KR102499193B1 - 이미지 분석을 통한 탈모 중증도 판별 시스템 및 그 방법 - Google Patents

이미지 분석을 통한 탈모 중증도 판별 시스템 및 그 방법 Download PDF

Info

Publication number
KR102499193B1
KR102499193B1 KR1020200188499A KR20200188499A KR102499193B1 KR 102499193 B1 KR102499193 B1 KR 102499193B1 KR 1020200188499 A KR1020200188499 A KR 1020200188499A KR 20200188499 A KR20200188499 A KR 20200188499A KR 102499193 B1 KR102499193 B1 KR 102499193B1
Authority
KR
South Korea
Prior art keywords
image
hair loss
characteristic
hair
severity
Prior art date
Application number
KR1020200188499A
Other languages
English (en)
Other versions
KR20220096238A (ko
Inventor
이석준
윤재웅
전재헌
Original Assignee
광운대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 광운대학교 산학협력단 filed Critical 광운대학교 산학협력단
Priority to KR1020200188499A priority Critical patent/KR102499193B1/ko
Publication of KR20220096238A publication Critical patent/KR20220096238A/ko
Application granted granted Critical
Publication of KR102499193B1 publication Critical patent/KR102499193B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
    • A61B5/448—Hair evaluation, e.g. for hair disorder diagnosis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
    • A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
    • A61B5/446—Scalp evaluation or scalp disorder diagnosis, e.g. dandruff
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • 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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Artificial Intelligence (AREA)
  • Dermatology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radiology & Medical Imaging (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

이미지 분석을 통한 탈모 중증도 판별 시스템 및 그 방법이 제공된다. 상기 방법은 탈모진단장치 및 탈모관리서버에 의해 수행되는, 이미지 분석을 통한 탈모 중증도 판별 방법에 있어서, 상기 탈모진단장치가 그로스 이미지(Gross image) 및 폴리스코프 이미지(Folliscope image)가 포함된 측정이미지정보를 획득하는 단계; 상기 탈모관리서버가 상기 측정이미지정보를 이용하여 지능형 탈모 진단 및 예후 예측 모델을 위한 표준데이터를 생성하는 단계; 및 상기 탈모관리서버가 상기 표준데이터를 기초로 상기 그로스 이미지의 중증도를 판별하여 탈모 중증도를 재라벨링하여 재라벨링정보를 생성하는 단계;를 포함하고, 상기 재라벨링정보를 생성하는 단계는, 상기 표준데이터에 포함된 표준두피정보를 독립변수로 설정하는 단계; 상기 표준데이터에 포함된 표준탈모중증도정보를 종속변수로 설정하는 단계; 및 의사결정트리(Decision Tree)를 이용하여 상기 독립변수 및 상기 종속변수를 분류하여 상기 표준탈모중증도정보를 재라벨링하는 단계;를 포함할 수 있다.

