| 1 |
1
자동투여장치가 인공 지능 모델 기반으로 종양을 관리하는 방법에 있어서,치료 대상이 되는 종양에 관한 종양 이미지를 획득하는 단계;상기 종양 이미지가 입력되면, 상기 종양 이미지에 포함된 치료 대상이 되는 종양의 성숙도 정보를 출력하는 인공 지능 모델에, 상기 종양 이미지를 입력함으로써, 상기 인공 지능 모델로부터 성숙도 정보를 획득하는 단계;상기 성숙도 정보에 기초하여 약물 투여 정보를 결정하는 단계; 및상기 결정된 약물 투여 정보를 출력하는 단계; 를 포함하고, 상기 종양 이미지를 획득하는 단계에 앞서종양 데이터 및 라벨링되지 않은 전체 종양 데이터 셋을 획득하는 단계;상기 종양 데이터 및 상기 라벨링되지 않은 전체 종양 데이터셋의 일부분의 종양 데이터 셋을 제1 그룹의 종양 데이터 셋 및 제2 그룹의 종양 데이터 셋으로 분류하는 단계;상기 제1 그룹의 종양 데이터 셋에 대해, 종양 종류에 따른 n개 클래스로 종양 데이터와 종양 데이터에 해당하는 종양의 영역 표시와 라벨링된 데이터를 생성하는 단계;기 설정된 제1 그룹의 종양 데이터에 기초하여, 상기 제1 그룹의 종양 데이터 셋에 대한 라벨링된 데이터를 1차 검수하는 단계;상기 검수된, 상기 제1 그룹의 종양 데이터 셋에 대한 라벨링된 데이터에 기초하여, 지도 학습을 수행함으로써 n개 클래스의 분류 학습을 진행하는 단계;상기 n개 클래스의 분류 학습 결과에 따른 n개의 클래스 정보를 이용하여, 상기 라벨링되지 않은 제2 그룹의 종양 데이터 셋에 대해 비지도 학습 알고리즘을 적용함으로써 종양 종류에 따른 n개 클래스로 종양 데이터와 종양 데이터에 해당하는 종양의 영역과 라벨링된 데이터를 생성하는 단계;기 설정된 제2 그룹의 종양 데이터에 기초하여, 상기 제2 그룹의 종양 데이터 셋에 대한 라벨링된 데이터를 2차 검수하는 단계; 및상기 제1 그룹의 종양 데이터 셋 및 상기 제2 그룹의 종양 데이터 셋을 포함한 전체 종양 데이터와 종양 영역 및 라벨링된 데이터를 종양 데이터셋으로 구축하는 단계; 를 포함하는, 방법
|
| 2 |
2
제1항에 있어서, 상기 방법은상기 출력된 약물 투여 정보에 기초하여, 소정의 약물을 투여를 위한, 상기 자동투여장치 내 로봇암 제어 신호를 결정하는 단계; 및상기 결정된 로봇암 제어 신호에 기초하여 상기 자동투여장치 내 로봇암을 제어하는 단계; 를 포함하는, 방법
|
| 3 |
3
삭제
|
| 4 |
4
제1항에 있어서, 상기 방법은 상기 종양 이미지를 획득하는 단계에 앞서,상기 구축된 종양 데이터 셋을 학습 데이터, 검증 데이터 및 테스트 데이터로 분류하는 단계; 를 더 포함하는, 방법
|
| 5 |
5
제4항에 있어서, 상기 방법은 상기 종양 이미지를 획득하는 단계에 앞서,상기 분류된 학습 데이터에 기초하여, 인공 지능 모델 학습을 위한 하이퍼 파라미터를 결정하는 단계;상기 결정된 하이퍼 파라미터에 기초하여 복수의 인공 지능 모델들을 학습시키는 단계;상기 학습된 복수의 인공 지능 모델들의 성능을 평가하는 단계; 및상기 평가 결과에 기초하여 복수의 인공 지능 모델들 중 하나의 인공 지능 모델을 선택하는 단계; 를 더 포함하고,상기 성숙도 정보를 획득하는 단계는 상기 선택된 인공 지능 모델로부터 상기 성숙도 정보를 획득하는 것을 특징으로 하는, 방법
|
| 6 |
6
제5항에 있어서, 상기 방법은 상기 종양 이미지를 획득하는 단계에 앞서,상기 학습 데이터 및 상기 검증 데이터에 기초하여 상기 선택된 인공 지능 모델을 재 학습시키는 단계;상기 테스트 데이터에 기초하여 상기 재 학습된 인공 지능 모델의 성능을 재 평가하는 단계; 및상기 성능 재 평가 결과에 기초하여 상기 재 학습된 인공 지능 모델의 성능 점수가 소정의 임계치 이상으로 식별되면, 상기 구축된 종양 데이터 셋에 기초하여 상기 재 학습된 인공 지능 모델을 학습시키는 단계; 를 더 포함하고,상기 성숙도 정보를 획득하는 단계는, 상기 구축된 종양 데이터 셋에 기초하여, 학습된, 상기 재 학습된 인공 지능 모델로부터 상기 성숙도 정보를 획득하는 것을 특징으로 하는, 방법
|
| 7 |
7
제1항에 있어서, 상기 성숙도 정보를 획득하는 단계는상기 인공 지능 모델로부터, 종양 이미지 내 종양의 크기, 종양의 모양 또는 상기 종양의 색상 중 적어도 하나에 관한 종양 형태 정보를 획득하는 단계; 를 더 포함하는, 방법
|
| 8 |
8
제7항에 있어서, 상기 약물 투여 정보를 결정하는 단계는상기 성숙도 정보 및 상기 종양 형태 정보에 기초하여, 상기 종양을 치료하기 위한 약물 종류에 관한 약물 종류 정보를 결정하는 단계;상기 성숙도 정보 및 상기 종양 형태 정보에 기초하여 상기 종양을 치료하기 위한 약물 투여 시점에 관한 약물 투여 시기 정보를 결정하는 단계; 및상기 성숙도 정보 및 상기 종양 형태 정보에 기초하여, 상기 종양을 치료하기 위한 약물 투여 용량에 관한 약물 투여 용량 정보를 결정하는 단계; 를 포함하는, 방법
|
| 9 |
9
인공 지능 모델 기반으로 종양을 관리하는 자동투여장치에 있어서,디스플레이;카메라;상기 종양을 치료하기 위한 약물을 투여하는 로봇암; 및미리 학습된 가중치 파일에 기초하여 상기 종양에 대한 이미지 데이터를 실시간으로 처리하는 엣지 컴퓨터; 를 포함하고,상기 엣지 컴퓨터는,하나 이상의 인스트럭션을 저장하는 메모리; 및상기 하나 이상의 인스트럭션을 실행하는 적어도 하나의 프로세서; 를 포함하며,상기 적어도 하나의 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써,치료 대상이 되는 종양에 관한 종양 이미지를 획득하고,상기 종양 이미지가 입력되면, 상기 종양 이미지에 포함된 치료 대상이 되는 종양의 성숙도 정보를 출력하는 인공 지능 모델에, 상기 종양 이미지를 입력함으로써, 상기 인공 지능 모델로부터 성숙도 정보를 획득하고,상기 성숙도 정보에 기초하여 약물 투여 정보를 결정하고, 상기 결정된 약물 투여 정보를 출력하고, 상기 종양 이미지를 획득하기에 앞서,종양 데이터 및 라벨링되지 않은 전체 종양 데이터 셋을 획득하고,상기 종양 데이터 및 상기 라벨링되지 않은 전체 종양 데이터셋의 일부분의 종양 데이터 셋을 제1 그룹의 종양 데이터 셋 및 제2 그룹의 종양 데이터 셋으로 분류하고,상기 제1 그룹의 종양 데이터 셋에 대해, 종양 종류에 따른 n개 클래스로 종양 데이터와 종양 데이터에 해당하는 종양의 영역 표시와 라벨링된 데이터를 생성하고,기 설정된 제1 그룹의 종양 데이터에 기초하여, 상기 제1 그룹의 종양 데이터 셋에 대한 라벨링된 데이터를 1차 검수하고,상기 검수된, 상기 제1 그룹의 종양 데이터 셋에 대한 라벨링된 데이터에 기초하여, 지도 학습을 수행함으로써 n개 클래스의 분류 학습을 진행하고,상기 n개 클래스의 분류 학습 결과에 따른 n개의 클래스 정보를 이용하여, 상기 라벨링되지 않은 제2 그룹의 종양 데이터 셋에 대해 비지도 학습 알고리즘을 적용함으로써 종양 종류에 따른 n개 클래스로 종양 데이터와 종양 데이터에 해당하는 종양의 영역과 라벨링된 데이터를 생성하고,기 설정된 제2 그룹의 종양 데이터에 기초하여, 상기 제2 그룹의 종양 데이터 셋에 대한 라벨링된 데이터를 2차 검수하고,상기 제1 그룹의 종양 데이터 셋 및 상기 제2 그룹의 종양 데이터 셋을 포함한 전체 종양 데이터와 종양 영역 및 라벨링된 데이터를 종양 데이터셋으로 구축하는, 자동투여장치
|
| 10 |
10
제9항에 있어서, 상기 적어도 하나의 프로세서는상기 출력된 약물 투여 정보에 기초하여, 소정의 약물을 투여를 위한, 상기 자동투여장치 내 로봇암 제어 신호를 결정하고,상기 결정된 로봇암 제어 신호에 기초하여 상기 자동투여장치 내 로봇암을 제어하는, 자동투여장치
|
| 11 |
11
삭제
|
| 12 |
12
제9항에 있어서, 상기 적어도 하나의 프로세서는상기 종양 이미지를 획득하기에 앞서,상기 구축된 종양 데이터 셋을 학습 데이터, 검증 데이터 및 테스트 데이터로 분류하는 자동투여장치
|
| 13 |
13
제12항에 있어서, 상기 적어도 하나의 프로세서는상기 종양 이미지를 획득하기에 앞서,상기 분류된 학습 데이터에 기초하여, 인공 지능 모델 학습을 위한 하이퍼 파라미터를 결정하고,상기 결정된 하이퍼 파라미터에 기초하여 복수의 인공 지능 모델들을 학습시키고상기 학습된 복수의 인공 지능 모델들의 성능을 평가하고,상기 평가 결과에 기초하여 복수의 인공 지능 모델들 중 하나의 인공 지능 모델을 선택하고,상기 선택된 인공 지능 모델로부터 상기 성숙도 정보를 획득하는 것을 특징으로 하는, 자동투여장치
|
| 14 |
14
제13항에 있어서, 상기 적어도 하나의 프로세서는상기 종양 이미지를 획득하기에 앞서,상기 학습 데이터 및 상기 검증 데이터에 기초하여 상기 선택된 인공 지능 모델을 재 학습시키고,상기 테스트 데이터에 기초하여 상기 재 학습된 인공 지능 모델의 성능을 재 평가하고,상기 성능 재 평가 결과에 기초하여 상기 재 학습된 인공 지능 모델의 성능 점수가 소정의 임계치 이상으로 식별되면, 상기 구축된 종양 데이터 셋에 기초하여 상기 재 학습된 인공 지능 모델을 학습시키고,상기 성숙도 정보를 획득하는 단계는, 상기 구축된 종양 데이터 셋에 기초하여, 학습된, 상기 재 학습된 인공 지능 모델로부터 상기 성숙도 정보를 획득하는, 자동 투여 장치
|
| 15 |
15
자동투여장치가 인공 지능 모델 기반으로 종양을 관리하는 방법에 있어서,치료 대상이 되는 종양에 관한 종양 이미지를 획득하는 단계;상기 종양 이미지가 입력되면, 상기 종양 이미지에 포함된 치료 대상이 되는 종양의 성숙도 정보를 출력하는 인공 지능 모델에, 상기 종양 이미지를 입력함으로써, 상기 인공 지능 모델로부터 성숙도 정보를 획득하는 단계;상기 성숙도 정보에 기초하여 약물 투여 정보를 결정하는 단계; 및상기 결정된 약물 투여 정보를 출력하는 단계; 를 포함하고, 상기 종양 이미지를 획득하는 단계에 앞서종양 데이터 및 라벨링되지 않은 전체 종양 데이터 셋을 획득하는 단계;상기 종양 데이터 및 상기 라벨링되지 않은 전체 종양 데이터셋의 일부분의 종양 데이터 셋을 제1 그룹의 종양 데이터 셋 및 제2 그룹의 종양 데이터 셋으로 분류하는 단계;상기 제1 그룹의 종양 데이터 셋에 대해, 종양 종류에 따른 n개 클래스로 종양 데이터와 종양 데이터에 해당하는 종양의 영역 표시와 라벨링된 데이터를 생성하는 단계;기 설정된 제1 그룹의 종양 데이터에 기초하여, 상기 제1 그룹의 종양 데이터 셋에 대한 라벨링된 데이터를 1차 검수하는 단계;상기 검수된, 상기 제1 그룹의 종양 데이터 셋에 대한 라벨링된 데이터에 기초하여, 지도 학습을 수행함으로써 n개 클래스의 분류 학습을 진행하는 단계;상기 n개 클래스의 분류 학습 결과에 따른 n개의 클래스 정보를 이용하여, 상기 라벨링되지 않은 제2 그룹의 종양 데이터 셋에 대해 비지도 학습 알고리즘을 적용함으로써 종양 종류에 따른 n개 클래스로 종양 데이터와 종양 데이터에 해당하는 종양의 영역과 라벨링된 데이터를 생성하는 단계;기 설정된 제2 그룹의 종양 데이터에 기초하여, 상기 제2 그룹의 종양 데이터 셋에 대한 라벨링된 데이터를 2차 검수하는 단계; 및상기 제1 그룹의 종양 데이터 셋 및 상기 제2 그룹의 종양 데이터 셋을 포함한 전체 종양 데이터와 종양 영역 및 라벨링된 데이터를 종양 데이터셋으로 구축하는 단계를 포함하는, 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체
|
