| 1 |
1
표면 정합 정확도 향상 장치에 의해 수행되는 표면 정합 정확도 향상 방법에 있어서, 의료영상 정보에서 제1 얼굴 표면 정보를 획득하고, 환자공간 정보에서 제2 얼굴 표면 정보를 획득하는 단계; 상기 획득된 제1 얼굴 표면 정보를 신경망 모델의 차원 축소를 통해 상기 환자공간 정보에 대응되는 차원으로 감소시키는 단계; 차원이 감소된 제1 얼굴 표면 정보와 상기 획득된 제2 얼굴 표면 정보를 이용한 표면 정합 알고리즘에 따라 표면 정합하는 단계; 및 상기 표면 정합된 결과를 학습하고 학습된 결과를 이용하여 타겟의 정합 정확도를 향상시키는 단계를 포함하는, 신경망 모델을 이용한 표면 정합 방법
|
| 2 |
2
제1항에 있어서,상기 제1 얼굴 표면 정보는, 상기 의료영상 정보에서 2차원 CT(Computed Tomography) 슬라이스를 이용하여 3차원으로 재구축한 뒤 최외곽 점군집으로 획득되고 2차원 영상에서 원하는 타겟점에 대한 위치를 사용자가 탐색하여 3차원 값으로 획득되는, 신경망 모델을 이용한 표면 정합 방법
|
| 3 |
3
제1항에 있어서,상기 제2 얼굴 표면 정보는, 광학식 카메라를 통해 수술 도구에 부착된 광학식 마커의 3차원 위치 정보로 획득되고 상기 획득된 3차원 위치 정보를 기반으로 상기 수술 도구의 끝단을 예측하여 획득되는, 신경망 모델을 이용한 표면 정합 방법
|
| 4 |
4
제1항에 있어서,상기 감소시키는 단계는, 오토 인코더 기반의 신경망 모델의 차원 축소를 통해 상기 획득된 제1 얼굴 표면 정보의 차원을 감소시키는, 신경망 모델을 이용한 표면 정합 방법
|
| 5 |
5
제1항에 있어서,상기 표면 정합하는 단계는, 차원이 감소된 제1 얼굴 표면 정보와 상기 획득된 제2 얼굴 표면 정보를 표면 정합 알고리즘인 ICP(Iterative closest points) 알고리즘을 통해 표면 정합하는, 신경망 모델을 이용한 표면 정합 방법
|
| 6 |
6
제1항에 있어서,상기 정합 정확도를 향상시키는 단계는, 상기 표면 정합된 결과를 이용하여 상기 의료영상 정보와 상기 환자공간 정보에 대한 타겟 정합 오차(TRE, target registration error)를 타겟의 정합 정확도로 계산하는, 신경망 모델을 이용한 표면 정합 방법
|
| 7 |
7
제6항에 있어서,상기 정합 정확도를 향상시키는 단계는, 상기 계산된 타겟 정합 오차를 최소화하기 위해 상기 신경망 모델의 제1 하이퍼 파라미터를 갱신하거나, 상기 표면 정합 알고리즘의 제2 하이퍼 파라미터를 갱신하는, 신경망 모델을 이용한 표면 정합 방법
|
| 8 |
8
제7항에 있어서,상기 정합 정확도를 향상시키는 단계는, 상기 계산된 타겟 정합 오차를 최소화하기 위한 상기 신경망 모델의 제1 하이퍼 파라미터를 학습하고 학습된 결과에 따라 제1 하이퍼 파라미터를 갱신하는, 신경망 모델을 이용한 표면 정합 방법
|
| 9 |
9
제6항에 있어서, 상기 정합 정확도를 향상시키는 단계는, 은닉층의 개수(Number of hidden layers), 뉴런의 개수(Number of neurons), L2 가중치 정규화(weight regularization), 희소성 정규화(Sparse regularization), 희소성 비율(Sparsity proportion), 및 활성화 함수(Activation functions) 중에서 적어도 하나의 하이퍼 파라미터를 갱신하는, 신경망 모델을 이용한 표면 정합 방법
|
| 10 |
10
제7항에 있어서,상기 정합 정확도를 향상시키는 단계는, 상기 계산된 타겟 정합 오차를 최소화하기 위한 상기 표면 정합 알고리즘의 제2 하이퍼 파라미터를 학습하고 학습된 결과에 따라 제2 하이퍼 파라미터를 갱신하는, 신경망 모델을 이용한 표면 정합 방법
|
| 11 |
11
제10항에 있어서, 상기 정합 정확도를 향상시키는 단계는, 메트릭 타입(Metric types), 인라이어 비율(Inlier ratio), 및 반복 횟수(Number of iterations) 중에서 적어도 하나의 제2 하이퍼 파라미터를 갱신하는, 신경망 모델을 이용한 표면 정합 방법
|
| 12 |
12
