WO2021201582A1 - 피부 병변의 원인 분석 방법 및 장치 - Google Patents

피부 병변의 원인 분석 방법 및 장치 Download PDF

Info

Publication number
WO2021201582A1
WO2021201582A1 PCT/KR2021/003963 KR2021003963W WO2021201582A1 WO 2021201582 A1 WO2021201582 A1 WO 2021201582A1 KR 2021003963 W KR2021003963 W KR 2021003963W WO 2021201582 A1 WO2021201582 A1 WO 2021201582A1
Authority
WO
WIPO (PCT)
Prior art keywords
skin lesion
data
skin
cause
analyzing
Prior art date
Application number
PCT/KR2021/003963
Other languages
English (en)
French (fr)
Inventor
김재영
손상욱
오하늘
Original Assignee
주식회사 에이아이투유
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 주식회사 에이아이투유 filed Critical 주식회사 에이아이투유
Publication of WO2021201582A1 publication Critical patent/WO2021201582A1/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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • 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

Definitions

  • the embodiments described below relate to a method and apparatus for analyzing a cause of a skin lesion.
  • Skin diseases are usually caused by environmental factors along with other causes. However, a method necessary for early detection of skin diseases has not yet been developed. To solve this problem, active research is being conducted around the world.
  • a patch test must be performed to check whether a reaction such as a skin rash appears 2 days after application of the causative agent to the patient's skin and again 4-7 days later. do.
  • the patch test takes about a week to confirm the result, and has limitations such as restricting the patient from taking the treatment during the test.
  • the spy test is a cumbersome process, in practice, doctors in hospitals often diagnose and guess the cause of dermatitis only by examining the patient based on the interview with the patient and the doctor's experience.
  • a method for analyzing a cause of a skin lesion using an artificial intelligence technology includes collecting image data and questionnaire data on the skin lesion; determining diagnostic data for the skin lesion using a neural network model to which the image data and the questionnaire data are input; and providing the diagnostic data through a display, wherein the diagnostic data may include diagnostic information on at least one cause of the skin lesion.
  • the diagnostic data includes a cause of the skin lesion, product information related to the cause of the skin lesion, a probability index that the skin lesion has occurred due to each cause and product, classification information of a disease for the skin lesion, and the It may include at least one of severity information on the disease, treatment information on the disease, and prevention information on the disease.
  • the neural network model is trained using learning data including at least one of first learning data collected for each body part in which the skin lesion occurs and second learning data in which skin lesions occurring for each material in contact with the user's skin are displayed.
  • learning data including at least one of first learning data collected for each body part in which the skin lesion occurs and second learning data in which skin lesions occurring for each material in contact with the user's skin are displayed.
  • the neural network model may be a convolutional neural network (CNN).
  • CNN convolutional neural network
  • the questionnaire data may include at least one of a user's occupation in which the skin lesion appears, a behavior before the skin lesion appears to the user, a region in which the skin lesion appears, and characteristics of the user related to the skin lesion. .
  • the collecting of the image data may include: removing a noise component included in the image data; and adjusting the size of the image data from which the noise component has been removed to a predetermined reference size.
  • an apparatus for analyzing a cause of a skin lesion for performing a method for analyzing a cause of a skin lesion using an artificial intelligence technology includes: a collecting unit for collecting image data and questionnaire data on which a skin lesion appears; a diagnostic data determiner configured to determine diagnostic data for the skin lesion using a neural network model to which the image data and the questionnaire data are input; and a diagnostic data providing unit that provides the diagnostic data through a display, wherein the diagnostic data may include diagnostic information on at least one cause of the skin lesion.
  • the apparatus for analyzing a cause of a skin lesion performing a method for analyzing a cause of a skin lesion using an artificial intelligence technology according to an embodiment removes a noise component included in the image data, and determines the size of the image data from which the noise component is removed.
  • the method may further include an image data preprocessor configured to adjust the size to a predetermined reference size and transmit the size-adjusted image data to the diagnosis data determiner.
  • a user terminal comprising: a memory and a processor
  • the memory stores instructions executable by the processor, and when the instructions are executed by the processor, the processor
  • the terminal executes an application for analyzing the cause of the skin lesion, collects image data and questionnaire data for the skin lesion through a user input, transmits the image data and the questionnaire data to the server, and responds to the transmission
  • the user terminal may be controlled to receive the diagnostic data on the skin lesion from the server and output an interface for providing the received diagnostic data to the user.
  • the processor may control the user terminal to output an interface for receiving the user input.
  • the server may perform image pre-processing on the image data, and determine the diagnosis data based on the pre-processed image data and the questionnaire data.
  • accuracy of a technique for acquiring lesion data of a skin disease group may be improved through a high-resolution camera and a skin magnifying device.
  • a technology for more accurately diagnosing the cause of contact dermatitis by removing noise (hair and foreign substances) that may confuse image analysis may be disclosed.
  • a dataset of supervised learning data and unsupervised learning data required for learning of a deep neural network may be constructed based on data of an existing patient and open big data.
  • the disease may be classified based on the questionnaire and the image of the lesion, and diagnostic information on the severity may be provided.
  • the level of the subjective diagnosis result of a medical professional who proceeds through the examination may be qualitatively improved through the AI diagnosis technology provided through the mobile device.
  • FIG. 1 is a diagram illustrating an overall outline of a system for analyzing a cause of a skin lesion according to an embodiment.
  • FIG. 2 is a flowchart illustrating an operation of a method for analyzing a cause of a skin lesion according to an exemplary embodiment.
  • FIG. 3 is a view for explaining a process of a method for analyzing a cause of a skin lesion according to an embodiment.
  • FIG. 4 is a diagram illustrating a configuration of an apparatus for analyzing a cause of a skin lesion according to an embodiment.
  • FIG. 5 is a flowchart illustrating an operation of a method for analyzing a cause of a skin lesion according to another exemplary embodiment.
  • FIG. 6 is a diagram illustrating a configuration of a user terminal according to another embodiment.
  • FIG. 1 is a diagram illustrating an overall outline of a system for analyzing a cause of a skin lesion according to an embodiment.
  • the system for analyzing a cause of a skin lesion may disclose a method for diagnosing a cause of a skin disease through an image and a questionnaire.
  • the system for analyzing the cause of skin lesions can provide accurate and objective diagnosis technology for skin diseases by using an artificial intelligence model-based imaging analysis technology.
  • the system for analyzing the cause of a skin lesion may diagnose allergic contact dermatitis and other skin diseases based on a clinical picture. Based on the diagnosis result, the skin lesion cause analysis system generates symptoms/signs for each part of the body including medical information on product lists that can be related to diseases, symptoms/signs of possible diseases, prevention and treatment of diseases, etc. It can provide information on possible causes.
  • the system for analyzing the cause of a skin lesion may provide an AI-based cause analysis method of a skin lesion that presents a more likely causative agent through questionnaire data about a patient's occupation, etc.
  • the skin lesion cause analysis system presents the cause of allergy more clearly and accurately by using not only clinical photos but also interview information such as occupation, dyeing history, worn accessories, perfume use, type of cosmetics used, and hobbies. can do.
  • the system for analyzing the cause of a skin lesion according to an embodiment may be used in a hospital facility, and the system for analyzing the cause of a skin lesion according to another embodiment, when it is suspected that a skin disease has occurred in the user's general life process, It may be provided through an application that can be easily and quickly diagnosed through a mobile device.
  • the system for analyzing a cause of a skin lesion according to an embodiment may perform a cause analysis method of a skin lesion through the apparatus for analyzing a cause of a skin lesion, and the system for analyzing a cause of a skin lesion according to another embodiment may include an image provided from a user terminal. Based on the data and the questionnaire data, the method of analyzing the cause of the skin lesion may be performed through the server.
  • the trained neural network model 120 receives image data and questionnaire data 110 for skin lesions in which signs such as skin itchiness or rashes appear, and at least one of the skin lesions. may output the diagnostic data 130 including diagnostic information on the cause of the occurrence of .
  • the neural network model may be learned based on a dataset of supervised learning data and unsupervised learning data constructed based on existing patient data and open big data.
  • the trained neural network model 120 may be, for example, a convolutional neural network, and may include two layers 122 and 124 and a classifier 126 .
  • the trained neural network model 120 extracts feature values from the first layer 122 and the second layer 124 and maps the extracted feature values on the feature map, and the classifier 126 uses diagnostic data corresponding to the feature values. can be decided
  • Diagnostic data includes medical information on skin lesions on the user's skin, a list of products that may be related to skin lesions, types of skin diseases that may be caused by products, and methods of preventing and treating skin diseases and body parts. It may include information on the causes of each possible skin disease.
  • FIG. 2 is a flowchart illustrating an operation of a method for analyzing a cause of a skin lesion according to an exemplary embodiment.
  • the apparatus for analyzing a cause of a skin lesion may collect image data and questionnaire data on the skin lesion.
  • the doctor may input an image of a skin lesion of a patient with a skin lesion into the cause analysis device of the skin lesion through the camera of the device for analyzing the cause of the skin lesion, or input previously captured image data into the cause analysis device of the skin lesion. can be entered in
  • the doctor may collect the questionnaire data through the questionnaire or questionnaire, and input the collected questionnaire data into the device for analyzing the cause of the skin lesion.
  • the user or the user may input the questionnaire data into the apparatus for analyzing the cause of the skin lesion through the questionnaire.
  • a device for analyzing the cause of a skin lesion may remove a noise component included in the collected image data.
  • the noise component may include hair, foreign substances, or elements that may confuse image analysis.
  • the apparatus for analyzing a cause of a skin lesion may perform image data normalization by adjusting the size of the image data from which the noise component is removed to a predetermined reference size.
  • the apparatus for analyzing a cause of a skin lesion may convert the image data into a standard size required by an image analysis algorithm by adjusting the size of the image data to a predetermined reference size.
  • the questionnaire data may include, for example, at least one of a user's occupation in which a sign of a skin lesion appeared, a behavior before the skin lesion appeared to the user, a body part in which the skin lesion appeared, and a characteristic of the user related to the skin lesion.
  • the characteristics of the user related to the skin lesion may include information on whether the user has a travel history, and if there is a travel history, information on a travel destination may be included.
  • the user's characteristics related to skin lesions may cause itching or rash on the user's skin, such as the user's hobbies, the user's dyeing, the user's wearing accessories, the user's perfume use, and the user's recent cosmetic replacement. It can include user specifics related to the existing element.
  • the apparatus for analyzing a cause of a skin lesion may determine diagnostic data for a skin lesion by using a neural network model to which image data and questionnaire data are input.
  • the neural network model includes first learning data collected for each body part where a skin lesion occurs, second learning data showing skin lesions occurring for each material in contact with the user's skin, and a patient's age and age corresponding to each learning data. It may be a model trained using training data including at least one of basic information such as gender. The learning data may be generated based on previously stored patient data and open big data.
