1 |
1
내시경 검사 이미지로부터 병변을 포함하는 자동화 이미지를 추출하는 단계;전처리를 통해, 상기 자동화 이미지에 대한 다수의 학습 데이터를 생성하는 단계;상기 다수의 학습 데이터에 대한 필터링 처리에 의해, n개의 합성곱 층(Convolutional layer)(상기 n은 2 이상의 자연수)을 작성하는 단계;상기 n개의 합성곱 층을 선택적으로 이용하여, m개의 완전연결 층(Fully connected layer)(상기 m은 2 이상의 자연수)으로 통합하는 단계; 및상기 n개의 합성곱 층과, 상기 m개의 완전연결 층과의 순차조합을 구성하여, 상기 자동화 이미지 내의 상기 병변에 대한 분류 정보를 포함하는 최적 구조층을 출력하는 단계를 포함하는 의료영상정보 딥러닝 기반의 동적 다차원 질병진단 방법
|
2 |
2
제1항에 있어서,상기 자동화 이미지를 추출하는 단계는,상기 내시경 검사 이미지 중에서, 상기 병변을 적어도 포함하는 이미지 영역을 지정하는 단계; 및상기 지정된 이미지 영역에 대해, 흑백을 전환하거나, 또는 규정된 사이즈로의 크기 조정을 통해, 상기 자동화 이미지를 추출하는 단계를 포함하는 의료영상정보 딥러닝 기반의 동적 다차원 질병진단 방법
|
3 |
3
제1항에 있어서,상기 다수의 학습 데이터를 생성하는 단계는,회전, 각도/틸트 변경, 및 zca-whitening 중 어느 하나의 전처리에 따른 상기 자동화 이미지에 대한 편집을 통해, 상기 학습 데이터의 개수를 증가시켜 생성하는 단계를 포함하는 의료영상정보 딥러닝 기반의 동적 다차원 질병진단 방법
|
4 |
4
제1항에 있어서,상기 다수의 학습 데이터를 생성하는 단계는,상기 병변을 중심으로, 상기 자동화 이미지의 사이즈를 크로핑(cropping)하여, 상기 학습 데이터의 개수를 증가시켜 생성하는 단계를 포함하는 의료영상정보 딥러닝 기반의 동적 다차원 질병진단 방법
|
5 |
5
제1항에 있어서,상기 최적 구조층을 출력하는 단계는,상기 n개의 합성곱 층에 반영된 각 합성곱 필터를, 크기 '16 내지 128' 중에서, l개(상기 l은 4 이상의 자연수)를 선택하는 단계; 및상기 순차조합에 의해 구성되는 상기 최적 구조층의 개수를, 'n * m * l' 로서 연산하는 단계를 포함하는 의료영상정보 딥러닝 기반의 동적 다차원 질병진단 방법
|
6 |
6
제1항에 있어서,딥러닝 알고리즘을 통해 상기 최적 구조층 내 병변의 형태 특징과, 데이터베이스로부터 검색하는 후두암 후보 이미지의 형태 특징을 비교하는 단계; 및상기 비교 결과, 상기 형태 특징 간이 정해진 오차 이내에서 일치하면,후두암 진단에 관한 상기 분류 정보를 만들어, 상기 최적 구조층에 포함시키는 단계를 더 포함하는 의료영상정보 딥러닝 기반의 동적 다차원 질병진단 방법
|
7 |
7
제6항에 있어서,상기 후두암 진단에 따라, 상기 내시경 검사 이미지에 대해, 상기 병변을 중심으로 갖는 POI(Point of Interest]) 박스를 마킹하는 단계; 및상기 분류 정보를, 상기 POI 박스에 태킹시키는 단계를 더 포함하는 의료영상정보 딥러닝 기반의 동적 다차원 질병진단 방법
|
8 |
8
내시경 검사 이미지로부터 병변을 포함하는 자동화 이미지를 추출하는 추출부;전처리를 통해, 상기 자동화 이미지에 대한 다수의 학습 데이터를 생성하는 생성부;상기 다수의 학습 데이터에 대한 필터링 처리에 의해, n개의 합성곱 층(상기 n은 2 이상의 자연수)을 작성하고, 상기 n개의 합성곱 층을 선택적으로 이용하여, m개의 완전연결 층(상기 m은 2 이상의 자연수)으로 통합하는 모델학습부; 및상기 n개의 합성곱 층과, 상기 m개의 완전연결 층과의 순차조합을 구성하여, 상기 자동화 이미지 내의 상기 병변에 대한 분류 정보를 포함하는 최적 구조층을 출력하는 처리부를 포함하는 의료영상정보 딥러닝 기반의 동적 다차원 질병진단 장치
|
9 |
9
제8항에 있어서,상기 추출부는,상기 내시경 검사 이미지 중에서, 상기 병변을 적어도 포함하는 이미지 영역을 지정하고,상기 지정된 이미지 영역에 대해, 흑백을 전환하거나, 또는 규정된 사이즈로의 크기 조정을 통해, 상기 자동화 이미지를 추출하는동적 다차원 질병진단 장치
|
10 |
10
제8항에 있어서,상기 생성부는,회전, 각도/틸트 변경, 및 zca-whitening 중 어느 하나의 전처리에 따른 상기 자동화 이미지에 대한 편집을 통해, 상기 학습 데이터의 개수를 증가시켜 생성하는동적 다차원 질병진단 장치
|
11 |
11
제8항에 있어서,상기 생성부는,상기 병변을 중심으로, 상기 자동화 이미지의 사이즈를 크로핑(cropping)하여, 상기 학습 데이터의 개수를 증가시켜 생성하는동적 다차원 질병진단 장치
|
12 |
12
제8항에 있어서,상기 처리부는,상기 n개의 합성곱 층에 반영된 각 합성곱 필터를, 크기 '16 내지 128' 중에서, l개(상기 l은 4 이상의 자연수)를 선택하고,상기 순차조합에 의해 구성되는 상기 최적 구조층의 개수를, 'n * m * l' 로서 연산하는동적 다차원 질병진단 장치
|
13 |
13
제8항에 있어서,상기 처리부는,딥러닝 알고리즘을 통해 상기 최적 구조층 내 병변의 형태 특징과, 데이터베이스로부터 검색하는 후두암 후보 이미지의 형태 특징을 비교하고,상기 비교 결과, 상기 형태 특징 간이 정해진 오차 이내에서 일치하면,후두암 진단에 관한 상기 분류 정보를 만들어, 상기 최적 구조층에 포함시키는동적 다차원 질병진단 장치
|
14 |
14
제13항에 있어서,상기 처리부는,상기 후두암 진단에 따라, 상기 내시경 검사 이미지에 대해, 상기 병변을 중심으로 갖는 POI 박스를 마킹하고,상기 분류 정보를, 상기 POI 박스에 태킹시키는동적 다차원 질병진단 장치
|