트럼 데이터'라 함)에 질병이 없음을 지시하는 값을 할당한 러닝 셋을 이용하여 학습될 수 있다. 여기서, 충분히 학습된 인공 신경망은 질병 유무를 진단하고자 하는 대상 검체로부터 획득된 스펙트럼 데이터를 입력받고, 질병 유무를 진단 결과로 출력할 수 있다. 이때, 진단 결과는 주로 확률값으로 출력될 수 있다.
여기서는, 스펙트럼 데이터의 몇몇 특성(characteristic, attiribute)에 대해 간단히 언급하기로 한다.
도 30은 본 명세서의 일 실시예에 따른 스펙트럼 데이터의 구조를 도시한 도면이다.
도 30을 참조하면, 스펙트럼 데이터는 복수의 광 세기값을 포함하며, 각각의 세기값은 특정한 파장 또는 파장대역에 관한 것일 수 있다. 즉, 스펙트럼 데이터는 파장 별 세기값을 포함할 수 있다.
상술한 분광 측정 모듈(1230)에서 생성하는 스펙트럼 데이터는 각각의 센서 어레이(1232)에 속하는 개별 센서로 입사되는 광량이나 광의 세기, 광 에너지에 기초하여 각 파장 별 세기값이 결정되며, 개별 센서에는 분광된 광의 진행 경로 상에 배치되는 센서의 위치와 센서의 수광 범위에 대응하는 파장대역의 광이 입사되므로, 엄밀히는 스펙트럼 데이터는 파장대역 별 세기값을 갖는다고 표현하는 것이 맞다. 다만, 본 명세서에서는 설명의 편의를 위해 이를 '파장 별 세기값'라는 용어와 혼용하기로 한다.
예를 들어, 스펙트럼 데이터는 200nm 파장(또는 199.5~200.5nm 파장대역)에 대한 광 세기값, 201nm 파장(200.5~201.5nm 파장대역)에 대한 광 세기값, …, 799nm 파장(798.5~799.5nm 파장대역)에 대한 광 세기값, 800nm 파장(799.5~800.5nm 파장대역)에 대한 광 세기값을 포함하는 형태로 제공될 수 있다.
스펙트럼 데이터의 특성에는 파장 범위가 포함될 수 있다. 스펙트럼 데이터의 파장 범위는 스펙트럼 데이터에 포함된 세기값들에 할당된 파장들 중 최소 파장으로부터 최대 파장까지의 범위를 의미할 수 있다. 예를 들어, 스펙트럼 데이터의 파장 범위는 200nm~1000nm, 280~780nm 등과 같이 표현될 수 있다.
또, 스펙트럼 데이터의 특성에는 파장 간격이 포함될 수 있다. 스펙트럼 데이터의 파장 간격은 스펙트럼 데이터에 포함된 세기값들에 할당된 파장들 간의 간격을 의미할 수 있다. 예를 들어, 스펙트럼 데이터의 파장 간격은 1nm, 0.7nm, 2nm 등과 같이 표현될 수 있다.
원본 스펙트럼 데이터(raw spectrum data)는 립스 유닛(1200)에서 획득되는 스펙트럼 데이터로, 원본 스펙트럼 데이터의 특성은 립스 유닛(1200)의 분광 측정 모듈(1230)의 스펙에 따라 정해질 수 있다. 예를 들어, 원본 스펙트럼의 파장 범위는 분광 측정 모듈(1230)의 측정 범위에 따라 정해지고, 원본 스펙트럼의 파장 간격은 분광 측정 모듈(1230)의 분해능 또는 해상도에 따라 정해질 수 있다.
본 명세서의 일 실시예에 따르면, 원본 스펙트럼 데이터를 그대로 진단 알고리즘의 입력 데이터로 이용하는 것도 가능하다. 그런데, 몇몇 실시예에서는 원본 스펙트럼 데이터를 그대로 진단 알고리즘의 입력 데이터로 이용하는 경우에는 몇몇 가지 기술적 어려움이 있을 수 있다.
먼저, 진단 알고리즘의 입력 데이터로 원본 스펙트럼 데이터를 그대로 이용하는 경우에는 진단 알고리즘과 스펙트럼 데이터 간의 호환성이 저하될 수 있다.
상술한 바와 같이 원본 스펙트럼 데이터는 그 파장 범위나 파장 간격이 진단 시스템(100)의 성능이나 설정(configuration)에 따라 정해지므로, 립스 유닛(1200)의 설정이 변경되거나 성능이 상이한 경우 스펙트럼 데이터의 특성이 변동될 수 있다. 예를 들어, 분광 측정 모듈(1230)이 동일한 제조사의 동일한 제품이더라도 소프트웨어 세팅에 따라서 획득되는 원본 스펙트럼 데이터의 특성이 서로 달라질 수 있다. 다른 예를 들어, 이종 제품인 분광 측정 모듈(1230)을 이용하여 획득되는 원본 스펙트럼 데이터의 특성이 서로 달라질 수 있다. 또 다른 예를 들어, 동종 제품인 분광 측정 모듈(1230)을 스펙트럼 데이터를 획득하는 경우에도, 각 기기 간의 미세한 성능 차이로 인해 감지하는 파장에 오프셋이 발생해 획득되는 원본 스펙트럼 데이터의 특성이 서로 달라질 수 있다.
상술한 바와 같이 스펙트럼 데이터의 특성이 변동되는 경우에는, 미리 정해진 특성을 갖는 스펙트럼 데이터에 적합하도록 설계된 진단 알고리즘은 미리 정해진 특성에서 벗어난 스펙트럼 데이터에 대해서는 진단을 수행하지 못하거나 진단 정확도가 저하될 수 있다. 따라서, 원본 스펙트럼을 그대로 입력 데이터로 이용하는 진단 알고리즘은 립스 유닛(1230)의 스펙에 민감하여 범용적으로 이용되기 어려울 수 있다.
다음으로, 진단 알고리즘에 원본 스펙트럼 데이터를 그대로 입력 데이터로 이용하는 경우에는 진단 결과에 외부 변인이 작용하고, 이로 인해 진단 정확도가 저하될 수 있다.
립스 유닛(1200)이 획득하는 원본 스펙트럼 데이터에는 조사되는 레이저의 세기, 검체(1)의 상태, 기온이나 습도 등에 따른 센서 어레이(1232)의 민감도 등 다양한 환경 요인이 작용할 수 있다. 예를 들어, 레이저 조사 모듈(1210)이 이종 제품인 경우, 플라즈마 어블레이션을 유도하는 레이저의 세기가 상이해질 수 있으며, 이에 따라 획득되는 스펙트럼 데이터의 광 세기값이 전체적으로 변화될 수 있다. 여기서, 레이저 조사 모듈(1210)이 동종 제품인 경우에도, 레이저 조사 시의 온도나 습도 등에 의해 레이저의 세기가 변할 수 있으며, 환경 요인이 엄격히 통제된 환경에서도 조사되는 레이저 세기가 미세하게 달라질 수 있다. 다른 예를 들어, 검체(1)의 표면 상태, 경도, 수분 함량 등에 따라 동일한 세기의 레이저가 조사되더라도 플라즈마 어블레이션의 정도가 상이해질 수 있다. 또 다른 예를 들어, 온도 등의 환경 요인이 센서 어레이(1232)의 민감도에 영향을 끼쳐 스펙트럼 데이터의 광 세기값이 달라질 가능성이 존재한다. 다시 말해, 동일한 객체(1)로부터 얻어지는 원본 스펙트럼 데이터 간에 광 세기값의 차이가 발생할 수 있는 것이다.
본 명세서에서는 상술한 바와 같이 원본 스펙트럼을 그대로 이용할 시 진단이 정확히 이루어지기 어려운 점을 극복하기 위해 필수적이지는 않은 실시예로서, 원본 스펙트럼 데이터에 대한 전처리를 수행할 수 있다. 이하에서는 본 명세서의 일 실시예에 따른 몇몇 전처리에 대하여 설명하기로 한다.
여기서, 전처리는 진단 유닛(1400)이 립스 유닛(1200)으로부터 획득한 스펙트럼 데이터를 가공하는 것을 의미할 수 있다. 스펙트럼 데이터에 대한 전처리는 정확도, 학습 속도, 연산 속도 등과 같은 진단 알고리즘의 성능을 향상시키기 위해 수행될 수 있다. 물론, 전처리가 반드시 언급된 목적을 위한 것은 아닐 수 있으며, 그 외에 다양한 목적을 위해 수행될 수 있다.
이하의 설명에서는 립스 유닛(1200)에서 획득된 스펙트럼 데이터를 '원본 스펙트럼 데이터(raw spectrum data)'로 지칭하는 것과 대비하여 전처리를 통해 원본 스펙트럼 데이터로부터 가공된 스펙트럼 데이터에 대하여 '가공 스펙트럼 데이터(processed spectrum data)'라고 지칭하기로 한다. 진단 알고리즘은 원본 스펙트럼 데이터 대신 가공 스펙트럼 데이터를 입력 데이터로 이용할 수 있다.
가공 스펙트럼 데이터는 원본 스펙트럼 데이터에 대한 전처리를 통해 획득될 수 있다. 구체적으로, 진단 유닛(1400)의 제2 콘트롤러(1410)은 립스 유닛(1200)으로부터 원본 스펙트럼 데이터를 획득하고, 원본 스펙트럼 데이터에 대해 전처리를 수행하여 가공 스펙트럼 데이터를 작성하고, 진단 알고리즘을 이용해 가공 스펙트럼 데이터로부터 진단 결과를 획득할 수 있다.
전처리에는 일 예로 표준화(standardization)가 포함될 수 있다.
여기서, 표준화는 원본 스펙트럼 데이터를 미리 정해진 파장들(이하 '표준 파장'이라 함)에 대한 광 세기값을 가지는 스펙트럼 데이터로 가공하는 것을 의미한다. 여기서, 표준 파장들은 진단 알고리즘의 입력 데이터가 요청하는 파장들과 대응될 수 있다. 예를 들어, 진단 알고리즘으로 제공되는 인공 신경망은 입력 레이어의 입력 노드들에 각각 표준 파장들이 할당되도록 설계될 수 있다. 다시 말해, 표준화는 원본 스펙트럼을 표준화된 규격을 갖는 스펙트럼 데이터로 변경하는 것을 의미할 수 있다.
도 31은 본 명세서의 일 실시예에 따른 표준화의 개략도이다.
도 31을 참조하면, 진단 시스템(100)은 표준화를 수행하여 원본 스펙트럼 데이터로부터 진단 알고리즘의 입력 데이터로 표준화된 규격을 가지는 가공 스펙트럼 데이터를 생성할 수 있다.
구체적으로 제2 콘트롤러(1410)는 립스 유닛(1200)으로부터 원본 스펙트럼 데이터를 획득할 수 있다. 제2 메모리(1450)에는 입력 데이터의 표준 규격 정보이 저장되어 있을 수 있다. 여기서, 표준 규격 정보는 파장 범위, 파장 별 세기값의 개수, 파장 간격, 표준 파장들 등을 포함할 수 있다. 표준 규격은 예를 들어, 인공 신경망의 입력 노드가 요청하는 규격일 수 있다. 제2 콘트롤러(1410)는 표준 규격 정보를 참조하여 원본 스펙트럼 데이터를 가공하여 입력 데이터로서 요청되는 규격을 가지는, 즉 표준 규격 형태의 스펙트럼 데이터를 가공 스펙트럼 데이터로 생성할 수 있다
일 예로, 제2 콘트롤러(1410)는 원본 스펙트럼 데이터로부터 진단 알고리즘의 입력 노드의 파장 간격에 대응되는 파장 간격을 가지는 가공 스펙트럼 데이터를 생성할 수 있다. 다른 예로, 제2 콘트롤러(1410)는 원본 스펙트럼 데이터에 포함된 파장 별 세기값의 개수를 증가시킬 수 있다. 또 다른 예로, 제2 콘트롤러(1410)는 원본 스펙트럼 데이터로부터 진단 알고리즘의 입력 노드가 요청하는 파장 범위에 대응되도록 파장 범위가 조절된 가공 스펙트럼 데이터를 생성할 수 있다.
표준화를 통해 원본 스펙트럼 데이터는 진단 알고리즘의 입력 데이터로써 가공되고, 진단 알고리즘은 이를 이용하여 진단 결과를 산출할 수 있다. 이하에서는, 본 명세서의 일 실시예에 따른 표준화의 구체적인 실시예들을 도면을 참조하여 설명하도록 한다.
본 명세서의 일 실시예에 따른 표준화의 일 예에 의하면, 진단 유닛(1400)는 원본 스펙트럼 데이터와 파장 범위가 상이한 가공 스펙트럼 데이터를 생성할 수 있다.
도 32는 본 명세서의 일 실시예에 따른 원본 파장 범위를 갖는 원본 스펙트럼 데이터의 일 예에 관한 도면이고, 도 33은 본 명세서의 일 실시예에 따른 표준 파장 범위를 갖는 가공 스펙트럼 데이터의 일 예에 관한 도면이다.
원본 스펙트럼 데이터는 원본 파장 범위에 대한 파장 별 세기값을 포함할 수 있다. 원본 스펙트럼 데이터의 원본 파장 범위는 립스 유닛(1200)의 스펙에 따라 결정될 수 있다. 예를 들어, 립스 유닛(1200)의 분광 측정 모듈(1240)이 200~800nm의 파장 범위에 대해 광 세기값을 측정하는 경우에는 도 32에 도시된 바와 같이 립스 유닛(1200)에서는 원본 파장 범위가 200~800nm인 스펙트럼 데이터가 획득될 수 있다.
진단 유닛(1400)은 원본 파장 범위를 갖는 원본 스펙트럼 데이터로부터 표준 파장 범위를 갖는 가공 스펙트럼 데이터를 생성할 수 있다. 예를 들어, 표준 파장 범위가 350~660nm인 경우, 진단 유닛(1400)은 도 33에 도시된 바와 같이 파장 범위가 200~800nm인 원본 스펙트럼 데이터로부터 파장 범위가 350~660nm인 가공 스펙트럼 데이터를 생성할 수 있다.
일 예에 따르면, 진단 유닛(1400)은 원본 스펙트럼 데이터의 일부를 추출하여 원본 파장 범위와 상이한 표준 파장 범위를 갖는 가공 스펙트럼 데이터를 생성할 수 있다.
도 34는 본 명세서의 일 실시예에 따른 가공 스펙트럼 데이터를 획득하는 과정의 일 예에 관한 도면이다.
도 34를 참조하면, 구체적으로 제2 메모리(1450)에는 입력 데이터가 요구하는 파장 범위인 표준 파장 범위에 관한 정보가 저장될 수 있다. 제2 콘트롤러(1410)는 제2 메모리(1450)로부터 표준 파장 범위에 관한 정보를 참조하여 원본 스펙트럼 데이터의 파장 별 세기값 중에서 표준 파장 범위에 속하는 파장 별 세기값을 추출하고, 추출된 파장 별 세기값을 이용하여 표준 파장 범위를 갖는 가공 스펙트럼 데이터를 생성할 수 있다.
다른 예에 따르면, 진단 유닛(1400)은 원본 스펙트럼 데이터로부터 스펙트럼 함수를 생성하고, 스펙트럼 함수에 기초하여 표준 파장 범위를 갖는 가공 스펙트럼 데이터를 생성할 수 있다.
도 35는 본 명세서의 일 실시예에 따른 가공 스펙트럼 데이터를 획득하는 과정의 다른 예에 관한 도면이다.
도 35를 참조하면, 구체적으로 제2 콘트롤러(1410)는 원본 스펙트럼 데이터를 획득하고, 원본 스펙트럼 데이터의 파장 별 세기값들을 이용하여 파장-광 세기 도메인에 관한 스펙트럼 함수를 생성할 수 있다. 여기서, 스펙트럼 함수는 최근접 보간, 선형 보간, 다항식 보간, 스플라인 보간 등을 비롯한 다양한 내삽 또는 외삽 기법을 이용하여 생성될 수 있다. 제2 메모리(1450)에는 입력 데이터가 요구하는 파장 범위인 표준 파장 범위에 관한 정보가 저장될 수 있다. 제2 콘트롤러(1410)는 제2 메모리(1450)로부터 표준 파장 범위에 관한 정보를 참조하여 스펙트럼 함수 중 표준 파장 범위에 해당하는 부분으로부터 표준 파장 별 세기값을 추출하고, 이에 따라 표준 파장 범위에 대한 가공 스펙트럼 데이터를 생성할 수 있다.
상술한 바와 같이 본 명세서의 일 실시예에서는, 진단 유닛(1400)이 립스 유닛(1200)의 스펙에 따라 결정되는 원본 파장 범위를 갖는 원본 스펙트럼 데이터를 진단 알고리즘이 요구하는 표준 파장 범위를 갖는 가공 스펙트럼 데이터로 가공할 수 있다.
표준 파장 범위는 진단하고자 하는 목적물과 진단의 종류에 따라 달리 설정될 수 있다. 예를 들어, 특정 약제의 조성을 파악하기 위해서는 320~550nm 파장 범위에 대한 스펙트럼 데이터를 이용할 수 있으며, 또 다른 약제의 조성을 파악하기 위해서는 200~250nm 파장 범위에 대한 스펙트럼 데이터를 이용하 수 있다. 다른 예를 들어, 피부 조직에 립스를 수행하여 피부 암 진단을 수행하는 경우, 270~800nm 파장 범위에 대한 스펙트럼 데이터를 이용하여 진단을 수행할 수 있다.
