Loading the company…
Loading the company…
㈜휴톰
English name as filed with DART, Korea’s corporate disclosure system · Correct the English name ›
Last updated 2026-10-11 · Korean page ›
Verification level — how far we have checked
L0 · Public records — NPS workforce · filed financials · patents — public data
A company based in Seoul, founded in 2017. Industry: Software & IT Services. Revenue for 2025 was ₩764.0m. It has 70 employees enrolled in the National Pension Service (as of Aug 2026). It is externally audited; the latest audit opinion is “Unqualified”.
Loading…
Latest filing 2025-07-29 · latest registration 2026-10-12 · newest first
본 발명은 수술상황 별 가상현실 기반 수술환경 제공 장치 및 방법에 관한 것으로, 통신모듈; 적어도 하나의 수술 영상을 표시하는 디스플레이모듈-상기 수술 영상은, 가상 수술 영상 및 추천 수술 영상 중 적어도 하나를 포함함-; 상기 수술상황 별 가상현실을 기반으로 수술환경을 제공하기 위한 적어도 하나의 프로세스를 저장하는 저장모듈; 및 상기 적어도 하나의 프로세스를 기반으로 상기 수술상황 별 가상현실을 기반으로 수술환경을 제공하기 위한 동작을 수행하는 제어모듈을 포함하며, 상기 제어모듈은, 수술 대상자의 의료 영상을 획득하고, 제1 머신러닝 모델을 이용하여 상기 획득된 의료 영상을 기반으로 장기 및 혈관 중 적어도 하나에 대한 변이를 고려한 적어도 하나 이상의 환자 맞춤형 가상 모델을 생성 및 저장하고, 사용자가 특정 환자 맞춤형 가상 모델을 기반으로 시뮬레이션을 수행 시에, 신체 내부 물성 처리와 유사하게 설계된 물리 엔진을 이용하여 상기 사용자에 의해 수행되는 동작에 따라 신체 내부 변화를 포함하는 상기 가상 수술 영상을 출력하여 제공할 수 있다.
제1 장치에 의해 수행되는, 수술 종류에 따라 장기 및 혈관에 대한 3D 모델을 생성하는 방법을 개시한다. 상기 방법은, 환자의 신체를 스캔함으로서 출력된 하나 이상의 스캔 이미지를 획득하는 단계; 상기 환자에 대해 진행될 특정 수술의 타입을 제1 UI를 통해 입력받는 단계; 상기 입력된 특정 수술의 타입과 관련된 장기 및 혈관과 관련된 정보를 획득하는 단계; 상기 획득된 정보에 기초하여, AI 모델을 통해 상기 하나 이상의 스캔 이미지 상에서 상기 장기 및 혈관 각각에 대한 이미지를 분할하여 식별하는 단계; 상기 식별된 장기 및 혈관 각각에 대한 이미지를 이용하여, 상기 장기 및 혈관 각각의 3D 모델링 데이터를 생성하는 단계; 및 상기 생성된 3D 모델링 데이터 정합하여 상기 특정 수술의 진행을 위한 3D 모델을 생성할 수 있다.
전체 혈관 영역에서 자동으로 혈관 종류를 구분하는 방법 및 장치 개시된다. 본 개시의 일 실시예에 따른, 서버에 의해 수행되는, 전체 혈관 영역에서 자동으로 혈관 종류를 구분하는 방법은, 환자의 신체를 스캔(scan)함으로써 출력된 수술이 진행될 혈관 영역의 스캔 이미지를 획득하는 단계; 혈관을 검출하도록 학습된 인공지능(artificial intelligence, AI) 모델 및 3D 리전 그로잉(region growing) 알고리즘에 기초하여, 상기 스캔 이미지 상에 존재하는 전체 혈관을 식별하는 단계; 상기 식별된 전체 혈관을 트레킹하여 스켈레톤(skeleton) 정보를 생성하는 단계; 상기 스켈레톤 정보를 이용하여 상기 식별된 전체 혈관을 트리(tree) 구조로 구조화하는 단계; 상기 트리 구조 상의 적어도 하나의 리프 노드(leaf node)에 대응되는 혈관 위치 정보를 획득하는 단계; 및 장기(organ)의 위치 정보와 상기 적어도 하나의 리프 노드에 대응되는 혈관의 위치 정보에 기초하여, 상기 트리 구조 상의 루트 노드(root node)의 자식 노드(child node)에 대응되는 혈관의 종류를 식별하는 단계를 포함할 수 있다.
수술 중 출혈을 검출하기 위한 인공지능 모델의 학습 방법 및 장치가 개시된다. 상기 방법은, 학습용 수술 영상을 기초로 학습 데이터를 생성하는 단계 및 상기 학습 데이터에 기초하여 수술 영상 내의 출혈 횟수(bleeding count) 및 출혈 구간(bleeding duration)을 식별할 수 있는 제1 인공지능(artificial intelligence, AI) 모델을 학습시키는 단계를 포함하고, 상기 학습 데이터는, 복수의 시간적 특징 데이터 각각에 공간(spatial) 특징 데이터를 융합하여 생성된다.
본 발명의 일 실시예에 따른 혈관 분할 장치는 혈관마스크 데이터 생성 장치는, 적어도 하나의 메모리 및 상기 적어도 하나의 메모리와 통신을 수행하는 프로세서를 포함하고, 상기 적어도 하나의 메모리는, 학습용 의료 영상 내에서 혈관에 해당하는 부분이 분할되어 형성된 혈관마스크를 예측하도록 기계 학습된 인공지능 모델을 포함하고, 상기 프로세서는, 의료 영상을 상기 인공지능 모델에 입력하여, 상기 의료 영상 내에서 혈관이 분할되어 형성된 혈관마스크를 예측한다.
포인트 단위 지도를 통한 3D 암시적 로컬-글로벌 분할 모델을 이용한 트리 구조 해부학 방법 및 그 시스템이 제공된다. 상기 방법은 CT 영상 데이터를 분할 영상 데이터로 크롭(crop)하는 단계, 상기 분할 영상 데이터에서 로컬 특징(local feature)을 추출하며, 상기 로컬 특징과 글로벌 위치(global location)를 활용하여 최종 로컬-글로벌 특징(local-global feature)을 추출하는 단계 및 상기 최종 로컬-글로벌 특징을 이용하여 상기 분할 영상 데이터의 트리 구조 형태를 감지하는 단계를 포함한다.
