KR20240008577A - 인공지능 기반의 비침습적 요역동학 검사 방법 및 장치 - Google Patents

인공지능 기반의 비침습적 요역동학 검사 방법 및 장치 Download PDF

Info

Publication number
KR20240008577A
KR20240008577A KR1020220085583A KR20220085583A KR20240008577A KR 20240008577 A KR20240008577 A KR 20240008577A KR 1020220085583 A KR1020220085583 A KR 1020220085583A KR 20220085583 A KR20220085583 A KR 20220085583A KR 20240008577 A KR20240008577 A KR 20240008577A
Authority
KR
South Korea
Prior art keywords
urodynamic
invasive
bladder
area under
max
Prior art date
Application number
KR1020220085583A
Other languages
English (en)
Inventor
이준상
윤민영
고승철
이형준
Original Assignee
연세대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 연세대학교 산학협력단 filed Critical 연세대학교 산학협력단
Priority to KR1020220085583A priority Critical patent/KR20240008577A/ko
Publication of KR20240008577A publication Critical patent/KR20240008577A/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/20—Measuring for diagnostic purposes; Identification of persons for measuring urological functions restricted to the evaluation of the urinary system
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/20—Measuring for diagnostic purposes; Identification of persons for measuring urological functions restricted to the evaluation of the urinary system
    • A61B5/202—Assessing bladder functions, e.g. incontinence assessment
    • A61B5/204—Determining bladder volume
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/20—Measuring for diagnostic purposes; Identification of persons for measuring urological functions restricted to the evaluation of the urinary system
    • A61B5/202—Assessing bladder functions, e.g. incontinence assessment
    • A61B5/205—Determining bladder or urethral pressure
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/20—Measuring for diagnostic purposes; Identification of persons for measuring urological functions restricted to the evaluation of the urinary system
    • A61B5/207—Sensing devices adapted to collect urine
    • A61B5/208—Sensing devices adapted to collect urine adapted to determine urine quantity, e.g. flow, volume
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0858—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving measuring tissue layers, e.g. skin, interfaces
    • 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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
    • 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)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Urology & Nephrology (AREA)
  • Physiology (AREA)
  • Software Systems (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Databases & Information Systems (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

본 실시예들은 비침습 진단 데이터로부터 머신러닝 기반의 요역동학 진단 모델을 통해 방광 충만기에서 배뇨근 압력 곡선 아래의 전체 면적 및 최대 면적을 예측하여 출력하는 비침습적 요역동학 검사 방법 및 장치를 제공한다.

