1 |
1
입력되는 이미지를 기초로 특징 벡터를 생성하는 인코더를 이용하여 쿼리 이미지에 대한 특징 벡터를 생성하는 단계와, 입력되는 특징 벡터의 오리지날 이미지(original image)와 소정의 유사도를 갖는 정상 이미지를 생성하도록 학습된 제1 기계학습 모델에 상기 생성된 특징 벡터가 입력됨에 기초하여 상기 쿼리 이미지와 관련된 복수의 정상 이미지를 생성하는 단계와, 상기 복수의 정상 이미지 각각에 대해 상기 쿼리 이미지와의 차이를 나타내는 특이 영역을 포함하는 어텐션맵(attention map)을 생성하는 단계를 포함하는 이미지의 특이 영역 분석 방법
|
2 |
2
제1항에 있어서, 상기 인코더는, 상기 제1 기계학습 모델의 입력단에 상기 인코더를 배치하고 상기 인코더에 학습용 이미지를 입력시켜 상기 인코더에 의해 생성되는 상기 학습용 이미지의 특징 벡터가 상기 제1 기계학습 모델로 입력되도록 하여 출력 이미지를 생성하도록 하고, 역전파(back propagation)를 이용하여 상기 제1 기계학습 모델의 출력 이미지와 상기 학습용 이미지 간의 차이가 최소화되도록 하고, 상기 제1 기계학습 모델의 출력단에 상기 인코더를 재배치하고, 상기 인코더를 통해 상기 출력 이미지를 특징 벡터로 변환하여, 역전파를 이용하여 상기 변환된 출력 이미지의 특징 벡터와 상기 제1 기계학습 모델로 입력되는 특징 벡터 간의 차이가 최소화되도록 함으로써 학습되어 있는이미지의 특이 영역 분석 방법
|
3 |
3
제1항에 있어서, 상기 특징 벡터를 생성하는 단계는, 상기 쿼리 이미지의 특징 벡터를 생성하는 단계와, 데이터베이스에 기저장되어 있는 복수의 학습용 정상 이미지 각각에 대한 특징 벡터 중 상기 쿼리 이미지의 특징 벡터와 가장 유사한 특징 벡터를 상기 쿼리 이미지에 대한 특징 벡터로 결정하는 단계를 포함하는이미지의 특이 영역 분석 방법
|
4 |
4
제3항에 있어서, 상기 생성된 복수의 정상 이미지 중 상기 쿼리 이미지와 유사도가 높은 순서대로 적어도 하나 이미지를 선택하는 단계를 더 포함하고, 상기 어텐션맵을 생성하는 단계는, 상기 선택된 이미지와 상기 쿼리 이미지와의 차이와 관련된 특이 영역을 포함하는 어텐션맵을 생성하는 단계를 포함하는 이미지의 특이 영역 분석 방법
|
5 |
5
제1항에 있어서,상기 제1 기계학습 모델은, 생성형 기계학습 모델에 기초하여, 복수의 학습용 정상 이미지를 이용하여 소정의 특징 벡터가 입력되면 소정의 특징 벡터가 나타내는 이미지와 유사한 정상 이미지를 생성하도록 학습이 수행되어 있으며,상기 생성형 기계학습 모델은 적대적생성네트워크(generative adversarial network)를 포함하는 이미지의 특이 영역 분석 방법
|
6 |
6
제1항에 있어서, 오류를 제거하도록 학습된 제2 기계학습 모델을 이용하여 상기 복수의 정상 이미지 각각에 대해 생성된 어텐션맵 중 오류를 제거함에 기초하여, 최종 어텐션맵을 생성하는 단계를 더 포함하는 이미지의 특이 영역 분석 방법
|
7 |
7
제6항에 있어서, 상기 제2 기계학습 모델은, 컨벌루션뉴럴네트워크(convolution neural network)에 기초하여, 복수의 학습용 어텐션맵을 입력값으로 하고, 오류의 학습용 어텐션맵을 정답값으로하여 입력된 학습용 어텐션맵의 오류 여부를 판별하도록 지도 학습이 수행되어 있는이미지의 특이 영역 분석 방법
|
8 |
8
제6항에 있어서,상기 제2 기계학습 모델은, 복수의 학습용 어텐션맵에 대한 비지도 학습이 수행되는이미지의 특이 영역 분석 방법
|
9 |
9
제1항에 있어서, 상기 쿼리 이미지는, 질환을 가지는 환자로부터 획득됨에 기초하여 상기 질환에 의해 나타나는 비정상 영역의 적어도 일부에 대한 비정상 영역 이미지를 포함하는 비정상 촬상 이미지이고, 상기 복수의 정상 이미지는, 상기 쿼리 이미지의 상기 비정상 영역 이미지에 대응하는 영역이 정상 상태에 대한 정보를 포함하는 정상 영역 이미지이되 상기 쿼리 이미지와의 유사도가 소정 값 이상의 가짜(fake) 이미지인이미지의 특이 영역 분석 방법
|
10 |
10
제9항에 있어서, 상기 정상 이미지는, 상기 질환을 갖지 않는 정상인의 정상 상태를 나타나는 정상 영역의 적어도 일부에 대한 정상 영역 이미지를 포함하는 이미지의 특이 영역 분석 방법
|
11 |
11
입력되는 이미지를 기초로 특징 벡터를 생성하는 인코더를 이용하여 쿼리 이미지에 대한 특징 벡터를 생성하는 특징 벡터 생성부와, 입력되는 특징 벡터의 오리지날 이미지(original image)와 소정의 유사도를 가지는 정상 이미지를 생성하도록 학습된 제1 기계학습 모델에 상기 생성된 특징 벡터가 입력됨에 기초하여 상기 쿼리 이미지와 관련된 복수의 정상 이미지를 생성하는 정상 이미지 생성부와, 상기 복수의 정상 이미지 각각에 대해 상기 쿼리 이미지와의 차이를 나타내는 특이 영역을 포함하는 어텐션맵(attention map)을 생성하는 어텐션맵 생성부를 포함하는이미지의 특이 영역 분석 장치
|
12 |
12
제11항에 있어서, 상기 인코더는, 상기 제1 기계학습 모델의 입력단에 상기 인코더를 배치하고 상기 인코더에 학습용 이미지를 입력시켜 상기 인코더에 의해 생성되는 상기 학습용 이미지의 특징 벡터가 상기 제1 기계학습 모델로 입력되도록 하여 출력 이미지를 생성하도록 하고, 역전파(back propagation)를 이용하여 상기 제1 기계학습 모델의 출력 이미지와 상기 학습용 이미지 간의 차이가 최소화되도록 하고, 상기 제1 기계학습 모델의 출력단에 상기 인코더를 재배치하고, 상기 인코더를 통해 상기 출력 이미지를 특징 벡터로 변환하여, 역전파를 이용하여 상기 변환된 출력 이미지의 특징 벡터와 상기 제1 기계학습 모델로 입력되는 특징 벡터 간의 차이가 최소화되도록 함으로써 학습되어 있는이미지의 특이 영역 분석 장치
|
13 |
13
제11항에 있어서, 상기 특징 벡터 생성부는, 상기 쿼리 이미지의 특징 벡터를 생성하고, 데이터베이스에 기저장되어 있는 복수의 학습용 정상 이미지 각각에 대한 특징 벡터 중 상기 쿼리 이미지의 특징 벡터와 가장 유사한 특징 벡터를 상기 쿼리 이미지에 대한 특징 벡터로 결정하는 이미지의 특이 영역 분석 장치
|
14 |
14
제13항에 있어서, 상기 생성된 복수의 정상 이미지 중 상기 쿼리 이미지와 유사도가 높은 순서대로 적어도 하나 이미지를 선택하는 유사 이미지 선택부를 더 포함하고, 상기 어텐션맵 생성부는, 상기 선택된 이미지와 상기 쿼리 이미지와의 차이와 관련된 특이 영역을 포함하는 어텐션맵을 생성하는 이미지의 특이 영역 분석 장치
|
15 |
15
제11항에 있어서,상기 제1 기계학습 모델은, 생성형 기계학습 모델에 기초하여, 복수의 학습용 정상 이미지를 이용하여 소정의 특징 벡터가 입력되면 소정의 특징 벡터가 나타내는 이미지와 유사한 정상 이미지를 생성하도록 학습이 수행되어 있으며,상기 생성형 기계학습 모델은 적대적생성네트워크(generative adversarial network)를 포함하는 이미지의 특이 영역 분석 장치
|
16 |
16
제11항에 있어서, 오류를 제거하도록 학습된 제2 기계학습 모델을 이용하여 상기 복수의 정상 이미지 각각에 대해 생성된 어텐션맵 중 오류를 제거함에 기초하여, 최종 어텐션맵을 생성하는 최종 어텐션맵 생성부를 더 포함하는이미지의 특이 영역 분석 장치
|
17 |
17
제16항에 있어서, 상기 제2 기계학습 모델은, 컨벌루션뉴럴네트워크(convolution neural network)에 기초하여, 복수의 학습용 어텐션맵을 입력값으로 하고, 오류의 학습용 어텐션맵을 정답값으로하여 입력된 학습용 어텐션맵의 오류 여부를 판별하도록 지도 학습이 수행되어 있는이미지의 특이 영역 분석 장치
|
18 |
18
제16항에 있어서,상기 제2 기계학습 모델은, 복수의 학습용 어텐션맵에 대한 비지도 학습이 수행되는이미지의 특이 영역 분석 장치
|
19 |
19
제11항에 있어서, 상기 쿼리 이미지는, 질환을 가지는 환자로부터 획득됨에 기초하여 상기 질환에 의해 나타나는 비정상 영역의 적어도 일부에 대한 비정상 영역 이미지를 포함하는 비정상 촬상 이미지이고, 상기 복수의 정상 이미지는, 상기 쿼리 이미지의 상기 비정상 영역 이미지에 대응하는 영역이 정상 상태에 대한 정보를 포함하는 정상 영역 이미지이되 상기 쿼리 이미지와의 유사도가 소정 값 이상의 가짜(fake) 이미지인이미지의 특이 영역 분석 장치
|
20 |
20
제19항에 있어서, 상기 정상 이미지는, 상기 질환을 갖지 않는 정상인의 정상 상태를 나타나는 정상 영역의 적어도 일부에 대한 정상 영역 이미지를 포함하는 이미지의 특이 영역 분석 장치
|