1 |
1
프로세서를 포함하는 장치가 캡슐 내시경의 위치를 추정하는 방법에 있어서,상기 캡슐 내시경에 의해 촬영된 복수의 영상 프레임들을 실시간으로 획득하는 단계;제1 뉴럴 네트워크를 이용하여 상기 복수의 영상 프레임들 각각이 촬영된 시점에서의 상기 캡슐 내시경의 위치를 추정하는 단계;제2 뉴럴 네트워크를 이용하여 상기 복수의 영상 프레임들 각각의 중요도를 추정하는 단계; 및상기 복수의 영상 프레임들 중 기 설정된 개수의 연속되는 영상 프레임들 각각에 대해 추정된 상기 위치들 및 상기 중요도들을 입력으로 하는 제3 뉴럴 네트워크를 이용하여 상기 연속되는 영상 프레임들 각각이 촬영된 시점에서의 상기 캡슐 내시경의 최종 위치를 결정하는 단계를 포함하고,상기 제1 뉴럴 네트워크는 상기 복수의 영상 프레임들 각각이 입력됨에 따라 상기 복수의 영상 프레임들 각각이 촬영된 시점에서의 상기 캡슐 내시경의 위치를 기 정의된 복수의 소화기관들 중에서 선택하도록 학습된 CNN(Convolutional Neural Networks)이고,상기 제2 뉴럴 네트워크는 상기 복수의 영상 프레임들 각각이 입력됨에 따라 상기 복수의 영상 프레임들 각각의 중요도를 0 이상 1 이하 범위의 값들 중에서 선택하도록 학습된 CNN이며, 상기 제3 뉴럴 네트워크는 상기 기 설정된 개수의 연속되는 영상 프레임들 각각에 대해 추정된 상기 위치들 및 상기 중요도들이 입력되면 상기 중요도들에 기초하여 상기 위치들을 보정함으로써, 상기 연속되는 영상 프레임들 각각이 촬영된 시점에서의 상기 캡슐 내시경의 최종 위치를 출력하도록 학습된 RNN(Recurrent Neural Networks)이고,상기 제1 뉴럴 네트워크, 상기 제2 뉴럴 네트워크 및 상기 제3 뉴럴 네트워크 각각은 개별적으로 학습되는, 방법
|
2 |
2
삭제
|
3 |
3
제 1항에 있어서,상기 기 정의된 복수의 소화기관들은 위, 십이지장, 공장, 회장 및 대장 중 적어도 하나를 포함하는, 방법
|
4 |
4
삭제
|
5 |
5
삭제
|
6 |
6
제 1항에 있어서,상기 제3 뉴럴 네트워크는 시계열 데이터를 처리하기 위한 뉴럴 네트워크인, 방법
|
7 |
7
삭제
|
8 |
8
삭제
|
9 |
9
제 1항에 있어서,상기 방법은,상기 복수의 영상 프레임들 각각에 대해 결정된 상기 최종 위치들에 기초하여 상기 복수의 영상 프레임들을 분류하는 단계를 더 포함하는, 방법
|
10 |
10
제 1항에 있어서,상기 방법은,상기 복수의 영상 프레임들 각각에 대해 결정된 상기 최종 위치들과 함께 상기 복수의 영상 프레임들을 디스플레이하는 단계를 더 포함하는, 방법
|
11 |
11
제 1항에 있어서,상기 방법은,상기 결정된 최종 위치에 기초하여 상기 캡슐 내시경이 기 설정된 시간 이상 동안 동일한 위치에 존재하는지 여부를 판단하는 단계; 및상기 캡슐 내시경이 상기 기 설정된 시간 이상 동안 동일한 위치에 존재한다고 판단되는 경우 알람을 출력하는 단계를 더 포함하는, 방법
|
12 |
12
캡슐 내시경의 위치를 추정하는 장치에 있어서,적어도 하나의 프로그램이 저장된 메모리; 및상기 적어도 하나의 프로그램을 실행함으로써 상기 캡슐 내시경의 위치를 추정하는 프로세서를 포함하고,상기 프로세서는 상기 캡슐 내시경에 의해 촬영된 복수의 영상 프레임들을 실시간으로 획득하고, 제1 뉴럴 네트워크를 이용하여 상기 복수의 영상 프레임들 각각이 촬영된 시점에서의 상기 캡슐 내시경의 위치를 추정하며, 제2 뉴럴 네트워크를 이용하여 상기 복수의 영상 프레임들 각각의 중요도를 추정하고, 상기 복수의 영상 프레임들 중 기 설정된 개수의 연속되는 영상 프레임들 각각에 대해 추정된 상기 위치들 및 상기 중요도들을 입력으로 하는 제3 뉴럴 네트워크를 이용하여 상기 연속되는 영상 프레임들 각각이 촬영된 시점에서의 상기 캡슐 내시경의 최종 위치를 결정하고,상기 제1 뉴럴 네트워크는 상기 복수의 영상 프레임들 각각이 입력됨에 따라 상기 복수의 영상 프레임들 각각이 촬영된 시점에서의 상기 캡슐 내시경의 위치를 기 정의된 복수의 소화기관들 중에서 선택하도록 학습된 CNN(Convolutional Neural Networks)이고,상기 제2 뉴럴 네트워크는 상기 복수의 영상 프레임들 각각이 입력됨에 따라 상기 복수의 영상 프레임들 각각의 중요도를 0 이상 1 이하 범위의 값들 중에서 선택하도록 학습된 CNN이며, 상기 제3 뉴럴 네트워크는 상기 기 설정된 개수의 연속되는 영상 프레임들 각각에 대해 추정된 상기 위치들 및 상기 중요도들이 입력되면 상기 중요도들에 기초하여 상기 위치들을 보정함으로써, 상기 연속되는 영상 프레임들 각각이 촬영된 시점에서의 상기 캡슐 내시경의 최종 위치를 출력하도록 학습된 RNN(Recurrent Neural Networks)이고,상기 제1 뉴럴 네트워크, 상기 제2 뉴럴 네트워크 및 상기 제3 뉴럴 네트워크 각각은 개별적으로 학습되는, 장치
|