| 1 |
1
캡슐 내시경에 의해 촬영된 영상(캡슐 내시경 영상)을 전처리하는 제1단계;상기 전처리된 캡슐 내시경 영상을 입력으로 합성곱 신경망(Convolutional Neural Network)의 합성곱층을 통해 상기 캡슐 내시경 영상의 특징을 추출하는 제2단계;상기 추출된 캡슐 내시경 영상의 특징을 최대 풀링(Max pooling) 층을 통해 서브 샘플링하여 시스템의 안정성과 효율성을 높이는 제3단계;상기 제2단계와 제3단계를 반복하는 제4단계;합성곱 신경망(CNN)의 완전연결(Fully connected)층을 대체하여 전역 평균 풀링(global average pooling) 층을 넣어 CAM(class activation map)을 얻는 제5단계; 및상기 전역 평균 풀링 층을 통해 병변있을 확률값을 이용하여 병변이 있는 영상을 검출하는 제6단계를 포함하는, 인공지능 기반 캡슐 내시경 영상 판독 방법
|
| 2 |
2
제1항에 있어서, 상기 제1단계는캡슐 내시경에 의해 촬영된 영상(캡슐 내시경 영상)의 원본 이미지를 제외한 상하 좌우에 기록된 문자, 숫자 및 기호를 포함한 노이즈를 제거하는 단계;RGB(빨강, 초록, 파랑)로 표현되어 있는 상기 캡슐 내시경 영상을 HSV(색상, 채도, 명도)로 표현되는 영상으로 변환하는 단계;H(색상)의 영역에서 붉은 색으로 볼 수 있는 영역만 추출하는 단계; 및상기 추출된 영역과 기존의 영상이 겹치는 부분을 RGB로 다시 표현하는 단계를 포함하는 것을 특징으로 하는 인공지능 기반 캡슐 내시경 영상 판독 방법
|
| 3 |
3
제1항에 있어서,다수의 캡슐 내시경 영상 각각을 학습된 합성곱 신경망에 입력시켜 각 영상마다 병변이 존재하는 확률값을 얻는 단계; 상기 병변이 존재하는 확률값을 이용하여 상기 캡슐 내시경 영상을 비디오 클립으로 생성하는 단계를 더 포함하는 것을 특징으로 하는, 인공지능 기반 캡슐 내시경 영상 판독 방법
|
| 4 |
4
제3항에 있어서, 상기 각 영상은CAM(Class Activation Map) 영상이 첨부되어 있는 것을 특징으로 하는, 인공지능 기반 캡슐 내시경 영상 판독 방법
|
| 5 |
5
제1항에 있어서, 캡슐내경 영상은 다수의 캡슐 내시경 영상에 대해 병변이 있는 영상과 병변이 없는 영상 각각을 7:3의 비율로 학습(training) 데이터 세트와 테스트 데이터 세트로 나누고, 학습 데이터 세트는 병변이 있는 영상과 병변이 없는 영상의 수를 동일하게 하여 배치(batch)로 처리하는 것을 특징으로 하는, 인공지능 기반 캡슐 내시경 영상 판독 방법
|
| 6 |
6
캡슐 내시경에 의해 촬영된 영상(캡슐 내시경 영상)을 전처리하는 전처리부; 및상기 전처리된 캡슐 내시경 영상을 입력으로 하여 병변이 있는 영상과 병변이 없는 영상으로 분류하는 합성곱 신경망(CNN)을 포함하고,상기 합성곱 신경망(CNN)은상기 전처리된 캡슐 내시경 영상을 입력으로 받는 입력층;상기 입력부를 통해 입력된 전처리된 캡슐 내시경 영상에 대해 특징을 추출하는 합성곱층;상기 추출된 소장 내시경 영상의 특징을 서브 샘플링하여 시스템의 안정성과 효율성을 높이는 최대 풀링(Max pooling)층;완전연결(Fully connected)층을 대신하며, CAM(class activation map)을 얻는 전역평균풀링(global average pooling)층; 및상기 캡슐 내시경 영상 각각에 대해 병변이 존재하는 확률과 병변이 존재하지 않는 확률값을 출력하는 출력층을 포함하는, 인공지능 기반 캡슐 내시경 영상 판독 시스템
|
| 7 |
7
제6항에 있어서, 상기 전처리부는캡슐 내시경에 의해 촬영된 영상(캡슐 내시경 영상)의 원본 이미지를 제외한 상하 좌우에 기록된 문자, 숫자, 기호를 포함하는 노이즈를 제거하는 노이즈 제거부;상기 노이즈가 제거된, RGB(빨강, 초록, 파랑)로 표현되어 있는 상기 캡슐 내시경 영상을 HSV(색상, 채도, 명도)로 표현되는 영상으로 변환하는 색표현변환부;H(색상)의 영역에서 붉은 색으로 볼 수 있는 영역만 추출하는 색상추출부; 및상기 추출된 영역과 기존의 영상이 겹치는 부분을 RGB로 다시 표현하고 상기 기존의 영상에서 상기 추출된 영역과 겹치지 않는 부분은 CNN의 학습이 용이한 색으로 처리하는 지도학습영상 생성부를 포함하는 것을 특징으로 하는 인공지능 기반 캡슐 내시경 영상 판독 시스템
|
| 8 |
8
제6항에 있어서,다수의 캡슐 내시경 영상 각각을 학습된 합성곱 신경망에 입력시켜 각 영상마다 병변이 존재하는 확률값을 얻고, 상기 확률값을 이용하여 상기 캡슐 내시경 영상을 비디오 클립으로 생성하는 비디오클립 생성부를 더 포함하는 것을 특징으로 하는, 인공지능 기반 캡슐 내시경 영상 판독 시스템
|
| 9 |
9
제8항에 있어서, 상기 비디오 클립을 구성하는 각 영상은CAM(Class Activation Map) 영상이 첨부되어 있는 것을 특징으로 하는, 인공지능 기반 캡슐 내시경 영상 판독 시스템
|
| 10 |
10
제6항에 있어서, 상기 합성곱 신경망(CNN)의 입력층은다수의 캡슐 내시경 영상에 대해 병변이 있는 영상과 병변이 없는 영상 각각을 7:3의 비율로 학습(training) 데이터 세트와 테스트 데이터 세트로 나누고, 학습 데이터 세트에 대해 병변이 있는 영상과 병변이 없는 영상을 같은 수로 입력 받는 것을 특징으로 하는, 인공지능 기반 캡슐 내시경 영상 판독 시스템
|
