| 1 |
1
대칭형 격자간섭계로부터 샘플의 위치를 선형이동 시킴으로써 고해상도 영상과 고민감도 영상을 획득하는 격자간섭계 영상획득부;기계학습을 수행하기 위한 수치팬텀을 생성하는 수치팬텀생성부;합성곱 신경망의 연산과정을 수행하여 입력데이터로부터 특징을 추출하는 합성곱 계층 생성부;ReLu(Rectified linear unit)활성화 함수를 합성곱 연산의 출력값에 적용하여 원활한 반복 기계학습을 수행할 수 있는 활성화 함수 적용 연산부;Forward propagation 및 backward propagation과정을 반복적으로 수행하면서 합성곱 연산인자를 수정하는 CNN 반복 기계 학습부;CNN 반복 기계 학습부의 반복 기계 학습으로 추출된 특징들을 정합하여 출력하는 영상 정합 출력부;를 포함하고,상기 수치팬텀 생성부는, 획득한 위상차 영상의 해상도,민감도 및 영상잡음(noise)을 측정하여 이와 동일한 수준의 영상을 수치적 시뮬레이션으로 구현하며, 높은 정확도를 위해 복수 개의 수치팬텀을 생성시키는 것을 특징으로 하는 기계 학습을 통한 격자간섭계에서의 민감도 및 해상도 향상을 위한 장치
|
| 2 |
2
제 1 항에 있어서, 격자간섭계 영상획득부는,대칭형의 격자간섭계를 설치하여 피사체의 위치를 선형이동 시킴으로써 고민감도의 영상과 고해상도의 영상 한 쌍을 획득하며 각 영상의 상이한 배율을 맞추기 위한 영상크기 재배열 과정을 수행하는 것을 특징으로 하는 기계 학습을 통한 격자간섭계에서의 민감도 및 해상도 향상을 위한 장치
|
| 3 |
3
삭제
|
| 4 |
4
제 1 항에 있어서, 합성곱 계층 생성부는,입력 데이터를 합성곱(convolution)하기 위하여 합성곱 연산인자인 필터(filter)를 생성하며 필터의 가로, 세로 크기는 입력데이터보다 작고 필터의 개수는 32개 또는 그 이상이 되도록 하는 것을 특징으로 하는 기계 학습을 통한 격자간섭계에서의 민감도 및 해상도 향상을 위한 장치
|
| 5 |
5
제 1 항에 있어서, 합성곱 계층 생성부에서의 입력 데이터와 필터의 합성곱 연산에서,합성곱 연산의 결과가 입력영상의 가로 및 세로크기를 동일하게 유지하기 위하여 zero padding, 이동간격(stride), 생성한 필터 크기를 설정하고,출력데이터의 크기는,으로 이루어지고,여기서, (Co,Ro)는 출력데이터의 크기(C=column, R=row), (Ci,Ri)는 입력데이터의 크기, S는 스트라이드, P는 zero-padding, 그리고 (Cf,Rf)는 필터의 크기인 것을 특징으로 하는 기계 학습을 통한 격자간섭계에서의 민감도 및 해상도 향상을 위한 장치
|
| 6 |
6
제 1 항에 있어서, 합성곱 계층 생성부에서의 입력 데이터와 필터의 합성곱 연산에서,입력데이터의 가장자리 정보들이 사라지는 문제를 해결하기 위하여 zero padding을 수행하고,합성곱 연산은 필터를 입력데이터 내에서 이동할 때 이동간격을 1(stride=1)로 잡아 출력데이터의 크기를 입력값과 동일한 크기로 맞추는 것을 특징으로 하는 기계 학습을 통한 격자간섭계에서의 민감도 및 해상도 향상을 위한 장치
|
| 7 |
7
제 1 항에 있어서, 활성화 함수 적용 연산부는,각 합성곱 계층의 연산으로부터 계산된 출력값에 ReLu 함수를 적용하여 이 후수행되는 반복 기계 학습 시 발생할 수 있는 오차를 줄이는 것을 특징으로 하는 기계 학습을 통한 격자간섭계에서의 민감도 및 해상도 향상을 위한 장치
|
| 8 |
8
제 1 항에 있어서, CNN 반복 기계 학습부에서,forward propagation은 시뮬레이션으로 생성한 입력데이터와 합성곱 연산인자와의 합성곱 연산을 통해 최종적으로 손실함수(cost function)의 손실값을 산출하는 것이고,back propagation은 손실값을 최소화하기 위해서 forward propagation 연산의 역방향으로 합성곱 연산인자를 편미분 함으로써 weight 및 bias 수정을 하는 것을 특징으로 하는 기계 학습을 통한 격자간섭계에서의 민감도 및 해상도 향상을 위한 장치
|
| 9 |
9
제 1 항에 있어서, CNN 반복 기계 학습부는,입력영상으로부터 수행된 합성곱 연산의 결과값과 참값(ground truth)의 차이를 평균 제곱법을 통해 축소시키는 cost function을 생성하고,생성된 cost function이 줄어드는 방향으로 forward propagation 및 backward propagation 과정을 반복적으로 수행하는 것을 특징으로 하는 기계 학습을 통한 격자간섭계에서의 민감도 및 해상도 향상을 위한 장치
|
