1 |
1
치매 여부 판단을 위한 의료용 이미지 및 라벨링 데이터를 기초로 제1 데이터를 생성하는 단계; 제1 학습 알고리즘 및 상기 제1 데이터를 활용하여 상기 의료용 이미지를 학습하는 단계; 및테스트 이미지를 이용하여 상기 학습의 결과를 검증하는 단계;를 포함하되, 상기 의료용 이미지는 안저 카메라로 촬영된 안구 이미지인 것인, 치매 판단을 위한 의료용 이미지 학습 방법
|
2 |
2
제1항에 있어서,상기 제1 데이터를 생성하는 단계는, 상기 의료용 이미지의 파일명 및 상기 라벨링 데이터를 매칭하여 상기 제1 데이터를 생성하는 것인, 치매 판단을 위한 의료용 이미지 학습 방법
|
3 |
3
제2항에 있어서,상기 라벨링 데이터는 이진 분류를 위한 데이터를 포함하고, 상기 제1 데이터를 생성하는 단계는, 상기 의료용 의미지의 파일명과 상기 이진 분류를 위한 데이터를 매칭하여 상기 제1 데이터를 생성하는 것인, 치매 판단을 위한 의료용 이미지 학습 방법
|
4 |
4
제1항에 있어서,상기 의료용 이미지를 학습하는 단계는, 상기 의료용 이미지에 대한 임베딩 값을 생성하고, 상기 임베딩 값 및 상기 제1 데이터를 기초로 상기 의료용 이미지의 특징들을 학습하는 것인, 치매 판단을 위한 의료용 이미지 학습 방법
|
5 |
5
제4항에 있어서,상기 제1 학습 알고리즘은, CNN 학습 알고리즘에 따른 복수의 레이어를 사용하는 학습 알고리즘인 것인, 치매 판단을 위한 의료용 이미지 학습 방법
|
6 |
6
제5항에 있어서,상기 제1 학습 알고리즘은 샴 네트워크(Siamese Network) 알고리즘 및 로지스틱 회기 분석(Logistic regression analysis) 알고리즘을 포함하되, 상기 샴 네트워크는 제1 네트워크 및 제2 네트워크를 포함하고, 상기 제1 네트워크는 상기 임베딩 값으로 대체되고, 상기 제2 네트워크는 새로운 의료용 이미지에 대한 새로운 임베딩 값을 획득하며, 상기 로지스틱 회기 분석 알고리즘은, 상기 임베딩 값 및 상기 새로운 임베딩 값을 기초로 이진 분류하는 것인, 치매 판단을 위한 의료용 이미지 학습 방법
|
7 |
7
제6항에 있어서,상기 임베딩 값은 상기 새로운 임베딩 값을 기초로 수정되는 것인, 치매 판단을 위한 의료용 이미지 학습 방법
|
8 |
8
명령어들을 저장하는 비일시적 컴퓨터 판독가능 매체로서, 상기 명령어들은 프로세서에 의해 실행될 때, 상기 프로세서로 하여금 제1항 내지 제7항 중 어느 한 항의 방법을 수행하게 하는, 비일시적 컴퓨터 판독가능 매체
|