| 1 |
1
심박동기 구분을 위한 장치에 있어서, 어느 하나의 계층의 출력이 계층 간 연결의 강도를 결정하는 가중치가 적용되는 복수의 연산을 통해 다음 계층을 구성하는 복수의 계층을 포함하며, 심박동기가 포함된 방사선 영상이 입력되면, 상기 복수의 연산을 수행하여 상기 심박동기가 MRI 촬영 가능한 심박동기인지에 대한 확률을 상기 연산에 따른 출력값으로 출력하는 인공신경망; 및 상기 인공신경망의 학습이 완료된 후, 검사 대상자의 방사선 영상을 상기 인공신경망에 입력하여 상기 출력값을 도출하고, 도출된 출력값에 따라 상기 검사 대상자가 착용한 심박동기가 MRI 촬영 가능한 심박동기인지 여부를 판단하는 구분모듈;을 포함하는 것을 특징으로 하는 심박동기 구분을 위한 장치
|
| 2 |
2
제1항에 있어서, 상기 인공신경망의 학습 완료 전, 학습 데이터인 심박동기가 포함된 방사선 영상을 상기 인공신경망에 입력하여 상기 학습 데이터에 상응하는 목표값과 상기 학습 데이터에 따른 상기 인공신경망의 출력값의 차이가 최소가 되도록 역확산 알고리즘을 통해 상기 인공신경망의 가중치를 수정하는 학습모듈;을 더 포함하는 것을 특징으로 하는 심박동기 구분을 위한 장치
|
| 3 |
3
제1항에 있어서, 상기 인공신경망은 복수의 커널을 포함하는 적어도 하나의 컨볼루션 계층을 포함하며, 상기 커널은 상기 방사선 영상에서 심박동기의 외형의 특징을 추출하는 것을 특징으로 하는 심박동기 구분을 위한 장치
|
| 4 |
4
제1항에 있어서, 상기 인공신경망은 복수의 커널을 포함하는 적어도 하나의 컨볼루션 계층을 포함하며, 상기 커널은 상기 방사선 영상에서 심박동기의 질감, 기울기, 간격, 두께 및 음영 중 적어도 하나의 특징을 추출하는 것을 특징으로 하는 심박동기 구분을 위한 장치
|
| 5 |
5
제1항에 있어서, 상기 방사선 영상이 상기 인공신경망에 입력되기 전, 상기 방사선 영상에서 심박동기 이외의 뼈를 나타내는 부분을 제거하는 전처리모듈;을 더 포함하는 것을 특징으로 하는 심박동기 구분을 위한 장치
|
| 6 |
6
제1항에 있어서, 상기 방사선 영상이 상기 인공신경망에 입력되기 전 히스토그램의 수치를 조절하여 상기 심박동기를 강조하는 전처리모듈;을 더 포함하는 것을 특징으로 하는 심박동기 구분을 위한 장치
|
| 7 |
7
심박동기 구분을 위한 장치에 있어서, 검사 대상자의 방사선 영상을 입력받아 검사 대상자가 MRI 촬영 가능한 심박동기를 착용하였는지 여부를 판별하는 영상구분부; 검사 대상자의 의료 정보를 입력받아 검사 대상자가 MRI 촬영 가능한 심박동기를 착용하였는지 여부를 판별하는 정보검증부; 및 상기 영상구분부 및 상기 정보검증부 양자 모두 검사 대상자가 MRI 촬영 가능한 심박동기를 착용한 것으로 판단하면, 최종적으로 상기 검사 대상자가 MRI 촬영 가능한 것으로 판단하는 촬영결정부;를 포함하는 것을 특징으로 하는 심박동기 구분을 위한 장치
|
| 8 |
8
심박동기 구분을 위한 방법에 있어서, 인공신경망이 검사 대상자의 방사선 영상을 입력받는 단계; 상기 방사선 영상에 대해 가중치가 적용되는 복수의 연산을 수행하여 상기 심박동기가 MRI 촬영 가능한 심박동기인지에 대한 확률을 상기 연산에 따른 출력값으로 출력하는 단계; 및 구분모듈이 상기 도출된 출력값에 따라 상기 검사 대상자가 착용한 심박동기가 MRI 촬영 가능한 심박동기인지 여부를 판단하는 단계;를 포함하는 것을 특징으로 하는 심박동기 구분을 위한 방법
|
| 9 |
9
제8항에 있어서, 상기 출력하는 단계 전, 학습모듈이 학습 데이터인 심박동기가 포함된 방사선 영상을 상기 인공신경망에 입력하는 단계; 상기 인공신경망이 가중치가 적용되는 복수의 연산을 수행하여 상기 학습 데이터에 대응하는 출력값을 출력하는 단계; 상기 학습모듈이 상기 학습 데이터에 상응하는 목표값과 상기 학습 데이터에 따른 상기 인공신경망의 출력값의 차이가 최소가 되도록 역확산 알고리즘을 통해 상기 인공신경망의 가중치를 수정하는 단계;를 더 포함하는 것을 특징으로 하는 심박동기 구분을 위한 방법
|
| 10 |
10
제8항에 있어서, 상기 연산에 따른 출력값으로 출력하는 단계는 상기 인공신경망이 복수의 커널을 포함하는 적어도 하나의 컨볼루션 계층을 통해 상기 방사선 영상에서 심박동기의 외형의 특징을 추출하는 단계;를 포함하는 것을 특징으로 하는 심박동기 구분을 위한 방법
|
| 11 |
11
제8항에 있어서, 상기 연산에 따른 출력값으로 출력하는 단계는 상기 인공신경망이 복수의 커널을 포함하는 적어도 하나의 컨볼루션 계층을 통해 상기 방사선 영상에서 심박동기의 질감, 기울기, 간격, 두께 및 음영 중 적어도 하나의 특징을 추출하는 단계;를 포함하는 것을 특징으로 하는 심박동기 구분을 위한 장치
|
| 12 |
12
제8항에 있어서, 상기 입력받는 단계 전, 상기 방사선 영상에서 심박동기 이외의 뼈를 나타내는 부분을 제거하는 단계;를 더 포함하는 것을 특징으로 하는 심박동기 구분을 위한 방법
|
| 13 |
13
제8항에 있어서, 상기 입력받는 단계 전, 상기 방사선 영상에서 히스토그램의 수치를 조절하여 상기 심박동기를 강조하는 단계;를 더 포함하는 것을 특징으로 하는 심박동기 구분을 위한 방법
|
| 14 |
14
심박동기 구분을 위한 방법에 있어서, 영상구분부가 검사 대상자의 방사선 영상을 입력받아 검사 대상자가 MRI 촬영 가능한 심박동기를 착용하였는지 여부를 판별하는 단계; 정보검증부가 상기 검사 대상자의 의료 정보를 입력받아 검사 대상자가 MRI 촬영 가능한 심박동기를 착용하였는지 여부를 판별하는 단계; 및 촬영결정부가 상기 영상구분부 및 상기 정보검증부 양자 모두 검사 대상자가 MRI 촬영 가능한 심박동기를 착용한 것으로 판단하면, 최종적으로 상기 검사 대상자가 MRI 촬영 가능한 것으로 판단하는 단계;를 포함하는 것을 특징으로 하는 심박동기 구분을 위한 방법
|
| 15 |
15
심박동기 구분을 위한 방법을 수행하는 프로그램이 기록된 컴퓨터 판독 가능한 기록매체에 있어서, 학습모듈이 어느 하나의 계층의 출력이 계층 간 연결의 강도를 결정하는 가중치가 적용되는 복수의 연산을 통해 다음 계층을 구성하는 복수의 계층을 포함하며, 상기 복수의 연산을 수행하여 상기 심박동기가 MRI 촬영 가능한 심박동기인지에 대한 확률을 상기 연산에 따른 출력값으로 출력하는 인공신경망을 학습시키는 단계; 구분모듈이 검사 대상자의 방사선 영상을 상기 인공신경망에 입력하여 상기 출력값을 도출하는 단계; 및 상기 구분모듈이 상기 도출된 출력값에 따라 상기 검사 대상자가 착용한 심박동기가 MRI 촬영 가능한 심박동기인지 여부를 판단하는 단계;를 포함하는 것을 특징으로 하는 심박동기 구분을 위한 방법을 수행하는 프로그램이 기록된 컴퓨터 판독 가능한 기록매체
|
| 16 |
16
제15항에 있어서, 상기 인공신경망을 학습시키는 단계는 상기 학습모듈이 학습 데이터인 심박동기가 포함된 방사선 영상을 상기 인공신경망에 입력하는 단계; 및 상기 인공신경망이 상기 학습 데이터에 대응하여 복수의 연산을 통해 출력값을 출력하면, 상기 학습 데이터에 상응하는 목표값과 상기 출력값의 차이가 최소가 되도록 역확산 알고리즘을 통해 상기 인공신경망의 가중치를 수정하는 단계;를 포함하는 것을 특징으로 하는 심박동기 구분을 위한 방법을 수행하는 프로그램이 기록된 컴퓨터 판독 가능한 기록매체
|
