KR20200058316A - 인공지능 기술을 활용한 치과용 두부 계측점 자동 추적 방법 및 그를 이용한 서비스 시스템 - Google Patents
인공지능 기술을 활용한 치과용 두부 계측점 자동 추적 방법 및 그를 이용한 서비스 시스템 Download PDFInfo
- Publication number
- KR20200058316A KR20200058316A KR1020190148638A KR20190148638A KR20200058316A KR 20200058316 A KR20200058316 A KR 20200058316A KR 1020190148638 A KR1020190148638 A KR 1020190148638A KR 20190148638 A KR20190148638 A KR 20190148638A KR 20200058316 A KR20200058316 A KR 20200058316A
- Authority
- KR
- South Korea
- Prior art keywords
- measurement point
- measurement
- point
- artificial intelligence
- image
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 19
- 238000005516 engineering process Methods 0.000 title claims abstract description 16
- 210000003625 skull Anatomy 0.000 claims abstract description 7
- 238000005259 measurement Methods 0.000 claims description 111
- 238000003860 storage Methods 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 3
- 230000001815 facial effect Effects 0.000 claims description 2
- 238000012800 visualization Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 2
- 238000013527 convolutional neural network Methods 0.000 description 12
- 238000004422 calculation algorithm Methods 0.000 description 10
- 239000008186 active pharmaceutical agent Substances 0.000 description 8
- 235000013527 bean curd Nutrition 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011369 optimal treatment Methods 0.000 description 1
- 230000000399 orthopedic effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000005477 standard model Effects 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—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
-
- A61B6/14—
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/51—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for dentistry
-
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Data Mining & Analysis (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Databases & Information Systems (AREA)
- Optics & Photonics (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Image Analysis (AREA)
Abstract
인공지능 기술을 활용한 치과용 두부 계측점 자동 추적 방법 및 그를 이용한 서비스 시스템이 개시된다. 계측점 자동 추적 방법은 인공지능을 이용하여 계측점 결정에 대한 학습 과정을 수행하는 단계, 엑스레이 사진에서 두개골 부분을 인지하는 단계, 계측점을 생성해야 하는 부위별 구분 및 위치 계산하는 단계, 및 결정된 위치에 계측점을 그래픽적으로 처리하는 단계를 포함한다. 시스템은 계측점 자동 추적을 온라인을 통해 서비스한다.
Description
본 발명은 치과용 두부 계측 분야에 관한 것으로서, 보다 상세하게는 인공지능 기술을 활용하여 두부 계측점을 자동으로 추적/결정할 수 있는 방법 및 그를 이용한 서비스 시스템에 관한 것이다.
치과용 두부 계측점 추적 및 결정에 대한 종래 기술은 두부방산선 계측 사진의 투사도 작성과 분석 과정을 모두 수작업으로 진행하는 것이었다. 최근에는 컴퓨터 프로그램을 이용하여 방사선 사진을 분석하고 있지만 소프트웨어 알고리즘의 한계 때문에 계측점 설정은 임상의가 직접 수행하고 있다. 이로 인하여 두부 방사선 계측 사진의 분석 과정은 여전히 상당한 시간이 소요되고 있으며, 분석 결과 역시 임상의의 지식과 경험에 따라 재현도나 정확도가 차이를 보이는 문제가 있다.
본 발명은 상술한 종래 기술의 문제점을 감안한 것으로서, 학습 데이터셋을 기반으로 기계 학습을 수행하고, 수행된 학습에 따라 자동으로 계측점을 추적/결정하는 인공지능 기술을 활용한 치과용 두부 계측점 자동 추적 방법을 제공한다.
본 발명은 또한 상술한 개선된 방법을 서비스로 제공하는 시스템을 제공한다.
