KR102200999B1 - Apparatus and method for evaluating periodontal disease prognosis based on tooth image - Google Patents

Apparatus and method for evaluating periodontal disease prognosis based on tooth image Download PDF

Info

Publication number
KR102200999B1
KR102200999B1 KR1020190136359A KR20190136359A KR102200999B1 KR 102200999 B1 KR102200999 B1 KR 102200999B1 KR 1020190136359 A KR1020190136359 A KR 1020190136359A KR 20190136359 A KR20190136359 A KR 20190136359A KR 102200999 B1 KR102200999 B1 KR 102200999B1
Authority
KR
South Korea
Prior art keywords
periodontal disease
tooth
region
teeth
prognosis
Prior art date
Application number
KR1020190136359A
Other languages
Korean (ko)
Inventor
김정훈
Original Assignee
주식회사 메디누보
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 메디누보 filed Critical 주식회사 메디누보
Priority to KR1020190136359A priority Critical patent/KR102200999B1/en
Application granted granted Critical
Publication of KR102200999B1 publication Critical patent/KR102200999B1/en

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • A61B6/14—
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/46—Arrangements for interfacing with the operator or the patient
    • A61B6/461—Displaying means of special interest
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/51—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for dentistry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10116—X-ray image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Pathology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Physics & Mathematics (AREA)
  • Epidemiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Primary Health Care (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Optics & Photonics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Mathematical Physics (AREA)
  • Physiology (AREA)
  • Quality & Reliability (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Analysis (AREA)

Abstract

Disclosed are a device and a method for evaluating a periodontal disease prognosis based on a tooth image which can use prognosis evaluation results for periodontal disease based on the tooth image as a diagnostic aid. According to an embodiment of the present invention, the method for evaluating a periodontal disease prognosis based on a tooth image comprises the steps of: detecting a boundary for each of a plurality of teeth from an inputted tooth image; setting a region of interest including a periodontal region of each of the plurality of teeth based on the boundary for each of the plurality of teeth; calculating at least one parameter for periodontal disease prognosis evaluation based on image information in the region of interest; and performing the periodontal disease prognosis evaluation for each of the plurality of teeth based on a pre-generated machine learning algorithm using the parameters as an input.

Description

치아 이미지에 기초한 치주 질환 예후 평가 장치 및 방법{APPARATUS AND METHOD FOR EVALUATING PERIODONTAL DISEASE PROGNOSIS BASED ON TOOTH IMAGE}A device and method for evaluating periodontal disease prognosis based on tooth image {APPARATUS AND METHOD FOR EVALUATING PERIODONTAL DISEASE PROGNOSIS BASED ON TOOTH IMAGE}

본원은 치아 이미지에 기초한 치주 질환 예후 평가 장치 및 방법에 관한 것이다.The present application relates to an apparatus and method for evaluating prognosis of periodontal disease based on a tooth image.

환자 등의 대상자의 치아의 상태를 파악하고, 적절한 치료를 제공하기 위한 치의학은 크게 9개의 임상 전문 분야로 분류되며, 전문적인 교육을 받은 치과의사의 경우에도 담당 분야 이외의 임상 분야에 있어서는 치아 예후 평가를 하는데 어려움이 있을 수 있다. 예를 들어, 치주 질환에 걸린 치아를 치료할 것인지, 해당 치아를 발치하고 임플란트 등의 보철을 삽입할 것인지에 대한 결정은 치과의사나 환자에게 모두 중요한 문제이다.Dentistry to understand the condition of the patient's teeth and to provide appropriate treatment is largely classified into nine clinical specialties. Even for dentists with specialized training, dental prognosis in clinical fields other than those in charge There may be difficulties in making an evaluation. For example, deciding whether to treat a tooth with periodontal disease or whether to extract the tooth and insert a prosthesis such as an implant is an important issue for both dentists and patients.

현재 치주과 전문의들은 상대적으로 많은 임상 케이스를 경험할 수 있고 그 경험을 바탕으로 진료를 수행하지만, 다른 분야의 전공의나 비전공자의 경우 치주 질환 예후 평가에 어려움이 많은 실정이다. 특히나 이러한 어려움은 치의학이 학문적으로 정립되지 않은 국가에서는 훨씬 상황이 심각하다고 할 수 있다.Currently, periodontal specialists can experience relatively many clinical cases and perform treatment based on those experiences, but there are many difficulties in evaluating the prognosis of periodontal diseases in the case of doctors or non-majors in other fields. In particular, these difficulties can be said to be much more serious in countries where dentistry is not academically established.

또한, 치과 진료 과정에서 대상자의 치아 전체를 확인할 수 있는 파노라마라는 방사선 사진을 활용하게 되는데, 이러한 파노라마 사진은 도입된 후 오랜 기간 동안 치과 진료에서 활용되어 왔으므로 풍부한 샘플을 확보하기에 용이하고, 촬영 기법에 있어서도 표준화된 기술로 전세계에 같은 규격으로 촬영된다. 더욱이, 최근 들어 디지털 기술의 발전으로 방사선 사진이 한층 더 세밀하게 표현되고 있어 진단의 질이 높아지고 있는 추세이다.In addition, during the dental treatment process, a radiograph called a panorama that can check the entire teeth of the subject is used.Since such a panoramic photo has been used in dental treatment for a long period of time since its introduction, it is easy to obtain a wealth of samples. As for the technique, it is a standardized technique and is filmed in the same standard all over the world. Moreover, with the recent development of digital technology, radiographs are being expressed in more detail, and the quality of diagnosis is increasing.

본원의 배경이 되는 기술은 한국공개특허공보 제10-2019-0022941호에 개시되어 있다.The technology behind the present application is disclosed in Korean Laid-Open Patent Publication No. 10-2019-0022941.

본원은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 파노라마 이미지 등의 치아 이미지로부터 치주 영역을 식별하고 식별된 치주 영역에 대한 치주 질환에 대한 예후 평가를 기계 학습 기반의 알고리즘에 기초하여 수행할 수 있는 치아 이미지에 기초한 치주 질환 예후 평가 장치 및 방법을 제공하려는 것을 목적으로 한다.The present application is to solve the problems of the prior art described above, by identifying a periodontal region from a tooth image such as a panoramic image, and performing prognostic evaluation for periodontal disease on the identified periodontal region based on a machine learning-based algorithm. An object of the present invention is to provide an apparatus and method for evaluating prognosis of periodontal disease based on a tooth image.

다만, 본원의 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.However, the technical problem to be achieved by the embodiments of the present application is not limited to the technical problems as described above, and other technical problems may exist.

상기한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본원의 일 실시예에 따른 치아 이미지에 기초한 치주 질환 예후 평가 방법은, 입력된 치아 이미지로부터 복수의 치아 각각에 대한 경계를 검출하는 단계, 상기 복수의 치아 각각에 대한 경계에 기초하여 복수의 치아 각각의 치주 영역을 포함하는 관심 영역을 설정하는 단계, 상기 관심 영역 내 이미지 정보에 기초하여 치주 질환 예후 평가를 위한 파라미터를 적어도 하나 이상 산출하는 단계 및 상기 파라미터를 입력으로 하는 기 생성된 기계 학습 알고리즘에 기초하여 복수의 치아 각각에 대한 치주 질환 예후 평가를 수행하는 단계를 포함할 수 있다.As a technical means for achieving the above technical problem, the method for evaluating the prognosis of periodontal disease based on a tooth image according to an embodiment of the present application includes the steps of detecting a boundary for each of a plurality of teeth from an input tooth image, the plurality of Setting a region of interest including a periodontal region of each of a plurality of teeth based on a boundary for each tooth, calculating at least one parameter for prognosis evaluation of periodontal disease based on image information in the region of interest, and the It may include performing periodontal disease prognosis evaluation for each of the plurality of teeth based on a previously generated machine learning algorithm using a parameter as an input.

또한, 상기 관심 영역을 설정하는 단계는, 검출된 상기 복수의 치아 각각에 대한 경계 사이의 어느 한 치아에 대하여 치아의 치관 중심점에 해당하는 제1 좌표를 설정하는 단계, 상기 제1 좌표로부터 소정의 거리만큼 떨어진 제2 좌표를 설정하는 단계 및 상기 제2 좌표를 중심으로 하여 상기 제2 좌표 및 상기 어느 한 치아의 치주 영역을 둘러싸고 기 설정된 도형 형상을 가지는 상기 관심 영역을 설정하는 단계를 포함할 수 있다.In addition, the step of setting the region of interest may include setting a first coordinate corresponding to a crown center point of the tooth for any one tooth between the boundary for each of the detected plurality of teeth, and a predetermined coordinate from the first coordinate Setting a second coordinate spaced apart by a distance, and setting the region of interest surrounding the second coordinate and the periodontal region of the one tooth and having a preset shape shape based on the second coordinate. have.

또한, 상기 기 설정된 도형 형상은 상기 제2 좌표를 중심으로 하는 원 형상일 수 있다.In addition, the preset figure shape may be a circle shape centered on the second coordinate.

또한, 상기 치주 질환 예후 평가를 위한 파라미터는, 상기 관심 영역과 연계된 치아에 대한 치주낭 깊이 및 임상적 부착 수준을 포함할 수 있다.In addition, the parameters for evaluating the prognosis of periodontal disease may include a depth of a periodontal bag and a level of clinical attachment to a tooth associated with the region of interest.

또한, 본원의 일 실시예에 따른 치아 이미지에 기초한 치주 질환 예후 평가 방법은, 상기 관심 영역 내 이미지 정보에 기초하여 백악법랑경계를 검출하는 단계를 포함할 수 있다.In addition, the method for evaluating the prognosis of periodontal disease based on a tooth image according to an exemplary embodiment of the present disclosure may include detecting a chalk enamel boundary based on image information in the region of interest.

또한, 상기 치주 질환 예후 평가를 위한 파라미터 중 임상적 부착 수준은, 검출된 상기 백악법랑경계로부터 상기 관심 영역 내의 치은연 영역까지의 거리 정보에 기초하여 산출될 수 있다.In addition, the clinical adhesion level among parameters for the prognosis evaluation of periodontal disease may be calculated based on distance information from the detected chalk enamel boundary to a gingival margin region within the region of interest.

또한, 상기 치주 질환 예후 평가를 수행하는 단계는, 상기 기 생성된 기계 학습 알고리즘에 기초하여 복수의 치아 각각의 발치 필요 여부를 판단하는 것일 수 있다.In addition, the performing of the prognosis evaluation of the periodontal disease may be determining whether or not extraction of each of the plurality of teeth is required based on the previously generated machine learning algorithm.

또한, 상기 치주 질환 예후 평가를 수행하는 단계는, 상기 기 생성된 기계 학습 알고리즘에 기초하여 복수의 치아 각각의 예상 수명 및 치주 질환 발생 확률 중 적어도 하나를 산출하는 것일 수 있다.In addition, the performing of the periodontal disease prognosis evaluation may include calculating at least one of an expected lifespan and a periodontal disease occurrence probability of each of the plurality of teeth based on the previously generated machine learning algorithm.

또한, 상기 치아 이미지는 X-선 파노라마 이미지일 수 있다.In addition, the tooth image may be an X-ray panoramic image.

한편, 본원의 일 실시예에 따른 치아 이미지에 기초한 치주 질환 예후 평가 장치는, 입력된 치아 이미지로부터 복수의 치아 각각에 대한 경계를 검출하는 경계 검출부, 상기 복수의 치아 각각에 대한 경계에 기초하여 복수의 치아 각각의 치주 영역을 포함하는 관심 영역을 설정하는 관심 영역 설정부, 상기 관심 영역 내 이미지 정보에 기초하여 치주 질환 예후 평가를 위한 파라미터를 적어도 하나 이상 산출하는 파라미터 산출부 및 상기 파라미터를 입력으로 하는 기 생성된 기계 학습 알고리즘에 기초하여 복수의 치아 각각에 대한 치주 질환 예후 평가를 수행하는 평가 수행부를 포함할 수 있다.On the other hand, the apparatus for evaluating the prognosis of periodontal disease based on a tooth image according to an exemplary embodiment of the present disclosure includes a boundary detector configured to detect a boundary for each of a plurality of teeth from an input tooth image, and a plurality of teeth based on the boundary for each of the plurality of teeth A region of interest setting unit for setting a region of interest including periodontal regions of each of the teeth, a parameter calculation unit for calculating at least one parameter for evaluating the prognosis of periodontal disease based on the image information in the region of interest, and the parameter as input It may include an evaluation performing unit that performs periodontal disease prognosis evaluation for each of the plurality of teeth based on the previously generated machine learning algorithm.

또한, 상기 관심 영역 설정부는, 검출된 상기 복수의 치아 각각에 대한 경계 사이의 어느 한 치아에 대하여 치아의 치관 중심점에 해당하는 제1 좌표를 설정하고, 상기 제1 좌표로부터 소정의 거리만큼 떨어진 제2 좌표를 설정하고, 상기 제2 좌표를 중심으로 하여 상기 제2 좌표 및 상기 어느 한 치아의 치주 영역을 둘러싸고 기 설정된 도형 형상을 가지는 상기 관심 영역을 설정할 수 있다.In addition, the region of interest setting unit sets a first coordinate corresponding to a crown center point of the tooth for any one tooth between the boundary of each of the detected plurality of teeth, and a first coordinate that is separated by a predetermined distance from the first coordinate 2 The coordinates may be set, and the second coordinates and the region of interest surrounding the periodontal region of the one tooth and having a predetermined shape shape may be set.

또한, 상기 치주 질환 예후 평가를 위한 파라미터는, 상기 관심 영역과 연계된 치아에 대한 치주낭 깊이 및 임상적 부착 수준을 포함할 수 있다.In addition, the parameters for evaluating the prognosis of periodontal disease may include a depth of a periodontal bag and a level of clinical attachment to a tooth associated with the region of interest.

또한, 상기 파라미터 산출부는, 상기 관심 영역 내 이미지 정보에 기초하여 백악법랑경계를 검출하고, 검출된 상기 백악법랑경계로부터 상기 관심 영역 내의 치은연 영역까지의 거리 정보에 기초하여 상기 임상적 부착 수준을 산출할 수 있다.In addition, the parameter calculation unit may detect a chalk enamel boundary based on image information in the region of interest, and calculate the clinical attachment level based on distance information from the detected chalk enamel boundary to a gingival region within the region of interest. Can be calculated.

또한, 상기 평가 수행부는, 상기 기 생성된 기계 학습 알고리즘에 기초하여 복수의 치아 각각의 발치 필요 여부, 예상 수명 및 치주 질환 발생 확률 중 적어도 하나를 산출할 수 있다.In addition, the evaluation performing unit may calculate at least one of whether a plurality of teeth needs to be extracted, an expected lifespan, and a periodontal disease occurrence probability based on the previously generated machine learning algorithm.

또한, 본원의 일 실시예에 따른 치아 이미지에 기초한 치주 질환 예후 평가 장치는, 상기 복수의 치아 각각의 발치 필요 여부, 예상 수명 및 치주 질환 발생 확률 중 적어도 하나를 상기 치아 이미지에 오버랩하여 표시하는 결과 출력부를 포함할 수 있다.In addition, the device for evaluating the prognosis of periodontal disease based on a tooth image according to an exemplary embodiment of the present disclosure displays at least one of whether or not each of the plurality of teeth needs to be extracted, an expected lifespan, and a probability of occurrence of periodontal disease on the tooth image. It may include an output unit.

상술한 과제 해결 수단은 단지 예시적인 것으로서, 본원을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 추가적인 실시예가 존재할 수 있다.The above-described problem solving means are merely exemplary and should not be construed as limiting the present application. In addition to the above-described exemplary embodiments, additional embodiments may exist in the drawings and detailed description of the invention.

전술한 본원의 과제 해결 수단에 의하면, 파노라마 이미지 등의 치아 이미지로부터 치주 영역을 식별하고 식별된 치주 영역에 대한 치주 질환에 대한 예후 평가를 기계 학습 기반의 알고리즘에 기초하여 수행할 수 있는 치아 이미지에 기초한 치주 질환 예후 평가 장치 및 방법을 제공할 수 있다.According to the problem solving means of the present application described above, a periodontal region is identified from a tooth image such as a panoramic image, and a prognosis evaluation for periodontal disease for the identified periodontal region is performed on a tooth image that can be performed based on a machine learning-based algorithm. An apparatus and method for evaluating the prognosis of periodontal disease based can be provided.

전술한 본원의 과제 해결 수단에 의하면, 경험이 부족한 진료자 또는 비전공의의 경우, 치아 이미지에 기초한 치주 질환에 대한 예후 평가 결과를 진단 보조 도구로 활용할 수 있다.According to the above-described problem solving means of the present application, in the case of an inexperienced practitioner or a non-specialist, a prognostic evaluation result for periodontal disease based on a tooth image can be used as a diagnostic aid.

전술한 본원의 과제 해결 수단에 의하면, 신뢰할 수 있는 데이터 세트에 기초하여 기계 학습을 수행하여 신뢰도가 높은 치주 질환 예후 평가를 수행할 수 있어 임상 데이터가 부족한 취약 국가 등에서도 활용될 수 있다.According to the above-described problem solving means of the present application, it is possible to perform machine learning based on a reliable data set to perform a highly reliable prognosis of periodontal disease, so that it can be used in vulnerable countries where clinical data is insufficient.

다만, 본원에서 얻을 수 있는 효과는 상기된 바와 같은 효과들로 한정되지 않으며, 또 다른 효과들이 존재할 수 있다.However, the effect obtainable in the present application is not limited to the effects as described above, and other effects may exist.

도 1은 본원의 일 실시예에 따른 치주 질환 예후 평가 시스템의 개략적인 구성도이다.
도 2는 입력된 치아 이미지로부터 복수의 치아 각각에 대한 경계를 검출하는 과정을 나타낸 도면이다.
도 3은 복수의 치아 각각에 대한 경계에 기초하여 복수의 치아 각각의 치주 영역을 포함하는 관심 영역을 설정하는 과정을 설명하기 위한 도면이다.
도 4는 본원의 일 실시예에 따른 치주 질환 예후 평가를 위한 파라미터를 산출하기 위한 기 생성된 기계 학습 알고리즘을 설명하기 위한 개념도이다.
도 5는 본원의 일 실시예에 따른 치아 이미지에 기초한 치주 질환 예후 평가 장치의 개략적인 구성도이다.
도 6은 본원의 일 실시예에 따른 치아 이미지에 기초한 치주 질환 예후 평가 방법의 동작 흐름도이다.
도 7은 복수의 치아 각각에 대한 경계에 기초하여 복수의 치아 각각의 치주 영역을 포함하는 관심 영역을 설정하는 방법에 대한 동작 흐름도이다.1 is a schematic configuration diagram of a periodontal disease prognosis evaluation system according to an embodiment of the present application.
2 is a diagram showing a process of detecting a boundary for each of a plurality of teeth from an input tooth image.
3 is a diagram for describing a process of setting a region of interest including a periodontal region of each of a plurality of teeth based on a boundary for each of a plurality of teeth.
4 is a conceptual diagram illustrating a pre-generated machine learning algorithm for calculating a parameter for prognosis evaluation of periodontal disease according to an embodiment of the present application.
5 is a schematic configuration diagram of an apparatus for evaluating prognosis of periodontal disease based on a tooth image according to an exemplary embodiment of the present application.
6 is a flowchart illustrating a method for evaluating prognosis of periodontal disease based on a tooth image according to an exemplary embodiment of the present application.
7 is a flowchart illustrating a method of setting a region of interest including a periodontal region of each of a plurality of teeth based on a boundary for each of the plurality of teeth.

아래에서는 첨부한 도면을 참조하여 본원이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본원의 실시예를 상세히 설명한다. 그러나 본원은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본원을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.Hereinafter, exemplary embodiments of the present application will be described in detail with reference to the accompanying drawings so that those of ordinary skill in the art may easily implement the present application. However, the present application may be implemented in various different forms and is not limited to the embodiments described herein. In addition, in the drawings, parts not related to the description are omitted in order to clearly describe the present application, and similar reference numerals are attached to similar parts throughout the specification.

본원 명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결" 또는 "간접적으로 연결"되어 있는 경우도 포함한다. Throughout the present specification, when a part is said to be "connected" with another part, it is not only "directly connected", but also "electrically connected" or "indirectly connected" with another element interposed therebetween. "Including the case.

본원 명세서 전체에서, 어떤 부재가 다른 부재 "상에", "상부에", "상단에", "하에", "하부에", "하단에" 위치하고 있다고 할 때, 이는 어떤 부재가 다른 부재에 접해 있는 경우뿐 아니라 두 부재 사이에 또 다른 부재가 존재하는 경우도 포함한다.Throughout this specification, when a member is positioned "on", "upper", "upper", "under", "lower", and "lower" of another member, this means that a member is located on another member. It includes not only the case where they are in contact but also the case where another member exists between the two members.

본원 명세서 전체에서, 어떤 부분이 어떤 구성 요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다.Throughout the specification of the present application, when a certain part "includes" a certain component, it means that other components may be further included rather than excluding other components unless specifically stated to the contrary.

본원은 치아 이미지에 기초한 치주 질환 예후 평가 장치 및 방법에 관한 것이다.The present application relates to an apparatus and method for evaluating prognosis of periodontal disease based on a tooth image.

도 1은 본원의 일 실시예에 따른 치주 질환 예후 평가 시스템의 개략적인 구성도이다.1 is a schematic configuration diagram of a periodontal disease prognosis evaluation system according to an embodiment of the present application.

도 1을 참조하면, 본원의 일 실시예에 따른 치주 질환 예후 평가 시스템(10)은 치아 이미지에 기초한 치주 질환 예후 평가 장치(100), 사용자 단말(200) 및 학습 DB(300)를 포함할 수 있다.1, the periodontal disease prognosis evaluation system 10 according to an embodiment of the present application may include a periodontal disease prognosis evaluation apparatus 100, a user terminal 200, and a learning DB 300 based on a tooth image. have.

또한, 도 1을 참조하면, 치아 이미지에 기초한 치주 질환 예후 평가 장치(100), 사용자 단말(200) 및 학습 DB(300) 상호간은 네트워크를 통해 통신할 수 있다. 네트워크는 단말들 및 서버들과 같은 각각의 노드 상호간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크(30)의 일 예에는, 3GPP(3rd Generation Partnership Project) 네트워크, LTE(Long Term Evolution) 네트워크, 5G 네트워크, WIMAX(World Interoperability for Microwave Access) 네트워크, 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), wifi 네트워크, 블루투스(Bluetooth) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.In addition, referring to FIG. 1, the apparatus 100 for evaluating the prognosis of periodontal disease based on the tooth image, the user terminal 200 and the learning DB 300 may communicate with each other through a network. A network refers to a connection structure in which information exchange is possible between respective nodes such as terminals and servers. An example of such a network 30 includes a 3rd Generation Partnership Project (3GPP) network, and a Long Term Evolution (LTE). Network, 5G network, WIMAX (World Interoperability for Microwave Access) network, Internet, LAN (Local Area Network), Wireless LAN (Wireless Local Area Network), WAN (Wide Area Network), PAN (Personal Area Network), A wifi network, a Bluetooth network, a satellite broadcasting network, an analog broadcasting network, and a Digital Multimedia Broadcasting (DMB) network are included, but are not limited thereto.

사용자 단말(200)은 예를 들면, 스마트폰(Smartphone), 스마트패드(SmartPad), 태블릿 PC등과 PCS(Personal Communication System), GSM(Global System for Mobile communication), 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) 단말기 같은 모든 종류의 무선 통신 장치일 수 있다.The user terminal 200 is, for example, a smartphone (Smartphone), a smart pad (SmartPad), a tablet PC, and PCS (Personal Communication System), GSM (Global System for Mobile communication), 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) terminal It can be any kind of wireless communication device.

치아 이미지에 기초한 치주 질환 예후 평가 장치(100)(이하, '치주 질환 예후 평가 장치(100)'라 한다.)는 치주 질환 예후 평가를 수행하고자 하는 치아 이미지(1)를 수신할 수 있다. 여기서, 치아 이미지(1)는 대상자의 복수의 치아 전체를 소정의 방향에서 촬영한 이미지일 수 있다. 일 예로 치아 이미지(1)는 X-선 파노라마 이미지일 수 있다.The periodontal disease prognosis evaluation apparatus 100 based on the tooth image (hereinafter, referred to as “periodontal disease prognosis evaluation apparatus 100”) may receive a tooth image 1 for which periodontal disease prognosis is to be evaluated. Here, the tooth image 1 may be an image obtained by photographing the entire plurality of teeth of the subject in a predetermined direction. For example, the tooth image 1 may be an X-ray panoramic image.

본원의 일 실시예에 따르면 치주 질환 예후 평가 장치(100)는, CT 스캐너, X-선 촬영 장치, 초음파 진단기, 광 스캐너 등의 촬영 기구에 의해 촬영된 화상을 기초로 하여 상기 촬영 기구로부터 치아 이미지(1)를 수신하는 것일 수 있다.According to an embodiment of the present application, the apparatus 100 for evaluating the prognosis of periodontal disease is based on an image captured by an imaging device such as a CT scanner, an X-ray imaging device, an ultrasound diagnostic device, and an optical scanner. It may be to receive (1).

치주 질환 예후 평가 장치(100)는, 입력된 치아 이미지(1)로부터 복수의 치아 각각에 대한 경계를 검출할 수 있다.The periodontal disease prognosis evaluation apparatus 100 may detect a boundary for each of a plurality of teeth from the input tooth image 1.

이하에서는 도 2를 참조하여 치주 질환 예후 평가 장치(100)에 의해 치아 이미지(1)에 포함된 복수의 치아에 대한 경계를 검출하는 과정에 대해 서술하도록 한다.Hereinafter, a process of detecting boundaries for a plurality of teeth included in the tooth image 1 by the periodontal disease prognosis evaluation apparatus 100 will be described with reference to FIG. 2.

도 2는 입력된 치아 이미지로부터 복수의 치아 각각에 대한 경계를 검출하는 과정을 나타낸 도면이다.2 is a diagram showing a process of detecting a boundary for each of a plurality of teeth from an input tooth image.

도 2를 참조하면, 치주 질환 예후 평가 장치(100)는 치아 이미지(1)로부터 복수의 치아 각각에 대한 경계가 보다 뚜렷하게 표시된 분할 이미지(1')를 획득할 수 있다. 본원의 일 실시예에 따르면 분할 이미지(1')는 복수의 치아 각각에 대한 경계를 추출하고 경계 사이의 치아 각각을 대응하는 색상으로 표시한 것일 수 있으나, 이에만 한정되는 것은 아니다. 일 예로 치아 각각에 대응되는 색상은 경계 사이의 치아의 유형에 기초하여 결정되는 것일 수 있다.Referring to FIG. 2, the apparatus 100 for evaluating the prognosis of periodontal disease may obtain a segmented image 1 ′ in which a boundary for each of a plurality of teeth is more clearly displayed from the tooth image 1. According to an exemplary embodiment of the present disclosure, the divided image 1 ′ may be obtained by extracting a boundary for each of a plurality of teeth and displaying each tooth between the boundaries in a corresponding color, but is not limited thereto. For example, a color corresponding to each tooth may be determined based on the type of teeth between the boundaries.

본원의 일 실시예에 따르면, 치주 질환 예후 평가 장치(100)는 치아 이미지(1)의 픽셀 밝기 변화에 기초하여 복수의 치아 각각에 대한 경계를 검출하는 것일 수 있다. 예를 들어, 픽셀 밝기 변화(또는 픽셀 밝기의 미분값)가 기 설정된 임계값 이상인 영역에서, 치아 영역과 치아가 아닌 영역이 구분되는 것으로 파악하여 복수의 치아 각각에 대한 경계를 검출하는 것일 수 있다.According to an exemplary embodiment of the present disclosure, the apparatus 100 for evaluating the prognosis of periodontal disease may detect a boundary for each of a plurality of teeth based on a change in brightness of a pixel of the tooth image 1. For example, in a region in which a pixel brightness change (or a differential value of pixel brightness) is equal to or greater than a preset threshold, it may be recognized that a tooth region and a non-tooth region are distinguished to detect a boundary for each of a plurality of teeth. .

또한, 치주 질환 예후 평가 장치(100)는 치아 각각에 대하여 검출된 경계를 표시하기에 앞서 치아 이미지(1)에 대한 이진화 전처리를 수행할 수 있다. 도 2를 참조하면, 이진화 전처리는 기 설정된 임계값 보다 밝은 영역을 흰색으로, 어두운 영역을 검은색으로 변환하는 것을 의미할 수 있다.In addition, the periodontal disease prognosis evaluation apparatus 100 may perform pre-binarization processing on the tooth image 1 before displaying the detected boundary for each tooth. Referring to FIG. 2, the pre-binarization process may mean converting a region brighter than a preset threshold to white and a dark region to black.

또한, 치주 질환 예후 평가 장치(100)는 이진화 전처리 수행결과에 기초하여 복수의 치아 각각에 대한 경계 사이의 특정 치아의 형상 및 해당 치아의 전체 치아에 대비한 상대적인 위치 정보를 획득할 수 있다. 또한, 치주 질환 예후 평가 장치(100)는 특정 치아의 형상 및 해당 치아의 전체 치아에 대비한 상대적인 위치 정보에 기초하여 해당 치아의 유형을 식별하고 식별된 해당 치아의 유형에 부합하는 색상을 표시할 수 있다.In addition, the periodontal disease prognosis evaluation apparatus 100 may obtain a shape of a specific tooth between boundaries for each of a plurality of teeth and relative position information relative to the entire teeth of the tooth based on a result of performing the preprocessing for binarization. In addition, the periodontal disease prognosis evaluation apparatus 100 identifies the type of the tooth based on the shape of the specific tooth and the relative position information of the tooth relative to the entire tooth, and displays a color corresponding to the identified type of the tooth. I can.

치주 질환 예후 평가 장치(100)는 복수의 치아 각각에 대한 경계에 기초하여 복수의 치아 각각의 치주 영역을 포함하는 관심 영역을 설정할 수 있다.The periodontal disease prognosis evaluation apparatus 100 may set a region of interest including a periodontal region of each of the plurality of teeth based on a boundary for each of the plurality of teeth.

이하에서는 도 3을 참조하여 치주 질환 예후 평가 장치(100)가 복수의 치아 각각에 대한 경계에 기초하여 관심 영역을 설정하는 과정에 대해 서술하도록 한다.Hereinafter, with reference to FIG. 3, a process of setting a region of interest by the periodontal disease prognosis evaluation apparatus 100 based on a boundary for each of a plurality of teeth will be described.

