| 1 |
1
제 1 전립선 조직 영상 데이터의 이미지 파일이 표시하는 제 1 이미지와, 제 2 전립선 조직 영상 데이터의 이미지 파일이 표시하는 제 2 이미지에서 각각, 하나 이상의 질감 특성을 추출하는 질감 특성 추출 모듈과;상기 제 1 이미지에서 추출한 하나 이상의 질감 특성에서 제 1 질감 특성을 선택하고, 상기 제 2 이미지에서 추출한 하나 이상의 질감 특성에서 상기 제 1 질감 특성을 선택하는 질감 특성 선택 모듈과;상기 제 1 이미지에서 선택한 상기 제 1 질감 특성, 또는 상기 제 2 이미지에서 선택한 상기 제 1 질감 특성을 입력 받아, 제 1 양성 종양 확률 정보와 제 1 악성 종양 확률 정보를 포함하는 전립선암 진단 데이터를 출력하는 장단기 메모리 네트워크 모듈을 포함하는 전립선암 진단 시스템
|
| 2 |
2
제 1 항에 있어서,상기 제 1 이미지에 대응하여, 종양을 양성 또는 악성으로 분류한 종양 분류 데이터와, 제 2 양성 종양 확률 정보와, 제 2 악성 종양 확률 정보를 포함하는 종양 등급 정답 데이터를 수신하는 입출력 모듈을 더 포함하는 전립선암 진단 시스템
|
| 3 |
3
제 2 항에 있어서,상기 제 1 이미지를 분할하여 하나 이상의 패치를 생성하고,종양을 양성으로 분류한 상기 종양 등급 정답 데이터에 대응하는 상기 제 1 이미지에서 분할한 패치를 제 1 그룹으로 분류하며,종양을 악성으로 분류한 상기 종양 등급 정답 데이터에 대응하는 상기 제 1 이미지에서 분할한 패치를 제 2 그룹으로 분류하는,영상 분할 모듈을 더 포함하는 전립선암 진단 시스템
|
| 4 |
4
제 1 항에 있어서,상기 질감 특성 추출 모듈은,상기 제 1 이미지 또는 상기 제 2 이미지에서 각각,Skewness, Kurtosis, Uniformity, Variance, Energy, Entropy, Mean, Median, Minimum, Maximum, Total Energy, Range, Interquartile Range, 10 Percentile, 90 Percentile, MAD(Mean Absolute Deviation), rMAD(Robust Mean Absolute Deviation), RMS(Root Mean Squared), DN(Non-Uniformity), DE(Dependence Entropy), DV(Dependence Variance), DNN(Dependence Non-Uniformity Normalized), GLN(Gray Level Non-Uniformity), GLV (Gray Level Variance), LDE(Large Dependence Emphasis), LGLE(Low Gray Level Emphasis), LDLGLE(Large Dependence Low Gray Level Emphasis), LDHGLE(Large Dependence High Gray Level Emphasis), HGLE(High Gray Level Emphasis), SDE(Small Dependence Emphasis), SDHGLE(Small Dependence High Gray Level Emphasis), SDLGLE(Small Dependence Low Gray Level Emphasis), Busyness, Contrast, Strength, Coarseness, Complexity의 질감 특성 중 하나 이상의 질감 특성을 추출하는,전립선암 진단 시스템
|
| 5 |
5
제 3 항에 있어서,상기 질감 특성 선택 모듈은,상기 제 1 이미지에서 추출한 하나 이상의 질감 특성 별로, 상기 제 1 그룹의 질감 특성을 하나의 표본 그룹으로 지정하고, 상기 제 2 그룹의 질감 특성을 다른 하나의 표본 그룹으로 지정한 다음 t 값과 p 값을 산출하며, 상기 p 값이 0
|
| 6 |
6
제 5 항에 있어서,상기 장단기 메모리 네트워크 모듈은,각각 하나 이상의 유닛을 포함하는 입력층, 밀집층, 출력층과;각각 하나 이상의 장단기 메모리 블록을 포함하는 제 1 내지 제 3 양방향 장단기 메모리층을 포함하는 전립선암 진단 시스템
|
| 7 |
7
제 6 항에 있어서,상기 장단기 메모리 블록은, 블록 게이트와; 입력 게이트와; 삭제 게이트와; 셀 메모리와; 출력 게이트를 포함하고,상기 블록 게이트는, 다음 수학식1에 따른 값을 저장하며,[수학식1](는 블록 활성화 함수, 는 제 1 블록 가중치,는 현재 시점에서 상기 장단기 메모리 블록의 입력 값, 는 제 2 블록 가중치, 는 이전 시점에서 상기 장단기 메모리 블록의 출력 값, 는 블록 편향 값, 는 현재 시점에서 블록 게이트에 저장하는 값)상기 입력 게이트는, 다음 수학식2에 따른 값을 저장하고,[수학식2](는 입력 활성화 함수, 는 제 1 입력 가중치, 는 현재 시점에서 상기 장단기 메모리 블록의 입력 값, 는 제 2 입력 가중치, 는 이전 시점에서 상기 장단기 메모리 블록의 출력 값, 는 입력 편향 값, 는 현재 시점에서 입력 게이트에 저장하는 값)상기 삭제 게이트는, 다음 수학식3에 따른 값을 저장하며,[수학식3](는 삭제 활성화 함수, 는 제 1 삭제 가중치, 는 현재 시점에서 상기 장단기 메모리 블록의 입력 값, 는 제 2 삭제 가중치, 는 이전 시점에서 상기 장단기 메모리 블록의 출력 값, 는 삭제 편향 값, 는 현재 시점에서 삭제 게이트에 저장하는 값)상기 셀 메모리는, 다음 수학식4에 따른 값을 저장하고,[수학식4](는 이전 시점에서 상기 셀 메모리에 저장한 값, 는 현재 시점에서 상기 삭제 게이트에 저장한 값, 는 현재 시점에서 상기 블록 게이트에 저장한 값, 상기 는 현재 시점에서 상기 입력 게이트에 저장한 값, 는 현재 시점에서 상기 셀 메모리에 저장하는 값)상기 출력 게이트는, 다음 수학식5에 따른 값을 저장하며,[수학식5](는 출력 활성화 함수, 는 제 1 출력 가중치,는 현재 시점에서 상기 장단기 메모리 블록의 입력 값, 는 제 2 출력 가중치, 는 이전 시점에서 상기 장단기 메모리 블록의 출력 값, 는 출력 편향 값, 는 현재 시점에서 상기 출력 게이트에 저장하는 값)상기 장단기 메모리 블록은, 다음 수학식6에 따른 값을 출력하는,[수학식6](는 현재 시점에서 상기 출력 게이트에 저장한 값, 는 셀 활성화 함수, 는 현재 시점에서 상기 셀 메모리에 저장한 값, 는 현재 시점에서 상기 장단기 메모리 블록의 출력 값)전립선암 진단 시스템
|
| 8 |
8
제 7 항에 있어서,상기 블록 활성화 함수와 상기 셀 활성화 함수는 하이퍼볼릭 탄젠트 함수이고,상기 입력 활성화 함수와, 상기 삭제 활성화 함수와, 상기 출력 활성화 함수는 시그모이드 함수인,전립선암 진단 시스템
|
| 9 |
9
제 7 항에 있어서,상기 장단기 메모리 네트워크 모듈은,상기 제 1 장단기 메모리층의 상기 장단기 메모리 블록에서 출력한 값() 중 무작위로 일부를 선택하여 상기 제 2 장단기 메모리층의 상기 장단기 메모리 블록으로 전달하고,상기 제 2 장단기 메모리층의 상기 장단기 메모리 블록에서 출력한 값() 중 무작위로 일부를 선택하여 상기 제 3 장단기 메모리층의 상기 장단기 메모리 블록으로 전달하고,상기 제 3 장단기 메모리층의 상기 장단기 메모리 블록에서 출력한 값() 중 무작위로 일부를 선택하여 상기 밀집층의 유닛으로 전달하는,전립선암 진단 시스템
|
| 10 |
10
제 9 항에 있어서,상기 밀집층의 유닛과 상기 출력층의 유닛은 완전 연결되고,상기 출력층의 유닛은, 다음 수학식7에 따른 값을 저장하며,[수학식7](는 종단 활성화 함수, 는 종단 가중치,는 상기 밀집층의 유닛 값, 는 종단 편향 값, 는 상기 출력층의 유닛의 값)상기 장단기 메모리 네트워크 모듈은, 종양이 양성인 확률을 나타내는 상기 출력층의 유닛의 값()을 상기 제 1 양성 종양 확률 정보로 포함하고, 종양이 악성인 확률을 나타내는 상기 출력층의 유닛의 값()을 상기 제 1 악성 종양 확률 정보로 포함하는 상기 전립선암 진단 데이터를 생성하는,전립선암 진단 시스템
|
| 11 |
11
제 10 항에 있어서,상기 종단 활성화 함수는 시그모이드 함수인,전립선암 진단 시스템
|
| 12 |
12
제 10 항에 있어서,상기 장단기 메모리 네트워크 모듈은,상기 제 1 그룹의 패치의 상기 제 1 질감 특성을 입력할 때 산출한 상기 제 1 악성 종양 확률 정보와, 상기 제 1 그룹의 패치에 대응하는 상기 종양 등급 정답 데이터의 상기 제 2 양성 종양 확률 정보를 손실 함수에 입력하고,상기 제 2 그룹의 패치의 상기 제 1 질감 특성을 입력할 때 산출한 상기 제 1 악성 종양 확률 정보와, 상기 제 2 그룹의 패치에 대응하는 상기 종양 등급 정답 데이터의 상기 제 2 양성 종양 확률 정보를 상기 손실 함수에 입력하며,상기 손실 함수의 출력 값을 역전파하여, 상기 제 1 블록 가중치()와, 상기 제 2 블록 가중치()와, 상기 블록 편향 값()과, 상기 제 1 입력 가중치()와, 상기 제 2 입력 가중치()와, 상기 입력 편향 값()과, 상기 제 1 삭제 가중치()와, 상기 제 2 삭제 가중치()와, 상기 삭제 편향 값()과, 상기 제 1 출력 가중치()와, 상기 제 2 출력 가중치()와, 상기 출력 편향 값()과, 상기 종단 가중치()와, 상기 종단 편향 값()을 갱신하는,전립선암 진단 시스템
|
