KR20210044097A - 치주염 탐지를 이용한 구강건강 예측장치 및 방법 - Google Patents
치주염 탐지를 이용한 구강건강 예측장치 및 방법 Download PDFInfo
- Publication number
- KR20210044097A KR20210044097A KR1020190127251A KR20190127251A KR20210044097A KR 20210044097 A KR20210044097 A KR 20210044097A KR 1020190127251 A KR1020190127251 A KR 1020190127251A KR 20190127251 A KR20190127251 A KR 20190127251A KR 20210044097 A KR20210044097 A KR 20210044097A
- Authority
- KR
- South Korea
- Prior art keywords
- oral
- oral health
- periodontitis
- status information
- information
- Prior art date
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0082—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes
- A61B5/0088—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes for oral or dental tissue
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
- A61B5/4538—Evaluating a particular part of the muscoloskeletal system or a particular medical condition
- A61B5/4542—Evaluating the mouth, e.g. the jaw
- A61B5/4547—Evaluating teeth
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/042—Knowledge-based neural networks; Logical representations of neural networks
-
- G06N3/0427—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Primary Health Care (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Epidemiology (AREA)
- Computational Linguistics (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Rheumatology (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Physiology (AREA)
- Physical Education & Sports Medicine (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
사용자가 구강사진을 업-로드하면, 기계학습 알고리즘을 이용한 사진 분석을 통해 교정 유무, 치주염 상태, 보철물 상태 등을 종합적으로 분석하여 사용자의 구강건강을 정확하게 예측할 수 있도록 한 치주염 탐지를 이용한 구강건강 예측장치 및 방법에 관한 것으로서, 사용자가 사용자 단말을 이용하여 네트워크를 통해 사용자의 구강 이미지를 제공하고, 구강건강 판정결과를 요청하면, 구강 이미지를 기계학습 알고리즘으로 분석하여 구강건강 상태를 예측하되, 구강사진의 분석을 통해 치주염 상태, 보철물 상태를 분석하고, 분석한 치주염 상태정보 및 보철물 상태정보를 기초로 구강건강 상태를 예측하고, 구강건강 상태 예측정보를 사용자에게 제공한다.
Description
본 발명은 치주염(Periodontitis) 탐지를 이용한 구강건강 예측에 관한 것으로, 더욱 상세하게는 사용자가 구강사진을 업-로드하면, 기계학습 알고리즘을 이용한 사진 분석을 통해 교정 유무, 치주염 상태, 보철물 상태 등을 종합적으로 분석하여 사용자의 구강건강을 정확하게 예측할 수 있도록 한 치주염 탐지를 이용한 구강건강 예측장치 및 방법에 관한 것이다.
구강 질환은 적절한 예방 치료 및 꾸준한 관리를 통해서 높은 예방 효과를 얻을 수 있지만, 많은 구강 질환 환자들은 구강 건강에 문제가 발생하지 않으면 의사에게 진단을 받거나 치료를 의뢰하지 않는 등 아직까지는 구강 예방에 대해 인식이 부족한 실정이다.
또한, 환자의 현재 구강 상태를 예측함에 있어 치과 의사나 치위생사의 주관적 견해가 아닌, 정확한 검사 및 진단 결과와 그에 따른 객관적 수치 정보가 필요하지만 구강의 건강 상태를 객관적으로 산출하는 시스템이 부재한 상황이다.
구강의 2대 질환은 충치(치아우식), 치주질환을 의미한다. 특히, 치주염과 치은염을 의미하는 치주질환은 초기에는 동통도 없고 만성적으로 진행하기 때문에 발견이 늦어져, 치주질환을 사전에 예방하는 것은 매우 어려운 상황이다.
따라서 이러한 구강 질환의 상태를 사전에 진단하고, 이를 기반으로 구강건강 증진 및 구강질환 예방을 위한 다양한 방법들이 연구 및 제안되고 있으며, 이러한 연구를 토대로 종래에 제안된 기술이 하기의 <특허문헌 1> 내지 <특허문헌 3> 에 개시되어 있다.
<특허문헌 1> 은 사용자 단말기로부터 사용자의 성별, 나이, 치주질환 및 목표 설정 정보 중 적어도 하나에 대한 정보를 포함하는 사용자 조건 정보와 사용자의 가맹 의료기관에서의 치료 정보를 입력받는다. 아울러 구강 관리 용품 가맹점으로부터 구강 관리 용품에 대한 정보를 입력받는다. 이후, 사용자의 조건 정보 및 치료 정보에 대응하는 특정 카테고리에 포함되는 특정 구강 관리 용품의 정보를 사용자 단말기에 제공하여, 사용자 맞춤형 구강 관리 서비스를 제공한다.
또한, <특허문헌 2> 는 환자의 구강 상태를 검진하고, 환자의 구강 검진 자료를 포함하는 구강 검진 지수 산정 기준 데이터, 거주 지역 및 연령 정보를 빅데이터화한 후, 이를 분석하여 현재 시점에서 환자의 거주 지역 및 연령에 따라 구강 검진 지수 산정 기준 데이터가 구강 건강에 미치는 영향력을 판단한다. 이어, 구강 검진 지수 산정 기준 데이터에 가중치를 부여하여 구강 검진 지수 산정 기준 데이터를 현행화하여 구강 건강을 관리하도록 한다.
또한, <특허문헌 3> 은 사용자의 개인정보, 사용자의 구강 위생 행동 데이터 및 구강 문진 데이터, 사용자가 전문 의료기관을 방문하여 생성된 구강검진 데이터를 수집한다. 이렇게 수집한 각각의 정보들을 통합 분석하여 사용자의 구강질환 위험도를 평가하고, 개인별 맞춤 서비스를 제공한다.
그러나 상기와 같은 종래의 구강 질환 관리 시스템들은 사용자의 개인 정보나 구강 데이터 및 문진 데이터, 전문 의료기관을 통해 생성된 구강검진 데이터를 분석하여 구강 질환 관리정보를 생성하는 방식으로서, 실시간성이 떨어지고 현재 사용자의 구강 이미지를 분석하는 방식이 아니므로 구강 질환의 분석에 정확성이 결여되는 단점이 있다.
또한, 종래의 기술들은 사용자가 실시간으로 자신의 치주질환 상태를 인지하는 것도 어려운 단점이 있다.
따라서 본 발명은 상기와 같은 종래기술에서 발생하는 제반 문제점을 해결하기 위해서 제안된 것으로서, 사용자가 구강사진을 업-로드하면, 기계학습 알고리즘을 이용한 사진 분석을 통해 교정 유무, 치주염 상태, 보철물 상태 등을 종합적으로 분석하여 사용자의 구강건강을 정확하게 예측할 수 있도록 한 치주염 탐지를 이용한 구강건강 예측장치 및 방법을 제공하는 데 그 목적이 있다.
상기한 바와 같은 목적을 달성하기 위하여, 본 발명에 따른 "치주염 탐지를 이용한 구강건강 예측장치"는, 사용자의 구강 이미지를 제공하고, 구강건강 판정결과를 요청하는 사용자 단말; 상기 사용자 단말로부터 제공되는 구강 이미지를 기계학습 알고리즘으로 분석하여 구강건강 상태를 예측하는 구강건강 예측서버를 포함하고,
상기 구강건강 예측서버는 구강사진의 분석을 통해 치주염 상태, 보철물 상태를 분석하고, 분석한 치주염 상태정보 및 보철물 상태정보를 기초로 구강건강 상태를 예측하는 것을 특징으로 한다.
상기에서 구강건강 예측서버는 사용자의 구강 이미지를 CNN(Convolutional Neural Network) 알고리즘으로 학습하여 사진의 분석 가능 여부와 교정 여부 및 발치 여부를 판단하고, 판단한 결과 정보를 개체 탐지(Object Detection)로 분석하여 치주염 상태정보 및 보철물 상태정보를 획득하고, 획득한 치주염 상태정보 및 보철물 상태정보를 ANN(Artificial Neural Network) 알고리즘으로 학습하여 구강건강 상태를 판정하는 구강건강 예측부를 포함하는 것을 특징으로 한다.
상기에서 구강건강 예측서버는 상기 구강건강 예측부에서 판정한 구강건강 상태정보를 구강건강 예측정보로 사용자 단말에 전송하는 구강건강정보 제공부를 더 포함하는 것을 특징으로 한다.
상기에서 구강건강 예측부는 사용자 단말로부터 전송된 구강 사진을 구강건강 예측대상으로 등록하는 사진 등록부; 상기 사진 등록부에 등록된 이미지를 CNN(Convolutional Neural Network) 알고리즘으로 학습하여 사진의 분석 가능 여부와 교정 여부 및 발치 여부를 판단하는 교정 유무 판단부; 상기 교정 유무 판단부에서 판단한 결과 정보를 개체 탐지(Object Detection)로 분석하여 치주염 상태정보 및 보철물 상태정보를 획득하는 구강질환 및 보철물 탐지부; 상기 교정 유무 판단부에서 획득한 교정 여부 정보 및 발치 여부 정보와 상기 구강질환 및 보철물 탐지부에서 획득한 치주염 상태정보 및 보철물 상태정보를 ANN(Artificial Neural Network) 알고리즘으로 학습하여 구강건강 상태를 판정하는 구강건강 판정부를 포함하는 것을 특징으로 한다.
또한, 본 발명에 따른 치주염 탐지를 이용한 구강건강 예측방법은,
(a) 사용자 단말로부터 제공되는 구강 이미지를 기계학습 알고리즘으로 분석하여 구강건강 상태를 예측하는 구강건강 예측서버에서 상기 사용자 단말로부터 제공되는 구강 이미지를 구강건강 예측대상으로 등록하는 단계; (b) 상기 구강건강 예측서버에서 상기 구강 이미지를 CNN(Convolutional Neural Network) 알고리즘으로 학습하여 구강 사진 유무를 판단하는 단계; (c) 상기 구강건강 예측서버에서 구강 사진일 경우, 구강 이미지를 CNN(Convolutional Neural Network) 알고리즘으로 학습하여 교정 여부 및 발치 여부를 판단하는 단계; (d) 상기 구강건강 예측서버에서 판단한 교정 여부 정보와 발치 여부 정보를 개체 탐지(Object Detection)로 분석하여 치주염 상태정보 및 보철물 상태정보를 획득하는 단계; (e) 상기 구강건강 예측서버에서 상기 교정 여부 정보 및 발치 여부 정보와 치주염 상태정보 및 보철물 상태정보를 ANN(Artificial Neural Network) 알고리즘으로 학습하여 구강건강 상태를 판정하는 단계를 포함하는 것을 특징으로 한다.
상기에서 치주염 상태정보는 치주염의 존재 유무 정보와 치주염이 존재할 경우 치주염 위치정보를 포함하는 것을 특징으로 한다.
상기에서 보철물 상태정보는 보철물 존재 유무 정보와 보철물이 존재할 경우 보철물 개수정보를 포함하는 것을 특징으로 한다.
또한, 본 발명에 따른 치주염 탐지를 이용한 구강건강 예측방법은,
(f) 상기 (e)단계에서 판정을 통해 획득한 구강건강 예측정보를 사용자 단말로 전송하는 단계를 더 포함하는 것을 특징으로 한다.
상기에서 (b)단계 대신에 사용자가 구강 사진 이외의 이미지는 등록하지 말도록 유도하는 안내 문구를 제공하는 단계로 대체할 수 있는 것을 특징으로 한다.
상기에서 (c)단계는 사용자의 문진표 작성을 통해 교정 여부를 선택하도록 유도하여, 교정 여부를 판단하기 위한 CNN(Convolutional Neural Network) 알고리즘의 학습 과정을 생략하는 것을 특징으로 한다.
본 발명에 따르면 사용자가 구강사진을 업-로드하면, 기계학습 알고리즘을 이용한 사진 분석을 통해 교정 유무, 치주염 상태, 보철물 상태 등을 종합적으로 실시간 분석하여 사용자의 구강건강을 정확하게 예측할 수 있는 효과가 있다.
아울러 예측한 구강건강 상태정보를 사용자에게 제공함으로써, 사용자가 실시간으로 자신의 구강 상태를 인지하고 이를 관리하도록 유도하여 구강건강 악화를 사전에 예방할 수 있도록 도모해주는 장점이 있다.
도 1은 본 발명에 따른 치주염 탐지를 이용한 구강건강 예측장치의 전체 구성도,
도 2는 도 1의 구강건강 예측서버의 실시 예 구성도,
도 3은 본 발명에 따른 치주염 탐지를 이용한 구강건강 예측방법을 보인 흐름도,
도 4는 본 발명에서 구강 사진을 CNN 알고리즘으로 학습하여 구강사진 유무를 판정하는 예시도,
도 5는 본 발명에서 구강 사진을 CNN 알고리즘으로 학습하여 교정 여부를 판정하는 예시도,
도 6은 본 발명에서 구강 사진을 개체 탐지 알고리즘으로 학습하여 치주염 및 보철물을 탐지하는 예시도,
도 7은 본 발명에서 교정 여부 정보와 탐지한 구강질환 정보 및 보철물 정보를 DNN 알고리즘으로 학습하여 구강건강 상태를 판정하는 예시도이다.
도 2는 도 1의 구강건강 예측서버의 실시 예 구성도,
도 3은 본 발명에 따른 치주염 탐지를 이용한 구강건강 예측방법을 보인 흐름도,
도 4는 본 발명에서 구강 사진을 CNN 알고리즘으로 학습하여 구강사진 유무를 판정하는 예시도,
도 5는 본 발명에서 구강 사진을 CNN 알고리즘으로 학습하여 교정 여부를 판정하는 예시도,
도 6은 본 발명에서 구강 사진을 개체 탐지 알고리즘으로 학습하여 치주염 및 보철물을 탐지하는 예시도,
도 7은 본 발명에서 교정 여부 정보와 탐지한 구강질환 정보 및 보철물 정보를 DNN 알고리즘으로 학습하여 구강건강 상태를 판정하는 예시도이다.
이하 본 발명의 바람직한 실시 예에 따른 치주염 탐지를 이용한 구강건강 예측장치 및 방법을 첨부된 도면을 참조하여 상세하게 설명한다.
이하에서 설명되는 본 발명에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 안 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념으로 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다.
따라서 본 명세서에 기재된 실시 예와 도면에 도시된 구성은 본 발명의 바람직한 실시 예에 불과할 뿐이고, 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원 시점에서 이들을 대체할 수 있는 다양한 균등물과 변형 예들이 있을 수 있음을 이해하여야 한다.
도 1은 본 발명의 바람직한 실시 예에 따른 치주염 탐지를 이용한 구강건강 예측장치의 전체 구성도로서, 사용자 단말(100)과 구강건강 예측서버(200)를 포함할 수 있다.
사용자 단말(100)과 구강건강 예측서버(200)는 다양한 유무선 네트워크로 연결될 수 있으며, 실시간성을 갖고 통신 인터페이스가 이루어질 수 있다.
사용자 단말(100)은 구강건강 상태를 확인해보고자 하는 사용자가 사용하는 단말로서, 사용자의 구강 이미지를 제공하고, 구강건강 판정결과를 요청하는 역할을 한다. 여기서 사용자는 사용자 단말(100)을 이용하여 사용자 개인 정보, 문진 데이터와 같은 일반 데이터 등을 제공할 수 있다.
사용자는 사용자 단말(100)을 통해 구강건강 상태 보고서를 수신하고, 이를 통해 자신의 구강건강 상태를 인지하며, 구강건강 상태가 좋지 않은 것으로 예측되면 치과병원 등을 방문하여 후속 조치를 취하여 구강건강을 관리하는 것이 바람직하다. 이러한 사용자 단말(100)은 스마트폰 및 스마트 패드와 같은 모바일 기기, 인터넷이 가능한 퍼스널컴퓨터 및 노트북 컴퓨터 등으로 구현할 수 있으며, 본 발명에서는 실시 예로 스마트폰으로 구현된 것으로 가정한다.
구강건강 예측서버(200)는 상기 사용자 단말(100)로부터 제공되는 구강 이미지를 기계학습 알고리즘(CNN, DNN, 기타)으로 분석하여 구강건강 상태를 예측하는 역할을 한다. 이러한 구강건강 예측서버(200)는 구강사진의 분석을 통해 치주염 상태, 보철물 상태를 분석하고, 분석한 치주염 상태정보 및 보철물 상태정보를 기초로 구강건강 상태를 예측할 수 있다.
상기 구강건강 예측서버(200)는 사용자의 구강 이미지를 CNN(Convolutional Neural Network) 알고리즘으로 학습하여 사진의 분석 가능 여부와 교정 여부 및 발치 여부를 판단하고, 판단한 결과 정보를 개체 탐지(Object Detection)로 분석하여 치주염 상태정보 및 보철물 상태정보를 획득하고, 획득한 치주염 상태정보 및 보철물 상태정보를 ANN(Artificial Neural Network) 알고리즘으로 학습하여 구강건강 상태를 판정하는 구강건강 예측부(210), 상기 구강건강 예측부(210)에서 판정한 구강건강 상태정보를 구강건강 예측정보로 사용자 단말(100)에 전송하는 구강건강정보 제공부(220)를 포함할 수 있다.
또한, 상기 구강건강 예측부(210)는 도 2에 도시한 바와 같이, 사용자 단말(100)로부터 전송된 구강 사진을 구강건강 예측대상으로 등록하는 사진 등록부(211), 상기 사진 등록부(211)에 등록된 이미지를 CNN(Convolutional Neural Network) 알고리즘으로 학습하여 사진의 분석 가능 여부와 교정 여부 및 발치 여부를 판단하는 교정 유무 판단부(212), 상기 교정 유무 판단부(212)에서 판단한 결과 정보를 개체 탐지(Object Detection)로 분석하여 치주염 상태정보 및 보철물 상태정보를 획득하는 구강질환 및 보철물 탐지부(213), 상기 교정 유무 판단부(212)에서 획득한 교정 여부 정보 및 발치 여부 정보와 상기 구강질환 및 보철물 탐지부(213)에서 획득한 치주염 상태정보 및 보철물 상태정보를 ANN(Artificial Neural Network) 알고리즘으로 학습하여 구강건강 상태를 판정하는 구강건강 판정부(214)를 포함할 수 있다.
도 3은 본 발명에 따른 치주염 탐지를 이용한 구강건강 예측방법을 보인 흐름도로서, S는 단계(Step)를 나타낸다.
본 발명에 따른 치주염 탐지를 이용한 구강건강 예측방법은, (a) 사용자 단말(100)로부터 제공되는 구강 이미지를 기계학습 알고리즘으로 분석하여 구강건강 상태를 예측하는 구강건강 예측서버(200)에서 상기 사용자 단말(100)로부터 제공되는 구강 이미지를 구강건강 예측대상으로 등록하는 단계(S101), (b) 상기 구강건강 예측서버(200)에서 상기 구강 이미지를 CNN(Convolutional Neural Network) 알고리즘으로 학습하여 구강 사진 유무를 판단하는 단계(S102 - S103), (c) 상기 구강건강 예측서버(200)에서 구강 사진일 경우, 구강 이미지를 CNN(Convolutional Neural Network) 알고리즘으로 학습하여 교정 여부 및 발치 여부를 판단하는 단계(S104 - S105), (d) 상기 구강건강 예측서버(200)에서 판단한 교정 여부 정보와 발치 여부 정보를 개체 탐지(Object Detection)로 분석하여 치주염 상태정보 및 보철물 상태정보를 획득하는 단계(S106 - S110), (e) 상기 구강건강 예측서버(200)에서 상기 교정 여부 정보 및 발치 여부 정보와 치주염 상태정보 및 보철물 상태정보를 ANN(Artificial Neural Network) 알고리즘으로 학습하여 구강건강 상태를 판정하는 단계(S111)를 포함한다.
상기 치주염 상태정보는 치주염의 존재 유무 정보와 치주염이 존재할 경우 치주염 위치정보를 포함할 수 있으며, 상기 보철물 상태정보는 보철물 존재 유무 정보와 보철물이 존재할 경우 보철물 개수정보를 포함할 수 있다.
또한, 본 발명에 따른 치주염 탐지를 이용한 구강건강 예측방법은, (f) 상기 (e)단계에서 판정을 통해 획득한 구강건강 예측정보를 사용자 단말(100)로 전송하는 단계(S112)를 더 포함할 수 있다.
이와 같이 구성된 본 발명에 따른 치주염 탐지를 이용한 구강건강 예측장치 및 방법을 구체적으로 설명하면 다음과 같다.
먼저, 사용자는 자신의 구강건강 상태를 확인하고 관리하기 위한 구강건강 예측 애플리케이션을 상기 구강건강 예측서버(200)로부터 다운-로드 받아 사용자 단말(100)에 저장한다.
이어, 구강건강 상태를 확인하기 위해서, 상기 구강건강 애플리케이션을 실행하고, 구강 사진, 개인 정보 등을 제공하면서 구강건강 진단을 요청한다. 여기서 필요에 따라 구강건강 진단을 위한 문진 데이터를 작성하여 제공할 수 있다. 문진 데이터는 문진표로서, 체크 형식으로 이루어질 수 있다. 문진표에는 교정 여부를 확인하기 위한 항목을 포함할 수 있다.
구강 사진은 구강 전체를 촬영한 사진이 바람직하며, 구강의 일부만을 촬영한 사진을 이용할 수도 있다.
상기 구강건강 예측서버(200)는 네트워크를 통해 접속한 사용자 단말(100)을 통해 구강 사진과 개인 정보 및/또는 문진 데이터가 수신되면, 구강건강 예측부(210)에서 구강 사진(이미지)을 CNN(Convolutional Neural Network) 알고리즘으로 학습하여 사진의 분석 가능 여부와 교정 여부 및 발치 여부를 판단한다. 아울러 판단 결과 정보를 개체 탐지(Object Detection)로 분석하여 치주염 상태정보 및 보철물 상태정보를 획득하고, 획득한 치주염 상태정보 및 보철물 상태정보를 ANN(Artificial Neural Network) 알고리즘으로 학습하여 구강건강 상태를 판정한다.
예컨대, 구강건강 예측부(210)의 사진 등록부(211)는 사용자가 전송한 구강사진을 구강건강 예측대상 이미지로 내부 데이터베이스에 등록한다. 여기서 구강이미지는, 개인이 직접 촬영하므로 촬영 환경이 각각 달라 실제 촬영 이미지 색상의 기준이 없다. 따라서 기준점을 잡아서 모든 사진들이 기준점과 동일하도록 색상 보정을 자동으로 진행한 후 저장할 수 있다(S101).
다음으로, 교정 유무 판정부(212)는 상기 구강 이미지를 CNN(Convolutional Neural Network) 알고리즘으로 학습하여 구강 사진 유무를 판단한다(S102). 여기서 판단 결과, 구강 사진 유무가 아닐 경우, 사용자 단말(100)로 구강 사진이 아니므로 구강 사진을 등록하는 안내 문자를 전송한다(S103).
상기 구강 이미지를 CNN 알고리즘으로 학습하여 구강 사진 유무를 판단하는 과정이 도 4에 도시되어 있다. 이를 위해 사전에 촬영되어 등록 요청된 사진이 구강 사진인지 판정하는 CNN 모델이 구축된 것으로 가정한다. 사전 훈련된 CNN 모델은 VGG16(https://neurohive.io/en/popular-networks/vgg16/), ResNet50 등과 같이 이미 알려진 CNN 모델에 구강 사진 범주를 추가하여 사용하는 것이 바람직하다. 학습 데이터로는 구강 사진 데이터, 추가할 범주의 사진 데이터일 수 있다.
여기서 CNN 알고리즘은 Convolution Layer, Pooling Layer, Convolution Layer, Pooling Layer를 다수 거친 후, Fully-Connected Layer 층을 통해 최종적으로 진단 결과를 도출하는 알고리즘이다.
이러한 구강 사진 데이터를 이용하여 CNN 모델로 학습을 하여 구강 사진 유무를 판단할 수 있으나, 이 경우 추가되는 학습 데이터의 양에 따라 학습시간이 많이 소요되는 단점을 유발할 수 있다.
따라서 구강 사진 유무를 판정하는 다른 방법으로서, CNN 알고리즘을 이용하는 대신에 상기 구강건강 예측 애플리케이션을 이용하여 사용자가 구강 사진 이외의 이미지는 등록하지 말도록 유도하여, 구강 사진 유무를 판단하는 과정을 생략할 수 있다. 여기서 구강 사진 이외의 이미지는 등록하지 말도록 유도하는 방법으로서, 안내 문구를 이용할 수 있다.
상기 단계 S102의 확인 결과, 구강 이미지로 판정이 되면, 다음으로 교정 유무 판정부(212)에서 구강 이미지를 도 5에 도시한 CNN(Convolutional Neural Network) 알고리즘으로 학습하여 교정 여부를 판단한다(S104 - S105). 여기서 도 5는 입력된 구강 이미지로부터 교정 여부를 판정하는 CNN 모델의 예시이다. 이러한 CNN 모델은 AutoKeras를 이용하여 CNN 모델을 구축할 수 있다. 사전 훈련된 VGG16, ResNet50 등을 이용한 전이학습(transfer learning 가능)을 이용할 수도 있다. 필요 데이터는 교정기 착용/미착용 구강 사진 데이터이며, CNN 모델에 구강 사진 범주 2가지(교정기 착용/미착용)를 추가함으로써, 간단하게 교정 여부를 판단할 수 있다.
이러한 CNN 모델을 이용하여 교정 여부를 판정할 수 있으나, 이 또한 충분한 학습 시간 및 데이터가 필요하고, 학습 데이터의 증가는 결과적으로 계산량 증가를 유발한다. 따라서 사용자의 문진표 작성을 통해 교정 여부를 선택하도록 유도하여, 교정 여부를 판단하기 위한 CNN(Convolutional Neural Network) 알고리즘의 학습 과정을 생략할 수도 있다.
문진표 작성을 통해 문진 정보가 제공된 경우, 문진 정보를 FFNN(Feed Forward Neural Network) 알고리즘으로 분류한다. 여기서 FFNN 알고리즘은 설문 응답(사용자 정보)이 입력이고, 진단 결과가 출력이 되는 기계학습 알고리즘이다. Tensorflow, Keras 등의 Python 기반 라이브러리를 사용하여 입출력 구조에 적합한 FFNN를 설계하여 사용하는 것이 바람직하다. 활성화 함수, 손실 함수, 최적화 방법, 병렬 컴퓨팅 구조, 과적합 문제 등에 대해서는 최근 연구 및 분석된 FFNN 알고리즘을 이용할 수 있다. 입력 데이터(설문 응답)를 전처리하고, 전처리 데이터를 학습 데이터와 검증 데이터로 분할한다. 이어, 학습 데이터는 신경 회로망 학습을 통해 학습이 이루어지고, 검증 데이터와 학습 결과 데이터를 검증 및 보완 절차를 통해 새롭게 설계된 신경 회로망으로 학습 된다. 그리고 검증 및 보완이 완료되면 최종 모델이 설문 진단 결과로 출력된다.
여기서 구축된 CNN 모델을 이용하여 교정 여부를 판정하는 것도 가능하나, 부가적으로 동일한 CNN 모델을 이용하여 발치 여부로 판정할 수 있다. CNN 모델에 발치 구강 사진 범주를 추가하면, 간단하게 발치 여부로 판정할 수 있다.
다음으로, 구강질환 및 보철물 탐지부(213)는 상기 판단한 교정 여부 정보와 발치 여부 정보를 개체 탐지(Object Detection)로 분석하여 치주염 상태정보 및 보철물 상태정보를 획득한다(S106 - S110). 이를 위해 도 6과 같은 입력된 구간 사진(이미지)으로부터 구강질환(치주염) 및 보철물 탐지를 판정하는 개체 탐지(Object Detection) 알고리즘을 구축한다. 구강질환 및 보철물 탐지를 판정하는 개체 탐지 알고리즘은 기개발된 Faster R-CNN, SSD, YOLO(W.Liu et al., 2015, arXiv(http://arxiv.org/abs/1512.02325)) 등을 이용할 수 있다. 상기 개체 탐지 알고리즘으로 치주염 상태정보 및 보철물 상태정보를 획득하기 위한 필요 데이터로는 구강질환 및 보철물이 표시된 사진 데이터를 이용할 수 있다. 교정기 착용 여부를 구분하여 학습함으로써 정확도를 향상시킬 수 있다. 하나의 알고리즘으로 치주염과 보철물을 모두 탐지할 수 있는 장점이 있다. 여기서 치주염 상태정보는 치주염의 존재 유무 정보와 치주염이 존재할 경우 치주염 위치정보를 포함할 수 있으며, 상기 보철물 상태정보는 보철물 존재 유무 정보와 보철물이 존재할 경우 보철물 개수정보를 포함할 수 있다. 치주염 이미지 학습은 사용자가 제공한 구강 사진이 전체 구강 부위의 어느 부위인지를 확인하고, 구강 부위 이미지의 위치를 확인한 후 이미지 학습을 수행하고, 이를 통해 치주염 존재 유무와 치주염 위치를 추출한다. 치주염 분석을 위해 일반적으로 치주염 환부는 12 부위로 분류된다. 따라서 사용자가 전송한 구강 사진(치주 이미지)을 상기 분류된 12 부위와 비교하여, 환부 위치가 어디인지를 확인하여 치주염 위치를 인식한다. 동일한 방법으로, 보철물 존재 유무와 보철물 개수도 추출한다.
이어, 구강건강 판정부(214)는 상기 교정 여부 정보 및 발치 여부 정보와 치주염 상태정보 및 보철물 상태정보를 도 7과 같은 ANN(Artificial Neural Network) 알고리즘(2019년 NIMS 산업수학 문제해결 워크숍 제안 모델)으로 학습하여 구강건강 상태를 판정한다. 여기서 기계학습 알고리즘인 ANN 알고리즘은 상기 교정 여부 정보와 발치 여부 정보와 치주염 상태정보 및 보철물 상태정보를 입력(input)으로 하여, 구강 건강 상태(구강건강도)를 판정한다. 이를 위해 임상시험을 통해 전문의 또는 전공의로부터 획득한 신뢰할 수 있는 사진 데이터에 해당하는 환자의 구강건강도 판정자료를 이용할 수 있다. 상기 구강 건강상태 판정이 완료되면 구강건강 예측정보를 생성하여 내부 데이터베이스에 저장한다.
다음으로, 구강건강정보 제공부(220)는 상기 판정을 통해 획득한 구강건강 예측정보를 사용자 단말(100)로 전송한다. 여기서 구강건강 예측정보는 보고서 형태일 수 있다. 이를 위해 구강건강정보 제공부(220)는 사용자 단말(100)과 데이터를 송수신할 수 있는 통신 모듈을 구비할 수 있다.
여기서 구강건강 예측정보는 평상시 구강 관리를 위한 전문 모니터링 서비스가 함께 이루어진다. 구강건강 예측정보는 원격 혹은 디지털로 행해지는 의료행위가 아닌 예방을 목적으로 하는 보고서이다. 즉, 단순히 사용자의 구강건강 상태만을 보고서 형식으로 제공해주는 것이다. 사용자는 제공되는 구강건강 보고서를 보고, 병원 방문이 필요하다고 판단이 되면, 병원을 방문하여 신속하게 구강 문제를 치료하여 구강건강을 관리하는 것이 바람직하다.
이러한 본 발명에 따르면 사용자가 자신의 구강을 촬영하여 업-로드하고, 문진표를 작성하여 전송하면, 기계학습 알고리즘을 이용하여 구강질환 및 보철물을 탐지하고, 이를 이용하여 구강건강 상태를 예측하여 구강건강 보고서를 실시간으로 사용자에게 제공함으로써, 사용자가 자신의 구강건강을 용이하게 관리하고, 구강건강 악화를 사전에 예방할 수 있게 되는 것이다.
이상 본 발명자에 의해서 이루어진 발명을 상기 실시 예에 따라 구체적으로 설명하였지만, 본 발명은 상기 실시 예에 한정되는 것은 아니고 그 요지를 이탈하지 않는 범위에서 여러 가지로 변경 가능한 것은 이 기술분야에서 통상의 지식을 가진 자에게 자명하다.
100: 사용자 단말
200: 구강건강 예측서버
210: 구강건강 예측부
211: 사진 등록부
212: 교정 유무 판정부
213: 구강질환 및 보철물 탐지부
214: 구강건강 판정부
220: 구강건강정보 제공부
200: 구강건강 예측서버
210: 구강건강 예측부
211: 사진 등록부
212: 교정 유무 판정부
213: 구강질환 및 보철물 탐지부
214: 구강건강 판정부
220: 구강건강정보 제공부
Claims (9)
- 구강사진을 기계학습 알고리즘으로 분석하여 구강건강을 예측하는 장치로서,
사용자의 구강 이미지를 제공하고, 구강건강 판정결과를 요청하는 사용자 단말; 및
상기 사용자 단말로부터 제공되는 구강 이미지를 기계학습 알고리즘으로 분석하여 구강건강 상태를 예측하는 구강건강 예측서버를 포함하고,
상기 구강건강 예측서버는 구강사진의 분석을 통해 치주염 상태, 보철물 상태를 분석하고, 분석한 치주염 상태정보 및 보철물 상태정보를 기초로 구강건강 상태를 예측하는 것을 특징으로 하는 치주염 탐지를 이용한 구강건강 예측장치.
- 청구항 1에서, 상기 구강건강 예측서버는 사용자의 구강 이미지를 CNN(Convolutional Neural Network) 알고리즘으로 학습하여 사진의 분석 가능 여부와 교정 여부 및 발치 여부를 판단하고, 판단한 결과 정보를 개체 탐지(Object Detection)로 분석하여 치주염 상태정보 및 보철물 상태정보를 획득하고, 획득한 치주염 상태정보 및 보철물 상태정보를 ANN(Artificial Neural Network) 알고리즘으로 학습하여 구강건강 상태를 판정하는 구강건강 예측부를 포함하는 것을 특징으로 하는 치주염 탐지를 이용한 구강건강 예측장치.
- 청구항 2에서, 상기 구강건강 예측서버는 상기 구강건강 예측부에서 판정한 구강건강 상태정보를 구강건강 예측정보로 사용자 단말에 전송하는 구강건강정보 제공부를 더 포함하는 것을 특징으로 하는 치주염 탐지를 이용한 구강건강 예측장치.
- 청구항 2에서, 상기 구강건강 예측부는 등록된 구강 이미지를 CNN(Convolutional Neural Network) 알고리즘으로 학습하여 사진의 분석 가능 여부와 교정 여부 및 발치 여부를 판단하는 교정 유무 판단부; 상기 교정 유무 판단부에서 판단한 결과 정보를 개체 탐지(Object Detection)로 분석하여 치주염 상태정보 및 보철물 상태정보를 획득하는 구강질환 및 보철물 탐지부; 상기 교정 유무 판단부에서 획득한 교정 여부 정보 및 발치 여부 정보와 상기 구강질환 및 보철물 탐지부에서 획득한 치주염 상태정보 및 보철물 상태정보를 ANN(Artificial Neural Network) 알고리즘으로 학습하여 구강건강 상태를 판정하는 구강건강 판정부를 포함하는 것을 특징으로 하는 치주염 탐지를 이용한 구강건강 예측장치.
- 구강사진을 기계학습 알고리즘으로 분석하여 구강건강을 예측하는 장치로서,
(a) 사용자 단말로부터 제공되는 구강 이미지를 기계학습 알고리즘으로 분석하여 구강건강 상태를 예측하는 구강건강 예측서버에서 상기 사용자 단말로부터 제공되는 구강 이미지를 구강건강 예측대상으로 등록하는 단계;
(b) 상기 구강건강 예측서버에서 상기 구강 이미지를 CNN(Convolutional Neural Network) 알고리즘으로 학습하여 구강 사진 유무를 판단하는 단계;
(c) 상기 구강건강 예측서버에서 구강 사진일 경우, 구강 이미지를 CNN(Convolutional Neural Network) 알고리즘으로 학습하여 교정 여부 및 발치 여부를 판단하는 단계;
(d) 상기 구강건강 예측서버에서 판단한 교정 여부 정보와 발치 여부 정보를 개체 탐지(Object Detection)로 분석하여 치주염 상태정보 및 보철물 상태정보를 획득하는 단계; 및
(e) 상기 구강건강 예측서버에서 상기 교정 여부 정보 및 발치 여부 정보와 치주염 상태정보 및 보철물 상태정보를 ANN(Artificial Neural Network) 알고리즘으로 학습하여 구강건강 상태를 판정하는 단계를 포함하는 것을 특징으로 하는 치주염 탐지를 이용한 구강건강 예측방법.
- 청구항 5에서, 상기 치주염 상태정보는 치주염의 존재 유무 정보와 치주염이 존재할 경우 치주염 위치정보를 포함하는 것을 특징으로 하는 치주염 탐지를 이용한 구강건강 예측방법.
- 청구항 5에서, 상기 보철물 상태정보는 보철물 존재 유무 정보와 보철물이 존재할 경우 보철물 개수정보를 포함하는 것을 특징으로 하는 치주염 탐지를 이용한 구강건강 예측방법.
- 청구항 5에서, (f) 상기 (e)단계에서 판정을 통해 획득한 구강건강 예측정보를 사용자 단말로 전송하는 단계를 더 포함하는 것을 특징으로 하는 치주염 탐지를 이용한 구강건강 예측방법.
- 청구항 5에서, 상기 (b)단계 대신에 사용자가 구강 사진 이외의 이미지는 등록하지 말도록 유도하는 안내 정보를 구강건강 예측 애플리케이션을 통해 제공하는 단계로 대체하여 구강 사진 여부를 판단하기 위한 CNN(Convolutional Neural Network) 알고리즘의 학습 과정을 생략하는 것을 특징으로 하는 치주염 탐지를 이용한 구강건강 예측방법.
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190127251A KR102311395B1 (ko) | 2019-10-14 | 2019-10-14 | 치주염 탐지를 이용한 구강건강 예측장치 및 방법 |
| JP2021547020A JP2022508923A (ja) | 2018-10-16 | 2019-10-16 | 機械学習アルゴリズムを用いた口腔健康予測装置及び方法 |
| PCT/KR2019/013563 WO2020080819A1 (ko) | 2018-10-16 | 2019-10-16 | 기계학습 알고리즘을 이용한 구강건강 예측장치 및 방법 |
| US17/285,651 US20210398275A1 (en) | 2018-10-16 | 2019-10-16 | Oral health prediction apparatus and method using machine learning algorithm |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190127251A KR102311395B1 (ko) | 2019-10-14 | 2019-10-14 | 치주염 탐지를 이용한 구강건강 예측장치 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210044097A true KR20210044097A (ko) | 2021-04-22 |
| KR102311395B1 KR102311395B1 (ko) | 2021-10-13 |
Family
ID=75731320
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190127251A KR102311395B1 (ko) | 2018-10-16 | 2019-10-14 | 치주염 탐지를 이용한 구강건강 예측장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102311395B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023277644A1 (ko) * | 2021-07-02 | 2023-01-05 | 아주대학교 산학협력단 | 구강질환 진단에 필요한 정보를 제공하는 방법 및 이를 수행하기 위한 장치 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR200480257Y1 (ko) * | 2014-10-07 | 2016-05-04 | 김경수 | 스마트폰 치아 확인용 카메라 |
| KR20170050467A (ko) | 2015-10-30 | 2017-05-11 | 동의대학교 산학협력단 | 사용자 맞춤형 구강 관리 서비스 제공 방법 및 구강 관리 서비스 제공 서버 |
| KR101788030B1 (ko) | 2016-06-15 | 2017-11-15 | 주식회사 카이아이컴퍼니 | 구강질환 위험도 진단 및 구강관리 시스템과 그 방법 |
| KR101839789B1 (ko) * | 2017-08-01 | 2018-03-19 | 주식회사 뷰노 | 치과 영상의 판독 데이터 생성 시스템 |
| KR101868979B1 (ko) | 2016-05-31 | 2018-07-23 | (주)이너웨이브 | 딥러닝 알고리즘을 이용한 구강 건강 관리 시스템 및 방법 |
-
2019
- 2019-10-14 KR KR1020190127251A patent/KR102311395B1/ko active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR200480257Y1 (ko) * | 2014-10-07 | 2016-05-04 | 김경수 | 스마트폰 치아 확인용 카메라 |
| KR20170050467A (ko) | 2015-10-30 | 2017-05-11 | 동의대학교 산학협력단 | 사용자 맞춤형 구강 관리 서비스 제공 방법 및 구강 관리 서비스 제공 서버 |
| KR101868979B1 (ko) | 2016-05-31 | 2018-07-23 | (주)이너웨이브 | 딥러닝 알고리즘을 이용한 구강 건강 관리 시스템 및 방법 |
| KR101788030B1 (ko) | 2016-06-15 | 2017-11-15 | 주식회사 카이아이컴퍼니 | 구강질환 위험도 진단 및 구강관리 시스템과 그 방법 |
| KR101839789B1 (ko) * | 2017-08-01 | 2018-03-19 | 주식회사 뷰노 | 치과 영상의 판독 데이터 생성 시스템 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023277644A1 (ko) * | 2021-07-02 | 2023-01-05 | 아주대학교 산학협력단 | 구강질환 진단에 필요한 정보를 제공하는 방법 및 이를 수행하기 위한 장치 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102311395B1 (ko) | 2021-10-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102311385B1 (ko) | 치아우식 탐지를 이용한 구강건강 예측장치 및 방법 | |
| US20210398275A1 (en) | Oral health prediction apparatus and method using machine learning algorithm | |
| KR102311398B1 (ko) | 모바일기반 자가 구강검진장치 | |
| US11676701B2 (en) | Systems and methods for automated medical image analysis | |
| KR102218752B1 (ko) | 딥러닝과 빅데이터를 이용한 치주질환관리시스템 | |
| US12011261B2 (en) | Autonomous diagnosis of ear diseases from biomarker data | |
| US20210073977A1 (en) | Systems and methods for automated medical image annotation | |
| US11471095B2 (en) | Tongue-image-based diagnostic system and diagnostic method | |
| US10937160B1 (en) | Dental images processed with artificial intelligence | |
| KR20060100737A (ko) | 인터넷을 이용한 치과 환자 진료 서비스 방법 및 그 시스템 | |
| KR102218674B1 (ko) | 건강관리 서비스 제공 방법 | |
| KR102311395B1 (ko) | 치주염 탐지를 이용한 구강건강 예측장치 및 방법 | |
| KR20200054366A (ko) | 어린이 구강건강 관리 및 교육시스템 | |
| JP4015462B2 (ja) | 体調維持補助システム | |
| JP7382741B2 (ja) | 医療機関選定支援装置 | |
| JP7313603B1 (ja) | 歯科情報処理装置、歯科情報処理システム、プログラム及び歯科情報処理方法 | |
| US20210350530A1 (en) | Dental Images Correlated to the Human Genome with Artificial Intelligence | |
| KR102392912B1 (ko) | 부스기반 자가 구강검진장치 | |
| US20200381116A1 (en) | System and method for providing personal health advice based on multimodal oral sensing data | |
| KR20230045871A (ko) | 구강 검진 부스를 이용한 구강검진방법 | |
| JP2023065876A (ja) | モバイルに基づく自己口腔検診装置 | |
| US20160339299A1 (en) | Integrated impairment value calculation system | |
| KR102392916B1 (ko) | 검진 부스를 이용한 구강검진장치 | |
| KR20240057778A (ko) | 치아의 형태학적 구조 및 위치에 따른 치아우식 위험도 진단 시스템 | |
| KR20240058233A (ko) | 인공지능(ai)를 이용한 치주질환 관리 시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |