| 1 |
1
복수의 스테이지를 통해 의료영상에 대한 복수의 특징맵을 각각 생성하여 특징채널을 통해 각각 출력하는 인코더; 및상기 복수의 특징맵을 통합하고 병변과 관련 없는 특징채널을 제한하여 병변을 정밀하게 세그먼테이션하기 위한 세그먼테이션 마스크를 생성하는 MLP 기반 디코더;를 포함하며,상기 MLP 기반 디코더는, 복수의 MLP 디코더;를 포함하여 구성되고,각 상기 MLP 디코더는,입력단에 입력되는 각 특징맵의 사이즈를 다운 샘플링하고, 최대 풀링 및 평균 풀링을 수행하여 각 특징맵에 대한 전역공간정보 및 특징채널에 대한 넘버를 상기 각 특징맵에 반영하여 출력하는 공간축소블록부;상기 공간축소블록부에서 출력한 각 특징맵에 대해서 사전에 설정한 길이의 토큰으로 변환한 특징맵 매트릭스를 전치(transpose)하는 제1 전치부;상기 제1 전치부를 통해 전치한 특징맵 매트릭스의 열에 대한 토큰 믹싱을 수행하여 중간표현을 생성하는 토큰 믹싱 MLP 블록부;상기 중간표현을 전치한 행에 대한 채널 믹싱을 수행하는 채널 믹싱 MLP 블록부;상기 채널 믹싱 MLP 블록부의 출력에 대한 전역 평균 풀링을 수행하여 각 특징맵에 대한 전체 특징채널 수를 추출하여 출력하는 평균풀링부; 및상기 각 특징채널 수를 완전연결한 결과에 대해서 시그모이드(sigmoid) 함수를 적용하여 활성화하는 액티베이션부;를 포함하며,상기 활성화한 각 특징채널 수로 상기 공간축소블록부의 출력을 리스케일링하여 가중치 특징맵을 생성하고, 사전에 설정한 사이즈로 업샘플링하여 출력하는 것을 포함하는 것을 특징으로 하는 MLP 기반 아키텍처를 통한 의료영상 세그먼테이션 장치
|
| 2 |
2
삭제
|
| 3 |
3
청구항 1에 있어서,각 상기 MLP 디코더는,상기 특징맵 매트릭스를 레이어 정규화하는 제1 레이어놈부;상기 중간표현을 전치하는 제2 전치부; 및상기 전치한 중간표현을 레이어 정규화하는 제2 레이어놈부;를 더 포함하는 것을 특징으로 하는 MLP 기반 아키텍처를 통한 의료영상 세그먼테이션 장치
|
| 4 |
4
청구항 1에 있어서,상기 인코더는,5개의 스테이지를 포함하여 구성되며,제1 스테이지는, 상기 의료영상 사이즈의 1/2에 해당하는 복수의 특징맵을 생성하여 출력하며,제2 스테이지는, 상기 의료영상 사이즈의 1/4에 해당하는 복수의 특징맵을 생성하여 출력하고, 제3 스테이지는, 상기 의료영상 사이즈의 1/8에 해당하는 복수의 특징맵을 생성하여 출력하며,제4 스테이지는, 상기 의료영상 사이즈의 1/16에 해당하는 복수의 특징맵을 생성하여 출력하고,제5 스테이지는, 상기 의료영상 사이즈의 1/32에 해당하는 복수의 특징맵을 생성하여 출력하는 것을 특징으로 하는 MLP 기반 아키텍처를 통한 의료영상 세그먼테이션 장치
|
| 5 |
5
청구항 4에 있어서,상기 인코더는,상기 제4 스테이지의 출력을 서로 다른 확장률(dilation tate)을 가지는 복수의 커널을 통해 컨볼루션하고 컨볼루션한 결과를 연결하는 확장 컨볼루션부;를 더 포함하며,상기 제5 스테이지의 출력은, 잔차블록(residual block)을 통과한 후, 상기 제4 스테이지의 출력과 동일한 사이즈로 업샘플링되며,상기 확장 컨볼루션부의 출력과 상기 업샘플링한 제5 스테이지의 출력을 연결(concatenation)한 특징맵을 사전에 설정한 사이즈로 업샘플링하여 상기 MLP 기반 디코더로 출력하는 것을 특징으로 하는 MLP 기반 아키텍처를 통한 의료영상 세그먼테이션 장치
|
| 6 |
6
청구항 5에 있어서,상기 MLP 기반 디코더는,3개의 MLP 디코더를 포함하여 구성되며,제1 MLP 디코더의 입력은, 상기 제3 스테이지에서 출력한 복수의 특징맵 및 상기 확장 컨볼루션부의 출력과 상기 업샘플링한 제5 스테이지의 출력을 연결한 특징맵이며,제2 MLP 디코더의 입력은, 상기 제1 MLP 디코더에서 생성한 가중치 특징맵 및 상기 제2 스테이지에서 출력한 특징맵이고,제3 MLP 디코더의 입력은, 상기 제2 MLP 디코더에서 생성한 가중치 특징맵 및 상기 제1 스테이지에서 출력한 특징맵이며,상기 제3 MLP 디코더는, 최종 생성한 가중치 특징맵을 이용하여 세그먼테이션 마스크를 생성하고, 상기 세그먼테이션 마스크를 상기 의료영상의 사이즈로 업샘플링하여 출력하는 것을 포함하는 것을 특징으로 하는 MLP 기반 아키텍처를 통한 의료영상 세그먼테이션 장치
|
| 7 |
7
병변을 포함하는 복수의 학습용 의료영상을 MLP 기반 아키텍처를 통해 기계학습하여 학습모델을 생성하는 단계;를 포함하며,상기 학습모델은, 복수의 스테이지를 통해 각 상기 의료영상에 대한 복수의 특징맵을 각각 생성하여 특징채널을 통해 각각 출력하는 인코더; 및상기 복수의 특징맵을 통합하고 병변과 관련 없는 특징채널을 제한하여 병변을 정밀하게 세그먼테이션하기 위한 세그먼테이션 마스크를 생성하는 MLP 기반 디코더;를 포함하며,상기 학습모델을 생성하는 단계는, 상기 MLP 기반 디코더를 구성하는 복수의 MLP 디코더를 포함하여 수행되며,각 상기 MLP 디코더는,입력단에 입력되는 각 특징맵의 사이즈를 다운 샘플링하고, 최대 풀링 및 평균 풀링을 수행하여 각 특징맵에 대한 전역공간정보 및 특징채널에 대한 넘버를 상기 각 특징맵에 반영하여 출력하는 공간축소블록부;상기 공간축소블록부에서 출력한 각 특징맵에 대해서 사전에 설정한 길이의 토큰으로 변환한 특징맵 매트릭스를 전치(transpose)하는 제1 전치부;상기 제1 전치부를 통해 전치한 특징맵 매트릭스의 열에 대한 토큰 믹싱을 수행하여 중간표현을 생성하는 토큰 믹싱 MLP 블록부;상기 중간표현을 전치한 행에 대한 채널 믹싱을 수행하는 채널 믹싱 MLP 블록부;상기 채널 믹싱 MLP 블록부의 출력에 대한 전역 평균 풀링을 수행하여 각 특징맵에 대한 전체 특징채널 수를 추출하여 출력하는 평균풀링부; 및상기 각 특징채널 수를 완전연결한 결과에 대해서 시그모이드(sigmoid) 함수를 적용하여 활성화하는 액티베이션부;를 포함하며,상기 활성화한 각 특징채널 수로 상기 공간축소블록부의 출력을 리스케일링하여 가중치 특징맵을 생성하고, 사전에 설정한 사이즈로 업샘플링하여 출력하는 것을 포함하는 것을 특징으로 하는 MLP 기반 아키텍처를 통한 의료영상 세그먼테이션 방법
