KR20240042866A - 인공지능 기반의 척추측만증 정보 제공 방법 - Google Patents

인공지능 기반의 척추측만증 정보 제공 방법 Download PDF

Info

Publication number
KR20240042866A
KR20240042866A KR1020220121666A KR20220121666A KR20240042866A KR 20240042866 A KR20240042866 A KR 20240042866A KR 1020220121666 A KR1020220121666 A KR 1020220121666A KR 20220121666 A KR20220121666 A KR 20220121666A KR 20240042866 A KR20240042866 A KR 20240042866A
Authority
KR
South Korea
Prior art keywords
scoliosis
confirmed
artificial intelligence
image
type
Prior art date
Application number
KR1020220121666A
Other languages
English (en)
Inventor
이정섭
이상학
박강현
고태식
Original Assignee
부산대학교 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 부산대학교 산학협력단 filed Critical 부산대학교 산학협력단
Priority to KR1020220121666A priority Critical patent/KR20240042866A/ko
Priority to PCT/KR2023/014735 priority patent/WO2024071943A1/ko
Publication of KR20240042866A publication Critical patent/KR20240042866A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1071—Measuring physical dimensions, e.g. size of the entire body or parts thereof measuring angles, e.g. using goniometers
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1079—Measuring physical dimensions, e.g. size of the entire body or parts thereof using optical or photographic means
    • 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
    • A61B5/4561—Evaluating static posture, e.g. undesirable back curvature
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • 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
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Theoretical Computer Science (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Evolutionary Computation (AREA)
  • Physical Education & Sports Medicine (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Rheumatology (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Image Analysis (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

본 발명은 사용자가 스마트폰 등을 활용하여 자신의 등을 촬영한 이미지를 스마트폰에 설치된 프로그램 또는 어플리케이션에 업로드함으로써, 척추측만증에 관련된 정보를 획득하기 위해, 인공지능 모델을 생성하는 방법과 이를 이용한 정보 제공 방법에 관한 것이다.

Description

인공지능 기반의 척추측만증 정보 제공 방법{Method for providing information on scoliosis based on artificial intelligence}
본 발명은 의학 분야와 인공지능 분야가 융합된 융합 기술에 관한 것이다.
척추측만증(scoliosis)은 척추가 3차원으로 휘어지는 병이다. 유병율은 2~3%로 보고되며, 10세 이후인 소아/청소년기 여아에게서 특히 많이 보고된다. 소아 청소년기에 발병하면 성장과 함께 척추 휘어짐이 계속 진행되며, 이 과정에서 환아 스스로가 몸을 편하게 하고자 구부정한 자세로 생활하게 될 수 있어 악화되는 경우가 많다. 병원에서는 보조기를 통해 치료하거나 수술적으로 치료한다. 정도가 심해지는 경우 호흡 부전으로 인해 사망에 이를 수도 있다.
많은 경우 육안으로 휘어짐이 확인될 수 있을 정도 또는 고통이 느껴질 정도로 척추측만증이 상당히 진행된 후 비로소 환아가 내원하게 된다. 더욱이 국내 소아 척추 정형외과 전문의와 전문병원이 상당히 부족한 실정이기에, 내원 시점은 더욱 크게 늦어진다. 늦은 시점에 병원에 오게 되면 치료 기간이 길어져 효과가 늦게 나타나며 그 과정도 고통스럽다.
따라서, 소아/청소년기에 발생하기 시작하는 척추측만증의 조기 진단이 매우 중요하다. 변형이 덜 심한 상태에서 진료에 착수하여야 치료 효과가 상승하고 환자 만족도가 개선된다. 그러나 현재의 소아/청소년을 대상으로 의무적 또는 정기적인 척추측만증 조기 선별 검사는 별도로 진행되지 않는 실정이다.
결국, 조기 진단을 위해서는 본인 또는 부모가 육안으로 인지할 수 있을 정도의 능력과 의지를 갖거나, 병원에 정기적으로 방문하여 X레이 영상이나 CT촬영 영상과 같은 전문의료영상을 통해 진단을 받아야 한다. 병원에 방문하여도 전문의료진의 경험이 부족하다면 외견이미지만 이용하여 척추측만증 여부를 진단하는 것은 쉽지 않기에 X레이 영상이나 CT촬영 영상과 같은 전문의료영상을 필요로 한다. 이 과정에서 소아/청소년에게 불필요한 피폭이 이루어질 수 있으며, 개인적인 의료비용과 국가적인 의료비용 부담이 증가한다.
이에, 비전문 의료인인 소아/청소년 본인 또는 그 부모가, 스마트폰 카메라와 같은 일반적 카메라로 촬영한 외견이미지만 이용하여, 척추측만증이 의심되는지 여부를 높은 정확도로 확인할 수 있는 기술이 필요한 실정이다. 이러한 기술이 개발된다면, 조기 진단은 물론 치료 과정에서 경과 관찰에도 큰 도움이 될 수 있다.
외견이미지만 입력하면 척추측만증 여부가 판단되는 기술로서, 인공지능 모델을 고려할 수 있다. 실제, 인공지능이 적용되는 기술분야 중 의료 관련 영상 분석 분야는 상당한 진척을 이루는 분야이다.
관련된 특허문헌을 검토한다.
인공지능을 이용하여 영상을 분석하고 의료 관련 정보를 제공하는 특허는 두 개의 기준으로 분류할 수 있다. 첫번째 분류 기준은 전문의료영상을 기초로 하는 기술과 일반적 외견이미지(스마트폰 등으로 촬영한 이미지)를 기초로 하는 기술로 구분하는 것이고, 두번째 분류 기준은 척추측만증 외의 질환 관련 정보를 연산하는 기술과 척추측만증과 관련된 정보를 연산하는 기술로 구분하는 것이다. 이에 따라 총 4개 분야의 특허가 구분되는바, 이에 따라 특허를 구분하여 검토한다.
첫째, 전문의료영상을 기초로 척추측만증 외의 질환 관련 정보를 연산하는 특허이다.
한국등록특허 제10-2181701호는 손톱주름 모세혈관의 이미지를 활용하여 소정의 질병을 판독하는 기술을 개시한다. 한국공개특허 제10-2020-0110878호는 구강 이미지의 경면 반사 이미지를 활용하여 잇몸 영역을 확인하고 충치 조기진단을 시행하는 기술을 개시한다. 미국등록특허 제10,468,142호는 각막 사진을 이용하여 질병을 예측하는 기술을 개시한다.
둘째, 일반적인 외견이미지를 기초로 척추측만증 외의 질환 관련 정보를 연산하는 특허이다.
한국공개특허 제10-2022-0057793호는 피부를 촬영한 이미지를 이용하여 아토피 피부염 여부를 확인하는 기술을 개시한다. 한국등록특허 제10-2388337호는 턱운동 상황을 촬영한 동영상을 기반으로 턱관절 운동의 정확성 여부를 확인하는 기술을 개시한다. 한국등록특허 제10-2354980호는 전안부를 촬영한 이미지를 기초로 전안부 질환 발생 유무를 확인하는 기술을 개시한다. 한국등록특허 제10-2274330호는 얼굴에 대한 이미지를 이용하여 뇌졸증 여부를 판단하는 기술을 개시한다. 한국등록특허 제10-2251925호는 보행 상황을 촬영한 동영상을 기반으로 이상보행여부를 촬영하는 기술을 개시한다. 한국등록특허 제10-2214756호는 구강 촬영 영상을 이용하여 충치 위치 및 진행 정도를 확인하는 기술을 개시한다. 한국등록특허 제10-2047237호는 피부 색상을 나타내는 이미지를 이용하여 건강 상태 및 질병 가능성을 예측하는 기술을 개시한다. 미국공개특허 제2022-0133215호는 이미지에서 피부 색상을 확인하여 병변을 분석하는 기술을 개시한다. 미국공개특허 제2021-0345971호는 피부에 대한 디지털 이미지를 이용하여 라임병을 진단하는 기술을 개시한다.
셋째, 전문의료영상을 기초로 척추측만증과 관련된 정보를 연산하는 특허이다.
한국등록특허 제10-2389067호는 전문 의료영상인 X레이 이미지를 이용하여 척추뼈 각각의 기울기를 자동으로 결정하고 이를 기반으로 척추측만증 여부를 판단하는 기술을 개시한다. 한국등록특허 제10-2383857호 역시 전문 의료영상인 X레이 이미지를 이용하여 콥 각도를 추정하고 척추측만증을 진단하는 기술을 개시한다. 일본등록특허 제3234668호는 X레이 이미지에서 추체, 선추, 장골 영역을 세그먼트하여 척추측만증을 인지하는 기술을 개시한다. 위 기술들은 공통적으로 척추뼈를 개별적으로 식별하고 각각의 기울기를 연산하거나 각각의 형상 자체를 추정한다. 이러한 방식은 전문의료영상을 활용하기에 정확성이 높지만, X레이 사진과 같은 전문의료영상을 반드시 필요로 한다. 따라서, 내원하기 전에는 본 특허기술들을 활용할 수 없어서, 전술한 조기 진단 부재의 문제점을 해결할 수 없다.
넷째, 일반적인 외견이미지를 기초로 척추측만증과 관련된 정보를 연산하는 특허이다.
일본공개특허 제2021-115471호는 피측정자의 신체를 촬영한 이미지 내지 동영상을 기초로 골격 데이터를 생성하고, 시간에 따른 골격 변형을 검출하여 자세를 진단하고 척추측만증 등의 질환을 진단하는 기술을 개시한다. 본 종래기술은 시간이 변수로 설정되어 촬영시간이 다른(예컨대, 1주일 등) 다수의 이미지를 확보하여 이미지 사이의 변화를 검출하는 기술이기에 이미지를 1장만 촬영한 현재 시점의 척추측만증 관련 정보는 제공할 수 없다. 또한, 골격 데이터를 추정하는 단계가 포함되기에 촬영 자세가 조금만 바뀌어도 척추측만증이라고 오진단할 가능성이 높다.
일본공개특허 제2020-040763호는 외견이미지와 그 거울역상 이미지를 통해 측만각을 추정하는 기술을 개시한다. 본 기술은 피험자의 등 이미지에서 비대칭 영역을 확인하는 것에 도움을 주지만 비대칭 등이 촬영되었다는 사실이 바로 척추측만증으로 연결되지 않는다. 예컨대, 비뚤어진 자세로 촬영한다면 척추측만증이 있는 것으로 오진단할 가능성이 높다.
일본등록특허 제6280676호는 등을 촬영한 후 모아레(Moire) 이미지를 이용하여 척추 배열을 추정하고 코브각, 선회각 등을 산출하는 기술을 개시한다. 모아레 이미지를 활용하기에 척추가 피부 외부로 돌출된 정도만을 판단 근거로 활용한다는 문제점이 있다. 예컨대, 비만 등의 이유로 척추가 피부 외부로 돌출된 정도가 부족하다면 척추의 배열이 정확하게 정되지 않으며, 척추가 피부 외부로 돌출된 부분은 대칭이지만 실제로는 척추측만증이 진행되는 경우 또는 그 반대의 경우도 상당하므로 진단 정확도가 크게 떨어지고 오진단 가능성이 높다.
이와 같이, 외견이미지를 이용하여 척추측만증과 관련된 정보를 확인하는 특허가 존재하며 다양한 기법을 적용하고 있지만, 공통적으로 정확성이 낮고 오진단의 가능성이 높다는 문제점을 갖고 있다.
위 분류에 포함되지 않지만 참조할 수 있는 관련 특허들은 다음과 같다.
한국공개특허 제10-2021-0157684호는 전문 의료영상인 X레이 내지 MRI 사진을 이용하여 개별적인 척추뼈를 3D 모델링하는 기술을 개시한다. 한국등록특허 제10-2062539호는 각각의 요추를 모델링하고 중심점과 회전 각도를 이용하여 요추 질환 여부를 확인하는 기술을 개시한다. 한국등록특허 제10-1968144호는 PACS(의료영상저장시스템)에서 전문 의료영상을 추출한 후 척추 내지 경추 이미지를 추출하고, 특정 뼈의 윤곽선 처리 및 경사도 산출을 통해 경사각을 진단하는 방법을 개시한다.
한국등록특허 제10-2181701호 한국공개특허 제10-2020-0110878호 미국등록특허 제10,468,142호 한국공개특허 제10-2022-0057793호 한국등록특허 제10-2388337호 한국등록특허 제10-2354980호 한국등록특허 제10-2274330호 한국등록특허 제10-2251925호 한국등록특허 제10-2214756호 한국등록특허 제10-2047237호 미국공개특허 제2022-0133215호 미국공개특허 제2021-0345971호 한국등록특허 제10-2389067호 한국등록특허 제10-2383857호 일본등록특허 제3234668호 일본공개특허 제2021-115471호 일본공개특허 제2020-040763호 일본등록특허 제6280676호 한국공개특허 제10-2021-0157684호 한국등록특허 제10-2062539호 한국등록특허 제10-1968144호
본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것이다.
스마트폰 등을 활용하여 누구라도 간단하게 촬영할 수 있는 외견이미지만으로, 전문의료영상 없이도, 척추측만증 여부를 확인할 수 있는 기술을 제안하고자 한다. 특히, 높은 정확도로 척추측만증 여부를 확인할 수 있으며, 구체적으로 척추측만증 타입(즉, 만곡의 형태)인지 여부까지 확인 가능한 기술을 제안하고자 한다.
상기와 같은 과제를 해결하기 위한 본 발명의 일 실시예는, (a) 이미지 수집부(110)에서 수집된 외견이미지가 인공지능 학습부(100)에 입력되는 단계; - 여기서, 외견이미지는 등의 이미지를 포함함, (b) 상기 입력된 외견이미지 상에 가이드라인이 추가되어 상기 인공지능 학습부(100)에 입력되는 단계; - 여기서, 상기 가이드라인은 등의 좌우측 중 일측의 튀어나옴이 있는 경우 이를 표시하는 선, 양측 어깨의 윤곽선 및 양측 옆구리의 윤곽선을 포함함, (c) 상기 입력된 외견이미지에 대응되는 전문진단정보가 상기 인공지능 학습부(100)에 입력되는 단계; 및 - 여기서, 상기 전문진단정보는, 정상 및 다수의 타입 중 어느 하나의 타입의 척추측만증임을 포함함, (d) 상기 인공지능 학습부(100)가 상기 가이드라인이 추가된 외견이미지를 입력데이터로 하고 상기 전문진단정보를 출력데이터로 한 학습데이터세트를 학습하여 인공지능 모델을 생성하는 단계를 포함하는, 방법을 제공한다.
또한, 상기 (d) 단계 이후, (e) 이미지 입력부(210)에 의해 상기 (d) 단계에서 생성된 인공지능 모델에 외견이미지가 입력되되, 상기 입력된 외견이미지에 해당하는 가이드라인이 함께 입력되는 단계; 및 (f) 상기 인공지능 모델에 의해 정상 또는 다수의 타입 중 어느 하나의 타입의 척추측만증을 나타내는 척추측만증 정보가 연산되어 출력부(220)에 의해 출력되는 단계를 더 포함하는 것이 바람직하다.
또한, 상기 (e) 단계 및 상기 (f) 단계는 단말기에 의해 수행되며. 상기 단말기는 카메라를 포함하며, 상기 (e) 단계에서 입력되는 외견이미지는 상기 단말기의 카메라에 의해 촬영된 이미지인 것이 바람직하다.
또한, 상기 (f) 단계 이후, (g) 상기 (e) 단계에서 입력된 외견이미지 및 상기 (f) 단계에서 연산된 척추측만증 정보가 미리 설정된 병원 의료관리 시스템(300)에 전송되는 단계; 및 (h) 상기 병원 의료관리 시스템(300)에서 상기 (g) 단계에서 전송된 외견이미지에 대응되는 전문진단정보가 확인되는 단계를 더 포함하며, 상기 단말기는 통신 모듈을 더 포함하며, 상기 (g) 단계는 상기 단말기의 통신 모듈에 의해 상기 병원 의료관리 시스템(300)에 전송되는 단계인 것이 바람직하다.
또한, 상기 (h) 단계 이후, (i) 상기 병원 의료관리 시스템(300)이 상기 (g) 단계에서 전송된 외견이미지 및 상기 (h) 단계에서 확인되는 전문진단정보를 상기 인공지능 학습부(100)에 전송하는 단계; 및 (j) 상기 인공지능 학습부(100)가 상기 (i) 단계에서 전송된 외견이미지 및 전문진단정보를 이용하여 상기 인공지능 모델을 강화학습하는 단계를 더 포함하는 것이 바람직하다.
또한, 상기 (h) 단계 이후, (k) 상기 단말기의 카메라에 의해, 상기 (e) 단계에서 입력된 외견이미지와 상이한 변경 외견이미지가 생성되는 단계; (l) 상기 이미지 입력부(210)에 의해 상기 (k) 단계에서 생성된 변경 외견이미지가 상기 인공지능 모델에 입력되되, 상기 입력된 변경 외견이미지에 해당하는 가이드라인이 함께 입력되는 단계; 및 (m) 상기 인공지능 모델에 의해 정상 또는 다수의 타입 중 어느 하나의 타입의 척추측만증을 나타내는 변경 척추측만증 정보가 연산되어 상기 출력부(220)에 의해 출력되는 단계를 더 포함하는 것이 바람직하다.
또한, 상기 다수의 타입의 척추측만증은, 제1형 - 흉부(Thoracic) 척추측만증, 제2형 - 이중 흉부(Double Thoracic) 척추측만증, 제3형 - 이중 메이저-흉부/요추(Thoracic/Lumbar) 척추측만증, 제4형 - 삼중 커브(Triple Curve) 척추측만증, 및 제5형 - 요추/흉요(Lumbar/Thoracolumbar) 척추측만증을 포함하는 것이 바람직하다.
또한, 상기 (b) 단계는, 상기 입력된 외견이미지에서 인체 중 등 부분을 식별하고, 식별된 등 부분에서 좌우 중심축을 확인하고, 상기 입력된 외견이미지에서 상기 좌우 중심축을 기준으로 등 부분의 픽셀의 채도 차이를 확인하여 기 설정된 채도 차이 이상인 경우 채도가 낮은 일측을 등의 좌우측 중 일측의 튀어나옴이 있는 경우로 판단하여 해당 부분을 선으로 표시하고, 등 부분의 상측 윤곽선을 이용하여 양측 어깨의 윤곽선을 표시하고, 등 부분에서 좌우측 윤곽선을 이용하여 양측 옆구리의 윤곽선을 표시하는 단계를 더 포함하는 것이 바람직하다.
또한, 양측 어깨의 윤곽선의 경사도 차이가 기 설정된 경사도 이상인 경우 더 올라온 어깨 부분을 어깨 올라옴으로 확인하고, 그리고 양측 옆구리 윤곽선의 좌우 중심축을 향하여 들어감 정도 차이가 기 설정된 들어감 이상인 경우 더 들어간 부분을 옆구리 들어감으로 확인하는 것이 바람직하다.
또한, 상기 가이드라인에 의해, 등의 좌우측 중 일측의 튀어나옴 선에 의해 일측 등 튀어나옴이 확인되고, 양측 어깨의 윤곽선을 통해 타측 어깨 올라옴이 확인되지 않고 양측 옆구리의 윤곽선을 통해 일측 옆구리 들어감이 확인되지 않는 경우, 제1형 척추측만증으로 확인되고, 등의 좌우측 중 일측의 튀어나옴 선에 의해 일측 등 튀어나옴이 확인되고, 양측 어깨의 윤곽선을 통해 타측 어깨 올라옴이 확인되고 양측 옆구리의 윤곽선을 통해 일측 옆구리 들어감이 확인되지 않는 경우, 제2형 척추측만증으로 확인되고, 등의 좌우측 중 일측의 튀어나옴 선에 의해 일측 등 튀어나옴이 확인되고, 양측 어깨의 윤곽선을 통해 타측 어깨 올라옴이 확인되지 않고 양측 옆구리의 윤곽선을 통해 일측 옆구리 들어감이 확인되는 경우, 제3형 척추측만증으로 확인되고, 등의 좌우측 중 일측의 튀어나옴 선에 의해 일측 등 튀어나옴이 확인되고, 양측 어깨의 윤곽선을 통해 타측 어깨 올라옴이 확인되고 양측 옆구리의 윤곽선을 통해 일측 옆구리 들어감이 확인되는 경우, 제4형 척추측만증으로 확인되고, 그리고 등의 좌우측 중 일측의 튀어나옴 선에 의해 일측 등 튀어나옴이 확인되지 않고, 양측 어깨의 윤곽선을 통해 타측 어깨 올라옴이 확인되지 않고 양측 옆구리의 윤곽선을 통해 일측 옆구리 들어감이 확인되는 경우, 제5형 척추측만증으로 확인되는 것이 바람직하다.
상기와 같은 과제를 해결하기 위한 본 발명의 다른 실시예는 전술한 방법이 수행되는 컴퓨터 기록매체에 저장되는 컴퓨터 프로그램 내지 해당 프로그램이 저장되는 컴퓨터 기록매체를 제공한다.
본 발명에 따라, 다음과 같은 효과가 달성된다.
첫째, 누구라도 손쉽게 원하는 시점에 척추측만증 여부를 조기 진단할 수 있어서 질병 접근성이 향상된다. 척추측만증의 타입은 물론 진행 양상과 치료 효과에 따른 변화까지도 원하는 시점에 손쉽게 확인할 수 있다.
둘째, 정확도가 높다. 종래기술로서 전술한 특허들 중 외견이미지로 척추측만증 관련 정보를 연산하는 특허들의 공통적 문제점은 각각의 기법의 한계로 인한 오진단 가능성이었으나, 본 발명은 가이드라인을 새롭게 설정하고, 이를 기반으로 학습을 수행함으로써, 척추측만증 진단의 가능성을 높였다. 학습시 전문의료진의 실제 진단정보가 활용되어 정확도가 높다. 후술하는 검증 실험에서도 정확도가 우수함이 확인되었다.
셋째, 불필요한 전문의료영상 촬영을 방지함으로써, 개인적 국가적 의료비용을 절감하고 소아/청소년의 불필요한 피폭을 감소시킨다.
넷째, 학교 및 병원과 연계되어 데이터 보강을 통해 진단 정확도를 높이는 한편, 환자에게는 내원 스케줄을 손쉽게 설정하고 현재의 상황을 병원에 정확히 알려줄 수 있으며 치료 효과가 지속적으로 모니터링될 수 있다. 의료영상을 활용한 인공지능 기술의 문제점은 전문의료진에 의한 진단정보가 포함된 데이터가 부족하다는 것인데, 본 발명은 이를 원천적으로 해결할 수 있다. 또한, 보조기를 활용하거나 병원에서 안내하는 운동을 수행하는 경우 그 효과를 환자와 전문의료진이 함께 모니터링할 수 있으며, 경우에 따라 보조기 내지 운동 방식의 변경 필요성을 신속히 확인하고 치료 효과를 높일 수 있다. 또한, 전문의료진의 진단 결과가 관리되므로, 이를 이용하여 인공지능 모델을 강화학습할 수도 있다.
도 1은 본 발명에 따른 방법이 수행되는 시스템을 개시한다.
도 2는 본 발명에 따른 방법에서 척추측만증 타입을 설명하기 위한 도면으로, 각각의 타입에서 실제 외견이미지와 전문의료영상을 함께 개시한다.
도 3은 본 발명에 따른 방법에서 척추측만증 타입을 결정하기 위한 요소들을 설명하기 위한 개념도이다.
도 4는 본 발명에 따른 방법을 설명하기 위한 순서도이다.
도 5는 본 발명에 따른 방법이 학교와 병원을 중심으로 적용되는 일례를 도시하는 개념도이다.
도 6은 본 발명에 따른 방법을 실행한 후 각 가이드라인 요소들의 중요도를 검증한 결과를 나타낸다.
이하에서, "외견이미지"는, 일반적인 카메라(예를 들어, 스마트폰 카메라)로 촬영한 영상으로 육안으로 관찰되는 환자의 등 이미지를 의미한다. 즉, 전문의료영상이 아닌 이미지이다.
이하에서, "전문의료영상"은, X레이 영상, CT 영상과 같이 병원에서 접근 가능하며 전문의료진에 의해 촬영되어야 하는 영상을 의미한다.
이하에서, "전문진단정보"는, 전문의료진의 결정에 의한 것으로, 척추측만증인지 여부와 척추측만증인 경우 어떠한 타입인지 결정된 정보를 의미한다.
이하에서, "가이드라인"은 외견이미지 상에 오버랩되는 선을 의미한다. 예시적으로, 도 2에서 원과 직선의 적색선으로 도시된다.
이하에서, "척추측만증 정보"는, 인공지능 모델에 의해 연산된 정보로서, 척추측만증인지 여부와 척추측만증인 경우 어떠한 타입인지 결정된 정보를 의미한다. 즉, 정상이거나, 다수의 척추측만증 타입 중 어느 하나의 타입의 척추측만증인 것을 포함한다.
이하에서, "척추측만증 타입"은 만곡의 형태에 따른 분류를 의미한다. 본 발명은 5개 타입의 척추측만증 타입을 제안한다. 이는, 외견이미지만으로 분류할 수 있는 형태이지 해당 정보가 전문의료진에게 전달될 경우 신속하고 정확한 전문 진단 및 치료 방식 설정에 도움을 주는 분류로 결정한 것이다.
이하, 도면을 참조하여 본 발명을 보다 상세히 설명한다.
1. 시스템의 설명
본 발명에 따른 방법을 수행하기 위한 시스템은, 인공지능 학습부(100)와 척추측만증 정보 연산부(200)를 포함한다.
인공지능 학습부(100)는 학습을 위한 데이터를 수집하고 학습데이터세트를 설정하여 학습을 통해 인공지능 모델을 생성하는 기능을 수행한다. 여기에서 사용되는 인공지능의 종류는 제한되지 않는다.
인공지능 학습부(100)는 이미지를 수집하는 이미지 수집부(110), 해당 이미지에 가이드라인을 포함시키는 가이드라인 제공부(120) 및 해당 이미지에 전문의료진의 전문진단정보를 입력하는 전문진단정보 입력부(130)를 포함한다.
이미지 수집부(110)는 다수의 외견이미지를 수집한다. 전문의료진에 의한 척추측만증 여부 및 타입이 대응되어 있는 외견이미지를 수집하여야 한다.
가이드라인 제공부(120)는 수동 또는 자동으로 외견이미지에 가이드라인을 포함시킨다. 구체적 방법은 후술한다.
전문진단정보 입력부(130)는 수집된 외견이미지마다 전문의료진에 의해 진단된 척추측만증 여부 및 타입에 관한 정보인 전문진단정보를 외견이미지에 매칭하여 입력하는 기능을 수행한다.
인공지능 학습부(100)는 이미지 수집부(110), 가이드라인 제공부(120) 및 전문진단정보 입력부(130)에 의해 확인된 데이터로서, 가이드라인이 추가된 외견이미지를 입력데이터로 하고 전문진단정보를 출력데이터로 하는 학습데이터세트를 설정하고 이를 학습시켜 인공지능 모델을 생성한다.
척추측만증 정보 연산부(200)는 생성된 인공지능 모델을 포함하며 이미지 입력부(210)와 출력부(220)를 포함한다.
이미지 입력부(210)를 통해 생성된 인공지능 모델에 입력될 외견이미지가 확인된다.
출력부(220)는, 이미지 입력부(210)에 의해 입력된 외견이미지가 인공지능 모델의 결과인 척추측만증 정보를 출력한다.
척추측만증 정보 연산부(200)는 사용자가 쉽게 접근할 수 있는 단말기에서 수행 가능한 프로그램 내지 어플리케이션인 것이 바람직하며, 특히 단말기는 카메라와 통신 모듈을 포함한 스마트폰인 것이 바람직하다. 이 경우, 스마트폰의 카메라를 이용하여 사용자의 등을 촬영하면 외견이미지로 인식되고, 어플리케이션에 해당 이미지를 업로드함으로써 손쉽게 인공지능 모델에 입력할 수 있으며, 그 결과 역시 손쉽게 확인될 수 있다.
한편, 본 발명에 따른 방법을 수행하기 위한 시스템은, 병원 의료관리 시스템(300)과 더 연계될 수 있다.
척추측만증 정보 연산부(200)에서 확인한 외견이미지와 척추측만증 정보(즉, 척추측만증 여부 및 타입)는 병원 의료관리 시스템(300)에 자동으로 전달될 수 있다. 병원 의료관리 시스템(300)은 별도의 방법으로 환자를 식별한 후 해당 정보들을 디지털 차트에 저장하고 업로드하여 전문의료진이 접근 가능하게 한다.
환자가 내원하여 진단을 받고 치료를 받으면 병원 의료관리 시스템(300)에 진단 정보, 치료 정보 등이 저장되는데, 이러한 정보들은 척추측만증 정보 연산부(200), 즉 환자의 스마트폰으로 전달되어 통합 관리될 수도 있다.
보조기, 운동, 수술 등을 통한 치료 동안에도 사용자인 환자는 스마트폰을 이용하여 자신의 등을 촬영하여 변경 외견이미지를 지속 생성하고, 이러한 정보는 척추측만증 정보 연산부(200)에 입력되어 변경 척추측만증 정보가 생성되며, 생성된 정보들이 다시 병원 의료관리 시스템(300)으로 전송된다. 이를 통해, 치료 경과 과정을 환자 스스로 확인할 수도 있고, 전문의료진 역시 이를 모니터링할 수 있다.
또한, 병원 의료관리 시스템(300)과 연계됨으로써, 전문의료진의 진단에 대한 정보인 전문진단정보가 생성되는바, 이미지 입력부(210)에 입력된 외견이미지와, 병원 의료관리 시스템(300)에서 생성된 전문진단정보가 추가 학습데이터세트를 형성할 수 있어서, 인공지능 모델을 강화학습할 수 있다.
2. 방법의 설명
2.1 척추측만증 타입과 이를 결정하는 요소의 설명
도 2 및 도 3을 참조하여 본 발명에 따른 방법에서 식별하는 척추측만증 타입과 이를 결정하는 요소들을 설명한다.
본 발명은, 외견이미지만으로 분류할 수 있는 형태인 동시에, 해당 정보가 전문의료진에게 전달될 경우 신속하고 정확한 전문 진단 및 치료 방식 설정에 도움을 주는 것으로서, 척추 만곡에 따라 척추측만증을 5개의 타입으로 구분하는 방식을 제안한다.
도 2에 도시된 바와 같이, 제1형은 흉부(Thoracic) 척추측만증이고, 제2형은이중 흉부(Double Thoracic) 척추측만증이고, 제3형은 이중 메이저-흉부/요추(Thoracic/Lumbar) 척추측만증이고, 제4형은 삼중 커브(Triple Curve) 척추측만증이고, 제5형은 요추/흉요(Lumbar/Thoracolumbar) 척추측만증이다.
이러한 구분은 전문의료진에 의해 수행될 수 있는데, 도 3에 도시된 바와 같이 크게 3가지 요소를 기반으로 판단된다. 이는, (A)등의 일측(좌우측 중 일측) 튀어나옴 여부, (B)타측(즉, 등이 튀어나온 경우 그 반대측) 어깨 올라옴 여부, (C)상기 일측 옆구리 들어감 여부이다. 이들은 하나 이상이 조합되어 나타날 수 있다. 따라서, 이들의 조합을 통하여 척추측만증 타입이 결정된다. 도시되지 않는 조합의 경우(예컨대, 등의 일측이 튀어나오고 타측 어깨가 올라가지만 일측 옆구리가 들어가지 않는 경우)는 임상적으로 극히 예외적인 경우로 이해될 수 있다.
이를 자동으로 구분하기 위해 외견이미지에는 이들을 식별하는 가이드라인이 포함된다. 따라서, 가이드라인은 등의 좌우측 중 일측의 튀어나옴이 있는 경우 이를 표시하는 선, 양측 어깨의 윤곽선 및 양측 옆구리의 윤곽선을 포함한다. 가이드라인의 예시는 도 2에서도 확인할 수 있다.
가이드라인은 해당 정보를 안내할 뿐이다. 도 2에서와 같이 가이드라인이 도시되었다고 해당 요소가 반드시 해당하는 것으로 체크되는 것은 아니다. 예컨대, 어깨선 가이드라인이 도시되었으나 좌우 경사도 차이가 후술하는 기 설정된 경사도 차이보다 크지 않을 수 있으며 이 경우 (B)의 타측 어깨 올라옴은 아닌 것으로 확인될 수 있다.
가이드라인은 자동 또는 수동으로 확인될 수 있다.
수동 확인의 경우, 전문의료진에 의해 위 가이드라인들이 이미지 상에서 직접 체크되고 입력된다.
자동 확인의 경우, 외견이미지가 입력되면 자동으로 가이드라인이 생성되는 방식이다. 이를 위해 외견이미지에서 인체 중 등 부분이 자동으로 식별되고, 식별된 등 부분에서 좌우 중심축을 확인한다. 이러한 기술은 널리 사용되는 종래기술인바 상세한 설명은 생략한다.
다음, 외견이미지에서 좌우 중심축을 기준으로 등 부분의 픽셀의 채도 차이를 확인하여 기 설정된 채도 차이 이상인 경우 채도가 낮은 일측을 등의 좌우측 중 일측의 튀어나옴이 있는 경우로 판단하여 해당 부분을 선으로 표시한다. 또한, 등 부분의 상측 윤곽선을 이용하여 양측 어깨의 윤곽선을 표시한다. 또한, 등 부분에서 좌우측 윤곽선을 이용하여 양측 옆구리의 윤곽선을 표시한다.
여기서, 양측 어깨의 윤곽선의 경사도 차이가 기 설정된 경사도 이상인 경우 더 올라온 어깨 부분을 어깨 올라옴으로 확인하고, 그리고 양측 옆구리 윤곽선의 좌우 중심축을 향하여 들어감 정도의 차이가 기 설정된 들어감 이상인 경우 더 들어간 부분을 옆구리 들어감으로 확인할 수 있다.
다만, 언급한 기 설정된 채도 차이, 기 설정된 경사도, 기 설정된 들어감 여부 등 이들을 결정하는 기준은, 전문진단정보가 포함된 학습데이터세트를 활용한 인공지능 학습에 따라 특정되지 않고 달라질 수 있다. 후술하는 강화학습에 따라 달라질 수도 있다. 어느 경우이든 전문진단정보와의 정확도를 높이는 방향으로 달라질 것이다.
이제, 표시된 1개 내지 3개의 가이드라인은 인공지능 모델의 입력데이터로 활용된다.
제한되지 않는 예시를 든다면, 등의 좌우측 중 일측의 튀어나옴 선에 의해 일측 등 튀어나옴이 확인되고 양측 어깨의 윤곽선을 통해 타측 어깨 올라옴이 확인되지 않고 양측 옆구리의 윤곽선을 통해 일측 옆구리 들어감이 확인되지 않는 경우 제1형 척추측만증으로 확인되고, 등의 좌우측 중 일측의 튀어나옴 선에 의해 일측 등 튀어나옴이 확인되고 양측 어깨의 윤곽선을 통해 타측 어깨 올라옴이 확인되고 양측 옆구리의 윤곽선을 통해 일측 옆구리 들어감이 확인되지 않는 경우 제2형 척추측만증으로 확인되고, 등의 좌우측 중 일측의 튀어나옴 선에 의해 일측 등 튀어나옴이 확인되고 양측 어깨의 윤곽선을 통해 타측 어깨 올라옴이 확인되지 않고 양측 옆구리의 윤곽선을 통해 일측 옆구리 들어감이 확인되는 경우 제3형 척추측만증으로 확인되고, 등의 좌우측 중 일측의 튀어나옴 선에 의해 일측 등 튀어나옴이 확인되고 양측 어깨의 윤곽선을 통해 타측 어깨 올라옴이 확인되고 양측 옆구리의 윤곽선을 통해 일측 옆구리 들어감이 확인되는 경우 제4형 척추측만증으로 확인되고, 그리고 등의 좌우측 중 일측의 튀어나옴 선에 의해 일측 등 튀어나옴이 확인되지 않고 양측 어깨의 윤곽선을 통해 타측 어깨 올라옴이 확인되지 않고 양측 옆구리의 윤곽선을 통해 일측 옆구리 들어감이 확인되는 경우 제5형 척추측만증으로 확인될 수 있다.
한편, 인공지능 모델 학습시, 이미지에 포함된 가이드라인은 자동 인식되고, 이는 입력데이터의 하나로서 활용된다.
2.2 척추측만증 정보 제공 방법의 설명
이하, 도 4를 참조하여 본 발명에 따른 척추측만증 정보 제공 방법을 설명한다.
먼저, 이미지 수집부(110)에서 수집된 외견이미지가 인공지능 학습부(100)에 입력되고, 입력된 외견이미지 상에 가이드라인이 추가되어 인공지능 학습부(100)에 입력된다. 또한, 입력된 외견이미지에 대응되는 전문진단정보가 더 입력된다. 인공지능 학습부(100)는 가이드라인이 추가된 외견이미지를 입력데이터로 하고 상기 전문진단정보를 출력데이터로 한 학습데이터세트를 학습하여 인공지능 모델을 생성한다(S110).
이제, 스마트폰 등에 해당 프로그램 내지 어플리케이션이 설치되면 사용자는 손쉽게 이에 접근할 수 있다. 즉, 이미지 입력부(210)에 의해 인공지능 모델에 외견이미지가 입력되되(S210), 입력된 외견이미지에 해당하는 가이드라인이 함께 입력되면(S220), 인공지능 모델에 의해 정상 또는 다수의 타입 중 어느 하나의 타입의 척추측만증을 나타내는 척추측만증 정보가 연산되어 출력부(220)에 의해 출력된다(S230).
3. 병원과 학교에서 본 발명의 적용되는 방식의 설명
이하, 도 4와 도 5를 함께 참조하여 본 발명에 따른 방법이 학교 및 병원과 연계되어 제공되는 방식을 설명한다.
본 발명을 개발한 병원은 학교 또는 관련 정부부처에 본 발명을 소개할 수 있으며[A1], 이는 학교 등을 통해 학생 또는 부모에게 안내될 수 있다[A2].
학생 또는 부모는 스마트폰 등에 프로그램 내지 어플리케이션을 설치하고[B1], 카메라를 이용하여 외견이미지를 생성하여 입력하면[B2], 언제라도 손쉽게 척추측만증 여부가 조기진단되어 출력된다[B3].
진단된 정보는 병원으로 전송될 수 있다.
병원에 전송된 경우 다음의 두 가지 방식으로 활용될 수 있다.
첫째, 강화학습이다.
구체적으로, 사용자가 입력한 외견이미지와 인공지능 모델에 의해 연산된 척추측만증 정보가 미리 설정된 병원 의료관리 시스템(300)에 전송된다(S310)[C1]. 이러한 전송은 스마트폰의 통신 모듈을 통해 손쉽게 이루어질 수 있다.
병원에서는 이를 확인하여 내원 스케쥴을 설정할 수 있으며[C2], 환자가 내원하여 전문의료진에 의한 직접 진단을 받음으로써 전문진단정보가 생성되고 병원 의료관리 시스템(300)에 업로드된다[C3]. 따라서, 병원 의료관리 시스템(300)에서는 외견이미지와 이에 대응되는 전문진단정보가 확인하여 추가 학습데이터세트로 설정하고 인공지능 학습부(100)에 전송한다. 이에 따라 인공지능 모델은 강화학습된다(S320)[C4].
둘째, 치료 경과에 따른 자가진단 및 전문의료진의 경과 추적이다.
치료가 시작되면 환자(즉, 본 발명의 사용자)는 스마트폰과 같은 단말기를 활용하여 종종 변경 외견이미지를 생성할 수 있다. 이는 해당 단말기에 설치된 프로그램 또는 어플리케이션을 통하여 인공지능 모델에 입력되며 마찬가지로 가이드라인이 함께 입력된다. 이에 따라 변경 외견이미지에 따른 변경 척추측만증 정보, 즉 정상 또는 다수의 타입 중 어느 하나의 타입의 척추측만증이 확인된다(S410)[C5]. 환자가 이를 확인하면 치료 경과를 자가진단할 수 있으며, 병원 의료관리 시스템(300)에 전송되어 전문의료진이 확인함으로써 치료 경과를 추적하고 필요시 보조기 또는 운동 방식을 변경하거나 다시 내원 스케쥴을 설정하도록 할 수 있다.
4. 검증
본 출원인은 설명한 방법의 프로그램을 제작한 후 일부 데이터를 해당 프로그램에 입력하여 실행하는 한편 해당 데이터를 나타내는 환자에 대한 전문의료진의 전문진단결과와 비교하는 검증 실험을 수행하였으며, 약 80%의 정확도가 나타남을 확인하였다.
검증 실험 동안, (A)등의 일측(좌우측 중 일측) 튀어나옴 여부, (B)타측(즉, 등이 튀어나온 경우 그 반대측) 어깨 올라옴 여부, (C)상기 일측 옆구리 들어감 여부의 세 개의 요소들 중 어느 요소가 척추측만증 타입 결정에 더 많은 영향을 주었는지 여부를 분석함으로써 중요도를 확인하였다. 그 결과 날개뼈의 돌출 여부(Scapula), 즉 (A)등의 일측 튀어나옴 여부가 다른 요소들 대비 3배 내지 10배의 차이를 두고 중요한 요소임이 더 확인되었다.
100: 인공지능 학습부
110: 이미지 수집부
120: 가이드라인 제공부
130: 전문진단정보 입력부
200: 척추측만증 정보 입력부
210: 이미지 입력부
220: 출력부
300: 병원 의료관리 시스템

Claims (12)

  1. (a) 이미지 수집부(110)에서 수집된 외견이미지가 인공지능 학습부(100)에 입력되는 단계; - 여기서, 외견이미지는 등의 이미지를 포함함
    (b) 상기 입력된 외견이미지 상에 가이드라인이 추가되어 상기 인공지능 학습부(100)에 입력되는 단계; - 여기서, 상기 가이드라인은 등의 좌우측 중 일측의 튀어나옴이 있는 경우 이를 표시하는 선, 양측 어깨의 윤곽선 및 양측 옆구리의 윤곽선을 포함함
    (c) 상기 입력된 외견이미지에 대응되는 전문진단정보가 상기 인공지능 학습부(100)에 입력되는 단계; 및 - 여기서, 상기 전문진단정보는, 정상 및 다수의 타입 중 어느 하나의 타입의 척추측만증임을 포함함
    (d) 상기 인공지능 학습부(100)가 상기 가이드라인이 추가된 외견이미지를 입력데이터로 하고 상기 전문진단정보를 출력데이터로 한 학습데이터세트를 학습하여 인공지능 모델을 생성하는 단계를 포함하는,
    방법.
  2. 제 1 항에 있어서,
    상기 (d) 단계 이후,
    (e) 이미지 입력부(210)에 의해 상기 (d) 단계에서 생성된 인공지능 모델에 외견이미지가 입력되되, 상기 입력된 외견이미지에 해당하는 가이드라인이 함께 입력되는 단계; 및
    (f) 상기 인공지능 모델에 의해 정상 또는 다수의 타입 중 어느 하나의 타입의 척추측만증을 나타내는 척추측만증 정보가 연산되어 출력부(220)에 의해 출력되는 단계를 더 포함하는,
    방법.
  3. 제 2 항에 있어서,
    상기 (e) 단계 및 상기 (f) 단계는 단말기에 의해 수행되며.
    상기 단말기는 카메라를 포함하며,
    상기 (e) 단계에서 입력되는 외견이미지는 상기 단말기의 카메라에 의해 촬영된 이미지인,
    방법.
  4. 제 3 항에 있어서,
    상기 (f) 단계 이후,
    (g) 상기 (e) 단계에서 입력된 외견이미지 및 상기 (f) 단계에서 연산된 척추측만증 정보가 미리 설정된 병원 의료관리 시스템(300)에 전송되는 단계; 및
    (h) 상기 병원 의료관리 시스템(300)에서 상기 (g) 단계에서 전송된 외견이미지에 대응되는 전문진단정보가 확인되는 단계를 더 포함하며,
    상기 단말기는 통신 모듈을 더 포함하며,
    상기 (g) 단계는 상기 단말기의 통신 모듈에 의해 상기 병원 의료관리 시스템(300)에 전송되는 단계인,
    방법.
  5. 제 4 항에 있어서,
    상기 (h) 단계 이후,
    (i) 상기 병원 의료관리 시스템(300)이 상기 (g) 단계에서 전송된 외견이미지 및 상기 (h) 단계에서 확인되는 전문진단정보를 상기 인공지능 학습부(100)에 전송하는 단계; 및
    (j) 상기 인공지능 학습부(100)가 상기 (i) 단계에서 전송된 외견이미지 및 전문진단정보를 이용하여 상기 인공지능 모델을 강화학습하는 단계를 더 포함하는,
    방법.
  6. 제 5 항에 있어서,
    상기 (h) 단계 이후,
    (k) 상기 단말기의 카메라에 의해, 상기 (e) 단계에서 입력된 외견이미지와 상이한 변경 외견이미지가 생성되는 단계;
    (l) 상기 이미지 입력부(210)에 의해 상기 (k) 단계에서 생성된 변경 외견이미지가 상기 인공지능 모델에 입력되되, 상기 입력된 변경 외견이미지에 해당하는 가이드라인이 함께 입력되는 단계; 및
    (m) 상기 인공지능 모델에 의해 정상 또는 다수의 타입 중 어느 하나의 타입의 척추측만증을 나타내는 변경 척추측만증 정보가 연산되어 상기 출력부(220)에 의해 출력되는 단계를 더 포함하는,
    방법.
  7. 제 1 항에 있어서,
    상기 다수의 타입의 척추측만증은 다음을 포함하는,
    제1형 - 흉부(Thoracic) 척추측만증,
    제2형 - 이중 흉부(Double Thoracic) 척추측만증,
    제3형 - 이중 메이저-흉부/요추(Thoracic/Lumbar) 척추측만증,
    제4형 - 삼중 커브(Triple Curve) 척추측만증, 및
    제5형 - 요추/흉요(Lumbar/Thoracolumbar) 척추측만증
    방법.
  8. 제 7 항에 있어서,
    상기 (b) 단계는,
    상기 입력된 외견이미지에서 인체 중 등 부분을 식별하고, 식별된 등 부분에서 좌우 중심축을 확인하고,
    상기 입력된 외견이미지에서 상기 좌우 중심축을 기준으로 등 부분의 픽셀의 채도 차이를 확인하여 기 설정된 채도 차이 이상인 경우 채도가 낮은 일측을 등의 좌우측 중 일측의 튀어나옴이 있는 경우로 판단하여 해당 부분을 선으로 표시하고,
    등 부분의 상측 윤곽선을 이용하여 양측 어깨의 윤곽선을 표시하고,
    등 부분에서 좌우측 윤곽선을 이용하여 양측 옆구리의 윤곽선을 표시하는 단계를 더 포함하는,
    방법.
  9. 제 8 항에 있어서,
    양측 어깨의 윤곽선의 경사도 차이가 기 설정된 경사도 이상인 경우 더 올라온 어깨 부분을 어깨 올라옴으로 확인하고, 그리고
    양측 옆구리 윤곽선의 좌우 중심축을 향하여 들어감 정도 차이가 기 설정된 들어감 이상인 경우 더 들어간 부분을 옆구리 들어감으로 확인하는,
    방법.
  10. 제 9 항에 있어서,
    상기 가이드라인에 의해,
    등의 좌우측 중 일측의 튀어나옴 선에 의해 일측 등 튀어나옴이 확인되고,
    양측 어깨의 윤곽선을 통해 타측 어깨 올라옴이 확인되지 않고
    양측 옆구리의 윤곽선을 통해 일측 옆구리 들어감이 확인되지 않는 경우, 제1형 척추측만증으로 확인되고,
    등의 좌우측 중 일측의 튀어나옴 선에 의해 일측 등 튀어나옴이 확인되고,
    양측 어깨의 윤곽선을 통해 타측 어깨 올라옴이 확인되고
    양측 옆구리의 윤곽선을 통해 일측 옆구리 들어감이 확인되지 않는 경우, 제2형 척추측만증으로 확인되고,
    등의 좌우측 중 일측의 튀어나옴 선에 의해 일측 등 튀어나옴이 확인되고,
    양측 어깨의 윤곽선을 통해 타측 어깨 올라옴이 확인되지 않고
    양측 옆구리의 윤곽선을 통해 일측 옆구리 들어감이 확인되는 경우, 제3형 척추측만증으로 확인되고,
    등의 좌우측 중 일측의 튀어나옴 선에 의해 일측 등 튀어나옴이 확인되고,
    양측 어깨의 윤곽선을 통해 타측 어깨 올라옴이 확인되고
    양측 옆구리의 윤곽선을 통해 일측 옆구리 들어감이 확인되는 경우, 제4형 척추측만증으로 확인되고, 그리고
    등의 좌우측 중 일측의 튀어나옴 선에 의해 일측 등 튀어나옴이 확인되지 않고,
    양측 어깨의 윤곽선을 통해 타측 어깨 올라옴이 확인되지 않고
    양측 옆구리의 윤곽선을 통해 일측 옆구리 들어감이 확인되는 경우, 제5형 척추측만증으로 확인되는,
    방법.
  11. 컴퓨터에 의해 제 1 항 내지 제 10 항 중 어느 한 항에 따른 방법이 수행되며, 컴퓨터 기록매체에 저장되는, 컴퓨터 프로그램.
  12. 컴퓨터에 의해 제 1 항 내지 제 10 항 중 어느 한 항에 따른 방법이 수행되는 컴퓨터 프로그램이 저장되는, 컴퓨터 기록매체.
KR1020220121666A 2022-09-26 2022-09-26 인공지능 기반의 척추측만증 정보 제공 방법 KR20240042866A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020220121666A KR20240042866A (ko) 2022-09-26 2022-09-26 인공지능 기반의 척추측만증 정보 제공 방법
PCT/KR2023/014735 WO2024071943A1 (ko) 2022-09-26 2023-09-26 인공지능 기반의 척추측만증 정보 제공 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220121666A KR20240042866A (ko) 2022-09-26 2022-09-26 인공지능 기반의 척추측만증 정보 제공 방법

Publications (1)

Publication Number Publication Date
KR20240042866A true KR20240042866A (ko) 2024-04-02

Family

ID=90478727

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220121666A KR20240042866A (ko) 2022-09-26 2022-09-26 인공지능 기반의 척추측만증 정보 제공 방법

Country Status (2)

Country Link
KR (1) KR20240042866A (ko)
WO (1) WO2024071943A1 (ko)

Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6280676U (ko) 1985-11-11 1987-05-23
KR100468142B1 (ko) 2001-12-31 2005-01-26 장병욱 운송 기구
KR101968144B1 (ko) 2018-10-11 2019-08-13 가톨릭대학교 산학협력단 척추 및 경추의 경사각 자동 진단 장치 및 방법
KR102047237B1 (ko) 2017-12-13 2019-12-02 (주)엔텔스 영상 데이터를 분석하는 인공 지능을 이용한 질병 진단 방법 및 진단 시스템
KR102062539B1 (ko) 2019-03-06 2020-01-06 주식회사 딥노이드 딥러닝 기반의 요추 질환 보조 진단 방법
JP2020040763A (ja) 2018-09-07 2020-03-19 東芝エレベータ株式会社 エレベータ検査装置
KR20200110878A (ko) 2019-03-18 2020-09-28 민경준 충치 조기진단을 위한 딥러닝 기반 진단 방법 및 시스템
KR102181701B1 (ko) 2017-10-24 2020-11-24 울산대학교 산학협력단 의료 영상 판독 장치 및 이를 이용하여 질병에 관한 정보를 제공하는 방법
KR102214756B1 (ko) 2019-12-20 2021-02-09 서울대학교치과병원 구강 진단 시스템
KR102251925B1 (ko) 2019-07-18 2021-05-13 경상국립대학교 산학협력단 근골격계 이상예측장치 및 어플리케이션
KR102274330B1 (ko) 2020-09-18 2021-07-07 가천대학교 산학협력단 뇌졸중 정도의 진단을 위한 얼굴이미지 분석방법 및 시스템
JP2021115471A (ja) 2020-01-21 2021-08-10 Ｐｏｓｅｎ株式会社 姿勢診断システム、姿勢診断方法及び姿勢診断用データセット
JP3234668U (ja) 2021-08-17 2021-10-28 青島大学附属医院Ｔｈｅ Ａｆｆｉｌｉａｔｅｄ Ｈｏｓｐｉｔａｌ Ｏｆ Ｑｉｎｇｄａｏ Ｕｎｉｖｅｒｓｉｔｙ Ｘ線による脊柱側弯症の画像認識システム
KR20210157684A (ko) 2020-06-22 2021-12-29 한국전자통신연구원 의료영상 분석 방법 및 장치
KR102354980B1 (ko) 2018-06-11 2022-01-24 사회복지법인 삼성생명공익재단 전안부 질환 진단 시스템 및 이를 이용한 진단 방법
KR102383857B1 (ko) 2020-05-14 2022-04-06 가천대학교 산학협력단 콥 각도 측정 방법 및 시스템, 콥 각도 측정 프로그램
KR102389067B1 (ko) 2020-03-27 2022-04-20 연세대학교 산학협력단 척추 측만증 평가 방법 및 이를 이용한 척추 측만증 평가용 디바이스
KR102388337B1 (ko) 2022-01-25 2022-04-20 (주)힐링사운드 턱관절 질환 개선 서비스용 어플리케이션의 서비스 제공방법
KR20220057793A (ko) 2020-10-30 2022-05-09 이후경 딥러닝에 기반한 아토피 피부염 진단을 수행하는 사용자 단말
KR20220133215A (ko) 2020-02-07 2022-10-04 제임스 영 에지 커넥터가 있는 태양광 패널 및 레일

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150014226A (ko) * 2013-07-29 2015-02-06 삼성전자주식회사 전자 장치 및 전자 장치의 이미지 촬영 방법
KR102163701B1 (ko) * 2020-04-17 2020-10-12 주식회사 딥노이드 척추 분류 장치 및 분류 방법

Patent Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6280676U (ko) 1985-11-11 1987-05-23
KR100468142B1 (ko) 2001-12-31 2005-01-26 장병욱 운송 기구
KR102181701B1 (ko) 2017-10-24 2020-11-24 울산대학교 산학협력단 의료 영상 판독 장치 및 이를 이용하여 질병에 관한 정보를 제공하는 방법
KR102047237B1 (ko) 2017-12-13 2019-12-02 (주)엔텔스 영상 데이터를 분석하는 인공 지능을 이용한 질병 진단 방법 및 진단 시스템
KR102354980B1 (ko) 2018-06-11 2022-01-24 사회복지법인 삼성생명공익재단 전안부 질환 진단 시스템 및 이를 이용한 진단 방법
JP2020040763A (ja) 2018-09-07 2020-03-19 東芝エレベータ株式会社 エレベータ検査装置
KR101968144B1 (ko) 2018-10-11 2019-08-13 가톨릭대학교 산학협력단 척추 및 경추의 경사각 자동 진단 장치 및 방법
KR102062539B1 (ko) 2019-03-06 2020-01-06 주식회사 딥노이드 딥러닝 기반의 요추 질환 보조 진단 방법
KR20200110878A (ko) 2019-03-18 2020-09-28 민경준 충치 조기진단을 위한 딥러닝 기반 진단 방법 및 시스템
KR102251925B1 (ko) 2019-07-18 2021-05-13 경상국립대학교 산학협력단 근골격계 이상예측장치 및 어플리케이션
KR102214756B1 (ko) 2019-12-20 2021-02-09 서울대학교치과병원 구강 진단 시스템
JP2021115471A (ja) 2020-01-21 2021-08-10 Ｐｏｓｅｎ株式会社 姿勢診断システム、姿勢診断方法及び姿勢診断用データセット
KR20220133215A (ko) 2020-02-07 2022-10-04 제임스 영 에지 커넥터가 있는 태양광 패널 및 레일
KR102389067B1 (ko) 2020-03-27 2022-04-20 연세대학교 산학협력단 척추 측만증 평가 방법 및 이를 이용한 척추 측만증 평가용 디바이스
KR102383857B1 (ko) 2020-05-14 2022-04-06 가천대학교 산학협력단 콥 각도 측정 방법 및 시스템, 콥 각도 측정 프로그램
KR20210157684A (ko) 2020-06-22 2021-12-29 한국전자통신연구원 의료영상 분석 방법 및 장치
KR102274330B1 (ko) 2020-09-18 2021-07-07 가천대학교 산학협력단 뇌졸중 정도의 진단을 위한 얼굴이미지 분석방법 및 시스템
KR20220057793A (ko) 2020-10-30 2022-05-09 이후경 딥러닝에 기반한 아토피 피부염 진단을 수행하는 사용자 단말
JP3234668U (ja) 2021-08-17 2021-10-28 青島大学附属医院Ｔｈｅ Ａｆｆｉｌｉａｔｅｄ Ｈｏｓｐｉｔａｌ Ｏｆ Ｑｉｎｇｄａｏ Ｕｎｉｖｅｒｓｉｔｙ Ｘ線による脊柱側弯症の画像認識システム
KR102388337B1 (ko) 2022-01-25 2022-04-20 (주)힐링사운드 턱관절 질환 개선 서비스용 어플리케이션의 서비스 제공방법

Also Published As

Publication number Publication date
WO2024071943A1 (ko) 2024-04-04

Similar Documents

Publication Publication Date Title
JP5603859B2 (ja) 対象脊椎の側面図のデジタル化された画像を自動的に解析する解析システムの制御方法
US12056874B2 (en) Device, process and system for diagnosing and tracking of the development of the spinal alignment of a person
Islam et al. Deep learning of facial depth maps for obstructive sleep apnea prediction
US20210174503A1 (en) Method, system and storage medium with a program for the automatic analysis of medical image data
KR20180029476A (ko) 골밀도 추정 방법 및 장치
Allen et al. Detecting reduced bone mineral density from dental radiographs using statistical shape models
CN114287915A (zh) 一种基于背部彩色图像的无创脊柱侧弯筛查方法及系统
US20240046461A1 (en) System and method for determining sleep analysis based on a body image
JP2021047504A (ja) 医師のための漢方医学における自動診断支援装置、自動診断支援方法、プログラム、学習済みモデルおよび学習済みモデル作成方法
KR20210110541A (ko) 인공 지능 기반 진단 보조 시스템
KR102207093B1 (ko) Ai 골밀도 판독 장치 및 방법
Kılınç et al. Evaluation and comparison of smartphone application tracing, web based artificial intelligence tracing and conventional hand tracing methods
Zhang et al. Prediction of obstructive sleep apnea using deep learning in 3D craniofacial reconstruction
Miranda et al. Artificial intelligence applications in orthodontics
KR20210144474A (ko) 인공지능을 이용한 근골격계 질환의 방사선학적 지표 자동 측정 시스템
KR20240042866A (ko) 인공지능 기반의 척추측만증 정보 제공 방법
JP2024525036A (ja) Ｘ線画像処理のための方法
KR20130036526A (ko) 안면 영상과 엑스레이 영상을 이용한 형상진단기
Derrick et al. The Computer-Assisted Decedent Identification Method of Computer-Assisted Radiographic Identification
US20100280351A1 (en) Apparatus and method for assessing rotational bone kinematics
Miletić et al. The effects of corrective gymnastics on the postural status of the spine in the frontal plane in preschool children
Birtane et al. Rule-based fuzzy classifier for spinal deformities
US10853939B2 (en) System and method for diagnosis and assessment of disc derangement disorders
Albuquerque et al. Inter-rater Accuracy and Reliability of a Palpation Protocol of the C7 Spinous Process Comprising a Combination of 3 Traditional Palpation Techniques
Lee et al. Precise Cobb Angle Measurement System Based on Spinal Images Merging Function