이처럼 표준 파장 범위는 다양한 기준에 따라 설정될 수 있다.
일 예로, 스펙트럼 데이터의 파장 별 세기값을 입력 데이터로 이용하여 진단 결과를 획득하는 경우 표준 파장 범위는 각 스펙트럼 데이터의 파장 별 성분 중요도(feature importance)에 기초하여 결정될 수 있다.
여기서, 파장 별 성분 중요도는 특정 파장이 진단 알고리즘의 진단 결과에 미치는 영향의 정도를 의미할 수 있다. 성분 중요도가 높은 파장의 세기값은 진단 알고리즘의 입력 데이터로 필요성이 큰 것으로 해석될 수 있으며, 반대로 성분 중요도가 낮은 파장의 세기값은 진단 알고리즘의 입력 데이터로 필요성이 낮은 것으로 해석될 수 있다.
도 36은 본 명세서의 일 실시예에 따른 스펙트럼 데이터에 포함된 파장 별 성분 중요도를 나타낸 도면이다.
도 36을 참조하면, 스펙트럼 데이터에 포함되는 복수의 파장들은 진단 결과에 대해 각각 성분 중요도를 가질 수 있다. 여기서, 성분 중요도는 진단 알고리즘의 진단 결과와 해당 파장 별 세기값 간의 상관 계수(correlation factor)로 산출될 수 있다. 예를 들어, 특정 파장과 진단 결과 간의 상관 계수는 스펙트럼 데이터와 진단 결과가 서로 태깅된 러닝 셋을 통해 학습된 인공 신경망에, 특정 파장을 제외한 스펙트럼 데이터를 입력하여 얻어지는 진단 정확도가 특정 파장이 포함된 스펙트럼 데이터를 입력하여 얻어지는 진단 정확도와의 차이로부터 얻어질 수 있다. 물론, 성분 중요도는 이외에도 기계 학습 분야에서 사용되는 다양한 성분 선택(feature selection) 기법이나 성분 추출(feature extraction) 기법을 이용하여 얻어질 수도 있다.
표준 파장 범위는 성분 중요도가 높은 파장들이 포함되도록 설정될 수 있다. 예를 들어, 표준 파장 범위는 성분 중요도가 문턱값보다 높은 파장들은 포함하고, 문턱값보다 낮은 파장범위들은 제외하도록 설정될 수 있다. 다른 예를 들어, 표준 파장 범위는 성분 중요도가 문턱값보다 높은 파장들 중 최소 파장과 최대 파장을 사이의 범위로 설정될 수 있다.
도 37은 본 명세서의 일 실시예에 따른 성분 중요도에 기초한 표준 파장 범위 설정의 예를 도시한 도면이다.
도 37에는 파장-광 세기 축 상에 스펙트럼 데이터를 표현한 것으로, 스펙트럼 데이터에 포함되는 각 파장 별로 성분 중요도가 문턱값보다 높은지 낮은지 여부가 표시되어 있다. 이때, 표준 파장 범위는 문턱값보다 높은 성분 중요도를 갖는 파장들은 포함하고, 문턱값보다 낮은 파장범위들은 제외하는 제1 범위로 설정되거나, 성분 중요도가 문턱값보다 높은 파장들 중 최소 파장과 최대 파장을 사이의 파장들을 포함하는 제2 범위로 설정될 수 있다.
한편, 이상에서는 스펙트럼 데이터의 모든 파장에 대한 성분 중요도에 기초하여 표준 파장 범위를 설정하는 것처럼 설명하였으나, 스펙트럼 데이터에 포함된 파장들 중 일부에 대한 성분 중요도에 기초하여 표준 파장 범위를 설정하는 것도 가능하다. 여기서, 스펙트럼 데이터에 포함된 파장 중 일부 파장은, 예를 들어 요소 피크에 해당하는 파장들이거나 다른 예를 들어, 일정 크기 이상의 세기값을 갖는 파장들일 수 있다.
도 38은 본 명세서의 일 실시예에 따른 일부 파장에 대한 성분 중요도에 기초한 표준 파장 범위 설정의 예를 도시한 도면이다.
도 38은 요소 피크에 해당하는 파장들 중 성분 중요도가 문턱값보다 높은 파장들에 기초하여 표준 파장 범위를 설정하는 것을 도시하고 있다. 구체적으로 도 38에는 스펙트럼이 복수의 요소 피크를 가지며, 복수의 요소 피크에 해당하는 파장들에 대한 성분 중요도가 각각 문턱값 이상인지 이하인지 여부가 표시되어 있다. 이때, 표준 파장 범위는 성분 중요도가 문턱값 이상인 요소 피크의 파장들 중 최소 파장과 최대 파장 사이의 제3 범위로 설정되거나 제3 범위의 하한과 상한에 버퍼 영역을 추가한 제4 범위로 설정될 수 있다.
입력 데이터로 적개는 수백개 많게는 수천개의 파장 별 세기값을 이용하는 경우 모든 입력 데이터들에 대해 성분 중요도를 산출하는 것은 많으 노력과 시간이 필요하므로, 전체 파장들이 아닌 일부 파장들에 대해서만 성분 중요도를 산출하고, 이에 기초하여 표준 파장 범위를 구하는 것은 여러 면에서 유리할 수 있다.
표준 파장 범위를 설정하는 기준의 다른 예로는, 표준 파장 범위는 스펙트럼 데이터의 파장 별 세기값에 기초하여 결정될 수 있다.
일 예로, 표준 파장 범위 설정에 이용되는 파장 별 세기값은 러닝 셋으로 이용된 스펙트럼 데이터들의 평균적인 파장 별 세기값을 의미할 수 있다. 여기서, 바람직하게는 러닝 셋으로 이용된 스펙트럼 데이터는 후술되는 정규화를 거친 스펙트럼 데이터일 수 있으며, 따라서 파장 별 세기값 역시 정규화를 거친 이후의 파장 별 세기값일 수 있다.
도 39는 본 명세서의 일 실시예에 따른 파장 별 세기값에 기초한 표준 파장 범위 설정의 예를 도시한 도면이다.
도 39는 러닝 셋으로 이용된 스펙트럼 데이터의 평균을 파장-세기 축 상에 도시된 것이다. 표준 파장 범위는 파장 별 세기값이 문턱값 이상인 파장들 중 최소 파장과 최대 파장 사이의 제5 범위로 설정되거나 제5 범위의 하한과 상한에 버퍼 영역을 추가한 제6 범위로 설정될 수 있다. 여기서, 문턱값은 전체 스펙트럼 데이터 또는 일부 스펙트럼 데이터의 세기값을 합산한 값에 일정한 비를 곱한 값으로 결정되거나 또는 임의의 값으로 정해질 수 있다.
표준 파장 범위를 설정하는 기준의 또 다른 예로는, 표준 파장 범위는 스펙트럼 데이터의 요소 피크를 고려하여 결정될 수 있다.
일 예로, 표준 파장 범위는 요소 피크들 중 진단하고자 하는 진단 결과와 관련성이 높은 요소 피크는 포함하고 관련성이 낮은 요소 피크는 제외하도록 설정되거나, 진단 결과와 관련성이 높은 요소 피크들 중 최소 파장과 최대 파장 사이의 영역 또는 버퍼 영역이 추가된 범위로 설정될 수 있다.
도 40은 본 명세서의 일 실시예에 따른 요소 피크의 진단 관련성에 기초한 표준 파장 범위 설정의 예를 도시한 도면이다.
도 40은 피부 조직에 대한 암 검사를 수행하기 위해 획득된 스펙트럼을 도시한 것이다. 이때, 칼슘에 관련된 제1 피크, 나트륨에 관련된 제2 피크, 수소에 관련된 제3 피크 등은 암 세포와 정상 세포 사이에서 함량이 크게 차이나므로 진단 대상인 피부 조직이 암 세포인지 정상 세포인지 여부에 대한 관련성이 높은 것으로 판단될 수 잇다. 반대로 산소에 관련뇐 제4 피크나 칼륨에 관련된 제5 피크는 암 세포와 정상 세포 사이에서 함량의 차이가 크지 않기 때문에 진단 대상인 피부 조직이 암 세포인지 정상 세포인지 여부에 대한 관련성이 낮다. 따라서, 표준 파장 범위는 관련성이 높은 제1, 제2 및 제3 피크는 필수적으로 포함하도록 설정될 수 있다.
한편, 스펙트럼 데이터 내의 요소 피크들 중 일부는 동일한 원소에 대한 요소 피크일 수 있다. 예를 들어, 립스의 대상이 되는 객체의 일부가 어블레이션 되어 플라즈마 상태로 변이되는 경우, 상기 어블레이션 된 객체에 포함된 원소들은 각각 다른 에너지 준위를 가지도록 여기 상태로 될 수 있고, 이로써 동일한 원소의 경우에도 여기된 에너지 준위에 따라 방출되는 스펙트럼의 파장이 달라질 수 있다.
따라서, 요소 피크의 관련성에 기초하여 표준 파장 범위를 설정할 때에는 추가적으로 요소 피크의 중복 여부를 더 고려할 수 있다.
도 41은 본 명세서의 일 실시예에 따른 중복 요소 피크를 더 고려한 표준 파장 범위 설정의 예를 도시한 도면이다.
도 41은 피부 조직에 대한 암 검사를 수행하기 위해 획득된 스펙트럼을 도시한 것이다. 이때, 철(Fe)은 암 세포나 암 조직에 대한 진단 관련성이 높은 요소 피크이지만, 340nm와 660nm에 중복적으로 발생할 수 있다. 이때, 표준 파장 범위 설정 시에는 둘 중 하나의 파장만 포함되어도 무방할 수 있다. 구체적인 예를 들면, 예시적으로 도 41과 같이, 380nm 이하의 요소 피크들에 관련된 요소들 중 철을 제외한 요소들이 진단 관련성이 낮다면, 표준 파장 범위 시에 340nm의 철 관련 요소 피크는 제외할 수 있는 것이다.
정리하면, 먼저 진단 관련성 높은 요소들 중 중복 요소 피크 중 하나를 제외한 나머지는 표준 파장 범위에 포함되지 않도록 표준 파장 범위가 설정되어도 무방하다. 립스를 통한 진단 시에는 파장 범위가 작을수록 입력 데이터의 해상도를 향상시킬 수 있으므로, 중복 요소 피크 중 표준 파장 범이에서 제외될 요소 피크는 주로, 진단 관련성이 높은 요소와 관련된 요소 피크 중 중복 요소 피크를 제외한 단일 요소 피크들로 설정되는 파장 범위의 외부에 위치하는 중복 요소 피크로 선택될 수 있다.
이상에서는 파장 범위 설정에 대한 몇몇 기준을 제시하였으나, 파장 범위 설정의 기준이 상술한 예로 한정되는 것은 아니다. 또 상술한 예들이 파장 범위 설정에 단독으로 이용되는 것은 물로, 적절히 조합되어 이용되는 것도 가능하다.
한편, 상술한 표준 파장 범위 설정은 진단 시스템(100)이나 진단 유닛(1400)에 의해 수행되거나 또는 진단 유닛(1400)에 적용되는 진단 알고리즘을 개발하는 컴퓨터 기기 또는 주기적으로 진단 유닛(1400)의 진단 알고리즘을 업데이트하는 서버 등에 의해 수행될 수 있다. 또 설정된 표준 파장 범위는 진단 유닛(1400)의 제2 메모리(1450)에 저장되고, 제2 콘트롤러(1410)는 원본 스펙트럼 데이터로부터 가공 스펙트럼 데이터를 생성할 때, 이를 참조할 수 있다.
또 한편, 표준 파장 범위는 원하는 진단의 종류 별로 상이할 수 있다. 구체적으로 피부 암 진단 시의 표준 파장 범위와 피부 나이 진단 시의 표준 파장 범위는 서로 상이하게 설정될 수 있다. 따라서, 복수의 진단을 수행하는 진단 시스템(100)에서는 제2 메모리(1450)에 각 진단 별 표준 파장 범위가 저장되어 있으며, 제2 콘트롤러(1410)는 진단 종류에 대한 사용자 입력을 획득하면 이에 기초하여 수행하고자 하는 진단 별로 제2 메모리(1450)를 참조하여 표준 파장 범위를 변경/설정할 수 있다.
본 명세서의 일 실시예에 따른 표준화의 다른 예에 의하면, 진단 유닛(1400)은 원본 스펙트럼 데이터와 파장 별 세기값의 개수가 상이한 가공 스펙트럼 데이터를 생성할 수 있다.
인공 신경망과 같은 비선형 머신러닝 알고리즘의 경우, 인공 신경망의 학습에 이용되는 레퍼런스 데이터가 포함하고 있는 정보의 양이 많을수록 모형 성능이 향상될 수 있다. 따라서, 본 명세서에서도 인공 신경망의 입력 노드 개수를 증가시켜 진단 정확도를 향상시킬 수 있다.
이때, 본 명세서의 일 실시예에 따른 원본 스펙트럼 데이터는 립스 유닛(1200)의 스펙에 따라 정해진 파장 범위 내에서 제한된 파장 별 세기값의 개수를 가지게 될 수 있다. 이때, 인공 신경망은, 인공 신경망의 학습에 적합하도록 설정된 파장 범위 내에서 제한된 개수보다 많은 수의 정보를 갖는 레퍼런스 데이터로 학습될 수 있으며, 이 경우 진단 유닛(1400)은 원본 스펙트럼 데이터에 포함된 인공 신경망의 입력 데이터로써 요구되는 파장 범위에서의 파장 별 세기값의 개수를 증가시켜 인공 신경망의 입력 노드의 파장 범위 및/또는 개수에 대응되는 파장 범위에서의 파장 별 세기값의 개수를 갖는 가공 스펙트럼 데이터를 생성할 수 있다.
이하에서는 설명의 편의를 위하여, 스펙트럼 데이터가 가지는 파장 별 세기값의 개수를 데이터 개수라고 지칭하기로 한다.
일 예로써, 원본 스펙트럼 데이터의 표준화를 통해 추측값(guessing data)을 생성할 수 있다. 여기서, 추측값은 원본 스펙트럼 데이터를 가공하여 생성된 새로운 파생 변수를 의미할 수 있다. 일 예로, 추측값은 전술한 스펙트럼 함수로부터 추출된 특정 파장에서의 세기값일 수 있다.
생성된 추측값은 인공 신경망의 학습에 이용되거나 인공 신경망의 입력 노드에 입력될 수 있다. 이로써, 원본 스펙트럼 데이터에 포함된 파장들 이외의 파장에 대한 세기값을 추측값으로 생성해 인공 신경망에 이용할 수 있다. 이에 따라 인공 신경망의 진단 결과의 정확도를 향상시킬 수 있고, 인공 신경망의 입력 노드가 필요로 하는 파장 범위 내에서 입력 데이터의 개수에 대응되도록 원본 스펙트럼 데이터의 파장 별 세기값의 개수를 변경할 수 있다.
이하에서는, 도면을 참조하여 본 명세서의 일 실시예에 따른 원본 스펙트럼 데이터와 파장 별 세기값의 개수가 상이한 가공 스펙트럼 데이터를 생성하는 것에 대하여 설명한다..
도 42 및 도 43은 본 명세서의 일 실시예에 따른 원본 스펙트럼 데이터의 파장 별 세기값의 개수를 변경하는 것에 관한 도면이다.
도 42는 본 명세서의 일 실시예에 따른 표준화를 통해 원본 스펙트럼 데이터의 파장 별 세기값의 개수를 변경하는 것에 관련된 표이고, 도 43은 본 명세서의 일 실시예에 따른 표준화를 통해 원본 스펙트럼 데이터의 파장 별 세기값의 개수를 변경하는 것과 관련된 그래프이다.
본 명세서의 일 실시예에 따르면, 진단 유닛(1400)은 원본 스펙트럼 데이터로부터 원본 스펙트럼 데이터의 데이터 개수와 상이한 데이터 개수를 갖는 가공 스펙트럼 데이터를 생성할 수 있다. 이하에서는 설명의 편의를 위해 원본 데이터에 포함되는 데이터의 개수를 "원본 데이터 개수", 가공 스펙트럼 데이터에 포함되는 데이터의 개수를 "표준 데이터 개수"라고 지칭하기로 한다. 가공 데이터의 개수는 인공 신경망의 입력 노드의 개수와 일치할 수 있을 것이다.
도 42 및 도 43을 참조하면, 구체적으로 제2 메모리(1450)에는 입력 데이터가 요구하는 파장 별 세기값의 개수인 표준 데이터 개수에 관한 정보가 저장될 수 있다. 제2 콘트롤러(1410)는 제2 메모리(1410)로부터 표준 데이터 개수에 관한 정보를 참조하여 원본 스펙트럼 데이터를 가공해 추측값을 생성하고, 추측값이 포함된 표준 데이터 개수를 갖는 가공 스펙트럼 데이터를 생성할 수 있다.
또한 제2 메모리(1450)에는 입력 데이터가 요구하는 파장 별 세기값들에 각각 대응되는 파장인 관한 표준 파장 정보가 저장될 수 있다. 여기서, 표준 파장의 개수는 원본 데이터 개수보다 많을 수 있다. 제2 콘트롤러(1410)는 제2 메모리(1450)로부터 표준 파장 정보를 참조하여 원본 스펙트럼 데이터를 가공해 표준 파장에 대응하는 세기값을 갖는 추측값을 생성하고, 추측값이 포함된 표준 데이터 개수를 갖는 가공 스펙트럼 데이터를 생성할 수 있다.
여기서, 표준 데이터 개수는 다양하게 설정될 수 있다. 일 예로, 미리 설정된 개수는 인공 신경망의 입력 노드의 수와 대응될 수 있다.
구체적인 예시로, 도 42를 참조하면 제2 콘트롤러(1410)는 원본 스펙트럼 데이터와 동일한 파장 범위를 가지면서, 약 2배의 파장 별 세기값의 개수를 갖는 가공 스펙트럼 데이터를 생성할 수 있다. 여기서, 가공 스펙트럼 데이터는 추측값을 포함할 수 있다.
여기서, 원본 스펙트럼 데이터에 일부의 표준 파장에 대응되는 파장 별 세기값이 포함된 경우, 가공 스펙트럼 데이터에는 원본 스펙트럼 데이터에 포함되어 있던 일부의 표준 파장에 대응되는 파장 별 세기값에 더하여 나머지 표준 파장에 대응되는 세기값을 갖는 추측값들이 포함될 수 있다.
또 여기서, 원본 스펙트럼 데이터에 표준 파장에 대응되는 파장 별 세기값이 포함되지 않은 경우, 가공 스펙트럼 데이터에는 표준 파장에 대응되는 세기값을 갖는 추측값들만이 포함될 수도 있다.
추측값은 원본 스펙트럼 데이터에 포함되어 있지 않으나, 원본 스펙트럼 데이터에 포함된 파장 별 세기값들에 기초하여 도출된 값일 수 있다. 보다 더 구체적으로, 제2 콘트롤러(1410)는, 200~700nm의 파장 범위에서 60개의 파장 개수를 갖는 원본 스펙트럼 데이터를 가공하여, 200~700nm의 파장 범위에서 120개의 파장 개수를 갖는 가공 스펙트럼 데이터를 생성할 수 있다.
또한, 추측값은 원본 스펙트럼 데이터에 포함된 파장 별 세기값을 보간하여 생성된 값일 수 있다. 예를 들어, 추측값은 인접한 각 파장 별 세기값 간의 중간값이거나, 인접한 각 파장 별 세기값을 내삽하여 생성된 값일 수 있다. 일 예로, 추측값은 원본 스펙트럼 데이터에 포함된 파장 별 세기값의 파장-광 세기 스펙트럼 함수에서 추출될 수 있다.
도 43을 참조하면, 진단 시스템(100)은 스펙트럼 함수를 이용하여 원본 스펙트럼 데이터와 상이한 파장 별 세기값의 개수를 갖는 가공 스펙트럼 데이터를 생성할 수 있다. 구체적으로, 제2 콘트롤러(1410)는 원본 스펙트럼 데이터에 포함된 파장 별 세기값에 기초한 스펙트럼 함수에서 추측값들을 추출하고, 추측값들을 포함하는 표준 데이터 개수를 갖는 가공 스펙트럼 데이터를 생성할 수 있다.
또한 본 명세서의 일 실시예에 따른 표준화의 다른 예에 의하면, 진단 유닛(1400)는 원본 스펙트럼 데이터와 파장 간격이 상이한 가공 스펙트럼 데이터를 생성할 수 있다.
상술한 바와 같이, 진단 시스템(100)의 설정이 달라짐으로 인해 스펙트럼 데이터의 파장 간격이 변동되거나, 스펙트럼 데이터를 획득하는 기기 간의 미세한 성능 차이로 인해 감지하는 파장에 오프셋이 발생하여 획득하는 스펙트럼 데이터의 파장 간격이 달라지는 경우, 진단 알고리즘의 진단 정확도가 저하될 수 있다. 이런 경우, 진단 알고리즘의 정확도를 향상시키기 위하여, 스펙트럼 데이터의 파장 간격을 진단 알고리즘에 호환될 수 있도록 스펙트럼 데이터를 가공할 필요성이 있다. 또한 스펙트럼 데이터의 특정한 파장 범위 내에서 파장 간격이 달라짐에 따라, 스펙트럼 데이터 내의 데이터 개수 또한 변경될 수도 있다.
이하에서는, 도면을 참조하여 본 명세서의 일 실시예에 따른 원본 스펙트럼 데이터와 파장 간격이 상이한 가공 스펙트럼 데이터를 생성하는 것에 대하여 설명한다.
도 44 및 도 45는 본 명세서의 일 실시예에 따른 스펙트럼 데이터의 파장 간격을 변경하는 것에 관한 도면이다.
구체적으로, 도 44는 본 명세서의 일 실시예에 따른 표준화를 통해 스펙트럼 데이터의 파장 간격을 변경하는 것에 관련된 표이고, 도 45는 본 명세서의 일 실시예에 따른 표준화를 통해 스펙트럼 데이터의 파장 간격을 변경하는 것과 관련된 그래프이다.
본 명세서의 일 실시예에 따르면, 진단 유닛(1400)은 원본 스펙트럼 데이터로부터 원본 스펙트럼 데이터의 파장 간격과 상이한 파장 간격을 갖는 가공 스펙트럼 데이터를 생성할 수 있다. 이하에서는 설명의 편의를 위해 원본 스펙트럼 데이터에 포함되는 파장 간격을 "원본 파장 간격", 가공 스펙트럼 데이터에 포함되는 파장 간격을 "표준 파장 간격"이라고 지칭하기로 한다. 가공 파장 간격은 인공 신경망의 입력 데이터의 파장 간격과 일치할 수 있을 것이다.
도 44 및 도 45를 참조하면, 구체적으로 제2 메모리(1450)에는 입력 데이터가 요구하는 파장 간격인 표준 파장 간격에 관한 정보가 저장될 수 있다. 제2 콘트롤러(1410)는 제2 메모리(1410)로부터 표준 파장 간격에 관한 정보를 참조하여 원본 스펙트럼 데이터를 가공함으로써 표준 파장 간격을 갖는 가공 스펙트럼 데이터를 생성할 수 있다.
여기서, 표준 파장 간격은 다양하게 설정될 수 있다. 일 예로, 표준 파장 간격은 인공 신경망의 입력 노드의 파장 간격과 대응될 수 있다.
구체적인 예시로, 도 44를 참조하면, 제2 콘트롤러(1410)는 원본 스펙트럼 데이터의 파장 간격인 Anm와 다른 Bnm의 파장 간격을 갖는 가공 스펙트럼 데이터를 생성할 수 있다. 구체적으로, 제2 콘트롤러(1410)는 Anm의 파장 간격을 갖는 원본 스펙트럼 데이터를 가공하여, Bnm의 파장 간격을 갖는 가공 스펙트럼 데이터를 생성할 수 있다. 또한, 이로써 가공 스펙트럼 데이터는 원본 스펙트럼 데이터에 비해 더 많은 데이터 개수를 포함하고 있을 수 있다.
도 45를 참조하면, 진단 시스템(100)은 스펙트럼 함수를 이용하여 원본 스펙트럼 데이터와 상이한 파장 간격을 갖는 가공 스펙트럼 데이터를 생성할 수 있다. 구체적으로, 제2 콘트롤러(1410)는, 원본 스펙트럼 데이터에 포함된 파장 별 세기값에 기초한 파장 - 파장 별 세기값 간의 스펙트럼 함수에서 표준 파장 간격에 대응되는 추측값들을 추출하고, 추측값들을 포함하는 가공 스펙트럼 데이터를 생성할 수 있다.
이하에서는, 상술한 파장 간격 조절을 통해 스펙트럼 데이터 간의 오프셋 보정에 대하여 도면을 참조하여 설명한다.
도 46은 본 발명의 일 실시예에 따른 파장 오프셋 보정에 관한 도면이다.
도 46을 참조하면, 동일한 스펙 및/또는 설정을 가진 복수의 립스 유닛(1200)에서 동일한 객체에 대하여 각각 측정되었으나, 파장 오프셋이 발생한 제1 및 제2 스펙트럼 데이터가 도시되어 있다.
일 예로, 동일하게 학습되어 프로그래밍 된 인공 신경망이 저장된 진단 유닛(1400)을 이용하여 스펙트럼 데이터로부터 진단을 수행하는 경우라도, 스펙트럼 데이터를 측정한 복수의 립스 유닛(1200)의 기구적 원인에 의해 동일한 객체에서 측정된 스펙트럼 데이터에도 파장 오프셋이 발생하여 획득되는 진단 결과에 영향이 미칠 수 있다.
또 다른 예로, 인공 신경망의 러닝 셋에 포함되는 레퍼런스 스펙트럼 데이터를 측정한 립스 유닛(1200)과, 진단 알고리즘을 수행하기 위해 원본 스펙트럼 데이터를 측정하는 립스 유닛(1200)이 동일한 스펙 및/또는 설정을 갖는 경우라도, 립스 유닛(1200)간의 기구적 원인에 의해 파장 오프셋이 발생할 수 있다.
이때, 스펙트럼 데이터의 파장 간격이 조절됨으로써, 서로 다른 파장 간격을 가진 복수의 스펙트럼 데이터가 동일한 파장 간격을 갖도록 설정될 수 있다. 즉, 제2 콘트롤러(1410)는 획득한 스펙트럼 데이터의 파장 간격을 조절하여 표준 파장 간격을 갖는 가공 스펙트럼 데이터를 생성할 수 있다.
다시 도 46을 참조하면, 동일한 객체에서 측정된 10nm의 파장 간격을 갖는 제1 스펙트럼 데이터와 6nm의 파장 간격을 갖는 제2 스펙트럼 데이터 간에, 4nm의 파장 간격 차이로 인하여 파장 오프셋이 발생할 수 있다. 이때, 예시적으로 도시된 바와 같이, 제2 콘트롤러(1410)는 제1 스펙트럼 데이터 및 제2 스펙트럼 데이터의 파장 간격을 조절하여 7nm의 동일한 파장 간격을 갖도록 설정된 제3 스펙트럼 데이터를 생성할 수 있다. 상술한 파장 간격은 예시적인 수치로, 제1 스펙트럼 데이터의 측정 파장 간격이 1nm이고, 제2 스펙트럼 데이터의 파장 간격은 0.6nm이고, 제2 콘트롤러(1410)는 이를 0.7nm 간격으로 조절할 수 있음은 자명하다.
이상에서 언급한 본 발명의 일 실시예에 따른 표준화는, 스펙트럼 데이터에 포함된 하나의 요소가 표준 규격에 대응되도록 수행되거나 복수의 요소들이 표준 규격에 대응되도록 수행될 수도 있고, 복수의 요소들이 표준 규격에 대응되도록 순차적으로 수행될 수도 있다.
일 예로, 제2 콘트롤러(1410)는 원본 스펙트럼 데이터를 획득하고, 원본 스펙트럼 데이터에 관한 파장-광 세기 도메인 상의 스펙트럼 함수를 생성할 수 있다. 스펙트럼 함수가 생성되면 제2 콘트롤러(1410)는 생성된 스펙트럼 함수를 이용하여 표준 파장 범위를 갖도록 원본 스펙트럼 데이터를 가공하여 가공 스펙트럼 데이터를 생성할 수 있다. 표준 파장 범위를 갖는 가공 스펙트럼 데이터가 생성되면, 제2 콘트롤러(1410)는 표준 파장 범위를 갖는 가공 스펙트럼 데이터의 파장 간격을 조절하여 표준 파장 간격을 갖는 가공 스펙트럼 데이터를 생성할 수 있다. 이후, 제2 콘트롤러(1410)는, 표준 파장 범위와 표준 파장 간격을 갖는 가공 스펙트럼 데이터를 이용하여, 표준 파장 간격에 대응되는 표준 데이터 개수를 스펙트럼 함수에서 추출하여 입력 데이터를 생성할 수 있다.
상술한 바와 같이, 표준화를 수행함으로써 원본 스펙트럼 데이터의 파장 간격을 인공 신경망의 입력 노드에 대응되도록 가공하여 진단 알고리즘의 진단 정확도를 향상시킬 수 있다.
전처리에는 일 예로 정규화(normalization)가 포함될 수 있다.
여기서, 정규화는 원본 스펙트럼 데이터에 포함된 각각의 파장 별 세기값들의 전부 또는 일부의 합산값이 미리 정해진 세기값(이하 '기준값'이라 함)을 가지는 스펙트럼 데이터로 가공하는 것을 의미한다. 여기서, 기준값은 인공 신경망의 학습에 이용된 러닝셋의 레퍼런스 스펙트럼 데이터에 포함된 파장 별 세기값에 대응되는 값일 수 있다.
본 명세서의 일 실시예에 따르면, 인공 신경망은 상술한 환경 변수의 영향이 적게 포함된 레퍼런스 스펙트럼 데이터로 구성된 러닝셋을 이용하여 학습되는 것이 바람직할 수 있다. 예를 들어, 큰 에너지를 가지는 레이저와 작은 에너지를 가지는 레이저에 의해 동일 객체로부터 발생하는 플라즈마 어블레이션으로부터 관측되는 스펙트럼은 패턴이 유사할 수는 있지만 전체적인 파장 별 세기값이 상이할 수 있고, 다른 예를 들어, 동일한 에너지의 레이저에 의해 동일 물질이지만 그 표면 상태(예를 들어, 표면 습기 등)가 다른 객체로부터 발생하는 플라즈마 어블레이션으로부터 관측되는 스펙트럼 역시 패턴은 유사할 수 있지만 전체적인 파장 별 세기값이 상이할 수 있다. 따라서, 스펙트럼의 패턴은 유지하면서도 전체적인 스펙트럼의 크기를 균일화시킬 필요가 있는 것이다.
인공 신경망을 특정 기준값에 상응하도록 파장 별 세기값이 보정되어 환경 변수의 영향이 감소된 레퍼런스 스펙트럼 데이터를 이용하여 학습시키고, 입력 데이터 역시 특정 기준값에 상응하도록 파장 별 세기값이 조정된 스펙트럼 데이터를 이용함으로써, 진단을 위한 연산의 감도 및/또는 특이성을 향상시킬 수 있다.
이때, 인공 신경망의 입력 데이터로써 이용되는 스펙트럼 데이터는, 환경 변수의 영향을 감소시킬 뿐 아니라 인공 신경망의 학습에 이용된 러닝셋을 구성하는 레퍼런스 스펙트럼 데이터와 스케일을 일치시키기 위하여, 레퍼런스 스펙트럼 데이터의 파장 별 세기값 보정의 기준이 된 특정 기준값과 상응하는 기준값을 이용하여 파장 별 세기값이 보정되는 것이 바람직할 수 있다.
정리하자면, 본 명세서의 일 실시예에 따른 인공 신경망에 이용되는 스펙트럼 데이터에 끼치는 환경 변수에 의한 영향을 제거하고, 인공 신경망의 입력 데이터로 이용되는 스펙트럼 데이터 및 인공 신경망의 학습에 이용되는 레퍼런스 스펙트럼 데이터 간의 스케일을 일치시키기 위하여 스펙트럼 데이터에 포함된 파장 별 세기값을 정규화 하는 것이 필요할 수 있다.
도 47은 본 명세서의 일 실시예에 따른 정규화의 개략도이다.
도 47을 참조하면, 진단 시스템(100)은 정규화를 통하여 원본 스펙트럼 데이터로부터 진단 알고리즘의 입력 데이터로 정규화된 기준값을 가지는 가공 스펙트럼 데이터를 생성할 수 있다.
구체적으로 제2 콘트롤러(1410)는 립스 유닛(1200)으로부터 원본 스펙트럼 데이터를 획득할 수 있다. 제2 메모리(1450)에는 입력 데이터의 기준값 정보가 저장되어 있을 수 있다. 제2 콘트롤러(1410)는 제2 메모리(1450)에 저장된 기준값 정보에 기초하여 원본 스펙트럼 데이터를 가공하여, 기준값에 대응하는 세기값을 갖는 스펙트럼 데이터를 갖는 가공 스펙트럼 데이터를 생성할 수 있다.
여기서, 가공 스펙트럼 데이터에 포함된 파장 별 광 세기값들 간의 비율과 원본 스펙트럼 데이터에 포함된 파장 별 광 세기값들 간의 비율이 실질적으로 동일/유사하도록 정규화 되는 것이 바람직할 수 있다. 즉, 제2 콘트롤러(1410)는 원본 스펙트럼 데이터를 가공하여 정규화된 가공 스펙트럼 데이터를 생성하는 경우, 원본 스펙트럼 데이터의 파형과 실질적으로 동일/유사한 파형을 갖도록 가공 스펙트럼 데이터를 생성할 수 있다.
또한 여기서, 기준값은 다양하게 설정될 수 있다. 일 예로, 기준값은 특정 파장에서의 파장 별 세기값에 관련된 값일 수 있다. 구체적인 예로, 기준값은 스펙트럼 데이터에 포함된 적어도 하나의 특정 요소 피크의 특정 세기값에 관련된 값일 수 있다. 다른 예로, 기준값은 특정 파장 범위에서의 파장 별 세기값의 합산값에 관련된 값일 수 있다. 또 다른 예로, 기준값은 스펙트럼 함수에서 추출된 일부 면적에 관련된 값일 수 있다. 또 다른 예로, 기준값은 상술한 바와 같이 인공 신경망의 학습에 이용된 레퍼런스 스펙트럼 데이터의 세기값 보정의 기준이 된 특정 기준값일 수 있다.
즉, 제2 콘트롤러(1410)는, 원본 스펙트럼 데이터로부터 특정 파장에서의 세기값을 기준으로 하여 정규화의 대상이 되는 파장 범위 내의 파장 별 세기값이 변경된 가공 스펙트럼 데이터를 생성할 수 있다.
또한, 제2 콘트롤러(1410)는, 원본 스펙트럼 데이터로부터 특정 파장 범위 내에서의 파장 별 세기값의 합산값을 기준으로 하여, 정규화의 대상이 되는 파장 범위 내의 파장 별 세기값이 변경된 가공 스펙트럼 데이터를 생성할 수 있다.
또한, 제2 콘트롤러(1410)는, 원본 스펙트럼 데이터의 파장 별 세기값들을 이용하여 생성된 파장-광 세기에 관한 스펙트럼 함수에서 일부 영역의 면적값을 기준으로 하여 정규화의 대상이 되는 파장 범위 내의 파장 별 세기값이 변경된 가공 스펙트럼 데이터를 생성할 수 있다.
본 명세서에서는 정규화를 통해 원본 스펙트럼 데이터는 진단 알고리즘의 입력 데이터로써 가공되고, 진단 알고리즘은 이를 이용하여 진단 결과를 산출할 수 있다.
이하에서는, 도면을 참조하여 본 발명의 일 실시예에 따른 정규화의 구체적인 실시예들에 대해서 설명한다.
본 명세서의 일 실시예에 따른 정규화의 일 예에 따르면, 진단 유닛(1400)은 원본 스펙트럼 데이터에 포함된 특정 파장의 세기값에 기초하여 파장 별 세기값들을 크기를 조정함으로써 가공 스펙트럼 데이터를 생성할 수 있다.
도 48은 본 명세서의 일 실시예에 따른 특정 파장의 세기값에 기초한 정규화의 일 예에 관한 도면이다.
도 48을 참조하면, 제2 메모리(1450)에는 적어도 하나의 특정 파장과 특정 파장에 대한 기준값이 설정되어 있을 수 있다. 제2 콘트롤러(1410)는 원본 스펙트럼 데이터를 획득하고, 원본 스펙트럼 데이터에 포함된 파장 별 세기값들 중 특정 파장에서의 세기값이 기준값과 일치되도록 원본 스펙트럼 데이터의 파장 별 세기값들을 조절할 수 있다. 구체적으로, 제2 콘트롤러(1410)는 원본 스펙트럼 데이터의 파장 별 세기값 중 특정 파장에 해당하는 세기값에 대한 기준값 간의 비를 산출하고, 원본 스펙트럼 데이터의 파장 별 세기값들에 특정 파장에 해당하는 세기값에 대한 기준값 간의 비를 곱하여 파장 별 세기값들의 크기를 조정할 수 있다.
이때 특정 파장은 요소 피크에 해당하는 파장일 수 있다. 또 특정 파장은 진단에 이용되는 표준 파장 범위 중 일반적으로 가장 큰 세기를 갖는 요소 피크의 파장으로 선택될 수 있다.
특정 파장은 복수일 수도 있는데, 이때에는 원본 스펙트럼 데이터의 파장 별 세기값 중 특정 파장에 해당하는 세기값에 대한 기준값 간의 비들의 평균값을 이용하여 파장 별 세기값들 크기를 조정할 수 있다.
본 명세서의 일 실시예에 따른 정규화의 다른 예에 따르면, 진단 유닛(1400)은 원본 스펙트럼 데이터에 포함된 특정 파장 범위의 세기값에 기초하여 파장 별 세기값들을 크기를 조정함으로써 가공 스펙트럼 데이터를 생성할 수 있다. 파장 범위를 이용하여 정규화를 수행하면, 단일한 파장이나 몇몇 파장에서의 세기값에 기초하여 정규화를 수행하는 경우보다 외부 변인이나 에러에 강건할 수 있다.
일 예에 따르면, 정규화는 특정 파장 범위에 속하는 파장 별 세기값들의 합이나 평균을 이용하여 수행될 수 있다.
도 49는 본 명세서의 일 실시예에 따른 파장 범위의 세기값에 기초한 정규화의 일 예에 관한 도면이다.
도 49를 참조하면, 제2 메모리(1450)에는 특정 파장 범위와 특정 파장에 대한 기준값이 설정되어 있을 수 있다. 제2 콘트롤러(1410)는 원본 스펙트럼 데이터를 획득하고, 원본 스펙트럼 데이터에 포함된 파장 별 세기값들 중 특정 파장 범위에서의 세기값들의 합이 기준값과 일치되도록 원본 스펙트럼 데이터의 파장 별 세기값들을 조절할 수 있다. 구체적으로, 제2 콘트롤러(1410)는 원본 스펙트럼 데이터의 파장 별 세기값들 중 특정 파장 범위에 속하는 세기값들의 합에 대한 기준값 간의 비를 산출하고, 원본 스펙트럼 데이터의 파장 별 세기값들에 특정 파장 범위에 속하는 세기값들의 합에 대한 기준값 간의 비를 곱하여 파장 별 세기값들의 크기를 조정할 수 있다.
여기서, 특정 파장 범위는 임의의 범위로 선택될 수 있다. 예를 들어, 특정 파장 범위는 입력 데이터로 이용되는 표준 파장 범위와 일치할 수 있다. 다른 예를 들어, 특정 파장 범위는 립스 유닛(1200)에서 관측되는 파장 범위 전체일 수도 있다. 또 다른 예를 들어, 특정 파장 범위는 입력 데이터로 이용되는 표준 파장 범위를 포함하고, 립스 유닛(1200)에서 관측되는 파장 범위에는 속하는 범위일 수 있다.
이상에서는 특정 파장 범위에 속하는 파장 별 세기값들의 합을 이용하였으나, 합 대신 평균을 이용하여도 무방하다.
본 명세서의 일 실시예에 따른 정규화의 다른 예에 따르면, 진단 유닛(1400)은 관측되는 스펙트럼의 에너지(또는 파워 밀도)에 기초하여 정규화를 수행할 수 있다.
도 50은 본 명세서의 일 실시예에 따른 스펙트럼 함수를 이용하는 정규화의 일 예에 관한 도면이다.
진단 유닛(1400)은 원본 스펙트럼 데이터로부터 파장-광 세기 축 상의 스펙트럼 함수를 생성하고, 스펙트럼 함수를 적분하여 에너지(또는 파워 밀도)를 산출하고, 이를 이용하여 정규화를 수행할 수 있다.
일 예에 따르면, 제2 콘트롤러(1410)는 원본 스펙트럼 데이터로부터 원본 스펙트럼에 대한 파장-광 세기에 기초한 원본 스펙트럼 함수를 생성할 수 있다. 제2 메모리(1450)에는 특정 파장 영역 및/또는 기준값이 저장될 수 있다. 제2 콘트롤러(1410)는 예를 들어, 메모리(1430)에 저장된 특정 파장 영역에 대해 원본 스펙트럼 함수를 적분하여, 원본 스펙트럼의 에너지(또는 파워 밀도)를 산출할 수 있다. 제2 콘트롤러(1410)는 산출된 에너지(또는 파워 밀도)에 대한 기준값의 비를 산출하고, 원본 스펙트럼 함수의 크기에 에너지(또는 파워 밀도)에 대한 기준값의 비를 곱하여 가공 스펙트럼 함수를 생성하고, 가공 스펙트럼 함수로부터 표준 파장들에 대한 광 세기값을 획득하여 가공 스펙트럼 데이터를 생성할 수 있다.
다른 예에 따르면, 원본 스펙트럼의 에너지(또는 파워 밀도)를 산출할 수 있다. 제2 콘트롤러(1410)는 산출된 원본 스펙트럼의 에너지(또는 파워 밀도)에 대한 기준값의 비를 원본 스펙트럼 데이터의 파장 별 세기값들에 곱하여 파장 별 세기값들의 크기를 조정할 수도 있다.
여기서, 특정 파장 범위는 임의의 범위로 선택될 수 있다. 예를 들어, 특정 파장 범위는 입력 데이터로 이용되는 표준 파장 범위와 일치할 수 있다. 다른 예를 들어, 특정 파장 범위는 립스 유닛(1200)에서 관측되는 파장 범위 전체일 수도 있다. 또 다른 예를 들어, 특정 파장 범위는 입력 데이터로 이용되는 표준 파장 범위를 포함하고, 립스 유닛(1200)에서 관측되는 파장 범위에는 속하는 범위일 수 있다.
이상에서 설명한 전처리의 예시인 표준화 및 정규화는 서로 개별적으로 또는 조합되어 수행될 수 있다. 이하에서는 상술한 전처리의 예시들을 이용하여 원본 스펙트럼 데이터로부터 기계 학습 모델의 입력 데이터로 이용되는 가공 스펙트럼 데이터를 생성하는 일 구현예에 대하여 설명하기로 한다.
도 51은 본 명세서의 일 실시예에 따른 기계 학습 모델의 입력 데이터로 이용되는 가공 스펙트럼 데이터를 생성하는 방법의 일 구현예를 나타낸 것이다.
본 명세서의 일 실시예에 따른 가공 스펙트럼 데이터를 생성하는 방법은, 원본 스펙트럼 데이터를 획득하는 단계(S2000), 스펙트럼 함수를 생성하는 단계(S2200), 생성된 스펙트럼 함수에 대하여 세기값을 조정하는 단계(S2400) 및 세기값이 조정된 스펙트럼 함수로부터 표준 데이터를 추출하는 단계(S2600)를 포함할 수 있다.
진단 유닛(1400)은 가공 스펙트럼 데이터를 생성하는 방법을 수행할 수 있다.
먼저, 진단 유닛(1400)은 원본 스펙트럼 데이터를 획득할 수 있다(S2000). 구체적으로, 제2 콘트롤러(1410)는 립스 유닛(1200)으로부터 원본 스펙트럼 데이터를 획득할 수 있다.
다음으로, 진단 유닛(1400)은 스펙트럼 함수를 생성할 수 있다(S2200). 구체적으로, 제2 콘트롤러(1410)는 원본 스펙트럼 데이터의 파장 별 세기값에 기초하여 파장-광 세기 도메인 상의 스펙트럼 함수를 생성할 수 있다.
다음으로, 진단 유닛(1400)은 스펙트럼 함수의 세기값을 조정할 수 있다(S2400). 구체적으로, 제2 콘트롤러(1410)는, 제2 메모리(1450)에 저장된 기준값 정보를 참조하여, 원본 스펙트럼 데이터와 관련된 스펙트럼 함수의 세기값을 기준값에 대응되도록 조정함으로써, 세기가 조정된 스펙트럼 함수를 생성할 수 있다.
다음으로, 진단 유닛(1400)은 인공 신경망의 입력 데이터의 규격에 해당하는 표준 데이터를 추출할 수 있다. 구체적으로, 제2 콘트롤러(1410)는, 제2 메모리(1450)에 저장된 표준 규격 정보를 참조하여, 세기값이 조정된 스펙트럼 함수로부터 인공 신경망의 입력 노드의 표준 규격에 대응되는 표준 스펙트럼 데이터를 추출하여, 가공 스펙트럼 데이터를 생성할 수 있다.
가공 스펙트럼 데이터가 생성되면, 진단 유닛(1400)은 가공 스펙트럼 데이터로부터 진단 결과를 획득할 수 있다. 구체적으로, 제2 콘트롤러(1410)는 제2 메모리(1450)에 저장된 인공 신경망을 참조하여, 가공 스펙트럼 데이터를 인공 신경망의 입력 레이어에 입력하고, 이로써 가공 스펙트럼 데이터로부터 질병이 존재하는 지 여부에 대한 결과를 획득할 수 있다.
상술한 예시 이외에도 본 발명의 일 실시예에 따른 진단 시스템(100)이 표준화와 정규화를 조합하여 전처리를 수행하는 것도 가능하다. 여기서, 어느 하나의 전처리를 수행한 뒤 다른 전처리를 수행할 수 있으며, 이때에는 원본 스펙트럼 데이터 대신 이전 전처리에서 생성된 가공 스펙트럼 데이터에 대해 후속되는 전처리를 수행할 수 있다.
이하에서는 본 명세서의 일 실시예에 따른 인공 신경망을 이용하여 스펙트럼 데이터로부터 진단 결과를 판단하는 몇몇 예시들에 관하여 설명하기로 한다.
도 52는 본 명세서의 일 실시예에 따른 인공 신경망을 이용하여 단일한 스펙트럼 데이터로부터 진단 결과를 판단하는 실시예에 관한 도면이다.
도 52를 참조하면, 진단 유닛(1400)은 인공 신경망을 이용하여 대상 검체에서 획득된 단일한 스펙트럼 데이터로부터 대상 검체에 대한 진단을 수행할 수 있다.
구체적으로, 제2 콘트롤러(1410)는 제2 메모리(1450)에 저장된 인공 신경망을 이용하여, 대상 검체로부터 획득된 원본 스펙트럼 데이터를 입력 데이터로 인공 신경망의 입력 레이어에 입력하고, 대상 검체로부터 획득된 원본 스펙트럼 데이터를 기초로 인공 신경망이 수행한 연산처리 결과에 따라 대상 검체에 대한 진단 결과를 획득할 수 있다.
여기서, 인공 신경망은 단일한 스펙트럼 데이터에 각각에 대하여 진단 결과가 태깅된 레퍼런스 스펙트럼 데이터들로 구성된 러닝셋을 이용하여 학습될 수 있다. 일 예로, 인공 신경망은, 질병 검체에 관한 각 파장 별 세기값에 질병이 있음이 태깅된 단일한 스펙트럼 데이터 및/또는 정상 검체에 관한 각 파장 별 세기값에 질병이 없음이 태깅된 단일한 스펙트럼 데이터를 대량으로(약 4000개 이상) 포함하는 러닝셋을 이용하여 학습될 수 있다.
또한, 인공 신경망에 입력되는 스펙트럼 데이터는 원본 스펙트럼 데이터 가 그대로 입력될 수 있을 뿐만 아니라, 전처리가 수행된 가공 스펙트럼 데이터일 수도 있다. 즉, 진단 유닛(1400)은 립스 유닛(1200)으로부터 단일한 원본 스펙트럼 데이터를 획득하면, 획득한 원본 스펙트럼 데이터를 그대로 인공 신경망에 입력하여 원본 스펙트럼 데이터로부터 대상 검체에 대한 진단 결과를 획득할 수도 있을 뿐 아니라, 립스 유닛(1200)으로부터 획득한 단일한 원본 스펙트럼 데이터를 가공한 단일한 가공 스펙트럼 데이터를 인공 신경망에 입력하여 단일한 가공 스펙트럼 데이터로부터 대상 검체에 대한 진단 결과를 획득할 수도 있다.
또한 여기서, 단일한 스펙트럼 데이터는 립스 유닛(1200)에서 대상 검체에 대해 1회에 한해 측정된 스펙트럼 데이터를 의미하는 것은 아니고, 동일한 대상 검체에서 측정된 복수의 스펙트럼 데이터를 이용하여 생성된 단일한 스펙트럼 데이터일 수도 있다. 일 예로, 단일한 스펙트럼 데이터는 동일한 대상 검체에서 측정된 복수의 스펙트럼 데이터의 평균값이거나 합산값 등이 될 수도 있다. 즉, 진단 유닛(1400)은, 립스 유닛(1200)으로부터 동일한 대상 검체에 대하여 복수회에 걸쳐 측정된 스펙트럼 데이터를 획득하고, 획득된 스펙트럼 데이터들 간의 평균값이나, 합산값을 인공 신경망의 입력 데이터로 이용할 수도 있는 것이다. 이처럼, 동일한 대상 검체에 대하여 복수회 측정한 복수의 스펙트럼 데이터를 단일한 스펙트럼 데이터로 가공하여 이용함으로써, 대상 검체에 대하여 1회에 한해 측정한 스펙트럼 데이터를 이용하는 것 보다 스펙트럼 데이터에 포함되어 있을 에러 요인들의 영향을 효과적으로 감쇄할 수 있다. 다만 여기서, 대상 검체에서 측정된 복수의 스펙트럼 데이터를 이용하는 경우, 복수의 스펙트럼 데이터 각각에 대한 세기값의 조정, 즉 전술한 정규화를 우선적으로 수행하는 것이 바람직 할 수 있다.
본 명세서의 이하의 기재에서는, 설명의 편의를 위하여 인공 신경망을 이용하여 피부암을 진단하는 것에 대한 실시예들을 예시적으로 설명하도록 한다. 예를 들어, 본 명세서의 일 실시예에 따른 인공 신경망을 이용하여 단일한 스펙트럼 데이터로부터 피부암 진단을 수행하는 경우, 대상 검체는 피부암이 의심되는 조직일 수 있고, 진단 결과는 대상 검체에 피부암이 존재하는지 여부에 대한 결과값일 수 있다. 다만 이로 인해 본 명세서에 따른 진단이 피부암에 국한되는 것은 아님이 이해되야 할 것이다.
