| 1 |
1
갑상선안병증을 앓고 있는 환자의 CT영상 이미지를 수집하는 단계;상기 수집한 CT 영상의 각각에 대한 정보 처리 파이프라인을 만들어 상기 CT영상을 전처리하는 단계;상기 전처리한 CT영상을 기반으로 진단 상황을 상정하여 데이터를 구성하는 단계;상기 수집한 영상들의 조합 데이터 셋트를 만들어 인공신경망(NN: Neural Network)를 학습시키는 단계;상기 인공신경망(NN: Neural Network) 학습을 n번 반복하여, n개의 진단 정확도 값을 평균을 내어 상기 인공신경망(NN: Neural Network)의 최적 진단 성능을 내는 단계;상기 최적의 진단 성능을 내는 인공신경망(NN: Neural Network)의 알고리즘 통해, 상기 CT 영상물로 갑상선안병증을 진단하는 단계;를 포함하는 것을 특징으로 하는 신경망 기반 알고리즘에 근거한 안와 전산화단층촬영(CT)을 이용한 갑상선안병증 진단 방법
|
| 2 |
2
제1항에 있어서,상기 갑상선안병증 환자의 CT영상을 전처리하는 단계는,상기 수집한 갑상선안병증의 환자 CT영상 이미지 데이터셋을 기반으로, 상기 갑상선안병증 CT영상 이미지의 축상(Axial), 관상(Coronal), 시상(Sagittal) 부분의 영상정보데이터를 얻는 단계;상기 CT영상 이미지의 축상(Axial), 관상(Coronal), 시상(Sagittal) 부분의 영상정보를 기반으로, 영상 정보 처리 파이프라인을 만들어 전처리하는 단계;를 포함하는 것을 특징으로 하는 신경망 기반 알고리즘에 근거한 안와 전산화단층촬영(CT)을 이용한 갑상선안병증 진단 방법
|
| 3 |
3
제2항에 있어서,상기 CT영상을 전처리하는 단계는, 상기 최초 입력된 축상(Axial), 관상(Coronal), 시상(Sagittal) CT 영상에 대해 보간법(Interpolation)을 활용하여 크기를 정규화하는 단계;상기 CT영상 이미지에서 안구와 관련된 부분을 추출하는 단계;상기 안구와 관련된 부분만 추출된 CT영상 이미지 이 외, 주변의 불필요한 검은 영역으로 표시되는 단계;상기 CT영상 이미지에서 불필요한 검은 영역을 삭제하는 단계; 상기 안구 부분 이외 주변의 이미지가 삭제된 CT 영상에 대해 보간법(Interpolation)을 통해 이미지의 크기를 정규화하는 단계;Housefield Unit 값을 통해, 지방과 근육을 제외한 나머지 부분을 제거한 뒤, 영상의 픽셀 값들을 0~1 사이로 정규화하는 단계;를 포함하는 것을 특징으로 하는 신경망 기반 알고리즘에 근거한 안와 전산화단층촬영(CT)을 이용한 갑상선안병증 진단 방법
|
| 4 |
4
제3항에 있어서,상기 Hounsfield unit 값을 이용한 상기 CT영상 정규화 단계는,사람의 안구가 2개인 점에 착안하여 각 안구로부터 얻을 수 있는 수많은 정보를 기준 없이 하나의 정보로 포괄하여 처리하지 않고, Half Depthwise Convolution 구조를 추가하여 진단 성능의 한계를 향상시키는 단계를 포함하는 것을 특징으로 하는 신경망 기반 알고리즘에 근거한 안와 전사화단층촬영(CT)을 이용한 갑상선안병증 진단 방법
|
| 5 |
5
제1항에 있어서,상기 조합 데이터 셋트를 만드는 단계는,상기 전처리한 CT영상을 기반으로, 4가지 진단 상황을 상정하여 데이터를 구성하는 단계;상기 축(Axial), 중앙(Coronal), 수직(Sagittal) CT 영상을 통해 7조합의 데이터 셋트를 만들어 내는 단계;를 포함하는 것을 특징으로 하는 신경망 기반 알고리즘에 근거한 안와 전산화단층촬영(CT)을 이용한 갑상선안병증 진단 방법
|
| 6 |
6
제2항에 있어서,상기 CT영상 이미지의 축(Axial), 중앙(Coronal), 수직(Sagittal) 부분의 영상정보 처리 파이브라인은,상기 영상 정보 처리 파이프라인을 별도로 둘 수 있도록 설계함으로써 학습에 필요한 계산량을 유동적으로 조절할 수 있는 단계;를 포함하는 것을 특징으로 하는 신경망 기반 알고리즘에 근거한 안와 전산화단층촬영(CT)을 이용한 갑상선안병증 진단 방법
|
| 7 |
7
제1항에 있어서,상기 인공신경망(NN: Neural Network) 학습을 시키는 단계는,상기 각각의 CT영상 데이터의 80% 만큼의 CT 영상을 활용하여, 상기 인공신경망(NN: Neural Network)을 학습시키며, 나머지 20%의 상기 CT 영상들을 활용하여 진단 정확도(AUC)를 측정하는 단계;를 포함하는 것을 특징으로 하는 신경망 기반 알고리즘에 근거한 안와 전산화단층촬영(CT)을 이용한 갑상선안병증 진단 방법
|
| 8 |
8
제7항에 있어서,상기 인공신경망(NN: Neural Network)의 알고리즘은,상기 갑상선안병증의 여부를 진단하고,상기 갑상선안병증의 중증도를 진단하는 계산식을 만들어 내는 단계;를 포함하는 것을 특징으로 하는 신경망 기반 알고리즘에 근거한 안와 전산화단층촬영(CT)을 이용한 갑상선안병증 진단 방법
|
| 9 |
9
제8항에 있어서,상기 인공신경망(NN: Neural Network)의 학습을 n번 반복하여,상기 n개의 진단 결과를 기반으로 하여 정확도 값을 도출하고,상기 도출된 n개의 정확도 값의 평균을 내어 상기 인공신경망(NN: Neural Network)의 최적 진단 성능 사양(SPEC) 및 성능을 도출하는 단계;를 포함하는 것을 특징으로 하는 신경망 기반 알고리즘에 근거한 안와 전산화단층촬영(CT)을 이용한 갑상선안병증 진단 방법
|
| 10 |
10
제1항에 있어서,상기 갑상선안병증 진단은,상기 반복된 학습을 거친 인공신경망(NN: Neural Network)의 알고리즘을 기반으로, 상기 CT 영상물로 갑상선 안병증을 진단하는 단계;를 포함하는 것을 특징으로 하는 신경망 기반 알고리즘에 근거한 안와 전산화단층촬영(CT)을 이용한 갑상선안병증 진단 방법
|