Description

이미지 분석을 통한 탈모 중증도 판별 시스템 및 그 방법 {SYSTEM FOR DETERMINING THE SEVERITY OF HAIR LOSS THROUGH IMAGE ANALYSIS AND METHOD THEREOF}
본 발명은 이미지 분석을 통한 탈모 중증도 판별 시스템 및 그 방법에 관한 발명으로써, 더욱 구체적으로 표준데이터를 기초로 카메라의 일반 촬영을 통해 생성된 복수의 그로스 이미지(Gross image)의 중증도를 의사결정트리(Decision Tree)를 이용하여 2단계로 재라벨링하고, 재라벨링된 정보의 정확도를 예측할 수 있는 이미지 분석을 통한 탈모 중증도 판별 시스템 및 그 방법에 관한 것이다.
탈모는 성인 4명 중 1명의 비율로 나타나는 유병률이 높은 질환이며, 사람의 생명을 위협하거나 인체의 행동을 제약하는 질환은 아니지만, 이로 인하여 유발되는 심리적 문제로 인해 개인의 사회적 기능을 현저하게 떨어뜨리는 질환이다.
탈모에 의한 개인의 스트레스는 상당히 크고, 탈모로 인한 자신감 결여, 대인 기피증 등의 부정적인 요소가 상당하며, 이로 인한 사회적 기회비용의 손실도 적지 않은 상황이며, 탈모 현상은 외모를 중시하는 현대인의 기준에서 매우 심각한 문제로 인식되어 탈모 관련 시장은 최근 폭발적인 성장을 이루고 있다.
일반적으로 탈모는 유전적인 소인에 의해 서서히 진행되는 진행성 질환으로서의 남성형 탈모와 여성형 탈모, 그리고 특정 요인에 의해 갑자기 진행되는 원형탈모와 휴지기 탈모로 나눌 수 있다.
유전적 소인에 의한 남성형 탈모와 여성형 탈모는 탈모라기보다 굵은 모발이 점점 가늘어져서 결국에는 눈에 보이지 않게 솜털이 되어 가는 과정이며, 원형 탈모는 자가면역 체계의 이상으로 인해 면역세포가 자신의 모낭을 공격하여 갑자기 모발이 빠져 없어지게 되는 질환이며, 휴지기 탈모는 내분비계의 이상, 약물부작용 혹은 만성적 영양 불균형, 심한 외부 자극 등으로 인해 갑자기 탈모 현상이 발생하는 질환이다.
이렇게 탈모는 여러 가지 요인에 의해 발생할 수 있으므로 각각의 탈모 환자에 맞춘 진료와 치료가 중요함에도 불구하고, 현재 탈모의 진단은 두피진단기를 통해 촬영된 영상을 토대로 의사가 육안으로 모발의 개수 및 모발의 굵기를 측정하도록 되어 있어서 탈모 진단의 오차 범위가 넓고, 탈모 치료 시행 후에도 치료 효과를 객관적인 수치로 증명하는데 한계가 있는 문제점이 존재한다.
즉, 탈모 진단을 위한 모발의 이미지 분석은 인력과 시간이 많이 소요된다는 단점이 있으며 의사에 따라 주관적인 요소 등으로 인해 객관적인 데이터를 활용한 진단과 치료가 불가능한 상황이다.
따라서, 모발의 이미지를 분석하는데 있어, 인력 및 시간을 단축시키고 정확하고 일관적인 진료 모델에 대한 요구가 증대되고 있다.
대한민국 등록특허 제10-206137호 (2019.12.24)
본 발명이 해결하고자 하는 과제는 표준데이터를 기초로 카메라의 일반 촬영을 통해 생성된 복수의 그로스 이미지(Gross image)의 중증도를 의사결정트리(Decision Tree)를 이용하여 2단계로 재라벨링하고, 재라벨링된 정보의 정확도를 예측할 수 있는 이미지 분석을 통한 탈모 중증도 판별 시스템 및 그 방법을 제공하는 것이다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상술한 과제를 해결하기 위한 본 발명의 일 실시예에 따른 이미지 분석을 통한 탈모 중증도 판별 방법은, 탈모진단장치 및 탈모관리서버에 의해 수행되는, 이미지 분석을 통한 탈모 중증도 판별 방법에 있어서, 상기 탈모진단장치가 그로스 이미지(Gross image) 및 폴리스코프 이미지(Folliscope image)가 포함된 측정이미지정보를 획득하는 단계; 상기 탈모관리서버가 상기 측정이미지정보를 이용하여 지능형 탈모 진단 및 예후 예측 모델을 위한 표준데이터를 생성하는 단계; 및 상기 탈모관리서버가 상기 표준데이터를 기초로 상기 그로스 이미지의 중증도를 판별하여 탈모 중증도를 재라벨링하여 재라벨링정보를 생성하는 단계;를 포함하고, 상기 재라벨링정보를 생성하는 단계는, 상기 표준데이터에 포함된 표준두피정보를 독립변수로 설정하는 단계; 상기 표준데이터에 포함된 표준탈모중증도정보를 종속변수로 설정하는 단계; 및 의사결정트리(Decision Tree)를 이용하여 상기 독립변수 및 상기 종속변수를 분류하여 상기 표준탈모중증도정보를 재라벨링하는 단계;를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 재라벨링정보를 생성하는 단계는, 정상(normal)단계, 초기(mild)단계, 보통(moderate)단계 및 심각(severe)단계로 이루어진 상기 표준탈모중증도정보를 2개의 중증도단계로 재라벨링할 수 있다.
삭제
본 발명의 일 실시예에 있어서, 상기 재라벨링정보를 생성하는 단계는, 상기 정상단계 및 상기 초기단계를 함께 분류하여 제1 중증도단계로 재라벨링하고, 상기 보통단계 및 상기 심각단계를 함께 분류하여 제2 중증도단계로 재라벨링하고, 상기 제1 증중도단계는 상기 제2 중증도단계보다 상기 탈모 중증도가 낮을 수 있다.
본 발명의 일 실시예에 있어서, 상기 재라벨링정보를 생성하는 단계는, 상기 정상단계를 제1 중증도단계로 재라벨링하고, 상기 초기단계, 상기 보통단계 및 상기 심각단계를 함께 분류하여 제2 중증도단계로 재라벨링하고, 상기 제1 증중도단계는 상기 제2 중증도단계보다 상기 탈모 중증도가 낮을 수 있다.
본 발명의 일 실시예에 있어서, 상기 측정이미지정보를 획득하는 단계는, 환자의 머리를 다양한 방향에서 카메라로 촬영하는 일반 촬영을 수행하여 상기 그로스 이미지를 획득하는 단계; 상기 환자의 머리를 부위별로 모발확대경으로 촬영하는 근접 촬영을 수행하여 상기 폴리스코프 이미지를 획득하는 단계; 및 상기 그로스이미지 및 상기 폴리스코프 이미지를 전처리하여 상기 측정이미지정보를 생성하는 단계;를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 표준데이터를 생성하는 단계는, 상기 그로스 이미지 및 상기 폴리스코프 이미지를 촬영 부위별로 분류하는 단계; 분류된 상기 폴리스코프 이미지를 기초로 측정모발정보에 대한 특성정보를 생성하는 단계; 상기 특정 정보를 기초로 상기 측정모발정보에 대한 비율 값을 산출하는 단계; 산출된 비율 값을 기초로 부위정보에 대응하여 특성등급을 산출하는 단계; 및 상기 특성등급과 상기 그로스 이미지를 매칭하여 상기 표준데이터를 생성하는 단계;를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 부위정보는 전면 부위, 우측 부위, 좌측 부위 및 상측 부위에 대한 적어도 하나 이상의 정보를 포함하고, 상기 측정모발정보는 상기 부위정보를 기초로 전면 부위의 모발의 굵기, 우측 부위의 모발의 굵기, 좌측 부위의 모발의 굵기, 상측 부위의 모발의 굵기, 전면 부위의 모발의 개수, 우측 부위의 모발의 개수, 좌측 부위의 모발의 개수 및 상측 부위의 모발의 개수에 대한 적어도 하나 이상의 정보를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 탈모관리서버가 상기 재라벨링정보에 대응하여 상기 표준데이터를 업데이트하는 단계;를 더 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 탈모관리서버가 상기 재라벨링정보의 정확도를 예측하는 단계;를 더 포함할 수 있다.
또한, 상술한 과제를 해결하기 위한 본 발명의 다른 일실시예에 따른 이미지 분석을 통한 탈모 중증도 판별 방법은, 탈모진단장치에 의해 수행되는, 이미지 분석을 통한 탈모 중증도 판별 방법에 있어서, 그로스 이미지(Gross image) 및 폴리스코프 이미지(Folliscope image)를 이용하여 지능형 탈모 진단 및 예후 예측 모델을 위한 표준데이터를 생성하는 단계; 및 상기 표준데이터를 기초로 상기 그로스 이미지의 중증도를 판별하여 탈모 중증도를 재라벨링하여 재라벨링정보를 생성하는 단계;를 포함하고, 상기 재라벨링정보를 생성하는 단계는, 상기 표준데이터에 포함된 표준두피정보를 독립변수로 설정하는 단계; 상기 표준데이터에 포함된 표준탈모중증도정보를 종속변수로 설정하는 단계; 및 의사결정트리(Decision Tree)를 이용하여 상기 독립변수 및 상기 종속변수를 분류하여 상기 탈모 중증도를 재라벨링하는 단계;를 포함할 수 있다.
발명의 일 실시예에 있어서, 상기 표준데이터를 생성하는 단계는, 환자의 머리를 다양한 방향에서 카메라로 촬영하는 일반 촬영이 수행되면, 상기 카메라의 일반 촬영을 통해 생성된 상기 그로스 이미지(Gross image)인 제1 이미지정보를 획득하는 단계; 상기 환자의 머리를 부위별로 모발확대경으로 촬영하는 근접 촬영이 수행되면, 상기 모발확대경의 근접 촬영을 통해 생성된 상기 폴리스코프 이미지(Folliscope image)인 제2 이미지정보를 획득하는 단계; 상기 제1 이미지를 촬영 방향별로 분석하여, 전면 방향에서 촬영된 제1-1 이미지, 우측 방향에서 촬영된 제1-2 이미지, 좌측 방향에서 촬영된 제1-3 이미지, 상측 방향에서 촬영된 제1-4 이미지, 후면 방향에서 촬영된 제1-5 이미지를 구분하여 분류하고, 상기 제2 이미지를 촬영 부위별로 분석하여, 전면 부위를 촬영한 제2-1 이미지, 우측 부위를 촬영한 제2-2 이미지, 좌측 부위를 촬영한 제2-3 이미지, 상측 부위를 촬영한 제2-4 이미지, 후면 부위를 촬영한 제2-5 이미지를 구분하여 분류하는 단계; 상기 제2-1 이미지를 기초로, 전면 부위 모발의 개수 및 굵기를 나타내는 제1 특성정보를 생성하고, 상기 제2-2 이미지를 기초로, 우측 부위 모발의 개수 및 굵기를 나타내는 제2 특성정보를 생성하고, 상기 제2-3 이미지를 기초로, 좌측 부위 모발의 개수 및 굵기를 나타내는 제3 특성정보를 생성하고, 상기 제2-4 이미지를 기초로, 상측 부위 모발의 개수 및 굵기를 나타내는 제4 특성정보를 생성하고, 상기 제2-5 이미지를 기초로, 후면 부위 모발의 개수 및 굵기를 나타내는 제5 특성정보를 생성하는 단계; 상기 제1 특성정보 및 상기 제5 특성정보를 기초로, 후면 부위 특성을 기준으로 전면 부위 특성과 비교하여 제1 비율 값을 산출하고, 상기 제2 특성정보 및 상기 제5 특성정보를 기초로, 후면 부위 특성을 기준으로 우측 부위 특성과 비교하여 제2 비율 값을 산출하고, 상기 제3 특성정보 및 상기 제5 특성정보를 기초로, 후면 부위 특성을 기준으로 좌측 부위 특성과 비교하여 제3 비율 값을 산출하고, 상기 제4 특성정보 및 상기 제5 특성정보를 기초로, 후면 부위 특성을 기준으로 상측 부위 특성과 비교하여 제4 비율 값을 산출하는 단계; 상기 제2-1 이미지에 등록된 탈모 진단 지표를 상기 제1 비율 값과 비교하여 전면 부위 특성등급을 산출하고, 상기 제2-2 이미지에 등록된 탈모 진단 지표를 상기 제2 비율 값과 비교하여 우측 부위 특성등급을 산출하고, 상기 제2-3 이미지에 등록된 탈모 진단 지표를 상기 제3 비율 값과 비교하여 좌측 부위 특성등급을 산출하고, 상기 제2-4 이미지에 등록된 탈모 진단 지표를 상기 제4 비율 값과 비교하여 상측 부위 특성등급을 산출하는 단계; 상기 전면 부위 특성등급을 상기 제1-1 이미지에 매칭하여 등록하고, 상기 우측 부위 특성등급을 상기 제1-2 이미지에 매칭하여 등록하고, 상기 좌측 부위 특성등급을 상기 제1-3 이미지에 매칭하여 등록하고, 상기 상측 부위 특성등급을 상기 제1-4 이미지에 매칭하여 등록하는 단계; 및 상기 제1-1 이미지, 상기 제1-2 이미지, 상기 제1-3 이미지 및 상기 제1-4 이미지를 기초로, 지능형 탈모 진단 및 예후 예측 모델을 위한 표준데이터를 생성하는 단계;를 포함할 수 있다.
발명의 일 실시예에 있어서, 상기 재라벨링정보를 생성하는 단계는, 정상(normal)단계, 초기(mild)단계, 보통(moderate)단계 및 심각(severe)단계로 이루어진 상기 탈모 중증도를 이진 분류(Binary Classification)를 이용하여 2개의 중증도단계로 재라벨링할 수 있다.
발명의 일 실시예에 있어서, 상기 표준데이터를 기초로 상기 그로스 이미지의 중증도를 판별하여 탈모 중증도를 재라벨링하여 상기 재라벨링정보를 생성하는 탈모관리서버;를 더 포함할 수 있다.
또한, 상술한 과제를 해결하기 위한 본 발명의 다른 일실시예에 따른 이미지 분석을 통한 탈모 중증도 판별 시스템은, 그로스 이미지(Gross image) 및 폴리스코프 이미지(Folliscope image)가 포함된 측정이미지정보를 획득하는 탈모진단장치; 및 표준데이터를 기초로 상기 그로스 이미지의 중증도를 판별하여 탈모 중증도를 재라벨링하여 재라벨링정보를 생성하고, 상기 재라벨링정보에 대응하여 상기 표준데이터를 업데이트하는 탈모관리서버;를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 탈모관리서버는, 상기 측정이미지정보를 분석하고, 각각의 이미지를 촬영 방향 및 촬영 부위별로 구분하여 분류하여, 탈모 수준을 판단할 수 있도록 분류된 이미지에 대한 라벨링 작업을 수행하여 환자의 탈모 수준을 판단하여 상기 표준데이터를 생성할 수 있다.
또한, 상술한 과제를 해결하기 위한 본 발명의 다른 일실시예에 따른 이미지 분석을 통한 탈모 중증도 판별 시스템은, 그로스 이미지(Gross image) 및 폴리스코프 이미지(Folliscope image)가 포함된 측정이미지정보를 분석하고, 각각의 이미지를 촬영 방향 및 촬영 부위별로 구분하여 분류하여, 탈모 수준을 판단할 수 있도록 분류된 이미지에 대한 라벨링 작업을 수행하여 환자의 탈모 수준을 판단하여 표준데이터를 생성하고, 상기 표준데이터를 기초로 상기 그로스 이미지의 중증도를 판별하여 탈모 중증도를 재라벨링하여 재라벨링정보를 생성하고, 상기 재라벨링정보에 대응하여 상기 표준데이터를 업데이트하는 탈모진단장치;를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 표준데이터를 기초로 상기 그로스 이미지의 중증도를 판별하여 탈모 중증도를 재라벨링하여 재라벨링정보를 생성하고, 상기 재라벨링정보에 대응하여 상기 표준데이터를 업데이트하는 탈모관리서버;를 더 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 표준데이터 및 상기 재라벨링정보를 생성하는 사용자 단말기;를 더 포함할 수 있다.
본 발명의 일실시예에 따른 프로그램은 하드웨어인 컴퓨터와 결합되어, 상기 이미지 분석을 통한 탈모 중증도 판별 방법을 수행할 수 있도록 컴퓨터에서 독출가능한 기록매체에 저장된다.
본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
본 발명에 따르면, 의사결정트리(Decision Tree)를 이용하여 탈모 중증도를 판별하여 그로스 이미지(Gross image)의 중증도를 2단계로 재라벨링할 수 있다.
본 발명에 따르면, 카메라의 일반 촬영을 통해 생성된 제1 이미지정보를 획득하고, 모발확대경의 근접 촬영을 통해 생성된 제2 이미지정보를 획득하고, 제1 이미지를 촬영 방향별로 구분하여 분류하고, 제2 이미지를 촬영 부위별로 구분하여 분류하고, 머리 부위별로 모발의 개수 및 굵기를 나타내는 특성정보를 생성함으로써, 탈모 진료에 있어서 주관적인 요소를 최소화할 수 있으며, 탈모 환자의 진료 결과에 대한 정확도를 향상시킬 수 있다.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일실시예에 따른 이미지 분석을 통한 탈모 중증도 판별 시스템을 설명하기 위한 개념도이다.
도 2는 도 1에 도시된 탈모진단장치의 상세 구성을 설명하기 위한 도면이다.
도 3은 도 1에 도시된 탈모관리서버의 상세 구성을 설명하기 위한 도면이다.
도 4는 본 발명의 일실시예에 따른 이미지 분석을 통한 탈모 중증도 판별 방법을 설명하기 위한 도면이다.
도 5는 도 4에 도시된 측정이미지정보를 획득하는 단계를 통해서 획득한 측정이미지정보를 설명하기 위한 도면이다.
도 6은 도 4에 도시된 표준데이터를 생성하는 단계를 설명하기 위한 도면이다.
도 7은 도 4에 도시된 재라벨링정보를 생성하는 단계를 설명하기 위한 도면이다.
도 8 내지 도 11는 도 7에 도시된 재라벨링정보 생성 및 정확도를 예측하는 것을 나타내는 도면이다.
도 12는 본 발명의 다른 실시예에 따른 이미지 분석을 통한 탈모 중증도 판별 시스템을 설명하기 위한 도면이다.
도 13은 본 발명의 다른 일실시예에 따른 이미지 분석을 통한 탈모 중증도 판별 방법을 설명하기 위한 도면이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.
도 1은 본 발명의 일실시예에 따른 이미지 분석을 통한 탈모 중증도 판별 시스템을 설명하기 위한 개념도이고, 도 2는 도 1에 도시된 탈모진단장치의 상세 구성을 설명하기 위한 도면이며, 도 3은 도 1에 도시된 탈모관리서버의 상세 구성을 설명하기 위한 도면이다.
도 1에 도시된 바와 같이, 본 발명의 일실시예인 이미지 분석을 통한 탈모 중증도 판별 시스템(1)은 탈모진단장치(10) 및 탈모관리서버(20)를 포함할 수 있다.
여기서, 탈모진단장치(10) 및 탈모관리서버(20)는 무선통신망을 이용하여 실시간으로 동기화되어 데이터를 송수신할 수 있다. 무선통신망은 다양한 원거리 통신 방식이 지원될 수 있으며, 예를 들어 무선랜(Wireless LAN: WLAN), DLNA(Digital Living Network Alliance), 와이브로(Wireless Broadband: Wibro), 와이맥스(World Interoperability for Microwave Access: Wimax), GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), CDMA2000(Code Division Multi Access 2000), EV-DO(Enhanced Voice-Data Optimized or Enhanced Voice-Data Only), WCDMA(Wideband CDMA), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), IEEE 802.16, 롱 텀 에볼루션(Long Term Evolution: LTE), LTEA(Long Term Evolution-Advanced), 광대역 무선 이동 통신 서비스(Wireless Mobile Broadband Service: WMBS), BLE(Bluetooth Low Energy), 지그비(Zigbee), RF(Radio Frequency), LoRa(Long Range) 등과 같은 다양한 통신 방식이 적용될 수 있으나 이에 한정되지 않으며 널리 알려진 다양한 무선통신 또는 이동통신 방식이 적용될 수도 있다.
탈모진단장치(10)는 본 개시에서 응용 프로그램(application program 또는 애플리케이션(application))을 이용하여 동작할 수 있으며, 이러한 응용 프로그램은 무선통신을 통해 외부서버 또는 탈모관리서버(20)로부터 다운로드 될 수 있다.
탈모진단장치(10)는 스마트 폰, 스마트 워치, 스마트 글라스, 태블릿 PC, 노트북 PC 등과 같이 카메라를 포함하는 다양한 전자 장치로 구현될 수 있다.
이와 같은 탈모진단장치(10)는 도 2에 도시된 바와 같이, 촬영부(11), 디스플레이부(12), 이미지 처리부(13), 탈모 수준 판단부(14) 및 제어부(15)를 포함할 수 있다.
촬영부(11)는 환자의 탈모 상태를 진단하기 위해 환자의 머리 영역에 대한 촬영을 수행할 수 있다.
예를 들어, 촬영부(11)는 환자의 탈모 상태를 진단하기 위해 두상의 전면, 우측, 좌측, 상측 및 후면을 구분하여 촬영할 수 있다.
촬영부(11)는 환자의 탈모 상태를 확인하기 위하여, 일반 촬영 및 근접 촬영 각각을 수행하여 환자의 두피에 대한 촬영을 수행할 수 있다.
구체적으로, 촬영부(11)는 DSLR 장비와 같은 카메라를 통해 환자의 머리를 다양한 방향에서 촬영하는 일반 촬영을 수행할 수 있으며, 일반 촬영 시 환자의 머리를 기준으로 촬영 방향을 전면, 우측, 좌측, 상측 및 후면으로 분류하여 촬영을 수행할 수 있다.
또한, 촬영부(11)는 모발확대경을 통해 환자의 머리를 부위별로 촬영하는 근접 촬영을 수행할 수 있으며, 근접 촬영 시 환자의 머리에 대한 촬영 부위를 전면, 우측, 좌측, 상측 및 후면으로 분류하여 촬영을 수행할 수 있다.
디스플레이부(12)는 촬영부(11)가 촬영한 이미지를 화면에 디스플레이 되도록 처리할 수 있다.
디스플레이부(12)는 카메라를 통해 촬영된 일반 촬영에 대한 이미지를 촬영 방향별로 구분하여 디스플레이 할 수 있으며, 모발확대경을 통해 촬영된 근접 촬영에 대한 이미지를 촬영 부위별로 구분하여 디스플레이 할 수 있다.
실시예에 따라, 디스플레이부(12)는 표준데이터를 출력할 수 있다.
이미지 처리부(13)는 촬영부(11)가 촬영한 이미지들을 분석하고, 각각의 이미지를 촬영 방향 및 촬영 부위별로 구분하여 분류하여, 탈모 수준을 판단할 수 있도록 이미지에 대한 라벨링 작업을 수행할 수 있다.
탈모 수준 판단부(14)는 촬영부(11)가 촬영한 이미지와 이미지 처리부(13)를 통해 분석된 데이터를 이용하여, 환자의 탈모 수준을 판단할 수 있다.
제어부(15)는 촬영부(11), 디스플레이부(12), 이미지 처리부(13) 및 탈모 수준 판단부(14)에서 각각 고유한 기능을 수행하도록 제어할 수 있다.
제어부(15)는 그로스 이미지(Gross image) 및 폴리스코프 이미지(Folliscope image)가 포함된 측정이미지정보가 포함된 측정이미지정보를 분석하고, 각각의 이미지를 촬영 방향 및 촬영 부위별로 구분하여 분류하여, 탈모 수준을 판단할 수 있도록 분류된 이미지에 대한 라벨링 작업을 수행하여 환자의 탈모 수준을 판단하여 표준데이터를 생성할 수 있다. 표준데이터를 생성하는 방법은 이하의 도 4 내지 도 6을 참조하여 더욱 상세히 후술한다.
여기서, 표준데이터는 표준두피정보 및 표준탈모중증도정보를 포함할 수 있다. 표준두피정보에는 환자의 나이와, 성별과, 전면부 모발 개수, 우측 모발 개수, 좌측 모발 개수, 정수리 모발 개수, 후두부 모발 개수 등을 포함하는 모발 개수 등급과, 전면부 모발 굵기, 우측 모발 굵기, 좌측 모발 굵기, 정수리 모발 굵기, 후두부 모발 굵기 등을 포함하는 모발 굵기 등급 등의 정보가 포함될 수 있다.
실시예에 따라, 표준데이터는 환자의 ID, 성별, 나이, 처방약, 진단일, 제1 이미지의 저장 위치, 제1 이미지의 ID, 제1 이미지의 촬영 위치, 모발 개수 등급, 모발 굵기 등급, 모발 밀도 등급 중 적어도 하나가 포함될 수 있다.
또한, 표준탈모중증도정보에는 전면부위의 그로스 이미지에 대한 탈모중증도단계에 대한 정보를 포함할 수 있다.
예를 들어, 표준탈모중증도정보는 전면부위의 그로스 이미지에 대한 정상(normal)단계, 초기(mild)단계, 보통(moderate)단계 및 심각(severe)단계에 대한 정보를 포함할 수 있다.
실시예에 따라, 제어부(15)는 표준데이터를 기초로 그로스 이미지의 중증도를 판별하여 탈모 중증도를 재라벨링하여 재라벨링정보를 생성할 수 있다. 이때, 제어부(15)는 의사결정트리(Decision Tree)를 이용하여 표준탈모중증도정보를 재라벨링할 수 있다.
본 실시에에서 재라벨링은 의사결정트리에 의해 분류된 표준탈모중증도정보를 라벨링하는 작업을 뜻할 수 있지만, 이에 한정하지 않는다.
여기서, 재라벨링정보는 그로스 이미지의 탈모 중증도를 이진 분류(Binary Classification)를 이용하여 기존에 정상(normal)단계, 초기(mild)단계, 보통(moderate)단계 및 심각(severe)단계로 라벨링된 표준탈모중증도정보를 2개의 중증도단계로 재라벨링한 정보일 수 있다.
예를 들어, 제어부(15)는 정상(normal)단계, 초기(mild)단계, 보통(moderate)단계 및 심각(severe)단계로 라벨링된 표준탈모중증도정보를 이용하여 정상단계 및 초기단계를 함께 분류하여 제1 중증도단계로 재라벨링하고, 보통단계 및 심각단계를 함께 분류하여 제1 중증도단계보다는 높은 단계의 제2 중증도단계로 재라벨링하여 재라벨링정보를 생성할 수 있다.
또한, 재라벨링정보는 정상단계를 제1 중증도단계로 재라벨링한 정보와, 초기단계, 보통단계 및 심각단계를 함께 분류하여 제1 중증도단계보다는 높은 단계의 제2 중증도단계로 재라벨링한 정보를 포함할 수 있다.
실시예에 따라, 제어부(15)는 재라벨링정보의 정확도를 예측할 수 있다.
실시예에 따라, 제어부(15)는 재라벨링정보에 대응하여 표준데이터 즉, 표준탈모중증도정보를 업데이트할 수 있다.
실시예에 따라, 제어부(15)는 표준데이터를 생성하는 경우, 표준데이터를 탈모관리서버(20)로 전송할 수 있다.
실시예에 따라, 제어부(15)는 표준데이터를 탈모관리서버(20)로부터 수신받을 수 있다.
실시예에 따라, 제어부(15)는 탈모관리서버(20)로 재라벨링정보를 수신받아 표준데이터를 업데이트할 수 있다.
실시예에 따라, 제어부(15)는 재라벨링정보를 생성하는 경우, 재라벨링정보에 대응하여 업데이트된 표준데이터 또는 재라벨링정보를 탈모관리서버(20)로 전송할 수 있다.
탈모관리서버(20)는 데이터통신부(22), 데이터베이스부(24), 모니터링부(26) 및 관리제어부(28)를 포함할 수 있다.
데이터통신부(22)는 탈모진단장치(10)로부터 표준데이터를 수신하는 경우, 재라벨링정보 또는 재라벨링정보에 대응하여 업데이트된 표준데이터를 탈모진단장치(10)로 전송할 수 있다.
데이터통신부(22)는 표준데이터, 재라벨링정보 또는 재라벨링정보에 대응하여 업데이트된 표준데이터를 탈모진단장치(10)로 전송할 수 있다.
데이터베이스부(24)는 무선통신망을 통해 탈모진단장치(10)와 송수신되는 데이터를 저장할 수 있다.
데이터베이스부(24)는 탈모관리서버(20)의 다양한 기능을 지원하는 데이터를 저장할 수 있다. 데이터베이스부(24)는 탈모관리서버(20)에서 구동되는 다수의 응용 프로그램(application program 또는 애플리케이션(application)), 탈모관리서버(20)의 동작을 위한 데이터들, 명령어들을 저장할 수 있다. 이러한 응용 프로그램 중 적어도 일부는, 무선통신을 통해 외부 서버로부터 다운로드 될 수 있다.
한편, 데이터베이스부(24)에 저장되는 표준데이터를 상호 대응되는 매핑 테이블의 형태로 구현될 수 있으나 이에 한정하는 것은 아니다.
모니터링부(26)는 탈모진단장치(10)의 동작상태, 탈모관리서버(20)의 동작상태, 그리고 탈모진단장치(10)와 탈모관리서버(20) 사이의 송수신되는 데이터 등을 화면을 통해 모니터링 할 수 있다. 즉, 탈모진단장치(10)의 사용 상태를 실시간으로 확인함으로써, 사용자의 사용을 편리하게 하여 사용자에게 더욱 신뢰감을 줄 수 있다.
관리제어부(28)는 표준데이터를 기초로 그로스 이미지의 중증도를 판별하여 탈모 중증도를 재라벨링하여 재라벨링정보를 생성할 수 있다.
구체적으로, 관리제어부(28)는 표준데이터에 포함된 표준두피정보를 독립변수로 설정하고, 표준데이터에 포함된 표준탈모중증도정보를 종속변수로 설정한 후, 의사결정트리(Decision Tree)를 이용하여 독립변수 및 종속변수를 분류하여 표준탈모중증도정보를 재라벨링할 수 있다.
여기서, 표준데이터는 표준두피정보 및 표준탈모중증도정보를 포함할 수 있다. 본 실시예에서 표준두피정보에는 환자의 나이와, 성별과, 전면부 모발 개수, 우측 모발 개수, 좌측 모발 개수, 정수리 모발 개수, 후두부 모발 개수 등을 포함하는 모발 개수 등급과, 전면부 모발 굵기, 우측 모발 굵기, 좌측 모발 굵기, 정수리 모발 굵기, 후두부 모발 굵기 등을 포함하는 모발 굵기 등급 등의 정보가 포함될 수 있지만, 이에 한정하지 않는다.
실시예에 따라, 표준데이터는 환자의 ID, 성별, 나이, 처방약, 진단일, 제1 이미지의 저장 위치, 제1 이미지의 ID, 제1 이미지의 촬영 위치, 모발 개수 등급, 모발 굵기 등급, 모발 밀도 등급 중 적어도 하나가 포함될 수 있다.
여기서, 재라벨링정보는 그로스 이미지의 탈모 중증도를 이진 분류(Binary Classification)를 이용하여 2개의 중증도단계로 재라벨링한 정보일 수 있다.
예를 들어, 재라벨링정보는 정상단계 및 초기단계를 함께 분류하여 제1 중증도단계로 재라벨링한 정보와, 보통단계 및 심각단계를 함께 분류하여 제1 중증도단계보다는 높은 단계의 제2 중증도단계로 재라벨링한 정보를 포함할 수 있다.
또한, 재라벨링정보는 정상단계를 제1 중증도단계로 재라벨링한 정보와, 초기단계, 보통단계 및 심각단계를 함께 분류하여 제1 중증도단계보다는 높은 단계의 제2 중증도단계로 재라벨링한 정보를 포함할 수 있다.
실시예에 따라, 관리제어부(28)는 딥러닝을 이용하여 그로스 이미지(Gross image) 및 폴리스코프 이미지(Folliscope image)가 포함된 측정이미지정보를 반복 학습하여 표준데이터를 생성할 수 있다. 본 실시예에서 딥러닝을 이용하는 것으로 기재하였지만, 이에 한정하지 않고 랜덤 포레스트(Random Forest), 서포트 벡터 머신(Support Vector Machine) 등의 머신러닝 기법을 이용할 수 있다.
실시예에 따라, 관리제어부(28)는 재라벨링정보의 정확도를 예측할 수 있다.
실시예에 따라, 관리제어부(28)는 재라벨링정보에 대응하여 표준데이터 즉, 표준탈모중증도정보를 업데이트할 수 있다.
실시예에 따라, 관리제어부(28)는 표준데이터 및 재라벨링정보를 탈모진단장치(10)로부터 수신받을 수 있다.
이와 같은 탈모관리서버(20)는 하드웨어 회로(예를 들어, CMOS 기반 로직 회로), 펌웨어, 소프트웨어 또는 이들의 조합에 의해 구현될 수 있다. 예를 들어, 다양한 전기적 구조의 형태로 트랜지스터, 로직게이트 및 전자회로를 활용하여 구현될 수 있다.
이와 같은 구조를 갖는 본 발명의 일실시예에 따른 이미지 분석을 통한 탈모 중증도 판별 방법의 동작은 다음과 같다. 도 4는 본 발명의 일실시예인 이미지 분석을 통한 탈모 중증도 판별 방법을 설명하기 위한 도면이고, 도 5는 도 4에 도시된 측정이미지정보를 획득하는 단계를 통해서 획득한 측정이미지정보를 설명하기 위한 도면이며, 도 6은 도 4에 도시된 표준데이터를 생성하는 단계를 설명하기 위한 도면이고, 도 7은 도 4에 도시된 재라벨링정보를 생성하는 단계를 설명하기 위한 도면이며, 도 8 내지 도 11는 도 7에 도시된 재라벨링정보 생성 및 정확도를 예측하는 것을 나타내는 도면이다.
우선, 도 4에 도시된 바와 같이, 탈모진단장치(10)는 환자로부터 측정이미지정보를 획득할 수 있다(S10). 즉, 탈모진단장치(10)는 그로스 이미지(Gross image) 및 폴리스코프 이미지(Folliscope image)가 포함된 측정이미지정보를 획득할 수 있다.
구체적으로, 탈모진단장치(10)는 탈모진단장치(10)와 연결된 카메라를 통해 환자의 머리를 다양한 방향에서 촬영하는 일반 촬영이 수행되면, 탈모진단장치(10)는 카메라의 일반 촬영을 통해 생성된 복수의 그로스 이미지(Gross image)에 대한 정보를 획득할 수 있다. 즉, 탈모진단장치(10)는 탈모진단장치(10)와 연결된 카메라를 환자 머리의 전면에 배치하여 전면 방향에서 일반 촬영을 수행하고, 카메라를 환자 머리의 우측에 배치하여 우측 방향에서 일반 촬영을 수행하고, 카메라를 환자 머리의 좌측에 배치하여 좌측 방향에서 일반 촬영을 수행하고, 카메라를 환자 머리의 상측에 배치하여 상측 방향에서 일반 촬영을 수행하고, 카메라를 환자 머리의 후면에 배치하여 후면 방향에서 일반 촬영을 수행할 수 있다.
여기서, 그로스 이미지(Gross image)는 전반적인 모발의 상태를 확인하기 위해 DSLR 장비와 같은 카메라로 일반 촬영을 수행하였을 때 생성되는 이미지로, 환자의 머리를 촬영 방향에 따라 전면, 우측, 좌측, 상측 및 후면으로 구분하여 촬영하면, 촬영 방향에 따라 각각의 그로스 이미지(Gross image)가 생성될 수 있으며, 촬영 방향에 따라 생성된 복수의 그로스 이미지(Gross image)를 설명의 편의상 제1 이미지라고 칭하기로 한다.
예를 들어 도 5를 참조하면, 복수의 그로스 이미지(Gross image)인 제1 이미지는 제1-1 이미지(110), 제1-2 이미지(120), 제1-3 이미지(130), 제1-4 이미지(140) 및 제1-5 이미지(150)를 포함할 수 있다.
제1-1 이미지(110)는 환자의 전면 방향에서 일반 촬영을 수행하여 생성된 이미지이고, 제1-2 이미지(120)는 환자의 우측 방향에서 일반 촬영을 수행하여 생성된 이미지이고, 제1-3 이미지(130)는 환자의 좌측 방향에서 일반 촬영을 수행하여 생성된 이미지이고, 제1-4 이미지(140)는 환자의 상측 방향에서 일반 촬영을 수행하여 생성된 이미지이고, 제1-5 이미지(150)는 환자의 후면 방향에서 일반 촬영을 수행하여 생성된 이미지일 수 있다.
또한, 탈모진단장치(10)는 탈모진단장치(10)와 연결된 모발확대경(Folliscope)을 통해 환자의 머리를 부위별로 촬영하는 근접 촬영이 수행되면, 탈모진단장치(10)는 모발확대경의 근접 촬영을 통해 생성된 복수의 폴리스코프 이미지(Folliscope image)에 대한 정보를 획득할 수 있다. 즉, 탈모진단장치(10)는 탈모진단장치(10)와 연결된 모발확대경을 환자 머리의 전면 부위에 위치시켜 전면 부위에 대한 근접 촬영을 수행하고, 모발확대경을 환자 머리의 우측 부위에 위치시켜 우측 부위에 대한 근접 촬영을 수행하고, 모발확대경을 환자 머리의 좌측 부위에 위치시켜 좌측 부위에 대한 근접 촬영을 수행하고, 모발확대경을 환자 머리의 상측 부위에 위치시켜 상측 부위에 대한 근접 촬영을 수행하고, 모발확대경을 환자 머리의 후면 부위에 위치시켜 후면 부위에 대한 근접 촬영을 수행할 수 있다.
여기서, 폴리스코프 이미지(Folliscope image)는 정밀한 탈모 진료를 위해 모발확대경을 이용하여 근접 촬영을 수행하였을 때 생성되는 이미지로, 환자의 머리를 촬영 부위에 따라 전면, 우측, 좌측, 상측 및 후면으로 구분하여 촬영하면, 촬영 부위에 따라 각각의 폴리스코프 이미지(Folliscope image)가 생성될 수 있으며, 촬영 부위에 따라 생성된 복수의 폴리스코프 이미지(Folliscope image)를 설명의 편의상 제2 이미지라고 칭하기로 한다.
예를 들어 도 5를 참조하면, 복수의 폴리스코프 이미지(Folliscope image)인 제2 이미지는 제2-1 이미지(210), 제2-2 이미지(220), 제2-3 이미지(230), 제2-4 이미지(240) 및 제2-5 이미지(250)를 포함할 수 있다.
제2-1 이미지(210)는 환자의 머리 중 전면 부위에 근접 촬영을 수행하여 생성된 이미지이고, 제2-2 이미지(220)는 환자의 머리 중 우측 부위에 근접 촬영을 수행하여 생성된 이미지이고, 제2-3 이미지(230)는 환자의 머리 중 좌측 부위에 근접 촬영을 수행하여 생성된 이미지이고, 제2-4 이미지(240)는 환자의 머리 중 상측 부위에 근접 촬영을 수행하여 생성된 이미지이고, 제2-5 이미지(250)는 환자의 머리 중 후면 부위에 근접 촬영을 수행하여 생성된 이미지일 수 있다.
다음으로, 탈모진단장치(10)는 측정이미지정보를 이용하여 지능형 탈모 진단 및 예후 예측 모델을 위한 표준데이터를 생성할 수 있다(S12).
구체적으로, 도 6을 참조하면, 탈모진단장치(10)는 카메라의 일반 촬영을 통해 생성된 복수의 그로스 이미지(Gross image)를 전처리하여 제1 이미지정보와, 모발확대경의 근접 촬영을 통해 생성된 복수의 폴리스코프 이미지(Folliscope image)를 전처리하여 제2 이미지정보를 획득할 수 있다(S100).
다음, 탈모진단장치(10)는 획득한 제1 이미지정보 및 제2 이미지정보를 촬영 방향별로 분류할 수 있다(S110).
구체적으로, 탈모진단장치(10)는 제1 이미지정보를 촬영 방향별로 분석하여, 전면 방향에서 촬영된 제1-1 이미지(110), 우측 방향에서 촬영된 제1-2 이미지(120), 좌측 방향에서 촬영된 제1-3 이미지(130), 상측 방향에서 촬영된 제1-4 이미지(140), 후면 방향에서 촬영된 제1-5 이미지(150)를 촬영 방향별로 구분하여 분류할 수 있다.
본 실시예에서, 탈모진단장치(10)는 제1 이미지정보를 촬영 방향별로 분류하는데 있어, 일반 촬영 시 입력된 방향 정보를 통해 촬영 방향을 확인할 수 있으며, 환자의 머리 형태를 인식하여 인식된 정보를 통해 촬영 방향을 확인할 수도 있지만, 이에 한정하지 않는다.
또한, 탈모진단장치(10)는 제2 이미지정보를 촬영 부위별로 분석하여, 전면 부위를 촬영한 제2-1 이미지(210), 우측 부위를 촬영한 제2-2 이미지(220), 좌측 부위를 촬영한 제2-3 이미지(230), 상측 부위를 촬영한 제2-4 이미지(240), 후면 부위를 촬영한 제2-5 이미지(250)를 촬영 부위별로 구분하여 분류할 수 있다.
다음, 탈모진단장치(10)는 촬영 부위별로 분류된 제2 이미지정보를 기초로 모발의 개수 및 굵기를 나타내는 특성정보를 생성할 수 있다(S120).
구체적으로, 탈모진단장치(10)는 전면 부위를 촬영한 제2-1 이미지(210)를 기초로, 전면 부위 모발의 개수 및 굵기를 나타내는 제1 특성정보를 생성하고, 우측 부위를 촬영한 제2-2 이미지(220)를 기초로, 우측 부위 모발의 개수 및 굵기를 나타내는 제2 특성정보를 생성하고, 좌측 부위를 촬영한 제2-3 이미지(230)를 기초로, 좌측 부위 모발의 개수 및 굵기를 나타내는 제3 특성정보를 생성하고, 상측 부위를 촬영한 제2-4 이미지(240)를 기초로, 상측 부위 모발의 개수 및 굵기를 나타내는 제4 특성정보를 생성하고, 후면 부위를 촬영한 제2-5 이미지(250)를 기초로, 후면 부위 모발의 개수 및 굵기를 나타내는 제5 특성정보를 생성할 수 있다.
실시예에 따라, 탈모진단장치(10)는 각 부위의 모발의 개수 및 모발의 굵기를 나타내는 특성정보를 환자별로 수집하여 데이터베이스에 저장할 수 있다.
표 1은 본 발명의 일 실시예에 따른 환자별로 수집된 탈모 임상 데이터를 나타낸 것으로, 설명의 편의를 위해 일부분만을 나타낸 것일 수 있다.
등록
번호		 이미지 주소 성별 나이 처방일 모발의 개수 모발의 굵기
전면 우측 좌측 상측 후면 전면 우측 좌측 상측 후면
1 D:/F/1 M 55 20151117 122 71 77 58 64 0.045 0.049 0.045 0.055 0.054
2 D:/F/2 M 65 20171122 109 84 96 77 84 0.06 0.063 0.063 0.059 0.07
3 D:/F/3 M 54 20161118 172 209 145 172 145 0.044 0.047 0.046 0.041 0.043
4 D:/F/4 M 28 20170720 71 38 45 45 71 0.102 0.103 0.111 0.097 0.126
5 D:/F/5 M 32 20180724 109 71 96 90 96 0.122 0.087 0.097 0.092 0.105
즉, 탈모진단장치(10)는 제2 이미지정보로부터 전면, 우측, 좌측, 상측 및 후면 각각의 부위에 대한 모발의 개수 및 모발의 굵기를 나타내는 특성정보를 환자별로 수집할 수 있다.
실시예에 따라, 탈모진단장치(10)는 특정 환자에 대해 기간별로 특성정보를 저장하여, 시간에 따라 변화하는 모발의 개수 및 모발의 굵기를 추적하여 관리할 수 있다.
다음, 탈모진단장치(10)는 특성정보들을 기초로, 비율 값을 산출할 수 있다(S130).
구체적으로, 탈모진단장치(10)는 전면 부위 특성을 나타내는 제1 특성정보 및 후면 부위 특성을 나타내는 제5 특성정보를 기초로, 후면 부위 특성을 기준으로 전면 부위 특성과 비교하여 제1 비율 값을 산출할 수 있다. 예를 들어, 전면 부위 모발의 굵기를 후면 부위 모발의 굵기로 나누어, 모발의 굵기에 대한 제1 비율 값을 산출할 수 있으며, 전면 부위 모발의 개수를 후면 부위 모발의 개수로 나누어, 모발의 개수에 대한 제1 비율 값을 산출할 수 있다.
또한, 탈모진단장치(10)는 우측 부위 특성을 나타내는 제2 특성정보 및 후면 부위 특성을 나타내는 제5 특성정보를 기초로, 후면 부위 특성을 기준으로 우측 부위 특성과 비교하여 제2 비율 값을 산출할 수 있다. 예를 들어, 우측 부위 모발의 굵기를 후면 부위 모발의 굵기로 나누어, 모발의 굵기에 대한 제2 비율 값을 산출할 수 있으며, 우측 부위 모발의 개수를 후면 부위 모발의 개수로 나누어, 모발의 개수에 대한 제2 비율 값을 산출할 수 있다.
또한, 탈모진단장치(10)는 좌측 부위 특성을 나타내는 제3 특성정보 및 후면 부위 특성을 나타내는 제5 특성정보를 기초로, 후면 부위 특성을 기준으로 좌측 부위 특성과 비교하여 제3 비율 값을 산출할 수 있다. 예를 들어, 좌측 부위 모발의 굵기를 후면 부위 모발의 굵기로 나누어, 모발의 굵기에 대한 제3 비율 값을 산출할 수 있으며, 좌측 부위 모발의 개수를 후면 부위 모발의 개수로 나누어, 모발의 개수에 대한 제3 비율 값을 산출할 수 있다.
또한, 탈모진단장치(10)는 상측 부위 특성을 나타내는 제4 특성정보 및 후면 부위 특성을 나타내는 제5 특성정보를 기초로, 후면 부위 특성을 기준으로 상측 부위 특성과 비교하여 제4 비율 값을 산출할 수 있다. 예를 들어, 상측 부위 모발의 굵기를 후면 부위 모발의 굵기로 나누어, 모발의 굵기에 대한 제4 비율 값을 산출할 수 있으며, 상측 부위 모발의 개수를 후면 부위 모발의 개수로 나누어, 모발의 개수에 대한 제4 비율 값을 산출할 수 있다.
즉, 탈모진단장치(10)는 특성정보를 통해 비율 값을 산출하는데 있어, 후면 부위의 특성 값(모발의 개수, 굵기)을 기준으로 하여 나머지 부위의 특성 값(모발의 개수, 굵기)에 대한 비율 값을 산출할 수 있으며, 전면 부위 / 후면 부위, 우측 부위 / 후면 부위, 좌측 부위 / 후면 부위, 상측 부위 / 후면 부위 각각에 대한 비율 값을 산출할 수 있다.
다음, 탈모진단장치(10)는 산출된 비율 값들을 기초로, 각각의 부위별로 특성등급을 산출할 수 있다(S140).
구체적으로, 탈모진단장치(10)는 제2-1 이미지(210)에 등록된 탈모 진단 지표를 제1 비율 값과 비교하여 전면 부위 특성등급을 산출할 수 있다. 예를 들어, 제2-1 이미지(210)에 등록된 탈모 진단 지표는 전면 부위 전용의 탈모 진단 지표로, 전면 부위에 대한 모발의 개수, 굵기, 밀도의 등급별 기준이 등록되어 있는데, 탈모진단장치(10)는 모발의 개수에 대한 제1 비율 값을 전면 부위 전용의 탈모 진단 지표에 대입하여, 전면 부위의 모발의 개수에 대한 특성등급을 산출할 수 있으며, 모발의 굵기에 대한 제1 비율 값을 전면 부위 전용의 탈모 진단 지표에 대입하여, 전면 부위의 모발의 굵기에 대한 특성등급을 산출할 수 있다.
또한, 탈모진단장치(10)는 제2-2 이미지(220)에 등록된 탈모 진단 지표를 제2 비율 값과 비교하여 우측 부위 특성등급을 산출할 수 있다. 예를 들어, 제2-2 이미지(220)에 등록된 탈모 진단 지표는 우측 부위 전용의 탈모 진단 지표로, 우측 부위에 대한 모발의 개수, 굵기, 밀도의 등급별 기준이 등록되어 있는데, 탈모진단장치(10)는 모발의 개수에 대한 제2 비율 값을 우측 부위 전용의 탈모 진단 지표에 대입하여, 우측 부위의 모발의 개수에 대한 특성등급을 산출할 수 있으며, 모발의 굵기에 대한 제2 비율 값을 우측 부위 전용의 탈모 진단 지표에 대입하여, 우측 부위의 모발의 굵기에 대한 특성등급을 산출할 수 있다.
또한, 탈모진단장치(10)는 제2-3 이미지(230)에 등록된 탈모 진단 지표를 제3 비율 값과 비교하여 좌측 부위 특성등급을 산출할 수 있다. 예를 들어, 제2-3 이미지(230)에 등록된 탈모 진단 지표는 좌측 부위 전용의 탈모 진단 지표로, 좌측 부위에 대한 모발의 개수, 굵기, 밀도의 등급별 기준이 등록되어 있는데, 탈모진단장치(10)는 모발의 개수에 대한 제3 비율 값을 좌측 부위 전용의 탈모 진단 지표에 대입하여, 좌측 부위의 모발의 개수에 대한 특성등급을 산출할 수 있으며, 모발의 굵기에 대한 제3 비율 값을 좌측 부위 전용의 탈모 진단 지표에 대입하여, 좌측 부위의 모발의 굵기에 대한 특성등급을 산출할 수 있다.
또한, 탈모진단장치(10)는 제2-4 이미지(240)에 등록된 탈모 진단 지표를 제4 비율 값과 비교하여 상측 부위 특성등급을 산출할 수 있다. 예를 들어, 제2-4 이미지(240)에 등록된 탈모 진단 지표는 상측 부위 전용의 탈모 진단 지표로, 상측 부위에 대한 모발의 개수, 굵기, 밀도의 등급별 기준이 등록되어 있는데, 탈모진단장치(10)는 모발의 개수에 대한 제4 비율 값을 상측 부위 전용의 탈모 진단 지표에 대입하여, 상측 부위의 모발의 개수에 대한 특성등급을 산출할 수 있으며, 모발의 굵기에 대한 제4 비율 값을 상측 부위 전용의 탈모 진단 지표에 대입하여, 상측 부위의 모발의 굵기에 대한 특성등급을 산출할 수 있다.
즉, 탈모진단장치(10)는 비율 값을 통해 특성등급을 산출하는데 있어, 부위 별로 산출된 비율 값을 탈모 진단 지표에 각각 대입하여 부위별로 특성등급을 산출할 수 있다.
다음, 탈모진단장치(10)는 산출된 특성등급을 촬영 방향별로 분류된 제1 이미지정보와 매칭하여 등록할 수 있다(S150).
구체적으로, 탈모진단장치(10)는 전면 부위 특성등급을 전면 방향에서 촬영된 제1-1 이미지(110)에 매칭하여 등록하고, 우측 부위 특성등급을 우측 방향에서 촬영된 제1-2 이미지(120)에 매칭하여 등록하고, 좌측 부위 특성등급을 좌측 방향에서 촬영된 제1-3 이미지(130)에 매칭하여 등록하고, 상측 부위 특성등급을 상측 방향에서 촬영된 제1-4 이미지(140)에 매칭하여 등록할 수 있다.
이에 따라, 탈모진단장치(10)는 제1-1 이미지(110), 제1-2 이미지(120), 제1-3 이미지(130) 및 제1-4 이미지(140)를 기초로, 지능형 탈모 진단 및 예후 예측 모델을 위한 표준데이터를 생성할 수 있다.
실시예에 따라, 탈모진단장치(10)는 각 부위의 모발의 개수 및 모발의 굵기에 대한 등급 정보를 환자별로 수집하여 표준데이터를 생성할 수 있으며, 생성된 표준데이터를 데이터베이스에 저장하여 관리할 수 있다.
표 2는 본 발명의 일 실시예에 따른 환자별로 수집된 표준데이터를 나타낸 것으로, 설명의 편의를 위해 일부분만을 나타낸 것일 수 있다.
등록
번호		 이미지 주소 성별 나이 처방일 모발의 개수 등급 모발의 굵기 등급
전면 우측 좌측 상측 후면 전면 우측 좌측 상측 후면
1 D:/F/1 M 55 20151117 2 3 3 1 - 2 3 3 1 -
2 D:/F/2 M 65 20171122 3 4 4 3 - 3 4 4 3 -
3 D:/F/3 M 54 20161118 7 7 7 6 - 7 7 7 6 -
4 D:/F/4 M 28 20170720 6 6 6 6 - 6 6 6 6 -
5 D:/F/5 M 32 20180724 7 6 6 6 - 7 6 6 6 -
다음으로, 탈모관리서버(20)는 탈모진단장치(10)로부터 표준데이터를 수신할 수 있다(S14).
실시예에 따라, 탈모관리서버(20)는 탈모진단장치(10)로부터 측정이미지정보를 수신하고, 수신한 측정이미지정보를 이용하여 지능형 탈모 진단 및 예후 예측 모델을 위한 표준데이터를 생성할 수 있다.
다음으로, 탈모관리서버(20)는 표준데이터를 기초로 그로스 이미지의 중증도를 판별하여 탈모 중증도를 재라벨링하여 재라벨링정보를 생성할 수 있다(S16).
구체적으로, 도 7을 참조하면 탈모관리서버(20)는 표준데이터에 포함된 표준두피정보를 독립변수로 설정하고(S200), 표준데이터에 포함된 표준탈모중증도정보를 종속변수로 설정하며(S210), 의사결정트리(Decision Tree)를 이용하여 독립변수 및 종속변수를 분류하여 표준탈모중증도정보를 재라벨링하여 재라벨링정보를 생성할 수 있다(S220).
예를 들어, 탈모관리서버(20)는 정상(normal)단계, 초기(mild)단계, 보통(moderate)단계 및 심각(severe)단계로 이루어진 표준탈모중증도정보를 2개의 중증도단계로 재라벨링할 수 있다. 여기서, 재라벨링정보는 그로스 이미지의 탈모 중증도를 이진 분류(Binary Classification)를 이용하여 2개의 중증도단계로 재라벨링한 정보일 수 있다.
본 실시예에서, 탈모관리서버(20)는 정상단계 및 초기단계를 함께 분류하여 제1 중증도단계로 재라벨링한 정보와, 보통단계 및 심각단계를 함께 분류하여 제1 중증도단계보다는 높은 단계의 제2 중증도단계로 재라벨링하거나, 정상단계를 제1 중증도단계로 재라벨링한 정보와, 초기단계, 보통단계 및 심각단계를 함께 분류하여 제1 중증도단계보다는 높은 단계의 제2 중증도단계로 재라벨링할 수 있지만, 이에 한정하지 않는다.
실시예에 따라, 탈모진단장치(10)는 표준데이터를 기초로 그로스 이미지의 중증도를 판별하여 탈모 중증도를 재라벨링하여 재라벨링정보를 생성할 수 있다.
다음으로, 탈모관리서버(20)는 재라벨링된 재라벨링정보의 정확도를 예측하여 정확한 경우(S18), 재라벨링정보를 기초로 표준데이터를 업데이트할 수 있다(S20).
예를 들어, 성별이 여성인 경우, 전면부위의 그로스 이미지에 대하여 정상단계를 제1 중증도단계로 재라벨링하고, 초기단계, 보통단계 및 심각단계를 함께 분류하여 제1 중증도단계보다는 높은 단계의 제2 중증도단계로 재라벨링하는 경우, 아래의 표 3과 같이 4개로 다중분류한 경우보다 높은 수치를 확인할 수 있다.
Train Test Total
0 1 0 1 0 1
7 37 2 16 9 53
즉, 여성 그로스 이미지에 대하여 제1 중증도단계와 제2 중증도단계에 대한 중중도를 의사결정트리를 이용하여 도 8(a)와 재라벨링하고, 재라벨링된 정보를 ROC curve를 이용하여 도 8(b)와 같이 정확도를 예측할 수 있다. 이때, 표 3에 대한 재라벨링정보의 정확도는 94.4% (p-value: 0.3901)일 수 있다.
또한, 성별이 여성인 경우, 전면부위의 그로스 이미지에 대하여 정상단계 및 보통단계를 함께 분류하여 제1 중증도단계로 재라벨링하고, 보통단계 및 심각단계를 함께 분류하여 제1 중증도단계보다는 높은 단계의 제2 중증도단계로 재라벨링하는 경우, 아래의 표 4와 같이 4개로 다중분류한 경우보다 높은 수치를 확인할 수 있다.
Train Test Total
0 1 0 1 0 1
28 19 11 7 39 26
또한, 성별이 남성인 경우, 전면부위의 그로스 이미지에 대하여 정상단계를 제1 중증도단계로 재라벨링하고, 초기단계, 보통단계 및 심각단계를 함께 분류하여 제1 중증도단계보다는 높은 단계의 제2 중증도단계로 재라벨링하는 경우, 아래의 표 3과 같이 4개로 다중분류한 경우보다 높은 수치를 확인할 수 있다.
Train Test Total
0 1 0 1 0 1
11 50 4 21 15 71
즉, 남성 그로스 이미지에 대하여 제1 중증도단계와 제2 중증도단계에 대한 중중도를 의사결정트리를 이용하여 도 10(a)와 재라벨링하고, 재라벨링된 정보를 ROC curve를 이용하여 도 10(b)와 같이 정확도를 예측할 수 있다. 이때, 표 5에 대한 재라벨링정보의 정확도는 92.31% (p-value: 0.09928)일 수 있다.
그리고, 성별이 남성인 경우, 전면부위의 그로스 이미지에 대하여 정상단계 및 보통단계를 함께 분류하여 제1 중증도단계로 재라벨링하고, 보통단계 및 심각단계를 함께 분류하여 제1 중증도단계보다는 높은 단계의 제2 중증도단계로 재라벨링하는 경우, 아래의 표 6과 같이 4개로 다중분류한 경우보다 높은 수치를 확인할 수 있다.
Train Test Total
0 1 0 1 0 1
47 20 20 7 67 27
즉, 남성 그로스 이미지에 대하여 제1 중증도단계와 제2 중증도단계에 대한 중중도를 의사결정트리를 이용하여 도 11(a)와 재라벨링하고, 재라벨링된 정보를 ROC curve를 이용하여 도 11(b)와 같이 정확도를 예측할 수 있다. 이때, 표 6에 대한 재라벨링정보의 정확도는 92.59% (p-value: 0.01618)일 수 있다.
한편, 재라벨링된 재라벨링정보의 정확도를 예측하여 정확하지 경우(S18), 탈모관리서버(20)는 표준데이터를 기초로 그로스 이미지의 중증도를 판별하여 탈모 중증도를 재라벨링하여 재라벨링정보를 생성할 수 있다. 이때, 재라벨링정보를 생성하는 단계는, 재라벨링된 재라벨링정보의 정확도가 정확할 때까지 반복 수행될 수 있다.
마지막으로, 탈모진단장치(10)는 재라벨링정보에 의해 업데이트된 표준데이터를 출력할 수 있다(S22).
도 12는 본 발명의 다른 실시예에 따른 이미지 분석을 통한 탈모 중증도 판별 시스템을 설명하기 위한 도면이다.
도 12를 참조하면, 본 발명의 다른 실시예에 따른 이미지 분석을 통한 탈모 중증도 판별 시스템(2)은 사용자 단말기(30)를 포함할 수 있다.
도 12에 도시된 사용자 단말기(30)를 제외하고는 도 1 내지 도 3에 도시된 이미지 분석을 통한 탈모 중증도 판별 시스템(1)과 동일한 특성을 가질 수 있다.
이하의 도 12에서는 도 1 내지 도 3에 기재된 내용과 중복되는 내용에 대한 상세한 설명을 생략하고, 다른 점을 위주로 설명할 수 있다. 따라서, 도 12에 도시된 이미지 분석을 통한 탈모 중증도 판별 시스템(2)과 동일한 기능을 수행하는 구성요소에 대해서는 도 1 내지 도 3과 동일한 부호를 부여하고 그에 대한 상세한 설명은 생략한다.
우선, 사용자 단말기(30)는 응용 프로그램(application program 또는 애플리케이션(application))을 이용하여 탈모진단장치(10) 또는 탈모관리서버(20)의 동작을 제어할 수 있으며, 이러한 응용 프로그램은 무선통신을 통해 외부서버 또는 탈모관리서버(20)로부터 다운로드 될 수 있다.
사용자 단말기(30)는 탈모진단장치(10) 및 탈모관리서버(20)와 무선통신망을 이용하여 실시간으로 동기화되어 데이터를 송수신할 수 있다.
사용자 단말기(30)는 신호송수신부(32), 메모리부(34), 화면부(36) 및 단말기제어부(38)를 포함할 수 있다.
신호송수신부(32)는 탈모진단장치(10)로부터 측정이미지정보 및 표준데이터를 수신받고, 탈모관리서버(20)로부터 측정이미지정보, 표준데이터 및 재라벨링정보를 수신받을 수 있다.
메모리부(34)는 무선통신망을 통해 탈모진단장치(10) 및 탈모관리서버(20) 사이에서 송수신되는 데이터를 저장할 수 있다.
화면부(36)는 탈모진단장치(10), 탈모관리서버(20), 사용자 단말기(30) 사이에 송수신되는 데이터를 화면을 통해 모니터링할 수 있다. 탈모진단장치(10)의 작동상태를 시각적 및 청각적으로 출력하여 사용자가 쉽게 확인할 수 있다. 이에 따라, 탈모진단장치(10) 또는 탈모관리서버(20)에 고장 또는 오류가 발생하는 경우 즉각적으로 대응할 수 있다.
단말기제어부(38)는 탈모관리서버(20)로부터 표준데이터를 수신하고, 표준데이터를 기초로 그로스 이미지의 중증도를 판별하여 탈모 중증도를 재라벨링하여 재라벨링정보를 생성할 수 있다.
실시예에 따라, 단말기제어부(38)는 탈모진단장치(10) 또는 탈모관리서버(20)로부터 측정이미지정보를 수신하는 경우 측정이미지정보를 이용하여 지능형 탈모 진단 및 예후 예측 모델을 위한 표준데이터를 생성할 수 있다.
이와 같은 사용자 단말기(30)는 탈모진단장치(10) 및 탈모관리서버(20)와의 통신을 지원하는 각종 휴대 가능한 전자통신기기를 포함할 수 있다. 예를 들어, 별도의 스마트 기기로써, 스마트폰(Smart phone), PDA(Personal Digital Assistant), 테블릿(Tablet), 웨어러블 디바이스(Wearable Device, 예를 들어, 워치형 단말기(Smartwatch), 글래스형 단말기(Smart Glass), HMD(Head Mounted Display)등 포함) 및 각종 IoT(Internet of Things) 단말과 같은 다양한 단말을 포함할 수 있지만 이에 한정하는 것은 아니다.
이와 같은 구조를 갖는 본 발명의 다른 실시예에 따른 이미지 분석을 통한 탈모 중증도 판별 시스템(2)의 동작은 다음과 같다. 도 13은 본 발명의 또 다른 일실시예에 따른 이미지 분석을 통한 탈모 중증도 판별 방법을 설명하기 위한 도면이다.
도 13에서는 표준데이터 및 재라벨링정보를 사용자 단말기(30)에서 생성하는 경우를 한정하여 설명한다. 이에, 표준데이터를 생성하는 S34 단계는 S12 단계와 동일하고(도 4 내지 도 6 참조), 재라벨링정보를 생성하는 S36 단계는 S16 단계와 동일(도 7 내지 도 11 참조)할 수 있으므로, 이에 대한 구체적인 설명은 생략한다.
우선, 도 13에 도시된 바와 같이, 사용자 단말기(30)는 탈모관리서버(20)로부터 탈모진단장치(10)가 획득한 측정이미지정보를 수신받아(S30, S32), 그로스 이미지 및 폴리스코프 이미지를 이용하여 지능형 탈모 진단 및 예후 예측 모델을 위한 표준데이터를 생성할 수 있다(S34).
다음으로, 사용자 단말기(30)는 표준데이터를 기초로 그로스 이미지의 중증도를 판별하여 탈모 중증도를 재라벨링하여 재라벨링정보를 생성하고(S36), 생성된 재라벨링정보의 정확도를 예측할 수 있다(S38).
다음으로, 사용자 단말기(30)는 재라벨링된 재라벨링정보의 정확도를 예측하여 정확한 경우, 재라벨링정보를 기초로 표준데이터를 업데이트할 수 있다(S40).
한편, 재라벨링된 재라벨링정보의 정확도를 예측하여 정확하지 경우, 사용자 단말기(30)는 표준데이터를 기초로 그로스 이미지의 중증도를 판별하여 탈모 중증도를 재라벨링하여 재라벨링정보를 생성할 수 있다. 이때, 재라벨링정보를 생성하는 단계는, 재라벨링된 재라벨링정보의 정확도가 정확할 때까지 반복 수행될 수 있다.
마지막으로, 탈모관리서버(20)는 사용자 단말기(30)에 로부터 수신받은 재라벨링정보를 기초로 업데이트된 표준데이터를 탈모진단장치(10)로 전송하고(S42), 탈모진단장치(10)는 재라벨링정보에 의해 업데이트된 표준데이터를 출력할 수 있다(S22).
본 발명의 각각의 실시예에 따른 지능형 탈모 진단 및 예후 예측 모델을 위한 이미지 처리 방법은 2018년도 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원을 받아 수행된 기초연구사업(NRF-2018R1A2B6007954)을 통해 개발되었다.
본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.
이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.
1, 2 : 이미지 분석을 통한 탈모 중증도 판별 시스템
10 : 탈모진단장치
11 : 촬영부 12 : 디스플레이부
13 : 이미지 처리부 14 : 탈모 수준 판단부
15 : 제어부
20 : 탈모관리서버
22 : 데이터통신부 24 : 데이터베이스부
26 : 모니터링부 28 : 관리제어부
30 : 사용자 단말기
32 : 신호송수신부 34 : 메모리부
36 : 화면부 38 : 단말기제어부

Claims (20)

  1. 탈모진단장치 및 탈모관리서버에 의해 수행되는, 이미지 분석을 통한 탈모 중증도 판별 방법에 있어서,
    상기 탈모진단장치가 그로스 이미지(Gross image)인 제1 이미지 및 폴리스코프 이미지(Folliscope image)인 제2 이미지가 포함된 측정이미지정보를 획득하는 단계;
    상기 탈모관리서버가 상기 측정이미지정보를 이용하여 지능형 탈모 진단 및 예후 예측 모델을 위한 표준데이터를 생성하는 단계; 및
    상기 탈모관리서버가 상기 표준데이터를 기초로 상기 그로스 이미지의 중증도를 판별하여 탈모 중증도를 재라벨링하여 재라벨링정보를 생성하는 단계;를 포함하고,
    상기 재라벨링정보를 생성하는 단계는,
    상기 표준데이터에 포함된 표준두피정보를 독립변수로 설정하는 단계;
    상기 표준데이터에 포함된 표준탈모중증도정보를 종속변수로 설정하는 단계; 및
    의사결정트리(Decision Tree)를 이용하여 상기 독립변수 및 상기 종속변수를 분류하여 정상(normal)단계, 초기(mild)단계, 보통(moderate)단계 및 심각(severe)단계로 이루어진 상기 표준탈모중증도정보를 2개의 중증도 단계로 재라벨링하는 단계;를 포함하고,
    상기 표준데이터를 생성하는 단계는,
    상기 제1 이미지를 촬영 방향별로 분석하여 전면 방향에서 촬영된 제1-1 이미지, 우측 방향에서 촬영된 제1-2 이미지, 좌측 방향에서 촬영된 제1-3 이미지, 상측 방향에서 촬영된 제1-4 이미지, 후면 방향에서 촬영된 제1-5 이미지를 촬영 방향별로 구분하여 분류하는 단계;
    상기 제2 이미지를 촬영 부위별로 분석하여 전면 부위를 촬영한 제2-1 이미지, 우측 부위를 촬영한 제2-2 이미지, 좌측 부위를 촬영한 제2-3 이미지, 상측 부위를 촬영한 제2-4 이미지, 후면 부위를 촬영한 제2-5 이미지를 촬영 부위별로 구분하여 분류하는 단계;
    상기 제2-1 이미지를 기초로 전면 부위 모발의 개수, 굵기 및 밀도를 나타내는 제1 특성 정보를 생성하고, 상기 제2-2 이미지를 기초로 우측 부위 모발의 개수, 굵기 및 밀도를 나타내는 제2 특성 정보를 생성하고, 상기 제2-3 이미지를 기초로 좌측 부위 모발의 개수, 굵기 및 밀도를 나타내는 제3 특성 정보를 생성하고, 상기 제2-4 이미지를 기초로 상측 부위 모발의 개수, 굵기 및 밀도를 나타내는 제4 특성 정보를 생성하고, 상기 제2-5 이미지를 기초로 후면 부위 모발의 개수, 굵기 및 밀도를 나타내는 제5 특성 정보를 생성하는 단계;
    전면 부위 특성을 갖는 상기 제1 특성 정보 및 후면 부위 특성을 갖는 상기 제5 특성 정보를 기초로 후면 부위 특성을 기준으로 전면 부위 특성과 비교하여 제1 비율 값을 산출하고, 우측 부위 특성을 갖는 상기 제2 특성 정보 및 후면 부위 특성을 갖는 상기 제5 특성 정보를 기초로 후면 부위 특성을 기준으로 우측 부위 특성과 비교하여 제2 비율 값을 산출하고, 좌측 부위 특성을 갖는 상기 제3 특성 정보 및 후면 부위 특성을 갖는 상기 제5 특성 정보를 기초로 후면 부위 특성을 기준으로 좌측 부위 특성과 비교하여 제3 비율 값을 산출하고, 상측 부위 특성을 갖는 상기 제4 특성 정보 및 후면 부위 특성을 갖는 상기 제5 특성 정보를 기초로 후면 부위 특성을 기준으로 상측 부위 특성과 비교하여 제4 비율 값을 산출하는 단계;
    상기 제2-1 이미지에 등록된 탈모 진단 지표를 상기 제1 비율 값과 비교하여 모발의 개수, 굵기 및 밀도에 대한 전면 부위 특성 등급을 산출하고, 상기 제2-2 이미지에 등록된 탈모 진단 지표를 상기 제2 비율 값과 비교하여 모발의 개수, 굵기 및 밀도에 대한 우측 부위 특성 등급을 산출하고, 상기 제2-3 이미지에 등록된 탈모 진단 지표를 상기 제3 비율 값과 비교하여 모발의 개수, 굵기 및 밀도에 대한 좌측 부위 특성 등급을 산출하고, 상기 제2-4 이미지에 등록된 탈모 진단 지표를 상기 제4 비율 값과 비교하여 모발의 개수, 굵기 및 밀도에 대한 상측 부위 특성 등급을 산출하는 단계;
    상기 전면 부위 특성 등급을 상기 제1-1 이미지에 매칭하여 등록하고, 상기 우측 부위 특성 등급을 상기 제1-2 이미지에 매칭하여 등록하고, 상기 좌측 부위 특성 등급을 상기 제1-3 이미지에 매칭하여 등록하고, 상기 상측 부위 특성 등급을 상기 제1-4 이미지에 매칭하여 등록하는 단계; 및
    상기 제1-1 이미지, 상기 제1-2 이미지, 상기 제1-3 이미지 및 상기 제1-4 이미지를 기초로, 지능형 탈모 진단 및 예후 예측 모델을 위한 상기 표준데이터를 생성하는 단계를 포함하는, 이미지 분석을 통한 탈모 중증도 판별 방법.
  2. 삭제
  3. 삭제
  4. 제1항에 있어서,
    상기 재라벨링정보를 생성하는 단계는,
    상기 정상단계 및 상기 초기단계를 함께 분류하여 제1 중증도단계로 재라벨링하고,
    상기 보통단계 및 상기 심각단계를 함께 분류하여 제2 중증도단계로 재라벨링하고,
    상기 제1 증중도단계는 상기 제2 중증도단계보다 상기 탈모 중증도가 낮은, 이미지 분석을 통한 탈모 중증도 판별 방법.
  5. 제1항에 있어서,
    상기 재라벨링정보를 생성하는 단계는,
    상기 정상단계를 제1 중증도단계로 재라벨링하고,
    상기 초기단계, 상기 보통단계 및 상기 심각단계를 함께 분류하여 제2 중증도단계로 재라벨링하고,
    상기 제1 증중도단계는 상기 제2 중증도단계보다 상기 탈모 중증도가 낮은, 이미지 분석을 통한 탈모 중증도 판별 방법.
  6. 제1항에 있어서,
    상기 측정이미지정보를 획득하는 단계는,
    환자의 머리를 다양한 방향에서 카메라로 촬영하는 일반 촬영을 수행하여 상기 그로스 이미지를 획득하는 단계;
    상기 환자의 머리를 부위별로 모발확대경으로 촬영하는 근접 촬영을 수행하여 상기 폴리스코프 이미지를 획득하는 단계; 및
    상기 그로스이미지 및 상기 폴리스코프 이미지를 전처리하여 상기 측정이미지정보를 생성하는 단계;를 포함하는, 이미지 분석을 통한 탈모 중증도 판별 방법.
  7. 삭제
  8. 제1항에 있어서,
    부위정보는 전면 부위, 우측 부위, 좌측 부위 및 상측 부위에 대한 적어도 하나 이상의 정보를 포함하고,
    측정모발정보는 상기 부위정보를 기초로 전면 부위의 모발의 굵기, 우측 부위의 모발의 굵기, 좌측 부위의 모발의 굵기, 상측 부위의 모발의 굵기, 전면 부위의 모발의 개수, 우측 부위의 모발의 개수, 좌측 부위의 모발의 개수, 상측 부위의 모발의 개수, 전면 부위의 모발의 밀도, 우측 부위의 모발의 밀도, 좌측 부위의 모발의 밀도 및 상측 부위의 모발 의 굵기 에 대한 적어도 하나 이상의 정보를 포함하는, 이미지 분석을 통한 탈모 중증도 판별 방법.
  9. 제1항에 있어서,
    상기 탈모관리서버가 상기 재라벨링정보에 대응하여 상기 표준데이터를 업데이트하는 단계;를 더 포함하는, 이미지 분석을 통한 탈모 중증도 판별 방법.
  10. 제1항에 있어서,
    상기 탈모관리서버가 상기 재라벨링정보의 정확도를 예측하는 단계;를 더 포함하는, 이미지 분석을 통한 탈모 중증도 판별 방법.
  11. 탈모진단장치에 의해 수행되는, 이미지 분석을 통한 탈모 중증도 판별 방법에 있어서,
    제1 이미지인 그로스 이미지(Gross image) 및 제2 이미지인 폴리스코프 이미지(Folliscope image)를 이용하여 지능형 탈모 진단 및 예후 예측 모델을 위한 표준데이터를 생성하는 단계; 및
    상기 표준데이터를 기초로 상기 그로스 이미지의 중증도를 판별하여 탈모 중증도를 재라벨링하여 재라벨링정보를 생성하는 단계;를 포함하고,
    상기 재라벨링정보를 생성하는 단계는,
    상기 표준데이터에 포함된 표준두피정보를 독립변수로 설정하는 단계;
    상기 표준데이터에 포함된 표준탈모중증도정보를 종속변수로 설정하는 단계; 및
    의사결정트리(Decision Tree)를 이용하여 상기 독립변수 및 상기 종속변수를 분류하여 정상(normal)단계, 초기(mild)단계, 보통(moderate)단계 및 심각(severe)단계로 이루어진 상기 탈모 중증도를 상기 탈모 중증도를 2개의 중증도 단계로 재라벨링하는 단계;를 포함하고,
    상기 표준데이터를 생성하는 단계는,
    상기 제1 이미지를 촬영 방향별로 분석하여 전면 방향에서 촬영된 제1-1 이미지, 우측 방향에서 촬영된 제1-2 이미지, 좌측 방향에서 촬영된 제1-3 이미지, 상측 방향에서 촬영된 제1-4 이미지, 후면 방향에서 촬영된 제1-5 이미지를 촬영 방향별로 구분하여 분류하는 단계;
    상기 제2 이미지를 촬영 부위별로 분석하여 전면 부위를 촬영한 제2-1 이미지, 우측 부위를 촬영한 제2-2 이미지, 좌측 부위를 촬영한 제2-3 이미지, 상측 부위를 촬영한 제2-4 이미지, 후면 부위를 촬영한 제2-5 이미지를 촬영 부위별로 구분하여 분류하는 단계;
    상기 제2-1 이미지를 기초로 전면 부위 모발의 개수, 굵기 및 밀도를 나타내는 제1 특성 정보를 생성하고, 상기 제2-2 이미지를 기초로 우측 부위 모발의 개수, 굵기 및 밀도를 나타내는 제2 특성 정보를 생성하고, 상기 제2-3 이미지를 기초로 좌측 부위 모발의 개수, 굵기 및 밀도를 나타내는 제3 특성 정보를 생성하고, 상기 제2-4 이미지를 기초로 상측 부위 모발의 개수, 굵기 및 밀도를 나타내는 제4 특성 정보를 생성하고, 상기 제2-5 이미지를 기초로 후면 부위 모발의 개수, 굵기 및 밀도를 나타내는 제5 특성 정보를 생성하는 단계;
    전면 부위 특성을 갖는 상기 제1 특성 정보 및 후면 부위 특성을 갖는 상기 제5 특성 정보를 기초로 후면 부위 특성을 기준으로 전면 부위 특성과 비교하여 제1 비율 값을 산출하고, 우측 부위 특성을 갖는 상기 제2 특성 정보 및 후면 부위 특성을 갖는 상기 제5 특성 정보를 기초로 후면 부위 특성을 기준으로 우측 부위 특성과 비교하여 제2 비율 값을 산출하고, 좌측 부위 특성을 갖는 상기 제3 특성 정보 및 후면 부위 특성을 갖는 상기 제5 특성 정보를 기초로 후면 부위 특성을 기준으로 좌측 부위 특성과 비교하여 제3 비율 값을 산출하고, 상측 부위 특성을 갖는 상기 제4 특성 정보 및 후면 부위 특성을 갖는 상기 제5 특성 정보를 기초로 후면 부위 특성을 기준으로 상측 부위 특성과 비교하여 제4 비율 값을 산출하는 단계;
    상기 제2-1 이미지에 등록된 탈모 진단 지표를 상기 제1 비율 값과 비교하여 모발의 개수, 굵기 및 밀도에 대한 전면 부위 특성 등급을 산출하고, 상기 제2-2 이미지에 등록된 탈모 진단 지표를 상기 제2 비율 값과 비교하여 모발의 개수, 굵기 및 밀도에 대한 우측 부위 특성 등급을 산출하고, 상기 제2-3 이미지에 등록된 탈모 진단 지표를 상기 제3 비율 값과 비교하여 모발의 개수, 굵기 및 밀도에 대한 좌측 부위 특성 등급을 산출하고, 상기 제2-4 이미지에 등록된 탈모 진단 지표를 상기 제4 비율 값과 비교하여 모발의 개수, 굵기 및 밀도에 대한 상측 부위 특성 등급을 산출하는 단계;
    상기 전면 부위 특성 등급을 상기 제1-1 이미지에 매칭하여 등록하고, 상기 우측 부위 특성 등급을 상기 제1-2 이미지에 매칭하여 등록하고, 상기 좌측 부위 특성 등급을 상기 제1-3 이미지에 매칭하여 등록하고, 상기 상측 부위 특성 등급을 상기 제1-4 이미지에 매칭하여 등록하는 단계; 및
    상기 제1-1 이미지, 상기 제1-2 이미지, 상기 제1-3 이미지 및 상기 제1-4 이미지를 기초로, 지능형 탈모 진단 및 예후 예측 모델을 위한 상기 표준데이터를 생성하는 단계를 포함하는, 이미지 분석을 통한 탈모 중증도 판별 방법.
  12. 제11항에 있어서,
    상기 표준데이터를 생성하는 단계는,
    환자의 머리를 다양한 방향에서 카메라로 촬영하는 일반 촬영이 수행되면, 상기 카메라의 일반 촬영을 통해 생성된 상기 그로스 이미지(Gross image)인 상기 제1 이미지를 획득하는 단계; 및
    상기 환자의 머리를 부위별로 모발확대경으로 촬영하는 근접 촬영이 수행되면, 상기 모발확대경의 근접 촬영을 통해 생성된 상기 폴리스코프 이미지(Folliscope image)인 상기 제2 이미지를 획득하는 단계;를 포함하는, 이미지 분석을 통한 탈모 중증도 판별 방법.
  13. 삭제
  14. 제11항에 있어서,
    상기 표준데이터를 기초로 상기 그로스 이미지의 중증도를 판별하여 탈모 중증도를 재라벨링하여 상기 재라벨링정보를 생성하는 탈모관리서버;를 더 포함하는, 이미지 분석을 통한 탈모 중증도 판별 방법.
  15. 제1 이미지인 그로스 이미지(Gross image) 및 제2 이미지인 폴리스코프 이미지(Folliscope image)가 포함된 측정이미지정보를 획득하는 탈모진단장치; 및
    표준데이터를 기초로 상기 그로스 이미지의 중증도를 판별하여 정상(normal)단계, 초기(mild)단계, 보통(moderate)단계 및 심각(severe)단계로 이루어진 탈모 중증도를 2개의 중증도 단계로 재라벨링하여 재라벨링정보를 생성하고, 상기 재라벨링정보에 대응하여 상기 표준데이터를 업데이트하는 탈모관리서버;를 포함하고,
    상기 탈모관리서버는,
    상기 제1 이미지를 촬영 방향별로 분석하여 전면 방향에서 촬영된 제1-1 이미지, 우측 방향에서 촬영된 제1-2 이미지, 좌측 방향에서 촬영된 제1-3 이미지, 상측 방향에서 촬영된 제1-4 이미지, 후면 방향에서 촬영된 제1-5 이미지를 촬영 방향별로 구분하여 분류하고, 상기 제2 이미지를 촬영 부위별로 분석하여 전면 부위를 촬영한 제2-1 이미지, 우측 부위를 촬영한 제2-2 이미지, 좌측 부위를 촬영한 제2-3 이미지, 상측 부위를 촬영한 제2-4 이미지, 후면 부위를 촬영한 제2-5 이미지를 촬영 부위별로 구분하여 분류하고, 상기 제2-1 이미지를 기초로 전면 부위 모발의 개수, 굵기 및 밀도를 나타내는 제1 특성 정보를 생성하고, 상기 제2-2 이미지를 기초로 우측 부위 모발의 개수, 굵기 및 밀도를 나타내는 제2 특성 정보를 생성하고, 상기 제2-3 이미지를 기초로 좌측 부위 모발의 개수, 굵기 및 밀도를 나타내는 제3 특성 정보를 생성하고, 상기 제2-4 이미지를 기초로 상측 부위 모발의 개수, 굵기 및 밀도를 나타내는 제4 특성 정보를 생성하고, 상기 제2-5 이미지를 기초로 후면 부위 모발의 개수, 굵기 및 밀도를 나타내는 제5 특성 정보를 생성하며, 전면 부위 특성을 갖는 상기 제1 특성 정보 및 후면 부위 특성을 갖는 상기 제5 특성 정보를 기초로 후면 부위 특성을 기준으로 전면 부위 특성과 비교하여 제1 비율 값을 산출하고, 우측 부위 특성을 갖는 상기 제2 특성 정보 및 후면 부위 특성을 갖는 상기 제5 특성 정보를 기초로 후면 부위 특성을 기준으로 우측 부위 특성과 비교하여 제2 비율 값을 산출하고, 좌측 부위 특성을 갖는 상기 제3 특성 정보 및 후면 부위 특성을 갖는 상기 제5 특성 정보를 기초로 후면 부위 특성을 기준으로 좌측 부위 특성과 비교하여 제3 비율 값을 산출하고, 상측 부위 특성을 갖는 상기 제4 특성 정보 및 후면 부위 특성을 갖는 상기 제5 특성 정보를 기초로 후면 부위 특성을 기준으로 상측 부위 특성과 비교하여 제4 비율 값을 산출하고, 상기 제2-1 이미지에 등록된 탈모 진단 지표를 상기 제1 비율 값과 비교하여 모발의 개수, 굵기 및 밀도에 대한 전면 부위 특성 등급을 산출하고, 상기 제2-2 이미지에 등록된 탈모 진단 지표를 상기 제2 비율 값과 비교하여 모발의 개수, 굵기 및 밀도에 대한 우측 부위 특성 등급을 산출하고, 상기 제2-3 이미지에 등록된 탈모 진단 지표를 상기 제3 비율 값과 비교하여 모발의 개수, 굵기 및 밀도에 대한 좌측 부위 특성 등급을 산출하고, 상기 제2-4 이미지에 등록된 탈모 진단 지표를 상기 제4 비율 값과 비교하여 모발의 개수, 굵기 및 밀도에 대한 상측 부위 특성 등급을 산출하며, 상기 전면 부위 특성 등급을 상기 제1-1 이미지에 매칭하여 등록하고, 상기 우측 부위 특성 등급을 상기 제1-2 이미지에 매칭하여 등록하고, 상기 좌측 부위 특성 등급을 상기 제1-3 이미지에 매칭하여 등록하고, 상기 상측 부위 특성 등급을 상기 제1-4 이미지에 매칭하여 등록하고, 상기 제1-1 이미지, 상기 제1-2 이미지, 상기 제1-3 이미지 및 상기 제1-4 이미지를 기초로, 지능형 탈모 진단 및 예후 예측 모델을 위한 상기 표준데이터를 생성하는, 이미지 분석을 통한 탈모 중증도 판별 시스템.
  16. 삭제
  17. 제1 이미지인 그로스 이미지(Gross image) 및 제2 이미지인 폴리스코프 이미지(Folliscope image)가 포함된 측정이미지정보를 분석하고, 각각의 이미지를 촬영 방향 및 촬영 부위별로 구분하여 분류하여, 탈모 수준을 판단할 수 있도록 분류된 이미지에 대한 라벨링 작업을 수행하여 환자의 탈모 수준을 판단하여 표준데이터를 생성하고,
    상기 표준데이터를 기초로 상기 그로스 이미지의 중증도를 판별하여 정상(normal)단계, 초기(mild)단계, 보통(moderate)단계 및 심각(severe)단계로 이루어진 탈모 중증도를 2개의 중증도 단계로 재라벨링하여 재라벨링정보를 생성하고, 상기 재라벨링정보에 대응하여 상기 표준데이터를 업데이트하는 탈모진단장치;를 포함하고,
    상기 탈모진단장치는,
    상기 제1 이미지를 촬영 방향별로 분석하여 전면 방향에서 촬영된 제1-1 이미지, 우측 방향에서 촬영된 제1-2 이미지, 좌측 방향에서 촬영된 제1-3 이미지, 상측 방향에서 촬영된 제1-4 이미지, 후면 방향에서 촬영된 제1-5 이미지를 촬영 방향별로 구분하여 분류하고, 상기 제2 이미지를 촬영 부위별로 분석하여 전면 부위를 촬영한 제2-1 이미지, 우측 부위를 촬영한 제2-2 이미지, 좌측 부위를 촬영한 제2-3 이미지, 상측 부위를 촬영한 제2-4 이미지, 후면 부위를 촬영한 제2-5 이미지를 촬영 부위별로 구분하여 분류하고, 상기 제2-1 이미지를 기초로 전면 부위 모발의 개수, 굵기 및 밀도를 나타내는 제1 특성 정보를 생성하고, 상기 제2-2 이미지를 기초로 우측 부위 모발의 개수, 굵기 및 밀도를 나타내는 제2 특성 정보를 생성하고, 상기 제2-3 이미지를 기초로 좌측 부위 모발의 개수, 굵기 및 밀도를 나타내는 제3 특성 정보를 생성하고, 상기 제2-4 이미지를 기초로 상측 부위 모발의 개수, 굵기 및 밀도를 나타내는 제4 특성 정보를 생성하고, 상기 제2-5 이미지를 기초로 후면 부위 모발의 개수, 굵기 및 밀도를 나타내는 제5 특성 정보를 생성하며, 전면 부위 특성을 갖는 상기 제1 특성 정보 및 후면 부위 특성을 갖는 상기 제5 특성 정보를 기초로 후면 부위 특성을 기준으로 전면 부위 특성과 비교하여 제1 비율 값을 산출하고, 우측 부위 특성을 갖는 상기 제2 특성 정보 및 후면 부위 특성을 갖는 상기 제5 특성 정보를 기초로 후면 부위 특성을 기준으로 우측 부위 특성과 비교하여 제2 비율 값을 산출하고, 좌측 부위 특성을 갖는 상기 제3 특성 정보 및 후면 부위 특성을 갖는 상기 제5 특성 정보를 기초로 후면 부위 특성을 기준으로 좌측 부위 특성과 비교하여 제3 비율 값을 산출하고, 상측 부위 특성을 갖는 상기 제4 특성 정보 및 후면 부위 특성을 갖는 상기 제5 특성 정보를 기초로 후면 부위 특성을 기준으로 상측 부위 특성과 비교하여 제4 비율 값을 산출하고, 상기 제2-1 이미지에 등록된 탈모 진단 지표를 상기 제1 비율 값과 비교하여 모발의 개수, 굵기 및 밀도에 대한 전면 부위 특성 등급을 산출하고, 상기 제2-2 이미지에 등록된 탈모 진단 지표를 상기 제2 비율 값과 비교하여 모발의 개수, 굵기 및 밀도에 대한 우측 부위 특성 등급을 산출하고, 상기 제2-3 이미지에 등록된 탈모 진단 지표를 상기 제3 비율 값과 비교하여 모발의 개수, 굵기 및 밀도에 대한 좌측 부위 특성 등급을 산출하고, 상기 제2-4 이미지에 등록된 탈모 진단 지표를 상기 제4 비율 값과 비교하여 모발의 개수, 굵기 및 밀도에 대한 상측 부위 특성 등급을 산출하며, 상기 전면 부위 특성 등급을 상기 제1-1 이미지에 매칭하여 등록하고, 상기 우측 부위 특성 등급을 상기 제1-2 이미지에 매칭하여 등록하고, 상기 좌측 부위 특성 등급을 상기 제1-3 이미지에 매칭하여 등록하고, 상기 상측 부위 특성 등급을 상기 제1-4 이미지에 매칭하여 등록하고, 상기 제1-1 이미지, 상기 제1-2 이미지, 상기 제1-3 이미지 및 상기 제1-4 이미지를 기초로, 지능형 탈모 진단 및 예후 예측 모델을 위한 상기 표준데이터를 생성하는, 이미지 분석을 통한 탈모 중증도 판별 시스템.
  18. 제17항에 있어서,
    상기 표준데이터를 기초로 상기 그로스 이미지의 중증도를 판별하여 탈모 중증도를 재라벨링하여 재라벨링정보를 생성하고, 상기 재라벨링정보에 대응하여 상기 표준데이터를 업데이트하는 탈모관리서버;를 더 포함하는, 이미지 분석을 통한 탈모 중증도 판별 시스템.
  19. 제17항에 있어서,
    상기 표준데이터 및 상기 재라벨링정보를 생성하는 사용자 단말기;를 더 포함하는, 이미지 분석을 통한 탈모 중증도 판별 시스템.
  20. 하드웨어인 컴퓨터와 결합되어, 제1항 또는 제11항의 방법을 수행할 수 있도록 컴퓨터에서 독출가능한 기록매체에 저장된 컴퓨터 프로그램.
KR1020200188499A 2020-12-30 2020-12-30 이미지 분석을 통한 탈모 중증도 판별 시스템 및 그 방법 KR102499193B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200188499A KR102499193B1 (ko) 2020-12-30 2020-12-30 이미지 분석을 통한 탈모 중증도 판별 시스템 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200188499A KR102499193B1 (ko) 2020-12-30 2020-12-30 이미지 분석을 통한 탈모 중증도 판별 시스템 및 그 방법

Publications (2)

Publication Number Publication Date
KR20220096238A KR20220096238A (ko) 2022-07-07
KR102499193B1 true KR102499193B1 (ko) 2023-02-13

Family

ID=82398829

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200188499A KR102499193B1 (ko) 2020-12-30 2020-12-30 이미지 분석을 통한 탈모 중증도 판별 시스템 및 그 방법

Country Status (1)

Country Link
KR (1) KR102499193B1 (ko)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100206137B1 (ko) 1997-01-30 1999-07-01 윤종용 간단한 에지 검출기
JP7289464B2 (ja) * 2018-03-12 2023-06-12 ティー－バイオマックス スンディリアン ブルハド 毛髪及び頭皮の診断及び処置
KR102128910B1 (ko) * 2018-03-30 2020-07-01 광운대학교 산학협력단 신경망을 기반으로 하는 피부 병변 진단 장치 및 병변 진단 보조 방법

Also Published As

Publication number Publication date
KR20220096238A (ko) 2022-07-07

Similar Documents

Publication Publication Date Title
EP3992851A1 (en) Image classification method, apparatus and device, storage medium, and medical electronic device
AU2014271202B2 (en) A system and method for remote medical diagnosis
CN104657705B (zh) 图像识别装置及面向图像识别装置的数据登录方法
US20180260954A1 (en) Method and apparatus for providing medical information service on basis of disease model
KR101301821B1 (ko) 안색 정보 생성 장치 및 그 방법, 안색 정보를 이용한 건강 상태 판단 장치 및 그 방법, 건강 분류 함수 생성 장치 및 그 방법
CN111524137A (zh) 基于图像识别的细胞识别计数方法、装置和计算机设备
CN109273074B (zh) 一种用于医疗图像的网络模型调整方法及设备
CN112819797B (zh) 糖尿病性视网膜病变分析方法、装置、系统及存储介质
Fuadah et al. Mobile cataract detection using optimal combination of statistical texture analysis
US10832410B2 (en) Computer system, method, and program for diagnosing subject
CN113962930B (zh) 阿尔茨海默病风险评估模型建立方法和电子设备
CN113903082A (zh) 一种基于动态时间规划的人体步态监测算法
CN111028218A (zh) 眼底图像质量判定模型训练方法、装置和计算机设备
CN114240874A (zh) 基于深度卷积神经网络和特征融合的骨龄评定方法、设备及计算机可读存储介质
CN116597985A (zh) 生存率预测模型训练方法、生存期预测方法及装置、设备
CN113158821B (zh) 基于多模态的眼部检测数据的处理方法、装置及终端设备
KR102499193B1 (ko) 이미지 분석을 통한 탈모 중증도 판별 시스템 및 그 방법
CN113705595A (zh) 异常细胞转移程度的预测方法、装置和存储介质
CN114188030A (zh) 疾病分类方法及疾病分类装置
KR102360571B1 (ko) 지능형 탈모 진단 및 예후 예측 모델을 위한 이미지 처리 방법
CN110532929A (zh) 一种同行人分析方法和装置以及设备
KR20220097708A (ko) 지능형 탈모 예후 예측 모델을 통한 이미지 특성 추출 시스템 및 그 방법
EP4024403A1 (en) Method and system for mental index prediction
KR20180061629A (ko) 영상을 이용한 피부 상태 평가 방법 및 영상을 이용한 피부 상태 평가 장치
CN112750532A (zh) 特征识别方法与电子装置

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant