1 |
1
환자의 복부에서 발산되는 열 신호를 측정하는 열화상 센서를 이용해, 복부 영역의 열화상 이미지를 생성하는 단계;상기 열화상 센서를 이용해, 상기 열화상 이미지가 획득된 상기 복부 영역의 실화상 이미지를 생성하는 단계;상기 실화상 이미지를 표시한 화면 상에서, 상기 복부 영역을 촉진한 한의사에 의해 터치 입력되는 영역을, 촉진 냉감 영역으로서 상기 실화상 이미지에 마킹하는 단계; 및상기 열화상 이미지 및 상기 촉진 냉감 영역을 마킹한 실화상 이미지를 이용해 학습을 실시하여, 대상 환자의 복부 영역의 제1 열화상 이미지를 이용해 예측 냉감 영역을 검출하는 딥러닝 모델을 구성하는 단계를 포함하는 복부 냉감 영역 검출을 위한 딥러닝 모델 구성 방법
|
2 |
2
제1항에 있어서,상기 촉진 냉감 영역으로서 마킹하는 단계는,상기 획득되는 실화상 이미지를 그레이 스케일(Gray scale)로 전처리 하여, 흑백의 실화상 이미지를 화면 상에 표시하는 단계; 및상기 화면 상에서 터치 입력에 따라 지정되는 상기 촉진 냉감 영역을, 상기 흑백의 실화상 이미지에 마킹하는 단계를 포함하는 복부 냉감 영역 검출을 위한 딥러닝 모델 구성 방법
|
3 |
3
제1항에 있어서,상기 딥러닝 모델을 구성하는 단계는,상기 열화상 이미지 및 상기 촉진 냉감 영역을 마킹한 실화상 이미지를, 시멘틱 분할(semantic segmentation) 기반으로 복수의 픽셀 별로 분할하여 학습을 실시하는 단계를 포함하는 복부 냉감 영역 검출을 위한 딥러닝 모델 구성 방법
|
4 |
4
제3항에 있어서,상기 복수의 픽셀 별로 분할하여 학습을 실시하는 단계는,복수의 픽셀로 분할된 상기 열화상 이미지 내의 제1 픽셀에 대응하는, 상기 실화상 이미지 내의 제2 픽셀이, 상기 실화상 이미지에서 상기 촉진 냉감 영역에 속하는지 여부에 따라, 상기 제1 픽셀에 정답값을 라벨링하는 단계; 및상기 제1 픽셀의 정답값 및 상기 제1 픽셀의 상기 열화상 이미지 내에서의 색상값을 딥러닝 데이터 셋으로서, 학습을 실시하는 단계를 포함하는 복부 냉감 영역 검출을 위한 딥러닝 모델 구성 방법
|
5 |
5
제4항에 있어서,상기 정답값을 라벨링하는 단계는,상기 제2 픽셀이 상기 실화상 이미지에서 상기 촉진 냉감 영역에 속하면, 상기 제2 픽셀과 대응되는 상기 제1 픽셀의 정답값을 '1'로 라벨링하는 단계; 또는상기 제2 픽셀이 상기 실화상 이미지에서 상기 촉진 냉감 영역에 속하지 않으면, 상기 제2 픽셀과 대응되는 상기 제1 픽셀의 정답값을 '0'으로 라벨링하는 단계를 포함하는 복부 냉감 영역 검출을 위한 딥러닝 모델 구성 방법
|
6 |
6
제1항에 있어서,상기 대상 환자의 복부 영역에 관한 제1 열화상 이미지와 제1 실화상 이미지를, 상기 열화상 센서를 통해 각각 획득하는 단계;상기 제1 열화상 이미지를, 상기 딥러닝 모델에 입력하는 단계; 및상기 딥러닝 모델로부터 출력되는 값을 이용하여, 상기 제1 실화상 이미지를 표시한 화면 상에, 상기 대상 환자의 예측 냉감 영역을 시각화 하는 단계를 더 포함하는 복부 냉감 영역 검출을 위한 딥러닝 모델 구성 방법
|
7 |
7
제6항에 있어서,상기 딥러닝 모델에 입력하는 단계는,상기 제1 열화상 이미지를 복수의 픽셀로 분할하고, 분할한 복수의 픽셀 각각의 색상값을 상기 딥러닝 모델에 입력하는 단계를 포함하고,상기 대상 환자의 예측 냉감 영역을 시각화 하는 단계는,상기 각각의 색상값에 따라 상기 딥러닝 모델로부터 출력되는 값이, 정답값 '1'에 근사하는 픽셀을, 상기 제1 실화상 이미지를 표시한 화면 상에 예측 냉감 영역으로서 마킹하여, 시각화 하는 단계를 포함하는 복부 냉감 영역 검출을 위한 딥러닝 모델 구성 방법
|
8 |
8
제6항에 있어서,상기 예측 냉감 영역이, 상기 대상 환자의 복부 영역을 촉진한 한의사에 의해 입력된 냉감 부위와 일치하면,상기 대상 환자의 제1 열화상 이미지 및 상기 예측 냉감 영역을 마킹한 상기 제1 실화상 이미지를 이용해 추가 학습을 실시하여, 상기 딥러닝 모델을 업데이트 하는 단계를 더 포함하는 복부 냉감 영역 검출을 위한 딥러닝 모델 구성 방법
|
9 |
9
제6항에 있어서,상기 제1 열화상 이미지로부터, 상기 대상 환자의 예측 냉감 영역에 해당하는 픽셀들의 색상값을 식별하고, 상기 색상값으로부터 상기 대상 환자의 예측 냉감 영역의 온도 범위를 확인하는 단계; 및상기 온도 범위를, 상기 예측 냉감 영역과 함께 상기 화면에 시각화 하는 단계를 더 포함하는 복부 냉감 영역 검출을 위한 딥러닝 모델 구성 방법
|
10 |
10
제1항 내지 제9항 중 어느 한 항의 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록매체
|
11 |
11
환자의 복부에서 발산되는 열 신호를 측정하는 열화상 센서를 이용해, 복부 영역의 열화상 이미지를 생성하고, 상기 열화상 센서를 이용해, 상기 열화상 이미지가 획득된 상기 복부 영역의 실화상 이미지를 생성하는 생성부;상기 실화상 이미지를 표시한 화면 상에서, 상기 복부 영역을 촉진한 한의사에 의해 터치 입력되는 영역을, 촉진 냉감 영역으로서 상기 실화상 이미지에 마킹하는 마킹부; 및상기 열화상 이미지 및 상기 촉진 냉감 영역을 마킹한 실화상 이미지를 이용해 학습을 실시하여, 대상 환자의 복부 영역의 제1 열화상 이미지를 이용해 예측 냉감 영역을 검출하는 딥러닝 모델을 구성하는 구성부를 포함하는 복부 냉감 영역 검출을 위한 딥러닝 모델 구성 장치
|
12 |
12
제11항에 있어서,상기 마킹부는,상기 획득되는 실화상 이미지를 그레이 스케일로 전처리 하여, 흑백의 실화상 이미지를 화면 상에 표시하고, 상기 화면 상에서 터치 입력에 따라 지정되는 상기 촉진 냉감 영역을, 상기 흑백의 실화상 이미지에 마킹하는복부 냉감 영역 검출을 위한 딥러닝 모델 구성 장치
|
13 |
13
제11항에 있어서,상기 구성부는,상기 열화상 이미지 및 상기 촉진 냉감 영역을 마킹한 실화상 이미지를, 시멘틱 분할 기반으로 복수의 픽셀 별로 분할하여 학습을 실시하는복부 냉감 영역 검출을 위한 딥러닝 모델 구성 장치
|
14 |
14
제11항에 있어서,상기 생성부에 의해, 상기 대상 환자의 복부 영역에 관한 제1 열화상 이미지와 제1 실화상 이미지가, 상기 열화상 센서를 통해 각각 획득되는 경우,상기 제1 열화상 이미지를 상기 딥러닝 모델에 입력하고, 상기 딥러닝 모델로부터 출력되는 값을 이용하여, 상기 제1 실화상 이미지를 표시한 화면 상에 상기 대상 환자의 예측 냉감 영역을 시각화 하는 검출부를 더 포함하는 복부 냉감 영역 검출을 위한 딥러닝 모델 구성 장치
|
15 |
15
제14항에 있어서,상기 예측 냉감 영역이, 상기 대상 환자의 복부 영역을 촉진한 한의사에 의해 입력된 냉감 부위와 일치하면,상기 구성부는,상기 대상 환자의 제1 열화상 이미지 및 상기 예측 냉감 영역을 마킹한 상기 제1 실화상 이미지를 이용해 추가 학습을 실시하여, 상기 딥러닝 모델을 업데이트 하는복부 냉감 영역 검출을 위한 딥러닝 모델 구성 장치
|