KR20230079899A - 시각 인공지능 활용 비침습 피부 생체지표 추정 기반 피부염 판별 시스템 및 그 방법 - Google Patents
시각 인공지능 활용 비침습 피부 생체지표 추정 기반 피부염 판별 시스템 및 그 방법 Download PDFInfo
- Publication number
- KR20230079899A KR20230079899A KR1020210167111A KR20210167111A KR20230079899A KR 20230079899 A KR20230079899 A KR 20230079899A KR 1020210167111 A KR1020210167111 A KR 1020210167111A KR 20210167111 A KR20210167111 A KR 20210167111A KR 20230079899 A KR20230079899 A KR 20230079899A
- Authority
- KR
- South Korea
- Prior art keywords
- skin
- hertz
- images
- image
- artificial intelligence
- Prior art date
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 45
- 230000000007 visual effect Effects 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 32
- 201000004624 Dermatitis Diseases 0.000 title claims abstract description 16
- 239000000090 biomarker Substances 0.000 title claims abstract description 16
- 238000003748 differential diagnosis Methods 0.000 title 1
- 238000004458 analytical method Methods 0.000 claims abstract description 42
- 230000008569 process Effects 0.000 claims abstract description 22
- 230000003902 lesion Effects 0.000 claims abstract description 18
- 201000010099 disease Diseases 0.000 claims abstract description 15
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 15
- 238000007781 pre-processing Methods 0.000 claims abstract description 14
- 206010040882 skin lesion Diseases 0.000 claims abstract description 14
- 231100000444 skin lesion Toxicity 0.000 claims abstract description 14
- 238000011156 evaluation Methods 0.000 claims abstract description 10
- 208000017520 skin disease Diseases 0.000 claims abstract description 9
- 230000007547 defect Effects 0.000 claims abstract description 8
- 230000003595 spectral effect Effects 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- 238000012800 visualization Methods 0.000 claims abstract description 6
- 210000003491 skin Anatomy 0.000 claims description 79
- 210000001519 tissue Anatomy 0.000 claims description 39
- 210000004207 dermis Anatomy 0.000 claims description 7
- 210000002615 epidermis Anatomy 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000013179 statistical model Methods 0.000 claims description 6
- 238000012850 discrimination method Methods 0.000 claims description 4
- 210000004003 subcutaneous fat Anatomy 0.000 claims description 4
- 230000000737 periodic effect Effects 0.000 claims description 2
- 230000005856 abnormality Effects 0.000 claims 2
- 239000002537 cosmetic Substances 0.000 abstract description 6
- 238000003745 diagnosis Methods 0.000 abstract description 4
- 230000003796 beauty Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 206010033675 panniculitis Diseases 0.000 description 3
- 210000004304 subcutaneous tissue Anatomy 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G06T5/002—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
본 발명은 시각 인공지능 활용 비침습 피부 생체지표 추정 기반 피부염 판별 시스템에 관한 것으로, 피부에 대한 각 대역에 해당하는 영상을 독립적으로 촬영하여 수집하는 수집부; 수집된 영상에 대해 대역별로 구분하여 사전 설정된 필터에 따라 2차원 또는 3차원 영상으로 정규화하고 노이즈를 제거하여 전처리하는 전처리부; 상기 촬영된 영상에 대해 인공지능 연산과정에 의해 식별 가능한 패턴 형태로 관찰된 피부조직 형상을 인식하고 그 형상의 좌표를 저장하는 저장부; 상기 좌표를 깊이 정보에 따라 피부조직의 세분화된 영역에서 병변, 결함 및 특이점을 검출하고 성질이나 상태를 분석하는 분석부; 상기 분석부의 분석 결과를 기준으로 시각적 모델링을 통해 생성된 스펙트럼 영상을 결합하여 피부조직을 시각화하는 시각화부; 상기 분석부의 분석 결과를 기준으로 피부 병변을 질환별로 세부 분류하거나 피부 상태를 계량화 추정하여 기록하는 기록부; 및 상기 분석부의 분석 결과를 기준으로 피부 병변을 질환별로 세부 분류하거나 피부 상태를 계량화 추정하여 그 값을 평가하는 평가부;를 포함하는 것을 특징으로 한다.
Description
본 발명은 시각 인공지능 활용 비침습 피부 생체지표 추정 기반 피부염 판별 시스템 및 그 방법에 관한 것으로, 더욱 상세하게는 1011 ~ 1020 hertz 주파수 대역의 다중대역 영상 정보를 처리하는 시각 인공지능을 이용하여 다양한 종류의 피부 질환을 진단하고 미용 목적으로 피부 상태 분석을 해주는 시스템 및 그 방법에 관한 것이다.
특정 목적에 따라 다양한 정보를 인식하고 해석할 수 있는 인공지능 기술이 각종 연구 및 산업 분야에서 활발하게 상용화되면서, 숙련된 전문 인력이 육안 관찰 정보 등에 기초하여 수행해오던 판별 프로세스의 일부 및 전부를 대체하는 사례가 등장하고 있다. 한편, 비파괴검사는 관찰 대상의 외관을 개방 또는 변형시키거나 내부 손상을 초래하지 않고도 내외부의 결함이나 특이점을 발견하거나 성질이나 상태 등을 파악할 수 있도록 사용되는 검사 방법으로 각종 산업 분야뿐만 아니라 의료 분야에서도 널리 사용되고 있으며, 다중대역 파장을 관찰 대상에 조사하여 반환되는 영상 정보를 분석하는 방법 등이 주로 활용되고 있다.
의료 분야에서는 피부 질환의 진단에 있어 대개 전문의 등 의료진의 육안에 의한 관찰 또는 검체에 의존하는데, 전자는 오진의 위험, 후자는 침습적인 방법으로 환자에게 고통을 유발할 위험이 존재한다.
미용 분야에서는 피부 상태의 분석에 있어 업계에 종사하는 전문가 또는 일반인의 육안에 의한 관찰이나 제조사마다 비침습적 지표에 대한 설정 기준이 각기 다른 측정기기에 의존하는데, 이 분야에서는 객관화된 피부 임상에 따른 평가 체계가 부족한 실정이다.
따라서, 피부 의료 및 미용 분야에서 비침습적인 방법을 활용하더라도 유관 질환의 진단이나 미용 목적의 분석을 공통의 시각 인공지능 모델을 활용하여 임상적으로 유효한 근거에 의해 객관적으로 평가할 수 있는 기초적인 체계를 마련할 필요성이 있다.
상기와 같은 문제점을 해결하기 위한 본 발명의 목적은 피부 질환 진단 및 피부 상태에 대한 다중대역 영상 정보를 처리하는 시각 인공지능 기반 피부 내외부의 현상이나 변화 과정을 시점별로 추정하여 의료진 위주의 사용자가 이 정보를 토대로 피부 질환을 진단하거나 미용 전문가 등의 사용자가 미용 목적으로 피부 상태를 분석하는 시각 인공지능 활용 비침습 피부 생체지표 추정 기반 피부염 판별 시스템 및 그 방법을 제공하는 데 있다.
상기와 같은 목적을 달성하기 위한 본 발명의 시각 인공지능 활용 비침습 피부 생체지표 추정 기반 피부염 판별 시스템은 4×1014 ~ 8×1014 hertz 주파수 대역의 가시광선을 감지하는 카메라 모듈 및 1011 ~ 1013 hertz, 1013 ~ 4×1014 hertz, 1016 ~ 1020 hertz의 주파수 대역 중 어느 한 가지 이상을 감지하는 장치가 부착된 기기장치를 이용하여 피부에 대한 각 대역에 해당하는 영상을 독립적으로 촬영하여 각 대역에 해당하는 영상을 구분하여 수집하는 수집부; 수집된 영상에 대해 대역별로 구분하여 사전 설정된 필터에 따라 2차원 또는 3차원 영상으로 정규화하고 노이즈를 제거하여 전처리하는 전처리부; 상기 4×1014 ~ 8×1014 hertz 주파수 대역에서 촬영된 영상에 대해 인공지능 연산과정에 의해 식별 가능한 패턴 형태로 관찰된 피부조직 형상을 인식하고 그 형상의 좌표를 저장하는 저장부; 상기 좌표를 1011 ~ 1013 hertz, 1013 ~ 4×1014 hertz, 1016 ~ 1020 hertz의 주파수 대역에 대한 영상에 일치하여 깊이 정보에 따라 표피와 진피 그리고 피하지방 조직 등 피부조직의 세분화된 영역에서 병변, 결함 및 특이점을 검출하고 성질이나 상태를 분석하는 분석부; 상기 분석부의 분석 결과를 기준으로 인식된 형상의 주변부를 사전 설정된 통계적 모델과 결합하여 그 시각적 모델링을 통해 생성된 스펙트럼 영상을 결합하여 피부조직을 2차원 또는 3차원 영상으로 시각화하는 시각화부; 상기 분석부의 분석 결과를 기준으로 피부 병변을 질환별로 세부 분류하거나 피부 상태를 S개의 사전 설정된 기준에 따라 각 C개의 등급으로 계량화 추정하여 그 값을 시각 인공지능 모델의 학습을 위해 기록하는 기록부; 및 상기 분석부의 분석 결과를 기준으로 사전 학습되었거나 주기별로 지속적으로 학습되는 시각 인공지능 모델의 추론을 통해 피부 병변을 질환별로 세부 분류하거나 피부 상태를 S개의 사전 설정된 기준에 따라 각 C개의 등급으로 계량화 추정하여 그 값을 평가하는 평가부;를 포함하되, 상기 전처리부는 수집 영상을 대역별로 구분하여 해당 대역에 따라 사전 설정된 필터를 거쳐 4×1014 ~ 8×1014 hertz 주파수 대역 영상은 3채널의 2차원 또는 3차원 영상, 1011 ~ 1013 hertz 및 1013 ~ 4×1014 hertz 주파수 대역 영상은 1채널의 2차원 또는 3차원 영상, 1016 ~ 1020 hertz 주파수 대역 영상은 2채널의 2차원 또는 3차원 영상으로 정규화하여 그 영상에서 노이즈를 제거하고 피부층의 이상 병변 또는 특이 조직을 감지하기 위해 깊이에 따른 피부 조직 특성을 개별 고려하여 대비 및 밝기를 여러 단계로 조정하여 전처리하는 것을 특징으로 한다.
상기 평가부는 표피와 진피 그리고 피하지방 조직 등 깊이에 따른 피부조직의 병변이나 특이점을 검출하거나 성질이나 상태를 인공지능 연산과정을 이용하여 추정하거나, 이 결과로서 피부 질환을 특정 분류하거나 S개의 사전 설정된 기준에 따라 각 C개의 등급으로 계량화하여 평가하는 것을 특징으로 한다
또한, 본 발명의 시각 인공지능 활용 비침습 피부 생체지표 추정 기반 피부염 판별 방법은 4×1014 ~ 8×1014 hertz 주파수 대역의 가시광선을 감지하는 카메라 모듈 및 1011 ~ 1013 hertz, 1013 ~ 4×1014 hertz, 1016 ~ 1020 hertz의 주파수 대역중 어느 한 가지 이상을 감지하는 장치가 부착된 기기 장비를 이용하여 피부조직에 대한 각 대역에 해당하는 영상을 독립적으로 촬영하는 제1단계; 상기 제1단계의 각 대역에 해당하는 영상을 구분하여 수집하는 제2단계; 상기 제2단계의 수집된 영상에 대해 대역별로 구분하여 사전 설정된 필터에 따라 2차원 또는 3차원 영상으로 정규화하고 노이즈를 제거하여 전처리하는 제3단계; 상기 제3단계의 4×1014 ~ 8×1014 hertz 주파수 대역에서 촬영된 영상에 대해 인공지능 연산과정에 의해 식별 가능한 패턴 형태로 피부조직 형상을 인식하고 그 형상의 좌표를 저장하는 제4단계; 상기 제4단계의 좌표를 1011 ~ 1013 hertz, 1013 ~ 4×1014 hertz, 1016 ~ 1020 hertz의 주파수 대역에 대한 영상에 일치하여 깊이에 따른 피부조직에 대한 세분화된 영역의 병변, 결함 및 특이점을 검출하고 성질이나 상태를 분석하는 제5단계; 상기 제5단계의 분석 결과를 기준으로 피부 병변을 질환별로 세부 분류하거나 피부 상태를 S개의 사전 설정된 기준에 따라 각 C개의 등급으로 계량화 추정하여 그 값을 시각 인공지능 모델의 학습을 위해 기록하는 제6-1단계; 상기 제5단계의 분석 결과를 기준으로 인식된 형상의 주변부를 사전 설정된 통계적 모델과 결합하여 그 시각적 모델링을 통해 생성된 스펙트럼 영상을 결합하여 피부조직을 2차원 또는 3차원 영상으로 시각화하는 제6-2단계; 및 상기 제5단계의 분석 결과를 기준으로 사전 학습되었거나 주기별로 지속적으로 학습되는 시각 인공지능 모델의 추론을 통해 피부 병변을 질환별로 세부 분류하거나 피부 상태를 S개의 사전 설정된 기준에 따라 각 C개의 등급으로 계량화 추정하여 그 값을 평가하는 제6-3단계;를 포함하는 것을 특징으로 한다.
상기 제3단계는 수집 영상을 대역별로 구분하여 해당 대역에 따라 사전 설정된 필터를 거쳐 4×1014 ~ 8×1014 hertz 주파수 대역 영상은 3채널의 2차원 또는 3차원 영상, 1011 ~ 1013 hertz 및 1013 ~ 4×1014 hertz 주파수 대역 영상은 1채널의 2차원 또는 3차원 영상, 1016 ~ 1020 hertz 주파수 대역 영상은 2채널의 2차원 또는 3차원 영상으로 정규화하여 그 영상에서 노이즈를 제거하고 피부층의 이상 병변 또는 특이 조직을 감지하기 위해 깊이에 따른 피부 조직 특성을 개별 고려하여 대비 및 밝기를 여러 단계로 조정하여 전처리하는 것을 특징으로 한다.
상기와 같이, 본 발명에 따르면 피부에 대한 다중대역 영상 정보를 처리하는 시각 인공지능에 의해 피부 질환 진단 및 피부 상태 분석을 객관적이고 체계적으로 시행할 수 있도록 하여 그 결과를 의료 또는 미용 목적에 따라 활용될 수 있도록 할 수 있으며, 이는 향후 의료 산업에 있어서는 선진 진료 또는 비대면 원격 진료체계 발전에 기초가 되고, 미용 산업에 있어서는 개별 사용자에 대한 고도화된 분석 기술에 의한 정밀맞춤형 화장품, 식품, 의약품 처방을 가능하게 하는 등 첨단 혁신기술 도입을 통한 제반 산업 선도 등 산업적 효과 및 관련 기존 시장 변화를 주도하는 등 경제적 효과가 있다.
도 1은 본 발명에 따른 시각 인공지능 활용 비침습 피부 생체지표 추정 기반 피부염 판별 시스템의 구성도이다.
도 2는 본 발명에 따른 시각 인공지능 활용 비침습 피부 생체지표 추정 기반 피부염 판별 방법의 흐름도이다.
도 2는 본 발명에 따른 시각 인공지능 활용 비침습 피부 생체지표 추정 기반 피부염 판별 방법의 흐름도이다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다.
그러면 본 발명에 따른 시각 인공지능 활용 비침습 피부 생체지표 추정 기반 피부염 판별 시스템 및 그 방법의 바람직한 실시예를 자세히 설명하기로 한다.
도 1은 본 발명에 따른 시각 인공지능 활용 비침습 피부 생체지표 추정 기반 피부염 판별 시스템의 구성도이다.
도 1을 참조하면, 본 발명에 따른 시각 인공지능 활용 비침습 피부 생체지표 추정 기반 피부염 판별 시스템은 수집부(100), 전처리부(200), 저장부(300), 분석부(400), 시각화부(500), 기록부(600) 및 평가부(700)를 포함하여 구성된다.
상기 수집부(100)는 4×1014 ~ 8×1014 hertz 주파수 대역의 가시광선을 감지하는 카메라 모듈 및 1011 ~ 1013 hertz, 1013 ~ 4×1014 hertz, 1016 ~ 1020 hertz의 주파수 대역 중 어느 한 가지 이상을 감지하는 장치가 부착된 기기 장비를 이용하여 피부에 대한 각 대역에 해당하는 영상을 독립적으로 촬영하여 각 대역에 해당하는 영상을 구분하여 수집한다. 즉, 상기 수집부(100)는 대상 물체인 인체 피부의 단면 또는 다면을 대역에 따라 동일한 환경을 유지하며 독립적으로 촬영하여 각 대역에 해당하는 영상 정보를 구분하여 수집한다.
상기 전처리부(200)는 수집된 영상에 대해 대역별로 구분하여 사전 설정된 필터에 따라 2차원 또는 3차원 영상으로 정규화하고 노이즈를 제거하여 전처리한다. 즉, 상기 전처리부(200)는 수집 영상을 대역별로 구분하여 해당 대역에 따라 사전 설정된 필터를 거쳐 4×1014 ~ 8×1014 hertz 주파수 대역 영상은 3채널의 2차원 또는 3차원 영상, 1011 ~ 1013 hertz 및 1013 ~ 4×1014 hertz 주파수 대역 영상은 1채널의 2차원 또는 3차원 영상, 1016 ~ 1020 hertz 주파수 대역 영상은 2채널의 2차원 또는 3차원 영상으로 정규화하여 그 영상에서 노이즈를 제거하고 피부층의 이상 병변 또는 특이 조직을 감지하기 위해 깊이에 따른 피부 조직 특성을 개별 고려하여 대비(contrast) 및 밝기(brightness)를 여러 단계로 조정하여 전처리한다.
상기 저장부(300)는 4×1014 ~ 8×1014 hertz 주파수 대역에서 촬영된 영상에 대해 인공지능 연산과정에 의해 식별 가능한 패턴 형태로 관찰된 피부조직 형상을 인식하고 그 형상의 좌표를 저장한다. 즉, 상기 저장부(300)는 식별 가능한 패턴 형태로 관찰된 피부조직 형상을 인식하고 그 형상의 좌표의 좌표를 영상이 전송되는 연산장치 내부의 관계형 데이터베이스에 저장한다.
여기서, 상기 인공지능 연산과정은 컨벌루셔널(convolutional) 연산이 수반되는 필터를 이용하거나 입력 시점별로 구분된 N개의 단위 정보를 한 개의 순차적인 입력 단위로 설정하여 이에 대해 비선형(non-linear) 함수에 의한 변환을 거치는 학습 구조를 수반하며 분류 또는 판별 태스크를 수행하여 식별 가능한 패턴을 추정할 수 있다. 본 발명에서 수집한 영상 정보는 기기 장비 내부의 어플리케이션 프로세서에서 처리하거나 네트워크를 통해 전송하여 원격 서버에서 처리할 수 있다.
상기 분석부(400)는 좌표를 1011 ~ 1013 hertz, 1013 ~ 4×1014 hertz, 1016 ~ 1020 hertz의 주파수 대역에 대한 영상에 일치하여 깊이 정보에 따라 피부조직의 세분화된 영역에서 병변, 결함 및 특이점을 검출하고 성질이나 상태를 분석한다. 즉, 상기 분석부(400)는 표피(epidermis)와 진피(dermis) 그리고 피하지방 조직(subcutaneous tissue) 등 깊이에 따른 피부조직의 병변이나 특이점을 검출하거나 성질이나 상태를 인공지능 연산과정을 이용하여 분석한다.
상기 시각화부(500)는 분석부(400)의 분석 결과를 기준으로 인식된 형상의 주변부를 사전 설정된 통계적 모델과 결합하여 그 시각적 모델링을 통해 생성된 스펙트럼 영상을 결합하여 피부조직을 2차원 또는 3차원 영상으로 시각화한다.
상기 기록부(600)는 분석부(400)의 분석 결과를 기준으로 피부 병변을 질환별로 세부 분류하거나 피부 상태를 S개의 사전 설정된 기준에 따라 각 C개의 등급으로 계량화 추정하여 그 값을 시각 인공지능 모델의 학습을 위해 기록한다.
상기 평가부(700)는 분석부(400)의 분석 결과를 기준으로 사전 학습되었거나 주기별로 지속적으로 학습되는 시각 인공지능 모델의 추론을 통해, 피부 병변을 질환별로 세부 분류하거나 피부 상태를 S개의 사전 설정된 기준에 따라 각 C개의 등급으로 계량화 추정하여 그 값을 평가한다. 즉, 상기 평가부(600)는 표피(epidermis)와 진피(dermis) 그리고 피하지방 조직(subcutaneous tissue) 등 깊이에 따른 피부조직의 병변이나 특이점을 검출하거나 성질이나 상태를 인공지능 연산과정을 이용하여 추정하거나, 이 결과로서 피부 질환을 특정 분류하거나 S개의 사전 설정된 기준에 따라 각 C개의 등급으로 계량화하여 평가한다.
도 2는 본 발명에 따른 시각 인공지능 활용 비침습 피부 생체지표 추정 기반 피부염 판별 방법의 흐름도이다.
도 2를 참조하면, 본 발명에 따른 시각 인공지능 활용 비침습 피부 생체지표 추정 기반 피부염 판별 방법은 먼저, 4×1014 ~ 8×1014 hertz 주파수 대역의 가시광선을 감지하는 카메라 모듈 및 1011 ~ 1013 hertz, 1013 ~ 4×1014 hertz, 1016 ~ 1020 hertz의 주파수 대역 중 어느 한 가지 이상을 감지하는 장치가 부착된 기기 장비를 이용하여 피부조직에 대한 각 대역에 해당하는 영상을 독립적으로 촬영한다(S110).
즉, 4×1014 ~ 8×1014 hertz 주파수 대역의 가시광선을 감지하는 카메라 모듈 및 1011 ~ 1013 hertz, 1013 ~ 4×1014 hertz, 1016 ~ 1020 hertz의 주파수 대역 중 어느 한 가지 이상을 감지하는 장치가 부착된 기기 장비를 이용하여 대상 물체인 인체 피부의 단면 또는 다면을 대역에 따라 동일한 환경을 유지하며 독립적으로 촬영한다.
상기 S110 단계의 각 대역에 해당하는 영상을 구분하여 수집한다(S120).
상기 S120 단계의 수집된 영상에 대해 대역별로 구분하여 사전 설정된 필터에 따라 2차원 또는 3차원 영상으로 정규화하고 노이즈를 제거하여 전처리한다(S130).
즉, 상기 S120 단계에서 수집 영상을 대역별로 구분하여 해당 대역에 따라 사전 설정된 필터를 거쳐 4× 1014 ~ 8× 1014 hertz 주파수 대역 영상은 3채널의 2차원 또는 3차원 영상, 1011 ~ 1013 hertz 및 1013 ~ 4× 1014 hertz 주파수 대역 영상은 1채널의 2차원 또는 3차원 영상, 1016 ~ 1020 hertz 주파수 대역 영상은 2채널의 2차원 또는 3차원 영상으로 정규화하여 그 영상에서 노이즈를 제거하고 피부층의 이상 병변 또는 특이 조직을 감지하기 위해 깊이에 따른 피부 조직 특성을 개별 고려하여 대비(contrast) 및 밝기(brightness)를 여러 단계로 조정하여 전처리한다.
상기 S130 단계의 4×1014 ~ 8×1014 hertz 주파수 대역에서 촬영된 영상에 대해 인공지능 연산과정에 의해 식별 가능한 패턴 형태로 피부조직 형상을 인식하고 그 형상의 좌표를 저장한다(S140). 즉, 상기 S130 단계의 4×1014 ~ 8×1014 hertz 주파수 대역 영상에 대해 인공지능 연산과정에 의해 식별 가능한 패텬 형태로 피부조직 형상을 인식하고, 그 형상의 좌표를 영상이 전송되는 연산장치 내부의 관계형 데이터베이스에 저장한다.
여기서, 상기 인공지능 연산과정은 컨벌루셔널(convolutional) 연산이 수반되는 필터를 이용하거나 입력 시점별로 구분된 N개의 단위 정보를 한 개의 순차적인 입력 단위로 설정하여 이에 대해 비선형(non-linear) 함수에 의한 변환을 거치는 학습 구조를 수반하며 분류 또는 판별 태스크를 수행하여 식별 가능한 패턴을 추정할 수 있다. 본 발명에서 수집된 영상 정보는 기기 장비 내부의 어플리케이션 프로세서에서 처리하거나 네트워크를 통해 전송하여 원격 서버에서 처리할 수 있다.
상기 S140 단계의 좌표를 1011 ~ 1013 hertz, 1013 ~ 4×1014 hertz, 1016 ~ 1020 hertz의 주파수 대역에 대한 영상에 일치하여 깊이에 따른 피부조직에 대한 세분화된 영역의 병변, 결함 및 특이점을 검출하고 성질이나 상태를 분석한다(S150). 즉, 표피(epidermis)와 진피(dermis) 그리고 피하지방 조직(subcutaneous tissue) 등 깊이에 따른 피부조직의 병변이나 특이점을 검출하거나 성질이나 상태를 인공지능 연산과정을 이용하여 분석한다.
상기 S150 단계에서 분석한 결과를 기준으로 인식된 형상의 주변부를 사전 설정된 통계적 모델과 결합하여 그 시각적 모델링을 통해 생성된 스펙트럼 영상을 결합하여 피부조직을 2차원 또는 3차원 영상으로 시각화한다(S160-1).
상기 S150 단계에서 분석한 결과를 기준으로 피부 병변을 질환별로 세부 분류하거나 피부 상태를 S개의 사전 설정된 기준에 따라 각 C개의 등급으로 계량화 추정하여 그 값을 시각 인공지능 모델의 학습을 위해 기록한다(S160-2).
상기 S150 단계에서 분석한 결과를 기준으로 사전 학습되었거나 주기별로 지속적으로 학습되는 시각 인공지능 모델의 추론을 통해, 피부 병변을 질환별로 세부 분류하거나 피부 상태를 S개의 사전 설정된 기준에 따라 각 C개의 등급으로 계량화 추정하여 그 값을 평가한다(S160-2).
이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.
100: 수집부
200: 전처리부
300: 저장부 400: 분석부
500: 시각화부 600: 기록부
700: 평가부
300: 저장부 400: 분석부
500: 시각화부 600: 기록부
700: 평가부
Claims (4)
- 4×1014 ~ 8×1014 hertz 주파수 대역의 가시광선을 감지하는 카메라 모듈 및 1011 ~ 1013 hertz, 1013 ~ 4×1014 hertz, 1016 ~ 1020 hertz의 주파수 대역 중 어느 한 가지 이상을 감지하는 장치가 부착된 기기 장치를 이용하여 피부에 대한 각 대역에 해당하는 영상을 독립적으로 촬영하여 각 대역에 해당하는 영상을 구분하여 수집하는 수집부;
수집된 영상에 대해 대역별로 구분하여 사전 설정된 필터에 따라 2차원 또는 3차원 영상으로 정규화하고 노이즈를 제거하여 전처리하는 전처리부;
상기 4×1014 ~ 8×1014 hertz 주파수 대역에서 촬영된 영상에 대해 인공지능 연산과정에 의해 식별 가능한 패턴 형태로 관찰된 피부조직 형상을 인식하고 그 형상의 좌표를 저장하는 저장부;
상기 좌표를 1011 ~ 1013 hertz, 1013 ~ 4×1014 hertz, 1016 ~ 1020 hertz의 주파수 대역에 대한 영상에 일치하여 깊이 정보에 따라 표피와 진피 그리고 피하지방 조직의 세분화된 영역에서 병변, 결함 및 특이점을 검출하고 성질이나 상태를 분석하는 분석부;
상기 분석부의 분석 결과를 기준으로 인식된 형상의 주변부를 사전 설정된 통계적 모델과 결합하여 그 시각적 모델링을 통해 생성된 스펙트럼 영상을 결합하여 피부조직을 2차원 또는 3차원 영상으로 시각화하는 시각화부;
상기 분석부의 분석 결과를 기준으로 피부 병변을 질환별로 세부 분류하거나 피부 상태를 S개의 사전 설정된 기준에 따라 각 C개의 등급으로 계량화 추정하여 그 값을 시각 인공지능 모델의 학습을 위해 기록하는 기록부; 및
상기 분석부의 분석 결과를 기준으로 사전 학습되었거나 주기별로 지속적으로 학습되는 시각 인공지능 모델의 추론을 통해, 피부 병변을 질환별로 세부 분류하거나 피부 상태를 S개의 사전 설정된 기준에 따라 각 C개의 등급으로 계량화 추정하여 그 값을 평가하는 평가부;를 포함하되,
상기 전처리부는 수집 영상을 대역별로 구분하여 해당 대역에 따라 사전 설정된 필터를 거쳐 4×1014 ~ 8×1014 hertz 주파수 대역 영상은 3채널의 2차원 또는 3차원 영상, 1011 ~ 1013 hertz 및 1013 ~ 4×1014 hertz 주파수 대역 영상은 1채널의 2차원 또는 3차원 영상, 1016 ~ 1020 hertz 주파수 대역 영상은 2채널의 2차원 또는 3차원 영상으로 정규화하여 그 영상에서 노이즈를 제거하고 피부층의 이상 병변 또는 특이 조직을 감지하기 위해 깊이에 따른 피부 조직 특성을 개별 고려하여 대비 및 밝기를 여러 단계로 조정하여 전처리하는 것을 특징으로 하는 시각 인공지능 활용 비침습 피부 생체지표 추정 기반 피부염 판별 시스템. - 제1항에 있어서,
상기 평가부는 표피와 진피 그리고 피하지방 조직 깊이에 따른 피부조직의 병변이나 특이점을 검출하거나 성질이나 상태를 인공지능 연산과정을 이용하여 추정하거나, 이 결과로서 피부 질환을 특정 분류하거나 S개의 사전 설정된 기준에 따라 각 C개의 등급으로 계량화하여 평가하는 것을 특징으로 하는 시각 인공지능 활용 비침습 피부 생체지표 추정 기반 피부염 판별 시스템. - 4×1014 ~ 8×1014 hertz 주파수 대역의 가시광선을 감지하는 카메라 모듈 및 1011 ~ 1013 hertz, 1013 ~ 4×1014 hertz, 1016 ~ 1020 hertz의 주파수 대역중 어느 한 가지 이상을 감지하는 장치가 부착된 기기 장비를 이용하여 피부조직에 대한 각 대역에 해당하는 영상을 독립적으로 촬영하는 제1단계;
상기 제1단계의 각 대역에 해당하는 영상을 구분하여 수집하는 제2단계;
상기 제2단계의 수집된 영상에 대해 대역별로 구분하여 사전 설정된 필터에 따라 2차원 또는 3차원 영상으로 정규화하고 노이즈를 제거하여 전처리하는 제3단계;
상기 제3단계의 4× 1014 ~ 8×1014 hertz 주파수 대역에서 촬영된 영상에 대해 인공지능 연산과정에 의해 식별 가능한 패턴 형태로 피부조직 형상을 인식하고 그 형상의 좌표를 저장하는 제4단계;
상기 제4단계의 좌표를 1011 ~ 1013 hertz, 1013 ~ 4×1014 hertz, 1016 ~ 1020 hertz의 주파수 대역에 대한 영상에 일치하여 깊이에 따른 피부조직에 대한 세분화된 영역의 병변, 결함 및 특이점을 검출하고 성질이나 상태를 분석하는 제5단계;
상기 제5단계의 분석 결과를 기준으로 인식된 형상의 주변부를 사전 설정된 통계적 모델과 결합하여 그 시각적 모델링을 통해 생성된 스펙트럼 영상을 결합하여 피부조직을 2차원 또는 3차원 영상으로 시각화하는 제6-1단계;
상기 제5단계의 분석 결과를 기준으로 피부 병변을 질환별로 세부 분류하거나 피부 상태를 S개의 사전 설정된 기준에 따라 각 C개의 등급으로 계량화 추정하여 그 값을 시각 인공지능 모델의 학습을 위해 기록하는 제6-2단계; 및
상기 제5단계의 분석 결과를 기준으로 사전 학습되었거나 주기별로 지속적으로 학습되는 시각 인공지능 모델의 추론을 통해, 피부 병변을 질환별로 세부 분류하거나 피부 상태를 S개의 사전 설정된 기준에 따라 각 C개의 등급으로 계량화 추정하여 그 값을 평가하는 제6-3단계;를 포함하는 것을 특징으로 하는 시각 인공지능 활용 비침습 피부 생체지표 추정 기반 피부염 판별 방법. - 제3항에 있어서,
상기 제3단계는 수집 영상을 대역별로 구분하여 해당 대역에 따라 사전 설정된 필터를 거쳐 4×1014 ~ 8×1014 hertz 주파수 대역 영상은 3채널의 2차원 또는 3차원 영상, 1011 ~ 1013 hertz 및 1013 ~ 4×1014 hertz 주파수 대역 영상은 1채널의 2차원 또는 3차원 영상, 1016 ~ 1020 hertz 주파수 대역 영상은 2채널의 2차원 또는 3차원 영상으로 정규화하여 그 영상에서 노이즈를 제거하고 피부층의 이상 병변 또는 특이 조직을 감지하기 위해 깊이에 따른 피부 조직 특성을 개별 고려하여 대비 및 밝기를 여러 단계로 조정하여 전처리하는 것을 특징으로 하는 시각 인공지능 활용 비침습 피부 생체지표 추정 기반 피부염 판별 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210167111A KR102654796B1 (ko) | 2021-11-29 | 2021-11-29 | 시각 인공지능 활용 비침습 피부 생체지표 추정 기반 피부염 판별 시스템 및 그 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210167111A KR102654796B1 (ko) | 2021-11-29 | 2021-11-29 | 시각 인공지능 활용 비침습 피부 생체지표 추정 기반 피부염 판별 시스템 및 그 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20230079899A true KR20230079899A (ko) | 2023-06-07 |
| KR102654796B1 KR102654796B1 (ko) | 2024-04-11 |
Family
ID=86762099
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210167111A KR102654796B1 (ko) | 2021-11-29 | 2021-11-29 | 시각 인공지능 활용 비침습 피부 생체지표 추정 기반 피부염 판별 시스템 및 그 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102654796B1 (ko) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170043762A (ko) | 2015-10-14 | 2017-04-24 | 엘지이노텍 주식회사 | 피부 상태 측정 장치 및 이를 이용한 모바일 서비스 제공 시스템 |
| KR20190076287A (ko) * | 2017-12-22 | 2019-07-02 | 한국전기연구원 | 다중 영상 내시경 시스템, 그 영상 제공 방법, 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체 |
| KR102041906B1 (ko) * | 2019-03-06 | 2019-11-07 | 주식회사 에프앤디파트너스 | 안면피부촬영장치를 통해 촬영된 영상 이미지를 활용하여 피부질환을 판별하는 인공지능 기반의 안면 피부질환 판별용 api 엔진 |
| KR102162683B1 (ko) * | 2020-01-31 | 2020-10-07 | 주식회사 에프앤디파트너스 | 비정형 피부질환 영상데이터를 활용한 판독보조장치 |
| KR20210042966A (ko) * | 2018-09-20 | 2021-04-20 | 로레알 | 각질 표면의 특성을 결정하기 위한 방법과 시스템 및 상기 각질 표면을 처리하기 위한 방법과 시스템 |
| WO2021083923A1 (en) * | 2019-11-01 | 2021-05-06 | Koninklijke Philips N.V. | Evaluating skin |
| KR20210086374A (ko) * | 2019-12-30 | 2021-07-08 | 연세대학교 산학협력단 | 인공지능 기반의 피부질환 분류 방법 |
-
2021
- 2021-11-29 KR KR1020210167111A patent/KR102654796B1/ko active IP Right Grant
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170043762A (ko) | 2015-10-14 | 2017-04-24 | 엘지이노텍 주식회사 | 피부 상태 측정 장치 및 이를 이용한 모바일 서비스 제공 시스템 |
| KR20190076287A (ko) * | 2017-12-22 | 2019-07-02 | 한국전기연구원 | 다중 영상 내시경 시스템, 그 영상 제공 방법, 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체 |
| KR20210042966A (ko) * | 2018-09-20 | 2021-04-20 | 로레알 | 각질 표면의 특성을 결정하기 위한 방법과 시스템 및 상기 각질 표면을 처리하기 위한 방법과 시스템 |
| KR102041906B1 (ko) * | 2019-03-06 | 2019-11-07 | 주식회사 에프앤디파트너스 | 안면피부촬영장치를 통해 촬영된 영상 이미지를 활용하여 피부질환을 판별하는 인공지능 기반의 안면 피부질환 판별용 api 엔진 |
| WO2021083923A1 (en) * | 2019-11-01 | 2021-05-06 | Koninklijke Philips N.V. | Evaluating skin |
| KR20210086374A (ko) * | 2019-12-30 | 2021-07-08 | 연세대학교 산학협력단 | 인공지능 기반의 피부질환 분류 방법 |
| KR102162683B1 (ko) * | 2020-01-31 | 2020-10-07 | 주식회사 에프앤디파트너스 | 비정형 피부질환 영상데이터를 활용한 판독보조장치 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102654796B1 (ko) | 2024-04-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Fernandes et al. | A novel nonintrusive decision support approach for heart rate measurement | |
| Altan et al. | Deep learning with 3D-second order difference plot on respiratory sounds | |
| Lee et al. | Irregularity index: a new border irregularity measure for cutaneous melanocytic lesions | |
| US5836872A (en) | Digital optical visualization, enhancement, quantification, and classification of surface and subsurface features of body surfaces | |
| Gupta et al. | PCA as an effective tool for the detection of R-peaks in an ECG signal processing | |
| JP4487535B2 (ja) | 健康度測定システムおよびプログラム | |
| KR20200116107A (ko) | 의료적 이미지화 절차의 자동화된 모니터링 | |
| Fabelo et al. | A novel use of hyperspectral images for human brain cancer detection using in-vivo samples | |
| Fabelo et al. | Dermatologic hyperspectral imaging system for skin cancer diagnosis assistance | |
| Andreu-Cabedo et al. | Mirror mirror on the wall… An intelligent multisensory mirror for well-being self-assessment | |
| Priya et al. | Signal and image processing techniques for the development of intelligent healthcare systems | |
| Charvát et al. | Diffuse reflectance spectroscopy in dental caries detection and classification | |
| TWI430776B (zh) | 智慧型影像膚質檢測系統及方法 | |
| JP6471559B2 (ja) | 診断装置並びに当該診断装置における画像処理方法、画像処理システム及びそのプログラム | |
| CN114332910A (zh) | 一种面向远红外图像的相似特征计算的人体部位分割方法 | |
| KR102654796B1 (ko) | 시각 인공지능 활용 비침습 피부 생체지표 추정 기반 피부염 판별 시스템 및 그 방법 | |
| KR102699187B1 (ko) | 다중대역 영상 정보를 이용하는 시각 인공지능 기반 피부 질환 진단 및 피부 상태 분석 시스템 및 그 방법 | |
| Karmuse et al. | A robust rPPG approach for continuous heart rate measurement based on face | |
| Li | Hyperspectral imaging technology used in tongue diagnosis | |
| CN116092157A (zh) | 一种智能面舌诊方法、系统及智能设备 | |
| KR20240079359A (ko) | 인공지능 기반 피부 질환 진단 시스템 및 방법 | |
| Ahmed et al. | Skin Cancer Classification Utilizing a Hybrid Model of Machine Learning Models Trained on Dermoscopic Images | |
| Kharkar et al. | A Comprehensive Review of Emerging Technologies for Anemia Detection | |
| WO2021084375A1 (en) | Non-invasive non-contact system and method for measuring dyslipidemia condition using thermal imaging | |
| Kumar et al. | An Effective Neural Network Assisted Melanoma Disease Prediction based on Dermoscopy Images |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right |