| 1 |
1
병변 스크리닝 장치에 의하여 수행되는 병변 스크리닝 방법에 있어서,3차원 단층 영상을 입력받는 단계;상기 입력된 3차원 단층 영상에서 후보 병변 영역을 3차원 패치(patch)로 추출하는 단계;상기 3차원 패치를 기준으로 복수의 제1 3차원 다중 시야 패치를 추출하는 단계;상기 추출된 복수의 3차원 다중 시야 패치의 크기를 동일한 스케일로 조정하는 단계;콘볼루션 신경망(CNN: convolutional neural network)을 이용하여, 동일한 스케일을 갖는 복수의 제2 3차원 다중 시야 패치를 줌인(zoom-in) 및 줌아웃(zoom-out)하여 줌인 스트림 특징맵(zoom-in stream feature map) 및 줌아웃 스트림 특징맵(zoom-out stream feature map)을 산출하는 단계;상기 산출된 줌인 스트림 특징맵과 줌아웃 스트림 특징맵을 통합하는 단계; 및상기 통합된 특징맵을 이용하여 후보 병변 영역을 분류하여 분류 결과 정보를 제공하는 단계를 포함하는 병변 스크리닝 방법
|
| 2 |
2
제1항에 있어서,상기 후보 병변 영역을 3차원 패치로 추출하는 단계는,상기 입력된 3차원 단층 영상을 미리 설정된 사이즈를 가지는 격자로 분할하는 단계;상기 분할된 각 격자 영상으로부터 병변의 위치를 나타내는 특징맵(feature map)을 획득하는 단계;상기 획득된 특징맵을 이용하여 격자 단위로 병변의 존재 여부를 확인하여 병변이 존재하는 격자를 검출하는 단계; 및상기 검출된 격자를 후보 병변 영역으로 추출하는 단계를 포함하는 것을 특징으로 하는 병변 스크리닝 방법
|
| 3 |
3
제1항에 있어서,상기 3차원 패치로 추출되는 상기 후보 병변 영역은 회귀(regression) 알고리즘을 이용한 모델로 생성되며, 상기 생성된 모델은 딥러닝 인공신경망으로 학습되는 것을 특징으로 하는 병변 스크리닝 방법
|
| 4 |
4
제3항에 있어서,상기 회귀 알고리즘은, 상기 3차원 패치의 좌표정보(x, y, z), 너비(width), 높이(height) 및 깊이(depth)의 최적값을 산출하는 손실함수로 나타내어지는 것을 특징으로 하는 병변 스크리닝 방법
|
| 5 |
5
제1항에 있어서,상기 복수의 제1 3차원 다중 시야 패치를 추출하는 단계는,상기 3차원 패치의 중심을 기준으로, 상기 3차원 패치의 크기보다 미리 설정된 크기만큼 일정하게 증가된 3차원 다중 시야 패치를 추출하는 것을 특징으로 하는 병변 스크리닝 방법
|
| 6 |
6
제5항에 있어서,상기 복수의 제1 3차원 다중 시야 패치는 상기 3차원 패치 및 3차원 패치보다 더 넓은 시야를 가지는 3차원 패치들을 포함하는 것을 특징으로 하는 병변 스크리닝 방법
|
| 7 |
7
제1항에 있어서,상기 추출된 복수의 제1 3차원 다중 시야 패치의 크기를 동일한 스케일로 조정하는 단계는,상기 복수의 제1 3차원 다중 시야 패치의 크기를 상기 3차원 패치의 크기로 일치시키는 것을 특징으로 하는 병변 스크리닝 방법
|
| 8 |
8
제1항에 있어서,상기 줌인 스트림 특징맵과 줌아웃 스트림 특징맵을 산출하는 단계는,상기 복수의 제2 3차원 다중 시야 패치 중에서 가장 넓은 시야의 3차원 패치로부터 가장 좁은 시야의 3차원 패치까지 순차적으로, 각 패치와 각 패치로부터 획득된 특징맵을 결합연산(concatenation)하여 상기 줌인 스트림 특징맵을 산출하는 단계; 및상기 복수의 제2 3차원 다중 시야 패치 중에서 가장 좁은 시야의 3차원 패치로부터 가장 넓은 시야의 3차원 패치까지 순차적으로, 각 패치와 각 패치로부터 획득된 특징맵을 결합연산하여 상기 줌아웃 스트림 특징맵을 산출하는 단계를 포함하는 것을 특징으로 하는 병변 스크리닝 방법
|
| 9 |
9
제1항에 있어서,상기 복수의 제2 3차원 다중 시야 패치는, 가장 넓은 시야의 제1 패치, 중간 시야의 제2 패치 및 가장 좁은 시야의 제3 패치를 포함하며,상기 줌인 스트림 특징맵과 줌아웃 스트림 특징맵을 산출하는 단계는,상기 제1 패치로부터 제1 특징맵이 획득되고, 상기 제1 특징맵과 상기 제2 패치를 결합연산하여 제2 특징맵이 산출되고, 상기 제2 특징맵과 상기 제3 패치를 결합연산하여 상기 줌인 스트림 특징맵이 산출되는 단계를 포함하는 것을 특징으로 하는 병변 스크리닝 방법
|
| 10 |
10
제9항에 있어서,상기 줌인 스트림 특징맵과 줌아웃 스트림 특징맵을 산출하는 단계는,상기 제3 패치로부터 제3 특징맵이 획득되고, 상기 제3 특징맵과 상기 제2 패치를 결합연산하여 제4 특징맵이 산출되고, 상기 제4 특징맵과 상기 제1 패치를 결합연산하여 상기 줌아웃 스트림 특징맵이 산출되는 단계를 포함하는 것을 특징으로 하는 병변 스크리닝 방법
|
| 11 |
11
제1항에 있어서,상기 분류 결과 정보는 상기 후보 병변 영역에 대한 병변 유무 정보 및 병변 위치 정보를 포함하되,상기 병변 유무 정보는 병변인 경우의 병변인 확률값 또는 병변이 아닌 경우의 병변이 아닌 확률값을 포함하고,상기 병변 위치 정보는 상기 후보 병변 영역을 나타내는 3차원 패치의 좌표정보, 너비, 높이 및 깊이를 포함하는 것을 특징으로 하는 병변 스크리닝 방법
|
| 12 |
12
병변 스크리닝 장치에 있어서,명령어를 저장하는 메모리; 및상기 명령어를 실행하는 프로세서를 포함하되,상기 명령어는,3차원 단층 영상을 입력받는 단계;상기 입력된 3차원 단층 영상에서 후보 병변 영역을 3차원 패치(patch)로 추출하는 단계;상기 3차원 패치를 기준으로 복수의 제1 3차원 다중 시야 패치를 추출하는 단계;상기 추출된 복수의 제1 3차원 다중 시야 패치의 크기를 동일한 스케일로 조정하는 단계;콘볼루션 신경망(CNN: convolutional neural network)을 이용하여, 동일한 스케일을 갖는 복수의 제2 3차원 다중 시야 패치를 줌인(zoom-in) 및 줌아웃(zoom-out)하여 줌인 스트림 특징맵(zoom-in stream feature map) 및 줌아웃 스트림 특징맵(zoom-out stream feature map)을 산출하는 단계;상기 산출된 줌인 스트림 특징맵과 줌아웃 스트림 특징맵을 통합하는 단계; 및상기 통합된 특징맵을 이용하여 후보 병변 영역을 분류하여 분류 결과 정보를 제공하는 단계를 포함하는 병변 스크리닝 방법을 수행하는 것을 특징으로 하는 병변 스크리닝 장치
|
