KR20160092013A

KR20160092013A - 상처의 평가 및 관리를 위한 방법 및 시스템

Info

Publication number: KR20160092013A
Application number: KR1020167017586A
Authority: KR
Inventors: 카일 우; 피터 김; 패트릭 쳉; 오즈거 굴러
Original assignee: 칠드런스 내셔널 메디컬 센터
Priority date: 2013-12-03
Filing date: 2014-09-19
Publication date: 2016-08-03
Anticipated expiration: 2034-09-19
Also published as: KR102317478B1; JP2017504370A; JP6595474B2; AU2014357720A1; CN106164929A; EP3077956B1; US20150150457A1; CA2930184C; US11337612B2; CN106164929B; CA2930184A1; WO2015084462A1; AU2020203128A1; EP3077956A4; EP3077956A1; US20160206205A1

Abstract

상처의 특징을 판단하는 시스템 및 방법을 개시한다. 본 시스템은 상처 영역의 영상 정보를 입수하는 제1 영상 센서와, 같은 상처 영역의 토폴로지 정보를 입수하는 제2 영상 센서를 포함한다. 본 시스템은 또한, 상처 영역의 영상 정보에 근거하여 상처 영역 중 대표적인 배경부를 지정하고, 상처 영역의 영상 정보에 근거하여 상처 영역 중 대표적인 상처부를 지정하고, 지정된 대표적인 배경부 및 대표적인 상처부에 근거하여 상처 영역 영상 정보 내에서 상처부의 경계를 파악하고, 영상 정보와 토폴로지 정보를 상호 연계시키고, 영상 정보 내에 지정된 상처부의 경계를 토폴로지 정보에 적용하여 마스크 영역을 지정하고, 토폴로지 정보와 영상 정보에 근거하여 마스크 영역 내에 있는 상처부의 특징을 파악하는 회로를 포함한다.

Description

상처의 평가 및 관리를 위한 방법 및 시스템{METHOD AND SYSTEM FOR WOUND ASSESSMENT AND MANAGEMENT}

관련 출원의 교차 인용 (CROSS-REFERENCE TO RELATED APPLICATIONS)

본 출원은 미국 특허청 문서 번호 61/911,162를 가진 2013년 12월 3일 접수된 출원 및 미국 특허청 문서 번호 61/983,022를 가진 2014년 4월 23일 접수된 출원에 근거한 것으로서, 미국연방법전 제35권§119(e)항에 의거, 본 출원은 상기 두 출원에 근거한 우선권을 주장하며, 그 각각의 내용 전부는 인용을 통하여 본 출원의 일부가 된다.

정맥성 궤양, 당뇨성 궤양, 압박성 피부궤양, 수술창상, 오스토미 부위 및 기타 복합상처 등, 만성상처 및 복합상처를 가진 환자는 미국에만 해도 수백만 명이 있다. 상처 치료용 의료 상품에 지출되는 비용 연간 수십억 달러를 포함하여, 만성상처의 치료에 미국에서는 매년 수십억 달러의 비용이 들어가고 있다. 인구의 고령화와 당뇨병 및 비만의 증가로 인해 만성상처의 치료에 지출되는 비용은 해마다 계속 늘어나고 있어, 만성상처 치료비용은 개개인과 사회 전체에 상당한 재정적 부담이 되고 있다.

의료기술의 발달로 인해 여러 유형의 상처에 대해 새로운 치료법들이 개발되기는 하였으나, 상처의 깊이, 용적, 면적 및 둘레를 측정하고 상처를 분류하는 것을 포함하여, 상처 자체와 상처의 치유과정을 정확하고 객관적으로 평가하는 것에 관해서는 기술적으로 충족되지 않은 부분이 많다. 상처의 치유과정을 객관적으로 평가하는 것은 특정한 표준진료지침이 효과적인지를 판단하는 근거가 되며, 최적의 치료계획을 선택하는 데 결정적으로 중요하다. 그러나 임상 현장에서 이루어지는 상처의 사정은 대부분 부정확하고, 주관적이며 일관성이 없다 (자를 사용하여 손으로 측정하고, 투명 추적용지 위에 그리며, 깊이는 면봉으로 측정). 이러한 측정치에는 표준이 없고 신뢰도가 결여되어, 임상 실제에서 의학적 결정을 내리는 데에 사용하기 어려운 경우가 많다. 그뿐 아니라, 상처의 사정이 일관성 있게 이루어지지 않아, 원거리 상처 관리 및 상처 치료에 대한 학제간 협력이 어려워진다. 이러한 문제를 해결하기 위해 구조광(structured light) 및 스테레오 사진기술을 이용하는 상처 측정용 기기들이 다수 개발되었다. 그러나 이러한 시스템들은 사용법이 복잡한 특수/고가의 장비가 필요하고, 의무기록 관리 시스템들과의 통합이 이루어지지 않으며, 상처를 정확하게 사정하는 데 있어 전반적으로 효율성이 떨어진다. 따라서 이러한 상처 측정용 기기들은 일선 진료 현장에서 사용하기에 실용성이지 않다.

상처 관리 및 기타 질환 관리 분야에 있어 (이 분야에는 피부과, 미용분야, 화장품 분야, 종양학, 안과 및 이비인후과가 포함되나 여기에 열거한 분야에 국한되지 않음) 기술적으로 충족되지 않은 또 하나의 측면은 시각정보와 기타 멀티미디어 정보를 관리하는 시스템 중에서 효과적이고, 보안이 갖추어지고, 협업을 지원할 수 있는 시스템이 필요하다는 점이며, 이러한 시스템에 대한 요구는 점점 커지고 있다.

본 공개서 중 배경설명은 본 공개서의 내용이 속하는 분야를 일반적으로 설명할 목적으로 포함된 것이다. 본 공개서에 기명된 발명자들이 개발한 기술 중 본 공개서의 배경설명에 포함된 부분과, 본 공개서에 설명된 내용 중 본 공개서의 제출 시점에서 선행기술로 간주되지 않는 부분은, 명시적으로도 묵시적으로도 본 발명의 선행기술로 인정한 것이 아니다.

아래에 상세히 설명된 내용을 각 부분에 해당되는 도면을 참조하여 고려하면, 여기에 개시된 실시예들을 보다 명확히 이해할 수 있고, 따라서 각 실시예가 제공하는 장점들 중 많은 부분을 보다 완전하게 이해하는 데 도움이 된다:
도 1은 한 실시예에 따른 시스템 개요도이고,
도 2는 한 실시예에 따른 또 하나의 시스템의 개요도이고,
도 3은 한 실시예에서 영상센서와 구조센서로부터 입수한 정보를 사용하여 서버에서 수행하는 정보 처리 절차의 개괄도이고,
도 4는 2차원 영상 정보를 사용하여 상처 영상을 분할하는 절차의 순서도이고,
도 5는 한 실시예에 따라 상처에 해당하는 피사체 영역과 배경 영역을 지정한 상처 영상의 한 예이고,
도 6은 한 실시예에 따른 하나의 구현 예를 보여주고,
도 7은 구조센서에서 입수한 정보 및 분할된 영상으로부터 3차원 측정치들을 계산해 내는 과정을 보여주는 순서도이고,
도 8은 구조센서를 영상 센서에 대해 교정하는 예를 보여주고,
도 9는 피사체 마스크 내의 깊이 정보만 추출되도록, 피사체 마스크를 깊이 정보에 적용하는 예를 보여주고,
도 10은 상처 조직의 유형 분류를 위한 정보 처리 과정을 보여주고,
도 11은 사람의 손으로 행한 영상 분할과 자동 영상 분할의 결과 비교이고,
도 12는 한 실시예에 따른 인터페이스의 한 예를 보여주고,
도 13은 한 실시예에 따른 컴퓨터시스템의 한 예를 보여준다.

본 공개서는 신체 중 의학적 손상부의 특징을 파악하는 시스템을 기술한다. 하나 또는 그 이상의 영상센서를 포함하고 아울러 회로를 포함하는 본 시스템에 있어서, 영상센서는 관심영역의 영상 정보와 토폴로지 정보를 포착하며, 회로는 관심영역 영상 정보 중 손상부의 경계를 파악하고, 영상 정보를 토폴로지 정보와 연계시키고, 영상 정보 내에 지정된 손상부 경계를 토폴로지 정보에 적용하여 마스크 영역을 지정하고, 토폴로지 정보 및 영상 정보에 근거하여 마스크 영역 내 손상부의 특징을 파악한다.

본 시스템은 또한 상기 회로가, 관심영역 영상정보에 근거하여 관심영역 중 대표적인 배경부를 지정하고, 관심영역 영상정보에 근거하여 관심영역 중 대표적인 손상부를 지정하고, 이와 같이 지정된 대표적인 배경부와 대표적인 손상부에 근거하여 관심영역 영상정보 내 손상부의 경계를 파악하는 특성을 추가적으로 가지도록 구성되는 실시예도 포함한다.

본 시스템은 또한 상기 회로가, 관심영역 영상정보에 근거하여 관심영역 중 대표적인 손상부를 지정하되, 손상부 지정을 사용자 입력 내용 또는 화소특성의 차이에 근거하여 수행하는 특성을 추가적으로 가지도록 구성되는 실시예도 포함한다.

본 시스템은 또한 상기 회로가, 영상정보에 근거하여 마스크 영역 내 손상부의 유형을 분류하는 특성을 추가적으로 가지도록 구성되는 실시예도 포함한다.

본 시스템은 또한 상기 회로가, 마스크 영역 내 손상부의 유형을 분류하되, 손상부를 타일(tile)들로 세분하고, 각 타일의 영상화값(imaging value)들의 중심경향(central tendency)의 척도가 되는 하나의 수치를 계산하고, 사전에 훈련된 분류기가 생성해 내는 손상유형 정보를 사용하여 각 타일을 분류함으로써 손상부 유형을 분류하는 특성을 추가적으로 가지도록 구성되는 실시예도 포함한다.

본 시스템은 또한, 손상유형 정보가 건강한 조직, 부육조직 및 괴사된 건조가피 조직을 포함하는 실시예도 포함한다.

본 시스템은 또한, 사전에 훈련된 서포트 벡터 머신이 회로를 사용하여 손상유형 정보를 생성하며, 이 회로는 주요 부분에 주석이 달린 복수의 영상들로 이루어진 하나의 영상군에 대하여 각 영상을 타일들로 세분하고, 각 타일의 영상화값들의 중심경향의 척도가 되는 하나의 수치를 계산하고, 각 타일에 손상 유형을 지정하고, 별도의 검증용 영상군을 사용하여 교차검증을 시행하도록 구성된 회로인, 그러한 실시예도 포함한다.

본 시스템은 또한, 마스크 영역 내 손상부의 특징이 손상의 깊이, 넓이 및 길이를 포함하는 실시예도 포함한다.

본 시스템은 또한, 마스크 영역 내 손상부의 특징이 손상의 둘레, 면적 및 용적을 포함하는 실시예도 포함한다.

본 시스템은 또한 상기 회로가, 자동 영상분할 알고리즘을 사용하여 관심영역 영상정보 내 손상부의 경계를 파악하도록 구성되는 실시예도 포함한다.

본 시스템은 또한 상기 회로가, 관심영역의 대표적 손상부 내에서 윤곽선을 감지함으로써 관심영역 영상정보 내 손상부의 경계를 파악하도록 구성되는 실시예도 포함한다.

본 시스템은 또한 상기 회로가, 관심영역의 대표적 손상부 내에서 윤곽선을 감지하고 모든 윤곽선에 대해 이터레이션(반복적 처리작업)을 시행함으로써, 관심영역 영상정보 내 손상부의 경계를 파악하도록 구성되는 실시예도 포함한다.

본 시스템은 또한, 의학적 손상부가 상처인 실시예도 포함한다.

이제 의학적 손상부의 특성을 파악하는 기기의 실시예를 기술하기로 한다. 이 기기는, 관심영역의 영상정보 내에 있는 손상부의 경계를 파악하고, 하나 또는 그 이상의 영상센서가 포착한 영상 정보와 토폴로지 정보를 상호 연계시키고, 영상정보 내에 지정된 손상부 경계를 토폴로지 정보에 적용하여 마스크 영역을 지정하고, 토폴로지 정보 및 영상정보에 근거하여 마스크 영역 내 손상부의 특성을 파악하도록 구성되는 회로를 포함한다.