  • the neural network model may be, for example, a convolutional neural network (CNN), or a ResNet-50 according to an embodiment.
  • the neural network model may determine diagnostic data by performing analysis and reading on the image data, and determining diagnostic information corresponding to a result of the analysis and reading.
  • the neural network model is to be learned by learning data including at least one of image data for a skin lesion in which the skin lesion appears, questionnaire data corresponding to each image data, and diagnostic information about the cause of the skin lesion corresponding to each image data.
  • the image data included in the training data may be in a state in which data pre-processing is performed through a process in which noise is removed from the original image data and image quality is improved.
  • the training data may be classified based on the diagnosis information on the cause of the skin lesion corresponding to the questionnaire data corresponding to each image data and the image data of the image data on which the image preprocessing has been performed.
  • the diagnostic data may include diagnostic information on at least one cause of the skin lesion.
  • the diagnostic data includes the cause of the skin lesion, product information related to the skin lesion, the probability index of the occurrence of a skin lesion due to each cause and product, classification information of the disease for the skin lesion, information on the severity of the disease, It may include at least one of treatment information for the disease and prevention information for the disease. For example, if the user has dyed hair within the last 7 days and has itching and pigmentation around the head and ears, the diagnostic data includes product information on hair dyes, a probability index of skin lesions caused by hair dyes, and skin caused by hair dyes.
  • the diagnostic data may include at least one of classification information of the disease for the lesion, information on the severity of the disease caused by the hair dye, treatment information on the disease caused by the hair dye, and the prevention method for the disease caused by the hair dye.
  • the diagnostic data shows the probability index that rubber gloves are the cause of the skin lesion, It may include at least one of the components of rubber gloves that can be used and information about rubber gloves without allergen-inducing components.
  • the diagnostic data may include information on the possibility of occurrence of metal allergy symptoms due to nickel.
  • the apparatus for analyzing a cause of a skin lesion may provide diagnostic data through a display.
  • the diagnostic data may include one or more causes of the skin lesion, so that the user may be provided with the diagnostic data in the form of a list.
  • FIG. 3 is a view for explaining a process of a method for analyzing a cause of a skin lesion according to an embodiment.
  • the apparatus for analyzing a cause of a skin lesion may perform image preprocessing on original image data 310 for a skin lesion in which the skin lesion appears.
  • the apparatus for analyzing a cause of a skin lesion may perform image pre-processing on the original image data 310 to obtain the pre-processed image data 320 .
  • the apparatus for analyzing the cause of a skin lesion may acquire the preprocessed image data 320 by removing noise from the original image data 310 and adjusting the size to a predetermined reference size.
  • the apparatus for analyzing a cause of a skin lesion may obtain a result value 340 by inputting the preprocessed image data 320 into the learned neural network model 330 .
  • the apparatus for analyzing the cause of the skin lesion may output the diagnostic data 360 by inputting the result value 340 into the classification module 350 .
  • the classification module 350 may be constructed through a random forest.
  • the neural network model may be trained based on training data including image data and diagnostic information corresponding to the image data.
  • the neural network model may be trained by adjusting parameters to receive preprocessed image data and output a result value including diagnostic information corresponding to the image data.
  • FIG. 4 is a diagram illustrating a configuration of an apparatus for analyzing a cause of a skin lesion according to an embodiment.
  • the apparatus 400 for analyzing a cause of a skin lesion includes a collection unit 410 , an image data preprocessor 420 , a storage unit 430 , a diagnosis data determiner 440 , and a diagnostic data generator. Study 450 may be included.
  • the apparatus 400 for analyzing a cause of a skin lesion may correspond to the apparatus for analyzing a cause of a skin lesion described herein.
  • the collection unit 410 may collect image data and questionnaire data for the skin lesion in which the skin lesion appears.
  • the collection unit 410 may include an image data acquisition unit and a questionnaire data acquisition unit.
  • the image data acquisition unit may acquire image data, and may include, for example, a camera.
  • the questionnaire data acquisition unit may acquire the questionnaire data and, for example, may include a user input interface through which a user or a doctor may input the questionnaire data.
  • the image data preprocessor 420 removes a noise component included in the image data, adjusts the size of the image data from which the noise component is removed to a predetermined reference size, and converts the size-adjusted image data to the diagnostic data determination unit 420 . ) can be passed to
  • the image data preprocessor 420 may be included in the collection unit 410 according to an embodiment, or may be located outside the collection unit 410 .
  • the diagnosis data determiner 440 may determine the diagnosis data for the skin lesion by using the learned neural network model in which image data on which image preprocessing is performed and the questionnaire data are input to the learned neural network model.
  • the neural network model may be, for example, a convolutional neural network.
  • the diagnostic data providing unit 450 may provide diagnostic data through a display.
  • the diagnostic data providing unit 450 may output list-type diagnostic data through a monitor of an apparatus for analyzing a cause of a skin lesion.
  • the diagnostic data providing unit 450 may provide the diagnostic data in the form of outputting the diagnostic data on paper.
  • the storage unit 430 may store data related to the method for analyzing the cause of the skin lesion by the apparatus 400 for analyzing the cause of the skin lesion.
  • the storage 430 may store parameter information of the learned neural network model included in the diagnostic data determiner 440 .
  • the storage unit 430 may store image data for the skin lesion in which the skin lesion appears, questionnaire data corresponding to the image data, and diagnostic information.
  • FIG. 5 is a flowchart illustrating an operation of a method for analyzing a cause of a skin lesion according to another exemplary embodiment.
  • the user may be provided with a method for analyzing a cause of a skin lesion through the user terminal 505 .
  • the user may be provided with the method for analyzing the cause of the skin lesion without visiting a hospital or meeting a doctor.
  • the server 510 determines diagnostic data based on image data and questionnaire data collected through the user terminal 505 , and transmits the diagnostic data to the user terminal 505 . It can be done by
  • the user terminal 505 may execute an application related to the user being provided with the method for analyzing the cause of the skin lesion in step 515 .
  • the user terminal 505 may be a portable smart terminal device such as a user's smart phone, tablet PC, personal digital assistant (PDA) and laptop, or may be a desktop.
  • PDA personal digital assistant
  • the user terminal 505 may collect image data and questionnaire data for a skin lesion in which a skin lesion appears through a user input in step 520 .
  • the user may photograph a skin lesion in which the skin lesion appears through a camera mounted on the user terminal 505 .
  • the user may input the questionnaire data to the user terminal 505 based on an interface related to inputting the questionnaire data output on the screen of the user terminal 505 .
  • the user terminal 505 may transmit the collected image data and questionnaire data to the server 510 in step 525 .
  • the server 510 may perform image pre-processing on the received image data in step 530 .
  • the server 510 may perform image preprocessing on the image data by removing noise from the image data and transforming the image data to a size suitable for an algorithm.
  • the server 510 may determine the diagnosis data based on the pre-processed image data and the questionnaire data in operation 535 .
  • the server 510 may determine diagnostic data based on an output value obtained by inputting image data and questionnaire data to the neural network model.
  • the server 510 may transmit the determined diagnostic data to the user terminal 505 .
  • the user terminal 505 may output an interface for providing the diagnostic data to the user in step 545 .
  • FIG. 6 is a diagram illustrating a configuration of a user terminal according to another embodiment.
  • a user terminal 600 may correspond to the user terminal described herein.
  • the user terminal 600 may include a processor 610 , a memory 620 , and a communicator 630 .
  • the user terminal 600 may further include a user input interface 640 , a display 650 and a camera 660 .
  • the memory 620 is connected to the processor 610 and may store instructions executable by the processor 610 , data to be calculated by the processor 610 , or data processed by the processor 610 .
  • Memory 620 may include non-transitory computer-readable media, such as high-speed random access memory and/or non-volatile computer-readable storage media (eg, one or more disk storage devices, flash memory devices, or other non-volatile solid state memory devices). may include
  • the communicator 630 provides an interface for communicating with an external device (eg, a server).
  • an external device eg, a server
  • the communicator 630 may communicate with an external device through a wired or wireless network.
  • the communicator 630 may transmit image data and questionnaire data to the server, and may receive diagnostic data from the server.
  • the display 650 may display a screen related to the user terminal 600 receiving the method for analyzing the cause of the skin lesion.
  • the display 650 may display a screen related to executing an application related to detecting the cause of allergy, and display diagnostic data for a skin lesion (eg, contact dermatitis) received from the server. can do.
  • the camera 660 may acquire image data showing the skin lesion.
  • the user input interface 640 may receive an execution request for an application input by a user and questionnaire data.
  • the user input interface 640 may be a touch screen.
  • the processor 610 may control the user terminal 600 so that the user terminal 600 may perform one or more operations related to the operation of the user terminal 600 .
  • the processor 610 executes an application for the user terminal 600 to detect a cause of a skin lesion with a symptom, and collects image data and questionnaire data for the skin lesion with a sign through a user input.
  • the user terminal 600 may be controlled to do so.
  • the processor 610 may control the user terminal 600 so that the user terminal 600 transmits the image data and the questionnaire data to the server, and in response to the transmission, receives diagnostic data on the skin lesion from the server. .
  • the processor 610 may control the user terminal 600 to output an interface for receiving a user input and providing the received diagnostic data to the user.
  • the method according to the embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded in a computer-readable medium.
  • the computer-readable medium may include program instructions, data files, data structures, and the like, alone or in combination.
  • the program instructions recorded on the medium may be specially designed and configured for the embodiment, or may be known and available to those skilled in the art of computer software.
  • Examples of the computer-readable recording medium include magnetic media such as hard disks, floppy disks and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic such as floppy disks.
  • - includes magneto-optical media, and hardware devices specially configured to store and execute program instructions, such as ROM, RAM, flash memory, and the like.
  • Examples of program instructions include not only machine language codes such as those generated by a compiler, but also high-level language codes that can be executed by a computer using an interpreter or the like.
  • the hardware devices described above may be configured to operate as one or more software modules to perform the operations of the embodiments, and vice versa.
  • the software may comprise a computer program, code, instructions, or a combination of one or more thereof, which configures a processing device to operate as desired or is independently or collectively processed You can command the device.
  • the software and/or data may be any kind of machine, component, physical device, virtual equipment, computer storage medium or device, to be interpreted by or to provide instructions or data to the processing device. , or may be permanently or temporarily embody in a transmitted signal wave.
  • the software may be distributed over networked computer systems, and stored or executed in a distributed manner. Software and data may be stored in one or more computer-readable recording media.

