1 |
1
컴퓨터가 수행하는 학습 기반 병변 분류 방법에 있어서,병변 영역을 포함하는 의료영상을 획득하는 단계;상기 의료영상 내 상기 병변 영역으로부터 적어도 하나의 샘플 영역을 추출하는 단계;상기 적어도 하나의 샘플 영역을 기초로 병변 정보 증강 패치(Lesion Information Augmented patch) 데이터를 생성하는 단계; 및상기 병변 정보 증강 패치 데이터를 기초로 학습을 수행하여 상기 의료영상 내 병변 영역에 포함된 병변을 분류하는 단계를 포함하는, 학습 기반 병변 분류 방법
|
2 |
2
제1항에 있어서,상기 적어도 하나의 샘플 영역을 추출하는 단계는,상기 의료영상 내 상기 병변 영역으로부터 적어도 하나의 임의의 지점을 선택하는 단계; 및상기 적어도 하나의 임의의 지점 각각을 중심으로 상기 적어도 하나의 샘플 영역을 각각 추출하는 단계를 포함하는, 학습 기반 병변 분류 방법
|
3 |
3
제1항에 있어서,상기 병변 정보 증강 패치 데이터를 생성하는 단계는,NxN 크기의 패치에 상기 적어도 하나의 샘플 영역을 배치하여, 상기 병변 정보 증강 패치 데이터를 생성하는, 학습 기반 병변 분류 방법
|
4 |
4
제3항에 있어서,상기 의료영상 내 상기 병변 영역에 대한 병변 정보를 증강시키는 단계를 더 포함하며,상기 병변 정보 증강 패치 데이터를 생성하는 단계는,상기 증강된 병변 정보를 포함하는 의료영상으로부터 추출된 상기 적어도 하나의 샘플 영역을 상기 NxN 크기의 패치에 배치하며,상기 병변 영역에 대한 병변 정보를 증강시키는 단계는,상기 의료영상 내 상기 병변 영역에 대해 스케일링(scaling) 및 회전(rotation) 중 적어도 하나를 수행하는, 학습 기반 병변 분류 방법
|
5 |
5
제3항에 있어서,상기 병변 정보 증강 패치 데이터를 생성하는 단계는,생성적 적대 신경망(GAN; Generative Adversarial Network)을 이용하여 상기 병변 정보 증강 패치 데이터를 학습하는 단계; 및상기 생성적 적대 신경망을 이용한 학습을 통해 상기 병변 정보 증강 패치 데이터에 대한 합성 데이터(synthetic data)를 생성하는 단계를 포함하는, 학습 기반 병변 분류 방법
|
6 |
6
제5항에 있어서,상기 의료영상 내 병변 영역을 분류하는 단계는,상기 병변 정보 증강 패치 데이터 및 상기 합성 데이터 중 적어도 하나를 기초로 CNN(Convolutional Nerual Network)을 이용한 학습을 수행하는 단계; 및상기 CNN을 이용한 학습을 통해 상기 병변 영역에 포함된 병변을 분류하는 단계를 포함하는, 학습 기반 병변 분류 방법
|
7 |
7
제6항에 있어서,상기 CNN을 이용한 학습을 수행하는 단계는,상기 병변 영역에 포함된 병변의 텍스처 정보 및 병변의 경계 정보 중 적어도 하나를 기초로 학습을 수행하는, 학습 기반 병변 분류 방법
|
8 |
8
제3항에 있어서,상기 샘플 영역은, 소정 크기의 정방형으로 이루어진 영역으로, 상기 병변 영역의 크기 또는 모양에 따라 상기 샘플 영역의 크기가 정해지며,상기 병변 정보 증강 패치 데이터는,상기 소정 크기의 정방형으로 이루어진 샘플 영역을 NxN 개 포함하는, 학습 기반 병변 분류 방법
|
9 |
9
하나 이상의 인스트럭션을 저장하는 메모리; 및상기 메모리에 저장된 상기 하나 이상의 인스트럭션을 실행하는 프로세서를 포함하며,상기 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써,병변 영역을 포함하는 의료영상을 획득하는 단계;상기 의료영상 내 상기 병변 영역으로부터 적어도 하나의 샘플 영역을 추출하는 단계;상기 적어도 하나의 샘플 영역을 기초로 병변 정보 증강 패치(Lesion Information Augmented patch) 데이터를 생성하는 단계; 및상기 병변 정보 증강 패치 데이터를 기초로 학습을 수행하여 상기 의료영상 내 병변 영역을 분류하는 단계를 수행하는, 장치
|
10 |
10
하드웨어인 컴퓨터와 결합되어, 제1항의 방법을 수행할 수 있도록 컴퓨터에서 독출가능한 기록매체에 저장된 컴퓨터프로그램
|