KR102662047B1 - 인공지능 알고리즘을 이용한 맞춤형 인솔 주문 시스템 - Google Patents
인공지능 알고리즘을 이용한 맞춤형 인솔 주문 시스템 Download PDFInfo
- Publication number
- KR102662047B1 KR102662047B1 KR1020220064607A KR20220064607A KR102662047B1 KR 102662047 B1 KR102662047 B1 KR 102662047B1 KR 1020220064607 A KR1020220064607 A KR 1020220064607A KR 20220064607 A KR20220064607 A KR 20220064607A KR 102662047 B1 KR102662047 B1 KR 102662047B1
- Authority
- KR
- South Korea
- Prior art keywords
- foot
- type
- insole
- malleolus
- level
- Prior art date
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 29
- 238000004458 analytical method Methods 0.000 claims abstract description 24
- 238000001514 detection method Methods 0.000 claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 23
- 230000008569 process Effects 0.000 claims abstract description 6
- 210000002683 foot Anatomy 0.000 claims description 243
- 210000004744 fore-foot Anatomy 0.000 claims description 45
- 210000000548 hind-foot Anatomy 0.000 claims description 24
- 210000001872 metatarsal bone Anatomy 0.000 claims description 23
- 238000013528 artificial neural network Methods 0.000 claims description 22
- 241000469816 Varus Species 0.000 claims description 18
- 210000000452 mid-foot Anatomy 0.000 claims description 17
- 210000000474 heel Anatomy 0.000 claims description 16
- 238000013527 convolutional neural network Methods 0.000 claims description 15
- 230000007935 neutral effect Effects 0.000 claims description 13
- 244000309466 calf Species 0.000 claims description 12
- 210000001255 hallux Anatomy 0.000 claims description 12
- 241001227561 Valgus Species 0.000 claims description 11
- 210000000459 calcaneus Anatomy 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 6
- 238000012417 linear regression Methods 0.000 claims description 4
- 210000000458 cuboid bone Anatomy 0.000 claims description 3
- 230000002093 peripheral effect Effects 0.000 claims description 2
- 210000003195 fascia Anatomy 0.000 description 17
- 230000014509 gene expression Effects 0.000 description 7
- 230000005856 abnormality Effects 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 239000003094 microcapsule Substances 0.000 description 5
- 230000000399 orthopedic effect Effects 0.000 description 5
- 239000003086 colorant Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 239000012528 membrane Substances 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 210000000454 fifth toe Anatomy 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 229920003002 synthetic resin Polymers 0.000 description 3
- 208000032170 Congenital Abnormalities Diseases 0.000 description 2
- 210000003423 ankle Anatomy 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000005038 ethylene vinyl acetate Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 229920001200 poly(ethylene-vinyl acetate) Polymers 0.000 description 2
- 239000002952 polymeric resin Substances 0.000 description 2
- -1 polypropylene Polymers 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 208000004067 Flatfoot Diseases 0.000 description 1
- 208000014770 Foot disease Diseases 0.000 description 1
- 206010020649 Hyperkeratosis Diseases 0.000 description 1
- 208000010332 Plantar Fasciitis Diseases 0.000 description 1
- 239000004698 Polyethylene Substances 0.000 description 1
- 239000004743 Polypropylene Substances 0.000 description 1
- 229920002396 Polyurea Polymers 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 239000006260 foam Substances 0.000 description 1
- 210000001624 hip Anatomy 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 229920000126 latex Polymers 0.000 description 1
- 239000004816 latex Substances 0.000 description 1
- 210000003041 ligament Anatomy 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 210000003739 neck Anatomy 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 210000004197 pelvis Anatomy 0.000 description 1
- 229920000573 polyethylene Polymers 0.000 description 1
- 229920001155 polypropylene Polymers 0.000 description 1
- 229920002635 polyurethane Polymers 0.000 description 1
- 239000004814 polyurethane Substances 0.000 description 1
- 229920005749 polyurethane resin Polymers 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 239000000057 synthetic resin Substances 0.000 description 1
- 210000002435 tendon Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0621—Item configuration or customization
-
- A—HUMAN NECESSITIES
- A43—FOOTWEAR
- A43B—CHARACTERISTIC FEATURES OF FOOTWEAR; PARTS OF FOOTWEAR
- A43B7/00—Footwear with health or hygienic arrangements
- A43B7/14—Footwear with health or hygienic arrangements with foot-supporting parts
- A43B7/28—Adapting the inner sole or the side of the upper of the shoe to the sole of the foot
-
- A—HUMAN NECESSITIES
- A43—FOOTWEAR
- A43D—MACHINES, TOOLS, EQUIPMENT OR METHODS FOR MANUFACTURING OR REPAIRING FOOTWEAR
- A43D1/00—Foot or last measuring devices; Measuring devices for shoe parts
- A43D1/02—Foot-measuring devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Business, Economics & Management (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Strategic Management (AREA)
- Computational Linguistics (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Epidemiology (AREA)
- Marketing (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Development Economics (AREA)
- Molecular Biology (AREA)
- Geometry (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Footwear And Its Accessory, Manufacturing Method And Apparatuses (AREA)
Abstract
본 발명에 따른 인공지능 알고리즘을 이용한 맞춤형 인솔 주문 시스템은,
고객의 개인 정보 및 족부 이미지 정보가 입력되고, 전송되는 고객 단말기(100);
상기 고객 단말기(100)와 네트워크를 통하여 연결되고, 상기 고객 단말기(100)로부터 전송되는 족부 원본 이미지 정보로부터 족부 유형을 판정하고, 족부 유형에 적합한 인솔 타입 정보를 상기 고객 단말기(100)로 전송하는 공급자 서버(200);
상기 고객 단말기(100) 또는 공급자 서버(200)와 네트워크를 통하여 연결되며, 고객에 의한 인솔 주문 정보가 출력되는 공급자 단말기(300)를 포함하고,
상기 공급자 서버(200)는 고객의 개인 정보 및 족부 이미지 정보를 저장하는 고객정보 데이터베이스(210); 및 족부 이미지 정보를 분석하여 족부 유형을 산정하는 족부 분석 프로세서(220)를 포함하고,
상기 족부 분석 프로세스(220)는
족부 원본 이미지로부터 배경 및/또는 노이즈를 제거하는 족부 검출부(221);
상기 배경 및/또는 노이즈가 제거된 족부 이미지로부터 복사뼈의 좌표를 검출하고, 내측 복사뼈의 기울기 각도 및 외측 복사뼈의 기울기 각도를 검출하는 복사뼈 검출부(222);
상기 배경 및/또는 노이즈가 제거된 족부 이미지로부터 하퇴 이분선의 기울기 각도를 검출하는 하퇴 이분선 검출부(223);
상기 내측 복사뼈의 기울기 각도, 외측 복사뼈의 기울기 각도, 하퇴 이분선의 기울기 각도, 및 배경 및/또는 노이즈가 제거된 족부 이미지를 학습 모델의 입력 데이터(입력 레이어)로 하여 인공지능 알고리즘을 이용하여 족부 유형의 출력 데이터(출력 레이어)로 학습 또는 판정하는 족부 유형 판정부(224); 및
상기 족부 유형 판정부(224)에서 판정된 족부 유형에 최적화된 인솔을 선정하는 인솔 선정부(225)를 포함하는 것을 특징으로 한다.
고객의 개인 정보 및 족부 이미지 정보가 입력되고, 전송되는 고객 단말기(100);
상기 고객 단말기(100)와 네트워크를 통하여 연결되고, 상기 고객 단말기(100)로부터 전송되는 족부 원본 이미지 정보로부터 족부 유형을 판정하고, 족부 유형에 적합한 인솔 타입 정보를 상기 고객 단말기(100)로 전송하는 공급자 서버(200);
상기 고객 단말기(100) 또는 공급자 서버(200)와 네트워크를 통하여 연결되며, 고객에 의한 인솔 주문 정보가 출력되는 공급자 단말기(300)를 포함하고,
상기 공급자 서버(200)는 고객의 개인 정보 및 족부 이미지 정보를 저장하는 고객정보 데이터베이스(210); 및 족부 이미지 정보를 분석하여 족부 유형을 산정하는 족부 분석 프로세서(220)를 포함하고,
상기 족부 분석 프로세스(220)는
족부 원본 이미지로부터 배경 및/또는 노이즈를 제거하는 족부 검출부(221);
상기 배경 및/또는 노이즈가 제거된 족부 이미지로부터 복사뼈의 좌표를 검출하고, 내측 복사뼈의 기울기 각도 및 외측 복사뼈의 기울기 각도를 검출하는 복사뼈 검출부(222);
상기 배경 및/또는 노이즈가 제거된 족부 이미지로부터 하퇴 이분선의 기울기 각도를 검출하는 하퇴 이분선 검출부(223);
상기 내측 복사뼈의 기울기 각도, 외측 복사뼈의 기울기 각도, 하퇴 이분선의 기울기 각도, 및 배경 및/또는 노이즈가 제거된 족부 이미지를 학습 모델의 입력 데이터(입력 레이어)로 하여 인공지능 알고리즘을 이용하여 족부 유형의 출력 데이터(출력 레이어)로 학습 또는 판정하는 족부 유형 판정부(224); 및
상기 족부 유형 판정부(224)에서 판정된 족부 유형에 최적화된 인솔을 선정하는 인솔 선정부(225)를 포함하는 것을 특징으로 한다.
Description
본 발명은 인공지능(AI) 알고리즘을 이용한 맞춤형 인솔의 주문 시스템에 관한 것으로, 보다 상세히는 인공지능 알고리즘을 이용하여 인간의 다양한 족부 이미지로부터 그에 따른 족부 유형을 분류하는 학습 모델을 정립하고, 상기 학습된 모델을 토대로 고객의 후족부 이미지를 판독하여 족부 유형에 대응되는 맞춤형 인솔 정보를 고객에게 제공하여, 고객이 최적화된 인솔을 주문할 수 있는 시스템에 관한 것이다.
발은 양쪽을 합치면 52개의 크고 작은 뼈들과, 수많은 관절, 힘줄, 인대, 신경, 혈관이 모여 우리 몸을 지탱하고 균형을 유지시키는 중요한 역할을 한다. 발의 이상과 변형은 무릎과 골반, 허리, 목에 이르기까지 골격계 전체에 영향을 미치게 된다.
인솔(insole: 깔창)은 신발 내부에 삽입되어 신발 착용감을 향상시키고 보행이나 운동시 발생하는 충격을 완화시켜 착용자의 발을 보호함과 동시에 피로감을 덜어주는 수단이다.
인솔은 제2의 신발이라고 불리는 만큼 신발 못지않게 중요한 데, 신발을 구매할 때 처음 들어있는 깔창은 착용자의 발 상태를 온전히 반영하여 주지 못하는 경우가 있으며, 발의 이상이나 변형이 발생한 경우에는 더욱 그렇다.
최근에는, 건강을 유지하기 위하여 발을 편안하게 해주는 기능성 인솔에 대한 수요가 점점 증가하고 있다. 기능성 인솔은 대량생산되는 기성품이므로 맞춤형 인솔에 비해 가격, 구입시간 면에서 유리한 점이 있다. 그러나 기능성 인솔이 나름대로 사용자의 발 건강을 위해 제작되었다고는 하지만 맞춤형에 비해서는 사용자의 발 상태를 모두 충족시키기는 어려운 한계가 있다.
맞춤형 인솔은 사용자의 발 상태를 반영하여 제작되므로 발 건강에 더욱 이롭다. 특히 발 이상이나 변형을 경험하거나 족저근막염과 같은 발 질환을 경험하는 사람들은 맞춤형 인솔을 선호한다. 그러나 맞춤형 인솔은 직접 매장에 방문하여야 하며, 일일이 수작업으로 제작하므로 제작 시간, 비용면에서 부담이 되고 있다.
대한민국 등록특허 제10-1899064호는 스마트 기기를 이용하여 발 치수 측정 정보 통해 맞춤형 조립인솔을 제작하는 시스템과 방법을 개시하고 있다.
본 발명은 인공지능 알고리즘을 이용하여 고객에게 최적화된 족부 유형 및 인솔을 선정하고, 매장 방문이 아닌 온라인이라는 간편한 방식을 통하면서도 최적화된 맞춤형 인솔을 제공하는 것을 목적으로 한다.
상기 목적을 달성하기 위하여, 본 발명에 따른 인공지능 알고리즘을 이용한 맞춤형 인솔 주문 시스템은,
고객의 개인 정보 및 족부 이미지 정보가 입력되고, 전송되는 고객 단말기(100);
상기 고객 단말기(100)와 네트워크를 통하여 연결되고, 상기 고객 단말기(100)로부터 전송되는 족부 원본 이미지 정보로부터 족부 유형을 판정하고, 족부 유형에 적합한 인솔 타입 정보를 상기 고객 단말기(100)로 전송하는 공급자 서버(200);
상기 고객 단말기(100) 또는 공급자 서버(200)와 네트워크를 통하여 연결되며, 고객에 의한 인솔 주문 정보가 출력되는 공급자 단말기(300)를 포함하고,
상기 공급자 서버(200)는 고객의 개인 정보 및 족부 이미지 정보를 저장하는 고객정보 데이터베이스(210); 및 족부 이미지 정보를 분석하여 족부 유형을 산정하는 족부 분석 프로세서(220)를 포함하고,
상기 족부 분석 프로세스(220)는
족부 원본 이미지로부터 배경 및/또는 노이즈를 제거하는 족부 검출부(221);
상기 배경 및/또는 노이즈가 제거된 족부 이미지로부터 복사뼈의 좌표를 검출하고, 내측 복사뼈의 기울기 각도 및 외측 복사뼈의 기울기 각도를 검출하는 복사뼈 검출부(222);
상기 배경 및/또는 노이즈가 제거된 족부 이미지로부터 하퇴 이분선의 기울기 각도를 검출하는 하퇴 이분선 검출부(223);
상기 내측 복사뼈의 기울기 각도, 외측 복사뼈의 기울기 각도, 하퇴 이분선의 기울기 각도, 및 배경 및/또는 노이즈가 제거된 족부 이미지를 학습 모델의 입력 데이터(입력 레이어)로 하여 인공지능 알고리즘을 이용하여 족부 유형의 출력 데이터(출력 레이어)로 학습 또는 판정하는 족부 유형 판정부(224); 및
상기 족부 유형 판정부(224)에서 판정된 족부 유형에 최적화된 인솔을 선정하는 인솔 선정부(225)를 포함하는 것을 특징으로 한다.
일 양태에서, 상기 하퇴 이분선 검출부(223)는 하퇴 이분선으로 좌우 구획된 발 뒤꿈치의 좌우 면적을 검출하고, 상기 족부 유형 판정부(224)는 상기 발 뒤꿈치의 면적 데이터를 학습 모델의 입력 데이터로 더 포함하여 족부 유형을 판정하는 것일 수 있다.
일 양태에서, 상기 족부 유형 판정부(224)에서 인공지능 알고리즘은 심층 신경망 및 합성곱 신경망을 포함하여 이루어 지고, 상기 내측 복사뼈의 기울기 각도, 외측 복사뼈의 기울기 각도, 하퇴 이분선의 기울기 각도는 심층 신경망을 이용하여 학습되고, 상기 후족부 이미지는 합성곱 신경망을 이용하여 학습되는 것일 수 있다.
일 양태에서, 상기 내측 복사뼈의 기울기 각도는 후족부 이미지로부터 산출된 내측 복사뼈(medial malleolus)와 족부바닥 부위의 내측면을 연결하여 생성되는 직선의 각도이고, 상기 외측 복사뼈의 기울기 각도는 후족부 이미지로부터 산출된 외측 복사뼈(lateral malleolus)와 족부바닥 부위의 외측면을 연결하여 생성되는 직선의 각도인 것일 수 있다.
일 양태에서, 상기 하퇴 이분선의 기울기 각도는 하퇴(종아리) 족부 이미지에서 하퇴(종아리)에 해당하는 부분을 일정 높이로 다분할하여 생성되는 다수의 수평선(가로선)과 하퇴(종아리)의 윤곽선이 만나는 양쪽 좌표로부터 일련의 중심점들을 설정하고, 상기 중심점들 대상으로 선형 회귀법 및 최소제곱 근사법을 이용하여 검출되는 수직선의 각도인 것일 수 있다.
일 양태에서, 상기 족부 유형은 하기 6가지 타입을 포함하는 유형 중에서 선정되는 것일 수 있다.
① 가-유형: 후족부가 보상되지 않는 바루스(uncompensated rearfoot varus)이고, 전족부가 가장 높은 3-레벨 발구스(forefoot valgus)이고, 아치의 높이가 3-레벨이며, 전체적으로 3-레벨 수피네이티드(supinated) 유형;
② 나-유형: 후족부가 발구스(rearfoot valgus)이고, 전족부가 플렉스블한 발구스(forefoot valgus)이고, 아치의 높이가 1-레벨이며, 전체적으로 1-레벨의 프로네이티드(pronated) 유형;
③ 다-유형: 후족부가 보상되지 않는 바루스이고, 전족부가 중립(neutral)이고, 아치의 높이가 중간의 2-레벨이며, 전체적으로 뉴트럴(neutral, normal) 유형;
④ 라-유형: 후족부가 보상된 바루스이고, 전족부가 중립이고, 아치의 높이가 1-레벨이며, 전체적으로 2-레벨의 프로네이티드 유형;
⑤ 마-유형: 후족부가 보상되지 않는 바루스이고, 전족부가 2-레벨 바루스이고, 아치의 높이가 2-레벨이며, 전체적으로 2-레벨의 수피네이티드 유형;
⑥ 바-유형: 후족부가 보상된 바루스(compensated rearfoot varus)이고, 전족부가 바루스이고, 아치의 높이가 0-레벨이며, 전체적으로 3-레벨의 프로네이티드 유형
일 양태에서, 상기 가-유형에 적용되는 인솔은, 후족부는 내측(medial)에 비해 외측(lateral)이 5~15도 경사 각도로 높게 형성되고, 전족부는 제1 중족골두 수용 부위에 비해 제2, 3, 4 및 5 중족골두 수용 부위가 높게 형성되고, 중족부는 내측(medial)에 비해 외측(lateral)이 높게 형성되며, 종골과 입방골이 결합되는 종골-입방골 아치(Caclneual cuboid arch) 부위는 3-레벨의 높은 지지부가 형성되어 있는 것일 수 있다.
일 양태에서, 상기 나-유형에 적용되는 인솔은, 후족부는 발이 안쪽으로 쓰러지는 것(Eversion)을 방지하기 위해 외측에 비해 내측이 완만한 경사로 더 높게 형성되고, 중족부는 내측 족근저막에 과긴장이 발생하지 않도록 내측 족저근막을 수용하는 홈(Plantar Fascia Groove)이 형성되고, 전족부는 외측에 비해 내측이 좀더 높게 형성되고, 엄지발가락 부위는 제1 중족골두로부터 연장(Mortons Extension)되어 좀더 높게 형성되며, 외측 종골-입방골 아치(Caclneual cuboid arch) 부위는 1-레벨의 낮은 지지부가 형성되어 있는 것일 수 있다.
일 양태에서, 상기 다-유형에 적용되는 인솔은, 후족부는 외측에 비해 내측이 경사가 없거나 완만한 경사로 조금 더 높게 형성되고, 중족부는 횡 아치를 제어하기 위한 지지부가 형성되고, 전족부는 제2, 3 및 4 중족골두 수용 부분이 좌우 주변부에 비해 좀 더 높게 형성되어 있고, 외측 종골-입방골 아치(Caclneual cuboid arch) 부위는 1-레벨의 낮은 지지부가 형성되어 있는 것일 수 있다.
일 양태에서, 상기 라-유형에 적용되는 인솔은, 후족부는 발이 안쪽으로 쓰러지는 것(Eversion)을 방지하기 위해 외측에 비해 내측이 완만한 경사로 더 높게 형성되고, 중족부는 내측 족저근막에 과긴장이 발생하지 않도록 내측 족저근막을 수용하는 홈(Plantar Fascia Groove)이 형성되고, 전족부는 외측에 비해 내측이 좀더 높게 형성되고, 엄지발가락 부위는 제1 중족골두로부터 연장(Mortons Extension)되어 좀더 높게 형성되어 있는 것일 수 있다.
