| 1 |
1
적층됨으로써 대상체에 대한 3차원 영상을 구성하는, 단층 촬영된 복수 개의 영상을 획득하는 영상 획득부와,상기 획득된 복수 개의 영상 각각에 대해 관상면(coronal view), 시상면(sagittal view) 및 수평면(axial view)를 각각 획득하고, 상기 획득된 관상면, 시상면 및 수평면 각각에서 바운딩 박스(bounding box)를 생성한 뒤, 상기 생성된 바운딩 박스 각각에서의 무게중심을 표시하는 전처리부와,상기 전처리부에 의해 상기 무게중심이 표시된 복수 개의 영상을 입력으로 받아서, 딥러닝(deep learning) 방식으로 사전에 학습된 제1 인공 신경망 모델(artificial neural network model)을 통해, L3 요추레벨에 해당하는 영역을 포함하는 영상을 선택하는 요추레벨 선택부와,상기 L3 요추레벨에 해당하는 영역을 포함하는 영상을 입력으로 받아서, 딥러닝 방식으로 사전에 학습된 제2 인공 신경망 모델을 통해 상기 L3 요추레벨에 해당하는 영역을 포함하는 영상에 피하지방, 내장지방 및 근육 중 적어도 하나를 구분하여 표시하는 라벨링부를 포함하는 근감소증(Sarcopenia) 분석지원을 위한 인공 신경망 기반의 인체 형태 분석법(Human Body Morphometrics)을 채용하는 영상 처리 장치
|
| 2 |
2
제 1 항에 있어서,상기 전처리부는,상기 영상 획득부에 의해 획득된 복수 개의 영상 각각에 비등방성 확산 필터(anisotropic diffusion filter) 및 가우시안 스무딩 필터(gaussion smoothing filter) 중 적어도 하나를 적용하여서 전처리하는근감소증(Sarcopenia) 분석지원을 위한 인공 신경망 기반의 인체 형태 분석법(Human Body Morphometrics)을 채용하는 영상 처리 장치
|
| 3 |
3
제 1 항에 있어서,상기 전처리부는,,상기 영상 획득부에 의해 획득된 복수 개의 영상 각각에 gradient magnitude, 시그모이드 필터(sigmoid filter) 및 정규화(normalization) 중 적어도 하나를 적용하여서 전처리하는 근감소증(Sarcopenia) 분석지원을 위한 인공 신경망 기반의 인체 형태 분석법(Human Body Morphometrics)을 채용하는 영상 처리 장치
|
| 4 |
4
제 1 항에 있어서,상기 제1 인공 신경망 모델은,상기 입력받은 복수 개의 영상을 L3 요추레벨 및 L4 요추레벨 중 어느 하나를 포함하는 제1 영상과, 상기 L3 요추레벨에 해당하지 않으면서 상기 L4 요추레벨에도 해당하지 않는 제2 영상으로 분류하도록 사전에 학습된 컨볼루션 신경망(convolutional neural network, CNN) 분류자(classifier)인근감소증(Sarcopenia) 분석지원을 위한 인공 신경망 기반의 인체 형태 분석법(Human Body Morphometrics)을 채용하는 영상 처리 장치
|
| 5 |
5
제 4 항에 있어서,상기 컨볼루션 신경망 분류자에 의해 분류된 제1 영상이 상기 복수 개의 영상 전체에서 갖는 상대적인 위치를 기준으로, 상기 분류된 제1 영상이 상기 L3 요추레벨과 상기 L4 요추레벨 중 어느 하나에 해당하는지를 판별하는 요추레벨 후처리부를 더 포함하는근감소증(Sarcopenia) 분석지원을 위한 인공 신경망 기반의 인체 형태 분석법(Human Body Morphometrics)을 채용하는 영상 처리 장치
|
| 6 |
6
제 1 항에 있어서,상기 제1 인공 신경망 모델은, 컨볼루션 신경망 검출 (CNN detector) 모델 또는 컨볼루션 신경망 분할(CNN segmentation) 모델 중 어느 하나인근감소증(Sarcopenia) 분석지원을 위한 인공 신경망 기반의 인체 형태 분석법(Human Body Morphometrics)을 채용하는 영상 처리 장치
|
| 7 |
7
제 1 항에 있어서,상기 피하지방, 내장지방 및 근육 중 적어도 하나가 구분되어 표시된 영상에 대해, 레벨-셋(level-set) 기법, 롤링볼(rolling-ball) 알고리즘 및 연결 요소 분석 (connected-component analysis) 기법 중 적어도 하나를 적용하는 라벨링 후처리부를 더 포함하는근감소증(Sarcopenia) 분석지원을 위한 인공 신경망 기반의 인체 형태 분석법(Human Body Morphometrics)을 채용하는 영상 처리 장치
|
| 8 |
8
근감소증(Sarcopenia) 분석지원을 위한 인공 신경망 기반의 인체 형태 분석법(Human Body Morphometrics)을 채용하는 영상 처리 장치에 의해 수행되는 영상 처리 방법으로서,적층됨으로써 대상체에 대한 3차원 영상을 구성하는, 단층 촬영된 복수 개의 영상을 획득하는 단계와,상기 획득된 복수 개의 영상 각각에 대해 관상면(coronal view), 시상면(sagittal view) 및 수평면(axial view)를 각각 획득하는 단계와,상기 획득된 관상면, 시상면 및 수평면 각각에서 바운딩 박스(bounding box)를 생성하는 단계와,상기 생성된 바운딩 박스 각각에서의 무게중심을 표시하는 단계와,상기 무게중심이 표시된 복수 개의 영상을 입력으로 받아서, 딥러닝 방식으로 사전에 학습된 제1 인공 신경망 모델(artificial neural network model)을 통해, L3 요추레벨에 해당하는 영역을 포함하는 영상을 선택하는 단계와,상기 L3 요추레벨에 해당하는 영역을 포함하는 영상을 입력으로 받아서, 딥러닝 방식으로 사전에 학습된 제2 인공 신경망 모델을 통해 상기 L3 요추레벨에 해당하는 영역을 포함하는 영상에 피하지방, 내장지방 및 근육 중 적어도 하나를 구분하여 표시하는 단계를 포함하는영상 처리 방법
|
| 9 |
9
제 8 항에 있어서,상기 획득하는 단계에서 획득된 복수 개의 영상 각각에 비등방성 확산 필터(anisotropic diffusion filter) 및 가우시안 스무딩 필터(gaussion smoothing filter) 중 적어도 하나를 적용하여서 전처리하는 단계를 더 포함하는영상 처리 방법
|
| 10 |
10
제 8 항에 있어서,상기 획득하는 단계에서 획득된 복수 개의 영상 각각에 기울기 크기(gradient magnitude), 시그모이드 필터(sigmoid filter) 및 정규화(normalization) 중 적어도 하나를 적용하여서 전처리하는 단계를 더 포함하는영상 처리 방법
|
| 11 |
11
제 8 항 내지 제 10 항 중 어느 한 항의 상기 영상 처리 방법에 포함된 각 단계를 수행하도록 프로그램된 컴퓨터 판독가능한 기록매체에 저장된 컴퓨터 프로그램
|
| 12 |
12
제 8 항 내지 제 10 항 중 어느 한 항의 상기 영상 처리 방법에 포함된 각 단계를 수행하도록 프로그램된 컴퓨터 프로그램을 저장하는 컴퓨터 판독가능한 기록매체
|
