KR102412874B1 - 조제검수장치의 영상 감시 시스템 및 방법 - Google Patents

조제검수장치의 영상 감시 시스템 및 방법 Download PDF

Info

Publication number
KR102412874B1
KR102412874B1 KR1020210098397A KR20210098397A KR102412874B1 KR 102412874 B1 KR102412874 B1 KR 102412874B1 KR 1020210098397 A KR1020210098397 A KR 1020210098397A KR 20210098397 A KR20210098397 A KR 20210098397A KR 102412874 B1 KR102412874 B1 KR 102412874B1
Authority
KR
South Korea
Prior art keywords
drug
image
dispensing
information
inspection device
Prior art date
Application number
KR1020210098397A
Other languages
English (en)
Inventor
조성훈
Original Assignee
주식회사 제이엔제이테크
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 주식회사 제이엔제이테크 filed Critical 주식회사 제이엔제이테크
Priority to KR1020210098397A priority Critical patent/KR102412874B1/ko
Application granted granted Critical
Publication of KR102412874B1 publication Critical patent/KR102412874B1/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
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/40—ICT specially adapted for the handling or processing of medical references relating to drugs, e.g. their side effects or intended usage
    • G06K9/6267—
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medicinal Chemistry (AREA)
  • Epidemiology (AREA)
  • Chemical & Material Sciences (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Pharmacology & Pharmacy (AREA)
  • Toxicology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Image Analysis (AREA)

Abstract

본 발명의 일 실시예에 따른 조제검수장치의 영상 감시 시스템은 약사가 처방전에 따라 약 조제시 이미지센서로 조제영상을 촬영하여 획득하는 조제검수장치; 상기 조제영상을 전송받아 저장하고 관리하는 관리서버를 포함하되, 상기 조제검수장치는 조제되는 약을 촬영하여 조제영상을 획득하고, 상기 조제영상으로부터 객체 인식 알고리즘을 토대로 미리 학습된 약 이미지에 따라 객체인 약을 인식하고, 해당 약의 약 개수, 약 형태에 대한 정보를 포함하는 처방정보에 부합되는지 약의 구성에 대한 약인식정보를 획득하며, 상기 관리서버는 상기 조제검수장치로부터 조제영상, 처방정보, 약인식정보를 수신하여 각 처방정보에서 확인된 환자별, 날짜별, 약국별로 조제영상 데이터를 분류하여 저장하고, 관리하는 것을 특징으로 한다.

