KR20230118735A - 치과 질환 진단을 위한 정보 제공 방법 및 장치 - Google Patents
치과 질환 진단을 위한 정보 제공 방법 및 장치 Download PDFInfo
- Publication number
- KR20230118735A KR20230118735A KR1020220014837A KR20220014837A KR20230118735A KR 20230118735 A KR20230118735 A KR 20230118735A KR 1020220014837 A KR1020220014837 A KR 1020220014837A KR 20220014837 A KR20220014837 A KR 20220014837A KR 20230118735 A KR20230118735 A KR 20230118735A
- Authority
- KR
- South Korea
- Prior art keywords
- reference point
- tooth
- dental image
- dental
- network function
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 208000014151 Stomatognathic disease Diseases 0.000 title claims abstract description 24
- 208000018035 Dental disease Diseases 0.000 title claims description 10
- 210000000988 bone and bone Anatomy 0.000 claims abstract description 39
- 230000006870 function Effects 0.000 claims description 52
- 201000001245 periodontitis Diseases 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 11
- 206010065687 Bone loss Diseases 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 15
- 239000000284 extract Substances 0.000 description 14
- 238000013528 artificial neural network Methods 0.000 description 7
- 208000028169 periodontal disease Diseases 0.000 description 6
- 208000002679 Alveolar Bone Loss Diseases 0.000 description 5
- 210000003298 dental enamel Anatomy 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 210000001519 tissue Anatomy 0.000 description 4
- 206010061218 Inflammation Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 210000004195 gingiva Anatomy 0.000 description 3
- 208000007565 gingivitis Diseases 0.000 description 3
- 230000004054 inflammatory process Effects 0.000 description 3
- 230000003239 periodontal effect Effects 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 238000002591 computed tomography Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 208000008312 Tooth Loss Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 210000004268 dentin Anatomy 0.000 description 1
- 235000018823 dietary intake Nutrition 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 208000014617 hemorrhoid Diseases 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 210000004373 mandible Anatomy 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 210000002050 maxilla Anatomy 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 210000000214 mouth Anatomy 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 210000004261 periodontium Anatomy 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- APTZNLHMIGJTEW-UHFFFAOYSA-N pyraflufen-ethyl Chemical compound C1=C(Cl)C(OCC(=O)OCC)=CC(C=2C(=C(OC(F)F)N(C)N=2)Cl)=C1F APTZNLHMIGJTEW-UHFFFAOYSA-N 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
- A61B1/24—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor for the mouth, i.e. stomatoscopes, e.g. with tongue depressors; Instruments for opening or keeping open the mouth
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
- A61B5/4538—Evaluating a particular part of the muscoloskeletal system or a particular medical condition
- A61B5/4542—Evaluating the mouth, e.g. the jaw
- A61B5/4547—Evaluating teeth
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- General Physics & Mathematics (AREA)
- Surgery (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Mathematical Physics (AREA)
- Veterinary Medicine (AREA)
- Radiology & Medical Imaging (AREA)
- Artificial Intelligence (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Primary Health Care (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Dentistry (AREA)
- Databases & Information Systems (AREA)
- Animal Behavior & Ethology (AREA)
- Epidemiology (AREA)
- Heart & Thoracic Surgery (AREA)
- Optics & Photonics (AREA)
- Quality & Reliability (AREA)
- Physical Education & Sports Medicine (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Rheumatology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
본 발명의 실시예에 따라 치과 질환 진단을 위한 정보 제공 방법 및 장치가 제공된다. 상기 방법은, 수진자의 치과 영상을 획득하는 단계; 학습된 적어도 하나의 네트워크 함수를 통해 상기 치과 영상으로부터 치아 각각에 대해 치조골 경계선의 기준이 되는 근위부와 원심부의 제 1 기준점을 추출하는 단계; 상기 적어도 하나의 네트워크 함수를 통해 상기 치과 영상으로부터 상기 치아 각각에 대해 치관과 치근의 경계선의 기준이 되는 근위부와 원심부의 제 2 기준점을 추출하는 단계; 및 상기 치과 영상의 각 치아에 추출된 상기 제 1 기준점과 상기 제 2 기준점을 표시하는 단계를 포함할 수 있다.
Description
본 발명은 치과 질환 진단을 위한 정보 제공 방법 및 장치에 관한 것이다.
치과 질환 중 하나인 치주 질환은 치아를 둘러싸고 있는 치은과 치조골 등 치아 주위 조직에서 발생한 염증에 의해 유발되는 질환으로서, 질환의 진행 정도에 따라 치은염과 치주염으로 구분된다. 구체적으로, 비교적 가볍고 회복이 빠른 치주 질환으로 잇몸 즉, 연조직에만 국한된 형태를 치은염이라고 하고, 이러한 염증이 잇몸과 잇몸뼈 주변까지 진행된 경우를 치주염이라고 한다.
이러한 치주 질환은 흔한 치과 질환이지만 치조골 손실, 치아 손실, 치질(치아 법랑질, 상아질)의 손상, 저작 장애, 영양 섭취 저하 등을 줄 수 있기 때문에 빠르고 정확한 진단과 그에 따른 치료가 진행되어야 한다.
일반적으로 치주 질환은 환자의 치아 및 잇몸에 대한 치과 방사선 영상(예를 들어, 치근단 방사선 영상, 파노라마 방사선 영상 등)을 판독하여 진단하는 방법이 주로 이용된다.
그러나 이러한 진단 방법의 경우, 방사선 영상을 판독하는 판독의의 주관적인 경험, 경력에 영향을 많이 받기 때문에, 부정확한 진단을 초래할 가능성이 있다.
따라서, 단순하게 판독의의 경험에만 의존하지 않고, 방사선 영상 등의 치과 영상에 치주염 등의 치과 질환의 판독에 필요한 정보를 효과적으로 제공함으로써, 진단의 정확성을 높일 수 있는 기술이 요구된다.
본 발명은 상기 과제를 해결하기 위해 안출된 것으로서, 본 발명은 네트워크 함수를 통해 치과 영상으로부터 치과 질환과 관련된 치아의 해부학적 특징에 대응하는 복수의 기준점을 자동 추출하고, 이를 치과 영상에 중첩 표시하여 진단자에게 제공할 수 있는 치과 질환 진단을 위한 정보 제공 방법 및 그 장치를 제공하는 것을 목적으로 한다.
본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재들로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 발명의 실시예에 따라 치과 질환 진단을 위한 정보 제공 방법이 제공된다. 상기 방법은, 수진자의 치과 영상을 획득하는 단계; 학습된 적어도 하나의 네트워크 함수를 통해 상기 치과 영상으로부터 치아 각각에 대해 치조골 경계선의 기준이 되는 근위부와 원심부의 제 1 기준점을 추출하는 단계; 상기 적어도 하나의 네트워크 함수를 통해 상기 치과 영상으로부터 상기 치아 각각에 대해 치관과 치근의 경계선의 기준이 되는 근위부와 원심부의 제 2 기준점을 추출하는 단계; 및 상기 치과 영상의 각 치아에 추출된 상기 제 1 기준점과 상기 제 2 기준점을 표시하는 단계를 포함할 수 있다.
예시적인 실시예에 따르면, 상기 적어도 하나의 네트워크 함수를 통해 상기 치과 영상으로부터 상기 치아 각각에 대해 치근단에 대응하는 제 3 기준점을 추출하는 단계를 더 포함하고, 상기 표시하는 단계에서는, 상기 추출된 제 3 기준점을 상기 치과 영상의 각 치아에 더 표시할 수 있다.
예시적인 실시예에 따르면, 상기 제 1 기준점, 상기 제 2 기준점 및 상기 제 3 기준점의 위치 관계에 기초하여 상기 치과 영상의 각 치아에 대하여 치주염의 진행 정도를 판독하는 단계를 더 포함할 수 있다.
예시적인 실시예에 따르면, 상기 치주염의 진행 정도를 판독하는 단계는, 치아 각각에 대하여 상기 제 1 기준점과 상기 제 2 기준점의 위치 관계를 기초로, 치조골의 소실(bone-loss) 정도를 판단하는 단계; 치아 각각에 대하여 상기 제 1 기준점과 상기 제 3 기준점의 위치 관계를 기초로, 치조골 경계와 치근단의 근접도를 판단하는 단계; 및 상기 치조골의 소실 정도 및 상기 근접도에 따라, 치주염의 진행 정도를 판독하는 단계를 포함할 수 있다.
예시적인 실시예에 따르면, 상기 제 3 기준점에 의해 산출되는 치근단의 배치 및 개수에 기초하여, 개별 치아를 식별하는 단계를 더 포함할 수 있다.
예시적인 실시예에 따르면, 누적된 복수의 비교 영상을 포함하는 학습데이터를 통해 상기 적어도 하나의 네트워크 함수를 학습시키는 단계를 더 포함하고, 상기 비교 영상은 전문의 또는 다른 네트워크 함수에 의해 상기 제 1 기준점, 상기 제 2 기준점 및 상기 제 3 기준점 중 적어도 하나가 판독된 다른 수진자의 치과 영상일 수 있다.
본 발명의 실시예에 따라 치과 질환 진단을 위한 정보 제공 장치가 제공된다. 상기 장치는, 적어도 하나의 프로세서; 상기 프로세서에 의해 실행 가능한 프로그램을 저장하는 메모리; 및 상기 프로세서는, 상기 프로그램을 실행함으로써, 수진자의 치과 영상을 획득하고, 학습된 적어도 하나의 네트워크 함수를 통해 상기 치과 영상으로부터 치아 각각에 대해 치조골 경계선의 기준이 되는 근위부와 원심부의 제 1 기준점을 추출하며, 상기 적어도 하나의 네트워크 함수를 통해 상기 치과 영상으로부터 상기 치아 각각에 대해 치관과 치근의 경계선의 기준이 되는 근위부와 원심부의 제 2 기준점을 추출하고, 상기 치과 영상의 각 치아에 추출된 상기 제 1 기준점과 상기 제 2 기준점을 표시할 수 있다.
본 발명에 따르면, 네트워크 함수를 통해 치과 영상으로부터 치과 질환과 관련된 치아의 해부학적 특징에 대응하는 복수의 기준점을 자동 추출하고, 치과 영상에 이를 중첩 표시하여 제공함으로써, 진단자로 하여금 치과 질환의 진단 및 치료 계획 수립에 활용하도록 할 수 있다.
본 발명에 따르면, 복수의 기준점 사이의 위치 관계에 의해 치조골의 소실 정도 및 치조골 경계선의 치근단과의 근접도를 정량적으로 산출하고, 이를 기초로 치주염의 진행 정도를 판독할 수 있다.
본 발명에 치과 질환 진단을 위한 정보 제공 방법 및 장치가 얻을 수 있는 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은 치주 조직을 포함하는 치아를 예시적으로 나타내는 단면도이다.
도 2는 본 발명의 실시예에 따른 치과 질환 진단을 위한 정보 제공 방법을 설명하기 위한 흐름도이다.
도 3은 본 발명의 실시예에 따른 치과 질환 진단을 위한 정보 제공 방법을 설명하기 위한 흐름도이다.
도 4는 도 3의 S360 단계에 대한 실시예를 도시한다.
도 5는 본 발명의 실시예에 따른 치과 질환 진단을 위한 정보 제공 방법에 따라 추출된 복수의 기준점이 표시된 치과 영상을 예시적으로 도시한다.
도 6은 본 발명의 실시예에 따른 치과 질환 진단을 위한 정보 제공 장치의 구성을 간략히 도시한 블록도이다.
도 2는 본 발명의 실시예에 따른 치과 질환 진단을 위한 정보 제공 방법을 설명하기 위한 흐름도이다.
도 3은 본 발명의 실시예에 따른 치과 질환 진단을 위한 정보 제공 방법을 설명하기 위한 흐름도이다.
도 4는 도 3의 S360 단계에 대한 실시예를 도시한다.
도 5는 본 발명의 실시예에 따른 치과 질환 진단을 위한 정보 제공 방법에 따라 추출된 복수의 기준점이 표시된 치과 영상을 예시적으로 도시한다.
도 6은 본 발명의 실시예에 따른 치과 질환 진단을 위한 정보 제공 장치의 구성을 간략히 도시한 블록도이다.
본 발명의 기술적 사상은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 이를 상세히 설명하고자 한다. 그러나, 이는 본 발명의 기술적 사상을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 기술적 사상의 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
본 발명의 기술적 사상을 설명함에 있어서, 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 본 발명의 설명 과정에서 이용되는 숫자(예를 들어, 제1, 제2 등)는 하나의 구성요소를 다른 구성요소와 구분하기 위한 식별기호에 불과하다.
또한, 본 발명에서, 일 구성요소가 다른 구성요소와 "연결된다" 거나 "접속된다" 등으로 언급된 때에는, 상기 일 구성요소가 상기 다른 구성요소와 직접 연결되거나 또는 직접 접속될 수도 있지만, 특별히 반대되는 기재가 존재하지 않는 이상, 중간에 또 다른 구성요소를 매개하여 연결되거나 또는 접속될 수도 있다고 이해되어야 할 것이다.
또한, 본 발명에 기재된 "~부", "~기", "~자", "~모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 프로세서(Processor), 마이크로 프로세서(Micro Processer), 마이크로 컨트롤러(Micro Controller), CPU(Central Processing Unit), GPU(Graphics Processing Unit), APU(Accelerate Processor Unit), DSP(Digital Signal Processor), ASIC(Application Specific Integrated Circuit), FPGA(Field Programmable Gate Array) 등과 같은 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
그리고 본 발명에서의 구성부들에 대한 구분은 각 구성부가 담당하는 주기능 별로 구분한 것에 불과함을 명확히 하고자 한다. 즉, 이하에서 설명할 2개 이상의 구성부가 하나의 구성부로 합쳐지거나 또는 하나의 구성부가 보다 세분화된 기능별로 2개 이상으로 분화되어 구비될 수도 있다. 그리고 이하에서 설명할 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 있음은 물론이다.
본 발명의 실시예에 따른 방법은 연산 능력을 구비한 개인용 컴퓨터(Personal Computer), 워크스테이션(work station), 서버용 컴퓨터 장치 등에서 수행되거나 이를 위한 별도의 장치에서 수행될 수 있다.
또한, 방법은 하나 이상의 연산 장치들에서 수행될 수도 있다. 예를 들어, 본 발명의 실시예에 따른 방법 중 적어도 하나 이상의 단계들은 클라이언트 디바이스에서, 다른 단계들은 서버 디바이스에서 수행될 수 있다. 이러한 경우, 클라이언트 디바이스와 서버 디바이스는 네트워크로 연결되어 연산 결과를 송수신할 수 있다. 또는, 방법은 분산 컴퓨팅 기술에 의해 수행될 수도 있다.
한편, 본 발명에서 설명되는 네트워크 함수는 신경망 네트워크 및/또는 뉴럴 네트워크(neural network)와 동일한 의미로 사용될 수 있다. 여기서, 뉴럴 네트워크는 일반적으로 노드라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있고, 이러한 노드들은 뉴런으로 지칭될 수 있다. 뉴럴 네트워크를 구성하는 노드들은 하나 이상의 링크에 의해 상호 연결될 수 있다. 뉴럴 네트워크를 구성하는 노드들 중 일부는 최초 입력 노드로부터의 거리들에 기초하여 하나의 레이어(layer)를 구성할 수 있다. 예를 들어, 최초 입력 노드로부터 거리가 n인 노드들의 집합은 n 레이어를 구성할 수 있다. 뉴럴 네트워크는 입력 레이어와 출력 레이어 외에 복수의 히든 레이어를 포함하는 딥 뉴럴 네트워크(Deep Neural Network, DNN)를 포함할 수 있다.
본 발명의 실시예들에서, 네트워크 함수는 컨볼루션 뉴럴 네트워크(Convolutional neural network, CNN)를 포함하여 구성될 수 있으나, 이에 한정하는 것은 아니다.
이하, 본 발명의 실시예들을 차례로 상세히 설명한다.
도 1은 치주 조직을 포함하는 치아를 예시적으로 나타내는 단면도이다.
해부학적으로 치아는 치아의 위쪽에 위치하며 법량질로 둘러 쌓인 치관(해부학적 치관)과 백악질로 이뤄지는 치근(치아의 뿌리)으로 나뉠 수 있다. 한편, 임상적 치관은 구강 내에 노출되어 있는 부분만을 지칭하며, 보다 구체적으로 치은(잇몸)선의 위쪽 부위를 의미한다.
치경선 또는 백악법랑 경계선은 해부학적인 치관과 치근의 경계를 의미하는 것으로 실제 법랑질과 백악질의 경계선에 해당된다.
치조골은 상악골(위턱뼈)과 하악골(아래턱뼈)에서 각 돌출된 부분들로 치근을 지지하는 역할을 하는 돌기 형태의 골조직을 지칭하며, 치조골의 경계선은 치아의 근위부 및 원심부에서 치조골 영역의 가장 돌출된 지점을 의미한다.
한편, 치주질환은 치주조직에 발생하는 병변의 총칭하는 것으로서, 병변의 정도에 따라 치은염(gingivitis)과 치주염(periodontitis)으로 구분될 수 있다. 치주염이 발생하는 경우, 치은에 발생한 염증이 치조골까지 전파됨으로써 치조골이 녹아 소실될 수 있다. 이에 따라, 치조골이 경계선이 치근단과 가깝게 이동하며, 치주염의 진행이 심해지면, 치근이 치은의 외부로 노출되게 된다.
이하 상술되는 바와 같이, 본 발명에서는, 치주 질환(특히, 치주염)과 관련된 치아의 해부학적 특징인 치조골의 경계선, 치경선 및 치근단에 대응하는 기준점을 네트워크 함수를 통해 자동 검출하여 이에 대한 정보를 진단자에게 효과적으로 표시하며, 더하여, 기준점들의 위치 관계에 따라, 치주염의 진행 정도를 판독하여 진단자에게 제공할 수 있다.
도 2는 본 발명의 실시예에 따른 치과 질환 진단을 위한 정보 제공 방법을 설명하기 위한 흐름도이다.
S210 단계에서, 장치는 수진자의 치과 영상을 획득할 수 있다. 여기서 치과 영상은 치아를 포함하는 수진자의 신체 일부를 촬영한 의료 영상일 수 있다. 예를 들어, 파노라마 방사선(panorama X-ray) 영상, 컴퓨터 단층촬영(CT, Computed Tomography) 영상, 두부 방사선(cephalogram) 영상, 치근단 방사선 영상 등 일 수 있으나, 이에 한정하는 것은 아니다.
실시예에서, 장치는 유, 무선 통신을 통해 연결된 외부의 다른 장치(단말 또는 데이터베이스 서버 등), 또는 장치에 연동되는 타 장치(치과 영상 촬영 장치 등), 또는 외부 저장 매체 등으로부터 수진자의 치과 영상을 획득할 수 있다.
S220 단계에서, 장치는 사전 학습된 적어도 하나의 네트워크 함수를 통해 치과 영상으로부터 치아 각각에 대해 치조골 경계선의 기준이 되는 근위부와 원심부의 제 1 기준점을 추출할 수 있다.
예를 들어, 적어도 하나의 네트워크 함수는 치조골 영역의 경계 부위에 대응하는 해부학적 특징에 기초하여 치과 영상으로부터 개별 치아에 대해 근위부와 원심부의 2개의 제 1 기준점을 각각 추출할 수 있다.
S230 단계에서, 장치는 사전 학습된 적어도 하나의 네트워크 함수를 통해 치과 영상으로부터 치아 각각에 대해 치관과 치근의 경계선(즉, 치경선 또는 백악법랑 경계선)의 기준이 되는 근위부와 원심부의 제 2 기준점을 추출할 수 있다.
예를 들어, 적어도 하나의 네트워크 함수는 치관과 치근의 경계 부위에 대응하는 해부학적 특징에 기초하여 치과 영상으로부터 개별 치아에 대해 근위부와 원심부의 2개의 제 2 기준점을 각각 추출할 수 있다.
S240 단계에서, 장치는 사전 학습된 적어도 하나의 네트워크 함수를 통해 치과 영상으로부터 치아 각각에 대해 치근단에 대응하는 제 3 기준점을 추출할 수 있다.
예를 들어, 적어도 하나의 네트워크 함수는 치근단 부위에 대응하는 해부학적 특징에 기초하여 치과 영상으로부터 개별 치아에 대해 1 이상의 제 3 기준점을 각각 추출할 수 있다.
실시예에서, S220 단계 내지 S240 단계는, 2 이상의 단계가 동시에 수행될 수 있다. 예를 들어, 적어도 하나의 네트워크 함수가 입력된 치과 영상으로부터 제 1 기준점, 제 2 기준점 및 제 3 기준점을 동시에 추출하도록 구현될 수 있다.
실시예에서, 장치는 추출된 제 1 기준점, 제 2 기준점 및 제 3 기준점에 대하여 좌표 데이터를 생성할 수 있다. 예를 들어, 장치는 제 1 기준점, 제 2 기준점 및 제 3 기준점을 2차원 또는 3차원의 좌표 공간상에 매핑함으로써 좌표 데이터를 생성할 수 있다.
실시예에서, 제 1 기준점, 제 2 기준점 및 제 3 기준점 중 적어도 하나는 상이한 추상화 레벨에서 추출될 수 있다. 예를 들어, 네트워크 함수는 복수의 합성곱 레이어(convolutional layer)를 포함하여, 이러한 합성곱 레이어를 통해 치과 영상을 1 이상의 레벨로 추상화할 수 있으며, 제 1 기준점, 제 2 기준점 및 제 3 기준점 중 적어도 하나는 다른 기준점과 상이한 추상화 레벨에서 추출이 수행될 수 있다.
실시예에서, 방법(200)은, S210 단계 또는 S220 단계 이전에, 누적된 복수의 비교 영상을 포함하는 학습데이터를 통해 적어도 하나의 네트워크 함수를 학습시키는 단계를 더 포함할 수 있다. 여기서, 비교 영상은 전문의 또는 다른 네트워크 함수에 의해 제 1 기준점, 제 2 기준점 및 제 3 기준점 중 적어도 하나가 판독된(또는, 레이블링된) 다른 수진자의 치과 영상일 수 있다.
예를 들어, 네트워크 함수는 제 1 네트워크 함수, 제 2 네트워크 함수 및 제 3 네트워크 함수를 포함하여, 제 1 네트워크 함수는 제 1 기준점을 추출하도록 학습되고, 제 2 네트워크 함수는 제 2 기준점을 추출하도록 학습되며, 제 3 네트워크 함수는 제 3 기준점을 추출하도록 학습될 수 있다. 다만, 이는 예시적인 것으로서, 이에 한정되지 않으며, 실시예에 따라, 하나의 네트워크 함수가 복수의 기준점을 동시에 추출하도록 학습될 수 있다.
실시예에서, 방법(200)은 제 3 기준점에 의해 산출되는 치근단의 배치 및 개수에 기초하여, 개별 치아를 식별하는 단계를 더 포함할 수 있다. 즉, 치아는 종류 및 생성 위치에 따라, 치근의 형태 및 식별 가능한 치근단의 개수가 달라지므로, 장치는 제 3 기준점에 의해 산출되는 치근단의 배치(치근의 형태에 대응됨)와 치근단의 개수에 기초하여 각각의 개별 치아의 종류와 이들의 위치를 식별할 수 있다.
S250 단계에서, 장치는 치과 영상의 각 치아에 추출된 제 1 기준점, 제 2 기준점 및 제 3 기준점을 중첩하여 표시할 수 있다. 예를 들어, 제 1 기준점, 제 2 기준점 및 제 3 기준점은 서로 구분하여 식별 가능하도록 상이한 색상 또는 도형 등의 식별자를 통해 치과 영상의 각 치아에 표시될 수 있다.
제 1 기준점, 제 2 기준점 및 제 3 기준점이 표시된 치과 영상은 유, 무선 통신을 통해 연결된 디스플레이 장치 또는 디스플레이 장치가 결합된 다른 컴퓨팅 장치에 전송될 수 있으며, 진단자 등은 이를 적어도 하나의 치과 질환(특히, 치주염)의 진단을 위해 이용할 수 있다.
도 3은 본 발명의 실시예에 따른 치과 질환 진단을 위한 정보 제공 방법을 설명하기 위한 흐름도이고, 도 4는 도 3의 S360 단계에 대한 실시예를 도시한다.
본 발명의 실시예에 따른 방법(300)의 S310 단계 내지 S350 단계는, 도 2를 참조하여 상술한 S210 단계 내지 S250 단계와 동일하며, 중복되는 설명은 생략한다.
S360 단계에서, 장치는 제 1 기준점, 제 2 기준점 및 제 3 기준점의 위치 관계에 기초하여 각 치아에 대하여 치주염의 진행 정도를 판독할 수 있다.
예를 들어, 장치는 제 1 기준점 내지 제 3 기준점의 위치 관계에 따라, 각 치아에 대해 치경선(치관과 치주의 경계선)으로부터 치조골 경계선이 이격된 정도, 및 치조골 경계와 치근단 사이의 근접도를 산출할 수 있으며, 이를 기초로 치주염의 진행 정도를 판독할 수 있다.
실시예에서, S360 단계는, 도 4에 도시되는 바와 같이, S361 단계 내지 S363 단계를 포함할 수 있다. 한편, 도 4에서는 S361 단계에 이어서 S362 단계가 수행되는 것으로 도시되어 있으나, 이에 한정하는 것은 아니며, S362 단계가 먼저 수행되거나, 양 단계가 동시에 수행될 수 있다.
S361 단계에서, 장치는 치아 각각에 대하여 제 1 기준점과 제 2 기준점의 위치 관계를 기초로, 치조골의 소실(bone-loss) 정도를 판단할 수 있다.
즉, 장치는 S320 및 S330 단계를 통해 추출된 제 1 기준점과 제 2 기준점의 위치에 따라, 각 치아에서 치경선으로부터 치조골 경계선이 얼마나 이격되었는지를 산출할 수 있으며, 이격 정도에 따라 각 치아에 대하여 치조골의 소실 정도를 판단할 수 있다.
실시예에서, 근위부와 원심부에서 제 1 기준점과 제 2 기준점의 이격 정도가 상이한 경우에는, 더 큰 값을 기준으로 치조골의 소실 정도를 판단할 수 있다.
S362 단계에서, 장치는 치아 각각에 대하여 제 1 기준점과 제 3 기준점의 위치 관계를 기초로, 치조골 경계와 치근단의 근접도를 판단할 수 있다.
즉, 장치는 S320 및 S350 단계를 통해 추출된 제 1 기준점과 제 3 기준점의 위치에 따라, 치조골의 손상 부위가 치근단에 얼마나 근접했는지를 판단할 수 있다. 실시예에서, 하나의 치아에 대해 복수의 제 3 기준점(즉, 치근단)이 존재하는 경우, 치조골 경계에 가장 인접한 제 3 기준점을 기준으로 상기 근접도가 판단될 수 있다.
S363 단계에서, 장치는 치조골 소실 정도 및 치조골 경계와 치근단과의 근접도에 따라, 각 치아의 치주염의 진행 정도를 판독할 수 있다.
본 발명은 네트워크 함수에 의해 자동 추출되는 복수의 기준점의 위치 관계를 기초로 치조골의 손상(즉, 소실) 정도 뿐만 아니라 치조골의 손상 부위가 치근단에 얼마나 근접하였는지를 정량화하고, 치주염 판독에 양자를 모두 고려함으로써, 치주염의 진행 정도나 그 예후 예측을 보다 정확하게 수행할 수 있다.
도 5는 본 발명의 실시예에 따른 치과 질환 진단을 위한 정보 제공 방법에 따라 추출된 복수의 기준점이 표시된 치과 영상을 예시적으로 도시한다.
도 5에 도시되는 바와 같이, 적어도 하나의 네트워크 함수에 의해 추출되는 치조골 경계선에 대응하는 제 1 기준점(510), 치경선에 대응하는 제 2 기준점(520), 및 치근단에 대응하는 제 3 기준점(530)은 치과 영상의 각 치아에 중첩 표시되어 진단자 등에게 제공될 수 있다.
실시예에서, 각 기준점(510, 520, 530)은 서로 구분하여 식별 가능하도록 상이한 색상으로 표시될 수 있다. 다만, 이는 예시적인 것으로서 이에 한정하는 것은 아니며, 각 기준점(510, 520, 530)은 상이한 모양의 도형으로 표시되는 등 다양한 방식으로 치과 영상에 식별 가능하게 표시될 수 있다.
도 6은 본 발명의 실시예에 따른 치과 질환 진단을 위한 정보 제공 장치의 구성을 간략히 도시한 블록도이다.
통신부(610)는 외부 장치 등으로부터 데이터(치과 영상 등)와 신호를 송수신할 수 있다. 통신부(610)는 유무선 통신부를 포함할 수 있다. 통신부(610)가 유선 통신부를 포함하는 경우, 통신부(610)는 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN), 부가가치 통신망(Value Added Network; VAN), 이동 통신망(mobile radio communication network), 위성 통신망 및 이들의 상호 조합을 통하여 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다. 또한, 통신부(610)가 무선 통신부를 포함하는 경우, 통신부(610)는 셀룰러 통신, 무선랜(예를 들어, 와이-파이(Wi-Fi)) 등을 이용하여 무선으로 데이터 또는 신호를 송수신할 수 있다. 실시예에서, 통신부는 프로세서(640)의 제어에 의해 외부 장치 또는 외부 서버와 데이터 또는 신호를 송수신할 수 있다.
입력부(620)는 외부의 조작을 통해 다양한 사용자 명령을 수신할 수 있다. 이를 위해, 입력부(620)는 하나 이상의 입력 장치를 포함하거나 연결할 수 있다. 예를 들어, 입력부(620)는 키패드, 마우스 등 다양한 입력을 위한 인터페이스와 연결되어 사용자 명령을 수신할 수 있다. 이를 위해, 입력부(620)는 USB 포트 뿐만 아니라 선더볼트 등의 인터페이스를 포함할 수도 있다. 또한, 입력부(620)는 터치스크린, 버튼 등의 다양한 입력 장치를 포함하거나 이들과 결합하여 외부의 사용자 명령을 수신할 수 있다.
메모리(630)는 프로세서(640)의 동작을 위한 프로그램 및/또는 프로그램 명령을 저장할 수 있고, 입/출력되는 데이터들을 임시 또는 영구 저장할 수 있다. 메모리(630)는 플래시 메모리(flash memory) 타입, 하드디스크(hard disk) 타입, 멀티미디어 카드 마이크로(multimedia card micro) 타입, 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM), SRAM, 롬(ROM), EEPROM, PROM, 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.
또한, 메모리(630)는 다양한 네트워크 함수 및 알고리즘을 저장할 수 있으며, 장치(600)를 구동하고 제어하기 위한 다양한 데이터, 프로그램(하나 이상이 인스트럭션들), 어플리케이션, 소프트웨어, 명령, 코드 등을 저장할 수 있다.
프로세서(640)는 장치(600)의 전반적인 동작을 제어할 수 있다. 프로세서(640)는 메모리(630)에 저장되는 하나 이상의 프로그램들을 실행할 수 있다. 프로세서(640)는 중앙 처리 장치(Central Processing Unit, CPU), 그래픽 처리 장치(Graphics Processing Unit, GPU) 또는 본 발명의 실시예에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다.
실시예에서, 프로세서(640)는 수진자의 치과 영상을 획득하고, 학습된 적어도 하나의 네트워크 함수를 통해 치과 영상으로부터 치아 각각에 대해 치조골 경계선의 기준이 되는 근위부와 원심부의 제 1 기준점을 추출하며, 적어도 하나의 네트워크 함수를 통해 치과 영상으로부터 치아 각각에 대해 치관과 치근의 경계선의 기준이 되는 근위부와 원심부의 제 2 기준점을 추출하고, 치과 영상의 각 치아에 추출된 제 1 기준점과 제 2 기준점을 표시할 수 있다.
실시예에서, 프로세서(640)는 적어도 하나의 네트워크 함수를 통해 치과 영상으로부터 상기 치아 각각에 대해 치근단에 대응하는 제 3 기준점을 추출하고, 추출된 제 3 기준점을 치과 영상의 각 치아에 더 표시할 수 있다.
실시예에서, 프로세서(640)는 제 1 기준점, 제 2 기준점 및 제 3 기준점의 위치 관계에 기초하여 상기 치과 영상의 각 치아에 대하여 치주염의 진행 정도를 판독할 수 있다.
실시예에서, 프로세서(640)는 치아 각각에 대하여 제 1 기준점과 제 2 기준점의 위치 관계를 기초로, 치조골의 소실(bone-loss) 정도를 판단하고, 치아 각각에 대하여 제 1 기준점과 제 3 기준점의 위치 관계를 기초로, 치조골 경계와 치근단의 근접도를 판단하며, 치조골의 소실 정도 및 근접도에 따라, 치주염의 진행 정도를 판독할 수 있다.
실시예에서, 프로세서(640)는 제 3 기준점에 의해 산출되는 치근단의 배치 및 개수에 기초하여, 개별 치아를 식별할 수 있다.
실시예에서, 프로세서(640)는 누적된 복수의 비교 영상을 포함하는 학습데이터를 통해 상기 적어도 하나의 네트워크 함수를 학습시킬 수 있다. 이때, 비교 영상은 전문의 또는 다른 네트워크 함수에 의해 제 1 기준점, 제 2 기준점 및 기 제 3 기준점 중 적어도 하나가 판독된 다른 수진자의 치과 영상일 수 있다.
본 발명의 실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
또한, 개시된 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다.
컴퓨터 프로그램 제품은 S/W 프로그램, S/W 프로그램이 저장된 컴퓨터로 읽을 수 있는 저장 매체를 포함할 수 있다. 예를 들어, 컴퓨터 프로그램 제품은 전자 장치의 제조사 또는 전자 마켓(예, 구글 플레이 스토어, 앱 스토어)을 통해 전자적으로 배포되는 S/W 프로그램 형태의 상품(예, 다운로더블 앱)을 포함할 수 있다. 전자적 배포를 위하여, S/W 프로그램의 적어도 일부는 저장 매체에 저장되거나, 임시적으로 생성될 수 있다. 이 경우, 저장 매체는 제조사의 서버, 전자 마켓의 서버, 또는 SW 프로그램을 임시적으로 저장하는 중계 서버의 저장매체가 될 수 있다.
컴퓨터 프로그램 제품은, 서버 및 클라이언트 장치로 구성되는 시스템에서, 서버의 저장매체 또는 클라이언트 장치의 저장매체를 포함할 수 있다. 또는, 서버 또는 클라이언트 장치와 통신 연결되는 제 3 장치(예, 스마트폰)가 존재하는 경우, 컴퓨터 프로그램 제품은 제 3 장치의 저장매체를 포함할 수 있다. 또는, 컴퓨터 프로그램 제품은 서버로부터 클라이언트 장치 또는 제 3 장치로 전송되거나, 제 3 장치로부터 클라이언트 장치로 전송되는 S/W 프로그램 자체를 포함할 수 있다.
이 경우, 서버, 클라이언트 장치 및 제 3 장치 중 하나가 컴퓨터 프로그램 제품을 실행하여 개시된 실시예들에 따른 방법을 수행할 수 있다. 또는, 서버, 클라이언트 장치 및 제 3 장치 중 둘 이상이 컴퓨터 프로그램 제품을 실행하여 개시된 실시예들에 따른 방법을 분산하여 실시할 수 있다.
예를 들면, 서버(예로, 클라우드 서버 또는 인공 지능 서버 등)가 서버에 저장된 컴퓨터 프로그램 제품을 실행하여, 서버와 통신 연결된 클라이언트 장치가 개시된 실시예들에 따른 방법을 수행하도록 제어할 수 있다.
이상에서 실시예들에 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 속한다.
Claims (8)
- 치과 질환 진단을 위한 정보 제공 방법에 있어서,
수진자의 치과 영상을 획득하는 단계;
학습된 적어도 하나의 네트워크 함수를 통해 상기 치과 영상으로부터 치아 각각에 대해 치조골 경계선의 기준이 되는 근위부와 원심부의 제 1 기준점을 추출하는 단계;
상기 적어도 하나의 네트워크 함수를 통해 상기 치과 영상으로부터 상기 치아 각각에 대해 치관과 치근의 경계선의 기준이 되는 근위부와 원심부의 제 2 기준점을 추출하는 단계; 및
상기 치과 영상의 각 치아에 추출된 상기 제 1 기준점과 상기 제 2 기준점을 표시하는 단계를 포함하는, 방법. - 제 1 항에 있어서,
상기 적어도 하나의 네트워크 함수를 통해 상기 치과 영상으로부터 상기 치아 각각에 대해 치근단에 대응하는 제 3 기준점을 추출하는 단계를 더 포함하고,
상기 표시하는 단계에서는, 상기 추출된 제 3 기준점을 상기 치과 영상의 각 치아에 더 표시하는, 방법. - 제 3 항에 있어서,
상기 제 1 기준점, 상기 제 2 기준점 및 상기 제 3 기준점의 위치 관계에 기초하여 상기 치과 영상의 각 치아에 대하여 치주염의 진행 정도를 판독하는 단계를 더 포함하는, 방법, - 제 3 항에 있어서,
상기 치주염의 진행 정도를 판독하는 단계는,
치아 각각에 대하여 상기 제 1 기준점과 상기 제 2 기준점의 위치 관계를 기초로, 치조골의 소실(bone-loss) 정도를 판단하는 단계;
치아 각각에 대하여 상기 제 1 기준점과 상기 제 3 기준점의 위치 관계를 기초로, 치조골 경계와 치근단의 근접도를 판단하는 단계; 및
상기 치조골의 소실 정도 및 상기 근접도에 따라, 치주염의 진행 정도를 판독하는 단계를 포함하는, 방법. - 제 2 항에 있어서,
상기 제 3 기준점에 의해 산출되는 치근단의 배치 및 개수에 기초하여, 개별 치아를 식별하는 단계를 더 포함하는, 방법. - 제 2 항에 있어서,
누적된 복수의 비교 영상을 포함하는 학습데이터를 통해 상기 적어도 하나의 네트워크 함수를 학습시키는 단계를 더 포함하고,
상기 비교 영상은 전문의 또는 다른 네트워크 함수에 의해 상기 제 1 기준점, 상기 제 2 기준점 및 상기 제 3 기준점 중 적어도 하나가 판독된 다른 수진자의 치과 영상인, 방법. - 치과 질환 진단을 위한 정보 제공 장치에 있어서,
적어도 하나의 프로세서;
상기 프로세서에 의해 실행 가능한 프로그램을 저장하는 메모리; 및
상기 프로세서는, 상기 프로그램을 실행함으로써, 수진자의 치과 영상을 획득하고, 학습된 적어도 하나의 네트워크 함수를 통해 상기 치과 영상으로부터 치아 각각에 대해 치조골 경계선의 기준이 되는 근위부와 원심부의 제 1 기준점을 추출하며, 상기 적어도 하나의 네트워크 함수를 통해 상기 치과 영상으로부터 상기 치아 각각에 대해 치관과 치근의 경계선의 기준이 되는 근위부와 원심부의 제 2 기준점을 추출하고, 상기 치과 영상의 각 치아에 추출된 상기 제 1 기준점과 상기 제 2 기준점을 표시하는, 장치. - 제 1 항 내지 제 6 항 중 어느 한 항의 방법을 실행하기 위하여 기록 매체에 저장된 컴퓨터 프로그램.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220014837A KR20230118735A (ko) | 2022-02-04 | 2022-02-04 | 치과 질환 진단을 위한 정보 제공 방법 및 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220014837A KR20230118735A (ko) | 2022-02-04 | 2022-02-04 | 치과 질환 진단을 위한 정보 제공 방법 및 장치 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230118735A true KR20230118735A (ko) | 2023-08-14 |
Family
ID=87565757
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220014837A KR20230118735A (ko) | 2022-02-04 | 2022-02-04 | 치과 질환 진단을 위한 정보 제공 방법 및 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20230118735A (ko) |
-
2022
- 2022-02-04 KR KR1020220014837A patent/KR20230118735A/ko not_active Application Discontinuation
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2019284043B2 (en) | Identification of areas of interest during intraoral scans | |
| KR102267197B1 (ko) | 디지털 치아 영상에 치아 진료 데이터를 기록 및 표시하는 방법 및 장치 | |
| Shaheen et al. | A novel deep learning system for multi-class tooth segmentation and classification on cone beam computed tomography. A validation study | |
| US20210104048A1 (en) | Segmentation device and method of generating learning model | |
| KR102380166B1 (ko) | 치주염 자동 판단 방법 및 이를 구현하는 프로그램 | |
| US20230118333A1 (en) | Dental feature identification for assessing oral health | |
| US20210217170A1 (en) | System and Method for Classifying a Tooth Condition Based on Landmarked Anthropomorphic Measurements. | |
| US11090014B2 (en) | Dental image processing device, dental imaging system, dental image processing method, and program | |
| US20220361992A1 (en) | System and Method for Predicting a Crown and Implant Feature for Dental Implant Planning | |
| EP4364094A1 (en) | Non-invasive periodontal examination | |
| Jang et al. | Fully automatic integration of dental CBCT images and full-arch intraoral impressions with stitching error correction via individual tooth segmentation and identification | |
| US20230248243A1 (en) | System and method for classification of dental health based on digital imagery | |
| JP2023099629A (ja) | 識別装置、スキャナシステム、識別方法、および識別用プログラム | |
| KR20230118735A (ko) | 치과 질환 진단을 위한 정보 제공 방법 및 장치 | |
| US20220358740A1 (en) | System and Method for Alignment of Volumetric and Surface Scan Images | |
| KR102200060B1 (ko) | 치아의 정밀 진단 모듈로의 간편한 이동 방법 및 그 장치 | |
| KR102344520B1 (ko) | 치과용 임플란트 시뮬레이션 방법 및 그 장치 | |
| KR20230030146A (ko) | 하치조 신경관 영역 검출 방법 및 장치 | |
| KR102566311B1 (ko) | 신경치료를 위한 엔도 가이드 생성 방법 및 시스템 | |
| EP4378411A1 (en) | Method and apparatus for determining amount of bone graft, computer-readable recording media, and computer program | |
| JP7267974B2 (ja) | 識別装置、スキャナシステム、識別方法、および識別用プログラム | |
| EP4227955A1 (en) | Enhanced scanning | |
| US20230051400A1 (en) | System and Method for Fusion of Volumetric and Surface Scan Images | |
| KR102474299B1 (ko) | 디지털 의치 디자인 방법 및 그 장치 | |
| US20240161300A1 (en) | Data processing apparatus, data processing method, and data processing system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |