| 1 |
1
뇌졸중 진단 및 예후 예측 시스템에 있어서,인간의 뇌의 적어도 일부를 포함하는 복수 개의 영상들을 수신하도록 구성된 영상 획득부;상기 복수개의 영상들을 표준 뇌 영상을 기준으로 정렬하는 영상 정렬부;상기 복수개의 영상들로부터 각각 병변 영역들 검출하고, 상기 검출된 병변 영역들에 맵핑하여 하나의 맵핑 영상을 생성하는 병변 영역 검출 및 맵핑부;상기 맵핑 영상을 스케일링함으로써 표준 뇌 영상에 정합하고, 상기 맵핑 영상에 대해 영상 보정을 수행하는 정합 및 보정부;상기 맵핑 영상을 3차원 데이터 공간에 수납함으로써 3차원 병변 영상을 생성하는 3차원 영상 생성부;상기 3차원 병변 영상에 기초하여 뇌졸중을 진단하는 뇌졸중 진단부를 포함하며,상기 뇌졸중 진단부는 상기 수납된 3차원 병변 영상의 특징을 심층 신경망을 이용하여 추출하고 상기 추출된 3차원 병변 영상을 활용하여 훈련된 심층 신경망에 기초하여 뇌졸중을 진단하는 것을 특징으로 하는 뇌졸중 진단 및 예후 예측 시스템
|
| 2 |
2
제1항에 있어서, 상기 병변 영역 검출 및 맵핑부는 상기 복수개의 영상들의 정합 위치 정보에 기초하여 상기 맵핑된 병변의 위치를 상기 표준 뇌 영상에 정합하는 것을 특징으로 하는 뇌졸중 진단 및 예후 예측 시스템
|
| 3 |
3
제1항에 있어서, 상기 3차원 영상 생성부는 3차원 병변 영상을 생성하기 전에 상기 병변 영상에 대해 병변의 유무에 따라 상기 병변 영상의 픽셀 정보를 바이너리화하고 상기 병변 영상의 크기를 조절하는 것을 특징으로 하는 뇌졸중 진단 및 예후 예측 시스템
|
| 4 |
4
삭제
|
| 5 |
5
제1항에 있어서, 상기 심층 신경망은 3차원 합성곱 신경망(convolutional neural network: CNN)을 포함하는 것을 특징으로 하는 뇌졸중 진단 및 예후 예측 시스템
|
| 6 |
6
제1항에 있어서, 상기 뇌졸중 진단부는 상기 진단된 뇌졸중의 중증도를 분류하는 것을 특징으로 하는 뇌졸중 진단 및 예후 예측 시스템
|
| 7 |
7
제1항에 있어서, 상기 뇌졸중 진단부는 상기 병변 영상으로부터 3주내의 위독 리스크를 예측하고 소정 시간 후의 환자 상태를 예측하는 것을 특징으로 하는 뇌졸중 진단 및 예후 예측 시스템
|
| 8 |
8
제1항에 있어서, 상기 복수개의 영상들은 MRI 영상들인 것을 특징으로 하는 뇌졸중 진단 및 예후 예측 시스템
|
| 9 |
9
제8항에 있어서, 상기 MRI 영상들은 확산 강조 영상(Diffusion weighted imaging, DWI), 유체감쇄반전(FluidAttenuated Inversion Recovery, FLAIR) 영상, 경사 에코(Gradient Echo, GE) 영상, 및 T2 강조 영상(T2 weighted image, T2)을 포함하는 것을 특징으로 하는 하는 뇌졸중 진단 및 예후 예측 시스템
|
| 10 |
10
뇌졸중 진단 및 예후 예측 방법에 있어서,인간의 뇌의 적어도 일부를 포함하는 복수 개의 영상들을 획득하는 단계;상기 복수개의 영상들을 표준 뇌를 기준으로 정렬하는 단계;상기 복수개의 영상들로부터 각각 병변 영역들 검출하고, 상기 검출된 병변 영역들에 맵핑하여 하나의 맵핑 영상을 생성하는 단계;상기 맵핑 영상을 스케일링함으로써 표준 뇌 영상에 정합하고, 상기 맵핑 영상에 대해 영상 보정을 수행하는 단계;상기 맵핑 영상을 3차원 데이터 공간에 수납함으로써 3차원 병변 영상을 생성하는 단계; 및상기 3차원 병변 영상에 기초하여 뇌졸중을 진단하는 단계를 포함하며,상기 뇌졸중을 진단하는 단계는 상기 수납된 3차원 병변 영상의 특징을 심층 신경망을 이용하여 추출하고 상기 추출된 3차원 병변 영상을 활용하여 훈련된 심층 신경망에 기초하여 뇌졸중을 진단하는 것을 특징으로 하는 뇌졸중 진단 및 예후 예측 방법
|
| 11 |
11
제10항에 있어서, 상기 하나의 맵핑 영상을 생성하는 단계는 상기 정합의 위치 정보에 기초하여 상기 맵핑된 병변의 위치를 상기 표준 뇌 영상에 정합하는 단계를 포함하는 것을 특징으로 하는 뇌졸중 진단 및 예후 예측 방법
|
| 12 |
12
제10항에 있어서, 상기 3차원 병변 영상을 생성하기 전에 상기 병변 영상에 대해 병변의 유무에 따라 상기 병변 영상의 픽셀 정보를 바이너리화하고, 상기 병변 영상의 크기를 조절하는 단계를 더 포함하는 것을 특징으로 하는 뇌졸중 진단 및 예후 예측 방법
|
| 13 |
13
제10항에 있어서, 상기 뇌졸중을 진단하는 단계는 상기 수납된 3차원 병변 영상의 정보의 특징을 3차원 합성곱 신경망(convolutional neural network: CNN)을 이용하여 추출하는 단계를 포함하는 것을 특징으로 하는 뇌졸중 진단 및 예후 예측 방법
|
| 14 |
14
제10항에 있어서, 상기 뇌졸중을 진단하는 단계는 상기 진단된 뇌졸중의 중증도를 분류하는 단계를 포함하는 것을 특징으로 하는 뇌졸중 진단 및 예후 예측 방법
|
| 15 |
15
제10항에 있어서, 상기 뇌졸중을 진단하는 단계는 상기 병변 영상으로부터 3주내의 위독 리스크를 예측하고 소정 시간 후의 환자 상태를 예측하는 단계를 포함하는 것을 특징으로 하는 뇌졸중 진단 및 예후 예측 방법
|
