맞춤기술찾기

이전대상기술

통계적 적응식 추정함수 모델링 기법을 통한 진단 의료 영상의 대비 향상 방법

  • 기술번호 : KST2019009583
  • 담당센터 : 서울동부기술혁신센터
  • 전화번호 : 02-2155-3662
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 진단 의료 영상의 대비 향상 방법으로서, (a) 입력된 진단 의료 영상의 통계적 파라미터를 추출하는 단계; (b) 추출된 통계적 파라미터에 기반하여 활성화 픽셀 영역과 비활성화 픽셀 영역을 구분하는 단계; (c) 상기 입력된 진단 의료 영상 중 상기 비활성화 픽셀 영역에 대해서는 해당 원본 영상의 확률밀도함수를 그대로 적용하고, 상기 활성화 필셀 영역에 대해서는 기모델링된 감마분포곡선에 따른 확률밀도함수를 적용하는 적응식 맵핑 함수를 획득하는 단계; 및 (d) 상기 획득된 적응식 맵핑 함수에 기반하여 상기 입력된 진단 의료 영상에 관한 영상 히스토그램을 재조정하는 단계를 포함하는 진단 의료 영상의 대비 향상 방법이 제공된다.
Int. CL G06T 7/00 (2017.01.01) G06T 5/40 (2006.01.01) G06T 3/40 (2006.01.01)
CPC G06T 7/0014(2013.01) G06T 7/0014(2013.01) G06T 7/0014(2013.01) G06T 7/0014(2013.01)
출원번호/일자 1020170167605 (2017.12.07)
출원인 동국대학교 산학협력단
등록번호/일자 10-2007525-0000 (2019.07.30)
공개번호/일자 10-2019-0067551 (2019.06.17) 문서열기
공고번호/일자 (20190805) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2017.12.07)
심사청구항수 6

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 동국대학교 산학협력단 대한민국 서울특별시 중구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 전준현 경기도 성남시 분당구
2 조운 경기도 성남시 분당구
3 정대원 경기도 용인시 수지구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 강경돈 대한민국 서울특별시 강남구 테헤란로**길 *(역삼동) 조이타워 *층(대신특허사무소)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 동국대학교 산학협력단 서울특별시 중구
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application
2017.12.07 수리 (Accepted) 1-1-2017-1221525-44
2 선행기술조사의뢰서
Request for Prior Art Search
2018.05.10 수리 (Accepted) 9-1-9999-9999999-89
3 선행기술조사보고서
Report of Prior Art Search
2018.07.09 수리 (Accepted) 9-1-2018-0034328-89
4 의견제출통지서
Notification of reason for refusal
2018.09.13 발송처리완료 (Completion of Transmission) 9-5-2018-0628163-56
5 [지정기간연장]기간연장(단축, 경과구제)신청서
[Designated Period Extension] Application of Period Extension(Reduction, Progress relief)
2018.11.09 수리 (Accepted) 1-1-2018-1116093-15
6 [지정기간연장]기간연장(단축, 경과구제)신청서
[Designated Period Extension] Application of Period Extension(Reduction, Progress relief)
2018.12.11 수리 (Accepted) 1-1-2018-1242162-45
7 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment
2019.01.08 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2019-0024424-66
8 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)
2019.01.08 수리 (Accepted) 1-1-2019-0024423-10
9 등록결정서
Decision to grant
2019.05.01 발송처리완료 (Completion of Transmission) 9-5-2019-0316743-88
10 출원인정보변경(경정)신고서
Notification of change of applicant's information
2019.08.16 수리 (Accepted) 4-1-2019-5163486-33
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
진단 의료 영상의 대비 향상 방법으로서,(a) 입력된 진단 의료 영상의 통계적 파라미터를 추출하는 단계; (b) 추출된 통계적 파라미터에 기반하여 활성화 픽셀 영역과 비활성화 픽셀 영역을 구분하는 단계; (c) 상기 입력된 진단 의료 영상 중 상기 비활성화 픽셀 영역에 대해서는 해당 원본 영상의 확률밀도함수를 그대로 적용하고, 상기 활성화 픽셀 영역에 대해서는 기모델링된 감마분포곡선에 따른 확률밀도함수를 적용하는 적응식 맵핑 함수를 획득하는 단계; 및 (d) 상기 획득된 적응식 맵핑 함수에 기반하여 상기 입력된 진단 의료 영상에 관한 영상 히스토그램을 재조정하는 단계를 포함하고,상기 통계적 파라미터는, 그레이 스케일(gray scale)의 진단 의료 영상을 기준으로 할 때, 해당 영상의 전체 픽셀값들의 평균값(μ)과, 해당 영상의 전체 픽셀값들에 관한 분산값(σ2) 및 표준편차값(σ) 중 어느 하나와 관련되며,상기 단계 (b)에서, 상기 입력된 진단 의료 영상 중 픽셀값이 상기 평균값(μ) 보다 작은 값을 갖는 픽셀들의 경우,(b1) 상기 입력된 진단 의료 영상의 상기 평균값(μ)과 2σ 간의 대소 비교 결과에 따라, 상기 평균값이 2σ보다 작은 값을 갖는 경우 상기 평균값(μ)에 대한 정수값(int(μ))을, 그렇지 않은 경우 상기 평균값(μ)에서 2σ를 뺀 값에 대한 정수값(int(μ-2σ))을 제1 기준 픽셀값으로 설정하는 단계; (b2) 상기 제1 기준 픽셀값으로부터 시작하여 제1 조건을 만족할 때까지 픽셀값을 1씩 감산함으로써 제1 경계점을 획득하는 단계-여기서, 상기 제1 조건은 해당 픽셀값이 나올 확률(p(i))이 상기 진단 의료 영상의 전체 픽셀값들에 관한 확률의 평균(Pt)보다 커지는 조건을 의미하며, p(i)가 Pt보다 커지는 최초의 픽셀값이 상기 제1 경계점으로 획득됨-; (b3) 상기 제1 경계점의 픽셀값(Tl) 이하의 픽셀값들은 비활성화 픽셀 영역으로 구분되고, 상기 제1 경계점의 픽셀값(Tl)을 초과하는 픽셀값들은 제1 활성화 픽셀 영역으로 구분되는 단계를 포함하는, 진단 의료 영상의 대비 향상 방법
2 2
삭제
3 3
삭제
4 4
제1항에 있어서,상기 단계 (b)에서, 상기 입력된 진단 의료 영상 중 픽셀값이 상기 평균값(μ) 보다 큰 값을 갖는 픽셀들의 경우,(b4) 상기 입력된 진단 의료 영상의 상기 평균값(μ)과 2σ의 합산값과 최대 픽셀값 간의 대소 비교 결과에 따라, 상기 합산값이 상기 최대 픽셀값 보다 큰 값을 갖는 경우 상기 평균값(μ)에 대한 정수값(int(μ))을, 그렇지 않은 경우 상기 합산값에 대한 정수값(int(μ+2σ))을 제2 기준 픽셀값으로 설정하는 단계;(b5) 상기 제2 기준 픽셀값으로부터 시작하여 제2 조건을 만족할 때까지 픽셀값을 1씩 가산함으로써 제2 경계점을 획득하는 단계-여기서, 상기 제2 조건은 해당 픽셀값이 나올 확률(p(i))이 상기 진단 의료 영상의 전체 픽셀값들에 관한 확률의 평균(Pt)보다 커지는 조건을 의미하며, p(i)가 Pt보다 커지는 최초의 픽셀값이 상기 제2 경계점으로 획득됨-;(b6) 상기 제2 경계점의 픽셀값(Th) 미만의 픽셀값들은 제2 활성화 픽셀 영역으로 구분되고, 상기 제2 경계점의 픽셀값(Th) 이상의 픽셀값들은 비활성화 픽셀 영역으로 구분되는 단계를 포함하는, 진단 의료 영상의 대비 향상 방법
5 5
제4항에 있어서,상기 단계 (c)에서, 상기 적응식 맵핑 함수는 하기 수학식 1에 의해 정의되는, 진단 의료 영상의 대비 향상 방법
6 6
진단 의료 영상 처리 시스템으로서,입력된 진단 의료 영상을 저장하는 메모리와, 상기 진단 의료 영상의 처리를 위한 적어도 하나의 프로세서를 포함하되, 상기 프로세서는,입력된 진단 의료 영상의 통계적 파라미터를 추출하고, 추출된 통계적 파라미터에 기반하여 활성화 픽셀 영역과 비활성화 픽셀 영역을 구분하며, 상기 입력된 진단 의료 영상 중 상기 비활성화 픽셀 영역에 대해서는 해당 원본 영상의 확률밀도함수를 그대로 적용하고 상기 활성화 픽셀 영역에 대해서는 기모델링된 감마분포곡선에 따른 확률밀도함수를 적용하는 적응식 맵핑 함수를 획득하고, 상기 획득된 적응식 맵핑 함수에 기반하여 상기 입력된 진단 의료 영상에 관한 영상 히스토그램을 재조정함으로써, 상기 입력된 진단 의료 영상의 대비(contrast)를 향상시키되,상기 통계적 파라미터는, 그레이 스케일(gray scale)의 진단 의료 영상을 기준으로 할 때, 해당 영상의 전체 픽셀값들의 평균값(μ)과, 해당 영상의 전체 픽셀값들에 관한 분산값(σ2) 및 표준편차값(σ) 중 어느 하나와 관련되며,상기 프로세서는, 상기 활성화 픽셀 영역과 상기 비활성화 픽셀 영역을 구분함에 있어서, 상기 입력된 진단 의료 영상 중 픽셀값이 상기 평균값(μ) 보다 작은 값을 갖는 픽셀들의 경우,상기 입력된 진단 의료 영상의 상기 평균값(μ)과 2σ 간의 대소 비교 결과에 따라, 상기 평균값이 2σ보다 작은 값을 갖는 경우 상기 평균값(μ)에 대한 정수값(int(μ))을, 그렇지 않은 경우 상기 평균값(μ)에서 2σ를 뺀 값에 대한 정수값(int(μ-2σ))을 제1 기준 픽셀값으로 설정하고,상기 제1 기준 픽셀값으로부터 시작하여 제1 조건을 만족할 때까지 픽셀값을 1씩 감산함으로써 제1 경계점을 획득하며-여기서, 상기 제1 조건은 해당 픽셀값이 나올 확률(p(i))이 상기 진단 의료 영상의 전체 픽셀값들에 관한 확률의 평균(Pt)보다 커지는 조건을 의미하며, p(i)가 Pt보다 커지는 최초의 픽셀값이 상기 제1 경계점으로 획득됨-,상기 제1 경계점의 픽셀값(Tl) 이하의 픽셀값들은 비활성화 픽셀 영역으로 구분되고, 상기 제1 경계점의 픽셀값(Tl)을 초과하는 픽셀값들은 제1 활성화 픽셀 영역으로 구분되는 것을 특징으로 하는, 진단 의료 영상 처리 시스템
7 7
삭제
8 8
삭제
9 9
제6항에 있어서,상기 프로세서는, 상기 활성화 픽셀 영역과 상기 비활성화 픽셀 영역을 구분함에 있어서, 상기 입력된 진단 의료 영상 중 픽셀값이 상기 평균값(μ) 보다 큰 값을 갖는 픽셀들의 경우,상기 입력된 진단 의료 영상의 상기 평균값(μ)과 2σ의 합산값과 최대 픽셀값 간의 대소 비교 결과에 따라, 상기 합산값이 상기 최대 픽셀값 보다 큰 값을 갖는 경우 상기 평균값(μ)에 대한 정수값(int(μ))을, 그렇지 않은 경우 상기 합산값에 대한 정수값(int(μ+2σ))을 제2 기준 픽셀값으로 설정하고,상기 제2 기준 픽셀값으로부터 시작하여 제2 조건을 만족할 때까지 픽셀값을 1씩 가산함으로써 제2 경계점을 획득하며-여기서, 상기 제2 조건은 해당 픽셀값이 나올 확률(p(i))이 상기 진단 의료 영상의 전체 픽셀값들에 관한 확률의 평균(Pt)보다 커지는 조건을 의미하며, p(i)가 Pt보다 커지는 최초의 픽셀값이 상기 제2 경계점으로 획득됨-,상기 제2 경계점의 픽셀값(Th) 미만의 픽셀값들은 제2 활성화 픽셀 영역으로 구분되고, 상기 제2 경계점의 픽셀값(Th) 이상의 픽셀값들은 비활성화 픽셀 영역으로 구분되는 것을 특징으로 하는, 진단 의료 영상 처리 시스템
10 10
제9항에 있어서,상기 적응식 맵핑 함수는 하기 수학식 2에 의해 정의되는, 진단 의료 영상 처리 시스템
11 11
삭제
지정국 정보가 없습니다
패밀리정보가 없습니다
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 교육부 동국대학교산학협력단 산학협력선도대학(LINC+)육성 [LINC+기술개발] 뇌·혈관 의료영상의 정밀 진단을 위한 인공지능 기반 퍼지 클러스터링 기술 개발