| 1 |
1
(A) 내시경 초음파 검사를 통해 내시경 초음파 영상에서 추출한 초음파 영역을 명암도 평균값을 기반으로 초음파 영역을 표준화하는 단계와, (B) 상기 표준화된 초음파 영역에서 종양 영역을 추출하고, 상기 추출된 종양 영역에 Kohonen이 제안한 LVQ 신경망 알고리즘을 적용하여 추출된 스팟(spot) 영역을 다른 영역들과 분리하는 단계와,스팟(spot) 영역을 다른 영역들과 분리하는 단계와,(C) 상기 스팟 영역이 추출된 종양을 분석하여 증상이나 악성화 정보를 분석을 위한 수치 데이터를 산출하는 단계와,(D) 상기 종양 영역의 분석을 통해 산출된 수치데이터를 기반으로 개발된 ART2 기반 RBF 네트워크 알고리즘을 적용하여 질병을 분류하는 단계를 포함하는 것을 특징으로 하는 질병의 진단 방법
|
| 2 |
2
제 1 항에 있어서, 상기 (A) 단계는(A1) 추출한 초음파 영역을 0~255 사이의 명암도 값을 갖는 그레이 레벨로 변환하는 단계와,(A2) 상기 그레이 레벨로 변환된 초음파 영상에 히스토그램 평활화를 적용하여 명암값의 분포를 일정하게 처리하는 단계와,(A3) 상기 히스토그램 평활화를 적용한 초음파 영역 내에 존재하는 에지들을 구성하는 모든 픽셀의 현재 픽셀에서 다음 픽셀을 뺀 절대 값이 임계치 보다 작거나 같은 모든 값들을 현재 픽셀과 연결하고 기록하는 에지 링크(edge-linking) 방법을 적용하는 단계와,(A4) 상기 에지 링크 방법이 적용된 초음파 영역의 임계치를 180으로 설정하여 이진화하는 단계와,(A5) 상기 이진화된 초음파 영역에 자기호출을 이용하여 모든 인접 요소가 라벨링 될 때까지 현재 관심 화소의 주변 인접화소를 차례로 검사하는 GrassFire 알고리즘을 적용하여 라벨링하는 단계와,(A6) 상기 라벨링 된 영역들 중에 가로와 세로가 1:1 비율의 형태를 가지고, 명암도 0인 픽셀 수가 명암도 255인 픽셀 수보다 많은 내시경의 렌즈 영역을 추출하는 단계와,(A7) 상기 추출된 렌즈 영역의 중심 값을 기록한 후, 상기 추출된 렌즈 영역을 제외한 나머지 영역에 대해 상기 GrassFire 알고리즘으로 라벨링하는 단계와,(A8) 상기 라벨링 된 영역에서 잡음을 제거하여 후보 영역을 추출하는 단계와,(A9) 상기 기록한 렌즈의 중심 값과 추출한 후보 영역들의 중심 값을 유클리디안 거리(Euclidean Distance) 방법을 적용하여 거리가 가장 가까운 후보 영역을 최종 영역으로 추출하는 단계와,(A10) 상기 추출된 최종 영역의 명암도 평균값과 초음파 영역의 명암도 평균값을 비교하여 초음파 영역을 표준화하는 단계를 포함하는 것을 특징으로 하는 질병의 진단 방법
|
| 3 |
3
제 2 항에 있어서, 상기 (A9)의 유클리디안 거리(Euclidean Distance) 방법은 수식 를 적용하여 거리(d)를 산출하는 것을 특징으로 하는 질병의 진단 방법
|
| 4 |
4
제 1 항에 있어서, 상기 (B) 단계의 Kohonen이 제안한 LVQ 신경망 알고리즘에서, 중심 벡터의 초기값을 랜덤하게 선택하고, 종양 영역의 명암도 값을 입력 벡터로 적용하기 위해 0과 1 사이의 값으로 정규화하는 것을 특징으로 하는 질병의 진단 방법
|
| 5 |
5
제 4 항에 있어서, 상기 (B) 단계의 스팟 영역은선택된 종양 영역에서 중심 벡터를 랜덤하게 선택하고, 학습률(learning rate)과 반복 횟수를 초기화하는 단계와,선택된 중심 벡터의 승자 노드 K를 다음 수식 를 이용하여 계산하는 단계와, 상기 수식에서의 입력 벡터와 승자 벡터가 같은 클러스터이면 수식 를 적용하고, 입력 벡터와 승자 벡터가 다른 클러스터이면 수식 를 적용하여 계산된 가중치를 갱신하는 단계와,상기 갱신된 가중치를 기반으로 학습률 를 시간에 따라 감소시키면서 학습률을 조정하는 단계를 포함하는 것을 특징으로 하는 질병의 진단 방법
|
| 6 |
6
제 1 항에 있어서, 상기 (C) 단계에서 종양을 분석하는 방법은 명암도 고조의 분포, 칼슘의 침착 여부, 종양의 외곽 형태를 통한 분석 및 에코 분석 중 어느 하나로 이루어지는 것을 특징으로 하는 질병의 진단 방법
|
| 7 |
7
제 1 항에 있어서, 상기 (D) 단계에서의 개선된 ART2 기반 RBF 네트워크 알고리즘은 각 입력 패턴의 거리차를 이용하여 경제 변수를 변경하고, 퍼지 소속함수에 정확성과 부정확성을 적용하여 학습률을 동적으로 조정하는 것을 특징으로 하는 질병의 진단 방법
|
