| 1 |
1
인공지능 기반의 의료 영상 변환 방법에 있어서,대상자에 대하여 촬영된 제1유형의 의료 영상인 제1학습 영상 및 상기 대상자에 대하여 촬영된 제2유형의 의료 영상인 제2학습 영상을 포함하는 학습 데이터를 수집하는 단계;상기 학습 데이터에 기초하여, 상기 제1유형에 해당하는 대상 영상이 입력되면, 상기 대상 영상에 기초하여 상기 제2유형에 해당하는 가상의 의료 영상인 변환 영상을 생성하는 인공지능 모델을 학습시키는 단계;상기 대상 영상을 수신하는 단계; 및상기 인공지능 모델에 기초하여 상기 변환 영상을 생성하는 단계,를 포함하는, 변환 방법
|
| 2 |
2
제1항에 있어서,상기 제1유형은 컴퓨터 단층촬영(Computed Tomography, CT) 영상이고, 상기 제2유형은 자기공명영상(Magnetic Resonance Imaging)인 것을 특징으로 하는, 변환 방법
|
| 3 |
3
제2항에 있어서,상기 인공지능 모델을 학습시키는 단계는,생성적 대립 신경망(Generative Adversarial Network) 알고리즘에 기초하여 상기 인공지능 모델을 학습시키는 것인, 변환 방법
|
| 4 |
4
제3항에 있어서,상기 인공지능 모델을 학습시키는 단계는,상기 제1학습 영상에 기초하여 가상의 제2유형 변환 영상을 생성하고, 상기 제2유형 변환 영상의 진위 여부를 상기 제2학습 영상에 기초하여 판별하는 단계; 및상기 제2학습 영상에 기초하여 가상의 제1유형 변환 영상을 생성하고, 상기 제1유형 변환 영상의 진위 여부를 상기 제1학습 영상에 기초하여 판별하는 단계,를 포함하는 것인, 변환 방법
|
| 5 |
5
제1항에 있어서,상기 제1학습 영상, 상기 제2학습 영상 및 상기 대상 영상은 척추 부위를 촬영한 의료 영상이고,상기 학습 데이터를 수집하는 단계는,상기 척추 부위의 소정의 병변에 대한 진단과 연계된 주요 영역을 상기 제1학습 영상 및 상기 제2학습 영상 내에 마킹하는 단계,를 포함하고,상기 학습시키는 단계는,상기 마킹된 학습 데이터에 기초하여 상기 대상 영상 내에 상기 주요 영역을 설정하는 상기 인공지능 모델을 학습시키는 것인, 변환 방법
|
| 6 |
6
제5항에 있어서,상기 대상 영상을 수신하는 단계 이후에,상기 인공지능 모델에 기초하여 상기 대상 영상에 대한 상기 주요 영역을 설정하는 단계;상기 주요 영역에 대한 부분 영상을 상기 대상 영상으로부터 추출하는 단계; 및상기 부분 영상에 기초하여 상기 병변과 연계된 진단 정보를 도출하는 단계,를 더 포함하는 것인, 변환 방법
|
| 7 |
7
제6항에 있어서,상기 마킹하는 단계는,상기 병변과 연계된 레벨 정보에 기초하여 상기 마킹을 구분하여 표시하고,상기 진단 정보를 도출하는 단계는,상기 부분 영상에 기초하여 상기 대상 영상의 대상자의 상기 레벨 정보를 예측하는 것인, 변환 방법
|
| 8 |
8
제5항에 있어서,상기 병변은 척추관 협착증인 것을 특징으로 하는, 변환 방법
|
| 9 |
9
인공지능 기반의 의료 영상 변환 장치에 있어서,대상자에 대하여 촬영된 제1유형의 의료 영상인 제1학습 영상 및 상기 대상자에 대하여 촬영된 제2유형의 의료 영상인 제2학습 영상을 포함하는 학습 데이터를 수집하는 수집부;상기 학습 데이터에 기초하여, 상기 제1유형에 해당하는 대상 영상이 입력되면, 상기 대상 영상에 기초하여 상기 제2유형에 해당하는 가상의 의료 영상인 변환 영상을 생성하는 인공지능 모델을 학습시키는 학습부; 및상기 대상 영상을 수신하고, 상기 인공지능 모델에 기초하여 상기 변환 영상을 생성하는 변환부,를 포함하는, 변환 장치
|
| 10 |
10
제9항에 있어서,상기 제1유형은 컴퓨터 단층촬영(Computed Tomography, CT) 영상이고, 상기 제2유형은 자기공명영상(Magnetic Resonance Imaging)인 것을 특징으로 하는, 변환 장치
|
| 11 |
11
제10항에 있어서,상기 학습부는,생성적 대립 신경망(Generative Adversarial Network) 알고리즘에 기초하여 상기 인공지능 모델을 학습시키는 것인, 변환 장치
|
| 12 |
12
제11항에 있어서,상기 학습부는,상기 제1학습 영상에 기초하여 가상의 제2유형 변환 영상을 생성하고, 상기 제2유형 변환 영상의 진위 여부를 상기 제2학습 영상에 기초하여 판별하는 순방향 학습부; 및상기 제2학습 영상에 기초하여 가상의 제1유형 변환 영상을 생성하고, 상기 제1유형 변환 영상의 진위 여부를 상기 제1학습 영상에 기초하여 판별하는 역방향 학습부,를 포함하는 것인, 변환 장치
|
| 13 |
13
제9항에 있어서,상기 제1학습 영상, 상기 제2학습 영상 및 상기 대상 영상은 척추 부위를 촬영한 의료 영상이고,상기 수집부는,상기 척추 부위의 소정의 병변에 대한 진단과 연계된 주요 영역을 상기 제1학습 영상 및 상기 제2학습 영상 내에 마킹하고,상기 학습부는,상기 마킹된 학습 데이터에 기초하여 상기 대상 영상 내에 상기 주요 영역을 설정하는 상기 인공지능 모델을 학습시키는 것인, 변환 장치
|
| 14 |
14
제13항에 있어서,상기 인공지능 모델에 기초하여 상기 대상 영상에 대한 상기 주요 영역을 설정하고, 상기 주요 영역에 대한 부분 영상을 상기 대상 영상으로부터 추출하여 상기 부분 영상에 기초하여 상기 병변과 연계된 진단 정보를 도출하는 분석부,를 더 포함하는 것인, 변환 장치
|
| 15 |
15
제13항에 있어서,상기 병변은 척추관 협착증인 것을 특징으로 하는, 변환 장치
|