|
| 8 |
8
삭제
|
| 9 |
9
청구항 7에 있어서,각 상기 MLP 디코더는,상기 특징맵 매트릭스를 레이어 정규화하는 제1 레이어놈부;상기 중간표현을 전치하는 제2 전치부; 및 상기 전치한 중간표현을 레이어 정규화하는 제2 레이어놈부;를 더 포함하는 것을 특징으로 하는 MLP 기반 아키텍처를 통한 의료영상 세그먼테이션 방법
|
| 10 |
10
청구항 7에 있어서,상기 학습모델을 생성하는 단계는, 5개의 스테이지를 포함하여 구성되는 상기 인코더를 포함하여 수행되며,제1 스테이지는, 상기 의료영상 사이즈의 1/2에 해당하는 복수의 특징맵을 생성하여 출력하며,제2 스테이지는, 상기 의료영상 사이즈의 1/4에 해당하는 복수의 특징맵을 생성하여 출력하고, 제3 스테이지는, 상기 의료영상 사이즈의 1/8에 해당하는 복수의 특징맵을 생성하여 출력하며,제4 스테이지는, 상기 의료영상 사이즈의 1/16에 해당하는 복수의 특징맵을 생성하여 출력하고,제5 스테이지는, 상기 의료영상 사이즈의 1/32에 해당하는 복수의 특징맵을 생성하여 출력하는 것을 포함하는 것을 특징으로 하는 MLP 기반 아키텍처를 통한 의료영상 세그먼테이션 방법
|
| 11 |
11
청구항 10에 있어서,상기 인코더는,상기 제4 스테이지의 출력을 서로 다른 확장률(dilation tate)을 가지는 복수의 커널을 통해 컨볼루션하고 컨볼루션한 결과를 연결하는 확장 컨볼루션부;를 더 포함하며,상기 제4 스테이지의 출력은, 서로 다른 확장률(dilation tate)을 가지는 복수의 커널을 통해 컨볼루션되고 연결되며,상기 제5 스테이지의 출력은, 잔차블록(residual block)을 통과한 후, 상기 제4 스테이지의 출력과 동일한 사이즈로 업샘플링되고,상기 확장 컨볼루션부의 출력과 상기 업샘플링한 제5 스테이지의 출력을 연결(concatenation)한 특징맵을 사전에 설정한 사이즈로 업샘플링하여 상기 MLP 기반 디코더로 출력하는 것을 특징으로 하는 MLP 기반 아키텍처를 통한 의료영상 세그먼테이션 방법
|
| 12 |
12
청구항 11에 있어서,상기 학습모델을 생성하는 단계는, 3개의 MLP 디코더를 포함하는 상기 MLP 기반 디코더를 포함하여 수행되며,제1 MLP 디코더의 입력은, 상기 제3 스테이지에서 출력한 복수의 특징맵 및 상기 확장 컨볼루션부의 출력과 상기 업샘플링한 제5 스테이지의 출력을 연결한 특징맵이며,제2 MLP 디코더의 입력은, 상기 제1 MLP 디코더에서 생성한 가중치 특징맵 및 상기 제2 스테이지에서 출력한 특징맵이고,제3 MLP 디코더의 입력은, 상기 제2 MLP 디코더에서 생성한 가중치 특징맵 및 상기 제1 스테이지에서 출력한 특징맵이며,상기 제3 MLP 디코더는, 최종 생성한 가중치 특징맵을 이용하여 세그먼테이션 마스크를 생성하고, 상기 세그먼테이션 마스크를 상기 의료영상의 사이즈로 업샘플링하여 출력하는 것을 포함하는 것을 특징으로 하는 MLP 기반 아키텍처를 통한 의료영상 세그먼테이션 방법
|
