요약
IOSNet 기술은 3D로 스캔된 구강 이미지에서 치아와 잇몸을 혀나 입 벽과 같은 비-타겟으로부터 정확하게 구분하는 데 초점을 맞추고 있습니다. 이 기술은 PIDNet 딥러닝 모델을 활용하여 타겟과 비-타겟을 분류하며, I 브랜치를 사용해 필요한 정보를 처리하여 추론 속도를
높이고 정확한 분석을 제공합니다. 고정밀도의 3D 구강 이미지 분석을 통해 치아와 잇몸의 상태를 정확하게 파악할 수 있으며, 추론 속도의 개선을 통해 실시간 이미지 분석이 가능합니다. 이 기술은 치과 의료 분야에서 환자의 구강 상태를 신속하고 정확하게 진단하고, 치료 계획을 수립하는 데 중요한 역할을 할 수 있습니다.
기본 정보
•
특허명: 3차원 구강 영상 분할 방법, 시스템 및 컴퓨터 판독가능 저장 매체
•
대표 발명자: 김재곤 교수
•
출원번호: 10-2023-0191620
발명의 배경 및 필요성
기술의 중요성
•
이미지 처리 기술은 디지털 시대에서 스마트폰 카메라, 의료 영상 진단, 자율 주행 시스템 등 다양한 분야에 필수적임
•
실시간 이미지 처리와 컴퓨팅 자원의 제한은 주요 도전 과제임
기술 발전의 필요성
•
보안 카메라 시스템, 로봇 공학, 자율 주행 자동차 등에서 실시간 이미지 처리의 필요성이 점점 증가함
•
고도로 복잡한 이미지 처리 모델은 높은 정확도를 제공하지만, 실시간 처리 요구사항을 충족시키기 어려움
•
모바일 기기나 임베디드 시스템에서의 컴퓨팅 자원 제한은 중요한 문제임
•
효율적인 모델 구조 개발, 새로운 컴퓨팅 기술 적용, 이미지 처리 알고리즘 최적화, 외부 컴퓨팅 자원 활용이 필요함
구현방법
기술 개요
•
3D로 스캔된 구강 이미지에서 치아와 잇몸을 혀나 입 벽과 같은 비-타겟으로부터 구분하는 기술에 초점을 맞춤
•
PIDNet 딥러닝 모델을 활용해 타겟(치아, 잇몸)과 비-타겟(혀, 입 벽)을 분류하며, I 브랜치를 사용해 필요한 정보를 처리하여 추론 속도를 높이고 정확한 분석을 제공함
구현 상세
•
구강 스캐너로 치아의 3D 이미지를 생성하고, PIDNet 모델을 이용해 이미지를 타겟과 비-타겟으로 분류함. PAPPM과 세그멘트 헤드를 포함해 구강 영상의 세밀한 부분까지 정확하게 분류함
•
IOSNet 모델을 개발하여 추론 시간을 단축함. 일부 브랜치를 제거하고 남은 브랜치의 컨볼루션 레이어 수를 두 배로 늘려 성능을 개선함
•
메모리, 통신부, 프로세서, 입력부를 포함하는 시스템을 설계하여 실시간으로 구강 이미지를 처리하고 분석함
기술의 장점
•
고정밀도의 3D 구강 이미지 분석을 통해 치아와 잇몸의 상태를 정확하게 파악할 수 있음
•
추론 속도의 개선을 통해 실시간 이미지 분석이 가능하며, 제한된 컴퓨팅 자원에서도 높은 정확도로 구강 영상을 분할할 수 있음
•
치과 진료 및 치료 계획 수립에 중요한 역할을 할 수 있는 3차원 치아 모델을 구성할 수 있음
실험 및 결과
실험 목적 및 방법
•
3D 구강 이미지에서 치아와 잇몸을 비-타겟으로부터 정확하게 구분할 수 있는지 검증하고, PIDNet 및 IOSNet 모델의 성능과 추론 속도를 테스트함
•
한국 성인 35명의 구강을 촬영하여 약 4만 장의 이미지를 수집하고, CVAT 이미지 레이블링 툴을 사용하여 세그멘테이션 작업을 수행함. PIDNet 및 IOSNet 모델을 사용하여 이미지를 타겟과 비-타겟으로 분류하고, 크로스 엔트로피 손실 함수를 사용하여 학습함
실험 결과
•
고정밀도의 3D 구강 이미지 분석을 통해 치아와 잇몸의 상태를 정확하게 구분할 수 있었음
•
PIDNet 및 IOSNet 모델은 추론 속도와 정확도 면에서 높은 성능을 보임
•
실시간 이미지 분석이 가능하며, 제한된 컴퓨팅 자원에서도 높은 정확도로 구강 영상을 분할할 수 있음을 확인함
활용 방안 및 기대효과
치과 의료 분야에서의 IOSNet 기술 적용
•
IOSNet 기술은 구강 스캐너와 통합되어 환자의 입과 치아의 3D 이미지를 분석함
•
치과 의사는 이를 통해 환자의 구강 상태를 신속하고 정확하게 진단하고, 치료 계획을 수립할 수 있음
•
실시간 이미지 분석으로 환자의 불편함을 줄이고 치료 시간을 단축함
•
정확한 디지털 재현을 통해 개인 맞춤형 치료 솔루션을 제공함
기대효과
•
진단 및 치료의 정확도와 효율성이 향상되어 치과 의료 분야의 진료 품질이 개선될 것으로 기대됨
•
IOSNet 모델의 빠른 처리 속도로 환자 대기 시간이 감소하고 진료 효율이 증가함
•
높은 정확도의 3D 이미지 분석으로 치료 오류를 줄이고 전반적인 치료 결과를 개선함
•
환자 맞춤형 치료 계획 수립으로 환자 만족도와 구강 건강 관리 수준이 향상될 것으로 예상됨
•
이 기술은 치과 의료 분야에 새로운 기준을 설정하고, 다른 의료 분야에서도 유사 기술 적용의 가능성을 제시함
시장 동향
치과 의료 시장 동향
기술 SWOT 분석
Strengths
고정밀도 3D 구강 이미지 분석
•
치아와 잇몸의 상태를 정확하게 파악할 수 있어, 치과 진료 및 치료 계획 수립에 중요한 역할을 합니다.
추론 속도 개선
•
PIDNet 및 IOSNet 모델을 활용하여 실시간 이미지 분석이 가능하며, 제한된 컴퓨팅 자원에서도 높은 정확도로 구강 영상을 분할할 수 있습니다.
Weaknesses
모델 최적화의 복잡성
•
고도로 복잡한 이미지 처리 모델은 실시간 처리 요구사항을 충족시키기 어려울 수 있습니다.
컴퓨팅 자원의 제한
•
모바일 기기나 임베디드 시스템에서의 컴퓨팅 자원 제한은 성능 향상에 있어 중요한 문제입니다.
Opportunities
치과 의료 분야에서의 적용
•
IOSNet 기술은 치과 의료 분야에서 환자의 구강 상태를 신속하고 정확하게 진단하고, 치료 계획을 수립하는 데 중요한 역할을 할 수 있습니다.
기술 발전을 통한 새로운 시장 창출
•
효율적인 모델 구조 개발, 새로운 컴퓨팅 기술 적용, 이미지 처리 알고리즘 최적화를 통해 새로운 의료 기술 시장을 창출할 수 있습니다.
Threats
기존 이미지 처리 기술과의 경쟁
•
보안 카메라 시스템, 로봇 공학, 자율 주행 자동차 등에서 사용되는 기존 이미지 처리 기술과의 경쟁에서 밀릴 수 있습니다.
기술 발전 속도
•
이미지 처리 기술의 빠른 발전 속도로 인해, 현재 기술이 빠르게 구식화될 위험이 있습니다.
Summary
Strengths
•
고정밀도 3D 구강 이미지 분석과 추론 속도 개선을 통해 치과 의료 분야에서 중요한 역할을 할 수 있습니다.
Weaknesses
•
모델 최적화의 복잡성과 컴퓨팅 자원의 제한이 주요 문제입니다.
Opportunities
•
치과 의료 분야에서의 적용과 기술 발전을 통한 새로운 시장 창출이 기대됩니다.
Threats
•
기존 이미지 처리 기술과의 경쟁과 기술 발전 속도로 인한 구식화 위험이 있습니다.
대표도면
인천대학교 산학협력단
(21999) 인천광역시 연수구 갯벌로 27(송도동) INU이노베이션센터 202호
본 메일은 마케팅 활용 동의서에 동의하신 회원님께 전송된 것입니다.
COPYRIGHT (c) 2023 Incheon National University. ALL RIGHT RESERVED.