Description

인공지능 기반의 비침습적 요역동학 검사 방법 및 장치 {NONINVASIVE URODYNAMIC TEST METHOD AND APPARATUS BASED ON ARTIFICIAL INTELLIGENCE}
본 발명이 속하는 기술 분야는 머신러닝 알고리즘을 활용하여 비침습적 과정을 통해 얻은 인자를 기반으로 요역동학 결과를 예측하는 방법 및 장치에 관한 것이다.
이 부분에 기술된 내용은 단순히 본 실시예에 대한 배경 정보를 제공할 뿐 종래기술을 구성하는 것은 아니다.
요역동학 검사는 비침습적 방식과 침습적 방식으로 구분된다.
비침습적 방식으로는 요속 검사 및 잔뇨 초음파 검사 등이 있다. 소변을 참은 뒤 컴퓨터의 기록장치와 연결된 검사용 변기에 소변을 보고, 장비를 통해 소변의 속도, 소변양, 소변의 양상을 측정한다. 소변을 본 후 방광에 요가 얼마나 남아있는지 하복부에 초음파 탐침을 대어 잔뇨 초음파 검사를 시행한다. 배뇨곤란이 있는 경우, 1차 의료 기관에서 우선적으로 시행하며 배뇨근의 수축 장애나 방광 출구의 폐쇄 여부를 확인할 수 있다.
침습적 방식으로는 요도 내압 검사 및 방광 내압 검사 등이 있다. 누운 상태에서 요도에 소변줄을 넣은 뒤 삽입된 도관이 이동하면서 요도가 조여지는 압력을 측정하며 2, 3차 의료기관에서만 시행 가능하다. 방광에 남아있는 소변을 배출한 뒤 요도에 소변줄을 넣고, 항문에 근전도와 물풍선을 넣고, 방광에 물을 서서히 채우면서 소변이 마려운 느낌, 방광에 들어가는 물의 양을 통해 방광의 크기와 방광이 늘어나는 탄성, 소변을 볼 때의 방광 수축력을 관찰하고, 방광이 충만될 때, 배뇨 시 압력의 변화를 비교하여 방광의 기능을 검사한다.
침습적 검사를 수행하는 과정에서 환자는 불편감과 고통을 느끼게 된다. 특히 삽입 과정에서 감염의 위험이 발생할 수 있다.
한국등록특허공보 제10-0984807호 (2010.09.27) 한국공개특허공보 제10-2020-0122084호 (2020.10.27) 한국공개특허공보 제10-2022-0054114호 (2022.05.02)
본 발명의 실시예들은 비침습 진단 데이터로부터 머신러닝 기반의 요역동학 진단 모델을 통해 방광 충만기에서 배뇨근 압력 곡선 아래의 전체 면적 및 최대 면적을 예측하여 출력하고, 방광의 팽창과 비자발적 배뇨근 수축이 배뇨근의 저장 에너지가 역치를 초과했음을 의미하는 것과 이러한 역치는 개인별 배뇨근 상태에 따라 달라지는 것을 고려하여, 출력된 방광 충만기에서 배뇨근 압력 곡선 아래의 전체 면적 및 최대 면적을 요역동학 검사에 적용 가능한 새로운 진단 기준으로 1차 의료기관에 제공하는데 주된 목적이 있다.
본 발명의 명시되지 않은 또 다른 목적들은 하기의 상세한 설명 및 그 효과로부터 용이하게 추론할 수 있는 범위 내에서 추가적으로 고려될 수 있다.
본 실시예의 일 측면에 의하면, 비침습적 요역동학 검사 방법에 있어서, 비침습 진단 데이터를 입력받는 단계; 및 상기 비침습 진단 데이터로부터 머신러닝 기반의 요역동학 진단 모델을 통해 예측한 요역동학 검사 결과를 출력하는 단계를 포함하는 비침습적 요역동학 검사 방법을 제공한다.
상기 비침습 진단 데이터는 요류 진단 데이터(uroflowmetry, UFM), 초음파 진단 데이터(TransRectal UltraSound, TRUS), 설문조사 항목 데이터, 또는 이들의 조합을 포함할 수 있다.
상기 요류 진단 데이터는 (i) 최대 요속(maximum urinary flow rate, Qmax), (ii) 배출 후 방광 부피(voided volume, VV), (ii) 잔뇨량(post voiding residual urine, PVR), 또는 이들의 조합을 포함할 수 있다.
상기 초음파 진단 데이터는 (i) 전립선 전체 용적(total prostate volume, TPV), (ii) 전립선 전환대 용적(transitional zone volume, TZV), 또는 이들의 조합을 포함할 수 있다.
상기 요역동학 검사 결과는 (i) 최대 요속(Qmax), (ii) 최대 요속에서의 배뇨근 압력(detrusor pressure at maximum urinary flow rate, PdetQmax), (iii) 방광 충만기에서 배뇨근 압력 곡선 아래의 최대 면적(maximum area under involuntary detrusor contraction during filling phase in pressure-flow study of urodynamic study, max AUC), (iv) 방광 충만기에서 배뇨근 압력 곡선 아래의 전체 면적(total area under the involuntary detrusor contraction during filling phase in pressure-flow study of urodynamic study, total AUC), 또는 이들의 조합을 포함할 수 있다.
상기 방광 충만기에서 배뇨근 압력 곡선 아래의 최대 면적(max AUC) 및 상기 방광 충만기에서 배뇨근 압력 곡선 아래의 전체 면적(total AUC)은 비자발적 배뇨근 수축으로 인한 면적을 고려하고, 방광 용적에 대한 배뇨근 압력의 적분값을 통해 산출될 수 있다.
상기 머신러닝 기반의 요역동학 진단 모델은 미리 획득하여 지정한 레이블을 이용하여 지도 학습하며, 사분위수 범위에 따라 이상값을 필터링한 학습 데이터를 이용하여 학습할 수 있다.
복수의 지도 학습 알고리즘 중에서 정확도를 평가하여 상기 머신러닝 기반의 요역동학 진단 모델에 선택 적용할 수 있다.
상기 머신러닝 기반의 요역동학 진단 모델은 의사 결정 트리를 기반으로 임의로 선택한 후보에서 최적 특성을 찾는 지도 학습 방법에 해당하는 랜덤 포레스트(random forest)를 이용하여 상기 최대 요속(Qmax)을 예측할 수 있다.
상기 머신러닝 기반의 요역동학 진단 모델은 데이터 분류를 위한 기준선을 정의하는 지도 학습 방법에 해당하는 서포트 벡터 머신(support vector machine)을 이용하여 상기 최대 요속에서의 배뇨근 압력(PdetQmax)을 예측할 수 있다.
상기 머신러닝 기반의 요역동학 진단 모델은 여러 개의 결정 트리를 묶어 이전 트리의 오차를 보완하는 지도 학습 방법에 해당하는 그래디언트 부스팅(gradient boosting)을 이용하여 상기 방광 충만기에서 배뇨근 압력 곡선 아래의 최대 면적(max AUC) 및 상기 방광 충만기에서 배뇨근 압력 곡선 아래의 전체 면적(total AUC)을 예측할 수 있다.
상기 요역동학 검사 결과를 출력하는 단계는 상기 방광 충만기에서 배뇨근 압력 곡선 아래의 최대 면적(max AUC) 및 상기 방광 충만기에서 배뇨근 압력 곡선 아래의 전체 면적(total AUC)의 범위에 따라 방광 출구 폐쇄(bladder outlet obstruction)를 구분할 수 있다.
상기 요역동학 검사 결과를 출력하는 단계는 상기 방광 충만기에서 배뇨근 압력 곡선 아래의 최대 면적(max AUC) 및 상기 방광 충만기에서 배뇨근 압력 곡선 아래의 전체 면적(total AUC)의 범위에 따라 긴급 상황을 구분할 수 있다.
본 실시예의 다른 측면에 의하면, 비침습적 요역동학 검사 장치에 있어서, 비침습 진단 데이터로부터 요역동학 검사 결과를 예측하여 출력하는 머신러닝 기반의 요역동학 진단 모델을 포함하는 비침습적 요역동학 검사 장치를 제공한다.
본 실시예의 또 다른 측면에 의하면, 컴퓨터에 의해 실행 가능한 컴퓨터 프로그램을 저장하는 컴퓨터 판독 가능한 저장 매체에 있어서, 비침습적 요역동학 검사 방법을 실행할 수 있는 컴퓨터 프로그램을 기록한 컴퓨터 판독 가능한 저장 매체를 제공한다.
본 실시예의 또 다른 측면에 의하면, 프로세서에 의해 실행 가능한 컴퓨터 프로그램 명령어들을 포함하는 컴퓨터 판독 가능한 저장 매체에 기록된 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램 명령어들이 프로세서에 의해 실행되는 경우에, 비침습적 요역동학 검사 방법을 수행하는 것을 특징으로 하는 컴퓨터 프로그램을 제공한다.
이상에서 설명한 바와 같이 본 발명의 실시예들에 의하면, 비침습 진단 데이터로부터 머신러닝 기반의 요역동학 진단 모델을 통해 1차 의료기관에서 수행 가능한 검사만으로 2, 3차 의료기관에서 도출 가능한 정보를 제공할 뿐만 아니라 방광 충만기에서 배뇨근 압력 곡선 아래의 전체 면적 및 최대 면적을 예측하여 출력하고, 출력된 방광 충만기에서 배뇨근 압력 곡선 아래의 전체 면적 및 최대 면적을 요역동학 검사에 적용 가능한 새로운 진단 기준으로 제공할 수 있는 효과가 있다.
여기에서 명시적으로 언급되지 않은 효과라 하더라도, 본 발명의 기술적 특징에 의해 기대되는 이하의 명세서에서 기재된 효과 및 그 잠정적인 효과는 본 발명의 명세서에 기재된 것과 같이 취급된다.
도 1은 본 발명의 일 실시예에 따른 비침습적 요역동학 검사 장치를 예시한 도면이다.
도 2는 본 발명의 다른 실시예에 따른 비침습적 요역동학 검사 방법을 예시한 흐름도이다.
도 3은 본 발명의 다른 실시예에 따른 비침습적 요역동학 검사 방법이 예측하는 방광 충만기에서 배뇨근 압력 곡선 아래의 면적(AUC)을 예시한 도면이다.
도 4는 본 발명의 다른 실시예에 따른 비침습적 요역동학 검사 방법이 적용하는 머신러닝 기반의 요역동학 진단 모델을 예시한 도면이다.
도 5는 본 발명의 다른 실시예에 따른 비침습적 요역동학 검사 방법이 출력한 최대 요속(Qmax) 및 최대 요속에서의 배뇨근 압력(PdetQmax)을 이용하여 산출한 방광 출구 폐쇄 인덱스(bladder outlet obstruction index, BOOI)의 민감도 및 특이도를 예시한 도면이다.
도 6은 본 발명의 다른 실시예에 따른 비침습적 요역동학 검사 방법이 산출한 방광 출구 폐쇄 인덱스(BOOI) 및 폐쇄 정도 간의 관계를 신뢰 간격 플롯으로 예시한 도면이다.
도 7은 본 발명의 다른 실시예에 따른 비침습적 요역동학 검사 방법이 예측한 방광 충만기에서 배뇨근 압력 곡선 아래의 최대 면적(max AUC) 및 폐쇄 정도 간의 관계를 신뢰 간격 플롯으로 예시한 도면이다.
도 8은 본 발명의 다른 실시예에 따른 비침습적 요역동학 검사 방법이 예측한 방광 충만기에서 배뇨근 압력 곡선 아래의 전체 면적(total AUC) 및 폐쇄 정도 간의 관계를 신뢰 간격 플롯으로 예시한 도면이다.
도 9은 본 발명의 다른 실시예에 따른 비침습적 요역동학 검사 방법이 예측한 최대 요속에서의 배뇨근 압력(PdetQmax) 및 방광 감도 간의 관계를 신뢰 간격 플롯으로 예시한 도면이다.
도 10은 본 발명의 다른 실시예에 따른 비침습적 요역동학 검사 방법이 예측한 최대 요속(Qmax) 및 방광 감도 간의 관계를 신뢰 간격 플롯으로 예시한 도면이다.
도 11은 본 발명의 다른 실시예에 따른 비침습적 요역동학 검사 방법이 예측한 방광 충만기에서 배뇨근 압력 곡선 아래의 최대 면적(max AUC) 및 방광 감도 간의 관계를 신뢰 간격 플롯으로 예시한 도면이다.
도 12는 본 발명의 다른 실시예에 따른 비침습적 요역동학 검사 방법이 예측한 방광 충만기에서 배뇨근 압력 곡선 아래의 전체 면적(total AUC) 및 방광 감도 간의 관계를 신뢰 간격 플롯으로 예시한 도면이다.
도 13은 본 발명의 다른 실시예에 따른 비침습적 요역동학 검사 방법이 출력한 최대 요속(Qmax), 최대 요속에서의 배뇨근 압력(PdetQmax), 방광 충만기에서 배뇨근 압력 곡선 아래의 최대 면적(max AUC), 방광 충만기에서 배뇨근 압력 곡선 아래의 전체 면적(total AUC)의 민감도 및 특이도를 예시한 도면이다.
도 14는 본 발명의 다른 실시예에 따른 비침습적 요역동학 검사 방법이 적용하는 머신러닝 기반의 요역동학 진단 모델의 입력 및 출력 간의 상관 관계를 나타내는 도면이다.
도 15는 본 발명의 실시예들을 실시하는 컴퓨팅 디바이스를 예시한 블록도이다.
이하, 본 발명을 설명함에 있어서 관련된 공지기능에 대하여 이 분야의 기술자에게 자명한 사항으로서 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하고, 본 발명의 일부 실시예들을 예시적인 도면을 통해 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 비침습적 요역동학 검사 장치를 예시한 도면이다.
비침습적 요역동학 검사 장치는 비침습 진단 데이터로부터 머신러닝 기반의 요역동학 진단 모델을 통해 방광 충만기에서 배뇨근 압력 곡선 아래의 전체 면적 및 최대 면적을 예측하여 출력하고, 출력된 방광 충만기에서 배뇨근 압력 곡선 아래의 전체 면적 및 최대 면적을 요역동학 검사에 적용 가능한 새로운 진단 기준으로 제공한다.
도 1을 참조하면, 비침습적 요역동학 검사 장치는 비침습 진단 데이터로부터 요역동학 검사 결과를 예측하여 출력하는 머신러닝 기반의 요역동학 진단 모델을 포함한다. 도 1에서 예시적으로 도시한 다양한 구성요소들 중에서 일부 구성요소를 생략하거나 다른 구성요소를 추가로 포함할 수 있다.
비침습적 요역동학 검사 방법에 있어서, 비침습 진단 데이터를 입력받는 단계; 및 상기 비침습 진단 데이터로부터 머신러닝 기반의 요역동학 진단 모델을 통해 예측한 요역동학 검사 결과를 출력하는 단계를 포함하는 비침습적 요역동학 검사 방법을 제공한다.
머신러닝 기반의 요역동학 진단 모델에 입력되는 비침습 진단 데이터는 요류 진단 데이터(uroflowmetry, UFM), 초음파 진단 데이터(TransRectal UltraSound, TRUS), 설문조사 항목 데이터, 또는 이들의 조합을 포함할 수 있다.
머신러닝 기반의 요역동학 진단 모델에 입력되는 요류 진단 데이터는 (i) 최대 요속(maximum urinary flow rate, Qmax), (ii) 배출 후 방광 부피(voided volume, VV), (ii) 잔뇨량(post voiding residual urine, PVR), 또는 이들의 조합을 포함할 수 있다.
머신러닝 기반의 요역동학 진단 모델에 입력되는 초음파 진단 데이터는 (i) 전립선 전체 용적(total prostate volume, TPV), (ii) 전립선 전환대 용적(transitional zone volume, TZV), 또는 이들의 조합을 포함할 수 있다.
머신러닝 기반의 요역동학 진단 모델에서 출력되는 요역동학 검사 결과는 (i) 최대 요속(Qmax), (ii) 최대 요속에서의 배뇨근 압력(detrusor pressure at maximum urinary flow rate, PdetQmax), (iii) 방광 충만기에서 배뇨근 압력 곡선 아래의 최대 면적(maximum area under involuntary detrusor contraction during filling phase in pressure-flow study of urodynamic study, max AUC), (iv) 방광 충만기에서 배뇨근 압력 곡선 아래의 전체 면적(total area under the involuntary detrusor contraction during filling phase in pressure-flow study of urodynamic study, total AUC), 또는 이들의 조합을 포함할 수 있다.
비침습적 요역동학 검사 장치에 포함된 구성요소들이 도 1에서는 분리되어 도시되어 있으나, 복수의 구성요소들은 상호 결합되어 적어도 하나의 모듈로 구현될 수 있다. 구성요소들은 장치 내부의 소프트웨어적인 모듈 또는 하드웨어적인 모듈을 연결하는 통신 경로에 연결되어 상호 간에 유기적으로 동작한다. 이러한 구성요소들은 하나 이상의 통신 버스 또는 신호선을 이용하여 통신한다.
비침습적 요역동학 검사 장치는 하드웨어, 펌웨어, 소프트웨어 또는 이들의 조합에 의해 로직회로 내에서 구현될 수 있고, 범용 또는 특정 목적 컴퓨터를 이용하여 구현될 수도 있다. 장치는 고정배선형(Hardwired) 기기, 필드 프로그램 가능한 게이트 어레이(Field Programmable Gate Array, FPGA), 주문형 반도체(Application Specific Integrated Circuit, ASIC) 등을 이용하여 구현될 수 있다. 또한, 장치는 하나 이상의 프로세서 및 컨트롤러를 포함한 시스템온칩(System on Chip, SoC)으로 구현될 수 있다.
비침습적 요역동학 검사 장치는 하드웨어적 요소가 마련된 컴퓨팅 디바이스 또는 서버에 소프트웨어, 하드웨어, 또는 이들의 조합하는 형태로 탑재될 수 있다. 컴퓨팅 디바이스 또는 서버는 각종 기기 또는 유무선 통신망과 통신을 수행하기 위한 통신 모뎀 등의 통신장치, 프로그램을 실행하기 위한 데이터를 저장하는 메모리, 프로그램을 실행하여 연산 및 명령하기 위한 마이크로프로세서 등을 전부 또는 일부 포함한 다양한 장치를 의미할 수 있다.
도 2는 본 발명의 다른 실시예에 따른 비침습적 요역동학 검사 방법을 예시한 흐름도이다.
비침습적 요역동학 검사 방법은 컴퓨팅 디바이스 또는 비침습적 요역동학 검사 장치에 의해 수행될 수 있다.
도 2을 참조하면, 단계 S10에서 비침습 진단 데이터를 입력받는 단계를 수행할 수 있다. 단계 S20에서 비침습 진단 데이터로부터 머신러닝 기반의 요역동학 진단 모델을 통해 예측한 요역동학 검사 결과를 출력하는 단계를 수행할 수 있다.
도 3은 본 발명의 다른 실시예에 따른 비침습적 요역동학 검사 방법이 예측하는 방광 충만기에서 배뇨근 압력 곡선 아래의 면적(AUC)을 예시한 도면이다.
방광 충만기에서 배뇨근 압력 곡선 아래의 최대 면적(max AUC) 및 상기 방광 충만기에서 배뇨근 압력 곡선 아래의 전체 면적(total AUC)은 비자발적 배뇨근 수축으로 인한 면적을 고려하고, 방광 용적에 대한 배뇨근 압력의 적분값을 통해 산출될 수 있다.
비자발적 배뇨근 수축에 따른 배뇨근 압력의 아래 영역이 시간이 흐름에 따라 구분됨을 알 수 있다. 방광 충만기에서 배뇨근 압력 곡선 아래의 최대 면적(max AUC)은 구분된 아래 영역 중에서 제일 큰 영역의 면적을 의미한다.
방광 충만기에서 배뇨근 압력 곡선 아래의 전체 면적(total AUC)은 구분된 아래 영역의 전체 면적을 의미한다.
방광의 팽창과 비자발적 배뇨근 수축이 배뇨근의 저장 에너지가 역치를 초과했음을 의미하는 것과 이러한 역치는 개인별 배뇨근 상태에 따라 달라지는 것을 고려한다면, 출력된 방광 충만기에서 배뇨근 압력 곡선 아래의 전체 면적 및 최대 면적을 요역동학 검사에 진단 기준으로 활용할 수 있다.
도 4는 본 발명의 다른 실시예에 따른 비침습적 요역동학 검사 방법이 적용하는 머신러닝 기반의 요역동학 진단 모델을 예시한 도면이다.
머신러닝 기반의 요역동학 진단 모델은 미리 획득하여 지정한 레이블을 이용하여 지도 학습하며, 사분위수 범위에 따라 이상값을 필터링한 학습 데이터를 이용하여 학습할 수 있다.
복수의 지도 학습 알고리즘 중에서 정확도를 평가하여 머신러닝 기반의 요역동학 진단 모델에 선택 적용할 수 있다. 복수의 지도 학습 알고리즘으로는 랜덤 포레스트 알고리즘, K-최근접 이웃 알고리즘, 에이다 부스트 알고리즘, 그래디언트 부스팅 알고리즘, 가우시안 프로세스 알고리즘, 서포트 벡터 머신 등과 같은 지도 학습 알고리즘을 적용할 수 있다.
정확도는 예측값과 검증자료(groud truth) 간의 차이값의 평균을 통해 산출할 수 있다.
머신러닝 기반의 요역동학 진단 모델은 의사 결정 트리를 기반으로 임의로 선택한 후보에서 최적 특성을 찾는 지도 학습 방법에 해당하는 랜덤 포레스트(random forest)를 이용하여 최대 요속(Qmax)을 예측할 수 있다.
머신러닝 기반의 요역동학 진단 모델은 데이터 분류를 위한 기준선을 정의하는 지도 학습 방법에 해당하는 서포트 벡터 머신(support vector machine)을 이용하여 상기 최대 요속에서의 배뇨근 압력(PdetQmax)을 예측할 수 있다.
머신러닝 기반의 요역동학 진단 모델은 여러 개의 결정 트리를 묶어 이전 트리의 오차를 보완하는 지도 학습 방법에 해당하는 그래디언트 부스팅(gradient boosting)을 이용하여 방광 충만기에서 배뇨근 압력 곡선 아래의 최대 면적(max AUC) 및 방광 충만기에서 배뇨근 압력 곡선 아래의 전체 면적(total AUC)을 예측할 수 있다.
도 5는 본 발명의 다른 실시예에 따른 비침습적 요역동학 검사 방법이 출력한 최대 요속(Qmax) 및 최대 요속에서의 배뇨근 압력(PdetQmax)을 이용하여 산출한 방광 출구 폐쇄 인덱스(bladder outlet obstruction index, BOOI)의 민감도 및 특이도를 예시한 도면이다.
머신러닝 기반의 요역동학 진단 모델은 최대 요속에서의 배뇨근 압력(PdetQmax)에서 최대 요속(Qmax)의 2배값을 뺀 값으로 방광 출구 폐쇄 인덱스(bladder outlet obstruction index, BOOI)를 정의할 수 있다.
침습적 방식으로 도출된 BOOI와 비침습적 방식으로 도출된 BOOI의 민감도 및 특이도 결과에 차이가 있음을 확인할 수 있다.
도 6은 본 발명의 다른 실시예에 따른 비침습적 요역동학 검사 방법이 산출한 방광 출구 폐쇄 인덱스(BOOI) 및 폐쇄 정도 간의 관계를 신뢰 간격 플롯으로 예시한 도면이다.
머신러닝 기반의 요역동학 진단 모델이 출력한 최대 요속(Qmax) 및 최대 요속에서의 배뇨근 압력(PdetQmax)을 이용하여 산출한 방광 출구 폐쇄 인덱스(BOOI)를 이용하여 방광 폐쇄에 해당하는 것을 구분할 수 있음을 확인할 수 있다.
도 7은 본 발명의 다른 실시예에 따른 비침습적 요역동학 검사 방법이 예측한 방광 충만기에서 배뇨근 압력 곡선 아래의 최대 면적(max AUC) 및 폐쇄 정도 간의 관계를 신뢰 간격 플롯으로 예시한 도면이다.
머신러닝 기반의 요역동학 진단 모델이 출력한 방광 충만기에서 배뇨근 압력 곡선 아래의 최대 면적(max AUC)을 이용하여 방광 폐쇄에 해당하는 것을 구분할 수 있음을 확인할 수 있다.
도 8은 본 발명의 다른 실시예에 따른 비침습적 요역동학 검사 방법이 예측한 방광 충만기에서 배뇨근 압력 곡선 아래의 전체 면적(total AUC) 및 폐쇄 정도 간의 관계를 신뢰 간격 플롯으로 예시한 도면이다.
머신러닝 기반의 요역동학 진단 모델이 출력한 방광 충만기에서 배뇨근 압력 곡선 아래의 전체 면적(total AUC)을 이용하여 방광 폐쇄에 해당하는 것을 구분할 수 있음을 확인할 수 있다.
도 8 및 도 9를 참조하면, 비침습적 요역동학 검사 방법에서 요역동학 검사 결과를 출력하는 단계는 방광 충만기에서 배뇨근 압력 곡선 아래의 최대 면적(max AUC) 및 방광 충만기에서 배뇨근 압력 곡선 아래의 전체 면적(total AUC)의 범위(미리 설정된 기준치와 비교)에 따라 방광 출구 폐쇄(bladder outlet obstruction)를 구분할 수 있다.
도 9은 본 발명의 다른 실시예에 따른 비침습적 요역동학 검사 방법이 예측한 최대 요속에서의 배뇨근 압력(PdetQmax) 및 ㅊ간의 관계를 신뢰 간격 플롯으로 예시한 도면이다.
머신러닝 기반의 요역동학 진단 모델이 출력한 최대 요속에서의 배뇨근 압력(PdetQmax)을 이용하여 방광 감도가 긴급에 해당하는 것을 구분할 수 있음을 확인할 수 있다.
도 10은 본 발명의 다른 실시예에 따른 비침습적 요역동학 검사 방법이 예측한 최대 요속(Qmax) 및 방광 감도 간의 관계를 신뢰 간격 플롯으로 예시한 도면이다.
머신러닝 기반의 요역동학 진단 모델이 출력한 최대 요속(Qmax)으로는 방광 감도의 상태를 구분할 수 없음을 확인할 수 있다.
도 11은 본 발명의 다른 실시예에 따른 비침습적 요역동학 검사 방법이 예측한 방광 충만기에서 배뇨근 압력 곡선 아래의 최대 면적(max AUC) 및 방광 감도 간의 관계를 신뢰 간격 플롯으로 예시한 도면이다.
머신러닝 기반의 요역동학 진단 모델이 출력한 방광 충만기에서 배뇨근 압력 곡선 아래의 최대 면적(max AUC)을 이용하여 방광 감도가 긴급에 해당하는 것을 구분할 수 있음을 확인할 수 있다.
도 12는 본 발명의 다른 실시예에 따른 비침습적 요역동학 검사 방법이 예측한 방광 충만기에서 배뇨근 압력 곡선 아래의 전체 면적(total AUC) 및 방광 감도 간의 관계를 신뢰 간격 플롯으로 예시한 도면이다.
머신러닝 기반의 요역동학 진단 모델이 출력한 방광 충만기에서 배뇨근 압력 곡선 아래의 전체 면적(total AUC)을 이용하여 방광 감도가 긴급에 해당하는 것을 구분할 수 있음을 확인할 수 있다.
도 11 및 도 12를 참조하면, 비침습적 요역동학 검사 방법에서 요역동학 검사 결과를 출력하는 단계는 방광 충만기에서 배뇨근 압력 곡선 아래의 최대 면적(max AUC) 및 방광 충만기에서 배뇨근 압력 곡선 아래의 전체 면적(total AUC)의 범위(미리 설정된 기준치와 비교)에 따라 긴급 상황을 구분할 수 있다.
도 13은 본 발명의 다른 실시예에 따른 비침습적 요역동학 검사 방법이 출력한 최대 요속(Qmax), 최대 요속에서의 배뇨근 압력(PdetQmax), 방광 충만기에서 배뇨근 압력 곡선 아래의 최대 면적(max AUC), 방광 충만기에서 배뇨근 압력 곡선 아래의 전체 면적(total AUC)의 민감도 및 특이도를 예시한 도면이다.
최대 요속(Qmax) 및 최대 요속에서의 배뇨근 압력(PdetQmax)보다 방광 충만기에서 배뇨근 압력 곡선 아래의 최대 면적(max AUC) 및 방광 충만기에서 배뇨근 압력 곡선 아래의 전체 면적(total AUC)이 요역동학의 진단 지표 또는 보조 지표로 활용하는데 잠재적 가능성이 있음을 확인할 수 있다.
도 14는 본 발명의 다른 실시예에 따른 비침습적 요역동학 검사 방법이 적용하는 머신러닝 기반의 요역동학 진단 모델의 입력 및 출력 간의 상관 관계를 나타내는 도면이다.
머신러닝 기반의 요역동학 진단 모델의 입력 및 출력 간의 중요도 관계를 살펴보면, 최대 요속에서의 배뇨근 압력(PdetQmax), 배뇨근 압력 곡선 아래의 최대 면적(max AUC) 및 방광 충만기에서 배뇨근 압력 곡선 아래의 전체 면적(total AUC)이 전립선 전체 용적(total prostate volume, TPV)과 가장 관련도가 높음을 확인할 수 있다. 머신러닝 기반의 요역동학 진단 모델을 구동하는 과정에서 전립선 전체 용적(total prostate volume, TPV)에 대하여 가중치를 다른 지표보다 상대적으로 높게 설정할 수 있다.
도 15는 본 발명의 실시예들을 실시하는 컴퓨팅 디바이스를 예시한 블록도이다.
컴퓨팅 디바이스(1010)는 적어도 하나의 프로세서(1020), 컴퓨터 판독 가능한 저장매체(1030) 및 통신 버스(1070)를 포함한다.
프로세서(1020)는 컴퓨팅 디바이스(1010)를 동작하도록 제어할 수 있다. 예컨대, 프로세서(1020)는 컴퓨터 판독 가능한 저장 매체(1030)에 저장된 하나 이상의 프로그램들을 실행할 수 있다. 하나 이상의 프로그램들은 하나 이상의 컴퓨터 실행 가능 명령어를 포함할 수 있으며, 컴퓨터 실행 가능 명령어는 프로세서(1020)에 의해 실행되는 경우 컴퓨팅 디바이스(1010)로 하여금 예시적인 실시예에 따른 동작들을 수행하도록 구성될 수 있다.
컴퓨터 판독 가능한 저장 매체(1030)는 컴퓨터 실행 가능 명령어 내지 프로그램 코드, 프로그램 데이터 및/또는 다른 적합한 형태의 정보를 저장하도록 구성된다. 컴퓨터 판독 가능한 저장 매체(1030)에 저장된 프로그램(1040)은 프로세서(1020)에 의해 실행 가능한 명령어의 집합을 포함한다. 일 실시예에서, 컴퓨터 판독한 가능 저장 매체(1030)는 메모리(랜덤 액세스 메모리와 같은 휘발성 메모리, 비휘발성 메모리, 또는 이들의 적절한 조합), 하나 이상의 자기 디스크 저장 디바이스들, 광학 디스크 저장 디바이스들, 플래시 메모리 디바이스들, 그 밖에 컴퓨팅 디바이스(1010)에 의해 액세스되고 원하는 정보를 저장할 수 있는 다른 형태의 저장 매체, 또는 이들의 적합한 조합일 수 있다.
통신 버스(1070)는 프로세서(1020), 컴퓨터 판독 가능한 저장 매체(1040)를 포함하여 컴퓨팅 디바이스(1010)의 다른 다양한 컴포넌트들을 상호 연결한다.
컴퓨팅 디바이스(1010)는 또한 하나 이상의 입출력 장치를 위한 인터페이스를 제공하는 하나 이상의 입출력 인터페이스(1050) 및 하나 이상의 통신 인터페이스(1060)를 포함할 수 있다. 입출력 인터페이스(1050) 및 통신 인터페이스(1060)는 통신 버스(1070)에 연결된다. 입출력 장치(미도시)는 입출력 인터페이스(1050)를 통해 컴퓨팅 디바이스(1010)의 다른 컴포넌트들에 연결될 수 있다.
도 2에서는 각각의 과정을 순차적으로 실행하는 것으로 기재하고 있으나 이는 예시적으로 설명한 것에 불과하고, 이 분야의 기술자라면 본 발명의 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 도 2에 기재된 순서를 변경하여 실행하거나 또는 하나 이상의 과정을 병렬적으로 실행하거나 다른 과정을 추가하는 것으로 다양하게 수정 및 변형하여 적용 가능할 것이다.
본 실시예들에 따른 동작은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능한 매체에 기록될 수 있다. 컴퓨터 판독 가능한 매체는 실행을 위해 프로세서에 명령어를 제공하는 데 참여한 임의의 매체를 나타낸다. 컴퓨터 판독 가능한 매체는 프로그램 명령, 데이터 파일, 데이터 구조 또는 이들의 조합을 포함할 수 있다. 예를 들면, 자기 매체, 광기록 매체, 메모리 등이 있을 수 있다. 컴퓨터 프로그램은 네트워크로 연결된 컴퓨터 시스템 상에 분산되어 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수도 있다. 본 실시예를 구현하기 위한 기능적인(Functional) 프로그램, 코드, 및 코드 세그먼트들은 본 실시예가 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있을 것이다.
본 실시예들은 본 실시예의 기술 사상을 설명하기 위한 것이고, 이러한 실시예에 의하여 본 실시예의 기술 사상의 범위가 한정되는 것은 아니다. 본 실시예의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 실시예의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (13)

  1. 비침습적 요역동학 검사 방법에 있어서,
    비침습 진단 데이터를 입력받는 단계; 및
    상기 비침습 진단 데이터로부터 머신러닝 기반의 요역동학 진단 모델을 통해 예측한 요역동학 검사 결과를 출력하는 단계를 포함하는 비침습적 요역동학 검사 방법.
  2. 제1항에 있어서,
    상기 비침습 진단 데이터는 요류 진단 데이터(uroflowmetry, UFM), 초음파 진단 데이터(TransRectal UltraSound, TRUS), 설문조사 항목 데이터, 또는 이들의 조합을 포함하는 것을 특징으로 하는 비침습적 요역동학 검사 방법.
  3. 제2항에 있어서,
    상기 요류 진단 데이터는 (i) 최대 요속(maximum urinary flow rate, Qmax), (ii) 배출 후 방광 부피(voided volume, VV), (ii) 잔뇨량(post voiding residual urine, PVR), 또는 이들의 조합을 포함하고,
    상기 초음파 진단 데이터는 (i) 전립선 전체 용적(total prostate volume, TPV), (ii) 전립선 전환대 용적(transitional zone volume, TZV), 또는 이들의 조합을 포함하는 것을 특징으로 하는 비침습적 요역동학 검사 방법.
  4. 제1항에 있어서,
    상기 요역동학 검사 결과는 (i) 최대 요속(Qmax), (ii) 최대 요속에서의 배뇨근 압력(detrusor pressure at maximum urinary flow rate, PdetQmax), (iii) 방광 충만기에서 배뇨근 압력 곡선 아래의 최대 면적(maximum area under involuntary detrusor contraction during filling phase in pressure-flow study of urodynamic study, max AUC), (iv) 방광 충만기에서 배뇨근 압력 곡선 아래의 전체 면적(total area under the involuntary detrusor contraction during filling phase in pressure-flow study of urodynamic study, total AUC), 또는 이들의 조합을 포함하는 것을 특징으로 하는 비침습적 요역동학 검사 방법.
  5. 제4항에 있어서,
    상기 방광 충만기에서 배뇨근 압력 곡선 아래의 최대 면적(max AUC) 및 상기 방광 충만기에서 배뇨근 압력 곡선 아래의 전체 면적(total AUC)은 비자발적 배뇨근 수축으로 인한 면적을 고려하고, 방광 용적에 대한 배뇨근 압력의 적분값을 통해 산출되는 것을 특징으로 하는 비침습적 요역동학 검사 방법.
  6. 제4항에 있어서,
    상기 머신러닝 기반의 요역동학 진단 모델은 미리 획득하여 지정한 레이블을 이용하여 지도 학습하며, 사분위수 범위에 따라 이상값을 필터링한 학습 데이터를 이용하여 학습하는 것을 특징으로 하는 비침습적 요역동학 검사 방법.
  7. 제6항에 있어서,
    복수의 지도 학습 알고리즘 중에서 정확도를 평가하여 상기 머신러닝 기반의 요역동학 진단 모델에 선택 적용하며,
    의사 결정 트리를 기반으로 임의로 선택한 후보에서 최적 특성을 찾는 지도 학습 방법에 해당하는 랜덤 포레스트(random forest)를 이용하여 상기 최대 요속(Qmax)을 예측하고,
    데이터 분류를 위한 기준선을 정의하는 지도 학습 방법에 해당하는 서포트 벡터 머신(support vector machine)을 이용하여 상기 최대 요속에서의 배뇨근 압력(PdetQmax)을 예측하고,
    여러 개의 결정 트리를 묶어 이전 트리의 오차를 보완하는 지도 학습 방법에 해당하는 그래디언트 부스팅(gradient boosting)을 이용하여 상기 방광 충만기에서 배뇨근 압력 곡선 아래의 최대 면적(max AUC) 및 상기 방광 충만기에서 배뇨근 압력 곡선 아래의 전체 면적(total AUC)을 예측하는 것을 특징으로 하는 비침습적 요역동학 검사 방법.
  8. 제4항에 있어서,
    상기 요역동학 검사 결과를 출력하는 단계는,
    상기 방광 충만기에서 배뇨근 압력 곡선 아래의 최대 면적(max AUC) 및 상기 방광 충만기에서 배뇨근 압력 곡선 아래의 전체 면적(total AUC)의 범위에 따라 요로폐쇄(bladder outlet obstruction)를 구분하는 것을 특징으로 하는 비침습적 요역동학 검사 방법.
  9. 제4항에 있어서,
    상기 요역동학 검사 결과를 출력하는 단계는,
    상기 방광 충만기에서 배뇨근 압력 곡선 아래의 최대 면적(max AUC) 및 상기 방광 충만기에서 배뇨근 압력 곡선 아래의 전체 면적(total AUC)의 범위에 따라 긴급 상황을 구분하는 것을 특징으로 하는 비침습적 요역동학 검사 방법.
  10. 비침습적 요역동학 검사 장치에 있어서,
    비침습 진단 데이터로부터 요역동학 검사 결과를 예측하여 출력하는 머신러닝 기반의 요역동학 진단 모델을 포함하는 비침습적 요역동학 검사 장치.
  11. 제10항에 있어서,
    상기 요역동학 검사 결과는 (i) 최대 요속(Qmax), (ii) 최대 요속에서의 배뇨근 압력(detrusor pressure at maximum urinary flow rate, PdetQmax), (iii) 방광 충만기에서 배뇨근 압력 곡선 아래의 최대 면적(maximum area under involuntary detrusor contraction during filling phase in pressure-flow study of urodynamic study, max AUC), (iv) 방광 충만기에서 배뇨근 압력 곡선 아래의 전체 면적(total area under the involuntary detrusor contraction during filling phase in pressure-flow study of urodynamic study, total AUC), 또는 이들의 조합을 포함하는 것을 특징으로 하는 비침습적 요역동학 검사 방법.
  12. 컴퓨터에 의해 실행 가능한 컴퓨터 프로그램을 저장하는 컴퓨터 판독 가능한 저장 매체에 있어서,
    제1항 내지 제9항 중 한 항에 기재된 방법을 실행할 수 있는 컴퓨터 프로그램을 기록한 컴퓨터 판독 가능한 저장 매체.
  13. 프로세서에 의해 실행 가능한 컴퓨터 프로그램 명령어들을 포함하는 컴퓨터 판독 가능한 저장 매체에 기록된 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램 명령어들이 프로세서에 의해 실행되는 경우에,
    제1항 내지 제9항 중 한 항에 기재된 방법을 수행하는 것을 특징으로 하는 컴퓨터 프로그램.
KR1020220085583A 2022-07-12 2022-07-12 인공지능 기반의 비침습적 요역동학 검사 방법 및 장치 KR20240008577A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220085583A KR20240008577A (ko) 2022-07-12 2022-07-12 인공지능 기반의 비침습적 요역동학 검사 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220085583A KR20240008577A (ko) 2022-07-12 2022-07-12 인공지능 기반의 비침습적 요역동학 검사 방법 및 장치

Publications (1)

Publication Number Publication Date
KR20240008577A true KR20240008577A (ko) 2024-01-19

Family

ID=89717691

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220085583A KR20240008577A (ko) 2022-07-12 2022-07-12 인공지능 기반의 비침습적 요역동학 검사 방법 및 장치

Country Status (1)

Country Link
KR (1) KR20240008577A (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100984807B1 (ko) 2009-05-18 2010-10-01 서울대학교산학협력단 요역동학 검사장치
KR20200122084A (ko) 2019-04-17 2020-10-27 사회복지법인 삼성생명공익재단 하부요로증상 진단보조 방법
KR20220054114A (ko) 2020-10-23 2022-05-02 사회복지법인 삼성생명공익재단 딥러닝 기반의 단순요류검사 결과 학습 및 하부요로증상 진단방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100984807B1 (ko) 2009-05-18 2010-10-01 서울대학교산학협력단 요역동학 검사장치
KR20200122084A (ko) 2019-04-17 2020-10-27 사회복지법인 삼성생명공익재단 하부요로증상 진단보조 방법
KR20220054114A (ko) 2020-10-23 2022-05-02 사회복지법인 삼성생명공익재단 딥러닝 기반의 단순요류검사 결과 학습 및 하부요로증상 진단방법

Similar Documents

Publication Publication Date Title
Nitti Pressure flow urodynamic studies: the gold standard for diagnosing bladder outlet obstruction
US11805971B2 (en) Method and apparatus for diagnosing urinary disturbances by simultaneously measuring urinary flow rate and residual urine
Stanton et al. The colposuspension operation for urinary incontinence
JP7278415B2 (ja) 下部尿路症状診断補助システムの動作方法、該方法を実現するプログラムが記録されたコンピュータ読取可能な記録媒体、及び下部尿路症状診断補助システム
KR102455284B1 (ko) 하부요로 기능이상의 진단 시스템 및 방법
CN108665449B (zh) 预测血流矢量路径上的血流特征的深度学习模型及装置
Ozawa et al. The future of urodynamics: non‐invasive ultrasound videourodynamics
KR20240008577A (ko) 인공지능 기반의 비침습적 요역동학 검사 방법 및 장치
Hollowell et al. Bladder function and dysfunction in exstrophy and epispadias
Ge et al. Design of a rapid diagnostic model for bladder compliance based on real-time intravesical pressure monitoring system
Tubaro et al. The effect of bladder outlet obstruction treatment on ultrasound-determined bladder wall thickness
Losco et al. Non‐invasive urodynamics predicts outcome prior to surgery for prostatic obstruction
US20230309931A1 (en) Deep learning-based simple urine flow test result learning method and lower urinary tract symptom diagnosis method
US20220076838A1 (en) Acute kidney injury monitoring
US20210290076A1 (en) System and a method for determining a significance of a stenosis
D’Ancona et al. New method for minimally invasive urodynamic assessment in men with lower urinary tract symptoms
Gray et al. Differences in detrusor contractile function in women with neuropathic and idiopathic detrusor instability
Mantzaris et al. A probabilistic neural network for assessment of the vesicoureteral reflux’s diagnostic factors validity
US20210330933A1 (en) Catheter with valves
RU2408275C2 (ru) Способ диагностики и прогноза развития функционального недержания мочи у женщин
Liska et al. When “pouchitis” isn׳ t pouchitis: Crohn׳ s disease and surgical complications
Heywood Evaluation of the fast-fill technique for Anal Acoustic Reflectometry in Faecal Incontinence and Pelvic Floor Dysfunction
Rosier Intra-prostatic protrusion shows a typical urodynamic patter on pressure flow analysis
Versi Relevance of urethral pressure profilometry to date
Wein Re: Renal Deterioration after Spinal Cord Injury is Associated with Length of Detrusor Contractions during Cystometry—A Study with a Median of 41 Years Follow-up