| 1 |
1
정량적 자화도 매핑(quantitative susceptibility mapping) 영상을 복원하기 위한 위상(phase) 영상과 크기(magnitude) 영상을 수신하는 단계; 및비지도 학습(unsupervised learning) 기반의 뉴럴 네트워크를 이용하여 상기 수신된 위상 영상과 크기 영상에 대응하는 정량적 자화도 매핑 영상을 복원하는 단계를 포함하고, 상기 뉴럴 네트워크는 적어도 하나 이상의 생성기 및 판별기를 포함하는 순환 생성적 적대 신경망(cycle-consistency generative adversarial network, cycleGAN) 구조로 이루어져 정량적 자화도 매핑 영상을 복원하는 정량적 자화도 매핑 영상 처리 방법
|
| 2 |
2
제1항에 있어서,상기 뉴럴 네트워크는최적 운송(optimal transport) 이론에 기초하여 생성되는 것을 특징으로 하는 정량적 자화도 매핑 영상 처리 방법
|
| 3 |
3
제1항에 있어서,상기 뉴럴 네트워크는비매칭 데이터를 포함하는 트레이닝 데이터세트를 이용하여 학습되는 것을 특징으로 하는 정량적 자화도 매핑 영상 처리 방법
|
| 4 |
4
제1항에 있어서,상기 뉴럴 네트워크는제1 위상 영상과 제1 크기 영상을 입력으로 상기 제1 위상 영상과 상기 제1 크기 영상에 대응하는 제1 정량적 자화도 매핑 영상을 생성하는 제1 뉴럴 네트워크;상기 제1 정량적 자화도 매핑 영상을 푸리에 변환한 후 상기 제1 위상 영상과 상기 제1 크기 영상에 대응하는 쌍극자 커널을 곱하고, 이를 푸리에 역변환하여 제2 위상 영상을 생성하는 제1 변환부;지상검증 영상인 제2 정량적 자화도 매핑 영상을 푸리에 변환한 후 상기 제2 정량적 자화도 매핑 영상에 대응하는 쌍극자 커널을 곱하고, 이를 푸리에 역변환하여 제3 위상 영상을 생성하는 제2 변환부;상기 제2 위상 영상과 제2 크기 영상을 입력으로 상기 제2 위상 영상과 상기 제2 크기 영상에 대응하는 제3 정량적 자화도 매핑 영상을 생성하는 제2 뉴럴 네트워크; 및상기 제1 정량적 자화도 매핑 영상과 상기 제2 정량적 자화도 매핑 영상을 구별하는 제3 뉴럴 네트워크를 이용하여 비지도 학습되는 것을 특징으로 하는 정량적 자화도 매핑 영상 처리 방법
|
| 5 |
5
제4항에 있어서,상기 뉴럴 네트워크는상기 제1 위상 영상과 상기 제2 위상 영상의 비교 또는 상기 제2 정량적 자화도 매핑 영상과 상기 제3 정량적 자화도 매핑 영상의 비교에 의해 계산되는 사이클 일관성 손실과 변화도 차이 손실, 상기 제1 정량적 자화도 매핑 영상에 대한 총변이 손실 및 상기 제1 정량적 자화도 매핑 영상과 상기 제2 정량적 자화도 매핑 영상 간의 적대 손실에 기초하여 비지도 학습되는 것을 특징으로 하는 정량적 자화도 매핑 영상 처리 방법
|
| 6 |
6
제4항에 있어서,상기 제3 뉴럴 네트워크는상기 제1 정량적 자화도 매핑 영상에 미리 설정된 마스크가 곱해진 정량적 자화도 매핑 영상과 상기 제2 정량적 자화도 매핑 영상을 구별하는 것을 특징으로 하는 정량적 자화도 매핑 영상 처리 방법
|
| 7 |
7
제1항에 있어서,상기 뉴럴 네트워크는컨볼루션 프레임렛(convolution framelet) 기반의 뉴럴 네트워크 및 풀링 레이어와 언풀링 레이어를 포함하는 뉴럴 네트워크 중 어느 하나의 뉴럴 네트워크를 포함하는 것을 특징으로 하는 정량적 자화도 매핑 영상 처리 방법
|
| 8 |
8
정량적 자화도 매핑(quantitative susceptibility mapping) 영상을 복원하기 위한 위상(phase) 영상과 크기(magnitude) 영상을 수신하는 단계; 및최적 운송(optimal transport) 이론에 기초하여 생성된 비지도 학습(unsupervised learning) 기반의 뉴럴 네트워크를 이용하여 상기 수신된 위상 영상과 크기 영상에 대응하는 정량적 자화도 매핑 영상을 복원하는 단계를 포함하고, 상기 뉴럴 네트워크는 적어도 하나 이상의 생성기 및 판별기를 포함하는 순환 생성적 적대 신경망(cycle-consistency generative adversarial network, cycleGAN) 구조로 이루어져 정량적 자화도 매핑 영상을 복원하는 정량적 자화도 매핑 영상 처리 방법
|
| 9 |
9
정량적 자화도 매핑(quantitative susceptibility mapping) 영상을 복원하기 위한 위상(phase) 영상과 크기(magnitude) 영상을 수신하는 수신부; 및비지도 학습(unsupervised learning) 기반의 뉴럴 네트워크를 이용하여 상기 수신된 위상 영상과 크기 영상에 대응하는 정량적 자화도 매핑 영상을 복원하는 복원부를 포함하고, 상기 뉴럴 네트워크는 적어도 하나 이상의 생성기 및 판별기를 포함하는 순환 생성적 적대 신경망(cycle-consistency generative adversarial network, cycleGAN) 구조로 이루어져 정량적 자화도 매핑 영상을 복원하는 정량적 자화도 매핑 영상 처리 장치
|
| 10 |
10
제9항에 있어서,상기 뉴럴 네트워크는최적 운송(optimal transport) 이론에 기초하여 생성되는 것을 특징으로 하는 정량적 자화도 매핑 영상 처리 장치
|
| 11 |
11
제9항에 있어서,상기 뉴럴 네트워크는비매칭 데이터를 포함하는 트레이닝 데이터세트를 이용하여 학습되는 것을 특징으로 하는 정량적 자화도 매핑 영상 처리 장치
|
| 12 |
12
제9항에 있어서,상기 뉴럴 네트워크는제1 위상 영상과 제1 크기 영상을 입력으로 상기 제1 위상 영상과 상기 제1 크기 영상에 대응하는 제1 정량적 자화도 매핑 영상을 생성하는 제1 뉴럴 네트워크;상기 제1 정량적 자화도 매핑 영상을 푸리에 변환한 후 상기 제1 위상 영상과 상기 제1 크기 영상에 대응하는 쌍극자 커널을 곱하고, 이를 푸리에 역변환하여 제2 위상 영상을 생성하는 제1 변환부;지상검증 영상인 제2 정량적 자화도 매핑 영상을 푸리에 변환한 후 상기 제2 정량적 자화도 매핑 영상에 대응하는 쌍극자 커널을 곱하고, 이를 푸리에 역변환하여 제3 위상 영상을 생성하는 제2 변환부;상기 제2 위상 영상과 제2 크기 영상을 입력으로 상기 제2 위상 영상과 상기 제2 크기 영상에 대응하는 제3 정량적 자화도 매핑 영상을 생성하는 제2 뉴럴 네트워크; 및상기 제1 정량적 자화도 매핑 영상과 상기 제2 정량적 자화도 매핑 영상을 구별하는 제3 뉴럴 네트워크를 이용하여 비지도 학습되는 것을 특징으로 하는 정량적 자화도 매핑 영상 처리 장치
|
| 13 |
13
제12항에 있어서,상기 뉴럴 네트워크는상기 제1 위상 영상과 상기 제2 위상 영상의 비교 또는 상기 제2 정량적 자화도 매핑 영상과 상기 제3 정량적 자화도 매핑 영상의 비교에 의해 계산되는 사이클 일관성 손실과 변화도 차이 손실, 상기 제1 정량적 자화도 매핑 영상에 대한 총변이 손실 및 상기 제1 정량적 자화도 매핑 영상과 상기 제2 정량적 자화도 매핑 영상 간의 적대 손실에 기초하여 비지도 학습되는 것을 특징으로 하는 정량적 자화도 매핑 영상 처리 장치
|
| 14 |
14
제12항에 있어서,상기 제3 뉴럴 네트워크는상기 제1 정량적 자화도 매핑 영상에 미리 설정된 마스크가 곱해진 정량적 자화도 매핑 영상과 상기 제2 정량적 자화도 매핑 영상을 구별하는 것을 특징으로 하는 정량적 자화도 매핑 영상 처리 장치
|
| 15 |
15
제9항에 있어서,상기 뉴럴 네트워크는컨볼루션 프레임렛(convolution framelet) 기반의 뉴럴 네트워크 및 풀링 레이어와 언풀링 레이어를 포함하는 뉴럴 네트워크 중 어느 하나의 뉴럴 네트워크를 포함하는 것을 특징으로 하는 정량적 자화도 매핑 영상 처리 장치
|
