1 |
1
저 선량 엑스선 전산단층(CT) 영상을 수신하는 단계; 및비매칭 데이터를 이용하여 학습된 준지도 학습(semi-supervised learning) 기반의 뉴럴 네트워크를 이용하여 상기 저 선량 엑스선 전산단층 영상으로부터 노이즈를 제거함으로써, 상기 저 선량 엑스선 전산단층 영상에 대응하는 일반(routine) 선량 엑스선 전산단층 영상으로 복원하는 단계를 포함하는 영상 처리 방법
|
2 |
2
제1항에 있어서,상기 뉴럴 네트워크는저 선량 엑스선 전산단층 영상과 일반 선량 엑스선 전산단층 영상에 대하여, 미리 정의된 식별 손실(identity loss), 사이클 손실(cyclic loss) 및 적대 손실(adversarial loss)에 기초하여 학습되는 것을 특징으로 하는 영상 처리 방법
|
3 |
3
제1항에 있어서,촬영된 제1 저 선량 엑스선 전산단층 영상과 제1 뉴럴 네트워크를 이용하여 출력된 노이즈를 제거한 제1 일반 선량 엑스선 전산단층 영상 간의 식별 손실(identity loss), 상기 제1 저 선량 엑스선 전산단층 영상과 상기 제1 일반 선량 엑스선 전산단층 영상을 입력으로 하는 제2 뉴럴 네트워크를 이용하여 출력된 노이즈가 포함된 제2 저 선량 엑스선 전산단층 영상 간의 사이클 손실(cyclic loss) 및 상기 제1 저 선량 엑스선 전산단층 영상과 상기 제2 뉴럴 네트워크를 이용하여 출력되는 촬영된 제2 일반 선량 엑스선 전산단층 영상에 대한 제3 저 선량 엑스선 전산단층 영상을 구별하기 위한 판별기의 적대 손실(adversarial loss)에 기초하여 상기 제1 뉴럴 네트워크, 상기 제2 뉴럴 네트워크 및 상기 판별기를 학습하는 단계를 더 포함하고,상기 복원하는 단계는상기 학습된 제1 뉴럴 네트워크를 이용하여 상기 저 선량 엑스선 전산단층 영상에 대응하는 일반 선량 엑스선 전산단층 영상으로 복원하는 것을 특징으로 하는 것을 특징으로 하는 영상 처리 방법
|
4 |
4
제1항에 있어서,상기 뉴럴 네트워크는컨볼루션 프레임렛(convolution framelet) 기반의 뉴럴 네트워크를 포함하는 것을 특징으로 하는 영상 처리 방법
|
5 |
5
제1항에 있어서,상기 뉴럴 네트워크는제1 저 선량 엑스선 전산단층 영상을 입력으로 상기 제1 저 선량 엑스선 전산단층 영상에 대응하는 제1 일반 선량 엑스선 전산단층 영상을 출력하는 제1 뉴럴 네트워크;상기 제1 뉴럴 네트워크의 출력 영상을 입력으로 상기 출력 영상에 대응하는 제2 저 선량 엑스선 전산단층 영상을 출력하는 제2 뉴럴 네트워크;제2 일반 엑스선 전산단층 영상을 입력으로 상기 제2 일반 선량 엑스선 전산단층 영상에 대응하는 제3 저 선량 엑스선 전산단층 영상을 출력하는 제3 뉴럴 네트워크;상기 제3 뉴럴 네트워크의 출력 영상을 입력으로 상기 출력 영상에 대응하는 제3 일반 엑스선 전산단층 영상을 출력하는 제4 뉴럴 네트워크;상기 제1 저 선량 엑스선 전산단층 영상과 상기 제3 뉴럴 네트워크의 출력 영상을 구별하는 제1 판별기; 및상기 제2 일반 엑스선 전산단층 영상과 상기 제1 뉴럴 네트워크의 출력 영상을 구별하는 제2 판별기를 포함하는 것을 특징으로 하는 영상 처리 방법
|
6 |
6
저 선량 엑스선 전산단층(CT) 영상을 수신하는 단계; 및준지도 학습(semi-supervised learning) 기반의 노이즈를 제거하는 뉴럴 네트워크를 이용하여 상기 저 선량 엑스선 전산단층 영상으로부터 노이즈를 제거된 전산단층 영상으로 복원하는 단계를 포함하는 영상 처리 방법
|
7 |
7
제6항에 있어서,상기 뉴럴 네트워크는컨볼루션 프레임렛(convolution framelet) 기반의 뉴럴 네트워크를 포함하는 것을 특징으로 하는 영상 처리 방법
|
8 |
8
저 선량 엑스선 전산단층(CT) 영상을 수신하는 수신부; 및비매칭 데이터를 이용하여 학습된 준지도 학습(semi-supervised learning) 기반의 뉴럴 네트워크를 이용하여 상기 저 선량 엑스선 전산단층 영상으로부터 노이즈를 제거함으로써, 상기 저 선량 엑스선 전산단층 영상에 대응하는 일반(routine) 선량 엑스선 전산단층 영상으로 복원하는 복원부를 포함하는 영상 처리 장치
|
9 |
9
제8항에 있어서,상기 뉴럴 네트워크는저 선량 엑스선 전산단층 영상과 일반 선량 엑스선 전산단층 영상에 대하여, 미리 정의된 식별 손실(identity loss), 사이클 손실(cyclic loss) 및 적대 손실(adversarial loss)에 기초하여 학습되는 것을 특징으로 하는 영상 처리 장치
|
10 |
10
제8항에 있어서,상기 영상 처리 장치는촬영된 제1 저 선량 엑스선 전산단층 영상과 제1 뉴럴 네트워크를 이용하여 출력된 노이즈를 제거한 제1 일반 선량 엑스선 전산단층 영상 간의 식별 손실(identity loss), 상기 제1 저 선량 엑스선 전산단층 영상과 상기 제1 일반 선량 엑스선 전산단층 영상을 입력으로 하는 제2 뉴럴 네트워크를 이용하여 출력된 노이즈가 포함된 제2 저 선량 엑스선 전산단층 영상 간의 사이클 손실(cyclic loss) 및 상기 제1 저 선량 엑스선 전산단층 영상과 상기 제2 뉴럴 네트워크를 이용하여 출력되는 촬영된 제2 일반 선량 엑스선 전산단층 영상에 대한 제3 저 선량 엑스선 전산단층 영상을 구별하기 위한 판별기의 적대 손실(adversarial loss)에 기초하여 상기 제1 뉴럴 네트워크, 상기 제2 뉴럴 네트워크 및 상기 판별기를 학습하고,상기 복원부는상기 학습된 제1 뉴럴 네트워크를 이용하여 상기 저 선량 엑스선 전산단층 영상에 대응하는 일반 선량 엑스선 전산단층 영상으로 복원하는 것을 특징으로 하는 것을 특징으로 하는 영상 처리 장치
|
11 |
11
제8항에 있어서,상기 뉴럴 네트워크는컨볼루션 프레임렛(convolution framelet) 기반의 뉴럴 네트워크를 포함하는 것을 특징으로 하는 영상 처리 장치
|
12 |
12
제8항에 있어서,상기 뉴럴 네트워크는제1 저 선량 엑스선 전산단층 영상을 입력으로 상기 제1 저 선량 엑스선 전산단층 영상에 대응하는 제1 일반 선량 엑스선 전산단층 영상을 출력하는 제1 뉴럴 네트워크;상기 제1 뉴럴 네트워크의 출력 영상을 입력으로 상기 출력 영상에 대응하는 제2 저 선량 엑스선 전산단층 영상을 출력하는 제2 뉴럴 네트워크;제2 일반 엑스선 전산단층 영상을 입력으로 상기 제2 일반 선량 엑스선 전산단층 영상에 대응하는 제3 저 선량 엑스선 전산단층 영상을 출력하는 제3 뉴럴 네트워크;상기 제3 뉴럴 네트워크의 출력 영상을 입력으로 상기 출력 영상에 대응하는 제3 일반 엑스선 전산단층 영상을 출력하는 제4 뉴럴 네트워크;상기 제1 저 선량 엑스선 전산단층 영상과 상기 제3 뉴럴 네트워크의 출력 영상을 구별하는 제1 판별기; 및상기 제2 일반 엑스선 전산단층 영상과 상기 제1 뉴럴 네트워크의 출력 영상을 구별하는 제2 판별기를 포함하는 것을 특징으로 하는 영상 처리 장치
|