| 1 |
1
환자의 어깨 부분을 촬영한 3차원 의료 영상을 입력 받아 상기 3차원 의료 영상에서 피쳐(feature)들을 도출하는 3차원 인셉션 레즈넷(Inception-ResNet) 구조 및 상기 피쳐들이 이루는 피쳐 맵(feature map)의 정보를 축약하는 3차원 인셉션 다운샘플링(Inception DownSampling) 구조를 포함하는 3차원 인셉션 레즈넷 블록(Inception-ResNet Block) 구조;상기 3차원 인셉션 레즈넷 블록 구조의 출력을 에버리지 풀링하는 글로벌 에버리지 풀링(Global Average Pooling) 구조; 및상기 글로벌 에버리지 풀링 블록의 후단에 배치되는 풀리 커넥티드(Fully Connected) 레이어를 포함하고, 상기 3차원 의료 영상의 진단 결과를 복수의 카테고리로 자동 분류하는 것을 특징으로 하는 어깨 질환 자동 진단 장치
|
| 2 |
2
제1항에 있어서, 상기 복수의 카테고리는 상기 환자의 회전근개가 파열되지 않은 것을 의미하는 None; 상기 환자의 회전근개의 파열 정도에 따라 Partial, Small, Medium 및 Large를 포함하는 것을 특징으로 하는 어깨 질환 자동 진단 장치
|
| 3 |
3
제1항에 있어서, 상기 3차원 의료 영상은 제1 3차원 컨볼루젼 구조, 제1 3차원 인셉션 레즈넷 블록 구조, 제2 3차원 인셉션 레즈넷 블록 구조, 제2 3차원 컨볼루젼 구조, 상기 글로벌 에버리지 풀링 구조 및 상기 풀리 커넥티드 레이어를 순차적으로 통과하는 것을 특징으로 하는 어깨 질환 자동 진단 장치
|
| 4 |
4
제1항에 있어서, 상기 3차원 인셉션 레즈넷 블록 구조는 직렬로 연결되는 3개의 상기 3차원 인셉션 레즈넷 구조 및 하나의 상기 3차원 인셉션 다운샘플링 구조를 포함하는 것을 특징으로 하는 어깨 질환 자동 진단 장치
|
| 5 |
5
제1항에 있어서, 상기 3차원 인셉션 레즈넷 구조는 제1 경로를 형성하며 직렬로 연결되는 제1 3차원 컨볼루젼 구조, 제2 3차원 컨볼루젼 구조 및 제3 3차원 컨볼루젼 구조;제2 경로를 형성하며 직렬로 연결되는 제4 3차원 컨볼루젼 구조 및 제5 3차원 컨볼루젼 구조;상기 제3 3차원 컨볼루젼 구조의 결과 및 상기 제5 3차원 컨볼루젼 구조의 결과를 병합하는 제1 칸캐터네이트(concatenate) 구조; 및상기 제1 칸캐터네이트 구조의 결과와 상기 3차원 인셉션 레즈넷 구조의 입력을 원소별 합산(element-wise add)하는 애드(add) 구조를 포함하는 것을 특징으로 하는 어깨 질환 자동 진단 장치
|
| 6 |
6
제5항에 있어서, 상기 3차원 인셉션 다운샘플링 구조는 제3 경로를 형성하는 제6 3차원 컨볼루젼 구조 및 상기 제6 3차원 컨볼루젼 구조의 결과에서 최대값을 선택하는 맥시멈 풀링 구조;제4 경로를 형성하는 제7 3차원 컨볼루젼 구조 및 상기 제7 3차원 컨볼루젼 구조의 결과에서 평균값을 선택하는 에버리지 풀링 구조;제5 경로를 형성하며 컨볼루젼 필터의 이동 단위를 증가시킨 제1 스트라이드(stride) 3차원 컨볼루젼 구조; 제6 경로를 형성하며 상기 제1 스트라이드 3차원 컨볼루젼 구조와 상이하고 컨볼루젼 필터의 이동 단위를 증가시킨 제2 스트라이드 3차원 컨볼루젼 구조; 및상기 맥시멈 풀링 구조의 결과, 상기 에버리지 풀링 구조의 결과, 상기 제1 스트라이드 3차원 컨볼루젼 구조의 결과 및 상기 제2 스트라이드 3차원 컨볼루젼 구조의 결과를 병합하는 제2 칸캐터네이트(concatenate) 구조를 포함하는 것을 특징으로 하는 어깨 질환 자동 진단 장치
|
| 7 |
7
제1항에 있어서, 인공 지능이 상기 3차원 의료 영상의 진단 결과를 생성함에 있어 상기 3차원 의료 영상 내에서 확인한 관심 영역을 시각화하는 히트맵을 생성하는 관심 영역 시각화부를 더 포함하는 것을 특징으로 하는 어깨 질환 자동 진단 장치
|
| 8 |
8
제7항에 있어서, 상기 3차원 인셉션 레즈넷 블록 구조 및 상기 글로벌 에버리지 풀링 구조 사이에 배치되는 3차원 컨볼루젼 구조를 더 포함하고, 상기 관심 영역 시각화부는 상기 3차원 컨볼루젼 구조의 결과로 도출되는 피쳐들에 상기 풀리 커넥티드 레이어에서 학습된 웨이트들을 각각 곱한 뒤, 상기 3차원 컨볼루젼 구조의 결과로 도출되는 상기 피쳐들과 상기 웨이트들의 곱들을 합산하여 상기 히트맵을 생성하는 것을 특징으로 하는 어깨 질환 자동 진단 장치
|
| 9 |
9
제8항에 있어서, 상기 히트맵은 3차원 클래스 액티베이션 맵(Class Activation Map)인 것을 특징으로 하는 어깨 질환 자동 진단 장치
|
| 10 |
10
3차원 인셉션 레즈넷(Inception-ResNet) 구조를 이용하여 환자의 어깨 부분을 촬영한 3차원 의료 영상을 입력 받아 상기 3차원 의료 영상에서 피쳐(feature)들을 도출하는 단계;3차원 인셉션 레즈넷 블록(Inception-ResNet Block) 구조를 이용하여 상기 피쳐들이 이루는 피쳐 맵(feature map)의 정보를 축약하는 단계;글로벌 에버리지 풀링(Global Average Pooling) 구조를 이용하여 상기 3차원 인셉션 레즈넷 블록 구조의 출력을 에버리지 풀링하는 단계; 및상기 3차원 의료 영상의 진단 결과를 복수의 카테고리로 자동 분류하는 단계를 포함하는 어깨 질환 진단을 위한 정보 제공 방법
|
| 11 |
11
3차원 인셉션 레즈넷(Inception-ResNet) 구조를 이용하여 환자의 어깨 부분을 촬영한 3차원 의료 영상을 입력 받아 상기 3차원 의료 영상에서 피쳐(feature)들을 도출하는 단계, 3차원 인셉션 레즈넷 블록(Inception-ResNet Block) 구조를 이용하여 상기 피쳐들이 이루는 피쳐 맵(feature map)의 정보를 축약하는 단계, 글로벌 에버리지 풀링(Global Average Pooling) 구조를 이용하여 상기 3차원 인셉션 레즈넷 블록 구조의 출력을 에버리지 풀링하는 단계 및 상기 3차원 의료 영상의 진단 결과를 복수의 카테고리로 자동 분류하는 단계를 포함하는 어깨 질환 진단을 위한 정보 제공 방법을 수행하는 컴퓨터 프로그램을 기록한 전자 기록 매체
|
