맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

뉴럴 네트워크를 이용한 영상 복원 방법 및 그 자기 공명 영상 장치

  • 기술번호 : KST2019024289
  • 담당센터 : 대전기술혁신센터
  • 전화번호 : 042-610-2279
상담신청 PDF 받기
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 본 개시는 기계 학습 알고리즘을 활용하는 인공지능(AI) 시스템 및 그 응용에 관련된 것이다. 보다 구체적으로, 본 개시는 자기 공명 영상 획득 가속화를 위한 영상 복원 방법에 있어서, 서브 샘플링된 자기 공명 영상의 데이터를 획득하는 단계; 적어도 하나의 뉴럴 네트워크(neural network)를 이용한 학습 모델에 기초하여, 상기 서브 샘플링된 자기 공명 영상의 데이터의 위상 인코딩 방향에 대응되는 적어도 한 줄의 픽셀들에 대한 복원 데이터를 획득하는 단계; 및 상기 획득된 복원 데이터를 이용하여 상기 서브 샘플링된 자기 공명 영상에 대한 복원 영상을 획득하는 단계를 포함하는 영상 복원 방법을 개시한다.
Int. CL G01R 33/56 (2006.01.01) G06N 3/08 (2006.01.01) A61B 5/055 (2006.01.01)
CPC G01R 33/5608(2013.01) G01R 33/5608(2013.01) G01R 33/5608(2013.01) G01R 33/5608(2013.01) G01R 33/5608(2013.01) G01R 33/5608(2013.01) G01R 33/5608(2013.01)
출원번호/일자 1020170108136 (2017.08.25)
출원인 삼성전자주식회사, 한국과학기술원
등록번호/일자 10-1923184-0000 (2018.11.22)
공개번호/일자
공고번호/일자 (20181128) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2017.08.25)
심사청구항수 20

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 삼성전자주식회사 대한민국 경기도 수원시 영통구
2 한국과학기술원 대한민국 대전광역시 유성구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 이대호 대한민국 경기도 성남시 분당구
2 박현욱 대한민국 대전광역시 유성구
3 권기남 대한민국 대전광역시 유성구
4 서현석 대한민국 서울특별시 동작구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 리앤목특허법인 대한민국 서울 강남구 언주로 **길 **, *층, **층, **층, **층(도곡동, 대림아크로텔)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 한국과학기술원 대전광역시 유성구
2 삼성전자주식회사 경기도 수원시 영통구
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application		 2017.08.25 수리 (Accepted) 1-1-2017-0826479-86
2 선행기술조사의뢰서
Request for Prior Art Search		 2017.11.13 수리 (Accepted) 9-1-9999-9999999-89
3 선행기술조사보고서
Report of Prior Art Search		 2018.02.06 수리 (Accepted) 9-1-2018-0005730-51
4 의견제출통지서
Notification of reason for refusal		 2018.05.31 발송처리완료 (Completion of Transmission) 9-5-2018-0368121-17
5 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2018.07.31 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2018-0758618-42
