1 |
1
적어도 하나의 프로세서에 의해 동작하는 이미징 장치의 동작 방법으로서,다각도 초음파-에코 데이터를 이용하여 입사각별 시간 지연 정보를 포함하는 빔포밍 RF-모드 이미지들을 생성하는 단계,인접한 빔포밍 RF-모드 이미지들 사이의 반점 패턴(speckle pattern) 변위를 나타내는 시간 지연 맵들을 생성하는 단계, 그리고학습용 시간 지연 맵들로부터 조직의 음속도 분포를 복원하도록 학습된 심층 신경망을 이용하여, 상기 시간 지연 맵들에 해당하는 음속도 분포 이미지를 획득하는 단계를 포함하는 동작 방법
|
2 |
2
제1항에서,상기 다각도 초음파-에코 데이터는 단일 초음파 프로브에서 서로 다른 입사각을 가지는 평면파들을 조직에 입사하여 수득된 데이터인, 동작 방법
|
3 |
3
제1항에서,상기 음속도 분포 이미지를 획득하는 단계는상기 시간 지연 맵들, 그리고 타겟 조직의 형태학적 정보를 포함하는 형태 이미지를 상기 심층 신경망으로 입력하고, 상기 심층 신경망에서 출력된 상기 음속도 분포 이미지를 획득하며, 상기 심층 신경망은 상기 형태 이미지를 가이드 정보로 이용하여 상기 시간 지연 맵들로부터 상기 타겟 조직의 음속도 분포를 복원하는, 동작 방법
|
4 |
4
제3항에서,상기 형태 이미지는 상기 다각도 초음파-에코 데이터로부터 생성된 B-모드 이미지를 형태에 따른 영역으로 분할한 이미지인, 동작 방법
|
5 |
5
제1항에서,상기 시간 지연 맵들을 생성하는 단계는입사각이 인접한 두 빔포밍 RF-모드 이미지들의 서브 블록들 중에서 가장 큰 교차상관관계(cross-correlation)가 있는 두 서브 블록 간의 변위를 상기 반점 패턴 변위로 계산하고, 상기 반점 패턴 변위를 나타내는 이미지를 상기 두 빔포밍 RF-모드 이미지들의 시간 지연 맵으로 생성하는, 동작 방법
|
6 |
6
제1항에서,상기 심층 신경망은 입력된 시간 지연 맵들의 특징을 추출하는 인코더, 그리고상기 인코더로부터 전달된 특징 맵을 업샘플링하면서 고해상도의 이미지를 복원하는 디코더로 구성되는, 동작 방법
|
7 |
7
제6항에서,상기 디코더는타겟 조직의 형태학적 정보를 포함하는 이미지를 가이드 정보로 입력받는, 동작 방법
|
8 |
8
적어도 하나의 프로세서에 의해 동작하는 이미징 장치의 동작 방법으로서,조직의 다각도 초음파-에코 데이터 그리고 해당 조직의 음속도 분포 이미지를 학습 데이터로 입력받는 단계, 그리고상기 학습 데이터를 이용하여, 상기 다각도 초음파-에코 데이터로부터 해당 조직의 음속도 분포를 이미징하도록 심층 신경망을 학습시키는 단계를 포함하는 동작 방법
|
9 |
9
제8항에서,상기 다각도 초음파-에코 데이터는 조직의 음속도 분포 및 산란체들을 모델링한 팬텀 또는 시뮬레이션 툴을 이용하여 획득되는, 동작 방법
|
10 |
10
제8항에서,상기 학습 데이터는해당 조직의 형태학적 정보를 포함하는 형태 이미지를 더 포함하는, 동작 방법
|
11 |
11
제10항에서,상기 심층 신경망을 학습시키는 단계는상기 형태 이미지를 가이드 정보로 이용하여, 상기 다각도 초음파-에코 데이터로부터 해당 조직의 음속도 분포를 이미징하도록 심층 신경망을 학습시키는, 동작 방법