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

인공지능 기술을 이용한 피부 병변의 원인 분석 방법 및 장치가 개시된다. 피부 병변의 원인 분석 방법은 피부 병변에 대한 이미지 데이터 및 문진 데이터를 수집하는 단계, 이미지 데이터 및 문진 데이터를 입력으로 하는 뉴럴 네트워크 모델을 이용하여 피부 병변에 대한 진단 데이터를 결정하는 단계 및 디스플레이를 통해 진단 데이터를 제공하는 단계를 포함하고, 진단 데이터는, 징후의 적어도 하나의 발생 원인에 대한 진단 정보를 포함할 수 있다.

Description

피부 병변의 원인 분석 방법 및 장치
아래에서 설명되는 실시예들은 피부 병변의 원인 분석 방법 및 장치에 관한 것이다.
피부 질환은 일반적으로 다른 원인과 함께 환경 요인으로 인하여 발생한다. 그러나, 아직까지 피부 질환을 조기에 발견하기 위해 필요한 방법은 개발되지 않았다. 이를 해결하기 위하여 전 세계적으로 활발히 연구가 진행되고 있다.
환자의 피부에 가려움을 유발하거나 붓는 발진 등이 발생된 원인을 찾기 위해서는 문진(history) 및 발생 부위 (topographic approach) 등에 대한 정보가 중요하다. 그 예로, 1주일 전에 염색을 한 환자의 이마, 귀 등에 가려움을 동반하는 붉은 발진이 생겼다면, 의사는 환자가 염색을 하였다는 이력과 발진이 발생된 부위 등에 대한 정보로 염모제가 피부염의 원인일 수 있음을 추정할 수 있다.
그러나, 추정된 원인 물질에 대한 확진을 위해서는, 환자의 피부에 원인 물질을 도포하고 2일 후에 그리고 다시 4-7일 후에 피부 발진 등의 반응이 나타나는지를 확인하는 첩포 검사(patch test)를 시행해야 한다. 첩포 검사는 결과를 확인하기까지 1주일 정도의 시간이 소요되며, 검사 중에 환자가 치료제를 복용하는 것을 제한해야 한다는 등의 한계를 가진다. 또한, 첩보 검사는 과정이 번거롭기 때문에, 실제로 병원에서 의사는 환자에 대한 문진과 의사의 경험에 기반하여 시진으로만 피부염의 원인을 추측하여 진단하곤 한다.
환자의 피부에 알레르기 증상이 발생하였을 때, 즉각적으로 원인 물질을 예측하고, 환자가 원인 물질을 회피하도록 하는 것이 중요하기 때문에, 종래의 검사 방법의 한계를 보완할 수 있는 방법에 대한 요구와 필요성이 매우 크다.
일 실시예에 따른 인공지능 기술을 이용한 피부 병변의 원인 분석 방법은 피부 병변에 대한 이미지 데이터 및 문진 데이터를 수집하는 단계; 상기 이미지 데이터 및 상기 문진 데이터를 입력으로 하는 뉴럴 네트워크 모델을 이용하여 상기 피부 병변에 대한 진단 데이터를 결정하는 단계; 및 디스플레이를 통해 상기 진단 데이터를 제공하는 단계를 포함하고, 상기 진단 데이터는, 상기 피부 병변의 적어도 하나의 발생 원인에 대한 진단 정보를 포함할 수 있다.
상기 진단 데이터는, 상기 피부 병변의 발생 원인, 상기 피부 병변의 발생 원인과 관련된 제품 정보, 상기 각 원인 및 제품으로 인하여 상기 피부 병변이 발생하였을 가능성 지수, 상기 피부 병변에 대한 질환의 분류 정보, 상기 질환에 대한 중증도 정보, 상기 질환에 대한 치료 정보 및 상기 질환에 대한 예방 정보 중 적어도 하나를 포함할 수 있다.
상기 뉴럴 네트워크 모델은, 피부 병변이 발생한 신체 부위별로 수집된 제1 학습 데이터 및 사용자의 피부에 접촉된 소재별로 발생한 피부 병변이 나타난 제2 학습 데이터 중 적어도 하나를 포함하는 학습 데이터를 이용하여 학습된 모델일 수 있다.
상기 뉴럴 네트워크 모델은, 컨볼루션 신경망 (Convolutional　Neural　Network; CNN)일 수 있다.
상기 문진 데이터는, 상기 피부 병변이 나타난 사용자의 직업, 상기 사용자에게 상기 피부 병변이 나타나기 이전의 행동, 상기 피부 병변이 나타난 부위 및 상기 피부 병변과 관련된 상기 사용자의 특징 중 적어도 하나를 포함할 수 있다.
상기 이미지 데이터를 수집하는 단계는, 상기 이미지 데이터에 포함된 노이즈 성분을 제거하는 단계; 및 상기 노이즈 성분이 제거된 이미지 데이터의 크기를 미리 정해진 기준 크기로 조정하는 단계를 포함할 수 있다.
일 실시예에 따른 인공지능 기술을 이용한 피부 병변의 원인 분석 방법을 수행하는 피부 병변의 원인 분석 장치는, 피부 병변이 나타난 이미지 데이터 및 문진 데이터를 수집하는 수집부; 상기 이미지 데이터 및 상기 문진 데이터를 입력으로 하는 뉴럴 네트워크 모델을 이용하여 상기 피부 병변에 대한 진단 데이터를 결정하는 진단 데이터 결정부; 디스플레이를 통해 상기 진단 데이터를 제공하는 진단 데이터 제공부를 포함하고, 상기 진단 데이터는, 상기 피부 병변의 적어도 하나의 발생 원인에 대한 진단 정보를 포함할 수 있다.
일 실시예에 따른 인공지능 기술을 이용한 피부 병변의 원인 분석 방법을 수행하는 피부 병변의 원인 분석 장치는, 상기 이미지 데이터에 포함된 노이즈 성분을 제거하고, 상기 노이즈 성분이 제거된 이미지 데이터의 크기를 미리 정해진 기준 크기로 조정하여, 상기 크기가 조정된 이미지 데이터를 상기 진단 데이터 결정부로 전달하는 이미지 데이터 전처리부를 더 포함할 수 있다.
일 실시예에 따른 사용자 단말에 있어서, 메모리 및 프로세서를 포함하고, 상기 메모리는 상기 프로세서에 의해 실행 가능한 인스트럭션들(instructions)을 저장하고, 상기 인스트럭션들이 상기 프로세서에 의해 실행될 때, 상기 프로세서는 상기 사용자 단말이, 피부 병변의 원인을 분석하는 애플리케이션을 실행시키고, 사용자 입력을 통해 상기 피부 병변에 대한 이미지 데이터 및 문진 데이터를 수집하고, 상기 이미지 데이터 및 상기 문진 데이터를 서버에 전송하고, 상기 전송에 응답하여, 상기 서버로부터 상기 피부 병변에 대한 진단 데이터를 수신하고, 상기 수신한 진단 데이터를 상기 사용자에게 제공하는 것에 대한 인터페이스를 출력하도록 상기 사용자 단말을 제어할 수 있다.
상기 프로세서는 상기 사용자 단말이, 상기 사용자 입력을 입력받는 것에 대한 인터페이스를 출력하도록 상기 사용자 단말을 제어할 수 있다.
상기 서버는, 상기 이미지 데이터에 대하여 이미지 전처리를 수행하고, 상기 전처리가 수행된 이미지 데이터 및 상기 문진 데이터에 기초하여 상기 진단 데이터를 결정할 수 있다.
일 실시예에 따르면, 피부에 가려움을 유발하거나 붓는 발진 등이 발생되었을 때, 알레르기성 접촉 피부염인지 여부를 확인하고, 접촉성 피부염의 원인을 추정하기 위한 방법 및 이와 관련된 애플리케이션을 제공할 수 있다.
일 실시예에 따르면, 고해상도의 카메라 및 피부 확대경 장치를 통해 피부 질환군의 병변부 데이터를 획득하는 기술의 정확도를 향상시킬 수 있다.
일 실시예에 따르면, 영상 분석에 혼란을 줄 수 있는 노이즈(모발 및 이물질)을 제거하여 접촉성 피부염의 원인을 보다 정확하게 진단하는 기술을 개시할 수 있다.