Description

조제검수장치의 영상 감시 시스템 및 방법{Video monitoring system and method of preparation inspection device}
본 발명은 조제검수장치의 영상 감시 시스템 및 방법에 관한 것으로, 더욱 상세하게는 약 조제시 조제영상을 획득하여 객체인식을 수행하고, 획득된 영상을 통하여 조제 상황을 감시하고 관리하는 조제검수장치의 영상 감시 시스템 및 방법에 관한 것이다.
의사는 환자의 약을 처방할 때, 의사 또는 간호사는 현재 환자가 복용하고 있는 약이 처방하려는 약과 같이 복용되는지 살필 필요가 있다.
그러나 조제 과정에서 실수나 잘못 오인하여 조제 과정이 처방전과 다른 형태로 이루어질 수 있어 조제 과정에 대한 검수 및 주의가 필요하다.
또한 환자는 자신이 복용하고 있는 약의 이름을 정확하게 아는 경우도 있지만, 환자는 정확하게 자신이 무슨 약을 복용하고 있는지 알지 못하는 경우가 많다. 이러한 경우, 환자는 자신이 복용하고 있는 약의 이름을 정확하게 몰라 의사, 또는 간호사에게 알약만을 건네주는 경우가 있다. 의사 또는 간호사는 환자로부터 알약을 건네받을 때, 이 약의 이름을 알기 위해 알약에 표시된 문구와 모양으로 온라인 사이트에서 일일이 검색해야만 했다.
또한, 환자가 약 이름을 알더라도 의사 또는 간호사가 모든 약의 이름을 알기 어려워 사이트에서 검색하여야만 했다. 하지만, 수많은 환자들을 상대해야 하는 의사와 간호사가 일일이 약의 이름을 사이트에서 검색하는 것은 상당히 비효율적이다.
따라서, 전술한 문제를 해결하기 위하여 약 조제시 자동으로 객체를 인식하여 약인식정보를 생성하고, 객체 인식 결과에 따라 알람을 제공하며, 조제영상을 획득하여 관리함으로써, 조제시 발생할 수 있는 조제 사고를 예방할 수 있는 조제검수장치의 영상 감시 시스템 및 방법에 대한 연구가 필요하게 되었다.
일본등록특허 JP 06063809 B2(2016.12.22. 등록)
본 발명의 목적은 이미지 센서를 이용하여 조제영상으로부터 객체인 약을 인식하고 약의 개수, 형태, 종류를 포함한 약인식정보를 생성하고, 약인식정보와 처방정보의 일치 여부에 대한 판단 결과를 출력하여 제공하며, 조제영상을 관리서버에 전송하여 영상 감시용으로 활용할 수 있는 객체 인식 및 영상 감시를 이용한 조제검수장치의 영상 감시 시스템 및 방법을 제공하는 것이다.
본 발명의 일 실시예에 따른 조제검수장치의 영상 감시 시스템은, 약사가 처방전에 따라 약 조제시 이미지센서로 조제영상을 촬영하여 획득하는 조제검수장치; 상기 조제영상을 전송받아 저장하고 관리하는 관리서버를 포함하되, 상기 조제검수장치는 조제되는 약을 촬영하여 조제영상을 획득하고, 상기 조제영상으로부터 객체 인식 알고리즘을 토대로 미리 학습된 약 이미지에 따라 객체인 약을 인식하고, 해당 약의 약 개수, 약 형태에 대한 정보를 포함하는 처방정보에 부합되는지 약의 구성에 대한 약인식정보를 획득하며, 상기 관리서버는 상기 조제검수장치로부터 조제영상, 처방정보, 약인식정보를 수신하여 각 처방정보에서 확인된 환자별, 날짜별, 약국별로 조제영상 데이터를 분류하여 저장하고, 관리하는 것을 특징으로 한다.
상기 약인식정보는 약의 개수, 약의 형태, 약 종류에 대한 정보 중 적어도 어느 하나를 포함한다.
상기 조제검수장치는 조제되는 약을 촬영하여 조제영상을 획득하고, 조제영상으로부터 객체 인식 알고리즘을 토대로 미리 학습된 약 이미지에 따라 객체인 약을 인식하고, 해당 약이 처방정보에 부합되는지 약의 구성을 파악하고 약의 구성에 대한 약인식정보를 획득하는 이미지센서; 이미지센서로부터 생성된 약인식정보를 제공받아 처방전에 의한 처방정보와의 일치 여부를 판단하고, 이미지센서로부터 촬영되는 조제영상을 실시간으로 녹화하여 저장부에 설정된 시간 또는 프레임 단위로 저장하도록 제어하는 제어부; 상기 이미지센서로 촬영된 조제영상을 설정된 시간 단위 또는 프레임 단위로 저장하는 상기 저장부; 상기 제어부에서 약 인식시 처방정보에 부합하는지 일치 여부를 비교한 판단결과에 따라 알람을 표시하는 표시부; 상기 제어부에서 조제영상, 처방정보, 약인식정보의 전송 요청시 관리서버에 해당 데이터들을 전송하도록 통신 프로토콜을 포함하는 통신부를 포함한다.
상기 관리서버는 상기 조제검수장치와 통신하기 위한 통신 프로토콜을 포함하는 통신부; 약 인식시 필요한 약 이미지 데이터를 포함한 의약 데이터를 관리하며, 조제영상에 대해 데이터베이스에 인덱스별로 저장하는 약제관리부; 조제영상, 처방정보, 약인식정보를 수집하고, 수집된 데이터양이 증가할수록 빅데이터를 활용하여 환자별, 날짜별, 약국별 처방이력, 약인식율, 약오류 진단 결과, 전송 이벤트, 데이터 관리 내역에 대한 포괄적인 통계자료를 생성하는 통계학습부; 블록체인서버와 연계하여 블록체인망을 구축하고, 기구축된 내부의 블록체인 네트워크를 통해 공개키 및 개인키를 생성하여 해쉬값으로 변환하여 상기 조제영상, 환자의 처방정보, 약인식정보에 대해서 분산 저장하고, 분산 저장시 생성된 공개키와 사용자의 개인정보를 기반으로 권한이 있는 사용자에 대해서 열람이 가능하도록 사용자 인증을 수행하는 보안부; 조제영상, 처방정보, 약인식정보에 대해서 저장하고 관리하되, 보안을 위해 블록체인 기반으로 분산 저장하는 데이터베이스를 포함한다.
본 발명의 일 실시예에 따른 조제검수장치의 영상 감시 방법은, 약사가 처방전에 따라 약 조제시 이미지센서로 조제영상을 촬영하여 획득하고, 획득된 조제영상으로부터 약인식정보를 객체 인식 알고리즘에 의해 생성할 수 있으며, 약인식정보의 처방전에 의한 처방정보와의 일치 여부를 판단하는 조제검수장치와, 통신망을 통하여 약인식정보, 조제영상을 전송받아 저장하고 관리하는 관리서버를 이용한 조제검수장치의 영상 감시 방법에 있어서, 상기 조제검수장치는 이미지센서를 통하여 약 조제시의 조제영상을 획득하는 단계; 상기 이미지센서는 조제영상으로부터 객체인 약을 인식하고 약의 개수, 약의 형태를 포함한 약인식정보를 생성하는 단계; 상기 조제검수장치는 제어부를 통하여 약인식정보와 처방정보의 일치 여부에 대한 판단 결과를 출력하는 단계; 상기 관리서버는 전송받은 조제영상을 날짜별, 환자별 또는 약사별 인덱스로 구분하여 저장하는 단계; 를 포함한다.
상기에 있어서, 상기 제어부의 판단 결과에 따라 처방정보와 불일치하는 구성이 포함된 경우, 알람을 생성하여 표시부를 통하여 표시하거나 설정된 단말로 알람 메시지를 전송하는 단계; 를 더 포함한다.
상기에 있어서, 상기 관리서버는 영상 보호를 위해 블록체인 기반으로 분산 저장 관리할 수 있으며, 영상 요청시 분산 관리자들의 인증서 대조에 의해 사용자 인증을 수행하는 단계를 더 포함한다.
상기 조제검수장치의 영상 감시 방법은 컴퓨터로 판독 가능한 기록매체에 저장된 컴퓨터 프로그램에 의해 수행된다.
본 발명의 조제검수장치의 영상 감시 시스템은 약 조제시 조제영상을 획득하여 조제영상으로부터 조제 전후 비교에 의해 조제 진위 여부를 확인할 수 있도록 관리서버에 저장하고 관리하는 점에서 조제 검수를 용이하게 하고, 관리서버를 통하여 체계적으로 영상을 감시하고 관리할 수 있는 장점이 있다.
또한, 관리서버를 블록체인 형태로 구축하여 조제영상, 약인식정보 등 개인의 민감한 정보에 대해서 유출 우려를 예방하도록 분산 저장 및 관리하며, 인증서 대조에 의한 사용자 인증에 의해 안전하게 정보를 거래할 수 있도록 하는 장점이 있다.
또한 신경망 학습에 의해 객체 인식 알고리즘의 객체(약) 인식율을 향상시키고, 어텐션 알고리즘에 의해 유용한 데이터에 대해서만 학습을 시도하여 학습 속도를 향상시킬 수 있으며, 지속적인 학습을 통하여 객체 인식에 유리하도록 함으로써, 궁극적으로 조제시 약 인식율 향상은 물론 약 인식에 대한 신뢰성 제고에 기여할 수 있다.
도 1은 본 발명의 일 실시예에 따른 조제검수장치의 영상 감시 시스템의 전체 구성을 보인 블록도이다.
도 2는 도 1의 조제검수장치의 세부 구성을 보인 블록도이다.
도 3은 도 1의 관리서버의 세부 구성을 보인 블록도이다.
도 4는 본 발명의 일 실시예에 따른 조제검수장치의 영상 감시 방법의 순서도이다.
도 5는 본 발명의 조제검수장치의 설치 예를 보인 도면이다.
이하에서는 도면을 참조하여 본 발명의 구체적인 실시예를 상세하게 설명한다. 다만, 본 발명의 사상은 제시되는 실시예에 제한되지 아니하고, 본 발명의 사상을 이해하는 당업자는 동일한 사상의 범위 내에서 다른 구성요소를 추가, 변경, 삭제 등을 통하여, 퇴보적인 다른 발명이나 본 발명 사상의 범위 내에 포함되는 다른 실시예를 용이하게 제안할 수 있을 것이나, 이 또한 본원 발명 사상 범위 내에 포함된다고 할 것이다. 또한, 각 실시예의 도면에 나타나는 동일한 사상의 범위 내의 기능이 동일한 구성요소는 동일한 참조부호를 사용하여 설명한다.
도 1은 본 발명의 일 실시예에 따른 조제검수장치의 영상 감시 시스템의 전체 구성을 보인 블록도이고, 도 2는 도 1의 조제검수장치(100)의 세부 구성을 보인 블록도이며, 도 3은 도 1의 관리서버의 세부 구성을 보인 블록도이다.
본 발명의 일 실시예에 따른 조제검수장치의 영상 감시 시스템은 약사가 처방전에 따라 약 조제시 이미지센서(110)로 조제영상을 촬영하여 획득하고, 획득된 조제영상으로부터 약인식정보를 객체 인식 알고리즘에 의해 생성할 수 있으며, 약인식정보의 처방전에 의한 처방정보와의 일치 여부를 판단하는 조제검수장치(100)와, 통신망(200)을 통하여 약인식정보, 조제영상을 전송받아 저장하고 관리하는 관리서버(300)를 포함한다.
약인식정보는 처방전에 제시된 전체 약의 개수, 약의 형태(캡슐약, 정제약, 가루약, 물약 등)에 대한 정보를 기본적으로 포함하며, 필요시 처방전에서 제시된 약 종류와 일치되는지 확인하기 위한 약 종류에 대한 정보도 포함할 수 있으며, 약의 개수, 종류 등의 약인식정보를 생성하기 위해 하나 이상의 신경망 기반의 이미지 학습 알고리즘이 적용될 수 있다.
또한 처방정보에는 처방전에 기재되는 정보들이 될 수 있으며, 처방날짜, 처방받은 환자명, 진료과, 약 종류, 약 개수, 약 형태 등이 포함될 수 있으며, 처방정보는 조제검수장치(100)에 입력된 처방전을 바탕으로 저장될 수 있으며, 처방정보는 처방전의 이미지 스캔에 의해 이루어지거나 직접 입력에 의해 이루어질 수 있다.
본 발명의 일 실시예에 따른 조제검수장치(100)는 도 2에 도시된 바와 같이, 이미지센서(110), 제어부(120), 저장부(130), 표시부(140), 통신부(150)를 포함한다.
이미지센서(110)는 조제검수장치(100)에서 조제되는 약을 촬영하여 조제영상을 획득하고, 조제영상으로부터 객체 인식 알고리즘을 토대로 미리 학습된 약 이미지에 따라 객체인 약을 인식하고, 해당 약이 처방정보에 부합되는지 약의 구성을 파악하고 약의 구성에 대한 약인식정보를 획득할 수 있다.
이미지센서(110)는 웹캠, IP 카메라, 네트워크 카메라 등의 각종 카메라와 같은 영상획득장치가 될 수 있으며, 약 이미지 학습시 과정은 약학 정보원 데이터베이스(350)로 의약품 정보(약의 종류, 약의 형태 등)를 이용하여 크롤링(Crawling)하여 이미지 라벨링 실시하고, GAN 신경망을 통해 이미지를 합성(synthesis)하며, 합성된 이미지 데이터로 학습 진행하며, 학습 완료된 정보를 이용하여 데이터베이스(350)에 저장하도록 구축함으로써, 학습된 이미지로 약 인식에 활용에 할 수 있다.
나아가 이미지센서(110)로 약 촬영시 객체인 약의 인식율을 높이기 위해 에이다부스트(AdaBoost), 서포트 벡터 머신(Support Vector Machine: SVM), 선형판별식 해석(Linear Disciminant Analysis: LDA), 주성분 분석(Principal Component Analusis: PCA) 등의 알고리즘이 내장될 수도 있다.
이러한 알고리즘 기법들은 모두 외형에 기반하여 인식대상 영역을 식별하는 것으로, 트레이닝에 사용될 촬상 이미지들의 집합에 의해 트레이닝된 모델을 이용해서 약 주위의 영역을 검출하며, 여러 주변의 제약 조건들이 트레이닝을 통해 극복되어지기 때문에 결과적으로 약 인식 정확도와 신뢰도를 높일 수 있다.
또한 이미지 센서의 약 인식을 위한 객체 인식 알고리즘은 예컨대 CNN 알고리즘을 추가로 적용하여 객체 인식에 활용할 수 있다.
또한 CNN 알고리즘은 합성곱 연산을 통하여 객체를 인식시키는 신경망 알고리즘으로, 본 발명에서는 특히 객체 위치를 검출하는데 탁월하도록 딥러닝 회귀 방법을 사용한 R-CNN(Region-based Convolutional Neural Networks) 알고리즘을 이용하여 객체를 인식할 수 있다.
R-CNN 알고리즘은 먼저 후보영역을 생성하고 이를 기반으로 CNN을 학습시켜 영상 내 객체의 위치를 찾아내는 신경망 알고리즘으로, 객체인식과정은 입력된 영상에서 선택적 탐색을 이용하여 후보 영역 생성하는 과정과, 생성된 각 후보 영역들을 동일한 크기로 변환하고, CNN을 통해 특징을 추출하는 과정과, 추출된 특징을 이용하여 후보 영역 내의 객체를 SVM(Suppor Vector Machine)을 이용하여 분류하는 과정을 포함한다. 후보 영역의 위치는 정확하지 않기 때문에 최종적으로 회귀 학습을 통해 객체 영역 박스 위치를 정확히 보정할 수 있다.
또한 다른 신경망 알고리즘으로 Fast R-CNN, R-FCN, YOLO(You only Look Once), 텐서플로(TensorFlow), SSD(Single Shot MultiBox Detector) 등이 있는데, 상술한 신경망 알고리즘을 추가로 적용하거나 R-CNN을 대체하여 적용할 수 있으며, 상술한 신경망 알고리즘을 적용하여 다중 객체를 동시에 인식시켜 객체 인식 속도를 향상시킬 수도 있다.
나아가 약 인식 시 미세한 정보들 약의 형태나 종류뿐만 아니라 알약의 길이, 두께, 형상 색깔 등의 외형의 정보와 제조회사, 분류, 제형, 성상, 분할선 등의 식별 상세정보에 대해서 인식율을 향상시키도록 학습시키기 위해 많은 양의 이미지 데이터를 활용할 수도 있는데, 이 때 필요한 연산량을 줄이고 특징적인 핵심적인 데이터만을 이용하여 학습이 이루어지도록 어텐션 알고리즘을 활용할 수도 있다.
즉 어텐션 알고리즘(Attention mechanism)은 인코더와 디코더로 이루어져 있으며, 인코더에서는 LSTM의 히든 스테이트를 행렬로 만들고, 디코더에서는 히든 스테이트중 중요한 스테이트를 강조한다.
나아가 본 발명에서는 CNN, LSTM RNN, 어텐션 알고리즘을 조합한 복합 모델(이하 CLA 모델)을 이용할 수도 있으며, CLA모델은 국소적인 특징의 파악에 유리한 CNN, 순차적인 데이터 처리에 유리한 LSTM RNN, 중요한 정보에 집중할 수 있게 하는 어텐션 알고리즘의 장점을 이용하여 단순히 CNN을 사용한 모델에 비해 보다 우수한 성능을 유도할 수 있게 된다.
예를 들어 CLA 모델은 약 인식을 위한 학습에 활용할 처방정보의 특징 추출 과정에서 80차원의 mel spectrogram으로 변환하고 3초 단위의 300 프레임셋이 모델에 입력된다. 모델은 CNN 레이어(layer)로 스펙트럼의 공간적(spatial)인 특성을 추출하고, LSTM레이어로 시간적(temporal)인 정보를 추출한 후 Attention 레이어로 지역적인 특성을 집중하여 정보를 수집한다.
CNN 레이어는 Convolution 연산과 max pooling을 두 번씩 반복하는 레이어이다.
예를 들어 CNN 레이어는 입력된 spectrogram를 분석하여 조금 더 약 이미지 학습에 적합한 특징을 추출하기 위한 작업을 하는데 사용될 수 있다. 이는 convolution 연산과 max pooling을 통해 이루어지며, convolution 연산은 입력된 데이터의 국소적인 부분에서 연산을 통해 필요한 특징을 추출하는 과정이다. 또한 Max pooling 연산은 데이터의 차원을 축소하며 동시에 필요한 특징만을 남겨놓는 과정으로 이후에 진행될 LSTM및 어텐션 레이어의 계산 복잡도를 낮추는 역할을 한다.
LSTM 레이어에서 LSTM은 Recurrent Neural Network(RNN) 아키텍처의 한 종류로, 일반적으로 RNN을 지칭할 경우, LSTM 구조로 이루어져 있을 정도로 많이 사용되는 구조이다.
CLA 모델에서는 CNN 레이어를 통해 얻어진 특징벡터에서 시간적 정보를 얻는데 사용된다. 이는 RNN이 가지는 시퀀스 정보 처리 능력을 사용하여 장거리의 정보를 처리하여야 알 수 있는 약 이미지 학습시 설정된 약의 개수, 약의 형태, 종류 등의 약 세부 구성을 판별하기 위해서이다.
또한 어텐션 레이어는 어텐션 메커니즘을 활용하여 만들어진 레이어로 CNN및 LSTM을 통하여 얻어진 정보 벡터에서 최종적인 판단을 하기 위한 컨텍스트 벡터를 만드는 용도로 사용된다.
어텐션 메커니즘의 입력은 LSTM레이어의 출력 H=h1, h2, h3, …, hT, hi=(p1, p2, …, pC)이며 웨이트 파라메터 q=(q1, q2, q3, …, qC)를 사용하여 원하는 출력(약 개수, 형태, 종류 등의 판별시 기준으로 활용할 구체적인 임계값)을 계산할 수 있다. 이와 같은 임계값 결과로 약의 개수, 형태, 종류 등을 판단하여 약인식정보를 생성하는데 활용하고, 후술할 제어부(120)에 제공하여 제어부(120)의 판단 결과 산출에 활용하는데 이용될 수 있다. 예를 들어, 포장된 알약의 경우 환자의 병력에 따른 처방전에 따라 알약의 종류가 다양하고 복용용량에 따라 하나의 알약을 1/2 T, 1/3T 등의 분절약이 있을 수 있는데, 이와 같이 쪼개진 알약의 형상 크기 등도 객체 인식하여 분석할 수 있다.
제어부(120)는 이미지센서(110)로부터 생성된 약인식정보를 제공받아 처방전에 의한 처방정보와의 일치 여부를 판단하고, 판단 결과에 따라 표시부(140)에 표시하고, 내부 저장 또는 통신망(200)을 통하여 연결된 관리서버(300)로 전송하여 저장하거나, 통신부(150)를 통하여 알람을 설정된 사용자단말로 전송할 수 있다.
또한 제어부(120)는 이미지센서(110)로부터 촬영되는 조제영상을 실시간으로 녹화하여 저장부(130)에 설정된 시간 또는 프레임 단위로 저장하도록 제어할 수 있다. 이를 통하여 조제 전후 비교 영상 및 제어부(120)의 처방정보와의 일치 여부에 따른 판단 결과를 이용하여 조제시의 약 조제 진위 여부, 제약사고(의료사고), 환자 컴플레인 등에 활용할 수 있도록 날짜, 시간, 장소(약국이 여러 개인 경우), 약사, 환자 등의 인덱스(index)별로 저장하도록 하여 영상 감시의 블랙박스 기능을 수행할 수 있다.
저장부(130)는 제어부(120)의 컨트롤하에 이미지센서(110)로 촬영된 조제영상을 설정된 시간 단위 또는 프레임 단위로 저장하여 할 수 있다.
표시부(140)는 약 인식시 처방정보에 부합하는지 일치 여부를 비교한 판단결과에 따라 제어부(120)의 요청으로 알람을 표시하도록 한다.
통신부(150)는 제어부(120)에서 조제영상, 처방정보, 약인식정보의 전송 요청시 관리서버(300)에 해당 데이터들을 전송하도록 통신 프로토콜을 포함한다.
또한 조제검수장치(100)는 포장알약의 무게를 측정하고 제어부(120)에서 기준 무게와 동일하지 않을 경우 알람을 출력할 수 있도록 알약의 무게 측정을 수행하는 로드셀(미도시)이 포함될 수 있다.
나아가 조제검수장치(100)는 임베디드 형태의 디바이스인 NVIDIA Jetson NANO 형태의 기기에 PCI 형태의 이미지센서(110)인 카메라를 부착하여 제작될 수 있으며, 그 예로 도 5와 같은 형태로 제작될 수 있으며, 이미지센서(110) 등 장치의 일부를 탈부착형으로 제작하여, 이미지센서(110)로 촬영이 필요한 영역(조제 위치)에 정확히 위치하도록 조정할 수 있으며, 필요시 위치가 변경되더라도 다른 위치로 쉽게 탈부착으로 옮길 수 있도록 마련된다.
관리서버(300)는 조제검수장치(100)로부터 조제영상, 처방정보, 약인식정보를 수신하여 각 처방정보에서 확인된 환자별, 날짜별, 약국별로 데이터를 분류하여 저장하고, 각종 통계자료를 생성하여 필요한 수요처(약사, 환자, 관리업체 등)에 제공할 수 있다.
또한 관리서버(300)는 약 종류 등의 인식에 필요한 의약 데이터를 방대하게 저장하고, 조제검수장치(100)로부터 약 인식시 필요한 약 이미지 데이터 등을 제공할 수도 있으며, 블랙박스 기능으로서 제공되는 환자별 조제영상에 대해서도 체계적으로 저장하여 관리함으로써, 조제 감시용으로 활용할 수 있다.
관리서버(300)는 상술한 기능을 수행하기 위해 도 3을 참조하면, 서버통신부(310), 약제관리부(320), 통계학습부(330), 보안부(340), 데이터베이스(350)를 더 포함한다.
서버통신부(310)는 조제검수장치(100)의 통신부(150)와 통신하기 위한 통신 프로토콜을 포함하고, 약제관리부(320)는 약 인식시 필요한 약 이미지 데이터를 포함한 의약 데이터를 관리하며, 조제영상에 대해 데이터베이스(350)에 인덱스별로 저장하여 관리하도록 명령할 수도 있다.
또한 통계학습부(330)는 수집되는 조제영상, 처방정보, 약인식정보를 수집하고, 수집된 데이터양이 증가할수록 빅데이터를 활용하여 환자별, 날짜별, 약국별 처방이력, 약인식율, 약 오류 진단 결과, 전송 이벤트, 데이터 관리 내역 등에 대한 포괄적인 통계자료를 생성할 수 있다.
특히 통계학습부(330)는 통계자료를 모니터링 자료로 활용하도록 모니터링 프로그램을 통하여 수집된 정보를 체계적으로 보여줄 수 있으며, 빅데이터 형태로 수집된 통계자료를 바탕으로 미리 생성한 별도의 예측 모델을 이용하여 학습을 수행하고, 학습 결과로 예측되는 객체 인식 모델의 약 인식 오류 예측 결과에 대한 예측 결과를 산출할 수 있으며, 예측 결과를 관리자에게 전송하여 객체 인식 모델을 보정하도록 활용할 수 있다.
보안부(340)는 다수의 블록체인서버와 연계하여 블록체인망을 구축하고, 기구축된 내부의 블록체인 네트워크를 통해 공개키 및 개인키를 생성하여 해쉬값으로 변환하여 상술한 민감한 정보에 해당하는 조제영상, 환자의 처방정보, 약인식정보에 대해서 분산 저장하고, 분산 저장시 생성된 공개키와 사용자(환자, 약사 또는 관리자)의 개인정보를 기반으로 권한이 있는 사용자에 대해서 열람이 가능하도록 사용자 인증을 수행할 수 있다.
더 나아가 보안부(340)는 다수의 단말(관리자, 약사나 환자의 사용자 단말)에서 공개키와 함께 개인 고유의 사용자 정보를 전송받아 사용자 정보에 대한 해쉬값을 포함하는 사용자 인증서를 각각 생성할 수 있으며, 각 사용자 인증서에 대한 저장 방식은 머클 트리 구조에 의해 이루어질 수 있다.
가령, 각각의 사용자 인증서(거래)를 최하위 자식 노드에 해쉬값을 포함하여 저장하고, 머클 트리의 최상위 레벨인 머클 루트(부모 노드)에는 최하위 자식 노드와 이어지는 경로 상에 있는 중간 노드에 해시값을 공유하도록 해싱(hashing)하여 저장하게 된다.
이를 통해 저장된 사용자 인증서의 진위 여부를 판단할 때, 개인의 단말에 복사된 사용자 인증서와 데이터베이스(350)의 사용자 인증서를 비교하게 되고, 머클 트리의 경로를 따라 해싱된 해쉬값만을 비교하여 이루어지게 된다.
이때, 머클 트리의 경로 상에서 비교 연산이 이루어짐에 따라 모든 노드의 블록에 대한 비교 연산을 수행하지 않아도 되기 때문에, 비교적 쉬운 연산량으로 진위 여부를 판단할 수 있으며, 거래의 위변조도 쉽고 빠르게 찾아낼 수 있으며, 용량이 작은 휴대 단말 형태의 단말에서도 쉽게 거래를 검증할 수 있게 된다.
또한 부가적으로 서버와 단말간의 주고받는 정보(예를 들어 조제영상이나 처방정보)는 외부 해킹 등의 위험으로부터 정보를 보호하기 위해, 해당 정보의 송/수신에 데이터 암/복호화 기술을 적용할 수 있다.
보다 구체적으로, 서버나 단말에 각각 신분 증명이 가능한, 식별 정보(identification information)를 부여하여, 각 서버 또는 단말의 식별 정보를 사설 암호 키(private key)로 활용하는 경량 암호 알고리즘을 수행한다. 경량 암호 알고리즘은 대칭키 암호 알고리즘인 HIGHT(HIGh security and light weigHT), LEA(Lightweight Encryption)와 해시함수인 LSH(Lightweight Secure Hash) 등을 활용할 수 있다.
이러한 경량 암호 알고리즘을 활용하여 조제영상 등을 암/복호화시킴으로써 해당 데이터의 외부 유출이나 외부 해킹으로 인한 불법적인 제어 등을 막을 수 있다. 경량 암호 알고리즘은 이러한 임베디드 컴퓨팅 환경에서 적합한 경량 해시 함수(lightweight hash function)를 사용하는 것이 바람직하다.
경량 해시 함수란 SHA-3와 같은 표준적인 암호화 해시 알고리즘에서 일부 컴퓨팅 파워가 높게 소요되는 특징들을 제외하고도 송신 또는 수신되는 데이터의 무결성을 보장할 수 있도록 설계된 컴퓨팅 파워가 상대적으로 낮게 소모되는 해시 함수(일방향 함수)이다.
보다 구체적으로는 이러한 경량 해시함수 중에서도 키가 없이(unkeyed) 데이터의 치환(permutation)이 가능하도록 하는 스폰지(Sponge) 알고리즘을 사용하는 것이 바람직하다.
좀더 구체적으로 스폰지는 원본 메시지(여기서는 랜덤키의 원본 데이터)를 일정한 크기로 만든 뒤(padding), 이를 키의 생성자만 알 수 있는 특정한 기준 크기(예를 들어 특정 비트 사이즈로 분할된 원본 메시지)로 복수 개로 분할한 뒤, 복수 개로 분할된 데이터(분할된 원본 메시지)의 후단에 랜덤한 데이터들을 여러 업데이트 함수를 활용하여 교환하고, 반대편에서는 이미 알고 있는 기준 크기를 활용하여 복호화도록 구현된다.
데이터베이스(350)는 조제영상, 처방정보, 약인식정보에 대해서 저장하고 관리할 수 있으며, 보안을 위해 상술한 블록체인 기반으로 분산 저장할 수 있다.
도 4는 본 발명의 일 실시예에 따른 조제검수장치의 영상 감시 방법의 순서도이다.
조제검수장치(100)는 이미지센서(110)를 통하여 약 조제시의 조제영상을 획득한다(S101).
이미지센서(110)는 조제영상으로부터 객체인 약을 인식하고 약의 개수, 형태, 종류를 포함한 약인식정보를 생성한다(S102, S103).
또한 제어부(120)는 약인식정보와 처방정보의 일치 여부에 대한 판단 결과를 출력할 수 있으며, 판단 결과에 따라 약의 개수 등 처방정보와 불일치하는 구성이 포함된 경우, 알람을 생성하여 표시부(140)를 통하여 표시하거나 설정된 단말(환자, 약사 등)로 알람 메시지를 전송할 수 있다. 또한 제어부(120)는 조제 영상, 약인식정보, 처방정보 등은 관리서버(300)로 전송한다(S104, S105).
또한 관리서버(300)는 전송받은 조제영상을 날짜별, 환자별 또는 약사별 인덱스로 구분하여 저장할 수 있으며, 영상 보호를 위해 블록체인 기반으로 분산 저장 관리할 수 있으며, 영상 요청시 분산 관리자들의 인증서 대조에 의해 사용자 인증을 수행하여 인증된 사용자에게 영상을 제공할 수 있다(S106).
본 명세서에서 ‘단말’은 휴대성 및 이동성이 보장된 무선 통신 장치일 수 있으며, 예를 들어 스마트폰, 태블릿 PC 또는 노트북 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치일 수 있다. 또한, ‘단말’은 네트워크를 통해 다른 단말 또는 서버 등에 접속할 수 있는 PC 등의 유선 통신 장치인 것도 가능하다. 또한, 네트워크는 단말들 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 근거리 통신망(200)(LAN: Local Area Network), 광역 통신망(200)(WAN: Wide Area Network), 인터넷 (WWW: World Wide Web), 유무선 데이터 통신망(200), 전화망, 유무선 텔레비전 통신망(200) 등을 포함한다.
무선 데이터 통신망(200)의 일례에는 3G, 4G, 5G, 3GPP(3rd Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 블루투스 통신, 적외선 통신, 초음파 통신, 가시광 통신(VLC: Visible Light Communication), 라이파이(LiFi) 등이 포함되나 이에 한정되지는 않는다.
100 ; 조제검수장치
110 ; 이미지센서
120 ; 제어부
130 ; 저장부
140 ; 표시부
150 ; 통신부
200 ; 통신망
300 ; 관리서버
310 ; 서버통신부
320 ; 약제관리부
330 ; 통계학습부
340 ; 보안부
350 ; 데이터베이스

Claims (9)

  1. 약사가 처방전에 따라 약 조제시 이미지센서로 조제영상을 촬영하여 획득하는 조제검수장치;
    상기 조제영상을 전송받아 저장하고 관리하는 관리서버를 포함하되,
    상기 조제검수장치는 조제되는 약을 촬영하여 조제영상을 획득하고, 상기 조제영상으로부터 객체 인식 알고리즘을 토대로 미리 학습된 약 이미지에 따라 객체인 약을 인식하고, 해당 약의 약 개수, 약 형태에 대한 정보를 포함하는 처방정보에 부합되는지 약의 구성에 대한 약인식정보를 획득하며,
    상기 관리서버는, 상기 조제검수장치로부터 조제영상, 처방정보, 약인식정보를 수신하여 각 처방정보에서 확인된 환자별, 날짜별, 약국별로 조제영상 데이터를 분류하여 저장하고, 관리하며,
    상기 약인식정보는, 약의 개수, 약의 형태에 대한 정보 중 적어도 어느 하나를 포함하고,
    상기 조제검수장치는,
    조제되는 약을 촬영하여 조제영상을 획득하고, 조제영상으로부터 객체 인식 알고리즘을 토대로 미리 학습된 약 이미지에 따라 객체인 약을 인식하고, 해당 약이 처방정보에 부합되는지 약의 구성을 파악하고 약의 구성에 대한 약인식정보를 획득하는 이미지센서; 상기 이미지센서로부터 생성된 약인식정보를 제공받아 처방전에 의한 처방정보와의 일치 여부를 판단하고, 이미지센서로부터 촬영되는 조제영상을 실시간으로 녹화하여 저장부에 설정된 시간 또는 프레임 단위로 저장하도록 제어하는 제어부; 상기 이미지센서로 촬영된 조제영상을 설정된 시간 단위 또는 프레임 단위로 저장하는 상기 저장부; 상기 제어부에서 약 인식시 처방정보에 부합하는지 일치 여부를 비교한 판단결과에 따라 알람을 표시하는 표시부; 상기 제어부에서 조제영상, 처방정보, 약인식정보의 전송 요청시 관리서버에 해당 데이터들을 전송하도록 통신 프로토콜을 포함하는 통신부를 포함하며,
    상기 이미지센서는,
    상기 약인식정보를 획득하기 위해서 약 이미지 학습시 과정에서 약학 정보원 데이터베이스의 의약품 정보를 이용하여 크롤링(Crawling)하여 이미지 라벨링 실시하고, GAN 신경망을 통해 이미지를 합성(synthesis)하며, 합성된 이미지 데이터로 학습 진행하고, 학습 완료된 정보를 이용하여 저장하는 방식으로 수행되며,
    약 촬영시 객체인 약의 인식율을 높이기 위해 에이다부스트(AdaBoost), 서포트 벡터 머신(Support Vector Machine: SVM), 선형판별식 해석(Linear Disciminant Analysis: LDA) 및 주성분 분석(Principal Component Analusis: PCA) 중에서 선택된 알고리즘이 내장되며,
    약 인식을 위해서 CNN 알고리즘을 추가로 적용하되, 객체 위치를 검출하는데 탁월하도록 딥러닝 회귀 방법을 사용한 R-CNN(Region-based Convolutional Neural Networks) 알고리즘을 이용하여 객체를 인식하거나, 혹은 Fast R-CNN, R-FCN, YOLO(You only Look Once), 텐서플로(TensorFlow) 및 SSD(Single Shot MultiBox Detector) 중에서 선택된 알고리즘을 추가로 적용하고,
    인식률을 높이기 위해 필요한 연산량을 줄이고 특징적인 핵심적인 데이터만을 이용하여 학습이 이루어지도록 어텐션 알고리즘(Attention mechanism)을 추가로 적용하는 조제검수장치의 영상 감시 시스템.
  2. 삭제
  3. 삭제
  4. 제1항에 있어서,
    상기 조제검수장치와 통신하기 위한 통신 프로토콜을 포함하는 통신부;
    약 인식시 필요한 약 이미지 데이터를 포함한 의약 데이터를 관리하며, 조제영상에 대해 데이터베이스에 인덱스별로 저장하는 약제관리부;
    조제영상, 처방정보, 약인식정보를 수집하고, 수집된 데이터양이 증가할수록 빅데이터를 활용하여 환자별, 날짜별, 약국별 처방이력, 약인식율, 약오류 진단 결과, 전송 이벤트, 데이터 관리 내역에 대한 포괄적인 통계자료를 생성하는 통계학습부;
    조제영상, 처방정보, 약인식정보에 대해서 저장하고 관리하되, 보안을 위해 블록체인 기반으로 분산 저장하는 데이터베이스
    를 포함하는 조제검수장치의 영상 감시 시스템.
  5. 제4항에 있어서,
    상기 관리서버는
    블록체인서버와 연계하여 블록체인망을 구축하고, 기구축된 내부의 블록체인 네트워크를 통해 공개키 및 개인키를 생성하여 해쉬값으로 변환하여 상기 조제영상, 환자의 처방정보, 약인식정보에 대해서 분산 저장하고, 분산 저장시 생성된 공개키와 사용자의 개인정보를 기반으로 권한이 있는 사용자에 대해서 열람이 가능하도록 사용자 인증을 수행하는 보안부;
    를 더 포함하는 조제검수장치의 영상 감시 시스템.
  6. 약사가 처방전에 따라 약 조제시 이미지센서로 조제영상을 촬영하여 획득하고, 획득된 조제영상으로부터 약인식정보를 객체 인식 알고리즘에 의해 생성할 수 있으며, 약인식정보의 처방전에 의한 처방정보와의 일치 여부를 판단하는 조제검수장치와, 통신망을 통하여 약인식정보, 조제영상을 전송받아 저장하고 관리하는 관리서버를 이용한 조제검수장치의 영상 감시 방법에 있어서,
    상기 조제검수장치는 이미지센서를 통하여 약 조제시의 조제영상을 획득하는 단계;
    상기 이미지센서는 조제영상으로부터 객체인 약을 인식하고 약의 개수, 약의 형태를 포함한 약인식정보를 생성하는 단계;
    상기 조제검수장치는 제어부를 통하여 약인식정보와 처방정보의 일치 여부에 대한 판단 결과를 출력하는 단계;
    상기 관리서버는 전송받은 조제영상을 날짜별, 환자별 또는 약사별 인덱스로 구분하여 저장하는 단계;를 포함하며,
    상기 약인식정보를 생성하는 단계는,
    상기 약인식정보를 획득하기 위해서 약 이미지 학습시 과정에서 약학 정보원 데이터베이스의 의약품 정보를 이용하여 크롤링(Crawling)하여 이미지 라벨링 실시하고, GAN 신경망을 통해 이미지를 합성(synthesis)하며, 합성된 이미지 데이터로 학습 진행하고, 학습 완료된 정보를 이용하여 저장하는 방식으로 수행되며,
    약 촬영시 객체인 약의 인식율을 높이기 위해 에이다부스트(AdaBoost), 서포트 벡터 머신(Support Vector Machine: SVM), 선형판별식 해석(Linear Disciminant Analysis: LDA) 및 주성분 분석(Principal Component Analusis: PCA) 중에서 선택된 알고리즘이 내장되며,
    약 인식을 위해서 CNN 알고리즘을 추가로 적용하되, 객체 위치를 검출하는데 탁월하도록 딥러닝 회귀 방법을 사용한 R-CNN(Region-based Convolutional Neural Networks) 알고리즘을 이용하여 객체를 인식하거나, 혹은 Fast R-CNN, R-FCN, YOLO(You only Look Once), 텐서플로(TensorFlow) 및 SSD(Single Shot MultiBox Detector) 중에서 선택된 알고리즘을 추가로 적용하고,
    인식률을 높이기 위해 필요한 연산량을 줄이고 특징적인 핵심적인 데이터만을 이용하여 학습이 이루어지도록 어텐션 알고리즘(Attention mechanism)을 추가로 적용하는
    조제검수장치의 영상 감시 방법.
  7. 제6항에 있어서,
    상기 제어부의 판단 결과에 따라 처방정보와 불일치하는 구성이 포함된 경우, 알람을 생성하여 표시부를 통하여 표시하거나 설정된 단말로 알람 메시지를 전송하는 단계;
    를 더 포함하는 조제검수장치의 영상 감시 방법.
  8. 제6항에 있어서,
    상기 관리서버는 영상 보호를 위해 블록체인 기반으로 분산 저장 관리할 수 있으며, 영상 요청시 분산 관리자들의 인증서 대조에 의해 사용자 인증을 수행하여 인증된 사용자에게 영상을 제공하는 단계
    를 더 포함하는 조제검수장치의 영상 감시 방법.
  9. 제6항 내지 제8항 중 어느 한 항의 조제검수장치의 영상 감시 방법을 수행하는 컴퓨터로 판독 가능한 기록매체에 저장된 컴퓨터 프로그램.
KR1020210098397A 2021-07-27 2021-07-27 조제검수장치의 영상 감시 시스템 및 방법 KR102412874B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210098397A KR102412874B1 (ko) 2021-07-27 2021-07-27 조제검수장치의 영상 감시 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210098397A KR102412874B1 (ko) 2021-07-27 2021-07-27 조제검수장치의 영상 감시 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR102412874B1 true KR102412874B1 (ko) 2022-06-24

Family

ID=82216190

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210098397A KR102412874B1 (ko) 2021-07-27 2021-07-27 조제검수장치의 영상 감시 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102412874B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117338602A (zh) * 2023-12-04 2024-01-05 深圳市人人壮科技有限公司 多功能智能药盒控制方法、装置、设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0663809A (ja) 1992-08-21 1994-03-08 Isuzu Motors Ltd ドリルの再研時期決定法
KR20120012130A (ko) * 2010-07-30 2012-02-09 에스케이 텔레콤주식회사 복약관리 서비스 장치 및 방법, 복약관리 서비스를 위한 클라이언트 단말 및 서버
KR20140105625A (ko) * 2013-02-18 2014-09-02 주식회사 인포피아 영상 기반 관리자 조제 검사 가능한 약제 포장 장치 및 관리 서버
KR101882207B1 (ko) * 2018-03-23 2018-07-26 주식회사 아이라이즈 블록체인 기반으로 환자 정보를 저장하는 병의원 보안 시스템
KR102009721B1 (ko) * 2018-02-20 2019-08-12 재단법인 아산사회복지재단 약품 이미지와 약품 정보를 이용한 복수의 약품 식별 방법
WO2019199699A1 (en) * 2018-04-13 2019-10-17 Elekta, Inc. Image synthesis using adversarial networks
KR20200099041A (ko) * 2019-02-13 2020-08-21 한국전자통신연구원 블록체인 기반 콘텐츠 이용 권한 관리 장치 및 방법
KR102214873B1 (ko) * 2020-07-23 2021-02-09 조성훈 포터블한 자동 조제 검수장치 및 이를 이용한 검수방법

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0663809A (ja) 1992-08-21 1994-03-08 Isuzu Motors Ltd ドリルの再研時期決定法
KR20120012130A (ko) * 2010-07-30 2012-02-09 에스케이 텔레콤주식회사 복약관리 서비스 장치 및 방법, 복약관리 서비스를 위한 클라이언트 단말 및 서버
KR20140105625A (ko) * 2013-02-18 2014-09-02 주식회사 인포피아 영상 기반 관리자 조제 검사 가능한 약제 포장 장치 및 관리 서버
KR102009721B1 (ko) * 2018-02-20 2019-08-12 재단법인 아산사회복지재단 약품 이미지와 약품 정보를 이용한 복수의 약품 식별 방법
KR101882207B1 (ko) * 2018-03-23 2018-07-26 주식회사 아이라이즈 블록체인 기반으로 환자 정보를 저장하는 병의원 보안 시스템
WO2019199699A1 (en) * 2018-04-13 2019-10-17 Elekta, Inc. Image synthesis using adversarial networks
KR20200099041A (ko) * 2019-02-13 2020-08-21 한국전자통신연구원 블록체인 기반 콘텐츠 이용 권한 관리 장치 및 방법
KR102214873B1 (ko) * 2020-07-23 2021-02-09 조성훈 포터블한 자동 조제 검수장치 및 이를 이용한 검수방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117338602A (zh) * 2023-12-04 2024-01-05 深圳市人人壮科技有限公司 多功能智能药盒控制方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CA3105190C (en) System and method for identifying and verifying one or more individuals using facial recognition
US20190342096A1 (en) Online identity and credential verification systems and methods protecting user data
US9600686B2 (en) Augmented reality based privacy and decryption
US20210166807A1 (en) Automated visual reporting technique for medical imaging processing system
Aileni et al. IoMT: A blockchain perspective
US20140359722A1 (en) Method and apparatus for providing multi-sensor multi-factor identity verification
JP2019500773A (ja) 公開キー／プライベートキーバイオメトリック認証システム
Chen et al. Medical cyber–physical systems: A solution to smart health and the state of the art
CN107506635B (zh) 身份证网上功能开通方法、手机、可信终端和验证服务器
Al-Otaibi K-nearest neighbour-based smart contract for internet of medical things security using blockchain
US20160292386A1 (en) Systems and architecture for electronic interfaces and complex data structures for medication reconciliation and patient regimen adherence detection
KR102412874B1 (ko) 조제검수장치의 영상 감시 시스템 및 방법
Guillén-Gámez et al. A proposal to improve the authentication process in m-health environments
CN112927775B (zh) 基于区块链的诊疗信息处理方法及装置
Onik et al. A secured cloud based health care data management system
Mantey et al. Maintaining privacy for a recommender system diagnosis using blockchain and deep learning.
Shankar et al. A survey on wireless body area network and electronic-healthcare
Kamal et al. Care4U: Integrated healthcare systems based on blockchain
CN114049970B (zh) 一种基于多端数据共享的用药管理方法及系统
WO2020140296A1 (zh) 一种图像识别的数据保护方法、装置及系统
TWI709921B (zh) 物體辨識系統及方法
KR102245032B1 (ko) 블록체인을 이용한 물품 배송 박스의 보안 시스템 및 그 방법
Jose et al. A model in healthcare cloud for securing the data using fog computing
Nikam et al. Implementation of secure sharing of PHR’s with IoMT cloud
Saha et al. Security and privacy of IoT devices in healthcare systems

Legal Events

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