일 양태에서, 상기 마-유형에 적용되는 인솔은, 후족부는 내측(medial)에 비해 외측(lateral)이 2~10°의 경사각으로 높게 형성되고, 전족부는 외측에 비해 내측이 조금 높게 형성되고, 중족부는 내측 족근저막에 과긴장이 발생하지 않도록 내측 족저근막을 수용하는 홈(Plantar Fascia Groove)이 형성되며, 종골과 입방골이 결합되는 종골-입방골 아치(Caclneual cuboid arch) 부위는 2-레벨의 지지부가 형성되어 있는 것일 수 있다.
일 양태에서, 상기 바-유형에 적용되는 인솔은, 후족부는 발이 안쪽으로 쓰러지는 것(Eversion)을 방지하기 위해 외측에 비해 내측이 경사로 더 높게 형성되고, 전족부는 외측에 비해 내측이 좀더 높게 형성되고, 엄지발가락 부위는 제1 중족골두로부터 연장(Mortons Extension)되어 좀더 높게 형성되며, 외측 종골-입방골 아치(Caclneual cuboid arch) 부위는 1-레벨의 낮은 지지부가 형성되어 있는 것일 수 있다.
일 양태에서, 상기 인솔에는 그 하부면 또는 상부면에 압력에 의해 발색되는 감압필름이 부착됨으로써, 고객의 인솔 사용시 인솔에 가해지는 압력 분포를 확인할 수 있는 것일 수 있다.
한편, 일 양태에서, 본 발명의 상기 족부 분석 프로세서(220)는 고객으로부터 전송되어온 감압필름 이미지 데이터를 족부 유형의 적합 여부를 판단하는 족부 유형 재판정 검출부(226)를 더 포함하고, 상기 족부 유형 판정부(224)는 족부 유형 재판정 검출부(226)에서 획득된 족부 유형 데이터를 반영하여 족부 유형을 재학습하는 것일 수 있다.
본 발명에 따른 인공지능 알고리즘을 이용한 맞춤형 인솔 주문 시스템은 미리 대량으로 생산된 기성물이므로 종래 맞춤식 인솔에 비해 비용, 시간 면에서 유리하고, 사용자의 발 상태를 반영하여 최적화되어 있어 기능성 면에서 대등할 뿐 아니라, 매장 방문 필요없이 온라인으로 구매가 가능하므로 온라인 시대에 부합하는 장점을 가진다.
도 1은 본 발명의 일 실시예에 따른 구성들의 네트워크 관계를 나타낸다.
도 2는 본 발명의 일 실시예에 따른 고객에 최적화된 인솔 주문 시스템의 블록다이어그램을 나타낸다.
도 3은 발의 "프로네이티드(pronated)", "뉴트럴(neutral)", "수피네이티드(supinated)" 형태를 보여준다.
도 4는 본 발명의 일 실시예에 따른 족부 원본 이미지로부터 배경, 노이즈를 제거한 족부 이미지를 나타낸다.
도 5는 본 발명의 일 실시예에 따른 하퇴 이분선의 산출과정을 나타낸다.
도 6은 본 발명의 일 실시예에 따른 모델 구조에서 입력값(내측 복사뼈, 외측 복사뼈, 하퇴 이분선의 각도 및 뒷꿈치의 좌우 면적 데이터, 족부 이미지)에 따른 출력값(족부 유형)의 AI 모델 구조를 나타내는 다이어그램이다.
도 7은 본 발명의 일 실시예에 따른 인공지능 알고리즘에 따른 학습 결과를 나타낸다.
도 8은 본 발명의 일 실시예에 따른 '가-유형' 인솔의 사시도(a), 정면도(b), 평면도(c), 절취 단면도(d), 저면도(e) 및 측면도(f)이다.
도 9는 본 발명의 일 실시예에 따른 '나-유형' 인솔의 사시도(a), 정면도(b), 평면도(c), 절취 단면도(d) 및 저면도(e)이다.
도 10은 본 발명의 일 실시예에 따른 '다-유형' 인솔의 사시도(a), 정면도(b), 평면도(c), 절취 단면도(d) 및 저면도(e)이다.
도 11은 본 발명의 일 실시예에 따른 '라-유형' 인솔의 사시도(a), 정면도(b), 평면도(c), 절취 단면도(d) 및 저면도(e)이다.
도 12는 본 발명의 일 실시예에 따른 '마-유형' 인솔의 사시도(a), 정면도(b), 평면도(c), 절취 단면도(d) 및 저면도(e)이다.
도 13은 본 발명의 일 실시예에 따른 '바-유형' 인솔의 사시도(a), 정면도(b), 평면도(c), 절취 단면도(d) 및 저면도(e)이다.
도 14는 본 발명의 일 실시예에 따른 감압필름이 부착된 인솔로서, (a)감압필름 부착, (b)는 정상, (c) 수피네이티드(supinated) 상태로서 비정상, (d) 프로네이티드(pronated) 상태로서 비정상을 나타낸다.
도 2는 본 발명의 일 실시예에 따른 고객에 최적화된 인솔 주문 시스템의 블록다이어그램을 나타낸다.
도 3은 발의 "프로네이티드(pronated)", "뉴트럴(neutral)", "수피네이티드(supinated)" 형태를 보여준다.
도 4는 본 발명의 일 실시예에 따른 족부 원본 이미지로부터 배경, 노이즈를 제거한 족부 이미지를 나타낸다.
도 5는 본 발명의 일 실시예에 따른 하퇴 이분선의 산출과정을 나타낸다.
도 6은 본 발명의 일 실시예에 따른 모델 구조에서 입력값(내측 복사뼈, 외측 복사뼈, 하퇴 이분선의 각도 및 뒷꿈치의 좌우 면적 데이터, 족부 이미지)에 따른 출력값(족부 유형)의 AI 모델 구조를 나타내는 다이어그램이다.
도 7은 본 발명의 일 실시예에 따른 인공지능 알고리즘에 따른 학습 결과를 나타낸다.
도 8은 본 발명의 일 실시예에 따른 '가-유형' 인솔의 사시도(a), 정면도(b), 평면도(c), 절취 단면도(d), 저면도(e) 및 측면도(f)이다.
도 9는 본 발명의 일 실시예에 따른 '나-유형' 인솔의 사시도(a), 정면도(b), 평면도(c), 절취 단면도(d) 및 저면도(e)이다.
도 10은 본 발명의 일 실시예에 따른 '다-유형' 인솔의 사시도(a), 정면도(b), 평면도(c), 절취 단면도(d) 및 저면도(e)이다.
도 11은 본 발명의 일 실시예에 따른 '라-유형' 인솔의 사시도(a), 정면도(b), 평면도(c), 절취 단면도(d) 및 저면도(e)이다.
도 12는 본 발명의 일 실시예에 따른 '마-유형' 인솔의 사시도(a), 정면도(b), 평면도(c), 절취 단면도(d) 및 저면도(e)이다.
도 13은 본 발명의 일 실시예에 따른 '바-유형' 인솔의 사시도(a), 정면도(b), 평면도(c), 절취 단면도(d) 및 저면도(e)이다.
도 14는 본 발명의 일 실시예에 따른 감압필름이 부착된 인솔로서, (a)감압필름 부착, (b)는 정상, (c) 수피네이티드(supinated) 상태로서 비정상, (d) 프로네이티드(pronated) 상태로서 비정상을 나타낸다.
본 발명에서 사용되는 다음과 같은 용어는 발과 관련한 정형외과적 표현과 메커니즘에 기반한다.
본 발명에서, "후족부 바루스(rearfoot varus)"의 표현은, 발 뒷꿈치(heel) 부분에서 바라보았을 때, 중족골 이분선(calcaneal bisection)과 하퇴 이분선(lower leg bisection)의 연장선이 만나는 지점이 몸의 중심선으로부터 외측(또는 원위)으로 벌어지는 상태를 의미한다.
본 발명에서, "후족부 발구스(rearfoot valgus)"의 표현은, 발 뒷꿈치(heel) 부분에서 바라보았을 때, 중족골 이분선(calcaneal bisection)과 하퇴 이분선(lower leg bisection)의 연장선이 만나는 지점이 몸의 중심선으로부터 내측(또는 근위)으로 모이는 상태를 의미한다.
본 발명에서, "전족부 바루스(forefoot varus)"의 표현은, 엄지 발가락(또는 제1 중족골두) 쪽이 새끼 발가락(또는 제5 중족골두) 쪽보다 상대적으로 위로 들리는 상태를 의미한다.
본 발명에서, "전족부 발구스(forefoot valgus)"의 표현은, 새끼 발가락(또는 제5 중족골두) 쪽이 엄지 발가락(또는 제1 중족골두) 쪽보다 상대적으로 위로 들리는 상태를 의미한다.
본 발명에서, "수피네이티드(supinated)"의 표현은, 몸의 중심선을 기준으로 발이 외측(또는 원위) 방향으로 무너지거나 쓰러지는 3차원 운동 상태를 의미하고, 통상적으로 인버젼(inversion)에 의해 발생할 수 있다.
본 발명에서, "프로네이티드(pronated)"의 표현은, 몸의 중심선을 기준으로 발이 내측(또는 근위) 방향으로 무너지거나 쓰러지는 3차원 운동 상태를 의미하고, 통상적으로 이버젼(eversion)에 의해 발생할 수 있다.
본 발명에서 '레벨'은 발의 정형학적 증상의 정도를 나타내는 것으로, 본 발명에서 0, 1, 2, 3 레벨로 분류한다. 3-레벨은 그 정도가 심각한 상태, 2-레벨은 중간 상태, 1-레벨은 비교적 약한 상태, 0-레벨은 정상인 상태를 의미한다.
일 양태에서, 상기 c) 단계에서 상기 하퇴 이분선으로 좌우 구획된 발 뒤꿈치의 좌우 면적 데이터를 학습 모델의 입력 데이터로 더 포함할 수 있다.
본 발명의 바람직한 예시적 실시예들에 따른 온라인 인솔 주문 시스템을 첨부된 도면들을 참조하여 상세히 설명한다.
