1 |
1
알츠하이머병 분류 방법에 있어서,자기공명영상(MRI, Magnetic Resonance Imaging) 스캔 이미지를 획득하는 MR 이미지 획득 단계;상기 MR 이미지에 대한 잡음 제거, 비균질성 보정과 명암 표준화 및 패치 기반의 해마 영역 세분화를 수행하는 이미지 처리 단계;상기 이미지 처리 단계에서 분할된 해마 영상에 대하여 체적요소기반 형태학적 특성 추출 및 GLCM(Gray-Level Co-occurrence Matrix)과 가버필터(Gabor Filter)를 사용하는 질감 특성 추출을 수행하는 특성 추출 단계;상기 특성 추출 단계에서 추출되는 형태학적 특성 및 질감 특성의 특징 벡터로부터 일정 개수의 특징 집합을 선정하고 분류하는 특성 선택 단계; 및기계학습(Machine Learning)을 이용하여 알츠하이머병(AD), 경도인지장애(MCI) 및 정상인(NC) 그룹간의 차이점을 계산하고 분류 정확도를 측정하는 결과 분석 단계;를 포함하는 다중 특성 융합을 기반으로 하는 알츠하이머병 분류 방법
|
2 |
2
청구항 1에 있어서,상기 이미지 처리 단계는,MR 이미지의 노이즈 제거 및 쌍입체 스플라인(LEMS: Local Entropy bicubic Spline Models) 기반의 지역엔트로피(Local entropy)를 일정 수준 이하로 보정하는 강도 불균일성 보정 단계와,표준 뇌 템플릿과 정합하는 ICBM152 템플릿에 대한 선형 등록 단계와,MR 이미지의 해마 영역을 패치 기반으로 오른쪽 21개, 왼쪽 21개로 영역 세분화하는 패치 기반의 해마 영역 세분화 단계를 포함하는 다중 특성 융합을 기반으로 하는 알츠하이머병 분류 방법
|
3 |
3
청구항 1에 있어서,상기 특성 추출 단계는, 분할된 해마 영상을 이용한 부피 및 표면에 대한 형태학적 특성 추출 단계와, GLCM(Gray-Level Co-occurrence Matrix) 방법과 가버필터를 사용하는 질감 특성 추출 단계를 포함하는 다중 특성 융합을 기반으로 하는 알츠하이머병 분류 방법
|
4 |
4
청구항 1에 있어서,상기 특성 선택 단계는,용량(Volume), 면적(Area), 합계 평균(Sum Average), 클러스터 셰이드(Cluster Shade), 클러스터 경향(Cluster Tendency) 및 이미지의 지역 에너지(Local Energy)의 6가지 특징을 선정하는 피셔 상관 계수 분석 단계와,상기 6가지 특징에 대하여 가버 질감분석(Gabor texture analysis), 형태학적 해마(hippocampus morphometric), 2D 및 3D 회색수준 동시발생 행렬식(GLCM)의 3 가지 유형을 사용하여 MR 영상으로부터 식별된 특징을 분류하는 특징 집합 분류 단계를 포함하는 다중 특성 융합을 기반으로 하는 알츠하이머병 분류 방법
|
5 |
5
청구항 1에 있어서,상기 결과 분석 단계는, 기계학습(Machine Learning) 또는 지도 학습(Supervised Learning) 기반의 서포트벡터머신(SVM)을 이용하여 상기 그룹 간의 차이점을 계산하고, 가버 질감분석(Gabor texture analysis), 형태학적 해마(hippocampus morphometric), 2D 및 3D 회색수준 동시발생 행렬식(GLCM)의 3 가지 유형에 대하여 분류 정확도를 측정하는 다중 특성 융합을 기반으로 하는 알츠하이머병 분류 방법
|
6 |
6
MR 영상 기반 알츠하이머병 분류 장치에 있어서,자기공명영상(MRI, Magnetic Resonance Imaging) 스캔 이미지를 획득하는 MR 이미지 획득부;상기 MR 이미지에 대한 잡음 제거, 비균질성 보정과 명암 표준화 및 패치 기반의 해마 영역 세분화를 수행하는 이미지 처리부;분할된 해마 영상에 대하여 체적요소기반 형태학적 특성 추출과 GLCM(Gray-Level Co-occurrence Matrix)과 가버필터(Gabor Filter)를 사용하는 질감특성 추출을 수행하는 특성 추출부;상기 특성 추출 단계에서 추출되는 형태학적 특성 및 질감 특성 벡터로부터 추출된 특징 벡터로부터 피셔판별분석(Fisher discriminant analysis)을 통해 일정 개수의 특징 집합을 선정하는 특성 선택부; 및서포트벡터머신(SVM)을 이용하여 알츠하이머병(AD), 경도인지장애(MCI) 및 정상인(NC) 그룹간의 분류 정확도를 측정하는 결과 분석부를 포함하는 것을 특징으로 하는 다중 특성 융합을 기반으로 하는 알츠하이머병 분류 장치
|