KR20220061634A - 유방 종양 검출 장치 및 방법 - Google Patents
유방 종양 검출 장치 및 방법 Download PDFInfo
- Publication number
- KR20220061634A KR20220061634A KR1020200147827A KR20200147827A KR20220061634A KR 20220061634 A KR20220061634 A KR 20220061634A KR 1020200147827 A KR1020200147827 A KR 1020200147827A KR 20200147827 A KR20200147827 A KR 20200147827A KR 20220061634 A KR20220061634 A KR 20220061634A
- Authority
- KR
- South Korea
- Prior art keywords
- location
- heart sound
- breast tumor
- sound data
- breast
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 33
- 206010006272 Breast mass Diseases 0.000 title 1
- 208000026310 Breast neoplasm Diseases 0.000 claims abstract description 147
- 206010006187 Breast cancer Diseases 0.000 claims abstract description 137
- 238000001514 detection method Methods 0.000 claims abstract description 60
- 210000000481 breast Anatomy 0.000 claims abstract description 24
- 238000010801 machine learning Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 description 53
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 6
- 239000000284 extract Substances 0.000 description 6
- 230000001133 acceleration Effects 0.000 description 4
- 210000000707 wrist Anatomy 0.000 description 4
- 206010028980 Neoplasm Diseases 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 210000003423 ankle Anatomy 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 210000000245 forearm Anatomy 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000001939 inductive effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 210000000689 upper leg Anatomy 0.000 description 2
- 208000033206 Early menarche Diseases 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 210000001765 aortic valve Anatomy 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 235000006694 eating habits Nutrition 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000035558 fertility Effects 0.000 description 1
- 230000001965 increasing effect Effects 0.000 description 1
- 230000006651 lactation Effects 0.000 description 1
- 230000009245 menopause Effects 0.000 description 1
- 210000004115 mitral valve Anatomy 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 206010036601 premature menopause Diseases 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 210000003102 pulmonary valve Anatomy 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000004092 self-diagnosis Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 210000000591 tricuspid valve Anatomy 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B7/00—Instruments for auscultation
- A61B7/02—Stethoscopes
- A61B7/04—Electric stethoscopes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B10/00—Other methods or instruments for diagnosis, e.g. instruments for taking a cell sample, for biopsy, for vaccination diagnosis; Sex determination; Ovulation-period determination; Throat striking implements
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B10/00—Other methods or instruments for diagnosis, e.g. instruments for taking a cell sample, for biopsy, for vaccination diagnosis; Sex determination; Ovulation-period determination; Throat striking implements
- A61B10/0041—Detection of breast cancer
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Acoustics & Sound (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Primary Health Care (AREA)
- Biophysics (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Epidemiology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Oncology (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
일 양상에 따른 유방 종양 검출 장치는, 피검체의 유방에서 측정된 위치별 심음 데이터를 획득하는 심음 획득부; 및 상기 획득된 위치별 심음 데이터를 기반으로 유방 종양의 존재 가능성 및 존재 위치를 판단하는 프로세서; 를 포함한다.
Description
심음 데이터를 기반으로 유방 내의 종양을 검출할 수 있는 장치 및 방법과 관련된다.
최근 유방암은 우리나라 여성에게 발병하는 암 발생빈도의 1위를 차지하고 있다. 이는 서구화된 식습관과 비만, 출산율 및 수유의 감소, 조기 초경과 폐경기 지연, 스트레스 증가, 각종 공해에의 노출 등으로 인하여 유방암의 발병율이 증가한 결과이다.
유방암은 한국 여성의 경우 40대에 발생 확률이 높고, 정기 검진에 대한 관심 부족으로 발견 당시 3기 이상 진행된 경우도 많다.
그러나 유방암의 경우에는 조기에 발견하여 적절한 치료를 행하면 완치될 가능성이 높다는 점에서, 예방과 검진, 치료법에 대하여 많은 연구가 이루어지고 있다.
따라서, 유방암을 조기에 발견하기 위한 자가 진단법을 홍보하고 보급하고 있으며, 정밀한 진단을 위하여 초음파 검사기, CT 또는 MRI 등의 다양한 진단 장치를 활용하고 있다.
심음 데이터를 기반으로 유방 내의 종양을 검출할 수 있는 장치 및 방법을 제공하는 것을 목적으로 한다.
일 양상에 따른 유방 종양 검출 장치는, 피검체의 유방에서 측정된 위치별 심음 데이터를 획득하는 심음 획득부; 및 상기 획득된 위치별 심음 데이터를 기반으로 유방 종양의 존재 가능성 및 존재 위치를 판단하는 프로세서; 를 포함할 수 있다.
상기 심음 획득부는, 하나 이상의 마이크로폰을 포함하며, 상기 하나 이상의 마이크로폰을 이용하여 상기 유방의 각 위치에서 심음 데이터를 측정하여 상기 위치별 심음 데이터를 획득할 수 있다.
상기 심음 획득부는, 외부 장치로부터 상기 위치별 심음 데이터를 수신하여, 상기 위치별 심음 데이터를 획득할 수 있다.
상기 프로세서는, 상기 획득된 위치별 심음 데이터를 상호 비교하고 그 비교 결과를 기반으로 유방 종양의 존재 가능성 및 존재 위치를 판단할 수 있다.
상기 프로세서는, 각 위치별 심음 데이터로부터 제1 특징값을 추출하고, 상기 추출된 제1 특징값을 비교하여 타 위치별 심음 데이터와 제1 특징값이 비유사한 하나 이상의 위치별 심음 데이터가 존재하면, 해당 위치에 유방 종양이 존재할 가능성이 있다고 판단할 수 있다.
상기 제1 특징값은, 최대값, 최소값, 평균값, 중앙값, 표준편차 중 하나를 포함할 수 있다.
상기 프로세서는, 기계학습 기반의 유방 종양 검출 모델을 이용하여 상기 획득된 위치별 심음 데이터로부터 유방 종양의 존재 가능성 및 존재 위치를 판단할 수 있다.
상기 프로세서는, 각 위치별 심음 데이터로부터 제2 특징값을 추출하고, 상기 유방 종양 검출 모델을 이용하여 상기 제2 특징값으로부터 유방 종양의 존재 가능성 및 존재 위치를 판단할 수 있다.
상기 유방 종양 검출 모델은, 학습용 심음 데이터로부터 추출된 제2 특징값과 이에 대응하는 유방 종양 여부를 학습 데이터로 이용하여 기계학습을 통해 미리 생성될 수 있다.
상기 제2 특징값은, 평균값, 중앙값, 표준편차, 표준 절대편차, 25 백분위수(quantile 25), 75 백분위수(quantile 75), 사분범위(interquartile range), 비대칭도(skewness), 첨도(kurtosis), 자유도(entropy), S1 피크(peak), S2 피크, S1-S1 간격(interval), S2-S2 간격, S1-S2 간격, S2-S1 간격, S1-S1 간격/S2-S2 간격, S1 피크/S2 피크, MCFF(Mel-Frequency Cepstral Coefficient) 1~13 중 적어도 하나를 포함할 수 있다.
다른 양상에 따른 유방 종양 검출 방법은, 피검체의 유방에서 측정된 위치별 심음 데이터를 획득하는 단계; 및 상기 획득된 위치별 심음 데이터를 기반으로 유방 종양의 존재 가능성 및 존재 위치를 판단하는 단계; 를 포함할 수 있다.
상기 위치별 심음 데이터를 획득하는 단계는, 하나 이상의 마이크로폰을 이용하여 상기 유방의 각 위치에서 심음 데이터를 측정하여 상기 위치별 심음 데이터를 획득할 수 있다.
상기 위치별 심음 데이터를 획득하는 단계는, 외부 장치로부터 상기 위치별 심음 데이터를 수신하여, 상기 위치별 심음 데이터를 획득할 수 있다.
상기 유방 종양의 존재 가능성 및 존재 위치를 판단하는 단계는, 상기 획득된 위치별 심음 데이터를 상호 비교하고 그 비교 결과를 기반으로 유방 종양의 존재 가능성 및 존재 위치를 판단할 수 있다.
상기 유방 종양의 존재 가능성 및 존재 위치를 판단하는 단계는, 각 위치별 심음 데이터로부터 제1 특징값을 추출하는 단계; 및 상기 추출된 제1 특징값을 비교하여 타 위치별 심음 데이터와 제1 특징값이 비유사한 하나 이상의 위치별 심음 데이터가 존재하면, 해당 위치에 유방 종양이 존재할 가능성이 있다고 판단하는 단계; 를 포함할 수 있다.
상기 제1 특징값은, 최대값, 최소값, 평균값, 중앙값, 표준편차 중 하나를 포함할 수 있다.
상기 유방 종양의 존재 가능성 및 존재 위치를 판단하는 단계는, 기계학습 기반의 유방 종양 검출 모델을 이용하여 상기 획득된 위치별 심음 데이터로부터 유방 종양의 존재 가능성 및 존재 위치를 판단할 수 있다.
상기 유방 종양의 존재 가능성 및 존재 위치를 판단하는 단계는, 각 위치별 심음 데이터로부터 제2 특징값을 추출하는 단계; 및 상기 유방 종양 검출 모델을 이용하여 상기 제2 특징값으로부터 유방 종양의 존재 가능성 및 존재 위치를 판단하는 단계; 를 포함할 수 있다.
상기 유방 종양 검출 모델은, 학습용 심음 데이터로부터 추출된 제2 특징값과 이에 대응하는 유방 종양 여부를 학습 데이터로 이용하여 기계학습을 통해 미리 생성될 수 있다.
상기 제2 특징값은, 평균값, 중앙값, 표준편차, 표준 절대편차, 25 백분위수(quantile 25), 75 백분위수(quantile 75), 사분범위(interquartile range), 비대칭도(skewness), 첨도(kurtosis), 자유도(entropy), S1 피크(peak), S2 피크, S1-S1 간격(interval), S2-S2 간격, S1-S2 간격, S2-S1 간격, S1-S1 간격/S2-S2 간격, S1 피크/S2 피크, MCFF(Mel-Frequency Cepstral Coefficient) 1~13 중 적어도 하나를 포함할 수 있다.
유방에서 측정된 심음 데이터를 기반으로 유방 종양의 존재 가능성을 판단할 수 있으므로, 가정에서 간편하게 유방암의 자가 진단이 가능하다.
도 1은 예시적 실시예에 따른 유방 종양 검출 장치를 도시한 도면이다.
도 2는 예시적 실시예에 따른 유방 종양 검출 장치가 구현된 예를 도시한 도면이다.
도 3은 마이크로폰의 배치의 예를 도시한 도면이다.
도 4는 유방 종양과 위치별 심음 데이터의 제1 특징값의 관계를 설명하기 위한 예시도이다.
도 5는 예시적 실시예에 따른 유방 종양 검출 장치를 도시한 도면이다.
도 6은 예시적 실시예에 따른 유방 종양 검출 방법을 도시한 도면이다.
도 2는 예시적 실시예에 따른 유방 종양 검출 장치가 구현된 예를 도시한 도면이다.
도 3은 마이크로폰의 배치의 예를 도시한 도면이다.
도 4는 유방 종양과 위치별 심음 데이터의 제1 특징값의 관계를 설명하기 위한 예시도이다.
도 5는 예시적 실시예에 따른 유방 종양 검출 장치를 도시한 도면이다.
도 6은 예시적 실시예에 따른 유방 종양 검출 방법을 도시한 도면이다.
이하, 첨부된 도면을 참조하여 본 발명의 일 실시예를 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다.
한편, 각 단계들에 있어, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않은 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 수행될 수 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.
후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 용어들에 의해 한정되어서는 안 된다. 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하고, '포함하다' 또는 '가지다' 등의 용어는 명세서상에 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, 본 명세서에서의 구성부들에 대한 구분은 각 구성부가 담당하는 주 기능별로 구분한 것에 불과하다. 즉, 2개 이상의 구성부가 하나의 구성부로 합쳐지거나 또는 하나의 구성부가 보다 세분화된 기능별로 2개 이상으로 분화되어 구비될 수도 있다. 그리고 구성부 각각은 자신이 담당하는 주기능 이외에도 다른 구성부가 담당하는 기능 중 일부 또는 전부의 기능을 추가적으로 수행할 수도 있으며, 구성부 각각이 담당하는 주기능 중 일부 기능이 다른 구성부에 의해 전담되어 수행될 수도 있다. 각 구성부는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
도 1은 예시적 실시예에 따른 유방 종양 검출 장치를 도시한 도면이다.
예시적 실시예에 따른 유방 종양 검출 장치(100)는 피검체의 유방에서 측정된 심음 데이터를 분석함으로써 유방 종양의 존재 가능성 및 존재 위치를 판단할 수 있는 장치로, 전자 장치에 탑재되거나 하우징으로 감싸져 별개의 장치로 형성될 수 있다. 전자 장치는 디지털 청진기, 데스크탑 컴퓨터, 휴대폰, 스마트폰, 태블릿, 노트북, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 네비게이션 장치, MP3 플레이어, 디지털 카메라, 웨어러블 디바이스 등을 포함할 수 있고, 웨어러블 디바이스는 브래지어형, 손목 시계형, 손목 밴드형, 반지형, 벨트형, 목걸이형, 발목 밴드형, 허벅지 밴드형, 팔뚝 밴드형 등을 포함할 수 있다. 그러나 전자 장치는 상술한 예에 제한되지 않으며, 웨어러블 디바이스 역시 상술한 예에 제한되지 않는다.
도 1을 참조하면, 유방 종양 검출 장치(100)는 심음 획득부(110) 및 프로세서(120)를 포함할 수 있다.
심음 획득부(110)는 피검체의 유방에서 측정된 위치별 심음 데이터를 획득할 수 있다. 여기서 위치별 심음 데이터는 유방의 각 위치에서 측정된 심음 데이터로서, 위치 데이터 및 해당 위치에서 측정된 심음 데이터를 포함할 수 있다.
일 실시예에 따르면, 심음 획득부(110)는 하나 이상의 마이크로폰을 포함하며, 하나 이상의 마이크로폰을 이용하여 유방의 각 위치로부터 심음 데이터를 직접 측정함으로써, 위치별 심음 데이터를 획득할 수 있다. 이때, 심음 데이터가 측정된 위치 데이터는 사용자로부터 입력받을 수 있다. 또는 심음 획득부(110)가 가속도 센서를 포함하며, 가속도 센서를 이용하여 심음 데이터가 측정된 위치 데이터를 직접 측정할 수도 있다. 예를 들어, 사용자는 유방의 특정 위치에서 심음 데이터를 최초로 측정하고, 심음 획득부(110)를 원하는 방향으로 이동하며 심음 데이터를 측정할 수 있다. 심음 획득부(110)는 가속도 센서를 통해 심음 획득부(110)의 이동 방향 및 이동 거리를 측정하며, 심음 데이터를 측정한 최초 위치와, 가속도 센서를 통해 측정한 이동 방향 및 이동 거리를 기반으로 각 심음 데이터가 측정된 위치 데이터를 획득할 수 있다.
다른 실시예에 따르면, 심음 획득부(110)는 위치별 심음 데이터를 측정 및/또는 저장하는 외부 장치로부터 피검체의 위치별 심음 데이터를 수신함으로써, 위치별 심음 데이터를 획득할 수 있다. 이때, 심음 획득부(110)는 유무선 통신 기술을 이용할 수 있다. 여기서 무선 통신 기술은 블루투스(bluetooth) 통신, BLE(Bluetooth Low Energy) 통신, 근거리 무선 통신(Near Field Communication, NFC), WLAN 통신, 지그비(Zigbee) 통신, 적외선(Infrared Data Association, IrDA) 통신, WFD(Wi-Fi Direct) 통신, UWB(ultra-wideband) 통신, Ant+ 통신, WIFI 통신, RFID(Radio Frequency Identification) 통신, 3G 통신, 4G 통신 및 5G 통신 등을 포함할 수 있으나 이에 한정되는 것은 아니다.
프로세서(120)는 유방 종양 검출 장치(100)의 전반적인 동작을 제어할 수 있다.
프로세서(120)는 사용자의 요청에 따라, 심음 획득부(110)를 제어하여 위치별 심음 데이터를 획득할 수 있다.
프로세서(120)는 심음 획득부(110)를 통해 위치별 심음 데이터를 획득하기 위하여 사용자의 동작을 유도하는 가이드 정보를 생성하여 출력 수단을 통해 출력할 수 있다. 예를 들어, 심음 획득부(110)가 하나 이상의 마이크로폰을 이용하여 유방의 각 위치로부터 심음 데이터를 측정하는 경우, 프로세서(120)는 각 위치에서 설정된 시간 동안 심음 데이터를 측정하여 충분한 심음 데이터를 획득할 수 있도록 사용자의 동작을 유도하는 가이드 정보를 생성하여 출력 수단을 통해 출력할 수 있다.
프로세서(120)는 위치별 심음 데이터가 획득되면, 획득된 위치별 심음 데이터를 기반으로 유방 종양의 존재 가능성 및 존재 위치를 판단할 수 있다.
일 실시예에 따르면, 프로세서(120)는 위치별 심음 데이터를 상호 비교하고 그 비교 결과를 기반으로 유방 종양의 존재 가능성 및 존재 위치를 판단할 수 있다. 예를 들어, 프로세서(120)는 각 위치별 심음 데이터로부터 제1 특징값을 추출할 수 있다. 이때, 제1 특징값은 최대값, 최소값, 평균값, 중앙값, 표준편차 등을 포함할 수 있다. 또한, 프로세서(120)는 추출된 제1 특징값을 비교하여 타 위치별 심음 데이터와 제1 특징값이 비유사한 하나 이상의 위치별 심음 데이터가 존재하면 해당 위치에 유방 종양이 존재할 가능성이 있다고 판단할 수 있다. 이때, 프로세서(120)는 군집화 알고리즘을 이용할 수 있다.
다른 실시예에 따르면, 프로세서(120)는 유방 종양 검출 모델을 이용하여 위치별 심음 데이터로부터 유방 종양의 존재 가능성 및 존재 위치를 판단할 수 있다. 예를 들어, 프로세서(120)는 각 위치별 심음 데이터로부터 제2 특징값을 추출할 수 있다. 이때, 제2 특징값은 평균값, 중앙값, 표준편차, 표준 절대편차, 25 백분위수(quantile 25), 75 백분위수(quantile 75), 사분범위(interquartile range), 비대칭도(skewness), 첨도(kurtosis), 자유도(entropy), S1 피크(peak), S2 피크, S1-S1 간격(interval), S2-S2 간격, S1-S2 간격, S2-S1 간격, S1-S1 간격/S2-S2 간격, S1 피크/S2 피크, MCFF(Mel-Frequency Cepstral Coefficient) 1~13 등을 포함할 수 있다. 여기서 S1은 이첨판(bicuspid valve)과 삼첨판(tricuspid valve)이 닫힐 때 나는 소리이며, S2는 대동맥 판막(aortic valve)과 폐동맥 판막(pulmonary valve)이 닫힐 때 나는 소리일 수 있다. 또한, 프로세서(120)는 유방 종양 검출 모델을 이용하여 제2 특징값으로부터 유방 종양의 존재 가능성 및 존재 위치를 판단할 수 있다. 여기서, 유방 종양 검출 모델은 심음 데이터로부터 추출된 제2 특징값과 유방 종양 여부 사이의 관계를 나타내며, 기계학습을 통해 미리 생성될 수 있다. 예컨대, 유방 종양 검출 모델은 학습용 심음 데이터로부터 추출된 제2 특징값과 이에 대응하는 유방 종양 여부를 학습 데이터로 이용하여 기계학습을 통해 미리 생성될 수 있다. 여기서, 기계학습 알고리즘은 인공 신경망(Artificial Neural Network), 결정 트리(Decision Tree), 유전 알고리즘(Genetic Algorithm), 유전자 프로그래밍(Genetic Programming), K 근접 이웃(K-Nearest Neighbor), 방사 기저 함수 네트워크(Radial Basis Function Network), 랜덤 포레스트(Random Forest), 서포트 벡터 머신(Support Vector Machine), 및 딥러닝(deep-learning) 등을 포함할 수 있다.
도 2는 예시적 실시예에 따른 유방 종양 검출 장치가 구현된 예를 도시한 도면이고, 도 3은 마이크로폰의 배치의 예를 도시한 도면이다.
도 2 및 도 3을 참조하면, 유방 종양 검출 장치(100)는 하우징(210), 심음 획득부(110), 프로세서(120)를 포함할 수 있다. 여기서, 심음 획득부(110) 및 프로세서(120)는 도 1을 참조하여 전술한 바와 같으므로 중복되는 범위에서 그 상세한 설명은 생략하기로 한다.
하우징(210)은 길이(l)가 12cm이고, 직경(d)이 2.6cm인 원통형으로 형성될 수 있으나 이는 일 실시예에 불과할 뿐 이에 한정되는 것은 아니다. 즉, 하우징(210)의 형상 및 크기는 다양하게 변경될 수 있다.
심음 획득부(110)는 원통형으로 형성된 하우징(210)의 일단에 배치될 수 있다. 심음 획득부(110)는 피검체의 유방에 접촉하여 심음 데이터를 획득할 수 있도록, 일면이 하우징(210)의 외부로 노출될 수 있다. 일 실시예에 따르면, 도 3에 도시된 바와 같이, 심음 획득부(110)는 7개의 마이크로폰(111)을 포함하며, 7개의 마이크로폰(111)은 소정 간격(a) 이격되어 심음 획득부(110)의 노출된 일면에 배치될 수 있다. 일 실시예에 따르면, 소정 간격(a)은 1cm일 수 있으나 이는 일 실시예에 불과할 뿐 이에 한정되는 것은 아니다. 또한, 마이크로폰(111)의 개수와 배치 역시 하우징의 크기 등을 고려하여 다양하게 변경될 수 있다.
유방 종양 검출 장치(100)는 단자부(220)를 더 포함할 수 있다.
예시적 실시예에 따르면, 단자부(220)는 USB(Universal Serial Bus) 단자 등을 포함하며, 입출력 단자 및/또는 전원 단자로 이용될 수 있다.
도 4는 유방 종양과 위치별 심음 데이터의 제1 특징값의 관계를 설명하기 위한 예시도이다. 도 4에서 x 축 및 y 축은 각 심음 데이터가 측정된 위치를 나타내고, z 축은 임의 단위(arbitrary unit)로 표현된 각 심음 데이터의 제1 특징값을 나타낼 수 있다.
도 4를 참조하면, 유방 종양이 존재하지 않는 위치에서 측정된 심음 데이터의 제1 특징값(410)은 서로 유사한 값을 가질 수 있다. 이에 반해, 유방 종양이 존재하는 위치에서 측정된 심음 데이터의 제1 특징값(420)은 유방 종양이 존재하지 않는 위치에서 측정된 심음 데이터의 제1 특징값(410)과 비유사한 값을 가질 수 있다. 즉, 심음 데이터의 제1 특징값은 유방 종양의 유무에 따라 상이한 패턴을 보일 수 있다.
따라서, 예시적 실시예에 따른 유방 종양 검출 장치(100)는 유방의 각 위치에서 측정된 심음 데이터를 분석함으로써 유방 종양의 존재 가능성 및 존재 위치를 판단할 수 있다.
도 5는 예시적 실시예에 따른 유방 종양 검출 장치를 도시한 도면이다.
예시적 실시예에 따른 유방 종양 검출 장치(500)는 피검체의 유방에서 측정된 심음 데이터를 분석함으로써 유방 종양의 존재 가능성 및 존재 위치를 판단할 수 있는 장치로, 전자 장치에 탑재되거나 하우징으로 감싸져 별개의 장치로 형성될 수 있다. 전자 장치는 디지털 청진기, 데스크탑 컴퓨터, 휴대폰, 스마트폰, 태블릿, 노트북, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 네비게이션 장치, MP3 플레이어, 디지털 카메라, 웨어러블 디바이스 등을 포함할 수 있고, 웨어러블 디바이스는 브래지어형, 손목 시계형, 손목 밴드형, 반지형, 벨트형, 목걸이형, 발목 밴드형, 허벅지 밴드형, 팔뚝 밴드형 등을 포함할 수 있다. 그러나 전자 장치는 상술한 예에 제한되지 않으며, 웨어러블 디바이스 역시 상술한 예에 제한되지 않는다.
도 5를 참조하면, 유방 종양 검출 장치(500)는 심음 획득부(110), 프로세서(120), 입력부(510), 저장부(520), 통신부(530) 및 출력부(540)를 포함할 수 있다. 여기서 심음 획득부(110) 및 프로세서(120)는 도 1 내지 도 4를 참조하여 전술한 바와 같으므로 그 상세한 설명은 생략하기로 한다.
입력부(510)는 사용자로부터 다양한 조작신호 및 정보를 입력 받을 수 있다. 일 실시예에 따르면, 입력부(510)는 키 패드(key pad), 돔 스위치(dome switch), 터치 패드(touch pad), 조그 휠(Jog wheel), 조그 스위치(Jog switch), H/W 버튼 등을 포함할 수 있다. 특히, 터치 패드가 디스플레이와 상호 레이어 구조를 이룰 경우, 이를 터치 스크린이라 부를 수 있다.
저장부(520)는 유방 종양 검출 장치(500)의 동작을 위한 프로그램 또는 명령들을 저장할 수 있고, 유방 종양 검출 장치(500)에 입력되는 데이터 및 처리된 데이터를 저장할 수 있다. 또한, 저장부(520)는 획득된 위치별 심음 데이터, 유방 종양 검출 모델, 및 유방 종양 존재 가능성 판단 결과 등을 저장할 수 있다. 저장부(520)는 플래시 메모리 타입(flash memory type), 하드 디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예컨대, SD 또는 XD 메모리 등), 램(Random Access Memory, RAM), SRAM(Static Random Access Memory), 롬(Read Only Memory, ROM), EEPROM(Electrically Erasable Programmable Read Only Memory), PROM(Programmable Read Only Memory), 자기 메모리, 자기 디스크, 광디스크 등 적어도 하나의 타입의 저장매체를 포함할 수 있다. 또한, 유방 종양 검출 장치(500)는 인터넷 상에서 저장부(520)의 저장 기능을 수행하는 웹 스토리지(web storage) 등 외부 저장 매체를 운영할 수도 있다.
통신부(530)는 외부 장치와 통신을 수행할 수 있다. 예컨대, 통신부(530)는 유방 종양 검출 장치(500)에 입력된 데이터, 저장된 데이터, 처리된 데이터 등을 외부 장치로 전송하거나, 외부 장치로부터 유방 종양 존재 가능성 판단을 위한 다양한 데이터를 수신할 수 있다.
이때, 외부 장치는 유방 종양 검출 장치(500)에 입력된 데이터, 저장된 데이터, 처리된 데이터 등을 사용하는 의료 장비, 결과물을 출력하기 위한 프린트 또는 디스플레이 장치일 수 있다. 이외에도 외부 장치는 디지털 TV, 데스크탑 컴퓨터, 휴대폰, 스마트 폰, 태블릿, 노트북, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 네비게이션 장치, MP3 플레이어, 디지털 카메라, 웨어러블 디바이스 등 일 수 있으나, 이에 제한되지 않는다.
통신부(530)는 유무선 통신 기술을 이용하여 외부 장치와 통신할 수 있다. 이때 무선 통신 기술은 블루투스(bluetooth) 통신, BLE(Bluetooth Low Energy) 통신, 근거리 무선 통신(Near Field Communication, NFC), WLAN 통신, 지그비(Zigbee) 통신, 적외선(Infrared Data Association, IrDA) 통신, WFD(Wi-Fi Direct) 통신, UWB(ultra-wideband) 통신, Ant+ 통신, WIFI 통신, RFID(Radio Frequency Identification) 통신, 3G 통신, 4G 통신 및 5G 통신 등을 포함할 수 있으나 이는 일 예에 불과할 뿐이며, 이에 한정되는 것은 아니다.
출력부(540)는 유방 종양 검출 장치(500)에 입력된 데이터, 저장된 데이터, 처리된 데이터 등을 출력할 수 있다. 일 실시예에 따르면, 출력부(540)는 획득된 위치별 심음 데이터 및 유방 종양 존재 가능성 판단 결과 등을 청각적 방법, 시각적 방법 및 촉각적 방법 중 적어도 하나의 방법으로 출력할 수 있다. 이를 위해 출력부(540)는 디스플레이, 스피커, 진동기 등을 포함할 수 있다.
도 6은 예시적 실시예에 따른 유방 종양 검출 방법을 도시한 도면이다. 도 6의 유방 종양 검출 방법은 도 1 또는 도 5의 유방 종양 검출 장치(100, 500)에 의해 수행될 수 있다.
도 6을 참조하면, 유방 종양 검출 장치는 피검체의 유방에서 측정된 위치별 심음 데이터를 획득할 수 있다(610). 여기서 위치별 심음 데이터는 유방의 각 위치에서 측정된 심음 데이터로서, 위치 데이터 및 해당 위치에서 측정된 심음 데이터를 포함할 수 있다.
예를 들면, 유방 종양 검출 장치는 하나 이상의 마이크로폰을 이용하여 유방의 각 위치로부터 심음 데이터를 직접 측정함으로써, 위치별 심음 데이터를 획득할 수 있다.
다른 예를 들면, 유방 종양 검출 장치는 위치별 심음 데이터를 측정 및/또는 저장하는 외부 장치로부터 피검체의 위치별 심음 데이터를 수신함으로써, 위치별 심음 데이터를 획득할 수 있다. 이때, 유방 종양 검출 장치는 유무선 통신 기술을 이용할 수 있다. 여기서 무선 통신 기술은 블루투스(bluetooth) 통신, BLE(Bluetooth Low Energy) 통신, 근거리 무선 통신(Near Field Communication, NFC), WLAN 통신, 지그비(Zigbee) 통신, 적외선(Infrared Data Association, IrDA) 통신, WFD(Wi-Fi Direct) 통신, UWB(ultra-wideband) 통신, Ant+ 통신, WIFI 통신, RFID(Radio Frequency Identification) 통신, 3G 통신, 4G 통신 및 5G 통신 등을 포함할 수 있으나 이에 한정되는 것은 아니다.
유방 종양 검출 장치는 획득된 위치별 심음 데이터를 기반으로 유방 종양의 존재 가능성 및 존재 위치를 판단할 수 있다(620).
일 실시예에 따르면, 유방 종양 검출 장치는 위치별 심음 데이터를 상호 비교하고 그 비교 결과를 기반으로 유방 종양의 존재 가능성 및 존재 위치를 판단할 수 있다. 예를 들어, 유방 종양 검출 장치는 각 위치별 심음 데이터로부터 제1 특징값을 추출할 수 있다. 이때, 제1 특징값은 최대값, 최소값, 평균값, 중앙값, 표준편차 등을 포함할 수 있다. 또한, 유방 종양 검출 장치는 추출된 제1 특징값을 비교하여 타 위치별 심음 데이터와 제1 특징값이 비유사한 하나 이상의 위치별 심음 데이터가 존재하면 해당 위치에 유방 종양이 존재할 가능성이 있다고 판단할 수 있다.
다른 실시예에 따르면, 유방 종양 검출 장치는 유방 종양 검출 모델을 이용하여 위치별 심음 데이터로부터 유방 종양의 존재 가능성 및 존재 위치를 판단할 수 있다. 예를 들어, 유방 종양 검출 장치는 각 위치별 심음 데이터로부터 제2 특징값을 추출할 수 있다. 이때, 제2 특징값은 평균값, 중앙값, 표준편차, 표준 절대편차, 25 백분위수(quantile 25), 75 백분위수(quantile 75), 사분범위(interquartile range), 비대칭도(skewness), 첨도(kurtosis), 자유도(entropy), S1 피크(peak), S2 피크, S1-S1 간격(interval), S2-S2 간격, S1-S2 간격, S2-S1 간격, S1-S1 간격/S2-S2 간격, S1 피크/S2 피크, MCFF(Mel-Frequency Cepstral Coefficient) 1~13 등을 포함할 수 있다. 또한, 유방 종양 검출 장치는 유방 종양 검출 모델을 이용하여 제2 특징값으로부터 유방 종양의 존재 가능성 및 존재 위치를 판단할 수 있다. 여기서, 유방 종양 검출 모델은 심음 데이터로부터 추출된 제2 특징값과 유방 종양 여부 사이의 관계를 나타내며, 기계학습을 통해 미리 생성될 수 있다. 예컨대, 유방 종양 검출 모델은 학습용 심음 데이터로부터 추출된 제2 특징값과 이에 대응하는 유방 종양 여부를 학습 데이터로 이용하여 기계학습을 통해 미리 생성될 수 있다.
상술한 실시예들은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수 있다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함할 수 있다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 디스크 등을 포함할 수 있다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드로 작성되고 실행될 수 있다.
100, 500: 유방 종양 검출 장치
110: 심음 획득부
111: 마이크로폰
120: 프로세서
210: 하우징
220: 단자부
510: 입력부
520: 저장부
530: 통신부
540: 출력부
110: 심음 획득부
111: 마이크로폰
120: 프로세서
210: 하우징
220: 단자부
510: 입력부
520: 저장부
530: 통신부
540: 출력부
Claims (20)
- 피검체의 유방에서 측정된 위치별 심음 데이터를 획득하는 심음 획득부; 및
상기 획득된 위치별 심음 데이터를 기반으로 유방 종양의 존재 가능성 및 존재 위치를 판단하는 프로세서; 를 포함하는,
유방 종양 검출 장치. - 제1항에 있어서,
상기 심음 획득부는,
하나 이상의 마이크로폰을 포함하며, 상기 하나 이상의 마이크로폰을 이용하여 상기 유방의 각 위치에서 심음 데이터를 측정하여 상기 위치별 심음 데이터를 획득하는,
유방 종양 검출 장치. - 제1항에 있어서,
상기 심음 획득부는,
외부 장치로부터 상기 위치별 심음 데이터를 수신하여, 상기 위치별 심음 데이터를 획득하는,
유방 종양 검출 장치. - 제1항에 있어서,
상기 프로세서는,
상기 획득된 위치별 심음 데이터를 상호 비교하고 그 비교 결과를 기반으로 유방 종양의 존재 가능성 및 존재 위치를 판단하는,
유방 종양 검출 장치. - 제4항에 있어서,
상기 프로세서는,
각 위치별 심음 데이터로부터 제1 특징값을 추출하고, 상기 추출된 제1 특징값을 비교하여 타 위치별 심음 데이터와 제1 특징값이 비유사한 하나 이상의 위치별 심음 데이터가 존재하면, 해당 위치에 유방 종양이 존재할 가능성이 있다고 판단하는,
유방 종양 검출 장치. - 제5항에 있어서,
상기 제1 특징값은,
최대값, 최소값, 평균값, 중앙값, 표준편차 중 하나를 포함하는,
유방 종양 검출 장치. - 제1항에 있어서,
상기 프로세서는,
기계학습 기반의 유방 종양 검출 모델을 이용하여 상기 획득된 위치별 심음 데이터로부터 유방 종양의 존재 가능성 및 존재 위치를 판단하는,
유방 종양 검출 장치. - 제7항에 있어서,
상기 프로세서는,
각 위치별 심음 데이터로부터 제2 특징값을 추출하고, 상기 유방 종양 검출 모델을 이용하여 상기 제2 특징값으로부터 유방 종양의 존재 가능성 및 존재 위치를 판단하는,
유방 종양 검출 장치. - 제8항에 있어서,
상기 유방 종양 검출 모델은,
학습용 심음 데이터로부터 추출된 제2 특징값과 이에 대응하는 유방 종양 여부를 학습 데이터로 이용하여 기계학습을 통해 미리 생성되는,
유방 종양 검출 장치. - 제8항에 있어서,
상기 제2 특징값은,
평균값, 중앙값, 표준편차, 표준 절대편차, 25 백분위수(quantile 25), 75 백분위수(quantile 75), 사분범위(interquartile range), 비대칭도(skewness), 첨도(kurtosis), 자유도(entropy), S1 피크(peak), S2 피크, S1-S1 간격(interval), S2-S2 간격, S1-S2 간격, S2-S1 간격, S1-S1 간격/S2-S2 간격, S1 피크/S2 피크, MCFF(Mel-Frequency Cepstral Coefficient) 1~13 중 적어도 하나를 포함하는,
유방 종양 검출 장치. - 피검체의 유방에서 측정된 위치별 심음 데이터를 획득하는 단계; 및
상기 획득된 위치별 심음 데이터를 기반으로 유방 종양의 존재 가능성 및 존재 위치를 판단하는 단계; 를 포함하는,
유방 종양 검출 방법. - 제11항에 있어서,
상기 위치별 심음 데이터를 획득하는 단계는,
하나 이상의 마이크로폰을 이용하여 상기 유방의 각 위치에서 심음 데이터를 측정하여 상기 위치별 심음 데이터를 획득하는,
유방 종양 검출 방법. - 제11항에 있어서,
상기 위치별 심음 데이터를 획득하는 단계는,
외부 장치로부터 상기 위치별 심음 데이터를 수신하여, 상기 위치별 심음 데이터를 획득하는,
유방 종양 검출 방법. - 제11항에 있어서,
상기 유방 종양의 존재 가능성 및 존재 위치를 판단하는 단계는,
상기 획득된 위치별 심음 데이터를 상호 비교하고 그 비교 결과를 기반으로 유방 종양의 존재 가능성 및 존재 위치를 판단하는,
유방 종양 검출 방법. - 제14항에 있어서,
상기 유방 종양의 존재 가능성 및 존재 위치를 판단하는 단계는,
각 위치별 심음 데이터로부터 제1 특징값을 추출하는 단계; 및
상기 추출된 제1 특징값을 비교하여 타 위치별 심음 데이터와 제1 특징값이 비유사한 하나 이상의 위치별 심음 데이터가 존재하면, 해당 위치에 유방 종양이 존재할 가능성이 있다고 판단하는 단계; 를 포함하는,
유방 종양 검출 방법. - 제15항에 있어서,
상기 제1 특징값은,
최대값, 최소값, 평균값, 중앙값, 표준편차 중 하나를 포함하는,
유방 종양 검출 방법. - 제11항에 있어서,
상기 유방 종양의 존재 가능성 및 존재 위치를 판단하는 단계는,
기계학습 기반의 유방 종양 검출 모델을 이용하여 상기 획득된 위치별 심음 데이터로부터 유방 종양의 존재 가능성 및 존재 위치를 판단하는,
유방 종양 검출 방법. - 제17항에 있어서,
상기 유방 종양의 존재 가능성 및 존재 위치를 판단하는 단계는,
각 위치별 심음 데이터로부터 제2 특징값을 추출하는 단계; 및
상기 유방 종양 검출 모델을 이용하여 상기 제2 특징값으로부터 유방 종양의 존재 가능성 및 존재 위치를 판단하는 단계; 를 포함하는,
유방 종양 검출 방법. - 제18항에 있어서,
상기 유방 종양 검출 모델은,
학습용 심음 데이터로부터 추출된 제2 특징값과 이에 대응하는 유방 종양 여부를 학습 데이터로 이용하여 기계학습을 통해 미리 생성되는,
유방 종양 검출 방법. - 제18항에 있어서,
상기 제2 특징값은,
평균값, 중앙값, 표준편차, 표준 절대편차, 25 백분위수(quantile 25), 75 백분위수(quantile 75), 사분범위(interquartile range), 비대칭도(skewness), 첨도(kurtosis), 자유도(entropy), S1 피크(peak), S2 피크, S1-S1 간격(interval), S2-S2 간격, S1-S2 간격, S2-S1 간격, S1-S1 간격/S2-S2 간격, S1 피크/S2 피크, MCFF(Mel-Frequency Cepstral Coefficient) 1~13 중 적어도 하나를 포함하는,
유방 종양 검출 방법.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200147827A KR20220061634A (ko) | 2020-11-06 | 2020-11-06 | 유방 종양 검출 장치 및 방법 |
| PCT/KR2021/015863 WO2022098109A1 (ko) | 2020-11-06 | 2021-11-04 | 유방 종양 검출 장치 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200147827A KR20220061634A (ko) | 2020-11-06 | 2020-11-06 | 유방 종양 검출 장치 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20220061634A true KR20220061634A (ko) | 2022-05-13 |
Family
ID=81458127
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200147827A KR20220061634A (ko) | 2020-11-06 | 2020-11-06 | 유방 종양 검출 장치 및 방법 |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR20220061634A (ko) |
| WO (1) | WO2022098109A1 (ko) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130048888A (ko) | 2011-11-03 | 2013-05-13 | 인제대학교 산학협력단 | 전자파 유방영상에서 유방종양 분석을 위한 보조 진단 시스템 및 방법 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2004251359B2 (en) * | 2003-06-25 | 2009-01-22 | Siemens Medical Solutions Usa, Inc. | Systems and methods for automated diagnosis and decision support for breast imaging |
| US8100839B2 (en) * | 2003-12-30 | 2012-01-24 | Galkin Benjamin M | Acoustic monitoring of a breast and sound databases for improved detection of breast cancer |
| US20070038060A1 (en) * | 2005-06-09 | 2007-02-15 | Cerwin Stephen A | Identifying and treating bodily tissues using electromagnetically induced, time-reversed, acoustic signals |
| US10201324B2 (en) * | 2007-05-04 | 2019-02-12 | Delphinus Medical Technologies, Inc. | Patient interface system |
| JP2020022722A (ja) * | 2018-07-27 | 2020-02-13 | 公立大学法人公立諏訪東京理科大学 | 癌発生疑い部位特定装置 |
-
2020
- 2020-11-06 KR KR1020200147827A patent/KR20220061634A/ko not_active IP Right Cessation
-
2021
- 2021-11-04 WO PCT/KR2021/015863 patent/WO2022098109A1/ko active Application Filing
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130048888A (ko) | 2011-11-03 | 2013-05-13 | 인제대학교 산학협력단 | 전자파 유방영상에서 유방종양 분석을 위한 보조 진단 시스템 및 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2022098109A1 (ko) | 2022-05-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113655471B (zh) | 用于支持雷达的传感器融合的方法、装置和片上系统 | |
| US20180018974A1 (en) | System and method for detecting tantrums | |
| US10055563B2 (en) | Air writing and gesture system with interactive wearable device | |
| CN107111925B (zh) | 可穿戴急救套件 | |
| CN110251080B (zh) | 检测正在穿戴可穿戴电子设备的肢体 | |
| US10952667B2 (en) | Device and method of controlling wearable device | |
| KR102548453B1 (ko) | 전자 장치 및 그 제어 방법 | |
| EP2925020A1 (en) | Method for adapting sound of hearing aid and hearing aid and electronic device performing the same | |
| CN109074435B (zh) | 用于提供用户信息的电子设备和方法 | |
| CN104820488A (zh) | 用户定向式个人信息助理 | |
| Gong et al. | Knocker: Vibroacoustic-based object recognition with smartphones | |
| CN110291528B (zh) | 基于视觉的对象辨别装置和用于控制其的方法 | |
| US11721354B2 (en) | Acoustic zooming | |
| US10488336B2 (en) | Wearable device and charger, and method for estimating absorbance of wearable device | |
| US11517206B2 (en) | Electronic device, blood pressure measurement method of electronic device and blood pressure measurement system | |
| WO2017184221A1 (en) | Security system with gesture-based access control | |
| US11576584B2 (en) | Apparatus and method for detecting bio-signal feature | |
| EP3598939A1 (en) | Apparatus and method for measuring a biosignal | |
| KR20150130854A (ko) | 오디오 신호 인식 방법 및 이를 제공하는 전자 장치 | |
| US20180240458A1 (en) | Wearable apparatus and method for vocabulary measurement and enrichment | |
| KR20200029271A (ko) | 전자 장치 및 전자 장치에서 위치를 식별하기 위한 방법 | |
| US20230034807A1 (en) | Systems and methods including a device for personalized activity monitoring involving the hands | |
| KR102655670B1 (ko) | 생체 신호 품질 평가 장치 및 방법과, 생체 신호 측정 파라미터 최적화 장치 및 방법 | |
| KR20220061634A (ko) | 유방 종양 검출 장치 및 방법 | |
| JP2020512592A (ja) | 装置及び方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| AMND | Amendment | ||
| E902 | Notification of reason for refusal | ||
| X601 | Decision of rejection after re-examination |