KR20210122481A - 전자 차트 관리 방법, 전자 차트 관리 서버 및 기록 매체 - Google Patents

전자 차트 관리 방법, 전자 차트 관리 서버 및 기록 매체 Download PDF

Info

Publication number
KR20210122481A
KR20210122481A KR1020200039675A KR20200039675A KR20210122481A KR 20210122481 A KR20210122481 A KR 20210122481A KR 1020200039675 A KR1020200039675 A KR 1020200039675A KR 20200039675 A KR20200039675 A KR 20200039675A KR 20210122481 A KR20210122481 A KR 20210122481A
Authority
KR
South Korea
Prior art keywords
text
electronic chart
patient
user
management server
Prior art date
Application number
KR1020200039675A
Other languages
English (en)
Other versions
KR102376649B1 (ko
Inventor
이주영
최성민
최규옥
Original Assignee
오스템임플란트 주식회사
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 오스템임플란트 주식회사 filed Critical 오스템임플란트 주식회사
Priority to KR1020200039675A priority Critical patent/KR102376649B1/ko
Publication of KR20210122481A publication Critical patent/KR20210122481A/ko
Application granted granted Critical
Publication of KR102376649B1 publication Critical patent/KR102376649B1/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
    • 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
    • G06K9/00456
    • G06K9/00852
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10Character recognition
    • G06V30/22Character recognition characterised by the type of writing
    • G06V30/226Character recognition characterised by the type of writing of cursive writing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40Document-oriented image-based pattern recognition
    • G06V30/41Analysis of document content
    • G06V30/413Classification of content, e.g. text, photographs or tables

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

전자 차트 관리 방법, 전자 차트 관리 서버 및 기록 매체가 개시된다. 본 발명의 일실시예에 따른 전자 차트 관리 서버가 수행하는 전자 차트 관리 방법은 환자의 진료 기록에 대해 사용자의 필체로 작성된 텍스트가 표시된 종이 차트를 촬영한 사용자 단말로부터 상기 종이 차트의 촬영 이미지를 수신하는 단계; 광학 문자 인식을 이용하여 상기 촬영 이미지에 포함된 텍스트를 식별하는 단계; 상기 광학 문자 인식으로 식별되지 않은 텍스트가 있는 경우, 상기 촬영 이미지에서 상기 식별되지 않은 텍스트에 대응하는 학습 영역을 사용자 단말에 송신하는 단계; 상기 학습 영역에 대해 상기 사용자가 선택한 텍스트를 상기 사용자 단말로부터 수신하는 단계; 상기 광학 문자 인식을 통해 식별된 텍스트 및 상기 사용자가 선택한 텍스트를 상기 환자의 개인 정보 및 진료 기록에 따라 구분하는 단계; 및 상기 구분한 결과에 기초하여 상기 환자에 대한 전자 차트를 생성하는 단계를 포함할 수 있다.

