1 |
1
데이터베이스로부터 미분석 영상 이미지를 조회하며, PTA 검사결과지를 호출하는 데이터베이스 모듈;상기 PTA 검사결과지로부터 환자 정보 영역 및 검사 결과 영역을 추출하는 전처리 모듈;상기 환자 정보 영역 및 검사 결과 영역으로부터 영상 이미지를 인식 및 분류하는 IAC 모듈; 상기 IAC 모듈에서 인식 및 분류된 영상 이미지를 후처리 하여, 부호 데이터의 좌표 값을 결과 값으로 산출하는 후처리 모듈; 및상기 결과 값을 정상 범주의 기준 값과 비교 분석하여 난청 여부를 판단하는 판단 모듈을 포함하는 것을 특징으로 하는 청력 검사 결과 판독 장치
|
2 |
2
제1항에 있어서, 상기 IAC 모듈은 CNN 모듈과 OCR 모듈을 포함하며, 상기 CNN 모듈은 PTA 검사결과지의 부호 이미지를 인식하여 분류하며, 상기 OCR 모듈은 환자 정보 이미지를 인식하는 것을 특징으로 하는 청력 검사 결과 판독 장치
|
3 |
3
제1항에 있어서, 상기 PTA 검사결과지의 패턴을 분류하여 상기 전처리 모듈로 전달하는 패턴 분류 모듈을 더 포함하는 것을 특징으로 하는 청력 검사 결과 판독 장치
|
4 |
4
제1항에 있어서, 상기 IAC 모듈은 상기 영상 이미지로부터 분석하고자 하는 복수의 제1 관심 영역을 추출하며, 상기 제1 관심 영역을 세분화 한 제2 관심 영역을 추출하는 것을 특징으로 하는 청력 검사 결과 판독 장치
|
5 |
5
제4항에 있어서, 상기 제1 관심 영역은 상기 PTA 검사결과지에 표시된 좌우측 내이의 기도음 또는 골도음의 검사 결과 값을 포함하는 것을 특징으로 하는 청력 검사 결과 판독 장치
|
6 |
6
제4항에 있어서, 상기 제2 관심 영역은 좌측 내이 기도음(Left HTL), 좌측 내이 차폐 기도음(Left Masked HTL), 좌측 내이 골도음(Left BCL), 좌측 내이 차폐 골도음(Left Masked BCL), 우측 내이 기도음(Right HTL), 우측 내이 차폐 기도음(Right Masked HTL), 우측 내이 골도음(Right BCL), 우측 내이 차폐 골도음(Right Masked BCL) 및 보청기 순음 검사음(Aided) 중 하나 이상의 정보를 포함하는 것을 특징으로 하는 청력 검사 결과 판독 장치
|
7 |
7
제2항에 있어서, 상기 CNN 모듈은 상기 PTA 검사결과지의 그래프 영역을 추출하여 분석하며, 상기 그래프 영역으로부터 부호 데이터를 추출하여 분류하도록 CNN 학습 알고리즘을 적용하여 학습이 이루어지는 것을 특징으로 하는 청력 검사 결과 판독 장치
|
8 |
8
제7항에 있어서, 상기 CNN 학습 알고리즘은 이미 분류 및 라벨링 된 부호 데이터를 학습 그룹과 테스트 그룹으로 분류하고, 학습 그룹을 통해 학습된 결과물을 테스트 그룹의 부호와 비교 연산하는 과정을 반복하는 것을 특징으로 하는 청력 검사 결과 판독 장치
|
9 |
9
제7항에 있어서, 상기 CNN 학습 알고리즘은 상기 부호 데이터의 특징을 추출하는 컨벌루션 레이어(Convolution Layer)와 상기 부호 데이터를 분류하는 서브샘플링 레이어(Subsampling Layer) 또는 풀링 레이어(Pooling Layer)를 통해 상기 부호 데이터의 특징을 파악하며, 풀리 컨넥티드 레이어(Fully Connected Layer)에서 기계가 인식 가능한 배열정보 형태로 변경하여, 변경된 부호 데이터의 특징 정보를 뉴럴 네트워크(Neural Network)에 적용하여 분류함으로써 상기 부호 데이터의 특징을 인식하는 것을 특징으로 하는 청력 검사 결과 판독 장치
|
10 |
10
(a) 미분석 영상 이미지를 조회하며, PTA 검사결과지를 호출하는 단계; (b) 상기 PTA 검사결과지로부터 환자 정보 영역 및 검사 결과 영역을 추출하는 단계; (c) 상기 환자 정보 영역 및 검사 결과 영역으로부터 영상 이미지를 인식 및 분류하는 단계; (d) 상기 인식 및 분류된 영상 이미지를 후처리 하여, 부호 데이터의 좌표 값을 결과 값으로 산출하는 단계; 및(e) 상기 결과 값을 정상 범주의 기준 값과 비교 분석하여 난청 여부를 판단하는 단계를 포함하는 것을 특징으로 하는 청력 검사 결과 판독 방법
|
11 |
11
제10항에 있어서, 상기 (b) 단계는, 상기 PTA 검사결과지의 패턴을 분류하는 단계를 더 포함하는 것을 특징으로 하는 청력 검사 결과 판독 방법
|
12 |
12
제10항에 있어서, 상기 (c) 단계는, 상기 PTA 검사결과지의 부호 이미지를 인식하여 분류하는 단계와, 환자 정보 이미지를 인식하는 단계를 포함하는 것을 특징으로 하는 청력 검사 결과 판독 방법
|
13 |
13
제10항에 있어서, 상기 (c) 단계는, 상기 영상 이미지로부터 분석하고자 하는 복수의 제1 관심 영역을 추출하며, 상기 제1 관심 영역을 세분화 한 제2 관심 영역을 추출하는 단계를 더 포함하는 것을 특징으로 하는 청력 검사 결과 판독 방법
|
14 |
14
제13항에 있어서, 상기 제1 관심 영역은 상기 PTA 검사결과지에 표시된 좌우측 내이의 기도음 또는 골도음의 검사 결과 값을 포함하는 것을 특징으로 하는 청력 검사 결과 판독 방법
|
15 |
15
제13항에 있어서, 상기 제2 관심 영역은 좌측 내이 기도음(Left HTL), 좌측 내이 차폐 기도음(Left Masked HTL), 좌측 내이 골도음(Left BCL), 좌측 내이 차폐 골도음(Left Masked BCL), 우측 내이 기도음(Right HTL), 우측 내이 차폐 기도음(Right Masked HTL), 우측 내이 골도음(Right BCL), 우측 내이 차폐 골도음(Right Masked BCL) 및 보청기 순음 검사음(Aided) 중 하나 이상의 정보를 포함하는 것을 특징으로 하는 청력 검사 결과 판독 방법
|
16 |
16
제10항에 있어서, 상기 (c) 단계는, 상기 PTA 검사결과지의 그래프 영역을 추출하여 분석하며, 상기 그래프 영역으로부터 부호 데이터를 추출하여 분류하도록 CNN 학습 알고리즘을 적용하여 학습하는 단계를 더 포함하는 것을 특징으로 하는 청력 검사 결과 판독 방법
|
17 |
17
제16항에 있어서, 상기 CNN 학습 알고리즘은 이미 분류 및 라벨링 된 부호 데이터를 학습 그룹과 테스트 그룹으로 분류하고, 학습 그룹을 통해 학습된 결과물을 테스트 그룹의 부호와 비교 연산하는 과정을 반복하는 것을 특징으로 하는 청력 검사 결과 판독 방법
|
18 |
18
제16항에 있어서, 상기 CNN 학습 알고리즘은 상기 부호 데이터의 특징을 추출하는 컨벌루션 레이어(Convolution Layer)와 상기 부호 데이터를 분류하는 서브샘플링 레이어(Subsampling Layer) 또는 풀링 레이어(Pooling Layer)를 통해 상기 부호 데이터의 특징을 파악하며, 풀리 컨넥티드 레이어(Fully Connected Layer)에서 기계가 인식 가능한 배열정보 형태로 변경하여, 변경된 부호 데이터의 특징 정보를 뉴럴 네트워크(Neural Network)에 적용하여 분류함으로써 상기 부호 데이터의 특징을 인식하는 것을 특징으로 하는 청력 검사 결과 판독 방법
|