KR20020004543A - 수술용 진단 예측 시스템 - Google Patents

수술용 진단 예측 시스템 Download PDF

Info

Publication number
KR20020004543A
KR20020004543A KR1020000038552A KR20000038552A KR20020004543A KR 20020004543 A KR20020004543 A KR 20020004543A KR 1020000038552 A KR1020000038552 A KR 1020000038552A KR 20000038552 A KR20000038552 A KR 20000038552A KR 20020004543 A KR20020004543 A KR 20020004543A
Authority
KR
South Korea
Prior art keywords
point
soft
soft tissue
patient
diagnosis
Prior art date
Application number
KR1020000038552A
Other languages
English (en)
Inventor
김동윤
박정근
Original Assignee
김동윤
이원유
하은호
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 김동윤, 이원유, 하은호 filed Critical 김동윤
Priority to KR1020000038552A priority Critical patent/KR20020004543A/ko
Publication of KR20020004543A publication Critical patent/KR20020004543A/ko

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
    • A61B2034/101—Computer-aided simulation of surgical operations
    • A61B2034/105—Modelling of the patient, e.g. for ligaments or bones

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Epidemiology (AREA)
  • Surgery (AREA)
  • Robotics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Processing Or Creating Images (AREA)

Abstract

본 발명은 환자의 수술진단과 수술후 결과를 예측하기 위한 시스템과 방법에 관한 것으로, 더욱 상세하게는 환자의 상태를 진단하고, 이를 회귀분석법을 사용하여 수술후의 결과를 예측토록 하여 환자와 의사가 환자의 수술전에 미리 가상적인 수술후의 모습을 볼 수 있도록 하는 진단 및 예측시스템을 제공한다.
이를 위해 본 발명은 두부방사선 사진상에 경조직과 연조직의 입력점을 입력함으로써 환자의 상태를 파악하기 위한 분석프로세서;
상기 분석프로세서에서 분석된 상태에 따라 사용자가 경조직들의 변위량을 입력함에 따라서 연조직들의 입력점들의 변위를 회귀방정식에 의하여 결정하는 예측프로세서를 주요 구성으로 한다.
본 발명에 의하면, 동양사람들 특히 우리 나라 사람을 모집단으로 회귀방정식을 추출하였으므로, 우리 나라 사람들에 가장 근사한 수술모형을 제시할 수 있다. 이와 같이, 가장 근접한 모의 수술과정을 경험하도록 함으로써 환자와 의사 모두에게 만족한 결과를 가져올 수 있도록 하는 이점이 있다.

Description

수술용 진단 예측 시스템 {system for diagnosis and prediction of the orthognatic surgery}
본 발명은 환자의 수술진단과 수술후 결과를 예측하기 위한 시스템과 방법에 관한 것으로, 더욱 상세하게는 환자의 상태를 진단하고, 이를 회귀분석법을 사용하여 수술후의 결과를 예측토록 하여 환자와 의사가 환자의 수술전에 미리 가상적인 수술후의 모습을 볼 수 있도록 하는 진단 및 예측시스템에 관한 것이다.
기형환자를 수술하기 전에 미리 수술후의 모습을 예측할 수 있다는 것은 의사로서는 환자 진단의 정확성을 높일 수 있으며, 수술의 완벽성을 기할 수 있고, 환자로서는 미리 수술후의 결과를 예측할 수 있어 환자의 만족도를 제고시킬 수 있다. 종래, 이와 같은 수술후의 결과를 예측하고자 하는 필요성과 전자장비들의 발전에 따라서 수술용 진단시스템과 예측시스템은 많은 종류가 개발되어졌고, 사용되어져 왔다.
그러나, 이와 같은 종래의 진단시스템과 예측시스템은 유럽이나 미국에서 주로 개발되어져 왔고, 동양사람들에게 적용하게 되는 경우 진단과 예측에 부적절한 경우가 많이 발생하였다.
또한, 종래의 진단시스템과 예측시스템은 조작이 복잡하여 이를 숙련하기에는 많은 시간이 필요로 하고, 사용상 불편한 점이 많이 존재하였다.
따라서, 본 발명은 이와 같은 문제점들을 해결하기 위한 것으로서, 본 발명의 목적은 동양인이나 서양인이나 신체구조가 다른 경우라고 하여도 적절히 변수선택을 하도록 함으로써 보다 정확한 진단과 예측이 이루어질 수 있는 시스템을 제공하기 위한 것이다.
또한, 본 발명의 다른 목적은 진단과 예측을 위하여 오차가 극히 작은 새로운 알고리즘을 채택하고 운용하기 위한 시스템을 제공하기 위한 것이다.
도 1은 본 발명의 일실시예의 전체 과정을 나타내기 위한 순서도이다.
도 2는 본 발명의 진단 및 예측 시스템의 일실시예의 구성을 나타내기 위한 구성도이다.
도 3은 본 발명에서 환자정보에 대한 테이블예시도이다.
도 4는 본 발명에서 영상정보 테이블의 예시도이다.
도 5는 본 발명에서 환자정보DB 203과 영상정보DB 204의 관계형 모델을 예시도이다.
도 6은 본 발명에서 입력점의 위치를 표시하기 위한 도면이다.
도 7은 본 발명에서 분석항목의 예시도이다.
도 8은 본 발명의 일시예에서 입력프로세서의 처리과정을 설명하기 위한 순서도이다.
도 9는 본 발명에서 영상정보가 단말기에 전시된 상태를 나타내는 화면이다.
도 10은 본 발명의 오리지날 영상을 갖고 상기 다양한 기법의 영상처리를 한 결과를 예시한 도면이다.
도 11는 본 발명의 분석프로세스에서 분석되는 결과를 전시하기 위한 화면의 일예를 나타낸다.
도 12는 본 발명에서 수직, 수평선의 기준을 제시하기 위한 도면이다.
이와 같은 목적들을 달성하기 위한 본 발명의 특징은 수술전에 시행하는 환자의 상태를 진단하고 수술후의 결과를 예측하기 위한 시스템에 있어서;
두부방사선 사진상에 경조직과 연조직의 입력점을 입력함으로써 환자의 상태를 파악하기 위한 분석프로세서;
상기 분석프로세서에서 분석된 상태에 따라 사용자가 경조직들의 변위량을 입력함에 따라서 연조직들의 입력점들의 변위를 회귀방정식에 의하여 결정하는 예측프로세서를 포함한다.
이하, 본 발명의 바람직한 실시예에 대하여 첨부도면을 참조하여 상세히 설명한다. 우선 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 한해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호로 표기되었음에 유의하여야 한다. 또한, 하기의 설명에서는 구체적인 회로의 구성소자 등과 같은 많은 특정사항들이 도시되어 있는데, 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐 이러한 특정 사항들 없이도 본 발명이 실시될 수 있음은 이 기술분야에서 통상의 지식을 가진 자에게는 자명하다 할 것이다. 그리고, 본 발명을 설명함에 있어서, 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
도 1은 본 발명의 일실시예의 전체 과정을 나타내기 위한 순서도이다.
본 발명의 일실시예에서 대상환자로는 동양, 특히 우리 나라에 많이 발생하는 골격성 제 Ⅲ 급 부정교합 환자를 대상으로 하고 있다. 골격성 제 Ⅲ 급 부정교합이라 함은 심한 상·하악골의 골격적 부조화를 갖고 있는 것으로, 이러한 환자는 성장조절이나 절충치료(orthodontic camouflage treatment)방법으로는 문제를 해결하기 어려운 경우가 많이 발생하고, 이러한 경우에는 교정-악교정 수술 복합치료를 시행하여 상·하악골의 위치를 재배열하거나 치조골 분절(segments)을 재위치 시켜 치료하여야 하며, 이러한 치료를 통하여 악구강계의 기능 향상 및 심미성 증진을 도모할 수 있다. 이러한 교정-악교정 수술 복합치료에서 환자의 만족도는 악교정 수술을 통해 이루어지는 안면부 경조직의 구조적 변화 못지 않게 이로 인해 결과되는 연조직 모습의 변화에 크게 관계되기 때문에, 악교정 수술의 목적은 저작, 발음, 악관절 장애들의 기능적 개선뿐 아니라 안모의 심미적인 개선에도 있다고 할 수 있다. 이와 같은 관점에서 수술을 계획할 때, 수술 후 경조직 이동에 따른 연조직의 변화 양상을 예측하여 수술 전에 미리 수술 후 안모의 변화된 모습을 볼 수 있다면, 수술 받을 환자에게 심적인 도움을 줄 수 있을 뿐 아니라 의사와 환자간의 의사 소통 및 의사 자신의 성공적인 악교정 수술 치료계획 수립에도 많은 도움을 줄 수 있다.
도 1에 도시된 바와 같이, 골격성 부정교합 환자가 치료를 목적으로 병원에 내원하게 되면, 환자의 진단과 치료계획을 위한 기본적인 정보들과 영상정보들이 발생하게 되는데, 이러한 기본적인 정보들과 두부 방사선 사진, 구강 내 사진, 환자의 안모 사진 등을 디지털 영상으로 획득하여 데이터베이스에 저장함으로써 시스템의 시작을 위한 모든 준비를 마치고, 실질적인 진단 예측 시스템을 시작하게 된다(20).
다음으로, 환자의 두부 방사선 사진 영상 위에 교정의가 마우스를 이용하여 입력점을 입력함으로써(30), 자동으로 두부 방사선 계측 사진 분석이 이루어진다. 이와 같은 사진분석결과를 바탕으로 교정의가 현재 환자의 상태를 진단하고 그 치료계획을 세우는데 도움을 줄 수 있게 하였다(40). 이렇게 진단과 치료계획이 수립되고 나면, 이를 바탕으로 교정의는 컴퓨터 상에서 모의 악교정 수술을 시행하게 되고(50), 모의 악교정 수술이 끝나면, 악교정 수술에 따른 경조직의 이동량과 연조직의 이동량의 관계를 설명하는 회귀방정식을 사용하여 수술 후 변화될 안모의 모습을 예측할 수 있게 하였다. 또한 환자의 CCD영상에 대해 Image Warping 알고리즘을 사용하여 수술 후 환자의 예측 영상을 생성하여 환자의 이해증진과 교정의의 치료계획 수립에 도움을 줄 수 있게 하였다(60).
도 2는 본 발명의 진단 및 예측 시스템의 일실시예의 구성을 나타내기 위한 구성도이다.
진단 및 예측시스템은 중앙연산처리장치100, 읽기전용 메모리ROM101, 랜덤엑세스 메모리RAM102, 암호화 프로세서104, 오퍼레이팅 시스템105, 본 발명의 시스템과 접속된 외부 장치들, 단말기들 또는 통신망에 접속되어 본 발명이 서버의 역할을 수행할 때 통신망에 접속된 클라이언트와 데이터를 송수신하기 위한 외부인터페이스106, 본 발명 고유의 진단 및 예측을 실시하기 위한 다수의 프로세서들을 포함하는 프로세서부300, 다수의 환자의 이력, 영상정보, 프로세서부300에서 처리된 결과들이 저장되는 데이터베이스부200으로 구성된다.
본 실시예의 진단 및 예측시스템은 대용량의 정보처리 능력을 갖고 있고 각각의 프로세스에서 수행하는 연산 및 데이터베이스서치, 저장, 제어, 정보처리 등을 주관하므로 대용량의 처리능력을 보유하도록 하고, 중앙연산처리장치(CPU)100은 인텔계열, AMD 계열, 알파계열, 모토롤라 계열 등의 펜티엄급 microprocessor를 이용한다. 암호화 프로세서는 모토롤라, 인텔 계열의 microcontrollor를 이용한다. microcontrollor를 이용하여 128bit 이상의 암호화키를 형성하여 암호화 프로세서104가 통신상에서 지정된 자의 정보가공 및 처리를 하도록 한다. 오퍼레이팅시스템105는 진단 및 예측시스템의 여러 데이터 처리나 프로세서동작, 시스템동작을 원활히 수행하도록 체계를 잡아 시스템의 각각의 동작사항에 대한 도움을 준다.
데이터베이스부200내의 각종 데이터베이스가 구축되어 있으며, 데이터베이스 구축을 위하여 Relational Database Management System(RDBMS)을 이용하도록 하고, Oracle 데이터베이스는 관계형 데이터 모델을 사용하여 디자인되었으며,Structured Query Language(SQL)를 그 쿼리 언어로 사용하며, 거의 모든 플랫폼(Windows, UNIX, 매킨토시, 메인프레임)에서 동일하게 동작하도록 한다.
환자정보 데이터베이스(DB)203은 진찰권번호, 이름, 성별, 생년월일, 초진일등이 기록된 환자정보가 저장된 DB로, 그 테이블의 형식이 도 3과 같이 예시될 수 있다.
영상정보DB204는 환자의 각종 영상정보가 저장된 데이터베이스로 도 4는 영상정보 테이블의 일 예이고, 도 5는 환자정보DB 203과 영상정보DB 204의 관계형 모델을 예시하기 위한 일예이다.
입력점DB205는 환자의 디지털 두부 방사선 영상에 교정의가 입력하여야 될 입력점들에 대한 정보가 저장된다. 본 실시예에서는 입력점의 수를 경조직24개, 연조직12 개로 선정하였으며, 그 명칭은 다음과 같으며, 이들의 위치를 도면상 표시하면 도 6과 같다.
경조직 입력점
Sella sella tursica(접형골의 pituitary fossa)의 중심
Porion 외이도의 최상방점
Nasion 전두골과 비골의 봉합선상의 최전방점
Orbitale 골성 orbitale contour 상에서 최하방점
ANS anterior nasal spine의 최첨점
PNS posterior nasal spine의 최첨점
A-point ANS와 상악 전치 치조골의 contour상에서 가장 깊은 곳
B-point pogonion과 하악 전치 치조골의 contour상에서 가장 깊은 곳
PM B-point와 Pogonion사이의 변곡점
Pogonion 하악 symphysis 상에서의 최전방점
Menton 연조직 symphyseal outline상에서 최전방점
Corpus left 하악체의 하연부위 접선에서 하방부의 접점
Ramus down 하악지의 후방부위 접선에서 하방부의 접점
Articulare 하악 과두의 후연과 하두개저 선의 교차점
R3 하악지 sigmoid notch의 최하방점
R1 하악지 전연에서의 최하방점
Mx 1 crown 상악 절치 치관의 tip
Mx 1 root 상악 절치 치근의 tip
Md 1 crown 하악 절치 치관의 tip
Md 1 root 하악 절치 치근의 tip
Mx 6 distal 교합평면에서 2mm 상방에 위치한 상악 제 1 대구치의 원심 접촉점
Mx 6 root 상악 제 1 대구치의 원심협측 치근점
Md 6 distal 교합평면에서 2mm 하방에 위치한 하악 제 1 대구치의 원심 접촉점
Md 6 root 하악 제 1 대구치의 원심협측 치근점
연조직 입력점
Glabella(G') 정중선상의 전두부 연조직상의 최전방점
Soft Nasion(Na') 연조직 측모상에서 전두부와 비부의 경계점
Pronasale(Pn) 연조직상의 비첨점(nose tip)
Subnasale(Sn) 연조직 정중선상의 비중격과 상순의 경계점
Soft A-point(A') Sn-Ls 사이의 연조직 선상에서 가장 깊은 곳
Labrale superius(Ls) 상순 홍순부상의 최전방점
Stomion superius(Stms) 상순 홍순부상의 최하방점
Stomion inferius(Stmi) 하순 홍순부상의 최상방점
Labrale inferius(Li) 하순 홍순부상의 최전방점
Soft B-point(B') Li-Pg' 사이의 연조직 선상에서 가장 깊은 곳
Soft Pogonion(Pg') 연조직 symphysis 상에서의 최전방점
Soft Menton(Me') 연조직 symphysis 상에서의 최하방점
분석결과DB 206은 두부방사선 사진에 대한 분석이 종료되면 그 결과를 저장하는 데이터 베이스로 그 분석항목에 대한 것으로, 모든 입력점들간의 수평, 수직길이, 각도 혹은 비율관계등에 대한 상세한 정보들이 저장되며, 그 예시항목은 도 7과 같다.
예측영상DB207은 경조직과 연조직이동된 상태에 따른 영상정보들이 저장되는 데이터 베이스이고, 예측결과DB208은 모의 수술후에 입력점들의 새로운 위치정보들이 저장되는 데이터베이스이다.
데이터베이스부200내에는 각종 데이터베이스내에 찾고자 하는 DB를 검색하기 위한 서치엔진201이 설치되고, 각종 데이터 베이스를 효율적 관리를 위하여 DB엔진202이 설치된다.
프로세서부300에는 본 발명의 진단 및 예측을 위하여 다수의 프로세스가 형성되어 있어 각각의 고유기능들을 담당하고 있으며, 이들은 순수한 하드웨어나 소프트웨어로 이루어질 수 있으며, 이들을 조합한 구성으로 이루어질 수 있다.
도 8은 본 발명의 일시예에서 입력프로세서의 처리과정을 설명하기 위한 순서도이다.
환자에 대한 모의 수술을 실시하기 위하여는 교정의는 환자정보를 입력하여 환자정보DB203와 이와 관련된 영상정보DB204를 전시한다. 도 9는 이와 같은 영상정보가 단말기에 전시된 상태를 나타내는 화면이다. 우선 두부방사선 사진에 입력점들을 입력하기 위해서는 사용자가 입력점을 입력할 것을 윈도우창에 전시된 기능키나 안내문을 선택하게 되면(71) 입력점 입력프로세서301이 동작되어 두부방사선 사진이 전시되었는지 확인하고(72), 두부방사선사진이 전시된 윈도우창의 특정영역에 입력점DB205에 저장된 입력점들의 명칭 및 설명으로 이루어진 테이블을 전시하도록 한다(73). 또한, 사용자(교정의)가 전시된 테이블상의 입력점중 첫 번째 입력점을 선택하고, 그 해당 입력점을 두부방사선사진상의 위치를 마우스를 이용하여 선택하게 되면, 이 정보는 입력점 입력프로세스301에 전송되어 두부방사선 사진상에 입력점을 표시하고(74), 그 위치를 입력점 입력결과DB209에 저장하도록 한다(75). 입력점들이 상기 과정에 의하여 선택되고, 표시됨에 따라 전시된 입력점들의 칼라에 변화를 가져오도록 하여 미선택 입력점과 색깔로서 구분 하도록 한다(76). 이와 같이, 색깔변화와 같은 선택오류를 방지하기 위한 방법에는 수많은 기법이 존재할 수 있으며, 입력점 입력프로세스가 동작되기 위해서는 외부 단말기, 인터페이스106, 중앙처리장치100, 데이터베이스부200내의 서치엔진201, DB엔진202가 상호 연동되어 동작되지만 이들의 동작과정은 본 실시예를 설명하기 위한 본질이 아니기 때문에 설명을 생략하기로 한다.
영상처리프로세서302는 정확한 진단을 위하여 환자의 사진을 다각도로 관찰하기 위한 프로세스이다. 이를 위해 스캐너와 영상획득기를 통하여 디지털화된 영상에 기존의 아날로그 형태로는 할 수 없었던 엠보싱(Embossing), 샤프닝(Sharpening), 에지 디텍션(Edge Detection) 등의 영상처리를 하게된다. 도 10은 오리지날 영상을 갖고 상기 다양한 기법의 영상처리를 한 결과를 예시한 도면이다.
측모생성프로세스는 입력점 입력프로세서301에 의하여 입력점들이 입력되어, 입력점 입력결과DB209에 저장되게 되면, 이 입력결과를 이용하여 옆모습을 자동적으로 생성하도록 하는 프로세스이다. 측모생성프로세스에 사용되는 알고리즘은 다양한 방법들이 사용되고 있으나, 측면의 곡선을 살리기 위하여는 큐빅 스풀라인(Cubic spline) 기법이 적합하다.
큐빅 스풀라인 기법은 N+1개의 점이 주어졌을 때, P_0 , P_1 , P_2 , … , P_n-1 , P_n이 주어진 n+1개의 점들이라 하고, P_0 ^' , P_1 ^' ,P_2 ^' , … , P_n-1 ^' ,P_n ^'을 각 점에서의 일차 미분값이라고 하면, 다음과 같은 수학식 1에서 구할 수 있다.
=
이 식을 풀기 위해서 필요한 것은 P_0 ^' , P_n ^'의 Ending Condition 만 주어지면 된다. 위 식에서는 P_0 ^' = (1, -1), P_n ^' = (1, 1)로 임의로 정하여 사용하였다. 이렇게 주어진 Endign Conditon을 이용하여 위의 식을 풀어 각 점의 미분값을 구하여 각 점의 미분값과 주어진 점들의 좌표를 이용해 각 점 사이를 연결하는 N개의 Hermite Curve를 그림으로써 전체 N+1개의 점을 연결하는 cubic spline이 완성되게 되는 것이다.
이와 같이, 저장된 입력점들의 좌표를 이용하여 측모 생성프로세서에 의하여 생성된 측면을 화면으로 도시하면 도 6과 같다.
분석프로세세스304는 입력점 입력결과DB209에 저장된 정보를 분석프로세스304내의 분석알고리즘에 의하여 처리하여 그 결과를 전시 및 저장한다. 분석알고리즘은 정상집단들의 입력점들의 통계적 위치를 파악하고, 입력결과DB209에 저장된 환자의 입력점들의 편차정도를 수학적으로 계산하는 알고리즘을 의미하여 다수의 치과대학에서 나름대로의 방식을 제공하고 있다. 분석프로세스304에서 분석되는 항목을 예시하면 도 7과 같고, 분석결과 전시되는 화면을도시하면 도 11과 같다. 도 11에 도시된 바와 같이, 분석결과의 화면에는 환자에 관한 데이터 뿐만 아니라, 환자의 상태파악에 중요한 기준선들이 도시되고, 데이중에 실제 영상의 [mm]단위로 환산한 값으로 표시하여 줌으로써 사용자가 정확한 분석을 하는 데 도움을 주도록 한다. 다음은 150dpi의 해상도를 가지는 영상에 대한 보정을 해 주는 예를 나타낸 것이다.
영상의 해상도 : 150 dpi
150 pixel/inch = 59.055 pixel/cm = 5.9055 pixel/mm
1 pixel = 1/5.9055 mm = 0.1693 mm
∴ 실제 치수값 = 픽셀 연산의 결과 치수값 × 0.1693
템플릿(templet) 생성 프로세스305는 화상으로 모의 수술할 때 입력점주위의 특징적인 경조직의 형상으로 이는 경조직 입력점들의 위치에 따라 그 템플릿의 형태가 다양하게 생성된다.
예측프로세스306은 모의 수술에서 측모사진을 전시하고, 템플릿프로세서305에서 생성된 템플릿들을 이동하게 되면 그와 관련된 연조직들이 이동하게 되는 데 이 연조직들의 이동량들을 정확히 산출하는 것을 수행하는 프로세스이다.
본 발명에서는 이 연조직들의 이동량을 산출하기 위하여 연조직의 입력점들을 경조직의 입력점들을 변수로 하는 회귀분석에 의하여 변위값을 구하도록 하여 수술 후의 모습을 예측하도록 하였다.
회귀분석(regression analysis)은 변수들간의 관계에 대해 수학적 함수 모형을 설정하여 수집한 자료로부터 이 모형을 추정하고, 추정된 모형을 이용하여 한변수(종속변수라 함)값을 예측하는데 이용되는 통계적 방법이다. 캘톤에 의해 처음 소개된 회귀분석은 통계적 자료분석 방법 가운데 가장 중요한 것 중의 하나로서 변수들간의 관계를 파악하는데 유용하게 이용되는 기법이다.
회귀분석에서 분석의 대상이 되는 변수를 반응변수(response variable) 또는 종속변수(dependent variable)라 하고, 이에 영향을 미치는(설명해주는) 변수를 설명변수(explanatory variable) 또는 독립변수(independent variable)라 한다.
회귀분석의 종류는 두 가지 기준에 의해 다음과 같이 분류할 수 있다.
첫번째 기준은 종속변수를 설명하기 위해 회귀모형에 포함되어 있는 독립변수의 개수에 의한 분류로서, 한 개의 독립변수만 포함된 모형의 분석절차를 단순(simple)회귀분석이라 하고, 둘 이상의 독립변수가 포함된 모형의 분석절차를 다중(multiple)회귀분석이라 한다.
두 번째는 선형 회귀분석과 비선형 회귀분석으로 분류하는 방법이다. 이는 회귀함수식의 종속변수와 독립변수들의 관계를 나타내주는 모수(회귀계수라 함)들이 어떤 함수 형태(선형 또는 비선형)로 모형에 포함되었는지에 의해 결정된다.
본 발명에 악교정 수술에 의해 이동하는 경조직의 수직·수평 이동량을 설명변수(독립변수)로 설정하고, 경조직의 이동에 따라 움직이는 연조직의 수직·수평 이동량을 반응변수(종속변수)로 설정하기로 한다. 단순 회귀분석만으로는 수술 후의 연조직의 정확한 예측이 힘들므로 본 발명에서는 다중 선형회귀분석법(multiple linear regression analysis)을 사용하여 악교정 수술에 따른 경조직의 이동량과 연조직의 이동량과의 관계를 설명하는 다음과 같은 수학식2의 모형을 설정하였다. 설명변수[경조직의 이동량] : x_1 ,~ x_2 ,~ x_3 ,~ … ~,~x_14 이고, 반응변수[연조직의 이동량] : y_1 ,~ y_2 ,~ y_3 ,~ … ~,~ y_20 이라 할 때 반응변수는 다음의 수학식 2에 의해서 결정된다.
y_i ~=~ beta _0 + beta_1 x_1i + ~…~ + beta_p-1 x_p-1,i + e_i ~~~~~~~~(i= 1, 2, …, 20)
여기서, y_i는 반응변수의 i번째 관찰치,
x_i는 설명변수의 i번째 관찰치로서 기지의 상수(known constant),
beta_0 ,~ beta_1 ,~ … ,~ beta_p-1은 모형의 회귀계수, 그리고
e_i는 모형의 i번째 오차항으로서 N(0,~ sigma ^2 ) 분포를 따르고,
e_i와 e_j(i ≠ j)는 서로 독립이다.
이때, 설명변수[경조직의 이동량] : x_1 ,~ x_2 ,~ x_3 ,~ … ~,~x_14 로 선정되는 이유는 얼굴형상에 미치는 특징적인 경조직의 입력점(계측점)을 7개 선정하여 평면상의 위치이동을 입력하기 위한 수직, 수평좌표값이고, 반응변수[연조직의 이동량] : y_1 ,~ y_2 ,~ y_3 ,~ … ~,~ y_20으로 선정되는 것은 중요 연조직의 이동량을 산출하기 위하여 입력점(계측점)10개를 선정하여 수직, 수평좌표값을 얻기 위한 것이다. 이하, 선정된 계측점을 다음과 같다.
경조직 계측점 :
ANS, A, Mx 1 crown, Mn 1 crown, B, Pogonion, Menton
연조직 계측점 :
Pn, Sn, Soft A, Ls, Stms, Stmi, Li, Soft B, Soft Pogonion, Soft Menton.
상기 수학식 2에서 이동량y_i, x_i를 입력하고, 결과 값을 얻기 위하여는 기준선이 필요하다. 본 실시예에서는 본 실시예에서는 도 12에 도시된 바와 같이, Burstone에 따라 S-N line에서 Nasion 점을 중심으로 7°반시계 방향으로 회전시킨 SN-7°선을 수평기준선(HRP, Horizontal Reference Plane)으로 하고, Nasion에서 SN-7°선에 수직으로 Nasion perpendicular line을 그어 수직기준선(VRP, Vertical Reference Plane)으로 삼았다. 수술 전과 수술 후의 두부 방사선 사진 영상에 대해 수평기준선과 수직기준선을 축으로 하여 선정된 계측점들의 수평·수직 거리를 계측하였으며, 이렇게 모든 계측항목들에 대한 계측이 끝난 뒤, 최종적으로 수술 전과 수술 후의 각 계측항목들간의 값의 차를 구하여, 수술에 따른 각 계측항목들의 수직·수평 이동량을 결정하고, 이 값들을 회귀방정식의 모형설정에 사용하였다. 이 때 전방과 하방 이동은 +로, 후방과 상방 이동은 -로 표시하였다.
다음은 골격성 제 3 급 부정교합의 치료를 위해 상악과 하악을 동시에 수술한 환자들 중 이부성형술을 함께한 환자를 대상으로 하는 회귀방정식이다.
Δh_Pn = -0.217Δv_ANS + 0.192Δh_A + 0.12Δh_MXI
Δv_Pn = 0.326 + 0.264Δv_MNI
Δh_Sn = -0.242Δv_ANS + 0.35Δh_A +0.191Δh_MXI
Δv_Sn = -0.192Δv_A - 0.148Δh_MNI + 0.34Δv_MNI
Δh_Soft A = -0.504 + 0.174Δh_A - 0.176Δv_A - 0.108Δh_MNI + 0.113Δh_Pg
Δv_Soft A = -1.25 - 0.263Δh_B + 0.3Δv_Me
Δh_Ls = 0.413Δh_A - 0.162Δv_A + 0.34Δh_MXI + 0.162Δh_B
Δv_Ls = -0.265Δh_MNI + 0.161Δv_Me
Δh_Stms = 0.651Δh_A + 0.473Δh_B
Δv_Stms = -0.312Δh_MNI + 0.199Δv_MNI
Δh_Stmi = 0.329Δh_A - 0.349Δv_A + 0.629Δh_MNI
Δv_Stmi = 0.484Δv_MNI - 0.297Δh_B
Δh_Li = -0.405Δv_A + 0.646Δh_MNI + 0.391Δh_B
Δv_Li = 0.376Δv_MNI - 0.343Δh_B
Δh_Soft B = -0.359Δv_MNI + 0.867Δh_B + 0.311Δv_B
Δv_Soft B = -0.796Δv_MXI + 0.857Δv_MNI
Δh_Soft Pg = 0.411Δh_B + 0.2Δv_B - 0.38Δv_Pg + 0.5Δh_Me
Δv_Soft Pg = 0.814Δv_Me
Δh_Soft Me = 1.79 + 0.574Δh_Pg + 0.541Δh_Me
Δv_Soft Me = -0.342Δv_ANS + 0.285Δv_MNI - 0.079Δh_Pg + 0.766Δv_Me
상기 식들에서 Δv는 수직이동량, Δh는 수평이동량을 의미한다.
또한, 골격성 제 3 급 부정교합의 치료를 위해 상악과 하악을 동시에 수술한 환자들중 이부성형수술을 시행하지 않은 환자들에 적용되는 회귀방정식은 다음의 수학식들과 같다.
Δh_Pn = 0.239Δh_A - 0.1Δv_Me
Δv_Pn = -0.323Δh_MXI - 0.276Δv_B + 0.134Δv_Me
Δh_Sn = 0.705 + 0.385Δh_A + 0.21Δh_MXI
Δv_Sn = -0.442 - 0.197Δh_MXI + 0.246Δv_MXI
Δh_ Soft A = 0.52Δh_A + 0.574Δh_MXI
Δv_ Soft A = -1.73 + 0.197Δv_A - 0.164Δh_MXI + 0.296Δv_MXI - 0.206Δh_B
Δh_ Ls = 0.404Δh_ANS + 0.347Δh_MXI + 0.183Δh_MNI
Δv_ Ls = - 0.198Δh_Me
Δh_Stms = 0.322Δh_MXI + 0.196Δh_MNI - 0.227Δv_B + 0.840Δh_Pg - 0.758Δh_Me
Δv_ Stms = 2.46 + 0.503Δv_MNI - 0.201Δv_Pg
Δh_ Stmi = 0.249Δh_MXI + 0.155Δh_MNI - 0.264Δv_MNI
Δv_ Stmi = -0.299Δh_MNI + 0.251Δv_MNI - 0.279Δv_B
Δh_ Li = -1.69 + 0.436Δv_A + 0.608Δh_MNI - 0.315Δv_MNI + 0.18Δh_Pg
Δv_ Li = 0.398Δv_MNI - 0.37Δh_Pg
Δh_ Soft B = -2.17 + 0.437Δh_MNI + 0.113Δv_Pg + 0.35Δh_Me
Δv_ Soft B = 1.52 + 0.479Δv_MXI + 0.273Δv_MNI
Δh_ Soft Pg = -0.373Δv_MXI + 0.24Δv_MNI + 0.845Δh_Pg
Δv_ Soft Pg = -0.852Δv_ANS + 0.68Δv_MNI
Δh_ Soft Me = 0.99Δh_Me
Δv_ Soft Me = -0.0597Δh_MNI + 0.826Δv_Me
또한, 골격성 제3급 부정교합의 치료를 위해 하악만 수술한 환자들중 이부성형수술을 하지 않을 환자에 대한 회귀방정식은 다음의 수학식들과 같다.
Δh_ Soft A = -0.456Δv_Pg + 0.0891Δh_Me
Δv_ Soft A = -0.49Δh_B + 0.164Δh_Pg + 0.266Δv_Pg
Δh_Ls = -0.47Δh_Pg + 0.491Δh_Me
Δv_Ls = -0.216Δh_B
Δh_Stms = 0.317Δh_Me
Δv_Stms = -1.56 - 0.422Δh_B + 0.137Δv_B
Δh_Stmi = 0.459Δh_B + 0.687Δv_B - 0.174Δv_Me
Δv_Stmi = -0.865 - 0.401Δh_MNI + 0.379Δv_Me
Δh_Li = 0.762Δh_B
Δv_Li = -0.297Δh_B + 0.348Δv_Me
Δh_ Soft B = 1.22Δh_B - 0.230Δh_Pg
Δv_ Soft B = 0.496Δh_MNI - 0.186Δh_B + 0.419Δv_Me
Δh_ Soft Pg = 0.546Δh_B + 0.463Δh_Pg - 0.307Δv_Me
Δv_ Soft Pg = 0.992Δv_Me
Δh_ Soft Me = -0.755Δh_MNI + 0.796Δh_B + 0.714Δv_Pg + 0.814Δh_Me
Δv_ Soft Me = 0.892Δv_Me
와핑프로세서307는 회귀방정식들에 의하여 얻어진 연조직의 이동량을 근거로변형된 모의 수술후의 모습을 영상으로 처리하기 위한 프로세스이고, 초기영상이 주어지고, 초기영상중에 특징부분의 변화값이 주어지게되면 최종 영상결과를 얻을 수 있는 다양한 프로세스들이 제공된다. 이와 같이, 최종영상이 얻어지면 예측영상DB207에 저장되게 되고, 이들의 변화된 입력점들의 값은 예측결과DB 208에 저장되게 된다.
이와 같이, 본 발명의 상세한 설명에서는 구체적인 실시예에 관해 설명하였으나, 본 발명의 범주에서 벗어나지 않는 한도내에서 여러 가지 변형이 가능함은 물론이다. 그러므로, 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 안되며 후술하는 특허청구범위 뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
본 발명에 의하면, 동양사람들 특히 우리 나라 사람을 모집단으로 회귀방정식을 추출하였으므로, 우리 나라 사람들에 가장 근사한 수술모형을 제시할 수 있다. 이와 같이, 가장 근접한 모의 수술과정을 경험하도록 함으로써 환자와 의사 모두에게 만족한 결과를 가져올 수 있도록 하는 잇점이 있다.

Claims (4)

  1. 수술전에 시행하는 수술전, 후의 모습을 비교하기 위한 수술용 진단 예측 시스템에 있어서;
    두부방사선 사진상에 경조직과 연조직의 입력점을 입력함으로써 환자의 상태를 파악하기 위한 분석프로세서;
    상기 분석프로세서에서 분석된 상태에 따라 사용자가 경조직들의 변위량을 입력함에 따라서 연조직들의 입력점들의 변위를 회귀방정식에 의하여 결정하는 예측프로세서를 포함하는 것을 특징으로 하는 수술용 진단 예측 시스템.
  2. 제 1 항에 있어서, 상기 회귀방정식은 다음의 식인 것을 특징으로 하는 수술용 진단 예측 시스템.
    y_i ~=~ beta _0 + beta_1 x_1i + ~…~ + beta_p-1 x_p-1,i + e_i ~~~~~~~
    여기서, y_i는 연조직변위의 i번째 관찰치,
    x_i는 경조직변위의 i번째 관찰치로서 기지의 상수(known constant),
    beta_0 ,~ beta_1 ,~ … ,~ beta_p-1은 모형의 회귀계수, 그리고
    e_i는 모형의 i번째 오차항으로서 N(0,~ sigma ^2 ) 분포를 따르고,
    e_i와 e_j(i ≠ j)는 서로 독립이다.
  3. 제 2 항에 있어서, 상기 경조직변위 x_i 는 ANS( anterior nasal spine의 최첨점), A-point(ANS와 상악 전치 치조골의 contour상에서 가장 깊은 곳), Mx 1 crown (상악 절치 치관의 tip), Md 1 crown(하악 절치 치관의 tip), B-point( pogonion과 하악 전치 치조골의 contour상에서 가장 깊은 곳), Pogonion(하악 symphysis 상에서의 최전방점), Menton( 연조직 symphyseal outline상에서 최전방점)에 대한 변위인 것을 특징으로 하는 수술용 진단 예측 시스템.
  4. 제 2 항에 있어서, 상기 연조직의 변위y_i는 Pn( 연조직상의 비첨점(nose tip)), Sn( 연조직 정중선상의 비중격과 상순의 경계점), Soft A( Sn-Ls 사이의 연조직 선상에서 가장 깊은 곳), Ls(상순 홍순부상의 최전방점), Stms( 상순 홍순부상의 최하방점), Stmi(하순 홍순부상의 최상방점), Li(하순 홍순부상의 최전방점), Soft B(Li-Pg' 사이의 연조직 선상에서 가장 깊은 곳), Soft Pogonion(연조직 symphysis 상에서의 최전방점), Soft Menton(연조직 symphysis 상에서의 최하방점)에 대한 변위인 것을 특징으로 하는 수술용 진단 예측 시스템.
KR1020000038552A 2000-07-06 2000-07-06 수술용 진단 예측 시스템 KR20020004543A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020000038552A KR20020004543A (ko) 2000-07-06 2000-07-06 수술용 진단 예측 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020000038552A KR20020004543A (ko) 2000-07-06 2000-07-06 수술용 진단 예측 시스템

Publications (1)

Publication Number Publication Date
KR20020004543A true KR20020004543A (ko) 2002-01-16

Family

ID=19676555

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020000038552A KR20020004543A (ko) 2000-07-06 2000-07-06 수술용 진단 예측 시스템

Country Status (1)

Country Link
KR (1) KR20020004543A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210118329A (ko) 2020-03-20 2021-09-30 부산대학교 산학협력단 연조직 기준점 결정 방법 및 시스템, 그리고 수술 후의 보정 연조직 기준점 예측 방법 및 시스템
KR20210118328A (ko) * 2020-03-20 2021-09-30 부산대학교 산학협력단 3차원 세팔로메트리를 위한 기준점 결정 방법 및 시스템

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210118329A (ko) 2020-03-20 2021-09-30 부산대학교 산학협력단 연조직 기준점 결정 방법 및 시스템, 그리고 수술 후의 보정 연조직 기준점 예측 방법 및 시스템
KR20210118328A (ko) * 2020-03-20 2021-09-30 부산대학교 산학협력단 3차원 세팔로메트리를 위한 기준점 결정 방법 및 시스템

Similar Documents

Publication Publication Date Title
Bishara et al. Changes in facial dimensions assessed from lateral and frontal photographs. Part I–Methodology
US6845175B2 (en) Dental image processing method and system
O'Grady et al. Facial asymmetry: three-dimensional analysis using laser surface scanning
Hennessy et al. Facial growth: separating shape from size
Koch et al. A framework for facial surgery simulation
Bishara et al. A computer assisted photogrammetric analysis of soft tissue changes after orthodontic treatment. Part I: methodology and reliability
Moss et al. Three‐dimensional assessment of treatment outcomes on the face
US6879712B2 (en) System and method of digitally modelling craniofacial features for the purposes of diagnosis and treatment predictions
Schendel et al. Three-dimensional imaging and computer simulation for office-based surgery
Ferrario et al. A quantitative three-dimensional assessment of soft tissue facial asymmetry of cleft lip and palate adult patients
Schendel et al. 3D orthognathic surgery simulation using image fusion
CN113052902B (zh) 牙齿治疗监测方法
CN109767841A (zh) 一种基于颅颌面三维形态数据库的相似模型检索方法及装置
Rasteau et al. Three-dimensional acquisition technologies for facial soft tissues–Applications and prospects in orthognathic surgery
CN110236673A (zh) 一种基于数据库的双侧颌骨缺损重建术前设计方法及装置
Deng et al. An automatic approach to establish clinically desired final dental occlusion for one-piece maxillary orthognathic surgery
Buchaillard et al. 3D statistical models for tooth surface reconstruction
Schendel et al. Image fusion in preoperative planning
WO2023194500A1 (en) Tooth position determination and generation of 2d reslice images with an artificial neural network
RU2610911C1 (ru) Система и способ виртуального прототипирования улыбки на базе тактильного компьютерного устройства
KR20020004543A (ko) 수술용 진단 예측 시스템
Amirkhanov et al. Visual analytics in dental aesthetics
JP2000509290A (ja) 頭部測定ライントレースの操作方法
Payne The reliability of facial soft tissue landmarks with photogrammetry
WO2020184288A1 (ja) 治療後の表情表出時の顔面形態予測方法及びシステム

Legal Events

Date Code Title Description
A201 Request for examination
N231 Notification of change of applicant
E701 Decision to grant or registration of patent right
NORF Unpaid initial registration fee