| 1 |
1
기계 학습을 기반으로 한 알츠하이머 병의 결정 방법은,알츠하이머 병 결정 장치가, 정상인 그룹의 뇌 영상으로부터 추출된 제1 대뇌 피질 형상 및 알츠하이머 병 환자 그룹의 뇌 영상으로부터 추출된 제2 대뇌 피질 형상으로부터 피질 두께를 추출하고, 상기 제1 대뇌 피질 형상 및 상기 제2 대뇌 피질 형상에 대한 영상 처리를 수행하여 정점 샘플링된 제1 대뇌 피질 형상 및 정점 샘플링된 제2 대뇌 피질 형상을 생성하는 단계;상기 알츠하이머 병 결정 장치가, 상기 정점 샘플링된 제1 대뇌 피질 형상 및 상기 정점 샘플링된 제2 대뇌 피질 형상을 주파수 도메인으로 변환한 후 컷 오프 차원을 기반으로 피질 두께 데이터의 고 주파수 대역 요소를 제거하는 노이즈 제거 절차를 진행하여, 피질 두께값 중 저 주파수 대역 성분들만으로 구성된 제1 특징 벡터를 상기 정점 샘플링된 제1 대뇌 피질 형상에서 추출하고, 피질 두께값 중 저 주파수 대역 성분들만으로 구성된 제2 특징 벡터를 상기 정점 샘플링된 제2 대뇌 피질 형상에서 추출하는 단계;상기 알츠하이머 병 결정 장치가, 상기 제1 특징 벡터 및 상기 제2 특징 벡터를 기반으로 상기 알츠하이머 병의 결정을 위한 판단 기준을 결정하는 단계; 및상기 알츠하이머 병 결정 장치가, 새롭게 입력된 입력 대뇌 피질 형상에 대하여 상기 판단 기준을 기반으로 상기 알츠하이머 병의 발병 여부를 결정하는 단계를 포함하는 방법
|
| 2 |
2
제1항에 있어서,상기 영상 처리는 상기 제1 대뇌 피질 형상 및 상기 제2 대뇌 피질 형상 각각에 대한 대뇌 피질 표면 모델을 생성하고, 상기 대뇌 피질 표면 모델에 포함되는 복수의 정점을 다운샘플링하는 것을 특징을 하는 방법
|
| 3 |
3
제2항에 있어서,상기 노이즈 제거 절차는 상기 정점 샘플링된 제1 대뇌 피질 형상 및 상기 정점 샘플링된 제2 대뇌 피질 형상을 주파수 도메인으로 변환하고, 상기 주파수 도메인 상에서 고 주파수 대역을 제거하고, 상기 고 주파수 대역은 컷-오프 차원(cut-off dimension)을 기반으로 결정되고, 상기 컷-오프 차원은 컷-오프 차원 결정 계수(G)에 의해 결정되는 것을 특징으로 하는 방법
|
| 4 |
4
제3항에 있어서,상기 컷-오프 차원 결정 계수(G)는 아래의 수학식을 기반으로 결정되고, 003c#수학식003e#여기서, cj 는 상기 정상인 그룹 및 상기 알츠하이머 병 환자 그룹을 포함하는 트레이닝 집합에서 j번째 트레이닝 대상의 정점 샘플링된 대뇌 피질 두께 데이터이고, 는 j번째 대상의 k번째 주파수 요소이고, N은 트레이닝 대상의 개수이고, F는 대뇌 피질 두께 데이터를 위한 상기 컷-오프 차원이고, 는 상기 컷-오프 차원을 고려하여 상기 노이즈 제거 절차에 의해 노이즈 필터링된 j번째 대상의 대뇌 피질 두께 데이터이고, 상기 고 주파수 대역의 제거를 위한 상기 컷-오프 차원은 상기 G를 0
|
| 5 |
5
제4항에 있어서, 상기 판단 기준은,PCA(principal component analysis) 변환을 기반으로 상기 제1 특징 벡터 및 상기 제2 특징 벡터의 차원을 감소시키는 단계;감소된 차원의 상기 제1 특징 벡터 및 감소된 차원의 상기 제2 특징 벡터를 기반으로 새로운 트레이닝 집합을 생성하는 단계; 및LDA(linear discriminant analysis)를 사용하여 상기 새로운 트레이닝 집합을 기반으로 상기 정상인 그룹과 상기 알츠하이머 병 환자 그룹 간의 분산을 최대로 하고, 상기 정상인 그룹 내의 분산 및 상기 알츠하이머 병 환자 그룹 내의 분산을 최소로 하는 상기 판단 기준을 생성하는 단계를 기반으로 결정되는 것을 특징으로 하는 방법
|
| 6 |
6
기계 학습을 기반으로 한 알츠하이머 병을 결정하는 알츠하이머 병 결정 장치에 있어서, 상기 알츠하이머 병 결정 장치는 프로세서를 포함하고, 상기 프로세서는,정상인 그룹의 뇌 영상으로부터 추출된 제1 대뇌 피질 형상 및 알츠하이머 병 환자 그룹의 뇌 영상으로부터 추출된 제2 대뇌 피질 형상으로부터 피질 두께를 추출하고, 상기 제1 대뇌 피질 형상 및 상기 제2 대뇌 피질 형상에 대한 영상 처리를 수행하여 정점 샘플링된 제1 대뇌 피질 형상 및 정점 샘플링된 제2 대뇌 피질 형상을 생성하고,상기 정점 샘플링된 제1 대뇌 피질 형상 및 상기 정점 샘플링된 제2 대뇌 피질 형상을 주파수 도메인으로 변환한 후 컷 오프 차원을 기반으로 피질 두께 데이터의 고 주파수 대역 요소를 제거하는 노이즈 제거 절차를 진행하여, 피질 두께값 중 저 주파수 대역 성분들만으로 구성된 제1 특징 벡터를 상기 정점 샘플링된 제1 대뇌 피질 형상에서 추출하고, 피질 두께값 중 저 주파수 대역 성분들만으로 구성된 제2 특징 벡터를 상기 정점 샘플링된 제2 대뇌 피질 형상에서 추출하고,상기 제1 특징 벡터 및 상기 제2 특징 벡터를 기반으로 상기 알츠하이머 병의 결정을 위한 판단 기준을 결정하고,새롭게 입력된 입력 대뇌 피질 형상에 대하여 상기 판단 기준을 기반으로 상기 알츠하이머 병의 발병 여부를 결정하도록 구현되는 것을 특징으로 하는 알츠하이머 병 결정 장치
|
| 7 |
7
제6항에 있어서,상기 영상 처리는 상기 제1 대뇌 피질 형상 및 상기 제2 대뇌 피질 형상 각각에 대한 대뇌 피질 표면 모델을 생성하고, 상기 대뇌 피질 표면 모델에 포함되는 복수의 정점을 다운샘플링하는 것을 특징을 하는 알츠하이머 병 결정 장치
|
| 8 |
8
제7항에 있어서,상기 노이즈 제거 절차는 상기 정점 샘플링된 제1 대뇌 피질 형상 및 상기 정점 샘플링된 제2 대뇌 피질 형상을 주파수 도메인으로 변환하고, 상기 주파수 도메인 상에서 고 주파수 대역을 제거하고, 상기 고 주파수 대역은 컷-오프 차원(cut-off dimension)을 기반으로 결정되고, 상기 컷-오프 차원은 컷-오프 차원 결정 계수(G)에 의해 결정되는 것을 특징으로 하는 알츠하이머 병 결정 장치
|
| 9 |
9
제8항에 있어서,상기 컷-오프 차원 결정 계수(G)는 아래의 수학식을 기반으로 결정되고, 003c#수학식003e#여기서, cj 는 상기 정상인 그룹 및 상기 알츠하이머 병 환자 그룹을 포함하는 트레이닝 집합에서 j번째 트레이닝 대상의 정점 샘플링된 대뇌 피질 두께 데이터이고, 는 j번째 대상의 k번째 주파수 요소이고, N은 트레이닝 대상의 개수이고, F는 대뇌 피질 두께 데이터를 위한 상기 컷-오프 차원이고, 는 상기 컷-오프 차원을 고려하여 상기 노이즈 제거 절차에 의해 노이즈 필터링된 j번째 대상의 대뇌 피질 두께 데이터이고, 상기 고 주파수 대역의 제거를 위한 상기 컷-오프 차원은 상기 G를 0
|
| 10 |
10
제9항에 있어서, 상기 판단 기준은,PCA(principal component analysis) 변환을 기반으로 상기 제1 특징 벡터 및 상기 제2 특징 벡터의 차원을 감소시키는 단계;감소된 차원의 상기 제1 특징 벡터 및 감소된 차원의 상기 제2 특징 벡터를 기반으로 새로운 트레이닝 집합을 생성하는 단계; 및LDA(linear discriminant analysis)를 사용하여 상기 새로운 트레이닝 집합을 기반으로 상기 정상인 그룹과 상기 알츠하이머 병 환자 그룹 간의 분산을 최대로 하고, 상기 정상인 그룹 내의 분산 및 상기 알츠하이머 병 환자 그룹 내의 분산을 최소로 하는 상기 판단 기준을 생성하는 단계를 기반으로 결정되는 것을 특징으로 하는 알츠하이머 병 결정 장치
|