6 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)		 2018.07.31 수리 (Accepted) 1-1-2018-0758617-07
7 등록결정서
Decision to grant		 2018.08.22 발송처리완료 (Completion of Transmission) 9-5-2018-0572595-19
8 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2019.04.24 수리 (Accepted) 4-1-2019-5081392-49
9 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2020.05.15 수리 (Accepted) 4-1-2020-5108396-12
10 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2020.06.12 수리 (Accepted) 4-1-2020-5131486-63
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
프로세서; 및 적어도 하나의 프로그램이 저장되는 메모리를 포함하고,상기 메모리는 상기 적어도 하나의 프로그램이 상기 프로세서에서 실행될 때, 상기 프로세서가 적어도 하나의 서브 샘플링된 자기 공명 영상의 데이터 및 적어도 하나의 풀(full) 샘플링된 자기 공명 영상의 데이터를 획득하는 단계;상기 적어도 하나의 서브 샘플링된 자기 공명 영상 및 상기 적어도 하나의 풀 샘플링된 자기 공명 영상 간의 상관 관계를 위상 인코딩 방향에 대응되는 적어도 한 줄의 픽셀들을 단위로 학습하여 적어도 하나의 뉴럴 네트워크(neural network)를 이용한 학습 모델을 획득하는 단계;서브 샘플링된 자기 공명 영상의 데이터를 획득하는 단계;상기 서브 샘플링된 자기 공명 영상의 데이터를 상기 위상 인코딩 방향에 대응되는 적어도 한 줄의 픽셀들을 단위로 하는 복수의 그룹들로 그룹화하는 단계;상기 학습 모델에 기초하여, 상기 복수의 그룹 각각에 대한 복원 데이터를 획득하는 단계; 및상기 획득된 복원 데이터를 이용하여 상기 서브 샘플링된 자기 공명 영상에 대한 복원 영상을 획득하는 단계;를 실행하도록 하는 명령어들을 저장하는, 자기 공명 영상 장치
2 2
삭제
3 3
제1 항에 있어서,상기 서브 샘플링된 자기 공명 영상의 데이터를 획득하는 단계는,서브 샘플링된 실수 영상 데이터 및 서브 샘플링된 허수 영상 데이터 각각을 획득하는 단계를 포함하고, 상기 복수의 그룹들로 그룹화 하는 단계는,상기 서브 샘플링된 실수 영상 데이터 및 상기 서브 샘플링된 허수 영상 데이터 각각을 상기 위상 인코딩 방향과 대응되는 적어도 한 줄의 픽셀들을 단위로 하는 상기 복수의 그룹들로 그룹화하는 단계를 포함하는 것을 특징으로 하는, 자기 공명 영상 장치
4 4
제1 항에 있어서,상기 서브 샘플링된 자기 공명 영상의 데이터를 획득하는 단계는,서브 샘플링된 크기 영상 데이터 및 서브 샘플링된 위상 영상 데이터 각각을 획득하는 단계를 포함하고, 상기 복수의 그룹들로 그룹화 하는 단계는,상기 서브 샘플링된 크기 영상 데이터 및 상기 서브 샘플링된 위상 영상 데이터 각각을 상기 위상 인코딩 방향과 대응되는 적어도 한 줄의 픽셀들을 단위로 하는 상기 복수의 그룹들로 그룹화하는 단계를 포함하는 것을 특징으로 하는, 자기 공명 영상 장치
5 5
제1 항에 있어서,상기 서브 샘플링된 자기 공명 영상의 데이터를 상기 위상 인코딩 방향에 대응되는 적어도 한 줄의 픽셀들을 단위로 하는 복수의 그룹들로 그룹화하는 방법은 상기 적어도 하나의 뉴럴 네트워크에 의해 동적으로 결정되는 것을 특징으로 하는, 자기 공명 영상 장치
6 6
삭제
7 7
제1 항에 있어서,상기 서브 샘플링된 자기 공명 영상의 데이터를 획득하는 단계는,상기 서브 샘플링된 자기 공명 영상의 데이터를 상기 위상 인코딩 방향에 대응되도록 순환 이동(circular shifting)하여 적어도 하나의 추가 영상의 데이터를 획득하는 단계를 포함하고, 상기 복수의 그룹들로 그룹화 하는 단계는,상기 서브 샘플링된 자기 공명 영상의 데이터 및 상기 적어도 하나의 추가 영상의 데이터 각각을 상기 위상 인코딩 방향에 대응되는 적어도 한 줄의 픽셀들을 단위로 하는 상기 복수의 그룹들로 그룹화하는 단계를 포함하는 것을 특징으로 하는, 자기 공명 영상 장치
8 8
제1 항에 있어서,상기 서브 샘플링된 자기 공명 영상은 제1 위상 인코딩 방향 및 제2 위상 인코딩 방향을 포함하는 서브 샘플링된 3D 자기 공명 영상을 포함하고,상기 복수의 그룹들로 그룹화하는 단계는, 상기 서브 샘플링된 3D 자기 공명 영상의 데이터를 상기 제1 위상 인코딩 방향에 대응되는 적어도 한 줄의 픽셀들을 단위로 하는 제1 복수의 그룹들로 그룹화하는 단계를 포함하고,상기 복원 데이터를 획득하는 단계는, 상기 적어도 하나의 뉴럴 네트워크를 이용한 학습 모델에 기초하여, 상기 제1 복수의 그룹들 각각에 대응되는 제1 복원 데이터를 획득하는 단계를 포함하는 것을 특징으로 하는, 자기 공명 영상 장치
9 9
제8 항에 있어서,상기 메모리는 상기 적어도 하나의 프로그램이 상기 프로세서에서 실행될 때, 상기 프로세서가 상기 제1 복수의 그룹들 각각에 대응되는 제1 복원 데이터를 상기 제2 위상 인코딩 방향에 대응되는 적어도 한 줄의 픽셀들을 단위로 하는 제2 복수의 그룹들로 그룹화하는 단계; 및상기 적어도 하나의 뉴럴 네트워크를 이용한 학습 모델에 기초하여, 상기 제2 복수의 그룹들 각각에 대응되는 제2 복원 데이터를 획득하는 단계를 실행하도록 하는 명령어들을 더 포함하고,상기 복원 영상을 획득하는 단계는, 상기 획득된 제2 복원 데이터를 이용하여 상기 서브 샘플링된 3D 자기 공명 영상에 대한 복원 영상을 획득하는 단계를 포함하는 것을 특징으로 하는, 자기 공명 영상 장치
10 10
제1 항에 있어서,상기 자기 공명 영상 장치는,대상체로부터 MR 신호를 수신하는 멀티 채널 RF 코일을 더 포함하고,상기 서브 샘플링된 자기 공명 영상의 데이터를 획득하는 단계는,상기 멀티 채널 RF 코일 각각에 대한 서브 샘플링된 자기 공명 영상 데이터들을 획득하는 단계를 포함하고,상기 서브 샘플링된 자기 공명 영상에 대한 복원 영상을 획득하는 단계는,상기 멀티 채널 RF 코일 각각의 민감도 및 상기 복원 데이터에 기초하여, 상기 복원 영상을 획득하는 단계를 포함하는, 자기 공명 영상 장치
11 11
제1 항에 있어서,상기 자기 공명 영상 장치는,대상체로부터 MR 신호를 수신하는 멀티 채널 RF 코일을 더 포함하고,상기 서브 샘플링된 자기 공명 영상의 데이터를 획득하는 단계는,상기 멀티 채널 RF 코일에 의해 수신된 상기 MR 신호에 기초하여 상기 위상 인코딩 방향으로 규칙적 또는 불규칙적인 패턴으로 서브 샘플링된 상기 서브 샘플링된 자기 공명 영상의 데이터를 획득하는 단계를 포함하는, 자기 공명 영상 장치
12 12
적어도 하나의 서브 샘플링된 자기 공명 영상의 데이터 및 적어도 하나의 풀(full) 샘플링된 자기 공명 영상의 데이터를 획득하는 단계;상기 적어도 하나의 서브 샘플링된 자기 공명 영상 및 상기 적어도 하나의 풀 샘플링된 자기 공명 영상 간의 상관 관계를 위상 인코딩 방향에 대응되는 적어도 한 줄의 픽셀들을 단위로 학습하여 적어도 하나의 뉴럴 네트워크(neural network)를 이용한 학습 모델을 획득하는 단계;서브 샘플링된 자기 공명 영상의 데이터를 획득하는 단계;상기 서브 샘플링된 자기 공명 영상의 데이터를 상기 위상 인코딩 방향에 대응되는 적어도 한 줄의 픽셀들을 단위로 하는 복수의 그룹들로 그룹화하는 단계;상기 학습 모델에 기초하여, 상기 복수의 그룹들 각각에 대한 복원 데이터를 획득하는 단계; 및상기 획득된 복원 데이터를 이용하여 상기 서브 샘플링된 자기 공명 영상에 대한 복원 영상을 획득하는 단계를 포함하는, 영상 복원 방법
13 13
삭제
14 14
제12 항에 있어서,상기 서브 샘플링된 자기 공명 영상의 데이터를 획득하는 단계는,서브 샘플링된 실수 영상 데이터 및 서브 샘플링된 허수 영상 데이터 각각을 획득하는 단계를 포함하고, 상기 복수의 그룹들로 그룹화 하는 단계는,상기 서브 샘플링된 실수 영상 데이터 및 상기 서브 샘플링된 허수 영상 데이터 각각을 상기 위상 인코딩 방향과 대응되는 적어도 한 줄의 픽셀들을 단위로 하는 상기 복수의 그룹들로 그룹화하는 단계를 포함하는 것을 특징으로 하는, 영상 복원 방법
15 15
제12 항에 있어서,상기 서브 샘플링된 자기 공명 영상의 데이터를 획득하는 단계는,서브 샘플링된 크기 영상 데이터 및 서브 샘플링된 위상 영상 데이터 각각을 획득하는 단계를 포함하고, 상기 복수의 그룹들로 그룹화 하는 단계는,상기 서브 샘플링된 크기 영상 데이터 및 상기 서브 샘플링된 위상 영상 데이터 각각을 상기 위상 인코딩 방향과 대응되는 적어도 한 줄의 픽셀들을 단위로 하는 상기 복수의 그룹들로 그룹화하는 단계를 포함하는 것을 특징으로 하는, 영상 복원 방법
16 16
삭제
17 17
제12 항에 있어서,상기 서브 샘플링된 자기 공명 영상의 데이터를 획득하는 단계는,상기 서브 샘플링된 자기 공명 영상의 데이터를 상기 위상 인코딩 방향에 대응되도록 순환 이동(circular shifting)하여 적어도 하나의 추가 영상의 데이터를 획득하는 단계를 포함하고, 상기 복수의 그룹들로 그룹화 하는 단계는,상기 서브 샘플링된 자기 공명 영상의 데이터 및 상기 적어도 하나의 추가 영상의 데이터 각각을 상기 위상 인코딩 방향에 대응되는 적어도 한 줄의 픽셀들을 단위로 하는 상기 복수의 그룹들로 그룹화하는 단계를 포함하는 것을 특징으로 하는, 영상 복원 방법
18 18
제12 항에 있어서,상기 서브 샘플링된 자기 공명 영상은 제1 위상 인코딩 방향 및 제2 위상 인코딩 방향을 포함하는 서브 샘플링된 3D 자기 공명 영상을 포함하고,상기 복수의 그룹들로 그룹화하는 단계는, 상기 서브 샘플링된 3D 자기 공명 영상의 데이터를 상기 제1 위상 인코딩 방향에 대응되는 적어도 한 줄의 픽셀들을 단위로 하는 제1 복수의 그룹들로 그룹화하는 단계를 포함하고,상기 복원 데이터를 획득하는 단계는, 상기 적어도 하나의 뉴럴 네트워크를 이용한 학습 모델에 기초하여, 상기 제1 복수의 그룹들 각각에 대응되는 제1 복원 데이터를 획득하는 단계를 포함하는 것을 특징으로 하는, 영상 복원 방법
19 19
제18 항에 있어서,상기 영상 복원 방법은,상기 제1 복수의 그룹들 각각에 대응되는 제1 복원 데이터를 상기 제2 위상 인코딩 방향에 대응되는 적어도 한 줄의 픽셀들을 단위로 하는 제2 복수의 그룹들로 그룹화하는 단계; 및상기 적어도 하나의 뉴럴 네트워크를 이용한 학습 모델에 기초하여, 상기 제2 복수의 그룹들 각각에 대응되는 제2 복원 데이터를 획득하는 단계를 실행하도록 하는 명령어들을 더 포함하고,상기 복원 영상을 획득하는 단계는, 상기 획득된 제2 복원 데이터를 이용하여 상기 서브 샘플링된 3D 자기 공명 영상에 대한 복원 영상을 획득하는 단계를 포함하는 것을 특징으로 하는, 영상 복원 방법
20 20
제12 항에 있어서,상기 서브 샘플링된 자기 공명 영상의 데이터를 획득하는 단계는,멀티 채널 RF 코일 각각에 대한 서브 샘플링된 자기 공명 영상들을 획득하는 단계를 포함하고,상기 서브 샘플링된 자기 공명 영상에 대한 복원 영상을 획득하는 단계는,상기 멀티 채널 RF 코일 각각의 민감도 및 상기 복원 데이터에 기초하여, 상기 복원 영상을 획득하는 단계를 포함하는, 영상 복원 방법
21 21
제12 항에 있어서,상기 방법은,멀티 채널 RF 코일을 이용하여 대상체로부터 MR 신호를 수신하는 단계를 더 포함하고,상기 서브 샘플링된 자기 공명 영상의 데이터를 획득하는 단계는,상기 멀티 채널 RF 코일에 의해 수신된 상기 MR 신호에 기초하여 상기 위상 인코딩 방향으로 규칙적 또는 불규칙적인 패턴으로 서브 샘플링된 상기 서브 샘플링된 자기 공명 영상의 데이터를 획득하는 단계를 포함하는, 영상 복원 방법
22 22
제12 항의 방법을 컴퓨터에서 실행시키기 위한 컴퓨터로 읽을 수 있는 기록매체에 저장된 컴퓨터 프로그램
23 23
프로세서; 및 적어도 하나의 프로그램이 저장되는 메모리를 포함하고,상기 메모리는 상기 적어도 하나의 프로그램이 상기 프로세서에서 실행될 때, 상기 프로세서가 적어도 하나의 서브 샘플링된 자기 공명 영상의 데이터 및 적어도 하나의 풀(full) 샘플링된 자기 공명 영상의 데이터를 획득하는 단계;상기 적어도 하나의 서브 샘플링된 자기 공명 영상 및 상기 적어도 하나의 풀 샘플링된 자기 공명 영상 간의 상관 관계를 엘리어싱(aliasing) 방향에 대응되는 적어도 한 줄의 픽셀들을 단위로 학습하여 적어도 하나의 뉴럴 네트워크(neural network)를 이용한 학습 모델을 획득하는 단계;서브 샘플링된 자기 공명 영상의 데이터를 획득하는 단계;상기 서브 샘플링된 자기 공명 영상의 데이터를 상기 엘리어싱 방향에 대응되는 적어도 한 줄의 픽셀들을 단위로 하는 복수의 그룹들로 그룹화하는 단계;상기 학습 모델에 기초하여, 상기 복수의 그룹들에 대한 복원 데이터를 획득하는 단계; 및상기 획득된 복원 데이터를 이용하여 상기 서브 샘플링된 자기 공명 영상에 대한 복원 영상을 획득하는 단계;를 실행하도록 하는 명령어들을 저장하는, 자기 공명 영상 장치
24 24
적어도 하나의 서브 샘플링된 자기 공명 영상의 데이터 및 적어도 하나의 풀(full) 샘플링된 자기 공명 영상의 데이터를 획득하는 단계;상기 적어도 하나의 서브 샘플링된 자기 공명 영상 및 상기 적어도 하나의 풀 샘플링된 자기 공명 영상 간의 상관 관계를 엘리어싱(aliasing) 방향에 대응되는 적어도 한 줄의 픽셀들을 단위로 학습하여 적어도 하나의 뉴럴 네트워크(neural network)를 이용한 학습 모델을 획득하는 단계;서브 샘플링된 자기 공명 영상의 데이터를 획득하는 단계;상기 서브 샘플링된 자기 공명 영상의 데이터를 상기 엘리어싱 방향에 대응되는 적어도 한 줄의 픽셀들을 단위로 하는 복수의 그룹들로 그룹화하는 단계상기 학습 모델에 기초하여, 상기 복수의 그룹들에 대한 복원 데이터를 획득하는 단계; 및상기 획득된 복원 데이터를 이용하여 상기 서브 샘플링된 자기 공명 영상에 대한 복원 영상을 획득하는 단계를 포함하는, 영상 복원 방법
지정국 정보가 없습니다
순번, 패밀리번호, 국가코드, 국가명, 종류의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 패밀리정보 - 패밀리정보 표입니다.
순번 패밀리번호 국가코드 국가명 종류
1 EP03655791 EP 유럽특허청(EPO) FAMILY
2 US10426373 US 미국 FAMILY
3 US20190059780 US 미국 FAMILY
4 WO2019039708 WO 세계지적재산권기구(WIPO) FAMILY

DOCDB 패밀리 정보

순번, 패밀리번호, 국가코드, 국가명, 종류의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 패밀리정보 - DOCDB 패밀리 정보 표입니다.
순번 패밀리번호 국가코드 국가명 종류
1 EP3655791 EP 유럽특허청(EPO) DOCDBFAMILY
2 EP3655791 EP 유럽특허청(EPO) DOCDBFAMILY
3 US10426373 US 미국 DOCDBFAMILY
4 US2019059780 US 미국 DOCDBFAMILY
5 WO2019039708 WO 세계지적재산권기구(WIPO) DOCDBFAMILY
국가 R&D 정보가 없습니다.