WO2022265345A1 - 3d 프린터를 이용하여 태아 영상에 대한 모형을 출력하기 위한 시스템, 3d 프린터 출력용 파일을 생성하는 장치, 방법 - Google Patents

3d 프린터를 이용하여 태아 영상에 대한 모형을 출력하기 위한 시스템, 3d 프린터 출력용 파일을 생성하는 장치, 방법 Download PDF

Info

Publication number
WO2022265345A1
WO2022265345A1 PCT/KR2022/008388 KR2022008388W WO2022265345A1 WO 2022265345 A1 WO2022265345 A1 WO 2022265345A1 KR 2022008388 W KR2022008388 W KR 2022008388W WO 2022265345 A1 WO2022265345 A1 WO 2022265345A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
fetal
fetus
printer
output
Prior art date
Application number
PCT/KR2022/008388
Other languages
English (en)
French (fr)
Inventor
고현선
조지혜
Original Assignee
가톨릭대학교 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
Priority claimed from KR1020220070767A external-priority patent/KR20220169902A/ko
Application filed by 가톨릭대학교 산학협력단 filed Critical 가톨릭대학교 산학협력단
Publication of WO2022265345A1 publication Critical patent/WO2022265345A1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B17/00—Surgical instruments, devices or methods, e.g. tourniquets
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C64/00—Additive manufacturing, i.e. manufacturing of three-dimensional [3D] objects by additive deposition, additive agglomeration or additive layering, e.g. by 3D printing, stereolithography or selective laser sintering
    • B29C64/30—Auxiliary operations or equipment
    • B29C64/386—Data acquisition or data processing for additive manufacturing
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B33—ADDITIVE MANUFACTURING TECHNOLOGY
    • B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
    • B33Y50/00—Data acquisition or data processing for additive manufacturing
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B33—ADDITIVE MANUFACTURING TECHNOLOGY
    • B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
    • B33Y80/00—Products made by additive manufacturing
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B23/00—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes
    • G09B23/28—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes for medicine