이상에서는, 인공 신경망을 이용하여 대상 검체와 관련된 단일한 스펙트럼 데이터로부터 진단 결과를 획득하는 것에 관련하여 설명 하였다. 그런데, 대상 검체에 대한 단일한 스펙트럼 데이터만을 이용하는 경우, 인공 신경망이 연산 처리를 수행함에 있어, 스펙트럼 데이터에 포함될 수 있는 다양한 상황 요인에 대한 대처 능력이 떨어질 수 있다. 예를 들어, 다양한 환자의 동일한 피부 조직으로부터 획득된 스펙트럼 데이터 간에도, 조직을 보유한 환자의 나이, 성별, 인종 및 환경 등과 같은 환자 각각의 특이성에 따라 다른 특성을 갖는 스펙트럼 데이터가 측정될 수 있다. 구체적인 예로, 환자의 인종에 따라, 스펙트럼 데이터에 포함된 피부 조직에 포함된 특정 원소를 나타내는 요소 피크의 세기값이 다르게 측정될 수 있다. 이러한 경우, 인공 신경망의 학습에 이용된 레퍼런스 스펙트럼 데이터의 측정의 기준이 된 환자의 모집단과 실제 진단의 수행 대상이 될 환자 간의 환자 특이성이 서로 달라질 경우, 진단 결과의 정확도가 하락할 수 있다. 이때, 복수의 객체에서 획득된 복수의 스펙트럼 데이터를 조합한 조합 스펙트럼 데이터로부터 진단 결과를 획득하는 경우, 환자 특이성으로 인한 영향을 저감시킴으로써 진단 결과의 정확도를 향상시킬 수 있다. 예를 들어, 피부암이 존재하는 조직에서 측정된 스펙트럼 데이터와 정상 조직에서 측정된 스펙트럼 데이터의 차이값은, 환자 특이성에 영향을 받지 않고, 정상 조직과 피부암 조직간의 유의미한 차이만을 포함하고 있을 수 있어, 이를 이용함으로써 진단 결과의 정확도를 향상시킬 수 있다.
다른 예에 따르면, 인공 신경망을 이용하여 복수의 스펙트럼 데이터로부터 진단의 대상이 되는 객체에 대한 진단을 수행할 수 있다.
도 53은 본 명세서의 일 실시예에 따른 인공 신경망을 이용하여 복수의 스펙트럼 데이터를 조합한 스펙트럼 데이터로부터 진단 결과를 판단하는 것에 관한 도면이다.
도 53을 참조하면, 진단 유닛(1400)은 인공 신경망을 이용하여 복수의 스펙트럼 데이터를 조합한 스펙트럼 데이터로부터 대상 검체에 대한 진단을 수행할 수 있다.
구체적으로, 제2 콘트롤러(1410)는 립스 유닛(1200)로부터 복수의 원본 스펙트럼 데이터를 획득하고, 획득된 복수의 원본 스펙트럼 데이터로부터 복수의 원본 스펙트럼 데이터를 조합한 조합 스펙트럼 데이터를 생성하고, 생성된 조합 스펙트럼 데이터를 인공 신경망의 입력 데이터로 인공 신경망의 입력 레이어에 입력함으로써, 조합 스펙트럼 데이터를 기초로 인공 신경망이 수행한 연산처리 결과에 따라 대상 검체에 대한 진단 결과를 획득할 수 있다.
여기서, 인공 신경망은 대상 검체와 참조 검체로부터 획득된 스펙트럼 데이터가 조합된 조합 스펙트럼 데이터에 대하여 진단 결과가 태깅된 레퍼런스 스펙트럼 데이터들로 구성된 러닝셋을 이용하여 학습될 수 있다. 일 예로, 인공 신경망은, 질병 검체와 정상 검체에서 각각 측정된 스펙트럼 데이터의 차이값에 질병이 있음이 태깅된 스펙트럼 데이터 및/또는 정상 검체와 다른 정상 검체에서 각각 측정된 스펙트럼 데이터의 차이값에 질병이 없음이 태깅된 스펙트럼 데이터를 포함하는 러닝셋을 이용하여 학습될 수 있다.
또한, 조합 스펙트럼 데이터는 다양한 방식으로 생성될 수 있다. 일 예로, 조합 스펙트럼 데이터는 2 이상의 스펙트럼 데이터의 서로 대응되는 파장에서의 파장 별 세기값의 차이값일 수 있다. 다른 예로, 조합 스펙트럼 데이터는 2 이상의 스펙트럼 데이터 간의 서로 대응되는 파장에서의 파장 별 세기값의 비율값일 수 있다. 또 다른 예로, 조합 스펙트럼 데이터는 2 이상의 스펙트럼 데이터 간의 서로 대응되는 파장에서의 파장 별 세기값의 합산값일 수 있다. 또 다른 예로, 조합 스펙트럼 데이터는 2 이상의 스펙트럼 데이터 간의 서로 대응되는 파장에서의 파장 별 세기값의 곱연산값일 수 있다.
또한, 조합 스펙트럼 데이터의 생성에 이용되는 스펙트럼 데이터는 상술한 원본 스펙트럼 데이터뿐 아니라 가공 스펙트럼 데이터 일 수 있다. 즉, 원본 스펙트럼 데이터는 조합 스펙트럼 데이터로 가공되기 전 전처리되고, 전처리된 가공 스펙트럼 데이터가 조합 스펙트럼 데이터로 가공될 수 있다. 또한, 원본 스펙트럼 데이터가 먼저 조합 스펙트럼 데이터로 가공되고, 조합 스펙트럼 데이터가 전처리되어 가공 스펙트럼 데이터로 가공될 수도 있다. 즉, 인공 신경망의 입력 데이터는 조합 스펙트럼 데이터를 전처리한 가공 스펙트럼 데이터 일 수도 있고, 가공 스펙트럼 데이터를 조합한 조합 스펙트럼 데이터 일 수도 있다. 이처럼, 본 명세서가 예시적으로 언급한 실시예들에 국한되는 것은 아니며, 다양한 순서로 또는 방식에 의해 원본 스펙트럼 데이터가 전처리 및/또는 조합될 수 있는 것이다. 복수의 원본 스펙트럼 데이터들의 가공과 관련된 구체적인 내용은 후술하도록 한다.
또한, 복수의 스펙트럼 데이터는 다양한 객체에서 획득된 스펙트럼 데이터일 수 있다. 일 예로, 복수의 스펙트럼 데이터가 대상 검체에서 획득된 스펙트럼 데이터와 참조 검체에서 획득된 스펙트럼 데이터를 포함할 때, 대상 검체와 참조 검체는 각각의 객체가 위치하는 지점이나 객체의 질환 상태 여부에 따라 구분될 수 있다.
도 54는 본 명세서의 일 실시예에 따른 복수의 스펙트럼 데이터가 획득되는 지점에 관련된 도면이다.
본 명세서의 일 실시예에 따르면, 대상 검체는 진단의 대상이 되는 객체로써, 질병이 존재하는 것으로 의심되는 조직일 수 있다. 또한, 참조 검체는 대상 검체와의 비교 또는 참조를 위한 검체로써 질환 존재 여부가 기 확인된 조직일 수 있다. 예를 들어, 참조 검체는 정상임이 기 확인된 점과 같은 색소 침착 조직일 수 있다. 또 다른 예로, 참조 검체는 정상 조직일 수 있다. 즉, 대상 검체가 정해지면, 참조 검체는 질환 존재 여부가 기 확인된 조직 중에서 대상 검체와의 비교가 용이한 조직으로 선택될 수 있다.
일 예로, 대상 검체 및 참조 검체의 스펙트럼 데이터간의 차이값을 이용해 피부암 진단을 수행하는 경우, 대상 검체와 참조 검체간의 일관된 차이값 특성을 포함하는 레퍼런스 스펙트럼 데이터들로 학습될수록 인공 신경망의 예측 성능이 향상될 수 있어, 피부암 조직과 일관된 스펙트럼 특성의 차이점을 갖는 정상 조직(또는 색소 침착 조직)이 참조 검체로 선택 되는 것이 바람직할 수 있다.
구체적으로, 정상 조직(또는 색소 침착 조직)이 피부암 조직과 가까이 위치할수록 피부암 조직과 정상 조직(또는 색소 침착 조직)간의 일반적인 환경에 따른 성질(예를 들어 수분 함유량, 경도, 자외선 노출량, 피부 색 등)이 스펙트럼 데이터 내에 공통적으로 포함될 확률이 높아질 수 있다. 따라서 피부암 조직과 가까운 거리에 위치한 정상 조직(또는 색소 침착 조직)의 스펙트럼 차이를 구한다면, 피부암 조직과 정상 조직간의 일반적인 환경에 영향 받은 피부 조직의 성질이 제외된 질환과 관련된 유의미한 스펙트럼 특성의 차이점만 도출될 수 있다. 즉, 인공 신경망이 정상 조직과 피부암 조직 간의 질환과 관련된 유의미한 차이점이 도미넌트하게 포함된 레퍼런스 스펙트럼 데이터로 학습되도록, 참조 검체는 대상 검체로부터 소정의 거리 이내에 위치하는 것이 바람직 할 수 있다.
또한, 본 명세서의 일 실시예에 따르면, 동일한 대상 검체 또는 참조 검체에서 획득된 복수의 스펙트럼 데이터가 진단에 이용될 수 있다. 동일한 대상 검체 또는 참조 검체에서 획득된 복수의 스펙트럼 데이터를 이용함으로써, 스펙트럼 데이터에 포함된 에러의 요인을 저감시킬 수 있다.
이상에서 인공 신경망을 이용하여 조합 스펙트럼 데이터로부터 피부암에 대한 진단 결과를 획득할 수 있음을 설명하였는데, 상술한 예시 이외에도 본 발명의 일 실시예에 따른 진단 시스템(100)이 표준화와 정규화와 같은 전처리 및 스펙트럼 데이터를 조합하는 과정을 조합하여 입력 데이터를 획득함으로써 진단 결과를 획득하는 것도 가능하다. 여기서, 어느 하나의 전처리를 수행한 뒤 다른 전처리를 수행하기 전 스펙트럼 데이터를 조합하거나 모든 전처리를 수행한 이후 스펙트럼 데이터를 조합할 수 있으며, 이때에는 원본 스펙트럼 데이터 대신 이전 전처리에서 생성된 가공 스펙트럼 데이터에 대해 후속되는 전처리나 스펙트럼 데이터의 조합 과정을 수행할 수도 있고, 조합 스펙트럼 데이터에 대하여 전처리를 수행할 수도 있다.
이하에서는, 본 명세서의 일 실시예에 따른 인공 신경망을 이용한 복수의 스펙트럼 데이터로부터 진단 결과를 판단 하는 방법에 있어서, 복수의 스펙트럼 데이터에 대한 전처리 과정 및 조합 스펙트럼 데이터 생성을 위한 가공 과정이 복합적으로 수행되는 구체적인 몇몇 실시예들을 도면을 참조하여 설명하도록 한다.
도 55는 본 명세서의 일 실시예에 따른 인공 신경망을 이용한 복수의 스펙트럼 데이터로부터 진단 결과를 판단 하는 방법에 관한 구체적인 실시 1예에 관한 도면이다.
본 명세서의 일 실시예에 따르면, 인공 신경망을 이용한 복수의 스펙트럼 데이터로부터 진단 결과를 판단 하는 방법은 복수의 원본 스펙트럼 데이터 획득 단계(S3000), 복수의 가공 스펙트럼 데이터 획득 단계(S3200), 조합 스펙트럼 데이터 획득 단계(S3400) 및 진단 결과 획득 단계(S3600)를 포함할 수 있다.
본 발명의 일 실시예에 따르면, 진단 유닛(1400)은 진단 결과를 판단하는 방법을 수행할 수 있다.
먼저, 복수의 스펙트럼 데이터 획득 단계(S3000)에서, 진단 유닛(1400)은 립스 유닛(1200)으로부터 복수의 원본 스펙트럼 데이터를 획득할 수 있다. 구체적으로, 제2 콘트롤러(1410)는 립스 유닛(1200)에서 획득된 대상 검체와 관련된 원본 스펙트럼 데이터 및 참조 검체와 관련된 원본 스펙트럼 데이터를 획득할 수 있다.
이후, 복수의 가공 스펙트럼 데이터 획득 단계(S3200)에서, 진단 유닛(1400)은 복수의 원본 스펙트럼 데이터를 전처리하여 가공 스펙트럼 데이터를 획득할 수 있다. 구체적으로, 제2 콘트롤러(1410)는 대상 검체와 관련된 원본 스펙트럼 데이터 및 참조 검체와 관련된 원본 스펙트럼 데이터를 정규화 및 표준화하여 가공 스펙트럼 데이터를 획득할 수 있다. 여기서, 정규화 및 표준화는 상술한 바와 동일/유사한 방식으로 수행될 수 있다.
이후, 조합 스펙트럼 데이터 획득 단계(S3400)에서, 진단 유닛(1400)은 복수의 가공 스펙트럼 데이터를 조합하여 조합 스펙트럼 데이터를 획득할 수 있다. 구체적으로, 제2 콘트롤러(1410)는 대상 검체와 관련된 가공 스펙트럼 데이터와 참조 검체와 관련된 가공 스펙트럼 데이터를 조합하여 조합 스펙트럼 데이터를 획득할 수 있다. 여기서, 스펙트럼 데이터의 조합 과정은 상술한 바와 동일/유사한 방식으로 수행될 수 있다.
이후, 진단 결과 획득 단계(S3600)에서, 진단 유닛(1400)은 인공 신경망을 이용하여 조합 스펙트럼 데이터로부터 진단 결과를 획득할 수 있다. 구체적으로, 제2 콘트롤러(1410)는 제2 메모리(1450)에 저장된 인공 신경망을 참조하여, 조합 스펙트럼 데이터를 인공 신경망의 입력 레이어에 입력하고, 인공 신경망의 연산 처리에 따라 도출된 진단 결과값을 획득할 수 있다.
도 56은 본 명세서의 일 실시예에 따른 인공 신경망을 이용한 복수의 스펙트럼 데이터로부터 진단 결과를 판단 하는 방법에 관한 구체적인 실시 2예에 관한 도면이다.
본 명세서의 일 실시예에 따르면, 인공 신경망을 이용한 복수의 스펙트럼 데이터로부터 진단 결과를 판단 하는 방법은 복수의 원본 스펙트럼 데이터 획득 단계(S4000), 복수의 정규화된 스펙트럼 데이터 획득 단계(S4200), 조합 스펙트럼 데이터 획득 단계(S4400), 입력 스펙트럼 데이터 획득 단계(S4600) 및 진단 결과 획득 단계(S4800)를 포함할 수 있다.
본 발명의 일 실시예에 따르면, 진단 유닛(1400)은 진단 결과를 판단하는 방법을 수행할 수 있다.
먼저, 복수의 스펙트럼 데이터 획득 단계(S4000)에서, 진단 유닛(1400)은 립스 유닛(1200)으로부터 복수의 원본 스펙트럼 데이터를 획득할 수 있다. 구체적으로, 제2 콘트롤러(1410)는 립스 유닛(1200)에서 획득된 대상 검체와 관련된 원본 스펙트럼 데이터 및 참조 검체와 관련된 원본 스펙트럼 데이터를 획득할 수 있다.
이후, 복수의 정규화된 스펙트럼 데이터 획득 단계(S4200)에서, 진단 유닛(1400)은 복수의 원본 스펙트럼 데이터를 정규화하여 복수의 정규화된 스펙트럼 데이터를 획득할 수 있다. 구체적으로, 제2 콘트롤러(1410)는, 대상 검체와 관련된 원본 스펙트럼 데이터 및 참조 검체와 관련된 원본 스펙트럼 데이터를 정규화 하여, 대상 검체와 관련된 원본 스펙트럼 데이터가 정규화된 제1 가공 스펙트럼 데이터 및 참조 검체와 관련된 원본 스펙트럼 데이터가 정규화된 제2 가공 스펙트럼 데이터를 획득할 수 있다.
이후, 조합 스펙트럼 데이터 획득 단계(S4400)에서, 진단 유닛(1400)은 복수의 정규화된 스펙트럼 데이터를 조합하여 조합 스펙트럼 데이터를 획득할 수 있다. 구체적으로, 제2 콘트롤러(1410)는 제1 가공 스펙트럼 데이터 및 제2 가공 스펙트럼 데이터를 조합하여 조합 스펙트럼 데이터를 획득할 수 있다.
이후, 입력 데이터 획득 단계(S4600)에서, 진단 유닛(1400)은 조합 스펙트럼 데이터를 표준화 하여 입력 데이터를 획득할 수 있다. 구체적으로 제2 콘트롤러(1410)는 조합 스펙트럼 데이터를 표준화하여 인공 신경망의 입력 규격에 대응되는 입력 데이터를 획득할 수 있다.
이후, 진단 결과 획득 단계(S4800)에서, 진단 유닛(1400)은 인공 신경망을 이용하여 입력 데이터로부터 진단 결과를 획득할 수 있다. 구체적으로, 제2 콘트롤러(1410)는 제2 메모리(1450)에 저장된 인공 신경망을 참조하여, 입력 데이터를 인공 신경망의 입력 레이어에 입력하고, 인공 신경망의 연산 처리에 따라 도출된 진단 결과값을 획득할 수 있다.
이상에서는, 인공 신경망을 이용하여 복수의 스펙트럼 데이터를 조합한 조합 스펙트럼 데이터로부터 진단 결과를 획득하는 예시들에 대하여 설명하였다. 그런데, 이 외에도 본 명세서의 일 실시예에 따르면 복수의 스펙트럼 데이터를 조합하지 않고 복수의 스펙트럼 데이터를 인공 신경망에 입력하여 진단 결과를 획득할 수도 있다.
도 57은 본 명세서의 다른 실시예에 따른 인공 신경망을 이용한 복수의 스펙트럼 데이터로부터 진단 결과를 판단하는 것에 관한 도면이다.
도 57을 참조하면, 진단 유닛(1400)은 인공 신경망을 이용하여 복수의 스펙트럼 데이터로부터 대상 검체에 대한 진단을 수행할 수 있다.
구체적으로, 제2 콘트롤러(1410)는 립스 유닛(1200)으로부터 대상 검체와 관련된 원본 스펙트럼 데이터 및 참조 검체와 관련된 원본 스펙트럼 데이터를 획득하고, 획득된 대상 검체와 관련된 원본 스펙트럼 데이터 및 참조 검체와 관련된 원본 스펙트럼 데이터를 인공 신경망의 입력 데이터로 인공 신경망의 입력 레이어에 입력함으로써, 복수의 원본 스펙트럼 데이터를 기초로 인공 신경망이 수행한 연산처리 결과에 따라 대상 검체에 대한 진단 결과를 획득할 수 있다.
여기서, 인공 신경망은, 대상 검체 및 참조 검체로부터 획득된 스펙트럼 데이터 모두에 대하여 진단 결과가 태깅된 레퍼런스 스펙트럼 데이터들로 구성된 러닝셋을 이용하여 학습될 수 있다.
또한 여기서, 원본 스펙트럼 데이터는 가공 스펙트럼 데이터 일 수 있다. 즉, 제2 콘트롤러(1410)은 대상 검체와 관련된 원본 스펙트럼 데이터 및 참조 검체와 관련된 원본 스펙트럼 데이터를 그대로 이용할 수도 있고, 각각에 대하여 전처리를 수행하여 각각에 대한 가공 스펙트럼 데이터를 생성한 후 생성된 각각의 가공 스펙트럼 데이터 모두를 이용할 수도 있다.
이상에서 인공 신경망을 이용하여 복수의 스펙트럼 데이터를 조합한 조합 스펙트럼 데이터 또는 복수의 스펙트럼 데이터로부터 진단 결과를 획득하는 것에 대하여 설명 하였는데, 여기서 대상 검체와 관련된 원본 스펙트럼 데이터 또는 참조 검체와 관련된 원본 스펙트럼 데이터는 상술한 바와 동일/유사하게 동일한 대상 검체 및/또는 참조 검체에서 복수회에 걸쳐 측정된 스펙트럼 데이터를 이용해 생성된 스펙트럼 데이터일 수 있다. 일 예로, 대상 검체 및/또는 참조 검체와 관련된 원본 스펙트럼 데이터는 대상 검체 또는 참조 검체에서 복수회 측정된 스펙트럼 데이터의 평균값이거나 합산값일 수 있다.
또한, 복수의 스펙트럼 데이터 각각이 동일한 방식으로 획득될 필요는 없고, 다양한 방식으로 획득되는 것도 가능하다. 즉, 대상 검체에서 획득되는 스펙트럼 데이터와 참조 검체에서 획득되는 스펙트럼 데이터는 각각 다양한 방식으로 획득될 수도 있다. 예를 들어, 대상 검체에서 획득된 스펙트럼 데이터 는 복수회 측정된 값을 이용해 생성된 스펙트럼 데이터일 수 있고 참조 검체에서 획득된 스펙트럼 데이터는 1회만 측정된 스펙트럼 데이터일 수 있다. 다른 예로, 대상 검체에서 획득된 원본 스펙트럼 데이터는 대상 검체 내 동일 지점에 대하여 복수회 측정된 스펙트럼 데이터를 이용해 생성될 수 있고, 참조 검체에서 획득된 원본 스펙트럼 데이터는 참조 검체 내의 여러 레이저 조사 지점에서 측정된 스펙트럼 데이터의 평균값일 수도 있다. 또 다른 예로, 대상 검체 내의 여러 레이저 조사 지점에서 측정된 대상 검체와 관련된 원본 스펙트럼 데이터와 참조 검체에서 1회 측정으로 획득된 원본 스펙트럼 데이터를 조합하여 조합 스펙트럼 데이터를 생성할 수도 있다.
이상에서는 본 명세서의 일 실시예에 따라 인공 신경망을 이용하여 스펙트럼 데이터로부터 진단 결과를 획득하는 다양한 실시예들에 대하여 설명하였는다. 그런데, 다양한 원인(예를들어 섬광)에 의해, 정규화와 같은 전처리가 수행됨에도 보정되기 불가능할 정도의 에러의 영향이 스펙트럼 데이터의 파장 별 세기값에 포함되어 있을 수 있다. 만약, 성분 중요도가 높은 파장 별 세기값에서 에러가 발생한 경우, 인공 신경망의 결과 예측의 정확성이 하락할 수 있다. 따라서, 스펙트럼 데이터에 보정이 불가능할 정도의 에러가 존재하는 경우, 스펙트럼 데이터를 다시 획득하는 것이 불가피할 수 있다.
도 58은 본 명세서의 일 실시예에 따른 스펙트럼 데이터의 에러와 관련된 도면이다.
본 명세서의 일 실시예에 따르면, 진단 유닛(1400)은 스펙트럼 데이터에 에러가 존재하는지 판단하고, 판단 결과에 따른 신호를 립스 유닛(1200)에 전송할 수 있다.
구체적으로, 제2 메모리(1450)에는 스펙트럼 데이터의 에러와 관련된 문턱값 정보가 포함되어 있을 수 있다. 제2 콘트롤러(1410)는, 립스 유닛(1200)으로부터 원본 스펙트럼 데이터를 획득하고, 제2 메모리(1450)에 저장된 스펙트럼 데이터의 에러와 관련된 문턱값 정보를 참조하여, 획득된 원본 스펙트럼 데이터에 문턱값 이상 또는 이하의 파장 별 세기값 에러가 포함되어 있는지 판단하고, 판단 결과에 따른 신호를 립스 유닛(1200)에 전송할 수 있다.
여기서, 판단 결과에 따른 신호는 출력부에도 전송될 수 있다. 판단 결과에 따른 신호를 획득한 출력부는 스펙트럼 데이터에 에러가 존재하는 것에 대한 정보를 제공하거나 레이저 재 조사에 관한 알림을 제공할 수 있다.
도 58을 참조하면, 스펙트럼 데이터의 에러 존재 여부의 판단 기준이 되는 문턱값은 다양하게 설정될 수 있다.
일 예로, 문턱값은 파장 별 세기값을 기준으로 설정된 제1 문턱값일 수 있다. 제1 문턱값은 스펙트럼 데이터에 포함된 어느 하나의 파장 별 세기값이라도 전처리에 의한 보정이 불가능할 정도로 강하게 측정되는 것에 기준일 수 있다.
다른 예로, 문턱값은 특정 파장 범위에서 파장 별 세기값의 합산값을 기준으로 설정된 제2 문턱값일 수 있다. 제2 문턱값은, 스펙트럼 데이터에 포함된 특정 파장 범위의 파장 별 세기값의 합산값이 전처리에 의한 보정이 불가능할 정도로 약하게 측정되는 것의 기준일 수 있다.
또 다른 예로, 문턱값은 성분 중요도가 높은 파장에서의 세기값을 기준으로 설정된 제3 문턱값일 수 있다. 제3 문턱값은, 스펙트럼 데이터에 포함된 성분 중요도가 높은 파장 별 세기값이 전처리에 의한 보정이 불가능할 정도로 약하게 측정되는 것의 기준일 수 있다.
이하에서는 본 발명의 일 실시예에 따라 립스 유닛(1200)의 기계적 구조에 대하여 설명한다.
도 59는 본 발명의 일 실시예에 따른 립스 유닛(1200)의 외관 및 내부를 도시한 도면이다.
본 명세서의 일 실시예에 따르면, 립스 유닛(1200)은 하우징, 레이저 활성 매질(1212), 플래시 램프, 트리거링 모듈(1240) 및 레이저 다이오드를 포함할 수 있다.
하우징은 레이저 활성 매질(1212), 플래시 램프, 트리거링 모듈(1240) 및 다이오드를 수용하는 내부공간을 가지며 검체(1)를 향하는 개구부를 포함할 수 있다. 또한, 하우징 외부에는 하우징의 일단으로부터 검체(1)를 향해 연장되고 그 단부가 검체(1) 주변에 접촉되는 가이드 부재(1216)가 형성될 수 있다. 또한, 하우징 외부에는 검체(1)에 유도되는 플라즈마 어블레이션에 의한 광을 수신하는 수광 부재(1221)가 배치될 수 있다.
플래시 램프는 레이저 활성 매질(1212)에 에너지를 공급하여 레이저를 발진시킬 수 있다. 플래시 램프는 레이저 활성 매질(1212)에 에너지를 공급하기 위해 하우징 내 레이저 활성 매질(1212) 근방에 배치될 수 있다.
레이저 다이오드는 립스 유닛(1200)이 검체(1)에 레이저를 조사함에 있어서 레이저가 조사되는 위치를 지시하는 지시 빔을 방출할 수 있다. 레이저 다이오드는 하우징 내부 또는 외부에 배치되되 레이저 활성 매질(1212)에 의해 방출되는 레이저와 레이저 다이오드에서 방출되는 지시 빔이 검체(1)에서 만나도록 배치될 수 있다. 또는, 레이저 다이오드는 레이저 다이오드에서 방출된 지시 빔이 레이저 활성 매질(1212)에 의한 레이저가 검체(1)에 조사되는 지점으로부터 일정 범위 내에 위치하도록 하우징 내부 또는 외부에 배치될 수도 있다.
여기서, 레이저 활성 매질(1212)이 레이저 다이오드와 검체(1) 사이에 위치하는 경우 레이저 다이오드에서 방출되는 지시 빔은 레이저 활성 매질(1212)을 통과하여 검체(1)에 조사될 수 있다.
트리거링 모듈(1240)은 하우징 내부 또는 외부에 배치되어 트리거링 동작을 수행할 수 있다.
여기서, 트리거링 모듈(1240)은 하우징 내부 또는 외부에 배치될 수 있다.
본 발명의 일 실시예에 따르면, 트리거링 모듈(1240)은 하우징 내부에 배치되어 검체(1)로부터 반사된 광을 수신하여 트리거링 동작을 수행할 수 있다. 예를 들면, 트리거링 모듈(1240)은 레이저 다이오드에서 방출되는 지시 빔이 검체(1)에 조사되어 반사되는 광을 수신하여 트리거링 동작을 수행할 수 있다. 또 다른 예로, 트리거링 모듈(1240)은 레이저 활성 매질(1212)에 의해 방출되는 레이저가 검체(1)에 조사되어 반사되는 광을 수신하여 트리거링 동작을 수행할 수 있다.
여기서, 트리거링 모듈(1240)은 검체(1)로부터 반사되는 광을 직접적으로 수신하지 않고 거울을 통해 간접적으로 수신할 수 있다. 예를 들어, 레이저 다이오드 및 레이저 활성 매질(1212) 사이에 반사 부재가 배치되고 트리거링 모듈(1240)은 거울을 통해 검체(1)로부터 반사되는 광을 수신할 수 있다. 이 때, 레이저 다이오드 및 레이저 활성 매질(1212) 사이에 배치되는 반사 부재는 레이저 다이오드에서 방출되는 지시 빔의 적어도 일부는 통과시키고 적어도 일부는 반사시킬 수 있다. 이로써 트리거링 모듈(1240)은 레이저 다이오드에서 방출되는 지시 빔의 경로 상에 배치되지 않으면서 검체(1)로부터 반사되는 광을 수신할 수 있다.
한편, 트리거링 모듈(1240)은 하우징 내부에 배치되되 레이저 활성 매질(1212) 및 검체(1) 사이에 위치하거나 하우징 밖에 배치될 수도 있다.
이상에서는 립스 유닛(1200)이 하우징을 포함하고, 하우징 내부에 검체(1)에 레이저를 조사하기 위한 모듈을 포함하고 외부에 레이저를 검체(1)에 가이드하는 가이드 부재(1216) 및 유도 플라즈마에 의한 광을 수신하는 수신 부재(1221)가 배치되는 것으로 서술하였으나 립스 유닛(1200)의 구조가 이에 한정되는 것은 아니며 필요에 따라 하우징의 내부, 외부에 위치하는 구성들이 상술한 것과 다르게 배치될 수 있음은 물론이다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
1: 검체 100: 진단 시스템
1200: 립스 유닛 1210: 레이저 조사 모듈
1220: 광 수집 모듈 1230: 분광 측정 모듈
1240: 트리거링 모듈 1250: 제1 콘트롤러
1260: 제1 메모리 1270: 제1 통신 모듈
1400: 진단 유닛 1410: 제2 콘트롤러
1420: 입력 모듈 1430: 출력 모듈
1440: 제2 통신 모듈 1450: 제2 메모리
1200: 립스 유닛 1210: 레이저 조사 모듈
1220: 광 수집 모듈 1230: 분광 측정 모듈
1240: 트리거링 모듈 1250: 제1 콘트롤러
1260: 제1 메모리 1270: 제1 통신 모듈
1400: 진단 유닛 1410: 제2 콘트롤러
1420: 입력 모듈 1430: 출력 모듈
1440: 제2 통신 모듈 1450: 제2 메모리
Claims (20)
- 펄스 레이저 빔을 조사하는 레이저 조사 모듈;
상기 펄스 레이저 빔에 의해 피검자의 신체 일부인 검사 대상에 유도되는 플라즈마 어블레이션에 의해 발생하는 광을 수신하는 광 수집 모듈;
상기 레이저 조사 모듈에 의해 발생하는 광을 감지하여 트리거링 신호를 출력하는 트리거링 모듈;
상기 광 수집 모듈로부터 상기 플라즈마 어블레이션에 의해 발생하는 방출 광을 전달받아 분광하는 분광 부재 - 상기 방출 광은 자유 전자의 에너지 손실로 인해 발생하는 연속 스펙트럼 속성을 갖는 연속 방출(continuum emission)에 관한 광 및 원자 궤도에 구속된 전자의 에너지 손실로 인해 발생하는 불연속 스펙트럼 속성을 갖는 요소 특정 방출(element specific emission)에 관한 광을 포함함 -;
상기 분광된 광을 파장대 별로 수신하도록 배치되는 복수의 센서를 포함하고, 상기 트리거링 신호에 기초하여 설정되는 감지 시작 시점으로부터 미리 정해진 시간 간격 동안 입사되는 광에 대한 스펙트럼을 감지함으로써 상기 플라즈마 어블레이션에 의해 발생하는 광의 스펙트럼 데이터를 생성하는 센서 어레이; 및
상기 스펙트럼 데이터에 기초하여 진단 정보를 획득하는 콘트롤러;를 포함하되,
상기 감지 시작 시점은, 상기 스펙트럼 데이터에 상기 연속 방출이 상기 요소 특정 방출 보다 우세한 제1 구간에서 감지되는 스펙트럼, 및 상기 제1 구간 보다 늦고 상기 요소 특정 방출이 상기 연속 방출 보다 우세한 제2 구간에서 감지되는 스펙트럼이 함께 반영되도록, 상기 펄스 레이저 빔의 조사 시점으로부터 100ns 이내로 설정되는
진단 정보 제공 장치.
- 제1 항에 있어서,
상기 검사 대상은 피부 조직이고, 상기 진단 정보는 상기 피부 조직이 피부암 조직인지 여부에 관한 것인
진단 정보 제공 장치.
- 제1 항에 있어서,
상기 검사 대상은 혈액, 소변, 또는 타액 중 적어도 하나이고, 상기 진단 정보는 상기 검사 대상 내 특정 물질의 조성 또는 상기 피검자의 질병 여부인
진단 정보 제공 장치.
- 제1 항에 있어서,
상기 트리거링 모듈은, 상기 레이저 조사 모듈의 레이저 매질을 기준으로 상기 펄스 레이저 빔의 출력 방향의 반대측에 배치되는
진단 정보 제공 장치.
- 제3 항에 있어서,
상기 미리 정해진 시간 간격은, 적어도 1us 이상인
진단 정보 제공 장치.
- 제1 항에 있어서,
상기 트리거링 모듈은, 상기 검사 대상으로부터 반사되는 상기 펄스 레이저 빔의 반사광에 따라 상기 트리거링 신호를 출력하는
진단 정보 제공 장치.
- 제1 항에 있어서,
상기 트리거링 모듈은, 상기 플라즈마 어블레이션에 의해 발생하는 광에 의한 트리거링 신호의 출력은 방지되고 상기 펄스 레이저 빔을 조사하는 레이저 조사 모듈에 의해 발생하는 광에 의한 상기 트리거링 신호의 출력은 허용되도록 제공되는
진단 정보 제공 장치.
- 삭제
- 삭제
- 제1 항에 있어서,
상기 콘트롤러는, 정상 생체 샘플과 관련하여 획득된 스펙트럼 데이터를 포함하는 제1 데이터에 정상을 지시하는 클래스값이 태깅된 제1 러닝 셋과 질병 생체 샘플과 관련하여 획득된 스펙트럼 데이터를 포함하는 제2 데이터에 질병을 지시하는 클래스값이 태깅된 제2 러닝 셋을 이용하여 학습된 인공 신경망을 이용하여 상기 플라즈마 어블레이션에 의해 발생하는 광에 관한 스펙트럼 데이터에 기초하여 상기 진단 정보를 획득하는
진단 정보 제공 장치.
