KR102402221B1 - 인공지능 기반 경추 인공 디스크 모델링 장치 및 그 방법 - Google Patents

Abstract

본 발명은 인공지능 기반 경추 인공 디스크 모델링 장치 및 그 방법에 관한 것으로, 경추 디스크가 위치하는 가용공간을 구성하는 복수의 랜드마크가 부여된 다양한 형상의 의료영상을 학습하여 상기 복수의 랜드마크에 대한 위치를 추정하기 위한 학습모델을 생성하고, 시술대상 경추 인공 디스크가 위치할 가용공간에 대한 의료영상으로부터 생성한 입력데이터를 상기 생성한 학습모델에 입력하여 복수의 랜드마크를 추정하고, 상기 추정한 랜드마크에 따라 상기 시술대상 경추 인공 디스크가 삽입될 가용공간을 생성하며, 상기 생성한 가용공간에서 상기 의료영상으로부터 상기 인공 디스크의 표면과 모서리에 대한 형상정보를 추출하여 반영함으로써, 상기 시술대상 경추 인공 디스크의 모델을 생성하여 출력하는 것을 포함하는 인공지능 기반 경추 인공 디스크 모델링 장치 및 그 방법을 제공한다.

Description

인공지능 기반 경추 인공 디스크 모델링 장치 및 그 방법{APPARATUS FOR MODELING ARTIFICIAL CERVICAL DISC BASED ON ARTIFICIAL INTELLIGENCE AND METHOD THEREOF}

본 발명은 인공지능 기반 경추 인공 디스크 모델링 장치 및 그 방법에 관한 것으로, 더욱 상세하게는 경추 디스크가 위치하는 가용공간을 구성하는 복수의 랜드마크가 부여된 다양한 형상의 의료영상을 학습하여 상기 복수의 랜드마크에 대한 위치를 추정하기 위한 학습모델을 생성하고, 시술대상 경추 인공 디스크가 위치할 가용공간에 대한 의료영상으로부터 생성한 입력데이터를 상기 생성한 학습모델에 입력하여 복수의 랜드마크를 추정하고, 상기 추정한 랜드마크에 따라 상기 시술대상 경추 인공 디스크가 삽입될 가용공간을 생성하며, 상기 생성한 가용공간에서 상기 의료영상으로부터 상기 인공 디스크의 표면과 모서리에 대한 형상정보를 추출하여 반영함으로써, 상기 시술대상 경추 인공 디스크의 모델을 생성하여 출력하는 것을 포함하는 인공지능 기반 경추 인공 디스크 모델링 장치 및 그 방법을 제공한다.

사람의 척추는 신체의 등 중앙에 길이 방향으로 위치하는 인체의 중심을 이루는 신체기관이다. 척추는 7개의 경추(목뼈), 12개의 흉추(등뼈), 5개의 요추(허리뼈), 5개의 천추(골반뼈) 및 4개의 미추(꼬리뼈)로 구성되어, 위쪽으로는 머리를 받치고, 아래쪽은 골반과 연결되어 체중을 하지로 전달하는 기능을 수행하며, 척추골 사이에는 섬유 연골성 추간판(즉 디스크)이 형성되어 두개골로부터 골반골까지 강한 인대와 근육이 결합되어 있어 신체를 지지하고 평형을 유지한다.

하지만 척추는 잘못된 자세, 과도한 운동, 퇴행성 질환 등으로 인해 질환이 발생되는데, 상기 척추와 관련된 질환의 치료는 물리치료를 통한 간접적인 치료방법과 손상된 척추에 별도의 고정장치를 장착하여 척추를 교정 및 고정하는 직접적인 치료방법이 있다. 즉 척추 질환이 경미한 경우에는 물리치료를 시행하지만, 척추를 구성하고 있는 경추, 흉추, 요추, 천골 및 추간판 등에 질환이 심한 경우에는 별도의 척추고정장치(예를 들어, 경추 인공 디스크 등의 임플란트)를 이용하여 치료하여야 한다.

그러나 각종 임플란트를 이용한 치료에 있어서, 기존의 임플란트들은 척추간 공간을 완벽하게 복원하지 못하거나, 임플란트가 척추의 움직임을 방해하는 장애물이 되거나, 수술 과정에서 이식이 어렵거나, 내구성에 대한 신뢰도가 떨어지는 문제점이 있었다.

따라서 본 발명에서는 인공지능에 기반하여 환자 맞춤형 경추 인공 디스크 모델링을 수행하는 장치 및 그 방법을 제시하고자 한다. 구체적으로는, 먼저 랜드마크를 추정하기 위한 학습모델을 생성한 다음 사용자의 의료영상을 상기 랜드마크 추정용 학습모델에 입력하여 복수 개의 랜드마크(landmark) 좌표를 추정하고, 상기 추정한 랜드마크의 각 좌표를 이용하여 사용자의 경추 인공 디스크를 모델링하는 방안을 제시하고자 한다.

더욱 상세하게는 본 발명은 수집한 각 학습용 의료영상에 복수의 랜드마크를 결정하여 학습데이터를 생성하고, 상기 생성한 학습데이터를 학습하여 랜드마크 추정용 학습모델을 생성한다. 다음으로, 추정한 랜드마크를 표준 인공 디스크에 대한 표준 템플릿에 적용하여 크기를 조정하고, 상기 크기가 조정된 템플릿의 표면에 상기 랜드마크를 중심으로 시술할 디스크의 상하 플레이트 표면, 높이, 모서리 또는 이들의 조합에 대한 실제 환자영상의 형상에 대한 좌표를 획득하여 반영함으로써 시술할 환자의 경추 인공 디스크를 모델링한다.

다음으로 본 발명의 기술분야에 존재하는 선행기술에 대하여 간단하게 설명하고, 이어서 본 발명이 상기 선행기술에 비해서 차별적으로 이루고자 하는 기술적 사항에 대해서 기술하고자 한다.

먼저 한국등록특허 제0029548호(2020.03.18.)는 정형 외과 구성요소 설계의 최적화 방법에 관한 것으로, 적어도 하나의 만곡면을 포함하는 임플란트 또는 플레이트를 생성하며, 적어도 하나의 만곡면의 윤곽은 피험자의 해부학적 형상에 대응하며, 피험자의 해부학적 형상은 뼈의 이미지에 기초하여 결정되는 해부학적으로 정확한 플레이트들, 장치들 및 임플란트들의 설계를 용이하게 하기 위해 이미징 데이터 및 3D 모델링의 이용을 통해 뼈들의 외부 및 내부 해부학적 구조를 이해하기 위한 방법에 관한 것이다.

즉, 상기 선행기술은 해부학적으로 정확한 인공삽입물 주위 뼈 플레이트들의 설계 및 선택을 용이하게 하기 위해 인공삽입물 주위 골절들 및 관련 상완골 해부학적 구조의 이해를 향상시키기 위한 방법에 대해 기재하고 있다.

하지만, 본 발명은 랜드마크 추정용 학습모델을 이용하여 사용자의 의료영상으로부터 복수의 랜드마크 좌표를 자동으로 추정하며, 상기 추정한 복수의 랜드마크 좌표를 이용하여 사용자의 경추 인공 디스크를 모델링하는 것이므로, 상기 선행기술과 본 발명은 현저한 구성상 차이점이 있다.

또한 한국공개특허 제2019-0140990호(2019.12.20.)는 치과 기구의 제조를 위한 시스템 및 방법에 관한 것으로, 환자의 치열의 인상된 위치(impressioned position)를 나타내는 3차원 디지털 치과 모델에서 개별 치아의 근사위치를 식별하는 데이터를 수신하는 단계, 식별된 근사 위치 각각에 대해 개별 치아에 대응하는 컴포넌트 모델을 생성하는 단계, 상기 컴포넌트 모델에 대한 타깃 위치를 결정하는 단계, 상기 컴포넌트 모델에 대해 결정된 타깃 위치에 기초하여 치아 포지셔닝 기구 설계를 생성하는 단계, 및 상기 치아 포지셔닝 기구 설계에 기초하여 치아 포지셔닝 기구가 제조되게 하는 단계를 포함한다.

반면에 본 발명은, 경추 인공 디스크 모델링에 관한 것이므로 그 적용분야가 상이하며, 특히 본 발명은 랜드마크 추정용 학습모델을 이용하여 사용자의 의료영상으로부터 복수의 랜드마크 좌표를 추정하며, 상기 추정한 복수의 랜드마크 좌표를 이용하여 사용자의 경추 인공 디스크를 모델링하는 것이므로, 상기 선행기술과 본 발명은 기술적 구성의 차이점이 분명하다.

본 발명은 상기와 같은 문제점을 해결하기 위해 창작된 것으로서, 인공지능을 이용하여 경추 인공 디스크 치환술이 필요한 사용자에게 최적화된 경추 인공 디스크를 모델링할 수 있는 장치 및 그 방법을 제공하는 것을 목적으로 한다.

또한 본 발명은 학습용 의료영상으로부터 복수의 랜드마크를 결정하여 학습데이터를 생성하고, 상기 생성한 학습데이터를 학습하여 랜드마크 추정용 학습모델을 생성하며, 사용자의 의료영상을 상기 랜드마크 추정용 학습모델에 입력하여 랜드마크 좌표를 각각 추정하거나 한 번에 일괄적으로 추정하고, 상기 추정한 랜드마크의 각 좌표를 이용하여 사용자의 경추 인공 디스크를 모델링할 수 있는 장치 및 그 방법을 제공하는 것을 다른 목적으로 한다.

또한 본 발명은 상기 추정한 랜드마크에 따라 표준 템플릿의 크기를 조정하고, 상기 랜드마크를 상기 시술할 환자의 의료영상에 매칭시키고, 상기 템플릿의 상하 표면과 모서리에 상기 매칭한 의료영상으로부터 추출한 형상정보를 반영하여 상기 시술할 환자의 경추 인공 디스크를 모델링하는 장치 및 방법을 제공하는 것을 또 다른 목적으로 한다.

또한 본 발명은 인공지능 학습모델을 이용하여 모델링한 경추 인공 디스크의 높이, 길이, 넓이, 모양 또는 이들의 조합을 포함한 스펙(spec) 정보를 토대로 각 수술예정 사용자별로 경추 인공 디스크를 맞춤형으로 제작할 수 있도록 함으로써, 수술의 성공확률을 높여 사용자의 만족도를 높일 수 있는 장치 및 그 방법을 제공하는 것을 또 다른 목적으로 한다.

본 발명의 일 실시예에 따른 인공지능 기반 경추 인공 디스크 모델링 장치는, 복수의 경추 디스크 공간을 구성하는 복수의 랜드마크를 학습하여 학습모델을 생성하는 학습모델 생성부, 시술할 환자의 경추 디스크 공간에 대한 영상을 상기 생성한 학습모델에 적용하여 복수의 랜드마크를 추정하는 랜드마크 추정부 및 상기 추정한 복수의 랜드마크를 이용하여 상기 시술환자의 경추 인공 디스크를 모델링하는 경추 인공 디스크 모델링부를 포함하는 것을 특징으로 한다.

여기서 상기 학습모델 생성부는, 상기 복수의 경추 디스크 공간에 대한 학습용 의료영상을 수집하는 학습용 의료영상 수집부, 상기 수집한 학습용 의료영상에 복수의 랜드마크를 부가하여 학습데이터를 생성하는 학습데이터 생성부 및 상기 생성한 학습데이터를 학습하여 학습모델을 생성하는 인공지능 학습부를 포함하는 것을 특징으로 한다.

또한 상기 학습모델은, 상기 복수의 랜드마크에 대해서 각각 생성하거나, 상기 복수의 랜드마크를 모두 포함하여 한 번에 일괄적으로 생성하는 것을 포함하며, 상기 랜드마크를 추정하는 것은, 상기 학습모델에 따라 복수의 랜드마크를 각각 추정하거나, 상기 복수의 랜드마크를 모두 포함하여 한 번에 일괄적으로 추정하는 것을 특징으로 한다.

또한 상기 경추 인공 디스크 모델링부는, 상기 추정한 랜드마크에 따라 시술대상 경추 인공 디스크가 삽입될 가용공간을 생성하고, 상기 생성한 가용공간에 미리 정의된 경추 인공 디스크의 표준 템플릿을 적용하고, 상기 랜드마크를 상기 의료영상에 매칭시킨 상태에서 상기 표준 템플릿의 상하 표면과 모서리에 상기 매칭한 의료영상으로부터 추출한 형상정보를 반영함으로써, 상기 시술대상 경추 인공 디스크의 모델을 생성하는 것을 포함하는 것을 특징으로 한다.

여기서 상기 경추 디스크 공간은, 복수의 랜드마크로 구성되는 상기 경추 디스크가 해당 상하 경추뼈 사이에서 차지하는 공간이며, 상기 랜드마크는, 의료영상의 특정 관절에서 두개골 방향 상단 단위 경추뼈(cranial vertebrae) 하단과 척추 방향 하단 단위 경추뼈(caudal vertebrae) 상단에 각각 복수 개를 포함하도록 설정되는 것을 특징으로 한다.

또한 상기 랜드마크는, 상기 두개골 방향 상단 단위 경추뼈 하단의 앞쪽 외곽의 중앙 및 좌우에 cranial anterior center, cranial anterior right 및 cranial anterior left를 각각 포함하여 설정되고, 상기 두개골 방향 상단 단위 경추뼈 하단의 중심에 cranial apex가 설정되고, 상기 두개골 방향 상단 단위 경추뼈 하단의 뒤쪽 외곽의 중앙 및 좌우에 cranial posterior center, cranial posterior right 및 cranial posterior left를 각각 포함하여 설정되며, 상기 척추 방향 하단 단위 경추뼈 상단의 앞쪽 외곽의 중앙 및 좌우에 caudal anterior center, caudal anterior near right, caudal anterior far right, caudal anterior near left 및 caudal anterior far left를 각각 포함하여 설정되고, 상기 척추 방향 하단 단위 경추뼈 상단의 뒤쪽 외곽의 중앙 및 좌우에 caudal posterior center, caudal posterior near right, caudal posterior far right, caudal posterior near left 및 caudal posterior far left를 각각 포함하여 설정되는 것을 특징으로 한다.

아울러 본 발명의 또 다른 일 실시예에 따른 인공지능 기반 경추 인공 디스크 모델링 방법은, 복수의 경추 디스크 공간을 구성하는 복수의 랜드마크를 학습하여 학습모델을 생성하는 학습모델 생성 단계, 시술할 환자의 경추 디스크 공간에 대한 영상을 상기 생성한 학습모델에 적용하여 복수의 랜드마크를 추정하는 랜드마크 추정 단계 및 상기 추정한 복수의 랜드마크를 이용하여 상기 시술환자의 경추 인공 디스크를 모델링하는 경추 인공 디스크 모델링 단계를 포함하는 것을 특징으로 한다.

여기서 상기 학습모델 생성 단계는, 상기 복수의 경추 디스크 공간에 대한 학습용 의료영상을 수집하는 학습용 의료영상 수집 단계, 상기 수집한 학습용 의료영상에 복수의 랜드마크를 부가하여 학습데이터를 생성하는 학습데이터 생성 단계 및 상기 생성한 학습데이터를 학습하여 학습모델을 생성하는 인공지능 학습 단계를 포함하는 것을 특징으로 한다.

또한 상기 경추 인공 디스크 모델링 단계는, 상기 추정한 랜드마크에 따라 시술대상 경추 인공 디스크가 삽입될 가용공간을 생성하고, 상기 생성한 가용공간에 미리 정의된 경추 인공 디스크의 표준 템플릿을 적용하고, 상기 랜드마크를 상기 의료영상에 매칭시킨 상태에서 상기 표준 템플릿의 상하 표면과 모서리에 상기 매칭한 의료영상으로부터 추출한 형상정보를 반영함으로써, 상기 시술대상 경추 인공 디스크의 모델을 생성하는 것을 포함하는 것을 특징으로 한다.

이상에서와 같이 본 발명의 인공지능 기반 경추 인공 디스크 모델링 장치 및 그 방법에 따르면, 랜드마크 추정용 학습모델을 생성한 다음 사용자의 의료영상을 랜드마크 추정용 학습모델에 입력하여 복수의 랜드마크 좌표를 추정하고, 상기 추정한 랜드마크의 각 좌표를 이용하여 사용자의 경추 인공 디스크를 모델을 생성한다. 여기서 상기 인공 디스크 모델은 상기 추정한 복수의 랜드마크를 이용하여 표준 템플릿이 시술할 환자의 해당 경추 디스크가 위치하는 가용공간에 맞도록 크기를 조정하고, 상기 랜드마크를 상기 시술할 환자의 의료영상에 매칭시켜서 상기 템플릿의 상하 표면과 모서리에 상기 매칭한 의료영상으로부터 추출한 형상정보를 반영하여 상기 시술할 환자의 경추 인공 디스크를 모델링하는 장치 및 방법에 관한 것이다. 이렇게 함으로써, 본 발명은 경추 인공 디스크를 사용자의 수술부위에 최적화하여 맞춤형으로 제작하는 것이 가능하며, 맞춤형으로 제작한 경추 인공 디스크를 통해서 성공적인 시술은 물론, 사용자의 만족도를 향상시킬 수 있는 효과가 있다.

도 1은 본 발명의 일 실시예에 따른 인공지능 기반 경추 인공 디스크 모델링 장치의 사용 환경을 개략적으로 나타낸 개념도이다.
도 2는 본 발명의 일 실시예에 따른 경추 인공 디스크에 대한 인공지능 학습모델 생성, 이를 통한 랜드마크 추정 및 맞춤형 경추 인공 디스크 모델 생성 과정을 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 따른 적용되는 랜드마크 추정용 학습모델의 생성 과정을 상세하게 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른 인공지능 모델 생성을 위하여 학습용 의료영상에 설정되는 복수 개의 랜드마크 및 상기 랜드마크에 의해 표현되는 가용공간인 A-스페이스를 나타낸 도면이다.
도 5는 본 발명의 일 실시예에 따른 복수의 랜드마크의 각 위치를 보다 상세하게 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른 경추 인공 디스크 모델링 장치의 구성을 나타낸 블록도이다.
도 7은 본 발명의 일 실시예에 따른 랜드마크 추정을 통한 공간추정 결과, 상기 공간추정 결과에 경추 인공 디스크 모델의 템플릿을 적용하고, 경추 인공 디스크 모델을 생성하는 과정을 보인 개념도이다.
도 8은 본 발명의 일 실시예에 따른 인공지능 기반 경추 인공 디스크 모델링 방법을 나타낸 순서도이다.
도 9는 본 발명의 일 실시예에 따른 경추 인공 디스크의 시술 환자에 대한 의료영상으로부터 맞춤형 경추 인공 디스크를 모델을 생성하는 과정을 상세하게 나타낸 순서도이다.

이하, 첨부한 도면을 참조하여 본 발명의 인공지능 기반 경추 인공 디스크 모델링 장치 및 그 방법에 대한 바람직한 실시 예를 상세히 설명한다. 각 도면에 제시된 동일한 참조부호는 동일한 부재를 나타낸다. 또한 본 발명의 실시 예들에 대해서 특정한 구조적 내지 기능적 설명들은 단지 본 발명에 따른 실시 예를 설명하기 위한 목적으로 예시된 것으로, 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는 것이 바람직하다.

도 1은 본 발명의 일 실시예에 따른 인공지능 기반 경추 인공 디스크 모델링 장치의 사용 환경을 개략적으로 나타낸 개념도이다.

도 1에 도시된 바와 같이, 본 발명의 경추 인공 디스크 모델링 장치(100)는 복수의 학습용 의료영상 제공 단말(200), 사용자 단말(300), 데이터베이스(400) 등을 포함하는 사용 환경에서 운영될 수 있다. 이때 상기 경추 인공 디스크 모델링 장치(100)는 입출력장치(예: 모니터, 마우스, 키보드, 카메라, 3D 프린터, 의료장비와의 통신 인터페이스 등)를 갖춘 의료진의 전문가 단말(300-1)을 더 구비하여 상기 경추 인공 디스크 모델링 장치(100)에 직접 연결되거나 네트워크에 연결되어 상기 경추 인공 디스크 모델링 장치(100)를 제어할 수 있다.

상기 경추 인공 디스크 모델링 장치(100)는 네트워크를 통해 상기 학습용 의료영상 제공 단말(200)로부터 경추 부분의 의료영상을 수집하고, 상기 수집한 의료영상에 복수의 랜드마크를 결정하여 학습데이터를 생성하고, 상기 생성한 학습데이터를 토대로 학습을 수행하여 학습모델을 생성하며, 상기 생성한 학습모델을 상기 데이터베이스(400)에 저장한다.

즉 상기 경추 인공 디스크 모델링 장치(100)는 상기 수집한 의료영상을 확인한 전문가(예: 의사, 영상판독 전문가, 엔지니어 등)가 결정하는 복수의 랜드마크를 각각 레이블링하여 학습데이터로 생성하고, 상기 생성한 학습데이터를 학습하여 랜드마크 추정용 학습모델을 생성하고, 상기 생성한 학습모델을 상기 데이터베이스(400)에 저장하여 관리하는 것을 포함한다.

이때 상기 랜드마크는 의료영상의 특정 관절(2개의 단위 경추뼈와 그 사이의 디스크)에서 두개골 방향 상단 단위 경추뼈(cranial vertebrae) 하단과 척추 방향 하단 단위 경추뼈(caudal vertebrae) 상단에 각각 복수 개가 설정(예를 들어, 두개골 방향 상단 단위 경추뼈 하단에 7개, 척추 방향 하단 단위 경추뼈 상단에 10개가 설정)된다.

상기 의료영상은 개인정보 활용에 동의한 사용자들의 의료영상으로서, 개인정보의 노출 우려가 없으며, 3차원의 CT나 MRI 등을 포함한다.

여기서, 상기 경추 인공 디스크 모델링 장치(100)는 상기 랜드마크 추정용 학습모델을 생성할 때, 지도학습을 기반으로 하나, 비지도학습이나 강화학습을 포함한 다양한 학습방법을 사용하여 학습모델을 생성할 수 있다.

한편, 상기 경추 인공 디스크 모델링 장치(100)는 경추 인공 디스크 치환술이 필요한 사용자(환자)의 의료영상을 상기 랜드마크 추정용 학습모델에 맞는 데이터 포맷으로 전처리한 후, 상기 랜드마크 추정용 학습모델에 입력하여 복수의 랜드마크 좌표를 각각 추정하거나 한 번에 일괄적으로 추정할 수 있으며, 상기 추정한 랜드마크의 각 좌표를 이용하여 해당 사용자의 경추 인공 디스크를 모델링할 수 있다.

상기 학습용 의료영상 제공 단말(200)은 경추관련 의료영상을 촬영하거나 기 촬영된 의료영상을 관리하는 각 의료기관이나 데이터 센터에서 네트워크를 통해 상기 경추관련 영상을 제공할 수 있는 통신 인터페이스를 갖춘 단말이 될 수 있다.

이때 상기 의료영상은 PHR(Personal Health Record)을 통해 각 개인으로부터 수집할 수도 있으며, 데이터 센터나 각 의료기관으로부터 수집할 수 있으며, 계약을 통해서 특정 의료기관이나 데이터 센터로부터 소정의 주기 혹은 요청에 따라 상기 경추 인공 디스크 모델링 장치(100)에서 제공 받을 수 있다.

상기 사용자 단말(300)은 경추 인공 디스크 치환술 등을 수행할 사용자가 사용하는 스마트폰, 태블릿, PC 등의 통신 단말이며, 자신에게 최적화된 경추 인공 디스크에 대한 정보를 얻고 이를 확인할 수 있다.

또한 전문가 단말(300-1)은 상기 사용자 단말의 기능에 더하여 본 발명에 따른 경추 인공 디스크 모델링 장치(100)를 직접적으로 혹은 네트워크를 통해서 제어할 수 있는 전문가가 상기 경추 인공 디스크 모델링 장치(100)를 운영하고 관리하며 제어할 수 있는 기능을 구비하고 있다.

즉, 상기 전문가 단말(300-1) 및 사용자 단말(300)은 미리 설치해둔 애플리케이션 프로그램을 이용하여 수술부위에 삽입될 경추 인공 디스크에 대한 높이, 길이, 넓이, 모양 또는 이들의 조합을 포함한 스펙정보를 정확하게 확인할 수 있는 것이다.

상기 데이터베이스(400)는 상기 경추 인공 디스크 모델링 장치(100)에서 생성한 랜드마크 추정용 학습모델, 적어도 하나 이상의 표준 템플릿 등을 저장하여 관리하고, 아울러 맞춤형 경추 인공 디스크를 제작하기 위해 각 사용자(환자)들의 경추관련 의료영상, 환자 아이디, 환자 패스워드, 환자의 회원 정보를 저장하여 관리하는 것이 가능하도록 구성된다.

또한 상기 데이터베이스(400)는 상기 경추 인공 디스크 모델링 장치(100)에서 사용하는 랜드마크 추정용 학습모델, 상기 랜드마크 추정용 학습모델을 통해 추정한 랜드마크, 경추 인공 디스크의 모델 생성 결과와 상기 모델링된 경추 인공 디스크의 정보를 저장하고 관리한다. 상기 데이터베이스(400)에는 위에서 열거한 각종 데이터들을 저장하고 관리하는 것 이외에, 상기 데이터들을 저장 관리하는 어플리케이션 프로그램도 포함할 수 있다.

이어서 인공지능 학습모델 생성, 이를 통한 랜드마크 추정 및 맞춤형 경추 인공 디스크 모델링 과정에 대해서 도 2를 참조하여 상세하게 설명하고자 한다.

도 2는 본 발명의 일 실시예에 따른 경추 인공 디스크에 대한 인공지능 학습모델 생성, 이를 통한 랜드마크 추정 및 맞춤형 경추 인공 디스크 모델을 생성하는 모델링 과정을 설명하기 위한 도면이다.

도 2에 도시된 바와 같이, 본 발명은 크게 경추 인공 디스크에 대한 인공지능 학습모델 생성 과정, 상기 생성한 인공지능 학습모델을 통한 랜드마크 추정 과정, 및 상기 추정한 랜드마크를 이용하여 맞춤형 경추 인공 디스크 모델을 생성하는 모델링 과정을 포함하여 구성된다.

먼저 학습모델 생성 과정을 설명하고자 한다. 상기 경추 인공 디스크 모델링 장치(100)는 네트워크를 통해서 상기 학습용 의료영상 제공 단말(200)로부터 경추 부분을 스캔한 학습용 의료영상을 수집한다. 상기 학습용 의료영상과 함께 전문가가 결정한 상기 학습용 의료영상의 랜드마크를 더 포함할 수 있다(①).

이어서, 상기 수집한 각 의료영상에 랜드마크가 수신되었으면, 수시된 랜드마크를 사용하고, 아니면 랜드마크를 결정하여, 상기 복수의 랜드마크에 대해서 레이블링하고 학습데이터를 생성하며(②), 상기 생성한 학습데이터를 입력하여 랜드마크 추정용 학습 네트워크를 학습하며(③), 상기 학습을 통해서 생성한 학습모델을 데이터베이스에 저장한다(④). 즉, 상기 경추 인공 디스크 모델링 장치(100)는 상기 생성한 랜드마크 추정용 학습모델을 상기 데이터베이스(400)에 저장하여 관리한다. 이상의 과정을 통해서 학습모델이 생성되고 저장 및 관리된다.

이어서 랜드마크 추정 과정을 설명하고자 한다. 상기 경추 인공 디스크 모델링 장치(100)는 경추 디스크를 시술할 사용자(환자)에게 적합한 경추 인공 디스크를 모델링하기 위하여, 상기 데이터베이스(400)에 저장되어 있거나 의료기기(예: CT, MRI 등의 의료기기)로부터 사용자의 의료영상을 수신한다(⑤). 상기 수신한 사용자의 의료영상을 상기 랜드마크 추정용 학습모델에서 사용하는 데이터 포맷(인공 디스크를 삽입할 가용 공간을 나타내는 데이터 세트)으로 변환하여 입력데이터 세트를 생성한다(⑥). 상기 생성한 입력데이터 세트(즉 사용자의 의료영상)를 상기 랜드마크 추정용 학습모델에 입력하여 디스크 시술부위에 대한 복수의 랜드마크 좌표를 추정한다(⑦). 이로써 랜드마크 추정 과정이 완료된다.

다음으로 맞춤형 경추 인공 디스크 모델을 생성하는 과정에 대해서 설명하고자 한다. 상기 경추 인공 디스크 모델링 장치(100)는 상기 사용자의 의료영상으로부터 추정한 랜드마크의 각 좌표를 이용하여 경추 인공 디스크의 모델을 생성한다. 이를 위해서 먼저 추정한 복수의 랜드마크의 좌표를 이용하여 디스크를 삽입할 가용공간을 생성한 다음, 기 저장하고 있던 표준 템플릿에 적용하여, 상기 표준 템플릿의 크기를 조정한다(⑧). 상기 크기가 조정된 템플릿에 시술할 디스크의 상하에 위치하는 경추뼈 혹은 주변 영상에서 나타나는 형상을 상기 수정된 템플릿에 반영한다(⑨). 즉, 상기 시술환자의 디스크 상하 경추뼈 사이의 가용공간을 촬영(스캔)한 의료영상에 나타난 형상에서 각 세부적인 특징점들의 3차원 좌표들을 추출하여 상기 조정된 템플릿의 표면에 반영하여(⑨), 상기 템플릿을 추가로 수정함으로써 경추 인공 디스크 모델을 생성하고 그 결과를 출력한다(⑩). 상기 경추 인공 디스크 모델링 장치(100)는 상기 모델링한 특정 경추 인공 디스크 템플릿에 대한 높이, 길이, 넓이, 모양 또는 이들의 조합을 포함한 정보를 이미지, 텍스트 또는 이들의 조합으로 생성하고, 상기 생성한 정보를 상기 사용자 단말(300)이나 전문가 단말(300-1)로 제공할 수 있으며, 3D 프린터와 같은 경추 인공 디스크 제작 장치 혹은 툴로 출력할 수 있다(⑩). 이로써 본 발명에 따른 환자 맞춤형 경추 인공 디스크 모델을 생성 과정을 설명하였다.

다음에는, 상기 랜드마크 추정용 학습모델의 생성을 도 3을 참조하여 상세하게 설명한다.

도 3은 본 발명의 일 실시예에 따른 적용되는 랜드마크 추정용 학습모델의 생성 과정을 상세하게 설명하기 위한 도면이다.

먼저 도 3의 (a)에 도시된 바와 같이, 상기 경추 인공 디스크 모델링 장치(100)는 각 사용자별 의료영상과 랜드마크 #1이 레이블링된 각 사용자별 의료영상을 입력으로 학습 네트워크를 학습하고, 상기 학습 네트워크의 최적 파라미터를 도출하여 랜드마크 #1 추정용 학습모델을 생성하고, 이를 상기 데이터베이스(400)에 저장한다.

이때 학습에 사용하는 상기 의료영상은 2차원의 엑스레이 영상을 사용할 수도 있으나, CT나 MRI와 같이 경추 부분을 6면에서 입체적으로 확인할 수 있는 3차원 의료영상을 사용하는 것이 바람직하다.

또한 상기 경추 인공 디스크 모델링 장치(100)는 상기 랜드마크 #1 추정용 학습모델을 생성할 때와 동일한 방식으로 랜드마크 #2 내지 랜드마크 #17에 대하여 각 사용자별 의료영상과 랜드마크 #2 내지 #17이 각각 설정된 각 사용자별 의료영상을 각각 입력으로 학습을 수행하여 랜드마크 #2 내지 #17 추정용 학습모델을 생성하고, 상기 생성한 랜드마크 #2 내지 #17 추정용 학습모델도 상기 데이터베이스(400)에 저장한다.

또한 본 발명의 각 랜드마크 추정용 학습모델은 멀티 태스크를 통해서 동시에 복수의 학습을 수행하도록 구성하는 것을 포함한다. 즉, 복수의 각 학습 네트워크를 병렬로 수행하도록 하고, 그 결과를 학습모델로 저장하도록 한다.

한편, 본 발명은 도 3의 (b)에 도시된 바와 같이, 복수의 각 랜드마크에 대한 학습데이터를 3차원으로 결합(3차원 registration)하여 구성함으로써, 복수의 랜드마크를 한번에 동시에 추정할 수 있도록 학습모델을 구성하는 것을 포함한다.

상기 학습데이터는 복수의 랜드마크에 대한 개별적인 데이터 세트에 하나의 차원을 더 추가하여 복수의 랜드마크가 통합된 학습데이터를 구성하고 이를 입력으로 하는 통합 학습 네트워크를 구성하여 학습함으로써 통합 학습모델을 생성할 수 있다.

예를 들어, 각 랜드마크 별로 3차원 좌표에 대한 레이블링을 수행하여 하나의 데이터 세트로 만들고, 이를 입력으로 하는 통합 학습네트워크에 입력하여 통합 학습모델을 생성할 수 있다. 이 때 각 랜드마크는 별도로 레이블링되므로 각 랜드마크 간에는 서로 연관성이 없기 때문에, 각 랜드마크에 대해서 독립적인 구조의 학습 네트워크를 구비하는 것이 바람직할 것이다. 즉, 통합 학습네트워크는 입력되는 학습 데이터의 형상과 같이 입체적인 형상의 네트워크로 구성될 것이다. 또한 17개의 출력 데이터 세트가 동시에 출력되어 데이터베이스(400)에 저장된다.

또한 상기 경추 인공 디스크 모델링 장치(100)는 상기 3차원 구조로 생성한 학습데이터에 따라 예를 들어 3차원 CNN을 이용하여 통합 학습모델을 생성하며, 상기 생성한 통합 학습모델을 상기 데이터베이스(400)에 저장하여 관리한다.

상기 랜드마크 추정용 학습모델을 생성하기 위하여 학습을 진행하는 학습 네트워크는 CNN(convolution neural network)을 사용할 수 있으며, 상기 CNN은 학습데이터가 입력되는 입력 레이어, 컨볼루션(convolution) 레이어, 풀링(pooling) 레이어 및 완전연관(fully connected) 레이어로 구성된다.

도 4는 본 발명의 일 실시예에 따른 인공지능 모델 생성을 위하여 학습용 의료영상에 설정되는 복수 개의 랜드마크 및 상기 랜드마크에 의해 표현되는 가용공간인 A-스페이스를 나타낸 도면이다.

도 4에 도시된 바와 같이, 상기 A-스페이스(600)는 복수 개의 랜드마크(500)로 정의되는 공간으로서, 상기 경추 인공 디스크가 시술될 위치에서 상하 2개의 단위 경추뼈 사이(예를 들어, C5 경추와 C6 경추 사이)의 공간을 모델링한 것이다.

즉 상기 A-스페이스(600)는 하나의 경추 인공 디스크를 디자인할 때, 상기 경추 인공 디스크가 시술되는 곳의 상하 경추뼈 사이에서 상기 경추 인공 디스크가 삽입되는 가용한 크기와 모양을 특징점(랜드마크)의 집합으로 정의한 공간을 의미한다.

또한 상기 A-스페이스(600)는 수술예정 사용자의 경추 상태나 수술부위별로 모두 다르게 모델링되기 때문에, 본 발명의 방식에 따라 모델링한 A-스페이스(600)로부터 상기 수술예정 사용자에게 가장 적합한 경추 인공 디스크를 모델링하면, 종래의 미리 정해진 스펙에 따라 디자인한 기성품인 경추 인공 디스크를 사용하여 수술함에 따라 발생되었던, 수술 성공가능성이 저하되는 문제를 해결할 수 있다.

특정 경추 인공 디스크가 위치할 가용공간인 A-스페이스는 전문가가 해당 특정 경추 인공 디스크의 의료영상에 상하좌우에 랜드마크를 부여함으로써 해당 가용공간을 정의한 것으로, 랜드마크가 해당 공간을 특징지울 수 있지만, 각 랜드마크 사이의 공간에 대해서는 정의되지 않은 부분이 여전히 존재한다.

도 5는 본 발명의 일 실시예에 따른 복수의 랜드마크의 각 위치를 보다 상세하게 설명하기 위한 도면이다.

도 5에 도시된 바와 같이, 상기 랜드마크(500)는 수술부위의 단위 경추뼈를 충분히 감싸도록 면적을 확보하고, 중심선에 맞추어 식립할 수 있도록 가이드할 수 있도록 하기 위해서 복수 개가 설정되며, 복수 개의 랜드마크(500)에 의해서 경추 인공 디스크가 삽입될 공간인 A-스페이스(600)가 3차원 모델링된다.

예를 들어, 상기 랜드마크(500)는 특정 관절에서 두개골 방향 상단 단위 경추뼈(cranial vertebrae) 하단에 7개가 설정되며, 척추 방향 하단 단위 경추뼈(caudal vertebrae) 상단에 10개가 설정된다.

즉 상기 랜드마크(500)는 상기 두개골 방향 상단 단위 경추뼈 하단의 앞쪽 외곽의 중앙 및 좌우에 cranial anterior center, cranial anterior right 및 cranial anterior left가 각각 설정되고, 두개골 방향 상단 단위 경추뼈 하단의 중심에 cranial apex가 설정되며, 상기 두개골 방향 상단 단위 경추뼈 하단의 뒤쪽 외곽의 중앙 및 좌우에 cranial posterior center, cranial posterior right 및 cranial posterior left가 각각 설정된다.

또한 상기 랜드마크(500)는 상기 척추 방향 하단 단위 경추뼈 상단의 앞쪽 외곽의 중앙 및 좌우에 caudal anterior center, caudal anterior near right, caudal anterior far right, caudal anterior near left 및 caudal anterior far left가 각각 설정되며, 상기 척추 방향 하단 단위 경추뼈 상단의 뒤쪽 외곽의 중앙 및 좌우에 caudal posterior center, caudal posterior near right, caudal posterior far right, caudal posterior near left 및 caudal posterior far left가 각각 설정된다.

여기서, 본 발명에서는 상기 랜드마크(500)를 총 17개 설정하는 것을 예로 설명하지만 이에 한정되는 것은 아니며, 랜드마크의 수를 증가하거나 감소하여 사용할 수 있음을 밝혀둔다.

도 6은 본 발명의 일 실시예에 따른 경추 인공 디스크 모델링 장치의 구성을 나타낸 블록도이다.

도 6에 도시된 바와 같이, 상기 경추 인공 디스크 모델링 장치(100)는 학습모델 생성부(110), 랜드마크 추정부(120) 및 경추 인공 디스크 모델링부(130)를 포함하여 구성된다.

상기 학습모델 생성부(110)는 학습용 의료영상 수집부(111), 학습데이터 생성부(112) 및 인공지능 학습부(113)를 포함하여 구성된다.

또한 상기 경추 인공 디스크 모델링 장치(100)는 도면에 도시하지는 않았지만, 하드웨어적으로는 프로세서, 메모리 및 이들을 연결하는 버스와 각종 인터페이스 카드 등을 포함하며, 소프트웨어적으로는 상기 메모리에 상기 프로세서를 통해서 구동할 프로그램들이 저장되어 있으며, 사용자나 네트워크상의 명령에 따라 동작을 수행하도록 사용자 인터페이스, 각종 동작프로그램의 업데이트를 관리하는 업데이트 관리부, 데이터베이스 등의 외부 장치와 데이터 송수신을 위한 인터페이스부 등을 추가로 포함할 수 있다.

상기 학습용 의료영상 수집부(111)는 네트워크나 직접적으로 연결된 상기 학습용 의료영상 제공 단말(200)로부터 복수의 경추 디스크 공간에 대한 학습용 의료영상을 수집한다. 이때, 각 의료영상에는 전문가가 지정한 랜드마크를 포함할 수도 있다.

수집된 학습용 의료영상에는 랜드마크가 포함되어 있지 않을 수도 있어, 별도의 랜드마크를 결정하는 작업이 본 발명에 따른 경추 인공 디스크 모델링 장치(100)에서 수행될 수도 있다.

이때 상기 의료영상은 PHR(Personal Health Record)을 통해 각 개인으로부터 수집할 수도 있으며, 데이터 센터나 각 의료기관으로부터 수집할 수 있으며, 계약을 통해서 특정 의료기관이나 데이터 센터로부터 소정의 주기 혹은 요청에 따라 실시간으로 제공 받을 수도 있다.

상기 학습데이터 생성부(112)는 상기 수집한 학습용 의료영상에 복수의 랜드마크를 부가하여 학습데이터를 생성하는 역할을 한다. 학습데이터는 인공지능 학습네트워크에 입력하여 학습을 수행하도록 하기 위한 전처리 과정에 의해 마련되는 것으로, 1차원, 2차원, 3차원 또는 이들이 복수로 결합된 형태를 가질 수 있다. 상기 생성한 학습데이터는 각 랜드마크에 따라 레이블링되어 있다.

또한 상기 인공지능 학습부(113)는 상기 생성한 학습데이터를 학습 네트워크에 입력하여 상기 학습 네트워크를 학습시킴으로써, 상기 학습 네트워크의 학습 파라미터를 추출하여 랜드마크 추정용 인공지능 학습모델을 생성하는 역할을 한다.

즉, 상기 인공지능 학습부(113)는 상기 학습용 의료영상 수집부(111)에서 수집한 각 의료영상에 복수의 랜드마크를 결정하여 학습데이터를 생성하고, 상기 생성한 학습데이터를 학습하여 랜드마크 추정용 학습모델을 생성하고, 상기 생성한 랜드마크 추정용 학습모델을 상기 데이터베이스(400)에 저장하여 관리하도록 한다.

여기서 상기 학습모델 생성부(120)의 주요 기능으로 랜드마크를 결정하고, 상기 결정한 랜드마크에 대해서 레이블링을 하고, 이를 이용하여 인공지능 학습 네트워크를 학습시키는 역할을 한다.

여기서 상기 랜드마크 결정은 수집한 각 의료영상에서 복수의 랜드마크 각각에 대한 3차원 좌표를 결정하는 것을 말하고, 상기 레이블은 상기 결정한 복수의 랜드마크에 대해서 레이블을 붙여서 각 랜드마크를 구분할 수 있도록 하며, 상기 인공지능 학습은 상기 결정한 랜드마크 및 상기 랜드마크에 대해서 레이블링한 각 의료영상을 토대로 학습을 수행하여 랜드마크 추정용 학습모델을 생성한다.

이어서 랜드마크 추정부(120)에 대해서 자세하게 설명하고자 한다. 상기 랜드마크 추정부(120)는 사용자 의료영상 입력부(121), 입력데이터 생성부(122) 및 랜드마크 좌표 추정부(123)를 포함하여 구성된다.

상기 사용자 의료영상 입력부(121)는 데이터베이스(400) 혹은 의료기기로부터 시술환자의 시술대상 경추 디스크의 상하 경추뼈에 대한 의료영상을 입력받는다. 상기 입력받은 의료영상을 상기 입력데이터 생성부(122)로 출력한다.

상기 입력데이터 생성부(122)에서는 상기 의료영상을 학습모델에 적용하기 위한 데이터 포맷으로 변환하는 전처리를 수행한다.

이어서 상기 랜드마크 좌표 추정부(123)는 상기 입력데이터를 상기 학습모델 생성부(110)에서 생성한 랜드마크 추정용 학습모델에 입력하여 복수의 랜드마크 좌표를 추정한다.

상기 추정한 랜드마크의 각 좌표에 대한 정보를 상기 경추 인공 디스크 모델링부(130)로 출력한다. 이때 상기 랜드마크 추정부(120)는 상기 랜드마크 추정용 학습모델을 통해서 복수의 랜드마크 좌표를 추정할 때, 랜드마크 별로 각각 추정하거나, 또는 한 번에 통합하여 일괄적으로 추정할 수도 있다.

이어서 상기 경추 인공 디스크 모델링부(130)에 대해서 도 7을 참조하여 설명하고자 한다. 도 7은 본 발명의 일 실시예에 따른 랜드마크 추정을 통한 공간추정 결과, 상기 공간추정 결과에 경추 인공 디스크 모델의 템플릿을 적용하고, 경추 인공 디스크 모델을 생성하는 과정을 보인 개념도이다.

즉, 상기 랜드마크 추정부(120)에서 추정한 랜드마크로 가용공간을 생성하고, 상기 생성한 가용공간에 표준 템플릿을 집어넣어 템플릿의 크기를 상기 가용공간에 맞춘다. 여기서 상하 측에 구비된 고정용 스토퍼는 상기 추정한 범위를 초과하여 상하 경추뼈에 고정되는 역할을 한다.

상기 경추 인공 디스크 모델링부(130)는 추정한 랜드마크를 이용하여 디스크의 공간을 구성하는 공간 추정부(131), 상기 구성한 디스크 공간에 대해서 실제 의료영상을 통해서 보완하여 디스크의 모델을 생성하는 디스크 모델 생성부(132) 및 상기 생성한 모델을 출력하는 디스크 모델 출력부(133)를 포함하여 구성된다.

상기 공간 추정부(131)는, 상기 랜드마크 추정부(120)를 통해 상기 시술환자의 의료영상으로부터 추정한 랜드마크의 각 좌표를 사용하여, 시술할 경추 인공 디스크의 공간을 추정한다. 여기서 디스크 공간의 추정은, 복수의 랜드마크를 서로 연결하여, 시술할 경추의 상하 경추뼈 사이에서 디스크가 위치할 공간을 추정하여 생성하는 것을 말한다. 상기 생성한 공간은 실제 인공 디스크가 삽입될 외곽 하우징과 같은 것이다.

상기 디스크 모델 생성부(132)는 상기 생성한 공간에 맞추어 삽입할 인공 디스크 모델을 생성하는 기능을 한다. 이 과정에서 인공 디스크 모델에 대한 표준 템플릿을 메모리 혹은 데이터베이스에서 불러와서 상기 추정한 공간에 삽입하고 크기를 상기 추정한 공간에 맞춘다. 이렇게 맞춘 템플릿의 표면과 모서리는 표준 템플릿만으로 모델링하기 부족하다. 따라서 상기 템플릿의 상하 표면과 주변 모서리에 대한 형상을 시술환자의 의료영상에서 불러와 상기 템플릿에 반영한다.

이렇게 생성된 템플릿은 바로 경추 인공 디스크 모델이 된다.

상기 디스크 모델 출력부(133)는 상기 생성한 경추 인공 디스크 모델을 외부의 3D 프린터와 같은 출력수단으로 전송하여 최종적인 제품이 만들어 지도록 한다. 또한 상기 출력수단으로 최종 출력하기 전에 상기 생성한 모델을 사용자 단말(300)이나 전문가 단말(300-1)로 출력하도록 할 수 있다. 즉 상기 사용자에게 가장 적합한 경추 인공 디스크의 모델링을 통해서 맞춤형 경추 인공 디스크를 제작할 수 있도록 하는 것이다.

상기 디스크 모델 출력부(133)는 실제 생성한 디스크 모델을 3D 프런터 등으로 출력하는 것에 더하여 상기 디스크 모델 생성부(132)에서 생성한 경추 인공 디스크에 대한 높이, 길이, 넓이, 모양 또는 이들의 조합을 포함한 정보를 토대로 이미지, 텍스트 또는 이들의 조합을 포함한 결과 데이터를 생성하고, 상기 생성한 결과 데이터를 상기 수술예정 사용자나 전문가에게 제공한다.

또한 상기 경추 인공 디스크 모델링 장치(100)는 내부에 별도의 메모리(미도시)를 구비할 수 있으며, 상기 메모리에는 상기 경추 인공 디스크 모델링 장치(100)에서 사용하는 각종 동작프로그램을 저장하고 있으며, 상기 학습용 의료영상 제공 단말(200)로부터 수집한 각 의료영상, 상기 랜드마크 추정부(120)를 통한 랜드마크 추정결과, 상기 경추 인공 디스크 모델링부(130)를 통해 모델링한 맞춤형 경추 인공 디스크에 대한 결과 데이터 등을 임시로 저장하는 기능을 수행할 수 있다.

다음에는, 이와 같이 구성된 본 발명에 따른 인공지능 기반 경추 인공 디스크 모델링 방법의 일 실시예를 도 8과 도 9를 참조하여 상세하게 설명한다. 이때 본 발명의 방법에 따른 각 단계는 사용 환경이나 당업자에 의해 순서가 변경될 수 있다.

도 8은 본 발명의 일 실시예에 따른 인공지능 기반 경추 인공 디스크 모델링 방법을 나타낸 순서도이다.

도 8에 도시된 바와 같이, 상기 경추 인공 디스크 모델링 장치(100)는 상기 학습용 의료영상 제공 단말(200)로부터 각 의료영상을 수집하는 학습용 의료영상 수집 단계를 수행한다(S110).

이어서, 상기 경추 인공 디스크 모델링 장치(100)는 상기 S110 단계를 통해 상기 학습용 의료영상 제공 단말(200)로부터 수집한 학습용 의료영상에 복수의 랜드마크를 결정하여 학습데이터를 생성하는 단계를 수행하고(S120), 상기 생성한 학습데이터를 학습하여 랜드마크 추정용 학습모델을 생성하는 학습모델 생성 단계를 수행한다(S130).

즉, 상기 경추 인공 디스크 모델링 장치(100)는 상기 학습용 의료영상 제공 단말(200)로부터 수집한 경추 부분에 대한 각 사용자별 의료영상과 상기 의료영상을 확인한 전문가가 결정한 복수 개의 랜드마크로 레이블링된 의료영상을 학습하여 랜드마크 추정용 학습모델을 생성하는 것이다.

또한 상기 경추 인공 디스크 모델링 장치(100)는 상기 S130 단계를 통해 생성한 랜드마크 추정용 학습모델을 상기 데이터베이스(400)에 저장하여 관리한다(S140).

한편, 상기 경추 인공 디스크 모델링 장치(100)는 랜드마크 추정용 학습모델을 생성한 이후, 사용자의 의료영상으로부터 맞춤형 경추 인공 디스크를 모델링하게 되는데, 이를 도 9를 참조하여 상세하게 설명하면 다음과 같다.

도 9는 본 발명의 일 실시예에 따른 경추 인공 디스크의 시술 환자에 대한 의료영상으로부터 맞춤형 경추 인공 디스크를 모델을 생성하는 과정을 상세하게 나타낸 순서도이다.

도 9에 도시된 바와 같이, 상기 경추 인공 디스크 모델링 장치(100)는 경추 인공 디스크 치환술을 수행할 사용자의 의료영상(즉, 경추 부분을 촬영한 CT, MRI 등의 의료영상)이 입력되는지를 판단하고(S210), 상기 S210 단계의 판단결과 상기 사용자의 의료영상이 입력되면, 상기 사용자의 의료영상을 상기 S130 또는 S150 단계에서 생성한 랜드마크 추정용 학습모델에 적용하기 위한 데이터 포맷으로 변환하는 전처리를 수행한다(S220).

상기 S220 단계를 통해 상기 사용자의 의료영상을 전처리한 이후, 상기 경추 인공 디스크 모델링 장치(100)는 상기 사용자의 의료영상을 상기 S130 단계를 통해 생성한 랜드마크 추정용 학습모델에 입력하여 복수의 랜드마크 좌표를 추정하는 랜드마크 좌표 추정 단계를 수행한다(S230).

이어서, 상기 경추 인공 디스크 모델링 장치(100)는 상기 S230 단계를 통해 추정한 랜드마크의 각 좌표를 통해서 상기 사용자의 경추 인공 디스크를 모델링하는데, 상기 추정한 랜드마크의 각 좌표를 이용하여 시술대상 디스크의 가용공간을 생성하고, 상기 생성된 가용공간에 삽입할 인공 디스크의 모델을 시술대상 디스크의 상하 경추뼈에 대한 의료영상으로부터 추출한 형상을 반영하여 경추 인공 디스크 모델을 생성한다(S240).

이에 따라 상기 S240 단계를 통해 모델링된 경추 인공 디스크에 대한 정보를 통해서 사용자의 수술부위에 가장 알맞은 경추 인공 디스크를 맞춤형으로 제작할 수 있게 된다.

또한 상기 경추 인공 디스크 모델링 장치(100)는 상기 S240 단계를 통해 모델링된 경추 인공 디스크에 대한 높이, 길이, 넓이, 모양 또는 이들의 조합을 포함한 정보를 이미지, 텍스트 또는 이들의 조합으로 생성하여 상기 사용자나 전문가에게 제공하는 결과 출력 단계를 수행한다(S250).

따라서 본 발명은 경추 디스크가 위치하는 가용공간을 구성하는 복수의 랜드마크가 부여된 다양한 형상의 의료영상을 학습하여 상기 복수의 랜드마크에 대한 위치를 추정하기 위한 학습모델을 생성하고, 시술대상 경추 인공 디스크가 위치할 가용공간에 대한 의료영상으로부터 생성한 입력데이터를 상기 생성한 학습모델에 입력하여 복수의 랜드마크를 추정하고, 상기 추정한 랜드마크에 따라 시술대상 경추 인공 디스크가 삽입될 가용공간을 생성하고, 상기 생성한 가용공간에 미리 정의된 경추 인공 디스크의 표준 탬플릿을 적용(크기 조정 등)하고, 상기 랜드마크를 상기 의료영상에 매칭시킨 상태에서 상기 표준 탬플릿의 상하 표면과 모서리에 상기 매칭한 의료영상으로부터 추출한 형상정보를 반영함으로써, 상기 시술대상 경추 인공 디스크의 모델을 생성하여 출력하는 것을 포함한다.

이처럼, 본 발명의 인공지능 기반 경추 인공 디스크 모델링 장치 및 그 방법에 따르면, 랜드마크 추정용 학습모델을 생성한 다음 사용자의 의료영상을 랜드마크 추정용 학습모델에 입력하여 복수의 랜드마크 좌표를 추정하고, 상기 추정한 랜드마크의 각 좌표를 이용하여 사용자의 경추 인공 디스크를 모델을 생성한다. 여기서 상기 인공 디스크 모델은 상기 추정한 복수의 랜드마크를 이용하여 표준 탬플릿이 시술할 환자의 해당 경추 디스크가 위치하는 가용공간에 맞도록 크기를 조정하고, 상기 랜드마크를 상기 시술할 환자의 의료영상에 매칭시켜서 상기 탬플릿의 상하 표면과 모서리에 상기 매칭한 의료영상으로부터 추출한 형상정보를 반영하여 상기 시술할 환자의 경추 인공 디스크를 모델링하는 장치 및 방법에 관한 것이다. 이렇게 함으로써, 본 발명은 경추 인공 디스크를 사용자의 수술부위에 최적화하여 맞춤형으로 제작하는 것이 가능하며, 맞춤형으로 제작한 경추 인공 디스크를 통해서 성공적인 시술은 물론, 사용자의 만족도를 향상시킬 수 있는 효과가 있다.

이상에서와 같이 본 발명은 도면에 도시된 실시예를 참고로 하여 설명되었으나, 이는 예시적인 것에 불과하며, 당해 기술이 속하는 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 기술적 보호범위는 아래의 특허청구범위에 의해서 판단되어야 할 것이다.

100 : 경추 인공 디스크 모델링 장치 110 : 학습모델 생성부
111 : 학습용 의료영상 수집부 112 : 학습데이터 생성부
113 : 인공지능 학습부 120 : 랜드마크 추정부
121 : 사용자 의료영상 입력부 122 : 입력데이터 생성부
123 : 랜드마크 좌표 추정부 130 : 경추 인공 디스크 모델링부
131 : 공간 추정부 132 : 디스크 모델 생성부
133 : 디스크 모델 출력부 200 : 학습용 의료영상 제공 단말
300 : 사용자 단말 300-1 : 전문가 단말
400 : 데이터베이스

Claims (12)

1. 복수의 경추 디스크 공간을 구성하는 복수의 랜드마크를 학습하여 학습모델을 생성하는 학습모델 생성부;
   시술할 환자의 경추 디스크 공간에 대한 영상을 상기 생성한 학습모델에 적용하여 복수의 랜드마크를 추정하는 랜드마크 추정부; 및
   상기 영상으로부터 추정한 복수의 랜드마크를 서로 연결하여 경추 인공 디스크가 위치할 공간을 추정하여 생성하고, 상기 추정하여 생성한 공간을 이용하여 상기 시술할 환자의 경추 인공 디스크를 모델링하는 경추 인공 디스크 모델링부;를 포함하며,
   상기 랜드마크는,
   두개골 방향 상단 단위 경추뼈(cranial vertebrae) 하단의 앞쪽 외곽의 중앙 및 좌우, 상기 두개골 방향 상단 단위 경추뼈 하단의 중심, 상기 두개골 방향 상단 단위 경추뼈 하단의 뒤쪽 외곽의 중앙 및 좌우, 척추 방향 하단 단위 경추뼈(caudal vertebrae) 상단의 앞쪽 외곽의 중앙 및 좌우, 및 상기 척추 방향 하단 단위 경추뼈 상단의 뒤쪽 외곽의 중앙 및 좌우를 포함하여 복수 개가 설정되는 것을 특징으로 하는 인공지능 기반 경추 인공 디스크 모델링 장치.
2. 청구항 1에 있어서,
   상기 학습모델 생성부는,
   경추 부분에 대한 학습용 의료영상을 수집하는 학습용 의료영상 수집부;
   상기 수집한 학습용 의료영상에 복수의 랜드마크를 부가하여 학습데이터를 생성하는 학습데이터 생성부; 및
   상기 생성한 학습데이터를 학습하여 학습모델을 생성하는 인공지능 학습부;를 포함하는 것을 특징으로 하는 인공지능 기반 경추 인공 디스크 모델링 장치.
3. 청구항 1에 있어서,
   상기 학습모델은, 상기 복수의 랜드마크에 대해서 각각 생성하거나, 상기 복수의 랜드마크를 모두 포함하여 한 번에 일괄적으로 생성하며,
   상기 랜드마크를 추정하는 것은, 상기 학습모델에 따라 상기 복수의 랜드마크를 각각 추정하거나, 상기 복수의 랜드마크를 모두 포함하여 한 번에 일괄적으로 추정하는 것을 특징으로 하는 인공지능 기반 경추 인공 디스크 모델링 장치.
4. 청구항 1에 있어서,
   상기 경추 인공 디스크 모델링부는,
   상기 추정한 랜드마크를 서로 연결하여 시술대상 경추 인공 디스크가 삽입될 가용공간을 생성하고, 상기 생성한 가용공간에 미리 정의된 경추 인공 디스크의 표준 템플릿을 적용하고, 상기 랜드마크를 의료영상에 매칭시킨 상태에서 상기 표준 템플릿의 상하 표면과 모서리에 상기 매칭한 의료영상으로부터 추출한 형상정보를 반영함으로써, 상기 시술대상 경추 인공 디스크의 모델을 생성하는 것을 포함하는 것을 특징으로 하는 인공지능 기반 경추 인공 디스크 모델링 장치.
5. 청구항 1에 있어서,
   상기 경추 디스크 공간은, 복수의 랜드마크로 구성되는 상기 경추 디스크가 해당 상하 경추뼈 사이에서 차지하는 공간이며,
   상기 랜드마크는, 크래니얼 앞쪽 중앙(cranial anterior center), 크래니얼 앞쪽 오른쪽(cranial anterior right), 크래니얼 앞쪽 왼쪽(cranial anterior left), 크래니얼 중심(cranial apex), 크래니얼 뒤쪽 중앙(cranial posterior center), 크래니얼 뒤쪽 오른쪽(cranial posterior right), 크래니얼 뒤쪽 왼쪽(cranial posterior left), 코들 앞쪽 중앙(caudal anterior center), 코들 앞쪽 근거리 오른쪽(caudal anterior near right), 코들 앞쪽 원거리 오른쪽(caudal anterior far right), 코들 앞쪽 근거리 왼쪽(caudal anterior near left), 코들 앞쪽 원거리 왼쪽(caudal anterior far left), 코들 뒤쪽 중앙(caudal posterior center), 코들 뒤쪽 근거리 오른쪽(caudal posterior near right), 코들 뒤쪽 원거리 오른쪽(caudal posterior far right), 코들 뒤쪽 근거리 왼쪽(caudal posterior near left) 및 코들 뒤쪽 원거리 왼쪽(caudal posterior far left)을 포함하는 것을 특징으로 하는 인공지능 기반 경추 인공 디스크 모델링 장치.
6. 삭제
7. 경추 인공 디스크 모델링 장치에서, 복수의 경추 디스크 공간을 구성하는 복수의 랜드마크를 학습하여 학습모델을 생성하는 학습모델 생성 단계;
   상기 경추 인공 디스크 모델링 장치에서, 시술할 환자의 경추 디스크 공간에 대한 영상을 상기 생성한 학습모델에 적용하여 복수의 랜드마크를 추정하는 랜드마크 추정 단계; 및
   상기 경추 인공 디스크 모델링 장치에서, 상기 영상으로부터 추정한 복수의 랜드마크를 서로 연결하여 경추 인공 디스크가 위치할 공간을 추정하여 생성하고, 상기 추정하여 생성한 공간을 이용하여 상기 시술할 환자의 경추 인공 디스크를 모델링하는 경추 인공 디스크 모델링 단계;를 포함하며,
   상기 랜드마크는,
   두개골 방향 상단 단위 경추뼈(cranial vertebrae) 하단의 앞쪽 외곽의 중앙 및 좌우, 상기 두개골 방향 상단 단위 경추뼈 하단의 중심, 상기 두개골 방향 상단 단위 경추뼈 하단의 뒤쪽 외곽의 중앙 및 좌우, 척추 방향 하단 단위 경추뼈(caudal vertebrae) 상단의 앞쪽 외곽의 중앙 및 좌우, 및 상기 척추 방향 하단 단위 경추뼈 상단의 뒤쪽 외곽의 중앙 및 좌우를 포함하여 복수 개가 설정되는 것을 특징으로 하는 인공지능 기반 경추 인공 디스크 모델링 방법.
8. 청구항 7에 있어서,
   상기 학습모델 생성 단계는,
   상기 경추 인공 디스크 모델링 장치에서, 경추 부분에 대한 학습용 의료영상을 수집하는 학습용 의료영상 수집 단계;
   상기 경추 인공 디스크 모델링 장치에서, 상기 수집한 학습용 의료영상에 복수의 랜드마크를 부가하여 학습데이터를 생성하는 학습데이터 생성 단계; 및
   상기 경추 인공 디스크 모델링 장치에서, 상기 생성한 학습데이터를 학습하여 학습모델을 생성하는 인공지능 학습 단계;를 포함하는 것을 특징으로 하는 인공지능 기반 경추 인공 디스크 모델링 방법.
9. 청구항 7에 있어서,
   상기 학습모델은, 상기 복수의 랜드마크에 대해서 각각 생성하거나, 상기 복수의 랜드마크를 모두 포함하여 한 번에 일괄적으로 생성하며,
   상기 랜드마크를 추정하는 것은, 상기 학습모델에 따라 상기 복수의 랜드마크를 각각 추정하거나, 상기 복수의 랜드마크를 모두 포함하여 한 번에 일괄적으로 추정하는 것을 특징으로 하는 인공지능 기반 경추 인공 디스크 모델링 방법.
10. 청구항 7에 있어서,
    상기 경추 인공 디스크 모델링 단계는,
    상기 경추 인공 디스크 모델링 장치에서, 상기 추정한 랜드마크를 서로 연결하여 시술대상 경추 인공 디스크가 삽입될 가용공간을 생성하고, 상기 생성한 가용공간에 미리 정의된 경추 인공 디스크의 표준 템플릿을 적용하고, 상기 랜드마크를 의료영상에 매칭시킨 상태에서 상기 표준 템플릿의 상하 표면과 모서리에 상기 매칭한 의료영상으로부터 추출한 형상정보를 반영함으로써, 상기 시술대상 경추 인공 디스크의 모델을 생성하는 것을 포함하는 것을 특징으로 하는 인공지능 기반 경추 인공 디스크 모델링 방법.
11. 청구항 7에 있어서,
    상기 경추 디스크 공간은, 복수의 랜드마크로 구성되는 상기 경추 디스크가 해당 상하 경추뼈 사이에서 차지하는 공간이며,
    상기 랜드마크는, 크래니얼 앞쪽 중앙(cranial anterior center), 크래니얼 앞쪽 오른쪽(cranial anterior right), 크래니얼 앞쪽 왼쪽(cranial anterior left), 크래니얼 중심(cranial apex), 크래니얼 뒤쪽 중앙(cranial posterior center), 크래니얼 뒤쪽 오른쪽(cranial posterior right), 크래니얼 뒤쪽 왼쪽(cranial posterior left), 코들 앞쪽 중앙(caudal anterior center), 코들 앞쪽 근거리 오른쪽(caudal anterior near right), 코들 앞쪽 원거리 오른쪽(caudal anterior far right), 코들 앞쪽 근거리 왼쪽(caudal anterior near left), 코들 앞쪽 원거리 왼쪽(caudal anterior far left), 코들 뒤쪽 중앙(caudal posterior center), 코들 뒤쪽 근거리 오른쪽(caudal posterior near right), 코들 뒤쪽 원거리 오른쪽(caudal posterior far right), 코들 뒤쪽 근거리 왼쪽(caudal posterior near left) 및 코들 뒤쪽 원거리 왼쪽(caudal posterior far left)을 포함하는 것을 특징으로 하는 인공지능 기반 경추 인공 디스크 모델링 방법.
12. 삭제

Images