1 |
1
대상체에 대해 소정 간격(thickness)으로 단층 촬영된 저해상도 영상들을 입력받는 입력부와,상기 입력부를 통해 입력받은 저해상도 영상들 중에서 상기 간격을 정의하는 방향에 따라 인접해있는 제1 및 제2 저해상도 영상에 기초하여서 보간용 영상을 획득하고, 상기 제1 저해상도 영상, 상기 보간용 영상 및 상기 제2 저해상도 영상 순으로 적층하여 3차원 영상을 형성하고, 상기 3차원 영상으로부터 복수 개의 픽셀들로 구성된 3차원 형태의 패치를 단위로 하는 3차원의 입력 영상을 복수 개 추출하는 전처리부와,상기 패치를 단위로 하는 상기 복수 개의 입력 영상 각각을 입력으로 받아서, 상기 복수 개의 입력 영상 각각에 대해 상기 패치를 단위로 하면서 상기 저해상도 영상보다 해상도가 높은 3차원의 고해상도 영상을 출력하는 인공 신경망 모델(artificial neural network model)부를 포함하되,상기 보간용 영상은,상기 제1 저해상도 영상과 상기 제2 저해상도 영상의 픽셀들의 값을 보간하는 영상이고,상기 3차원의 입력 영상은 상기 간격을 정의하는 방향으로 적층된 상기 보간용 영상 및, 상기 제1 저해상도 영상과 상기 제2 저해상도 영상 중에서 적어도 하나에 포함된 상기 복수 개의 픽셀들을 포함하는영상 처리 장치
|
2 |
2
제 1 항에 있어서,상기 전처리부는,B-spline interpolation을 적용하여서 상기 보간용 영상을 획득하는영상 처리 장치
|
3 |
3
삭제
|
4 |
4
제 1 항에 있어서,상기 인공 신경망 모델부는,상기 입력 영상과 동일한 형태이면서 사전에 마련된 복수 개의 테스트용 입력 영상과, 상기 복수 개의 테스트용 입력 영상에 대응되면서 상기 고해상도 영상과 동일한 형태이고 사전에 마련된 복수 개의 테스트용 고해상도 영상 간의 상관 관계를 학습(training)함으로써 형성된 것인영상 처리 장치
|
5 |
5
제 4 항에 있어서,상기 상관 관계는,심층 컨볼루션 신경망(deep convolutional neural network, DCNN)을 학습 모델로 적용하여서 학습된 것인영상 처리 장치
|
6 |
6
제 4 항에 있어서,상기 복수 개의 테스트용 입력 영상 각각은 사전에 마련된 저해상도 영상들 사이에 보간용 영상이 배치된 것이고,상기 복수 개의 테스트용 고해상도 영상 각각은 상기 사전에 마련된 저해상도 영상보다 해상도가 높은 3차원의 고해상도 영상인영상 처리 장치
|
7 |
7
영상 처리 장치에 의해 수행되는 영상 처리 방법으로서,대상체에 대해 소정 간격(thickness)으로 단층 촬영된 저해상도 영상들을 입력받는 단계와,상기 입력받은 저해상도 영상들 중에서 상기 간격을 정의하는 방향에 따라 인접해있는 제1 및 제2 저해상도 영상에 기초하여서 보간용 영상을 획득하는 단계와,상기 제1 저해상도 영상, 상기 보간용 영상 및 상기 제2 저해상도 영상 순으로 적층하여 3차원 영상을 형성하는 단계와,상기 3차원 영상으로부터, 복수 개의 픽셀들로 구성된 3차원 형태의 패치를 단위로 하는 3차원의 입력 영상을 복수 개 추출하는 단계와,상기 패치를 단위로 하는 상기 복수 개의 입력 영상 각각을 입력으로 받아서, 상기 복수 개의 입력 영상 각각에 대해 상기 패치를 단위로 하면서 상기 저해상도 영상보다 해상도가 높은 3차원의 고해상도 영상을 인공 신경망 모델을 통해 출력하는 단계를 포함하되,상기 보간용 영상은,상기 제1 저해상도 영상과 상기 제2 저해상도 영상의 픽셀들의 값을 보간하는 영상이고,상기 3차원의 입력 영상은 상기 간격을 정의하는 방향으로 적층된 상기 보간용 영상 및, 상기 제1 저해상도 영상과 상기 제2 저해상도 영상 중에서 적어도 하나에 포함된 상기 복수 개의 픽셀들을 포함하는영상 처리 방법