일 실시예에 따르면, 기존 내원한 환자의 데이터 및 오픈 빅데이터에 기초하여 심층 신경망의 학습에 필요한 지도 학습 데이터 및 비지도 학습 데이터의 데이터셋을 구축할 수 있다.
일 실시예에 따르면, 문진 및 병변의 이미지에 기초하여 질병을 분류하고 중증도에 대한 진단 정보를 제공할 수 있다.
일 실시예에 다르면, 문진 및 병변의 이미지를 인공지능에 기반하여 분석하고, 분석 결과에 기초하여 접촉성 피부염을 발생시킨 것으로 추정되는 원인 물질과 이에 대응하는 가능성을 리스트화하여 환자에게 제공할 수 있다.
일 실시예에 따르면, 접촉성 피부염 등과 같은 피부 병변의 원인 물질에 노출될 수 있는 제품이나 상황 등에 대한 정보를 환자에게 제공하여, 환자에게 접촉성 피부염 등이 재발하는 것을 예방할 수 있다.
일 실시예에 따르면, 접촉성 피부염의 증상이 나타난 환자가 즉각적으로 원인 물질을 회피할 수 있도록 하여, 환자의 피부염이 악화되는 것을 예방할 수 있고, 환자의 피부염을 조기에 치료할 수 있다.
일 실시예에 따르면, 모바일 장치를 통해 제공되는 인공지능 진단 기술을 통해, 시진으로 진행되는 의료인의 주관적인 진단 결과의 수준을 질적으로 향상시킬 수 있다.
일 실시예에 따르면, 질병을 조기에 진단할 수 있고, 의료 서비스의 질적인 수준을 향상시키는 인공지능 기반의 비침습적인 진단 기술을 통해 사용자의 건강 증진에 기여할 수 있다.
도 1은 일 실시예에 따른 피부 병변의 원인 분석 시스템의 전체적인 개요를 도시하는 도면이다.
도 2는 일 실시예에 따른 피부 병변의 원인 분석 방법의 동작을 설명하기 위한 흐름도이다.
도 3은 일 실시예에 따른 피부 병변의 원인 분석 방법의 과정을 설명하기 위한 도면이다.
도 4는 일 실시예에 따른 피부 병변의 원인 분석 장치의 구성을 도시하는 도면이다.
도 5는 다른 실시예에 따른 피부 병변의 원인 분석 방법의 동작을 설명하기 위한 흐름도이다.
도 6은 다른 실시예에 따른 사용자 단말의 구성을 도시하는 도면이다.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.
실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
도 1은 일 실시예에 따른 피부 병변의 원인 분석 시스템의 전체적인 개요를 도시하는 도면이다.
피부 병변의 원인 분석 시스템은 이미지와 문진을 통해 이루어지는 피부 질환의 원인을 진단하는 방법을 개시할 수 있다. 피부 병변의 원인 분석 시스템은 인공지능(Artificial Intelligence) 모델 기반의 이미징 분석 기술을 이용하여 피부 질환에 대한 정확하고 객관적인 진단 기술을 제공할 수 있다.
일 실시예에서 피부 병변의 원인 분석 시스템은 임상 사진을 바탕으로 알레르기성 접촉 피부염과 그 외의 타 피부질환을 진단할 수 있다. 피부 병변의 원인 분석 시스템은 진단 결과에 기초하여, 질환과 관련될 수 있는 제품 리스트, 발생 가능한 질환의 증상/징후, 질환의 예방 및 치료 등에 대한 의학 정보를 포함하는 인체 부위별로 증상/징후를 발생시킬 수 있는 원인들에 대한 정보를 제공할 수 있다. 또한, 피부 병변의 원인 분석 시스템은 환자의 직업 등에 대한 설문 자료를 통해 보다 가능성이 높은 원인 물질 제시하는 인공지능 기반의 피부 병변의 원인 분석 방법을 제공할 수 있다.
피부 병변의 원인 분석 시스템은 임상 사진뿐만 아니라, 직업, 염색 이력, 착용한 악세서리, 향수 사용 여부, 사용하고 있는 화장품의 종류 및 취미 활동 등의 문진 정보를 이용함으로써 알레르기의 원인을 보다 명확하고 정확하게 제시할 수 있다.
일 실시예에 따른 피부 병변의 원인 분석 시스템은 병원 시설 내에서 사용될 수 있고, 다른 실시예에 따른 피부 병변의 원인 분석 시스템은, 사용자의 일반 생활 과정에서 피부에 질환이 발생한 것으로 의심되는 경우, 이를 모바일 장치를 통해 간편하고 신속하게 진단받아 볼 수 있는 애플리케이션을 통해 제공될 수 있다. 일 실시예에 따른 피부 병변의 원인 분석 시스템은 피부 병변의 원인 분석 장치를 통해 피부 병변의 원인 분석 방법을 수행할 수 있고, 다른 실시예에 따른 피부 병변의 원인 분석 시스템은 사용자 단말로부터 제공받은 이미지 데이터 및 문진 데이터에 기초하여 서버를 통해 피부 병변의 원인 분석 방법을 수행할 수 있다.
도 1을 참조하면, 학습된 뉴럴 네트워크 모델(120)은 피부에 가려움을 유발하거나 발진이 발생하는 것과 같은 징후가 나타난 피부 병변에 대한 이미지 데이터 및 문진 데이터(110)를 입력받아 피부 병변의 적어도 하나의 발생 원인에 대한 진단 정보를 포함하는 진단 데이터(130)를 출력할 수 있다.
뉴럴 네트워크 모델은 기존 내원한 환자의 데이터 및 오픈 빅데이터에 기초하여 구축된 지도 학습 데이터 및 비지도 학습 데이터의 데이터셋에 기초하여 학습될 수 있다. 학습된 뉴럴 네트워크 모델(120)은 예를 들어 컨볼루션 신경망일 수 있고, 두 개의 층(122 및 124)와 분류기(126)를 포함할 수 있다. 학습된 뉴럴 네트워크 모델(120)은 제1 층(122)과 제2 층(124)에서 특징 값을 추출하여 추출한 특징 값을 특징지도에서 매핑하고, 분류기(126)에서 특징 값에 대응하는 진단 데이터를 결정할 수 있다.
진단 데이터는 사용자의 피부에 나타난 피부 병변에 대한 진단 정보, 피부 병변과 관련될 수 있는 제품 리스트, 제품으로 인하여 발생할 수 있는 피부 질환의 종류, 피부 질환의 예방 및 치료 방법 등에 대한 의학 정보와 신체 부위별로 발생 가능한 피부 질환의 원인들에 대한 정보를 포함할 수 있다.
도 2는 일 실시예에 따른 피부 병변의 원인 분석 방법의 동작을 설명하기 위한 흐름도이다.
도 2를 참조하면 단계(210)에서 피부 병변의 원인 분석 장치는 피부 병변에 대한 이미지 데이터 및 문진 데이터를 수집할 수 있다. 예를 들어, 의사는 피부 병변이 나타난 환자의 피부 병변에 대한 이미지를 피부 병변의 원인 분석 장치의 카메라를 통해 피부 병변의 원인 분석 장치에 입력하거나, 기 촬영된 이미지 데이터를 피부 병변의 원인 분석 장치에 입력할 수 있다. 또한, 의사는 문진이나 설문지를 통해 문진 데이터를 수집하고, 수집한 문진 데이터를 피부 병변의 원인 분석 장치에 입력할 수 있다. 실시예에 따라 사용자는 또는 사용자는 문진을 통해 피부 병변의 원인 분석 장치에 문진 데이터를 입력할 수 있다.
피부 병변의 원인 분석 장치 수집한 이미지 데이터에 포함된 노이즈 성분을 제거할 수 있다. 여기서 노이즈 성분은 모발 및 이물질이나 또는 영상 분석에 혼란을 줄 수 있는 요소를 포함할 수 있다. 피부 병변의 원인 분석 장치는 노이즈 성분이 제거된 이미지 데이터의 크기를 미리 정해진 기준 크기로 조정하는 이미지 데이터 정규화를 수행할 수 있다. 피부 병변의 원인 분석 장치는 이미지 데이터의 크기를 미리 정해진 기준 크기로 조정하여, 이미지 데이터를 영상 분석 알고리즘에서 요구되는 표준 크기로 변환할 수 있다.
문진 데이터는 예를 들어, 피부 병변의 징후가 나타난 사용자의 직업, 사용자에게 피부 병변이 나타나기 이전의 행동, 피부 병변이 나타난 신체 부위 및 피부 병변과 관련된 사용자의 특징 중 적어도 하나를 포함할 수 있다. 피부 병변과 관련된 사용자의 특징은 사용자가 여행을 다녀온 이력이 있는지에 대한 정보를 포함하고, 여행을 다녀온 이력이 있다면 여행지에 대한 정보를 포함할 수 있다. 또한, 피부 병변과 관련된 사용자의 특징은 사용자의 취미, 사용자의 염색 여부, 사용자의 액세서리 착용 여부, 사용자의 향수 사용 여부 및 사용자의 최근 화장품 교체 여부 등과 같이 사용자의 피부에 가려움이나 발진 등을 일으킬 수 있는 요소와 관련된 사용자의 특이 사항들을 포함할 수 있다.
단계(220)에서 피부 병변의 원인 분석 장치는 이미지 데이터 및 문진 데이터를 입력으로 하는 뉴럴 네트워크 모델을 이용하여 피부 병변에 대한 진단 데이터를 결정할 수 있다.
일 실시예에서 뉴럴 네트워크 모델은 피부 병변이 발생한 신체 부위별로 수집된 제1 학습 데이터 및 사용자의 피부에 접촉된 소재별로 발생한 피부 병변이 나타난 제2 학습 데이터 및 각 학습 데이터에 대응하는 환자의 연령 및 성별 등과 같은 기본 정보 중 적어도 하나를 포함하는 학습 데이터를 이용하여 학습된 모델일 수 있다. 학습 데이터는 기존에 저장된 환자 데이터 및 오픈 빅데이터에 기초하여 생성될 수 있다. 뉴럴 네트워크 모델은 예를 들어, 컨볼루션 신경망(Convolutional　Neural　Network; CNN)일 수 있고, 또는 실시예에 따라 레스넷-50(ResNet-50)일 수도 있다. 뉴럴 네트워크 모델은, 이미지 데이터에 대하여 분석 및 판독을 수행하고, 분석 및 판독의 결과에 대응하는 진단 정보를 결정하여 진단 데이터를 결정할 수 있다.
뉴럴 네트워크 모델은 피부 병변이 나타난 피부 병변에 대한 이미지 데이터와 각 이미지 데이터에 대응하는 문진 데이터 및 각 이미지 데이터에 대응하는 피부 병변의 발생 원인 대한 진단 정보 중 적어도 하나를 포함하는 학습 데이터에 의해 학습될 수 있다. 학습 데이터에 포함된 이미지 데이터는 원본 이미지 데이터에서 노이즈가 제거되고, 화질이 개선되는 과정을 통해 데이터 전처리가 수행된 상태일 수 있다. 학습 데이터는 이미지 전처리가 수행된 이미지 데이터를 각 이미지 데이터에 대응하는 문진 데이터 및 이미지 데이터에 대응하는 피부 병변의 발생 원인 대한 진단 정보에 기초하여 분류되어 있을 수 있다.
위 실시예에서 진단 데이터는, 피부 병변의 적어도 하나의 발생 원인에 대한 진단 정보를 포함할 수 있다. 또한, 실시예에 따라 진단 데이터는 피부 병변의 원인, 피부 병변과 관련된 제품 정보, 각 원인 및 제품으로 인하여 피부 병변이 발생하였을 가능성 지수, 피부 병변에 대한 질환의 분류 정보, 질환에 대한 중증도 정보, 질환에 대한 치료 정보 및 질환에 대한 예방 정보 중 적어도 하나를 포함할 수 있다. 예를 들어, 사용자가 최근 7일 이내에 염색을 하였고, 머리와 귀 주변에 가려움증과 색소 침착이 발생하였다면, 진단 데이터에는 염모제에 대한 제품 정보, 염모제로 인하여 피부 병변 발생하였을 가능성 지수, 염모제로 인한 피부 병변에 대한 질환의 분류 정보, 염모제로 인한 질환에 대한 중증도 정보, 염모제로 인한 질환에 대한 치료 정보 및 염모제로 인한 질환에 대한 예방 방법 중 적어도 하나를 포함할 수 있다. 또 다른 예에서, 사용자가 최근 고무장갑을 교체하였고, 손등과 손목에 홍반 및 부종 등의 피부염이 나타났다면, 진단 데이터는 고무장갑이 피부 병변의 원인일 가능성 지수, 알레르기성 접촉성 피부염을 발생시킬 수 있는 고무장갑의 성분 및 알레르기 유발 성분이 없는 고무장갑에 대한 정보 중 적어도 하나를 포함할 수 있다. 또 다른 예에서, 사용자의 직업이 고철 수집과 관련된 경우, 진단 데이터는 니켈에 의한 금속 알레르기 증상의 발생 가능성에 대한 정보를 포함할 수 있다.
단계(230)에서 피부 병변의 원인 분석 장치는 디스플레이를 통해 진단 데이터를 제공할 수 있다. 진단 데이터는 피부 병변의 하나 이상의 원인을 포함할 수 있어, 사용자는 진단 데이터를 리스트 형태로 제공받을 수도 있다.
도 3은 일 실시예에 따른 피부 병변의 원인 분석 방법의 과정을 설명하기 위한 도면이다.
도 3을 참조하면 피부 병변의 원인 분석 장치는 피부 병변이 나타난 피부 병변에 대한 원본 이미지 데이터(310)에 대해 이미지 전처리를 수행할 수 있다. 피부 병변의 원인 분석 장치는 원본 이미지 데이터(310)에 대해 이미지 전처리를 수행하여, 전처리된 이미지 데이터(320)를 획득할 수 있다. 피부 병변의 원인 분석 장치는 원본 이미지 데이터(310)의 노이즈를 제거하고 크기를 미리 정해진 기준 크기로 조정함으로써 전처리된 이미지 데이터(320)를 획득할 수 있다. 피부 병변의 원인 분석 장치는 학습된 뉴럴 네트워크 모델(330)에 전처리된 이미지 데이터(320)를 입력하여 결과 값(340)을 획득할 수 있다. 피부 병변의 원인 분석 장치는 결과 값(340)을 분류 모듈(350)에 입력하여 진단 데이터(360)를 출력할 수 있다. 분류 모듈(350)은 랜덤 포레스트(random forest)를 통해 구축될 수 있다.
일 실시예에서 뉴럴 네트워크 모델은, 이미지 데이터와 이미지 데이터에 대응하는 진단 정보를 포함하는 학습 데이터에 기초하여 학습될 수 있다. 뉴럴 네트워크 모델은 전처리된 이미지 데이터를 입력받아 이미지 데이터에 대응하는 진단 정보를 포함하는 결과 값을 출력하도록 파라미터가 조정되어 학습될 수 있다.
도 4는 일 실시예에 따른 피부 병변의 원인 분석 장치의 구성을 도시하는 도면이다.
도 4를 참조하면 일 실시예에서 피부 병변의 원인 분석 장치(400)는 수집부(410), 이미지 데이터 전처리부(420), 저장부(430), 진단 데이터 결정부(440) 및 진단 데이터 제공부(450)를 포함할 수 있다. 여기서, 피부 병변의 원인 분석 장치(400)는 본 명세서에서 설명하는 피부 병변의 원인 분석 장치에 대응할 수 있다.
수집부(410)는 피부 병변이 나타난 피부 병변에 대한 이미지 데이터 및 문진 데이터를 수집할 수 있다. 수집부(410)는 이미지 데이터 획득부 및 문진 데이터 획득부를 포함할 수 있다. 이미지 데이터 획득부는 이미지 데이터를 획득할 수 있고, 예를 들어 카메라를 포함할 수 있다. 문진 데이터 획득부는 문진 데이터를 획득할 수 있고, 예를 들어, 사용자 또는 의사가 문진 데이터를 입력할 수 있는 사용자 입력 인터페이스를 포함할 수 있다.
이미지 데이터 전처리부(420)는 이미지 데이터에 포함된 노이즈 성분을 제거하고, 노이즈 성분이 제거된 이미지 데이터의 크기를 미리 정해진 기준 크기로 조정하여, 크기가 조정된 이미지 데이터를 진단 데이터 결정부(420)로 전달할 수 있다. 이미지 데이터 전처리부(420)는 실시예에 따라 수집부(410)에 포함될 수 있고, 또는 수집부(410)의 외부에 위치해 있을 수도 있다.
