| 1 |
1
추출된 조직 병리 영상의 흐림 여부를 판단하고, 상기 조직 병리 영상의 흐림이 기준치보다 낮은 경우 오류 메시지를 생성하는 단계;상기 조직 병리 영상에 이물질이 포함되었는지를 확인하고, 상기 이물질을 제거하는 단계; 및상기 조직 병리 영상의 색을 표준화하는 단계를 포함하는 방법
|
| 2 |
2
제1항에 있어서, 상기 조직 병리 영상의 흐림 여부를 판단할 때, 추출된 조직 병리를 염색한 후 스캔하거나 촬영하여 디지털화하고, 상기 조직 병리 디지털 영상에 대해 라플라시안 분산(variance of Laplacian)을 계산하고, 상기 라플라시안 분산이 상기 조직 병리 디지털 영상의 크기에 따라 변동되는 기준치보다 낮은 경우 상기 오류 메시지를 생성하는 방법
|
| 3 |
3
제1항에 있어서, 상기 조직 병리 영상에 이물질이 포함되었는지를 확인할 때, 상기 조직 병리 영상에 대해 윤곽 지도(contour map)을 통해 물체를 검출하는 방법
|
| 4 |
4
제1항에 있어서, 상기 조직 병리 영상에 이물질이 포함되었는지를 확인할 때, 인공지능을 이용하여 상기 조직 병리 영상에 상기 이물질이 포함되었는지를 확인하는 방법
|
| 5 |
5
제4항에 있어서, 상기 인공 지능은, 다층의 네트워크로 이루어진 심층 신경망(deep neural network)에서 딥 러닝 모델을 적용하여 다량의 조직 병리 영상들을 학습시킴으로서 입력값에 대한 특성(feature)을 자동으로 학습하고, 이를 통해 예측 정확도의 에러를 최소화하도록 상기 다층의 네트워크를 학습시켜, 상기 조직 병리 영상에 상기 이물질이 포함되었는지를 확인하는 방법
|
| 6 |
6
제5항에 있어서,상기 딥 러닝 모델은, 입력된 조직 병리 영상에서 컨벌루션(convolution)과 서브샘플링(subsampling)을 수행하여 상기 조직 병리 영상에 대한 픽쳐(feature)를 추출하는 픽쳐 추출 영역(feature extraction part)과, 추출된 픽쳐를 이용하여 상기 조직 병리 영상에 상기 이물질이 포함되었는지를 출력하는 출력 영역(output part)을 포함하는 방법
|
| 7 |
7
제1항에 있어서, 상기 조직 병리 영상에 이물질이 포함된 것으로 확인된 경우, 상기 조직 병리 영상에서 조직이 포함되어 있는 부분을 바이너리 마스크로 표현한 이미지를 생성하여 상기 이물질이 상기 조직과 겹쳐있는지 또는 배경에 위치하는지 파악하는 방법
|
| 8 |
8
제7항에 있어서, 상기 이물질이 상기 배경에 위치하는 것으로 파악된 경우, 상기 이물질을 상기 배경과 동일한 색상으로 변환하는 방법
|
| 9 |
9
추출된 조직 병리 영상을 입력받는 입력부; 추출된 조직 병리 영상의 흐림 여부를 판단하고 상기 조직 병리 영상의 흐림이 기준치보다 낮은 경우 오류 메시지를 생성하고, 상기 조직 병리 영상에 이물질이 포함되었는지를 확인하고 상기 이물질을 제거하고, 상기 조직 병리 영상의 색을 표준화하는 제어부; 및상기 오류 메시지를 출력하거나, 표준화된 상기 조직 병리 영상을 출력하는 출력부를 포함하는 장치
|
| 10 |
10
제9항에 있어서, 상기 조직 병리 영상의 흐림 여부를 판단할 때, 추출된 조직 병리를 염색한 후 스캔하거나 촬영하여 디지털화하고, 상기 조직 병리 디지털 영상에 대해 라플라시안 분산(variance of Laplacian)을 계산하고, 상기 라플라시안 분산이 상기 조직 병리 디지털 영상의 크기에 따라 변동되는 기준치보다 낮은 경우 상기 오류 메시지를 생성하는 장치
|
| 11 |
11
제9항에 있어서, 상기 조직 병리 영상에 이물질이 포함되었는지를 확인할 때, 상기 조직 병리 영상에 대해 윤곽 지도(contour map)을 통해 물체를 검출하는 장치
|
| 12 |
12
제9항에 있어서, 상기 조직 병리 영상에 이물질이 포함되었는지를 확인할 때, 인공지능을 이용하여 상기 조직 병리 영상에 상기 이물질이 포함되었는지를 확인하는 장치
|
| 13 |
13
제12항에 있어서, 상기 인공 지능은, 다층의 네트워크로 이루어진 심층 신경망(deep neural network)에서 딥 러닝 모델을 적용하여 다량의 조직 병리 영상들을 학습시킴으로서 입력값에 대한 특성(feature)을 자동으로 학습하고, 이를 통해 예측 정확도의 에러를 최소화하도록 상기 다층의 네트워크를 학습시켜, 상기 조직 병리 영상에 상기 이물질이 포함되었는지를 확인하는 장치
|
| 14 |
14
제13항에 있어서,상기 딥 러닝 모델은, 입력된 조직 병리 영상에서 컨벌루션(convolution)과 서브샘플링(subsampling)을 수행하여 상기 조직 병리 영상에 대한 픽쳐(feature)를 추출하는 픽쳐 추출 영역(feature extraction part)과, 추출된 픽쳐를 이용하여 상기 조직 병리 영상에 상기 이물질이 포함되었는지를 출력하는 출력 영역(output part)을 포함하는 장치
|
| 15 |
15
제11항에 있어서, 상기 조직 병리 영상에 이물질이 포함된 것으로 확인된 경우, 상기 조직 병리 영상에서 조직이 포함되어 있는 부분을 바이너리 마스크로 표현한 이미지를 생성하여 상기 이물질이 상기 조직과 겹쳐있는지 또는 배경에 위치하는지 파악하는 장치
|
| 16 |
16
제15항에 있어서, 상기 이물질이 상기 배경에 위치하는 것으로 파악된 경우, 상기 이물질을 상기 배경과 동일한 색상으로 변환하는 장치
|
