회사 자료를 불러오는 중…
회사 자료를 불러오는 중…
검증 단계 — 어디까지 확인했나
L0 · 국민연금 인력 · 공시 재무 · 특허 — 공공자료
서울특별시에 있는 2017년 설립 회사입니다. 그 외 기타 의료용 기기 제조업을 합니다. 2025년 매출은 3.5억입니다. 2026년 8월 기준 국민연금 가입자는 43명입니다. 외부감사를 받는 회사이고, 가장 최근 감사의견은 「적정」입니다.
읽어오는 중입니다…
최근 출원 2025-03-21 · 최근 등록 2025-07-10 · 최신 출원순
본 발명은 FLAIR 이미지를 활용하여 더 선명한 시각화를 제공하고, 뇌실 마스크 없이 분할 속도와 정확도를 개선하고, 제안된 딥러닝 기반 방법과 GMM 방법의 성능을 비교하여 제안하며, 뇌 내 Glymphatic system의 평가 및 분석을 위해 뇌 척수액 (CSF) 흐름의 핵심 경로 중 하나인 맥락총 (Choroid plexus) 영역을 MRI로부터 AI를 통해 자동 분할하는 기술을 제공한다.
본 발명에서는 3D T2-FLAIR 영상에서 맥락총의 자동 분할을 위한 3D U-NET 방법을 제안하고, 뇌 내 Glymphatic system의 평가 및 분석을 위해 뇌 척수액 (CSF) 흐름의 핵심 경로 중 하나인 맥락총 (Choroid plexus) 영역을 MRI로부터 AI를 통해 자동 분할하는 기술을 제공할 수 있고, 기존 방법들과 비교하여 제안된 방법은 개선된 분할 성능을 제공한다. 또한, 본 발명에 따르면 표준편차가 크게 낮아 기존의 방법과 대비하여 높은 안정성을 제공한다. 본 발명에서 제시하는 그룹 분석 결과, 제안된 방법은 특히 환자 그룹(MCI 및 AD)에서 우수한 성능을 보였고, 시각적 평가에서는 기존 방법인 GMM이 비-ROI 영역(뇌실 경계, 뇌척수액, 백질 등)을 맥락총으로 잘못 레이블링한 반면, 본 명세서에서 제안된 방법은 ROI 내에서 정확히 예측하여 우수한 성능을 입증하였다.
본 발명은 FLAIR 이미지를 활용하여 더 선명한 시각화를 제공하고, 뇌실 마스크 없이 분할 속도와 정확도를 개선할 수 있는 방법 및 장치에 관한 것이다. 본 발명은 FLAIR 이미지 활용 (Using FLAIR Images)하고, FLAIR 이미지는 T1 가중 MRI 시퀀스보다 더 명확한 시각화를 제공하고, 뇌실 마스크 없이 분할 속도와 정확도를 개선하며, 딥러닝 기반 자동 맥락총 분할 도구를 제공할 수 있다.
본 발명은 뉴로멜라닌 영역과 나이그로좀1 영역의 동시 촬영 영상 기법에 관한 것으로, 보다 상세하게는 3D 멀티 에코 GRE를 이용한 뉴로멜라닌과 나이그로좀1의 동시 촬영 및 이미지 처리방법에 관한 것이다. 이를 위해, 컴퓨터에 의해 수행되며, 두 공간포화 펄스를 3D 멀티 에코 GRE(Gradient Recalled Echo)에 적용하여 일반적인 MRI 영상 보다 대조비가 향상된 뉴로멜라닌(NM) 영상(130) 및 멀티 에코 GRE 뇌 영상을 획득하는 단계(S120); 획득단계(S120)에서 획득한 3D 멀티에코 GRE 영상을 이용하여 나이그로좀1(N1)에 대한 민감도 맵 가중 이미지(Susceptibility Map Weighted Imaging, SMWI) 영상(140)을 생성하는 단계(S150); 및 신경망(Neural Network, NN) 모델이 NM영상(130)과 SMWI 영상(140)을 분석하여 뉴로멜라닌(NM)과 나이그로좀1(N1)의 볼륨을 정량화하는 추론단계(S170);를 포함하는 것을 특징으로 하는 3D 멀티 에코 GRE를 이용한 뉴로멜라닌과 나이그로좀1의 동시 촬영 및 이미지 처리방법이 제공된다.
본 발명은 MRI영상에서 뉴로멜라닌의 탈침착 정량화를 위한 이미지 처리방법 및 그 처리장치에 관한 것이다. 이를 위해, 환자의 뇌를 촬영한 자기공명(MRI) 영상과 MRI영상의 T1강조영상으로부터 뉴로멜라닌(NM) 영역의 관찰이 가능하도록 잡음의 제거 또는 신호강도의 정규화를 수행하여 NM-MRI영상을 생성하는 영상 전처리 수단(110); MRI영상에 복수의 플로우 포화 펄스(FSP)를 적용하여 자기 전달 웨이팅을 가하는 FSP부(120); NM-MRI영상에서 뇌의 영역을 구획화하여 구획화 맵을 생성하는 NM-구획화 신경망 모델(150); T1강조영상을 구획화하여 구획화 맵을 생성하는 T1-구획화 신경망 모델(160); 각각의 구획화 맵과 관심영역(ROI)이 정의된 템플릿의 구획화 맵을 기초로 NM-MRI영상의 대조비를 향상시키는 후처리수단(130); 대조비가 향상된 NM-MRI영상과 템플릿을 비선형 정합시키는 정합수단(140); 정합된 영상으로부터 뉴로멜라닌(NM) 영역을 검출하여 뉴로멜라닌(NM)의 탈침착 정도를 수치적으로 정량화하는 정량화 수단(170); 및 전체적인 제어를 담당하는 제어부(100);를 포함하고, 그리고 FSP부는 MRI영상의 상단과 하단에 복수의 플로우 포화 펄스(FSP)를 일정 높이만큼 밴드 형태로 적용하여 샌드위치 형상을 이루도록 한다.
본 발명은 환자의 비-조영 CT 영상으로부터 조밀한 중대뇌동맥 기호(Dense MCA Sign, DMS), 조기 허혈 변화(Early Ischemic Changes, EIC) 및 양안의 편향을 식별하고, 식별된 복수의 바이오마커를 기반으로 환자의 LVO 양성 및 음성 여부를 판별할 수 있는 양안의 편향을 이용한 급성 대혈관폐색 검사 장치 및 방법을 제공한다.
본 발명은 환자의 비-조영 CT 영상으로부터 식별되는 바이오마커인 양안의 편향을 이용하여 LVO 검사를 진행할 수 있는 양안의 편향을 이용한 급성 대혈관폐색 검사 방법에 관한 것이다. 또한, 본 발명은 LVO 검사의 결과에 따라 환자가 LVO 양성으로 판별된 경우에 의료진에게 알림을 제공하여 환자의 치료가 신속하게 진행되도록 유도할 수 있다.
본 발명은 CBV, MTT, CBF와 같은 혈류 파라미터를 정확하게 계산하기 위해 원본 CT 이미지를 기초로 생성되는 뇌와 관련된 정보로부터 혈관 함수를 추출한 후, 부정확한 동맥 함수를 보정하여 정확한 동맥 함수를 획득할 수 있는 뇌와 관련된 정보로부터의 혈관 함수를 추출하기 위한 장치 및 방법을 사용자에게 제공한다.
본 발명의 목적은 뇌와 관련된 정보로부터의 혈관 함수를 추출하기 위한 장치 및 방법을 사용자에게 제공하는 것이다.
본 발명의 일 실시예에 따른 급성 대혈관폐색 검사 장치는, 중뇌부터 대뇌피질 전체에 해당되는 뇌의 상위 부분과 양안을 이루는 개체들인 해부학적 개체를 적어도 포함하는 연속된 복수의 비-조영 CT 이미지로 이루어진 시퀀스 영상인 비-조영 CT 영상을 입력받는 영상입력부; 강체 정합 및 어파인 정합을 기반으로 상기 비-조영 CT 이미지를 전처리시키는 전처리부; 상기 전처리부로부터 전처리된 비-조영 CT 이미지에 대해 적어도 하나의 아틀라스(atlas)를 비-강체 정합시키며, 아틀라스가 정합된 비-조영 CT 이미지의 각 셀이 0 또는 1의 값을 가지도록 정규화시키고, 역변환을 통해 상기 아틀라스가 정합된 비-조영 CT 이미지의 각 셀을 결합시켜 복원된 비-조영 CT 이미지에서 관심영역을 추출하는 영상처리부; 및 상기 관심영역이 추출된 비-조영 CT 이미지로부터 양안의 편향(Eyeball deviation)을 식별하고, 상기 양안의 편향을 기반으로 LVO 검사를 진행하여 상기 환자를 LVO 양성 또는 음성으로 판별하고, 상기 LVO 검사를 통해 LVO 양성으로 판별된 환자의 LVO 의심 사례를 분류한 후, 의료진에게 알림을 제공하는 판단부;를 포함할 수 있다.
본 발명의 일 양상인 혈관 함수 추출 장치는, 외부로부터 수신하는 뇌와 관련된 정보에서 원본 CT 이미지를 추출하는 정보 수신부; 상기 원본 CT 이미지를 NIFTI 파일 형식의 이미지로 변환시켜 시간 시퀀스(Time sequence) 데이터를 획득하는 NIFTI 이미지 변환부; 상기 시간 시퀀스 데이터를 통해 상기 원본 CT 이미지에 시간 보간(time interpolation)을 적용하여 상기 원본 CT 이미지를 각 시간별 3차원 CT 이미지로 변환시키는 시간 보간부; 상기 각 시간별 3차원 CT 이미지를 딥러닝 기반 혈관 분할 딥러닝 모델(141)에 통과시켜 혈관 분할 마스크를 예측하며, 시간(time) 축을 기준으로 상기 3차원 CT 이미지를 스태킹(Stacking)함으로써 4차원 혈관 마스크 이미지를 생성하는 혈관 분할부; 및 상기 4차원 혈관 마스크 이미지의 혈관 영역으로부터 혈관 함수를 추출하며, 상기 혈관 함수 중 하나인 동맥 함수를 이용하여 혈류 파라미터를 계산하는 혈관 함수 추출부;를 포함할 수 있다.
본 발명에 따르면, 각 특성에 따라 국소적인 오차에 민감할 경우 선형 변환만 적용하여 중앙 정렬된 Rigid Registration 결과를 활용할 수 있으며, 환자 간의 관심 영역을 공간적으로 일치시키거나 모니터링이 필요한 경우 Non-rigid Registration 결과를 활용하고, 각 Rigid/Non-rigid Registration 상에서 분석된 결과는 원본 CTA의 공간으로 역 변환하여 원본 CTA 영상에서 세그먼트 또는 분석 결과를 시각화 할 수 있다.
본 발명의 목적은 미가공 CT 이미지의 기하학적 정렬 및 전처리를 위한 인공지능 기반 장치 및 방법을 사용자에 제공하는 것으로, 구체적으로 본 발명은 임의의 raw CT image가 입력되었을 때 일관된 방향과 크기로 변환해 줄 수 있는 process를 적용하여, 환자의 두개골의 크기와 형태, 촬영 방향 등에 따라 생기는 다양성을 최소화할 수 있는 인공지능 기반 장치 및 방법을 사용자에 제공할 수 있다.
본 발명은 미가공 CT 이미지의 기하학적 정렬 및 전처리를 위한 인공지능 기반 장치 및 방법에 관한 것이다. 본 발명에 따르면, 각 특성에 따라 국소적인 오차에 민감할 경우 선형 변환만 적용하여 중앙 정렬된 Rigid Registration 결과를 활용할 수 있으며, 환자 간의 관심 영역을 공간적으로 일치시키거나 모니터링이 필요한 경우 Non-rigid Registration 결과를 활용할 수 있다.
본 발명의 일 양상인 인공지능 기반 대혈관폐색 의심 반구 검출을 통한 뇌졸중 진단 장치는, 적어도 하나의 환자의 뇌와 관련된 비-조영 (Non-contrast) CT 영상을 획득하는 영상획득부; 상기 뇌의 좌뇌 반구 영상과 우뇌 반구 영상을 분할하기 위해, 상기 비-조영 CT 영상을 전-처리 (Pre-processing)하는 전처리부; 상기 전-처리된 영상의 관심 영역 (ROI)인 상기 좌뇌 반구 영상과 우뇌 반구 영상을 분할하는 영상처리부; 상기 분할된 상기 좌뇌 반구 영상과 우뇌 반구 영상 중 적어도 하나를 이용하여, 상기 적어도 하나의 환자의 대혈관폐색 (Large Vessel Occlusion)의 존재 여부를 판단하는 판단부; 를 포함하되, 상기 판단부는, 제 1 정보 및 제 2 정보 중 적어도 하나를 이용하여 상기 대혈관폐색의 존재 여부를 판단하고, 상기 제 1 정보는, 상기 좌뇌 반구 영상의 제 1 EIC (Early Ischemic Change) 정보 및 제 1 DMS (Dense MCA Sign) 정보를 포함하며, 상기 제 2 정보는, 상기 우뇌 반구 영상의 제 2 EIC (Early Ischemic Change) 정보 및 제 2 DMS (Dense MCA Sign) 정보를 포함할 수 있다.
실시예에 따른 인공지능 기반의 뇌병변 검출 방법은, 뇌를 촬영한 뇌영상을 획득하는 단계, 제1 신경망 모델을 이용하여 상기 뇌영상으로부터 병변 영역을 포함한 정보를 획득하는 단계, 제2 신경망 모델을 이용하여 상기 뇌영상으로부터 혈관 영역을 포함한 정보를 획득하는 단계, 상기 병변 영역과 상기 혈관 영역이 결합된 결합 영상을 생성하는 단계 및 상기 결합 영상을 기초로 상기 뇌영상을 뇌병변 영상으로 분류하는 단계를 포함할 수 있다.
본 발명의 일 양상인 인공지능 기반 전처리 장치는, 적어도 하나의 환자의 신체와 관련된 복수의 영상을 획득하는 영상획득부; 및 상기 복수의 영상을 전-처리(Pre-processing)하는 전처리부; 를 포함하고, 상기 전처리부는, 상기 복수의 영상에서 미리 지정된 범위에 속하는 Hounsfield unit (HU) 각각에 대한 주파수를 계산하고, 상기 계산된 복수의 주파수 중 가장 주파수가 높은 주파수에 대응하는 제 1 HU 값과 미리 지정된 픽스드 레벨(Fixed level)의 제 2 HU 값 간의 차이 값을 산출하며, 상기 산출된 차이 값을 상기 복수의 CT 영상과 관련된 전체 HU에 반영함으로써, Hounsfield unit (HU) 정규화(normalization)를 수행하고, 상기 복수의 영상 중 적어도 일부는 미리 지정된 제 1 방사선량 이하의 도즈(Dose)를 적용한 Low Dose CT 인 LDCT 영상을 포함하고, 상기 전처리부는, 상기 HU 정규화가 수행된 CT 영상에, 미리 지정된 CNN(Convolutional Neural Network) 기반의 복수의 딥러닝 모델 중 적어도 하나를 적용하여, 상기 LDCT 영상이 미리 지정된 제 2 방사선량 이상의 Normal Dose CT 인 NDCT영상으로 변환되도록 하는 디노이징 (Denoising) 작업을 수행할 수 있다.
본 발명의 일 실시예에 따른 자기공명영상을 이용한 대뇌 미세출혈 탐지 장치는, 자기 공명 영상의 SWI 영상 및 페이즈 영상 각각을 정규화하고, 상기 정규화된 페이즈 영상의 부호를 반전시키는 페이즈 영상 변환을 수행하는 전처리부; 상기 전처리된 SWI 영상 및 페이즈 영상이 결합된 2채널 영상을 입력받아 대뇌 미세출혈에 대한 다수의 후보 영역을 검출하는 YOLO 신경망 모듈; 및 상기 다수의 후보 영역에 기초하여 상기 SWI 영상 및 페이즈 영상의 후보 영역 패치 영상들을 입력받아 각 후보 영역 패치 영상들이 대뇌 미세출혈 증상이 있는 영상인지 여부를 신경망 연산을 통해 판단하는 대뇌 미세출혈 판단 신경망 모듈을 포함하고, 상기 전처리부는 상기 정규화된 SWI 영상 및 상기 변환된 페이즈 영상과 인접한 슬라이스 영상들과의 평균값을 연산하고, 상기 연산된 평균값을 반영하는 전처리를 더 수행할 수 있다.
본 발명의 일 실시예에 따른 자기공명영상을 이용한 대뇌 미세출혈 탐지 방법은, 전처리부가 자기 공명 영상의 SWI 영상 및 페이즈 영상 각각을 정규화하고, 상기 정규화된 페이즈 영상의 부호를 반전시키는 페이즈 영상 변환을 수행하는 전처리 단계(a); YOLO 신경망 모듈이 상기 전처리된 SWI 영상 및 페이즈 영상이 결합된 2채널 영상을 입력받아 대뇌 미세출혈에 대한 다수의 후보 영역을 검출하는 YOLO 신경망 연산 단계(b); 및 대뇌 미세출혈 판단 신경망 모듈이 상기 다수의 후보 영역에 기초하여 상기 SWI 영상 및 페이즈 영상의 후보 영역 패치 영상들을 입력받아 각 후보 영역 패치 영상들이 대뇌 미세출혈 증상이 있는 영상인지 여부를 신경망 연산을 통해 판단하는 대뇌 미세출혈 판단 신경망 연산 단계(c)를 포함할 수 있다.
본 발명의 일 실시예에 따른 자기공명영상을 이용한 대뇌 미세출혈 탐지 방법은, 전처리부가 자기 공명 영상의 SWI 영상 및 페이즈 영상 각각을 정규화하고, 상기 정규화된 페이즈 영상의 부호를 반전시키는 페이즈 영상 변환을 수행하는 전처리 단계(a); YOLO 신경망 모듈이 상기 전처리된 SWI 영상 및 페이즈 영상이 결합된 2채널 영상을 입력받아 대뇌 미세출혈에 대한 다수의 후보 영역을 검출하는 YOLO 신경망 연산 단계(b); 및 대뇌 미세출혈 판단 신경망 모듈이 상기 다수의 후보 영역에 기초하여 상기 SWI 영상 및 페이즈 영상의 후보 영역 패치 영상들을 입력받아 각 후보 영역 패치 영상들이 대뇌 미세출혈 증상이 있는 영상인지 여부를 신경망 연산을 통해 판단하는 대뇌 미세출혈 판단 신경망 연산 단계(c)를 포함하고, 전처리 단계(a)는, 상기 전처리부가, 상기 정규화된 SWI 영상 및 상기 변환된 페이즈 영상과 인접한 슬라이스 영상들과의 평균값을 연산하고, 상기 연산된 평균값을 반영하는 전처리를 더 수행할 수 있다.
본 발명은 의료 영상을 이용하여 종양을 검출하고, 검출된 종양의 형태와 특성을 진단하는 방법에 관한 것이다. 본 발명의 일 양상인 의료 영상 기반 종양 검출 및 진단 방법은, 입력부가 환자와 관련된 의료 영상을 획득하는 제 1 단계; 전처리부가 종양(tumor) 영역의 관찰이 가능하도록, 상기 획득한 의료 영상을 전처리하는 제 2 단계; 분석부가 심층 신경망 기반 딥 러닝 기법을 적용하여, 상기 전처리된 영상을 복수의 영역으로 분할하는 제 3 단계; 및 측정부가 상기 분할된 복수의 영역에 대해 군집화(clustering)를 수행함으로써, 그룹화(grouping)하는 제 4 단계;를 포함하고, 상기 제 2 단계에서, 상기 전처리부는, 상기 획득한 의료 영상의 방향을 정렬하고, 상기 획득한 의료 영상 내의 균일성을 위해, 상기 영상 내 신호 편향을 정정하며, 타겟(target)인 상기 종양 영역 이외의 상기 획득한 의료 영상 내의 영역을 제거하고, 상기 심층 신경망으로 입력되는 영상과 상기 분할된 복수의 영역 관련 영상은, 3차원 영상일 수 있다.
본 발명은 의료 영상을 이용하여 종양을 검출하고, 검출된 종양의 형태와 특성을 진단하는 방법에 관한 것이다. 본 발명의 일 양상인 의료 영상 기반 종양 검출 및 진단 방법은, 입력부가 환자와 관련된 의료 영상을 획득하는 제 1 단계; 전처리부가 종양(tumor) 영역의 관찰이 가능하도록, 상기 획득한 의료 영상을 전처리하는 제 2 단계; 분석부가 심층 신경망 기반 딥 러닝 기법을 적용하여, 상기 전처리된 영상을 복수의 영역으로 분할하는 제 3 단계; 및 측정부가 상기 분할된 복수의 영역에 대해 군집화(clustering)를 수행함으로써, 그룹화(grouping)하는 제 4 단계;를 포함할 수 있다.
본 발명은 인공지능 기반 검출된 종양의 형태 및 특성 진단 장치에 관한 것이다. 본 발명의 일 양상인 의료 영상 기반 종양 검출 및 진단 장치는, 환자와 관련된 의료 영상을 획득하는 입력부; 종양(tumor) 영역의 관찰이 가능하도록, 상기 획득한 의료 영상을 전처리하는 전처리부; 심층 신경망 기반 딥 러닝 기법을 적용하여, 상기 전처리된 영상을 복수의 영역으로 분할하는 분석부; 및 상기 분할된 복수의 영역에 대해 군집화(clustering)를 수행함으로써, 그룹화(grouping)하는 측정부;를 포함하고, 상기 측정부는, 상기 그룹화 된 영역 각각의 그룹별 특징 값을 추출하고, 상기 추출한 그룹별 특징 값을 기초로 상기 종양과 관련된 진단 정보를 도출할 수 있다.
본 발명의 일 양상인 의료 영상 기반 허혈성 뇌졸중 검출 및 형태 분류 방법은, 획득부가 적어도 하나의 환자의 뇌와 관련된 영상을 수집하는 제 1 단계; 검출부가 상기 수집된 영상을 기초로, 상기 적어도 하나의 환자가 대뇌혈관 폐색(Large Vessel Occlusion) 환자인지 여부를 판단하는 제 2 단계; 판단부가 상기 적어도 하나의 환자가 대뇌혈관 폐색 환자인 경우, 상기 대뇌혈관 폐색의 형태가 Embolism(색전증)인지 아니면 ICAS(Intracranial Atherosclerosis, 뇌 죽상 동맥경화증)인지 여부를 판단하는 제 3 단계; 진단부가 상기 판단된 대뇌혈관 폐색의 형태에 따라 다르게 적용되는 치료 방향 정보를 제공하는 제 4 단계; 및 통신부가 상기 진단부가 제공하는 치료 방향 정보를 미리 지정된 기관으로 유선 통신 및 무선 통신 중 적어도 하나를 기초로 전송하는 제 5 단계;를 포함할 수 있다.
본 발명의 일 양상인 의료 영상 기반 허혈성 뇌졸중 검출 및 형태 분류 방법은, 획득부가 적어도 하나의 환자의 뇌와 관련된 영상을 수집하는 제 1 단계; 검출부가 상기 수집된 영상을 기초로, 상기 적어도 하나의 환자가 대뇌혈관 폐색(Large Vessel Occlusion) 환자인지 여부를 판단하는 제 2 단계; 판단부가 상기 적어도 하나의 환자가 대뇌혈관 폐색 환자인 경우, 상기 대뇌혈관 폐색의 형태가 Embolism(색전증)인지 아니면 ICAS(Intracranial Atherosclerosis, 뇌 죽상 동맥경화증)인지 여부를 판단하는 제 3 단계; 및 진단부가 상기 판단된 대뇌혈관 폐색의 형태에 따라 다르게 적용되는 치료 방향 정보를 제공하는 제 4 단계;를 포함하고, 상기 ICAS의 경우, 동맥경화가 진행됨에 따라 혈관 내의 혈류량이 감소하게 되고, 상기 감소한 혈류량을 보완하기 위해, 상기 동맥경화가 진행되는 혈관 주변의 측부 순환이 발달하고, 상기 제 3 단계에서, 상기 판단부는, 상기 측부 순환이 발달한 제 1 이벤트가 관찰되는 경우, 상기 대뇌혈관 폐색의 형태를 ICAS로 판단할 수 있다.
본 발명은 의료 영상 기반 허혈성 뇌졸중 검출 및 형태 분류 방법, 장치 및 시스템에 관한 것이다. 본 발명의 일 양상인 의료 영상 기반 허혈성 뇌졸중 검출 및 형태 분류 장치는, 적어도 하나의 환자의 뇌와 관련된 영상을 수집하는 획득부; 상기 수집된 영상을 기초로, 상기 적어도 하나의 환자가 대뇌혈관 폐색(Large Vessel Occlusion) 환자인지 여부를 판단하는 검출부; 상기 적어도 하나의 환자가 대뇌혈관 폐색 환자인 경우, 상기 대뇌혈관 폐색의 형태가 Embolism(색전증)인지 아니면 ICAS(Intracranial Atherosclerosis, 뇌 죽상 동맥경화증)인지 여부를 판단하는 판단부; 및 상기 판단된 대뇌혈관 폐색의 형태에 따라 다르게 적용되는 치료 방향 정보를 제공하는 진단부;를 포함하고, 상기 판단된 대뇌혈관 폐색의 형태가 상기 Embolism인 경우,상기 진단부는, 상기 적어도 하나의 환자가 경증 환자인지 중증 환자인지 판단하고, 상기 경증 환자인 경우에는, 혈전용해제를 이용한 치료 방향 정보를 제공하고, 상기 중증 환자인 경우에는, 혈전 제거술을 이용한 치료 방향 정보를 제공할 수 있다.
본 발명의 일 양상인 의료 영상 기반 허혈성 뇌졸중 검출 및 형태 분류 방법은, 획득부가 적어도 하나의 환자의 뇌와 관련된 영상을 수집하는 제 1 단계; 검출부가 상기 수집된 영상을 기초로, 상기 적어도 하나의 환자가 대뇌혈관 폐색(Large Vessel Occlusion) 환자인지 여부를 판단하는 제 2 단계; 판단부가 상기 적어도 하나의 환자가 대뇌혈관 폐색 환자인 경우, 상기 대뇌혈관 폐색의 형태가 Embolism(색전증)인지 아니면 ICAS(Intracranial Atherosclerosis, 뇌 죽상 동맥경화증)인지 여부를 판단하는 제 3 단계; 및 진단부가 상기 판단된 대뇌혈관 폐색의 형태에 따라 다르게 적용되는 치료 방향 정보를 제공하는 제 4 단계;를 포함할 수 있다.
본 발명의 일 양상인 의료 영상 기반 허혈성 뇌졸중 검출 및 형태 분류 방법은, 획득부가 적어도 하나의 환자의 뇌와 관련된 영상을 수집하는 제 1 단계; 검출부가 상기 수집된 영상을 기초로, 상기 적어도 하나의 환자가 대뇌혈관 폐색(Large Vessel Occlusion) 환자인지 여부를 판단하는 제 2 단계; 판단부가 상기 적어도 하나의 환자가 대뇌혈관 폐색 환자인 경우, 상기 대뇌혈관 폐색의 형태가 Embolism(색전증)인지 아니면 ICAS(Intracranial Atherosclerosis, 뇌 죽상 동맥경화증)인지 여부를 판단하는 제 3 단계; 및 진단부가 상기 판단된 대뇌혈관 폐색의 형태에 따라 다르게 적용되는 치료 방향 정보를 제공하는 제 4 단계;를 포함하고, 상기 판단된 대뇌혈관 폐색의 형태가 상기 ICAS인 경우, 상기 제 4 단계는, 상기 진단부가 1차적으로 혈관성형술을 이용한 치료 방향 정보 및 항혈소판 제제를 이용한 치료 방향 정보 중 적어도 하나를 제공하는 제 4-1 단계; 및 상기 적어도 하나의 환자에 추가적 치료가 필요한 경우, 상기 진단부가 2차적으로, 혈전용해제를 이용한 치료, 혈전 제거술을 이용한 치료, 상기 항혈소판 제제 이외의 약물을 이용한 치료, 스텐트를 이용한 치료, 풍선 삽입을 이용한 치료 및 Counterpulsation(역박동) 치료 방향 정보 중 적...(이하생략)
본 발명은 의료 영상 기반 허혈성 뇌졸중 검출 및 형태 분류 방법, 장치 및 시스템에 관한 것이다. 본 발명의 일 양상인 의료 영상 기반 허혈성 뇌졸중 검출 및 형태 분류 장치는, 적어도 하나의 환자의 뇌와 관련된 영상을 수집하는 획득부; 상기 수집된 영상을 기초로, 상기 적어도 하나의 환자가 대뇌혈관 폐색(Large Vessel Occlusion) 환자인지 여부를 판단하는 검출부; 상기 적어도 하나의 환자가 대뇌혈관 폐색 환자인 경우, 상기 대뇌혈관 폐색의 형태가 Embolism(색전증)인지 아니면 ICAS(Intracranial Atherosclerosis, 뇌 죽상 동맥경화증)인지 여부를 판단하는 판단부; 및 상기 판단된 대뇌혈관 폐색의 형태에 따라 다르게 적용되는 치료 방향 정보를 제공하는 진단부;를 포함하고, 상기 진단부가 제공하는 치료 방향 정보를 미리 지정된 기관으로 유선 통신 및 무선 통신 중 적어도 하나를 기초로 전송하는 통신부;를 더 포함할 수 있다.
본 발명은 의료 영상 기반 허혈성 뇌졸중 검출 및 형태 분류 방법, 장치 및 시스템에 관한 것이다. 본 발명의 일 양상인 의료 영상 기반 허혈성 뇌졸중 검출 및 형태 분류 장치는, 적어도 하나의 환자의 뇌와 관련된 영상을 수집하는 획득부; 상기 수집된 영상을 기초로, 상기 적어도 하나의 환자가 대뇌혈관 폐색(Large Vessel Occlusion) 환자인지 여부를 판단하는 검출부; 상기 적어도 하나의 환자가 대뇌혈관 폐색 환자인 경우, 상기 대뇌혈관 폐색의 형태가 Embolism(색전증)인지 아니면 ICAS(Intracranial Atherosclerosis, 뇌 죽상 동맥경화증)인지 여부를 판단하는 판단부; 및 상기 판단된 대뇌혈관 폐색의 형태에 따라 다르게 적용되는 치료 방향 정보를 제공하는 진단부;를 포함하고, 상기 판단된 대뇌혈관 폐색의 형태가 상기 ICAS인 경우, 상기 진단부는, 1차적으로, 혈관성형술을 이용한 치료 방향 정보 및 항혈소판 제제를 이용한 치료 방향 정보 중 적어도 하나를 제공할 수 있다.
본 발명은 의료 영상 기반 허혈성 뇌졸중 검출 및 형태 분류 방법, 장치 및 시스템에 관한 것이다. 본 발명의 일 양상인 의료 영상 기반 허혈성 뇌졸중 검출 및 형태 분류 장치는, 적어도 하나의 환자의 뇌와 관련된 영상을 수집하는 획득부; 상기 수집된 영상을 기초로, 상기 적어도 하나의 환자가 대뇌혈관 폐색(Large Vessel Occlusion) 환자인지 여부를 판단하는 검출부; 상기 적어도 하나의 환자가 대뇌혈관 폐색 환자인 경우, 상기 대뇌혈관 폐색의 형태가 Embolism(색전증)인지 아니면 ICAS(Intracranial Atherosclerosis, 뇌 죽상 동맥경화증)인지 여부를 판단하는 판단부; 및 상기 판단된 대뇌혈관 폐색의 형태에 따라 다르게 적용되는 치료 방향 정보를 제공하는 진단부;를 포함하고, 상기 ICAS의 경우, 동맥경화가 진행됨에 따라 혈관 내의 혈류량이 감소하게 되고, 상기 감소한 혈류량을 보완하기 위해, 상기 동맥경화가 진행되는 혈관 주변의 측부 순환이 발달하며, 상기 판단부는, 상기 측부 순환이 발달한 제 1 이벤트가 관찰되는 경우, 상기 대뇌혈관 폐색의 형태를 ICAS로 판단할 수 있다.
본 발명의 일 양상인 의료 영상 기반 허혈성 뇌졸중 검출 및 형태 분류 방법은, 획득부가 적어도 하나의 환자의 뇌와 관련된 영상을 수집하는 제 1 단계; 검출부가 상기 수집된 영상을 기초로, 상기 적어도 하나의 환자가 대뇌혈관 폐색(Large Vessel Occlusion) 환자인지 여부를 판단하는 제 2 단계; 판단부가 상기 적어도 하나의 환자가 대뇌혈관 폐색 환자인 경우, 상기 대뇌혈관 폐색의 형태가 Embolism(색전증)인지 아니면 ICAS(Intracranial Atherosclerosis, 뇌 죽상 동맥경화증)인지 여부를 판단하는 제 3 단계; 및 진단부가 상기 판단된 대뇌혈관 폐색의 형태에 따라 다르게 적용되는 치료 방향 정보를 제공하는 제 4 단계;를 포함하고, 상기 판단된 대뇌혈관 폐색의 형태가 상기 Embolism인 경우, 상기 제 4 단계는, 상기 진단부가 상기 적어도 하나의 환자가 경증 환자인지 중증 환자인지 판단하는 제 4-1 단계; 및 상기 진단부가 상기 경증 환자인 경우에는, 혈전용해제를 이용한 치료 방향 정보를 제공하고, 상기 중증 환자인 경우에는, 혈전 제거술을 이용한 치료 방향 정보를 제공하는 제 4-2 단계;를 포함할 수 있다.
영상 수신부, 영상 전처리부, 영상 처리부 및 영상 분석부를 포함하는 파킨슨병 정보 제공 장치; 및 중앙관리부 및/또는 상기 파킨슨병 정보 제공 장치와 통신하는 서버;를 이용하여, 파킨슨병이 존재하는 환자군을 선별함으로써 임상시험 성공 확률을 높이는 시스템에 있어서, 상기 영상 수신부는, 약 효능 입증을 위한 임상시험 실험 후보군인 복수의 환자의 뇌를 촬영한 MRI 영상을 획득하고, 상기 영상 전처리부는, 파킨슨 병의 영상 바이오 마커로 이용되는 뉴로멜라닌 영역의 관찰이 가능하도록, 상기 획득한 MRI 영상을 전처리하며, 상기 영상 처리부는, 상기 전처리된 MRI 영상을 분석하여 상기 뉴로멜라닌 영역이 포함된 제 1 영상을 분류하고, 상기 분류된 제 1 영상으로부터 상기 뉴로멜라닌 영역을 검출하며, 상기 영상 분석부는, 상기 검출된 뉴로멜라닌 영역을 분석하여, 파킨슨 병과 관련된 상기 환자의 정보를 판단하고, 상기 환자의 정보를 기초로 상기 복수의 환자 중 제 1 조건을 만족하는 적어도 하나의 제 1 환자에 대한 정보를 상기 중앙관리부 및/또는 상기 서버로 전달하며, 상기 중앙관리부 및/또는 상기 서버는, 상기 제 1 환자에 대한 임상시험 결과를 상기 약 효능 입증에 이용할 수 있다.
본 발명의 일 양상인 뉴로멜라닌 영역을 분석하여 파킨슨 병 위험도 예측이 가능한 장치는, 환자의 뇌를 촬영한 MRI 영상을 획득하는 영상 수신부; 파킨슨 병의 영상 바이오 마커로 이용되는 뉴로멜라닌 영역의 관찰이 가능하도록, 상기 획득한 MRI 영상을 전처리하는 영상 전처리부; 상기 전처리된 MRI 영상을 분석하여 상기 뉴로멜라닌 영역이 포함된 제 1 영상을 분류하고, 상기 분류된 제 1 영상으로부터 상기 뉴로멜라닌 영역을 검출하는 영상 처리부; 및 상기 검출된 뉴로멜라닌 영역을 분석하여, 파킨슨 병과 관련된 상기 환자의 정보를 판단하는 영상 분석부;를 포함하고, 상기 영상 처리부는, 상기 제 1 영상을 기초로 상기 뉴로멜라닌 영역의 볼륨을 산출하고, 상기 영상 분석부는, 상기 산출된 뉴로멜라닌 영역의 볼륨을 이용하여 상기 파킨슨 병과 관련된 상기 환자의 정보를 판단하며, 임상 정보를 획득하는 임상정보 수신부;를 더 포함하며, 상기 영상 분석부는, 상기 산출된 뉴로멜라닌 영역의 볼륨 및 상기 획득된 임상 정보를 함께 이용하여 뉴로멜라닌 위축도를 산출하고, 상기 산출된 뉴로멜라닌 위축도를 기초로, 상기 파킨슨 병과 관련된 상기 환자의 정보를 판단할 수 있다.
본 발명의 일 양상인 인공지능 기반으로 뉴로멜라닌 관련 자기공명영상을 분석하여 파킨슨 병과 관련된 맞춤형 정보를 제공하는 장치는, 환자의 뇌를 촬영한 MRI 영상을 획득하는 영상 수신부; 파킨슨 병의 영상 바이오 마커로 이용되는 뉴로멜라닌 영역의 관찰이 가능하도록, 상기 획득한 MRI 영상을 전처리하는 영상 전처리부; 상기 전처리된 MRI 영상을 분석하여 상기 뉴로멜라닌 영역이 포함된 제 1 영상을 분류하고, 상기 분류된 제 1 영상으로부터 상기 뉴로멜라닌 영역을 검출하는 영상 처리부; 및 상기 검출된 뉴로멜라닌 영역을 분석하여, 파킨슨 병과 관련된 상기 환자의 정보를 판단하는 영상 분석부;를 포함하고, 상기 영상 처리부는, 상기 제 1 영상을 기초로 상기 뉴로멜라닌 영역의 볼륨을 산출하고, 상기 영상 분석부는, 상기 산출된 뉴로멜라닌 영역의 볼륨을 이용하여 상기 파킨슨 병과 관련된 상기 환자의 정보를 판단하며, 상기 영상 처리부는, 상기 제 1 영상과 관련된 복셀 개수 및 복셀 크기를 이용하여 상기 뉴로멜라닌 영역의 볼륨을 산출할 수 있다.
본 발명의 일 양상인 뉴로멜라닌 영역의 볼륨을 이용한 파킨슨 병 진단을 위한 정보제공 방법은, 영상 수신부가 환자의 뇌를 촬영한 MRI 영상을 획득하는 제 1 단계; 영상 전처리부가 파킨슨 병의 영상 바이오 마커로 이용되는 뉴로멜라닌 영역의 관찰이 가능하도록, 상기 획득한 MRI 영상을 전처리하는 제 2 단계; 영상 처리부가 상기 전처리된 MRI 영상을 분석하여 상기 뉴로멜라닌 영역이 포함된 제 1 영상을 분류하는 제 3 단계; 상기 영상 처리부가 상기 분류된 제 1 영상으로부터 상기 뉴로멜라닌 영역을 검출하는 제 4 단계; 및 영상 분석부가 상기 검출된 뉴로멜라닌 영역을 분석하여, 상기 파킨슨 병 진단과 관련된 상기 환자의 정보를 생성하는 제 5 단계;를 포함하고, 상기 제 4 단계에서, 상기 영상 처리부는, 상기 제 1 영상을 기초로 상기 뉴로멜라닌 영역의 볼륨을 산출하고, 상기 제 5 단계에서, 상기 영상 분석부는, 상기 산출된 뉴로멜라닌 영역의 볼륨을 이용하여 상기 파킨슨 병 진단과 관련된 상기 환자의 정보를 생성할 수 있다.
본 발명의 일 양상인 뉴로멜라닌 콘트라스트 정보 제공 장치는, 환자의 뇌를 촬영한 MRI 영상을 획득하는 영상 수신부; 파킨슨 병의 영상 바이오 마커로 이용되는 뉴로멜라닌 영역의 관찰이 가능하도록, 상기 획득한 MRI 영상을 전처리하는 영상 전처리부; 상기 전처리된 MRI 영상을 분석하여 상기 뉴로멜라닌 영역이 포함된 제 1 영상을 분류하고, 상기 분류된 제 1 영상으로부터 상기 뉴로멜라닌 영역을 검출하는 영상 처리부; 및 상기 검출된 뉴로멜라닌 영역을 분석하여, 파킨슨 병과 관련된 상기 환자의 정보를 판단하는 영상 분석부;를 포함하되, 상기 영상 수신부는, 상기 획득되는 MRI 영상에 복수의 플로우 포화 펄스(flow saturation pulse)를 적용함으로써, MT 웨이팅(Magnetization Transfer weighting)을 가하고, 상기 가해진 MT 웨이팅을 기반으로, 상기 영상 전처리부가 상기 전처리를 수행할 수 있다.
본 발명은 의료 영상을 이용하여 종양을 검출하고, 검출된 종양의 형태와 특성을 진단하는 장치 및 방법에 관한 것이다. 본 발명의 일 양상인 의료 영상 기반 종양 검출 및 진단 장치는, 환자와 관련된 의료 영상을 획득하는 입력부; 종양(tumor) 영역의 관찰이 가능하도록, 상기 획득한 의료 영상을 전처리하는 전처리부; 심층 신경망 기반 딥 러닝 기법을 적용하여, 상기 전처리된 영상을 복수의 영역으로 분할하는 분석부; 및 상기 분할된 복수의 영역에 대해 군집화(clustering)를 수행함으로써, 그룹화(grouping)하는 측정부;를 포함하고, 상기 측정부는, 상기 그룹화 된 영역 각각의 그룹별 특징 값을 추출하고, 상기 추출한 그룹별 특징 값을 기초로 상기 종양과 관련된 진단 정보를 도출할 수 있다.
본 발명의 일 양상인 뉴로멜라닌 영상을 이용한 파킨슨병 정보 제공 장치는, 환자의 뇌를 촬영한 MRI 영상을 획득하는 영상 수신부; 파킨슨 병의 영상 바이오 마커로 이용되는 뉴로멜라닌 영역의 관찰이 가능하도록, 상기 획득한 MRI 영상을 전처리하는 영상 전처리부; 상기 전처리된 MRI 영상을 분석하여 상기 뉴로멜라닌 영역이 포함된 제 1 영상을 분류하고, 상기 분류된 제 1 영상으로부터 상기 뉴로멜라닌 영역을 검출하는 영상 처리부; 및 상기 검출된 뉴로멜라닌 영역의 정상 여부를 분석하여, 상기 환자의 파킨슨 병 유무를 진단하는 영상 분석부;를 포함할 수 있다.
본 발명은 의료 영상 기반 허혈성 뇌졸중 검출 및 형태 분류 방법, 장치 및 시스템에 관한 것이다. 본 발명의 일 양상인 의료 영상 기반 허혈성 뇌졸중 검출 및 형태 분류 장치는, 적어도 하나의 환자의 뇌와 관련된 영상을 수집하는 획득부; 상기 수집된 영상을 기초로, 상기 적어도 하나의 환자가 대뇌혈관 폐색(Large Vessel Occlusion) 환자인지 여부를 판단하는 검출부; 상기 적어도 하나의 환자가 대뇌혈관 폐색 환자인 경우, 상기 대뇌혈관 폐색의 형태가 Embolism(색전증)인지 아니면 ICAS(Intracranial Atherosclerosis, 뇌 죽상 동맥경화증)인지 여부를 판단하는 판단부; 및 상기 판단된 대뇌혈관 폐색의 형태에 따라 다르게 적용되는 치료 방향 정보를 제공하는 진단부;를 포함할 수 있다.
본 발명은 뇌 영상을 이용한 알츠하이머병의 생물학적 분류 장치 및 방법에 관한 것이다. 본 발명의 일 양상인 뇌 영상을 이용한 알츠하이머병의 생물학적 분류장치는, 객체의 뇌를 촬영한 복수의 영상을 수신하는 영상 수신부; 상기 복수의 영상으로부터, 상기 객체의 뇌와 관련된 뇌 위축 정보 및 SUVR 정보를 획득하는 영상 처리부; 상기 뇌 위축 정보를 기초로 뇌신경 관련 정상 또는 비정상을 제 1 판단하고, 상기 SUVR 정보를 기초로 베타 아밀로이드 단백질 및 타우 단백질 관련 정상 또는 비정상을 제 2 판단 및 제 3 판단하는 영상 분석부; 및 상기 제1 판단, 상기 제 2 판단 및 상기 제 3 판단을 함께 이용하여, 알츠하이머병과 관련된 상기 객체의 생물학적 분류를 수행하는 분류부;를 포함할 수 있다.
본 발명의 일 양상인 인공지능 기반 뇌졸중 진단 장치는, 적어도 하나의 환자의 뇌와 관련된 비-조영 (Non-contrast) CT 영상을 획득하는 영상획득부; 상기 비-조영 CT 영상을 전-처리 (Pre-processing)하고, 상기 전-처리된 영상을 기초로, 상기 적어도 하나의 환자가 비 출혈 (No hemorrhage) 상태인지 또는 출혈 (Hemorrhage) 상태인지 여부를 판단하는 전처리부; 상기 전-처리된 영상을 정규화하고, 미리 세팅된 표준 마스크 템플릿을 이용해서 관심 영역 (ROI)을 분할 및 추출하는 영상처리부; 상기 분할 및 추출된 관심 영역을 이용하여, 상기 적어도 하나의 환자의 뇌 대혈관 (Cerebral Large Vessel)의 이상 여부를 판단하는 판단부; 를 포함하고, 상기 전처리부는, 상기 비-조영 CT 영상에서 노이즈를 제거하는 노이즈 필터부; 상기 노이즈가 제거된 비-조영 CT 영상 내에 존재하는 객체 내 또는 복수의 객체 간의 이미지들을 공간적으로 정렬하는 코-레지스트레이션 (Co-registration)을 수행하는 등록부; 및 상기 코-레지스트레이션이 수행된 CT 영상에서 상기 적어도 하나의 환자의 뇌 구조물이 아닌 부분을 제거하는 스컬-스티리핑 (Skull-stripping)을 수행하는 스컬 스트리핑부; 및 상기 스컬-스티리핑이 수행된 CT 영상을 이용하...(이하생략)
본 발명의 일 실시 예에 따른 연속적 혈압측정 장치를 이용해서 연속적으로 혈압을 측정하는 방법에 있어서, 측정부에 마련된 에어포켓을 피측정자의 신체 일부에 밀착시킨 상태에서 상기 피측정자의 신체 일부에 상기 측정부를 고정하는 단계; 압력센서를 이용해서 상기 에어포켓의 내부 압력을 증감하면서 상기 피측정자의 혈압을 사전 측정하는 단계; 상기 측정된 피측정자의 혈압 파형을 분석해 상기 에어포켓의 내부 압력의 최적 값을 도출하는 단계; 상기 에어포켓의 내부 압력을 상기 최적 값으로 설정하는 단계; 및 상기 피측정자의 혈압을 연속적 파형으로 측정하는 단계;를 포함하고, 상기 제1 에어포켓은 복수의 분리된 형태로 상기 밴드부 내부 전체에 걸쳐 상기 피측정자의 신체 일부를 둘러싸는 형태로 배치되며, 상기 제2 에어포켓은 내부에 포함하는 기체를 상기 제1 에어포켓에 공급하고, 상기 제1 에어포켓에서 기체를 받아 상기 제1 에어포켓 내부의 압력을 조절하며, 상기 압력센서는 상기 제1 에어포켓 내부의 압력 변화를 연속적으로 측정해 맥파를 추출하고, 추출한 파형을 이용해 피측정자의 혈압의 파형을 얻으며, 상기 측정부는 분리된 복수의 제1 에어포켓 중 피측정자의 혈압이 측정되는 에어포켓을 특정해 혈압을 측정할 수 있다.
본 발명의 일 양상인 인공지능 기반 뇌졸중 진단 장치는, 적어도 하나의 환자의 뇌와 관련된 비-조영 (Non-contrast) CT 영상을 획득하는 영상획득부; 상기 비-조영 CT 영상을 전-처리 (Pre-processing)하고, 상기 전-처리된 영상을 기초로, 상기 적어도 하나의 환자가 비 출혈 (No hemorrhage) 상태인지 또는 출혈 (Hemorrhage) 상태인지 여부를 판단하는 전처리부; 상기 전-처리된 영상을 정규화하고, 미리 세팅된 표준 마스크 템플릿을 이용해서 관심 영역 (ROI)을 분할 및 추출하는 영상처리부; 상기 분할 및 추출된 관심 영역을 이용하여, 상기 적어도 하나의 환자의 뇌 대혈관 (Cerebral Large Vessel)의 이상 여부를 판단하는 판단부; 를 포함하되, ASPECTS 판단부는, 분할 및 추출된 관심 영역의 병변 여부 및 형태 분류를 학습한 인공지능 모델을 기초로, ASPECTS를 추정하고, 관심 영역의 병변 여부 및 형태 분류는, Old infarct (OI), Recent infarct (RI), Frank hypodensity (FH) 및 Early ischemic sign (EIS)을 이용하여 수행될 수 있다.
본 발명의 일 양상인 인공지능 기반 뇌졸중 진단 장치는, 적어도 하나의 환자의 뇌와 관련된 비-조영 (Non-contrast) CT 영상을 획득하는 영상획득부; 상기 비-조영 CT 영상을 전-처리 (Pre-processing)하고, 상기 전-처리된 영상을 기초로, 상기 적어도 하나의 환자가 비 출혈 (No hemorrhage) 상태인지 또는 출혈 (Hemorrhage) 상태인지 여부를 판단하는 전처리부; 상기 전-처리된 영상을 정규화하고, 미리 세팅된 표준 마스크 템플릿을 이용해서 관심 영역 (ROI)을 분할 및 추출하는 영상처리부; 상기 분할 및 추출된 관심 영역을 이용하여, 상기 적어도 하나의 환자의 뇌 대혈관 (Cerebral Large Vessel)의 이상 여부를 판단하는 판단부; 를 포함하되, 상기 판단부는, 상기 적어도 하나의 환자의 뇌에 허혈 (Ischemia)이 존재하는지 여부를 판단하는 Ischemia 분류부; 상기 허혈 (Ischemia)이 존재하는 경우, 상기 적어도 하나의 환자의 뇌 대혈관 (Cerebral Large Vessel)의 이상 여부를 판단하는 Large Vessel Occlusion 판단부; 상기 뇌 대혈관 (Cerebral Large Vessel)에 이상이 존재하는 경우, 상기 적어도 하나의 환자의 ASPECTS를 추정하는 ASPECTS 판단부; 및 상기 추정된 ...(이하생략)
본 발명의 일 양상인 인공지능 기반 뇌졸중 진단 장치는, 적어도 하나의 환자의 뇌와 관련된 비-조영 (Non-contrast) CT 영상을 획득하는 영상획득부; 상기 비-조영 CT 영상을 전-처리 (Pre-processing)하고, 상기 전-처리된 영상을 기초로, 상기 적어도 하나의 환자가 비 출혈 (No hemorrhage) 상태인지 또는 출혈 (Hemorrhage) 상태인지 여부를 판단하는 전처리부; 상기 전-처리된 영상을 정규화하고, 미리 세팅된 표준 마스크 템플릿을 이용해서 관심 영역 (ROI)을 분할 및 추출하는 영상처리부; 상기 분할 및 추출된 관심 영역을 이용하여, 상기 적어도 하나의 환자의 뇌 대혈관 (Cerebral Large Vessel)의 이상 여부를 판단하는 판단부; 를 포함하되, 상기 적어도 하나의 환자의 뇌 대혈관 (Cerebral Large Vessel)에 이상이 존재하는 경우, 상기 판단부는, 상기 분할 및 추출된 관심 영역을 이용하여, 상기 적어도 하나의 환자의 ASPECTS를 추정하고, 상기 추정된 ASPECTS가 미리 지정된 수치 이상인 경우에만, 상기 적어도 하나의 환자가 기계적 혈전 절제술 (Mechanical Thrombectomy)을 적용할 수 있는 환자인 것으로 판별하고, 상기 적어도 하나의 환자가 기계적 혈전 절제술 (Mechanical Thrombect...(이하생략)
본 발명의 일 실시 예에 따른 연속적 혈압측정 장치는, 피측정자의 신체 일부에 고리형태로 부착될 수 있는 밴드부; 및 상기 밴드부에 의해 피측정자의 신체 일부에 접촉된 상태로 피측정자의 혈압을 측정하는 측정부를 포함하며, 상기 측정부는 상기 고리형태 밴드부 내측에 위치하고, 상기 피측정자의 신체에 밀착되어 압력을 가하는 에어포켓; 상기 에어포켓 내부의 기압을 감지해 상기 피측정자의 혈압 파형을 측정하는 압력센서; 및 상기 에어포켓이 상기 피측정자의 신체에 가하는 압력을 조절하는 압력조절부;를 포함하며, 상기 에어포켓은 상호간의 기체 이동이 가능한 제1 에어포켓과 제2 에어포켓을 포함하고, 상기 제1 에어포켓은 복수의 분리된 형태로 상기 밴드부 내부 전체에 걸쳐 상기 피측정자의 신체 일부를 둘러싸는 형태로 배치되며, 상기 제2 에어포켓은 내부에 포함하는 기체를 상기 제1 에어포켓에 공급하고, 상기 제1 에어포켓에서 기체를 받아 상기 제1 에어포켓 내부의 압력을 조절하며, 상기 압력센서는 상기 제1 에어포켓 내부의 압력 변화를 연속적으로 측정해 맥파를 추출하고, 추출한 파형을 이용해 피측정자의 혈압의 파형을 얻으며, 상기 측정부는 분리된 복수의 제1 에어포켓 중 피측정자의 혈압이 측정되는 에어포켓을 특정해 혈압을 측정하고, 상기 에어포켓의 비측정시 내부 압력을 일정 수준으로 유지하는 보정부;를 더 포함...(이하생략)
본 발명의 일 양상인 인공지능 기반 뇌졸중 진단 장치는, 적어도 하나의 환자의 뇌와 관련된 비-조영 (Non-contrast) CT 영상을 획득하는 영상획득부; 상기 비-조영 CT 영상을 전-처리 (Pre-processing)하고, 상기 전-처리된 영상을 기초로, 상기 적어도 하나의 환자가 비 출혈 (No hemorrhage) 상태인지 또는 출혈 (Hemorrhage) 상태인지 여부를 판단하는 전처리부; 상기 전-처리된 영상을 정규화하고, 미리 세팅된 표준 마스크 템플릿을 이용해서 관심 영역 (ROI)을 분할 및 추출하는 영상처리부; 상기 분할 및 추출된 관심 영역을 이용하여, 상기 적어도 하나의 환자의 뇌 대혈관 (Cerebral Large Vessel)의 이상 여부를 판단하는 판단부; 를 포함하되, 상기 영상처리부는, 상기 표준 마스크 템플릿을 미리 세팅하는 템플릿 세팅부; 상기 전-처리된 영상을 정규화하는 영상 정규화부; 및 상기 정규화된 영상에 상기 미리 세팅된 표준 마스크 템플릿을 적용하여, 관심 영역 (ROI)을 분할 및 추출하는 영상처리부;를 포함하고, 상기 적어도 하나의 환자가 비 출혈 (No hemorrhage) 상태인 것으로 판단된 경우에만 동작할 수 있다.
상기의 기술적 과제를 달성하기 위한 본 발명의 일 양상인 인공지능 기반 뇌졸중 진단 정보를 제공하는 방법은, 영상획득부가 적어도 하나의 환자의 뇌와 관련된 비-조영 (Non-contrast) CT 영상을 획득하는 제 1 단계; 전처리부가 상기 비-조영 CT 영상을 전-처리 (Pre-processing)하고, 상기 전-처리된 영상을 기초로, 상기 적어도 하나의 환자가 비 출혈 (No hemorrhage) 상태인지 또는 출혈 (Hemorrhage) 상태인지 여부를 판단하는 제 2 단계; 영상처리부가 상기 전-처리된 영상을 정규화하고, 미리 세팅된 표준 마스크 템플릿을 이용해서 관심 영역 (ROI)을 분할 및 추출하는 제 3 단계; 판단부가 상기 분할 및 추출된 관심 영역을 이용하여, 상기 적어도 하나의 환자의 뇌 대혈관 (Cerebral Large Vessel)의 이상 여부를 판단하는 제 4 단계; 상기 적어도 하나의 환자의 뇌 대혈관 (Cerebral Large Vessel)에 이상이 존재하는 경우, 상기 판단부가 상기 분할 및 추출된 관심 영역을 이용하여, 상기 적어도 하나의 환자의 ASPECTS를 추정하는 제 5 단계; 및 상기 판단부가 상기 추정된 ASPECTS가 미리 지정된 수치 이상인 경우에만, 상기 적어도 하나의 환자가 기계적 혈전 절제술 (Mechanical Thrombectomy)을 적...(이하생략)
본 발명에 따르면, 영상획득부가 약 효능 입증을 위한 임상시험 실험 후보군인 복수의 환자의 뇌를 촬영한 비-조영 (Non-contrast) CT 영상을 획득하는 제 1 단계; 전처리부가 상기 비-조영 CT 영상을 전-처리 (Pre-processing)하고, 상기 전-처리된 영상을 기초로, 상기 복수의 환자가 비 출혈 (No hemorrhage) 상태인지 또는 출혈 (Hemorrhage) 상태인지 여부를 판단하는 제 2 단계; 영상처리부가 상기 전-처리된 영상을 정규화하고, 미리 세팅된 표준 마스크 템플릿을 이용해서 관심 영역 (ROI)을 분할 및 추출하는 제 3 단계; 판단부가 상기 분할 및 추출된 관심 영역을 이용하여, 상기 적어도 하나의 환자의 뇌 대혈관 (Cerebral Large Vessel)의 이상 여부를 판단하는 제 4 단계; 복수의 환자의 뇌 대혈관 (Cerebral Large Vessel)에 이상이 존재하는 경우, 상기 판단부가 상기 분할 및 추출된 관심 영역을 이용하여, 상기 적어도 하나의 환자의 ASPECTS를 추정하는 제 5 단계; 상기 판단부는, 상기 복수의 환자 중 상기 추정된 ASPECTS가 미리 지정된 수치 이상인 경우에만, 기계적 혈전 절제술 (Mechanical Thrombectomy)을 적용할 수 있는 제 1 환자인 것으로 판별하는 제 6 단계; 및 중앙관리부가, 획...(이하생략)
특허청 KIPRIS · 2026-10-15 조회 · 최신 출원순 · 오른쪽은 등록일(등록 전은 출원일) · 전체 66건 중 50건 · 줄을 누르면 자세한 내용이 펼쳐집니다 ▾
지금은 공공자료(국민연금 · 전자공시 · 특허 · 명부 · 보도)만 있습니다. 회사가 IR Room에 자료를 내면 L1로 올라갑니다. 저희는 회사에 점수나 등급을 매기지 않습니다 — 어디까지 확인했는지만 적습니다.
| 단위 억원 | 2024 | 2025 |
|---|---|---|
| 영업수익(매출액) | 8.9 | 3.5 |
| 영업비용 | 88.0 | 44.9 |
| 영업이익(손실) | (79.1) | (41.4) |
| 영업외수익 | 90.2 | 83.7 |
| 기타이익 | 0.1 | 0.5 |
| 금융수익 | 90.2 | 83.2 |
| 영업외비용 | 16.6 | 20.7 |
| 기타손실 | 0.1 | 0.1 |
| 금융원가 | 16.5 | 20.7 |
| 법인세비용차감전순이익(손실) | (5.5) | 21.6 |
| 당기순이익(손실) | (5.5) | 21.6 |
매출은 3.5억으로 전년 대비 60.4% 감소한 것으로 나타났다.
영업이익률은 -1178.2%로 전년 -892.2%에서 하락했다.
당기순이익은 21.6억으로 나타났다.
여기 실린 것보다 깊은 자료가 필요하십니까. 추가 정보 요청 — 종합 검토보고서 · 가치평가 · Executive Teaser · IM · 경쟁사 분석 · 실사 의뢰. 고르시면 산출비용과 걸리는 기간을 메일로 안내드립니다.