| 1 |
1
미리 설정되어 있는 가상영상 생성 모델 또는 수신한 손실 값을 반영한 가상영상 생성 모델을 기반으로 하여 입력받은 심초음파 영상을 이용해 고화질의 가상 CT영상을 생성하는 가상 영상 생성부;수신한 실제 CT영상과 상기 생성된 가상 CT영상의 데이터 분포의 차이를 비교하여 상기 가상 CT영상의 진위여부를 판단하는 제1 판단부;상기 심초음파 영상과 상기 실제 CT 영상의 데이터 분포 쌍에 대한 진위여부를 판단하는 제2 판단부; 및상기 제1, 2판단부로부터 수신한 진위 여부 판단결과 및 상기 가상 CT영상, 미리 설정된 가중치 값, 심전도의 계급 범위, 상호 정보량을 반영하여 상기 생성된 가상 영상의 손실 값을 산출하는 손실 값 산출부를 포함하고, 상기 손실 값을 상기 가상 영상 생성부에 제공하고, 상기 손실 값을 반영한 가상 CT영상의 생성 과정을 반복함으로써 상대적으로 더 실제와 동일한 가상 CT영상을 생성하는 것을 특징으로 하는 딥러닝을 이용한 고화질 심장 영상 생성장치
|
| 2 |
2
제 1 항에 있어서,심장 박동 주기에 따라 10개의 계급으로 나누어 심전도의 계급 범위를 설정하는 심전도 계급 설정부를 더 포함하는 것을 특징으로 하는 딥러닝을 이용한 고화질 심장 영상 생성장치
|
| 3 |
3
제 2 항에 있어서,상기 심전도의 계급은 심실이 수축할 때 발생하는 QRS파의 R값을 기준으로 다음 R까지의 주기를 10 단계로 세분화하여 10개의 계급으로 설정하는 것을 특징으로 하는 딥러닝을 이용한 고화질 심장 영상 생성장치
|
| 4 |
4
제 1 항에 있어서, 상기 심초음파 영상 및 실제 CT 영상을 사용하기 이전에 상기 심초음파 영상 및 실제 CT 영상을 대상으로 계산된 최적의 단축, 장축을 적용하고, 3D영상을 2D영상의 집합으로 분리하며, 최적의 대조도를 위해 윈도우 폭과 윈도우 레벨을 조정하는 영상 전처리부를 더 포함하는 것을 특징으로 하는 딥러닝을 이용한 고화질 심장 영상 생성장치
|
| 5 |
5
제 1 항에 있어서 상기 손실 값 산출부는, 상기 제1 판단부와 제2 판단부의 판단 결과에 따른 손실 값에 미리 설정된 제1, 2 가중치를 적용하고, 상기 가중치가 반영된 손실 값을 합산하여 심초음파 특징 분포가 소실되는 문제를 보정할 수 있는 손실 값을 산출하는 것을 특징으로 하는 딥러닝을 이용한 고화질 심장 영상 생성장치
|
| 6 |
6
제 1 항에 있어서 상기 가상 영상 생성부는, 수신한 상기 손실 값을 적용하여 실제 CT 영상의 데이터 분포와 가상 CT영상의 데이터 분포 사이의 오차를 보정하고, 상기 보정된 데이터 분포를 가지는 가상 CT영상을 생성함으로써, 상기 제1 판단부에서 실제 CT 영상과 가상 CT영상의 진위 여부 판단 정확도가 50%에 도달할 때까지 상기 손실 값을 반영한 가상 CT영상의 생성 과정을 반복하는 것을 특징으로 하는 딥러닝을 이용한 고화질 심장 영상 생성장치
|
| 7 |
7
미리 설정되어 있는 가상영상 생성 모델 또는 수신한 손실 값을 반영한 가상영상 생성 모델을 기반으로 하여 입력받은 심초음파 영상을 이용해 고화질의 가상 CT영상을 생성하는 단계;수신한 실제 CT영상과 상기 생성된 가상 CT영상의 데이터 분포의 차이를 비교하여 상기 가상 CT영상의 진위여부를 판단하는 제1 판단 단계;상기 심초음파 영상과 상기 실제 CT 영상의 데이터 분포 쌍에 대한 진위여부를 판단하는 제2 판단 단계; 및상기 제1, 2판단부로부터 수신한 진위 여부 판단결과 및 상기 가상 CT영상, 미리 설정된 가중치 값, 심전도의 계급 범위, 상호 정보량을 반영하여 상기 생성된 가상 영상의 손실 값을 산출하는 단계를 포함하고, 상기 손실 값을 반영한 가상 CT영상의 생성 과정을 반복함으로써 상대적으로 더 실제와 동일한 가상 CT영상을 생성하는 것을 특징으로 하는 딥러닝을 이용한 고화질 심장 영상 생성방법
|
| 8 |
8
제 7 항에 있어서,심장 박동 주기에 따라 10개의 계급으로 나누어 심전도의 계급 범위를 설정하는 단계를 더 포함하는 것을 특징으로 하는 딥러닝을 이용한 고화질 심장 영상 생성방법
|
| 9 |
9
제 8 항에 있어서,상기 심전도의 계급은 심실이 수축할 때 발생하는 QRS파의 R값을 기준으로 다음 R까지의 주기를 10 단계로 세분화하여 10개의 계급으로 설정하는 것을 특징으로 하는 딥러닝을 이용한 고화질 심장 영상 생성방법
|
| 10 |
10
제 7 항에 있어서, 상기 심초음파 영상 및 실제 CT 영상을 사용하기 이전에 상기 심초음파 영상 및 실제 CT 영상을 대상으로 계산된 최적의 단축, 장축을 적용하고, 3D영상을 2D영상의 집합으로 분리하며, 최적의 대조도를 위해 윈도우 폭과 윈도우 레벨을 조정하는 단계를 더 포함하는 것을 특징으로 하는 딥러닝을 이용한 고화질 심장 영상 생성방법
|
| 11 |
11
제 7 항에 있어서 상기 손실 값을 산출하는 단계는, 상기 제1 판단 단계와 제2 판단 단계의 판단 결과에 따른 손실 값에 미리 설정된 제1, 2 가중치를 적용하고, 상기 가중치가 반영된 손실 값을 합산하여 심초음파 특징 분포가 소실되는 문제를 보정할 수 있는 손실 값을 산출하는 것을 특징으로 하는 딥러닝을 이용한 고화질 심장 영상 생성방법
|
| 12 |
12
제 7 항에 있어서 상기 가상 CT영상을 생성하는 단계는, 수신한 상기 손실 값을 적용하여 실제 CT 영상의 데이터 분포와 가상 CT영상의 데이터 분포 사이의 오차를 보정하고, 상기 보정된 데이터 분포를 가지는 가상 CT영상을 생성함으로써, 상기 제1 판단 단계에서 실제 CT 영상과 가상 CT영상의 진위 여부 판단 정확도가 50%에 도달할 때까지 상기 손실 값을 반영한 가상 CT영상의 생성 과정을 반복하는 것을 특징으로 하는 딥러닝을 이용한 고화질 심장 영상 생성방법
|
