KR102354702B1 - 딥러닝을 활용한 소변검사 방법 - Google Patents

딥러닝을 활용한 소변검사 방법 Download PDF

Info

Publication number
KR102354702B1
KR102354702B1 KR1020200002468A KR20200002468A KR102354702B1 KR 102354702 B1 KR102354702 B1 KR 102354702B1 KR 1020200002468 A KR1020200002468 A KR 1020200002468A KR 20200002468 A KR20200002468 A KR 20200002468A KR 102354702 B1 KR102354702 B1 KR 102354702B1
Authority
KR
South Korea
Prior art keywords
urine test
image data
deep learning
data
test sheet
Prior art date
Application number
KR1020200002468A
Other languages
English (en)
Other versions
KR20210089808A (ko
Inventor
권장우
권순원
이선우
Original Assignee
인하대학교 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 인하대학교 산학협력단 filed Critical 인하대학교 산학협력단
Priority to KR1020200002468A priority Critical patent/KR102354702B1/ko
Publication of KR20210089808A publication Critical patent/KR20210089808A/ko
Application granted granted Critical
Publication of KR102354702B1 publication Critical patent/KR102354702B1/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
    • A61B5/145—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
    • A61B5/14507—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 specially adapted for measuring characteristics of body fluids other than blood
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B10/00—Other methods or instruments for diagnosis, e.g. instruments for taking a cell sample, for biopsy, for vaccination diagnosis; Sex determination; Ovulation-period determination; Throat striking implements
    • A61B10/0045—Devices for taking samples of body liquids
    • A61B10/007—Devices for taking samples of body liquids for taking urine samples
    • 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
    • A61B5/14532—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 glucose, e.g. by tissue impedance measurement
    • 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
    • A61B5/14539—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 pH
    • 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
    • A61B5/72—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
    • 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
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7465—Arrangements for interactive communication between patient and care services, e.g. by using a telephone network
    • 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
    • G01J3/46—Measurement of colour; Colour measuring devices, e.g. colorimeters
    • 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
    • G01N21/75—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated
    • G01N21/77—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator
    • G01N21/78—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator producing a change of colour
    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B10/00—Other methods or instruments for diagnosis, e.g. instruments for taking a cell sample, for biopsy, for vaccination diagnosis; Sex determination; Ovulation-period determination; Throat striking implements
    • A61B2010/0003—Other methods or instruments for diagnosis, e.g. instruments for taking a cell sample, for biopsy, for vaccination diagnosis; Sex determination; Ovulation-period determination; Throat striking implements including means for analysis by an unskilled person
    • A61B2010/0006—Other methods or instruments for diagnosis, e.g. instruments for taking a cell sample, for biopsy, for vaccination diagnosis; Sex determination; Ovulation-period determination; Throat striking implements including means for analysis by an unskilled person involving a colour change

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Artificial Intelligence (AREA)
  • Optics & Photonics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Physiology (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Primary Health Care (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Evolutionary Computation (AREA)
  • Emergency Medicine (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Plasma & Fusion (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Data Mining & Analysis (AREA)
  • Immunology (AREA)
  • Nursing (AREA)
  • Hematology (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

딥러닝을 활용한 소변검사 방법이 개시된다. 일 실시예에 따른 소변 검사 시스템에 의해 수행되는 소변 검사 방법은, 소변 검사 시트를 이용하여 실시된 소변 검사를 통하여 변화된 소변 검사 시트를 촬영함에 따라 이미지 데이터를 생성하는 단계; 상기 생성된 이미지 데이터를 딥러닝 모델에 입력하여 학습시킴에 따라 기준 데이터에 기반하여 상기 이미지 데이터를 변환하기 위한 결과값을 획득하는 단계; 및 상기 획득된 결과값을 이용하여 판단된 색상 정보를 데이터베이스에 저장된 건강 상태 정보 및 색상 데이터를 매칭하여 검사 결과를 제공하는 단계를 포함할 수 있다.

Description

딥러닝을 활용한 소변검사 방법{URINE TEST METHOD USING DEEP LEARNING}
아래의 설명은 소변 검사 기술에 관한 것이다.
기존에는 특수한 소변 검사 시트를 제작하거나, 소변 검사 결과를 측정 가능하게 하는 별도의 제품을 활용하는 방법으로 소변검사의 정확성과 편리성을 높이려는 시도들이 있었다. 하지만 특수 제작 되었고, 측정 결과 확인을 위한 추가적인 제품 구매가 필수적이기 때문에 추가적인 비용이 소모되며 불편하다.
또한, 기존의 다른 연구에서는 QR코드와 같은 마킹 기법을 활용하여 이러한 문제를 해결하려고 하였지만 앞서 언급한대로 추가적인 옵션 제품 구매가 필요하기 때문에 불편하다.
최근 딥러닝 기술의 발전으로 컴퓨터 비전의 영역은 인간보다 컴퓨터가 더욱 뛰어난 인식 및 판별 정확도를 보여준다. 이에 따라 딥러닝 기술을 적용하여 소변 검사 시트의 색상 변화를 감지하여 검사 결과를 도출하는 기술이 제안될 필요가 있다.
공개특허공보 제10-2016-0052442호(2016.05.12.), 공개특허공보 제10-2018-0038958호(2018.04.17.)
본 발명에서는 딥러닝 기술을 활용하여 소변 검사 시트지를 촬영하였을 때 발생되는 외부적 요인에 의한 오차를 줄여 소변검사에 의해 발생되는 시트지의 색변화를 정확히 감지하고 해당 색변화가 나타내는 정보를 알려주는 방법을 제안한다.
소변 검사 시스템에 의해 수행되는 소변 검사 방법은, 소변 검사 시트를 이용하여 실시된 소변 검사를 통하여 변화된 소변 검사 시트를 촬영함에 따라 이미지 데이터를 생성하는 단계; 상기 생성된 이미지 데이터를 딥러닝 모델에 입력하여 학습시킴에 따라 기준 데이터에 기반하여 상기 이미지 데이터를 변환하기 위한 결과값을 획득하는 단계; 및 상기 획득된 결과값을 이용하여 판단된 색상 정보를 데이터베이스에 저장된 건강 상태 정보 및 색상 데이터를 매칭하여 검사 결과를 제공하는 단계를 포함할 수 있다.
상기 획득하는 단계는, 소변 검사를 위한 딥러닝 모델을 구성하고, 상기 구성된 딥러닝 모델에 기초하여 상기 소변 검사를 통하여 변화된 소변 검사 시트를 촬영한 이미지를 기준 데이터를 이용하여 입력하는 단계를 포함할 수 있다.
상기 딥러닝 모델은, 딥러닝 네트워크를 통하여 이미지에 포함된 그림자와 조명 효과를 포함하는 잡음을 제거하고, 기준이 되는 소변 검사 데이터로 상기 촬영된 이미지 데이터를 변환하기 위한 커널값을 반환할 수 있다.
상기 획득하는 단계는, 상기 획득된 결과값을 활용하여 상기 이미지 데이터에 대한 기준 데이터와의 연산을 통하여 이미지 필터링을 수행하고, 상기 이미지 필터링이 수행된 이미지 데이터에 구성된 소변 검사 시트의 각각이 나타내는 색상 정보를 판단하는 단계를 포함할 수 있다.
상기 소변 검사 방법은, 동일한 사용자에 의하여 소변 검사를 실시하기 전에 소변 검사 시트가 촬영됨에 따라 생성된 이미지 데이터를 기준 데이터로 설정하는 단계를 더 포함하고, 상기 소변 검사를 실시하기 전에 소변 검사 시트를 촬영한 이미지 데이터와 상기 소변 검사를 실시한 소변 검사 시트를 촬영한 이미지 데이터는 동일한 환경에서 촬영된 것일 수 있다.
상기 소변 검사 방법은, 서로 다른 사용자에 의하여 소변 검사를 실시하기 전에 소변 검사 시트가 촬영됨에 따라 생성된 이미지 데이터를 기준 데이터로서 데이터베이스에 저장하는 단계를 더 포함하고, 상기 소변 검사를 실시하기 전에 소변 검사 시트를 촬영한 이미지 데이터와 상기 소변 검사를 실시한 소변 검사 시트를 촬영한 이미지 데이터는 동일한 환경에서 촬영된 것일 수 있다.
상기 제공하는 단계는, 상기 기준 데이터의 소변 검사 시트에 구성된 손잡이 영역의 RGB 값을 이용하여 상기 이미지 데이터의 손잡이 영역의 색상값을 일치시키는 단계를 포함하고, 상기 RGB 값은 255, 255, 255의 흰색을 나타낼 수 있다.
소변 검사 시스템은, 소변 검사 시트를 이용하여 실시된 소변 검사를 통하여 변화된 소변 검사 시트를 촬영함에 따라 이미지 데이터를 생성하는 생성부; 상기 생성된 이미지 데이터를 딥러닝 모델에 입력하여 학습시킴에 따라 기준 데이터에 기반하여 상기 이미지 데이터를 변환하기 위한 결과값을 획득하는 획득부; 및 상기 획득된 결과값을 이용하여 판단된 색상 정보를 데이터베이스에 저장된 건강 상태 정보 및 색상 데이터를 매칭하여 검사 결과를 제공하는 제공부를 포함할 수 있다.
상기 획득부는, 소변 검사를 위한 딥러닝 모델을 구성하고, 상기 구성된 딥러닝 모델에 기초하여 상기 소변 검사를 통하여 변화된 소변 검사 시트를 촬영한 이미지를 기준 데이터를 이용하여 입력할 수 있다.
상기 딥러닝 모델은, 딥러닝 네트워크를 통하여 이미지에 포함된 그림자와 조명 효과를 포함하는 잡음을 제거하고, 기준이 되는 소변 검사 데이터로 상기 촬영된 이미지 데이터를 변환하기 위한 커널값을 반환할 수 있다.
상기 획득부는, 상기 획득된 결과값을 활용하여 상기 이미지 데이터에 대한 기준 데이터와의 연산을 통하여 이미지 필터링을 수행하고, 상기 이미지 필터링이 수행된 이미지 데이터에 구성된 소변 검사 시트의 각각이 나타내는 색상 정보를 판단할 수 있다.
상기 소변 검사 시스템은, 동일한 사용자에 의하여 소변 검사를 실시하기 전에 소변 검사 시트가 촬영됨에 따라 생성된 이미지 데이터를 기준 데이터로 설정하는 설정부를 더 포함하고, 상기 소변 검사를 실시하기 전에 소변 검사 시트를 촬영한 이미지 데이터와 상기 소변 검사를 실시한 소변 검사 시트를 촬영한 이미지 데이터는 동일한 환경에서 촬영된 것일 수 있다.
상기 소변 검사 시스템은, 서로 다른 사용자에 의하여 소변 검사를 실시하기 전에 소변 검사 시트가 촬영됨에 따라 생성된 이미지 데이터를 기준 데이터로서 데이터베이스에 저장하는 저장부를 더 포함하고, 상기 소변 검사를 실시하기 전에 소변 검사 시트를 촬영한 이미지 데이터와 상기 소변 검사를 실시한 소변 검사 시트를 촬영한 이미지 데이터는 동일한 환경에서 촬영된 것일 수 있다.
상기 제공부는, 상기 기준 데이터의 소변 검사 시트에 구성된 손잡이 영역의 RGB 값을 이용하여 상기 이미지 데이터의 손잡이 영역의 색상값을 일치시키는 것을 포함하고, 상기 RGB 값은 255, 255, 255의 흰색을 나타낼 수 있다.
본 발명은 추가적인 제품 구매 없이 약국이나 온라인을 통해 쉽게 구할 수 있는 일반적인 소변검사 키트를 활용하기 때문에 경제적이며, 사용자가 전문가의 도움 없이도 스스로 몸 상태를 판별할 수 있도록 하기 때문에 편리하다.
또한, 컴퓨터 자원을 활용하기 때문에 사용자의 색맹 유무, 지식의 오류, 자의적 판단 등 소변 검사를 통해 파악하려고 하는 정보에 오류를 발생시킬 수 있는 인적 요인을 최소화하여 더욱 정확하다.
본 발명을 활용해 더욱 정확하고, 편리하며, 저렴하게 소변 검사를 실시할 수 있다.
도 1은 일 실시예에 따른 소변 검사 시스템의 개괄적인 동작을 설명하기 위한 도면이다.
도 2는 일 실시예에 따른 소변 검사 시스템의 구성을 설명하기 위한 블록도이다.
도 3은 일 실시예에 따른 소변 검사 시스템에서 딥러닝 모델을 활용한 소변 검사 방법을 설명하기 위한 흐름도이다.
도 4는 일 실시예에 따른 소변 검사 시스템에서 딥러닝을 활용하여 이미지 변환 방법을 설명하기 위한 흐름도이다.
도 5는 일 실시예에 따른 소변 검사 시스템의 데이터베이스에 저장된 기준 데이터의 예를 설명하기 위한 도면이다.
도 6은 일 실시예에 따른 소변 검사 시스템에서 기준 데이터에 따른 이미지의 색상을 변환한 예를 설명하기 위한 도면이다.
도 7은 일 실시예에 따른 소변 검사 시스템에서 이미지를 변환한 예를 설명하기 위한 도면이다.
도 8은 일 실시예에 따른 소변 검사 시스템에서 건강 상태 정보를 출력하는 예를 설명하기 위한 도면이다.
이하, 실시예를 첨부한 도면을 참조하여 상세히 설명한다.
도 1은 일 실시예에 따른 소변 검사 시스템의 개괄적인 동작을 설명하기 위한 도면이다.
실시예에 따른 소변 검사 시스템(100)은 컴퓨터로 구현된 컴퓨터 시스템이 구성될 수 있다. 이때, 소변 검사 시스템(100)은 스마트폰(smart phone), 휴대폰, 내비게이션, 컴퓨터, 노트북, 디지털방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿 PC, 게임 콘솔(game console), 웨어러블 디바이스(wearable device), IoT(internet of things) 디바이스, VR(virtual reality) 디바이스, AR(augmented reality) 디바이스를 포함하는 전자 기기일 수 있다. 일례로, 소변 검사 시스템은 독립적으로 동작하는 프로그램 형태로 구현되거나, 혹은 특정 어플리케이션의 인-앱(in-app) 형태로 구성되어 상기 특정 어플리케이션 상에서 동작이 가능하도록 구현될 수 있고 경우에 따라 서버와의 연동을 통해 소변 검사 서비스를 제공할 수 있다.
소변 검사가 실시될 수 있다(110). 사용자는 일반적인 소변 검사와 동일하게 소변 검사를 실시한다. 소변 검사 시스템(100)은 소변 검사가 실시됨에 따라 촬영된 이미지 데이터를 입력받을 수 있다(120). 예를 들면, 스마트 폰 카메라를 통하여 소변 검사 시트가 촬영될 수 있다. 이때, 소변 검사 시트는 다양한 형태(예를 들면, 크기, 색상, 배열 등)가 존재할 수 있으며, 실시예에서는 설명의 편의를 위하여 소변 검사 스틱을 예를 들어 설명하기로 한다. 또한, 평평한 장소에 놓고 이미지 데이터(사진)가 촬영될 수 있다.
소변 검사 시스템(100)은 촬영된 이미지 데이터를 기반으로 하여 컴퓨터 비전 기술과 데이터베이스를 활용해 사용자의 건강 상태 정보를 디스플레이 장치를 통해 출력할 수 있다. 이때, 이미지를 촬영하는 과정에서 조명이나 그림자에 의한 색상 왜곡이 발생될 수 있는 문제점을 해결하기 위하여, 컴퓨터 비전 기술을 활용하여 색상을 정확히 감지하더라도 왜곡된 색상 정보가 마찬가지로 사용자에게 전달될 수 있다.
구체적으로, 소변 검사 시스템(100)은 촬영된 이미지 데이터의 변환 프로세스를 수행할 수 있다(130). 소변 검사 시스템(100)은 촬영된 이미지 데이터를 입력으로 하여 딥러닝을 활용하는 이미지 변환 프로세스를 수행할 수 있다.
소변 검사 시스템(100)은 변환된 이미지 데이터를 분석할 수 있다(140). 소변 검사 시스템은 변환된 깨끗한 이미지 데이터에 대하여 컴퓨터 비전 기술을 통해 정확한 색상 정보를 파악하고, 데이터베이스에 저장된 각종 건강 상태 정보 및 색상 데이터들을 매칭하여 가장 정확한 상태 정보를 반환할 수 있다.
구체적으로, 도 4를 참고하면, 딥러닝을 활용하여 이미지 변환 방법을 설명하기 위한 흐름도이다. 소변 검사 시스템은 입력된 이미지 데이터를 딥러닝 네트워크에 입력하여 예측을 수행할 수 있다. 이때, 입력된 이미지는 소변 검사를 실시함에 따라 촬영된 이미지를 의미할 수 있다. 소변 검사 시스템은 기존에 훈련된 딥러닝 네트워크를 활용하여 입력으로 들어온 이미지 데이터에 대하여 그림자와 조명 효과를 제거할 수 있다. 소변 검사 시스템은 그림자와 조명 효과를 제거한 이미지 데이터에 대하여 데이터베이스에 저장된 기준이 되는 기준 데이터로 변환하는데 필요한 변환 커널값을 반환할 수 있다.
소변 검사 시스템(100)은 사용자의 건강 상태 정보를 제공할 수 있다. 소변 검사 시스템(100)은 이미지 데이터의 분석을 통해 반환된 사용자의 건강 상태 정보를 디스플레이를 통해 출력할 수 있다. 예를 들면, 소변 검사 시스템(100)은 사용자의 건강 상태 정보를 텍스트 데이터 또는 음성 데이터 중 어느 하나 이상의 데이터를 통하여 전달할 수 있다.
도 2는 일 실시예에 따른 소변 검사 시스템의 구성을 설명하기 위한 블록도이고, 도 3은 일 실시예에 따른 소변 검사 시스템에서 딥러닝 모델을 활용한 소변 검사 방법을 설명하기 위한 흐름도이다.
소변 검사 시스템(100)에 포함된 프로세서는 이미지 생성부(210), 획득부(220) 및 제공부(230)를 포함할 수 있다. 이러한 프로세서 및 프로세서의 구성요소들은 도 3의 딥러닝 모델을 활용한 소변 검사 방법이 포함하는 단계들(310 내지 330)을 수행하도록 소변 검사 시스템을 제어할 수 있다. 이때, 프로세서 및 프로세서의 구성요소들은 메모리가 포함하는 운영체제의 코드와 적어도 하나의 프로그램의 코드에 따른 명령(instruction)을 실행하도록 구현될 수 있다. 여기서, 프로세서의 구성요소들은 소변 검사 시스템(100)에 저장된 프로그램 코드가 제공하는 제어 명령에 따라 프로세서에 의해 수행되는 서로 다른 기능들(different functions)의 표현들일 수 있다.
프로세서는 딥러닝 모델을 활용한 소변 검사 방법을 위한 프로그램의 파일에 저장된 프로그램 코드를 메모리에 로딩할 수 있다. 예를 들면, 소변 검사 시스템(100)에서 프로그램이 실행되면, 프로세서는 운영체제의 제어에 따라 프로그램의 파일로부터 프로그램 코드를 메모리에 로딩하도록 소변 검사 시스템을 제어할 수 있다.
단계(310)에서 이미지 생성부(210)는 소변 검사 시트를 이용하여 실시된 소변 검사를 통하여 변화된 소변 검사 시트를 촬영함에 따라 이미지를 생성할 수 있다. 사전에, 설정부(미도시됨)는 동일한 사용자에 의하여 소변 검사를 실시하기 전에 소변 검사 시트가 촬영됨에 따라 생성된 이미지 데이터를 기준 데이터로 설정할 수 있다. 소변 검사를 실시하기 전에 소변 검사 시트를 촬영한 이미지 데이터와 소변 검사를 실시한 소변 검사 시트를 촬영한 이미지 데이터는 동일한 환경에서 촬영된 것을 의미할 수 있다. 또는, 저장부(미도시됨)는 서로 다른 사용자에 의하여 소변 검사를 실시하기 전에 소변 검사 시트가 촬영됨에 따라 생성된 이미지 데이터를 기준 데이터로서 데이터베이스에 저장할 수 있다. 이때, 소변 검사를 실시하기 전에 소변 검사 시트를 촬영한 이미지 데이터와 소변 검사를 실시한 소변 검사 시트를 촬영한 이미지 데이터는 동일한 환경에서 촬영된 것을 의미할 수 있다.
단계(320)에서 획득부(220)는 생성된 이미지 데이터를 딥러닝 모델에 입력하여 학습시킴에 따라 기준 데이터에 기반하여 이미지 데이터를 변환하기 위한 결과값을 획득할 수 있다. 획득부(220)는 소변 검사를 위한 딥러닝 모델을 구성하고, 구성된 딥러닝 모델에 기초하여 소변 검사를 통하여 변화된 소변 검사 시트를 촬영한 이미지를 기준 데이터를 이용하여 입력할 수 있다. 이때, 딥러닝 모델은 딥러닝 네트워크를 통하여 이미지에 포함된 그림자와 조명 효과를 포함하는 잡음을 제거하고, 기준이 되는 소변 검사 데이터로 촬영된 이미지 데이터를 변환하기 위한 커널값을 반환할 수 있다. 획득부(220)는 획득된 결과값을 활용하여 이미지 데이터에 대한 기준 데이터와의 연산을 통하여 이미지 필터링을 수행하고, 이미지 필터링이 수행된 이미지 데이터에 구성된 소변 검사 시트의 각각이 나타내는 색상 정보를 판단할 수 있다.
단계(330)에서 제공부(230)는 획득된 결과값을 이용하여 판단된 색상 정보를 데이터베이스에 저장된 건강 상태 정보 및 색상 데이터를 매칭하여 검사 결과를 제공할 수 있다. 제공부(230)는 기준 데이터의 소변 검사 시트에 구성된 손잡이 영역의 RGB 값을 이용하여 이미지 데이터의 손잡이 영역의 색상값을 일치시킬 수 있다. RGB 값은 255, 255, 255의 흰색을 나타낼 수 있다.
도 5는 일 실시예에 따른 소변 검사 시스템의 데이터베이스에 저장된 기준 데이터의 예를 설명하기 위한 도면이다.
도 5를 참고하면, 데이터베이스에 저장된 소변 검사를 실시하기 전의 소변 검사 스틱의 이미지 데이터를 나타낸 것이다. 예를 들면, 동일한 환경(예를 들면, 동일한 병원, 동일한 위치, 동일한 사용자 등)에서 소변 검사를 실시하기 전에 사용자에 의하여 동일한 전자 기기를 이용하여 소변 검사 스틱이 촬영될 수 있다. 이때, 동일한 환경은 소변 검사가 실시되기 전의 환경과 소변 검사가 실시된 후의 환경이 동일한 조건을 의미할 수 있다. 소변 검사 시스템은 전자 기기를 이용하여 촬영된 소변 검사 스틱에 대한 이미지 데이터를 데이터베이스에 저장할 수 있다. 소변 검사 시스템은 데이터베이스에 저장된 이미지 데이터를 기준 데이터로 설정할 수 있다.
다른 예로서, 사전에 소변 검사를 실시하기 전에 소변 검사 스틱이 촬영되어 있을 수 있다. 예를 들면, 동일한 환경(예를 들면, 동일한 병원, 동일한 위치 등)에서 복수의 사용자에 의하여 소변 검사를 실시하기 전에 소변 검사 스틱이 촬영될 수 있고, 촬영된 이미지 데이터에 대한 별도의 처리 과정을 수행함으로써 기준 데이터가 생성될 수 있다. 이때, 소변 검사 시스템은 생성된 기준 데이터를 데이터베이스에 저장할 수 있다.
도 6은 일 실시예에 따른 소변 검사 시스템에서 기준 데이터에 따른 이미지의 색상을 변환한 예를 설명하기 위한 도면이다.
도 6을 참고하면, 기준 데이터에 따른 이미지 데이터의 색상 정보를 변환한 것이다. 소변 검사 시스템은 소변 검사를 실시한 후에 촬영된 소변 검사 스틱에 대한 이미지 데이터를 획득할 수 있다. 소변 검사 시스템은 소변 검사를 위하여 구성된 딥러닝 모델을 활용하여 소변 검사를 실시함에 따라 촬영된 이미지 데이터를 기준 데이터에 기초하여 색상 정보를 변환시킬 수 있다.
도 7은 일 실시예에 따른 소변 검사 시스템에서 이미지를 변환한 예를 설명하기 위한 도면이다.
소변 검사 시스템은 기준 데이터를 기반으로 하여 소변 검사를 실시함에 따라 촬영된 이미지 데이터를 변환할 수 있다. 소변 검사 시스템은 기준 데이터인 소변 검사를 실시하기 전의 소변 검사 스틱을 기반으로 하여 소변 검사를 실시함에 따라 촬영된 이미지 데이터를 변환하여, 기준 데이터의 소변 검사 스틱의 손잡이 영역(소변 검사 스틱의 손잡이 흰색 부분)과 색상값이 일치하도록 소변 검사를 실시함에 따라 촬영된 이미지 데이터를 변환할 수 있다. 도 7을 참고하면, 왼쪽 상단의 도면은 기준 데이터(소변 검사 스틱)을 나타낸 것이고, 왼쪽 하단의 도면은 소변 검사가 실시됨에 따라 촬영된 이미지 데이터를 나타낸 것이다.
예를 들면, 기준 데이터에서 소변 검사 스틱에 존재하는 상단 또는 하단의 손잡이 영역이 흰색일 수 있다. 이러한 흰색의 RGB 값은 (255, 255, 255)이다. 소변 검사 시스템은 기준 데이터에서 소변 검사 스틱에 존재하는 손잡이 영역의 RGB 값과 일치하도록 소변 검사를 실시함에 따라 촬영된 이미지 데이터의 전체를 변환할 수 있다. 다시 말해서, 소변 검사 시스템은 기준 데이터에서 소변 검사 스틱에 존재하는 손잡이 영역의 흰색 RGB값과 일치하도록 소변 검사를 실시함에 따라 촬영된 이미지 데이터의 전체를 변환할 수 있다. 이에 따라, 소변 검사 시스템은 이미지 데이터를 변환한 결과 이미지를 오른쪽 도면과 같이 나타낼 수 있다.
도 8은 일 실시예에 따른 소변 검사 시스템에서 건강 상태 정보를 출력하는 예를 설명하기 위한 도면이다.
소변 검사 시스템은 데이터베이스에 기반하여 건강 상태 정보를 출력할 수 있다. 예를 들면, 전자 기기를 통하여 건강 상태 정보가 출력될 수 있다. 소변 검사 시스템은 판단된 색상 정보를 데이터베이스에 저장된 건강 상태 정보 및 색상 데이터를 매칭하여 검사 결과를 제공할 수 있다. 데이터베이스에 건강 상태 정보 및 색상 데이터의 매칭을 수행하기 위한 기준 정보가 저장되어 있을 수 있다. 여기서, 기준 정보란, 소변 검사를 실시한 소변 검사 스틱에 변화된 항목들이 정상 범위에 존재하는지 여부를 식별하기 위한 정상 데이터일 수 있다. 이때, 데이터베이스에 소변 검사 스틱에 구성된 각각의 항목에 대한 정상 데이터를 함하는 기준 정보에 기초하여 판단된 색상 정보가 비교되어 검사 결과가 획득될 수 있다.
소변 검사 시스템은 소변 검사 스틱에 구성된 각각의 항목에 대한 건강 상태 정보를 제공할 수 있다. 소변 검사 스틱이 복수 개의 항목으로 구성될 수 있다. 이때, 복수 개의 항목 각각은 서로 다른 건강 상태 정보를 파악하기 위한 검사 항목일 수 있다. 도 8에 도시된 바와 같이, 소변 검사 스틱이 6개의 항목으로 구성되어 있을 경우, 각각의 항목에 대한 건강 상태 정보를 제공할 수 있다. 예를 들면, "제1 항목에서 Glucose가 60일 경우, 정상 범위보다 많은 당이 검출되었습니다. 당뇨병일 확률이 높습니다. 이 검사만으로는 진단을 확정할 수 없으니, 가까운 병원에서 혈당 검사를 받으시길 바랍니다"와 같은 건강 상태 정보가 출력될 수 있다. 다른 예를 들면, "제4항목에서 pH가 5.0일 경우, 정상 기준 5.0~6.5와 비교하였을 때 정상입니다"와 같은 건강 상태 정보가 출력될 수 있다. 이때, 각각의 항목에 대한 검사 결과의 정확도가 함께 제공될 수 있다.
소변 검사 시스템은 건강 상태 정보를 각각의 항목에 대한 위험 정도에 따라 다르게 표시할 수 있다. 소변 검사 시스템은 각각의 항목에 대한 결과값의 위험 정도를 판단하기 위한 위험 복수 개의 범위를 분류할 수 있고, 분류된 복수 개의 범위에 사용자의 건강 상태 정보가 어느 범위에 해당되는지 판단할 수 있다. 이때, 가장 위험한 범위에 속하는 것으로 판단될 경우, 빨간색으로 건강 상태가 위험한 것을 표시함으로써 최대한 빨리 병원에 가서 진료를 받을 수 있도록 경각심을 불러일으킬 수 있다. 또는, 각각의 항목과 연관된 병원 정보를 함께 제공함으로써, 병원에 예약을 진행할 수 있도록 한다. 이때, 사용자로부터 선택된 병원 정보에 대한 예약 절차가 제공됨으로써 사용자가 원하는 날짜에 예약을 신청할 수 있고, 또는, 사용자로부터 선택된 병원 정보에 대한 전화가 연결됨으로써 병원을 통하여 사용자가 원하는 날짜에 예약을 신청하도록 제공할 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
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.
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.

Claims (14)

  1. 소변 검사 시스템에 의해 수행되는 소변 검사 방법에 있어서,
    소변 검사 시트를 이용하여 실시된 소변 검사를 통하여 변화된 소변 검사 시트를 촬영함에 따라 이미지 데이터를 생성하는 단계;
    상기 생성된 이미지 데이터를 딥러닝 모델에 입력하여 학습시킴에 따라 기준 데이터에 기반하여 상기 이미지 데이터를 변환하기 위한 결과값을 획득하는 단계; 및
    상기 획득된 결과값을 이용하여 판단된 색상 정보를 데이터베이스에 저장된 건강 상태 정보 및 색상 데이터를 매칭하여 검사 결과를 제공하는 단계
    를 포함하고,
    동일한 사용자에 의하여 소변 검사를 실시하기 전에 소변 검사 시트가 촬영됨에 따라 생성된 이미지 데이터를 기준 데이터로 설정하는 단계; 및
    서로 다른 사용자에 의하여 소변 검사를 실시하기 전에 소변 검사 시트가 촬영됨에 따라 생성된 이미지 데이터를 기준 데이터로서 데이터베이스에 저장하는 단계
    를 더 포함하고,
    상기 생성된 이미지 데이터는, 상기 소변 검사 시트가 촬영된 이미지의 그림자와 조명 효과를 포함하는 잡음이 제거된 것이고,
    상기 획득하는 단계는,
    상기 획득된 결과값을 활용하여 상기 이미지 데이터에 대한 기준 데이터와의 연산을 통하여 이미지 필터링을 수행하고, 상기 이미지 필터링이 수행된 이미지 데이터에 구성된 소변 검사 시트의 각각이 나타내는 색상 정보를 판단하는 단계
    를 포함하고,
    상기 제공하는 단계는,
    상기 기준 데이터의 소변 검사 시트에 구성된 특정 영역의 RGB 값을 이용하여 상기 이미지 데이터의 특정 영역의 색상값을 일치시키고, 서로 다른 건강 상태 정보를 파악하기 위하여 구성된 소변 검사 시트의 복수 개의 항목에 대한 건강 상태 정보를 제공하는 단계
    를 포함하고,
    상기 소변 검사를 실시하기 전에 소변 검사 시트를 촬영한 이미지 데이터와 상기 소변 검사를 실시한 후에 소변 검사 시트를 촬영한 이미지 데이터는 동일한 환경에서 촬영된 것
    을 포함하는 소변 검사 방법.
  2. 제1항에 있어서,
    상기 획득하는 단계는,
    소변 검사를 위한 딥러닝 모델을 구성하고, 상기 구성된 딥러닝 모델에 기초하여 상기 소변 검사를 통하여 변화된 소변 검사 시트를 촬영한 이미지를 기준 데이터를 이용하여 입력하는 단계
    를 포함하는 소변 검사 방법.
  3. 제2항에 있어서,
    상기 딥러닝 모델은,
    딥러닝 네트워크를 통하여 기준이 되는 소변 검사 데이터로 상기 촬영된 이미지 데이터를 변환하기 위한 커널값을 반환하도록 학습된
    것을 특징으로 하는 소변 검사 방법.
  4. 삭제
  5. 삭제
  6. 삭제
  7. 제1항에 있어서,
    상기 제공하는 단계는,
    상기 기준 데이터의 소변 검사 시트에 구성된 손잡이 영역의 RGB 값을 이용하여 상기 이미지 데이터의 손잡이 영역의 색상값을 일치시키는 단계
    를 포함하고,
    상기 RGB 값은 255, 255, 255의 흰색을 나타내는
    것을 특징으로 하는 소변 검사 방법.
  8. 소변 검사 시스템에 있어서,
    소변 검사 시트를 이용하여 실시된 소변 검사를 통하여 변화된 소변 검사 시트를 촬영함에 따라 이미지 데이터를 생성하는 생성부;
    상기 생성된 이미지 데이터를 딥러닝 모델에 입력하여 학습시킴에 따라 기준 데이터에 기반하여 상기 이미지 데이터를 변환하기 위한 결과값을 획득하는 획득부;
    상기 획득된 결과값을 이용하여 판단된 색상 정보를 데이터베이스에 저장된 건강 상태 정보 및 색상 데이터를 매칭하여 검사 결과를 제공하는 제공부;
    동일한 사용자에 의하여 소변 검사를 실시하기 전에 소변 검사 시트가 촬영됨에 따라 생성된 이미지 데이터를 기준 데이터로 설정하는 설정부; 및
    서로 다른 사용자에 의하여 소변 검사를 실시하기 전에 소변 검사 시트가 촬영됨에 따라 생성된 이미지 데이터를 기준 데이터로서 데이터베이스에 저장하는 저장부
    를 포함하고,
    상기 생성된 이미지 데이터는, 상기 소변 검사 시트가 촬영된 이미지의 그림자와 조명 효과를 포함하는 잡음이 제거된 것이고,
    상기 획득부는,
    상기 획득된 결과값을 활용하여 상기 이미지 데이터에 대한 기준 데이터와의 연산을 통하여 이미지 필터링을 수행하고, 상기 이미지 필터링이 수행된 이미지 데이터에 구성된 소변 검사 시트의 각각이 나타내는 색상 정보를 판단하는 것을 포함하고,
    상기 제공부는,
    상기 기준 데이터의 소변 검사 시트에 구성된 특정 영역의 RGB 값을 이용하여 상기 이미지 데이터의 특정 영역의 색상값을 일치시키고, 서로 다른 건강 상태 정보를 파악하기 위하여 구성된 소변 검사 시트의 복수 개의 항목에 대한 건강 상태 정보를 제공하는 것을 포함하고,
    상기 소변 검사를 실시하기 전에 소변 검사 시트를 촬영한 이미지 데이터와 상기 소변 검사를 실시한 후에 소변 검사 시트를 촬영한 이미지 데이터는 동일한 환경에서 촬영된 것
    을 포함하는 소변 검사 시스템.
  9. 제8항에 있어서,
    상기 획득부는,
    소변 검사를 위한 딥러닝 모델을 구성하고, 상기 구성된 딥러닝 모델에 기초하여 상기 소변 검사를 통하여 변화된 소변 검사 시트를 촬영한 이미지를 기준 데이터를 이용하여 입력하는
    것을 특징으로 하는 소변 검사 시스템.
  10. 제9항에 있어서,
    상기 딥러닝 모델은,
    딥러닝 네트워크를 통하여 기준이 되는 소변 검사 데이터로 상기 촬영된 이미지 데이터를 변환하기 위한 커널값을 반환하도록 학습된
    것을 특징으로 하는 소변 검사 시스템.
  11. 삭제
  12. 삭제
  13. 삭제
  14. 제8항에 있어서,
    상기 제공부는,
    상기 기준 데이터의 소변 검사 시트에 구성된 손잡이 영역의 RGB 값을 이용하여 상기 이미지 데이터의 손잡이 영역의 색상값을 일치시키는 것을 포함하고,
    상기 RGB 값은 255, 255, 255의 흰색을 나타내는
    것을 특징으로 하는 소변 검사 시스템.
KR1020200002468A 2020-01-08 2020-01-08 딥러닝을 활용한 소변검사 방법 KR102354702B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200002468A KR102354702B1 (ko) 2020-01-08 2020-01-08 딥러닝을 활용한 소변검사 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200002468A KR102354702B1 (ko) 2020-01-08 2020-01-08 딥러닝을 활용한 소변검사 방법

Publications (2)

Publication Number Publication Date
KR20210089808A KR20210089808A (ko) 2021-07-19
KR102354702B1 true KR102354702B1 (ko) 2022-01-25

Family

ID=77126083

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200002468A KR102354702B1 (ko) 2020-01-08 2020-01-08 딥러닝을 활용한 소변검사 방법

Country Status (1)

Country Link
KR (1) KR102354702B1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106295139A (zh) * 2016-07-29 2017-01-04 姹ゅ钩 一种基于深度卷积神经网络的舌体自诊健康云服务系统
JP2018108327A (ja) * 2016-12-28 2018-07-12 サイマックス株式会社 健康モニタリングシステム、健康モニタリング方法および健康モニタリングプログラム

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102199462B1 (ko) * 2014-11-04 2021-01-06 삼성전자주식회사 생체 정보 측정 방법 및 이를 위한 장치
KR101898594B1 (ko) * 2016-10-07 2018-09-13 주식회사 에코메트론 소변분석용 스트립 및 이를 이용한 소변분석 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106295139A (zh) * 2016-07-29 2017-01-04 姹ゅ钩 一种基于深度卷积神经网络的舌体自诊健康云服务系统
JP2018108327A (ja) * 2016-12-28 2018-07-12 サイマックス株式会社 健康モニタリングシステム、健康モニタリング方法および健康モニタリングプログラム

Also Published As

Publication number Publication date
KR20210089808A (ko) 2021-07-19

Similar Documents

Publication Publication Date Title
CN107680684B (zh) 用于获取信息的方法及装置
JP7228585B2 (ja) 分析測定を行うための方法および装置
CN106462572A (zh) 用于分布式光学字符识别和分布式机器语言翻译的技术
KR101955919B1 (ko) 딥러닝 기반의 영상데이터 내 관심영역 설정방법 및 프로그램
US20220005600A1 (en) Identifying anomalous brain data
CN106415605A (zh) 用于分布式光学字符识别和分布式机器语言翻译的技术
CN111008957A (zh) 医疗信息处理方法和装置
WO2021005613A1 (en) Chest radiograph image analysis system and a method thereof
CN113763348A (zh) 图像质量确定方法、装置、电子设备及存储介质
CN110826646A (zh) 机器人视觉测试方法、装置、存储介质及终端设备
JP2023502766A (ja) 体液中の分析物の濃度を決定する方法
WO2024074921A1 (en) Distinguishing a disease state from a non-disease state in an image
WO2021105222A1 (en) Method of performing an analytical measurement
CN108776943B (zh) 数据传输方法和装置、存储介质及电子装置
CN111914841B (zh) 一种ct图像处理方法和装置
KR102455536B1 (ko) 영수증 인식 장치, 영수증의 스캔 이미지에서 진료 항목을 자동적으로 인식하는 방법 및 컴퓨터 프로그램
KR102354702B1 (ko) 딥러닝을 활용한 소변검사 방법
CN115965587A (zh) 脉管病理超声图像的识别方法、装置及电子设备
CN114359133A (zh) 基于特征提取的手骨影像分析方法及相关设备
CN115426947A (zh) Sp02小程序：ai辅助sp02测量app
KR102123598B1 (ko) 피부 진단 장치, 시스템 및 그 방법
KR102410848B1 (ko) 이미지 내 개인 식별 정보를 비식별화하는 전자 장치의 비식별화 방법
TWI853122B (zh) 確定體液中分析物濃度之方法
EP4289353A1 (en) Artificial-intelligence-based blood glucose prediction system and method
US20240062857A1 (en) Systems and methods for visualization of medical records

Legal Events

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