- 레이저 유도 파열 분광법(LIBS: Laser Induced Breakdown Spectroscopy)을 이용하여 피검자에 관련된 진단 정보를 제공하는 방법으로서,
레이저 조사 모듈을 이용하여, 상기 피검자의 신체 일부인 검사 대상을 향해 펄스 레이저 빔을 조사하는 단계;
트리거링 모듈을 이용하여, 상기 레이저 조사 모듈에 의해 발생하는 광에 따라 트리거링 신호를 출력하는 단계;
센서 어레이를 이용하여, 상기 트리거링 신호의 출력 시점에 기초하여 설정되는 감지 시작 시점으로부터 미리 정해진 시간 간격 동안 입사되는 광의 스펙트럼을 감지함으로써, 상기 펄스 레이저 빔에 의해 상기 검사 대상에 유도되는 플라즈마 어블레이션에 의해 발생하는 광의 스펙트럼 데이터를 생성하는 단계; 및
콘트롤러를 이용하여, 상기 스펙트럼 데이터에 기초하여 상기 진단 정보를 획득하는 단계;를 포함하되,
상기 플라즈마 어블레이션에 의해 발생하는 방출 광은, 자유 전자의 에너지 손실로 인해 발생하는 연속 스펙트럼 속성을 갖는 연속 방출(continuum emission)에 관한 광 및 원자 궤도에 구속된 전자의 에너지 손실로 인해 발생하는 불연속 스펙트럼 속성을 갖는 요소 특정 방출(element specific emission)에 관한 광을 포함하고,
상기 감지 시작 시점은, 상기 스펙트럼 데이터에, 상기 연속 방출이 상기 요소 특정 방출 보다 우세한 제1 구간에서 감지되는 스펙트럼 및 상기 제1 구간 보다 늦고, 상기 요소 특정 방출이 상기 연속 방출 보다 우세한 제2 구간에서 감지되는 스펙트럼이 반영되도록, 상기 펄스 레이저 빔의 조사 시점으로부터 100ns 이내로 설정되는
진단 정보 제공 방법.
- 제11 항에 있어서,
상기 생성하는 단계는, 상기 트리거링 신호의 출력 시점으로부터 딜레이 타임 없이 즉시 스펙트럼을 감지하는 단계를 포함하는
진단 정보 제공 방법.
- 삭제
- 제11 항에 있어서,
상기 검사 대상은 피부 조직이고, 상기 진단 정보는 상기 피부 조직이 피부암 조직인지 여부에 관한 것인
진단 정보 제공 방법.
- 제11 항에 있어서,
상기 미리 정해진 시간 간격은, 적어도 1us 이상인
진단 정보 제공 방법.
- 제11 항에 있어서,
상기 트리거링 신호를 출력하는 단계는, 상기 검사 대상으로부터 반사되는 상기 펄스 레이저 빔의 반사광에 따라 상기 트리거링 신호를 출력하는 단계를 포함하는
진단 정보 제공 방법.
- 제11 항에 있어서,
상기 검사 대상은 혈액, 소변, 또는 타액 중 적어도 하나이고, 상기 진단 정보는 상기 검사 대상 내 특정 물질의 조성 또는 상기 피검자의 질병 여부인
진단 정보 제공 방법.
- 제11 항에 있어서,
상기 트리거링 신호를 출력하는 단계에서, 상기 플라즈마 어블레이션에 의해 발생하는 광에 의한 트리거링 신호의 출력은 방지하고 상기 펄스 레이저 빔을 조사하는 레이저 조사 모듈에 의해 발생하는 광에 의한 상기 트리거링 신호의 출력은 허용하는
진단 정보 제공 방법.
- 제11 항에 있어서,
상기 진단을 수행하는 단계는, 정상 생체 샘플과 관련하여 획득된 스펙트럼 데이터를 포함하는 제1 데이터에 정상을 지시하는 클래스값이 태깅된 제1 러닝 셋과 질병 생체 샘플과 관련하여 획득된 스펙트럼 데이터를 포함하는 제2 데이터에 질병을 지시하는 클래스값이 태깅된 제2 러닝 셋을 이용하여 학습된 인공 신경망에 상기 플라즈마 어블레이션에 의해 발생하는 광에 관한 스펙트럼 데이터를 포함하는 제3 데이터를 입력하는 단계 및 상기 인공 신경망의 출력값에 따라 상기 진단 정보를 생성하는 단계를 포함하는
진단 정보 제공 방법.
- 레이저 유도 파열 분광법(LIBS: Laser Induced Breakdown Spectroscopy)을 이용하여 피검자에 관련된 질병 진단 정보를 제공하는 방법으로서,
펄스 레이저 빔을 출력하는 레이저 조사 모듈을 이용하여, 상기 피검자의 신체 일부인 또는 상기 피검자의 신체로부터 획득된 질병 검사 대상 조직인 제1 생체 조직을 향해 제1 펄스 레이저 빔을 조사하는 단계;
트리거링 모듈을 이용하여, 상기 제1 펄스 레이저 빔을 생성하는 상기 레이저 조사 모듈의 레이저 매질에 의해 발생하는 광을 입사받아 제1 트리거링 신호를 출력하는 단계;
센서 어레이를 이용하여, 상기 제1 트리거링 신호에 따라 상기 제1 생체 조직으로부터 수신되는 광에 대한 스펙트럼의 측정을 시작하고, 상기 제1 생체 조직으로부터 수신된 광에 관한 제1 스펙트럼 데이터를 획득하는 단계;
상기 레이저 조사 모듈을 이용하여, 상기 피검자의 신체 일부 또는 상기 피검자의 신체로부터 획득된 정상 조직인 제2 생체 조직을 향해 제2 펄스 레이저 빔을 조사하는 단계;
상기 트리거링 모듈을 이용하여, 상기 제2 펄스 레이저 빔을 생성하는 상기 레이저 매질에 의해 발생하는 광을 입사받아 제2 트리거링 신호를 출력하는 단계;
상기 센서 어레이를 이용하여, 상기 제2 트리거링 신호에 따라 상기 제2 생체 조직으로부터 수신되는 광에 대한 스펙트럼의 측정을 시작하고, 상기 제2 생체 조직으로부터 수신된 광에 관한 제2 스펙트럼 데이터를 획득하는 단계;
콘트롤러가, 상기 제1 스펙트럼 데이터 및 상기 제2 스펙트럼 데이터의 비교 스펙트럼 데이터를 획득하는 단계; 및
상기 콘트롤러가, 상기 비교 스펙트럼 데이터를 이용하여 상기 제1 생체 조직과 관련된 상기 질병 진단 정보를 획득하는 단계; 를 포함하는
진단 정보 제공 방법.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201962822634P | 2019-03-22 | 2019-03-22 | |
| US62/822,634 | 2019-03-22 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200112601A KR20200112601A (ko) | 2020-10-05 |
| KR102279688B1 true KR102279688B1 (ko) | 2021-07-20 |
Family
ID=71400764
Family Applications (6)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190104040A KR102279688B1 (ko) | 2019-03-22 | 2019-08-23 | 레이저 유도 붕괴 스펙트럼 분석을 이용하는 진단 방법 및 이를 수행하는 진단 장치 |
| KR1020190104043A KR102375183B1 (ko) | 2019-03-22 | 2019-08-23 | 레이저 유도 붕괴 스펙트럼 분석을 이용하는 진단 방법 및 이를 수행하는 진단 장치 |
| KR1020190104042A KR102370530B1 (ko) | 2019-03-22 | 2019-08-23 | 레이저 유도 붕괴 스펙트럼 분석을 이용하는 진단 방법 및 이를 수행하는 진단 장치 |
| KR1020190104039A KR102375159B1 (ko) | 2019-03-22 | 2019-08-23 | 레이저 유도 붕괴 스펙트럼 분석을 이용하는 진단 방법 및 이를 수행하는 진단 장치 |
| KR1020190104041A KR102127597B1 (ko) | 2019-03-22 | 2019-08-23 | 레이저 유도 붕괴 스펙트럼 분석을 이용하는 진단 방법 및 이를 수행하는 진단 장치 |
| KR1020220030303A KR102630877B1 (ko) | 2019-03-22 | 2022-03-10 | 레이저 유도 붕괴 스펙트럼 분석을 이용하는 진단 방법 및 이를 수행하는 진단 장치 |
Family Applications After (5)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190104043A KR102375183B1 (ko) | 2019-03-22 | 2019-08-23 | 레이저 유도 붕괴 스펙트럼 분석을 이용하는 진단 방법 및 이를 수행하는 진단 장치 |
| KR1020190104042A KR102370530B1 (ko) | 2019-03-22 | 2019-08-23 | 레이저 유도 붕괴 스펙트럼 분석을 이용하는 진단 방법 및 이를 수행하는 진단 장치 |
| KR1020190104039A KR102375159B1 (ko) | 2019-03-22 | 2019-08-23 | 레이저 유도 붕괴 스펙트럼 분석을 이용하는 진단 방법 및 이를 수행하는 진단 장치 |
| KR1020190104041A KR102127597B1 (ko) | 2019-03-22 | 2019-08-23 | 레이저 유도 붕괴 스펙트럼 분석을 이용하는 진단 방법 및 이를 수행하는 진단 장치 |
| KR1020220030303A KR102630877B1 (ko) | 2019-03-22 | 2022-03-10 | 레이저 유도 붕괴 스펙트럼 분석을 이용하는 진단 방법 및 이를 수행하는 진단 장치 |
Country Status (7)
| Country | Link |
|---|---|
| US (4) | US11079279B2 (ko) |
| EP (1) | EP3942996A4 (ko) |
| KR (6) | KR102279688B1 (ko) |
| CN (1) | CN112292065A (ko) |
| AU (2) | AU2019437773B2 (ko) |
| CA (1) | CA3102062A1 (ko) |
| WO (1) | WO2020197005A1 (ko) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111735807A (zh) * | 2020-07-14 | 2020-10-02 | 征图新视(江苏)科技股份有限公司 | 基于libs对大叶农作物部位以及油份的在线检测方法 |
| US20220018784A1 (en) * | 2020-07-16 | 2022-01-20 | Rosalba Guadiuso | Diagnosis of disease using laser-induced breakdown spectroscopy and machine learning |
| CN112557375A (zh) * | 2020-11-12 | 2021-03-26 | 华南师范大学 | 一种倒置式的激光诱导击穿光谱装置 |
| CN112950572B (zh) * | 2021-02-26 | 2024-04-05 | 西安交通大学 | 一种数据处理及迭代矫正方法、系统、介质及设备 |
| CN113077078B (zh) * | 2021-03-19 | 2023-10-31 | 中国科学院物理研究所 | 基于深度学习的超短激光脉冲相位预测方法及其系统 |
| CN113533305A (zh) * | 2021-07-06 | 2021-10-22 | 长江大学 | 一种用于激光治疗血管瘤的效果评价方法及装置 |
| WO2023058671A1 (ja) * | 2021-10-08 | 2023-04-13 | ソニーセミコンダクタソリューションズ株式会社 | 画像センサ、データ処理装置、および画像センサシステム |
| AU2021269451B2 (en) * | 2021-11-11 | 2024-02-22 | Speclipse Inc | Pulsed laser irradiation device |
| CN114199856B (zh) * | 2021-12-16 | 2023-06-23 | 福建师范大学 | 一种激光诱导击穿光谱元素含量比值快速定标方法 |
| CN116051429B (zh) * | 2023-03-31 | 2023-07-18 | 深圳时识科技有限公司 | 数据增强方法、脉冲神经网络训练方法、存储介质和芯片 |
| CN117222090A (zh) * | 2023-07-18 | 2023-12-12 | 中国人民解放军国防科技大学 | 可调节高空间分辨率的平面等离子体速度测量系统及方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050090751A1 (en) * | 2000-03-28 | 2005-04-28 | Foundation For Research And Technology | Method and system for characterization and mapping of tissue lesions |
| JP2016510245A (ja) * | 2013-02-19 | 2016-04-07 | ナショナル ユニヴァーシティー オブ シンガポール | 診断装置及び方法 |
| WO2018075679A1 (en) * | 2016-10-18 | 2018-04-26 | The Johns Hopkins University | Hyperspectral imaging for passive detection of colorectal cancers |
Family Cites Families (104)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS5915543B2 (ja) * | 1978-05-31 | 1984-04-10 | ヤマハ株式会社 | Ｆｍ受信機 |
| JP2763823B2 (ja) | 1990-09-25 | 1998-06-11 | 花王株式会社 | 角層の厚さ測定方法及びその測定装置 |
| US5280788A (en) | 1991-02-26 | 1994-01-25 | Massachusetts Institute Of Technology | Devices and methods for optical diagnosis of tissue |
| JP2573774B2 (ja) | 1992-06-18 | 1997-01-22 | 浜松ホトニクス株式会社 | 医療装置用レーザ発生装置 |
| US20080154257A1 (en) | 2006-12-22 | 2008-06-26 | Shiva Sharareh | Real-time optoacoustic monitoring with electophysiologic catheters |
| US5608520A (en) * | 1994-07-11 | 1997-03-04 | The United States Of America As Represented By He Department Of Energy | Plasma emission spectroscopy method of tumor therapy |
| US5720894A (en) | 1996-01-11 | 1998-02-24 | The Regents Of The University Of California | Ultrashort pulse high repetition rate laser system for biological tissue processing |
| US5833612A (en) * | 1996-02-09 | 1998-11-10 | Esc Medical Systems, Ltd. | Method and apparatus for diagnosis skin lesions |
| US6135965A (en) | 1996-12-02 | 2000-10-24 | Board Of Regents, The University Of Texas System | Spectroscopic detection of cervical pre-cancer using radial basis function networks |
| US6392683B1 (en) | 1997-09-26 | 2002-05-21 | Sumitomo Heavy Industries, Ltd. | Method for making marks in a transparent material by using a laser |
| JPH11230823A (ja) | 1998-02-18 | 1999-08-27 | Fuji Photo Film Co Ltd | 測光装置 |
| JP3594794B2 (ja) * | 1998-03-24 | 2004-12-02 | 独立行政法人 科学技術振興機構 | ナノ秒時間ゲート分光診断装置 |
| US6008896A (en) * | 1998-07-01 | 1999-12-28 | National Research Council Of Canada | Method and apparatus for spectroscopic analysis of heterogeneous materials |
| JP4474050B2 (ja) * | 1998-09-11 | 2010-06-02 | スペクトルックス・インコーポレイテッド | マルチモード光学組織診断システム |
| FR2792650B1 (fr) | 1999-04-20 | 2003-02-28 | Oreal | Equivalent de peau agee, son procede de preparation et son utilisation |
| US6205354B1 (en) | 1999-06-18 | 2001-03-20 | University Of Utah | Method and apparatus for noninvasive measurement of carotenoids and related chemical substances in biological tissue |
| KR100398362B1 (ko) | 2000-09-01 | 2003-09-19 | 스펙트론 테크 주식회사 | 근적외선 분광 분석법에 의한 피부 수분 측정방법 및 장치 |
| US8068898B2 (en) | 2001-03-01 | 2011-11-29 | Trustees Of Dartmouth College | Fluorescence lifetime spectrometer (FLS) and methods of detecting diseased tissues |
| US20030109787A1 (en) | 2001-12-12 | 2003-06-12 | Michael Black | Multiple laser diagnostics |
| AU2003230799A1 (en) * | 2002-04-05 | 2003-10-27 | Massachusetts Institute Of Technology | Systems and methods for spectroscopy of biological tissue |
| US7647092B2 (en) | 2002-04-05 | 2010-01-12 | Massachusetts Institute Of Technology | Systems and methods for spectroscopy of biological tissue |
| US7322972B2 (en) | 2002-04-10 | 2008-01-29 | The Regents Of The University Of California | In vivo port wine stain, burn and melanin depth determination using a photoacoustic probe |
| US6987564B2 (en) * | 2002-04-11 | 2006-01-17 | University Of Florida | Automatic correction for continuum background in laser induced breakdown and Raman spectroscopy |
| US7092087B2 (en) | 2003-09-16 | 2006-08-15 | Mississippi State University | Laser-induced breakdown spectroscopy for specimen analysis |
| AU2004277760B2 (en) | 2003-10-03 | 2011-09-29 | Academisch Medisch Centrum | System and method for imaging the reflectance of a substrate |
| US8326404B2 (en) * | 2003-11-28 | 2012-12-04 | British Columbia Cancer Agency Branch | Multimodal detection of tissue abnormalities based on raman and background fluorescence spectroscopy |
| JP4437202B2 (ja) | 2004-01-09 | 2010-03-24 | 学校法人慶應義塾 | 色素沈着部位の遠隔診療システム |
| KR100551479B1 (ko) | 2004-04-22 | 2006-02-13 | 임석형 | 레이저 치료기의 출력제어장치 |
| JP5461753B2 (ja) | 2004-07-30 | 2014-04-02 | オリンパス株式会社 | 内視鏡装置 |
| US20060095096A1 (en) | 2004-09-09 | 2006-05-04 | Debenedictis Leonard C | Interchangeable tips for medical laser treatments and methods for using same |
| GB0426993D0 (en) | 2004-12-09 | 2005-01-12 | Council Cent Lab Res Councils | Apparatus for depth-selective raman spectroscopy |
| US7962198B2 (en) | 2005-04-27 | 2011-06-14 | The Trustees Of Dartmouth College | System and method for spectral-encoded high-rate hemodynamic tomography |
| BRPI0609099A2 (pt) | 2005-05-12 | 2010-02-17 | Olympus Medical Systems Corp | aparelho de observação biológica |
| DE102005028268B4 (de) | 2005-06-14 | 2013-12-12 | Forschungsverbund Berlin E.V. | Verfahren und Vorrichtung zur Erzeugung und Detektion eines Raman-Spektrums |
| US20070005393A1 (en) | 2005-06-29 | 2007-01-04 | Johnson & Johnson Consumer Companies, Inc. | Apparatus and method for conducting large scale clinical trials |
| WO2007004167A1 (en) | 2005-07-06 | 2007-01-11 | Koninklijke Philips Electronics N.V. | Method for detecting an analyte within the body of a patient or an animal |
| US8687177B2 (en) * | 2007-01-23 | 2014-04-01 | Chemimage Corporation | System and method for combined Raman and LIBS detection |
| US20120302892A1 (en) | 2005-07-25 | 2012-11-29 | Niyom Lue | Portable optical fiber probe-based spectroscopic scanner for rapid cancer diagnosis |
| US8320650B2 (en) | 2005-11-30 | 2012-11-27 | Lawrence Livermore National Security, Llc | In vivo spectral micro-imaging of tissue |
| US20070296967A1 (en) * | 2006-06-27 | 2007-12-27 | Bhupendra Kumra Gupta | Analysis of component for presence, composition and/or thickness of coating |
| US7440097B2 (en) * | 2006-06-27 | 2008-10-21 | General Electric Company | Laser plasma spectroscopy apparatus and method for in situ depth profiling |
| US7903338B1 (en) | 2006-07-08 | 2011-03-08 | Cirrex Systems Llc | Method and system for managing light at an optical interface |
| CA2705341C (en) | 2006-11-10 | 2016-05-17 | Lars Michael Larsen | Method and apparatus for non- or minimally disruptive photomanipulation of an eye |
| KR100853655B1 (ko) | 2006-12-15 | 2008-08-25 | 한국전기연구원 | 피부 질환의 광학 진단 및 치료를 위한 장치, 광원 시스템 및 장치의 이용방법 |
| SG10201914077TA (en) | 2007-01-05 | 2020-03-30 | Myskin Inc | System, device and method for dermal imaging |
| US20100185064A1 (en) | 2007-01-05 | 2010-07-22 | Jadran Bandic | Skin analysis methods |
| KR20090059667A (ko) | 2007-12-07 | 2009-06-11 | (주) 디바이스이엔지 | 영상인식 자동 레이저치료기 및 그 제어방법 |
| EP2229096B1 (en) | 2007-12-28 | 2011-06-08 | Koninklijke Philips Electronics N.V. | Tissue ablation device with photoacoustic lesion formation feedback |
| WO2009103154A1 (en) * | 2008-02-22 | 2009-08-27 | Photon Etc | Apparatus and method for laser induced breakdown spectroscopy using a multiband sensor |
| KR20090104224A (ko) | 2008-03-31 | 2009-10-06 | 한국전기연구원 | 다파장 형광분광 및 간섭영상을 융합한 다중모드 조기 암진단 시스템 및 그 방법 |
| US10393587B1 (en) * | 2008-05-05 | 2019-08-27 | Applied Spectra, Inc. | Methods for laser ablation analysis |
| CN102015020A (zh) | 2008-05-09 | 2011-04-13 | 休·贝克曼 | 用于诊断和治疗异常组织的医疗设备及其使用方法 |
| JP4575474B2 (ja) | 2008-06-11 | 2010-11-04 | 国立大学法人東京工業大学 | 生体組織識別装置および方法 |
| US9117133B2 (en) | 2008-06-18 | 2015-08-25 | Spectral Image, Inc. | Systems and methods for hyperspectral imaging |
| EP2304421A4 (en) | 2008-07-23 | 2017-05-31 | P Devices Inc. | Portable plasma based diagnostic apparatus and diagnostic method |
| US20120057145A1 (en) | 2008-08-18 | 2012-03-08 | Tunnell James W | Systems and methods for diagnosis of epithelial lesions |
| KR101028061B1 (ko) | 2008-11-19 | 2011-04-08 | 한국표준과학연구원 | 결맞은 광섬유 테이퍼를 이용한 간섭무늬 안정화된 간섭계 |
| EP2416697A1 (en) | 2009-03-12 | 2012-02-15 | RSP Systems A/S | Optical probe for measuring light signals in vivo |
| KR20100132841A (ko) | 2009-06-10 | 2010-12-20 | 한국생산기술연구원 | 비접촉식 면적측정 장치 |
| WO2010148068A1 (en) | 2009-06-17 | 2010-12-23 | Battelle Memorial Institute | Fiber bundle for high efficiency, spatially resolved coupling, and spectrometer using the same |
| WO2011006156A2 (en) * | 2009-07-10 | 2011-01-13 | University Of Florida Research Foundation, Inc. | Method and apparatus to laser ablation-laser induced breakdown spectroscopy |
| EP2456358A1 (en) | 2009-07-24 | 2012-05-30 | Galderma Research & Development | Infrared imaging of cutaneous melanoma |
| KR101117195B1 (ko) | 2009-07-27 | 2012-03-07 | 한국전기연구원 | 피부 노화도 측정장치 및 측정방법 |
| US20110218428A1 (en) | 2010-03-04 | 2011-09-08 | Medical Scan Technologies, Inc. | System and Method for Three Dimensional Medical Imaging with Structured Light |
| CN101828902B (zh) | 2010-04-01 | 2011-09-21 | 江西科技师范学院 | 一种用于乳腺或颅脑三维医学诊断的光声传感器 |
| US20120190990A1 (en) | 2010-06-25 | 2012-07-26 | Konica Minolta Opto, Inc. | Probe, Diagnosis Device, and Method for Using the Diagnosis Device |
| WO2012008047A1 (ja) | 2010-07-16 | 2012-01-19 | 株式会社島津製作所 | ホルダ及びそれを用いた光計測装置 |
| KR101168044B1 (ko) | 2010-07-30 | 2012-07-27 | 주식회사 루트로닉 | 펜 형태의 광 치료기 |
| US8310671B1 (en) * | 2010-09-29 | 2012-11-13 | The United States Of America As Represented By The Administrator Of National Aeronautics And Space Administration | Interference-free optical detection for Raman spectroscopy |
| KR20120066286A (ko) | 2010-12-14 | 2012-06-22 | 한국전자통신연구원 | 광선치료 장치 및 방법 |
| WO2012096102A1 (ja) | 2011-01-14 | 2012-07-19 | コニカミノルタオプト株式会社 | プローブ、光学測定システム、提供方法、及び診断用包装物 |
| KR20120111900A (ko) | 2011-04-01 | 2012-10-11 | 한국전자통신연구원 | 광원 세기 증강 장치 |
| US8617081B2 (en) | 2011-09-28 | 2013-12-31 | Xerox Corporation | Estimating cardiac pulse recovery from multi-channel source data via constrained source separation |
| KR20130075571A (ko) * | 2011-12-27 | 2013-07-05 | 주식회사 포스코 | 레이저를 이용한 슬래브 개재물 측정 장치 |
| US20150044098A1 (en) | 2012-01-30 | 2015-02-12 | Scanadu Incorporated | Hyperspectral imaging systems, units, and methods |
| WO2013123014A1 (en) | 2012-02-14 | 2013-08-22 | St. Jude Medical, Atrial Fibrillation Division, Inc. | System for assessing effects of ablation therapy on cardiac tissue using photoacoustics |
| US20130303921A1 (en) | 2012-05-11 | 2013-11-14 | Hong Kong Applied Science and Technology Research Institute Company Limited | System and Method for Measurement of Physiological Data with Light Modulation |
| GB2513343A (en) | 2013-04-23 | 2014-10-29 | Univ Singapore | Methods related to instrument-independent measurements for quantitative analysis of fiber-optic Raman spectroscopy |
| US20140058244A1 (en) | 2012-08-21 | 2014-02-27 | Regents Of The University Of Minnesota | Photoacoustic monitoring |
| KR102028199B1 (ko) | 2012-08-28 | 2019-10-04 | 한국전자통신연구원 | 의료 진단장치 및 그 조작방법 |
| US9804092B2 (en) | 2013-02-14 | 2017-10-31 | British Columbia Cancer Agency Branch | Integrated spectral probe for raman, reflectance and fluorescence spectral measurements |
| US9786050B2 (en) | 2013-03-15 | 2017-10-10 | The Board Of Trustees Of The University Of Illinois | Stain-free histopathology by chemical imaging |
| US9380981B2 (en) | 2013-03-15 | 2016-07-05 | Covidien Lp | Photoacoustic monitoring technique with noise reduction |
| KR101505083B1 (ko) | 2013-04-11 | 2015-03-25 | 한국전기연구원 | 줄 레이저 빔이 조사되는 의료용 핸드피스 |
| US10182757B2 (en) | 2013-07-22 | 2019-01-22 | The Rockefeller University | System and method for optical detection of skin disease |
| KR101480337B1 (ko) | 2013-08-22 | 2015-01-08 | 서강대학교산학협력단 | 트랜스듀서, 융합 치료 장치 및 레이저 광의 침투 깊이를 높이는 방법 |
| KR20150061218A (ko) | 2013-11-27 | 2015-06-04 | 삼성전자주식회사 | 광용적 맥파 측정 장치 및 이를 이용한 광용적 맥파 측정 방법 |
| KR101538231B1 (ko) | 2013-11-28 | 2015-07-20 | 고려대학교 산학협력단 | 피부 나이 예측 방법 및 장치 |
| US20150157253A1 (en) | 2013-12-06 | 2015-06-11 | National Taiwan University | System and method for human age estimation based on in vivo skin imaging |
| KR101506978B1 (ko) | 2014-03-19 | 2015-04-07 | 한철 | 피부 나이 측정장치 |
| KR20160007170A (ko) | 2014-07-11 | 2016-01-20 | 한국기계연구원 | 레이저 유도 플라즈마 분광 내시경 장치 및 레이저 유도 플라즈마 분광 장치 |
| ES2837061T3 (es) * | 2014-09-09 | 2021-06-29 | Lumithera Inc | Dispositivos de fototerapia de múltiples longitudes de onda para el tratamiento no invasivo de tejido dañado o enfermo |
| US9459201B2 (en) | 2014-09-29 | 2016-10-04 | Zyomed Corp. | Systems and methods for noninvasive blood glucose and other analyte detection and measurement using collision computing |
| US20160169805A1 (en) * | 2014-12-16 | 2016-06-16 | Thermo Scientific Portable Analytical Instruments Inc. | Combined raman spectroscopy and laser-induced breakdown spectroscopy |
| US20160235372A1 (en) * | 2015-02-17 | 2016-08-18 | Telebyte, Inc. | Portable cancer diagnostic device and system |
| US20170175169A1 (en) | 2015-12-18 | 2017-06-22 | Min Lee | Clinical decision support system utilizing deep neural networks for diagnosis of chronic diseases |
| KR20170106776A (ko) * | 2016-03-14 | 2017-09-22 | 스페클립스 주식회사 | 레이저 유도 방전 스펙트로스코피 장치 및 고감도 핸드피스 |
| KR20170114229A (ko) * | 2016-04-04 | 2017-10-13 | 스페클립스 주식회사 | 질병 진단과 피부 나이 측정이 가능한 시스템과 이에 사용되는 핸드피스 |
| KR20170114898A (ko) * | 2016-04-06 | 2017-10-16 | 스페클립스 주식회사 | 펄스 레이저 기반의 질병 진단이 가능한 의료 및 미용 시스템과 이에 사용되는 핸드피스 |
| KR102610590B1 (ko) | 2016-07-25 | 2023-12-07 | 삼성전자주식회사 | 생체 내 물질 추정 장치 및 방법, 단위 스펙트럼 획득 장치 및 웨어러블 기기 |
| US10506985B2 (en) * | 2017-06-15 | 2019-12-17 | The University Of Massachusetts | Methods and systems for diagnosing or monitoring progress of a pathology using laser induced breakdown spectroscopy and biological fluids |
| US10677741B2 (en) * | 2017-07-31 | 2020-06-09 | United States Of America As Represented By The Administrator Of Nasa | Laser surface treatment and spectroscopic analysis system |
| US11672425B2 (en) * | 2018-02-15 | 2023-06-13 | Speclipse, Inc. | Stand-alone apparatus and methods for in vivo detection of tissue malignancy using laser spectroscopy |
| US20190246971A1 (en) | 2018-02-15 | 2019-08-15 | Speclipse, Inc. | Non-discrete spectral analysis algorithms and methods for in vivo detection of tissue malignancy based on laser spectroscopy |
-
2019
- 2019-08-23 KR KR1020190104040A patent/KR102279688B1/ko active IP Right Grant
- 2019-08-23 KR KR1020190104043A patent/KR102375183B1/ko active IP Right Grant
- 2019-08-23 KR KR1020190104042A patent/KR102370530B1/ko active IP Right Grant
- 2019-08-23 KR KR1020190104039A patent/KR102375159B1/ko active IP Right Grant
- 2019-08-23 CN CN201980038819.8A patent/CN112292065A/zh active Pending
- 2019-08-23 EP EP19921463.6A patent/EP3942996A4/en active Pending
- 2019-08-23 AU AU2019437773A patent/AU2019437773B2/en active Active
- 2019-08-23 WO PCT/KR2019/010811 patent/WO2020197005A1/ko active Application Filing
- 2019-08-23 CA CA3102062A patent/CA3102062A1/en active Pending
- 2019-08-23 KR KR1020190104041A patent/KR102127597B1/ko active IP Right Grant
-
2020
- 2020-04-30 US US16/863,140 patent/US11079279B2/en active Active
- 2020-10-29 US US17/084,334 patent/US11326949B2/en active Active
- 2020-12-28 US US17/135,675 patent/US11422033B2/en active Active
-
2021
- 2021-12-09 AU AU2021282521A patent/AU2021282521B2/en active Active
-
2022
- 2022-03-10 KR KR1020220030303A patent/KR102630877B1/ko active IP Right Grant
- 2022-08-09 US US17/883,724 patent/US11892353B2/en active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050090751A1 (en) * | 2000-03-28 | 2005-04-28 | Foundation For Research And Technology | Method and system for characterization and mapping of tissue lesions |
| JP2016510245A (ja) * | 2013-02-19 | 2016-04-07 | ナショナル ユニヴァーシティー オブ シンガポール | 診断装置及び方法 |
| WO2018075679A1 (en) * | 2016-10-18 | 2018-04-26 | The Johns Hopkins University | Hyperspectral imaging for passive detection of colorectal cancers |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20200112601A (ko) | 2020-10-05 |
| KR102630877B1 (ko) | 2024-01-30 |
| US11079279B2 (en) | 2021-08-03 |
| US20220381614A1 (en) | 2022-12-01 |
| WO2020197005A1 (ko) | 2020-10-01 |
| KR20220037428A (ko) | 2022-03-24 |
| KR20200112603A (ko) | 2020-10-05 |
| US20210094667A1 (en) | 2021-04-01 |
| EP3942996A4 (en) | 2022-12-28 |
| KR102375159B1 (ko) | 2022-03-16 |
| KR102375183B1 (ko) | 2022-03-16 |
| US20210140825A1 (en) | 2021-05-13 |
| US20200300702A1 (en) | 2020-09-24 |
| KR102370530B1 (ko) | 2022-03-07 |
| KR20200112600A (ko) | 2020-10-05 |
| CA3102062A1 (en) | 2020-10-01 |
| AU2019437773A1 (en) | 2020-12-03 |
| KR20200112602A (ko) | 2020-10-05 |
| AU2021282521A1 (en) | 2022-01-06 |
| AU2021282521B2 (en) | 2023-03-23 |
| US11422033B2 (en) | 2022-08-23 |
| US11892353B2 (en) | 2024-02-06 |
| KR102127597B1 (ko) | 2020-06-29 |
| AU2019437773B2 (en) | 2021-10-28 |
| EP3942996A1 (en) | 2022-01-26 |
| CN112292065A (zh) | 2021-01-29 |
| US11326949B2 (en) | 2022-05-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102279688B1 (ko) | 레이저 유도 붕괴 스펙트럼 분석을 이용하는 진단 방법 및 이를 수행하는 진단 장치 | |
| JP7079306B2 (ja) | ラマン分光法による経皮インビボ測定方法および装置 | |
| CA2917308C (en) | Methods related to real-time cancer diagnostics at endoscopy utilizing fiber-optic raman spectroscopy | |
| JP2013516256A (ja) | ラマン分光法による非侵襲性の生体内の測定装置 | |
| US20060063991A1 (en) | Method and apparatus for non-invasive measurement of blood analytes with dynamic spectral calibration | |
| JP6786338B2 (ja) | 血液測定装置 | |
| US10278625B2 (en) | Blood measuring apparatus using spectroscope | |
| JP2006300611A (ja) | 試料分析装置及びそれを用いた試料分析方法 | |
| KR102167946B1 (ko) | 인-비보 병변 조직 검출을 위한 레이저 분광 기반의 독립 장치 및 방법 | |
| CA2962092A1 (en) | System for the transcutaneous determination of the blood alcohol concentration | |
| CN115120184A (zh) | 一种信号收集组件 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |