KR102464472B1 - 인공지능을 이용한 치열 교정법 추천 시스템 및 그 방법 - Google Patents
인공지능을 이용한 치열 교정법 추천 시스템 및 그 방법 Download PDFInfo
- Publication number
- KR102464472B1 KR102464472B1 KR1020220053028A KR20220053028A KR102464472B1 KR 102464472 B1 KR102464472 B1 KR 102464472B1 KR 1020220053028 A KR1020220053028 A KR 1020220053028A KR 20220053028 A KR20220053028 A KR 20220053028A KR 102464472 B1 KR102464472 B1 KR 102464472B1
- Authority
- KR
- South Korea
- Prior art keywords
- treatment
- unit
- tooth
- data
- patient
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 189
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 78
- 238000011282 treatment Methods 0.000 claims abstract description 228
- 238000012937 correction Methods 0.000 claims abstract description 32
- 238000003745 diagnosis Methods 0.000 claims abstract description 23
- 210000004513 dentition Anatomy 0.000 claims abstract description 13
- 230000036346 tooth eruption Effects 0.000 claims abstract description 13
- 239000000463 material Substances 0.000 claims description 67
- 238000012545 processing Methods 0.000 claims description 39
- 238000000605 extraction Methods 0.000 claims description 32
- 238000004458 analytical method Methods 0.000 claims description 26
- 238000013480 data collection Methods 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 19
- 238000006243 chemical reaction Methods 0.000 claims description 16
- 238000007726 management method Methods 0.000 claims description 15
- 238000011156 evaluation Methods 0.000 claims description 12
- 238000012552 review Methods 0.000 claims description 8
- 235000006694 eating habits Nutrition 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 4
- 238000002591 computed tomography Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 7
- 239000000284 extract Substances 0.000 description 7
- 210000004373 mandible Anatomy 0.000 description 6
- 210000002050 maxilla Anatomy 0.000 description 6
- 239000010935 stainless steel Substances 0.000 description 6
- 229910001220 stainless steel Inorganic materials 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 5
- 229910001040 Beta-titanium Inorganic materials 0.000 description 3
- 229910000684 Cobalt-chrome Inorganic materials 0.000 description 3
- 241001315286 Damon Species 0.000 description 3
- WAIPAZQMEIHHTJ-UHFFFAOYSA-N [Cr].[Co] Chemical compound [Cr].[Co] WAIPAZQMEIHHTJ-UHFFFAOYSA-N 0.000 description 3
- 230000003796 beauty Effects 0.000 description 3
- 239000010952 cobalt-chrome Substances 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 229910000701 elgiloys (Co-Cr-Ni Alloy) Inorganic materials 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 3
- 239000010931 gold Substances 0.000 description 3
- 229910052737 gold Inorganic materials 0.000 description 3
- 229910001000 nickel titanium Inorganic materials 0.000 description 3
- RVTZCBVAJQQJTK-UHFFFAOYSA-N oxygen(2-);zirconium(4+) Chemical compound [O-2].[O-2].[Zr+4] RVTZCBVAJQQJTK-UHFFFAOYSA-N 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 206010061274 Malocclusion Diseases 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000003930 cognitive ability Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000000227 grinding Methods 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 210000001847 jaw Anatomy 0.000 description 1
- 210000000214 mouth Anatomy 0.000 description 1
- 238000011328 necessary treatment Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000004801 process automation Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 210000001738 temporomandibular joint Anatomy 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61C—DENTISTRY; APPARATUS OR METHODS FOR ORAL OR DENTAL HYGIENE
- A61C7/00—Orthodontics, i.e. obtaining or maintaining the desired position of teeth, e.g. by straightening, evening, regulating, separating, or by correcting malocclusions
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61C—DENTISTRY; APPARATUS OR METHODS FOR ORAL OR DENTAL HYGIENE
- A61C7/00—Orthodontics, i.e. obtaining or maintaining the desired position of teeth, e.g. by straightening, evening, regulating, separating, or by correcting malocclusions
- A61C7/002—Orthodontic computer assisted 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
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/60—Healthcare; Welfare
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Veterinary Medicine (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Bioethics (AREA)
- Animal Behavior & Ethology (AREA)
- Dental Tools And Instruments Or Auxiliary Dental Instruments (AREA)
- General Engineering & Computer Science (AREA)
Abstract
본 발명은 인공지능을 이용한 치열 교정법 추천 시스템 및 그 방법에 관한 것으로서, 더욱 상세하게는 치료가 완료된 환자의 구강데이터 및 진료 데이터(차트)을 포함하는 빅데이터를 수집하여 데이터베이스를 구축하고, 데이터를 분석 및 학습하여 생성된 진료모델에 근거하여 임의의 환자에 대한 치열 진단 및 각 치료 단계에서의 교정법을 도출하여 추천함으로써, 다수 환자의 구강데이터 및 진료 기록에 기반하여 최적의 교정법을 추천하도록 하는 인공지능을 이용한 치열 교정법 추천 시스템 및 그 방법을 제공한다.
Description
본 발명은 인공지능을 이용한 치열 교정법 추천 시스템 및 그 방법에 관한 것으로서, 더욱 상세하게는 치료가 완료된 환자의 구강데이터 및 진료 데이터(차트)을 포함하는 빅데이터를 수집하여 데이터베이스를 구축하고, 데이터를 분석 및 학습하여 생성된 진료모델에 근거하여 임의의 환자에 대한 치열 진단 및 각 치료 단계에서의 교정법을 도출하여 추천함으로써, 다수 환자의 구강데이터 및 진료 기록에 기반하여 최적의 교정법을 추천하도록 하는 인공지능을 이용한 치열 교정법 추천 시스템 및 그 방법에 관한 것이다.
일반적으로, 치열이 바르지 않고 상하의 치아 교합이 비정상적인 상태를 부정교합이라고 하며, 이와 같은 부정 교합은 저작, 발음상의 문제와 같은 기능적인 문제점과 얼굴에 대한 미적인 문제점을 발생시킬 뿐만 아니라 충치와 잇몸질환과 같은 건강상의 문제점도 발생시킬 수 있다.
따라서, 이러한 부정교합을 정상교합으로 만들기 위해서는 치아교정치료가 시행되어야 한다.
이러한 치아 교정 치료를 하기 전에, 적합한 치료 시술 방법을 결정하기 위해서는 현재 수진자의 치아 상태와 더불어서, 치아 교정시 예상되는 치아의 형태에 대한 시뮬레이션이 선행되는 것이 바람직하다.
그런데, 이와 같은 치아 시뮬레이션 장치에서 치아를 교정함에 있어서, 시술자인 의사가 치아 하나하나에 대하여 위치 이동 및 회전 이동을 시켜야 하므로, 작업에 효율이 떨어지는 문제점이 있다.
한국등록특허 [10-2121963]에서는 치아 교정 임상 빅데이터를 이용한 투명 교정 모델 설정 장치, 그 방법 및 프로그램이 개시되어 있다.
한국등록특허 [10-2227460]에서는 교정치료를 위한 치아 배열 방법 및 이를 수행하는 교정 캐드 시스템이 개시되어 있다.
따라서, 본 발명은 상기한 바와 같은 문제점을 해결하기 위하여 안출된 것으로, 본 발명의 목적은 치료가 완료된 환자의 구강데이터 및 진료 데이터(차트)을 포함하는 빅데이터를 수집하여 데이터베이스를 구축하고, 데이터를 분석 및 학습하여 생성된 진료모델에 근거하여 임의의 환자에 대한 치열 진단 및 각 치료 단계에서의 교정법을 도출하여 추천함으로써, 다수 환자의 구강데이터 및 진료 기록에 기반하여 최적의 교정법을 추천하도록 하는 인공지능을 이용한 치열 교정법 추천 시스템 및 그 방법을 제공하는 것이다.
본 발명의 실 시예들의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
상기한 바와 같은 목적을 달성하기 위한 본 발명의 일 실시예에 따른 인공지능을 이용한 치열 교정법 추천 시스템은, 진료가 완료된 환자의 이미지 데이터 및 진료 데이터를 분석하여 데이터베이스를 구축하고, 임의의 환자의 영상 데이터 및 설문에 따라 환자의 치열을 진단하고 각 치료 단계에서의 처방에 대한 교정 방법을 추천하기 위한 교정법 추천 서버(100); 상기 교정법 추천 서버에 접속하여, 환자의 치열에 대한 진단 및 교정법 추천 서비스를 제공받기 위해 필요한 데이터를 송수신하기 위한 다수의 치과 단말기(110, 120); 및 상기 환자의 치열에 대한 진단 및 교정법 추천을 위해 필요한 데이터를 수집하기 위한 다수의 데이터 획득장치(130, 140, 150, 160)를 포함하고, 상기 다수의 데이터 획득장치는, 엑스레이, 3D 스캐너, 카메라, 컴퓨터단층촬영기기를 포함하는 것을 특징으로 하고, 상기 교정법 추천 서버(100)는, 상기 다수의 사용자 단말로 치열 진단 및 교정법 추천 서비스 제공을 위한 인터페이스를 제공하는 송수신부(101); 상기 이미지 데이터를 수집 및 가공하여 제1 치아 특성 요소를 추출하고, 상기 진료 데이터로부터 진료 특성 요소를 추출하기 위한 데이터 수집부(103); 상기 송수신부를 통하여 송수신되는 데이터 및 상기 데이터 수집부를 통해 수집한 데이터에 기초하여 임의의 환자의 치열 진단에 필요한 데이터 처리를 수행하여 제2 치아 특성 요소 및 환자 특성 요소를 추출하기 위한 데이터 처리부(104); 상기 진료 데이터와 상기 데이터 처리부에서 추출한 제2 치아 특성 요소 및 환자 특성 요소에 따라 현재 가중치에 따른 진료를 처방하고, 처방된 진료의 타당성을 평가하고, 예측 결과를 저장하고, 진료 달성도를 산출하고, 진료 모델을 업데이트하기 위한 인공지능 분석부(105); 상기 처방된 진료에 따른 교정법을 추천하기 위한 교정법 추천부(108); 상기 치열 진단 및 교정법 추천 서비스 제공을 위해 필요한 데이터를 저장하고 있는 데이터베이스 관리부(106); 치과 단말기를 통해 환자의 3D 치아 이미지 및 진료 사항이 출력되도록 하고, 상기 치과 단말기를 통해 입력받는 내용이 진료차트 데이터베이스에 기록되도록 하기 위한 차트 작성부(107); 및 상기 송수신부, 데이터 수집부, 데이터 처리부, 인공지능 분석부, 교정법 추천부, 데이터베이스 관리부 및 차트 작성부를 포함한 각 구성요소를 제어하기 위한 제어부(102)를 포함하는 것을 특징으로 한다.
상기 데이터 수집부(103)는, 상기 다수의 데이터 획득장치를 통해 수집한 이미지 데이터를 이용하여 3D 치아 데이터를 형성하기 위한 이미지 수집부(301); 상기 수집된 이미지 데이터로부터 사용자의 아치 형태에 따라 제1 치아 배열을 생성하기 위한 제1 치아 배열부(302); 상기 배열된 각 치아별로 표준 치아 형태와 비교하여 상기 제1 치아 특성 요소를 추출하기 위한 제1 치아 특성 추출부(303); 해당 환자의 진료 데이터를 수신하여 변환하기 위한 제1 데이터 변환부(305); 상기 변환된 진료 데이터로부터 진료 특성 요소를 추출하기 위한 진료 특성 추출부(306); 및 상기 추출한 치아 특성에 따른 진료 내역을 검토하고, 상기 진료 특성 요소를 고려하여 상기 데이터베이스 관리부에 저장하기 위한 진료 내역 검토부(304)를 포함하는 것을 특징으로 한다.
상기 데이터 처리부(104)는, 상기 다수의 데이터 획득장치를 통해 획득한 영상 데이터를 입력받기 위한 데이터 입력부(401); 상기 영상 데이터로부터 사용자의 아치 형태에 따라 제2 치아 배열을 생성하기 위한 제2 치아 배열부(402); 상기 배열된 각 치아별로 표준 치아 형태와 비교하여 상기 제2 치아 특성 요소를 추출하기 위한 제2 치아 특성 추출부(403); 상기 치과 단말기를 통해 환자로부터 입력받는 설문 답안을 수신하여 변환하기 위한 제2 데이터 변환부(404); 및 상기 변환된 설문 답안으로부터 상기 환자 특성 요소를 추출하기 위한 환자 특성 추출부(405)를 포함하는 것을 특징으로 한다.
상기 인공지능 분석부(105)는, 임의의 진료중 환자에 대한 제2 치아 특성 요소 및 환자 특성 요소를 기반으로 데이터베이스를 검색하여 처방 내역을 도출하기 위한 인공지능 진료 처방부(501); 상기 도출된 처방 내역에 대한 진료 타당성을 평가하여 예측 결과를 저장하기 위한 진료 타당성 평가부(502); 이전에 저장된 예측 결과가 있음에 따라 진료 달성도를 산출하기 위한 진료달성도 산출부(503); 상기 산출된 진료 달성도를 학습하기 위한 학습부(504); 상기 학습 내용에 따라 해당 환자에 대한 진료 고려 요소를 추론하기 위한 추론부(505); 상기 추론 결과에 따라 각 치아에 대한 진료모델을 업데이트하기 위한 진료과정 모델링부(506); 및 환자의 치아별 진행 가중치를 보정하기 위한 환자 가중치 조정부(507)를 포함하는 것을 특징으로 한다.
상기 교정법 추천부(108)는, 상기 진료 타당성이 평가된 처방 내역에 따라 타겟 치아를 결정하기 위한 타겟 치아 결정부(601); 상기 결정된 타겟 치아에 사용될 재료의 종류를 결정하기 위한 재료 종류 결정부(602); 상기 결정된 타겟 치아에 사용될 재료의 사이즈를 선택하기 위한 재료 사이즈 선택부(603); 상기 결정된 타겟 치아에 사용될 재료의 부착 위치를 결정하기 위한 부착 위치 결정부(604); 및 상기 결정된 재료의 종류에 있어서, 제어 강도가 요구되는 재료의 제어 강도를 결정하기 위한 제어 강도 결정부(605)를 포함하는 것을 특징으로 한다.
상기 제1 치아 특성 요소 및 상기 제2 치아 특성 요소는, 치아별 위치, 길이, 회전 정도, 경사 정도를 포함하는 것을 특징으로 하고, 상기 진료 특성 요소는, 장치의 종류, 철사 종류, 셋업 종류, 셋업에 따른 사용 브라켓 종류, 본딩 방법, 고무줄 사용 여부를 포함하는 것을 특징으로 하고, 상기 환자 특성 요소는, 환자의 미인관, 성별, 나이, 식습관을 포함하는 것을 특징으로 한다.
또한, 상기한 바와 같은 목적을 달성하기 위한 본 발명의 일 실시예에 따른 인공지능을 이용한 치열 교정법 추천 방법은, 진료 완료된 환자의 이미지 데이터 및 진료 데이터를 수집하는 데이터수집단계(S910); 수집한 데이터로부터 환자의 진료 단계별 치열, 제1 치아 특성 요소, 진료 특성 요소를 추출하여 데이터베이스를 구축하는 데이터베이스구축단계(S920); 임의의 진료 중 환자에 대한 영상 데이터를 획득하여 제2 치아 특성 요소 및 환자 특성 요소를 추출하는 데이터처리단계(S930); 상기 임의의 진료 중 환자에 대한 상기 제2 치아 특성 요소 및 상기 환자 특성 요소를 기반으로 데이터베이스를 검색하여 처방(처치) 내역을 도출하는 처방내역도출단계(S940); 상기 도출된 처방 내역에 대한 진료 타당성을 평가하고 예측 결과를 저장하는 진료타당성평가단계(S950); 기저장된 예측 결과가 있음에 따라 진료 달성도를 산출하고, 산출된 진료 달성도에 따라 해당 환자에 대한 치료 과정을 학습 및 추론하는 학습및추론단계(S960); 학습 및 추론에 따라 진료모델 및 환자의 치아별 진행 가중치를 보정하고, 상기 보정된 치아별 진행 가중치를 진료 중 환자의 가중치로 결정하는 가중치보정단계(S970); 상기 진료 타당성이 평가된 처방 내역에 따라 교정법을 추천하는 교정법추천단계(S980); 및 매 진료시마다 상기 처방내역도출단계, 상기 진료타당성평가단계, 상기학습및추론단계, 상기 가중치보정단계 및 상기 교정법추천단계를 반복하여 진행하여 치열 진단 및 교정법 추천 서비스를 제공하는 인공지능분석단계(S990)를 포함한다.
상기 데이터베이스구축단계(S920)는, 기저장된 환자의 이미지 데이터 및 진료 데이터를 전달받는 데이터전달단계(S1010); 상기 다수의 이미지 데이터를 통합 및 매핑하여 제1 치아 배열을 생성하는 제1치아배열생성단계(S1020); 상기 배열된 치아로부터 각 치아에 대한 제1 치아 특성 요소를 추출하는 제1치아특성요소추출단계(S1030); 상기 진료 데이터를 변환하는 제1데이터변환단계(S1040); 변환된 진료 데이터로부터 진료 특성 요소를 추출하는 진료특성요소추출단계(S1050); 및 상기 제1 치아 특성 요소 및 상기 진료 특성 요소를 이용하여 데이터베이스를 구축하는 단계(S1060)를 포함하는 것을 특징으로 하고, 상기 데이터처리단계(S930)는, 임의의 진료 중 환자의 영상 데이터를 획득하는 데이터획득단계(S1110); 상기 영상 데이터를 가공하여 제2 치아 배열을 생성하는 제2치아배열생성단계(S1120); 상기 배열된 치아로부터 각 치아에 대한 제2 치아 특성 요소를 추출하는 제2 치아특성요소추출단계(S1130); 치과 단말기를 통해 설문 답안을 입력받아 변환하는 제2데이터변환단계(S1140); 및 상기 변환된 설문 답안으로부터 임의의 진료 중 환자의 환자 특성 요소를 추출하는 환자특성요소추출단계(S1150)를 포함하는 것을 특징으로 한다.
상기 교정법추천단계(S980)는, 상기 진료 타당성이 평가된 처방 내역에 따라 타겟 치아를 결정하는 타겟치아결정단계(S1210); 상기 결정된 타겟 치아에 사용될 재료의 종류를 결정하는 재료종류결정단계(S1220); 상기 결정된 타겟 치아에 사용될 재료의 사이즈를 선택하는 재료사이즈선택단계(S1230); 상기 결정된 타겟 치아에 사용될 재료의 부착 위치를 결정하는 부착위치결정단계(S1240); 및 상기 결정된 재료의 종류에 있어서, 제어 강도가 요구되는 재료의 제어 강도를 결정하는 제어강도결정단계(S1250)를 포함하는 것을 특징으로 한다.
상기 제1 치아 특성 요소 및 상기 제2 치아 특성 요소는, 치아별 위치, 길이, 회전 정도, 경사 정도를 포함하는 것을 특징으로 하고, 상기 진료 특성 요소는, 장치의 종류, 철사 종류, 셋업 종류, 셋업에 따른 사용 브라켓 종류, 본딩 방법, 고무줄 사용 여부를 포함하는 것을 특징으로 하고, 상기 환자 특성 요소는, 환자의 미인관, 성별, 나이, 식습관을 포함하는 것을 특징으로 한다.
또한, 본 발명의 일 실시예에 따르면, 상기 인공지능을 이용한 치열 교정법 추천 방법을 구현하기 위한 프로그램이 저장된 컴퓨터 판독 가능한 기록매체가 제공되는 것을 특징으로 한다.
아울러, 본 발명의 일 실시예에 따르면, 상기 인공지능을 이용한 치열 교정법 추천 방법을 구현하기 위해, 컴퓨터 판독 가능한 기록매체에 저장된 프로그램이 제공되는 것을 특징으로 한다.
본 발명의 일 실시예에 따른 인공지능을 이용한 치열 교정법 추천 시스템 및 그 방법에 의하면, 치료가 완료된 환자의 구강데이터 및 진료 데이터(차트)을 포함하는 빅데이터를 수집하여 데이터베이스를 구축하고, 데이터를 분석 및 학습하여 생성된 진료모델에 근거하여 임의의 환자에 대한 치열 진단 및 각 치료 단계에서의 교정법을 도출하여 추천함으로써, 다수 환자의 구강데이터 및 진료 기록에 기반하여 최적의 교정법을 추천하여 필요한 진료 과정이 진행될 수 있는 효과가 있다.
또한, 본 발명의 일 실시예에 따른 인공지능을 이용한 치열 교정법 추천 시스템 및 그 방법에 의하면, 유사 임상 데이터 1개에 대하여 추천받는 것이 아니라, 각 진료 단계별 히스토리에 근거하여 해당 환자에게 필요한 교정법을 도출하므로, 효율적인 교정 방안을 제안할 수 있는 효과가 있다.
또, 본 발명의 일 실시예에 따른 인공지능을 이용한 치열 교정법 추천 시스템 및 그 방법에 의하면, 매 진료시마다 이전 진료 내역에 따른 진료 달성률을 산출하고 필요시 가중치를 보정하기 때문에, 해당 환자에게 맞춤형 교정법을 추천할 수 있는 효과가 있다.
아울러, 본 발명의 일 실시예에 따른 인공지능을 이용한 치열 교정법 추천 시스템 및 그 방법에 의하면, 진료 내역에 있어서, 잘못된 처방 방법 또는 제대로 동작하지 않은 처방 방법에 대해서는 처방 타당성 평가를 통해 제외할 수 있어 진료의 신뢰도가 높은 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 인공지능을 이용한 치열 교정법 추천 시스템의 구성도.
도 2는 도 1의 교정법 추천 서버의 상세 구성도.
도 3은 도 2의 데이터 수집부의 상세 구성도.
도 4는 도 2의 데이터 처리부의 상세 구성도.
도 5는 도 2의 인공지능 분석부의 상세 구성도.
도 6은 도 2의 교정법 추천부의 상세 구성도.
도 7a 내지 7e는 본 발명의 일 실시예에 따른 인공지능을 이용한 치열 교정법 추천 시스템에서 사용하는 이미지 데이터들을 설명하기 위한 도면들.
도 8a는 일반적인 상악과 하악의 구조이고, 도 8b는 환자의 치아가 배열된 것을 설명하기 위한 도면.
도 9는 본 발명에 따른 인공지능을 이용한 치열 교정법 추천 방법의 일실시예 흐름도.
도 10은 도 9의 데이터베이스구축단계의 일실시예 상세 흐름도.
도 11은 도 9의 데이터처리단계의 일실시예 상세 흐름도.
도 12는 도 9의 교정법추천단계의 일실시예 상세 흐름도.
도 2는 도 1의 교정법 추천 서버의 상세 구성도.
도 3은 도 2의 데이터 수집부의 상세 구성도.
도 4는 도 2의 데이터 처리부의 상세 구성도.
도 5는 도 2의 인공지능 분석부의 상세 구성도.
도 6은 도 2의 교정법 추천부의 상세 구성도.
도 7a 내지 7e는 본 발명의 일 실시예에 따른 인공지능을 이용한 치열 교정법 추천 시스템에서 사용하는 이미지 데이터들을 설명하기 위한 도면들.
도 8a는 일반적인 상악과 하악의 구조이고, 도 8b는 환자의 치아가 배열된 것을 설명하기 위한 도면.
도 9는 본 발명에 따른 인공지능을 이용한 치열 교정법 추천 방법의 일실시예 흐름도.
도 10은 도 9의 데이터베이스구축단계의 일실시예 상세 흐름도.
도 11은 도 9의 데이터처리단계의 일실시예 상세 흐름도.
도 12는 도 9의 교정법추천단계의 일실시예 상세 흐름도.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 명세서에서 사용되는 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 공정, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 공정, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미가 있는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 첨부된 도면을 참조하여 본 발명을 더욱 상세하게 설명한다. 이에 앞서, 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정하여 해석되어서는 아니 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여, 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다. 또한, 사용되는 기술 용어 및 과학 용어에 있어서 다른 정의가 없다면, 이 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 통상적으로 이해하고 있는 의미를 가지며, 하기의 설명 및 첨부 도면에서 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능 및 구성에 대한 설명은 생략한다. 다음에 소개되는 도면들은 당업자에게 본 발명의 사상이 충분히 전달될 수 있도록 하기 위해 예로서 제공되는 것이다. 따라서, 본 발명은 이하 제시되는 도면들에 한정되지 않고 다른 형태로 구체화될 수도 있다. 또한, 명세서 전반에 걸쳐서 동일한 참조번호들은 동일한 구성요소들을 나타낸다. 도면들 중 동일한 구성요소들은 가능한 한 어느 곳에서든지 동일한 부호들로 나타내고 있음에 유의해야 한다.
인공지능(Artificial Intelligence, AI) 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템이며, 기존 Rule 기반 스마트 시스템과 달리 기계가 스스로 학습하고 판단하며 똑똑해지는 시스템이다. 인공지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 Rule 기반 스마트 시스템은 점차 딥러닝 기반 인공지능 시스템으로 대체되고 있다.
인공지능 기술은 기계학습(딥러닝) 및 기계학습을 활용한 요소 기술들로 구성된다.
기계학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 딥러닝 등의 기계학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.
인공지능 기술이 응용되는 다양한 분야는 다음과 같다. 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 객체 인식, 객체 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함한다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함한다. 동작 제어는 차량의 자율 주행, 로봇의 움직임을 제어하는 기술로서, 움직임 제어(항법, 충돌, 주행), 조작 제어(행동 제어) 등을 포함한다.
한편, 본 발명에서 사용되는 데이터 수집 및 처리는 로보틱 처리 자동화(RPA) 기술을 이용하여 수행될 수 있다. 로보틱 처리 자동화(RPA; Robotic Process Automation) 기술은 업무 과정에 발생되는 데이터를 정형화하고 논리적으로 자동 수행하는 기술로, 기업의 재무, 회계, 제조, 구매, 고객 관리 등에서 데이터 수집, 입력, 비교 등과 같이 반복되는 단순 업무를 자동화하여 빠르고 정밀하게 수행한다. 즉, 전반적인 업무 시간을 단축하고 비용을 절감할 수 있다.
기계 학습, 음성 인식, 자연어 처리와 같은 인지 기술을 적용하여 사람의 인지 능력이 필요한 의료 분야의 진단, 처방, 금융업계에서의 고객 자산 관리, 법률 판례 분석 등에도 활용될 수 있다.
빅 데이터란 기존 데이터의 수집, 저장, 관리, 분석 역량을 넘어서는 데이터 세트를 의미한다. 빅 데이터는 정형화 정도에 따라 정형 데이터, 반정형 데이터, 및 비정형 데이터로 분류될 수 있다.
정형 데이터(structured data)는 고정된 필드에 저장되는 데이터를 말한다. 즉, 일정한 형식을 갖추고 저장되는 데이터를 말한다. 반정형 데이터(semi-structured data)는 고정된 필드에 저장되어 있지는 않지만, 메타데이터나 스키마를 포함하는 데이터를 말한다. 반정형 데이터로는 XML(Extensible Mark-up Language) 및 HTML(Hypertext Mark-up Language)을 예로 들 수 있다. 비정형 데이터(unstructured data)는 고정된 필드에 저장되어 있지 않은 데이터를 말한다. 비정형 데이터로는 텍스트 문서, 이미지 데이터, 동영상 데이터, 및 음성 데이터를 예로 들 수 있다.
도 1은 본 발명의 일 실시예에 따른 인공지능을 이용한 치열 교정법 추천 시스템의 구성도이고, 도 2는 도 1의 교정법 추천 서버의 구성도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 인공지능을 이용한 치열 교정법 추천 시스템은 교정법 추천 서버(100), 다수의 치과 단말기(110, 120), 및 다수의 데이터획득장치(130, 140, 150, 160)를 포함한다.
상기 교정법 추천 서버(100)는 인공지능으로 환자의 치열을 진단 및 교정법을 추천하는 서비스를 제공하기 위한 소프트웨어 및/또는 하드웨어 구성요소를 구비한 컴퓨팅 시스템이며, 통신 네트워크를 통하여 다수의 치과 단말기(110, 120) 및 다수의 데이터 획득장치(130, 140, 150, 160)와 통신하여, 상기 치과 단말기(110, 120)에 진단 내용을 제공한다.
상기 교정법 추천 서버(100)는 환자의 개별 치아 특성에 따른 진단, 진료 타당성 평가 및 진료 달성도의 학습을 통해 환자의 치아별 진행 가중치를 조정하여 조정된 가중치를 적용한 진료를 처방하고, 처방 내역에 따른 추천 교정법을 상기 치과 단말기(110, 120)로 제공한다.
상기 치과 단말기(110, 120)는 상기 교정법 추천 서버(100)에 접속하여, 환자의 치열에 대한 진단 및 교정법 추천 서비스를 제공받기 위해 필요한 데이터를 송수신한다.
상기 다수의 데이터 획득장치(130, 140, 150, 160)는 치열에 대한 진단을 위한 환자의 엑스레이, 3D 스캐닝 이미지, 얼굴 사진, CT 등을 획득하여 상기 교정법 추천 서버(100)로 전달한다.
엑스레이(130)는 방사선 사진을 찍어 교정법 추천 서버(100)로 전달한다.
3D 스캐너(140)는, 환자의 치아 구조 이미지 데이터를 획득한다. 3D 스캐너(140)는, CT 기기나, 구강 스캐너와 같이, 치아 구조 이미지 데이터를 광학적으로 획득하기 위한 구성요소이다.
카메라(150)를 통해 환자의 얼굴 사진 및 구강 내 사진을 찍어 상기 교정법 추천 서버(100)로 전달한다.
CT(160)는 컴퓨터단층촬영기기로 X선을 이용하여 인체의 횡단면상의 영상을 획득하여 상기 교정법 추천 서버(100)로 전달한다.
또한, 본 발명의 일 실시예에 따른 인공지능을 이용한 치열 교정법 추천 시스템은 구강스캐너(미도시)를 더 포함할 수 있다. 구강스캐너로 구강 내부를 스캔하는 경우 스캔 데이터가 별도의 클라우드 서버(미도시)에 업로드 되고, 스캔 데이터를 사용하려면 해당 클라우드 서버에서 다운로드 받아야 한다.
도 2를 참조하면, 상기 교정법 추천 서버(100)는 송수신부(101), 제어부(102), 데이터 수집부(103), 데이터 처리부(104), 인공지능 분석부(105), 교정법 추천부(108), 데이터베이스 관리부(106), 및 차트 작성부(107) 등을 포함한다. 상기 송수신부(101), 상기 제어부(102), 상기 데이터 수집부(103), 상기 데이터 처리부(104), 상기 인공지능 분석부(105), 상기 교정법 추천부(108), 상기 데이터베이스 관리부(106) 및 차트 작성부(107)는 그 중 적어도 일부가 교정법 추천 서버(100)와 통신하는 프로그램 모듈들일 수 있다. 이러한 프로그램 모듈들은 운영 시스템, 응용 프로그램 모듈 및 기타 프로그램 모듈의 형태로 교정법 추천 서버(100)에 포함될 수 있으며, 물리적으로는 여러 가지 공지의 기억 장치 상에 저장될 수 있다. 또한, 이러한 프로그램 모듈들은 교정법 추천 서버(100)와 통신 가능한 원격 기억 장치에 저장될 수도 있다. 한편, 이러한 프로그램 모듈들은 본 발명에 따라 후술할 특정 업무를 수행하거나 특정 추상 데이터 유형을 실행하는 루틴, 서브루틴, 프로그램, 오브젝트, 컴포넌트, 데이터 구조 등을 포괄하지만, 이에 제한되지는 않는다.
여기서, 통신 네트워크는 유선 및 무선 등과 같은 그 통신 양태를 가리지 않고 구성될 수 있으며, 근거리 통신망(LAN; Local Area Network), 도시권 통신망(MAN; Metropolitan Area Network), 광역 통신망(WAN; Wide Area Network) 등 다양한 통신망으로 구성될 수 있다. 바람직하게는, 본 발명에서 말하는 통신 네트워크는 공지의 월드와이드웹(WWW; World Wide Web)일 수 있다.
상기 송수신부(101)는 교정법 추천 서버(100)가 상기 다수의 치과 단말기(110, 120)와 통신을 수행할 수 있도록 인터페이싱하며, 인공지능 치열 진단 및 교정법 추천 서비스 제공과 관련된 데이터의 전송 및 수신을 위해 필요한 그래픽 사용자 인터페이스를 상기 다수의 치과 단말기(110, 120)에 제공할 수 있다.
상기 제어부(102)는 상술한 바와 같은 송수신부(101)와, 후술할 데이터 수집부(103), 데이터 처리부(104), 인공지능 분석부(105), 교정법 추천부(108), 데이터베이스 관리부(106) 및 차트 작성부(107) 간의 데이터의 흐름을 제어하는 기능을 수행한다.
상기 데이터 수집부(103)는 치열 교정이 완료된 환자의 데이터에 대하여 데이터베이스를 구축한다. 즉, 상기 데이터 수집부(103)는 상기 다수의 데이터 획득장치(130, 140, 150, 160)를 통하여 획득하는 이미지 데이터를 수집 및 가공하고 치아별 특성을 추출하고, 진료 내역을 검토하여 데이터베이스에 입력하고, 진료 데이터로부터 진료 특성을 추출한다.
수집하는 데이터는 얼굴 사진, 엑스레이, 구강 스캔 이미지, 진료 차트 등을 포함한다.
상기 데이터 처리부(104)는 상기 송수신부(101)를 통하여 송수신되는 데이터 및 상기 데이터 수집부(103)를 통해 수집한 데이터에 기초하여 임의의 환자의 치열의 진단을 위한 치아 특성 요소 및 환자 특성 요소를 추출하는데 필요한 데이터 처리를 수행한다.
상기 인공지능 분석부(105)는 상기 치과 단말기(110, 120)의 진료 기록(차트)과 상기 데이터 처리부(104)에서 추출한 제2 치아 특성 요소 및 환자 특성 요소에 따라 현재 가중치에 따른 진료를 처방하고, 처방된 진료의 타당성을 평가하고, 예측 결과를 저장하고, 진료 달성도를 산출하고, 진료 모델을 업데이트한다.
상기 교정법 추천부(108)는 상기 처방된 진료(처방 내역)에 따른 교정법을 추천한다.
상기 데이터베이스 관리부(106)는, 환자의 정보를 관리하기 위한 환자 데이터베이스(106a), 상기 환자의 영상 기록을 저장하여 관리하기 위한 영상기록 데이터베이스(106b), 상기 치과 단말기(110, 120)를 통해 입력받은 진료 내역을 저장하고 있는 진료차트 데이터베이스(106c), 데이터 수집부(103)를 통해 수집한 영상 데이터로부터 치아별 특성을 추출하여 저장하고 있는 특성추출 데이터베이스(106d), 환자의 치열 정보(치아 특성)에 따른 진료 처방에 대한 진료 모델을 저장하고 있는 진료모델 데이터베이스(106e), 해당 진료 처방에 따른 예측 결과를 저장하고 있는 예측결과 데이터베이스(106f), 교정하는데 사용되는 재료에 대한 정보를 저장하고 있는 교정재료 데이터베이스(106g), 및 해당 환자에게 추천한 교정법에 대한 내역을 저장하고 있는 교정법 데이터베이스(106h) 등을 포함할 수 있다.
상기 실시예에서는, 본 발명의 구현을 위한 정보를 저장하는 데이터베이스를환자 데이터베이스(106a), 영상기록 데이터베이스(106b), 진료차트 데이터베이스(106c), 특성추출 데이터베이스(106d), 진료모델 데이터베이스(106e), 예측결과 모델 데이터베이스(106f), 교정재료 데이터베이스(106g), 및 교정법 데이터베이스(106h)의 여덟 가지 데이터베이스로 분류하였지만, 이러한 분류를 포함한 데이터베이스의 구성은 당업자의 필요에 따라 변경될 수 있다.
일예로, 교정재료 데이터베이스(106g)에서 와이어에 대한 정보를 저장하고 있을 수 있다. 와이어는 금(열처리) 와이어, 스탠레스 스틸(SS) 와이어, 오스트렐리안(Australian) 와이어, 코발트-크롬 와이어, 엘지로이(Elgiloy) 와이어, 베타-티타늄 와이어, TMA 와이어, NiTi 와이어, Nitinol 와이어, 트리플 스트랜드(Triple strand) 와이어, 코액시얼(Coaxial) 와이어, 리스판드(Respond) 와이어, 브레이디드 렉탱귤러(Braided rectangular) 와이어 등을 포함한다.
한편, 본 발명에 있어서, 데이터베이스란, 협의의 데이터베이스뿐만 아니라, 컴퓨터 파일 시스템에 기반을 둔 데이터 기록 등을 포함하는 넓은 의미의 데이터베이스까지 포함하는 개념으로서, 단순한 연산 처리 로그의 집합이라도 이를 검색하여 소정의 데이터를 추출할 수 있다면 본 발명에서 말하는 데이터베이스에 포함될 수 있음이 이해되어야 한다.
상기 차트 작성부(107)는 상기 치과 단말기(110, 120)를 통해 환자의 3D 치아 이미지 및 진료 사항이 출력되도록 하고, 진료 단계에서 처방 내역(처치 내역)으로 결정되어 상기 치과 단말기(110, 120)를 통해 입력하는 내용이 진료차트 데이터베이스(106c)에 기록되도록 한다.
한편, 3D 치아 이미지에서의 넘버링이나 랜드마크 표현은 자동화로 구현된다.
상기 다수의 치과 단말기(110, 120)는 인공지능 치열 진단 및 교정법 추천 서비스 제공을 위해 치과에서 통신 네트워크를 통하여 상기 교정법 추천 서버(100)에 접속한 후 통신할 수 있도록 하는 기능을 포함하는 디지털 기기로서, 개인용 컴퓨터(예를 들어, 데스크탑 컴퓨터, 노트북 컴퓨터 등), 워크스테이션, PDA, 웹 패드, 이동 전화기 등과 같이 메모리 수단을 구비하고 마이크로 프로세서를 탑재하여 연산 능력을 갖춘 디지털 기기라면 얼마든지 본 발명에 따른 다수의 치과 단말기(110, 120)로서 채택될 수 있다.
한편, 상기 다수의 치과 단말기(110, 120)는 환자의 치료를 위한 의자와 일체형으로 형성될 수 있다.
한편, 상기 다수의 치과 단말기(110, 120)는 인공지능 치열 진단 및 교정법 추천 서비스 제공을 이용하기 위한 전용 애플리케이션이 설치될 수 있다.
상기 다수의 치과 단말기(110, 120)는 상기 교정법 추천 서버(100)에 인공지능 치열 진단 및 교정법 추천 서비스를 요청하고, 상기 교정법 추천 서버(100)로부터 전달받은 인공지능 치열 진단 및 교정법 추천에 따른 내용(타겟 치아 정보, 재료 종류, 재료 사이즈, 부착 위치, 제어 강도 등)을 디스플레이되도록 한다.
도 3은 도 2의 데이터 수집부의 상세 구성도이다.
도 3을 참고하면, 데이터 수집부(103)는, 이미지 수집부(301), 제1 치아 배열부(302), 제1 치아 특성 추출부(303), 진료 내역 검토부(304), 제1 데이터 변환부(305), 및 진료 특성 추출부(306)를 포함한다.
상기 이미지 수집부(301)는 상기 다수의 데이터 획득장치(130, 140, 150, 160)를 통해 수집한 이미지 데이터를 이용하여 3D 치아 데이터를 형성한다.
상세하게는 수집한 날짜별로 수집된 이미지 데이터들을 매칭하여 3D 치아 모형을 형성할 수 있으며, 진료가 완료된 환자의 경우 처음부터 완료까지 다수의 모형들이 형성될 수 있으며, 치열 변화를 확실히 확인할 수 있다.
상기 제1 치아 배열부(302)는 상기 수집된 이미지 데이터로부터 사용자의 아치 형태에 따라 제1 치아 배열을 생성한다.
상기 제1 치아 특성 추출부(303)는 상기 배열된 각 치아별로 표준 치아 형태와 비교하여 제1 치아 특성 요소를 추출한다. 상기 제1 치아 특성 요소는 치아별 위치, 길이, 회전 정도, 경사 정도를 포함한다.
상기 제1 데이터 변환부(305)는 해당 환자의 진료 데이터를 수신하여 변환한다.
상기 진료 특성 추출부(306)는 상기 변환된 진료 데이터로부터 진료 특성 요소를 추출한다.
상기 진료 특성 요소는 장치의 종류, 철사 종류, 로스셋업, mbt(Richard McLaughlin, John Bennett, Hugo Trevisi)셋업. 데이몬(Damon) 셋업, 셋업에 따른 사용 브라켓 종류, 본딩 방법, 고무줄 사용 여부 등을 포함한다.
상기 진료 내역 검토부(304)는 상기 추출한 치아 특성에 따른 진료 내역을 검토하고, 상기 진료 특성 요소를 고려하여 데이터베이스 관리부에 저장한다.
상세하게는, 진료 내역에서, 발치 여부, 수술여부, 진료 날짜별 처치 종류, 부착물 종류, 이전 회차 진료시와 비교한 각 치아의 이동 정도(변위), 및 회전율을 포함하는 변동률을 확인한다.
도 4는 도 2의 데이터 처리부의 상세 구성도이다.
도 4를 참고하면, 데이터 처리부(104)는 현재 진료중 환자 데이터에 대한 데이터 처리를 수행한다, 데이터 입력부(401), 제2 치아 배열부(402), 제2 치아 특성 추출부(403), 제2 데이터 변환부(404) 및 환자 특성 추출부(405)를 포함한다.
상기 데이터 입력부(401)는 상기 다수의 데이터 획득장치(130, 140, 150, 160)를 통해 획득한 영상 데이터를 입력받는다.
상기 제2 치아 배열부(402)는 상기 영상 데이터로부터 사용자의 아치 형태에 따라 제2 치아 배열을 생성한다.
상기 제2 치아 특성 추출부(403)는 상기 배열된 각 치아별로 표준 치아 형태와 비교하여 제2 치아 특성 요소를 추출한다. 제2 치아 특성 요소는 치아별 위치, 길이, 회전 정도, 경사 정도를 포함한다.
상기 제2 데이터 변환부(404)는 상기 치과 단말기(110, 120)를 통해 환자로부터 입력받은 설문 답안을 수신하여 변환한다.
상기 환자 특성 추출부(405)는 상기 변환된 설문 답안으로부터 환자 특성 요소(환자의 기호)를 추출한다.
예룰 들어, 상기 환자 특성 요소(환자의 기호)는 미인관, 성별, 나이, 식습관 등을 포함할 수 있다.
도 5는 도 2의 인공지능 분석부의 상세 구성도이다.
도 5에 도시된 바와 같이, 인공지능 분석부(105)는, 인공지능 진료 처방부(501), 진료 타당성 평가부(502), 진료 달성도 산출부(503), 학습부(504), 추론부(505), 진료과정 모델링부(506), 환자의 가중치 조정부(507), 및 초기 가중치 결정부(508)를 포함한다.
상기 인공지능 진료 처방부(501)는 임의의 진료중 환자에 대한 제2 치아 특성 및 환자 특성 요소를 기반으로 데이터베이스를 검색하여 처방(처치) 내역을 도출한다.
상기 진료 타당성 평가부(502)는 도출된 처방 내역에 대한 진료 타당성을 평가하여 예측 결과를 저장한다. 이전 진료 내역이 있음에 따라 처방된 진료의 타당성을 평가하고, 이전 진료 내역이 없음에 따라 예측 결과를 데이터베이스에 저장한다.
상기 진료 달성도 산출부(503)는 이전에 저장된 예측 결과가 있음에 따라 진료 달성도를 산출한다.
상기 학습부(504)는 산출된 진료 달성도를 학습한다.
상기 추론부(505)는 상기 학습 내용에 따라 해당 환자에 대한 진료 고려 요소를 추론한다.
상기 진료과정 모델링부(506)는 추론 결과에 따라 각 치아에 대한 진료 모델을 업데이트 한다.
상기 환자의 가중치 조정부(507)는 환자의 치아별 진행 가중치를 보정한다.
상기 인공지능 분석부(105)는 환자의 개별 특성에 근거하여 상기 환자의 초기 가중치를 결정하기 위한 초기 가중치 결정부(508)를 더 포함한다.
도 6은 도 2의 교정법 추천부의 상세 구성도이다.
도 6에 도시된 바와 같이, 상기 교정법 추천부(108)는, 타겟 치아 결정부(601), 재료 종류 결정부(602), 재료 사이즈 선택부(603), 부착 위치 결정부(604), 및 제어 강도 결정부(605)를 포함한다.
상기 타겟 치아 결정부(601)는 상기 진료 타당성이 평가된 처방 내역에 따라 타겟 치아를 결정한다.
상기 재료 종류 결정부(602)는 상기 결정된 타겟 치아에 사용될 재료의 종류를 결정한다.
상기 재료 사이즈 선택부(603)는 상기 결정된 타겟 치아에 사용될 재료의 사이즈를 선택한다.
상기 재료 종류 결정부(602) 및 상기 재료 사이즈 선택부(603)는 교정재료 데이터베이스(106g)에 저장된 교정 재료에 대한 정보에 기반하여, 교정 재료의 종류를 결정하고 사이즈를 선택할 수 있다.
상기 부착 위치 결정부(604)는 상기 결정된 타겟 치아에 사용될 재료의 부착 위치를 결정한다.
상기 제어 강도 결정부(605)는 상기 결정된 재료의 종류에 있어서, 제어 강도가 요구되는 재료의 제어 강도를 결정한다.
도면에는 도시하지 않았지만, 상기 결정된 재료의 종류에 있어서, 제어 위치 또는 제어 방향이 요구되는 재료의 제어 위치 또는 제어 방향을 결정하는 구성요소를 더 포함할 수도 있다.
일예로, 재료의 종류에 있어서, 와이어는, 금(열처리) 와이어, 스탠레스 스틸(SS) 와이어, 오스트렐리안(Australian) 와이어, 코발트-크롬 와이어, 엘지로이(Elgiloy) 와이어, 베타-티타늄 와이어, TMA 와이어, NiTi 와이어, Nitinol 와이어, 트리플 스트랜드(Triple strand) 와이어, 코액시얼(Coaxial) 와이어, 리스판드(Respond) 와이어, 브레이디드 렉탱귤러(Braided rectangular) 와이어 등을 포함한다.
도 7a 내지 7e는 본 발명의 일 실시예에 따른 인공지능을 이용한 치열 교정법 추천 시스템에서 사용하는 이미지 데이터들을 설명하기 위한 도면들이다.
도 7a는 측면 두부규격 방사선 사진이고, 도 7b는 정면 두부규격 방사선 사진이고, 도 7c는 파노라마 방사선 사진이고, 도 7d는 턱관절 방사선 사진이고, 도 7e는 3D 스캐닝된 치아 데이터 이미지이다
도 7a 내지 7e에 도시된 환자의 치아 데이터(영상 데이터)들을 통합 및 매핑하여 치아 배열을 생성한다.
제1 치아 배열부 및 제2 치아 배열부에서 어떻게 치아가 개별로 배열되는지 설명하기로 한다.
도 8a는 일반적인 상악과 하악의 구조이고, 도 8b는 환자의 치아가 배열된 것을 설명하기 위한 도면이다.
기본적으로, 치아는 상악과 하악으로 분리 구성되므로 개별적인 치아의 이동을 위해서 상악과 하악을 구별할 필요가 있으며, 상기 상악과 하악의 경계 이미지 검출 또는 선택 지정을 통해 상악과 하악을 구별한다.
그리고 상기 상악과 하악이 구별된 치아를 배열한다(포지셔닝).
상기 스캐닝된 현재 치아 데이터의 경우 특정 각도로 기울어져 있는 상태로 스캐닝되므로 치아의 정확한 위치 정렬을 위해 포지셔닝을 수행한다.
그리고, 치아와 잇몸 영역을 구별한다.
도 7e에 도시된 3D 스캐닝된 환자의 치아 데이터는 치아와 잇몸 영역이 명확하게 구별될 수 있으므로 이미지 경계 검출 또는 선택 지정을 통해 치아와 잇몸 영역을 구별할 수 있다.
그리고 치아와 잇몸 영역이 구별되면 교정이 필요한 치아 사이를 분리한다.
교정이 필요한 치아의 경우 치아를 확대, 회전, 복귀 등의 과정을 통해 치아의 위치를 변위시켜야 하므로 교정을 위해 이동이 필요한 치아가 움직일 수 있는 공간이 필요하며, 스캐닝된 치아 데이터는 치아 사이가 붙어있는 형태로 치아 사이의 구분이 어려우므로 교정이 필요한 영역에 대하여 교정이 필요한 치아 사이를 구별한다.
도 8b와 같이 치아 사이가 구별되면, 각 개별 치아에 대한 기준 정보를 지정한다.
또한, 모든 치아에 대한 축을 설정하여 지정된 축 정보도 포함한다. 기준 정보를 설정하고, 상기 기준 정보를 치아마다 설정하여 각 치아에 매핑시킨다.
상기와 같이 치아의 기준 정보가 설정되면 개별적으로 확장, 회전, 복귀 등 변위가 제어될 수 있다.
본 발명에 따른 인공지능을 이용한 치열 교정법 추천 시스템에서는, 제2 치아 특성요소 및 환자 특성 요소를 추출하고, 치아에 대한 기준 정보가 지정되면 교정이 필요한 치아를 확장, 회전, 복귀 등의 교정 후 데이터를 생성하고 그에 따라 단계별로 처방 내역을 도출할 수 있다.
상기 교정 후 데이터는 기준 정보 설정시 생성된 가상의 아치 선을 기준으로 교정이 필요한 치아를 확장, 회전, 복귀시켜 상기 가상의 아치 선과 정렬되도록 치아를 교정시켜 생성된다.
상기 교정 치아 데이터는 교정이 필요한 치아를 확장, 회전, 복귀시키는 과정을 통해 치아를 설정된 위치로 이동시켜 생성된 데이터이며, 치아를 이동시킬 수 있는 치아 이동 거리의 제약 상 다수 개의 단계를 통해 최종 교정 치아 데이터가 형성될 수 있다.
여기서, 치아의 상태 및 교정될 치아의 개수, 위치 등에 따라 치아를 확장, 회전, 복귀하는 단계가 세분될 수 있으며, 경미한 치아 교정의 경우에는 적은 단계로 구성될 수 있으므로 최종 교정 치아 데이터가 형성되기 위해 필요한 단계는 환자 마다 달라질 수 있다.
따라서, 본 발명에 따른 인공지능을 이용한 치열 교정법 추천 시스템에서는, 진료 때마다의 환자의 현재 상태를 분석하고 처방 내역을 도출하며, 처방 내역에 따른 교정법을 추천하고, 이전 예측한 결과가 얼마나 맞는지 확인하고 조정하는 과정을 수행한다.
상기 치아의 확장은 치아를 회전시킬 공간을 확보하기 위해 치아를 돌출시키는 것을 의미하고, 상기 치아의 회전은 교정이 필요한 위치로 치아를 상하, 좌우 4축 이동시키는 것을 의미하고, 치아의 복귀는 확장된 치아를 회전으로 교정한 후 원 위치로 이동시키는 것을 의미한다.
여기서, 치아의 확장은 치아를 이동시킬 공간이 확보되지 않은 경우 필요한 과정으로 상기 치아의 확장만으로 치아 이동 공간을 확보할 수 없는 경우에는 치아를 갈아서 치아의 너비를 감소시키는 스트리핑(stripping) 과정이 더 포함될 수 있다.
도 9는 본 발명에 따른 인공지능을 이용한 치열 교정법 추천 방법의 일실시예 흐름도이다.
우선, 진료 완료된 환자의 이미지 데이터 및 진료 데이터를 수집한다(S910).
이후, 수집한 데이터로부터 환자의 진료 단계별 치열, 제1 치아 특성 요소, 진료 특성 요소를 추출하여 데이터베이스를 구축한다(S920).
상기 제1 치아 특성 요소는 치아별 위치, 길이, 회전 정도, 경사 정도를 포함한다.
상기 진료 특성 요소는 장치의 종류, 철사 종류, 로스셋업, mbt(Richard McLaughlin, John Bennett, Hugo Trevisi)셋업. 데이몬(Damon) 셋업, 셋업에 따른 사용 브라켓 종류, 본딩 방법, 고무줄 사용 여부 등을 포함한다.
이후, 임의의 진료 중 환자에 대한 영상 데이터를 획득하여 제2 치아 특성 요소 및 환자 특성 요소를 추출한다(S930).
이후, 임의의 진료 중 환자에 대한 상기 제2 치아 특성 요소 및 상기 환자 특성 요소를 기반으로 데이터베이스를 검색하여 처방(처치) 내역을 도출한다(S940).
제2 치아 특성 요소는 치아별 위치, 길이, 회전 정도, 경사 정도를 포함한다.
상기 환자 특성 요소(환자의 기호)는 미인관, 성별, 나이, 식습관 등을 포함할 수 있다.
이후, 도출된 처방 내역에 대한 진료 타당성을 평가하고 예측 결과를 저장한다(S950).
이후, 이전에 예측 결과가 있음에 따라 진료 달성도를 산출하고, 산출된 진료 달성도에 따라 해당 환자에 대한 치료 과정을 학습 및 추론한다(S960).
이후, 학습 및 추론에 따라 진료모델 및 환자의 치아별 진행 가중치를 보정하고, 상기 보정된 치아별 진행 가중치를 진료 중 환자의 가중치로 결정한다(S970).
이후, 상기 진료 타당성이 평가된 처방 내역에 따른 교정법을 추천한다(S980)
임의의 진료 중 환자에 대하여 진료시마다 상기 처방내역도출단계(S940), 상기 진료타당성평가단계(S950), 학습및추론단계(S960), 가중치보정단계(S970) 및 교정법추천단계(S980)를 진행하여 인공지능을 이용하여 치열의 진단 및 교정법 추천 서비스를 제공한다(S990).
도 10은 도 9의 데이터베이스구축단계(S920)의 일실시예 상세 흐름도이다.
데이터베이스구축단계(S920)는, 기저장된 환자의 이미지 데이터 및 진료 데이터를 전달받는다(S1010).
이후, 상기 다수의 이미지 데이터를 통합 및 매핑하여 제1 치아 배열을 생성한다(S1020).
이후, 상기 배열된 치아로부터 각 치아에 대한 제1 치아 특성 요소를 추출한다(S1030).
이후, 상기 진료 데이터를 변환한다(S1040).
이후, 변환된 진료 데이터로부터 진료 특성 요소를 추출한다(S1050).
이후, 상기 제1 치아 특성 요소 및 상기 진료 특성 요소를 이용하여 데이터베이스를 구축한다(S1060).
상기 제1 치아 특성 요소는 치아별 위치, 길이, 회전 정도, 경사 정도를 포함한다.
상기 진료 특성 요소는 장치의 종류, 철사 종류, 로스셋업, mbt(Richard McLaughlin, John Bennett, Hugo Trevisi)셋업. 데이몬(Damon) 셋업, 셋업에 따른 사용 브라켓 종류, 본딩 방법, 고무줄 사용 여부 등을 포함한다.
상기 환자의 이미지 데이터 및 진료 데이터는 다수의 외부 데이터 서버(미도시)에 저장되어 있을 수 있다.
도 11은 도 9의 데이터처리단계(S930)의 일실시예 상세 흐름도이다.
데이터처리단계(S930)는, 우선, 임의의 진료 중 환자의 영상 데이터를 획득한다(S1110).
이후, 상기 영상 데이터를 가공하여 제2 치아 배열을 생성한다(S1120).
이후, 상기 배열된 치아로부터 각 치아에 대한 제2 치아 특성 요소를 추출한다(S1130).
제2 치아 특성 요소는 치아별 위치, 길이, 회전 정도, 경사 정도를 포함한다.
이후, 치과 단말기를 통해 설문 답안을 입력받아 변환한다(S1140).
상기 변환된 설문 답안으로부터 임의의 진료 중 환자의 환자 특성 요소를 추출한다(S1150).
상기 환자 특성 요소(환자의 기호)는 미인관, 성별, 나이, 식습관 등을 포함할 수 있다.
도 12는 도 9의 교정법추천단계(S980)의 일실시예 상세 흐름도이다.
교정법추천단계(S980)는, 먼저, 상기 진료 타당성이 평가된 처방 내역에 따라 타겟 치아를 결정한다(S1210).
이후, 상기 결정된 타겟 치아에 사용될 재료의 종류를 결정한다(S1220).
재료의 종류에 있어서, 와이어는 금(열처리) 와이어, 스탠레스 스틸(SS) 와이어, 오스트렐리안(Australian) 와이어, 코발트-크롬 와이어, 엘지로이(Elgiloy) 와이어, 베타-티타늄 와이어, TMA 와이어, NiTi 와이어, Nitinol 와이어, 트리플 스트랜드(Triple strand) 와이어, 코액시얼(Coaxial) 와이어, 리스판드(Respond) 와이어, 브레이디드 렉탱귤러(Braided rectangular) 와이어 등을 포함한다.
이후, 상기 결정된 타겟 치아에 사용될 재료의 사이즈를 선택한다(S1230).
교정재료 데이터베이스(106g)에 저장된 교정 재료에 대한 정보에 기반하여, 교정 재료의 종류를 결정하고 사이즈를 선택할 수 있다.
이후, 상기 결정된 타겟 치아에 사용될 재료의 부착 위치를 결정한다(S1240).
이후, 상기 결정된 재료의 종류에 있어서, 제어 강도가 요구되는 재료의 제어 강도를 결정한다(S1250).
또한, 상기 결정된 재료의 종류에 있어서, 제어 위치 또는 제어 방향이 요구되는 재료의 제어 위치 또는 제어 방향이 결정될 수도 있다.
이상에서 본 발명의 일 실시예에 따른 인공지능을 이용한 치열 교정법 추천 방법에 대하여 설명하였지만, 인공지능을 이용한 치열 교정법 추천 방법을 구현하기 위한 프로그램이 저장된 컴퓨터 판독 가능한 기록매체 및 인공지능을 이용한 치열 교정법 추천 방법을 구현하기 위한 컴퓨터 판독 가능한 기록매체에 저장된 프로그램 역시 구현 가능함은 물론이다.
즉, 상술한 인공지능을 이용한 치열 교정법 추천 방법은 이를 구현하기 위한 명령어들의 프로그램이 유형적으로 구현됨으로써, 컴퓨터를 통해 판독될 수 있는 기록매체에 포함되어 제공될 수도 있음을 당업자들이 쉽게 이해할 수 있을 것이다. 다시 말해, 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어, 컴퓨터 판독 가능한 기록매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 상기 컴퓨터 판독 가능한 기록매체의 예에는 하드 디스크, 플로피 디스크 및 자기테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리, USB 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. 상기 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
본 발명은 상기한 실시예에 한정되지 아니하며, 적용범위가 다양함은 물론이고, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 다양한 변형 실시가 가능한 것은 물론이다.
100: 진단 서버 110, 120: 치과 단말기
130: 엑스레이 140: 3D 스캐너
150: 카메라 160: CT
101: 송수신부 102: 제어부
103: 데이터 수집부 104: 데이터 처리부
105: 인공지능 분석부 106: 데이터베이스 관리부
107: 차트 작성부 108: 교정법 추천부
301: 이미지 수집부 302: 제1 치아 배열부
303: 제1 치아 특성 추출부 304: 진료 내역 검토부
305: 제1 데이터 변환부 306: 진료 특성 추출부
401: 데이터 입력부 402: 제2 치아 배열부
403: 제2 치아 특성 추출부 404: 제2 데이터 변환부
405: 환자 특성 추출부
501: 인공지능 진료 처방부 502: 진료 타당성 평가부
503: 진료 달성도 산출부 504: 학습부
505: 추론부 506: 진료과정 모델링부
507: 환자 가중치 조정부 508: 초기 가중치 결정부
601: 타겟 치아 결정부 602: 재료 종류 선택부
603: 재료 사이즈 선택부 604: 부착 위치 결정부
605: 제어 강도 결정부
S910: 데이터수집단계
S920: 데이터베이스구축단계
S930: 데이터처리단계
S940: 처방내역도출단계
S950: 진료타당성평가단계
S960: 학습및추론단계
S970: 가중치보정단계
S980: 교정법추천단계
S990: 인공지능분석단계
130: 엑스레이 140: 3D 스캐너
150: 카메라 160: CT
101: 송수신부 102: 제어부
103: 데이터 수집부 104: 데이터 처리부
105: 인공지능 분석부 106: 데이터베이스 관리부
107: 차트 작성부 108: 교정법 추천부
301: 이미지 수집부 302: 제1 치아 배열부
303: 제1 치아 특성 추출부 304: 진료 내역 검토부
305: 제1 데이터 변환부 306: 진료 특성 추출부
401: 데이터 입력부 402: 제2 치아 배열부
403: 제2 치아 특성 추출부 404: 제2 데이터 변환부
405: 환자 특성 추출부
501: 인공지능 진료 처방부 502: 진료 타당성 평가부
503: 진료 달성도 산출부 504: 학습부
505: 추론부 506: 진료과정 모델링부
507: 환자 가중치 조정부 508: 초기 가중치 결정부
601: 타겟 치아 결정부 602: 재료 종류 선택부
603: 재료 사이즈 선택부 604: 부착 위치 결정부
605: 제어 강도 결정부
S910: 데이터수집단계
S920: 데이터베이스구축단계
S930: 데이터처리단계
S940: 처방내역도출단계
S950: 진료타당성평가단계
S960: 학습및추론단계
S970: 가중치보정단계
S980: 교정법추천단계
S990: 인공지능분석단계
Claims (10)
- 인공지능을 이용한 치열 교정법 추천 시스템에 있어서,
진료가 완료된 환자의 이미지 데이터 및 진료 데이터를 분석하여 데이터베이스를 구축하고, 임의의 환자의 영상 데이터 및 설문에 따라 환자의 치열을 진단하고 각 치료 단계에서의 처방에 대한 교정 방법을 추천하기 위한 교정법 추천 서버(100);
상기 교정법 추천 서버에 접속하여, 환자의 치열에 대한 진단 및 교정법 추천 서비스를 제공받기 위해 필요한 데이터를 송수신하기 위한 다수의 치과 단말기(110, 120); 및
상기 환자의 치열에 대한 진단 및 교정법 추천을 위해 필요한 데이터를 수집하기 위한 다수의 데이터 획득장치(130, 140, 150, 160)
를 포함하고,
상기 다수의 데이터 획득장치는, 엑스레이, 3D 스캐너, 카메라, 컴퓨터단층촬영기기를 포함하는 것을 특징으로 하고,
상기 교정법 추천 서버(100)는,
상기 다수의 사용자 단말로 치열 진단 및 교정법 추천 서비스 제공을 위한 인터페이스를 제공하는 송수신부(101);
상기 이미지 데이터를 수집 및 가공하여 제1 치아 특성 요소를 추출하고, 상기 진료 데이터로부터 진료 특성 요소를 추출하기 위한 데이터 수집부(103);
상기 송수신부를 통하여 송수신되는 데이터 및 상기 데이터 수집부를 통해 수집한 데이터에 기초하여 임의의 환자의 치열 진단에 필요한 데이터 처리를 수행하여 제2 치아 특성 요소 및 환자 특성 요소를 추출하기 위한 데이터 처리부(104);
상기 진료 데이터와 상기 데이터 처리부에서 추출한 제2 치아 특성 요소 및 환자 특성 요소에 따라 현재 가중치에 따른 진료를 처방하고, 처방된 진료의 타당성을 평가하고, 예측 결과를 저장하고, 진료 달성도를 산출하고, 진료 모델을 업데이트하기 위한 인공지능 분석부(105);
상기 처방된 진료에 따른 교정법을 추천하기 위한 교정법 추천부(108);
상기 치열 진단 및 교정법 추천 서비스 제공을 위해 필요한 데이터를 저장하고 있는 데이터베이스 관리부(106);
치과 단말기를 통해 환자의 3D 치아 이미지 및 진료 사항이 출력되도록 하고, 상기 치과 단말기를 통해 입력받는 내용이 진료차트 데이터베이스에 기록되도록 하기 위한 차트 작성부(107); 및
상기 송수신부, 데이터 수집부, 데이터 처리부, 인공지능 분석부, 교정법 추천부, 데이터베이스 관리부 및 차트 작성부를 포함한 각 구성요소를 제어하기 위한 제어부(102)
를 포함하는 것을 특징으로 하는 인공지능을 이용한 치열 교정법 추천 시스템.
- 제1항에 있어서,
상기 데이터 수집부(103)는,
상기 다수의 데이터 획득장치를 통해 수집한 이미지 데이터를 이용하여 3D 치아 데이터를 형성하기 위한 이미지 수집부(301);
상기 수집된 이미지 데이터로부터 사용자의 아치 형태에 따라 제1 치아 배열을 생성하기 위한 제1 치아 배열부(302);
상기 배열된 각 치아별로 표준 치아 형태와 비교하여 상기 제1 치아 특성 요소를 추출하기 위한 제1 치아 특성 추출부(303);
해당 환자의 진료 데이터를 수신하여 변환하기 위한 제1 데이터 변환부(305);
상기 변환된 진료 데이터로부터 진료 특성 요소를 추출하기 위한 진료 특성 추출부(306); 및
상기 추출한 치아 특성에 따른 진료 내역을 검토하고, 상기 진료 특성 요소를 고려하여 상기 데이터베이스 관리부에 저장하기 위한 진료 내역 검토부(304)
를 포함하는 것을 특징으로 하는 인공지능을 이용한 치열 교정법 추천 시스템.
- 제2항에 있어서,
상기 데이터 처리부(104)는,
상기 다수의 데이터 획득장치를 통해 획득한 영상 데이터를 입력받기 위한 데이터 입력부(401);
상기 영상 데이터로부터 사용자의 아치 형태에 따라 제2 치아 배열을 생성하기 위한 제2 치아 배열부(402);
상기 배열된 각 치아별로 표준 치아 형태와 비교하여 상기 제2 치아 특성 요소를 추출하기 위한 제2 치아 특성 추출부(403);
상기 치과 단말기를 통해 환자로부터 입력받는 설문 답안을 수신하여 변환하기 위한 제2 데이터 변환부(404); 및
상기 변환된 설문 답안으로부터 상기 환자 특성 요소를 추출하기 위한 환자 특성 추출부(405)
를 포함하는 것을 특징으로 하는 인공지능을 이용한 치열 교정법 추천 시스템.
- 제3항에 있어서,
상기 인공지능 분석부(105)는,
임의의 진료중 환자에 대한 제2 치아 특성 요소 및 환자 특성 요소를 기반으로 데이터베이스를 검색하여 처방 내역을 도출하기 위한 인공지능 진료 처방부(501);
상기 도출된 처방 내역에 대한 진료 타당성을 평가하여 예측 결과를 저장하기 위한 진료 타당성 평가부(502);
이전에 저장된 예측 결과가 있음에 따라 진료 달성도를 산출하기 위한 진료달성도 산출부(503);
상기 산출된 진료 달성도를 학습하기 위한 학습부(504);
상기 학습 내용에 따라 해당 환자에 대한 진료 고려 요소를 추론하기 위한 추론부(505);
상기 추론 결과에 따라 각 치아에 대한 진료모델을 업데이트하기 위한 진료과정 모델링부(506); 및
환자의 치아별 진행 가중치를 보정하기 위한 환자 가중치 조정부(507)
를 포함하는 것을 특징으로 하는 인공지능을 이용한 치열 교정법 추천 시스템.
- 제4항에 있어서,
상기 교정법 추천부(108)는,
상기 진료 타당성이 평가된 처방 내역에 따라 타겟 치아를 결정하기 위한 타겟 치아 결정부(601);
상기 결정된 타겟 치아에 사용될 재료의 종류를 결정하기 위한 재료 종류 결정부(602);
상기 결정된 타겟 치아에 사용될 재료의 사이즈를 선택하기 위한 재료 사이즈 선택부(603);
상기 결정된 타겟 치아에 사용될 재료의 부착 위치를 결정하기 위한 부착 위치 결정부(604); 및
상기 결정된 재료의 종류에 있어서, 제어 강도가 요구되는 재료의 제어 강도를 결정하기 위한 제어 강도 결정부(605)
를 포함하는 것을 특징으로 하는 인공지능을 이용한 치열 교정법 추천 시스템.
- 제1항에 있어서,
상기 제1 치아 특성 요소 및 상기 제2 치아 특성 요소는,
치아별 위치, 길이, 회전 정도, 경사 정도를 포함하는 것을 특징으로 하고,
상기 진료 특성 요소는,
장치의 종류, 철사 종류, 셋업 종류, 셋업에 따른 사용 브라켓 종류, 본딩 방법, 고무줄 사용 여부를 포함하는 것을 특징으로 하고,
상기 환자 특성 요소는,
환자의 미인관, 성별, 나이, 식습관을 포함하는 것을 특징으로 하는 인공지능을 이용한 치열 교정법 추천 시스템.
- 청구항 1의 인공지능을 이용한 치열 교정법 추천 시스템에서의 인공지능을 이용한 치열 교정법 추천 방법에 있어서,
교정법 추천 서버(100)에서, 진료 완료된 환자의 이미지 데이터 및 진료 데이터를 수집하는 데이터수집단계(S910);
상기 교정법 추천 서버(100)의 데이터 수집부(103)에서 수집한 데이터로부터 환자의 진료 단계별 치열, 제1 치아 특성 요소, 진료 특성 요소를 추출하여 데이터베이스를 구축하는 데이터베이스구축단계(S920);
상기 교정법 추천 서버(100)의 데이터 처리부(104)에서 임의의 진료 중 환자에 대한 영상 데이터를 획득하여 제2 치아 특성 요소 및 환자 특성 요소를 추출하는 데이터처리단계(S930);
상기 교정법 추천 서버(100)의 인공지능 분석부(105)에서, 상기 임의의 진료 중 환자에 대한 상기 제2 치아 특성 요소 및 상기 환자 특성 요소를 기반으로 데이터베이스를 검색하여 처방(처치) 내역을 도출하는 처방내역도출단계(S940);
상기 인공지능 분석부(105)에서, 상기 도출된 처방 내역에 대한 진료 타당성을 평가하고 예측 결과를 저장하는 진료타당성평가단계(S950);
상기 인공지능 분석부(105)에서, 기저장된 예측 결과가 있음에 따라 진료 달성도를 산출하고, 산출된 진료 달성도에 따라 해당 환자에 대한 치료 과정을 학습 및 추론하는 학습및추론단계(S960);
상기 인공지능 분석부(105)에서, 학습 및 추론에 따라 진료모델 및 환자의 치아별 진행 가중치를 보정하고, 상기 보정된 치아별 진행 가중치를 진료 중 환자의 가중치로 결정하는 가중치보정단계(S970);
상기 교정법 추천 서버(100)의 교정법 추천부(108)에서, 상기 진료 타당성이 평가된 처방 내역에 따라 교정법을 추천하는 교정법추천단계(S980); 및
상기 교정법 추천 서버(100)에서, 매 진료시마다 상기 처방내역도출단계, 상기 진료타당성평가단계, 상기학습및추론단계, 상기 가중치보정단계 및 상기 교정법추천단계를 반복하여 진행하여 치열 진단 및 교정법 추천 서비스를 제공하는 인공지능분석단계(S990)
를 포함하는 인공지능을 이용한 치열 교정법 추천 방법.
- 제7항에 있어서,
상기 데이터베이스구축단계(S920)는,
상기 데이터 수집부(103)에서, 기저장된 환자의 이미지 데이터 및 진료 데이터를 전달받는 데이터전달단계(S1010);
제1 치아 배열부(302)에서, 상기 다수의 이미지 데이터를 통합 및 매핑하여 제1 치아 배열을 생성하는 제1치아배열생성단계(S1020);
제1 치아 특성 추출부(303)에서, 상기 배열된 치아로부터 각 치아에 대한 제1 치아 특성 요소를 추출하는 제1치아특성요소추출단계(S1030);
제1 데이터 변환부(305)에서, 상기 진료 데이터를 변환하는 제1데이터변환단계(S1040);
진료 특성 추출부(306)에서, 변환된 진료 데이터로부터 진료 특성 요소를 추출하는 진료특성요소추출단계(S1050); 및
진료 내역 검토부(304)에서, 상기 제1 치아 특성 요소 및 상기 진료 특성 요소를 이용하여 데이터베이스를 구축하는 단계(S1060)
를 포함하는 것을 특징으로 하고,
상기 데이터처리단계(S930)는,
데이터 입력부(401)에서, 임의의 진료 중 환자의 영상 데이터를 획득하는 데이터획득단계(S1110);
제2 치아 배열부(402)에서, 상기 영상 데이터를 가공하여 제2 치아 배열을 생성하는 제2치아배열생성단계(S1120);
제2 치아 특성 추출부(403)에서, 상기 배열된 치아로부터 각 치아에 대한 제2 치아 특성 요소를 추출하는 제2 치아특성요소추출단계(S1130);
제2 데이터 변환부(404)에서, 치과 단말기를 통해 설문 답안을 입력받아 변환하는 제2데이터변환단계(S1140); 및
환자 특성 추출부(405)에서, 상기 변환된 설문 답안으로부터 임의의 진료 중 환자의 환자 특성 요소를 추출하는 환자특성요소추출단계(S1150)
를 포함하는 것을 특징으로 하는 인공지능을 이용한 치열 교정법 추천 방법.
- 제8항에 있어서,
상기 교정법추천단계(S980)는,
타겟 치아 결정부(601)에서, 상기 진료 타당성이 평가된 처방 내역에 따라 타겟 치아를 결정하는 타겟치아결정단계(S1210);
재료 종료 결정부(602)에서, 상기 결정된 타겟 치아에 사용될 재료의 종류를 결정하는 재료종류결정단계(S1220);
재료 사이즈 선택부(603)에서, 상기 결정된 타겟 치아에 사용될 재료의 사이즈를 선택하는 재료사이즈선택단계(S1230);
부착 위치 결정부(604)에서, 상기 결정된 타겟 치아에 사용될 재료의 부착 위치를 결정하는 부착위치결정단계(S1240); 및
제어 강도 결정부(605)에서, 상기 결정된 재료의 종류에 있어서, 제어 강도가 요구되는 재료의 제어 강도를 결정하는 제어강도결정단계(S1250)
를 포함하는 것을 특징으로 하는 인공지능을 이용한 치열 교정법 추천 방법.
- 제7항에 있어서,
상기 제1 치아 특성 요소 및 상기 제2 치아 특성 요소는,
치아별 위치, 길이, 회전 정도, 경사 정도를 포함하는 것을 특징으로 하고,
상기 진료 특성 요소는,
장치의 종류, 철사 종류, 셋업 종류, 셋업에 따른 사용 브라켓 종류, 본딩 방법, 고무줄 사용 여부를 포함하는 것을 특징으로 하고,
상기 환자 특성 요소는,
환자의 미인관, 성별, 나이, 식습관을 포함하는 것을 특징으로 하는 인공지능을 이용한 치열 교정법 추천 방법.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220053028A KR102464472B1 (ko) | 2022-04-28 | 2022-04-28 | 인공지능을 이용한 치열 교정법 추천 시스템 및 그 방법 |
| PCT/KR2023/005053 WO2023211025A1 (ko) | 2022-04-28 | 2023-04-14 | 인공지능을 이용한 치열 교정법 추천 시스템 및 그 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220053028A KR102464472B1 (ko) | 2022-04-28 | 2022-04-28 | 인공지능을 이용한 치열 교정법 추천 시스템 및 그 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102464472B1 true KR102464472B1 (ko) | 2022-11-07 |
Family
ID=84043697
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220053028A KR102464472B1 (ko) | 2022-04-28 | 2022-04-28 | 인공지능을 이용한 치열 교정법 추천 시스템 및 그 방법 |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR102464472B1 (ko) |
| WO (1) | WO2023211025A1 (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116504354A (zh) * | 2023-06-28 | 2023-07-28 | 合肥工业大学 | 一种基于智慧医疗的智能化服务推荐方法及系统 |
| WO2023211025A1 (ko) * | 2022-04-28 | 2023-11-02 | 김신엽 | 인공지능을 이용한 치열 교정법 추천 시스템 및 그 방법 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200046843A (ko) * | 2018-10-25 | 2020-05-07 | 울산대학교 산학협력단 | 치아 교정 임상 빅데이터를 이용한 투명 교정 모델 설정 장치, 그 방법 및 프로그램 |
| KR20210027899A (ko) * | 2019-09-03 | 2021-03-11 | 오스템임플란트 주식회사 | 교정치료를 위한 치아 배열 방법 및 이를 수행하는 교정 캐드 시스템 |
| KR20220036722A (ko) * | 2020-09-16 | 2022-03-23 | (주)티에네스 | 투명 교정기 제조용 치아 모델 생성 장치 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210098683A (ko) * | 2020-02-03 | 2021-08-11 | (주)어셈블써클 | 딥러닝 인공지능 알고리즘을 이용한 치열 교정에 대한 정보 제공 방법 및 이를 이용한 디바이스 |
| KR102464472B1 (ko) * | 2022-04-28 | 2022-11-07 | 김신엽 | 인공지능을 이용한 치열 교정법 추천 시스템 및 그 방법 |
-
2022
- 2022-04-28 KR KR1020220053028A patent/KR102464472B1/ko active IP Right Grant
-
2023
- 2023-04-14 WO PCT/KR2023/005053 patent/WO2023211025A1/ko unknown
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200046843A (ko) * | 2018-10-25 | 2020-05-07 | 울산대학교 산학협력단 | 치아 교정 임상 빅데이터를 이용한 투명 교정 모델 설정 장치, 그 방법 및 프로그램 |
| KR102121963B1 (ko) | 2018-10-25 | 2020-06-11 | 울산대학교 산학협력단 | 치아 교정 임상 빅데이터를 이용한 투명 교정 모델 설정 장치, 그 방법 및 프로그램 |
| KR20210027899A (ko) * | 2019-09-03 | 2021-03-11 | 오스템임플란트 주식회사 | 교정치료를 위한 치아 배열 방법 및 이를 수행하는 교정 캐드 시스템 |
| KR102227460B1 (ko) | 2019-09-03 | 2021-03-12 | 오스템임플란트 주식회사 | 교정치료를 위한 치아 배열 방법 및 이를 수행하는 교정 캐드 시스템 |
| KR20220036722A (ko) * | 2020-09-16 | 2022-03-23 | (주)티에네스 | 투명 교정기 제조용 치아 모델 생성 장치 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023211025A1 (ko) * | 2022-04-28 | 2023-11-02 | 김신엽 | 인공지능을 이용한 치열 교정법 추천 시스템 및 그 방법 |
| CN116504354A (zh) * | 2023-06-28 | 2023-07-28 | 合肥工业大学 | 一种基于智慧医疗的智能化服务推荐方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023211025A1 (ko) | 2023-11-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11553874B2 (en) | Dental image feature detection | |
| KR102464472B1 (ko) | 인공지능을 이용한 치열 교정법 추천 시스템 및 그 방법 | |
| US9788917B2 (en) | Methods and systems for employing artificial intelligence in automated orthodontic diagnosis and treatment planning | |
| US10049457B2 (en) | Automated cephalometric analysis using machine learning | |
| US11793605B2 (en) | Apparatus and methods for orthodontic treatment planning | |
| US20160038092A1 (en) | Applying non-real time and non-user attended algorithms to stored non-imaging data and existing imaging data for obtaining a dental diagnosis | |
| US11443423B2 (en) | System and method for constructing elements of interest (EoI)-focused panoramas of an oral complex | |
| US10568716B2 (en) | Methods and systems for employing artificial intelligence in automated orthodontic diagnosis and treatment planning | |
| EP4091575A1 (en) | Method and apparatus for generating orthodontic teeth arrangement shape | |
| US20220296344A1 (en) | Method, system and devices for instant automated design of a customized dental object | |
| KR20220108028A (ko) | 자동화된 의료 이미지 주석 및 분석 | |
| US20200100724A1 (en) | Applying non-real time and non-user attended algorithms to stored non-imaging data and existing imaging data for obtaining a dental diagnosis | |
| KR102462185B1 (ko) | 딥러닝 인공지능 알고리즘을 이용한 치열 교정에 대한 정보 제공 방법 및 이를 이용한 디바이스 | |
| US20220084267A1 (en) | Systems and Methods for Generating Quick-Glance Interactive Diagnostic Reports | |
| EP4185993A1 (en) | Systems and methods for modeling dental structures | |
| KR102434187B1 (ko) | 인공지능을 이용한 치열 진단 시스템 및 그 방법 | |
| Singi et al. | Extended arm of precision in prosthodontics: Artificial intelligence | |
| US20240029901A1 (en) | Systems and Methods to generate a personalized medical summary (PMS) from a practitioner-patient conversation. | |
| KR20200058316A (ko) | 인공지능 기술을 활용한 치과용 두부 계측점 자동 추적 방법 및 그를 이용한 서비스 시스템 | |
| CN114334091A (zh) | 训练机器学习算法的方法、机器学习算法和设备复合体 | |
| US20240058099A1 (en) | Automatic creation of a virtual model and an orthodontic treatment plan | |
| US11488305B2 (en) | Segmentation device | |
| KR102596666B1 (ko) | 의료 영상 기반 통합 의료 서비스 제공 시스템 및 방법 | |
| US20230252748A1 (en) | System and Method for a Patch-Loaded Multi-Planar Reconstruction (MPR) | |
| EP4218660A1 (en) | Method and device for generating orthodontic theeth alignment shape |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |