KR20240012686A - 카메라를 이용한 인공 지능 기반의 파라핀 블록 인식 장치 및 이를 이용한 파라핀 블록 인식 방법 - Google Patents
카메라를 이용한 인공 지능 기반의 파라핀 블록 인식 장치 및 이를 이용한 파라핀 블록 인식 방법 Download PDFInfo
- Publication number
- KR20240012686A KR20240012686A KR1020220089992A KR20220089992A KR20240012686A KR 20240012686 A KR20240012686 A KR 20240012686A KR 1020220089992 A KR1020220089992 A KR 1020220089992A KR 20220089992 A KR20220089992 A KR 20220089992A KR 20240012686 A KR20240012686 A KR 20240012686A
- Authority
- KR
- South Korea
- Prior art keywords
- paraffin block
- image
- labeling
- module
- paraffin
- Prior art date
Links
- 239000012188 paraffin wax Substances 0.000 title claims abstract description 196
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000013473 artificial intelligence Methods 0.000 title description 6
- 238000002372 labelling Methods 0.000 claims abstract description 104
- 238000007781 pre-processing Methods 0.000 claims abstract description 50
- 238000012937 correction Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 14
- 238000003705 background correction Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 8
- 238000003384 imaging method Methods 0.000 description 6
- 238000013500 data storage Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000013480 data collection Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 239000010454 slate Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
- G01N1/36—Embedding or analogous mounting of samples
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
-
- 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
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biochemistry (AREA)
- Molecular Biology (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Quality & Reliability (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Image Analysis (AREA)
Abstract
본 발명의 일 면에 따른 파라핀 블록 인식 장치는, 파라핀 블록을 촬영하여 제1 파라핀 블록 이미지를 생성하는 제1 카메라 및 제1 파라핀 블록 이미지를 처리하는 컴퓨팅 장치를 포함하고, 컴퓨팅 장치는 하나 이상의 코어를 포함하는 프로세서 및 전처리 모듈과 라벨링 모듈을 저장하는 메모리를 포함하고, 프로세서는 전처리 모듈을 이용하여 제1 파라핀 블록 이미지를 전처리함으로써 전처리 이미지를 생성하고, 라벨링 모듈을 이용하여 전처리 이미지에 포함된 문자를 인식함으로써 라벨링 데이터를 생성하는 것을 특징으로 한다.
Description
본 개시는 파라핀 블록 인식 장치 및 이를 이용한 파라핀 블록 인식 방법에 관한 것이다. 보다 상세하게는, 본 개시는 카메라를 이용한 인공 지능 기반의 파라핀 블록 인식 장치 및 이를 이용한 파라핀 블록 인식 방법에 관한 것이다.
병원에서 사용되는 파라핀 블록은 채취한 생체조직에 파라핀을 침투시켜 조직을 고형화 한 것으로, 보관함에 순차적으로 삽입하여 정렬한 상태로 보관된다. 파라핀 블록은 환자의 중요한 치료 정보를 포함할 뿐만 아니라, 의료법상 10년간 보관해야하므로 보관이 매우 중요하다. 그에 따라, 보관함에 보관되는 파라핀 블록을 관리하기 위해 보관함 내의 파라핀 블록 각각을 인식하는 기술이 요구되고 있다.
본 개시에 개시된 실시예는 카메라를 이용하여 파라핀 블록 이미지를 생성하고, 파라핀 블록 이미지를 인공지능에 기반하여 처리하는 파라핀 블록 인식 장치 및 이를 이용한 파라핀 블록 인식 방법을 제공하는 데 그 목적이 있다.
본 개시가 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상술한 기술적 과제를 달성하기 위한 본 개시에 일 측면에 따른 파라핀 블록 인식 장치는, 파라핀 블록을 촬영하여 제1 파라핀 블록 이미지를 생성하는 제1 카메라 및 제1 파라핀 블록 이미지를 처리하는 컴퓨팅 장치를 포함하고, 컴퓨팅 장치는 하나 이상의 코어를 포함하는 프로세서 및 전처리 모듈과 라벨링 모듈을 저장하는 메모리를 포함하고, 프로세서는 전처리 모듈을 이용하여 제1 파라핀 블록 이미지를 전처리함으로써 전처리 이미지를 생성하고, 라벨링 모듈을 이용하여 전처리 이미지에 포함된 문자를 인식함으로써 라벨링 데이터를 생성하는 것을 특징으로 한다.
또한, 본 개시의 다른 측면에 따른 파라핀 블록 인식 방법은, 제1 카메라로부터 파라핀 블록을 촬영하여 생성된 제1 파라핀 블록 이미지를 획득하는 단계, 전처리 모듈을 이용하여 제1 파라핀 블록 이미지를 전처리함으로써 전처리 이미지를 생성하는 단계, 라벨링 모듈을 이용하여 전처리 이미지에 포함된 문자를 인식함으로써 라벨링 데이터를 생성하는 단계 및 라벨링 데이터를 데이터 베이스에 저장하는 단계를 포함한다.
또한, 본 개시의 다른 측면에 따른 파라핀 블록 인식 시스템은, 파라핀 블록을 촬영하고 상기 파라핀 블록의 검체 번호가 포함된 라벨부를 인식함으로써 라벨링 데이터를 생성하는 파라핀 블록 인식 장치와, 상기 라벨링 데이터를 저장하는 데이터 베이스 및 상기 라벨링 데이터를 상기 데이터 베이스로 전송하기 위해 이용되는 네트워크를 포함하고, 상기 파라핀 블록 인식 장치는, 상기 파라핀 블록을 상기 파라핀 블록이 놓여진 지면에 평행한 제1 방향으로 이동하면서, 상기 제1 방향 및 상기 파라핀 블록이 놓여진 지면에 수직한 제2 방향으로 촬영하여 제1 파라핀 블록 이미지를 생성하는 제1 카메라와, 상기 파라핀 블록을 상기 파라핀 블록이 놓여진 지면에 평행하고 상기 제1 방향에 수직한 제3 방향으로 이동하면서, 상기 제1 방향으로 촬영하여 제2 파라핀 블록 이미지를 생성하는 제2 카메라 및 상기 제1 파라핀 블록 이미지 및 상기 제2 파라핀 블록 이미지를 처리하는 컴퓨팅 장치를 포함하고, 상기 컴퓨팅 장치는, 하나 이상의 코어를 포함하는 프로세서 및 전처리 모듈, 라벨링 모듈 및 비교 모듈을 저장하는 메모리를 포함하고, 상기 프로세서는, 상기 전처리 모듈을 이용하여 상기 제1 파라핀 블록 이미지 및 상기 제2 파라핀 블록 이미지 중 적어도 하나를 전처리함으로써 제1 전처리 이미지 및 제2 전처리 이미지 중 적어도 하나를 생성하고, 상기 라벨링 모듈을 이용하여 상기 제1 전처리 이미지 및 상기 제2 전처리 이미지 중 적어도 하나에 포함된 문자를 인식함으로써 제1 라벨링 데이터 및 제2 라벨링 데이터 중 적어도 하나를 생성하고, 상기 비교 모듈을 이용하여 상기 제1 라벨링 데이터 및 상기 제2 라벨링 데이터 중 적어도 하나와 보관함 정보를 비교함으로써 상기 보관함 정보를 업데이트하는 것을 특징으로 한다.
이 외에도, 본 개시를 구현하기 위한 실행하기 위한 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램이 더 제공될 수 있다.
이 외에도, 본 개시를 구현하기 위한 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 컴퓨터 판독 가능한 기록 매체가 더 제공될 수 있다.
