| 1 |
1
아밀로이드 제재가 투여된 진단 대상자의 뇌를 단층 촬영하는 PET 기법에 따라 상기 아밀로이드 제재가 투여된 시점으로부터 제거되는 시점까지의 상기 진단 대상자의 체내 흡수 시간 중에서 초기 구간 및 후기 구간에 대응하는 복수 개의 단층 촬영 이미지를 획득하는 이미지 획득부;상기 단층 촬영 이미지에서의 복수의 픽셀들 조합에 따른 단위 영역별로의 단위 면적에 대한 방사성 물질 흡수량 값에 기초하여 상기 진단 대상자에 대한 단위시간당 흡수율값에 대응하는 검사 데이터로 변환하는 데이터 변환부;기저장된 복수의 환자 및 정상인 각각에 대한 단위시간당 흡수율값에 대응하는 기준 데이터에 기초하여 소정의 근사 함수의 조합에 대한 최소 자승법을 적용함에 따른 후보군을 선별하는 후보군 선별 모듈; 및상기 변환된 검사 데이터를 상기 선별된 후보군에 적용하여 상기 중기 구간에 대응하는 단위시간당 흡수율값에 대한 예측값을 계산하는 예측값 산출 모듈;을 포함하는 것을 특징으로 하는 뇌질환 판단을 위한 최소 자승법 기반의 PET 영상 중기 데이터 예측 장치
|
| 2 |
2
제1항에 있어서,상기 후보군 선별 모듈은,시간에 대한 흡수율값에 대응하는 복수 개의 근사 함수에 대한 함수 정보를 유형별로 분류하여 적어도 하나 이상의 상기 근사 함수를 포함하는 함수 집합 형태로 저장하는 근사 함수 저장부;적어도 하나의 유형에 대응하는 기저장된 복수 개의 근사 함수를 적어도 둘 이상 조합하여 합성한 복수 개의 합성 함수를 생성하는 합성 함수 생성부;상기 복수 개의 합성 함수 각각에 대응하는 소정 계수를 적용하여 일차 결합한 제1 결합 함수를 생성하는 제1 결합 함수 생성부;기저장된 복수의 환자 및 정상인 중 어느 하나에 대한 단위시간당 흡수율값에 대응하는 기준 데이터에 기초하여 상기 제1 결합 함수에 대한 최소 자승법을 적용함에 따라 상기 흡수율값과 상기 제1 결합 함수 간의 오차값이 가장 작은 제1 계수를 산출하는 제1 계수 산출부; 및상기 최소 자승법을 적용한 결과에 대응하는 상기 제1 결합 함수에서 상기 제1 계수가 기설정된 임계값 이상인 경우에 대응하는 변수를 후보군으로 선별하는 후보군 선별부;를 포함하는 것을 특징으로 하는 뇌질환 판단을 위한 최소 자승법 기반의 PET 영상 중기 데이터 예측 장치
|
| 3 |
3
제2항에 있어서,상기 예측값 산출 모듈은,상기 후보군에 대응하는 함수에 소정 계수를 적용하여 일차 결합한 제2 결합 함수를 생성하는 제2 결합 함수 생성부;상기 아밀로이드 제재의 투여 시점으로부터 기설정된 제1 시점까지의 초기 구간과 기설정된 상기 제1 시점 이후의 제2 시점으로부터 상기 아밀로이드 제재가 제거되는 기설정된 제3 시점까지의 후기 구간에 대한 단위시간당 흡수율값에 대응하는 검사 데이터에 기초하여 상기 제2 결합 함수에 대한 최소 자승법을 적용함에 따라, 상기 흡수율값과 상기 제2 결합 함수 간의 오차값이 가장 작은 제2 계수를 산출하는 제2 계수 산출부; 및상기 산출된 제2 계수와 상기 최소 자승법을 적용한 결과에 대응하는 상기 제2 결합 함수에 기초하여 상기 제1 시점과 상기 제2 시점 사이의 중기 구간에 대한 단위시간당 흡수율값에 대응하는 예측값을 산출하는 예측값 산출부;를 포함하는 것을 특징으로 하는 뇌질환 판단을 위한 최소 자승법 기반의 PET 영상 중기 데이터 예측 장치
|
| 4 |
4
제2항에 있어서,상기 근사 함수 저장부는,기설정된 기준값 이상의 거듭제곱 급수를 가지는 다항함수에 대응하는 제1 근사함수를 적어도 하나 포함하는 제1 함수 집합과, 상기 기준값 미만의 거듭제곱 급수를 가지는 분수함수에 대응하는 제2 근사함수를 적어도 하나 포함하는 제2 함수 집합과, 상기 제1 근사함수와 상기 제2 근사함수 중 어느 하나를 지수값으로 가지는 자연상수에 대한 지수함수에 대응하는 제3 근사함수를 적어도 하나 포함하는 제3 함수 집합과, 로그 함수에 대응하는 제4 근사함수를 적어도 하나 포함하는 제4 함수 집합과, 삼각 함수에 대응하는 제5 근사함수를 적어도 하나 포함하는 제5 함수 집합으로 저장하는 것을 특징으로 하는 뇌질환 판단을 위한 최소 자승법 기반의 PET 영상 중기 데이터 예측 장치
|
| 5 |
5
제2항에 있어서,상기 제1 계수 산출부는,상기 기준 데이터에 기초하여 상기 제1 결합 함수에 대한 머신러닝 기반의 최소 자승법을 이용한 텐서 최적화 기법을 적용함에 따라 도출되는 피팅 함수에 대응되는 아래의 수학식 I에 기초하여 상기 제1 계수를 산출하는 것을 특징으로 하는 뇌질환 판단을 위한 최소 자승법 기반의 PET 영상 중기 데이터 예측 장치
|
| 6 |
6
제5항에 있어서,상기 후보군 선별부는,상기 수학식 I에 따른 피팅 함수를 구성하는 복수 개의 항 각각의 변수를 상기 후보군으로 선별하는 것을 특징으로 하는 뇌질환 판단을 위한 최소 자승법 기반의 PET 영상 중기 데이터 예측 장치
|
| 7 |
7
제3항에 있어서,상기 제2 계수 산출부는,아래의 수학식 II에 기초하여 상기 검사 데이터와 상기 제2 결합 함수에 대한 최소 자승법을 적용함에 따라 상기 검사 데이터에서의 흡수율값과 상기 제2 결합 함수 간의 오차 제곱의 합이 최소화되도록 하는 상기 제2 계수를 산출하는 것을 특징으로 하는 뇌질환 판단을 위한 최소 자승법 기반의 PET 영상 중기 데이터 예측 장치
|
| 8 |
8
제7항에 있어서,상기 예측값 산출부는,아래의 수학식 III에 기초하여 상기 제2 계수가 적용된 상기 제2 결합 함수에 상기 제1 시점과 상기 제2 시점 사이의 중기 구간 내 소정 시점에 대한 흡수율값에 대응하는 예측값을 산출하는 것을 특징으로 하는 뇌질환 판단을 위한 최소 자승법 기반의 PET 영상 중기 데이터 예측 장치
|
| 9 |
9
아밀로이드 제재가 투여된 진단 대상자의 뇌를 단층 촬영하는 PET 기법에 따라 상기 아밀로이드 제재가 투여된 시점으로부터 제거되는 시점까지의 상기 진단 대상자의 체내 흡수 시간 중에서 초기 구간 및 후기 구간에 대응하는 복수 개의 단층 촬영 이미지를 획득하는 단계;상기 단층 촬영 이미지에서의 복수의 픽셀들 조합에 따른 단위 영역별로의 단위면적에 대한 방사성 물질 흡수량 값에 기초하여 상기 진단 대상자에 대한 단위시간당 흡수율값에 대응하는 검사 데이터로 변환하는 단계;기저장된 복수의 환자 및 정상인 각각에 대한 단위시간당 흡수율값에 대응하는 기준 데이터에 기초하여 소정의 근사 함수의 조합에 대한 최소 자승법을 적용함에 따른 후보군을 선별하는 단계; 및상기 변환된 검사 데이터를 상기 선별된 후보군에 적용하여 상기 중기 구간에 대응하는 단위시간당 흡수율값에 대한 예측값을 계산하는 단계;를 포함하는 것을 특징으로 하는 뇌질환 판단을 위한 최소 자승법 기반의 PET 영상 중기 데이터 예측 방법
|
| 10 |
10
제9항에 있어서,상기 선별하는 단계는,시간에 대한 흡수율값에 대응하는 복수 개의 근사 함수에 대한 함수 정보를 유형별로 분류하여 적어도 하나 이상의 상기 근사 함수를 포함하는 함수 집합 형태로 저장하는 단계;적어도 하나의 유형에 대응하는 기저장된 복수 개의 근사 함수를 적어도 둘 이상 조합하여 합성한 복수 개의 합성 함수를 생성하는 단계;상기 복수 개의 합성 함수 각각에 대응하는 소정 계수를 적용하여 일차 결합한 제1 결합 함수를 생성하는 단계;기저장된 복수의 환자 및 정상인 중 어느 하나에 대한 단위시간당 흡수율값에 대응하는 기준 데이터에 기초하여 상기 제1 결합 함수에 대한 최소 자승법을 적용함에 따라 상기 흡수율값과 상기 제1 결합 함수 간의 오차값이 가장 작은 제1 계수를 산출하는 단계; 및상기 최소 자승법을 적용한 결과에 대응하는 상기 제1 결합 함수에서 상기 제1 계수가 기설정된 임계값 이상인 경우에 대응하는 변수를 후보군으로 선별하는 단계;를 포함하는 것을 특징으로 하는 뇌질환 판단을 위한 최소 자승법 기반의 PET 영상 중기 데이터 예측 방법
