1 |
1
비디오 투시 연하 검사(VFSS)용 VFSS 검사 기기에 의해 분석 대상에 대해 획득된 VFSS 동영상의 영상 프레임들을 입력받도록 구성되는 데이터 입력부; 및상기 VFSS 동영상의 영상 프레임들을 인공지능 모델에 의해 구강부 단계, 인두부 단계 및 식도부 단계를 포함하는 연하 단계들로 분류하는 연하 단계 분류부를 포함하는, 인공지능 기반 비디오 투시 연하검사 자동화 분석 장치
|
2 |
2
제1항에 있어서,다수의 연하 장애 환자에 관한 연하 단계별 VFSS 학습 영상 및 검사 데이터를 포함하는 학습 데이터를 학습하여 상기 인공지능 모델을 생성하는 데이터 학습부를 더 포함하는, 인공지능 기반 비디오 투시 연하검사 자동화 분석 장치
|
3 |
3
제1항에 있어서,상기 VFSS 동영상 중 상기 인공지능 모델에 의해 분류된 각 연하 단계에 해당하는 영상 구간을 추출하고, 상기 각 연하 단계에 해당하는 영상 구간으로부터 각 연하 단계별 연하 시간을 산출하도록 구성되는 연하 시간 산출부를 더 포함하는, 인공지능 기반 비디오 투시 연하검사 자동화 분석 장치
|
4 |
4
제1항에 있어서,상기 연하 단계 분류부는, 상기 인공지능 모델에 의해 연하 장애 분류 기준에 따라 연하 장애를 분류하도록 구성되고,상기 연하 장애 분류 기준은 연하 장애를 다수의 침투-흡인 스케일 수준 중 어느 하나로 분류하도록 정의되는 침투-흡인 스케일(Penetration-Aspiration Scale)을 포함하는, 인공지능 기반 비디오 투시 연하검사 자동화 분석 장치
|
5 |
5
제4항에 있어서,상기 인공지능 모델은,상기 침투-흡인 스케일에 정의된 상기 다수의 침투-흡인 스케일 수준 별로 학습된 다수의 서브 인공지능 모델의 출력값들을 기반으로 상기 분석 대상의 연하 장애를 상기 침투-흡인 스케일에 따라 분류하도록 구성되는, 인공지능 기반 비디오 투시 연하검사 자동화 분석 장치
|
6 |
6
제5항에 있어서,상기 다수의 침투-흡인 스케일 수준 중 제1 침투-흡인 스케일 수준에 관하여 학습된 서브 인공지능 모델은,상기 VFSS 동영상의 각 영상 프레임으로부터 다수의 영상 특징 정보를 추출하도록 구성되는 영상 특징 추출부; 및상기 다수의 영상 특징 정보를 기반으로 상기 제1 침투-흡인 스케일 수준에 관한 확률을 출력하도록 구성되는 서브 인공 신경망을 포함하는, 인공지능 기반 비디오 투시 연하검사 자동화 분석 장치
|
7 |
7
제6항에 있어서,상기 영상 특징 추출부는,상기 VFSS 동영상의 각 영상 프레임을 컨볼루션 처리하여 컨볼루션 영상을 생성하는 하나 이상의 컨볼루션 처리부; 및상기 다수의 영상 특징 정보를 추출하기 위해 상기 컨볼루션 영상을 서브 샘플링 처리하는 하나 이상의 서브 샘플링 처리부를 포함하고,상기 서브 인공 신경망은,상기 다수의 영상 특징 정보를 입력받도록 구성되는 입력 노드들을 포함하는 입력층;상기 제1 침투-흡인 스케일 수준에 관한 확률을 출력하도록 구성되는 출력 노드를 포함하는 출력층; 및상기 입력 노드들과 상기 출력 노드 사이에 완전 연결층 구조로 연결되는 은닉 노드들을 포함하는 은닉층을 포함하는, 인공지능 기반 비디오 투시 연하검사 자동화 분석 장치
|
8 |
8
제1항 내지 제7항 중 어느 한 항에 있어서,상기 VFSS 동영상 중 정지 객체를 제외한 움직임이 발생된 이동 객체를 검출하여 이동 경로를 추적하고, 상기 VFSS 동영상 중 상기 분석 대상에 의해 섭취된 식괴의 이동 경로를 추적하도록 구성되는 이동 객체 추적부를 더 포함하는, 인공지능 기반 비디오 투시 연하검사 자동화 분석 장치
|
9 |
9
데이터 입력부에 의해, 비디오 투시 연하 검사(VFSS)용 VFSS 검사 기기에 의해 분석 대상에 대해 획득된 VFSS 동영상의 영상 프레임들을 입력받는 단계; 및연하 단계 분류부에 의해, 상기 VFSS 동영상의 영상 프레임들을 인공지능 모델에 의해 구강부 단계, 인두부 단계 및 식도부 단계를 포함하는 연하 단계들로 분류하는 단계를 포함하는, 인공지능 기반 비디오 투시 연하검사 자동화 분석 방법
|
10 |
10
제9항에 있어서,데이터 학습부에 의해, 다수의 연하 장애 환자에 관한 연하 단계별 VFSS 학습 영상 및 검사 데이터를 포함하는 학습 데이터를 학습하여 상기 인공지능 모델을 생성하는 단계를 더 포함하는, 인공지능 기반 비디오 투시 연하검사 자동화 분석 방법
|
11 |
11
제9항에 있어서,연하 시간 산출부에 의해, 상기 VFSS 동영상 중 상기 인공지능 모델에 의해 분류된 각 연하 단계에 해당하는 영상 구간을 추출하고, 상기 각 연하 단계에 해당하는 영상 구간으로부터 각 연하 단계별 연하 시간을 산출하는 단계를 더 포함하는, 인공지능 기반 비디오 투시 연하검사 자동화 분석 방법
|
12 |
12
제9항에 있어서,상기 인공지능 모델에 의해, 연하 장애를 다수의 침투-흡인 스케일 수준 중 어느 하나로 분류하도록 정의되는 침투-흡인 스케일(Penetration-Aspiration Scale)에 따라 상기 분석 대상의 연하 장애를 분류하는 단계를 더 포함하고,상기 분석 대상의 연하 장애를 분류하는 단계는,상기 다수의 침투-흡인 스케일 수준 별로 학습된 다수의 서브 인공지능 모델의 출력값들을 기반으로 상기 분석 대상의 연하 장애를 상기 침투-흡인 스케일에 따라 분류하는 단계를 포함하는, 인공지능 기반 비디오 투시 연하검사 자동화 분석 방법
|
13 |
13
제12항에 있어서,상기 분석 대상의 연하 장애를 상기 침투-흡인 스케일에 따라 분류하는 단계는,상기 다수의 침투-흡인 스케일 수준 중 제1 침투-흡인 스케일 수준에 관하여 학습된 제1 서브 인공지능 모델에 의해 상기 제1 침투-흡인 스케일 수준의 확률을 예측하는 단계를 포함하고,상기 제1 침투-흡인 스케일 수준의 확률을 예측하는 단계는,상기 제1 서브 인공지능 모델의 영상 특징 추출부에 의해, 상기 VFSS 동영상의 각 영상 프레임을 컨볼루션 처리하여 컨볼루션 영상을 생성하고, 상기 컨볼루션 영상을 서브 샘플링 처리하여 상기 각 영상 프레임으로부터 다수의 영상 특징 정보를 추출하는 단계; 및상기 제1 서브 인공지능 모델의 완전 연결층 구조를 가지는 서브 인공 신경망에 의해, 상기 다수의 영상 특징 정보를 기반으로 상기 제1 침투-흡인 스케일 수준에 관한 확률을 출력하는 단계를 포함하는, 인공지능 기반 비디오 투시 연하검사 자동화 분석 방법
|
14 |
14
제9항에 있어서,이동 객체 추적부에 의해, 상기 VFSS 동영상 중 정지 객체를 제외한 움직임이 발생된 이동 객체를 검출하여 이동 경로를 추적하고, 상기 VFSS 동영상 중 상기 분석 대상에 의해 섭취된 식괴의 이동 경로를 추적하는 단계를 더 포함하는, 인공지능 기반 비디오 투시 연하검사 자동화 분석 방법
|
15 |
15
제9항 내지 제14항 중 어느 한 항의 인공지능 기반 비디오 투시 연하검사 자동화 분석 방법을 실행하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체
|