1 |
1
악성 종양 예측 장치가 의료 영상을 이용하여 대상체 내의 악성 종양을 예측하는 방법에 있어서,대상체의 의료 영상으로부터 검출된 적어도 하나의 매스(mass)의 위치 정보 및 상기 적어도 하나의 매스가 악성 종양일 제 1 확률을 획득하는 단계;상기 의료 영상으로부터 검출된 적어도 하나의 미세석회(microcalcification)의 위치 정보 및 상기 적어도 하나의 미세석회가 진정 미세석회(true microcalcification)일 제 2 확률을 획득하는 단계;상기 적어도 하나의 매스의 위치 정보 및 상기 적어도 하나의 미세석회의 위치 정보를 기초로 상기 대상체의 동일한 위치에 존재하는 제 1 매스와 제 1 미세석회를 결정하는 단계; 및상기 제 1 매스의 제 1 확률과 상기 제 1 미세석회의 제 2 확률을 이용하여, 상기 제 1 매스의 악성 종양 확률을 결정하는 단계를 포함하는 것을 특징으로 하는, 방법
|
2 |
2
삭제
|
3 |
3
제1항에 있어서,상기 제 1 매스와 제 1 미세석회를 결정하는 단계는,상기 제 1 미세석회의 중심이 상기 제 1 매스의 경계선 내부에 위치하는지를 판단하는 단계를 포함하는 것을 특징으로 하는, 방법
|
4 |
4
제1항에 있어서,상기 제 1 매스의 악성 종양 확률을 결정하는 단계는,상기 제 1 매스의 제 1 확률과 상기 제 1 미세석회의 제 2 확률을 로지스틱 회귀 분석(logistic regression)에 적용하여 상기 제 1 매스의 악성 종양 확률을 결정하는 단계를 포함하는 것을 특징으로 하는, 방법
|
5 |
5
제4항에 있어서,상기 제 1 매스가 악성 종양일 경우(EM)의 확률이 제 1 확률(pM)이고, 상기 제 1 미세석회가 진정 미세석회일 경우(EMC)의 확률이 제 2 확률(pMC)인 경우, 상기 제 1 매스의 악성 종양 확률은 하기의 수학식에 의해 결정되며,상기 α0, α1, α2는 회귀 계수인 것을 특징으로 하는, 방법
|
6 |
6
제5항에 있어서,상기 제 1 미세석회가 복수 개인 경우, 상기 제 2 확률(pMC)은 하기의 수학식에 의해 결정되며,상기 i는 상기 제 1 미세석회의 인덱스, 상기 N은 제 1 미세석회의 개수 및 상기 p(i)MC는 i번째 제 1 미세석회의 제 2 확률인 것을 특징으로 하는, 방법
|
7 |
7
제1항에 있어서,상기 제 1 매스의 악성 종양 확률을 결정하는 단계는,상기 제 1 매스의 제 1 확률과 상기 제 1 미세석회의 제 2 확률을 베이시안 네트워크(Bayesian Network)에 적용하여 상기 제 1 매스의 악성 종양 확률을 결정하는 단계를 포함하는 것을 특징으로 하는, 방법
|
8 |
8
제1항에 있어서,상기 제 1 매스의 악성 종양 확률을 결정하는 단계는,상기 제 1 확률 및 상기 제 2 확률을 시그모이드(sigmoid) 함수를 사용하여 정규화하는 단계를 포함하는 것을 특징으로 하는, 방법
|
9 |
9
제1항 및 제3항 내지 제8항 중 어느 하나의 항의 악성 종양 예측 방법을 실행하기 위한 컴퓨터 프로그램을 기록한 컴퓨터로 판독 가능한 기록 매체
|
10 |
10
대상체의 의료 영상으로부터 검출된 적어도 하나의 매스(mass)의 위치 정보 및 상기 적어도 하나의 매스가 악성 종양일 제 1 확률을 획득하고, 상기 의료 영상으로부터 검출된 적어도 하나의 미세석회(microcalcification)의 위치 정보 및 상기 적어도 하나의 미세석회가 진정 미세석회(true microcalcification)일 제 2 확률을 획득하고, 상기 적어도 하나의 매스의 위치 정보 및 상기 적어도 하나의 미세석회의 위치 정보를 기초로 상기 대상체의 동일한 위치에 존재하는 제 1 매스와 제 1 미세석회를 결정하고, 상기 제 1 매스의 제 1 확률과 상기 제 1 미세석회의 제 2 확률을 이용하여, 상기 제 1 매스의 악성 종양 확률을 결정하는 하나 이상의 프로세서를 포함하는 것을 특징으로 하는 악성 종양 예측 장치
|
11 |
11
삭제
|
12 |
12
제10항에 있어서,상기 하나 이상의 프로세서는,상기 제 1 미세석회의 중심이 상기 제 1 매스의 경계선 내부에 위치하는지를 판단하는 것을 특징으로 하는 악성 종양 예측 장치
|
13 |
13
제10항에 있어서,상기 하나 이상의 프로세서는,상기 제 1 매스의 제 1 확률과 상기 제 1 미세석회의 제 2 확률을 로지스틱 회귀 분석(logistic regression)에 적용하여 상기 제 1 매스의 악성 종양 확률을 결정하는 것을 특징으로 하는 악성 종양 예측 장치
|
14 |
14
제13항에 있어서,상기 제 1 매스가 악성 종양일 경우(EM)의 확률이 제 1 확률(pM)이고, 상기 제 1 미세석회가 진정 미세석회일 경우(EMC)의 확률이 제 2 확률(pMC)인 경우, 상기 제 1 매스의 악성 종양 확률은 하기의 수학식에 의해 결정되며,상기 α0, α1, α2는 회귀 계수인 것을 특징으로 하는 악성 종양 예측 장치
|
15 |
15
제14항에 있어서,상기 제 1 미세석회가 복수 개인 경우, 상기 제 2 확률(pMC)은 하기의 수학식에 의해 결정되며,상기 i는 상기 제 1 미세석회의 인덱스, 상기 N은 제 1 미세석회의 개수 및 상기 p(i)MC는 i번째 제 1 미세석회의 제 2 확률인 것을 특징으로 하는 악성 종양 예측 장치
|
16 |
16
제10항에 있어서,상기 하나 이상의 프로세서는,상기 제 1 매스의 제 1 확률과 상기 제 1 미세석회의 제 2 확률을 베이시안 네트워크(Bayesian Network)에 적용하여 상기 제 1 매스의 악성 종양 확률을 결정하는 것을 특징으로 하는 악성 종양 예측 장치
|
17 |
17
제10항에 있어서,상기 하나 이상의 프로세서는,상기 제 1 확률 및 상기 제 2 확률을 시그모이드(sigmoid) 함수를 사용하여 정규화하는 것을 특징으로 하는 악성 종양 예측 장치
|