Description

전자 차트 관리 방법, 전자 차트 관리 서버 및 기록 매체{Method, Apparatus and Recording For Computerizing Of Electro-Magnetic Resonance}
본 발명은 종이 차트의 전자 차트 변환 방법, 장치 및 기록매체에 관한 것으로, 보다 구체적으로는, OCR 스캔 기능에 머신 러닝을 적용하여 인쇄 및 필기로 작성된 종이 차트에 대한 이미지를 전자 차트에 등록하고 관리하는 기술에 관한 것이다.
최근에는 병원에서 환자의 기록을 관리함에 있어 종이 차트가 아닌 전자 차트를 이용하여 환자의 개인 정보 및 진료 정보들을 관리하고 있다. 그러나, 여전히 의사의 진료 과정이나 환자의 치료 과정에서 기록을 위해 종이 차트가 이용되는 경우가 있다.
종이 차트로 기록된 정보들은 전자 차트에 기록되는 정보들과 동기화되어 있지 않으므로, 종이 차트로 기록된 정보들을 전자 차트에 반영하는 기술이 요구된다. 기존에는 단순히 종이 차트를 이미지 형태로 전자 차트에 업로드했기 때문에 이미지에 포함된 텍스트를 다시 사용자가 직접 타이핑하여 전자 차트에 등록하는 과정을 거쳐야 하는 번거로움이 있어, 이를 해결하기 위한 기술이 요구된다.
본 발명은 이미지에서 텍스트를 추출하는 OCR 기능에 머신 러닝을 적용함으로써 인쇄 및 정자로 작성되거나 필기로 작성된 종이 차트의 내용을 인식하여 전자 차트로 변환하는 방법 및 장치를 제공한다.
또한, 본 발명은 전자 차트 변환 장치의 카메라를 이용하여 환자의 종이 차트를 전자 차트로 변환함으로써, 종이 차트를 스캔하기 위해 소요되는 시간을 최소화할 수 있는 방법 및 장치를 제공한다.
본 발명의 일실시예에 따른 전자 차트 관리 서버가 수행하는 전자 차트 관리 방법은 환자의 진료 기록에 대해 사용자의 필체로 작성된 텍스트가 표시된 종이 차트를 촬영한 사용자 단말로부터 상기 종이 차트의 촬영 이미지를 수신하는 단계; 광학 문자 인식을 이용하여 상기 촬영 이미지에 포함된 텍스트를 식별하는 단계; 상기 광학 문자 인식으로 식별되지 않은 텍스트가 있는 경우, 상기 촬영 이미지에서 상기 식별되지 않은 텍스트에 대응하는 학습 영역을 사용자 단말에 송신하는 단계; 상기 학습 영역에 대해 상기 사용자가 선택한 텍스트를 상기 사용자 단말로부터 수신하는 단계; 상기 광학 문자 인식을 통해 식별된 텍스트 및 상기 사용자가 선택한 텍스트를 상기 환자의 개인 정보 및 진료 기록에 따라 구분하는 단계; 및 상기 구분한 결과에 기초하여 상기 환자에 대한 전자 차트를 생성하는 단계를 포함할 수 있다.
상기 학습 영역과 상기 학습 영역에 대해 상기 사용자가 선택한 텍스트를 이용하여 상기 사용자의 필체를 인식하는 머신 러닝 모델을 트레이닝하는 단계를 더 포함할 수 있다.
상기 머신 러닝 모델을 트레이닝하는 단계는, 상기 학습 영역을 상기 머신 러닝 모델에 입력하여 텍스트를 추출하고, 추출된 텍스트를 상기 사용자가 선택한 텍스트와 비교함으로써 머신 러닝 모델에 포함된 파라미터를 업데이트하는 것을 특징으로 할 수 있다.
상기 종이 차트의 촬영 이미지를 수신하는 단계는, 전자 차트로 변환하기 위해 미리 결정된 종이 차트의 촬영 기준에 기초하여 촬영된 종이 차트의 촬영 이미지를 수신하는 것을 특징으로 할 수 있다.
상기 구분하는 단계는, 상기 식별된 텍스트 및 상기 사용자가 선택한 텍스트를 상기 전자 차트 관리 서버에 미리 등록된 상기 종이 차트의 양식에 기초하여 상기 환자의 개인 정보 및 진료 기록으로 구분하는 것을 특징으로 할 수 있다.
상기 식별하는 단계는, 상기 사용자의 필체로 작성된 텍스트가 상기 전자 차트 관리 서버에 미리 등록된 경우, 상기 등록된 텍스트와 상기 광학 문자 인식을 통해 상기 촬영 이미지에 포함된 텍스트를 식별하는 것을 특징으로 할 수 있다.
상기 생성하는 단계는, 상기 구분한 결과에 기초하여 상기 환자의 개인 정보에 대응되는 텍스트로 상기 전자 차트 관리 서버의 데이터베이스에서 상기 환자에 대한 전자 차트를 조회하는 것을 특징으로 할 수 있다.
상기 환자에 대한 전자 차트가 상기 데이터베이스에 없는 경우, 상기 환자에 대한 전자 차트를 생성하고, 상기 환자의 개인 정보 및 진료 기록을 상기 생성된 전자 차트에 추가하는 단계를 더 포함할 수 있다.
상기 환자에 대한 전자 차트가 상기 데이터베이스에 있는 경우, 상기 환자의 개인 정보 및 진료 기록으로 상기 전자 차트를 업데이트하는 단계를 더 포함할 수 있다.
본 발명의 다른 실시예에 따른 전자 차트 관리 서버가 수행하는 전자 차트 관리 방법은 환자의 진료 기록에 대해 사용자의 필체로 작성된 텍스트가 표시된 종이 차트를 촬영한 사용자 단말로부터 상기 종이 차트의 촬영 이미지를 수신하는 단계; 광학 문자 인식을 이용하여 상기 촬영 이미지에 포함된 텍스트를 식별하는 단계; 상기 광학 문자 인식으로 식별되지 않은 텍스트가 있는 경우, 미리 트레이닝된 머신 러닝 모델을 이용하여 상기 식별되지 않은 텍스트를 인식하는 단계; 상기 광학 문자 인식을 통해 식별된 텍스트 및 상기 머신 러닝 모델을 통해 인식된 텍스트를 상기 환자의 개인 정보 및 진료 기록에 따라 구분하는 단계; 및 상기 구분한 결과에 기초하여 상기 환자에 대한 전자 차트를 생성하는 단계를 포함할 수 있다.
상기 머신 러닝 모델은, 상기 사용자의 필체로 작성된 텍스트와 상기 사용자의 필체로 작성된 텍스트에 대해 상기 사용자가 선택한 텍스트를 이용하여 학습된 것을 특징으로 할 수 있다.
상기 텍스트를 인식하는 단계는, 상기 머신 러닝 모델에 의해 상기 식별되지 않은 텍스트의 후보로 결정된 복수의 텍스트를 획득하고, 상기 후보로 결정된 복수의 텍스트들을 상기 사용자 단말에 송신하는 것을 특징으로 할 수 있다.
상기 후보로 결정된 복수의 텍스트들 중 사용자가 선택한 텍스트를 상기 사용자 단말로부터 수신하는 것을 단계를 더 포함할 수 있다.
상기 구분하는 단계는, 상기 광학 문자 인식으로 인식된 텍스트 및 상기 사용자가 선택한 텍스트를 상기 환자의 개인 정보 및 진료 기록에 따라 구분하는 것을 특징으로 할 수 있다.
본 발명의 일실시예에 따른 전자 차트 관리 방법을 수행하는 전자 차트 관리 서버는 상기 전자 차트 관리 서버는 프로세서를 포함하고, 상기 프로세서는, 환자의 진료 기록에 대해 사용자의 필체로 작성된 텍스트가 표시된 종이 차트를 촬영한 사용자 단말로부터 상기 종이 차트의 촬영 이미지를 수신하고, 광학 문자 인식을 이용하여 상기 촬영 이미지에 포함된 텍스트를 식별하고, 상기 광학 문자 인식으로 식별되지 않은 텍스트가 있는 경우, 상기 촬영 이미지에서 상기 식별되지 않은 텍스트에 대응하는 학습 영역을 사용자 단말에 송신하고, 상기 학습 영역에 대해 상기 사용자가 선택한 텍스트를 상기 사용자 단말로부터 수신하고, 상기 광학 문자 인식을 통해 식별된 텍스트 및 상기 사용자가 선택한 텍스트를 상기 환자의 개인 정보 및 진료 기록에 따라 구분하고, 상기 구분한 결과에 기초하여 상기 환자에 대한 전자 차트를 생성할 수 있다.
본 발명의 다른 실시예에 따른 전자 차트 관리 방법을 수행하는 전자 차트 관리 서버에 있어서, 상기 전자 차트 관리 서버는 프로세서를 포함하고, 상기 프로세서는, 환자의 진료 기록에 대해 사용자의 필체로 작성된 텍스트가 표시된 종이 차트를 촬영한 사용자 단말로부터 상기 종이 차트의 촬영 이미지를 수신하고, 광학 문자 인식을 이용하여 상기 촬영 이미지에 포함된 텍스트를 식별하고, 상기 광학 문자 인식으로 식별되지 않은 텍스트가 있는 경우, 미리 트레이닝된 머신 러닝 모델을 이용하여 상기 식별되지 않은 텍스트를 인식하고, 상기 광학 문자 인식을 통해 식별된 텍스트 및 상기 머신 러닝 모델을 통해 인식된 텍스트를 상기 환자의 개인 정보 및 진료 기록에 따라 구분하고, 상기 구분한 결과에 기초하여 상기 환자에 대한 전자 차트를 생성할 수 있다.
본 발명의 일실시예에 따르면 이미지에서 텍스트를 추출하는 OCR 기능에 머신 러닝을 적용함으로써 인쇄 및 정자로 작성되거나 필기로 작성된 종이 차트의 내용을 인식하여 전자 차트로 변환할 수 있다.
또한, 본 발명의 일실시예에 따르면 전자 차트 변환 장치의 카메라를 이용하여 환자의 종이 차트를 전자 차트로 변환함으로써, 종이 차트를 스캔하기 위해 소요되는 시간을 최소화할 수 있다.
그리고, 본 발명의 일실시예에 따르면 전자 차트 변환 장치가 텍스트를 학습함에 있어 인식하지 못한 내용을 사용자가 지정한 텍스트로 학습하도록 함으로써 사용자의 필체를 학습하고 인식할 수 있다.
도 1은 본 발명의 일실시예에 따른 전자 차트 관리 서버를 도시한 도면이다.
도 2는 본 발명의 일실시예에 따른 종이 차트를 전자 차트로 변환하는 과정을 도시한 도면이다.
도 3은 본 발명의 일실시예에 따른 종이 차트에서 인식되지 않는 텍스트가 있는 경우 처리하는 과정을 도시한 도면이다.
