[go: up one dir, main page]

KR20240091657A - Dental panoramic x-ray photo artificial intelligence periodontitis diagnosis system and method - Google Patents

Dental panoramic x-ray photo artificial intelligence periodontitis diagnosis system and method Download PDF

Info

Publication number
KR20240091657A
KR20240091657A KR1020220174809A KR20220174809A KR20240091657A KR 20240091657 A KR20240091657 A KR 20240091657A KR 1020220174809 A KR1020220174809 A KR 1020220174809A KR 20220174809 A KR20220174809 A KR 20220174809A KR 20240091657 A KR20240091657 A KR 20240091657A
Authority
KR
South Korea
Prior art keywords
periodontitis
ray
artificial intelligence
panoramic
image
Prior art date
Legal status (The legal status 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 status listed.)
Pending
Application number
KR1020220174809A
Other languages
Korean (ko)
Inventor
김기남
Original Assignee
주식회사 넥시노텍
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 넥시노텍 filed Critical 주식회사 넥시노텍
Priority to KR1020220174809A priority Critical patent/KR20240091657A/en
Publication of KR20240091657A publication Critical patent/KR20240091657A/en
Pending legal-status Critical Current

Links

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
    • 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 OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30036—Dental; Teeth

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Radiology & Medical Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Optics & Photonics (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Physics & Mathematics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Quality & Reliability (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Physiology (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

According to the present invention, a dental panoramic x-ray photograph artificial intelligence periodontitis diagnosis system comprises: a preprocessing unit preprocessing a panoramic x-ray image of teeth; a separation unit applying the preprocessed image as an input to an object recognition model to segment individual tooth objects; and a classification processing unit applying the individual tooth objects as an input to a convolutional neural network to generate an output and classifying periodontitis items matching the generated output.

Description

치과 파노라마 x-ray사진 인공지능 치주염 진단 시스템 및 방법{DENTAL PANORAMIC X-RAY PHOTO ARTIFICIAL INTELLIGENCE PERIODONTITIS DIAGNOSIS SYSTEM AND METHOD}Dental panoramic x-ray photo artificial intelligence periodontitis diagnosis system and method {DENTAL PANORAMIC

본 발명은 인공지능 치주염 진단에 관한 것으로, X-RAY이미지를 인공지능이 치아를 구분하여 치조골과 치경선의 벌어진 간격으로 치주염을 진단하는 시스템에 관한 것이다.The present invention relates to artificial intelligence diagnosis of periodontitis, and relates to a system in which artificial intelligence distinguishes teeth in X-RAY images and diagnoses periodontitis based on the gap between the alveolar bone and the alveolar line.

최근, 치과 질환이 증가함에 따라, 보다 개선된 방식의 치주염 진단 시스템의 개발이 필요하다.Recently, as dental diseases increase, there is a need for the development of a more improved periodontitis diagnosis system.

이와 관련해서, 최근에는 영상을 분석하여 객체를 검출하고, 이를 기반으로 클래시피케이션을 수행할 수 있는 다양한 기계학습 모델들이 등장하고 있어서, 이러한 기계학습 모델을 활용한 치주염 지단 시스템의 도입을 고려할 수 있다.In this regard, recently, various machine learning models that can detect objects by analyzing images and perform classification based on them have emerged, so the introduction of a periodontitis apex system using these machine learning models can be considered. there is.

특히, 치과 파노라마 x-ray사진으로부터 인공지능을 기반으로 한 치주염 진단 시스템의 개발을 고려할 수 있다.In particular, the development of a periodontitis diagnosis system based on artificial intelligence from dental panoramic x-ray photos can be considered.

본 발명은 인공지능 치주염 진단에 관한 것으로, X-RAY이미지를 인공지능이 치아를 구분하여 치조골과 치경선의 벌어진 간격으로 치주염을 진단하는 시스템을 제공하는 것을 목적으로 한다.The present invention relates to artificial intelligence diagnosis of periodontitis. The purpose of the present invention is to provide a system for diagnosing periodontitis based on the gap between the alveolar bone and the alveolar line by using artificial intelligence to classify teeth in X-RAY images.

본 발명에 따른 치과 파노라마 x-ray사진 인공지능 치주염 진단 시스템은 치아에 대한 파노라마 x-ray 영상을 전처리하는 전처리부; 상기 전처리된 영상을 객체 인식 모델에 입력으로 인가하여 개별 치아 객체로 세그멘테이션하는 분리부; 및 개별 치아 객체를 합성곱 신경망에 입력으로 인가하여 출력을 생성하고, 생성된 출력에 매칭되는 치주염 항목을 클래시피케이션하는 분류 처리부를 포함한다.The dental panoramic x-ray photo artificial intelligence periodontitis diagnosis system according to the present invention includes a preprocessing unit that preprocesses the panoramic x-ray image of teeth; a separation unit that applies the pre-processed image as input to an object recognition model and segments it into individual tooth objects; And a classification processing unit that applies individual tooth objects as input to a convolutional neural network to generate an output, and classifies periodontitis items matching the generated output.

이때, 상기 분류 처리부는 모든 픽셀에 Lanczos filter를 사용하여 noise를 제거하고, U-net post processing을 수행하는 것을 특징으로 한다.At this time, the classification processing unit removes noise using a Lanczos filter for all pixels and performs U-net post processing.

또한, 상기 전처리부는 상기 파노라마 x-ray 영상에 대해, 이미지 명암 규격화, 명암 대비 개선을 위한 화소값 재분포를 수행하는 것을 특징으로 한다.In addition, the preprocessor is characterized in that it performs image contrast standardization and pixel value redistribution to improve contrast on the panoramic x-ray image.

본 발명은 인공지능 치주염 진단에 관한 것으로, X-RAY이미지를 인공지능이 치아를 구분하여 치조골과 치경선의 벌어진 간격으로 치주염을 진단하는 시스템을 제공하는 효과가 있다.The present invention relates to artificial intelligence diagnosis of periodontitis, and has the effect of providing a system for diagnosing periodontitis based on the gap between the alveolar bone and the alveolar line by using artificial intelligence to classify teeth in X-RAY images.

도 1은 본 발명에 따른 치과 파노라마 x-ray사진 인공지능 치주염 진단 시스템의 구조를 도시한 도면이다.
도 2는 전처리 이미지를 도시한 도면이다.
도 3은 세그멘테이션 이미지를 도시한 도면이다.
도 4는 본 발명에 따른 모델의 프레임워크를 도시한 도면이다.
도 5는 본 발명에 따라 치주염 진단 결과를 도시한 도면이다.Figure 1 is a diagram showing the structure of a dental panoramic x-ray photo artificial intelligence periodontitis diagnosis system according to the present invention.
Figure 2 is a diagram showing a pre-processing image.
Figure 3 is a diagram showing a segmentation image.
Figure 4 is a diagram showing the framework of a model according to the present invention.
Figure 5 is a diagram showing the results of periodontitis diagnosis according to the present invention.

이하에서는 본 발명에 따른 실시예들을 첨부된 도면을 참조하여 상세하게 설명하기로 한다. 이러한 설명은 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였으며, 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 본 명세서 상에서 사용되는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 사람에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다.Hereinafter, embodiments according to the present invention will be described in detail with reference to the attached drawings. This description is not intended to limit the present invention to specific embodiments, but should be understood to include all changes, equivalents, and substitutes included in the spirit and technical scope of the present invention. In describing each drawing, similar reference numerals are used for similar components, and unless otherwise defined, all terms used in this specification, including technical or scientific terms, are within the scope of common knowledge in the technical field to which the present invention pertains. It has the same meaning as generally understood by those who have it.

본 문서에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있다는 것을 의미한다. 또한, 본 발명의 다양한 실시예들에 있어서, 각 구성요소들, 기능 블록들 또는 수단들은 하나 또는 그 이상의 하부 구성요소로 구성될 수 있고, 각 구성요소들이 수행하는 전기, 전자, 기계적 기능들은 전자회로, 집적회로, ASIC(Application Specific Integrated Circuit) 등 공지된 다양한 소자들 또는 기계적 요소들로 구현될 수 있으며, 각각 별개로 구현되거나 2 이상이 하나로 통합되어 구현될 수도 있다.In this document, when a part "includes" a certain component, this means that it may further include other components rather than excluding other components, unless specifically stated to the contrary. Additionally, in various embodiments of the present invention, each component, functional block, or means may be composed of one or more subcomponents, and the electrical, electronic, and mechanical functions performed by each component may be electronic. It may be implemented with various known elements or mechanical elements such as circuits, integrated circuits, and ASICs (Application Specific Integrated Circuits), and may be implemented separately or by integrating two or more into one.

한편, 첨부된 블록도의 블록들이나 흐름도의 단계들은 범용 컴퓨터, 특수용 컴퓨터, 휴대용 노트북 컴퓨터, 네트워크 컴퓨터 등 데이터 프로세싱이 가능한 장비의 프로세서나 메모리에 탑재되어 지정된 기능들을 수행하는 컴퓨터 프로그램 명령들(instructions)을 의미하는 것으로 해석될 수 있다. 이들 컴퓨터 프로그램 명령들은 컴퓨터 장치에 구비된 메모리 또는 컴퓨터에서 판독 가능한 메모리에 저장될 수 있기 때문에, 블록도의 블록들 또는 흐름도의 단계들에서 설명된 기능들은 이를 수행하는 명령 수단을 내포하는 제조물로 생산될 수도 있다. 아울러, 각 블록 또는 각 단계는 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 명령들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 가능한 실시예들에서는 블록들 또는 단계들에서 언급된 기능들이 정해진 순서와 달리 실행되는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들 또는 단계들은 실질적으로 동시에 수행되거나, 역순으로 수행될 수 있으며, 경우에 따라 일부 블록들 또는 단계들이 생략된 채로 수행될 수도 있다.Meanwhile, the blocks in the attached block diagram or the steps in the flow chart are computer program instructions that are mounted on the processor or memory of equipment capable of data processing, such as general-purpose computers, special-purpose computers, portable laptop computers, and network computers, and perform designated functions. It can be interpreted to mean. Because these computer program instructions can be stored in a memory provided in a computer device or in a computer-readable memory, the functions described in the blocks of a block diagram or the steps of a flow diagram can be produced as a manufactured product containing instruction means to perform them. It could be. In addition, each block or each step may represent a module, segment, or portion of code that includes one or more executable instructions for executing specified logical function(s). Additionally, it should be noted that in some alternative embodiments, it is possible for functions mentioned in blocks or steps to be executed in a different order. For example, two blocks or steps shown in succession may be performed substantially simultaneously or in reverse order, and in some cases, some blocks or steps may be omitted.

도 1은 본 발명에 따른 치과 파노라마 x-ray사진 인공지능 치주염 진단 시스템(110)의 구조를 도시한 도면이다.Figure 1 is a diagram showing the structure of a dental panoramic x-ray photo artificial intelligence periodontitis diagnosis system 110 according to the present invention.

전처리부(111)는 치아에 대한 파노라마 x-ray 영상을 전처리한다.The preprocessing unit 111 preprocesses panoramic x-ray images of teeth.

이때, 전처리부(111)는 상기 파노라마 x-ray 영상에 대해, 이미지 명암 규격화, 명암 대비 개선을 위한 화소값 재분포를 수행하는 것을 특징으로 한다.At this time, the preprocessor 111 performs image contrast standardization and pixel value redistribution to improve contrast on the panoramic x-ray image.

관련해서, 본 발명은 다양한 장비로부터 제공되는 파노라마 X-ray 영상을 처리하기 위해 이미지 명암 규격화, 명암 대비 개선을 위한 화소값 재분포 등을 수행하는 이미지 전처리 모듈과 구강 영역 자동 검출을 위한 객체 검출용 딥러닝 모듈로 구성된다.In relation to this, the present invention provides an image preprocessing module that performs image contrast standardization and pixel value redistribution to improve contrast to process panoramic X-ray images provided from various equipment, and an object detection module for automatic detection of oral region. It consists of a deep learning module.

기기마다 다를 수 있지만 확보된 데이터의 품질이 균일하지 않고, 특히 오래된 기기로 촬영한 영상일수록 화질이 안좋거나 치아 뿌리쪽이 많이 흐려지는 경향을 보인다.Although it may vary depending on the device, the quality of the obtained data is not uniform, and in particular, images taken with older devices tend to have poorer image quality or have a tendency to blur the tooth roots.

Panorama 데이터의 영상 향상이 중요한 이유가 미세하게 잘 보이지 않는 치경선(혹은 치은선)의 위치와 치경선 (설측, 협측)을 검출해야 하기에 매우 중요한 부분이다.The reason why image enhancement of Panorama data is important is because it is necessary to detect the location of the alveolar line (or gingival line) and the alveolar line (lingual, buccal), which are minutely difficult to see.

그래서 치아나 치경선 등의 경계를 뚜렷하게 해주기 위해, 치아우식의 병변은 매우 작고 그 모양 또한 매우 다양해서 이를 좀 더 잘 보이게 하기 위해, 촬영 기기마다 생길 수 있는 잡음이나 화질 개선을 위해 데이터 전처리를 진행한다.Therefore, in order to make the boundaries of teeth and alveolar lines clear, dental caries lesions are very small and their shapes are very diverse, to make them more visible, data preprocessing is performed to improve image quality and noise that may occur with each imaging device. do.

또한 같은 기기로 촬영을 했음에도 불구하고 촬영 환경에 따라 큰 화질의 차이를 보일 수 있다. 이를 해결하기 위해 모폴로징 연산을 이용한 Top-Hat,Bottom-hat 변환과 Olso향상법 직열로 사용할 수 있다.Additionally, even though the photos were taken with the same device, there may be significant differences in image quality depending on the shooting environment. To solve this problem, Top-Hat, Bottom-hat transformation using morphological operations and Olso enhancement method can be used in series.

관련해서, 도 2는 전처리를 위한 이미지의 예시가 도시되어 있다.Relatedly, Figure 2 shows an example of an image for preprocessing.

분리부(112)는 상기 전처리된 영상을 객체 인식 모델에 입력으로 인가하여 개별 치아 객체로 세그멘테이션한다.The separation unit 112 applies the preprocessed image as input to an object recognition model and segments it into individual tooth objects.

분리부(112)는 치관과 치근을 하나로 구강 사진과 치조골과 분리하여 진행할 수 있다. 관련해서, 도 3은 세그멘테이션 이미지를 도시한 도면이다.The separation unit 112 can be performed by separating the crown and tooth root from the oral cavity and the alveolar bone. In relation to this, Figure 3 is a diagram illustrating a segmentation image.

분류 처리부(113)는 개별 치아 객체를 합성곱 신경망에 입력으로 인가하여 출력을 생성하고, 생성된 출력에 매칭되는 치주염 항목을 클래시피케이션한다.The classification processing unit 113 generates an output by applying individual tooth objects as input to the convolutional neural network, and classifies periodontitis items matching the generated output.

이와 관련해서, 도 4에는 본 발명에 따른 모델의 프레임워크가 도시되어 있다.In this regard, Figure 4 shows the framework of the model according to the invention.

이때, 분류 처리부(113)는 원본 x-ray이미지를 합성곱 신경망의 단계를 거쳐 512*512로동일한 Output Resolution을 형성할 수 있다.At this time, the classification processing unit 113 can form the same output resolution of 512*512 by passing the original x-ray image through the convolutional neural network stage.

그리고, 분류 처리부(113)는 모든 픽셀에 Lanczos filter를 사용하여 noise를 제거한다. U-net post processing 거친 Model Out결과는 아래와 같이 효과적인 치아구분이 가능하다.Then, the classification processing unit 113 uses a Lanczos filter for all pixels to remove noise. The Model Out result after U-net post processing enables effective tooth classification as shown below.

이와 관련해서, 도 5에는 본 발명에 따라 치주염 진단 결과가 도시되어 있다.In this regard, Figure 5 shows the results of periodontitis diagnosis according to the present invention.

본 발명에 따른 진단 방법은 다음의 단계로 구성될 수 있다.The diagnostic method according to the present invention may consist of the following steps.

단계(S210)에서는 치아에 대한 파노라마 x-ray 영상을 전처리한다.In step S210, the panoramic x-ray image of the tooth is preprocessed.

단계(S220)에서는 상기 전처리된 영상을 객체 인식 모델에 입력으로 인가하여 개별 치아 객체로 세그멘테이션한다.In step S220, the preprocessed image is applied as input to the object recognition model and segmented into individual tooth objects.

단계(S230)에서는 개별 치아 객체를 합성곱 신경망에 입력으로 인가하여 출력을 생성하고, 생성된 출력에 매칭되는 치주염 항목을 클래시피케이션한다.In step S230, individual tooth objects are applied as input to the convolutional neural network to generate an output, and periodontitis items matching the generated output are classified.

이때, 단계(S230)에서는 모든 픽셀에 Lanczos filter를 사용하여 noise를 제거하고, U-net post processing을 수행하는 것을 특징으로 할 수 있다.At this time, step S230 may be characterized by removing noise using a Lanczos filter for all pixels and performing U-net post processing.

또한, 단계(S220)에서는 상기 파노라마 x-ray 영상에 대해, 이미지 명암 규격화, 명암 대비 개선을 위한 화소값 재분포를 수행하는 것을 특징으로 할 수 있다.Additionally, step S220 may be characterized by performing image contrast standardization and pixel value redistribution to improve contrast on the panoramic x-ray image.

본 발명은 컴퓨터와의 결합을 통해 실행시키기 위한 저장매체에 저장된 컴퓨터 프로그램으로 구현될 수 있다.The present invention can be implemented as a computer program stored in a storage medium for execution through combination with a computer.

또한, 본 발명은 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. Additionally, the present invention may be implemented in the form of program instructions that can be executed through various computer means and recorded on a computer-readable medium. The computer-readable medium may include program instructions, data files, data structures, etc., singly or in combination. Program instructions recorded on the medium may be specially designed and constructed for the present invention or may be known and usable by those skilled in the art of 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. -Includes optical media (magneto-optical media) and hardware devices specifically configured to store and execute program instructions, such as ROM, RAM, flash memory, etc. Examples of program instructions include machine language code, such as that produced by a compiler, as well as high-level language code that can be executed by a computer using an interpreter, etc.

이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.As described above, the present invention has been described with specific details such as specific components and limited embodiments and drawings, but this is only provided to facilitate a more general understanding of the present invention, and the present invention is not limited to the above embodiments. , those skilled in the art can make various modifications and variations from this description.

따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.Accordingly, the spirit of the present invention should not be limited to the described embodiments, and the scope of the patent claims described below as well as all modifications that are equivalent or equivalent to the scope of this patent claim shall fall within the scope of the spirit of the present invention. .

Claims (6)

치과 파노라마 x-ray사진 인공지능 치주염 진단 시스템에 있어서,
치아에 대한 파노라마 x-ray 영상을 전처리하는 전처리부;
상기 전처리된 영상을 객체 인식 모델에 입력으로 인가하여 개별 치아 객체로 세그멘테이션하는 분리부; 및
개별 치아 객체를 합성곱 신경망에 입력으로 인가하여 출력을 생성하고, 생성된 출력에 매칭되는 치주염 항목을 클래시피케이션하는 분류 처리부
치과 파노라마 x-ray사진 인공지능 치주염 진단 시스템.In the dental panoramic x-ray photo artificial intelligence periodontitis diagnosis system,
A preprocessing unit that preprocesses panoramic x-ray images of teeth;
a separation unit that applies the pre-processed image as an input to an object recognition model and segments it into individual tooth objects; and
A classification processing unit that generates output by applying individual tooth objects as input to a convolutional neural network and classifies periodontitis items that match the generated output.
Dental panoramic x-ray photo artificial intelligence periodontitis diagnosis system. 제1항에 있어서,
상기 분류 처리부는
모든 픽셀에 Lanczos filter를 사용하여 noise를 제거하고, U-net post processing을 수행하는 것을 특징으로 하는 치과 파노라마 x-ray사진 인공지능 치주염 진단 시스템.According to paragraph 1,
The classification processing unit
Dental panoramic x-ray photo artificial intelligence periodontitis diagnosis system that removes noise using a Lanczos filter for all pixels and performs U-net post processing. 제1항에 있어서,
상기 전처리부는
상기 파노라마 x-ray 영상에 대해, 이미지 명암 규격화, 명암 대비 개선을 위한 화소값 재분포를 수행하는 것을 특징으로 하는 x-ray사진 인공지능 치주염 진단 시스템.According to paragraph 1,
The preprocessing unit
For the panoramic x-ray image, an x-ray photo artificial intelligence periodontitis diagnosis system characterized in that image contrast is standardized and pixel value redistribution is performed to improve contrast. 치과 파노라마 x-ray사진 인공지능 치주염 진단 방법에 있어서,
치아에 대한 파노라마 x-ray 영상을 전처리하는 제1 단계;
상기 전처리된 영상을 객체 인식 모델에 입력으로 인가하여 개별 치아 객체로 세그멘테이션하는 제2 단계; 및
개별 치아 객체를 합성곱 신경망에 입력으로 인가하여 출력을 생성하고, 생성된 출력에 매칭되는 치주염 항목을 클래시피케이션하는 제3 단계
치과 파노라마 x-ray사진 인공지능 치주염 진단 방법.In the dental panoramic x-ray photo artificial intelligence periodontitis diagnosis method,
A first step of preprocessing a panoramic x-ray image of a tooth;
A second step of applying the preprocessed image as input to an object recognition model to segment it into individual tooth objects; and
The third step is to generate an output by applying individual tooth objects as input to the convolutional neural network, and classifying periodontitis items that match the generated output.
Dental panoramic x-ray photo AI periodontitis diagnosis method. 제4항에 있어서,
상기 제3 단계는
모든 픽셀에 Lanczos filter를 사용하여 noise를 제거하고, U-net post processing을 수행하는 것을 특징으로 하는 치과 파노라마 x-ray사진 인공지능 치주염 진단 방법.According to clause 4,
The third step is
An artificial intelligence periodontitis diagnosis method for dental panoramic x-ray photos, which uses a Lanczos filter for all pixels to remove noise and performs U-net post processing. 제4항에 있어서,
상기 제1 단계는
상기 파노라마 x-ray 영상에 대해, 이미지 명암 규격화, 명암 대비 개선을 위한 화소값 재분포를 수행하는 것을 특징으로 하는 x-ray사진 인공지능 치주염 진단 방법.According to clause 4,
The first step is
For the panoramic x-ray image, an x-ray photo artificial intelligence periodontitis diagnosis method characterized in that image contrast is standardized and pixel value redistribution is performed to improve contrast.
KR1020220174809A 2022-12-14 2022-12-14 Dental panoramic x-ray photo artificial intelligence periodontitis diagnosis system and method Pending KR20240091657A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220174809A KR20240091657A (en) 2022-12-14 2022-12-14 Dental panoramic x-ray photo artificial intelligence periodontitis diagnosis system and method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220174809A KR20240091657A (en) 2022-12-14 2022-12-14 Dental panoramic x-ray photo artificial intelligence periodontitis diagnosis system and method

Publications (1)

Publication Number Publication Date
KR20240091657A true KR20240091657A (en) 2024-06-21

Family

ID=91700513

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220174809A Pending KR20240091657A (en) 2022-12-14 2022-12-14 Dental panoramic x-ray photo artificial intelligence periodontitis diagnosis system and method

Country Status (1)

Country Link
KR (1) KR20240091657A (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102826695B1 (en) 2024-12-09 2025-07-07 주식회사 더원스타 System for segmenting the dental caries on dental panoramic radiography
KR102826686B1 (en) 2024-12-09 2025-07-07 주식회사 더원스타 Method for segmenting the dental caries on dental panoramic radiography

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102826695B1 (en) 2024-12-09 2025-07-07 주식회사 더원스타 System for segmenting the dental caries on dental panoramic radiography
KR102826686B1 (en) 2024-12-09 2025-07-07 주식회사 더원스타 Method for segmenting the dental caries on dental panoramic radiography

Similar Documents

Publication Publication Date Title
Chen et al. A deep learning approach to automatic teeth detection and numbering based on object detection in dental periapical films
US11810271B2 (en) Domain specific image quality assessment
CN110428366B (en) Image processing method and device, electronic equipment and computer readable storage medium
CN110473243B (en) Tooth segmentation method and device based on depth contour perception and computer equipment
KR20240091657A (en) Dental panoramic x-ray photo artificial intelligence periodontitis diagnosis system and method
CN113781468B (en) Tongue image segmentation method based on lightweight convolutional neural network
US7340106B2 (en) Image processing apparatus and method, and image-capturing apparatus
FR2862788A1 (en) Subject`s e.g. human, image data analyzing method for e.g. X-ray system, involves analyzing temporal change image of patient via computer aided detection algorithm, to identify feature of interest in image
CN113076861B (en) A fine-grained recognition method for birds based on second-order features
US20200372612A1 (en) Image processing apparatus, image processing method, and storage medium
US20220378548A1 (en) Method for generating a dental image
US12079997B2 (en) Method for correcting a contour
CN118512278B (en) AI modeling method and device used before tooth 3D printing
Vimalarani et al. Automatic diagnosis and detection of dental caries in bitewing radiographs using pervasive deep gradient based LeNet classifier model
Al Nassan et al. A customized convolutional neural network for dental bitewing images segmentation
CN113792773B (en) Dental root canal treatment history detection model training method, image processing method and device
CN113902749B (en) Image processing method, device, computer equipment and storage medium
KR102486083B1 (en) Crowded scenes image real-time analysis apparatus using dilated convolutional neural network and method thereof
CN115239584A (en) Method and device for removing portrait glasses and shadows thereof by using three-dimensional synthetic data
CN111933252A (en) Tooth position detection and missing tooth marking method and device
KR20080107012A (en) Apparatus and method for image extraction after whitening treatment using tooth pictures
Kaya Dental panoramic and bitewing X-ray image segmentation using u-net and transformer networks
Padalia et al. An attention u-net for semantic segmentation of dental panoramic X-Ray images
US20210304425A1 (en) Image processing apparatus, image processing method, and storage medium
CN115908361A (en) Method for identifying decayed tooth of oral panoramic film

Legal Events

Date Code Title Description
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20221214

PG1501 Laying open of application