| 1 |
1
프로세서에 의해 구현되는 병변 진단에 대한 정보 제공 방법으로서,목적 부위에 대한 의료 영상을 수신하는 단계;상기 의료 영상 내에서 병변을 예측하는 처리 중에 추출되는 피쳐 (feature) 를 추출하도록 구성된 복수개의 피쳐 추출 모델을 이용하여, 상기 의료 영상에 대한 피쳐를 추출하는 단계;추출된 상기 피쳐를 기초로 병변을 분류하도록 구성된 복수개의 분류기 (classifier) 를 이용하여, 상기 의료 영상 내의 상기 목적 부위에 대한 병변을 분류하는 단계를 포함하는, 병변 진단에 대한 정보 제공 방법
|
| 2 |
2
제1항에 있어서,상기 복수개의 피쳐 추출 모델 각각은,상기 피쳐 추출 모델 별로 서로 상이한 적어도 하나의 피쳐를 추출하도록 구성되고,상기 피쳐를 추출하는 단계 이후에,결합 피쳐를 획득하도록, 상기 복수개의 피쳐 추출 모델에 의해 각각 추출된, 상기 적어도 하나의 피쳐를 결합하는 단계를 더 포함하고,상기 목적 부위에 대한 병변을 분류하는 단계는,상기 복수개의 분류기를 이용하여, 상기 결합 피쳐를 기초로 상기 목적 부위에 대한 병변을 분류하는 단계를 포함하는, 병변 진단에 대한 정보 제공 방법
|
| 3 |
3
제2항에 있어서,상기 적어도 하나의 피쳐는,적어도 두 개의 피쳐이고,상기 적어도 하나의 피쳐를 결합하는 단계는,모델별 결합 특징을 획득하도록, 상기 적어도 하나의 피쳐를 모델 별로 제1 결합하는 단계, 및최종 결합 특징을 획득하도록, 상기 모델별 결합 특징을 제2 결합하는 단계를 포함하고, 상기 목적 부위에 대한 병변을 분류하는 단계는,상기 복수개의 분류기를 이용하여, 상기 최종 결합 피쳐를 기초로 상기 목적 부위에 대한 병변을 분류하는 단계를 더 포함하는, 병변 진단에 대한 정보 제공 방법
|
| 4 |
4
제1항에 있어서,상기 의료 영상 내에서 병변을 분류하는 단계는,복수개의 분류기를 이용하여, 상기 피쳐에 대한 병변 확률을 산출하는 단계, 및 상기 병변 확률을 기초로 상기 목적 부위에 대한 병변을 분류하는 단계를 포함하는, 병변 진단에 대한 정보 제공 방법
|
| 5 |
5
제4항에 있어서,상기 병변은, 미리 결정된 복수개의 병변을 포함하고,상기 병변 확률을 산출하는 단계는,복수개의 분류기를 이용하여, 상기 피쳐에 대한 복수개의 병변 각각의 확률을 산출하는 단계, 및상기 복수개의 분류기에 의해 산출된 상기 복수개의 병변 각각의 확률을 기초로, 상기 복수개의 병변별 평균 병변 확률을 산출하는 단계를 포함하고,상기 병변 확률을 기초로 상기 목적 부위에 대한 병변을 분류하는 단계는,상기 평균 병변 확률을 기초로 상기 목적 부위에 대하여 상기 복수개의 병변 중 하나의 병변을 갖는 것으로 결정하는 단계를 포함하는, 병변 진단에 대한 정보 제공 방법
|
| 6 |
6
제1항에 있어서, 상기 피쳐는, 서로 상이한 피쳐를 복수개 포함하고, 상기 복수개의 분류기는, 상기 복수개의 분류기로 구성된 앙상블 (ensemble) 분류기를 복수개 포함하고,복수개의 상기 앙상블 분류기는, 상기 앙상블 분류기별로 서로 상이한 피쳐에 대한 병변을 각각 분류하도록 구성되고,상기 의료 영상 내에서 병변을 분류하는 단계는,복수개의 상기 앙상블 분류기를 이용하여, 복수개의 상기 서로 상이한 피쳐 각각에 대한 병변 확률을 산출하는 단계, 및상기 복수개의 상기 서로 상이한 피쳐 각각에 대한 병변 확률을 기초로, 상기 목적 부위에 대한 병변을 분류하는 단계를 포함하는, 병변 진단에 대한 정보 제공 방법
|
| 7 |
7
제6항에 있어서,상기 병변은, 미리 결정된 복수개의 병변을 포함하고,상기 병변 확률을 산출하는 단계는,복수개의 상기 앙상블 분류기를 이용하여, 복수개의 상기 서로 상이한 피쳐 각각에 대한 복수개의 병변 각각의 확률을 산출하는 단계, 및복수개의 상기 서로 상이한 피쳐 각각에 대한 복수개의 병변 각각의 확률을 기초로, 상기 복수개의 병변별 평균 병변 확률을 산출하는 단계를 포함하고,상기 병변 확률을 기초로 상기 목적 부위에 대한 병변을 분류하는 단계는,상기 평균 병변 확률을 기초로 상기 목적 부위에 대하여 상기 복수개의 병변 중 하나의 병변을 갖는 것으로 결정하는 단계를 포함하는, 병변 진단에 대한 정보 제공 방법
