| 1 |
1
입력 흉부 방사선 영상을 정규화 영상으로 변환하는 단계;상기 변환된 정규화 영상에 대하여, 미리 학습된 분할 모델 기반의 제1 뉴럴 네트워크를 이용하여 장기 영역을 분할하는 단계;상기 분할된 장기 영역에 대한 국소 패치들을 생성하는 단계; 및상기 생성된 국소 패치들에 대하여, 미리 학습된 분류 모델 기반의 제2 뉴럴 네트워크를 이용하여 상기 입력 흉부 방사선 영상에서 병변을 분류하는 단계를 포함하는 흉부 방사선 영상의 병변 분류 방법
|
| 2 |
2
제1항에 있어서,상기 변환하는 단계는영상 영역에서 감마 보정(Gamma correction)을 수행함으로써, 상기 입력 흉부 방사선 영상을 상기 정규화 영상으로 변환하는 것을 특징으로 하는 흉부 방사선 영상의 병변 분류 방법
|
| 3 |
3
제2항에 있어서,상기 변환하는 단계는상기 감마 보정의 특성을 활용하여 서로 다른 장기(Organ)의 신호 강도(Signal intensity) 간 대비(Contrast)를 강조하면서 데이터 간의 이질성을 획일적으로 정규화함으로써, 상기 입력 흉부 방사선 영상을 상기 정규화 영상으로 변환하는 것을 특징으로 하는 흉부 방사선 영상의 병변 분류 방법
|
| 4 |
4
제1항에 있어서,상기 생성하는 단계는상기 분할된 장기 영역과 상기 정규화 영상을 이용하여 상기 분할된 장기 영역에 대한 장기 영상을 생성하고, 상기 생성된 장기 영상의 폐 영역을 기반으로 상기 국소 패치들을 생성하는 것을 특징으로 하는 흉부 방사선 영상의 병변 분류 방법
|
| 5 |
5
제1항에 있어서,상기 분류하는 단계는상기 생성된 국소 패치들 각각에 대한 병변 분류 결과 중 가장 많이 분류된 병변을 최종 병변으로 분류하는 것을 특징으로 하는 흉부 방사선 영상의 병변 분류 방법
|
| 6 |
6
제1항에 있어서,상기 분류된 병변에 해당하는 국소 패치들 각각에서 확률 가중치(Probabilistic weight)를 획득한 후 특징 지도(Saliency map)에 적용함으로써, 상기 분류된 병변을 시각화(Visualization)하는 단계를 더 포함하는 것을 특징으로 하는 흉부 방사선 영상의 병변 분류 방법
|
| 7 |
7
제6항에 있어서,상기 시각화하는 단계는경사 가중 클래스 활성화 지도(gradient weighted class activation map)를 이용하여 상기 분류된 병변을 시각화하는 것을 특징으로 하는 흉부 방사선 영상의 병변 분류 방법
|
| 8 |
8
입력 흉부 방사선 영상에 대하여, 미리 학습된 분할 모델 기반의 제1 뉴럴 네트워크를 이용하여 장기 영역을 분할하는 단계;상기 분할된 장기 영역에 대한 국소 패치들을 생성하는 단계; 및상기 생성된 국소 패치들에 대하여, 미리 학습된 분류 모델 기반의 제2 뉴럴 네트워크를 이용하여 상기 입력 흉부 방사선 영상에서 병변을 분류하는 단계를 포함하는 흉부 방사선 영상의 병변 분류 방법
|
| 9 |
9
입력 흉부 방사선 영상을 정규화 영상으로 변환하는 정규화부;상기 변환된 정규화 영상에 대하여, 미리 학습된 분할 모델 기반의 제1 뉴럴 네트워크를 이용하여 장기 영역을 분할하는 분할부;상기 분할된 장기 영역에 대한 국소 패치들을 생성하는 생성부; 및상기 생성된 국소 패치들에 대하여, 미리 학습된 분류 모델 기반의 제2 뉴럴 네트워크를 이용하여 상기 입력 흉부 방사선 영상에서 병변을 분류하는 분류부를 포함하는 흉부 방사선 영상의 병변 분류 장치
|
| 10 |
10
제9항에 있어서,상기 정규화부는영상 영역에서 감마 보정(Gamma correction)을 수행함으로써, 상기 입력 흉부 방사선 영상을 상기 정규화 영상으로 변환하는 것을 특징으로 하는 흉부 방사선 영상의 병변 분류 장치
|
| 11 |
11
제10항에 있어서,상기 정규화부는상기 감마 보정의 특성을 활용하여 서로 다른 장기(Organ)의 신호 강도(Signal intensity) 간 대비(Contrast)를 강조하면서 데이터 간의 이질성을 획일적으로 정규화함으로써, 상기 입력 흉부 방사선 영상을 상기 정규화 영상으로 변환하는 것을 특징으로 하는 흉부 방사선 영상의 병변 분류 장치
|
| 12 |
12
제9항에 있어서,상기 생성부는상기 분할된 장기 영역과 상기 정규화 영상을 이용하여 상기 분할된 장기 영역에 대한 장기 영상을 생성하고, 상기 생성된 장기 영상의 폐 영역을 기반으로 상기 국소 패치들을 생성하는 것을 특징으로 하는 흉부 방사선 영상의 병변 분류 장치
|
| 13 |
13
제9항에 있어서,상기 분류부는상기 생성된 국소 패치들 각각에 대한 병변 분류 결과 중 가장 많이 분류된 병변을 최종 병변으로 분류하는 것을 특징으로 하는 흉부 방사선 영상의 병변 분류 장치
|
| 14 |
14
제9항에 있어서,상기 분류된 병변에 해당하는 국소 패치들 각각에서 확률 가중치(Probabilistic weight)를 획득한 후 특징 지도(Saliency map)에 적용함으로써, 상기 분류된 병변을 시각화(Visualization)하는 시각화부를 더 포함하는 것을 특징으로 하는 흉부 방사선 영상의 병변 분류 장치
|
| 15 |
15
제14항에 있어서,상기 시각화부는경사 가중 클래스 활성화 지도(gradient weighted class activation map)를 이용하여 상기 분류된 병변을 시각화하는 것을 특징으로 하는 흉부 방사선 영상의 병변 분류 장치
|
| 16 |
16
입력 흉부 방사선 영상을 정규화 영상으로 변환하는 단계;상기 변환된 정규화 영상에 대하여, 미리 학습된 분할 모델 기반의 제1 뉴럴 네트워크를 이용하여 장기 영역을 분할하는 단계;상기 분할된 장기 영역에 대한 국소 패치들을 생성하는 단계; 및상기 생성된 국소 패치들에 대하여, 미리 학습된 분류 모델 기반의 제2 뉴럴 네트워크를 이용하여 상기 입력 흉부 방사선 영상에서 병변을 분류하고, 상기 생성된 국소 패치들 각각에 대한 병변 분류 결과 중 가장 많이 분류된 병변을 최종 병변으로 분류하는 단계를 포함하는 흉부 방사선 영상의 병변 분류 방법
|