본 개시의 전술한 과제 해결 수단에 의하면, 파라핀 블록 인식률이 증가하여 파라핀 블록의 위치를 정확하게 알 수 있다. 그에 따라, 파라핀 블록의 보관 용이성이 향상될 수 있다.
본 개시의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시 예에 따른 파라핀 블록 인식 시스템을 개략적으로 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시 예에 따른 컴퓨팅 장치의 구성을 나타내는 블록도이다.
도 3은 본 발명의 일 실시 예에 따른 촬영부를 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시 예에 따른 촬영부를 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시 예에 따른 파라핀 블록 인식 방법을 나타내는 순서도이다.
도 6은 본 발명의 일 실시 예에 따른 파라핀 블록 인식 방법을 나타내는 순서도이다.
도 2는 본 발명의 일 실시 예에 따른 컴퓨팅 장치의 구성을 나타내는 블록도이다.
도 3은 본 발명의 일 실시 예에 따른 촬영부를 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시 예에 따른 촬영부를 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시 예에 따른 파라핀 블록 인식 방법을 나타내는 순서도이다.
도 6은 본 발명의 일 실시 예에 따른 파라핀 블록 인식 방법을 나타내는 순서도이다.
본 개시 전체에 걸쳐 동일 참조 부호는 동일 구성요소를 지칭한다. 본 개시가 실시예들의 모든 요소들을 설명하는 것은 아니며, 본 개시가 속하는 기술분야에서 일반적인 내용 또는 실시예들 간에 중복되는 내용은 생략한다. 명세서에서 사용되는 '부, 모듈, 부재, 블록'이라는 용어는 소프트웨어 또는 하드웨어로 구현될 수 있으며, 실시예들에 따라 복수의 '부, 모듈, 부재, 블록'이 하나의 구성요소로 구현되거나, 하나의 '부, 모듈, 부재, 블록'이 복수의 구성요소들을 포함하는 것도 가능하다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 직접적으로 연결되어 있는 경우뿐 아니라, 간접적으로 연결되어 있는 경우를 포함하고, 간접적인 연결은 무선 통신망을 통해 연결되는 것을 포함한다.
또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
명세서 전체에서, 어떤 부재가 다른 부재 "상에" 위치하고 있다고 할 때, 이는 어떤 부재가 다른 부재에 접해 있는 경우뿐 아니라 두 부재 사이에 또 다른 부재가 존재하는 경우도 포함한다.
제1, 제2 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위해 사용되는 것으로, 구성요소가 전술된 용어들에 의해 제한되는 것은 아니다.
단수의 표현은 문맥상 명백하게 예외가 있지 않는 한, 복수의 표현을 포함한다.
각 단계들에 있어 식별부호는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 실시될 수 있다.
이하 첨부된 도면들을 참고하여 본 개시의 작용 원리 및 실시예들에 대해 설명한다.
본 명세서에서 '본 개시에 따른 파라핀 블록 인식 장치'는 연산처리를 수행하여 사용자에게 결과를 제공할 수 있는 다양한 장치들이 모두 포함된다. 예를 들어, 본 개시에 따른 파라핀 블록 인식 장치는, 컴퓨터, 서버 장치 및 휴대용 단말기를 모두 포함하거나, 또는 어느 하나의 형태가 될 수 있다.
여기에서, 상기 컴퓨터는 예를 들어, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(desktop), 랩톱(laptop), 태블릿 PC, 슬레이트 PC 등을 포함할 수 있다.
상기 서버 장치는 외부 장치와 통신을 수행하여 정보를 처리하는 서버로써, 애플리케이션 서버, 컴퓨팅 서버, 데이터베이스 서버, 파일 서버, 게임 서버, 메일 서버, 프록시 서버 및 웹 서버 등을 포함할 수 있다.
상기 휴대용 단말기는 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), WiBro(Wireless Broadband Internet) 단말, 스마트 폰(Smart Phone) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치와 시계, 반지, 팔찌, 발찌, 목걸이, 안경, 콘택트 렌즈, 또는 머리 착용형 장치(head-mounted-device(HMD) 등과 같은 웨어러블 장치를 포함할 수 있다.
도 1은 본 발명의 일 실시 예에 따른 파라핀 블록 인식 시스템을 개략적으로 설명하기 위한 도면이다. 도 1을 참조하면, 파라핀 블록 인식 시스템(1)은, 파라핀 블록 인식 장치(100), 데이터 베이스(200) 및 네트워크(300)를 포함하여 동작할 수 있다.
파라핀 블록 인식 장치(100)는 검체 번호를 포함하는 파라핀 블록 이미지로부터 검체번호를 인식하여 문자 데이터를 추출할 수있다. 파라핀 블록 인식 장치(100)는 촬영부(110) 및 컴퓨팅 장치(120)를 포함할 수 있다. 상기 구성들은 따른 파라핀 블록 인식 장치(100)를 구현하기 위해 필요한 필수적인 구성들은 아니며, 본 명세서의 파라핀 블록 인식 장치(100)는 더 많은 구성 또는 더 적은 구성을 포함할 수 있다.
촬영부(110)는 영상 정보(또는 신호), 데이터, 또는 사용자로부터 입력되는 정보의 입력을 위한 것으로서, 적어도 하나의 카메라 및 사용자 입력부 중 적어도 하나를 포함할 수 있다. 입력부에서 수집한 음성 데이터나 이미지 데이터는 분석되어 사용자의 제어명령으로 처리될 수 있다.
촬영부(110)는 하나 또는 복수의 카메라를 포함할 수 있다. 카메라는 촬영 모드에서 이미지 센서에 의해 얻어지는 정지영상 또는 동영상 등의 화상 프레임을 처리할 수 있다. 처리된 화상 프레임은 디스플레이부(또는 본 개시의 파라핀 블록 인식 장치(100)의 화면)에 표시되거나 메모리에 저장될 수 있다.
촬영부(110)가 복수의 카메라를 포함하는 경우, 매트릭스 구조를 이루도록 배치될 수 있으며, 이와 같이 매트릭스 구조를 이루는 카메라들을 통해 다양한 각도 또는 초점을 갖는 복수의 영상정보가 입력될 수 있고, 또한 상기 카메라들은 3차원의 입체영상을 구현하기 위한 좌 영상 및 우 영상을 획득하도록, 스트레오 구조로 배치될 수도 있다.
촬영부(110)는 사용자 입력부를 포함할 수도 있다. 사용자 입력부는 사용자로부터 정보를 입력받기 위한 것으로서, 사용자 입력부를 통해 정보가 입력되면, 제어부는 입력된 정보에 대응되도록 본 장치의 동작을 제어할 수 있다. 이러한, 사용자 입력부는 하드웨어식 물리 키(예를 들어, 본 장치의 전면, 후면 및 측면 중 적어도 하나에 위치하는 버튼, 돔 스위치 (dome switch), 조그 휠, 조그 스위치 등) 및 소프트웨어식 터치 키를 포함할 수 있다. 일 예로서, 터치 키는, 소프트웨어적인 처리를 통해 터치스크린 타입의 디스플레이부 상에 표시되는 가상 키(virtual key), 소프트 키(soft key) 또는 비주얼 키(visual key)로 이루어지거나, 상기 터치스크린 이외의 부분에 배치되는 터치 키(touch key)로 이루어질 수 있다. 한편, 상기 가상키 또는 비주얼 키는, 다양한 형태를 가지면서 터치스크린 상에 표시되는 것이 가능하며, 예를 들어, 그래픽(graphic), 텍스트(text), 아이콘(icon), 비디오(video) 또는 이들의 조합으로 이루어질 수 있다.
촬영부(110)는 카메라를 이용하여 파라핀 블록을 촬영함으로써 파라핀 블록 이미지를 생성하거나, 사용자 입력부를 이용하여 파라핀 블록 이미지를 획득할 수 있다. 파라핀 블록 이미지는 문자를 포함할 수 있다. 예를 들어, 상기 파라핀 블록은 검체 번호가 기재된 라벨부를 포함할 수 있고, 상기 파라핀 블록을 촬영한 파라핀 블록 이미지는 음영이 없는 문자를 포함할 수 있다. 상기 검체 번호가 기재된 라벨부는 수기로 기재되거나 컴퓨터 장치를 이용하여 기재될 수 있다. 예를 들어, 상기 파라핀 블록은 검체 번호가 각인된 라벨부를 포함할 수 있고, 상기 파라핀 블록을 촬영한 파라핀 블록 이미지는 음영이 있는 문자를 포함할 수 있다.
파라핀 블록 이미지는 컴퓨팅 장치(120)에 입력 데이터로서 제공되거나, 데이터 베이스(200)에 저장될 수 있다. 예를 들어, 파라핀 블록 인식 장치(100)는 네트워크(300)를 통해 파라핀 블록 이미지를 데이터 베이스(200)로 전송할 수 있다. 촬영부(110)의 구성에 대하여는 도 3 및 도 4를 참조하여 보다 상세하게 후술한다.
컴퓨팅 장치(120)는 네트워크(300)에 접속할 수 있는 모든 장치를 포함할 수 있다. 예를 들어, 컴퓨팅 장치(120)는 스마트폰, 태블릿, PC, 노트북, 가전 디바이스, 카메라 및 웨어러블 장치 등을 포함할 수 있다. 컴퓨팅 장치(120)는 애플리케이션 서버, 제어 서버, 데이터 수집 서버, 데이터 저장 서버, 데이터 처리 서버, API(Application Programming Interface) 제공 서버, 데이터 표시 서버, 특정 기능을 제공하기 위한 서버 등 다양한 종류의 서버를 포함할 수 있다. 컴퓨팅 장치(120)는 단일 시스템으로 구성되어 데이터 수집, 데이터 저장, 데이터 처리, API 제공, 데이터 표시 등의 프로세스를 수행할 수 있다. 그러나 이에 제한되지 않으며, 컴퓨팅 장치(120)에 포함된 복수의 서버들이 동시에 프로세스를 처리할 수도 있다.
컴퓨팅 장치(120)는 촬영부(110)로부터 파라핀 블록 이미지를 수신할 수 있다. 일 실시예에서, 컴퓨팅 장치(120)는 외부로부터 보관함 정보를 제공받을 수도 있다. 컴퓨팅 장치(120)는 도2를 참조하여 후술되는 바와 같이, 전처리 모듈, 라벨링 모듈 및 비교 모듈 중 적어도 어느 하나를 이용하여 동작할 수 있다.
전처리 모듈은 상기 파라핀 블록 이미지를 전처리함으로써 전처리 이미지를 생성하기 위해 이용될 수 있다. 전처리 이미지는 파라핀 블록의 라벨부에 포함된 검체 번호를 인식하기 위해 가공된 이미지일 수 있다. 예를 들어, 전처리 이미지는 파라핀 블록 이미지의 명도, 채도, 밝기 등이 조정된 이미지일 수 있다.
라벨링 모듈은 상기 전처리 이미지로부터 문자를 추출하여 라벨링함으로써 라벨링 데이터를 생성하기 위해 이용될 수 있다. 라벨링 데이터는 파라핀 블록의 라벨부에 기재된 검체 번호를 추출한 데이터일 수 있다. 라벨링 데이터는 파라핀 블록의 라벨부에 기재된 문자를 추출한 데이터일 수 있다.
비교 모듈은 라벨링 데이터와 보관함 정보를 비교하여 보관함 정보를 업데이트하기 위해 이용될 수 있다. 보관함 정보는 사용자에 의해 입력된 데이터일 수 있다. 보관함 정보는 보관함 정보, 및 해당 보관함 정보에 대응되는 보관함에 적재된 파라핀 블록들의 검체 번호를 포함하는 라벨링 데이터를 포함할 수 있다. 컴퓨팅 장치(120)의 구성에 대하여는 도 2를 참조하여 상세하게 후술하고, 컴퓨팅 장치(120)의 동작에 대하여는 도 5 및 도 6을 참조하여 상세하게 후술한다.
컴퓨팅 장치(120)는 네트워크(300)를 통해 파라핀 블록 이미지를 파라핀 블록 인식 서버(30) 및/또는 데이터 베이스(200)로 전송할 수 있다. 컴퓨팅 장치(120)는 라벨링 데이터 및 업데이트된 보관함 정보 중 적어도 어느 하나를 표시할 수 있다. 예를 들어, 컴퓨팅 장치(120)는 라벨링 데이터와 보관함 정보의 불일치 정보, 보관함 정보의 업데이트 알람, 새로 인식된 라벨링 데이터 등을 표시할 수 있다. 컴퓨팅 장치(120)는 검색이 가능한 UI를 제공할 수 있다. 그에 따라, 사용자가 라벨링 데이터를 입력하면 해당 라벨링 데이터에 대응하는 보관함 정보를 디스플레이에 표시하도록 구현될 수도 있다.
데이터 베이스(200)는 파라핀 블록 인식 시스템(1)에 필요한 데이터를 저장할 수 있다. 데이터 베이스(200)는 컴퓨팅 장치(120)의 일부일 수 있으나 이에 제한되지 않으며, 컴퓨팅 장치(120)와 분리되어 운용될 수도 있다. 데이터 베이스(200)는 파라핀 블록 이미지, 전처리 이미지, 라벨링 데이터, 보관함 정보 등을 저장할 수 있다. 데이터 베이스(200)에 저장된 정보는 필요에 따라 컴퓨팅 장치(120)에 제공될 수 있고, 컴퓨팅 장치(120)가 라벨링 데이터를 생성하는 과정에서 사용될 수 있다.
네트워크(300)는 인터넷(internet), 인트라넷(intranet), 엑스트라넷(extranet), LAN(Local Area Network), MAN(Metropolitan Area Network), WAN(Wide Area Network) 등 파라핀 블록 인식 장치(100) 및 데이터 베이스(200)가 접속할 수 있는 모든 네트워크를 포함할 수 있다.
도 2는 본 발명의 일 실시 예에 따른 컴퓨팅 장치(120)의 구성을 나타내는 블록도이다. 이하에서는 도 1을 참조하여 설명한다.
도 2를 참조하면, 컴퓨팅 장치(120)는 통신 인터페이스(121), 메모리(122) 및 적어도 하나의 프로세서(123)를 포함할 수 있다. 상기 구성들은 따른 컴퓨팅 장치(120)를 구현하기 위해 필요한 필수적인 구성들은 아니며, 본 명세서의 컴퓨팅 장치(120)는 더 많은 구성 또는 더 적은 구성을 포함할 수 있다.
통신 인터페이스(121)는 이동 통신, 근거리 통신 등을 수행하기 위한 모듈을 포함할 수 있고, 유무선 통신을 수행하기 위한 모듈을 포함할 수 있다. 예를 들어, 통신 인터페이스(121)는 유선 랜, 무선 랜(Wireless LAN), 와이파이(Wi-Fi), 블루투스(Bluetooth), 지그비(zigbee), WFD(Wi-Fi Direct), 적외선 통신(IrDA, infrared Data Association), BLE (Bluetooth Low Energy), NFC(Near Field Communication), 와이브로(Wireless Broadband Internet, Wibro), 와이맥스(World Interoperability for Microwave Access, WiMAX), SWAP(Shared Wireless Access Protocol), 와이기그(Wireless Gigabit Alliances, WiGig) 및 RF 통신을 포함하는 데이터 통신 방식 중 적어도 하나를 이용하여 컴퓨팅 장치(120)의 데이터 통신을 수행할 수 있다.
통신 인터페이스(121)는 프로세서(123)의 제어에 따라 동작할 수 있다. 통신 인터페이스(121)는 도 1의 촬영부(110), 데이터 베이스(200), 및/또는 네트워크(300)와 통신하기 위한 모듈일 수 있다. 예를 들어, 통신 인터페이스(121)를 통해 컴퓨팅 장치(120)에서 생성된 라벨링 데이터가 데이터 베이스(도 1의 200)로 전송될 수 있다.
메모리(122)는 본 장치의 다양한 기능을 지원하는 데이터와, 제어부의 동작을 위한 프로그램을 저장할 수 있고, 입/출력되는 데이터들(예를 들어, 음악 파일, 정지영상, 동영상 등)을 저장할 있고, 본 장치에서 구동되는 다수의 응용 프로그램(application program 또는 애플리케이션(application)), 본 장치의 동작을 위한 데이터들, 명령어들을 저장할 수 있다. 이러한 응용 프로그램 중 적어도 일부는, 무선 통신을 통해 외부 서버로부터 다운로드 될 수 있다.
메모리(122)는 프로세서(123)가 판독할 수 있는 명령어들, 데이터 구조, 및 프로그램 코드(program code)가 저장할 수 있다. 메모리(122)는 인공 지능, 머신 러닝, 인공 신경망을 이용하여 연산을 수행하는데 필요한 정보를 저장할 수 있다. 예를 들어, 메모리(122)는 프로세서(123)와 전기적으로 연결될 수 있고, 프로세서(123)에서 수행되는 적어도 하나의 코드(Code)를 저장할 수 있다. 즉, 프로세서(123)가 수행하는 동작들은 메모리(122)에 저장된 프로그램의 명령어들 또는 코드들을 실행함으로써 구현될 수 있다.
예를 들어, 메모리(122)는 파라핀 블록 이미지를 이용하여 라벨링 데이터를 생성하기 위한 다양한 소프트웨어 모듈을 저장할 수 있다. 상기 소프트웨어 모듈들은 학습 모델일 수 있다. 메모리(122)에 저장된 학습 모델들은 학습 데이터가 아닌 새로운 입력 데이터에 대하여 결과 값을 추론할 수 있고, 추론된 값은 어떠한 동작을 수행하기 위한 판단의 기초로 이용될 수 있다. 메모리(122)에 저장된 학습 모델들은 레이블(Label) 정보에 기초하여 학습이 수행될 수 있고, 학습의 정확도를 높이기 위해, 손실 함수가 목표의 값을 갖도록 다양한 역전파(Backpropagation) 알고리즘이 적용될 수 있다.
예를 들어, 메모리(122)는 촬영부(도 1의 110)로부터 생성된 파라핀 블록 이미지를 전처리하도록 학습된 전처리 모듈(M1), 상기 전처리 이미지를 이용하여 라벨링 데이터를 추출하도록 학습된 라벨링 모듈(M2), 및 라벨링 데이터와 보관함 정보를 비교함으로써 상기 보관함 정보를 업데이트하도록 학습된 비교 모듈(M3) 중 적어도 하나를 저장할 수 있다. 메모리(122)는 전처리 모듈(M1), 라벨링 모듈(M2), 및 비교 모듈(M3)의 학습 내용 및 학습 결과를 저장할 수 있다.
예를들어, 전처리 모듈(M1)은 촬영부(도 1의 110)로부터 획득되는 파라핀 블록 이미지를 전처리하도록 훈련된 뉴럴 네트워크 모델일 수 있다. 예를 들어, 전처리 모듈(M1)은 파라핀 블록 이미지에 대하여 배드 픽셀 보정(Bad Pixel Correction, BPC) 동작, 렌즈 쉐이딩 보정(Lens Shading Correction, LSC) 동작, 크로스 토크 보정(X-talk correction) 동작, 화이트 밸런스(White Balance, WB) 보정 동작, 리모자이크(Remosaic) 동작, 디모자이크(Demosaic) 동작, 디노이즈(Denoise) 동작, 디블러(Deblur) 동작, 감마 보정(Gamma correction) 동작, 하이 다이나믹 레인지(High Dynamic Range, HDR) 동작, 톤 매핑 (Tone mapping) 동작 중 적어도 어느 하나를 수행하도록 훈련된 모델일 수 있다. 그러나 이에 제한되지 않으며, 전처리 모듈(M1)은 이외의 다양한 이미지 처리 동작을 수행하도록 학습될 수 있다.
전처리 모듈(M1)은 파라핀 블록 이미지를 전처리함으로써 전처리 이미지를 생성할 수 있고, 전처리 이미지는 라벨링 모듈(M2)이 파라핀 블록의 라벨부의 문자 인식 정확도를 향상시키기 위한 이미지일 수 있다. 예를 들어, 전처리 모듈(M1)은 음영이 있는 문자를 포함하는 파라핀 블록 이미지를 음영이 없는 문자 이미지로 전처리할 수 있다. 전처리 이미지는 라벨링 모듈(M2)에 입력될 수 있다.
라벨링 모듈(M2)은 전처리 모듈(M1)로부터 획득되는 전처리 이미지를 이용하여 문자 데이터를 추출하도록 훈련된 뉴럴 네트워크 모델일 수 있다. 예를 들어, 라벨링 모듈(M2)은 전처리 이미지의 라벨부를 인식하고, 라벨부에 기재된 문자 데이터를 추출할 수 있다.
라벨링 모듈(M2)은 문자 데이터의 정확도를 계산하도록 학습될 수 있다. 예를 들어, 라벨링 모듈(M2)은 문자 데이터의 정확도가 기 설정된 값 이상인 경우 라벨링 데이터를 데이터 베이스에 저장하고, 문자 데이터의 정확도가 기 설정된 값보다 작은 경우 촬영부(도 1의 110)를 제어하는 명령을 생성하도록 학습될 수 있다. 상기 기 설정된 값은 사용자에 의해 설정될 수 있다.
비교 모듈(M3)은 데이터 베이스(도 1의 200)에 저장된 라벨링 데이터와 외부로부터 입력된 보관함 정보를 비교하도록 훈련된 뉴럴 네트워크 모델일 수 있다. 예를 들어, 비교 모듈(M3)은 라벨링 데이터가 보관함 정보와 일치하지 않는 경우 보관함 정보를 업데이트하고, 업데이트 알람을 생성하도록 학습될 수 있다.
메모리(122)는 다양한 형태의 저장 장치를 통칭할 수 있다. 메모리(122)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), SSD 타입(Solid State Disk type), SDD 타입(Silicon Disk Drive type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 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 및 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. 또한, 메모리는 본 장치와는 분리되어 있으나, 유선 또는 무선으로 연결된 데이터베이스가 될 수도 있다.
프로세서(123)는 컴퓨팅 장치(120)의 전반적인 동작들을 제어할 수 있다. 예를 들어, 프로세서(123)는 메모리(122)에 저장된 프로그램의 하나 이상의 명령어들(instructions)을 실행함으로써, 컴퓨팅 장치(120)의 전반적인 동작들을 제어할 수 있다. 예를 들어, 프로세서(123)는 메모리(122)에 저장된 전처리 모듈(M1), 라벨링 모듈(M2) 및 비교 모듈(M3) 중 적어도 어느 하나를 실행함으로써, 컴퓨팅 장치(120)의 동작들을 제어할 수 있다.
예를 들어, 프로세서(123)는 메모리(122)에 저장된 전처리 모듈(M1)을 실행하여 파라핀 블록 이미지를 전처리하기 위한 전반적인 동작들을 제어할 수 있다. 프로세서(123)는 메모리(122)에 저장된 라벨링 모듈(M2)을 실행하여 파라핀 블록 이미지로부터 문자 데이터를 추출하기 위한 전반적인 동작들을 제어할 수 있다. 프로세서(123)는 메모리(122)에 저장된 비교 모듈(M3)을 실행하여 라벨링 데이터와 보관함 정보를 비교하고, 보관함 정보를 업데이트하기 위한 전반적인 동작들을 제어할 수 있다.
프로세서(123)는 하나 이상으로 구현될 수 있다. 이하에서, 프로세서(123)는 단수로 표현되더라도 복수로 간주될 수 있다. 프로세서(123)는 프로그램 내에 포함된 코드 또는 명령으로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다.
프로세서(123)는 중앙 처리 장치(Central Processing Unit), 마이크로 프로세서(microprocessor), 그래픽 처리 장치(Graphic Processing Unit), ASICs(Application Specific Integrated Circuits), DSPs(Digital Signal Processors), DSPDs(Digital Signal Processing Devices), PLDs(Programmable Logic Devices), FPGAs(Field Programmable Gate Arrays), 애플리케이션 프로세서(Application Processor), 신경망 처리 장치(Neural Processing Unit) 또는 인공지능 모델의 처리에 특화된 하드웨어 구조로 설계된 인공지능 전용 프로세서 중 적어도 하나로 구성될 수 있으나, 이에 제한되는 것은 아니다.
본 명세서에서, 컴퓨팅 장치(120)가 상술한 구성들을 포함하는 것으로 설명하나, 구현 예에 따라서는, 컴퓨팅 장치(120)가 클라우드 기반의 시스템으로 구현되어, 데이터 수집, 데이터 처리, 데이터 저장, 데이터 표시 및 API 제공 등을 수행하는 서버 또는 장치를 별도로 포함할 수 있다.
도 2에 도시된 구성 요소들의 성능에 대응하여 적어도 하나의 구성요소가 추가되거나 삭제될 수 있다. 또한, 구성 요소들의 상호 위치는 시스템의 성능 또는 구조에 대응하여 변경될 수 있다는 것은 당해 기술 분야에서 통상의 지식을 가진 자에게 용이하게 이해될 것이다.
한편, 도 2에서 도시된 각각의 구성요소는 소프트웨어 및/또는 Field Programmable Gate Array(FPGA) 및 주문형 반도체(ASIC, Application Specific Integrated Circuit)와 같은 하드웨어 구성요소를 의미할 수 있다. 컴퓨팅 장치(120)의 동작에 대하여는 도 5 및 도 6을 참조하여 상세하게 후술한다.
도 3은 본 발명의 일 실시 예에 따른 촬영부를 설명하기 위한 도면이다. 도 3을 비롯한 이하에서는, 제1 방향(X) 및 제1 방향(X)에 수직한 제2 방향(Y)은 보관함(BX)이 놓인 지면(GND)에 평행한 방향일 수 있고, 제1 방향(X) 및 제2 방향(Y) 모두에 수직한 제3 방향(Z)은 보관함(BX)이 놓인 지면(GND)에 수직한 방향일 수 있다.
도 3을 참조하면, 촬영부(110a)는 보관함(BX)에 제1 방향(X) 및 제2 방향(Y)으로 일정한 간격을 두고 배치된 파라핀 블록들(PB)을 촬영할 수 있다. 파라핀 블록들(PB)은 제1 방향(X)으로 일정한 간격을 두고 배치될 수 있고, 동시에 제2 방향(Y)으로 일정한 간격을 두고 배치될 수 있다. 예를 들어, 파라핀 블록들(PB)은 보관함(BX) 내에 매트릭스 형태로 정렬하여 배치될 수 있고, 제1 방향(X)으로의 간격과 제2 방향(Y)으로의 간격은 서로 같거나 다를 수 있다. 파라핀 블록들(PB)은 보관함(BX) 내에 지면(GND)과 수직하게 놓여질 수도 있고, 지면(GND)과 비스듬한 각도로 놓여질 수도 있다. 예를 들어, 파라핀 블록들(PB)에 검체 번호가 각인되어 있고 파라핀 블록들(PB)이 지면(GND)에 비스듬하게 배치되는 경우, 촬영부(110a)를 통해 획득되는 파라핀 블록 이미지는 음영이 있는 문자를 포함할 수 있다.
촬영부(110a)는 제1 카메라(111) 및 제1 이동축(112)을 포함할 수 있다. 제1 카메라(111)는 제1 이동축(112)을 따라 제1 방향(X)으로 이동할 수 있다. 제1 이동축(112)은 제1 방향(X)으로 연장될 수 있고, 보관함(BX)과 제3 방향(Z)으로 이격하여 배치될 수 있다. 그에 따라, 제1 카메라(111)는 제1 방향(X)으로 이동할 수 있고, 제1 방향(X)으로 이동하면서 제3 방향(Z)으로 파라핀 블록들(PB)을 촬영할 수 있다.
도 4는 본 발명의 일 실시 예에 따른 촬영부를 설명하기 위한 도면이다. 도 3을 참조하여 설명하고 동일한 구성요소는 동일한 도면 부호로 표기하며, 중복되는 설명은 생략한다.
도 4를 참조하면, 촬영부(110b)는 제1 카메라(111), 제1 이동축(112), 제2 카메라(113) 및 제2 이동축(114)을 포함할 수 있다. 즉, 촬영부(110b)는 도 3의 촬영부(110a)와 비교하여 제2 카메라(113) 및 제2 이동축(114)을 더 포함할 수 있다.
제2 카메라(113)는 제2 이동축(114)을 따라 제2 방향(Y)으로 이동할 수 있다. 제2 이동축(114)은 제2 방향(Y)으로 연장될 수 있고, 보관함(BX)과 제1 방향(X)으로 이격하여 배치될 수 있다. 그에 따라, 제2 카메라(113)는 제2 방향(Y)으로 이동할 수 있고, 제2 방향(Y)으로 이동하면서 제1 방향(X)으로 파라핀 블록들(PB)을 촬영할 수 있다.
제1 카메라(111)는 파라핀 블록들(PB)을 제3 방향(Z)으로 촬영함으로써 제1 파라핀 블록 이미지를 생성할 수 있고, 제2 카메라(113)는 파라핀 블록들(PB)을 제1 방향(X)으로 촬영함으로써 제2 파라핀 블록 이미지를 생성할 수 있다. 제2 카메라(113)는 제1 카메라(111)를 보조하기 위한 구성일 수 있다. 예를 들어, 프로세서(도 2의 123)는 제1 파라핀 블록 이미지로부터 추출된 라벨링 데이터의 정확도가 기 설정된 값보다 작은 경우, 제2 파라핀 블록 이미지를 생성하도록 제2 카메라(113)를 제어할 수 있다.
도 5는 본 발명의 일 실시 예에 따른 파라핀 블록 인식 방법을 설명하기 위한 순서도이다. 도 5를 참조하면, 파라핀 블록 인식 방법(S100)은 복수의 단계들(S110~S160)을 포함할 수 있다. 도 5는 도 1, 도 2 및 도 4를 참조하여 설명되나, 촬영부(도 1의 110)가 도 3과 같이 제1 카메라(도 3의 111)만 포함하도록 구성될 수도 있다. 이 경우, 도 5의 단계(S160)는 생략될 수 있다.
단계(S110)에서, 컴퓨팅 장치(도 1의 120)는 제1 카메라(도 4의 111)로부터 촬영된 제1 파라핀 블록 이미지를 획득할 수 있다. 제1 파라핀 블록 이미지는 파라핀 블록(도 4의 PB)를 제3 방향(Z)에서 촬영된 이미지일 수 있다.
단계(S120)에서, 컴퓨팅 장치(도 1의 120)는 전처리 모듈(도 2의 M1)을 이용하여 제1 파라핀 블록 이미지를 전처리할 수 있다. 전처리 모듈(도 2의 M1)은 제1 파라핀 블록 이미지를 전처리함으로써 파라핀 블록의 라벨부의 인식 정확도가 향상된 전처리 이미지를 생성하도록 학습된 모델일 수 있다. 예를 들어, 컴퓨팅 장치(도 1의 120)의 프로세서(도 2의 123)는 제1 파라핀 블록 이미지에 대하여 배드 픽셀 보정(Bad Pixel Correction, BPC) 동작, 렌즈 쉐이딩 보정(Lens Shading Correction, LSC) 동작, 크로스 토크 보정(X-talk correction) 동작, 화이트 밸런스(White Balance, WB) 보정 동작, 리모자이크(Remosaic) 동작, 디모자이크(Demosaic) 동작, 디노이즈(Denoise) 동작, 디블러(Deblur) 동작, 감마 보정(Gamma correction) 동작, 하이 다이나믹 레인지(High Dynamic Range, HDR) 동작, 톤 매핑 (Tone mapping) 동작 중 적어도 어느 하나가 수행되도록 컴퓨팅 장치(도 1의 120)의 전반적인 동작을 제어할 수 있다.
단계(S130)에서, 컴퓨팅 장치(도 1의 120)는 라벨링 모듈(도 2의 M3)을 이용하여 전처리 이미지로부터 문자를 추출함으로써 라벨링 데이터를 생성할 수 있다. 라벨링 데이터는 파라핀 블록의 라벨부에 기재된 검체 번호를 문자 데이터로 추출한 데이터일 수있다. 예를 들어, 라벨링 데이터는 해당 파라핀 블록이 생성된 년도 및 제조 순서를 포함할 수 있다. 예를 들어, 라벨링 데이터는 'S15-12345'와 같은 문자 데이터일 수 있다. 이 때, 'S15-12345'는 2015년도에 12345번째로 생성된 파라핀 블록이라는 의미일 수 있다.
단계(S140)에서, 컴퓨팅 장치(도 1의 120)는 라벨링 모듈(도 2의 M3)을 이용하여 라벨링 데이터의 정확도를 판단할 수 있다.
단계(S150)에서, 컴퓨팅 장치(도 1의 120)는 라벨링 데이터가 기 설정된 값 이상인 경우, 상기 라벨링 데이터를 데이터 베이스(도 1의 200)에 저장할 수 있다.
단계(S160)에서, 컴퓨팅 장치(도 1의 120)는 라벨링 데이터가 기 설정된 값보다 작은 경우, 제2 카메라(도 4의 113)가 파라핀 블록(도 4의 PB)을 촬영하도록 제어할 수 있다. 예를 들어, 라벨링 모듈(도 2의 M3)은 라벨링 데이터가 기 설정된 값보다 작은 경우, 제2 카메라(도 4의 113)가 파라핀 블록(도 4의 PB)을 촬영하도록 제어하는 명령을 생성할 수 있다.
그에 따라, 제2 카메라(도 4의 113)는 제2 방향(Y)으로 이동하면서 제1 방향(X)으로 파라핀 블록(도 4의 PB)을 촬영할 수 있다고, 제2 파라핀 블록 이미지를 생성할 수 있다. 제2 파라핀 블록 이미지는 전처리 모듈(도 2의 M1)을 이용하여 전처리될 수 있고(S120), 라벨링 모듈을 이용하여 라벨링 데이터가 추출될 수 있다(S130). 이후 제2 파라핀 블록 이미지로부터 추출된 라벨링 데이터의 정확도가 기 설정된 값 이상인 경우, 상기 라벨링 데이터를 데이터 베이스(도 1의 200)에 저장할 수 있다.
도 6은 본 발명의 일 실시 예에 따른 파라핀 블록 인식 방법을 설명하기 위한 순서도이다. 도 6을 참조하면, 파라핀 블록 인식 방법(S200)은 복수의 단계들(S210~S240)을 포함할 수 있다. 도 5는 도 1 내지 도 5를 참조하여 설명된다.
단계(S210)에서, 컴퓨팅 장치(도 1의 120)는 데이터 베이스(도 1의 200)에 저장된 라벨링 데이터 및 보관함 정보를 획득할 수 있다. 상기 데이터 베이스(도 1의 200)에 저장된 라벨링 데이터는 도 5의 단계들(S110~S150)을 통해 저장된 데이터일 수 있다. 상기 보관함 정보는 사용자에 의해 컴퓨팅 장치(도 1의 120)에 입력된 데이터일 수 있다.
단계(S220)에서, 컴퓨팅 장치(도 1의 120)는 비교 모듈(도 2의 M3)을 이용하여 라벨링 데이터와 보관함 정보를 비교할 수 있다. 예를 들어, 컴퓨팅 장치(도 1의 120)에 포함된 프로세서(도 2의 123)는 비교 모듈(도 2의 M3)을 실행함으로써, 라벨링 데이터가 추출된 파라핀 블록(도 4의 PB)이 정렬되어 있는 보관함(BX)의 보관함 정보에 해당 파라핀 블록(도 4의 PB)에 대응되는 라벨링 데이터가 존재하는지 확인할 수 있다.
단계(S230)에서, 컴퓨팅 장치(도 1의 120)는 비교 모듈(도 2의 M3)을 이용하여 라벨링 데이터와 보관함 정보가 일치하는지 확인할 수 있다.
단계(S240)에서, 컴퓨팅 장치(도 1의 120)는 라벨링 데이터와 보관함 정보가 일치하지 않는 경우, 비교 모듈(도 2의 M3)을 이용하여 해당 보관함 정보를 업데이트할 수 있다. 예를 들어, 보관함 정보의 라벨링 데이터를 새로 저장된 라벨링 데이터로 업데이트할 수 있다. 컴퓨팅 장치(도 1의 120)는 업데이트된 보관함 정보를 데이터 베이스(도 1의 200)에 저장할 수 있다.
한편, 개시된 실시예들은 컴퓨터에 의해 실행 가능한 명령어를 저장하는 기록매체의 형태로 구현될 수 있다. 명령어는 프로그램 코드의 형태로 저장될 수 있으며, 프로세서에 의해 실행되었을 때, 프로그램 모듈을 생성하여 개시된 실시예들의 동작을 수행할 수 있다. 기록매체는 컴퓨터로 읽을 수 있는 기록매체로 구현될 수 있다.
컴퓨터가 읽을 수 있는 기록매체로는 컴퓨터에 의하여 해독될 수 있는 명령어가 저장된 모든 종류의 기록 매체를 포함한다. 예를 들어, ROM(Read Only Memory), RAM(Random Access Memory), 자기 테이프, 자기 디스크, 플래쉬 메모리, 광 데이터 저장장치 등이 있을 수 있다.
이상에서와 같이 첨부된 도면을 참조하여 개시된 실시예들을 설명하였다. 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자는 본 개시의 기술적 사상이나 필수적인 특징을 변경하지 않고도, 개시된 실시예들과 다른 형태로 본 개시가 실시될 수 있음을 이해할 것이다. 개시된 실시예들은 예시적인 것이며, 한정적으로 해석되어서는 안 된다.
Claims (18)
- 파라핀 블록을 촬영하여 제1 파라핀 블록 이미지를 생성하는 제1 카메라; 및
상기 제1 파라핀 블록 이미지를 처리하는 컴퓨팅 장치를 포함하고,
상기 컴퓨팅 장치는,
하나 이상의 코어를 포함하는 프로세서; 및
전처리 모듈과 라벨링 모듈을 저장하는 메모리를 포함하고,
상기 프로세서는,
상기 전처리 모듈을 이용하여 상기 제1 파라핀 블록 이미지를 전처리함으로써 전처리 이미지를 생성하고, 상기 라벨링 모듈을 이용하여 상기 전처리 이미지에 포함된 문자를 인식함으로써 라벨링 데이터를 생성하는 것을 특징으로 하는 파라핀 블록 인식 장치. - 제1항에 있어서,
상기 프로세서는,
상기 전처리 모듈을 이용하여 상기 제1 파라핀 블록 이미지에 대하여 배드 픽셀 보정(Bad Pixel Correction, BPC) 동작, 렌즈 쉐이딩 보정(Lens Shading Correction, LSC) 동작, 크로스 토크 보정(X-talk correction) 동작, 화이트 밸런스(White Balance, WB) 보정 동작, 리모자이크(Remosaic) 동작, 디모자이크(Demosaic) 동작, 디노이즈(Denoise) 동작, 디블러(Deblur) 동작, 감마 보정(Gamma correction) 동작, 하이 다이나믹 레인지(High Dynamic Range, HDR) 동작, 톤 매핑 (Tone mapping) 동작 중 적어도 하나를 수행하는 것을 특징으로 하는 파라핀 블록 인식 장치. - 제2항에 있어서,
상기 프로세서는,
상기 라벨링 모듈을 이용하여 상기 라벨링 데이터의 정확도가 기 설정된 값 이상인지 판단하는 것을 특징으로 하는 파라핀 블록 인식 장치. - 제3항에 있어서,
상기 프로세서는,
상기 라벨링 모듈을 이용하여 상기 정확도가 기 설정된 값보다 클 때, 상기 라벨링 데이터를 상기 데이터 베이스에 저장하는 것을 특징으로 하는 파라핀 블록 인식 장치. - 제4항에 있어서,
상기 프로세서는,
상기 라벨링 모듈을 이용하여 상기 정확도가 기 설정된 값보다 작을 때, 상기 제1 카메라와 상이한 제2 카메라가 상기 파라핀 블록을 촬영하여 제2 파라핀 블록 이미지를 생성하도록 상기 제2 카메라를 제어하는 것을 특징으로 하는 파라핀 블록 인식 장치. - 제5항에 있어서,
상기 제1 카메라는,
상기 파라핀 블록 인식 장치가 놓여진 지면에 평행한 제1 방향으로 이동하면서, 상기 제1 방향 및 상기 파라핀 블록 인식 장치가 놓여진 지면에 수직한 제2 방향으로 상기 파라핀 블록을 촬영하는 것을 특징으로 하는 파라핀 블록 인식 장치. - 제6항에 있어서,
상기 제2 카메라는,
상기 파라핀 블록 인식 장치가 놓여진 지면에 평행하고 상기 제1 방향에 수직한 제3 방향으로 이동하면서, 상기 제1 방향으로 상기 파라핀 블록을 촬영하는 것을 특징으로 하는 파라핀 블록 인식 장치. - 제7항에 있어서,
상기 메모리는 비교 모듈을 더 저장하고,
상기 프로세서는,
상기 비교 모듈을 이용하여 상기 데이터 베이스에 저장된 상기 라벨링 데이터 및 보관함 정보를 비교하고, 상기 보관함 정보와 상기 라벨링 데이터가 일치하지 않는 경우 상기 보관함 정보를 업데이트하는 것을 특징으로 하는 파라핀 블록 인식 장치. - 제8항에 있어서,
상기 파라핀 블록은,
비스듬하게 기울어져 배치되고, 문자가 각인된 라벨부를 포함하며,
상기 제1 파라핀 블록 이미지는,
상기 문자 및 상기 문자의 음영을 포함하는 것을 특징으로 하는 파라핀 블록 인식 장치. - 제1 카메라로부터 파라핀 블록을 촬영하여 생성된 제1 파라핀 블록 이미지를 획득하는 단계;
전처리 모듈을 이용하여 상기 제1 파라핀 블록 이미지를 전처리함으로써 전처리 이미지를 생성하는 단계;
라벨링 모듈을 이용하여 상기 전처리 이미지에 포함된 문자를 인식함으로써 라벨링 데이터를 생성하는 단계; 및
상기 라벨링 데이터를 데이터 베이스에 저장하는 단계를 포함하는 파라핀 블록 인식 방법. - 제10항에 있어서,
상기 전처리 이미지를 생성하는 단계는,
상기 전처리 모듈을 이용하여 상기 제1 파라핀 블록 이미지에 대하여 배드 픽셀 보정(Bad Pixel Correction, BPC) 동작, 렌즈 쉐이딩 보정(Lens Shading Correction, LSC) 동작, 크로스 토크 보정(X-talk correction) 동작, 화이트 밸런스(White Balance, WB) 보정 동작, 리모자이크(Remosaic) 동작, 디모자이크(Demosaic) 동작, 디노이즈(Denoise) 동작, 디블러(Deblur) 동작, 감마 보정(Gamma correction) 동작, 하이 다이나믹 레인지(High Dynamic Range, HDR) 동작, 톤 매핑 (Tone mapping) 동작 중 적어도 하나를 수행하는 단계를 포함하는 것을 특징으로 하는 파라핀 블록 인식 방법. - 제11항에 있어서,
상기 파라핀 블록 인식 방법은,
상기 라벨링 모듈을 이용하여 상기 라벨링 데이터의 정확도가 기 설정된 값 이상인지 판단하는 단계를 더 포함하는 것을 특징으로 하는 파라핀 블록 인식 방법. - 제12항에 있어서,
상기 파라핀 블록 인식 방법은,
상기 정확도가 기 설정된 값보다 클 때, 상기 라벨링 데이터를 상기 데이터 베이스에 저장하는 단계를 더 포함하는 것을 특징으로 하는 파라핀 블록 인식 방법. - 제13항에 있어서,
상기 파라핀 블록 인식 방법은,
상기 정확도가 기 설정된 값보다 작을 때, 상기 제1 카메라와 상이한 제2 카메라가 상기 파라핀 블록을 촬영하여 제2 파라핀 블록 이미지를 생성하도록 상기 제2 카메라를 제어하는 단계를 더 포함하는 것을 특징으로 하는 파라핀 블록 인식 방법. - 제14항에 있어서,
상기 제1 카메라는,
상기 파라핀 블록이 놓여진 지면에 평행한 제1 방향으로 이동하면서, 상기 제1 방향 및 상기 파라핀 블록이 놓여진 지면에 수직한 제2 방향으로 상기 파라핀 블록을 촬영하는 것을 특징으로 하는 파라핀 블록 인식 방법. - 제15항에 있어서,
상기 제2 카메라는,
상기 파라핀 블록이 놓여진 지면에 평행하고 상기 제1 방향에 수직한 제3 방향으로 이동하면서, 상기 제1 방향으로 상기 파라핀 블록을 촬영하는 것을 특징으로 하는 파라핀 블록 인식 방법. - 제16항에 있어서,
상기 파라핀 블록 인식 방법은,
비교 모듈을 이용하여 상기 데이터 베이스에 저장된 상기 라벨링 데이터 및 보관함 정보를 비교하는 단계; 및
상기 보관함 정보와 상기 라벨링 데이터가 일치하지 않는 경우 상기 보관함 정보를 업데이트하는 단계를 더 포함하는 것을 특징으로 하는 파라핀 블록 인식 방법. - 파라핀 블록을 촬영하고 상기 파라핀 블록의 검체 번호가 포함된 라벨부를 인식함으로써 라벨링 데이터를 생성하는 파라핀 블록 인식 장치;
상기 라벨링 데이터를 저장하는 데이터 베이스; 및
상기 라벨링 데이터를 상기 데이터 베이스로 전송하기 위해 이용되는 네트워크를 포함하고,
상기 파라핀 블록 인식 장치는,
상기 파라핀 블록을 상기 파라핀 블록이 놓여진 지면에 평행한 제1 방향으로 이동하면서, 상기 제1 방향 및 상기 파라핀 블록이 놓여진 지면에 수직한 제2 방향으로 촬영하여 제1 파라핀 블록 이미지를 생성하는 제1 카메라;
상기 파라핀 블록을 상기 파라핀 블록이 놓여진 지면에 평행하고 상기 제1 방향에 수직한 제3 방향으로 이동하면서, 상기 제1 방향으로 촬영하여 제2 파라핀 블록 이미지를 생성하는 제2 카메라; 및
상기 제1 파라핀 블록 이미지 및 상기 제2 파라핀 블록 이미지를 처리하는 컴퓨팅 장치를 포함하고,
상기 컴퓨팅 장치는,
하나 이상의 코어를 포함하는 프로세서; 및
전처리 모듈, 라벨링 모듈 및 비교 모듈을 저장하는 메모리를 포함하고,
상기 프로세서는,
상기 전처리 모듈을 이용하여 상기 제1 파라핀 블록 이미지 및 상기 제2 파라핀 블록 이미지 중 적어도 하나를 전처리함으로써 제1 전처리 이미지 및 제2 전처리 이미지 중 적어도 하나를 생성하고, 상기 라벨링 모듈을 이용하여 상기 제1 전처리 이미지 및 상기 제2 전처리 이미지 중 적어도 하나에 포함된 문자를 인식함으로써 제1 라벨링 데이터 및 제2 라벨링 데이터 중 적어도 하나를 생성하고, 상기 비교 모듈을 이용하여 상기 제1 라벨링 데이터 및 상기 제2 라벨링 데이터 중 적어도 하나와 보관함 정보를 비교함으로써 상기 보관함 정보를 업데이트하는 것을 특징으로 하는 파라핀 블록 인식 시스템.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220089992A KR20240012686A (ko) | 2022-07-21 | 2022-07-21 | 카메라를 이용한 인공 지능 기반의 파라핀 블록 인식 장치 및 이를 이용한 파라핀 블록 인식 방법 |
| PCT/KR2023/007901 WO2024019324A1 (ko) | 2022-07-21 | 2023-06-09 | 카메라를 이용한 인공 지능 기반의 파라핀 블록 인식 장치 및 이를 이용한 파라핀 블록 인식 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220089992A KR20240012686A (ko) | 2022-07-21 | 2022-07-21 | 카메라를 이용한 인공 지능 기반의 파라핀 블록 인식 장치 및 이를 이용한 파라핀 블록 인식 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20240012686A true KR20240012686A (ko) | 2024-01-30 |
Family
ID=89618105
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220089992A KR20240012686A (ko) | 2022-07-21 | 2022-07-21 | 카메라를 이용한 인공 지능 기반의 파라핀 블록 인식 장치 및 이를 이용한 파라핀 블록 인식 방법 |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR20240012686A (ko) |
| WO (1) | WO2024019324A1 (ko) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101759449B1 (ko) | 2016-12-13 | 2017-08-01 | 극동대학교 산학협력단 | 병리조직 검사 및 관리를 위한 시스템 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6062449B2 (ja) * | 2011-11-07 | 2017-01-18 | ベックマン コールター， インコーポレイテッド | 標本コンテナ検出 |
| KR20240042224A (ko) * | 2015-08-06 | 2024-04-01 | 엘리멘탈 사이언티픽, 인코포레이티드 | 자동 샘플러 샘플 및 샘플 랙 식별 |
| JP6607490B2 (ja) * | 2015-10-26 | 2019-11-20 | シャープ株式会社 | 変換処理装置、それを備えた情報処理装置、プログラム、及び記録媒体 |
| KR102083786B1 (ko) * | 2018-09-13 | 2020-04-23 | 포항공과대학교 산학협력단 | 문자열 식별 방법 및 장치, 그리고 이를 이용한 디스플레이 영상 식별 시스템 |
| US20210374467A1 (en) * | 2020-05-29 | 2021-12-02 | Fei Company | Correlated slice and view image annotation for machine learning |
-
2022
- 2022-07-21 KR KR1020220089992A patent/KR20240012686A/ko unknown
-
2023
- 2023-06-09 WO PCT/KR2023/007901 patent/WO2024019324A1/ko unknown
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101759449B1 (ko) | 2016-12-13 | 2017-08-01 | 극동대학교 산학협력단 | 병리조직 검사 및 관리를 위한 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2024019324A1 (ko) | 2024-01-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11741750B2 (en) | Methods and systems for face alignment | |
| US20190392587A1 (en) | System for predicting articulated object feature location | |
| US10572072B2 (en) | Depth-based touch detection | |
| US10832069B2 (en) | Living body detection method, electronic device and computer readable medium | |
| US10917552B2 (en) | Photographing method using external electronic device and electronic device supporting the same | |
| KR102433931B1 (ko) | 움직임 인식 방법 및 움직임 인식 장치 | |
| CN107977598A (zh) | 用于识别面部表情的方法和设备 | |
| CN111444744A (zh) | 活体检测方法、装置以及存储介质 | |
| CN108605100A (zh) | 用于处理图像的方法和用于支持该方法的电子装置 | |
| CN107924452A (zh) | 用于图像中的脸部对准的组合形状回归 | |
| US10748000B2 (en) | Method, electronic device, and recording medium for notifying of surrounding situation information | |
| US11562489B2 (en) | Pixel-wise hand segmentation of multi-modal hand activity video dataset | |
| CN112669928A (zh) | 结构化信息构建方法、装置、计算机设备及存储介质 | |
| CN108875931A (zh) | 神经网络训练及图像处理方法、装置、系统 | |
| WO2023071801A1 (zh) | 动画生成方法及装置、计算机设备、存储介质、计算机程序、计算机程序产品 | |
| CN114359289A (zh) | 一种图像处理方法及相关装置 | |
| Gupta et al. | Saliency prediction for mobile user interfaces | |
| KR102476619B1 (ko) | 전자 장치 및 이의 제어 방법 | |
| CN114283110A (zh) | 用于医学图像的图像处理方法、装置、设备及存储介质 | |
| CN113066125A (zh) | 一种增强现实方法及其相关设备 | |
| KR20240012686A (ko) | 카메라를 이용한 인공 지능 기반의 파라핀 블록 인식 장치 및 이를 이용한 파라핀 블록 인식 방법 | |
| KR102510047B1 (ko) | 관절 가동 각도 범위를 이용한 동작 인식의 노이즈를 필터링하는 전자 장치의 제어 방법 | |
| CN114120448B (zh) | 图像处理方法和装置 | |
| CN108460811A (zh) | 面部图像处理方法、装置及计算机设备 | |
| CN113723168A (zh) | 一种基于人工智能的主体识别方法、相关装置及存储介质 |