1 |
1
피검체에 대한 안저 영상의 판독을 지원하는 방법에 있어서, (a) 컴퓨팅 장치가, 상기 피검체의 안저 영상을 획득하거나 상기 컴퓨팅 장치에 연동되는 타 장치로 하여금 획득하도록 지원하는 단계; (b) 상기 컴퓨팅 장치가, 상기 안저 영상의 속성 정보를 추출하기 위한 기계 학습 모델(machine learning model)에 기초하여 상기 안저 영상으로부터 상기 속성 정보를 추출하거나 상기 타 장치로 하여금 추출하도록 지원하는 단계; 및 (c) 상기 컴퓨팅 장치가, 추출된 상기 속성 정보를 외부 엔티티(entity)에게 제공하거나 상기 타 장치로 하여금 제공하도록 지원하는 단계를 포함하되, 상기 안저 영상의 속성 정보는, 상기 안저 영상이 좌안의 영상인지 우안의 영상인지 여부를 나타내는 양안 구분 정보, 상기 안저 영상에 포함된 황반 및 시신경 유두 중 적어도 하나의 위치를 나타내는 위치 정보, 상기 안저 영상의 구획을 나타내는 구획 구분 정보, 상기 안저 영상에 포함된 시신경 혈관의 영상만을 분리하여 나타낸 혈관 정보, 및 상기 안저 영상에 따른 C/D 비(cup-to-disk ratio)의 정보중 적어도 하나를 포함하는 것을 특징으로 하는 안저 영상 판독 지원 방법
|
2 |
2
제1항에 있어서, (d) 상기 추출된 속성 정보에 관하여 평가한 평가 정보 또는 상기 추출된 속성 정보를 임의로 수정한 수정 정보가 획득되면, 상기 컴퓨팅 장치가, 상기 평가 정보 또는 상기 수정 정보에 기초하여 상기 기계 학습 모델을 갱신하거나 상기 타 장치로 하여금 갱신하도록 지원하는 단계를 더 포함하는 안저 영상 판독 지원 방법
|
3 |
3
삭제
|
4 |
4
제1항에 있어서, 상기 속성 정보가 상기 혈관 정보인 경우에, 상기 기계 학습 모델은 합성 신경망(CNN; convolutional neural networks) 및 GAN(generative adversarial networks)을 포함하며, 상기 시신경 혈관의 영상은 상기 기계 학습 모델에 기초하여 추출되는 것을 특징으로 하는 안저 영상 판독 지원 방법
|
5 |
5
제1항에 있어서, 상기 속성 정보가 상기 양안 구분 정보인 경우에, 상기 기계 학습 모델은 분획 네트워크(segmentation networks)를 포함하며, 상기 기계 학습 모델에 기초하여 상기 안저 영상의 시신경 유두(optic disk)의 형상 및 상기 시신경 유두로부터 나오는 혈관의 주행 중 적어도 하나를 판별함으로써, 상기 시신경 유두의 형상 및 상기 혈관의 주행에 따라 상기 안저 영상의 양안 구분 정보가 추출되는 것을 특징으로 하는 안저 영상 판독 지원 방법
|
6 |
6
제1항에 있어서, 상기 속성 정보가 상기 위치 정보인 경우에, 상기 기계 학습 모델은 분획 네트워크(segmentation networks)를 포함하며, 상기 황반 및 상기 시신경 유두 중 적어도 하나의 위치는 상기 기계 학습 모델에 기초하여 추출되는 것을 특징으로 하는 안저 영상 판독 지원 방법
|
7 |
7
제1항에 있어서, 상기 속성 정보가 상기 구획 구분 정보인 경우에, 상기 기계 학습 모델은 분획 네트워크(segmentation networks)를 포함하며, 상기 황반 및 상기 시신경 유두의 위치는 상기 기계 학습 모델에 기초하여 추출됨으로써, 상기 황반의 중심 위치 및 상기 시신경 유두의 중심 위치에 기초하여 상기 안저 영상을 3개 이상의 개별 구획들로 구분하는 정보인 상기 구획 구분 정보가 추출되는 것을 특징으로 하는 안저 영상 판독 지원 방법
|
8 |
8
제7항에 있어서, 상기 개별 구획들은, 황반 영역, 시신경 유두 상측 영역, 시신경 유두 하측 영역, 외측(temporal) 영역, 상외측(superotemporal) 영역, 하외측(inferotemporal) 영역, 상비측(superonasal) 영역 및 하비측(inferonasal) 영역를 포함하며, 상기 황반 영역은, 상기 황반의 중심 위치와 상기 시신경 유두의 중심 위치 간의 거리 d, 및 0003c#k1≤1를 만족하는 소정의 k1에 대하여 k1*d를 반지름으로 하고 상기 황반의 중심 위치를 중심점으로 하는 황반 중심원의 내부 영역이고, 상기 시신경 유두 상측 영역은, 상기 거리 d 및 0003c#k2≤1를 만족하는 소정의 k2에 대하여 k2*d를 반지름으로 하고 상기 시신경 유두의 중심 위치를 중심점으로 하는 시신경 유두 중심원의 내부 영역인 시신경 유두 영역이 상기 황반의 중심 위치와 상기 시신경 유두의 중심 위치를 통과하는 직선 l1에 의하여 분할되는 영역들 중 상측의 영역이며, 상기 시신경 유두 하측 영역은, 상기 시신경 유두 영역이 상기 직선 l1에 의하여 분할되는 영역들 중 하측의 영역이고, 상기 상비측 영역은, 상기 직선 l1에 수직으로 상기 시신경 유두의 중심 위치를 통과하는 직선 l2 및 상기 직선 l1에 의하여 분할되는 영역들 중 상기 황반으로부터 먼 상측의 영역에서 상기 시신경 유두 상측 영역을 제외한 영역이며, 상기 하비측 영역은, 상기 직선 l2 및 상기 직선 l1에 의하여 분할되는 영역들 중 상기 황반으로부터 먼 하측의 영역에서 상기 시신경 유두 하측 영역을 제외한 영역이고, 상기 외측 영역은, 상기 직선 l1에 평행하며 상기 황반 중심원에 접하되 상기 시신경 유두로부터 멀어지는 방향으로 연장되는 2개의 반직선 l3 및 l4과 상기 황반 중심원에 의하여 분할되는 영역들 중 상기 직선 l1을 포함하는 영역에서 상기 황반 영역을 제외한 영역이며, 상기 상외측 영역은, 상기 직선 l2 및 상기 직선 l1에 의하여 분할되는 영역들 중 상기 황반에 가까운 상측의 영역에서 상기 시신경 유두 상측 영역, 상기 황반 영역 및 상기 외측 영역을 제외한 영역이며, 상기 하외측 영역은, 상기 직선 l2 및 상기 직선 l1에 의하여 분할되는 영역들 중 상기 황반에 가까운 하측의 영역에서 상기 시신경 유두 하측 영역, 상기 황반 영역 및 상기 외측 영역을 제외한 영역인 것을 특징으로 하는 안저 영상 판독 지원 방법
|
9 |
9
제1항에 있어서, 상기 속성 정보가 상기 C/D 비(cup-to-disk ratio) 정보인 경우에, 상기 기계 학습 모델은 분획 네트워크(segmentation networks)를 포함하며, 상기 기계 학습 모델에 기초하여 시신경 유두(optic disk) 및 안배(optic cup)를 식별함으로써 상기 C/D 비가 추출되는 것을 특징으로 하는 안저 영상 판독 지원 방법
|
10 |
10
컴퓨팅 장치로 하여금, 제1항, 제2항 및 제4항 내지 제9항 중 어느 한 항의 방법을 수행하도록 구현된 명령어(instructions)를 포함하는, 기계 판독 가능한 비일시적 기록 매체에 저장된, 컴퓨터 프로그램
|
11 |
11
피검체에 대한 안저 영상의 판독을 지원하는 컴퓨팅 장치에 있어서, 상기 피검체의 안저 영상을 획득하는 통신부; 상기 통신부를 통하여 획득된 상기 안저 영상의 속성 정보를 추출하기 위한 기계 학습 모델(machine learning model)에 기초하여 상기 안저 영상으로부터 상기 속성 정보를 추출하거나 상기 통신부를 통하여 연동되는 타 장치로 하여금 추출하도록 지원하는 프로세서를 포함하되, 상기 프로세서는, 추출된 상기 속성 정보를 외부 엔티티(entity)에게 제공하거나 상기 타 장치로 하여금 제공하도록 지원하고, 상기 안저 영상의 속성 정보는, 상기 안저 영상이 좌안의 영상인지 우안의 영상인지 여부를 나타내는 양안 구분 정보, 상기 안저 영상에 포함된 황반 및 시신경 유두 중 적어도 하나의 위치를 나타내는 위치 정보, 상기 안저 영상의 구획을 나타내는 구획 구분 정보, 상기 안저 영상에 포함된 시신경 혈관의 영상만을 분리하여 나타낸 혈관 정보, 및 상기 안저 영상에 따른 C/D 비(cup-to-disk ratio)의 정보중 적어도 하나를 포함하는 것을 특징으로 하는 안저 영상 판독 지원 장치
|
12 |
12
제11항에 있어서, 상기 추출된 속성 정보에 관하여 평가한 평가 정보 또는 상기 추출된 속성 정보를 임의로 수정한 수정 정보가 상기 통신부를 통하여 획득되면, 상기 프로세서는, 상기 평가 정보 또는 상기 수정 정보에 기초하여 상기 기계 학습 모델을 갱신하거나 상기 타 장치로 하여금 갱신하도록 지원하는 것을 특징으로 하는 안저 영상 판독 지원 장치
|
13 |
13
삭제
|