KR20210025426A

KR20210025426A - 시력교정술 추천 방법 및 장치

Info

Publication number: KR20210025426A
Application number: KR1020190105458A
Authority: KR
Inventors: 김진국; 류익희
Original assignee: 주식회사 비쥬웍스
Priority date: 2019-08-27
Filing date: 2019-08-27
Publication date: 2021-03-09
Also published as: KR20210131968A; KR102520600B1; KR102320250B1

Abstract

본 발명은 시력교정술 추천 방법에 관한 것으로, 본 발명의 일 양상에 따른 컴퓨팅 장치에 의해 수행되는 인공지능을 이용한 시력교정술 추천 방법은, 피검자의 검진데이터 - 상기 검진데이터는 문진데이터 및 안구특성데이터측정값을 포함함 - 를 획득하는 단계; 상기 피검자의 검진데이터로부터 획득한 제1 그룹 데이터를 제1 예측 모델에 입력하여 상기 피검자의 시력교정술 적합성 여부를 예측하는 단계; 상기 피검자에게 시력교정술이 적합한 경우 상기 피검자의 검진데이터로부터 획득한 제2 그룹 데이터를 제2 예측 모델에 입력하여 상기 피검자의 레이저를 이용한 시력교정술 가능 여부를 예측하는 단계; 상기 피검자에게 레이저를 이용한 시력교정술이 가능한 경우 커스텀 시력교정술이 필요한지 여부에 대한 판단에 이용되도록 상기 피검자의 검진데이터로부터 획득한 제3 그룹 데이터를 제3 예측 모델에 입력하여 상기 피검자의 스탠다드 시력교정술 후의 각막형상인자 예측값 및 커스텀 시력교정술 후의 각막형상인자 예측값을 산출하는 단계; 및 상기 피검자에게 레이저를 이용한 시력교정술이 가능한 경우 상기 피검자의 검진데이터로부터 획득한 제4 그룹 데이터를 제4 예측 모델에 입력하여 상기 피검자에게 대응되는 시력교정술을 제안하는 단계;를 포함하되, 상기 제4 예측 모델은, 시력교정술을 받은 복수의 피시술자의 검진데이터, 상기 복수의 피시술자에 대응되는 시력교정술 및 상기 복수의 피시술자의 시력교정술 후 시력 중 적어도 하나에 기초하여 학습된다.

Description

시력교정술 추천 방법 및 장치{METHOD AND DEVICE FOR RECOMMENDING VISION CORRECTION SURGERY}

시력교정술 추천 방법 및 장치에 관한 것으로, 보다 상세하게는 인공지능을 이용하여 피검자 등에게 시력교정술을 추천하는 방법 및 장치에 관한 것이다.

라식, 라섹과 같은 시력교정술은 남녀노소를 불문하고 시력이 좋지 않은 사람들의 많은 관심을 받고 있다. 시력교정술을 받은 인구가 10만 명에 달한다는 통계가 존재할 정도로 시력교정술에 대한 관심은 나날이 증가하고 있다.

하지만 시력교정술을 받으려는 피검자는 자신에게 맞는 시력교정술이 무엇인지 판단하기가 어렵다. 피검자는 기본적으로 라식, 라섹, 스마일, 렌즈 삽입술 등 수술 종류에 대한 선택을 하여야 한다. 뿐만 아니라, 라식 내에서도 아이 라식, 다빈치 라식, 크리스탈 라식, Z라식, 비쥬 라식, 옵티 라식 등 수술 장비에 따른 선택 및 콘투라 비전, 엑스트라 라식, 웨이브프론트 라식 등 수술법에 따른 선택을 하여야 한다. 또한, 병원 및 의사에 따라 추천하는 각막 절삭량 등이 달라지므로 선택에 더욱 어려움이 존재하고, 수술 후 시력의 질이나 부작용 등에 대해 의사 또는 상담사의 말에 의존할 수밖에 없는 현실이다.

일 과제는, 의사의 판단을 보조하거나 의사, 상담사 및 피검자 등에게 객관적인 시력교정술 관련 정보를 제공하는 것에 있다.

다른 일 과제는, 의사, 상담사 및 피검자 등에게 시력교정술을 추천하는 것에 있다.

또 다른 일 과제는, 시력교정술을 추천하는 원인을 의사, 상담사 및 피검자 등에게 제공하는 것에 있다.

해결하고자 하는 과제가 상술한 과제로 제한되는 것은 아니며, 언급되지 아니한 과제들은 본 명세서 및 첨부된 도면으로부터 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

일 양상에 따르면 컴퓨팅 장치에 의해 수행되는 인공지능을 이용한 시력교정술 추천 방법에 있어서, 피검자의 검진데이터 - 상기 검진데이터는 문진데이터 및 안구특성데이터측정값을 포함함 - 를 획득하는 단계; 상기 피검자의 검진데이터로부터 획득한 제1 그룹 데이터를 제1 예측 모델에 입력하여 상기 피검자의 시력교정술 적합성 여부를 예측하는 단계; 상기 피검자에게 시력교정술이 적합한 경우 상기 피검자의 검진데이터로부터 획득한 제2 그룹 데이터를 제2 예측 모델에 입력하여 상기 피검자의 레이저를 이용한 시력교정술 가능 여부를 예측하는 단계; 상기 피검자에게 레이저를 이용한 시력교정술이 가능한 경우 커스텀 시력교정술이 필요한지 여부에 대한 판단에 이용되도록 상기 피검자의 검진데이터로부터 획득한 제3 그룹 데이터를 제3 예측 모델에 입력하여 상기 피검자의 스탠다드 시력교정술 후의 각막형상인자 예측값 및 커스텀 시력교정술 후의 각막형상인자 예측값을 산출하는 단계; 및 상기 피검자에게 레이저를 이용한 시력교정술이 가능한 경우 상기 피검자의 검진데이터로부터 획득한 제4 그룹 데이터를 제4 예측 모델에 입력하여 상기 피검자에게 대응되는 시력교정술을 제안하는 단계;를 포함하되, 상기 제4 예측 모델은, 시력교정술을 받은 복수의 피시술자의 검진데이터, 상기 복수의 피시술자에 대응되는 시력교정술 및 상기 복수의 피시술자의 시력교정술 후 시력 중 적어도 하나에 기초하여 학습된 시력교정술 추천 방법이 제공될 수 있다.

다른 양상에 따르면 컴퓨팅 장치에 의해 수행되는 인공지능을 이용한 시력교정술 추천 방법에 있어서, 피검자의 검진데이터 - 상기 검진데이터는 문진데이터 및 안구특성데이터측정값을 포함함 - 를 획득하는 단계; 상기 피검자의 검진데이터로부터 획득한 제1 그룹 데이터를 제1 예측 모델에 입력하여 상기 피검자의 시력교정술 적합성 여부를 예측하는 단계; 상기 피검자에게 시력 교정술이 적합한 경우 상기 피검자의 검진데이터로부터 획득한 제2 그룹 데이터를 제2 예측 모델에 입력하여 상기 피검자의 레이저를 이용한 시력교정술 가능 여부를 예측하는 단계; 상기 피검자에게 레이저를 이용한 시력교정술이 가능한 경우 상기 피검자의 검진데이터로부터 획득한 제3 그룹 데이터를 제3 예측 모델에 입력하여 상기 피검자의 커스텀 시력교정술 필요성 여부를 예측하는 단계; 및 상기 피검자에게 레이저를 이용한 시력 교정술이 가능한 경우 상기 피검자의 검진데이터로부터 획득한 제4 그룹 데이터를 제4 예측 모델에 입력하여 상기 피검자에게 대응되는 시력교정술을 제안하는 단계;를 포함하되, 상기 커스텀 시력교정술 필요성 여부를 예측하는 단계는, 상기 피검자의 스탠다드 시력교정술 후의 각막형상인자 예측값 및 커스텀 시력교정술 후의 각막형상인자 예측값에 기초하여 커스텀 시력교정술 필요성 여부를 예측하고, 상기 제4 예측 모델은, 시력교정술을 받은 복수의 피시술자의 검진데이터, 상기 복수의 피시술자에 대응되는 시력교정술 및 상기 복수의 피시술자의 시력교정술 후 시력 중 적어도 하나에 기초하여 학습된 시력교정술 추천 방법이 제공될 수 있다.

또 다른 양상에 따르면 컴퓨팅 장치에 의해 수행되는 인공지능을 이용한 시력교정술 추천 방법에 있어서, 피검자의 검진데이터 - 상기 검진데이터는 문진데이터 및 안구특성데이터측정값을 포함함 - 를 획득하는 단계; 상기 피검자의 검진데이터로부터 획득한 제1 그룹 데이터를 제1 예측 모델에 입력하여 상기 피검자의 시력교정술 적합성 여부를 예측하는 단계; 상기 피검자에게 시력교정술이 적합한 경우 상기 피검자의 검진데이터로부터 획득한 제2 그룹 데이터를 제2 예측 모델에 입력하여 상기 피검자의 레이저를 이용한 시력교정술 가능 여부를 예측하는 단계; 및 상기 피검자에게 레이저를 이용한 시력교정술이 가능한 경우 상기 피검자의 검진데이터로부터 획득한 제3 그룹 데이터를 제3 예측 모델에 입력하여 상기 피검자에게 대응되는 시력교정술을 제안하는 단계;를 포함하되, 상기 시력교정술을 제안하는 단계는, 상기 피검자의 스탠다드 시력교정술 후의 각막형상인자 예측값 및 커스텀 시력교정술 후의 각막형상인자 예측값에 기초하여 시력교정술을 제안하고, 상기 제3 예측 모델은, 시력교정술을 받은 복수의 피시술자의 검진데이터, 상기 복수의 피시술자에 대응되는 시력교정술 및 상기 복수의 피시술자의 시력교정술 후 시력 중 적어도 하나에 기초하여 학습된 시력교정술 추천 방법이 제공될 수 있다.

또 다른 양상에 따르면 컴퓨팅 장치에 의해 수행되는 인공지능을 이용한 시력교정술 추천 방법에 있어서, 피검자의 검진데이터 - 상기 검진데이터는 문진데이터 및 안구특성데이터측정값을 포함함 - 를 획득하는 단계; 상기 피검자의 검진데이터로부터 획득한 제1 그룹 데이터를 제1 예측 모델에 입력하여 상기 피검자의 시력교정술 적합성 여부를 예측하는 단계; 및 상기 피검자에게 시력교정술이 적합한 경우 상기 피검자의 검진데이터로부터 획득한 제2 그룹 데이터를 제2 예측 모델에 입력하여 상기 피검자에게 대응되는 시력교정술을 제안하는 단계;를 포함하되, 상기 시력교정술을 제안하는 단계는, 상기 피검자의 스탠다드 시력교정술 후의 각막형상인자 예측값 및 커스텀 시력교정술 후의 각막형상인자 예측값에 기초하여 시력교정술을 제안하고, 상기 제2 예측 모델은, 시력교정술을 받은 복수의 피시술자의 검진데이터, 상기 복수의 피시술자에 대응되는 시력교정술 및 상기 복수의 피시술자의 시력교정술 후 시력 중 적어도 하나에 기초하여 학습된 시력교정술 추천 방법이 제공될 수 있다.

또 다른 양상에 따르면 컴퓨팅 장치에 의해 수행되는 인공지능을 이용한 시력교정술 추천 방법에 있어서, 피검자의 검진데이터 - 상기 검진데이터는 문진데이터 및 안구특성데이터측정값을 포함함 - 를 획득하는 단계; 및 상기 피검자의 검진데이터로부터 획득한 그룹 데이터를 예측 모델에 입력하여 상기 피검자에게 대응되는 시력교정술을 제안하는 단계;를 포함하되, 상기 시력교정술을 제안하는 단계는, 상기 피검자의 스탠다드 시력교정술 후의 각막형상인자 예측값 및 커스텀 시력교정술 후의 각막형상인자 예측값에 기초하여 시력교정술을 제안하고, 상기 예측 모델은, 시력교정술을 받은 복수의 피시술자의 검진데이터, 상기 복수의 피시술자에 대응되는 시력교정술 및 상기 복수의 피시술자의 시력교정술 후 시력 중 적어도 하나에 기초하여 학습된 시력교정술 추천 방법이 제공될 수 있다.

과제의 해결 수단이 상술한 해결 수단들로 제한되는 것은 아니며, 언급되지 아니한 해결 수단들은 본 명세서 및 첨부된 도면으로부터 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

일 실시예에 의하면, 의사의 판단을 보조하거나 의사, 상담사 및 피검자 등에게 객관적인 시력교정술 관련 정보를 제공하기 위한 방법 및 이를 수행하는 장치가 제공될 수 있다.

다른 일 실시예에 의하면, 인공지능을 이용하여 의사, 상담사 및 피검자 등에게 시력교정술을 추천할 수 있다.

또 다른 일 실시예에 의하면, 인공지능을 이용하여 시력교정술을 추천하는 원인을 의사, 상담사 및 피검자 등에게 제공할 수 있다.

효과가 상술한 효과로 제한되는 것은 아니며, 언급되지 아니한 효과들은 본 명세서 및 첨부된 도면으로부터 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.

도 1은 일 실시예에 따른 시력교정술 보조 시스템에 관한 도면이다.
도 2는 일 실시예에 따른 학습 장치/예측 장치를 설명하기 위한 도면이다.
도 3은 일 실시예에 따른 서버 장치 및 클라이언트 장치를 설명하기 위한 도면이다.
도 4는 일 실시예에 따른 서버 장치 및 클라이언트 장치의 구성에 관한 도면이다.
도 5는 일 실시예에 따른 시력교정술 관련 모델에 관한 도면이다.
도 6은 일 실시예에 따른 시력교정술 관련 모델의 학습 단계 및 예측 단계를 설명하기 위한 도면이다.
도 7은 일 실시예에 따른 입출력데이터의 전처리에 관한 도면이다.
도 8은 일 실시예에 따른 직렬적으로 연결된 서브모델을 포함하는 시력교정술 관련 모델에 관한 도면이다.
도 9는 일 실시예에 따른 병렬적으로 연결된 서브모델을 포함하는 시력교정술 관련 모델에 관한 도면이다.
도 10은 일 실시예에 따른 예상 시력 이미지에 관한 도면이다.
도 11은 일 실시예에 따른 필터를 이용하는 예상 시력 이미지 생성 모델에 관한 도면이다.
도 12는 일 실시예에 따른 각막지형이미지에 관한 도면이다.
도 13은 일 실시예에 따른 시력교정술 관련 모델을 포함하는 예측결과 산출 원인 분석 모델에 관한 도면이다.
도 14는 일 실시예에 따른 예측결과 산출 원인에 관한 도면이다.
도 15는 일 실시예에 따른 시력교정술 관련 모델의 직렬적 연결에 관한 도면이다.
도 16 내지 도 19는 일 실시예에 따른 각막형상인자 예측 모델의 출력에 기초한 시력교정술 관련 모델의 출력 산출에 관한 도면이다.
도 20은 일 실시예에 따른 커스텀 시력교정술 필요성 예측 모델의 출력에 기초한 시력교정술 관련 모델의 출력 산출에 관한 도면이다.
도 21 내지 도 22는 일 실시예에 따른 시력교정술 제안 모델의 출력에 기초한 시력교정술 관련 모델의 출력 산출에 관한 도면이다.
도 23은 일 실시예에 따른 수술파라미터 제안 모델의 출력에 기초한 시력교정술 관련 모델의 출력 산출에 관한 도면이다.
도 24 내지 도 25는 일 실시예에 따른 시력 예측 모델의 출력에 기초한 시력교정술 관련 모델의 출력 산출에 관한 도면이다.
도 26 내지 도 27은 일 실시예에 따른 각막지형이미지 예측 모델의 출력에 기초한 시력교정술 관련 모델의 출력 산출에 관한 도면이다.
도 28은 일 실시예에 따른 3개 이상의 시력교정술 관련 모델의 조합을 설명하기 위한 도면이다.
도 29 내지 도 30은 일 실시예에 따른 각막형상인자 예측 모델 및 시력 예측 모델의 출력에 기초한 시력교정술 관련 모델의 출력 산출에 관한 도면이다.
도 31은 일 실시예에 따른 시력교정술 관련 모델의 병합을 설명하기 위한 도면이다.
도 32 내지 도 34는 일 실시예에 따른 시력교정술 관련 모델 병합의 구현예에 관한 도면이다.
도 35는 일 실시예에 따른 시력교정술 추천 방법의 제1 실시예에 관한 도면이다.
도 36은 일 실시예에 따른 시력교정술 추천 방법의 제2 실시예에 관한 도면이다.
도 37은 일 실시예에 따른 시력교정술 추천 방법의 제3 실시예에 관한 도면이다.
도 38은 일 실시예에 따른 시력교정술 추천 방법의 제4 실시예에 관한 도면이다.
도 39는 일 실시예에 따른 시력교정술 추천 방법의 제5 실시예에 관한 도면이다.
도 40은 일 실시예에 따른 시력교정술 추천 방법의 제6 실시예에 관한 도면이다.
도 41은 일 실시예에 따른 시력교정술 시각화 정보 제공 방법의 제1 실시예에 관한 도면이다.
도 42는 일 실시예에 따른 시력교정술 시각화 정보 제공 방법의 제2 실시예에 관한 도면이다.
도 43은 일 실시예에 따른 시력교정술 시각화 정보 제공 방법의 제3 실시예에 관한 도면이다.
도 44는 일 실시예에 따른 시력교정술 시각화 정보 제공 방법의 제4 실시예에 관한 도면이다.

본 명세서에 기재된 실시예는 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 본 발명의 사상을 명확히 설명하기 위한 것이므로, 본 발명이 본 명세서에 기재된 실시예에 의해 한정되는 것은 아니며, 본 발명의 범위는 본 발명의 사상을 벗어나지 아니하는 수정예 또는 변형예를 포함하는 것으로 해석되어야 한다.

본 명세서에서 사용되는 용어는 본 발명에서의 기능을 고려하여 가능한 현재 널리 사용되고 있는 일반적인 용어를 선택하였으나 이는 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자의 의도, 관례 또는 새로운 기술의 출현 등에 따라 달라질 수 있다. 다만, 이와 달리 특정한 용어를 임의의 의미로 정의하여 사용하는 경우에는 그 용어의 의미에 관하여 별도로 기재할 것이다. 따라서 본 명세서에서 사용되는 용어는 단순한 용어의 명칭이 아닌 그 용어가 가진 실질적인 의미와 본 명세서의 전반에 걸친 내용을 토대로 해석되어야 한다.

본 명세서에 첨부된 도면은 본 발명을 용이하게 설명하기 위한 것으로 도면에 도시된 형상은 본 발명의 이해를 돕기 위하여 필요에 따라 과장되어 표시된 것일 수 있으므로 본 발명이 도면에 의해 한정되는 것은 아니다.

본 명세서에서 본 발명에 관련된 공지의 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에 이에 관한 자세한 설명은 필요에 따라 생략하기로 한다. 또한, 본 명세서의 셜명 과정에서 이용되는 숫자(예를 들어, 제1, 제2 등)는 서로 다른 구성을 의미할 수도 있지만, 동일한 구성에 대응될 수도 있다.

이하에서는 검진데이터에 기초하여 피검자에게 시력교정술을 추천하는 방법 및 장치에 대하여 설명한다. 특히, 인공지능을 이용하여 시력교정술을 추천하는 모델을 생성하고, 생성된 모델을 이용하여 피검자에게 시력교정술을 추천하는 방법 및 장치에 대하여 설명한다.

또한, 검진데이터에 기초하여 피검자에게 시각화된 시력교정술 관련 정보를 제공하는 방법 및 장치에 대하여 설명한다. 특히, 인공지능을 이용하여 시력교정술 후 예상 시력 이미지를 제공하거나 각막지형이미지를 예측하거나 예측결과 산출 원인을 분석하는 등 시력교정술 시각화 정보를 제공하는 모델을 생성하고, 생성된 모델을 이용하여 피검자에게 시력교정술 시각화 정보를 제공하는 방법 및 장치에 대하여 설명한다.

본 명세서에서 시력교정술은 피시술자의 시력을 교정시켜 주는 수술로 라식(LASIK), 라섹(LASEK), 스마일(small incision lenticule extraction, SMILE) 등 레이저를 이용한 각막 절삭을 통해 시력을 교정하는 수술뿐만 아니라 렌즈 삽입술 등 레이저를 이용하지 않는 시력교정술도 포함하는 등 넓게 해석되어야 한다.

또한, 본 명세서에서 시력은 피검자의 판단을 기초로 측정될 수 있는 시력 및 안구 검사 등을 통해 측정될 수 있는 시력을 포함한다. 예를 들어, 시력은 시력 검사표를 통해 측정될 수 있다. 또는, 시력은 근시, 원시, 난시 등 기본적인 굴절 이상인 저위수차(lower-order aberrations) 및 구면수차(spherical aberration), 코마수차(coma aberration), 트레포일수차(trefoil aberration) 등인 고위수차(higher-order aberrations)를 포함할 수 있다. 또한, 시력은 나안시력 및 교정시력을 포함할 수 있다.

여기서, 상기 시력교정술을 제안하는 단계는, 상기 피검자의 시력교정술 후 시력 예측값에 기초하여 시력교정술을 제안할 수 있다.

여기서, 상기 시력교정술을 제안하는 단계는, 복수의 시력교정술 각각에 대응되는 상기 피검자의 시력교정술 후 시력 예측값을 산출하여 시력교정술을 제안할 수 있다.

여기서, 상기 시력교정술을 제안하는 단계는, 복수의 서로 다른 시각에 대응되는 복수의 시력 예측값을 산출하여 시력교정술을 제안할 수 있다.

여기서, 상기 시력교정술 추천 방법은 산출된 스탠다드 시력교정술 후의 각막형상인자 예측값 및 커스텀 시력교정술 후의 각막형상인자 예측값에 기초하여 상기 피검자의 커스텀 시력교정술 필요성 여부를 예측하는 단계;를 더 포함할 수 있다.

여기서, 상기 시력교정술을 제안하는 단계는, 산출된 스탠다드 시력교정술 후의 각막형상인자 예측값 및 커스텀 시력교정술 후의 각막형상인자 예측값에 기초하여 시력교정술을 제안할 수 있다.

여기서, 상기 제4 예측 모델이 상기 복수의 피시술자의 시력교정술 선호도를 고려하여 학습된 경우 상기 제4 그룹 데이터는 상기 피검자의 시력교정술 선호도를 포함할 수 있다.

여기서, 상기 제1 예측 모델, 상기 제2 예측 모델, 상기 제3 예측 모델 및 상기 제4 예측 모델 중 적어도 하나는, 복수의 서브모델을 포함하고 상기 복수의 서브모델의 결과에 기초하여 결과값을 산출할 수 있다.

여기서, 상기 제1 그룹 데이터, 상기 제2 그룹 데이터, 상기 제3 그룹 데이터 및 상기 제4 그룹 데이터 중 적어도 하나는, 상기 피검자의 검진데이터 중 적어도 일부를 그대로 포함하거나 상기 피검자의 검진데이터 중 적어도 일부로부터 산출된 새로운 종류의 데이터를 포함하는 것을 특징으로 할 수 있다.

여기서, 상기 각막형상인자 예측값은, index of height decentration (IHD) 예측값, index of surface variance (ISV) 예측값 및 index of vertical asymmetry (IVA) 예측값 중 적어도 하나를 포함할 수 있다.

여기서, 상기 검진데이터는, 유전자 정보를 더 포함할 수 있다.

또 다른 양상에 따르면 컴퓨팅 장치에 의해 수행되는 인공지능을 이용한 시력교정술 후의 예상 시력 이미지 제공 방법에 있어서, 피검자의 검진데이터 - 상기 검진데이터는 문진데이터 및 안구특성데이터측정값을 포함함 - 를 획득하는 단계; 상기 피검자의 검진데이터로부터 획득한 제1 그룹 데이터를 제1 예측 모델에 입력하여 상기 피검자의 시력교정술 후의 안구특성데이터 예측값 - 상기 안구특성데이터 예측값은 시력 예측값 및 각막형상인자 예측값 중 적어도 하나를 포함함 - 을 산출하는 단계; 및 상기 안구특성데이터 예측값에 기초하여 예상 시력 이미지를 생성하는 단계;를 포함하되, 상기 제1 예측 모델은, 시력교정술을 받은 복수의 피시술자의 수술 전 안구특성데이터 측정값, 상기 복수의 피시술자에게 수행된 시력교정술 수술파라미터 및 상기 복수의 피시술자의 수술 후 안구특성데이터 측정값 중 적어도 하나에 기초하여 학습된 예상 시력 이미지 제공 방법이 제공될 수 있다.

여기서, 상기 예상 시력 이미지를 생성하는 단계는, 상기 안구특성데이터 예측값에 기초하여 필터를 산출하거나 선택하는 단계 및 상기 예상 시력 이미지를 생성하기 위하여 상기 필터를 원본 이미지에 적용하는 단계를 포함할 수 있다.

여기서, 상기 안구특성데이터 예측값은 제1 안구특성데이터 예측값 및 제2 안구특성데이터 예측값을 포함하고, 상기 예상 시력 이미지는, 상기 제1 안구특성데이터 예측값에 기초하여 생성된 제1 예상 시력 이미지 및 상기 제2 안구특성데이터 예측값에 기초하여 생성되되 상기 제1 예상 시력 이미지와 다른 제2 예상 시력 이미지를 포함할 수 있다.

여기서, 상기 제1 안구특성데이터 예측값 및 상기 제2 안구특성데이터 예측값 각각은 스탠다드 시력교정술 후의 안구특성데이터 예측값 및 커스텀 시력교정술 후의 안구특성데이터 예측값에 대응되고, 상기 제1 예상 시력 이미지 및 상기 제2 예상 시력 이미지 각각은 스탠다드 시력교정술 후의 예상 시력 이미지 및 커스텀 시력교정술 후의 예상 시력 이미지에 대응될 수 있다.

여기서, 상기 예상 시력 이미지는, 상기 피검자의 시력교정술 후 예상되는 시력의 선명도, 빛 번짐, 대비감도, 야간 시력, 눈부심, 복시, 잔상 중 적어도 하나에 대한 정보를 포함할 수 있다.

여기서, 상기 예상 시력 이미지 제공 방법은 상기 피검자의 검진데이터로부터 획득한 제2 그룹 데이터를 제2 예측 모델에 입력하여 상기 피검자의 시력교정술 후의 각막지형이미지를 예측하는 단계;를 더 포함하되, 상기 제2 예측 모델은, 시력교정술을 받은 복수의 피시술자의 수술 전 각막지형이미지, 상기 복수의 피시술자에게 수행된 시력교정술 수술파라미터 및 상기 복수의 피시술자의 수술 후 각막지형이미지 중 적어도 하나에 기초하여 학습될 수 있다.

여기서, 상기 예상 시력 이미지 제공 방법은 상기 안구특성데이터 예측값의 상기 제1 그룹 데이터에 대한 의존성을 산출하는 단계;를 더 포함할 수 있다.

여기서, 상기 안구특성데이터 예측값은 제1 안구특성데이터 예측값 및 제2 안구특성데이터 예측값을 포함하고, 상기 의존성은, 상기 제1 그룹 데이터의 적어도 일부에 대응되는 의존계수를 포함하고, 상기 의존계수는, 상기 제1 안구특성데이터 예측값에 대응되는 제1 의존계수 및 상기 제2 안구특성데이터 예측값에 대응되되 상기 제1 의존계수와 다른 제2 의존계수를 포함할 수 있다.

여기서, 상기 제1 안구특성데이터 예측값 및 상기 제2 안구특성데이터 예측값 각각은 스탠다드 시력교정술 후의 안구특성데이터 예측값 및 커스텀 시력교정술 후의 안구특성데이터 예측값에 대응되고, 상기 제1 의존계수 및 상기 제2 의존계수 각각은 스탠다드 시력교정술 후 안구특성데이터 예측값의 상기 제1 그룹 데이터에 대한 의존성 및 커스텀 시력교정술 후 안구특성데이터 예측값의 상기 제1 그룹 데이터에 대한 의존성에 대응될 수 있다.

여기서, 상기 예상 시력 이미지 제공 방법은 상기 의존계수 중 미리 정해진 값보다 큰 의존계수를 출력하거나 미리 정해진 개수의 의존계수를 출력하는 단계;를 더 포함할 수 있다.

여기서, 상기 시력 예측값은, 저위수차 (lower-order aberrations) 예측값 및 고위수차 (higher-order aberrations) 예측값 중 적어도 하나를 포함할 수 있다.

일 실시예에 따른 시력교정술 보조 시스템은 학습 장치 및 예측 장치를 포함할 수 있다. 여기서, 학습 장치 및 예측 장치는 적어도 하나의 제어부를 포함하는 컴퓨팅 장치일 수 있다. 상기 컴퓨팅 장치의 예로는 데스크탑, 랩탑, 태블릿 PC, 스마트폰이 있을 수 있으나 이에 제한되는 것은 아니다.

도 1은 일 실시예에 따른 시력교정술 보조 시스템(10)에 관한 도면이다. 도 1을 참고하면, 학습 장치(100)는 학습데이터에 기초하여 시력교정술과 관련된 정보를 산출하는 모델(이하 "시력교정술 관련 모델"이라 함)을 학습 및/또는 생성할 수 있다. 여기서, 학습데이터는 숫자, 문자, 이미지 등 시력교정술 관련 모델을 학습 및/또는 생성하기 위해 필요한 데이터로 그 표현 방식에 제한이 있는 것은 아니다. 예를 들어, 학습데이터는 시력교정술을 받은 피시술자의 검진데이터 및 수술파라미터를 포함할 수 있다.

예측 장치(300)는 학습 장치(100)를 통해 생성된 시력교정술 관련 모델 및 입력데이터에 기초하여 시력교정술과 관련된 정보인 예측결과를 산출할 수 있다. 여기서, 입력데이터는 숫자, 문자, 이미지 등 예측결과 산출의 기초가 되는 데이터로 그 표현 방식에 제한이 있는 것은 아니다.

학습데이터, 입력데이터, 예측결과 및 시력교정술 관련 모델의 구체적인 예시에 대해서는 후술하도록 한다.

도 1에는 학습 장치(100) 및 예측 장치(300)가 별개의 장치인 것처럼 도시되었으나, 학습 장치(100) 및 예측 장치(300)는 동일한 장치일 수 있다. 예를 들어, 동일한 장치 내에서 시력교정술 관련 모델을 학습/생성하고 상기 모델을 이용하여 예측결과를 산출할 수 있다. 또는, 학습 장치(100)의 적어도 일부 구성 및 예측 장치(300)의 적어도 일부 구성이 동일한 구성일 수 있다.

또한, 일 실시예에 따른 시력교정술 보조 시스템은 복수의 학습 장치 및/또는 복수의 예측 장치를 포함할 수 있다.

도 2는 일 실시예에 따른 학습 장치/예측 장치를 설명하기 위한 도면이다. 도 2를 참고하면, 일 실시예에 따른 학습 장치/예측 장치는 메모리부(5000) 및 제어부(1000)를 포함할 수 있다.

일 실시예에 따른 학습 장치/예측 장치는 이의 동작을 제어하기 위한 제어부(1000)를 포함할 수 있다. 제어부(1000)는 CPU(Central Processing Unit), RAM(Random Access Memory), GPU(Graphic Processing Unit), 하나 이상의 마이크로 프로세서 및 기타 미리 정해진 논리에 따라 입력된 데이터를 처리할 수 있는 전자 부품 중 하나 이상을 포함할 수 있다.

제어부(1000)는 메모리부(5000)에 저장된 시스템 프로그램 및 다양한 프로세싱 프로그램을 판독할 수 있다. 예를 들어, 제어부(1000)는 후술하는 시력교정술 관련 모델의 학습 및 예측 단계의 수행을 위한 데이터 가공 프로세스 등을 RAM상에 전개하고, 전개된 프로그램에 따라 각종 처리를 수행할 수 있다. 일 예로, 제어부(1000)는 시력교정술 관련 모델의 학습을 수행할 수 있다. 다른 예로, 제어부(1000)는 시력교정술 관련 모델을 이용하여 예측결과를 생성할 수 있다.

일 실시예에 따른 학습 장치/예측 장치는 메모리부(5000)를 포함할 수 있다. 메모리부(5000)는 학습에 필요한 데이터, 학습 모델 및 학습된 시력교정술 관련 모델을 저장할 수 있다. 메모리부(5000)는 시력교정술 관련 모델의 파라미터, 변수 등을 저장할 수 있다.

메모리부(5000)는 비휘발성 반도체 메모리, 하드 디스크, 플래시 메모리, RAM, ROM(Read Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory) 또는 그 외에 유형의(tangible) 비휘발성의 기록 매체 등으로 구현될 수 있다.

메모리부(5000)는 각종 프로세싱 프로그램, 프로그램의 프로세싱을 수행하기 위한 파라미터 또는 이러한 프로세싱 결과 데이터 등을 저장할 수 있다. 예를 들어, 메모리부(5000)는 후술하는 시력교정술 관련 모델의 학습 및 예측 단계의 수행을 위한 데이터 가공 프로세스 프로그램, 진단 프로세스 프로그램, 각 프로그램의 수행을 위한 파라미터 및 이러한 프로그램의 수행에 따라 얻어진 데이터(예컨대, 가공된 데이터 또는 예측결과) 등을 저장할 수 있다.

일 실시예에 따른 학습 장치/예측 장치는 통신부(9000)를 더 포함할 수 있다. 통신부(9000)는 외부 장치와 통신을 수행할 수 있다. 예를 들어, 학습 장치의 통신부(9000)는 예측 장치의 통신부(9000)와 통신을 수행할 수 있다. 통신부(9000)는 유선 또는 무선 통신을 수행할 수 있다. 통신부(9000)는 양방향(bi-directional) 또는 단방향 통신을 수행할 수 있다.

도 2에서 도시하는 학습 장치/예측 장치는 예시에 불과하며 학습 장치/예측 장치의 구성이 이에 한정되지는 않는다.

일 실시예에 따른 시력교정술 보조 시스템은 서버 장치 및 클라이언트 장치를 포함할 수 있다. 도 3은 일 실시예에 따른 서버 장치(500) 및 클라이언트 장치(700a, 700b)를 설명하기 위한 도면이다.

일 실시예에 따른 서버 장치(500)는 전술한 학습 장치/예측 장치에 대응될 수 있다. 일 실시예에 따른 서버 장치(500)는 시력교정술 관련 모델을 학습, 저장 및/또는 실행할 수 있다.

일 실시예에 따른 클라이언트 장치(700a, 700b)는 전술한 학습 장치/예측 장치에 대응될 수 있다. 일 실시예에 따른 클라이언트 장치(700a, 700b)는 시력교정술 관련 모델을 학습, 저장 및/또는 실행할 수 있다.