신경망 모델을 이용한 표면 정합과 관련된 하나 이상의 프로그램을 저장하는 메모리; 및 상기 저장된 하나 이상의 프로그램을 실행하는 프로세서를 포함하고, 상기 프로세서는, 의료영상 정보에서 제1 얼굴 표면 정보를 획득하고, 환자공간 정보에서 제2 얼굴 표면 정보를 획득하고, 상기 획득된 제1 얼굴 표면 정보를 신경망 모델의 차원 축소를 통해 상기 환자공간 정보에 대응되는 차원으로 감소시키고, 차원이 감소된 제1 얼굴 표면 정보와 상기 획득된 제2 얼굴 표면 정보를 이용한 표면 정합 알고리즘에 따라 표면 정합하고, 상기 표면 정합된 결과를 학습하고 학습된 결과를 이용하여 타겟의 정합 정확도를 향상시키는, 신경망 모델을 이용한 표면 정합 장치
|
| 13 |
13
제12항에 있어서,상기 제1 얼굴 표면 정보는, 상기 의료영상 정보에서 2차원 CT(Computed Tomography) 슬라이스를 이용하여 3차원으로 재구축한 뒤 최외곽 점군집으로 획득되고 2차원 영상에서 원하는 타겟점에 대한 위치를 사용자가 탐색하여 3차원 값으로 획득되는, 신경망 모델을 이용한 표면 정합 장치
|
| 14 |
14
제12항에 있어서,상기 제2 얼굴 표면 정보는, 광학식 카메라를 통해 수술 도구에 부착된 광학식 마커의 3차원 위치 정보로 획득되고 상기 획득된 3차원 위치 정보를 기반으로 상기 수술 도구의 끝단을 예측하여 획득되는, 신경망 모델을 이용한 표면 정합 장치
|
| 15 |
15
제12항에 있어서,상기 프로세서는, 오토 인코더 기반의 신경망 모델의 차원 축소를 통해 상기 획득된 제1 얼굴 표면 정보의 차원을 감소시키는, 신경망 모델을 이용한 표면 정합 장치
|
| 16 |
16
제12항에 있어서,상기 프로세서는, 차원이 감소된 제1 얼굴 표면 정보와 상기 획득된 제2 얼굴 표면 정보를 표면 정합 알고리즘인 ICP(Iterative closest points) 알고리즘을 통해 표면 정합하는, 신경망 모델을 이용한 표면 정합 장치
|
| 17 |
17
제12항에 있어서,상기 프로세서는, 상기 표면 정합된 결과를 이용하여 상기 의료영상 정보와 상기 환자공간 정보에 대한 타겟 정합 오차(TRE, target registration error)를 타겟의 정합 정확도로 계산하는, 신경망 모델을 이용한 표면 정합 장치
|
| 18 |
18
제17항에 있어서,상기 프로세서는, 상기 계산된 타겟 정합 오차를 최소화하기 위해 상기 신경망 모델의 제1 하이퍼 파라미터를 갱신하거나, 상기 표면 정합 알고리즘의 제2 하이퍼 파라미터를 갱신하는, 신경망 모델을 이용한 표면 정합 장치
|
| 19 |
19
제18항에 있어서,상기 프로세서는, 상기 계산된 타겟 정합 오차를 최소화하기 위한 상기 신경망 모델의 제1 하이퍼 파라미터를 학습하고 학습된 결과에 따라 제1 하이퍼 파라미터를 갱신하는, 신경망 모델을 이용한 표면 정합 장치
|
| 20 |
20
제19항에 있어서, 상기 프로세서는, 은닉층의 개수(Number of hidden layers), 뉴런의 개수(Number of neurons), L2 가중치 정규화(weight regularization), 희소성 정규화(Sparse regularization), 희소성 비율(Sparsity proportion), 및 활성화 함수(Activation functions) 중에서 적어도 하나의 제1 하이퍼 파라미터를 갱신하는, 신경망 모델을 이용한 표면 정합 장치
|
| 21 |
21
제18항에 있어서,상기 프로세서는, 상기 계산된 타겟 정합 오차를 최소화하기 위한 상기 표면 정합 알고리즘의 제2 하이퍼 파라미터를 학습하고 학습된 결과에 따라 제2 하이퍼 파라미터를 갱신하는, 신경망 모델을 이용한 표면 정합 장치
|
| 22 |
22
제21항에 있어서, 상기 프로세서는, 메트릭 타입(Metric types), 인라이어 비율(Inlier ratio), 및 반복 횟수(Number of iterations) 중에서 적어도 하나의 제2 하이퍼 파라미터를 갱신하는, 신경망 모델을 이용한 표면 정합 장치
|
| 23 |
23
프로세서에 의해 실행될 때, 상기 프로세서로 하여금 방법을 실행하게 하는 명령어들을 저장하기 위한 비일시적 컴퓨터 판독가능 저장 매체로서, 상기 방법은: 의료영상 정보에서 제1 얼굴 표면 정보를 획득하고, 환자공간 정보에서 제2 얼굴 표면 정보를 획득하는 단계; 상기 획득된 제1 얼굴 표면 정보를 신경망 모델의 차원 축소를 통해 상기 환자공간 정보에 대응되는 차원으로 감소시키는 단계; 차원이 감소된 제1 얼굴 표면 정보와 상기 획득된 제2 얼굴 표면 정보를 이용한 표면 정합 알고리즘에 따라 표면 정합하는 단계; 및 상기 표면 정합된 결과를 학습하고 학습된 결과를 이용하여 타겟의 정합 정확도를 향상시키는 단계를 포함하는, 비일시적 컴퓨터 판독 가능한 저장 매체
|
