KR102284292B1 - 어류의 색각 검사를 통한 질환 예측 방법 및 컴퓨터 판독 가능한 저장매체 - Google Patents
어류의 색각 검사를 통한 질환 예측 방법 및 컴퓨터 판독 가능한 저장매체 Download PDFInfo
- Publication number
- KR102284292B1 KR102284292B1 KR1020190098249A KR20190098249A KR102284292B1 KR 102284292 B1 KR102284292 B1 KR 102284292B1 KR 1020190098249 A KR1020190098249 A KR 1020190098249A KR 20190098249 A KR20190098249 A KR 20190098249A KR 102284292 B1 KR102284292 B1 KR 102284292B1
- Authority
- KR
- South Korea
- Prior art keywords
- fish
- color
- color vision
- disease
- predicting
- Prior art date
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—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
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Eye Examination Apparatus (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
본 발명의 일 실시예에 따른 어류의 색각 검사를 통한 질환 예측 방법은, 색상 차이가 있는 물흐름 시자극 패턴을 가지는 동영상을 디스플레이하는 단계; 상기 디스플레이되는 동영상에 시각적으로 반응하는 어류의 이동 패턴을 기초로 상기 어류의 색각이상 유형 및 정도를 분류하는 단계; 및 상기 분류된 색각이상 유형 및 정도를 기초로 색각이상을 유발하는 질환을 예측하는 단계를 포함할 수 있다.
Description
본 출원은 어류의 색각 검사를 통한 질환 예측 방법 및 컴퓨터 판독 가능한 저장매체에 관한 것이다.
임상시험기관(CRO; Contract Research Organization)은 임상시험용 의약품을 사용할 수 있도록 지정된 기관으로, 신약을 개발할 때 임상시험과 임상시험의 관리, 승인된 의약품의 생산과 판매에 이르는 제반 서비스를 제공한다.
임상시험기관에서는 임상시험 뿐 아니라 주로 쥐, 토끼 등의 실험동물을 이용한 전임상시험 서비스를 제공하며, 최근에는 임상시험기관에서 제브라피쉬를 사용하는 경우가 증가하고 있다.
일 예로, 의약품의 효과를 평가하기 위해서는, 전임상시험에 사용할 실험동물의 질환 모델을 개발하고, 해당 질환 모델에서 의약품의 투약에 따른 개선 효과를 평가할 필요가 있다.
그러나, 제브라피쉬의 질환 모델을 검증하고, 해당 질환의 개선 효과를 객관적으로 평가하기 위한 기술이 부재한 실정이다.
따라서, 당해 기술분야에서는 제브라피쉬의 질환 모델을 검증하고, 해당 질환의 개선 효과를 객관적으로 평가하기 위한 방안이 요구되고 있다.
상기 과제를 해결하기 위해서, 본 발명의 일 실시예는 어류의 색각 검사를 통한 질환 예측 방법을 제공한다.
상기 어류의 색각 검사를 통한 질환 예측 방법은, 색상 차이가 있는 물흐름 시자극 패턴을 가지는 동영상을 디스플레이하는 단계; 상기 디스플레이되는 동영상에 시각적으로 반응하는 어류의 이동 패턴을 기초로 상기 어류의 색각이상 유형 및 정도를 분류하는 단계; 및 상기 분류된 색각이상 유형 및 정도를 기초로 색각이상을 유발하는 질환을 예측하는 단계를 포함할 수 있다.
덧붙여 상기한 과제의 해결수단은, 본 발명의 특징을 모두 열거한 것이 아니다. 본 발명의 다양한 특징과 그에 따른 장점과 효과는 아래의 구체적인 실시형태를 참조하여 보다 상세하게 이해될 수 있을 것이다.
본 발명의 일 실시예에 따르면, 색각검사를 통해 제브라피쉬의 질환 모델을 검증하고, 의약품의 투약에 따른 해당 질환의 개선 효과를 객관적으로 평가할 수 있다. 이로써, 제브라피쉬를 이용한 전임상시험이 보다 활성화될 수 있다.
도 1은 본 발명의 일 실시예에 따른 어류의 색각 검사를 통한 질환 예측 방법의 흐름도이다.
도 2 내지 도 4는 본 발명의 일 실시예에 따라 색각이상의 유형별로 사용하는 물흐름 시자극 패턴의 예를 도시하는 도면이다.
도 5는 본 발명의 일 실시예에 따른 물흐름 시자극 패턴의 변형 예를 도시하는 도면이다.
도 2 내지 도 4는 본 발명의 일 실시예에 따라 색각이상의 유형별로 사용하는 물흐름 시자극 패턴의 예를 도시하는 도면이다.
도 5는 본 발명의 일 실시예에 따른 물흐름 시자극 패턴의 변형 예를 도시하는 도면이다.
이하, 첨부된 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 바람직한 실시예를 상세히 설명한다. 다만, 본 발명의 바람직한 실시예를 상세하게 설명함에 있어, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다. 또한, 유사한 기능 및 작용을 하는 부분에 대해서는 도면 전체에 걸쳐 동일한 부호를 사용한다.
덧붙여, 명세서 전체에서, 어떤 부분이 다른 부분과 '연결'되어 있다고 할 때, 이는 '직접적으로 연결'되어 있는 경우뿐만 아니라, 그 중간에 다른 소자를 사이에 두고 '간접적으로 연결'되어 있는 경우도 포함한다. 또한, 어떤 구성요소를 '포함'한다는 것은, 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있다는 것을 의미한다.
도 1은 본 발명의 일 실시예에 따른 어류의 색각 검사를 통한 질환 예측 방법의 흐름도이다.
도 1을 참조하면, 우선, 어류가 이동하는 이동부의 하부에 색상 차이가 있는 물흐름 시자극 패턴을 가지는 동영상을 디스플레이할 수 있다(S110).
일 실시예에 따르면, 물흐름 시자극 패턴은 적색, 녹색, 청색 중 적어도 하나의 색상의 대비 감도 차이가 있는 색상의 조합으로 이루어지는 패턴일 수 있다.
도 2 내지 도 4는 본 발명의 일 실시예에 따라 색각이상의 유형별로 사용하는 물흐름 시자극 패턴의 예를 도시하는 도면으로, 구체적으로 도 2는 제1색맹 혹은 적색맹(Protanopia)을 판별하기 위해 사용되는 물흐름 시자극 패턴의 다양한 예(P-R1, P-R2, P-R3)를 도시하고, 도 3은 제2색맹 혹은 녹색맹(Deuteranopia)을 판별하기 위해 사용되는 물흐름 시자극 패턴의 다양한 예(D-G1, D-G2, D-G3)를 도시하며, 도 4는 제3색맹 혹은 청색맹(Tritanopia)을 판별하기 위해 사용되는 물흐름 시자극 패턴의 다양한 예(T-B1, T-B2, T-B3)를 도시하는 것이다.
도 2 내지 도 4에 도시된 바와 같이, 본 발명의 실시예에 따르면 색각이상의 유형별로 색각이상을 보이는 주 색상과, 대비 감도 차이가 있는 대비 색상의 조합으로 이루어진 물흐름 시자극 패턴을 디스플레이하고, 이에 대한 어류의 반응을 유도함으로써 색각이상 여부를 판단할 수 있다.
다른 실시예에 따르면, 물흐름 시자극 패턴은 가성동색표를 구성하는 복수의 색상의 조합으로 이루어진 패턴일 수 있다. 여기서, 가성동색표는 사람의 색각이상을 판별하기 위해 널리 사용되는 것으로, 가성동색표 검사는 다양한 색의 원형 점이 그려져 있는 배경에서 비슷한 계열의 색으로 그려져 있는 숫자나 문자를 찾도록 하여 색각이상을 판별하는 검사 방법이다.
그러나, 어류를 대상으로 색각이상 여부 판별하는 경우에는 해당 숫자나 문자의 인지 여부에 대한 확인이 어려우므로, 가성동색표를 구성하는 복수의 색상의 조합으로 이루어진 물흐름 시자극 패턴을 디스플레이하고, 이에 대한 어류의 반응을 유도함으로써 색각이상 여부를 판단할 수 있다.
도 5는 본 발명의 일 실시예에 따른 물흐름 시자극 패턴의 변형 예를 도시하는 도면으로, 도 5의 (a)에 도시된 바와 같은 물흐름 시자극 패턴을 (b) 또는 (c)에 도시된 바와 같이 변형하여 사용할 수도 있다. 구체적으로, 물흐름 시자극 패턴을 구성하는 하나의 색상을 흑색으로 대체하거나(b), 물흐름 시자극 패턴을 구성하는 적어도 하나의 색상에 대해 채도의 차이를 두어 패턴(예를 들어, 사선 무늬)을 형성할 수도 있다(b, c).
이후, 디스플레이되는 동영상에 시각적으로 반응하는 어류의 이동 패턴을 기초로 어류의 색각이상 유형 및 정도를 분류할 수 있다(S120). 이를 위해, 동영상에 시각적으로 반응하는 어류의 영상을 촬영하고, 촬영된 영상을 분석하여 어류의 이동 패턴을 분석할 수 있으며, 분석한 어류의 이동 패턴을 기초로 어류의 색각이상 유형 및 정도를 분류할 수 있다.
일 실시예에 따르면, 동영상의 물흐름 시자극 패턴을 구성하는 색상별로 어류의 이동 패턴을 분석하여 색각이상 유형을 분류할 수 있다.
또한, 동영상의 물흐름 시자극 패턴을 구성하는 색상별로 대상 어류의 이동 패턴을 대조군 어류(즉, 정상 어류)의 이동 패턴과 비교한 결과에 따라 색상별 색각이상 정도를 분류할 수 있다. 예를 들어, 물흐름 시자극 패턴에 반응하여 이동부의 출발점으로부터 도착점으로 이동한 정상 어류의 이동 특성에 대비하여, 대상 어류에서 이동한 어류의 이동 특성을 대비한 결과에 따라 색상별 색각이상 정도를 등급화할 수 있다.
이후, 분류된 색각이상 유형 및 정도를 기초로 색각이상을 유발하는 질환을 예측할 수 있다(S130).
구체적으로, 다양한 질환들은 각각 서로 상이한 유형의 색각이상을 유발할 수 있다. 예를 들어, 당뇨병은 당뇨망막병증이 없어도 정상에 비해 색각 저하를 유발하고, 녹내장은 청색 및 황색의 구별을 저하시킬 수 있다. 또한, 황반변성은 초기 또는 중기에서 색각 저하를 유발하고, 알쯔하이머병은 혈관성 치매에 비해 청색각 저하를 유발한다. 또한, 파킨슨병에서 색각 구별이상은 운동기능 이상과 관련되며, 다발성경화증은 신경절 세포(Ganglion cell)의 손상에 의한 색각 저하를 유발한다.
따라서, 본 발명의 실시예에 따르면, 각각의 질환들이 색각이상을 유발하는 특성을 고려하여, 색각이상 유형 및 정도를 기초로 색각이상을 유발하는 질환을 예측할 수 있다.
상술한 본 발명의 실시예에 따르면, 색상 차이가 있는 물흐름 시자극 패턴을 활용하여 어류의 색각이상 유형 및 정도를 분류할 수 있으며, 이를 기초로 해당 색각이상을 유발하는 질환까지 예측할 수 있다.
이를 통해, 개발된 제브라피쉬의 질환 모델을 검증하고, 의약품의 투약에 따른 해당 질환의 개선 효과를 객관적으로 평가할 수 있게 된다.
도 1을 참조하여 상술한 어류의 색각 검사를 통한 질환 예측 방법은 영상 처리 및 규칙 기반의 연산 및 판단이 가능한 프로세싱 장치에 의해 수행될 수 있다.
또한, 본 발명의 다른 실시예에 따르면, 도 1을 참조하여 상술한 어류의 색각 검사를 통한 질환 예측 방법의 각 단계를 실행하기 위한 프로세서에 의해 실행 가능한 명령들이 기록된 컴퓨터 판독 가능한 저장매체가 제공될 수 있다.
본 발명은 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니다. 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 있어, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 본 발명에 따른 구성요소를 치환, 변형 및 변경할 수 있다는 것이 명백할 것이다.
Claims (6)
- 색상 차이가 있는 물흐름 시자극 패턴을 가지는 동영상을 디스플레이하는 단계;
상기 디스플레이되는 동영상에 시각적으로 반응하는 어류의 이동 패턴을 기초로 상기 어류의 색각이상 유형 및 정도를 분류하는 단계; 및
상기 분류된 색각이상 유형 및 정도를 기초로 색각이상을 유발하는 질환을 예측하는 단계를 포함하는 어류의 색각 검사를 통한 질환 예측 방법.
- 제 1 항에 있어서,
상기 물흐름 시자극 패턴은 적색, 녹색, 청색 중 적어도 하나의 색상의 대비 감도 차이가 있는 색상의 조합으로 이루어지는 패턴인 것을 특징으로 하는 어류의 색각 검사를 통한 질환 예측 방법.
- 제 1 항에 있어서,
상기 물흐름 시자극 패턴은 가성동색표를 구성하는 복수의 색상의 조합으로 이루어진 패턴인 것을 특징으로 하는 어류의 색각 검사를 통한 질환 예측 방법.
- 제 1 항에 있어서,
상기 어류의 색각이상 유형 및 정도를 분류하는 단계는,
상기 물흐름 시자극 패턴을 구성하는 색상별로 어류의 이동 패턴을 분석하여 색각이상 유형을 분류하는 것을 특징으로 하는 어류의 색각 검사를 통한 질환 예측 방법.
- 제 4 항에 있어서,
상기 어류의 색각이상 유형 및 정도를 분류하는 단계는,
상기 물흐름 시자극 패턴을 구성하는 색상별로 대조군 어류의 이동 패턴과 상기 어류의 이동 패턴의 비교 결과에 따라 색상별 색각이상 정도를 분류하는 것을 특징으로 하는 어류의 색각 검사를 통한 질환 예측 방법.
- 제 1 항에 따른 어류의 색각 검사를 통한 질환 예측 방법을 실행하기 위한 프로세서에 의해 실행 가능한 명령들이 기록된 컴퓨터 판독 가능한 저장 매체.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020190098249A KR102284292B1 (ko) | 2019-08-12 | 2019-08-12 | 어류의 색각 검사를 통한 질환 예측 방법 및 컴퓨터 판독 가능한 저장매체 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020190098249A KR102284292B1 (ko) | 2019-08-12 | 2019-08-12 | 어류의 색각 검사를 통한 질환 예측 방법 및 컴퓨터 판독 가능한 저장매체 |
Publications (3)
Publication Number | Publication Date |
---|---|
KR20210019271A KR20210019271A (ko) | 2021-02-22 |
KR102284292B1 true KR102284292B1 (ko) | 2021-08-02 |
KR102284292B9 KR102284292B9 (ko) | 2022-03-15 |
Family
ID=74687459
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020190098249A KR102284292B1 (ko) | 2019-08-12 | 2019-08-12 | 어류의 색각 검사를 통한 질환 예측 방법 및 컴퓨터 판독 가능한 저장매체 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102284292B1 (ko) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008536509A (ja) | 2005-04-20 | 2008-09-11 | ザ ユニバーシティー コート オブ ザ ユニバーシティー オブ グラスゴー | 魚遊泳行動に影響を与えるための装置及び方法 |
KR101485942B1 (ko) | 2014-01-13 | 2015-01-27 | 세종대학교산학협력단 | 색각 이상 정도를 판별하기 위한 방법, 이를 이용한 기구 및 단말 장치 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20050071293A (ko) * | 2004-01-03 | 2005-07-07 | (주)인터정보 | 웹을 통한 색각 장애의 자동 진단 및 색상 자동 보정 방법및 그 장치 |
KR20060008518A (ko) * | 2004-07-21 | 2006-01-27 | 서울대학교병원 | 색각 검사시스템 및 검사방법 |
WO2014074157A1 (en) * | 2012-11-06 | 2014-05-15 | 20/20 Vision Center LLC | Systems and methods for enabling customers to obtain vision and eye health examinations |
KR102120159B1 (ko) * | 2018-10-31 | 2020-06-08 | 고려대학교산학협력단 | 어류의 시기능 평가 시스템 및 이를 이용한 안구 독성 약물 스크리닝 방법 |
-
2019
- 2019-08-12 KR KR1020190098249A patent/KR102284292B1/ko active IP Right Grant
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008536509A (ja) | 2005-04-20 | 2008-09-11 | ザ ユニバーシティー コート オブ ザ ユニバーシティー オブ グラスゴー | 魚遊泳行動に影響を与えるための装置及び方法 |
KR101485942B1 (ko) | 2014-01-13 | 2015-01-27 | 세종대학교산학협력단 | 색각 이상 정도를 판별하기 위한 방법, 이를 이용한 기구 및 단말 장치 |
Also Published As
Publication number | Publication date |
---|---|
KR102284292B9 (ko) | 2022-03-15 |
KR20210019271A (ko) | 2021-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10441160B2 (en) | Method and system for classifying optic nerve head | |
