| 1 |
1
(A) 전립선 주변부 영역에 대한 트레이닝 다중 파라메터 자기공명영상(MR 영상: magnetic resonance imaging)에서 트레이닝 동일 파라메터 MR 영상 간 신호강도 히스토그램을 정규화하는 단계;(B) 정규화된 트레이닝 다중 파라메터 MR 영상에서 특징벡터들을 추출하고 추출된 특징벡터들로부터 정상조직과 전립선암을 분류할 수 있는 최적의 특징벡터를 선별하여 각각의 파라메터 MR 영상에 대한 기계 학습 분류 모델을 획득하는 단계; 및(C) 전립선 주변부 영역에 대한 테스트 다중 파라메터 자기공명영상에서 테스트 동일 파라메터 MR 영상 간 신호강도 히스토그램을 정규화하고, 정규화된 테스트 다중 파라메터 MR 영상을 입력으로 하여 각 파라메터 MR 영상에 대해 상기 선별된 특징벡터들을 추출하고 추출된 특징벡터들에 대해 각 파라메터 MR 영상의 우선순위에 따라 순차적으로 각 파라메터 MR 영상에 대한 기계 학습 분류 모델을 적용하여 전립선 주변부 영역의 전립선암을 검출하는 단계를 포함하는, 다중 파라메터 자기공명영상에서 전립선 주변부 영역의 전립선암 자동 검출 및 국소화 방법
|
| 2 |
2
청구항 1에 있어서,상기 다중 파라메터 MR 영상은,T2강조 MR 영상(T2wMR 영상: T2-weighted MR imaging), 현상확산계수지도(ADC 지도(map)), 및 T1강조 트레이닝 MR 영상(T1wMR 영상: T1-weighted MR imaging)을 포함하는, 다중 파라메터 자기공명영상에서 전립선 주변부 영역의 전립선암 자동 검출 및 국소화 방법
|
| 3 |
3
청구항 2에 있어서,상기 단계 (C)는,(C-1) 전립선 주변부 영역에 대한 테스트 T2wMR 영상, 테스트 ADC 지도(map) 및 테스트 T1wMR 영상 간 신호강도 히스토그램을 정규화하는 단계;(C-2) 전립선 주변부 영역에 대한 정규화된 테스트 T2wMR 영상에서 상기 선별된 특징벡터를 추출하고 추출된 특징벡터에 대해 T2wMR 영상에 대한 기계 학습 분류 모델을 적용하여 전립선 주변부 영역의 전립선암을 검출하는 단계;(C-3) 상기 전립선암으로 검출된 영역에 대해 정규화된 테스트 ADC 지도(map)에서 상기 선별된 특징벡터를 추출하고 추출된 특징벡터에 대해 ADC 지도(map)에 대한 기계 학습 분류 모델을 적용하여 거짓양성영역이 감소된 전립선 주변부 영역의 전립선암을 검출하는 단계; 및(C-4) 거짓양성영역이 감소된 전립선암으로 검출된 영역에 대해 정규화된 테스트 T1wMR 영상에서 상기 선별된 특징벡터를 추출하고 추출된 특징벡터에 대해 T1wMR 영상에 대한 기계 학습 분류 모델을 적용하여 출혈 영역이 제거된 전립선 주변부 영역의 전립선암을 획득하는 단계를 포함하는, 다중 파라메터 자기공명영상에서 전립선 주변부 영역의 전립선암 자동 검출 및 국소화 방법
|
| 4 |
4
청구항 3에 있어서,상기 기계 학습은 서포트 벡터 머신(SVM: support vector machine)을 포함하는, 다중 파라메터 자기공명영상에서 전립선 주변부 영역의 전립선암 자동 검출 및 국소화 방법
|
| 5 |
5
청구항 4에 있어서,상기 단계 (C-4) 이후에,(C-5) 전립선 영상보고 및 데이터 시스템(PI-RADS: Prostate Imaging Reporting and Data System)에 따라 연결요소 레이블링을 통해 소정 크기 이하의 거짓양성 검출영역을 제거하고, 팽창(Dilation) 및 침식(Erosion)을 수행하여 검출 영역 내 홈을 제거하며 경계를 부드럽게 하는 단계를 더 포함하는, 다중 파라메터 자기공명영상에서 전립선 주변부 영역의 전립선암 자동 검출 및 국소화 방법
|
| 6 |
6
청구항 5에 있어서,상기 특징벡터들은,신호강도(signal intensity), 평균(mean), 분산(variance), 표준편차(standard deviation), 비대칭도(skewness), 첨도(kurtosis), 엔트로피(entropy) 및 균일성(uniformity)을 포함하는 히스토그램 특징벡터; 및명암도 동시발생 행렬(GLCM: Gray-Level Co-occurrence Matrix), 명암도 작용길이 행렬(GLRLM: Gray-Level Run Length Matrix) 및 지역이진패턴(LBP: Local Binary Pattern)을 포함하는 텍스처 특징벡터를 포함하는 군 중에서 선택된 적어도 하나를 포함하는, 다중 파라메터 자기공명영상에서 전립선 주변부 영역의 전립선암 자동 검출 및 국소화 방법
|
| 7 |
7
청구항 1에 있어서,상기 단계 (B)에서 상기 추출된 특징벡터들로부터 정상 조직과 전립선 주변부 영역의 전립선암을 분류할 수 있는 최적의 특징벡터를 선별하는 단계는, ReliefF 특징벡터 선택방법을 이용하여 상기 추출된 특징벡터들로부터 정상 조직과 전립선 주변부 영역의 전립선암을 분류할 수 있는 최적의 특징벡터를 선별하는, 다중 파라메터 자기공명영상에서 전립선 주변부 영역의 전립선암 자동 검출 및 국소화 방법
|
| 8 |
8
청구항 7에 있어서,상기 단계 (B)에서 상기 기계 학습 분류 모델에서 사용되는 특징벡터들은 이상치 제거를 위하여 설정된 상위 문턱치(a)와 하위 문턱치(d)에 기반하여 획득되고,a를 전립선암에서 제거되는 상위 문턱치라 하며, b를 정상조직 히스토그램의 최소값이라 하고, c를 전립선암 히스토그램의 최대값이라 하며, d를 정상조직에서 제거되는 하위 문턱치라 할 때, a가 b보다 작을 경우 상위 문턱치는 a에서 b로 대체되고, c가 d보다 작을 경우 하위 문턱치는 d에서 c로 대체되며,T2wMR 영상에서 a는 전립선암영역의 히스토그램의 최고빈도수를 갖는 위치에서 1
|
