KR102360571B1 - 지능형 탈모 진단 및 예후 예측 모델을 위한 이미지 처리 방법 - Google Patents

지능형 탈모 진단 및 예후 예측 모델을 위한 이미지 처리 방법 Download PDF

Info

Publication number
KR102360571B1
KR102360571B1 KR1020200065491A KR20200065491A KR102360571B1 KR 102360571 B1 KR102360571 B1 KR 102360571B1 KR 1020200065491 A KR1020200065491 A KR 1020200065491A KR 20200065491 A KR20200065491 A KR 20200065491A KR 102360571 B1 KR102360571 B1 KR 102360571B1
Authority
KR
South Korea
Prior art keywords
image
characteristic
characteristic information
ratio value
hair
Prior art date
Application number
KR1020200065491A
Other languages
English (en)
Other versions
KR20210148563A (ko
Inventor
이석준
윤재웅
전재헌
Original Assignee
광운대학교 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 광운대학교 산학협력단 filed Critical 광운대학교 산학협력단
Priority to KR1020200065491A priority Critical patent/KR102360571B1/ko
Publication of KR20210148563A publication Critical patent/KR20210148563A/ko
Application granted granted Critical
Publication of KR102360571B1 publication Critical patent/KR102360571B1/ko

Links

Images

Classifications

    • 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
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • 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
    • A61B5/448—Hair evaluation, e.g. for hair disorder diagnosis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4842—Monitoring progression or stage of a disease
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06K9/6267—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/467—Encoded features or binary features, e.g. local binary patterns [LBP]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • 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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • 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
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30088—Skin; Dermal

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Theoretical Computer Science (AREA)
  • Pathology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Evolutionary Computation (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Physiology (AREA)
  • Human Computer Interaction (AREA)
  • Dermatology (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)

Abstract

본 발명의 일 실시예에 따르면, 탈모 진단 장치에 의해 수행되는, 지능형 탈모 진단 및 예후 예측 모델을 위해 이미지를 처리하는 방법에 있어서, 환자의 머리를 다양한 방향에서 카메라로 촬영하는 일반 촬영이 수행되면, 상기 카메라의 일반 촬영을 통해 생성된 복수의 그로스 이미지(Gross image)인 제1 이미지 정보를 획득하고, 상기 환자의 머리를 부위별로 모발확대경으로 촬영하는 근접 촬영이 수행되면, 상기 모발확대경의 근접 촬영을 통해 생성된 복수의 폴리스코프 이미지(Folliscope image)인 제2 이미지 정보를 획득하는 단계; 상기 제1 이미지를 촬영 방향별로 분석하여, 전면 방향에서 촬영된 제1-1 이미지, 우측 방향에서 촬영된 제1-2 이미지, 좌측 방향에서 촬영된 제1-3 이미지, 상측 방향에서 촬영된 제1-4 이미지, 후면 방향에서 촬영된 제1-5 이미지를 구분하여 분류하고, 상기 제2 이미지를 촬영 부위별로 분석하여, 전면 부위를 촬영한 제2-1 이미지, 우측 부위를 촬영한 제2-2 이미지, 좌측 부위를 촬영한 제2-3 이미지, 상측 부위를 촬영한 제2-4 이미지, 후면 부위를 촬영한 제2-5 이미지를 구분하여 분류하는 단계; 및 상기 제2-1 이미지를 기초로, 전면 부위 모발의 개수 및 굵기를 나타내는 제1 특성 정보를 생성하고, 상기 제2-2 이미지를 기초로, 우측 부위 모발의 개수 및 굵기를 나타내는 제2 특성 정보를 생성하고, 상기 제2-3 이미지를 기초로, 좌측 부위 모발의 개수 및 굵기를 나타내는 제3 특성 정보를 생성하고, 상기 제2-4 이미지를 기초로, 상측 부위 모발의 개수 및 굵기를 나타내는 제4 특성 정보를 생성하고, 상기 제2-5 이미지를 기초로, 후면 부위 모발의 개수 및 굵기를 나타내는 제5 특성 정보를 생성하는 단계를 포함하는, 지능형 탈모 진단 및 예후 예측 모델을 위한 이미지 처리 방법이 제공된다.

Description

지능형 탈모 진단 및 예후 예측 모델을 위한 이미지 처리 방법 {METHOD FOR PROCESSING IMAGE FOR INTELLIGENT HAIR LOSS DIAGNOSIS AND PROGNOSIS PREDICTION MODEL}
본 발명은 지능형 탈모 진단 및 예후 예측 모델을 위해 이미지를 처리하는 방법에 관한 것으로, 카메라의 일반 촬영을 통해 생성된 제1 이미지 정보를 획득하고, 모발확대경의 근접 촬영을 통해 생성된 제2 이미지 정보를 획득하고, 제1 이미지를 촬영 방향별로 구분하여 분류하고, 제2 이미지를 촬영 부위별로 구분하여 분류하고, 머리 부위별로 모발의 개수 및 굵기를 나타내는 특성 정보를 생성할 수 있는 지능형 탈모 진단 및 예후 예측 모델을 위한 이미지 처리 방법에 관한 것이다.
탈모는 성인 4명 중 1명의 비율로 나타나는 유병률이 높은 질환이며, 사람의 생명을 위협하거나 인체의 행동을 제약하는 질환은 아니지만, 이로 인하여 유발되는 심리적 문제로 인해 개인의 사회적 기능을 현저하게 떨어뜨리는 질환이다.
탈모에 의한 개인의 스트레스는 상당히 크고, 탈모로 인한 자신감 결여, 대인 기피증 등의 부정적인 요소가 상당하며, 이로 인한 사회적 기회비용의 손실도 적지 않은 상황이며, 탈모 현상은 외모를 중시하는 현대인의 기준에서 매우 심각한 문제로 인식되어 탈모 관련 시장은 최근 폭발적인 성장을 이루고 있다.
일반적으로 탈모는 유전적인 소인에 의해 서서히 진행되는 진행성 질환으로서의 남성형 탈모와 여성형 탈모, 그리고 특정 요인에 의해 갑자기 진행되는 원형탈모와 휴지기 탈모로 나눌 수 있다.
유전적 소인에 의한 남성형 탈모와 여성형 탈모는 탈모라기보다 굵은 모발이 점점 가늘어져서 결국에는 눈에 보이지 않게 솜털이 되어 가는 과정이며, 원형 탈모는 자가면역 체계의 이상으로 인해 면역세포가 자신의 모낭을 공격하여 갑자기 모발이 빠져 없어지게 되는 질환이며, 휴지기 탈모는 내분비계의 이상, 약물부작용 혹은 만성적 영양 불균형, 심한 외부 자극 등으로 인해 갑자기 탈모 현상이 발생하는 질환이다.
이렇게 탈모는 여러 가지 요인에 의해 발생할 수 있으므로 각각의 탈모 환자에 맞춘 진료와 치료가 중요함에도 불구하고, 현재 탈모의 진단은 두피진단기를 통해 촬영된 영상을 토대로 의사가 육안으로 모발의 개수 및 모발의 굵기를 측정하도록 되어 있어서 탈모 진단의 오차 범위가 넓고, 탈모 치료 시행 후에도 치료 효과를 객관적인 수치로 증명하는데 한계가 있는 문제점이 존재한다.
즉, 탈모 진단을 위한 모발의 이미지 분석은 인력과 시간이 많이 소요된다는 단점이 있으며 의사에 따라 주관적인 요소 등으로 인해 객관적인 데이터를 활용한 진단과 치료가 불가능한 상황이다.
따라서, 모발의 이미지를 분석하는데 있어, 인력 및 시간을 단축시키고 정확하고 일관적인 진료 모델에 대한 요구가 증대되고 있다.
본 발명은 전술한 종래기술의 문제점을 해결하기 위한 것으로, 카메라의 일반 촬영을 통해 생성된 제1 이미지 정보를 획득하고, 모발확대경의 근접 촬영을 통해 생성된 제2 이미지 정보를 획득하고, 제1 이미지를 촬영 방향별로 구분하여 분류하고, 제2 이미지를 촬영 부위별로 구분하여 분류하고, 머리 부위별로 모발의 개수 및 굵기를 나타내는 특성 정보를 생성할 수 있는 지능형 탈모 진단 및 예후 예측 모델을 위한 이미지 처리 방법을 제공하기 위한 것을 그 목적으로 한다.
본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다.
상술한 목적을 달성하기 위한 본 발명의 일 실시예에 따르면, 탈모 진단 장치에 의해 수행되는, 지능형 탈모 진단 및 예후 예측 모델을 위해 이미지를 처리하는 방법에 있어서, 환자의 머리를 다양한 방향에서 카메라로 촬영하는 일반 촬영이 수행되면, 상기 카메라의 일반 촬영을 통해 생성된 복수의 그로스 이미지(Gross image)인 제1 이미지 정보를 획득하고, 상기 환자의 머리를 부위별로 모발확대경으로 촬영하는 근접 촬영이 수행되면, 상기 모발확대경의 근접 촬영을 통해 생성된 복수의 폴리스코프 이미지(Folliscope image)인 제2 이미지 정보를 획득하는 단계; 상기 제1 이미지를 촬영 방향별로 분석하여, 전면 방향에서 촬영된 제1-1 이미지, 우측 방향에서 촬영된 제1-2 이미지, 좌측 방향에서 촬영된 제1-3 이미지, 상측 방향에서 촬영된 제1-4 이미지, 후면 방향에서 촬영된 제1-5 이미지를 구분하여 분류하고, 상기 제2 이미지를 촬영 부위별로 분석하여, 전면 부위를 촬영한 제2-1 이미지, 우측 부위를 촬영한 제2-2 이미지, 좌측 부위를 촬영한 제2-3 이미지, 상측 부위를 촬영한 제2-4 이미지, 후면 부위를 촬영한 제2-5 이미지를 구분하여 분류하는 단계; 및 상기 제2-1 이미지를 기초로, 전면 부위 모발의 개수 및 굵기를 나타내는 제1 특성 정보를 생성하고, 상기 제2-2 이미지를 기초로, 우측 부위 모발의 개수 및 굵기를 나타내는 제2 특성 정보를 생성하고, 상기 제2-3 이미지를 기초로, 좌측 부위 모발의 개수 및 굵기를 나타내는 제3 특성 정보를 생성하고, 상기 제2-4 이미지를 기초로, 상측 부위 모발의 개수 및 굵기를 나타내는 제4 특성 정보를 생성하고, 상기 제2-5 이미지를 기초로, 후면 부위 모발의 개수 및 굵기를 나타내는 제5 특성 정보를 생성하는 단계를 포함하는, 지능형 탈모 진단 및 예후 예측 모델을 위한 이미지 처리 방법이 제공된다.
상기 지능형 탈모 진단 및 예후 예측 모델을 위한 이미지 처리 방법은, 상기 제1 특성 정보 및 상기 제5 특성 정보를 기초로, 후면 부위 특성을 기준으로 전면 부위 특성과 비교하여 제1 비율 값을 산출하고, 상기 제2 특성 정보 및 상기 제5 특성 정보를 기초로, 후면 부위 특성을 기준으로 우측 부위 특성과 비교하여 제2 비율 값을 산출하고, 상기 제3 특성 정보 및 상기 제5 특성 정보를 기초로, 후면 부위 특성을 기준으로 좌측 부위 특성과 비교하여 제3 비율 값을 산출하고, 상기 제4 특성 정보 및 상기 제5 특성 정보를 기초로, 후면 부위 특성을 기준으로 상측 부위 특성과 비교하여 제4 비율 값을 산출하는 단계; 상기 제2-1 이미지에 등록된 탈모 진단 지표를 상기 제1 비율 값과 비교하여 전면 부위 특성 등급을 산출하고, 상기 제2-2 이미지에 등록된 탈모 진단 지표를 상기 제2 비율 값과 비교하여 우측 부위 특성 등급을 산출하고, 상기 제2-3 이미지에 등록된 탈모 진단 지표를 상기 제3 비율 값과 비교하여 좌측 부위 특성 등급을 산출하고, 상기 제2-4 이미지에 등록된 탈모 진단 지표를 상기 제4 비율 값과 비교하여 상측 부위 특성 등급을 산출하는 단계; 상기 전면 부위 특성 등급을 상기 제1-1 이미지에 매칭하여 등록하고, 상기 우측 부위 특성 등급을 상기 제1-2 이미지에 매칭하여 등록하고, 상기 좌측 부위 특성 등급을 상기 제1-3 이미지에 매칭하여 등록하고, 상기 상측 부위 특성 등급을 상기 제1-4 이미지에 매칭하여 등록하는 단계; 및 상기 제1-1 이미지, 상기 제1-2 이미지, 상기 제1-3 이미지 및 상기 제1-4 이미지를 기초로, 지능형 탈모 진단 및 예후 예측 모델을 위한 표준 데이터를 생성하는 단계를 더 포함할 수 있다.
상기 지능형 탈모 진단 및 예후 예측 모델을 위한 이미지 처리 방법은, 상기 표준 데이터 및 및 병원 데이터베이스로부터 수집된 환자 데이터를 이용하여, 환자의 ID, 성별, 나이, 처방약, 진단일, 상기 제1 이미지의 저장 위치, 상기 제1 이미지의 ID, 상기 제1 이미지의 촬영 위치, 모발 개수 등급, 모발 굵기 등급 및 모발 밀도 등급을 요소로 하는 기계 학습용 데이터베이스를 위한 스키마를 생성하는 단계를 더 포함할 수 있다.
상기 지능형 탈모 진단 및 예후 예측 모델을 위한 이미지 처리 방법은, 상기 환자의 부모 정보를 확인하여, 상기 환자 부모의 머리를 부위별로 근접 촬영한 제3 이미지 정보를 획득하는 단계; 상기 제3 이미지를 촬영 부위별로 분석하여, 전면 부위가 촬영된 제3-1 이미지, 우측 부위가 촬영된 제3-2 이미지, 좌측 부위가 촬영된 제3-3 이미지, 상측 부위가 촬영된 제3-4 이미지, 후면 부위가 촬영된 제3-5 이미지를 구분하여 분류하는 단계; 상기 제3-1 이미지를 기초로 제6 특성 정보를 생성하고, 상기 제3-2 이미지를 기초로 제7 특성 정보를 생성하고, 상기 제3-3 이미지를 기초로 제8 특성 정보를 생성하고, 상기 제3-4 이미지를 기초로 제9 특성 정보를 생성하고, 상기 제3-5 이미지를 기초로 제10 특성 정보를 생성하는 단계; 상기 제6 특성 정보 및 상기 제10 특성 정보를 기초로 제6 비율 값을 산출하고, 상기 제7 특성 정보 및 상기 제10 특성 정보를 기초로 제7 비율 값을 산출하고, 상기 제8 특성 정보 및 상기 제10 특성 정보를 기초로 제8 비율 값을 산출하고, 상기 제9 특성 정보 및 상기 제10 특성 정보를 기초로 제9 비율 값을 산출하는 단계; 및 상기 제6 비율 값의 크기가 클수록 낮은 값이 적용되도록 제1 가중치를 설정하고, 상기 제7 비율 값의 크기가 클수록 낮은 값이 적용되도록 제2 가중치를 설정하고, 상기 제8 비율 값의 크기가 클수록 낮은 값이 적용되도록 제3 가중치를 설정하고, 상기 제9 비율 값의 크기가 클수록 낮은 값이 적용되도록 제4 가중치를 설정하는 단계를 더 포함하며, 상기 전면 부위 특성 등급, 상기 우측 부위 특성 등급, 상기 좌측 부위 특성 등급 및 상기 상측 부위 특성 등급의 산출 단계는, 상기 제1 가중치를 적용하여 상기 제1 비율 값을 조정하고, 상기 조정된 제1 비율 값을 통해 상기 전면 부위 특성 등급을 산출하고, 상기 제2 가중치를 적용하여 상기 제2 비율 값을 조정하고, 상기 조정된 제2 비율 값을 통해 상기 우측 부위 특성 등급을 산출하고, 상기 제3 가중치를 적용하여 상기 제3 비율 값을 조정하고, 상기 조정된 제3 비율 값을 통해 상기 좌측 부위 특성 등급을 산출하고, 상기 제4 가중치를 적용하여 상기 제4 비율 값을 조정하고, 상기 조정된 제4 비율 값을 통해 상기 상측 부위 특성 등급을 산출하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 따르면, 카메라의 일반 촬영을 통해 생성된 제1 이미지 정보를 획득하고, 모발확대경의 근접 촬영을 통해 생성된 제2 이미지 정보를 획득하고, 제1 이미지를 촬영 방향별로 구분하여 분류하고, 제2 이미지를 촬영 부위별로 구분하여 분류하고, 머리 부위별로 모발의 개수 및 굵기를 나타내는 특성 정보를 생성함으로써, 탈모 진료에 있어서 주관적인 요소를 최소화할 수 있으며, 탈모 환자의 진료 결과에 대한 정확도를 향상시킬 수 있다.
본 발명의 효과는 상기한 효과로 한정되는 것은 아니며, 본 발명의 상세한 설명 또는 특허청구범위에 기재된 발명의 구성으로부터 추론 가능한 모든 효과를 포함하는 것으로 이해되어야 한다.
도 1은 본 발명의 일 실시예에 따른 지능형 탈모 진단 및 예후 예측 모델을 위해 이미지를 처리하는 탈모 진단 장치의 개략적인 구성을 나타낸 도면이다.
도 2는 본 발명의 일 실시예에 따른 일반 촬영을 통해 생성된 복수의 그로스 이미지(Gross image) 및 근접 촬영을 통해 생성된 복수의 폴리스코프 이미지(Folliscope image)를 나타낸 도면이다.
도 3은 본 발명의 일 실시예에 지능형 탈모 진단 및 예후 예측 모델을 위한 표준 데이터를 생성하는 과정을 나타낸 순서도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
이하의 실시예는 본 발명의 이해를 돕기 위한 상세한 설명이며, 본 발명의 권리 범위를 제한하는 것이 아니다. 따라서 본 발명과 동일한 기능을 수행하는 동일 범위의 발명 역시 본 발명의 권리 범위에 속할 것이다.
도 1은 본 발명의 일 실시예에 따른 지능형 탈모 진단 및 예후 예측 모델을 위해 이미지를 처리하는 탈모 진단 장치의 개략적인 구성을 나타낸 도면이다.
도 1을 참조하면, 탈모 진단 장치(10)는 촬영부(11), 디스플레이부(12), 이미지 처리부(13), 탈모 수준 판단부(14) 및 제어부(15)를 포함할 수 있다.
일 실시예에 따르면, 탈모 진단 장치(10)는 스마트 폰, 스마트 워치, 스마트 글라스, 태블릿 PC, 노트북 PC 등과 같이 카메라를 포함하는 다양한 전자 장치로 구현될 수 있다.
촬영부(11)는 환자의 탈모 상태를 진단하기 위해 환자의 머리 영역에 대한 촬영을 수행할 수 있다.
예를 들어, 촬영부(11)는 환자의 탈모 상태를 진단하기 위해 두상의 전면, 우측, 좌측, 상측 및 후면을 구분하여 촬영할 수 있다.
촬영부(11)는 환자의 탈모 상태를 확인하기 위하여, 일반 촬영 및 근접 촬영 각각을 수행하여 환자의 두피에 대한 촬영을 수행할 수 있다.
구체적으로, 촬영부(11)는 DSLR 장비와 같은 카메라를 통해 환자의 머리를 다양한 방향에서 촬영하는 일반 촬영을 수행할 수 있으며, 일반 촬영 시 환자의 머리를 기준으로 촬영 방향을 전면, 우측, 좌측, 상측 및 후면으로 분류하여 촬영을 수행할 수 있다.
또한, 촬영부(11)는 모발확대경을 통해 환자의 머리를 부위별로 촬영하는 근접 촬영을 수행할 수 있으며, 근접 촬영 시 환자의 머리에 대한 촬영 부위를 전면, 우측, 좌측, 상측 및 후면으로 분류하여 촬영을 수행할 수 있다.
디스플레이부(12)는 촬영부(11)가 촬영한 이미지를 화면에 디스플레이 되도록 처리할 수 있다.
디스플레이부(12)는 카메라를 통해 촬영된 일반 촬영에 대한 이미지를 촬영 방향별로 구분하여 디스플레이 할 수 있으며, 모발확대경을 통해 촬영된 근접 촬영에 대한 이미지를 촬영 부위별로 구분하여 디스플레이 할 수 있다.
이미지 처리부(13)는 촬영부(11)가 촬영한 이미지들을 분석하고, 각각의 이미지를 촬영 방향 및 촬영 부위별로 구분하여 분류하여, 탈모 수준을 판단할 수 있도록 이미지에 대한 라벨링 작업을 수행할 수 있다.
탈모 수준 판단부(14)는 촬영부(11)가 촬영한 이미지와 이미지 처리부(13)를 통해 분석된 데이터를 이용하여, 환자의 탈모 수준을 판단할 수 있다.
제어부(15)는 촬영부(11), 디스플레이부(12), 이미지 처리부(13) 및 탈모 수준 판단부(14)에서 각각 고유한 기능을 수행하도록 제어할 수 있다.
도 2는 본 발명의 일 실시예에 따른 일반 촬영을 통해 생성된 복수의 그로스 이미지(Gross image) 및 근접 촬영을 통해 생성된 복수의 폴리스코프 이미지(Folliscope image)를 나타낸 도면이다.
일 실시예에 따르면, 탈모 진단 장치(10)와 연결된 카메라를 통해 환자의 머리를 다양한 방향에서 촬영하는 일반 촬영이 수행되면, 탈모 진단 장치(10)는 카메라의 일반 촬영을 통해 생성된 복수의 그로스 이미지(Gross image)에 대한 정보를 획득할 수 있다.
그로스 이미지(Gross image)는 전반적인 모발의 상태를 확인하기 위해 DSLR 장비와 같은 카메라로 일반 촬영을 수행하였을 때 생성되는 이미지로, 환자의 머리를 촬영 방향에 따라 전면, 우측, 좌측, 상측 및 후면으로 구분하여 촬영하면, 촬영 방향에 따라 각각의 그로스 이미지(Gross image)가 생성될 수 있으며, 촬영 방향에 따라 생성된 복수의 그로스 이미지(Gross image)를 설명의 편의상 제1 이미지라고 칭하기로 한다.
도 2를 참조하면, 복수의 그로스 이미지(Gross image)인 제1 이미지는 제1-1 이미지(110), 제1-2 이미지(120), 제1-3 이미지(130), 제1-4 이미지(140) 및 제1-5 이미지(150)를 포함할 수 있다.
제1-1 이미지(110)는 환자의 전면 방향에서 일반 촬영을 수행하여 생성된 이미지이고, 제1-2 이미지(120)는 환자의 우측 방향에서 일반 촬영을 수행하여 생성된 이미지이고, 제1-3 이미지(130)는 환자의 좌측 방향에서 일반 촬영을 수행하여 생성된 이미지이고, 제1-4 이미지(140)는 환자의 상측 방향에서 일반 촬영을 수행하여 생성된 이미지이고, 제1-5 이미지(150)는 환자의 후면 방향에서 일반 촬영을 수행하여 생성된 이미지이다.
일 실시예에 따르면, 탈모 진단 장치(10)와 연결된 모발확대경(Folliscope)을 통해 환자의 머리를 부위별로 촬영하는 근접 촬영이 수행되면, 탈모 진단 장치(10)는 모발확대경의 근접 촬영을 통해 생성된 복수의 폴리스코프 이미지(Folliscope image)에 대한 정보를 획득할 수 있다.
폴리스코프 이미지(Folliscope image)는 정밀한 탈모 진료를 위해 모발확대경을 이용하여 근접 촬영을 수행하였을 때 생성되는 이미지로, 환자의 머리를 촬영 부위에 따라 전면, 우측, 좌측, 상측 및 후면으로 구분하여 촬영하면, 촬영 부위에 따라 각각의 폴리스코프 이미지(Folliscope image)가 생성될 수 있으며, 촬영 부위에 따라 생성된 복수의 폴리스코프 이미지(Folliscope image)를 설명의 편의상 제2 이미지라고 칭하기로 한다.
도 2를 참조하면, 복수의 폴리스코프 이미지(Folliscope image)인 제2 이미지는 제2-1 이미지(210), 제2-2 이미지(220), 제2-3 이미지(230), 제2-4 이미지(240) 및 제2-5 이미지(250)를 포함할 수 있다.
제2-1 이미지(210)는 환자의 머리 중 전면 부위에 근접 촬영을 수행하여 생성된 이미지이고, 제2-2 이미지(220)는 환자의 머리 중 우측 부위에 근접 촬영을 수행하여 생성된 이미지이고, 제2-3 이미지(230)는 환자의 머리 중 좌측 부위에 근접 촬영을 수행하여 생성된 이미지이고, 제2-4 이미지(240)는 환자의 머리 중 상측 부위에 근접 촬영을 수행하여 생성된 이미지이고, 제2-5 이미지(250)는 환자의 머리 중 후면 부위에 근접 촬영을 수행하여 생성된 이미지이다.
도 3은 본 발명의 일 실시예에 지능형 탈모 진단 및 예후 예측 모델을 위한 표준 데이터를 생성하는 과정을 나타낸 순서도이다.
먼저, S301 단계에서, 탈모 진단 장치(10)는 환자의 머리를 다양한 방향에서 카메라로 촬영하는 일반 촬영을 수행할 수 있다.
구체적으로, 탈모 진단 장치(10)는 탈모 진단 장치(10)와 연결된 카메라를 환자 머리의 전면에 배치하여 전면 방향에서 일반 촬영을 수행하고, 카메라를 환자 머리의 우측에 배치하여 우측 방향에서 일반 촬영을 수행하고, 카메라를 환자 머리의 좌측에 배치하여 좌측 방향에서 일반 촬영을 수행하고, 카메라를 환자 머리의 상측에 배치하여 상측 방향에서 일반 촬영을 수행하고, 카메라를 환자 머리의 후면에 배치하여 후면 방향에서 일반 촬영을 수행할 수 있다.
S302 단계에서, 탈모 진단 장치(10)는 환자의 머리를 부위별로 모발확대경으로 촬영하는 근접 촬영을 수행할 수 있다.
구체적으로, 탈모 진단 장치(10)는 탈모 진단 장치(10)와 연결된 모발확대경을 환자 머리의 전면 부위에 위치시켜 전면 부위에 대한 근접 촬영을 수행하고, 모발확대경을 환자 머리의 우측 부위에 위치시켜 우측 부위에 대한 근접 촬영을 수행하고, 모발확대경을 환자 머리의 좌측 부위에 위치시켜 좌측 부위에 대한 근접 촬영을 수행하고, 모발확대경을 환자 머리의 상측 부위에 위치시켜 상측 부위에 대한 근접 촬영을 수행하고, 모발확대경을 환자 머리의 후면 부위에 위치시켜 후면 부위에 대한 근접 촬영을 수행할 수 있다.
S303 단계에서, 탈모 진단 장치(10)는 S301 단계에서 카메라의 일반 촬영을 통해 생성된 복수의 그로스 이미지(Gross image)인 제1 이미지 정보를 획득할 수 있다.
S304 단계에서, 탈모 진단 장치(10)는 S302 단계에서 모발확대경의 근접 촬영을 통해 생성된 복수의 폴리스코프 이미지(Folliscope image)인 제2 이미지 정보를 획득할 수 있다.
S305 단계에서, 탈모 진단 장치(10)는 S303 단계에서 획득된 제1 이미지를 촬영 방향별로 분류할 수 있다.
구체적으로, 탈모 진단 장치(10)는 제1 이미지를 촬영 방향별로 분석하여, 전면 방향에서 촬영된 제1-1 이미지(110), 우측 방향에서 촬영된 제1-2 이미지(120), 좌측 방향에서 촬영된 제1-3 이미지(130), 상측 방향에서 촬영된 제1-4 이미지(140), 후면 방향에서 촬영된 제1-5 이미지(150)를 촬영 방향별로 구분하여 분류할 수 있다.
탈모 진단 장치(10)는 제1 이미지를 촬영 방향별로 분류하는데 있어, 일반 촬영 시 입력된 방향 정보를 통해 촬영 방향을 확인할 수 있으며, 환자의 머리 형태를 인식하여 인식된 정보를 통해 촬영 방향을 확인할 수도 있다.
S306 단계에서, 탈모 진단 장치(10)는 S304 단계에서 획득된 제2 이미지를 촬영 부위별로 분류할 수 있다.
구체적으로, 탈모 진단 장치(10)는 제2 이미지를 촬영 부위별로 분석하여, 전면 부위를 촬영한 제2-1 이미지(210), 우측 부위를 촬영한 제2-2 이미지(220), 좌측 부위를 촬영한 제2-3 이미지(230), 상측 부위를 촬영한 제2-4 이미지(240), 후면 부위를 촬영한 제2-5 이미지(250)를 촬영 부위별로 구분하여 분류할 수 있다.
S307 단계에서, 탈모 진단 장치(10)는 S306 단계에서 분류된 이미지들을 기초로, 모발의 개수 및 굵기를 나타내는 특성 정보를 생성할 수 있다.
구체적으로, 탈모 진단 장치(10)는 전면 부위를 촬영한 제2-1 이미지(210)를 기초로, 전면 부위 모발의 개수 및 굵기를 나타내는 제1 특성 정보를 생성하고, 우측 부위를 촬영한 제2-2 이미지(220)를 기초로, 우측 부위 모발의 개수 및 굵기를 나타내는 제2 특성 정보를 생성하고, 좌측 부위를 촬영한 제2-3 이미지(230)를 기초로, 좌측 부위 모발의 개수 및 굵기를 나타내는 제3 특성 정보를 생성하고, 상측 부위를 촬영한 제2-4 이미지(240)를 기초로, 상측 부위 모발의 개수 및 굵기를 나타내는 제4 특성 정보를 생성하고, 후면 부위를 촬영한 제2-5 이미지(250)를 기초로, 후면 부위 모발의 개수 및 굵기를 나타내는 제5 특성 정보를 생성할 수 있다.
일 실시예에 따르면, 탈모 진단 장치(10)는 각 부위의 모발의 개수 및 모발의 굵기를 나타내는 특성 정보를 환자별로 수집하여 데이터베이스에 저장할 수 있다.
표 1은 본 발명의 일 실시예에 따른 환자별로 수집된 탈모 임상 데이터를 나타낸 것으로, 설명의 편의를 위해 일부분만을 나타낸 것일 수 있다.
등록
번호		 이미지 주소 성별 나이 처방일 모발의 개수 모발의 굵기
전면 우측 좌측 상측 후면 전면 우측 좌측 상측 후면
1 D:/F/1 M 55 20151117 122 71 77 58 64 0.045 0.049 0.045 0.055 0.054
2 D:/F/2 M 65 20171122 109 84 96 77 84 0.06 0.063 0.063 0.059 0.07
3 D:/F/3 M 54 20161118 172 209 145 172 145 0.044 0.047 0.046 0.041 0.043
4 D:/F/4 M 28 20170720 71 38 45 45 71 0.102 0.103 0.111 0.097 0.126
5 D:/F/5 M 32 20180724 109 71 96 90 96 0.122 0.087 0.097 0.092 0.105
즉, 탈모 진단 장치(10)는 전면, 우측, 좌측, 상측 및 후면 각각의 부위에 대한 모발의 개수 및 모발의 굵기를 나타내는 특성 정보를 환자별로 수집할 수 있다.또한, 탈모 진단 장치(10)는 특정 환자에 대해 기간별로 특성 정보를 저장하여, 시간에 따라 변화하는 모발의 개수 및 모발의 굵기를 추적하여 관리할 수 있다.
S308 단계에서, 탈모 진단 장치(10)는 S307 단계에서 생성된 특성 정보들을 기초로, 비율 값을 산출할 수 있다.
구체적으로, 탈모 진단 장치(10)는 전면 부위 특성을 나타내는 제1 특성 정보 및 후면 부위 특성을 나타내는 제5 특성 정보를 기초로, 후면 부위 특성을 기준으로 전면 부위 특성과 비교하여 제1 비율 값을 산출할 수 있다. 예를 들어, 전면 부위 모발의 굵기를 후면 부위 모발의 굵기로 나누어, 모발의 굵기에 대한 제1 비율 값을 산출할 수 있으며, 전면 부위 모발의 개수를 후면 부위 모발의 개수로 나누어, 모발의 개수에 대한 제1 비율 값을 산출할 수 있다.
또한, 탈모 진단 장치(10)는 우측 부위 특성을 나타내는 제2 특성 정보 및 후면 부위 특성을 나타내는 제5 특성 정보를 기초로, 후면 부위 특성을 기준으로 우측 부위 특성과 비교하여 제2 비율 값을 산출할 수 있다. 예를 들어, 우측 부위 모발의 굵기를 후면 부위 모발의 굵기로 나누어, 모발의 굵기에 대한 제2 비율 값을 산출할 수 있으며, 우측 부위 모발의 개수를 후면 부위 모발의 개수로 나누어, 모발의 개수에 대한 제2 비율 값을 산출할 수 있다.
또한, 탈모 진단 장치(10)는 좌측 부위 특성을 나타내는 제3 특성 정보 및 후면 부위 특성을 나타내는 제5 특성 정보를 기초로, 후면 부위 특성을 기준으로 좌측 부위 특성과 비교하여 제3 비율 값을 산출할 수 있다. 예를 들어, 좌측 부위 모발의 굵기를 후면 부위 모발의 굵기로 나누어, 모발의 굵기에 대한 제3 비율 값을 산출할 수 있으며, 좌측 부위 모발의 개수를 후면 부위 모발의 개수로 나누어, 모발의 개수에 대한 제3 비율 값을 산출할 수 있다.
또한, 탈모 진단 장치(10)는 상측 부위 특성을 나타내는 제4 특성 정보 및 후면 부위 특성을 나타내는 제5 특성 정보를 기초로, 후면 부위 특성을 기준으로 상측 부위 특성과 비교하여 제4 비율 값을 산출할 수 있다. 예를 들어, 상측 부위 모발의 굵기를 후면 부위 모발의 굵기로 나누어, 모발의 굵기에 대한 제4 비율 값을 산출할 수 있으며, 상측 부위 모발의 개수를 후면 부위 모발의 개수로 나누어, 모발의 개수에 대한 제4 비율 값을 산출할 수 있다.
즉, 탈모 진단 장치(10)는 특성 정보를 통해 비율 값을 산출하는데 있어, 후면 부위의 특성 값(모발의 개수, 굵기)을 기준으로 하여 나머지 부위의 특성 값(모발의 개수, 굵기)에 대한 비율 값을 산출할 수 있으며, 전면 부위 / 후면 부위, 우측 부위 / 후면 부위, 좌측 부위 / 후면 부위, 상측 부위 / 후면 부위 각각에 대한 비율 값을 산출할 수 있다.
S309 단계에서, 탈모 진단 장치(10)는 S308 단계에서 산출된 비율 값들을 기초로, 각각의 부위별로 특성 등급을 산출할 수 있다.
구체적으로, 탈모 진단 장치(10)는 제2-1 이미지(210)에 등록된 탈모 진단 지표를 제1 비율 값과 비교하여 전면 부위 특성 등급을 산출할 수 있다. 예를 들어, 제2-1 이미지(210)에 등록된 탈모 진단 지표는 전면 부위 전용의 탈모 진단 지표로, 전면 부위에 대한 모발의 개수, 굵기, 밀도의 등급별 기준이 등록되어 있는데, 탈모 진단 장치(10)는 모발의 개수에 대한 제1 비율 값을 전면 부위 전용의 탈모 진단 지표에 대입하여, 전면 부위의 모발의 개수에 대한 특성 등급을 산출할 수 있으며, 모발의 굵기에 대한 제1 비율 값을 전면 부위 전용의 탈모 진단 지표에 대입하여, 전면 부위의 모발의 굵기에 대한 특성 등급을 산출할 수 있다.
또한, 탈모 진단 장치(10)는 제2-2 이미지(220)에 등록된 탈모 진단 지표를 제2 비율 값과 비교하여 우측 부위 특성 등급을 산출할 수 있다. 예를 들어, 제2-2 이미지(220)에 등록된 탈모 진단 지표는 우측 부위 전용의 탈모 진단 지표로, 우측 부위에 대한 모발의 개수, 굵기, 밀도의 등급별 기준이 등록되어 있는데, 탈모 진단 장치(10)는 모발의 개수에 대한 제2 비율 값을 우측 부위 전용의 탈모 진단 지표에 대입하여, 우측 부위의 모발의 개수에 대한 특성 등급을 산출할 수 있으며, 모발의 굵기에 대한 제2 비율 값을 우측 부위 전용의 탈모 진단 지표에 대입하여, 우측 부위의 모발의 굵기에 대한 특성 등급을 산출할 수 있다.
또한, 탈모 진단 장치(10)는 제2-3 이미지(230)에 등록된 탈모 진단 지표를 제3 비율 값과 비교하여 좌측 부위 특성 등급을 산출할 수 있다. 예를 들어, 제2-3 이미지(230)에 등록된 탈모 진단 지표는 좌측 부위 전용의 탈모 진단 지표로, 좌측 부위에 대한 모발의 개수, 굵기, 밀도의 등급별 기준이 등록되어 있는데, 탈모 진단 장치(10)는 모발의 개수에 대한 제3 비율 값을 좌측 부위 전용의 탈모 진단 지표에 대입하여, 좌측 부위의 모발의 개수에 대한 특성 등급을 산출할 수 있으며, 모발의 굵기에 대한 제3 비율 값을 좌측 부위 전용의 탈모 진단 지표에 대입하여, 좌측 부위의 모발의 굵기에 대한 특성 등급을 산출할 수 있다.
또한, 탈모 진단 장치(10)는 제2-4 이미지(240)에 등록된 탈모 진단 지표를 제4 비율 값과 비교하여 상측 부위 특성 등급을 산출할 수 있다. 예를 들어, 제2-4 이미지(240)에 등록된 탈모 진단 지표는 상측 부위 전용의 탈모 진단 지표로, 상측 부위에 대한 모발의 개수, 굵기, 밀도의 등급별 기준이 등록되어 있는데, 탈모 진단 장치(10)는 모발의 개수에 대한 제4 비율 값을 상측 부위 전용의 탈모 진단 지표에 대입하여, 상측 부위의 모발의 개수에 대한 특성 등급을 산출할 수 있으며, 모발의 굵기에 대한 제4 비율 값을 상측 부위 전용의 탈모 진단 지표에 대입하여, 상측 부위의 모발의 굵기에 대한 특성 등급을 산출할 수 있다.
즉, 탈모 진단 장치(10)는 비율 값을 통해 특성 등급을 산출하는데 있어, 부위 별로 산출된 비율 값을 탈모 진단 지표에 각각 대입하여 부위별로 특성 등급을 산출할 수 있다.
S310 단계에서, 탈모 진단 장치(10)는 S309 단계에서 산출된 특성 등급을 S305 단계에서 촬영 방향별로 분류된 제1 이미지와 매칭하여 등록할 수 있다.
구체적으로, 탈모 진단 장치(10)는 전면 부위 특성 등급을 전면 방향에서 촬영된 제1-1 이미지(110)에 매칭하여 등록하고, 우측 부위 특성 등급을 우측 방향에서 촬영된 제1-2 이미지(120)에 매칭하여 등록하고, 좌측 부위 특성 등급을 좌측 방향에서 촬영된 제1-3 이미지(130)에 매칭하여 등록하고, 상측 부위 특성 등급을 상측 방향에서 촬영된 제1-4 이미지(140)에 매칭하여 등록할 수 있다.
S311 단계에서, 탈모 진단 장치(10)는 제1-1 이미지(110), 제1-2 이미지(120), 제1-3 이미지(130) 및 제1-4 이미지(140)를 기초로, 지능형 탈모 진단 및 예후 예측 모델을 위한 표준 데이터를 생성할 수 있다.
일 실시예에 따르면, 탈모 진단 장치(10)는 각 부위의 모발의 개수 및 모발의 굵기에 대한 등급 정보를 환자별로 수집하여 표준 데이터를 생성할 수 있으며, 생성된 표준 데이터를 데이터베이스에 저장하여 관리할 수 있다.
표 2는 본 발명의 일 실시예에 따른 환자별로 수집된 표준 데이터를 나타낸 것으로, 설명의 편의를 위해 일부분만을 나타낸 것일 수 있다.
등록
번호		 이미지 주소 성별 나이 처방일 모발의 개수 등급 모발의 굵기 등급
전면 우측 좌측 상측 후면 전면 우측 좌측 상측 후면
1 D:/F/1 M 55 20151117 2 3 3 1 - 2 3 3 1 -
2 D:/F/2 M 65 20171122 3 4 4 3 - 3 4 4 3 -
3 D:/F/3 M 54 20161118 7 7 7 6 - 7 7 7 6 -
4 D:/F/4 M 28 20170720 6 6 6 6 - 6 6 6 6 -
5 D:/F/5 M 32 20180724 7 6 6 6 - 7 6 6 6 -
일 실시예에 따르면, 탈모 진단 장치(10)는 표준 데이터 및 병원 데이터베이스로부터 수집된 환자 데이터를 이용하여, 환자의 ID, 성별, 나이, 처방약, 진단일, 제1 이미지의 저장 위치, 제1 이미지의 ID, 제1 이미지의 촬영 위치, 모발 개수 등급, 모발 굵기 등급, 모발 밀도 등급 등 다양한 지표를 요소로 하는 기계 학습용 데이터베이스를 위한 스키마를 생성할 수 있다.
표 3은 본 발명의 일 실시예에 따른 기계 학습용 데이터베이스를 위한 스키마를 나타낸 것으로, 설명의 편의를 위해 일부분만을 나타낸 것일 수 있다.
Name Type Length Description Scale
ID Nominal 9999 식별자 -
성별 Binary 1 환자의 성별 정보 1: 남자, 2: 여자
나이 Nominal 1 환자의 연령 정보 1: 10세미만, 2: 10대, 3: 20대, 4: 30대, 5: 40대, 6: 50대, 7: 60대 이상
처방약 Nominal 1 탈모 환자 처방 내용 1: 미녹실, 2: 프로페시아, 3: 아보다트, 4: 엘크라넬
진단일 Date 10 탈모 진단 날짜 YYYY/MM/DD
Gross image 저장위치 String 100 Gross image 저장 위치 -
Gross image ID Nominal 9999 Gross image 식별자 -
Gross image 위치정보 Nominal 1 모발 이미지의 촬영 위치 정보 1: 좌, 2: 우, 3: 전, 4: 후, 5: 상
모발 개수 등급 Nominal 1 Gross image 모발 개수 등급 1: 1등급, 2: 2등급, ···, N: N등급
모발 굵기 등급 Nominal 1 Gross image 모발 굵기 등급
모발 밀도 등급 Nominal 1 Gross image 모발 밀도 등급
한편, 본 발명의 일 실시예에 따르면, 탈모 진단 장치(10)는 환자 부모의 탈모 상태를 가중치로 반영하여, 환자의 탈모 상태에 대한 특성 등급을 산출할 수 있다.구체적으로, 탈모 진단 장치(10)는 환자의 부모 정보를 확인하여, 환자 부모의 머리를 부위별로 근접 촬영한 복수의 폴리스코프 이미지(Folliscope image)인 제3 이미지 정보를 획득할 수 있다.
탈모 진단 장치(10)는 제2 이미지를 촬영 부위별로 분류하고, 부위별로 특성 정보를 생성하고, 후면 부위를 기준으로 각각의 부위에 대한 비율 값을 산출하는 방식과 동일하게, 제3 이미지에 대해서도 촬영 부위별로 분류하고, 부위별로 특성 정보를 생성하고, 후면 부위를 기준으로 각각의 부위에 대한 비율 값을 산출할 수 있다.
보다 상세하게, 탈모 진단 장치(10)는 제3 이미지를 촬영 부위별로 분석하여, 전면 부위가 촬영된 제3-1 이미지, 우측 부위가 촬영된 제3-2 이미지, 좌측 부위가 촬영된 제3-3 이미지, 상측 부위가 촬영된 제3-4 이미지, 후면 부위가 촬영된 제3-5 이미지를 구분하여 분류할 수 있다.
탈모 진단 장치(10)는 제3-1 이미지를 기초로 제6 특성 정보를 생성하고, 제3-2 이미지를 기초로 제7 특성 정보를 생성하고, 제3-3 이미지를 기초로 제8 특성 정보를 생성하고, 제3-4 이미지를 기초로 제9 특성 정보를 생성하고, 제3-5 이미지를 기초로 제10 특성 정보를 생성할 수 있다.
탈모 진단 장치(10)는 제6 특성 정보 및 제10 특성 정보를 기초로 제6 비율 값을 산출하고, 제7 특성 정보 및 제10 특성 정보를 기초로 제7 비율 값을 산출하고, 제8 특성 정보 및 제10 특성 정보를 기초로 제8 비율 값을 산출하고, 제9 특성 정보 및 제10 특성 정보를 기초로 제9 비율 값을 산출할 수 있다.
탈모 진단 장치(10)는 제6 비율 값의 크기가 클수록 낮은 값이 적용되도록 제1 가중치를 설정하고, 제7 비율 값의 크기가 클수록 낮은 값이 적용되도록 제2 가중치를 설정하고, 제8 비율 값의 크기가 클수록 낮은 값이 적용되도록 제3 가중치를 설정하고, 제9 비율 값의 크기가 클수록 낮은 값이 적용되도록 제4 가중치를 설정할 수 있다.
탈모 진단 장치(10)는 제1 가중치를 적용하여 제1 비율 값을 조정하고, 조정된 제1 비율 값을 통해 전면 부위 특성 등급을 산출하고, 제2 가중치를 적용하여 제2 비율 값을 조정하고, 조정된 제2 비율 값을 통해 우측 부위 특성 등급을 산출하고, 제3 가중치를 적용하여 제3 비율 값을 조정하고, 조정된 제3 비율 값을 통해 좌측 부위 특성 등급을 산출하고, 제4 가중치를 적용하여 제4 비율 값을 조정하고, 조정된 제4 비율 값을 통해 상측 부위 특성 등급을 산출할 수 있다.
즉, 탈모 진단 장치(10)는 환자 부모의 탈모 상태를 가중치로 적용하는데 있어, 환자 부모의 부위별 비율 값이 크기가 클수록 낮은 값이 적용되도록 가중치를 설정할 수 있으며, 설정된 가중치를 적용한 비율 값을 통해 환자의 부위별 특성 등급을 조정할 수 있다.
예를 들어, 환자 부모의 전면 부위에 대한 모발의 굵기의 비율 값인 제6 비율 값의 크기가 0.2인 경우, 탈모 진단 장치(10)는 제1 가중치를 1.0으로 설정할 수 있으며, 제1 가중치를 적용하여 제1 비율 값을 조정하는데 있어, 제1 가중치가 1.0이기 때문에 제1 비율 값이 변경되지 않도록 처리하여, 특성 등급이 그대로 유지되도록 처리할 수 있다.
또한, 환자 부모의 전면 부위에 대한 모발의 굵기의 비율 값인 제6 비율 값이 크기가 0.1인 경우, 탈모 진단 장치(10)는 제1 가중치를 0.5로 설정할 수 있으며, 제1 가중치를 적용하여 제1 비율 값을 조정하는데 있어, 제1 가중치가 0.5이기 때문에 제1 비율 값이 변경되도록 처리하여, 특성 등급도 조정되도록 처리할 수 있다.
즉, 탈모 진단 장치(10)는 환자 부모의 탈모 상태가 심각하지 않은 경우, 환자의 비율 값이 정상 범위 내에 있으면, 특성 등급이 정상 등급으로 산출되도록 처리할 수 있는 반면, 환자 부모의 탈모 상태가 심각한 경우, 환자의 비율 값이 정상 범위 내에 있더라도, 비율 값에 가중치를 적용하여 특성 등급이 정상 등급이 아닌 위험 등급으로 조정되어 산출되도록 처리할 수 있다.
본 발명의 각각의 실시예에 따른 지능형 탈모 진단 및 예후 예측 모델을 위한 이미지 처리 방법은 2018년도 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원을 받아 수행된 기초연구사업(NRF-2018R1A2B6007954)을 통해 개발되었다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
10 : 탈모 진단 장치 11 : 촬영부
12 : 디스플레이부 13 : 이미지 처리부
14 : 탈모 수준 판단부 15 : 제어부
110 : 제1-1 이미지 120 : 제1-2 이미지
130 : 제1-3 이미지 140 : 제1-4 이미지
150 : 제1-5 이미지 210 : 제2-1 이미지
220 : 제2-2 이미지 230 : 제2-3 이미지
240 : 제2-4 이미지 250 : 제2-5 이미지

Claims (4)

  1. 탈모 진단 장치에 의해 수행되는, 지능형 탈모 진단 및 예후 예측 모델을 위해 이미지를 처리하는 방법에 있어서,
    환자의 머리를 다양한 방향에서 카메라로 촬영하는 일반 촬영이 수행되면, 상기 카메라의 일반 촬영을 통해 생성된 복수의 그로스 이미지(Gross image)인 제1 이미지 정보를 획득하고, 상기 환자의 머리를 부위별로 모발확대경으로 촬영하는 근접 촬영이 수행되면, 상기 모발확대경의 근접 촬영을 통해 생성된 복수의 폴리스코프 이미지(Folliscope image)인 제2 이미지 정보를 획득하는 단계;
    상기 제1 이미지를 촬영 방향별로 분석하여, 전면 방향에서 촬영된 제1-1 이미지, 우측 방향에서 촬영된 제1-2 이미지, 좌측 방향에서 촬영된 제1-3 이미지, 상측 방향에서 촬영된 제1-4 이미지, 후면 방향에서 촬영된 제1-5 이미지를 구분하여 분류하고, 상기 제2 이미지를 촬영 부위별로 분석하여, 전면 부위를 촬영한 제2-1 이미지, 우측 부위를 촬영한 제2-2 이미지, 좌측 부위를 촬영한 제2-3 이미지, 상측 부위를 촬영한 제2-4 이미지, 후면 부위를 촬영한 제2-5 이미지를 구분하여 분류하는 단계; 및
    상기 제2-1 이미지를 기초로, 전면 부위 모발의 개수 및 굵기를 나타내는 제1 특성 정보를 생성하고, 상기 제2-2 이미지를 기초로, 우측 부위 모발의 개수 및 굵기를 나타내는 제2 특성 정보를 생성하고, 상기 제2-3 이미지를 기초로, 좌측 부위 모발의 개수 및 굵기를 나타내는 제3 특성 정보를 생성하고, 상기 제2-4 이미지를 기초로, 상측 부위 모발의 개수 및 굵기를 나타내는 제4 특성 정보를 생성하고, 상기 제2-5 이미지를 기초로, 후면 부위 모발의 개수 및 굵기를 나타내는 제5 특성 정보를 생성하는 단계를 포함하고,
    상기 제1 내지 제5 특성정보를 생성하는 단계 이후에,
    상기 제1 특성 정보 및 상기 제5 특성 정보를 기초로, 후면 부위 특성을 기준으로 전면 부위 특성과 비교하여 제1 비율 값을 산출하고, 상기 제2 특성 정보 및 상기 제5 특성 정보를 기초로, 후면 부위 특성을 기준으로 우측 부위 특성과 비교하여 제2 비율 값을 산출하고, 상기 제3 특성 정보 및 상기 제5 특성 정보를 기초로, 후면 부위 특성을 기준으로 좌측 부위 특성과 비교하여 제3 비율 값을 산출하고, 상기 제4 특성 정보 및 상기 제5 특성 정보를 기초로, 후면 부위 특성을 기준으로 상측 부위 특성과 비교하여 제4 비율 값을 산출하는 단계;
    상기 제2-1 이미지에 등록된 탈모 진단 지표를 상기 제1 비율 값과 비교하여 전면 부위 특성 등급을 산출하고, 상기 제2-2 이미지에 등록된 탈모 진단 지표를 상기 제2 비율 값과 비교하여 우측 부위 특성 등급을 산출하고, 상기 제2-3 이미지에 등록된 탈모 진단 지표를 상기 제3 비율 값과 비교하여 좌측 부위 특성 등급을 산출하고, 상기 제2-4 이미지에 등록된 탈모 진단 지표를 상기 제4 비율 값과 비교하여 상측 부위 특성 등급을 산출하는 단계;
    상기 전면 부위 특성 등급을 상기 제1-1 이미지에 매칭하여 등록하고, 상기 우측 부위 특성 등급을 상기 제1-2 이미지에 매칭하여 등록하고, 상기 좌측 부위 특성 등급을 상기 제1-3 이미지에 매칭하여 등록하고, 상기 상측 부위 특성 등급을 상기 제1-4 이미지에 매칭하여 등록하는 단계; 및
    상기 제1-1 이미지, 상기 제1-2 이미지, 상기 제1-3 이미지 및 상기 제1-4 이미지를 기초로, 지능형 탈모 진단 및 예후 예측 모델을 위한 표준 데이터를 생성하는 단계를 더 포함하는, 지능형 탈모 진단 및 예후 예측 모델을 위한 이미지 처리 방법.
  2. 삭제
  3. 제1항에 있어서,
    상기 표준 데이터를 생성하는 단계 이후에,
    상기 표준 데이터 및 병원 데이터베이스로부터 수집된 환자 데이터를 이용하여, 환자의 ID, 성별, 나이, 처방약, 진단일, 상기 제1 이미지의 저장 위치, 상기 제1 이미지의 ID, 상기 제1 이미지의 촬영 위치, 모발 개수 등급, 모발 굵기 등급 및 모발 밀도 등급을 요소로 하는 기계 학습용 데이터베이스를 위한 스키마를 생성하는 단계를 더 포함하는, 지능형 탈모 진단 및 예후 예측 모델을 위한 이미지 처리 방법.
  4. 제1항에 있어서,
    상기 전면 부위 특성 등급, 상기 우측 부위 특성 등급, 상기 좌측 부위 특성 등급 및 상기 상측 부위 특성 등급의 산출 단계는,
    상기 환자의 부모 정보를 확인하여, 상기 환자 부모의 머리를 부위별로 근접 촬영한 제3 이미지 정보를 획득하는 단계;
    상기 제3 이미지를 촬영 부위별로 분석하여, 전면 부위가 촬영된 제3-1 이미지, 우측 부위가 촬영된 제3-2 이미지, 좌측 부위가 촬영된 제3-3 이미지, 상측 부위가 촬영된 제3-4 이미지, 후면 부위가 촬영된 제3-5 이미지를 구분하여 분류하는 단계;
    상기 제3-1 이미지를 기초로 제6 특성 정보를 생성하고, 상기 제3-2 이미지를 기초로 제7 특성 정보를 생성하고, 상기 제3-3 이미지를 기초로 제8 특성 정보를 생성하고, 상기 제3-4 이미지를 기초로 제9 특성 정보를 생성하고, 상기 제3-5 이미지를 기초로 제10 특성 정보를 생성하는 단계;
    상기 제6 특성 정보 및 상기 제10 특성 정보를 기초로 제6 비율 값을 산출하고, 상기 제7 특성 정보 및 상기 제10 특성 정보를 기초로 제7 비율 값을 산출하고, 상기 제8 특성 정보 및 상기 제10 특성 정보를 기초로 제8 비율 값을 산출하고, 상기 제9 특성 정보 및 상기 제10 특성 정보를 기초로 제9 비율 값을 산출하는 단계;
    상기 제6 비율 값의 크기가 클수록 낮은 값이 적용되도록 제1 가중치를 설정하고, 상기 제7 비율 값의 크기가 클수록 낮은 값이 적용되도록 제2 가중치를 설정하고, 상기 제8 비율 값의 크기가 클수록 낮은 값이 적용되도록 제3 가중치를 설정하고, 상기 제9 비율 값의 크기가 클수록 낮은 값이 적용되도록 제4 가중치를 설정하는 단계;
    상기 제1 가중치를 적용하여 상기 제1 비율 값을 조정하고, 상기 조정된 제1 비율 값을 통해 상기 전면 부위 특성 등급을 산출하고, 상기 제2 가중치를 적용하여 상기 제2 비율 값을 조정하고, 상기 조정된 제2 비율 값을 통해 상기 우측 부위 특성 등급을 산출하고, 상기 제3 가중치를 적용하여 상기 제3 비율 값을 조정하고, 상기 조정된 제3 비율 값을 통해 상기 좌측 부위 특성 등급을 산출하고, 상기 제4 가중치를 적용하여 상기 제4 비율 값을 조정하고, 상기 조정된 제4 비율 값을 통해 상기 상측 부위 특성 등급을 산출하는 단계를 더 포함하는, 지능형 탈모 진단 및 예후 예측 모델을 위한 이미지 처리 방법.
KR1020200065491A 2020-05-29 2020-05-29 지능형 탈모 진단 및 예후 예측 모델을 위한 이미지 처리 방법 KR102360571B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200065491A KR102360571B1 (ko) 2020-05-29 2020-05-29 지능형 탈모 진단 및 예후 예측 모델을 위한 이미지 처리 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200065491A KR102360571B1 (ko) 2020-05-29 2020-05-29 지능형 탈모 진단 및 예후 예측 모델을 위한 이미지 처리 방법

Publications (2)

Publication Number Publication Date
KR20210148563A KR20210148563A (ko) 2021-12-08
KR102360571B1 true KR102360571B1 (ko) 2022-02-08

Family

ID=78867735

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200065491A KR102360571B1 (ko) 2020-05-29 2020-05-29 지능형 탈모 진단 및 예후 예측 모델을 위한 이미지 처리 방법

Country Status (1)

Country Link
KR (1) KR102360571B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230148918A (ko) 2022-04-19 2023-10-26 성균관대학교산학협력단 탈모 자가 진단 및 소분된 탈모 완화용 제품 제공 시스템

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101946466B1 (ko) * 2017-03-21 2019-02-11 (주)이노진 탈모 진단을 위한 촬영 방법 및 이를 수행하는 전자 장치
KR102102200B1 (ko) * 2018-07-09 2020-04-21 (주)메디젠휴먼케어 단일염기다형성을 이용한 탈모 표현형 예측 방법
KR20190123067A (ko) * 2018-04-23 2019-10-31 (주)이노진 탈모 진단 장치 및 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
BioMed Research International,Vol.2020,2476890호(2020.02.10.) 1부.*

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230148918A (ko) 2022-04-19 2023-10-26 성균관대학교산학협력단 탈모 자가 진단 및 소분된 탈모 완화용 제품 제공 시스템

Also Published As

Publication number Publication date
KR20210148563A (ko) 2021-12-08

Similar Documents

Publication Publication Date Title
KR101569268B1 (ko) 얼굴 구성요소 거리를 이용한 홍채인식용 이미지 획득 장치 및 방법
CN101401126B (zh) 面部图像注册装置、面部图像注册方法
O'Reilly et al. Objective method of assessing and presenting the House-Brackmann and regional grades of facial palsy by production of a facogram
CN110660454A (zh) 一种癌痛实时评估仪及其评估方法
Domel et al. A new open-access platform for measuring and sharing mTBI data
KR102360571B1 (ko) 지능형 탈모 진단 및 예후 예측 모델을 위한 이미지 처리 방법
EP4024403A1 (en) Method and system for mental index prediction
TWI742782B (zh) 視網膜分層厚度檢測模型之建立方法、視網膜分層厚度檢測系統、眼部照護裝置、視網膜分層厚度檢測方法及失智症評估和預測方法
CN106203525A (zh) 电子设备及其应用的图像处理方法及系统
CN107638169A (zh) 一种视疲劳度的评测方法和评测系统
KR101715567B1 (ko) 사상체질전문가의 체질 진단에서의 시진(視診) 또는 망진(望診) 상의 오류를 교정하기 위한 얼굴 분석 시스템
CN116543455A (zh) 建立帕金森症步态受损评估模型、使用方法、设备及介质
CN116469148A (zh) 一种基于面部结构识别的概率预测系统及预测方法
CN110175522A (zh) 考勤方法、系统及相关产品
CN109002751A (zh) 嫌疑人人脸识别认定系统及方法
CN111260635B (zh) 一种全自动眼底照片获取、眼病预警及个性化管理系统
KR102499193B1 (ko) 이미지 분석을 통한 탈모 중증도 판별 시스템 및 그 방법
CN112086193A (zh) 一种基于物联网的人脸识别健康预测系统及方法
CN112561935A (zh) 一种阿尔兹海默症的识别方法、装置和设备
KR20220097708A (ko) 지능형 탈모 예후 예측 모델을 통한 이미지 특성 추출 시스템 및 그 방법
Soysa et al. A mobile base application for cataract and conjunctivitis detection
US20240180415A1 (en) Establishing method of retinal layer auto-segmentation model, retinal layer quantification system, eye care device, method for detecting retinal layer thickness and retinal layer area, and method for assessing and predicting neurodegenerative disease
JP2020124367A (ja) 身体健康状態映像分析装置、方法並びにシステム
Jakubowski et al. Application of imaging techniques to objectify the Finger Tapping test used in the diagnosis of Parkinson's disease
KR102625583B1 (ko) Vr 공간에 대한 시지각 분석 시스템, 시지각 분석 방법 및 시지각 분석 방법을 실행시키도록 기록매체에 저장된 컴퓨터 프로그램

Legal Events

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