진단 데이터 결정부(440)는 학습된 뉴럴 네트워크 모델에 이미지 전처리가 수행된 이미지 데이터와 문진 데이터를 입력으로 하는 학습된 뉴럴 네트워크 모델을 이용하여 피부 병변에 대한 진단 데이터를 결정할 수 있다. 뉴럴 네트워크 모델은 예를 들어, 컨볼루션 신경망일 수 있다.
진단 데이터 제공부(450)는 디스플레이를 통해 진단 데이터를 제공할 수 있다. 진단 데이터 제공부(450)는 리스트 형태의 진단 데이터를 피부 병변의 원인 분석 장치의 모니터 등을 통해 출력할 수 있다. 또한, 실시예에 따라 진단 데이터 제공부(450)는 진단 데이터를 종이에 출력된 형태로도 진단 데이터를 제공할 수도 있다.
저장부(430)는 피부 병변의 원인 분석 장치(400)가 피부 병변의 원인 분석 방법을 수행하는 것과 관련된 데이터를 저장할 수 있다. 예를 들어, 저장부(430)는 진단 데이터 결정부(440)에 포함된 학습된 뉴럴 네트워크 모델의 파라미터 정보를 저장할 수 있다. 또한, 저장부(430)는 피부 병변이 나타난 피부 병변에 대한 이미지 데이터 및 이미지 데이터에 대응하는 문진 데이터와 진단 정보를 저장할 수 있다.
도 5는 다른 실시예에 따른 피부 병변의 원인 분석 방법의 동작을 설명하기 위한 흐름도이다.
다른 실시예에서, 사용자는 사용자 단말(505)을 통해 피부 병변의 원인 분석 방법을 제공받을 수 있다. 사용자는 사용자 단말(505)에서 실행된 피부 병변의 원인 분석 방법과 관련된 애플리케이션을 실행시킴으로써, 병원에 방문하지 않고, 또는 의사와 대면하지 않고도 피부 병변의 원인 분석 방법을 제공받을 수 있다.
다른 실시예에 따른 피부 병변의 원인 분석 방법은 서버(510)가 사용자 단말(505)을 통해 수집된 이미지 데이터와 문진 데이터에 기초하여 진단 데이터를 결정하고, 사용자 단말(505)에 진단 데이터를 전송함으로써 수행될 수 있다.
사용자 단말(505)은 단계(515)에서 사용자가 피부 병변의 원인 분석 방법을 제공받는 것과 관련된 애플리케이션을 실행시킬 수 있다. 여기서, 사용자 단말(505)은 사용자의 스마트폰, 태블릿 PC, PDA(personal digital assistant) 및 랩탑 등과 같은 휴대용 스마트 단말 장치일 수 있고, 또는 데스크탑일 수도 있다.
사용자 단말(505)은 단계(520)에서 사용자 입력을 통해 피부 병변이 나타난 피부 병변에 대한 이미지 데이터 및 문진 데이터를 수집할 수 있다. 예를 들어, 사용자는 사용자 단말(505)에 장착된 카메라를 통해 피부 병변이 나타난 피부 병변을 촬영할 수 있다. 또한, 사용자는 사용자 단말(505)의 화면에 출력된 문진 데이터를 입력하는 것과 관련된 인터페이스에 기초하여 문진 데이터를 사용자 단말(505)에 입력할 수 있다.
사용자 단말(505)은 단계(525)에서, 수집한 이미지 데이터 및 문진 데이터를 서버(510)에 전송할 수 있다. 서버(510)는 단계(530)에서, 수신한 이미지 데이터에 대한 이미지 전처리를 수행할 수 있다. 서버(510)는 이미지 데이터의 노이즈를 제거하고, 이미지 데이터를 알고리즘에 적합한 사이즈로 변형하여 이미지 데이터에 대한 이미지 전처리를 수행할 수 있다.
서버(510)는 단계(535)에서, 전처리된 이미지 데이터와 문진 데이터에 기초하여 진단 데이터를 결정할 수 있다. 서버(510)는 뉴럴 네트워크 모델에 이미지 데이터와 문진 데이터를 입력하여 획득한 출력 값에 기초하여 진단 데이터를 결정할 수 있다.
단계(540)에서 서버(510)는 결정된 진단 데이터를 사용자 단말(505)로 전송할 수 있다. 사용자 단말(505)은 전송에 응답하여, 단계(545)에서 진단 데이터를 사용자에게 제공하는 것에 대한 인터페이스를 출력할 수 있다.
도 6은 다른 실시예에 따른 사용자 단말의 구성을 도시하는 도면이다.
도 6을 참조하면, 사용자 단말(600)은 본 명세서에서 설명된 사용자 단말에 대응할 수 있다. 사용자 단말(600)은 프로세서(610), 메모리(620) 및 통신기(630)를 포함할 수 있다. 또한, 사용자 단말(600)은 사용자 입력 인터페이스(640) 디스플레이(650) 및 카메라(660)를 더 포함할 수 있다.
메모리(620)는 프로세서(610)에 연결되고, 프로세서(610)에 의해 실행가능한 인스트럭션들, 프로세서(610)가 연산할 데이터 또는 프로세서(610)에 의해 처리된 데이터를 저장할 수 있다. 메모리(620)는 비일시적인 컴퓨터 판독가능 매체, 예컨대 고속 랜덤 액세스 메모리 및/또는 비휘발성 컴퓨터 판독가능 저장 매체(예컨대, 하나 이상의 디스크 저장 장치, 플래쉬 메모리 장치, 또는 기타 비휘발성 솔리드 스테이트 메모리 장치)를 포함할 수 있다.
통신기(630)는 외부 장치(예를 들어, 서버)와 통신하기 위한 인터페이스를 제공한다. 예를 들어, 통신기(630)는 유선 또는 무선 네트워크를 통해 외부 장치와 통신할 수 있다. 통신기(630)는 이미지 데이터 및 문진 데이터를 서버에 전송할 수 있고, 서버로부터 진단 데이터를 수신할 수 있다.
디스플레이(650)는 사용자 단말(600)이 피부 병변의 원인 분석 방법을 제공받는 것과 관련된 화면을 디스플레이할 수 있다. 예를 들어, 디스플레이(650)는 알레르기의 원인을 검출하는 것과 관련된 애플리케이션을 실행하는 것과 관련된 화면을 디스플레이할 수 있고, 서버로부터 수신한, 피부 병변(예, 접촉성 피부염)에 대한 진단 데이터를 디스플레이할 수 있다. 카메라(660)는 피부 병변이 나타난 이미지 데이터를 획득할 수 있다.
또한 사용자 입력 인터페이스(640)는 사용자에 의해 입력되는 애플리케이션에 대한 실행 요청 및 문진 데이터를 수신할 수 있다. 예를 들어 사용자 입력 인터페이스(640)는 터치 스크린이 될 수 있다.
프로세서(610)는 사용자 단말(600)의 동작과 관련된 하나 이상의 동작을 사용자 단말(600)이 수행할 수 있도록 사용자 단말(600)을 제어할 수 있다.
예를 들어, 프로세서(610)는 사용자 단말(600)이 징후가 나타난 피부 병변의 원인을 검출하는 것에 대한 애플리케이션을 실행시키고, 사용자 입력을 통해 징후가 나타난 피부 병변에 대한 이미지 데이터 및 문진 데이터를 수집하도록 사용자 단말(600)을 제어할 수 있다.
또한, 프로세서(610)는 사용자 단말(600)이 이미지 데이터 및 문진 데이터를 서버에 전송하고, 전송에 응답하여, 서버로부터 피부 병변에 대한 진단 데이터를 수신하도록 사용자 단말(600)을 제어할 수 있다.
프로세서(610)는 사용자 단말(600)이 사용자 입력을 입력받는 것과, 수신한 진단 데이터를 사용자에게 제공하는 것에 대한 인터페이스를 출력하도록 사용자 단말(600)을 제어할 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.