상기 기기는 또한 상기 회로가, 관심영역 영상정보에 근거하여 관심영역 중 대표적인 배경부를 지정하고, 관심영역 영상정보에 근거하여 관심영역 중 대표적인 손상부를 지정하고, 이와 같이 지정된 대표적인 배경부와 대표적인 손상부에 근거하여 관심영역 영상정보 내 손상부의 경계를 파악하는 특성을 추가적으로 가지도록 구성되는 실시예도 포함한다.

상기 기기는 또한 상기 회로가, 관심영역 영상정보에 근거하여 관심영역 중 대표적인 손상부를 지정하되, 손상부 지정을 사용자 입력정보 또는 화소특성의 차이에 근거하여 수행하는 특성을 추가적으로 가지도록 구성되는 실시예도 포함한다.

상기 기기는 또한 상기 회로가, 영상정보에 근거하여 마스크 영역 내 손상부의 유형을 분류하는 특성을 추가적으로 가지도록 구성되는 실시예도 포함한다.

상기 기기는 또한 상기 회로가, 마스크 영역 내 손상부의 유형을 분류하되, 손상부를 타일들로 세분하고, 각 타일의 영상화값들의 중심경향의 척도가 되는 하나의 수치를 계산하고, 사전에 훈련된 서포트 벡터 머신이 생성해 내는 손상유형 정보를 사용하여 각 타일을 분류함으로써 손상부 유형을 분류하는 특성을 추가적으로 가지도록 구성되는 실시예도 포함한다.

상기 기기는 또한, 손상유형 정보가 건강한 조직, 부육조직 및 괴사된 건조가피 조직을 포함하는 실시예도 포함한다.

상기 기기는 또한, 사전에 훈련된 서포트 벡터 머신이 회로를 사용하여 손상유형 정보를 생성하며, 이 회로는 주요 부분에 주석이 달린 복수의 영상들로 이루어진 하나의 영상군에 대하여 각 영상을 타일들로 세분하고, 각 타일의 영상화값들의 중심경향의 척도가 되는 하나의 수치를 계산하고, 각 타일에 손상 유형을 지정하고, 별도의 검증용 영상군을 사용하여 교차검증을 시행하도록 구성된 회로인, 그러한 실시예도 포함한다.

상기 기기는 또한, 마스크 영역 내 손상부의 특징이 손상의 깊이, 넓이 및 길이를 포함하는 실시예도 포함한다.

상기 기기는 또한, 마스크 영역 내 손상부의 특징이 손상의 둘레, 면적 및 용적을 포함하는 실시예도 포함한다.

상기 기기는 또한 상기 회로가, 그랩-컷(grab cut) 알고리즘을 사용하여 관심영역 영상정보 내 손상부의 경계를 파악하도록 구성되는 실시예도 포함한다.

상기 기기는 또한 상기 회로가, 관심영역의 대표적 손상부 내에서 윤곽선을 감지함으로써 관심영역 영상정보 내 손상부의 경계를 파악하도록 구성되는 실시예도 포함한다.

상기 기기는 또한 상기 회로가, 관심영역의 대표적 손상부 내에서 윤곽선을 감지하고 모든 윤곽선에 대해 이터레이션을 시행함으로써, 관심영역 영상정보 내 손상부의 경계를 파악하도록 구성되는 실시예도 포함한다.

상기 기기는 또한, 의학적 손상부가 상처인 실시예도 포함한다.

이제 의학적 손상부의특성을 파악하는 방법의 실시예를 기술하기로 한다. 이 방법은 관심영역의 영상정보 내에 있는 손상부의 경계를 처리회로를 이용하여 파악하는 단계와; 하나 또는 그 이상의 영상센서가 포착한 영상 정보와 토폴로지 정보를 처리회로를 이용하여 상호 연계시키는 단계와; 영상 정보 내에 지정된 손상부 경계를 처리회로를 이용하여 토폴로지 정보에 적용하여 마스크 영역을 지정하는 단계와; 토폴로지 정보 및 영상 정보에 근거하여 마스크 영역 내 손상부의 특성을 처리회로를 이용하여 파악하는 단계를 포함한다.

상기 방법은 또한, 관심영역 영상정보에 근거하여 관심영역 중 대표적인 배경부를 지정하는 단계와, 관심영역 영상정보에 근거하여 관심영역 중 대표적인 손상부를 지정하는 단계와, 이와 같이 지정된 대표적인 배경부와 대표적인 손상부에 근거하여 관심영역 영상정보 내 손상부의 경계를 파악하는 단계를 추가적으로 포함하는 실시예도 포함한다.

상기 방법은 또한, 관심영역 영상정보에 근거하여 관심영역 중 대표적인 손상부를 지정하되, 손상부 지정을 사용자 입력정보 또는 화소특성의 차이에 근거하여 수행하는 단계를 추가적으로 포함하는 실시예도 포함한다.

상기 방법은 또한, 영상 정보에 근거하여 마스크 영역 내 손상부의 유형을 분류하는 단계를 추가적으로 포함하는 실시예도 포함한다.

상기 방법은 또한, 마스크 영역 내 손상부의 유형을 분류하되, 손상부를 타일들로 세분하고, 각 타일의 영상화값들의 중심경향의 척도가 되는 하나의 수치를 계산하고, 사전에 훈련된 서포트 벡터 머신이 생성해 내는 손상유형 정보를 사용하여 각 타일을 분류함으로써 손상부 유형을 분류하는 단계를 추가적으로 포함하는 실시예도 포함한다.

상기 방법은 또한, 손상유형 정보가 건강한 조직, 부육조직 및 괴사된 건조가피 조직을 포함하는 실시예도 포함한다.

상기 방법은 또한, 사전에 훈련된 서포트 벡터 머신이 회로를 사용하여 손상유형 정보를 생성하며, 이 회로는 주요 부분에 주석이 달린 복수의 영상들로 이루어진 하나의 영상군에 대하여 각 영상을 타일들로 세분하고, 각 타일의 영상화값들의 중심경향의 척도가 되는 하나의 수치를 계산하고, 각 타일에 손상 유형을 지정하고, 별도의 검증용 영상군을 사용하여 교차검증을 시행하도록 구성된 회로인, 그러한 실시예도 포함한다.

상기 방법은 또한, 마스크 영역 내 손상부의 특징이 손상의 깊이, 넓이 및 길이를 포함하는 실시예도 포함한다.

상기 방법은 또한, 마스크 영역 내 손상부의 특징이 손상의 둘레, 면적 및 용적을 포함하는 실시예도 포함한다.

상기 방법은 또한, 그랩-컷 알고리즘을 사용하여 관심영역 영상정보 내 손상부의 경계를 파악하는 단계를 추가적으로 포함하는 실시예도 포함한다.

상기 방법은 또한, 관심영역의 대표적 손상부 내에서 윤곽선을 감지함으로써 관심영역 영상정보 내 손상부의 경계를 파악하는 단계를 추가적으로 포함하는 실시예도 포함한다.

상기 방법은 또한, 관심영역의 대표적 손상부 내에서 윤곽선을 감지하고 모든 윤곽선에 대해 이터레이션을 시행함으로써, 관심영역 영상정보 내 손상부의 경계를 파악하는 단계를 추가적으로 포함하는 실시예도 포함한다.

상기 방법은 또한, 의학적 손상부가 상처인 실시예도 포함한다.

이제 도면을 참조하여 설명하기로 한다. 도시 관점이 다른 타 도면에 표시된 경우에도, 동일한 부호는 동일한 부재 또는 동등한 부재를 나타낸다. 도 1은 압박성 피부궤양, 당뇨성 궤양, 동맥부전 궤양, 정맥울혈 궤양 및 화상을 포함하되 이에 국한되지 않는 만성상처 및 복합상처의 용적 평가를 위한 시스템을 보여준다. 만성상처는 끊임없이 관찰하며 보살펴야 하는 경우가 많다. 전통적인 2차원 카메라 하나만을 사용해서는 얻을 수 없는 환부 표면의 3차원적 정보는 임상적으로 특히 중요한 시각적 정보이다. 따라서, 구조센서(structured sensor) 기능을 갖춘 특수 카메라 및 클라우드/네트워크 인프라와 연계된 모바일 기기를 사용하여, 임상정보와 영상을 포착하고, 분석하고, 송신하는 것은 기존 기술에 비해 의미 있는 진보라 할 수 있다. 여기에 개시된 실시예들은 상술한 여러 요소들을 통합함으로써 상처의 예방과 치료를 위한 임상정보를 포착하고, 평가하고, 문서화 하고, 송수신하는 완전한 플랫폼을 제공한다.

도 1은 한 실시예에 따른 시스템의 개요도이다. 도 1에 보이는 바와 같이, 이 실시예는 모바일 기기(1)를 포함하며, 이 모바일 기기(1)는 거기에 부착 또는 연결되거나 그 내부에 장착되는 2차원 영상센서(2) 및 구조센서(3)를 포함한다. 여기에 개시된 실시예들에 사용할 수 있는 기기는 모바일 기기(1)에 국한되지 않으며, 센서(2) 및 센서(3)와 네트워크(20) 간의 정보 교신이 가능하게 하는 컴퓨터 기능이 있는 기기이면 어느 것이든 무방하다. 모바일 기기(1)는 네트워크를 통하여 서버(10)에 연결된다. 서버(10)는 또한 포털(11) 및 인포마틱스(informatics) 인터페이스(12)에 연결된다.

모바일 기기(1)로는 정보처리 성능을 구비하고, 영상센서(2)를 통한 임베디드2차원 사진 촬영 능력을 구비한, 무선통신 성능을 갖춘 휴대용 / 셀률러 기기를 사용할 수 있다. 모바일 기기(1)는 터치 스크린, 스타일러스 , 마우스, 자판 또는 기타 입력수단을 통한 사용자와의 대화 경로를 포함 할 수 있다. 또한, 입력/출력 포트 (예를 들어, USB 포트)라든가, Bluetooth 나 근거리통신 (near-field communication; NFC)과 같은 기타 연결 방식을 통해 구조센서(3)를 모바일 기기(1)에 연결시킴으로써 모바일 기기(1)가 3차원 구조 감지 성능을 가지도록 할 수 있다. 상기 모바일 기기로는 Apple Computer 사의 Ipad^TM이거나 삼성의 Galaxy Tab^TM 을 사용 할 수 있으며, 기타 입력/출력 기능을 갖춘 적합한 모바일 기기 또는 태블릿 기기이면 어느 것을 사용하여도 무방하다.

영상센서(2)로는 예를 들어 Apple Computer 사의 iSight camera^TM 과 같이 모바일 기기(1) 내에 임베드 되거나 포함되는 디지털 CCD 센서를 사용할 수 있다. 영상센서(2)는 적합한 해상도와 (예를 들어, 640x480 의 해상도) 적합한 화소 수를 (예를 들어, 8 megapixels) 갖춘 것이면 어느 것이든 무방하다. 하지만, 2차원 카메라를 사용하여 상처를 측정하려면, 척도 정보가 없고 왜곡 보정이 되지 않는 어려움이 있다. 실제로는 사진을 촬영하는 사람들이 비교물(자 또는 동전과 같이 크기를 알고 있는 물체들)을 피사체 옆에 놓고 함께 촬영하여, 추후에 크기를 산출할 수 있도록 하는 경우가 많다. 그러나 이 방법은 카메라를 피사면과 반드시 수직이 되도록 배치해야 할 뿐 아니라, 번거로우며 정확하지 않다. 이 문제를 해결하기 위해 몇 가지 기술이 개발되었는데 이러한 기술에는, 영상센서(2) 외에 구조센서(3)를 추가로 포함시켜 사용하는 구현방식과, 구조센서(3) 없이 영상센서(2)가 보내오는 정보에 대해 온-스크린 가이드를 사용하여 척도 정보 및 왜곡 보정 정보를 얻는 구현방식 등이 있다.

구조센서(3)로는 Occipital사가 개발한 Occipital Structure Sensor^TM와 같은 3차원 영상센서를 사용할 수 있다. 영상센서(2)와 구조센서(3) 간의 공간적 상관관계를 알고 있으므로, 영상센서(2)가 포착한 2차원 영상을 구조센서(3)가 입수한 정보 쪽으로 매핑할 수 있다. 그러므로 상처 정보가 입수될 때, 영상센서(2) 및 구조센서(3) 둘 다를 통해 영상들이 입수되게 된다. 이와 다른 방식의 실시예에서는, 영상정보가 구조센서(3)로부터만 입수되거나 영상센서(2)로부터만 입수되게 할 수 있다.

구조센서(3)를 사용함으로써, 추가적인 특수 장비나 복잡한 과정을 개입하지 않고도 모바일 기기(1)를 사용하여 정확한 3차원적 측정을 하는 것이 가능해진다. 구조센서(3)는 브래킷을 사용하여 모바일 기기(1)에 장착할 수 있다. Occipital Structure Sensor^TM를 사용하여 구조센서(3)를 구현하는 방식 이외에도, 3차원 스테레오 카메라를 사용하여 구조센서(3)를 구현할 수 있다. 또는, 구조센서(3)가 기존 모바일 기기와 병행하여 사용되어 스테레오 영상을 포착하게 해 주는 기기일 수도 있고, 기존 카메라와 병행하여 사용되어 구조광을 발생하는 장치일 수도 있고 (예를 들어, "three-dimensional scanner for hand-held phones" [휴대용 전화기용 3차원 스캐너], J. Ryan Kruse, US201281087A1 에 개시된 개념), 소형화된 레이저 레인지 스캐너일 수도 있으며, 그 밖에도 이 용도로는 모바일 기기(1)와 병행하여 사용되어 상처 부위의 3차원 정보를 포착하게 해 주는 장치이면 어느 것을 사용해도 무방하다.

구조센서(3)는 예를 들어 브래킷 등을 사용하여 모바일 기기(1)에 장착할 수 있다. 다른 방식으로는, 구조센서(3)가 외장형으로서 모바일 기기(1)에 부착되지 않는 형태일 수도 있다.

영상센서(2) 및 구조센서(3)를 사용하여 영상 정보와 3차원 정보를 입수할 때, 사진을 촬영하는 사람이 최적의 사진을 촬영하도록 유도하는 온-스크린 가이드가 제공될 수 있다. 이러한 온-스크린 가이드는 사용자가 사진 촬영을 시도할 때 화면상에 나타나, 기기가 영상 촬영을 위한 최적의 위치에 있는지를 알려준다. 또한, 이 가이드는 사용자에게 조명과 경사도와 관련된 정보를 줄 수도 있으며 사용자에게 예를 들어, 위, 아래, 또는 좌, 우로 위치를 조금 바꾸라고 지시할 수도 있다.

영상센서(2) 및 구조센서(3)를 사용하여 입수하는 2차원 시각정보 및 3차원 측정치 이외에, 기타 생리학적 정보가 임상적 진단에 중요할 수 있다. 이러한 기타 생리학적 정보는 추가적인 장치를 모바일 기기(1)와 병행하여 사용함으로써 감지할 수 있다. 예를 들어, 근적외선 열화상 기술을 이용하여 감염상태를 나타내는 체열을 감지하고, 초분광(hyper spectral) 영상 기술을 모바일 플랫폼에 응용하여 조직의 관류 및 괴사 상태를 측정하고, 센서들을 이용하여 냄새를 감지하고 기록하며, 기타 화학물질 센서 또는 세균 감지기를 여기에 개시된 모바일 플랫폼과 병행하여 사용할 수 있다. 이러한 추가적인 센서들은 구조센서(3)와 함께 하나의 부착물로 되어 내장되는 형태일 수 있고, 또는 구조센서(3)와는 별개의 구조로 구현될 수도 있다. 이러한 추가적인 센서들은, 유선 혹은 무선 통신을 통해 모바일 기기(1)에 연결되는 외장형으로 구현될 수도 있다.

서버(10)는 의원 또는 병원 현장에 배치될 수도 있고, 그렇지 않으면 Amazon^TM AWS와 같이 클라우드 서비스를 가능하게 하는 서버를 사용하여 구현될 수도 있다. 개인의 의료 정보를 취급하는 서버로는 HIPAA요건을 충족하는, 보안이 완비된 서버를 사용할 수 있다. HIPAA 요건을 충족하는 서버란 1996년 제정된 The Health Insurance Portability and Accountability Act (의료보험 정보의 이전 및 책임에 관한 법률; 영문약어 HIPAA; Public Law (공법) 104-191, 110 Stat. (법률번호) 1936, 1996년 8월21일 발효)의 요건을 충족하는 서버를 뜻한다. 상기 서버는 데이터베이스를 포함하고 있거나, 또는 상처 정보를 저장한 데이터베이스와 연결되는 형태일 수 있다. 서버(10)는 모바일 기기(1)가 입수한 정보에 대한 분석 절차를 시행할 수 있다. 이 절차는 아래에 상세히 설명되어 있다.

진료인 포털(11)은 서버(10)에 연결되며, 환자 상처에 대한 정보를 진료인에게 제공하도록 설계된다. 환자 상처에 대한 이러한 정보는 진료인이 이미 보유하고 있는 같은 환자에 대한 전자식 의무기록과 합해지고 통합될 수 있다.

인포마틱스 인터페이스(12)는 상처치료를 향상시키기 위한 임상연구 및 의료정보 자료화를 지원하기 위해 익명화된 임상정보를 수록하는 데이터베이스로의 접근경로를 제공한다.

도 2는 본 시스템의 한 실시예에 따른 정보 처리 과정의 흐름을 보여준다. 이 과정에서, 모바일 기기(1)는 환자의 영상을 촬영하고, 그 결과로 영상 정보가 생성된다. 이러한 영상 정보는 영상센서(2)와 구조센서(3) 또는 상술한 기타 센서들이 보내오는 정보를 포함하는 것일 수 있다.

모바일 기기(1) 및 그와 연계된 영상센서(2) 기능 및 구조센서(3) 기능을 통하여, 상처의 2차원 및 3차원 정보가 모바일 기기(1)에 수집된다. 아래 표 1은 구조센서(3)가 수집하게 되는 3차원 측정치들의 예를 보여준다.

넓이 (cm)

길이 (cm)

둘레 (cm)

면적 (제곱 cm)

깊이 (가장 깊은 곳, cm)

용적 (세제곱 cm)

분할: 육아조직, 부육조직, 괴사조직

퍼센트 (%)

면적 (제곱cm)

측정일

진료인(5)은 입수된 환자(4)의 영상 정보를 더욱 보강하기 위해 상기 모바일 기기를 통해 정보를 입력한다. 또 다른 실시예에서는, 영상 정보를 입수하는 모바일 기기(1)가 아닌 다른 인터페이스를 통해 진료인(5)이 정보를 입력할 수 있다.

표 2는 진료인이 입력하는, 상처와 관련된 임상적 변수들의 예를 보여준다.

위치 (도면)	통증:	동반질환
	휴식 시	환자의 인구학적 분류
종류:	동작 시
외상	통증 없음	현 시점에서의 처치:
압박성 피부궤양 (제I/II/III/IV단계/ 단계구분 불가)	정도 (0-10)	국소 약제
정맥 울혈		세척
당뇨성 궤양	특성:	음압 흡입
수술 창상	하부 잠식 (있음/없음, 방향, 길이)	2차 유합
기타	동로(있음/없음, 방향, 길이)	괴사조직 제거 (수술에 의한 제거 / 화학적 제거)
화상	냄새 (있음/없음)	기타

삼출액:	상처 주변 피부	임상
장액성	부종	혈당 수치
장액혈액성	홍반	도플러 신호
화농성	피부 벗겨짐	발목-상완 지수
삼출액의 양 (소/중/다)	연화

표 1과 표 2에 보이는 정보들은 모바일 기기(1) (또는 다른 기기)로부터 서버(10)로 이송되어, 그 전에 생성된 상처관련 변수들과 함께 데이터베이스에 저장된다. 그 다음, 이송되어온 이러한 정보들에 근거하여 영상분석이 시행된다. 영상분석은 서버(10) 내에서 시행될 수 있으며, 다른 실시예에서는 현장에 있는 모바일 기기(1) 내에서 영상분석이 시행될 수도 있다.

도 3은 영상센서(2)와 구조센서(3)로부터 입수한 정보를 사용하여 서버에서 수행하는 정보 처리 절차의 개괄도이다. 그중 특히, 상처의 경계를 파악하기 위한 상처영상의 분할은 2차원 영상 정보를 사용하여 수행하고, 그 결과는 계산을 통해 얻어지는 3차원 메쉬(mesh) 정보와 통합된다. 이렇게 하여, 2차원 정보의 분할에 의해 파악된 상처 경계를 3차원 공간으로 매핑하고, 3차원 구조 정보로부터 3차원 측정치들을 계산해 낼 수 있다. 서버(10)는 반드시 영상센서(2)로부터 입수한 영상정보나 구조센서(3)로부터 입수한 3차원 정보를 처리하는데 국한되지 않는다. 서버(10)는 저장된 영상 또는 원격으로 수집되어 서버(10)로 보내진 영상을 사용한 정보 처리도 수행할 수 있다. 상술한 바와 같이, 영상정보의 처리는 모바일 기기(1) 내에서 시행될 수도 있으며, 이러한 경우 그 영상은 모바일 기기(1)에 내장된 카메라로부터 입수된 것이거나, 인터넷 (전용 서버)에서 내려 받은 것이거나, USB 인터페이스와 같은 입력/출력 인터페이스가 있는 경우라면, USB 플래시 드라이브로부터 입수된 것일 수도 있다.

도 4는 2차원 영상정보를 사용한 상처영상 분할 처리의 순서도이다. 영상분할은 반자동 알고리즘으로 수행된다. 영상정보 처리 절차에는 영상분할 처리 도중 사용자 또는 진료인과의 대화가 포함될 수 있다. 또는, 이러한 처리 절차가 사용자와의 대화가 전혀 없이, 도 4에 도시된 모든 사용자 입력 단계가 자동 예측 또는 자동 입력으로 대치되어 수행될 수 있다.

제S100단계에서, 2차원 정보가 서버(10) 또는 모바일 기기(1)로 입수된다. 제S101단계에서는 입수된 영상의 크기가 조절된다. 정보처리에 걸리는 시간이 영상의 크기에 따라 달라지므로, "실시간" (현장 상황과의 동시성을 가진) 영상분할이 가능하게 하기 위해, 입수된 영상은 축소된다. 제S102단계에서는 영역 자르기(cropping)가 시행되고, 시행 후 잘려나간 영역은 저장된다. 특히, 상처가 크게 잘 보이는 영상을 확보하기 위해 본 시스템은 해당 영상에 줌-인하여 (예를 들어, 2배), 영상의 중앙부로서 사전에 정의된 특정 영역에 집중한다. 이는 상처가 대략적으로 영상의 중앙부에 위치한다는 가정하에 이루어진다. 영역 자르기에서 어느 영역이 잘려 나가게 될지는 영상 중에 물체가 보이지 않는 부분이 어디인지가 결정한다. 다른 방식으로는, 예를 들어 상처가 영상의 중앙에 위치하지 않는 경우 등에 대비하여, 본 시스템은 상처의 위치를 감지하는 상처감지 단계를 영역 자르기 과정에 포함할 수도 있다. 제S103단계에서는 관심영역을 정의하는 직사각형으로 그랩-컷 알고리즘이 초기화된다. 이 관심영역은 경계선에서 20 픽셀의 옵셋을 두고 정의된다. 또는, 이 관심영역이 다른 어떤 기하학적인 모양으로 정의되어도 무방하고, 상처의 위치가 다른 어떤 위치이어도 무방하며, 경계선과의 옵셋 수치 또한 다른 어떤 값이어도 무방하다.