Definitions

  • the present disclosure relates to a system for outputting a model for a fetal image using a 3D printer. More specifically, the present disclosure relates to a system for outputting a model for a fetal image using a 3D printer, and an apparatus and method for generating a file for output by a 3D printer.
  • congenital diseases are also very diverse, but there is a limit to experiencing them through patients, and the educational effect is very different between memorizing various cases by looking at them in books or on the Internet and checking with your own hands how they look in actual ultrasound.
  • Embodiments disclosed in the present disclosure provide that by generating a model based on a fetal image, a surgical simulation process can be performed based on the same model before an actual fetus is operated or operated, thereby increasing the success rate of the operation or surgery. But it has a purpose.
  • embodiments disclosed in the present disclosure have an object to provide that the probability of mothers giving up a fetus having a severe congenital disease can be reduced by increasing the success rate of fetal treatment or treatment of newborns after birth.
  • a method for generating a file for 3D printer output according to an aspect of the present disclosure for achieving the above-described technical problem is a method for generating a file for output by a 3D printer for outputting a model for a fetal image performed by a device, the fetus image obtaining; generating respective 3D images by separating at least one pre-set fetal organ from among the baby house, the amniotic fluid, the fetus, and the fetal organ from the fetal image; And corresponding to the generated at least one fetal organ Converting the 3D image into a 3D printer output file and outputting it; can include
  • the fetal image may be characterized in that a plurality of fetal image data as metadata are learned and output based on an artificial intelligence model.
  • the file for outputting the 3D printer is generated by matching the state information of the fetus to the fetal image.
  • the condition information of the fetus may include at least one of a normal state, a state with a congenital disease, and a state with a severe congenital disease.
  • the 3D printer output file may include 3D printer material information matched to each of the 3D images.
  • Transmitting the 3D printer output file to a 3D printer so as to output a model of the fetus image may further include.
  • An apparatus for generating a file for output by a 3D printer includes: a memory in which a fetal image is pre-stored; and a processor controlling an operation related to generation of the file for outputting the 3D printer, wherein the processor obtains the fetal image, and selects at least one fetus set in advance from among a baby house, an amniotic fluid, a fetus, and organs of the fetus in the fetal image. It may be characterized in that each 3D image is generated by separating the organs of the fetus, and the 3D image corresponding to the generated at least one fetal organ is converted into a file for output by a 3D printer and output.
  • the fetal image may be characterized in that a plurality of fetal image data as metadata are learned and output based on an artificial intelligence model.
  • the processor may be characterized in that the file for outputting the 3D printer is generated by matching the state information of the fetus to the fetus image.
  • the condition information of the fetus may include at least one of a normal state, a state with a congenital disease, and a state with a severe congenital disease.
  • the 3D printer output file may include 3D printer material information matched to each of the 3D images.
  • a communication unit for transmitting the 3D printer output file to a 3D printer may be further included so as to output a model for the fetal image.
  • a system for outputting a model for a fetal image using a 3D printer includes a 3D printer for outputting a model for a fetal image.
  • a device that creates a file for printer output; and a 3D printer that receives the 3D printer output file and outputs a model of the fetal image, wherein the device acquires the fetal image and selects a baby house, amniotic fluid, fetus, and organs of the fetus in advance from the fetal image. It may be characterized in that each 3D image is generated by separating at least one set fetal organ, and each of the generated 3D images is converted into a file for output by a 3D printer and output.
  • the fetal image may be characterized in that a plurality of fetal image data as metadata are learned and output based on an artificial intelligence model.
  • the file for outputting the 3D printer is generated by matching the state information of the fetus to the fetal image.
  • a computer program stored in a computer readable recording medium for execution to implement the present disclosure may be further provided.
  • a computer readable recording medium recording a computer program for executing a method for implementing the present disclosure may be further provided.
  • a surgical simulation process can be performed based on the same model before an actual fetus is operated or operated, thereby increasing the success rate of the operation or operation. provides an effect.
  • FIG. 1 is a diagram showing a system for outputting a model for a fetal image using a 3D printer according to the present disclosure.
  • Figure 2 shows the configuration of the device for generating a file for 3D printer output of Figure 1.
  • FIG. 3 shows the configuration of fetal image data for each fetus stored in the memory of FIG. 2 .
  • FIG. 4 is a diagram illustrating a process of storing fetal image data for each fetus in the memory of FIG. 3 as an example.
  • FIG. 5 is a diagram illustrating a process of generating each 3D image from a fetal image by the processor of FIG. 2 as an example.
  • FIG. 7 is a flow chart illustrating a specific process of separating a baby house, a fetus, and organs of the fetus in the separation step of FIG. 6 as an example.
  • FIG. 8 is a diagram illustrating a process of setting regions of interest for a baby house, a fetus, and organs of the fetus for separation in the separation step of FIG. 7 as an example.
  • FIG. 9 to 11 are diagrams showing, as an example, states in which an image of a baby's house, an image of a fetus, and an image of an organ of the fetus are separated through a processor based on the regions of interest of FIG. 8 .
  • FIG. 12 is a view showing a fetus model produced by the 3D printer of FIG. 1 as an example.
  • FIG. 13 is a diagram illustrating a process of acquiring a scene of an operation or operation performed by the processor of FIG. 2 through a camera as an example.
  • FIG. 14 and 15 are diagrams illustrating a process of displaying, as an example, the training level of trainees evaluated by the processor based on the operation scene data or operation scene data obtained by the camera of FIG. 13 through the UI.
  • the identification code is used for convenience of description, and the identification code does not explain the order of each step, and each step may be performed in a different order from the specified order unless a specific order is clearly described in context. there is.
  • the 'apparatus for generating a 3D printer output file for outputting a model of a fetal image according to the present disclosure' includes various devices that can perform calculation processing and provide results to the user.
  • an apparatus for generating a 3D printer output file for outputting a model of a fetus image according to the present disclosure may include a computer, a server device, and a portable terminal, or may be in any one form.
  • the computer may include, for example, a laptop computer, a desktop computer, a laptop computer, a tablet PC, a slate PC, and the like equipped with a web browser.
  • the server device is a server that processes information by communicating with an external device, and may include an application server, a computing server, a database server, a file server, a game server, a mail server, a proxy server, and a web server.
  • the portable terminal is, for example, a wireless communication device that ensures portability and mobility, and includes a Personal Communication System (PCS), a Global System for Mobile communications (GSM), a Personal Digital Cellular (PDC), a Personal Handyphone System (PHS), and a PDA.
  • PCS Personal Communication System
  • GSM Global System for Mobile communications
  • PDC Personal Digital Cellular
  • PHS Personal Handyphone System
  • IMT International Mobile Telecommunication
  • CDMA Code Division Multiple Access
  • W-CDMA Wide-Code Division Multiple Access
  • WiBro Wireless Broadband Internet
  • smart phone smart phone
  • wearable devices such as watches, rings, bracelets, anklets, necklaces, glasses, contact lenses, or head-mounted-devices (HMDs).
  • HMDs head-mounted-devices
  • a system for outputting a model for a fetal image using a 3D printer acquires a fetal image having a depth value, and in the fetal image
  • Each 3D image is generated by separating at least one fetal organ set in advance among the baby house, amniotic fluid, fetus, and fetal organs, and corresponding to the generated at least one fetal organ. It may be provided to convert the 3D image into a file for 3D printer output and output it.
  • Such a system for outputting a model for a fetal image using a 3D printer, a device, method, and program for generating a file for 3D printer output can increase the success rate of a procedure or surgery, and can help mothers with severe congenital diseases It can reduce the chances of giving up the fetus.
  • FIG. 1 is a diagram showing a system for outputting a model for a fetal image using a 3D printer according to the present disclosure.
  • Figure 2 shows the configuration of the device for generating a file for 3D printer output of Figure 1.
  • FIG. 3 shows the configuration of fetal image data for each fetus stored in the memory of FIG. 2 .
  • a system 1000 may include an apparatus 100 and a 3D printer 200 that generate a file for 3D printer output.
  • the apparatus 100 may generate a file for 3D printer output for outputting a model for a fetal image.
  • the device 100 may include a memory 110 , a processor 120 , and a communication unit 130 .
  • the memory 110 may store data for an algorithm or a program reproducing the algorithm for controlling the operation of components in the apparatus.
  • the processor 120 may perform the above-described operation using data stored in the memory 110 .
  • the memory 110 and the processor 120 may be implemented as separate chips. Also, the memory 110 and the processor 120 may be implemented as a single chip.
  • the memory 110 may store data supporting various functions of the device, programs for operating components in the device, input/output data, and a plurality of application programs ( An application program or application), data for operation of the device, and commands may be stored. At least some of these application programs may be downloaded from an external server through wireless communication.
  • the memory 110 may be a flash memory type, a hard disk type, a solid state disk type, a silicon disk drive type, or a multimedia card micro type. micro type), card type memory (eg SD or XD memory, etc.), random access memory (RAM), static random access memory (SRAM), read-only memory (ROM), electrically erasable EEPROM (EEPROM) It may include a storage medium of at least one type of a programmable read-only memory (PROM), a programmable read-only memory (PROM), a magnetic memory, a magnetic disk, and an optical disk.
  • PROM programmable read-only memory
  • PROM programmable read-only memory
  • PROM programmable read-only memory
  • magnetic memory a magnetic disk
  • magnetic disk and an optical disk.
  • the memory 110 may have pre-stored fetal images.
  • the memory 110 may store at least one fetal image for each fetus and store state information for each fetus.
  • the fetal image for each fetus may include at least one of a fetal MRI image and a fetal CT image for fetal treatment.
  • a plurality of fetal image data as metadata may be learned and output based on an artificial intelligence model.
  • the plurality of fetal image data may include various types of images of a fetus in a normal state, images of a fetus in a state with various types of congenital diseases, and images of a fetus in a state with various types of severe congenital diseases.
  • the memory 110 may store the learned and output fetal images for each fetus.
  • FIG. 4 is a diagram illustrating a process of storing fetal image data for each fetus in the memory of FIG. 3 as an example.
  • an external server electrically connected to the memory 110 learns input values of a plurality of fetal image data ID1, which is metadata, based on an artificial intelligence model (AIM) to recommend a fetus.
  • a result value of the star fetal image data (OD) may be output.
  • the artificial intelligence model (AIM) includes various forms of normal state fetal images in the plurality of fetal image data (ID1) included in the input data, various types of images of fetuses with congenital diseases, and various forms of severe congenital diseases. It can be built to learn through correlation of fetal images.
  • the artificial intelligence model uses a plurality of fetal image data (ID1), including images of fetuses in various forms of normal conditions, images of fetuses in various forms of congenital diseases, and images of fetuses in various forms of severe congenital diseases.
  • ID1 fetal image data
  • a CNN algorithm or RNN algorithm can be used to build and reinforce learning as a learning data set.
  • the fetal image data OD for each fetus may include fetal image data OD1 in a normal state, fetal image data OD2 in a state with a congenital disease, and fetal image data OD3 in a state with a severe congenital disease. .
  • An external server may transmit fetal image data OD for each fetus to the memory 110 .
  • the memory 110 may store fetal image data OD for each fetus received.
  • the processor 120 may control operations related to generation of a file for 3D printer output.
  • the processor 120 may obtain a fetal image.
  • the processor 120 may acquire fetal image data OD for each fetus from data pre-stored in the memory 110 .
  • the processor 120 may obtain fetal image data OD for each fetus from an external server (not shown).
  • the processor 120 may acquire fetal image data corresponding to a fetus in a normal state, fetal image data corresponding to a fetus with a congenital disease, and fetal image data corresponding to a fetus with a severe congenital disease. there is.
  • the processor 120 may generate an operation or surgery simulation image based on a plurality of fetal image data as metadata, and provide it to a user (an expert in fetal operation or surgery) in the form of an application or web.
  • FIG. 5 is a diagram illustrating a process of generating each 3D image from a fetal image by the processor of FIG. 2 as an example.
  • the processor 120 separates (segmentation) the nursery (P1), the amniotic fluid (P2), the fetus (P3), and the organ (P3-1) of the fetus (P3) from the fetal image (P).
  • 3D images can be generated.
  • the processor 120 may perform an image of a fetus in a normal state (P11 in FIG. 1), an image of a fetus in a state with a congenital disease (P12 in FIG. 1), and an image of a fetus in a state with a severe congenital disease (P13 in FIG. 1).
  • Each 3D image may be generated by separating at least one pre-determined fetal organ among each baby house, each amniotic fluid, each fetus, and each fetus organ.
  • the preset at least one organ of the fetus may be a major organ of the fetus.
  • the main organ of the fetus may be any one or two or more of the heart, cerebrum, cerebellum, ventricle, stomach, liver, kidney, and bladder.
  • segmentation of the fetal image P means a process of dividing a digital image into a plurality of pixel or voxel sets.
  • the purpose of segmentation is to simplify or transform the representation of the image into something more meaningful and easier to interpret.
  • Image segmentation is used to find objects and boundaries in images.
  • the result of segmentation is a set of regions collectively including the entire image or a set of contours extracted from the image.
  • segmentation means an operation of finding objects and boundaries in an image.
  • the segmentation may include, but is not limited to, a task of finding a target region and a boundary by adjusting a brightness value and processing them to be visually distinguished.
  • the processor 120 may convert the generated 3D image corresponding to at least one fetal organ into a 3D printer output file and output the converted 3D image.
  • the processor 120 may generate a file for 3D printer output by matching fetal state information to the fetal image P. That is, the processor 120 outputs a 3D printer output file corresponding to an organ image of a fetus in a normal state, a 3D printer output file corresponding to an organ image of a fetus with congenital disease, and an organ image of a fetus with severe congenital disease.
  • a corresponding file for 3D printer output can be created. In this case, each image may have a depth value.
  • the condition information of the fetus may include at least one of a normal state, a state with a congenital disease, and a state with a severe congenital disease.
  • a normal state is a case where the fetus is normal, and may be a state in which the fetus does not have a disease.
  • the state of having a congenital disease is a case in which a fetus has a congenital disease, and may be a condition that can be relatively easily treated if treated at an appropriate time.
  • the state of having a severe congenital disease is a case in which a fetus has a severe congenital disease, and may be a state in which a relatively difficult procedure or surgery should be performed in a short period of time.
  • the 3D printer output file may include 3D printer material information matched to each 3D image.
  • the processor 120 may perform an image of a fetus in a normal state (P11 in FIG. 1), an image of a fetus in a state with a congenital disease (P12 in FIG. 1), and an image of a fetus in a state with a severe congenital disease (P13 in FIG. 1).
  • a 3D image corresponding to each organ of the fetus can be converted into a file for 3D printer output and then output.
  • the file for 3D printer output is a fetal image in a normal state (P11 in Fig. 1), an image of a fetus in a state with congenital disease (P12 in Fig. 1), and an image of a fetus in a state with severe congenital disease (P13 in Fig. 1).
  • 3D printer material information matched to each 3D image corresponding to each organ of the fetus may be included.
  • the fetal organ material may be Agilus 30.
  • Agilus 30 has excellent tear resistance and is strong against repeated bending and bending.
  • the material of the organ of the fetus is not limited thereto, and any one material or a mixture of two or more of high transparent silicone, acrylonitrile butadiene styrene (ABS), polyethylene (PE), and polypropylene (PP) resin is used. It may be a material containing
  • the organ, the space on the torso of the fetus, and the amniotic fluid may be a material having an ultrasonic conductivity having a preset coincidence rate.
  • the material having ultrasonic conductivity may include high-transparency silicone, addition-type silicone, silicone elastomer, and the like.
  • the material having ultrasonic conductivity may further include silicon, various mixtures, photocurable polymers, and the like.
  • the communication unit 130 may transmit the 3D printer output file to the 3D printer 200 .
  • the communication unit 130 may include at least one of a wired communication module and a wireless communication module.
  • Wired communication modules include not only various wired communication modules such as Local Area Network (LAN) modules, Wide Area Network (WAN) modules, or Value Added Network (VAN) modules, but also USB (Universal Serial Bus) , High Definition Multimedia Interface (HDMI), Digital Visual Interface (DVI), recommended standard 232 (RS-232), power line communication, or plain old telephone service (POTS).
  • LAN Local Area Network
  • WAN Wide Area Network
  • VAN Value Added Network
  • USB Universal Serial Bus
  • HDMI High Definition Multimedia Interface
  • DVI Digital Visual Interface
  • RS-232 recommended standard 232
  • POTS plain old telephone service
  • wireless communication modules include global system for mobile communication (GSM), code division multiple access (CDMA), wideband code division multiple access (WCDMA), and universal mobile telecommunications system (UMTS). ), time division multiple access (TDMA), long term evolution (LTE), and a wireless communication module supporting various wireless communication schemes such as 4G, 5G, and 6G.
  • GSM global system for mobile communication
  • CDMA code division multiple access
  • WCDMA wideband code division multiple access
  • UMTS universal mobile telecommunications system
  • TDMA time division multiple access
  • LTE long term evolution
  • wireless communication module supporting various wireless communication schemes such as 4G, 5G, and 6G.
  • the 3D printer 200 may output a model for a fetal image corresponding to the received 3D printer output file.
  • the file for 3D printer output is a fetal image in a normal state (P11 in Fig. 1), an image of a fetus in a state with congenital disease (P12 in Fig. 1), and an image of a fetus in a state with severe congenital disease (P13 in Fig. 1).
  • Corresponding to each fetal organ 3D printer material information matched to each 3D image may be included.
  • the model is a 3D shape in which the baby house, amniotic fluid, fetus, and fetal organs are similar to the actual shape, and modeling and rendering techniques are required for precise simulation.
  • Modeling refers to an act of creating a three-dimensional model in a virtual space inside a computer using computer graphics, and mainly uses a 3D graphic tool. Save the modeled 3D model as data, not as a real object.
  • Rendering refers to the process of creating an image from a model using a computer program.
  • the model may include a fetal appearance model, a baby house model, an amniotic fluid model, and a fetal organ model.
  • the fetal organ model may include fetal organ models in a normal state, a state with a congenital disease, and a state with a severe congenital disease.
  • the model for the fetal organ may be made of a material having an ultrasonic conductivity having a preset coincidence rate with fetal organs in an actual normal state, fetal organs with an actual congenital disease, and fetal organs with an actual severe congenital disease. there is.
  • a medium through which ultrasound passes is required between a model of the fetus and internal organs of the fetus.
  • the model produced by the 3D printer 200 must be manufactured so that ultrasonic waves can pass through it by filling and curing a material having liquefied ultrasonic conductivity, such as highly transparent silicone, between the fetus model and the fetus' internal organs.
  • the model produced by the 3D printer 200 should be made to implement an ultrasound image of the amniotic fluid by filling the outside of the fetus model with a material having ultrasonic conductivity.
  • the model for the amniotic fluid may be manufactured by including high-transparent silicone, addition-type silicone, silicone elastomer, etc., which is a material having ultrasonic conductivity, and may be manufactured by further including silicone, various mixtures, photocurable polymers, and the like. .
  • Such a model produced by the 3D printer 200 may be produced by including a model of the organ of the fetus inside a doll of a fetus made of silicon.
  • the 3D printer 200 may produce a model for a normal organ or a model for an abnormal organ of the fetus.
  • the model produced by the 3D printer 200 may include a model for studying the anatomical structure of the mother and fetus.
  • the 3D printer 200 may produce a model for a baby's house and a model for organs of a fetus.
  • the 3D printer 200 may produce a model of the mother's abdomen and a compartment in the abdomen based on images of the mother and the fetus.
  • FIG. 6 is a flowchart illustrating a method for outputting a model for a fetal image using a 3D printer according to the present disclosure.
  • the method for outputting a model for a fetal image using a 3D printer includes an acquisition step (S610), a separation step (S620), a 3D image generation step (S630), and a file output step for 3D printer output ( S640), a file transmission step for 3D printer output (S650), and a model output step (S660) may be included.
  • a fetal image may be acquired through the processor 120 (S610).
  • the fetus image may be output after learning a plurality of fetal image data as metadata based on an artificial intelligence model.
  • the processor 120 may acquire fetal image data OD for each fetus from data pre-stored in the memory 110 . Also, the processor 120 may obtain fetal image data OD for each fetus from an external server (not shown). For example, the processor 120 may acquire fetal image data corresponding to a fetus in a normal state, fetal image data corresponding to a fetus with a congenital disease, and fetal image data corresponding to a fetus with a severe congenital disease. there is.
  • the processor 120 may segment the baby house, the fetus, and fetal organs from the fetal image (S620).
  • FIG. 7 is a flow chart illustrating a specific process of separating a baby house, a fetus, and organs of the fetus in the separation step of FIG. 6 as an example.
  • FIG. 8 is a diagram illustrating a process of setting regions of interest for a baby house, a fetus, and organs of the fetus for separation in the separation step of FIG. 7 as an example.
  • FIG. 9 to 11 are diagrams showing, as an example, states in which an image of a baby's house, an image of a fetus, and an image of an organ of the fetus are separated through a processor based on the regions of interest of FIG. 8 .
  • the processor 120 may set a region of interest (ROI) for an image of the baby's house, an image of the fetus, and an organ image of the fetus (S621).
  • ROI region of interest
  • a region of interest (ROI) is an image processing method, which sets a range of organs, organs, tissues, etc. or parts to be measured.
  • the region of interest may be set as a volume of interest (VOI) in three dimensions.
  • each block corresponding to the region of interest (ROI) includes a block (ROI1) corresponding to the image of the baby's house, a block (ROI2) corresponding to the image of the fetus, and a block (ROI2) corresponding to the image of the fetus. It may be a block (ROI3).
  • each block (ROI1 to ROI3) may be configured in a cube (cuboid) shape, but is not limited thereto, and has a shape including curves (eg, a shape in which only some surfaces of a sphere or a rectangular parallelepiped are formed of curved surfaces, etc.) It is also possible to consist of.
  • the sizes, angles, and positions of the blocks ROI1 to ROI3 may be adjusted and may be different from each other.
  • the size of each block (ROI1 to ROI3) may be adjusted based on axes of three planes (axial plane, coronal plane, and sagittal plane).
  • the blocks ROI1 to ROI3 may be created and arranged so that areas overlapping with other blocks exist.
  • the baby house, the fetus, and the organs of the fetus are not configured to be completely separated based on one side, but are composed of various shapes and combinations. Therefore, overlapping regions may occur when blocks ROI1 to ROI3 are formed for each region set as the region of interest. Accordingly, since the blocks ROI1 to ROI3 can be overlapped, it is possible to more accurately set a region of interest for each region and form a block.
  • the blocks ROI1 to ROI3 may be configured to be rotatable. That is, the blocks ROI1 to ROI3 may be configured to rotate based on a specific axis. Accordingly, the processor 120 may more accurately set a region of interest for the baby house, fetus, and fetus organs having a complex shape.
  • the blocks ROI1 to ROI3 may be automatically generated for each region of interest through artificial intelligence technology such as machine learning and deep learning.
  • the processor 120 inputs medical image data corresponding to the nursery, fetus, and fetal organs to the artificial intelligence model, the processor 120 automatically sets the optimal region of interest for the nursery, fetus, and fetal organs, Blocks (ROI1 to ROI3) may be automatically formed and output.
  • the processor 120 may set a segmentation algorithm for each block ROI1 to ROI3 (S240).
  • a segmentation algorithm refers to an algorithm that adjusts a specific variable (eg, Hounsfield un (HU), contrast value, brightness value, etc.) of photographing data based on a set reference value.
  • the segmentation algorithm may be used to search for or highlight the boundaries of the baby house, fetus, and fetal organs included in the blocks ROI1 to ROI3 for each region of interest.
  • a segmentation algorithm may be set differently according to each block ROI1 to ROI3.
  • the blocks ROI1 to ROI3 may perform a segmentation operation on a region of interest included in the block based on a segmentation algorithm set for each block.
  • the processor 120 can apply a segmentation algorithm optimized for each part, so that the 3D shape can be modeled more quickly and accurately. That is, as shown in FIGS. 9 to 11 , the processor 120 uses the segmentation algorithm to more quickly and accurately capture the image P1 of the baby's house, the image P2 of the fetus, and the image of the organ P2-1 of the fetus. can be separated
  • 3D images may be generated for the image P1 of the baby's house, the image P2 of the fetus, and the organ image P2-1 of the fetus (S630).
  • the processor 120 determines the normal state, congenital disease condition, and the normal state, congenital disease condition based on the image P1 of the baby house, the image P2 of the fetus, and the organ image P2-1 of the fetus.
  • a 3D image of a nursery with a disease or a severe congenital disease, a 3D image of a fetus, and a 3D image corresponding to an organ of the fetus may be generated.
  • the processor 120 may generate a 3D image based on a segmentation algorithm set for each block ROI1 to ROI3. That is, the processor 120 sets the variables, contrast values, etc. of the segmentation algorithm for the nursery, fetus, and fetal organs included in each block (ROI1 to ROI3) to optimize each block (ROI1 to ROI3).
  • 3D modeling is simultaneously performed on the baby house, fetus, and fetal organs included in each block (ROI1 to ROI3) to obtain 3D images corresponding to the baby house, fetus, and fetal organs. can be created accurately and quickly.
  • the 3D image corresponding to at least one fetal organ generated through the processor 120 may be converted into a 3D printer output file and output (S640).
  • the processor 120 may generate a file for 3D printer output by matching fetal state information to a fetal image.
  • the 3D printer output file may include 3D printer material information matched to each 3D image.
  • the processor 120 converts the generated 3D images of a nursery in a normal state, a state with a congenital disease, a state with a severe congenital disease, a 3D image of a fetus, and 3D images corresponding to organs of the fetus into a file for output by a 3D printer. can be printed out.
  • the material of the fetus among the 3D printer material information may be Agilus 30.
  • materials for each baby house and each organ of the fetus may be a material having an ultrasonic conductivity having a predetermined matching rate with each actual baby house and each fetus organ.
  • the file for 3D printer output may be transmitted to the 3D printer 200 through the communication unit 130 (S650).
  • a model for the fetal image corresponding to the 3D printer output file received through the 3D printer 200 may be output (S660).
  • FIG. 12 is a view showing a fetus model produced by the 3D printer of FIG. 1 as an example.
  • the fetus model produced by the 3D printer 200 may include a fetal appearance model (C) and a fetal organ model (C1).
  • a fetus model produced by the 3D printer 200 may be manufactured by including a model C1 for organs of the fetus inside a doll of the fetus made of silicon.
  • the 3D printer 200 may produce a model for a normal organ or a model for an abnormal organ of the fetus.
  • the fetal appearance model (C) may include a fetus appearance model in a normal state, a state with a congenital disease, and a state with a severe congenital disease.
  • the external fetal model can be made of Agilus 30 material, or a ready-made silicone baby model can be used.
  • the fetal organ model C1 may include fetal organ models in a normal state, a state with congenital disease, and a state with severe congenital disease.
  • the fetal organ model (C1) is made of a material having an ultrasound conductivity with a preset coincidence rate with fetal organs in a real normal state, fetal organs in a real congenital disease state, and fetal organs in a real severe congenital disease state. can be manufactured
  • the device 100 can accurately and efficiently evaluate the degree of training of trainees performing operations or operations by simulation using the fetal organ model C1.
  • FIG. 13 is a diagram illustrating a process of acquiring a scene of an operation or operation performed by the processor of FIG. 2 through a camera as an example.
  • the processor 120 may obtain surgery scene data or surgery scene data through the camera 80 .
  • a plurality of cameras 80 may be provided to efficiently photograph the fetal organ model C1.
  • the camera 80 may be provided as a video camera using an image sensor.
  • the camera 80 may process an image frame such as a still image or a moving image acquired through an image sensor.
  • they may be arranged to form a matrix structure.
  • a plurality of image information having various angles or focal points may be input through image cameras constituting such a matrix structure.
  • the video cameras may be arranged in a stereo structure to acquire left and right images for realizing a 3D stereoscopic image.
  • the camera 80 may be provided as an AI camera.
  • the AI camera can fine-tune the image recognized through a wide-angle sensor that mimics the human retina with a brain neural network algorithm.
  • the AI camera can adjust shutter speed, light exposure, saturation, color depth, dynamic range, and contrast.
  • the AI camera can output the captured image as a high-quality image.
  • FIG. 14 and 15 are diagrams illustrating a process of displaying, as an example, the training level of trainees evaluated by the processor based on the operation scene data or operation scene data obtained by the camera of FIG. 13 through the UI.
  • a simulation evaluation result UI (M) among UIs of the apparatus 100 may display the degree of trainee training evaluated by the processor 120 .
  • the first trainee training information UI (M1) may display the simulation evaluation result and the training information of the trainee whose training degree is first
  • the second trainee training information UI (M2) is the simulation evaluation result and the training degree.
  • Training information of a trainee ranked second may be displayed
  • the third trainee training information UI M3 may display simulation evaluation results and training information of a trainee ranked third.
  • the first evaluation result view UI (M1-1), the second evaluation result view UI (M2-1), and the third evaluation result view UI (M3-1) are the first trainee's training evaluation result, the second trainee's As the training evaluation result, the training evaluation result of the third trainee can be displayed.
  • the first trainee training information UI (M1) is displayed in the surgical training field
  • the total evaluation score can be displayed.
  • the first trainee training information UI (M1) may display 'surgery to enlarge valve stenosis using a balloon' and 'surgery to treat a fetus with neural tube defect', which are surgical training fields for trainee Kim, and the total evaluation score, You can display '95 points'.
  • the present disclosure can perform a simulation of an actual procedure or surgery based on a model, thereby increasing the success rate of the actual procedure or surgery.
  • the present disclosure can provide obstetricians with experiences on various cases using models generated for each baby house, amniotic fluid, fetus, and fetal organ.
  • the present disclosure can implement a fetus model capable of implementing internal organs and provide an educational curriculum capable of educating doctors or nurses on diagnostic tests and fetal procedures using the implemented fetus model.
  • the educational curriculum according to the present disclosure may be provided with a configuration that guides the acquisition of an ultrasound image of the fetus model by using an ultrasound probe in the fetus model generated based on the above-described operation.
  • the educational curriculum according to the present disclosure may be provided with a configuration that includes guidance to prevent premature birth, premature labor, rupture of the membranes, and damage to the uterus in invasive procedures during pregnancy.
  • the shape of the fetus model produced by the above-described method there is no limit to the shape of the fetus model produced by the above-described method, and the configuration of the education curriculum performed in response to this is also not limited as long as it is used for diagnosis and treatment of the fetus.
  • the present disclosure can accurately and efficiently evaluate the degree of training of a trainee performing an operation or surgery by simulation using a model of fetal organs.
  • At least one component may be added or deleted corresponding to the performance of the components shown in FIGS. 1 to 4 .
  • the mutual positions of the components may be changed corresponding to the performance or structure of the system.
  • FIGS. 6 and 7 are described as sequentially executing a plurality of steps, but this is merely an example of the technical idea of this embodiment, and those skilled in the art to which this embodiment belongs can Since it will be possible to change and execute the order described in FIGS. 6 and 7 without departing from the essential characteristics of the example or to execute one or more steps of a plurality of steps in parallel, it will be possible to apply various modifications and variations, and FIGS. 6 and 7 is not limited to a time-series order.
  • the disclosed embodiments may be implemented in the form of a recording medium storing instructions executable by a computer. Instructions may be stored in the form of program codes, and when executed by a processor, create program modules to perform operations of the disclosed embodiments.
  • the recording medium may be implemented as a computer-readable recording medium.
  • Computer-readable recording media include all types of recording media in which instructions that can be decoded by a computer are stored. For example, there may be read only memory (ROM), random access memory (RAM), magnetic tape, magnetic disk, flash memory, optical data storage device, and the like.
  • ROM read only memory
  • RAM random access memory
  • magnetic tape magnetic tape
  • magnetic disk magnetic disk
  • flash memory optical data storage device

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Materials Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Manufacturing & Machinery (AREA)
  • General Health & Medical Sciences (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • General Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Pure & Applied Mathematics (AREA)
  • Medicinal Chemistry (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Biophysics (AREA)
  • Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Theoretical Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Optics & Photonics (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

본 개시는 장치에 의해 수행되는 태아 영상에 대한 모형을 출력하기 위한 3D 프린터 출력용 파일 생성 방법에 있어서, 태아 영상을 획득하는 단계; 태아 영상에서 아기집, 양수, 태아 및 태아의 장기 중 미리 설정된 적어도 하나의 태아의 장기를 분리하여 각각의 3D 영상을 생성하는 단계; 및 생성된 적어도 하나의 태아의 장기에 상응하는 3D 영상을 3D 프린터 출력용 파일로 변환하여 출력하는 단계; 를 포함할 수 있다.

Description

3D 프린터를 이용하여 태아 영상에 대한 모형을 출력하기 위한 시스템, 3D 프린터 출력용 파일을 생성하는 장치, 방법
본 개시는 3D 프린터를 이용하여 태아 영상에 대한 모형을 출력하기 위한 시스템에 관한 것이다. 보다 상세하게는, 본 개시는 3D 프린터를 이용하여 태아 영상에 대한 모형을 출력하기 위한 시스템, 3D 프린터 출력용 파일을 생성하는 장치, 방법에 관한 것이다.
최근 들어, 초음파 기기 및 진단기술의 발달로 인하여 태아의 정상 및 비정상 해부학적 구조를 이해하고 진단하며, 질병에 따라서는 태아치료를 시행하는 시대에 이르렀다.
이러한 초음파 산전진단을 능숙하게 하기 위해서는 많은 시간과 트레이닝 과정이 필요한데, 저출산, 환자의 권리보호, 전공의 수련시간 규제 등으로 인하여 실제 산모를 대상으로 초음파 검사를 능숙하게 진행하는 것이 더욱 어려워진 상황이다.
또한, 선천성 질환도 매우 다양한데, 환자를 통하여 경험을 하는 것은 한계가 있고, 다양한 케이스를 책이나 인터넷으로 보고 암기하는 것과 실제 초음파에서 어떻게 보이는지를 직접 손으로 확인하는 것은 교육적인 효과가 매우 다르다.
마지막으로, 드물지만 태아치료가 필요한 중증 선천성 기형의 경우, 실제 태아에게 시술 또는 수술을 하기 전 시뮬레이션 과정을 거칠 경우 성공률을 높일 수 있지만, 이러한 시뮬레이션을 실제로 수행하기에는 많은 어려움이 존재한다.
따라서, 태아 치료를 위해 태아 MRI 영상, 생후 신생아 CT 영상 등을 이용하여, 초음파 진단이 가능한 태아초음파 모형을 생성할 수 있는 방법이 필요하다.
본 개시에 개시된 실시예는, 태아 영상을 기반으로 모형을 생성함으로써, 실제 태아를 시술 또는 수술하기 전에 동일한 모형을 기반으로 수술 시뮬레이션 과정을 거칠 수 있어, 시술 또는 수술의 성공률을 높일 수 있는 것을 제공하는데 그 목적이 있다.
또한, 본 개시에 개시된 실시예는, 태아 치료 또는 생후 신생아에 대한 치료의 성공률이 높아짐으로써, 산모들이 중증의 선천성 질환을 가지는 태아를 포기하는 확률을 줄일 수 있는 것을 제공하는데 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 개시의 일 측면에 따른 3D 프린터 출력용 파일 생성 방법은, 장치에 의해 수행되는 태아 영상에 대한 모형을 출력하기 위한 3D 프린터 출력용 파일 생성 방법에 있어서, 상기 태아 영상을 획득하는 단계; 상기 태아 영상에서 상기 태아 영상에서 아기집, 양수, 태아 및 상기 태아의 장기 중 미리 설정된 적어도 하나의 태아의 장기를 분리하여 각각의 3D 영상을 생성하는 단계; 및 상기 생성된 적어도 하나의 태아의 장기에 상응하는 3D 영상을 3D 프린터 출력용 파일로 변환하여 출력하는 단계; 를 포함할 수 있다.
상기 태아 영상은, 메타데이터인 복수개의 태아 영상 데이터가 인공지능 모델을 기반으로 학습되어 출력된 것을 특징으로 할 수 있다.
상기 태아 영상에 상기 태아의 상태 정보를 매칭하여 상기 3D 프린터 출력용 파일을 생성하는 것을 특징으로 할 수 있다.
상기 태아의 상태 정보는, 정상 상태, 선천성 질환 보유 상태 및 중증 선천성 질환 보유 상태 중 적어도 하나를 포함할 수 있다.
상기 3D 프린터 출력용 파일은, 상기 각각의 3D 영상에 매칭되는 3D 프린터 소재 정보를 포함할 수 있다.
상기 태아 영상에 대한 모형을 출력하도록, 상기 3D 프린터 출력용 파일을 3D 프린터로 전송하는 단계; 를 더 포함할 수 있다.
본 개시의 다른 일 측면에 따른 3D 프린터 출력용 파일 생성 장치는, 태아 영상에 대한 모형을 출력하기 위한 3D 프린터 출력용 파일을 생성하는 장치에 있어서, 태아 영상이 기 저장된 메모리; 및 상기 3D 프린터 출력용 파일의 생성과 관련된 동작을 제어하는 프로세서를 포함하고, 상기 프로세서는 상기 태아 영상을 획득하고, 상기 태아 영상에서 아기집, 양수, 태아 및 상기 태아의 장기 중 미리 설정된 적어도 하나의 태아의 장기를 분리하여 각각의 3D 영상을 생성하며, 상기 생성된 적어도 하나의 태아의 장기에 상응하는 3D 영상을 3D 프린터 출력용 파일로 변환하여 출력하는 것을 특징으로 할 수 있다.
상기 태아 영상은, 메타데이터인 복수개의 태아 영상 데이터가 인공지능 모델을 기반으로 학습되어 출력된 것을 특징으로 할 수 있다.
상기 프로세서는, 상기 태아 영상에 상기 태아의 상태 정보를 매칭하여 상기 3D 프린터 출력용 파일을 생성하는 것을 특징으로 할 수 있다.
상기 태아의 상태 정보는, 정상 상태, 선천성 질환 보유 상태 및 중증 선천성 질환 보유 상태 중 적어도 하나를 포함할 수 있다.
상기 3D 프린터 출력용 파일은, 상기 각각의 3D 영상에 매칭되는 3D 프린터 소재 정보를 포함할 수 있다.
상기 태아 영상에 대한 모형을 출력하도록, 상기 3D 프린터 출력용 파일을 3D 프린터로 전송하는 통신부를 더 포함할 수 있다.
본 개시의 또 다른 일 측면에 따른 3D 프린터를 이용하여 태아 영상에 대한 모형을 출력하기 위한 시스템은, 태아 영상에 대한 모형을 출력하기 위한 시스템에 있어서, 상기 태아 영상에 대한 모형을 출력하기 위한 3D 프린터 출력용 파일을 생성하는 장치; 및 상기 3D 프린터 출력용 파일을 수신받아 상기 태아 영상에 대한 모형을 출력하는 3D 프린터를 포함하고, 상기 장치는 상기 태아 영상을 획득하고, 상기 태아 영상에서 아기집, 양수, 태아 및 상기 태아의 장기 중 미리 설정된 적어도 하나의 태아의 장기를 분리하여 각각의 3D 영상을 생성하며, 상기 생성된 각각의 3D 영상을 3D 프린터 출력용 파일로 변환하여 출력하는 것을 특징으로 할 수 있다.
상기 태아 영상은, 메타데이터인 복수개의 태아 영상 데이터가 인공지능 모델을 기반으로 학습되어 출력된 것을 특징으로 할 수 있다.
상기 태아 영상에 상기 태아의 상태 정보를 매칭하여 상기 3D 프린터 출력용 파일을 생성하는 것을 특징으로 할 수 있다.
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, 태아 영상을 기반으로 모형을 생성함으로써, 실제 태아를 시술 또는 수술하기 전에 동일한 모형을 기반으로 수술 시뮬레이션 과정을 거칠 수 있어, 시술 또는 수술의 성공률을 높일 수 있는 효과를 제공한다.
또한, 본 개시의 전술한 과제 해결 수단에 의하면, 태아 치료 또는 생후 신생아에 대한 치료의 성공률이 높아짐으로써, 산모들이 중증의 선천성 질환을 가지는 태아를 포기하는 확률을 줄일 수 있는 효과를 제공한다.
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 개시에 따른 3D 프린터를 이용하여 태아 영상에 대한 모형을 출력하기 위한 시스템을 나타낸 도면이다.
도 2는 도 1의 3D 프린터 출력용 파일을 생성하는 장치의 구성을 도시한다.
도 3은 도 2의 메모리에 저장된 태아별 태아 영상 데이터의 구성을 도시한다.
도 4는 도 3의 메모리에 태아별 태아 영상 데이터를 저장하는 과정을 일 예로 나타낸 도면이다.
도 5는 도 2의 프로세서가 태아 영상에서 각각의 3D 영상을 생성하는 과정을 일 예로 나타낸 도면이다.
도 6은 본 개시에 따른 3D 프린터를 이용하여 태아 영상에 대한 모형을 출력하기 위한 방법을 나타낸 순서도이다.
도 7은 도 6의 분리 단계에서 아기집, 태아, 및 태아의 장기를 분리하는 구체적인 과정을 일 예로 나타낸 순서도이다.
도 8은 도 7의 분리 단계에서 분리를 위해 아기집, 태아, 및 태아의 장기에 대해 관심 영역들을 설정하는 과정을 일 예로 나타낸 도면이다.
도 9 내지 도 11은 도 8의 관심 영역들을 기반으로 프로세서를 통해 아기집의 영상, 태아의 영상, 및 태아의 장기 영상이 분리된 상태를 일 예로 나타낸 도면이다.
도 12는 도 1의 3D 프린터에 의해 제작된 태아 모형을 일 예로 나타낸 도면이다.
도 13은 도 2의 프로세서가 카메라를 통해 시술 또는 수술하는 장면을 획득하는 과정을 일 예로 나타낸 도면이다.
도 14 및 도 15는 도 13의 카메라에 의해 획득된 시술 장면 데이터 또는 수술 장면 데이터를 기반으로, 프로세서가 평가한 교육생의 훈련 정도를 UI를 통해 표시하는 과정을 일 예로 나타낸 도면이다.
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.
제 1, 제 2 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 태아 영상에 대한 모형을 출력하기 위한 3D 프린터 출력용 파일을 생성하는 장치'는 연산처리를 수행하여 사용자에게 결과를 제공할 수 있는 다양한 장치들이 모두 포함된다. 예를 들어, 본 개시에 따른 태아 영상에 대한 모형을 출력하기 위한 3D 프린터 출력용 파일을 생성하는 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.
본 개시에 따른 3D 프린터를 이용하여 태아 영상에 대한 모형을 출력하기 위한 시스템, 3D 프린터 출력용 파일을 생성하는 장치, 방법 및 프로그램은, 깊이값(Depth)을 가지는 태아 영상을 획득하고, 태아 영상에서 아기집, 양수, 태아, 및 태아의 장기 중 중 미리 설정된 적어도 하나의 태아의 장기를 분리하여 각각의 3D 영상을 생성하며, 생성된 적어도 하나의 태아의 장기에 상응하는 3D 영상을 3D 프린터 출력용 파일로 변환하여 출력하도록 제공될 수 있다.
이러한, 3D 프린터를 이용하여 태아 영상에 대한 모형을 출력하기 위한 시스템, 3D 프린터 출력용 파일을 생성하는 장치, 방법 및 프로그램은, 시술 또는 수술의 성공률을 높일 수 있고, 산모들이 중증의 선천성 질환을 가지는 태아를 포기하는 확률을 줄일 수 있다.
이하에서는, 3D 프린터를 이용하여 태아 영상에 대한 모형을 출력하기 위한 시스템을 자세하게 살펴보기로 한다.
도 1은 본 개시에 따른 3D 프린터를 이용하여 태아 영상에 대한 모형을 출력하기 위한 시스템을 나타낸 도면이다. 도 2는 도 1의 3D 프린터 출력용 파일을 생성하는 장치의 구성을 도시한다. 도 3은 도 2의 메모리에 저장된 태아별 태아 영상 데이터의 구성을 도시한다.
도 1 내지 도 3을 참조하면, 시스템(1000)은 3D 프린터 출력용 파일을 생성하는 장치(100)와 3D 프린터(200)를 포함할 수 있다.
장치(100)는 태아 영상에 대한 모형을 출력하기 위한 3D 프린터 출력용 파일을 생성할 수 있다. 장치(100)는 메모리(110), 프로세서(120), 통신부(130)를 포함할 수 있다.
메모리(110)는 본 장치 내의 구성요소들의 동작을 제어하기 위한 알고리즘 또는 알고리즘을 재현한 프로그램에 대한 데이터를 저장할 수 있다. 프로세서(120)는 메모리(110)에 저장된 데이터를 이용하여 전술한 동작을 수행할 수 있다. 여기에서, 메모리(110)와 프로세서(120)는 각각 별개의 칩으로 구현될 수 있다. 또한, 메모리(110)와 프로세서(120)는 단일 칩으로 구현될 수도 있다.
메모리(110)는 본 장치의 다양한 기능을 지원하는 데이터와, 본 장치 내의 구성요소들의 동작을 위한 프로그램을 저장할 수 있고, 입/출력되는 데이터들을 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.
이러한, 메모리(110)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.
메모리(110)는 태아 영상이 기 저장되어 있을 수 있다. 메모리(110)는 적어도 하나의 태아 영상을 태아 별로 저장하고, 태아 별로 상태 정보를 저장할 수 있다. 태아별 태아 영상은 태아 치료를 위한 태아 MRI 영상, 태아 CT 영상 중 적어도 하나를 포함할 수 있다. 태아별 태아 영상은, 메타데이터인 복수개의 태아 영상 데이터가 인공지능 모델을 기반으로 학습되어 출력될 수 있다. 복수개의 태아 영상 데이터는 다양한 형태의 정상 상태의 태아 영상, 다양한 형태의 선천성 질환 보유 상태의 태아 영상, 다양한 형태의 중증 선천성 질환 보유 상태의 태아 영상을 포함할 수 있다. 메모리(110)는 학습되어 출력된 태아별 태아 영상을 저장할 수 있다.
도 4는 도 3의 메모리에 태아별 태아 영상 데이터를 저장하는 과정을 일 예로 나타낸 도면이다.
도 4를 참조하면, 메모리(110)와 전기적으로 연결된 외부 서버(미도시)는 메타데이터인 복수개의 태아 영상 데이터(ID1)의 입력값을 인공지능 모델(AIM)을 기반으로 학습하여 추천된 태아별 태아 영상 데이터(OD)의 결과값을 출력할 수 있다. 인공지능 모델(AIM)은 입력 데이터에 포함된 복수개의 태아 영상 데이터(ID1) 내의 다양한 형태의 정상 상태의 태아 영상, 다양한 형태의 선천성 질환 보유 상태의 태아 영상, 다양한 형태의 중증 선천성 질환 보유 상태의 태아 영상을 상관 관계를 통해 학습하도록 구축될 수 있다. 인공지능 모델(AIM)은 다양한 형태의 정상 상태의 태아 영상, 다양한 형태의 선천성 질환 보유 상태의 태아 영상, 다양한 형태의 중증 선천성 질환 보유 상태의 태아 영상을 포함하는 복수개의 태아 영상 데이터(ID1)를 CNN 알고리즘 또는 RNN 알고리즘을 이용하여 학습데이터 셋으로 구축 및 강화 학습시킬 수 있다. 이때, 태아별 태아 영상 데이터(OD)는 정상 상태의 태아 영상 데이터(OD1), 선천성 질환 보유 상태의 태아 영상 데이터(OD2), 중증 선천성 질환 보유 상태의 태아 영상 데이터(OD3)를 포함할 수 있다.
외부 서버(미도시)는 태아별 태아 영상 데이터(OD)를 메모리(110)로 전송할 수 있다. 메모리(110)는 수신된 태아별 태아 영상 데이터(OD)를 저장할 수 있다.
프로세서(120)는 3D 프린터 출력용 파일의 생성과 관련된 동작을 제어할 수 있다. 프로세서(120)는 태아 영상을 획득할 수 있다. 이때, 프로세서(120)는 태아별 태아 영상 데이터(OD)를 메모리(110)에 기 저장된 데이터 중에서 획득할 수 있다. 또한, 프로세서(120)는 태아별 태아 영상 데이터(OD)를 외부 서버(미도시)로부터 획득할 수 있다. 예를 들어, 프로세서(120)는 정상 상태의 태아에 상응하는 태아 영상 데이터, 선천성 질환 보유 상태의 태아에 상응하는 태아 영상 데이터, 중증 선천성 질환 보유 상태의 태아에 상응하는 태아 영상 데이터를 획득할 수 있다.
여기서, 프로세서(120)는 메타데이터인 복수개의 태아 영상 데이터를 기반으로 시술 또는 수술 시뮬레이션 영상을 생성하여 애플리케이션 또는 웹 형태로 사용자(태아 시술 또는 수술 전문가)에게 제공할 수 있다.
도 5는 도 2의 프로세서가 태아 영상에서 각각의 3D 영상을 생성하는 과정을 일 예로 나타낸 도면이다.
도 5를 참조하면, 프로세서(120)는 태아 영상(P)에서 아기집(P1), 양수(P2), 태아(P3) 및 태아(P3)의 장기(P3-1)를 분리(segmentation)하여 각각의 3D 영상을 생성할 수 있다. 예를 들어, 프로세서(120)는 정상 상태의 태아 영상(도1의 P11), 선천성 질환 보유 상태의 태아 영상(도1의 P12), 중증 선천성 질환 보유 상태의 태아 영상(도1의 P13)에서 각각의 아기집, 각각의 양수, 각각의 태아 및 각각의 태아의 장기 중 미리 설정된 적어도 하나의 태아의 장기를 분리하여 각각의 3D 영상을 생성할 수 있다. 여기에서, 미리 설정된 적어도 하나의 태아의 장기는, 태아의 주요 장기일 수 있다. 이때, 태아의 주요 장기는 심장, 대뇌, 소뇌, 뇌실, 위, 간, 신장, 방광 중 어느 하나 또는 둘 이상일 수 있다.
여기에서, 태아 영상(P)의 "세그먼테이션(Segmetation)"은, 디지털 영상을 복수의 픽셀 또는 복셀 집합으로 나누는 과정을 의미한다. 분할의 목적은 영상의 표현을 좀 더 의미있고 해석하기 쉬운 것으로 단순화하거나 변환하는 것이다. 영상 분할은 영상에서 물체와 경계를 찾는데 사용된다. 분할의 결과는 전체 영상을 집합적으로 포함하는 영역의 집합이거나, 영상으로부터 추출된 윤곽의 집합이다.
본 명세서에서 "세그먼테이션(Segmetation)"은 영상 내에서 물체 및 경계를 찾는 작업을 의미한다. 예를 들어, 세그먼테이션은 밝기값을 조절하여 대상 부위 및 경계를 찾고 시각적으로 구별되도록 처리하는 작업을 포함할 수 있으나, 이에 한정되는 것은 아니다.
프로세서(120)는 생성된 적어도 하나의 태아의 장기에 상응하는 3D 영상을 3D 프린터 출력용 파일로 변환하여 출력할 수 있다. 프로세서(120)는 태아 영상(P)에 태아의 상태 정보를 매칭하여 3D 프린터 출력용 파일을 생성할 수 있다. 즉, 프로세서(120)는 정상 상태의 태아의 장기 영상에 상응하는 3D 프린터 출력용 파일, 선천성 질환 보유 상태의 태아의 장기 영상에 상응하는 3D 프린터 출력용 파일, 중증 선천성 질환 보유 상태의 태아의 장기 영상에 상응하는 3D 프린터 출력용 파일을 생성할 수 있다. 이때, 각각의 영상은 깊이값(depth)을 가질 수 있다.
여기에서, 태아의 상태 정보는, 정상 상태, 선천성 질환 보유 상태 및 중증 선천성 질환 보유 상태 중 적어도 하나를 포함할 수 있다. 정상 상태는, 태아가 정상인 경우로, 태아가 질환을 보유하고 있지 않은 상태일 수 있다. 선천성 질환 보유 상태는, 태아가 선천성 질환을 보유한 경우로, 적절한 시기에 치료를 받으면 비교적 쉽게 치료될 수 있는 상태일 수 있다. 중증 선천성 질환 보유 상태는, 태아가 중증 선천성 질환을 보유한 경우로, 빠른 시일 내에 비교적 어려운 시술 또는 수술을 받아야하는 상태일 수 있다.
이때, 3D 프린터 출력용 파일은 각각의 3D 영상에 매칭되는 3D 프린터 소재 정보를 포함할 수 있다.
예를 들어, 프로세서(120)는 정상 상태의 태아 영상(도1의 P11), 선천성 질환 보유 상태의 태아 영상(도1의 P12), 중증 선천성 질환 보유 상태의 태아 영상(도1의 P13)에서 각각의 태아의 장기에 상응하는 3D 영상을 3D 프린터 출력용 파일로 변환하여 출력할 수 있다. 여기에서, 3D 프린터 출력용 파일은, 정상 상태의 태아 영상(도1의 P11), 선천성 질환 보유 상태의 태아 영상(도1의 P12), 중증 선천성 질환 보유 상태의 태아 영상(도1의 P13)에서 각각의 태아의 장기에 상응하는 각각의 3D 영상에 매칭되는 3D 프린터 소재 정보를 포함할 수 있다.
이때, 3D 프린터 소재 정보 중 태아의 장기의 재질은 Agilus 30일 수 있다. Agilus 30은 탁월한 인열 저항성을 갖추고 있으며, 반복적 굴곡 및 굽힘에 강한 특징이 있다. 한편, 태아의 장기의 재질은 이에 한정하지 않고, 고투명 실리콘, 아크릴로니트릴 부타디엔 스티렌(Acrylonitrile Butadiene Styrene, ABS), 폴리에틸렌(PE), 폴리프로필렌 (PP) 수지 중 어느 하나의 재질 또는 둘 이상의 혼합물을 포함하는 재질일 수도 있다.
또한, 3D 프린터 소재 정보 중 장기와 태아 몸통상의 공간 및 양수는 기 설정된 일치율을 가지는 초음파 전도율을 가지는 재질일 수 있다. 예를 들어, 초음파 전도율을 가지는 재질은 고투명 실리콘, 부가형 실리콘, 실리콘 엘라스토머 등을 포함할 수 있다. 초음파 전도율을 가지는 재질은 실리콘과 다양한 혼합물, 광경화성 폴리머 등을 더 포함할 수도 있다.
통신부(130)는 3D 프린터 출력용 파일을 3D 프린터(200)로 전송할 수 있다. 통신부(130)는 유선 통신 모듈과 무선 통신 모듈 중 적어도 하나를 포함할 수 있다.
유선 통신 모듈은 지역 통신(Local Area Network; LAN) 모듈, 광역 통신(Wide Area Network; WAN) 모듈 또는 부가가치 통신(Value Added Network; VAN) 모듈 등 다양한 유선 통신 모듈뿐만 아니라, USB(Universal Serial Bus), HDMI(High Definition Multimedia Interface), DVI(Digital Visual Interface), RS-232(recommended standard232), 전력선 통신, 또는 POTS(plain old telephone service) 등 다양한 케이블 통신 모듈을 포함할 수 있다.
무선 통신 모듈은 와이파이(Wifi) 모듈, 와이브로(Wireless broadband) 모듈 외에도, GSM(global System for Mobile Communication), CDMA(Code Division Multiple Access), WCDMA(Wideband Code Division Multiple Access), UMTS(universal mobile telecommunications system), TDMA(Time Division Multiple Access), LTE(Long Term Evolution), 4G, 5G, 6G 등 다양한 무선 통신 방식을 지원하는 무선 통신 모듈을 포함할 수 있다.
3D 프린터(200)는 수신된 3D 프린터 출력용 파일에 상응하는 태아 영상에 대한 모형을 출력할 수 있다. 여기에서, 3D 프린터 출력용 파일은, 정상 상태의 태아 영상(도1의 P11), 선천성 질환 보유 상태의 태아 영상(도1의 P12), 중증 선천성 질환 보유 상태의 태아 영상(도1의 P13)에서 각각의 태아의 장기에 상응하는 각각의 3D 영상에 매칭되는 3D 프린터 소재 정보를 포함할 수 있다.
모형은 아기집, 양수, 태아 및 태아의 장기가 실제 형상과 유사하게 제작된 3D 형상으로서 정밀한 모사를 위해 모델링(Modeling) 및 렌더링(Rendering) 기술이 요구된다. 모델링(Modeling)은 컴퓨터 그래픽을 이용하여 컴퓨터 내부의 가상공간에 3차원 모형을 만들어내는 행위를 의미하며, 주로 3D 그래픽 툴을 이용한다. 모델링된 3차원 모형을 현실의 물체가 아닌 데이터로 저장한다. 렌더링(Rendering)은 컴퓨터 프로그램을 사용하여 모델로부터 영상을 만들어내는 과정을 의미한다.
이때, 모형은 태아 외관 모형, 아기집에 대한 모형, 양수에 대한 모형, 태아의 장기에 대한 모형을 포함할 수 있다.
태아의 장기에 대한 모형은 정상 상태, 선천성 질환 보유 상태 및 중증 선천성 질환 보유 상태의 태아의 장기 모형을 포함할 수 있다. 태아의 장기에 대한 모형은 실제 정상 상태의 태아의 장기, 실제 선천성 질환 보유 상태의 태아의 장기 및 실제 중증 선천성 질환 보유 상태의 태아의 장기와 기 설정된 일치율을 갖는 초음파 전도율을 가지는 재질로 제작될 수 있다.
초음파로 영상을 얻기 위해서는, 태아의 모형과 태아의 내부 장기 사이에 초음파가 통과되는 매질이 필요하다. 3D 프린터(200)에 의해 제작되는 모형은, 액상화되어 있는 초음파 전도율을 가지는 재질인 고투명 실리콘 등을 태아의 모형과 태아의 내부 장기 사이에 채우고 경화시켜, 초음파가 투과할 수 있도록 제작되어야 한다. 또한, 3D 프린터(200)에 의해 제작되는 모형은, 초음파 전도율을 가지는 재질로 태아의 모형 외부를 채워 양수의 초음파 영상을 구현할 수 있도록 제작되어야 한다. 예를 들어, 양수에 대한 모형은, 초음파 전도율을 가지는 재질인 고투명 실리콘, 부가형 실리콘, 실리콘 엘라스토머 등을 포함하여 제작될 수 있고, 실리콘과 다양한 혼합물, 광경화성 폴리머 등을 더 포함하여 제작될 수도 있다.
이러한, 3D 프린터(200)에 의해 제작되는 모형은, 실리콘으로 만들어진 태아의 인형 내부에 태아의 장기에 대한 모형이 포함되어 제작될 수 있다. 3D 프린터(200)는 태아의 정상 장기에 대한 모형 또는 비정상 장기에 대한 모형을 제작할 수 있다. 또한, 3D 프린터(200)에 의해 제작되는 모형은, 산모와 태아의 해부학적 구조를 연구하기 위한 모형이 포함되어 제작될 수 있다. 3D 프린터(200)는 아기집에 대한 모형, 태아의 장기에 대한 모형을 제작할 수 있다. 이외에도, 3D 프린터(200)는 산모와 태아의 영상을 기반으로 산모의 복부에 대한 모형, 복부 내의 격실에 대한 모형을 제작할 수도 있다.
도 6은 본 개시에 따른 3D 프린터를 이용하여 태아 영상에 대한 모형을 출력하기 위한 방법을 나타낸 순서도이다.
도 6을 참조하면, 3D 프린터를 이용하여 태아 영상에 대한 모형을 출력하기 위한 방법은, 획득 단계(S610), 분리 단계(S620), 3D 영상 생성 단계(S630), 3D 프린터 출력용 파일 출력 단계(S640), 3D 프린터 출력용 파일 전송 단계(S650), 모형 출력 단계(S660)를 포함할 수 있다.
획득 단계는, 프로세서(120)를 통해 태아 영상을 획득할 수 있다(S610). 이때, 태아 영상은, 메타데이터인 복수개의 태아 영상 데이터가 인공지능 모델을 기반으로 학습되어 출력될 수 있다.
프로세서(120)는 태아별 태아 영상 데이터(OD)를 메모리(110)에 기 저장된 데이터 중에서 획득할 수 있다. 또한, 프로세서(120)는 태아별 태아 영상 데이터(OD)를 외부 서버(미도시)로부터 획득할 수 있다. 예를 들어, 프로세서(120)는 정상 상태의 태아에 상응하는 태아 영상 데이터, 선천성 질환 보유 상태의 태아에 상응하는 태아 영상 데이터, 중증 선천성 질환 보유 상태의 태아에 상응하는 태아 영상 데이터를 획득할 수 있다.
분리 단계는, 프로세서(120)를 태아 영상에서 아기집, 태아, 및 태아의 장기를 분리(segmentation)할 수 있다(S620).
도 7은 도 6의 분리 단계에서 아기집, 태아, 및 태아의 장기를 분리하는 구체적인 과정을 일 예로 나타낸 순서도이다. 도 8은 도 7의 분리 단계에서 분리를 위해 아기집, 태아, 및 태아의 장기에 대해 관심 영역들을 설정하는 과정을 일 예로 나타낸 도면이다.
도 9 내지 도 11은 도 8의 관심 영역들을 기반으로 프로세서를 통해 아기집의 영상, 태아의 영상, 및 태아의 장기 영상이 분리된 상태를 일 예로 나타낸 도면이다.
도 7을 참조하면, 프로세서(120)는 아기집의 영상, 태아의 영상 및 태아의 장기 영상에 대해 관심영역(ROI)을 설정할 수 있다(S621). 관심영역(Region of interest; ROI)은 영상처리상의 방법으로서, 측정하고자 하는 기관, 장기, 조직 등이나 부위의 범위를 설정하는 것이다. 관심영역은 3차원 상의 영역(Volume of interest; VOI)으로 설정될 수도 있다.
프로세서(120)는 아기집의 영상, 태아의 영상 및 태아의 장기 영상에 대해 관심영역(ROI)이 설정되면, 관심영역(ROI)에 대응하는 각각의 블록을 형성하여 출력할 수 있다(S622). 도 8에 도시된 바와 같이, 관심영역(ROI)에 대응하는 각각의 블록은, 아기집의 영상에 대응하는 블록(ROI1), 태아의 영상에 대응하는 블록(ROI2), 태아의 장기 영상에 대응하는 블록(ROI3)일 수 있다.
여기에서, 각각의 블록(ROI1 내지 ROI3)은 큐브(직육면체) 형상으로 구성될 수 있으나, 이에 한정되는 것은 아니고 곡선을 포함하는 형상(예를 들어, 구형 또는 직육면체의 일부 면만 곡면으로 구성된 형상 등)으로 구성되는 것도 가능하다. 이때, 블록(ROI1 내지 ROI3)의 크기, 각도 및 위치는 조절될 수 있고, 서로 상이할 수 있다. 각각의 블록(ROI1 내지 ROI3)은 3개의 평면(Axial plane, coronal plane, sagittal plane)에 대한 축을 기준으로 크기가 조절될 수 있다.
또한, 블록(ROI1 내지 ROI3)은 다른 블록과 겹치는 영역이 존재하도록 생성 및 배치될 수 있다. 아기집, 태아 및 태아의 장기는 일단면을 기준으로 완벽하게 분리되도록 구성되어 있지 않고, 다양한 형태 및 결합으로 구성되어 있다. 따라서, 관심영역으로 설정된 각각의 부위에 대해 블록(ROI1 내지 ROI3)을 형성할 경우 겹치는 영역이 발생할 수 있다. 이에 따라, 블록(ROI1 내지 ROI3)은 겹쳐서 형성되는 것이 가능하므로, 보다 정확하게 부위별 관심영역 설정 및 블록 형성이 가능하다.
또한, 블록(ROI1 내지 ROI3)은 회전이 가능하도록 구성될 수 있다. 즉, 블록(ROI1 내지 ROI3)은 특정 축을 기준으로 회전할 수 있도록 구성될 수 있다. 이에 따라, 프로세서(120)는 복잡한 형상의 아기집, 태아 및 태아의 장기에 대해, 보다 정확하게 관심영역을 설정할 수 있다.
또한, 블록(ROI1 내지 ROI3)은 각각의 관심영역에 대하여 머신 러닝(Machine learning) 및 딥 러닝(Deep learning) 등과 같은 인공지능 기술을 통해, 자동으로 생성될 수 있다. 프로세서(120)는 아기집, 태아 및 태아의 장기에 상응하는 의료영상데이터를 인공지능 모델에 입력하면, 최적의 아기집, 태아 및 태아의 장기에 대한 관심영역을 자동으로 설정하고, 해당 관심영역들에 대한 블록(ROI1 내지 ROI3)을 자동으로 형성하여 출력할 수 있다.
프로세서(120)는 각각의 블록(ROI1 내지 ROI3)에 대한 세그먼테이션 알고리즘을 설정할 수 있다(S240). 세그먼테이션 알고리즘(Segmentation algorithm)은 촬영 데이터의 특정한 변수(예를 들어, Hounsfield un(HU), 명암값, 밝기값 등)를 설정된 기준값을 기준으로 조절하는 알고리즘을 의미한다. 세그먼테이션 알고리즘은 각각의 관심영역에 대해 블록(ROI1 내지 ROI3)에 포함되어 있는 아기집, 태아 및 태아의 장기의 경계를 탐색하거나 부각시키는데 이용될 수 있다. 또한, 각각의 블록(ROI1 내지 ROI3)에 따라 세그먼테이션 알고리즘은 상이하게 설정될 수 있다. 즉, 복수의 블록(ROI1 내지 ROI3)이 형성된 경우, 블록들(ROI1 내지 ROI3)은 각각에 설정된 세그먼테이션 알고리즘을 기반으로 해당 블록에 포함된 관심영역에 대한 세그먼테이션 작업을 수행할 수 있다. 이에 따라, 프로세서(120)는 부위별로 최적화된 세그먼테이션 알고리즘을 적용할 수 있게 되어, 보다 빠르고 정확하게 3D 형상을 모델링할 수 있다. 즉, 도 9 내지 도 11에 도시된 바와 같이, 프로세서(120)는 세그먼테이션 알고리즘을 이용하여 보다 빠르고 정확하게 아기집의 영상(P1), 태아의 영상(P2) 및 태아의 장기 영상(P2-1)을 분리할 수 있다.
3D 영상 생성 단계는, 분리된 아기집의 영상(P1), 태아의 영상(P2) 및 태아의 장기 영상(P2-1)에 대해 각각의 3D 영상을 생성할 수 있다(S630). 프로세서(120)는 정상 상태, 선천성 질환 보유 상태, 중증 선천성 질환 보유 상태의 아기집의 영상(P1), 태아의 영상(P2) 및 태아의 장기 영상(P2-1)을 기반으로, 정상 상태, 선천성 질환 보유 상태, 중증 선천성 질환 보유 상태의 아기집의 3D 영상, 태아의 3D 영상 및 태아의 장기에 해당하는 3D 영상을 생성할 수 있다.
이때, 프로세서(120)는 각각의 블록(ROI1 내지 ROI3)에 설정된 세그먼테이션 알고리즘을 기반으로, 3D 영상을 생성할 수 있다. 즉, 프로세서(120)는 각각의 블록(ROI1 내지 ROI3)에 포함되어 있는 아기집, 태아 및 태아의 장기에 대해 세그먼테이션 알고리즘의 변수, 명암 값 등을 설정하여 각각의 블록(ROI1 내지 ROI3)에 최적화된 3차원 모델링 환경을 설정한 후, 각각의 블록(ROI1 내지 ROI3)에 포함되어 있는 아기집, 태아 및 태아의 장기에 대해 3차원 모델링을 동시에 수행함으로써, 아기집, 태아 및 태아의 장기에 해당하는 3D 영상을 정확하고 신속하게 생성할 수 있다.
3D 프린터 출력용 파일 출력 단계는, 프로세서(120)를 통해 생성된 적어도 하나의 태아의 장기에 상응하는 3D 영상을 3D 프린터 출력용 파일로 변환하여 출력할 수 있다(S640). 프로세서(120)는 태아 영상에 태아의 상태 정보를 매칭하여 3D 프린터 출력용 파일을 생성할 수 있다. 이때, 3D 프린터 출력용 파일은 각각의 3D 영상에 매칭되는 3D 프린터 소재 정보를 포함할 수 있다. 예를 들어, 프로세서(120)는 생성된 정상 상태, 선천성 질환 보유 상태, 중증 선천성 질환 보유 상태의 아기집의 3D 영상, 태아의 3D 영상 및 태아의 장기에 해당하는 3D 영상을 3D 프린터 출력용 파일로 변환하여 출력할 수 있다. 이때, 3D 프린터 소재 정보 중 태아의 재질은 Agilus 30일 수 있다. 또한, 3D 프린터 소재 정보 중 각각의 아기집의 재질, 각각의 태아의 장기에 대한 재질은 실제 각각의 아기집, 실제 각각의 태아의 장기와 기 설정된 일치율을 가지는 초음파 전도율을 가지는 재질일 수 있다.
3D 프린터 출력용 파일 전송 단계는, 통신부(130)를 통해 3D 프린터 출력용 파일을 3D 프린터(200)로 전송할 수 있다(S650). 모형 출력 단계는, 3D 프린터(200)를 통해 수신된 3D 프린터 출력용 파일에 상응하는 태아 영상에 대한 모형을 출력할 수 있다(S660).
도 12는 도 1의 3D 프린터에 의해 제작된 태아 모형을 일 예로 나타낸 도면이다.
도 12를 참조하면, 3D 프린터(200)에 의해 제작되는 태아 모형은 태아 외관 모형(C), 태아의 장기에 대한 모형(C1)을 포함할 수 있다. 3D 프린터(200)에 의해 제작되는 태아 모형은, 실리콘으로 만들어진 태아의 인형 내부에 태아의 장기에 대한 모형(C1)이 포함되어 제작될 수 있다. 3D 프린터(200)는 태아의 정상 장기에 대한 모형 또는 비정상 장기에 대한 모형을 제작할 수 있다.
태아 외관 모형(C)은 정상 상태, 선천성 질환 보유 상태 및 중증 선천성 질환 보유 상태의 태아 외관 모형을 포함할 수 있다. 태아 외관 모형은 Agilus 30의 재질로 제작하거나, 기존의 실리콘 아기모형 기성품을 사용할 수 있다.
태아의 장기에 대한 모형(C1)은 정상 상태, 선천성 질환 보유 상태 및 중증 선천성 질환 보유 상태의 태아의 장기 모형을 포함할 수 있다. 태아의 장기에 대한 모형(C1)은 실제 정상 상태의 태아의 장기, 실제 선천성 질환 보유 상태의 태아의 장기 및 실제 중증 선천성 질환 보유 상태의 태아의 장기와 기 설정된 일치율을 갖는 초음파 전도율을 가지는 재질로 제작될 수 있다.
한편, 본 개시에 따른 장치(100)는 태아의 장기에 대한 모형(C1)을 이용하여 시뮬레이션으로 시술 또는 수술하는 교육생의 훈련 정도를 정확하고 효율적으로 평가할 수 있다.
도 13은 도 2의 프로세서가 카메라를 통해 시술 또는 수술하는 장면을 획득하는 과정을 일 예로 나타낸 도면이다.
도 13을 참조하면, 프로세서(120)는 카메라(80)를 통해 시술 장면 데이터 또는 수술 장면 데이터를 획득할 수 있다. 카메라(80)는 태아의 장기에 대한 모형(C1)을 효율적으로 촬영하도록 복수개로 마련될 수 있다. 카메라(80)는 이미지 센서를 이용하는 영상 카메라로 제공될 수 있다. 카메라(80)는 이미지 센서를 통해 획득한 정지영상 또는 동영상 등의 화상 프레임을 처리할 수 있다. 한편, 카메라(80)가 복수개일 경우, 매트릭스 구조를 이루도록 배치될 수 있다. 이러한 매트릭스 구조를 이루는 영상 카메라들을 통해 다양한 각도 또는 초점을 갖는 복수의 영상정보가 입력될 수 있다. 또한, 영상 카메라들은 3차원의 입체영상을 구현하기 위한 좌 영상 및 우 영상을 획득하도록, 스트레오 구조로 배치될 수 있다.
한편, 카메라(80)는 AI 카메라로 제공될 수도 있다. AI 카메라는 인간의 망막을 모방하여 만들어진 광각센서를 통해 인식된 이미지를, 뇌신경망 알고리즘으로 미세하게 조정할 수 있다. AI 카메라는 셔터 속도, 광노출, 포화도, 색 농도, 동적 범위, 대비 등을 조절할 수 있다. 또한, AI 카메라는 촬영된 영상을 양질의 영상으로 출력할 수 있다.
도 14 및 도 15는 도 13의 카메라에 의해 획득된 시술 장면 데이터 또는 수술 장면 데이터를 기반으로, 프로세서가 평가한 교육생의 훈련 정도를 UI를 통해 표시하는 과정을 일 예로 나타낸 도면이다.
도 14 및 도 15를 참조하면, 본 개시에 따른 장치(100)의 UI 중 시뮬레이션 평가 결과 UI(M)는 프로세서(120)가 평가한 교육생의 훈련 정도를 표시할 수 있다. 예를 들어, 제1 교육생 훈련 정보 UI(M1)는 시뮬레이션 평가 결과, 훈련 정도가 1위인 교육생의 훈련 정보를 표시할 수 있고, 제2 교육생 훈련 정보 UI(M2)는 시뮬레이션 평가 결과, 훈련 정도가 2위인 교육생의 훈련 정보를 표시할 수 있으며, 제3 교육생 훈련 정보 UI(M3)는 시뮬레이션 평가 결과, 훈련 정도가 3위인 교육생의 훈련 정보를 표시할 수 있다. 또한, 제1 평가 결과 보기 UI(M1-1), 제2 평가 결과 보기 UI(M2-1), 제3 평가 결과 보기 UI(M3-1)는 제1 교육생의 훈련 평가 결과, 제2 교육생의 훈련 평가 결과, 제3 교육생의 훈련 평가 결과를 표시할 수 있다.
이때, 관리자(평가관)가 제1 평가 결과 보기 UI(M1-1)를 선택하면, 도 15에 도시된 바와 같이, 제1 교육생 훈련 정보 UI(M1)는 1위인 김씨 교육생의 수술 훈련 분야와 총 평가 점수를 표시할 수 있다. 예를 들어, 제1 교육생 훈련 정보 UI(M1)는 김씨 교육생의 수술 훈련 분야인 '풍선을 이용한 판막협착부위 확대수술', '신경관결손 태아치료수술' 등을 표시할 수 있고, 총 평가 점수인 '95점'을 표시할 수 있다.
이와 같이, 본 개시는 모형을 기반으로 초음파 유도하 시술을 수행하여 실제 시술 또는 수술에 대한 시뮬레이션을 수행하기 용이할 수 있다.
또한, 본 개시는 모형을 기반으로 실제 시술 또는 수술에 대한 시뮬레이션을 수행할 수 있어, 실제 시술 또는 수술에 대한 성공률을 높일 수 있다.
한편, 중요하고 놓치지 말아야 할 초음파 비정상 소견을 익히는 것이 산부인과 의사에게 꼭 필요하며, 분만직후의 의학적 처치에 따라 신생아의 예후가 급변할 수 있으므로, 3차병원으로의 이송이 필요한 선천성 질환은 1차병원에 근무하는 산부인과 의사들도 숙지하여야 하는 경우가 존재할 수 있다.
그러나, 비정상인 케이스를 직접 경험하지 않으면, 1차병원 진료 단계에서 진단이 되지 않을 수 있다.
따라서, 본 개시는 아기집, 양수, 태아 및 태아의 장기 별로 생성된 모형을 이용한 다양한 케이스에 대한 경험을 산부인과 의사에게 제공해줄 수 있다.
즉, 본 개시는 내부 장기 구현이 가능한 태아 모형을 구현하고, 구현된 태아 모형을 이용하여 의사 또는 간호사에게 태아의 진단적 검사 및 태아 시술을 교육할 수 있는 교육 커리큘럼을 제공할 수 있다.
한편, 본 개시에 따른 교육 커리큘럼은 상술한 동작을 기초로 생성된 태아 모형에 초음파 프로브를 이용하여 태아 모형의 초음파 영상의 획득을 가이드하는 구성으로 마련될 수 있다.
또한, 본 개시에 따른 교육 커리큘럼은 임신 중 침습적 시술에 있어서, 조산, 조기 진통, 양막 파수 및 자궁 손상 등이 발생하지 않도록 가이드하는 내용을 포함하는 구성으로 마련될 수도 있다.
한편, 상술한 방법으로 제작되는 태아 모형의 형태에는 제한이 없으며, 이에 대응하여 수행되는 교육 커리큘럼의 구성도 태아의 진단 및 시술에 이용되는 것이라면 그 구성의 제한은 없다.
한편, 본 개시는 태아의 장기에 대한 모형을 이용하여 시뮬레이션으로 시술 또는 수술하는 교육생의 훈련 정도를 정확하고 효율적으로 평가할 수 있다.
도 1 내지 도 4에 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.
도 6 및 도 7은 복수의 단계를 순차적으로 실행하는 것으로 기재하고 있으나, 이는 본 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 실시예가 속하는 기술분야에서 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 도 6 및 도 7에 기재된 순서를 변경하여 실행하거나 복수의 단계 중 하나 이상의 단계를 병렬적으로 실행하는 것으로 다양하게 수정 및 변형하여 적용 가능할 것이므로, 도 6 및 도 7은 시계열적인 순서로 한정되는 것은 아니다.
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 (15)

  1. 장치에 의해 수행되는 태아 영상에 대한 모형을 출력하기 위한 3D 프린터 출력용 파일 생성 방법에 있어서,
    상기 태아 영상을 획득하는 단계;
    상기 태아 영상에서 아기집, 양수, 태아 및 상기 태아의 장기 중 미리 설정된 적어도 하나의 태아의 장기를 분리하여 각각의 3D 영상을 생성하는 단계; 및
    상기 생성된 적어도 하나의 태아의 장기에 상응하는 3D 영상을 3D 프린터 출력용 파일로 변환하여 출력하는 단계; 를 포함하는, 방법.
  2. 제1항에 있어서,
    상기 태아 영상은,
    메타데이터인 복수개의 태아 영상 데이터가 인공지능 모델을 기반으로 학습되어 출력된 것을 특징으로 하는, 방법.
  3. 제1항에 있어서,
    상기 태아 영상에 상기 태아의 상태 정보를 매칭하여 상기 3D 프린터 출력용 파일을 생성하는 것을 특징으로 하는, 방법.
  4. 제3항에 있어서,
    상기 태아의 상태 정보는,
    정상 상태, 선천성 질환 보유 상태 및 중증 선천성 질환 보유 상태 중 적어도 하나를 포함하는, 방법.
  5. 제3항에 있어서,
    상기 3D 프린터 출력용 파일은, 상기 각각의 3D 영상에 매칭되는 3D 프린터 소재 정보를 포함하는, 방법.
  6. 제1항에 있어서,
    상기 태아 영상에 대한 모형을 출력하도록, 상기 3D 프린터 출력용 파일을 3D 프린터로 전송하는 단계; 를 더 포함하는, 방법.
  7. 태아 영상에 대한 모형을 출력하기 위한 3D 프린터 출력용 파일을 생성하는 장치에 있어서,
    상기 태아 영상이 기 저장된 메모리; 및
    상기 3D 프린터 출력용 파일의 생성과 관련된 동작을 제어하는 프로세서를 포함하고,
    상기 프로세서는,
    상기 태아 영상을 획득하고,
    상기 태아 영상에서 아기집, 양수, 태아 및 상기 태아의 장기 중 미리 설정된 적어도 하나의 태아의 장기를 분리하여 각각의 3D 영상을 생성하며,
    상기 생성된 적어도 하나의 태아의 장기에 상응하는 3D 영상을 3D 프린터 출력용 파일로 변환하여 출력하는 것을 특징으로 하는, 장치.
  8. 제7항에 있어서,
    상기 태아 영상은,
    메타데이터인 복수개의 태아 영상 데이터가 인공지능 모델을 기반으로 학습되어 출력된 것을 특징으로 하는, 장치.
  9. 제7항에 있어서,
    상기 프로세서는,
    상기 태아 영상에 상기 태아의 상태 정보를 매칭하여 상기 3D 프린터 출력용 파일을 생성하는 것을 특징으로 하는, 장치.
  10. 제9항에 있어서,
    상기 태아의 상태 정보는,
    정상 상태, 선천성 질환 보유 상태 및 중증 선천성 질환 보유 상태 중 적어도 하나를 포함하는, 장치.
  11. 제9항에 있어서,
    상기 3D 프린터 출력용 파일은, 상기 각각의 3D 영상에 매칭되는 3D 프린터 소재 정보를 포함하는, 장치.
  12. 제7항에 있어서,
    상기 태아 영상에 대한 모형을 출력하도록, 상기 3D 프린터 출력용 파일을 3D 프린터로 전송하는 통신부를 더 포함하는, 장치.
  13. 태아 영상에 대한 모형을 출력하기 위한 시스템에 있어서,
    상기 태아 영상에 대한 모형을 출력하기 위한 3D 프린터 출력용 파일을 생성하는 장치; 및
    상기 3D 프린터 출력용 파일을 수신받아 상기 태아 영상에 대한 모형을 출력하는 3D 프린터를 포함하고,
    상기 장치는,
    상기 태아 영상을 획득하고,
    상기 태아 영상에서 아기집, 양수, 태아 및 상기 태아의 장기 중 미리 설정된 적어도 하나의 태아의 장기를 분리하여 각각의 3D 영상을 생성하며,
    상기 생성된 적어도 하나의 태아의 장기에 상응하는 3D 영상을 3D 프린터 출력용 파일로 변환하여 출력하는 것을 특징으로 하는, 시스템.
  14. 제13항에 있어서,
    상기 태아 영상은,
    메타데이터인 복수개의 태아 영상 데이터가 인공지능 모델을 기반으로 학습되어 출력된 것을 특징으로 하는, 시스템.
  15. 제13항에 있어서,
    상기 태아 영상에 상기 태아의 상태 정보를 매칭하여 상기 3D 프린터 출력용 파일을 생성하는 것을 특징으로 하는, 시스템.
PCT/KR2022/008388 2021-06-18 2022-06-14 3d 프린터를 이용하여 태아 영상에 대한 모형을 출력하기 위한 시스템, 3d 프린터 출력용 파일을 생성하는 장치, 방법 WO2022265345A1 (ko)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR20210079362 2021-06-18
KR10-2021-0079362 2021-06-18
KR1020220070767A KR20220169902A (ko) 2021-06-18 2022-06-10 ３ｄ 프린터를 이용하여 태아 영상에 대한 모형을 출력하기 위한 시스템, 3d 프린터 출력용 파일을 생성하는 장치, 방법 및 프로그램
KR10-2022-0070767 2022-06-10

Publications (1)

Publication Number Publication Date
WO2022265345A1 true WO2022265345A1 (ko) 2022-12-22

Family

ID=84525805

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/008388 WO2022265345A1 (ko) 2021-06-18 2022-06-14 3d 프린터를 이용하여 태아 영상에 대한 모형을 출력하기 위한 시스템, 3d 프린터 출력용 파일을 생성하는 장치, 방법

Country Status (1)

Country Link
WO (1) WO2022265345A1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20240281971A1 (en) * 2023-02-22 2024-08-22 BrightHeart SAS Systems and methods for detecting cardiovascular anomalies using spatiotemporal neural networks
US12082969B1 (en) 2023-02-22 2024-09-10 BrightHeart SAS Systems and methods for improving detection of fetal congenital heart defects

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130063531A (ko) * 2011-03-31 2013-06-14 고쿠리츠다이가쿠호진 고베다이가쿠 3 차원 조형 모델 제작 방법 및 의료·의학·연구·교육용 지원툴
KR20150107214A (ko) * 2014-03-13 2015-09-23 삼성메디슨 주식회사 초음파 진단 장치 및 그에 따른 초음파 영상의 디스플레이 방법
WO2016006932A1 (ko) * 2014-07-11 2016-01-14 (주)쓰리디스토리 태아 조형물 프린팅 서비스 시스템 및 방법
KR20160119307A (ko) * 2015-04-02 2016-10-13 울산대학교 산학협력단 신체 내부 형상 3차원 모델링 장치 및 그 방법, 그리고 신체 내부 형상 3차원 모델

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130063531A (ko) * 2011-03-31 2013-06-14 고쿠리츠다이가쿠호진 고베다이가쿠 3 차원 조형 모델 제작 방법 및 의료·의학·연구·교육용 지원툴
KR20150107214A (ko) * 2014-03-13 2015-09-23 삼성메디슨 주식회사 초음파 진단 장치 및 그에 따른 초음파 영상의 디스플레이 방법
WO2016006932A1 (ko) * 2014-07-11 2016-01-14 (주)쓰리디스토리 태아 조형물 프린팅 서비스 시스템 및 방법
KR20160119307A (ko) * 2015-04-02 2016-10-13 울산대학교 산학협력단 신체 내부 형상 3차원 모델링 장치 및 그 방법, 그리고 신체 내부 형상 3차원 모델

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
YUEN, JASON: "What is the role of 3D printing in undergraduate anatomy education? A scoping review of current literature and recommendations", MEDICAL SCIENCE EDUCATOR, SPRINGER, NEW YORK, vol. 30, 1 January 2020 (2020-01-01), New York, pages 1321 - 1329, XP009542097, ISSN: 2156-8650, DOI: 10.1007/s40670-020-00990-5 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20240281971A1 (en) * 2023-02-22 2024-08-22 BrightHeart SAS Systems and methods for detecting cardiovascular anomalies using spatiotemporal neural networks
US12082969B1 (en) 2023-02-22 2024-09-10 BrightHeart SAS Systems and methods for improving detection of fetal congenital heart defects

Similar Documents

Publication Publication Date Title
WO2022265345A1 (ko) 3d 프린터를 이용하여 태아 영상에 대한 모형을 출력하기 위한 시스템, 3d 프린터 출력용 파일을 생성하는 장치, 방법
Parham et al. Creating a low-cost virtual reality surgical simulation to increase surgical oncology capacity and capability
Basdogan et al. VR-based simulators for training in minimally invasive surgery
CN114173693A (zh) 用于远距监督手术程序的增强现实系统和方法
CN107847289A (zh) 现实增强的形态学手术
WO2022139246A1 (ko) 골절 검출 방법 및 이를 이용한 디바이스
De Visser et al. Developing a next generation colonoscopy simulator
EP3459070A1 (en) A system and method for following and conducting laboratory procedures
Rasool et al. Image-driven virtual simulation of arthroscopy
WO2021206517A1 (ko) 수술 중 혈관 네비게이션 방법 및 시스템
Wang et al. The development and application of virtual reality animation simulation technology: take gastroscopy simulation system as an example
Ioannou et al. Comparison of experts and residents performing a complex procedure in a temporal bone surgery simulator
WO2022173232A2 (ko) 병변의 발생 위험성을 예측하는 방법 및 시스템
US20220093236A1 (en) System, method, and computer-accessible medium for automatically tracking and/or identifying at least one portion of an anatomical structure during a medical procedure
WO2021206518A1 (ko) 수술 후 수술과정 분석 방법 및 시스템
Finocchiaro et al. Physical simulator for colonoscopy: A modular design approach and validation
Long et al. Robotic surgery remote mentoring via AR with 3D scene streaming and hand interaction
Müller et al. Virtual reality in surgical arthroscopic training
CN111276022A (zh) 一种基于vr技术的胃镜模拟操作系统
WO2020145455A1 (ko) 증강현실 기반 심혈관계 시술 가상훈련 시뮬레이터 시스템 및 그 방법
US20220252687A1 (en) System and method for medical simulation
KR20220169902A (ko) ３ｄ 프린터를 이용하여 태아 영상에 대한 모형을 출력하기 위한 시스템, 3d 프린터 출력용 파일을 생성하는 장치, 방법 및 프로그램
Kuo et al. Virtual reality: current urologic applications and future developments
WO2020159276A1 (ko) 수술 분석 장치, 수술영상 분석 및 인식 시스템, 방법 및 프로그램
WO2023234492A1 (ko) 환자 맞춤형 3d 수술 시뮬레이션을 제공하는 방법, 장치 및 프로그램

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: 22825270

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: 22825270

Country of ref document: EP

Kind code of ref document: A1