|
12 |
12
제10항에서,상기 심층 신경망을 학습시키는 단계는상기 다각도 초음파-에코 데이터를 이용하여 입사각별 시간 지연 정보를 포함하는 빔포밍 RF-모드 이미지들을 생성하는 단계,인접한 빔포밍 RF-모드 이미지들 사이의 반점 패턴(speckle pattern) 변위를 나타내는 시간 지연 맵들을 생성하는 단계, 그리고상기 심층 신경망에서 상기 시간 지연 맵들의 특징을 복원한 결과와, 해당 조직의 음속도 분포 이미지를 비교하여 복원 손실이 최소화되도록 상기 심층 신경망을 학습시키는 단계를 포함하는, 동작 방법
|
13 |
13
제12항에서,상기 시간 지연 맵들을 생성하는 단계는입사각이 인접한 두 빔포밍 RF-모드 이미지들의 서브 블록들 중에서 가장 큰 교차상관관계(cross-correlation)가 있는 두 서브 블록 간의 변위를 상기 반점 패턴 변위로 계산하고, 상기 반점 패턴 변위를 나타내는 이미지를 상기 두 빔포밍 RF-모드 이미지들의 시간 지연 맵으로 생성하는, 동작 방법
|
14 |
14
제8항에서,상기 심층 신경망은 입력된 이미지들의 특징을 추출하는 인코더, 그리고상기 인코더로부터 전달된 특징 맵을 업샘플링하면서 고해상도의 이미지를 복원하는 디코더로 구성되는, 동작 방법
|
15 |
15
프로그램의 명령어들을 저장하는 메모리, 그리고상기 명령어들을 실행하여, 타겟 조직에서 수득된 다각도 초음파-에코 데이터로부터 상기 타겟 조직의 음속도 분포 이미지를 생성하는 프로세서를 포함하고,상기 프로세서는상기 다각도 초음파-에코 데이터를 이용하여 입사각에 따라 달라지는 반점 패턴(speckle pattern) 변위를 이미지들로 변환하고, 상기 이미지들에 포함된 시간 지연 정보를 복원하여 상기 음속도 분포 이미지를 생성하는, 컴퓨팅 장치
|
16 |
16
제15항에서,상기 다각도 초음파-에코 데이터는 단일 초음파 프로브에서 서로 다른 입사각을 가지는 평면파들을 상기 타겟 조직에 입사하여 수득된 데이터인, 컴퓨팅 장치
|
17 |
17
제15항에서,상기 프로세서는상기 다각도 초음파-에코 데이터를 이용하여 입사각별 빔포밍 RF-모드 이미지를 생성하고, 인접한 빔포밍 RF-모드 이미지들 사이의 반점 패턴 변위를 나타내는 시간 지연 맵들을 생성하며, 상기 시간 지연 맵들의 특징을 복원하여 상기 음속도 분포 이미지를 생성하는, 컴퓨팅 장치
|
18 |
18
제15항에서,상기 프로세서는상기 다각도 초음파-에코 데이터를 이용하여 상기 타겟 조직의 형태학적 정보를 포함하는 형태 이미지를 생성하고, 상기 형태 이미지를 가이드 정보로 이용하여 상기 이미지들에 포함된 시간 지연 정보를 복원하는, 컴퓨팅 장치
|
19 |
19
제15항에서,상기 프로세서는상기 반점 패턴 변위로 생성된 이미지들로부터 음속도 분포를 복원하도록 학습된 심층 신경망을 이용하여, 상기 이미지들에 해당하는 음속도 분포 이미지를 획득하는, 컴퓨팅 장치
|
20 |
20
제15항에서,상기 프로세서는상기 다각도 초음파-에코 데이터로부터 형태학적 정보를 포함하는 B-모드 이미지를 생성하고, 상기 B-모드 이미지에 상기 음속도 분포 이미지를 오버레이하여 출력하는, 컴퓨팅 장치
|