제S104단계에서는 입수된 영상이 영상분할에 대한 안내사항과 함께 사용자에게 제시된다. 구체적으로는, 영역 자르기를 마친, 줌-인이 된 영상이 사용자에게 제시된다. 사용자는 무엇보다 먼저, 터치 스크린에 자신의 손가락이나 스타일러스 펜을 사용하거나, 마우스 또는 터치패드를 사용하여 피사체 중 일부 그리고 배경 중 일부를 가리키게 되는데, 이 순서는 뒤바뀌어도 무방하다. 상처 (피사체 영역) 및 배경은 이렇게 사용자의 개입을 통해 지정된다. 도 5는 상처의 한 예를 보여주는 것으로서, 배경 영역(50) 및 상처에 해당하는 피사체 영역(51)을 사용자가 지정하였다. 도 5에서 보듯이, 영역(53)은 상처의 일부로 감지되지 않도록 하기 위해 배경 영역으로 지정되었다. 그러나, 이와 다른 방식의 실시예에서는 사진 중앙에서부터의 거리에 근거하여, 그리고 동일 영상에 다른 상처가 존재한다는 사실 및/또한 두 상처의 상대적인 크기의 차이에 근거하여 본 시스템이 영역(53)을 주된 상처와 구분한다. 상술한 바와 같이, 영상 내 피사체 부분과 배경 부분의 구분은 서버(10) 또는 모바일 기기(1)에서 자동으로 수행될 수 있다. 상처의 모양, 색, 위치, 환자의 자세 등이 다양할 수 있으며, 영상 속에 다른 물체 (담요, 손, 등)가 보일 수 있으므로 상처의 감지는 어려운 작업이다. 따라서 상처를 감지하는 데에는, 상처부의 영상 균질성을 평가하고 경계선을 파악해 주는 그랩-컷 알고리즘 같은 지능적 알고리즘이나, 혹은 특정 픽셀 영역을 상처로 분류하거나 상처가 아닌 것으로 분류하도록 학습시킬 수 있는 기계학습 방법이 필요하다. 이 두 방법 모두, 사용자와의 대화 없이 자동으로 진행한 후 초기 결과를 생성해내도록 적절히 조절할 수 있다. 상처영상 분할은 본질적으로 어려운 작업이므로 분할이 끝난 후, 사용자가 과소 분할 또는 과다 분할을 교정하거나 다른 알고리즘이 수행하는 추가 단계가 필요한 경우가 많다.

이제 상처영상의 분할을 자동으로 수행하는 알고리즘의 두 가지 예를 기술하기로 한다. 이 둘 이외에 다른 알고리즘들을 사용할 수도 있다. 알고리즘의 첫 번째 예는 그랩-컷에 기초한 것으로서, 사용자에게 상처를 보여 줄 때, 영상의 중앙부에 직사각형 하나를 영상과 중첩되게 보여준다. 사용자는 상처가 이 직사각형 내에 들어가도록 한 후 사진을 찍으라는 요청을 받게 된다. 이 직사각형 밖의 모든 것은 배경으로 간주되고, 이 직사각형 속의 모든 것에는 그것이 배경일 확률 또는 피사체일 확률이 배정된다. 그랩-컷 알고리즘이 초기화 된 후, 초기 결과가 자동으로 계산되어 사용자에게 제시된다.

두 번째 예는 기계학습에 기초한 것으로서, 이 방식에서는 수백 개의 영상을 통해 피부, 손 또는 다른 물체들은 배경이며, 육아 조직, 부육 조직 또는 괴사된 건조가피 조직 등은 피사체임을 본 시스템이 학습하는 것이 필요하다. 이 기계학습 알고리즘이 학습을 마친 후, 새로 입수되는 영상은 타일들로 분할되고 배경 및 피사체로 구분된다.

예로 든 이 두 방식 모두에서, 불가피하게 오류가 발생할 때 사용자가 이를 수정하고, 영상분할을 추후에 조절하는 것이 가능하도록 할 수 있다.

상기 단계 이후의 영상 정보 처리는 자동으로 시작되며, 그 시작 시점은 대상물 (피사체) 및 배경의 지정 후의 어느 한 시점, 또는 그러한 지정이 완성되는 순간이다. 다른 방식으로는, 사용자가 피사체 및 배경의 지정이 완료되었음을 알린 후 어느 한 시점에서 상기 단계 이후의 처리가 시작되게 할 수 있다.

상기 단계 이후의 영상 정보 처리는 제S105단계에서 시작되며, 이 단계에서는 피사체로 지정된 영역의 중앙부의 픽셀 위치를 구한다. 그랩-컷 알고리즘은 서로 접해 있지 않은 몇 개의 영상 절편(patch)들을 상처로 파악할 수 있다. 사용자가 특정 영역을 상처로 지정하게 되면, 사용자가 그 영역을 상처로서 분할하기 원하며 따라서 그 영역에 속하는 픽셀 하나를 피사체 픽셀로 사용하라는 의미가 된다. 그러면 본 시스템은 그 상처 절편에 대해 이터레이션(iteration; 반복적 처리작업)을 시행할 수 있고, 피사체 픽셀을 포함하지 않는 절편들을 버릴 수 있다. 이러한 이터레이션은 하나 이상의 윤곽선이 감지되었는지의 여부에 따라, 제S107단계가 완료된 후 어느 한 단계에서 시작된다.

제S106단계에서는 피사체 픽셀을 위한 출력 마스크를 필터해 낸다. 한 번의 이터레이션이 완료될 때마다, 그랩-컷 알고리즘이 배경은 0, 피사체는 1, 배경일 가능성이 큰 것은 2, 피사체일 가능성이 큰 것은 3으로 각각 정의하는 마스크를 출력한다. 이 마스크는 피사체 픽셀들에 대해서만 필터되고, 다른 모든 값들(0, 2, 3)은 0으로 대치된다. 그 결과, 피사체 픽셀들은 1, 배경 픽셀들은 0으로 가지는 바이너리 마스크가 얻어진다.

제S107단계에서는 피사체 마스크 내에서 윤곽선을 감지하고, 피사체 마스크 내에 하나 이상의 윤곽선이 존재하는지를 판단한다. 하나 이상의 윤곽선이 감지되면, 본 시스템은 제S109단계에서 모든 윤곽선들에 대해 이터레이션을 시행하고 각 윤곽선 내에 피사체 픽셀이 포함되는지를 탐지한다. 상술한 바와 같이, 영상분할 이터레이션을 1회 수행한 결과로 해당 영상 내 복수 개의 절편들이 피사체로 파악될 수 있다. 제S107단계에서는 바이너리 마스크를 사용하여 피사체로 파악된 이러한 절편들의 윤곽선을 감지한다. 제S109단계에서는 이러한 윤곽선 중 어느 하나라도 피사체 픽셀을 포함하는지를 판단하고, 그러한 윤곽선이 있는 경우 그 윤곽선을 평가 대상 상처로 지정하게 되며, 피사체 픽셀이 그 안에 들어있지 않으면 그 영역은 상처가 아닌 것으로 판단한다.

피사체 픽셀을 포함하지 않는 각 윤곽선은 제S111단계에서 배경 값으로 채워 넣는다. 오직 하나의 윤곽선만이 S112단계로 넘어가도록 하기 위해, 본 시스템은 수정된 바이너리 마스크 내에서 윤곽선 감지를 다시 한 번 시행하고, 추가적인 윤곽선이 감지되면 윤곽선들에 대해 이터레이션을 다시 시행함으로써 복수 윤곽선 문제를 해결한다. 오직 하나의 윤곽선만이 남게 되면, 처리 과정은 제S112단계로 넘어 간다.

제S112단계에서는 그랩-컷 알고리즘의 그 다음 이터레이션이 시행된다. 이 과정을 통해, 영상 위에 중첩되는 선명한 다각형으로써 대상물의 경계가 표시되는 초기 분할 결과가 생성된다.

제S113단계에서는 사용자가 결과에 만족해 하는지의 여부를 알아본다. 사용자가 만족해 하지 않으면, 처리 과정은 제S104단계로 다시 돌아가, 사용자가 만족할 때까지 대상물이나 배경, 또는 둘 다를 추가적으로 지적하여 사용자가 영상 분할을 더욱 개선할 수 있도록 한다.

제S114단계에서는 상기 과정의 결과로 얻어진 영상에, 영역 자르기에서 잘려 나갔던 부분을 저장 위치에서 회수하여 복원한다. 이렇게 얻어진 영상을 분할된 영상으로서 출력한다.

이러한 반자동 알고리즘은 Carsten Rother, Vladimir Kolmogorov, 및 Andrew Blake의 2004 년 논문 " GrabCut ": interactive foreground extraction using iterated graph cuts. In ACM SIGGRAPH 2004 Papers ( SIGGRAPH '04), Joe Marks (Ed.). ACM, New York, NY, USA, 309-314. DOI =10.1145/1186562.1015720 에 기술된 그랩-컷 알고리즘을 사용하여 구현될 수 있으며, 이 논문의 내용은 인용을 통해 본 공개서의 일부가 된다; 그 밖의 다른 알고리즘, 예를 들면 그래프 컷(graph cut) 알고리즘 등을 사용하여 구현될 수도 있다. 이 알고리즘을 사용하는 절차에서는 사용자가 상처영역 및 상처가 아닌 영역 지정의 유발점이 되는 점을 터치 스크린에서 간단한 손가락 스와이프로 지적하게 된다. 영상분할의 결과는 실시간으로 제시되며, 사용자는 필요에 따라 영상분할의 세부 조절을 할 수도 있다. 이러한 알고리즘은 감독할 필요가 최소한에 불과하며 결과를 매우 신속히 배출한다.

영상 분할의 실효성에 대한 증거로는, 검증용으로 채택된 60개의 상처 영상을 사용하여 행한 검증의 결과를 예로들 수 있다. 임상 의사 다섯 명에게Matlab 프로그램이 작동하고 있는 Windows 태블릿 위에 스타일러스를 사용하여 상처의 경계를 그려보라고 요청하였다. 그 결과를 본 상처경계 분할절차를 통해 얻은 결과와 정규화된 중복도 점수에 근거하여 비교하였다. 도 6에 보이는 바와 같이, 영상분할을 통해 얻은 결과는 전문가들이 손으로 그린 분할과 매우 좋은 중복도를 보였다 (중복도 점수는 약 90%). 사용된 알고리즘은 또한 작업시간을 약 40초 정도에서 4초 미만으로 단축시켰다.

도 7은 구조센서(3)에서 입수한 정보 및 도 4에 보인 과정을 통해 분할된 영상을 근거로 3차원 측정치들을 계산해 내는 과정을 보여주는 순서도이다. 구조센서(3)에서 입수한 정보는 의학적 손상부 (상처)에 관한 토폴로지 정보이다. 특히, 2차원 컬러 영상에서 상처 경계의 분할이 이루어진 후에는, 그 분할 결과를 3차원 공간에 매핑하여 3차원 상처 모델을 추출할 수 있다. 점구름에 대하여 주성분 분석(principal component analysis; PCA)을 적용함으로써, 넓이와 길이 같은 값들을 계산해 낼 수 있다. 또는, 상처를 포함하는 최소 면적의 회전된 직사각형을 찾을 수 있다. 이러한 직사각형의 넓이와 길이는 상처의 크기, 즉 상처의 넓이와 길이를 각각 정의한다. 상처 둘레는 상처 경계를 나타내는 선분들의 길이를 합으로 계산할 수 있다. 면적, 용적 및 깊이의 계산을 위해서는 먼저 포물면 근사법(paraboloid fitting)을 이용하여, 상처 모델이 되는 3차원 공간을 폐쇄하여 완성해 주는 기준면을 생성한다. 이 기준면은 상처 주변부의 해부학적 신체 곡률을 따라가는 것으로서, 상처가 없었을 때 정상적인 피부였을 표면을 나타내는 것이다. 상처의 면적은 상처 경계 내에 속하는 이 기준면의 면적으로서 계산될 수 있다. 부피는 이 기준면과 상처의 표면에 의해 둘러싸인 공간의 부피이다; 깊이는 이 두 면들 사이의 최대 거리이다. 상술한 자동 알고리즘들은 예를 들어 OpenCV를 사용하여 구현될 수 있다.

또 하나의 중요한 측면은 구조센서(3)를 영상센서(2)에 대해 정렬하는 것이다. 한 실시예에서는, 장착 브래킷이 고정되므로 이들 두 센서 사이에는 리지드6 자유도(rigid 6 DOF) 변위 관계가 존재한다. 이러한 실시예에서는, OpenCV에 있는 것과 같은 스테레오 교정(calibration) 알고리즘과 체스보드 타깃(chessboard target)을 사용하여 변위를 결정한다. 이 때 각 센서들의 교정은, 구조센서(3)는 무왜곡(zero distortion) 모델을 사용하여 교정하고, 영상센서(2)는 왜곡 및 탈중심화(distortion and de-centering) 모델을 사용하여 교정한다. 이렇게 하면, 센서의 모든 내부 변수들 (초점 거리 포함)이 고정된 상태에서, 두 센서들 간의 외부 변위는 OpenCV의 stereoCalibrate 기능과 같은 스테레오 교정 기능을 사용하여 계산된다. 도 8에 보이는 것과 같이, 두 센서들은 동일한 평면을 관찰하고 있으므로, Kinect 깊이 카메라를 그 속에 내재된 RGB 카메라에 대하여 교정하는 것과 유사한 방식으로 외부 교정을 수행할 수 있다. 다른 방식으로는, 자동화된 교정 방법을 사용하여 컬러 카메라를 깊이 카메라에 대하여 교정할 수 있다. 교정이 잘 수행되면, 컬러 영상의 분할로 얻어진 상처 경계를 3차원 구조 정보에 비교적 정확히 매핑할 수 있고, 상처의 측정치들을 정확히 산출해 낼 수 있다.

도 7에 보이는 제S200단계에서는, 분할된 영상에 관하여 구조센서(3)와 피사체 마스크로부터 얻은 깊이 맵(map)들이 입수된다. 피사체 마스크는 바이너리 영상으로서 그 크기는 컬러 영상과 같으나, 상처에 속하는 픽셀들에 1을, 그렇지 않은 픽셀들 (배경)에 0을 부여하여 상처가 피사체가 되도록 한다.

제S201단계에서는, 모든 깊이 맵들이 하나의 깊이 맵으로 통합된다. 이 단계를 수행하는 이유는 매끄러운 깊이 맵을 얻기 위해서이다. 특히, 깊이 맵에는 잡음이 심하여 몇몇 깊이 값들은 빠져있게 된다. 복수의 깊이 맵들을 병행적으로 저장하면, 이들 깊이 맵들을 하나의 깊이 맵으로 통합하여 빠진 부분을 매울 수 있다. 이런 방법으로 깊이 맵 중 빠진 값들의 대부분을 채워 넣을 수 있으나, 일부 빠진 값들을 여전히 채워지지 않은 채 남는다. 제S202단계에서는 또 다른 방법, 즉 주변 픽셀의 깊이 값들을 사용하는 방법으로 빠진 부분을 채우게 된다.

제S202단계에서는, 결여된 깊이 값을 주변의 값에 근거하여 유추해 낸 값으로 채워 넣는다.

제S203단계에서는, 피사체 마스크에 해당하는 부분의 깊이 정보를 사용하여 그 다음 처리를 진행한다. 예를 들면, 도 9에 보이는 것처럼 피사체 마스크(32)를 깊이 정보에 적용하여 피사체 마스크에 해당하는 영역만의 깊이 정보를 추출한다.

제S204단계에서는, 깊이 맵과 구조센서(3)의 내부적 변수를 사용하여, 2차원 영상공간 내 픽셀의 위치를 카메라 공간의 3차원 좌표 내 해당 지점으로 변환시킨다.

제S205단계에서는, 피사체 마스크 내에 존재하는 윤곽선을 파악하고, 제S206단계에서는 이렇게 파악된 윤곽선을 3차원 공간에 투영함으로써 상처 둘레를 계산한다. 상처 둘레란 (마치 원의 원주 길이와 같이) 상처 경계선의 총합이며, 이때 경계선이란3차원 공간에 존재하는 경계선을 말한다.

제S207단계에서는, 상처를 포함하는 최소 면적의 직사각형을 3차원 공간에 투영하여, 상처의 길이와 넓이를 계산한다. 즉, 제S206단계에서는 상처의 둘레를 계산하고, 제S207단계에서는 상처의 최대 길이와 최대 넓이를 계산하는 것이다.

제S208단계에서는, 분할의 결과 (피사체 마스크)를 3차원 공간에 투영하여 상처의 면적을 계산한다.

제S209단계에서는, 윤곽선의 깊이 정보를 사용하여 포물면 근사법을 행함으로써 표면을 추정한다.

제S210단계에서는 상처 중 가장 깊은 점을 계산하고, 제S211단계에서는 상처의 용적을 계산한다.

제S212단계에서는, 상술한 단계들에서 얻어진 상처의 넓이, 길이, 둘레, 면적, 용적, 깊이 (가장 깊은 곳) 및 상처의 분할 결과가 출력된다.

상처조직의 유형분류를 위한 정보 처리 역시 서버(10)가 수행할 수 있다. 다른 방식으로는, 이러한 정보 처리를 모바일 기기(1)가 수행할 수도 있다. 도 10은 상처조직의 유형분류를 위한 정보 처리 과정을 보여준다. 이 과정에서는 상처의 경계를 추출한 후, 해당 상처 조직을 육아 조직 및/또는 부육 조직 및/또는 괴사된 건조가피 조직으로 분류한다. 이 분류 작업은 타일 기반의 다범주(multi-class) 서포트 벡터 머신 (support vector machine; SVM) 분류기를 사용하여 자동화할 수 있다. 다른 여러 상처들을 보여 주는, 각각 수백 개의 타일로 된 100개의 영상을 사용하여, 분류기가 알고 있어야 할 특징들을 서포트 벡터 머신에게 학습시킬 수 있다. 이 학습 과정을 최적화하고 일반화의 신뢰성을 높이기 위해, 교차검증 및 그리드 탐색(grid search)을 이용할 수 있다 . 도 11에 보이는 실험 결과에 의하면, 사람의 손으로 수행한 영상분할과 자동화된 영상분할 사이에 좋은 중복도가 나타났다 (중복도 점수 >80%). 도 11에서, 사진 A는 원래의 상처 영상이고, 사진 B는 유형분류 알고리즘이 출력한 정보를 그 위에 중첩한 것이며, 사진 C는 육아 조직이 자동 분류 절차를 통해 분류된 것이고, 사진 D는 부육 조직이 자동 분류 절차를 통해 분류된 것이다. 사진 E는 전문가가 육아 조직을 분류한 것이고, 사진 F는 전문가가 부육 조직을 분류한 것이다.

도 10에 보이는 제S300단계에서는, 영상센서(2)가 포착한 컬러 영상이 피사체 마스크와 함께 입수된다.

제S301단계에서는, 컬러 영상 내에서 피사체 마스크에 해당하는 컬러 정보를 구한다.

제S302단계에서는, 상기 마스크에 해당하는 컬러 정보를 정사각형 타일 등의 타일들로 세분한다. 다른 모양의 타일을 사용할 수도 있다. 제S303단계에서는, 각 타일의 특징을 계산해 낸다. 이때 특징이란 추출되는 사항들을 말한다. 구체적으로 한 예를 들면, 어떤 영상이 RGB 컬러 포맷으로 되어 있을 때, RGB에서 HSV 및/또는 LAB 및/또는 그레이스케일 포맷으로 변환시켜 각각 다음과 같은 특징들을 추출해 낼 수 있다: a) 각 타일의 H 값과 S 값의 평균 및 표준편차; b) 각 타일의 L 값, A값 및 B값의 평균 및 표준편차; 그리고 c) 그레이 값의 평균 및 표준편차. 제S304단계에서는, 이미 훈련된 서포트 벡터 머신을 사용하여 각 타일을 분류한다. 그 훈련 과정은 제S400 - 제S406단계에 도시되어 있다.

제S400단계에서는, 상처부위의 건강한 조직 부분과 부육조직 및/또는 괴사된 건조가피 조직 부분이 표시된 일군의 영상들이 입수된다. 이 영상들은 제S401단계에서의 처리되어, 표시된 각 영역의 컬러 정보를 조직 분류와 연계시킨다. 제S402단계에서는 각 영상을 정사각형 타일들로 세분한다. 그런 다음, 제S403단계에서 각 타일에 대하여 상술한 특징들을 계산해 낸다. 제S404단계에서는, 각 타일에 그 타일이 속하는 조직의 유형을 표시한다. 제S405단계에서는, 별도의 검증용 영상군을 사용하여 서포트 벡터 머신을 위한 최적의 변수를 교차검증을 적용하여 찾는다. 제S406단계에서는, 서포트 벡터 머신 모델이 생성된다.

제S406단계에서 생성된 모델은 제S304단계에서 각 타일을 분류하는 데 사용된다. 제S305단계에서는, 별개 유형의 조직은 별개의 색이 되도록 사전에 정한 색에 따라, 각 타일을 그 타일이 속하는 조직 유형에 맞게 채색한다. 제S306단계에서는, 분류가 완료되어 뚜렷하게 채색된 영상이 출력된다.

정보 처리가 서버(10)에서 수행되는 경우에는, 서버(10)는 진료인에게 제시할 정보를 모바일 기기(1)로 송출한다. 이러한 정보를 모바일 기기(1)가 아닌 다른 기기로 송출할 수도 있다.

도 12는 진료인이 보게 되는 인터페이스의 한 예를 보여준다. 이 인터페이스에 제시되는 정보들은 모바일 기기(1) 내에서 생성된 것이거나, 그렇지 않으면 서버(10)가 모바일 기기(1) 또는 다른 기기로 송출한 것이다.

상기 인터페이스에는 컬러 영상(60)이 제시되고, 사용자는 토글단추(61)를 눌러 상처(51)를 표시하고, 토글단추(62)를 눌러 배경(50)을 표시할 수 있다. 사용자가 단추(63)를 누르면 표시사항을 삭제할 수 있다. 표시(50) 및 표시(51)가 표시 완료되면, 사용자가 분할단추(64)를 눌러 도 4에 보이는 정보 처리가 시작되게 할 수 있다. 이 정보 처리가 완료되면, 상처 경계 정보가 인터페이스로 송출되어 경계(72)로서 화면에 나타난다.

그런 다음, 사용자는 측정단추(65)를 눌러, 도 7에 보이는 정보 처리가 시작되게 할 수 있다. 이 정보 처리가 완료되어 결과가 얻어지면, 상처를 포함하는 최소 면적의 직사각형(71)이 화면에 나타나고, 상처의 측정치들(66)이 제시된다.

사용자는 상처 조직 분류단추(67)을 누를 수도 있으며, 그런 경우 상처의 각 부분이 조직유형(68)에 보이는 유형과 색에 따라 분류되고 채색된다. 분류단추(67)을 누르면, 도 10에 보이는 정보 처리가 시행되고, 그 처리 결과는 상처 영상 위에 중첩되어 제시된다.

서버(10)에서 생성된 자료들은 모바일 기기(1)로 송출될 뿐만 아니라, 데이터베이스에도 저장된다. 이 데이터베이스는 서버(10)와 동일 현장에 있거나, 원격 위치에 있거나, 또는 클라우드 상에 있는 것일 수 있다. 이 자료들은 민감한 의무기록일 가능성이 있으므로, 개인정보 보호를 위해 이 자료들은 암호화된 형태 및/또는 보안을 갖춘 형태로 저장될 수 있다.

서버(10)가 생성하거나 모바일 기기(1)가 현장에서 생성한 자료들은 상기 데이터베이스에 저장될 수 있다. 이러한 자료들에는 상처 영상과, 상처에 관해 사람이 입력한 임상 정보 및 여러 영상 처리법을 통해 자동 생성된 임상 정보들이 포함된다. 데이터베이스에 저장되어 있는 특정 환자의 과거 기록을 이용하여, 그 환자의 상처 치유 경과를 분석한 후 아래 표 3에 보이는 것과 유사한 변수들로 된 분석 결과를 출력해 낼 수 있다. 따라서 이러한 분석 자료는 상처에 대한 다른 시각적 특징들과 함께, 통합적으로 임상적 판단에 도움을 줄 수 있다. 표 1, 2, 3에 열거된 정보를 포함하여, 데이터베이스에 수록된 임상 정보는 상처 관리 포털 즉, 진료인 포털(11)을 통해 접근하면 열람할 수 있다. 데이터베이스에 수록된 정보는 진료인이 관리 중인 해당 환자의 기존 전자식 의무기록과 통합될 수 있다. 관리 포털(11)을 사용하면, 진료인이 상처 관리를 위하여 HIPAA 요건을 충족하는 방식으로 상기 정보에 접근할 수 있으며, 이때 진료인이란 의사, 간호사, 연구원 또는 그 외 정당한 권한과 접근 암호를 가진 사람을 말한다. 이 포털은 또한 공동 진료의 조율에도 이용할 수 있다.

% 변화 (일 주 동안, 지난번 측정치 대비, 특정 날짜의 측정치 대비):

면적

용적

깊이 (가장 깊은 곳)

조직 분류

절대 변화 (일 주 동안, 지난번 측정치 대비, 특정 날짜의 측정치 대비):

면적

용적

깊이 (가장 깊은 곳)

조직 분류

벤치마크 범위: 개인, 병/의원, 기관, 지역, 전국

또한 인포마틱스 인터페이스(12)를 통하면, 상처치료를 향상시키기 위한 임상연구 및 의료정보 자료화를 지원하기 위해 데이터베이스에 수록된 익명화된 임상정보에 접근할 수 있다.

여기에 개시된 실시예들은 상당한 장점들을 가지고 있다. 예를 들어, 본 시스템은 상처의 측정에 대한 통일성을 효과적으로 보장할 수 있다. 본 시스템이 제공하는 측정의 통일성은 의료 상담 및 기록의 교차대조를 수월하게 한다. 본 시스템의 또 하나의 장점은, 환자에게 수행한 진료에 대해 의료보험 회사 및 Medicare/Medicaid 의 정부 대리 지불 기관이 진료기록부 감사를 실시할 경우, 기록의 감사 절차가 크게 개선된다는 점이다. 저장된 영상들이 진료 계획, 피부 대체 시술 및 치유의 진전 (또는 진전의 부재)을 증명해 주게 된다. 본 시스템의 또 다른 장점은, 벤치마크 (benchmark)가 되는 상처치유 프로그램과 관련한 병원 내부 감사에 도움을 줄 수 있다는 점이다.

그뿐 아니라, 모바일 기기(1)는 환자들을 위한 교육자료 및 진료인들을 위한 참고자료를 추가적으로 포함할 수 있으며, 이러한 참고자료의 예로는, 상처 분류에 대한 권장사항, 현장 처치 방식, 피부대체 시술에 관한Current Procedural Terminologies (CPT; 미국의학협회의 코딩 체계)상의 권장사항, 상처 관리/ 감염 방지용 약제들에 대한 최신 정보 및 기존의 전자식 의무기록 (electronic health record; EHR) 체계와의 연계 방법 등이 있을 수 있다.

본 시스템은 또한, 진료인들 간의 상호협력을 지원하기 위해, 환자가 한 진료기관에서 다른 진료기관으로 이전될 때, 환자가 본 시스템을 통해 의료진이 자신의 과거 의무기록에 접근하는 것을 허락하게 하고, 또한 환자 자신이 스스로 모니터하여 스스로 보고하는 것에 더하여, 관련 의료진 모두가 환자의 의무기록 문서화에 참여하게 해 준다.

여기에 개시된 실시예들은 상처의 측정이 아닌 다른 용도에도 사용될 수 있다.

다른 하나의 실시예에서는, 여기에 개시된 실시예들을 당뇨성 궤양이 발생하기 쉬운 당뇨병 환자, 몸을 움직일 수 없어 압박성 피부궤양이 발생하기 쉬운 환자 및 말초 혈관 질환 환자 등, 만성 상처의 위험성이 높은 환자군에 대한 예방 방편으로 사용할 수 있다. 궤양이 발생하는 주된 이유는 혈액 공급 부족이며, 이는 조직 허혈로 이어지고 더 나아가서는 궤양과 조직 괴사로 이어진다. 여기에 개시된 실시예들은 다중분광(multi-spectrum) 영상 또는 다른 첨단 영상 기술 및/또는 영상 분석 알고리즘과 결합시켜, 혈액 공급을 분석하거나 신체 표면에서의 혈액 관류를 평가하는 데 사용할 수 있다. 예를 들면, 여러 주파수를 가진 빛 아래에서 영상을 촬영하고, 촬영 과정에 대역통과, 대역저지, 저역통과, 고역통과 등의 필터를 사용하면 그 영상은, 맥박산소측정기에 사용되는 기술과 유사한 원리에 의해, 피부 표면층에 흐르는 혈액의 산소포화도를 분석하는데 쓰일 수 있다. 예를 들어, 광원으로 근적외선 영역의 두 개의 다른 주파수를 가지는 빛을 사용할 수 있다. 이러한 광원을 광 필터와 일체가 되게 하여 카메라가 달린 기존의 전화기에 장착하면, 다중분광 영상 기능이 향상되어 혈액 관류 측정이 가능해 질 수 있다.

또 다른 실시예에서는, 여기에 개시된 실시예들을 귀, 코, 인두, 입 및 눈의 상태를 모니터하는 용도로 사용할 수 있다. 시각적 영상을 향상시키기 위해 보조적 광원을 사용할 수도 있다. 또한, 접근하기 힘든 곳의 촬영을 위해 광 가이드(light guide)를 사용하거나, 특정 상황에서는, 영상 안정화 및 확대 기법을 개입시킬 수도 있다. 이러한 기능들을 기존 모바일 기기에 장착되도록 개발할 수 있으며, 그렇게 되면 환자는 보다 향상된 사진을 촬영할 수 있고, 컴퓨터는 임상 정보를 보다 정확히 추출할 수 있게 되어, 진료인은 질환의 경과를 보다 효과적으로 추적하며 합병증을 보다 잘 감지하여 이에 대처할 수 있다.

또 다른 실시예에서는, 여기에 개시된 실시예들을 신체의 표면에 역력히 부풀어 오른 부위, 부은 부위, 또는 튀어나온 부위가 있는 질환들, 즉 말초 혈관 질환, 피부 종괴, 탈장, 치핵 등을 포함하되 이들에 국한되지 않는 질환들의 상태를 모니터하는 용도로 사용할 수 있다. 이러한 병변들은 그 크기와 형상이 임상적 의미를 가지며, 이러한 변수들은 여기에 개시된 실시예들을 사용하여 손쉽게 측정하고 추적할 수 있다.

또 다른 실시예에서는, 여기에 개시된 실시예들을 성형재건외과적 시술이나 체중 감소 프로그램에 적용하여, 신체의 형상 변화를 측정하고 문서화하는 용도로 사용할 수 있다.

또 다른 실시예에서는, 여기에 개시된 실시예들을 시각적 특성이 임상적 의미를 가질 수 있는 대변과 소변 같은 환자의 배설물을 모니터하는 용도로 사용할 수 있다.

또 다른 실시예에서는, 여기에 개시된 실시예들을 액체음식 및 고체음식 섭취를 모두 모니터 해야 하는 몇몇 의학적 상황에서, 음식물의 양과 종류를 모니터함으로써 환자의 칼로리 섭취를 모니터하는 용도로 사용할 수 있다.

요약하자면, 여기에 개시된 기술은 모바일 기기를 사용하여 환자 스스로가 자신의 상태를 모니터하고 보고하는 것에 기반을 둔, 만성질환 관리방법 및 관리 시스템에 적용될 수 있다. 보다 구체적으로는, 여기에 개시된 기술은 카메라 기능을 갖춘 모바일 기기 (이는 스테레오 카메라, 구조광, 다중분광 촬영장치 또는 기타 광원 이나 광 가이드 등과 같은 특수 부가 장치를 갖춘 것일 수도, 갖추지 않은 것일 수도 있음)를 사용하여, 오스토미 부위, 상처, 궤양, 피부 질환, 치아, 귀, 코, 인두 및 눈 등을 포함하되 이에 국한되지 않는 관심 부위에 대한 시각 정보를 입수하는 것에 관한 것이다. 다른 방식으로는, 웹캠 기능을 갖춘 랩탑 컴퓨터나, 또는 카메라와 컴퓨터 시스템과의 조합을 이용하여 이와 같은 시각 정보를 입수할 수도 있다. 크기, 모양, 색깔, 색상, 채도, 휘도대비/명암대비, 텍스쳐, 패턴, 3차원 표면, 또는 용적 정보 등을 포함하나 이에 국한되지 않는 시각 정보는 질환의 경과를 모니터함에 있어 임상적으로 매우 중요하다. 여기에 기술된 실시예들에서는, 카메라 기능을 갖춘 모바일 기기 (이는 촬영 기능을 강화, 향상 또는 추가하기 위한 부가적 장치를 갖춘 것일 수도, 갖추지 않은 것일 수도 있음)를 이용하여 영상을 취득하고, 취득한 영상에 담긴 임상적으로 의미 있는 특징을 분석하고 추출한 후, 이를 원격 서버로 송출하는 기술을 개시하고 있다. 다른 방식으로는, 영상분석 및 특징인식 작업 모두를 원격 서버가 있는 곳에서 수행할 수도 있다. 전문 의료인이나 혹은 자동 컴퓨터 알고리즘이 상기 환자정보에 접근하여, 상황 악화의 위험성을 판단하거나, 합병증의 초기 적신호를 간파하거나, 또는 환자가 치료에 협조하고 있는지 여부를 판단할 수 있다. 한 실시예에서는, 컴퓨터에 의해 자동화된 절차가 일차 방어선으로 사용된다. 본 시스템은 모든 환자 정보를 검색하여 초기 적신호를 찾아낼 수 있다. 위험 요인을 적시해 놓고 나면, 특정 지표가 정상 범위를 벗어나거나 악화 경향을 보일 때, 진료인 및/또는 환자에게 경고를 발송할 수 있다. 그렇게 되면, 진료인은 그 상황을 평가하여 해당 경고를 재확인하거나 무시하고, 환자와 대화하거나, 치료법을 조절하거나, 치료법을 준수할 것을 다시 한번 환자에게 주의시키는 것을 포함하여, 상기 경고에 대한 적절한 조치를 취할 수 있다. 본 시스템은, 해당 영상에서 추출한 임상 정보, 환자와 대화, 환자의 병력특성 및 진료인의 치료계획에 근거하여 제품을 추천하고, 특정 고객을 대상으로 하는 표적광고를 하는 데에도 사용될 수 있다.

또 다른 실시예에서는, 깊이 정보와 영상 정보를 단일 촬영장치 또는 센서가 입수하게 할 수 있다. 이러한 실시예에서는, 촬영장치 또는 센서 하나가 상처의 영상을 포착할 뿐 아니라 상처의 깊이 정보까지 파악한다. 또한, 자동 초점 기능 정보에 근거하여 상처 부위와 같은, 영상 내 특정 부분들까지의 거리를 판단하는 것도 가능하다. 예를 들어, 상처까지의 거리와 배경까지의 거리의 차이를 파악함으로써, 상처의 깊이를 파악할 수 있다.

상술한 정보 처리 절차들 중 적어도 일부, 예를 들어 도 4, 도 7 및 도 10에 보이는 처리 절차 등은, 마이크로 프로세서를 적어도 하나 가지고 있는 임베디드 컴퓨터나 외장 컴퓨터를 사용하여 시행하거나 그 시행을 도울 수 있다; 다른 방식으로는, 이러한 처리 절차들을 특정 회로나 특정 처리회로를 사용하여 시행하거나 또는 그 시행을 도울 수 있다. 상술한 모든 정보 처리 절차는 컴퓨터나, 회로 또는 처리회로를 이용하여 수행할 수 있다. 이 기술이 속하는 분야에서 통상의 지식을 가진 사람이라면 누구나 알고 있듯이, 이러한 컴퓨터 프로세서는 이산적 논리 게이트, 응용 주문용 집적 회로(Application Specific Integrated Circuit; ASIC), 현장 프로그래머블 게이트 어레이(Field Programmable Gate Array; FPGA), 또는 기타 복합 프로그래머블 논리소자(Complex Programmable Logic Device; CPLD)로 구현될 수 있다. FPGA 또는 CPLD로 구현할 때는, 코딩은 VHDL, Verilog 또는 다른 하드웨어 기술 언어로 할 수 있고, 이렇게 쓰여진 코드는 FPGA 또는 CPLD 에 내재된 전자식 메모리에 직접 저장하거나, 그렇지 않으면 별도의 전자식 메모리에 저장할 수 있다. 전자식 메모리로는 ROM, EPROM, EEPROM 또는 FLASH 메모리와 같은 비휘발성 메모리를 사용할 수 있다. 또한, 이 전자식 메모리로 스태틱 RAM이나 다이내믹 RAM과 같은 휘발성 메모리를 사용할 수도 있으며, 전자식메모리를 관리하고 아울러 FPGA또는 CPLD와 전자식 메모리 간의 상호작용을 관리하도록 마이크로 컨트롤러 또는 마이크로 프로세서와 같은 프로세서를 장치할 수 있다.

다른 방식으로는, 컴퓨터 프로세서로 하여금 하나의 컴퓨터 프로그램을 시행하게 하되, 그 프로그램에 여기에 설명된 기능들을 시행하는 컴퓨터 판독가능 명령집합이 포함되게 할 수 있다; 이때 이 프로그램은 상술한 비일시적 전자식 메모리들 중 어느 하나 및/또는 하드 디스크 드라이브, CD, DVD, FLASH 드라이브나 혹은 기타 저장 매체에 저장되게 한다. 그뿐 아니라, 이러한 컴퓨터 판독가능 명령들은 유틸리티 애플리케이션이나 백그라운드 디몬(daemon)으로서, 또는 운용체제의 한 요소로서, 또는 이러한 것들을 조합한 형태로 제공될 수 있으며, 미국 Intel사의 Xenon 프로세서 또는 미국 AMD 사의 Opteron 프로세서와 같은 프로세서와의 공조 하에, 그리고 Microsoft VISTA, UNIX, Solarix, LINUX, Apple MAC-OSX와 그 외 이 분야에서 통상적인 지식을 가진 사람들이 알고 있는 운용체제들과의 공조 하에 시행되도록 할 수 있다.

또한, 상기 실시예들의 특정 측면들은 컴퓨터에 기초한 시스템을 사용하여 구현할 수도 있다 (도 13 참조). 컴퓨터 (1000)는 버스(B) 또는 정보 소통을 위한 기타 통신 수단을 포함하고, 아울러 정보 처리를 위해 버스(B)와 커플된 프로세서/CPU(1004)를 포함한다. 컴퓨터(1000)는 또한, 랜덤 액세스 메모리(RAM)나 기타 동적 저장 소자들(예를 들어, 다이내믹 RAM(DRAM), 스태틱 RAM(SRAM), 싱크러너스 DRAM (SDRAM))로 된 주메모리 / 메모리 유닛(1003)을 포함하고, 이 소자들은 버스(B)에 커플되어 있으며, 이 소자들에는 자료가 저장되고 아울러 프로세서/CPU(1004)가 시행할 명령들이 저장된다. 또한, 메모리 유닛(1003)은 CPU(1004)가 명령을 시행하는 동안 일시적 변수들이나 기타 중간 정보들을 저장하는 데에 사용될 수 있다. 컴퓨터(1000)는 그 밖에도, 정적 정보 및 CPU(1004)를 위한 명령들을 저장하기 위해, 버스(B)에 커플된 읽기 전용 메모리 (ROM)나 기타 정적 저장 소자들 (예를 들어, 프로그래머블 ROM (PROM), 삭제가능 PROM (EPROM) 및 전기식 삭제가능 PROM (EEPROM))을 추가적으로 포함할 수도 있다.

컴퓨터(1000)는 또한 버스(B)에 커플된 디스크 제어기를 포함할 수 있으며, 이러한 제어기는 대용량 저장 장치(1002) 및 드라이브 장치(1006) (예를 들어, 읽기 전용 컴팩트 디스크 드라이브, 읽기/쓰기 컴팩트 디스크 드라이브, 컴팩트 디스크 주크 박스 (jukebox) 및 리무버블 광자기 드라이브)와 같은 자료와 명령을 저장하는 하나 또는 그 이상의 저장 장치를 제어한다. 이러한 저장 장치들은 적절한 기기 인터페이스를 사용하여 (예를 들어, 소형 컴퓨터 시스템 인터페이스 (SCSI), 통합 디바이스 일렉트로닉스 (IDE), 확장 IDE (E-IDE), 메모리 직접 접근 (DMA), 또는 울트라-DMA) 컴퓨터(1000)에 장착될 수 있다.

컴퓨터(1000)는 그 밖에도, 특수 목적의 논리소자들 (예를 들어, 응용 주문용 집적회로; ASIC)이나 설정가능(configurable) 논리소자들 (예를 들어, 단순 프로그래머블 논리소자 (simple programmable logic device; SPLD), 복합 프로그래머블 논리소자들 (CPLD) 및 현장 프로그래머블 게이트 어레이 (FPGA))을 포함할 수 있다.

컴퓨터(1000)는 또한 버스(B)에 커플된 디스플레이 제어기를 포함할 수 있으며, 이러한 제어기는 사용자에게 정보를 보여주는 디스플레이를 제어한다. 컴퓨터 시스템은 컴퓨터 사용자와의 상호작용 및 프로세서에 정보를 제공하는 데 사용되는 자판과 포인팅 도구 등과 같은 입력 장치들을 포함한다. 포인팅 도구로는 예를 들어, 마우스, 트래킹볼 또는 포인팅 스틱을 사용할 수 있는데, 이러한 도구는 방향정보 및 명령선택을 프로세서에 알리거나 화면 상의 커서(cursor)를 움직이는 데 쓰인다. 또한, 컴퓨터 시스템에 저장된 정보 또는 동 시스템이 생성한 정보의 인쇄된 목록을 제공하는 프린터가 겸비될 수 있다.

CPU(1004)가 메모리 유닛(1003) 등의 메모리에 저장된 하나 또는 그 이상의 명령들을 한 번 또는 그 이상 시행함으로써, 컴퓨터(1000)는 본 발명의 정보 처리 과정 중 적어도 일부를 수행한다. 상기 명령들은 대용량 저장 장치(1002)나 리무버블 매체(1001)와 같은 별개의 컴퓨터 판독가능 매체에서 읽어내어 메모리 유닛에 주입될 수 있다. 또한, 메모리 유닛(1003)에 저장된 명령 서열을 시행하기 위해 다중처리 구도 내에 있는 프로세서를 하나 또는 그 이상 사용할 수 있다. 다른 방식의 실시예에서는, 하드웨어 회로를 소프트웨어 명령 대신 사용하거나, 소프트웨어 명령과 병행하여 사용할 수 있다. 이렇듯, 실시 방법은 하드웨어 회로와 소프트웨어의 특정 조합에 국한되지 않는다.

상술한 바와 같이, 컴퓨터(1000)에는 컴퓨터 판독가능 매체(1001) 또는 메모리가 적어도 하나 포함되어, 거기에는 본 발명의 개념에 따른 프로그램 명령 및 여기에 설명된 데이터 스트럭쳐, 표, 기록 또는 다른 정보들이 저장된다. 컴퓨터 판독 가능 매체의 예로는, 컴팩트 디스크, 하드 디스크, 광자기 디스크, 각종 PROM들 (EPROM, EEPROM, flash EPROM), DRAM, SRAM, SDRAM 또는 다른 마그네틱 매체, 컴팩트 디스크 (예를 들어, CD-ROM), 또는 컴퓨터가 읽을 수 있는 다른 모든 매체가 있을 수 있다.

본 발명은 CPU(1004)를 제어하고, 본 발명을 구현하는 기기 또는 기기들을 구동하며, CPU(1004)가 사용자와 소통하게 해주는 소프트웨어를 포함하며, 이 소프트웨어는 컴퓨터 판독가능 매체 중 하나 또는 복수개의 매체의 조합 속에 저장된다. 이러한 소프트웨어에는 기기 드라이버들, 운용체제들, 개발도구들 및 애플리케이션 소프트웨어 등이 포함되나 이에 국한되지 않는다. 그 뿐 아니라, 컴퓨터 판독가능 매체는 본 발명의 구현을 위해 수행하는 정보 처리 절차의 전부 또는 (정보 처리가 분산되어 수행되는 경우) 일부에 해당하는 본 발명의 컴퓨터 프로그램 결과물도 포함한다.

본 발명이 포함하는 매체에 수록되는 컴퓨터 코드는 스크립트, 해석가능 프로그램, 다이내믹 링크 라이브러리(DLL), Java 클래스 및 완성된 시행가능 프로그램 등을 포함하되 이에 국한되지 않으며, 이 용도로는 해석 가능하고 시행 가능한 코드이면 어떤 것을 사용해도 무방하다. 또한, 보다 나은 성능, 신뢰도 및/또는 비용 절감을 위해 본 발명의 정보 처리 과정 중 일부는 분산 시행될 수 있다.

여기에서 사용된 "컴퓨터 판독가능 매체"라는 용어는 CPU(1004)가 시행할 명령을 제공하는 데 가담하는 모든 매체를 가리킨다. 컴퓨터 판독가능 매체에는 비휘발성 매체, 휘발성 매체 등이 포함되나 이에 국한되지 않고 여러 형태일 수 있다. 비휘발성 매체에는 예를 들어, 대용량 저장 장치(1002)와 같은 광학 디스크, 마그네틱 디스크, 광자기 디스크, 또는 리무버블 매체(1001)가 포함된다. 휘발성 매체에는 메모리 유닛(1003)과 같은 다이내믹 메모리가 포함된다.

CPU(1004)에 하나 또는 그 이상의 시행 명령을 한 번 또는 그 이상 보내는 데에는 다양한 형태의 컴퓨터 판독가능 매체가 개입할 수 있다. 예를 들어, 그러한 명령은 처음에는 마그네틱 디스크나 원격 컴퓨터에 수록되어 있을 수 있다. 그러한 명령을 버스(B)와 커플된 입력 장치가 입수하여 버스(B)로 옮겨 놓을 수 있다. 버스(B)가 그 명령을 메모리 유닛(1003)으로 이송하면, CPU(1004)가 메모리 유닛(1003)에서 그 명령을 꺼내 시행한다. 메모리 유닛(1003)으로부터 받은 명령은 CPU(1004)에서 시행되기 전이나 후에 대용량 저장 장치(1002)에 저장될 수도 있다.

컴퓨터(1000)는 또한 버스(B)에 커플된 통신 인터페이스(1005)를 포함한다. 이 통신 인터페이스(1005)는 예를 들어, 로컬영역 네트워크(LAN)나 또는 인터넷과 같은 기타 네트워크와 연결된 네트워크와의 양방향 통신 커플링을 제공한다. 예를 들어, 통신 인터페이스(1005)로는 패킷-스위치드 로컬영역 네트워크 (LAN)이면 어느 것과도 연결되는 네트워크 인터페이스 카드를 사용할 수 있다. 또 다른 예로는, 통신 인터페이스(1005)가 비대칭 디지털 가입자 회선 (ADSL) 카드이거나, 종합정보통신망(ISDN) 카드, 또는 해당 유형의 통신선과 정보 통신 연결을 해 주는 모뎀일 수 있다. 무선방식의 통신 연결도 구현될 수 있다. 이 중 어느 하나를 사용하여 구현하였을 때, 통신 인터페이스(1005)는 다양한 유형의 정보에 해당하는 디지털 데이터 스트림을 전달하는 전기적 신호, 전자기적 신호 또는 광학적 신호를 송수신 한다.

네트워크는 하나 또는 그 이상의 네트워크들을 통해 다른 정보 기기들에게 정보통신 경로를 제공하는 경우가 많다. 예를 들어, 네트워크는 로컬영역 네트워크(LAN)를 통해 다른 컴퓨터에게 정보통신 경로를 제공하거나, 또는 어떤 통신 네트워크를 통해 통신 서비스를 제공하는 서비스 업체가 운영하고 있는 장치를 통해 다른 컴퓨터에게 정보통신 경로를 제공할 수 있다. 로컬영역 네트워크와 통신 네트워크는 예를 들어, 디지털 데이터 스트림을 전달하는 전기적 신호, 전자기적 신호 또는 광학적 신호를 사용하며, 이와 관련된 물리적 계층(예를 들어, CAT 5 케이블, 동축 케이블, 광섬유 등)을 사용한다. 또한, 네트워크는 랩탑 컴퓨터나 휴대전화와 같은 이동식 기기와의 통신 경로를 제공할 수 있다.

상기 개시 내용 중, 순서도 내에 보이는 특정 절차, 설명 또는 블록(block)은 그것이 특정한 논리적 기능이나 공정 중의 단계들을 수행하는 데 필요한, 하나 또는 그 이상의 시행가능 명령들을 포함하는 코드의 모듈들, 분절들 또는 부분들을 나타내는 것으로 이해되어야 하며, 이 분야에서 통상적인 지식을 가진 사람이면 누구나 알고 있듯이, 해당 기능이 무엇인지에 따라 상당히 동시성을 가지는 방식으로 시행되거나 역순으로 시행되는 경우를 포함하여, 기능의 시행이 여기에 설명되거나 도시된 것과 다른 순서로 이루어지는 방식 역시 본 발명의 실시예에 포함되는 것으로 이해되어야 한다.

여기에 몇 가지 실시예를 기술하였으나, 이러한 실시예들은 예시의 목적으로 기술한 것에 불과하며 본 발명의 범위를 제한하려는 의도로 기술된 것이 아니다. 실제로 여기에 개시된 새로운 방법, 장치 및 시스템들은 다른 여러 가지 형태로도 실시될 수 있다; 그 뿐 아니라, 본 발명의 취지에서 벗어나지 않고도, 여기에 개시된 새로운 방법, 장치 및 시스템들의 내용 중 일부를 여러 방식으로 누락, 대체, 변경할 수 있다. 여기에 포함된 청구항 및 청구항과 동등한 내용들은 본 발명의 범위에 속하는 다양한 형태와 변형을 언급하기 위한 것이다.

Claims

의학적 손상부의 특징을 판단하는 시스템으로서,
관심영역의 영상 정보 및 토폴로지 정보를 포착하는 하나 또는 그 이상의 영상 센서와,
회로를 포함하되, 상기 회로는
상기 관심영역 영상정보 내에 있는 손상부의 경계를 파악하고,
상기 영상 정보를 상기 토폴로지 정보에 연계시키고,
상기 영상 정보 내에 지정된 상기 손상부 경계를 상기 토폴로지 정보에 적용하여 마스크 영역을 지정하고,
상기 토폴로지 정보 및 상기 영상 정보에 근거하여 상기 마스크 영역 내에 있는 손상부의 특징을 파악하도록 구성된
시스템.
제1항에 있어서,
상기 회로는
상기 관심영역 영상정보에 근거하여 관심영역 중 대표적인 배경부를 지정하고,
상기 관심영역 영상 정보에 근거하여 관심영역 중 대표적인 손상부를 지정하고,
지정된 대표적인 배경부 및 대표적인 손상부에 근거하여 상기 관심영역 영상정보 내에 있는 손상부의 경계를 파악하는 특성을 추가적으로 갖도록 구성된
시스템.
제2항에 있어서,
상기 회로는 상기 관심영역 영상 정보에 근거하여 관심영역 중 대표적인 손상부를 지정하되, 손상부 지정을 사용자 입력 내용 또는 화소특성의 차이에 근거하여 수행하는 특성을 추가적으로 갖도록 구성된
시스템.
제1항에 있어서,
상기 회로는 상기 영상 정보에 근거하여 상기 마스크 영역 내 손상부의 유형을 분류하는 특성을 추가적으로 갖도록 구성된
시스템.
제4항에 있어서,
상기 회로는 상기 마스크 영역 내 손상부의 유형을 분류하되, 상기 손상부를 타일들로 세분하고, 각 타일의 영상화값들의 중심경향의 척도가 되는 하나의 수치를 계산하고, 사전에 훈련된 분류기가 생성해 내는 손상유형 정보를 사용하여 각 타일을 분류함으로써 손상부 유형을 분류하는 특성을 추가적으로 갖도록 구성된
시스템.
제5항에 있어서,
상기 손상유형 정보는 건강 조직, 부육 조직(slough tissue) 및 괴사된 건조가피 조직(eschar tissue)을 포함하는
시스템.
제5항에 있어서,
사전에 훈련된 서포트 벡터 머신이 회로를 사용하여 상기 손상유형 정보를 생성하며, 상기 회로는 주요 부분에 주석이 달린 복수의 영상들로 이루어진 하나의 영상군에 대하여 각 영상을 타일들로 세분하고, 각 타일의 영상화값들의 중심경향의 척도가 되는 하나의 수치를 계산하고, 각 타일에 손상 유형을 지정하고, 별도의 검증용 영상군을 사용하여 교차검증을 시행하도록 구성된 회로인
시스템.
제1항에 있어서,
상기 마스크 영역 내 상기 손상부의 특징은 손상의 깊이, 넓이 및 길이를 포함하는
시스템.
제1항에 있어서,
상기 마스크 영역 내 상기 손상부의 특징은 손상의 둘레, 면적 및 용적을 포함하는
시스템.
제1항에 있어서,
상기 회로는 자동 영상분할 알고리즘을 사용하여 상기 관심영역 영상정보 내 상기 손상부의 경계를 파악하도록 구성된
시스템.
제1항에 있어서,
상기 회로는 상기 관심영역의 상기 대표적 손상부 내에서 윤곽선을 감지함으로써 상기 관심영역 영상정보 내 손상부의 경계를 파악하도록 구성된
시스템.
제1항에 있어서,
상기 회로는 상기 관심영역의 상기 대표적 손상부 내에서 윤곽선을 감지하고 모든 윤곽선에 대해 이터레이션을 시행함으로써, 상기 관심영역 영상정보 내 상기 손상부의 경계를 파악하도록 구성된
시스템.
제1항에 있어서,
상기 의학적 손상부는 상처인
시스템.
의학적 손상부의 특징을 판단하는 기기로서,
회로를 포함하되, 상기 회로는
관심영역 영상정보 내에 있는 손상부의 경계를 파악하고,
하나 또는 그 이상의 영상 센서가 포착한 영상 정보와 토폴로지 정보를 상호 연계시키고,
상기 영상 정보 내에 지정된 상기 손상부 경계를 상기 토폴로지 정보에 적용하여 마스크 영역을 지정하고,
상기 토폴로지 정보 및 상기 영상 정보에 근거하여 상기 마스크 영역 내에 있는 손상부의 특징을 파악하도록 구성된
기기.
제14항에 있어서,
상기 회로는
상기 관심영역 영상정보에 근거하여 관심영역 중 대표적인 배경부를 지정하고,
상기 관심영역의 영상 정보에 근거하여 관심영역 중 대표적인 손상부를 지정하고,
지정된 대표적인 배경부 및 대표적인 손상부에 근거하여 상기 관심영역 영상정보 내에 있는 손상부의 경계를 파악하는 특성을 추가적으로 갖도록 구성된
기기.
제15항에 있어서,
상기 회로는 상기 관심영역의 영상 정보에 근거하여 관심영역 중 대표적인 손상부를 지정하되, 손상부 지정을 사용자 입력 내용 또는 화소특성의 차이에 근거하여 수행하는 특성을 추가적으로 갖도록 구성된
기기.
제14항에 있어서,
상기 회로는 상기 영상 정보에 근거하여 상기 마스크 영역 내 손상부의 유형을 분류하는 특성을 추가적으로 갖도록 구성된
기기.
제17항에 있어서,
상기 회로는 상기 마스크 영역 내 손상부의 유형을 분류하되, 상기 손상부를 타일들로 세분하고, 각 타일의 영상화값들의 중심경향의 척도가 되는 하나의 수치를 계산하고, 사전에 훈련된 서포트 벡터 머신이 생성해 내는 손상유형 정보를 사용하여 각 타일을 분류함으로써 손상부 유형을 분류하는 특성을 추가적으로 갖도록 구성된
기기.
제18항에 있어서,
상기 손상유형 정보는 건강 조직, 부육 조직 및 괴사된 건조가피 조직을 포함하는
기기.
제18항에 있어서,
사전에 훈련된 서포트 벡터 머신은 회로를 사용하여 상기 손상유형 정보를 생성하며, 상기 회로는 주요 부분에 주석이 달린 복수의 영상들로 이루어진 하나의 영상군에 대하여 각 영상을 타일들로 세분하고, 각 타일의 영상화값들의 중심경향의 척도가 되는 하나의 수치를 계산하고, 각 타일에 손상 유형을 지정하고, 별도의 검증용 영상군을 사용하여 교차검증을 시행하도록 구성된 회로인
기기.
제14항에 있어서,
상기 마스크 영역 내 상기 손상부의 특징은 손상의 깊이, 넓이 및 길이를 포함하는
기기.
제14항에 있어서,
상기 마스크 영역 내 상기 손상부의 특징은 손상의 둘레, 면적 및 용적을 포함하는
기기.
제14항에 있어서,
상기 회로는 그랩-컷 알고리즘을 사용하여 상기 관심영역 영상정보 내 상기 손상부의 경계를 파악하도록 구성된
기기.
제14항에 있어서,
상기 회로는 상기 관심영역의 상기 대표적 손상부 내에서 윤곽선을 감지함으로써 상기 관심영역 영상정보 내 손상부의 경계를 파악하도록 구성된
기기.
제14항에 있어서,
상기 회로는 상기 관심영역의 상기 대표적 손상부 내에서 윤곽선을 감지하고 모든 윤곽선에 대해 이터레이션을 시행함으로써, 상기 관심영역 영상정보 내 상기 손상부의 경계를 파악하도록 구성된
기기.
제14항에 있어서,
상기 의학적 손상부는 상처인
기기.
의학적 손상부의 특징을 판단하는 방법으로서,
관심영역 영상정보 내에 있는 손상부의 경계를 처리회로를 이용하여 파악하는 단계와,
하나 또는 그 이상의 영상 센서가 포착한 영상 정보와 토폴로지 정보를 상기 처리회로를 이용하여 상호 연계시키는 단계와,
상기 영상 정보 내에 지정된 상기 손상부 경계를 상기 처리회로를 이용하여 상기 토폴로지 정보에 적용하여 마스크 영역을 지정하는 단계와,
상기 토폴로지 정보 및 상기 영상 정보에 근거하여 상기 마스크 영역 내에 있는 손상부의 특징을 상기 처리회로를 이용하여 파악하는 단계를 포함하는
방법.
제27항에 있어서,
상기 관심영역 영상정보에 근거하여 관심영역 중 대표적인 배경부를 지정하는 단계와,
상기 관심영역의 영상 정보에 근거하여 관심영역 중 대표적인 손상부를 지정하는 단계와,
지정된 대표적인 배경부 및 대표적인 손상부에 근거하여 상기 관심영역 영상정보 내 손상부의 경계를 파악하는 단계를 추가적으로 포함하는
방법.
제28항에 있어서,
상기 관심영역의 영상 정보에 근거하여 관심영역 중 대표적인 손상부를 지정하되, 손상부 지정을 사용자 입력 내용 또는 화소특성의 차이에 근거하여 수행하는 단계를 추가적으로 포함하는
방법.
제27항에 있어서,
상기 영상 정보에 근거하여 상기 마스크 영역 내 손상부의 유형을 분류하는 단계를 추가적으로 포함하는
방법.
제30항에 있어서,
상기 마스크 영역 내 손상부의 유형을 분류하되, 상기 손상부를 타일들로 세분하고, 각 타일의 영상화값들의 중심경향의 척도가 되는 하나의 수치를 계산하고, 사전에 훈련된 서포트 벡터 머신이 생성해 내는 손상유형 정보를 사용하여 각 타일을 분류함으로써 손상부 유형을 분류하는 단계를 추가적으로 포함하는
방법.
제31항에 있어서,
상기 손상유형 정보는 건강 조직, 부육 조직 및 괴사된 건조가피 조직을 포함하는
방법.
제31항에 있어서,
사전에 훈련된 서포트 벡터 머신은 회로를 사용하여 상기 손상유형 정보를 생성하며, 상기 회로는 주요 부분에 주석이 달린 복수의 영상들로 이루어진 하나의 영상군에 대하여 각 영상을 타일들로 세분하고, 각 타일의 영상화값들의 중심경향의 척도가 되는 하나의 수치를 계산하고, 각 타일에 손상 유형을 지정하고, 별도의 검증용 영상군을 사용하여 교차검증을 시행하도록 구성된 회로인
방법.
제27항에 있어서,
상기 마스크 영역 내 상기 손상부의 특징은 손상의 깊이, 넓이 및 길이를 포함하는
방법.
제27항에 있어서,
상기 마스크 영역 내 상기 손상부의 특징은 손상의 둘레, 면적 및 용적을 포함하는
방법.
제27항에 있어서,
그랩-컷 알고리즘을 사용하여 상기 관심영역 영상정보 내 상기 손상부의 경계를 파악하는 단계를 추가적으로 포함하는
방법.
제27항에 있어서,
상기 관심영역의 상기 대표적 손상부 내에서 윤곽선을 감지함으로써 상기 관심영역 영상정보 내 손상부의 경계를 파악하는 단계를 추가적으로 포함하는
방법.
제27항에 있어서,
상기 관심영역의 상기 대표적 손상부 내에서 윤곽선을 감지하고 모든 윤곽선에 대해 이터레이션을 시행함으로써, 상기 관심영역 영상정보 내 상기 손상부의 경계를 파악하는 단계를 추가적으로 포함하는
방법.
제27항에 있어서,
상기 의학적 손상부는 상처인
방법.