도 4는 본 발명의 일실시예에 따른 머신 러닝 모델의 입출력 예시를 도시한 도면이다.
도 5는 본 발명의 일실시예에 따른 종이 차트의 촬영 이미지를 수신하는 과정을 도시한 도면이다.
도 6는 본 발명의 일실시예에 따른 종이 차트가 전자 차트에 등록된 화면과 종이 차트의 변환을 위한 양식을 도시한 도면이다.
도 7은 본 발명의 일실시예에 따른 전자 차트 상에서 촬영 이미지가 등록된 모습을 도시한 도면이다.
도 8은 본 발명의 일실시예에 따른 전자 차트 관리 방법의 플로우 차트를 도시한 도면이다.
도 9는 본 발명의 다른 실시예에 따른 전자 차트 관리 방법의 플로우 차트를 도시한 도면이다.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.
실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일실시예에 따른 전자 차트 관리 서버를 도시한 도면이다.
본 발명은 병원에서 환자의 진료 기록을 관리하기 위해 이용되는 종이 차트(103)를 전자 차트로 변환하여 전자 차트 관리 서버(101)를 통해 일괄적으로 관리하기 위한 발명이다.
구체적으로, 종이 차트(103)는 환자의 개인 정보 및 환자의 진료 기록과 연관된 텍스트 및 종이 차트(103)의 항목이나 양식과 관련된 텍스트를 포함하고 있다. 이 때, 환자의 개인 정보 또는 환자의 진료 기록과 연관된 텍스트는 사용자의 필체로 작성된 텍스트일 수 있다. 또한, 종이 차트(103)의 항목이나 양식과 관련된 텍스트는 인쇄된 텍스트일 수 있다.
사용자 단말(102)은 카메라(105)와 같은 촬영 장치를 포함할 수 있고, 전자 차트 관리 서버(101)와 연동되는 어플리케이션(106)을 포함할 수 있다. 이 때, 사용자 단말(102)은 스마트폰, 태블릿, 노트북, PC 등 프로세서를 포함하고, 전자 차트 관리 서버(101)와 통신할 수 있는 통신 단말이다. 사용자 단말(102)은 카메라로 종이 차트(103)를 촬영하고, 어플리케이션(106)을 통해 종이 차트(103)의 촬영 이미지(104)를 전자 차트 관리 서버(101)에 송신할 수 있다.
전자 차트 관리 서버(101)는 데스크탑, 노트북 등 프로세서 및 환자의 진료 기록을 저장하기 위한 데이터베이스를 포함하고, 사용자 단말(102)과 통신할 수 있는 통신 단말이다. 전자 차트 관리 서버(101)에 포함된 프로세서는 본 발명의 전자 차트 관리 방법을 수행할 수 있다. 전자 차트 관리 서버(101)는 수신한 촬영 이미지(104)로부터 텍스트를 추출하고, 추출된 텍스트를 이용하여 환자에 대한 전자 차트를 생성하거나 업데이트할 수 있다.
촬영 이미지(104)는 촬영된 종이 차트(103)가 포함된 이미지이다. 촬영 이미지(104)에 포함된 종이 차트(103)의 텍스트는 사용자 단말(102)의 촬영 각도, 초점, 화질 및 위치 등 촬영 환경에 따라 왜곡될 수 있다. 따라서, 촬영 이미지(104)는 종이 차트(103)를 전자 차트로 변환함에 있어 텍스트의 인식률을 높이기 위해 일정한 촬영 기준에 따라 촬영된 이미지일 수 있다.
일례로, 촬영 이미지(104)는 사용자 단말(102)이 종이 차트(103)를 일정 거리 이상 떨어진 위치에서 촬영한 이미지일 수 있다. 또는, 촬영 이미지(104)는 사용자 단말(102)이 정면에서 종이 차트(103)의 전체 모습이 촬영 이미지(104)에 포함되도록 촬영한 이미지일 수 있다. 구체적인 예시는 도 5에서 추가로 후술한다.
어플리케이션(106)은 사용자 단말(102)에 설치된 프로그램으로서, 전자 차트 관리 서버(101)와 연동되어 전자 차트 관리 서버(101)의 데이터베이스에 저장된 환자 별 진료 기록 등을 사용자에 제공할 수 있다. 어플리케이션(106)은 사용자로부터 환자에 대한 이름 또는 차트번호와 같은 개인 정보를 입력 받고, 입력 받은 개인 정보에 대한 전자 차트를 전자 차트 관리 서버(101)로부터 수신하여 사용자에게 전자 차트를 제공할 수 있다.
또는, 어플리케이션(106)은 촬영 이미지(104)를 전자 차트 서버에 송신하고, 전자 차트 서버가 수신한 촬영 이미지(104)를 이용하여 추출한 환자의 개인 정보에 대응하는 전자 차트를 사용자 단말(102)에 송신할 수 있다. 어플리케이션(106)은 전자 차트 관리 서버(101)로부터 수신한 전자 차트를 화면에 표시함으로써 사용자에게 전자 차트를 제공할 수 있다.
사용자는 어플리케이션(106)을 통해 직접 전자 차트의 내용을 수정할 수 있다. 전자 차트 관리 서버(101)는 사용자 단말(102)로부터 수신한 전자 차트의 수정 사항에 따라 데이터베이스를 업데이트할 수 있다. 데이터베이스는 환자의 진료 기록들을 환자의 개인 정보 별로 구분하여 저장하고 있다.
전자 차트 관리 서버(101)는 촬영 이미지(104)에서 텍스트를 추출함에 있어 광학 문자 인식(Optical Character Recognition, OCR)을 이용한다. 그리고, 전자 차트 관리 서버(101)는 OCR 뿐만 아니라 머신 러닝(Machine learning)을 이용하여 텍스트를 인식할 수 있다. 전자 차트 관리 서버(101)는 인쇄된 텍스트 뿐만 아니라 사용자의 필체를 학습한 머신 러닝 모델을 통해 사용자의 필체로 작성된 텍스트를 인식할 수 있다. 텍스트를 추출 및 인식하는 구체적인 과정은 도 2 내지 도 4에서 후술한다.
전자 차트 관리 서버(101)는 광학 문자 인식 또는 머신 러닝을 통해 획득한 텍스트를 환자의 개인 정보 및 진료 기록에 따라 구분할 수 있다. 일례로, 전자 차트 관리 서버(101)에 종이 차트(103)의 양식이 파일 형태로 등록되어 있을 수 있다. 전자 차트 관리 서버(101)는 등록된 종이 차트(103)의 양식과 촬영 이미지(104)를 매칭하고, 획득한 텍스트의 위치에 기초하여 종이 차트(103)의 각 항목에 획득한 텍스트를 매핑할 수 있다.
예를 들어, 종이 차트(103)에 차트 번호 및 환자 이름이라는 항목과 그 항목에 대한 내용이 기재되어 있는 경우, 전자 차트 관리 서버(101)는 종이 차트(103)를 포함한 촬영 이미지(104)와 등록된 종이 차트(103)의 양식을 매칭함으로써 촬영 이미지(104)에서 차트 번호 및 환자 이름에 대한 항목의 영역을 결정할 수 있다. 전자 차트 관리 서버(101)는 결정된 영역에서 광학 문자 인식 또는 머신 러닝을 통해 획득한 텍스트를 차트 번호 및 환자 이름에 대응하는 텍스트로 구분할 수 있다.
그리고, 종이 차트(103)의 양식이 여러 종류가 있는 경우, 전자 차트 관리 서버(101)는 사용자로부터 선택된 종이 차트(103)의 양식을 사용자 단말(102)로부터 수신하고, 사용자로부터 선택된 종이 차트(103)의 양식과 촬영 이미지(104)를 매칭함으로써 광학 문자 인식 또는 머신 러닝을 통해 획득한 텍스트를 환자의 개인 정보 및 진료 기록에 따라 구분할 수 있다.
또는, 전자 차트 관리 서버(101)는 촬영 이미지(104)와 데이터베이스에 저장된 종이 차트(103)의 양식들을 비교함으로써 촬영 이미지(104)에 포함된 종이 차트(103)의 양식을 결정하고, 결정한 종이 차트(103)의 양식과 촬영 이미지(104)를 매칭함으로써 광학 문자 인식 또는 머신 러닝을 통해 획득한 텍스트를 환자의 개인 정보 및 진료 기록에 따라 구분할 수 있다.
다른 예로, 전자 차트 관리 서버(101)는 일정한 촬영 기준으로 촬영된 촬영 이미지(104)에서 광학 문자 인식 또는 머신 러닝을 수행할 영역을 미리 설정할 수 있다. 미리 설정된 영역은 종이 차트(103)의 항목과 매핑될 수 있다.
전자 차트 관리 서버(101)는 수신한 촬영 이미지(104)에서 미리 설정된 영역에 포함된 텍스트를 추출할 수 있다. 전자 차트 관리 서버(101)는 추출한 텍스트를 환자의 이름, 차트 번호와 같은 항목으로 매핑함으로써 광학 문자 인식 또는 머신 러닝을 통해 획득한 텍스트를 환자의 개인 정보 및 진료 기록에 따라 구분할 수 있다.
전자 차트 관리 서버(101)는 구분한 결과에 기초하여 환자에 대한 전자 차트를 생성할 수 있다. 구체적으로, 전자 차트 관리 서버(101)는 환자의 개인 정보로 구분된 텍스트를 데이터베이스에 조회함으로써 환자의 전자 차트가 등록되어 있는지 판단할 수 있다.
일례로, 환자에 대한 전자 차트가 조회되지 않는 경우, 전자 차트 관리 서버(101)는 환자의 개인 정보에 대응하는 전자 차트를 생성하고, 환자의 진료 기록으로 구분된 텍스트를 이용하여 전자 차트의 내용을 추가할 수 있다. 그리고, 환자에 대한 전자 차트가 조회되는 경우, 전자 차트 관리 서버는 환자의 진료 기록으로 구분된 텍스트를 이용하여 전자 차트를 업데이트할 수 있다.
그리고, 전자 차트 관리 서버(101)는 수신한 촬영 이미지(104)를 환자의 전자 차트에 이미지 파일로 저장할 수 있다.