도 1은 본 발명의 일 실시예에 따른 구성들의 네트워크 관계를 나타낸다.
도 2는 본 발명의 일 실시예에 따른 고객에 최적화된 인솔 주문 시스템의 블록다이어그램을 나타낸다.
도 1에 도시된 바와 같이 본 발명의 인솔 주문 시스템은 고객이 사용하는 고객 단말기(100), 공급자가 사용하는 공급자 단말기(300), 고객으로부터 제공되는 족부 이미지 정보를 분석하여 고객의 족부 유형을 판정하고, 족부 유형에 최적화된 인솔 정보를 고객 단말기로 전송하는 공급자 서버(200)를 포함한다. 상기 고객 단말기(100), 공급자 서버(200) 및 공급자 단말기(300)는 인터넷 또는 무선통신 등과 같은 네트워크를 통하여 직접 또는 간접적으로 서로 연결된다.
먼저, 고객 단말기(100)는 스마트폰, 태블릿, PC 컴퓨터와 같이 디스플레이, 데이터 저장, 통신이 가능한 기기라면 모두 이용될 수 있다.
상기 고객 단말기(100)는 공급자가 제공하는 일련의 어플리케이션이 설치되어 공급자 서버(200)와 연결되거나, 별도의 어플리케이션 없이 공급자 서버(200)의 웹사이트에 접속하는 것도 가능하다.
고객 단말기(100)의 어플리케이션 또는 웹사이트 상에는 고객 정보가 입력되어, 공급자 서버(200)에 전송될 수 있다. 상기 고객 정보는 고객 성명, 주소, 연락처를 포함하고, 필요에 따라서는 성별, 나이, 체중, 신장, 발 치수 또는 신발 치수 등이 포함될 수 있다. 고객 인증 절차, 회원 가입 절차 등을 통하여 공급자 서버(200)에 저장될 수도 있다.
고객 단말기(100)가 스마트폰, 태블릿인 경우 촬영모듈(카메라 기능)이 기본 내장되어 있으므로 촬영모듈을 통해 족부 이미지 정보는 직접 생성될 수 있으며, 다른 기기에서 미리 촬영된 족부 이미지가 고객 단말기(예컨대, PC 컴퓨터)에 저장된 것도 가능하다.
고객 단말기(100)에서 촬영되거나 저장된 족부 이미지 정보는 공급자 서버(200)로 전송된다.
족부 이미지 정보는 고객의 족부 부분을 촬영한 사진(2D 이미지)이나 3D 이미지일 수 있다(이하, 원본 이미지). 3D 이미지는 공급자가 제공하는 3D 생성 프로그램(또는 어플리케이션)을 이용하여 생성되거나 별도의 3D 생성 어플리케이션이나 프로그램을 이용하여 생성된 것일 수도 있다.
상기 족부 이미지 정보는 후족부 이미지를 기본으로 포함하고, 필요에 따라서는 족부의 측면 이미지, 발바닥 이미지를 더 포함할 수 있다.
후족부 이미지는 후방에서 발 뒷꿈치(heel) 쪽을 촬영한 이미지로, 하퇴(lower leg)(종아리) 부분을 포함한다.
족부 측면 이미지는 발의 안쪽 측면(medial), 즉 발의 안쪽 아치(arch)와 발등 높이 부분이 촬영된 이미지일 수 있다. 발 아치와 발등의 높이, 너비, 기울기 형태 등은 후술하는 족부 유형의 판정에 이용될 수 있다.
발바닥 이미지에서 예컨대, 굳은 살과 같은 특이 정보는 후술하는 족부 유형의 판정에 이용될 수 있다.
상기 족부 이미지는 촬영 조건에 민감하다. 예를들어, 상하, 좌우 촬영각도, 촬영 높이에 따라 족부 형태는 매우 다양하게 나타나며, 빛 조건에 의해 색도, 명암 등도 다양하게 나타난다. 따라서, 고객의 단말기에는 최적의 이미지 생성을 위한 촬영 조건, 촬영 방법 등에 대한 안내(매뉴얼)가 제시되는 것이 가능하다. 한편, 스마트폰, 태블릿의 경우 전면과 후면에 각각의 촬영모듈이 구비되어 있는 데, 후면 촬영모듈은 피사체와 동일하지만, 전면 촬영모듈의 경우에는 피사체가 좌우 반대로 설정된 경우가 있다. 따라서, 본래 이미지로 좌우 반전 방법 등에 대한 안내가 제시될 수도 있다.
상기 공급자 서버(200)는 고객단말기(100)로부터 전송되어 온 족부 이미지를 대상으로 일련의 인공지능 알고리즘을 이용하여 족부 이미지를 분석하여 족부 유형을 판정한 다음, 족부 유형에 맞는 타입의 인솔 정보를 선정하여 고객 단말기(100)로 전송한다.
상기 공급자 서버(200)는 고객 정보를 저장하는 고객정보 데이터베이스(210)를 포함하고, 고객의 족부 이미지를 분석, 족부 유형을 판정하기 위한 족부 분석 프로세서(220)를 포함한다.
상기 족부 분석 프로세서(220)는 후족부 원본 이미지로부터 족부 유형을 학습하고, 판정하기 위하여 인공지능 알고리즘을 포함한다. 일 양태에서, 상기 인공지능 알고리즘은 신경망 알고리즘일 수 있다. 상기 신경망 알고리즘은 심층 신경망(DNN) 또는 합성곱 신경망(CNN)일 수 있으며, 심층 신경망과 합성곱 신경망을 모두 포함할 수 있다. 상기 인공지능 알고리즘은 딥 러닝(Deep Learning) 기반의 지도학습(Supervised Learning) 모델일 수 있다. 상기 인공지능 알고리즘은 바람직하게는 입력 데이터(입력 레이어)과 출력 데이터(출력 레이어)가 미리 주어지는 방법으로 학습되는 지도학습 알고리즘일 수 있다.
본 발명의 족부 이미지에 따른 족부 유형 도출의 학습 방법은 다음과 같다.
먼저, 족부관련 전문가는 정형학적 임상 자료에 기반하여 학습 모델에서 분류하고자 하는 족부 유형을 미리 정립한다.
족부 정형학에 있어서, 족부 유형의 판정 기준 중 하나는 족부 이미지로부터 하퇴 이분선과 종골 이분선(calcaneal bisection line)의 관계이다. 종골(calcaneus)은 발뒤꿈치 뼈로서 종골 이분선은 종골을 수직으로 이등분하는 중심선이다. 도 3에 보이는 바와 같이, 종골 이분선의 기울어진 방향 및 각도에 따라 고객의 발은 정형학적으로 "프로네이티드(pronated)", "뉴트럴(neutral)", "수피네이티드(supinated)" 유형인지, 그 정도가 "온화(mild)", "보통(moderate)", "심각(severe)"인지 등을 판정하는 주요 기준 중 하나이고, 적합한 인솔을 선택하는 데 있어서 매우 중요하다.
본 발명의 일 양태에서 족부 유형은 6가지 유형을 기준으로 판정되나, 이러한 유형 분류는 본 발명자가 습득한 임상 자료를 기준으로 최적한 것일 뿐, 후술하는 6가지 유형에 제한되는 것은 아니며, 족부 유형은 필요에 따라서 가감될 수 있다.
본 발명에서는 6가지 족부 유형을 한글순서로 가-유형(S+++), 나-유형(P+), 다-유형(P), 라-유형(P++), 마-유형(S++), 바-유형(P+++)으로 분류한다.
본 발명에서 레벨은 정도에 따라 0, 1, 2, 3 레벨로 분류한다. 3-레벨은 그 정도가 가장 심한 것을, 2-레벨은 비교적 심한 것은, 1-레벨은 비교적 약한 정도를 나타낸다.
① 가-유형: 발이 바깥쪽으로 심하게 쓰러지는 Inversion 형태로서, 후족부(rearfoot)가 보상되지 않는 바루스(uncompensated rearfoot varus)이고, 전족부가 가장 높은 3-레벨 발구스(forefoot valgus)이고, 아치의 높이가 3-레벨이며, 전체적으로 3-레벨의 수피네이티드(supinated) 유형(S+++);
② 나-유형: 후족부가 발구스(rearfoot valgus)이고, 전족부가 플렉스블한 발구스(forefoot valgus)이고, 아치의 높이가 1-레벨이며, 전체적으로 1-레벨의 프로네이티드(pronated) 유형(P+);
③ 다-유형: 후족부가 보상되지 않는 바루스이고, 전족부가 중립(neutral)이고, 아치의 높이가 중간의 2-레벨이며, 전체적으로 뉴트럴(neutral, normal) 유형(P);
④ 라-유형: 후족부가 보상된 바루스이고, 전족부가 중립이고, 아치의 높이가 1-레벨이며, 전체적으로 2-레벨의 프로네이티드 유형(P++);
⑤ 마-유형: 후족부가 보상되지 않는 바루스이고, 전족부가 2-레벨 바루스이고, 아치의 높이가 2-레벨이며, 전체적으로 2-레벨의 수피네이티드 유형(S++);
⑥ 바-유형: 후족부가 보상된 바루스(compensated rearfoot varus)이고, 전족부가 바루스이고, 아치의 높이가 0-레벨이며, 전체적으로 3-레벨의 프로네이티드 유형(P+++).
상기 6가지 족부 유형들로 분류가 어려운 경우에는 Cnp 유형(Classification not possible)으로 분류가 더 추가될 수 있고, 본 발명의 인솔 적용이 어려울 정도로 심각한 족부 유형인 경우에는 CwP 유형(Consult with Doctor, 닥터 상의)으로 분류가 더 추가될 수 있다.
본 발명에서는 학습 모델로서 심층 신경망 모델과 합성곱 신경망 모델을 결합한 모델이 이용될 수 있다.
본 발명의 모델링 학습을 위해 많은 수의 족부 원본 이미지가 획득된다.
상기 획득된 각각의 이미지는 일련 번호로 레이블화되고, 전문가는 각각의 원본 이미지를 시각적으로 분석하여 상기 8가지 족부 유형에서 선택하여 각각 이미지에 따른 결과값을 레이블화한다.
본 발명의 족부 분석 프로세서(220)는 원본 이미지로부터 배경이 제거된 족부 이미지와 상기 족부 이미지로부터 입력 데이터(입력 레이어)를 기계적으로 추출한다. 상기 입력 데이터는 내측 복사뼈의 기울기 각도, 외측 복사뼈의 기울기 각도를 포함하며, 필요에 따라서는 발뒷굼치의 면적 데이터(좌우 면적 비율)가 입력 데이터(입력 레이어)로 추가될 수 있다. 레이블화된 입력 데이터들은 족부 분석 프로세서(220)의 신경망 알고리즘을 통하여 계산되어 그 결과값으로 족부 유형이 도출된다. 학습 초기에는 족부 분석 프로세서(220)에 의해 출력된 결과(족부 유형)은 전문가에 의해 분류된 결과(족부 유형)과 비교하여 큰 오차값(높은 loss)를 보이지만, 반복 학습을 통해 점차적으로 전문가에 의해 분류된 족부 유형에 수렴(족부 유형 일치)하게 됨으로써 본 발명의 신경망 알고리즘이 정립된다.
상기 인공지능 알고리즘의 입력 데이터의 정확한 추출을 위하여 족부 원본 이미지에서 불필요한 배경은 제거되어야 한다.
상기 족부 분석 프로세서(220)는 족부 원본 이미지에서 불필요한 배경 및/또는 노이즈가 제거되고 족부 이미지 만이 검출되도록 하는 족부 검출부(221)를 포함한다.
본 발명의 일 양태에서, 원본 이미지로부터 배경의 제거 방법은 중요 객체 검출(Salient Object Detection, "SOD") 기술이 이용될 수 있다. SOD 기술은 이미지 내에서 중요하다고 생각되는 물체를 검출해내는 기법으로, 배경(background)에서 중요한 전경(foreground) 물체만을 분할해낸다. SOD 기술은 이미지 속의 각 픽셀(pixel)들에 중요 객체(salient object)가 속할 확률을 intensity 값으로 표현한 saliency map을 예측한다. Saliency map은 예측 클래스 logit의 입력 이미지에 대한 gradient를 계산하여 생성해 낸 attribution 수단으로, 이를 관찰함으로써 합성곱 신경망(Convolution Neural Network, CNN)의 특정 예측 결과가 이미지 상의 어느 부분에 기인하였는지 가시적으로 확인할 수 있게 된다. 구체적으로 회귀분석(regression analysis)을 통해서 이미지 내 족부의 외곽선 영역만을 추출할 수 있다.
도 4는 원본 이미지로부터 SOD 기술을 이용하여 배경이 제거된 이미지를 나타낸다. 도 4에 보이는 바와 같이 배경이 제거된 족부 이미지에는 원하는 입력 데이터를 얻는데 오류를 발생시키거나 불필요한 부분, 즉 노이즈(Noise)가 발생할 수 있다. 원본 이미지에서 이러한 배경 및 노이즈는 배경 분리 AI 모델 등을 이용하여 제거될 수 있다.
일 양태에서, 배경 또는 노이즈가 제거된 이미지는 그레이스케일(Grayscale) 방법으로 흑백 이미지로 변환될 수 있다. 이후, 일 양태에서 상기 Grayscale 이미지는 쓰레스홀드(threshold) 예컨대 binary threshold 과정을 거쳐 회색 이미지는 백색 이미지로 변환되어 흑색과 백색만 있는 2색의 이미지로 변환될 수 있다. 그런 다음, 흑색과 백색의 경계를 예컨대, 근사 polygon 추출을 통하여 윤곽선 및 이의 좌표가 추출된다. 상기 외곽선 추출 방법은 예시적인 것으로 외곽선 추출 방법은 이에 한정되는 것은 아니며 다른 공지 방법도 이용가능하다.
상기와 같은 배경, 노이즈가 제거된 후족부 이미지, 이의 그레이스케일 이미지 또는 2색(binary) 이미지 데이터는 인공지능 모델, 바람직하게는 합성곱 신경망에서 입력 데이터(독립변수)를 추출하는 데 이용될 수 있다.
족부 분석 프로세서(220)는 상기 배경이 제거된 족부 이미지로부터 본 발명의 신경망 모델에서 필요한 입력 데이터들을 자동 추출한다. 상기 후족부 이미지로부터 내측 복사뼈의 기울기 각도, 외측 복사뼈의 기울기 각도, 하퇴 이분선의 기울기 각도, 상기 하퇴 이분선으로 좌우 구획된 발 뒤꿈치의 좌우 면적 데이터가 산출될 수 있고, 상기 데이터들은 인공지능 모델, 바람직하게는 심층 신경망에서 입력 데이터(독립변수)로 이용될 수 있다.
본 발명의 입력 데이터는 내측 복사뼈의 기울기 각도, 외측 복사뼈의 기울기 각도, 하퇴 이분선의 기울기 각도를 포함한다.
내측 복사뼈는 발의 안쪽에 돌출된 부분이고, 외측 복사뼈는 발의 바깥쪽에 돌출된 부분이다.
족부 분석 프로세서(220)는 내측 복사뼈, 외측 복사뼈의 좌표를 검출하는 복사뼈 검출부(222)를 포함한다.
본 발명의 족부 이미지에서 내측 복사뼈의 좌표값, 외측 복사뼈의 좌표값은 예를들어 추출된 외곽선의 좌표 편차, 발목 검출, ROI(region of interest) 설정, 발 기울기 등을 종합적으로 반영하여 획득될 수 있다. 내측 복사뼈의 기울기 각도는 내측 복사뼈의 말단 좌표값과 발바닥의 내측 부근의 외각선 좌표값을 연결한 일련의 가상선들을 설정한 후 그 중 가장 높은 기울기의 각도가 입력 데이터로 이용될 수 있다. 외측 복사뼈의 기울기 각도는 외측 복사뼈의 말단 좌표값과 발바닥의 외측 부근의 외각선 좌표값을 연결한 일련의 가상선들을 설정한 후 그 중 가장 높은 기울기의 각도가 입력 데이터로 이용될 수 있다.
족부 분석 프로세서(220)는 하퇴 이분선을 검출하는 하퇴 이분선 검출부(223)를 포함한다.
하퇴 이분선(lower leg bisection)은 족부 정형학에 있어서 하퇴(lower leg), 즉 발목 위 종아리 부분을 좌우 대칭으로 양분하는 중심선을 의미한다.
본 발명에 있어서, 상기 하퇴 이분선은 실질적인 오차없이 산출될 수 있다.
도 5는 하퇴 이분선(종아리 중심선) 산출하는 바람직한 일 양태이다.
도 5에 보이는 바와 같이, 하퇴(종아리) 족부 이미지에서 하퇴(종아리)에 해당하는 부분을 일정 높이로 다분할하여 생성되는 다수의 수평선(가로선)과 하퇴(종아리)의 윤곽선이 만나는 양쪽 좌표로부터 일련의 중심점들을 설정하고, 상기 중심점들 대상으로 선형 회귀법 및 최소제곱 근사법을 이용하여 직선형태의 하퇴 이분선을 검출한다. 상기 검출되는 하퇴 이분선은 족부 이미지 상에서 수직에 가까운 형태이고, 하퇴 이분선의 각도는 본 발명의 알고리즘 모델에서 입력 데이터 중 하나로 이용된다.
한편, 본 발명에 이용될 수 있는 하퇴 이분선의 또 다른 산출 방법으로는, 내측 복사뼈의 좌표값과 외측 복사뼈 좌표값의 거리를 이분하는 점을 복사뼈 중심점으로 설정하고, 상기 복사뼈 중심점을 중심으로 소정거리의 반지름을 다수 설정하고, 상기 반지름와 종아리 외곽선이 만나는 양 점을 이분하는 중심점을 대상으로 선형 회귀법 및 최소제곱 근사법을 이용하여 검출되는 수직선(세로선)에 가까운 직선 형태일 수 있다.
상술한 내측 복사뼈의 기울기 각도, 외측 복사뼈의 기울기 각도, 하퇴 이분선의 기울기 각도는 본 발명의 신경망 모델의 입력 데이터로 이용된다.
또한, 본 발명의 신경망 모델의 입력 데이터로 발뒷굼치의 좌우 면적 데이터가 더 포함될 수 있다. 상기 발뒷꿈치 좌우 면적 데이터는 상기 하퇴 이분선에 의해 발뒷꿈치 부분이 좌우 분할되는 면적의 비율을 의미한다.
족부 분석 프로세서(220)는 입력 데이터로부터 일련의 신경망을 이용하여 족부 유형을 도출하는 족부 유형 판정부(224)를 포함한다.
심층 신경망(Deep Neural Network, DNN)은 입력층(input layer)과 출력층(output layer) 사이에 다중의 은닉층(hidden network)들로 이루어진 인공 신경망이다. 은닉층의 개수가 많아질수록 인공신경망이 깊어지며(deep), 입력 데이터를 분류, 군집을 해석하고, 데이터에서 특정 패턴을 인식하는 데 유용하게 이용된다. 상기 입력 데이터 중 수치적 정보 즉, 복사뼈의 기울기 각도, 하퇴 이분선의 기울기 각도, 발뒷굼치의 좌우 면적 비율은 심층 신경망을 통하여 수행될 수 있다.
합성곱 신경망(CNN ; Convolutional Neural Network)은 필터링 기법을 인공신경망에 적용함으로써 이미지와 같은 2차원 데이터 처리를 더욱 효과적으로 처리하기 위한 방법이다. 고정된 필터링 기법을 이용해 이미지를 처리하는 것과 달리, 합성곱 신경망은 행렬로 표현된 필터의 각 요소가 데이터 처리에 적합하도록 자동으로 학습되게 한다. 합성곱 신경망의 구조는 합성곱 계층(Convolutional layer)과 풀링 계층(Pooling layer)이라고 하는 새로운 층을 풀리 커넥티드(Fully-connected) 계층 이전에 추가함으로써 원본 이미지에 필터링 기법을 적용한 뒤에 필터링된 이미지에 대해 분류 연산이 수행되도록 구성된다. 상기 입력 데이터 중 배경이 제거된 족부 이미지는 합성곱 신경망을 통하여 수행되고, 소프트맥스(softmax) 함수 등과 같은 확률계산 함수를 통하여 수치화된 후, 상술한 복사뼈의 기울기 각도, 하퇴 이분선의 기울기 각도, 발뒷굼치의 좌우 면적 비율의 심층 신경망의 은닉층과 결합하여 심층 신경망을 이룰 수 있다. 학습 초기에는 족부 분석 프로세서(220)에 의해 출력된 결과(족부 유형)은 전문가에 의해 분류된 결과(족부 유형)과 비교하여 큰 오차값(높은 loss)를 보이지만, 반복 학습을 통해 점차적으로 전문가에 의해 분류된 족부 유형에 수렴(족부 유형 일치)하게 됨으로써 본 발명의 신경망 알고리즘이 정립된다.
족부 분석 프로세서(220)는 족부 유형 입력 데이터로부터 일련의 신경망을 이용하여 족부 유형을 도출하는 인솔 선정부(225)를 포함한다.
본 발명의 학습 모델에 따라 상술한 8가지 유형 중 가-유형(S+++), 나-유형(P+), 다-유형(P), 라-유형(P++), 마-유형(S++), 바-유형(P+++)이 도출되는 경우에는 각각의 족부 유형에 최적화된 맞춤형 인솔 정보가 선택되어 고객에게 전송되게 된다.
본 발명에 따른 맞춤형 인솔은 족부 유형에 맞추어 전족부(Forefoot, FF), 중족부(Midfoot, MF), 후족부(Rearfoot, RF)의 내측(안쪽)과 외측(바깥쪽)의 높이, 경사 등을 통해 고객 발에 최적화된 형태로 제공될 수 있다. 본 발명에 따른 인솔의 재질은 인솔의 재료로 공지되어 있는 재료들이 이용될 수 있다. 본 발명의 인솔 전체 뼈대는 합성수지가 이용될 수 있으며, 일 예시로서 에틸렌초산비닐 공중합체(EVA), 폴리우레탄(Polyurethane), 라텍스일 수 있고, 이들의 발포 성형체가 이용될 수 있으나 이에 제한되지는 않는다.
먼저, 가(GA)-유형은 전체적으로 3-레벨 수피네이티드(supinated) 유형으로서, 심한 요족(cavus)에 해당한다. 도 8은 본 발명의 가-유형에 적용되는 바람직한 인솔(가-타입 인솔)의 일 실시예를 나타낸다. 도 8을 참조하면, 가-유형 인솔(10)은 강한 후족부 바루스를 제어하기 위하여 인솔의 후족부(RF)는 내측(medial)에 비해 외측(lateral)이 높게 형성되며 서로 경사진 형태를 가진다. 일 양태에서, 경사 각도는 5~15도의 경사 각도일 일 수 있다. 3-레벨의 수피네이티드 발은 전체적으로 바깥쪽으로 쓰러지는 형태를 띠므로 가-타입 인솔(10)의 중족부(midfoot) 역시 내측(medial)에 비해 외측(lateral)이 비교적 더 높게 형성된다. 또한 발이 바깥쪽으로 쓰러지는 움직임(Inversion)를 줄여주기 위하여 후족부(RF)의 종골(calcaneus)과 중족부(MF)의 입방골(cuboid)이 결합되는 부위인 종골-입방골 아치(Cacaneual cuboid arch, 이하 "CCA") 부위에 대응되는 인솔(10) 부분에는 CCA를 수용하기 위한 CCA 지지부(11)가 더 형성될 수 있다. 상기 CCA 지지부(11)는 비교적 3-레벨의 높은 지지부가 바람직하나 2-레벨, 1-레벨의 CCA 지지부도 가능하다. 가-유형 족부는 새끼발가락이 엄지발가락보다 들려진 상태 또는 엄지발가락이 아래로 눌려있기 때문에 인솔의 전족부(FF)에서 제1 중족골두(1st Metatarsal) 수용 부위(12)는 제2, 3, 4 및 5 중족골두 수용 부위(13)에 비해 낮게 형성될 수 있다(Reverse Mortions Extenstion). 한편, 가-유형 인솔은 필요에 따라서는 발의 아치 부분 중앙을 견고히 지지하기 위해 생크(shank)(14)가 인솔 하부 중앙 쪽에 구비될 수 있다. 생크(shank)의 재질은 단단한 재질로, 폴리프로필렌, 폴리에틸렌 등과 같은 고분자 수지일 수 있으나 이에 제한되지는 않는다.
나(Na)-유형은 발등이 낮고 발의 아치가 낮고 발이 안쪽으로 쓰러지는 Eversion 형태의 발로서, 임상학적으로 마일드(mild)한 발에 해당한다. 도 9는 본 발명의 나-유형에 적용되는 바람직한 인솔(나-타입 인솔)의 일 실시예를 나타낸다. 도 9를 참조하면, 상기 나-타입(20)의 인솔의 후족부는 발이 안쪽으로 쓰러지는 것(Eversion)을 방지하기 위해 외측에 비해 내측이 완만한 경사로 더 높게 형성되어 있다. 전족부는 외측(23)에 비해 내측(22)이 좀더 높게 형성되고, 엄지발가락 부위는 제1 중족골두로부터 연장(Mortons Extension)되어 좀더 높게 형성되며, 외측 CCA 부위는 1-레벨의 비교적 낮은 지지부가 형성되어 있는 것일 수 있다. 한편, 나-유형 인솔은 필요에 따라서는 발의 아치 부분 중앙을 견고히 지지하기 위해 생크(shank)(24)가 인솔 하부 중앙 쪽에 구비될 수 있다. 필요에 따라서는 중족부는 내측 족근저막에 과긴장이 발생하지 않도록 내측 족저근막을 수용하는 홈(Plantar Fascia Groove)(25)이 더 형성될 수 있다.
다-유형은 발등이 낮고 발의 아치가 낮으나, 대체로 발이 좌우 어느 방향으로의 쏠림이 거의 없는 형태의 발에 해당한다. 도 10은 본 발명의 다-유형에 적용되는 바람직한 인솔(다-타입 인솔)의 일 실시예를 나타낸다. 도 10을 참조하면, 상기 다-타입 인솔(30)의 후족부는 외측에 비해 내측이 경사없이 평평하거나 완만한 경사로 조금 더 높게 형성되고, 중족부는 횡 아치를 제어하기 위해 돌출된 지지부(32)가 형성되고, 전족부의 가운데에는 제3 중족골두를 수용하기 위한 돌출 지지부(33)가 형성되고, CCA 부위는 1-레벨의 낮은 CCA 지지부(31)가 형성되어 있는 것일 수 있다. 한편, 다-유형 인솔은 필요에 따라서는 발의 아치 부분 중앙을 견고히 지지하기 위해 생크(shank)(34)가 인솔 하부 중앙 쪽에 구비될 수 있다.
라-유형은 발등이 낮고 발의 아치가 낮고 발이 안쪽으로 쓰러지는 Eversion 형태의 발로서, 임상학적으로 보통(moderate)의 발에 해당한다. 도 11은 본 발명의 라-유형에 적용되는 바람직한 인솔(라-타입 인솔)의 일 실시예를 나타낸다. 도 11을 참조하면, 상기 라-타입 인솔(40)의 후족부는 발이 안쪽으로 쓰러지는 것(Eversion)을 방지하기 위해 외측에 비해 내측이 완만한 경사로 더 높게 형성되고, 전족부는 외측(43)에 비해 내측(42)이 좀더 높게 형성되고, 엄지발가락 부위는 제1 중족골두로부터 연장(Mortons Extension)되어 좀더 높게 형성되어 있는 것일 수 있다. 한편, 라-유형 인솔은 필요에 따라서는 발의 아치 부분 중앙을 견고히 지지하기 위해 생크(shank)(44)가 인솔 하부 중앙 쪽에 구비될 수 있다. 필요에 따라서는 중족부는 내측 족저근막에 과긴장이 발생하지 않도록 내측 족저근막을 수용하는 홈(Plantar Fascia Groove)(41)이 더 형성될 수 있다.
마-유형은 발등이 높고 발의 아치가 높고 발이 바깥쪽으로 쓰러지는 Inversion 형태의 발로서, 임상학적으로 상기 가-유형에 비해 심하지 않은 형태의 발에 해당한다. 도 12는 본 발명의 마-유형에 적용되는 바람직한 인솔(마-타입 인솔)의 일 실시예를 나타낸다. 도 12를 참조하면, 상기 마-타입 인솔(50)의 후족부는 내측(medial)에 비해 외측(lateral)이 2~10도 정도의 경사 각도로 높게 형성되고, 전족부는 외측(43)에 비해 내측(42)이 조금 높게 형성되고, CCA 부위는 2-레벨의 CCA 지지부(51)가 형성되어 있는 것일 수 있다. 한편, 마-유형 인솔은 필요에 따라서는 발의 아치 부분 중앙을 견고히 지지하기 위해 생크(shank)가 인솔 하부 중앙 쪽에 더 구비될 수 있다. 필요에 따라서는 중족부는 내측 족근저막에 과긴장이 발생하지 않도록 내측 족저근막을 수용하는 홈(Plantar Fascia Groove)(52)이 더 형성될 수 있다.
바-유형은 발등이 낮고 발의 아치가 낮고 발이 안쪽으로 쓰러지는 Eversion 형태의 발로서, 임상학적으로 심각한(severe) 정도이고, 평편족(평발)에 해당한다. 도 13은 본 발명의 바-유형에 적용되는 바람직한 인솔(바-타입 인솔)의 일 실시예를 나타낸다. 도 13을 참조하면, 바-타입 인솔(60)의 후족부는 발이 안쪽으로 쓰러지는 것(Eversion)을 방지하기 위해 외측에 비해 내측이 경사로 더 높게 형성되고, 중족부는 아크를 높이기 위하여 외측(literal)에 비해 내측(medial)이 충분히 높게 형성되어 있는 것일 수 있다. 한편, 다-유형 인솔은 필요에 따라서는 발의 아치 부분 중앙을 견고히 지지하기 위해 생크(shank)(34)가 인솔 하부 중앙 쪽에 구비될 수 있다.
한편, 일 양태에서, 본 발명의 상술한 인솔들은 그 하부면 또는 상부면에 감압필름(pressure sensitive film)이 부착된 형태일 수 있다. 감압필름은 필름 면에 가해지는 압력에 의해 해당 부분에서 발색이 일어나는 필름으로, 발색 여부 및 발색 강도에 따른 압력 분포를 시각적으로 확인할 수 있다. 감압필름은 PET 등과 같은 필름기재 상에 발색제가 충진된 마이크로캡슐 층과, 현색제 층이 형성되어 있는 구조로, 임계 압력 이하에서는 마이크로캡슐 막에 의해 발색제와 현색제가 분리되어 있다가, 임계 압력 이상의 압력에 의해 마이크로캡슐이 깨지면서 발색제와 현색제가 서로 화학반응함으로써 발색되는 구조를 가진다. 상기 마이크로캡슐 막은 예컨대 폴리우레아 수지 또는 폴리우레탄 수지와 같은 고분자 수지로 구성될 수 있고, 마이크로캡슐 막의 두께 등을 조절함으로써 임계 압력은 증감될 수 있다.
상기 감압필름은 인솔에 부착된 상태이거나, 미부착 상태로 고객에 배송된 후에 고객에 의해 인솔에 부착될 수도 있다. 상기 감압필름은 예컨대 1장의 필름으로 인솔의 전체 크기에 맞게 부착될 수도 있으며, 도 14에 도시된 바와 같이 인솔의 전족부 및 후족부에 분리되어, 즉 2장의 필름 형태로 부착될 수도 있다.
본 발명의 인솔을 구매한 고객은 상기 감압필름이 부착된 인솔을 신발에 끼워넣고 일정 시간 보행한 후 발색된 감압필름 또는 인솔 이미지(사진)를 획득한 다음, 고객단말기를 통하여 공급자 서버(200)에 전송하게 된다.
상기 공급자 서버(200)는 감압필름에 나타난 색채를 분석하여 압력 분포를 평가함으로써 주문된 인솔이 고객의 족부 유형에 부합하는지 여부를 판정한다.
상기 족부 분석 프로세서(220)는 고객으로부터 전송되어온 감압필름 이미지 데이터를 족부 유형의 적합 여부를 판단하는 족부 유형 재판정 검출부(226)를 더 포함할 수 있다. 이후 상기 족부 유형 판정부(224)는 족부 유형 재판정 검출부(226)에서 획득된 족부 유형 데이터를 반영하여 족부 유형을 재학습하는 것이 가능하다.
도 14는 본 발명의 일 실시예에 따른 감압필름이 부착된 인솔로서, (a)감압필름 부착, (b)는 정상, (c) 수피네이티드(supinated) 상태로서 비정상, (d) 프로네이티드(pronated) 상태로서 비정상을 나타낸다.
예컨대, 압력 분포가 인솔 전족부, 후족부의 중심에 형성된 경우(도 14의 (b))에는 주문된 인솔은 정상 범위로 고객의 족부 유형에 부합하는 것으로 판정하고, 도 14의 (c), (d)와 같이 압력 분포가 인솔의 어느 한쪽에 쏠려 있는 경우에는 주문된 인솔은 비정상 범위로 고객의 족부 유형에 부합하지 않는 것으로 판정될 수 있다. 일 양태에서, 이러한 감압필름의 부합 판정은 공급자 서버에 구비된 감압필름 분석부 또는 분석 알고리즘에 의해 이루어질 수 있다. 다른 일 양태에서, 감압필름의 부합 판정은 족부 전문가의 육안에 따른 판단으로 이루어지고, 재판정된 족부 유형은 상기 족부 유형 판정부(224)에서 재학습되는 것이 가능하다.
100: 고객 단말기 200: 공급자 서버
210: 고객정보 데이터베이스 220: 족부 분석 프로세서
221: 족부 검출부 222: 복사뼈 검출부
223: 하퇴 이분선 검출부 224: 족부 유형 판정부
225: 인솔 선정부
210: 고객정보 데이터베이스 220: 족부 분석 프로세서
221: 족부 검출부 222: 복사뼈 검출부
223: 하퇴 이분선 검출부 224: 족부 유형 판정부
225: 인솔 선정부
Claims (13)
- 고객의 개인 정보 및 족부 이미지 정보가 입력되고, 전송되는 고객 단말기(100); 상기 고객 단말기(100)와 네트워크를 통하여 연결되고, 상기 고객 단말기(100)로부터 전송되는 족부 원본 이미지 정보로부터 족부 유형을 판정하고, 족부 유형에 적합한 인솔 타입 정보를 상기 고객 단말기(100)로 전송하는 공급자 서버(200); 상기 고객 단말기(100) 또는 공급자 서버(200)와 네트워크를 통하여 연결되며, 고객에 의한 인솔 주문 정보가 출력되는 공급자 단말기(300)를 포함하고,
상기 공급자 서버(200)는 고객의 개인 정보 및 족부 이미지 정보를 저장하는 고객정보 데이터베이스(210); 및 족부 이미지 정보를 분석하여 족부 유형을 산정하는 족부 분석 프로세서(220)를 포함하고,
상기 족부 분석 프로세스(220)는 족부 원본 이미지로부터 배경 및/또는 노이즈를 제거하는 족부 검출부(221); 상기 배경 및/또는 노이즈가 제거된 족부 이미지로부터 복사뼈의 좌표를 검출하고, 내측 복사뼈의 기울기 각도 및 외측 복사뼈의 기울기 각도를 검출하는 복사뼈 검출부(222); 상기 배경 및/또는 노이즈가 제거된 족부 이미지로부터 하퇴 이분선의 기울기 각도를 검출하는 하퇴 이분선 검출부(223); 상기 내측 복사뼈의 기울기 각도, 외측 복사뼈의 기울기 각도, 하퇴 이분선의 기울기 각도, 및 배경 및/또는 노이즈가 제거된 족부 이미지를 학습 모델의 입력 데이터(입력 레이어)로 하여 인공지능 알고리즘을 이용하여 족부 유형의 출력 데이터(출력 레이어)로 학습 또는 판정하는 족부 유형 판정부(224); 및 상기 족부 유형 판정부(224)에서 판정된 족부 유형에 최적화된 인솔을 선정하는 인솔 선정부(225)를 포함하고,
상기 족부 유형 판정부(224)는 하기 가-유형 내지 바-유형의 6가지 타입의 족부 유형을 포함하는 것 중에서 족부 유형을 판정하고,
① 가-유형: 후족부가 보상되지 않는 바루스(uncompensated rearfoot varus)이고, 전족부가 가장 높은 3-레벨 발구스(forefoot valgus)이고, 아치의 높이가 3-레벨이며, 전체적으로 3-레벨 수피네이티드(supinated) 유형;
② 나-유형: 후족부가 발구스(rearfoot valgus)이고, 전족부가 플렉스블한 발구스(forefoot valgus)이고, 아치의 높이가 1-레벨이며, 전체적으로 1-레벨의 프로네이티드(pronated) 유형;
③ 다-유형: 후족부가 보상되지 않는 바루스이고, 전족부가 중립(neutral)이고, 아치의 높이가 중간의 2-레벨이며, 전체적으로 뉴트럴(neutral, normal) 유형;
④ 라-유형: 후족부가 보상된 바루스이고, 전족부가 중립이고, 아치의 높이가 1-레벨이며, 전체적으로 2-레벨의 프로네이티드 유형;
⑤ 마-유형: 후족부가 보상되지 않는 바루스이고, 전족부가 2-레벨 바루스이고, 아치의 높이가 2-레벨이며, 전체적으로 2-레벨의 수피네이티드 유형;
⑥ 바-유형: 후족부가 보상된 바루스(compensated rearfoot varus)이고, 전족부가 바루스이고, 아치의 높이가 0-레벨이며, 전체적으로 3-레벨의 프로네이티드 유형;
상기 인솔 선정부(225)는 상기 족부 유형 판정부(224)에서 판정된 족부 유형에 따라 하기 가-유형 내지 바-유형의 6가지 타입의 인솔(
① 가-유형(족부유형)에 적용되는 인솔: 후족부는 내측(medial)에 비해 외측(lateral)이 5~15도 경사 각도로 높게 형성되고, 전족부는 제1 중족골두 수용 부위에 비해 제2 3, 4 및 5 중족골두 수용 부위가 높게 형성되고, 중족부는 내측(medial)에 비해 외측(lateral)이 높게 형성되며, 종골과 입방골이 결합되는 종골-입방골 아치(Caclneual cuboid arch) 부위는 3-레벨의 높은 지지부가 형성되어 있는 인솔;
② 나-유형(족부유형)에 적용되는 인솔: 후족부는 발이 안쪽으로 쓰러지는 것(Eversion)을 방지하기 위해 외측에 비해 내측이 완만한 경사로 더 높게 형성되고, 전족부는 외측에 비해 내측이 좀더 높게 형성되고, 엄지발가락 부위는 제1 중족골두로부터 연장(Mortons Extension)되어 좀더 높게 형성되며, 외측 종골-입방골 아치(Caclneual cuboid arch) 부위는 1-레벨의 낮은 지지부가 형성되어 있는 인솔;
③ 다-유형(족부유형)에 적용되는 인솔: 후족부는 외측에 비해 내측이 경사가 없거나 완만한 경사로 조금 더 높게 형성되고, 중족부는 횡 아치를 제어하기 위한 지지부가 형성되고, 전족부는 제2, 3 및 4 중족골두 수용 부분이 좌우 주변부에 비해 좀 더 높게 형성되어 있고, 외측 종골-입방골 아치(Caclneual cuboid arch) 부위는 1-레벨의 낮은 지지부가 형성되어 있는 인솔;
④ 라-유형(족부유형)에 적용되는 인솔: 후족부는 발이 안쪽으로 쓰러지는 것(Eversion)을 방지하기 위해 외측에 비해 내측이 완만한 경사로 더 높게 형성되고, 전족부는 외측에 비해 내측이 좀더 높게 형성되고, 엄지발가락 부위는 제1 중족골두로부터 연장(Mortons Extension)되어 좀더 높게 형성되어 있는 인솔;
⑤ 마-유형(족부유형)에 적용되는 인솔: 후족부는 내측(medial)에 비해 외측(lateral)이 2~10°의 경사각으로 높게 형성되고, 전족부는 외측에 비해 내측이 조금 높게 형성되고, 종골과 입방골이 결합되는 종골-입방골 아치(Caclneual cuboid arch) 부위는 2-레벨의 지지부가 형성되어 있는 인솔;
⑥ 바-유형(족부유형)에 적용되는 인솔: 후족부는 발이 안쪽으로 쓰러지는 것(Eversion)을 방지하기 위해 외측에 비해 내측이 경사로 더 높게 형성되고, 전족부는 외측에 비해 내측이 좀더 높게 형성되고, 엄지발가락 부위는 제1 중족골두로부터 연장(Mortons Extension)되어 좀더 높게 형성되며, 외측 종골-입방골 아치(Caclneual cuboid arch) 부위는 1-레벨의 낮은 지지부가 형성되어 있는 인솔)
을 포함하는 것 중에서 인솔을 선정하는 것을 특징으로 하는,
인공지능 알고리즘을 이용한 맞춤형 인솔 주문 시스템.
- 제1항에 있어서,
상기 하퇴 이분선 검출부(223)는 하퇴 이분선으로 좌우 구획된 발 뒤꿈치의 좌우 면적을 검출하고, 상기 족부 유형 판정부(224)는 상기 발 뒤꿈치의 면적 데이터를 학습 모델의 입력 데이터로 더 포함하여 족부 유형을 판정하는 것을 특징으로 하는,
인공지능 알고리즘을 이용한 맞춤형 인솔 주문 시스템.
- 제1항에 있어서,
상기 족부 유형 판정부(224)에서 인공지능 알고리즘은 심층 신경망 및 합성곱 신경망을 포함하여 이루어 지고,
상기 내측 복사뼈의 기울기 각도, 외측 복사뼈의 기울기 각도, 하퇴 이분선의 기울기 각도는 심층 신경망을 이용하여 학습되고,
상기 족부 이미지는 합성곱 신경망을 이용하여 학습되는 것을 특징으로 하는,
인공지능 알고리즘을 이용한 맞춤형 인솔 주문 시스템.
- 제1항에 있어서,
상기 내측 복사뼈의 기울기 각도는 후족부 이미지로부터 산출된 내측 복사뼈(medial malleolus)와 족부바닥 부위의 내측면을 연결하여 생성되는 직선의 각도이고,
상기 외측 복사뼈의 기울기 각도는 후족부 이미지로부터 산출된 외측 복사뼈(lateral malleolus)와 족부바닥 부위의 외측면을 연결하여 생성되는 직선의 각도인 것을 특징으로 하는,
인공지능 알고리즘을 이용한 맞춤형 인솔 주문 시스템.
- 제1항에 있어서,
상기 하퇴 이분선의 기울기 각도는 하퇴(종아리) 족부 이미지에서 하퇴(종아리)에 해당하는 부분을 일정 높이로 다분할하여 생성되는 다수의 수평선(가로선)과 하퇴(종아리)의 윤곽선이 만나는 양쪽 좌표로부터 일련의 중심점들을 설정하고, 상기 중심점들 대상으로 선형 회귀법 및 최소제곱 근사법을 이용하여 검출되는 수직선의 각도인 것을 특징으로 하는,
인공지능 알고리즘을 이용한 맞춤형 인솔 주문 시스템.
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 제1항에 있어서,
고객의 인솔 사용시 인솔에 가해지는 압력 분포를 확인할 수 있도록 압력에 의해 발색되는 감압필름이 상기 인솔의 하부면 또는 상부면에 더 포함되고,
상기 족부 분석 프로세서(220)는 고객으로부터 전송되어온 감압필름 이미지 데이터를 족부 유형의 적합 여부를 판단하는 족부 유형 재판정 검출부(226)를 더 포함하고,
상기 족부 유형 판정부(224)는 족부 유형 재판정 검출부(226)에서 획득된 족부 유형 데이터를 반영하여 족부 유형을 재학습하는 것을 특징으로 하는,
인공지능 알고리즘을 이용한 맞춤형 인솔 주문 시스템.
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220064607A KR102662047B1 (ko) | 2022-05-26 | 2022-05-26 | 인공지능 알고리즘을 이용한 맞춤형 인솔 주문 시스템 |
| PCT/KR2023/000877 WO2023229144A1 (ko) | 2022-05-26 | 2023-01-18 | 인공지능 알고리즘을 이용한 맞춤형 인솔 주문 시스템 |
| KR1020240052831A KR20240057394A (ko) | 2022-05-26 | 2024-04-19 | 인공지능 알고리즘을 이용한 맞춤형 인솔 주문 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220064607A KR102662047B1 (ko) | 2022-05-26 | 2022-05-26 | 인공지능 알고리즘을 이용한 맞춤형 인솔 주문 시스템 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020240052831A Division KR20240057394A (ko) | 2022-05-26 | 2024-04-19 | 인공지능 알고리즘을 이용한 맞춤형 인솔 주문 시스템 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20230164896A KR20230164896A (ko) | 2023-12-05 |
| KR102662047B1 true KR102662047B1 (ko) | 2024-04-30 |
Family
ID=88919431
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220064607A KR102662047B1 (ko) | 2022-05-26 | 2022-05-26 | 인공지능 알고리즘을 이용한 맞춤형 인솔 주문 시스템 |
| KR1020240052831A KR20240057394A (ko) | 2022-05-26 | 2024-04-19 | 인공지능 알고리즘을 이용한 맞춤형 인솔 주문 시스템 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020240052831A KR20240057394A (ko) | 2022-05-26 | 2024-04-19 | 인공지능 알고리즘을 이용한 맞춤형 인솔 주문 시스템 |
Country Status (2)
| Country | Link |
|---|---|
| KR (2) | KR102662047B1 (ko) |
| WO (1) | WO2023229144A1 (ko) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101263216B1 (ko) * | 2009-12-21 | 2013-05-10 | 한국전자통신연구원 | 스마트 신발 및 그 동작 방법 |
| KR102322873B1 (ko) * | 2021-03-17 | 2021-11-05 | 주식회사 엑스바디 | 발 형상에 따른 기능성 발 보조기 판정 방법 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100661097B1 (ko) * | 2006-03-13 | 2006-12-27 | (주)한신코리아 | 맞춤형 인솔 |
| KR101899064B1 (ko) | 2017-05-17 | 2018-09-17 | 문광섭 | 스마트 기기의 발 치수 측정을 이용한 개인 맞춤형 조립인솔 제작 시스템과 방법 |
| KR102101945B1 (ko) * | 2018-09-05 | 2020-04-17 | 주식회사 알푸스 | 반-맞춤형 인솔 및 반-맞춤형 인솔 선정 방법 |
| KR20220040963A (ko) * | 2020-09-24 | 2022-03-31 | 주식회사 나인투식스 | 사진 촬영을 이용한 발 건강 맞춤형 인솔 정보 제공 장치 |
-
2022
- 2022-05-26 KR KR1020220064607A patent/KR102662047B1/ko active IP Right Grant
-
2023
- 2023-01-18 WO PCT/KR2023/000877 patent/WO2023229144A1/ko unknown
-
2024
- 2024-04-19 KR KR1020240052831A patent/KR20240057394A/ko active Application Filing
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101263216B1 (ko) * | 2009-12-21 | 2013-05-10 | 한국전자통신연구원 | 스마트 신발 및 그 동작 방법 |
| KR102322873B1 (ko) * | 2021-03-17 | 2021-11-05 | 주식회사 엑스바디 | 발 형상에 따른 기능성 발 보조기 판정 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023229144A1 (ko) | 2023-11-30 |
| KR20230164896A (ko) | 2023-12-05 |
| KR20240057394A (ko) | 2024-05-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106942837B (zh) | 一种基于图像识别及三维建模技术的矫形鞋制作方法及系统 | |
| US20210145318A1 (en) | System for detecting a gait disorder of a user and associated methods | |
| US20050049816A1 (en) | System and method for assisting shoe selection | |
| CN112449576B (zh) | 获得脚部分析数据的方法和系统 | |
| WO2008070537A2 (en) | System and methods of making custom footwear | |
| CN107114861A (zh) | 一种基于压力成像及三维建模技术的定制鞋制作方法及系统 | |
| US11903453B2 (en) | System for providing user-customized last and method therefor | |
| CN106901445A (zh) | 一种基于压力成像及三维建模技术的矫形鞋制作方法及系统 | |
| KR102535524B1 (ko) | 신발 추천 장치 및 방법 | |
| CN108348045A (zh) | 用于确定矫正装置的尺寸的方法和系统 | |
| JP2022550301A (ja) | カスタムソールの設計のためのパーソナライズされたソールパラメータ値を計算するための方法及びシステム | |
| KR20220040964A (ko) | 사진 촬영을 이용한 발 건강 맞춤형 인솔 정보 제공 장치의 동작 방법 | |
| KR20220040337A (ko) | 발 건강 관리 서비스 제공 시스템 | |
| KR102662047B1 (ko) | 인공지능 알고리즘을 이용한 맞춤형 인솔 주문 시스템 | |
| KR102662046B1 (ko) | 인공지능 알고리즘을 이용한 맞춤형 인솔의 주문 방법 | |
| TWI700051B (zh) | 智能選鞋系統及其方法 | |
| KR102531528B1 (ko) | 온라인 네트워크를 이용한 맞춤형 인솔의 주문 시스템 | |
| CN111713806A (zh) | 基于深度相机的鞋垫选配方法、系统、智能终端及存储介质 | |
| KR102578079B1 (ko) | 온라인 개인 맞춤형 인솔 제작 시스템 | |
| US20190174874A1 (en) | Method and Device for Automatic Fitting tools of Athletic Foot Wear | |
| KR102641919B1 (ko) | 스마트 인솔을 활용한 실시간 피드백 기반의 가상현실 보행 시스템 | |
| TWI821594B (zh) | 高跟鞋適合高度範圍判斷系統及高跟鞋適合高度範圍判斷方法 | |
| WO2023172595A1 (en) | Systems, methods and apparatus for providing personalized footwear | |
| CN111986218A (zh) | 一种图像识别的方法及系统 | |
| Lee et al. | Artificial Intelligence–Based Mobile Application for Identifying Suitable Height Range of High Heels |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |