KR102340152B1 - 피판술 후 조직 괴사 및 손상의 조기 예측 시스템 및 그 방법 - Google Patents

피판술 후 조직 괴사 및 손상의 조기 예측 시스템 및 그 방법 Download PDF

Info

Publication number
KR102340152B1
KR102340152B1 KR1020200027785A KR20200027785A KR102340152B1 KR 102340152 B1 KR102340152 B1 KR 102340152B1 KR 1020200027785 A KR1020200027785 A KR 1020200027785A KR 20200027785 A KR20200027785 A KR 20200027785A KR 102340152 B1 KR102340152 B1 KR 102340152B1
Authority
KR
South Korea
Prior art keywords
necrosis
parameter
tissue
damage
pixel
Prior art date
Application number
KR1020200027785A
Other languages
English (en)
Other versions
KR20210112593A (ko
Inventor
박일용
김형범
모지훈
정필상
Original Assignee
단국대학교 천안캠퍼스 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 단국대학교 천안캠퍼스 산학협력단 filed Critical 단국대학교 천안캠퍼스 산학협력단
Priority to KR1020200027785A priority Critical patent/KR102340152B1/ko
Publication of KR20210112593A publication Critical patent/KR20210112593A/ko
Application granted granted Critical
Publication of KR102340152B1 publication Critical patent/KR102340152B1/ko

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
    • A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
    • 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
    • A61B5/445—Evaluating skin irritation or skin trauma, e.g. rash, eczema, wound, bed sore
    • 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
    • A61B5/447—Skin evaluation, e.g. for skin disorder diagnosis specially adapted for aiding the prevention of ulcer or pressure sore development, i.e. before the ulcer or sore has developed
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4842—Monitoring progression or stage of a disease
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Dermatology (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

본 발명은 피판술 후 조직 괴사 및 손상의 조기 예측 시스템 및 그 방법에 관한 것이다. 본 발명에 따르면, 피판술 이후 설정 시간(t1) 경과 시점에 피부 조직을 촬영한 영상으로부터 영상 내 각 픽셀마다 해당 픽셀에 대응된 복수의 파라미터를 측정하는 단계와, 과거 피판술 후 괴사 판정된 괴사조직 영역에 대해 괴사 이전 시점인 상기 t1 경과 시점에서 기 측정된 각 파라미터별 평균값과 정상조직 영역에 대해 상기 t1 경과 시점에서 기 측정된 각 파라미터별 평균값을 이용하여, 해당 픽셀에 대응한 파라미터 측정값과 괴사조직 영역에 대응한 파라미터 평균값 간 유사도 지표인 괴사 근접 거리를 산출하는 단계, 및 해당 픽셀에서 복수의 파라미터 별 산출된 복수의 괴사 근접 거리를 조합하여, 상기 해당 픽셀에 대한 괴사 예측 지수를 연산하는 단계를 포함하는 피판술 후 조직 괴사 및 손상의 조기 예측 방법을 제공한다.
본 발명에 따르면, 피판술이나 피부 이식 등과 같은 조직의 봉합에 있어 조직이 괴사될 가능성을 조기 진단하고 예측함으로써 실질적인 조직의 괴사 또는 손상이 일어나기 이전에 선 조치가 가능하게 하고 조직의 생존 가능성을 높일 수 있다.

Description

피판술 후 조직 괴사 및 손상의 조기 예측 시스템 및 그 방법{Early prediction system of tissue necrosis or injury after skin flap surgery and method thereof}
본 발명은 피판술 후 조직 괴사 및 손상의 조기 예측 시스템 및 그 방법에 관한 것으로서, 보다 상세하게는 피부조직의 잘못된 봉합이나 조직의 화상 또는 병변 등으로 발생할 수 있는 조직의 손상 또는 괴사 가능성을 미리 예측할 수 있는 피판술 후 조직 괴사 및 손상의 조기 예측 시스템 및 그 방법에 관한 것이다.
공간주파수영역영상(Spatial Frequency Domain Imaging; SFDI) 기법을 이용한 조직 진단 기술은 혈류역학적인 관점에서 조직의 옥시헤모글로빈(oxi-hemoglobin; HbO2)과 디옥시헤모글로빈(deoxi-hemoglobin; Hb)의 농도를 검사하거나, 수분, 멜라닌 농도, 지질 농도 등의 측정과 검사를 통하여 조직의 건강을 진단하는 방법이다.
레이저스페클영상(Laser Speckle Imaging; LSI) 기법을 이용한 조직 진단 기술은 혈류를 측정하여 조직의 건강을 진단하는 방법이다. 상술한 두 가지 조직 진단 기술은 조직 건강에 직접적인 영향을 주는 파라미터들을 진단 파라미터로 제공한다는 점에서 매우 유용한 기술이라 볼 수 있다.
하지만, 이와 같은 기존 기법으로 측정된 파라미터들은 수일 이후 발생할 수 있는 조직의 괴사나 손상 가능성을 조기 진단할 수 있는 지표는 아니다. 따라서, 현재 조직의 상태를 나타내는 측정 파라미터를 기반으로 미래의 조직의 괴사나 손상 가능성을 사전에 파악하여 선 조치를 취할 수 있도록 하기 위한 새로운 조기 진단 지표의 개발이 필요한 실정이다.
본 발명의 배경이 되는 기술은 한국공개특허 제2018-0122622호(2018.11.13 공개)에 개시되어 있다.
본 발명은 정상 조직과 비정상 조직으로부터 과거 측정된 각 파라미터의 사전 측정치 평균과 현재 진단하고자 하는 조직으로부터 측정된 각 파라미터의 현재 측정치를 이용하여 현재 측정된 조직에 대한 괴사 또는 손상 가능성을 미리 예측할 수 있는 피판술 후 조직 괴사 및 손상의 조기 예측 시스템 및 그 방법을 제공하는데 목적이 있다.
본 발명은, 피판술 이후 설정 시간(t1) 경과 시점에 피부 조직을 촬영한 영상으로부터 영상 내 각 픽셀마다 해당 픽셀에 대응된 복수의 파라미터를 측정하는 단계와, 과거 피판술 후 괴사 판정된 괴사조직 영역에 대해 괴사 이전 시점인 상기 t1 경과 시점에서 기 측정된 각 파라미터별 평균값과 정상조직 영역에 대해 상기 t1 경과 시점에서 기 측정된 각 파라미터별 평균값을 이용하여, 해당 픽셀에 대응한 파라미터 측정값과 괴사조직 영역에 대응한 파라미터 평균값 간 유사도 지표인 괴사 근접 거리를 산출하는 단계, 및 해당 픽셀에서 복수의 파라미터 별 산출된 복수의 괴사 근접 거리를 조합하여, 상기 해당 픽셀에 대한 괴사 예측 지수를 연산하는 단계를 포함하는 피판술 후 조직 괴사 및 손상의 조기 예측 방법을 제공한다.
또한, 상기 피판술 후 조직 괴사 및 손상의 조기 예측 방법은, 상기 픽셀 별 도출된 상기 괴사 예측 지수를 기초로 영상 내 피부 조직을 구성한 각 픽셀 영역에 대한 괴사 가능성 예측 결과를 시각화하여 제공하는 단계를 더 포함할 수 있다.
또한, 상기 괴사 가능성 예측 결과를 시각화하여 제공하는 단계는, 상기 영상 내 각 픽셀 영역을 괴사 예측 지수에 대응한 색상 또는 밝기로 대체하여 하나의 괴사 예측 결과 이미지를 생성하여 제공할 수 있다.
또한, 상기 복수의 파라미터를 측정하는 단계는, 상기 피부 조직에 대한 공간 주파수 영역 영상(SFDI; Spatial Frequency Domain Imaging) 및 레이저 스페클 영상(LSI; Laser Speckle Imaging)을 획득하는 광 측정 장비를 기반으로 영상 내 각 픽셀마다 복수의 파라미터를 측정할 수 있다.
또한, 상기 복수의 파라미터는, SFDI 기법을 이용하여 측정된 광흡수계수(Absorption Coefficient), 감소광산란계수(Reduced Scattering Coefficient), 옥시헤모글로빈(HbO2) 농도, 디옥시헤모글로빈(Hb) 농도, 산소포화도(StO2; Tissue Oxygen Saturation) 중 적어도 하나와, LSI 기법을 이용하여 측정된 혈류 흐름 지수(SFI; Speckle Flow Index)를 포함할 수 있다.
또한, 해당 픽셀에 대응하여 각 파라미터 별 산출되는 괴사 근접 거리(dn: distance to necrosis)는 아래의 수학식에 의해 연산될 수 있다.
Figure 112020023640966-pat00001
여기서, i는 파라미터 종류의 인덱스, dni는 i번째 파라미터에 대응하여 산출된 괴사 근접 거리, Mi는 해당 픽셀에서 현재 측정된 i번째 파라미터의 측정값, ANi는 과거에 상기 괴사조직 영역에 대해 기 측정된 i번째 파라미터의 평균값, ASi는 과거에 상기 정상조직 영역에 대해 기 측정된 i번째 파라미터의 평균값을 나타낸다.
또한, 상기 해당 픽셀에 대한 괴사 예측 지수(NPI; Necrosis Prediction Index)는 아래의 수학식에 의해 연산될 수 있다.
Figure 112020023640966-pat00002
여기서, i는 파라미터 종류의 인덱스, N은 파라미터 종류의 총 개수, dni는 i번째 파라미터에 대응하여 산출된 괴사 근접 거리, α는 기 결정된 조정 계수(상수), ωi는 각 파라미터별 가중치로서 i번째 파라미터에 적용되는 가중치를 나타낸다.
또한, 상기 i번째 파라미터의 가중치(ωi)는, 과거에 상기 정상조직 영역에 대해 기 측정된 i번째 파라미터의 평균값과 상기 괴사조직 영역에 대해 기 측정된 i번째 파라미터의 평균값 간의 편차에 대한 통계적 검정 유의 확률 p에 따라 아래 수학식에 의해 결정될 수 있다.
Figure 112020023640966-pat00003
여기서, β는 유의 수준을 나타낸다.
또한, 상기 해당 픽셀에 대한 괴사 예측 지수(NPI; Necrosis Prediction Index)는 아래의 수학식에 의해 연산될 수 있다.
Figure 112020023640966-pat00004
,
Figure 112020023640966-pat00005
여기서, N은 파라미터 종류의 총 개수, D는 피판술 후 경과일에 해당한 측정일자, i는 파라미터 종류의 인덱스, j는 파라미터별 측정일자의 인덱스, dnij는 j번째 측정일자에 i번째 파라미터에 대응하여 산출된 괴사 근접 거리(dn), α는 기 결정된 조정 계수(상수), ωij는 각 측정일자에 적용되는 각 파라미터별 가중치로서 j번째 측정일자에 i번째 파라미터에 적용되는 가중치, Mj는 j번째 측정일자에 적용되는 모멘텀,
Figure 112020023640966-pat00006
는 모멘텀 상수를 나타낸다.
그리고, 본 발명은, 피판술 이후 설정 시간(t1) 경과 시점에 피부 조직을 촬영한 영상으로부터 영상 내 각 픽셀마다 해당 픽셀에 대응된 복수의 파라미터를 측정하는 측정부와, 과거 피판술 후 괴사 판정된 괴사조직 영역에 대해 괴사 이전 시점인 상기 t1 경과 시점에서 기 측정된 각 파라미터별 평균값과 정상조직 영역에 대해 상기 t1 경과 시점에서 기 측정된 각 파라미터별 평균값을 이용하여, 해당 픽셀에 대응한 파라미터 측정값과 괴사조직 영역에 대응한 파라미터 평균값 간 유사도 지표인 괴사 근접 거리를 산출하는 연산부, 및 해당 픽셀에서 복수의 파라미터 별 산출된 복수의 괴사 근접 거리를 조합하여, 해당 픽셀에 대한 괴사 예측 지수를 연산하는 예측부를 포함하는 피판술 후 조직 괴사 및 손상의 조기 예측 시스템을 제공한다.
또한, 상기 피판술 후 조직 괴사 및 손상의 조기 예측 시스템은, 상기 픽셀 별 도출된 상기 괴사 예측 지수를 기초로 영상 내 피부 조직을 구성한 각 픽셀 영역에 대한 괴사 가능성 예측 결과를 시각화하여 제공하는 제공부를 더 포함할 수 있다.
또한, 상기 제공부는, 상기 영상 내 각 픽셀 영역을 괴사 예측 지수에 대응한 색상 또는 밝기로 대체하여 하나의 괴사 예측 결과 이미지를 생성하여 제공할 수 있다.
또한, 상기 측정부는, 상기 피부 조직에 대한 공간 주파수 영역 영상(SFDI; Spatial Frequency Domain Imaging) 및 레이저 스페클 영상(LSI; Laser Speckle Imaging)을 획득하는 광 측정 장비를 기반으로 영상 내 각 픽셀마다 복수의 파라미터를 측정할 수 있다.
본 발명에 따르면, 피판술이나 피부 이식 등과 같은 조직의 봉합에 있어 조직이 괴사될 가능성을 조기 진단하고 예측함으로써 실질적인 조직의 괴사 또는 손상이 일어나기 이전에 선 조치가 가능하게 하고 조직의 생존 가능성을 높일 수 있는 효과를 제공한다.
도 1은 본 발명의 실시예에 따른 피판술 후 조직 괴사 및 손상 조기 예측 시스템의 구성을 나타낸 도면이다.
도 2는 도 1을 이용한 피판술 후 조직 괴사 및 손상의 조기 예측 방법을 설명하는 도면이다.
도 3은 본 발명의 실시예에 적용된 광 측정 장비를 나타낸 도면이다.
도 4는 본 발명의 실시예에서 광 측정 장비로 획득한 원시 영상을 분석하여 각 파라미터를 얻는 모습을 나타낸 도면이다.
도 5는 본 발명의 실시예에서 측정일자의 개념을 설명하는 도면이다.
도 6은 도 4를 통하여 측정된 파라미터를 이용하여 괴사 예측 지수를 연산한 결과를 나타낸 도면이다.
도 7은 본 발명의 실시예에 따라 피판술 후 1일차 획득된 NPI 영상 및 이를 비교하기 위한 1일차와 6일차의 일반 RGB 영상을 나타낸 도면이다.
도 8은 본 발명의 실시예에서 사전 데이터를 획득하는 과정의 일례를 설명하는 도면이다.
도 9은 도 8의 방법을 통해 획득한 사전 데이터를 예시한 도면이다.
도 10는 본 발명의 실시예에 따라 피판술 후 1일차 획득된 NPI 영상과 실제 6일차의 RGB 영상을 나타낸 도면이다.
그러면 첨부한 도면을 참고로 하여 본 발명의 실시 예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다.
본 발명은 피판술 후 조직 괴사 및 손상의 조기 예측 시스템 및 그 방법에 관한 것으로, 피판술(skin flap surgery)이 이루어진 피부 조직에 대한 현재 조직의 상태를 나타내는 측정 파라미터를 기반으로 미래의 해당 조직의 괴사나 손상 가능성을 사전 파악하여, 조직 괴사 또는 손상이 일어나기 이전에 선 조치가 가능하도록 하고 이로부터 조직의 생존 가능성을 높일 수 있는 기법을 제안한다.
도 1은 본 발명의 실시예에 따른 피판술 후 조직 괴사 및 손상 조기 예측 시스템의 구성을 나타낸 도면이다.
도 1를 참조하면, 본 발명의 실시예에 따른 피판술 후 조직 괴사 및 손상 조기 예측 시스템(100)은 측정부(110), 연산부(120), 예측부(130) 및 제공부(140)를 포함한다.
측정부(110)는 피판술 이후 설정 시간(t1) 경과 시점에 피부 조직을 촬영한 영상으로부터 영상 내 각 픽셀마다 해당 픽셀에 대응된 복수의 파라미터를 측정한다.
연산부(120)는 과거에 동종의 샘플에 대해 피판술 후 동일 경과 시점에 수집된 사전 데이터를 활용하여, 현재 관측된 해당 픽셀에 대응한 파라미터 측정값과 괴사조직 영역에 대응한 파라미터 평균값 간의 유사도 지표인 괴사 근접 거리(dn: distance to necrosis)를 산출한다.
여기서 사전 데이터란, 과거 피판술 후 괴사 판정된 괴사조직 영역에 대해 괴사 이전 시점인 상기 t1 경과 시점에서 기 측정된 각 파라미터별 평균값과, 그리고 정상 판정된 정상조직 영역에 대해 상기 t1 경과 시점에서 기 측정된 각 파라미터별 평균값을 포함한다.
연산부(120)는 이러한 과거 수집된 사전 데이터를 이용하여 현재 관측된 영상 내 모든 픽셀을 대상으로 괴사 근접 거리를 산출한다. 이때 사용된 파라미터의 종류가 N개이면 픽셀 하나당 N개의 괴사 근접 거리가 산출된다.
예측부(130)는 해당 픽셀에서 복수의 파라미터 별 산출된 복수의 괴사 근접 거리를 조합하여, 해당 픽셀에 대한 괴사 예측 지수(NPI; Necrosis Prediction Index)를 연산한다. 후술하겠지만 괴사 예측 지수가 높을수록 괴사 가능성이 높은 것을 나타낸다.
제공부(140)는 각 픽셀 별 도출된 괴사 예측 지수를 기초로 영상 내 피부 조직을 구성한 각 픽셀 영역에 대한 괴사 가능성 예측 결과를 단일의 이미지로 시각화하여 제공함으로써, 피판술된 피부 조직에서 괴사 가능성이 높은 부위에 대한 직관적인 파악이 가능하게 한다.
이하에서는 상술한 내용을 기반으로 본 발명의 실시예에 따른 피판술 후 조직 괴사 및 손상의 조기 예측 방법을 더욱 구체적으로 설명하다.
도 2는 도 1을 이용한 피판술 후 조직 괴사 및 손상의 조기 예측 방법을 설명하는 도면이다.
먼저, 측정부(110)는 조직의 피판술 이후 설정 시간(t1) 경과 시점에 피부 조직에 대한 영상을 촬영하고(S210), 촬영한 영상으로부터 영상 내 각 픽셀마다 해당 픽셀에 대응된 복수의 파라미터를 측정한다(S220).
측정부(110)는 피판술 후 t1 시간(예: 24시간(1일), 2일, 3일 등)이 경과된 상태의 피부 조직에 대한 촬영 영상을 분석하여, 피부 조직의 손상 또는 괴사 가능성 예측에 필요한 복수의 파라미터를 측정한다.
일반적으로 피부 조직의 손상 또는 괴사는 피판술 시행 후 대략 6~7일 경과 시점에 육안 상으로 드러난다. 따라서 실질적인 손상이나 괴사 발생 이전에 그 가능성을 미리 예측하기 위해서는 괴사가 발생하는 시점(예: 피판술 후 6~7일)보다 훨씬 이전부터 피부 조직에 대한 영상 관측과 분석이 이루어져야 한다.
따라서 본 발명의 실시예에서 파라미터 관측을 수행하는 시점 즉, t1 시간이란 피판술 이후의 일반적인 괴사 발생 시점(피판술 후 6~7일)보다는 이전 시점에 해당함은 자명하다.
측정부(110)는 피판술 후 t1 시간(예: 1일, 2일, 3일, 4일, 5일 등) 경과 시점에서 촬영된 피부 조직에 대한 영상으로부터 필요 파라미터들을 측정한다. 이러한 과정은 피판술 이후에 설정 시간(예: 24시간) 간격으로 주기적으로 수행될 수 있다.
측정부(110)는 피부 조직에 대한 공간 주파수 영역 영상(SFDI; Spatial Frequency Domain Imaging)과 레이저 스페클 영상(LSI; Laser Speckle Imaging)을 획득하는 광 측정 장비를 기반으로, 영상 내 각 픽셀마다 복수의 파라미터를 측정한다.
여기서, 측정부(110)는 광 측정 장비를 포함하여 구현될 수 있다. 측정부(110)는 광 측정 장비로부터 피부 조직에 대한 SFDI 및 LSI을 수신하고 이를 분석하여 각 파라미터를 획득할 수 있다. 물론 측정부(110)는 광 측정 장비로부터 각각의 파라미터를 획득할 수도 있고, 파라미터를 수신 후 직접 분석하거나 가공하여 추가적인 파라미터를 획득할 수도 있다.
도 3은 본 발명의 실시예에 적용된 광 측정 장비를 나타낸 도면이다.
도 3에 나타낸 광 측정 장비는 공간 주파수 영역 영상(SFDI)과 레이저 스페클 영상(LSI)을 동시에 측정 가능한 시스템으로 설계 구현된 것이다. 여기서 SFDI 기법과 LSI 기법에 의하면 조직 건강에 직접적인 영향을 주는 파라미터들을 제공한다.
우선, SFDI 기법에 의해 측정되는 파라미터로는 광흡수계수(Absorption Coefficient; μa), 감소광산란계수(Reduced Scattering Coefficient; μs'), 옥시헤모글로빈(HbO2) 농도, 디옥시헤모글로빈(Hb) 농도, 산소포화도(Tissue Oxygen Saturation; StO2) 등을 포함할 수 있다. 또한, LSI 기법에 의해 측정되는 파라미터는 혈류 흐름 지수(Speckle Flow Index; SFI) 등을 포함할 수 있다.
따라서 FDI 기법은 조직의 광학적 특성(μa, μs') 및 조직 구성요소의 농도(HbO2, Hb, StO2)와 관련한 파라미터를 제공하고, LSI 기법은 혈류 흐름 지표에 관한 파라미터(SFI)를 측정하여 제공한다.
이와 같이 측정부(110)는 SFDI 및 LSI를 동시 획득하는 광 측정 장비를 기반으로 동일 화각과 해상도의 두 영상을 획득하고 영상을 구성하는 픽셀마다 해당 영역에 대한 손상 가능성 예측에 필요한 파라미터들을 개별 측정한다. 이때, 측정된 파라미터의 종류는 SFDI 기법에 기반한 μa, μs', HbO2, Hb, StO2 중 적어도 하나와, LSI 기법에 기반한 SFI를 포함할 수 있다.
도 4는 본 발명의 실시예에서 광 측정 장비로 획득한 원시 영상을 분석하여 각 파라미터를 얻는 모습을 나타낸 도면이다. 이러한 도 4에 도시된 것과 같이, SFDI 기법과 LSI 기법에 의해 획득된 두 영상을 이용하여 각 파라미터(파라미터 영상)가 도출 것을 알 수 있다.
구체적으로, SFDI 기법에 의해 획득된 원시 영상(SFDI raw image)으로부터 조직의 광학적 특성 파라미터인 산란계수(μs')(Reduced scattering coefficient) 및 흡수계수(μa)(absorption coefficient)에 대한 파라미터 영상이 측정되었다. 또한, 흡수계수(μa) 결과 영상으로부터 다시 조직 구성요소의 농도 파라미터인 옥시헤모글로빈(HbO2), 헤모글로빈(Hb), 총헤모글로빈(THb), 산소포화도(StO2)에 대한 파라미터 영상이 측정되었다. 그리고, LSI 기법에 의해 획득된 원시 영상(LSI raw image)으로부터 혈류 파라미터인 혈류 흐름 지표(SFI)에 대한 파라미터 영상이 측정된 것을 확인할 수 있다.
여기서, 본 발명의 실시예는 각 파라미터에 대한 기울기 요소(Δ)를 추가적인 파라미터로 사용할 수 있다. 이때, 기울기 요소(Δ)란 해당 파라미터의 이전 시간 측정값 대비 현재 시간 측정값의 기울기(변화)를 의미한다. 이 경우, 측정부(110)는 영상 내 각 픽셀마다 μa, μs', HbO2, Hb, StO2, SFI 뿐만 아니라 Δμa, Δμs', ΔHbO2, ΔHb, ΔStO2, ΔSFI를 포함한 12 가지의 파라미터를 측정할 수 있다.
이후, 연산부(120)는 기 수집된 사전 데이터(과거 피판술 후 실제로 괴사 판정된 괴사조직 영역에 대해 괴사 이전 시점인 t1 경과 시점에서 기 측정된 각 파라미터별 평균값과 정상조직 영역에 대해 t1 경과 시점에서 기 측정된 각 파라미터별 평균값)를 이용하여, 해당 픽셀에 대응한 파라미터 측정값과 괴사조직 영역에 대응한 파라미터 평균값 간 유사도 지표인 괴사 근접 거리(dn: distance to necrosis)를 산출한다(S230).
이때, 사용된 파라미터의 종류가 N개인 경우, 각 픽셀마다 N개의 괴사 근접 거리가 산출되며, 이러한 동작은 영상을 구성하는 모든 픽셀에 대해 이루어진다. 괴사 근접 거리는 0 과 1 사이의 값을 가지며, 0에 근접할수록 해당 픽셀이 괴사 조직에 가깝고 1에 근접할수록 정상 조직에 가까운 것을 의미한다.
여기서, S230 단계 이전에 사전 데이터를 구축하기 위하여, 측정부(110)는 동종 샘플(예: 사람)을 대상으로 실제로 과거 피판술 후 괴사 판정된 괴사조직 부위와 정상 판정된 정상조직 부위에 대한 기 측정된 파라미터 값을 저장부(미도시)에 저장하고, 연산부(120)는 저장부에 저장된 데이터를 현재 촬영한 피부 조직에 대한 괴사 근접 거리 산출에 활용한다.
예를 들어, 측정부(110)는 과거 동종 샘플의 피판술 후 1일, 2일, …, 7일 경과 시점에서 기 측정한 파라미터들을 저장부에 각각 저장한다. 그리고 마지막 7일째에 실제로 괴사로 최종 판정된 괴사조직 부위의 영역을 선택한다. 그리고 그 이전 시점인 1일, 2일째 등의 측정 영상에서 앞서 선택한 영역과 동일 위치의 영역 내 픽셀의 파라미터 값을 이용하여 각 파라미터 별로 평균을 연산하고 이를 저장부에 저장한다.
이에 따라 괴사조직 부위에 대한 사전 데이터가 획득된다. 물론 정상 판정된 조직 부위에 대해서도 동일한 방법을 사용하여 정상 조직부위에 대한 사전 데이터를 획득할 수 있다. 또한 사용된 샘플의 개수가 복수 개인 경우에 복수의 샘플에 대해 동일 방법으로 얻은 동종의 파라미터를 모두 평균하여 사용할 수 있다.
이러한 방법으로 과거 샘플에서의 괴사조직과 정상조직 부위에 대한 사전 데이터가 구축된다.
이때, 저장부는 사전에 과거 동종 샘플 중에서 피판술 후 최종 괴사로 판정된 조직 부위(괴사조직 부위)에 대해 경과 시간별 미리 측정된 파라미터 및 정상으로 최종 판정된 조직 부위(정상조직 부위)에 대해 경과 시간 별로 미리 측정된 파라미터를 각각 저장할 수 있다.
또한, 저장부는 과거 피판술 후 괴사 판정된 괴사조직 부위에 대한 t1 시간 경과 시점에서 기 획득된 각 파라미터별 평균값과, 정상 판정된 정상조직 부위에 대한 t1 시간 경과 시점에서 기 획득된 각 파라미터별 평균값을 저장할 수 있다.
이와 같이, 측정부(110)는 각각의 경과 시점마다 파라미터별 평균 값을 개별 계산하여 사전 데이터를 저장부에 저장하며, 연산부(120)는 진단 대상이 되는 조직에 대한 설정 시간 경과 시점에서 측정된 데이터를 동일한 경과 시점에 대한 기 저장된 사전 데이터와 비교하여 괴사 근접 거리를 연산할 수 있다.
한편, 연산부(120)는 조직의 피판술 후 t1 시간이 경과된 현재의 시점에서 영상 내 해당 픽셀에 대응하여 측정된 각 파라미터별 평균 값을, 과거 동종 샘플에 대한 동일 시점(피판술 후 t1 경과 시점)에서 계측된 정상 및 괴사(비정상) 조직에 대한 파리미터와 비교하여, 영역 내 각 픽셀 별로 괴사 근겁 거리를 계산한다.
이때, 해당 픽셀에 대응하여 각 파라미터 별 산출되는 괴사 근접 거리(dn: distance to necrosis)는 아래의 수학식 1에 의해 연산될 수 있다.
Figure 112020023640966-pat00007
여기서, i는 파라미터 종류의 인덱스, dni는 i번째 파라미터에 대응하여 산출된 괴사 근접 거리, Mi는 해당 픽셀에서 현재 측정된 i번째 파라미터의 측정값, ANi는 과거에 괴사조직 영역에 대해 기 측정된 i번째 파라미터의 평균값, ASi는 과거에 정상조직 영역에 대해 기 측정된 i번째 파라미터의 평균값을 나타낸다.
ANi는 동일 피판술 후 같은 시간(t1 시간) 경과 시점에 측정된 여러 동종 샘플들의 피부 조직들에서 최종적으로 괴사로 판별된 괴사 영역에 대해 SFDI 및 LSI로 사전 측정된 i번째 파라미터의 평균을 구한 것이다. 또한, ASi는 동일 피판술 후 같은 시간(t1 시간) 경과 시점에 측정된 여러 동종 샘플들의 피부 조직들에서 최종적으로 정상으로 판별된 정상 영역에 대해 SFDI 및 LSI로 사전 측정된 i번째 파라미터의 평균을 구한 것이다.
또한, 괴사 근접 거리는 해당 파라미터 값이 괴사 조직과 생존 조직 중 어느 쪽에 가까운지를 나타내는 지표로서 1에 근접할수록 정상 조직에 가깝고 0에 근접할수록 괴사 조직에 가까운 것을 나타낸다.
여기서, 측정 파라미터로 HbO2, Hb, SFI를 포함한 3가지 파라미터를 사용한 경우 N=3이고, 픽셀 하나당 3개의 괴사 근접 거리(dn1~dn3)이 얻어진다. 계산된 각 파라미터 별 괴사 근접 거리들은 조직의 괴사 가능성을 나타내는 괴사 예측 지수 연산에 사용된다.
연산부(120)는 해당 픽셀에서 복수의 파라미터 별 산출된 복수의 괴사 근접 거리를 조합하여, 상기 해당 픽셀에 대한 괴사 예측 지수를 연산한다(S240).
이러한 S240 단계 역시 영상 내 모든 픽셀에 대해 수행되며, 이에 따라 영상을 구성하는 각 픽셀마다 괴사 예측 지수가 연산된다.
여기서, 해당 픽셀에 대한 괴사 예측 지수(NPI)는 아래의 수학식 2에 의해 연산될 수 있다.
Figure 112020023640966-pat00008
여기서, i는 파라미터 종류의 인덱스, N은 파라미터 종류의 총 개수, dni는 i번째 파라미터에 대응하여 산출된 괴사 근접 거리, α는 기 결정된 조정 계수(상수), ωi는 각 파라미터별 가중치로서 i번째 파라미터에 적용되는 가중치를 나타낸다.
수학식 2의 NPI 값이 0에 가까울수록 정상 부위에 해당하고 1에 가까울수록 괴사 부위에 해당한다. 따라서, NPI가 높은 픽셀은 괴사 가능성이 높은 영역에 해당함을 의미한다.
이러한 수학식 2은 NPI의 출력 범위를 0에서 1로 설정하기 위하여 시그모이드 함수와 가중 평균을 이용하여 구성한 것이다. 여기서, dni가 0일 때 NPI 값이 0.95이 되고 dni가 1일 때 NPI 값이 0.05가 되도록, α 값을 5.889로 결정하였다.
이와 같이, α는 괴사거리에 따른 적절한 NPI 값을 가지도록 선정된 양의 상수로서, 실험적 경험값으로 결정되며, α 값이 커질수록 괴사거리에 따른 NPI 반영 민감도가 증가(즉, 시그모이드 함수의 기울기(slope) 절대값이 증가)한다.
그리고, 각 파라미터별 가중치 ωi는 각 파라미터 별로 ANi와 ASi 계산에 사용된 샘플값들 사이의 통계 검정 유의 확률 p에 따라 결정된다.
즉, i번째 파라미터의 가중치(ωi)는 과거에 정상조직 영역에 대해 기 측정된 i번째 파라미터의 평균값과 괴사조직 영역에 대해 기 측정된 i번째 파라미터의 평균값 간의 편차에 대한 통계적 검정 유의 확률 p에 따라 아래 수학식 3에 의해 결정될 수 있다.
Figure 112020023640966-pat00009
구체적으로, p는 사전 데이터 중 괴사조직 영역에 대한 데이터와 생존한 정상조직 영역에 대한 데이터 간의 통계적 유의성 검정을 통해 계산된 p-value 값을 나타내고, β는 유의 수준을 의미한다. 이때, β는 0.5, 0.05, 0.005 등 다양한 값이 사용될 수 있다.
예를 들어, 95%의 신뢰도를 기준으로 한다면 (1-0.95)인 0.05값이 β 값이 된다. 여기서 유의수준과 유의확률 값 비교를 통하여 통계적 유의성이 검정된다.
예를 들어, β = 0.05일 때, 1번째 파라미터에 대응하여 연산한 p 값이 0.05보다 작은 값으로 나왔다면 유의수준 0.05에서 통계적으로 유의함을 의미하고(p < β 만족), 이 경우 1번째 파라미터에 대해 적용되는 가중치 값(ωi)이 log (1/2p) 식에 의하여 도출된다.
수학식 3에 의하면, 정상 조직과 괴사 조직 사이 간의 파라미터 값의 편차가 큰 경우 해당 파라미터는 p < β를 만족하는 유의미한 파라미터 종류에 해당하므로 보다 높은 가중치가 적용될 것이고 그렇지 않은 경우 보다 낮은 가중치가 적용될 것이다. 물론, p ≥ β 즉, p값이 유의수준 이상인 경우에는 0의 가중치가 적용되어 NPI 계산에 반영되지 않게 된다.
이는 전체 12가지 파라미터 중에서 일부 유의미한 가중치가 선택적으로 수학식 2에 적용될 수 있음을 의미한다. 또한 이러한 과거 경험치에 기초하여 가중치가 0으로 도출된 파라미터 종류는 추후 측정 파라미터에서 제외될 수도 있고, 이를 통해 연산 시간과 복잡도를 줄이고 분석 효율을 높일 수 있다.
한편, 본 발명의 실시예는 수학식 2에 의한 NPI 연산 식을 대표 예시로 설명하였으나, 그 밖에도 모멘텀(momentum)을 적용하는 아래 수학식 4를 통하여 NPI 값을 연산할 수도 있다.
Figure 112020023640966-pat00010
여기서, N은 파라미터 종류의 총 개수, D는 피판술 후 경과일에 해당한 측정일자, i는 파라미터 종류의 인덱스, j는 파라미터별 측정일자의 인덱스를 나타낸다. 또한, dnij는 j번째 측정일자에 i번째 파라미터에 대응하여 산출된 괴사 근접 거리(dn), α는 기 결정된 조정 계수(상수), ωij는 각 측정일자에 적용되는 각 파라미터별 가중치로서 j번째 측정일자에 i번째 파라미터에 적용되는 가중치를 나타낸다. 가중치는 앞서 상술한 수학식 3과 동일한 원리로 얻을 수 있다.
도 5는 본 발명의 실시예에서 측정일자의 개념을 설명하는 도면이다.
도 5에 알 수 있듯이, D=0 즉, Day 0은 피판술 시행일을 나타내고, D=1(Day 1)은 그로부터 1일차, D=2(Day 2)는 2일차를 각각 나타낸다. 따라서, 예를 들어, D=3은 피판술 시행일(Day 0)로부터 3일차(Day 3)를 의미함을 알 수 있다.
여기서, 수학식 5에서 Mj는 j번째 측정일자에 적용되는 모멘텀을 나타내며 아래 수학식 5와 같이 정의될 수 있다.
Figure 112020023640966-pat00011
여기서,
Figure 112020023640966-pat00012
는 모멘텀 상수를 나타낸다.
Figure 112020023640966-pat00013
는 모멘텀 반영률을 의미하며 경험적으로 설정되는 임의의 양의 상수이다.
예를 들어,
Figure 112020023640966-pat00014
=0.9985을 사용하면, 3일차 측정일(D=3)로부터 3일전(j=0) 파라미터 가중치 반영율이 약 5%, 3일차로부터 2일전(j=1)은 약 14%, 1일전(j=2)은 약 37%가 된다.
Figure 112020023640966-pat00015
값이 커질수록 과거 파라미터 반영율이 줄어든다.
수학식 5를 반영한 수학식 4에 따르면 이전의 NPI 값을 모멘텀으로 적용함으로써 NPI 값의 급격한 변화를 완화시키는 효과를 줄 수 있다.
도 6은 도 4를 통하여 측정된 파라미터를 이용하여 괴사 예측 지수를 연산한 결과를 나타낸 도면이다.
앞서 도 4의 방법으로 획득한 HbO2, Hb, SFI에 대한 3가지 파라미터 영상을 이용하여 각 픽셀마다 3가지 괴사 근접 거리를 연산 후 이를 수학식 2에 적용하면 각 픽셀 별로 괴사 예측 지수를 획득할 수 있다. 또한 도 6의 우측 그림과 같이 이들 결과를 조합하면 해당 피부 조직 영상에 대응하는 단일의 괴사 예측 결과 이미지(NPI 이미지)를 생성할 수 있다.
즉, 제공부(140)는 픽셀 별 도출된 괴사 예측 지수를 기초로 영상 내 피부 조직을 구성한 각 픽셀 영역에 대한 괴사 가능성 예측 결과를 시각화하여 제공한다(S250).
이때, 제공부(140)는 영상 내 각 픽셀 영역을 괴사 예측 지수에 대응한 색상 또는 밝기(명암)로 대체하여 단일의 괴사 예측 결과 이미지(이하, NPI 영상)를 생성할 수 있다. 여기서 제공부(140)는 괴사 예측 지수(NPI)의 값이 클수록 즉, 1에 가까울수록 해당 픽셀에 대해 높은 밝기 값을 적용할 수 있다.
그리고 제공부(140)는 생성한 NPI 영상을 사용자 단말로 제공할 수 있다. 여기서 사용자 단말은 데스크탑, 노트북, 태블릿 PC, 스마트폰, 패드 등을 포함할 수 있다.
도 7은 본 발명의 실시예에 따라 피판술 후 1일차 획득된 NPI 영상 및 이를 비교하기 위한 1일차와 6일차의 일반 RGB 영상을 나타낸 도면이다.
실험 동물로 사용된 ICR mouse(쥐)의 등쪽 부위에 피판술(skin flap surgery)을 시술하였고, 피판 봉합 전에, 피판한 부위에 실리콘 시트를 위치시켜 혈류 차단과 동시에 괴사를 유도하였다.
먼저, 도 7의 좌측 그림은 피판술 후 1일차에 등쪽 피부 조직을 촬영한 일반 RGB 영상을 나타낸다.
다음, 도 7의 가운데 그림은 동일 시점(피판술 후 1일차)에 광 측정 장비를 통하여 측정한 SFDI 및 LSI 측정 파라미터들을 이용하여 NPI 영상을 도출한 결과를 나타낸다. 이때, 100%에 해당하는 색상(흰색)은 괴사 예측 지수 1에 대응한 색상이고, 0%에 해당하는 색상(검은색)은 괴사 예측 지수 0에 대응한 색상이다.
이러한 NPI 영상은 1일차 일반 RGB 영상과는 다르게, 피판 하단부에 괴사가 의심되는 영역(밝은 부분)이 존재함을 알 수 있다.
마지막의 우측 그림은 피판술 후 6일차에 실제 촬영된 일반 RGB 영상이다. 이를 피판술 후 1일차에 획득된 NPI 영상(괴사 예측 결과 이미지)과 비교하여 볼 때, NPI가 0.5 이상(50% 이상)인 영역(밝은 부위)은 6일차 일반 RGB 영상에서 실제로 괴사가 발생한 영역과 매우 유사한 것을 알 수 있다. 물론, 상술한 도 7의 예시는 피판술 후 1일차를 예시하고 있지만, 2일차, 3일차 등에서도 동일 방식으로 NPI 영상을 제공할 수 있다.
이상과 같은 본 발명에 따르면, 피부 조직에 대한 현재 조직의 상태를 나타내는 측정 파라미터를 이용하여 실제로 조직의 괴사 또는 손상이 일어나기 수일 전에 조직의 괴사나 손상 가능성을 사전 예측함은 물론, 영상 내 각 픽셀에 대한 NPI 값을 기반으로 하나의 2차원 NPI 영상을 가공 도출함으로써, 피판술된 피부 조직 상의 괴사 가능성 부위를 직관적으로 확인 가능하게 한다.
특히, 기존에는 내부적으로 괴사가 진행 중이더라도 육안 또는 카메라로 확인이 어려워 피부 괴사나 손상을 조기 진단하기 어려웠으나, 본 발명의 경우 피부 조직의 괴사가 드러나기 이전에 괴사 가능성을 사전 예측하고 그에 대응한 NPI 영상을 시각화 제공함으로써, 해당 부위에 대한 선 조치가 가능하도록 하고 조직의 생존 가능성을 높일 수 있다.
이하에서는 본 발명의 실시예에 따른 피판술 후 조직 괴사 및 손상의 조기 예측 시스템에 대한 실험 절차를 설명한다.
우선, 과거 피판술이 시행된 실험 쥐 샘플로부터 실제 괴사 조직과 정상 조직에 대한 사전 데이터를 구축한다.
이후, 진단 대상이 되는 실험 쥐에 대해 피판술을 진행하고, 1일 뒤에 SFDI/LSI를 이용한 피부 조직의 파라미터를 각각 측정하며, 측정 파라미터와 사전 데이터를 이용하여 NPI 영상을 획득한다.
그리고, 일정 시간 경과 후의 피부 조직의 상태를 1일 차에 미리 획득된 NPI 영상과 비교하여 검증한다.
먼저, 사전 데이터 구축을 위하여 복수의 실험 쥐 샘플에 대해 피판술을 시행하고 1일차 내지 7일차까지 SFDI/LSI를 이용하여 피부 조직에 대한 복수의 파라미터를 각각 측정하여 둔다.
도 8은 본 발명의 실시예에서 사전 데이터를 획득하는 과정의 일례를 설명하는 도면이다.
이러한 도 8은 마지막 7일차의 조직 검사 결과로부터 선정된 괴사조직 영역을 역추적하여 파라미터들을 획득하고 이를 통하여 사전 데이터를 구성하는 과정을 나타낸다.
구체적으로, 도 8의 상단 이미지들은 시간 경과에 따른 RGB 영상의 변화를 나타내고 하단의 이미지들은 시간 경과에 따른 460 nm 파장의 흡수 계수(Absorption Coefficient)의 변화를 나타낸다. 이러한 하단 이미지들은 도 4의 방법으로 획득한 광흡수계수에 대한 파라미터 영상을 나타낸다.
여기서, 7일차(Day 7)에 실제로 괴사가 발생한 부위(괴사조직 영역)를 관심 영역(Region Of Interest; ROI)으로 선택 후 이를 날짜 별로 역으로 추적하여, 각 날짜 별로 하단 이미지(파라미터 영상)로부터 ROI 영역에 대한 파라미터 값을 획득한다. 이때 해당 ROI 영역에 대한 파라미터 별 평균값도 획득할 수 있다.
여기서 물론, 광흡수계수 이외의 다른 파라미터에 대한 사전 데이터도 동일한 방식으로 획득할 수 있다. 또한, 정상조직 영역에 대해서도 파라미터 값을 획득하며, 이를 통해 과거 피판술이 시행된 실험 쥐 샘플로부터 실제 괴사 조직과 정상 조직에 대한 사전 데이터를 구축할 수 있다.
도 9는 본 발명의 실시예에 따라 획득한 사전 데이터를 예시한 도면이다.
도 9의 (a)는 광흡수계수 파라미터에 대한 정상 조직과 괴사 조직의 사전 데이터이고, (b)는 감소광산란계수 파라미터에 대한 정상 조직과 괴사 조직의 사전 데이터를 나타낸다. 여기서 정상 조직과 괴사 조직 간의 데이터 편차가 큰 파라미터는 괴사 가능성 예측 분석에 있어 유의미한 파라미터에 해당하므로 더욱 높은 가중치가 적용될 수 있다.
사전 데이터 구축 이후에는, 실제로 진단 대상이 되는 실험 쥐를 대상으로 피판술을 진행 후 1일 뒤에 피부 조직의 파라미터를 각각 측정하고 측정 파라미터와 사전 데이터를 이용하여 NPI 영상을 획득한다. 획득되는 NPI 영상의 예시는 앞서 도 7에 나타낸 바 있으나, 또 다른 실험 샘플에 대한 NPI 영상 예시를 도 10에 추가로 나타내었다.
도 10은 본 발명의 실시예에 따라 피판술 후 1일차 획득된 NPI 영상과 실제 6일차의 RGB 영상을 나타낸 도면이다.
도 10을 참조하면, 피판술 후 1일차에서 획득한 NPI 영상과 실제 6일차에 촬영된 일반 RGB 영상을 비교하여 보면, NPI 영상에서 NPI가 0.5 이상(50% 이상)인 영역은 6일차 RGB 영상에서 실제로 괴사가 발생한 영역과 거의 일치하는 것을 알 수 있다.
이상과 같은 본 발명에 따르면, 피판술이나 피부 이식 등과 같은 조직의 봉합에 있어 조직이 괴사될 가능성을 조기 진단하고 선 조치를 통하여 조직의 생존 가능성을 높일 수 있는 효과가 있다.
특히, 외과 수술에 있어 피부조직의 봉합은 필수적으로 발생하며, 성형외과에서 많이 시술하는 피판술 또는 피부 이식에 있어서도 피부 조직의 봉합은 매우 중요한 요소인데, 본 발명은 이와 같은 피부조직 봉합에 있어 조직의 괴사를 미리 판단하고 선조치할 수 있는 진단 지표를 제공하는 것으로 괴사가 일어나기 전에 괴사 가능성을 사전 예측 및 조기 진단할 수 있다.
본 발명은 도면에 도시된 실시 예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 다른 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이다.
100: 피판술 후 조직 괴사 및 손상의 조기 예측 시스템
110: 측정부 120: 연산부
130: 예측부 140: 제공부

Claims (18)

  1. 피판술 이후 설정 시간(t1) 경과 시점에 피부 조직을 촬영한 영상으로부터 영상 내 각 픽셀마다 해당 픽셀에 대응된 복수의 파라미터를 측정하는 단계;
    과거 피판술 후 괴사 판정된 괴사조직 영역에 대해 괴사 이전 시점인 상기 t1 경과 시점에서 기 측정된 각 파라미터별 평균값과 정상조직 영역에 대해 상기 t1 경과 시점에서 기 측정된 각 파라미터별 평균값을 이용하여, 해당 픽셀에 대응한 파라미터 측정값과 괴사조직 영역에 대응한 파라미터 평균값 간 유사도 지표인 괴사 근접 거리를 산출하는 단계; 및
    해당 픽셀에서 복수의 파라미터 별 산출된 복수의 괴사 근접 거리를 조합하여, 상기 해당 픽셀에 대한 괴사 예측 지수를 연산하는 단계를 포함하며,
    해당 픽셀에 대응하여 각 파라미터 별 산출되는 괴사 근접 거리(dn: distance to necrosis)는 아래의 수학식에 의해 연산되는 조직 괴사 및 손상의 조기 예측 시스템에서 수행되는 피판술 후 조직 괴사 및 손상의 조기 예측 방법:
    Figure 112021087850038-pat00038

    여기서, i는 파라미터 종류의 인덱스, dni는 i번째 파라미터에 대응하여 산출된 괴사 근접 거리, Mi는 해당 픽셀에서 현재 측정된 i번째 파라미터의 측정값, ANi는 과거에 상기 괴사조직 영역에 대해 기 측정된 i번째 파라미터의 평균값, ASi는 과거에 상기 정상조직 영역에 대해 기 측정된 i번째 파라미터의 평균값을 나타낸다.
  2. 청구항 1에 있어서,
    상기 픽셀 별 도출된 상기 괴사 예측 지수를 기초로 영상 내 피부 조직을 구성한 각 픽셀 영역에 대한 괴사 가능성 예측 결과를 시각화하여 제공하는 단계를 더 포함하는 조직 괴사 및 손상의 조기 예측 시스템에서 수행되는 피판술 후 조직 괴사 및 손상의 조기 예측 방법.
  3. 청구항 2에 있어서,
    상기 괴사 가능성 예측 결과를 시각화하여 제공하는 단계는,
    상기 영상 내 각 픽셀 영역을 괴사 예측 지수에 대응한 색상 또는 밝기로 대체하여 하나의 괴사 예측 결과 이미지를 생성하여 제공하는 조직 괴사 및 손상의 조기 예측 시스템에서 수행되는 피판술 후 조직 괴사 및 손상 조기 예측 방법.
  4. 청구항 1에 있어서,
    상기 복수의 파라미터를 측정하는 단계는,
    상기 피부 조직에 대한 공간 주파수 영역 영상(SFDI; Spatial Frequency Domain Imaging) 및 레이저 스페클 영상(LSI; Laser Speckle Imaging)을 획득하는 광 측정 장비를 기반으로 영상 내 각 픽셀마다 복수의 파라미터를 측정하는 조직 괴사 및 손상의 조기 예측 시스템에서 수행되는 피판술 후 조직 괴사 및 손상의 조기 예측 방법.
  5. 청구항 1에 있어서,
    상기 복수의 파라미터는,
    SFDI 기법을 이용하여 측정된 광흡수계수(Absorption Coefficient), 감소광산란계수(Reduced Scattering Coefficient), 옥시헤모글로빈(HbO2) 농도, 디옥시헤모글로빈(Hb) 농도, 산소포화도(StO2; Tissue Oxygen Saturation) 중 적어도 하나와, LSI 기법을 이용하여 측정된 혈류 흐름 지수(SFI; Speckle Flow Index)를 포함하는 조직 괴사 및 손상의 조기 예측 시스템에서 수행되는 피판술 후 조직 괴사 및 손상의 조기 예측 방법.
  6. 삭제
  7. 청구항 1에 있어서,
    상기 해당 픽셀에 대한 괴사 예측 지수(NPI; Necrosis Prediction Index)는 아래의 수학식에 의해 연산되는 조직 괴사 및 손상의 조기 예측 시스템에서 수행되는 피판술 후 조직 괴사 및 손상의 조기 예측 방법:
    Figure 112021087850038-pat00017

    여기서, i는 파라미터 종류의 인덱스, N은 파라미터 종류의 총 개수, dni는 i번째 파라미터에 대응하여 산출된 괴사 근접 거리, α는 기 결정된 조정 계수(상수), ωi는 각 파라미터별 가중치로서 i번째 파라미터에 적용되는 가중치를 나타낸다.
  8. 청구항 7에 있어서,
    상기 i번째 파라미터의 가중치(ωi)는,
    과거에 상기 정상조직 영역에 대해 기 측정된 i번째 파라미터의 평균값과 상기 괴사조직 영역에 대해 기 측정된 i번째 파라미터의 평균값 간의 편차에 대한 통계적 검정 유의 확률 p에 따라 아래 수학식에 의해 결정되는 조직 괴사 및 손상의 조기 예측 시스템에서 수행되는 피판술 후 조직 괴사 및 손상의 조기 예측 방법.
    Figure 112021087850038-pat00018

    여기서, β는 유의 수준을 나타낸다.
  9. 청구항 1에 있어서,
    상기 해당 픽셀에 대한 괴사 예측 지수(NPI; Necrosis Prediction Index)는 아래의 수학식에 의해 연산되는 조직 괴사 및 손상의 조기 예측 시스템에서 수행되는 피판술 후 조직 괴사 및 손상의 조기 예측 방법:
    Figure 112021087850038-pat00019
    ,
    Figure 112021087850038-pat00020

    여기서, N은 파라미터 종류의 총 개수, D는 피판술 후 경과일에 해당한 측정일자, i는 파라미터 종류의 인덱스, j는 파라미터별 측정일자의 인덱스, dnij는 j번째 측정일자에 i번째 파라미터에 대응하여 산출된 괴사 근접 거리(dn), α는 기 결정된 조정 계수(상수), ωij는 각 측정일자에 적용되는 각 파라미터별 가중치로서 j번째 측정일자에 i번째 파라미터에 적용되는 가중치, Mj는 j번째 측정일자에 적용되는 모멘텀,
    Figure 112021087850038-pat00021
    는 모멘텀 상수를 나타낸다.
  10. 피판술 이후 설정 시간(t1) 경과 시점에 피부 조직을 촬영한 영상으로부터 영상 내 각 픽셀마다 해당 픽셀에 대응된 복수의 파라미터를 측정하는 측정부;
    과거 피판술 후 괴사 판정된 괴사조직 영역에 대해 괴사 이전 시점인 상기 t1 경과 시점에서 기 측정된 각 파라미터별 평균값과 정상조직 영역에 대해 상기 t1 경과 시점에서 기 측정된 각 파라미터별 평균값을 이용하여, 해당 픽셀에 대응한 파라미터 측정값과 괴사조직 영역에 대응한 파라미터 평균값 간 유사도 지표인 괴사 근접 거리를 산출하는 연산부; 및
    해당 픽셀에서 복수의 파라미터 별 산출된 복수의 괴사 근접 거리를 조합하여, 해당 픽셀에 대한 괴사 예측 지수를 연산하는 예측부를 포함하며,
    해당 픽셀에 대응하여 각 파라미터 별 산출되는 괴사 근접 거리(dn: distance to necrosis)는 아래의 수학식에 의해 연산되는 피판술 후 조직 괴사 및 손상의 조기 예측 시스템:
    Figure 112021087850038-pat00039

    여기서, i는 파라미터 종류의 인덱스, dni는 i번째 파라미터에 대응하여 산출된 괴사 근접 거리, Mi는 해당 픽셀에서 현재 측정된 i번째 파라미터의 측정값, ANi는 과거에 상기 괴사조직 영역에 대해 기 측정된 i번째 파라미터의 평균값, ASi는 과거에 상기 정상조직 영역에 대해 기 측정된 i번째 파라미터의 평균값을 나타낸다.
  11. 청구항 10에 있어서,
    상기 픽셀 별 도출된 상기 괴사 예측 지수를 기초로 영상 내 피부 조직을 구성한 각 픽셀 영역에 대한 괴사 가능성 예측 결과를 시각화하여 제공하는 제공부를 더 포함하는 피판술 후 조직 괴사 및 손상의 조기 예측 시스템.
  12. 청구항 11에 있어서,
    상기 제공부는,
    상기 영상 내 각 픽셀 영역을 괴사 예측 지수에 대응한 색상 또는 밝기로 대체하여 하나의 괴사 예측 결과 이미지를 생성하여 제공하는 피판술 후 조직 괴사 및 손상 조기 예측 시스템.
  13. 청구항 10에 있어서,
    상기 측정부는,
    상기 피부 조직에 대한 공간 주파수 영역 영상(SFDI; Spatial Frequency Domain Imaging) 및 레이저 스페클 영상(LSI; Laser Speckle Imaging)을 획득하는 광 측정 장비를 기반으로 영상 내 각 픽셀마다 복수의 파라미터를 측정하는 피판술 후 조직 괴사 및 손상의 조기 예측 시스템.
  14. 청구항 10에 있어서,
    상기 복수의 파라미터는,
    SFDI 기법을 이용하여 측정된 광흡수계수(Absorption Coefficient), 감소광산란계수(Reduced Scattering Coefficient), 옥시헤모글로빈(HbO2) 농도, 디옥시헤모글로빈(Hb) 농도, 산소포화도(StO2; Tissue Oxygen Saturation) 중 적어도 하나와, LSI 기법을 이용하여 측정된 혈류 흐름 지수(SFI; Speckle Flow Index)를 포함하는 피판술 후 조직 괴사 및 손상의 조기 예측 시스템.
  15. 삭제
  16. 청구항 10에 있어서,
    상기 해당 픽셀에 대한 괴사 예측 지수(NPI; Necrosis Prediction Index)는 아래의 수학식에 의해 연산되는 피판술 후 조직 괴사 및 손상의 조기 예측 시스템:
    Figure 112020023640966-pat00023

    여기서, i는 파라미터 종류의 인덱스, N은 파라미터 종류의 총 개수, dni는 i번째 파라미터에 대응하여 산출된 괴사 근접 거리, α는 기 결정된 조정 계수(상수), ωi는 각 파라미터별 가중치로서 i번째 파라미터에 적용되는 가중치를 나타낸다.
  17. 청구항 16에 있어서,
    상기 i번째 파라미터의 가중치(ωi)는,
    과거에 상기 정상조직 영역에 대해 기 측정된 i번째 파라미터의 평균값과 상기 괴사조직 영역에 대해 기 측정된 i번째 파라미터의 평균값 간의 편차에 대한 통계적 검정 유의 확률 p에 따라 아래 수학식에 의해 결정되는 피판술 후 조직 괴사 및 손상의 조기 예측 시스템.
    Figure 112020023640966-pat00024

    여기서, β는 유의 수준을 나타낸다.
  18. 청구항 10에 있어서,
    상기 해당 픽셀에 대한 괴사 예측 지수(NPI; Necrosis Prediction Index)는 아래의 수학식에 의해 연산되는 피판술 후 조직 괴사 및 손상의 조기 예측 방법:
    Figure 112020023640966-pat00025
    ,
    Figure 112020023640966-pat00026

    여기서, N은 파라미터 종류의 총 개수, D는 피판술 후 경과일에 해당한 측정일자, i는 파라미터 종류의 인덱스, j는 파라미터별 측정일자의 인덱스, dnij는 j번째 측정일자에 i번째 파라미터에 대응하여 산출된 괴사 근접 거리(dn), α는 기 결정된 조정 계수(상수), ωij는 각 측정일자에 적용되는 각 파라미터별 가중치로서 j번째 측정일자에 i번째 파라미터에 적용되는 가중치, Mj는 j번째 측정일자에 적용되는 모멘텀,
    Figure 112020023640966-pat00027
    는 모멘텀 상수를 나타낸다.
KR1020200027785A 2020-03-05 2020-03-05 피판술 후 조직 괴사 및 손상의 조기 예측 시스템 및 그 방법 KR102340152B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200027785A KR102340152B1 (ko) 2020-03-05 2020-03-05 피판술 후 조직 괴사 및 손상의 조기 예측 시스템 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200027785A KR102340152B1 (ko) 2020-03-05 2020-03-05 피판술 후 조직 괴사 및 손상의 조기 예측 시스템 및 그 방법

Publications (2)

Publication Number Publication Date
KR20210112593A KR20210112593A (ko) 2021-09-15
KR102340152B1 true KR102340152B1 (ko) 2021-12-16

Family

ID=77793209

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200027785A KR102340152B1 (ko) 2020-03-05 2020-03-05 피판술 후 조직 괴사 및 손상의 조기 예측 시스템 및 그 방법

Country Status (1)

Country Link
KR (1) KR102340152B1 (ko)

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SG11201806813XA (en) * 2016-02-12 2018-09-27 Modulated Imaging Inc Method and apparatus for assessing tissue vascular health

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Amaan Mazhar 외 7명, Laser speckle imaging in the spatial frequency domain, Biomedical Optics Express Vol.2, Issue 6, pp.1553~1563 (2011.05.13.),*
Katsuya Gorai 외 6명, Prediction of Skin Necrosis after Mastectomy for Breast Cancer Using Indocyanine Green Angiography Imaging, PRS Global Open, (2017.04.21.)*
Michael R. Pharaon 외 6명, Early Detection of Complete Vascular Occlusion in a Pedicle Flap Model Using Quantitation Spectral Imaging, Plast Reconstr Surg. 126(6): pp.1924~1935, (2010.12.31.)*

Also Published As

Publication number Publication date
KR20210112593A (ko) 2021-09-15

Similar Documents

Publication Publication Date Title
KR102594212B1 (ko) 병변 특성을 자동으로 추정하기 위한 광음향 이미지 분석 방법 및 시스템
Massey et al. A guide to human in vivo microcirculatory flow image analysis
US8840555B2 (en) System and method of ultrasound image processing
Davis et al. Vision-based, real-time retinal image quality assessment
JP4487535B2 (ja) 健康度測定システムおよびプログラム
KR101716039B1 (ko) 의료 영상 기반의 질환 진단 정보 산출 방법 및 장치
CN112106107A (zh) 显微镜切片图像的聚焦加权的机器学习分类器误差预测
US20170347938A1 (en) Method and apparatus for use in allergy testing
US20220095998A1 (en) Hyperspectral imaging in automated digital dermoscopy screening for melanoma
US20160235372A1 (en) Portable cancer diagnostic device and system
Treacher et al. Deep learning convolutional neural networks for the estimation of liver fibrosis severity from ultrasound texture
KR102340152B1 (ko) 피판술 후 조직 괴사 및 손상의 조기 예측 시스템 및 그 방법
CN109685046A (zh) 一种基于图像灰度的皮肤光透明程度分析方法及其装置
Cerrito et al. Weaning, parturitions and illnesses are recorded in rhesus macaque (Macaca mulatta) dental cementum microstructure
CN111528918A (zh) 消融术后肿瘤体积变化趋势图生成装置、设备及存储介质
US20220207719A1 (en) System, method, apparatus, and computer program product for ultrasonic clinical decision support
JP2004267464A (ja) 超音波診断装置
KR20040026780A (ko) 대상 장기의 지방량 측정 시스템 및 지방량 측정프로그램을 기록한 기록매체
WO2020189754A1 (ja) 推定方法、推定モデルの生成方法、プログラム、及び推定装置
US20080107317A1 (en) Method and apparatus for calculating coarseness level in target organ from ultrasonic image
Takahashi et al. Quantitative evaluation of blood flow obstruction in microcirculation with sidestream dark-field images
Fang et al. Equilibrium Mechanical Properties of the Nonhuman Primate Cervix
JP7412901B2 (ja) 脂肪細胞を包む線維構造の線維化レベルの推定方法、推定装置及び推定プログラム、並びに、皮下組織の粘弾性の推定方法、推定装置及び推定プログラム
EP4159109A1 (en) Image generating device, program, and image generating method
JP2019069025A (ja) 情報処理装置および情報処理方法

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant