| 1 |
1
딥러닝을 통해 학습된 인공지능 신경망을 이용하여 전립선암의 병리학적 단계를 예측하기 위한 것으로,상기 전립선암에 영향을 미치는 변수들을, 상기 각 병리학적 단계별로 서로 다른 가중치가 부여된 상기 인공지능 신경망에 입력시켜 제1결과값을 도출하는 단계; 및 상기 제1결과값을 상기 인공지능 신경망의 수식값에 재차 입력하되 상기 가중치를 변경하면서 제2결과값을 도출하는 단계;를 포함하여 이루어지고, 상기 변수들은, 전립선 특이항원 수치(PSA)인 제1변수, 전립선암의 악성도 지표 중 제일 큰 지표(Primary Gleason score)인 제2변수와 두번째 큰 지표(Secondary Gleason score)인 제3변수, 전문가 소견에 의한 병리학적 단계(Clinical T Stage)인 제4변수, 초음파 결과(TRUS)인 제5변수 및 환자의 나이(AGE)인 제6변수의 조합으로 이루어지며, 상기 변수들은, 상기 나이인 제6변수를 제외한 나머지 변수들, 전립선 특이항원 수치(PSA), 전립선암의 악성도 지표 중 제일 큰 지표(Primary Gleason score)와 두번째 큰 지표(Secondary Gleason score), 전문가 소견에 의한 병리학적 단계(Clinical T Stage) 및 초음파 결과(TRUS)이며, 상기 변수들은, 상기 전립선암 진단을 위해 확보되어야 하는 상기 제1변수, 제2변수, 제3변수 및 제4변수를 그룹으로 한 제1케이스의 결과값을 기준값으로 산출하고, 상기 제1케이스와 나이를 포함한 제2케이스의 결과값, 상기 제1케이스와 초음파 결과를 포함한 제3케이스의 결과값 및 상기 제3케이스의 결과값에 나이를 포함한 제4케이스의 결과값을 각각 산출한 후 상기 기준값과 비교하여, 가장 높은 신뢰도값을 가지는 결과값에 기초하여 선정되며,상기 인공지능 신경망은 상기 변수들에 대응되는 가중치와 수학식을 가진 하나의 layer로 이루어진 RBM(Restricted Boltzmann machine) 신경망인 것으로, 복수의 layer를 통한 많은 학습이 아니라 최소한의 학습을 가능하게 하는 것을 특징으로 하는 딥러닝 기반의 전립선암 병리학적 단계 예측 방법
|