본 발명은 인공지능 기술을 활용한 치과용 두부 계측점 자동 추적 방법을 제공하며, 이는: 동일 시점에 촬영된 동일인의 동일한 안면 엑스레이로서 미표시 원본과 계측점 표시본으로 이루어진 한 쌍씩을 복수인에 대하여 수집하는 단계; 수집된 상기 미표시 원본들과 상기 계측점 표시본 이미지들을 바이너리 형태로 저장하는 단계; 각 계측정 표시본으로부터 계측점의 좌표들을 추출하고, 각 미표시 원본에서 상기 추출된 계측점을 중심으로 계측점별 구조물을 인식할 수 있는 크기의 m*m pixel의 계측점 주변 이미지들을 추출하여, 원본사진 이름, 해당 계측점 이름, 계측점 좌표, 및 추출 이미지의 바이너리 정보를 저장하는 단계; 및 계측점 주변 이미지들을 입력으로 하고 입력된 계측점 주변 이미지에 대응하는 계측점의 좌표를 출력으로 하여 학습을 수행하는 단계;를 포함한다.
또한 상기 방법은 계측점 추적 대상 이미지에서 두개골을 인식하는 단계; 상기 계측점 추적 대상 이미지에서 계측점을 생성해야 하는 부위별 구분 및 위치를 계산하는 단계; 및 계산된 계측점의 위치를 상기 계측점 추적 대상 이미지에 그래픽적으로 표시하는 단계;를 더 포함할 수 있다.
본 발명은 또한 인공지능 기술을 활용한 치과용 두부 계측점 자동 추적 서비스 시스템을 제공하며, 이는: 동일 시점에 촬영된 동일인의 동일한 안면 엑스레이로서 미표시 원본과 계측점 표시본으로 이루어진 한 쌍씩을 복수인에 대하여 수집 플랫폼; 저장 플랫폼; 수집된 상기 미표시 원본들과 상기 계측점 표시본 이미지들을 바이너리 형태로 상기 저장 플랫폼에 저장하고, 각 계측정 표시본으로부터 계측점의 좌표들을 추출하고, 각 미표시 원본에서 상기 추출된 계측점을 중심으로 계측점별 구조물을 인식할 수 있는 크기의 m*m pixel의 계측점 주변 이미지들을 추출하여, 원본사진 이름, 해당 계측점 이름, 계측점 좌표, 및 추출 이미지의 바이너리 정보를 상기 저장 플랫폼에 저장하는 빅데이터 분석 플랫폼; 계측점 주변 이미지들을 입력으로 하고 입력된 계측점 주변 이미지에 대응하는 계측점의 좌표를 출력으로 하여 학습을 수행하고, 계측점 추적 대상 이미지에서 두개골을 인식하고, 상기 계측점 추적 대상 이미지에서 계측점을 생성해야 하는 부위별 구분 및 위치를 계산하는 AI 플랫폼; 및, 계산된 계측점의 위치를 상기 계측점 추적 대상 이미지에 그래픽적으로 표시하는 시각화 플랫폼;을 포함한다.
본 발명은 전문의의 수작업에 의존하고 있는 치과용 엑스레이 영상으로부터의 두부 계측 지표 검출을 이미지 인식 인공지능(기계학습)을 이용하여 자동으로 검출하는 기술을 개발하고 온라인 서비스를 제공하는 방법에 대한 것으로서 발명의 효과는 크게 두 가지로 나눌 수 있다. 첫째, 치,의과적 측면으로서 전문의의 업무 부담 경감, 치과의료용 영상 분석 시간 단축, 휴먼 에러 최소화, 정확도 상승에 따른 최적의 진료 제공 및 치료 효과 제고, 두부 관련 통계학적 연구 용이, 기타 성형 정형외과적 활용, 인류학 및 인종학적인 연구에의 활용이 있다. 둘째, 비즈니스 측면으로서 기존 치과용 SW 제품에 부가 기술 판매, 플로그인 형태로 기존 SW와 별도 판매 또는 SW와 연동되는 API 제공, 독립 프로그램으로 신제품 개발, 치과 및 치과대학 또는 연구소 등에 제공하여 통계 연구에 활용, 얼굴 형태 빅데이터 분석 결과 자료 제공, 얼굴 분석 데이터를 이용하여 관련 제품(예: 헬멧, 안경, 마스크, 모자, 칫솔, 면도기 등) 생산에 반영 등이 있다.
