| 1 |
1
자기 공명 신호 데이터로부터 파라미터 맵을 생성하는 방법에 있어서,자기 공명 영상 촬영 방법과 자기 공명 신호 모델에 따른 자기 공명 신호 데이터를 인공 신경망(Artificial Neural Network)에 입력으로 적용하고, 상기 자기 공명 신호 모델을 통해 산출된 제1 특성 파라미터 값을 정답값(groundtruth)으로 적용하는 학습(training)을 통해 학습 네트워크 모델(trained network model)을 획득하는 단계; 및대상체를 촬영하여 획득한 자기 공명 영상 데이터를 상기 학습 네트워크 모델에 적용하여, 상기 자기 공명 영상 데이터에 관한 제2 특성 파라미터 값을 산출하는 단계;를 포함하는, 방법
|
| 2 |
2
제1 항에 있어서, 상기 자기 공명 신호 데이터는, 상기 대상체에 관한 자기 공명 영상을 촬영하는 자기 공명 촬영 시퀀스(Magnetic Resonance sequence)에 따라 특정한 자기 공명 신호 모델링 수식을 이용하여 시뮬레이션된 자기 공명 신호 응답인, 방법
|
| 3 |
3
제2 항에 있어서,상기 자기 공명 신호 모델링 수식은 상기 제1 특성 파라미터 값 및 상기 대상체에 관한 자기 공명 영상을 촬영하는데 사용되는 RF 슬라이스 프로파일(Radio Frequency slice profile)을 이용하여 상기 자기 공명 신호 데이터를 시뮬레이션하는 수식인, 방법
|
| 4 |
4
제1 항에 있어서,상기 자기 공명 신호 데이터는 자기 공명 신호 모델링 수식을 이용하는 시뮬레이션을 통해 생성된 가상의 자기 공명 신호 응답(Magnetic Resonance signal response)인 합성 데이터(synthetic data) 및 상기 대상체에 관하여 기획득된 자기 공명 영상 데이터(in-vivo data)를 포함하고, 상기 학습하는 단계는, 상기 합성 데이터 및 상기 기획득된 자기 공명 영상 데이터 중 적어도 하나를 상기 인공 신경망에 입력으로 적용하고, 상기 제1 특성 파라미터 값을 정답값으로 적용하여 학습하는, 방법
|
| 5 |
5
제4 항에 있어서,상기 합성 데이터는, 특정 에코 시간(Echo time, TE)에서의 상기 자기 공명 영상 데이터의 감쇠(decay) 정도를 나타내는 파라미터 값 및 RF 슬라이스 프로파일을 이용하여 시뮬레이션된 자기 공명 신호 응답인, 방법
|
| 6 |
6
제4 항에 있어서,상기 학습하는 단계는, 상기 합성 데이터 및 상기 기획득된 자기 공명 영상 데이터로 구성된 입력과 상기 입력에 대응되는 제1 특성 파라미터인 정답값으로 하는 쌍(pair)을 형성하고, 상기 쌍을 복셀 별로(voxel-by-voxel) 상기 인공 신경망에 적용하여 학습하는, 방법
|
| 7 |
7
제1 항에 있어서,상기 산출된 제2 특성 파라미터에 기초하여 파라미터 맵을 생성하는 단계; 를 더 포함하고, 상기 파라미터 맵은 T1 맵, T2 맵, T1 rho 맵, 및 PD (Proton Density) 맵 중 적어도 하나를 포함하는, 방법
|
| 8 |
8
제7 항에 있어서,상기 파라미터 맵을 디스플레이하는 단계; 를 더 포함하는, 방법
|
| 9 |
9
제1 항에 있어서,상기 학습을 통해 복셀 별로 산출된 잔여 오차값(residual error value)이 기설정된 임계치를 초과하는 복셀을 검출하여 오류를 검출하는 단계;를 더 포함하는, 방법
|
| 10 |
10
제9 항에 있어서,상기 자기 공명 신호 모델을 이용하여, 기설정된 범위 내에서의 상기 제1 특성 파라미터 값에 관한 사전(dictionary)을 생성하는 단계; 상기 사전으로부터 상기 오류가 검출된 복셀에 대응되는 상기 제1 특성 파라미터 값을 획득하는 단계; 및 상기 오류가 검출된 복셀의 값을 상기 획득된 제1 특성 파라미터 값으로 대체(replacing)하여 상기 오류를 보정하는 단계; 를 더 포함하는, 방법
|
| 11 |
11
자기 공명 신호 데이터로부터 파라미터 맵을 생성하는 자기 공명 영상 장치에 있어서, 적어도 하나의 RF 채널 코일로부터 대상체에서 방출되는 자기 공명 신호를 획득하는 RF 코일(radio frequency coil); 상기 RF 코일로부터 수신된 자기 공명 신호를 처리하는 명령어들(instructions)을 저장하는 메모리; 및 상기 메모리에 저장된 명령어들을 수행하는 프로세서;를 포함하고, 상기 프로세서는, 자기 공명 영상 촬영 방법과 자기 공명 신호 모델에 따른 자기 공명 신호 데이터를 인공 신경망(Artificial Neural Network)에 입력으로 적용하고, 상기 자기 공명 신호 모델을 통해 산출된 제1 특성 파라미터를 정답값(groundtruth)으로 적용하는 학습(training)을 통해 학습 네트워크 모델(trained network model)을 생성하고, 상기 자기 공명 신호를 처리하여 생성된 상기 대상체에 관한 자기 공명 영상 데이터를 상기 획득된 학습 네트워크 모델(trained network model)에 적용하여 상기 자기 공명 영상 데이터에 관한 제2 특성 파라미터를 산출하는, 자기 공명 영상 장치
|
| 12 |
12
제11 항에 있어서, 상기 자기 공명 신호 데이터는, 상기 대상체에 관한 자기 공명 영상을 촬영하는 자기 공명 촬영 시퀀스(Magnetic Resonance sequence)에 따라 특정한 자기 공명 신호 모델링 수식을 이용하여 시뮬레이션된 자기 공명 신호 응답인, 자기 공명 영상 장치
|
| 13 |
13
제12 항에 있어서,상기 자기 공명 신호 모델링 수식은 상기 제1 특성 파라미터 값 및 상기 대상체에 관한 자기 공명 영상을 촬영하는데 사용되는 RF 슬라이스 프로파일(Radio Frequency slice profile)을 이용하여 상기 자기 공명 신호 데이터를 시뮬레이션하는 수식인, 자기 공명 영상 장치
|
| 14 |
14
제11 항에 있어서,상기 자기 공명 신호 데이터는 자기 공명 신호 모델링 수식을 이용하는 시뮬레이션을 통해 생성된 가상의 자기 공명 신호 응답(Magnetic Resonance signal response)인 합성 데이터(synthetic data) 및 상기 대상체에 관하여 기획득된 자기 공명 영상 데이터(in-vivo data)를 포함하고, 상기 프로세서는, 상기 합성 데이터 및 상기 기획득된 자기 공명 영상 데이터 중 적어도 하나를 상기 인공 신경망에 입력으로 적용하고, 상기 제1 특성 파라미터 값을 정답값으로 적용하여 학습하는, 자기 공명 영상 장치
|
| 15 |
15
제14 항에 있어서,상기 프로세서는, 특정 에코 시간(TE)에서의 상기 자기 공명 영상 데이터의 감쇠 정도를 나타내는 파라미터 값 및 RF 슬라이스 프로파일을 이용하는 시뮬레이션을 통해 상기 합성 데이터를 생성하는, 자기 공명 영상 장치
|
| 16 |
16
제14 항에 있어서,상기 프로세서는, 상기 합성 데이터 및 상기 자기 공명 영상 데이터로 구성된 입력과 상기 입력에 대응되는 제1 특성 파라미터인 정답값으로 하는 쌍(input/output pair)을 형성하고, 상기 형성된 쌍을 복셀 별로(voxel-by-voxel) 상기 인공 신경망에 적용하여 학습하는, 자기 공명 영상 장치
|
| 17 |
17
제11 항에 있어서,상기 프로세서는 산출된 제2 특성 파라미터에 기초하여 파라미터 맵을 생성하고, 상기 파라미터 맵은 T1 맵, T2 맵, T1 rho 맵 및 PD (Proton Density) 맵 중 적어도 하나를 포함하는, 자기 공명 영상 장치
|
| 18 |
18
제17 항에 있어서,디스플레이부; 를 더 포함하고, 상기 프로세서는, 상기 파라미터 맵을 디스플레이하도록 상기 디스플레이부를 제어하는, 자기 공명 영상 장치
|
| 19 |
19
제11 항에 있어서,상기 프로세서는, 상기 학습을 통해 복셀 별로 산출된 잔여 오차값(residual error value)이 기설정된 임계치를 초과하는 복셀을 검출하여 복셀 별 오류를 검출하는, 자기 공명 영상 장치
|
| 20 |
20
제19 항에 있어서,상기 프로세서는, 상기 자기 공명 신호 모델을 이용하여, 기설정된 범위 내에서의 제1 특성 파라미터 값에 관한 사전(dictionary)을 생성하고, 상기 사전으로부터 상기 오류가 검출된 복셀에 대응되는 상기 제1 특성 파라미터 값을 획득하고, 상기 오류가 검출된 복셀의 값을 상기 획득된 제1 특성 파라미터 값으로 대체(replacing)하여 상기 오류를 보정하는, 자기 공명 영상 장치
|
| 21 |
21
컴퓨터로 읽을 수 있는 저장 매체를 포함하는 컴퓨터 프로그램 제품에 있어서, 상기 저장 매체는,자기 공명 영상 촬영 방법과 자기 공명 신호 모델에 따른 자기 공명 신호 데이터를 인공 신경망(Artificial Neural Network)에 입력으로 적용하고, 상기 자기 공명 신호 모델을 통해 산출된 제1 특성 파라미터 값을 정답값(groundtruth)으로 적용하는 학습(training)을 통해 학습 네트워크 모델(trained network model)을 획득하는 단계; 및대상체를 촬영하여 획득한 자기 공명 영상 데이터를 상기 학습 네트워크 모델에 적용하여, 상기 자기 공명 영상 데이터에 관한 제2 특성 파라미터 값을 산출하는 단계; 를 포함하는, 자기 공명 영상 장치의 동작 방법에 관한 명령어들을 포함하는, 컴퓨터 프로그램 제품
|
