1 |
1
분류화 인공지능 모델에 의해, 대상체에 대해 획득된 제1 흉부 전산화 단층촬영(CT) 영상의 제1 관상면 영상으로부터 대흉근이 존재하는 제1 수평면 영상들을 판별하도록 구성되는 대흉근 존재 영역 판별부; 및분할 인공지능 모델에 의해, 대흉근이 존재하는 것으로 판별된 제1 수평면 영상들에서 특징들을 추출하는 영역 분할을 통해 대흉근의 영역을 분할하도록 구성되는 대흉근 영역 분할부;를 포함하는, 딥러닝 기반 자동 대흉근 측정 장치
|
2 |
2
제1항에 있어서,제2 흉부 CT 영상의 제2 관상면 영상에 대흉근 존재 영역이 라벨링된 제1 학습 영상을 이용하여 상기 분류화 인공지능 모델을 학습시키도록 구성되는 분류화 인공지능 모델 학습부; 및상기 제2 흉부 CT 영상의 제2 수평면 영상에 대흉근 영역이 라벨링된 제2 학습 영상을 이용하여 상기 분할 인공지능 모델을 학습시키도록 구성되는 분할 인공지능 모델 학습부;를 더 포함하는, 딥러닝 기반 자동 대흉근 측정 장치
|
3 |
3
제2항에 있어서,상기 대흉근 존재 영역 판별부는:상기 제1 흉부 CT 영상으로부터 컬러 합성 처리된 상기 제1 관상면 영상을 획득하고, 상기 분류화 인공지능 모델 학습부에 의해 학습된 상기 분류화 인공지능 모델을 이용하여 상기 제1 관상면 영상 내 대흉근 존재 영역을 예측하여 상기 제1 흉부 CT 영상의 복수의 수평면 영상들 중 상기 제1 수평면 영상들을 추출하도록 구성되는, 딥러닝 기반 자동 대흉근 측정 장치
|
4 |
4
제3항에 있어서,상기 대흉근 존재 영역 판별부는:상기 제1 흉부 CT 영상의 적층된 관상면 영상들 중에서 적층 순번을 기준으로 중간 부분에 해당하는 관상면 위치들을 확인하고;상기 관상면 영상들 중에서 상기 관상면 위치들에 해당하는 복수의 회색조 관상면 영상들을 추출하고;상기 복수의 회색조 관상면 영상들을 하나로 합성하여 컬러 관상면 영상을 획득하고;상기 컬러 관상면 영상을 설정된 길이로 맞추어 상기 제1 관상면 영상을 획득하고; 그리고상기 제1 관상면 영상으로부터 상기 분류화 인공지능 모델에 의해 상기 제1 수평면 영상들을 판별하도록 구성되는, 딥러닝 기반 자동 대흉근 측정 장치
|
5 |
5
제4항에 있어서,상기 복수의 회색조 관상면 영상들은 상기 제2 관상면 영상들의 적층 순번을 기준으로, 3/8, 4/8 및 5/8의 관상면 위치들에 해당하는 제2 관상면 영상들을 포함하는, 딥러닝 기반 자동 대흉근 측정 장치
|
6 |
6
제2항에 있어서,상기 대흉근 영역 분할부는:상기 분할 인공지능 모델 학습부에 의해 학습된 상기 분할 인공지능 모델을 이용하여 대흉근 예측 영상을 생성하고; 그리고상기 대흉근 예측 영역에서 노이즈에 해당하는 미소 영역들을 제외하여 상기 대흉근의 영역을 분할하도록 구성되는, 딥러닝 기반 자동 대흉근 측정 장치
|
7 |
7
제6항에 있어서,상기 대흉근 영역 분할부는:상기 대흉근 예측 영상을 이진화 처리하여 설정된 픽셀값을 가지는 이진화 영상을 생성하고;상기 이진화 영상에서 인접한 픽셀들을 연결하여 그룹핑하여 상기 이진화 영상을 다수의 영역들로 분할하고; 그리고상기 다수의 영역들의 넓이를 각각 산출하고, 넓이가 기준값 이하인 영역을 제외하여 대흉근을 측정하도록 구성되는, 딥러닝 기반 자동 대흉근 측정 장치
|
8 |
8
제1항에 있어서,상기 분류화 인공지능 모델은 에피션트넷(EfficientNet) 모델을 기반으로 완전연결층이 추가되어 구현되고,상기 분할 인공지능 모델은:제1 컨볼루션 처리 및 풀링 처리를 복수의 컨트랙팅 레이어를 통해 순차적으로 반복하여 수행하도록 구성되는 컨트랙팅 패스;제2 컨볼루션 처리 및 업 샘플링 처리를 복수의 익스펜딩 레이어를 통해 순차적으로 반복하여 수행하도록 구성되는 익스펜시브 패스; 및상기 컨트랙팅 패스에서 추출된 제1 특징 맵을 상기 익스펜시브 패스로 전달하도록 구성되는 스킵 커넥션부;를 포함하고,상기 익스펜시브 패스는 상기 복수의 익스펜딩 레이어에 각각 적용되는 어텐션 모듈을 포함하고,상기 어텐션 모듈은:상기 스킵 커넥션부에 의해 상기 컨트랙팅 패스의 컨트랙팅 레이어로부터 상기 제1 특징 맵을 전달받고;상기 익스펜시브 패스의 제1 익스펜딩 레이어로부터 제2 특징 맵을 전달받고;상기 제1 특징 맵과 상기 제2 특징 맵을 기반으로 제3 컨볼루션 처리, 렐루 활성화 처리, 및 시그모이드 처리를 수행하여 어텐션 맵을 생성하고; 그리고상기 어텐션 맵을 상기 익스펜시브 패스의 제2 익스펜딩 레이어로 전달하도록 구성되는, 딥러닝 기반 자동 대흉근 측정 장치
|
9 |
9
딥러닝 기반 자동 대흉근 측정 방법을 실행하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체로서,상기 딥러닝 기반 자동 대흉근 측정 방법은:분류화 인공지능 모델에 의해, 대상체에 대해 획득된 제1 흉부 전산화 단층촬영(CT) 영상의 제1 관상면 영상으로부터 대흉근이 존재하는 제1 수평면 영상들을 판별하는 단계; 및분할 인공지능 모델에 의해, 대흉근이 존재하는 것으로 판별된 제1 수평면 영상들에서 특징들을 추출하는 영역 분할을 통해 대흉근의 영역을 분할하는 단계;를 포함하는, 컴퓨터로 판독 가능한 기록 매체
|
10 |
10
제9항에 있어서,상기 딥러닝 기반 자동 대흉근 측정 방법은:분류화 인공지능 모델 학습부에 의해, 제2 흉부 CT 영상의 제2 관상면 영상에 대흉근 존재 영역이 라벨링된 제1 학습 영상을 이용하여 상기 분류화 인공지능 모델을 학습시키는 단계; 및분할 인공지능 모델 학습부에 의해, 상기 제2 흉부 CT 영상의 제2 수평면 영상에 대흉근 영역이 라벨링된 제2 학습 영상을 이용하여 상기 분할 인공지능 모델을 학습시키는 단계;를 더 포함하는, 컴퓨터로 판독 가능한 기록 매체
|
11 |
11
제10항에 있어서,상기 제1 수평면 영상들을 판별하는 단계는:상기 제1 흉부 CT 영상으로부터 컬러 합성 처리된 상기 제1 관상면 영상을 획득하고, 상기 분류화 인공지능 모델 학습부에 의해 학습된 상기 분류화 인공지능 모델을 이용하여 상기 제1 관상면 영상 내 대흉근 존재 영역을 예측하여 상기 제1 흉부 CT 영상의 복수의 수평면 영상들 중 상기 제1 수평면 영상들을 추출하는 단계를 포함하는, 컴퓨터로 판독 가능한 기록 매체
|
12 |
12
제11항에 있어서,상기 제1 수평면 영상들을 판별하는 단계는:상기 제1 흉부 CT 영상의 적층된 관상면 영상들 중에서 적층 순번을 기준으로 중간 부분에 해당하는 관상면 위치들을 확인하는 단계;상기 관상면 영상들 중에서 상기 관상면 위치들에 해당하는 복수의 회색조 관상면 영상들을 추출하는 단계;상기 복수의 회색조 관상면 영상들을 하나로 합성하여 컬러 관상면 영상을 획득하는 단계;상기 컬러 관상면 영상을 설정된 길이로 맞추어 상기 제1 관상면 영상을 획득하는 단계; 및상기 제1 관상면 영상으로부터 상기 분류화 인공지능 모델에 의해 상기 제1 수평면 영상들을 판별하는 단계를 포함하는, 컴퓨터로 판독 가능한 기록 매체
|
13 |
13
제10항에 있어서,상기 대흉근의 영역을 분할하는 단계는:상기 분할 인공지능 모델 학습부에 의해 학습된 상기 분할 인공지능 모델을 이용하여 대흉근 예측 영상을 생성하는 단계; 및상기 대흉근 예측 영역에서 노이즈에 해당하는 미소 영역들을 제외하여 상기 대흉근의 영역을 분할하는 단계를 포함하는, 컴퓨터로 판독 가능한 기록 매체
|
14 |
14
제13항에 있어서,상기 대흉근의 영역을 분할하는 단계는:상기 대흉근 예측 영상을 이진화 처리하여 설정된 픽셀값을 가지는 이진화 영상을 생성하는 단계;상기 이진화 영상에서 인접한 픽셀들을 연결하여 그룹핑하여 상기 이진화 영상을 다수의 영역들로 분할하는 단계; 및상기 다수의 영역들의 넓이를 각각 산출하고, 넓이가 기준값 이하인 영역을 제외하여 대흉근을 측정하는 단계를 포함하는, 컴퓨터로 판독 가능한 기록 매체
|