Claims (18)

  1. 인공지능 기술을 이용한 피부 병변의 원인 분석 방법에 있어서,
    피부 병변에 대한 이미지 데이터 및 문진 데이터를 수집하는 단계;
    상기 이미지 데이터 및 상기 문진 데이터를 입력으로 하는 뉴럴 네트워크 모델을 이용하여 상기 피부 병변에 대한 진단 데이터를 결정하는 단계; 및
    디스플레이를 통해 상기 진단 데이터를 제공하는 단계를 포함하고,
    상기 진단 데이터는, 상기 징후의 적어도 하나의 발생 원인에 대한 진단 정보를 포함하는,
    피부 병변의 원인 분석 방법.
  2. 제1항에 있어서,
    상기 진단 데이터는,
    상기 피부 병변의 발생 원인, 상기 피부 병변의 발생 원인과 관련된 제품 정보, 상기 각 원인 및 제품으로 인하여 상기 피부 병변이 발생하였을 가능성 지수, 상기 피부 병변에 대한 질환의 분류 정보, 상기 질환에 대한 중증도 정보, 상기 질환에 대한 치료 정보 및 상기 질환에 대한 예방 정보 중 적어도 하나를 포함하는,
    피부 병변의 원인 분석 방법.
  3. 제1항에 있어서,
    상기 뉴럴 네트워크 모델은,
    피부 병변이 발생한 신체 부위별로 수집된 제1 학습 데이터 및 사용자의 피부에 접촉된 소재별로 발생한 피부 병변이 나타난 제2 학습 데이터 중 적어도 하나를 포함하는 학습 데이터를 이용하여 학습된 모델인,
    피부 병변의 원인 분석 방법.
  4. 제3항에 있어서,
    상기 뉴럴 네트워크 모델은,
    컨볼루션 신경망(Convolutional　Neural　Network; CNN)인,
    피부 병변의 원인 분석 방법.
  5. 제1항에 있어서,
    상기 문진 데이터는,
    상기 피부 병변이 나타난 사용자의 직업, 상기 사용자에게 상기 피부 병변이 나타나기 이전의 행동, 상기 피부 병변이 나타난 부위 및 상기 피부 병변과 관련된 상기 사용자의 특징 중 적어도 하나를 포함하는,
    피부 병변의 원인 분석 방법.
  6. 제1항에 있어서,
    상기 이미지 데이터를 수집하는 단계는,
    상기 이미지 데이터에 포함된 노이즈 성분을 제거하는 단계; 및
    상기 노이즈 성분이 제거된 이미지 데이터의 크기를 미리 정해진 기준 크기로 조정하는 단계
    를 포함하는,
    피부 병변의 원인 분석 방법.
  7. 제1항의 방법을 실행시키기 위한 인스트럭션들을 저장하는 컴퓨터 판독 가능한 저장 매체.
  8. 인공지능 기술을 이용한 피부 병변의 원인 분석 방법을 수행하는 피부 병변의 원인 분석 장치에 있어서,
    피부 병변이 나타난 이미지 데이터 및 문진 데이터를 수집하는 수집부;
    상기 이미지 데이터 및 상기 문진 데이터를 입력으로 하는 뉴럴 네트워크 모델을 이용하여 상기 피부 병변에 대한 진단 데이터를 결정하는 진단 데이터 결정부;
    디스플레이를 통해 상기 진단 데이터를 제공하는 진단 데이터 제공부
    를 포함하고,
    상기 진단 데이터는, 상기 피부 병변의 적어도 하나의 발생 원인에 대한 진단 정보를 포함하는,
    피부 병변의 원인 분석 장치.
  9. 제8항에 있어서,
    상기 진단 데이터는,
    상기 피부 병변의 발생 원인, 상기 피부 병변의 발생 원인과 관련된 제품 정보, 상기 각 원인 및 제품으로 인하여 상기 피부 병변이 발생하였을 가능성 지수, 상기 피부 병변에 대한 질환의 분류 정보, 상기 질환에 대한 중증도 정보, 상기 질환에 대한 치료 정보 및 상기 질환에 대한 예방 정보 중 적어도 하나를 포함하는,
    피부 병변의 원인 분석 장치.
  10. 제8항에 있어서,
    상기 뉴럴 네트워크 모델은,
    피부 병변이 발생한 신체 부위별로 수집된 제1 학습 데이터 및 사용자의 피부에 접촉된 소재별로 발생한 피부 병변이 나타난 제2 학습 데이터 중 적어도 하나를 포함하는 학습 데이터를 이용하여 학습된 모델인,
    피부 병변의 원인 분석 장치.
  11. 제10항에 있어서,
    상기 뉴럴 네트워크 모델은,
    컨볼루션 신경망(Convolutional　Neural　Network; CNN)인,
    피부 병변의 원인 분석 장치.
  12. 제8항에 있어서,
    상기 문진 데이터는,
    상기 피부 병변이 나타난 사용자의 직업, 상기 사용자에게 상기 피부 병변이 나타나기 이전의 행동, 상기 피부 병변이 나타난 부위 및 상기 피부 병변과 관련된 상기 사용자의 특징 중 적어도 하나를 포함하는,
    피부 병변의 원인 분석 장치.
  13. 제8항에 있어서,
    상기 이미지 데이터에 포함된 노이즈 성분을 제거하고, 상기 노이즈 성분이 제거된 이미지 데이터의 크기를 미리 정해진 기준 크기로 조정하여, 상기 크기가 조정된 이미지 데이터를 상기 진단 데이터 결정부로 전달하는 이미지 데이터 전처리부
    를 더 포함하는,
    피부 병변의 원인 분석 장치.
  14. 사용자 단말에 있어서,
    메모리 및 프로세서를 포함하고,
    상기 메모리는 상기 프로세서에 의해 실행 가능한 인스트럭션들(instructions)을 저장하고,
    상기 인스트럭션들이 상기 프로세서에 의해 실행될 때, 상기 프로세서는 상기 사용자 단말이,
    피부 병변의 원인을 분석하는 애플리케이션을 실행시키고,
    사용자 입력을 통해 상기 피부 병변에 대한 이미지 데이터 및 문진 데이터를 수집하고,
    상기 이미지 데이터 및 상기 문진 데이터를 서버에 전송하고,
    상기 전송에 응답하여, 상기 서버로부터 상기 피부 병변에 대한 진단 데이터를 수신하고,
    상기 수신한 진단 데이터를 상기 사용자에게 제공하는 것에 대한 인터페이스를 출력하도록 상기 사용자 단말을 제어하는,
    사용자 단말.
  15. 제14항에 있어서,
    상기 프로세서는 상기 사용자 단말이,
    상기 사용자 입력을 입력받는 것에 대한 인터페이스를 출력하도록 상기 사용자 단말을 제어하는,
    사용자 단말.
  16. 제14항에 있어서,
    상기 서버는,
    상기 이미지 데이터에 대하여 이미지 전처리를 수행하고, 상기 전처리가 수행된 이미지 데이터 및 상기 문진 데이터에 기초하여 상기 진단 데이터를 결정하는,
    사용자 단말.
  17. 제14항에 있어서,
    상기 진단 데이터는,
    상기 피부 병변의 발생 원인, 상기 피부 병변의 발생 원인과 관련된 제품 정보, 상기 각 원인 및 제품으로 인하여 상기 피부 병변이 발생하였을 가능성 지수, 상기 피부 병변에 대한 질환의 분류 정보, 상기 질환에 대한 중증도 정보, 상기 질환에 대한 치료 정보 및 상기 질환에 대한 예방 정보 중 적어도 하나를 포함하는,
    사용자 단말.
  18. 제14항에 있어서,
    상기 문진 데이터는,
    상기 피부 병변이 나타난 사용자의 직업, 상기 사용자에게 상기 피부 병변이 나타나기 이전의 행동, 상기 피부 병변이 나타난 부위 및 상기 피부 병변과 관련된 상기 사용자의 특징 중 적어도 하나를 포함하는,
    사용자 단말.
PCT/KR2021/003963 2020-04-01 2021-03-31 피부 병변의 원인 분석 방법 및 장치 WO2021201582A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020200039870A KR20210122560A (ko) 2020-04-01 2020-04-01 피부 병변의 원인 분석 방법 및 장치
KR10-2020-0039870 2020-04-01

Publications (1)

Publication Number Publication Date
WO2021201582A1 true WO2021201582A1 (ko) 2021-10-07

Family

ID=77929261

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/003963 WO2021201582A1 (ko) 2020-04-01 2021-03-31 피부 병변의 원인 분석 방법 및 장치

Country Status (2)

Country Link
KR (1) KR20210122560A (ko)
WO (1) WO2021201582A1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230134202A (ko) * 2022-03-14 2023-09-21 주식회사 고운세상코스메틱 인공 신경망을 이용하여 피부 상태 또는 피부 유형을 결정하기 위한 장치, 방법 및 명령을 기록한 기록 매체
KR20240033858A (ko) * 2022-09-06 2024-03-13 연세대학교 산학협력단 사마귀 또는 티눈 예측에 대한 정보 제공 방법 및 이를 이용한 장치

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150254851A1 (en) * 2012-11-09 2015-09-10 Skin Analytics Ltd Skin image analysis
KR20170099153A (ko) * 2016-02-23 2017-08-31 송철수 스마트 폰을 이용한 사용자의 피부 상태 모니터링 및 빅 데이터 분석 시스템 및 그 방법
KR101857624B1 (ko) * 2017-08-21 2018-05-14 동국대학교 산학협력단 임상 정보를 반영한 의료 진단 방법 및 이를 이용하는 장치
KR102041906B1 (ko) * 2019-03-06 2019-11-07 주식회사 에프앤디파트너스 안면피부촬영장치를 통해 촬영된 영상 이미지를 활용하여 피부질환을 판별하는 인공지능 기반의 안면 피부질환 판별용 api 엔진
KR20200027091A (ko) * 2018-08-31 2020-03-12 주식회사 비플컨설팅 환자의 주증상과 진단 관계에 대하여 인공신경망 기법을 이용하여 유사성 정도를 추론하여 진단 사례를 추천하는 시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150254851A1 (en) * 2012-11-09 2015-09-10 Skin Analytics Ltd Skin image analysis
KR20170099153A (ko) * 2016-02-23 2017-08-31 송철수 스마트 폰을 이용한 사용자의 피부 상태 모니터링 및 빅 데이터 분석 시스템 및 그 방법
KR101857624B1 (ko) * 2017-08-21 2018-05-14 동국대학교 산학협력단 임상 정보를 반영한 의료 진단 방법 및 이를 이용하는 장치
KR20200027091A (ko) * 2018-08-31 2020-03-12 주식회사 비플컨설팅 환자의 주증상과 진단 관계에 대하여 인공신경망 기법을 이용하여 유사성 정도를 추론하여 진단 사례를 추천하는 시스템
KR102041906B1 (ko) * 2019-03-06 2019-11-07 주식회사 에프앤디파트너스 안면피부촬영장치를 통해 촬영된 영상 이미지를 활용하여 피부질환을 판별하는 인공지능 기반의 안면 피부질환 판별용 api 엔진

Also Published As

Publication number Publication date
KR20210122560A (ko) 2021-10-12

Similar Documents

Publication Publication Date Title
WO2021201582A1 (ko) 피부 병변의 원인 분석 방법 및 장치
WO2021049729A1 (ko) 인공지능 모델을 이용한 폐암 발병 가능성 예측 방법 및 분석 장치
WO2020242239A1 (ko) 앙상블 학습 알고리즘을 이용한 인공지능 기반 진단 보조 시스템
Muhaba et al. Automatic skin disease diagnosis using deep learning from clinical image and patient information
WO2021137454A1 (ko) 인공지능 기반의 사용자 의료정보 분석 방법 및 시스템
WO2021246700A1 (ko) 사용자 상태를 예측하기 위한 방법 및 그 장치
WO2022131642A1 (ko) 의료 영상 기반 질환 중증도 결정 장치 및 방법
WO2021230534A1 (ko) 안와 및 안와주변 병변 예측 장치 및 그 예측 방법
US20220375610A1 (en) Multi-Variable Heatmaps for Computer-Aided Diagnostic Models
Khatwani et al. A flexible multichannel EEG artifact identification processor using depthwise-separable convolutional neural networks
WO2019189972A1 (ko) 치매를 진단을 하기 위해 홍채 영상을 인공지능으로 분석하는 방법
WO2024005542A1 (ko) 주름 검출을 통해 질환을 예측하는 방법 및 장치
Kommoss et al. Observational study investigating the level of support from a convolutional neural network in face and scalp lesions deemed diagnostically ‘unclear’by dermatologists
WO2023121051A1 (ko) 환자 정보 제공 방법, 환자 정보 제공 장치, 및 컴퓨터 판독 가능한 기록 매체
WO2020246676A1 (ko) 자궁경부암 자동 진단 시스템
WO2022158843A1 (ko) 조직 검체 이미지 정제 방법, 및 이를 수행하는 컴퓨팅 시스템
Elabbas et al. Classification of Otitis Media Infections using Image Processing and Convolutional Neural Network
WO2022191539A1 (ko) Turp 병리 이미지로부터 전립선암을 검출하기 위한 용도의 인공 뉴럴 네트워크를 학습하는 방법 및 이를 수행하는 컴퓨팅 시스템
WO2021177771A1 (ko) 의료 영상으로부터 바이오마커 발현을 예측하는 방법 및 시스템
WO2018147674A1 (ko) 의료 영상에 기반하여 상태를 진단하는 장치 및 방법
WO2022119347A1 (ko) 초음파 영상 기반의 딥 러닝을 통한 관상동맥 경화반 조직 분석 방법, 장치 및 기록매체
KR20230054286A (ko) 딥 러닝을 이용한 이미지 분석 기반의 피부 진단 시스템 및 방법
WO2024053996A1 (ko) 사마귀 또는 티눈 예측에 대한 정보 제공 방법 및 이를 이용한 장치
WO2023063772A1 (ko) 딥 러닝을 이용한 이미지 분석 기반의 피부 진단 시스템 및 방법
WO2023018257A1 (ko) 사용자 문진 데이터와 피부 영상 데이터를 이용한 접촉 피부염의 원인 추정 방법 및 장치

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21780981

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21780981

Country of ref document: EP

Kind code of ref document: A1