도 2는 본 발명의 일실시예에 따른 종이 차트를 전자 차트로 변환하는 과정을 도시한 도면이다.
도 2를 참조하면, 종이 차트(201)는 차트 번호, 초진 일자, 환자의 주요 증상 등에 대한 항목과 항목에 대응되는 내용을 포함하고 있다. 구체적으로, 종이 차트(201)는 차트 번호, 초진 일자와 같이 항목과 관련된 텍스트 및 각 항목의 내용에 대응하는 텍스트를 포함한다.
도 2를 참조하면, 202는 사용자 단말이 종이 차트(201)를 촬영하여 촬영 이미지를 획득한 도면이다. 앞서 설명한 것처럼, 촬영 이미지는 일정한 촬영 기준에 따라 촬영된 이미지일 수 있다. 사용자 단말은 촬영 이미지를 전자 차트 서버에 송신한다.
전자 차트 관리 서버는 광학 문자 인식을 이용하여 수신한 촬영 이미지에 포함된 텍스트를 식별한다. 다만, 종이 차트(201)에는 인쇄된 텍스트와 같이 정자로 쓰인 텍스트 뿐만 아니라 사용자의 필체로 작성된 텍스트들이 포함되어 있을 수 있다.
특히, 사용자가 필기한 텍스트는 사용된 펜, 사용자의 필체 등 여러 요인에 따라 다양한 형태를 가질 수 있기 때문에 사용자가 필기한 텍스트 중 광학 문자 인식으로 식별되지 않는 텍스트가 있을 수 있다.
광학 문자 인식으로 식별되지 않은 텍스트가 있는 경우, 전자 차트 관리 서버는 촬영 이미지에서 식별되지 않은 텍스트에 대응하는 학습 영역을 사용자 단말에 송신할 수 있다. 학습 영역은 촬영 이미지의 일부로서 인식되지 않은 텍스트에 대응하는 이미지를 의미하고, 사용자의 필체를 인식하는 머신 러닝 모델의 학습 대상이 된다.
구체적으로, 전자 차트 관리 서버는 학습 영역을 사용자 단말에 송신하고, 사용자 단말은 수신한 학습 영역을 화면에 인식되지 않은 텍스트로 표시할 수 있다. 사용자는 학습 영역에 대응하는 텍스트를 선택할 수 있다. 즉, 사용자는 학습 영역에 대응하는 텍스트를 사용자 단말에 입력하고, 사용자 단말은 입력 받은 텍스트를 전자 차트 관리 서버에 송신할 수 있다.
전자 차트 관리 서버는 사용자 단말로부터 수신한 텍스트와 광학 문자 인식으로 식별한 텍스트를 환자의 개인 정보 및 진료 기록에 따라 구분할 수 있다. 환자의 개인 정보 및 진료 기록에 따라 구분하는 구체적인 방법은 위에서 상술한 바와 같다.
도 2의 203은, 전자 차트 관리 서버에서 광학 문자 인식을 사용하거나 사용자가 선택한 텍스트를 통해 종이 차트(201)의 텍스트를 인식하고, 인식한 텍스트를 환자의 개인 정보 및 진료 기록과 같은 종이 차트(201)의 항목 별로 구분한 결과를 사용자 단말에 송신함으로써, 종이 차트(201)의 항목에 따라 인식된 텍스트가 사용자 단말에 표시된 모습을 도시한 도면이다.
전자 차트 관리 서버는 광학 문자 인식을 수행함에 있어, 사용자의 필체로 작성된 텍스트들이 미리 등록된 경우, 등록된 텍스트들을 이용할 수 있다. 구체적으로, 사용자는 사용자 단말을 통해 사용자의 필체로 작성된 텍스트를 촬영하여 획득한 필체 이미지에 대응하는 텍스트를 대응하는 텍스트를 사용자 단말에 입력할 수 있다. 필체 이미지는 치식과 관련된 텍스트를 포함할 수 있다.
사용자 단말은 필체 이미지와 입력된 텍스트를 전자 차트 관리 서버에 송신하고, 전자 차트 관리 서버는 수신한 필체 이미지 및 필체 이미지에 대응하는 텍스트를 데이터베이스에 저장할 수 있다. 데이터베이스는 사용자 별로 필체 이미지 및 필체 이미지에 대응하는 텍스트를 저장하고 있을 수 있다.
전자 차트 관리 서버는 광학 문자 인식을 수행함에 있어, 데이터베이스에 사용자의 필체 이미지 및 필체 이미지에 대응하는 텍스트가 등록되어 있는 경우, 촬영 이미지와 필체 이미지를 비교함으로써 촬영 이미지에서 텍스트를 식별할 수 있다.
도 2의 204는, 전자 차트 관리 서버가 사용자 단말로부터 식별되지 않은 텍스트에 대해 사용자가 선택한 텍스트와 광학 문자 인식으로 식별한 텍스트를 환자의 개인 정보 및 진료 기록에 따라 구분한 결과에 기초하여 전자 차트를 생성한 결과를 도시한 도면이다.
전자 차트 관리 서버는 종이 차트(201)에서 식별한 텍스트를 환자의 개인 정보 및 진료 기록에 따라 구분하여 환자의 개인 정보에 대응하는 텍스트를 데이터베이스에 조회한다. 전자 차트 관리 서버는 조회된 결과에 따라 전자 차트를 새롭게 생성하거나, 조회된 전차 차트에 식별한 텍스트를 추가하거나 업데이트할 수 있다.
도 3은 본 발명의 일실시예에 따른 종이 차트에서 인식되지 않는 텍스트가 있는 경우 처리하는 과정을 도시한 도면이다.
도 3의 310은 종이 차트에서 광학 문자 인식으로 인식되지 않는 텍스트가 있는 경우, 사용자 단말에 표시되는 화면을 도시한 도면이다. 구체적으로, 종이 차트에서 광학 문자 인식으로 인식되지 않는 텍스트가 있는 경우, 전자 차트 관리 서버는 촬영 이미지에서 인식되지 않은 텍스트에 대응하는 학습 영역을 사용자 단말에 송신한다.
도 3의 310에서처럼 사용자 단말은 수신한 학습 영역을 인식 불가한 것으로 표시할 수 있다. 사용자는 학습 영역에 대응하는 텍스트를 선택할 수 있다. 사용자는 학습 영역에 대응하는 텍스트를 사용자 단말에 입력하고, 사용자 단말은 입력 받은 텍스트를 전자 차트 관리 서버에 송신할 수 있다.
전자 차트 관리 서버는 학습 영역과 그에 대응하여 사용자가 입력한 텍스트를 이용하여 사용자의 필체를 인식하는 머신 러닝 모델을 트레이닝할 수 있다. 머신 러닝 모델은 머신 러닝 기술 또는 딥러닝(Deep learning)을 이용하여 구현된다.
예를 들어, 본 발명의 머신 러닝 모델은 SVM(Support Vector Machine)이나 CNN(Convolutional Neural Network), RNN(Recurrent Neural Network) 등을 이용하여 구현될 수 있다. 본 발명의 머신 러닝 모델을 구현하는 방법은 위 기재한 예시에 한정되지 않는다.
머신 러닝 모델은 입력 이미지를 처리하기 위한 파라미터를 포함할 수 있다. 전자 차트 관리 서버는 학습 영역을 머신 러닝 모델에 입력하여 파라미터와 연산을 통해 학습 영역에 대응하는 텍스트를 추출한다.
그리고, 전자 차트 관리 서버는 추출된 텍스트를 학습 영역에 대해 사용자가 선택한 텍스트와 비교함으로써 머신 러닝 모델에 포함된 파라미터를 업데이트함으로써 머신 러닝 모델을 학습시킬 수 있다. 구체적으로, 전자 차트 관리 서버는 추출된 텍스트를 학습 영역에 대해 사용자가 선택한 텍스트와 동일하도록, 반복적으로 머신 러닝 모델에 포함된 파라미터를 업데이트할 수 있다.
그리고, 본 발명의 다른 실시예에 따른 전자 차트 관리 서버는, 사용자 단말로부터 수신한 촬영 이미지에서 광학 문자 인식을 통해 식별되지 않는 텍스트가 있는 경우, 위 과정을 통해 사용자의 필체를 학습한 머신 러닝 모델을 이용하여 식별되지 않은 텍스트를 인식할 수 있다.
그리고, 전자 차트 관리 서버는 광학 문자 인식을 통해 식별된 텍스트 및 머신 러닝 모델을 통해 인식된 텍스트를 환자의 개인 정보 및 진료 기록에 따라 구분하여 환자에 대한 전자 차트를 생성할 수 있다.
일례로, 전자 차트 관리 서버는 식별되지 않는 텍스트에 대응하는 학습 영역을 머신 러닝 모델에 입력함으로써 식별되지 않은 텍스트의 후보들을 결정할 수 있다. 전자 차트 관리 서버는 후보로 결정된 복수의 텍스트들을 사용자 단말에 송신할 수 있다.
머신 러닝 모델은 학습 영역으로부터 식별되지 않는 텍스트와 가장 가까운 텍스트들을 결정할 수 있다. 구체적으로, 머신 러닝 모델은 이전에 학습된 결과들을 이용하여 식별되지 않은 텍스트의 형상과 가장 유사한 형상을 가지는 텍스트를 생성할 수 있다. 일례로, 머신 러닝 모델은 식별되지 않은 텍스트의 형상이 일정 비율 이상 유사하거나, 식별되지 않은 텍스트의 특징(예: 원을 포함, 사각형을 포함)이 공통되는 텍스트들을 결정할 수 있다.
사용자 단말은 후보로 결정된 복수의 텍스트들을 화면에 표시하고, 후보들 중 사용자로부터 선택된 텍스트 또는 사용자가 직접 입력한 텍스트를 전자 차트 관리 서버에 송신한다. 도 3의 320은 사용자 단말이 후보로 결정된 복수의 텍스트들을 화면에 표시한 것을 도시한 도면이다.
전자 차트 관리 서버는 광학 문자 인식을 통해 식별된 텍스트, 사용자로부터 선택된 텍스트 또는 사용자가 직접 입력한 텍스트를 환자의 개인 정보 및 진료 기록에 따라 구분하여 환자에 대한 전자 차트를 생성할 수 있다.
본 발명의 일실시예에 따르면, 사용자 단말은 환자의 진료 기록에 대해 사용자의 필체로 작성된 텍스트가 표시된 종이 차트를 촬영한 사용자 단말로부터 종이 차트의 촬영 이미지를 획득하고, 광학 문자 인식을 이용하여 촬영 이미지에 포함된 텍스트를 식별할 수 있다.
그리고, 광학 문자 인식으로 식별되지 않은 텍스트가 있는 경우, 촬영 이미지에서 식별되지 않은 텍스트에 대응하는 학습 영역을 사용자 단말의 디스플레이에 표시할 수 있다.
사용자 단말은 사용자가 디스플레이를 통해 입력하거나 선택한 텍스트를 획득할 수 있다. 사용자 단말은 광학 문자 인식을 통해 식별된 텍스트 및 사용자가 선택한 텍스트를 전자 차트 관리 서버에 송신할 수 있다.
전자 차트 관리 서버는 사용자 단말로부터 수신한 텍스트들을 환자의 개인 정보 및 진료 기록에 따라 구분하고, 구분한 결과에 기초하여 환자에 대한 전자 차트를 생성할 수 있다.
그리고, 사용자 단말은 광학 문자 인식으로 식별되지 않은 텍스트가 있는 경우, 촬영 이미지에서 식별되지 않은 텍스트에 대응하는 학습 영역을 전자 차트 관리 서버에 송신할 수 있다. 전자 차트 관리 서버는 수신한 학습 영역과 사용자가 선택한 텍스트를 이용하여 머신 러닝 모델을 트레이닝할 수 있다.
또는, 사용자 단말은 머신 러닝 모델을 포함할 수 있고, 식별되지 않은 텍스트에 대응하는 학습 영역과 사용자가 선택한 텍스트를 이용하여 머신 러닝 모델을 트레이닝할 수 있다. 이 때, 사용자 단말은 트레이닝된 머신 러닝 모델을 이용하여 종이 차트에서 OCR로 인식되지 않는 텍스트를 인식할 수 있다.
도 4는 본 발명의 일실시예에 따른 머신 러닝 모델의 입출력 예시를 도시한 도면이다.
전자 차트 관리 서버는, 사용자 단말로부터 수신한 촬영 이미지에서 광학 문자 인식을 통해 식별되지 않는 텍스트가 있는 경우, 사용자의 필체를 학습한 머신 러닝 모델을 이용하여 식별되지 않은 텍스트를 인식할 수 있다.
도 4를 참조하면, 사용자 마다 상이한 필체를 가지기 때문에, 전자 차트 관리 서버(400)는 사용자 별로 별도의 머신 러닝 모델(411, 421, 431)을 포함할 수 있다. 도 4에서 각 머신 러닝 모델(411, 421, 431)은 대응되는 사용자의 필체를 학습한 머신 러닝 모델이다.
일례로, 도 4를 참조하면, 사용자 A, B, C가 동일하게 'a'라는 텍스트를 필체로 작성할 때 410, 420, 430과 같이 서로 다른 모양일 수 있다. 그러나, 전자 차트 관리 서버(400)는 사용자 별로 학습된 머신 러닝 모델(411, 421, 431)을 포함하기 때문에, 410, 420, 430과 같은 'a'에 대한 서로 다른 형상이나 모양의 이미지가 입력되더라도 'a'라는 동일한 텍스트(412, 422, 432)를 출력할 수 있다.
전자 차트 관리 서버는 광학 문자 인식을 통해 식별된 텍스트 및 머신 러닝 모델을 통해 인식된 텍스트를 환자의 개인 정보 및 진료 기록에 따라 구분하여 환자에 대한 전자 차트를 생성할 수 있다.
전자 차트 관리 서버는 구분한 결과에 기초하여 환자에 대한 전자 차트를 생성할 수 있다. 구체적으로, 전자 차트 관리 서버는 환자의 개인 정보로 구분된 텍스트를 데이터베이스에 조회함으로써 환자의 전자 차트가 등록되어 있는지 판단할 수 있다.
일례로, 환자에 대한 전자 차트가 조회되지 않는 경우, 전자 차트 관리 서버는 환자의 개인 정보에 대응하는 전자 차트를 생성하고, 환자의 진료 기록으로 구분된 텍스트를 이용하여 전자 차트의 내용을 추가할 수 있다. 그리고, 환자에 대한 전자 차트가 조회되는 경우, 환자의 진료 기록으로 구분된 텍스트를 이용하여 전자 차트를 업데이트할 수 있다.
도 5는 본 발명의 일실시예에 따른 종이 차트의 촬영 이미지를 수신하는 과정을 도시한 도면이다.
사용자는 사용자 단말을 통해 종이 차트(501)을 촬영하여 촬영 이미지를 획득할 수 있다. 촬영 이미지에 포함된 종이 차트(501)의 텍스트는 사용자 단말의 촬영 각도, 초점, 화질 및 위치 등 촬영 환경에 따라 왜곡될 수 있다. 따라서, 촬영 이미지는 종이 차트(501)를 전자 차트로 변환함에 있어 텍스트의 인식률을 높이기 위해 일정한 촬영 기준에 따라 촬영된 이미지일 수 있다.
도 5의 (a)는 사용자 단말의 카메라를 통해 종이 차트(501)가 촬영되는 과정을 도시한 도면이다. 도 5의 (a)를 참조하면, 사용자 단말에 종이 차트(501)의 일부만이 표시되어 있어, 전자 차트 관리 서버는 촬영 이미지로부터 전자 차트를 생성하는데 어려움이 발생할 수 있다.
도 5의 (b)는 일정한 촬영 기준에 따라 종이 차트(501)가 촬영되는 과정을 도시한 도면이다. 일례로, 사용자 단말의 어플리케이션은 종이 차트(501)가 일정한 기준을 만족하도록 미리 설정된 범위(502)를 제공할 수 있다. 도 5의 (b)를 참조하면, 어플리케이션이 제공하는 범위(502)안에 종이 차트(501)가 모두 포함됨으로써 전자 차트 관리 서버에서 종이 차트(501)에 포함된 텍스트가 누락 없이 전자 차트로 변환될 수 있도록 한다.
일정한 촬영 기준에 따라 얻어지는 촬영 이미지는 사용자 단말이 종이 차트(501)와 일정 거리 이상 떨어진 위치에서 촬영된 이미지일 수 있다. 또는, 촬영 이미지는 사용자 단말이 정면에서 종이 차트(501)의 전체 모습이 촬영 이미지에 포함되도록 촬영한 이미지일 수 있다.
도 6는 본 발명의 일실시예에 따른 종이 차트가 전자 차트에 등록된 화면과 종이 차트의 변환을 위한 양식을 도시한 도면이다.
도 6의 (a)는 촬영 이미지(601)를 이용하여 전자 차트 관리 서버가 생성한 전자 차트를 도시한 도면이다. 도 6의 (b)는 전자 차트 관리 서버에 미리 등록된 종이 차트의 양식을 도시한 도면이다.
전자 차트 관리 서버는 촬영 이미지에서 텍스트를 추출하고, 추출한 텍스트를 환자의 개인 정보 및 진료 기록에 따라 구분한다. 이 때, 전자 차트 관리 서버는 미리 등록된 종이 차트의 양식을 이용할 수 있다.
전자 차트 관리 서버는 등록된 종이 차트의 양식(도 6의 (b))와 촬영 이미지(601)를 매칭하고, 촬영 이미지에서 추출한 텍스트의 위치에 기초하여 종이 차트의 각 항목(차트 번호, 명칭, 초진 일자 등)에 추출한 텍스트를 매핑할 수 있다.
전자 차트 관리 서버는 매핑된 결과에 기초하여 항목에 대응하는 텍스트들로 도 6의 (a)의 전자 차트를 생성할 수 있다. 구체적으로, 전자 차트 관리 서버는 차트 번호에 대한 항목에 매핑된 텍스트를 데이터베이스에 조회하여 동일한 차트 번호에 대한 전자 차트가 있는지 판단할 수 있다.
환자에 대한 전자 차트가 조회되지 않는 경우, 전자 차트 관리 서버는 차트 번호에 대응하는 전자 차트를 생성하고, 환자의 주요 증상, 과거 병력 등 환자의 진료 기록에 대한 항목으로 매핑된 텍스트를 전자 차트에 추가할 수 있다. 그리고, 환자에 대한 전자 차트가 조회되는 경우, 전자 차트 관리 서버는 환자의 진료 기록에 대한 항목으로 매핑된 텍스트를 이용하여 전자 차트를 업데이트할 수 있다.
도 7은 본 발명의 일실시예에 따른 전자 차트 상에서 촬영 이미지가 등록된 모습을 도시한 도면이다.
전자 차트 관리 서버는 종이 차트에 대한 전자 차트를 생성하거나 업데이트한 후 촬영 이미지를 종이 차트에 대한 전자 차트에 이미지로 저장할 수 있다.
도 7은 특정 환자에 대한 전자 차트(701)가 조회된 결과를 도시한다. 702를 참조하면, 특정 환자의 종이 차트에 대한 촬영 이미지와, 촬영 이미지를 통해 추출된 텍스트들이 특정 환자에 대한 전자 차트에 등록된다.
전자 차트 관리 서버는 종이 차트에 대한 촬영 이미지를 저장함으로써 전자 차트로 변환이 잘못되거나 오류가 발생한 경우 사용자가 이를 확인하고 수정할 수 있도록 한다.
전자 차트 관리 서버는 종이 차트에 대한 촬영 이미지에서 환자의 개인 정보나 차트 번호에 관한 정보를 추출하여 전자 차트를 조회하고, 촬영 이미지를 조회된 전자 차트에 저장할 수 있다.
도 8은 본 발명의 일실시예에 따른 전자 차트 관리 방법의 플로우 차트를 도시한 도면이다.
단계(801)에서, 전자 차트 관리 서버는, 환자의 진료 기록에 대해 사용자의 필체로 작성된 텍스트가 표시된 종이 차트를 촬영한 사용자 단말로부터 종이 차트의 촬영 이미지를 수신한다. 단계(802)에서, 전자 차트 관리 서버는, 광학 문자 인식을 이용하여 촬영 이미지에 포함된 텍스트를 식별한다.
단계(803)에서, 전자 차트 관리 서버는, 광학 문자 인식으로 식별되지 않은 텍스트가 있는 경우, 촬영 이미지에서 식별되지 않은 텍스트에 대응하는 학습 영역을 사용자 단말에 송신한다. 단계(804)에서, 전자 차트 관리 서버는, 학습 영역에 대해 사용자가 선택한 텍스트를 사용자 단말로부터 수신한다.
전자 차트 관리 서버는 학습 영역을 사용자 단말에 송신하고, 사용자 단말은 수신한 학습 영역을 화면에 인식되지 않은 텍스트로 표시할 수 있다. 사용자는 학습 영역에 대응하는 텍스트를 선택할 수 있다. 즉, 사용자는 학습 영역에 대응하는 텍스트를 사용자 단말에 입력하고, 사용자 단말은 입력 받은 텍스트를 전자 차트 관리 서버에 송신할 수 있다.