|
8 |
8
제 7 항에 있어서,상기 보간용 영상을 획득하는 단계는,B-spline interpolation을 적용하여서 상기 보간용 영상을 획득하는영상 처리 방법
|
9 |
9
삭제
|
10 |
10
제 7 항에 있어서,상기 출력하는 단계는,상기 입력 영상과 동일한 형태인 사전에 마련된 복수 개의 테스트용 입력 영상과, 상기 복수 개의 테스트용 입력 영상에 대응되면서 상기 고해상도 영상과 동일한 형태이고 사전에 마련된 복수 개의 테스트용 고해상도 영상 간의 상관 관계를 학습(training)함으로써 형성된 인공 신경망 모델을 이용하는영상 처리 방법
|
11 |
11
제 10 항에 있어서,상기 상관 관계는,심층 컨볼루션 신경망을 학습 모델로 적용하여서 학습된 것인영상 처리 방법
|
12 |
12
제 7 항에 있어서,상기 인공 신경망 모델의 중간층에 포함되는 복수 개의 인공 뉴런들은 소정의 연결망에 의해 상기 인공 신경망 모델의 입력 및 출력과 각각 연결되며, 상기 연결망을 구성하는 각각의 가지(branch)에는 사전에 수행된 학습에 따른 가중치가 부여되어 있는영상 처리 방법
|
13 |
13
대상체에 대해 소정 간격(thickness)으로 단층 촬영된 저해상도 영상들을 입력받는 단계와,상기 입력받은 저해상도 영상들 중에서 상기 간격을 정의하는 방향에 따라 인접해있는 제1 및 제2 저해상도 영상에 기초하여서 보간용 영상을 획득하는 단계와,상기 제1 저해상도 영상, 상기 보간용 영상 및 상기 제2 저해상도 영상 순으로 적층하여 3차원 영상을 형성하는 단계와,상기 3차원 영상으로부터 복수 개의 픽셀들로 구성된 3차원 형태의 패치를 단위로 하는 3차원의 입력 영상을 복수 개 추출하는 단계와,상기 패치를 단위로 하는 상기 복수 개의 입력 영상 각각을 입력으로 받아서, 상기 복수 개의 입력 영상 각각에 대해 상기 패치를 단위로 하면서 상기 저해상도 영상보다 해상도가 높은 3차원의 고해상도 영상을 인공 신경망 모델을 통해 출력하는 단계를 수행하도록 프로그램되며,상기 보간용 영상은,상기 제1 저해상도 영상과 상기 제2 저해상도 영상의 픽셀들의 값을 보간하는 영상이고,상기 3차원의 입력 영상은 상기 간격을 정의하는 방향으로 적층된 상기 보간용 영상 및, 상기 제1 저해상도 영상과 상기 제2 저해상도 영상 중에서 적어도 하나에 포함된 상기 복수 개의 픽셀들을 포함하는컴퓨터 프로그램을 저장하는 컴퓨터 판독가능한 기록매체
|
14 |
14
대상체에 대해 소정 간격(thickness)으로 단층 촬영된 저해상도 영상들을 입력받는 단계와,상기 입력받은 저해상도 영상들 중에서 상기 간격을 정의하는 방향에 따라 인접해있는 제1 및 제2 저해상도 영상에 기초하여서 보간용 영상을 획득하는 단계와,상기 제1 저해상도 영상, 상기 보간용 영상 및 상기 제2 저해상도 영상 순으로 적층하여 3차원 영상을 형성하는 단계와,상기 3차원 영상으로부터 복수 개의 픽셀들로 구성된 3차원 형태의 패치를 단위로 하는 3차원의 입력 영상을 복수 개 추출하는 단계와,상기 복수 개의 입력 영상 각각을 입력으로 받아서, 상기 복수 개의 입력 영상 각각에 대해 상기 패치를 단위로 하면서 상기 저해상도 영상보다 해상도가 높은 3차원의 고해상도 영상을 인공 신경망 모델을 통해 출력하는 단계를 수행하도록 프로그램되며,상기 보간용 영상은,상기 제1 저해상도 영상과 상기 제2 저해상도 영상의 픽셀들의 값을 보간하는 영상이고,상기 3차원의 입력 영상은 상기 간격을 정의하는 방향으로 적층된 상기 보간용 영상 및, 상기 제1 저해상도 영상과 상기 제2 저해상도 영상 중에서 적어도 하나에 포함된 상기 복수 개의 픽셀들을 포함하는컴퓨터 판독가능한 기록매체에 저장된 컴퓨터 프로그램
|