수술영상 내 단위동작의 서술정보 생성 시스템 및 그 방법이 제공된다. 상기 컴퓨터에 의해 특정한 수술에 대한 수술진행과정이 포함된 수술영상 내 단위동작의 서술정보 생성방법에 있어서, 상기 수술영상을 타겟 장기(Target Organ)를 바탕으로 하나 이상의 기본단계(FUNDAMENTAL STEP)로 분할하는 단계;상기 기본단계(FUNDAMENTAL STEP) 내에 포함된 복수의 단위영상을 메인섹션(MAIN SECTION)으로 나누는 단계;수술도구에 의해 동작이 수행되는 상기 타겟 장기에 대한 수술 목적에 대응하는 타겟 조직(Target Anatomy) 또는 타겟 오브젝트(Target Object)에 대한 수술 동작을 하나 이상의 계층을 가지는 하위섹션(SUB SECTION)으로 분할하는 단계; 및 상기 각각의 하위단계(SUB SECTION) 내에 포함된 하나 이상의 상기 단위영상을 수술 도구에 의해 동작되는 특정한 단위동작으로 판단하는 분할섹션으로 분할하는 단계;를 포함하고,상기 단위동작은 수술도구에 의해 해부학적 구조 또는 신체 내부 상태에 변화를 발생시키는 최소단위의 동작이고, 상기 수술영상은 가상수술데이터 또는 실제수술데이터일 수 있다.
흡기 및 호기 상태를 이용한 폐 수축 3D 모델 생성 장치 및 방법이 제공된다. 상기 장치는 인공지능 기반의 예측 모델을 이용하여 환자의 폐 수축 3D 모델을 생성하기 위한 적어도 하나의 프로세스를 포함하고 있는 메모리 및 상기 프로세스에 따른 동작을 수행하는 프로세서를 포함하고, 상기 프로세서는, 상기 예측 모델에 상기 환자의 특징 정보 및 흡기 상태 3D 모델을 입력하여 흡기 상태 대비 호기 상태의 제1 랜드마크 변화량을 예측하고, 상기 예측된 제1 랜드마크 변화량 및 상기 예측된 제1 랜드마크 변화량에 맵핑된 비율을 기초로 상기 환자의 수술 상태 랜드마크를 생성하고, 상기 생성된 수술 상태 랜드마크를 기초로 상기 흡기 상태 3D 모델을 변형하여 상기 폐 수축 3D 모델을 생성한다.
본 발명은 장치에 의해 수행되는, 장치에 의해 수행되는, 실제 수술 영상과 3D 기반의 가상 수술 모의 환경을 정합하는 방법에 있어서, 상기 실제 수술 영상과 동일한 수술을 수행한 기 저장된 수술 영상 내의 수술 단계별 수술시 POI(Point of Interest) 정보를 설정하는 단계, 상기 3D 기반의 가상 수술 모의 환경에 이용되는 환자의 가상 기복 모델에 상기 POI 정보를 매칭하는 단계-상기 가상 기복모델은 UI(User Interface) 상에 표시되는 것인-, 상기 실제 수술 영상의 실시간 수술 단계를 인식하고 상기 인식한 수술 단계 별 POI 정보의 위치를 판단하는 단계 및 상기 UI를 통해, 상기 판단한 POI 정보의 위치와 동일한 위치로 상기 가상 기복 모델에 삽입된 카메라(Endoscope)의 위치를 이동시켜 촬영한 영상 정보를 획득하여 표시하는 단계를 포함할 수 있다. 출원번호 : 10-2021-0099678 과제번호 : CY200023 과제명 : 수술 단계 표준화를 통한 인공지능 기반 환자 맞춤형 수술 내비게이션 시스템
사용자 인터페이스 기반의 수술과정 분석 제공 방법 및 서버를 개시한다. 일 실시예에 따른 사용자 인터페이스 기반의 수술과정 분석 방법은, 촬영된 전체 수술영상에서, 수술단계학습모델을 이용하여 개별 수술단계를 인식하고 각각의 수술단계에 해당하는 시간영역을 분리하는 단계, 상기 인식된 수술단계별로 스위칭 횟수 및 소요시간을 산출하는 단계, 상기 인식된 수술단계별로 출혈이벤트의 발생여부를 판단하는 단계, 및 상기 스위칭 횟수, 소요시간 및 출혈이벤트를 기초로 수술단계별로 수술결과를 분석할 수 있는 사용자인터페이스를 제공하는 단계;를 포함할 수 있다.
싱글 카메라 기반 표면 특징을 통한 종양 위치 산출 장치가 개시된다. 본 종양 위치 산출 장치는, 통신부, 입력부, 하나 이상의 인스트럭션을 저장하는 메모리 및 메모리에 저장된 인스트럭션을 실행하는 하나 이상의 프로세서를 포함할 수 있다. 본 종양 위치 산출 장치가 제공됨으로써, 수술 중 장기 영상 내 종양이 실시간 추적될 수 있다.
반자동 프로세스 기반의 가상 기복모델 생성 장치 및 방법이 제공된다. 장치는, 통신부, 가상 기복모델을 생성하기 위한 프로세스를 저장하고 있는 메모리 및 상기 통신부를 통해 사용자의 단말로부터 환자의 기복모델 생성을 요청받으면, 상기 환자의 CT 영상에 대한 마스크 처리를 수행하고, 상기 마스크 처리 결과에 기초하여 상기 기복모델을 생성하고, 상기 생성된 기복 모델에 대한 검수를 수행하는 프로세서를 포함할 수 있다.
기복예측모델의 학습을 위한 데이터 생성 장치 및 방법이 제공된다. 상기 장치는, 통신부, 기복예측모델의 학습에 활용되는 데이터를 생성하기 위한 적어도 하나의 프로세스를 저장하고 있는 메모리 및 상기 통신부를 통해 외부 서버로부터 환자의 기복 전 데이터 및 상기 환자의 기복 후 데이터를 획득하고, 상기 기복 전 데이터에 포함된 제1 메쉬(mesh)와 상기 기복 후 데이터에 포함된 제2 메쉬 간 제1 변화 데이터를 생성하고, 상기 기복 전 데이터, 상기 기복 후 데이터 및 상기 제1 변화 데이터를 상기 기복예측모델의 학습을 위한 제1 학습 데이터셋으로 생성하는 프로세서를 포함할 수 있다.
본 개시는 신체의 장기의 부위별 좌표를 설정하기 위한 장치 및 이의 동작 방법에 관한 것이다. 본 개시의 일 실시예에 따른 장치는 메모리, 및 장기에 대한 장기 정보를 수신하고, 장기를 구성하는 제1 부분에 대응되는 제1 영역과 장기를 구성하는 제2 부분에 대응되는 제2 영역을 연결하는 복수의 등위선들을 설정하고, 복수의 등위선들을 나타내는 등위선 정보 및 장기 정보를 포함하는 장기 좌표계 정보를 생성하는 프로세서를 포함한다.
본 발명은 장치에 의해 가상 현실 기반의 수술 환경을 제공하는 방법에 있어서, 제1 인공지능 모델을 기반으로 실제 수술 영상 내의 기 설정된 프레임 마다 상기 실제 수술 영상 내에 포함된 적어도 하나의 실제 수술 도구를 인식하는 단계, 상기 실제 수술 도구 및 가상 현실 기반의 상기 실제 수술 도구에 대응되는 적어도 하나의 가상 수술 도구의 적어도 하나의 동일 부위에 대해 동일점 매칭(Correspondence matching)을 수행하는 단계, 상기 수행된 동일점 매칭 결과에 따라, 상기 가상 수술 도구가 상기 실제 수술 도구의 위치에 대응되도록 보정하는 단계, 상기 보정된 상기 가상 수술 도구의 좌표값을 산출하는 단계, 상기 기 설정된 프레임 마다 상기 가상 수술 도구가 보정되는 위치에 대한 복수의 좌표값을 산출하는 단계 및 상기 산출된 복수의 좌표값 간의 차이를 기반으로 복수의 로그 정보를 생성하는 단계를 포함할 수 있다.
수술영상 내 단위동작의 서술정보 생성 시스템 및 그 방법이 제공된다. 상기 컴퓨터에 의해 특정한 수술에 대한 수술진행과정이 포함된 수술영상 내 단위동작의 서술정보 생성방법에 있어서, 상기 수술영상을 타겟 장기(Target Organ)를 바탕으로 하나 이상의 기본단계(FUNDAMENTAL STEP)로 분할하는 단계;상기 기본단계(FUNDAMENTAL STEP) 내에 포함된 복수의 단위영상을 메인섹션(MAIN SECTION)으로 나누는 단계;수술도구에 의해 동작이 수행되는 상기 타겟 장기에 대한 수술 목적에 대응하는 타겟 조직(Target Anatomy) 또는 타겟 오브젝트(Target Object)에 대한 수술 동작을 하나 이상의 계층을 가지는 하위섹션(SUB SECTION)으로 분할하는 단계; 및 상기 각각의 하위단계(SUB SECTION) 내에 포함된 하나 이상의 상기 단위영상을 수술 도구에 의해 동작되는 특정한 단위동작으로 판단하는 분할섹션으로 분할하는 단계;를 포함하고,상기 단위동작은 수술도구에 의해 해부학적 구조 또는 신체 내부 상태에 변화를 발생시키는 최소단위의 동작이고, 상기 수술영상은 가상수술데이터 또는 실제수술데이터일 수 있다.
본 발명은 객체 세그멘테이션을 위한 방법에 관한 것이다. 본 발명에 따른 컴퓨팅 장치에서 수행되는 학습된 신경망을 통한 혈관 정보의 획득 방법에 있어서, 대상 이미지에 포함된 혈관에 대한 세그멘테이션 정보를 포함하는 제1 타겟 이미지를 입력 받는 단계; 상기 대상 이미지에 포함된 장기에 대한 세그멘테이션 정보를 포함하는 제2 타겟 이미지를 입력 받는 단계; 상기 제1 타겟 이미지 및 상기 제2 타겟 이미지 내 특징 요소 간의 인접성을 정의하는 그래프를 생성하는 단계 및, 상기 생성된 그래프에 따라 제1 타겟 이미지의 픽셀 값이 갱신된 제3 타겟 이미지를 생성하는 단계를 포함한다. 본 발명에 따르면 보다 정확한 객체 세그멘테이션 결과를 생성할 수 있으며 나아가, 의료 이미지 내 신체의 장기와 혈관을 구분한 파이프라인을 통하여 보다 정밀한 혈관의 세그멘테이션을 통한 수술과 진단을 보조할 수 있다.
본 발명은 수술상황 별 가상현실 기반 수술환경 제공 장치 및 방법에 관한 것으로, 통신모듈; 적어도 하나의 수술 영상을 표시하는 디스플레이모듈-상기 수술 영상은, 가상 수술 영상 및 추천 수술 영상 중 적어도 하나를 포함함-; 상기 수술상황 별 가상현실을 기반으로 수술환경을 제공하기 위한 적어도 하나의 프로세스를 저장하는 저장모듈; 및 상기 적어도 하나의 프로세스를 기반으로 상기 수술상황 별 가상현실을 기반으로 수술환경을 제공하기 위한 동작을 수행하는 제어모듈을 포함하며, 상기 제어모듈은, 수술 대상자의 의료 영상을 획득하고, 제1 머신러닝 모델을 이용하여 상기 획득된 의료 영상을 기반으로 장기 및 혈관 중 적어도 하나에 대한 변이를 고려한 적어도 하나 이상의 환자 맞춤형 가상 모델을 생성 및 저장하고, 사용자가 특정 환자 맞춤형 가상 모델을 기반으로 시뮬레이션을 수행 시에, 신체 내부 물성 처리와 유사하게 설계된 물리 엔진을 이용하여 상기 사용자에 의해 수행되는 동작에 따라 신체 내부 변화를 포함하는 상기 가상 수술 영상을 출력하여 제공할 수 있다.
본 발명은 복강경 수술에서의 비전 인식 기반 카메라 자동 제어 장치 및 방법에 관한 것으로, 통신모듈; 카메라를 이용하여 실제 수술 현황을 촬영하여 수술 영상을 획득하는 촬영모듈; 상기 획득된 수술 영상 및 상기 카메라를 자동 제어하기 위한 적어도 하나의 프로세스를 저장하는 저장모듈; 및 상기 적어도 하나의 프로세스를 기반으로 상기 카메라를 자동 제어하기 위한 동작을 수행하는 제어모듈을 포함하며, 상기 제어모듈은, 상기 카메라가 인체에 삽입되면, 초기 위치를 설정한 후, 상기 카메라를 통해 상기 실제 수술 현황을 포함하는 수술 영상을 획득하고, 상기 획득된 수술 영상을 기반으로 수술 단계, 장기의 위치 및 수술 도구를 검출 및 인식하고, 상기 장기 및 상기 수술 도구 간 상대적 위치에 따라 상기 카메라의 위치를 추적 및 제어할 수 있다.
본 발명의 일 실시예에 따른 혈관 분할 장치는 적어도 하나의 메모리; 및 적어도 하나의 메모리와 통신을 수행하는 프로세서;를 포함하고, 적어도 하나의 메모리는, 입력된 의료 영상 내에서 혈관에 해당하는 부분이 분할되어 형성된 혈관마스크를 예측하도록 기계 학습된 제1 모델 및 입력된 의료 영상이 혈관인지 여부를 예측하도록 기계 학습된 제2 모델을 포함하고, 프로세서는, 의료 영상을 제1 모델에 입력하여, 의료 영상 내에서 혈관이 분할되어 형성된 혈관마스크를 예측하고, 혈관마스크를 제2 모델에 입력하여, 혈관마스크가 혈관인지 여부를 재예측한다.
수술 영상을 통해 수술 중 출혈을 검출하는 방법 및 장치가 개시된다. 본 개시의 일 실시예에 따른, 장치에 의해 수행되는 수술 영상을 통해 수술 중 출혈을 검출하는 방법은, 제1 프레임 레이트(frame rate)로 설정된 상기 수술 영상을 통해 제1 시간적(temporal) 특징 데이터를 획득하고, 제2 프레임 레이트로 설정된 상기 수술 영상을 통해 제2 시간적 특징 데이터를 획득하는 단계; 상기 수술 영상을 구성하는 복수의 프레임 중 대표 프레임을 통해 공간(spatial) 특징 데이터를 획득하는 단계; 상기 제1 시간적 특징 데이터 및 상기 공간 특징 데이터에 기초하여 제1 중간 데이터를 획득하고, 상기 제2 시간적 특징 데이터 및 상기 공간 특징 데이터에 기초하여 제2 중간 데이터를 획득하는 단계; 상기 제1 중간 데이터 및 상기 제2 중간 데이터를 연결(concatenation)하여 학습 데이터를 생성하는 단계; 및 상기 학습 데이터에 기초하여 상기 수술 영상 내의 출혈 횟수(bleeding count) 및 출혈 구간(bleeding duration)을 식별할 수 있는 수술 인덱스(surgical index) 데이터를 출력하도록 제1 인공지능(artificial intelligence, AI) 모델을 학습시키는 단계를 포함할 수 있다.
시각적 다중 모달리티(multiple modality)에 기초하여 수술 단계를 인식하는 방법 및 장치가 개시된다. 본 개시의 일 실시예에 따른, 시각적 다중 모달리티(multiple modality)에 기초하여 수술 단계를 인식하는 방법은, 복수의 수술 단계에 대응되는 복수의 프레임으로 구성된 수술 영상에 기초하여 복수의 시각적 키네마틱스 기반(visual kinematics-based) 인덱스를 추출하는 단계; 상기 수술 영상에 대한 제1 특징 데이터를 획득하고, 상기 복수의 시각적 키네마틱스 기반 인덱스에 대한 제2 특징 데이터를 획득하는 단계; 데이터를 융합하도록 학습된 융합 모듈(fusion module)을 상기 연결된 제1 특징 데이터 및 상기 제2 특징 데이터에 적용함으로써 융합된 제3 특징 데이터를 획득하는 단계; 및 상기 제3 특징 데이터에 기초하여 상기 복수의 수술 단계 각각을 인식하도록 제1 인공지능(aritificial intelligence, AI) 모델을 학습시키는 단계를 포함할 수 있다.
전체 혈관 영역에서 자동으로 혈관 종류를 구분하는 방법 및 장치 개시된다. 본 개시의 일 실시예에 따른, 서버에 의해 수행되는, 전체 혈관 영역에서 자동으로 혈관 종류를 구분하는 방법은, 환자의 신체를 스캔(scan)함으로써 출력된 수술이 진행될 혈관 영역의 스캔 이미지를 획득하는 단계; 혈관을 검출하도록 학습된 인공지능(artificial intelligence, AI) 모델 및 3D 리전 그로잉(region growing) 알고리즘에 기초하여, 상기 스캔 이미지 상에 존재하는 전체 혈관을 식별하는 단계; 상기 식별된 전체 혈관을 트레킹하여 스켈레톤(skeleton) 정보를 생성하는 단계; 상기 스켈레톤 정보를 이용하여 상기 식별된 전체 혈관을 트리(tree) 구조로 구조화하는 단계; 상기 트리 구조 상의 적어도 하나의 리프 노드(leaf node)에 대응되는 혈관 위치 정보를 획득하는 단계; 및 장기(organ)의 위치 정보와 상기 적어도 하나의 리프 노드에 대응되는 혈관의 위치 정보에 기초하여, 상기 트리 구조 상의 루트 노드(root node)의 자식 노드(child node)에 대응되는 혈관의 종류를 식별하는 단계를 포함할 수 있다.
제1 장치에 의해 수행되는, 수술 종류에 따라 장기 및 혈관에 대한 3D 모델을 생성하는 방법을 개시한다. 상기 방법은, 환자의 신체를 스캔함으로서 출력된 하나 이상의 스캔 이미지를 획득하는 단계; 상기 환자에 대해 진행될 특정 수술의 타입을 제1 UI를 통해 입력받는 단계; 상기 입력된 특정 수술의 타입과 관련된 장기 및 혈관과 관련된 정보를 획득하는 단계; 상기 획득된 정보에 기초하여, AI 모델을 통해 상기 하나 이상의 스캔 이미지 상에서 상기 장기 및 혈관 각각에 대한 이미지를 분할하여 식별하는 단계; 상기 식별된 장기 및 혈관 각각에 대한 이미지를 이용하여, 상기 장기 및 혈관 각각의 3D 모델링 데이터를 생성하는 단계; 및 상기 생성된 3D 모델링 데이터 정합하여 상기 특정 수술의 진행을 위한 3D 모델을 생성할 수 있다.
장치에 의해 수행되는, 환자 맞춤형 3D 수술 시뮬레이션 방법을 제공하는 방법이 개시된다. 상기 방법은, 환자의 신체를 스캔함으로써 출력된 타겟 오브젝트의 이미지가 포함된 스캔 이미지를 획득하는 단계; 상기 스캔 이미지 상에서 상기 타겟 오브젝트의 및 상기 타겟 오브젝트에 인접한 하나 이상의 장기 및 혈관 각각의 이미지를 식별하는 단계; 상기 식별된 이미지에 대한 제1 3D 모델링 데이터 및 상기 하나 이상의 장기 및 혈관과 관련된 별도의 제2 3D 모델링 데이터에 기초하여, 수술 영역에 대한 제1 3D 모델을 생성하는 단계; 상기 제1 3D 모델에 적용될 수술 장비에 대한 제3 3D 모델링 데이터 및 환경 변수를 설정하는 단계; 상기 제3 3D 모델링 데이터 및 상기 환경 변수에 기초하여, 상기 수술 장비에 대한 제2 3D 모델을 생성하는 단계; 및 상기 제1 3D 모델 및 상기 제2 3D 모델에 기초하여, 상기 환자 맞춤형 수술 시뮬레이션을 제공하는 단계를 포함할 수 있다.
사용자 인터페이스 기반의 수술과정 분석 제공 방법 및 서버를 개시한다. 일 실시예에 따른 사용자 인터페이스 기반의 수술과정 분석 방법은, 촬영된 전체 수술영상에서, 수술단계학습모델을 이용하여 개별 수술단계를 인식하고 각각의 수술단계에 해당하는 시간영역을 분리하는 단계, 상기 인식된 수술단계별로 스위칭 횟수 및 소요시간을 산출하는 단계, 상기 인식된 수술단계별로 출혈이벤트의 발생여부를 판단하는 단계, 및 상기 스위칭 횟수, 소요시간 및 출혈이벤트를 기초로 수술단계별로 수술결과를 분석할 수 있는 사용자인터페이스를 제공하는 단계;를 포함할 수 있다.
본 발명은 환자의 가상 폐 모델을 생성하는 장치에 의해 수행되는, 방법에 있어서, 상기 환자의 수술시 폐 영상데이터를 획득하는 단계, 상기 환자의 수술시 폐와 흉벽 간의 거리 및 폐의 특정 부위의 길이 중 적어도 하나를 포함하는 정보를 파악하는 단계, 상기 파악된 정보를 기반으로 상기 폐의 크기를 예측하는 단계, 상기 예측 결과를 기반으로 기 구비된 학습모델을 통해 상기 폐를 복수의 영역으로 분할하는 단계 및 상기 분할된 결과가 반영된 가상 폐 모델을 생성하는 단계를 포함할 수 있다.
본 발명은 인공지능 기반 가상 혈관 모델 제공 방법 및 장치에 관한 것이다. 본 발명의 일 실시예에 따른 인공지능 기반 가상 혈관 모델 제공 방법은 의료 영상이 입력되면, 하운스필드 단위값을 기준으로 혈관 이외의 뼈를 제거하여 혈관만을 포함하는 제1 영상을 생성하는 단계; 상기 제1 영상의 중앙 영역 내에 포함된 메인 혈관을 검출 및 분리하여 상기 메인 혈관만을 포함하는 제2 영상을 생성하는 단계; 상기 제1 영상에서 장기를 식별하고, 상기 식별된 장기를 기준으로 상기 제1 영상에서 상기 중앙 영역을 제외한 나머지 영역에 대한 경계를 설정하여 복수의 주변 영역으로 분할하는 단계, 상기 복수의 주변 영역 각각에 포함된 주변 혈관을 추적 및 분리하여 상기 주변 혈관만을 포함하는 제3 영상을 생성하는 단계; 및 상기 제2 영상 및 상기 제3 영상을 이용하여 가상의 전체 혈관 모델을 생성하여 제공하는 단계를 포함할 수 있다.
본 발명은 환자의 가상 폐 모델을 이용하여 가상 현실 기반의 수술 환경을 제공하는 장치에 의해 수행되는, 방법에 있어서, 상기 환자의 상태정보 및 수술 시 폐 영상을 획득하는 단계, 상기 환자의 상태정보를 기반으로 기 저장된 복수의 가상 폐 모델 중 어느 가상 폐 모델을 선택하는 단계, 상기 폐 영상 및 상기 가상 폐 모델 간의 유사도를 판단하는 단계, 상기 판단된 결과 및 기 설정된 기준값 간의 비교 결과에 따라, 상기 가상 폐 모델 또는 상기 가상 폐 모델을 보정한 보정 폐 모델을 화면 상에 표시하는 단계 및 상기 환자의 수술에 대한 가이드 정보를 상기 가상 폐 모델 또는 상기 보정 폐 모델 상에 표시하는 단계를 포함할 수 있다.
사용자 인터페이스 기반의 수술과정 분석 제공 방법 및 서버를 개시한다. 일 실시예에 따른 사용자 인터페이스 기반의 수술과정 분석 방법은, 촬영된 전체 수술영상에서, 수술단계학습모델을 이용하여 개별 수술단계를 인식하고 각각의 수술단계에 해당하는 시간영역을 분리하는 단계, 상기 인식된 수술단계별로 스위칭 횟수 및 소요시간을 산출하는 단계, 상기 인식된 수술단계별로 출혈이벤트의 발생여부를 판단하는 단계, 및 상기 스위칭 횟수, 소요시간 및 출혈이벤트를 기초로 수술단계별로 수술결과를 분석할 수 있는 사용자인터페이스를 제공하는 단계;를 포함할 수 있다.
블록 단위 시공간 경로 네트워크를 이용한 비디오 동작 인식 방법이 제공된다. 상기 블록 단위 시공간 경로 네트워크를 이용한 비디오 동작 인식 방법은 어느 피처맵에 포함된 시공간 경로 블록에 대하여, 팽창 매개변수가 포함된 함수로 컨볼루션을 수행하여 복수의 수용 필드로 변환을 수행하는 단계, 퓨즈 레이어에서 복수의 수용 필드의 정보를 융합하는 단계 및 어텐션 메커니즘을 통해 어텐션 가중치를 획득하고, 어텐션 가중치를 이용하여 각 수용 필드를 갖는 시간 채널 축을 따라 각 경로를 강조하여 최종 시공간 경로 블록을 출력하는 단계를 포함한다.
본 발명은 상기 환자의 상태 데이터를 획득하는 단계-상기 상태 데이터는, 상기 환자의 나이, 성별, 키, 몸무게, 체질량지수(Body Mass Index) 및 출산 유무 중 적어도 하나에 대한 데이터를 포함함-, 상기 환자의 복수의 랜드마크 데이터를 획득하는 단계-상기 복수의 랜드마크 데이터는 상기 환자의 복부 3D 영상데이터에 표시되는 것인-, 상기 환자의 복수의 단면 영상데이터에서 추출된 신체 데이터를 획득하는 단계-상기 복수의 단면 영상데이터는, 상기 복수의 랜드마크 데이터가 표시된 위치의 단면이고, 상기 신체 데이터는 상기 복수의 단면 영상데이터 내의 상기 환자의 신체에 대한 높이와 넓이의 비율, 피부 둘레, 상기 신체의 전방-후방에 대한 거리, 지방 영역 및 근육 영역 중 적어도 하나를 포함함- 및 상기 상태 데이터, 상기 복수의 랜드마크 데이터 및 상기 신체 데이터를 기반으로 상기 환자의 실제 기복(pneumoperitoneum) 상태를 예측하기 위한 가상 기복 모델을 생성하는 단계를 포함할 수 있다. 본 발명은 서울특별시 서울산업진흥원 2020년도 인공지능 기술사업화 지원사업(CY200023) "수술 단계 표준화를 통한 인공지능 기반 환자 맞춤형 수술 내비게이션 시스템"을 통해 개발된 기술이다.
수술 도구 인식 학습 훈련을 위한 학습 데이터 수집 방법 및 그 프로그램이 제공된다. 상기 수술 도구 인식 학습 훈련을 위한 학습 데이터 수집 방법은 컴퓨터에 의해 실행되는 방법으로서, 컴퓨터가 실제 수술데이터, 가상 수술데이터 및 랜덤 수술데이터 중 적어도 복수의 수술데이터를 획득하는 단계; 및 획득한 상기 복수의 수술데이터를 학습데이터 셋으로 구성하여 제공하는 단계를 포함한다.
본 발명은 장치에 의해 수행되는, 장치에 의해 수행되는, 실제 수술 영상과 3D 기반의 가상 수술 모의 환경을 정합하는 방법에 있어서, 상기 실제 수술 영상과 동일한 수술을 수행한 기 저장된 수술 영상 내의 수술 단계별 수술시 POI(Point of Interest) 정보를 설정하는 단계, 상기 3D 기반의 가상 수술 모의 환경에 이용되는 환자의 가상 기복 모델에 상기 POI 정보를 매칭하는 단계-상기 가상 기복모델은 UI(User Interface) 상에 표시되는 것인-, 상기 실제 수술 영상의 실시간 수술 단계를 인식하고 상기 인식한 수술 단계 별 POI 정보의 위치를 판단하는 단계 및 상기 UI를 통해, 상기 판단한 POI 정보의 위치와 동일한 위치로 상기 가상 기복 모델에 삽입된 카메라(Endoscope)의 위치를 이동시켜 촬영한 영상 정보를 획득하여 표시하는 단계를 포함할 수 있다. 출원번호 : 10-2021-0099678 과제번호 : CY200023 과제명 : 수술 단계 표준화를 통한 인공지능 기반 환자 맞춤형 수술 내비게이션 시스템
본 발명은 장치에 의해 수행되는, 환자의 3차원 가상 기복 모델 상에 트로카(trocar)의 삽입 위치를 결정하는 방법에 있어서, 수술 시뮬레이션에 이용되는 상기 가상 기복 모델 상에 트로카 삽입 위치를 설정하기 위한 UI(User Interface)를 표시하는 단계, 상기 UI 상에 상기 가상 기복 모델을 표시하는 단계, 상기 UI를 통해, 상기 가상 기복 모델의 배꼽으로부터 기 설정된 거리만큼 떨어진 위치를 카메라(endoscope)가 삽입될 기준 트로카의 삽입 위치로 결정하는 단계, 상기 UI를 통해, 상기 결정된 기준 트로카의 삽입 위치를 기준으로 상기 가상 기복 모델의 표면 상에서 적어도 하나의 트로카의 삽입 위치를 결정하는 단계 및 상기 가상 기복 모델의 표면 상에서, 상기 기준 트로카의 삽입 위치와 상기 결정된 적어도 하나의 트로카의 삽입 위치 간의 거리 정보를 산출하여 저장하는 단계 및 상기 환자를 실제 수술 시에, 상기 UI 상에 상기 저장된 거리 정보를 실시간으로 제공하는 단계를 포함할 수 있다.
인공지능 수술 시스템 및 그것의 제어방법이 제공된다. 상기 인공지능 수술 시스템은 수술 과정을 동영상으로 녹화하고, 녹화된 동영상을 기 학습된 인공지능 알고리즘에 입력하여 수술 단계를 판단하는 레코딩 장치 및 상기 레코딩 장치로부터 수신된 동영상을 이용하여 상기 레코딩 장치의 기 학습된 인공지능 알고리즘을 업데이트하는 서버를 포함한다. 출원번호: 10-2021-0090786 과제번호 : CY200023 과제명 : 수술 단계 표준화를 통한 인공지능 기반 환자 맞춤형 수술 내비게이션 시스템
본 발명은 장치에 의해 가상 현실 기반의 수술 환경을 제공하는 방법에 있어서, a) 제1 인공지능 모델을 기반으로 실제 수술 영상 내의 기 설정된 프레임 마다 상기 실제 수술 영상 내에 포함된 적어도 하나의 실제 수술 도구를 인식하는 단계, b) 상기 실제 수술 도구 및 가상 현실 기반의 상기 실제 수술 도구에 대응되는 적어도 하나의 가상 수술 도구의 적어도 하나의 동일 부위에 대해 동일점 매칭(Correspondence matching)을 수행하는 단계, c) 상기 수행된 동일점 매칭 결과에 따라, 상기 가상 수술 도구가 상기 실제 수술 도구의 위치에 대응되도록 보정하는 단계, d) 상기 보정된 상기 가상 수술 도구의 좌표값을 산출하는 단계, e) 상기 a) 내지 d) 단계를 반복 수행하여, 상기 기 설정된 프레임 마다 상기 가상 수술 도구가 보정되는 위치에 대한 복수의 좌표값을 산출하는 단계 및 f) 상기 산출된 복수의 좌표값 간의 차이를 기반으로 복수의 로그 정보를 생성하는 단계를 포함할 수 있다.
본 발명은 어노테이션 평가 장치에 의해 수행되는 방법에 있어서, 복수의 어노테이터들이 각각 원본데이터를 어노테이션한 복수의 어노테이션 데이터를 제1 모델에 입력하여 복수의 검증 결과 데이터를 생성하는 단계, 상기 복수의 검증 결과 데이터를 제2 모델에 입력하여 상기 복수의 검증 결과 데이터가 믹싱된 신규 학습용 데이터를 획득하는 단계, 상기 신규 학습용 데이터와 상기 원본데이터를 상기 제1 모델에 따라 학습하여 최종 결과 데이터를 생성하는 단계 및 상기 최종 결과 데이터와 상기 복수의 검증 결과 데이터를 비교하여 평가정보를 생성하는 단계를 포함할 수 있다.
본 발명은 영상 내의 객체 레이블링 제공 장치에 의해 수행되는 방법에 있어서, 언레이블 영상정보에 기반한 언레이블 데이터를 획득하는 단계, 상기 언레이블 데이터를 객체 인식 학습 모델을 기반으로 학습하여 객체 인식 결과 데이터를 산출하는 단계 및 상기 객체 인식 결과 데이터 중 적어도 하나의 언레이블 객체 데이터를 객체 추적 모델에 입력하여, 상기 언레이블 객체 데이터의 레이블링을 위한 보정 데이터를 산출하는 단계를 포함하고, 상기 언레이블 영상정보는, 수술 과정을 촬영한 수술 동영상 내에 포함된 적어도 하나의 객체에 대해 언레이블된 동영상을 포함할 수 있다.
수술영상 내 단위동작의 서술정보 생성 시스템 및 그 방법이 제공된다. 상기 컴퓨터에 의해 특정한 수술에 대한 수술진행과정이 포함된 수술영상 내 단위동작의 서술정보 생성방법에 있어서, 상기 수술영상을 타겟 장기(Target Organ)를 바탕으로 하나 이상의 기본단계(FUNDAMENTAL STEP)로 분할하는 단계;상기 기본단계(FUNDAMENTAL STEP) 내에 포함된 복수의 단위영상을 메인섹션(MAIN SECTION)으로 나누는 단계;수술도구에 의해 동작이 수행되는 상기 타겟 장기에 대한 수술 목적에 대응하는 타겟 조직(Target Anatomy) 또는 타겟 오브젝트(Target Object)에 대한 수술 동작을 하나 이상의 계층을 가지는 하위섹션(SUB SECTION)으로 분할하는 단계; 및 상기 각각의 하위단계(SUB SECTION) 내에 포함된 하나 이상의 상기 단위영상을 수술 도구에 의해 동작되는 특정한 단위동작으로 판단하는 분할섹션으로 분할하는 단계;를 포함하고,상기 단위동작은 수술도구에 의해 해부학적 구조 또는 신체 내부 상태에 변화를 발생시키는 최소단위의 동작이고, 상기 수술영상은 가상수술데이터 또는 실제수술데이터일 수 있다.
전자 장치가 수행하는 어노테이터 평가 및 어노테이션 분석 방법이 제공된다. 본 발명의 일면에 따른 전자 장치가 수행하는 어노테이터 평가 및 어노테이션 분석 방법은, 상기 전자 장치가 복수의 어노테이터들이 각각 학습데이터를 어노테이션한 어노테이션 데이터를 획득하는 단계; 상기 전자 장치가 상기 어노테이션 데이터에서 추출한 학습용 데이터를 이용하여 복수의 학습모델을 각각 기계학습시키는 단계; 상기 전자 장치가 상기 학습용 데이터를 제외하고 상기 어노테이션 데이터에서 추출한 검증용 데이터를 상기 기계학습한 복수의 학습모델에 각각 입력하여, 상기 복수의 학습모델 각각의 결과 데이터를 획득하는 단계; 및 상기 전자 장치가 상기 결과 데이터와 상기 검증용 데이터를 비교하여 상기 복수의 어노테이터들을 평가하고 상기 복수의 어노테이터들 각각의 어노테이션을 분석하는 단계;를 포함할 수 있다.
3D 시뮬레이션을 활용한 수술로봇의 동작 정보를 획득하는 방법이 제공된다. 상기 3D 시뮬레이션을 활용한 수술로봇의 동작 정보를 획득하는 방법은 컴퓨터에 의해 실행되는 방법으로서, 3D 시뮬레이션 상에서 3D 모델링데이터에 의해 생성된 가상신체모델에 동작을 수행함으로써 획득되는 매니퓰레이터작동데이터를 획득하는 단계; 로봇 암이 실제 공간 상에서, 3D 시뮬레이션 상에서의 동작과 동일하게 실행될 수 있도록 상기 매니퓰레이터작동데이터를 기계 신호로 컨버팅하는 단계; 상기 컨버팅된 매니퓰레이터작동데이터의 기계 신호를 이용하여 로봇 암을 실행시키고, 로봇암(arm)실행데이터를 획득하는 단계; 및 상기 매니퓰레이터작동데이터와 상기 로봇암실행데이터를 수술로봇 데이터 셋으로 획득하는 단계; 를 포함한다.
일 실시 예에 따른 일관성기반 정규화를 이용한 능동학습 방법은, 매 사이클마다 학습되는 데이터에 대해 데이터 증강을 수행하는 단계; 상기 데이터 증강이 수행된 데이터를 이용하여 일관성 기반의 정규화 손실을 기초로 레이블될 데이터를 선택하는 단계; 및 상기 선택된 데이터를 기초로 일반화 오차 경계를 설정 하도록 분류기를 학습하는 단계를 포함할 수 있다.
트로카 조립체가 제공된다. 상기 트로카 조립체는 수술 도구가 삽입되는 개구부가 형성되는 헤드, 상기 헤드와 연통되고, 상기 수술 도구의 삽입을 안내하도록 중공으로 형성되는 본체, 상기 헤드에 설치되고, 상기 수술 도구가 억지 끼움으로 밀착되도록 반경 방향 내측을 향하여 복수개 형성되는 탄성편을 갖는 제1 고정 부재 및 상기 본체의 내주면에 고정되고, 상기 수술 도구가 억지 끼움으로 밀착되도록 반경 방향 내측을 향하여 복수개 형성되는 탄성편을 갖는 제2 고정 부재를 포함한다.
선행학습기반 전이학습 방법 및 장치를 개시한다. 일 실시 예에 따른 컨볼루션 딥 뉴럴 네트워크의 선행학습 기반 전이학습을 수행하는 방법은, 소스 네트워크에서 선행학습을 수행하는 단계; 타깃 네트워크에서 타깃 태스크에 대해 손실 기반 학습을 수행하는 단계; 상기 소스 네트워크에서 선행 학습된 데이터를 전이받기 위해 보조태스크에 대해 소프트레이블 기반의 자기지도 학습을 수행하는 단계; 및 상기 타깃 태스크에 대한 학습 파라미터를 상기 보조태스크에 대한 학습을 기초로 업데이트 하는 단계를 포함할 수 있다.
수술 후 수술과정 분석 방법 및 시스템을 개시한다. 일 실시예에 따른 수술 후 수술과정 분석 방법은, 촬영된 전체 수술영상에서, 수술단계학습모델을 이용하여 개별 수술단계를 인식하고 각각의 수술단계에 해당하는 시간영역을 분리하는 단계, 상기 인식된 수술단계별로 스위칭 횟수 및 소요시간을 산출하는 단계, 상기 인식된 수술단계별로 출혈이벤트의 발생여부를 판단하는 단계, 및 상기 스위칭 횟수, 소요시간 및 출혈이벤트를 기초로 수술단계별로 수술결과를 분석할 수 있는 사용자인터페이스를 제공하는 단계;를 포함할 수 있다.
수술 중 혈관 내비게이션 방법 및 시스템을 개시한다. 일 실시예에 따른 수술 중 혈관 네비게이션 방법은, 대상체의 2차원 의료영상데이터에서 혈관학습모델을 이용하여 3차원 혈관모델을 구축하는 단계; 촬영된 수술영상에서, 수술단계학습모델을 이용하여 대상체의 수술단계를 인식하는 단계; 상기 인식된 수술단계에 대응하는 주요혈관을 상기 구축된 3차원 혈관모델에서 추출하고 네비게이션 영상에 정합하는 단계; 및 상기 네비게이션 영상을 사용자에게 제공하는 단계를 포함하고, 상기 네비게이션 영상은 상기 주요혈관에서 분기된 혈관을 포함하되, 분기된 혈관은 사용자 입력에 기초하여 단계적으로 추가 또는 제거 가능할 수 있다.
컴퓨터가 대상체의 수술부위를 포함하는 3D 모델링 데이터를 생성하는 단계, 상기 3D 모델링 데이터에 대한 가상수술데이터를 획득하는 단계 및 상기 가상수술데이터를 이용하여 하나 이상의 세부수술동작을 포함하는 큐시트데이터를 생성하는 단계를 포함하는, 수술 시뮬레이션 정보 생성방법이 개시된다.
가상 신체 모델 구축 방법 및 프로그램이 제공된다. 상기 가상 신체 모델 구축 방법은 컴퓨터가 환자의 동맥 추출용 영상 데이터 및 정맥 추출용 영상 데이터를 획득하는 단계, 상기 컴퓨터가 획득한 상기 동맥 추출용 영상 데이터 및 상기 정맥 추출용 영상 데이터를 기반으로 정합 기준 지점을 탐색하고, 상기 정합 기준 지점을 이용하여 혈관 장기 모델을 생성하는 단계, 상기 컴퓨터가 생성된 상기 혈관 장기 모델을 기반으로 기복 모델인 상기 환자의 가상 신체 모델을 생성하는 단계를 포함한다.
수술영상을 이용한 가상신체모델 생성 방법이 제공된다. 상기 방법은 복수의 영상프레임을 포함하는 수술영상으로부터 장기를 검출하여 특징점(feature)을 추출하는 단계, 상기 복수의 영상프레임 각각 간에 상기 특징점을 매칭시켜 연결하는 단계, 상기 연결된 특징점을 기초로 상기 장기 내 움직임이 유사한 영역을 그룹화하여 상기 장기를 적어도 하나의 클러스터 영역으로 분할하는 단계, 및 상기 적어도 하나의 클러스터 영역을 가상신체모델 상에 매칭하는 단계를 포함한다.
KIPO KIPRIS · checked 2026-10-15 · newest filings first · right: registration date (filing date if not yet registered) · 50 of 92 · titles and abstracts are in Korean as filed · click a row for details ▾
For now we hold public records only (National Pension Service · DART filings · patents · registers · press). When the company files material in our IR Room, it moves to L1. We do not score or rate companies — we only state how far we have checked.
| KRW bn | 2024 | 2025 |
|---|---|---|
| Revenue | 0.4 | 0.8 |
| Cost of sales | 0.1 | 0.2 |
| Gross profit (loss) | 0.3 | 0.6 |
| Selling, general and administrative expenses | 9.5 | 8.5 |
| Operating income (loss) | (9.3) | (7.9) |
| Non-operating income | 22.0 | 1.2 |
| Other gains | 0.0 | 0.1 |
| Finance income | 22.0 | 1.1 |
| Non-operating expenses | 2.8 | 5.5 |
| Other losses | 0.0 | 0.0 |
| Finance costs | 2.7 | 5.5 |
| Profit (loss) before tax | 10.0 | (12.2) |
| Net income (loss) | 10.0 | (12.2) |
Revenue ₩0.8bn, up 75.0% YoY.
Operating margin -1036.4% (prior -2120.9%).
Net income ₩-12.2bn.
Need more than is shown here? Ask for more information — full review report · valuation · executive teaser · IM · competitor analysis · due diligence. Tell us what you need and we will reply by email with scope, cost and timing.
Is this your company?
If anything here is wrong, tell us — we check it against the original and correct it. You do not need to join. If you would like your financials verified and this page completed, that is a separate process.