1 |
1
컴퓨팅 장치에 의해 수행되는 시신경병증 예측 결과 제공 방법에 있어서, 대상자의 안저 이미지를 획득하는 단계;상기 안저 이미지 내 시신경병증 증상에 대한 선명도를 높이도록 전처리하는 단계; 및전처리 이미지를 미리 모델링된 시신경병증 예측 모델에 적용하여, 상기 대상자가 시신경병증을 가지고 있는지를 결정하는 단계를 포함하는 시신경병증 예측 결과 제공 방법
|
2 |
2
제1항에 있어서, 상기 전처리하는 단계는,색상 채널을 상기 안저 이미지에 적용하여 녹색 채널로 필터링된 녹색 채널 이미지를 획득하는 단계; 상기 녹색 채널 이미지의 노이즈를 제거하는 단계; 및상기 녹색 채널 이미지의 밝기를 보정하는 단계를 포함하는 시신경병증 예측 결과 제공 방법
|
3 |
3
제2항에 있어서, 상기 전처리하는 단계는, 상기 색상 채널을 상기 안저 이미지에 적용하여 청색 채널로 필터링된 청색 채널 이미지를 획득하는 단계; 및상기 녹색 채널 이미지와 청색 채널 이미지를 결합한 결합 이미지를 생성하는 단계를 더 포함하는 시신경병증 예측 결과 제공 방법
|
4 |
4
제2항에 있어서, 상기 녹색 채널 이미지의 밝기에 기초하여 상기 녹색 채널 이미지를 문턱화(thresholding) 처리하여 관심영역을 설정하는 단계; 및상기 관심영역을 포함한 관심영역 이미지를 추출하는 단계를 더 포함하는 시신경병증 예측 결과 제공 방법
|
5 |
5
제1항에 있어서, 상기 결정하는 단계는, 적용된 전처리 이미지로부터 시신경병증과 관련된 특징을 추출하고, 적용된 이미지의 대상자가 시신경병증을 갖고 있는지를 나타내는 예측 결과를 출력하도록 구성된 딥러닝 기반 시신경병증 예측 모델에 상기 전처리 이미지를 적용하는 단계를 포함하는 것을 특징으로 하는 시신경병증 예측 결과 제공 방법
|
6 |
6
제5항에 있어서, 상기 시신경병증 예측 모델은,복수의 컨볼루션 필터 및 풀링 필터를 포함하며, 이전 레이어의 출력 결과를 입력 받아 상기 복수의 필터를 통해 각각을 컨볼루션 처리 또는 풀링처리하고, 처리 결과를 연결(concatenation)하도록 구성된 인셉션 블록을 포함하는 것을 특징으로 하는 시신경병증 예측 결과 제공 방법
|
7 |
7
제6항에 있어서, 상기 인셉션 블록은, 1ⅹ1 컨볼루션 필터 및 상기 1ⅹ1 컨볼루션 필터 보다 높은 차원의 특징맵을 출력하는 컨볼루션 필터를 포함하는 것을 특징으로 하는 시신경병증 예측 결과 제공 방법
|
8 |
8
제5항에 있어서, 상기 시신경병증 예측 모델의 파라미터는 학습용 샘플을 이용하여 미리 결정되며, 상기 학습용 샘플은 학습용 전처리 이미지, 및 상기 학습용 전처리 이미지의 대상자가 시신경병증을 가지고 있는지를 나타내는 라벨링 데이터를 포함하는 것을 특징으로 하는 시신경병증 예측 결과 제공 방법
|
9 |
9
제1항에 있어서, 상기 결정하는 단계는, 상기 전처리 이미지로부터 특징 파라미터를 산출하는 단계; 상기 특징 파라미터를 미리 모델링된 시신경병증 예측 모델에 적용하여 상기 전처리 이미지의 대상자가 시신경병증을 가질 확률을 산출하는 단계; 및상기 확률에 기초하여 상기 대상자가 시신경병증을 가지고 있는지를 결정하는 단계를 포함하는 시신경병증 예측 결과 제공 방법
|
10 |
10
제9항에 있어서, 상기 시신경병증 예측 모델은 다음의 수학식으로 표현되며, 여기서, BC는 전처리 이미지의 밝기 보정 비(brightness correction ratio), TN은 외측-비측 비(temporal-to-nasal ratio)를 나타내며, logit(P)는 시신경병증을 가질 확률에 대응하는 값을 나타내는 것을 특징으로 하는 시신경병증 예측 결과 제공 방법
|
11 |
11
제10항에 있어서, 상기 시신경병증 예측 모델의 β0, β1, β2는, 전처리 이미지 및 상기 학습용 전처리 이미지의 대상자가 시신경병증을 가지고 있는지를 나타내는 라벨링 데이터를 포함한 학습용 샘플에 기초하여 회귀 분석을 통해 결정된, 모델의 회귀 계수인 것을 특징으로 하는 시신경병증 예측 결과 제공 방법
|
12 |
12
제10항에 있어서, 상기 확률을 산출하는 단계는, 상기 확률을 다음의 수학식에 의해 산출하는 단계를 포함하며, 상기 확률(P)은 1에 가까울수록 상기 대상자가 시신경병증을 가지고 있을 확률이 높은 것을 나타내는 것을 특징으로 하는 시신경병증 예측 결과 제공 방법
|
13 |
13
컴퓨팅 장치에 의해 판독가능하고, 상기 컴퓨팅 장치에 의해 동작 가능한 프로그램 명령어를 저장하는 컴퓨터 판독가능 기록매체로서, 상기 프로그램 명령어가 상기 컴퓨팅 장치의 프로세서에 의해 실행되는 경우 상기 프로세서가 제1항 내지 제12항 중 어느 하나의 항에 따른 시신경병증 예측 결과 제공 방법을 수행하게 하는 컴퓨터 판독가능 기록매체
|
14 |
14
안저 이미지를 이용하여 시신경병증을 예측하는 시신경병증 예측 장치로서, 미리 학습된 시신경병증 예측 모델을 저장하는 저장부; 대상자의 안저 이미지를 획득하는 데이터 획득부; 상기 안저 이미지를 전처리하여 전처리 이미지를 생성하는 이미지 전처리부; 및상기 전처리 이미지를 상기 시신경병증 예측 모델에 적용하여 상기 대상자가 시신경병증을 가지고 있는지를 결정하는 예측부를 포함하는 시신경병증 예측 장치
|