1 |
1
딥러닝을 기반으로 하는 아밀로이드(Amyloid) 양성 또는 음성을 예측하기 위한 방법에 있어서,전처리부가 상기 아밀로이드 양성 또는 음성을 예측하기 위한 판단기준영역을 기초로 제 1 뇌촬영 영상 및 제 2 뇌촬영 영상으로부터 슬라이스(slice) 영상 및 상기 슬라이스 영상에 대한 마스크(mask)를 생성하는 전처리 단계;입력 데이터 생성부가 상기 딥러닝 또는 머신러닝을 이용하여 상기 전처리 단계에서 생성된 슬라이스 영상 및 마스크를 기초로 입력 데이터를 생성하는 단계;스코어링부가 상기 딥러닝 또는 머신러닝을 이용하여 상기 생성된 입력 데이터로부터 상기 아밀로이드 양성 또는 음성을 예측하기 위한 스코어(score)를 추출 및 학습하는 단계; 및아밀로이드 양음성 예측부가 상기 딥러닝 또는 머신러닝을 이용하여 상기 추출 및 학습된 스코어를 기초로 상기 아밀로이드 양성 또는 음성을 진단하기 위한 알고리즘 모델을 생성하고, 상기 생성된 알고리즘 모델을 통해 상기 아밀로이드 양성 또는 음성을 판단하는 단계를 포함하되,상기 입력 데이터를 생성하는 단계는, 상기 입력 데이터 생성부가 상기 딥러닝 또는 머신러닝을 이용하여 상기 마스크가 생성된 슬라이스 영상을 기초로 상기 판단기준영역에 대한 특징(feature) 데이터를 추출하는 단계 및 상기 입력 데이터 생성부가 상기 딥러닝 또는 머신러닝을 이용하여 상기 추출된 특징 데이터를 기초로 상기 스코어를 할당하기 위한 레이블(label) 데이터를 추출하는 단계를 포함하고,상기 딥러닝을 이용하여 특징 데이터를 추출하는 단계는, 상기 입력 데이터 생성부가 패딩(padding) 이미지를 생성하는 단계, 상기 입력 데이터 생성부가 제 1 슬라이스 영상에 생성된 판단기준영역에 대한 마스크에 대응되는 제 2 슬라이스 영상의 해당 영역을 추출하는 단계, 및 상기 입력 데이터 생성부가 상기 추출된 제 2 슬라이스 영상의 해당 영역을 축소하여 패딩 이미지에 삽입하는 단계를 포함하며,상기 머신러닝을 이용하여 특징 데이터를 추출하는 단계는, 상기 입력 데이터 생성부가 상기 제 1 슬라이스 영상에 생성된 판단기준영역에 대한 마스크의 평균 SUVR(Standard Uptake Value Ratio) 값을 추정하는 단계, 및 상기 입력 데이터 생성부가 상기 추정된 평균 SUVR 값에 대한 정규화(normalization)을 수행하는 단계를 포함하는 것을 특징으로 하는 아밀로이드 양성 또는 음성을 예측하기 위한 방법
|
2 |
2
제 1 항에 있어서,상기 전처리 단계는,상기 전처리부가 상기 제 1 뇌촬영 영상에 대한 분할 영상을 생성하는 단계;상기 전처리부가 상기 제 1 뇌촬영 영상 및 제 2 뇌촬영 영상에 대한 정합 영상을 생성하는 단계;상기 전처리부가 상기 분할 영상에 대한 판단기초영역의 출력 상태를 기준으로 상기 제 1 슬라이스 영상을 선택하는 단계;상기 전처리부가 상기 정합 영상으로부터 상기 제 1 슬라이스 영상에 대응되는 상기 제 2 슬라이스 영상을 추출하는 단계; 및상기 전처리부가 상기 제 1 슬라이스 영상의 상기 판단기준영역에 대한 마스크를 생성하는 단계를 포함하며,상기 판단기준영역은 상기 판단기초영역을 포함하는 것을 특징으로 하는 아밀로이드 양성 또는 음성을 예측하기 위한 방법
|
3 |
3
제 2 항에 있어서,상기 제 1 뇌촬영 영상은 MRI T1 볼륨(volume) 이미지이고, 상기 제 2 뇌촬영 영상은 아밀로이드 페트(PET) 볼륨 이미지이며,상기 판단기초영역은 측두엽 영역(temporal region), 전두엽 영역(frontal region), 후대상설전 영역(posterior cingulate-precuneus region) 및 두정엽 영역(parietal region)을 포함하고,상기 판단기준영역은 상기 판단기초영역 각각의 좌측부와 우측부 및 상기 좌측부 또는 우측부 각각의 백색질 영역(white matter, wm)과 회색질 영역(grey matter, gm)을 포함하는 것을 특징으로 하는 아밀로이드 양성 또는 음성을 예측하기 위한 방법
|
4 |
4
삭제
|
5 |
5
제 1 항에 있어서,상기 특징 데이터를 추출하는 단계에서 이용되는 상기 딥러닝 또는 머신러닝에는 FCN(Fully convolutional network) 알고리즘이 포함되는 것을 특징으로 하는 아밀로이드 양성 또는 음성을 예측하기 위한 방법
|
6 |
6
제 1 항에 있어서,상기 스코어를 추출 및 학습하는 단계에서 이용되는 상기 딥러닝 또는 머신러닝에는 회귀(regression) 알고리즘 및 서포트 벡터 머신(support vector machine, SVM) 알고리즘이 포함되는 것을 특징으로 하는 아밀로이드 양성 또는 음성을 예측하기 위한 방법
|
7 |
7
제 1 항에 있어서,상기 알고리즘 모델을 생성하고, 상기 생성된 알고리즘 모델을 통해 상기 아밀로이드 양성 또는 음성을 판단하는 단계에서는, 상기 아밀로이드 양음성 예측부가 서포트 벡터 머신 알고리즘을 이용하여 상기 추출 및 학습된 스코어를 기초로 상기 알고리즘 모델을 생성하는 것을 특징으로 하는 아밀로이드 양성 또는 음성을 예측하기 위한 방법
|
8 |
8
딥러닝을 기반으로 하는 아밀로이드(Amyloid) 양성 또는 음성을 예측하기 위한 장치에 있어서,상기 아밀로이드 양성 또는 음성을 예측하기 위한 판단기준영역을 기초로 제 1 뇌촬영 영상 및 제 2 뇌촬영 영상으로부터 슬라이스(slice) 영상 및 상기 슬라이스 영상에 대한 마스크(mask)를 생성하는 전처리부;상기 전처리부에서 생성된 슬라이스 영상 및 마스크를 기초로 입력 데이터를 생성하기 위해 상기 딥러닝을 이용하는 제 1 데이터 생성모듈 및 머신러닝을 이용하는 제 2 데이터 생성모듈을 포함하는 입력 데이터 생성부;상기 생성된 입력 데이터로부터 상기 아밀로이드 양성 또는 음성을 예측하기 위한 스코어(score)를 추출 및 학습하기 위해 상기 딥러닝을 이용하는 제 1 스코어링 모듈 및 상기 머신러닝을 이용하는 제 2 스코어링 모듈을 포함하는 스코어링부; 및상기 추출 및 학습된 스코어를 기초로 하여 상기 아밀로이드 양성 또는 음성을 진단하기 위한 알고리즘 모델을 생성하고, 상기 생성된 알고리즘 모델을 통해 상기 아밀로이드 양성 또는 음성을 판단하기 위해 상기 딥러닝을 이용하는 제 1 양음성 판단모듈 및 상기 머신러닝을 이용하는 제 2 양음성 판단모듈을 포함하는 아밀로이드 양음성 예측부를 포함하되,상기 제 1 데이터 생성모듈은, 상기 딥러닝을 이용하여 상기 마스크가 생성된 슬라이스 영상을 기초로 상기 판단기준영역에 대한 특징(feature) 데이터를 추출하는 제 1 특징 데이터 추출부, 및 상기 딥러닝을 이용하여 상기 추출된 특징 데이터를 기초로 상기 스코어를 할당하기 위한 레이블(label) 데이터를 추출하는 제 1 레이블 데이터 추출부를 포함하고,상기 제 2 데이터 생성모듈은, 상기 머신러닝을 이용하여 상기 마스크가 생성된 슬라이스 영상을 기초로 상기 판단기준영역에 대한 특징(feature) 데이터를 추출하는 제 2 특징 데이터 추출부, 및 상기 머신러닝을 이용하여 상기 추출된 특징 데이터를 기초로 상기 스코어를 할당하기 위한 레이블(label) 데이터를 추출하는 제 2 레이블 데이터 추출부를 포함하며,상기 제 1 특징 데이터 추출부는, 패딩(padding) 이미지를 생성하고, 제 1 슬라이스 영상에 생성된 판단기준영역에 대한 마스크에 대응되는 제 2 슬라이스 영상의 해당 영역을 추출하고, 상기 추출된 제 2 슬라이스 영상의 해당 영역을 축소하여 패딩 이미지에 삽입하며,상기 제 2 특징 데이터 추출부는, 상기 제 1 슬라이스 영상에 생성된 판단기준영역에 대한 마스크의 평균 SUVR(Standard Uptake Value Ratio) 값을 추정하고, 상기 추정된 평균 SUVR 값에 대한 정규화(normalization)을 수행하는 것을 특징으로 하는 아밀로이드 양성 또는 음성을 예측하기 위한 장치
|
9 |
9
제 8 항에 있어서,상기 전처리부는,상기 제 1 뇌촬영 영상에 대한 분할 영상을 생성하는 영상 분할부;상기 제 1 뇌촬영 영상 및 제 2 뇌촬영 영상에 대한 정합 영상을 생성하는 영상 정합부;상기 분할 영상에 대한 판단기초영역의 출력 상태를 기준으로 상기 제 1 슬라이스 영상을 선택하고, 상기 정합 영상으로부터 상기 제 1 슬라이스 영상에 대응되는 상기 제 2 슬라이스 영상을 추출하는 슬라이스 영상 생성부; 및상기 제 1 슬라이스 영상의 상기 판단기준영역에 대한 마스크를 생성하는 영상 마스크 생성부를 포함하며,상기 판단기준영역은 상기 판단기초영역을 포함하는 것을 특징으로 하는 아밀로이드 양성 또는 음성을 예측하기 위한 장치
|
10 |
10
제 9 항에 있어서,상기 제 1 뇌촬영 영상은 MRI T1 볼륨(volume) 이미지이고, 상기 제 2 뇌촬영 영상은 아밀로이드 페트(PET) 볼륨 이미지이며,상기 판단기초영역은 측두엽 영역(temporal region), 전두엽 영역(frontal region), 후대상설전 영역(posterior cingulate-precuneus region) 및 두정엽 영역(parietal region)을 포함하고,상기 판단기준영역은 상기 판단기초영역 각각의 좌측부와 우측부 및 상기 좌측부 또는 우측부 각각의 백색질 영역(white matter, wm)과 회색질 영역(grey matter, gm)을 포함하는 것을 특징으로 하는 아밀로이드 양성 또는 음성을 예측하기 위한 장치
|
11 |
11
삭제
|
12 |
12
제 10 항에 있어서,상기 제 1 특징 데이터 추출부에서 이용되는 딥러닝 또는 제 2 특징 데이터 추출부에서 이용되는 머신러닝에는 FCN(Fully convolutional network) 알고리즘이 포함되는 것을 특징으로 하는 아밀로이드 양성 또는 음성을 예측하기 위한 장치
|
13 |
13
제 8 항에 있어서,상기 스코어링부에서 이용되는 상기 딥러닝 또는 머신러닝에는 회귀(regression) 알고리즘 및 서포트 벡터 머신(support vector machine, SVM) 알고리즘이 포함되는 것을 특징으로 하는 아밀로이드 양성 또는 음성을 예측하기 위한 장치
|
14 |
14
제 8 항에 있어서,상기 아밀로이드 양음성 예측부에서는, 서포트 벡터 머신 알고리즘을 이용하여 상기 추출 및 학습된 스코어를 기초로 상기 알고리즘 모델을 생성하는 것을 특징으로 하는 아밀로이드 양성 또는 음성을 예측하기 위한 장치
|
15 |
15
제 1 항, 제 2 항, 제 3 항, 제 5항, 제 6항 또는 제 7 항 중 어느 한 항의 방법을 구현하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체
|