도 3은 복수의 치아 각각에 대한 경계에 기초하여 복수의 치아 각각의 치주 영역을 포함하는 관심 영역을 설정하는 과정을 설명하기 위한 도면이다.3 is a diagram for describing a process of setting a region of interest including a periodontal region of each of a plurality of teeth based on a boundary for each of a plurality of teeth.

도 3을 참조하면, 치주 질환 예후 평가 장치(100)는 검출된 복수의 치아 각각에 대한 경계 사이의 어느 한 치아에 대하여 치아의 치관 중심점에 해당하는 제1 좌표(P1)를 설정할 수 있다. 여기서, 치관은 치아에서 법랑질(사기질)로 덮여 있는 부분으로 구강 내부에 노출된 치아의 상부를 의미하는 것일 수 있다. 또한 치관은 크라운(Crown)으로 달리 지칭될 수 있다.Referring to FIG. 3, the apparatus 100 for evaluating the prognosis of periodontal disease may set a first coordinate P1 corresponding to a crown center point of a tooth for any one tooth between boundaries for each of a plurality of detected teeth. Here, the crown is a portion of the tooth covered with enamel (enamel) and may mean the upper portion of the tooth exposed to the inside of the oral cavity. Also, the crown may be otherwise referred to as a crown.

또한, 치주 질환 예후 평가 장치(100)는 제1 좌표(P1)로부터 소정의 거리만큼 떨어진 제2 좌표(P2)를 설정할 수 있다. 여기서, 제1 좌표(P1)와 제2 좌표(P2)의 이격 거리는 해당 치아의 유형 정보 또는 해당 치아의 전체 구강 구조에서의 위치 정보 중 적어도 하나에 기초하여 결정되는 것일 수 있다.In addition, the periodontal disease prognosis evaluation apparatus 100 may set a second coordinate P2 separated by a predetermined distance from the first coordinate P1. Here, the separation distance between the first coordinate P1 and the second coordinate P2 may be determined based on at least one of information on the type of the corresponding tooth or information on the location of the entire oral structure of the corresponding tooth.

또한, 도 3을 참조하면, 제1 좌표(P1) 및 제2 좌표(P2)는 해당 치아의 배향에 기초하여 결정된 치축(L) 선 상에 위치하는 것일 수 있다. 치주 질환 예후 평가 장치(100)는 제1 좌표(P1)가 설정되고 나면, 해당 치아의 배향(달리 말해, 기울어진 방향)에 기초하여 치축(L) 선을 결정하고 치축(L) 선 상에서 제 1 좌표(P1)로부터 소정의 거리만큼 떨어진 제2 좌표(P2)를 설정하는 것일 수 있다.In addition, referring to FIG. 3, the first coordinate P1 and the second coordinate P2 may be positioned on a tooth axis L line determined based on an orientation of a corresponding tooth. After the first coordinate P1 is set, the periodontal disease prognosis evaluation device 100 determines a tooth axis (L) line based on the orientation (in other words, inclined direction) of the corresponding tooth, and determines the tooth axis (L) line. It may be to set the second coordinate P2 separated by a predetermined distance from the first coordinate P1.

여기서, 제1 좌표(P1)에 대하여 상대적으로 제2 좌표(P2)는 치축(L) 선을 따라 하방에 위치하는 것으로 이해될 수 있다.Here, relative to the first coordinate P1, the second coordinate P2 may be understood to be positioned downward along the tooth axis L line.

또한, 치주 질환 예후 평가 장치(100)는 제2 좌표를 중심으로 하여 상기 제2 좌표 및 상기 어느 한 치아의 치주 영역을 둘러싸고 기 설정된 도형 형상을 가지는 상기 관심 영역을 설정할 수 있다.In addition, the periodontal disease prognosis evaluation apparatus 100 may set the second coordinate and the region of interest surrounding the periodontal region of the one tooth and having a preset shape shape based on the second coordinate.

여기서, 치주 영역은 치주 조직(Periodontium)으로 달리 지칭될 수 있으며, 치아를 물리적으로 지지하고, 치아의 움직임을 보조하며 치아에 필요한 혈류 등을 공급하는 역할을 하는 조직을 의미하는 것으로 이해될 수 있다. 보다 구체적으로, 치주 영역은 치은(잇몸, Gingiva), 백악질(Cementum), 치주인대 (Periodontal Ligament, PDL), 치조골(이틀뼈, Alveolar Bone) 등을 포함할 수 있다.Here, the periodontal region may be referred to differently as a periodontal tissue, and may be understood to mean a tissue that supports the tooth physically, assists the movement of the tooth, and supplies the necessary blood flow to the tooth. . More specifically, the periodontal region may include a gingiva (gum, Gingiva), cementum, periodontal ligament (PDL), alveolar bone (Alveolar Bone), and the like.

본원의 일 실시예에 따르면, 관심 영역 설정을 위한 기 설정된 도형 형상은 원 형상일 수 있으나, 이에만 한정되는 것은 아니고, 타원, 직사각형, 사각형 등의 다양한 형상을 가질 수 있다. 특히, 3차원 치아 이미지를 대상으로 하는 경우, 기 설정된 도형 형상은 구, 원기둥, 다각기둥, 정육면체 등 3차원 체적을 가지는 도형의 형상으로 결정될 수 있다. 또한, 본원의 일 실시예에 따르면, 기 설정된 도형 형상은 해당 치아의 유형 정보 또는 해당 치아의 전체 구강 구조에서의 위치 정보 중 적어도 하나에 기초하여 결정되는 것일 수 있다.According to an exemplary embodiment of the present disclosure, a preset figure shape for setting a region of interest may be a circular shape, but is not limited thereto, and may have various shapes such as an ellipse, a rectangle, and a rectangle. In particular, when targeting a 3D tooth image, the preset shape shape may be determined as a shape having a 3D volume such as a sphere, a cylinder, a polygonal column, and a regular cube. In addition, according to the exemplary embodiment of the present disclosure, the preset shape shape may be determined based on at least one of information on a type of a corresponding tooth or information on a location in the entire oral structure of the tooth.

본원의 일 실시예에 따르면, 관심 영역(Region of Interest, RoI)은 기 설정된 도형 형상을 가지고, 해당 치아의 치주 영역을 적어도 일부 포함하는 면적 또는 크기를 가지도록 결정됨이 바람직하다. 본원에서는 후술할 치주 질환 예후 평가를 위한 파라미터 산출을 위하여 이미지 분석의 대상이 되는 관심 영역을 검출된 치아 간 경계를 통해 구분된 치아 자체로 한정하는 것이 아니라 구분된 치아의 주변부를 포함하는 치주 영역으로 설정함으로써 해당 치아의 치주 질환에 대한 예후 평가를 용이하게 수행할 수 있다.According to an exemplary embodiment of the present disclosure, it is preferable that a region of interest (RoI) is determined to have a predetermined shape shape and an area or size including at least a part of the periodontal region of the corresponding tooth. In this application, in order to calculate parameters for the prognosis of periodontal disease, which will be described later, the region of interest, which is the target of image analysis, is not limited to the tooth itself divided through the boundary between the detected teeth, but is a periodontal region including the periphery of the divided teeth By setting, it is possible to easily perform prognosis evaluation for periodontal disease of the tooth.

또한, 치주 질환 예후 평가 장치(100)는 관심 영역 내 이미지 정보에 기초하여 치주 질환 예후 평가를 위한 파라미터를 적어도 하나 이상 산출할 수 있다.In addition, the periodontal disease prognosis evaluation apparatus 100 may calculate at least one or more parameters for evaluating the periodontal disease prognosis based on image information in the region of interest.

본원의 일 실시예에 따르면, 치주 질환 예후 평가를 위한 파라미터는 관심 영역과 연계된 치아에 대한 치주낭 깊이 및 임상적 부착 수준을 포함할 수 있다.According to an embodiment of the present disclosure, parameters for evaluating the prognosis of periodontal disease may include a depth of a periodontal pocket and a level of clinical attachment to a tooth associated with a region of interest.

치주 질환 예후 평가를 위한 파라미터 중 치주낭 깊이는 PPD(Probing Pocket Depth)로 달리 지칭될 수 있다. 치주낭은 대상 치아 주변에 치주염 등의 원인으로 치아를 지지하는 잇몸뼈(치조골)이 파괴되면서 치아 뿌리(치근)과 잇몸이 분리되어 생긴 틈을 의미하고, 치주낭 깊이는 형성된 치주낭의 깊이를 가리키는 것일 수 있다.Among the parameters for evaluating the prognosis of periodontal disease, the depth of the periodontal pocket may be referred to differently as Probing Pocket Depth (PPD). Periodontal bag refers to a gap created by separating the tooth root (root) from the gum as the gingival bone (alveolar bone) that supports the tooth is destroyed due to periodontitis around the target tooth, and the depth of the periodontal bag may refer to the depth of the formed periodontal bag. have.

치주 질환 예후 평가를 위한 파라미터 중 임상적 부착 수준은 CAL(Clinical Attachment Level)로 달리 지칭될 수 있다. 임상적 부착 수준은 치아를 지지하는 구조물의 위치를 추정한 값으로 이해될 수 있으며, 치아의 안정성과 치조골의 소실을 판단하는 기준으로 활용될 수 있다.Among the parameters for evaluating the prognosis of periodontal disease, the clinical attachment level may be referred to differently as a CAL (Clinical Attachment Level). The clinical attachment level can be understood as a value estimated by the position of the structure supporting the tooth, and can be used as a criterion for determining the stability of the tooth and the loss of the alveolar bone.

구체적으로, 치주 질환 예후 평가 장치(100)는 관심 영역 내 이미지 정보에 기초하여 백악법랑경계(CEJ; Cementoenamel Junction)를 검출할 수 있다. 또한, 치주 질환 예후 평자 장치(100)는 검출된 백악법랑경계로부터 관심 영역 내의 치은연 영역까지의 거리 정보에 기초하여 임상적 부착 수준을 산출할 수 있다.Specifically, the apparatus 100 for evaluating the prognosis of periodontal disease may detect a cementoenamel junction (CEJ) based on image information in the region of interest. In addition, the periodontal disease prognosis device 100 may calculate a clinical adhesion level based on distance information from the detected chalk enamel boundary to the gingival margin region in the region of interest.

또한, 치주 질환 예후 평가를 위한 파라미터는 관심 영역 내의 치주 영역의 픽셀 밝기 변화값을 포함할 수 있다. 예를 들어, 치주 영역의 픽셀 밝기 변화값은 해당 치아의 경계면으로부터의 거리마다 측정되는 것일 수 있다.In addition, the parameter for evaluating the prognosis of periodontal disease may include a pixel brightness change value of the periodontal region within the region of interest. For example, the pixel brightness change value of the periodontal region may be measured for each distance from the boundary of the corresponding tooth.

본원의 일 실시예에 따르면, 치주 질환 예후 평가 장치(100)는 복수의 치아 이미지를 포함하는 데이터 세트(S)에 대하여 미리 기계 학습을 수행한 기계 학습 알고리즘에 기초하여 치주낭 깊이, 임상적 부착 수준 등을 포함하는 파라미터를 추출하는 것일 수 있다. 여기서, 데이터 세트(S)에 대한 학습 결과 데이터는 학습 DB(300)에 저장되는 것일 수 있다. 달리 말해, 치주 질환 예후 평가 장치(100)는 학습 DB(300)에 저장된 학습 결과 데이터와 수신된 치아 이미지의 관심 영역 내 이미지 정보를 비교하여 파라미터를 산출하는 기계 학습 알고리즘과 연계된 것일 수 있다.According to an embodiment of the present application, the apparatus 100 for evaluating the prognosis of periodontal diseases is based on a machine learning algorithm in which machine learning is performed in advance on a data set (S) including a plurality of tooth images. It may be to extract parameters including the like. Here, the learning result data for the data set S may be stored in the learning DB 300. In other words, the periodontal disease prognosis evaluation apparatus 100 may be linked with a machine learning algorithm that calculates a parameter by comparing the learning result data stored in the learning DB 300 with image information in the region of interest of the received tooth image.

여기서, 치주 질환 예후 평가를 위한 파라미터를 산출하는 기계 학습 알고리즘은 예시적으로 딥 러닝(Deep Learning), 컨볼루션 신경망(Convolutional Neural Network, CNN), 로지스틱 회귀 분석(Logistic Regression), 랜덤 포레스트(Random Forest) 등과 연계된 것일 수 있으나, 이에만 한정되는 것은 아니다.Here, the machine learning algorithm that calculates the parameters for the prognosis of periodontal disease is, for example, Deep Learning, Convolutional Neural Network (CNN), Logistic Regression, and Random Forest. ), etc., but is not limited thereto.

도 4는 본원의 일 실시예에 따른 치주 질환 예후 평가를 위한 파라미터를 산출하기 위한 기 생성된 기계 학습 알고리즘을 설명하기 위한 개념도이다.4 is a conceptual diagram illustrating a pre-generated machine learning algorithm for calculating a parameter for prognosis evaluation of periodontal disease according to an embodiment of the present application.

도 4를 참조하면, 치주 질환 예후 평가를 위한 파라미터를 산출하기 위한 기 생성된 기계 학습 알고리즘을 생성하기 위하여 치주 질환 예후 평가 장치(100)는 복수의 치아 이미지(1) 및 치아 이미지(1) 각각에 대응하고 주석이 표시된 복수의 분할 이미지(1')를 학습 대상 데이터 세트로 입력 받을 수 있다. 치주 질환 예후 평가 장치(100)는 ResNet-101 레이어를 통해 5개 스테이지(S1 내지 S5)로 이루어지는 특징(feature)을 추출하고, 5개의 스테이지는 피라미드 네트워크에서 레이어 FPN을 형성할 수 있다. 이후, FPN을 통해 앵커(제1 좌표 및 제2 좌표)가 결정될 수 있고 이를 기초로 하여 관심 영역(RoI)가 결정될 수 있다. 이후, 치주 질환 예후 평가 장치(100)는 결정된 복수의 관심 영역(RoI) 각각을 정렬하고(RoI align) 복수의 관심 영역 각각에 대한 파라미터 산출 결과(Class score) 및 산출된 파라미터와 연계된 관심 영역의 대표 좌표(Box coordinate)를 출력할 수 있다.Referring to FIG. 4, in order to generate a pre-generated machine learning algorithm for calculating a parameter for evaluating a periodontal disease prognosis, the periodontal disease prognosis evaluation apparatus 100 includes a plurality of tooth images 1 and a tooth image 1, respectively. A plurality of divided images 1 ′ corresponding to and marked with annotations may be input as a learning target data set. The periodontal disease prognosis evaluation apparatus 100 may extract features consisting of five stages (S1 to S5) through the ResNet-101 layer, and the five stages may form a layer FPN in a pyramid network. Thereafter, an anchor (first coordinate and second coordinate) may be determined through the FPN, and a region of interest RoI may be determined based on this. Thereafter, the periodontal disease prognosis evaluation apparatus 100 aligns each of the determined regions of interest (RoI), and calculates a parameter calculation result for each of the plurality of regions of interest (Class score) and a region of interest linked to the calculated parameters. Box coordinates of can be output.

또한, 치주 질환 예후 평가 장치(100)는 산출된 파라미터를 입력으로 하는 기 생성된 기계 학습 알고리즘에 기초하여 복수의 치아 각각에 대한 치주 질환 예후 평가를 수행할 수 있다. 달리 말해, 치주 질환 예후 평가 장치(100)는 학습 DB(300)에 저장된 복수의 파라미터와 치아의 발치 필요 여부, 예상 수명 및 치주 질환 발생 확률 등의 치주 질환 예후 평가 결과 간의 상관 관계에 대하여 축적된 데이터 세트(S)에 대한 기계 학습을 선행하여 수행하고, 새로이 치아 각각에 대한 파라미터가 입력되면 해당 치아에 대한 치주 질환 예후 평가를 수행할 수 있다.In addition, the periodontal disease prognosis evaluation apparatus 100 may perform periodontal disease prognosis evaluation for each of a plurality of teeth based on a pre-generated machine learning algorithm using the calculated parameter as an input. In other words, the periodontal disease prognosis evaluation apparatus 100 accumulates a correlation between a plurality of parameters stored in the learning DB 300 and periodontal disease prognosis evaluation results such as whether tooth extraction is necessary, an expected lifespan, and a probability of occurrence of periodontal disease. If machine learning is performed on the data set S in advance and parameters for each tooth are newly input, the prognosis of periodontal disease for the corresponding tooth may be performed.

본원에서 활용되는 일부 파라미터와 치주 질환 예후 평가의 상관 관계에 대해 예시하면, 파라미터 중 치주낭 깊이의 경우 산출된 치주낭 깊이 값이 커질수록 잇몸뼈의 염증 발생 정도가 심하고, 잇몸뼈 소실 가능성이 높은 것으로 판단될 수 있으므로, 치주낭 깊이가 커질수록 발치가 필요한 것으로 결정될 수 있다. 다만, 이는 예시적인 판단 방법으로 이해되어야 하며, 치주 질환 예후 평가 장치(100)는 복수의 파라미터를 종합적으로 고려하여 치주 질환 예후 평가 결과를 산출할 수 있다.To illustrate the correlation between some of the parameters used herein and the prognosis evaluation of periodontal disease, in the case of the periodontal bag depth among parameters, the greater the value of the calculated periodontal bag depth, the more severe the inflammation of the gingival bone is, and it is judged that the possibility of the loss of the gingival bone is high. Therefore, as the depth of the periodontal bag increases, it may be determined that extraction is necessary. However, this should be understood as an exemplary determination method, and the periodontal disease prognosis evaluation apparatus 100 may calculate a periodontal disease prognosis evaluation result by comprehensively considering a plurality of parameters.

다른 예로, 파라미터 중 치주 영역의 픽셀 밝기 변화값과 관련하여, 치주 영역의 픽셀 밝기가 어두운 부분일수록 염증이 발생한 영역으로 판단될 수 있다. 따라서, 치주 질환 예후 평가 장치(100)는 기 설정된 치아 경계면으로부터의 거리 대비 픽셀 밝기값에 대한 임계 수치 정보에 기초하여 해당 치아에 치주염 등의 염증 발생 여부를 판단할 수 있다.As another example, in relation to the pixel brightness change value of the periodontal region among parameters, the darker the pixel brightness of the periodontal region may be determined as an area in which inflammation has occurred. Accordingly, the apparatus 100 for evaluating the prognosis of periodontal disease may determine whether or not inflammation such as periodontitis occurs in the corresponding tooth based on the threshold value information about the pixel brightness value compared to the distance from the tooth boundary.

여기서, 치주 질환 예후 평가를 수행하는 기계 학습 알고리즘은 예시적으로 딥 러닝(Deep Learning), 컨볼루션 신경망(Convolutional Neural Network, CNN), 로지스틱 회귀 분석(Logistic Regression), 랜덤 포레스트(Random Forest) 등과 연계된 것일 수 있으나, 이에만 한정되는 것은 아니다.Here, the machine learning algorithm that performs periodontal disease prognosis is exemplarily linked to Deep Learning, Convolutional Neural Network (CNN), Logistic Regression, and Random Forest. It may be, but is not limited thereto.

또한, 본원의 일 실시예에 따르면, 치주 질환 예후 평가 장치(100)에 의한 관심 영역 설정, 파라미터 산출, 치주 질환 평가 등의 프로세스는 해당 치아가 자연치가 아닌 임플란트 등의 보정물을 포함하는 경우 자연치의 경우와 상이한 메커니즘으로 수행될 수 있다. 예를 들어, 임플란트 치아의 경우 치주 질환 평가 결과는 발치 필요 유무를 포함하지 않도록 구현될 수 있다.In addition, according to an embodiment of the present application, the process of setting a region of interest, calculating parameters, and evaluating periodontal diseases by the periodontal disease prognosis evaluation apparatus 100 is performed when the corresponding tooth includes a correction such as an implant other than a natural tooth. It can be done with a different mechanism than the case. For example, in the case of an implanted tooth, the periodontal disease evaluation result may be implemented so as not to include whether or not extraction is necessary.

또한, 본원의 일 실시예에 따르면, 치주 질환 예후 평가 장치(100)는, 복수의 치아 각각의 발치 필요 여부, 예상 수명 및 치주 질환 발생 확률 중 적어도 하나를 치아 이미지(1)에 오버랩하여 표시할 수 있다. 다른 예로, 치주 질환 예후 평가 장치(100)는 치주 질환 예후 평가 수행 결과(복수의 치아 각각의 발치 필요 여부, 예상 수명 및 치주 질환 발생 확률 등)를 사용자 단말(200)로 전송하고, 치주 질환 예후 평가 수행 결과는 사용자 단말(200)에 구비된 디스플레이 상에서 출력되는 것일 수 있다.In addition, according to an embodiment of the present application, the periodontal disease prognosis evaluation apparatus 100 may display at least one of whether extraction of each of a plurality of teeth is necessary, an expected lifespan, and a periodontal disease occurrence probability on the tooth image 1. I can. As another example, the periodontal disease prognosis evaluation apparatus 100 transmits the result of performing periodontal disease prognosis evaluation (whether extraction of each of a plurality of teeth is necessary, an expected lifespan, and the probability of occurrence of periodontal disease) to the user terminal 200, and the periodontal disease prognosis The evaluation result may be output on a display provided in the user terminal 200.

구체적으로, 치주 질환 예후 평가를 수행한다는 것은 기 생성된 기계 학습 알고리즘에 기초하여 복수의 치아 각각의 발치 필요 여부를 판단하는 것을 포함할 수 있다. 또한, 다른 예로, 치주 질환 예후 평가를 수행한다는 것은 기 생성된 기계 학습 알고리즘에 기초하여 복수의 치아 각각의 예상 수명 및 치주 질환 발생 확률 중 적어도 하나를 산출하는 것을 포함할 수 있다.Specifically, performing periodontal disease prognosis evaluation may include determining whether extraction of each of a plurality of teeth is necessary based on a previously generated machine learning algorithm. In addition, as another example, performing periodontal disease prognosis evaluation may include calculating at least one of an expected lifespan and a periodontal disease occurrence probability of each of the plurality of teeth based on a previously generated machine learning algorithm.

실시예에 따라 치주 질환 예후 평가 장치(100)는 산출된 파라미터에 기초하여 해당 치아에 대하여 '발치가 필요하다' 또는 '발치가 필요하지 않다' 등의 형태로 발치 필요 유무 결과를 단순하게 제공할 수 있다. 다른 예로, 해당 치아에 대한 발치 필요 확률, 소정 시간 범위 내의 생존 확률 등의 수치 정보로 환산하여 발치 필요 유무 결과를 제공할 수 있다.Depending on the embodiment, the device 100 for evaluating the prognosis of periodontal disease may simply provide a result of whether or not an extraction is necessary for a corresponding tooth in the form of'extraction is required' or'extraction is not required' based on the calculated parameter. I can. As another example, a result of the need for extraction may be provided by converting to numerical information such as a probability of needing extraction for a corresponding tooth and a probability of survival within a predetermined time range.

도 5는 본원의 일 실시예에 따른 치아 이미지에 기초한 치주 질환 예후 평가 장치의 개략적인 구성도이다.5 is a schematic configuration diagram of an apparatus for evaluating prognosis of periodontal disease based on a tooth image according to an exemplary embodiment of the present application.

도 5를 참조하면, 치주 질환 예후 평가 장치(100)는, 경계 검출부(110), 관심 영역 설정부(120), 파라미터 산출부(130), 평가 수행부(140) 및 결과 출력부(150)를 포함할 수 있다.Referring to FIG. 5, the periodontal disease prognosis evaluation apparatus 100 includes a boundary detection unit 110, a region of interest setting unit 120, a parameter calculation unit 130, an evaluation execution unit 140, and a result output unit 150. It may include.

경계 검출부(110)는, 입력된 치아 이미지(1)로부터 복수의 치아 각각에 대한 경계를 검출할 수 있다.The boundary detection unit 110 may detect a boundary for each of a plurality of teeth from the input tooth image 1.

관심 영역 설정부(120)는, 복수의 치아 각각에 대한 경계에 기초하여 복수의 치아 각각의 치주 영역을 포함하는 관심 영역을 설정할 수 있다.The region of interest setting unit 120 may set a region of interest including a periodontal region of each of the plurality of teeth based on a boundary for each of the plurality of teeth.

구체적으로, 관심 영역 설정부(120)는, 검출된 복수의 치아 각각에 대한 경계 사이의 어느 한 치아에 대하여 치아의 치관 중심점에 해당하는 제1 좌표(P1)를 설정할 수 있다.Specifically, the region of interest setting unit 120 may set a first coordinate P1 corresponding to a crown center point of a tooth for any one tooth between the boundary of each of the detected plurality of teeth.

다음으로, 관심 영역 설정부(120)는, 제1 좌표(P1)로부터 소정의 거리만큼 떨어진 제2 좌표(P2)를 설정할 수 있다.Next, the ROI setting unit 120 may set a second coordinate P2 separated by a predetermined distance from the first coordinate P1.

다음으로, 관심 영역 설정부(120)는, 제2 좌표(P2)를 중심으로 하여 제2 좌표(P2) 및 해당 치아의 치주 영역을 둘러싸고 기 설정된 도형 형상을 가지는 관심 영역을 설정할 수 있다.Next, the region of interest setting unit 120 may set the region of interest having a predetermined shape shape surrounding the second coordinate P2 and the periodontal region of the corresponding tooth with the second coordinate P2 as the center.

파라미터 산출부(130)는, 관심 영역 내 이미지 정보에 기초하여 치주 질환 예후 평가를 위한 파라미터를 적어도 하나 이상 산출할 수 있다. 여기서, 치주 질환 예후 평가를 위한 파라미터는, 관심 영역과 연계된 치아에 대한 치주낭 깊이 및 임상적 부착 수준을 포함할 수 있다.The parameter calculator 130 may calculate at least one or more parameters for evaluating the prognosis of periodontal disease based on image information in the region of interest. Here, the parameters for evaluating the prognosis of periodontal disease may include the depth of the periodontal bag and the level of clinical attachment to the tooth associated with the region of interest.

구체적으로, 파라미터 산출부(130)는 파라미터 중 임상적 부착 수준에 관하여, 관심 영역 내 이미지 정보에 기초하여 백악법랑경계를 검출하고, 검출된 백악법랑경계로부터 관심 영역 내의 치은연 영역까지의 거리 정보에 기초하여 임상적 부착 수준을 산출할 수 있다.Specifically, the parameter calculation unit 130 detects the chalk enamel boundary based on image information in the region of interest, with respect to the clinical attachment level among parameters, and distance information from the detected chalk enamel boundary to the gingival region within the region of interest. The clinical adhesion level can be calculated based on.

평가 수행부(140)는, 산출된 파라미터를 입력으로 하는 기 생성된 기계 학습 알고리즘에 기초하여 복수의 치아 각각에 대한 치주 질환 예후 평가를 수행할 수 있다.The evaluation performing unit 140 may perform periodontal disease prognosis evaluation for each of a plurality of teeth based on a previously generated machine learning algorithm using the calculated parameter as an input.

구체적으로, 평가 수행부(140)는, 기 생성된 기계 학습 알고리즘에 기초하여 복수의 치아 각각의 발치 필요 여부, 예상 수명 및 치주 질환 발생 확률 중 적어도 하나를 산출할 수 있다.Specifically, the evaluation performing unit 140 may calculate at least one of whether a plurality of teeth needs to be extracted, an expected lifespan, and a periodontal disease occurrence probability based on a previously generated machine learning algorithm.

결과 출력부(150)는, 복수의 치아 각각의 발치 필요 여부, 예상 수명 및 치주 질환 발생 확률 중 적어도 하나를 상기 치아 이미지에 오버랩하여 표시할 수 있다.The result output unit 150 may overlap and display at least one of whether a plurality of teeth needs to be extracted, an expected lifespan, and a periodontal disease occurrence probability on the tooth image.

이하에서는 상기에 자세히 설명된 내용을 기반으로, 본원의 동작 흐름을 간단히 살펴보기로 한다.Hereinafter, based on the details described above, the operation flow of the present application will be briefly described.

도 6은 본원의 일 실시예에 따른 치아 이미지에 기초한 치주 질환 예후 평가 방법의 동작 흐름도이다.6 is a flowchart illustrating an operation of a method for evaluating prognosis of periodontal disease based on a tooth image according to an exemplary embodiment of the present application.

도 6에 도시된 본원의 일 실시예에 따른 치아 이미지에 기초한 치주 질환 예후 평가 방법은 앞서 설명된 치주 질환 예후 평가 장치(100)에 의하여 수행될 수 있다. 따라서, 이하 생략된 내용이라고 하더라도 치주 질환 예후 평가 장치(100)에 대하여 설명된 내용은 치아 이미지에 기초한 치주 질환 예후 평가 방법에 대한 설명에도 동일하게 적용될 수 있다.The periodontal disease prognosis evaluation method based on a tooth image according to an exemplary embodiment of the present disclosure illustrated in FIG. 6 may be performed by the periodontal disease prognosis evaluation apparatus 100 described above. Accordingly, even if omitted below, the description of the periodontal disease prognosis evaluation apparatus 100 may be equally applied to the description of the periodontal disease prognosis evaluation method based on a tooth image.

도 6을 참조하면, 단계 S610에서 경계 검출부(110)는, 입력된 치아 이미지(1)로부터 복수의 치아 각각에 대한 경계를 검출할 수 있다.Referring to FIG. 6, in step S610, the boundary detection unit 110 may detect a boundary for each of a plurality of teeth from the input tooth image 1.

다음으로, 단계 S620에서 관심 영역 설정부(120)는, 복수의 치아 각각에 대한 경계에 기초하여 복수의 치아 각각의 치주 영역을 포함하는 관심 영역을 설정할 수 있다.Next, in step S620, the region of interest setting unit 120 may set the region of interest including the periodontal region of each of the plurality of teeth based on the boundary for each of the plurality of teeth.

다음으로, 단계 S630에서 파라미터 산출부(130)는, 관심 영역 내 이미지 정보에 기초하여 치주 질환 예후 평가를 위한 파라미터를 적어도 하나 이상 산출할 수 있다.Next, in step S630, the parameter calculator 130 may calculate at least one parameter for evaluating the prognosis of periodontal disease based on the image information in the region of interest.

다음으로, 단계 S640에서 평가 수행부(140)는, 파라미터를 입력으로 하는 기 생성된 기계 학습 알고리즘에 기초하여 복수의 치아 각각에 대한 치주 질환 예후 평가를 수행할 수 있다.Next, in step S640, the evaluation performing unit 140 may perform periodontal disease prognosis evaluation for each of the plurality of teeth based on a previously generated machine learning algorithm that inputs a parameter.

상술한 설명에서, 단계 S610 내지 S640은 본원의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다.In the above description, steps S610 to S640 may be further divided into additional steps or may be combined into fewer steps, according to an embodiment of the present application. In addition, some steps may be omitted as necessary, and the order between steps may be changed.

도 7은 복수의 치아 각각에 대한 경계에 기초하여 복수의 치아 각각의 치주 영역을 포함하는 관심 영역을 설정하는 방법에 대한 동작 흐름도이다.7 is a flowchart illustrating a method of setting a region of interest including a periodontal region of each of a plurality of teeth based on a boundary for each of the plurality of teeth.

도 7에 도시된 복수의 치아 각각의 치주 영역을 포함하는 관심 영역을 설정하는 방법은 앞서 설명된 치주 질환 예후 평가 장치(100)에 의하여 수행될 수 있다. 따라서, 이하 생략된 내용이라고 하더라도 치주 질환 예후 평가 장치(100)에 대하여 설명된 내용은 도 7에 대한 설명에도 동일하게 적용될 수 있다.The method of setting the region of interest including the periodontal region of each of the plurality of teeth illustrated in FIG. 7 may be performed by the apparatus 100 for evaluating the prognosis of periodontal disease described above. Therefore, even if omitted below, the description of the periodontal disease prognosis evaluation apparatus 100 may be equally applied to the description of FIG. 7.

도 7을 참조하면, 단계 S710에서 관심 영역 설정부(120)는, 검출된 상기 복수의 치아 각각에 대한 경계 사이의 어느 한 치아에 대하여 치아의 치관 중심점에 해당하는 제1 좌표(P1)를 설정할 수 있다.Referring to FIG. 7, in step S710, the region of interest setting unit 120 sets a first coordinate P1 corresponding to the crown center point of the tooth for any one tooth between the boundary for each of the detected plurality of teeth. I can.

다음으로, 단계 S720에서 관심 영역 설정부(120)는, 제1 좌표(P1)로부터 소정의 거리만큼 떨어진 제2 좌표(P2)를 설정할 수 있다.Next, in step S720, the ROI setting unit 120 may set a second coordinate P2 separated by a predetermined distance from the first coordinate P1.

다음으로, 단계 S730에서 관심 영역 설정부(120)는, 제2 좌표(P2)를 중심으로 하여 제2 좌표(P2) 및 어느 한 치아의 치주 영역을 둘러싸고 기 설정된 도형 형상을 가지는 관심 영역을 설정할 수 있다.Next, in step S730, the region of interest setting unit 120 sets the region of interest having a predetermined geometric shape surrounding the second coordinate P2 and the periodontal region of any one tooth with the second coordinate P2 as the center. I can.

상술한 설명에서, 단계 S710 내지 S730은 본원의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다In the above description, steps S710 to S730 may be further divided into additional steps or may be combined into fewer steps, according to an embodiment of the present disclosure. Also, some steps may be omitted as necessary, and the order between steps may be changed.

본원의 일 실시예에 따른 치아 이미지에 기초한 치주 질환 예후 평가 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 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 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.The method for evaluating the prognosis of periodontal disease based on a tooth image according to an exemplary embodiment of the present disclosure 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 present invention, or may be known and usable to those skilled in computer software. Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks, and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic media such as floptical disks. -A hardware device specially configured to store and execute program instructions such as magneto-optical media, and ROM, RAM, flash memory, and the like. Examples of program instructions include not only machine language codes such as those produced by a compiler but also high-level language codes that can be executed by a computer using an interpreter or the like. The above-described hardware device may be configured to operate as one or more software modules to perform the operation of the present invention, and vice versa.

또한, 전술한 치아 이미지에 기초한 치주 질환 예후 평가 방법은 기록 매체에 저장되는 컴퓨터에 의해 실행되는 컴퓨터 프로그램 또는 애플리케이션의 형태로도 구현될 수 있다.In addition, the above-described method for evaluating the prognosis of periodontal disease based on the tooth image may be implemented in the form of a computer program or application executed by a computer stored in a recording medium.

전술한 본원의 설명은 예시를 위한 것이며, 본원이 속하는 기술분야의 통상의 지식을 가진 자는 본원의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.The foregoing description of the present application is for illustrative purposes only, and those of ordinary skill in the art to which the present application pertains will be able to understand that it is possible to easily transform it into other specific forms without changing the technical spirit or essential features of the present application. Therefore, it should be understood that the embodiments described above are illustrative in all respects and not limiting. For example, each component described as a single type may be implemented in a distributed manner, and similarly, components described as being distributed may also be implemented in a combined form.

본원의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본원의 범위에 포함되는 것으로 해석되어야 한다.The scope of the present application is indicated by the claims to be described later rather than the detailed description, and all changes or modified forms derived from the meaning and scope of the claims and their equivalent concepts should be interpreted as being included in the scope of the present application.

1: 치아 이미지
10: 치주 질환 예후 평가 시스템
100: 치아 이미지에 기초한 치주 질환 예후 평가 장치
110: 경계 검출부
120: 관심 영역 설정부
130: 파라미터 산출부
140: 평가 수행부
150: 결과 출력부
200: 사용자 단말
300: 학습 DB1: teeth image
10: Periodontal disease prognosis evaluation system
100: Periodontal disease prognosis evaluation device based on tooth image
110: boundary detection unit
120: region of interest setting unit
130: parameter calculation unit
140: evaluation execution unit
150: result output section
200: user terminal
300: learning DB

Claims (14)

치아 이미지에 기초한 치주 질환 예후 평가 장치에 의해 수행되는 치아 이미지에 기초한 치주 질환 예후 평가 방법에 있어서,
경계 검출부가 입력된 치아 이미지로부터 복수의 치아 각각에 대한 경계를 검출하는 단계;
관심 영역 설정부가 상기 복수의 치아 각각에 대한 경계에 기초하여 복수의 치아 각각의 치주 영역을 포함하는 관심 영역을 설정하는 단계;
파라미터 산출부가 상기 관심 영역 내 이미지 정보에 기초하여 치주 질환 예후 평가를 위한 파라미터를 적어도 하나 이상 산출하는 단계; 및
평가 수행부가 상기 파라미터를 입력으로 하는 기 생성된 기계 학습 알고리즘에 기초하여 복수의 치아 각각에 대한 치주 질환 예후 평가를 수행하는 단계,
를 포함하고,
상기 관심 영역을 설정하는 단계는,
검출된 상기 복수의 치아 각각에 대한 경계 사이의 어느 한 치아에 대하여 치아의 치관 중심점에 해당하는 제1 좌표를 설정하는 단계;
상기 제1 좌표로부터 소정의 거리만큼 떨어진 제2 좌표를 설정하는 단계; 및
상기 제2 좌표를 중심으로 하여 상기 제2 좌표 및 상기 어느 한 치아의 치주 영역을 둘러싸고 기 설정된 도형 형상을 가지는 상기 관심 영역을 설정하는 단계,
를 포함하되,
상기 소정의 거리 및 상기 도형 형상은 상기 어느 한 치아의 형상 및 해당 치아의 전체 치아에 대비한 상대적인 위치 정보에 기초하여 결정되는 것을 특징으로 하고,
상기 치주 질환 예후 평가를 수행하는 단계는,
상기 기 생성된 기계 학습 알고리즘에 기초하여 복수의 치아 각각의 발치 필요 여부, 예상 수명 및 치주 질환 발생 확률을 산출하되, 치주 질환 예후 평가가 수행되는 치아가 임플란트 치아이면, 상기 발치 필요 여부는 제외하고 상기 예상 수명 및 상기 치주 질환 발생 확률만 산출하는 것인, 치주 질환 예후 평가 방법.In the periodontal disease prognosis evaluation method based on a tooth image performed by a periodontal disease prognosis evaluation device based on a tooth image,
Detecting a boundary for each of the plurality of teeth from the tooth image inputted by the boundary detector;
Setting, by an ROI setting unit, an ROI including a periodontal region of each of the plurality of teeth based on a boundary for each of the plurality of teeth;
Calculating, by a parameter calculator, at least one parameter for evaluating prognosis of periodontal disease based on the image information in the region of interest; And
Performing, by an evaluation performing unit, a prognosis of periodontal disease for each of a plurality of teeth based on a previously generated machine learning algorithm using the parameter as an input,
Including,
The step of setting the region of interest,
Setting a first coordinate corresponding to a crown center point of the tooth for any one tooth between the detected boundaries for each of the plurality of teeth;
Setting second coordinates separated by a predetermined distance from the first coordinates; And
Setting the region of interest surrounding the second coordinate and the periodontal region of the one tooth with the second coordinate as a center and having a preset figure shape,
Including,
The predetermined distance and the shape shape are determined based on the shape of the one tooth and the relative positional information of the tooth relative to the entire tooth,
The step of performing the periodontal disease prognosis evaluation,
Based on the previously generated machine learning algorithm, whether a plurality of teeth needs to be extracted, an expected lifespan, and a probability of occurrence of periodontal disease are calculated, but if the tooth on which the periodontal disease prognosis is evaluated is an implant tooth, excluding whether or not the extraction is necessary To calculate only the expected life expectancy and the occurrence probability of the periodontal disease, periodontal disease prognosis evaluation method. 삭제delete 제1항에 있어서,
상기 기 설정된 도형 형상은 상기 제2 좌표를 중심으로 하는 원 형상을 포함하는 것을 특징으로 하는, 치주 질환 예후 평가 방법.The method of claim 1,
The predetermined figure shape comprises a circular shape centered on the second coordinate, periodontal disease prognosis evaluation method. 제1항에 있어서,
상기 치주 질환 예후 평가를 위한 파라미터는,
상기 관심 영역과 연계된 치아에 대한 치주낭 깊이 및 임상적 부착 수준을 포함하는 것인, 치주 질환 예후 평가 방법.The method of claim 1,
The parameters for evaluating the prognosis of periodontal disease,
A method for assessing prognosis of periodontal disease, including the depth of the periodontal pocket and the level of clinical adhesion to the tooth associated with the region of interest. 제4항에 있어서,
상기 관심 영역 내 이미지 정보에 기초하여 백악법랑경계를 검출하는 단계를 더 포함하는 것인, 치주 질환 예후 평가 방법.The method of claim 4,
The method further comprising the step of detecting the chalk enamel boundary based on the image information in the region of interest, periodontal disease prognosis evaluation method. 제5항에 있어서,
상기 치주 질환 예후 평가를 위한 파라미터 중 임상적 부착 수준은,
검출된 상기 백악법랑경계로부터 상기 관심 영역 내의 치은연 영역까지의 거리 정보에 기초하여 산출되는 것을 특징으로 하는, 치주 질환 예후 평가 방법.The method of claim 5,
Among the parameters for evaluating the prognosis of periodontal disease, the level of clinical adhesion is,
It characterized in that it is calculated based on the distance information from the detected chalk enamel boundary to the gingival region in the region of interest, periodontal disease prognosis evaluation method. 삭제delete 삭제delete 제1항에 있어서,
상기 치아 이미지는 X-선 파노라마 이미지인 것인, 치주 질환 예후 평가 방법.The method of claim 1,
The tooth image is an X-ray panoramic image, periodontal disease prognosis evaluation method. 치아 이미지에 기초한 치주 질환 예후 평가 장치에 있어서,
입력된 치아 이미지로부터 복수의 치아 각각에 대한 경계를 검출하는 경계 검출부;
상기 복수의 치아 각각에 대한 경계에 기초하여 복수의 치아 각각의 치주 영역을 포함하는 관심 영역을 설정하는 관심 영역 설정부;
상기 관심 영역 내 이미지 정보에 기초하여 치주 질환 예후 평가를 위한 파라미터를 적어도 하나 이상 산출하는 파라미터 산출부; 및
상기 파라미터를 입력으로 하는 기 생성된 기계 학습 알고리즘에 기초하여 복수의 치아 각각에 대한 치주 질환 예후 평가를 수행하는 평가 수행부,
를 포함하고,
상기 관심 영역 설정부는,
검출된 상기 복수의 치아 각각에 대한 경계 사이의 어느 한 치아에 대하여 치아의 치관 중심점에 해당하는 제1 좌표를 설정하고,
상기 제1 좌표로부터 소정의 거리만큼 떨어진 제2 좌표를 설정하고,
상기 제2 좌표를 중심으로 하여 상기 제2 좌표 및 상기 어느 한 치아의 치주 영역을 둘러싸고 기 설정된 도형 형상을 가지는 상기 관심 영역을 설정하되,
상기 소정의 거리 및 상기 도형 형상은 검출된 치아 각각의 형상 및 해당 치아의 전체 치아에 대비한 상대적인 위치 정보에 기초하여 결정되는 것을 특징으로 하고,
상기 평가 수행부는,
상기 기 생성된 기계 학습 알고리즘에 기초하여 복수의 치아 각각의 발치 필요 여부, 예상 수명 및 치주 질환 발생 확률을 산출하되, 치주 질환 예후 평가가 수행되는 치아가 임플란트 치아이면, 상기 발치 필요 여부는 제외하고 상기 예상 수명 및 상기 치주 질환 발생 확률만 산출하는 것인, 치주 질환 예후 평가 장치.In the periodontal disease prognosis evaluation device based on a tooth image,
A boundary detection unit for detecting a boundary for each of the plurality of teeth from the input tooth image;
A region-of-interest setting unit configured to set a region of interest including a periodontal region of each of the plurality of teeth on the basis of a boundary for each of the plurality of teeth;
A parameter calculator configured to calculate at least one parameter for evaluating the prognosis of periodontal disease based on the image information in the region of interest; And
An evaluation performing unit for performing periodontal disease prognosis evaluation for each of a plurality of teeth based on a previously generated machine learning algorithm using the parameter as an input,
Including,
The region of interest setting unit,
A first coordinate corresponding to the crown center point of the tooth is set for any one tooth between the boundaries for each of the detected plurality of teeth,
Set a second coordinate separated by a predetermined distance from the first coordinate,
Setting the region of interest surrounding the second coordinate and the periodontal region of the one tooth and having a preset figure shape around the second coordinate,
The predetermined distance and the shape of the figure are determined based on the shape of each of the detected teeth and the relative positional information of the tooth with respect to all teeth,
The evaluation performing unit,
Based on the previously generated machine learning algorithm, whether or not a plurality of teeth needs to be extracted, an expected lifespan, and a probability of occurrence of periodontal disease are calculated. To calculate only the expected life span and the probability of occurrence of the periodontal disease, periodontal disease prognosis evaluation device. 삭제delete 제10항에 있어서,
상기 치주 질환 예후 평가를 위한 파라미터는, 상기 관심 영역과 연계된 치아에 대한 치주낭 깊이 및 임상적 부착 수준을 포함하고,
상기 파라미터 산출부는,
상기 관심 영역 내 이미지 정보에 기초하여 백악법랑경계를 검출하고,
검출된 상기 백악법랑경계로부터 상기 관심 영역 내의 치은연 영역까지의 거리 정보에 기초하여 상기 임상적 부착 수준을 산출하는 것인, 치주 질환 예후 평가 장치.The method of claim 10,
The parameters for evaluating the prognosis of periodontal disease include the depth of the periodontal pocket and the level of clinical adhesion to the tooth associated with the region of interest,
The parameter calculation unit,
Detecting the chalk enamel boundary based on the image information in the region of interest,
The apparatus for evaluating the prognosis of periodontal disease based on information on the distance from the detected chalk enamel boundary to the gingival margin region in the region of interest. 삭제delete 제10항에 있어서,
상기 복수의 치아 각각의 발치 필요 여부, 예상 수명 및 치주 질환 발생 확률 중 적어도 하나를 상기 치아 이미지에 오버랩하여 표시하는 결과 출력부를 더 포함하는 것인, 치주 질환 예후 평가 장치.The method of claim 10,
The apparatus for prognosis of periodontal disease further comprises a result output unit that overlaps and displays at least one of whether or not extraction of each of the plurality of teeth is necessary, an expected lifespan, and a periodontal disease occurrence probability on the tooth image.
KR1020190136359A 2019-10-30 2019-10-30 Apparatus and method for evaluating periodontal disease prognosis based on tooth image KR102200999B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190136359A KR102200999B1 (en) 2019-10-30 2019-10-30 Apparatus and method for evaluating periodontal disease prognosis based on tooth image

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190136359A KR102200999B1 (en) 2019-10-30 2019-10-30 Apparatus and method for evaluating periodontal disease prognosis based on tooth image

Publications (1)

Publication Number Publication Date
KR102200999B1 true KR102200999B1 (en) 2021-01-11

Family

ID=74129224

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190136359A KR102200999B1 (en) 2019-10-30 2019-10-30 Apparatus and method for evaluating periodontal disease prognosis based on tooth image

Country Status (1)

Country Link
KR (1) KR102200999B1 (en)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220159085A (en) * 2021-05-25 2022-12-02 주식회사 뷰노 Method and apparatus for detecting teeth
KR20230006306A (en) * 2021-07-02 2023-01-10 주식회사 덴컴 Image processing method
KR102498851B1 (en) * 2022-05-11 2023-02-10 (주)스마투스코리아 Method and terminal device for providing meaningful notification information related to tooth of the user
CN117689824A (en) * 2024-02-04 2024-03-12 佛山科学技术学院 Method for generating prognosis image of dental prosthetic membrane material guided bone regeneration in dental implant

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150002284A (en) * 2013-06-28 2015-01-07 삼성전자주식회사 Apparatus and method for detecting lesion
US20160151026A1 (en) * 2013-07-19 2016-06-02 Axion Japan Co., Ltd. Panoramic image capturing device, and image-based diagnostic method used therein
KR20170098386A (en) * 2016-02-19 2017-08-30 주식회사바텍 Method and Apparatus for Detection of a Region Representing Interdental Caries in an X-ray Image
KR101856867B1 (en) * 2016-10-26 2018-05-10 고려대학교 산학협력단 System and system for diagnosis of oral lesion

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150002284A (en) * 2013-06-28 2015-01-07 삼성전자주식회사 Apparatus and method for detecting lesion
US20160151026A1 (en) * 2013-07-19 2016-06-02 Axion Japan Co., Ltd. Panoramic image capturing device, and image-based diagnostic method used therein
KR20170098386A (en) * 2016-02-19 2017-08-30 주식회사바텍 Method and Apparatus for Detection of a Region Representing Interdental Caries in an X-ray Image
KR101856867B1 (en) * 2016-10-26 2018-05-10 고려대학교 산학협력단 System and system for diagnosis of oral lesion

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220159085A (en) * 2021-05-25 2022-12-02 주식회사 뷰노 Method and apparatus for detecting teeth
KR102594562B1 (en) 2021-05-25 2023-10-26 주식회사 덴컴 Method and apparatus for detecting teeth
KR20230006306A (en) * 2021-07-02 2023-01-10 주식회사 덴컴 Image processing method
KR102521777B1 (en) * 2021-07-02 2023-04-14 고려대학교 산학협력단 Image processing method
KR102498851B1 (en) * 2022-05-11 2023-02-10 (주)스마투스코리아 Method and terminal device for providing meaningful notification information related to tooth of the user
WO2023219215A1 (en) * 2022-05-11 2023-11-16 (주)스마투스코리아 Dental care method providing numerical information on tooth deterioration to user, and terminal device performing same
CN117689824A (en) * 2024-02-04 2024-03-12 佛山科学技术学院 Method for generating prognosis image of dental prosthetic membrane material guided bone regeneration in dental implant
CN117689824B (en) * 2024-02-04 2024-05-31 佛山科学技术学院 Method for generating prognosis image of dental prosthetic membrane material guided bone regeneration in dental implant

Similar Documents

Publication Publication Date Title
KR102200999B1 (en) Apparatus and method for evaluating periodontal disease prognosis based on tooth image
US11363955B2 (en) Caries detection using intraoral scan data
US20200305808A1 (en) Automated Tooth Localization, Enumeration, and Diagnostic System and Method
US11443423B2 (en) System and method for constructing elements of interest (EoI)-focused panoramas of an oral complex
US20210118132A1 (en) Artificial Intelligence System For Orthodontic Measurement, Treatment Planning, And Risk Assessment
US11367188B2 (en) Dental image synthesis using generative adversarial networks with semantic activation blocks
US20220084267A1 (en) Systems and Methods for Generating Quick-Glance Interactive Diagnostic Reports
US20210217170A1 (en) System and Method for Classifying a Tooth Condition Based on Landmarked Anthropomorphic Measurements.
US20240127952A1 (en) Tooth extraction difficulty diagnosis and complications prediction device and method
US20230252748A1 (en) System and Method for a Patch-Loaded Multi-Planar Reconstruction (MPR)
KR20240061554A (en) Periodontal disease prognosis evaluation device and the Method Thereof

Legal Events

Date Code Title Description
GRNT Written decision to grant