KISTI

인공지능 모델 학습용 데이터 생성 방법 및 장치

D08 – 서비스/의료기기

파노라마 영상을 활용한 치주염 진단..데이터 생성방법 출원중

METHOD AND APPARATUS FOR GENERATING STUDY DATA FOR ARTIFICIAL INTELLIGENCE MODEL

TRL2 :연구개발중

한줄 기술 요약

치과 엑스레이 ‘파노라마 영상‘에 기반하여 인공지능 학습을 위한 치아 Bounding-Box (bbox)의 생성방법과 치주염 진단 레이블(label)의 생성방법에 관한 기술임

개발배경 및 해결과제

치아의 다양한 구조적 특징으로 인해 최적의 Bounding-Box(bbox)생성의 난이도가 높고, 이에 따른 오류가 잦아 bbox 데이터 생성의 정확도와 효율성이 낮음
파노라마 영상 이미지의 치아별 치주염 진단에 난이도가 높고 진단 label 생성시의 오류가 존재함.

기술의 우수성

치과 파노라마 영상에 영상치의학적으로 다수의 명확한 치주기준점을 표기함으로써, 이를 기반으로 적절한 bbox를 효율적으로 생성하고 치주염을 명확히 진단하고 label을 효율적으로 생성할 수 있음.

기술의 차별성

기존 bbox 생성 작업의 난이도를 낮추어, 좌표 데이터 생성의 효율성과 정확도를 높임
직사각형 bbox뿐 아니라 장축이 회전되어 있는 치아의 형태에 마름모꼴 bbox의 좌표를 자동으로 생성하는 방식을 개발하여 학습데이터로써의 적합한 bbox 생성의 효율성을 높임.
치주염 수준 진단의 판단 근거가 되는 수치를 자동으로 계산하는 방법을 활용하여, 치주염 수준 label을 자동으로 생성함으로써 치주염 수준 진단의 오류를 현저히 낮추고, 무치로 인한 치아(번호)별 label 기입 작업의 오류를 완전 방지함

기술자료 다운로드

기술상담 예약 신청

기술 설명 1

개별 치아의 Bounding-box형성 시 필요한 2개의 좌표값(좌상점, 우하점)의 생성에 있어, 주요 치주기준점을 특정하여 최종 Bounding-box 형성을 위한 1차 예비(preliminary) bounding- box 를 계산함

기술 설명 2

1차 Bounding-box의 2개 값을 기준으로 한 최종 Bounding-box의 2개 좌표값 추정, 최종 Bounding-box 추정시의 계수(coefficient) 범위와 계수를 추정함

기술 설명 3

개별 치아의 치주염 진단 label 생성시, 치주기준점을 활용한 치주염 진단 계산 방법, 계산된 수치를 활용하여 특정 한계점(threshold)값에 따른 각각의 레이블 클래스(Label class)를 생성함

기술 설명 4

치아(번호)별 개별 치아의 bounding-box 좌표 생성 방법과 label 생성 방법을 활용하여 데이터를 포맷함

산업동향, 기술 동향 및 트랜드

헬스케어 연관 , 인공지능 아키텍쳐, 알고리즘, 학습노하우 등은 Google, facebook 등 글로벌 IT기업 중심으로 다양, 매우 빠르게 진화 중
학습 고품질 데이터를 대량으로 생성 역량을 갖춘 연구, 의료기관, 기업 및 이를 뒷받침 해줄 정부, 공공기관 포함한 관련 생태계 구축이 절실

시장전망(목표시장 규모 및 전망)

혁신의료기기에 대한 중요성이 급부상 , 2027년에는 인공지능 의료기기 시장 규모가 약 1,000억 달러에 이를 것으로 전망
AI 중심의 의료기기 시장 규모는 연 42% 성장이 예측,, ’27년 약 994억9,000만 달러 시장이 형성 관측. IOT 시장도 연 21% 로 성장해 2025년에는 약 1,882억 달러 규모예상(출처: 한국보건의료연구원)

특허현황

파노라마 영상을 활용한 치주염 진단을 위한 인공지능 모델 학습용 데이터 생성방법 (Bounding– Box 및 진단 Label 생성방법) .. 출원중