문제점
- 수동 분석의 비효율성: 기존 교정 진단 시 X-ray 이미지 상의 두개안면 랜드마크(Landmark) 포인트를 수동으로 측정해야 하므로 시간과 인력 소모가 크고, 측정자의 숙련도에 따라 결과의 일관성이 저하됨.
- 정밀도 및 보정의 어려움: X-ray 필름 이미지의 픽셀 크기가 실제 환자 크기와 다를 때, 정확한 길이(cm) 및 각도 측정을 위한 정밀한 보정(Calibration) 작업이 복잡하고 어려움.
- 낮은 접근성: 분석 솔루션이 고가이거나 서버 기반으로 복잡하여 로컬 환경에서 간편하게 사용할 수 있는 도구가 부족함.

프로젝트 목표
- 딥러닝 기반 랜드마크 검출 자동화: X-ray 이미지 상의 두개안면 해부학적 랜드마크를 딥러닝(Keypoint Detection)으로 자동 검출하고 정량 분석을 보조하는 시스템을 구축.
- 정밀 측정 및 보정 시스템 구현: 다양한 X-ray 촬영 조건에서도 일관된 길이 및 각도 계산이 가능하도록 정밀 Calibration 알고리즘을 구현.
- 웹 기반 로컬 클라이언트 제공: 서버 없이 동작하는 React 기반의 로컬 클라이언트 구조를 설계하여 치과 전문가가 빠르고 직관적으로 사용할 수 있는 솔루션을 제공.

주안점 (핵심 개발/운영 고려사항)
- 딥러닝 Keypoint Detection 정밀도 확보: X-ray 이미지에 포인트 디텍션 자동화를 위해 딥러닝 기술을 적용하고 랜드마크 검출의 정확도를 극대화 .
- Calibration 알고리즘 적용: 실제 얼굴 치수 기반의 정밀 측정을 위해 다양한 촬영 조건에서도 일관된 길이 계산이 가능한 Calibration 알고리즘을 적용.
- 직관적인 UI 설계: 웹 기반에서 바로 사용할 수 있도록 간단하고 직관적인 UI를 설계하여 비전문가급 사용자도 쉽게 접근할 수 있도록 함.

X-ray 기반 딥러닝 치과 및 두개안면 분석 솔루션은 딥러닝 Keypoint Detection 모델을 활용하여 X-ray 이미지에서 해부학적 랜드마크를 자동으로 검출하고, 정밀 보정 알고리즘을 적용하여 교정 진단에 필요한 정량적인 거리 및 각도 분석 결과를 제공함.

특징
- 정형화된 딥러닝 기반 분석: 딥러닝 Keypoint/Landmark Detection 모델을 통해 X-ray 필름 상의 랜드마크에 자동으로 포인트를 찍어 분석 과정을 혁신적으로 자동화.
- 로컬 클라이언트 구조: React 기반으로 개발되어 서버 없이 동작하는 로컬 클라이언트 구조를 채택, 데이터 보안성을 높이고 즉각적이고 빠른 분석 환경을 제공.
- 실측 기반 정밀 Calibration: X-ray 필름 픽셀 크기와 실제 환자 두개/안면 크기를 보정하는 Calibration 알고리즘이 적용되어 높은 정밀도의 측정 결과를 보장.

주요 기능
- X-ray 랜드마크 자동 검출: 학습된 딥러닝 모델을 통해 업로드된 X-ray 이미지 상의 두개안면 해부학적 랜드마크 포인트를 자동으로 검출합니다.
- 정밀 치수 보정 (Calibration): 실제 엑스레이 필름 이미지의 픽셀 크기와 실제 환자 두개/안면 크기를 보정하기 위한 Calibration 알고리즘을 구현하여 측정 결과의 신뢰도를 높입니다.
- 정량 분석 및 시각화: 검출된 점 간의 거리(cm) 계산 및 교차점 간의 각도 계산 기능을 개발하고, UI 상에서 이 결과를 거리 및 각도 선택박스로 명확하게 시각화하여 표시합니다.
- React 기반 분석 UI: X-ray 이미지 업로드, 계산 버튼, 결과 시각화 UI를 포함하는 React 기반 반응형 프론트엔드를 개발