1 |
1
인체의 조직을 포함하는 의료 영상을 입력받는 영상 입력부; 입력된 상기 의료 영상에서 추출된 픽쳐에 대해 정상인데 비정상으로 판단할 확률 분포와 비정상인데 정상으로 판단할 확률 분포에 대해 서로 다른 가중치를 부여한 가중손실함수를 사용한, 학습된 딥 러닝 모델을 이용하여 입력된 상기 의료 영상에 포함된 조직에 대해 질병의 정상 및 비정상 중 하나로 분류하는 분류부; 및상기 분류부에서 분류한 결과를 출력하는 결과 출력부를 포함하고,상기 가중손실함수에서 비정상인데 정상으로 판단할 확률 분포에 부여한 제2가중치가, 정상인데 비정상으로 판단할 확률 분포에 부여한 제1가중치보다 큰 딥 러닝 모델을 활용한 영상 진단 장치
|
2 |
2
제1항에 있어서,상기 딥 러닝 모델은 입력된 상기 의료 영상에서 컨벌루션과 서브샘플링을 수행하여 상기 의료 영상에 대한 픽쳐를 추출하는 픽쳐 추출 영역과, 추출된 픽쳐에 대해 상기 가중손실함수를 사용하여 입력된 상기 의료 영상에 대한 분류를 수행하는 분류 영역을 포함하는 딥 러닝 모델을 활용한 영상 진단 장치
|
3 |
3
삭제
|
4 |
4
제1항에 있어서,상기 딥 러닝 모델의 개수는 둘 이상이며, 상기 결과 출력부는, 상기 둘 이상의 딥 러닝 모델들의 분류 결과들을 앙상블시켜 상기 의료 영상에 포함된 조직에 대해 질병의 정상 및 비정상 중 하나로 분류하는 딥 러닝 모델을 활용한 영상 진단 장치
|
5 |
5
제4항에 있어서,상기 딥 러닝 모델들의 전부 또는 일부는, 학습 데이터로 학습할 때, 각 레이어에 있는 노드를 특정 확률로 제거하여 학습시키고, 학습이 완료되고 테스트를 할 때에는 원래대로 모든 노드를 고려하고 노드마다 가지고 있는 가중치를 상기 확률을 곱한 드롭 아웃 기술을 적용한 딥 러닝 모델을 활용한 영상 진단 장치
|
6 |
6
제4항에 있어서,상기 딥 러닝 모델들의 적어도 일부는 동일한 하나의 딥 러닝 모델을 사용하되, 상기 하나의 딥 러닝 모델에 대해 학습에 사용된 학습 데이터들의 개수나 순서를 조절하여 학습한 딥 러닝 모델을 활용한 영상 진단 장치
|
7 |
7
제4항에 있어서,상기 딥 러닝 모델의 적어도 일부는 레이어의 뎁스 또는 레이어들의 개수가 다른 딥 러닝 모델과 다른 딥 러닝 모델을 활용한 영상 진단 장치
|
8 |
8
제4항에 있어서,상기 결과 출력부는, 상기 둘 이상의 딥 러닝 모델들의 분류 결과들을 다수결 기반의 앙상블, 만장일치 기반의 앙상블, 불확실성 기반의 앙상블 중 하나 또는 둘 이상을 기초로 앙상블시켜 상기 의료 영상에 포함된 조직에 대해 질병의 정상 및 비정상 중 하나로 분류하는 딥 러닝 모델을 활용한 영상 진단 장치
|
9 |
9
제8항에 있어서,상기 불확실성 기반의 앙상블은 평균 신뢰도 또는 표준편차 중 하나를 이용하여 상기 둘 이상의 딥 러닝 모델들의 분류 결과들을 앙상블시키는 딥 러닝 모델을 활용한 영상 진단 장치
|
10 |
10
제9항에 있어서,상기 의료 영상은 상기 인체의 대장에서 촬영한 영상이며, 상기 질병은 대장암인 딥 러닝 모델을 활용한 영상 진단 장치
|
11 |
11
영상 진단 장치에서 딥 러닝 모델을 활용한 영상 진단 방법으로,인체의 조직을 포함하는 의료 영상을 입력받는 영상 입력 단계; 입력된 상기 의료 영상에서 추출된 픽쳐에 대해 정상인데 비정상으로 판단할 확률 분포와 비정상인데 정상으로 판단할 확률 분포에 대해 서로 다른 가중치를 부여한 가중손실함수를 사용한, 학습된 딥 러닝 모델을 이용하여 입력된 상기 의료 영상에 포함된 조직에 대해 질병의 정상 및 비정상 중 하나로 분류하는 분류 단계; 및상기 분류 단계에서 분류한 결과를 출력하는 결과 출력 단계를 포함하고,상기 가중손실함수에서 비정상인데 정상으로 판단할 확률 분포에 부여한 제2가중치가, 정상인데 비정상으로 판단할 확률 분포에 부여한 제1가중치보다 큰 딥 러닝 모델을 활용한 영상 진단 방법
|
12 |
12
제11항에 있어서,상기 딥 러닝 모델은 입력된 상기 의료 영상에서 컨벌루션과 서브샘플링을 수행하여 상기 의료 영상에 대한 픽쳐를 추출하는 픽쳐 추출 영역과, 추출된 픽쳐에 대해 상기 가중손실함수를 사용하여 입력된 상기 의료 영상에 대한 분류를 수행하는 분류 영역을 포함하는 딥 러닝 모델을 활용한 영상 진단 방법
|
13 |
13
삭제
|
14 |
14
제11항에 있어서,상기 딥 러닝 모델의 개수는 둘 이상이며, 상기 결과 출력 단계에서, 상기 둘 이상의 딥 러닝 모델들의 분류 결과들을 앙상블시켜 상기 의료 영상에 포함된 조직에 대해 질병의 정상 및 비정상 중 하나로 분류하는 딥 러닝 모델을 활용한 영상 진단 방법
|
15 |
15
제14항에 있어서,상기 딥 러닝 모델들의 전부 또는 일부는, 학습 데이터로 학습할 때, 각 레이어에 있는 노드를 특정 확률로 제거하여 학습시키고, 학습이 완료되고 테스트를 할 때에는 원래대로 모든 노드를 고려하고 노드마다 가지고 있는 가중치를 상기 확률을 곱한 드롭 아웃 기술을 적용한 딥 러닝 모델을 활용한 영상 진단 방법
|
16 |
16
제14항에 있어서,상기 딥 러닝 모델들의 적어도 일부는 동일한 하나의 딥 러닝 모델을 사용하되, 상기 하나의 딥 러닝 모델에 대해 학습에 사용된 학습 데이터들의 개수나 순서를 조절하여 학습한 딥 러닝 모델을 활용한 영상 진단 방법
|
17 |
17
제14항에 있어서,상기 딥 러닝 모델의 적어도 일부는 레이어의 뎁스 또는 레이어들의 개수가 다른 딥 러닝 모델과 다른 딥 러닝 모델을 활용한 영상 진단 방법
|
18 |
18
제14항에 있어서,상기 결과 출력 단계에서, 상기 둘 이상의 딥 러닝 모델들의 분류 결과들을 다수결 기반의 앙상블, 만장일치 기반의 앙상블, 불확실성 기반의 앙상블 중 하나 또는 둘 이상을 기초로 앙상블시켜 상기 의료 영상에 포함된 조직에 대해 질병의 정상 및 비정상 중 하나로 분류하는 딥 러닝 모델을 활용한 영상 진단 방법
|
19 |
19
제18항에 있어서,상기 불확실성 기반의 앙상블은 평균 신뢰도 또는 표준편차 중 하나를 이용하여 상기 둘 이상의 딥 러닝 모델들의 분류 결과들을 앙상블시키는 딥 러닝 모델을 활용한 영상 진단 방법
|
20 |
20
제19항에 있어서,상기 의료 영상은 상기 인체의 대장에서 촬영한 영상이며, 상기 질병은 대장암인 딥 러닝 모델을 활용한 영상 진단 방법
|