전자 차트 관리 서버는 학습 영역과 그에 대응하여 사용자가 입력한 텍스트를 이용하여 사용자의 필체를 인식하는 머신 러닝 모델을 트레이닝할 수 있다. 전자 차트 관리 서버는 추출된 텍스트를 학습 영역에 대해 사용자가 선택한 텍스트와 비교함으로써 머신 러닝 모델에 포함된 파라미터를 업데이트함으로써 머신 러닝 모델을 학습시킬 수 있다
단계(805)에서, 전자 차트 관리 서버는, 광학 문자 인식을 통해 식별된 텍스트 및 사용자가 선택한 텍스트를 환자의 개인 정보 및 진료 기록에 따라 구분한다. 전자 차트 관리 서버는 등록된 종이 차트의 양식과 촬영 이미지를 매칭하고, 획득한 텍스트의 위치에 기초하여 종이 차트의 각 항목에 획득한 텍스트를 매핑할 수 있다.
단계(806)에서, 전자 차트 관리 서버는, 구분한 결과에 기초하여 환자에 대한 전자 차트를 생성한다. 구체적으로, 전자 차트 관리 서버는 환자의 개인 정보로 구분된 텍스트를 데이터베이스에 조회함으로써 환자의 전자 차트가 등록되어 있는지 판단할 수 있다.
환자에 대한 전자 차트가 조회되지 않는 경우, 전자 차트 관리 서버는 환자의 개인 정보에 대응하는 전자 차트를 생성하고, 환자의 진료 기록으로 구분된 텍스트를 이용하여 전자 차트의 내용을 추가할 수 있다. 그리고, 환자에 대한 전자 차트가 조회되는 경우, 전자 차트 관리 서버는 환자의 진료 기록으로 구분된 텍스트를 이용하여 전자 차트를 업데이트할 수 있다.
도 9는 본 발명의 다른 실시예에 따른 전자 차트 관리 방법의 플로우 차트를 도시한 도면이다.
단계(901)에서, 전자 차트 관리 서버는 환자의 진료 기록에 대해 사용자의 필체로 작성된 텍스트가 표시된 종이 차트를 촬영한 사용자 단말로부터 종이 차트의 촬영 이미지를 수신한다. 단계(902)에서, 전자 차트 관리 서버는, 광학 문자 인식을 이용하여 촬영 이미지에 포함된 텍스트를 식별한다.
단계(903)에서, 전자 차트 관리 서버는 사용자 단말로부터 수신한 촬영 이미지에서 광학 문자 인식을 통해 식별되지 않는 텍스트가 있는 경우, 사용자의 필체를 학습한 머신 러닝 모델을 이용하여 식별되지 않은 텍스트를 인식할 수 있다.
일례로, 전자 차트 관리 서버는 식별되지 않는 텍스트에 대응하는 학습 영역을 머신 러닝 모델에 입력함으로써 식별되지 않은 텍스트의 후보들을 결정할 수 있다. 전자 차트 관리 서버는 후보로 결정된 복수의 텍스트들을 사용자 단말에 송신할 수 있다.
구체적으로, 머신 러닝 모델은 학습 영역으로부터 식별되지 않는 텍스트와 형상이 가장 유사한 텍스트들을 결정할 수 있다. 머신 러닝 모델은 이전에 학습된 결과들을 이용하여 식별되지 않은 텍스트의 특징을 추출하고, 추출된 특징과 동일한 특징을 가지는 텍스트들을 생성할 수 있다.
일례로, 머신 러닝 모델은 식별되지 않은 텍스트의 형상이 일정 비율 이상 유사하거나, 식별되지 않은 텍스트의 특징(예: 원을 포함, 사각형을 포함)이 공통되는 텍스트들을 결정할 수 있다.
단계(904)에서, 전자 차트 관리 서버는 광학 문자 인식을 통해 식별된 텍스트 및 머신 러닝 모델로 인식한 텍스트를 환자의 개인 정보 및 진료 기록에 따라 구분한다. 전자 차트 관리 서버는 등록된 종이 차트의 양식과 촬영 이미지를 매칭하고, 획득한 텍스트의 위치에 기초하여 종이 차트의 각 항목에 획득한 텍스트를 매핑할 수 있다.
단계(905)에서, 전자 차트 관리 서버는 구분한 결과에 기초하여 환자에 대한 전자 차트를 생성한다. 구체적으로, 전자 차트 관리 서버는 환자의 개인 정보로 구분된 텍스트를 데이터베이스에 조회함으로써 환자의 전자 차트가 등록되어 있는지 판단할 수 있다.
한편, 본 발명에 따른 전자 차트 변환 방법은 컴퓨터에서 실행될 수 있는 프로그램으로 작성되어 마그네틱 저장매체, 광학적 판독매체, 디지털 저장매체 등 다양한 기록 매체로도 구현될 수 있다.
본 명세서에 설명된 각종 기술들의 구현들은 디지털 전자 회로조직으로, 또는 컴퓨터 하드웨어, 펌웨어, 소프트웨어로, 또는 그들의 조합들로 구현될 수 있다. 구현들은 데이터 처리 장치, 예를 들어 프로그램가능 프로세서, 컴퓨터, 또는 다수의 컴퓨터들의 동작에 의한 처리를 위해, 또는 이 동작을 제어하기 위해, 컴퓨터 프로그램 제품, 예를 들어 기계 판독가능 저장 장치(컴퓨터 판독가능 매체)에서 유형적으로 구체화된 컴퓨터 프로그램으로서 구현될 수 있다. 상술한 컴퓨터 프로그램(들)과 같은 컴퓨터 프로그램은 컴파일된 또는 인터프리트된 언어들을 포함하는 임의의 형태의 프로그래밍 언어로 기록될 수 있고, 독립형 프로그램으로서 또는 모듈, 구성요소, 서브루틴, 또는 컴퓨팅 환경에서의 사용에 적절한 다른 유닛으로서 포함하는 임의의 형태로 전개될 수 있다. 컴퓨터 프로그램은 하나의 사이트에서 하나의 컴퓨터 또는 다수의 컴퓨터들 상에서 처리되도록 또는 다수의 사이트들에 걸쳐 분배되고 통신 네트워크에 의해 상호 연결되도록 전개될 수 있다.
컴퓨터 프로그램의 처리에 적절한 프로세서들은 예로서, 범용 및 특수 목적 마이크로프로세서들 둘 다, 및 임의의 종류의 디지털 컴퓨터의 임의의 하나 이상의 프로세서들을 포함한다. 일반적으로, 프로세서는 판독 전용 메모리 또는 랜덤 액세스 메모리 또는 둘 다로부터 명령어들 및 데이터를 수신할 것이다. 컴퓨터의 요소들은 명령어들을 실행하는 적어도 하나의 프로세서 및 명령어들 및 데이터를 저장하는 하나 이상의 메모리 장치들을 포함할 수 있다. 일반적으로, 컴퓨터는 데이터를 저장하는 하나 이상의 대량 저장 장치들, 예를 들어 자기, 자기-광 디스크들, 또는 광 디스크들을 포함할 수 있거나, 이것들로부터 데이터를 수신하거나 이것들에 데이터를 송신하거나 또는 양쪽으로 되도록 결합될 수도 있다. 컴퓨터 프로그램 명령어들 및 데이터를 구체화하는데 적절한 정보 캐리어들은 예로서 반도체 메모리 장치들, 예를 들어, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(Magnetic Media), CD-ROM(Compact Disk Read Only Memory), DVD(Digital Video Disk)와 같은 광 기록 매체(Optical Media), 플롭티컬 디스크(Floptical Disk)와 같은 자기-광 매체(Magneto-Optical Media), 롬(ROM, Read Only Memory), 램(RAM, Random Access Memory), 플래시 메모리, EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM) 등을 포함한다. 프로세서 및 메모리는 특수 목적 논리 회로조직에 의해 보충되거나, 이에 포함될 수 있다.
또한, 컴퓨터 판독가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용매체일 수 있고, 컴퓨터 저장매체를 모두 포함할 수 있다.
본 명세서는 다수의 특정한 구현물의 세부사항들을 포함하지만, 이들은 어떠한 발명이나 청구 가능한 것의 범위에 대해서도 제한적인 것으로서 이해되어서는 안되며, 오히려 특정한 발명의 특정한 실시형태에 특유할 수 있는 특징들에 대한 설명으로서 이해되어야 한다. 개별적인 실시형태의 문맥에서 본 명세서에 기술된 특정한 특징들은 단일 실시형태에서 조합하여 구현될 수도 있다. 반대로, 단일 실시형태의 문맥에서 기술한 다양한 특징들 역시 개별적으로 혹은 어떠한 적절한 하위 조합으로도 복수의 실시형태에서 구현 가능하다. 나아가, 특징들이 특정한 조합으로 동작하고 초기에 그와 같이 청구된 바와 같이 묘사될 수 있지만, 청구된 조합으로부터의 하나 이상의 특징들은 일부 경우에 그 조합으로부터 배제될 수 있으며, 그 청구된 조합은 하위 조합이나 하위 조합의 변형물로 변경될 수 있다.
마찬가지로, 특정한 순서로 도면에서 동작들을 묘사하고 있지만, 이는 바람직한 결과를 얻기 위하여 도시된 그 특정한 순서나 순차적인 순서대로 그러한 동작들을 수행하여야 한다거나 모든 도시된 동작들이 수행되어야 하는 것으로 이해되어서는 안 된다. 특정한 경우, 멀티태스킹과 병렬 프로세싱이 유리할 수 있다. 또한, 상술한 실시형태의 다양한 장치 컴포넌트의 분리는 그러한 분리를 모든 실시형태에서 요구하는 것으로 이해되어서는 안되며, 설명한 프로그램 컴포넌트와 장치들은 일반적으로 단일의 소프트웨어 제품으로 함께 통합되거나 다중 소프트웨어 제품에 패키징 될 수 있다는 점을 이해하여야 한다.
한편, 본 명세서와 도면에 개시된 본 발명의 실시 예들은 이해를 돕기 위해 특정 예를 제시한 것에 지나지 않으며, 본 발명의 범위를 한정하고자 하는 것은 아니다. 여기에 개시된 실시 예들 이외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형 예들이 실시 가능하다는 것은, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 자명한 것이다.
101: 전자 차트 관리 서버
102: 사용자 단말
103: 종이 차트
104: 촬영 이미지
105: 카메라
106: 어플리케이션

Claims (14)

  1. 전자 차트 관리 서버가 수행하는 전자 차트 관리 방법에 있어서,
    환자의 진료 기록에 대해 사용자의 필체로 작성된 텍스트가 표시된 종이 차트를 촬영한 사용자 단말로부터 상기 종이 차트의 촬영 이미지를 수신하는 단계;
    광학 문자 인식을 이용하여 상기 촬영 이미지에 포함된 텍스트를 식별하는 단계;
    상기 광학 문자 인식으로 식별되지 않은 텍스트가 있는 경우, 상기 촬영 이미지에서 상기 식별되지 않은 텍스트에 대응하는 학습 영역을 사용자 단말에 송신하는 단계;
    상기 학습 영역에 대해 상기 사용자가 선택한 텍스트를 상기 사용자 단말로부터 수신하는 단계;
    상기 광학 문자 인식을 통해 식별된 텍스트 및 상기 사용자가 선택한 텍스트를 상기 환자의 개인 정보 및 진료 기록에 따라 구분하는 단계; 및
    상기 구분한 결과에 기초하여 상기 환자에 대한 전자 차트를 생성하는 단계
    를 포함하는 전자 차트 관리 방법.
  2. 제1항에 있어서,
    상기 학습 영역과 상기 학습 영역에 대해 상기 사용자가 선택한 텍스트를 이용하여 상기 사용자의 필체를 인식하는 머신 러닝 모델을 트레이닝하는 단계
    를 더 포함하는 전자 차트 관리 방법.
  3. 제2항에 있어서,
    상기 머신 러닝 모델을 트레이닝하는 단계는,
    상기 학습 영역을 상기 머신 러닝 모델에 입력하여 텍스트를 추출하고, 추출된 텍스트를 상기 사용자가 선택한 텍스트와 비교함으로써 머신 러닝 모델에 포함된 파라미터를 업데이트하는 것을 특징으로 하는, 전자 차트 관리 방법.
  4. 제1항에 있어서,
    상기 종이 차트의 촬영 이미지를 수신하는 단계는,
    전자 차트로 변환하기 위해 미리 결정된 종이 차트의 촬영 기준에 기초하여 촬영된 종이 차트의 촬영 이미지를 수신하는 것을 특징으로 하는, 전자 차트 관리 방법.
  5. 제1항에 있어서,
    상기 구분하는 단계는,
    상기 식별된 텍스트 및 상기 사용자가 선택한 텍스트를 상기 전자 차트 관리 서버에 미리 등록된 상기 종이 차트의 양식에 기초하여 상기 환자의 개인 정보 및 진료 기록으로 구분하는 것을 특징으로 하는, 전자 차트 관리 방법.
  6. 제1항에 있어서,
    상기 식별하는 단계는,
    상기 사용자의 필체로 작성된 텍스트가 상기 전자 차트 관리 서버에 미리 등록된 경우, 상기 등록된 텍스트와 상기 광학 문자 인식을 통해 상기 촬영 이미지에 포함된 텍스트를 식별하는 것을 특징으로 하는, 전자 차트 관리 방법.
  7. 제1항에 있어서,
    상기 생성하는 단계는,
    상기 구분한 결과에 기초하여 상기 환자의 개인 정보에 대응되는 텍스트로 상기 전자 차트 관리 서버의 데이터베이스에서 상기 환자에 대한 전자 차트를 조회하는 것을 특징으로 하는, 전자 차트 관리 방법.
  8. 제7항에 있어서,
    상기 환자에 대한 전자 차트가 상기 데이터베이스에 없는 경우, 상기 환자에 대한 전자 차트를 생성하고, 상기 환자의 개인 정보 및 진료 기록을 상기 생성된 전자 차트에 추가하는 단계를 더 포함하는, 전자 차트 관리 방법.
  9. 제7항에 있어서,
    상기 환자에 대한 전자 차트가 상기 데이터베이스에 있는 경우, 상기 환자의 개인 정보 및 진료 기록으로 상기 전자 차트를 업데이트하는 단계를 더 포함하는, 전자 차트 관리 방법.
  10. 전자 차트 관리 서버가 수행하는 전자 차트 관리 방법에 있어서,
    환자의 진료 기록에 대해 사용자의 필체로 작성된 텍스트가 표시된 종이 차트를 촬영한 사용자 단말로부터 상기 종이 차트의 촬영 이미지를 수신하는 단계;
    광학 문자 인식을 이용하여 상기 촬영 이미지에 포함된 텍스트를 식별하는 단계;
    상기 광학 문자 인식으로 식별되지 않은 텍스트가 있는 경우, 미리 트레이닝된 머신 러닝 모델을 이용하여 상기 식별되지 않은 텍스트를 인식하는 단계;
    상기 광학 문자 인식을 통해 식별된 텍스트 및 상기 머신 러닝 모델을 통해 인식된 텍스트를 상기 환자의 개인 정보 및 진료 기록에 따라 구분하는 단계; 및
    상기 구분한 결과에 기초하여 상기 환자에 대한 전자 차트를 생성하는 단계
    를 포함하는 전자 차트 관리 방법.
  11. 제10항에 있어서,
    상기 머신 러닝 모델은,
    상기 사용자의 필체로 작성된 텍스트와 상기 사용자의 필체로 작성된 텍스트에 대해 상기 사용자가 선택한 텍스트를 이용하여 학습된 것을 특징으로 하는, 전자 차트 관리 방법.
  12. 제10항에 있어서,
    상기 텍스트를 인식하는 단계는,
    상기 머신 러닝 모델에 의해 상기 식별되지 않은 텍스트의 후보로 결정된 복수의 텍스트를 획득하고, 상기 후보로 결정된 복수의 텍스트들을 상기 사용자 단말에 송신하는 것을 특징으로 하고,
    상기 후보로 결정된 복수의 텍스트들 중 사용자가 선택한 텍스트를 상기 사용자 단말로부터 수신하는 것을 단계를 더 포함하고,
    상기 구분하는 단계는,
    상기 광학 문자 인식으로 인식된 텍스트 및 상기 사용자가 선택한 텍스트를 상기 환자의 개인 정보 및 진료 기록에 따라 구분하는 것을 특징으로 하는, 전자 차트 관리 방법.
  13. 전자 차트 관리 방법을 수행하는 전자 차트 관리 서버에 있어서,
    상기 전자 차트 관리 서버는 프로세서를 포함하고,
    상기 프로세서는,
    환자의 진료 기록에 대해 사용자의 필체로 작성된 텍스트가 표시된 종이 차트를 촬영한 사용자 단말로부터 상기 종이 차트의 촬영 이미지를 수신하고, 광학 문자 인식을 이용하여 상기 촬영 이미지에 포함된 텍스트를 식별하고, 상기 광학 문자 인식으로 식별되지 않은 텍스트가 있는 경우, 상기 촬영 이미지에서 상기 식별되지 않은 텍스트에 대응하는 학습 영역을 사용자 단말에 송신하고, 상기 학습 영역에 대해 상기 사용자가 선택한 텍스트를 상기 사용자 단말로부터 수신하고, 상기 광학 문자 인식을 통해 식별된 텍스트 및 상기 사용자가 선택한 텍스트를 상기 환자의 개인 정보 및 진료 기록에 따라 구분하고, 상기 구분한 결과에 기초하여 상기 환자에 대한 전자 차트를 생성하는,
    전자 차트 관리 서버.
  14. 전자 차트 관리 방법을 수행하는 전자 차트 관리 서버에 있어서,
    상기 전자 차트 관리 서버는 프로세서를 포함하고,
    상기 프로세서는,
    환자의 진료 기록에 대해 사용자의 필체로 작성된 텍스트가 표시된 종이 차트를 촬영한 사용자 단말로부터 상기 종이 차트의 촬영 이미지를 수신하고, 광학 문자 인식을 이용하여 상기 촬영 이미지에 포함된 텍스트를 식별하고, 상기 광학 문자 인식으로 식별되지 않은 텍스트가 있는 경우, 미리 트레이닝된 머신 러닝 모델을 이용하여 상기 식별되지 않은 텍스트를 인식하고, 상기 광학 문자 인식을 통해 식별된 텍스트 및 상기 머신 러닝 모델을 통해 인식된 텍스트를 상기 환자의 개인 정보 및 진료 기록에 따라 구분하고, 상기 구분한 결과에 기초하여 상기 환자에 대한 전자 차트를 생성하는,
    전자 차트 관리 서버.
KR1020200039675A 2020-04-01 2020-04-01 전자 차트 관리 방법, 전자 차트 관리 서버 및 기록 매체 KR102376649B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200039675A KR102376649B1 (ko) 2020-04-01 2020-04-01 전자 차트 관리 방법, 전자 차트 관리 서버 및 기록 매체

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200039675A KR102376649B1 (ko) 2020-04-01 2020-04-01 전자 차트 관리 방법, 전자 차트 관리 서버 및 기록 매체

Publications (2)

Publication Number Publication Date
KR20210122481A true KR20210122481A (ko) 2021-10-12
KR102376649B1 KR102376649B1 (ko) 2022-03-22

Family

ID=78078642

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200039675A KR102376649B1 (ko) 2020-04-01 2020-04-01 전자 차트 관리 방법, 전자 차트 관리 서버 및 기록 매체

Country Status (1)

Country Link
KR (1) KR102376649B1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101801153B1 (ko) * 2016-12-30 2017-11-27 이경민 기계학습 기반의 문자 인식 시스템
KR20180119407A (ko) * 2017-04-25 2018-11-02 (주)온테스트 이미지 캡처를 이용한 통합 모니터링 시스템 및 방법
KR101959831B1 (ko) * 2017-09-26 2019-03-19 아주대학교산학협력단 이미지 인식 처리 장치 및 방법
KR20190095651A (ko) * 2018-02-07 2019-08-16 삼성에스디에스 주식회사 문자 학습 트레이닝 데이터 생성 장치 및 그 방법
KR20190096872A (ko) * 2019-07-31 2019-08-20 엘지전자 주식회사 연합학습(Federated learning)을 통한 필기체 인식방법 및 이를 위한 장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101801153B1 (ko) * 2016-12-30 2017-11-27 이경민 기계학습 기반의 문자 인식 시스템
KR20180119407A (ko) * 2017-04-25 2018-11-02 (주)온테스트 이미지 캡처를 이용한 통합 모니터링 시스템 및 방법
KR101959831B1 (ko) * 2017-09-26 2019-03-19 아주대학교산학협력단 이미지 인식 처리 장치 및 방법
KR20190095651A (ko) * 2018-02-07 2019-08-16 삼성에스디에스 주식회사 문자 학습 트레이닝 데이터 생성 장치 및 그 방법
KR20190096872A (ko) * 2019-07-31 2019-08-20 엘지전자 주식회사 연합학습(Federated learning)을 통한 필기체 인식방법 및 이를 위한 장치

Also Published As

Publication number Publication date
KR102376649B1 (ko) 2022-03-22

Similar Documents

Publication Publication Date Title
AU2019222819B2 (en) Method for scaling object detection to a very large number of categories
US20200184287A1 (en) System and method for improving recognition of characters
CN110619252B (zh) 识别图片中表单数据的方法、装置、设备及存储介质
US11880648B2 (en) Automatic semantic labeling of form fields with limited annotations
US20210149931A1 (en) Scalable form matching
US20200043577A1 (en) Device and method for establishing electronic medical record
KR20190115509A (ko) 자동 수어 인식 방법 및 시스템
Nigam et al. Deformity removal from handwritten text documents using variable cycle GAN
CN113469163A (zh) 一种基于智能纸笔的医疗信息记录方法和装置
KR102145858B1 (ko) 문서 이미지로부터 인식된 용어를 표준화하기 위한 방법
KR20210122481A (ko) 전자 차트 관리 방법, 전자 차트 관리 서버 및 기록 매체
US20230153533A1 (en) Pre-training techniques for entity extraction in low resource domains
Vishwanath et al. Deep reader: Information extraction from document images via relation extraction and natural language
Nagy Document analysis systems that improve with use
CN114730499A (zh) 图像识别方法及装置、训练方法、电子设备和存储介质
JP2016173710A (ja) 情報入力装置、およびプログラム
US20230343122A1 (en) Performing optical character recognition based on fuzzy pattern search generated using image transformation
CN113168527A (zh) 用于从实体文档提取信息的系统和方法
JP2016031721A (ja) 検索装置、方法及びプログラム
US11763585B2 (en) Multi-layer neural network and convolutional neural network for context sensitive optical character recognition
JP7333759B2 (ja) 画像データ生成システム、画像データ生成方法及びコンピュータプログラム
US20240135740A1 (en) System to extract checkbox symbol and checkbox option pertaining to checkbox question from a document
US12033408B1 (en) Continual text recognition using prompt-guided knowledge distillation
US20240233430A9 (en) System to extract checkbox symbol and checkbox option pertaining to checkbox question from a document
US20230098086A1 (en) Storing form field data

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