플러스프로젝트 배경
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 복잡하
프로젝트 성과
랜드마크 자동 검출 정확도 95% 달성
딥러닝 Keypoint Detection 모델을 통해 X-ray 이미지에서 두개안면 랜드마크 검출 정확도를 95% 이상 달성하여 수동 측정 의존성을 해소
Calibration 기반 정밀 측정 구현
X-ray 픽셀 크기와 실제 환자 크기를 보정하는 알고리즘을 적용, 다양한 촬영 조건에서 일관된 정밀 길이 및 각도 측정 기능을 구현
서버 프리(Server-Free) 로컬 클라이언트 제공
React 기반의 로컬 클라이언트 구조를 설계하여 서버 구축 및 통신 비용 없이, 데이터 보안과 빠른 처리 속도를 동시에 확보
핵심 기능
딥러닝 기반 랜드마크 자동 검출
Keypoint Detection 모델을 통해 X-ray 이미지에서 두개안면 해부학적 포인트를 자동으로 식별하고, 수동 측정 없이 분석 기초를 마련
진행 단계
기획
2022.10.
치과 교정 진단의 수동 측정 비효율성 문제 정의, 딥러닝 기반 랜드마크 자동 검출 및 정밀 Calibration 알고리즘 개발 목표 설정.
프로젝트 상세
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 랜드마크
