1 |
1
탈모진단장치 및 탈모관리서버에 의해 수행되는, 이미지 특성 추출 방법에 있어서,상기 탈모진단장치가 그로스 이미지 및 폴리스코프 이미지가 포함된 측정이미지정보를 획득하는 단계;상기 탈모관리서버가 머신러닝 기법을 이용하여 상기 측정이미지정보를 이용하여 특성이미지를 생성하는 단계;상기 특성이미지를 검증하는 단계; 및검증된 상기 특성이미지를 반복 학습하여 지능형 탈모 진단 및 예후 예측 모델을 위한 표준데이터를 생성하는 단계;를 포함하는, 지능형 탈모 예후 예측 모델을 통한 이미지 특성 추출 방법
|
2 |
2
제1항에 있어서,상기 특성이미지를 생성하는 단계는,상기 그로스 이미지 및 상기 폴리스코프 이미지를 촬영 부위별로 분류하는 단계;분류된 상기 폴리스코프 이미지를 기초로 측정모발정보에 대한 특성정보를 생성하는 단계;상기 특정 정보를 기초로 상기 측정모발정보에 대한 비율 값을 산출하는 단계;산출된 비율 값을 기초로 부위정보에 대응하여 특성등급을 산출하는 단계; 및상기 특성등급과 상기 그로스 이미지를 매칭하여 특성이미지를 생성하는 단계;를 포함하는, 지능형 탈모 예후 예측 모델을 통한 이미지 특성 추출 방법
|
3 |
3
제2항에 있어서,상기 특성이미지를 생성하는 단계는,잔차연결(residual connection)을 이용하여 잔차를 학습하여 상기 그로스 이미지의 특성을 추출하여 상기 특성이미지를 생성하는, 지능형 탈모 예후 예측 모델을 통한 이미지 특성 추출 방법
|
4 |
4
제3항에 있어서상기 특성이미지를 생성하는 단계는,하기의 수학식 1을 이용하여 상기 특성이미지를 개별 단위로 이미지픽셀값(NPTV)를 산출하는, 지능형 탈모 예후 예측 모델을 통한 이미지 특성 추출 방법
|
5 |
5
제4항에 있어서상기 이미지픽셀값(NPTV)은 상기 선별이미지의 개별 단위의 픽셀에 대한 잔차를 합한 값인, 지능형 탈모 예후 예측 모델을 통한 이미지 특성 추출 방법
|
6 |
6
제2항에 있어서,상기 특성등급을 산출하는 단계는,정상(normal)단계, 초기(mild)단계, 보통(moderate)단계 및 심각(severe)단계로 탈모 중증도를 라벨링하는, 지능형 탈모 예후 예측 모델을 통한 이미지 특성 추출 방법
|
7 |
7
제1항에 있어서,상기 측정이미지정보를 획득하는 단계는,환자의 머리를 다양한 방향에서 카메라로 촬영하는 일반 촬영을 수행하여 상기 그로스 이미지를 획득하는 단계;상기 환자의 머리를 부위별로 모발확대경으로 촬영하는 근접 촬영을 수행하여 상기 폴리스코프 이미지를 획득하는 단계; 및상기 그로스이미지 및 상기 폴리스코프 이미지를 전처리하여 상기 측정이미지정보를 생성하는 단계;를 포함하는, 지능형 탈모 예후 예측 모델을 통한 이미지 특성 추출 방법
|
8 |
8
제1항에 있어서,상기 특성이미지를 검증하는 단계는,오차행렬(Confusion Matrix)을 이용하여 상기 특성이미지에 대한 정확도(Accuracy), 정밀도(Precision), 재현율(Recall), F1 score(F-measure)을 고려하여 상기 특성이미지를 검증하는, 지능형 탈모 예후 예측 모델을 통한 이미지 특성 추출 방법
|
9 |
9
제1항에 있어서,상기 탈모관리서버가 상기 특성이미지에 대응하여 상기 표준데이터를 업데이트하는 단계;를 더 포함하는, 지능형 탈모 예후 예측 모델을 통한 이미지 특성 추출 방법
|
10 |
10
탈모진단장치에 의해 수행되는, 이미지 특성 추출 방법에 있어서,그로스 이미지(Gross image) 및 폴리스코프 이미지(Folliscope image)를 기초로 머신러닝 기법을 이용하여 특성이미지를 생성하고, 생성된 상기 특성이미지를 반복 학습하여 지능형 탈모 진단 및 예후 예측 모델을 위한 표준데이터를 생성하는 단계;를 포함하는, 지능형 탈모 예후 예측 모델을 통한 이미지 특성 추출 방법
|
11 |
11
제10항에 있어서,상기 표준데이터를 생성하는 단계는,환자의 머리를 다양한 방향에서 카메라로 촬영하는 일반 촬영이 수행되면, 상기 카메라의 일반 촬영을 통해 생성된 상기 그로스 이미지인 제1 이미지정보를 획득하는 단계;상기 환자의 머리를 부위별로 모발확대경으로 촬영하는 근접 촬영이 수행되면, 상기 모발확대경의 근접 촬영을 통해 생성된 상기 폴리스코프 이미지인 제2 이미지정보를 획득하는 단계;상기 제1 이미지를 촬영 방향별로 분석하여, 전면 방향에서 촬영된 제1-1 이미지, 우측 방향에서 촬영된 제1-2 이미지, 좌측 방향에서 촬영된 제1-3 이미지, 상측 방향에서 촬영된 제1-4 이미지, 후면 방향에서 촬영된 제1-5 이미지를 구분하여 분류하고, 상기 제2 이미지를 촬영 부위별로 분석하여, 전면 부위를 촬영한 제2-1 이미지, 우측 부위를 촬영한 제2-2 이미지, 좌측 부위를 촬영한 제2-3 이미지, 상측 부위를 촬영한 제2-4 이미지, 후면 부위를 촬영한 제2-5 이미지를 구분하여 분류하는 단계;상기 제2-1 이미지를 기초로, 전면 부위 모발의 개수 및 굵기를 나타내는 제1 특성정보를 생성하고, 상기 제2-2 이미지를 기초로, 우측 부위 모발의 개수 및 굵기를 나타내는 제2 특성정보를 생성하고, 상기 제2-3 이미지를 기초로, 좌측 부위 모발의 개수 및 굵기를 나타내는 제3 특성정보를 생성하고, 상기 제2-4 이미지를 기초로, 상측 부위 모발의 개수 및 굵기를 나타내는 제4 특성정보를 생성하고, 상기 제2-5 이미지를 기초로, 후면 부위 모발의 개수 및 굵기를 나타내는 제5 특성정보를 생성하는 단계;상기 제1 특성정보 및 상기 제5 특성정보를 기초로, 후면 부위 특성을 기준으로 전면 부위 특성과 비교하여 제1 비율 값을 산출하고, 상기 제2 특성정보 및 상기 제5 특성정보를 기초로, 후면 부위 특성을 기준으로 우측 부위 특성과 비교하여 제2 비율 값을 산출하고, 상기 제3 특성정보 및 상기 제5 특성정보를 기초로, 후면 부위 특성을 기준으로 좌측 부위 특성과 비교하여 제3 비율 값을 산출하고, 상기 제4 특성정보 및 상기 제5 특성정보를 기초로, 후면 부위 특성을 기준으로 상측 부위 특성과 비교하여 제4 비율 값을 산출하는 단계;상기 제2-1 이미지에 등록된 탈모 진단 지표를 상기 제1 비율 값과 비교하여 전면 부위 특성등급을 산출하고, 상기 제2-2 이미지에 등록된 탈모 진단 지표를 상기 제2 비율 값과 비교하여 우측 부위 특성등급을 산출하고, 상기 제2-3 이미지에 등록된 탈모 진단 지표를 상기 제3 비율 값과 비교하여 좌측 부위 특성등급을 산출하고, 상기 제2-4 이미지에 등록된 탈모 진단 지표를 상기 제4 비율 값과 비교하여 상측 부위 특성등급을 산출하는 단계;상기 전면 부위 특성등급을 상기 제1-1 이미지에 매칭하여 등록하고, 상기 우측 부위 특성등급을 상기 제1-2 이미지에 매칭하여 등록하고, 상기 좌측 부위 특성등급을 상기 제1-3 이미지에 매칭하여 등록하고, 상기 상측 부위 특성등급을 상기 제1-4 이미지에 매칭하여 상기 특성이미지를 생성하는 단계; 및상기 특성이미지를 반복 학습하여 지능형 탈모 진단 및 예후 예측 모델을 위한 상기 표준데이터를 생성하는 단계;를 포함하는, 지능형 탈모 예후 예측 모델을 통한 이미지 특성 추출 방법
|
12 |
12
제10항에 있어서,상기 특성이미지를 생성하는 단계는,잔차연결(residual connection)을 이용하여 잔차를 학습하여 상기 그로스 이미지의 특성을 추출하여 상기 특성이미지를 생성하는, 지능형 탈모 예후 예측 모델을 통한 이미지 특성 추출 방법
|
13 |
13
제12항에 있어서,상기 특성이미지를 생성하는 단계는,하기의 수학식 1을 이용하여 상기 특성이미지를 개별 단위로 이미지픽셀값(NPTV)를 산출하는, 지능형 탈모 예후 예측 모델을 통한 이미지 특성 추출 방법
|
14 |
14
제13항에 있어서,상기 이미지픽셀값(NPTV)은 상기 선별이미지의 개별 단위의 픽셀에 대한 잔차를 합한 값인, 지능형 탈모 예후 예측 모델을 통한 이미지 특성 추출 방법
|
15 |
15
제11항에 있어서,상기 특성등급을 산출하는 단계는,정상(normal)단계, 초기(mild)단계, 보통(moderate)단계 및 심각(severe)단계로 탈모 중증도를 라벨링하는, 지능형 탈모 예후 예측 모델을 통한 이미지 특성 추출 방법
|
16 |
16
제10항에 있어서,오차행렬(Confusion Matrix)을 이용하여 상기 특성이미지에 대한 정확도(Accuracy), 정밀도(Precision), 재현율(Recall), F1 score(F-measure)을 고려하여 상기 특성이미지를 검증하는 단계;를 더 포함하는, 지능형 탈모 예후 예측 모델을 통한 이미지 특성 추출 방법
|
17 |
17
제10항에 있어서,상기 그로스 이미지 및 상기 폴리스코프 이미지를 이용하여 상기 표준데이터를 생성하는 탈모관리서버;를 더 포함하는, 지능형 탈모 예후 예측 모델을 통한 이미지 특성 추출 방법
|
18 |
18
그로스 이미지(Gross image) 및 폴리스코프 이미지(Folliscope image)가 포함된 측정이미지정보를 획득하는 탈모진단장치; 및상기 그로스 이미지 및 상기 폴리스코프 이미지를 기초로 머신러닝 기법을 이용하여 특성이미지를 생성하고, 상기 특성이미지를 반복 학습하여 지능형 탈모 진단 및 예후 예측 모델을 위한 표준데이터를 생성하는 탈모관리서버;를 포함하는, 지능형 탈모 예후 예측 모델을 통한 이미지 특성 추출 시스템
|
19 |
19
제18항에 있어서,상기 탈모관리서버는,잔차연결(residual connection)을 이용하여 잔차를 학습하여 상기 그로스 이미지의 특성을 추출하여 상기 특성이미지를 생성하는, 지능형 탈모 예후 예측 모델을 통한 이미지 특성 추출 시스템
|
20 |
20
제18항에 있어서,상기 탈모관리서버는,오차행렬(Confusion Matrix)을 이용하여 상기 특성이미지에 대한 정확도(Accuracy), 정밀도(Precision), 재현율(Recall), F1 score(F-measure)을 고려하여 상기 특성이미지를 검증하는, 지능형 탈모 예후 예측 모델을 통한 이미지 특성 추출 시스템
|
21 |
21
그로스 이미지(Gross image) 및 폴리스코프 이미지(Folliscope image)가 포함된 측정이미지정보를 분석하고, 각각의 이미지를 촬영 방향 및 촬영 부위별로 구분하여 분류하여, 탈모 수준을 판단할 수 있도록 분류된 이미지에 대한 라벨링 작업을 수행하여 특성이미지를 생성하고, 상기 특성이미지를 반복 학습하여 환자의 탈모 수준을 판단하여 표준데이터를 생성하고,오차행렬(Confusion Matrix)을 이용하여 상기 특성이미지에 대한 정확도(Accuracy), 정밀도(Precision), 재현율(Recall), F1 score(F-measure)을 고려하여 상기 특성이미지를 검증하는 탈모진단장치;를 포함하는, 지능형 탈모 예후 예측 모델을 통한 이미지 특성 추출 시스템
|
22 |
22
제21항에 있어서,상기 표준데이터를 생성하는 탈모관리서버;를 더 포함하는, 지능형 탈모 예후 예측 모델을 통한 이미지 특성 추출 시스템
|
23 |
23
제21항에 있어서,상기 표준데이터를 생성하는 사용자 단말기;를 더 포함하는, 지능형 탈모 예후 예측 모델을 통한 이미지 특성 추출 시스템
|
24 |
24
하드웨어인 컴퓨터와 결합되어, 제1항 또는 제10항의 방법을 수행할 수 있도록 컴퓨터에서 독출가능한 기록매체에 저장된 컴퓨터 프로그램
|