| 1 |
1
영상 데이터셋에서 타겟 프레임(target frame)과 보수 프레임(complementary frame)에 해당하는 영상을 선택하고, 이들 각각에 Dynamic PET의 전체 촬영시간에서 타겟 프레임의 촬영시간에 대한 가중치에 부합하도록 상기 타겟 프레임과 보수 프레임에 해당하는 영상의 픽셀의 값을 조정하는 제1 전처리부;상기 촬영시간에 부합하도록 픽셀 값의 크기가 각각 조정된 타겟 프레임 및 보수 프레임을 사이노그램으로 변환하는 제2 전처리부;상기 타겟 프레임 및 보수 프레임에 해당하는 사이노그램에 푸아송 잡음을 추가한 target frame(noisy) 및 complementary frame(noisy)에 해당하는 사이노그램들을 생성하는 제3 전처리부;푸아송 잡음이 포함된 target frame(noisy)과 complementary frame(noisy)를 더해서 상기 target frame(noisy)과 complementary frame(noisy)의 촬영시간 전체에 해당하는 잡음이 포함된 풀프레임(full frame(noisy))을 산출하고, 상기 full frame(noisy)과 complementary frame(noisy)의 픽셀값을 각각의 채널값을 갖도록 2채널의 사이노그램을 생성하여 인공신경망의 학습데이터를 설정하는 제1 출력부; 및상기 제1 출력부로부터 사이노그램 형태의 2채널 입력 데이터인 full frame(noisy) 및 complementary frame(noisy)을 입력받아 타겟 프레임의 주요 레프리젠테이션(representation)을 추출하고, 추출한 타겟 프레임의 레프리젠테이션(representation)으로부터 푸아송 잡음이 없는 타겟 프레임의 사이노그램을 산출하는 인공신경망을 포함하는 것을 특징으로 하는 인공신경망과 CFR을 이용한 정량적 PET 동적 영상 재구성 시스템
|
| 2 |
2
영상 데이터셋에서 타겟 프레임(target frame)과 보수 프레임(complementary frame)에 해당하는 영상을 선택하고, 이들 각각에 Dynamic PET의 전체 촬영시간에서 타겟 프레임의 촬영시간에 대한 가중치에 부합하도록 상기 타겟 프레임과 보수 프레임에 해당하는 영상의 픽셀의 값을 조정하는 제1 전처리부;상기 촬영시간에 부합하도록 픽셀 값의 크기가 각각 조정된 타겟 프레임 및 보수 프레임을 사이노그램으로 변환하는 제2 전처리부;상기 타겟 프레임 및 보수 프레임에 해당하는 사이노그램에 푸아송 잡음을 추가한 target frame(noisy) 및 complementary frame(noisy)에 해당하는 사이노그램들을 생성하는 제3 전처리부;푸아송 잡음이 포함된 target frame(noisy)과 complementary frame(noisy)를영상 재구성 기법 중 하나인 Filtered Back Projection 혹은 ML-EM을 이용하여 이미지로 재구성한 후 이 둘을 더해서 상기 target frame(noisy)과 complementary frame(noisy)의 촬영시간 전체에 해당하는 full frame(noisy)을 산출하고, 상기 full frame(noisy)과 complementary frame(noisy)의 픽셀값을 각각의 채널값을 갖도록 2채널의 이미지로 생성하여 인공신경망의 학습데이터로 설정하는 제2 출력부; 및상기 제2 출력부로부터 이미지 형태의 2채널 입력 데이터인 full frame(noisy) 및 complementary frame(noisy)을 입력받아 타겟 프레임의 주요 레프리젠테이션(representation)을 추출하고, 추출한 타겟 프레임의 레프리젠테이션으로부터 푸아송 잡음이 없는 타겟 프레임의 이미지를 산출하는 인공신경망을 포함하는 것을 특징으로 하는 인공신경망과 CFR을 이용한 정량적 PET 동적 영상 재구성 시스템
|
| 3 |
3
제1항 또는 제2항에 있어서,상기 제1 전처리부는,난수 발생을 통해 0
|
| 4 |
4
제1항 또는 제2항에 있어서,상기 제1 전처리부는,인공신경망이 특정 픽셀에서 상기 가중치에 대응하는 타겟 프레임의 측정시간동안 완전히 다른 영상의 픽셀 값을 가지는 학습데이터셋에서 학습을 수행하도록 하여, 상기 가중치와 대응하는 측정시간의 타겟 프레임의 데이터를 도출하는 것을 특징으로 하는 인공신경망과 CFR을 이용한 정량적 PET 동적 영상 재구성 시스템
|
| 5 |
5
제1항 또는 제2항에 있어서,상기 제1 전처리부는,상기 타겟 프레임과 보수 프레임의 영상을 랜덤하게 지정하는 것을 특징으로 하는 인공신경망과 CFR을 이용한 정량적 PET 동적 영상 재구성 시스템
|
| 6 |
6
제1항 또는 제2항에 있어서,상기 제3 전처리부는,각 촬영시간이 반영된 픽셀의 값을 바탕으로 푸아송 잡음을 계산하여 해당 잡음을 사이노그램에 추가하여 잡음을 포함한 타겟 프레임(target frame(noisy))과 잡음을 포함한 보수 프레임(complementary frame(noisy))에 해당하는 잡음이 추가된 사이노그램을 산출하는 것을 특징으로 하는 인공신경망과 CFR을 이용한 정량적 PET 동적 영상 재구성 시스템
|
| 7 |
7
제1항에 있어서,상기 제1 출력부는,인공신경망의 입력으로 들어갈 학습데이터인 2채널의 사이노그램과 라벨데이터인 1채널의 사이노그램을 구성하는 것을 특징으로 하는 인공신경망과 CFR을 이용한 정량적 PET 동적 영상 재구성 시스템
|
| 8 |
8
제2항에 있어서,상기 제2 출력부는,인공신경망의 입력으로 들어갈 학습데이터인 2채널의 이미지와 라벨데이터인 1채널의 이미지를 구성하는 것을 특징으로 하는 인공신경망과 CFR을 이용한 정량적 PET 동적 영상 재구성 시스템
|
