1 |
1
(a) 다중 뷰 영상 생성부가, 분할된 간유리음영 결절 영역을 포함하는 복수의 훈련 영상 및 대상 영상으로부터 다중 뷰 영상을 생성하는 단계;(b) 특징 추출 및 선별부가, 상기 생성된 다중 뷰 영상으로부터 간유리음영 결절 영역의 특징 벡터들을 추출하고, 상기 추출된 특징 벡터들 중 고형 성분이 작은 폐 간유리음영 결절을 분류하기 위한 특징 벡터들을 선별하는 단계; 및(c) 분류부가, 상기 선별된 특징 벡터들을 이용한 머신 러닝 기반의 분류기에 기반하여 상기 대상 영상에서 고형 성분이 작은 폐 간유리음영 결절을 분류하는 단계를 포함하는, 흉부 CT 영상에서 다중 뷰 영상과 텍스처 분석을 통한 고형 성분이 작은 폐 간유리음영 결절 분류 방법
|
2 |
2
청구항 1에 있어서,상기 다중 뷰 영상은,xy축, zx축 및 yz축을 고려하는 3개의 2D 축상면, 관상면, 시상면 평면의 영상 및 xyz축을 모두 고려하는 6개의 평면의 영상을 포함하는 9개의 다중 뷰 영상을 포함하고,각 평면을 두 축으로 이루어진 평면과 다른 한 축과의 각으로 나타내는 경우, 상기 3개의 2D 평면들은 xy-z(0°), zx-y(0°), yz-x(0°)이고, 상기 6개의 평면은 yz-x(45°), yz-x(135°), zx-y(45°), zx-y(135°), xy-z(45°), xy-z(135°)인, 흉부 CT 영상에서 다중 뷰 영상과 텍스처 분석을 통한 고형 성분이 작은 폐 간유리음영 결절 분류 방법
|
3 |
3
청구항 2에 있어서,상기 단계 (b)에서 추출된 특징 벡터들은,픽셀의 밝기값을 고려하는 8개의 히스토그램 특징 벡터, 12개 초과임계값(above thresholding value), 5개의 백분위 CT 밝기값(percentile CT attenuation value), 픽셀의 밝기값과 위치 정보를 고려하는 명암도 동시발생 행렬(GLCM; gray level co-occurrence matrix) 기반의 56개 하랄릭(Haralick) 특징 벡터들, 및 픽셀의 밝기값과 연속성을 고려하는 명암도 작용길이 행렬(GLRLM; gray level run-length matrix) 기반의 88개 특징 벡터들을 포함하는, 흉부 CT 영상에서 다중 뷰 영상과 텍스처 분석을 통한 고형 성분이 작은 폐 간유리음영 결절 분류 방법
|
4 |
4
청구항 3에 있어서,상기 선별된 고형 성분이 작은 폐 간유리음영 결절을 분류하기 위한 특징 벡터들은, 상기 훈련 영상으로부터 생성된 상기 9개의 다중 뷰 영상으로부터 각각 169개씩 추출된 총 1521개의 특징 벡터들 중 ReliefF 특징 선별 기법을 이용하여 선별된 상위 10개의 특징 벡터들을 포함하는, 흉부 CT 영상에서 다중 뷰 영상과 텍스처 분석을 통한 고형 성분이 작은 폐 간유리음영 결절 분류 방법
|
5 |
5
청구항 4에 있어서,상기 선별된 10개의 특징 벡터들은,xy-z(135°) 영상에서 최대 밝기값, xy-z(135°) 영상에서 97
|
6 |
6
청구항 1에 있어서,상기 단계 (a) 이전에,(a-1) 분할부가, 흉부 컴퓨터단층촬영(CT) 영상에서 밝기값 히스토그램을 이용한 적응적 임계값을 산정하여 초기 간유리음영 결절 영역을 추출하는 단계; 및(a-2) 상기 분할부가, 밝기값 제약을 사용해 제안한 변형모델을 이용하여 상기 초기 간유리음영 결절 영역을 최종 분할하여 상기 분할된 간유리음영 결절 영역을 포함하는 훈련 영상 및 대상 영상을 획득하는 단계를 더 포함하는, 흉부 CT 영상에서 다중 뷰 영상과 텍스처 분석을 통한 고형 성분이 작은 폐 간유리음영 결절 분류 방법
|
7 |
7
분할된 간유리음영 결절 영역을 포함하는 복수의 훈련 영상 및 대상 영상으로부터 다중 뷰 영상을 생성하기 위한 다중 뷰 영상 생성부;상기 생성된 다중 뷰 영상으로부터 간유리음영 결절 영역의 특징 벡터들을 추출하고, 상기 추출된 특징 벡터들 중 고형 성분이 작은 폐 간유리음영 결절을 분류하기 위한 특징 벡터들을 선별하기 위한 특징 추출 및 선별부; 및상기 선별된 특징 벡터들을 이용한 머신 러닝 기반의 분류기에 기반하여 상기 대상 영상에서 고형 성분이 작은 폐 간유리음영 결절을 분류하기 위한 분류부를 포함하는, 흉부 CT 영상에서 다중 뷰 영상과 텍스처 분석을 통한 고형 성분이 작은 폐 간유리음영 결절 분류 장치
|
8 |
8
청구항 7에 있어서,상기 다중 뷰 영상은,xy축, zx축 및 yz축을 고려하는 3개의 2D 축상면, 관상면, 시상면 평면의 영상 및 xyz축을 모두 고려하는 6개의 평면의 영상을 포함하는 9개의 다중 뷰 영상을 포함하고,각 평면을 두 축으로 이루어진 평면과 다른 한 축과의 각으로 나타내는 경우, 상기 3개의 2D 평면들은 xy-z(0°), zx-y(0°), yz-x(0°)이고, 상기 6개의 평면은 yz-x(45°), yz-x(135°), zx-y(45°), zx-y(135°), xy-z(45°), xy-z(135°)인, 흉부 CT 영상에서 다중 뷰 영상과 텍스처 분석을 통한 고형 성분이 작은 폐 간유리음영 결절 분류 장치
|
9 |
9
청구항 8에 있어서,상기 추출된 특징 벡터들은,픽셀의 밝기값을 고려하는 8개의 히스토그램 특징 벡터, 12개 초과임계값(above thresholding value), 5개의 백분위 CT 밝기값(percentile CT attenuation value), 픽셀의 밝기값과 위치 정보를 고려하는 명암도 동시발생 행렬(GLCM; gray level co-occurrence matrix) 기반의 56개 하랄릭(Haralick) 특징 벡터들, 및 픽셀의 밝기값과 연속성을 고려하는 명암도 작용길이 행렬(GLRLM; gray level run-length matrix) 기반의 88개 특징 벡터들을 포함하는, 흉부 CT 영상에서 다중 뷰 영상과 텍스처 분석을 통한 고형 성분이 작은 폐 간유리음영 결절 분류 장치
|
10 |
10
청구항 9에 있어서,상기 선별된 고형 성분이 작은 폐 간유리음영 결절을 분류하기 위한 특징 벡터들은, 상기 훈련 영상으로부터 생성된 상기 9개의 다중 뷰 영상으로부터 각각 169개씩 추출된 총 1521개의 특징 벡터들 중 ReliefF 특징 선별 기법을 이용하여 선별된 상위 10개의 특징 벡터들을 포함하는, 흉부 CT 영상에서 다중 뷰 영상과 텍스처 분석을 통한 고형 성분이 작은 폐 간유리음영 결절 분류 장치
|
11 |
11
청구항 10에 있어서,상기 선별된 10개의 특징 벡터들은,xy-z(135°) 영상에서 최대 밝기값, xy-z(135°) 영상에서 97
|
12 |
12
청구항 7에 있어서,흉부 컴퓨터단층촬영(CT) 영상에서 밝기값 히스토그램을 이용한 적응적 임계값을 산정하여 초기 간유리음영 결절 영역을 추출하고, 밝기값 제약을 사용해 제안한 변형모델을 이용하여 상기 초기 간유리음영 결절 영역을 최종 분할하여 상기 분할된 간유리음영 결절 영역을 포함하는 복수의 훈련 영상 및 대상 영상을 획득하기 위한 분할부를 더 포함하는, 흉부 CT 영상에서 다중 뷰 영상과 텍스처 분석을 통한 고형 성분이 작은 폐 간유리음영 결절 분류 장치
|