| 1 |
1
의료 영상 분석 장치에 있어서,미리 학습된 의료 영상 분석 모델이 저장된 메모리; 및동일 진단 대상자에 대해 다른 시점에 촬상되어 획득된 제1 의료 영상과 제2 의료 영상을 입력 받고, 상기 의료 영상 분석 모델을 이용하여, 상기 제1 의료 영상과 제2 의료 영상 사이의 변화를 판별하는 프로세서;를 포함하며,상기 의료 영상 분석 모델은, 기 판독된 임의의 피검자의 제1 판독 영상과 제2 판독 영상을 학습 입력 영상으로 하고, 상기 제1 판독 영상과 제2 판독 영상 사이의 변화를 판독한 정보를 판독 레이블로 하여 학습된 것인 의료 영상 분석 장치
|
| 2 |
2
제1항에 있어서,상기 프로세서는, 상기 제1 의료 영상과 제2 의료 영상 사이의 변화 중 질환에 따른 변화 영역을 판별하는 의료 영상 분석 장치
|
| 3 |
3
제2항에 있어서,상기 판별된 변화 영역은, 상기 진단 대상자의 호흡, 자세 및 나이 변화에 따른 영향은 최소화 되어 있는 의료 영상 분석 장치
|
| 4 |
4
제1항에 있어서,상기 의료 영상 분석 모델은, 제1 파라미터를 기초로 상기 제1 판독 영상과 상기 제2 판독 영상 사이의 유사도 값을 반환하는 적어도 하나의 레이어를 포함하는 제1 네트워크를 포함하는 의료 영상 분석 장치
|
| 5 |
5
제4항에 있어서,상기 제1 네트워크는, 상기 제1 판독 영상으로부터 제1 특징 벡터를 추출하고, 상기 제2 판독 영상으로부터 제2 특징 벡터를 추출하여, 상기 제1 특징 벡터와 상기 제2 특징 벡터가 적어도 하나의 레이어를 통과함에 따라 생성된 제1 특징 맵과 제2 특징 맵을 통합 레이어를 이용하여 통합한 후, 다수의 레이어 구조를 통과함에 기초해 상기 제1 특징 맵과 상기 제2 특징 맵의 특징맵 유사도 값을 반환하도록 학습되는 의료 영상 분석 장치
|
| 6 |
6
제5항에 있어서,상기 의료 영상 분석 모델은, 상기 특징맵 유사도 값이 최대값이 되도록, 타겟 픽셀값을 조정 레이블로 하여 제2 파라미터가 조정되도록 학습되어 있는 제2 네트워크를 포함하는 의료 영상 분석 장치
|
| 7 |
7
제6항에 있어서,상기 의료 영상 분석 모델은, 질환의 유무를 출력하도록, 상기 제1 판독 영상과 상기 제2 판독 영상의 질환에 따른 변화를 판독한 정보를 질환 레이블로 하여 제3 파라미터가 조정되도록 학습되어 있는 질환 정보 제공 신경망을 포함하는 의료 영상 분석 장치
|
| 8 |
8
제7항에 있어서,상기 제1 파라미터, 상기 제2 파라미터 및 상기 제3 파라미터는, 상기 제1 네트워크, 제2 네트워크 및 질환 정보 제공 신경망을 통해 최종적으로 반환된 출력에 기초하여, 갱신되는 의료 영상 분석 장치
|
| 9 |
9
의료 영상 분석 모델 학습 방법에 있어서,프로세서가, 기 판독된 임의의 피검자의 제1 판독 영상과 제2 판독 영상을 학습 입력 영상으로 하고, 상기 제1 판독 영상과 제2 판독 영상 사이의 변화 영역을 판독한 정보를 판독 레이블로 하여 제1 네트워크에 입력시키는 단계; 및상기 제1 판독 영상과 상기 제2 판독 영상의 유사도 값의 출력 결과에 기초하여, 상기 제1 네트워크의 제1 파라미터를 조정하는 단계;를 포함하는 의료 영상 분석 모델 학습 방법
|
| 10 |
10
제9항에 있어서,상기 제1 네트워크의 제1 파라미터를 조정하는 단계는,상기 제1 판독 영상으로부터 제1 특징 벡터를 추출하고, 상기 제2 판독 영상으로부터 제2 특징 벡터를 추출하여, 상기 제1 특징 벡터와 상기 제2 특징 벡터가 적어도 하나의 레이어를 통과함에 따라 생성된 제1 특징 맵과 제2 특징 맵을 통합 레이어를 이용하여 통합한 후, 다수의 레이어 구조를 통과함에 기초해 상기 제1 특징 맵과 상기 제2 특징 맵의 특징맵 유사도 값의 출력 결과에 기초하여 상기 제1 파라미터를 조정하는 의료 영상 분석 모델 학습 방법
|
| 11 |
11
제10항에 있어서,상기 제1 네트워크의 적어도 하나의 레이어를 통과한 제1 판독 영상 및 제2 판독 영상과 타겟 픽셀값을 조정 레이블로 하여 제2 네트워크에 입력시키는 단계; 및상기 특징맵 유사도 값이 최대값이 되도록 상기 제2 네트워크의 제2 파라미터를 조정하는 단계;를 포함하는 의료 영상 분석 모델 학습 방법
|
| 12 |
12
제11항에 있어서,상기 제1 네트워크와 상기 제2 네트워크의 적어도 하나의 레이어를 통과한 제1 판독 영상 및 제2 판독 영상과 질환에 따른 변화를 판독한 정보를 질환 레이블로 하여, 질환 정보 제공 신경망에 입력시키는 단계; 및상기 질환의 유무에 따른 출력 결과에 기초하여, 상기 질환 정보 제공 신경망의 제3 파라미터를 조정하는 단계;를 포함하는 의료 영상 분석 모델 학습 방법
|
| 13 |
13
제12항에 있어서,상기 제1 파라미터, 상기 제2 파라미터 및 상기 제3 파라미터는, 상기 제1 네트워크, 제2 네트워크 및 질환 정보 제공 신경망을 통해 최종적으로 반환된 출력에 기초하여, 갱신되는 의료 영상 분석 모델 학습 방법
|
| 14 |
14
의료 영상 분석 장치에 의해 수행되는 의료 영상 분석 방법에 있어서,동일 진단 대상자에 대해 다른 시점에 촬상되어 획득된 제1 의료 영상과 제2 의료 영상을 입력 받는 단계; 및미리 학습된 의료 영상 분석 모델을 이용하여, 상기 제1 의료 영상과 제2 의료 영상 사이의 변화 영역을 판별하는 단계;를 포함하며,상기 의료 영상 분석 모델은, 기 판독된 임의의 피검자의 제1 판독 영상과 제2 판독 영상을 학습 입력 영상으로 하고, 상기 제1 판독 영상과 제2 판독 영상 사이의 변화를 판독한 정보를 판독 레이블로 하여 학습된 것인 의료 영상 분석 방법
|
| 15 |
15
제14항에 있어서,상기 제1 의료 영상과 제2 의료 영상 사이의 변화 영역을 판별하는 단계는, 상기 제1 의료 영상과 제2 의료 영상 사이의 변화 중 질환에 따른 변화 영역을 판별하는 의료 영상 분석 방법
|
| 16 |
16
제15항에 있어서,상기 판별된 변화 영역은, 상기 진단 대상자의 호흡, 자세 및 나이 변화 중 적어도 하나에 따른 영향은 최소화 되어 있는 의료 영상 분석 방법
|
| 17 |
17
기 판독된 임의의 피검자의 제1 판독 영상과 제2 판독 영상을 학습 입력 영상으로 하고, 상기 제1 판독 영상과 제2 판독 영상 사이의 변화를 판독한 정보를 판독 레이블로 하여 제1 네트워크에 입력시키는 단계; 및상기 제1 판독 영상과 상기 제2 판독 영상의 유사도 값의 출력 결과에 기초하여, 상기 제1 네트워크의 제1 파라미터를 조정하는 단계;를 포함하는 의료 영상 분석 모델 학습 방법을 수행하도록 하는 명령어를 포함하는 컴퓨터 프로그램이 저장된 기록매체
|
| 18 |
18
기 판독된 임의의 피검자의 제1 판독 영상과 제2 판독 영상을 학습 입력 영상으로 하고, 상기 제1 판독 영상과 제2 판독 영상 사이의 변화를 판독한 정보를 판독 레이블로 하여 제1 네트워크에 입력시키는 단계; 및상기 제1 판독 영상과 상기 제2 판독 영상의 유사도 값의 출력 결과에 기초하여, 상기 제1 네트워크의 제1 파라미터를 조정하는 단계;를 포함하는 의료 영상 분석 모델 학습 방법을 수행하도록 하는 명령어를 포함하는 컴퓨터 판독 가능한 저장매체에 저장된 컴퓨터 프로그램
|