일 실시예에 따른 클라이언트 장치(700a, 700b)는 학습된 시력교정술 관련 모델을 서버 장치(500)로부터 획득할 수 있다. 예를 들어, 클라이언트 장치(700a, 700b)는 네트워크를 통해 서버 장치(500)로부터 시력교정술 관련 모델을 다운로드 받을 수 있다.

일 실시예에 따른 서버 장치(500)는 클라이언트 장치(700a, 700b)로부터 획득한 입력데이터에 기초하여 예측결과를 산출할 수 있다. 예컨대, 클라이언트 장치(700a, 700b)는 피검자의 정보를 입력 받아 서버 장치(500)로 전송하고, 서버 장치(500)는 상기 피검자의 정보를 바탕으로 시력교정술 관련 모델을 통해 예측결과를 산출할 수 있다. 일 실시예에 따른 서버 장치(500)는 복수의 클라이언트 장치(700a, 700b)로부터 입력데이터를 획득할 수 있다.

일 실시예에 따른 서버 장치(500)는 산출된 예측결과를 클라이언트 장치(700a, 700b)로 전달할 수 있다. 예컨대, 클라이언트 장치(700a, 700b)는 서버 장치(500)로부터 획득한 예측결과를 의사, 상담사 및 피검자 등에게 제공할 수 있다. 일 실시예에 따른 서버 장치(500)는 클라이언트 장치(700a, 700b)로부터 피드백을 획득할 수 있다. 일 실시예에 따른 서버 장치(500)는 복수의 클라이언트 장치(700a, 700b)로 예측결과를 전달할 수 있다.

일 실시예에 따른 클라이언트 장치(700a, 700b)는 서버 장치(500)로 예측결과를 요청할 수 있다.

일 실시예에 따른 클라이언트 장치(700a, 700b)는 입력 받은 데이터를 서버 장치(500)로 전달할 수 있다. 일 실시예에 따른 클라이언트 장치(700a, 700b)는 입력 받은 데이터의 적어도 일부를 변경하여 서버 장치(500)로 전달할 수 있다. 일 실시예에 따른 클라이언트 장치(700a, 700b)는 서버 장치(500)로부터 획득한 예측결과를 의사, 상담사 및 피검자 등에게 제공할 수 있다. 일 실시예에 따른 클라이언트 장치(700a, 700b)는 서버 장치(500)로부터 획득한 예측결과의 적어도 일부를 변경하여 의사, 상담사 및 피검자 등에게 제공할 수 있다.

도 3에는 1개의 서버 장치(500)와 2개의 클라이언트 장치(700a, 700b) 사이의 관계가 도시되었으나 이에 한정되는 것은 아니고 하나 이상의 서버 장치(500) 및 하나 이상의 클라이언트 장치(700a, 700b)에서 마찬가지로 적용될 수 있다.

도 4는 일 실시예에 따른 서버 장치(500) 및 클라이언트 장치(700)의 구성에 관한 도면이다. 도 4를 참고하면, 서버 장치(500) 및 클라이언트 장치(700)는 메모리부(5000a, 5000b), 제어부(1000a, 1000b) 및 통신부(9000a, 9000b)를 포함할 수 있다. 서버 장치(500) 및 클라이언트 장치(700)는 통신부(9000a, 9000b)를 통해 정보를 전달하고 획득할 수 있다. 일 예로, 클라이언트 장치(700)는 그 통신부(9000b)를 통해 서버 장치(500)의 통신부(9000a)로부터 학습된 시력교정술 관련 모델을 획득할 수 있다. 다른 예로, 클라이언트 장치(700)는 그 통신부(9000b)를 통해 입력데이터를 서버 장치(500)의 통신부(9000a)로 전달할 수 있고 서버 장치(500)는 그 통신부(9000a)를 통해 예측결과를 클라이언트 장치(700)의 통신부(9000b)로 전달할 수 있다.

전술한 바와 같이 시력교정술 관련 모델은 시력교정술 수행시 및 그 전후에 고려될 수 있는 다양한 정보를 산출하는 모델이다.

도 5는 일 실시예에 따른 시력교정술 관련 모델(M)에 관한 도면이다. 도 5를 참고하면, 시력교정술 관련 모델(M)은 수술 적부 예측 모델(M10), 레이저 수술 가부 예측 모델(M11), 각막형상인자 예측 모델(M12), 커스텀 시력교정술 필요성 예측 모델(M13), 시력교정술 제안 모델(M14), 수술파라미터 제안 모델(M15), 시력 예측 모델(M16), 예상 시력 이미지 생성 모델(M17), 각막지형이미지 예측 모델(M18) 및 예측결과 산출 원인 분석 모델(M19)을 포함할 수 있다. 각 모델의 구체적인 설명은 후술하도록 한다.

시력교정술 관련 모델(M) 중 적어도 일부는 동일한 학습 장치에서 학습 및/또는 생성될 수 있다. 예를 들어, 수술 적부 예측 모델(M10) 및 레이저 수술 가부 예측 모델(M11)은 동일한 학습 장치에서 학습 및/또는 생성될 수 있다. 또는, 시력교정술 관련 모델(M) 중 적어도 일부는 서로 다른 학습 장치에서 학습 및/또는 생성될 수 있다.

시력교정술 관련 모델(M) 중 적어도 일부는 동일한 예측 장치에서 실행될 수 있다. 예를 들어, 수술 적부 예측 모델(M10) 및 레이저 수술 가부 예측 모델(M11)은 동일한 예측 장치에서 실행될 수 있다. 또는, 시력교정술 관련 모델(M) 중 적어도 일부는 서로 다른 예측 장치에서 실행될 수 있다.

일 실시예에 따른 시력교정술 관련 모델은 인공지능 모델/알고리즘으로 학습 및/또는 구현될 수 있고 그 학습 및/또는 구현 방법에 제한이 있는 것은 아니다. 예를 들어, 시력교정술 관련 모델은 분류(classification) 알고리즘, 회귀(regression) 알고리즘, 지도 학습(supervised learning), 비지도 학습(unsupervised learning), 강화 학습(reinforcement learning), 서포트 벡터 머신(support vector machine), 결정트리(decision tree), 랜덤 포레스트(random forest), LASSO, AdaBoost, XGBoost, 인공신경망(artificial neural network) 등과 같은 다양한 머신 러닝 모델/알고리즘 및 딥 러닝 모델/알고리즘을 통해 학습 및/또는 구현될 수 있다.

일 실시예에 따른 시력교정술 관련 모델은 학습 단계를 통해 학습 및/또는 생성될 수 있다. 학습 단계를 통해 학습 및/또는 생성된 시력교정술 관련 모델은 예측 단계를 통해 예측결과를 산출할 수 있다.

도 6은 일 실시예에 따른 시력교정술 관련 모델의 학습 단계(S10) 및 예측 단계(S30)를 설명하기 위한 도면이다. 도 6을 참고하면, 학습 단계(S10)는 학습데이터 획득 단계(S110) 및 모델 학습 단계(S150)를 포함할 수 있다.

학습데이터 획득 단계(S110)는 학습 장치가 시력교정술 관련 모델을 학습 및/또는 생성하기 위한 데이터인 학습데이터를 획득하는 단계일 수 있다.

모델 학습 단계(S150)는 시력교정술 관련 모델을 학습 및/또는 생성하는 단계일 수 있다. 모델 학습 단계(S150)에서 학습 장치는 학습데이터 획득 단계에서 획득한 학습데이터에 기초하여 상기 모델을 학습 및/또는 생성할 수 있다. 예를 들어, 시력교정술 관련 모델을 구성하는 모델 파라미터는 모델 학습 단계(S150)에서 변경될 수 있다. 상기 파라미터의 변화에 따라 상기 모델의 정확도는 향상될 수 있다.

시력교정술 관련 모델은 시력교정술을 받은 피시술자의 시력교정술 관련 정보에 기초하여 학습될 수 있다. 예를 들어, 상기 모델은 시력교정술을 받은 복수의 피시술자의 시력교정술 전 검진데이터, 상기 복수의 피시술자에게 수행된 시력교정술 수술파라미터 및 상기 복수의 피시술자의 시력교정술 후 검진데이터 중 적어도 하나에 기초하여 학습될 수 있다.

도 6을 참고하면, 예측 단계(S30)는 입력데이터 획득 단계(S310) 및 모델 실행 단계(S350)를 포함할 수 있다.

입력데이터 획득 단계(S310)는 예측 장치가 시력교정술 관련 모델을 이용해 예측결과를 산출하는데 이용될 수 있는 데이터인 입력데이터를 획득하는 단계일 수 있다.

모델 실행 단계(S350)는 학습 단계(S10)에서 학습 및/또는 생성된 시력교정술 관련 모델 및 입력데이터에 기초하여 예측결과를 산출하는 단계일 수 있다. 예를 들어, 예측 장치는 입력데이터 및 학습 장치로부터 획득한 모델 파라미터에 기초하여 예측결과를 출력할 수 있다.

시력교정술 관련 모델의 입력데이터는 피검자에 대해 획득한 모든 정보를 포함할 수 있다. 또는, 상기 입력데이터는 피검자에 대해 획득한 정보 중 적어도 일부를 포함할 수 있다. 또한, 상기 입력데이터는 시력교정술 관련 모델에 따라 동일할 수도 있고 상이할 수 있다.

시력교정술 관련 모델의 예측결과는 학습데이터에 따라 달라질 수 있다. 또는, 시력교정술 관련 모델의 정확도는 학습데이터에 따라 달라질 수 있다.

학습데이터에 포함된 참값(true value)의 종류에 따라 예측결과가 달라질 수 있다. 예를 들어, 참값이 피검자의 주관적 의사를 고려하는지 여부에 따라 예측결과가 달라질 수 있다. 여기서, 피검자의 주관적 의사는 특정 시력교정술을 선호하는지 등의 선호도 및 시력교정술에 어느 정도 비용을 지불할 수 있는지 등의 비용 지불 능력을 포함할 수 있다. 피검자의 주관적 의사를 고려하지 않는 경우 예측결과는 의학적으로 제안되는 결과일 수 있다. 반면, 피검자의 주관적 의사를 고려하는 경우 예측결과는 의학적으로 제안되는 결과와 같을 수 있지만 다를 수도 있다.

제1 학습데이터 및 제2 학습데이터가 서로 다른 병원에서 획득되거나 서로 다른 의사로부터 획득되거나 서로 다른 시기의 학습데이터인 경우 상기 제1 학습데이터에 기초하여 학습 및/또는 생성된 제1 모델 및 상기 제2 학습데이터에 기초하여 학습 및/또는 생성된 제2 모델은 서로 다를 수 있다. 그 결과 상기 제1 모델이 출력하는 제1 예측결과 및 상기 제2 모델이 출력하는 제2 예측결과는 서로 다를 수 있다. 또한, 상기 제1 모델 및 상기 제2 모델의 정확도는 서로 다를 수 있다.

다만, 학습데이터가 다르더라도 동일한 시력교정술 관련 모델이 학습 및/또는 생성될 수도 있다. 또는, 서로 다른 학습데이터로 학습 및/또는 생성된 시력교정술 관련 모델이더라도 동일한 예측결과를 산출할 수도 있다.

학습데이터, 입력데이터 및 예측결과(이하 "입출력데이터"라 함)는 검진데이터 및 수술파라미터와 같은 변수를 포함할 수 있다. 검진데이터 및 수술파라미터는 숫자, 문자, 이미지 등과 같이 다양하게 표현될 수 있고 그 표현 방식에 제한이 있는 것은 아니다. 또한, 이미지는 2차원, 3차원 이미지 등 그 차원에 제한이 없다.

검진데이터는 장비나 검사를 통하지 않고 질문 등을 하여 획득하는 정보인 문진데이터, 장비나 검사를 통하여 획득하는 안구에 관한 정보인 안구특성데이터 및 유전자 정보를 포함할 수 있다.

문진데이터는 피검자의 성별, 나이, 인종, 거주 지역 등의 생활 환경, 직업, 소득, 학력, 교육, 가족 규모와 같은 인구통계특성, 고혈압, 당뇨 등의 병력 및 가족력, 시력교정술 선호도 등과 같은 변수를 포함할 수 있다.

안구특성데이터는 안구와 관련된 모든 종류의 정보를 포함할 수 있다. 예를 들어, 안구특성데이터는 시력, 안압 및/또는 망막 검사 결과 등과 같은 변수를 포함할 수 있다.

안구특성데이터는 안구의 물리적인 형상에 관한 정보를 포함할 수 있다. 일 예로, 안구특성데이터는 white-to-white(WTW) distance, angle-to-angle(ATA) distance, 전방 깊이(internal Anterior Chamber Depth, ACD), sulcus-to-sulcus(STS) distance, 동공크기 등과 같은 변수를 포함할 수 있다. 다른 예로, 안구특성데이터는 각막형상인자, 각막지형이미지 등과 같은 각막의 형상에 관한 정보를 포함할 수 있다. 여기서, 각막형상인자는 각막의 물리적 형상을 나타내는 수치로, index of surface variance (ISV), index of vertical asymmetry (IVA), keratoconus index (KI), central keratoconus index (CKI), minimum radius of curvature (Rmin), index of height asymmetry (IHA), index of height decentration (IHD), 중심부 각막 두께(central cornea thickness) 등과 같은 변수를 포함할 수 있다. 또한, 각막지형이미지는 각막 형상에 관한 이미지로, 각막지형도, 각막전면곡률 이미지, 각막후면곡률 이미지, 각막두께지도 등을 포함할 수 있다.

안구특성데이터는 Pentacam, CASIA2, AL-Scan, OQAS와 같은 tomography, topography, optical coherence tomography (OCT), ultrasound biomicroscopy (UBM) 장비 등을 통해 획득될 수 있으나 이에 한정되는 것은 아니다. 상기 장비 및 이와 유사한 장비를 통해 획득할 수 있는 정보 및 이로부터 유래한 정보는 안구특성데이터에 포함될 수 있다.

유전자 정보는 유전자 검사 등을 통해 획득될 수 있다. 유전자 정보는 피검자에게 시력교정술이 적합한지 여부를 판단하는데 이용될 수 있다. 또는, 유전자 정보는 시력교정술 후의 부작용을 예측하는데 이용될 수 있다. 예를 들어, 유전자 정보를 통해 각막이상증 발병 여부를 예측할 수 있다.

수술파라미터는 시력교정술 수행과 관련된 변수로 라식, 라섹, 스마일, 렌즈 삽입술, 스탠다드 시력교정술, 커스텀 시력교정술 등과 같은 시력교정술의 종류, 각막 절편 두께(flap thickness), 각막 절편 크기(flap diameter), flap side cut angle, 각막 절삭 프로파일, 안구 흡입링 작동 시간(suction time), 수술 범위(optic zone), hinge position, hinge angle 및 hinge width와 같은 힌지 구조 등 시력교정술시 변경 가능한 변수를 포함할 수 있다.

스탠다드 시력교정술은 저위수차를 교정하기 위한 시력교정술을 의미할 수 있고, 커스텀 시력교정술은 저위수차 및 고위수차를 교정하기 위한 시력교정술을 의미할 수 있다.

스탠다드 시력교정술 및 커스텀 시력교정술의 피시술자에 따라 고려되는 수술파라미터의 종류는 다를 수 있다. 예를 들어, 커스텀 시력교정술의 피시술자에 따라 고려되는 수술파라미터의 종류는 스탠다드 시력교정술의 피시술자에 따라 고려되는 수술파라미터의 종류를 포함할 수 있다.

스탠다드 시력교정술의 피시술자에 대응되어 변화하는 수술파라미터의 개수는 커스텀 시력교정술의 그것과 다를 수 있다. 스탠다드 시력교정술 및 커스텀 시력교정술은 피시술자에 대응되어 변화하는 수술파라미터의 개수에 따라 구분될 수 있다. 스탠다드 시력교정술 및 커스텀 시력교정술을 구분하는 피시술자에 대응되어 변화하는 수술파라미터의 개수(이하 "기준값"이라 함)는 미리 정해진 값일 수 있다. 예를 들어, 피시술자에 대응되어 변화하는 수술파라미터의 개수가 기준값 이상인 경우 커스텀 시력교정술, 기준값보다 작은 경우 스탠다드 시력교정술일 수 있다.

스탠다드 시력교정술 및 커스텀 시력교정술은 시력교정술을 수행하는 병원, 의사 및/또는 시기에 따라 달라질 수 있다. 예를 들어, 기준값은 병원, 의사 및/또는 시기에 따라 달라질 수 있다.

커스텀 시력교정술은 컨투라비전 수술 및 웨이브프론트 수술을 포함할 수 있다.

커스텀 시력교정술을 수행하는 경우 스탠다드 시력교정술을 수행하는 경우에 비해 시력의 질이 향상될 수 있다. 시력의 질은 시력의 좋고 나쁨을 포괄적으로 의미하는 용어로 시력 측정표를 통해 측정한 시력, 저위수차 및 고위수차뿐만 아니라 시력의 선명도, 빛 번짐, 대비감도, 야간 시력, 눈부심, 복시, 잔상, 기타 불편함 등을 바탕으로 판단할 수 있다.

입출력데이터는 문진 및 검진 등을 통해서 획득/측정될 수 있는 측정값뿐만 아니라 및 시력교정술 관련 모델 등을 통해 산출될 수 있는 예측값을 포함할 수 있다. 예를 들어, 안구특성데이터는 시력교정술 전 검사 등을 통해 획득/측정한 피검자의 안구특성데이터 측정값뿐만 아니라 시력교정술 관련 모델 등을 통해 산출된 피검자의 시력교정술 후 안구특성데이터 예측값을 포함할 수 있다.

입출력데이터는 전처리를 거쳐 시력교정술 관련 모델에 입력될 수 있다. 예를 들어, 학습 장치는 획득한 입출력데이터를 전처리한 후에 시력교정술 관련 모델의 학습에 이용할 수 있다. 또는, 예측 장치는 획득한 입출력데이터를 전처리한 후에 시력교정술 관련 모델에 입력하여 예측결과를 산출할 수 있다.

전처리는 입출력데이터에 가해지는 모든 변화를 포함하도록 넓게 해석되어야 하고 본 명세서에 개시된 예시들로 한정되는 것은 아니다.

전처리는 특징 선택(feature selection)과 같이 입출력데이터가 포함하는 변수 중 적어도 일부를 선택하는 것을 포함할 수 있다. 예를 들어, 전처리는 t-test, Gini index, information gain, relief, DistAUC, signal to noice, MRMR, Fisher score, Laplacian score, SPEC 등을 포함할 수 있다.

전처리는 특징 추출(feature extraction)과 같이 입출력데이터가 포함하는 변수 중 적어도 일부로부터 새로운 변수를 생성하는 것을 포함할 수 있다. 일 예로, 전처리는 principle component analysis, linear discriminant analysis, canonical correlation analysis, singular value decomposition, ISOMAP, locally linear embedding 등을 포함할 수 있다. 다른 예로, 전처리는 수치로부터 스펙트럼을 생성하거나 수치로부터 이미지를 생성하는 것을 포함할 수 있다.

전처리는 결측값(missing value) 처리와 같이 시력교정술 관련 모델(또는학습 장치 및/또는 예측 장치)이 요구하는 변수가 입출력데이터에 포함되어 있지 않을 경우의 처리 방법을 포함할 수 있다. 예를 들어, 전처리는 결측값을 해당 변수의 평균으로 처리하거나 최빈값으로 처리하는 것을 포함할 수 있다.

전처리를 통해 시력교정술 관련 모델의 정확도가 향상될 수 있다. 일 예로, 특징 선택 단계를 포함하는 시력교정술 관련 모델의 정확도는 그것을 포함하지 않는 모델의 정확도보다 좋을 수 있다. 다른 예로, 수치로부터 이미지를 생성하여 상기 이미지에 기초하여 예측결과를 산출하는 시력교정술 관련 모델의 정확도는 상기 수치에 기초하여 예측결과를 산출하는 시력교정술 관련 모델의 정확도보다 좋을 수 있다.

도 7은 일 실시예에 따른 입출력데이터의 전처리에 관한 도면이다. 도 7을 참고하면, 입출력데이터는 전처리 단계(S500)를 거쳐 시력교정술 관련 모델에 입력될 수 있다. 시력교정술 관련 모델은 전처리 된 입출력데이터에 기초하여 예측결과를 산출할 수 있다(S700).

시력교정술 관련 모델은 복수의 하위 모델(서브모델)을 포함할 수 있다. 복수의 서브모델은 입력데이터에 기초하여 예측결과를 산출할 수 있다.

시력교정술 관련 모델은 앙상블 모델 등과 같이 직렬적 및/또는 병렬적으로 연결된 서브모델을 포함할 수 있다.

시력교정술 관련 모델은 직렬적으로 연결된 복수의 서브모델을 포함할 수 있다. 여기서, 서브모델이 직렬적으로 연결되었다는 것은 제1 서브모델의 출력이 제2 서브모델의 입력이 되는 등 적어도 하나의 서브모델의 출력에 기초하여 적어도 다른 하나의 서브모델의 출력이 산출되는 것을 포함할 수 있다. 또는, 서브모델이 직렬적으로 연결되었다는 것은 입력데이터로부터 시력교정술 관련 모델을 통해 예측결과를 획득하기 위해서 복수의 서브모델을 순차적으로 거쳐야 하는 것을 포함할 수 있다.

도 8은 일 실시예에 따른 직렬적으로 연결된 서브모델(M1, M2)을 포함하는 시력교정술 관련 모델(M)에 관한 도면이다. 도 8을 참고하면, 시력교정술 관련 모델(M)은 직렬적으로 연결된 제1 서브모델(M1) 및 제2 서브모델(M2)을 포함할 수 있다. 제1 서브모델(M1)은 입출력데이터에 기초하여 출력을 산출하고, 제2 서브모델(M2)은 제1 서브모델(M1)의 출력에 기초하여 예측결과를 산출할 수 있다.

시력교정술 관련 모델은 병렬적으로 연결된 복수의 서브모델을 포함할 수 있다. 여기서, 서브모델이 병렬적으로 연결되었다는 것은 제1 서브모델의 출력이 제2 서브모델의 출력에 의존하지 않는 등 서브모델의 출력이 다른 서브모델의 출력에 영향을 미치지 않는 것을 포함할 수 있다.

병렬적으로 연결된 복수의 서브모델의 입력은 동일할 수 있다. 또는, 병렬적으로 연결된 복수의 서브모델의 입력은 상이할 수 있다. 예를 들어, 제1 서브모델에 입력되는 제1 검진데이터는 제2 서브모델에 입력되는 제2 검진데이터와 상이할 수 있다.

상기 제1 검진데이터는 상기 제2 검진데이터에 비해 적어도 일부 다른 변수를 포함할 수 있다. 예를 들어, 상기 제1 검진데이터는 시력교정술 선호도를 포함하지만 상기 제2 검진데이터는 시력교정술 선호도를 포함하지 않을 수 있다.

상기 제1 검진데이터는 상기 제2 검진데이터와 동일한 종류의 변수를 포함하지만 그 값이 다를 수 있다. 예를 들어, 상기 제1 검진데이터 및 상기 제2 검진데이터는 각막 두께를 포함하지만 그 수치를 획득한 방법이 상이하여(예를 들어, 서로 다른 장치로 각막 두께를 측정함) 수치가 상이할 수 있다.

시력교정술 관련 모델은 병렬적으로 연결된 복수의 서브모델의 출력에 기초하여 출력을 산출하는 출력서브모델을 포함할 수 있다. 일 예로, 복수의 서브모델의 출력이 동일한 경우 출력서브모델은 상기 동일한 출력을 제공할 수 있다. 다른 예로, 복수의 서브모델의 출력이 상이한 경우 출력서브모델은 상기 복수의 서브모델의 출력을 일정 비율로 고려한 결과를 출력하거나 상기 복수의 출력 중 특정 출력을 제공할 수 있다. 또 다른 예로, 출력서브모델은 복수의 서브모델의 출력에 기초하여 생성된 결과를 출력할 수 있다.

도 9는 일 실시예에 따른 병렬적으로 연결된 서브모델(M1, M2)을 포함하는 시력교정술 관련 모델(M)에 관한 도면이다. 도 9를 참고하면, 시력교정술 관련 모델(M)은 병렬적으로 연결된 제1 서브모델(M1) 및 제2 서브모델(M2)을 포함할 수 있다. 또한, 시력교정술 관련 모델(M)은 제1 서브모델(M1) 및 제2 서브모델(M2)의 출력에 기초하여 출력을 산출하는 출력서브모델(M3)을 포함할 수 있다. 제1 서브모델(M1) 및 제2 서브모델(M2)은 입출력데이터에 기초하여 각각 제1 출력 및 제2 출력을 산출하고, 출력서브모델(M3)은 제1 출력 및 제2 출력에 기초하여 예측결과를 산출할 수 있다.

병렬적으로 연결된 서브모델을 포함하는 시력교정술 관련 모델의 예로는 앙상블(ensemble)이 있을 수 있으나 이에 한정되는 것은 아니다.

이하에서는 시력교정술 관련 모델의 개별적인 예시에 관해 설명한다.

수술 적부 예측 모델은 피검자에게 시력교정술이 적합한지 부적합한지 여부를 예측할 수 있다. 수술 적부 예측 모델은 입력데이터에 기초하여 수술 적부를 예측할 수 있다.

시력교정술의 적부는 의학적인 적부를 의미할 수 있다. 이에 따라, 수술 적부 예측 모델의 입력데이터는 피검자의 시력교정술 선호도를 포함하지 않을 수 있다. 또는, 수술 적부 예측 모델은 피검자의 시력교정술 선호도를 고려하지 않고 수술 적부를 예측할 수 있다.

수술 적부는 수술이 가능한지 여부 및 수술이 필요한지 여부를 포함할 수 있다. 일 예로, 수술 적부 예측 모델은 시력이 좋아서 수술할 필요가 없는 피검자를 수술 부적합으로 판단할 수 있다. 다른 예로, 수술 적부 예측 모델은 시력교정술로 시력 증가가 불가능한 피검자를 수술 부적합으로 판단할 수 있다.

수술 적부는 수술 적합/부적합으로 출력될 수 있다. 또는, 수술 적부는 수술 적합도를 수치화하거나 시각화하여 출력될 수 있다.

레이저 수술 가부 예측 모델은 피검자에게 레이저를 이용한 시력교정술이 가능한지 불가능한지 여부를 예측할 수 있다. 여기서, 레이저를 이용한 시력교정술은 레이저를 이용한 각막 절삭을 통해 시력을 교정하는 수술을 의미할 수 있다. 레이저 수술 가부 예측 모델은 입력데이터에 기초하여 레이저 수술 가부를 예측할 수 있다.

레이저를 이용한 시력교정술의 가부는 의학적인 가부를 의미할 수 있다. 이에 따라, 레이저 수술 가부 예측 모델의 입력데이터는 피검자의 시력교정술 선호도를 포함하지 않을 수 있다. 또는, 레이저 수술 가부 예측 모델은 피검자의 시력교정술 선호도를 고려하지 않고 레이저 수술 가부를 예측할 수 있다.

레이저 수술 가부는 레이저 수술 가능/불가능으로 출력될 수 있다. 또는, 레이저 수술 가부는 수술 가능성을 수치화하거나 시각화하여 출력될 수 있다.

각막형상인자 예측 모델은 피검자의 시력교정술 후 각막형상인자를 예측할 수 있다. 상기 모델은 하나 이상의 각막형상인자를 예측할 수 있다. 각막형상인자 예측 모델은 입력데이터에 기초하여 각막형상인자를 예측할 수 있다.

각막형상인자 예측 모델의 입력데이터는 수술파라미터를 포함할 수 있다. 예를 들어, 상기 입력데이터는 수술 종류를 수술파라미터로 포함할 수 있다. 상기 모델은 입력 받은 수술파라미터에 대응되는 각막형상인자를 예측할 수 있다. 일 예로, 입력데이터가 라식, 라섹 및 스마일을 수술파라미터로 포함하는 경우, 상기 모델의 출력은 라식 후 각막형상인자 예측값, 라섹 후 각막형상인자 예측값 및 스마일 후 각막형상인자 예측값을 포함할 수 있다. 다른 예로, 입력데이터가 스탠다드 시력교정술 및 커스텀 시력교정술을 수술파라미터로 포함하는 경우, 상기 모델의 출력은 스탠다드 시력교정술 후 각막형상인자 예측값 및 커스텀 시력교정술 후 각막형상인자 예측값을 포함할 수 있다.

각막형상인자 예측 모델은 그 입력데이터가 수술파라미터를 포함하는지 여부에 관계 없이 미리 정해진 수술파라미터에 대응되는 각막형상인자를 예측할 수 있다. 예를 들어, 상기 모델이 스탠다드 시력교정술 후 각막형상인자 및 커스텀 시력교정술 후 각막형상인자를 예측하도록 학습된 경우 상기 모델의 입력데이터가 수술파라미터를 포함하지 않더라도 상기 모델은 스탠다드 시력교정술 후 각막형상인자 예측값 및 커스텀 시력교정술 후 각막형상인자 예측값을 출력할 수 있다.

표 1은 일 실시예에 따른 각막형상인자 예측 모델의 출력이다. 표 1을 참고하면, 각막형상인자 예측 모델은 피검자의 IHD, ISV 및 IVA값을 출력할 수 있다. 또한, 각막형상인자 예측 모델은 시력교정술 전 획득한 피검자의 IHD, ISV, IVA 측정값, 스탠다드 시력교정술 후 예상되는 IHD, ISV, IVA 예측값 및 커스텀 시력교정술 후 예상되는 IHD, ISV, IVA 예측값을 포함할 수 있다.

항목	현재	스탠다드 시력교정술 후 예상	커스텀 시력교정술 후 예상
IHD	0.015	0.021	0.018
ISV	20.0	27.8	25.0
IVA	0.19	0.23	0.22

커스텀 시력교정술 필요성 예측 모델은 피검자에게 커스텀 시력교정술이 필요한지 여부를 예측할 수 있다. 커스텀 시력교정술 필요성 예측 모델은 입력데이터에 기초하여 커스텀 시력교정술 필요성을 예측할 수 있다.

커스텀 시력교정술 필요성 예측 모델은 피검자의 시력교정술 선호도를 고려하지 않고 커스텀 시력교정술 필요성을 예측할 수 있다. 또는, 커스텀 시력교정술 필요성 예측 모델은 피검자의 시력교정술 선호도를 고려하여 커스텀 시력교정술 필요성을 예측할 수 있다. 피검자의 시력교정술 선호도를 고려하는지 여부에 따라 커스텀 시력교정술 필요성 예측 모델의 출력이 달라질 수 있다.

커스텀 시력교정술 필요성 예측 모델은 각막형상인자 및 각막지형이미지와 같은 안구특성데이터에 기초하여 피검자에게 커스텀 시력교정술이 필요한지 여부를 판단할 수 있다.

커스텀 시력교정술 필요성 예측 모델은 각막형상인자의 절대적인 수치에 기초하여 커스텀 시력교정술 필요성을 판단할 수 있다. 예를 들어, 커스텀 시력교정술 필요성 예측 모델은 각막형상인자가 일정 범위 밖에 있는 경우 피검자에게 커스텀 시력교정술이 필요하다고 예측할 수 있다.

커스텀 시력교정술 필요성 예측 모델은 각막형상인자의 상대적인 수치에 기초하여 커스텀 시력교정술 필요성을 판단할 수 있다. 예를 들어, 커스텀 시력교정술 필요성 예측 모델은 스탠다드 시력교정술 후의 각막형상인자 및 커스텀 시력교정술 후의 각막형상인자의 차이를 비교하여 커스텀 시력교정술 필요성을 판단할 수 있다.

시력교정술 제안 모델은 피검자에게 대응되는 시력교정술을 제안할 수 있다. 일 예로, 상기 모델은 하나의 시력교정술을 출력할 수 있다. 다른 예로, 상기 모델은 복수의 시력교정술을 출력할 수 있다. 또 다른 예로, 상기 모델은 복수의 시력교정술을 그 우선 순위에 대한 정보와 함께 출력할 수 있다.

시력교정술 제안 모델은 입력데이터에 기초하여 시력교정술을 제안할 수 있다.

피검자에게 대응되는 시력교정술은 시력교정술 제안 모델이 피검자의 시력교정술 선호도를 고려하지 않고 산출한 시력교정술을 의미할 수 있다. 또는, 피검자에게 대응되는 시력교정술은 시력교정술 제안 모델이 피검자의 시력교정술 선호도를 고려하여 산출한 시력교정술을 의미할 수 있다. 피검자의 시력교정술 선호도를 고려하는지 여부에 따라 시력교정술 제안 모델의 출력이 달라질 수 있다.

시력교정술 제안 모델의 출력은 커스텀 시력교정술 필요성이 고려된 것일 수 있다. 예를 들어, 상기 출력은 스탠다드 라식, 커스텀 라식, 스탠다드 라섹, 커스텀 라섹, 스탠다드 스마일, 커스텀 스마일 등과 같이 커스텀 시력교정술 필요성이 고려된 것일 수 있다.

또는, 시력교정술 제안 모델의 출력은 커스텀 시력교정술 필요성이 고려되지 않은 것일 수 있다. 예를 들어, 상기 출력은 라식, 라섹, 스마일, 렌즈 삽입술 등과 같이 커스텀 시력교정술 필요성이 고려되지 않은 것일 수 있다.

시력교정술 제안 모델은 시력교정술 후의 시력의 질에 기초하여 시력교정술을 제안할 수 있다. 예를 들어, 상기 모델은 복수의 시력교정술에 대응되는 시력교정술 후 시력 예측값에 기초하여 시력교정술을 제안할 수 있다.

표 2는 일 실시예에 따른 시력교정술 제안 모델의 출력이다. 표 2를 참고하면, 시력교정술 제안 모델은 라식, 라섹 및 스마일 수술을 적합도와 같은 우선 순위에 대한 정보와 함께 출력할 수 있다. 표 2의 경우 스마일에 대응되는 값이 라식 및 라섹에 대응되는 값보다 크고 이는 시력교정술 제안 모델이 스마일을 1순위로 제안하는 것을 의미할 수 있다. 표 2의 방식 외에도 우선 순위를 나타내는 다양한 방식으로 우선 순위에 대한 정보가 출력될 수 있다.

시력교정술 종류	적합도
라식	15.45%
라섹	13.30%
스마일	71.25%

수술파라미터 제안 모델은 수술파라미터를 제안할 수 있다. 상기 모델은 하나 이상의 수술파라미터를 제안할 수 있다. 수술파라미터 제안 모델은 입력데이터에 기초하여 수술파라미터를 제안할 수 있다.

수술파라미터 제안 모델의 입력데이터는 이미지 형태의 데이터를 포함할 수 있다. 여기서, 상기 이미지는 각막지형도와 같이 장비를 이용한 측정 및/또는 검사를 통해 획득한 이미지일 수 있다. 또는, 상기 이미지는 측정된 수치를 바탕으로 내삽(interpolation), 외삽(extrapolation)이나 인공지능 등을 통해 생성된 이미지일 수 있다. 예를 들어, 상기 이미지는 각막형상인자로부터 생성된 이미지일 수 있다.

수술파라미터 제안 모델이 이미지에 기초하여 제안한 수술파라미터를 바탕으로 수행된 시력교정술 후의 수술 결과는 수치에 기초하여 제안한 수술파라미터를 바탕으로 수행된 시력교정술 후의 수술 결과보다 좋을 수 있다. 예를 들어, 상기 모델이 각막지형이미지에 기초하여 제안한 수술파라미터를 바탕으로 수행된 시력교정술 후의 수술 결과는 IHD, ISV, IVA 등과 같은 각막형상인자에 기초하여 제안한 수술파라미터를 바탕으로 수행된 시력교정술 후의 수술 결과보다 좋을 수 있다. 여기서, 수술 결과는 수술 후 시력의 질을 의미할 수 있다. 또는, 수술 결과는 수술 후 각막의 형상을 의미할 수 있다.

시력 예측 모델은 피검자의 시력교정술 후의 시력을 예측할 수 있다. 시력 예측 모델은 입력데이터에 기초하여 시력 예측값을 출력할 수 있다. 상기 모델은 하나 이상의 시력을 예측할 수 있다.

시력 예측 모델의 입력데이터는 수술파라미터를 포함할 수 있다. 예를 들어, 상기 입력데이터는 수술 종류를 수술파라미터로 포함할 수 있다. 상기 모델은 입력 받은 수술파라미터에 대응되는 시력을 예측할 수 있다. 일 예로, 입력데이터가 라식, 라섹 및 스마일을 수술파라미터로 포함하는 경우, 상기 모델의 출력은 라식 후 시력 예측값, 라섹 후 시력 예측값 및 스마일 후 시력 예측값을 포함할 수 있다. 다른 예로, 입력데이터가 스탠다드 시력교정술 및 커스텀 시력교정술을 수술파라미터로 포함하는 경우, 상기 모델의 출력은 스탠다드 시력교정술 후 시력 예측값 및 커스텀 시력교정술 후 시력 예측값을 포함할 수 있다.

시력 예측 모델은 그 입력데이터가 수술파라미터를 포함하는지 여부에 관계 없이 미리 정해진 수술파라미터에 대응되는 시력을 예측할 수 있다. 예를 들어, 상기 모델이 스탠다드 시력교정술 후 시력 및 커스텀 시력교정술 후 시력을 예측하도록 학습된 경우 상기 모델의 입력데이터가 수술파라미터를 포함하지 않더라도 상기 모델은 스탠다드 시력교정술 후 시력 예측값 및 커스텀 시력교정술 후 시력 예측값을 출력할 수 있다.

시력 예측 모델은 복수의 서로 다른 시각에 대응되는 시력을 예측할 수 있다. 예를 들어, 상기 모델은 시력교정술 후 제1 시각 및 제2 시각에 대응되는 시력을 예측할 수 있다. 복수의 서로 다른 시각의 예로는 시력교정술 후 하루, 1주일, 1개월, 6개월, 1년 등이 있으나 이에 한정되는 것은 아니다.

시력 예측 모델은 복수의 서로 다른 시각에 대응되는 시력 예측값에 기초하여 피검자의 시력 회복 속도를 예측할 수 있다. 예를 들어, 상기 모델은 시력교정술 후 제1 시각 및 제2 시각에 기초하여 시력 회복 속도를 예측할 수 있다.

예상 시력 이미지 생성 모델은 피검자의 시력교정술 후의 시야를 예측할 수 있다. 상기 모델은 피검자의 시력교정술 후의 시력의 질을 시각화한 이미지(이하 "예상 시력 이미지"라 함)를 생성할 수 있다. 상기 모델이 예상 시력 이미지를 출력함에 따라 피검자에게 시력교정술에 대해 보다 용이하게 설명할 수 있다. 상기 모델이 시력교정술 후의 시야를 시각화하여 출력함에 따라 피검자는 시력교정술 후 예상되는 결과에 대해 보다 명확하게 이해할 수 있고 이를 통해 시력교정술 선택에 도움을 받을 수 있다.

예상 시력 이미지 생성 모델의 입력데이터는 수술파라미터를 포함할 수 있다. 예를 들어, 상기 입력데이터는 수술 종류를 수술파라미터로 포함할 수 있다. 상기 모델은 입력 받은 수술파라미터에 대응되는 예상 시력 이미지를 예측할 수 있다. 일 예로, 입력데이터가 라식, 라섹 및 스마일을 수술파라미터로 포함하는 경우, 상기 모델의 출력은 라식 후 예상 시력 이미지, 라섹 후 예상 시력 이미지 및 스마일 후 예상 시력 이미지를 포함할 수 있다. 다른 예로, 입력데이터가 스탠다드 시력교정술 및 커스텀 시력교정술을 수술파라미터로 포함하는 경우, 상기 모델의 출력은 스탠다드 시력교정술 후 예상 시력 이미지 및 커스텀 시력교정술 후 예상 시력 이미지를 포함할 수 있다. 또 다른 예로, 입력데이터가 복수의 수술 범위(optic zone)를 포함하는 경우, 상기 모델의 출력은 상기 복수의 수술 범위에 대응되는 복수의 예상 시력 이미지를 포함할 수 있다.

예상 시력 이미지 생성 모델은 그 입력데이터가 수술파라미터를 포함하는지 여부에 관계 없이 미리 정해진 수술파라미터에 대응되는 예상 시력 이미지를 생성할 수 있다. 예를 들어, 상기 모델이 스탠다드 시력교정술 후 예상 시력 이미지 및 커스텀 시력교정술 후 예상 시력 이미지를 생성하도록 학습된 경우 상기 모델의 입력데이터가 수술파라미터를 포함하지 않더라도 상기 모델은 스탠다드 시력교정술 후 예상 시력 이미지 및 커스텀 시력교정술 후 예상 시력 이미지를 출력할 수 있다.

예상 시력 이미지는 피검자의 시력교정술 후 예상되는 시력의 선명도, 빛 번짐, 대비감도, 야간 시력, 눈부심, 복시, 잔상 중 적어도 하나에 대한 정보를 포함할 수 있다.

도 10은 일 실시예에 따른 예상 시력 이미지에 관한 도면이다. 도 10의 a를 참고하면, 예상 시력 이미지(I1, I2)는 시력의 선명도에 관한 정보를 시각화하여 표현할 수 있다. 도 10의 b를 참고하면, 예상 시력 이미지(I3, I4, I5, I6)는 빛 번짐에 관한 정보를 시각화하여 표현할 수 있다.

복수의 예상 시력 이미지는 서로 다른 수술파라미터에 대응될 수 있다. 도 10의 a를 참고하면, 제1 예상 시력 이미지(I1)는 커스텀 시력교정술 후의 시력의 선명도에 대응되고 제2 예상 시력 이미지(I2)는 스탠다드 시력교정술 후의 시력의 선명도에 대응될 수 있다. 도 10의 b를 참고하면, 제3 내지 제6 예상 시력 이미지(I3-I6)는 서로 다른 수술 범위(optic zone)에 대응되는 예상 시력 이미지일 수 있다. 예를 들어, 제3 예상 시력 이미지(I3)의 수술 범위는 제4 내지 제6 예상 시력 이미지(I4-I6)의 수술 범위보다 클 수 있다.

일 실시예에 따른 예상 시력 이미지는 필터를 이용한 필터링을 통해 생성될 수 있다. 여기서, 필터링은 일반적인 이미지 프로세싱 분야에서 이용되는 개념으로 이미지와 필터를 컨벌루션(convolution)하여 필터링 된 이미지를 생성하는 것을 의미할 수 있다. 필터의 예로는 평균 필터(average filter), 가중평균 필터(weighted average filter), 저역 통과 필터(low-pass filter), 가우시안 필터(Gaussian filter), 중간값 필터(median filter), 양방향 필터(bilateral filter), 블러링 필터(blurring filter), 고주파 통과 필터(high-pass filter), 언샤프 마스킹(unsharp masking), 고주파 지원 필터(high-boost filter), 샤프팅 필터(sharpening filter) 등이 있을 수 있으나 이에 한정되는 것은 아니다.

도 11은 일 실시예에 따른 필터를 이용하는 예상 시력 이미지 생성 모델(M17)에 관한 도면이다. 도 11을 참고하면, 예상 시력 이미지 생성 모델(M17)은 제1 서브모델(M171) 및 제2 서브모델(M172)을 포함할 수 있다.

제1 서브모델(M171)은 입력데이터에 기초하여 필터를 산출 및/또는 선택할 수 있다. 일 예로, 상기 입력데이터는 피검자의 시력교정술 후 안구특성데이터 예측값을 포함하고 제1 서브모델(M171)은 상기 안구특성데이터 예측값에 기초하여 필터를 산출 및/또는 선택할 수 있다. 다른 예로, 상기 입력데이터는 피검자의 안구특성데이터 측정값 및 수술파라미터를 포함하고 제1 서브모델(M171)은 상기 안구특성데이터 측정값 및 상기 수술파라미터에 기초하여 필터를 산출 및/또는 선택할 수 있다.

제2 서브모델(M172)은 제1 서브모델(M171)이 산출 및/또는 선택한 필터에 기초하여 예상 시력 이미지를 생성할 수 있다. 예를 들어, 제2 서브모델(M172)은 원본 이미지에 상기 필터를 적용하여 예상 시력 이미지를 생성할 수 있다. 여기서, 원본 이미지는 예상 시력 이미지를 생성하기 위한 기초가 되는 이미지로 예상 시력 이미지 생성 모델(M17)의 외부로부터 입력 받을 수도 있고 상기 모델(M17)에 포함되어 있을 수도 있다.

각막지형이미지 예측 모델은 피검자의 시력교정술 후의 각막지형이미지를 예측할 수 있다. 상기 모델은 하나 이상의 각막지형이미지를 예측할 수 있다. 각막지형이미지 예측 모델은 입력데이터에 기초하여 각막지형이미지를 생성할 수 있다.

각막지형이미지 예측 모델의 입력데이터는 수술파라미터를 포함할 수 있다. 예를 들어, 상기 입력데이터는 수술 종류를 수술파라미터로 포함할 수 있다. 상기 모델은 입력 받은 수술파라미터에 대응되는 각막지형이미지를 예측할 수 있다. 일 예로, 입력데이터가 라식, 라섹 및 스마일을 수술파라미터로 포함하는 경우, 상기 모델의 출력은 라식 후 각막지형이미지, 라섹 후 각막지형이미지 및 스마일 후 각막지형이미지를 포함할 수 있다. 다른 예로, 입력데이터가 스탠다드 시력교정술 및 커스텀 시력교정술을 수술파라미터로 포함하는 경우, 상기 모델의 출력은 스탠다드 시력교정술 후 각막지형이미지 및 커스텀 시력교정술 후 각막지형이미지를 포함할 수 있다.

각막지형이미지 예측 모델은 그 입력데이터가 수술파라미터를 포함하는지 여부에 관계 없이 미리 정해진 수술파라미터에 대응되는 각막지형이미지를 생성할 수 있다. 예를 들어, 상기 모델이 스탠다드 시력교정술 후 시력 및 커스텀 시력교정술 후 각막지형이미지를 생성하도록 학습된 경우 상기 모델의 입력데이터가 수술파라미터를 포함하지 않더라도 상기 모델은 스탠다드 시력교정술 후 각막지형이미지 및 커스텀 시력교정술 후 각막지형이미지를 출력할 수 있다.

각막지형이미지 예측 모델의 입력데이터는 시력교정술 전 측정된 피검자의 각막지형이미지를 포함할 수 있다. 도 12는 일 실시예에 따른 각막지형이미지에 관한 도면이다. 도 12를 참고하면, 각막지형이미지 예측 모델(M18)은 시력교정술 전 측정된 피검자의 각막지형이미지(CI1)에 기초하여 상기 피검자의 시력교정술 후 각막지형이미지(CI2)를 예측할 수 있다. 도 12에는 상기 모델(M18)에 각막지형이미지(CI1)만 입력되는 것으로 도시되었으나 이 외에도 다른 입력데이터가 함께 입력될 수 있다.

예측결과 산출 원인 분석 모델은 시력교정술 관련 모델이 생성한 예측결과가 산출된 원인을 분석할 수 있다. 상기 모델은 시력교정술 관련 모델의 입력데이터에 대한 의존성을 산출할 수 있다. 여기서, 의존성이란 입력데이터의 특정 변수가 예측결과에 어떠한 영향을 미쳤는지를 포함할 수 있다.

예측결과 산출 원인 분석 모델은 예측결과 산출 원인을 출력할 수 있다. 상기 모델은 하나 이상의 예측결과 산출 원인을 출력할 수 있다. 이하에서는 설명의 편의를 위해 예측결과 산출 원인이 의존계수와 같은 수치로 표현되는 경우에 대해 설명하지만 예측결과 산출 원인이 이에 한정되는 것은 아니고 수치, 이미지, 텍스트 및 그 조합 등 그 표현 방식에 제한이 없다.

예측결과 산출 원인 분석 모델은 의존계수의 적어도 일부를 출력할 수 있다. 예를 들어, 상기 모델은 산출한 의존계수 전부를 출력할 수 있다.

예측결과 산출 원인 분석 모델은 산출한 의존계수 중 일정 범위에 속하는 의존계수를 출력할 수 있다. 예를 들어, 상기 모델은 산출한 의존계수 중 미리 정해진 값보다 큰 의존계수를 출력할 수 있다. 또는, 상기 모델은 산출한 의존계수 중 그 절대값이 미리 정해진 값보다 큰 경우 이를 출력할 수 있다.

예측결과 산출 원인 분석 모델은 일정 개수의 의존계수를 출력할 수 있다. 예를 들어, 상기 모델은 미리 정해진 개수의 의존계수를 출력할 수 있다.

예측결과 산출 원인 분석 모델은 수술 적부 예측 원인 분석 모델, 레이저 수술 가부 예측 원인 분석 모델, 각막형상인자 예측 원인 분석 모델, 커스텀 시력교정술 필요성 예측 원인 분석 모델, 시력교정술 제안 원인 분석 모델, 수술파라미터 제안 원인 분석 모델, 시력 예측 원인 분석 모델, 예상 시력 이미지 생성 원인 분석 모델 및 각막지형이미지 예측 원인 분석 모델을 포함할 수 있다. 예를 들어, 시력 예측 원인 분석 모델은 시력 예측 모델의 입력데이터에 포함된 변수가 어떠한 영향을 미쳐 시력 예측 모델이 시력을 예측하였는지 산출할 수 있다. 또는, 시력 예측 원인 분석 모델은 시력 예측 모델이 산출한 시력 예측값의 시력 예측 모델의 입력데이터에 대한 의존성을 산출할 수 있다.

예측결과 산출 원인 분석 모델은 시력교정술 관련 모델 중 적어도 일부를 포함할 수 있다. 예를 들어, 시력 예측 원인 분석 모델은 시력 예측 모델을 포함할 수 있다.

도 13은 일 실시예에 따른 시력교정술 관련 모델(M192)을 포함하는 예측결과 산출 원인 분석 모델(M19)에 관한 도면이다. 도 27을 참고하면, 예측결과 산출 원인 분석 모델(M19)은 입력데이터 교란 모델(M191), 시력교정술 관련 모델(M192) 및 예측결과 분석 모델(M193)을 포함할 수 있다.

입력데이터 교란 모델(M191)은 입력데이터에 기초하여 교란된 입력데이터를 출력할 수 있다. 상기 모델(M191)은 하나 이상의 교란된 입력데이터를 출력할 수 있다. 여기서, 입력데이터의 교란(perturbation)이란 상기 입력데이터에 포함된 적어도 일부 변수의 값을 변경하는 등 입력데이터를 변경시키는 것을 의미할 수 있다. 예를 들어, 변수가 수치인 경우 교란은 상기 수치를 증가시키거나 감소시키는 것을 의미할 수 있다. 또는, 변수가 이미지인 경우 교란은 상기 이미지의 적어도 일부 픽셀의 픽셀값을 증가시키거나 감소시키는 것을 의미할 수 있다.

시력교정술 관련 모델(M192)은 입력데이터 및 교란된 입력데이터에 기초하여 상기 입력데이터에 대응되는 제1 예측결과 및 상기 교란된 입력데이터에 대응되는 제2 예측결과를 출력할 수 있다. 예를 들어, 예측결과 산출 원인 분석 모델(M19)이 포함하는 시력교정술 관련 모델(M192)이 시력 예측 모델인 경우, 제1 예측결과 및 제2 예측결과는 서로 다른 시력 예측값일 수 있다. 또한, 교란된 입력데이터가 복수인 경우, 상기 모델은 상기 복수의 교란된 입력데이터에 대응되는 복수의 예측결과를 출력할 수 있다.

예측결과 분석 모델(M193)은 예측결과에 기초하여 예측결과 산출 원인을 출력할 수 있다. 예를 들어, 상기 모델(M193)은 교란되지 않은 입력데이터로부터 산출된 제1 예측결과 및 교란된 입력데이터로부터 산출된 제2 예측결과의 차이에 기초하여 예측결과 산출 원인을 산출할 수 있다. 구체적으로, 상기 제1 예측결과 및 제1 변수가 교란된 입력데이터로부터 산출된 제2 예측결과의 차이에 기초하여 상기 제1 예측결과의 상기 제1 변수에 대한 의존성을 산출할 수 있다.

도 14는 일 실시예에 따른 예측결과 산출 원인에 관한 도면으로 구체적으로는 시력 예측 원인에 관한 도면이다. 도 14를 참고하면, 예측결과 산출 원인은 수치 및 이미지로 표현될 수 있다. 도 14에 표현된 Cornea_Back_Rmin(V1), Astigmatism(V2), Mono(V3), Nearsightedness(V4), Op_flag(V5) 및 Pupil_Dia(V6)과 같은 문자는 입력데이터에 포함된 변수에 대응될 수 있다. 상기 문자에 대응되도록 표현된 5.95(N1), -0.5(N2), 0(N3), -1.37(N4), 2(N5), 3.1(N6) 등은 입력데이터에 포함된 변수의 수치에 대응될 수 있다.

예측결과의 변수에 대한 의존성은 시각화되어 표현될 수 있다. 예를 들어, 상기 의존성은 화살표의 길이, 색, 방향 등에 의해 표현될 수 있다. 도 14를 참고하면, 화살표의 길이는 의존계수의 절대값에 대응될 수 있다. 또한, 화살표의 방향 및 색은 의존계수의 부호에 대응될 수 있다. 도 14는 시력 예측값(OV)은 1.18이고, Cornea_Back_Rmin(V1), Astigmatism(V2), Mono(V3) 및 Nearsightedness(V4)는 시력 예측값에 긍정적인 영향을 미치며 Op_flag(V5) 및 Pupul_Dia(V6)는 시력 예측값에 부정적인 영향을 미친 것으로 해석될 수 있다.

예측결과 산출 원인 분석 모델의 예로는 LIME(Local Interpretable Model-agnostic Explanations) 등이 있을 수 있으나 이에 한정되는 것은 아니다.

시력교정술 관련 모델은 서로 조합될 수 있다. 상기 모델은 직렬적 연결 및 병렬적 연결 중 적어도 하나에 의해 조합될 수 있다.

시력교정술 관련 모델이 직렬적으로 연결되었다는 것은 적어도 하나의 시력교정술 관련 모델의 출력에 기초하여 적어도 다른 하나의 시력교정술 관련 모델의 출력이 산출되는 것을 포함할 수 있다.

시력교정술 관련 모델이 병렬적으로 연결되었다는 것은 시력교정술 관련 모델의 출력이 다른 시력교정술 관련 모델의 출력에 영향을 미치지 않는 것을 포함할 수 있다.

이하에서는 시력교정술 관련 모델의 조합에 대한 실시예에 대해 살펴본다.

도 15는 일 실시예에 따른 시력교정술 관련 모델의 직렬적 연결에 관한 도면이다. 도 15를 참고하면, 제1 시력교정술 관련 모델(Ma) 및 제2 시력교정술 관련 모델(Mb)은 직렬적 연결에 의해 조합될 수 있다. 제1 시력교정술 관련 모델(Ma)은 제1 입력데이터 및 상기 제2 시력교정술 관련 모델(Mb)이 제2 입력데이터를 입력 받아 출력한 제2 예측결과에 기초하여 제1 예측결과를 산출할 수 있다.

도 16 내지 도 19는 일 실시예에 따른 각막형상인자 예측 모델의 출력에 기초한 시력교정술 관련 모델의 출력 산출에 관한 도면이다.

도 16을 참고하면, 커스텀 시력교정술 필요성 예측 모델(M13)은 각막형상인자 예측 모델(M12)이 제2 입력데이터를 입력 받아 출력한 각막형상인자 및 제1 입력데이터에 기초하여 피검자의 커스텀 시력교정술 필요성을 예측할 수 있다.

도 17을 참고하면, 시력교정술 제안 모델(M14)은 각막형상인자 예측 모델(M12)이 제2 입력데이터를 입력 받아 출력한 각막형상인자 및 제1 입력데이터에 기초하여 피검자에게 대응되는 시력교정술을 제안할 수 있다.

도 18을 참고하면, 예상 시력 이미지 생성 모델(M17)은 각막형상인자 예측 모델(M12)이 제2 입력데이터를 입력 받아 출력한 각막형상인자 및 제1 입력데이터에 기초하여 피검자의 시력교정술 후 예상 시력 이미지를 생성할 수 있다.

도 19를 참고하면, 각막지형이미지 예측 모델(M18)은 각막형상인자 예측 모델(M12)이 제2 입력데이터를 입력 받아 출력한 각막형상인자 및 제1 입력데이터에 기초하여 피검자의 시력교정술 후 각막지형이미지를 예측할 수 있다.

도 20은 일 실시예에 따른 커스텀 시력교정술 필요성 예측 모델의 출력에 기초한 시력교정술 관련 모델의 출력 산출에 관한 도면이다. 도 20을 참고하면, 시력교정술 제안 모델(M14)은 커스텀 시력교정술 필요성 예측 모델(M13)이 제2 입력데이터를 입력 받아 출력한 커스텀 시력교정술 필요성 및 제1 입력데이터에 기초하여 피검자에게 대응되는 시력교정술을 제안할 수 있다.

도 21 내지 도 22는 일 실시예에 따른 시력교정술 제안 모델의 출력에 기초한 시력교정술 관련 모델의 출력 산출에 관한 도면이다.

도 21을 참고하면, 각막형상인자 예측 모델(M12)은 시력교정술 제안 모델(M14)이 제2 입력데이터를 입력 받아 출력한 시력교정술 및 제1 입력데이터에 기초하여 피검자의 상기 시력교정술 후 각막형상인자를 예측할 수 있다.

도 22를 참고하면, 시력 예측 모델(M16)은 시력교정술 제안 모델(M14)이 제2 입력데이터를 입력 받아 출력한 시력교정술 및 제1 입력데이터에 기초하여 피검자의 상기 시력교정술 후 시력 예측값을 산출할 수 있다.

예상 시력 이미지 생성 모델은 시력교정술 제안 모델이 제2 입력데이터를 입력 받아 출력한 시력교정술 및 제1 입력데이터에 기초하여 피검자의 상기 시력교정술 후 예상 시력 이미지를 생성할 수 있다.

각막지형이미지 예측 모델은 시력교정술 제안 모델이 제2 입력데이터를 입력 받아 출력한 시력교정술 및 제1 입력데이터에 기초하여 피검자의 상기 시력교정술 후각막지형이미지를 예측할 수 있다.

도 23은 일 실시예에 따른 수술파라미터 제안 모델의 출력에 기초한 시력교정술 관련 모델의 출력 산출에 관한 도면이다.

도 23을 참고하면, 시력 예측 모델(M16)은 수술파라미터 제안 모델(M15)이 제2 입력데이터를 입력 받아 출력한 수술파라미터 및 제1 입력데이터에 기초하여 피검자의 시력교정술 후 시력 예측값을 산출할 수 있다.

각막형상인자 예측 모델은 수술파라미터 제안 모델이 제2 입력데이터를 입력 받아 출력한 수술파라미터 및 제1 입력데이터에 기초하여 피검자의 시력교정술 후 각막형상인자를 예측할 수 있다.

예상 시력 이미지 생성 모델은 수술파라미터 제안 모델이 제2 입력데이터를 입력 받아 출력한 수술파라미터 및 제1 입력데이터에 기초하여 피검자의 시력교정술 후 예상 시력 이미지를 생성할 수 있다.

각막지형이미지 예측 모델은 수술파라미터 제안 모델이 제2 입력데이터를 입력 받아 출력한 수술파라미터 및 제1 입력데이터에 기초하여 피검자의 시력교정술 후 각막지형이미지를 예측할 수 있다.

도 24 내지 도 25는 일 실시예에 따른 시력 예측 모델의 출력에 기초한 시력교정술 관련 모델의 출력 산출에 관한 도면이다.

도 24를 참고하면, 시력교정술 제안 모델(M14)은 시력 예측 모델(M16)이 제2 입력데이터를 입력 받아 출력한 시력 예측값 및 제1 입력데이터에 기초하여 피검자에게 대응되는 시력교정술을 제안할 수 있다.

도 25를 참고하면, 예상 시력 이미지 생성 모델(M17)은 시력 예측 모델(M16)이 제2 입력데이터를 입력 받아 출력한 시력 예측값 및 제1 입력데이터에 기초하여 피검자의 시력교정술 후 예상 시력 이미지를 생성할 수 있다.

도 26 내지 도 27은 일 실시예에 따른 각막지형이미지 예측 모델의 출력에 기초한 시력교정술 관련 모델의 출력 산출에 관한 도면이다.

도 26을 참고하면, 커스텀 시력교정술 필요성 예측 모델(M13)은 각막지형이미지 예측 모델(M18)이 제2 입력데이터를 입력 받아 출력한 각막지형이미지 및 제1 입력데이터에 기초하여 피검자의 커스텀 시력교정술 필요성을 예측할 수 있다.

도 27을 참고하면, 시력교정술 제안 모델(M14)은 각막지형이미지 예측 모델(M18)이 제2 입력데이터를 입력 받아 출력한 각막지형이미지 및 제1 입력데이터에 기초하여 피검자에게 대응되는 시력교정술을 제안할 수 있다.

각막형상인자 예측 모델은 각막지형이미지 예측 모델이 제2 입력데이터를 입력 받아 출력한 각막지형이미지 및 제1 입력데이터에 기초하여 피검자의 시력교정술 후 각막형상인자를 예측할 수 있다.

예상 시력 이미지 생성 모델은 각막지형이미지 예측 모델이 제2 입력데이터를 입력 받아 출력한 각막지형이미지 및 제1 입력데이터에 기초하여 피검자의 시력교정술 후 예상 시력 이미지를 생성할 수 있다.

3개 이상의 시력교정술 관련 모델은 서로 직렬적 및/또는 병렬적으로 조합될 수 있다. 도 28은 일 실시예에 따른 3개 이상의 시력교정술 관련 모델의 조합을 설명하기 위한 도면이다. 도 28을 참고하면, 제1 시력교정술 관련 모델(Ma)은 제2 시력교정술 관련 모델(Mb)이 제2 입력데이터를 입력 받아 출력한 제2 예측결과, 제3 시력교정술 관련 모델(Mc)이 제3 입력데이터를 입력 받아 출력한 제3 예측 결과 및 제1 입력데이터를 입력 받아 제1 예측결과를 산출할 수 있다. 여기서, 제1 시력교정술 관련 모델(Ma)은 제2 시력교정술 관련 모델(Mb) 및 제3 시력교정술 관련 모델(Mc)과 직렬적으로 연결된 것으로 볼 수 있다. 또한, 제2 시력교정술 관련 모델(Mb) 및 제3 시력교정술 관련 모델(Mc)은 병렬적으로 연결된 것으로 볼 수 있다.

도 29 내지 도 30은 일 실시예에 따른 각막형상인자 예측 모델 및 시력 예측 모델의 출력에 기초한 시력교정술 관련 모델의 출력 산출에 관한 도면이다.

도 29를 참고하면, 시력교정술 제안 모델(M14)은 각막형상인자 예측 모델(M12)이 제2 입력데이터를 입력 받아 출력한 각막형상인자, 시력 예측 모델(M16)이 제3 입력데이터를 입력 받아 출력한 시력 예측값 및 제1 입력데이터에 기초하여 피검자에 대응되는 시력교정술을 제안할 수 있다.

도 30을 참고하면, 예상 시력 이미지 생성 모델(M17)은 각막형상인자 예측 모델(M12)이 제2 입력데이터를 입력 받아 출력한 각막형상인자, 시력 예측 모델(M16)이 제3 입력데이터를 입력 받아 출력한 시력 예측값 및 제1 입력데이터에 기초하여 피검자의 시력교정술 후 예상 시력 이미지를 생성할 수 있다.

시력교정술 관련 모델은 서로 병합될 수 있다. 복수의 시력교정술 관련 모델은 하나의 모델로 병합되어 상기 복수의 개별 모델의 기능 중 적어도 일부를 수행할 수 있다.

도 31은 일 실시예에 따른 시력교정술 관련 모델의 병합을 설명하기 위한 도면이다. 도 31을 참고하면, 제1 시력교정술 관련 모델 및 제2 시력교정술 관련 모델이 병합되어 하나의 모델(Mab)을 구성할 수 있다. 상기 하나의 모델(Mab)은 입력데이터에 기초하여 예측결과를 산출할 수 있다. 여기서, 상기 예측결과는 제1 시력교정술 관련 모델의 출력에 대응되는 제1 예측결과 및 제2 시력교정술 관련 모델의 출력에 대응되는 제2 예측결과 중 적어도 하나에 대응되는 정보를 포함할 수 있다. 예를 들어, 상기 예측결과는 제1 예측결과 및 제2 예측결과 중 적어도 하나를 포함할 수 있다. 또는, 상기 예측결과는 제1 예측결과 및 제2 예측결과 중 적어도 하나의 정보를 포함할 수 있다.

도 31에는 2개의 모델을 병합하는 경우에 대해 설명하였으나 이에 한정되지 않고 3개 이상의 모델을 병합하는 것도 가능하다.

도 32 내지 도 34는 일 실시예에 따른 시력교정술 관련 모델 병합의 구현예에 관한 도면이다.

도 32를 참고하면, 각막형상인자 예측 모델 및 커스텀 시력교정술 필요성 예측 모델이 병합될 수 있다. 상기 병합된 모델(M25)은 입력데이터에 기초하여 예측결과를 산출할 수 있다. 상기 예측결과는 각막형상인자 및 커스텀 시력교정술 필요성 중 적어도 하나에 대응되는 정보를 포함할 수 있다. 예를 들어, 상기 예측결과는 각막형상인자 및 커스텀 시력교정술 필요성 중 적어도 하나를 포함할 수 있다.

도 33을 참고하면, 커스텀 시력교정술 필요성 예측 모델 및 시력교정술 제안 모델이 병합될 수 있다. 상기 병합된 모델(M27)은 입력데이터에 기초하여 예측결과를 산출할 수 있다. 상기 예측결과는 커스텀 시력교정술 필요성 및 시력교정술 중 적어도 하나에 대응되는 정보를 포함할 수 있다. 예를 들어, 상기 예측결과는 커스텀 시력교정술 필요성 및 시력교정술 중 적어도 하나를 포함할 수 있다.

도 34를 참고하면, 레이저 수술 가부 예측 모델, 커스텀 시력교정술 필요성 예측 모델 및 시력교정술 제안 모델이 병합될 수 있다. 상기 병합된 모델(M38)은 입력데이터에 기초하여 예측결과를 산출할 수 있다. 상기 예측결과는 레이저 수술 가부, 커스텀 시력교정술 필요성 및 시력교정술 중 적어도 하나에 대응되는 정보를 포함할 수 있다. 예를 들어, 상기 예측결과는 레이저 수술 가부, 커스텀 시력교정술 필요성 및 시력교정술 중 적어도 하나를 포함할 수 있다.

이하에서는 시력교정술 추천 방법의 실시예에 대해 살펴본다.

시력교정술 추천 방법은 하나 이상의 시력교정술 관련 모델을 이용하여 구현될 수 있다. 상기 방법이 복수의 시력교정술 관련 모델로 구현되는 경우, 적어도 하나의 시력교정술 관련 모델의 실행 여부는 적어도 다른 하나의 시력교정술 관련 모델의 예측결과에 의존할 수 있다. 예를 들어, 제2 시력교정술 관련 모델의 실행 여부는 제1 시력교정술 관련 모델의 예측결과에 의존할 수 있다.

후술하는 시력교정술 추천 방법의 각 단계는 예측 장치에 의해 수행될 수 있다.

도 35는 일 실시예에 따른 시력교정술 추천 방법의 제1 실시예에 관한 도면이다.

도 35를 참고하면, 일 실시예에 따른 시력교정술 추천 방법은 피검자의 검진데이터를 획득하는 단계(S1100), 피검자의 시력교정술 적합성 여부를 예측하는 단계(S1200), 피검자의 레이저를 이용한 시력교정술 가능 여부를 예측하는 단계(S1300), 피검자의 각막형상인자 예측값을 산출하는 단계(S1400) 및 피검자에게 대응되는 시력교정술을 제안하는 단계(S1500)를 포함할 수 있다.

피검자의 검진데이터를 획득하는 단계(S1100)는 컴퓨팅 장치가 문진데이터 및 안구특성데이터 측정값을 포함하는 검진데이터를 획득하는 것을 포함할 수 있다.

피검자의 시력교정술 적합성 여부를 예측하는 단계(S1200)는 피검자의 검진데이터로부터 획득한 제1 그룹 데이터를 제1 예측 모델에 입력하여 피검자의 시력교정술 적합성 여부를 예측하는 것을 포함할 수 있다. 상기 제1 예측 모델은 수술 적부 예측 모델일 수 있다. 수술 적부 예측 모델은 제1 그룹 데이터에 기초하여 피검자의 시력교정술 적부를 예측할 수 있다.

피검자의 레이저를 이용한 시력교정술 가능 여부를 예측하는 단계(S1300)는 피검자의 검진데이터로부터 획득한 제2 그룹 데이터를 제2 예측 모델에 입력하여 피검자의 레이저를 이용한 시력교정술 가능 여부를 예측하는 것을 포함할 수 있다. 상기 단계(S1300)의 수행 여부는 피검자에게 시력교정술이 적합한지 여부에 의존할 수 있다. 예를 들어, 상기 단계(S1300)는 피검자에게 시력교정술이 적합한 경우 수행될 수 있다. 상기 제2 예측 모델은 레이저 수술 가부 예측 모델일 수 있다. 레이저 수술 가부 예측 모델은 제2 그룹 데이터에 기초하여 피검자의 레이저 수술 가부를 예측할 수 있다.

피검자의 각막형상인자 예측값을 산출하는 단계(S1400)는 피검자의 검진데이터로부터 획득한 제3 그룹 데이터를 제3 예측 모델에 입력하여 피검자의 스탠다드 시력교정술 후의 각막형상인자 예측값 및 커스텀 시력교정술 후의 각막형상인자 예측값을 산출하는 것을 포함할 수 있다. 상기 단계(S1400)의 수행 여부는 피검자에게 레이저를 이용한 시력교정술이 가능한지 여부에 의존할 수 있다. 예를 들어, 상기 단계(S1400)는 피검자에게 레이저를 이용한 시력교정술이 가능한 경우 수행될 수 있다. 상기 제3 예측 모델은 각막형상인자 예측 모델일 수 있다. 상기 제3 예측 모델은 제3 그룹 데이터에 기초하여 각막형상인자를 예측할 수 있다. 이 경우 커스텀 시력교정술 필요성은 각막형상인자에 기초하여 판단될 수 있다.

피검자에게 대응되는 시력교정술을 제안하는 단계(S1500)는 피검자의 검진데이터로부터 획득한 제4 그룹 데이터를 제4 예측 모델에 입력하여 피검자에게 대응되는 시력교정술을 제안하는 것을 포함할 수 있다. 상기 단계(S1500)의 수행 여부는 피검자에게 레이저를 이용한 시력교정술이 가능한지 여부에 의존할 수 있다. 예를 들어, 상기 단계(S1500)는 피검자에게 레이저를 이용한 시력교정술이 가능한 경우 수행될 수 있다. 상기 제4 예측 모델은 시력교정술을 받은 복수의 피시술자의 검진데이터, 상기 복수의 피시술자에 대응되는 시력교정술 및 상기 복수의 피시술자의 시력교정술 후 시력 중 적어도 하나에 기초하여 학습될 수 있다. 상기 제4 예측 모델은 시력교정술 제안 모델일 수 있다. 상기 제4 예측 모델은 상기 제4 그룹 데이터에 기초하여 피검자에게 대응되는 시력교정술을 제안할 수 있다.

도 35를 참고하면, 상기 시력교정술은 각막형상인자 예측값 및/또는 커스텀 시력교정술 필요성이 고려되지 않은 것일 수 있다. 예를 들어, 상기 시력교정술은 라식, 라섹 및 스마일을 포함할 수 있다. 또한, 레이저 시력교정술이 가능한 경우에도 렌즈 삽입술이 불가능한 것은 아니므로 상기 시력교정술은 렌즈 삽입술을 포함할 수 있고 이는 본 명세서의 다른 실시예 및 구현예에서도 마찬가지이다. 이 경우 각막형상인자 예측값 및/또는 커스텀 시력교정술 필요성이 고려된 시력교정술은 의사 및/또는 상담사에 의해 결정될 수 있다. 예를 들어, 의사 및/또는 상담사는 도 35의 시력교정술 추천 방법이 출력하는 각막형상인자 예측값과 시력교정술에 기초하여 스탠다드 라식, 스탠다드 라섹, 스탠다드 스마일, 커스텀 라식, 커스텀 라섹, 커스텀 스마일 등 커스텀 시력교정술 필요성이 고려된 시력교정술을 결정할 수 있다.

도 36은 일 실시예에 따른 시력교정술 추천 방법의 제2 실시예에 관한 도면이다.

도 36을 참고하면, 일 실시예에 따른 시력교정술 추천 방법은 피검자의 검진데이터를 획득하는 단계(S2100), 피검자의 시력교정술 적합성 여부를 예측하는 단계(S2200), 피검자의 레이저를 이용한 시력교정술 가능 여부를 예측하는 단계(S2300), 피검자의 각막형상인자 예측값을 산출하는 단계(S2400) 및 피검자에게 대응되는 시력교정술을 제안하는 단계(S2500)를 포함할 수 있다.

도 36의 시력교정술 추천 방법은 도 35와 유사하므로 도 35와의 차이점을 위주로 설명한다.

도 36을 참고하면, 피검자에게 대응되는 시력교정술을 제안하는 단계(S2500)는 피검자의 각막형상인자 예측값을 산출하는 단계에서 산출된 스탠다드 시력교정술 후의 각막형상인자 예측값 및 커스텀 시력교정술 후의 각막형상인자 예측값에 기초하여 시력교정술을 제안할 수 있다. 상기 시력교정술은 커스텀 시력교정술 필요성이 고려된 것일 수 있다. 예를 들어, 상기 시력교정술은 스탠다드 라식, 스탠다드 라섹, 스탠다드 스마일, 커스텀 라식, 커스텀 라섹 및 커스텀 스마일을 포함할 수 있다. 또한, 상기 시력교정술은 렌즈 삽입술을 포함할 수 있다.

도 37은 일 실시예에 따른 시력교정술 추천 방법의 제3 실시예에 관한 도면이다.

도 37을 참고하면, 일 실시예에 따른 시력교정술 추천 방법은 피검자의 검진데이터를 획득하는 단계(S3100), 피검자의 시력교정술 적합성 여부를 예측하는 단계(S3200), 피검자의 레이저를 이용한 시력교정술 가능 여부를 예측하는 단계(S3300), 피검자의 커스텀 시력교정술 필요성 여부를 예측하는 단계(S3400) 및 피검자에게 대응되는 시력교정술을 제안하는 단계(S3500)를 포함할 수 있다.

도 37의 시력교정술 추천 방법은 도 35와 유사하므로 도 35와의 차이점을 위주로 설명한다.

도 37을 참고하면, 피검자의 커스텀 시력교정술 필요성 여부를 예측하는 단계(S3400)는 피검자의 검진데이터로부터 획득한 제3 그룹 데이터를 제3 예측 모델에 입력하여 피검자의 커스텀 시력교정술 필요성 여부를 예측하는 것을 포함할 수 있다. 상기 단계(S3400)의 수행 여부는 피검자에게 레이저를 이용한 시력교정술이 가능한지 여부에 의존할 수 있다. 예를 들어, 상기 단계(S3400)는 피검자에게 레이저를 이용한 시력교정술이 가능한 경우 수행될 수 있다. 상기 제3 예측 모델은 커스텀 시력교정술 필요성 예측 모델일 수 있다. 상기 제3 예측 모델은 상기 제3 그룹 데이터에 기초하여 커스텀 시력교정술 필요성을 예측할 수 있다. 상기 단계는 피검자의 스탠다드 시력교정술 후의 각막형상인자 예측값 및 커스텀 시력교정술 후의 각막형상인자 예측값에 기초하여 커스텀 시력교정술 필요성 여부를 예측할 수 있다.

피검자의 커스텀 시력교정술 필요성 여부를 예측하는 단계(S3400) 및 피검자에게 대응되는 시력교정술을 제안하는 단계(S3500)는 연결될 수 있다. 예를 들어, 피검자의 커스텀 시력교정술 필요성 여부를 예측하는 단계(S3400)의 출력에 기초하여 피검자에게 대응되는 시력교정술을 제안하는 단계(S3500)의 출력이 산출될 수 있다. 또는, 피검자에게 대응되는 시력교정술을 제안하는 단계(S3500)의 출력에 기초하여 피검자의 커스텀 시력교정술 필요성 여부를 예측하는 단계(S3400)의 출력이 산출될 수 있다.

일 예로, 피검자에게 대응되는 시력교정술을 제안하는 단계(S3500)는 피검자의 커스텀 시력교정술 필요성 여부를 예측하는 단계(S3400)에서 산출된 커스텀 시력교정술 필요성에 기초하여 시력교정술을 제안할 수 있다. 예를 들어, 상기 시력교정술은 스탠다드 라식, 스탠다드 라섹, 스탠다드 스마일, 커스텀 라식, 커스텀 라섹 및 커스텀 스마일을 포함할 수 있다. 또한, 상기 시력교정술은 렌즈 삽입술을 포함할 수 있다.

다른 예로, 피검자의 커스텀 시력교정술 필요성 여부를 예측하는 단계(S3400)는 피검자에게 대응되는 시력교정술을 제안하는 단계(S3500)에서 산출된 제1 시력교정술에 기초하여 제2 시력교정술을 출력할 수 있다. 여기서, 상기 제1 시력교정술은 커스텀 시력교정술 필요성이 고려되지 않은 것일 수 있고, 상기 제2 시력교정술은 커스텀 시력교정술 필요성이 고려된 것일 수 있다.

또 다른 예로, 피검자의 커스텀 시력교정술 필요성 여부를 예측하는 단계(S3400)는 피검자에게 대응되는 시력교정술을 제안하는 단계(S3500)에서 산출된 제1 시력교정술의 타입에 기초하여 실행 여부가 결정될 수 있다. 예를 들어, 제1 시력교정술이 제1 타입인 경우 커스텀 시력교정술 필요성 예측 모델을 실행하지 않고, 제1 시력교정술이 제2 타입인 경우 커스텀 시력교정술 필요성 예측 모델을 실행할 수 있다.

상기 제1 타입 및 상기 제2 타입은 레이저를 이용한 각막 절삭 여부에 따라 구분될 수 있다. 예를 들어, 상기 제1 타입은 렌즈 삽입술과 같은 비레이저 시력교정술일 수 있고 상기 제2 타입은 라식, 라섹, 스마일과 같은 레이저 시력교정술일 수 있다.

상기 제1 타입 및 상기 제2 타입은 커스텀 수술 가능 여부에 따라 구분될 수 있다. 예를 들어, 상기 제1 타입은 커스텀 수술이 불가능한 시력교정술일 수 있고 상기 제2 타입은 커스텀 수술이 가능한 시력교정술일 수 있다. 여기서, 커스텀 수술이 가능한 시력교정술인지 여부는 미리 정해진 기준이 존재할 수 있다. 다만, 이러한 기준은 기술 발전, 병원, 수술 기기, 의사의 상황 및 판단 등에 따라 달라질 수 있다. 예를 들어, 커스텀 스마일 수술이 불가능한 경우 제1 타입은 스마일 및 렌즈 삽입술을 포함하고 제2 타입은 라식 및 라섹을 포함할 수 있지만, 커스텀 스마일 수술이 가능한 경우 제1 타입은 렌즈 삽입술을 포함하고 제2 타입은 라식, 라섹 및 스마일을 포함할 수 있다.

도 38은 일 실시예에 따른 시력교정술 추천 방법의 제4 실시예에 관한 도면이다.

도 38을 참고하면, 일 실시예에 따른 시력교정술 추천 방법은 피검자의 검진데이터를 획득하는 단계(S4100), 피검자의 시력교정술 적합성 여부를 예측하는 단계(S4200), 피검자의 레이저를 이용한 시력교정술 가능 여부를 예측하는 단계(S4300) 및 피검자에게 대응되는 시력교정술을 제안하는 단계(S4400)를 포함할 수 있다.

도 38의 피검자의 검진데이터를 획득하는 단계(S4100), 피검자의 시력교정술 적합성 여부를 예측하는 단계(S4200) 및 피검자의 레이저를 이용한 시력교정술 가능 여부를 예측하는 단계(S4300)는 도 35와 동일하므로 이에 대한 설명은 생략하기로 한다.

피검자에게 대응되는 시력교정술을 제안하는 단계(S4400)는 피검자의 검진데이터로부터 획득한 제3 그룹 데이터를 제3 예측 모델에 입력하여 피검자에게 대응되는 시력교정술을 제안하는 것을 포함할 수 있다.

상기 단계(S4400)의 수행 여부는 피검자에게 레이저를 이용한 시력교정술이 가능한지 여부에 의존할 수 있다. 예를 들어, 상기 단계(S4400)는 피검자에게 레이저를 이용한 시력교정술이 가능한 경우 수행될 수 있다. 상기 단계(S4400)는 피검자의 스탠다드 시력교정술 후의 각막형상인자 예측값 및 커스텀 시력교정술 후의 각막형상인자 예측값에 기초하여 시력교정술을 제안할 수 있다.

상기 제3 예측 모델은 커스텀 시력교정술 필요성 예측 모델 및 시력교정술 제안 모델이 병합된 모델일 수 있다. 상기 제3 예측 모델은 시력교정술을 받은 복수의 피시술자의 검진데이터, 상기 복수의 피시술자에 대응되는 시력교정술 및 상기 복수의 피시술자의 시력교정술 후 시력 중 적어도 하나에 기초하여 학습될 수 있다. 상기 제3 예측 모델은 상기 제3 그룹 데이터에 기초하여 커스텀 시력교정술 필요성 및 시력교정술 중 적어도 하나에 대한 정보를 출력할 수 있다. 예를 들어, 상기 제3 예측 모델의 출력은 커스텀 시력교정술 필요성 및 시력교정술 중 적어도 하나를 포함할 수 있다.

도 39는 일 실시예에 따른 시력교정술 추천 방법의 제5 실시예에 관한 도면이다.

도 39를 참고하면, 일 실시예에 따른 시력교정술 추천 방법은 피검자의 검진데이터를 획득하는 단계(S5100), 피검자의 시력교정술 적합성 여부를 예측하는 단계(S5200) 및 피검자에게 대응되는 시력교정술을 제안하는 단계(S5300)를 포함할 수 있다.

도 39의 피검자의 검진데이터를 획득하는 단계(S5100) 및 피검자의 시력교정술 적합성 여부를 예측하는 단계(S5200)는 도 35와 동일하므로 이에 대한 설명은 생략하기로 한다.

피검자에게 대응되는 시력교정술을 제안하는 단계(S5300)는 피검자의 검진데이터로부터 획득한 제2 그룹 데이터를 제2 예측 모델에 입력하여 피검자에게 대응되는 시력교정술을 제안하는 것을 포함할 수 있다.

상기 단계(S5300)의 수행 여부는 피검자에게 시력교정술이 적합한지 여부에 의존할 수 있다. 예를 들어, 상기 단계(S5300)는 피검자에게 시력교정술이 적합한 경우 수행될 수 있다. 상기 단계(S5300)는 피검자의 스탠다드 시력교정술 후의 각막형상인자 예측값 및 커스텀 시력교정술 후의 각막형상인자 예측값에 기초하여 시력교정술을 제안할 수 있다.

상기 제2 예측 모델은 레이저 수술 가부 예측 모델, 커스텀 시력교정술 필요성 예측 모델 및 시력교정술 제안 모델이 병합된 모델일 수 있다. 상기 제2 예측 모델은 시력교정술을 받은 복수의 피시술자의 검진데이터, 상기 복수의 피시술자에 대응되는 시력교정술 및 상기 복수의 피시술자의 시력교정술 후 시력 중 적어도 하나에 기초하여 학습될 수 있다. 상기 제2 예측 모델은 상기 제2 그룹 데이터에 기초하여 레이저 수술 가부, 커스텀 시력교정술 필요성 및 시력교정술 중 적어도 하나에 대한 정보를 출력할 수 있다. 예를 들어, 상기 제2 예측 모델의 출력은 레이저 수술 가부, 커스텀 시력교정술 필요성 및 시력교정술 중 적어도 하나를 포함할 수 있다.

도 40은 일 실시예에 따른 시력교정술 추천 방법의 제6 실시예에 관한 도면이다.

도 40을 참고하면, 일 실시예에 따른 시력교정술 추천 방법은 피검자의 검진데이터를 획득하는 단계(S6100) 및 피검자에게 대응되는 시력교정술을 제안하는 단계(S6200)를 포함할 수 있다.

도 40의 피검자의 검진데이터를 획득하는 단계(S6100)는 도 35와 동일하므로 이에 대한 설명은 생략하기로 한다.

피검자에게 대응되는 시력교정술을 제안하는 단계(S6200)는 피검자의 검진데이터로부터 획득한 그룹 데이터를 예측 모델에 입력하여 피검자에게 대응되는 시력교정술을 제안하는 것을 포함할 수 있다. 상기 단계(S6200)는 피검자의 스탠다드 시력교정술 후의 각막형상인자 예측값 및 커스텀 시력교정술 후의 각막형상인자 예측값에 기초하여 시력교정술을 제안할 수 있다.

상기 예측 모델은 수술 적부 예측 모델, 레이저 수술 가부 예측 모델, 커스텀 시력교정술 필요성 예측 모델 및 시력교정술 제안 모델이 병합된 모델일 수 있다. 상기 예측 모델은 시력교정술을 받은 복수의 피시술자의 검진데이터, 상기 복수의 피시술자에 대응되는 시력교정술 및 상기 복수의 피시술자의 시력교정술 후 시력 중 적어도 하나에 기초하여 학습될 수 있다. 상기 예측 모델은 입력데이터에 기초하여 수술 적부, 레이저 수술 가부, 커스텀 시력교정술 필요성 및 시력교정술 중 적어도 하나에 대한 정보를 출력할 수 있다. 예를 들어, 상기 예측 모델의 출력은 수술 적부, 레이저 수술 가부, 커스텀 시력교정술 필요성 및 시력교정술 중 적어도 하나를 포함할 수 있다.

전술한 시력교정술 추천 방법 및 시력교정술 관련 모델의 조합 및/또는 병합은 예시에 불과하며 이 외에도 다양한 방식으로 시력교정술 추천 방법을 구현하거나 시력교정술 관련 모델을 조합 및/또는 병합할 수 있다.

이하에서는 시력교정술 시각화 정보 제공 방법의 실시예에 대해 살펴본다.

시력교정술 시각화 정보 제공 방법은 하나 이상의 시력교정술 관련 모델을 이용하여 구현될 수 있다. 상기 방법이 복수의 시력교정술 관련 모델로 구현되는 경우, 적어도 하나의 시력교정술 관련 모델의 실행 여부는 적어도 다른 하나의 시력교정술 관련 모델의 예측결과에 의존할 수 있다. 예를 들어, 제2 시력교정술 관련 모델의 실행 여부는 제1 시력교정술 관련 모델의 예측결과에 의존할 수 있다.

시력교정술 시각화 정보 제공 방법은 예상 시력 이미지 제공 방법, 각막지형이미지 제공 방법 및 예측결과 산출 원인 제공 방법을 포함할 수 있다.

예상 시력 이미지 제공 방법은 예상 시력 이미지 생성 모델을 통하여 구현될 수 있다. 각막지형이미지 제공 방법은 각막지형이미지 예측 모델을 통하여 구현될 수 있다. 예측결과 산출 원인 제공 방법은 예측결과 산출 원인 분석 모델을 통하여 구현될 수 있다.

후술하는 시력교정술 시각화 정보 제공 방법의 각 단계는 예측 장치에 의해 수행될 수 있다.

도 41은 일 실시예에 따른 시력교정술 시각화 정보 제공 방법의 제1 실시예에 관한 도면이다.

도 41을 참고하면, 일 실시예에 따른 시력교정술 시각화 정보 제공 방법은 피검자의 검진데이터를 획득하는 단계(S7100), 피검자의 시력교정술 후의 안구특성데이터 예측값을 산출하는 단계(S7200) 및 예상 시력 이미지를 생성하는 단계(S7300)를 포함할 수 있다. 또한, 도시하지는 않았지만, 일 실시예에 따른 시력교정술 시각화 정보 제공 방법은 예상 시력 이미지를 출력하는 단계를 더 포함할 수 있다.

피검자의 검진데이터를 획득하는 단계(S7100)는 컴퓨팅 장치가 문진데이터 및 안구특성데이터 측정값을 포함하는 검진데이터를 획득하는 것을 포함할 수 있다.

피검자의 시력교정술 후의 안구특성데이터 예측값을 산출하는 단계(S7200)는 피검자의 검진데이터로부터 획득한 제1 그룹 데이터를 제1 예측 모델에 입력하여 피검자의 시력교정술 후의 시력 예측값 및 각막형상인자 예측값 중 적어도 하나를 포함하는 안구특성데이터 예측값을 산출하는 것을 포함할 수 있다.

상기 제1 예측 모델은 시력교정술을 받은 복수의 피시술자의 수술 전 안구특성데이터 측정값, 상기 복수의 피시술자에게 수행된 시력교정술 수술파라미터 및 상기 복수의 피시술자의 수술 후 안구특성데이터 측정값 중 적어도 하나에 기초하여 학습될 수 있다. 상기 제1 예측 모델은 시력 예측 모델 및 각막형상인자 예측 모델 중 적어도 하나를 포함할 수 있다. 또는, 상기 제1 예측 모델은 시력 예측 모델 및 각막형상인자 예측 모델이 병합된 모델일 수 있다. 상기 제1 예측 모델은 상기 제1 그룹 데이터에 기초하여 피검자의 시력교정술 후의 안구특성데이터 예측값을 산출할 수 있다.

예상 시력 이미지를 생성하는 단계(S7300)는 안구특성데이터 예측값에 기초하여 예상 시력 이미지를 생성하는 것을 포함할 수 있다.

도 42는 일 실시예에 따른 시력교정술 시각화 정보 제공 방법의 제2 실시예에 관한 도면이다.

도 42를 참고하면, 일 실시예에 따른 시력교정술 시각화 정보 제공 방법은 안구특성데이터 예측값에 기초하여 필터 산출 및/또는 선택하는 단계(S7600) 및 필터를 원본 이미지에 적용하는 단계(S7700)를 더 포함할 수 있다.

안구특성데이터 예측값에 기초하여 필터를 산출 및/또는 선택하는 단계(S7600)는 도 11의 제1 서브모델(M171)에 의해 수행될 수 있다.

필터를 원본 이미지에 적용하는 단계(S7700)는 예상 시력 이미지를 생성하기 위하여 필터를 원본 이미지에 적용하는 것을 포함할 수 있다. 상기 단계(S7700)는 도 11의 제2 서브모델(M172)에 의해 수행될 수 있다.

도 43은 일 실시예에 따른 시력교정술 시각화 정보 제공 방법의 제3 실시예에 관한 도면이다.

도 43을 참고하면, 일 실시예에 따른 시력교정술 시각화 정보 제공 방법은 피검자의 시력교정술 후의 각막지형이미지를 예측하는 단계(S7400)를 더 포함할 수 있다.

피검자의 시력교정술 후의 각막지형이미지를 예측하는 단계(S7400)는 피검자의 검진데이터로부터 획득한 제2 그룹 데이터를 제2 예측 모델에 입력하여 피검자의 시력교정술 후의 각막지형이미지를 예측하는 것을 포함할 수 있다.

상기 제2 예측 모델은 시력교정술을 받은 복수의 피시술자의 수술 전 각막지형이미지, 상기 복수의 피시술자에게 수행된 시력교정술 수술파라미터 및 상기 복수의 피시술자의 수술 후 각막지형이미지 중 적어도 하나에 기초하여 학습될 수 있다. 상기 제2 예측 모델은 각막지형이미지 예측 모델일 수 있다. 상기 제2 예측 모델은 상기 제2 그룹 데이터에 기초하여 피검자의 시력교정술 후의 각막지형이미지를 예측할 수 있다.

도 44는 일 실시예에 따른 시력교정술 시각화 정보 제공 방법의 제4 실시예에 관한 도면이다.

도 44를 참고하면, 일 실시예에 따른 시력교정술 시각화 정보 제공 방법은 안구특성데이터 예측값의 제1 그룹 데이터에 대한 의존성을 산출하는 단계(S7500)를 더 포함할 수 있다. 또한, 도시하지는 않았지만, 일 실시예에 따른 시력교정술 시각화 정보 제공 방법은 의존계수를 출력하는 단계를 더 포함할 수 있다.

의존계수를 출력하는 단계는 의존계수 중 미리 정해진 값보다 큰 의존계수를 출력하거나 미리 정해진 개수의 의존계수를 출력하는 것을 포함할 수 있다.

실시예에 따른 방법은 다양한 컴퓨팅 장치를 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media) 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨팅 장치에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

상기에서는 실시예를 기준으로 본 발명의 구성과 특징을 설명하였으나 본 발명은 이에 한정되지 않으며, 본 발명의 사상과 범위 내에서 다양하게 변경 또는 변형할 수 있음은 본 발명이 속하는 기술 분야의 당업자에게 명백한 것이며, 따라서 이와 같은 변경 또는 변형은 첨부된 특허청구범위에 속함을 밝혀둔다.

10: 시력교정술 보조 시스템
100: 학습 장치
300: 예측 장치
500: 서버 장치
700: 클라이언트 장치
1000: 제어부
5000: 메모리부
9000: 통신부

Claims

컴퓨팅 장치에 의해 수행되는 인공지능을 이용한 시력교정술 추천 방법에 있어서,
피검자의 검진데이터 - 상기 검진데이터는 문진데이터 및 안구특성데이터측정값을 포함함 - 를 획득하는 단계;
상기 피검자의 검진데이터로부터 획득한 제1 그룹 데이터를 제1 예측 모델에 입력하여 상기 피검자의 시력교정술 적합성 여부를 예측하는 단계;
상기 피검자에게 시력교정술이 적합한 경우 상기 피검자의 검진데이터로부터 획득한 제2 그룹 데이터를 제2 예측 모델에 입력하여 상기 피검자의 레이저를 이용한 시력교정술 가능 여부를 예측하는 단계;
상기 피검자에게 레이저를 이용한 시력교정술이 가능한 경우 커스텀 시력교정술이 필요한지 여부에 대한 판단에 이용되도록 상기 피검자의 검진데이터로부터 획득한 제3 그룹 데이터를 제3 예측 모델에 입력하여 상기 피검자의 스탠다드 시력교정술 후의 각막형상인자 예측값 및 커스텀 시력교정술 후의 각막형상인자 예측값을 산출하는 단계; 및
상기 피검자에게 레이저를 이용한 시력교정술이 가능한 경우 상기 피검자의 검진데이터로부터 획득한 제4 그룹 데이터를 제4 예측 모델에 입력하여 상기 피검자에게 대응되는 시력교정술을 제안하는 단계;를 포함하되,
상기 제4 예측 모델은, 시력교정술을 받은 복수의 피시술자의 검진데이터, 상기 복수의 피시술자에 대응되는 시력교정술 및 상기 복수의 피시술자의 시력교정술 후 시력 중 적어도 하나에 기초하여 학습된
시력교정술 추천 방법.
제1 항에 있어서,
상기 시력교정술을 제안하는 단계는, 상기 피검자의 시력교정술 후 시력 예측값에 기초하여 시력교정술을 제안하는
시력교정술 추천 방법.
제2 항에 있어서,
상기 시력교정술을 제안하는 단계는, 복수의 시력교정술 각각에 대응되는 상기 피검자의 시력교정술 후 시력 예측값을 산출하여 시력교정술을 제안하는
시력교정술 추천 방법.
제2 항에 있어서,
상기 시력교정술을 제안하는 단계는, 복수의 서로 다른 시각에 대응되는 복수의 시력 예측값을 산출하여 시력교정술을 제안하는
시력교정술 추천 방법.
제1 항에 있어서,
산출된 스탠다드 시력교정술 후의 각막형상인자 예측값 및 커스텀 시력교정술 후의 각막형상인자 예측값에 기초하여 상기 피검자의 커스텀 시력교정술 필요성 여부를 예측하는 단계;를 더 포함하는
시력교정술 추천 방법.
제1 항에 있어서,
상기 시력교정술을 제안하는 단계는, 산출된 스탠다드 시력교정술 후의 각막형상인자 예측값 및 커스텀 시력교정술 후의 각막형상인자 예측값에 기초하여 시력교정술을 제안하는
시력교정술 추천 방법.
제1 항에 있어서,
상기 제4 예측 모델이 상기 복수의 피시술자의 시력교정술 선호도를 고려하여 학습된 경우 상기 제4 그룹 데이터는 상기 피검자의 시력교정술 선호도를 포함하는
시력교정술 추천 방법.
제1 항에 있어서,
상기 제1 예측 모델, 상기 제2 예측 모델, 상기 제3 예측 모델 및 상기 제4 예측 모델 중 적어도 하나는, 복수의 서브모델을 포함하고 상기 복수의 서브모델의 결과에 기초하여 결과값을 산출하는
시력교정술 추천 방법.
제1 항에 있어서,
상기 제1 그룹 데이터, 상기 제2 그룹 데이터, 상기 제3 그룹 데이터 및 상기 제4 그룹 데이터 중 적어도 하나는, 상기 피검자의 검진데이터 중 적어도 일부를 그대로 포함하거나 상기 피검자의 검진데이터 중 적어도 일부로부터 산출된 새로운 종류의 데이터를 포함하는 것을 특징으로 하는
시력교정술 추천 방법.
제1 항에 있어서,
상기 각막형상인자 예측값은, index of height decentration (IHD) 예측값, index of surface variance (ISV) 예측값 및 index of vertical asymmetry (IVA) 예측값 중 적어도 하나를 포함하는
시력교정술 추천 방법.
제1 항에 있어서,
상기 검진데이터는, 유전자 정보를 더 포함하는
시력교정술 추천 방법.
컴퓨팅 장치에 의해 수행되는 인공지능을 이용한 시력교정술 추천 방법에 있어서,
피검자의 검진데이터 - 상기 검진데이터는 문진데이터 및 안구특성데이터측정값을 포함함 - 를 획득하는 단계;
상기 피검자의 검진데이터로부터 획득한 제1 그룹 데이터를 제1 예측 모델에 입력하여 상기 피검자의 시력교정술 적합성 여부를 예측하는 단계;
상기 피검자에게 시력 교정술이 적합한 경우 상기 피검자의 검진데이터로부터 획득한 제2 그룹 데이터를 제2 예측 모델에 입력하여 상기 피검자의 레이저를 이용한 시력교정술 가능 여부를 예측하는 단계;
상기 피검자에게 레이저를 이용한 시력교정술이 가능한 경우 상기 피검자의 검진데이터로부터 획득한 제3 그룹 데이터를 제3 예측 모델에 입력하여 상기 피검자의 커스텀 시력교정술 필요성 여부를 예측하는 단계; 및
상기 피검자에게 레이저를 이용한 시력 교정술이 가능한 경우 상기 피검자의 검진데이터로부터 획득한 제4 그룹 데이터를 제4 예측 모델에 입력하여 상기 피검자에게 대응되는 시력교정술을 제안하는 단계;를 포함하되,
상기 커스텀 시력교정술 필요성 여부를 예측하는 단계는, 상기 피검자의 스탠다드 시력교정술 후의 각막형상인자 예측값 및 커스텀 시력교정술 후의 각막형상인자 예측값에 기초하여 커스텀 시력교정술 필요성 여부를 예측하고,
상기 제4 예측 모델은, 시력교정술을 받은 복수의 피시술자의 검진데이터, 상기 복수의 피시술자에 대응되는 시력교정술 및 상기 복수의 피시술자의 시력교정술 후 시력 중 적어도 하나에 기초하여 학습된
시력교정술 추천 방법.
컴퓨팅 장치에 의해 수행되는 인공지능을 이용한 시력교정술 추천 방법에 있어서,
피검자의 검진데이터 - 상기 검진데이터는 문진데이터 및 안구특성데이터측정값을 포함함 - 를 획득하는 단계;
상기 피검자의 검진데이터로부터 획득한 제1 그룹 데이터를 제1 예측 모델에 입력하여 상기 피검자의 시력교정술 적합성 여부를 예측하는 단계;
상기 피검자에게 시력교정술이 적합한 경우 상기 피검자의 검진데이터로부터 획득한 제2 그룹 데이터를 제2 예측 모델에 입력하여 상기 피검자의 레이저를 이용한 시력교정술 가능 여부를 예측하는 단계; 및
상기 피검자에게 레이저를 이용한 시력교정술이 가능한 경우 상기 피검자의 검진데이터로부터 획득한 제3 그룹 데이터를 제3 예측 모델에 입력하여 상기 피검자에게 대응되는 시력교정술을 제안하는 단계;를 포함하되,
상기 시력교정술을 제안하는 단계는, 상기 피검자의 스탠다드 시력교정술 후의 각막형상인자 예측값 및 커스텀 시력교정술 후의 각막형상인자 예측값에 기초하여 시력교정술을 제안하고,
상기 제3 예측 모델은, 시력교정술을 받은 복수의 피시술자의 검진데이터, 상기 복수의 피시술자에 대응되는 시력교정술 및 상기 복수의 피시술자의 시력교정술 후 시력 중 적어도 하나에 기초하여 학습된
시력교정술 추천 방법.
컴퓨팅 장치에 의해 수행되는 인공지능을 이용한 시력교정술 추천 방법에 있어서,
피검자의 검진데이터 - 상기 검진데이터는 문진데이터 및 안구특성데이터측정값을 포함함 - 를 획득하는 단계;
상기 피검자의 검진데이터로부터 획득한 제1 그룹 데이터를 제1 예측 모델에 입력하여 상기 피검자의 시력교정술 적합성 여부를 예측하는 단계; 및
상기 피검자에게 시력교정술이 적합한 경우 상기 피검자의 검진데이터로부터 획득한 제2 그룹 데이터를 제2 예측 모델에 입력하여 상기 피검자에게 대응되는 시력교정술을 제안하는 단계;를 포함하되,
상기 시력교정술을 제안하는 단계는, 상기 피검자의 스탠다드 시력교정술 후의 각막형상인자 예측값 및 커스텀 시력교정술 후의 각막형상인자 예측값에 기초하여 시력교정술을 제안하고,
상기 제2 예측 모델은, 시력교정술을 받은 복수의 피시술자의 검진데이터, 상기 복수의 피시술자에 대응되는 시력교정술 및 상기 복수의 피시술자의 시력교정술 후 시력 중 적어도 하나에 기초하여 학습된
시력교정술 추천 방법.
컴퓨팅 장치에 의해 수행되는 인공지능을 이용한 시력교정술 추천 방법에 있어서,
피검자의 검진데이터 - 상기 검진데이터는 문진데이터 및 안구특성데이터측정값을 포함함 - 를 획득하는 단계; 및
상기 피검자의 검진데이터로부터 획득한 그룹 데이터를 예측 모델에 입력하여 상기 피검자에게 대응되는 시력교정술을 제안하는 단계;를 포함하되,
상기 시력교정술을 제안하는 단계는, 상기 피검자의 스탠다드 시력교정술 후의 각막형상인자 예측값 및 커스텀 시력교정술 후의 각막형상인자 예측값에 기초하여 시력교정술을 제안하고,
상기 예측 모델은, 시력교정술을 받은 복수의 피시술자의 검진데이터, 상기 복수의 피시술자에 대응되는 시력교정술 및 상기 복수의 피시술자의 시력교정술 후 시력 중 적어도 하나에 기초하여 학습된
시력교정술 추천 방법.
컴퓨팅 장치에 제1 항 내지 제15 항 중 어느 하나의 항에 따른 방법을 실행시키기 위한 프로그램을 기록한 컴퓨팅 장치로 읽을 수 있는 기록매체.