|
| 11 |
11
제10항에 있어서,상기 계산하는 단계는,상기 후보군에 대응하는 함수에 소정 계수를 적용하여 일차 결합한 제2 결합 함수를 생성하는 단계;상기 아밀로이드 제재의 투여 시점으로부터 기설정된 제1 시점까지의 초기 구간과 기설정된 상기 제1 시점 이후의 제2 시점으로부터 상기 아밀로이드 제재가 제거되는 기설정된 제3 시점까지의 후기 구간에 대한 단위시간당 흡수율값에 대응하는 검사 데이터에 기초하여 상기 제2 결합 함수에 대한 최소 자승법을 적용함에 따라, 상기 흡수율값과 상기 제2 결합 함수 간의 오차값이 가장 작은 제2 계수를 산출하는 단계; 및상기 산출된 제2 계수와 상기 최소 자승법을 적용한 결과에 대응하는 상기 제2 결합 함수에 기초하여 상기 제1 시점과 상기 제2 시점 사이의 중기 구간에 대한 단위시간당 흡수율값에 대응하는 예측값을 산출하는 단계;를 포함하는 것을 특징으로 하는 뇌질환 판단을 위한 최소 자승법 기반의 PET 영상 중기 데이터 예측 방법
|
| 12 |
12
제10항에 있어서,상기 함수 집합 형태로 저장하는 단계에서는,기설정된 기준값 이상의 거듭제곱 급수를 가지는 다항함수에 대응하는 제1 근사함수를 적어도 하나 포함하는 제1 함수 집합과, 상기 기준값 미만의 거듭제곱 급수를 가지는 분수함수에 대응하는 제2 근사함수를 적어도 하나 포함하는 제2 함수 집합과, 상기 제1 근사함수와 상기 제2 근사함수 중 어느 하나를 지수값으로 가지는 자연상수에 대한 지수함수에 대응하는 제3 근사함수를 적어도 하나 포함하는 제3 함수 집합과, 로그 함수에 대응하는 제4 근사함수를 적어도 하나 포함하는 제4 함수 집합과, 삼각 함수에 대응하는 제5 근사함수를 적어도 하나 포함하는 제5 함수 집합으로 저장하는 것을 특징으로 하는 뇌질환 판단을 위한 최소 자승법 기반의 PET 영상 중기 데이터 예측 방법
|
| 13 |
13
제10항에 있어서,상기 제1 계수를 산출하는 단계는,상기 기준 데이터에 기초하여 상기 제1 결합 함수에 대한 머신러닝 기반의 최소 자승법을 이용한 텐서 최적화 기법을 적용함에 따라 도출되는 피팅 함수에 대응되는 아래의 수학식 I에 기초하여 상기 제1 계수를 산출하는 것을 특징으로 하는 뇌질환 판단을 위한 최소 자승법 기반의 PET 영상 중기 데이터 예측 방법
|
| 14 |
14
제13항에 있어서,상기 후보군으로 선별하는 단계는,상기 수학식 I에 따른 피팅 함수를 구성하는 복수 개의 항 각각의 변수를 상기 후보군으로 선별하는 것을 특징으로 하는 뇌질환 판단을 위한 최소 자승법 기반의 PET 영상 중기 데이터 예측 방법
|
| 15 |
15
제11항에 있어서,상기 제2 계수를 산출하는 단계는,아래의 수학식 II에 기초하여 상기 검사 데이터와 상기 제2 결합 함수에 대한 최소 자승법을 적용함에 따라 상기 검사 데이터에서의 흡수율값과 상기 제2 결합 함수 간의 오차 제곱의 합이 최소화되도록 하는 상기 제2 계수를 산출하는 것을 특징으로 하는 뇌질환 판단을 위한 최소 자승법 기반의 PET 영상 중기 데이터 예측 방법
|
| 16 |
16
제15항에 있어서,상기 예측값을 산출하는 단계는,아래의 수학식 III에 기초하여 상기 제2 계수가 적용된 상기 제2 결합 함수에 상기 제1 시점과 상기 제2 시점 사이의 중기 구간 내 소정 시점에 대한 흡수율값에 대응하는 예측값을 산출하는 것을 특징으로 하는 뇌질환 판단을 위한 최소 자승법 기반의 PET 영상 중기 데이터 예측 방법
|