도 1은 본 발명의 방법에서 수행되는 계측점 추적 프로세스를 나타내는 도면이다.
도 2는 본 발명의 방법에서 인공지능 알고리즘을 적용하기 위한 아키텍처를 나타내는 도면이다.
도 3은 본 발명의 시스템에 있어서 Rest API 서비스 플랫폼의 구성을 나타내는 도면이다.
도 4는 본 발명의 시스템에 있어서 Rest API 서비스의 설계 내용을 나타내는 도면이다.
도 2는 본 발명의 방법에서 인공지능 알고리즘을 적용하기 위한 아키텍처를 나타내는 도면이다.
도 3은 본 발명의 시스템에 있어서 Rest API 서비스 플랫폼의 구성을 나타내는 도면이다.
도 4는 본 발명의 시스템에 있어서 Rest API 서비스의 설계 내용을 나타내는 도면이다.
이하 첨부한 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다. 본 발명의 실시예를 설명함에 있어서, 관련된 공지기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
본 발명은 AI를 이용하여 두부 계측 지점을 자동으로 산출하여 시각적으로 표시하는 방법 및 서비스 시스템에 관한 것이다. 두부 계측 지점의 추적 또는 산출은 매우 전문적인 분야로서 전문가가 일일이 수작업으로 수행하고 있다. 충분히 전문적이고 경험이 많은 임상의가 계측 지점을 산출하고 있지만, 여전히 많은 시간을 요하고 여전히 오류가 발생하고 있다. 이를 인공지능이 학습하도록 하여, 매우 정확하고 계측점들을 신속하게 추적하여 시각적으로 표시할 수 있다.
두부 계측점 자동 설정을 위해 적용 가능한 학습 모델 알고리즘에는 CNN (Convolutional Neural Network), R-CNN(Region based CNN), Fast R-CNN, Faster R-CNN 등 여러 CNN 알고리즘이 있다. 본 발명에서는 Faster R-CNN이 가장 효율적인 알고리즘인 것으로 판단하여 이를 적용하였으며 그렇게 결정한 이유는 다음과 같다. 첫째, CNN은 Single Object Detection에 적합하며 여러 object가 존재하는 단일 이미지의 경우 Multiple-Object Detection에 비효율적인 단점이 있다. 둘째, R-CNN은 높은 성능을 낼 수 있지만 positional invariance한 특성 때문에 localization에 취약하다. 그래서 필요한 것이 bounding-box regression인데 이것의 학습 목표는 region proposal P와 정답위치 G가 존재할 때 P를 G로 mapping할 수 있는 변환을 학습시키는 것이다. 그러나 R-CNN은 이미지 1장당 region proposal(RoI)의 개수만큼 CNN 연산이 필요한데 그럴 경우 inference 속도가 매우 느리며 여러 stage를 거치기 때문에 학습 과정이 복잡하다는 단점이 존재한다. 셋째, Fast R-CNN은 R-CNN에 비해 보다 속도가 빠르고 덜 복잡하며 R-CNN의 복잡한 학습 단계 대신 단 한번의 학습으로 object detection을 위한 CNN 구축이 가능하지만 Faster R-CNN은 Fast R-CNN의 region proposal 생성을 새로운 방식으로 대체하여 이를 모델 내부에 통합함으로써 Real time object detection의 보다 효율적인 수행을 가능하게 해준다. 따라서 두부 계측점 자동 설정을 위한 가장 효율적인 알고리즘은 Faster R-CNN으로 판단하여 적용하게 되었다.
인공지능 학습 데이터 셋을 효율적으로 제공하기 위해 필요로 하는 빅데이터 기술은 다양한 소스들로부터의 데이터를 수집하고 데이터 원본을 저장하며 데이터를 처리하고 분석하여 그 결과를 저장하고 시각화한다.
두부계측점 자동 결과를 서비스로 제공하기 위한 Rest API 서비스 플랫폼은 서비스 제공을 위한 미들웨어, 서비스 노출을 위한 Rest API 프레임워크로 구성한다.
도 1은 본 발명의 인공지능 기술을 활용한 치과용 두부 계측점 자동 추적 방법에서 두부 계측점을 자동으로 추적하여 시각화하는 과정을 보여주는 도면이다.
도 1에 나타낸 과정은 학습 과정을 수행한 후 자동으로 두부 계측점을 산출하는 것을 보여준다.
본 발명의 인공지능 기술을 활용한 치과용 두부 계측점 자동 추적 방법은 학습 후 계측점 추적 대상 이미지에서 두개골을 인식하는 단계와, 계측점 추적 대상 이미지에서 계측점을 생성해야 하는 부위별 구분 및 위치를 계산하는 단계와, 계산된 계측점의 위치를 생성하여 상기 계측점 추적 대상 이미지에 그래픽적으로 표시하는 단계를 포함한다.
구체적으로 살펴보면, 두부 방사선 사진 계측점 설정을 위한 계측점 추적 프로세스로서 엑스레이 사진에서 두개골 부분을 인지할 수 있도록 하고, 계측점을 생성해야 하는 부위별 구분 및 위치 계산, 그리고 마지막으로 결정된 위치에 계측점을 그래픽적으로 처리하는 단계로 구성된다. 이러한 프로세스에 기반한 계측점 설정 알고리즘 개발은 데이터 수집, 학습 데이터 생성, 학습 데이터 추출, CNN을 이용한 계측점 추적 학습 단계로 진행된다.
도 2는 본 발명의 인공지능 기술을 활용한 치과용 두부 계측점 자동 추적 방법에서 학습하는 과정을 보여주는 도면이다.
본 발명의 방법에서 학습을 위한 과정은 첫째, 데이터 수집은 동일인, 동일 시점에 촬영된 엑스레이(미표시 원본, 계측점 표시본) 한쌍씩을 대상으로 한다.
둘째, 학습 데이터 생성을 위해서는 계측점이 없는 방사선 사진과 전문의가 계측점을 수작업으로 작성한 방사선 사진 2개가 필요하며 이를 바이너리 형태로 저장한다.
셋째, 학습 데이터 추출을 위해 계측점이 표시된 방사선 사진으로부터 계측점을 자동으로 추출한 후, 원본 방사선 사진에서 계측점을 중심으로 계측점별 구조물을 인식할 수 있는 크기의 m*m pixel 이미지를 추출하고 원본사진 이름, 해당 계측점 이름, 계측점 좌표, 추출 이미지의 바이너리 정보를 저장한다.
넷째, CNN 알고리즘으로 계측점 주변 이미지를 입력으로 하고 계측점 좌표를 출력으로 하여 학습을 수행시킨다.
이미지 중심의 전처리와 인공지능 CNN 알고리즘 적용을 위한 아키텍처이다. 학습을 수행시키기 위해서는 알고리즘 특성상 RGB 24bit 사진만 학습이 가능하기 때문에 grayscale인 x-ray 8bit 이미지들을 RGB 24bit로 바꾸어 주는 전처리 작업이 필요하다. CNN 알고리즘에서 CNN 알고리즘의 표준 모형 매개변수와 구별해 주기 위해 입력된 데이터에 모델을 알맞게 맞추어 주기 위한 설정 값들을 지정해주는 Hyper Parameter를 설정해 주어야 한다.
도 3은 Rest API 기반으로 두부 계측점 자동 추적 서비스를 제공하기 위한 플랫폼 구성도로서 서비스 제공을 위한 미들웨어(WAS 및 웹서버)와 서비스 노출을 위한 Rest API 프레임워크로 구성한다.
도 4는 Rest API 서비스의 설계 내용으로서 주요 기능으로는 사용자관리 API, 환자정보관리 API, 계측점 코드관리 API, 환자의 진료 이력관리 API, X-ray 이미지 관리 API, 계측점 관리를 위한 API, 계측점 배포관리 API가 있다.
이상, 본 발명의 상세한 설명에서는 구체적인 실시예에 관해서 설명하였으나, 본 발명의 범위에서 벗어나지 않는 한도 내에서 여러 가지 변형이 가능함은 당해 분야에서 통상의 지식을 가진 자에게 있어서 자명하다 할 것이다.
Claims (3)
- 인공지능 기술을 활용한 치과용 두부 계측점 자동 추적 방법으로서:
동일 시점에 촬영된 동일인의 동일한 안면 엑스레이로서 미표시 원본과 계측점 표시본으로 이루어진 한 쌍씩을 복수인에 대하여 수집하는 단계;
수집된 상기 미표시 원본들과 상기 계측점 표시본 이미지들을 바이너리 형태로 저장하는 단계;
각 계측정 표시본으로부터 계측점의 좌표들을 추출하고, 각 미표시 원본에서 상기 추출된 계측점을 중심으로 계측점별 구조물을 인식할 수 있는 크기의 m*m pixel의 계측점 주변 이미지들을 추출하여, 원본사진 이름, 해당 계측점 이름, 계측점 좌표, 및 추출 이미지의 바이너리 정보를 저장하는 단계; 및
계측점 주변 이미지들을 입력으로 하고 입력된 계측점 주변 이미지에 대응하는 계측점의 좌표를 출력으로 하여 학습을 수행하는 단계;를 포함하는 인공지능 기술을 활용한 치과용 두부 계측점 자동 추적 방법.
- 청구항 1에 있어서,
계측점 추적 대상 이미지에서 두개골을 인식하는 단계;
상기 계측점 추적 대상 이미지에서 계측점을 생성해야 하는 부위별 구분 및 위치를 계산하는 단계; 및
계산된 계측점의 위치를 상기 계측점 추적 대상 이미지에 그래픽적으로 표시하는 단계;를 더 포함하는 인공지능 기술을 활용한 치과용 두부 계측점 자동 추적 방법.
- 인공지능 기술을 활용한 치과용 두부 계측점 자동 추적 서비스 시스템으로서:
동일 시점에 촬영된 동일인의 동일한 안면 엑스레이로서 미표시 원본과 계측점 표시본으로 이루어진 한 쌍씩을 복수인에 대하여 수집 플랫폼;
저장 플랫폼;
수집된 상기 미표시 원본들과 상기 계측점 표시본 이미지들을 바이너리 형태로 상기 저장 플랫폼에 저장하고, 각 계측정 표시본으로부터 계측점의 좌표들을 추출하고, 각 미표시 원본에서 상기 추출된 계측점을 중심으로 계측점별 구조물을 인식할 수 있는 크기의 m*m pixel의 계측점 주변 이미지들을 추출하여, 원본사진 이름, 해당 계측점 이름, 계측점 좌표, 및 추출 이미지의 바이너리 정보를 상기 저장 플랫폼에 저장하는 빅데이터 분석 플랫폼;
계측점 주변 이미지들을 입력으로 하고 입력된 계측점 주변 이미지에 대응하는 계측점의 좌표를 출력으로 하여 학습을 수행하고, 계측점 추적 대상 이미지에서 두개골을 인식하고, 상기 계측점 추적 대상 이미지에서 계측점을 생성해야 하는 부위별 구분 및 위치를 계산하는 AI 플랫폼; 및
계산된 계측점의 위치를 상기 계측점 추적 대상 이미지에 그래픽적으로 표시하는 시각화 플랫폼;을 포함하는 인공지능 기술을 활용한 치과용 두부 계측점 자동 추적 서비스 시스템.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180142618 | 2018-11-19 | ||
| KR20180142618 | 2018-11-19 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20200058316A true KR20200058316A (ko) | 2020-05-27 |
Family
ID=70911141
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190148638A KR20200058316A (ko) | 2018-11-19 | 2019-11-19 | 인공지능 기술을 활용한 치과용 두부 계측점 자동 추적 방법 및 그를 이용한 서비스 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20200058316A (ko) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20230030682A (ko) | 2021-08-25 | 2023-03-07 | 연세대학교 산학협력단 | Ct를 이용한 3d 두부 계측 랜드마크 자동 검출 장치 및 방법 |
| WO2023113230A1 (ko) * | 2021-12-14 | 2023-06-22 | 사회복지법인 삼성생명공익재단 | 심층강화학습을 이용한 두부 계측 방사선 영상의 계측점 검출 방법 및 분석장치 |
| KR20240033787A (ko) | 2022-09-06 | 2024-03-13 | 이화여자대학교 산학협력단 | 엑스선 영상 내 신체의 마커 자동 검출 시스템 및 마커 자동 검출 방법 |
-
2019
- 2019-11-19 KR KR1020190148638A patent/KR20200058316A/ko not_active Application Discontinuation
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20230030682A (ko) | 2021-08-25 | 2023-03-07 | 연세대학교 산학협력단 | Ct를 이용한 3d 두부 계측 랜드마크 자동 검출 장치 및 방법 |
| WO2023113230A1 (ko) * | 2021-12-14 | 2023-06-22 | 사회복지법인 삼성생명공익재단 | 심층강화학습을 이용한 두부 계측 방사선 영상의 계측점 검출 방법 및 분석장치 |
| KR20240033787A (ko) | 2022-09-06 | 2024-03-13 | 이화여자대학교 산학협력단 | 엑스선 영상 내 신체의 마커 자동 검출 시스템 및 마커 자동 검출 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11553874B2 (en) | Dental image feature detection | |
| JP6947759B2 (ja) | 解剖学的対象物を自動的に検出、位置特定、及びセマンティックセグメンテーションするシステム及び方法 | |
| US11464467B2 (en) | Automated tooth localization, enumeration, and diagnostic system and method | |
| US11030746B2 (en) | Assisted dental beautification method and apparatus for implementing the same | |
| EP3859671A1 (en) | Segmentation device and method of generating learning model | |
| US10991091B2 (en) | System and method for an automated parsing pipeline for anatomical localization and condition classification | |
| JP2017526495A (ja) | 口腔内三次元スキャンを用いた歯牙摩耗の検出 | |
| KR20200058316A (ko) | 인공지능 기술을 활용한 치과용 두부 계측점 자동 추적 방법 및 그를 이용한 서비스 시스템 | |
| US20210357688A1 (en) | Artificial Intelligence System For Automated Extraction And Processing Of Dental Claim Forms | |
| US20220084267A1 (en) | Systems and Methods for Generating Quick-Glance Interactive Diagnostic Reports | |
| Kong et al. | Automated maxillofacial segmentation in panoramic dental x-ray images using an efficient encoder-decoder network | |
| Barbero-García et al. | Combining machine learning and close-range photogrammetry for infant’s head 3D measurement: A smartphone-based solution | |
| US20240029901A1 (en) | Systems and Methods to generate a personalized medical summary (PMS) from a practitioner-patient conversation. | |
| CN115880266B (zh) | 一种基于深度学习的肠道息肉检测系统和方法 | |
| CN112201349A (zh) | 一种基于人工智能的正畸手术方案生成系统 | |
| Thulaseedharan et al. | Detection of typical Pathologies and Differential Treatments in Dental Panoramic X-Rays based on Deep Convolutional Neural Network | |
| Oktay et al. | Detection, segmentation, and numbering of teeth in dental panoramic images with mask regions with convolutional neural network features | |
| Brahmi et al. | Automatic tooth instance segmentation and identification from panoramic X-Ray images using deep CNN | |
| CN115761226A (zh) | 一种口腔影像分割识别方法、装置、电子设备和存储介质 | |
| Chen et al. | Automatic and visualized grading of dental caries using deep learning on panoramic radiographs | |
| Knyaz et al. | Machine learning for approximating unknown face | |
| CN117152507B (zh) | 一种牙齿健康状态检测方法、装置、设备及存储介质 | |
| US20230252748A1 (en) | System and Method for a Patch-Loaded Multi-Planar Reconstruction (MPR) | |
| US20240212153A1 (en) | Method for automatedly displaying and enhancing AI detected dental conditions | |
| CN117894057B (zh) | 用于情感障碍辅助诊断的三维数字人脸处理方法与装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |