KR20210091040A - 치과 의무 기록 장치 및 그 치과 의무 기록 방법 - Google Patents

치과 의무 기록 장치 및 그 치과 의무 기록 방법 Download PDF

Info

Publication number
KR20210091040A
KR20210091040A KR1020200182812A KR20200182812A KR20210091040A KR 20210091040 A KR20210091040 A KR 20210091040A KR 1020200182812 A KR1020200182812 A KR 1020200182812A KR 20200182812 A KR20200182812 A KR 20200182812A KR 20210091040 A KR20210091040 A KR 20210091040A
Authority
KR
South Korea
Prior art keywords
image
patient
chart
dental medical
artificial intelligence
Prior art date
Application number
KR1020200182812A
Other languages
English (en)
Other versions
KR102392312B1 (ko
Inventor
이상화
Original Assignee
가톨릭대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 가톨릭대학교 산학협력단 filed Critical 가톨릭대학교 산학협력단
Priority to PCT/KR2021/000217 priority Critical patent/WO2021145607A1/ko
Priority to US17/792,271 priority patent/US20230039451A1/en
Publication of KR20210091040A publication Critical patent/KR20210091040A/ko
Application granted granted Critical
Publication of KR102392312B1 publication Critical patent/KR102392312B1/ko

Links

Images

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H15/00ICT specially adapted for medical reports, e.g. generation or transmission thereof
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00ICT specially adapted for the handling or processing of medical images
    • G16H30/20ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00ICT specially adapted for the handling or processing of medical references

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Biomedical Technology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Image Analysis (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

본 명세서는 인공 지능을 통해 환자의 구강에 대한 파노라마 사진, 스캔 영상, 카메라 영상 등의 영상을 입력받아 인공 지능을 이용하여 차팅을 수행하고, 해당 영상에서 치료 부위를 클릭하면 차트와 연계하여 치료 부위에 대한 의무 기록을 열람할 수 있도록 하는 치과 의무 기록 장치 및 치과 의무 기록 방법을 제공한다.

Description

치과 의무 기록 장치 및 그 치과 의무 기록 방법{APPARATUS AND METHOD FOR DENTAL MEDICAL RECORD}
본 발명은 치과 의무 기록 장치 및 그 치과 의무 기록 방법을 제공한다.
치과 진료 시, 치과 의무 기록을 작성하기 위해 의사는 환자의 치아 주변을 촬영한 파노라마 사진을 보고 전반적인 기본 차팅(charting)을 수행한다. 그리고 환자가 구강 검진 시에 획득한 자료를 치과 의무 기록에 추가하는 데 환자의 치아를 평가한 후 텍스트 또는 기호를 이용하여 치과 의무 기록에 표기를 한다.
이때, 의사는 다수의 치아를 각각 평가해야 한다. 그리고 진찰 시점과 기록 시점 사이에 발생할 수 있는 감염 문제 때문에, 의사는 직접 환자를 보면서 치과 의무 기록을 작성하는 대신에 보조 의사에게 구술(dictation)하여 보조 의사가 기록을 하게 하거나, 보조 인력이 구술 후 의사가 다시 치과 의무 기록을 옮겨 적는 실정이다. 또한 의사가 다수의 치아 각각에 대한 치료 내역을 보려면 각 치아에 대한 의무 기록 및 수납 내역을 따로 검색해야 한다.
따라서, 현재 치과 진료 시 치과 의무 기록을 작성하는 데 오랜 시간이 소요되고, 치과 의무 기록 작성 시 보조 의사가 구술 내용을 옮겨 적는 과정에서 휴먼 에러로 인한 오류가 발생할 가능성이 높다. 또한 전공의가 없는 병원이나 개인 의원에서는 차팅 시에 구술 및 기록이 바로 수행되기 어려운 문제가 있다.
실시예들은, 치과 의무 기록을 작성하는 데 소요되는 시간 및 비용을 단축할 수 있는 치과 의무 기록 장치 및 그 치과 의무 기록 방법을 제공한다.
또한, 실시예들은, 예진의 정확성을 향상시키고 환자의 교차 감염 가능성을 감소시킬 수 있는 치과 의무 기록 장치 및 그 치과 의무 기록 방법을 제공한다.
또한, 실시예들은, 치과 의무 기록을 용이하게 작성, 보관 및 열람할 수 있는 치과 의무 기록 장치 및 그 치과 의무 기록 방법을 제공한다.
다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
본 명세서는 인공 지능을 통해 환자의 구강에 대한 파노라마 사진, 스캔 영상, 카메라 영상 등의 영상을 입력받아 인공 지능을 이용하여 차팅을 수행하고, 해당 영상에서 치료 부위를 클릭하면 차트와 연계하여 치료 부위에 대한 의무 기록을 열람할 수 있도록 하는 치과 의무 기록 장치 및 치과 의무 기록 방법을 제공한다.
일 측면에서, 일 실시예에 따른 치과 의무기록 방법은, 환자의 구강에 대한 영상 이미지를 판독하여 환자의 구상 상태를 텍스트 형식으로 또는 기호, 텍스트와 기호를 병행하여 예진 차트에 표기하는 단계, 및 영상 이미지와 예진 차트를 표시하는 단계를 포함한다.
다른 측면에서, 다른 실시예에 따른 치과 의무기록 장치는, 환자의 구강에 대한 영상 이미지를 입력받는 입력부, 환자의 구강에 대한 영상 이미지를 판독하여 환자의 구강 상태에 대해 판단하고, 판단한 환자의 구상 상태를 텍스트 형식으로 또는 기호, 텍스트와 기호를 병행하여 예진 차트에 표기하는 제어부, 및 영상 이미지와 차트를 표시하는 출력부를 포함한다.
실시예들에 따른 치과 의무 기록 장치 및 그 치과 의무 기록 방법에 의하면 치과 의무 기록을 작성하는 데 소요되는 시간 및 비용을 단축할 수 있다.
또한, 실시예들에 따른 치과 의무 기록 장치 및 그 치과 의무 기록 방법에 의하면, 예진의 정확성을 향상시키고 환자의 교차 감염 가능성을 감소시킬 수 있다.
또한, 실시예들에 따른 치과 의무 기록 장치 및 그 치과 의무 기록 방법에 의하면, 치과 의무 기록을 용이하게 작성, 보관 및 열람할 수 있는 치과 의무 기록 장치 및 그 치과 의무 기록 방법을 제공한다.
도 1은 일 실시예에 따른 치과 의무 기록 방법의 흐름도이다.
도 2는 환자의 구강을 촬영한 영상의 일 예이다.
도 3는 EMR 차트의 일 예이다.
도 4은 텍스트 및 기호 차트를 나타낸 일 예이다.
도 5는 환자의 치아 및 치식을 나타내는 사진의 일 예이다.
도 6는 환자의 치주 상태를 나타내는 사진의 일 예이다.
도 7a 및 도 7b는 환자의 치아 우식 및 수복 상태를 나타내는 사진의 일 예들이다.
도 8a 및 도 8b는 치료 부위에 대한 정보를 팝업으로 열람하는 일 예이다.
도 9 내지 도 10는 치과 의무 기록 장치의 개략적인 동작을 나타낸 도면들이다.
도 11은 도 1의 일 실시예에 따른 치과 의무 기록 방법(100)에서 이용하는 딥 러닝 모델의 구성도이다.
도 12는 다른 실시예에 따른 치과 의무 기록 장치의 블럭도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는"직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
명세서 전체에서 사용되는 정도의 용어 "약", "실질적으로" 등은 언급된 의미에 고유한 제조 및 물질 허용오차가 제시될 때 그 수치에서 또는 그 수치에 근접한 의미로 사용되고, 본 발명의 이해를 돕기 위해 정확하거나 절대적인 수치가 언급된 개시 내용을 비양심적인 침해자가 부당하게 이용하는 것을 방지하기 위해 사용된다. 본 발명의 명세서 전체에서 사용되는 정도의 용어 "~(하는) 단계" 또는 "~의 단계"는 "~ 를 위한 단계"를 의미하지 않는다.
본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1개의 유닛이 2개 이상의 하드웨어를 이용하여 실현되어도 되고, 2개 이상의 유닛이 1개의 하드웨어에 의해 실현되어도 된다.
본 명세서에 있어서 단말, 장치 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말, 장치 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능중 일부도 해당 서버와 연결된 단말, 장치 또는 디바이스에서 수행될 수도 있다.
본 명세서에서 있어서, 단말과 매핑(Mapping) 또는 매칭(Matching)으로 기술된 동작이나 기능 중 일부는, 단말의 식별 정보(Identifying Data)인 단말기의 고유번호나 개인의 식별정보를 매핑 또는 매칭한다는 의미로 해석될 수 있다.
이하 첨부된 도면을 참고하여 본 발명을 상세히 설명하기로 한다.
도 1은 일 실시예에 따른 치과 의무 기록 방법의 흐름도이다.
도 1을 참조하면, 일 실시예에 따른 치과 의무 기록 방법(100)은 환자의 구강에 대한 영상 이미지를 판독하여 상기 환자의 구상 상태를 텍스트 형식으로 또는 기호, 상기 텍스트와 상기 기호를 병행하여 예진 차트에 표기하는 단계(S110), 및 영상 이미지와 예진 차트를 표시하는 단계(S120)를 포함한다.
영상 이미지는 도 2를 참조하여 후술하는 바와 같이, 환자의 구강에 대한 방사선, 구간 카메라, 스캔 장치, 교합 체크 자료 중 하나 또는 둘 이상에 의해 획득한 파노라마 사진, 스캔 영상 또는 카메라 영상 중 하나일 수 있다.
또한, 환자의 구상 상태는, 치식, 치아 상태, 치아의 주변 구조 중 적어도 하나일 수 있다.
예진 차트에 표기하는 단계(S110)에서, 도 11을 참조하여 후술하는 바와 같이 지속적으로 수집된 학습용 영상 이미지와 누적된 차트 자료를 이용하여 인공 지능을 지속적으로 학습시켜서 인공 지능이 영상 이미지를 판독한다. 전술한 도면들, 예를 들어 후술하는 바와 같이 도 7c 및 도 7d와 같이 가이드 칩(guide chip)이나 가이드 샘플(guide sample) 등을 포함하는 학습용 영상 이미지를 이용하여 인공지능을 학습시킬 수 있다. 이와 같이 학습용 영상 이미지를 전처리하거나 영상 이미지 획득 과정에서 가이드 칩이나 가이드 샘플 등을 포함하는 영상 이미지를 획득하므로 학습 효과를 향상시키고, 예진 차트를 표기하는 단계(S110)에서 판단의 정확성을 향상시킬 수 있다.
인공 지능은, 다층의 네트워크로 이루어진 심층 신경망(deep neural network)에서 다량의 데이터를 학습시킴으로서 입력값에 대한 특성(feature)을 자동으로 학습하고, 이를 통해 예측 정확도의 에러를 최소화하도록 상기 다층의 네트워크를 학습시켜, 영상 이미지를 판독할 수 있다.
영상 이미지와 차트를 표시하는 단계(S120)에서, 도 8 내지 도 10을 참조하여 후술하는 바와 같이, 영상 이미지의 특정한 치료 부위를 선택하면, 해당 치료 부위에 대한 정보를 표시하고, 해당 치료 부위의 이미지를 선택하면, 치료 요약 메모창이 표시되고, 치료 요약 메모창을 선택하면 해당 치료 부위에 대한 차트가 출력되는 치과 의무기록 방법.
도 2는 환자의 구강을 촬영한 영상의 일 예이다. 도 2는은 환자의 구강을 촬영한 파노라마 사진으로 환자의 구강 상태를 나타낸다.
도 1 및 도 2를 참조하면, 일 실시예에 따른 치과 의무 기록 방법(100)은, 예진 차트에 표기하는 단계(S110)에서, 도 2의 파노라마 사진과 같은 영상 이미지를 기초로 치식, 치아 상태(예를 들어, 치주 상태(잇몸 상태), 치아 우식, 치아 상실, 수복, 보철, 임플란트, 사랑니), 치아의 주변 구조(예를 들어, 턱관절) 등에 대한 정보를 판독할 수 있다.
일 실시예에 따른 치과 의무 기록 방법(100)은, 구강에 대한 파노라마 사진, 스캔 영상 또는 카메라 영상 등의 영상 이미지를 판독하고 그 결과를 전자 의료 기록(Electronic Medical Record(EMR)) 차트로 이동하여 예진 효과를 얻을 수 있다.
도 3는 EMR 차트의 일 예이다. 도 3의 EMR 차트는 치아와 관련된 기호들로 구성된 기호 차트이다.
도 1 및 도 3을 참조하면, 일 실시예에 따른 치과 의무 기록 방법(100)은, 예진 차트에 표기하는 단계(S110)에서, 구강에 대한 파노라마 사진, 스캔 영상 또는 카메라 영상 등의 영상 이미지를 판독하여, 환자의 구강 상태가 정상인지 또는 치아, 치조골, 악골 등에 질환이 있는지를 판단할 수 있다. 이러한 영상 이미지는 방사선, 구간 카메라, 스캔 장치, 교합 체크 자료 등을 이용하여 획득할 수 있다.
그리고 치과 의무 기록 장치는 전술한 영상 이미지를 통해 판독한 내용을 텍스트 형식으로 표기하거나 기호로 표기하거나 또는 텍스트와 기호를 병행하여 표기할 수 있다.
도 4은 텍스트 및 기호 차트를 나타낸 일 예이다.
도 4을 참조하면, 텍스트 차트(140)는, 예진 차트에 표기하는 단계(S110)에서, 영상 이미지를 통해 판독한 내용을 서술형 텍스트로 표기한 예진 차트이다.
예를 들어, 텍스트 차트(140)는 #16번 치아에 2차 우식(secondary caries)이 있고, #44번 치아에 치근단 병소(periapical lesion)가 있고, #41, 42, 43번 치아에 치아교모증(attrition)이 있고, #47, 46, 37번 치아에 Old AM이 있다는 정보를 나타낼 수 있다.
기호 차트(142)는 영상 이미지를 통해 판독한 내용을 여러 가지 기호를 통해 나타낸 차트이다. 예를 들어, 기호 차트는 표준 기호 기준으로 치아 상실, 치주 질환, 치아 우식, 수복 등을 표기할 수 있다.
그리고 일 실시예에 따른 치과 의무 기록 방법(100)은, 도 10을 참조하여 후술하는 바와 같이, 머신 러닝 모델, 딥 러닝 모델 등을 사용하는 인공 지능을 통해 영상 이미지를 판독할 수 있다. 치과 의무 기록 장치에서 사용하는 인공 지능은 치아, 치조골, 악골 등에 발생한 질환을 학습할 수 있다.
이때, 인공 지능은 학습 과정에서 구강 상의 정상 구조물과 병소에 대한 영상 자료를 입력하면서 구분 기준을 설정할 수 있다.
일 예로, 치조골이 치관과 치근이 만나는 부위의 1mm 하방까지 위치하면 치조골이 정상이라고 인식할 수 있다. 다른 예로 치조골에 치아가 없으면 치아 상실로 인식할 수 있다.
한편, 인공 지능을 이용한 병소에 대한 진단은 치아 색깔, 치아 결손 여부, 영상 이미지 상에서 방사선 투과 정보(e.g. houndsfield scale)등의 요소를 기초로 이루어질 수 있다.
일 실시예에 따른 치과 의무 기록 방법(100)은, 지속적으로 수집된 학습용 영상 이미지와 누적된 차트 자료를 이용하여 인공 지능을 지속적으로 학습시켜서 인공 지능이 영상 이미지를 판독하는 정확성을 늘릴 수 있다.
그리고 일 실시예에 따른 치과 의무 기록 방법(100)은, 예진 차트에 표기하는 단계(S110)에서, 인공 지능을 통해 영상 이미지를 판독한 후 이를 차팅(charting)하고, 영상 이미지와 환자의 치료 및 수납 내용을 연계할 수 있다. 예를 들어 의사가 영상 이미지를 클릭하면 클릭한 부위에 대한 치료 날짜 및 수납 메모창에 대한 정보를 지시하는 팝업(144)이 생성될 수 있다. 그리고 의사가 팝업(144) 상에서 수납 메모창을 클릭하면 해당 메모창과 연계된 차트의 정보를 접근할 수 있다.
도 5는 환자의 치아 및 치식을 나타내는 사진의 일 예이다.
도 5를 참조하면, 치식은 치아를 구분하기 위한 방식으로서, 환자 구강의 정중부를 기준으로 좌우상하를 구분(1 내지 8)하고, 송곳니를 기준으로 앞니 및 어금니를 구분한다.
치아의 뿌리는 뼈 안에 위치(#11 내지 #48)하고, 치관은 뼈 밖에 위치하고, 치아는 뼈와 거의 수직이다.
도 6는 환자의 치주 상태를 나타내는 사진의 일 예이다.
일 실시예에 따른 치과 의무 기록 방법(100)은, 일 예로, 치아에 있는 크라운과 치아의 뿌리가 만나는 부위(화살표)에서 뿌리 방향으로 1mm까지 치조골이 위치하면 정상이고, 도 6에 도시한 바와 같이, 그보다 아래쪽에 치조골이 위치하면 치조골 소실이라 판단할 수 있다. 치조골 소실에는 수평 소실, 수직 소실이 있다. 그리고 일 실시예에 따른 치과 의무 기록 방법(100)은, 대구치의 뿌리가 갈라지는 부위인 치근분기부(furcation)의 상태를 확인할 수 있다.
일 실시예에 따른 치과 의무 기록 방법(100)은, 예진 차트에 표기하는 단계(S110)에서, 인공 지능을 통해 도 6에 도시한 영상 이미지를 판독한 후 치조골 소실이라는 환자의 치주 상태를 판단한다.
도 7a 및 도 7b는 환자의 치아 우식 및 수복 상태를 나타내는 사진의 일 예이다.
도 7a에 도시한 바와 같이, 치아 우식은 치아에 포함되는 에너멜(enamel), 상아질(dentin), 치수(pulp) 등에 결함(defect)이 발생한 것을 의미한다.
일 실시예에 따른 치과 의무 기록 방법(100)은, 예진 차트에 표기하는 단계(S110)에서, 인공 지능을 통해 도 7a에 도시한 영상 이미지를 판독한 후 치아 우식이라는 환자의 치주 상태를 판단한다.
도 7b에 도시한 바와 같이, 치아의 수복물 중 A. 크라운(crown)은 치관 전체에 대하여 방사선을 불투과한다. 치아의 수복물 중 B. 인레이(inlay) 또는 아말감(amalgam)은 치관 일부분에 대하여 방사선을 불투과한다. 치아의 수복물 중 C. 포스트(post)는 치아의 뿌리 안에 짙은 백색 직선으로 표시된다. 그리고 D. 근관 치료를 받은 치아는 치아의 뿌리 중앙에 뿌리 선을 따르는 백색 곡선으로 표시된다.
일 실시예에 따른 치과 의무 기록 방법(100)은, 예진 차트에 표기하는 단계(S110)에서, 인공 지능을 통해 도 7b에 도시한 영상 이미지를 판독한 후 A 위치에 크라운으로 표기하고 B 위치에 인레이 또는 아말감으로 표기하고, C 위치에 포스트로 표기하고, D 위치에 근관이라고 표기한다.
도 7c는 파노라마 촬영기로 촬영된, 가이드 칩(guide chip)을 포함하는 파노라마 영상 이미지의 일예이다.
파노라마 영상 촬영기는 촬영 대상, 예를 들어 환자를 X선 소스가 장착된 원통형 본체에 위치시킨 후 X선 소스와 파노라마 영상 검출기를 환자를 중심으로 회전시켜 다수의 영상 이미지들을 획득한다. 파노라마 영상 촬영기는 이 영상 이미지들을 자연스럽게 연결하여 도 7c에 도시한 바와 같이 파노라마 영상 이미지를 획득하게 된다. 파노라마 영상 촬영 시 각기 다른 그레이 스케일(예: HU(hounsfield unit))을 가진 가이드 칩(guide chip)을 파노라마 검출기에 장착하여 도 7에 도시한 바와 같이 가이드 칩이 포함된 파노라마 영상 이미지를 획득한다.
도 7c와 같이 가이드 칩을 포함하는 학습용 영상 이미지를 이용하여 인공지능을 학습시킬 수 있다.
가이드 샘플을 포함하는 학습용 영상 이미지를 이용하여 인공지능을 학습시키므로, 예진 차트에 표기하는 단계(S110)에서, 인공 지능을 통해 영상 이미지를 판독한 후 치아 우식과 같은 환자의 치주 상태를 보다 정확하게 판단한다.
예진 차트에 표기하는 단계(S110)에서, 학습된 인공 지능을 통해 영상 이미지를 판독할 때, 파노라마 영상 이미지에서 정상 치아 조직과 비교하여 에니멜(enamel), 치질(dentin), 펄프(pulp) 등 방사선 투과성이 감소한 경우와 치아 우식의 차이를 더욱 정확하게 판독할 수 있다. 또한, 각 환자에 따라 해부학적 구조, 환자의 크기, 자세 등에 따라 파노라마 영상 이미지에서 방사선 밀도(radiodensity)가 다를 경우에도 치아 우식이라는 환자의 치주 상태를 더욱 정확하게 판독할 수 있다.
전술한 예에서 예진 차트에 표기하는 단계(S110)에서, 인공 지능을 통해 도 7c에 도시한 가이드 칩이 포함된 영상 이미지를 판독한 후 치아 치아 우식을 판단하는 것으로 예시적으로 설명하였다. 동일한 이유로, 인공 지능을 통해 도 7c에 도시한 가이드 칩이 포함된 영상 이미지를 판독한 후 치주염, 치근단 병소, 치조골 소실 등의 다른 병소 진단이나 치주 상태를 정확하게 판단할 수 있다.
도 7d는 카메라나 스캐너로 촬영된, 가이드 샘플(guide sample)을 포함하는 영상 이미지의 일예이다.
카메라나 스캐너로 촬영 시 도 7d에 도시한 바와 같이 가이드 샘플(guide sample)을 포함된 영상 이미지를 획득한다. 가이드 샘플(guide sample)은 색상번호와 해당 색상번호에 해당하는 색깔을 포함하고 있다.
도 7d와 같이 가이드 샘플을 포함하는 학습용 영상 이미지를 이용하여 인공지능을 학습시킬 수 있다. 영상 이미지에서 치아 색상은 조명과 그림자 촬영 카메라 등에 영향을 받는다. 따라서, 가이드 샘플을 포함하는 학습용 영상 이미지를 이용하여 인공지능을 학습시키므로, 예진 차트에 표기하는 단계(S110)에서, 인공 지능을 통해 영상 이미지를 판독한 후 환자의 치아의 색상을 보다 정확하게 판단할 수 있다.
따라서, 영상 이미지와 예진 차트를 표시하는 단계(S120)에서, 영상 이미지에서 특정 치아를 클릭하면, 영상 이미지 상에 학습된 인공지능이 제시하는 특정 치아의 색상, 예를 들어 최적의 치아의 색상을 가이드 샘플의 색상번호(예: N3) 및/또는 색깔(예: 노란색)로 표시하므로, 환자의 치아 색상과 가장 잘 어울리는 수복물 또는 보철물의 색상을 제시할 수 있어 효과적인 심미적인 치료 방법을 제공할 수 있다.
도 8a 및 8b는 치료 부위에 대한 정보를 팝업으로 열람하는 일 예들이다.
도 8a를 참조하면, 영상 이미지와 차트를 표시하는 단계(S120)에서, 의사가 영상 이미지 상에서 특정한 치료 부위를 클릭하면, 해당 치료 부위에 대한 정보(e.g. 치료 제목, 날짜, 수납 메모창)이 표시된다. 해당 치료 부위의 이미지와 해당 치료 부위에 대한 정보는 하이퍼링크(hyperlink) 형태로 연결될 수 있다. 예를 들어, 해당 치료 부위에 대한 정보로, 도 8a에 도시한 바와 같이, "2020년 1월 2일 #44, 45 발치, 44 즉시 임플란트, 수납: 20만원"이 표시된다.
도 8b를 참조하면, 해당 치료 부위의 이미지를 클릭하면 치료 요약 메모(e.g. 치료 제목, 날짜, 수납) 창이 표시되고, 치료 요약 메모 창을 클릭하면 해당 치료 부위에 대한 차트를 출력할 수 있다.
그리고 수납 메모창을 클릭하면 수납 메모창과 연계된 차트가 출력될 수 있다.
도 9 및 도 10는 일 실시예에 따른 치과 의무 기록 방법의 개략적인 동작을 나타낸 도면들이다.
도 1 및 도 9, 도 10을 참조하면, 일 실시예에 따른 치과 의무 기록 방법(100)은, 예진 차트에 표기하는 단계(S110)에서, 환자의 구강에 대한 영상(e.g. 파노라마 사진)을 판독한 후 텍스트 또는 기호로 구성된 예진 차트를 작성할 수 있다.
일 실시예에 따른 치과 의무 기록 방법(100)은, 예진 차트에 표기하는 단계(S110)에서, 개별적으로 입력된 정보 또는 누적된 차트 기록을 머신 러닝 모델, 딥 러닝 모델 등을 사용하는 인공 지능을 통해 지속적으로 학습하여, 예진 차트를 작성하는 정확성을 향상시킬 수 있다.
그리고 일 실시예에 따른 치과 의무 기록 방법(100)은, 영상 이미지와 차트를 표시하는 단계(S120)에서, 의사가 환자의 구강에 대한 영상(e.g. 파노라마 사진) 상의 치료 부위를 클릭하면 치료 제목, 날짜, 수납 메모창 등의 정보를 포함하는 치료 팝업(144)을 생성하고, 의사가 수납 메모창을 클릭하면 수납 메모창과 연계된 차트를 출력할 수 있다.
일 실시예에 따른 치과 의무 기록 방법(100)을 통해 전공의가 없는 병원 또는 개인 의원도 치과 의무 기록 시에 편리성 및 정확성을 향상시킬 수 있다. 그리고 전공의가 구술(dictation)보다는 전문 진료 공부에 집중할 수 있도록 한다. 그리고 누적된 영상 이미지 판독 정보 및 차팅 자료를 기초로 환자의 구강 상태를 판단하는 정확성이 증대될 수 있다.
도 11은 도 1의 일 실시예에 따른 치과 의무 기록 방법(100)에서 이용하는 딥 러닝 모델의 구성도이다.
도 11을 참조하면, 일 실시예에 따른 치과 의무 기록 방법(100)에서 사용될 수 있는 딥 러닝 모델(deep learning model, 221)은 인공 신경망을 다층 레이어로 쌓은 형태의 모델일 수 있다. 즉, 딥 러닝 모델은 다층의 네트워크로 이루어진 심층 신경망(deep neural network)에서 다량의 데이터를 학습시킴으로서 입력값에 대한 특성(feature)을 자동으로 학습하고, 이를 통해 목적 함수, 즉 예측 정확도의 에러를 최소화하도록 네트워크를 학습시켜 나아가는 형태의 모델이다.
전술한 딥 러닝 모델(221)은 CNN(Convolutional Neural Network), DHN(Deep Hierachical Network), CDBN(Convolutional Deep Belief Network), DDN(Deconvolutional Deep Network), RNN(Recurrent Neural Network), GAN(Generative Adversarial Network) 등일 수 있으나, 본 발명은 이에 제한되지 않고 현재 또는 장래에 사용될 수 있는 다양한 딥 러닝 모델을 이용할 수 있다.
전술한 딥 러닝 모델(221)은 딥 러닝 프레임워크를 통해 구현될 수 있다. 딥 러닝 프레임워크는 딥 러닝 모델(221)을 개발할 때 공통적으로 사용되는 기능들을 라이브러리 형태로 제공하고, 시스템 소프트웨어나 하드웨어 플랫폼을 잘 사용할 수 있도록 지원하는 역할을 한다. 본 실시예에서 딥 러닝 모델(221)은 현재 공개되었거나 장래 공개될 어떠한 딥 러닝 프레임워크를 이용하여 구현될 수 있다.
다시 도 11을 참조하면, 딥 러닝 모델(221)은 입력된 이미지 영상에서 컨벌루션(convolution)과 서브샘플링(subsampling)을 수행하여 이미지 영상에 대한 픽쳐(feature)를 추출하는 픽쳐 추출 영역(feature extraction part, 222)과, 추출된 픽쳐를 이용하여 환자의 구상 상태를 텍스트 형식으로 또는 기호, 텍스트와 기호를 병행하여 예진 차트에 표기하는 출력 영역(output part, 224)을 포함한다.
컨벌루션(convolution)은 컨볼루션 레이어(convolution lalyer)에서 의료영상의 각 영역을 복수의 필터를 이용하여 픽쳐 맵(feature map)를 만들어낸다. 서브샘플링(subsampling) 또는 폴링(pooling)은 서브샘플링 레이어(subsampling layer)에서 픽쳐 맵(feature map)의 크기를 줄여 위치나 회전의 변화에 불변하는 이미지 영상에 대한 픽쳐(feature)를 추출한다.
픽쳐 추출 영역(222)은 컨벌루션(convolution) 및/ 또는 서브샘플링(subsampling)을 반복함으로써 의료영상에서 점, 선, 면 등의 저수준의 픽쳐에서부터 복잡하고 의미 있는 고수준의 픽쳐까지 다양한 수준의 픽쳐를 추출할 수 있다.
딥 러닝 모델, 예를 들어 CNN 기반 딥 러닝 모델은 픽쳐 추출 영역(222)과 출력 영역(224)에서 각 개별 레이어에 존재하는 파라미터를 최적으로 학습시키는 것을 목표로 한다. 딥 러닝 모델에서는 데이터의 순서가 초기 파라미터의 값을 결정하게 된다.
딥 러닝 모델(221)은 랜덤 샘플링(데이터 순서 랜덤)과 규제화 기술(regulation technique)을 적용할 수 있다. 랜덤 샘플링은 학습 데이터 셋에서 학습되는 학습 데이터들의 순서가 다르다는 것을 의미한다.
규제화 기술은 노이즈까지 포함된 학습 데이터에 과도하게 학습된 딥 러닝 모델이 테스트나 진단에서 정확성이 오히려 떨어지는 오버피팅을 줄이는 기술이다. 규제화 기술은 예를 들어 드롭 아웃 기술이나 드롭 커넥티드 기술 등일 수 있다.
드롭 아웃 기술은 특정 노드에 대해 확률적으로 파라미터의 값을 0으로 지정하고 학습시키는 방법이다. 드롭 커넥티드 기술은 노드들 간의 커넥티드를 드롭하고 학습시키는 방법이다. 이하에서 규제화 기술로 이하에서, 드롭 아웃 기술을 예시적으로 설명하나, 현재 또는 장래에 오버피팅을 줄이는 어떠한 기술 또는 알고리즘일 수 있다.
딥 러닝 모델들(221)은 매우 유연한 비선형 알고리즘들(highly flexible nonlinear algorithms)을 사용한다. 따라서, 딥 러닝 모델들(221)의 결과값들은 큰 편차를 나타낼 수 있다. 딥 러닝 모델들(221)의 출력 결과들을 다수결 기반의 앙상블, 만장일치 기반의 앙상블, 불확실성 기반의 앙상블 중 하나 또는 둘 이상을 기초로 앙상블시킨 딥 러닝 모델들의 결과값, 즉 출력 결과들의 편차를 줄여줄 수 있다.
다시 말해 각 딥 러닝 모들들(221)은 학습방식, 예를 들어 샘플링 순서, 드롭 아웃의 랜덤성에 따라 내부 파라미터가 다르게 학습된다. 같은 데이터, 같은 딥 러닝 모델들을 사용하여 각각 학습하더라고 딥 러닝 모델 별로 다른 결과를 나타낼 수 있다. 따라서, 하나의 딥러닝 모델을 사용하는 것은 판단 착오의 위험이 따를 수 있습니다. 그러므로 본 실시예는 다양한 딥러닝 모델들을 생성하고 앙상블 기법을 통해 판단 착오의 위험을 최소화할 수 있다.
도 12는 다른 실시예에 따른 치과 의무 기록 장치의 블럭도이다.
도 12를 참조하면, 다른 실시예에 따른 치과 의무 기록 장치(200)는 환자의 구강에 대한 영상 이미지를 입력받는 입력부(210), 환자의 구강에 대한 영상 이미지를 판독하여 환자의 구강 상태에 대해 판단하고, 판단한 환자의 구상 상태를 텍스트 형식으로 또는 기호, 텍스트와 기호를 병행하여 예진 차트에 표기하는 제어부(220), 및 영상 이미지와 상기 차트를 표시하는 출력부(230)를 포함한다.
영상 이미지는 환자의 구강에 대한 방사선, 구간 카메라, 스캔 장치, 교합 체크 자료 중 하나 또는 둘 이상에 의해 획득한 파노라마 사진, 스캔 영상 또는 카메라 영상 중 하나일 수 있다.
환자의 구상 상태는, 치식, 치아 상태, 치아의 주변 구조 중 적어도 하나일 수 있다.
제어부(220)는 지속적으로 수집된 학습용 영상 이미지와 누적된 차트 자료를 이용하여 인공 지능을 지속적으로 학습시켜서 상기 인공 지능이 영상 이미지를 판독할 수 있다.
인공 지능은, 다층의 네트워크로 이루어진 심층 신경망(deep neural network)에서 다량의 데이터를 학습시킴으로서 입력값에 대한 특성(feature)을 자동으로 학습하고, 이를 통해 예측 정확도의 에러를 최소화하도록 상기 다층의 네트워크를 학습시켜, 영상 이미지를 판독할 수 있다.
표시부(230)는 영상 이미지의 특정한 치료 부위를 선택하면, 해당 치료 부위에 대한 정보를 표시하고, 해당 치료 부위의 이미지를 선택하면, 치료 요약 메모창이 표시되고, 상기 치료 요약 메모창을 선택하면 해당 치료 부위에 대한 차트가 출력된다.
예를 들어, 제어부(220)는 인공 지능을 통해 도 6에 도시한 영상 이미지를 판독한 후 치조골 소실이라는 환자의 치주 상태를 판단한다.
제어부(220)는 인공 지능을 통해 도 7a에 도시한 영상 이미지를 판독한 후 치아 우식이라는 환자의 치주 상태를 판단한다.
제어부(220)는 인공 지능을 통해 도 7b에 도시한 영상 이미지를 판독한 후 A 위치에 크라운으로 표기하고 B 위치에 인레이 또는 아말감으로 표기하고, C 위치에 포스트로 표기하고, D 위치에 근관이라고 표기한다.
표시부(230)에는, 해당 치료 부위에 대한 정보로, 도 8a에 도시한 바와 같이, "2020년 1월 2일 #44, 45 발치, 44 즉시 임플란트, 수납: 20만원"이 표시된다.
표시부(230)에는, 도 8b에 도시한 바와 같이, 해당 치료 부위의 이미지를 클릭하면 치료 요약 메모(e.g. 치료 제목, 날짜, 수납) 창이 표시되고, 치료 요약 메모 창을 클릭하면 해당 치료 부위에 대한 차트를 출력할 수 있다.
제어부(220)는, 개별적으로 입력된 정보 또는 누적된 차트 기록을 머신 러닝 모델, 딥 러닝 모델 등을 사용하는 인공 지능을 통해 지속적으로 학습하여, 예진 차트를 작성하는 정확성을 향상시킬 수 있다.
도 11을 참조하여 전술한 바와, 제어부(220)에서 사용될 수 있는 딥 러닝 모델(deep learning model, 221)은 인공 신경망을 다층 레이어로 쌓은 형태의 모델일 수 있다.
도 11을 참조하여 전술한 바와 같이, 딥 러닝 모델(221)은, 픽쳐 추출 영역(222)과, 출력 영역(224)을 포함한다. 딥 러닝 모델, 예를 들어 CNN 기반 딥 러닝 모델은 픽쳐 추출 영역(222)과 출력 영역(224)에서 각 개별 레이어에 존재하는 파라미터를 최적으로 학습시키는 것을 목표로 한다. 딥 러닝 모델(221)은 랜덤 샘플링(데이터 순서 랜덤)과 규제화 기술(regulation technique)을 적용할 수 있다. 딥 러닝 모델들(221)은 매우 유연한 비선형 알고리즘들(highly flexible nonlinear algorithms)을 사용한다.
전술한 치과 의무 기록 방법(100)는, 프로세서, 메모리, 사용자 입력장치, 프레젠테이션 장치 중 적어도 일부를 포함하는 컴퓨팅 장치에 의해 구현될 수 있다. 메모리는, 프로세서에 의해 실행되면 특정 태스크를 수행할 있도록 코딩되어 있는 컴퓨터-판독가능 소프트웨어, 애플리케이션, 프로그램 모듈, 루틴, 인스트럭션(instructions), 및/또는 데이터 등을 저장하는 매체이다. 프로세서는 메모리에 저장되어 있는 컴퓨터-판독가능 소프트웨어, 애플리케이션, 프로그램 모듈, 루틴, 인스트럭션, 및/또는 데이터 등을 판독하여 실행할 수 있다. 사용자 입력장치는 사용자로 하여금 프로세서에게 특정 태스크를 실행하도록 하는 명령을 입력하거나 특정 태스크의 실행에 필요한 데이터를 입력하도록 하는 수단일 수 있다. 사용자 입력장치는 물리적인 또는 가상적인 키보드나 키패드, 키버튼, 마우스, 조이스틱, 트랙볼, 터치-민감형 입력수단, 또는 마이크로폰 등을 포함할 수 있다. 프레젠테이션 장치는 디스플레이, 프린터, 스피커, 또는 진동장치 등을 포함할 수 있다.
컴퓨팅 장치는 스마트폰, 태블릿, 랩탑, 데스크탑, 서버, 클라이언트 등의 다양한 장치를 포함할 수 있다. 컴퓨팅 장치는 하나의 단일한 스탠드-얼론 장치일 수도 있고, 통신망을 통해 서로 협력하는 다수의 컴퓨팅 장치들로 이루어진 분산형 환경에서 동작하는 다수의 컴퓨팅 장치를 포함할 수 있다.
또한 전술한 치과 의무 기록 방법(100)는, 프로세서를 구비하고, 또한 프로세서에 의해 실행되면 딥 러닝 모델을 활용한 영상 진단 방법을 수행할 수 있도록 코딩된 컴퓨터 판독가능 소프트웨어, 애플리케이션, 프로그램 모듈, 루틴, 인스트럭션, 및/또는 데이터 구조 등을 저장한 메모리를 구비하는 컴퓨팅 장치에 의해 실행될 수 있다.
상술한 본 실시예들은 다양한 수단을 통해 구현될 수 있다. 예를 들어, 본 실시예들은 하드웨어, 펌웨어(firmware), 소프트웨어 또는 그것들의 결합 등에 의해 구현될 수 있다.
하드웨어에 의한 구현의 경우, 본 실시예들에 따른 딥 러닝 모델을 활용한 치과 의무 기록 방법(100)은 하나 또는 그 이상의 ASICs(Application Specific Integrated Circuits), DSPs(Digital Signal Processors), DSPDs(Digital Signal Processing Devices), PLDs(Programmable Logic Devices), FPGAs(Field Programmable Gate Arrays), 프로세서, 컨트롤러, 마이크로 컨트롤러 또는 마이크로 프로세서 등에 의해 구현될 수 있다.
예를 들어 실시예들에 따른 치과 의무 기록 방법(100)은 심층 신경망의 뉴런(neuron)과 시냅스(synapse)가 반도체 소자들로 구현된 인공지능 반도체 장치를 이용하여 구현될 수 있다. 이때 반도체 소자는 현재 사용하는 반도체 소자들, 예를 들어 SRAM이나 DRAM, NAND 등일 수도 있고, 차세대 반도체 소자들, RRAM이나 STT MRAM, PRAM 등일 수도 있고, 이들의 조합일 수도 있다.
실시예들에 따른 치과 의무 기록 방법(100)을 인공지능 반도체 장치를 이용하여 구현할 때, 딥 러닝 모델을 소프트웨어로 학습한 결과(가중치)를 어레이로 배치된 시냅스 모방소자에 전사하거나 인공지능 반도체 장치에서 학습을 진행할 수도 있다.
펌웨어나 소프트웨어에 의한 구현의 경우, 본 실시예들에 따른 치과 의무 기록 방법(100)은 이상에서 설명된 기능 또는 동작들을 수행하는 장치, 절차 또는 함수 등의 형태로 구현될 수 있다. 소프트웨어 코드는 메모리 유닛에 저장되어 프로세서에 의해 구동될 수 있다. 메모리 유닛은 상기 프로세서 내부 또는 외부에 위치하여, 이미 공지된 다양한 수단에 의해 프로세서와 데이터를 주고 받을 수 있다.
또한, 위에서 설명한 "시스템", "프로세서", "컨트롤러", "컴포넌트", "모듈", "인터페이스", "모델", 또는 "유닛" 등의 용어는 일반적으로 컴퓨터 관련 엔티티 하드웨어, 하드웨어와 소프트웨어의 조합, 소프트웨어 또는 실행 중인 소프트웨어를 의미할 수 있다. 예를 들어, 전술한 구성요소는 프로세서에 의해서 구동되는 프로세스, 프로세서, 컨트롤러, 제어 프로세서, 개체, 실행 스레드, 프로그램 및/또는 컴퓨터일 수 있지만 이에 국한되지 않는다. 예를 들어, 컨트롤러 또는 프로세서에서 실행 중인 애플리케이션과 컨트롤러 또는 프로세서가 모두 구성 요소가 될 수 있다. 하나 이상의 구성 요소가 프로세스 및/또는 실행 스레드 내에 있을 수 있으며, 구성 요소들은 하나의 장치(예: 시스템, 컴퓨팅 디바이스 등)에 위치하거나 둘 이상의 장치에 분산되어 위치할 수 있다.
한편, 또 다른 실시예는 전술한 치과 의무 기록 방법(100)을 수행하는, 컴퓨터 기록매체에 저장되는 컴퓨터 프로그램을 제공한다. 또한 또 다른 실시예는 전술한 치과 의무 기록 방법을 실현시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공한다.
기록매체에 기록된 프로그램은 컴퓨터에서 읽히어 설치되고 실행됨으로써 전술한 단계들을 실행할 수 있다.
이와 같이, 컴퓨터가 기록매체에 기록된 프로그램을 읽어 들여 프로그램으로 구현된 기능들을 실행시키기 위하여, 전술한 프로그램은 컴퓨터의 프로세서(CPU)가 컴퓨터의 장치 인터페이스(Interface)를 통해 읽힐 수 있는 C, C++, JAVA, 기계어 등의 컴퓨터 언어로 코드화된 코드(Code)를 포함할 수 있다.
이러한 코드는 전술한 기능들을 정의한 함수 등과 관련된 기능적인 코드(Function Code)를 포함할 수 있고, 전술한 기능들을 컴퓨터의 프로세서가 소정의 절차대로 실행시키는데 필요한 실행 절차 관련 제어 코드를 포함할 수도 있다.
또한, 이러한 코드는 전술한 기능들을 컴퓨터의 프로세서가 실행시키는데 필요한 추가 정보나 미디어가 컴퓨터의 내부 또는 외부 메모리의 어느 위치(주소 번지)에서 참조 되어야 하는지에 대한 메모리 참조 관련 코드를 더 포함할 수 있다.
또한, 컴퓨터의 프로세서가 전술한 기능들을 실행시키기 위하여 원격(Remote)에 있는 어떠한 다른 컴퓨터나 서버 등과 통신이 필요한 경우, 코드는 컴퓨터의 프로세서가 컴퓨터의 통신 모듈을 이용하여 원격(Remote)에 있는 어떠한 다른 컴퓨터나 서버 등과 어떻게 통신해야만 하는지, 통신 시 어떠한 정보나 미디어를 송수신해야 하는지 등에 대한 통신 관련 코드를 더 포함할 수도 있다.
이상에서 전술한 바와 같은 프로그램을 기록한 컴퓨터로 읽힐 수 있는 기록매체는, 일 예로, ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 미디어 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어, 인터넷을 통한 전송)의 형태로 구현되는 것도 포함할 수 있다.
또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
그리고, 본 발명을 구현하기 위한 기능적인(Functional) 프로그램과 이와 관련된 코드 및 코드 세그먼트 등은, 기록매체를 읽어서 프로그램을 실행시키는 컴퓨터의 시스템 환경 등을 고려하여, 본 발명이 속하는 기술분야의 프로그래머들에 의해 용이하게 추론되거나 변경될 수도 있다.
치과 의무 기록 방법(100)은, 컴퓨터에 의해 실행되는 애플리케이션이나 프로그램 모듈과 같은 컴퓨터에 의해 실행 가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.
전술한 치과 의무 기록 방법(100)은, 단말기에 기본적으로 설치된 애플리케이션(이는 단말기에 기본적으로 탑재된 플랫폼이나 운영체제 등에 포함된 프로그램을 포함할 수 있다)에 의해 실행될 수 있고, 사용자가 애플리케이션 스토어 서버, 애플리케이션 또는 해당 서비스와 관련된 웹 서버 등의 애플리케이션 제공 서버를 통해 마스터 단말기에 직접 설치한 애플리케이션(즉, 프로그램)에 의해 실행될 수도 있다. 이러한 의미에서, 전술한 녹내장 수술 결과 진단 방법은 단말기에 기본적으로 설치되거나 사용자에 의해 직접 설치된 애플리케이션(즉, 프로그램)으로 구현되고 단말기에 등의 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다. 전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims (12)

  1. 환자의 구강에 대한 영상 이미지를 판독하여 상기 환자의 구상 상태를 텍스트 형식으로 또는 기호, 상기 텍스트와 상기 기호를 병행하여 예진 차트에 표기하는 단계; 및
    상기 영상 이미지와 상기 예진 차트를 표시하는 단계를 포함하는 치과 의무 기록 방법.
  2. 제1항에 있어서,
    상기 영상 이미지는 환자의 구강에 대한 방사선, 구간 카메라, 스캔 장치, 교합 체크 자료 중 하나 또는 둘 이상에 의해 획득한 파노라마 사진, 스캔 영상 또는 카메라 영상 중 하나이고,
    상기 환자의 구상 상태는, 치식, 치아 상태, 치아의 주변 구조 중 적어도 하나인 치과 의무기록 방법.
  3. 제1항에 있어서,
    상기 예진 차트에 표기하는 단계에서,
    지속적으로 수집된 학습용 영상 이미지와 누적된 차트 자료를 이용하여 인공 지능을 지속적으로 학습시켜서 상기 인공 지능이 영상 이미지를 판독하는 치과 의무기록 방법.
  4. 제1항에 있어서,
    상기 인공 지능은, 다층의 네트워크로 이루어진 심층 신경망(deep neural network)에서 다량의 데이터를 학습시킴으로서 입력값에 대한 특성(feature)을 자동으로 학습하고, 이를 통해 예측 정확도의 에러를 최소화하도록 상기 다층의 네트워크를 학습시켜, 영상 이미지를 판독하는 치과 의무기록 방법.
  5. 제4항에 있어서,
    상기 인공지능은 입력된 이미지 영상에서 컨벌루션(convolution)과 서브샘플링(subsampling)을 수행하여 이미지 영상에 대한 픽쳐(feature)를 추출하는 픽쳐 추출 영역(feature extraction part)과, 추출된 픽쳐를 이용하여 상기 환자의 구상 상태를 텍스트 형식으로 또는 기호, 텍스트와 기호를 병행하여 예진 차트에 표기하는 출력 영역(output part)을 포함하는 딥 러닝 모델을 통해 상기 영상 이미지를 판독하는 치과 의무기록 방법.
  6. 제1항에 있어서,
    상기 영상 이미지와 상기 차트를 표시하는 단계에서,
    상기 영상 이미지의 특정한 치료 부위를 선택하면, 해당 치료 부위에 대한 정보를 표시하고, 해당 치료 부위의 이미지를 선택하면, 치료 요약 메모창이 표시되고, 상기 치료 요약 메모창을 선택하면 해당 치료 부위에 대한 차트가 출력되는 치과 의무기록 방법.
  7. 환자의 구강에 대한 영상 이미지를 입력받는 입력부;
    상기 환자의 구강에 대한 상기 영상 이미지를 판독하여 상기 환자의 구강 상태에 대해 판단하고, 판단한 상기 환자의 구상 상태를 텍스트 형식으로 또는 기호, 상기 텍스트와 상기 기호를 병행하여 예진 차트에 표기하는 제어부; 및
    상기 영상 이미지와 상기 차트를 표시하는 출력부를 포함하는 치과 의무 기록 장치.
  8. 제7항에 있어서,
    상기 영상 이미지는 환자의 구강에 대한 방사선, 구간 카메라, 스캔 장치, 교합 체크 자료 중 하나 또는 둘 이상에 의해 획득한 파노라마 사진, 스캔 영상 또는 카메라 영상 중 하나이고,
    상기 환자의 구상 상태는, 치식, 치아 상태, 치아의 주변 구조 중 적어도 하나인 치과 의무기록 장치.
  9. 제7항에 있어서,
    상기 제어부는, 지속적으로 수집된 학습용 영상 이미지와 누적된 차트 자료를 이용하여 인공 지능을 지속적으로 학습시켜서 상기 인공 지능이 영상 이미지를 판독하는 치과 의무기록 장치.
  10. 제7항에 있어서,
    상기 인공 지능은, 다층의 네트워크로 이루어진 심층 신경망(deep neural network)에서 다량의 데이터를 학습시킴으로서 입력값에 대한 특성(feature)을 자동으로 학습하고, 이를 통해 예측 정확도의 에러를 최소화하도록 상기 다층의 네트워크를 학습시켜, 영상 이미지를 판독하는 치과 의무기록 장치.
  11. 제10항에 있어서,
    상기 인공지능은 입력된 이미지 영상에서 컨벌루션(convolution)과 서브샘플링(subsampling)을 수행하여 이미지 영상에 대한 픽쳐(feature)를 추출하는 픽쳐 추출 영역(feature extraction part)과, 추출된 픽쳐를 이용하여 상기 환자의 구상 상태를 텍스트 형식으로 또는 기호, 텍스트와 기호를 병행하여 예진 차트에 표기하는 출력 영역(output part)을 포함하는 딥 러닝 모델을 통해 상기 영상 이미지를 판독하는 치과 의무기록 장치.
  12. 제9항에 있어서,
    상기 표시부는,
    상기 영상 이미지의 특정한 치료 부위를 선택하면, 해당 치료 부위에 대한 정보를 표시하고, 해당 치료 부위의 이미지를 선택하면, 치료 요약 메모창이 표시되고, 상기 치료 요약 메모창을 선택하면 해당 치료 부위에 대한 차트가 출력되는 치과 의무기록 장치.
KR1020200182812A 2020-01-13 2020-12-24 치과 의무 기록 장치 및 그 치과 의무 기록 방법 KR102392312B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
PCT/KR2021/000217 WO2021145607A1 (ko) 2020-01-13 2021-01-07 치과 의무 기록 장치 및 그 치과 의무 기록 방법
US17/792,271 US20230039451A1 (en) 2020-01-13 2021-01-07 Dental medical record device and dental medical record method thereof

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20200004128 2020-01-13
KR1020200004128 2020-01-13

Publications (2)

Publication Number Publication Date
KR20210091040A true KR20210091040A (ko) 2021-07-21
KR102392312B1 KR102392312B1 (ko) 2022-05-02

Family

ID=77143660

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200182812A KR102392312B1 (ko) 2020-01-13 2020-12-24 치과 의무 기록 장치 및 그 치과 의무 기록 방법

Country Status (1)

Country Link
KR (1) KR102392312B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102448169B1 (ko) * 2021-10-05 2022-09-28 세종대학교산학협력단 딥러닝 기반 치아 교정치료 결과 예측 방법 및 장치
WO2023080702A1 (ko) * 2021-11-04 2023-05-11 고려대학교 산학협력단 치과 진료기록 작성 자동화 및 치과 보험심사 자동화를 위한 방법 및 자동화된 치아차트 및 치과치료확인서 생성 및 검증 시스템

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102015224B1 (ko) 2018-09-18 2019-10-21 (주)제이엘케이인스펙션 딥러닝 기반의 뇌출혈 및 뇌종양 병변 진단 방법 및 장치
KR20190129247A (ko) 2018-05-10 2019-11-20 (주)비포덴트 치아진단 방법 및 치아진단용 전자 장치
KR20190142687A (ko) 2018-06-18 2019-12-27 오스템임플란트 주식회사 치아 영상 표시 방법, 치아 영상 표시 장치 및 기록매체

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190129247A (ko) 2018-05-10 2019-11-20 (주)비포덴트 치아진단 방법 및 치아진단용 전자 장치
KR20190142687A (ko) 2018-06-18 2019-12-27 오스템임플란트 주식회사 치아 영상 표시 방법, 치아 영상 표시 장치 및 기록매체
KR102015224B1 (ko) 2018-09-18 2019-10-21 (주)제이엘케이인스펙션 딥러닝 기반의 뇌출혈 및 뇌종양 병변 진단 방법 및 장치

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102448169B1 (ko) * 2021-10-05 2022-09-28 세종대학교산학협력단 딥러닝 기반 치아 교정치료 결과 예측 방법 및 장치
WO2023080702A1 (ko) * 2021-11-04 2023-05-11 고려대학교 산학협력단 치과 진료기록 작성 자동화 및 치과 보험심사 자동화를 위한 방법 및 자동화된 치아차트 및 치과치료확인서 생성 및 검증 시스템

Also Published As

Publication number Publication date
KR102392312B1 (ko) 2022-05-02

Similar Documents

Publication Publication Date Title
Mohammad-Rahimi et al. Deep learning for caries detection: A systematic review
US11553874B2 (en) Dental image feature detection
US11389131B2 (en) Systems and methods for processing of dental images
US20200364624A1 (en) Privacy Preserving Artificial Intelligence System For Dental Data From Disparate Sources
US11366985B2 (en) Dental image quality prediction platform using domain specific artificial intelligence
US11189028B1 (en) AI platform for pixel spacing, distance, and volumetric predictions from dental images
US20210118132A1 (en) Artificial Intelligence System For Orthodontic Measurement, Treatment Planning, And Risk Assessment
Bayrakdar et al. Deep-learning approach for caries detection and segmentation on dental bitewing radiographs
US20220180447A1 (en) Artificial Intelligence Platform for Dental Claims Adjudication Prediction Based on Radiographic Clinical Findings
US20210118129A1 (en) Dental Image Synthesis using Generative Adversarial Networks with Semantic Activation Blocks
KR102267197B1 (ko) 디지털 치아 영상에 치아 진료 데이터를 기록 및 표시하는 방법 및 장치
US20220012815A1 (en) Artificial Intelligence Architecture For Evaluating Dental Images And Documentation For Dental Procedures
US20200411167A1 (en) Automated Dental Patient Identification And Duplicate Content Extraction Using Adversarial Learning
US11276151B2 (en) Inpainting dental images with missing anatomy
US20210357688A1 (en) Artificial Intelligence System For Automated Extraction And Processing Of Dental Claim Forms
US20210358604A1 (en) Interface For Generating Workflows Operating On Processing Dental Information From Artificial Intelligence
US20200387829A1 (en) Systems And Methods For Dental Treatment Prediction From Cross- Institutional Time-Series Information
US20200411201A1 (en) Systems And Method For Artificial-Intelligence-Based Dental Image To Text Generation
US20200405242A1 (en) System And Methods For Restorative Dentistry Treatment Planning Using Adversarial Learning
KR102392312B1 (ko) 치과 의무 기록 장치 및 그 치과 의무 기록 방법
US20210353393A1 (en) Artificial Intelligence Platform for Determining Dental Readiness
Musri et al. Deep learning convolutional neural network algorithms for the early detection and diagnosis of dental caries on periapical radiographs: A systematic review
US20230039451A1 (en) Dental medical record device and dental medical record method thereof
Altukroni et al. Detection of the pathological exposure of pulp using an artificial intelligence tool: a multicentric study over periapical radiographs
Costin et al. The integration of artificial intelligence in dental practice

Legal Events

Date Code Title Description
A302 Request for accelerated examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant