이 연구는 고관절 재치환술에서 전문 수술 사례 데이터베이스 검색을 기반으로 하는 새로운 인공 지능 수술 전 계획 접근 방식을 제안합니다. 또한, 이 기법은 초기에 5명의 환자에게 사용되었으며, 수술 시간과 수술 중 출혈이 감소하는 것으로 나타났습니다.

고관절 치환술 재수술에서 정확한 수술 전 계획은 성공적인 결과를 달성하는 데 매우 중요합니다. 비구골 결손의 중증도에 대한 직관적인 평가를 강화하고 고관절 재치환술에 대한 이전의 성공적인 경험을 활용하기 위해 이 연구는 전문 수술 사례 데이터베이스 검색을 기반으로 하는 새로운 접근 방식을 제안하고 초기에 임상 적용에 구현됩니다. 이 연구에서는 고관절 치환술 재수술이 필요한 5명의 환자를 수술 전에 전문가 사례 데이터베이스 수술 계획 시스템을 사용할 계획을 세웠다. 환자의 영상 데이터가 시스템에 입력되어 전문가 사례 데이터베이스의 사례와 일치되었습니다. 전문의의 수술 경험을 바탕으로 재수술 계획을 권고하였다. 적절한 사례가 발견되지 않은 경우, 환자별 재건 결과를 기반으로 보철물의 모델과 위치를 계획했습니다. 이 연구에는 남성 4명과 여성 1명으로 총 5명의 환자가 등록되었으며 평균 연령은 50.6세였습니다. 진단은 고관절 치환술 후 무균 보철물이 헐거워지는 것이었습니다. 평균 수술 시간은 123.2분이었고, 평균 수술 중 출혈은 672mL였다. 혈관 또는 신경 손상과 같은 수술 중 합병증은 관찰되지 않았습니다. 예를 들어, 사례 2의 경우, 이 혁신적인 계획 계획을 적용함으로써 외과의는 수술 전 기간에 이 환자에 대한 재수술 계획을 설명할 수 있었고, 이를 통해 수술 시간과 수술 중 출혈을 줄일 수 있었습니다. 또한 환자는 유사한 사례의 결과를 미리 알 수 있습니다. 당사의 포괄적인 사례 데이터베이스를 통해 빅 데이터 분석 접근 방식을 활용하면 전체 프로세스에서 일치하는 전문가 치료 계획을 자동으로 식별할 수 있습니다. 이는 특히 경험이 부족한 정형외과 의사가 적절한 보철 크기와 장착 위치를 선택하는 데 도움이 되는 수술 전략에 대한 정확한 지침을 제공함으로써 도움이 됩니다. 또한 일치하는 결과는 환자에게 예측된 수술 후 결과를 묘사하는 시각화를 제공할 수 있습니다.

1차 고관절 전치환술(THA)의 유병률이 증가함에 따라 무균 이완, 감염, 재발성 탈구, 보철주위 골절 등 여러 요인으로 인해 재치환술의 필요성이 높아졌다¹. 1차 고관절 치환술과 비교했을 때, 고관절 재수술은 기술적으로 더 복잡하고 임상적으로 까다로운 시술로,^사망률이 높고2 의료비가 높으며³ 합병^{증 위험이 더} 크다4.

고관절 치환술 재수술에서는 비구골 손실의 재건과 보철물 선택이 수술의 성공 여부를 결정하는 데 가장 중요합니다. 정형외과 의사는 새로 이식된 비구컵의 적절한 초기 안정성을 목표로 잔여 뼈 스톡과 변경된 해부학적 구조를 평가해야 합니다¹. 따라서 사용 가능한 치료 옵션을 안내하기 위해서는 정확한 수술 전 계획이 중요합니다.

현재 정형외과 의사는 수술 전 영상 소견과 자신의 수술 경험을 바탕으로 관절 재건술에 대한 포괄적인 평가 및 계획을 수행할 책임이 있습니다. 그럼에도 불구하고 이것은 경험이 부족한 외과 의사에게 상당한 도전이 될 것입니다.

인공지능(AI) 기술의 발전으로 정형외과 수술에서 주로 병리학 및 임플란트의 이미지 분할, 진단, 분류에 점점 더 많이 사용되고 있다⁵. 한편, AI는 기본 THA⁶을 지원하는 데 초기 성공을 거두기 시작했습니다. 그러나 고관절 치환 재수술을 위한 지능적인 수술 전 계획은 여전히 백지 상태입니다. AI는 고관절 재수술, 특히 뼈 결함 평가에서 유망한 미래를 가지고 있습니다. 이러한 결함은 각 환자마다 고유하며, 특정 패턴을 나타내기는 하지만 기존의 Paprosky 분류 방법은 결함을 완전히 특성화하는 데 필요한 정밀도가 부족합니다. 그럼에도 불구하고 AI는 이미지 데이터에서 보다 자세한 정보를 추출할 수 있어 골 결함 평가의 정확성과 정밀도를 향상시킬 수 있는 유망한 방법을 제공합니다. 우리는 전문 수술 사례 데이터베이스 검색을 기반으로 재치환술에 대한 정형외과 의사의 결정을 안내하기 위해 새로운 AI 지원 수술 전 계획 시스템을 개발했습니다.

우리는 처음으로 비구골 결손 재건을 위한 새로운 방법을 확립하여 비구골 결손을 정량화하고 분류했습니다. 그 후, 우리는 고위 국가 전문가로부터 200건의 고관절 재수술 사례에 대한 임상 및 영상 데이터를 수집하여 고관절 재수술 사례 데이터베이스를 구축했습니다. 데이터베이스는 수술 전 컴퓨터 단층 촬영(CT), 수술 전 X-Ray, 수술 후 X-ray 및 환자 인구 통계로 구성됩니다. 수술 예정인 환자의 현재 뼈 결손 특성을 기반으로 데이터베이스의 사례를 일치시키고 가장 유사한 사례 시나리오를 찾아 외과의에게 수술 전 참고 자료를 제공할 수 있습니다. 이 접근법을 통해 외과의는 비구 재수술 프로토콜에 대한 수술 전 아이디어를 얻을 수 있어 수술 중 시행착오 시간을 줄일 수 있습니다.

이 연구는 허난성 뤄양 정형외과-외상 병원 윤리위원회의 허가를 받았다. 또한 이 연구는 이미징 데이터를 기반으로 했으며 지원자에게 해를 끼치거나 정보를 공개하지 않았습니다. 따라서 국가 법률 및 제도적 요구 사항에 따라 참가자 또는 참가자의 법적 보호자/친척이 정보에 입각한 동의서에 서명할 필요가 없었습니다.

1. 이미지 가져오기

1. 환자의 양측 고관절 전체의 원본 CT 데이터를 가져옵니다. 의료 영상 처리 소프트웨어를 열고 데이터 가져오기 를 선택한 다음 로컬 데이터를 클릭하여 환자의 원본 CT 데이터를 가져옵니다. 그림 1 은 이미지 가져오기 인터페이스를 보여줍니다.

2. 환부의 비구골 결손의 회복

1. 환자에게 편측 또는 양측 병변이 있는지 확인합니다. 측정 도구를 선택하고 마우스를 사용하여 이미지에 직사각형 상자를 그리고 엉덩이 뼈 영역의 HU(Hounsfield Unit, HU) 값을 직접 측정합니다. HU 값이 1000을 초과할 때 존재하는 금속을 고려하고 해당 부위를 영향을 받는 고관절로 지정합니다.

3. 이미지 세분화 및 재구성

1. 계획할 환자의 이미지 데이터를 선택합니다. Automatic Segmentation 옵션을 클릭하면 엉덩이 뼈 거친 세분화에 대해 기본적으로 CT 값 400이 선택됩니다.
2. 편집 버튼을 선택하여 각 레이어의 각 부분에 대한 세분화 결과를 수동으로 조정합니다. 그런 다음 3D 재건 옵션을 선택하여 환자 부위의 3D 재건 계산을 완료합니다. 재구성된 3D 모델은 주로 왼쪽/오른쪽 엉덩이 뼈와 왼쪽/오른쪽 대퇴골 영역을 포함합니다. 그림 2에서 볼 수 있듯이 서로 다른 부품은 서로 다른 색상으로 표시됩니다.

4. 비구골 결손 분할 및 결손량 계산

1. 편측 고관절 수술을 받은 환자의 경우 건강한 쪽의 3D 모델을 선택합니다. mirror 기능을 사용하여 영향을 받는 쪽의 해부학적 구조에 맞춥니다. 이것으로 고관절 수복 모델의 재건이 완료됩니다.
2. 양측 고관절 수술을 받은 환자의 경우 표준 모델 라이브러리를 열고 환자의 해부학적 구조와 가장 유사한 고관절 모델을 수복 모델로 선택합니다.
3. 파티션 옵션을 클릭하여 2단계에서 복원한 고관절 결함(영향을 받는 쪽)의 3D 모델과 3단계에서 복원된 고관절의 3D 모델을 나눕니다. 그런 다음 차이 연산(Difference Operation) 옵션을 클릭하여 분할된 두 개의 엉덩이 뼈 모델에 대해 차이 연산을 수행하여 비구 결함을 계산합니다. 엉덩이 뼈 모델은 그림 3과 같이 Qin의 방법⁷에 따라 여러 영역으로 나뉩니다.
   참고: 비구벽의 경계 내에서 비구컵의 3-Point 고정(rami ischii, rami ossis pubis 및 비구의 전상부)에 초점을 맞추기 때문에 비구는 내측벽을 제외한 두개골 지붕, 전방 기둥 및 후방 기둥으로 정의되는 120°마다 3개의 동일한 부분으로 나뉩니다. 수술 절차를 안내하기 위해 비구 직경을 기준으로 하위 층을 제작합니다. 남성의 경우 내부 층은 54mm에서 62mm 사이, 외부 층은 62mm에서 70mm 사이에 있어야 하는 것으로 확인되었습니다. 여성의 경우 내부 층은 50mm에서 58mm 사이이고 외부 층은 58mm에서 66mm 사이입니다.

5. 전문가 고관절 재수술 데이터베이스 검색 - 비구 결손 계획

1. 전문가 케이스 베이스를 열고 위에서 설명한 대로 계산된 비구 결함 부피를 검색을 위한 입력으로 사용합니다. 측정 도구를 선택하여 검색된 사례의 수술 전 및 수술 후 X-선 필름에 대한 관련 계획 매개변수를 평가하고 계획 데이터를 얻습니다.
2. 전문가 케이스 베이스를 열고 자동 검색을 위해 고관절 결함의 유형과 양을 입력합니다. 데이터베이스에서 해당 사례의 정보를 얻을 수 있으며, 여기에는 유사한 사례의 수술 전 및 수술 후 이미지와 의사의 계획 매개변수(임플란트 크기, 위치 등)가 포함됩니다.
3. 검색 결과는 가장 높은 유사성에서 가장 낮은 유사성 순으로 표시됩니다. 의사가 가장 유사한 사례를 선택하도록 하십시오. 전체 절차는 그림 4에 나와 있습니다.
4. 위의 데이터베이스에서 유사한 사례를 찾을 수 없는 경우, 온전한 비구의 중심을 비구컵의 중심으로 사용하여 2단계의 모델 재구성 결과를 채택합니다. 기본적으로 비구컵의 전방각은 20°이고 외전각은 40°입니다(이 규칙은 임상적으로 정의되어 있습니다).
   참고: 계획을 세운 후 외과의는 수술 절차를 예측하고 보철물 및 지지 기구를 보다 정밀하게 준비할 수 있습니다. 이 접근 방식은 작업 중에 올바른 보철물을 사용할 수 없는 상황이 발생할 가능성을 제거합니다. 또한 권장 솔루션은 작업 중에 직접 사용되므로 대체 솔루션, 우회 또는 장기간의 시행착오 프로세스의 필요성을 없애줍니다.

현재 이 방법을 고관절 치환술 재수술을 받은 환자 5명(남성 4명, 여성 1명)에게 적용했다. 연령은 42세에서 67세까지 다양했습니다. 이들은 고관절 치환술 후 무균 보철물이 헐거워지는 것으로 진단되었으며 Paprosky 분류⁸에 따라 분류되었습니다. 5명의 환자의 평균 수술 시간은 123.2분이었고, 수술 중 평균 출혈량은 672mL였다. 수술 시간은 대퇴골간 보철물 수정을 포함한 전체 시간입니다. 환자의 세부 정보는 표 1 에 나와 있으며 재건 결과는 그림 5에 표시되어 있습니다.

사례 2를 예로 들자면, 환자는 13년 전에 THA를 받은 67세 여성입니다. 그녀는 2024년 1월 3년 동안 지속된 고관절 통증과 거동성 장애로 병원에 내원했습니다. 진단은 THA 후 보철물 이완, Paparosky를 IIC형으로 분류하고 고관절 치환술 재수술을 제안하는 것이었습니다. 환자의 수술 전 CT 데이터를 시스템으로 가져와서 2017년 11월에 진료를 받은 58세 남성 환자의 CT 데이터와 대조했습니다. 이 환자는 매우 유사한 비구골 결손을 보였습니다. 당시 압박골 이식 기술과 함께 점보컵을 사용하여 수술을 진행한 결과, 완전한 초기 안정성, 5년 추적 관찰에서 유리한 결과, 신뢰할 수 있는 보철물 안정성을 얻을 수 있었습니다. 이 환자를 위해 일관된 수술 계획(압박 뼈 이식 기술이 있는 점보 컵)이 사용되었습니다. 이 프로세스는 수술 중 계획에 소요되는 시간뿐만 아니라 다양한 유형의 패드와 점보 컵을 회수하고 교체하는 데 소요되는 시간을 줄이는 것으로 나타났습니다. 결과적으로 출혈과 감염 위험을 줄이는 것으로 입증되었습니다. 줄기 쪽의 동시 재수술이 필요했기 때문에 수술 중 출혈은 690mL에 달했지만 수술 중 비구 안정성은 만족스러웠습니다. 환자는 8개월 동안 관찰을 받았으며 그 동안 신뢰할 수 있는 결과를 얻었으며 영향을 받은 고관절은 양호한 기능을 보여주었습니다(그림 6). 환자는 통증, 기능 장애, 보철물이 제 위치에 있음을 나타내는 영상, 정상적인 염증 마커, 감염 또는 보철물의 이차적 헐거움의 증거를 포함한 합병증을 보이지 않았습니다.

그림 1: 시스템의 이미지 가져오기 인터페이스. 이 시스템은 로컬 및 PACS 가져오기 기능을 모두 통합합니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 2: 재구성된 3D 모델. 다른 부분은 다른 색상으로 표시됩니다. 파란색: 오른쪽 비구; 빨간색: 오른쪽 대퇴골; 노란색 : 왼쪽 비구; 녹색: 왼쪽 대퇴골. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 3: Qin의 비구 결손의 분할 방법. 비구는 세 개의 결함이있는 부분 (두개골 지붕, 전방 기둥 및 후방 기둥)으로 나뉩니다. 섹터는 내부 레이어와 외부 레이어로 세분화됩니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 4: 고관절 치환술 재수술 계획 절차. 비구 뼈 결손의 재건, 평가 및 계획의 전체 절차. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 5: 환자의 비구를 재건한 결과. 이 그림은 4명의 환자에 대한 재건 결과를 해당 데이터베이스 사례 및 수술 후 결과와 함께 제시합니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 6: 사례 일치의 예. (A) 사례 2의 수술 전 이미지. (B) 사례 2에서 비구골 결손의 재건. (C) 사례 2의 수술 후 이미지. (D) 일치하는 전문가 사례의 수술 전 이미지. (E) 일치하는 전문가 사례에서 비구골 결손의 재건. (F) 일치하는 전문가 사례의 수술 후 이미지. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

표 1: 사례 요약 및 비교.

심각한 해부학적 손상, 고관절 치환술 후 복잡한 연조직 상태, 금속 임플란트와 관련된 심각한 금속 인공물의 존재로 인해, 숙련된 의료 전문가는 환자의 특정 뼈 결손을 평가하고 적절한 비구 보철물을 계획하기 위해 영상 결과 및 임상 소견을 종합적으로 분석하기 위해 3D 재구성을 활용해야 하는 경우가 많다^{9, 10}. 그러나 환자 모델을 재구성하더라도 수술 전 계획은 특히 심각한 비구 결손이 있는 환자를 다룰 때 여전히 임상의의 전문 지식에 크게 의존합니다. 결과적으로, 젊은 의사들은 그러한 환자를 치료할 때 상당한 어려움에 직면하게 됩니다. 비구뼈 결손의 정도를 보다 정확하게 평가하고 복잡한 고관절 수술 전 계획에 대한 이전 경험을 의사를 위한 참고 자료로 활용하기 위해 이 연구는 거의 모든 임상적 유형의 고관절 결손을 포괄하는 전문가 사례 데이터베이스를 사용하면서 특정 기준에 따라 환자를 분류했습니다. 이 데이터베이스의 비구 뼈 결손 평가를 활용함으로써 의사는 수술 후 안정성과 고관절의 기능 회복을 보장하기 위해 적절한 비구 보철물 및 수술 프로토콜을 선택할 수 있습니다.

일차 고관절 치환술은 잘 확립된 절차이지만¹¹, 비구골 결손의 평가는 고관절 치환술 재수술의 성공과 안정성을 보장하는 데 중요한 역할을 한다. X선, 자기공명영상(MRI) 및 CT와 같은 영상 기법은 일반적으로 비구골 결함을 평가하는 데 사용됩니다. 이러한 기법은 골 상태, 결함 크기 및 위치를 포함하여 비구의 구조에 대한 자세한 정보를 제공합니다. 또한, 특정 의료 이미지 분석 소프트웨어를 사용하여 비구 두께를 계산하고 히트 맵 ^12,13,14를 통해 결함을 시각화할 수 있습니다. 그러나 수술 전 이미지에 금속 보철물 아티팩트가 있으면 비구 분할의 정확도에 영향을 미칠 수 있습니다. 이 연구에서는 타사 소프트웨어 알고리즘을 사용하여 후속 작업을 위해 시스템으로 가져오기 전에 아티팩트를 제거했습니다. 인공물 제거 단계의 개선은 향후 연구에서 탐구할 주제입니다. 네트워크는 훈련 세트를 형성하는 실제 아티팩트 이미지와 네트워크 훈련을 위한 레이블 세트를 형성하는 아티팩트가 없는 후처리된 이미지로 훈련되었습니다. 이 접근 방식은 금속 인공물을 제거하는 데 만족스러운 결과를 가져왔습니다. 그 후, U-Net 신경망을 사용하여 원본 이미지를 3차원으로 자동 분할하고 재구성했습니다. 이 연구는 고관절 뼈와 다른 조직 사이의 뚜렷한 밀도 값을 활용하여 고관절에 대해 95%라는 인상적인 분할 정확도를 달성했습니다. 딥 러닝 기술을 적용하면 모델 재구성 시간이 크게 단축되고 수술 계획이 지원되는 동시에 임상 효율성이 향상됩니다. 결과적으로 상당한 실용성과 임상적 가치를 가지고 있습니다.

비구뼈 결손의 형태와 정도에 대한 종합적인 이해와 적절한 재건 계획의 개발은 고관절 재수술의 성공에 중추적인 역할을 한다¹⁵. 차등 계산의 원리로 인해 비구의 모양과 크기는 환자마다 달랐습니다. 따라서 환자가 편측성 결함을 보이는 경우, 본 연구에서는 건강한 쪽의 비구에 따라 거울 처리를 사용했습니다. 그 후, 거울 비구 모델을 재구성 모델로 활용하고, 결함이 있는 비구에 대해 강성 정합을 수행했습니다. 마지막으로, 재구성된 완전 비구와 원래 결함 모델 간의 차이를 계산하여 뼈 결함의 양을 구했습니다. 본 연구에서 뼈 결손의 정도를 계산하기 위해 Qin⁷ 이 제안한 비구 분할 방법을 사용하여 각 분할의 뼈 결손 정도를 측정했습니다. 그런 다음 전문가 데이터베이스의 사례와 상관 관계를 분석했습니다. 환자에게 양측 결손이 있는 경우, 재구성 방법은 PCA 주성분 분석 통계 계산을 기반으로 사전에 많은 수의 완전하고 건강한 비구 데이터를 통해 통계적 형상 모델을 사용하여 후속 결함 계산을 위한 평균 모델 세트를 얻는 것입니다.

정확한 수술 전 계획은 수술 시간을 단축하고, 수술 중 출혈을 줄이며, 수술 결과를 개선할 수 있다¹⁶. 1차 THA에서 3D 수술 전 계획을 적용하면 기존의 2D 계획과 비교하여 비구컵과 대퇴골간 치수, 보철물 이식 위치를 보다 정확하게 예측할 수 있는 것으로 입증되었습니다. 이러한 발전은 THA 수술의 성공에 크게 기여합니다^17,18. 인공지능(AI) 기술의 발전으로 인공지능 기반 THA 3D 계획은 정확성과 효율성이 향상되었음을 입증했다¹⁹. 그럼에도 불구하고 3D 수술 전 계획의 잠재력과 고관절 치환술 재수술에서 AI 기술의 중요한 임상 적용은 아직 완전히 실현되지 않았습니다. 본 연구에서는 고관절 치환술의 임상적 재수술에 3D 수술 전 계획과 AI 기술을 적용하였다. 사례의 적용이 제한적이었고(단 5건) 보철물 일치 크기의 정확도를 평가하는 것은 아직 불가능했지만, 유사한 사례의 자동 일치는 외과의에게 수술 계획에 대한 제안을 제공할 수 있었습니다. 한편, 제안된 계획에 따라 재수술을 받은 환자들은 만족스러운 기능 회복을 보였다. 또한, 이전 연구에서 재수술의 평균 길이는 200-300분이었고 평균 수술 중 출혈은 800-2000mL 20,21,22였습니다. 5명의 환자로 구성된 이 연구 코호트의 평균 수술 시간은 123.2분이었으며 수술 중 출혈은 672mL에 달했습니다. 고관절 치환술 재수술에 대한 새로운 접근법을 활용하면 수술 시간과 수술 중 출혈을 줄일 수 있는 것으로 입증되었습니다.

비구뼈 결손의 재건과 재수술 고관절 치환술에서 수술 전 계획을 위한 전문가 사례 데이터베이스를 활용하는 것은 상당한 이점을 입증했습니다. 특히 경험이 부족한 의료 전문가의 경우 고관절 치환술 재수술에 대한 이전 경험을 활용하면 수술 전 계획의 정확성을 높일 수 있는 귀중한 통찰력과 참고 자료를 제공할 수 있습니다. 복잡한 재수술에 직면했을 때 전문가 사례와 유사한 수술 계획을 채택하면 의사가 필요한 조정을 하거나 환자 상태에 따라 재사용할 수 있으므로 수술 전 계획 시간을 단축하고 임상 효율성을 개선할 수 있습니다. 동시에 환자는 전문가 사례 데이터베이스를 통해 수술 후 결과에 대한 사전 지식을 얻을 수 있습니다. 그러나 제한된 검색 능력과 환자에 대한 제한된 추적 기간으로 인해 전문가 데이터베이스에 액세스하는 데 여전히 제한이 있으며, 치료 효과를 평가하기 위해 추가적인 장기 추적 조사가 필요합니다. 또한, 고관절 치환술 재수술 계획에는 외측 대퇴골이 포함되지 않습니다. 따라서 대퇴 측면 재수술이 문제가 있는 경우 전체 수술 시간이 단축되지 않을 수 있습니다. 각 단계에서 수술 시간의 변화에 대한 통찰력을 얻기 위해 후속 연구는 전체 수술 시간을 섹션별로 기록합니다. 이를 통해 여러 단계에 걸친 수술 시간의 변화를 통계적으로 분석하고 비교할 수 있습니다.

결론
전문가 사례 데이터베이스에서 비구 골 결손 재건 및 검색을 통합하는 수술 전 계획 방법은 의료 전문가를 위한 수술 계획에 대한 새로운 접근 방식을 제시합니다. 사례 데이터베이스에 저장된 전문 지식을 활용하면 복잡한 고관절 수술을 신속하고 정확하게 실행할 수 있습니다.

저자 Xiaolu Xi, Ke Yuan 및 Qiang Xie는 Wuhan United Imaging Surgical Co., Ltd.에 고용되어 있습니다. 나머지 저자는 경쟁 이익이 없음을 선언합니다.

이 작업에서 AI 수술 전 계획 시스템은 Wuhan United Imaging Surgical Co., Ltd.의 지원을 받았습니다.