Kauppi et al. | The diaretdb1 diabetic retinopathy database and evaluation protocol. | |
JP6251412B2 (ja) | 不注意の測定装置、システム、及び方法 | |
Rhoades et al. | Unusual physiological properties of smooth monostratified ganglion cell types in primate retina | |
Chu et al. | Assessment and in vivo scoring of murine experimental autoimmune uveoretinitis using optical coherence tomography | |
Christopher et al. | Effects of study population, labeling and training on glaucoma detection using deep learning algorithms | |
KR20170013867A (ko) | 선다형 답변들의 직접적인 선택 및 상태 변화들의 식별을 가능하게 하기 위한 두뇌-컴퓨터 인터페이스 | |
Boehler et al. | The role of stimulus salience and attentional capture across the neural hierarchy in a stop-signal task | |
Murdaugh et al. | Differential role of temporoparietal junction and medial prefrontal cortex in causal inference in autism: An independent component analysis | |
Ly et al. | An evidence‐based approach to the routine use of optical coherence tomography | |
Asano et al. | Predicting the central 10 degrees visual field in glaucoma by applying a deep learning algorithm to optical coherence tomography images | |
Karakus et al. | Impact of dry eye on prolonged reading | |
De Zilva et al. | Exposure is not enough: Suppressing stimuli from awareness can abolish the mere exposure effect | |
Moors et al. | Moving stimuli are less effectively masked using traditional continuous flash suppression (CFS) compared to a moving mondrian mask (MMM): A test case for feature-selective suppression and retinotopic adaptation | |
Villarruel et al. | Anterior lamina cribrosa surface position in idiopathic intracranial hypertension and glaucoma | |
US9113779B2 (en) | Image processing apparatus, image processing method, and program recording medium | |
Thomas et al. | RPE layer detection and baseline estimation using statistical methods and randomization for classification of AMD from retinal OCT | |
Chen et al. | The optic nerve head in primary open-angle glaucoma eyes with high myopia: characteristics and association with visual field defects | |
Larrosa et al. | Neural network analysis of different segmentation strategies of nerve fiber layer assessment for glaucoma diagnosis | |
Ciloglu et al. | Evaluation of foveal avascular zone and capillary plexuses in diabetic patients by optical coherence tomography angiography | |
Schuster et al. | Semi‐automated retinal vessel analysis in nonmydriatic fundus photography | |
US9943223B2 (en) | Retinal nerve fiber layer volume analysis for detection and progression analysis of glaucoma | |
Podkowinski et al. | Neuroretinal atrophy following resolution of macular oedema in retinal vein occlusion | |
Grzybowski et al. | Artificial intelligence for diabetic retinopathy screening using color retinal photographs: from development to deployment | |
Choi et al. | Automated characterisation of microglia in ageing mice using image processing and supervised machine learning algorithms |
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 | ||
G170 | Re-publication after modification of scope of protection [patent] |