|
| 8 |
8
제1항에 있어서,상기 피쳐 추출 모델은,상기 병변에 대한 최종 예측 전에, 상기 피쳐를 추출하도록 변형된 모델인, 병변 진단에 대한 정보 제공 방법
|
| 9 |
9
제8항에 있어서,상기 피쳐 추출 모델은,복수의 레이어로 구성된 사전 학습된 (pre-trained) CNN (convolutional neural network) 모델이고,상기 복수의 레이어 중 선택된 하나의 레이어가 출력 레이어로 변형된 모델인, 병변 진단에 대한 정보 제공 방법
|
| 10 |
10
제8항에 있어서,상기 피쳐 추출 모델은,학습용 의료 영상을 수신하는 단계, 및상기 변형된 출력 레이어를 갖는 피쳐 추출 모델에 대하여 상기 학습용 의료 영상을 기초로 피쳐를 추출하도록 학습하는 단계를 통해 미세 조정된 (fine-tuned) 피쳐 추출 모델인, 병변 진단에 대한 정보 제공 방법
|
| 11 |
11
제10항에 있어서,상기 피쳐 추출 모델은,상기 학습용 의료 영상 중 분산이 미리 결정된 수준 이상인 선택 학습용 의료 영상을 결정하는 단계, 및 상기 미세 조정된 피쳐 추출 모델에 대하여 상기 선택 학습용 의료 영상을 기초로 피쳐를 추출하도록 학습하는 단계를 통해 재학습된 피쳐 추출 모델인, 병변 진단에 대한 정보 제공 방법
|
| 12 |
12
제1항에 있어서,상기 분류기는,미리 결정된 병변을 포함하는 학습용 의료 영상에 대하여, 상기 피쳐 추출 모델에 의해 추출된 피쳐를 수신하는 단계, 및상기 학습용 의료 영상에 대하여 추출한 피쳐를 기초로, 상기 미리 결정된 병변을 분류하는 단계를 통해 학습된 분류기인, 병변 진단에 대한 정보 제공 방법
|
| 13 |
13
제12항에 있어서,상기 분류기는,상기 학습용 의료 영상 중 분산이 미리 결정된 수준 이상인 선택 학습용 의료 영상을 결정하는 단계, 및 상기 학습된 분류기에 대하여 상기 선택 학습용 의료 영상에 대한 피쳐를 기초로 상기 미리 결정된 병변을 분류하는 단계를 통해 재학습된 분류기인, 병변 진단에 대한 정보 제공 방법
|
| 14 |
14
제1항에 있어서,상기 의료 영상은,초음파 영상, X-레이 (X-ray) 영상, CT (computed tomography) 영상, MRI (magnetic resonance imaging) 영상, 내시경 영상 및 PET (positron emission tomography) 영상 중 적어도 하나인, 병변 진단에 대한 정보 제공 방법
|
| 15 |
15
제1항에 있어서,상기 복수개의 피쳐 추출 모델은, AlexNet, OverFeat, VGG, VGG-verydeep, ResNet, GoogleNet 및 Inception 중 적어도 두 개의 딥 러닝 모델인, 병변 진단에 대한 정보 제공 방법
|
| 16 |
16
제1항에 있어서,상기 복수개의 분류기는, SVM (Support Vector Machine), RF (Random Forests), LDA (linear discriminant analysis), QDA (quadratic discriminant analysis), 결정 트리 (decision tree), XG Boost (extreme gradient boosting), 로지스틱 회귀분석 (logistic regression), logistic regression, NN (nearest neighbor) 및 GMM (Gaussian mixture model) 중 적어도 두 개의 분류 모델인, 병변 진단에 대한 정보 제공 방법
|
| 17 |
17
프로세서에 의해 구현되는 병변 진단에 대한 정보 제공용 디바이스로서,목적 부위에 대한 의료 영상을 수신하도록 구성된 수신부, 및상기 수신부와 통신하도록 구성된 프로세서를 포함하고,상기 프로세서는, 상기 의료 영상 내에서 병변을 예측하는 처리 중에 추출되는 피쳐를 추출하도록 구성된 복수개의 피쳐 추출 모델을 이용하여, 상기 의료 영상에 대한 피쳐를 추출하고, 추출된 상기 피쳐를 기초로 병변을 분류하도록 구성된 복수개의 분류기를 이용하여 상기 의료 영상 내의 상기 목적 부위에 대한 병변을 분류하도록 구성된, 병변 진단에 대한 정보 제공용 디바이스
|
| 18 |
18
제17항에 있어서,상기 복수개의 피쳐 추출 모델 각각은,상기 피쳐 추출 모델 별로 서로 상이한 적어도 하나의 피쳐를 추출하도록 구성되고,상기 프로세서는, 결합 피쳐를 획득하도록, 상기 복수개의 피쳐 추출 모델에 의해 각각 추출된, 상기 적어도 하나의 피쳐를 결합하고, 상기 복수개의 분류기를 이용하여 상기 결합 피쳐를 기초로 상기 목적 부위에 대한 병변을 분류하도록 더 구성된, 병변 진단에 대한 정보 제공용 디바이스
|
| 19 |
19
제18항에 있어서,상기 적어도 하나의 피쳐는,적어도 두 개의 피쳐이고,상기 프로세서는, 모델별 결합 특징을 획득하도록 상기 적어도 하나의 피쳐를 모델 별로 제1 결합하고, 최종 결합 특징을 획득하도록 상기 모델별 결합 특징을 제2 결합하고, 상기 복수개의 분류기를 이용하여 상기 최종 결합 피쳐를 기초로 상기 목적 부위에 대한 병변을 분류하도록 더 구성된, 병변 진단에 대한 정보 제공용 디바이스
|
| 20 |
20
제17항에 있어서,상기 프로세서는,복수개의 분류기를 이용하여 상기 피쳐에 대한 병변 확률을 산출하고, 상기 병변 확률을 기초로 상기 목적 부위에 대한 병변을 분류하도록 더 구성된, 병변 진단에 대한 정보 제공용 디바이스
|
| 21 |
21
제20항에 있어서,상기 병변은, 미리 결정된 복수개의 병변을 포함하고,상기 프로세서는, 복수개의 분류기를 이용하여 상기 피쳐에 대한 복수개의 병변 각각의 확률을 산출하고, 상기 복수개의 분류기에 의해 산출된 상기 복수개의 병변 각각의 확률을 기초로 상기 복수개의 병변별 평균 병변 확률을 산출하고, 상기 평균 병변 확률을 기초로 상기 목적 부위에 대하여 상기 복수개의 병변 중 하나의 병변을 갖는 것으로 결정하도록 더 구성된, 병변 진단에 대한 정보 제공용 디바이스
|
| 22 |
22
제1항에 있어서, 상기 피쳐는, 서로 상이한 피쳐를 복수개 포함하고, 상기 복수개의 분류기는, 상기 복수개의 분류기로 구성된 앙상블 (ensemble) 분류기를 복수개 포함하고,복수개의 상기 앙상블 분류기는, 상기 앙상블 분류기별로 서로 상이한 피쳐에 대한 병변을 각각 분류하도록 구성되고,상기 프로세서는, 복수개의 상기 앙상블 분류기를 이용하여, 복수개의 상기 서로 상이한 피쳐 각각에 대한 병변 확률을 산출하고, 상기 복수개의 상기 서로 상이한 피쳐 각각에 대한 병변 확률을 기초로 상기 목적 부위에 대한 병변을 분류하도록 더 구성된, 병변 진단에 대한 정보 제공용 디바이스
|
| 23 |
23
제22항에 있어서,상기 병변은, 미리 결정된 복수개의 병변을 포함하고,상기 프로세서는, 복수개의 상기 앙상블 분류기를 이용하여, 복수개의 상기 서로 상이한 피쳐 각각에 대한 복수개의 병변 각각의 확률을 산출하고, 복수개의 상기 서로 상이한 피쳐 각각에 대한 복수개의 병변 각각의 확률을 기초로 상기 복수개의 병변별 평균 병변 확률을 산출하고, 상기 평균 병변 확률을 기초로 상기 목적 부위에 대하여 상기 복수개의 병변 중 하나의 병변을 갖는 것으로 결정하도록 더 구성된, 병변 진단에 대한 정보 제공용 디바이스
|
| 24 |
24
목적 부위에 대한 의료 영상을 수신하도록 구성된, 의료 영상 수신부;상기 의료 영상 내에서 병변을 예측하는 처리 중에 추출되는 피쳐를 추출하도록 구성된 복수개의 피쳐 추출 모델을 이용하여, 상기 의료 영상에 대한 피쳐를 추출하도록 구성된, 피쳐 추출부, 및추출된 상기 피쳐를 기초로 병변을 분류하도록 구성된 복수개의 분류기를 이용하여, 상기 의료 영상 내의 상기 목적 부위에 대한 병변을 분류하도록 구성된, 병변 분류부를 포함하는, 병변 진단에 대한 정보 제공용 디바이스
|
