1 |
1
의료 영상에 기반하여 피검체의 치매에 대한 중증도를 산출하는 방법에 있어서, (a) 컴퓨팅 장치의 통신부에 의하여 구현되는 영상 획득 모듈이, 상기 피검체의 뇌 영상을 획득하거나 상기 컴퓨팅 장치의 통신부를 통하여 연동되는 타 장치로 하여금 상기 뇌 영상을 획득하도록 지원하는 단계; (b) 상기 컴퓨팅 장치의 프로세서에 의하여 구현되는 심층 신경망 모듈이, 제1 심층 신경망 모델을 통하여 상기 치매에 관련된 것으로 미리 지정된 다수의 뇌 영역을 상기 뇌 영상으로부터 영역분류(parcellation)하거나 상기 타 장치로 하여금 영역분류하도록 지원하는 단계로서, 상기 다수의 뇌 영역은 4 이상 130 이하 개수의 뇌 영역이고, 상기 영역분류는 공정합(co-registration) 없이 단대단(end-to-end)으로 수행되는, 단계; 및 (c) 상기 컴퓨팅 장치의 프로세서에 의하여 구현되는 상기 심층 신경망 모듈이, 제2 심층 신경망 모델을 통하여 상기 영역분류의 결과 및 상기 피검체의 속성 정보에 기초하여 상기 피검체를 치매 유병 또는 정상으로 분류한 분류 정보를 생성하거나 상기 타 장치로 하여금 생성하도록 지원하는 단계로서, 상기 분류 정보는 상기 치매 유병의 위험도를 포함하는, 단계; 를 포함하되,상기 제2 심층 신경망 모델은, 상기 영역분류의 결과인 상기 뇌 영상의 뇌 영역 간의 상호 연결 상태를 판정하도록 훈련된 것을 특징으로 하는 치매 중증도 산출 방법
|
2 |
2
제1항에 있어서, 상기 제1 심층 신경망 모델은, (i) 다수의 치매 환자의 뇌 영상; 및 (ii) 다수의 인지적 정상(cognitively normal; CN)인 사람의 뇌 영상 및 다수의 경도성인지장애(mild cognitive impairment; MCI)인 사람의 뇌 영상 중 적어도 1가지 이상을 이용하여 훈련된 것임을 특징으로 하는 치매 중증도 산출 방법
|
3 |
3
제2항에 있어서, 상기 제1 심층 신경망 모델은 입력되는 뇌 영상의 형태, 질감, 전역적 위치 및 구조적 특징을 포함하는 영상 특징을 추출함으로써 상기 영역분류가 수행되는 것을 특징으로 하는 치매 중증도 산출 방법
|
4 |
4
삭제
|
5 |
5
삭제
|
6 |
6
제1항에 있어서, 상기 (c) 단계는, 상기 영역분류의 결과인 상기 뇌 영상의 뇌 영역 각각에 대한 부피 분포(volume distribution)가 반영되는 것을 특징으로 하는 치매 중증도 산출 방법
|
7 |
7
제1항에 있어서, (d) 상기 컴퓨팅 장치의 통신부에 의하여 구현되는 출력 모듈이, 상기 분류 정보를 외부 엔티티에 제공하거나 상기 타 장치로 하여금 제공하도록 지원하는 단계를 더 포함하는 치매 중증도 산출 방법
|
8 |
8
컴퓨팅 장치로 하여금, 제1항 내지 제3항, 제6항 및 제7항 중 어느 한 항의 방법을 수행하도록 구현된 명령어(instructions)를 포함하는, 기계 판독 가능한 비일시적 기록 매체에 저장된, 컴퓨터 프로그램
|
9 |
9
의료 영상에 기반하여 피검체의 치매에 대한 중증도를 산출하는 컴퓨팅 장치에 있어서, 상기 피검체의 뇌 영상을 획득하는 통신부; 및 (i) 제1 심층 신경망 모델을 통하여, 상기 치매에 관련된 것으로 미리 지정된 다수의 뇌 영역을 상기 뇌 영상으로부터 영역분류(parcellation)하는 프로세스로서, 상기 다수의 뇌 영역은 4 이상 130 이하 개수의 뇌 영역이고, 상기 영역분류는 공정합(co-registration) 없이 단대단(end-to-end)으로 수행되는, 프로세스, 및 (ii) 제2 심층 신경망 모델을 통하여, 상기 영역분류의 결과 및 상기 피검체의 속성 정보에 기초하여 상기 피검체를 치매 유병 또는 정상으로 분류한 분류 정보를 생성하는 프로세스로서, 상기 분류 정보는 상기 치매 유병의 위험도를 포함하는, 프로세스를 수행하거나 상기 통신부를 통하여 연동되는 타 장치로 하여금 수행하도록 지원하는 프로세서를 포함하되, 상기 제2 심층 신경망 모델은, 상기 영역분류의 결과인 상기 뇌 영상의 뇌 영역 간의 상호 연결 상태를 판정하도록 훈련된 것을 특징으로 하는 치매 중증도 산출 장치
|