1 |
1
캡슐 내시경이 인체 내부의 소장에서 촬영한 테스트 영상을 수신하는 단계;미리 학습된 뉴럴 네트워크를 적용하여, 상기 인체 내부 상기 소장에 변화가 있는 경우 상기 테스트 영상에서 상기 변화에 대응하는 영상 프레임을 식별하는 단계; 및상기 뉴럴 네트워크를 적용하여, 상기 인체 내부의 병변에 관한 정보를 추정하고 상기 식별된 영상 프레임에 상기 정보를 태깅하는 단계를 포함하고,상기 뉴럴 네트워크는 소장에 존재하는 병변과 관련된 학습 영상에 대한 제1 색 공간(color space) 및 상기 제1 색 공간과 다른 제2 색 공간을 이용하여 학습되는,뉴럴 네트워크를 이용한 병변 판독 방법
|
2 |
2
제1항에 있어서,상기 병변에 관한 정보는, 상기 병변의 종류(classification), 심각도(severity), 상기 병변이 의심되는 영상 프레임 ID를 포함하는, 뉴럴 네트워크를 이용한 병변 판독 방법
|
3 |
3
캡슐 내시경이 인체 내부의 소장에서 촬영한 제1 테스트 영상을 수신하는 단계;상기 캡슐 내시경과 다른 의료 영상 진단 방법에 의해 획득된 제2 테스트 영상으로부터 사전에 분석된 병변 의심 위치를 식별하는 단계;상기 제1 테스트 영상과 상기 제2 테스트 영상을 매핑하는 단계;상기 제2 테스트 영상의 상기 병변 의심 위치에 대응하는 상기 제1 테스트 영상의 프레임에 대해 어텐션(attention)을 적용하여, 뉴럴 네트워크에 의해 상기 제1 테스트 영상에서 병변 의심 여부를 판단하는 단계를 포함하고,상기 뉴럴 네트워크는 소장에 존재하는 병변과 관련된 학습 영상에 대한 제1 색 공간(color space) 및 상기 제1 색 공간과 다른 제2 색 공간을 이용하여 학습되는,뉴럴 네트워크를 이용한 병변 판독 방법
|
4 |
4
제3항에 있어서,상기 다른 의료 영상 진단 방법은,MRI(Magnetic Resonance Imaging), CT(Computed Tomography), 초음파(Ultrasound)를 포함하는, 뉴럴 네트워크를 이용한 병변 판독 방법
|
5 |
5
제3항에 있어서,상기 제1 테스트 영상과 상기 제2 테스트 영상을 매핑하는 단계는,상기 제1 테스트 영상의 공간 좌표계와 상기 제2 테스트 영상의 공간 좌표계를 정합함으로써, 상기 제2 테스트 영상의 위치에 대응하는 상기 제1 테스트 영상을 매핑하는 단계를 포함하는, 뉴럴 네트워크를 이용한 병변 판독 방법
|
6 |
6
병변 판독 방법에 적용되는 뉴럴 네트워크의 학습 방법에 있어서,인체 내부의 소장에 존재하는 병변과 관련된 학습 영상에 대한 제1 색 공간(color space) 및 상기 제1 색 공간과 다른 제2 색 공간을 식별하는 단계;상기 제1 색 공간과 상기 제2 색 공간을 이용하여 뉴럴 네트워크를 학습하는 단계를 포함하는, 뉴럴 네트워크의 학습 방법
|
7 |
7
제5항에 있어서,상기 제1 색 공간과 상기 제2 색 공간을 이용하여 뉴럴 네트워크를 학습하는 단계는, 상기 제1 색 공간을 임의의 각도로 회전하여 생성된 적어도 하나의 제1 회전 영상과 상기 제1 색 공간의 임의의 각도에 대응하여 상기 제2 색 공간을 회전하여 생성된 적어도 하나의 제2 회전 영상을 이용하여 뉴럴 네트워크를 학습하는 단계를 포함하는,뉴럴 네트워크의 학습 방법
|
8 |
8
프로세서 및 컴퓨터에서 읽을 수 있는 명령어를 포함하는 메모리를포함하고,상기 명령어가 상기 프로세서에서 실행되면, 상기 프로세서는, 캡슐 내시경이 인체 내부의 소장에서 촬영한 영상 데이터를 수신하고, 미리 학습된 뉴럴 네트워크를 적용하여 상기 인체 내부 상기 소장에 변화가 있는 경우 상기 영상 데이터에서 상기 변화에 대응하는 영상 프레임을 식별하고, 상기 뉴럴 네트워크를 적용하여 상기 인체 내부의 병변에 관한 정보를 추정하고 상기 식별된 영상 프레임에 상기 정보를 태깅하고,이때, 상기 뉴럴 네트워크는, 소장에 존재하는 병변과 관련된 학습 영상에 대한 제1 색 공간(color space) 및 상기 제1 색 공간과 다른 제2 색 공간을 이용하여 학습되는,뉴럴 네트워크를 이용한 병변 판독 장치
|
9 |
9
제8항에 있어서,상기 병변에 관한 정보는, 상기 병변의 종류(classification), 심각도(severity), 상기 병변이 의심되는 영상 프레임 ID를 포함하는, 뉴럴 네트워크를 이용한 병변 판독 장치
|
10 |
10
프로세서 및 컴퓨터에서 읽을 수 있는 명령어를 포함하는 메모리를포함하고,상기 명령어가 상기 프로세서에서 실행되면, 상기 프로세서는, 캡슐 내시경이 인체 내부의 소장에서 촬영한 제1 테스트 영상을 수신하고, 상기 캡슐 내시경과 다른 의료 영상 진단 방법에 의해 획득된 제2 테스트 영상으로부터 사전에 분석된 병변 의심 위치를 식별하고, 상기 제1 테스트 영상과 상기 제2 테스트 영상을 매핑하고, 상기 제2 테스트 영상의 상기 병변 의심 위치에 대응하는 상기 제1 테스트 영상의 프레임에 대해 어텐션(attention)을 적용하여 뉴럴 네트워크에 의해 상기 제1 영상 데이터에서 병변 의심 여부를 판단하고, 상기 뉴럴 네트워크는, 소장에 존재하는 병변과 관련된 학습 영상에 대한 제1 색 공간(color space) 및 상기 제1 색 공간과 다른 제2 색 공간을 이용하여 학습되는,뉴럴 네트워크를 이용한 병변 판독 장치
|
11 |
11
제10항에 있어서,상기 다른 의료 영상 진단 방법은,MRI(Magnetic Resonance Imaging), CT(Computed Tomography), 초음파(Ultrasound)를 포함하는, 뉴럴 네트워크를 이용한 병변 판독 장치
|
12 |
12
제10항에 있어서,상기 프로세서는,상기 제1 테스트 영상과 상기 제2 테스트 영상을 매핑할 때, 상기 제1 테스트 영상의 공간 좌표계와 상기 제2 테스트 영상의 공간 좌표계를 정합함으로써 상기 제2 테스트 영상의 위치에 대응하는 상기 제1 테스트 영상을 매핑하는, 뉴럴 네트워크를 이용한 병변 판독 장치
|
13 |
13
프로세서 및 컴퓨터에서 읽을 수 있는 명령어를 포함하는 메모리를포함하고,상기 명령어가 상기 프로세서에서 실행되면, 상기 프로세서는, 소장에 존재하는 병변과 관련된 학습 영상에 대한 제1 색 공간(color space) 및 상기 제1 색 공간과 다른 제2 색 공간을 식별하고, 상기 제1 색 공간과 상기 제2 색 공간을 이용하여 뉴럴 네트워크를 학습하는, 뉴럴 네트워크의 학습 장치
|
14 |
14
제13항에 있어서,상기 프로세서는, 상기 제1 색 공간과 상기 제2 색 공간을 이용하여 뉴럴 네트워크를 학습할 때, 상기 제1 색 공간을 임의의 각도로 회전하여 생성된 적어도 하나의 제1 회전 영상과 상기 제1 색 공간의 임의의 각도에 대응하여 상기 제2 색 공간을 회전하여 생성된 적어도 하나의 제2 회전 영상을 이용하여 뉴럴 네트워크를 학습하는, 뉴럴 네트워크의 학습 장치
|